谷歌已走到第四代，百度还停在披露前夜

截至 2026 年 10 月 28 日，两家公司所说的「世界模型」并不处在同一阶段。谷歌 DeepMind 已有从 Genie 3 到 Genie 4 的连续迭代，10 月 27 日刚发布 Genie 4 研究预览，并给出了订阅与 API 的分发路径谷歌+1；百度计划近日披露世界模型的研发进展与成果，截至发稿百度未予置评chinastar…。两者摆在一起，一边是已交付的产品，一边是待揭晓的研发进展。

谷歌的产品版图

谷歌在世界模型上的公开产品线，主体是 Genie 系列，另有两支性质不同的支线：一支是在强化学习里做潜在空间预测的 Dreamer，一支是在生成世界里学技能的智能体 SIMA。

Genie 系列的技术定义是实时逐帧生成可交互环境，而不是生成一段既定视频。官方对 Genie 3 的描述是：给定文本提示即可生成动态世界，用户能以 24 帧每秒实时导航，在 720p 分辨率下保持几分钟一致性deepmind。2026 年 1 月 29 日，谷歌把这套能力包装成 Project Genie 原型，面向美国 Google AI Ultra 订阅用户开放，单次可探索约 60 秒，分辨率约 720p、帧率约 24fps，早期体验者反映存在明显输入延迟与一致性问题The Verge+1。这一代产品成为谷歌世界模型真正接触公众的入口。

Genie 4 在 10 月 27 日以研究预览形式发布，先向少量受信任测试者开放，随后进入 Project Genie 的 AI Ultra 订阅层，并向 Gemini API 与 AI Studio 的早期合作伙伴开放谷歌+1。能力上有三处实质变化：Gemini Omni 负责把模拟锚定在真实世界的外观与行为上，其他 Gemini 模型提供维持模拟连贯性所需的推理谷歌；每个世界都实时生成原生音频，包括环境音、音乐和可交互对话谷歌。运行这套实时交互的并不是最新的旗舰模型，据报道是更轻量的 Gemini 3.8 Flash，谷歌团队曾尝试 Gemini 4 Argon 但未用于实际交互华尔街见闻+1。时长方面，官方只说「支持几分钟的连续交互」deepmind，中文报道给出的数字是约 2 分钟、为 Genie 3 的两倍华尔街见闻。

后两行容易被混为一谈。Dreamer 属于 model-based 强化学习路线，在一份技术路线梳理里被列在「model-based RL 派」之下，与 Genie 所在的自回归生成派并列github；另一份中文材料的分类更粗略，把 Genie 系列与 Dreamer 系列都归为「交互式世界模型」baidu，两处归类口径并不一致。SIMA 只在官方 Genie 4 页面被顺带提到，与 Gemini Robotics 一起构成其机器人研究方向的落点deepmind，现有材料没有它的独立版本信息。

时间线上，谷歌的节点已经排到第四代产品发布与分发，百度的节点里没有一个「世界模型发布」，最近的只是媒体披露的「将披露」。

百度的能力藏在自动驾驶里

百度在自动驾驶方向的投入最早可以追溯到 2013 年，Apollo 平台积累超过 1.5 亿公里 L4 测试里程，2024 年 5 月发布 Apollo ADFM，官方称其为全球首个支持 L4 级无人驾驶应用的自动驾驶大模型，包含多模感知大模型、多源规划大模型与端到端大模型，安全性据称高于人类驾驶员十倍以上Apollo+1。这套模型的输出是驾驶决策，而不是给用户探索的虚拟世界，这也是它与 Genie 最根本的分野。

研究层面百度确有世界模型论文积累。2024 年 7 月的 BEVWorld 把多视角图像与激光雷达压缩进统一的鸟瞰图潜空间，用动作 token 作为条件预测未来场景，论文列出的用途是长尾数据生成、闭环仿真测试、对抗样本和作为感知决策模型的预训练基础牛喀网。2026 年 3 月被 ICLR 2026 录用的 FlowAD 由百度与上海交通大学联合提出，在特征层面显式建模相对场景流，让车辆理解自己变道或减速后其他交通参与者会如何反应电子工程专辑。2026 年 7 月，上海交大 ScaleLab、上海人工智能实验室与百度智能云合作发布 AHA-WAM，用低频世界规划器加高频动作专家的异步架构解决生成式世界模型用于机器人控制时的推理延迟infoq。

产业侧，百度在具身智能领域服务了北京人形机器人创新中心、智元、星海图、宇树等 50 余家产业链企业，萝卜快跑业务已覆盖全球 28 座城市chinastar…。数据规模上，2026 年第一季度萝卜快跑完成 320 万次完全无人驾驶运营行程，3 月周订单峰值超过 35 万次，总行程同比增长超过 120%百度。若该模型用于自动驾驶，可提升复杂场景下的预测与决策能力，为无人车规模化落地提供支撑chinastar…。

百度官方材料里并不常用「世界模型」这个词。有分析梳理国内大厂时指出，华为、百度在公开材料里甚至不常单独使用这个词，而是直接落到产品和场景36Kr；也有评论认为百度尚未公开确认将单独发布一款「世界模型」，但其 Apollo ADFM 已具备理解物理环境、预测交通参与者行为等世界模型特征，自动驾驶很可能是相关能力最先展示和落地的场景虎嗅网。就目前公开信息看，「百度世界模型」更像一个被媒体提前命名的能力集合，尚未成为已发布的产品。

