新智元报道

编辑：英智 犀牛

【新智元导读】Veo 3实测来袭：从会语言的松饼到影戏质感的短片
，一句提醒词就能打造影戏质感短片
，还能音画同步
，好莱坞真的要慌了
？DeepMind首席手艺官更在访谈中透露
，Deep Think模式像多线程大脑般并行推理
，而AGI的竞赛早已逾越纯粹「堆算力」。

外星人驾驶飞碟给你送披萨
，月球撞上地球——这不是科幻影戏作品
，而是来自于谷歌刚刚推出的视频天生模子Veo 3。

只用一句提醒词就拍出影戏质感的短片。

不但云云
，Veo 3还能通过文本实现原生的音画同步天生。

上几个实例先。

视频的场景设定在一个复古的餐厅
，当氤氲的烟雾在餐桌上翻腾时
，女郎的唇形却配着清晰立体的对白。

画面中
，一个衣着玄色晚制服的女人和一个穿西装的男子坐在一张小圆餐桌上。桌面点着一盏小灯
，旁边尚有一杯威士忌和一个托盘
，像是老影戏里的场景。

网友体现
，这简直太猖獗了
，霸主正在泛起。

牛顿衣着18世纪气概的衣服
，戴着白色假发
，衣着白色衬衫和黑马甲
，手里拿着一本金色的苹果和一本书
，在灯光阴晦的书房里。

视频里年轻的牛顿爵士心情夸张
，嘴里在念叨着引力拉扯物体
，行动幅度很大。

有人奚落「好莱坞要瑟瑟颤抖了」
，由于AI的天生能力太强盛了。

这段松饼对话
，令人印象深刻。大个的松饼说了一句「我不敢相信Veo 3现在居然能对话了！」

旁边的小松饼听到后
，吓得大叫：「啊啊。∫桓龌嵊镅缘乃杀　拐獬【疤阈α
，简直像动画里的情节。

Veo 3不但能天生视频
，添加对话、音效和配景噪音
，文本指令的遵照度也更高了。

视频虽然只有8秒
，可是画面质量很不错
，松饼的心情和行动都做的特殊生动
，尤其是谁人大叫的小松饼
，听起来还挺渗人的。

@Aaron Pitters体现
，「高质量的动画影戏将以光速制作。这将节约大宗时间
，简直难以置信。」

@MartinNebelong分享了一段用Veo 3制作的长视频。

视频开头
，老爷爷在一个书房里
，周围堆满了书。他看起来特殊兴奋
，挥舞着双手。

不但是可以对话这么简朴
，甚至连Rap都可以！

画面切换
，一个衣着紧身衣的女人在宇宙飞船里
，心情严肃。

接着又回到老爷爷
，这一次他坐在桌子前
，桌面上尚有一个可爱的小机械人。

场景一闪
，这次是一个衣着盔甲的骑士站在火炬点亮的石墙走廊里。

整个视频节奏很快
，画面切换频仍
，感受像是一部影戏的预告片。

@Janek Mann赞叹
，「谁人较长的视频绝对令人难以置信
，它现在真的能讲述完整的故事。」

@Alex Patrascu体现
，Veo 3领先了竞品好几代
，剧本已经翻转了。

画面中是一个半人半机械的家伙
，心情狰狞
，配景有许多屏幕和电脑
，灯光阴晦
，空气里的主要感都转达出来了。

他衣着破旧的长袍
，身上尚有一些机械零件
，胳膊上有电光在闪
，看上去像是刚从科幻影戏里走出来的反派角色。

从这个画面来看
，真的不得不平
，整个场景的细节和真实感都太牛了
，感受像是好莱坞大片的一幕。

视频效果被网友盛赞为超等史诗。

谷歌王者归来
，正突然取得重大前进。

Veo 3
，特殊是通过影视制作工具Flow
，旨在赋能影戏制作人和内容创作者。Flow允许用户建设场景、治理素材、编辑故事情节并控制镜头运动。

Klarna等公司正在使用Veo来提高营销内容创作效率
，从而显著缩短制作周期。

数字营销公司Jellyfish已将Veo集成到其AI营销平台Pencil中
，并与航空公司相助提供AI天生的机上娱乐内容。

他们报告称
，平均本钱和制作时间镌汰了50%。

Veo 3现在还不是免费开放
，Google Gemini的AI Ultra订阅者（每月249.99美元）才华使用。

想要体验
，还得先掏腰包啊。

DeepMind CTO专访

Veo 3、Deep Think与AGI

就在谷歌推出Veo 3的Google I/O 2025开发者大会时代
，DeepMind的首席手艺官Koray Kavukcuoglu加入了The Big Technology播客。

