科技腾讯新闻·翎听theSignal··AI 生成
实时生成模型今年是元年，但GPT时刻两年就会出现｜翎听 x 生数张金涛
生数科技00后模型负责人张金涛认为，实时视频生成正从一种内容生产工具，转变为一种持续存在于现场的交互媒介，其市场潜力将超越离线视频生成，规模最终可能比肩甚至超过语言模型。文章核心观点是，实时视频的技术门槛首先是‘跟得上’播放速度，而非单纯画质；其次，成本必须降到消费级GPU可用，使普通用户支付得起。张金涛预测，该领域将在两年左右达到类似GPT-3.5的爆发点。文章也直面了平台掌握流量入口对模型公司的威胁，以及安全可控、算力优化等现实挑战。适合关注AI前沿技术、视频生成赛道、以及人机交互范式的从业者和投资人阅读。原文 ↗原文 ↗
核心观点
- ▍实时视频生成的核心不是生成速度，而是“跟得上”播放速度的实时交互能力，它代表了一种全新的交互媒介，而非仅仅是内容生产工具的升级。
- ▍实时视频的终极市场（实时交互的多模态娱乐）规模可能比肩或超过语言模型，因为它对应每个人独立的、持续的视觉交互需求，而离线视频生成的市场受限于内容复用逻辑。
- 01字节跳动通过种子团队的 SeedRealtime 和 Seedance 系列分别从实时音视频交互和离线视频生成两个方向切入。
- 02生数科技在2025年7月发布 Vidu S2，实现了视频流的实时编辑（换人、换装、换背景），且可在消费级 GPU 上运行。
- 03生数通过 SageAttention 低比特加速技术，在视频模型中实现了端到端两倍以上的加速。
- 04张金涛明确预测，未来两年左右实时视频行业会达到类似 GPT-3.5 的爆发点。
- 05张金涛认为中国在实时视频领域有数据优势，因为短视频和直播提供了海量原始训练数据。
反方 / 局限
- — 作者承认平台掌握流量入口对模型公司是明显威胁，但目前的对策（只做API供应商或自建入口）并不独特。
- — 作者指出，若模型发布后停止迭代，半年内竞争对手就会追上来，暗示技术壁垒和窗口期非常短暂。
- — 文章未展开讨论实时视频生成中“模型主动判断”导致的安全和内容控制难题，仅提及需要“技术能力和安全能力同时往前走”，缺乏具体方案。
13 分钟 · 5 卡片 · 14 资料
读原文 →概念锚点
前置背景
平行视角
未来推演
延伸追问