AI世界模型竞逐下一代视听基建

五年前，随着元宇宙概念兴起，“互动娱乐将成为下一代娱乐的主流形式”这一判断几乎已成为行业共识。但五年过去，这一判断迟迟没有大规模兑现，市场上既缺少足够的产能，也缺少真正跑通的产品范例。

这种落差分布在文娱行业的不同角落。长短剧仍以线性内容为主，观众的参与大多停留在观看与讨论；互动剧和互动影游虽然允许选择，但终究受限于少量固定分支，只是让用户产生“我有选择”的感觉；直播数字人和虚拟偶像要么高度依赖“中之人”，要么停留在缺乏记忆与情感沉淀的“空心数字人”阶段；即便是AI赋能后的影视内容，也仍受抽卡式生成、角色与场景不一致、工作流复杂且成本高昂等问题困扰。这些问题持续消耗着创作者的热情。

这些瓶颈指向同一个问题：过去的互动内容，本质上仍是“预制内容”——内容先被完整制作出来，用户只能在创作者预留的空间内行动。实时世界模型提供了另一种可能——内容不再只是等待消费的成品，而是在用户参与的当下持续生成、演绎和演化。

“在大模型未来的发展方向中，全模态型及世界模型将会是下一阶段市场聚焦方向。”这是万联证券在《2026年中期传媒行业投资策略报告》中提到的结论。从生成画面到运行世界，AI视频模型的发展重心正在发生变化

年初，爱诗科技就发布了面向C端、可直接体验的实时世界模型PixVerse R1。用户可以通过文字向画面发出指令，模型需要决定的，不再只是下一段视频中角色如何站位，而是下一帧呈现什么画面、角色处于何种状态，以及这些变化如何继续影响后续内容。近期更新的PixVerse R2则沿着实时生成方向再迈了一步。

文娱行业正在从预制内容时代走向实时演绎时代，互动娱乐的竞争也将从内容成品的比拼，转向底层世界运行能力的较量。

对影视工业而言，真正值得关注的并不是又多了一个AI生成工具，而是生产对象正在发生变化：过去的终点是一条剪辑完成之后，无法再回应观众的成片，如今的实时世界模型试图构建的，则是一个由角色、场景、关系和叙事状态组成，能够持续生成内容并随交互演化的世界。

换句话说，影视工业下一阶段的核心问题，可能不再是“如何更高效地做出一条片”，而是“如何让一个世界持续产出内容”。

AI让互动游戏创意更好落地

今年7月，三位女性玩家“手搓”AI快穿乙游PV引起广泛讨论。三人从“如果能穿进游戏，你想去哪个世界”的聊天出发，写脚本、画分镜、策划玩法，用三个星期做出了初版AI乙游Demo。

创作者在社交平台发文称，“在AI视频出来之前，没想过这个梦能成真。”按照传统游戏制作方式，建模和视频成本都可能成为门槛。尽管AI作品仍处在版权合规的摸索期，这个案例仍说明，AI为小团队和个体创作者的创意落地带来了更多可能性。

在那支PV中，用户在对话框输入“给我生成一个温泉福利剧情”，画面中便出现男性NPC从温泉中走出并与玩家互动的场景。它与传统乙游从固定选项中进行选择的逻辑完全不同：AI带来的体验由“我要选什么”转向“我想要什么”。

事实上，PixVerse从R1开始就已经具备赋能互动游戏制作的能力：实时生成连贯画面与角色演出，打造可视化游戏体验。玩家可以自由地与角色对话、下达指令，即时改变当下画面、角色表情和单段剧情走向。R1的出现，让用户看到了实时生成角色演出、即时与角色互动的可能。

相较于R1的自然语言输入方式，R2新增的多模态输入能力为作品玩法打开了更大的想象空间。比如在下面这个Demo中，用户可以通过WASD键操控人物移动，也可以实时输入指令，改变世界设定与剧情走向。交互方式除文字外，还可以采用选项、QTE等形式，更贴合游戏玩家的操作习惯。

在另一个Demo中，用户的输入不仅能改变主人公的行进路线与方式，还可以调整场景中的所有元素和交互方式，从而重新定义角色与场景之间的互动关系。

更重要的是，玩家的选择与指令不只改变当下镜头，还会被纳入状态记忆，继续影响后续剧情、人物关系与任务结果。通过完整的角色记忆链路、人物关系网络和场景基底，作品能够在长时序中保持人物设定、世界观和叙事节奏的一致性。互动游戏因而不再局限于“能演一段”，而能在长时序中持续运行。

如以下三段使用PixVerse R2制作的互动影游作品的预告片，展示了实时模型加成下，互动游戏在截然不同的题材和类型中可以探索的边界

由此，R1建立了实时生成世界的产品基础，R2继续解决“内容如何运行”。游戏世界正在接近真正的“高自由度”，而不再只是更丰富的“预制菜”。

这也是游戏案例对影视业的价值：它证明了AI不只可以降低单次内容生产的门槛，还能改变创作者与内容的关系。创作者不必穷举并拍完所有分支，而是先建立人物、场景和规则，再让内容在用户参与中展开。游戏率先展示了“运行世界”的样子，影视工业则可能把这套能力转化为新的制作流程。

