2024 年被称为“AI 视频生成元年”，技艺足下变迁，产物花式进化，贸易化呈现多种顶住，巨头也纷繁布局。本文基于陈述为您深度分解 AI 视频生成产业的近况与改日，揭示其中的机遇与挑战。

2024年，被科技圈公以为“AI视频生成元年”。

岁首OpenAI发布的Sora，像一颗深水炸弹，短暂炸穿了东谈主们对“视频生成”的设想天花板。长达60秒的连贯镜头、复杂的物理天下模拟，让正本还停留在“PPT动画”水平的行业整宿惊醒。然则，半年往常了，Sora于今未对公众通达，但战场却早已硝烟弥散。

从Runway Gen-3到快手可灵，从Luma到生数科技的Vidu，国表里玩家任意卷技艺、卷期骗。关于产物司理和从业者来说，当今最错愕的问题不再是“AI能弗成生成视频”，而是：这东西到底能弗成用？如何赢利？改日的护城河在那儿？

基于量子位智库发布的《AI视频生成探究陈述》，咱们抽丝剥茧，试图复原一个真实的AI视频生成产业全貌。

一、 技艺底座的变迁：为什么是当今？

在量度产物之前，必须先交融技艺的代际跃迁。AI视频生成并非整宿冒出来的，它资格了一个从“致使弗成动”到“交融物理天下”的灾难过程。

陈述显豁地梳理了这一技艺阶梯图：

早期（GANs期间）：如2016年前后，效果差、生成内容不可控，基本不可用。中期（Transformer期间）：2017年启动，谷歌发布Video Vision Transformer，启动尝试交融视频序列，但算力不菲，效果有限。爆发期（Diffusion + Transformer）：这是当下的中枢。

Sora的“暴力好意思学”与DiT架构

Sora之是以强，实质上考证了一条路：DiT（Diffusion Transformer）。浅近来说，以前的扩散模子（如Stable Diffusion）用的是U-Net架构，这在处理图像时很棒，但在处理视频这种这就需要极强“时空连贯性”的数据时，U-Net有些力不从心。

DiT将Transformer的Scaling Law（缩放定律）引入了视频生成。这意味着，只消你喂给模子饱和多的高质料数据（视频+文本对），再加上饱和坑诰的算力（H100集群），模子就能显裸露对“物理天下”的交融智商。

产物视角解读：这也带来了现时行业的三大硬伤，亦然产物司理在遐想干系期骗时必须靠近的客不雅物理截止：

算力资本极高：考试一个Sora级别的模子，资本是千万好意思元起步。推理资本更是惊东谈主，生成一分钟视频可能需要数十分钟的渲染和高亢的GPU用度。抽卡模式：咫尺的一致性（Consistency）依然是痛点。东谈主物换个镜头穿着变了、脸崩了是常态。用户需要反复“抽卡”才气获得可用素材。可控性差：导演想让主角“向左转头并含笑”，AI可能生成“向右转头并大笑”。

二、 产物花式的进化：从“玩物”到“职责流”

这是陈述中最值得产物东谈主深念念的部分。

早期AI视频产物（如Runway Gen-1）更多是“单点用具”，用户输入Prompt，生成一段几秒的视频。这种模式关于C端用户尝鲜尚可，但关于B端专科用户（影视、告白、短剧）来说，不可控的立时生成不仅不是出产力，反而是侵犯。

陈述指出，2024年的产物趋势正在发生实质变化：从单点生成走向全经过职责流（Workflow）。

1. 礼貌权的记忆

咫尺的头部产物（如Runway, Pika, 可灵）都在任意加更“礼貌功能”：

运镜礼貌：推拉摇移，模拟真实录像机。运下笔刷：涂抹那儿，那儿动。首尾帧礼貌：也等于Start-to-End，确保视频的开始和结果妥当逻辑，这关于视频编订继续至关困难。

2. “分镜”逻辑的引入

LTX Studio 与 MOKI陈述中要点说起了LTX Studio和好意思图的MOKI，代表了下一代产物的花式。它们不再是浅近的对话框，而是引入了“故事板（Storyboard）”和“分镜”的观念。

LTX Studio：用户先生成脚色一致性设定，然后通过脚本生因素镜图，阐发分镜没问题后，再将分镜图“视频化”。这妥当传统影视工业的功课经过，极地面镌汰了废片率。好意思图MOKI：专为AI短剧遐想。它把经过拆解为：脚本生成 -> 脚色遐想 -> 分镜图生成 -> 视频生成 -> 配音配乐。

洞悉：改日的AI视频产物，竞争壁垒不在于底层的模子（因为寰球都会趋同），而在于谁能更深地镶嵌到行业职责流中。谁能帮用户处治“脚色一致性”和“多镜头叙事”的痛点，谁就能拿下B端市集。

三、 贸易化的真相：谁在赢利？如何赢利？

AI视频生成的贸易化，咫尺主要分为三类玩家，他们的顶住人大不同。

1. 卖铲子的：底层模子厂商（Model as a Service）

代表玩家：OpenAI (Sora), Runway, 生数科技 (Vidu), 爱诗科技 (PixVerse)。

模式：订阅制（SaaS）+ API调用。

近况：烧钱最猛，壁垒最高。陈述自大，Runway的年营收已达500万好意思元级别，Midjourney更是凭借图像生成作念到了2亿好意思元营收。这一层的竞争是“武备竞赛”，唯有头部一两家能活下来。国内的生数科技、爱诗科技咫尺处于第一梯队，融资额均过亿。

