如果视频生成不再需要等待渲染完成，而是像直播一样持续输出、随时可改，创作流程会发生什么变化？Runway 给出的答案是：把生成过程本身变成可实时操控的流。
发生了什么
据 The Decoder 报道，Runway 正在推动一种新的 AI 视频形态：不再让用户提交提示后等待一段成品片段，而是以流式方式持续生成视频，用户可以在生成过程中不断输入提示、实时影响画面走向。
这一思路建立在此前发布的 GWM-1 之上。按 Runway 的描述，GWM-1 是一个“世界模型”，其特点是逐帧生成视频，而不是一次性合成整段内容。逐帧生成的机制天然适合流式输出——每一帧都可以在上一帧的基础上继续推演，从而支撑起“边提示边生成”的交互方式。
除了创意工具，Runway 还提到这一能力在机器人和自动驾驶领域的潜在用途。
为什么重要
当前主流的 AI 视频产品，交互范式基本是“提示—等待—成品”：用户写一段描述，等模型渲染出一段几秒到几十秒的片段，不满意再改提示重来。这种模式把生成过程封装成黑箱，用户只能在结果层面做取舍。
Runway 想改变的是这个范式本身。当视频以帧为单位持续生成，提示就不再是“一次性指令”，而更像一个可以随时调节的控制信号。这更接近游戏引擎或实时渲染管线的逻辑，而不是传统视频剪辑的逻辑。
选择“世界模型”这个定位也值得注意。逐帧预测下一帧，本质上是在学习环境如何随时间演化，这与机器人、自动驾驶所需的“预测接下来会发生什么”是同一类问题。Runway 把创意工具和具身智能放在同一套技术叙事里，说明它并不只想做一家视频生成公司。
影响与看点
对创作者而言，实时流式生成意味着工作方式从“抽卡”转向“操控”。如果提示能即时反馈到画面上，试错成本会大幅下降，视频生成可能更像使用一台摄像机，而不是提交一份订单。但这也对交互设计提出新要求：如何在不打断生成的前提下修改提示，如何保存和回放一段“生成过程”，都还没有成熟答案。
对行业而言，真正的门槛在于延迟和一致性。逐帧生成要实时输出，算力成本和推理速度是硬约束；同时，长时间流式生成很容易出现画面漂移或语义遗忘，如何维持前后帧的连贯性是核心难题。Runway 目前披露的是方向而非成品，实际体验与稳定性仍需观察。
对开发者和机器人领域来说，如果世界模型能以低延迟持续预测画面，它就可能成为仿真与规划的基础组件。不过从视频生成到可用的机器人控制之间，还隔着动作空间、物理精度和安全性等大量工程问题。
一个独立判断：Runway 这次押注的不是“更好的视频”，而是“视频生成的新交互层”。谁先把实时可控的生成流做稳，谁就可能在创意工具之外，拿到具身智能的入场券。
