剪辑部 发自 凹非寺sex5 com

量子位 | 公众号 QbitAI

奥特曼说，Sora代表了视频生成大模子的GPT-1时刻。

从开年到当今，国表里、初创独角兽到互联网大厂，王人纷繁参加视频生陋习模，带来一个个崭新模子的同期，视频、影视行业也随之发生剧变。

不可否定，当下的视频生成模子还遭受诸多问题，比如对空间、对物理法例的清爽，咱们王人期待着视频生成的GPT-3.5/4时刻到来。

在国内，有这么一家从加快考试启航的初创公司，正在为此竭力。

它即是潞晨科技，首创东说念主尤洋博士毕业于UC伯克利，后赴新加坡国立大学担任校长后生老师。

本年潞晨科技在加快缱绻规模以外，建立视频生成模子VideoOcean，为行业带来更具性价比的选用。

在MEET 2025现场，尤洋博士也向咱们共享这一年关于视频生陋习模的清爽与剖析。

MEET 2025智能改日大会是由量子位阁下的行业峰会，20余位产业代表与会询查。线下参会不雅众1000+，线上直播不雅众320万+，获取了主流媒体的鄙俚温雅与报说念。

（为更好呈现尤洋的不雅点，量子位在不改革欢跃的基础上作念了如下梳理）

今天相等情愿来到量子位大会，相等情愿和大众疏浚，今天讲一下咱们在视频大模子规模作念的一些责任。

领先是我和我的创业公司潞晨科技的先容。我从UC伯克利毕业到新加坡国立大学任教，很交运创办了潞晨科技。

咱们之前是作念算力优化的。2018年谷歌打造了天下上第一个千卡集群TPU Pod，那时天下上最大的模子还是BERT。咱们匡助谷歌，将（那时）天下上最大模子的考试时期从3天压缩到76分钟。

也很交运，客岁华为盘古大模子的一个责任亦然咱们沿路来作念的，并获取了ACL最好论文。咱们的期间匡助华为盘古大模子在考试中更高效。微软、英伟达等公司团队也使用了咱们的期间作念一些区别式考试，咱们但愿让大模子考试更快、资本更低。

步入今天的话题，来要点先容一下视频生成大模子。

咱们打造了一个产物叫Video Ocean，当今正处在测试阶段。先来先容一下产物，后头再推敲我以为视频大模子将会如何发展。

领先，我以为视频大模子第一个迫切的方面是，它应该能够结束邃密化的文本限定。

其实咱们今天王人在用AI去生成大模子了，咱们确定但愿它能够精确反应出念念要的东西。但很缺憾，比如当今用文生图APP去生成图一忽儿，还是会发现好多图片实质无法作念到精确限定，是以我认为这方面还有很大的发展空间。

在Video Ocean模子考试经过中，咱们作念了一些初步探索。一个相比好的例子，咱们能够精确地提供一些描写，戴着墨镜，长的胡茬的欧洲男东说念主。无庸赘述这个视频内部确乎是咱们念念要的阿谁嗅觉，蓝天、海岸、沙滩、背光、单手合手相机、玄色T恤，也有对着镜头言语。

我认为AI视频大模子改日3年可能最迫切的还是结束视频大模子的Scaling Law。

这个经过不需要相等炫酷的产物智力，最迫切的是把它的模子与实践天下的畅达智力作念到极致。我以为最终阵势即是东说念主们说一段话、给一段描写，它能精确地把描写以视频的神色展示出来。

是以我以为改日3年，AI视频大模子就像山姆·奥特曼说的那样，今天是Video的GPT-1时刻，可能3年后到视频大模子的GPT-3.5、GPT-4时刻。

这里展示一下Video Ocean的Demo，目下咱们作念到了这么的水平。

潞晨科技

，赞687

第二点是改日视频大模子怎么能够结束轻易机位、轻易角度。

当今拍电影、拍记载片可以拿入部属手机、录像机不休地晃，念念怎么晃就怎么晃，这么是对镜头有确凿限定的。改日AI视频大模子，领先应该作念到这少量，一样的描写，换一下角度、换一个镜头，它的形象是不应该改革的，它即是一样一个物体。

