Runway 赌：看够视频的模型，能当所有产品的底座Runway: Learning From Watching the World

Runway 押注，只要让模型海量看视频、学会预测下一帧，同一个底座就能同时支撑机器人、界面和操作系统。

过去六周，Runway 接连发布了多款新东西：实时生成界面的 Solaris、开源机器人模型 Praxis-1，还有操作系统预览 Continuum。

这些看似分散，背后是同一个赌注。核心是：模型像婴儿一样靠看来学。视频里藏着动作、物体和物理规律，比文字更接近世界本身，而且几乎取之不尽。

同一个底座，换个出口

做法是先用海量视频训练一个底座，让它学会预测下一帧画面。再把用户的点击、拖拽或机器人的动作当作输入，它就从视频生成器变成了能模拟世界的模型。

Solaris 把它用在界面上：不再写代码渲染按钮，而是逐帧画出来，拖动鼠标就实时变化。Praxis-1 用的是同一套底座，只是动作换成了机械手该去的位置。

机器人最缺的是数据，真人遥控机械臂采集一条操作既贵又慢。Runway 的测试显示，用网络视频预训练的模型，只需约 30 分钟机器人数据就能微调。

放东西的最终误差，网络视频训练的是 16.1 厘米，机器人遥操作视频训练的是 16.0 厘米，几乎打平。这说明普通视频里的知识能迁移到机器人身上。

押注能不能兑现

原文承认的难处不少：文字渲染还不稳定，长时间会话容易漂移，逐帧生成也比普通应用贵。Runway 估计视频模型落后语言模型一两年，算力需求可能还会超过大语言模型。

商业上，公司一边卖广告和影视工具，一边用收入补贴研究，称一个季度新增年经常性收入超过 1 亿美元。

说到底，Runway 赌的是：看够了世界的模型，能顶替很多专用模型。赌赢了，界面、机器人和影视会是同一个底座的几种用法；赌输了，它只是一家做得不错的视频公司。