造世界、开任意门，字节抢跑世界模型。

新眸原创 · 作者 | 棠宁

没有任何预热，一条小红书笔记在科技圈广泛传开。博主橘 AI 写道，他去了影视飓风，Tim 演示了字节最新的世界模型：造一个世界，并与之互动。把老电影当作一个世界模型，随意控制运镜；打开任意门，进入梦想中的世界；让机器人在虚拟世界里学会操作，包括自动驾驶；戴上 VR 眼镜，让医生这样的职业模拟学习。

这条笔记没有提任何模型的名字，字节也没有官宣。但 1 个月前，就有知情人士消息称，字节跳动正在基于旗下视频生成模型 Seedance，开发一款实时空间视频生成模型，由张一鸣亲自督导，协调公司内部多个业务部门，投入 AI 资源与算力支持，模型最快可能于 10 月推出。

如今 10 月到了，演示先于发布会来了。被效果震撼的同时，有网友认为，" 这才是真正的元宇宙，看来 vision pro 要复活了。" 但也有人认为，" 它就是视频生成模型，只是换个说法。"

世界模型这个词，今年在科技圈刷屏的频率比它的定义清晰度还高。Google 说它是通往 AGI 的里程碑，英伟达说它是物理 AI 的底座，字节把它写进年度优先级。我琢磨了很久，想搞清楚三件事：张一鸣为什么亲自下场，世界模型到底在比什么，Tim 的演示之外，字节真正想干什么？

张一鸣亲自下场

为一个具体项目

了解张一鸣都知道，近些年他很少公开露面，更别说为某个具体产品站台。但据相关媒体披露，他为这个模型亲自协调跨部门团队和算力资源，模型研发、云基础设施、Pico 硬件、内容业务线，全部调动起来，算力优先保障。能让张一鸣这么上心的事，字节内部叫它世界模型。

据 36 氪报道，世界模型被列为字节 2026 年 AI 四大重点方向之首，数据预算极高。字节没有把它当试水项目，优先级排在所有方向前面。9 月初，字节刚完成一笔 296 亿美元的银团贷款，约合 2136 亿元人民币，市场解读为加码 AI 基建。钱到位了，人到位了，项目由创始人亲自盯，这个分量不用多说。

为什么是张一鸣亲自来。我想起五年前扎克伯格搞元宇宙，RealityLabs 烧掉数百亿美元，Horizon Worlds 始终没成大众产品。Meta 的路线是从硬件和 3D 世界起步，自上而下搭一座空城。字节的路线不一样，它从视频生成出发，Seedance 先把画面做出来，世界模型再让环境跟着人的行动继续变化。一个从内容里长出来，一个从硬件里盖起来，起点天然不同。

还有一件事值得琢磨。据晚点报道，张一鸣 8 月曾在 Seed 团队全员会上说，公司不会把模型蒸馏当捷径，宁愿暂时落后，也要从更底层构建 AGI 壁垒。他表扬了 Seedance 的差异化领先，认可编程是当前关键方向。

这些话放到一起，意思很明确：语言模型上字节不急着追平，世界模型这个新战场，字节要抢第一身位。

世界模型赛道

三条路线在分岔

世界模型从来不是一条路。我翻了翻这几年的资料，大概理出几条。

OpenAI 走的是物理仿真。2024 年 2 月，Sora 的技术报告标题就叫《Video Generation Models as World Simulators》，把视频生成模型定位成世界模拟器。OpenAI 想的是让 AI 像上帝一样推演物理规律，算清楚每一粒沙子的下落。这条路烧钱、慢，但天花板高。Sora 到现在还没法准确模拟玻璃破碎这种基本物理过程，说明这条路有多难。

Google DeepMind 走的是实时交互。2025 年 8 月发布的 Genie 3，官方定义是首个实时、可交互的逼真世界模型，根据文本描述生成可探索的 3D 环境，帧率 20 到 24fps，基于 Google Maps 街景锚定现实世界。它已经能让人在生成的世界里走动了。

