对话阶跃星辰段楠：“我们可能正触及 Diffusion 能力上限”

「具备更深层次理解能力的视觉领域基础模型（可能带来视觉的"GPT-3时刻"），有望在未来 1-2 年内出现。」 对话 | 唐小引，CSDN&《新程序员》执行总编 嘉宾 | 段楠， 阶跃星辰 Tech Fellow 责编丨张红月 出品 | AI 科技大本营（ID：rgznai100） 这场由 AI 驱动的视觉内容革新浪潮中，阶跃星辰的 Tech Fellow、前微软亚洲研究院资深研究员段楠，正站在探索的前沿。其团队在今年 2 月和 3 月 开源两个重要的视频生成模型 —— 30B 参数的文生视频模型 Step-Video-T2V，以及基于此训练的 30B 参数图生视频模型 Step-Video-TI2V ， 在 AI 视频生成领域引起了广泛关注。 段楠清醒地指出，尽管当前的视频生成技术（如 Diffusion 模型）已能产出惊艳的视觉片段，但我们可能正触及其能力的"天花板"，真正的、具备深度 理解能力的视频乃至多模态基础模型，其革命性的突破尚在孕育之中。 段楠，阶跃星辰Tech Fellow，带领研究团队构建以语言和视频为中心的多模态基础模型。此前，他曾任微软亚洲研究院资深首席研究员、自然语言计算团队研究经理( ...