比Ep11.自回归架构:视频生成领域的“少数派突围

Ep11.自回归架构:视频生成领域的“少数派突围

在喜马拉雅播放
创作者写的节目说明

24年Sora的发布点燃了AI视频生成的技术热情,这一年中国的AI视频生成也形成百花齐放的液态:既有大厂如字节、快手在快速布局类似即梦、可灵这样的产品,也有像创业公司如Minimax、Sand AI、Vidu等在努力追赶做弄潮人。我们很想知道,这一年过去,AI视频生成领域有什么样的突破和变化。

本期我们邀请了Sand AI的产品负责人Chris来跟我们分享一下他在行业内的观察。他亲历互联网创业潮的沉浮,在3D元宇宙风口期潜入VAST重构数字空间,如今执掌SandAI的产品船舵。从AI 3D到视频生成,让我们看看他对于行业的洞见和展望是什么

【穿梭机】

: Sand AI在做什么

: DIT架构和自回归架构的区别

:自回归架构当前的挑战

: Sand AI开源Magi-1,开源是最终回馈给自我的

: 做产品,不是看起来的那么fancy

: 做视频模态的产品,真的赚钱吗

: 视频生成技术在ToB行业的应用

: 创作者insight:质量!控制!

: 好的AI视频创作者是全世界都稀缺的

: 行业依然尚早,百花齐放很重要

: 模型学会物理规律了吗?

: Agent是从终点往前倒推地去做事

: 你不能创造你不理解的事情

: 创业公司的机会是大公司只想做大的事情

:技术创新很快,产品要有规模效应的可能性

: 展望25年:视频生成的目标是多快好省!

——————————————————

欢迎订阅「比路漫长」播客

「比路漫长」是乔布斯形容他和比尔盖茨的关系时用到的一句披头士歌词,当时听到就觉得浪漫无比。所以我想这句话用来形容每一位创业者和合伙人,朋友,包括和投资人之间的关系,非常贴切。在这里,我们尝试寻找和记录下一个十年的新商业领袖,他们或多或少在用商业的方式推动社会和经济的进步,我们希望如实的呈现背后的思考和真相给到大家。

主播 Shawn:美元风投基金 Atypical 合伙人,福布斯30U30,多家科技独角兽企业董事。

主播 KK:AI大模型行业从业者,独角兽大模型公司开源及开发者生态运营负责人。


说明里标出的时间点,点一下跳过去

AI 看点

本期看点

AI 从整集转写里归纳的,不是节目方的宣传语

最值得听的

Chris 给出主流视频工具定价相对推理成本约 30%-100% 毛利,但算上折扣和算力闲时后实际非常微薄。

别处听不到的

作为 Sand AI 产品负责人,他坦承 Magi-1 开源后下限偏低、后训练投入不够,并解释为何仍选择尽早开源。

最打动人的

他用“我先打了你一拳,然后你捂着脸哭”解释时序因果,把自回归架构的世界观讲得具体可感。

AI 推荐理由

为什么值得听

AI 读完整集转写后给出的推荐理由

Sand AI 产品负责人 Chris 讲清了自回归和 DiT 到底差在哪:一个一秒一秒往外吐、能无限续写,一个生成前就得定死总帧数。他给了几个别处听不到的数字——主流视频工具毛利只有 30% 到 100%、算上折扣和闲时浪费后所剩无几,全球能把模型上限做出电影感的人不到一万。后半段他用手电筒 App 类比 AI 产品没有规模效应,说品牌是少数还成立的无形资产。

AI 概要

本期概要

由 AI 从整集转写生成,是创作者说明之外的补充

Sand AI 产品负责人 Chris 在播客中系统讲述了公司为何在视频生成领域选择自回归+扩散的差异化路线,而非主流的 DiT 架构。他解释了两种架构在时序因果、控制粒度和视频长度上的本质差异,坦承 Magi-1 开源后模型下限偏低、后训练不足,并分享了视频生成行业的毛利测算、付费用户规模估算、创作者工作流现状(文生图再图生视频约八二开、真正能做出电影感内容的人全球不到一万)。后半段转向更宏观的判断:AI 产品缺乏传统互联网的规模效应,像手电筒 App 一样随时可能被颠覆,品牌是少数还成立的无形资产。最后用京东“更好更便宜”的 slogan 概括 2025 年视频生成赛道的方向。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立

