我已经深入到交互式AI视频/世界模型空间了好久了，但一直有一个问题困扰着我，所以我想打开它。每隔几周，世界模型演示就会疯狂流行。可玩的生成世界、无限的Minecraft、可在实时控制的视频模型。整个时间线都疯狂了48小时，然后什么都没有。没有产品、工具或游戏。只是下一个演示。这种循环已经持续很长时间了，我想了解为什么。我的理论是，有两个独立的问题，大家都混淆了。第一个是模型本身，实话说，模型本身已经基本工作了。输出已经足够好，能够在上面建立。现在这不是阻塞点了。第二个是围绕模型的所有东西，这就是我个人上周花了很多时间的地方。要让一个可交互的模型在线运行，你必须调度GPU工作者，建立实时流媒体层，让用户能够看到和控制它，分发短期凭证，处理用户掉线和重新连接而不丢失会话状态，计量所有这些。如果你想收费，必须做到这一点。这些并不是AI问题。它们只是令人厌倦的、不可见的基础设施，从来没有出现在疯狂的演示中。所以，我真的怀疑原因不是模型本身，而是“酷演示”和“陌生人可以使用的东西”之间的巨大和不引人注目的差距，大多数人都在这个差距上放弃了。但是，实际上我不知道的事情是，即使基础设施解决了，即使是单个API调用，我也不确定人们会做什么。所以，我想听听你们的意见。一些我正在思考的方向包括：使用真正生成的、可探索的世界而不是预先编写的关卡的游戏。实时AI视频工具，你可以直接控制它，就像导演的椅子一样，而不是当前的渲染和祈祷的批处理工作流。用于训练或测试其他代理和机器人针对罕见边缘案例的模拟器。虚拟生产背景，反应于真实的摄像机而不是预渲染的LED墙。但是我有一个困扰我的担忧，这整个类别可能是解决了问题的解决方案。诚实地告诉我，如果你认为这是真的。所以，两个诚实的问题：如果基础设施是单个API调用，你会在可控制的世界模型上构建什么？并且，你会立即开始构建什么，还是这个领域还不适合真正的使用？不是推销任何东西，不是链接，只是想了解这个类别是否有真正的理由存在，还是我们都只是享受着漂亮的演示。