文 | 張冉冉 赫晉一

編輯 | 曹賓玲

數(shù)據(jù)支持 | 洞見(jiàn)數(shù)據(jù)研究院

頭圖來(lái)源 | 可靈AI

AI視頻技術(shù)，正以“周”為單位快速迭代。

兩周前，PixVerse發(fā)布新項(xiàng)目：人在下邊輸入提示詞，AI在上邊同步生成視頻，實(shí)現(xiàn)連續(xù)視覺(jué)輸出。

Source:PixVerse

上周，Runway又上新Gen 4.5模型，AI在3秒內(nèi)連切近、中、遠(yuǎn)景，運(yùn)鏡構(gòu)圖堪比專(zhuān)業(yè)導(dǎo)演，且人臉上的紋理清晰可見(jiàn)。

Source:Runway

不止海外，國(guó)內(nèi)公司也踩死油門(mén)，字節(jié)旗下的即夢(mèng)AI，核心版本兩年內(nèi)歷經(jīng)9次關(guān)鍵迭代；快手的可靈AI，問(wèn)世以來(lái)升級(jí)30余次。廠(chǎng)商們“你追我趕”，一個(gè)模型月初份額很高，月底就可能被擠下去。

它們卷生卷死，在于退一步是“流量危機(jī)”，進(jìn)一步是“萬(wàn)億藍(lán)?！薄?/strong>

抖音、快手們的成功，證明了“視頻”殺時(shí)間的能力，而AI視頻或許還會(huì)帶來(lái)更沉浸的體驗(yàn)。目前，已有大量AI短視頻、AI短劇殺入內(nèi)容平臺(tái)，搶奪用戶(hù)的注意力。

隨著模型能力提升和推理成本降低，狂熱的“淘金潮”還會(huì)蔓延至漫劇、游戲甚至電影等領(lǐng)域，屆時(shí)AI視頻可能迎來(lái)一輪大爆發(fā)。

AI 不僅是技術(shù)進(jìn)步，更是個(gè)性體驗(yàn)、內(nèi)容生產(chǎn)和商業(yè)效率的“三重革命”。 對(duì)字節(jié)、快手等 視頻 玩家來(lái)說(shuō)，這是一 場(chǎng) 不得不跟的 牌局。只不過(guò)同一命題，它們打出了截然不同的牌面。

即夢(mèng)的入口野心VS可靈的工具理性

在即夢(mèng)3.5Pro和可靈2.6輸入同一段提示詞，對(duì)比生成的AI視頻會(huì)發(fā)現(xiàn)，可靈的畫(huà)面細(xì)節(jié)更豐富，電影感撲面而來(lái)。

Source:即夢(mèng)AI、可靈AI

但代價(jià)是，可靈排隊(duì)時(shí)間超過(guò)了30分鐘，而即夢(mèng)無(wú)需等待，1分鐘之內(nèi)生成了視頻，且每天都能免費(fèi)使用2次。

這樣的視頻效果和使用體驗(yàn)，正是快手和字節(jié)不同技術(shù)路線(xiàn)選擇的結(jié)果。

盡管AI視頻能力日新月異，但六根手指、360度旋轉(zhuǎn)手臂等物理破綻仍頻繁上演，模型只是從“不可用”跨越到了“偶爾驚艷”。外媒Winsome Marketing實(shí)測(cè)發(fā)現(xiàn)，用Sora2生成的視頻中，真正可用于發(fā)布的內(nèi)容只有5%-10%，剩下90%全是廢片。

這不僅浪費(fèi)時(shí)間，更燒錢(qián)如流水。據(jù)第三方評(píng)測(cè)榜單Artificial Analysis，可靈2.6Pro每分鐘生成成本為4.2美元，谷歌Veo 3.1平均每分鐘生成成本高達(dá)10.5美元。

因此AI視頻的進(jìn)化史，可以視為“開(kāi)盲盒式”生成效果的抗?fàn)幨?。只不過(guò)廠(chǎng)商們資源稟賦不同，有的“高舉高打”，有的“精耕細(xì)作”。

即夢(mèng)和可靈就是如此，二者看似功能相似，實(shí)則內(nèi)核迥異：字節(jié)Seedance是多模態(tài)基礎(chǔ)大模型，即一個(gè)模型同時(shí)支持文生圖、文/圖生視頻等；快手不具備多模態(tài)基座，但擁有相對(duì)領(lǐng)先一小步的視頻生成模型。