2. 作念装修的：内容用具大厂

代表玩家：Adobe, Canva, 好意思图, 剪映（字节）。

模式：功能内嵌，升值干事。

上风：他们不一定非要我方从新考试一个Sora，他们不错平直接入第三方的模子，或者微调开源模子。

Adobe的计谋最老辣：它推出了Firefly Video Model，平直嵌在Premiere和After Effects里。关于专科编订师来说，我不想要一个生成视频的网页，我只想要在编订时候线上，用AI帮我“擦除这个路东谈主”或者“延迟这3秒素材”。场景连合是这类玩家的必杀技。

3. 挖金矿的：垂直场景处治有遐想

代表玩家：FancyTech, Boolv（布尔向量）。这亦然陈述中相配亮眼的一类隐形冠军。

痛点：电商卖家每天要作念大宗视频，请模特贵、拍摄慢。

FancyTech顶住：专注于电商商品视频化。通过AI学习商品细目页，自动生成脚本，连合3D建模和视频生成，把静态商品图形成动态视频。

数据：FancyTech在23年就一经达成月入破千万。

Boolv顶住：专注于出海营销视频。帮跨境电商卖家一键生成TikTok营销短视频。

洞悉：垂直类公司不追求作念出一个“物理天下模拟器”，他们只追求“这个包包的光芒度对不合”、“这个模特的动空幻不假”。

在细分限制，数据质料和行业Know-how比通用模子更困难。

四、 巨头的博弈：字节、腾讯与阿里的棋局

陈述中着重分析了国内互联网大厂的布局，相配耐东谈主寻味。与创业公司的“高抬高打”不同，大厂显得极其求实且严慎。

字节普及（即梦/剪映）：领有最强的视频基因（抖音/TikTok）。字节里面跑马机制严重，但效果显贵。剪映是其最大的落地场景，Story Diffusion等技艺不错平直转化为剪映里的“一键成片”功能。字节的计谋是：不仅要有模子，更要有生态。快手（可灵）：2024年的黑马。快手发布的可灵模子，效果平直对标Sora，且飞速向公众通达。快手的上风在于其领有海量的短视频数据（这是考试视频模子最中枢的金钱）。快手通过“可灵”不仅秀了肌肉，更是在构建一个AI创作家社区。腾讯（混元）：相对低调，侧重于混元大模子的多模态智商。腾讯领有最大的酬酢和游戏场景，改日的AI视频技艺极大略率会启程点期骗在游戏制作（如NPC行动生成）和告白投放上。阿里巴巴：侧重于电商赋能。阿里姆妈发布的AtomoVideo等技艺，中枢是干事淘宝天猫商家的，帮商家镌汰视频制作资本。

论断：大厂不会松弛下场作念纯正的“视频生成用具”去和Runway抢生意，他们更倾向于将智商内化，赋能现存的中枢业务（告白、电商、游戏）。

五、 改日推演：产物司理需要缓和的三个变量

基于陈述的分析，改日1-3年，AI视频生成限制有三个关键变量值得缓和：

1. 资本的摩尔定律

陈述中提到，咫尺推理资本极高（H100每小时约3好意思元）。但跟着Flash Attention等优化技艺的发展，以及专用推理芯片的出现，推理资本有望在一年内着落90%（参考LLM的降价旅途）。契机点：一朝资本着落到临界点，及时互动视频（AI Video Game）和个性化定制短剧将爆发。设想一下，你玩的游戏，剧情和画面是AI及时生成的，每一局都不不异。

2. “多模态长入”是终端

当今的视频生成，其实是“静音”的，或者是“画面+落寞配音”。Google Gemini和OpenAI GPT-4o展示了改日的目的：原生多模态（Native Multimodal）。模子天生就交融声息、画面和翰墨。改日的产物，不再是“文生视频”，而是“与AI导演对话”。你对它说“风声大少量”，画面中的树叶摇动会变剧烈，同期风声息效也会变大。音画同步的紧密度将是体验的分水岭。

3. 从“生成”到“编订”

咫尺的AI视频大多是“一锤子买卖”，生成了就弗成改。改日的目的是可编订性（Editability）。雷同于在Photoshop里修图，用户应该能在视频里通过当然言语修改局部：“把这件红穿着换成蓝色的，但东谈主物行动不要变”。谁处治了视频的局部重绘（Inpainting）和精确礼貌，谁就掌抓了通往专科影视制作的门票。

结语

看完这份46页的陈述，最大的感受是：AI视频生成一经过了“看吵杂”的阶段，插足了“拼刺刀”的深水区。

关于SaaS层面的创业者来说，窗口期正在关闭，因为巨头和头部模子厂商正在快速补皆智商。但关于期骗层的产物司理来说，好戏才刚刚启动。

当今的AI视频，就像早期的出动互联网，基站建好了（模子有了），手机普及了（算力在增长），但信得过的“微信”和“抖音”还没出现。

契机偶然就藏在那些**“看起来不性感，但能实的确在处治效力问题”**的垂直职责流里。是在电商的细目页里，是在短剧的脚本会上，是在游戏好意思术的素材库里。

Sora还没来，但咱们一经在路上了。

(本文基于量子位智库2024年7月发布的《AI视频生成探究陈述》撰写)

本文由 @狸归四海 原创发布于东谈主东谈主都是产物司理。未经作家许可，陡立转载

题图来自Pixabay，基于CC0契约