物理派終將降臨

文/林書(shū)

編輯/劉宇翔

最近我影視圈的朋友們有點(diǎn)焦慮，雖然這個(gè)圈也不是焦慮一兩天了，這些年票房下滑、募資難，即使咖位不低的出品人的日子也不好過(guò)，但這次不一樣，他們擔(dān)心的是：會(huì)被AI 搶了飯碗嗎？

2 月 7 日那天，字節(jié)跳動(dòng)旗下即夢(mèng)平臺(tái)悄然上線了 Seedance 2.0。沒(méi)有發(fā)布會(huì)，沒(méi)有鋪天蓋地的預(yù)熱，只是在飛書(shū)上放了一份產(chǎn)品文檔，標(biāo)題簡(jiǎn)潔到近乎囂張——“Kill the game”。

緊接著的幾天里，《黑神話：悟空》制作人馮驥發(fā)布數(shù)百字長(zhǎng)評(píng)，稱其為“當(dāng)前地表最強(qiáng)的視頻生成模型”，斷言“AIGC的童年時(shí)代結(jié)束了”；科技博主影視颶風(fēng)Tim也連呼六次“恐怖”。

這一切看起來(lái)都是一部“中國(guó) AI 的勝利敘事”——六十秒多鏡頭、分鏡腳本控制、原生音畫(huà)同步、電影感拉滿，它給大家?guī)?lái)了“人人都能當(dāng)導(dǎo)演的”想象。

過(guò)去國(guó)內(nèi)影視行業(yè)苦心學(xué)習(xí)好萊塢的“電影工業(yè)”模式，還沒(méi)學(xué)會(huì)，現(xiàn)在又要被“Seedance 時(shí)刻”重新解構(gòu)。

然而，在這片歡呼聲中，卻很少有人追問(wèn)一個(gè)更根本的問(wèn)題——這種技術(shù)路線的天花板在哪里？它是真的代表了AI視頻的未來(lái)方向，還是僅僅是一次成功的工程化優(yōu)化？

要回答這個(gè)問(wèn)題，我們就不得不回到那場(chǎng)持續(xù)了兩年多的路線之爭(zhēng)。

早在 2024 年，當(dāng) OpenAI 的 Sora 首次向世人展示其驚艷的能力時(shí)，圖靈獎(jiǎng)得主、Meta 首席 AI 科學(xué)家楊立昆就潑下了一盆冷水。他直言不諱地表示，Sora 及其同類產(chǎn)品不過(guò)是 “像素幻覺(jué)”。

楊立昆的核心論點(diǎn)是：如果一個(gè)模型不懂真正的物理規(guī)律，不理解物體之間的因果關(guān)系和空間關(guān)系，那么所有視頻生成模型都走不長(zhǎng)遠(yuǎn)，最終都會(huì)在更復(fù)雜的場(chǎng)景中“露餡”。

這就是此刻橫亙?cè)?AI 視頻賽道面前的根本分歧。

一派我姑且稱之為”世俗派”，以字節(jié)、快手為代表，追求電影感與敘事流暢，技術(shù)路線是數(shù)據(jù)驅(qū)動(dòng)的風(fēng)格模仿。

另一派是“物理派”，以楊立昆的 AMI Labs、英偉達(dá)的 Cosmos 平臺(tái)、DeepMind 的 Genie 3 為代表，認(rèn)為視頻只是世界模型的副產(chǎn)品，真正的目標(biāo)是讓 AI 理解質(zhì)量、動(dòng)量、因果和空間。

兩派的分歧不是技術(shù)細(xì)節(jié)之爭(zhēng)，而是對(duì)“視頻到底是什么”的根本性分歧——它是給人看的像素序列，還是物理世界運(yùn)行規(guī)律的一個(gè)投影？

這個(gè)問(wèn)題的答案，將決定Seedance 乃至字節(jié)在這場(chǎng)競(jìng)賽中的終局位置。

01

兩派的天花板

要理解這兩條路線之間的本質(zhì)差異，我們要跳出從技術(shù)細(xì)節(jié)，從商業(yè)生態(tài)和長(zhǎng)期天花板的角度來(lái)思考。

