本文來源：時代周報作者：雨辰

在AIGC技術(shù)快速迭代的當(dāng)下，圖生視頻正在從實驗室走進(jìn)創(chuàng)作室、工作坊和工業(yè)一線。

2025世界人工智能大會（WAIC2025）期間，商湯科技聯(lián)合創(chuàng)始人、執(zhí)行董事、首席科學(xué)家林達(dá)華博士在接受時代周報等媒體采訪時，深入剖析了多模態(tài)大模型的演進(jìn)趨勢、技術(shù)挑戰(zhàn)與商湯的戰(zhàn)略布局。他強調(diào)：“多模態(tài)能力是通向通用人工智能（AGI）的必經(jīng)之路。”

今年5月，CreateAI發(fā)布《多模態(tài)生成技術(shù)在動畫制作領(lǐng)域的應(yīng)用與發(fā)展白皮書》，該報告首次以中國動漫電影《哪吒2》為案例，結(jié)合權(quán)威數(shù)據(jù)，揭示了AI在激發(fā)創(chuàng)意與優(yōu)化流程方面如何實現(xiàn)“降本增效”。

林達(dá)華認(rèn)為，生成式AI的未來，不應(yīng)僅僅追求“從文字直接生成圖像或視頻”的技術(shù)炫技，而應(yīng)聚焦于創(chuàng)作者意圖與結(jié)果之間的精準(zhǔn)對接?！癆IGC的終極形態(tài)，是一個真正服務(wù)創(chuàng)作過程的交互工具?！?/p>

商湯科技聯(lián)合創(chuàng)始人、執(zhí)行董事、首席科學(xué)家林達(dá)華博士

時代周報：從技術(shù)角度來看，在視頻生成過程中，如何實現(xiàn)對空間結(jié)構(gòu)和物理邏輯的有效把控？

林達(dá)華：商湯很早就布局了數(shù)字人、三維建模等方向，因此在三維空間建構(gòu)方面積累深厚。在Sora引發(fā)關(guān)注時，我們也研究了它的視頻質(zhì)量，的確在視覺效果上令人驚艷，但它在物理規(guī)律的掌握上存在明顯不足——它采用的是基于時間的一幀幀生成邏輯，本質(zhì)上并不具備三維結(jié)構(gòu)的建模與控制能力。相比之下，商湯內(nèi)部一直在探索如何將三維結(jié)構(gòu)能力應(yīng)用于視頻合成，讓生成視頻在空間結(jié)構(gòu)和物理邏輯上都更加真實可控。

這一優(yōu)勢也體現(xiàn)在我們參與的奧運場景應(yīng)用中。例如在去年奧運會乒乓球等項目中，我們把三維的結(jié)構(gòu)的這種信號，用于控制視頻的生成，使得它生成的結(jié)果符合物理的結(jié)構(gòu)、物理的規(guī)律。成功實現(xiàn)對球拍與球體軌跡的精準(zhǔn)還原，為賽事回放與輔助判罰提供了強有力的技術(shù)支持。

時代周報：在實際運用中，視頻生成結(jié)果“符合物理邏輯”有多重要？

林達(dá)華：這是我們高度重視的關(guān)鍵能力。生成內(nèi)容不僅要“看起來真實”，更要“邏輯上成立”。例如，商湯的“開悟”世界模型，在某種意義上，也可被視為一種視頻生成模型，但它對三維結(jié)構(gòu)生成的準(zhǔn)確性和物理性的要求極為嚴(yán)格。若生成的結(jié)果不符合物理規(guī)律，將其用于駕駛訓(xùn)練，將導(dǎo)致災(zāi)難性的后果。所以，相較于一些AI公司追求生成畫面越“炫”越好，商湯更強調(diào)結(jié)果的正確性：我們生成的畫面必須符合物理規(guī)律、空間邏輯，并具備可解釋性。

時代周報：圖生視頻較文生視頻有哪些提升？圖生視頻具體有哪些典型應(yīng)用場景？在哪些環(huán)節(jié)真正能發(fā)揮價值？

林達(dá)華：相較于文生視頻，圖生視頻顯然具備更堅實的依托。以文字為例，若要生成一只在空中飛翔的鳥，單憑文字描述，系統(tǒng)難以構(gòu)思出豐富的細(xì)節(jié)。然而，若有一張圖片作為基礎(chǔ)，生成的結(jié)果便會日新月異。例如，要求系統(tǒng)生成“我媽媽微笑的照片”，若系統(tǒng)未曾見過你母親，又怎能憑空創(chuàng)造？顯然，必須有一張實際圖像作為參考。因此，我認(rèn)為真正的個性化生成，不應(yīng)僅依賴文字描述，而需以真實影像為支撐，方能實現(xiàn)這一可能性。

