AI 視頻生成的未來在中國

棄子Sora，倒在生態(tài)壁壘前。

作者丨梁丙鑒

編輯丨董子博

當?shù)貢r間3月24日，OpenAI宣布關閉視頻生成應用Sora。這一決定被視為OpenAI在沖刺IPO前的戰(zhàn)略調(diào)整，旨在將重心聚焦于企業(yè)級產(chǎn)品。

OpenAI CEO Sam Altman 在內(nèi)部信中宣布：“Sora 視頻平臺將全面停運。不只是那個消費端 app，開發(fā)者 API、ChatGPT 里的視頻生成功能，統(tǒng)統(tǒng)砍掉。干凈利落，不留余地。”此時距離OpenAI高調(diào)推出Sora獨立App僅僅過去了6個月。

應用層越發(fā)激化的競爭，正催促著曾經(jīng)的明星產(chǎn)品們向前或墜落。紅極一時的Sora迎來落幕，只是開始。

01

Sora的光榮和野心

Sora從來不是一款失敗的產(chǎn)品。作為OpenAI首個視頻生成模型，它在2024年2月發(fā)布后所引起的轟動，讓人們將其稱為AI視頻生成的“GPT時刻”。

Sora的多模態(tài)能力支持用戶通過文本、圖像、視頻的多樣化輸入生成高保真、電影質(zhì)感的視頻。不僅在生成時長上達到60秒，遠超當時競品普遍的5秒水平，而且Sora還具備初步的物理世界常識和時間邏輯。此前AI視頻常因畫面失真、邏輯混亂、低保持度等問題導致“一眼假”，但Sora卻能通過光線的時間變化、動作穩(wěn)定的因果鏈條，表現(xiàn)出它對場景和角色關系的理解。震動從學界傳播到影視行業(yè)。

不僅如此，卓越的性能已經(jīng)讓學界無法將Sora單純地視為視頻生成模型，而是開始探討這一品類作為“世界模擬器”的潛在意義。一位AI視頻行業(yè)的觀察者告訴AI科技評論：“Sora現(xiàn)在一騎絕塵，整個畫面的真實度、清晰度它一定是最高的，整個畫面的想象力以及物理表達也是最好的。有一個概念是世界模擬器，如果你能夠跟真實世界達到同樣的水準，大家就會覺得你的東西是更強的，這就是區(qū)別。”

Sora最核心的技術突破在于采用了DiT架構，將擴散模型與Transformer結合。這一創(chuàng)新使其能夠同時處理視頻的空間維度和時間維度，生成具有高度時許連貫性的長視頻。同時Sora采用Patch化的數(shù)據(jù)表示，即仿照Token的思路，將視頻和圖像數(shù)據(jù)分解至被稱為Patch的較小數(shù)據(jù)單元。由此Sora在不同時長、分辨率的視覺數(shù)據(jù)上實現(xiàn)了統(tǒng)一訓練，極大提高了訓練效率。

可以說，這是視頻生成模型最重要的范式創(chuàng)新之一。Sora之后，DiT架構逐漸成為行業(yè)主流路線，被Runway Gen-3、Luma Dream Machine、快手可靈、阿里萬相等國內(nèi)外廠商采用。

作為自家第二款開啟“GPT時刻”的產(chǎn)品，OpenAI對Sora寄予厚望。過去兩年Sora的戰(zhàn)略定位幾經(jīng)改變，但不變的是重要性逐步提升，愿景越來越宏大。

24年12月，Sora完成初步的產(chǎn)品化探索，向ChatGPT的Plus/Pro訂閱用戶開放，此時的Sora還只是ChatGPT里的一項集成功能。次年9月，OpenAI以獨立產(chǎn)品的形態(tài)發(fā)布了Sora 2 App，值得注意的是其Cameo（真人出鏡）功能。用戶只需上傳一段自拍視頻，再加上諸如“我在沙發(fā)上擼狗”的提示詞，就能生成本人出鏡的AI視頻。加之Sora 2內(nèi)置TikTok式的視頻流，技術迭代、社交裂變的多重屬性疊加，Sora顯然承載了OpenAI對做一款AI時代的TikTok的野心。25年10月，Sora又開放了官方API，支持商業(yè)集成，劍指新一代視頻開發(fā)者平臺生態(tài)。

25年12月，OpenAI和迪士尼更是公布了一項震動好萊塢的合作。后者將以10億美元入股OpenAI，并授權超過 200個旗下角色用于Sora視頻生成平臺，包括米老鼠、白雪公主、鋼鐵俠、達斯·維達等。至此，Sora已經(jīng)從一款工具型產(chǎn)品，在短短兩年內(nèi)成長為包含IP生態(tài)、社交分發(fā)和開發(fā)者平臺的基礎設施。

