AI视频生成技术原理与行业应用

第1页DeepSeek内部研讨系列------------AI视频生成技术原理与行业应用AI肖睿团队（段永华、张惠军）2025年11月25日• 北大青鸟人工智能研究院• 北大计算机学院元宇宙技术研究所• 北大教育学院学习科学实验室第2页摘要一、本讲座面向视觉内容创作者、AI技术爱好者、创意从业人员，学术研究人员、相关教育工作者和学生，旨在全面解析AI视频生成技术的技术原理与行业应用。我们聚焦前沿模型架构、厂商发展现状与行业应用案例，力求兼顾技术深度与实用价值。报告深入分析各主流厂商技术能力与产品定位，剖析不同行业的应用场景与工作流程。为创作者、决策者与开发者提供从技术理解到商业落地的系统指南，助力把握创新机遇与实施路径。二、讲座涵盖以下几个模块：1.AI视频概览：介绍 AI 和 AI 视频的基本概念、分类、行业发展现状，建立对这一技术领域的整体认识。2.技术原理与架构：详细解析 AI 视频从训练到生成的完整过程、基础技术架构、训练数据，以及从基础架构到商业模型的演进路径。3.能力发展与突破：分析主流厂商的技术能力、AI 视频技术的评估标准，以及市场上主要的 AI 视频工具和模型的比较。4.行业应用案例与价值：全面展示 AI 视频在影视娱乐、短视频营销、教育培训、医疗健康等多个行业的具体应用案例和价值。5.工具/平台使用推荐：可灵、Runway、即梦等10款国内外主流AI视频平台，提供基于应用场景、易用性分级及成本梯度的多维选型建议。三、在技术学习的道路上，优质学习资源至关重要。AI基本概念和原理部分，推荐大家参考《人工智能通识教程（微课版）》这本系统全面的入门教材，结合B站“思睿观通”栏目的配套视频进行学习。此外，欢迎加入ai.kgc.cn社区，以及“AI肖睿团队”的视频号和微信号，与志同道合的AI爱好者交流经验、分享心得。01 AI视频概览02 技术原理与架构03 能力发展与突破04 行业应用案例与价值05 工具选择推荐学习交流可加AI肖睿团队助理微信号（ABZ2829）第3页3 01AI视频概览 02技术原理与架构03能力发展与突破04行业应用案例与价值目 录05工具选择推荐AI视频生成技术原理与行业应用PART 0101 AI视频概览02 技术原理与架构03 能力发展与突破04 行业应用案例与价值05 工具选择推荐学习交流可加AI肖睿团队助理微信号（ABZ2829）第4页A I 视 频 概 览PART 011. 认识AI—— AI · AGI · 基于学习的AI · GenAI · AIGC2. 认识AI视频——定义 · 任务分类 · 发展 · 主流工具01 AI视频概览02 技术原理与架构03 能力发展与突破04 行业应用案例与价值05 工具选择推荐学习交流可加AI肖睿团队助理微信号（ABZ2829）第5页认识AI，从厘清“名词”开始AI(人工智能)AGI(通用人工智能)（artificial general intelligence）AI Generated Content（人工智能生成内容）决策式AIAIGCChatGPT生成式AI01 AI视频概览02 技术原理与架构03 能力发展与突破04 行业应用案例与价值05 工具选择推荐学习交流可加AI肖睿团队助理微信号（ABZ2829）第6页! 8 9 8 PEKING UNIVERSITYN I V1. 狭义AI 与 通用AI⚫ 通常被称为弱人工智能或特定人工智能⚫ 不具有意识或高级认知功能⚫ 仅限于解决特定、熟悉的任务⚫ 价值：提高效率、提高准确性、降低成本狭义AI⚫ 模仿人类智能，被称为强人工智能⚫ 假设具备意识和认知推理能力⚫ 能解决各种不熟悉的任务⚫ 尚未在实践中实现通用AI按智能水平/范围划分，AI分为狭义 AI 和通用AI，狭义AI是当今最常见的 AI 类型，专注于特定任务；而通用AI，也称为 AGI，可以像人类一样思考、学习和运用知识。01 AI视频概览02 技术原理与架构03 能力发展与突破04 行业应用案例与价值05 工具选择推荐学习交流可加AI肖睿团队助理微信号（ABZ2829）第7页2. 基于规则的AI 与 基于学习的AI基于规则的AI基于学习的AI⚫ 遵循预定义的规则和逻辑操作⚫ 决策基于人类专家提供的明确指示进行⚫ 易于理解和控制，但缺乏灵活性⚫ 无法适应或从新数据或经验中学习例如：专家系统、传统聊天机器人⚫ 从数据中学习⚫ 利用算法识别模式并做出决策⚫ 灵活，可随着时间改进，但需要大量数据⚫ 能够处理复杂、不断变化的情况例如：图像识别、自然语言处理、预测分析在构建方式和范式上，早期的AI范式是基于规则的AI，又称为“符号AI（symbolic AI）”，依赖于由人类专家预先编写的显式逻辑规则进行决策；而基于学习的AI则是通过分析海量数据来自动学习和归纳模式，是现代AI的主流范式。01 AI视频概览02 技术原理与架构03 能力发展与突破04 行业应用案例与价值05 工具选择推荐学习交流可加AI肖睿团队助理微信号（ABZ2829）第8页3. 监督学习 与 无监督学习监督学习：从带有标签的训练数据中学习算法通过分析已知的输入-输出对来学习映射函数，目标是对新的、未见过的输入数据进行准确预测。无监督学习：在未标记的数据中发现模式系统试图从数据的内在结构中发现模式或规律，而不依赖于预先定义的输出标签。特点监督学习无监督学习数据标签需要带标签的训练数据不需要带标签的数据学习过程学习输入与输出之间的映射关系发现数据内在的结构和模式训练目标最小化预测错误找出数据中的隐藏结构应用场景分类、回归问题聚类、降维、关联规则学习数据准备需要大量人工标注无需人工标注应用例子垃圾邮件过滤、图像识别、疾病诊断客户细分、异常检测、推荐系统用于猫品种分类、猫脸识别、猫姿态估计用于学习猫的一般特征分布、生成新的猫图像按学习和训练方式，分为监督学习和无监督学习。监督学习是利用带有明确标签的“正确答案”数据进行训练，而无监督学习则是在没有标签的数据中自主发现其内在的结构与模式。01 AI视频概览02 技术原理与架构03 能力发展与突破04 行业应用案例与价值05 工具选择推荐学习交流可加AI肖睿团队助理微信号（ABZ2829）第9页4. 决策式AI VS 生成式AI生成式AI：能够根据所接受的训练数据生成新的内容。它可以生成图像、文本、音乐等，被广泛应用于创意产业、内容生成，甚至是为各种应用创建合成数据。决策式AI：专注于分析现有数据，以对未来事件或趋势做出预测，常被应用于金融、医疗保健和营销等领域。决策式AI对于需要进行预测的决策过程至关重要。例如，一个决策式AI模型可能会分析历史销售数据以预测未来销售，或者它可能会使用患者数据来预测出现某些医疗状况的可能性。例如：复旦大学附属眼耳鼻喉科医院推出近视儿童 AI 生成式病历，医生只需专注于与患者的沟通，系统后台即可完成语音识别、关键词抓取、语义理解及病历生成的全过程。在基于学习的AI范式下，按AI要完成的核心任务分为决策式AI与生成式AI，决策式AI专注于对输入数据进行识别、判断和预测；生成式AI的目标是根据学习到的模式创造和生成全新的、原创的内容。01 AI视频概览02