2026年7月15日上午，PixVerse在X上发了一段视频。画面里，有人在一张静态照片的正中央画了一条弯曲的红线。AI自动沿着这条线生成了完整的FPV运镜，从地面拉起到贴地穿行，再到俯冲收束，全程平稳、顺滑、电影级画质。
这不是概念预告。这是PixVerse平台通过Seedance 2.0呈现的正式产品演示。而就在几个月前，OpenAI亲手关掉了Sora，那个曾被行业奉为“AI视频白月光”的旗舰产品。
一边是曾经最受瞩目的AI视频项目被内部砍掉，一边是成立仅三年的创业公司带着4.39亿美元C轮融资和超20亿美元估值走向台前。这种反差本身就说明了一件事：AI视频赛道的游戏规则，正在被重新定义。
一条红线：AI视频从“生成”到“创作”的质变
要理解为什么“画一条红线”这件事值得单独拿出来说，需要先想清楚一个问题：过去两年AI视频工具最大的痛点是什么？
不是画质。Sora、Runway Gen系列、Kling都已经能做到以假乱真的分辨率。也不是流畅度。主流模型的镜头切换和动作连贯性早已超出大多数人的预期。
真正的痛点是控制。你输入“一只猫在沙滩上奔跑”，AI确实能生成一段看起来很不错的视频。但如果你想要镜头从猫的尾巴开始俯拍、然后拉远、最后环绕180度，这不是文字提示词能解决的。
直到Seedance 2.0的“一条红线”。用户不需要懂镜头语言、不需要写复杂的参数，只需要在静态图上画一条曲线，AI就自动理解这是运镜路径，自行完成剩余的全部工作：镜头对准、速度控制、视角转换、景深处理。从演示来看，效果已经到了可以直接放进商业广告片的水准。
这标志着AI视频生成正在经历一个从“语义生成”到“意图控制”的质变。过去，用户和AI之间的交互是黑盒：你给一句话，它还你一段视频，中间发生了什么你无法控制。现在，交互变成了白盒：你在输入层就能精确指定“镜头怎么走”，AI负责执行剩下的渲染工作。这就像从“请帮我画一幅画”进化到了“请帮我把这条线变成一条飞行的轨道”。
Sora之死：当“技术最强”不等于“产品最好”
PixVerse发布这条演示的同一天，TechCrunch披露了PixVerse完成C轮融资延期的消息。总金额4.39亿美元，估值突破20亿美元。阿里巴巴、Lollapalooza Capital、Ivy Capital、Grand Mount Capital、Eastern Bell Capital、Mirae Asset、BlueFocus、CloudAlpha等机构参投。
PixVerse联合创始人Jaden Xie在接受TechCrunch采访时说了一句话，几乎涵盖了这篇文章的全部核心观点：“OpenAI退出了这个市场，因为他们关掉了Sora 2。其他公司比如Meta和腾讯都无法做出高质量的视频模型。所以市场上只有少数几家公司能达到这个质量标准。”
OpenAI为什么会关掉Sora？答案不仅关乎技术，更关乎战略。
据TechCrunch报道，今年早些时候，OpenAI应用业务CEO Fidji Simo要求团队砍掉“side quests”，集中资源推进核心产品。Sora就是被砍掉的项目之一。三个月前Simo因慢性疾病恶化休病假，随后正式卸任。
Sora被关停的根本原因不是技术不行。问题在于Sora对于OpenAI来说，是一个“有面子但不赚钱”的项目。在那个时间点，OpenAI面临着严峻的商业化压力。训练GPT-5需要天文数字的计算资源，Anthropic完成650亿美元融资后估值逼近9650亿美元，苹果又提起了商业秘密诉讼。在这样的环境下，一个高研发成本、低变现能力的视频生成项目被优先级挤掉，几乎是必然的。
Sora的死，本质上是规模法则在商业层面的冷酷映射。当你的核心模型需要吃掉所有算力的时候，任何支线都是奢侈品。
字节基因：为什么标签能力是真正的护城河
PixVerse能在Sora倒下的废墟中崛起，部分原因是它的技术路线恰好避开了OpenAI走过的弯路。
Jaden Xie在采访中给出了一个极有价值的洞察：“我们认为关键区别不在于数据，而在于你怎么标注数据，因为数据到处都是。我的联合创始人曾在字节跳动工作，在那里他构建了TikTok背后的核心视觉理解技术。利用这项技术，TikTok能够精准标注数据并构建强大的推荐算法。这段经验在搭建视频生成平台时派上了用场。”
联合创始人王长虎此前在字节跳动负责计算机视觉研发，参与了TikTok视觉理解技术从0到1的建设。在短视频时代，“标签质量”决定了推荐系统的天花板。同样的逻辑迁移到视频生成：模型生成质量的竞争，本质上已经转变成了一场标注质量的竞争。谁能在像素级别把运动、语义、空间关系标注得更精准，谁的模型就能学到更准确的物理运动规律。
