文 | 娛樂資本論 James
在今年春節(jié)期間DeepSeek帶來的狂飆突進(jìn)之后，全世界都在尋找下一個(gè)DeepSeek。
2月底，阿里通義萬相Wanx 2.1模型開源，僅6天后就反超DeepSeek-R1，登頂模型熱榜、模型空間榜兩大榜單。此后，騰訊混元、階躍星辰、昆侖萬維等新的開源視頻生成大模型陸續(xù)有來。
“下一個(gè)DeepSeek”，會(huì)誕生在AI視頻這個(gè)領(lǐng)域嗎？
不僅是專業(yè)AI視頻創(chuàng)作者，也包括傳統(tǒng)影視工業(yè)，短劇產(chǎn)業(yè)鏈，以及網(wǎng)文平臺(tái)等IP所有者，都對(duì)此高度關(guān)注。
所謂“下一個(gè)DeepSeek”可以簡(jiǎn)單理解為“模型效果位于第一梯隊(duì)+開源”。最核心的問題在于，一個(gè)足夠優(yōu)秀的開源視頻大模型，會(huì)不會(huì)讓現(xiàn)在的視頻生成頭部平臺(tái)大幅度讓利，讓視頻生成變成“白菜價(jià)”？
而果真如此，之后又會(huì)有什么連鎖反應(yīng)？
開源兇猛
事情首先要從X（推特）上面突然多出來的一大堆AI美女視頻說起。
阿里巴巴于2月25日宣布開源通義萬相2.1視頻生成模型，不僅鞏固了中國(guó)在全球AI開源領(lǐng)域的領(lǐng)先地位，更是引爆了技術(shù)愛好者的激情。
據(jù)介紹，該模型支持文生視頻、圖生視頻任務(wù)，通過低顯存需求降低技術(shù)門檻，并支持無限長(zhǎng)1080P視頻編解碼，14B版本在權(quán)威評(píng)測(cè)Vbench中超越Sora、Luma等海外知名模型。
但是更重要的是，Wanx 2.1模型不僅在開源許可方式上極為寬松，模型本身也有很多能力是之前的開源，乃至很多閉源模型難以做到的。
它是“全球首個(gè)支持中文文字特效生成”的視頻模型，能深度理解“中國(guó)風(fēng)”指令（如生成水墨暈染的“福”字視頻）。它可以精準(zhǔn)模擬物理規(guī)律（如雨滴濺落的動(dòng)態(tài)效果）。
而經(jīng)過X的網(wǎng)友實(shí)測(cè)，它對(duì)于一些特定指令，在模型層并沒有屏蔽太多的關(guān)鍵詞，所以生成的內(nèi)容也更為開放和多元，驅(qū)動(dòng)了大量的“自來水”傳播。
萬相2.1開源后6天內(nèi)即登頂Hugging Face趨勢(shì)榜，也就是DeepSeek在爆火出圈之前已經(jīng)在的那個(gè)榜單。它與此后開源的文本大模型QWQ-32B先后霸榜，阿里也被一些開發(fā)者稱為“源神”。
開源鯰魚攪動(dòng)市場(chǎng)，國(guó)內(nèi)其它一些重要的開源視頻大模型也在這幾個(gè)月內(nèi)密集發(fā)布：
騰訊混元HunyuanVideo-I2V 已開源推理代碼和權(quán)重，有130億參數(shù)，支持5秒短視頻生成，新增對(duì)口型、舞蹈動(dòng)作驅(qū)動(dòng)功能，支持中英文生成，宣稱在文本一致性、運(yùn)動(dòng)質(zhì)量等維度表現(xiàn)領(lǐng)先。
階躍星辰 Step-Video-T2V 開源模型支持復(fù)雜場(chǎng)景生成，實(shí)測(cè)中在人物動(dòng)作和物理規(guī)律方面，如芭蕾舞動(dòng)作的生成等表現(xiàn)較優(yōu)。
