据彭博社报道，字节跳动正在开发一款实时生成空间视频的AI模型，预计最快会在下个月正式推出。该模型基于Seedance（字节已经发布的AI视频生成大模型）构建，支持用户为直播、短剧和游戏创建可交互的虚拟世界。这也意味着，字节将杀入机器人技术与自治系统领域，与Meta、Alphabet展开正面竞争。

报道称，字节希望通过公司在视频领域的顶尖技术积累，借着这款最新AI模型，将公司送入蓬勃发展的「世界模型」赛道。字节正在将大量B2B业务转向视频制作与生成。

知情人士称，字节将该空间视频模型视为驱动整个生态的「飞轮」（Flywheel）：它能让用户置身于三维世界中，功能类似于谷歌的Genie，将字节的AI模型、云计算资源、内容平台以及扩展现实业务Pico串联起来。今年年初，谷歌推出Genie 3，允许用户与实时渲染的虚拟世界进行交互。

若进展顺利，这款新模型或将为字节与Meta、苹果的竞争中开辟出新战场。Meta与苹果都在虚拟现实和混合现实领域投入了大量资金，但时至今日双方的豪赌都还不太明朗。

据称，字节新模型追求的目标，包括生成能响应Pico用户语音指令或动作的虚拟世界。其中一位知情人士称，该模型能以约0.05秒延迟、20帧/秒的速度提供点播视频。它试图将空间内容生成这一计算密集型过程转移到云端，从而降低VR设备的前期成本。这将减少头显所需的计算能力，为更廉价、更轻量化的硬件铺路。