Runway 最初的產品專注於影像創作流程,例如生成短影片、編輯場景或快速測試視覺效果。如今,公司將這些工具視為通往更通用 AI 的「橋樑」。
這個方向的代表性研究是 GWM‑1(General World Model 1)。該模型被設計為可即時模擬環境,並能對外部輸入做出互動式回應,例如相機移動或機器人指令。
與只生成單一影片片段不同,世界模型的目標是產生整個可探索的環境:
換句話說,這更像是一個 AI 驅動的模擬世界,而不只是影片生成工具。
目前主流 AI(例如大型語言模型)大多以文字為主要訓練資料。但 Runway 的創辦團隊認為,文字只能教會 AI 人類如何描述世界,卻未必能讓 AI 真正理解世界的運作方式。
影片則不同。影片記錄了現實環境隨時間變化的過程,因此能直接提供關於物理與空間的訊息,例如:
因為影片是連續時間的觀測資料,它能呈現事件如何逐步發生,而不只是文字描述。Runway 認為,這類資料對於讓 AI 學會 物理直覺與環境互動 至關重要。
在這個願景下,影片生成不只是內容創作工具,也同時成為訓練 AI 理解世界的重要資料來源。
目前 Runway 的商業產品仍主要面向創作者與影像製作產業,但世界模型的潛在用途遠不止於此。若技術成熟,可能應用於:
這些場景的共同需求是:AI 必須能 預測環境隨時間如何變化,而不只是生成文字或靜態圖像。
有趣的是,電影與影片製作本身其實正好提供了理想訓練場景——因為它涉及鏡頭運動、角色互動、空間關係與時間敘事,這些都是世界模型需要學習的能力。
訓練世界模型需要極高的計算資源。為了支持這項研究,Runway 在 2026 年完成 3.15 億美元的 E 輪融資,估值約 53 億美元。投資者包括 General Atlantic、NVIDIA、Adobe Ventures 與 AMD Ventures。
公司表示,資金將用於 預訓練下一代世界模型,並將技術拓展到媒體以外的產業。
同時,Runway 也與 NVIDIA 合作,利用新一代 GPU 架構(例如 Rubin 平台)來加速影片生成與世界模型的研究。
Runway 並不是唯一押注世界模型的公司。全球多家 AI 研究機構與新創也在探索讓 AI 理解環境的技術路線,包括:
這些競爭者通常擁有更大的研究團隊與計算資源,使得世界模型的競賽非常激烈。
即使 AI 影片生成技術進步迅速,一個核心問題仍未解決:
生成看起來真實的影片,是否代表模型真的理解物理世界?
目前研究界仍在討論這一點。許多模型可能只是重現訓練資料中的模式,而未必真正掌握物理因果規律。
因此,Runway 的策略可以說是一場高風險、高回報的賭注。
如果世界模型真的成為下一代 AI 的核心基礎,Runway 早期在影片與視覺資料上的投入可能帶來巨大優勢;但若影片模型最終仍主要停留在內容生成領域,擁有更大算力與資源的科技巨頭仍可能主導這場競賽。
目前可以確定的是:Runway 正把自己定位在 創意 AI 與現實世界模擬技術的交會點——並提出一個大膽主張:未來的 AI 可能不是靠閱讀世界,而是靠「觀看世界」來學習。