2026 年 9 月 7 日，彭博社援引知情人士消息称，字节跳动正在基于自家视频生成模型 Seedance，开发一款「实时空间视频生成模型」——也就是行业里常说的「世界模型」。创始人张一鸣亲自出面，协调跨部门团队和算力资源。按计划，该模型最快 10 月亮相，字节内部已给出直播、短剧、游戏三个落地方向，并计划与自家 VR 头显 Pico 打通：戴上头显，用户移动、转身、开口说话，眼前的画面会跟着动作同步变化。截至发稿，字节跳动未对这一报道作出回应。
字节跳动是运营抖音、今日头条等产品的中国互联网公司，旗下还有视频生成大模型 Seedance 和 VR 头显品牌 Pico。这家公司正把 AI 从「生成视频给你看」推进到「生成一个你能走进去的实时画面」，张一鸣为此重新下场。
字节跳动想做什么：把「刷视频」变成「走进视频」
过去几年，字节跳动的招牌是算法推荐——用算法把用户感兴趣的视频一条接一条推送到眼前，用户隔着屏幕观看。这次的新项目方向变了：不再只是生成一段等待播放的视频，而是生成一个能随用户声音和动作实时变化的虚拟环境。
举个例子：未来的直播里，主播可以站在一个 AI 实时生成的场景中；用户戴上头显后不再是旁观者，转头能看到场景的另一个角落，开口能和画面里的元素互动。短剧、游戏同理——故事场景不再提前录好或画好，而是由 AI 现场生成、随用户参与而改变。
「世界模型」是什么
世界模型，指让 AI 在内部建立一个关于现实世界如何运转的模型——物体怎么移动、光线怎么变化、用户动作会带来什么反应——然后用这个模型实时生成画面。普通视频生成模型是「给一句话，生成一段视频给你看」；世界模型更进一步，是「你动一步，画面跟着变一步」，画面与用户的实时互动是它的核心。
Seedance 和 Pico：这套系统里的两个关键角色
Seedance 是字节跳动的视频生成大模型——一种输入文字或图片就能自动生成视频的 AI 程序。新项目以它为基础，让「生成视频」升级为「实时生成可交互画面」。
Pico 是字节跳动旗下的 VR 头显品牌（VR 头显是戴在头上的显示设备，戴上后眼前呈现虚拟世界画面），字节跳动 2021 年收购了它。在这套系统里，Pico 承担「用户与虚拟环境之间的交互入口」：用户的移动、转头、说话，都由头显捕捉并传给系统，系统再驱动模型实时生成对应画面。
项目还依赖云端算力——算力即 AI 运算所需的大规模计算资源（服务器集群）。模型团队负责画面生成，云端负责大规模计算，Pico 负责交互，内容团队负责设计玩法，四者必须围绕同一种体验协同配合。
张一鸣为什么亲自下场
张一鸣是字节跳动创始人，2021 年先后卸任 CEO 与董事长职务，把管理权交给梁汝波，此后淡出日常管理多年，外界印象更多是「退休的创始人」。这次他直接介入一个具体项目，工作包括协调不同业务部门、调配 AI 资源与算力。
原因在于项目复杂度：它同时牵涉模型研发、基础设施与产品团队，任何一环单独拿出来，都不是用户最终拿到手的产品。内部需要一个能调动全公司资源的人统筹，这正是张一鸣亲自出面的意义。
投入与目标：2026 年 AI 优先事项的首位
据媒体此前报道，字节跳动为 2026 年设定了四项 AI 优先事项，世界模型位列首位，其余三项是：保持 Seedance 在视频生成上的优势、提升编码能力、推进豆包商业化（豆包是字节跳动推出的 AI 聊天助手应用）。
投入上，字节在世界模型方向的数据预算已达到八位数人民币（千万级），是中国其他竞争实验室的三到四倍；公司内部目标是在 2026 年底之前至少推出一款世界模型。
结论：一场从「观看」到「参与」的实验
彭博社将这一项目置于字节整体业务调整的坐标中：这家公司正把相当一部分业务转向视频制作与生成，战略意图从「让用户刷视频」转向「让用户走进画面」——过去的生成式模型帮创作者把内容做出来，这一次，字节想把观看内容的人也拉进画面，成为故事的一部分。
需要注意，截至发稿，这仍是彭博社援引知情人士的传闻，字节跳动未作回应，「最快 10 月亮相」也留有调整空间。但方向已经清楚：如果这套「世界模型＋头显」的组合跑通，视频消费将从「隔着屏幕看」变成「走进画面玩」，这关系到字节跳动在下一代内容形态上的位置。