2025-26 年 AIGC 质变：AI 具备视觉推理，理解物理法则与光影逻辑。

视觉铁三角：图生图 I2I（编辑）/ 文生视频 T2V（从零创建）/ 图生视频 I2V（资产转动态）。

图像生成演进：GAN（开创）→ 扩散模型（主流，逐步去噪）→ MMDiT（文本图像深度协同，提速 3-5 倍）。

可控工具：ControlNet（姿态构图）、LoRA（轻量微调）、Inpainting（局部重绘）、提示词权重。

视频生成：Sora 证明可行性 → Frame-IT 1 分钟长视频 → 开源模型爆发。难点：时序一致性、物理真实性、长视频稳定、控制精度。

音频：语音合成（SoVITS）、音乐生成（12 声道分轨）、声音克隆（少样本）。

趋势：统一多模态模型（"根据剧本生成分镜和配乐"）；CLIP 等已建立跨模态语义关联。

安全合规：防深度伪造（数字水印、溯源）、版权审计、内容过滤；量化压缩降能耗。

2026 展望：精细可控、人机协同、端侧推理、AR/VR 融合、国产模型强化中文能力。