视频生成模型正在争夺什么？

如果说2023年的关键词是大语言模型，那么2024年至2026年，生成式AI最直观的一场竞赛，发生在视频领域。

过去，人们讨论AI视频，关注的是“它能不能让一张图片动起来”；今天，问题已经变成：能否保持人物一致，能否理解复杂动作，能否自动完成分镜，能否同步生成对白、音乐和环境音，以及生成结果能否直接进入广告、短剧、游戏和影视制作流程。

截至2026年8月，字节跳动Seedance、快手可灵、阿里万相、腾讯混元、MiniMax海螺、生数科技Vidu等中国模型，已经形成了一条相当密集的竞争带。它们不再只是追赶海外模型，而是在多模态输入、原生音频、生成速度、产品定价和商业化方面展开正面竞争。

但热闹背后，一个更重要的问题是：中国视频生成大模型究竟已经走到了哪一步？它带来的只是一次内容生产工具升级，还是可能重构整个视频产业？

从“能不能生成”到“能不能生产”

视频生成并不是简单地把图片生成技术连续播放。

一张图片只需要保证一个瞬间看起来合理，视频却必须同时处理空间、时间和因果关系。同一个人物走过几个镜头，脸不能突然变化，衣服不能凭空消失；汽车转弯要符合运动规律，杯子落地不能穿过桌面；镜头切换以后，人物、环境和光线还要保持连续。

因此，视频模型面对的困难，不仅是“画得像不像”，更是能不能理解一个动态世界。

早期AI视频常常给人一种“第一眼惊艳、第二眼出戏”的感觉。画面可能很漂亮，但手指会变形，物体会漂移，人物走着走着换了一张脸。它适合展示技术，却很难进入真正的生产环节。创作者得到的不是成片，而是一段需要反复抽卡、挑选和修补的素材。

过去两年，行业的进步主要发生在四个方向。

第一个方向是主体一致性。过去生成多镜头视频，最大的问题是“同一个人不像同一个人”。现在，模型可以通过人物图片、视频片段、声音和风格参考，尽量锁定角色、服装、场景和视觉风格。Vidu将主体一致性作为重要能力，允许用户通过多张参考图建立人物或物体的视觉约束；阿里万相也已支持文本、图像、视频和音频等多模态参考输入。

第二个方向是可控性。真正的商业创作不能只依靠惊喜，它需要确定性。广告客户不会接受产品颜色随机变化，导演也不能容忍主角的动作完全由模型决定。首尾帧控制、动作迁移、镜头运动、局部编辑、角色替换等功能，本质上都是在把AI视频从“随机生成器”改造成“可控制作工具”。

第三个方向是音画一体。早期模型只负责生成无声画面，用户还要另外配音、找音乐、制作音效、调整口型。如今，原生音频已经成为头部模型的竞争重点。可灵3.0能够处理文本、图像、音频和视频等多模态输入输出，并支持多语言、方言和口音；Vidu Q3可以同步生成对白、旁白、音效和音乐；Seedance新一代模型也在强化音视频联合生成与长叙事能力。

第四个方向是从单一生成走向统一工作流。过去，文生视频、图生视频、视频编辑和动作控制是相互割裂的工具；现在，头部厂商正在尝试用一个模型完成理解、生成、修改和续写。用户不再需要重新抽取整段视频，而可以用自然语言要求模型“把人物换成另一件衣服”“保留动作但更换场景”或者“把最后一个镜头延长五秒”。

这才是视频生成真正的产业拐点。

判断一项技术是否成熟，不能只看它最好的作品有多惊艳，还要看普通用户连续使用十次，能够得到几次合格结果。视频模型正在从追求“能力上限”，转向提高“结果下限”：不仅要偶尔生成一段大片，还要稳定、快速、低成本地交付可用素材。

换句话说，AI视频的竞争已经从“能不能生成”，转向“能不能生产”。

不只是模型竞赛，

更是生态和商业效率竞赛

中国视频生成大模型并没有形成一条完全相同的发展路线。

快手和字节跳动拥有庞大的内容平台与创作者生态。对它们而言，视频模型不是孤立的技术产品，而是原有内容体系的自然延伸。

快手能够观察真实创作者如何生产短视频、哪些功能使用频率最高、什么样的内容更容易传播，再把这些反馈用于模型和产品迭代。可灵由此形成了从模型、创作工具到内容分发的闭环。更值得注意的是，这一业务已经出现了可以被财务数据验证的商业化：可灵AI在2025年第四季度实现3.4亿元人民币收入，2025年12月单月收入突破2000万美元，对应年化收入运行率达到2.4亿美元。

这组数据的意义不只是收入规模，而是证明视频生成已经不再完全依赖资本投入和技术叙事，确实有人愿意为它付费。

字节跳动的优势则在于更完整的内容生产工具链。从模型到即梦、剪映、CapCut，再到抖音和TikTok，字节有机会把脚本、图片、视频、剪辑、配音和分发连接起来。对普通用户来说，他可能并不关心底层使用的是哪一个模型，只关心能否在熟悉的工具中，以更低门槛完成一条视频。最终决定胜负的，未必是某个排行榜领先几分，而是谁能把模型能力变成用户每天都会使用的功能。

阿里和腾讯代表的是另一条路线：模型与云服务结合。

阿里万相一方面通过开源建立开发者生态，另一方面借助阿里云向企业提供API、部署和微调能力。其价值不只在于面向个人生成一段视频，而在于让电商商家、广告公司和企业客户批量生产内容。