從圖生視頻的角度來看，最直接的莫過于C端應(yīng)用場景。假設(shè)你家中存有大量照片，希望讓它們“動”起來，這無疑是一個極具吸引力的創(chuàng)意。早期，我的團隊開發(fā)了AnimateDiff，影響力較大。如今，許多后續(xù)的圖生視頻研究都與AnimateDiff有著千絲萬縷的聯(lián)系。我們注意到，這項于2023年開源的技術(shù)，被廣泛用于創(chuàng)作各類充滿想象力的視頻，用戶僅需幾張照片便能展開創(chuàng)作。

時代周報：圖生視頻的價值在哪里？您怎么看AI和人類創(chuàng)作者的關(guān)系？

林達(dá)華：我們一直認(rèn)為，文生視頻也好，圖生視頻也好，都不是生成式AI的終極形態(tài)。真正的理想狀態(tài)，是將創(chuàng)作者的意圖與生成過程深度融合，把AI當(dāng)作一個真正服務(wù)創(chuàng)作流程的“工具”。

在我理解，包括我們剛剛發(fā)布的視頻平臺上的SekoAI，它是一個交互式創(chuàng)作工具，我們將視頻的制作視為一種創(chuàng)作，而不是僅僅輸入一句話后就不管不顧，等待它生成一個結(jié)果。這個結(jié)果很可能并不符合你的預(yù)期，也不一定能直接使用。

真正有價值的是，它能大幅減少你的工作量，同時你仍能對最終的生成內(nèi)容進(jìn)行把控。當(dāng)發(fā)現(xiàn)生成內(nèi)容不合適時，你可以指導(dǎo)它進(jìn)行修改，掌控生成的脈絡(luò)，這就是交互式生成的核心所在。

「書荒救星」10本主角歐氣爆棚的網(wǎng)游小說!天命之子玩轉(zhuǎn)數(shù)據(jù)世界

?《重生之幸運值Max》作者：錦鯉轉(zhuǎn)世三大爽點：雙重生+氣運疊加+因果律武器男主帶著滿級幸運值回到游戲開服日，隨手接的跑腿任務(wù)竟是SSS級連環(huán)劇情！看歐皇如何用新手木劍捅穿終極副本，連NPC都忍不住吐槽：quot;這屆冒險者開掛！quot;?《全服都以為我是GM小號》作者：玄不改非特色玩法：官方認(rèn)證"游戲平衡破壞者"頂著紅 小說：全民網(wǎng)游我滿幸運值，神裝爆不停，虐怪如切菜今日推薦：《網(wǎng)游之開局滿級幸運值》作者：咬筆酌文|-。點擊文末超鏈接開始觀看吧～第241章吞噬腰帶影襲！“叮！觸發(fā)力王護手，四倍傷害觸發(fā)——?！薄岸?！觸發(fā)符文錯亂，力量屬性爆發(fā)?！薄岸?！觸發(fā)暴擊，傷害翻倍-?！薄岸?！造成76181點傷害?！币粋€高額傷害讓希望你能滿意_——。

讓人欲罷不能的小說《網(wǎng)游之開局滿級幸運值》,你想要的全都有

“叮！玩家葉青觸發(fā)暴擊屬性，對變異夜鴉造成137點傷害?！薄岸＃⊥婕胰~青觸發(fā)暴擊屬性，對變異夜鴉造成116點傷害。”兩匕首直接帶走了變異夜鴉一大半血量——|。“果然臭烏鴉防御力很低，我兩把武器都造成傷害，我看你怎么和我打！”葉青嘲諷道。變異夜鴉嘎嘎叫著翅膀一甩，兩片墨黑色的羽毛如同飛劍一般射去?！岸＃⊥婕矣袔椭堻c贊--。
葉青的幸運值不止體現(xiàn)在了爆率上面，就算是傷害，還是防御都起到了近乎BUG般的效果，只要葉青打出的攻擊基本都能產(chǎn)生暴擊，而受到傷害時，只要略微躲閃，都能夠觸發(fā)閃避屬性。頭頂上不停冒出的MISS看的葉青自己都驚呼變態(tài)||。每次升級都會有自由屬性點，葉青斟酌了一番，按照3力2敏的加點設(shè)置，擁有獨行者技能，力量說完了|——。