即時互動影片是下一種媒介

116Ahmed Ahres（Reactor）17:302026-08-18 上架

The Next Medium: Why Real-Time Interactive Video Changes Everything — Ahmed Ahres, Reactor

Ahmed 把 world model 定義成即時互動影片，用 GPS 與數位攝影當類比，說明三類模型各能做什麼，也談即時推論的基礎設施與還沒人解開的評估問題。

這場講了什麼

• world model 就是即時互動影片：Ahmed 說 world model 這個詞有點像行銷用語，有人從 Gaussian splatting 去想，有人從影片去想；Reactor 的定義是即時互動影片。
• 現在的影片生成像拉霸機：Veo 3、Seedance 2 這類模型是下 prompt、拿回一個檔案、看完就結束，改不了。Reactor 想的問題是：影片能不能像軟體一樣可以程式化。
• 即時改變的是媒介本身：GPS 與數位攝影都不只是讓事情變快，而是長出原本不可能的東西，沒有 GPS 就沒有 Uber，拍攝時看不到畫面就不會有 Instagram 與 TikTok。
• 三類模型各有用途：第一類是即時、無限長、可互動的影片生成；第二類是 Genie 3 那種可以操控角色的世界；第三類是即時互動的 avatar，目前多半還在 research preview。
• 基礎設施跟批次推論完全不同：要從伺服器串流像素到用戶端、每個 session 都要記得前面發生過什麼，還要在世界各地都做到 sub-100 millisecond 的延遲。
• 評估還沒有解法：回答聽眾提問時，Ahmed 說即時模型的評估是整個 world model 研究社群都還沒解決的問題，現在就是靠人用眼睛看。

影片從哪一段開始看11 段

1. 00:12world model 的定義world model 被不同人用在不同意思上，Reactor 把它定義成即時互動影片，Ahmed 認為這會改變內容的製作與觀看方式。
2. 01:02影片一直是被動的現有模型是下 prompt 拿回檔案，像拉霸機；問題是影片能不能像軟體一樣可程式化。接著簡短介紹自己是 Reactor 的 head of go-to-market，Reactor 是 series A 公司。
3. 02:47兩個歷史類比紙本地圖變成 GPS、底片變成數位攝影，都不只是變快：沒有 GPS 就沒有 Uber，拍攝時能即時看到畫面才有 Instagram 與 TikTok。
4. 04:41第一類：即時版的 Veo 與 Sora影片無限長、可互動、即時生成，現場示範在畫面中途下 prompt 讓一隻貓出現。帶來的是掌控感，以後也可能即時生成廣告。
5. 06:59第二類：Genie 3 式的可控世界給一張圖加一段文字就能操控角色。用途不只遊戲，還有遊戲與電影的混合、替機器人產生訓練資料，以及教育。
6. 09:06第三類：即時 avatar 與使用者作品avatar 還沒做到位，跟它講話仍然怪怪的。Reactor 上的使用者在做觀眾投票決定劇情的直播、醫療模擬、烹飪模擬與即時影片編輯。
7. 11:00Reactor 上的模型Reactor 目前有四類模型，包括類似 Genie 3 的世界模型、能事先下 prompt 拍出連貫故事的多鏡頭模型，以及影片轉影片的編輯模型，可以用在好萊塢電影的預視覺化。
8. 11:54即時推論的基礎設施批次推論是送請求、拿檔案；即時要串流像素、維持 session 與記憶，還要把使用者導到最近的 GPU，否則體驗就不再是即時。
9. 13:39整合方式用 API key 載入模型，大概十行程式碼就能接進自己的產品。
10. 14:40Q&A：加速與確定性引擎一則聽不清楚的提問，Ahmed 的回答是多張 GPU、優化模型權重與 quantization，只是優先順序的問題。被問到確定性引擎時，Ahmed 說 Reactor 目前沒做，但看過有人在平台上自己做。
11. 16:25Q&A：怎麼評估保真度好判斷，看像素就好；即時模型的評估則連 DeepMind 在內都沒人解決，現在靠人眼判斷，Reactor 有研究團隊在做。

值得記的話5 句

• It's a slot machine. You cannot change it.這是拉霸機，你改不了它。指現有的影片生成模型01:19

• Uber would not exist if we did not have the GPS.沒有 GPS 就不會有 Uber03:21

• that instant feedback is the ultimate level of control即時回饋是最高層級的掌控06:08

• it needs to be sub-100 millisecond latency anywhere you are不管你在哪裡，延遲都要在 100 毫秒以下13:05

• evaluation for these real-time models is an unsolved problem這些即時模型的評估是個還沒解決的問題16:42

名詞與人物6 個

Reactor

Ahmed 任職的 series A 公司，替即時 world model 做基礎設施與開發者平台

world model

Reactor 的定義是即時互動影片，而不是從 Gaussian splatting 出發的那一派

Genie 3

Google 的模型，給圖與文字就能操控角色，Ahmed 拿它代表第二類

Veo 3 / Sora / Seedance 2

現有的批次影片生成模型；第一類模型就是它們的即時、無限長、可互動版

avatar 模型

第三類，即時互動的虛擬人物，可以用在客服、訓練、銷售、遊戲與串流服務

批次推論與即時推論

前者送請求拿回檔案，後者要串流像素、維持 session 記憶，批次那套不能直接搬來用

提到但沒有展開

• 記憶是即時模型的弱點：Genie 3 的 demo 裡，角色轉頭再轉回來就記不得剛剛的畫面，要花很多功夫維持 context window。
• Ahmed 說自己不特別喜歡廣告這個領域，但認為它會變大；品牌現在還怕 AI，怕 logo 有一個像素顏色不對，所以要等一段時間。

模型開發工具產業觀察

在 YouTube 看原片 ↗