爱诗科技PixVerse R2 破解Scaling难题：实时、交互、持续进化

2026年9月23日，继上月披露研发进展后，全球领先的AI视频大模型公司爱诗科技（AIsphere）正式发布全球首个具备 Scaling 能力的通用实时世界模型PixVerse R2，并向用户开放包括游戏、互动影视及数字人等多个场景体验间。基于爱诗自研的 Omni Causal AR（全模态因果自回归）与 Real-Time Acceleration（实时加速）两层架构，通用实时世界模型第一次像大语言模型一样，拥有了一条清晰、确定、可以被验证的持续扩展路径。爱诗科技创始人及CEO王长虎表示，随着持续Scaling（规模化扩展），PixVerse R2将从当前的创作工具，逐步发展为可随时进入、随时互动的生成式环境，最终成为下一代生成式世界模型的基础设施。 （图：PixVerse R2 上线后迅速登上X(twitter) 美区热搜） 通用实时世界模型首次建立Scaling 路径 ChatGPT用Scaling Laws（规模定律）证明了“模型越大、能力越强”后，整个AI行业都在追问：这条定律是否只属于文字？ 过去普遍认为，只有语言这种“离散符号”才适合规模定律，而视频是“连续高维信号”，天生难以扩展。Sora的出现打破了这一偏见，但实时世界模型领域仍面临棘手难题：要实时，模型就必须做得够小、够快，才能在一块显卡上跑出流畅的帧率；要通用，模型就必须做得够大、见识够广，才能理解各种复杂的场景和物理规律。因此，过去的技术路径往往需要在两者间取舍，几乎没有人真正走通Scaling（规模化扩展）。 爱诗科技坚信，真正可扩展的通用实时世界模型不该一直在“能力”和“速度”间二选一，应该建立一条能够将两者解耦的技术路径。只要架构设计对了，当文本、参考、声音、操作这些复杂信号都能被模型统一“理解”，实时世界模型同样可以“越大越强”。PixVerse R2即验证了这一点，“实时”和“通用”不仅可以兼得，而且实时不是“偷工减料”的妥协，而是一条可以持续变强的技术路线。 PixVerse R2 核心能力全面提升 以往行业谈论Scaling（规模化扩展）时，往往只意味着参数变大。但在PixVerse R2，它发生在五个维度上： （图：PixVerse R2 的Scaling维度与改变） 这五个维度并非各自为战，而是在同一个模型里相互增强，最终一起转化成通用实时世界模型核心能力实实在在的提升: 生成质量更高 ——画面更精细、运动更自然、音视频同步更精准 长程一致性更强 ——角色不崩、场景不跳、物体不凭空消失，世界状态在长时间运行中保持稳定 多模态控制能力更强 ——文字、参考图、声音、键盘操作，都能被模型稳定地“听懂”并做出反应 所以，PixVerse R2 不只是“一个更大的模型”，它是一套可以不断扩展的世界模型系统：未来往模型、数据、任务、控制信号和时间尺度中的任何一个方向继续投入，都有机会转化为更强的世界建模能力。这是 PixVerse R2 与传统“为了实时而压缩模型”的思路最本质的区别。 “言出法随”的实时世界 在用户体验层面，本次PixVerse R2 带来最重要的改变是“言出法随”。简单来说，PixVerse R2 不仅能让虚拟世界“有记忆地活着”，还能“听懂各种语言”，并对用户的每一个动作做出符合因果关系的反应。 构建可以实时探索互动的世界 在PixVerse R2里，一个能走进去、能探索的世界可通过文字和图像生成。同时，就像视频中那样，用户可以用WASD键控制角色移动、跳跃、四处探索，还能随时换视角；用户也能直接输入Prompt下指令——换角色、加东西、改环境，想到什么就能马上实现。过程中，角色、物体和环境间还会持续产生符合空间关系和物理逻辑的互动如自然的遮挡、接触和碰撞等。比如，在视频 25 秒处，用户对角色施加指令「Grow Wings and Fly」后，角色随即生出翅膀并悬浮于空中飞行；继续对飞行中的角色施加「Burst into Flames」指令后，角色周身冒起火光并快速降落，落地的同时身上的火光照亮并引燃了周边草地。这些变化均比较自然流畅，没有明显的拼接感或跳变。 互动影游实时交互新体验 在PixVerse R2里，世界还可以随着用户的行为产生剧情。在 PixVerse 与超级创作者“小笼包”共同开发的互动影游《零印法师》中，玩家可以利用 PixVerse R2 的实时生成与交互能力，通过 Prompt 自由输入不同指令，从而触发不同的角色反应、剧情走向和通关方式。比如，在被怪物拦路索要“礼物”时，送出“龙”或“叶子”，得到的回应完全不一样。也就是说，剧情不再是预先写好的固定分支，而是由模型根据玩家输入实时推演、动态生成。基于这种“玩家即编剧”的互动，PixVerse R2让每个人都能走出属于自己的、独一无二的故事线。 实时数字