每经记者：李宇彤 徽声在线编辑：董兴生

9月7日，有市场消息传出，字节跳动正依托其旗下视频生成模型Seedance，积极研发一款能够实时生成空间视频的模型。截至消息发布时，字节跳动方面尚未就此事作出官方回应，甚至有接近情况的知情人士透露，部分市场传言并不准确。

然而，比起这些传言，更值得我们深思的是，在全球科技巨头纷纷投身世界模型研发的当下，字节跳动是否能够置身事外？

科技发展的潮流已然明确。自2025年下半年开始，OpenAI、Google、Meta、NVIDIA等国际科技巨头相继涉足世界模型领域，而在国内，腾讯开源了混元3D世界模型2.0，阿里也推出了HappyOyster 1.0。据《2026世界模型专题研究报告》显示，今年前7个月，中国一级市场在世界模型相关概念上的投资累计达到666亿元，共有58家企业获得融资，占赛道公司总量（64家）的91%，显示出该领域的火热程度。

面对如此激烈的竞争，字节跳动并非毫无准备。《每日经济新闻》记者经过梳理发现，字节跳动已经发布了视频生成模型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，并预计在今年第四季度推出全新的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、自变量机器人等相关企业，构建起了一张“自研加投资”的世界模型拼图。

天使投资人、资深人工智能专家郭涛在接受记者采访时坦言，字节跳动的基本盘在于短视频算法推荐和海量图文视频内容生态，但这些能力主要集中在二维信息流领域，与需要实时交互、三维空间生成的世界模型存在显著的技术差距。如果字节跳动主动放弃世界模型这条赛道，那么被下一代交互形态边缘化的风险将会大大增加。不过，郭涛也指出，世界模型目前仍处于技术路线尚未完全明确的早期阶段，对于字节跳动来说，这是一个必须布局的前沿领域，但并非当下就要抢占的确定性入口。

那么，自研加投资，能否弥补字节跳动在三维交互方面的短板呢？

随着AI硬件与大模型的加速迭代，直播、短剧、游戏等场景正在被重新定义。字节跳动能否将手中散落的能力和业务拼成一张完整的版图，构建出AI时代的新竞争力，显然成为了业界关注的焦点。

在字节跳动的已有版图中，视频生成无疑是最为核心的一块。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在视频生成领域更具竞争力。

火山引擎总裁谭待曾表示，世界模型的流派众多，但视频生成是一条非常有效的路径。它不需要对数据做太多假设和采集，现有海量视频就可以进行大量无监督学习。谭待透露，已经有具身智能公司利用Seedance进行数据合成，以反哺模型的训练和优化。

除了视频生成，世界模型还需要理解空间。字节Seed团队去年发布的视觉空间重建模型Depth Anything 3，能够从任意视觉输入中恢复三维几何结构，为理解空间提供了有力支持。而今年4月23日发布的Seed3D 2.0，更是在几何生成、纹理材质生成两项核心指标上取得了SOTA（当前最优）结果，进一步提升了字节跳动在世界模型领域的技术实力。

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头显已经通过了美国联邦通信委员会的认证，预计为将于第四季度登场的Pico Space Pro。此前的8月24日，PICO-XR官方宣布将发布时间由9月2日调整至第四季度，称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，这无疑为Pico Space Pro的发布增添了更多期待。

在投资层面，字节跳动同样在积极卡位。字节跳动已经投资了影眸科技、生数科技、未来不远机器人等企业，并领投了自变量机器人10亿元的A++轮融资。其中，自变量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，显示出字节跳动在世界模型领域的投资力度和决心。

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，该模型只需上传一张场景图片即可自动生成独立3D资产，大大简化了3D资产的生成流程。此外，其Rodin模型上线45天即实现了100万美元的年经常性收入，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，让机器人具备了物理推演能力，目前已启动第三代大脑的研发。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了互补，为字节跳动在世界模型领域的发展提供了有力支持。

字节跳动自研加投资的双轮驱动全栈布局已经成形，但这套拼图最终要拼出什么呢？答案或许并不在于某一款具体的产品。布局世界模型，对于字节跳动来说，打开的并不是单一的功能，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，字节跳动需要在这个新的领域中寻找自己的定位和发展方向。

与此同时，腾讯开源了混元3D世界模型2.0，阿里推出了HappyOyster，对手也已经在世界模型领域布局就位。字节跳动需要加快自己的步伐，以免在这个新的领域中落后。

然而，对于字节跳动能否在世界模型领域跑出来，郭涛分析认为，字节跳动的优势足够明显。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的原始数据。同时，字节跳动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的迭代与产品化验证。但是，字节跳动同样具有短板。其缺少机器人、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。这些都是字节跳动在世界模型领域需要面对和解决的问题。

世界模型的冷思考：布局可以超前，但落地仍有挑战

在资本追捧与技术现实之间，横亘着一条尚难跨越的鸿沟。世界模型虽然备受关注，但目前的技术成熟度仍然有限。

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。”这反映出世界模型领域的资本泡沫现象。而流形空间创始人武伟则警告：“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。”这提醒我们要理性看待世界模型的发展，避免过度炒作和盲目跟风。

除了概念炒作之外，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”。这意味着模型虽然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，缺乏对物理世界的深入理解和预测能力。

今年1月，Google DeepMind正式开放了Project Genie公测。在2026年游戏开发者大会上披露的Genie 3真实能力是：初始版本只能在几秒钟内维持3D世界的连贯性，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。这显示出世界模型在实时交互和真实性方面仍然存在不足。

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，目前四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。行业仍处于非常早期的阶段，需要更多的研究和探索来推动世界模型的发展。

对于字节跳动的双线布局，郭涛也从商业角度进行了分析。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。但是，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。字节跳动需要找到一种有效的方式，将自研和投资的技术成果转化为实际的产品和服务，以满足市场的需求。

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。这意味着世界模型的发展是一个长期的过程，需要各方面的共同努力和配合。短期之内，世界模型难以达到消费级普及的水平。

然而，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将会较高。郭涛指出，字节跳动当前的核心优势建立在信息流时代，而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，字节跳动需要积极应对世界模型的挑战，加快自己的步伐，以免在这个新的领域中落后。