---
title: "世界模型开始收月费了"
date: 2026-11-19
category: AI大模型
site: 脑机网
canonical: https://aiai.cafe/a/njw-genie4-subscription-1119
language: zh-CN
---

# 世界模型开始收月费了

> 60 秒变成 180 秒。这不是视频变长。

60 秒变成 180 秒。

这不是视频变长。是一个世界能待的时间，变成原来的 3 倍。

11 月 18 日，Genie 4 在 Project Genie 里向符合条件的 Google AI Ultra 订阅用户开放。此前它只是研究预览。

研究预览和订阅之间，隔的不是模型，是一个货架。

## 3 分钟是内容单位

60 秒是一条竖屏短视频的长度。

3 分钟是 1 集短剧里一个片段的长度。

这 2 个数字都长在内容行业里，不长在工业软件里。工业仿真不说“能玩几分钟”，它说步长、收敛、误差、置信区间；一个工况跑完要等，等的时候没人在乎它可不可交互。内容行业反过来，1 切都按“用户愿意待多久”算。所以 60 秒到 3 分钟，改的不是算力，是产品形态：从“生成一段世界”变成“在一个世界里待 1 会儿”。

待 1 会儿，才有停留时长。

有停留时长，才谈得上订阅。

时长这个指标，只有内容行业认。工业客户签合同看的是验收标准，不看你能玩多久。一个车厂不会因为“能连续交互 3 分钟”就多付钱，它只会问这套仿真能不能替代一次实车碰撞。所以谷歌把时长当成卖点，等于把客户群先划定了：它要的是按月付费的个人，不是按项目付费的企业。

这个选择不难理解。

个人付钱快，企业付钱慢。个人一个月不续费就走，企业一个项目从立项到验收要一年。

## 世界模型到底新在哪

先把词说清楚。

视频生成是给定一句提示词，出一段固定的片子，出完就结束。世界模型是你在里面走一步，它算一步，画面跟着你的操作变。区别不在画质，在接不接指令。

接指令这件事，比看上去难。它得记住上一秒发生了什么，还得让下一秒跟上一秒对得上：房子不能走着走着换一个朝向，人物不能转身之后换了一张脸。这种“记得住、接得上”，才是世界模型贵的地方。它不是在生成一张图，它是在维持一个状态。这一点，视频模型做不到：它的每 1 帧都是新的，帧与帧之间只对齐画风，不对齐因果。

Genie 4 这次把接指令摆到了台面上。

中途用文字改天气、加角色、改剧情。音效是原生生成的，跟着场景变。新增一个 Project Genie agent，用对话把世界搭起来。还有一个画廊，可以发布自己的世界，也可以 remix 别人的。

5 项能力，没有一项是跑分。

音效这项最容易被忽略。画面变了，声音跟着变，说明它不是先渲完再配音，是边跑边生成。这一步跨过去，“世界”就从一段素材变成了一个现场。现场感是内容消费的核心，人看短视频要的是现场感，不是分辨率。声音还比画面更难骗人：画面卡 1 帧，人未必看得出；声音断一下，人立刻就察觉。

画廊这项更关键。

remix 是内容平台的标志动作。能 remix，才有创作者；有创作者，才有分类、榜单、二创。假如一个世界被 remix 10 次，最初那句提示词的价值就被放大 10 次。这是 UGC 的算法，不是工具的算法。工具按份卖，一次一份；平台按流量分，越用越值钱。画廊还解决冷启动：新用户进来，先看别人的世界，不用自己从一句提示词开始。

谷歌这次选的是后者。

## 同一周，另一条路开源了

11 月 16 日，华为云发布并开源了昇腾原生的具身世界模型 CloudRobo-WM1.2。

它在 RoboTwin 2.0 与 LiberoPro 2.0 两项仿真评测上拿了总榜第 1。

时间差了 2 天。

一个收月费，一个开源。都叫世界模型，客户不是同一批人。

CloudRobo 的客户是机器人公司。它要的是仿真里的接触、摩擦、抓取成功率，是“这个策略在真机上能不能活”。这类需求按项目走，按台数走，按数据量走，不按人头走。开源是它的分发方式：先把开发者拉进来，用别人的场景喂自己的模型，再在服务和定制上收钱。开源还有一层账：模型给出去，场景数据收回来。谁的机器人在真实产线上跑，谁的数据就帮它改下一版。

