Runway的AI長線策略：由影片生成走向「世界模型」

目前主流AI（包括大型語言模型）主要是用文字訓練。但Runway的創辦人認為，文字其實只是人類描述世界的方式，並不等同於世界本身的運作。

影片則不同。影片記錄了現實環境在時間中的連續變化，因此可以讓AI直接觀察物理規律，例如：

• 物體的移動與動量
• 因果關係（例如碰撞後的結果）
• 物體之間的空間關係
• 光線、透視與鏡頭運動
• 物體持續存在與碰撞行為

因為影片本身就是事件隨時間發生的紀錄，所以它提供的是物理動態的直接證據，而不是文字描述。Runway認為，這種觀察型數據對建立真正理解物理世界的AI至關重要。

在這個願景下，影片生成技術不只是創意工具，更是訓練世界模型的重要資料來源。

不只影視：潛在應用其實更廣

雖然Runway現時的產品主要服務創作者與電影製作人，但公司長遠目標遠遠不止娛樂產業。

如果世界模型成熟，理論上可以支援很多不同領域，例如：

• 機械人系統預測物件和環境反應
• AI生成並模擬完整遊戲世界
• 科學研究中的虛擬實驗環境
• 自動駕駛或其他自主系統模擬

關鍵能力在於：AI可以預測環境隨時間如何變化，而不只是輸出文字或圖片。

Runway現在的電影製作工具，其實也是測試場。因為拍攝與影片製作天然涉及場景、鏡頭、角色互動與動作，這些都是訓練AI理解空間與時間的重要元素。

巨額資金與算力需求

要建立世界模型，需要極其龐大的計算資源。為了支持這個方向，Runway在2026年完成 3.15億美元的Series E融資，公司估值約53億美元，投資者包括General Atlantic、Nvidia、Adobe Ventures與AMD Ventures等。

公司表示，這筆資金將用於預訓練下一代世界模型，並把技術拓展到更多產業。

Runway同時也與Nvidia合作，利用新一代GPU架構（例如Rubin平台）加速影片生成和世界模型研究。

世界模型競賽其實非常擁擠

Runway並不是唯一走這條路的公司。很多大型AI實驗室與新創企業都在研究能理解環境的模型。

競爭者包括：

• Google與OpenAI等大型AI研究機構
• 專注空間AI或模擬技術的新創公司
• 結合文字、影片與3D資料的多模態模型

這些對手通常擁有更大的研究團隊與算力資源，因此世界模型的競爭非常激烈。

最大技術疑問仍未解決

即使AI影片生成技術進步很快，一個核心問題仍然存在：

能生成逼真影片，是否代表模型真的理解物理？

生成看起來合理的畫面，與真正能可靠預測現實世界動態，其實是兩回事。研究人員仍在爭論，現有影片模型究竟是在學習物理規律，還是只是在重現訓練數據中的模式。

因此，Runway的策略某程度上是一個高風險、高回報的賭注。

如果未來AI需要透過世界模型來理解現實世界，那Runway早期專注影片的策略可能會變成巨大優勢。但如果影片模型最終只停留在創作工具層面，擁有更大算力與資源的科技巨頭可能會主導整個領域。

目前來看，Runway正試圖站在創意AI與物理模擬之間的交界——賭未來的人工智能，不只是讀懂文字，而是能透過觀察世界本身去學習。