技术路线的分野

两条路线的第一处分歧在「世界」被表示成什么。谷歌走的是像素级自回归生成：Genie 3 逐帧基于世界描述和用户动作生成画面，一致性是涌现出来的，不依赖 NeRF、高斯泼溅这类显式 3D 表征github。百度走的是压缩表征：BEVWorld 先把多传感器输入压进一个统一紧凑的鸟瞰图潜空间，再由潜空间扩散模型以动作为条件预测未来，解码端用光线投射把潜变量重建回激光雷达与图像观测牛喀网。前者要回答「下一帧长什么样」，后者要回答「下一刻场景如何演化」。

第二处分歧在服务对象。谷歌把生成环境当作训练场与创作工具，官方表述是用它给机器人、智能体提供安全训练环境，并放大影视、新闻、游戏、制造等行业的创作工具谷歌；Genie 帮助 Waymo 模拟高逼真道路环境谷歌。百度的世界模型能力直接挂在驾驶链路上，FlowAD 把自车动作对周围交通参与者的影响建进规划特征里电子工程专辑!。

第三处分歧在交互性。Genie 4 给的是可被用户用键盘鼠标操控、用语言实时改写场景的成品世界deepmind，百度的产出是给研发流程用的数据与预测，没有面向外部的「进入世界」入口chinastar…。谷歌因此要处理 Gemini 3.8 Flash 的延迟问题华尔街见闻+1，百度的工程难点则落在闭环频率与推理时延，AHA-WAM 之所以拆成低频规划器加高频动作专家，正是因为机器人控制需要极低延迟的闭环反馈infoq。

两条路线对照

入口差异是这张表里最容易忽略的一条。谷歌把世界模型做成了可订阅、可调 API 的产品形态谷歌+1；

公开表态与已知局限

谷歌高层的公开表述把世界模型直接挂到 AGI 上。官方博客写「模拟世界是迈向 AGI 的关键一步」谷歌；Alphabet 财报电话会上，管理层称 Genie 是构建世界模型的又一步，并强调多模态与对真实世界的表征是谷歌的强项谷歌。产品层面的表态要克制得多，DeepMind 产品经理 Diego Rivas 表示公司正与合作伙伴研究这项技术如何融入现有工作流程、能力边界在哪里，Genie 4 的目标是扩大现有创作方式的可能性，并没有宣告相关行业的生产流程会被全面取代华尔街见闻。

官方文件列出的局限相当具体：无法完美模拟真实地点，文字渲染与连贯环境仍是进行中的研究，模型支持几分钟而非长时间会话，并已在发布前做内部安全评估、所有音视频嵌入 SynthID 水印deepmind。中文报道补充说，随模拟推进画面细节与物体仍会漂移，复杂物理互动与可读文字未解决华尔街见闻。更早期的实测反馈更直白：单次只有 60 秒、全程静音，跑着跑着赛道可能突然变成草地，且无法生成可保存、可复用到实际游戏中的 3D 模型与游戏逻辑C114。

第三方评价沿着「冲击」与「过度反应」两条线展开。Unity CEO Matthew Bromberg 在股价大跌后公开回应，称 Genie 3 的输出本身还不适合游戏要求的连贯、可重复的玩家体验，因为帧是概率性的，世界模型的输出需要导入实时引擎才能转化为结构化、确定性的模拟小米。高盛与德意志银行当时的判断是市场严重过度反应，Genie 3 本质是开发提效工具而非商业模式颠覆者Sina Fina…。也有评论把 Genie 3 的问题归结为缺乏长期一致性和复杂逻辑，认为生成视觉细节与构建完整世界是两件事太平洋科技。学术界对术语本身的警惕同样存在，斯坦福大学教授李飞飞的说法被引述为「世界模型已成为人工智能领域最重要、同时也最被滥用的术语之一」金融时报，她本人主张 AI 必须理解 3D 世界结构、物理规律与因果关系，而不只停留在文本 token财新。

百度一侧没有任何官方表态。报道明确写着截至发稿百度未予置评chinastar…，虎嗅的分析也指出百度尚未公开确认将单独发布或披露一款「世界模型」虎嗅网。外部对百度的评价集中在其整体技术处境，有评论认为百度在公开材料中不常单独使用「世界模型」一词36Kr，也有报道称李彦宏在 2026 年 8 月的财报会上承诺让文心重返 AI 前沿，当日股价一度下跌 7%路透。行业层面的第三方判断则偏向中国整体，南华早报认为世界模型开发是中国具有竞争优势的领域南华早报，彭博行业研究预测中国到 2030 年前有望在大语言模型等领域领先彭博。

市场反应与行业位置

谷歌世界模型的外部性主要体现在资本市场。Project Genie 上线后的 2026 年 1 月 30 日，Unity 收跌 24.22%，创 2022 年以来最大单日跌幅，AppLovin 跌 16.89%，Roblox 跌 13.17%，Take-Two 跌 7.93%富途牛牛；另有报道把区间概括为 17% 至 24%Sina Fina…。这轮抛售后来被多家机构判定为过度反应Sina Fina…。

注：美股单日收盘涨跌幅，仅列报道给出具体数值的公司

Genie 4 发布时，中文媒体同样以「游戏股再迎 AI 冲击」定调华尔街见闻，但现有材料没有给出 10 月 27 日之后的具体股价数字，这一轮市场反应尚无数据支撑。

百度所处的行业位置则不同。中国厂商在世界模型上动作密集，阿里在 2026 年 9 月云栖大会公布世界模型 HappyOyster-2.0-Preview，生数科技发布面向机器人灵巧操作的自进化世界模型 Motus2，VAST 开源实时世界模型 EdenLive，卓驭发布 ZYT-World 实时可控世界模型及仿真平台，哈啰 Robotaxi 推出生成式驾驶世界模型 HelloWorldbaidu+4。在这个背景下，百度旗下萝卜快跑业务已覆盖全球 28 座城市，并积累了一定规模的真实道路数据chinastar…。