7.0
深览指数
科技人人都是产品经理·Z Finance··AI 生成
字节要用世界模型重做PICO，押注下一代内容入口
字节跳动正研发实时空间交互式视频生成模型，基于Seedance架构，目标帧率20FPS、延迟0.05秒，计划与PICO Space Pro头显联动发布。文章从技术架构（曾妍团队攻克视觉生成、范浩奇团队搭建3D拓扑）、组织整合（双线赛马汇流、VLA与机器人团队并入）及云端-终端协同（芯片做MTP补偿）三方面，解析字节如何构建空间计算生态。核心判断是：字节想用模型粉碎内容生产门槛，用内容赋予硬件留存价值，再借硬件反哺模型迭代。适合关注XR产业、AI视频生成、字节战略的读者深度阅读。原文 ↗
核心观点
- ▍字节跳动的核心战略是将世界模型与PICO头显绑定，构建一个自我咬合的飞轮：用模型粉碎空间内容生产门槛，用内容赋予硬件留存价值，再借硬件捕捉的连续物理交互反哺模型迭代。
- ▍云-端协同是当前算力约束下的必然工程妥协：云端模型负责宏观时空演进与环境生成，本地自研芯片（PICO协处理芯片，实测延迟12ms）则接管高频姿态解算与异步时间扭曲重投影，以弥补云端固有的端到端延迟。
- 01字节正在研发的实时空间交互式视频生成模型基于Seedance架构，支持语音与动作输入，目标帧率20FPS，生成延迟约0.05秒，初步应用场景指向直播、短剧和轻量游戏。
- 02PICO创始人周宏伟于7月21日卸任，由李晓凯（浙大本科、耶鲁博士）接任；旗舰设备PICO Space Pro延期至第四季度发布，正是为了与新模型协同。该设备搭载字节自研协处理芯片与VST彩色透视系统，可能采用分体式构型。
- 03曾妍（1997年出生，4-2级）是Seedance管线核心操盘手，2023年以第一作者提出PixelDance，2024年末并入Seed部门，主导Seedance 2.0预训练，在一年内从3-2升至4-2（新职级L7）。
- 04范浩奇（前Meta FAIR近七年，与何恺明合作开创MoCo、SlowFast）于2026年春节后领军新设的世界模型研究组，选定3D仿真路线，初期破局点对准强交互数字娱乐与轻量游戏。
- 05字节已将近30家银行约296亿美元贷款中很大一部分用于AI投资，包括芯片采购和海外数据中心建设；市场传闻字节考虑将2026年资本开支提高至最高700亿美元。
反方 / 局限
- — 作者指出，20 FPS生成速率下相邻帧间隔约50ms，彭博社披露的“0.05秒延迟”很可能仅指云端单帧推理延时，绝不能与XR核心的端到端MTP延迟画等号。真实的物理闭环涉及采样、上行、推理、编码、下行、解码、重投影等完整链路。
- — 作者承认，组织形态的合流不等于产品逻辑的跑通。真正的临界点不是虚拟世界能否以20帧流转，而是它能否沉淀用户选择、持续咬合物理反馈，并让人找到第二天再次佩戴头显的理由。
- — 文章末尾留下关键张力：当数字世界可以被即时计算生成，字节推开的到底是定义未来的全新交互媒介，还是一段造价更昂贵、感官更沉浸的“高清视频”？这意味着对用户留存与生态化的根本性质疑。
Seedance曾妍范浩奇周宏伟李晓凯字节跳动PICOPICO Space ProMeta FAIRPixelDanceMoCoSlowFastVideoMAEBAGELSeaweed-7BDiTATW/ASWVLASeed Robotics彭博社华尔街日报李航王文千杨震原周畅SLAMMTP
10 分钟 · 4 卡片 · 12 资料
读原文 →