文｜科技新知 櫻木
編輯丨賽柯
“甚至我覺得也吊打了Sora，我認(rèn)為這個(gè)產(chǎn)品今天，在我能使用的范疇內(nèi)就是全世界第一的?！辩R頭前，獵豹移動(dòng)董事長(zhǎng)傅盛，難掩興奮的表情。而他口中，能吊打國(guó)內(nèi)外各個(gè)文生視頻模型的產(chǎn)品，就是快手可靈視頻生成大模型。
6月6日，快手發(fā)布AI視頻模型，而就在發(fā)布當(dāng)天，就有諸多如傅盛一樣的業(yè)內(nèi)人士，獲得邀請(qǐng)碼進(jìn)行了第一波測(cè)試。從業(yè)內(nèi)的反饋以及可靈生成的視頻樣本來看，快手可靈似乎與Sora已然非常相近，在第一版五秒中的視頻中，業(yè)內(nèi)反饋無論技術(shù)路線，和訓(xùn)練數(shù)據(jù)質(zhì)量都較為突出。而更為令業(yè)內(nèi)興奮的是，快手可靈似乎做到了如Sora一般極度真實(shí)的還原物理規(guī)律，無論是運(yùn)動(dòng)的合理性，還是其他物理特性，甚至概念組合能力和想象力都表現(xiàn)得較為優(yōu)秀。
但也有業(yè)內(nèi)人士指出，Sora是今年2月公布的，其訓(xùn)練有可能在去年年底就完成了，可靈多出幾個(gè)月的訓(xùn)練時(shí)間。更進(jìn)一步來說，能調(diào)用更多的訓(xùn)練算力，是可靈的優(yōu)勢(shì)。
隨后6月21日，可靈模型再次拋出新的功能，圖生視頻以及視頻續(xù)寫等功能上線，讓產(chǎn)品功能更加豐富。
可靈的表現(xiàn)之所以從某種程度超出業(yè)內(nèi)的預(yù)期，最為關(guān)鍵的是，在其公布之前，絕大部分AIGC從業(yè)者對(duì)其一無所知，快手的通用語言大模型快意，在國(guó)內(nèi)大模型梯隊(duì)中，作為新品上線暫無耀眼表現(xiàn)，知名度也沒有投入了大量營(yíng)銷預(yù)算和研發(fā)成本的豆包、混元、文新一言、月之暗面等一眾新老勢(shì)力名氣大。
就在這種情況之下，可靈的出現(xiàn)似乎打破了行業(yè)內(nèi)的認(rèn)知，從技術(shù)性到產(chǎn)品性的轉(zhuǎn)化，也有了新的路徑。但需要清醒的是，驚艷的產(chǎn)品距離能夠廣泛應(yīng)用，以及成功的商業(yè)化，都有較大的距離，而快手能否依靠可靈完成超車，與同行拉開差距，此刻來看，還面臨著不少的風(fēng)險(xiǎn)與挑戰(zhàn)。
Part.1 劍走偏鋒的快手
“可以說的是，可靈這個(gè)事情肯定是一個(gè)非常復(fù)雜的，重資源投入，多兵種協(xié)作的復(fù)雜項(xiàng)目，肯定不是一個(gè)單一的天才的想法隨便搞出來的東西?！笨焓忠曈X生成與互動(dòng)中心負(fù)責(zé)人萬鵬飛在2024北京智源大會(huì)先后拒絕了幾個(gè)關(guān)于可靈參數(shù)、性能的問題之后，給出了一個(gè)較為實(shí)際的回答。
在國(guó)內(nèi)的AI賽道，能吸引C端目光的部分，其實(shí)相當(dāng)有限，其中的焦點(diǎn)是，百模大戰(zhàn)留下的各類語言大模型，月之暗面是個(gè)典型的代表，從默默無聞到估值達(dá)30億美金，公司只用了不到1年時(shí)間，但從產(chǎn)品上來看，除了一款有長(zhǎng)文本閱讀能力的Kimi之外，C端對(duì)其感知并不明顯。
而另一方面，資本和創(chuàng)業(yè)方似乎都非常糾結(jié)，以金沙江創(chuàng)投管理合伙人朱嘯虎為代表的現(xiàn)實(shí)主義派，始終在保持一種相對(duì)悲觀的態(tài)度。比如朱嘯虎認(rèn)為這一代大模型創(chuàng)業(yè)公司，面臨比上一代商湯等AI公司更惡劣的處境：公司之間技術(shù)沒有差異，每一代技術(shù)都要重新砸錢，且投資規(guī)模指數(shù)級(jí)上升。
根據(jù)媒體報(bào)道，在OpenAI發(fā)發(fā)布GPT-4o后，朱嘯虎在朋友圈的新判斷是，“不是深度綁定大廠的模型公司基本已經(jīng)出局”。
