你在游戏里向左转，眼前的街道就要跟着变化；推开一扇门，门后的空间还得合乎逻辑。对 AI 来说，这比生成一段固定视频难得多。它不仅要“画得像”，还要理解环境如何随动作和时间连续变化。
这正是世界模型（World Model）想解决的问题：让 AI 学会预测环境的下一状态，并生成可以持续互动的场景。据 Bloomberg 援引知情人士报道，字节跳动创始人张一鸣正在亲自督导一款实时空间视频生成模型。由于目前只有这一家媒体的知情人士报道，以下项目进展仍需等待字节官方确认。
从生成短片，到生成一个世界
这款模型据称以 Seedance 为基础。Seedance 是字节的视频生成模型产品线，原本更接近“输入要求，产出一段视频”；新项目则试图再往前一步，让画面根据用户动作实时变化，并保持前后连贯的空间关系。
可以把两者的差别理解成电影和游戏。电影播放前已经拍好，观众不能改变剧情；可交互世界则必须在用户转身、移动或操作物体时，立即生成合理的后续画面。Bloomberg 称，字节希望用户借此为直播、短剧和游戏创建可交互的虚拟世界。
报道还称，张一鸣正在协调字节内部不同业务，以及 AI 资源和算力投入。模型最早可能在 2026 年 10 月发布，但计划仍可能调整。现有材料没有披露项目名称、技术结构、训练方式或模型效果，也没有可供比较的实验数字。
创始人重新深入一线，意味着什么
这件事引人注意，不只因为模型本身，也因为张一鸣的角色。
张一鸣在 2021 年卸任 CEO 时，曾在字节官方内部信中说，自己不够社交，更愿意独处、读书、上网和设想可能性。他把日常管理交给联合创始人梁汝波，希望转向长期战略研究。五年后，据 Bloomberg 报道，这位退居幕后的创始人为了世界模型重新深入一线，并横向协调业务、AI 资源和算力。
因此，“押注”更适合作为对资源配置变化的概括，而不是已经得到官方确认的投资结论。现有证据能支持的是：张一鸣参与并督导了这场研发竞赛；至于投入规模、组织架构和优先级，报道都没有给出足够细节。
为什么世界模型值得盯住
世界模型把 AI 竞争从“生成一段内容”推向“模拟一个能行动的环境”。它既可能服务直播、短剧和游戏，也可能成为具身智能的底座。具身智能是指让 AI 通过机器人等实体感知环境并采取行动；世界模型可以先预测某个动作会带来什么后果，再帮助系统规划或训练。
Bloomberg 也把应用方向延伸到机器人和自主系统，并将 Meta 与 Alphabet 列为字节在这一领域的竞争对手。如果报道所述项目落地，字节的内容产品、视频模型与算力资源可能被更紧密地串联起来。真正值得观察的，不是一款视频工具多了互动功能，而是大厂是否开始把“生成内容”升级为“生成并理解环境”。
局限与未知
- 目前核心信息来自 Bloomberg 单一信源，字节尚未在材料中公开确认。
- 发布时间最早为 2026 年 10 月，但报道明确称计划可能变化。
- 模型能力、技术路线、投入规模及机器人应用均缺少公开细节，暂时无法判断它与竞争对手的实际差距。