Runway 釋出通用世界模型 GWM-1：即時互動模擬現實，切入機器人領域

影片生成做到了盡頭，接下來該做什麼？Runway 給出的答案是直接造一個世界。

Runway 正式釋出了自家的首個通用世界模型系列 GWM-1。它基於剛登頂 Video Arena 競技場的 Gen-4.5 底座構建，採用自迴歸架構，能做到即時逐幀生成，並且可以通過相機位姿、機械臂指令或音訊輸入進行即時互動控制。

Runway CTO Anastasis Germanidis 在直播裡說得很直接，他們認為要造世界模型，最靠譜的路子就是先把影片模型做好，讓模型直接學會預測畫素。當規模和資料足夠大時，模型自然會理解現實世界的運轉規律。

一個底座，分化出三個世界

這次 GWM-1 並沒有直接拿出一個包羅永珍的大一統模型，而是先拆成了三個特定方向的後訓練分支。

第一個是 GWM Worlds。給它一段提示詞或一張參考圖，它就能即時生成一個可供探索的連續空間。這套系統以 720p 解析度、24 幀每秒執行，能在玩家或智慧體移動時，即時計算幾何空間、光照和物理碰撞。除了做遊戲，它的核心用途是給 AI 智慧體當訓練場。

第二個是 GWM Robotics，這也是 Runway 跨界最大的一步。Runway 給它配了專屬的 Python SDK，主要賣給機器人公司。它既能作為機器人策略模型的視覺骨幹網路，又能生成帶障礙物或惡劣天氣的合成數據，甚至能直接充當模擬器，讓 OpenVLA 或 OpenPi 這類具身模型在裡面跑模擬測試和反事實推演，省掉物理硬體磨損的成本。

第三個分支是 GWM Avatars，也就是已經上線的 Runway Characters。它靠音訊驅動，無論是寫實還是風格化的人物，都能在傾聽和表達時保持自然的微表情、眼神和手勢，即使長時間連續對話也不會出現面部崩壞。

除了世界模型，Runway 當天還給 Gen-4.5 補上了原生音訊生成和多鏡頭編輯能力。現在生成的影片不僅能自帶環境音和對白，還能直接修改已有音訊，甚至修改第一鏡頭的道具或背景，整段一分鐘的影片都會自動保持一致。

為什麼重要

我們認為，Runway 這一步走得相當敏銳，它實際上在重新定義自己的商業天花板。

過去大家把 Runway 看作影視特效和創意生成工具，但生成式影片很快就會遭遇內容變現的瓶頸。通過 GWM-1，Runway 正式把業務觸角伸向了具身智慧、自動駕駛和工業模擬。與其只做創作者手裡的畫筆，不如去做整個機器人產業的物理引擎和資料合成工廠。

對於機器人開發者和具身智慧團隊來說，這個模型非常值得關注。採集真實世界的機械臂運算元據成本極高，而且極端工況很難復現。如果 GWM-1 提供的物理直覺足夠可靠，直接在生成的影片環境裡做策略評估和反事實推演，開發週期和硬體損耗都會大幅下降。

但這裡的隱患也同樣明顯。自迴歸生成畫素的方法雖然通用，卻非常容易產生幻覺。在遊戲裡穿模只是視覺瑕疵，但如果機械臂把幻覺出來的物理規律當成真實世界，部署到現實中就會帶來災難。將三套模型未來整合回一個單一基座的難度也極其苛刻。它到底是一個能替代物理引擎的通用模擬器，還是一個看起來很逼真的影片生成器，接下來就看機器人企業接入 SDK 後的真實反饋了。