視頻大模型爆發

15秒內生成汽車穿越雪山的廣告，30秒內渲染出1920年代上海街景，3分鐘內完成可投放的短劇預告…在人工智能技術迅猛發展浪潮下，視頻大模型正在爆發。

去年以來，視頻大模型憑借“像素級生產力”席卷了整個內容產業。Sora、RunwayGen-3、Pika1.5等模型引發社交媒體熱度，推動A股“AI視頻”指數半年內最大漲幅超55% .··

從“文本”到“像素”，視頻大模型正在重塑內容生產鏈：上游版權方迎來新的授權場景，中游MCN獲得降本增效的工具，下游平臺則通過廣告、電商、會員等多種方式實現多元變現。

“文本生成”崛起

如果把2023年的AI繪圖比作“單幀印鈔機”，那么2024年出現的視頻大模型則堪稱“整條流水線”。其技術底座依舊基于Transformer與擴散模型的結合，但訓練語料已從靜態像素升級為連續的時空片段。

OpenAI公布的Sora技術報告顯示，他們的研發團隊僅將公開視頻、游戲引擎渲染及Shutterstock授權素材切分為“時空補丁”，在潛空間內進行擴散訓練，就能解碼為60秒、1080p的連貫鏡頭。

而國內企業則通過短視頻平臺自采、影視公司授權、政府開放數據三條路徑來補足原料。這既能降低版權風險，又解決了中文語料稀缺的難題。

“目前，國產視頻大模型的技術路徑與Sora基本一致，只是每個企業會采用自身獨特的方法”，LogenicAI聯合創始人李博杰表示。

視頻的本質可視作多張圖片的連續排布放映。在文生圖大模型中，擴散模型最為人所熟知。它依據輸人的文字描述，捕捉數據的內在結構和分布規律，從而生成單張圖片。

例如，2024年3月，字節剪映率先推出內測的“Dreamina視頻版”，首批邀請3000家MCN機構，利用自研的3D-VAE網絡，實現時空同步壓縮，可將30秒腳本一鍵渲染為

16：9 廣告短片；4月，快手“可靈”面向500萬粉絲以上的達人開放API，官方披露首周調用量突破120萬次，帶動快手云服務收人環比增長 18% ；5月，阿里達摩院發布“尋光”工具鏈，在隱空間擴散模型基礎上疊加MoE架構，將60秒4K視頻推理成本壓縮至每條0.8元，上線首月即吸引86家消費品牌簽約試用，平均客單價達28萬元。

與2021年“免費網文 $$ 微短劇”的鏈條相似，視頻大模型正在構建“IP文本→生成視頻 $$ 平臺分賬”的新閉環。上游版權方成為首批受益者，中文在線、閱文、掌閱等公司將手中10萬部小說拆解為“1分鐘劇情卡”，授權費按“萬次調用”結算，單部爆款小說年授權收入已突破800萬元；中游MCN利用AI將7天制作周期縮短至7小時，人力成本下降 60% ，帶動行業毛利率回升12個百分點；下游平臺則通過“會員解鎖高分辨率”“品牌定制水印”等方式實現多元變現。

截至2024年底，我國視頻大模型應用市場規模已達200億元，到2030年有望突破萬億規模，年復合增長率超 30% 。

業內人士認為：“隨著技術、版權、算力三大要素的同步提升，文本到視頻的轉換將不再僅僅是技術展示，而將演變成為一條年產值高達千億元的新興賽道。”

“成本基線”隱憂

將4秒短片擴展至60秒，GPU時鐘并非簡單增加15倍。擴散模型需要在時序維度進行額外的注意力計算。

實測數據顯示，一段1080p、30fps的60秒短片在主流云端的單次推理大約需要80張A100等效卡并發處理20分鐘；按2024年四季度華北公有云A100按需價格計算，調用成本在50至55元之間，這也是行業普遍的價格標準。

為應對這筆“算力稅”，企業普遍采用“階梯定價”策略：720p免費試用， 1080p 會員價0.8至1.2元/秒，4K企業定制12至

15元/秒。這與2023年AI繪圖的“小圖免費、大圖付費”模式相似，只是客單價提升了整整一個數量級。

快手財報顯示，可靈在2025年2月單月流水已突破1億元，其中 70% 來自 1080p 以上檔位；在愛詩科技PixVerse的1200萬注冊用戶中，付費滲透率約 5% ，但ARPU值高達46元／月，顯著高于傳統工具類SaaS。

