本文來源：時代周報作者：雨辰

在AIGC技術(shù)快速迭代的當下，圖生視頻正在從實驗室走進創(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、首席科學家林達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?！?/p>

今年5月，CreateAI發(fā)布《多模態(tài)生成技術(shù)在動畫制作領域的應用與發(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”。

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

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

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？

林達華：這是我們高度重視的關鍵能力。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)生成的準確性和物理性的要求極為嚴格。若生成的結(jié)果不符合物理規(guī)律，將其用于駕駛訓練，將導致災難性的后果。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用場景？在哪些環(huán)節(jié)真正能發(fā)揮價值？

林達華：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)思出豐富的細節(jié)。然而，若有一張圖片作為基礎，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，我認為真正的個性化生成，不應僅依賴文字描述，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端應用場景。假設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)作者的關系？

林達華：我們一直認為，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當作一個真正服務創(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)容進行把控。當發(fā)現(xiàn)生成內(nèi)容不合適時，你可以指導它進行修改，掌控生成的脈絡，這就是交互式生成的核心所在。

國內(nèi)驚現(xiàn)“異世界入口”?就在陜西!

總想出趟國，探尋神秘的異世界景觀？別折騰啦！其實，在中國陜西，就藏著一處歷經(jīng)萬年雕琢的“異世界入口”，美得令人窒息——。這可不是美國的羚羊谷，而是被《國家地理》盛贊為“中國最美霞谷”的陜西甘泉大峽谷-。它靜靜地隱匿在黃土高原的深處，是大自然這位頂級藝術(shù)家，耗時上萬年，精心雕琢的杰作。峽谷內(nèi)獨特的紅砂巖地質(zhì) 公交可達的"異世界入口"坐上廈門島內(nèi)始發(fā)的637路公交車，車窗外的風景從雙子塔的玻璃幕墻逐漸過渡成連綿茶田。當"小坪森林公園"的站牌躍入眼簾時，別急著下車——。真正的秘境藏在距離公園大門兩公里處的無名路口——跟著拎著竹籃的采茶阿嬤拐進一條青石板路，十分鐘后你會看見驚心動魄的一幕：一條三百年歷史的引水還有呢？

通往其他維度的傳送門真的存在嗎?

根據(jù)斯圖克爾貝格博士的說法，在CERN的地下，有一個傳送門——一個通往異世界的入口——通過它，不同維度的生物正來來往往——|。這些說法雖然離奇，但并非毫無根據(jù)。關于CERN及其宏大實驗的陰謀論由來已久_。有些人認為，在這個龐大設施的深處進行的高能碰撞，可能會打開通往其他維度的大門，創(chuàng)造蟲洞，甚至可能導致時空連續(xù)后面會介紹。
分析現(xiàn)代人將地鐵隧道、廢棄工廠視為“異世界入口”的現(xiàn)象：柏林地下軍事堡壘、重慶防空洞等案例，體現(xiàn)都市傳說對現(xiàn)實空間的改造邏輯。結(jié)合心理學“閾限空間”理論，說明這種投射本質(zhì)是高壓社會中對秩序顛覆的隱秘渴望_。自然地貌的隱喻式入口聚焦桂林“疊彩山”、蘭州“雁山”等地名意象，解讀喀斯特溶洞、丹霞裂隙等地質(zhì)到此結(jié)束了？。