AI視頻生成，如何撕開創(chuàng)作邊界？

01. 當(dāng)新技術(shù)遇上老難題

如果給2025年下半年的AI行業(yè)選一個(gè)受關(guān)注的方向，視頻生成幾乎是繞不開的答案。在OpenAI發(fā)布Sora 2并上線App版本后，AI視頻的熱度幾乎以“病毒式”的速率在全球范圍內(nèi)迅速擴(kuò)散開來。

但梳理產(chǎn)業(yè)發(fā)展的脈絡(luò)，才會(huì)發(fā)現(xiàn)，這并非是偶然的產(chǎn)品爆紅。背后，是過去兩年里視頻生成技術(shù)在畫面質(zhì)量、時(shí)序建模與可用性上的持續(xù)進(jìn)步。Sora、Veo、通義萬相，無論是大公司還是創(chuàng)業(yè)公司，不斷累加的技術(shù)貢獻(xiàn)，讓全球AI視頻相關(guān)能力的迭代節(jié)奏顯著加快。

更深層的影響，正在產(chǎn)業(yè)內(nèi)部逐步顯現(xiàn)。

當(dāng)模型的進(jìn)步不再局限于畫面質(zhì)量本身，而是逐步覆蓋敘事能力、人物與風(fēng)格一致性、音畫同步、跨鏡頭邏輯延續(xù)等更接近工業(yè)化生產(chǎn)的關(guān)鍵要素。當(dāng)生成效果跨過“能看”的門檻，開始接近“可用”“好用”，AI視頻才真正進(jìn)入大眾視野，也隨之成為當(dāng)前極具想象空間的賽道之一。

與此同時(shí)，視頻行業(yè)本身也在面臨著一種結(jié)構(gòu)性難題。

過去十余年里，圍繞視頻展開的產(chǎn)業(yè)始終是全球范圍內(nèi)增長最快、資本最密集、創(chuàng)新最活躍的領(lǐng)域之一。從影視娛樂、廣告營銷，到電商內(nèi)容、社交平臺(tái)與創(chuàng)作者經(jīng)濟(jì)，視頻逐漸成為信息、娛樂與商業(yè)的核心表達(dá)形態(tài)。但隨著行業(yè)成熟與競爭加劇，內(nèi)容生產(chǎn)被推向極限。短劇、電商與廣告進(jìn)入“更快、更細(xì)、更大量”的階段，內(nèi)容更新周期被壓縮到小時(shí)級(jí)甚至分鐘級(jí)，而傳統(tǒng)制作鏈路所依賴的人力規(guī)模與制作周期，開始與這種節(jié)奏形成明顯錯(cuò)位。

這種壓力在不同領(lǐng)域以不同形式顯現(xiàn)：傳統(tǒng)影視與廣告仍高度依賴經(jīng)驗(yàn)密集型人力，提案與試錯(cuò)成本居高不下；MCN與電商側(cè)對(duì)高頻、碎片化素材的需求，已遠(yuǎn)超傳統(tǒng)拍攝與剪輯流程的承載能力；短劇與AI漫劇在走出早期粗放階段后，對(duì)角色、場景與鏡頭一致性提出更高要求；出海內(nèi)容則同時(shí)面臨速度與跨文化適配的雙重挑戰(zhàn)。

隨著內(nèi)容需求持續(xù)放大、AI視頻生成能力快速成熟，內(nèi)容產(chǎn)業(yè)的生態(tài)結(jié)構(gòu)開始發(fā)生變化。

一方面，創(chuàng)作門檻被顯著拉低。視頻不再只是少數(shù)專業(yè)團(tuán)隊(duì)才能穩(wěn)定產(chǎn)出的內(nèi)容形態(tài)，個(gè)人創(chuàng)作者與小團(tuán)隊(duì)開始具備接近工業(yè)化的生產(chǎn)能力。

另一方面，圍繞視頻生成的新中間層正在出現(xiàn)——從創(chuàng)作工具、工作流平臺(tái)，到面向廣告、電商、短劇的垂直解決方案，越來越多公司開始將AI視頻作為底層能力重新設(shè)計(jì)產(chǎn)品形態(tài)。

