AI会改变视频行业的生态位格局吗？

互动话题：

你用过AI视频生成工具吗？

作者｜茯苓

今年2月，OpenAI推出的人工智能文生视频大模型Sora横空出世，它不仅能够根据文字指令创造出既逼真又充满想象力的场景，还可以生成一镜到底且长达1分钟的视频。然而，在一举点燃AI视频赛道后，Sora却高开低走，迟迟没有上线，变成了遥不可及的「期货」。 

在Sora静默的半年多里，大洋彼岸的中国AI创企和互联网巨头纷纷入场，推出多款「中国造Sora」。

视频ChatGPT时代来了。

视频ChatGPT时代

在刚刚过去的夏天，爱诗科技、生数科技、智象未来、Morph Studio、智谱AI、Minimax等AI创企都推出了公众可用的AI视频生成工具。

7月24日，爱诗科技全球同步发布了「 PixVerse V2 」。相较于V1，升级版引入了自研的时空注意力机制，增强了空间和时间感知能力，使得视频生成更长、更一致、更有趣。

7月26日，智谱发布「清影」，8月6日宣布背后的模型CogVideoX-2B开源。

7月30日，生数科技发布「VIDU」，初步打入动漫影视圈。

……

除了AI创企，互联网大厂阿里、字节、快手、腾讯、昆仑万维、美图等也都入场「搅局」。

字节跳动旗下剪映于5月推出的AI创作平台「即梦」，已拥有文生图、文生视频、图生视频等功能。9月24日，字节又发布了两款视频生成大模型——豆包视频生成-PixelDance和豆包视频生成-Seaweed。接入豆包模型技术的即梦AI将会进一步加速视频生成的落地与规模化应用。

快手于7月推出的「可灵AI」后来者居上，在全球现象级爆红。可灵海外版的访问量，从零开始，持续保持3个月的增长，8月环比增长591.54%，9 月成为出海总榜 Top1，月访问量达 1765 万，在全球AI视频生成赛道排名仅次于Luma AI。

相较于其他模型只能生成几秒至十几秒的视频，可灵生成的最长视频可达3分钟。另外，在技术路线、训练数据质量等方面，可灵也有出色的表现，它还能真实还原物理运动规律，是最接近Sora的国内视频生成大模型。

数据来源：东吴证券研报

视频时长逐渐增加、分辨率和帧率不断提升、对复杂指令的理解和遵循更加到位、多个主体间的交互能力增强、镜头语言的切换愈加平滑……国内AI视频大模型正加速迭代成长，不仅能支持更加丰富的风格和题材类型，譬如黑白、3D 动画、2D 动画、国画等，而且适配于越来越多不同终端的画幅比例，包括电影、手机竖屏等。

AI视频大模型似乎分分钟化身超级导演，它会重塑视频制作行业吗？支持其发展的背后动力是什么？

算力，是大模型发展的一个驱动性因素。

视频数据量的庞大，意味着需要更多的算力来处理。Sora的训练算力需求是 GPT-4 的 4.5 倍，推理算力需求则接近 400 倍。

视频编解码技术同样也是硬件层面的核心技术。

视频编码的目的是将视频数据压缩成更小的文件，便于存储和传输；而解码则是将压缩的视频还原成可以播放的格式。这两者的效率直接影响视频的质量、存储空间的需求、网络传输的速度以及设备播放视频的流畅度。

字节跳动旗下的火山引擎去年就推出了自研的视频转码专用芯片，一台视频编解码芯片服务器的转码能力，相当于百台CPU服务器的算力。在同等视频压缩效率下，它的成本可以节省 95% 以上。智谱也自研了三维变分自编码器结构，将原视频空间压缩至2%大小，大福降低训练成本和难度，并开发了负面标签来识别和排除低质量视频。

如果说这些硬件技术为模型提供「体力」，那么数据、用户和场景则决定了大模型的「智力」和「财力」。

数据是训练视频大模型的基础。

抖音、快手作为全国最大的短视频平台，具有大量的用户、持续更新的短视频数据，以及多年以来积累的视频标签和分发技术，这些是其他公司难以企及的。

用户数决定了模型和产品迭代的速度。

短视频是单用户使用时长最高的娱乐模式，承载了最大数量的用户体量。2024年 6 月短视频 MAU 达 10 亿人，单用户每月平均使用时长达 61 小时，大幅领先于在线视频、手游、在线音乐、在线阅读。短视频行业占据了行业超九成的流量。

场景决定了盈利能力和商业模式的持续性。内容行业具有供给驱动需求的特点，好用的内容创作工具将先吸引创作者、再吸引用户。创作者天然地流向更低门槛、更好用、更便捷的创作平台，而内容消费者则天然地流向更有趣、更丰富的内容供给平台。因此，抖音和快手作为「中介」，首先吸引了创作者，从而吸引了更多消费者。

字节和快手原本就有运营多年的剪辑工具，分别为「剪映」和「快影」。通过引入AI 功能，吸引更多用户创作，提升用户使用时长。根据 QuestMobile 数据，2024 年剪映、快影的月人均使用时长分别为 50.2 分钟和 45.2 分钟，分别同比增长了 7.1%和 15.3%。更多的用户时长意味着率先开启商业化变现，更早启动商业飞轮运转。

AI视频的商业化

对于 AI 产品，商业化至关重要。在多数互联网产品的成本构成中，相当大的一部分为包含云服务在内的相对固定的运营成本，而这部分成本会随着用户规模的扩大逐渐摊薄。然而，AIGC 产品则不同，用户每进行一次交互，比如与 ChatGPT 对话或者用 Firefly 生成图片，都会在云端运算一次，从而产生相应的成本。用户使用得越频繁，成本就越高。

