12月22日-23日，以“智能涌現(xiàn)·發(fā)現(xiàn)未來”為主題的網(wǎng)易未來大會在浙江杭州舉辦。在AGI 論壇“AI 三人行”圓桌對話上，南京大學智能科學與技術學院副教授易子立、「靈動AI」創(chuàng)始人雷海波、AI 繪畫知名博主娜烏斯嘉三人，共同就《AI 生成視頻往何處去?》分享精彩觀點，英諾天使基金合伙人王晟為本次對話主理人。

　　易子立首先教授表示，隨著AI 熱潮的來臨，很多企業(yè)已經(jīng)在嘗試使用AI工具，但文生圖、文生視頻的技術仍有待進一步成熟。目前，AI生成視頻的主要技術路徑是擴散模型，未來的趨勢有可能是歸回大模型訓練的方式。國外在視頻生成底層技術方面具有一定的領先優(yōu)勢，國內(nèi)在像2D 數(shù)字人、AI 社交這樣的細分應用上表現(xiàn)更好。相信伴隨算力水平的提升和技術范式的革新，將來國內(nèi)有可能在某些方面超越國外。

「靈動AI」 創(chuàng)始人雷海波

　　“「靈動AI」是將生成式AI圖像技術應用于營銷設計端的創(chuàng)業(yè)企業(yè)，我們過去20年一直在視覺設計和視覺影像行業(yè)探索”?！胳`動AI」 創(chuàng)始人雷海波在談及視覺大模型話題時表示，過去做設計社區(qū)、媒體和設計平臺，幾乎每天都與設計師、設計機構打交道。據(jù)我所知，目前國內(nèi)一些頂尖藝術設計類高校，已在日常教學和設計項目中應用了文生圖等大模型。因此，AI在生圖領域的能力毋庸置疑，但生成視頻，落地應用可能還需要半年到1年的時間。

　　面對國內(nèi)大模型廠商為何競爭不過國外的問題。他直言，造成這一現(xiàn)象的原因，不僅僅是技術、算力、數(shù)據(jù)集方面的差距，從設計的維度來看，國內(nèi)廠商對美學理解還存在欠缺。事實上，當下 Midjourney 生成圖的調(diào)性、氛圍、光影質(zhì)感，已經(jīng)遠超越人類的表現(xiàn)。如果國內(nèi)大廠能做出類似 Midjourney 視覺模型，并結(jié)合高品質(zhì)的數(shù)據(jù)集，配合行業(yè)認知和產(chǎn)業(yè)化落地能力，垂直應用層面一定是有很大機會的。

　　被問及「靈動AI」的落地應用場景，他回答的簡單而直接，“我們主要是面向前綴場景，比如營銷，特別是電商營銷。過去，數(shù)億的商家和數(shù)十億的SKU(單款商品)的營銷物料都是靠人工來實現(xiàn)的?，F(xiàn)在試想，如果上傳的商品信息既能在文字、圖像等模態(tài)上保持不變，又能夠與文字、圖片、視頻等模態(tài)模型實現(xiàn)很好的融合，從而為商家產(chǎn)出AI商品圖、海報、短視頻，甚至是3D交互內(nèi)容，這個市場需求是很大的。今年，「靈動AI」主要發(fā)力點在文生圖、垂類模型的研發(fā)及探索行業(yè)應用，但我們看到了文生圖、圖生視頻對創(chuàng)意生產(chǎn)力帶來的解放，更期待AI在3D領域的高質(zhì)量生成能力”。

　　作為AI領域的知識博主和模型訓練師，娜烏斯嘉認為，AI在視頻生成領域歸結(jié)為四類場景：原視頻風格轉(zhuǎn)化、瞬息全宇宙、圖生視頻、場景轉(zhuǎn)換視頻。目前主要是廣告制作、預告片制作、推文和短視頻創(chuàng)作等領域嘗試較多。在圖片生成方面， AI 已能達到各種炫目的效果，但在視頻生成領域由于控制手段較少，表現(xiàn)力受到一定限制。例如：人物表情在視頻中的一致性不夠，容易出現(xiàn)“恐怖谷效應”。她希望在視頻生成效果控制上，技術能夠做到更加精準。但在AI的世界里，創(chuàng)造性的想法一定是大于技術。

英諾天使基金合伙人王晟

　　站在投資人的角度，王晟表示，目前生成式視頻的熱度非常高。今年，風險投資主要表現(xiàn)為兩端集中：一是資金端集中，只有部分VC敢于真正的出手;二是項目端集中，VC的資金主要投向了計算能力相關項目，如GPU、芯片、高速無損網(wǎng)絡、大模型等。明年，大家比較期待的是多模態(tài)模型領域，以及多模態(tài)能力的落地應用。

　　當然，AI作為一項智能技術，需要全社會不斷地對它加深認知，需要政府、科學家、企業(yè)、媒體、資本等共同參與，這樣才能促使其獲得更好的良性發(fā)展。

　　據(jù)悉，「靈動AI」目前已上線近千個商品圖場景，初步形成AI工具矩陣。由于擁有特定風格場景的LoRA模型，多個億級參數(shù)的專用AI模型以及智能審美評價系統(tǒng)，在主體控制下，使生成商品圖呈現(xiàn)獨特的視覺特征和美學調(diào)性，從而為企業(yè)級用戶提供更好的服務。