更进一步讲，改日AI视频大模子还能颠覆好多行业。比如当今看足球、看篮球赛，咱们看到的镜头是现场编导给咱们看的镜头。他给咱们看前景、近景。

改日能不成依靠AI视频大模子，东说念主来限定镜头，决定念念要看哪，终点于在畅通场里可以倏得出动，出动到教悔席、终末一转、第一转。轻易机位、轻易角度的限定。我以为改日AI视频大模子在这方面也口舌常要道的，天然天然Video Ocean当今作念了一些尝试，初步成果还是可以的。

我以为第三点迫切的是变装一致性。

因为作念出AI视频大模子，最终确定是需要产生营收、结束变现的。谁会怡悦为这个付费，比如告白责任室、告白商、电商博主、影视行业。若是长远这些行业的话，一个要道点是变装一致性。

比如一个产物的告白，确定重新到尾这个视频中的一稔、鞋、车，面孔不成有太大变化，物体变装保合手一致性。

拍一部电影，从伊始到肃除，主演的面孔、要道副角的面孔确定也不成变化，在这方面Video Ocean也作念一些很好的探索。

再一个是立场的定制化。咱们知说念当今演员东说念主工资本口舌常贵的，说念具资本也很高。

改日3年之内，若是AI视频大模子当年发展，我嗅觉会有一种需求，比如一个导演可以让一个演员在拍浮池里拍一段戏，然后拿到素材通过AI将它转成泰坦尼克场景下的拍浮，转成阿凡达场景下的拍浮，这种智力反而是AI最擅长的。赋予电影感、艺术感的画面。

总之大模子一个径直的愚弄价值即是冲破实践的铁心，能够极大裁汰确凿场景复现的难度。

可能之前大众听过一个段子，好莱坞导演念念制造一个爆炸镜头，他算了一下预算，第一种决策是盖一个城堡把它炸掉，第二个决策是用缱绻机模拟这个画面。资本算下来之后，发现这两种决策的资本王人很高，那时用缱绻机模拟的资本更高，当今AI即是要大幅裁汰大模子关于生成电影的资本。

若是这少量结束后，咱们可以不受时势、天气等外部身分的铁心，并减少对确凿演员的依赖。这倒不是抢演员的饭碗，因为一些要道镜头口舌常危急的，比如演员跳飞机、跳楼，演员去辅助行将引爆的炸弹之类，这种镜头改日只需要演员的身份和肖像权，AI可以把这么的镜头作念好，是以对电影行业能够极大作念到降本增效。

正如昆仑万维方汉憨厚刚才说的，固然咱们的缱绻资源有限，关联词咱们发现通过更好的算法优化确乎能够训出更好的成果，比如Meta使用6000多个GPU考试30B的模子，最近咱们会在一个月内发一个10B版的模子，咱们仅用了256卡。

Video Ocean前身是咱们团队先打造了一个Open-Sora的开源产物，这个开源产物是富余免费的，在Github上，成果相等可以，比如好意思国独角兽Lambda labs作念了一个火爆的愚弄数字乐高，其实这个数字乐高即是基于Open-Sora作念的。

本年年头Sora出来之后，多样短视频巨头王人对视频大模子这一块相比深爱，比如中国的快手、抖音，好意思国即是Instagram、TikTok、SnapChat，这可以看到SnapChat的视频模子也在早些时候发布了，叫Snap Video，这是它的官方论文，他们就援用了咱们考试视频大模子的期间，是以说这些期间也匡助一些巨头信得过把视频大模子训得更快，精度更高，智能进度更高。

谢谢大众！

点击https://video.luchentech.com可体验Video Ocean更多精理智力

— 完 —

量子位 QbitAI · 头条号签约

温雅咱们sex5 com，第一时期获知前沿科技动态