正是在這種復(fù)雜的環(huán)境之下，產(chǎn)品的創(chuàng)業(yè)面臨的困難就愈發(fā)之多。在商業(yè)化的要求之下，各大模型廠商先后加入了價(jià)格戰(zhàn)，而即便估值已達(dá)30億美元，Kimi也在從打賞等方式試圖完成變現(xiàn)。
資本的小心翼翼，疊加大廠的FOMO“不愿錯(cuò)過”成了當(dāng)下AI,創(chuàng)業(yè)的主基調(diào)，從這個(gè)視角來看，可靈的成功更加難能可貴。 在文生圖賽道之中，有業(yè)內(nèi)人士評(píng)論道，快手能拿出國(guó)內(nèi)第一個(gè)令人驚艷的“準(zhǔn)Sora”文生視頻大模型，與平臺(tái)深耕視頻內(nèi)容相關(guān)。但是抖音的視頻數(shù)據(jù)更多、算力更強(qiáng)、在AI方面投入更大，為什么反而沒拿出來類似量級(jí)的大模型？
而從摩根史丹利的研報(bào)中也可以看出，目前，可靈的表現(xiàn)要比抖音和騰訊過往發(fā)布的視頻生成模型都更加優(yōu)秀，從時(shí)長(zhǎng)來看，可靈可以生成長(zhǎng)達(dá)2分鐘的視頻，而抖音的即夢(mèng)目前只支持生成最長(zhǎng)3秒的視頻、騰訊的混元大模型則能生成16秒。
歸根到底，大模型本質(zhì)上還是基礎(chǔ)研發(fā)的交戰(zhàn)，必須從基礎(chǔ)研發(fā)層面下功夫。而字節(jié)跳動(dòng)的策略是以應(yīng)用端促進(jìn)研發(fā)，整個(gè)字節(jié)跳動(dòng)AIGC線條的人員非?；靵y，真正的技術(shù)牛人不多，C端應(yīng)用思維主導(dǎo)了整個(gè)AI平臺(tái)的研發(fā)，這可能不是正確方向。
而從實(shí)踐上來看，與其說可靈的產(chǎn)品是技術(shù)的領(lǐng)先，不如說快手，在這一賽道策略布局的成功。用獵豹傅盛的話來說，“可靈的成功，更加證明了，Sora并不是一項(xiàng)技術(shù)性突破，而是產(chǎn)品型圖片” 可靈的劍走偏鋒，無疑給行業(yè)帶來了全新的啟示，但能否就此判斷可靈在文生視頻賽道與國(guó)內(nèi)AI大廠差距已經(jīng)拉開似乎還需要更多實(shí)踐證據(jù)。
Part.2 能否成為下一個(gè)爆款？
盡管可靈已然做出了不少成績(jī)，但想要成為AI賽道的下一個(gè)Killing APP，可靈要走的路也許還有很多。
首先，可靈想要大規(guī)模應(yīng)用，尚需要時(shí)間。在最新的交互頁面之中，申請(qǐng)可靈的人數(shù)已達(dá)41萬+，據(jù)接近快手人士透露，可靈雖然已有超過10萬+的使用者，但目前試用范圍依舊無法完全匹配市場(chǎng)需求，即便是快手內(nèi)部的人想試用都很困難。而另一方面，當(dāng)下使用的結(jié)論，是基于內(nèi)測(cè)視頻得出，這也就意味著對(duì)于可靈的模型能力可能是高估的。
而與此同時(shí)，可靈對(duì)于行業(yè)內(nèi)也是神秘的存在，正如快手視覺生成與互動(dòng)中心負(fù)責(zé)人萬鵬飛對(duì)于各項(xiàng)參數(shù)的諱莫如深，外界對(duì)于可靈使用了多少算力、算力來自哪里，有沒有充足的推理算力可供大規(guī)模公測(cè)，也同樣好奇。
在可靈一方，不知是否為了繼續(xù)產(chǎn)品熱度，先后推出了圖片生成視頻，以及視頻續(xù)寫等功能，但測(cè)試下來，整體效果較為平淡，生成時(shí)間的不穩(wěn)定，以及差異化并不明顯的效果，也意味著這些功能尚需要進(jìn)一步優(yōu)化。
而在行業(yè)最為關(guān)心的算力上，有從業(yè)者評(píng)估，快手同時(shí)從騰訊云和阿里云租用了大批“大卡”，而快手自身也有一批約為數(shù)千張的大卡，而根據(jù)多方消息猜測(cè)，可靈的訓(xùn)練算力來源應(yīng)該是多元化的。
而在另一方面，根據(jù)多方信源估計(jì)，文生視頻大模型生成一分鐘1080P視頻至少要消耗100萬Token，推理算力需求遠(yuǎn)大于文生文，而在推理算力方面，L40采購(gòu)難度較大，快手可能面臨瓶頸，這也就意味著，快手可靈全面投入公測(cè)可能還是很遙遠(yuǎn)的事情。
