字节跳动被曝开发实时空间视频模型,张一鸣亲自督战

曾桂茵| 短剧自习室| 2026-09-08

【流媒体网】摘要：20帧0.05秒延迟，字节跳动空间视频模型或重新定义视频边界。

　　据彭博社9月7日报道，字节跳动正开发一款用于实时生成空间视频的AI模型，创始人张一鸣亲自监督该项目。报道援引匿名知情人士消息称，张一鸣近期一直在协调公司各业务部门的协作，并调动AI资源及算力全力推进该项目。

　　其中一位知情人士指出，该模型最早可能于下月推出，但具体时间尚未最终确定，计划仍存变数。

　　据介绍，该模型将基于字节跳动现有视频生成系统Seedance构建，支持用户创建用于直播、短剧及游戏的交互式虚拟世界。技术层面，模型可实现约每秒20帧的视频按需生成，端到端延迟控制在0.05秒左右，视频渲染在云端完成而非本地设备。

　　知情人士称，张一鸣将空间视频模型定位为驱动整个生态的「飞轮（Flywheel）」——该模型能够将用户置于高度沉浸的三维虚拟环境中，功能与谷歌的 Genie 类似。字节跳动得以将其自研 AI 模型、云计算底层资源，与旗下的内容平台以及 XR 业务分支 Pico 的硬件终端深度串联、协同发力。

　　报道指出，字节跳动发言人未对彭博社的置评请求作出回应。目前，字节跳动官方尚未就上述信息发布任何公开声明。

　　若该模型成功落地，对字节跳动而言，这将成为其从“内容推荐引擎”向“实时交互内容生成平台”转型的关键支点。当前抖音、TikTok的直播和短视频生态已趋于成熟，实时空间视频模型有望大幅降低3D虚拟内容的生产门槛，使普通主播也能一键生成虚拟直播间或互动短剧场景，从而开辟新的付费场景和用户时长增长点，强化其在国内外的竞争壁垒。

　　对行业而言，该模型若以20 FPS、0.05秒延迟的性能实现规模化商用，将把视频生成从“离线渲染工具”推向“实时交互基础设施”的层级。这或将对现有的3D渲染引擎（如Unity、Unreal）及云游戏服务商形成分流压力，同时推动算力需求从训练侧向推理侧显著倾斜。更深远地，它可能重新定义“视频”的边界——视频不再是被观看的固定内容，而是可实时响应、可进入的交互空间，从而催生新的内容形态和商业模式。

　　2026年10月29-30日，诚邀您相聚江西南昌。让思想先于趋势，用实践回应未来，在每一次能力涌现中寻找机遇，在每一次时代争流中定义未来。