在此背景下，即夢(mèng)選擇了優(yōu)化Seedance大模型，既實(shí)現(xiàn)參數(shù)和知識(shí)共享，又避免了多個(gè)模型重復(fù)維護(hù)。但視頻每秒有數(shù)十幀，每幀包含數(shù)百萬(wàn)個(gè)像素點(diǎn)，每一點(diǎn)上都有時(shí)空信息，同步處理意味著計(jì)算量和內(nèi)存需求“立方級(jí)增長(zhǎng)”。

為了破解算力難題，字節(jié)在Seedance中嵌入擴(kuò)散變換器，把任務(wù)拆給不同模塊并行處理，降低計(jì)算復(fù)雜度；同時(shí)在蒸餾機(jī)制中引入特殊算法，確保小模型“又快又準(zhǔn)”，最終實(shí)現(xiàn)用更少的推理步驟，生成更順的視頻。

快手則聚焦打磨視頻模型基座：每次迭代，除了擴(kuò)充參數(shù)和優(yōu)化數(shù)據(jù)，也在產(chǎn)品交互層引入新功能，提升生成結(jié)果的可控性。

可靈1.0推出首尾幀功能，讓模型根據(jù)首尾兩張圖片，生成連貫的運(yùn)動(dòng)變化；可靈2.0則允許用戶(hù)輸入?yún)⒖紙D像和視頻，讓AI更能“讀懂”復(fù)雜創(chuàng)意；可靈O1新增的“主體庫(kù)”，把人和物封裝成一個(gè)主體，在后續(xù)生成中保持特征穩(wěn)定。

顯然，可靈走的是“產(chǎn)品創(chuàng)新驅(qū)動(dòng)”的務(wù)實(shí)路線(xiàn)，而即夢(mèng)有著“突破產(chǎn)品技術(shù)上限”的野心。

這樣的路線(xiàn)選擇，重現(xiàn)了兩家的“來(lái)時(shí)路”：短視頻時(shí)代，抖音靠推薦算法躋身超級(jí)APP行列，快手則從工具轉(zhuǎn)向內(nèi)容社區(qū)，二者各憑本事割據(jù)一塊江山。

到了AI時(shí)代，字節(jié)仍想重寫(xiě)規(guī)則，定義下一代產(chǎn)品、搶占新的超級(jí)入口，剪映和即夢(mèng)業(yè)務(wù)負(fù)責(zé)人曾公開(kāi)說(shuō)過(guò)：“即夢(mèng)的探索方向，是結(jié)合AI技術(shù)解鎖全新的場(chǎng)景與產(chǎn)品形態(tài)，幫助人類(lèi)提升創(chuàng)造力?！倍焓止芾韺觿t多次公開(kāi)強(qiáng)調(diào)聚焦P端（專(zhuān)業(yè)創(chuàng)作者）和B端客戶(hù)，對(duì)C端“保持探索”。

當(dāng)然，快手不跟字節(jié)正面硬剛，或許并非“不想”，而是“不能”——2025年，字節(jié)在算力、芯片等方面的資本投入達(dá)1500億元，斷層領(lǐng)先第二名阿里50%，比快手足足“多了一個(gè)0”。

字節(jié)對(duì)AI的資源傾注，堪稱(chēng)“飽和式”轟炸：四處招兵買(mǎi)馬，被公認(rèn)為“中國(guó)AI人才密度最高的公司”；對(duì)核心團(tuán)隊(duì)不設(shè)OKR和考核，鼓勵(lì)工程師挑戰(zhàn)“高效架構(gòu)”和“前沿算法”。

甚至不惜“內(nèi)部賽馬”，2025年即夢(mèng)獲得的算力資源同比增加300%，而同期豆包視頻模塊預(yù)算被削減15%；具體到即夢(mèng)，目前可供用戶(hù)調(diào)用的5款視頻生成模型，分別來(lái)自4個(gè)不同的研發(fā)團(tuán)隊(duì)，哪個(gè)更優(yōu)用哪個(gè)。

AI競(jìng)爭(zhēng)對(duì)技術(shù)、人才和資金的消耗，跟短視頻早已不在一個(gè)量級(jí)。在資源約束下，“專(zhuān)注一個(gè)基座、凝聚一個(gè)團(tuán)隊(duì)智慧”的差異化路徑，是更適合快手的理性選擇。

