字节跳动被曝筹备实时空间视频模型：张一鸣亲自督导，下场"世界模型"竞赛
发布时间：2026年9月8日 | 分类：视频模型
一句话先说结论：据彭博社 9 月 7 日报道，字节跳动正在筹备一个能"实时生成空间视频"的 AI 模型，也就是圈内常说的"世界模型"方向，而且这次是创始人张一鸣亲自督导——目前项目还在筹备阶段，官方尚未正式发布。
这是个什么消息？
9 月 7 日，彭博社率先报道：字节跳动正在打造一个新的 AI 视频模型，它和你现在常见的"输入一段提示词、等几十秒生成一条视频"的工具不太一样——这个模型的目标是实时生成空间视频，也就是一边交互、一边生成，你能"走进"视频里的世界。
简单类比：现在的 AI 视频像看一段提前拍好的片子，而这个方向想做的是"你往哪看、模型就实时渲染哪"，更接近电影《头号玩家》里的体验。这类技术业内统称为"世界模型"（World Model）。
需要提醒：这条消息基于多家媒体转述整理，字节跳动官方目前没有发布任何正式公告，具体参数、上线时间都还是未知数。
张一鸣亲自督导，意味着什么？
据彭博社及后续多家媒体（联合早报、36 氪、The Next Web 等）报道，这次项目由字节跳动创始人张一鸣亲自负责督导。在字节内部，创始人亲自下场盯一个 AI 项目并不多见——上一个类似待遇的是大模型团队 Seed。
多家媒体的报道口径一致：这是字节在"世界模型"赛道上的重要落子，也意味着这家公司认为视频生成的下一站不是"更清晰的短视频"，而是"可实时交互的三维世界"。
为什么"实时空间视频"值得关注？
现在的 AI 视频生成（比如可灵、即梦、Sora 这类工具）有三个共同瓶颈：
- 慢：生成几秒的视频往往要等待几十秒甚至几分钟
- 被动：视频生成完就固定了，你只能看，不能改视角、不能互动
- 不连续：每次生成都是一个独立片段，没法构成一个持续存在的"世界"
- 数据和场景：抖音 + TikTok 是全球最大的短视频平台，对视频生成有天然的需求和训练数据积累
- 算力：字节是国内算力储备最激进的公司之一
- 硬件：旗下有 PICO VR 设备，空间视频和 VR 硬件是天然搭档
- 人才和钱：张一鸣个人在 AI 上的投入近年来持续加码
- 这条消息是媒体转述，不是官方公告，后续细节可能有出入
- 网上如果出现自称"字节世界模型"的演示视频或下载链接，谨慎对待——项目尚未发布，大概率是蹭热度的仿冒内容
- "实时生成"≠"立刻商用"，即使模型存在，从曝光到面向公众开放通常还有很长一段路
- 彭博社（2026-09-07）：ByteDance Joins AI Elite in Race to Perfect World Models
- 联合早报（2026-09-08）：字节跳动据报拟推世界模型 张一鸣亲自督导
- The Next Web（2026-09-07）：ByteDance is preparing a real-time spatial video model under Zhang Yiming
- cnBeta / 36 氪（2026-09-07~08）相关转述报道
- Bloomberg（2026-09-07）：ByteDance Joins AI Elite in Race to Perfect World Models
- 联合早报（2026-09-08）：字节跳动据报拟推世界模型 张一鸣亲自督导
- The Next Web（2026-09-07）：ByteDance is preparing a real-time spatial video model under Zhang Yiming
- cnBeta / 36氪（2026-09-07~08）相关转述报道
实时空间视频模型想解决的就是这三点：生成速度快到可以即时响应，画面随你的操作变化，而且所有画面都属于同一个连续的 3D 世界。一旦做成，影响的不只是短视频创作，还包括游戏、VR/AR、虚拟拍摄甚至线上教育。
字节凭什么入场？
虽然细节尚未公布，但字节的筹码不难理解：
竞争格局：这条赛道不止字节一家
"世界模型"目前是全球 AI 大厂公认的下一站，Apple、Meta、Google、Nvidia 都有相关布局。海外方面，Runway 上月底发布的 Solaris 也在探索"实时生成的交互界面"。字节的加入，让这条赛道第一次有了来自中国短视频巨头的重量级玩家。
什么时候能用上？
现在还早。目前所有信息都来自媒体曝光，项目处于筹备阶段，没有官方确认的发布时间。如果你是内容创作者或 VR 从业者，值得保持关注，但不用急着调整自己的工具链——等官方正式发布、能看到实际演示效果之后再评估也不迟。
注意事项（避坑）
参考来源
本文基于多家媒体转述整理，非官方公告；信息截至 2026 年 9 月 8 日。