昆侖萬維 SkyReels-V1 面向AI短劇創(chuàng)作，基于13B參數(shù)微調(diào)好萊塢影視數(shù)據(jù)，支持T2V和I2V，生成電影級(jí)光影和表情動(dòng)作，開源一周內(nèi)Hugging Face下載量超2.4萬次。其短劇應(yīng)用DramaWave和FreeReels全球下載量達(dá)2309萬次，內(nèi)購收入流水超780萬美元，如果其中實(shí)現(xiàn)實(shí)拍和AI短劇混合推送，那么盈利空間確實(shí)不小。
相應(yīng)地，閉源的視頻大模型也不甘落后。1月底，生數(shù)科技公布Vidu 2.0 版本，生成速度最快不到10秒，單秒視頻成本僅需"4 分錢"；官網(wǎng)同時(shí)推出錯(cuò)峰模式（低峰時(shí)段不限量生成，且不扣積分）。
生數(shù)近日動(dòng)作頻頻，先是老總唐家渝挖來原字節(jié)火山引擎AI解決方案負(fù)責(zé)人駱怡航加盟，并出任新的CEO；然后又入住聯(lián)想小天，走向PC預(yù)裝的拉新之路，還跟兩位好萊塢導(dǎo)演組建的一個(gè)新動(dòng)畫工作室聯(lián)手，打算合拍一些AI動(dòng)畫大片。
字節(jié)除了主打即夢(mèng)品牌之外，去年底開始也在大力地推的“豆包”客戶端試水視頻生成入口，并在今年春節(jié)前后全量上線。豆包的視頻生成功能免費(fèi)，但每天限制10次；跟即夢(mèng)相比，在清晰度和能力上也有一些限制。
價(jià)格戰(zhàn)前夜？
DeepSeek通過技術(shù)優(yōu)化，將原本高高在上的推理模型全面普及，且成本大為壓縮，API定價(jià)僅為OpenAI同類模型的3%。
這迫使國(guó)內(nèi)外閉源大模型廠商緊急調(diào)整。OpenAI緊急將GPT-4.5、深度研究等功能從200美元一個(gè)月的最高檔會(huì)員下放，o1也釋放了思維鏈供用戶參考。百度原本收費(fèi)50元一個(gè)月的文心一言會(huì)員4月1日起全面免費(fèi)。阿里通義、騰訊混元大模型API價(jià)格下調(diào)至每百萬tokens 0.1元區(qū)間。
目前，作為國(guó)內(nèi)視頻生成領(lǐng)域兩大“扛把子”，可靈和即夢(mèng)這兩個(gè)平臺(tái)的會(huì)員定價(jià)非常堅(jiān)挺，分別是66元/月和69元/月。雖然包年略便宜，有時(shí)也會(huì)有折扣，但總體上單次生成的費(fèi)用在約0.6元/秒。
由于缺乏局部修改功能，創(chuàng)作者需依賴隨機(jī)生成后“抽卡”完成內(nèi)容制作，單個(gè)鏡頭動(dòng)不動(dòng)就要反復(fù)生成幾十次。
由傳統(tǒng)廣告公司轉(zhuǎn)型AI短劇的夫子AI團(tuán)隊(duì)介紹，他們開通了可靈和即夢(mèng)的包年會(huì)員，兩家年費(fèi)合計(jì)5594元（平均每月約466元）。他們制作的AI短劇《我在陰間送外賣》，單個(gè)鏡頭需「抽卡」30次以上，每次花費(fèi)約3.5元，單鏡頭成本超100元，整部短劇制作成本約5000元，最終播放量超90萬，盡管沒有直接收入，但也吸引了商業(yè)客戶詢單。
由廣告人轉(zhuǎn)型AI科幻短片的希希叔叔，選擇制作非系列化的單集短片如《失敗者宇宙》，降低對(duì)畫面一致性的高要求。他每月花費(fèi)約200元開通可靈+即夢(mèng)會(huì)員，單部短片成本控制在2000元以內(nèi)。作為個(gè)人創(chuàng)作者，他通過會(huì)員積分和「閑時(shí)折扣」壓縮成本，一部短片的制作周期約7天。
