頂級視頻模型半衰期只有 30 天，但生成式媒體 infra 公司的收入卻在一年增長了 60 倍

「在生成式媒體領域，算力將比數據先耗盡。」

算力成本有多夸張？

• 如果將一個頂尖的 LLM 處理單個 Prompt（約 200 Token）所需的算力定義為 1 個單位。

• 那么，生成一張高質量圖像所需的算力大約是其 100 倍。

• 再進一步，生成一個 5 秒鐘、24fps（每秒 24 幀）的標準清晰度視頻（包含約 120 幀），算力需求又是生成圖像的 100 倍

• 如果目標是生成 4K 超高清分辨率的視頻，算力需求還要在這個基礎上再驚人地增加 10 倍。

可以說，算力受限，是視頻生成模型當下最典型的難題。

fal.ai，是在這個背景下跑出來的一家生成式媒體 infra 公司。通過一套統一、低延遲的 API 和云端推理平臺，讓開發者和企業，能高性能調用圖像、視頻、音頻等多模態生成模型。

平臺上托管了數百個先進模型，包括 DeepMind（Veo）、Kling、MiniMax 還有 OpenAI（Sora）。提供的價值很直接：客戶不用自己搞 GPU 基礎設施，不用運維，就能快速部署復雜模型。

在商業層面，fal.ai 在 2025 年直接起飛了。截至 2025 年 7 月，fal.ai過去 12 個月的收入增長 60 倍。2025 年 7 月至 12 月期間，公司估值翻了三倍；去年 12 月，搞定 1.4 億美元 D 輪融資，估值干到 45 億美元。

為什么是 fal.ai？

這篇文章，重點解析了 fal.ai 如何通過架構設計、性能優化以及生態協作，在生成式媒體的大趨勢下快速抓住機會、然后建立起自己的護城河。

??關注 Founder Park，最及時最干貨的創業分享

超 19000 人的「AI 產品市集」社群！不錯過每一款有價值的 AI 應用。

邀請從業者、開發人員和創業者，飛書掃碼加群：

進群后，你有機會得到：

• 最新、最值得關注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的AI產品曝光渠道

01fal 為什么早早押注生成式視頻？

fal 是一家為開發者和企業提供高性能的 AI 生成媒體平臺的 infra 公司，通過 API 和云端加速引擎讓圖像、視頻、音頻等 AI 模型能快速推理和部署。2025 年 12 月，fal 完成了 1.4 億美元 D 輪融資，由紅杉資本領投，凱鵬華盈、英偉達等跟投，公司估值達到 45 億美元。

fal 成立于 2021 年，當時 DALL-E 2、ChatGPT 和 Llama 等模型相繼問世，但市場對于 LLMs 過度關注，AGI 的宏大敘事吸引了絕大多數的資金與頂尖人才。相比之下，圖像與視頻生成在當時被視為一個被忽視的市場，大家普遍認為缺乏清晰的行業用例，更像是一個僅僅用于娛樂的「玩具級應用」。

然而，fal 團隊在早期就敏銳地觀察到雖然圖像與視頻生成在當時還是一個相對小眾的市場，但客戶的增長速度極快。因此團隊并沒有選擇隨大流去追逐 LLM 的熱潮，而是選擇在這個當時看似邊緣的領域加倍下注，甚至在 Sora 發布前的兩三個月，就已經將公司定位明確調整為「Generative Media Platform」。這種差異化的押注，使得 fal 在視頻模型爆發前夕便已完成了在 infra 領域的生態卡位。

fal 對生成式視頻這么有信心的原因其實是基于一個非常底層的邏輯：視頻占據了互聯網 80% 以上的帶寬，那么在生成端，Generative Video 的市場規模理應與 LLM 相當，甚至更為龐大。盡管當時專注于解決這一問題的公司寥寥無幾，但 fal 堅信這不僅僅是帶寬的消耗，更是人類信息消費習慣的直接映射。

fal 進一步引用了 Andrej Karpathy 的觀點來支撐自身對視頻價值的深層理解：人類本質上是視覺動物，相比于閱讀「文字墻」（Wall of Text），視頻是一種信息壓縮率更高、更符合人類直覺的媒介。

