国产视频生成团队开源三连，意外停摆的Sora后何去何从？
机器之心发布
就在昨天，全球 AI 视频生成领域迎来了一场 “超级地震”——OpenAI 竟然意外叫停了万众瞩目的 Sora 2 项目。
然而，就在行业巨头调整研发节奏的同一周，开源社区迎来了一波扎实的技术推进。一家位于北京的 AI 初创公司，在 GitHub 上连续三天释出了其核心技术栈 ——依次开源了 150 亿参数的 “演绎级” 音视频同出大模型、重新定义算力上限的分布式 Attention 组件，以及旨在突破显存瓶颈的全局编译框架
这家持续向开发者社区贡献底层技术的公司，正是Sand.ai。今天，我们就来深度拆解这家公司的技术脉络，看看这支中国团队是如何在当前的行业转折期中，走出一条独立的视频生成技术路线。
连续三天开源：一场自顶向下的技术拆解
第一天：演绎级音视频基座daVinci-MagiHuman
针对当前 AI 视频 “表演僵硬” 与 “音画不同步” 的痛点，Sand.ai 联合上海创智学院（SII）GAIR 实验室，开源了 150 亿参数的音视频同出大模型。该模型采用单流 Transformer 架构，将文本、视频与音频进行统一联合建模，彻底告别了复杂的跨注意力分支。
视频链接：https://mp.weixin.qq.com/s/o_McSh2rXjB1btMhCO6fQg
第二天：分布式 Attention 组件MagiAttention v1.1.0
为了支撑超大模型的训练与极速生成，团队发布了深度适配 Hopper 与 Blackwell 架构的算力组件。它通过构建原生的 Group Collective 通信内核（以 NVLink 替代冗余的 RDMA 传输）来大幅降低跨机通信量，并引入 Dispatch Solver 实现全局负载均衡。
第三天：训推一体全局编译框架MagiCompiler
针对大模型开发中 “速度与显存难以兼得” 的技术矛盾，Sand.ai 释出了基于 torch.compile 深度优化的即插即用编译框架。它通过整图 / 整层编译、启发式自动重计算以及 JIT Offload 调度，全面接管了计算调度与显存生命周期。实测显示，在推理端甚至能让 RTX 5090 以近乎实时的速度运行超大视频模型。
团队介绍：“少数派” 的技术信仰
Sand.ai 成立于 2024 年，创始人是曹越博士。熟悉计算机视觉（CV）发展史的朋友对他绝对不陌生：在微软亚洲研究院（MSRA）期间，曹越作为核心作者发表的《Swin Transformer》一举拿下了 ICCV 最佳论文奖（马尔奖），目前其 Google Scholar 引用量已逼近 6 万次。联合创始人张拯同样是该论文的核心作者。
这是一支具有极强科研与工程背景的团队。成立不久，Sand.ai 便完成了由源码、今日、经纬等领投的多轮融资。有了充足的资金支持，Sand.ai 并没有选择直接跟随行业主流的 Sora 路线。当大部分团队都在追捧 DiT（Diffusion Transformer）架构时，他们坚信：通过自回归（Autoregressive）预测视频块序列来生成视频的世界模型，才是更接近物理世界第一性原理、且具备更强 Scaling 能力的终局。据悉，近期 Sand.ai 又快速完成了一轮数千万美金融资。
目前，Sand.ai 旗下主要布局了两款核心模型，分别针对影像创作周期中的不同核心诉求：
Magi-1：近期，实时生成的 “自回归世界模型” 正成为全行业追捧的热门方向，但 Sand.ai 早在近一年前，便发布了全球首个自回归视频生成大模型 Magi-1。它彻底告别了传统 AI 视频的 “慢动作” 与死板感，实现了极具爆发力的流畅动作、无限长度续写，以及精细到 1 秒的时间控制。
GAGA-1：国内首个推出的音画同出生成模型，主打 “AI 演员” 级别的极致表现力。解决了行业内最头痛的 “人物不一致” 和 “表情太假” 问题，在物理规则连贯性和原生音画同步上屡破纪录。
