红杉对话Fal CEO：AI视频生成爆发与稀缺性价值重塑

type

status

date

slug

summary

访谈中提到了一个极具洞察力的类比：梦工厂前CEO杰弗里·卡岑伯格曾将当前的AI发展比作计算机动画刚刚出现的时期。当时，习惯了手绘动画的人们对计算机图形技术（CGI）充满了反感和抵触。然而，技术发展的车轮滚滚向前，不可阻挡。

如今的AI视频生成面临着同样的境遇。无论是Sora、Runway还是国内的各类视频模型，它们正在经历从“玩具”到“工具”的蜕变。Fal团队指出，你要么成为这场变革的一部分，要么面临被时代淘汰的风险。这不仅仅是工具的更迭，更是创作范式的根本转移。

很多人低估了视频生成对算力的渴求。与文本模型相比，视频生成的计算量呈指数级增长。

根据Fal团队的数据，生成一段仅5秒钟的24帧视频，其算力消耗是生成200个文本Token的12000倍。如果将分辨率提升至4K，这一消耗还将再增加10倍。这意味着，视频模型不仅是对算法的挑战，更是对底层基础设施、GPU集群调度以及推理引擎效率的极致考验。

这也是为什么在大模型领域，文本模型（如ChatGPT）可以较快实现大规模商业化，而高质量视频生成的普及速度相对较慢的核心原因之一。算力成本的制约，决定了谁能优化好推理效率，谁就能在市场上占据主动。

在LLM领域，我们似乎习惯了赢家通吃的局面，但在AI视频领域，情况截然不同。Fal CEO指出，顶级视频模型的“半衰期”仅为30天。市场格局处于极度动态的变化中，新的模型架构、新的微调版本层出不穷。

这种快速迭代导致了独特的“长尾效应”。与文本模型不同，视频和图像领域拥有超过600个活跃的生成式媒体模型。开发者和创作者并不满足于单一的通用模型，而是根据特定风格（如动漫、写实、3D渲染）选择最适合的模型。

因此，构建一个能够适配600多个模型的推理引擎，比单纯优化某一个模型的性能更为重要。这正是Fal在基准测试中稳居榜首的秘诀——他们不押注于单一模型，而是押注于整个AI资讯生态的繁荣。

对于技术爱好者而言，理解视频模型与大语言模型的本质区别至关重要。

扩散模型（视频/图像）：主要受限于计算资源。在处理视频数据时，模型需要同时对成千上万个Token进行去噪处理，这会导致GPU的计算单元被完全占满。

这种差异意味着，优化视频模型不能照搬LLM的经验。它需要更高效的内核代码、更极致的并行计算策略，以及对GPU算力的充分榨取。随着人工智能技术的深入，这种针对不同模态的底层优化将成为基础设施厂商的核心护城河。

尽管照片级真实感是许多模型的追求，但Fal团队预测，动画、动漫或卡通类内容将最先实现AI生成规模化。原因在于，这类内容对物理规律的严谨性要求相对较低，容错率更高，更容易落地应用。

此外，教育领域被视为下一个巨大的增长点。人类是视觉动物，一段15秒的视频往往能比上万字的文本更直观地解释复杂概念。虽然目前模型质量尚未完全达标，但随着技术的成熟，AI视频将彻底改变我们获取信息和学习知识的方式。

当AI让内容生成的成本趋近于零，内容的数量将趋近于无限。在这样一个AI新闻爆发的时代，什么才是稀缺的？

答案或许是人类的创造力、独特的视角、以及那些无法被算法简单复制的真实体验。技术是无限的，但人的注意力是有限的。AI视频生成技术的爆发，实际上是在倒逼创作者去思考更深层次的价值主张。

对于开发者和企业而言，紧跟大模型和基础设施的演进，利用像Fal这样的平台降低技术门槛，是抓住这波红利的关窍。而对于普通用户，保持对新技术的敏感度，关注 AIGC.bar 等专业AI门户，获取最新的Prompt技巧和行业动态，将是我们在AI时代保持竞争力的关键。