外星人駕駛飛碟給你送披薩，月球撞上地球——這不是科幻電影作品，而是來自于谷歌剛剛推出的視頻生成模型Veo 3。

只用一句提示詞就拍出電影質(zhì)感的短片。

不僅如此，Veo 3還能通過文本實(shí)現(xiàn)原生的音畫同步生成。

上幾個(gè)實(shí)例先。

視頻的場(chǎng)景設(shè)定在一個(gè)復(fù)古的餐廳，當(dāng)氤氳的煙霧在餐桌上翻騰時(shí)，女郎的唇形卻配著清晰立體的對(duì)白。

畫面中，一個(gè)穿著黑色晚禮服的女人和一個(gè)穿西裝的男人坐在一張小圓餐桌上。桌面點(diǎn)著一盞小燈，旁邊還有一杯威士忌和一個(gè)托盤，像是老電影里的場(chǎng)景。

網(wǎng)友表示，這簡(jiǎn)直太瘋狂了，霸主正在出現(xiàn)。

牛頓穿著18世紀(jì)風(fēng)格的衣服，戴著白色假發(fā)，穿著白色襯衫和黑馬甲，手里拿著一本金色的蘋果和一本書，在燈光昏暗的書房里。

視頻里年輕的牛頓爵士表情夸張，嘴里在念叨著引力拉扯物體，動(dòng)作幅度很大。

有人調(diào)侃「好萊塢要瑟瑟發(fā)抖了」，因?yàn)锳I的生成能力太強(qiáng)大了。

這段松餅對(duì)話，令人印象深刻。大個(gè)的松餅說了一句「我不敢相信Veo 3現(xiàn)在居然能對(duì)話了！」

旁邊的小松餅聽到后，嚇得大叫：「啊啊啊！一個(gè)會(huì)說話的松餅！」這場(chǎng)景太搞笑了，簡(jiǎn)直像動(dòng)畫里的情節(jié)。

Veo 3不僅能生成視頻，添加對(duì)話、音效和背景噪音，文本指令的遵循度也更高了。

視頻雖然只有8秒，但是畫面質(zhì)量很不錯(cuò)，松餅的表情和動(dòng)作都做的特別生動(dòng)，尤其是那個(gè)大叫的小松餅，聽起來還挺滲人的。

圖片

@Aaron Pitters表示，「高質(zhì)量的動(dòng)畫電影將以光速制作。這將節(jié)省大量時(shí)間，簡(jiǎn)直難以置信。」

圖片

@MartinNebelong分享了一段用Veo 3制作的長(zhǎng)視頻。

視頻開頭，老爺爺在一個(gè)書房里，周圍堆滿了書。他看起來特別興奮，揮舞著雙手。

不只是可以對(duì)話這么簡(jiǎn)單，甚至連Rap都可以！

畫面切換，一個(gè)穿著緊身衣的女人在宇宙飛船里，表情嚴(yán)肅。

接著又回到老爺爺，這一次他坐在桌子前，桌面上還有一個(gè)可愛的小機(jī)器人。

場(chǎng)景一閃，這次是一個(gè)穿著盔甲的騎士站在火把點(diǎn)亮的石墻走廊里。

整個(gè)視頻節(jié)奏很快，畫面切換頻繁，感覺像是一部電影的預(yù)告片。

@Janek Mann驚嘆，「那個(gè)較長(zhǎng)的視頻絕對(duì)令人難以置信，它現(xiàn)在真的能講述完整的故事。」

圖片

@Alex Patrascu表示，Veo 3領(lǐng)先了競(jìng)品好幾代，劇本已經(jīng)翻轉(zhuǎn)了。

畫面中是一個(gè)半人半機(jī)器的家伙，表情猙獰，背景有很多屏幕和電腦，燈光昏暗，空氣里的緊張感都傳達(dá)出來了。

圖片

他穿著破舊的長(zhǎng)袍，身上還有一些機(jī)械零件，胳膊上有電光在閃，看上去像是剛從科幻電影里走出來的反派角色。

從這個(gè)畫面來看，真的不得不服，整個(gè)場(chǎng)景的細(xì)節(jié)和真實(shí)感都太牛了，感覺像是好萊塢大片的一幕。

視頻效果被網(wǎng)友盛贊為超級(jí)史詩。

圖片

谷歌王者歸來，正突然取得巨大進(jìn)步。

圖片

Veo 3，特別是通過影視制作工具Flow，旨在賦能電影制作人和內(nèi)容創(chuàng)作者。Flow允許用戶創(chuàng)建場(chǎng)景、管理素材、編輯故事情節(jié)并控制鏡頭運(yùn)動(dòng)。

