字节跳动以性价比策略切入市场，掀起价格竞争，但高性能模型仍保持付费门槛。B端市场对豆包视频大模型的接纳度有待观察，其商业变现与用户场景适配性成为主要考验。

@科技新知 原创

作者丨萧维 编辑丨蕨影

一场由Sora引发的AI视频生成竞赛，如今迎来新的竞争者！

9月24日，2024火山引擎AI创新巡展深圳站上，字节跳动的两款AI视频模型—豆包视频生成-PixelDance、豆包视频生成-Seaweed发布，并面向企业市场开启邀测。

距离Sora已经横空出世已经超过7个月，这段时间国产视频大模型的发布此起彼伏，围剿Sora在商业语境中似乎成为参与玩家的共有使命。

字节在七个月之后，才选择正式蹚入这条沸腾之河，而此时在其面前，不止有Sora，一众国产大模型弄潮儿，还有一个抖音眼熟的名字—快手。

老对手，新领域，可灵AI的影响力正在被加速释放，在这一点上，字节如坐针毡，毕竟强如Sora，仍是外敌，而快手AI，早已杀到城下。

追逐使命还是修筑护城河，囊外还是安内，答案藏在视频大模型里—字节不做选择题。

Part.1

字节杀入，Sora遭遇围堵

无论战局多么复杂，源头都能追溯到Sora。

2024年2月，OpenAI公布的Sora AI视频生成模型成为全世界的焦点，凭借提供提示词描述或者静态图片，Sora就能生成超高画质、质感直逼电影的画面，最高能达到1分钟视频的体量，直接震撼了国产大模型行业。

随后，国产厂商集体发力视频大模型，才有围堵Sora的大趋势。《生成式AI商业落地白皮书》显示，当前有53%的中国企业已开始有组织地进行生成式AI布局。这意味着，很多中国企业已意识到生成式AI技术对于自身发展的重要性，并将在其中投入资源和精力。而自今年5月起，国内达到类Sora级别的 AI 视频模型技术陆续公布，生数、智象未来（HiDream.ai）等腰部企业轮番登场，智谱AI推出视频生成模型“清影”、爱诗科技发布视频生成产品PixVerse V2、生数科技上线视频生成模型Vidu扎堆七月亮相，整个赛道热闹非凡。

但一众视频大模型追赶Sora的过程，有一家的产品可谓一鸣惊人，它就是6月6日开启邀测的快手可灵 AI 视频生成模型。

快手可灵刚一推出，就凭借参数博得了市场的关注：视频分辨率高达1080p，时长最高可达2分钟（帧率30fps），单次文生视频时长已增至10秒，指标全部位于业绩前列。

工具从来都是辅助，而快手可灵俘获用户的速度之快，让人始料不及。在快手光合创作者大会上，官方透露的数据为：超过 160 万人使用过快手的视频生成大模型可灵AI，累计生成超 1600 万条视频。

口碑、热度、性能俱佳，可灵AI成为目前国内排名最高的视频生成类AI应用，自然是水到渠成。

对手收获掌声，字节五味杂陈。实际上，字节在AI大模型的布局比快手还早。2023年8月，该公司上线首个大语言模型“豆包”及多模态大模型BuboGPT。其抖音云雀大模型通过首批《生成式人工智能服务管理暂行办法》备案，面向公众开放；字节跳动基础模型发力语言和图像两种模态方向。而在AI应用层，字节跳动不仅已去年11月成立新AI部门Flow，还已推出三款AI对话类产品，包括豆包、扣子和Cici。

但是，需要注意的是，字节AI产品对平台内容的加持是否得到市场认可，还需要进一步验证，而在B站等内容平台中，用AI二创视频已经成为赛道，同时也降低了创作者门槛，为平台扩充内容提供了有力支撑。

抖快之争向来是短视频赛道的焦点，而当对手手握超级武器后，字节自然如坐针毡，本次隆重推出的两款视频模型，既是与Sora一争高下，更是与快手的军备竞赛，攘外安内的字节，接下来势必动作频频。

Part.2

不拼参数拼场景，谁来买单？

当前，视频大模型最能直观打动人，就是参数，但本次字节推出视频大模型，却反其道而行之，到目前为止字节仍未透露两款产品可以生成的最大时间长度。

如此重要的内容没有公布，原因可能只有一个：还有其他更重要的东西需要被市场了解。字节相关人士在介绍本次模型的特点时，多次强调其为多场景而生，其中三个核心功能更是颇为惊艳。

精准语义理解上，豆包AI视频生成能够遵从复杂的用户提示词，形成多个主体、人、物之间的互动画面。

画面展现上，豆包AI视频具有逼真的动态与丝滑的运镜，并具备变焦、环绕、平摇、缩放、目标跟随等多镜头语言能力，灵活控制视角，同时保持主体、风格和氛围的一致性。

画质上，大模型支持包括黑白、3D 动画、2D 动画、国画等多种风格，包含1:1、3:4、4:3、16:9、9:16、21:9 六个比例，适配于各种终端，以及电影、手机竖屏等不同画幅，质感优秀，格调出众。

