字节和京东，给AI造两个世界

9月9日，京东在全球科技探索者大会（JDD）上宣布，京东云将与摩尔线程等合作伙伴规划建设10万卡国产GPU集群，同时发布实时可交互的世界模型JoyAI-EchoWM，亮出覆盖多模态、世界模型和具身模型的JoyAI基础模型矩阵。

两天前，彭博社援引知情人士报道，字节跳动正在基于视频生成模型Seedance开发一款实时空间视频生成模型，最快10月亮相。淡出日常管理五年的创始人张一鸣亲自协调业务、模型和算力资源。

48小时内，两家大厂先后把筹码推到了同一张牌桌上，让AI学会生成或理解一个能对人做出回应的世界，而不只是生成一段文字、一张图片。世界模型，正在成为中国头部公司AI竞争的新战场。

但目前，它们共同押在一个尚未被验证的前提上：世界被生成、被计算出来之后，一门规模化的生意如何成立。上一次全行业押注同一个前提，是元宇宙：Meta的Reality Labs部门自2021年以来累计运营亏损已超过850亿美元（截至2026年上半年），其中2025年单年亏损192亿美元，公司预计2026年亏损规模仍与上年持平。

技术供给在狂飙，商业闭环还没人跑通。这是理解这两家动作的起点。

字节：把VR最贵的一环，从硬件搬进云端

按彭博社的报道，字节的新模型能以每秒20帧的速度按需生成视频，端到端延迟约50毫秒，接近人类感知阈值。更关键的改变是生成方式：计算密集的空间渲染放在云端完成，再串流到头显。用户戴上Pico，走动、转身、开口，眼前的虚拟世界实时跟着变化。落地方向指向直播、短剧和游戏。

这瞄准的是VR行业最贵的一环：硬件。Meta的Quest和苹果的Vision Pro把算力塞进头显，结果是设备又贵又重，Vision Pro全球累计销量据第三方统计仅约60万台。

字节的解法反过来：头显只负责显示和交互，算力交给云。一旦成立，VR的竞争就会从硬件规格转向模型、云和内容，这恰好是字节的三样存量资产。

但成本没有消失，只是转移了。Meta和苹果的模式里，硬件成本由用户一次性承担。字节的模式里，每一小时使用都是一笔实时推理账单，用户越多、在线越久，烧掉的算力越多。

每秒20帧的生成质量乘以百万级并发，是一张还没有任何VR厂商付过的账单。这门生意能否算得过来，取决于一个现在没有答案的问题：推理成本的下降速度，能不能跑赢使用时长的增长。

终端是另一个现实约束。模型计划与Pico头显打通，但Pico自己的路并不顺：2023年底，因Pico 4销量不及预期、每售出一台亏损约500元，字节取消了Pico 5的发布，团队从1800余人收缩至800余人。

大环境同样寒冷。Omdia数据显示，2026年上半年全球XR头显出货同比下降38.7%至190万台，连续第四年萎缩。一个被忽略的细节是，字节被曝正在开发一款2027年发布的中端MR眼镜，计算单元外置。这说明，字节的硬件路线本身就在等这个模型：只有云端渲染成立，轻头显才成立。两半赌注押的是同一件事，赢则互相成就，输则没有退路。

这也解释了张一鸣为什么亲自下场。该项目横跨Seedance模型团队、云基础设施、Pico硬件和直播、短剧、游戏内容线，任何一环单独拿出来都成立不了产品。字节的账上也不缺子弹：据报道，公司近期已获得300亿美元贷款，并在考虑再投入最多700亿美元用于AI基础设施建设。

据媒体报道，字节为2026年定下的四项AI优先事项里，世界模型排在首位，数据预算达到其他中国实验室的三到四倍。创始人直接协调资源，在大型科技公司里通常说明两件事：这个项目的优先级足够高；它需要的跨部门协同，也超出了常规项目机制的范围。