由UI設(shè)計(jì)師轉(zhuǎn)型AI短劇的丹尼，主要依賴本職工資支撐創(chuàng)作。他制作的《白骨精前傳》抽卡花費(fèi)約5000-6000元，平均每月投入超1000元。丹尼嘗試過海外服務(wù)，但Runway的價(jià)格是可靈的10倍（約1美元/5秒視頻），因此堅(jiān)持使用國(guó)內(nèi)平臺(tái)。
對(duì)比海外定價(jià)，國(guó)外平臺(tái)費(fèi)用平均約為國(guó)內(nèi)5-6倍（就像是國(guó)內(nèi)1元=國(guó)外1美元）。至于谷歌最新發(fā)布的Veo 2視頻生成模型，每秒0.5美元的定價(jià)更為離譜，4秒鐘就15塊錢了。
參照DeepSeek引發(fā)的“按厘計(jì)價(jià)”風(fēng)潮，一個(gè)足夠普及的視頻生成大模型，有望逼迫頭部閉源模型的API價(jià)格下降到原本的1/10；企業(yè)服務(wù)則可能從萬元級(jí)的項(xiàng)目制，轉(zhuǎn)向百元級(jí)的訂閱制就能滿足，“大模型施工隊(duì)”二次失業(yè)在即。
若開源視頻大模型復(fù)刻DeepSeek路徑，當(dāng)前可靈、即夢(mèng)等，乃至Sora、Veo等海外模型的商業(yè)模式就都有可能面臨巨大的挑戰(zhàn)。
視頻的特殊性和普遍性
萬相2.1雖好，但還真的沒到DeepSeek那種連友商都要接入的程度，所以暫時(shí)價(jià)格戰(zhàn)還沒有打起來。實(shí)際上，現(xiàn)在市面上任何一個(gè)AI視頻大模型，其效果都還沒到能完全頂替真人實(shí)拍的程度，其中“油性”或者說“AI味兒”還是相當(dāng)重的，就更不用說亂碼和鬼畫符的幻覺問題了。
即使有商業(yè)化的心思，人們也不敢貿(mào)然給AI短片配上跟人工短片一樣的價(jià)格。湖南臺(tái)風(fēng)芒App播出的《興安嶺詭事》的制作成本60萬，全集解鎖只需要5.9元，跟真人微短劇顯然不在一個(gè)檔次。該劇最終播放量鎖定在5000萬次的量級(jí)。
有人樂觀地將萬相2.1比作DeepSeek的V3或者V2時(shí)刻，期待著一個(gè)視頻版“R1”會(huì)駕著七彩祥云從天而降，帶來業(yè)界期盼已久的沖擊。
不過，實(shí)際情況可能無法如此簡(jiǎn)單類比。
目前國(guó)內(nèi)AI視頻創(chuàng)作者主要使用的平臺(tái)，實(shí)際上各有特色?？伸`的核心優(yōu)勢(shì)在于真實(shí)的人類動(dòng)作與高清晰度?？煽诳蓸窂V告團(tuán)隊(duì)認(rèn)為可靈生成的人類動(dòng)作更自然，且畫面清晰度領(lǐng)先于其他工具（如Leonardo、Runway）。
在娛樂資本論此前的報(bào)道中，創(chuàng)作者董嘉琦提到可靈對(duì)文本的語義理解能力更強(qiáng)，模型迭代快，能快速響應(yīng)復(fù)雜需求；擅長(zhǎng)生成符合東方審美的場(chǎng)景和人物，適合廣告、短劇等需要真實(shí)感和高完成度的場(chǎng)景。
創(chuàng)作者朱旭評(píng)價(jià)，即夢(mèng)對(duì)物理世界的運(yùn)動(dòng)邏輯（如物體碰撞、光影變化）模擬更精準(zhǔn)，適合現(xiàn)實(shí)類短片、紀(jì)錄片風(fēng)格內(nèi)容。即夢(mèng)也較早推出首尾幀控制功能。
