A16Z：视频模型，不会一家通吃
金色传说大聪明约 3 分钟a16z 发了新文章
视频模型，不会一家通吃
There is no God Tier video model
什么意思？
以前大家卷的是 benchmark：谁生成时间长、物理效果好、更像真的
现在不一样了
模型开始专业化，没有单一神了
AI 视频模型，进入到了产品时代
以及：产品层面还有巨大空白
就算模型今天停止进步
创业者也要花好几年才能把产品做好
对于创业者来说，这才是真正的机会
Sora 2 和 Veo 3 在干什么
拿 Sora 2 和 Veo 3 做了对比，特别能说明问题
Sora 2 上个月发布，LMarena 排行榜上排在 Veo 3 后面
很多人可能觉得这是退步
但测下来发现：它们压根就不是在做同一件事
Veo 3专注于「物理仿真和音视频同步」
复杂运动、多物体交互、说话对口型，这些它都很稳
如果你要做专业创作，音视频必须完美同步，物理效果要准确，选它
Sora 2专注于「会导戏，会讲故事」
你给个简短提示词，它帮你写剧本（还挺搞笑），生成多个镜头
做梗图、做段子，特别适合，比如让霍金打篮球、让皮卡丘客串经典电影
但它音视频同步没 Veo 3 好，经常多个快切镜头，音频对不上
说白了，Sora 2 适合玩梗，Veo 3 适合专业创作
这个趋势不只是这两家
• Grok 做动漫特别好，快又便宜
• Hedra 做长视频的说话人物很稳 • Seedance Pro 可以一次生成多镜头场景 • Wan 是开源模型，有一堆 LoRA 可以调
就像 17、18 世纪的静物画家
画到一定程度，不是比谁更真实，而是比风格
然后，我们获得了更多的多样性和专业化
一个艺术的丰富时代
产品层还有巨大空白
这才是最激动人心的部分
模型能力和产品之间，有巨大的鸿沟
作者举了个例子，如果做一个家具展示视频，需要：
用 Ideogram 生成素材 →
用 nano-banana 处理 →
用 Veo 3 生成视频 →
用 Hedra 加人物 →
用 Krea 或 Kapwing 剪辑
这一套流程，普通人根本玩不转
但这些事情，完全可以做成一个产品自动完成
再看看创作者现在在手动做的事
• 搞定角色一致 • 串联首尾帧 • 控制运动镜头 • 拼接故事板
而这些，都应该是产品层面解决的问题
实际上，有些团队确实在做了
• Runway 发布了一套工具，可以编辑镜头、控制天气、增删物品 • Sora 发布了 Storyboard，能精确控制每个时刻的动作 • Veo 3.1 这个月的更新，几乎全是产品功能，模型本身没怎么改
但还远远不够
未来肯定会出现：
• 针对特定场景的专用模型（家居展示、营销、动画） • 帮你选模型优化生成效果的产品 • 把视频配音音乐整合在一起的创作套件
就像 LLM 也经历过这个阶段
模型进步放缓后，产品层爆发了
视频模型现在也到了这个时刻
最后
上面的内容，是 a16z 发布的
作者 Justine Moore，a16z 的合伙人
看这篇文章的时候
突然串联起了另一件事儿
昨天，LiblibAI 融了 1.3 亿美金，B 轮。投资方包括由红杉中国、CMC资本和一些大厂战投
有两个点：
• 这是是目前为止，中国 AI 应用的最大规模融资，超过 Manus 的 8000 万美金 • Lovart 也是这家的，解决了一站式创作
这么来看，大抵上说得通了，现在的主流趋势，从卷模型性能到卷产品体验
对大厂来说，可能有点失落
但对创业公司和开发者来说，这是最好的时候
把模型能力，变成普通人真正能用的产品
原文奉上
我还给带来了翻译版，并且重新拍了个版