字節跳動加入「世界模型」大戰 李飛飛一槍引爆AI商機

字節跳動也來了！「世界模型」大戰全面開打，李飛飛一槍引爆4兆商機。（中新社資料照片）

繼騰訊、阿里巴巴相繼投入之後，字節跳動如今也「半隻腳」踏入世界模型賽道。據大陸財經自媒體《直面派》報導，字節近日正式發表Seed3D 2.0——一個能從文字、圖片、多視角圖甚至影片直接生成3D模型的技術，將3D生成從「視覺好看」推向「生產級可靠」，更被業界解讀爲字節佈局「空間AI」基礎設施的關鍵一步。

字節Seed3D 2.0：半個世界模型，搶佔「3D造物」入口

報導指出，Seed3D 2.0的最大突破在於幾何精度與材質真實性。過去3D生成模型常見邊緣發軟、薄壁斷裂、材質只在單一光照下好看的問題；Seed3D 2.0採用兩階段DiT先建整體結構再補細節，讓銳邊、曲面、複雜拓撲與薄壁結構更穩定。更重要的是，它統一生成PBR材質（物理基礎渲染），使金屬、粗糙度、反光邊界在不同光照下保持一致，生成的模型更接近可進入真實渲染管線的資產。

此外，Seed3D 2.0支援部件級拆分、關節建模與URDF輸出，也能做場景組合與空間佈局推理——一個椅子可以被拆成座面、靠背和底座，能直接放進遊戲引擎、機器人訓練或工業仿真系統。報導稱，雖然字節未正式承認這是「世界模型」，但從它能理解物體的空間結構、部件關係與可操作性來看，已具備世界模型的特點；只是尚無法持續預測世界演化，也不理解力、碰撞、摩擦等物理過程，因此只能算「半個」世界模型。

李飛飛打響發令槍：Spark 2.0讓3D世界在手機上也能跑

《直面派》分析，這波世界模型熱潮的引爆點，是史丹福大學知名AI學者李飛飛。4月14日，她的新創公司World Labs發表Spark 2.0——一個Web端3D高斯潑濺渲染引擎，能讓手機瀏覽器流暢打開包含上億個粒子的3D世界。

Spark 2.0的核心在於細節層次技術、漸進式串流傳輸與虛擬記憶體管理，解決了3D高斯潑濺數據量過大、普通設備跑不動的痛點。李飛飛的野心不只是做工具，而是打造平臺：她的另一產品Marble能根據文字或圖片生成可進入的3D世界，Spark 2.0則解決「最後一哩路」——讓生成的世界可以被分享、被嵌入網頁、在任何裝置上存取。這大幅降低了3D內容創作與消費的門檻。

輝達、騰訊、阿里各走各路：機器人訓練、遊戲資產、即時互動

幾乎同一時間，各家大廠紛紛出招：

輝達（NVIDIA）發表Lyra 2.0，目標解決長距離、大範圍3D世界生成的「空間遺忘」與「時間漂移」問題。它維護一個空間記憶系統，每生成一幀就將3D幾何資訊存下來，下次生成新視角時先從記憶中檢索歷史幀，確保一致性。輝達的應用場景是機器人與自動駕駛，用AI生成真實、一致的虛擬環境來降低成本與風險。

騰訊正式開源HY-World 2.0，走真正的3D資產生成路線。其工作流程從全景圖生成、軌跡規劃、世界擴展到世界組合，最終輸出可導入Blender、Unity、Unreal Engine的網格檔案與3DGS檔案。騰訊的目標很明確——服務遊戲與虛擬內容產業，讓美術團隊從重複建模中解放，將製作週期從數週縮短到數天。

阿里巴巴發表Happy Oyster，主打「即時互動的世界生成」。它有「漫遊模式」（第一人稱自由移動，場景隨之延展）與「導演模式」（用戶可在生成過程中以文字、語音或圖像指令改變劇情、切換鏡頭）。阿里定位它爲「世界模擬器」，輸出的是影音串流而非3D資產，瞄準內容創作、互動娛樂、虛擬直播等場景。

此外，羣核科技與極佳視界也在室內設計、機器人訓練等垂直領域推出空間生成模型。

爲何全擠在這一週？李飛飛就是「發令槍」

報導指出，這並非巧合。各家產品在技術路線、目標場景上完全不同，不可能同時準備好。更合理的解釋是：大家都在等一個信號，而李飛飛的Spark 2.0就是那個「發令槍」。

過去兩年，AI圈的大語言模型熱潮已進入瓶頸，各廠差距縮小，市場需要新故事。世界模型恰好能把內容創作、遊戲開發、機器人訓練、自駕車、工業仿真、數位孿生等不同場景全裝進去。與此同時，影片擴散模型、3D高斯潑濺、多模態理解、即時渲染等技術也成熟到可以組合成可落地的產品。

李飛飛早在2025年6月就曾表示，AI要接近AGI，就必須理解三維空間、幾何結構、物理規律——「空間智能」是下一個前沿。因此，誰先發布，誰就有機會定義「世界模型」這個詞。騰訊、阿里、輝達、字節紛紛搶在此時出手，不是產品剛好做完，而是這個時間窗口太關鍵——晚一週，市場注意力可能就被帶走；早一週，又沒有李飛飛引爆話題。

戰略卡位：四大巨頭搶佔不同生態層級

報導分析，各家其實是在爭奪世界模型生態中的不同入口：

World Labs（李飛飛）：搶Web分發入口。未來若所有3D世界都透過Spark在瀏覽器中打開，它就掌握了分發渠道。

騰訊：搶3D資產生產入口。若遊戲公司都用HY-World 2.0生成場景原型，它就掌握了內容生產工具。

阿里：搶即時互動入口。若互動內容都用Happy Oyster製作，它就掌握了新內容形態。

字節跳動：搶3D造物入口。若未來遊戲、機器人、工業仿真的物體模型都透過Seed3D 2.0從文字或圖片直接生成，並且自帶幾何、PBR材質與關節結構，字節就掌握了現實物體進入數位世界的第一道關卡。

輝達：搶模擬訓練入口。若機器人公司都用Lyra 2.0生成的環境來訓練模型，它就掌握了物理AI的基礎設施。

報導指出，世界模型的最終競爭不會只停留在模型能力，而會延伸到生態層面——誰的輸出格式被更多工具支援、誰的渲染器被更多開發者使用、誰能和Unity、Unreal、瀏覽器等關鍵平臺深度整合，誰就有機會成爲下一代空間AI平臺的標準制定者。