当AI学会“记住”世界：智象未来HiDream-O1-World开启交互式生成新纪元

在人工智能竞逐的赛道上，真正的难点从来不是生成一张静态的写实图片，而是让模型在持续变化的动态场景中，始终记得物体的位置、尊重物理的法则、回应每一次交互的预期。近日，智象未来交出了自己的答卷，正式推出原生全模态交互式世界模型HiDream-O1-World，试图在空间、时间与物理因果的交织中，搭建一座通往物理世界的桥梁。

这款模型并非传统视频生成工具的简单延伸，而是集漫游、编辑、交互于一体，支持文本、图像乃至实时操控等多模态输入。用户只需一段描述、一张照片或一组动作指令，即可生成一个时空连贯、符合物理规律且可长期演进的完整世界。更关键的是，它搭载了智象自研的原生全模态架构UiT，后者在此次发布中迎来重要升级，在交互式世界模型公认的两大硬核挑战，时空一致性与物理一致性上，实现了实质性突破。简单来说，当镜头推拉摇移时，场景的几何结构保持稳定，物体不会凭空消失或扭曲；物体间的碰撞、遮挡、重力反应也遵循真实世界的因果链条，而非靠概率“猜”出下一帧。

智象未来CTO姚霆对此阐释：“交互式世界模型的价值，不在于生成一个逼真的三维场景，而在于AI开始真正理解空间的深度、物体的质感、运动的惯性与光影的逻辑。这是对物理世界运行规律的系统性认知与重塑。”

首战登顶WBench，交互式世界模型新标杆

由美团LongCat团队与复旦大学联合推出的交互式视频世界模型评测基准WBench近期公布了最新榜单，HiDream-O1-World首次参评便以平均分80.9的成绩登顶核心的Navi分榜，该分榜聚焦空间导航与视角控制，被业内视为衡量模型空间理解能力的标尺。其中，物理维度得分73.3，位列第一；一致性维度高达88.0，综合表现排名榜首。这份成绩单的背后，正是UiT架构在时空记忆与物理模拟上的协同突破，为“可信交互世界”提供了坚实的技术支点。

一键生成，自由编辑，为用户打造沉浸式创造体验

从用户视角看，HiDream-O1-World的操作门槛极低，但体验维度极为丰富。上传一张室内照片，模型可快速构建出高精度的数字孪生空间，自动补全全景图，空间比例与材质细节精准协调，令人如临其境。在漫游功能中，用户可自由切换第一人称与第三人称视角，驱动角色行走并任意调整方向。例如在潜水场景中，视角移动时水面光影与海底碎光同步变幻，珊瑚纹理随镜头拉近清晰可辨，全程稳定无漂移。而编辑能力同样实时在线，用户可驱动角色完成抓取、奔跑、跳跃等动作，或触发降雨、物体坠落等动态事件，且所有变化并非局部修图，而是基于几何、光照、材质与物理逻辑的全局统一响应。

泛化能力是HiDream-O1-World的另一张底牌，它支持人类、动物、虚构角色等多种角色构建，登山场景中，行人的脚印在雪面压出真实凹陷，雪花飘落缓急有致，远景与近景纹理过渡自然。风格层面，模型既可高度还原城市街景、自然地貌等写实场景，也能自由切换二次元卡通、3A游戏渲染等幻想风格。

长时程时空一致性与物理一致性再突破

HiDream-O1-World的核心在于同时解决“空间记忆”与“物理直觉”两大难题。针对长时程交互中常见的视角漂移、场景重置、物体消失等顽疾，模型采用“3D先验注入Memory上下文”与“Test-TimeTraining在线维护”协同设计的方案，前者在生成过程中维护持续更新的空间记忆，将几何结构与物体关系编码存储，使模型在多轮视角切换后仍能“记住”已探索的区域；后者则在推理阶段进行轻量级在线自适应优化，通过动态注入适配器（如LoRA），让模型内部表征与当前场景的3D几何约束持续对齐。这种“边推理边适应”的机制，使模型如同一名拥有空间记忆的导演，而非逐帧重绘的画师，镜头移动时，物体不漂移、不变形、不“失忆”。

物理一致性方面，模型从训练数据和推理机制两端发力。训练阶段，借助生成式模拟器批量产出涵盖刚体碰撞、流体运动、柔性形变、重力抛射等复杂物理场景的合成视频，强化模型的归纳偏置，并在扩散过程中加强跨帧因果依赖。推理阶段，TTT机制同样作用于物理维度，针对新物体类型或材料特性进行快速微调，使后续生成帧符合特定物理规律。这种“架构+数据”双轮驱动，使模型在视觉合理性评测中相比行业平均提升13.6%，在因果保真度评测中跃升12.7%。值得一提的是，智象未来相关空间一致性研究论文此前已入选2026年欧洲计算机视觉国际会议，获得国际学术界高度认可。

三大产业场景，推开智能时代新大门

HiDream-O1-World的发布，正式打开了三重想象空间。AI互动影游让用户不再被动跟随线性剧情，而是主动参与叙事，世界随探索行为持续演进，分支剧情与影视级视觉质感结合，带来沉浸式多重结局体验。具身智能仿真可高效搭建遵循物理规则的城市、工厂、室内等虚拟试验场，为机器人训练、自动驾驶、智能制造提供高精度仿真底座，大幅降低实景测试成本与风险。3D场景生产让创作者可轻松生成手办、家居、艺术空间等结构完整、细节丰富的三维内容，支持微调、风格秒换与智能补全，甚至延伸至微观世界，模拟细胞行为与蛋白相互作用，为药物研发开辟数字仿真新路径。

当然，这些应用还只是冰山一角。当物理世界可以被一键生成、自由交互，许多行业都值得被重新想象。HiDream-O1-World的发布，既是原生全模态技术路线的纵深推进，也是向“可信世界模型”迈出的关键一步。它让我们看到，AI不仅能够“看见”世界，更开始“理解”世界运行的深层逻辑，而这，或许才是智能时代真正的分水岭。