一图看透全球大模型！新智元十周年钜献，2025 ASI前沿趋势报告37页首发
可惜，那时的Sora并不对外开放，全球开发者和AI拥趸们只能隔着屏幕惊叹。
于是，他们把当时「不可用」的Sora做成了「人人可用」的开源模型——Open Sora，并迅速在GitHub上斩获了2.6万颗星，成为全球开发者追逐的明星项目。
在「新智元十周年峰会」上，潞晨科技创始人兼董事长尤洋为我们描绘了一个颠覆性的愿景：《Video Ocean：多模态AI Agent驱动下一代视频生成》。
他希望用AI将视频创作从「少数人的特权」变成「全民的狂欢」，让「天价短剧」瞬间「平民化」，甚至预言AI视频生成将重塑教育的未来。
2025年被称为智能体元年，AI开始自我迭代与进化，视频内容正经历一场前所未有的革命。
突然间， 2023年，Runway就把它带到了我们面前，点点鼠标就能把文字变成视频。
到了2024年，正如我们开头所讲，OpenAI直接扔出个王炸Sora ，能生成接近一分钟的高清视频。
但高昂的成本、漫长的制作周期、生产效率低、角色人物一致性等核心痛点，让无数创意止步不前。
他的履历带着传奇色彩：博士期间，他在加州大学伯克利分校创造了ImageNet和BERT等训练速度的世界纪录。
昂贵的算力和缓慢的训练速度，让大模型难以真正普惠，而尤洋团队的目标，就是攻克这些瓶颈。
经历了5年博士学术洗礼后，2020年毕业后，便加入了新加坡国立大学任职。
2024到2025年这一年间，他开始关注多模态未来发展，便有了开头所说Open Sora和最新的Video Ocean。
尤洋回忆道，个人求学与创业十年，也是AI加速进化，走到视频新纪元的十年。
2015年，微软提出深层残差网络ResNet，在ImageNet竞赛中夺冠，为深度卷积网络的广泛应用奠定基础。
相比1997年IBM的深蓝打败了国际象棋世界冠军卡斯帕罗夫，深蓝的胜利只是硬件速度和计算机的胜利。
AlphaGo首次击败人类世界顶尖九段高手李世石，标志着深度学习+强化学习结合的重大突破。
2021年，尤洋团队推出深度学习系统优化框架Colossal-AI，在学术和业界得到广泛应用。
2023年，尤洋团队在全球学术界和开源社区实现RLHF（基于人类反馈的强化学习）首次复现。（注：RLHF是2022年初OpenAI在InstructGPT中首次系统提出）
2024年，文生视频技术迎来重大突破，OpenAI发布Sora，被视为AI视频生成领域的分水岭。
Video Ocean刚出的时候，迅速火爆全网，一键即可生成电影级特效！
其实潞晨科技除了在AI视频生成领域颇有建树以外，还在算力领域进行了深耕。
在今年的昇腾开发者大会上，潞晨科技展示了基于昇腾算力的高效强化微调方案，与昇腾联合完成了从训练、推理到调度的全链路优化：
调度与通信：Ray完成NPU调度与HCCL通信管理，支持复杂分布式训练需求。
可以说是为企业实现降本增效，加速智能业务基于国产软硬件体系快速部署落地提供了很大的支持。
根据iResearch行业研究报告显示，2017年到2027年，中国网民视频与音频类用户消费时长将上涨14.2个百分点，从26.4%增长到40.6%。
数据显示，中国在线视频（短视频及直播）市场收入从2017年约618亿元人民币快速增长到2021年约4994亿元人民币，五年复合年增长率（CAGR）高达68.6%。
预计这一规模将持续扩张，于2027年达到1.326万亿元人民币，与此同时五年复合年增长率仍稳定在17.7%。
根据GMI《全球多模态AI市场》2025-2034预测数据显示，全球多模态AI市场规模，预计从2024年16亿美元增长至2034年百亿美元规模。
值得注意的是，美国独角兽LambdaLabs、Snapchat和Meta这些全球知名社交媒体巨头都在寻求AI的助力，足以说明这场变革势不可挡。
美国顶级社媒科技公司Snapchat直接使用潞晨LAMB方案训练视频大模型
当前，AI视频创作者和AI视频工具深度使用用户均面临两个核心痛点：制作速度慢和成本高。
尤洋回忆，2024年，用一个10亿参数模型生成一个10秒钟720P视频居然需要6分钟。
除此之外，创作门槛高、生产效率低、角色人物一致性等核心问题，也让有无数创意的视频制作用户止步不前。
尤洋提到，在上一代文生视频产品中，AI视频制作的SOP还停留在手动撰写脚本、手动生成分镜头图片、手动将分镜头图片和脚本配对生成视频。
但市面上很多生成的视频，常常出现「人物前后不一致」的问题，甚至在不同镜头里完全变了一个人。
他认为，「多模态MaaS和多模态AI Agent能代表视频生成的未来。」
他分析道，多模态MaaS，可以让创作者即开即用、还可以拓宽应用场景——不局限于社交媒体和电商领域、增强社区价值；
多模态AI Agent则可以降低创作门槛、可同时处理多个视频，达到规模化生产、支持协作优化。
即使你是一位没有掌握复杂软件技能的普通用户，Agent也可以把修改视频变得像修改一行代码或者一行文本一样简单。
尤洋敏锐地捕捉到，AI不论对短视频和电商、品牌广告和政企宣传，还是影视和教育行业场景都有直接价值。
比如如果对历史比较感兴趣的话，短视频平台有介绍林则徐虎门销烟的视频、有介绍玄武门之变的视频、有介绍淞沪会战的视频。
今年这些AI生成视频已经能够满足一些抖音播主、YouTube播主、Snapchat播主做一些精度不是很高的视频。
如果再给一些时间，到明年（2026年）下半年，视频大模型质量会进一步提升。
等到2027年下半年，模型生成的视频质量已经很高的话，就真的有望做一些真正影视行业。
教育行业也面临着一个长期痛点——「今天很多学生学知识学的效果不好，往往不是学生不够聪明，是因为老师跟他交流不在一个频道上。」
每个学生都可以生成一个自己角度的Demo，比如学任何一个知识点，每个学生都可以生成20个视频，直到他理解为止。
尤洋认为，未来的「AI视频生成」并不会局限于一个工具，更有可能的形态是一个能四两拨千斤的「团队」。
Sora刚出来的时候，美国投资人Zak Kukoff曾预测，未来5年内，不到5人的团队就可以做出一个超过5000万美金票房的电影。
他的理想就是通过视频生成这件事把大模型的能力真正发挥出来，解放AI生产力。
