据The Information披露。国内科技巨头字节跳动，目前正加速布局通用人工智能赛道，其核心人工智能部门Seed正在秘密研发对标Genie3、Meta V-JEPA 2的"世界模型"。

目前，字节跳动的世界模型项目已进入攻坚阶段，该项目由前通义千问核心成员周畅带队，依托抖音/TikTok的海量视频数据与自研E-4D框架，剑指虚拟世界模拟与机器人训练等前沿领域。

The Information表示，此次技术布局标志着字节跳动正式加入全球AI巨头争夺战。

何为“世界模型”，简单来说就是模拟真实环境的规律和人类互动方式，未来可用于训练机器人、自动驾驶系统或构建虚拟世界，被视为通向通用人工智能（AGI）的重要路径之一，其核心目标是通过构建可模拟真实物理规律的数字孪生环境。

据介绍，新模型将深度融合抖音日均超10亿次视频流数据，涵盖人物行为、物体运动、场景交互等多维度动态信息，为训练提供媲美真实世界的素材库。值得关注的是，近期开源的EX-4D技术将发挥关键作用，这项可将单目视频转化为4D多视角场景的创新框架，突破了传统单帧图像处理的局限性，为实现时空连续性的环境建模奠定基础。

在全球AI竞赛进入新阶段的背景下，字节跳动在AI领域的布局还是相对来说比较“低调”。

就以“世界模型”为例，谷歌Genie3凭借其"分钟级场景连贯性"和"文本驱动事件修改"功能已抢占先机，其720P分辨率、24帧每秒的生成能力，以及支持物理引擎自主学习的特性，已在游戏开发和机器人训练领域引发变革。

同样是“"世界模型”的标杆产品，Meta V-JEPA 2则以独特的联合嵌入预测架构实现物理推理能力突破，通过100万小时视频训练构建的预测模型，使机器人动作规划效率提升至同类产品的30倍。

面对巨头们的强势表现，字节跳动的新模型需在保持短视频数据处理优势的同时，突破物理仿真与长时程一致性等技术瓶颈。

从战略层面看，字节跳动的世界模型布局与其核心业务形成深度协同。

目前，抖音/TikTok积累的超20亿用户行为数据，为模型构建了独特的人物交互训练集；如果能结合旗下PICO 设备以及其他智能家居生态，那么未来或可构建虚实融合的交互场景，复制其在移动互联网时代的终端优势。