AI視頻新戰場：字節對決快手、反擊Sora_風聞

字節跳動以性價比策略切入市場，掀起價格競爭，但高性能模型仍保持付費門檻。B端市場對豆包視頻大模型的接納度有待觀察，其商業變現與用户場景適配性成為主要考驗。

@科技新知 原創

作者丨蕭維 編輯丨蕨影

一場由Sora引發的AI視頻生成競賽，如今迎來新的競爭者！

9月24日，2024火山引擎AI創新巡展深圳站上，字節跳動的兩款AI視頻模型—豆包視頻生成-PixelDance、豆包視頻生成-Seaweed發佈，並面向企業市場開啓邀測。

距離Sora已經橫空出世已經超過7個月，這段時間國產視頻大模型的發佈此起彼伏，圍剿Sora在商業語境中似乎成為參與玩家的共有使命。

字節在七個月之後，才選擇正式蹚入這條沸騰之河，而此時在其面前，不止有Sora，一眾國產大模型弄潮兒，還有一個抖音眼熟的名字—快手。

老對手，新領域，可靈AI的影響力正在被加速釋放，在這一點上，字節如坐針氈，畢竟強如Sora，仍是外敵，而快手AI，早已殺到城下。

追逐使命還是修築護城河，囊外還是安內，答案藏在視頻大模型裏—字節不做選擇題。

**Part.**1

字節殺入，Sora遭遇圍堵

無論戰局多麼複雜，源頭都能追溯到Sora。

2024年2月，OpenAI公佈的Sora AI視頻生成模型成為全世界的焦點，憑藉提供提示詞描述或者靜態圖片，Sora就能生成超高畫質、質感直逼電影的畫面，最高能達到1分鐘視頻的體量，直接震撼了國產大模型行業。

隨後，國產廠商集體發力視頻大模型，才有圍堵Sora的大趨勢。《生成式AI商業落地白皮書》顯示，當前有53%的中國企業已開始有組織地進行生成式AI佈局。這意味着，很多中國企業已意識到生成式AI技術對於自身發展的重要性，並將在其中投入資源和精力。而自今年5月起，國內達到類Sora級別的 AI 視頻模型技術陸續公佈，生數、智象未來（HiDream.ai）等腰部企業輪番登場，智譜AI推出視頻生成模型“清影”、愛詩科技發佈視頻生成產品PixVerse V2、生數科技上線視頻生成模型Vidu扎堆七月亮相，整個賽道熱鬧非凡。

但一眾視頻大模型追趕Sora的過程，有一家的產品可謂一鳴驚人，它就是6月6日開啓邀測的快手可靈 AI 視頻生成模型。

快手可靈剛一推出，就憑藉參數博得了市場的關注：視頻分辨率高達1080p，時長最高可達2分鐘（幀率30fps），單次文生視頻時長已增至10秒，指標全部位於業績前列。

工具從來都是輔助，而快手可靈俘獲用户的速度之快，讓人始料不及。在快手光合創作者大會上，官方透露的數據為：超過 160 萬人使用過快手的視頻生成大模型可靈AI，累計生成超 1600 萬條視頻。

口碑、熱度、性能俱佳，可靈AI成為目前國內排名最高的視頻生成類AI應用，自然是水到渠成。

對手收穫掌聲，字節五味雜陳。實際上，字節在AI大模型的佈局比快手還早。2023年8月，該公司上線首個大語言模型“豆包”及多模態大模型BuboGPT。其抖音雲雀大模型通過首批《生成式人工智能服務管理暫行辦法》備案，面向公眾開放；字節跳動基礎模型發力語言和圖像兩種模態方向。而在AI應用層，字節跳動不僅已去年11月成立新AI部門Flow，還已推出三款AI對話類產品，包括豆包、釦子和Cici。

但是，需要注意的是，字節AI產品對平台內容的加持是否得到市場認可，還需要進一步驗證，而在B站等內容平台中，用AI二創視頻已經成為賽道，同時也降低了創作者門檻，為平台擴充內容提供了有力支撐。

抖快之爭向來是短視頻賽道的焦點，而當對手手握超級武器後，字節自然如坐針氈，本次隆重推出的兩款視頻模型，既是與Sora一爭高下，更是與快手的軍備競賽，攘外安內的字節，接下來勢必動作頻頻。

**Part.**2

不拼參數拼場景，誰來買單？

當前，視頻大模型最能直觀打動人，就是參數，但本次字節推出視頻大模型，卻反其道而行之，到目前為止字節仍未透露兩款產品可以生成的最大時間長度。

如此重要的內容沒有公佈，原因可能只有一個：還有其他更重要的東西需要被市場瞭解。字節相關人士在介紹本次模型的特點時，多次強調其為多場景而生，其中三個核心功能更是頗為驚豔。

精準語義理解上，豆包AI視頻生成能夠遵從複雜的用户提示詞，形成多個主體、人、物之間的互動畫面。

畫面展現上，豆包AI視頻具有逼真的動態與絲滑的運鏡，並具備變焦、環繞、平搖、縮放、目標跟隨等多鏡頭語言能力，靈活控制視角，同時保持主體、風格和氛圍的一致性。

畫質上，大模型支持包括黑白、3D 動畫、2D 動畫、國畫等多種風格，包含1:1、3:4、4:3、16:9、9:16、21:9 六個比例，適配於各種終端，以及電影、手機豎屏等不同畫幅，質感優秀，格調出眾。