00:00

半年后复更,新搭档与新嘉宾

主播解释停更半年的原因,介绍新搭档 KK,并请 Chris 自我介绍连续创业经历——从知识付费到失败的社交产品,再到 VAST 和 Sand AI。

02:48

自回归与 DiT:两种架构的本质区别

Chris 用单向与双向、逐帧预测与同时去噪来解释自回归和 DiT 的差异,并说明自回归在时间维度控制粒度和视频长度上的产品优势。

07:03

少有人走的路:技术挑战与行业站位

Chris 承认自回归+扩散结合比单独做更难、没有现成作业可抄,并指出 Sand AI 是主流视频生成玩家中唯一没走 DiT 路线的公司。

10:19

Magi-1 开源:下限偏低,但先发出去

Chris 坦承 Magi-1 容易崩坏、后训练不足,但认为应尽早开源以让自回归路线重回主流视野,并预告后训练改进版即将上线。

14:13

产品战略:能力导向还是需求导向

Chris 区分两种产品思路,介绍 Sand AI 通过用户调研寻找垂类场景、用测试集牵引模型能力提升的做法,并估算视频生成付费用户规模。

19:58

毛利测算:有但不多,非常微薄

Chris 给出主流视频工具定价相对推理成本约 30%-100% 毛利空间,但算上折扣和算力闲时浪费后实际毛利微薄,摊销训练成本则更困难。

22:31

B 端场景:个人买会员、AI 工作室与开源生态

Chris 梳理 B 端使用 AI 视频的三种方式——传统从业者自购会员、甲方找 AI 视频工作室、开源模型加工作流批量跑,并指出开源生态规模难以度量但一定不小。

25:23

创作者最看重质量与控制,一致性痛点还在生图

Chris 指出用户核心诉求是质量和控制,当前工作流以文生图再图生视频为主(约八二开),一致性最大痛点仍在生图环节,Flux 的质感与微调生态也有问题。

28:50

真正做出电影感的人不到一万

Chris 估算全球能把视频模型上限发挥到电影质感水平的创作者在一万人以内,并讨论 Sand AI 用前序视频作 context 维持一致性的工作流思路,以及 Google Veo 3 的文字化条件方案。

32:38

理解生成一体化、物理规律与世界模型

Chris 认为理解生成一体化是趋势但行业尚早,讨论物理规律评测缺乏共识,并指出世界模型概念开放、谁都可以 claim,OpenAI 追求的 AGI 可能就是一个多模态统一世界模型。

36:49

Agent 的两种哲学与理解侧投入

Chris 把 Agent 理解为降本增效的泛指方向,对比 Agent 公司从终点倒推与模型公司从工具出发的两种哲学,并讨论理解能力对生成的重要性及视频标注依赖 VLM 的现状。

42:14

创业公司在大厂夹击下的差异化生存

Chris 分析即梦、可灵、Pika、PixVerse 各自不同的打法与动机,解释 Sand AI 不选模板流量玩法的原因——第一曲线需要有规模效应和议价权。

48:28

AI 产品没有规模效应,品牌是少数还成立的无形资产

Chris 提出 AI 产品像手电筒 App,缺乏传统互联网的供需两侧规模效应,随时可能被颠覆;品牌是少数还成立的无形资产,ChatGPT 与 Claude、DeepSeek 与元宝的对比佐证了这一点。

53:52

品牌的价值与 2025 年的更好更便宜

Chris 解释品牌为何在注意力经济中值钱,认为消费品出身的人做 AI 产品有优势;最后用京东 slogan 的演变概括视频生成赛道 2025 年的方向——更好、更便宜。

比路漫长|商业访谈录 · 更多单集

看全部 14 期 →

比路漫长|商业访谈录

比Ep11.自回归架构:视频生成领域的“少数派突围

比路漫长|商业访谈录 · 2025 年 7 月 16 日 · 1 小时

Ep11.自回归架构:视频生成领域的“少数派突围

在喜马拉雅播放
创作者写的节目说明

24年Sora的发布点燃了AI视频生成的技术热情,这一年中国的AI视频生成也形成百花齐放的液态:既有大厂如字节、快手在快速布局类似即梦、可灵这样的产品,也有像创业公司如Minimax、Sand AI、Vidu等在努力追赶做弄潮人。我们很想知道,这一年过去,AI视频生成领域有什么样的突破和变化。

本期我们邀请了Sand AI的产品负责人Chris来跟我们分享一下他在行业内的观察。他亲历互联网创业潮的沉浮,在3D元宇宙风口期潜入VAST重构数字空间,如今执掌SandAI的产品船舵。从AI 3D到视频生成,让我们看看他对于行业的洞见和展望是什么

【穿梭机】

: Sand AI在做什么

: DIT架构和自回归架构的区别

:自回归架构当前的挑战

: Sand AI开源Magi-1,开源是最终回馈给自我的

: 做产品,不是看起来的那么fancy

: 做视频模态的产品,真的赚钱吗

: 视频生成技术在ToB行业的应用

: 创作者insight:质量!控制!

: 好的AI视频创作者是全世界都稀缺的

: 行业依然尚早,百花齐放很重要

: 模型学会物理规律了吗?

: Agent是从终点往前倒推地去做事

: 你不能创造你不理解的事情

: 创业公司的机会是大公司只想做大的事情

:技术创新很快,产品要有规模效应的可能性

: 展望25年:视频生成的目标是多快好省!

