从 GameNGen 看 AI 生成可玩游戏的边界（对比分析·补充）

看到大家讨论得热闹，我也来抛块砖。先说结论，再摆依据。 这次「横向对比」不吹不黑，把它和同赛道选手放在一张表里看差距。 查了下公开资料：GameNGen 出自Google Research，2024-08-27（论文 Diffusion models are real-time game engines，ICLR 2025） 与大家见面，基于 Stable Diffusion 1.4 修改版微调，使用未开源（仅论文）授权。 本地跑起来的话，单 TPU 可跑。 产品视角第一问永远是：目标用户是谁，愿意为什么买单。对我触动比较大的细节：动作嵌入单 token、噪声增强抗自回归漂移；首个全神经网络实时游戏引擎；人类难以区分其 DOOM 片段与真实画面。 欢迎持不同意见的朋友理性讨论。以上均为基于公开信息的分析，欢迎指正。—— 数据会说话，实践出真知。