大厂抢赛道，想赌出个AI抖音

大模型最火赛道

▲2024年2月，一段由Open AI新发布的文本到视频“Sora”工具制作的视频

一时间，视频生成迎来“ChatGPT时刻”的论调不绝于耳。但迄今为止，Sora仍未开放公测，仅向一些艺术家定向提供内测。

或许是源于视频模型本身的稳定性不足，“抽卡率”（即“良率”）不足——有海外制作团队试用后称，“生成的300个视频中大概只有1个可以用”。

在Sora“跳票”的6个月里，国内玩家争先涌入了这场视频领域竞逐赛。又一场混战，开打了。

在可灵宣布基础模型升级，并全面开放内测，同时正式上线付费会员体系的第二天，智谱AI就紧锣密鼓上线了AI视频生成功能“清影”。

智谱不仅非常高调地对先前在智谱“清言”有过注册的用户做了批量推广，邀请内测，甚至还上架了制作加速和配乐等“氪金”入口。

但在发布会后的媒体采访中，张鹏认为，现阶段不论是to C还是to B，谈论大规模商业化都为时尚早。“清影”之所以选择面向C端基本功能免费，但to B开放平台API付费，一方面降低门槛迅速揽客；另一方面，视频生成模型的成本还“非常高”，智谱AI需要多少收回一点现金。

很快，“清华系”的生数科技也正式上线了自研大模型Vidu，可以生成4秒（生成时间只需30秒）或者8秒的视频，视频分辨率最高达1080p——此前，他们早于Sora发布DiT前，就发过一篇把Diffusioni和 Transformer融合的U-ViT架构论文。

Vidu也提供免费版和三种付费模式，免费版每月80积分，可生成20个4秒视频；按月度订阅，价格为19.99美元、59.99美元、199.99美元（约合人民币145.22元、435.80元、1452.83元）。

今年以来，继“类GPT”聊天对话产品纷纷落地后，对标Sora的国内视频大模型也在加速“上新”中。

今年2月，抖音原CEO张楠转任剪映负责人，外界认为这次调任彰显了字节跳动在文生视频大模型上的期望。３个月后，字节旗下AI创作工具即梦（原名Dreamina）上线了AI作图和视频生成功能。

伴随快手可灵上线，抖快两家已在AI领域正面对垒。此外，阿里巴巴达摩院、百度、腾讯、美图等大厂均已加入文生视频混战。

资本市场先热，商业模式难明

Sora带来的热潮，也激起了资本市场久违的兴趣。

2024年一季度以来，多模态模型及应用成为了新一轮AI竞赛的“主战场”，并连带着文生视频概念股爆发：安诺其、华策影视、掌阅科技、因赛集团年内最高涨幅超过70%。

“去年还看一些模型底座的投资，今年投资人更偏向于应用落地场景。因为发现去年投的没用，变现又慢。”一位文生视频相关业内人士对《财经天下》表示。

“纯做大模型，优化到一定程度后，可能出来一个开源模型，就把你之前的工作全都给替换掉了。

”根据“非凡产研”数据，2024年上半年，仅文生视频领域全球就有18次融资活动，其中12起融资都集中在国内。其中，爱诗科技A轮融资达1亿元，生数科技A轮融资达数亿元，千万甚至亿级的融资数额，也展示了资本市场对文生视频的热切关注。

不过，目前来看在“追赶Sora”的路途中，各路玩家水平参差不齐。

多位业内人士对《财经天下》表示，目前效果来看，只有可灵能达到Sora的水平，即梦都不太理想。其他家的效果顶多是“类Sora”水准。而“一些学术派拿出来的产品，离真正落地的距离还比较远”。

文生视频产品的一大难点在于数据。AI模型训练里，中文数据语料本就占比很低，可用的“干净”数据少。而可用于训练视频模型的数据集，就更难获得。

成本是另一大难关。新壹科技技术VP陈鹏告诉《财经天下》，生成9秒视频，成本大概分两块。他们认为，在视频领域，如果用户像Sora这样一次生成60秒的视频，很难达成一次性的交付成果。

因此，拆分具体步骤，把AI生成视频功能插入既有的产品功能里，是目前绝大多数企业的方案。

但考虑到全面to C的成本，初创企业多是找寻率先能跑通商业化的场景做落地。

“基于某一个场景去做私有业务，这是中小企业的机会。因为大厂面向的市场太大了，做行业之间的缝隙，对中小企业来说机会就已经足够大了，他们（大厂）不会去切这么细的市场。”陈鹏说。

此前有秒拍、一直播、小咖秀的视频数据积累，新壹科技也推出了新壹视频大模型，但大多面向to B业务。他们始终在考虑生成效率和成本问题，并在持续降本中迭代。

目前，新壹科技目前的客户基础以企业客户（B端）和政府机构（G端）为主，其中B端客户占据了超过半数的比重。陈鹏提到，其中一家就有20%的产品要进行“AI化”升级，这其中蕴藏着巨大商机。