Andrej Karpathy 的觀點

比如在教育場景中，視頻的這種優勢尤為明顯：一個復雜的概念，如果用文字描述可能需要 10000 個字符，但通過視頻往往只需要 15 秒就能更清晰地傳達。fal 認為，目前教育市場在視頻生成領域幾乎仍處于未被觸及的狀態的限制僅僅在于模型的質量尚未完全達標，一旦 infra 能夠支持更高質量、更可控的視頻生成，視頻將在娛樂之外釋放出巨大的生產力價值，徹底改變人們獲取信息和學習的方式。

02技術壁壘：

fal 從「算力受限」入手，加速視頻生成

fal 團隊認為視頻模型與 LLM 在底層計算特征上存在本質區別。對于自回歸的 LLMs 而言，性能瓶頸通常是內存帶寬受限，這是因為在預測下一個 Token 時，系統需要將巨大的模型權重（例如 6000 億參數）從顯存搬運到 SRAM 中進行計算，速度往往受限于搬運的效率而非計算本身。

相比之下，視頻生成模型則是典型的「算力受限」場景。視頻模型需要在成千上萬個 Token 上同時進行去噪和注意力計算。例如，一個視頻可能包含 10 萬個 Token，生成過程需要執行 50 次去噪步驟，每一步都要對所有 Token 進行注意力運算。這導致 GPU 的計算帶寬被完全填滿，系統不再僅僅等待內存傳輸，而是被純粹的運算量所卡住。

為了量化這種差異，fal 給出了具體的算力對比數據：

?如果將一個 SOTA 級別的 LLM 處理單個 Prompt（約 200 Token）所需的算力定義為「1 個單位」，那么生成一張圖像的算力大約是其 100 倍。

?進一步推算，生成一個 5 秒鐘、24fps 的標準清晰度視頻（包含約 120 幀），那么算力需求是圖像的 100 倍，是 LLM 處理單一 prompt 的 10000 倍。

?如果要生成 4K 分辨率的視頻，算力需求還要再增加 10 倍。

這種指數級的算力需求差異，解釋了為何通用的大模型推理架構難以直接高效地服務于視頻生成，也突顯了針對 Compute Bound 場景進行深度優化的必要性。

因此，fal 組建了一支專注于極致性能的編譯器團隊，這支約占公司 10% 人力的精銳力量將全部精力投入到了 Kernels 的編寫與優化中。值得一提的是，fal 的工程負責人 Batuhan 從 14 歲便開始編寫編譯器，曾是 Python 語言核心編譯器和解釋器的核心維護者，也是當時最年輕的維護者之一。

面對不斷涌現的各類視頻模型架構，fal 并沒有選擇針對單一模型進行孤立優化，以免在模型迭代后前功盡棄，而是選擇構建了一個核心的 Tracing Compiler（追蹤編譯器）。這個編譯器能夠追蹤模型的實際執行過程，智能地識別出執行路徑中的通用模式，從而為后續的性能加速奠定基礎。

在具體執行策略上，fal 采用了一種基于 Templated Kernels（模板化內核）的動態替換方案。通過編譯器在運行時（Runtime）的追蹤，系統能夠將識別出的通用計算模式替換為高度特化的專用 Kernels，從而顯著提升在異構硬件上的執行效率。這種在 Kernel 層面進行的數學上精確且合理的抽象，使得 fal 不僅能追求極致速度，還能確保模型輸出質量的穩定性，這在對畫質要求極高的媒體行業至關重要。

憑借這種專注，fal 的推理引擎通常能領先 PyTorch 等通用框架 3 到 6 個月的時間，當通用框架追趕上 fal 一年前的性能水平時，fal 已經完成了下一輪的優化迭代。

此外，fal 正在將自身的底層優勢從離線生成快速擴展至 Real-time Media 領域。隨著視頻生成向 24fps 的實時流式傳輸演進，用戶希望在輸入 Prompt 的同時即刻獲得視覺反饋。fal 早在一年前優化 Speech-to-speech 模型時就積累了大量低延遲經驗，包括如何在全球分布式 GPU 集群中將請求路由至最近的節點，以及如何最小化系統自身的開銷。現在，fal 正將這些針對亞秒級延遲的系統級優化技術移植到實時視頻生成中，來解決當生成時間壓縮至毫秒級時所面臨的 infra 挑戰。

03成本優勢：

fal 如何管理算力成本？

與傳統依賴單一云廠商的模式不同，fal 管理著分布在約 35 個不同數據中心的計算資源。這些資源構成了高度異構的計算組，每個數據中心可能擁有完全不同的硬件規格和網絡環境。因此 fal 面臨的一個挑戰就在于，如何將這些物理上分散、規格上參差不齊的硬件資源，在邏輯上整合成一個統一的集群來調度，使運作效率能夠達到仿佛是來自單一 Hyperscaler 的同構集群那樣的水平。

