競(jìng)爭(zhēng)深入之后，這終究是一場(chǎng)零和博弈，還是版圖互補(bǔ)？

撰文| 藍(lán)洞商業(yè) 趙衛(wèi)衛(wèi)

半個(gè)月前，騰訊集團(tuán)湯道生帶著團(tuán)隊(duì)到訪了重慶一家短劇公司麥芽傳媒；但是數(shù)日后，麥芽傳媒的CTO李巍登上了字節(jié)跳動(dòng)火山引擎FORCE原動(dòng)力大會(huì)的舞臺(tái)。

騰訊想要跟麥芽傳媒在云服務(wù)、AI技術(shù)應(yīng)用、數(shù)字內(nèi)容聯(lián)合開發(fā)與智能分發(fā)上進(jìn)行合作，而麥芽傳媒CTO則公開表達(dá)，明年要跟火山引擎在AI漫劇和AI真人劇、短劇AI審核、AI視頻精修和播放器智能超分辨率上探索。

云廠商是短劇的「水電煤」，短劇是云廠商的「練兵場(chǎng)」，這是一種既是內(nèi)容源，又是客戶的共生關(guān)系。后知后覺(jué)的騰訊云能撬動(dòng)火山引擎的客戶嗎？

很難替代，且不說(shuō)紅果短劇已經(jīng)成為行業(yè)的絕對(duì)頭部勢(shì)力，騰訊元寶在視頻模型能力上也落后同期的對(duì)手豆包和千問(wèn)。

火山引擎總裁譚待在提到客戶時(shí)特意說(shuō)：「影視創(chuàng)作方面用大模型的進(jìn)程比我們想象的快一些。之前想到應(yīng)該很快，沒(méi)想到能這么快，現(xiàn)在很多短劇、尤其是漫劇，還有各種AD素材，都在用?！?/p>

有提升的模型能力，搭配解鎖的應(yīng)用場(chǎng)景，最后才能給云廠商們帶來(lái)源源不斷的新客戶。這是過(guò)去半年，豆包大模型日處理Tokens超過(guò)50萬(wàn)億、增長(zhǎng)200%的背后邏輯。

短劇正在成為云廠商們持續(xù)解鎖的創(chuàng)新場(chǎng)景之一。不光是字節(jié)和騰訊，阿里千問(wèn)APP也在最近上線了視頻生成模型萬(wàn)相2.6，「AI小劇場(chǎng)」就是其中一個(gè)具體的玩法，具備音畫同步、多鏡頭生成及聲音驅(qū)動(dòng)等多種功能。

阿里和字節(jié)是國(guó)內(nèi)AI賽道最大的競(jìng)爭(zhēng)對(duì)手，一個(gè)是AI云市場(chǎng)規(guī)模第一，一個(gè)是AI云市場(chǎng)加速度第一。

就在豆包大模型1.8發(fā)布之日，阿里千問(wèn)App接入首個(gè)阿里生態(tài)場(chǎng)景高德，開始具備物理世界理解和行動(dòng)能力，更強(qiáng)的Agent（智能體）能力是它們共同的進(jìn)化方向，它們瞄準(zhǔn)了更細(xì)分的用戶市場(chǎng)需求。

憑借各自的生態(tài)優(yōu)勢(shì)進(jìn)行全產(chǎn)業(yè)鏈的AI布局，這是目前阿里和字節(jié)在AI競(jìng)爭(zhēng)賽道中的狀態(tài)，但隨著競(jìng)爭(zhēng)深入，這終究是一場(chǎng)零和博弈，還是版圖互補(bǔ)？

多模態(tài)模型能力是賽點(diǎn)

豆包大模型日均Tokens使用量已突破50萬(wàn)億，這是火山引擎「秀肌肉」，而真正的「亮劍」則是推出了豆包大模型1.8和視頻生成模型Seedance 1.5 Pro。

豆包大模型1.8的提升，主要在于給多模態(tài)Agent場(chǎng)景進(jìn)行定向的優(yōu)化，在上下文管理，多模態(tài)理解能力上增強(qiáng)，可落地到安防監(jiān)控場(chǎng)景中，提升了模型在處理復(fù)雜任務(wù)時(shí)的規(guī)劃與執(zhí)行水平。

而用戶可以在豆包和即夢(mèng)App端體驗(yàn)到最新視頻生成模型Seedance 1.5 Pro的能力，它已經(jīng)實(shí)現(xiàn)音畫同步，支持多人多語(yǔ)言對(duì)話，能對(duì)齊口型，覆蓋四川話、粵語(yǔ)等中文方言、英文及小語(yǔ)種。

快手可靈率先在國(guó)內(nèi)視頻生成模型中取得成績(jī)，2025年預(yù)計(jì)將取得10億元的收入。國(guó)內(nèi)科技巨頭紛紛在這一領(lǐng)域跟進(jìn)，即夢(mèng)商業(yè)化負(fù)責(zé)人杜子航在AI應(yīng)用分論壇說(shuō)：「即夢(mèng)是全球僅次于Sora的創(chuàng)作平臺(tái)，創(chuàng)作者超10萬(wàn)名」。

