文/HAL
当玩家按下方向键，屏幕里的道路随即延伸；当观众开口，虚拟角色不只回答问题，还能转身、移动，甚至改变周围的空间——过去一年，这类画面频繁出现在世界模型的演示视频中。
如今，字节跳动也被传加入了这场竞赛。
据彭博社报道，张一鸣正在亲自关注一项基于Seedance推进的实时空间视频模型。它的目标不再是生成一段固定视频，而是根据用户输入，持续生成可以互动的动态环境。
游戏、短剧、直播以及PICO，都可能成为这项技术未来的应用场景。
字节官方不置可否，不过就在同一时期，生数科技发布的Vidu S2又为这条路线增加了一块拼图：角色能够在视频生成过程中实时回应用户，人物、服装和背景也可以即时变化，其空间视频版本还计划为VR设备生成具有景深的双目画面。
Vidu S2概览
技术层面来看，AI视频正在尝试越过“生成一段内容”，走向“生成一个可以回应用户的空间”。
只是从技术演示到真正的互动影游的突破性进展，中间仍隔着一整套叙事、产品和商业问题，尤其是放到全球范围观察，这场革命大概才刚刚走出实验室。
01
从一段视频
到一个会回应的空间
今天被统称为“世界模型”的技术，其实包含着多条差异很大的路线。
Google的Genie 3能够根据文字描述生成可探索环境，用户可以控制角色移动，世界也会随动作继续向前生成。但面向用户开放的Project Genie仍是研究原型，单次体验时间只有一分钟左右。
Runway的GWM Worlds 2则已经能够持续生成带声音的互动视频，并尝试覆盖预设电影、回合制互动电影和实时游戏。但Runway也承认，经过预先规划的提示词仍然更稳定，模型对长期记忆、空间结构和物体关系的保持能力依然有限。
生数科技的Vidu S2展示了另一种更接近娱乐应用的路径。
它不急于生成一整个开放世界，而是先让角色在视频中实时表演、回应和变化。其VR空间视频能力尤其值得关注：如果左右眼画面能够同步生成，AI视频便不再只是贴在屏幕上的影像，而可能成为一种具有空间感的沉浸式内容。
不过，这项功能仍处于预告阶段，目前公开产品主要还是虚拟人和实时视频编辑，把它直接描述成成熟的VR世界，显然为时过早。
在更靠近游戏的一侧，Odyssey和Decart也在探索可以操控的生成式环境；World Labs强调可持续编辑的三维空间；一些研究机构则把世界模型用于机器人和自动驾驶，让AI理解物体、动作及其后果。
World Labs的Atlas
资本已经迅速涌入。
World Labs估值达到数十亿美元；Odyssey与Decart也先后获得大额融资……然而，目前所有公司面对的难题都非常相似：生成速度正在提高，世界的一致性却没有同步解决。
一扇门打开之后，转身回来可能已经变成另一间房；角色能够即时回答，却未必记得十分钟前发生了什么；模型可以连续生成几分钟画面，但无法支撑一部两小时电影或一款几十小时游戏所需要的情节、规则和因果关系。
所以，今天的世界模型确实能够制造“身处世界之中”的第一印象，却还无法稳定维持一个真正的世界。
这也是国内不少“AI互动影游”概念最容易混淆的地方。
AI互动影游作品《京门之下》
AI生成美术素材、自由对话NPC、分支剧情、实时视频编辑与世界模型生成环境，本来属于不同层级的能力。把它们包装在同一个产品中，并不意味着互动电影与游戏之间的边界已经被打通。
一个会聊天的角色，不等于拥有记忆与动机；一段可以改变的影像，也不等于用户拥有自由行动的权利。
02
会生成之后
谁来负责讲故事？
这也是当下讨论实时互动内容时最容易被忽略的问题：技术演示正在迅速变得惊艳，真正能够被用户长期消费的产品却没有同步出现。
目前海外市场较为成熟的探索，仍然围绕传统内容结构展开。
Netflix把叙事游戏搬上电视，让手机成为控制器；Roblox利用AI降低用户创建游戏的门槛；Fable的Showrunner允许观众生成、改写和续写剧集；Disney与Epic合作建设的娱乐宇宙，同样建立在成熟引擎、既有IP和持续运营之上。
Netflix叙事游戏《 爱情盲选》
它们都在增加内容的互动性，却没有急着把控制权全部交给AI大模型。
原因其实并不复杂：观众真正需要的并非无限变化的画面，而是值得进入的角色、冲突和故事。
如果每一种选择都能生成新的场景，创作者反而更难控制节奏；如果角色可以回答任何问题，人物性格也可能迅速崩塌；如果世界没有边界，用户往往也不知道自己应该做什么。
传统影视依靠剪辑决定观众看到什么，游戏依靠规则告诉玩家能够做什么，而生成式内容暂时还没有找到与之对应的秩序。
事实上，Netflix在《黑镜：潘达斯奈基》后将近十年时间里没有太多投入互动影视内容，毕竟如果要在电视机前或手机上有更强互动，用户大可以直接去玩游戏。
《黑镜：潘达斯奈基》海报
相比之下，国内一些所谓“AI互动影游”更像把多个流行概念打包出售，但其实本质上也还是一个更精致的Galgame，甚至发售渠道也都是以Steam为主。
AI生成美术素材、自由对话NPC、分支剧情、实时视频编辑与世界模型生成环境，本来属于不同层级的能力。它们同时出现在一个产品中，不代表互动电影与游戏的边界已经消失。
AI生成美术素材、自由对话NPC、分支剧情、实时视频编辑与世界模型生成环境，本来属于不同层级的能力。它们同时出现在一个产品中，不代表互动电影与游戏的边界已经消失。
一个会聊天的NPC，不等于拥有记忆与动机；一段可以实时改变的影像，也不等于用户能够自由探索。把这些能力提前命名为“下一代影游”，多少有些像当年的元宇宙——产品还没建好，售楼处已经开始营业。
说到元宇宙，字节这次传出的世界模型计划也让PICO重新变得有意思。经过此前的业务收缩，字节并没有完全停止XR研发，新系统、自研芯片和新一代设备仍在推进。
PICO CLI 0.5.0
世界模型如果最终进入PICO，确实可能缓解VR行业长期以来最棘手的内容供给问题。
从这个角度来看，张一鸣可能比今天的扎克伯格更相信“元宇宙”。
扎克伯格忙着把资源转向AI眼镜，试图让虚拟信息覆盖现实；张一鸣则像是准备利用AI重新抢救头显，直接生成一个可以进入的世界。一个希望元宇宙走出来，另一个还想把用户请进去。
当然，PICO只是潜在出口之一，也不该抢走世界模型本身的主角位置。即使实时生成速度足以进入头显，眩晕、延迟、空间一致性、内容安全和计算成本仍然会同时出现。VR不会自动解决互动影游的问题，只会把模型犯下的每一个错误放大到用户眼前。
PICO 4
未来几年，更现实的产品大概率仍是一种混合形态：编剧和设计师负责世界观、人物与关键情节，传统引擎维持规则、空间和状态，AI负责生成对话、表演、过渡场景与局部分支。
它可能比今天的游戏更自由，也比传统互动电影更难预测，但距离一个能够长期记忆、稳定运行并持续讲述故事的世界，仍然很远。
世界模型正在让画面第一次拥有即时回应用户的能力，这当然是一场真正的技术进展。只是互动影游需要解决的，从来不只是让世界动起来，还要知道这个世界为何值得被进入。