实际上，豆包视频大模型在多场景上的发力，也正是字节大模型商业化的设计构想，电商、城市文旅、音乐 MV、微电影、短剧等应用场景，都是豆包·视频生成模型助力客户实现降本提效和创意合规的主战场。

可以说，豆包视频大模型聚焦ToB业务的商业逻辑十分清晰，而下一步则是依靠价格杀出重围。早在今年 5 月，火山引擎推出的豆包大模型把价格降至最低每千 token 低于一厘钱，比行业便宜99.3%，燃起了大模型厂商的价格战。

字节视频大模型相关人士曾透露当下价格与市场份额之间的关系：价格降十分之一，量就可能涨十倍。这种量价关系下，对于先期获得市场的大模型厂商来说，势必要跟进低价策略。

以豆包语言模型为例，据官方披露，截至 9 月，豆包语言模型的日均 tokens 使用量超过 1.3 万亿，多模态数据处理量也分别达到每天 5000 万张图片和 85 万小时语音。

这就是低价的魔力，但需要注意的是，惨烈的价格战中，各方拿出手的基本是偏轻量化的模型版本，压箱底的高性能模型并没有参与，这多少说明了大模型厂商的态度：给点甜头尝尝，但要好的，得买单。

B端会不会为豆包视频大模型买单，还需要观察。但从以往大模型的落地来看，B端市场的需求适配用时并不会太短，而降本增效的核心诉求如何满足，考验的不仅是厂商大模型的能力，更是用户自身对业务逻辑梳理打磨的能力。换言之，大模型这份收入，很难挣。

Part.3

AI驱动，打破版权壁垒

抖音的长视频野望，可以靠AI视频大模型内容生成来作为支撑。

随着流量进入存量周期，短视频平台用内容留存用户，成了当务之急，2018年短视频用户规模增长率为107.0%，2020迅速降低到15.2%，而抖音DAU破6亿后，出现了增长放缓的态势。

老对手快手的情况更为明显，据快手2024年一季度财报显示，快手实际月活人数为6.97亿，较上一季度环比下降0.4%，呈现流失趋势，二季度平均月活为6.92亿，再次下探。

这可能才是视频大模型最需要解决的问题：内容创作赋能，保住用户规模基本盘。

在豆包视频大模型发布前，《山海奇镜之劈波斩浪》和《三星堆：未来启示录》就是抖音和快手在AI内容领域的官方尝试，前者属于AI科幻短剧，后者则是AI奇幻短剧。

官方作品具有引导意义，但要想撬动更多内容创作者加入赛道，还需要更多行动。

不过，AI内容创作这一点上，抖音与快手态度趋同：鼓励，但反对低质。今年6月，快手电商发布了使用AIGC能力直播的倡议公告，鼓励商家/达人和老铁们进行良好互动，但明确了流量不会倾斜，避免低质内容。来到9 月 8 日，抖音则公布了关于“发布特定内容需主动添加标识”的公告，鼓励创作者尊重事实、发布客观真实信息，同时对于特定信息，应以“内容标识”的形式提供充分的说明，降低用户的理解成本。

但事实上，创作者和用户显然更关注AI创作带来的娱乐性，“容嬷嬷喂紫薇吃香肠”“唐僧啃鸡腿、吃汉堡”“悟空掏手枪”“尔康失态”等无脑爆改短视频风靡全网，以脑洞、爆笑等元素获得了粉丝的关注，抖音上，相关话题“当AI扩图卷土重来”登上热榜，截至目前共有3.9亿次播放。

对于抖音来说，这是个不错的开始，内容拓展后，粉丝粘性提高、收入提升、制作成本下降，都是AI视频大模型带来的优势，当然抖音更大的期待，还包括规避版权费风险。

两年前，爱奇艺、优酷、腾讯视频等长视频平台，70多家影视机构、数百名艺人先后两次公开发布“联合声明”，呼吁短视频平台和公众账号生产运营者尊重原创、保护版权，强调未经授权，不得使用影视作品侵权创作，这份声明中明确指出将对侵权行为依法追责。矛头直指抖音等短视频巨头。随后，抖音与腾讯更是因《云南虫谷》和《亮剑》等作品，互告对方侵权。

和解发生在短剧爆火后，长短视频巨头为了进军新市场握手言和，互相借助优势成为新趋势。但从长远看，抖音短视频二创还依赖原创视频素材，风险并未化解，而随着AIGC内容的开启，抖音在版权侧至少可以安心落地，二创的素材库也更加丰富安全，确实是抖音乐得所见。

从这个角度看，字节的视频大模型确实任重而道远了。

参考资料：

1、《快手盖坤：可灵AI已生成视频超1600万条，用户超160万人 》，新京报

2、《抖音快手激战人工智能大模型》，亿邦动力

3、《豆包进击，字节版Sora“虽迟但到” 火山引擎总裁谭待：一落地就开始考虑商业化》，每日经济新闻

4、《AI生成视频，究竟有多癫狂?》，无限智能