首页 / 资讯详情
形界智能：沿用两段式架构，是市场对 AI 实时视频的最大误判
摘要
作者｜Cynthia 编辑｜郑玄 投资人广撒网式布局，但真正的全域沉浸式生成，还少之又少。 2024 年 8 月 27 日，DOOM 里的一声枪响，在 2026 年年中的资本市场，听到了震耳欲聋的回响。 这一天，一段《DOOM》的游戏画面出现在 Google Research、Google DeepMind 和特拉维夫大学研究团队公布的演示里。 棕红色的墙壁，幽暗的走廊，像素化的枪口，玩家移动，怪物出现。然后，玩家按下键盘，枪响了。 如果不去细看，这段演示与三十年来无数次《DOOM》游戏录像没有任何本质区别。 变化发生在屏幕背后：那里没有一个传统游戏引擎，玩家扣动扳机之后，会出现什么画面，全是靠模型在毫秒内自行推演出的。 于是，过去互联网时代短视频 vs 直播的叙事，在 AI 视频生成赛道再次重演。 但很可惜，由于成本以及谷歌内部的诸多考虑，那声枪响，很快被离线生成视频带来的掌声盖住。此后一年里，行业的聚光灯逐渐集中到了 Sora、可灵、Seedance 这样的离线生成模型玩家之上。围绕分辨率、镜头语言、人物一致性和生成时长，整个行业都在研究如何把十秒钟的视频做得更像电影。 但枪声并没有消失，穿行了整整两年，在今年年中的资本市场，实时视频生成终于迎来了史无前例的爆发。 01 一张拥挤的牌桌，与行业的第三条路线 2026 年 8 月 13 日，Anthropic 被曝：正洽谈以约 60 亿美元收购实时视频生成的初创公司 Decart。 消息如涟漪般扩散，层层传导共振。从美国到中国，从创业到投资，从内容社区到世界模型，实时生成视频成了行业的当红炸子鸡：2026 年过去的七个月里，融资消息几乎以周为单位发生，从 Runway 到 World Labs；从 Decart 到 Odyssey，单轮融资两三亿美金，已经成为行业常态。 在美国，大量产业投资人会选择多头下注 桌上筹码越堆越高，但比金额更值得玩味的是出资方名单。英伟达、AMD 同时出现在 World Labs 与 Runway 的股东席上，Adobe 押注 Runway 与 Decart，亚马逊、自动驾驶玩家站在 Odyssey 身后，丰田、红杉、Benchmark 围在 Decart 桌边。 一张拥挤的牌桌上，坐满了焦虑的投资人，野心勃勃的创业者，新一代技术极客，以及翘首以待的游戏、直播、教育乃至自动驾驶与具身智能行业的玩家。 他们都在等一个信号：门什么时候打开，又将被谁打开。 而接下来最关键的事情，无非是桌面上的三派玩家，他们更愿意押注在哪一个。 字节跳动的 Seedance、快手的可灵、生数科技的 Vidu 为代表的第一类玩家，将替代实拍、剪辑与特效卷到极致后，便开始不断增加视频的清晰度与时长。但这条路只改变了生产方式，视频依然是一段被提前做好、供人观看的成品，观众永远坐在屏幕外面。 第二条路上的玩家试图打破这面墙。World Labs、Odyssey，还有国内的爱诗科技、智象未来，都在往实时流式生成的方向走。它们要做的是一个可以实时演化的数字世界：你可以操控视角、改变环境、用指令让世界长出新的地貌。它把人从观众变成了玩家，但仍 需要用户通过键盘、鼠标和 Prompt 驱动内容生成， 进入的门槛依然还在。 很快，在第二条路线的基础之上，又分化出了第三条路线：他们管自己叫做 全域沉浸式生成，即 Immersive；这个词也恰好是《头号玩家》中绿洲（OASIS）全称的第四个单词。 代表玩家是形界智能的 Rise 系列。它的核心逻辑是：交互的终极形态，不是人去适应模型，而是模型来适应