OpenAI、Google、腾讯竞相布局，世界模型：字节跳动不容错过的战略机遇

每经特约记者：林晓晨 每经编辑：陈思源

9月7日，市场传出重磅消息：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开发。截至消息发布时，字节跳动官方尚未对此作出正式回应，甚至有接近项目的知情人士透露，部分市场传言存在不实之处。

然而，相较于传言的真伪，一个更为紧迫的问题摆在眼前：当世界模型已成为全球科技巨头竞相角逐的战略高地，字节跳动是否还能置身事外？

全球科技浪潮的涌动方向已愈发明确。自2025年下半年以来，OpenAI、Google、Meta、NVIDIA等国际科技巨头纷纷布局世界模型领域，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，中国一级市场在世界模型相关概念上的投资总额已达666亿元，共有58家企业获得融资，占赛道企业总数的91%，显示出资本对该领域的极度青睐。

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记者采访时直言不讳地指出，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，但这些优势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代差。如果字节跳动主动放弃世界模型这一赛道，未来被下一代交互形态边缘化的风险将显著增加。郭涛同时强调，尽管世界模型尚处于技术路线尚未完全收敛的早期阶段，但对字节跳动而言，这既是必须布局的前沿探索，也是为未来竞争储备技术实力的关键。

自研与投资双管齐下，能否补齐字节跳动在三维交互领域的短板？

随着AI硬件与大模型的加速迭代，直播、短剧、游戏等应用场景正被重新定义。字节能否将手中散落的技术能力与业务资源整合成一张完整的战略版图，构建起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，视频生成无疑是核心一环。7月31日，字节Seed团队发布了Seedance 2.5，该模型在单次原生生成时长上从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、绿幕参考等创新功能。

火山引擎总裁谭待在接受采访时表示，世界模型的技术流派众多，但视频生成无疑是一条极具潜力的路径。它无需对数据做过多假设和采集，现有海量视频资源可为模型提供丰富的无监督学习素材。谭待透露，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，仅具备视频生成能力还远远不够。世界模型的前提是对空间的深刻理解。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。而今年4月23日发布的Seed3D 2.0，则在几何生成、纹理材质生成两项核心指标上取得了当前最优（SOTA）结果。

在硬件入口方面，字节跳动2021年收购的Pico头显已被视为世界模型的重要交互终端。值得一提的是，Pico一款全新VR头显已通过美国联邦通信委员会认证，预计将于第四季度正式登场，命名为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发现了“一个令人兴奋的全新机会”，因此决定多花时间对软件体验进行重大升级。

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出新产品。9月1日，影眸科技发布了世界生成模型Hyper3D WorldGen，用户只需上传一张场景图片，即可自动生成独立的3D资产。此外，其Rodin模型上线仅45天便实现了100万美元的年经常性收入。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，使机器人具备了物理推演能力，并已启动第三代大脑的研发工作。据统计，字节跳动通过锦秋基金在机器人赛道已累计投资超过10笔，这些公司的仿真环境、机器人数据与世界模型形成了有力的互补。

字节跳动的自研与投资双轮驱动战略已初步成形，但这套拼图最终将拼出什么？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，意味着打开了一整套交互逻辑的升级通道，基于二维信息流的内容形态都将被重新定义。

与此同时，腾讯开源了混元3D世界模型2.0，阿里推出了HappyOyster，竞争对手也已严阵以待。

然而，对于字节跳动能否在这场竞争中脱颖而出，郭涛分析认为，字节跳动的优势显而易见：海量用户交互行为数据、短视频与实景视频素材为世界模型训练提供了丰富的原始数据；成熟的工程化落地能力与大规模算力调度经验有利于模型的迭代与产品化验证。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进一步完善。

世界模型的冷思考：布局可超前，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。

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不讳地指出：“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。”流形空间创始人武伟则警告称：“世界模型的定义正在被无限扩大，这与当年元宇宙概念的炒作如出一辙。”

除了概念炒作之外，技术本身的成熟度同样值得深入审视。

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，结果显示即使是当前最优（SOTA）模型的得分也只有0.473。研究指出，这些模型更多依赖“表层视觉模式匹配”，尚未形成“稳定的物理状态建模能力”，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。

今年1月，Google DeepMind正式开放了Project Genie的公测。在2026年游戏开发者大会上披露的数据显示，Genie 3的真实能力是：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。

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。

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，该布局并不以短期财务回报为首要目标，而是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。

从时间窗口来看，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时间。瓶颈的突破不仅依靠算法本身的进步，还需要配套数据、仿真工具、硬件终端的协同成熟，短期内难以达到消费级普及水平。

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将显著增加。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，流量与生态优势也将被逐步削弱。