文｜正見TrueView 劉萍
編輯｜一白
當(dāng)DeepSeek用1/10算力實(shí)現(xiàn)GPT-4級別性能時，這個信號值得所有文生視頻從業(yè)者深思：中國AI創(chuàng)新不應(yīng)趨于技術(shù)復(fù)刻，而是要構(gòu)建原創(chuàng)技術(shù)范式。真正的破局點(diǎn)或在于“場景定義技術(shù)”的創(chuàng)新路徑。當(dāng)技術(shù)研發(fā)深度融入產(chǎn)業(yè)需求時，中國公司完全可能開辟出超越Sora范式的新賽道。正如大模型領(lǐng)域涌現(xiàn)的MoE架構(gòu)創(chuàng)新，文生視頻的下一輪突破，或誕生于技術(shù)與產(chǎn)業(yè)需求的化學(xué)反應(yīng)之中。
今年春節(jié)，DeepSeek火遍全球。上一次大模型引發(fā)如此震動，還是OpenAI發(fā)布Sora時。
2024年2月15日，OpenAI的文生視頻模型Sora橫空出世，憑借其逼真的效果、復(fù)雜的鏡頭轉(zhuǎn)換、以及最長可達(dá)1分鐘的視頻生成時長，瞬間在全球引發(fā)熱潮。這一突破也引得國內(nèi)廠商緊急入場，快手可靈、字節(jié)即夢、阿里通義萬相、騰訊混元等文生視頻模型接踵而至，背后亟待開掘的是如剪映般超8億月活和近百億營收的商業(yè)空間。
然而卷了一年后，廠商們依舊是互聯(lián)網(wǎng)時代“小步快跑，試錯迭代”的產(chǎn)品思維。近期快手可靈發(fā)布1.6版本，語義理解、文本響應(yīng)度等功能有所提升，收費(fèi)規(guī)則沒變；時隔一月，阿里云發(fā)布通義萬相2.1，在大幅度復(fù)雜運(yùn)動、物理規(guī)律遵循、藝術(shù)表現(xiàn)等層面全面提升，首創(chuàng)生成漢字視頻……
DeepSeek只用少量GPU和低廉的部署成本實(shí)現(xiàn)媲美OpenAI效果的解題思路，或許能為文生視頻廠商提供解決困局和改變競爭維度的樣本參考。
如果說2024年，文生視頻廠商完成了從0到1的初步探索，在AIGC技術(shù)日新月異的發(fā)展節(jié)奏與大廠激烈競逐的浪潮中，2025年將背負(fù)的是從1到10乃至100的期待。誰將成為引領(lǐng)新一輪文生視頻風(fēng)潮的先鋒？誰又將出現(xiàn)在自家大廠失敗產(chǎn)品的盤點(diǎn)名單之上？
Part.1 技術(shù)路線共識下的創(chuàng)新困境，追趕者難破時長魔咒
當(dāng)OpenAI在2024年2月15日向世界展示Sora時，這個能生成60秒高質(zhì)量視頻的AI模型不僅重新定義了文生視頻的行業(yè)標(biāo)準(zhǔn)，更在無意間為中國AI賽道劃定了技術(shù)追趕的坐標(biāo)系。
傳統(tǒng)U-Net架構(gòu)需要完整圖像的前后向傳播，而Sora基于Transformer的patch訓(xùn)練機(jī)制可將計算成本降低40%以上。這種效率提升讓國內(nèi)廠商在算力受限的環(huán)境下看到了希望——正如DeepSeek用1/3的GPU資源實(shí)現(xiàn)GPT-4水平的語言模型，文生視頻領(lǐng)域似乎也存在類似的“捷徑”。
從快手可靈到阿里通義萬相，從字節(jié)即夢到騰訊混元，國內(nèi)廠商集體開啟了一場名為“復(fù)刻Sora”的技術(shù)軍備競賽。
可是，雖然國內(nèi)廠商已掌握Sora的技術(shù)核心DiT架構(gòu)（Diffusion+Transformer）的基礎(chǔ)原理，但這并不意味著他們能順利復(fù)制出國產(chǎn)Sora，關(guān)鍵差距在于技術(shù)體系的完整性。畢竟技術(shù)路線以外，Sora未披露的技術(shù)細(xì)節(jié)，諸如參數(shù)規(guī)模、算法設(shè)計等關(guān)鍵技術(shù)環(huán)節(jié)仍存在代際差距。
相比難以突破的算力、算法和數(shù)據(jù)三大核心難關(guān)，國內(nèi)各廠商的主要比拼指標(biāo)圍繞時長、視頻的分辨率等展開。
