AI應(yīng)用正在提前過年。上周末，字節(jié)跳動帶來了暴打Sora的最新視頻生成模型Seedance2.0，隨后在社交媒體和資本市場都掀起了狂潮。尤其是字節(jié)跳動這次展示的應(yīng)用、引流能力，和前兩天的“紅包大戰(zhàn)”形成了鮮明對比，一時傳為笑料。
但是，考慮到今天阿里千問新一代基座模型Qwen3.5在HuggingFace的開源項目頁面曝光，可能即將發(fā)布，而前兩天快手Kling3.0在外網(wǎng)評價不輸Seedance2.0，以及DeepSeekV4一直被傳春節(jié)左右有可能發(fā)布，AI應(yīng)用的逐鹿顯然還沒結(jié)束，冷嘲熱諷容易翻車。
目光回到Seedance2.0，知名影視行業(yè)博主影視颶風(fēng)在2月9日凌晨發(fā)布了一期實測視頻，Seedance2.0展現(xiàn)了非常強大的一致性、運鏡能力，連他們也感慨，“有點兒恐怖了”。
受此影響，2月9日A股AI應(yīng)用和即夢概念股大漲，中文在線、掌閱科技、上海電影、博納影業(yè)、掌閱科技等漲停，昆侖萬維、萬興科技、視覺中國等大漲，港股MiniMax漲超10%，智譜暴漲40%，市值已接近A股科大訊飛。
不過，發(fā)布稍早兩天而且效果也同樣不錯的快手Kling3.0卻命運相反，快手今日股價開盤后跳水，收盤微跌。這就很有意思：
首先是市場看好的AI應(yīng)用股其實更傾向于掌握IP或者開發(fā)能力的公司，哪怕他們的實際產(chǎn)出不怎么樣，但有AI無法摧毀和撼動的東西，才能站穩(wěn)腳跟。其次，市場的關(guān)注度有限，目光給了Seedance2.0，競品的處境就稍為尷尬，但這種競爭也并沒有到你死我活的地步。
字節(jié)跳動是個很好的吹哨人，吸引了很多關(guān)注。它也很有野心，這次發(fā)布的產(chǎn)品介紹文檔標(biāo)題是：視頻 Seedance 2.0 正式上線！Kill the game（殺死比賽）。
能否殺死游戲是個未知數(shù)，但AI應(yīng)用能力確實又被推進了一大步，焦慮和欣喜的人，都在增加。
一、生成質(zhì)量逼近100%可用
短視頻平臺上，唐三藏騎著白龍馬載著李知恩和滅霸對波，而滅霸嘴里喊的是瓦坎達forever。兩個俠女的AI武打現(xiàn)在行云流水，而你還可以把角色換成吳京、韓立、孫悟空或者奧特曼。
在Seedance 2.0之前，AI視頻最大的問題就是“抽卡游戲”。做過AI視頻的人都清楚，想用模型生成一段15秒的視頻，你的成功率可能不到20%——之前刷屏的不少AI大作，比如AI山海經(jīng)，都是作者團隊從成百上千的視頻片段里隨機出來的，而且整體一致性還可能不強。
這也是AI短視頻要么比較短、要么比較簡潔抽象的原因。AI漫劇之類的產(chǎn)品做出了一定改善，但受限于模型能力，水平還是不一定夠。對一個商業(yè)項目來說，使用AI是為了降低的人影響，如果還需要更多人力去調(diào)整和篩選，那就是本末倒置。所以，穩(wěn)定性越強，AI的意義才越大。
海外平臺上有用戶感慨，雖然可靈很好用，但調(diào)用一次花掉了他3歐元。假設(shè)我們做一個15秒片段的API調(diào)用成本是15元，理論上做1分鐘廣告就需要4個片段60元。如果考慮到50%的廢片率，就得從8個或者更多細(xì)節(jié)片段里挑選合格內(nèi)容，最終成本就要數(shù)百元。這樣一來，商業(yè)化空間就很難推廣到大項目。
但Seedance 2.0就不一樣了。
