新智元报道
Grok 已具备一键分析视频的能力。马斯克近日在 X 平台宣布，Grok 可分析任意视频内容。
马斯克分享了一段 63 秒的高清视频，主角为已故篮球巨星科比。视频中，科比身穿西装，坐在洛杉矶夜景前推销 Grok 4.5，并以经典台词“曼巴 Out"收尾。
该视频逼真度极高，若非已知科比去世，极易被误认为真实影像。Grok 不仅能快速解析长视频生成摘要（如 36 秒内总结 30 分钟访谈），更能识别此类 Deepfake 伪造视频并进行技术溯源。
Grok 的鉴假与溯源能力
面对上述科比视频，Grok 迅速出具分析报告，明确指出这是 AI 生成的 Deepfake 视频，并依据科比逝世事实判定其为合成内容。
在技术溯源方面，Grok 推测该视频大概率由 xAI 自家的 Grok Imagine Video 1.5 制作。其判断依据在于：63 秒时长远超纯文本生成视频的极限， likely 采用了多段拼接及“图像参考 + 文本提示 + 唇形同步”的混合工作流；同时也存在由 Sora 2 或 Veo 3 制作的可能性。
不过，也有技术观点指出，Grok 目前可能主要依赖字幕而非逐帧渲染分析画面，且仍存在 AI 幻觉问题，如在部分测试中出现转录错误或信息编造，处理直播流时效果尚不稳定。
实测验证：从无字幕数学视频到长篇访谈
为验证 Grok 是否真正“看懂”视频，测试选取了无字幕的科拉茨猜想（Collatz conjecture）科普视频及长达 50 多分钟的图灵奖得主 Hinton 访谈视频。
无字幕数学视频解析
科拉茨猜想视频全程无文字解说，仅展示数字变化动画。Grok 不仅准确解读了核心数学逻辑，还分析了动画特点及其数学意义：
视频展示了以数字 1 为根节点构建的 Collatz 逆向树。每个节点代表正整数，边表示前驱关系：偶数 n 指向 n/2，奇数 m 满足 3m+1=n 则 m 指向 n。动画直观呈现了“所有正整数最终进入 4→2→1 循环”的猜想结构。
长篇访谈内容提炼
针对 OpenAI 发布的 Astra 模型相关讨论及 Hinton 的长篇访谈，Grok 基于帖子标注与字幕提取，成功梳理出核心内容与时间线，归纳了 Hinton 关于 AI 意识、控制风险及时间表的最新观点：
1. AI 意识：公开承认 AI 已有意识，但为避免干扰安全讨论而刻意淡化。
2. 控制悲观：人类历史上尚无成功控制更高智能的先例。
3. Agent 风险：自我保存、欺骗等行为是可预期的涌现能力。
4. 时间线压缩：预测 10-20 年内将出现人类无法理解的数学，结合当前进展，该时间表甚至显得保守。
实测表明，Grok 不仅能读取字幕，更展现出对视频语境和深层内容的理解能力。
效率革命与人文反思
信息获取的降维打击
Grok 能在 36 秒内消化 30 分钟的视频内容，极大提升了信息获取效率。对于播客、讲座等长内容，用户可快速获取核心金句与逻辑脉络。甚至有用户利用该功能在马斯克演讲视频中精准定位到关于髋部骨折治疗的有用信息，展现了其在海量数据中筛选关键价值的潜力。
认知外包的潜在风险
然而，这种极致效率也引发了学界担忧。有学者指出，过度依赖 AI 摘要可能导致人类阅读、写作及批判性思维能力的退化。大脑如同肌肉，若将深度阅读、逻辑推演等认知活动完全“外包”，人类可能丧失捕捉微妙情绪与抽丝剥茧的耐心。
心无知识的，乃为不善；脚步急快的，难免犯罪。对速度的病态追求可能让人生沦为多巴胺的赛跑，而忽视真正的意义。人类的灵魂，是否也能被外包？这是技术繁荣背后值得深思的命题。