從目前來(lái)看，Seedance 2.0 優(yōu)化的是“導(dǎo)演意圖→像素”的轉(zhuǎn)化率。它做得極好——你寫(xiě)一段提示詞，它自動(dòng)規(guī)劃分鏡和運(yùn)鏡，同時(shí)吞吐文字、圖片、視頻、音頻四種模態(tài)的參考信息，一次性吐出帶完整音軌的多鏡頭視頻。

這是一種極其聰明的工程優(yōu)化，一段原本需要專業(yè)團(tuán)隊(duì)花費(fèi)數(shù)天時(shí)間拍攝和剪輯的視頻，現(xiàn)在只需要放素材、輸入幾個(gè)提示詞就能在幾分鐘內(nèi)生成。

但它有一個(gè)結(jié)構(gòu)性的局限：每一次生成都是一次性成果，即刻被消費(fèi)。

你用 Seedance 2.0 做出了一段精美的賽博朋克追車戲，但這段視頻里的城市、飛行汽車、反派角色，全部無(wú)法被提取出來(lái)復(fù)用。它們不是“資產(chǎn)”，只是“像素”。你不能調(diào)整視頻中的某個(gè)物體的物理屬性，你不能與這段視頻進(jìn)行任何形式的交互。它就是一個(gè)一次性消費(fèi)品，用完即棄。

這意味著世俗派的天花板被鎖死在“內(nèi)容消費(fèi)”這一層。電影、短劇、廣告、電商視頻是市場(chǎng)巨大，但底層邏輯是“生成一次，消費(fèi)一次”。

而物理派打開(kāi)的是另一扇門(mén)：可復(fù)用的三維世界。一旦 AI 真正理解了物理規(guī)律，它生成的不是像素序列，而是一個(gè)有質(zhì)量、有碰撞、有光照、有因果律的虛擬環(huán)境——這個(gè)環(huán)境可以被游戲引擎調(diào)用，可以被機(jī)器人在其中訓(xùn)練，也可以被自動(dòng)駕駛系統(tǒng)用來(lái)模擬邊緣案例。這些是萬(wàn)億級(jí)的市場(chǎng)。

最具說(shuō)服力的案例是 Unreal Engine 5 向影視行業(yè)的滲透。

迪士尼的《曼達(dá)洛人》是這場(chǎng)滲透的里程碑。該劇的視效團(tuán)隊(duì)工業(yè)光魔（ILM）為此專門(mén)研發(fā)了名為StageCraft的虛擬制片系統(tǒng)。其核心是一面270度環(huán)繞的巨型LED幕墻，高度超過(guò)六米，由上千塊LED面板拼接而成。幕墻背后運(yùn)行的正是虛幻引擎——四臺(tái)PC同步驅(qū)動(dòng)幕墻上的每一個(gè)像素，實(shí)時(shí)渲染出塔圖因的沙漠、涅瓦羅的熔巖平原、以及外太空的星際場(chǎng)景。

更關(guān)鍵的是，StageCraft 中的虛擬場(chǎng)景資產(chǎn)——3D 建筑、地形、光照預(yù)設(shè)——全部可復(fù)用，可以在下一部劇集中被調(diào)用、修改、組合，甚至授權(quán)給游戲開(kāi)發(fā)團(tuán)隊(duì)做成可交互的虛擬世界。一次建模，無(wú)限復(fù)用。這正是“資產(chǎn)思維”與“像素思維”的本質(zhì)差異。

這項(xiàng)技術(shù)的意義遠(yuǎn)不止于提高效率。它標(biāo)志著游戲引擎這個(gè)原本屬于游戲產(chǎn)業(yè)的技術(shù)，正在滲透進(jìn)影視制作的核心環(huán)節(jié)。Unreal Engine 不再只是一個(gè)游戲開(kāi)發(fā)工具，它正在成為影視工業(yè)的基礎(chǔ)設(shè)施。

