在传言中的 5 万亿参数大模型之外，张一鸣正在亲自带领字节 AI 探索另一条路径：世界模型。
9 月 7 日，知情人士透露，字节正在筹备一款面向实时空间视频生成的 AI 模型。张一鸣正亲自督导新模型的研发工作，计划于下月推出。
据悉，新模型基于字节视频生成模型 Seedance 构建，在每秒 20 帧的帧率下，延迟约为 0.05 秒，并支持空间计算环境与界面。用户可为直播、短剧和游戏创建交互式虚拟世界。
知情人士透露，张一鸣正在协调公司内部各业务单元的努力，并投入 AI 资源与算力以支持该项目。
他将空间视频模式视为一个飞轮：该模式使用户置身于三维世界（类似谷歌 Genie 世界模型），一端连接字节大模型和云计算资源，另一端则是字节内容平台及 VR 硬件 PICO。
不过，新模型的发布时机尚不确定，相关计划也可能调整。字节方面暂无回应。
在世界模型领域，谷歌今年 1 月开放公测的 Genie 3 处于领先水平。国内的阿里、腾讯等公司也有类似产品。如今，字节也加入了竞逐。
倘若新模型落地，这无疑是字节 AI 迄今最具野心，也是挑战最大的项目。
字节做世界模型，直接好处是可以和抖音、PICO 等老业务产生紧密协同，进而激发新的玩法、场景和商业价值。
更重要的是，它可以帮助字节推开通往 AGI（通用人工智能）的另一扇门。
全球 AI 顶级玩家都以 AGI 为终极目标，方式不尽相同：大多数玩家选择语言模型路线，试图借助不断攀升的参数规模，从语言中催生高阶智能；少数人则采用难度更高的世界模型路线，希望直接在赛博空间模拟真实世界，让 AGI 自然产生。
字节在语言基模远未达到 SOTA 的情况下，决定走一条颇为激进的路：两手都要抓，两手都要硬。它既要做超大参数 LLM，又向世界模型伸出了触角，且一上来就是全力投入。
至此，从 LLM 到世界模型，从单模态到多模态，从 AI App 到 MaaS，字节全栈 AI 基本成型。而字节此前宣称暂时牺牲一些短期利益，乃至借贷 296 亿美元，将为这一空前庞大的蓝图提供资金弹药。
这种 " 大力出奇迹 " 的做法，再度体现了字节的传统方法论，也折射出张一鸣始终没有放弃带领字节 AI 挤上全球 AI 主桌的野望。
A
字节以 Seedance 为依托做世界模型，此前多次被曝光。
今年 6 月初，36kr 报道称，早在 2025 年，字节就成立了研究组，对世界模型中的 VLA（视觉－语言－动作模型）路线进行探索。
进入 2026 年，在 Seed 全员会上，字节 AI 一号位吴永辉为世界模型设立明确目标：年底之前至少发布一版世界模型，性能比肩谷歌 Genie 3。
世界模型被列为字节 AI 全年四大命题之首，另外三项是视频模型继续保持领先地位、提升 AI Coding 和豆包商业化。在资金投入上，世界模型是文本、Coding、视频等多个模型方向中最高的一个。
然而，报道援引一位接近 Seed 人士的言论称，吴永辉多次在 Seed 内部会直言，字节世界模型和具身智能的效果不及预期。
这或许解释了，张一鸣为何要 " 亲临前线 "，督战世界模型。
张一鸣一直十分关注 Seedance。
7 月底的 Seed 全员会上，Seedance 被点名表扬。在张一鸣看来，Seedance 在市场上很特别，也有领先的技术优势。相比追随其他领先模型的既有路线，他更鼓励 Seed 做出有自己特色的模型。
彼时张一鸣并没有细说，Seedance 该如何保持优势，又该如何继续做出特色。
但根据 36kr 此前报道，Seedance 除了要做更精细的后训练、继续提升性能，还要重点探索动态生成能力——用户输入指令，随时调整视频生成的内容。这与世界模型的基本样貌高度契合。
也就是说，Seedance 已经具备了世界模型的部分能力。
张一鸣亲自掌舵后，此前进展不太顺利的字节世界模型，有望大幅加速。
与 AI 生图、做视频相比，世界模型无疑更有未来感和想象空间。在大模型的 " 输入－生成－输出 " 链路中，用户不再被局限在输入和输出侧，而是可以实时参与生成的过程，效率和效果都会大幅提升。
