> 数据图表想问下各位网友中 金 研 究 部2026-7-3中 金 研 究 部多模态：理解生成一体化成共识，实时世界模型竞争对手是游戏引擎架构共识：理解生成一体化多模态从理解和生成分离，走向单一Transformer统一理解与生成（Show-o等架构）但交互形态决定平台形态，而非模型能力视频生成范式跃迁：从离线渲染到实时流式交互PixVerse R1全球首个通用实时世界模型IRE引擎将采样从数十步压缩至1-4步，实现1080P实时视频流用户可在生成中实时修改指令无限长度连续生成 + Memory-augmented attention投资含义与新平台机会Google Genie 3从文字到可交互3D世界Autoregressive world model720p/24fps实时运行Promptable world events实时改天气/物体SIMA Agent可在Genie 3世界执行任务实时世界模型的竞争对手不再是Runway/可灵等视频工具，而是Unity/Unreal Engine等游戏引擎AI生成视觉内容正从"被动观看"转向"实时交互"，视频生成从离线渲染固定clip转向实时流式交互历史规律：键盘鼠标→PC互联网；触屏→移动互联网；实时视频交互→下一代平台新交互方式→新媒介形态→新平台机会，直播互动世界、VR实时生成等场景有望率先爆发多模态方向确定但形态待定，实时世界模型是新平台机会理解生成一体化成共识，但交互形态决定平台形态；实时世界模型竞争对手是游戏引擎，新交互催生新平台模型创新路径：System1/2统一、统一多模态、TTT、Memory layers、Light Thinker（降70%token/26%推理时间代价1%性能）资料来源：PixVerse，Google DeepMind，中金公司研究部19中金公司科技传媒
