快手可灵这次在CVPR2025把技术布局讲得比较明白，围绕视频生成拉了四条线，其中把世界模型单拎出来当重点方向，信号还挺清楚的。纯做文生视频这条路大家都在挤，能不能让模型真正理解物理、理解时间上的连贯，才是后面拉开差距的地方。
世界模型这个词这两年被说得有点泛，但真要落到视频生成里，涉及的是运动一致性、长时序稳定这些硬骨头。
国产团队愿意把资源往这个更难的方向砸，而不是只堆分辨率和时长，我个人是看好的。具体四个方向怎么协同、哪个先出成果，还得看后续放出来的论文和demo。
世界模型这块确实是硬骨头
mark
感觉大厂都在往这个方向卷了，不只可灵一家
世界模型是真硬骨头，短期别指望落地出活，方向押对了而已