“B站教AI”爆火後,北航90後副教授何靜回應一切

“錯過種一棵樹最好的時間” “北航90後副教授”、“在B站教AI”、“3歲小孩都能聽懂”…… 相關的人物圖片,還是一位靚麗美女。就這樣,何靜火了。何靜,今年35歲,北航副教授,在b站開設賬號分享AI應用,意外走紅。她講的內容,包括但不限於生成式AI原理、AIGC應用、OpenClaw部署、Agent開發、AI接入CAD、AI製作PPT、Hermes…… 她將生成式AI比作廚房,將大模型比作廚房裡專門做某種菜系的廚師,例如,文字大模型是川菜師傅……由此獲得了“嬰幼兒講解風格”的評價。
這並非何靜第一次引發熱議,很多人最初聽說她,是源於下面這個場景: △何靜慕課視頻《生成式人工智能應用實戰》 2025年10月,何靜的一段慕課視頻被搬運到短視頻平臺,播放量很快破百萬。而該視頻所引發的,除了關注,還有爭議。討論很快從課程本身滑向了她的相貌、履歷。她並非手握天才劇本。何靜本科畢業於四川農業大學,博士則是在中國礦業大學(北京)讀的地理信息工程,後來又進一步在清華大學完成了博士後研究,領域是新聞傳播學。北航官網的教師介紹中顯示,她著有40多篇學術論文,主持20多項課題。這份跨度不小又足夠亮眼的履歷,一度引來不少討論。
有人不太相信以她的本碩博學歷可以評上985院校的副教授;也有人質疑她的學術產出效率,稱她為“學術快牛”——如此年輕就參與了40餘項課題,怎麼做到的?△何靜學術主頁截圖 在這樣的背景下,我們找到了何靜教授,原本想跟她聊聊在B站科普AI的經歷,然而對話中她也並沒有迴避那些過往爭議。她一一給出回答,並希望能夠原樣呈現。而以下,就是與何靜的完整對話。“我研究輿論多年…直到自己成為了中心” :去年10月,您的慕課視頻引發巨大關注,當時第一反應是什麼?何靜:第一反應很複雜吧。我是教網絡輿論的,原來理論和實踐之間真的有很大差異。:您是哪一刻發現這件事已經超出了課堂傳播的範圍?
何靜:五年來單個視頻最高播放量也就一百多萬,可這個視頻一下子衝到兩百萬以上的時候,我就知道事情有點不一樣了。:對工作生活有改變嗎?何靜:有改變。被網絡關注之前做軟件很累,遇到了很多困難,本想放棄躺平了。但這件事推著我振作起來,那幾天發佈了軟件、發佈了報告,挺累人的。:關於您的爭議很多,有人說您的項目多的不正常,40多項,主持20項,而且您僅在2025年一年就發了10篇核心。通常大家一年做兩三項就比較辛苦了,您是怎麼做到的?何靜:我想換個角度說,為什麼一定是“做得快的人不正常”,有沒有可能是“做得慢的人不適合這個賽道”?當然,我說的是在特定領域。
比如輿情類項目就有時效性,拖兩年可能數據已經失去意義。論文也有類似情況。比如Sora剛出來時引發了很大關注,那時候去討論它、研究它,價值很高;但如果等到熱度過去很久,比如AI視頻賽道發展很快,即夢seedance2.5出來後你再去研究已經關停的Sora,這個研究對象本身的價值就會下降。我不是說慢沒有價值,而是某些領域確實要求你足夠快地回應現實。另外,大家只看到了項目負責人,其實在一個項目中還有項目參與人的角色。△何靜在課堂 :還有人質疑您的本碩學歷,不太相信您的本碩博Title可以評上北航教授,怎麼看待這種質疑?何靜:這種質疑背後其實折射出一個很有意思的社會心態。
十年前,你只要會用Excel、會做PPT就能找到一份好工作,現在還能嗎?時代變了,但我們對”成功路徑”的想象,往往還停留在上一個版本。工作和機遇的關係一直在變,判斷一個人的價值,也不能只看他“會什麼”,還要看當下“需要什麼”。假設我是一家川菜館的老闆,我要招一個川菜師傅,你告訴我你法餐做得很好——我承認你很厲害,但在當下我的店裡,我需要的不是你。這不是否定法餐的價值,而是供需關係的匹配問題。專業之間的機遇差異也是巨大的,就像今天的土木工程和十年前的土木工程,已經不可同日而語了。核心邏輯其實很樸素:物以稀為貴,商品如此,人才也是如此。