這帶來了更多連鎖反應(yīng)，比如平臺(tái)與創(chuàng)作者的關(guān)系也在被重塑，當(dāng)內(nèi)容成為可以反復(fù)生成、快速驗(yàn)證、持續(xù)優(yōu)化的過程性資產(chǎn)，視頻生產(chǎn)從一次性創(chuàng)作，逐步轉(zhuǎn)向可規(guī)模化運(yùn)行的系統(tǒng)工程。

因此，最近這一年，國內(nèi)外涌現(xiàn)出大量圍繞AI視頻生成的產(chǎn)業(yè)鏈上下游的創(chuàng)業(yè)公司：有的從視頻生成能力本身出發(fā)，重構(gòu)視頻制作的起點(diǎn)；有的圍繞創(chuàng)作者工作流，將AI融入腳本、分鏡與剪輯；還有的面向企業(yè)與行業(yè)場景，強(qiáng)調(diào)穩(wěn)定性與可規(guī)模化交付；出海方向，跨語種與本地化生成也成為重要突破口。

當(dāng)技術(shù)突破與國內(nèi)的規(guī)模化需求在同一時(shí)間點(diǎn)匯合，內(nèi)容行業(yè)逐漸形成一個(gè)清晰判斷：AI視頻生成已經(jīng)成為下一代內(nèi)容基礎(chǔ)設(shè)施的重要組成部分，更穩(wěn)定的技術(shù)和更快的工具遠(yuǎn)遠(yuǎn)不夠，創(chuàng)作者們需要的可能是一套更底層、可擴(kuò)展的生產(chǎn)力方案。

02. 創(chuàng)作的邊界，正被技術(shù)撕開

每家公司都在用自己的實(shí)際行動(dòng)回應(yīng)這個(gè)趨勢。

以O(shè)penAI的Sora為代表，其策略更偏向通用能力展示：通過極高質(zhì)量、強(qiáng)視覺沖擊力的視頻生成，迅速打開公眾認(rèn)知，推動(dòng)AI視頻進(jìn)入大眾文化與社交傳播場景。Google的Veo，則延續(xù)其在多模態(tài)與生成模型上的研究優(yōu)勢，強(qiáng)調(diào)模型在長時(shí)序理解與復(fù)雜場景中的表達(dá)能力，更多體現(xiàn)為技術(shù)能力的前沿探索。

國內(nèi)，更多公司從平臺(tái)生態(tài)出發(fā)：有的將視頻生成能力與內(nèi)容分發(fā)、創(chuàng)作者體系和推薦機(jī)制相結(jié)合，試圖把AI視頻納入既有的創(chuàng)作—傳播閉環(huán)；有的將生成能力賦能給視頻生產(chǎn)全流程，提升內(nèi)容供給效率。

這些路徑各有側(cè)重：有的優(yōu)先解決“能不能生成、生成得好不好看”，有的更關(guān)注“怎么玩、怎么傳播”。還有另一條逐漸顯現(xiàn)的路線，則是將視頻生成視為一種生產(chǎn)力能力。

而路徑之間的差別，本質(zhì)上是基于各家對(duì)好用還是好玩、B端還是C端的認(rèn)知差異。

在C端場景中，AI視頻更多承擔(dān)的是娛樂與表達(dá)功能，“好玩”“新鮮”“個(gè)性化”往往優(yōu)先于穩(wěn)定性，用戶對(duì)偶發(fā)的不一致與失控具有更高容忍度；而在廣告、電商、短劇等B端場景中，創(chuàng)作者與企業(yè)真正關(guān)心的，是鏡頭、人物與風(fēng)格能否長期保持一致，內(nèi)容是否可控、可復(fù)用，并能夠在高頻、高并發(fā)的生產(chǎn)節(jié)奏中穩(wěn)定輸出。

這也是當(dāng)前市場中一個(gè)容易被忽視的分野：許多視頻模型已經(jīng)能夠滿足C端的嘗鮮與創(chuàng)作需求，卻難以支撐B端對(duì)確定性與規(guī)模化的要求；而如果無法進(jìn)入B端生產(chǎn)流程，AI視頻能力就很難真正轉(zhuǎn)化為生產(chǎn)力提升。