英伟达走的是物理 AI 底座。今年 5 月发布的 Cosmos 3，是全球首个完全开放的全模态模型，把视觉推理、世界生成、动作预测收进一个系统，专门给机器人和自动驾驶生成训练数据，把训练评估周期从数月压缩到数天。

至于字节，走的是第四条，也是离大众最近的一条。据悉，字节的模型以 Seedance 为基础，按需生成每秒 20 帧的视频，端到端延迟约 50 毫秒，渲染放在云端，画面串流到终端。应用场景是直播、互动短剧、游戏，计划适配 Pico 头显。

要知道，50 毫秒接近人类感知阈值，20 帧每秒说明云端渲染和流媒体传输已经到了可用的工程水准。这条路的含金量在于，它是为实时互动而生的。

字节敢把世界模型排第一，底气在内容生态。QuestMobile 数据显示，红果免费短剧今年 5 月月活 3.56 亿，2 月用户日均使用时长 125 分钟。抖音是天然的试验场，剪映是创作者工具，火山引擎提供算力，Pico 提供终端。此前发布的 Seedance 2.5，已经能单次生成 30 秒视频、输入最多 50 个全模态参考素材。这些能力，都是世界模型的阶梯。

国内同样拥挤。阿里做了 Qwen-AgentWorld 和 Qwen-RobotWorld，腾讯的 HY-World 2.0 强调 3D 可编辑世界，蔚来小鹏理想更愿意说驾驶世界模型，快手可灵和腾讯混元也在迭代。据相关消息，字节年初内部测试跟世界先进水平还有约 10% 的差距，目标是年底前发布至少一款对标 Genie 3 的模型。赛道没有绝对赢家，但字节手里握着最长的内容杠杆。

事实上，世界模型的竞争，已经形成明显分化。根据毕马威在 WAIC 2026 上给出判断：2026 年上半年世界模型融资总量基本追平 2025 全年，行业竞争焦点已从能不能做，转向能不能规模化应用并创造商业价值。

Tim 演示之外

我看到字节更大的棋局

Tim 的演示里，最有分量的不是造世界，也不是任意门，而是最后两条：让机器人在虚拟世界里学会操作，包括自动驾驶；戴上 VR 眼镜，让医生这样的职业模拟学习。这两条，把世界模型从娱乐拉进了生产力。

草蛇灰线，字节在这条线上的布局，比外界看到的早。

早在 2025 年 10 月，字节 Seed 团队发布 Seed3D 1.0，在当时看来，世界模拟器对具身智能至关重要，能为机器人训练提供复杂场景模拟和高质量合成数据，生成的 3D 模型能无缝导入 Isaac Sim 等仿真引擎。

而且，英伟达已经把这条路趟出来了，Cosmos 3 正在给 Agile Robots、理想汽车等公司生成动作数据，让机器人和自动驾驶先在仿真世界里摔十万次再出门。字节没有公开对标英伟达，但 Seed3D 的定位说明它想清楚了：世界模型的价值不在生成好看的视频，在生成可交互、可训练的世界。

这也解释了 Pico 的位置。VR 行业降温后，Pico 一度被认为边缘化，但字节没扔掉它。PICO Space Pro 原计划 9 月发布，推迟到第四季度，理由是软件体验升级。当世界模型把渲染放到云端，头显就不用堆本地算力，硬件门槛被压下来，竞争焦点从硬件规格转向 AI 模型、计算基础设施和内容分发。Pico 从硬件竞品变成内容生态的一环，这个角色转换，只有世界模型能完成。

回到那条小红书笔记。它没有官方背书，细节未经字节证实，但它的出现本身就是一个信号：世界模型在 10 月这个时间窗口，已经可以被演示、被讨论、被传播了。张一鸣押注的这条路，用视频生成切入实时互动，用抖音和红果承接内容，用火山引擎扛算力，用 Pico 接终端，顺手还摸到了机器人和职业培训的门。

回到一开始的话题，世界模型这场仗，真正的答案可能要等三五年，但方向摆在那里，接下来就交给时间来验证。

本文系新眸原创，申请转载授权、商务合作请联系微信：ycj841642330，添加好友请备注公司和职位。

更多内容，点击下方关注