影视工业的新变量：从“一次生成”到“持续调度”

如果说游戏展示的是实时世界模型如何让内容“可玩”，那么它对AI影视制作更直接的价值，是把创作者的控制从生成前的指令和生成后的筛选，推进到内容生成的过程之中。

传统AI视频创作往往是先写Prompt、等待结果，再从成片中挑选可用镜头；一旦开始生成，创作者对画面的控制便暂时让渡给模型。R2试图改变的，正是这种“下指令—等结果—再抽卡”的关系。

R1已经验证，用户输入可以在视频流持续生成时改变正在出现的画面。R2则进一步把输入纳入正在运行的内容状态，使一次指令不仅影响当下演出，还能继续作用于后续故事、角色行为、任务和关系。

在影视创作语境中，R2的多模态输入手段可以被理解为一组实时的导演信号：创作者不必只在生成开始前把所有要求塞进一段Prompt，而可以随着内容推进继续调整场景、表演和局部剧情。

这背后对应的是内容组织方式的变化。R2由生成模型、Director Agent与Runtime协同运行，即时输入不再是一条与上下文割裂的新指令，而会进入正在运行的内容框架。系统在预设内容边界内维持叙事节奏、人物设定和故事完整性，同时让分支产生可见差异，并继续推进叙事。

对AI影视制作而言，这种能力首先有望缩短创意反馈链路。过去，创作者发现角色反应、场景设定或剧情走向不合适，往往需要重新组织Prompt并生成新的独立片段。而如今在实时生成框架下，调整可以发生在内容运行过程中，创作者更早看到指令带来的演出结果，再决定下一步如何调度。

它也为前期创意验证提供了新的方法。创作者可以在预设故事框架内，通过选项、文字或语音测试不同的角色行为、当下演出和局部剧情，检验一条叙事分支能否自然推进。这里的价值并不是生成无限分支，而是在进入完整制作前，更快判断人物反应、戏剧节奏和互动节点是否有效。

当同一套机制进一步用于面向观众的成片，互动影视的想象空间也会随之打开。过去只是作为小众品类而存在的互动剧，如今将有机会迎来产能指数级增长。观众的选择也不必只对应一段提前制作好的视频，而可以成为正在运行的叙事变量。

但这种参与仍发生在创作者预设的内容框架内。对影视工业而言，有限但可持续的控制，比“任何输入都能改写世界”的完全开放更符合内容生产对可控性的要求。

总的来说，实时世界模型可能会一定程度上改变创作者与模型的分工：创作者不再只负责提出要求和筛选结果，而是持续设定边界、观察反馈并调整方向，模型则在既定框架内执行和推进内容。对于AI影视行业而言，真正可能被改写的不是某一个制作环节，而是“导演”这件事如何发生。

AI重构商业场景与虚拟偶像IP

这也是实时世界模型对影视工业的另一层吸引力：一个可持续运行的世界，不必在成片交付后结束，角色与场景还可以延伸至直播、电商和虚拟偶像等商业场景。目前，国内世界模型产品大多发力B端工业资产或游戏工业化工具。PixVerse R系列选择大众互动娱乐路线，是少有的面向C端产品。不过，这种实时交互能力一旦成熟，同样能够拓展至更广阔的B端场景。

在电商平台，虚拟直播间里的数字人主播可以根据用户自身特点与需求进行产品展示，为每个消费者打造专属直播间。与XR购物技术结合后，美妆等品类尤其具有落地空间：消费者可以进入虚拟试妆间，一站式体验同一品牌的不同产品、同一产品的不同款式，商品展示也由统一播报转向实时、个性化的互动演绎。

对虚拟偶像而言，更大的变化是IP运营方式。过去，数字人主播和虚拟偶像要么容易受“中之人”影响，要么因缺乏记忆、情绪与关系沉淀，被视为“空心数字人”。实时世界模型让粉丝的文字指令能够即时改变虚拟偶像的动作、声音与外形；长程一致性与记忆能力，又让虚拟偶像记住与粉丝的过往互动。

当每一次交流都能留下痕迹，数字人直播间和虚拟偶像营业便不再只是一次次相互独立的表演，而会成为一个由粉丝与虚拟偶像共同参与、持续演化的小型互动世界。IP的情感深度不再完全依赖预制人设或幕后操控，而是在长期关系中逐渐形成。

R1解决的是“当下如何回应”，R2进一步解决“关系如何持续”。这让虚拟偶像更接近可持续运营、有情感深度的IP角色，也为直播数字人、虚拟偶像乃至品牌IP的长效运营提供了新的基础。

从内容生产、内容交互、IP运营到商业落地，未来的AI世界模型将是覆盖全行业、全链路的互动娱乐底层基建。R2先迈出了一步：它把互动娱乐从“预制内容”的旧逻辑，推向由模型实时生成、由用户共同参与、由世界持续演化的新阶段。

下一代互动娱乐真正的竞争，也不再只在于谁能做出怎样的内容成品，而在于谁能让一个世界更稳定、更长久、更有逻辑地运行。