9月，字节跳动基于Seedance开发实时空间视频生成模型，创始人张一鸣亲自跨部门协调模型、算力与硬件资源。该模型目标端到端延迟约50毫秒，生成帧率约每秒20帧。
同期，京东在JDD大会上发布JoyAI-EchoWM世界模型，并宣布规划建设10万卡国产GPU集群。
实时空间视频生成模型的核心能力是理解空间规律、预测物理变化、响应用户动作，并持续生成连贯的视觉体验。50毫秒延迟接近人类视觉感知的交互延迟阈值。
传统视频生成是输入指令、输出片段，本质是内容生产工具；世界模型是输入行为、输出实时空间，本质是交互系统。