AI视频进入直播时代：世界模型同日双发，实时生成成新战场

9月1日，AI视频领域迎来双重发布：李飞飞创办的World Labs推出新一代世界模型Atlas，可同时处理文本、图像、视频和三维信息，根据相机运动补出新视角，也能重建真实空间，用于机器人训练与测试的模拟环境。同日，Qing Yin创办的Visko发布世界模型Orbis，并宣布完成1000万美元Pre-seed融资。Orbis的侧重点在于让AI生成的世界持续运行，并能在运行中接受新指令，团队将其命名为Live Model，体验类似AI直播：画面不间断生成，音频同步输出，用户可中途追加指令改写后续内容。

实时生成：从秒级到持续

推动这一趋势的关键在于AI视频生成速度逼近实时。MiniMax H3发布后，fal推出优化版H3 Max，五秒视频可在三秒内生成，快于播放时间。Orbis的实现思路不同，持续推演是模型原生能力，用户指令作用于同一会话，而非重新生成。

国内多家团队也在布局实时生成。昆仑万维Matrix Game 2.0可根据键盘鼠标操作实时生成画面，3.0加入长期记忆，720P下最高40 FPS。爱诗科技PixVerse R1支持生成中继续输入提示词，4月加入多人共享世界。阿里Happy Oyster支持文字、语音或图片交互，有导演和漫游两种形态。生数科技Vidu S1可通过语音改变角色动作，最高42 FPS。

持续世界的技术挑战

共同变化是视频模型不再满足于一次生成成片，而是尝试让画面持续存在并响应用户输入。Visko重点解决长时间运行中的信息留存问题，Orbis采用多尺度记忆机制，保留人物、场景和风格的重要信息，目前可维持小时级运行。团队设想中的Live Model还需持续感知外部信息、更新状态并理解物理变化。

创始人Qing Yin本科就读于天津大学土木工程，后于Stanford攻读博士，研究计算力学与材料建模，曾在Columbia和Apple工作。Visko目前16人，偏研究和工程。哥伦比亚大学教授WaiChing Sun在顾问阵容中，Berkeley教授Michael I. Jordan担任Advisory Board Chairman。Orbis 1.0另一项目负责人Jie Yang来自Stanford，团队成员经历覆盖苹果、Google DeepMind、Meta等。

从画质竞争到实时交互

Visko出现正值AI视频从画质竞争转向实时交互。持续运行并接受指令的模型可应用于虚拟主播、互动故事和游戏等领域。但当前应用多处于演示或早期阶段，实时生成消耗大量算力，长时间稳定尚未完全解决，输出核心仍是像素画面，距离准确描述几何结构、物理状态并服务机器人训练的完整模拟环境仍有差距。未来AI视频的较量，将不仅限于单次生成时长，也会落在虚拟世界可持续运转的时间上。