而更重要的是他透露了一組商業(yè)化數(shù)據(jù)，在即夢(mèng)的真實(shí)應(yīng)用場(chǎng)景中，占比51%的是專業(yè)平面設(shè)計(jì)，占比30%的是內(nèi)容素材生產(chǎn)，而C端社交娛樂(lè)內(nèi)容占比為19%。也就是說(shuō)，相比C端用戶的占比，B端專業(yè)用戶的付費(fèi)水平已經(jīng)占比八成以上。

在底層模型Seedance 1.5 Pro加持下，即夢(mèng)的產(chǎn)品能力進(jìn)一步提升，包括節(jié)奏性情感表演、多樣化主體和上下文感知等，在圖片處理上也可以通過(guò)涂抹框選，進(jìn)而有強(qiáng)保持能力和精準(zhǔn)的響應(yīng)范圍，輸出影視質(zhì)感的圖片。

多模態(tài)模型能力在過(guò)去一年競(jìng)爭(zhēng)激烈，在調(diào)用量上增速很快，已經(jīng)趨同于語(yǔ)音模型，這成為當(dāng)下科技巨頭們競(jìng)爭(zhēng)的賽點(diǎn)。而根據(jù)杜子航介紹，面向2026年，即夢(mèng)將在漫劇等多個(gè)領(lǐng)域發(fā)力，包括推出多人協(xié)作的團(tuán)隊(duì)版。

再反觀阿里，最近也是在多模態(tài)模型領(lǐng)域不斷布局，最新推出的視覺(jué)生成模型萬(wàn)相2.6，集成音畫同步、多鏡頭生成及聲音驅(qū)動(dòng)等能力，單次生成視頻時(shí)長(zhǎng)達(dá)到15秒，并引入了「分鏡控制」與「角色扮演」功能，背后核心還是要追求專業(yè)影視制作和圖像創(chuàng)作場(chǎng)景的市場(chǎng)空間。

從模型到應(yīng)用，從硬件到產(chǎn)品，阿里最近在AI領(lǐng)域「擰油門」的狀態(tài)就沒(méi)有停過(guò)。

上線千問(wèn)APP后，發(fā)布夸克AI眼鏡，又成立千問(wèn)C端事業(yè)群，而螞蟻也在通過(guò)「靈光」應(yīng)用和「螞蟻阿福」等產(chǎn)品在健康等細(xì)分賽道進(jìn)行拓展，密集曝光之后，「螞蟻阿?！挂欢葲_進(jìn)蘋果應(yīng)用商店免費(fèi)榜第三位。

如今在模型能力上都能實(shí)現(xiàn)「音畫同步」，但阿里萬(wàn)相2.6和豆包Seedance 1.5 Pro差距有多大？這顯然還需要時(shí)間和市場(chǎng)驗(yàn)證，火山引擎總裁譚待在提到這一功能時(shí)明確說(shuō)，「Seedance 1.5 Pro實(shí)現(xiàn)音畫同步，在行業(yè)不算首創(chuàng)，但同行功能做了，不代表做好了?！?/p>

放在更大的背景中看，字節(jié)和阿里在多模態(tài)模型能力上的競(jìng)逐，一方面是對(duì)B端企業(yè)客戶增長(zhǎng)市場(chǎng)的必然追求，而另外一方面也是補(bǔ)齊跟國(guó)際同行的差距。

視頻生成能夠?qū)崿F(xiàn)音畫同步這一功能，是谷歌在今年5月份率先在Veo3上實(shí)現(xiàn)的，這給整個(gè)視頻模型行業(yè)帶來(lái)與之看齊的方向，讓AI視頻走出「默片時(shí)代」，指令遵循更好、保真度更高。

而在落地場(chǎng)景中，谷歌云業(yè)務(wù)也給全世界的同行們做出了示范。谷歌云憑借多模態(tài)的模型能力，先后拿下了英國(guó)廣告公司W(wǎng)PP集團(tuán)、維珍郵輪等多個(gè)企業(yè)級(jí)大客戶，通過(guò)Agent融入客戶公司業(yè)務(wù)，推動(dòng)這些大企業(yè)AI營(yíng)銷平臺(tái)加速人工智能轉(zhuǎn)型，已經(jīng)在國(guó)際市場(chǎng)中展開更大的圈地運(yùn)動(dòng)。

一場(chǎng)生態(tài)位與話語(yǔ)權(quán)的變革

對(duì)于AI云服務(wù)的客戶們來(lái)說(shuō)，能不能用AI模型能力和智能體應(yīng)用重塑生產(chǎn)力，帶來(lái)真切的降本增效，才是選擇的最大標(biāo)準(zhǔn)，因?yàn)榧夹g(shù)只是表面的護(hù)城河，而ROI（投資回報(bào)率）才是真正的尺子。

而當(dāng)Agent開始落地企業(yè)真實(shí)的場(chǎng)景中，安全性的保證是第一位的，而后才是效率的提升，誰(shuí)能率先解決復(fù)雜任務(wù)的穩(wěn)定性，誰(shuí)才能通過(guò)客戶的最終判斷。