除了算力成本，版權正成為新的“隱性負債”。國家版權局2024年12月的預警名單將30余部經典影視劇列人重點保護范圍，平臺若用于訓練，必須單獨議價，單部劇集授權價普遍在百萬元級別。

監管政策也在增加合規成本。國家網信辦今年6月提出了“顯著標識 + 元數據溯源要求。這意味著平臺需自建“白名單”庫并對每條素材進行留痕管理。騰訊云與央視的合作案例顯示，建立一套可溯源的版權審核系統初期投人約800萬元，后期年運維成本達120萬元；對于月調用量千萬次的中型平臺，合規成本攤銷到每段60秒視頻約0.06元，雖看似微不足道，但足以抵消720p檔位的全部毛利。

在雙重賬單壓力下，視頻大模型領域呈現出“兩極定價”趨勢，頭部廠商憑借資本和版權庫優勢鎖定高階市場，快手、字節在2025年Q1的廣告級4K生成訂單單價維持在15美元/分鐘以上；中小開發者則轉向開源權重加垂直場景，將成本壓縮至1/5，以量補價。

總體而言，無論選擇哪條路徑，算力稅與版權墻已共同構成視頻大模型的“新成本基線”。未來，誰能同時在技術與合規兩端取得規模優勢，誰就能率先享受 19.5% 年復合增長率的市場紅利。

“可控生成”加速

在監管政策的引導下，平臺與制作方迅速轉向“精品化”路線。“可控生成”已成為資本與監管的共同關注點。

2024年5月，中央廣播電視總臺發布了“AI影像共創計劃”，首批開放項目《如果文物會說話》由Sora、可靈、尋光三大模型聯合完成8K視效，上線一周全網播放量突破2億次；隨后又推出了《千秋詩頌》《中國神話》等系列AI作品，被國家廣播電視總局列入“網絡視聽節目精品創作傳播工程”扶持名單。

市場對“官方背書”反響熱烈。Wind數據顯示，“AI內容”指數自5月發布日至7月底累計上漲 37% ，顯著跑贏大盤。

技術側也在“可控”賽道上加速推進。快手“可靈”于6月上線“鏡頭軌跡”功能，充許用戶手動設定機位并鎖定景深，上線首月即吸引12萬名創作者付費使用；阿里“尋光”在7月發布“角色一致性”模塊，解決多角度人物五官漂移問題，單條60秒4K視頻定價15元，比行業均價低 20% ，帶動阿里云視頻云收人環比增長 18% ；字節跳動“Dreamina”則開放“品牌物料庫”，廣告主上傳LOGO與標準色即可一鍵匹配品牌視覺，內測期已有86家消費品牌簽約，平均客單價28萬元，預計全年可實現收人3.2億元。

監管框架的明晰還進一步放大了合規溢價效應。在國家網信辦要求“顯著標識 + 元數據溯源”之后，上海、深圳隨即出臺了配套補貼政策：上海對通過合規審核的AI視頻項目給予最高100萬元獎勵；深圳對訓練語料“白名單”庫建設給予 30% 資金補貼，單個項目封頂500萬元。政策落地首月，兩地新增AI內容類企業97家，注冊資本合計18.4億元。

在平臺與監管的“雙向奔赴”下，長短視頻的邊界逐漸模糊。2024年7月，《中國奇

從“文本”到“像素”，視頻大模型正在重塑內容生產鏈：上游版權方迎來新的授權場景，中游MCN獲得降本增效的工具，下游平臺則通過廣告、電商、會員等多種方式實現多元變現。

譚·未來篇》AI動畫在嘩哩嘩哩上線，8集總時長不足40分鐘，卻斬獲1.1億播放量、9.8分的高評分，并人選法國昂西動畫節特別展映；湖南廣電將AI微短劇《錦衣巷》移至黃金檔播出，收視率提升2.3個百分點，廣告溢價達 35% 。

CTR媒體融合研究院發布的報告顯示，2024年中國AI影像市場規模為48億元，2025—2027年復合增速有望保持 40% 以上。

從“文本”到“像素”，視頻大模型正在重塑內容生產鏈：上游版權方迎來新的授權場景，中游MCN獲得降本增效的工具，下游平臺則通過廣告、電商、會員等多種方式實現多元變現。隨著合規護欄的逐步夯實，技術列車也將沿著監管紅利與市場溢價鋪就的軌道，駛向真正的藍海。

編輯/車玉龍