為了駕馭這種復雜的異構環境，fal 團隊花費了三年時間構建了從 Orchestrator（編排器）到自研 CDN 服務的一整套軟件系統。fal 將自身構建的 infra 網絡定義為 Distributed Super Computing（分布式超級計算）。

這套 infra 具備高度的智能化調度能力，核心邏輯之一是基于 Warm Cache 狀態進行路由：系統能夠識別哪些 GPU 已經加載了特定的模型權重，并將請求精準分發給這些「熱」節點，從而避免了重復加載模型的巨大開銷。

Warm Cache 狀態是指緩存已經被預先加載了有用的數據，因此在后續訪問中更有可能直接命中緩存、提高響應速度，而不是每次都去源數據獲取。

這套 infra 還能根據模型需求智能選擇最匹配的芯片類型，高效管理模型的加載與卸載，并根據實時變化的客戶流量動態調整資源。這種技術讓 fal 能夠在任何有算力的地方挖掘產能，從而支持大規模的生成式媒體工作負載。

此外，fal 在 infra 的選型上還采取了明確的差異化策略，戰略性地避開了傳統的 Hyperscalers，轉而深度利用 Neo-clouds（新興云廠商）。

團隊觀察到，在當前的 GPU 算力市場中，即便是 Hyperscalers 也并不總是擁有絕對的規模優勢，甚至像 Microsoft 這樣的大廠也在從 Neo-clouds 購買算力。相比于受到公開市場壓力、必須維持既定云利潤率的上市巨頭，成立僅三年的私有 Neo-clouds 公司面臨的利潤壓力較小，這為 fal 提供了更具彈性的合作空間。

這種策略也帶來了顯著的成本優勢。fal 指出，Hyperscalers 與 Neo-clouds 之間存在巨大的價格差異，使用 Hyperscalers 的成本有時可能比 Neo-clouds 高出 2 倍甚至 3 倍。造成這種差異的原因在于，Hyperscalers 擁有更高的運營開支（比如有更嚴格的 SLAs 和正常運行時間保障），且在供不應求的市場環境下，它們傾向于維持高價以獲取更好的收益。相反，Neo-clouds 處于完全競爭的市場環境中，為了爭奪海量的市場需求，它們傾向于通過價格競爭來填補產能。fal 通過這種套利策略，成功在 GPU 資源緊缺的環境下獲得了極具競爭力的算力成本。

04生態卡位：

fal 是連接開發者與多家模型的單一接口

fal 是連接多個模型供應商的單一樞紐

fal 團隊在 25 年 Q2 和 Q3 觀察到一個極其顯著的數據指標：一個頂級視頻模型的「半衰期」（Half-life）僅為 30 天。這意味著視頻生成領域的競爭格局極度不穩定，市場上的 Top 5 模型 list 始終處于持續不斷的變動之中：來自不同實驗室的新模型發布層出不窮，不斷地取代舊模型的領先地位。這種極快的折舊速度導致目前的模型格局仍處于一種動蕩狀態。

在這種環境下，開發者面臨著巨大的風險：如果將所有雞蛋放在一個籃子里，也就是針對單一模型去進行優化或綁定，那么一旦下一個更強的模型出現，之前的投入就會瞬間失效。目前 fal 平臺同時運行著超過 600 個生成式媒體模型。對于開發者而言，fal 成為了一個連接多方模型供應商的單一樞紐。

這讓開發者可以不再受制于任何單一模型，因為在實際應用中，人們通常需要在同一時間使用多種不同的模型，以應對極短的技術生命周期。fal 通過這種方式積累了龐大的開發者基礎。

fal 團隊還回顧了三年前行業的一個普遍誤判：當時人們普遍預測會出現「全能模型」（Omni Models），即一個巨大的單體模型能夠同時完美處理視頻、音頻、圖像、代碼和文本等所有模態。

然而現實證明，針對特定輸出類型進行優化往往能獲得更好的效果。技術優勢往往建立在對特定模態的極致打磨上，例如最好的超分模型通常只專注于超分任務，即便是在圖像生成領域，最好的文生圖模型與圖生圖編輯模型也往往不同。

