硬·AI
作者 | Kozmon
编辑 | 硬 AI
周末，躺在公园百无聊赖刷手机的我，差点被一条消息惊掉下巴：
全球AI圈公认的权威视频生成评测榜单VBench刚刚更新了最新一期图生视频（I2V）排名，排在第一，不是大名鼎鼎的OpenAI Sora，也不是风头正劲的谷歌Imagen Video，而是百度的视频生成模型Steamer-I2V，总分更是飙到了89.38%！
讲真，我第一眼看到的时候也是满脸问号：百度？图生视频？榜单第一？？？这是啥情况？
再去刷了一圈AI圈子，结果发现好多KOL也都一脸蒙圈：
“什么情况？VBench榜单第一怎么突然被百度承包了？”
“百度PR部门是不是放假去了？这么猛的成绩连个新闻稿都不发一下？”
01
大厂开始发力图生视频
悄咪咪地拿下VBench图生视频榜单第一的百度，也引发了我的好奇——现在文生视频那么热闹，一堆厂商恨不得让你输入几句话就秒出一个大片，为什么会有大厂突然在图生视频赛道上发力？
和圈内朋友打了一通电话后，我发现，这是一个基于市场实际需求的明智选择。
首先，大家卷T2V（文生视频）热闹归热闹，但是真正用下来就发现问题不少：比如生成结果不可控，经常会“惊喜”变“惊吓”，商业化难度很大。
相较于文生视频常见的不确定性和难以控制的结果，I2V（图生视频）的模式更像是给AI一个“明确的起点”，提供了更高的可控性和稳定性。
只要上传一张图片，再输入一些简单的描述，就能自动生成一条专业级视频，成本甚至不到传统制作的1/20——自然，也就更容易被品牌和企业用户接受。
想象一下，如果你是一个品牌营销人员，需要为产品制作宣传视频，你更愿意选择哪种方式？是从零开始描述，然后祈祷AI能理解你的意图？还是直接上传产品图片，让AI基于真实素材生成视频？答案其实是显而易见的。
而在影视创作领域，随着GPT-4o等一系列大模型P图能力的升级（参见我们之前介绍的文章），在AI图片领域越来越容易实现角色一致性的今天，越来越多的从业者正习惯于使用AI图片工具制作保持角色一致性的分镜图，再进入AI视频软件生成视频——瞧，这也是图生视频需求。
02
我们再深扒一下，这个模型究竟厉害在哪？
Steamer-I2V为什么能一举拿下VBench榜单图生视频的第一名？
我们再深扒一下，发现它的背后，有三大非常领先的技术优势：
（1）像素级画面精准控制，大师级运镜
传统AI视频生成的最大毛病，就是控制不了细节。Steamer-I2V则以拍摄视角为基础，对视频生成的prompt做到了精细化设计，精准控制画面细节、运动轨迹、风格属性和镜头语言，直接避免了”差不多得了”的那种马虎事儿。
另外，它还支持多模态条件输入，包括中文文本提示、参考图像和引导信号，确保与特定的创意意图保持高度一致。
（2）高清画质，电影级动态美学
基于前沿的Transformer扩散架构，模型可生成分辨率高达1080P的高清视频，呈现流畅的过渡效果与逼真的物理运动规律。
更重要的是，通过多阶段SFT训练、人工反馈的偏好学习、时间步采样优化等策略，Steamer-I2V对时间一致性、电影镜头构图和运动规律性进行了针对性优化。
而这，会让整个视频序列展现出优秀的逻辑连贯性和视觉连续性，让生成的视频几乎看不到AI生成内容常见的抖动、闪烁或不自然的运动。
（3）中文语义精准理解
这可能是百度最独特的竞争优势。Steamer-I2V构建了亿级规模的中文多模态训练数据库，通过”筛选-净化-配比”三级数据优化体系，确保文本指令与视觉元素的语义对齐精度。
这种精心设计的数据清洗机制使模型具备专业级中文概念解析能力，可精准捕捉文化特定元素与复杂语义关联，显著提升中文创意指令的视觉转化准确率。
对于中国创作者来说，这意味着他们可以用最自然的方式表达创意意图，而不必被迫使用英文或担心翻译不准确导致的效果偏差。
03
百度的多模态野心：
拼图逐渐清晰，生态才是真正杀招？
深入思考后，我意识到，Steamer-I2V的大放异彩可能并非偶然事件，而是百度整体AI战略的重要一环。
1.年初百度推出”百看”搜索，这是一种全新的智能搜索体验，变革了传统搜索的结果组织方式。”百看”支持多模态输入，让用户能通过语音、图像等多种方式表达需求，并获得结构化、丰富的答案。
2.生成式AI正在为企业构筑更多营销新场域，百度宣布商业系统升级为“百度伴飞”，在智能问答、笔记、信息聚合以及短剧、小说、游戏等新场域，文心大模型在满足用户需求的基础上，也帮助企业进一步收获更多商业空间。生成式AI能为“用商”双端同时带来价值，未来2年将释放10倍商业空间。
回顾百度今年一系列动作，百度正在构建一个全方位的AI内容生态系统，覆盖从搜索、文档到视频创作的各个环节。
想象一下未来的场景：你在百度搜索中输入一个问题，得到的不仅是文字回答，还有AI实时生成的相关视频内容；你可以在百度视频信息流、短剧频道、搜索专题、搜索合集等丰富的场域享受到优质的短剧、笔记、小说、游戏等内容。同时，你也可以以创作者身份用百度AI视频生成能力创作优质的短剧、视频内容，带来更多的变现机会…
这种用商一体，无缝集成的体验，正是百度所描绘的AI未来图景。
04
结语：
低调的百度，认真的野心
总而言之，这次百度的视频生成模型登顶VBench榜单，真的是既出乎意料，又在情理之中。
有趣的是，尽管取得了如此重大的突破，百度却保持着出人意料的低调。没有盛大的发布会，没有铺天盖地的宣传，甚至连一篇正式的新闻稿都没有。
这种”低调做事”的风格，在当下AI公司动辄”放卫星”的环境中显得格外特别。
也许，这正是百度的高明之处。在AI竞争白热化的今天，与其喊口号，不如实实在在地做出成绩——也正因如此，我才更期待接下来百度会怎么用这个技术来玩转自己的业务生态。
我相信，这次的百度，是真的认真起来了。
传送门：
https://steamer001.github.io/steamer/
硬·AI
（文：硬AI）