出品/未來科技界

作者/李彥

編輯/楊宇

在大模型競賽中，視頻生成類大模型一直被視為最“燒錢”的方向之一。

相比文本與圖像生成，視頻生成對算力、數(shù)據(jù)與模型結(jié)構(gòu)的要求更高，訓(xùn)練與推理成本也更昂貴。在很長一段時(shí)間里，這一賽道的主流共識是：技術(shù)可以快速演進(jìn)，但商業(yè)化將明顯滯后——大多數(shù)產(chǎn)品停留在Demo與創(chuàng)作者嘗鮮階段，距離穩(wěn)定收入仍有距離。

就在近日，OpenAI宣布關(guān)停旗下AI視頻產(chǎn)品Sora，并將資源轉(zhuǎn)向更具確定性的業(yè)務(wù)方向。

但快手可靈AI最新的商業(yè)化表現(xiàn)，卻和Sora的黯然退出對比鮮明。

快手最新財(cái)報(bào)顯示，2025年第四季度，可靈AI單季收入達(dá)到3.4億元，年化收入運(yùn)行率（ARR，將當(dāng)前時(shí)間點(diǎn)的經(jīng)常性訂閱收入，按年化計(jì)算得出的預(yù)測值）已達(dá)2.4億美元，截至2025年底，可靈AI全球用戶規(guī)模突破6000萬，累計(jì)生成視頻超過6億個(gè)，服務(wù)企業(yè)客戶超過3萬家。

上線不到兩年，可靈AI如何在短短時(shí)間內(nèi)，從“燒錢”走向“賺錢”？

可靈AI兩年進(jìn)化史：從生成工具到創(chuàng)作系統(tǒng)

2024年6月，快手正式發(fā)布自研視頻生成大模型“可靈”，這是其在文生圖模型“可圖”、語言模型“快意”之后，補(bǔ)齊多模態(tài)能力的重要一環(huán)。彼時(shí)，行業(yè)剛被AI視頻點(diǎn)燃不久，以Sora為代表的視頻生成模型在全球范圍內(nèi)引發(fā)關(guān)注，行業(yè)對視頻生成類模型的技術(shù)討論還遠(yuǎn)多于商業(yè)討論。

此后一年，可靈AI進(jìn)入快速迭代期，產(chǎn)品與模型能力同步推進(jìn)。從圖生視頻、視頻續(xù)寫，到首尾幀控制、運(yùn)鏡控制，再到人物一致性、對口型、多圖參考等功能，產(chǎn)品幾乎以月為單位更新。2024年11月，可靈AI正式推出獨(dú)立APP。

到2025年底，可靈AI的能力開始趨于系統(tǒng)化。2025年第四季度，快手發(fā)布多模態(tài)視頻模型可靈O1，將文字、圖片、視頻等多模態(tài)輸入統(tǒng)一進(jìn)同一生成框架；隨后推出具備“音畫同出”能力的可靈2.6模型，并上線動作控制功能，進(jìn)一步提升生成視頻的完整性與可控性。到今年2月，可靈3.0系列模型上線，實(shí)現(xiàn)了從視頻理解、生成到編輯的全流程整合。

技術(shù)層面，其始終處在全球第一梯隊(duì)。2025年3月，在全球AI基準(zhǔn)測試機(jī)構(gòu)Artificial Analysis發(fā)布的榜單中，可靈1.6 Pro（高品質(zhì)模式）登上圖生視頻賽道榜首，超過Google Veo 2與Pika；5月，可靈2.0模型再次以1124的Arena ELO評分位居榜首；到10月，2.5 Turbo模型上線僅10天，即以1329分與1252分同時(shí)拿下圖生視頻與文生視頻雙賽道第一。不過在最新的榜單中，字節(jié)的Seedance 2.0和昆侖萬物旗下的SkyReels V6對可靈實(shí)現(xiàn)了超越。

從路徑上看，可靈采用了原生文生視頻路線，并引入類Sora的DiT（Diffusion Transformer）結(jié)構(gòu)。在時(shí)序信息建模上，快手大模型團(tuán)隊(duì)設(shè)計(jì)了一款計(jì)算高效的全注意力機(jī)制（3D Attention）作為時(shí)空建模模塊，同時(shí)配合自建數(shù)據(jù)標(biāo)注體系與視頻描述模型，以提升復(fù)雜運(yùn)動與語義響應(yīng)能力。

與技術(shù)能力提升相對應(yīng)的，是持續(xù)高額度的研發(fā)投入。財(cái)報(bào)顯示，快手2025年研發(fā)費(fèi)用達(dá)到145億元，同比增長18.8%；與此同時(shí)，公司用于算力與數(shù)據(jù)中心建設(shè)的資本開支已達(dá)150億元，并計(jì)劃在2026年進(jìn)一步提升至約260億元。這筆巨資將主要向可靈大模型的算力建設(shè)、基礎(chǔ)模型研發(fā)以及大規(guī)模數(shù)據(jù)存儲處理傾斜。

視頻生成大模型，如何實(shí)現(xiàn)商業(yè)化？

從行業(yè)普遍實(shí)踐來看，當(dāng)前AI視頻產(chǎn)品的商業(yè)化大致有兩條主流路徑：

第一類，是以模型能力為核心，向開發(fā)者與創(chuàng)作者開放API或訂閱服務(wù)。這一路徑更接近大模型行業(yè)的通用范式，通過調(diào)用計(jì)費(fèi)或會員訂閱實(shí)現(xiàn)收入，但其前提是，用戶需要持續(xù)產(chǎn)生高頻使用行為。對于視頻生成而言，這一條件并不天然成立——?jiǎng)?chuàng)作者的使用往往是階段性的，且對生成結(jié)果的穩(wěn)定性與可控性要求較高，一旦無法滿足商業(yè)交付標(biāo)準(zhǔn)，付費(fèi)意愿便難以持續(xù)。

