当主流的AI视频工具还在"提交提示词、等待渲染、拿到一段成品"的循环里打转时，一家叫Visko的硅谷初创公司想把视频生成变成一条不停流动的河。9月初，这家16人团队的公司宣布完成1000万美元Pre-Seed融资，由Llama Ventures领投，并同步向公众开放其首个基础模型Orbis的公测，模型以4K分辨率、每秒24帧的规格连续流式生成可交互视频，能在数小时内维持画面不漂移，用户生成中途修改提示词，输出会在不到一秒内随之更新，视频流不会中断。
Visko把市面上几乎所有主流视频生成器，包括OpenAI的Sora、谷歌的Veo、快手的Kling，统一归入"查询模型"，用户发送提示词后等待渲染，得到一段无法中途修改的成品片段，生成即停止。Visko创始人兼CEO尹青指出，此前每一个号称实时的系统都撞在同一堵墙上，世界运行的时间越长就越容易崩溃，场景逻辑、物理规律与色彩会在长时生成中逐渐失守，这也是长视频生成迟迟无法产品化的根本症结。
Orbis的运行逻辑与查询模型截然不同，它不是渲染一段文件，而是像游戏引擎一样持续运行一个世界。模型从用户输入提示词起便开始流式生成场景，第一帧几乎瞬间出现，随后每一帧都基于此前生成的所有内容推导而来，工作机制更接近大语言模型的逐token预测。用户在生成过程中可以随时补充提示词、指示画面里的角色做出新行为，模型约一秒内就能让世界围绕新指令更新，而不是推翻重来，官方开放了分支剧情选择、口述旁白实时成片、机器人训练演练与自由创造等多种交互模式。
支撑这种"持续运行"体验的，是一套名为神经随机微分方程的新架构。传统视频模型把每一帧当成独立输出反复重建，缺乏时间感知与持久记忆，每次接收新提示都要重新拼装世界状态，时间一长便出现视觉瑕疵与色彩漂移；Orbis则把感知、记忆与物理三部分整合进一个统一的隐空间，内部运行一个持续的世界时钟，让模型拥有持久状态，既能预判连续运动、保留物体细节，也能在长达数小时的生成中吸收用户的实时干预而不破坏视觉连贯。
官方技术报告显示，在DOVER美学与技术质量、VideoAlign视觉与运动质量等评测上，Orbis均领先于同类的实时与长视频系统，并在涵盖八个系统的长时生成人类偏好研究中拿到最高的整体偏好与时间稳定性评分。Visko也坦承短板，超长运行下的场景一致性仍需打磨，模型目前还无法严格遵循"把机械臂精确抬到45度"这类带精确数值的物理指令，团队正在探索把触觉等更多传感器数据引入训练，以补足物理交互环节的细节表达。
值得玩味的是，Visko眼里的第一桶金并不在影视或游戏，而在机器人与自动驾驶的合成训练数据。真实世界里让机器人演练"打翻易碎品""车辆在冰面打滑"这类危险边缘场景，既昂贵又难以安全复现，而Orbis可以按需生成这类画面，并支持在生成中途改变指令，让同一段场景快速衍生出多种训练变体，尹青介绍，公司正与谷歌合作，并已与多家机器人硬件企业接触，首席顾问、加州大学伯克利分校教授Michael I. Jordan则把游戏、直播电商与教育列为更长期的机会。
当然，对一家刚拿到1000万美元Pre-Seed、只发布了一个模型的公司来说，光环与风险同样清晰，技术报告中的评测均出自厂商自测，机器人训练订单也尚未形成规模化市场，尹青本人也坦言通用家用机器人或许还要十年。但Orbis所代表的范式转向仍然值得记录，当AI视频从"生成一段能看的片段"走向"持续运行一个可交互的世界"，视频生成的竞争维度就从画质与速度，转向了记忆、物理与实时交互，而这条路刚刚被踩出第一个脚印。
实时生成带来的第一个改变，是创作过程本身被重新定义。过去用AI做视频，创作者先把画面、运镜与节奏全部预设进提示词，再等待渲染结果，成品不满意就得回到起点修改提示词，一来一回常常以小时计；而Orbis这类"边生成边指挥"的模式，让创作者可以在画面流动的过程中随时喊停、改词、换向，创作从"渲染后审片"变成"边演边改"，与导演在现场调度演员和机位的方式越来越接近，影视预演、直播虚拟场景与互动叙事因此有了低成本试错的土壤，直播电商可以边播边换虚拟背景，游戏团队能让角色动作随语音指令即时变化，创作者与内容之间正从"提交后等待"走向"对话中共同创作"。
当然，实时交互的代价同样真实。持续流式生成意味着模型每时每刻都在做推理，对算力的消耗远高于"生成一段就停"的查询模型，Orbis要在普通硬件上做到4K流畅输出仍受很大限制，商业化是按订阅、按时长还是按生成量计费，行业也还没有共识；与此同时，长时生成的版权归属、内容标识与滥用风险会随着生成时长一起放大，监管框架尚在搭建。可以确定的是，一旦"生成需要等待"的惯性被打破，视频创作的入口逻辑、工具形态乃至内容消费习惯都会随之迁移，对Visko这样的16人初创团队而言，先用机器人训练数据的细分需求跑通商业闭环，再向更广阔的内容市场延伸，是一条务实的路径，而它把"持续运行的世界"作为产品内核的选择，已经给整个视频生成行业划出了一条新的起跑线。