一年前，Google 在 AI 赛道上还是「追赶者」的形象。ChatGPT 席卷硅谷时，它显得迟缓。 但短短几个月后，情况突变。 Gemini 2.5 Pro 横扫各大榜单，「香蕉」模型 Nano Banana 让生图、修图成了轻松事；视频模型 Veo 3 展示了物理世界的理解力；Genie 3 甚至能一句话生成一个虚拟世界。
视频，早已是我们这个时代的默认语言。 从社交媒体的刷屏狂欢到大银幕的光影叙事，我们每个人都深度参与其中。而当 AI 技术让视频的创作门槛骤降，一个更加公平的「AI 视频模型竞技场」也随之拉开帷幕。
AI视频生成正在迎来“通义时刻”！ 就在昨夜，阿里突然发布了一款由音频驱动的14B视频模型Wan2.2-S2V—— 仅需一张图片和一段音频，即可生成面部表情自然、口型一致、肢体动作丝滑的电影级数字人视频。
电影级视频生成模型来了。
世界首个实时AI扩散视频模型炸场，Karpathy亲自站台，颠覆AI视频交互，0延迟+无限时长，每秒24帧不卡顿，MirageLSD首次实现AI直播级生成。
你可能听说过OpenAI的Sora，用数百万视频、千万美元训练出的AI视频模型。 但你能想象，有团队只用3860段视频、不到500美元成本，也能在关键任务上做到SOTA？
今年最火的视频 AI 视频模型 Veo3 ，最近又迎来更新，能让图片开口说话了。Google CEO Sundar Pichai 发 X 说，自从五月 Google 开发者大会以来，用户已经使用 Veo 3 创建了超过 4000 万的视频。
以前常说「要把自己活成一支队伍」，如今感谢 AI，真的实现了。 最近，生数科技旗下 AI 视频模型 Vidu Q1 推出参考生功能，极大简化传统内容生产流程，真正实现「一个人就是一个剧组」！
总部位于洛杉矶的人工智能视频生成初创公司Moonvalley 团队认为，仅靠文本提示无法完成电影制作。
最近，一类「穿越 vlog」爆火了。有人让 Veo 3 变成「时间机器」，将人们带回历史事件中进行现场直播。
