《AI视频生成研究报告》显示： AI视频生成未来可期

2024年，AI视频生成成为最受关注的领域之一，从年初Sora亮相到Luma的Dream Machine、Runway的Gen-3 Alpha模型，以及国内快手的可灵Web端，AI视频生成技术以其独特的视频生成能力和灵活性，正逐步改变着内容创作和信息传递的方式。由量子位智库日前发布的《AI视频生成研究报告》（以下简称《报告》）就指出，AI视频市场潜力巨大，未来发展前景广阔，随着技术的成熟，AI视频生成有望在更多领域得到应用，推动相关行业的创新和发展，但AI视频生成的发展也面临诸多挑战，需要警惕和解决。

技术侧推动发展

AI视频生成成为新媒体领域中不可忽视的力量，得益于人工智能技术的飞速发展。对此，《报告》指出，目前大规模各模态呈现的总体情况为多模态发展趋势清晰，文本、图像商业化规模和成熟度较高，AI视频生成正在迅速发展，但由于技术复杂，对于算力、数据等资源要求较高，成熟相对文本、图像较慢。

《报告》分析了未来的技术趋势，即“视频生成正在由检索生成、局部生成走向依靠自然语言提示词的全量生成，生成内容更加灵活丰富，应用空间广阔”，“视频生成正由扩散模型主导的格局走向与语言模型结合的路线，Transformer将在视频生成方面发挥主导作用”。

《报告》认为，AI视频生成模型的能力将在算力驱动下快速进步，稳定性、可控性、丰富度将持续提升，解锁更多应用空间。同时，AI视频生成的推理成本也将持续下降，生成速度进一步提高，加速应用层技术扩散和商业化规模增长。

尽管AI视频生成模型不仅限于生成视频内容，或将成为通向AGI的重要路径，但《报告》也指出，目前视频生成技术依然面临多重挑战，其中，算力需求大、数据要求高、算法复杂是目前主要制约视频生成模型能力的三大挑战。

应用侧需求增加

事实上，AI视频生成技术的快速发展，一方面归功于人工智能技术的快速进步，另一方面则应归功于场景的广阔。《报告》提到，2017年到2022年，全球互联网视频流量占消费互联网流量比例从73%增长到82%，而在移动互联网的用户使用总时长占比中，短视频稳居第一位，达28%。同时，移动视频用户规模达10.76亿，月人均时长为64.2小时，视频平台成为流量核心。

《报告》认为，这样的情况让视频流量成为主要的互联网信息流量，视频是移动互联网最大的内容消费形式。《报告》分析，从消费端来看，视频是消费时间最长的内容形态，有丰富的应用的场景和大规模内容分发平台，长期或有诞生超级应用的机会；随着AI视频生成的能力不断提升，AI生成视频占视频消费内容的比例将不断提升，推动内容供给端变革，逐步渗透视频消费市场。

《报告》认为，得出上述结论的主要原因是，AI生成视频的成本远低于各类现有视频内容的制作成本。

《报告》指出，尽管AI视频生成技术已经能够创造出一些优秀视频内容，但目前模型能力不足的问题不能忽视，生成效果尚无法与传统制作方式竞争。

布局端各有侧重

随着AI视频生成的关注度不断提升，以及其巨大的市场需求，众多企业也纷纷开始布局。

《报告》根据目前市面AI视频生成领域的发展现状，将AI视频生成领域的公司分为OpenAI、互联网公司、技术创业公司、内容工具软件、垂类创业公司5类。《报告》通过分析表示，OpenAl聚焦AGI，认为视频模型是世界模拟器、通往AGI的重要路径，有充足的资源和决心重注scaling路线，主要发力模型层，Sora的成功源自其在数据、算法、算力等层面的优势累加，在未来将对模型持续进行迭代部署，引领行业发展。

对于互联网公司而言，《报告》表示，字节跳动强调AI视频生成和核心业务强相关，在战略层面高优先，资源充足保持自研策略，视频生成已经开始初步产品化；阿里则延续了AI方面的总体策略，偏好通过内部自研加对外投资的方式加强在视频生成领域的布局；腾讯主打混元DiT多模态大模型，将支持高质量图片和视频生成，产品化进展较慢；快手推出可灵视频生成大模型，同时匹配生成控制和文生图功能，视频生成效果领先；谷歌、Meta则发表了多项视频生成领域的前沿研究和基础模型，但整体风格偏研究向，产品化进展速度缓慢。

可以看到，AI视频生成技术方兴未艾，各行业不断广泛入局，然而，其在带来技术革命的同时，也需要我们更加谨慎地应对其带来的挑战。

作者:本报记者 张博

来源：《中国新闻出版广电报》