超分任務指的是一種計算機視覺/圖像處理任務，目標是從低分辨率（低清晰度）的圖像或視頻輸入中生成一個更高分辨率、更清晰的輸出。

這種專業化的需求導致了模型生態的極度豐富，即使是同一架構家族的模型，也需要部署獨立的權重。因此，市場上并未出現贏家通吃的局面，而是呈現出顯著的長尾效應：fal 平臺上任何時刻都有接近 50 個活躍模型被頻繁使用，此外還有大量因具備特定「人格」或特性而被開發者青睞的長尾模型。

盡管熱門模型一直在不斷更迭，但在客戶的實際使用中，fal 觀察到一種長期穩定的「組合拳」模式：開發者通常會同時維護兩類模型。

1.偏于昂貴的大模型，如 Sora、Veo 或 Kling，這類模型代表了當前視頻生成的最高質量，用于產出最終的成品。

2.主力模型（Workhorse Models），它們雖然體量較小、成本更低，但效果足夠好，非常適合用于高頻次的生成任務或原型驗證。

這種高低搭配的策略，使得開發者能夠在控制成本的同時，靈活滿足不同業務環節對質量和速度的差異化需求。

fal 是連接實驗室與開發者的分發樞紐

目前 fal 已經不僅僅是一個 infra 提供商，更演變成了模型實驗室的關鍵分發渠道。通過過去兩年建立的強大營銷機器和開發者社區，fal 積累了大量忠實的開發者用戶，這對于急需落地場景的模型實驗室構成了巨大的吸引力。因此，包括 DeepMind（Veo）、Kling、MiniMax 以及 OpenAI（Sora）在內的頂級廠商，都選擇 fal 作為合作伙伴。

這種合作關系往往通過聯合營銷（Co-marketing）的形式展開，作為交換，fal 經常能獲得新模型的獨家首發權（Exclusive Release Access）或長期獨家合作。模型廠商希望接觸最大的開發者平臺，而 fal 借此吸引更多開發者，形成了一個正向增強的飛輪效應，鞏固了自身作為行業首選分發平臺的地位。

05用戶是怎么使用生成式模型的？

fal 團隊通過分析平臺數據發現，在 fal 的前 100 名客戶中，平均每個客戶在同一時間會使用 14 個不同的模型。

進一步，團隊觀察到，目前開發者和創作者在平臺上并非簡單地輸入一段文本就直接生成一部 5 分鐘的商業廣告。相反，為了獲得更高的可控性，他們正在無意中復刻傳統動畫巨頭（如 Pixar）早已成熟的制作流程：

1.在前期制作階段，創作者會先使用 Text-to-Image 模型來反復迭代，直到確定理想的視覺美學和風格，并據此生成一系列靜態圖像來構建 Storyboard（故事板）。

2.在確定了關鍵幀和視覺基調后，流程才會進入制作階段。此時，視頻模型介入，負責在這些靜態圖像之間進行 Interpolation（插值），將故事板串聯成動態的視頻。

這種將「前期構思」與「后期生成」拆解開來的做法，最初在傳統行業是出于成本考量，但在 AI 時代，它更多是為了速度和精確控制。這使得創作者能夠像操作 Photoshop 圖層一樣，對每一個環節進行精細調整，而不是單純依賴模型的隨機生成。

這種模塊化的工作流為 AI 時代的媒體制作帶來了極大的靈活性。fal 提到，AI 讓工作流變得非常有趣，一旦所有的節點都鋪設完畢，那么，當一個新的、更強的 Text-to-Image 模型發布時，創作者只需「按下一個按鈕」，整個流水線就可以基于新模型自動重新運行，生成全新的視覺組合。

盡管這種「牽一發而動全身」的重跑成本可能很高（例如更新一個環節導致重跑整個流程花費 1000 美元），但對于追求極致效果的專業工作室或創作者而言，這種能夠精確控制并隨意替換組件的能力是無價的。這也解釋了為什么專業工作室更傾向于使用開源模型，因為只有開源生態允許他們深入控制每一個切片，添加自定義的 Adapters 或調整權重，從而將 AI 的生成能力完全馴化為自己工作流的一部分。

