2024年，AI视频生成技术迎来了爆炸性的发展，成为了科技圈和投资界的热门话题。这项技术以其巨大的潜力和广泛的应用前景，吸引了无数企业和研究者的目光。然而，随着技术的飞速发展，行业内部的挑战和危机也逐渐显露。
在一个充满不确定性的AI时代，我们似乎又站在了一个分叉路口前，选择哪条路，成了摆在每个AI从业者和企业面前的难题。
AI视频生成，这个曾经被认为遥不可及的技术，现在却成了众多厂商竞相追逐的香饽饽。
而我，作为一个见证了AI技术从起步到蓬勃发展的观察者，对这一现象有着自己的一些看法。
首先，让我们回顾一下这个现象的背景。
自从OpenAI Sora的问世，再到快手的可灵全量上线，视频生成技术无疑成了2024年最火热的AI话题。
大厂们纷纷开始你追我赶，从4月至今，视频生产模型如雨后春笋般涌现。
而国内的“大模型六小虎”（智谱、月之暗面、MiniMax、百川智能、阶跃星辰、零一万物）也在这个关键的决策点上摇摆不定。
我的观点是，视频生成技术之所以能引起如此大的关注，一方面是因为其技术潜力巨大，另一方面则是因为市场对于新故事的渴望。
在语言模型迭代放缓的当下，视频生成模型似乎成了那个更有希望的AI应用新方向。
但这个方向并不是没有风险，高昂的成本和尚未成熟的技术路线，都让这个领域的前景充满了不确定性。
就拿我自己的经历来说，我曾经参与过一个基于AI的视频生成项目。
我们团队投入了大量的时间和资源，试图打造一个能够根据文本描述生成视频内容的模型。
虽然最终我们取得了一些成果，但这个过程中的挑战和困难也让我们深刻认识到，视频生成技术的复杂性和成本。
技术层面的挑战。
视频生成模型需要处理大量的数据，包括图像、音频和视频等多种形式。
这不仅要求模型具备强大的数据处理能力，还需要能够理解和生成复杂的场景和动作。
而这些，都需要大量的算力和数据支持。
据Meta的数据，Movie Gen用了6144张H100进行训练，视频模型参数达到30B（300亿）。
这样的资源投入，对于大多数初创公司来说，无疑是一个巨大的门槛。
市场接受度的问题。
虽然视频生成技术看起来很酷，但用户是否真的愿意为之买单，还是一个未知数。
目前，视频生成领域的顶级模型几乎都选择了闭源，这意味着玩家们需要投入真金白银去试错。
而一旦开始商业化，付费已是必选项。
但用户是否愿意为这种新型的内容生成方式买单，还需要市场的检验。
内容生态的构建。
视频生成技术的发展，离不开一个健康的内容生态。
这意味着，除了技术本身，还需要构建一个能够持续产生优质内容的生态系统。
这不仅需要技术的支持，更需要内容创作者、平台和用户的共同参与。
快手的可灵就是一个典型的例子，它通过怀旧照片等一系列策划，成功吸引了大量用户的关注。
监管和伦理的问题。
视频生成技术的发展，也带来了一些监管和伦理上的挑战。
比如，如何确保生成的内容不侵犯他人的版权，如何防止技术被用于制造虚假信息等。
这些问题的解决，需要政策制定者、技术开发者和社会各界的共同努力。
总的来说，视频生成技术的发展，既充满了机遇，也充满了挑战。
对于企业和创业者来说，选择是否进入这个领域，需要慎重考虑。
而对于我们这些观察者来说，更应该保持理性和客观的态度，既要看到技术发展带来的积极影响，也要关注其可能带来的风险和挑战。
在这个充满变数的AI时代，只有不断学习和适应，才能把握住时代的脉搏。
作者：产品视界，公众号：产品视界
本文由 @产品视界 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Sora视频截图
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
