五年前，扎克伯格也曾興沖沖地描繪過一個可以進去的數字世界。人們戴上Quest，在裏面見朋友、開會、看演出，甚至購物。Facebook為此改名Meta，Reality Labs隨後燒掉數百億美元，Horizon Worlds卻始終沒有成為大衆產品。

那一輪「元宇宙」後來多少成了科技行業的笑話。可五年之後，張一鳴正在靠另一套技術，重新靠近一個很相似的未來。

在最新的傳聞中，字節正在開發一款由張一鳴親自督導的「世界模型」。

Meta當年從VR頭顯和3D世界起步，字節現在的起點是視頻生成。Seedance先把畫面做出來，世界模型再讓環境隨着人的行動繼續變化。更關鍵的是，抖音裏本來就有直播，紅果已經有幾億短劇用戶，字節手裏甚至還留着Pico。

難道「元宇宙」並非癡人說夢，只是其締造者註定另有其人？

試圖想象一個可以直播購物、看短劇（甚至沉浸式進入短劇）的世界的時候，腦袋裏總想起多年前小紮在「元宇宙」裏漂浮的詭異半身。

那幾年扎克伯格對元宇宙是真的很認真。

2021年10月，Facebook乾脆把公司名字改成了Meta。改名當天的Connect大會開了一個多小時，扎克伯格幾乎是帶着觀衆在未來世界裏逛了一圈。

戴上Quest，最先出現的是Horizon Home。這裏相當於虛擬世界裏的家，朋友可以直接過來串門，一起看視頻或者打遊戲。上班則有Horizon Workrooms，開會的人圍着一張虛擬會議桌坐下，現實中的電腦螢幕也能搬進來。想看演唱會和NBA，還有Horizon Venues。

Meta自己當時說元宇宙包括娛樂，但也要能工作、社交和學習，甚至連健身都算在裏面。公司野心頗大，想把VR變成像手機、電腦一樣的通用計算平台。

2021年底Horizon Worlds向美國和加拿大18歲以上用戶開放時，裏面已經有數千個由創作者製作的世界。為了讓更多人進來搞建設，Meta專門拿出1000萬美元成立Creator Fund，還辦創作比賽、提供現成模板，希望普通人也能跟着做。

第二年，商業變現的嘗試陸續落地。Meta允許一部分創作者在Horizon Worlds裏出售虛擬物品和付費體驗，邏輯其實和今天的內容平台差不多。

可惜，人和錢砸進去不少，元宇宙一直沒有等來當年預想中的爆發。

Reality Labs負責Meta的VR、AR硬件和相關軟件，當然不能把它的虧損全部算在Horizon Worlds頭上，但數字還是很嚇人。2025年，這個部門全年只收入22.07億美元，營業虧損卻達到191.93億美元；今年上半年又虧掉86.47億美元。

Meta自己也慢慢沒那麼執着了。去年底，有媒體曝出公司準備在2026年砍掉最高30%的元宇宙預算。從2020年算起，Reality Labs已經燒掉超過600億美元。與此同時，Meta現在更願意談AI和智能眼鏡，元宇宙在公司裏的位置明顯往後退了。

這件事後來有很多解釋。比如VR頭顯始終沒有真正普及，戴久了也談不上舒服。更現實的問題是，大多數人根本沒有強烈到非要戴個頭顯去開會、逛街。

再比如這個「元宇宙」世界本身也太難造了。

TikTok能有源源不斷的新內容，一個重要原因就是拍視頻的門檻足夠低。手機掏出來，普通人當天就能發第一條。

Horizon Worlds也一直號稱普通人可以創作，簡單的東西確實能靠現成組件拼出來。可稍微複雜一點，事情立刻變得專業。Meta後來推出的桌面編輯器支持導入Blender、Maya做出來的3D模型，想給世界加上更復雜的互動，還要寫TypeScript。

這就很尷尬了。

Meta費了很大勁把Quest賣給更多人，可這些人買回家以後，大部分還是消費者。讓一個普通人拍條短視頻不難，讓他順手給Horizon造個能玩的3D世界，完全是另一回事。

所以Meta後來一直沒停過給開發者發錢、升級工具。到了2025年，公司甚至又拿出5000萬美元扶持Horizon創作者。想讓虛擬世界像短視頻一樣自己湧現海量內容，遠沒有當年想得那麼容易。

如今情況已經發生變化。

去年8月，谷歌DeepMind發布Genie 3的時候，演示過一個很有意思的場景：給模型一句文字描述，它就能直接生成一個可以走進去的環境。

比如讓它生成「古代雅典」，螢幕裏會出現大理石建築和街道。用戶往前走，畫面跟着向前生成。轉個彎再回來，剛纔看到的樹和建築還大致留在原來的位置。谷歌還演示過火山、威尼斯水道、暴風雨中的佛羅里達海岸，這些地方都沒有提前做成一張完整的3D地圖，而是隨着用戶移動一幀一幀生成出來。

Genie 3目前能做到720P、每秒24幀，一個場景可以維持幾分鐘的一致性。離可以長期待在裏面的虛擬世界當然還很遠，但光看這套工作方式，已經和Meta當年很不一樣了。

當年Horizon Worlds裏的場景得先有人搭好。Genie 3試着省掉這道工序，讓模型隨着用戶的行動繼續生成環境。

對用戶來說，這個差別其實很好理解。

今天讓AI生成一段「我騎着摩托車穿過東京街頭」的視頻，幾十秒以後視頻結束，東京也跟着沒了。世界模型想做的事情麻煩得多——你騎到路口突然左轉，模型得知道左邊還有一條街。你停下來進一家店，它還得繼續把店裏面生成出來。過一會兒再走回原來的地方，最好別發現剛纔那棟樓突然換了位置。