在深耕底层架构与开源基建的同时，Sand.ai 展现出的另一层核心壁垒，是其将前沿技术转化为实际应用的产品化能力。
据了解，Sand.ai 中较为低调的小团队还推出了一款 Video Agent，主要面向海外市场。据市场反馈，该产品目前在海外大受好评，主要体现在一键直出视频创作流程的智能化水平方面，海外商业化增长势头强劲，值得行业持续关注。
结语：Advance AI to Benefit Everyone
当 Sora 2 按下暂停键，AI 视频的故事并没有结束。Sand.ai 连续三天的开源不仅展示了其在模型、算力和编译框架上的全栈技术实力，更向我们展示了一家顶级 AI 公司应有的姿态：既有仰望星空的技术信仰，又有脚踏实地的底层死磕，更有拥抱世界、造福开发者的开源胸怀
正如 Sand.ai 致力于将前沿技术转化为触手可及的生产力工具，将 “AI 演员” 和 “通用视频生成” 变为现实。这种对底层的坚守与对应用的探索，正是实现 “Advance AI to Benefit Everyone” 这一宏大愿景的必经之路。
技术的突破从来不是一蹴而就的。在这条布满荆棘但充满希望的道路上，我们有理由相信，像 Sand.ai 这样拥有清晰技术信仰、兼具科研与工程能力的 “少数派” 团队，正悄然改变着视听生成的未来。我们也期待，有更多拥有相同信仰、渴望在 AI 浪潮中留下扎实脚印的人才，能与他们并肩前行，共同推动 AI 技术的普惠发展。
相关攻略
智东西 作者｜毕伟豪 编辑｜漠影 说来也巧，就在几天前被Claude正式“封杀”之后，OpenClaw没有沉寂，反而在昨天放出了4 5版本的重磅更新。这一波操作，直接把讨论热度拉满了。新版本不仅将Claude CLI从新用户的默认后端选项中移除，还重构了备受关注的梦境系统以强化记忆，更关键的是，内置
一、灵魂变量：ctl 原子整数（最精妙的设计） 要深入理解线程池的并发安全性，必须从其核心机制入手——即那个被称为ctl的原子整数。它的设计理念堪称经典： private final AtomicInteger ctl = new AtomicInteger(ctlOf(RUNNING, 0));
31日ClaudeCode源码泄露10余个小时后，4月1日13点，CC之父Boris终于公开回应：“这是人为错误。我们的部署流程中有一些手动步骤，而其中有一步没有正确执行。我们已经上线了一些改进措施
中新经纬4月1日电 (谢婧雯)“这是人为错误。我们的部署流程包含几个手动步骤，其中一个步骤我们操作有误。我们已经进行了一些改进，并且正在深入研究，以增加更多健全性检查。”4月1日下午，Anthr
编辑 | 王凤枝一个59 8MB的map文件，把Anthropic最核心的编程产品扒了个干净。这不是黑客攻击，不是内部泄密，就是发布时忘了删。3月31日，安全研究员Shou Chaofan在npm注
热门专题
热门推荐
今年三月，谷歌DeepMind高级科学家Alexander Lerchner发表了一篇重磅论文，其核心结论清晰而深刻：基于算法的符号操作在结构上注定无法产生真正的意识——无论未来模型规模如何庞大、架构如何精巧，甚至是否为其配备仿生身体，这一根本性限制或许都无法被跨越。 仔细审视这一论断，它并非一个关
研究针对AI助手难以执行复杂屏幕操作的问题，构建了CUActSpot评测基准，通过代码渲染自动生成含精确坐标的多样化训练数据，并训练了一个40亿参数模型。实验表明，提升训练数据多样性比单纯扩大数据规模更能有效增强模型通用操作能力，并展现出跨任务泛化潜力。
《迷你世界》于2026年5月15日发布全新激活码，玩家可凭兑换码领取酷炫角色装扮、迷你币及稀有道具，请及时复制有效激活码前往游戏内使用。
《我的世界》于2026年5月17日发布免费兑换码EMMMyxhjVHMApsb2，可兑换游戏道具与装饰。兑换码常有时间或次数限制，请尽快使用。更多兑换码可查看官方汇总页面。