你做的研究方向具有稀缺性,比在一個惡性內卷的賽道上拼命,機會大了太多。我只是比較早地理解了這一點。至於為什麼會選賽道,不是因為背後有高人指點,而是因為我的專業是做數據分析的,數據裡藏著信息差,信息差裡藏著機會。我能做的,就是去挖掘這些信息,然後勇敢地去做選擇。每個人都可以,只是願不願意跳出對標準路徑的執念。:您的回應也很有意思,包括《謠言成真》和自己採訪的AIGC短片,當時怎麼想到這樣去回應的?何靜:說來有趣,這其實是一個”被迫創作”的過程。當網上關於我的謠言越來越離譜的時候,我一開始也想過像正常人一樣去解釋、去澄清。但很快我就發現,在算法驅動的傳播環境裡,澄清往往跑不過謠言。
謠言更精彩、更刺激、更符合人們獵奇的胃口。於是我換了一種思路:如果闢謠是蒼白的,那就讓“謠言”自己說話。我把自己經歷過的那些離譜傳聞潛入到了劇本中,用AIGC技術拍成了短片《謠言成真》。這個過程讓我突然理解了導演們,藝術作品真的來源於生活,真實的生活可能比藝術更加沉重。我選擇用AIGC技術去回應,正好是這個時代給了普通創作者用AI去發聲的機會。△何靜自制AIGC短片《謠言成真》截圖 :您有許多項研究都和輿論有關,從這個角度出發,您怎麼理解您自己所經歷的輿論?何靜:我研究輿論這些年,看了無數案例、建了無數模型、寫了無數分析,但直到自己成為輿論中心,我才真正理解數據背後那些人的感受。
理論可以告訴你輿論的傳播機制,但無法告訴你當一個活生生的人被抽象成標籤、被放大鏡檢視每一個細節時,那種複雜的滋味。這段經歷讓我之後做輿論研究的時候,多了一份對人的同理心。每一個數據點背後,都是一個真實的人;每一次傳播狂歡的代價,都可能是那個人的不眠之夜。我想,這就是比任何研究都更重要的收穫。:您的研究方向除了AI輿論,還涵蓋元宇宙、社會治理、數字鄉村等方向,這些主題是怎麼確定的?您看來這些方向之間的內在關係是什麼?何靜:我選擇研究主題的邏輯很簡單,哪裡存在信息不對稱,哪裡就有研究的價值。
比如元宇宙是新的信息空間、數字鄉村是信息窪地,把這些串起來的主線就是:在這個信息爆炸又信息繭房並存的時代,如何讓有用的信息找到需要它的人。:您心中的核心問題或說研究原點是什麼?何靜:如果要追問最深層的原點,我想是一個樸素的問題:技術越來越發達了,但普通人的生活真的因此變好了嗎?:AI發展變化非常快,您如何去處理研究週期和技術迭代之間的關係?何靜:這是一個讓所有在AI領域的人都感到焦慮的問題。我相信很多人和我有同樣的經歷:你辛辛苦苦搭建的工作流,可能因為一次模型版本的更新就變得毫無意義。那種感覺就像一個農夫辛苦種了一季的莊稼,一場暴雨過後什麼都沒了。面對這種情況,我能坦誠接受浪費。
有些探索性工作註定會被淘汰,但這不意味著它沒有價值,每一次浪費其實都是在幫你在下一輪迭代中更快地做對的選擇。就像愛迪生說的,我沒有失敗,我只是找到了一萬種不行的方法。這句話在AI時代也適配。“博士以前學的都是基礎知識,談不上研究二字” :別人說您四跨,您自己說“只有一跨”?何靜:博士以前學的都是基礎知識,還談不上研究二字,並且專業中都圍繞時空數據。真正意義上的“跨”,是博士“地理信息工程”專業到“新聞傳播”專業。:當時為什麼想跨?跨了之後感覺怎麼樣?何靜:一是,我們大部分人選專業的時候思考還不成熟,容易受到別人的影響,並不知道適配自己的到底是什麼專業。
但”知道自己不喜歡什麼”和”知道自己喜歡什麼”,其實是同等重要的能力。你沒嘗試,怎麼知道哪雙鞋合腳?二是,博士臨近畢業那段時間,我找工作並不順利,現實逼著我開始思考一個問題:我和別人不一樣的地方在哪裡?有沒有一個點是我不可被替代的?在這種追問下,我走進了新聞傳播學。從那以後,我不再用單一學科的視角去看問題,開始嘗試用跨學科視角去解決複雜問題。跨了之後發現找到自己喜歡的領域了,儘管這個過程是坎坷的。△何靜在演講 :您曾說自己在清華跨界後惡補了兩年傳播學知識,這對當時理工科出身的您來說難嗎?新聞傳播學的框架在多大程度上影響了您此後的研究視角或思維方式?
