AI 视频榜全球第二，藏着一家新影视公司的野心

电影史上，新技术登台时从来算不上斯文。 1895 年，《火车进站》让观众惊慌躲闪。1927 年，《爵士歌手》一声开口，默片时代逐渐谢幕。1995 年，《玩具总动员》甚至让观众忘了它是完全由电脑生成。 有意思的是，每一次「离经叛道」，最后都加速了行业发展。有声电影、彩色胶片、数字摄影机、CG 特效，无一不是在怀疑与嘲笑中入场，最终被写进电影语言的词典。 如今，生成式 AI 也开始参与影视创作，一家以故事创作为核心的 AI 原生影视公司 Utopai Studios，正凭借旗下的 Utopai X，搅动视频生成模型的格局。 截至 9 月 30 日，其自研模型 Utopai X 在独立评测机构 Artificial Analysis 的带音频文生视频排行榜中位列全球第二，仅次于 Wan 3.0，压过 Dreamina Seedance 2.5，同时是该榜排名最高的美国公司模型。 热知识，该榜采用 Video Arena 盲评机制：观众不知道模型品牌，仅凭观看体验为同一提示词生成的视频投票，排名由投票形成的 Elo 分数决定。这也是榜单引入盲评以来，首次有影视公司的自研模型上榜，堪称出道即巅峰。 成绩之外，更值得关注的是这家公司的身份。 业务覆盖影视项目开发、融资、制作与全球发行，模型与平台都服务于实际的电影和剧集生产。对影视从业者而言，这是一个难得的样本：生成式 AI 如何从单个镜头的创作，进入一部完整作品的制作流程。 一家影视公司，杀进了视频模型的决赛圈 Utopai 总部位于美国加利福尼亚州山景城，联合创始人 Cecilia Shen 与 Jie Yang 分别担任首席执行官和首席技术官。Cecilia Shen 此前曾在 Google X 从事数据科学与 AI 解决方案相关工作。 Utopai 的发展始于 2022 年成立的 Cybever。 早期研发围绕程序化内容生成与高保真三维环境展开，为游戏和影视预演打地基，随后摸着石头过河，逐步延伸到空间推理、镜头调度，以及从三维预演生成电影级视频。 2025 年，Cybever 更名为 Utopai Studios，开始围绕原创作品和联合制作，建立影视开发、制作与发行体系。自研技术也随之被放进真实制作中，用于支持角色、场景和镜头的开发。 据《福布斯》估算，Utopai 的估值约为 10 亿美元。《综艺》在刊发的合作专题中，将其描述为「全球最大独立 AI 原生影视公司」，并介绍了计划于 2027 年推出的三部电影与两部剧集。 影视制作的实际需求，给 Utopai 的模型研发当了出题人。 要知道，用视频生成工具，用户可以反复「抽卡」，长片制作却是另一套打法： 数百甚至数千个镜头要连成一条完整的叙事线，角色、环境、道具的也得经得起摄影机来回折腾 。 制作过程还伴随着大量修改。 导演可能认可了角色设计，却希望调整光线；可能保留了场景布局，却需要改变人物动作。每一次修改，都要尽量延续此前已经确定的创作选择，让新素材能够与其他镜头一起使用。 生成质量、跨镜头一致性与可修改性，由此成了长片制作必须同时翻越的三座大山。 Utopai X 的研发，也围绕这些制作要求展开。Artificial Analysis 披露，该模型基于 MiniMax H3 进行后训练，此次排名超过了 MiniMax H3 原模型，以及同样基于它开发的 MiniMax H3 Max。 根据最新资料信息，Utopai X 在音频同步与物理表现两个能力类别中排名第一，在光照与材质、摄影机控制两个类别中排名第二。 这些能力条条对应片场的硬要求：声音要和画面动作合拍；光线穿过玻璃、水体或金属时，变化得经得起推敲；摄影机一动，角色与环境之间的空间关系不能断线。 针对反射、焦散、空间理解与高级一致性等难点，Utopai X 也一一进行优化，目的在于提高素材的可用性，让电影人能够围绕创意调整镜头，减少反复生成后重新筛选的工作。 从 Utopai X 到 PAI，让生成能力进入制作流程 模型能够生成怎样的画面，还需要通过制作体系转化为电影人可以使用的能力。 Utopai 为此开发了 PAI 制片智能平台，并将 Utopai X 深度集成其中。两者分别承担不同的工作，Utopai X 提供视频生成能力，PAI 则组织剧本、角色、场景、镜头及创作反馈，让生成过程能够沿用项目已有的信息。 在 PAI 中，剧本可以被分解为场景和镜头，角色、地点、道具与视觉参考全程关联于项目。创作者推进新镜头时，可以直接调用已确认的设定，不必每生成一次就把整个故事世界从头讲一遍。 平台内的 AI agents 以「制片助理」的身份进场，是名副其实的神助攻：基于制作上下文帮电影人规划镜头、试创意、出多个版本。创作者则可以货比三家、回溯旧版，再拍板做什么、留什么、改什么。