腾讯则可以把视频模型嵌入广告、游戏、社交和云服务之中。对于这类综合型科技公司，视频生成即使不单独成为一个巨大的消费级产品，也可以作为基础能力，降低整个业务体系的内容生产成本。

MiniMax和生数科技等创业公司面对的局面更复杂。它们没有超级平台提供天然流量，因此必须在技术特色、海外市场或者垂直场景中形成差异化。Vidu持续强调主体一致性、生成速度和动漫内容；MiniMax则通过海螺AI进入全球创作者市场。2026年7月，MiniMax发布H3视频模型，支持文本、图像、视频和音频输入，可生成最长15秒、2K分辨率并带原生立体声音频的视频，同时宣布开放模型权重。

由此来看，厂商的优势并不只是“模型参数更大”或者“单次效果更好”，而是迭代速度、工程能力和产业场景之间形成了正循环。

国内拥有庞大的短视频、电商、游戏、网络文学、动画和短剧市场。这些行业每天都在产生大量低成本、高频率、需要快速测试的内容需求。需求越密集，模型获得的真实反馈越快；模型越便宜，新的需求又越容易被创造出来。

但是，市场的竞争也异常残酷。

当各家模型都能生成高清画面、保持人物一致并输出音频以后，基础能力会迅速趋同。单纯依赖模型效果形成的领先，可能只能维持几个月。价格战又会压低生成服务的毛利率，使厂商必须持续承担训练、推理和产品迭代成本。

因此，这场竞争大概率不会只产生一个赢家。模型层可能逐渐集中于少数有资本、算力和数据能力的公司；应用层却可能保持分散，在广告、电商、动画、游戏、短剧和教育等场景中出现大量专业工具。

真正的护城河，将从“我能生成视频”，转向“我掌握了哪一类用户、哪一种工作流和哪一套商业数据”。

AI视频会取代传统影视工业吗？

每当视频模型发布，人们最容易提出的问题都是：演员会不会失业？导演会不会被替代？以后是不是一个人就能拍电影？

这些问题抓住了技术的冲击，却往往高估了短期替代，低估了长期重构。

一部成熟影视作品并不是若干漂亮镜头的简单拼接。它需要稳定的人物关系、连贯的叙事逻辑、精确的情绪表达以及大量跨镜头调度。即使模型可以生成十几秒甚至几十秒的视频，也不意味着它已经理解一部九十分钟电影中的人物成长和故事结构。

目前，AI视频最容易进入的不是长篇影视作品，而是对时长较短、生产频率较高、允许快速试错的行业。

例如，电商商家可以把商品图片批量转化为展示视频；广告团队可以在正式拍摄前生成分镜和样片，也可以针对不同人群快速制作多个素材版本；游戏公司可以用AI制作概念动画、角色预演和宣传片；短剧和动画团队则可以减少部分场景、特效和过渡镜头的制作成本。

这些场景的共同点是，它们过去不是完全做不到，而是成本太高、周期太长。AI首先改变的不是“能不能做”，而是“值不值得做”。

当一条广告素材的制作成本大幅下降，企业未必会因此减少全部预算，反而可能生产更多版本，进行更细的人群测试。过去一个品牌只能制作五条广告，未来可能同时生成五百条，再根据点击率和转化率筛选。这意味着视频生成带来的不只是降本，也可能创造新的内容需求。

因此，AI对就业的影响也不会是简单地用机器替换人。更可能发生的是，价值链重新分配。

重复执行型工作会被压缩，而创意策划、审美判断、素材管理、模型控制和结果筛选的重要性会上升。未来的视频创作者可能不再亲手完成每一个镜头，却需要像导演管理剧组一样管理多个模型。一个人的生产能力会明显扩大，但能够稳定产出好内容的人，仍然需要理解叙事、节奏、构图和用户心理。

在商业化真正大规模展开之前，行业还要跨过几道门槛。

第一道是稳定性。商业客户关心的不是模型最好能做什么，而是它承诺的效果能否重复实现。只要生成仍然高度依赖抽卡，表面上的低价格就可能被反复尝试的时间成本抵消。

第二道是成本。视频生成需要处理大量时空信息，推理成本天然高于文本和图片。未来模型不仅要比效果，还要比同等质量下的生成速度、成功率和单秒成本。

第三道是版权与安全。模型训练数据是否合法，生成内容是否模仿了特定演员和影视角色，用户上传的人脸、声音和商业素材如何被保护，都可能影响产业边界。中国现行规定要求生成式人工智能服务尊重知识产权、肖像权和个人信息权益；2025年发布的《人工智能生成合成内容标识办法》还要求对相关内容添加显式或隐式标识。

第四道是商业闭环。消费者愿意为新鲜感付费，却未必长期为同质化功能订阅。企业客户虽然支付能力更强，但要求模型能够进入已有工作流，并解决品牌一致性、数据安全和批量交付等问题。

未来一到三年，视频生成大模型的关键变化，很可能不是分辨率从1080P提高到4K，也不是单次时长再增加十秒，而是从“生成一个片段”走向“完成一项任务”。

用户输入的将不再是一句孤立的提示词，而可能是一份商品资料、一段脚本、一组人物设定和品牌规范。模型负责理解需求、设计分镜、生成画面、匹配声音、修改细节，并针对不同平台自动输出多个版本。

到了那一步，人们使用的就不再是一个视频生成模型，而是一套新的内容生产系统。

当“生成一段视频”本身不再稀奇，真正稀缺的，仍然是值得被生成的想法，以及把想法变成作品的能力。

本文来自微信公众号“新剧观察”（ID：xinjuguancha），作者：程小颖，36氪经授权发布。