一句话：Spatial Video（空间视频）是带着三维空间信息的视频——它记录或生成的不只是某个机位看到的画面，而是一个你可以在里面小幅挪动、甚至自由换机位的场景。时间在走，观察位置也能变。
为什么难：普通视频（2D video）本质是"一叠照片按时间播放"，摄像机替你做完了所有取景决定。空间视频要额外回答一个问题：往旁边站一步，应该看到什么？这要求模型知道画面里每个东西的远近、遮挡关系，以及被挡住的部分长什么样。
打个比方：普通视频像坐在剧院二楼固定座位看戏，角度永远不变；空间视频像拿到一张后台通行证，能上台绕着演员走两步，侧脸、背影都对得上；3D 重建（3D reconstruction）则像把整座剧院扫描成一份模型图纸。
和相邻概念的区别：
- 与 2D 视频：2D 是"一个视角 × 一段时间"，空间视频是"一片视角 × 一段时间"。
- 与 3D 重建：重建靠多角度拍摄（摄影测量、NeRF、3D Gaussian Splatting 等）算出一个三维场景，产物偏"资产"，重、要采集、渲染慢；空间视频更强调能拍、能播、能看，追求实时与观看体验，两者常配合使用。
- 与立体视频（stereoscopic 3D）：立体只给左右眼两路画面，有纵深但视角基本固定，属于空间视频光谱上最浅的一档。
为什么最近又热：一是空间计算设备给了"换视角"一个播放终端；二是生成式 AI。过去 AI 视频最大的破绽是空间不一致——镜头一绕，人物衣服换了、桌上杯子挪了位。近期一些新发布的视频生成模型（如 Vidu S2）开始把"空间视频""多视角一致"当卖点：一句提示词生成同一场景里镜头自由移动、甚至多机位的片段。具体支持的时长、分辨率与输入形式，以官方页面为准。
| 视角自由度 | 数据来源 | 典型用途 | |
|---|---|---|---|
| 2D 视频 | 固定 | 单机位拍摄或生成 | 影视、短视频 |
| 立体视频 | 轻微视差 | 双目拍摄 | 头显观影 |
| 3D 重建 | 自由但非实时 | 多角度采集＋计算 | 测绘、数字孪生 |
| 生成式空间视频 | 可运镜、多视角 | 生成模型直接产出 | 广告、短剧、电商、XR |
对从业者的意义：视频素材的"维度"变了。以前一条片子就是一个文件、一条时间线；以后可能是"一条时间线 × 一个可探索空间"——剪辑工具要能切视角，素材库要能按空间检索，广告主一条素材能出多机位版本。对普通人来说，最直观的变化是回看比赛、演唱会，或者在线看房看车时，视角由你自己选，而不由导播决定。