a16z 发了新文章视频模型，不会一家通吃There is no God Tier video model

什么意思？以前大家卷的是 benchmark：谁生成时间长、物理效果好、更像真的

现在不一样了模型开始专业化，没有单一神了AI 视频模型，进入到了产品时代

以及：产品层面还有巨大空白

就算模型今天停止进步创业者也要花好几年才能把产品做好

对于创业者来说，这才是真正的机会

Sora 2 和 Veo 3 在干什么

拿 Sora 2 和 Veo 3 做了对比，特别能说明问题

Sora 2 上个月发布，LMarena 排行榜上排在 Veo 3 后面

很多人可能觉得这是退步

但测下来发现：它们压根就不是在做同一件事

Veo 3专注于「物理仿真和音视频同步」

复杂运动、多物体交互、说话对口型，这些它都很稳

如果你要做专业创作，音视频必须完美同步，物理效果要准确，选它

Sora 2专注于「会导戏，会讲故事」

你给个简短提示词，它帮你写剧本（还挺搞笑），生成多个镜头

做梗图、做段子，特别适合，比如让霍金打篮球、让皮卡丘客串经典电影

但它音视频同步没 Veo 3 好，经常多个快切镜头，音频对不上

说白了，Sora 2 适合玩梗，Veo 3 适合专业创作

这个趋势不只是这两家

• Grok 做动漫特别好，快又便宜

• Hedra 做长视频的说话人物很稳

• Seedance Pro 可以一次生成多镜头场景

• Wan 是开源模型，有一堆 LoRA 可以调

就像 17、18 世纪的静物画家

画到一定程度，不是比谁更真实，而是比风格

然后，我们获得了更多的多样性和专业化

一个艺术的丰富时代

产品层还有巨大空白

这才是最激动人心的部分

模型能力和产品之间，有巨大的鸿沟

作者举了个例子，如果做一个家具展示视频，需要：

用 Ideogram 生成素材 →用 nano-banana 处理 →用 Veo 3 生成视频 →用 Hedra 加人物 →用 Krea 或 Kapwing 剪辑

这一套流程，普通人根本玩不转

但这些事情，完全可以做成一个产品自动完成

再看看创作者现在在手动做的事

• 搞定角色一致

• 串联首尾帧

• 控制运动镜头

• 拼接故事板

而这些，都应该是产品层面解决的问题

实际上，有些团队确实在做了

• Runway 发布了一套工具，可以编辑镜头、控制天气、增删物品

• Sora 发布了 Storyboard，能精确控制每个时刻的动作

• Veo 3.1 这个月的更新，几乎全是产品功能，模型本身没怎么改

但还远远不够

未来肯定会出现：

• 针对特定场景的专用模型（家居展示、营销、动画）

• 帮你选模型优化生成效果的产品

• 把视频配音音乐整合在一起的创作套件

就像 LLM 也经历过这个阶段

模型进步放缓后，产品层爆发了

视频模型现在也到了这个时刻

最后

上面的内容，是 a16z 发布的作者 Justine Moore，a16z 的合伙人

看这篇文章的时候突然串联起了另一件事儿

昨天，LiblibAI 融了 1.3 亿美金，B 轮。投资方包括由红杉中国、CMC资本和一些大厂战投

有两个点：

• 这是是目前为止，中国 AI 应用的最大规模融资，超过 Manus 的 8000 万美金

• Lovart 也是这家的，解决了一站式创作

这么来看，大抵上说得通了，现在的主流趋势，从卷模型性能到卷产品体验

对大厂来说，可能有点失落

但对创业公司和开发者来说，这是最好的时候

把模型能力，变成普通人真正能用的产品

原文奉上

我还给带来了翻译版，并且重新拍了个版