然而彼時很難想到，Sora的隕落就發(fā)生在短短四個月后。

02

視頻模型之爭進入深水區(qū)

Sora在發(fā)布后立刻引起了全球科技巨頭和初創(chuàng)公司的激烈追趕，中國的AI視頻生成賽道也迅速崛起，到今天已經(jīng)成為一片互聯(lián)網(wǎng)大廠、初創(chuàng)公司等多方混戰(zhàn)的紅海。

動作最快的字節(jié)于2024年3月開啟了視頻生成模型的內(nèi)測，兩個月后即夢全量上線。同年8月獨立APP"即夢AI"正式上線，其定位為"一站式AIGC內(nèi)容專業(yè)創(chuàng)作平臺"，支持AI圖片創(chuàng)作、視頻創(chuàng)作等功能。依托抖音和剪映的流量加持，截至2025年3月數(shù)據(jù)，其月活用戶數(shù)已達893萬。

快手在24年6月發(fā)布了對標Sora的可靈大模型，根據(jù)大模型整合應用平臺Poe的統(tǒng)計，截至2025年5月，可靈系列大模型在視頻生成模型賽道已經(jīng)占據(jù)了30％以上份額。該系列側重工作室、廣告公司等ToB場景，優(yōu)先追求滲透專業(yè)用戶，雖然在用戶規(guī)模上落后于即夢，但商業(yè)化進展喜人，據(jù)悉截至2025年3月，其ARR已突破1億美元。

阿里和騰訊也緊隨其后。前者的首款視頻生成模型通義萬象發(fā)布于24年9月，25年底已迭代至2.6版本，是國內(nèi)首個上線了參考生視頻功能的視頻模型。后者則在24年12月開源了HunyuanVideo，該模型擁有130億參數(shù)，可直接輸出1080P、24fps的5秒短片，是當時最大的視頻開源模型。

大廠之外，創(chuàng)業(yè)公司也紛紛下場，其中不乏視頻賽道原生的AI獨角獸。

其中有代表性的如MiniMax，基于自研的視頻生成模型Abab-video-1，該公司于2024年8月發(fā)布了海螺AI。其差異化在于二次元動漫視頻生成能力，MiniMax同年12月發(fā)布的圖生視頻模型I2V-01-Live專門針對二次元效果進行了優(yōu)化，去年3月還收購了AI視頻創(chuàng)業(yè)公司鹿影科技，后者的二次元動漫AI視頻生成平臺YoYo支持用戶通過文字或圖片輸入快速生辰高質(zhì)量動漫內(nèi)容，此次收購同樣是MiniMax針對自身在這一細分賽道的強化。

生數(shù)科技的Vidu發(fā)布于24年4月，是中國首個全面對標Sora的視頻模型。Vidu的原創(chuàng)U-ViT架構同樣采用了將Diffusion與Transformer架構融合的思路，但其在2022年9月提出，比OpenAI的DiT早三個月。“參考生視頻”技術也是由生數(shù)科技全球首創(chuàng)，其在25年1月發(fā)布的Vidu Q1率先實現(xiàn)了這一功能，以解決多主體連續(xù)一致性難題。

此外，智譜在24年7月發(fā)布了基于自研模型CogVideoX的清影，可生成2K分辨率6秒流暢視頻，商湯科技旗下則有面向C端的人物視頻生成模型Vimi。

這些還只是24年視頻模型和視頻生成產(chǎn)品密集發(fā)布的一角，這一賽道在一年內(nèi)有超過10余家公司推出了自研產(chǎn)品，并快速迭代。然而這番熱鬧景象背后，殘酷的事實是模型同質(zhì)化的問題正日益凸顯。

技術指標上的接近讓各家在1080P分辨率、多鏡頭切換、物理一致性等基礎能力上難以拉開差距，倒逼模型廠商在技術和產(chǎn)品路線上加速分化。商業(yè)化的考驗同樣緊迫，開源模型不斷沖擊著模型廠商的定價權，視頻模型之爭進入了深水區(qū)，如何在應用端釋放出模型能力更大的價值，成為了這一階段競爭的核心議題。

03

模型參數(shù)打不穿的生態(tài)壁壘

視頻生成任務的背后，有著龐大的內(nèi)容生態(tài)。當競爭從模型層轉向應用落地，生態(tài)壁壘的作用也隨即開始顯現(xiàn)。

這一點在國內(nèi)的視頻模型競爭中已經(jīng)顯露跡象。模型性能無法取得代差時，掌握了場景的大廠們可以用流量和生態(tài)反哺自家模型。字節(jié)旗下有抖音、剪影和紅果短劇，快手依托主站，也在試圖構建從生成到分發(fā)的閉環(huán)。對于阿里而言，這份驅(qū)動力則來自電商和營銷的需求。