而這場始于技術(shù)路線模仿的追逐戰(zhàn)，也在經(jīng)歷近一年的發(fā)展后，逐漸顯露出更深層的創(chuàng)新困境。清華系A(chǔ)I公司瑞萊智慧RealAI、螞蟻集團(tuán)和百度聯(lián)合孵化的生數(shù)科技，去年4月底就攜文生視頻模型Vidu亮相，號稱能生成最長為16秒的視頻，但7月末正式上線時，視頻時長卻僅有4秒和8秒兩種選擇。
智譜AI在去年7月發(fā)布了文生視頻清影（Ying），底層技術(shù)也沿用了DiT架構(gòu)，可生成的視頻最長僅有6秒，11月增加至10秒。從清華系RealAI的16秒承諾縮水至實(shí)際8秒輸出，到智譜AI清影模型從6秒艱難爬升至10秒，國產(chǎn)模型始終困在"秒級"競技場。
即便頭部玩家快手可靈通過"續(xù)寫"功能實(shí)現(xiàn)3分鐘拼接視頻，其單次生成仍停留在10秒門檻。這種困境在Sora Turbo正式版發(fā)布后更顯諷刺——OpenAI主動將時長壓縮至20秒，暗示首秀的1分鐘視頻實(shí)為精心剪輯之作。
在生成式AI領(lǐng)域，技術(shù)路線的透明度與實(shí)現(xiàn)能力之間存在巨大鴻溝，也揭示了一個殘酷現(xiàn)實(shí)：單純的技術(shù)路線模仿難以突破物理模擬、時空連續(xù)性等核心難題。就像當(dāng)年國產(chǎn)芯片遭遇的“制程追趕悖論”，文生視頻領(lǐng)域同樣面臨“參數(shù)堆砌效率遞減”的困局。
而當(dāng)整個行業(yè)陷入同質(zhì)化競爭的泥潭時，所謂技術(shù)突破往往淪為參數(shù)調(diào)優(yōu)的數(shù)字游戲。
Part.2 數(shù)據(jù)荒與技術(shù)倫理，構(gòu)建生態(tài)壁壘的雙重挑戰(zhàn)
如果說技術(shù)路線是看得見的戰(zhàn)場，那么數(shù)據(jù)爭奪就是水面下的暗戰(zhàn)。2024年9月愛奇藝起訴MiniMax的版權(quán)糾紛，揭開了大模型訓(xùn)練的暗箱——“數(shù)據(jù)荒”。
算法、算力和數(shù)據(jù)是支撐AI文生視頻模型運(yùn)行的核心三要素，也是決定技術(shù)突破的基礎(chǔ)。
數(shù)據(jù)是模型訓(xùn)練的原材料，訓(xùn)練數(shù)據(jù)越多，模型越強(qiáng)大。沒有穩(wěn)定的數(shù)據(jù)來源，大模型的訓(xùn)練無從談起。經(jīng)過“百模大戰(zhàn)”，高質(zhì)量數(shù)據(jù)已變得越發(fā)昂貴且稀缺。
強(qiáng)如OpenAI也難逃“數(shù)據(jù)荒”的困境。
2023年，OpenAI因擅自使用媒體數(shù)據(jù)，惹惱了歐美主流媒體，最終拿錢消災(zāi)，與Politico、《時代》、《金融時報》等簽訂了付費(fèi)協(xié)議。同年5月，OpenAI首席執(zhí)行官奧特曼公開承認(rèn)，AI公司在不久的將來會耗盡互聯(lián)網(wǎng)上所有的數(shù)據(jù)。
去年8月，OpenAI被超過100位YouTube主播集體訴訟，指控其擅自轉(zhuǎn)錄數(shù)百萬個YouTube 視頻來訓(xùn)練大模型。OpenAI的前任CEO Mira在采訪中被問及是否拿YouTube的視頻訓(xùn)練Sora，Mira拒絕了回答。
當(dāng)互聯(lián)網(wǎng)公開數(shù)據(jù)即將耗盡，擁有私有數(shù)據(jù)池的平臺便擁有了護(hù)城河。相信這也是快手、字節(jié)、阿里、騰訊等擁有長短視頻平臺產(chǎn)品的廠商，爭相入局的原因之一。
快手、抖音這樣的短視頻平臺，天然擁有數(shù)據(jù)資源稟賦，多年來積攢了巨量、豐富的視頻數(shù)據(jù)；阿里旗下的優(yōu)酷，為國內(nèi)三大視頻平臺之一，坐擁高質(zhì)量的視頻資源。
谷歌的文生視頻模型Veo2被認(rèn)為比Sora還強(qiáng)大，暫且不分析復(fù)雜的技術(shù)問題，光是谷歌涌有YouTube，就比OpenAI少了許多數(shù)據(jù)來源煩惱。
