今天的一个想法， 文本大模型与视频大模型定位的拐点到来了， 这两种模型之前看上去不存在上下游关系， 但是现在变成了"显式符号/几何模拟（3D引擎 + 符号逻辑）" →"隐式统计生成（像素级视频生成扩散…