字节的 " 体质 "，也非常适合做世界模型。
世界模型比语言模型更依赖数据，尤其是多模态数据。字节除了外部采购，还可以充分利用大抖音常年积累的海量音视频。
字节的文本数据并非全网最多，多模态数据却优势明显，由此带来的结果是，它的语言模型没能做到 SOTA，Seedance 却屡屡一鸣惊人。与 Seedance 一脉相承的世界模型，也能吃到字节的数据红利。
应用场景上，字节的核心业务都用得上世界模型。在抖音，AI 深度参与的短视频、直播带货比比皆是，创作者和用户都习以为常，为世界模型的落地提供了大量场景。
此外，字节麾下的 PICO 虽然没能真正叩开 VR 时代的大门，却也推出了数代产品，积累了一批忠实用户。在 AI 时代到来后，它可以提供种子用户、开发应用范例，充当世界模型的第一试验场。
在商业化方面，世界模型也能嵌入字节的中长期规划中。
以自动驾驶为例，世界模型被广泛用于车端智驾模型的训练，为后者大规模模拟真实路况和城市环境，从而大幅加速智驾模型的研发、测试和迭代。甚至可以说，没有世界模型，就做不了真正的自动驾驶。
字节一直在积极布局汽车 AI 领域，此前集中在智能座舱领域，主攻 " 豆包上车 "。倘若世界模型顺利推出，字节可以充当车企的云端模型提供商，甚至直接为车企开发智驾全栈软件。与单纯把 AI 放进车机相比，这块业务的规模和利润都会强很多。
B
字节做世界模型，并不意味着它要放弃语言模型——它真正想做的是 " 两手都要硬 "。
一个难以否认的事实是：豆包基模一直不算 SOTA。
特别是在竞争对手陆续发布 Fable 5.1、Astra 等新一代旗舰模型后，豆包正面临掉到全球基模第二梯队、与谷歌、Meta 等失意者 " 坐一桌 " 的风险。
字节并没有掩饰。张一鸣明确表示 "Seed 可以接受暂时的落后 "，梁汝波则坦承，"Seed 的大语言模型与海外领先模型之间的差距正在扩大。"
在主动背了锅、给 Seed 团队减压后，张一鸣正在徐徐释放一个全新姿态：SOTA 基模很重要，字节基模必须挤上牌桌；宁可慢一点，也要确保新模型一炮而红。
就在张一鸣参加 Seed 全员会不久后，字节就传出要做 5 万亿参数模型。该模型由 Seed Foundation 负责人项亮主导，与大语言模型预训练数据负责人沈科合作。计划仍处于早期阶段，最终不一定发布。
一个月过去，这个新模型没有进一步的消息。但字节已经发生了一些变化。
它在一个月内接连三次调整组织架构，包括飞书并入豆包和火山引擎、组建 AI 数据与安全一级部门、Seed Foundation Model（Seed 基础模型）成立四个新的一级部门等。
应用侧，字节 8 月底发布了 " 豆包工作 "，还把 AI 编程产品 TRAE 和智能体开发平台扣子（Coze）团队并入豆包体系。
但这些动作更像是基于现有产品矩阵、与竞争对手打擂台的 " 区域联防 "；对于真正决定 AI 竞争力的基模，字节反而显得不那么着急。
8 月底，自媒体 " 白鲸实验室 " 报道称，字节原计划当月推出的豆包 2.2 确认推迟。
上述报道援引知情人士言论称，字节的内部希望通过更充分的预训练和后训练，把编程、工具调用和 Agent 能力拉上去，用更长的研发周期换更明显的能力提升。
不过，字母榜未查询到字节官方的新版大模型推出时间表，" 推迟 " 一说存疑。字节方面对此保持沉默。
另据统计，2025 年至今，豆包大模型的大版本更新周期为 2~6 个月不等。豆包 2.1 今年 6 月上线；以此推算，2.2 版本的上线时间可能落在今年 8 — 12 月。
与此同时，字节拿到了全球银团 296 亿美元贷款。
据报道，该笔贷款由花旗集团和摩根大通牵头，近 30 家中外银行参与，期限 3 年可延长至 5 年，无抵押无质押，创中企境外融资最低利差。
字节上一次大规模境外贷款为 2024 年的 108 亿美元，此次规模约为前次的近三倍。充裕的贷款额度，可以为字节 AI 提供源源不断的资金弹药，也为传说中的 5 万亿参数模型增添了一些可信度。
