字节跳动正秘密研发让你真正走进视频的 AI 产品，20 帧实时生成、50 毫秒延迟。

这位退居幕后整整 5 年的创始人，为何此时亲自出面督战？

背后藏着一盘比你想象的大得多的棋局。

历史上每一次技术革命，都有一个拐点。

那个拐点来临的时候，当事人往往是第一个感知到的。

1994 年，贝索斯在前往西雅图的公路上读到一份报告，数据显示互联网用户数量正在以每年 2300% 的惊人速度增长。他当场让司机靠边停车，在副驾驶位上手写下第一份商业计划书，几个月后创立了亚马逊。

那一年，没几个人相信网上能卖出去东西。

2007 年 1 月，乔布斯站在旧金山马士孔尼会展中心的台上，掏出一块薄薄的黑色设备，对台下几千名观众说：今天我们要重新发明电话。台下一片哗然。当时的诺基亚，还是全球手机出货量第一的霸主。

然后你知道后来发生了什么。

2026 年的秋天，张一鸣选择亲自下场了。

这个卸任 CEO 整整 5 年、外界以为早就彻底退出江湖的字节跳动创始人，开始亲自协调公司各大业务部门，调动 AI 资源和算力，全力督战一个秘密项目。

这个项目要做的事，用一句话说清楚：把你从屏幕前拉起来，直接走进画面里去。

先说这个项目到底是什么。

字节跳动基于旗下的视频生成模型 Seedance，正在开发一款实时空间视频生成模型。

听起来很技术，翻译成大白话就是：你戴上头显，对着空气说话、抬手、转身，眼前的虚拟世界会跟着你的动作实时变化。

不是播放一段提前录制好的内容。

而是根据你此刻的行为，实时生成。

你往左转，左边的世界就出现了。你伸手去拿，那个物体就在眼前。

技术参数是这样的：约每秒 20 帧的按需生成能力，端到端延迟控制在 0.05 秒，也就是 50 毫秒。

50 毫秒是个什么概念？

人类眨眼一次大约需要 150 到 400 毫秒。而人类大脑对视觉信息的感知延迟阈值，大概在 50 到 100 毫秒之间。

换句话说，字节这个产品的延迟，刚好卡在了你大脑不会察觉的临界线上。

你感觉不到卡顿，你就会觉得那个虚拟世界是真实存在的。

这才是沉浸式体验真正的核心命题，也是虚拟现实领域几十年来研究者一直在追的那条线。

这件事的关键，不在于技术本身有多厉害。

而在于字节给这件事的定位。

张一鸣把这个模型叫做飞轮。

飞轮是力学里的一个概念，一旦转起来，靠自身惯性越转越快，不需要外力持续驱动。

字节这个飞轮的逻辑是这样转的：

空间视频模型负责生成沉浸式虚拟环境，背后靠的是 Seedance 的视频生成能力；云端承载大规模算力，把计算需求从头显本体转移到服务器；Pico 头显负责用户和虚拟世界之间的交互接口；抖音和 TikTok 的内容生态负责往这个环境里持续填充内容；直播、短剧、游戏三条赛道则负责把用户吸进来并留住。

每一个环节，都是字节自己的。

从内容生成到算力支撑，从硬件终端到内容分发，外部竞争对手极难在短期内复制这套完整的闭环。

而且，为了支撑这套飞轮，字节在世界模型方向上的数据预算已经达到了八位数人民币，是国内其他竞争实验室的三到四倍。

这种投入力度，本身就是一个信号。

有人可能会说：这不是 Meta 和苹果早就在做的事吗？

对，方向一样，路径不同。

Meta 的 Quest 系列迭代了好几代，苹果的 Vision Pro 在 2024 年以 3499 美元起的价格入市，折合人民币超过 2.5 万元。结果呢，Vision Pro 的全球销量始终低于市场预期，大多数买回去的人，用了几天就放进了柜子。

根本原因是：太重、太贵、内容太少、续航太短。

Meta 和苹果走的是重硬件路线，把算力堆在头显本体上，导致设备成本居高不下，普及一直是个难题。

字节的策略是把计算转移到云端。

头显本身不需要多强的芯片，设备成本可以大幅压低。这个逻辑一旦跑通，竞争焦点就从谁的芯片更强，转移到了谁的 AI 模型更好、谁的算力更充沛、谁的内容生态更丰富。

这三样，字节都在押注。

当然，这件事能不能成，还有很多变量需要验证。

实时空间视频对带宽和稳定性要求极高。50 毫秒的端到端延迟在实验室里好实现，但在真实的 5G 或 Wi-Fi 网络下，一旦出现波动，沉浸感会瞬间崩塌。用户的大脑会立刻察觉，那种出戏感比普通卡顿还要难受。

沉浸式体验需要大量专为空间环境设计的内容，不是把现有的抖音竖屏短视频往头显里一放就行了。这套内容生产体系，几乎需要从头搭建。

再就是用户习惯的迁移成本。

让普通人愿意每天戴着头显看内容、玩游戏、看直播，改变十几年养成的刷手机习惯，这个门槛真的不低。

但字节给出的时间线很明确：最快 2026 年 10 月亮相。

留给外界验证的时间不多了。

一个卸任了 5 年的创始人，为什么偏偏在这个节点重新出山？

背后有两个核心原因。

第一，这个项目的复杂度，超出了常规产品开发流程。Seedance 要对接云计算，云计算要对接 Pico，Pico 要对接内容平台，涉及至少三个以上的大型业务部门。利益分配、资源调配、优先级排序，随便哪个环节卡壳都可能让整个项目停摆。

这种跨越多个山头的协同，需要有足够权威的人来拍板。梁汝波作为现任 CEO，更多在处理整体运营；而张一鸣作为创始人，才有资格在这种时刻站出来说：这件事必须这么做。

第二，字节跳动意识到，AI 时代的竞争，已经不再是单一产品能力的比拼。

2026 年 7 月底，字节完成了一次重要的内部重组：飞书产品团队并入豆包，市场销售团队并入火山引擎，重新组建面向企业客户的服务体系。梁汝波在 8 月全员会上解释说，AI 在生产力上的发展快于预期，To B 变得更重要。

而张一鸣在一次内部会议上罕见发声，亮出了反对蒸馏的态度：不是用别人的输出，换一时的榜单排名。做模型要坚持长期主义，延迟满足。

一个公司的创始人和现任 CEO，在同一时期连续表态，说的都是同一件事。

这通常意味着，他们认为接下来这件事，关乎公司的存亡。

历史上有无数个这样的节点。

当某家公司从一个赛道切入另一个赛道，往往不是因为原来的路走不通了，而是他们看到了一个更大的战场。

字节跳动用了十几年，把算法推荐做到了极致。

抖音和 TikTok 的全球月活跃用户超过十亿，用户日均使用时长突破 95 分钟。这套靠算法驱动的内容分发引擎，是过去十年最成功的互联网商业模式之一。

而这套能力的底层，正在经历一次悄悄的升级。

Seedance 2.0 在 2026 年 2 月上线，打破了模态壁垒，把 AI 视频生成真正推进到了可用阶段。这才是字节此次布局空间视频的底气所在。

现在他们要做的，是让用户不再是内容的旁观者，而是内容世界的参与者。

这几个字，可能是字节跳动接下来十年最重要的战略转向。

张一鸣亲自下场，不是一时冲动，是他觉得，这一次，轮到字节来重新定义规则了。