AI短剧看着热闹，账本却不太好看。真正能盈利的项目只占约5%。剩下的大多数，要么烧钱换流量，要么连成本都收不回来。AI把制作门槛降下来了，观众的要求却没降。内容不行，再便宜也没人看。
模型这边麻烦更深。视频世界模型的预测误差，常被拿来当“物理惊讶”的指标。IntPhys2基准上的结果却不太给面子。V-JEPA2里确实有一些判断事件符不符合物理规律的信息，可外观特征还是很容易被解码。换几个数据集再测，画面外观一变，预测误差就跟着动，可它没法可靠区分“不可能事件”和“可能事件”。模型内部就算表征了物理信息，原生预测误差也不等于物理惊讶。看着像懂物理，其实未必。
工具层面倒是有实打实的进展。TaoMate-FVSR专修视频里的面部细节。它把部分保留的观测信息、参考图像和连续运动信息拼起来，让重建出来的嘴唇和牙齿跟语音对上。训练时，既要修受损的图像和视频，也要用目标音频校正配音视频。在说话人头部视频修复基准上，它的成对感知相似度和音视频同步得分都拿到最高。AI生成视频里糊掉的唇部轮廓、牙齿结构和面部纹理，它也能补回来。
三件事摆在一起，AI视频现在什么样，大概能看出来了。生成能力在涨，赚钱还没跟上。模型能表征一些物理信息，但别指望它自带靠谱的物理直觉。修复这类具体活儿，反倒做得越来越细。从“能生成”到“能赚钱、能看懂、能修好”，每一步都还有硬仗要打。热闹是真的，成熟还早也是真的。