阿里選擇了一條更難，但也更能給整個(gè)行業(yè)帶來價(jià)值的路——將AI視頻生成做成行業(yè)級(jí)的基礎(chǔ)設(shè)施。12月17日，在阿里云飛天發(fā)布時(shí)刻上正式商業(yè)化發(fā)布通義萬相2.6（Wan2.6）。作為阿里在視頻生成領(lǐng)域的核心模型，萬相試圖回應(yīng)內(nèi)容行業(yè)從能生成走向可生產(chǎn)、從嘗鮮使用邁向規(guī)模化落地的趨勢變化。

通義實(shí)驗(yàn)室產(chǎn)品負(fù)責(zé)人金璐瑤從多個(gè)維度向我們拆解了創(chuàng)作者在實(shí)際生產(chǎn)中最為關(guān)切的多鏡頭敘事、視頻參考生成與更穩(wěn)定的長時(shí)序輸出等能力，以及這些需求如何反向塑造模型能力的演進(jìn)方向。

要讓AI視頻真正進(jìn)入生產(chǎn)流程，首要前提是具備多鏡頭敘事能力。

在真實(shí)的視頻創(chuàng)作中，單個(gè)畫面的質(zhì)量從來不是最難的問題，真正的挑戰(zhàn)在于跨鏡頭的連續(xù)性——角色是否穩(wěn)定、場景是否連貫、時(shí)間與敘事是否成立。早期的視頻生成模型更擅長生成孤立的高質(zhì)量片段，一旦進(jìn)入多機(jī)位、多景別的創(chuàng)作場景，人物細(xì)節(jié)漂移、動(dòng)作邏輯斷裂、信息不一致等問題便會(huì)集中顯現(xiàn)，這也是AI視頻長期停留在概念演示或單鏡頭素材階段的重要原因。

在Wan2.6中，多鏡頭能力被提升為模型層面的核心能力。相比“逐段生成、事后拼接”的路徑，通義萬相更強(qiáng)調(diào)在生成過程中對(duì)時(shí)間軸與鏡頭語言的整體建模：模型需要在一開始就明確“主體是誰”“空間如何變化”“敘事如何推進(jìn)”，鏡頭切換才可能成為一個(gè)可控變量。為此，萬相在訓(xùn)練與推理階段持續(xù)強(qiáng)化主體一致性與時(shí)序建模，并支持自然語言分鏡指令，讓創(chuàng)作者能夠通過提示詞直接完成多鏡頭敘事調(diào)度。

這讓視頻生成具備了接近工業(yè)化生產(chǎn)所需的連續(xù)性基礎(chǔ)。

通義萬相生成

金璐瑤告訴我們，另一個(gè)重要的真實(shí)需求是，創(chuàng)作者往往希望保留真實(shí)人物或物體的外觀、動(dòng)作，甚至聲音，同時(shí)將其放入新的虛擬場景中。過去，這類需求高度依賴拍攝、建模與復(fù)雜后期，成本和技術(shù)門檻都極高。

Wan2.6將參考的對(duì)象從圖片升級(jí)為視頻，并進(jìn)一步打通了形象、動(dòng)作與聲音的整體建模能力。模型支持輸入約5秒的參考視頻，將其中的人物、動(dòng)物或物體作為后續(xù)生成的主體，不僅復(fù)刻外觀形象，還能同步學(xué)習(xí)動(dòng)作模式、表情變化與音色特征，實(shí)現(xiàn)聲畫一致的生成結(jié)果。

相比單一圖片參考，視頻參考能夠提供更完整的三維信息與時(shí)間信息，使模型對(duì)主體的理解更加接近真實(shí)世界。這一能力在實(shí)際場景中尤為關(guān)鍵，無論是品牌用一段粗糙素材生成完整廣告片，還是創(chuàng)作者將真人與虛擬環(huán)境融合，視頻參考生成都顯著降低了制作門檻，也拓展了AI視頻在商業(yè)場景中的可用邊界。

通義萬相生成

通義萬相生成

“在視頻生成中，時(shí)長始終是一項(xiàng)需要謹(jǐn)慎權(quán)衡的變量。”金璐瑤補(bǔ)充。

過短的視頻難以承載完整表達(dá)，而一旦時(shí)長拉長，模型在一致性、時(shí)序穩(wěn)定性上的難度會(huì)迅速上升。行業(yè)中，大多數(shù)視頻模型仍將穩(wěn)定生成時(shí)長控制在4秒左右，再多一秒，技術(shù)挑戰(zhàn)往往呈指數(shù)級(jí)增長。