實際上，豆包視頻大模型在多場景上的發力，也正是字節大模型商業化的設計構想，電商、城市文旅、音樂 MV、微電影、短劇等應用場景，都是豆包·視頻生成模型助力客户實現降本提效和創意合規的主戰場。

可以説，豆包視頻大模型聚焦To  B業務的商業邏輯十分清晰，而下一步則是依靠價格殺出重圍。早在今年 5 月，火山引擎推出的豆包大模型把價格降至最低每千 token 低於一釐錢，比行業便宜99.3%，燃起了大模型廠商的價格戰。

字節視頻大模型相關人士曾透露當下價格與市場份額之間的關係：價格降十分之一，量就可能漲十倍。這種量價關係下，對於先期獲得市場的大模型廠商來説，勢必要跟進低價策略。

以豆包語言模型為例，據官方披露，截至 9 月，豆包語言模型的日均 tokens 使用量超過 1.3 萬億，多模態數據處理量也分別達到每天 5000 萬張圖片和 85 萬小時語音。

這就是低價的魔力，但需要注意的是，慘烈的價格戰中，各方拿出手的基本是偏輕量化的模型版本，壓箱底的高性能模型並沒有參與，這多少説明了大模型廠商的態度：給點甜頭嚐嚐，但要好的，得買單。

B端會不會為豆包視頻大模型買單，還需要觀察。但從以往大模型的落地來看，B端市場的需求適配用時並不會太短，而降本增效的核心訴求如何滿足，考驗的不僅是廠商大模型的能力，更是用户自身對業務邏輯梳理打磨的能力。換言之，大模型這份收入，很難掙。

**Part.**3

AI驅動，打破版權壁壘

抖音的長視頻野望，可以靠AI視頻大模型內容生成來作為支撐。

隨着流量進入存量週期，短視頻平台用內容留存用户，成了當務之急，2018年短視頻用户規模增長率為107.0%，2020迅速降低到15.2%，而抖音DAU破6億後，出現了增長放緩的態勢。

老對手快手的情況更為明顯，據快手2024年一季度財報顯示，快手實際月活人數為6.97億，較上一季度環比下降0.4%，呈現流失趨勢，二季度平均月活為6.92億，再次下探。

這可能才是視頻大模型最需要解決的問題：內容創作賦能，保住用户規模基本盤。

在豆包視頻大模型發佈前，《山海奇鏡之劈波斬浪》和《三星堆：未來啓示錄》就是抖音和快手在AI內容領域的官方嘗試，前者屬於AI科幻短劇，後者則是AI奇幻短劇。

官方作品具有引導意義，但要想撬動更多內容創作者加入賽道，還需要更多行動。

不過，AI內容創作這一點上，抖音與快手態度趨同：鼓勵，但反對低質。今年6月，快手電商發佈了使用AIGC能力直播的倡議公告，鼓勵商家/達人和老鐵們進行良好互動，但明確了流量不會傾斜，避免低質內容。來到9 月 8 日，抖音則公佈了關於“發佈特定內容需主動添加標識”的公告，鼓勵創作者尊重事實、發佈客觀真實信息，同時對於特定信息，應以“內容標識”的形式提供充分的説明，降低用户的理解成本。

但事實上，創作者和用户顯然更關注AI創作帶來的娛樂性，“容嬤嬤喂紫薇吃香腸”“唐僧啃雞腿、吃漢堡”“悟空掏手槍”“爾康失態”等無腦爆改短視頻風靡全網，以腦洞、爆笑等元素獲得了粉絲的關注，抖音上，相關話題“當AI擴圖捲土重來”登上熱榜，截至目前共有3.9億次播放。

對於抖音來説，這是個不錯的開始，內容拓展後，粉絲粘性提高、收入提升、製作成本下降，都是AI視頻大模型帶來的優勢，當然抖音更大的期待，還包括規避版權費風險。

兩年前，愛奇藝、優酷、騰訊視頻等長視頻平台，70多家影視機構、數百名藝人先後兩次公開發布“聯合聲明”，呼籲短視頻平台和公眾賬號生產運營者尊重原創、保護版權，強調未經授權，不得使用影視作品侵權創作，這份聲明中明確指出將對侵權行為依法追責。矛頭直指抖音等短視頻巨頭。隨後，抖音與騰訊更是因《雲南蟲谷》和《亮劍》等作品，互告對方侵權。

和解發生在短劇爆火後，長短視頻巨頭為了進軍新市場握手言和，互相藉助優勢成為新趨勢。但從長遠看，抖音短視頻二創還依賴原創視頻素材，風險並未化解，而隨着AIGC內容的開啓，抖音在版權側至少可以安心落地，二創的素材庫也更加豐富安全，確實是抖音樂得所見。

從這個角度看，字節的視頻大模型確實任重而道遠了。

參考資料：

1、《快手蓋坤：可靈AI已生成視頻超1600萬條，用户超160萬人 》，新京報

2、《抖音快手激戰人工智能大模型》，億邦動力

3、《豆包進擊，字節版Sora“雖遲但到” 火山引擎總裁譚待：一落地就開始考慮商業化》，每日經濟新聞

4、《AI生成視頻，究竟有多癲狂?》，無限智能