视频 AI 的 GPT 时刻还没来。热闹是真热闹，从最早那波文生视频到现在国内外一堆模型轮番亮相，可那种一出来所有人都意识到“范式变了”的瞬间，我到现在也没等到。
为啥这么讲，我觉得卡在这几处：
可控性差口气。 出几秒惊艳片段真不难，难的是按分镜、按连续动作稳定地出你要的那一条。现在随机性太大，同一套描述反复跑，每次出来的东西都不一样，你很难把它当成可预期的工具来排进计划里。
一致性。 同一个角色、同一个场景，跨镜头保持住还是费劲。单个镜头再好看，剪到一起角色一变脸就穿帮，这个在任何正经项目里都过不去。
能出片和能进生产流程之间有断层。 体验上这段落差还很明显，多数时候还是在抽卡——抽到好的靠运气，不是靠流程。干活的人要的是下一条也能稳定出来，这点眼下给不了。
不过我真不是唱衰。图像那边这两年的路子就是先热闹、再收敛，跃迁是收敛之后才扎实落地的，视频大概率也会这么走一遍。只是现在这个阶段，惊艳的 demo 和真能干活之间那道沟，得老实承认它还在，别被几条精选片段带偏了判断。