节目中他与主持人Alex Kantrowitz探讨了最新的Veo 3、全新的Deep Think增强推理模式及AGI等热门问题。

规模是AGI的所有吗
？

规模（Scale）
，是目今推动AI模子前进的「明星」
，照旧一个「配角」
？

这个问题
，触及了当下大模子生长的焦点。

事实
，谷歌拥有得天独厚的盘算资源
，似乎「鼎力大举出事业」是一条显而易见的路径。

Koray认可规模确实是一个主要因素
，这一点毋庸置疑：在任何研究问题中
，拥有一个能带来刷新的维度总是好事。

但他紧接着指出
，在天生式AI模子的研究中
，规模绝非唯一
，它与其他因素一律主要。

哪些因素呢
？Koray枚举了几个同样要害的「维度」：

架构：模子的内在结构怎样设计。

算法：驱动模子学习和运行的算法。

数据（Data）：高质量、多样化的数据与其他因素同样要害。

推理阶段手艺：怎样在模子训练完成后
，优化其推理历程。

他以为
，评估模子的前进
，不可伶仃地看规模
，而是要研究规模、数据和参数数目这三者的组合。

他强调
，整个领域
，包括谷歌内部的许多差别模子
，都在以显著的程序刷新。他用「相当精彩」和「很是令人兴奋」来形容现在的希望。

谈到AGI时
，主持人引用了著名AI科学家、图灵奖得主Yann LeCun的看法——仅仅依赖扩展大型语言模子（Scaling Up LLM）无法抵达人类水平智能。

Koray回应道
，这只是一种假设
，可能准确也可能不准确。

但他以为
，没有哪个研究实验室
，包括谷歌DeepMind
，仅仅专注于扩展大语言模子。

这背后蕴含的哲理是：实现AGI
，不但仅是工程上的规模堆砌
，更需要在基础研究上实现突破和「发明」。

Koray以为
，通往AGI的路上
，需要发明许多「要害要素」和「要害立异」。

AGI是一个极其雄心壮志、可能是我们一生中遇到的最难的研究问题
，因此
，拥有一个同样雄心壮志的研究议程和投资组合
，在许多差别的偏向上举行实验
，是至关主要的。

「并行思索」的Deep Think模式

在谷歌I/O大会时代举行的这次访谈
，自然不会错过谷歌的最新手艺宣布。

主持人提到了谷歌宣布的一项新手艺：Deep Think。

最初主持人以为这是一个新产品
，但Koray澄清说
，Deep Think不是一个自力的产品
，而是集成在Gemini 2.5 Pro模子中的一种增强「模式」（mode）。

Deep Think模式的焦点在于改变了模子的「思索」方法。它让模子在推理时能够破费更多时间来「思索」。

更主要的是
，与古板推理模子通常构建简单头脑链（CoT）差别
，Deep Think增强推理模式构建并推理多条并行的头脑链。

想象一下
，古板模子像一条直线思索
，而Deep Think则像拥有多个并行的大脑
，同时探索差别的可能性、剖析差别的假设。

这无疑是一种更靠近人类重大头脑历程的方法。

当被问及模子刷新的价值
，例如提高10%或50%意味着什么时
，Koray以为很难简朴量化。

若是能在数学或重大推理等领域将模子的明确能力提高10%
，Koray以为这将是重大的前进。由于这会极大地扩展模子的通用知识和适用规模。

这种提升不但仅是分数上的增添
，并且是质的奔腾
，意味着模子能够处置惩罚以前无法触及的问题。

例如
，资助人们学习新知识或解决现实难题。以是
，模子的价值
，最终体现在它能为人类带来多大的资助。

多模态的跃进Veo 3

访谈中还提到了谷歌在视频天生领域的新希望
，特殊是Veo 3模子和Flow。

视频天生是多模态AI的一个生动体现。Koray回首了Veo 3的演进：

Veo 1到Veo 2主要的希望在于明确物理和动力学
，特殊是物体工具之间的交互作用。

他提到了一个曾引起普遍关注的例子——切番茄视频
，Veo 2天生的切片历程和物体互动（刀、番茄、切片掉落）很是准确和逼真。

在此基础上
，Veo 3增添了声音天生匹配。Koray以为这体现了模子对视觉和声音之间交互性和互补性的明确。

「气氛编程」全民创立时代

访谈的最后
，主持人问了一个轻松但充满洞察的问题：作为CTO
，你是否是「vibe coding」（气氛编程）的粉丝
？

Koray的回覆是一定的
，并且充满了兴奋。

他以为「vibe coding」令人兴奋之处在于
，它使得没有编码配景的人也能够构建应用程序——这翻开了一个全新的天下。

他以学习为例
，你可以向模子形貌你想要一个什么样的应用来诠释某个看法
，模子就能帮你构建出来。

只管还处于早期
，AI有些地方做得好、有些还缺乏。但Koray以为
，这是手艺带来的重大厘革
，惠及了更普遍人群。

不但仅是程序员的福音
，更是所有想要将想法转化为现实应用的人的福音
，一个全民创立的时代正在到来。

参考资料：

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