其“最大化解決實(shí)際問(wèn)題”的務(wù)實(shí)策略也很快有效，可靈生成視頻越來(lái)越“像真的一樣”，在技術(shù)不穩(wěn)定時(shí)期，率先贏(yíng)得了挑剔的P端和B端用戶(hù)，用戶(hù)總量在發(fā)布一年時(shí)間內(nèi)，從600萬(wàn)一路飛升到4500萬(wàn)。

“大力出奇跡”的即夢(mèng)，每一代產(chǎn)品都有著更低價(jià)格、更高生成效率，積攢了拉攏海量普通用戶(hù)的底氣。公開(kāi)數(shù)據(jù)顯示，截至去年9月，其月活用戶(hù)達(dá)到2037萬(wàn)，是可靈的13倍。

而這樣的路線(xiàn)分野，也為兩家的商業(yè)化進(jìn)程，寫(xiě)下了不同的腳本。

放眼長(zhǎng)期增長(zhǎng)的即夢(mèng)VS專(zhuān)注即時(shí)收益的可靈

據(jù)美國(guó)知名風(fēng)投公司a16z合伙人透露，Sora的30天用戶(hù)留存率僅1%，60天留存率近乎0%。

這揭示了一個(gè)殘酷的現(xiàn)實(shí)：AI視頻生成，現(xiàn)在可能稱(chēng)不上一門(mén)好生意。

每一家AI視頻公司都愿景著“傻瓜也能創(chuàng)作”，但上文說(shuō)過(guò)，90%的AI視頻生成后“根本不能用”，少數(shù)高質(zhì)量作品底下也總跟著一長(zhǎng)串“怎么做？”的提問(wèn)——AI創(chuàng)作的門(mén)檻，依然高懸。

想要生成一條合格的視頻，不能跟AI講大白話(huà)，而是要輸入復(fù)雜的“提示詞公式”，包括主體、場(chǎng)景、動(dòng)作、風(fēng)格等，再進(jìn)行一致性控制和后期調(diào)整。許多人好奇嘗鮮AI，很快就會(huì)因?yàn)橛貌缓枚x開(kāi)。

這導(dǎo)致主打大眾市場(chǎng)的AI視頻產(chǎn)品，集體陷入變現(xiàn)困局。據(jù)第三方機(jī)構(gòu)非凡產(chǎn)研的數(shù)據(jù)，即夢(mèng)AI和Minimax的海螺AI，年化營(yíng)收（ARR）均未破億。

相比之下，Runway的ARR，去年中已經(jīng)突破6億元大關(guān)；快手2025Q3業(yè)績(jī)會(huì)披露，可靈累計(jì)收入達(dá)到7億元，預(yù)計(jì)全年收入達(dá)10億。

其中，可靈近70%的營(yíng)收由P端訂閱會(huì)員貢獻(xiàn)，B端客戶(hù)規(guī)模也超過(guò)了2萬(wàn)家。很顯然，當(dāng)下專(zhuān)業(yè)創(chuàng)作者的付費(fèi)能力更強(qiáng)、意愿也更高。

這并不難理解，對(duì)AI輸入想法，能直接獲得一段科幻大片；新品發(fā)布，不用再請(qǐng)昂貴的模特、明星，AI廣告效果直逼真人……數(shù)據(jù)顯示，AI視頻能將傳統(tǒng)視頻制作時(shí)間從平均7小時(shí)縮短至45分鐘，制作成本省一半。

當(dāng)AI視頻成為打工人的生產(chǎn)力工具，大家會(huì)用真金白銀投票，而那些“不夠?qū)嵱谩钡钠脚_(tái)，自然會(huì)顯得冷清。

但差距或許只是暫時(shí)的，將目光放遠(yuǎn)，走“大眾之路”同樣擁有廣闊的想象空間。

字節(jié)高管曾提出：“AI對(duì)話(huà)類(lèi)產(chǎn)品可能只是AI產(chǎn)品的‘中間態(tài)’，更理想的產(chǎn)品形態(tài)大概率需要視覺(jué)化的用戶(hù)體驗(yàn)?！毖酝庵饩褪?，視頻遠(yuǎn)比文字更直觀(guān)、更能讓普通人“入迷”。