為了降低這種復雜工作流的構建門檻，fal 與 Shopify 合作開發了一個 No-code workflow builder（無代碼工作流構建器）。這個工具對于非技術人員，比如 Shopify 的產品經理和市場團隊，非常友好，他們可以利用該工具來快速測試不同的創意，或者橫向比較不同模型的輸出效果。盡管探索過程往往始于可視化的無代碼界面，但這些經過驗證的流程最終都會通過 API 沉淀下來，被正式集成到軟件產品中。隨著越來越多的傳統軟件工程組織開始對圖像和視頻模型產生興趣，這種從原型探索到工程化落地的多模型調用模式正在快速普及。

Use Case

?教育：動態生成的個性化學習體驗

fal 團隊在訪談中強調，教育市場目前幾乎是一片藍海，擁有巨大的未開發潛力。其中一個極具創新性的案例是 Adaptive Security。這家公司正在 fal 平臺上構建一種全新的培訓模式：傳統的安全培訓通常使用固定的腳本和錄像，但 Adaptive Security 能夠根據受訓者的具體情況，「即時（on the fly）」生成動態的培訓視頻。這種高度個性化的內容生成方式，解決了傳統教育內容千篇一律的痛點。

Adaptive Security 是一家由 Brian Long 和 Andrew Jones 于 2024 年創立的 AI 網絡安全公司，專注于通過先進的 AI 技術提供下一代安全意識培訓、AI 攻擊模擬和實時風險分析，幫助組織防御如深偽（deepfake）、生成式釣魚、語音/短信詐騙等復雜的社會工程類網絡威脅。

此外，fal 還提到了 AI Native Studios 的興起，例如一款名為 Faith 的圣經應用程序，它利用 AI 制作高質量的圣經故事視頻，在 App Store 上獲得了極高的排名，這也證明了 AI 原生內容在垂直教育領域的吸引力。

?游戲：Text-to-Game 將是 Text-to-Video 的自然延續

對于游戲領域，fal 提出了一個觀點：Text-to-Game（文生游戲）將是 Text-to-Video（文生視頻）的自然延續。如果說視頻是靜態的視覺流，那么游戲就是可交互的視頻。fal 預測，隨著模型能力的提升，未來將出現一種全新的游戲形態：「一次性」的超休閑游戲（Disposable Hyper-casual Games）。用戶可能只需要輸入一個指令，模型就能生成一個只能玩一次、玩完即棄的微型游戲。雖然目前 3A 級大作的生成還需要 3-4 年的時間，但這種基于 World Models 的輕量級游戲體驗已經不再遙遠，并將徹底改變大眾對游戲分發和消費的認知。

?AI 原生 IP：無主 IP 的商業化奇跡

在 IP 商業化方面，fal 觀察到一個有趣的現象：雖然好萊塢擁有的經典 IP 價值巨大，但完全由 AI 生成的無主 IP 也在通過另一種路徑崛起，特別提到了是 Italian Brainrot，這些角色最初沒有任何版權歸屬，完全是由互聯網社區利用 AI 工具生成的。由于內容生成的成本極低，社區可以生成無數種排列組合，最終那些能夠捕捉大眾情緒的形象會脫穎而出。

這些 AI 原生角色不僅在社交媒體上爆火，甚至還被開發成了 Roblox 游戲，甚至肯可能產生了可觀的收入。這證明了在生成式媒體時代，廉價的生成能力結合社區篩選機制，完全有能力創造出具有商業價值的新一代 IP。

Italian Brainrot 是 2025 年在社交媒體上瘋傳的一種網絡迷因（meme）現象，通常由 AI 生成的荒誕圖像或短視頻組成，內容是各種奇怪的動物或物體混合體配上偽意大利風格的名字和夸張的「意大利語」旁白，以荒誕、無意義、過度刺激的風格吸引觀眾。

在談及如何避免 AI 生成的內容淪為廉價的垃圾內容時，fal 以 Meta 發布的 Vibes 和 OpenAI 的 Sora 做對比：Meta 發布的 Vibes 讓人感覺像是一臺缺乏情感連接的老虎機（Slot machine），用戶玩了幾次之后就可能放棄了；而 OpenAI 的 Sora 將重點放在了朋友、寵物和人際連接上，因此技術只是基底，能夠建立情感共鳴的內容才是區別于「無限垃圾內容」的關鍵。