京东：把物流的存量，换成物理AI入场券

京东的路径相反。字节想把人送进虚拟世界，京东想让AI进入物理世界。

这次发布的EchoWM本身是交互式世界生成模型，与字节、World Labs、谷歌Genie处在同一条赛道上，都能随用户的移动和视角变化持续生成世界。京东的不同之处在于把它放进了一个更大的版图：模型之下，是千万小时级真实场景数据和10万卡国产算力。模型之上，是机器人、物流和供应链场景。EchoWM负责在虚拟侧生成和仿真，机器人和物流负责在物理侧落地，连接两头的是真机数据。

JDD上公布的三块基建可以连成一条链：算力上，与摩尔线程等共建的国产万卡集群已经落地，10万卡集群启动规划；数据上，1000万小时人类真实场景操作数据的采集在推进，首批开源数据集EgoLive已有超过8个国家、上百所高校和科研机构申请使用；模型上，JoyAI-EchoWM在交互式世界模型评测WBench Navigation中以81.6分排名第一。

政策面也在同向。工信部日前印发的信息通信行业“十五五”规划明确提出，有序部署万卡、10万卡及以上智算集群，加大力度适配国产算力芯片。

但算力这一环的产业现状，决定着整个计划的节奏。摩尔线程财报数据显示，该公司2026年上半年收入17.36亿元，同比增长147%，其中云端产品占97.5%。夸娥万卡集群上半年确认收入6.6亿元。万卡到10万卡不是数量的线性放大：互联、软件栈、集群交付与运维，每一层都是新的工程。产业链的成熟度，将以年为单位，决定这个规划落地的进度。

此外，摩尔线程上半年扣非净利润仍亏损1.51亿元，经营性现金流为-21.69亿元。毛利率从一季度约67%跌到二季度约49%，原因正是集群交付中包含大量外购的CPU、内存和交换机。10万卡越落地，这门“国产算力里程碑”的生意越接近集成商生意。京东的这个项目规划与建成之间，隔着一家年化收入35亿级公司的产能、供应链和资金链。

需求侧也要理性看待。京东在发布会上打出的多个“全球第一”目标里，最重的一项：未来5年采购300万台机器人、100万台无人车、10万架无人机，其实不是JDD新披露的数字，京东物流去年10月就已公布过，这次是装进"物理AI加速计划"的新叙事里重讲了一遍。

这批订单几乎全部用于京东自己的仓储、分拣、运输和配送，买家基本只有京东自己。自有场景确实是具身智能最好的冷启动，亚马逊2012年收购Kiva后也是这么做的。但Kiva的机器人此后十多年只在亚马逊自己的仓库里工作，还未长成一门对外的大生意。

在第三方客户付费验证出现之前，“全球最大物理世界运营中心”还主要是内部需求的资本化：效率收益留在京东体内，市场价值仍是待证的假设。

谁能率先赚到钱

抛开各自的技术路径和资源禀赋，两家公司的动作共同印证了一件事：2026年被行业称为“物理AI元年”之后，中国头部平台之间的AI竞争，重心已经从“谁的模型参数更大”转移到了“谁能把算力、数据、硬件、场景四件事同时跑通”的全面比拼。

字节和京东同时打出“世界模型”这张牌，说明这个概念已经具备了足够的资本市场号召力，值得每一家手握独特数据资产的平台公司拿出来讲一遍。

两家公司公布的数字目前都还停留在官方口径和“规划”阶段，这类发布本身自带一定的公关属性，具体效果如何，要等实际产品和真实的成本、留存数据出来之后才能验证。

到目前为止，更没有任何一家公司，字节、京东、World Labs或者谷歌，披露过来自世界模型的规模化、可持续收入。元宇宙那850多亿美元学费留下的教训，其实不是技术不成熟，而是在“供给先行、需求缺席”的赌局里，跑得最快的人亏得最多。

但这一轮的玩家学乖了一点。字节的赌注残值在算力和模型，输了，还能转手给广告和推荐系统用；京东的赌注残值在仓库里的机器人，输了，也是自家的效率工具。和元宇宙时代砸下去就只能封存的VR内容资产相比，这是两场豪赌之间最本质的区别。