所以世界模型要解決的問題，已經不只是「畫面像不像真的」，它還得讓這個虛構空間經得起人的折騰。

字節現在也在往這個方向摸索。

今年2月發布的Seedance 2.0已經把視頻生成推進到了更復雜的運動和多人互動。字節自己特別強調了物理規律還原，比如人物之間發生接觸、物體運動以後，畫面儘量別出現以前AI視頻裏常見的穿模和亂飛。

8月發布的SeedRealtime也很值得關注。

這個模型本身並不負責生成世界，它做的是持續看着眼前發生的事情，同時和人交流。鏡頭裏出現新東西，模型可以主動發現。人在說話時指着某個物體，它也能結合畫面理解你到底在說什麼。換句話說，AI開始能一直「待在現場」，而不是等用戶截一張圖，再問一句「這是什麼」。

當下的最新報道，則看起來像是幾條路線的一次交匯。

按照報道，張一鳴親自督導的「世界模型」建立在Seedance之上，目標是讓畫面能夠跟着用戶的聲音和動作實時變化，應用直接指向直播、短劇和遊戲。生成主要放在雲端進行，目標速度大約每秒20幀，延遲約50毫秒。字節目前並未公開回應該消息，也還沒有公開展示這個模型，發布時間也可能變化，所以它到底能做到什麼程度目前不得而知。

但這條路線已經很好理解了。

Seedance擅長把東西生成出來，到了世界模型這裏，生成出來的環境還得繼續「活着」。用戶往哪走、做了什麼，場景都要跟着變化。

而這恰好是五年前Meta造Horizon時最費勁的一部分。

更有意思的是，Meta自己現在也繞回來「找補」了。

2025年，Meta給Horizon Worlds的桌面編輯器塞進了一批生成式AI工具。創作者可以讓AI生成3D模型和紋理，也可以讓它幫忙寫TypeScript、做天空背景和聲音。Meta當時給出的說法是，這些工具可以把一些原本需要幾周的開發工作縮短到幾小時。後來又繼續加入環境生成，希望創作者最終只需要寫幾句提示詞，就能搭出一個完整世界。

這個變化多少有點微妙。

這其實也說明，Meta當年遇到的那個問題，到今天仍然存在，只是解決辦法變了。

當虛擬空間的生產開始越來越像生成圖片、生成視頻，元宇宙當年那道最麻煩的門檻，才第一次有可能真正往下降。

造世界的門檻如果真的降下來，裏面放什麼？這一點字節倒不太缺答案。

最容易想到的就是直播。最新報道里，直播本來就是這款空間視頻模型計劃探索的場景之一。抖音的直播生意生猛，今年618期間，超過12萬商家的直播成交額按年翻倍，帶貨成交額翻倍的達人超過57萬。

直播放入「元宇宙」裏的情形不難想象。比如一個旅行主播不用一直舉着手機帶觀衆逛，直播間本身就可以生成一個能活動的目的地，觀衆可以自己四處看看。賣傢俱也可以直接生成一套房子，讓用戶看看沙發放進自己喜歡的裝修風格是什麼效果。

短劇也有類似的想象空間。

字節現在手裏已經有相當龐大的短劇規模。QuestMobile數據顯示，今年5月，紅果免費短劇月活達到3.56億。今年2月，用戶日均使用時長已經達到125分鐘。

這些內容目前還是標準的視頻邏輯。可一旦生成模型能夠穩定維持一個空間，短劇就不一定非得把所有東西提前框定死。一個懸疑故事裏，觀衆也許可以自己走進案發現場，甚至想跟着另一個人物離開，模型就繼續生成那條支線。

我們距離這樣自由的虛擬空間還有一些距離。目前世界模型首先得解決人物和場景的一致性，還得把成本和延遲降下來。

不過字節已經開始發力。根據36氪在6月的報道，今年世界模型被列為字節AI的四個重點方向之一，內部同時在探索3D模擬路線。遊戲業務也重新出現AI項目，5月公布的《不問凡塵》就把AI驅動的影視化敘事當成賣點。

字節內部還有另一條大衆更熟悉的AI產品路線，豆包就是最典型的例子。

豆包已經是字節最重要的AI產品之一。QuestMobile數據顯示，今年6月它的月活達到3.82億；6月24日，豆包又正式上線專業版，最低連續包月68元，開始認真探索付費。此前還有報道稱，豆包準備進一步接入抖音電商。

但一個AI助手怎麼和字節原來的生意結合，多少還是得重新琢磨。收費是一種辦法，接入電商也是一種辦法，可用戶在豆包裏問問題，和他在抖音裏刷視頻、看直播，本來就是兩套不同的使用習慣。

世界模型如果真的改變了視頻這種內容本身，很多連接甚至不用專門設計出來。直播間可以繼續賣貨，短劇仍然是內容消費，只是原來隔着螢幕看的東西慢慢有了更多交互。

再加上Pico，這個想象就更完整一點。

字節並沒有因為VR行業降溫把Pico扔掉。今年PICO Space Pro原本計劃9月發布，後來宣佈推遲到第四季度，官方給出的原因是還要做一次較大的軟件體驗升級。

所以最新報道里的那個空間，短期完全可以先存在於普通螢幕裏。技術真的發展到需要更強的沉浸感，字節手裏至少還有一套自己的VR硬件。

這也是世界模型對字節很誘人的地方。

它到底是不是通往AGI的重要路線，現在沒人能下定論。可字節並不一定非得等這個問題有答案。哪怕最後只做成一種更復雜、更實時的視頻形態，抖音、紅果這些產品也已經提供了足夠大的試驗場。