这和OpenAI做Sora的路线截然不同。OpenAI的路径是“更大”：更多数据、更大参数量、更强算力，相信Scaling Law能解决一切。但Sora 2最终的瓶颈恰恰不在参数和算力，而在视频数据的结构化和标签化。文本-视频对的数据远不如文本-图片对那么干净，视频中的物体运动、镜头运动、光影变化需要多维度的精确标注，这是“纯Scaling”无法自动解决的。
PixVerse的产品矩阵也体现了这种从标注出发的工程思维。他们分成了V-Series（面向消费者和API）、C-Series（面向专业影视和商业广告）和R-Series（面向游戏开发和世界构建），全部支持4K分辨率输出。三条线共享同样的底层标注系统，但针对不同场景做了渲染质量、实时性和分辨率的差异化。消费者每分钟生成成本仅4.80美元；专业用户可以用它做4K级商业广告片。这比Sora始终模糊不定的定价和定位要务实得多。
1.5亿注册用户：从娱乐到产业的跨越
PixVerse目前拥有超过1.5亿注册用户、1500万月活跃用户。这个数字在AI视频生成赛道里是什么概念？同赛道的多家竞争对手从未公开披露过千万级别的月活数据。PixVerse的用户规模在全球AI视频工具中处于领先地位。
这1.5亿用户不是砸广告砸出来的。PixVerse的核心用户增长逻辑和TikTok如出一辙。低门槛接入，你只需要上传一张图或写一句话，加上强大的AI渲染能力，让用户在极短时间内获得“这是我做的”的创作成就感。这种创作平权的飞轮一旦启动，用户自传播就成了最主要的增长引擎。
但1500万月活只是PixVerse故事的A面。B面是它在企业市场的布局。
PixVerse已经与投资方阿里巴巴达成了视频生成功能部署合作。C系列模型直接瞄准专业影视和商业广告工作流，试图和Runway争夺好莱坞级别的客户。R系列世界模型则面向游戏行业，今年早些时候刚刚发布，目标是在游戏资产生成和虚拟世界构建中占据一席之地。
这是一个典型的“消费者端获量，企业端变现”的漏斗。和字节跳动的商业化路径高度相似：先用免费或低价的产品锁定海量用户，再向有付费能力的企业客户销售增值服务。
赛道的三岔路口
AI视频生成赛道已经走到了一个分水岭。
赛道一侧是退场者。OpenAI清退了Sora，将资源集中到ChatGPT超级应用这条主线上。Meta虽然有生成能力，但内部资源分配上视频模型优先级远低于Llama和AI眼镜。腾讯在视频模型上的投入一直没有公开的旗舰产品。
赛道中间是坚守者。Runway在专业影视领域持续深耕，但面临高昂的研发成本和有限的用户规模之间的ROI压力。Midjourney从图片生成向视频拓展，品牌号召力强但视频能力仍在追赶。Luma在端到端视频生成上保持技术口碑，但商业化路径尚不清晰。
赛道另一侧是加速者。PixVerse用4.39亿美元的资金储备、清晰的标签壁垒和差异化产品矩阵，正在快速拉开和追赶者的距离。而字节跳动内部也在迭代自己的视频生成模型，作为PixVerse联合创始人的前东家，字节对这个赛道的重视程度不容忽视。
Jaden Xie的判断是：能做出高质量视频模型的公司只有少数几家。这句话的真实含义是，如果AI视频生成的技术门槛真的已经高到只有三五家能玩，那么先发优势和资金优势将在未来6到12个月内完成洗牌。届时，市场格局可能会像云计算一样，最后只剩两三家头部玩家，其他要么被收购，要么消失。
一条红线背后的隐喻
回到那条红线本身。
准确地说，PixVerse做的并不是“把红线变成视频”这么简单。真正有价值的是，它证明了AI视频生成正在从“你告诉我想要什么”进化到“你告诉我怎么拍”。这是从消费者工具到创作工具的跨越。
在笔者看来，AI视频赛道的终局竞争将围绕控制精度、渲染效率和工作流整合这三个维度展开。用户对镜头、运镜、场景编排的控制力能达到什么程度，生成高质量视频的速度和成本能否支撑规模化使用，以及能否嵌入到影视、广告、游戏等行业的现有生产管线中，这三点决定了谁能走到最后。
PixVerse在这三个维度上都展示了明确的优势和路径。但风险同样存在。字节跳动的视频模型可能是它最危险的对手，字节拥有更强的资金、更大的数据和更成熟的商业化体系。此外，Runway和Midjourney下一代模型也可能在控制精度上大幅跃升。
但对于用户来说，更值得关注的是另一层含义。当你在静止图上画一条红线，AI就自动完成了一个电影级FPV镜头，这意味着未来的视频创作门槛，可能比你想象中更低。
而那个让你“画一条线就够了”的时刻，往往就是一项技术真正进入大众生活的那一天。
快报