对话智谱CEO张鹏：现在谈视频生成的商业化，为时尚早。
知危编辑部＆差评约 7 分钟哥几个，国内的视频生成应用，又上新了。。
就在今天，大家可能还沉浸可灵无法自拔的时候，国内的智谱 AI 上线了一个叫清影的 AI 生成视频产品。
跟 Sora 类似的 DiT 架构，支持文生视频和图生视频，生成一个 6s 的视频大概需要 30s。别的不说，这生成速度放现在一众视频生成应用里，确实拿得出手。
看官方给的 demo，这清晰度，还有这水花和波纹，如果不仔细看可能真就让AI给忽悠过去了。
不过这个吗喽打工，就差点意思了。手指敲键盘部分还有背景基本上都是变形的，但这埋头苦干的样子还挺符合打工人的形象。
主要这玩意儿现在是免费的，上线之后世超第一时间就测评了一波。另外，我们也有幸跟智谱CEO张鹏聊了聊，谈了谈他对于视频生成应用和大模型的一些看法。
首先，咱还是先来看清影到底啥水平？
先是比较考验提示词能力的文生视频，按照镜头语言+主体细节+光影的公式，世超随意发挥了一把。
别的不说，清影的提示词中文友好，大概 20s 的时间就结束了，在生成时长上几乎可以完胜大部分现役视频生成应用。（ 作为对比，可灵生成一个5s左右的视频需要几分钟甚至更长 ）
效果上，面部光影在随着街景发生变换，还有过程中眨眼睛的细节，也很自然。特别是人物面部的一致性，6s 的视频，几乎没有看到有变形的地方。
除了窗外的街景要扣分以外，已经算得上是一个合格的 AI 视频作品了。
还有这头狮子。
风吹着旁边的狗尾巴草，身体上的起伏的确是有的，左上角已经出镜的动物，非要说是羚羊也能圆过去。只不过这狮子的状态不太像是要捕猎，更像午觉刚睡醒。
既然日常的场景还算得心应手，我们再换个天马行空的试试：一条在隧道中自主飞舞的反光织物。
隧道、反光织物、自主飞舞，包括隧道里的灯还有尽头应该有的光，提示词里的要点清影基本都 get 到了，而且生成的效果也十分丝滑，看上去真有点奇异博士悬浮斗篷的意思。
继续让 AI 发挥想象力，看看什么叫做 “ 五彩斑斓的黑 ”。
测试到这，清影文生视频在生成速度上没得说，对提示词的抓取也基本上没有出现遗漏，但生成效果包括很多细节仍然有处理得不到位的地方。
就比如视频中文字的生成不够准确，把 “ SWEET ” 变成了一串乱码。
理解不了物理世界规律的毛病，也是屡教不改。最经典的，篮球在这位老哥手上，基本就是隔空在闪，看不出有一点弹力，不是我说，当年的《 篮球火 》就应该让AI来拍。
当然，这些也都是目前视频大模型的通病了，即便是 Sora 来 ，也难免会犯错。
另外，图生视频这边，我们同样简单测试了几个。
像幼苗向上生长，打眼一看还挺符合植物生长规律。
世超还请公司顶流火锅出来亮相了一波。前 3 秒的效果还凑合，就是这站起来之后，都快给咱锅哥整出影分身了。
火锅：溜了溜了
反正测试下来，世超对清影最大的感受，就是生成速度对得起官方的宣传。
至于生成效果，一些特定场景下确实让人眼前一亮，但依旧无法完全解决，诸如理解不了物理规律等业内视频大模型的通病。
智谱技术人员告诉我们，他们的技术路线其实是循序渐进的。大概意思是，从自然语言理解和生成指令遵循的抽象能力开始，再逐步将这种能力具体应用到图片、视频、声音等不同模态上。
只不过这条技术路线，同样也会受限于很多东西，比如算力，还有数据。
一个是相比于大语言模型的文本数据，视频需要的数据可能从这两三年才开始收集、做标注，能用的数据少之又少。
另外，视频数据的质量也不够高。
高质量的文本数据包括了文本的完整性、内容之间的逻辑性、用词的规范性还有内容的知识性等等。换到视频数据也一样，甚至视频数据里包含的细节要复杂得多，像什么视频内容的丰富性，是不是高清，运镜分镜又是怎么处理的。。。
简而言之，视频模型所需的数据数量少，获取成本也更高。
由于底层的算力、数据，导致的视频内容可控性、画面闪烁和帧率等等一系列技术问题，即使是智谱，也认为现在谈视频大模型的商业化，还为时尚早。
但话又说回来，今年视频生成应用的接连涌现，也说明了一个问题：视频生成的方向是可行的，现在大家劲儿往一处使，剩下只是时间问题。
而除了对视频生成应用的探讨以外，被称为大模型四小龙之一的智谱，不光是在视频生成上有所布局，如果熟悉国内 AI 圈的人可能听说过，智谱几乎是全线在对标 OpenAI。
我们这次也跟智谱 CEO 张鹏聊了聊，他对于大模型行业的一些见解。
还有前阵子，百度 CEO 李彦宏提出“开源大模型将越来越落后”的观点，也引发了热议。
针对这些热议话题，我们试着询问了CEO 张鹏的看法。
对于 “ 百模大战 ”，在商业化方面，还是要打造分层生态圈，联手踏实落地，避免 “ 重复造轮子 ” 的内耗。
如今，中国大模型赛道正在从拥挤走向分层。大部分技术进步大抵如此：新技术产生，大家一拥而上；当技术发展到一定程度，自然而然地会分层——有些人解决底层的问题，有些人解决中间的问题，有些人解决上层的问题，相对稳固而不是混乱的生态，大家互相促进。
我们希望做的，就是用通用智能水平比较高的模型给大家赋能，智谱AI负责模型推理训练、算力、适配等高复杂事项，行业和企业端则可以无压力地部署应用，期待大模型的成果能够更广泛地应用于各个行业。
2024年大模型应用将进入落地期，一方面垂直领域大模型的商业化应用正在加速，另一方面多模态大模型涌现，应用场景也将更加丰富。
智谱希望做的，就是能用通用智能水平比较高的基座模型去赋能大家，让大家去做行业应用。我们做好 L0 的层面，赋能伙伴和客户做好 L1 和 L2。
真正能够提供商业化服务的公司还是比较少的。从一个模型概念到一个能运作的模型，再到一个能商业化的方案，中间每一步都是巨大的跨越。
撰文：西西
编辑：江江 & 大饼
美编：焕妍
图片、资料来源：
智谱AI、部分图源网络