字节跳动据报研发实时空间视频 AI：Seedance 将从生成视频走向可交互世界？

“能生成一段视频”和“能让人走进视频里、实时改变其中的世界”，是两回事。

据彭博社报道，字节跳动正在筹备一款面向实时空间视频生成的 AI 模型。它据称由创始人张一鸣亲自督导，最快可能于下个月推出；但目前发布计划仍可能变动，字节跳动也尚未公开确认该项目。 1

若报道属实，这将意味着字节跳动希望把视频生成 AI 从“做出一条成片”，推进到能持续响应用户操作的交互式三维环境——也就是业内常说的“世界模型”。

不止生成视频：目标是可探索、可响应的虚拟世界

报道称，这一模型建立在字节跳动视频生成技术 Seedance 的基础上。字节跳动此前公布的信息显示，Seedance 2.0 是一个原生多模态音视频生成模型，可接收文本、图片、音频和视频作为输入。

新系统的设想并非生成固定镜头的视频片段，而是用于创建可交互的虚拟世界，潜在场景包括直播、短剧和游戏。 7 换句话说，用户移动、发出语音指令或进行互动后，场景理论上应能随之变化，而不是只能播放预先渲染好的内容。

这也是它被归入“世界模型”赛道的原因。Google DeepMind 对世界模型的解释是：系统模拟环境如何演变，以及行动会如何影响环境。其 Genie 3 被设计为可根据文本提示实时生成可交互环境。

张一鸣介入，释放的战略信号比产品参数更明确

彭博社援引知情人士称，张一鸣正在协调公司不同业务部门，并将 AI 资源和算力投入这一项目。 1

这并不等于产品已经完成，更不代表发布日期已经敲定；但若相关信息准确，创始人直接统筹意味着字节跳动可能将其视为一项平台级布局，而非给现有视频工具增加的一项功能。

彭博社将这一项目置于字节跳动与 Meta、Alphabet 竞争的背景下，并指出世界模型的潜在应用不止娱乐，还可能延伸至机器人和自动驾驶系统。 1 对普通用户而言，互动内容或许是最接近落地的方向；而从技术目标看，关键在于模型能否在用户不断操作时维持一个连贯、可用的环境。

Pico、20 帧与 50 毫秒：目前都应视为“报道中的指标”

有报道称，该模型可按需生成约 20 帧/秒的视频流，延迟约 0.05 秒，并可响应 Pico 头显用户的语音或动作输入。 7

这些数字值得关注，但不能直接当作已经被公开验证的产品能力：它们来自知情人士说法，字节跳动尚未发布可供独立核验的技术文档或测试结果。

而且，实时 XR（扩展现实）体验并不只取决于生成帧率和单项延迟。画面是否稳定、空间关系能否长期一致、网络是否可靠、端到端的动作到显示延迟，以及推理成本能否承受，都会影响最终使用感受。

云端渲染在理论上可以把部分高计算量从头显转移出去，从而降低终端硬件压力。但现在还不能据此断言该模型会降低 Pico 设备售价，或使其对 Meta、Apple 形成决定性优势。这些都只是可能的战略推演，而不是已被确认的产品结果。

“最快下月发布”不等于确定发布日期

“最快下个月”是基于匿名消息人士的报道。彭博社的表述是产品正在为可能的发布做准备，并非公布了固定日期。 1 其他转述报道同样指出，时间安排可能变化。 8

因此，在字节跳动正式发布前，最好将信息分成三层看待：

• 已报道的方向：基于 Seedance 的实时空间视频模型；
• 已报道的用途：直播、短剧和游戏中的交互式虚拟世界；
• 尚未验证的细节：确切发布时间、开放方式、Pico 的整合程度、延迟和帧率表现，以及是否会正式商业化。

背后是更大的 AI 基础设施投入，但不是该模型的专属预算

字节跳动拥有投入 AI 基础设施的资金能力，但这不代表所有资金都将用于这一个空间视频模型。

路透社报道，字节跳动已从近 30 家银行获得 296 亿美元贷款；知情人士称，相关资金将支持其海外 AI 扩张。该贷款额度据报从最初计划的 200 亿美元扩大。

另据彭博社报道，字节跳动曾讨论在 2026 年投入最高 700 亿美元资本开支，用于数据中心及其他 AI 基础设施。这是报道中的规划金额，并非已确认支出，也不是对该模型的专项分配。

基于 36 氪报道的消息还称，字节跳动提出在 2026 年底前至少发布一个世界模型版本，并以 Google 的 Genie 3 作为对标对象。 但这属于报道称的内部目标，不是字节跳动公开作出的承诺。

为什么“世界模型”比普通 AI 视频更难，也更值得关注

AI 视频模型可以生成有说服力的短片；但一个真正可交互的环境，需要在时间推移中保持场景连贯，还要让用户操作产生合理反馈。这正是世界模型吸引人的地方，也是最难攻克的部分。

若项目成功，字节跳动可能把视频生成能力与互动娱乐、XR 硬件进一步打通；对整个行业而言，它也会让世界模型赛道多出一位重要竞争者。

但现阶段最稳妥的结论仍然很有限：字节跳动似乎正在推进一项基于 Seedance 的实时空间视频世界模型项目，且据报获得张一鸣的直接关注。至于实际画质与交互质量、正式发布时间、对 Pico 的真实价值，都要等产品发布和可衡量的技术结果出现后才能判断。 17