Runway 的長期 AI 佈局：從生成影片到「世界模型」

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：

• 使用者可以在其中移動或改變場景
• 軟體代理（AI agent）能在其中進行決策
• 系統可以預測環境接下來會如何演變

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。

為何 Runway 認為「影片優先」AI 可能勝過語言模型

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：

• 物體的運動與動量
• 因果關係
• 物體之間的空間位置
• 光線、視角與鏡頭運動
• 物體持續存在與碰撞行為

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。

不只影像產業：潛在應用版圖

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：

• 機器人系統：預測物體與環境的反應
• 遊戲產業：生成可互動的 AI 世界
• 科學研究：建立虛擬實驗環境
• 自動化與自主系統模擬

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。

巨額資金與算力需求

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。

世界模型競賽正在升溫

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：

• Google
• OpenAI
• 專注空間 AI 的新創公司
• 結合文字、影片與 3D 的多模態系統

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。

最大問題：AI 真的理解物理嗎？

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。