红杉的答案是：Not your weights, not your product
AI 应用真正的壁垒，不是接入了多强的模型，而是产品产生的数据能否持续改善自己的模型，再由模型反过来改善产品。
如果核心智能来自外部 API，产品最重要的能力、成本和供给都不完全由自己控制。竞争者也能调用同样的模型，提示词和界面上的领先通常很容易被追平。
应用公司正在变成新的 AI 实验室
红杉合伙人 Sonya Huang 提出的“主权 AI”，并不是要求每家公司从头训练基础模型，而是强调：当智能已经成为用户选择产品的主要理由，公司就需要逐步掌握最核心的 AI 能力，必要时深入到模型权重层。
这个判断成立的前提，是开源模型已经提供了足够高的共同起点。应用公司可以在此基础上，用后训练、行业数据和用户反馈，形成垂直领域的性能优势。
基础模型本身不是差异化。真正难以复制的，是一家公司积累了什么数据，如何判断结果好坏，又能否把这些判断稳定地变成训练信号。
因此，未来一部分应用公司不会只是模型能力的分销渠道，而会成为新的 AI 实验室。它们的研究不脱离产品，而是直接发生在用户使用、反馈和模型迭代的循环中。
互动内容必须先有真实用户
这一逻辑在互动内容领域尤其强。
文本、图片和视频都能从互联网上找到大量现成素材，但互动模型需要的不是一个静态结果，而是一条连续轨迹：用户希望世界发生什么变化，系统如何回应，用户是否满意，接下来又采取了什么行动。
这种数据很难靠爬取获得，也很难由人工标注替代。一个世界是否有趣、一次反馈是否让人愿意继续参与，本来就是在真实使用中才会出现的判断。
这和自动驾驶的数据逻辑相似。只有车辆真正上路，才会产生环境、决策和结果相互对应的数据。互动模型也只有进入真实产品，才能知道什么样的世界值得生成。
所以我更看重“先有应用，再让应用反哺模型”的顺序。应用不是模型完成之后套上的外壳，而是模型持续学习的数据环境。
用户使用应用，产生行为数据；数据推动模型迭代；模型改善体验；更好的体验又带来更多用户和更深入的互动。所谓“模应一体”，本质上就是让这个闭环转起来。
世界不只是连续的画面
现有视频世界模型已经可以根据键盘操作实时生成连续画面，但画面连续并不等于世界真正存在。
一个可交互世界还需要持续的状态、规则和因果关系。钥匙被拿走后不能重新出现在桌上；桥被摧毁后，路线、任务和角色行为都应随之改变；多人进入同一个世界时，也应面对同一组事实。
这些问题无法仅靠更准确地预测下一帧解决。
Roblox 的研究选择让代码管理状态和规则，让 AI 生成画面，再用视觉语言模型连接两套系统。这证明了“逻辑”和“生成”必须共同在场，但也意味着系统需要持续协调两种不同机制。
Loopit 公布的路线则试图从互动内容出发，把可执行逻辑和多模态实时生成结合起来：先用 AI Coding 建立世界的规则、状态与交互，再让用户通过语言、动作、声音和视觉持续参与。
它把自己的思路概括为“先计算世界，再生成世界”。我认为这句话点中了世界模型的关键：系统不仅要生成用户看到什么，还要计算世界里究竟发生了什么。
从探索世界走向改变世界
Zing-0.5 的阶段性变化，是同时处理空间行动和语义意图。
用户通过 WASD 决定去哪里，通过自然语言表达希望发生什么。前者作为空间控制进入扩散变换器，后者经由 Agent 转化为关键提示，再作为语义条件共同影响实时视频反馈。
这不只是增加了一种输入方式，而是把“探索世界”和“改变世界”放进同一条生成链路。用户不再只是观看或移动，而开始参与世界事件的形成。
不过，当前更适合观察路线，而不是急于判断结果。Zing-0.5 能把状态、规则和生成融合到什么程度，能否在长时间、多用户互动中保持一致，素材本身还不足以给出答案。
真正的窗口是数据积累
很多公司会认为，可以先用外部模型把应用做大，以后再考虑自研。但这里有一个容易忽略的问题：数据只有在采集方式、反馈结构和训练目标从一开始就相互匹配时，才容易转化为模型能力。
如果早期产品完全围绕别人的模型设计，后来即使积累了大量用户行为，也未必能直接变成自己的训练资产。数据飞轮不是有了规模之后自然出现的，而要从产品设计之初就开始建设。
当然，并不是所有应用都必须拥有模型权重。企业软件的壁垒可能更多来自工作流、客户关系和组织知识，长期调用外部模型也可能成立。
但在互动内容中，智能体验几乎就是产品本身。用户是否留下，取决于世界有没有趣、能否理解意图、是否持续给出惊喜。在这样的领域，应用、数据与模型分离得越久，长期竞争力就越难建立。
我关注 Loopit，不是因为一次模型发布已经证明了终局，而是因为它同时尝试解决三件事：用真实产品获得用户，用用户互动产生独有数据，再把数据转化为自己的模型能力。
最终的护城河不会是一组孤立的模型权重，也不会是一个流量可观的应用，而是两者之间不断运转、难以搬走的数据闭环。