对话百度蒸汽机团队：国内视频生成模型赛道非常“卷”，Sora2发布后团队都没休假

中经记者 李静 北京报道

如今的视频生成大模型赛道，竞争已进入 “白热化” 阶段。

10月1日，OpenAI 推出新一代视频生成大模型 Sora2，凭借10秒有声一体化视频及社交化玩法迅速引爆网络，不仅让用户可对生成内容进行分享、点赞、评论，形成病毒式传播，更直接加剧了国内视频模型赛道的技术竞赛压力。

面对Sora2的“破圈”，国内的视频生成模型团队迅速响应。近期，百度蒸汽机团队在接受《中国经营报》等媒体记者采访时透露：“国庆中秋期间合法加班。” 快手 AI 团队同样 8 天无休，不少视频模型创业公司更是全员投入工作。

10月15日，即Sora2发布半个月后，视频生成模型百度蒸汽机（文心专精）再次升级。在与百度蒸汽机团队核心成员近一小时的采访中，记者发现“卷” 成为一个高频词，而这正是国内视频生成赛道竞争态势的真实写照。

​“国庆中秋无休”背后的技术竞速

Sora2的发布，让国内视频模型团队的技术竞速节奏进一步加快。当被问及国庆中秋是否休假时，百度副总裁、移动生态商业体系负责人陈一凡坦言：“过去50多天，团队一直高强度推进工作，国庆中秋期间属于合法加班。”

百度商业体系商业研发总经理刘林补充道，蒸汽机团队的创新速度始终保持高位。“从7月 2日音视频一体化模型上线，到8月21日完成版本升级，团队曾在50多天内实现两次重大迭代；此次10月15日的升级，距离上次更新同样仅间隔50多天。”

此次蒸汽机升级的核心突破，是打破了传统 AI 视频生成 10 秒左右的时长限制，在行业内首次实现AI长视频实时交互生成——用户可支持无限时长视频生成，并能在生成过程中实时交互，随时改写内容或扩写续集，标志着 AI 视频生成从 “开盲盒”“一次性输出” 迈入 “动态创作流” 新阶段，AI视频生成从“单向生成”迈向“双向共创”，真正实现“无限画布”式的连续创作体验。

对于Sora2的爆火，百度蒸汽机团队认为它的产品化和社交裂变方面带来了重要启发。刘林表示，Sora2 的 “明星效应” 和平台化运营值得借鉴，但国内赛道的竞争激烈程度远超国外，“精彩得多、刺激得多”，且呈现百花齐放的状态。

百度商业研发首席架构师李双龙从技术层面分析指出，当前多模态领域的竞争十分焦灼，没有团队能拥有绝对、长期的技术优势，短期优势或许存在，但想领先一年或两年并不现实。

“现在比的是执行力，核心看谁能更快推进。”李双龙补充道。

技术突围告别“盲盒式生成”

陈一凡指出，当前视频生成技术发展中，创新路径逐渐多元，但也面临明显瓶颈。“DiT架构初期表现出色，但随着需求深化，成本、生成时间、算力需求都呈几何级数增长。视频生成模型的高门槛主要体现在两点：一是生成技术本身的复杂性，二是对‘及时满足’的要求，用户无法接受延时等待。” 陈一凡说。

Sora2诞生的背后，其底层模型有一定提升，让视频内容在一致性、大动作呈现、运镜丰富度等方面表现更好。但“其基础模型的升级幅度，远不如从GPT到GPT-3.5那般显著”。陈一凡说道。

为突破长视频生成的痛点，百度蒸汽机团队进行了架构层面的核心革新。“主流视频生成多采用窗口级扩散模型，其计算成本会随着时间窗口大小呈平方级增长，无法满足实时性需求。” 李双龙介绍，团队创新性地将自回归流式生成与扩散模型相结合，构建出新型混合架构。

“自回归视频生成模型像大语言模型一样，一个Token一个Token地生成，成本是线性的，适合长视频；同时我们通过训推一致、关键参考帧注意力、历史帧扰动等技术，有效缓解了自回归带来的累计误差与一致性问题。”李双龙强调，这一技术路径并非突发奇想，而是“从短到长、从慢到快”的自然演进。

此次升级中最引人注目的，是“实时交互”能力的实现。用户可在视频生成过程中随时暂停、修改某一段落，甚至插入新情节。

刘林强调，这一改变彻底告别了 “盲盒式生成”，“让创作过程符合创作者‘边写边改’的思维习惯，用户想到‘可编辑、可打断的长视频’，第一个就能想到蒸汽机”。

值得注意的是，Sora2 因定价高昂被开发者吐槽 “太贵”，而百度蒸汽机在升级后，仍坚持原有定价策略。刘林表示，团队有严谨的定价体系，会综合考量工程优化、算力成本与千帆平台资源，“未来会通过技术降本持续为用户释放红利，而非陷入短期价格战”。

（编辑：张靖超 审核：李正豪 校对：翟军）