过去两年，AI爆发出了惊人的创造力。下一步，我们该如何与所创造的世界交互？
这正是Noiz团队成员们持续想象、持续创造的命题。
2024年以来，AI内容生成迎来了真正的商业爆发。
OpenAI用ChatGPT打开了生成式AI时代；Midjourney、Runway、Pika、Luma、Seedance、PixVerse、Minimax H3、Wan3.0等一批生成模型快速崛起，AI视频、AI图片、AI音频相继完成商业验证。
随着AI内容生成进入商业化增长的快车道，资本也开始押注下一代AI。
李飞飞创办的World Labs完成10亿美元融资，几乎同时，杨立昆的AMI Labs也完成了10.3亿美元融资。
Google DeepMind、Meta、NVIDIA等科技巨头纷纷布局，行业的焦点，逐渐从「生成内容」转向「理解世界」。
然而，当这些模型真正进入产品时，AI领域迎来全新的挑战：
今天的大多数多模态模型，依然擅长生成（Generate），却无法实现沉浸式交互（Interact）。
它们可以按照指令生成一段视频、一张图片、一段语音，却无法持续理解环境变化，也无法随着用户行为实时响应。AI更像一个内容生成器，而不是一个能够持续参与世界的智能体。
更重要的是，交互远比生成昂贵得多。
一次内容生成，只需要完成一次推理；而实时交互意味着模型需要持续感知、持续推理，并在几十毫秒内不断响应。
GPU不再工作几秒，而是持续在线运行，推理成本往往比传统生成高出一个数量级。
这也是为什么，实时可交互多模态至今仍然很少真正进入产品。
就在这块空白里，一家成立数月的神秘团队Noiz，选择了一条几乎完全不同的路线——
他们训练出了新一代实时可交互多模态模型，推理成本仅为当前主流音视频模型百分之一。
