近日，上海創智學院與模思智能聯合推出的國內首個開源高質量音視頻同步生成模型MOVA引發行業熱議。這款模型不僅填補了國內開源領域在音視頻生成基礎模型方面的空白，更以全棧開源的姿態為中小團隊和學術研究提供了低成本落地的可能性。與此同時，字節跳動發布的商用化模型Seedance2.0也因馬斯克在社交平臺X上的評價"發展速度太快了"而備受關注，兩大模型的差異化競爭成為科技界焦點。
MOVA項目負責人、復旦大學計算與智能創新學院教授邱錫鵬在接受專訪時表示，MOVA與Seedance2.0雖同屬音畫一體生成技術，但在技術路線和應用定位上存在顯著差異。從生成效果來看，MOVA支持最長8秒、720p分辨率的視頻輸出，而Seedance2.0已實現15秒時長與2K高清分辨率。但MOVA的核心優勢在于其完全開源的特性——不僅開放了360p和720p兩個基礎模型，還公開了微調、推理、生成工作流等全鏈路組件，支持二次開發和本地部署，為動漫、游戲等垂直場景提供了可定制化的技術底座。
這種開源策略與當前行業主流的閉源模式形成鮮明對比。據介紹，全球音視頻生成領域中，包括Seedance2.0在內的絕大多數模型均不公開技術細節，不提供模型文件下載，也不允許本地部署。邱錫鵬坦言："開源是MOVA與這些模型最大的不同。我們希望通過技術普惠吸引更多研究者參與，既推動技術快速迭代，也助力國內開源生態建設。"這種理念在其團隊過往項目中已有體現——2023年2月發布的類ChatGPT對話模型MOSS，在兩個月后即成為國內首個支持搜索、畫圖、計算等插件的開源對話模型。
在技術架構上，MOVA采用了混合專家創新設計，在保證生成質量的同時提升了推理效率。邱錫鵬將其團隊定位為"挑戰者"："Seedance2.0代表商用導向的工業級投入，而MOVA更注重構建開放社區。"這種定位背后是巨大的技術挑戰——音視頻模型的數據規模遠超文本模型，且訓練所需的底層基礎設施尚不完善。邱錫鵬透露，項目推進過程中最大的困難在于算法層面缺乏可借鑒內容，而數據工程能力也非高校和科研機構的傳統強項。
突破這些瓶頸得益于上海創智學院"研創學"融合的育人模式。學院為學生提供參與重大項目的實戰機會，使原本缺乏人工智能基礎的學生在半年內展現出創新能力。同時，學院孵化的模思智能憑借企業優勢攻克了數據工程關鍵難題。這種產學研協同機制為MOVA的研發提供了重要支撐。據透露，MOVA1.5版本預計在3月底推出，性能將有顯著提升。
