如果你玩过 AI 视频，一定对「等待期」深有体会：在输入框敲下一串 Prompt，按下生成键，然后便得对着旋转圆圈等待至少几十秒或者几分钟。
而且也不知道几分钟后返回来的 MP4 是一场惊喜还是一次货不对板的惊吓。这种有些割裂的、异步式的创作，让 AI 变得像个略有些笨重的远程工具，虽然好玩，但也没那么好玩。
直到我刚刚试用了爱诗科技发布的 PixVerse R1。
在「赛博朋克城市」的场景中，我并没有按下「生成」按钮，也没有盯着旋转的进度条发呆。
我只是在输入框输入我想要的画面，「开始下大雨，霓虹灯在湿润的地面上反射出来」，接着「突然，城市大停电。只有紧急红灯亮着」，「快速向上飞，穿过摩天大楼到达城市的上层区域。」
视频来源：极客公园
画面中的光影立刻随着语意发生了流转。没有黑屏加载，没有重新渲染的割裂感，就像镜头真的听懂了我的指挥，实时向前推进。
一个 AI 模型正在以即时响应级的速度，为我「实时编织」一个从未存在的视觉世界。
这是爱诗科技刚刚发布的 PixVerse R1，是「全球首个支持最高 1080P 分辨率实时生成的世界模型」。
当视频不再是一个确定的「结果」，而变成了一个可以被实时干预、持续存在的「过程」时，它还是我们印象里的「视频」吗？
这种被称为「Playable Reality」（可玩现实）的新形态，究竟是噱头还是未来？
01
进度条的消亡
2024 年年初，Sora 基于 DiT（Diffusion Transformer）架构，把长视频生成的效果提高到前所未有的水平，掀起了全球范围内的视频生成热潮。
但在 AI 视频行业狂飙突进的这两年里，我们虽然被 Sora、被各种视频大模型惊艳，但这种惊艳始终带着一种「延迟感」。这种延迟不仅是技术上的，更是心理上的。
过往，AI 视频生成被戏称为「开盲盒」。用户输入一段长长的提示词，然后进入一段名为「生成中」的垃圾时间。这段时间长则数分钟，短则几十秒，但在人类的创作心流中，这几十秒足以让灵感断裂。
用户得到的是一个 MP4 文件，如果光影不对、构图不佳，只能修改提示词，再次进入漫长的等待循环。这种「输入-等待-输出」的异步逻辑，本质上是人类在迁就机器的算力和算法逻辑。
PixVerse R1 的出现，正在试图终结这种「迁就」。实时生成的真正意义，绝不仅仅是「快」。如果启动延迟降低的足够低，帧率也足够稳定在，人类的感知系统会发生错觉：你不再觉得自己是在使用一个工具，而是觉得你正处于一个「活着的」世界里。
视频来源：爱诗科技
可以看到，在这个视频里，PixVerse R1 展现出一种水流般的即时感。当指令发出，画面的色彩、材质、甚至物理规律会瞬间响应。
随着「A city wall ahead.Jump over it and enter the city」指令的输入，角色从树林场景瞬间传送到了中式城楼前的石桥上，正朝着城楼大门跑去；随着「Transform into a robot and fight」指令的输入，画面拉近，主角从小人变身机器人并且迅速进行了一番打斗，场景和角色动作的切换非常流畅自然。
这种「实时编织」让创作从「离线渲染」变成了「在线生产」。当技术响应速度追平了思维速度，令人困扰的「进度条」就此消亡，技术本身变得透明，它变成了感官的自然延伸。
而这种质变源于爱诗科技过去 800 天的「狂奔式迭代」。早在 2023 年 10 月，爱诗科技就发布了早于 Sora 的全球首个 4K 模型 V1；2024 年 2 月，它成为国内首家落地 DiT 架构的创业公司。这种对底层架构的「先行一步」，让 PixVerse 在全球斩获了超过 1 亿用户。如今 R1 实现的「即时感」，正是这种长期架构押注后的必然爆发。