🎯 情报来源：Artificial intelligence – MIT Technology Review
过去九个月，视频生成技术迎来重大突破。OpenAI公开Sora模型，Google DeepMind推出Veo 3，初创公司Runway发布Gen-4，这些模型生成的视频片段已接近真实拍摄或CGI动画水平。Netflix更在其剧集《The Eternaut》中首次采用AI视觉特效，标志着视频生成技术正式进入大众娱乐市场。
目前Sora和Veo 3已通过ChatGPT和Gemini应用向付费用户开放，使得普通用户也能轻松创作高质量视频内容。但随之而来的挑战包括：社交媒体充斥AI生成的低质内容，虚假新闻视频泛滥，以及视频生成过程消耗的能源远超文本或图像生成（可达数十倍）。
💡 核心要点
- 技术突破：最新视频生成模型采用潜在扩散变换器（Latent Diffusion Transformers），结合扩散模型与Transformer架构
- 商业进展：Veo 3首次实现音视频同步生成，Google称”正走出视频生成的无声时代”
- 能耗问题：视频生成单次计算能耗是图像生成的数十倍，但扩散模型仍比Transformer能效高30-50%
- 训练数据：模型基于数十亿组网络抓取的图文/视频配对数据，支持多种格式输出（竖屏短视频至宽屏电影）
- 应用门槛：专业工具已集成到视频工作流，普通用户可通过自然语言指令生成内容（平均需10次迭代优化）
📌 情报分析
技术价值：极高
扩散模型+Transformer架构实现跨帧一致性，支持多维数据压缩（潜在空间处理效率提升60%），Google实验显示扩散模型LLM比传统Transformer能效高40%
商业价值：高
Netflix等主流媒体采用验证商业可行性，但当前付费墙模式（ChatGPT Plus/Google One订阅）限制市场规模，预计2025年B端影视制作将率先规模化
趋势预测：高
多模态生成融合加速（音视频同步已成现实），Gartner预测到2026年30%营销内容将采用AI生成视频，但能源效率问题可能引发监管关注