在多個(gè)短視頻平臺(tái)，甚至諸多海外社交媒體，可靈幾乎已經(jīng)成了中國(guó)Sora的代名詞，海外博主一碼難求，國(guó)內(nèi)測(cè)評(píng)博主聲稱，已達(dá)到了，免費(fèi)、可用、可實(shí)操的階段，但這樣的結(jié)論，從目前來看，似乎還有不小的差距。
從某種程度來說，可靈是一款戰(zhàn)略意義遠(yuǎn)大于實(shí)際意義的產(chǎn)品，技術(shù)的領(lǐng)先無可厚非，對(duì)于行業(yè)來說也有示范作用。但在真正意義上的廣泛應(yīng)用，似乎還需要很長(zhǎng)的時(shí)間。
Part.3 老鐵們的“新希望”？
在可靈對(duì)外的宣傳之中，可靈的優(yōu)勢(shì)簡(jiǎn)單明晰，首先是真正可應(yīng)用，其次是視頻生成效果好。不僅可以能夠生成大幅度的合理運(yùn)動(dòng)，能夠模擬物理世界特性，而且，生成的視頻分辨率高達(dá)1080p，最長(zhǎng)可達(dá)2分鐘（幀率30fps），允許用戶自由調(diào)節(jié)視頻的縱橫比。
正是基于此，外界對(duì)于可靈商業(yè)化想象空間進(jìn)一步打開，有業(yè)內(nèi)人士總結(jié)，在媒體與廣告行業(yè)，可靈可以用于快速生成廣告宣傳片、新聞報(bào)道等，不僅能大幅提升生產(chǎn)效率，還可以通過數(shù)據(jù)分析優(yōu)化內(nèi)容。
同時(shí)，在教育與培訓(xùn)行業(yè)，可靈可以輔助教師制作教學(xué)視頻，甚至生成虛擬的教學(xué)場(chǎng)景，為學(xué)生提供沉浸式的學(xué)習(xí)體驗(yàn)。另一方面，娛樂與社交媒體行業(yè)，對(duì)于社交平臺(tái)和內(nèi)容創(chuàng)作者而言，可靈提供的個(gè)性化視頻生成工具將極大地豐富平臺(tái)內(nèi)容。
多家券商研究機(jī)構(gòu)，也對(duì)可靈表示樂觀，國(guó)泰君安互聯(lián)網(wǎng)傳媒研究表示，可靈大模型配套建設(shè)了高效的大規(guī)模自動(dòng)化數(shù)據(jù)解決方案，覆蓋了海量視頻挖掘、多維打標(biāo)篩選、視頻描述增強(qiáng)及數(shù)據(jù)驅(qū)動(dòng)的效果質(zhì)量評(píng)估等多個(gè)方面，在國(guó)產(chǎn)視頻生成大模型中居于前列。
但豐滿的預(yù)期，在現(xiàn)實(shí)面前，似乎還有不小的差距。 根據(jù)接近快手人士透露，當(dāng)下，可靈暫無商業(yè)化計(jì)劃，也不對(duì)外提供API。這就意味著，從投資層面來看，可靈對(duì)于快手近幾個(gè)季度的業(yè)績(jī)并無太大貢獻(xiàn)。
而從快手近期在二級(jí)市場(chǎng)的表現(xiàn)來看，也可以印證，可靈似乎對(duì)于快手的幫助不大。 在快手視覺生成與互動(dòng)中心負(fù)責(zé)人萬鵬飛演講中，在談到可靈的未來時(shí)曾提到，“視頻創(chuàng)作的門檻和效果的ROI大幅度提升，視頻創(chuàng)作者和消費(fèi)者界限逐漸模糊。
越來越多消費(fèi)者變成創(chuàng)作者，對(duì)于視頻創(chuàng)作生態(tài)的繁榮是非常有價(jià)值的。” 從此可以簡(jiǎn)單猜測(cè)，也許快手對(duì)于可靈的未來，更多的還是傾向于在自有生態(tài)中賦能更多的創(chuàng)作者，而從另一個(gè)視角來看，快手當(dāng)下面臨著不小的壓力，無論是廣告還是電商，增長(zhǎng)都在經(jīng)受住各個(gè)大廠的挑戰(zhàn)。
而可靈的出現(xiàn)，如果能如快手負(fù)責(zé)人所言，降低門檻，提升ROI，從而吸引更多的用戶從消費(fèi)者變成內(nèi)容生產(chǎn)者，無疑吸引力巨大。 總結(jié)來看，可靈似乎讓國(guó)內(nèi)從業(yè)者以及更廣泛受眾看到快手在全新領(lǐng)域的努力和希望，但從全局來看，想要短期增加營(yíng)收，也許需要更長(zhǎng)的時(shí)間。