何靜:難,但難的不是知識本身,而是心理上的那道坎。後來我推薦過幾位師弟師妹去學新聞傳播學,他們都失敗了。不是因為能力不行,相反他們能力都很強,而是因為在心理上沒有辦法完全接納。很多人潛意識裡會覺得文科不如理工科硬核,心理上就有排斥。但當你真正放下偏見走進傳播學之後,你會發現它提供的是一套完全不同的操作系統。理工科教會我如何分析世界,傳播學教會我如何與世界對話,它讓我有了受眾意識,你做研究也好、做產品也好、講課也好,你首先要想的不是“我要說什麼”,而是“聽的人需要什麼、能聽懂什麼”。這個思維的轉變,直接塑造了我後來做AI科普的方法論。所以如果有人問我:文理之間有高下之分嗎?
我的回答是:沒有高下,只有不同。:您多次從您的跨界經歷中提到了關聯性思考,您覺得這是一種怎樣的能力?何靜:我想關聯性思考就是在看似不相關的事物之間發現他們可以被連接的地方。我把這種能力比作“認知的樂高”:你手裡的積木塊(知識模塊)越多,你能拼出的形狀(解決方案)就越豐富。一個只有土木工程背景的人可能只擅長搭某種結構,一個只有計算機背景的人可能只擅長寫某種算法,但如果你同時擁有多個領域的“積木塊”,你就能拼出別人拼不出的東西。當然,我這裡不是在做學科比較,每個專業深耕到極致那就具有不可替代的價值。
我想說的是,在這個大模型正在打破傳統學科壁壘的時代,大量科研和行業的落地問題已經無法依靠單一專業能力解決。能連接不同世界的“翻譯者”,正在變成一種稀缺資源。:在個人履歷上看到您有很多橫向項目,這和您的教職科研間會衝突嗎?您會怎麼去處理二者關係?何靜:橫向項目也好,縱向課題也好,都是研究,只是服務對象不同、問題提出的場景不同。橫向項目的好處在於它能把你的研究拉到真實場景中去檢驗——企業面臨的問題往往是具體的、緊迫的,它歷煉了我快速應對問題的能力。當然,時間分配是個問題,衝突情況下優先教職科研。不過接項目之前會問自己兩個問題:這個項目和我已有的研究積累有沒有協同效應?
做完之後會不會對教學和科研有反哺?如果答案都是否定的,再好的條件也會拒絕。:您做這麼多事,時間夠不夠用?能否描述一下您典型一天的日程安排?何靜:不夠用。我可能就是效率高一點,一般突然想到一個點就立馬去做。我沒有特別典型的一天的日程安排。有課的時候就上課,沒課的時候就自己做項目。晚上10點後一般處理自己的業餘愛好,比如剪輯視頻什麼的。當然,必須承認,這樣的節奏是有代價的。只是這份代價讓我的家人幫我承擔了,他們不在的時候,家裡再亂我都看得下去。b站up主“北航90後副教授何靜” :您是去年年底來b站講課的,當時為什麼想在這裡開賬號?怎麼選擇了講AI呢?
何靜:其實2021年到2022年那段時間,我在抖音演示過不少軟件,但當時只是即興分享並沒有想過正式開講,因為要做成完整教程要花很多時間。2025年10月,我的慕課視頻意外被大量傳播,我看見了很多質疑的聲音。我想也許這是命運在幫我做一個我遲遲不敢做的決定,於是B站賬號就這樣開起來了。至於為什麼講AI,一是我在學校有生成式AI的多模態應用相關課程;二是因為AI已經從少數人的主賽道,變成了普通人也必須理解的公共工具。:您講的AI非常通俗,有人說這是降維講解,最開始是怎麼打算要這樣去講的?
