在 AI 领域，Videos（视频生成）指通过扩散模型、世界模型等技术从文本、图像或代码输入自动生成动态视频内容的技术方向，目前是生成式 AI 中迭代最快、竞争最激烈的赛道之一。随着画面质量逐步逼近真实拍摄，行业讨论的重心正从"能不能生成"转向"物理是否合理、声音是否同步、能否用于专业生产"。整体来看，视频生成正朝着可控性、物理一致性和多模态协同的方向演进。
AI 视频生成的近期进展
当前焦点与观察点
物理一致性是当前讨论最多的质量指标。有观点认为，物理是否合理比画面美观更能决定 AI 视频的可用性（参见 相关讨论）。画面之外的音频同步同样是短板，有从业者指出许多模型生成的音效仍难以通过图灵测试式的真实感检验（参见 Justine Moore 的观察）。
此外，高质量数据来源受到关注。NASA 开放了超过 800GB 的 Artemis II 任务数据（报道见 theverge），这类公开素材可能为视频与 3D 模型的训练和评测提供真实参考。
对普通用户和从业者而言，值得关注的观察点包括：视频生成能力是否会像图像生成一样快速下沉到办公与创作工具中；物理一致性与音画同步的差距能否在下一代模型中缩小；以及围绕生成内容的版权与真实性规范如何逐步落地。