「第一款產(chǎn)品從0賣到30萬(wàn)臺(tái)用了250天，而在火山引擎的支持下，第二代端到端語(yǔ)音模型的AI玩具賣到30萬(wàn)臺(tái)，只用了25天，速度提升了10倍」，躍然創(chuàng)新（Haivivi）聯(lián)合創(chuàng)始人高峰在火山引擎FORCE原動(dòng)力大會(huì)上說(shuō)。

躍然創(chuàng)新是一家AI玩具公司，今年8月發(fā)布了第二代產(chǎn)品CocoMate系列，這是搭載端到端語(yǔ)音模型的AI玩具。第二代產(chǎn)品的能力顯著提升，主要是因?yàn)榛鹕揭娑拱鼘?shí)時(shí)語(yǔ)音模型的支持，CocoMate能識(shí)別語(yǔ)氣、理解情緒，支持主動(dòng)接話并隨時(shí)被打斷，響應(yīng)速度壓縮到1秒以內(nèi)，而且可以在噪音環(huán)境中使用。

在模型能力的提升下，AI玩具行業(yè)成為創(chuàng)造新需求的品類整體迎來(lái)了大發(fā)展。2026年1月，躍然創(chuàng)新還將發(fā)布第三代AI玩具，這是一款?yuàn)W特曼AI互動(dòng)對(duì)話器，用戶可以與奧特曼AI角色進(jìn)行對(duì)話，還支持無(wú)限距離組隊(duì)對(duì)講等功能。

而在當(dāng)下AI落地真實(shí)場(chǎng)景Agent為王的行業(yè)共識(shí)中，阿里和字節(jié)出現(xiàn)了哪些新需求新變化？

阿里AI的核心關(guān)鍵詞，是體內(nèi)循環(huán)的「一統(tǒng)」，讓C端的需求匯集到一處。

不論是成立千問(wèn)事業(yè)群，還是把千問(wèn)打造成一款超級(jí)App，本質(zhì)都是要把阿里計(jì)劃將地圖、外賣、訂票、辦公、學(xué)習(xí)、購(gòu)物、健康等各類生活場(chǎng)景接入千問(wèn)，讓其能通過(guò)Agent形式外鏈淘寶電商等細(xì)分場(chǎng)景中，讓不同的需求對(duì)齊到一起。

比如高德此前有AI導(dǎo)航智能體，后來(lái)有直接對(duì)話的出行生活智能體「小高老師」，這都是存在于高德App內(nèi)的核心交互模式，而接入了千問(wèn)之后，在千問(wèn)App內(nèi)就可以實(shí)現(xiàn)基于高德的服務(wù)。

而字節(jié)的AI核心策略是體外循環(huán)的「下沉」，讓B端客戶的AI使用門檻更低。

在推出智能體統(tǒng)一交互入口AgentSphere時(shí)，火山引擎副總裁提到一個(gè)顛覆他認(rèn)知的事情，那就是很多企業(yè)中的智能體不是太少，而是太多太散了，這也是造成AI低效的一個(gè)重要原因。所以無(wú)數(shù)個(gè)數(shù)字員工或是智能體，都將在AgentSphere得到統(tǒng)一的交互，需求不同的用戶看到不同的定制看板，而不是千篇一律的對(duì)話框。

而為了降低用戶使用門檻，豆包還拿出了豆包助手API，讓企業(yè)通過(guò)API開箱即用。也就是說(shuō)，火山引擎為了下沉，賣的不光是模型，更是封裝好的成熟產(chǎn)品體驗(yàn)。

參照谷歌Gemini 3.0帶給對(duì)手OpenAI的壓力，不光是因?yàn)楣雀枳C明了AI大模型的能力上升有極大的上限，另外一方面也證明了AI落地到公司具體業(yè)務(wù)中，能把搜索、廣告和Youtube等多個(gè)業(yè)務(wù)生態(tài)串聯(lián)起來(lái)，真正帶來(lái)業(yè)務(wù)效率的提升，給市場(chǎng)看到了真正AI落地可能性。

從谷歌給中國(guó)同行帶來(lái)的啟示看，懂用戶、更好用的AI產(chǎn)品很重要，但更重要的是AI能力如何準(zhǔn)確服務(wù)當(dāng)下的用戶群體，這是一場(chǎng)技術(shù)變現(xiàn)效率的比拼，更是一場(chǎng)生態(tài)位與話語(yǔ)權(quán)的變革。

無(wú)論是豆包通過(guò)流量入口優(yōu)勢(shì)挖掘B端客戶，還是阿里通過(guò)B端服務(wù)能力進(jìn)入C端市場(chǎng)，本質(zhì)上都是通過(guò)各自的優(yōu)勢(shì)地位進(jìn)行AI全產(chǎn)業(yè)鏈的布局，各自的路徑已經(jīng)越來(lái)越清晰，現(xiàn)在階段只是版圖互補(bǔ)，而不遠(yuǎn)的未來(lái)可能就是一場(chǎng)零和博弈。