何靜:我親身經歷過一件事,2016年剛接觸AI的時候我覺得好難,因為我遇到問題後去問懂行的人,他們的講解非常難懂,讓我覺得AI更難了。直到無意間我看到一個非常通俗的視頻,原本困住我的問題一下子被講明白了。我才發現,不是我學不懂,有可能只是老師不會講解。這段經歷讓我講課時經常反省:如果坐在對面的是2016年那個對AI一竅不通又充滿畏懼的我,她能聽懂嗎?“降維講解”這個詞其實高看我了,我只是不想讓另一個人經歷我當年那種被知識拒之門外的無助感。:這種講解能力是天生的還是後天培養的?何靜:不是天生的,是後天主動設計的。
我讀工科博士的時候,曾沉迷於把簡單的東西複雜化,當自己說出的知識讓別人覺得“高大上”的時候,會有一種虛幻的滿足感。直到博士後階段我接觸了新聞傳播學,才真正意識到:信息傳播是一個閉環,如果從你這裡發出的信息沒有人能接收到,那這條路徑就斷了,你說得再專業都是無效傳播。技術在飛速進步,各行各業的普通人都有同等權利去了解這個世界正在發生什麼。但每個人的教育背景不同,接受知識的能力也不一樣。知識講解的目的,從來不是自我炫耀,而是讓沒有相關背景的人也能聽懂並轉化成自己的知識。△何靜視頻《北航90後副教授何靜帶你走進新生小白人工智能的第一課》 :您做這些視頻一般怎麼選題?怎麼選擇去講這個而不是那個?
還有沒有您想講解或分享,但一直沒講的內容?何靜:平時選題主要是圍繞AI工具及其實際應用展開。我的時間比較碎,所以更傾向講自己能快速上手、也能講清楚的內容。當然也要考慮到“什麼對普通人是有幫助的,就儘量在我熟悉內容的前提下優先講什麼”。我有很多想講但還沒來得及講的內容。年紀大了以後,沒辦法像以前那樣熬,時間不夠。很多教程都是半夜一兩點錄製的,做完錄製還要剪輯、檢查、補充案例,所以教程製作的速度確實跟不上我想分享的節奏。:您幾乎會認真回覆每一條評論,這非常罕見,為什麼這麼做?
何靜:很慚愧,我並沒有回覆每一條評論,很多是OpenClaw在幫我回復,評論區和私信裡有一部分內容,確實已經交給智能體做基礎處理了。但我還是會時不時登錄看看,遇到我覺得需要人工回應的,會自己補上一句:比如有人提了一個特別好的問題、有人表達了一種真實的困惑。我既是博主,也是用戶。換位想一想,如果我真給一個博主發了私信,哪怕只是被簡短回應,也會讓我覺得自己的問題被看見了。所以我希望自己也儘量這樣做。:其實不太能分辨出來具體哪條是它回覆的,您設置了什麼提示詞?現在還用龍蝦回覆嗎,據說200塊一小時。何靜:我可以公開我其中一個版本設置的回覆規則。
(見下圖) △何靜分享的龍蝦回覆提示詞(節選) 我自己私下是幾個工具都會測試,因為使用方法差別不大,比如大家熟悉的Claude Code和Codex。之前B站直播時,評論區回覆其實也用的Codex,這個腳本後來還吸引了商務的聯繫,後續可能會封裝成接口給有需要的人。最早我龍蝦調用的模型是GPT5.1、5.2和5.4,平均下來大概200塊一小時,後來換成4.1mini之後,成本就低了很多。對我來說,工具本身不是重點,重點是它能不能穩定地幫我節省重複勞動的同時我能負擔這個成本。因為上課的時候我也會溫馨提醒“普通人怎麼用才能性價比最高”這件事。
:您還在抖音上做了很多關於各種學科專業的科普視頻,當時為什麼想做這個?何靜:我一直都在做數據方向,教數據採集時會拿招聘類數據做教學案例。數據都採了,那不妨順著看下去,就會發現這些年裡各個學科變化都很明顯,而且有些變化和大部分人的認知並不一致,沒有永遠的風口專業。我想把這些觀察傳遞出去,視頻對我來說是一個更有效的媒介。:想給那些因為AI而擔心就業的學生們什麼建議?何靜:AI會影響就業,這是現實,躲不開。但AI並不是萬能的,去發現AI做不到、做不好的地方,那往往就是我們的機會。“科研像聊天一樣簡單,但聊天對我並不簡單” :“科研像聊天一樣簡單”的研發初衷是什麼?