06fal 對生成式媒體未來發展的三個判斷

視頻模型的架構瓶頸在于壓縮率

fal 團隊明確指出，如果想要將視頻模型規模擴展 10 倍甚至 100 倍，現有的模型架構在 Inference Efficiency 上已經有了一個巨大的瓶頸。單純的工程化擴展已不足以解決問題，底層架構必須發生改變。

fal 以圖像模型的發展史為例：早期的圖像生成需要在像素空間（Pixel Space）進行操作，效率極低；后來引入了 Latent Space（潛在空間）技術，成功將 64 個像素壓縮為一個像素，才實現了效率的質的飛躍。同樣的邏輯現在必須應用到視頻模型上，尤其是在時間維度的壓縮上。fal 指出，目前行業內視頻模型在時間維度上的壓縮比率大約只有 4 倍，必須大幅提升壓縮率，才能從根本上驅動推理效率和訓練效率的提升。

Latent Space（潛在空間）是機器學習（尤其是深度學習）中一種把復雜、高維數據壓縮成低維、抽象表示的空間，在這個空間里相似的數據點彼此更接近，從而幫助模型理解、生成和操控數據的核心特征。

這一點在追求 4K 實時視頻的目標時顯得尤為緊迫。fal 的內部測算顯示，要實現 4K 級別的實時生成，意味著需要在現有基礎上獲得 100 倍甚至更多的算力支持。面對如此巨大的算力缺口，僅僅指望硬件性能的自然增長是遠遠不夠的，硬件進步的速度無法在短時間內填補這一鴻溝。因此，模型架構必須變得更加高效。

在生成式媒體領域，算力將比數據先耗盡

fal 團隊認為生成式媒體領域之所以令人興奮，是因為仍有海量的探索空間。過去在數據處理上其實采取了最簡單可行的路徑：主要工作集中在對圖像進行標注并訓練模型進行視頻和圖像生成。然而，隨著行業向更高階的視頻與圖像編輯演進，創建高質量數據集所需的 Data Engineering（數據工程）復雜度將大幅提升。

但與 LLM 領域普遍擔憂的數據枯竭不同，fal 認為，在生成式媒體領域，數據的供給端并不存在瓶頸，因為互聯網上擁有極度豐富且免費的視頻數據，因此 fal 給出了一個判斷：生成式媒體行業面臨的局面將是先耗盡算力，后耗盡數據（run out of compute before run out of video data）。

一年內將涌現出電影級 AI 短片，而且動畫風格會比寫實風格更早爆發

fal 團隊對生成式媒體的發展速度給出了明確的預測：在不到一年的時間內，市場將能看到完全由 AI 生成（無人類拍攝，但包含人類剪輯）的 Feature-grade short films（電影級短片），時長大約在 20 分鐘。fal 表示，目前的模型質量結合成熟的 Storyboarding（故事板）工作流，技術基礎已經具備。只要投入足夠的時間制作，這種級別的作品很快就會問世。

盡管目前行業內絕大多數的目光都聚焦在 Photorealistic（照片級寫實）風格上，但 fal 團隊認為，Animation（動畫）、Anime（動漫）或 Cartoon（卡通）風格將比寫實風格更早迎來爆發。這背后的商業邏輯在于，在傳統影視制作中，拍攝寫實畫面本身其實是相對便宜且容易實現的，真正昂貴的是制作非寫實的動畫內容。AI 的介入大幅降低了昂貴的動畫制作成本，這比降低本就廉價的實拍成本更具顛覆性。

以 Midjourney 為例，Midjourney 已經從最初追求照片級寫實（Photorealism）轉向了獨特的藝術風格化（Artsy/Niche），這正是因為他們意識到，隨著技術進步，單純的寫實能力將不再稀缺且容易被商品化，而獨特的審美和風格才是真正的護城河。

從觀眾接受度和技術實現難度來看，動畫風格也具有天然優勢。fal 指出，觀眾喜愛《玩具總動員》、《馴龍高手》或《史萊克》等經典作品的背后原因其實在于動畫片的 Storytelling 的能力，而不是畫面是否有逼真的風格。此外，寫實風格對人物面部表情的要求非常高，目前 AI 仍難以完美處理，容易顯得面部表情不自然；相比之下，動畫風格對表情的精確度更為寬容，不需要追求極致的仿真，這使得它能更快地被用于故事講述。因此，AI 很有可能像當年計算機動畫改變電影業一樣，率先在非寫實領域創造出全新的敘事媒介。

但這并不意味著寫實風格毫無進展。fal 表示，在視覺特效（VFX）領域，像爆炸或建筑倒塌這類純物理現象的生成，AI 其實已經做得非常完美了。

轉載原創文章請添加微信：founderparker