AI视频赛道最大的一笔钱到账了，198亿元，阿里、腾讯、百度集体押注，是目前AI视频领域单笔金额最高的融资。钱往哪去也清楚：算力、模型、商业化，哪样都不能少。但融资只说明资本不打算下车，说明不了技术问题已经解决。
真正难啃的骨头在流程里。新出的WeVisCut能把一段旁白直接做成完整长视频，靠一个智能体贯穿剪辑全程。它把工具调用和策略训练绑在一起，训练以任务为导向；制作状态共享，模型能根据工具反馈决定下一步，出了错也顺手修掉。团队走了四阶段数据流程，从3750部成片里整理出13万多条训练样例，训出一个90亿参数的策略模型，另外搭了一套100项任务的基准测试。结果挺硬。共用工具环境下它比基础模型强，跟Claude Opus 5打得有来有回，每产出一分钟成片，消耗的token少了近33倍。
另一边，怎么判断AI视频“像不像真的”，打法也在换。过去做人类评估基本靠打分、写判断，这些信号只记录观众得出的结论，看不到结论是怎么来的。arXiv上的一项工作改用眼动追踪，拿观众看视频时的视线行为当评估依据。评测问的东西，从“你觉得怎么样”变成了“你的眼睛往哪看”。这一步挪得不小。
三件事拼起来，图景不算模糊。资本在加注，制作流程正被智能体重写，评测标准从主观打分转向生理信号。AI视频的下半场，比的是谁能把成本压下来、把流程串起来、把真实感量化出来，画面炫不炫排在后面。三道题都答对的人，才有资格动那198亿。