生數(shù)Vidu在動(dòng)漫風(fēng)格化、多主體參考功能上表現(xiàn)突出（如生成多角色互動(dòng)鏡頭）。正如它在《毒液：最后一舞》的水墨宣傳片體現(xiàn)的，生成的鏡頭運(yùn)鏡更具創(chuàng)意，適合抽象或藝術(shù)化表達(dá)。因此它受到二次元?jiǎng)赢?、藝術(shù)實(shí)驗(yàn)短片作者的歡迎。
Runway、Luma等國(guó)外工具則常被用于歐美風(fēng)格的創(chuàng)作。
所以，專業(yè)視頻團(tuán)隊(duì)的工作流很難完全脫離對(duì)定價(jià)很貴的“兩巨頭”的慣性使用，正如在作圖領(lǐng)域有豆包的替代，但MidJourney或Recraft的特定風(fēng)格依然有一定依賴性一樣。
現(xiàn)在開源視頻模型的發(fā)展還不到DeepSeek那個(gè)程度，但視頻生成領(lǐng)域的一場(chǎng)價(jià)格戰(zhàn)，可能已經(jīng)箭在弦上。
同屬閉源模型的生數(shù)科技Vidu，在推出2.0版以后也上線全新的收費(fèi)套餐，直接將每秒單價(jià)成本降至最低4分錢。以各家720P每秒單價(jià)計(jì)算，Vidu 2.0為 0.258元/秒，是行業(yè)平均價(jià)格的不到一半；而且官網(wǎng)“錯(cuò)峰模式”在半夜抽卡，甚至是全免費(fèi)。
去年底，生數(shù)科技投融資負(fù)責(zé)人樊家睿對(duì)娛樂資本論表示，今年Vidu預(yù)計(jì)在生成速度、多元一致性和多模態(tài)真正融合方面會(huì)有重大突破。“生成速度方面，Vidu將進(jìn)一步“逼近極限”。把速度提上來，意味著把性價(jià)比提上來，AI視頻生成會(huì)更普及、更高效?！?/p>
全網(wǎng)都在考慮“你們大模型全開源了，那到底咋掙錢啊”的問題。不過就算沒有開源震撼彈，閉源廠商一樣會(huì)卷價(jià)格，因?yàn)橐曨l大模型背后沒有秘密。
正如Manus聯(lián)合創(chuàng)始人張濤此前所言，光鮮亮麗的Sora背后也是“大算力出奇跡”的常規(guī)路線，是算力、算法、數(shù)據(jù)堆疊而成的結(jié)果。各家閉源廠商用常規(guī)的步伐，已經(jīng)可以快速走量，壓低價(jià)格。
年初震撼業(yè)界的Sora最后是“起個(gè)大早，趕個(gè)晚集”。在國(guó)內(nèi)視頻生成模型的軍備競(jìng)賽中，效果迅速到達(dá)世界領(lǐng)先水平，得到了全球客戶的認(rèn)可。去年圣誕節(jié)可口可樂的廣告使用了可靈作為主力工具。
根據(jù)AI產(chǎn)品榜統(tǒng)計(jì)的2月份應(yīng)用（不含網(wǎng)站端，下同）數(shù)據(jù)，可靈海外版在全球認(rèn)知更高，占到出?？偘竦牡?2位，海外版的月活環(huán)比增幅也達(dá)到90.55%。相比之下，曾經(jīng)的當(dāng)紅炸子雞Luma月活下降了31%，是2月份統(tǒng)計(jì)中降速最大的應(yīng)用。
現(xiàn)在的問題顯然是，這個(gè)賽道里的參與者還不夠多。
API和本地部署問題
影響定價(jià)的另一個(gè)變量是，如果云計(jì)算平臺(tái)放開了部署一些視頻大模型的API，或者用戶在自己的電腦上裝稍微小一點(diǎn)的模型，使得普通視頻的制作成本降低，會(huì)不會(huì)牽動(dòng)頭部模型降價(jià)？