Wan2.6將可控生成時(shí)長穩(wěn)定在約15秒，并支持1080P輸出與聲畫同步。對(duì)廣告、電商展示、短劇分鏡等商業(yè)場景而言，15秒既能承載完整敘事，又不會(huì)顯著放大修改與控制成本，是一段“剛好可用”的內(nèi)容長度。

這次Wan2.6的發(fā)布中，文生圖能力也迎來了同步升級(jí)。模型在基礎(chǔ)生成之外，引入了對(duì)敘事結(jié)構(gòu)的理解，支持圖文混排輸入，從簡單提示中自動(dòng)拆解故事并生成分鏡畫面，大幅提升故事型內(nèi)容的創(chuàng)作效率。結(jié)合多圖參考與商業(yè)級(jí)一致性控制，文生圖開始從“靈感草圖”走向可直接用于廣告與內(nèi)容制作的生產(chǎn)工具。

在滿足創(chuàng)作者最基本的生產(chǎn)需求之外，通義萬相還試圖進(jìn)一步向前邁一步——繼續(xù)探索如何通過模型能力的持續(xù)演進(jìn)，拓展創(chuàng)作的邊界，讓AI在表達(dá)、美學(xué)與敘事層面承擔(dān)更具主動(dòng)性的角色。

通義萬相生成

“中式美學(xué)是萬相一直在堅(jiān)持的理念。”金璐瑤告訴我們。在中文語境與中式美學(xué)上的持續(xù)投入，是萬相區(qū)別于許多海外模型的重要特征。通過與美院等機(jī)構(gòu)的合作，以及在預(yù)訓(xùn)練與評(píng)測階段引入大量中式審美素材，模型在人物氣質(zhì)、風(fēng)格表達(dá)與文化細(xì)節(jié)上的表現(xiàn)更貼近本土創(chuàng)作需求。這種優(yōu)化并非一次性完成，而是通過評(píng)測體系、客戶反饋與強(qiáng)化學(xué)習(xí)不斷迭代。

通義萬相生成

真實(shí)需求不斷抬高對(duì)技術(shù)能力的要求，而技術(shù)細(xì)節(jié)的持續(xù)突破，又反過來釋放出新的生產(chǎn)效率，通義萬相正是在這樣的反饋循環(huán)中演進(jìn)。正如通義實(shí)驗(yàn)室產(chǎn)品負(fù)責(zé)人金璐瑤所說：“我們一直堅(jiān)持一件事情，就是效果好大于一切。”

03. 當(dāng)效率提升，當(dāng)周期縮減，當(dāng)人員不再冗余

不用太久，一年，甚至只是半年之前，視頻與影視制作相關(guān)行業(yè)的從業(yè)者，大多還難以想象自己的工作效率可以被成倍提升。

效率提升，是內(nèi)容生產(chǎn)方式重構(gòu)的直接結(jié)果。在傳統(tǒng)制作體系中，創(chuàng)意、執(zhí)行與后期被拆分為多個(gè)線性環(huán)節(jié)，每一步都需要由特定崗位承接。在高度分工的模式下，流程只能順序推進(jìn)，往往需要前一環(huán)節(jié)完全落實(shí)后才能進(jìn)入下一步，既拉長了整體制作周期，也造成了大量重復(fù)與冗余的人力投入。

而當(dāng)AI視頻生成開始介入創(chuàng)作前端，許多原本需要跨崗位協(xié)作才能完成的工作，被壓縮進(jìn)同一個(gè)創(chuàng)作界面之中。編劇、導(dǎo)演、剪輯、美工……過去傳統(tǒng)崗位的邊界，在慢慢變得模糊。腳本可以直接轉(zhuǎn)化為分鏡，分鏡可以快速生成可視化素材，剪輯與美術(shù)調(diào)整也不再依賴漫長的后期流程。崗位之間的交接成本被顯著降低，創(chuàng)作者開始更多地圍繞最終效果進(jìn)行整體判斷，而不是各自守在固定工序上。