從B 站、抖音和海外平臺多個一線創(chuàng)作者的測試反饋看，Seedance 2.0的可用率能夠穩(wěn)定在80%—90%，在影視颶風(fēng)的測試中，可以以更高的效率一次做十幾條來篩選。
如果從商業(yè)角度考量，我們可以認(rèn)為它的理論成本正在無限逼近真實成本。同樣一個項目，重復(fù)冗余支出將明顯減少。原因來自以下幾點：
第一，Seedance2.0實現(xiàn)了運鏡和分鏡工程化自動化，雖然依然由人工設(shè)計比較好，但對于一些模糊或者風(fēng)格固定的過場鏡頭，工作量有望明顯減少。
比如，“從全景推到XX位置特寫”這些提示詞變得可以省略，因為Seedance 2.0則可以根據(jù)劇情自動規(guī)劃鏡頭，從遠景到人物的切換再到動作視角的轉(zhuǎn)移，模型的“智力”提高了，“鏡頭語言”被固化進了模型本身。
第二，它真正做到了“全模態(tài)參考”。
在Seedance 2.0里，你可以同時給它最多9張圖片、3段視頻和3段音頻作為參考，用來指定動作、特效、運鏡風(fēng)格、人物外貌、場景氛圍甚至聲音效果。提示詞不再需要極端精細(xì)，只要清楚表達意圖，模型就能在圖像、視頻、音頻這12個輸入之間完成對齊。
第三，Seedance 2.0采用雙分支擴散變換器架構(gòu)，視覺和聽覺信號在同一維度進行深度交互，而不是先做無聲視頻再強行配上聲音。這讓口型、表情、語氣和背景環(huán)境噪聲之間的協(xié)調(diào)度大幅提升。
“時間”和“鏡頭切換”的語義被標(biāo)記進訓(xùn)練過程，多鏡頭序列在邏輯連貫性上顯著優(yōu)于傳統(tǒng)模型。用戶不再只能生成孤立的短片，而是可以一次性得到一個有起承轉(zhuǎn)合的完整段落。
視頻的工業(yè)門檻更高，成本結(jié)構(gòu)更復(fù)雜，但Seedance2.0就像在理解畫面的邏輯一樣。這有些類似世界模型的邏輯，只不過它是限定在視頻領(lǐng)域的，算是通用能力的一種增強。
所謂世界模型，是指AI通過內(nèi)部表征模擬外部物理環(huán)境動態(tài)的技術(shù)，能預(yù)測未來狀態(tài)、理解因果關(guān)系和物體運作規(guī)律。
傳統(tǒng)的視頻生成是一種高級版的畫面補全，基于文本描述或靜態(tài)畫面，模型從訓(xùn)練數(shù)據(jù)中檢索和拼接出最可能的視覺模式，做到“看起來合理”，不過模型本身不知道為什么合理，只知道這樣做最符合數(shù)據(jù)的傾向。
而Seedance2.0在“下意識”的設(shè)計上更優(yōu)越，人的慣性、風(fēng)的吹向、打斗重心的轉(zhuǎn)移或者鏡頭視角的變化，甚至人物交流時的表情、語氣和周遭環(huán)境等細(xì)節(jié)，其實都與這種“下意識”關(guān)聯(lián)，也就是有對現(xiàn)實的映射，最后呈現(xiàn)的效果仿佛先思考了一遍現(xiàn)實情況里會是什么樣。這就是一種顯著的進步。
二、沒有對比就沒有傷害
技術(shù)之外，這款產(chǎn)品在資本市場掀起了不小的討論。第一個問題是，AI產(chǎn)品之間的競爭程度怎么樣？是此消彼長的嗎？
過去一年里，快手的核心AI敘事來自可靈（Kling），這款視頻模型在海外有不低的聲量，也創(chuàng)出過幾次流量奇跡，截至去年底的ARR達到2.4億美元，推動其在美國地區(qū)的流水收入上升，整體被賦予了數(shù)百億甚至千億級別的潛在市值空間。
這次Kling3.0一發(fā)布，也有不少海外博主光速提供了解讀。
但是Seedance 2.0上線后，動搖的心理出現(xiàn)了。