DeepSeek官網(wǎng)和官方API在春節(jié)期間被突然涌入的流量沖擊到癱瘓，但所謂“一鯨落，萬物生”，云計(jì)算提供商早一天部署R1，用量早一天暴漲。
微軟、騰訊、百度均一反常態(tài)，第一時(shí)間在云服務(wù)和C端產(chǎn)品兩方面接入DeepSeek。硅基流動(dòng)的日均調(diào)用量突破千億token，較半年前增長(zhǎng)十倍，從名不見經(jīng)傳的小型云一下變得路人皆知。
現(xiàn)在來看視頻生成模型方面。近期比較出名的開源模型，都已經(jīng)在HuggingFace和魔搭等地開放使用。如果廠商有自己的云，也會(huì)第一時(shí)間上線部署。
作為不自帶云的小廠，階躍的模型和Vidu等類似，都是優(yōu)先服務(wù)于自家官網(wǎng)平臺(tái)，目前首要任務(wù)還是獲得更多人的接觸和使用。
不過，所有這些服務(wù)都沒有出現(xiàn)那種“國(guó)運(yùn)級(jí)別”的用量暴漲。
當(dāng)然，中小型云服務(wù)商很樂意接入盡可能全面的開源模型，以便將用戶鎖定在自己的服務(wù)內(nèi)。去年11月，硅基流動(dòng)上線了由Lightricks開源的視頻生成模型LTX-Video，這是一個(gè)基于DiT架構(gòu)的2B參數(shù)模型，能夠在832*480分辨率下生成24 FPS的視頻。
但另一個(gè)現(xiàn)實(shí)問題是，對(duì)視頻生成模型API的調(diào)用，目前還缺乏一個(gè)普遍的方案。Chatbox、Cherry Studio等網(wǎng)頁UI或客戶端，都只覆蓋了文字對(duì)話或者文生圖界面，對(duì)視頻生成的界面、參數(shù)等尚未統(tǒng)一。
而且，從文本、圖片到視頻，其token的消耗和浪費(fèi)程度是倍數(shù)上升，相對(duì)的用戶用量也逐級(jí)下降。
視頻還有一個(gè)額外問題，只要預(yù)覽每次“抽卡”成果，都可能帶來很大的服務(wù)器負(fù)擔(dān)。娛樂資本論之前探討為什么國(guó)內(nèi)視頻網(wǎng)站的畫面都是“糊的”，曾經(jīng)提到了平臺(tái)出于服務(wù)器成本壓力，不得不降低碼率，用銳化等方法蒙混過關(guān)的苦衷。
云服務(wù)商自己也需要做一些性能調(diào)優(yōu)，例如硅基流動(dòng)的OneDiff加速庫，據(jù)說可以使Stable Diffusion出圖效率提升3倍。不過如何將類似經(jīng)驗(yàn)遷移到視頻上，真正做到給普通用戶省錢，形成對(duì)商用模型的競(jìng)爭(zhēng)態(tài)勢(shì)，現(xiàn)在還沒個(gè)譜。
至于本地部署——在自己的電腦放一個(gè)模型，當(dāng)然是免費(fèi)不限量的，但之前的問題是要么笨，要么慢。
DeepSeek-V3和R1有大量社區(qū)用戶結(jié)合llama、qwen進(jìn)行蒸餾，使其有機(jī)會(huì)運(yùn)行在PC、Mac甚至手機(jī)上面。這是兩年多以來，用戶終于可以斷網(wǎng)運(yùn)行一個(gè)基本可用的模型，本地大模型不再是“樣子貨”。
但是在圖片和視頻生成方面，還沒有迎來這樣的時(shí)刻，目前本地小模型依然處于用起來很困難的狀態(tài)。用戶可以在本地部署Stable Diffusion已經(jīng)有很長(zhǎng)時(shí)間了，但Midjourney一直也沒有因此而降價(jià)。