02

物理派的降維打擊

更具跨界說(shuō)服力的案例來(lái)自英偉達(dá)與工業(yè)光魔的合作探索。

在《侏羅紀(jì)世界：統(tǒng)治》中，工業(yè)光魔（ILM）就使用了Omniverse連接Maya、Houdini、Unreal等工具，實(shí)現(xiàn)跨軟件的實(shí)時(shí)物理協(xié)作?？铸埰つw的肌肉變形、植被的風(fēng)力擺動(dòng)、水花的流體模擬，在不同軟件間實(shí)時(shí)同步物理狀態(tài)，Omniverse讓物理仿真成為實(shí)時(shí)共享的基礎(chǔ)設(shè)施。

當(dāng)物理世界模型能夠理解重力、慣性、碰撞、材質(zhì)變化等底層規(guī)律時(shí)，它生成的將不僅是“看起來(lái)像”的視頻，而是一個(gè)可以實(shí)時(shí)交互的虛擬片場(chǎng)。

導(dǎo)演可以在這個(gè)數(shù)字孿生環(huán)境中預(yù)先演練鏡頭運(yùn)動(dòng)、光照變化、甚至演員走位——這意味著拍電影不再是“拍一次，看一次”的線性流程，而是可以反復(fù)推敲、動(dòng)態(tài)調(diào)整的沉浸式創(chuàng)作。

更進(jìn)一步，這個(gè)虛擬片場(chǎng)的環(huán)境參數(shù)可以無(wú)縫對(duì)接工業(yè)機(jī)器人訓(xùn)練場(chǎng)景：同樣的光照模型可以用于訓(xùn)練機(jī)器人在真實(shí)工廠中的視覺(jué)識(shí)別系統(tǒng)，同樣的空間邏輯可以用于自動(dòng)駕駛的仿真測(cè)試。物理派正在成為橫跨娛樂(lè)與工業(yè)的基礎(chǔ)設(shè)施，而不是某個(gè)垂直賽道的工具——這才是它最恐怖的地方。

由此便能看清兩派的生態(tài)位差異：物理派一旦成熟，可以向下兼容世俗派的全部需求——你想要電影級(jí)視頻？從物理世界模型中提取一個(gè)虛擬攝影機(jī)的視角輸出即可。

但世俗派永遠(yuǎn)無(wú)法向上兼容物理派——你不能把 Seedance 2.0 生成的像素序列塞進(jìn)機(jī)器人訓(xùn)練框架，因?yàn)槔锩鏇](méi)有碰撞體積、沒(méi)有質(zhì)量參數(shù)、沒(méi)有可交互的物理實(shí)體。這是單向度的降維打擊。

從成本上來(lái)看，短期內(nèi)世俗派更便宜，但這只是相對(duì)而言的“便宜”。

按照字節(jié)極即夢(mèng)的定價(jià)標(biāo)準(zhǔn)，69元/月的會(huì)員，每月可獲得1080積分，用Seedance 2.0生成一段15秒的視頻，則需要消耗90積分，換算下來(lái)，每秒生成費(fèi)用約為0.77元，一分鐘大約需要46元——對(duì)于專業(yè)創(chuàng)作者來(lái)說(shuō)，這已經(jīng)比傳統(tǒng)拍攝制作成本低了幾個(gè)數(shù)量級(jí)，但仍不足以讓普通消費(fèi)者無(wú)限制地“生成著玩”。

更關(guān)鍵的是，2026年的視頻生成戰(zhàn)場(chǎng)已經(jīng)白熱化。

快手可靈AI到2025年底已在全球擁有6000萬(wàn)創(chuàng)作者，累計(jì)生成超6億個(gè)視頻，累計(jì)合作超3萬(wàn)家企業(yè)用戶，2026年1月MAU已突破1200萬(wàn)。字節(jié)Seedance 2.0上線即遭遇可靈3.0的正面狙擊，兩家在電影感生成、多鏡頭敘事、2K實(shí)時(shí)生成等能力上貼身肉搏，價(jià)格戰(zhàn)與品質(zhì)戰(zhàn)同步打響。

