愛詩科技發布全球首個實時視頻生成模型，曾獲馬云史玉柱團隊投資

今日，國內人工智能創業團隊在世界模型方向取得重要進展，愛詩科技正式發布通用實時世界模型 PixVerse R1。這是全球首個支持最高1080P分辨率、可實現即時響應的通用實時世界模型，將視頻生成從以往的“靜態輸出、等待成片”，推進至“實時交互、持續演化”，標志著人工智能視頻技術邁入新的發展階段，也被業內視為中國企業在該前沿領域實現的重要里程碑式突破。

實時世界模型，是一種能夠對畫面、聲音等內容進行實時生成和交互建模的人工智能系統，使數字場景能夠持續演化，并即時響應用戶操作。實時互動視頻生成是其中主要應用之一。

與傳統 AI 視頻生成需要等待數十秒甚至數分鐘、一次性輸出固定片段不同，PixVerse R1 的核心能力在于“實時交互”。在生成過程中，視頻畫面會隨著用戶指令即時變化，用戶可以持續調整角色狀態、環境變化和鏡頭走向，系統同步響應并保持畫面、角色和場景演化邏輯的一致性，使視頻內容能夠連續生成而非反復重啟，實現“所想即所見、所說即所現”的交互體驗。

這一變化，使 AI 視頻從“生成結果”轉變為“生成過程”。用戶不再只是等待結果的觀看者，而可以像導演一樣介入創作節奏。業內人士形象地比喻，這種體驗就像演員在鏡頭前即興表演——正如周星馳在電影《喜劇之王》中十秒鐘完成七個表情變化的經典表演，在 PixVerse R1 中，用戶也可以在極短時間內連續指示角色哭泣、跳舞或擺出不同姿態，這些變化會隨著視頻進展即時呈現，創意表達不再被“進度條”打斷。

從技術層面看，PixVerse R1 基于原生多模態基礎模型、自回歸流式生成機制和瞬時響應引擎構建。相關機制使視頻不再是由孤立片段拼接而成，而是一條可持續生成、可隨時調整的視覺流。長期以來困擾 AI 視頻生成的畫面突變、邏輯斷裂和高延遲問題，在這一框架下得到系統性突破。

業內認為，實時視頻生成技術正在消除內容創作與傳播之間的技術隔閡，重塑用戶與人工智能生成內容之間的互動方式。視頻不再是生成完成后的靜態成品，而是一個可以被持續干預、不斷演化的過程，創作與消費的邊界也隨之被重新定義。該成果也被視為實時世界模型從研究探索走向可交互、可部署的產品級階段的重要標志。

從全球競爭格局看，這一突破反映出 AI 視頻領域正在出現新的技術路徑分化。據海外第三方人工智能評估機構的公開跟蹤數據，目前全球排名前列的 AI 視頻生成模型，多由中國企業推出。相關產品在生成速度、使用成本和并發能力等方面表現突出。

海外市場研究機構分析指出，中國企業在 AI 視頻領域選擇了一條不同于高算力、重渲染的技術路線，更強調工程化與系統級能力的突破。這種路徑使實時視頻生成技術更容易走向規模化應用，也被視為中國團隊能在世界模型方向實現“從零到一”產品級突破的重要原因。

愛詩科技創始人兼CEO王長虎表示，PixVerse R1是全新的媒體形式，AI 第一次可以基于用戶的意圖實時生成一個持續演化、物理上合理的世界。傳統視頻是被記錄的歷史，而PixVerse R1開創了“正在發生的現在”的實時生成新紀元。無論是 AI 原生游戲、互動電影，還是生成式直播電商體驗，敘事都能“所想即所現”（As You Think）。創作與消費的邊界逐漸模糊：視頻消費者同時也是創作者，能夠在觀看的同時立即調整和生成新內容。

業內人士認為，PixVerse R1 的發布，不僅是單一產品的技術進展，更標志著AI視頻從“預錄制回放”走向“實時動態生成”的關鍵節點。隨著實時生成能力在更多場景中落地，AI 視頻有望在互動娛樂、影視創作、教育培訓、數字仿真等領域釋放更大應用潛力。

愛詩科技成立于 2023 年，專注于 AI 視頻生成大模型及應用研發。公司海外產品 PixVerse 及國內產品“拍我AI”目前全球用戶規模已超過1億，單月月活躍用戶超過1600 萬，產品被廣泛應用于影視、廣告、動漫及內容創作等場景。

此前，愛詩科技因在AI視頻生成效果與產品化推進速度等方面的表現，被業內視為OpenAI 視頻模型 Sora 的有力挑戰者。愛詩科技在發展過程中獲得了多家產業和資本機構支持，其中包括阿里巴巴、巨人網絡等企業參與投資。