——————————————————

欢迎订阅「比路漫长」播客

「比路漫长」是乔布斯形容他和比尔盖茨的关系时用到的一句披头士歌词,当时听到就觉得浪漫无比。所以我想这句话用来形容每一位创业者和合伙人,朋友,包括和投资人之间的关系,非常贴切。在这里,我们尝试寻找和记录下一个十年的新商业领袖,他们或多或少在用商业的方式推动社会和经济的进步,我们希望如实的呈现背后的思考和真相给到大家。

主播 Shawn:美元风投基金 Atypical 合伙人,福布斯30U30,多家科技独角兽企业董事。

主播 KK:AI大模型行业从业者,独角兽大模型公司开源及开发者生态运营负责人。


说明里标出的时间点,点一下跳过去

AI 看点

本期看点

AI 从整集转写里归纳的,不是节目方的宣传语

最值得听的

Chris 给出主流视频工具定价相对推理成本约 30%-100% 毛利,但算上折扣和算力闲时后实际非常微薄。

别处听不到的

作为 Sand AI 产品负责人,他坦承 Magi-1 开源后下限偏低、后训练投入不够,并解释为何仍选择尽早开源。

最打动人的

他用“我先打了你一拳,然后你捂着脸哭”解释时序因果,把自回归架构的世界观讲得具体可感。

AI 推荐理由

为什么值得听

AI 读完整集转写后给出的推荐理由

Sand AI 产品负责人 Chris 讲清了自回归和 DiT 到底差在哪:一个一秒一秒往外吐、能无限续写,一个生成前就得定死总帧数。他给了几个别处听不到的数字——主流视频工具毛利只有 30% 到 100%、算上折扣和闲时浪费后所剩无几,全球能把模型上限做出电影感的人不到一万。后半段他用手电筒 App 类比 AI 产品没有规模效应,说品牌是少数还成立的无形资产。

AI 概要

本期概要

由 AI 从整集转写生成,是创作者说明之外的补充

Sand AI 产品负责人 Chris 在播客中系统讲述了公司为何在视频生成领域选择自回归+扩散的差异化路线,而非主流的 DiT 架构。他解释了两种架构在时序因果、控制粒度和视频长度上的本质差异,坦承 Magi-1 开源后模型下限偏低、后训练不足,并分享了视频生成行业的毛利测算、付费用户规模估算、创作者工作流现状(文生图再图生视频约八二开、真正能做出电影感内容的人全球不到一万)。后半段转向更宏观的判断:AI 产品缺乏传统互联网的规模效应,像手电筒 App 一样随时可能被颠覆,品牌是少数还成立的无形资产。最后用京东“更好更便宜”的 slogan 概括 2025 年视频生成赛道的方向。

AI 识别的章节

章节

点一章从那里开始播 · 与创作者标的时间点各自独立

00:00

半年后复更,新搭档与新嘉宾

02:48

自回归与 DiT:两种架构的本质区别

07:03

少有人走的路:技术挑战与行业站位

10:19

Magi-1 开源:下限偏低,但先发出去

14:13

产品战略:能力导向还是需求导向

19:58

毛利测算:有但不多,非常微薄

22:31

B 端场景:个人买会员、AI 工作室与开源生态

25:23

创作者最看重质量与控制,一致性痛点还在生图

28:50

真正做出电影感的人不到一万

32:38

理解生成一体化、物理规律与世界模型

36:49

Agent 的两种哲学与理解侧投入

42:14

创业公司在大厂夹击下的差异化生存

48:28

AI 产品没有规模效应,品牌是少数还成立的无形资产

53:52

品牌的价值与 2025 年的更好更便宜

本期提到的品牌与产品

节目里自然聊到的,不是广告

VASTChris 此前任职的 3D AI 公司
01:32中性
Sand AIChris 所在公司,主打自回归视频生成路线
02:54正面
Sora被指发布“骗人的 demo”后引发行业集体转向 DiT
03:07中性
可灵快手视频生成产品,被多次作为对比对象
06:22中性
即梦字节视频生成产品,被讨论其免费策略与内容社区目标
08:38中性
Magi-1Sand AI 开源视频模型,社区反馈下限偏低
10:18中性
比比路漫长|商业访谈录

比路漫长|商业访谈录

面向商业听众的创始人深度访谈节目,聚焦从线下连锁、新消费到AI前沿的创业与生意模型拆解

已收录 14 期 · 最近更新 2025 年 9 月 16 日

这一期适合谁

AI 对内容的推测

听众画像25–34 岁为主 · 偏男性 · 消费力较高
更适合AI 行业从业者

这一期偏哪一派

偏沪派节目由主播围绕视频生成技术路线与商业化设计问题链,嘉宾按问题展开专业解释,讨论范围被有意识地收住,属于编辑部式生产。

在哪里听

https://www.ximalaya.com/album/82969208.xml复制

概要、章节、提及与推广标注由 AI 生成,可能有误;内容版权归创作者,声湃按创作者开放的 RSS 收录。了解收录与 RSS →

更多单集 全部 14 期 →