Cuộc đua mô hình thế giới: PixVerse tung quân bài thứ hai đầy ấn tượng

Triệu hồi một con hổ, cải trang thành lính tuần tra, trò chuyện với các hiện vật đồng Sanxingdui bằng phương ngữ Tứ Xuyên.

👦🏻 Tác giả: GaKi

🥷 Biên tập: Koji

🧑‍🎨 Dàn trang: NCon

Theo Dealroom, trong nửa đầu năm 2026, nguồn vốn toàn cầu rót vào các world model (mô hình thế giới) đã vượt mốc 3 tỷ USD.

Theo số liệu thống kê từ IT Juzi, 23 công ty world model mới đã được thành lập tại Trung Quốc chỉ trong vòng bảy tháng — vượt qua tổng số lượng của cả năm 2025 — với tổng số vốn huy động được vượt quá 4 tỷ RMB.

Tại thời điểm bước ngoặt này, AISphere (PixVerse) đã chính thức ra mắt R2, một world model video thời gian thực.

Khi phiên bản tiền nhiệm R1 ra mắt, chúng tôi đã thực hiện các bài kiểm tra thực tế trong vòng 24 giờ. Đây là mô hình có thể chơi được đầu tiên của PixVerse trong danh mục này, và điều khiến chúng tôi ấn tượng nhất là cách các thước phim được tạo ra liên tục có thể thay đổi theo thời gian thực dựa trên tương tác của người dùng.

R2 được xây dựng dựa trên nền tảng thời gian thực tương tự. Điểm nâng cấp là dữ liệu đầu vào không còn chỉ ảnh hưởng đến khung hình hiện tại — mà giờ đây nó tác động trực tiếp vào trạng thái đang diễn ra của nội dung.

🚥 Dưới đây, chúng tôi chia sẻ những quan sát và suy nghĩ của mình về PixVerse R2, cũng như ý nghĩa của việc PixVerse gia nhập vào lĩnh vực world model.

Từ R1 đến R2: Những gì đã thay đổi, những gì vẫn giữ nguyên

Nhìn lại lộ trình sản phẩm của R1 giúp chúng ta dễ dàng nắm bắt định vị của R2 hơn.

Vào tháng 1 năm 2026, R1 ra mắt với mô hình "world model video thời gian thực":

🚦 Tạo video là một quá trình tiến hóa thế giới diễn ra liên tục. Mô hình nhận dữ liệu đầu vào từ người dùng trong quá trình vận hành, cập nhật trạng thái thế giới theo thời gian thực và liên tục xuất ra nội dung nghe nhìn nhất quán với tương tác đó. Những gì người dùng thấy có thể bị ảnh hưởng theo thời gian thực và cùng tiến hóa với họ.

Từ tháng 1 đến tháng 7, R1 đã bổ sung các tính năng Avatars cá nhân hóa, Shared Worlds (Thế giới chia sẻ) và tương tác đa người dùng. PixVerse Game Engine cũng đã được phát hành. Các world model thời gian thực, AI agent và cơ chế trò chơi có cấu trúc đã được liên kết với nhau, mở rộng thêm nhiều khả năng mới.

Chúng tôi đã từng thử nghiệm PixVerse Game được xây dựng trên nền tảng này.

Đánh giá của chúng tôi lúc đó: hình ảnh vẫn còn ở giai đoạn sơ khai, nhưng sự hoàn thiện của các yếu tố trò chơi đã có nền tảng. Định vị chính thức của nó cũng chỉ là một hệ thống trong giai đoạn nghiên cứu ban đầu.

R2 tiếp nối cùng một lộ trình đó.

Nhìn chung, so với R1, R2 tập trung vào bốn ưu tiên:

[1] Liệu những thay đổi về hình ảnh có được ghi nhớ bởi nội dung tiếp theo hay không;

[2] Liệu các câu chuyện có thể tiếp diễn sau khi có thay đổi hay không;

[3] Liệu các nhân vật có duy trì được danh tính và mối quan hệ hay không;

[4] Liệu các tác vụ có tạo ra kết quả rõ ràng hay không.

Thời gian thực, tương tác, avatar ảo

Lần này, bản phát hành chính thức bao gồm ba danh mục demo, tương ứng với ba định hướng sản phẩm cho R2:

Trò chơi tạo thời gian thực — nội dung trở thành lối chơi

Trong danh mục demo đầu tiên, một người đưa thư vận chuyển hàng hóa trong khi né tránh những kẻ truy đuổi. Người dùng điều khiển di chuyển và nhảy trong thời gian thực thông qua các phím WASD và phím cách.

Trong khi bị truy đuổi, việc nhập các câu lệnh như "sử dụng chướng ngại vật để chặn binh lính" vào trường nhập liệu bên dưới sẽ ngay lập tức tạo ra các chướng ngại vật tương ứng và thay đổi tình thế — trực tiếp biến nội dung được tạo ra thành cơ chế trò chơi sống động.

Ấn tượng hơn nữa, khi điều khiển người đưa thư trốn vào một góc, chỉ cần nhập một câu lệnh là bạn có thể trực tiếp cải trang thành lính tuần tra.

Phim & Truyền hình tương tác — những câu chuyện mà bạn có thể tham gia

Bản demo thứ hai lấy bối cảnh một khung cảnh Trung Quốc cổ đại. Một lần nữa thông qua các câu lệnh văn bản (ví dụ: "triệu hồi hổ cưỡi"), nhân vật chính có thể tương tác trực tiếp với các đối tượng được tạo ra — chẳng hạn như cưỡi hổ.

Khi bước sang cấp độ tiếp theo, các tùy chọn vũ khí sẽ hiện ra để người chơi lựa chọn, mang đến lối chơi theo phong cách phim và trò chơi tương tác.

Con người ảo thời gian thực — những nhân vật có tính bền vững

Buổi trình diễn chính thức cũng bao gồm một bản demo con người ảo thời gian thực khác: người chơi nhập văn bản đối thoại vào trường nhập liệu bên dưới, và chủ thể trên màn hình sẽ phản hồi trong thời gian thực.

Ví dụ, khi hỏi "bạn có thực sự là người ngoài hành tinh Sanxingdui không?", hiện vật bằng đồng sẽ trở nên sống động như một avatar ảo và trả lời bằng phương ngữ Tứ Xuyên.

Quan trọng hơn, nó sở hữu bộ nhớ theo ngữ cảnh. Khi được hỏi tiếp "tại sao mắt bạn lại to như vậy?", câu trả lời của avatar sẽ tiếp nối từ cuộc trao đổi trước đó, duy trì sự mạch lạc hoàn toàn trong hội thoại.