距離OpenAI發布Sora過去一年多，視頻AI視頻賽道上演了一出「王座交替」的工具爽文故事。在Sora發布後，視頻AI視頻賽道玩家以對標它為目標，工具流傳在社交媒體上的視頻一張梗圖是這樣描繪的：坐在王座上的Sora看著眼前膜拜者——Runway、Pika、工具PixVerse等十餘個競對。視頻圖源：網絡但現在隨著可靈、工具即夢等中國玩家成為牌桌上的視頻新玩家，總被吐槽「期貨」的工具Sora光芒逐漸變得黯淡，一位AI視頻從業者告訴「矽基研究室」，視頻對標Sora早已不是工具他們的目標，現在他們把關注點放在加快縮短AI視頻生產和消費間的視頻GAP。在不少AI論壇的工具現場，AI視頻玩家們談Sora的視頻少了，談DeepSeek的多了，這背後是對AI視頻加速商業化和普及的一種期待。似乎也是某種默契，進入2025年，不到半年時間裏，AI視頻玩家紛紛發布最新的視頻生成模型和產品更新，AI視頻的戰火也越燒越旺。從著力解決視頻生成的一致性和可控性再到降低產品門檻，增強可編輯能力，融入工作流，讓產品更好用，行業玩家也以一個月，甚至是半月一迭代加速AI視頻落地，但新的問題也逐漸擺在台前。有多位中腰部AIGC創業者向「矽基研究室」表達了自己的焦慮，從商用角度看，當前AI視頻落地還存在諸多困難，商單報價在走低，抽卡不穩定下，製作成本還是偏貴。除此以外，就現有產品功能看，「矽基研究室」梳理發現，多數AI視頻產品功能正趨於同質化——除了創意特效外，大多數AI視頻產品都支持主體參考、音效生成、多模態編輯等，隨著功能的豐富、選擇的增多，也將賽道玩家間視頻生成的質量、成本和交互形式等能力的競爭擺在了眼前。展開全文這也意味著，即便不提Sora，國產AI視頻玩家的壓力也並沒有減輕。一、不提Sora的AI視頻玩家，在卷什麽？比起此前對生成時長、模型參數的強調，大半年來，不提Sora的AI視頻玩家將這場「軍備競賽」的重點放在了三個維度上——卷一致性、卷可用性、卷可玩性。所謂的「一致性」指的是視頻生成過程中幀與幀之間的過渡性、動作的連續性和場景的真實性等。由於視頻畫麵往往包含了人物角色、道具、環境等不同元素，如何在生成過程中實現這些元素的交互，在連貫視頻內保持一致性，這也是AI視頻玩家長期一直在解決的問題。而在卷「一致性」上，AI視頻玩家的動作也整齊劃一。一方麵是提升圖生視頻能力，比如增加首尾幀、筆刷工具和多圖參考等，讓用戶自定義視頻的開頭和結尾的同時，筆刷支持運動方向控製，模型可以根據用戶上傳的參考圖像提取人物、場景或風格特征，從而保證生成內容中的一致性。在輸入端加強控製力，不止是卷首幀。包括Runway在內的AI視頻玩家還在輸入端就打出多模態融合，比如視頻轉視頻、多圖混合生成等。去年10月，Runway就推出了Act-One功能，用戶可以直接錄製一段視頻，將素材中對象的麵部表情直接轉移到AI生成的角色上。Runway在去年10月推出Act-One功能圖源：官方「一致性」本質上是為了視頻生成的質量，這又與底層模型性能和訓練數據的質量相關，目前走在前列的AI視頻玩家雖並未高調大打「基模牌」，但強大底座模型的穩定迭代是頭部玩家的標配。快手自去年6月推出可靈大模型後，目前可靈大模型已迭代至2.0版本，字節低調上線Seaweed和PixelDance，Runway在今年4月推出Gen-4，同月生數科技也發布Vidu的Q1模型，頭部AI視頻玩家至少保持半年一次基座模型更新的節奏。