Klarna等公司正在使用Veo來提高營(yíng)銷內(nèi)容創(chuàng)作效率，從而顯著縮短制作周期。

數(shù)字營(yíng)銷公司Jellyfish已將Veo集成到其AI營(yíng)銷平臺(tái)Pencil中，并與航空公司合作提供AI生成的機(jī)上娛樂內(nèi)容。

他們報(bào)告稱，平均成本和制作時(shí)間減少了50%。

Veo 3目前還不是免費(fèi)開放，Google Gemini的AI Ultra訂閱者（每月249.99美元）才能使用。

想要體驗(yàn)，還得先掏腰包啊。

DeepMind CTO專訪Veo 3、Deep Think與AGI

就在谷歌推出Veo 3的Google I/O 2025開發(fā)者大會(huì)期間，DeepMind的首席技術(shù)官Koray Kavukcuoglu參加了The Big Technology播客。

圖片

節(jié)目中他與主持人Alex Kantrowitz探討了最新的Veo 3、全新的Deep Think增強(qiáng)推理模式及AGI等熱門問題。

圖片

規(guī)模是AGI的全部嗎？

規(guī)模（Scale），是當(dāng)前推動(dòng)AI模型進(jìn)步的「明星」，還是一個(gè)「配角」？

這個(gè)問題，觸及了當(dāng)下大模型發(fā)展的核心。

畢竟，谷歌擁有得天獨(dú)厚的計(jì)算資源，似乎「大力出奇跡」是一條顯而易見的路徑。

Koray承認(rèn)規(guī)模確實(shí)是一個(gè)重要因素，這一點(diǎn)毋庸置疑：在任何研究問題中，擁有一個(gè)能帶來改進(jìn)的維度總是好事。

但他緊接著指出，在生成式AI模型的研究中，規(guī)模絕非唯一，它與其他因素同等重要。

哪些因素呢？Koray列舉了幾個(gè)同樣關(guān)鍵的「維度」：

• 架構(gòu)：模型的內(nèi)在結(jié)構(gòu)如何設(shè)計(jì)。
• 算法：驅(qū)動(dòng)模型學(xué)習(xí)和運(yùn)行的算法。
• 數(shù)據(jù)（Data）：高質(zhì)量、多樣化的數(shù)據(jù)與其他因素同樣關(guān)鍵。
• 推理階段技術(shù)：如何在模型訓(xùn)練完成后，優(yōu)化其推理過程。

他認(rèn)為，評(píng)估模型的進(jìn)步，不能孤立地看規(guī)模，而是要研究規(guī)模、數(shù)據(jù)和參數(shù)數(shù)量這三者的組合。

他強(qiáng)調(diào)，整個(gè)領(lǐng)域，包括谷歌內(nèi)部的許多不同模型，都在以顯著的步伐改進(jìn)。他用「相當(dāng)出色」和「非常令人興奮」來形容目前的進(jìn)展。

談到AGI時(shí)，主持人引用了著名AI科學(xué)家、圖靈獎(jiǎng)得主Yann LeCun的觀點(diǎn)——僅僅依靠擴(kuò)展大型語言模型（Scaling Up LLM）無法達(dá)到人類水平智能。

Koray回應(yīng)道，這只是一種假設(shè)，可能正確也可能不正確。

但他認(rèn)為，沒有哪個(gè)研究實(shí)驗(yàn)室，包括谷歌DeepMind，僅僅專注于擴(kuò)展大語言模型。

這背后蘊(yùn)含的哲理是：實(shí)現(xiàn)AGI，不僅僅是工程上的規(guī)模堆砌，更需要在基礎(chǔ)研究上實(shí)現(xiàn)突破和「發(fā)明」。

Koray認(rèn)為，通往AGI的路上，需要發(fā)明許多「關(guān)鍵要素」和「關(guān)鍵創(chuàng)新」。

AGI是一個(gè)極其雄心勃勃、可能是我們一生中遇到的最難的研究問題，因此，擁有一個(gè)同樣雄心勃勃的研究議程和投資組合，在許多不同的方向上進(jìn)行嘗試，是至關(guān)重要的。

