AI视频技术，正以“周”为单位快速迭代。
两周前，PixVerse发布新项目：人在下边输入提示词，AI在上边同步生成视频，实现连续视觉输出。
Source:PixVerse
上周，Runway又上新Gen 4.5模型，AI在3秒内连切近、中、远景，运镜构图堪比专业导演，且人脸上的纹理清晰可见。
Source:Runway
不止海外，国内公司也踩死油门，字节旗下的即梦AI，核心版本两年内历经9次关键迭代；快手的可灵AI，问世以来升级30余次。厂商们“你追我赶”，一个模型月初份额很高，月底就可能被挤下去。
它们卷生卷死，在于退一步是“流量危机”，进一步是“万亿蓝海”。
抖音、快手们的成功，证明了“视频”杀时间的能力，而AI视频或许还会带来更沉浸的体验。目前，已有大量AI短视频、AI短剧杀入内容平台，抢夺用户的注意力。
随着模型能力提升和推理成本降低，狂热的“淘金潮”还会蔓延至漫剧、游戏甚至电影等领域，届时AI视频可能迎来一轮大爆发。
AI不仅是技术进步，更是个性体验、内容生产和商业效率的“三重革命”。对字节、快手等视频玩家来说，这是一场不得不跟的牌局。只不过同一命题，它们打出了截然不同的牌面。
一、即梦的入口野心VS可灵的工具理性
在即梦3.5Pro和可灵2.6输入同一段提示词，对比生成的AI视频会发现，可灵的画面细节更丰富，电影感扑面而来。
Source:即梦AI、可灵AI
但代价是，可灵排队时间超过了30分钟，而即梦无需等待，1分钟之内生成了视频，且每天都能免费使用2次。
这样的视频效果和使用体验，正是快手和字节不同技术路线选择的结果。
尽管AI视频能力日新月异，但六根手指、360度旋转手臂等物理破绽仍频繁上演，模型只是从“不可用”跨越到了“偶尔惊艳”。外媒Winsome Marketing实测发现，用Sora2生成的视频中，真正可用于发布的内容只有5%-10%，剩下90%全是废片。
这不仅浪费时间，更烧钱如流水。据第三方评测榜单Artificial Analysis，可灵2.6Pro每分钟生成成本为4.2美元，谷歌Veo 3.1平均每分钟生成成本高达10.5美元。
因此AI视频的进化史，可以视为“开盲盒式”生成效果的抗争史。只不过厂商们资源禀赋不同，有的“高举高打”，有的“精耕细作”。
即梦和可灵就是如此，二者看似功能相似，实则内核迥异：字节Seedance是多模态基础大模型，即一个模型同时支持文生图、文/图生视频等；快手不具备多模态基座，但拥有相对领先一小步的视频生成模型。
在此背景下，即梦选择了优化Seedance大模型，既实现参数和知识共享，又避免了多个模型重复维护。但视频每秒有数十帧，每帧包含数百万个像素点，每一点上都有时空信息，同步处理意味着计算量和内存需求“立方级增长”。
为了破解算力难题，字节在Seedance中嵌入扩散变换器，把任务拆给不同模块并行处理，降低计算复杂度；同时在蒸馏机制中引入特殊算法，确保小模型“又快又准”，最终实现用更少的推理步骤，生成更顺的视频。
快手则聚焦打磨视频模型基座：每次迭代，除了扩充参数和优化数据，也在产品交互层引入新功能，提升生成结果的可控性。
可灵1.0推出首尾帧功能，让模型根据首尾两张图片，生成连贯的运动变化；可灵2.0则允许用户输入参考图像和视频，让AI更能“读懂”复杂创意；可灵O1新增的“主体库”，把人和物封装成一个主体，在后续生成中保持特征稳定。
显然，可灵走的是“产品创新驱动”的务实路线，而即梦有着“突破产品技术上限”的野心。
这样的路线选择，重现了两家的“来时路”：短视频时代，抖音靠推荐算法跻身超级APP行列，快手则从工具转向内容社区，二者各凭本事割据一块江山。
到了AI时代，字节仍想重写规则，定义下一代产品、抢占新的超级入口，剪映和即梦业务负责人曾公开说过：“即梦的探索方向，是结合AI技术解锁全新的场景与产品形态，帮助人类提升创造力。”而快手管理层则多次公开强调聚焦P端（专业创作者）和B端客户，对C端“保持探索”。
当然，快手不跟字节正面硬刚，或许并非“不想”，而是“不能”——2025年，字节在算力、芯片等方面的资本投入达1500亿元，断层领先第二名阿里50%，比快手足足“多了一个0”。
字节对AI的资源倾注，堪称“饱和式”轰炸：四处招兵买马，被公认为“中国AI人才密度最高的公司”；对核心团队不设OKR和考核，鼓励工程师挑战“高效架构”和“前沿算法”。
甚至不惜“内部赛马”，2025年即梦获得的算力资源同比增加300%，而同期豆包视频模块预算被削减15%；具体到即梦，目前可供用户调用的5款视频生成模型，分别来自4个不同的研发团队，哪个更优用哪个。
AI竞争对技术、人才和资金的消耗，跟短视频早已不在一个量级。在资源约束下，“专注一个基座、凝聚一个团队智慧”的差异化路径，是更适合快手的理性选择。
