7.4
深览指数
科技腾讯新闻·字母AI··AI 生成
“世界”等待张一鸣
文章梳理了谷歌 Genie 4 与字节世界模型两条路线的竞速：Genie 4 首次让用户以自然语言实时干预世界并加入物理与音频模拟，字节则以 Seedance、Seed3D、SeedRealtime 为底座，由张一鸣亲自协调算力与业务部门，目标是把世界模型接入 Pico、火山引擎与抖音分发体系。作者的核心判断不在技术，而在落地：张一鸣擅长的是把技术压缩成一次「滑动」，世界模型真正的门槛是交互摩擦与内容生态，而不是模型参数。原文 ↗
核心观点
- ▍世界模型的竞争关键不在底层技术首发，而在低摩擦交互、创作者生态与内容分发——这恰是张一鸣擅长的事，他更擅长技术落地而非发明技术。
- ▍字节世界模型的终局是一个新飞轮：Seed 生成世界、火山引擎提供算力、剪映与即梦降低创作门槛、抖音与短剧负责分发、Pico 作为空间入口，张一鸣亲自协调跨部门资源。
- 01Genie 4 与前代的核心差异是从「生成一段内容」变为「模拟动作的后果」：用户按下 WASD，模型即时判断镜头、人物、物体与空间关系的下一步变化，并加入空气动力、碰撞等物理模拟与首个音频生成能力。
- 02Genie 系列演进路径清晰：2024 年 Genie 1 从无标注视频学习潜在动作，Genie 2 把单张图片变成可操作的 3D 空间，2025 年 Genie 3 做到 720p/24fps 与数分钟一致性，Genie 4 则让世界可持续被干预。
- 03字节 2024 年引入通义前负责人周畅负责世界模型研究，2025 年组建 VLA 研究组，2026 年春节后新设 3D 仿真世界模型组（前 Meta FAIR 研究员范浩奇负责），形成 VLA 面向具身智能、3D 仿真面向娱乐游戏两条路线。
- 04字节为世界模型准备的训练数据预算达数千万元，一名数据供应商称其投入是其他厂商的 3 至 4 倍；但 2026 年初内部评测显示，其世界模型综合性能距当时全球 SOTA 仍有约 10% 差距。
- 05字节的技术底座包括：Seedance 2.5 可单次生成最长 30 秒视频并支持多轮续写与按时间戳修改，Seed3D 把图片转为带 PBR 材质的 3D 资产并可导入 Isaac Sim 做物理仿真，SeedRealtime 是端到端建模音视频文本时序流的全双工实时交互模型。
- 06张一鸣的类比基础是推荐算法：算法并非他发明，但他把「找到下一条内容」压缩成一次滑动，用户无需理解推荐系统；世界模型同样需要这种零学习成本的落地方式，否则再先进也只是花瓶。
反方 / 局限
- — 文章明确承认云端渲染路线的代价：成本没有消失只是从头显转移到数据中心，用户越多并发成本越高，网络波动会直接破坏沉浸感；目前字节世界模型生成指标约 20fps，只能算「不卡顿」。
- — 谷歌自己承认 Genie 4 仍只是预览版，只能在短时会话中保持一致性，运行过长或多次复杂修改后视觉细节与物体恒存会漂移，复杂物理、实时音频、空间精度与长期一致性均未解决。
- — 作者点出一个未被夸大的前提：无限生成世界不等于无限生成好体验，随机不等于丰富、逼真不等于好玩、可交互不等于用户愿意交互——没有目标、人物、冲突与节奏，空间终究只是空间。
11 分钟 · 5 卡片 · 13 资料
读原文 →