而隨著AI技術(shù)的演進(jìn)，視頻創(chuàng)作門(mén)檻還有望進(jìn)一步降低：未來(lái)可能不用輸入素材、提示詞，告訴AI“找出所有寶寶第一次走路的片段，配上溫馨音樂(lè)”，就能自動(dòng)生成視頻。

這會(huì)讓創(chuàng)作徹底平民化，引發(fā)新一輪內(nèi)容爆炸，就像當(dāng)年智能手機(jī)讓照片、短視頻普及一樣。字節(jié)內(nèi)部甚至判斷：“長(zhǎng)期看，即夢(mèng)的價(jià)值空間可能是剪映的十倍。”若以剪映2024年近百億收入為參照，即夢(mèng)有著千億級(jí)市場(chǎng)蛋糕。

為此，即夢(mèng)正不遺余力鋪路，試圖留住更多用戶(hù)。

打開(kāi)APP，首頁(yè)即是一條AI視頻，與可靈的“工具風(fēng)”大相徑庭。即夢(mèng)期望通過(guò)熟悉的短視頻交互，把優(yōu)質(zhì)AI作品推薦給用戶(hù)。

其還在全平臺(tái)大量投流，尤其在抖音上，一度不允許其他AI產(chǎn)品打廣告。而抖音生態(tài)正是即夢(mèng)最大“殺手锏”——即夢(mèng)生成的視頻可直接導(dǎo)入剪映或抖音發(fā)布，形成“即夢(mèng)生素材+剪映剪輯+抖音發(fā)布”一條龍，2025Q1該路徑為即夢(mèng)導(dǎo)流的新用戶(hù)占比達(dá)37%。

在價(jià)格上，即夢(mèng)也放低身段，不惜犧牲短期收入提升吸引力：其單條視頻生成最低僅0.1-0.19元，而可靈最低成本比其貴上10倍，高達(dá)1.25-1.5元/條。

可以說(shuō)，字節(jié)已在產(chǎn)品設(shè)計(jì)、流量扶持、使用門(mén)檻上做足了準(zhǔn)備，只待“人人皆可創(chuàng)作”的時(shí)代東風(fēng)。這種“抬頭看天”的勇氣值得稱(chēng)贊，卻也有風(fēng)險(xiǎn)，畢竟沒(méi)人知道“船票”何時(shí)才能兌現(xiàn)。

反觀(guān)“低頭看路”的快手，先落袋為安，未來(lái)再找機(jī)會(huì)轉(zhuǎn)型，不失為一種智慧。

不過(guò)可靈也并非沒(méi)有煩惱，海外AI短片《The Colorless Man》的創(chuàng)作流程，就給國(guó)內(nèi)創(chuàng)作者帶來(lái)了沖擊：圖像由ChatGPT、MidJourney和即夢(mèng)處理，可靈負(fù)責(zé)視頻，ElevenLabs處理語(yǔ)音，Dreamina處理唇形同步，Suno處理音樂(lè)，MMAudio處理音效。

如今廠(chǎng)商們的 模型 各有所長(zhǎng)， 尚未出現(xiàn)一個(gè)在所有維度都碾壓對(duì)手的 產(chǎn)品。而創(chuàng)作者 組合使用 、 用腳投票，可能會(huì)使 可靈辛苦拿下的 用戶(hù) ， 被 其他 廠(chǎng)商 以更專(zhuān)精的模型、更低廉的 價(jià)格 搶走 。

這場(chǎng)AI視頻的戰(zhàn)爭(zhēng)，注定是艱難而曲折的持久戰(zhàn)。

人們熱議著，豆包要借春晚之力，完成AI搜索的“全民普及”；千問(wèn)全面接入淘寶、支付寶、飛豬、高德等阿里生態(tài)，重塑下一代生活方式。

卻常常忽略，每日刷上一兩個(gè)小時(shí)的短視頻世界里，另一場(chǎng)更深層的風(fēng)暴也在悄然醞釀。

沒(méi)人能斷言AI視頻的“未來(lái)”將以何種形態(tài)降臨，無(wú)論是快手的“務(wù)實(shí)當(dāng)下”，還是字節(jié)“豪賭未來(lái)”的路線(xiàn)，都在等待時(shí)間給出最終的答案。

但可以確定的是，科技正加速駛?cè)胍粭l快車(chē)道，我們能做的就是坐穩(wěn)、扶好，迎接一切可能的轉(zhuǎn)向與顛覆。