据业内消息，字节跳动正在秘密研发一款对标谷歌 Genie 的世界模型，项目不仅调用了内部极其庞大的算力资源，更将底座建在了 Seedance 架构之上。

团队的目标相当激进，预计将在今年 10 月推出首个版本。而另一边，谷歌的 Genie 正处于闭门内测阶段，风雨欲来。

为什么大厂们突然不满足于生成视频，开始疯狂抢跑“世界模型”？

说白了，OpenAI 的 Sora 或者市面上的文生视频工具，本质上更像是在“画皮”。你能生成一段无懈可击的猫咪过马路视频，但你无法用键盘控制这只猫往左走还是往右走，更无法预测推它一把之后真实的物理反馈——那是预渲染的静态动画，不是活生生的物理世界。

而谷歌 Genie 带来的颠覆性在于“可交互”。给它一张照片或者一段文字，它就能实时推演出一个可操作的沙盒环境：按下键盘角色会跳跃，遇到墙壁会有碰撞检测，遇到重力会自然下落。这已经超出了“生成图像”的范畴，这相当于 AI 在脑海里自己构建了一套物理法则。

字节跳动做这件事，逻辑极其顺畅，但也极其硬核。

在短视频时代，字节靠算法拿捏了全球用户的多巴胺；到了 AI 时代，他们显然不甘心只做个“AI 剪映”或者“豆包画图”。 Seedance 作为字节在视频与多模态领域的底座，本身就具备极强的时空序列理解能力。把 Seedance 拿来做世界模型，本质上就是把“预测下一帧像素”升级为“预测下一个动作发生后，世界会变成什么样”。

为了能在 10 月份挤进世界模型的第一梯队，字节内部对这个项目的算力倾斜几乎到了“无上限”的程度。毕竟，谁先搞定世界模型，谁就拿到了下一代空间计算、具身智能乃至机器人大脑的底层“操作系统”。

谷歌 Genie 还沉浸在实验室里的极客浪漫，而字节已经准备带着堆满 GPU 的工程化武器杀入战场。今年 10 月的这场对撞，不仅是顶尖科技公司在算力与算法上的正面交锋，更是 AI 从“文本嘴炮”向“造物主”进化的一道分水岭。

当大多数人还在讨论 AI 会不会抢走程序员和插画师的饭碗时，硅谷和北京的大厂已经在服务器里偷偷重构物理法则了。只是不知道这次，字节能不能再次用“大力出奇迹”，把物理学的大门给硬生生砸开。