而所謂的卷「可用性」則是完善創作者工作流相關配套工具。AIGC從業者可可告訴「矽基研究室」，據她觀察，在「可用性」上，創作者主要關注三個核心問題：一是動態編輯能力，可以圍繞視頻一次性生成的結果進行再調整；二是鏡頭運動能力，包括大幅度運動、特色運動視角等等，這體現畫麵表現力；三是端到端能力，包括從分鏡、視頻生成、音效、剪輯到分發的一站式能力。針對動態編輯，目前可靈等玩家支持多模態編輯，給視頻替換、添加或刪減元素，比如Pika推出的Pikawaps；而在端到端能力上，標配的「音效生成」，即夢的「故事創作」模式可批量生成分鏡，Runway也上線了視頻編輯器。除了一致性、可用性外，通過創意特效和模版卷「可玩性」則是不少玩家引流的關鍵手段。吃到這波紅利的典型代表也有不少，比如靠著Pikaffects、Pikadditions走紅互聯網的Pika，靠著毒液效果走紅的PixVerse，還有承接GPT-4o吉卜力風流量外溢的Vidu......Pika近期推出的發型AI特效圖源：Pika官方「矽基研究室」梳理發現，多數AI視頻產品功能正趨於同質化，所謂的「特色功能」會很快被相互借鑒。除了創意特效外，大多數AI視頻產品都支持主體參考、音效生成、多模態編輯等，有業內人士表示，這是正常現象。“現在AI視頻的交互形式和產品形態各家都還在探索，互相抄作業和‘致敬’很正常。”二、AI視頻難打「價格牌」更多的工具、更豐富的功能，廠商打著「人人都是導演時代」的口號，但有AI視頻創作者卻覺得越來越焦慮了。2024年抱著對AI視頻的好奇，可可開始嚐試AI視頻創作，就是「焦慮大軍」中的一員，從2024年下半年開始，她明顯感覺到AI視頻玩家加速迭代模型和產品，甚至是以周為單位。但快速迭代下，像可可這樣的腰部創作者正在經曆陣痛——降不下去的製作成本，被逐漸壓低的報價。「矽基研究室」了解到，AI視頻多為定製化項目，一般按照視頻時長或鏡頭數報價，一般三分多鍾的AI短片製作周期在1-2周，但可可提到，隨著客戶對AI視頻降本需求的增加，預算也在降低。與之對應的則是AI視頻工具堅挺的價格。以可靈2.0為例，目前2.0生成一條5秒鍾的視頻需要100靈感值，黃金會員月費58元可獲得660靈感值，能抽卡6次，一次生成約為10元。可可提到，如果對畫質要求低，單個鏡頭(一般1-5s）需要抽卡5次左右，這意味生成一個鏡頭就需要50元，如果涉及更複雜的場景和效果抽卡次數可能高達數十次，她曾經單個鏡頭抽卡次數達40次，以此計算，單個鏡頭就需要400元，一個三分鍾的AI短片在不算人力成本下保守估計就要數萬元，和她此前的製作成本相比，是不劃算的。較高的成本，這也是為什麽有一批AIGC創作者並未使用新版本，而是繼續使用可靈1.6的原因所在。有業內人士也提到，此次可靈2.0主要針對是影視商用領域，並非是如可可此類的小B用戶。據可靈此前發布的《AI影像創作者手冊》，中信證券測算其單部短劇成本測算約為8100元，即便可靈2.0很貴，但與真人短劇製作成本相比，依舊能看得見降本的空間，但降本幅度在縮減。梳理主要AI視頻玩家的商業化方案，「矽基研究室」認為，比起此前各大主流模型廠商掀起的「價格戰」，推動行業邁入「按厘計價」時代，視頻大模型的價格下降趨勢並不明顯。