本報記者（記者李勇）2025年12月18日，以“前沿技術賦能數(shù)字文娛新生態(tài)”為核心議題的2025中國數(shù)字文娛大會在廣州盛大啟幕。在這場聚焦國內(nèi)數(shù)字文娛領域高質(zhì)量發(fā)展的盛會上，北京捷成世紀科技股份有限公司（以下簡稱“捷成股份”）首席技術官張俊祺發(fā)表的《影視理解大模型如何改變影視工業(yè)》主題演講，首次系統(tǒng)性地披露了捷成股份自研的四階影視視頻理解大模型如何重構影視工業(yè)全鏈路，引發(fā)廣泛關注。張俊祺還在會上宣布，基于該技術的“視覺智能中樞”已實現(xiàn)產(chǎn)業(yè)化落地且達成多項重磅合作。

    AIGC技術催動文娛產(chǎn)業(yè)高速發(fā)展的當下，行業(yè)普遍存在“高理解成本、低表達效率”的核心痛點，難以滿足影視工業(yè)級生產(chǎn)需求。而破解這一發(fā)展瓶頸的關鍵，正是工業(yè)級影視視頻理解技術。

    捷成股份此次發(fā)布的四階影視視頻理解大模型，構建了行業(yè)首個標準化技術評價框架。L0記憶層作為基礎核心，具備視覺記憶檢索、自然語言匹配、名場面定位能力，即便用戶僅能描述“足球場被嘲笑組隊失敗搞笑”這類模糊場景，也能精準命中《少林足球》經(jīng)典橋段，破解影視內(nèi)容檢索難題；L1復述層堪比資深影迷，可將《盜夢空間》等多層嵌套的非線性敘事，重組為邏輯清晰的主線劇情，實現(xiàn)復雜敘事的結構化推理與信息還原；L2分析層突破被動解讀局限，如同專業(yè)解說博主，能從多元視角解讀《少年派的奇幻漂流》等作品深層內(nèi)涵，形成獨立觀點與批判性思考；L3解構層則進一步突破了對導演風格的簡單模仿，如同掌握了創(chuàng)意的“源代碼”，可精準拆解韋斯·安德森對稱構圖、高飽和配色等標志性風格，實現(xiàn)導演創(chuàng)作手法的創(chuàng)造性模擬，為影視再創(chuàng)作注入無限可能。

    捷成股份發(fā)布的該大模型能精準解碼影視視聽語言，深度理解敘事結構、角色動機與社會價值，實現(xiàn)了影視從記憶檢索到風格結構的認知躍遷，推動影視視頻理解從“看明白”向“真理解、懂門道”演進，為影視內(nèi)容創(chuàng)作提供了更深層次語義支持。技術落地的背后，則是捷成股份十余年的產(chǎn)業(yè)積淀與硬核資源支撐。公司依托超過20萬小時的高質(zhì)量音視頻素材庫，囊括《長津湖》《唐人街探案》等重磅作品，通過AI技術生成5億+張影視圖片、10萬+部配音素材及7200萬+條片段素材，構建起行業(yè)稀缺的視頻語料庫與全球最具價值的影視素材庫。在此基礎上，公司正打造全球最大的影視級AI向量庫，實現(xiàn)鏡頭級檢索與跨模態(tài)內(nèi)容理解，為技術產(chǎn)業(yè)化筑牢根基。目前，該視頻理解大模型已成功應用于旗下“捷成靈犀智能體平臺”與AI智能視頻生產(chǎn)引擎“ChatPV”，有效彌補通用視頻模型在影視垂直領域的短板，顯著提升內(nèi)容制作效率。

    依托該核心技術，捷成股份目前已與番茄、紅果等頭部IP內(nèi)容平臺達成戰(zhàn)略合作，以影視理解大模型為基礎開展全新AI內(nèi)容創(chuàng)作，建立內(nèi)容生產(chǎn)基地，打造AI短劇千部產(chǎn)能。通過“技術+內(nèi)容+渠道”的協(xié)同效應，捷成股份正構建從IP孵化、智能制作到全球發(fā)行的完整生態(tài)，打通了“內(nèi)容理解-智能創(chuàng)作-全域分發(fā)”的完整產(chǎn)業(yè)閉環(huán)。

    有業(yè)內(nèi)人士表示，此次四階影視理解大模型的推出及商業(yè)化應用的落地，不僅彰顯了捷成股份在AI影視應用領域的先發(fā)優(yōu)勢與技術硬實力，更以“技術賦能+生態(tài)協(xié)同”的發(fā)展模式，為中國數(shù)字文化產(chǎn)品提升全球競爭力提供核心支撐。隨著技術持續(xù)迭代與商業(yè)化場景的不斷拓展，捷成股份也有望引領影視工業(yè)進入AI驅(qū)動的高質(zhì)量發(fā)展新階段，為文化產(chǎn)業(yè)數(shù)字化升級注入強勁動力，助力中國影視工業(yè)邁向產(chǎn)業(yè)鏈高端。

（編輯 黃力）