2025 年 3 月,中国 AI 领域迎来历史性突破。腾讯、阿里巴巴、阶跃星辰等科技巨头相继开源视频生成模型,以 130 亿参数规模的图生视频模型、支持无限长 1080P 编解码的万相 2.1 等技术突破,打破了视频生成领域长期由闭源模型主导的格局。这场开源潮不仅重塑了行业竞争规则,更将 AI 创作的门槛推向大众。
技术突破:从静态到动态的进化
腾讯混元团队推出的 130 亿参数图生视频模型,通过全注意力机制架构实现了图像到视频的无缝转换。用户只需上传一张图片并简单描述运动轨迹,即可生成 5 秒动态视频,支持人物对口型、复杂动作驱动等功能。演示案例中,爱因斯坦吃苹果、机械马漫步等场景的流畅度与物理真实性,已逼近专业影视制作水平。

阿里巴巴的万相 2.1 模型则在长视频生成领域取得突破,其 14B 版本支持无限时长的 1080P 视频编解码,并首次实现中文文字直接生成视频。更值得关注的是 1.3B 轻量级版本,仅需 8.2GB 显存即可在消费级显卡运行,为中小开发者提供了低成本技术底座。

开源生态:打破技术壁垒的关键
此次开源潮的核心意义在于技术普惠。腾讯开源了模型权重、推理代码及 LoRA 训练框架,开发者可基于此快速定制专属模型。阿里巴巴则采用 Apache2.0 协议,将完整技术方案向全球开放。数据显示,在权威评测 VBench 榜单中,万相 2.1 以 86.22% 的综合得分位列第一,击败 Sora 等闭源模型,前 20 名中开源模型占比超 30%。
(图片:HuggingFace 平台万相 2.1 下载界面截图,标注 "全球开发者社区技术共享")
腾讯混元多模态负责人凯撒指出:"视频生成所需算力是图像的千倍以上,闭门造车难以推动技术迭代。" 这种开放策略正催生新的创新范式,香港大学最新报告显示,开源模型在图像生成质量评测中已占据半壁江山,字节即梦 AI 等产品的突破性表现印证了生态协作的潜力。
行业变革:视频创作的民主化革命
技术下沉正在重塑内容产业。广告公司用 AI 生成产品动态演示,教育机构制作交互式教学视频,个人创作者通过 "动作模板 + 音频驱动" 快速产出创意短片。数据显示,腾讯云 API 申请量在模型开源后 3 天激增 400%,某二手平台甚至出现 "AI 视频创作师" 接单服务。
但争议亦随之而来。部分专家指出,当前开源模型仍局限于特定场景,复杂物理交互、多主体协同等技术瓶颈尚未突破。不过行业共识正在形成:正如文本生成因开源实现爆发式创新,视频领域的技术普惠或将催生下一个万亿级市场。
未来展望:从工具到生态的跃迁
随着阶跃星辰等厂商即将加入开源阵营,视频生成技术正从企业专属走向大众普惠。当普通用户通过手机即可生成专业级短视频,当开发者能快速定制垂直领域模型,我们或将见证《失控玩家》式数字世界的加速构建。这场由中国科技公司引领的开源革命,不仅是技术突破,更是一次关于创新模式的深刻探索 ------ 在 AI 时代,开放协作或许才是登顶技术珠峰的最佳路径。