當(dāng)技術(shù)水平尚處于統(tǒng)一競爭維度，都未能打破算力、算法和數(shù)據(jù)禁錮，文生視頻賽道的競爭也開始演變?yōu)槠脚_級生態(tài)系統(tǒng)的對抗。
Part.3 商業(yè)化前哨戰(zhàn)，從流量狂歡到價值沉淀的路徑探索
槍戰(zhàn)片版《甄嬛傳》，武打劇類《紅樓夢》，大熊貓做家務(wù)……在快手、抖音、小紅書等社交平臺，這些“魔改”、創(chuàng)意十足的小視頻播放量屢創(chuàng)新高。
雖然創(chuàng)作者已經(jīng)率先分得流量甜頭，但與通用語言大模型的商業(yè)化歷程類似，留給文生視頻的發(fā)育時間注定不會太久。
2025年，文生視頻勢必要經(jīng)歷從技術(shù)崇拜到商業(yè)理性的范式轉(zhuǎn)換。
參考行業(yè)基準(zhǔn)線Sora Turbo的訂閱制收費(fèi)模式，每月20美元可生成50個視頻。具體而言，月收費(fèi)20美元的ChatGPT Plus用戶可直接使用Sora，但每月最多生成50個480p視頻或更少的720p視頻，時長為5秒。月收費(fèi)200美元的ChatGPT Pro用戶，能享受更多的視頻生成數(shù)量和更高的分辨率，時長達(dá)20秒。
而中國廠商正在積極探索更具本土特色的變現(xiàn)路徑?？焓痔峁┟赓M(fèi)額度，并設(shè)置了收費(fèi)梯度，月費(fèi)分為66元、266元和666元三檔。用戶每次登錄能免費(fèi)獲得一定數(shù)量的靈感值，消耗完需要開通會員獲取靈感值，才能繼續(xù)生成視頻。
或許是出于促進(jìn)內(nèi)容生態(tài)繁榮的需求，2024年10月18日，快手可靈啟動了首期“未來合伙人計劃”，推出一站式AIGC生態(tài)合作平臺，幫助創(chuàng)作者降低創(chuàng)作門檻。但這種2C模式面臨雙重挑戰(zhàn)：個人用戶付費(fèi)意愿天花板明顯，而專業(yè)創(chuàng)作者受制于平臺流量管控策略。
因AI視頻容易引發(fā)版權(quán)糾紛，且若平臺充斥太多AI視頻，會引起用戶反感，進(jìn)而影響社區(qū)生態(tài)。為此廠商們也在積極探索更多變現(xiàn)路徑以求破局。
抖音和博納合作了AI科幻短劇《三星堆：未來啟示錄》；快手聯(lián)合賈樟柯、李少紅等9位知名導(dǎo)演，依托可靈制作出品9部AIGC電影短片。但具體收益如何還有待考證。
除影視合作外，電商也是B端商業(yè)化的重要試驗(yàn)田。如阿里面向平臺商家開放專屬圖生視頻，推動營銷落地；可靈將部分內(nèi)測名額給了遙望科技等MCN機(jī)構(gòu)，以加速技術(shù)的應(yīng)用與推廣。
這些探索揭示出新的價值邏輯——當(dāng)技術(shù)競賽陷入僵局，場景化落地能力加速賽程推進(jìn)。
Part.4 行業(yè)終局思考，走出OpenAI的范式“陰影”
DeepSeek用MoE架構(gòu)突破算力瓶頸，文生視頻領(lǐng)域同樣需要架構(gòu)級的變革。
多模態(tài)大模型與神經(jīng)渲染的結(jié)合，量子計算對擴(kuò)散模型的加速，甚至是腦科學(xué)啟發(fā)的認(rèn)知架構(gòu)，這些前沿探索雖然風(fēng)險巨大，卻是打破同質(zhì)化競爭的唯一出路。
當(dāng)技術(shù)突破、數(shù)據(jù)生態(tài)與商業(yè)落地形成正向循環(huán)，中國AI企業(yè)才能真正構(gòu)建起自己的護(hù)城河。
在這場虛實(shí)交織的競賽中，最后的贏家不會是某個技術(shù)參數(shù)的保持者，而是那些能重新定義視頻生成與物理世界關(guān)系的規(guī)則制定者。
正如智能手機(jī)革命不僅是通信工具的升級，文生視頻的終極價值，在于創(chuàng)造人類認(rèn)知與數(shù)字世界交互的新范式。這條路注定漫長，但正是這種超越短期功利的堅持，才能孕育出真正改變世界的創(chuàng)新力量。
校對/詠鵝