但这些动作都是在沿着别人大幅领先的跑道去追赶。尤其是 Astra 和 Fable 5.1 发布后，包括字节在内的其他公司被进一步甩开；想要拉近距离，短时间内很困难。
在此背景下，字节做世界模型，其实带有开辟第二战场的味道。
此前，Seedance 作为一支奇兵，帮助字节在多模态模型赛道闯出了不小的声量和美誉度。
如今，Seedance 将需要承担更大的使命，充当字节世界模型的基底。
C
字节素来有 " 大力出奇迹 " 的传统和经验，也为语言模型和世界模型齐头并进做了准备。但挑战也很明显：这注定是一场极为烧钱的冒险。
众所周知，超大参数语言模型的训练非常费钱，已是亿级美元起步。
以字节的 5 万亿参数模型为例，按 MoE 架构、15 万亿 Token 数据粗略估算，进行一次正式预训练的总计算量约 9 × 10 FLOPs，相当于 GPT-4 的 4 倍多；对应训练成本将远超 GPT-4 的 1 亿美元量级。
世界模型的数据量和训练量远超语言模型，成本也高得多。
中金公司此前测算，OpenAI 视频生成模型 Sora 的训练算力成本理论值约为 GPT-4 的 10 倍。主要原因不是参数量—— Sora 仅约 3B 参数，而是长 token 问题：视频数据的 token 序列长度远大于文本，每帧图像本身就是高维信息，导致单位数据的计算量急剧上升。
能够实时下指令、做调整的世界模型，相比 Sora 这样的视频生成模型更进一步，其成本只高不低。
而在收入端，语言模型已经在 B 端和 C 端都形成了成熟的付费体系，商业化基本跑通。但世界模型还处于探索阶段，距离变现还很遥远，进一步加大 AI 公司的亏损。
巨大的成本压力面前，像字节这样，同时强攻 LLM 和世界模型，还没有公司尝试过。
国外 AI 大厂中，OpenAI 和 Anthropic 都以语言模型为核心主战场，不太重视多模态，遑论世界模型。
谷歌是一个特例，过去几年，既做 Gemini 系列语言模型，又在积极推动 Genie 系列世界模型的发展，做到全球第一。但去年底以来，随着联合创始人谢尔盖 · 布林回归一线、深度介入 AI 工作，谷歌把重心转向了 Gemini，Genie 受到了一定程度的冷落。
国内，阿里今年 4 月发布 HappyOyster 世界模型，具备 " 漫游 " 和 " 导演 " 两大能力，可用于交互式电影、游戏开发、视觉体验等
但显而易见，阿里 AI 当前的主力是 "Qwen+ 千问办公 "，而非面向电商素材、影视游戏的多模态和世界模型，未来也不太可能急剧转向。
腾讯的态度则更加明显。
早在 2025 年 7 月，腾讯就发布了 HY-World 1.0 世界模型，今年 4 月又推出 2.0 版本。腾讯拥有丰富的影视、游戏资源，彼时许多人对其世界模型颇为看好。
但在姚顺雨治下，腾讯混元的基本路线被调整为 " 靠拢梁文锋，远离李飞飞 "；Hy3 重心放在推理、智能体、长上下文和生产力任务上，而非多模态生成。可以预见的是，HY-World 系列不会马上停摆，但也很难成为投入重心。
整个 AI 圈子，只有一些学者主导、实验室型的创业公司，比如李飞飞的 World Labs 主攻世界模型。9 月初，李飞飞发布新模型 Atlas，号称 " 全球首个多模态世界模型 "。
字节却选择两个都要做，同时还在 AI App、MaaS 甚至 AI 硬件方面有布局。如果张一鸣希望字节 AI 在每条赛道都做到头部，未来需要投入的资金、资源将难以想象。
张一鸣面前的路，奖励非常丰厚，难度也非常大：
若是成功登顶语言模型和世界模型两大领域，字节将成为 AI 时代的最大赢家之一，比肩甚至超越 OpenAI、Anthropic。但如果失败，字节恐怕会重蹈 Meta 做元宇宙的覆辙——花了无数钱，最后一地鸡毛。
站在世界模型的开端上，张一鸣并不需要马上回答这些问题。但路阻且长，考验他和字节耐心的 " 奥德赛时期 "，才刚刚到来。