Seedance2.0官方披露，其生成2K視頻的速度比Kling等競爭對手快30%；在能力定位上，Sora側(cè)重物理真實感，Kling側(cè)重運動控制，而Seedance 2.0瞄準(zhǔn)的是“帶原生音頻的連貫多場景序列”。后兩者都能產(chǎn)出電影級畫面，但Seedance2.0更加便宜。
這很大可能與雙方背后公司的實力差距有關(guān)。從數(shù)據(jù)閉環(huán)來看，模型的持續(xù)進化依賴于數(shù)據(jù)，而數(shù)據(jù)又分為前期預(yù)訓(xùn)練數(shù)據(jù)、后期用戶反饋數(shù)據(jù)等。雖然短視頻平臺都可以沉淀海量帶標(biāo)簽的數(shù)據(jù)，但字節(jié)的內(nèi)循環(huán)體系——即夢、剪映、抖音創(chuàng)作者體系，強大而完善，Seedance 2.0獲取養(yǎng)料的速度會遠超任何單一應(yīng)用。
這有可能產(chǎn)生滾雪球效應(yīng)，也就是模型質(zhì)量的差距會被訓(xùn)練時間和數(shù)據(jù)量逐漸放大。且抖音內(nèi)部本身依然在進行開發(fā)賽馬，抖音、豆包、即夢都在擴充AI能力，未來會不會產(chǎn)生聚變？誰也不知道。
另外，由于Seedance2.0走紅的時間恰好接著騰訊發(fā)紅包、阿里送奶茶，所以后面兩位也受到了一些非議，重點集中在用補貼換聲量、用激勵換參與這條路徑到底適不適合AI應(yīng)用。
移動互聯(lián)網(wǎng)時代反復(fù)驗證過的增長策略，能讓AI產(chǎn)品和戰(zhàn)略也通過積累用戶產(chǎn)生質(zhì)變嗎？
嚴(yán)格來說，通用AI助手和即夢這類生產(chǎn)力工具其實沒有對比的必要，但Seedance 2.0這次刷屏沒有紅包，沒有強制裂變，用戶自發(fā)制作和傳播成為主因，甚至還吸引了頂級博主的關(guān)注，產(chǎn)品本身成了最佳廣告，其傳播性價比顯然是值得思考的。
海外AI產(chǎn)品依然在2B上找商業(yè)化出口，因此給予國內(nèi)玩家的借鑒性不強。所以面向2C的AI產(chǎn)品仍然需要持續(xù)思考，是通過外在獎勵驅(qū)動一次性參與，還是通過內(nèi)在效率與樂趣驅(qū)動持續(xù)使用。前一種方式適合拉新，后一種方式才能決定真正的留存和商業(yè)化空間。
而這又會牽出另一個問題：視頻應(yīng)用后續(xù)的發(fā)展空間應(yīng)當(dāng)怎么看待？它往往處于非專業(yè)和高度專業(yè)之間的過渡地帶，用來制作大片尚有缺憾，但停留在AI短劇漫劇，似乎又大材小用。
如果說大廠主要提供生產(chǎn)力，那么該由誰在哪些領(lǐng)域應(yīng)用它們實現(xiàn)顛覆呢？就像大洋彼岸AI巨頭顛覆軟件SaaS行業(yè)一樣——我們似乎缺乏這樣故事規(guī)模夠大的標(biāo)的。
從小處出發(fā)，可以確定的是，物理一致性、情緒表達、多鏡頭敘事上都追到同一水平線時，純技術(shù)差距被壓縮，真正的稀缺開始轉(zhuǎn)移到另外兩件事上——好故事和好審美。Seedance 2.0可以量產(chǎn)爆款審美和敘事能力，那么，它有沒有可能把原本內(nèi)容市場消失掉的一部分挽回，甚至創(chuàng)造一些增量？
這是A股公司登上舞臺的一個重要原因。
三、改造產(chǎn)業(yè)的速度加快了
一言以蔽之，Seedance 2.0利好創(chuàng)作，而如果把創(chuàng)作視為商業(yè)化的杠桿，那么誰有最大的創(chuàng)作力和可以變現(xiàn)的創(chuàng)作對象，誰就是最明確的受益者。