通義萬相生成

這進(jìn)一步帶來的變化是，當(dāng)內(nèi)容生產(chǎn)從線性流程，轉(zhuǎn)向以模型為核心的并行與即時(shí)生成，效率提升并不會(huì)平均分布在所有人身上。最先發(fā)生變化的，往往是那些本身就承受著高頻產(chǎn)出壓力、對(duì)成本和周期高度敏感的場景。

這類場景的共同是：一方面要保證持續(xù)、規(guī)模化生產(chǎn)內(nèi)容；另一方面其創(chuàng)意需要被快速驗(yàn)證、反復(fù)迭代。因此，AI視頻帶來的效率提升，往往最先影響短劇、漫劇、電商內(nèi)容、出海創(chuàng)作工具等領(lǐng)域。

通義萬相生成

以廣告和電商為例，過去一次完整的創(chuàng)意驗(yàn)證，往往需要經(jīng)歷腳本、分鏡、拍攝、后期等多個(gè)環(huán)節(jié)；而在引入視頻生成能力后，創(chuàng)作者可以更早地把想法轉(zhuǎn)化為可視化內(nèi)容，用于內(nèi)部討論、客戶提案或A/B測試。AI參與到創(chuàng)意形成的前端階段，顯著壓縮了從想法到內(nèi)容的距離。

而當(dāng)穩(wěn)定、可規(guī)模化的視頻生成能力向外開放，新的工具平臺(tái)、創(chuàng)作社區(qū)與內(nèi)容服務(wù)開始生長，創(chuàng)作者能夠置身于一個(gè)不斷自我擴(kuò)展的AI創(chuàng)作生態(tài)之中。而這一點(diǎn)，恰恰是許多視頻生成能力提供商尚未充分意識(shí)到的。

在AI漫劇與短劇領(lǐng)域，巨日祿是目前最具代表性的實(shí)踐者之一。巨日祿是一家面向動(dòng)漫制作方的AI短劇/漫劇工具平臺(tái)，已被大量內(nèi)容方用于漫劇創(chuàng)作并在主流平臺(tái)落地應(yīng)用。

通過場景化調(diào)用通義萬相模型，巨日祿將圖片與視頻生成能力嵌入創(chuàng)作工具鏈，大幅降低了AI在內(nèi)容生產(chǎn)中的使用門檻。

在巨日祿創(chuàng)始人杰夫看來，通義萬相2.6在主體一致性、指令遵循、運(yùn)鏡與人物表現(xiàn)上的穩(wěn)定性，“讓我們可以全天候、規(guī)模化使用”。巨日祿agent也已從創(chuàng)新實(shí)驗(yàn)轉(zhuǎn)變?yōu)榭芍苯油懂a(chǎn)的爆款劇創(chuàng)作智能體，效率再提成5-8倍。

成立于2016年的樂我無限，是一家以出海為核心方向的社交與內(nèi)容產(chǎn)品公司，近年來將業(yè)務(wù)延伸至AI視頻與創(chuàng)作工具領(lǐng)域，面向海外市場推出了多款視頻創(chuàng)作工具。

其中，萬相模型的多模態(tài)生成能力讓旗下創(chuàng)作平臺(tái)Ima Studio (www.imastudio.com)能夠支持海外創(chuàng)作者快速生成高質(zhì)量、風(fēng)格多樣的AI視頻內(nèi)容，顯著提升了社區(qū)內(nèi)容密度與創(chuàng)作質(zhì)量。這一能力也幫助樂我在冷啟動(dòng)階段吸引了海外KOL、藝術(shù)家等核心創(chuàng)作者，并通過硅谷線下Workshop、高校合作等方式，逐步構(gòu)建起“技術(shù)—內(nèi)容—社區(qū)”的正向循環(huán)。

樂我無限與巨日祿的實(shí)踐表明，以通義萬相為代表的穩(wěn)定型AI視頻基礎(chǔ)設(shè)施，正在顯著降低小團(tuán)隊(duì)乃至個(gè)體創(chuàng)作者的創(chuàng)作門檻。原本依賴多崗位協(xié)作完成的工作，被逐步內(nèi)化為模型能力，使創(chuàng)作者能夠在有限人力條件下，仍然維持穩(wěn)定的敘事質(zhì)量，并持續(xù)輸出成體系的內(nèi)容。

