機器之心發(fā)布

就在昨天，全球 AI 視頻生成領(lǐng)域迎來了一場 “超級地震”——OpenAI 竟然意外叫停了萬眾矚目的 Sora 2 項目。

然而，就在行業(yè)巨頭調(diào)整研發(fā)節(jié)奏的同一周，開源社區(qū)迎來了一波扎實的技術(shù)推進。一家位于北京的 AI 初創(chuàng)公司，在 GitHub 上連續(xù)三天釋出了其核心技術(shù)棧 ——依次開源了 150 億參數(shù)的 “演繹級” 音視頻同出大模型、重新定義算力上限的分布式 Attention 組件，以及旨在突破顯存瓶頸的全局編譯框架

這家持續(xù)向開發(fā)者社區(qū)貢獻底層技術(shù)的公司，正是Sand.ai。今天，我們就來深度拆解這家公司的技術(shù)脈絡(luò)，看看這支中國團隊是如何在當前的行業(yè)轉(zhuǎn)折期中，走出一條獨立的視頻生成技術(shù)路線。

連續(xù)三天開源：一場自頂向下的技術(shù)拆解

第一天：演繹級音視頻基座daVinci-MagiHuman

針對當前 AI 視頻 “表演僵硬” 與 “音畫不同步” 的痛點，Sand.ai 聯(lián)合上海創(chuàng)智學院（SII）GAIR 實驗室，開源了 150 億參數(shù)的音視頻同出大模型。該模型采用單流 Transformer 架構(gòu)，將文本、視頻與音頻進行統(tǒng)一聯(lián)合建模，徹底告別了復雜的跨注意力分支。

第二天：分布式 Attention 組件MagiAttention v1.1.0

為了支撐超大模型的訓練與極速生成，團隊發(fā)布了深度適配 Hopper 與 Blackwell 架構(gòu)的算力組件。它通過構(gòu)建原生的 Group Collective 通信內(nèi)核（以 NVLink 替代冗余的 RDMA 傳輸）來大幅降低跨機通信量，并引入 Dispatch Solver 實現(xiàn)全局負載均衡。

第三天：訓推一體全局編譯框架MagiCompiler

針對大模型開發(fā)中 “速度與顯存難以兼得” 的技術(shù)矛盾，Sand.ai 釋出了基于 torch.compile 深度優(yōu)化的即插即用編譯框架。它通過整圖 / 整層編譯、啟發(fā)式自動重計算以及 JIT Offload 調(diào)度，全面接管了計算調(diào)度與顯存生命周期。實測顯示，在推理端甚至能讓 RTX 5090 以近乎實時的速度運行超大視頻模型。

團隊介紹：“少數(shù)派” 的技術(shù)信仰

Sand.ai 成立于 2024 年，創(chuàng)始人是曹越博士。熟悉計算機視覺（CV）發(fā)展史的朋友對他絕對不陌生：在微軟亞洲研究院（MSRA）期間，曹越作為核心作者發(fā)表的《Swin Transformer》一舉拿下了 ICCV 最佳論文獎（馬爾獎），目前其 Google Scholar 引用量已逼近 6 萬次。聯(lián)合創(chuàng)始人張拯同樣是該論文的核心作者。

這是一支具有極強科研與工程背景的團隊。成立不久，Sand.ai 便完成了由源碼、今日、經(jīng)緯等領(lǐng)投的多輪融資。有了充足的資金支持，Sand.ai 并沒有選擇直接跟隨行業(yè)主流的 Sora 路線。當大部分團隊都在追捧 DiT（Diffusion Transformer）架構(gòu)時，他們堅信：通過自回歸（Autoregressive）預測視頻塊序列來生成視頻的世界模型，才是更接近物理世界第一性原理、且具備更強 Scaling 能力的終局。據(jù)悉，近期 Sand.ai 又快速完成了一輪數(shù)千萬美金融資。

目前，Sand.ai 旗下主要布局了兩款核心模型，分別針對影像創(chuàng)作周期中的不同核心訴求：

Magi-1：近期，實時生成的 “自回歸世界模型” 正成為全行業(yè)追捧的熱門方向，但 Sand.ai 早在近一年前，便發(fā)布了全球首個自回歸視頻生成大模型 Magi-1。它徹底告別了傳統(tǒng) AI 視頻的 “慢動作” 與死板感，實現(xiàn)了極具爆發(fā)力的流暢動作、無限長度續(xù)寫，以及精細到 1 秒的時間控制。

GAGA-1：國內(nèi)首個推出的音畫同出生成模型，主打 “AI 演員” 級別的極致表現(xiàn)力。解決了行業(yè)內(nèi)最頭痛的 “人物不一致” 和 “表情太假” 問題，在物理規(guī)則連貫性和原生音畫同步上屢破紀錄。

在深耕底層架構(gòu)與開源基建的同時，Sand.ai 展現(xiàn)出的另一層核心壁壘，是其將前沿技術(shù)轉(zhuǎn)化為實際應用的產(chǎn)品化能力。

據(jù)了解，Sand.ai 中較為低調(diào)的小團隊還推出了一款 Video Agent，主要面向海外市場。據(jù)市場反饋，該產(chǎn)品目前在海外大受好評，主要體現(xiàn)在一鍵直出視頻創(chuàng)作流程的智能化水平方面，海外商業(yè)化增長勢頭強勁，值得行業(yè)持續(xù)關(guān)注。

結(jié)語：Advance AI to Benefit Everyone

當 Sora 2 按下暫停鍵，AI 視頻的故事并沒有結(jié)束。Sand.ai 連續(xù)三天的開源不僅展示了其在模型、算力和編譯框架上的全棧技術(shù)實力，更向我們展示了一家頂級 AI 公司應有的姿態(tài)：既有仰望星空的技術(shù)信仰，又有腳踏實地的底層死磕，更有擁抱世界、造福開發(fā)者的開源胸懷

正如 Sand.ai 致力于將前沿技術(shù)轉(zhuǎn)化為觸手可及的生產(chǎn)力工具，將 “AI 演員” 和 “通用視頻生成” 變?yōu)楝F(xiàn)實。這種對底層的堅守與對應用的探索，正是實現(xiàn) “Advance AI to Benefit Everyone” 這一宏大愿景的必經(jīng)之路。

技術(shù)的突破從來不是一蹴而就的。在這條布滿荊棘但充滿希望的道路上，我們有理由相信，像 Sand.ai 這樣擁有清晰技術(shù)信仰、兼具科研與工程能力的 “少數(shù)派” 團隊，正悄然改變著視聽生成的未來。我們也期待，有更多擁有相同信仰、渴望在 AI 浪潮中留下扎實腳印的人才，能與他們并肩前行，共同推動 AI 技術(shù)的普惠發(fā)展。