與此同時(shí)，Runway、Veo 3.1等海外玩家在控制力與物理模擬上也持續(xù)迭代。

當(dāng)世俗派還在與同行卷生卷死時(shí)，物理派資產(chǎn)復(fù)用性的優(yōu)勢(shì)，卻會(huì)在長(zhǎng)遠(yuǎn)時(shí)期逐步顯現(xiàn)——一個(gè)虛擬城市環(huán)境建模一次，可供影視、游戲、仿真、訓(xùn)練四個(gè)行業(yè)反復(fù)調(diào)用，不僅市場(chǎng)更加廣闊，且邊際成本會(huì)愈發(fā)趨近于零。

長(zhǎng)期來(lái)看，分層架構(gòu)必然成為主流：底層是物理世界模型，上層疊加不同行業(yè)的表現(xiàn)力需求。

換言之，當(dāng)物理派完成了對(duì)真實(shí)物理世界的數(shù)字化建模后，世俗派多年積累的“提示詞工程經(jīng)驗(yàn)”將被徹底降維打擊：你引以為傲的專業(yè)技能，不過(guò)是調(diào)用幾個(gè)API參數(shù)的工作，這使得世俗派最終很可能會(huì)成為“打工仔”：它們不是被技術(shù)淘汰，而是被技術(shù)架構(gòu)釘死在了價(jià)值鏈的最低端，只能做物理世界模型的“渲染層”，而非“定義層”。

03

如何跳出內(nèi)容紅海

話又說(shuō)回來(lái)，我寫(xiě)這篇文章的目的不是為了否定 Seedance 2.0 的價(jià)值，恰恰相反，我是真心認(rèn)為這是一項(xiàng)了不起的技術(shù)突破。

但正因如此，我更關(guān)切的問(wèn)題是：這種領(lǐng)先能夠持續(xù)多久？字節(jié)跳動(dòng)應(yīng)該如何定位自己，才能繼續(xù)有更大突破？

Seedance 2.0 技術(shù)領(lǐng)先是事實(shí)，但技術(shù)領(lǐng)先不等于商業(yè)閉環(huán)。它目前的核心價(jià)值停留在“內(nèi)容消費(fèi)層”。全球短視頻市場(chǎng)2026年規(guī)模預(yù)計(jì)達(dá)593億美元，到2035年將突破6400億美元，復(fù)合年增長(zhǎng)率高達(dá)30.3%；其中字節(jié)跳動(dòng)憑借抖音和TikTok合計(jì)占據(jù)全球短視頻市場(chǎng)約40%的份額，在國(guó)內(nèi)市場(chǎng)更是占據(jù)絕對(duì)統(tǒng)治地位。

然而問(wèn)題在于，這個(gè)市場(chǎng)的增長(zhǎng)邏輯本質(zhì)上是流量變現(xiàn)——所謂的“天花板”并非來(lái)自競(jìng)爭(zhēng)，用戶規(guī)模見(jiàn)頂、時(shí)長(zhǎng)增速放緩，這些困境實(shí)際上是來(lái)自整個(gè)商業(yè)模式的內(nèi)在局限。

因?yàn)橐曨l行業(yè)本質(zhì)上是一個(gè)注意力經(jīng)濟(jì)”的賽道，而人類時(shí)間、精力的有限性，決定了這必將是一個(gè)“零和博弈”，且越來(lái)越卷的紅海。

馮驥在長(zhǎng)評(píng)中擔(dān)憂“內(nèi)容領(lǐng)域必將迎來(lái)史無(wú)前例的通貨膨脹”，但短期來(lái)看，這種通脹短期內(nèi)不太可能真正發(fā)生。原因很樸素：當(dāng)下Seedance 2.0 的生成成本并不便宜。據(jù)即夢(mèng)平臺(tái)定價(jià)，每天贈(zèng)送的免費(fèi)積分僅夠生成十五秒內(nèi)容；據(jù)極客公園估算，制作一部九十分鐘片子的總成本也在兩千多元。

