腾讯司晓：大模型时代，内容产业智变新浪潮

正文

请到「今天看啥」查看全文

多模态大模型技术持续突破，生成效率与质量显著提升。 以腾讯混元为例，其文生图能力在一年内实现跨越式升级：混元图像2.0支持边输入文字边实时生成图像，用户可即时调整美术风格、特效等视觉元素，相较此前需等待完整生成后再修改的模式大幅优化。文生视频领域同样进步明显，2023年，有网友利用AI工具仅用5晚便完成《流浪地球3》“概念预告片”制作，引发导演郭帆关注。到今天，主流模型如混元、可灵到刚刚发布的谷歌Veo3，已经逐步有效解决手部穿模等画面缺陷，生成视频的连贯性与物理模拟能力显著增强，甚至可以为画面同时匹配准确的人声和音效。面向影视生产的Flow等专业工具及国内同类软件已实现脚本、分镜、镜头控制等多项专业能力集成，展现惊人进化速度。

在文生图片的扩散模型基础上，叠加深度参数则升级为3D生成。腾讯在文生3D领域有诸多创新：混元3D生成模型2.5版本较上一版本，总参数量提升了10倍，能够实现超高清的几何细节建模。我们的同事已通过文生3D功能结合家用3D打印机，制作出原创玩具模型。未来，用户不仅可以购买创意服务，更能自主构思创意，通过家用打印机直接输出。

大模型对世界的理解与交互能力也在增强。我曾将手机作为GPT-4o大模型的“眼睛”，问它窗台上有几个公仔。它不仅准确回答了类型和数量——四个腾讯公仔，还在追问下识别出后方隐藏的一只兔子。尽管大模型的理解能力并非人类意义上的物理世界认知，但其基于视觉与推理能力的实现方式已具突破性——例如谷歌最新发布的通用AI智能体项目Project Astra，便如同钢铁侠的个人助理，可通过眼镜或手机指导洗衣等日常操作，并与现实世界实现更自然交互。这些未来硬件与大模型结合的创新，必将为我们的生活带来更多便利。

虽然我不是技术专家，对技术细节了解有限，但反而更能跳出细节去审视大模型当前的缺陷。现阶段，用户对大模型部分能力的不满， 本质上源于对其"许愿"般的进化期待 ——按照当前的进化节奏，诸多技术瓶颈将在未来最长以年、最短以月为单位的时间尺度内被突破。因此，AI在文化内容领域的应用前景更加值得期待。

效率革命：从"人力堆砌"到"智能涌现"的内容生产新范式

技术变革对文化内容生产范式带来的影响是广泛而深远的。

大模型不仅让知识触手可及，更大幅降低了表达能力的门槛。用户无需深入学习专业理论和工具技法，即可创作出以假乱真的图片、视频甚至电影等复杂形态内容。当然，创意本身也变得易得：例如，当写作遇阻时，可让大模型生成多个后续版本，从中选择和优化内容，度过灵感“枯竭期”。未来，阅文等平台上的网络文学创作可能形成模式进化：从读者逐章追更，到可主动“许愿”希望剧情如何发展，结合大模型的无限表达与创意涌现能力，使创作正真正进入“千人千面”的全新时代。

请到「今天看啥」查看全文