第二類，則是圍繞內(nèi)容生態(tài)，作為創(chuàng)作工具嵌入內(nèi)容平臺或創(chuàng)作者社區(qū)，更多承擔(dān)“效率工具”的角色。這一路徑能夠放大用戶規(guī)模與使用頻次，但直接變現(xiàn)能力相對有限，往往依賴平臺整體商業(yè)化體系的間接轉(zhuǎn)化。

目前，付費(fèi)訂閱會員貢獻(xiàn)了可靈AI將近70%的營業(yè)收入。

C端，可靈AI推出分級會員體系，按照黃金、鉑金、鉆石、黑金四個(gè)等級劃分，月費(fèi)分別為66元、268元、666元和1314元，對應(yīng)不同的生成額度、分辨率與模型能力。與傳統(tǒng)訂閱模式不同的是，可靈引入“額度消耗”機(jī)制，高性能模式（如1080P、高幀率視頻）需要消耗更多“靈感值”，從而將用戶付費(fèi)與算力成本直接掛鉤。

B端，可靈AI則通過API調(diào)用與企業(yè)服務(wù)切入更穩(wěn)定的需求側(cè)，已與包括小米、亞馬遜云科技、Freepik、藍(lán)色光標(biāo)等在內(nèi)的企業(yè)建立合作。這類合作往往直接嵌入內(nèi)容生產(chǎn)流程，使AI視頻成為實(shí)際業(yè)務(wù)的一部分。

隨著模型能力提升，可靈AI開始進(jìn)入廣告營銷、電商內(nèi)容、短劇制作等具體場景。在這些場景中，AI視頻成為了直接影響成本與效率的生產(chǎn)要素。

這使得其商業(yè)邏輯發(fā)生變化——從“為創(chuàng)意付費(fèi)”，轉(zhuǎn)向“為效率付費(fèi)”。

在快手的內(nèi)循環(huán)體系內(nèi)，可靈AI的價(jià)值也開始溢出產(chǎn)品本身。其背后的大模型能力，被嵌入快手廣告與電商體系，推動AIGC營銷素材的大規(guī)模消耗，成為平臺商業(yè)化的一部分。

未來的可靈AI，面對的確定與不確定性

“AI視頻是否能成為一門穩(wěn)定的生意”，在過去一年仍是一個(gè)開放問題。

但從可靈AI當(dāng)前的表現(xiàn)來看，這個(gè)問題正在出現(xiàn)階段性答案。

與早期“為創(chuàng)意買單”的嘗試不同，AI視頻正在逐步進(jìn)入廣告、電商、短劇等高頻內(nèi)容生產(chǎn)場景。這些領(lǐng)域?qū)σ曨l素材的需求，本就是剛性的，只是在過去依賴人工完成。隨著可靈等模型能力提升，AI開始承擔(dān)其中一部分生產(chǎn)任務(wù)，這意味著，AI視頻的需求，是對既有生產(chǎn)方式的替代。只要內(nèi)容產(chǎn)業(yè)持續(xù)存在，這一需求就具備長期性。

這構(gòu)成了可靈AI商業(yè)化的第一層確定性：它所服務(wù)的，并不是一個(gè)新市場，而是一個(gè)已經(jīng)存在、且規(guī)模龐大的市場。

第二層確定性，則來自平臺結(jié)構(gòu)。可靈背靠的是快手的內(nèi)容與商業(yè)生態(tài)。無論是廣告素材生成、電商視頻制作，還是短劇與內(nèi)容分發(fā)，其能力都可以嵌入既有業(yè)務(wù)鏈條，形成“生成—分發(fā)—變現(xiàn)”的閉環(huán)。這種嵌入式路徑，使其商業(yè)化不完全依賴外部客戶增長，而是能夠與平臺整體收入形成聯(lián)動。只要平臺內(nèi)容需求持續(xù)增長，其調(diào)用規(guī)模與收入能力也具備同步擴(kuò)張的基礎(chǔ)。

但也需要看到，不確定性同樣真實(shí)存在。

首先，是行業(yè)格局的不確定性。AI視頻仍處于高速演進(jìn)階段。國內(nèi)外廠商持續(xù)加碼，比如上面提到的字節(jié)跳動的Seedance，昆侖萬維的SkyReel等等，都是強(qiáng)勁對手，現(xiàn)在還遠(yuǎn)未到勝負(fù)分曉的時(shí)刻。

其次，是商業(yè)模式的穩(wěn)定性。但AI視頻的使用頻率與需求結(jié)構(gòu)，仍在變化之中。一方面，企業(yè)客戶的付費(fèi)意愿取決于實(shí)際ROI，一旦生成質(zhì)量或穩(wěn)定性無法滿足交付要求，需求可能回流至傳統(tǒng)制作；另一方面，隨著模型能力提升與成本下降，價(jià)格體系也可能面臨持續(xù)調(diào)整壓力。

最后，是成本與投入的長期約束。視頻生成屬于多模態(tài)中最重的算力場景之一，其訓(xùn)練與推理成本遠(yuǎn)高于文本與圖像模型。即便技術(shù)優(yōu)化帶來了一定程度的效率提升，但算力、數(shù)據(jù)與基礎(chǔ)設(shè)施的大額投入仍未看到確定性的回報(bào)。

總體來看，可靈AI已經(jīng)證明，AI視頻具備商業(yè)化能力，但在高算力投入與持續(xù)迭代壓力之下，其收入增長與成本控制仍需長期平衡。從“能收錢”到“能賺錢”，再到“持續(xù)賺錢”，這條路徑尚未走完，而這也將成為可靈AI下一階段的核心考驗(yàn)。