面對(duì)此等局面，字節(jié)的可能的姿勢(shì)是什么？答案或許是：先在B端找準(zhǔn)“甜蜜點(diǎn)”，對(duì)物理派路線采取“占坑”而不All in的態(tài)度。

字節(jié)這次出牌，本質(zhì)上是在說(shuō)：AI視頻不能只靠“抽卡”，專業(yè)創(chuàng)作者需要確定性。這個(gè)定位抓得很準(zhǔn)——Sora 2雖然物理模擬強(qiáng)，但輸入受限；Veo 3.1雖然質(zhì)感好，但太貴；Seedance 2.0在控制力和成本之間找到了一個(gè)專業(yè)市場(chǎng)的甜蜜點(diǎn)。

說(shuō)白了，Seedance 2.0 最具商業(yè)價(jià)值的能力不是“生成好看的視頻”，而是多模態(tài)精準(zhǔn)控制——同時(shí)輸入九張圖片、三段視頻、三段音頻共十二個(gè)參考文件，精確復(fù)現(xiàn)導(dǎo)演意圖。這種確定性輸出恰恰是廣告和電商行業(yè)最剛性的需求。

在用 B 端利潤(rùn)養(yǎng)活自己的同時(shí)，字節(jié)可能會(huì)在物理派方向保持存在，保持發(fā)聲，保持與學(xué)術(shù)界（斯坦福、清華）的聯(lián)系。但不會(huì)大規(guī)模擴(kuò)張——如果2027年世界模型還沒(méi)突破（比如Google Genie-3還是Demo），按字節(jié)的務(wù)實(shí)節(jié)奏，很可能立刻轉(zhuǎn)做“具身智能for 工廠”，而不止在消費(fèi)級(jí)。

然而，從更宏觀的視角看，字節(jié)面臨的真正考驗(yàn)不是“能不能做出好看的視頻”，這一關(guān)已經(jīng)過(guò)了，而是“能不能掌握分發(fā)權(quán)”。

在 AI 視頻時(shí)代，分發(fā)權(quán)的底層支撐不再是推薦算法，而是世界模型的能力。

因?yàn)槲磥?lái) 10 年，計(jì)算的入口從 “屏幕” 轉(zhuǎn)向 “空間”（世界模型/VR/機(jī)器人），而空間交互的底層是 “物理可信的虛擬世界”——沒(méi)有這些，就只能永遠(yuǎn)是內(nèi)容分發(fā)商，不是平臺(tái)規(guī)則制定者。

但此刻，字節(jié)的技術(shù)路線仍然是“數(shù)據(jù)驅(qū)動(dòng)的風(fēng)格模仿”，距離真正的物理理解還有本質(zhì)性距離。

例如在我測(cè)試的一個(gè)案例中，一個(gè)燒紅的鐵球砸到冰塊上，冰塊本應(yīng)熔化、凹陷，但視頻中的冰塊，卻像硬邦邦的固體那樣，沒(méi)有絲毫變化，這說(shuō)明現(xiàn)在的 Seedance 2.0，在物理理解方面，仍然有進(jìn)步的空間。

科技行業(yè)有一個(gè)規(guī)律：真正改變游戲規(guī)則的技術(shù)，從來(lái)不是那個(gè)當(dāng)下最時(shí)髦的，而是那個(gè)定義了下一層基礎(chǔ)設(shè)施的。

字節(jié)今天需要的，不是糾結(jié)于 Seedance 3.0 能否在“電影感”的戰(zhàn)場(chǎng)上多贏幾分，而是在這場(chǎng)格局已定的勝利之后，能否有續(xù)攀高峰的勇氣，向物理派的深水區(qū)進(jìn)發(fā)。

這，才是真正跳出內(nèi)容紅海的正道——不是換個(gè)姿勢(shì)繼續(xù)卷，而是換一個(gè)維度去定義未來(lái)。