设想你在里面往前走了几十步，然后掉头原路回来——刚才路过的东西还在不在原地，位置对不对得上。这类东西难就难在这儿，不在第一帧多惊艳。
智象未来放出来的HiDream，定位写的就是交互式世界模型，不是单纯的文生图或者文生视频。这两件事差别不小：后者你丢个提示词拿结果就完事，前者得维持一个能被持续操作的状态，输入进去要有响应，画面还得前后自洽。
所以我看这类东西，眼睛都盯在几十步之后——场景会不会崩、东西会不会凭空消失、走回头路能不能对上。
国内做这块的团队一下多起来，说明大家都判断下一个卡位在这儿。至于实际能玩到什么程度，得看放出来的是能实时跑的东西，还是录好的一段片子。