「在 AIGC 时代，如果不能第一天就向用户收费，就可能永远收不到用户的钱。」

回顾人工智能的发展史，从20世纪50年代人工智能技术诞生至今，先后四次引发大规模的关注，分别是专家系统时代、机器学习时代、深度学习时代和大模型时代。前三个时代，由于数据、算力、场景落地和投资回报等方面的原因，没能形成AI产业的商业闭环。而基于通用性、涌现性、强算力的特征，大模型时代最有望形成商业闭环。

以短剧为代表的短视频，就是AI 率先实现商业化的切入口。

一方面， AI 短剧有助于开辟新题材路径抢占内容竞赛优势，助力短剧生产降本增效、缩短创作周期、提高资金利用率。另一方面，短剧的单集时间短、制作周期短、市场需求大、创作类型相对固定，更有利于对 AI 大模型和应用进行快速验证，来自创作团队的反馈有助于大模型技术优化。

在传统影视领域，奇幻和科幻类型因特效成本高昂、制作周期漫长而发展受限，而这正是 AI 视频生成技术所擅长的领域。

今年7月，抖音和快手分别推出《三星堆：未来启示录》、《山海奇镜之劈波斩浪》两部AI生成短剧，都是科幻题材。在平台的带动下，两部短剧播放量迅速破亿，还吸引了不少创作者开始尝试AI视频生成。这代表着当前生成式 AI 技术所能呈现的最佳影视效果，也反映了 AI 短剧的商业化潜力。华策影视表示，今年 9-10 月将推出两部 AI 创作的微短剧。海外也有了 AI 微短剧商业化的案例，例如 Beelble AI 和DreamFlare AI。

目前 AI 已经能实现短时间的动画制作（生成动画短片和微短剧、自动化角色和场景设计），AI 虚拟拍摄（创造虚拟背景和环境，可以节省外景成本、缩短拍摄周期）、AI换脸、AI 生成虚拟人物、AI 视频搜索等。

AI视频生成技术的普及有望推动从「拍摄视频」逐步转变为「拍摄+AI 生成」并行模式。传统模式下，影视行业拍摄制作成本高昂，导致产能受限、存货周转率低、前期投入风险高昂。AI技术的引入可以显著降低制作成本、提高制作效率、提升影视内容产出、提高存货周转率，并让影视投资风险更加可控。以削减人员成本为例，传统影视制作行业通常牵涉规模庞大的人员团队，例如一个剧组可能多达上百人，倘若采用 AIGC 技术，从前期剧本创作到后期的剪辑，人员数量能够缩减超 2/3。

据东吴证券研报，在人机共创模式下，AI可降低影视制作成本约 43%；在全 AI 模式，AI可降低影视制作成本约95%以上。中国 AI 视频生成的行业潜在空间为 947~5858 亿元，其中 C端、B端市场空间分别为 2673 亿元、505 亿元。

随着生成式 AI 的发展，创建高质量的视频变得更加简单，普通人在社交媒体上输出高质量的视频内容成为可能。这会带来新的商业机会和应用场景。

人类天然具有表达的欲望。网文创作平台让更多人成为兼职作家，拥有出书和改编的机会。而正如火山引擎总裁谭待所说，「视频正迅速崛起为人类的第二语言，其丰富的表达手段和效果远超传统文字，为我们提供了更多元、更生动的交流方式。」

过去几十年，内容行业的大趋势是，内容创作门槛逐步降低，内容创作者数量逐步增加，内容生产机制从 PGC 转变为 PGC+UGC 共存。回顾近 20 年的互联网发展历程，在视频创作生态的初期，以 PR、FC、达芬奇为代表的传统工具延续其专业属性，一直服务于小众人群。在视频生态兴起时，以会声会影等工具为代表的国产桌面工具开启了平民化时代。直到以剪映为主要代表的新兴互联网工具出现，才真正开启了视频的个人化表达，并彻底引爆创作生态。视频创作工具是视频内容生态发展的关键驱动力。

短视频平台为普通人创造了表达的机会，让普通人的生活也能「被看见」。而AI 视频技术的普及，将更大程度地赋能普通用户。这个时代不再是传统意义上的用户被动接受视频内容，而是通过智能化和个性化的手段，让用户能够更主动地参与、创造和定制实时、沉浸的视频体验。让更多内容消费者转变为内容创作者，释放创意和灵感的价值。

1号结语

字节和快手都将 AI 视频放在未来发展的战略定位。快手可灵一个月完成三次模型升级，上演「狂飙式进化」。为了寻求AI 辅助创作的突破，剪映也已成为字节的P0 级项目。

抖、快之所以高度重视剪辑软件，不仅是为了创收，更多的考虑是争夺用户流量。

在移动互联网流量增长接近天花板的背景下，AIGC 成为存量流量竞争的焦点。AI视频技术的普及，将让用户从内容消费者转变为内容生产者，内容供给的爆发意味着用户注意力将成为更加昂贵和稀缺的资产。

或许谁能率先拥抱 AI，谁就能拥有更多、更稳定的用户流量。

1.《中国版Sora哪家强？实测8款视频生成大模型，结果意外》

https://mp.weixin.qq.com/s/PzBtretxJpRa_NnrxZwXjQ

2.《字节视频大模型杀死比赛！无缝镜头切换，运镜技巧拉满，音乐创作和翻译自由也实现了》

https://mp.weixin.qq.com/s/D02xfcTLY3HGY-HO55H3bQ

3.《从威尔・史密斯鬼畜吃面到「Her」，这些幕后技术正在推动AI视频时代的到来》

https://mp.weixin.qq.com/s/EOyGYRNZZyr1fLccph7Myg

4.东吴证券研报：国产AI视频大模型应用落地先行，行业空间、降本幅度、竞争格局探讨