何靜:最初做這個工具,就是想解決我自己梳理文獻時的麻煩。後來在網友們的建議下,功能一點點擴展起來,慢慢才有了今天的樣子。現在我個人感覺軟件最好用的功能反而是PPT功能,因為很多老師也有這方面的需求,所以就順著真實需求往下做了。△何靜開發產品“讓科研像聊天一樣簡單”界面 :您希望這個工具解決什麼問題?現在達到設想的預期了嗎?何靜:對我來說,它最初的願望一直沒變:希望用戶把重複性工作交給工具,把時間和精力留給真正需要創造力的事情。我的目標並不太高,它已經接近了我的預期,只是離我導師更高的期待還有很大距離。能做成今天這樣,離不開導師的要求,也離不開網友們的建議。:大家的反饋都是怎樣的?
何靜:外界對它的評價一直比較分化。支持的人給了很多鼓勵,這一點我很感激;質疑的人也一直存在,很多人批評科研怎麼會像聊天一樣簡單呢?我沒有反駁,因為很多爭議最終都會回到時間裡去被檢驗。AI發展得很快,這一天一定會到來,讓各個領域的專業工作都變得像聊天一樣自然。只不過話說回來,現實生活裡的我其實很社恐,聊天這件事對我並不簡單。:從產品開發者的視角聊聊?何靜:做產品之前,我讀到過一段讓我醍醐灌頂的話:“要做好一個TOC端的產品,只需要把用戶想象成脾氣非常大、智商非常低、非常沒有耐心、非常小氣的人。你能把這樣的人伺候好了,你的產品一定會做得非常好。
產品邏輯的本質不是去教育用戶,而是滿足人性最底層的需求。” 這段話當然不是貶低用戶,而是在提醒做產品的人,體貼用戶。我並不介意別人說界面“古老”或者“簡單”。評價古老,好在你記住了。在Vibe Coding如此流行的今天,各種AI產品層出不窮,99.99%以上的產品會面臨“不被記住”的風險。未來什麼最貴呢?注意力最貴。評價簡單,好在你看懂了。很多計算機背景的人會說,何靜那個軟件我也能做。這個判斷我認可。但在實際落地過程中,我看過很多個人做的東西太複雜,而能用太複雜軟件的用戶更多的是跳過專有工具直接使用通用模型。:您平常都是怎麼玩AI的?一般“玩”在哪些方向?最近在“玩”什麼?
何靜:我是個重度宅女,閒下來的時候就是刷手機。但我在網上看到有博主介紹一個AI工具,並不會只是點贊收藏就讓它躺在收藏夾裡吃灰,如果軟硬件設備允許會立刻上手測試。這個習慣幫助我建立了一種手感,用得多了,你就自然能分辨什麼是好用的工具,什麼是花哨的噱頭。我主要關注三個方向:AI科研、AI辦公、AI創意。這個分類是因為我在企事業單位講課的時候發現的,大家的需求基本落在這三個象限裡,並且這三個方向的交叉地帶,往往是最好玩、也最能產生新想法的地方。最近更多是在測試AI控制各類專業軟件的能力上,比如CAD、QGIS、SKETCHUP、BLENDER、MAYA、UE等。
△何靜直播用AI開發遊戲 :您想給大家學用AI什麼建議?何靜:我的建議只針對那些正處在迷茫裡的普通人。第一,找幾個能把AI講得通俗易懂、而且願意帶實操的老師,不管線上還是線下都可以。你要看老師怎麼提問、怎麼糾錯、怎麼處理意外情況,然後自己跟著做一遍。AI是工具,工具一定要上手,不是背概念就能學會的。第二,腦子裡需要有一張工具地圖,會判斷在什麼場景下該用什麼工具,這不是天生的,而是靠你真的接觸過足夠多的工具之後慢慢建立起來的。我之前整理《大模型工具大全》《智能體工具大全》,目的就是讓大家先知道這個領域裡有哪些選項、各自擅長什麼。你不需要樣樣精通,但你得有一個基礎認知。
“錯過種一棵樹最好的時間” :您2013年剛從川農畢業的時候,有想過未來要怎麼發展嗎?想過今天嗎?何靜:今天的生活已經遠遠超出了我當年的想象。如果十多年前有人告訴我,你將來會當大學老師、會做AI科普、會有上千萬人看你的課程,我一定會覺得那個人是在開玩笑,並且開的是一個很無厘頭的玩笑。所以我現在越來越相信一句話:人生最好的狀態不是“如願以償”,而是“超出預期”。:您說自己之前玩魔術,賣衣服,還設計衣服,您這些興趣愛好都是怎麼來的?有沒有現在還在做的?何靜:這些興趣愛好的來源都很突然,就是某一刻看到了,覺得有意思,就想試試。試過了,要麼深入,要麼拔草。