通義萬相2.1小型的1.3B版本可在消費(fèi)級(jí)顯卡（如RTX4090）運(yùn)行，生成480P視頻僅需4分鐘——但沒有人向你保證本機(jī)生成480P視頻可以解決畫質(zhì)、一致性、細(xì)節(jié)和幻覺問題。
總之，視頻和圖片一樣，如果一次生成不可局部修改，必須“抽卡”的局面不改變，那么現(xiàn)有模型僅憑畫風(fēng)及連續(xù)性上的細(xì)微區(qū)別，就會(huì)一直維持各自的江湖地位。
AI視頻創(chuàng)作徹底下沉
根據(jù)AI產(chǎn)品榜2月份應(yīng)用數(shù)據(jù)，國(guó)內(nèi)總榜中即夢(mèng)排行第9，月活環(huán)比增加106%；Minimax的海螺第19（不過這是分拆改名之前的數(shù)據(jù)），環(huán)比月活也增加10%，同時(shí)海螺以日均使用時(shí)長(zhǎng)6.63分鐘排在國(guó)內(nèi)時(shí)長(zhǎng)榜的第2位；可靈獨(dú)立客戶端第23，月活環(huán)比增加113%。
這意味著過去一個(gè)月，一些頭部視頻生成大模型的C端使用都有了大幅度增長(zhǎng)。App的增速上升，無疑也意味著視頻制作的下沉，因?yàn)閷I(yè)創(chuàng)作者更喜歡用Web端來生成。
隨著豆包和元寶這兩個(gè)通用AI客戶端都加入了視頻創(chuàng)作功能，更多下沉用戶認(rèn)知到AI視頻，并且在日常生活中嘗試，只是時(shí)間問題。
在娛樂資本論 ·視智未來的《對(duì)話AI創(chuàng)業(yè)者》節(jié)目中，閃剪智能的創(chuàng)始人嚴(yán)華培提到，由于算法優(yōu)化和技術(shù)更新，數(shù)字人的制作定價(jià)從最初的一個(gè)8000元，降至去年8月時(shí)的300多元。通過訂閱制，會(huì)員可以付費(fèi)后多次修改數(shù)字人形象。
但如果是以大模型路線，而不是傳統(tǒng)數(shù)字人路線來做，那么數(shù)字人可能就會(huì)低至幾塊錢甚至免費(fèi)了，它可能會(huì)從大廠和媒體，降到網(wǎng)店老板之后，進(jìn)一步下沉到菜市場(chǎng)的攤主。
回想DeepSeek發(fā)布之后，似乎有很多人的“任督二脈”突然被打通。它觸達(dá)了以前可能從未接觸過、也從未想象過的圈層。
父母輩使用DeepSeek詢問子女的婚姻解法，年輕人則為自己算命、購買開運(yùn)寶石，或是通過聯(lián)網(wǎng)搜索充當(dāng)購物導(dǎo)購。也有越來越多AI網(wǎng)文充斥各大平臺(tái)，使人類作者和編輯感到痛苦。
在抖音快手等將拍短視頻的自由下放給所有人之后，視頻大模型的快速普及將是“技術(shù)民主化”的又一次飛躍。
事實(shí)證明，一項(xiàng)技術(shù)不是要等到發(fā)展成熟了才向下推廣。當(dāng)前的視頻生成還存在清晰度、幻覺等嚴(yán)重的問題，但這可能并不是海量普通人在使用時(shí)會(huì)考慮的問題。
近期一些典型的“AI造謠”案件，不論是地震中小孩子的假圖片，還是娛樂資本論曾經(jīng)揭露的“江西幫”炮制所謂“西安爆炸”假新聞，無一例外，并沒有嘗試做得特別逼真，只是用了最簡(jiǎn)單的，甚至是兩三年前的過期AI技術(shù)。
當(dāng)"抽卡自由"徹底釋放人類的表達(dá)欲，視頻內(nèi)容將會(huì)匯入文本和圖片的洪流，它們?cè)缫迅鶤I難解難分。我們和我們的后代所處的世界，將被生成式內(nèi)容共同塑造和改變。