GameNGen 技术拆解：帧预测背后的东西（怎么选·2）

这个问题被问了太多次，统一回复一下。本文基于公开资料整理，供讨论参考。 「选型建议」直接给结论：什么情况选它，什么情况绕道。 按官方与社区交叉核对的信息：GameNGen（Google Research，2024-08-27（论文 Diffusion models are real-time game engines，ICLR 2025））基于 Stable Diffusion 1.4 修改版微调，版权口径是未开源（仅论文）。 落地时绕不开的资源问题——单 TPU 可跑。 从硬件工程师的角度看，实用价值是第一考量。几个值得关注的点：两阶段：RL 智能体录轨迹 + 扩散模型微调；人类难以区分其 DOOM 片段与真实画面；动作嵌入单 token、噪声增强抗自回归漂移。 下次有新进展再来更新。讨论与勘误欢迎留言。