大多數時候都屬於拔草,知道是怎麼回事了,也就放下了。很早就沒有繼續做這些了,但我心態很好沒覺得這是半途而廢。我想人生不是每一件事都要從一而終,有些體驗的意義就在於體驗本身。:您有休息時間嗎?有的話會喜歡做些什麼?何靜:休息時間是有的,但我的休息方式可能讓很多人覺得無聊,我就喜歡躺在床上刷手機,什麼都不想做。可能是因為平時腦子裡轉的東西太多了,我很享受這種什麼都不做的狀態。但希望大家不要和我一樣,身體健康最重要。:您在社交媒體上回應說“錯過種一棵樹最好的時間,這幾年很努力”,您覺得您錯過了嗎?錯過了什麼?何靜:我沒有少年天才的光環。
很多厲害的人在十多歲的時候就已經嶄露頭角了,可我不喜歡自己十多歲的那個階段。那時候懵懵懂懂,在記憶力最好的年紀卻沒有努力學習,現在想起來確實有些遺憾。但如果換個角度來看,正是因為我曾經“錯過”過,所以這些年我才總是想要彌補。有人說我像一匹“學術快牛”,但我想說的是,你看得到的是速度,看不到的是愧疚,一種“我已經浪費了太多時間,所以現在要更用力”的愧疚。不過我現在漸漸想明白了一件事:每個人都有自己的時區。有人20歲就功成名就,有人40歲才找到方向。與其糾結錯過了什麼,不如問問自己:現在種下的這棵樹,十年後會長成什麼樣?這才是更重要的問題。版權所有,未經授權不得以任何形式轉載及使用,違者必究。
Related
相關文章

阿里視頻大模型Wan3.0正式上線,行業評價“穩定、真實、有質感”
阿里巴巴影片生成大模型Wan3.0正式上線,單次可生成30秒影片,並首次支援doc、xls、ppt、pdf、md等文檔輸入。企業用戶普遍評價其「穩定、真實、有質感」,能穩定保持角色與場景一致性,並已進入短劇、影視、廣告等生產流程。即日起可於阿里雲百鍊、千問等平台體驗,標準版並推出限時7折優惠。

月之暗面第一代萬億參數多模態模型 Kimi K2.5 官宣月底結束服役
作者:歸瀧 責編:歸瀧 評論: 8 月 24 日消息,月之暗面 Kimi 官方微博今日宣佈,其第一代萬億參數多模態模型 —— Kimi K2.5 本月底即將結束服役。據此前報道,今年 1 月,月之暗面宣佈推出並開源了其最新的 Kimi K2.

消息稱知名 AI 研究員 Luke Metz 離開 OpenAI,加入 Meta 超級智能實驗室
作者:遠洋 責編:遠洋 評論: 感謝網友 華南吳彥祖 的線索投遞!8 月 24 日消息,據知情人士向 Axios 證實,知名 AI 研究員 Luke Metz 已加入 Meta 的超級智能實驗室(Superintelligence Labs)。

Anthropic 最強大模型 Fable 5 遇冷,企業用戶轉向更便宜 AI 產品
作者:遠洋 責編:遠洋 評論: 8 月 24 日消息,據英國《金融時報》報道,Anthropic 的美國客戶正在使用更便宜的替代品來替代其最強大的 AI 工具,這在其預計將實現有史以來規模最大的 IPO 之前,對其高支出的商業模式提出了質疑。

阿里雲視頻生成模型 Wan3.0 正式上線,支持單次生成 30 秒視頻、文檔輸入
作者:遠洋 責編:遠洋 評論: 8 月 24 日消息,阿里雲消息,今天,視頻生成模型 Wan3.0 正式上線。官方稱,Wan3.0 在生成時長、萬能創作、全能參考以及真實世界還原等維度全面升級,單次可生成 30 秒視頻,並首次支持 doc、xls、ppt、pdf、md 等文檔格式輸入,力求準確還原真實世界。