“一个新的业态出现，可能更早会在B端落地。因为B端用户需求比较明确，解决他的核心问题就行。C端用户就属于不花钱，但是玩一玩。”陈鹏说。

“视频生成目前很难构建出好的商业模式。”五源资本合伙人石允丰在“WAIC文生视频论坛”上谈到，“今天面向下一代杀手级应用的场景当中，所谓的有PMF（产品市场契合点）的，可能就是图片生成视频做表情包、鬼畜视频，这个显然比其他所有视频生成场景更容易。”

石允丰认为，目前来看，视频生成比较成熟的内容消费没有呈现出来。每一个视频的内容消费价值放在公域里面，还是非常低的。

在抖音、B站上可以看到，用AI视频软件生成“拉郎配”、鬼畜视频的内容占比很高。而除了“复活老照片”等简单易操作的模版化视频外，很难生成有分镜、有剧情，画面足够美观流畅，镜头一致性都达到商用标准的内容。

落地短剧，成本是难关

近日，快手上线了由AI提供深度技术支持的短剧《山海奇镜之劈波斩浪》，抖音则开播了纯AI制作的科幻短剧《三星堆：未来启示录》。各家都在力图用AIGC内容填充自家平台丰富度。

▲《山海奇镜之劈波斩浪》

需求量大，但产能低的短剧出海，被不少务实派视为一条落地可行之路。

小影科技短剧负责人张航对《财经天下》表示，他们提供的AI短剧创作工具中，使用率最高的，还是AI翻译的模型。

此前，小影科技深耕音视频赛道，专注做C端剪辑服务，积累了底层算法。去年短剧出海爆火后，他们就在思考，如何抓住机遇，将此前能力嫁接组合过来，做新的产品。

但在调研后发现，短剧出海虽热，一个现实问题是——目前产能难以满足当地需求。就算是行业头部公司，一年至多只能产出100余部“本土片”短剧。

翻译剧的出海成本低、绝对数量高，可选范围大。而本土剧的制作成本在15—30万美元，对出海公司的拍摄速度和资金量都要求更高。随着出海风口从北美“卷”到东南亚，天然对华语文化接受力高的市场，对翻译剧的需求也水涨船高。

张航介绍，目前在TOP 3的短剧出海平台上，本土剧和翻译剧的占比在1:4。而国内短剧的储备量高，生产供应链完整。因此，有很多中小型短剧出海公司想要借助AI工具来降低出海成本。

用AI加持后，短剧翻译能够节省90%的人工成本。其不需要手动操作，可以识别中文字幕，无痕擦出，再提取出来。张航介绍，单台服务器的生产效率能达到1:3——1分钟的片子，3分钟就能出成果。

不过，即便是可灵这样饱受赞誉的产品，商业落地前景仍具挑战。一个主要问题在于，人工占比成本没法下降，仍需要不断的人工“调教”。

一些看过《山海奇镜之劈波斩浪》的观众评价：场面效果很震惊，但故事性较弱。

“在目前技术条件的支持下，在我们人物一致性、场景一致性、人物表演，包括动作交互，在这些我们的技术还没有达到高度可控和高度精确化的前提下，我认为可能不适合呈现非常复杂的故事，容易让大家看不懂。”《山海奇镜之劈波斩浪》的导演陈坤在接受采访时曾解释道。

除了技术上的连贯性突破难，训练、生成AI视频的成本也高企不下。

有人曾根据GitHub开源的OpenSora项目预估过：720P视频在80G H100 GPU生成5秒视频要花费130秒时长。按照vast.ai上的GPU价格，英伟达H100芯片一小时使用在2~3美金，一次的成本大概是0.1美元 (不考虑电费)；生成1080P的成本，大约是0.5美金。

而目前，可灵定价是生成5秒视频需要10个可灵值，折换价格约为1元，打折后则只需要0.5元。也就是说，目前AI视频产品对大厂来说，仍是实打实的亏本生意。

事实上，视频信号天然比图像、文本信号密度更高，不管是从存储、处理到最终的呈现，天然对计算要求也会更高。

“我们能看到的、能用的AIGC图片结果，是从失败的上千张中出来的，算力还算小的。文生视频算力需要更多，成功率更低。至少半年内未来不会是内容市场的主流，可能更像是电影市场的实验片。”张航说。

而对以“活下来”为第一要义的中小企业来说，“问题出现我再解决它”未免不是上策。很多时候，机会和需求总藏在人们无法提前预想到的场景里。

“上一代的AI叫AI 1.0，现在叫AI 2.0，每一个新时代的到来可能都是一个机会，是重新平权的一个机会。但大厂可能更多想的是如何不掉队，小厂是想赶紧抓住机会。”陈鹏说。