最先被看到的是過去幾個月靠流程工程吃飯的視頻/漫劇Agent。這個行業(yè)向上對接模型廠商，拿到大額包量的API折扣，向下封裝成SaaS或工具，對創(chuàng)作者按條計費。利潤來自中間的價差和對工作流的優(yōu)化——用工程手段幫用戶提效，彌補模型本身的不足。
當(dāng)模型自身的生成完成度、可控性、良率大幅提升后，作為“補課老師”的價值會被擠壓。用戶可以直接轉(zhuǎn)向模型，Agent的必要性將被削弱。
所以，單純承擔(dān)開發(fā)能力是不穩(wěn)定的，而生產(chǎn)工具，也隨時有可能被擁有充足開發(fā)能力的大廠“入侵”。
圍繞某一垂直場景，構(gòu)建強模板和資產(chǎn)庫，深耕審美與行業(yè)know-how，成為產(chǎn)品化玩家，才是最終的出路。不能只是批發(fā)API，還要有能開發(fā)的對象，只有擁有IP儲備、流量入口，以及將AI視頻真正嵌入生產(chǎn)管線能力的公司，才有資格談多模態(tài)時代的龍頭。
而今天大漲的AI應(yīng)用概念股，幾乎都能找到這樣的故事，盡管概念和現(xiàn)實是兩回事：
—— 上影前幾天發(fā)布了2026 AIGC精品短劇片單，且上影手握大量精品IP，上影制作與七貓文學(xué)等企業(yè)存在合作，有相關(guān)內(nèi)容開發(fā)計劃
—— 掌閱科技日前正式推出AI漫劇一站式生成平臺泡漫（PopoMint），為承制商提供超過10000個小說IP的同時，設(shè)計了對應(yīng)的分成機制。AI能力的提升，會直接促進IP開發(fā)
—— 算力企業(yè)（美利云）或者工具企業(yè)（萬興科技）也得到了市場關(guān)注，但它們的催化還要經(jīng)過內(nèi)容開發(fā)這一層
—— 至于影視行業(yè)，由于電影等內(nèi)容的頹勢，幾乎可以說是有增量就算成功，否則每年只在春節(jié)檔等檔期集中打幾場仗，容錯率和爆款率都太低
要注意的是，由于視頻生成對算力需求依然巨大，所以它很難實現(xiàn)全面大制作的場面。面向?qū)I(yè)和半專業(yè)制作者，成本驟降和迭代速度的提升，可能會帶來兩個方向相反但同時發(fā)生的效應(yīng)：
一邊是供應(yīng)端的雪球，內(nèi)容產(chǎn)能暴漲，試錯成本接近零，A/B測試和多版本創(chuàng)意成為常態(tài)；另一邊是門檻的整體抬高，觀眾對畫面和節(jié)奏的期待被重新校準(zhǔn)，形式的炫目很快貶值，敘事能力和IP勢能成為真正的分水嶺。
創(chuàng)作者可能是焦慮的，也可能是欣喜的。視頻模型曾經(jīng)就讓不少人感慨：職業(yè)生涯要被AI終結(jié)了。但在某個職業(yè)生涯因為AI結(jié)束的時候，意味著原本缺乏這類生產(chǎn)力的公司，其實找到了崛起的機會。
雖然A股不少AI應(yīng)用股純屬炒作范疇，但對于在相關(guān)方面有變現(xiàn)能力的公司來說，只要AI的能力越來越逼近傻瓜級，那么它們即便躺在地上，也會被風(fēng)吹起來。
工具的革命已經(jīng)發(fā)生，接下來輪到內(nèi)容和資本，重新適應(yīng)這個被輕輕推了一下的行業(yè)。
來源：松果財經(jīng)
特別聲明：本文為合作媒體授權(quán)DoNews專欄轉(zhuǎn)載，文章版權(quán)歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉(zhuǎn)載請聯(lián)系原作者及原出處獲取授權(quán)。(有任何疑問都請聯(lián)系idonews@donews.com)