其“最大化解决实际问题”的务实策略也很快有效，可灵生成视频越来越“像真的一样”，在技术不稳定时期，率先赢得了挑剔的P端和B端用户，用户总量在发布一年时间内，从600万一路飞升到4500万。
“大力出奇迹”的即梦，每一代产品都有着更低价格、更高生成效率，积攒了拉拢海量普通用户的底气。公开数据显示，截至去年9月，其月活用户达到2037万，是可灵的13倍。
而这样的路线分野，也为两家的商业化进程，写下了不同的脚本。
二、放眼长期增长的即梦VS专注即时收益的可灵
据美国知名风投公司a16z合伙人透露，Sora的30天用户留存率仅1%，60天留存率近乎0%。
这揭示了一个残酷的现实：AI视频生成，现在可能称不上一门好生意。
每一家AI视频公司都愿景着“傻瓜也能创作”，但上文说过，90%的AI视频生成后“根本不能用”，少数高质量作品底下也总跟着一长串“怎么做？”的提问——AI创作的门槛，依然高悬。
想要生成一条合格的视频，不能跟AI讲大白话，而是要输入复杂的“提示词公式”，包括主体、场景、动作、风格等，再进行一致性控制和后期调整。许多人好奇尝鲜AI，很快就会因为用不好而离开。
这导致主打大众市场的AI视频产品，集体陷入变现困局。据第三方机构非凡产研的数据，即梦AI和Minimax的海螺AI，年化营收（ARR）均未破亿。
相比之下，Runway的ARR，去年中已经突破6亿元大关；快手2025Q3业绩会披露，可灵累计收入达到7亿元，预计全年收入达10亿。
其中，可灵近70%的营收由P端订阅会员贡献，B端客户规模也超过了2万家。很显然，当下专业创作者的付费能力更强、意愿也更高。
这并不难理解，对AI输入想法，能直接获得一段科幻大片；新品发布，不用再请昂贵的模特、明星，AI广告效果直逼真人……数据显示，AI视频能将传统视频制作时间从平均7小时缩短至45分钟，制作成本省一半。
当AI视频成为打工人的生产力工具，大家会用真金白银投票，而那些“不够实用”的平台，自然会显得冷清。
但差距或许只是暂时的，将目光放远，走“大众之路”同样拥有广阔的想象空间。
字节高管曾提出：“AI对话类产品可能只是AI产品的‘中间态’，更理想的产品形态大概率需要视觉化的用户体验。”言外之意就是，视频远比文字更直观、更能让普通人“入迷”。
而随着AI技术的演进，视频创作门槛还有望进一步降低：未来可能不用输入素材、提示词，告诉AI“找出所有宝宝第一次走路的片段，配上温馨音乐”，就能自动生成视频。
这会让创作彻底平民化，引发新一轮内容爆炸，就像当年智能手机让照片、短视频普及一样。字节内部甚至判断：“长期看，即梦的价值空间可能是剪映的十倍。”若以剪映2024年近百亿收入为参照，即梦有着千亿级市场蛋糕。
为此，即梦正不遗余力铺路，试图留住更多用户。
打开APP，首页即是一条AI视频，与可灵的“工具风”大相径庭。即梦期望通过熟悉的短视频交互，把优质AI作品推荐给用户。
其还在全平台大量投流，尤其在抖音上，一度不允许其他AI产品打广告。而抖音生态正是即梦最大“杀手锏”——即梦生成的视频可直接导入剪映或抖音发布，形成“即梦生素材+剪映剪辑+抖音发布”一条龙，2025Q1该路径为即梦导流的新用户占比达37%。
在价格上，即梦也放低身段，不惜牺牲短期收入提升吸引力：其单条视频生成最低仅0.1-0.19元，而可灵最低成本比其贵上10倍，高达1.25-1.5元/条。
可以说，字节已在产品设计、流量扶持、使用门槛上做足了准备，只待“人人皆可创作”的时代东风。这种“抬头看天”的勇气值得称赞，却也有风险，毕竟没人知道“船票”何时才能兑现。
反观“低头看路”的快手，先落袋为安，未来再找机会转型，不失为一种智慧。
不过可灵也并非没有烦恼，海外AI短片《The Colorless Man》的创作流程，就给国内创作者带来了冲击：图像由ChatGPT、MidJourney和即梦处理，可灵负责视频，ElevenLabs处理语音，Dreamina处理唇形同步，Suno处理音乐，MMAudio处理音效。
如今厂商们的模型各有所长，尚未出现一个在所有维度都碾压对手的产品。而创作者组合使用、用脚投票，可能会使可灵辛苦拿下的用户，被其他厂商以更专精的模型、更低廉的价格抢走。
这场AI视频的战争，注定是艰难而曲折的持久战。
小结
人们热议着，豆包要借春晚之力，完成AI搜索的“全民普及”；千问全面接入淘宝、支付宝、飞猪、高德等阿里生态，重塑下一代生活方式。
却常常忽略，每日刷上一两个小时的短视频世界里，另一场更深层的风暴也在悄然酝酿。
没人能断言AI视频的“未来”将以何种形态降临，无论是快手的“务实当下”，还是字节“豪赌未来”的路线，都在等待时间给出最终的答案。
但可以确定的是，科技正加速驶入一条快车道，我们能做的就是坐稳、扶好，迎接一切可能的转向与颠覆。
快报
根据《网络安全法》实名制要求，请绑定手机号后发表评论