只有當(dāng)?shù)讓有Ч銐蚩煽浚珹I視頻生成才能從“好玩”走向“好用”，并在此之上，為更大的創(chuàng)作自由與產(chǎn)業(yè)創(chuàng)新留出空間。

04. 人人都能當(dāng)導(dǎo)演的時(shí)代

從好玩走向好用，真正的分水嶺，在于它是否能夠進(jìn)入穩(wěn)定、可重復(fù)的生產(chǎn)流程。

企業(yè)和創(chuàng)作者更關(guān)心的是：生成結(jié)果是否可控、是否穩(wěn)定、是否能減少反復(fù)抽卡和人工返工的成本。相比速度或單次驚艷效果，穩(wěn)定性才是進(jìn)入生產(chǎn)流程的前提。

從創(chuàng)作者視角看，他們同時(shí)還需要更完整的服務(wù)體系。依托阿里云的大模型服務(wù)與應(yīng)用開發(fā)平臺(tái)百煉，萬相并不是一個(gè)孤立的生成工具，而是可以被嵌入到企業(yè)既有的內(nèi)容生產(chǎn)與業(yè)務(wù)流程中。

這些能力能夠在真實(shí)場景中保持穩(wěn)定可用，與阿里云長期作為產(chǎn)業(yè)級(jí)基礎(chǔ)設(shè)施所積累的工程能力密切相關(guān)。作為全球領(lǐng)先的全棧人工智能服務(wù)商，阿里云在算力供給、數(shù)據(jù)治理、模型服務(wù)以及大規(guī)模并發(fā)調(diào)度等方面積累了成熟體系，使視頻生成模型得以在真實(shí)生產(chǎn)環(huán)境中持續(xù)運(yùn)行，而不只是停留在實(shí)驗(yàn)室或小規(guī)模演示階段。

從更長的時(shí)間尺度看，阿里對(duì)人工智能的系統(tǒng)性投入可以追溯到十多年前。早在2010年代初，阿里就開始圍繞搜索、推薦、語音與計(jì)算機(jī)視覺等方向布局AI能力；2016年起，阿里巴巴內(nèi)部陸續(xù)成立人工智能實(shí)驗(yàn)室在機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言處理、多模態(tài)等方向持續(xù)投入。正是在這樣的技術(shù)積累之上，阿里云逐步構(gòu)建起從模型訓(xùn)練、部署到服務(wù)化調(diào)用的完整鏈路。

長期專注、搭配產(chǎn)業(yè)服務(wù)、穩(wěn)定基礎(chǔ)設(shè)施的組合，使得以通義萬相為代表的模型和服務(wù)能夠沿著既定技術(shù)路線持續(xù)演進(jìn)，在穩(wěn)定性、可控性與規(guī)模化能力上不斷逼近真實(shí)生產(chǎn)需求，不斷提升創(chuàng)作者的生產(chǎn)力效率。

過去，鏡頭語言、敘事節(jié)奏、美術(shù)風(fēng)格與制作經(jīng)驗(yàn)，高度集中在少數(shù)專業(yè)團(tuán)隊(duì)之中；而當(dāng)這些能力被逐步編碼進(jìn)模型，創(chuàng)作者所需要掌握的，正在從具體技法轉(zhuǎn)向判斷、創(chuàng)意與取舍本身。這意味著，任何有創(chuàng)意的人，都可以通過AI視頻生成的技術(shù)和服務(wù)，實(shí)現(xiàn)自己的內(nèi)容創(chuàng)作，不再由“是否會(huì)用專業(yè)工具”決定。

這種變化的意義，類似于從專業(yè)級(jí)影像軟件走向大眾化創(chuàng)作工具的歷史拐點(diǎn)——正如數(shù)碼相機(jī)取代膠片、智能手機(jī)取代專業(yè)相機(jī)、模板化剪輯取代復(fù)雜后期一樣，AI視頻生成正在把一整套專業(yè)制作能力，壓縮為可被普通人調(diào)用的基礎(chǔ)設(shè)施。

在降低門檻的同時(shí)，創(chuàng)作這件事本身也將具備更大的規(guī)模與更長的生命力。

或許，視頻生成的終點(diǎn)并不是替代創(chuàng)作者，而是讓創(chuàng)作者把精力更多投入到真正有價(jià)值的部分——?jiǎng)?chuàng)意、敘事與判斷本身。