字节物理世界模型首次公开演示：长时序一致性瞄准数字人直播与仿真训练

10月11日，字节跳动在研的物理世界模型首次公开演示，官方强调其长时序一致性与物理规律模拟能力，可直接用于短剧创作、数字人直播和仿真训练。海外方面，OpenAI正与一家专注电影制作的AI视频初创公司谈判，计划将停运半年多的Sora移交对方，以专业影视工具的形态重回市场；快手可灵4.0也在10月正式上线。三家路线不同，落点却一致：把生成质量推到可以交付的水位，模型竞赛的上半场比演示片段惊艳度，下半场比交付稳定性。

过去AI视频最被人诟病的，是角色三秒变脸、镜头一晃穿帮，根本原因在于模型缺乏对世界运转规律的建模。物理世界模型补上的正是长时序短板：让动作连贯、物体运动符合重力与碰撞规律、人物在长镜头里保持身份稳定。对一部长达几十集的漫剧而言，风格与角色的统一就是生产力，否则每一集都得重抽卡、重修人物，成本会失控。字节把"物理规律"写进模型目标，是在替创作者做"该在哪儿花钱"的决策。

字节把模型能力明确指向数字人直播与仿真训练两块场景。数字人直播要求7×24小时不出错、口型与表情持续稳定，物理世界模型的长时序一致性恰好补齐短板；仿真训练则把真人难以复现的高危、高成本动作交给生成式环境。行业监测显示，AI短剧已成为国内第一大算力消耗场景，词元消耗占比达到55%，把电商、软件开发等场景甩在身后，模型能力的每次跃迁都会直接反映到产能与成本上。

模型竞赛进入交付时代，平台加码模型的底气来自需求端：头部AI漫剧用数十万元投入换回千万元级分账的案例已经出现，但单位流量价值在缩水，万次播放收益从三十到一百元跌到五到十元。工具好用不等于生意好做，制作成本降九成，但"被看见"的门槛不降反升。对制作方来说，真正稀缺的仍是一个能跑通的好故事，谁能把生成质量、制片流程和IP储备合到一处，谁就能在AI影视的交付时代占到先机。