每经特派记者：李宇彤 撰稿 每经资深编辑：董兴生 统筹

9月7日，据市场内部消息透露，字节跳动正依托其自主研发的视频生成模型Seedance，加速推进一款具备实时空间视频生成能力的创新模型研发。截至本稿发布时，字节跳动官方尚未对此消息作出正式回应，甚至有接近项目的知情人士指出，部分市场传言存在不准确之处。

然而，相较于市场传言的真伪，一个更为紧迫的问题摆在眼前：在全球科技巨头纷纷布局世界模型的当下，字节跳动能否在这场技术竞赛中缺席？

技术发展的潮流已清晰可见。自2025年下半年以来，OpenAI、Google、Meta、NVIDIA等国际科技巨头相继宣布涉足世界模型领域，国内方面，腾讯开源了混元3D世界模型2.0，阿里则推出了HappyOyster 1.0。据《2026世界模型专题研究报告》显示，今年前7个月，中国一级市场针对世界模型相关概念的投资累计达到666亿元，共有58家企业获得融资，占赛道公司总量的91%，显示出资本对这一领域的强烈兴趣。

面对如此激烈的竞争态势，字节跳动并非毫无准备。《徽声在线》记者深入梳理发现，字节跳动已相继发布视频生成模型Seedance 2.5、视觉空间重建模型Depth Anything 3、新一代3D生成大模型Seed3D 2.0，并计划于今年第四季度推出全新VR头显Pico Space Pro。此外，字节跳动还通过投资影眸科技、生数科技、自变量机器人等企业，构建起了一张“自研加投资”的世界模型战略拼图。

天使投资人、资深人工智能专家郭涛在接受《徽声在线》记者专访时表示，字节跳动的核心竞争力在于其短视频算法推荐与海量图文视频内容生态，但这些能力主要集中于二维信息流领域，与实时交互、三维空间生成的世界模型存在显著的技术差距。他强调，如果字节跳动主动放弃世界模型这一赛道，将面临被下一代交互形态边缘化的高风险。不过，郭涛也指出，世界模型目前仍处于技术路线尚未完全收敛的早期阶段，对字节跳动而言，这既是必须布局的前沿探索，也是并非当下就要抢占的确定性入口。

那么，自研加投资的策略，能否帮助字节跳动补齐三维交互的短板？

随着AI硬件与大模型的加速迭代，直播、短剧、游戏等应用场景正不断被重新定义。字节能否将这些散落的能力与业务整合成一张完整的版图，构建出AI时代的新竞争力，已成为业界关注的焦点。

在字节跳动的现有版图中，视频生成无疑是最为核心的一环。7月31日，字节Seed团队发布了Seedance 2.5，该模型将单次原生生成时长从15秒提升至30秒，支持最多50个多模态参考素材同时输入，并新增了白模、绿幕参考能力。这些升级使得Seedance 2.5在视频生成领域具备了更强的竞争力。

火山引擎总裁谭待在接受采访时表示，世界模型的流派众多，但视频生成是一条非常有效的路径。他解释说，视频生成不需要对数据做太多假设和采集，现有海量视频数据可以进行大量无监督学习。谭待还透露，已有具身智能公司利用Seedance进行数据合成，以反哺模型训练。

然而，光会生成视频还远远不够，世界模型的前提是理解空间。为此，字节Seed团队去年发布了视觉空间重建模型Depth Anything 3，该模型能够从任意视觉输入中恢复三维几何结构。今年4月23日，Seed3D 2.0的发布更是将字节跳动在三维生成领域的技术水平推向了新的高度。该模型在几何生成、纹理材质生成两项核心指标上均取得了SOTA（当前最优）结果。

在硬件入口方面，字节跳动2021年收购的Pico头显已被外界视为世界模型的重要交互终端。值得一提的是，Pico的一款全新VR头显已通过美国联邦通信委员会认证，预计为将于第四季度登场的Pico Space Pro。此前，PICO-XR官方曾宣布将发布时间由9月2日调整至第四季度，并表示在最后体验验证中看到了“一个令人兴奋的全新机会”，决定多花时间对软件体验做重大升级。

在投资层面，字节跳动同样在积极卡位。除了已投资的影眸科技、生数科技、未来不远机器人外，字节跳动还领投了自变量机器人10亿元A++轮融资。自变量机器人是国内唯一同时获得字节、美团、阿里三家巨头投资的具身智能企业，其技术实力与市场前景备受瞩目。