回到全球的視頻模型之爭，中國對AI視頻應用的諸多實踐，已經(jīng)構建了難以突破的生態(tài)壁壘。

典型的例子是游戲行業(yè)。在開發(fā)側，騰訊發(fā)布了混元游戲視覺生成平臺，號稱首個工業(yè)級AIGC游戲內(nèi)容生產(chǎn)引擎，能精準還原"厚涂"、"賽璐璐"、"賽博朋克"等專業(yè)術語，此外還有名為"VISVISE"的游戲創(chuàng)作AI全鏈路解決方案，包括Auto LUV和裙擺AI等開發(fā)工具。

在玩法側，視頻模型的高自由度也提供了更多UGC玩法。網(wǎng)易的《逆水寒》上線了AI劇組模式，通過文字指令或真人視頻，可生成以玩家角色為主角的二創(chuàng)視頻。《倩女幽魂》《永劫無間》的捏臉功能，也得益于伏羲實驗室的虛擬人、智能捏臉等技術。

漫劇也是視頻模型落地的熱門場景。AI漫劇的市場規(guī)模已近千億，而受益于算力成本，它也有了相較短劇而言更可控的成本結構。前沿技術變得更可負擔，讓漫劇行業(yè)走上了一條短、平、快的量大管飽路線。一位AI漫劇創(chuàng)業(yè)者表示：“AI漫劇這個行業(yè)非常卷，一家公司如果直接和紅果簽約，可能得按一個月提供100部漫劇的條件簽，其實就是量產(chǎn)。”對于視頻模型而言，這是海量的應用空間。

出海市場同樣廣闊。據(jù)華爾街日報報道，截至2026年1月，昆侖萬維旗下的DramaWave短劇平臺月活已破8000萬，年化收入近5億元。該平臺主要面向海外用戶，提供1-5分鐘的短劇內(nèi)容，和同屬昆侖萬維旗下的AI短劇創(chuàng)作平臺SkyReels形成了AI創(chuàng)作結合智能分發(fā)的生態(tài)閉環(huán)。值得一提的是，視頻生成模型SkyReels-V4首創(chuàng)了九宮格參考技術，專門用于解決AI短劇角色一致性的難題。

此外還有影視工業(yè)和文旅提供的大量需求，每一個場景都為AI視頻生成提供了全新的落地空間和商業(yè)模式上的更多可能。在新的技術范式出現(xiàn)之前，任務調(diào)用會成為模型迭代和商業(yè)上可持續(xù)的源動力，而成熟的產(chǎn)業(yè)鏈和廣闊的市場無疑會為此創(chuàng)造源源不斷的需求。

反觀Sora，內(nèi)容生態(tài)的缺失讓模型能力獨木難支。Sora 2的發(fā)布讓其網(wǎng)站訪問量在25年10月達到6619萬峰值，但今年2月就已經(jīng)回落至2117萬，跌幅68%。

訪問量少帶來的最直接問題是商業(yè)變現(xiàn)難，2025年Sora月收入36.7萬美元，而Kling AI的同期數(shù)據(jù)是2000萬美元。這背后真正承壓的是算力成本。一位AI視頻創(chuàng)業(yè)者表示：“以前搞互聯(lián)網(wǎng)，服務器花不了太多錢，但AI創(chuàng)業(yè)最大的區(qū)別是視頻生成要一直花錢。”

算力的邊際成本不會趨于零，Sora的任務一直都是找到那些付費意愿高的場景。但是內(nèi)容生態(tài)的欠賬讓Sora的預期收入難以打正，技術范式的突破也遲遲無望，對于有意沖擊IPO的OpenAI來說，Sora已經(jīng)成為了一個持續(xù)燒錢的負擔，食之無味，棄之沒那么可惜。今天的關停，并不令人意外。

中國的產(chǎn)業(yè)鏈優(yōu)勢讓國產(chǎn)模型在AI視頻生成賽道占據(jù)一席之地，這不僅是一場勝利，而是整個AI行業(yè)范式轉變的開端。今天一款更強的模型已經(jīng)無法成為廠商之間的勝負手，能夠?qū)崿F(xiàn)智能向生產(chǎn)力的流暢轉化，才是留在牌桌上的條件。Sora因此關停，未來也會有更多明星產(chǎn)品因此墜落。

然而關停并不是結束，原Sora團隊后續(xù)將轉向機器人技術的長期世界模型，Sora的技術會成為具身模型的一部分。Sam Altman曾透露，相關研究進展將快于多數(shù)人預期。在落地已經(jīng)成為機器人核心命題的今天，競爭的烈度不會消失，只是轉移。

未經(jīng)「AI科技評論」授權，嚴禁以任何方式在網(wǎng)頁、論壇、社區(qū)進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。