2026年4月，当光年视界等影视公司宣布将预可视化周期从两周压缩至半天时，Sora 3 似乎已经解决了AI视频生成的“可用性”问题。但在镜头切换之间，一个新的漏洞正在撕扯这层精美的伪装：物理逻辑。
上周，我让 Sora 3 生成一段“玻璃杯从桌角滑落摔碎”的视频。画面确实精美：光线在桌面上折射出完美的焦散，玻璃碎裂的瞬间火花四溅。但仔细看，碎片在下落过程中并没有遵循抛物线轨迹，而是像被某种无形的胶水粘在空中停顿了一帧，才突然炸开。这不是孤例。在《3分钟长视频测试：Sora 3稳，可灵V2有瑕疵》的实测中我们发现，Sora 3 在角色一致性、镜头连贯性上表现稳健，但在涉及质量、动量、流体动力学等复杂物理交互的场景时，依然显得“轻飘飘”。
像素拟合的天花板
为什么 AI 看起来“懂”一切，却不懂最基本的重力？
据 SMZDM 近期对 Sora 类模型的分析指出，这类模型的本质依然是基于海量视频的像素拟合。它并没有在后台运行一个真正的牛顿力学模拟器，而是通过统计训练数据中物体运动的像素变化模式来“猜”下一帧应该是什么。
扩散模型（Diffusion Model）脱胎于图像生成，视频生成本质上是把“像素排列”扩展到了时间维度。当生成一个静止的苹果时，Sora 3 只需要知道苹果的颜色和形状；但当生成一个自由落体的苹果时，它需要记住过去数百万个视频中苹果下落时的像素位移规律。这种“经验主义”的学习方式，在面对从未在训练集中充分覆盖的极端物理场景（如不规则物体的碰撞、粘稠液体的飞溅）时，就会因为缺乏内在的物理逻辑支撑而崩塌。
杨立昆（Yann LeCun）曾反复强调，AI 视频生成器目前并非真正的“世界模拟器”。视频生成模型擅长的是时空结构的连贯性，而非因果律的理解。它知道“如果 A 发生，通常 B 会出现”，但它不知道“A 是因为引力导致了 B”。
隐式世界模型 vs 显式约束
正因为如此，2026 年的视频生成赛道，竞争焦点已从单纯的画质提升，转向了物理一致性的争夺。这不仅是 OpenAI 的独角戏，Runway 和可灵（Kling）都在暗中发力。
据传，OpenAI 的内测版 Sora 4 核心升级点正是从“看着真”迈向“动得对”，试图通过隐式世界模型来解决物理细节问题。这种路径不直接教AI物理公式，而是通过更海量、更多样化的数据，让模型在更大的参数空间中“隐式地”学到更鲁棒的物理规律映射。有技术分析认为，这可能是 Sora 4 内测中试图解决“纸飞机回弹”等物理细节的方向，即通过提升模型对物理细节的感知精度来增强一致性。
与此同时，Runway 的 Gen-4 版本则走了另一条路：引入显式物理约束。在其最近的版本中，用户可以在生成前设置“重力方向”“物体质量比”等参数，让模型输出时强制遵循预设规则。据其技术博客，这种显式约束在碰撞、堆积等场景中错误率降低了约 40%，但代价是生成速度翻倍，且无法覆盖流体或柔性体。Luma 则尝试用神经辐射场（NeRF）表示场景，并在训练时引入物理方程作为正则项。
相比之下，可灵 V2 在短时间的物理爆发场景（如爆炸、撞击）中，由于引入了更多的显式约束机制，其粒子效果的粗糙度略低于 Sora 3，但动作的流畅度更高。不过，可灵 V2 在长视频的后半段容易出现发色漂移和逻辑断裂，这在《3分钟长视频测试：Sora 3稳，可灵V2有瑕疵》一文中已有详细记录。
从“视觉欺骗”到“工程合规”
这种技术瓶颈对行业的影响是深远的。对于影视工业而言，Sora 3 已经能够大幅缩短预可视化周期，如光年视界等公司利用它将两周的工作压缩至半天。但一旦涉及到需要严格物理逻辑的特效镜头，AI 生成的“错误”不仅不能节省时间，反而会增加后期修正的成本。
此外，物理不一致性还带来了新的合规风险。随着《互联网信息服务深度合成管理规定》在 2025 年 9 月正式生效，AI 内容的标识和溯源成为刚需。然而，正如《3元洗掉Sora水印：影视公司的版权保卫战》中指出的，现有的水印技术极易被廉价脚本攻破。当视频本身在物理逻辑上都存在瑕疵时，观众对内容的信任度会进一步降低，这使得“眼见为实”变得更加困难。
在算力层面，解决物理问题可能需要更专门化的数据和模型架构，这将推高训练成本。深圳河套学院用千卡昇腾集群训练万亿参数模型的经验表明，工业级AI的落地是算力、算法和工程的多重硬仗。而物理模拟，是计算量更为惊人的领域。随着英伟达 B200 芯片功耗突破 1000W，风冷已成过去式，液冷数据中心的 PUE 压至 1.1 也印证了散热是算力扩张的物理天花板。
结语：离 AGI 还有多远？
视频生成模型的物理一致性难题，实际上是通往通用人工智能（AGI）的一道门槛。如果 AI 不能真正理解世界的运作规律，而只是模仿表象，那么它永远无法成为一个可靠的“世界模型”。
目前，学术界和工业界都在探索如何将符号主义的物理规则注入到神经网络中。或许未来的 Sora 4 或 Keling V3 能解决这个问题，但在当下，创作者仍需保持清醒：AI 是强大的画笔，但不是严谨的物理学家。
在这个过程中，我们需要关注的不仅是技术的迭代，更是如何在技术不完美的现实约束下，构建可信、可控的内容生产流程。毕竟，在 AGI 真正到来之前，我们还得先在“塑料感”的泡沫里，寻找真实的价值。
