每经特派记者：李宇彤 每经编辑：董兴生

9月7日，市场传来消息，字节跳动正依托其旗下视频生成模型Seedance，积极研发一款具备实时空间视频生成能力的模型。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，比起这些传言，更值得深入探讨的是，当世界模型已成为全球科技巨头竞相追逐的焦点，字节跳动是否能够置身事外？

科技发展的潮流方向已然明确。自2025年下半年起，OpenAI、Google、Meta、NVIDIA等国际科技巨头纷纷涉足世界模型领域，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%，显示出该领域的火爆程度。

字节跳动并非毫无准备。《徽声在线》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，字节跳动的基本盘稳固于短视频算法推荐与海量图文视频内容生态，但这一套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。郭涛也指出，世界模型目前尚处于技术路线尚未完全收敛的早期阶段，对字节跳动而言，这是必须布局的前沿探索领域，但并非当下就要抢占的确定性入口。

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、游戏等场景不断被重新定义，字节跳动能否将手中散落的能力与业务拼成一张完整版图，构建出AI时代的新竞争力，显然已成为业界关注的焦点。

梳理字节跳动的现有版图，视频生成无疑是其中最核心的一块。7月31日，字节Seed团队发布了Seedance 2.5，该模型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，进一步提升了视频生成的灵活性与多样性。

火山引擎总裁谭待曾表示，世界模型的流派众多，但视频生成无疑是非常有效的一条路径。它不需要对数据做太多假设和采集，现有海量视频数据可以做大量无监督学习。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。

光会生成视频显然不够，世界模型的前提是理解空间。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，为空间理解提供了有力支持。今年4月23日，Seed3D 2.0发布，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，进一步推动了三维生成技术的发展。

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，以提升用户体验。

在投资层面，字节跳动同样在积极卡位。字节跳动已投资影眸科技、生数科技、未来不远机器人等企业，并领投自变量机器人10亿元A++轮融资。其中，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，显示出字节跳动在机器人领域的深厚布局。

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，大大简化了3D内容生成流程。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，目前已启动第三代大脑研发。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互补，共同推动了技术进步。

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产品。布局世界模型，对字节跳动而言，打开的不是单一功能，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，为用户带来更加沉浸式的体验。

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，字节跳动面临的竞争压力不容小觑。

但对于能否在这场竞争中脱颖而出，郭涛分析认为，字节跳动的优势足够明显。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，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迭代与产品化验证。然而，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：布局可以超前，落地仍有鸿沟

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：“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炒作如出一辙，需要警惕过度炒作带来的泡沫。”

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”，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，这限制了模型在复杂场景中的应用。

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真实能力是：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，显示出技术仍有待完善。

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，行业仍处于非常早期的阶段，需要持续投入研发资源。

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。

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时间。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，短期难达消费级普及水平。

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。