通往AGI之路，字节要同时修两条

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。

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。

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。

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9×10²⁵ 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。