11 月 5 日上线的一条梗视频《早期的人工智能 Be like：》，到 11 月 10 日还在 B 站热门榜上，播放 409 万+。大家笑的是一两三年前的 AI 画面：脸突然换人，手长出第七根指头，物体"嗖"地穿过去。
有意思的是，这些片子刚发布时没人笑——那会儿大家的反应是"AI 居然能生成视频了"。同一段画面，三年间从"惊叹"变成"笑柄"。AI 并没有一夜开窍，它是把几个具体的窟窿一个一个补上的。这篇文章就按时间线讲清楚：当年憨在哪、补了什么、现在轮到你卡在哪。
一、当年为什么憨：早期的 AI 不知道"时间"是连续的
第一代视频模型的问题，可以归成三句话。
逐帧猜，不连贯。 它学的是"这一帧看起来应该是什么样"，而不是"上一帧怎样流动到这一帧"。每一帧都各自独立地猜，于是画面边缘发抖、花纹闪烁——单帧截图都挺像样，连起来看就露馅。
糊弄判别器，不推结构。 早年主流的对抗式训练，本质是生成器和"鉴定师"互相较劲。谁的纹理骗过人眼谁赢，结构就没人管：手指会多、牙齿会糊、文字像外星文——因为"像照片"和"经得起放大"是两回事。
短且小。 两三秒、低清分辨率，物体中途消失再重组，因为模型对"时间"的记忆只有几秒钟。当时的"惊艳"，其实惊艳的是"从无到有"这一步，而不是画面本身。
二、这几年补了什么：三件事，各治一种憨
第一件：从"逐帧猜"改成"整块雕"。 扩散式的做法是把视频当成一个整体的时空块，从噪声里一次一次去噪雕出来，"时间"第一次成了生成对象的一部分。闪烁、抖动漫画感，最先被压下去。
第二件：把视频压缩着算。 直接把逐像素的视频丢给模型，算力根本烧不起。行业把视频切成"时空小补丁"再压缩生成，成本骤降——片长就从"三秒玩具"一路走到分钟级。你能刷到 68 分钟的 AI 长片（11 月 B 站有个作者自述"耗时 5 个月、5 万元"的项目），底座就是这一步。
第三件：管"戏"而不只管"画面"。 多镜头一致性（切了镜头主角不换脸）、导演式控制（先粗排再细化）、音画一起生成（口型对得上）。2024 年前后，头部团队开始公开讨论把视频模型当"世界模拟器"——它到底是不是真的"懂"物理，学界到今天还在吵。能确认的只有一件事：当年最常被笑的那几类翻车——手、小字、穿模、物体消失——现在明显少了，但没有归零。
三、这条时间线走到哪：三年前的"憨图"，和一句预言
11 月 7 日的金鸡论坛上，张艺谋谈到 AI 时说：演员的细腻表演暂时替代不了，但"可能三五年完全做到以假乱真"（媒体报道口径，他的完整表态拆在我们这篇里：《AI短视频倒贴钱，谁还进电影院？张艺谋的焦虑，其实是普通人的机会》）。
把这两端连起来看，就是这条时间线的全部信息量：梗榜上的"憨"，和三五年后的"以假乱真"，中间只隔着一波接一波"把时间当连续体来生成"的工程补丁。 从"哇"到"哈哈哈"，画面这一腿 AI 只用了三年；那么从"哈哈哈"到"看不出是 AI"，再用几年，确实由不得你嘲笑。
但对普通人，故事还有下半段：画面变便宜之后，笑点会转移。以前笑 AI 画面憨，现在观众开始笑"故事憨"——30 秒里没人讲事、镜头像 PPT 一样翻页。画面这一层的短板正在被补齐，叙事这一层的短板就显出来了，这是另一篇文章里拆过的事：《AI 出的视频为什么像 PPT？分镜差在「镜头」这一步》。
四、现在就用的四条验收判据
当年翻车最多的四类，恰好还是今天值得先查的四类——不是因为 AI 现在还是那个水平，而是它们一旦出问题，出现概率还是最高：
- 手和指关节：给手部特写镜头前，先让模型生成过手部场景再看；
- 画面里的小字：招牌、墙上的字最容易含糊，能避开就避开，必须出现就多生成几条挑；
- 物体交错穿模：两人擦肩、手拿东西的镜头，盯紧接触帧；
- 切镜连续性：换个镜头主角脸变了没、衣服变了没。
这四条更像"老毛病清单"而不是"当前水位表"：看到了就修，没看到不必为不存在的短板焦虑。做片的工序（脚本、出图、成片）站内是三段：脚本卡 /ai-video、一键成片 /ai-video-gen，画面素材可用 AI 生成图片。
常见问题
Q: 早期的 AI 视频为什么总是闪烁、抖？
A: 因为第一代模型逐帧独立生成，学的是"这一帧像什么"，没学"上一帧怎样变成这一帧"，时间不连续，画面就抖。后来把视频当成整体的时空块去生成，闪烁才被压下去。
Q: 现在的 AI 视频已经"以假乱真"了吗？
A: 还没有，也正因为没有，"三五年"这个预估才值得当真。目前的真实状态是：当年四大翻车点（手、小字、穿模、变脸）出问题明显少了，但单帧惊艳、整片可信，中间还隔着叙事和调度的功夫。
Q: 生成翻车了，该重摇还是该改提示词？
A: 先判断是哪类问题。闪烁、肢体、穿模这类概率问题，直接重摇最划算——现在画面便宜，多生成几条挑就行；换镜头脸变、没人讲事这类结构问题，重摇一百次也一样，要回去改分镜和提示词的写法。
Q: 早期 AI 的梗视频为什么到现在还有人刷？
A: 因为它标记了一个可对照的变化：三年前"能生成"就是奇迹，今天"生成得像样"才是及格线。怀旧只是表面，大家真正在刷的是"变化速度本身"——这也是看 AI 新闻时最值得带走的一个视角：别看它现在憨，看它多久没再憨。
评论