当AI生成的视频不再有“恐怖谷”效应，当画面中的光影反射符合物理定律——多模态模型的“iPhone时刻”已经到来。2025年9月，Sora2的发布宣告了AI视频生成从“玩具”变为“工具”，而国产模型Kling和Hunyuan在权威榜单上超越Google，更标志着中国AI力量在这一轮技术浪潮中已占据核心位置。
Sora2与SoraApp：多模态的“GPT-3.5时刻”
国金证券指出，Sora2及SoraApp的问世，意味着多模态AI基模已抵达“GPT-3.5时刻”。这一判断基于三大技术突破：音画同出使视频拥有完整的听觉逻辑；物理一致性让画面中的物体运动符合现实世界的力学规律；多镜头叙事则让AI视频具备了电影级的故事表达能力。
SoraApp的火爆进一步验证了这一判断。其iOS应用上线两日内安装量达16.4万次，迅速登顶美国AppStore免费应用榜首。这表明基于领先多模态基模足以开发出引爆市场的KillerApp，AI视频创作正从专业工作室走向普通大众。
国产模型登顶全球：Kling与Hunyuan的崛起
在多模态模型的全球竞赛中，国产力量已不容小觑。2025年十一黄金周期间，快手推出的可灵2.5 Turbo在Artificial Analysis的文生视频与图生视频双榜单上，超越Google Veo3（No Audio）登顶榜首。该模型在文本响应、动态效果、风格保持、美学效果等维度的提升显著，且生成5秒视频的灵感值消耗相比前代降低近30%。
与此同时，腾讯的Hunyuan image 3.0在LMArena的文生图榜单上同样超越Google模型登顶榜首。国产模型在众多国际榜单中的强势存在，标志着中国在多模态AI领域已从“跟随者”转变为“领跑者”，形成了与北美AI巨头分庭抗礼的格局。
产业链影响：从模型到算力的全面景气
多模态模型的爆发正深刻影响着整个AI产业链。在应用端，字节跳动的即梦AI上线Agent模式，支持批量生成多达40张图片或8个视频；快手的Kwali定位为“AI超级员工”，实现一句话生成完整短视频；美图、万兴科技等公司也纷纷将AI多模态能力植入核心产品，显著提升了付费转化率。
在算力端，文生视频大模型消耗的token数量远超文生文与文生图，直接推动了算力需求的指数级增长。OpenAI计划在未来五个月内将其计算集群规模扩大一倍，AMD、博通等芯片厂商的AI相关收入亦随之水涨船高。多模态模型的竞争，本质上是“模型能力+算力规模”的双重军备竞赛。