「并行思考」的Deep Think模式

在谷歌I/O大會(huì)期間進(jìn)行的這次訪談，自然不會(huì)錯(cuò)過谷歌的最新技術(shù)發(fā)布。

主持人提到了谷歌宣布的一項(xiàng)新技術(shù)：Deep Think。

最初主持人以為這是一個(gè)新產(chǎn)品，但Koray澄清說，Deep Think不是一個(gè)獨(dú)立的產(chǎn)品，而是集成在Gemini 2.5 Pro模型中的一種增強(qiáng)「模式」（mode）。

Deep Think模式的核心在于改變了模型的「思考」方式。它讓模型在推理時(shí)能夠花費(fèi)更多時(shí)間來「思考」。

更重要的是，與傳統(tǒng)推理模型通常構(gòu)建單一思維鏈（CoT）不同，Deep Think增強(qiáng)推理模式構(gòu)建并推理多條并行的思維鏈。

想象一下，傳統(tǒng)模型像一條直線思考，而Deep Think則像擁有多個(gè)并行的大腦，同時(shí)探索不同的可能性、分析不同的假設(shè)。

這無疑是一種更接近人類復(fù)雜思維過程的方式。

當(dāng)被問及模型改進(jìn)的價(jià)值，例如提高10%或50%意味著什么時(shí)，Koray認(rèn)為很難簡(jiǎn)單量化。

如果能在數(shù)學(xué)或復(fù)雜推理等領(lǐng)域?qū)⒛Ｐ偷睦斫饽芰μ岣?0%，Koray認(rèn)為這將是巨大的進(jìn)步。因?yàn)檫@會(huì)極大地?cái)U(kuò)展模型的通用知識(shí)和適用范圍。

這種提升不僅僅是分?jǐn)?shù)上的增加，而且是質(zhì)的飛躍，意味著模型能夠處理以前無法觸及的問題。

例如，幫助人們學(xué)習(xí)新知識(shí)或解決實(shí)際難題。所以，模型的價(jià)值，最終體現(xiàn)在它能為人類帶來多大的幫助。

多模態(tài)的躍進(jìn)Veo 3

訪談中還提到了谷歌在視頻生成領(lǐng)域的新進(jìn)展，特別是Veo 3模型和Flow。

視頻生成是多模態(tài)AI的一個(gè)生動(dòng)體現(xiàn)。Koray回顧了Veo 3的演進(jìn)：

Veo 1到Veo 2主要的進(jìn)展在于理解物理和動(dòng)力學(xué)，特別是物體對(duì)象之間的交互作用。

他提到了一個(gè)曾引起廣泛關(guān)注的例子——切番茄視頻，Veo 2生成的切片過程和物體互動(dòng)（刀、番茄、切片掉落）非常精確和逼真。

在此基礎(chǔ)上，Veo 3增加了聲音生成匹配。Koray認(rèn)為這體現(xiàn)了模型對(duì)視覺和聲音之間交互性和互補(bǔ)性的理解。

「氛圍編程」全民創(chuàng)造時(shí)代

訪談的最后，主持人問了一個(gè)輕松但充滿洞察的問題：作為CTO，你是否是「vibe coding」（氛圍編程）的粉絲？

Koray的回答是肯定的，而且充滿了興奮。

他認(rèn)為「vibe coding」令人興奮之處在于，它使得沒有編碼背景的人也能夠構(gòu)建應(yīng)用程序——這打開了一個(gè)全新的世界。

他以學(xué)習(xí)為例，你可以向模型描述你想要一個(gè)什么樣的應(yīng)用來解釋某個(gè)概念，模型就能幫你構(gòu)建出來。

盡管還處于早期，AI有些地方做得好、有些還不足。但Koray認(rèn)為，這是技術(shù)帶來的巨大變革，惠及了更廣泛人群。

不僅僅是程序員的福音，更是所有想要將想法轉(zhuǎn)化為實(shí)際應(yīng)用的人的福音，一個(gè)全民創(chuàng)造的時(shí)代正在到來。

參考資料：

https://x.com/babaeizadeh/status/1924942128851124284

https://x.com/fofrAI/status/1924917797366247719

https://x.com/MartinNebelong/status/1924926779677905014

https://x.com/maxescu/status/1924924185719034245

https://x.com/RubenEVillegas/status/1924917107696832569