这笔账，写在服务器上。

Genie 4 的客户是订阅用户。它要的是“我改一句天气，世界就下雨”。

同一个技术名词，2 种生意。一种卖给企业，一种卖给个人。企业那门更贵，但更慢；个人那门更便宜，但可以按月续。谷歌先开了个人这扇门，不是因为企业那门不重要，是因为那扇门口已经站了人。

## 它现在还不能干什么

把这次公布的能力逐条看，没有一条提到物理精度。

也没有提到可导出的资产格式，没有提到传感器仿真，没有提到机器人训练接口。

这 4 项，恰好是“拿世界模型训练机器人”必须过的 4 道关。

订阅卖的是持续的新鲜感。

世界变成了内容。

订阅卖的是持续的新鲜感。

世界变成了内容。

机器人要在仿真里学会抓杯子，得知道杯子的摩擦系数、质量分布、光照一致性。抓空一次，策略就偏一点。这些参数不写进模型，仿真里练得再好，真机上照样摔。现在做具身模型的团队，花最多时间的不是搭网络，是校准这些参数：摩擦力对不对、延迟补没补、相机的曝光跟不跟真机一致。这些活不上台面，但决定模型能不能出实验室。

订阅卖的是持续的新鲜感。

Genie 4 公布的 5 项能力，没有一项碰这些。

所以它现在的定位很清楚：给人玩。

这不是贬低。给人玩是 1 门大生意，而且比给机器人练更早收得到钱。因为人不需要精度，人只要能改天气。人对穿帮的容忍度也高：一个角色手指多 1 根，观众笑一下就过去了；一个机械臂抓偏 2 厘米，产线就停了。

容忍度决定商用顺序。

内容先商用，工业后商用，不是因为内容技术更难，是因为内容容错更高。

## 谁为造世界付钱

算一笔时间账。

一次会话 3 分钟，1 小时最多 20 次。以前 60 秒，1 小时 60 次。单位时间里的生成次数，掉到原来的 1/3。

但单次停留从一分钟变成 3 分钟。

对订阅制来说，后一个数比前一个数重要。生成次数是成本，停留时长是价值。把生成次数压到 1/3、把停留时长抬到 3 倍，这笔账的方向是对的。

前提是用户真的待满 3 分钟。

如果用户 40 秒就关掉，3 分钟只是个上限，不是平均值。上限不要钱，平均值才要钱。订阅生意最怕的就是这个：定价按上限设，成本按平均值出，中间那段落差就是亏损。

所以真正的问题不是“模型能不能生成 3 分钟”，是“这 3 分钟里有没有事情发生”。现在的答案是有：改天气、加角色、改剧情、听音效。4 件事，够撑一段，不够撑 1 集。1 集要有人物动机、有冲突、有转折，这些现在还得靠人写提示词。模型能维持一个世界，维持不了一个故事。

这也是为什么画廊重要。自己造世界要付算力，玩别人的世界只要付订阅。平台把“生成”的成本摊到“消费”上，这是内容行业做了很多年的老办法：先有人生产，再有人分发，最后平台收租。画廊就是那个分发口。自己造，算力按次计；看别人造好的，算力由创作者先付过一遍。平台省下的不是电费，是重复生成。

内容供给，从此有了网络效应。

英伟达卖 GPU 小时，卖的是造世界用的电。

谷歌在这里卖月租，卖的是造世界的那间房子。

2 条卖铲子的路，一条按度电收，一条按房租收。电的价格随供需波动，房租的价格随续费率波动。前者弹性大，后者更稳，但天花板也更低：一个用户一个月只交一次，交多少，全看这 3 分钟值不值。

留一个问题：如果 3 分钟是产品上限，不是技术上限，那世界模型就不打算做仿真；如果它是技术上限，那这门月费生意，现在卖的只是一个 3 分钟的预告片。

**免责声明：本文基于公开信息撰写，仅供读者参考，不构成任何投资建议。**

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-genie4-subscription-1119
本内容仅供参考，不构成投资建议。
