视频开始说谎：当中国模型把"真实"做到以假乱真

● 砚数磨稿 · 第172篇原创

你刚在家族群转发的那段"新闻"——某巨头 CEO 亲口宣布破产、某明星公开致歉——可能从头到尾没有发生过。它不是被剪辑的，是被一行代码生成的。而你，第一眼没看出来。

7 月的 WAIC 2026，最安静也最吓人的展台不在机器人区，在一块循环播放的屏幕前：可灵、即梦、海螺、Vidu 轮番生成一段段几可乱真的视频，人物口型对得上、光影站得稳、连手上的戒指都在动。视频生成的最后一道门槛——"看起来像真的"，正在被中国模型集体踏破。这背后不是又一项炫技，而是一连串更该想清楚的问题。下面分七个角度拆。

01从"能看"到"能骗"：视频的那道门槛被踏破

一年多以前，AI 视频还只是一堆几秒的糊片和抖动的人脸；今天，它能给出几十秒连贯的镜头，人物不眨眼穿帮、物体不乱跳、光影顺着物理规律走。

真正的分水岭不在分辨率，而在"你敢不敢相信它是假的"。当一段视频不再靠放大找破绽，而是第一眼就被当成真事转发，视频生成就跨过了从"玩具"到"武器"的线。

视频生成的分水岭，不是画质，是"你不敢相信它是假的"。

图：主流视频模型在"时长"这一硬指标上已集体逼近第一梯队

02可灵、即梦、海螺、Vidu：中国四小龙怎么追上来的

可灵（快手）把时长拉到 2 分钟级别，主打影视级质感，在海外创作者圈先建立了口碑；即梦（字节）背靠豆包大模型，分发和生态是天然优势，C 端迭代极快；海螺（MiniMax）在英文 prompt 理解和社区运营上出圈；Vidu（生数科技）则在多主体一致、时序连贯上做得扎实。

四家没有走同一条路，却押了同一个判断：视频是继文字、图片之后，下一个被 AI 整体重写的内容形态。谁先把"真实感"做稳，谁就握住下一代内容的入口。

四家走的是四条路，但都押同一个判断：视频是下一个被 AI 重写的内容形态。

图：中美视频模型的差距，正从"代际"缩到"版本"

03为什么是现在：算力、数据、审美三件套同时成熟

视频生成比文字难一个量级，因为它要同时搞定"理解世界"和"生成世界"。这件事在 2026 年第一次变得可能，靠的是三件事同时就位：国产 GPU 集群把推理成本打下来；影视级素材加合成数据补足了"动作连贯"的短板；模型对"像"的理解，从像素对齐升级到语义理解。

2026 年这三件事第一次同时就位，视频生成才从实验室走到桌面。

04Sora 的光环还亮不亮：中美真实差距

必须承认，OpenAI 的 Sora 2 仍然强，尤其在长镜头世界模型理解和复杂指令遵循上领先。但"独孤求败"的状态结束了——中国模型在时长、分辨率上已经逼近，成本更是低出一个身位。

中美视频模型的差距，正在从"能不能"变成"贵不贵、快不快"。

05最危险的不是技术，是"眼见不再为实"

当任何人都能生成一段以假乱真的"某人说了某话"的视频，深度伪造就不再是间谍片里的情节：诈骗、谣言、操纵舆论的门槛被降到几乎为零。人类最古老的信任机制——"眼见为实"——开始失效。

当什么都能被生成，"亲眼所见"不再等于"真的发生过"。

06谁先被改写：广告、影视、电商

最先被改写的不是艺术家，是流水线上的重复劳动。一条 TVC 从几十万降到几千块，素材可以批量生成；影视用 AI 做预演、分镜甚至虚拟演员；电商的模特图和带货短视频，正在被一键批量生产。

最先被 AI 视频改写的，不是艺术家，是流水线上的重复劳动。

07普通人怎么自保：在造假自由的时代守住判断

监管已经在动。网信办《互联网信息服务深度合成管理规定》及 AI 生成合成内容标识办法，要求深度合成内容做显式或隐式标识。对个人来说，更实际的动作是：放慢转发，遇到"劲爆视频"先多源交叉验证，把"视频"当"说法"而不是"证据"。

未来的媒商，不只会看，更会问"这真的拍过吗"。

— 完 —

#AI视频生成#可灵即梦海螺Vidu#Sora2#深度伪造#WAIC2026

数据来源：网信办《互联网信息服务深度合成管理规定》及 AI 生成合成内容标识办法；WAIC 2026 各厂商发布；可灵/即梦/海螺 MiniMax/Vidu 官方技术文档与公开测评

· 关注「砚数」，获取更多 AI 与科技深度观察