Runway和Luma又打起来了，Yann LeCun炮轰：你们再牛，也不是「世界模型」
AI视频生成赛道近期持续升温，两大头部玩家在同一天各自亮出杀手锏。6月29日，Runway宣布其最新模型Gen-3 Alpha向部分用户开放测试；同日，Luma也推出了关键帧新功能，并对所有用户免费开放。用一句老话来说——你有张良计，我有过墙梯，两家在AI视频生成领域斗得不亦乐乎。
这可把网友们高兴坏了，“6月，多么美好的一个月！”
“疯狂的5月、疯狂的6月，疯狂到根本停不下来！”
Runway超绝镜头，干掉好莱坞
两周前，AI视频生成“王者”Runway祭出Gen-3 Alpha时，就预告过将在“几天内”首先向付费用户提供，免费版本也会在未来某个时间点开放。到了6月29日，他们果然兑现了承诺——部分用户已经可以上手测试了。
Gen-3 Alpha之所以备受追捧，是因为它和上一代相比，光影质感、画面质量、构图表现、文本语义还原、物理模拟、动作一致性全都上了一个台阶。官方宣传语也挺有情怀：“For artists, by artists”。那么实际效果到底怎么样？网友们的整活最有说服力。
一个可怕的怪物从伦敦泰晤士河升起的电影镜头——
一只悲伤的泰迪熊在哭泣，哭到伤心处还拿纸巾擤鼻涕——
身穿华丽礼服的英国女郎，行走在古堡耸立的大街上，旁边有疾驰的车辆、缓行的马匹——
一个巨大的蜥蜴，全身镶嵌着华丽的珠宝、珍珠，穿过茂密的植被，在光线下闪闪发光，画面逼真程度堪比纪录片。
还有一只满身红蓝宝石的镶钻蛤蟆——
夜晚的城市街道，雨水泛起霓虹灯的倒影。镜头从水坑中的反射灯光开始，缓缓升起，展现出发光的霓虹广告牌，随后继续向后拉远，整条被雨水浸湿的街道尽收眼底。
培养皿中生长的黄色霉菌，在暗淡而神秘的灯光下呈现冷色调，动态感十足。
秋天的森林中，地面被橙色、黄色和红色的落叶覆盖。轻风拂过，镜头紧贴地面向前推进，一阵旋风形成，将落叶卷起，形成螺旋。镜头随之升起，绕着旋转的落叶柱旋转。
从满是涂鸦的隧道低视角开始，镜头平稳地沿道路推进，穿过短暗的隧道，在另一侧出现后迅速升高，展现出一大片五彩缤纷的野花田，周围是雪山环绕。
一个弹钢琴的特写镜头，手指在琴键上跳跃，没有手部畸变，动作流畅。唯一的不足是：无名指上没有戒指，但影子“无中生有”地出现了。
网友们的整活还炸出了Runway联合创始人Cristóbal Valenzuela，他为自创的蜜蜂相机生成了一段视频。这个袖珍相机长啥样呢？
AI视频生成技术再这样进化下去，好莱坞的演员们又要闹罢工了——这可不是开玩笑。
Luma的关键帧新功能，画面过渡丝滑
同一天，Luma AI推出了关键帧功能，而且大手一挥，直接向所有用户免费开放。操作很简单：用户只需上传起始和结束图片，加上文字描述，Luma就能生成好莱坞级别的特效视频。
比如，X网友@hungrydonke上传了两张关键帧照片：
提示词是：“A bunch of black confetti suddenly falls”（突然，一堆黑色纸屑纷纷扬扬地落下来），效果如下——
网友@JonathanSolder3先用Midjourney生成两张图片：
接着用Luma关键帧功能生成了超级赛亚人变身动画。据作者说，不需要增强提示，只输入“超级赛亚人”就行。
还有网友用这个功能完成每一个镜头过渡，将经典童话混搭，生成了名为《The Wolf, The Warrior, and The Wardrobe》的动画。
魔鬼变天使——
橘子变小鸡——
星巴克logo变身——
还有网友将20个梗图利用Luma进行无缝衔接。AI视频生成界战况如此焦灼，天晓得Sora怎么这么沉得住气，到现在都不露面。
Yann LeCun「炮轰」：它们压根不懂物理
早在年初Sora发布时，“世界模型”就成了火热的概念。后来谷歌的Genie也打出“世界模型”旗号，这次Runway推出Gen-3 Alpha时，官方称“朝着构建通用世界模型迈出了重要一步”。那到底啥是世界模型呢？其实并没有一个标准定义，但AI科学家们认为，人和动物会潜移默化地掌握世界运作规律，从而可以“预知”接下来发生的事情并采取行动。世界模型的研究就是让AI学习这种能力。
很多人觉得Sora、Luma、Runway生成的视频相当逼真，还能按时间顺序往后生成新内容，似乎学会了“预知”事物发展的能力——这与世界模型研究追求的目标不谋而合。不过，图灵奖得主Yann LeCun一直是个清醒的“泼冷水”者。他认为：“根据提示产生看起来最真实的影片，并不代表系统理解物理世界，生成与世界模型的因果预测有很大不同。”
7月1日，Yann LeCun连发6条帖子炮轰视频生成模型。他转发了一个AI生成体操的视频：视频中的人物要么脑袋凭空消失，要么惊现4条腿，各种奇葩画面满天飞。Yann LeCun说，视频生成模型并不理解基本的物理原理，更不用说人体结构了。
“Sora和其他视频生成模型都有类似的问题。毫无疑问，视频生成技术会随着时间的推移而变得更加先进，但是，真正理解物理的优秀世界模型不会是生成式的。所有的鸟类和哺乳动物都比任何视频生成模型更懂物理，然而它们中没有一种能生成详细的视频。”
有网友质疑：人类不正是根据对物理的理解，在脑海中不断生成详细的“视频”吗？Yann LeCun线上答疑：“我们构想的是可能发生的抽象情景，而不是生成像素图像。这就是我想表达的观点。”
还有网友认为，鸟类和哺乳动物的大脑时刻在生成详细的“视频”，只是无法外化展现。Yann LeCun反驳道：“不，它们不会。它们只是生成可能发生的抽象情景，这和生成详细的视频有很大的区别。”