C端目前采取的階梯付費訂閱模式，國內對比國外玩家價格優勢明顯，比如大打價格優勢的Vidu甚至效仿DeepSeek上線了「錯峰模式」。但在最先進模型上，頭部廠商的定價並未鬆動，譬如可靈2.0生成一個5s視頻約為10元，而RunwayGen4則為8.6元。反倒是在B端API上，國內廠商的價格優勢明顯高於國外廠商。一位行業人士預測，短期內視頻大模型的定價不會出現激烈的變化。一方麵，從現有產品層看，盡管目前開源視頻生成模型中也不乏如阿裏通義萬相Wan2.1等玩家，但取得身位領先的依舊是閉源大模型。阿裏萬相團隊在技術報告中也提到，目前視頻生成賽道，盡管開源模型與閉源商業模型間的差距在不斷縮小，但目前還存在性能不佳、能力有限、效率不足等問題，Sand.ai創始人曹越也提到，在視頻生成領域，技術路徑還尚未收斂。另一方麵，降價本質上也是一種定價營銷策略，目的也是讓更多人將AI視頻用起來，但前提是產品形態和交互已經ready，但現階段各大廠商還在探索產品形態，不斷完善AI視頻生產環節，如前文所說，去跨越生產和消費那道鴻溝。三、「保證自己在牌桌上」和那些熱門的垂直領域一樣，AI視頻早已成為巨頭和創業公司下一個押注的沃土，擠滿了躍躍欲試的玩家。據「矽基研究室」不完全統計，2025年開年，就有十餘家AI視頻領域初創企業斬獲融資，既包括了像Runway這樣的明星獨角獸，也不乏Sand.ai等新玩家。從所屬領域來看，既有「模型+產品」兩步走的通用型選手，也有聚焦在企業級市場、視頻編輯領域的垂直型選手。和曾經熱鬧的「百模大戰」類似，AI視頻領域當前呈現出巨頭和初創公司共同競逐的局麵，但也有初創企業提前給出預判，比如RunwayCEO就曾預言：「我認為AI公司的時代已經結束了。」但從現實來看，AI視頻的競逐還遠未到終局，初創公司需要做的是「保證自己在牌桌上」。牌桌上的分化也已經開始顯現。一類大廠和初創企業選擇的是「模型+產品」兩步走，這之中又可以分為兩條路線——「AGI派」和「平台派」。海外如穀歌DeepMind和OpenAI是典型的前者。可可提到，在視頻生成模型上，DeepMind的Veo係列強於可控性，視頻生成質量也更高，他們的方向更偏向於構建通往AGI的世界模型，阿裏通義則以開源加速構建視頻模型的新生態。而所謂的「平台派」則是從一家AI視頻企業轉型為集合內容和生產消費為一體的平台型公司，比如Runway、可靈、即夢和海螺等。另一類則偏向於產品驅動，快速迭代，比如聚焦在AI特效爆款迭代的Pika，以視頻編輯生產力出圈的OpusClip和Capsule等。AIGC藝術家海辛在播客「十字路口」也提到，現階段沒有一家能攻克AI視頻所有的方向，視頻的玩法太多了，這也給創業公司入局帶來了機會。而從不少創作者的AI視頻實際體感來看，視頻創作的需求是複雜的，因此多平台多產品的組合使用也是常態，現階段沒有一家能大包大攬。比如在可控性上，可可提到Runway、可靈、PixVerse和Luma的表現都不錯，能實現較為精細化的運鏡控製；從畫麵表現力和視頻風格來看，海螺、Pika、Luma強於二次元、動漫效果，Vidu、可靈在寫實風格上輸出比較穩定。「我感覺大家都在摸著石頭過河」。LumaAI產品經理Barkley曾在播客「十字路口」裏這樣形容。多模態是上限很高，它的星辰大海也絕不止是視頻生成。從這一點來說，互相摸著過河的AI視頻玩家來說，2025年，依舊是繼續卷的一年。