Veo 3震撼登场与AGI深思：规模之外的AI未来 (关注AI门户 https://aigc.bar 获取最新AI资讯)

type

status

date

slug

summary

Veo 3：重塑视频创作的AI魔法

谷歌最新发布的Veo 3视频生成模型，其实力足以让业界为之侧目。它不仅仅是一个简单的工具，更像一位富有创造力的导演，能够根据文本提示词，快速构建出细节丰富、情感饱满的视觉叙事。

核心亮点包括：

电影级质感：无论是复古餐厅的迷离氛围，还是牛顿在昏暗书房的夸张演绎，Veo 3都能精准捕捉并呈现出大片级的视觉效果。用户惊呼“好莱坞要瑟瑟发抖了”，这并非空穴来风。

原生音画同步：Veo 3的一大突破在于能够通过文本指令实现原生的音画同步生成。例如，会说话的松饼之间的爆笑对话，其口型与声音的匹配度令人印象深刻，甚至连背景音效和噪音都能一并生成，极大地提升了视频的沉浸感和真实感。

高级指令遵循与叙事能力：该模型对复杂文本指令的理解和执行能力达到了新的高度。用户分享的长视频显示，Veo 3能够串联多个场景，实现快速切换和连贯叙事，仿佛一部精心剪辑的电影预告片。从老爷爷在书房的兴奋挥舞，到女宇航员的严肃表情，再到骑士在古堡走廊的场景，Veo 3展现了其讲述完整故事的潜力。

赋能创作者与商业应用：通过诸如Flow这样的影视制作工具，Veo 3旨在赋能电影制作人和内容创作者，让他们能够更高效地创建场景、管理素材和编辑故事情节。Klarna等企业已开始运用Veo进行营销内容创作，显著缩短了制作周期，并降低了成本。数字营销公司Jellyfish更是将其集成到AI营销平台，为航空公司提供AI生成的娱乐内容，制作时间和成本平均减少了50%。

尽管Veo 3目前主要面向特定用户群体，其展示出的强大能力预示着AI在内容创作领域的巨大潜力，未来普通用户或许也能通过简单的提示词轻松创作高质量视频。

DeepMind CTO深度访谈：规模是AGI的全部吗？

在Veo 3引发热议的同时，DeepMind的首席技术官Koray Kavukcuoglu在The Big Technology播客中，就AGI的发展分享了宝贵的见解，特别是针对当前大模型（LLM）发展中“规模至上”的普遍认知提出了更全面的看法。

Koray承认，规模（Scale）无疑是推动AI模型进步的重要因素。拥有一个能够带来显著改进的维度，在任何研究中都是受欢迎的。然而，他强调，在生成式AI模型的研究中，规模绝非唯一决定因素，它与其他多个因素同等重要。

他列举了几个同样关键的“维度”：

架构（Architecture）：模型内部结构的设计对性能至关重要。

算法（Algorithms）：驱动模型学习和高效运行的算法是核心。

数据（Data）：高质量、多样化且经过精心处理的数据，其重要性不亚于规模和算法。

推理阶段技术（Inference-time techniques）：在模型训练完成后，如何优化其推理过程，提升效率和效果，也是关键一环。

Koray认为，评估AI模型的进步，不能孤立地看待规模，而应综合考量规模、数据质量和参数数量这三者的协同效应。整个AI领域，包括谷歌内部的众多模型，都在以惊人的速度改进，这不仅仅是参数量的堆砌，更是多方面优化的结果。

超越“堆算力”：AGI的多元探索与“发明”之路

针对著名AI科学家Yann LeCun提出的“仅仅依靠扩展大型语言模型无法达到人类水平智能”的观点，Koray表示这是一种有待验证的假设。但他明确指出，没有任何一个顶尖研究实验室，包括谷歌DeepMind在内，会仅仅专注于扩展LLM。

这背后传递出一个核心理念：实现AGI，远非简单的工程问题或算力竞赛，它更需要在基础研究上取得突破和“发明”。Koray强调，通往AGI的道路上，需要发明许多“关键要素”和“关键创新”。AGI是一个极具挑战性的研究课题，可能是一代人面临的最难问题。因此，拥有一个同样雄心勃勃的研究议程，并在多个不同方向上进行探索和投资，是至关重要的策略。这涉及到对人工智能本质更深层次的理解和创新。

“并行思考”的Deep Think模式：AI推理的新范式

访谈中还揭示了谷歌的一项新技术——Deep Think模式。Koray澄清，这并非一个独立产品，而是集成在Gemini 2.5 Pro模型中的一种增强“模式”。

Deep Think的核心在于改变模型的“思考”方式。它允许模型在进行推理时，投入更多时间进行深度“思考”。更具革命性的是，与传统推理模型通常构建单一思维链（Chain of Thought, CoT）不同，Deep Think能够构建并并行推理多条思维链。

可以想象，传统模型像是在一条单行道上思考，而Deep Think则像拥有多个并行运作的大脑，能够同时探索不同的可能性、评估不同的假设路径。这种方式无疑更接近人类复杂、多线程的思维过程。Koray认为，即使在数学或复杂推理等领域将模型理解能力提高10%，都将是巨大的进步，因为它能极大地扩展模型的通用知识和应用范围，从根本上提升AI解决实际问题的能力，为人类学习和创造带来更大帮助。

多模态的跃进与“氛围编程”的全民创造时代

Veo 3在视频生成领域的突破，特别是增加了与视觉内容匹配的声音生成能力，是多模态AI发展的一个生动例证。Koray指出，这体现了模型对视觉与声音之间交互性和互补性的深刻理解。

访谈最后，当被问及对“vibe coding”（氛围编程，意指通过更直观、更少代码的方式进行应用构建）的看法时，Koray表现出极大的热情。他认为“vibe coding”的魅力在于，它使得没有专业编码背景的人也能够构建应用程序，这无疑将打开一个全新的世界，极大地降低创新门槛，催生全民创造的时代。这与AI技术发展的终极目标——赋能于人，不谋而合。掌握AI工具和提示词（Prompt）技巧，将成为未来个体实现AI变现的重要途径。

结论：AGI之路，创新与多维并进

Veo 3的惊艳表现再次证明了AI技术的飞速发展及其在改变内容创作乃至更多行业方面的巨大潜力。而DeepMind CTO Koray Kavukcuoglu的深刻洞察则提醒我们，通往AGI的征途并非一条坦途，更不是单靠扩大模型规模就能轻易抵达的。它需要我们在架构、算法、数据、推理技术等多个维度上持续创新和突破，更需要在基础研究上实现“发明”。

未来的人工智能发展，将是规模与智慧并重，工程与科学共舞的时代。对于关注AI领域的朋友们，理解这些深层逻辑，将有助于我们更好地把握AI技术的脉搏。想要获取更多关于AI、AGI、LLM、大模型、提示词工程、OpenAI、ChatGPT、Claude以及AI变现的前沿资讯和深度分析，请持续关注AI门户 https://aigc.bar，与我们一同见证并参与这场智能革命。