制作视频的同一个 AI 模型现在正在帮你造车

在德国奥迪的一条装配线上，一名技术员正观察着一个机械臂将柔性橡胶密封条压入车门框架。几十年来，这项特定任务一直是自动化的噩梦。橡胶是柔软且不可预测的，一旦机器接触它就会改变形状。大多数工厂机器人擅长将沉重的钢板移动到精确坐标，但当它们必须摸索着处理柔软材料时，往往会失败。今天完成奥迪装配的机器人则不同。它不遵循僵化的坐标脚本，而是使用一个视觉大脑，在接触之前就预测橡胶将如何弯曲。那个大脑就是 Black Forest Labs 最新发布的 FLUX 3。

Black Forest Labs 是一家在过去两年中悄然在图像生成领域占据领先地位的初创公司。当 Google 和 OpenAI 等大名鼎鼎的公司占据头条新闻时，这支德国研究团队构建了大多数独立 AI 艺术家实际使用的工具。通过 FLUX 3，他们正在超越静态图片。这个新系统可以同时创建高清视频和音频。更重要的是，该公司正在利用相同的底层逻辑来教机器人如何与物理世界互动。这一转变将 AI 从数字艺术的创意伙伴转变为重工业中不知疲倦的实习生。

拥有自身引力的数字世界

大多数视频生成器的工作原理就像一个非常快速的翻页书。它们根据前一帧预测下一帧的样子，在这个过程中往往会丢失逻辑。这就是为什么 AI 视频经常出现肢体消失的人或融化进桌子的咖啡杯。FLUX 3 走的是一条不同的道路。Black Forest Labs 在一个单一系统中同时对图像、视频和音频进行了模型训练。这是一种多模态方法。该模型不仅学习汽车的外观，还学习汽车如何移动、发动机的声音如何，以及光线在转弯时如何从金属上反射。

由于该模型同时从视频和音频中学习，结果自然是同步的。如果用户要求一段人使用电锤钻入混凝土的视频，电钻的声音会与屏幕上的振动完美匹配。剪辑长度可达 20 秒。在人类比较不同 AI 模型的测试中，FLUX 3 在 77% 的案例中击败了 Runway Gen-4.5。在 93% 的对比中击败了 Luma Ray 3.2。这些数字表明，该系统比竞争对手更能理解现实。它理解物理学的总体规则，如重量和时机，这使得生成的动作看起来沉重而真实，而不是漂浮和梦幻的。

为什么机器人难以处理柔软物体

要理解为什么这对你的下一辆车很重要，你必须看看现代制造业无形的骨干。传统的机器人本质上是巨大且非常昂贵的计算器。如果你告诉机器人移动到 A 点，它会以毫米级的精度到达那里。这对于焊接钢架很有效，因为钢不会移动。然而，如果机器人拿起橡胶门密封条或一捆电线，材料就会垂下来。机器人应该触达的点不再是它们应在的位置。机器会感到困惑，装配线就会停止。

FLUX-mimic 是为工厂车间构建的该 AI 版本。Black Forest Labs 与一家名为 mimic robotics 的公司合作，在 FLUX 3 引擎上连接了一个小型翻译器。这个翻译器将模型的内部运动感转化为物理手臂动作。当机器人通过摄像头观察门密封条时，它使用 FLUX 引擎来想象任务接下来的几秒钟。它预测橡胶对压力的反应。因此，机器人可以实时调整其抓取力度。奥迪目前正在测试这一系统，以解决过去需要人手的复杂任务。该系统的反应时间约为 101 毫秒。相比之下，人眼眨眼大约需要 100 到 400 毫秒。这种速度使得机器在事情没有完全按计划进行时，能像人一样具有韧性。

从开源到盈利的坎坷之路

Black Forest Labs 的历史解释了为什么他们现在正进军机器人领域。创始人来自 Stability AI，即发布原始 Stable Diffusion 的团队。当他们在 2024 年推出首批 FLUX 模型时，他们成为了开源社区的英雄。他们的模型可以免费下载，且效果优于价值数十亿美元的科技巨头的付费工具。他们为那些希望在没有公司监管的情况下在自己的硬件上运行 AI 的人们提供了一个可扩展的选择。

然而，AI 市场动荡不安且维护成本昂贵。虽然最初的 FLUX 获得了巨大成功，但 2025 年底发布的第二个版本并没有引起同样的兴奋。来自阿里巴巴的一款名为 Z-Image Turbo 的竞争产品最终夺得了最佳开源模型的桂冠，因为它速度更快且所需内存更少。Black Forest Labs 需要一次反击，证明他们的技术不仅仅是制作互联网梗图的玩具。通过转向视频和机器人领域，他们正在寻求来自奥迪等工业合作伙伴更稳定的收入。这就是为什么 FLUX 3 尚未完全开放的原因。视频和动作工具目前仅通过付费 API 和特定的企业合作伙伴提供。普通用户可以下载并在自己电脑上运行的版本预计要到 2026 年底才会发布。

这对你的下一次购买意味着什么

对于普通人来说，这种技术转变有两个切实的影响。首先，数字内容的质量即将达到一个新的上限。我们正在告别模糊、五秒钟的 AI 剪辑时代。在接下来的几个月里，你可能会看到使用 FLUX 3 创建的营销活动和短片，其中的场景与真实镜头难以区分。这包括让体验身临其境的高保真音频。这降低了小型创作者的制作成本，但随着真实与合成之间的界限消失，也使得数字世界变得更加模糊。

其次，在工厂中使用 FLUX-mimic 预示着实物商品制造方式的改变。如果机器人可以处理柔软、灵活的零件，汽车制造商就可以实现更多组装过程的自动化。这通常会带来更一致的制造质量和最终产品中更少的错误。这也意味着我们时代的数字原油——大型视频数据集——现在正被用于驱动物理机器。你的下一部智能手机或汽车可能会更耐用，因为神经网络在第一件零件进入工厂车间之前，已经在模拟中练习了数百万次组装过程。

对无形机器的透视

从实际角度来看，我们应该将 FLUX 3 视为一座桥梁。它连接了像素世界和物理对象世界。长期以来，AI 是一个没有身体的大脑。它可以写诗、画画，但它不会系鞋带或叠衬衫。通过训练模型理解视频，Black Forest Labs 赋予了那个大脑对物理世界运作方式的感知。这是迈向能够帮助我们日常生活而不仅仅是坐在屏幕后面的机器人的基础性一步。

归根结底，这里真正的故事不仅仅是一个更好的视频生成器。它是关于制造技能的去中心化。当 AI 在奥迪工厂学会如何安装门密封条时，这种知识是数字化的。它可以立即被复制并发送到地球另一端的工厂。我们正在观察一个机器通过观察我们来学习，而不是由我们编程的世界的早期阶段。与其担心炒作，不如观察你环境中的小事。看看你衣服上的接缝或家电上的密封条。这些正是 AI 开始其最实际工作的最前线。

来源：
Black Forest Labs 技术公告 (2026年7月)
奥迪制造进度报告
mimic robotics 集成简报
Artificial Analysis 图像竞技场数据