而被投企业也在密集推新。9月1日，影眸科技发布了世界生成模型Hyper3D WorldGen，该模型上传一张场景图片即可自动生成独立3D资产。此外，其Rodin模型上线45天即实现100万美元年经常性收入，显示出强大的市场潜力。未来不远机器人则在5月发布了基于WAM世界动作模型的新一代机器人大脑，让机器人具备物理推演能力。目前，该公司已启动第三代大脑的研发工作。字节跳动通过锦秋基金在机器人赛道累计投资超10笔，这些公司的仿真环境、机器人数据与世界模型形成互补，为字节跳动的世界模型战略提供了有力支撑。

字节跳动自研加投资的双轮驱动全栈布局已然成形。但这套拼图最终要拼出什么？答案或许并不在于某一款具体的产品。布局世界模型，对字节跳动而言，打开的不是单一功能的大门，而是一整套交互逻辑的升级。基于二维信息流的内容形态都将被重新定义，字节跳动需要在这场技术变革中抢占先机。

与此同时，腾讯开源了混元3D世界模型2.0，阿里推出了HappyOyster，对手也已就位。这场世界模型的竞赛正愈演愈烈。

然而，对于字节跳动能否在这场竞赛中脱颖而出，郭涛分析认为，字节跳动的优势在于其海量用户交互行为数据、短视频与实景视频素材能为世界模型训练提供丰富原始数据。同时，其成熟的工程化落地能力与大规模算力调度经验也有利于模型迭代与产品化验证。但字节跳动同样存在短板：缺少机器人、虚拟现实场景的物理交互数据，物理仿真与三维底层算法积累相对薄弱，原有短视频内容生态不能直接平移复用至三维空间，人才储备与仿真工具链仍需补齐。

世界模型的冷思考：布局需超前，落地仍有挑战

在资本追捧与技术现实之间，横亘着一条尚难跨越的鸿沟。世界模型的研发并非一蹴而就，需要持续的技术投入与市场验证。

在今年中关村论坛的圆桌会议上，耀途资本创始合伙人白宗义直言：“现在不谈世界模型都不好意思融资，但只要涉及这个概念，估值就直奔亿美元级别。”这反映出市场对世界模型的过度追捧与泡沫化风险。流形空间创始人武伟则警告说：“世界模型的定义正在被无限扩大，这与当年元宇宙概念炒作如出一辙。”他呼吁业界保持理性，避免盲目跟风。

除了概念炒作外，技术本身的成熟度同样值得审视。今年7月，南洋理工大学S-Lab团队提出了首个以物理定律为核心的视频模型评估基准Apple-π。结果显示，即使是SOTA模型的得分也只有0.473。研究指出，模型更多依赖“表层视觉模式匹配”，尚未形成“稳定的物理状态建模能力”。这意味着模型能生成看起来合理的画面，但并不真正理解物体为何会那样运动。

今年1月，Google DeepMind正式开放Project Genie公测。在2026年游戏开发者大会上披露的Genie 3真实能力显示，初始版本只能在几秒钟内维持3D世界连贯性，升级后提升到大约一分钟。官方也承认生成的世界“可能看起来不够真实”，角色控制存在延迟。这表明世界模型在实时交互与物理仿真方面仍存在显著不足。

今年6月，北京智源人工智能研究院院长王仲远在一次群访中坦言，目前4种类型的世界模型距离真正能理解、预测、交互真实物理世界的基座模型，都还有非常大的差距。他强调，行业仍处于非常早期的阶段，需要持续的技术突破与市场验证。

对于字节跳动的双线布局，郭涛也从商业角度进行了深入分析。在他看来，该布局不以短期财务回报为首要目标，更多着眼于技术生态卡位和前沿技术情报收集。投资可以降低内部试错成本，观察外部技术路线演进。但内外协同、技术成果转化落地仍是后续需要面对的现实挑战。字节跳动需要建立有效的内外协同机制，确保自研与投资的技术成果能够顺利转化为实际产品与服务。

在时间窗口上，郭涛判断，综合产业迭代节奏，世界模型实现大规模可用大致需要三至五年。瓶颈突破不单依靠算法本身，还需要配套数据、仿真工具、硬件终端协同成熟。他强调，短期难达消费级普及，需要业界保持耐心与持续投入。

但同时，如果字节跳动主动放弃这条赛道，被下一代交互形态边缘化的风险较高。郭涛指出，字节跳动当前的核心优势建立在信息流时代，AI驱动的三维实时交互将重塑内容分发逻辑，属于技术驱动的范式变迁。即便现有短视频业务基本盘稳固，若缺席世界模型相关技术积累，未来在新型交互产品的竞争中将会丧失技术主动权，流量与生态优势会被逐步削弱。因此，字节跳动必须在这场技术变革中抢占先机，确保自身在AI时代的竞争力。