AI-generated Video領域的競爭日趨激烈，隨著技術的進步和應用場景的拓展，這一領域正成為AI技術落地的熱點。從國內外的快手、字節、智譜AI到谷歌、Luma、Runway等公司，都在積極探索AI視頻生成的新模式和新應用。然而，盡管技術可用性提高，風格化特征豐富，AI視頻工具在融入工作流方面仍存在不足。

AI文生視頻領域，幾乎只剩Sora還是個期貨了。

最近兩個月，國內外的AI-generated Video應用持續爆發，中國的快手、字節、智譜AI、生數科技、愛詩科技，海外的谷歌、Luma、Runway，格局如八仙過海。

雖然不同平臺水平差異依舊存在，但整體可用性已經大大提高，而且風格化特征也比較全面。唯一的缺憾是，在融入工作流方面，AI視頻工具們的水平還是差了一點。Sora畫的餅，要交給這些后來者去圓了。

01 放棄期貨，文生視頻應用爆發

業界民間都把視頻視為AI應用落地的重點領域。英偉達CEO黃仁勛在7月30日的全球頂級計算機圖形學會議SIGGRAPH 2024上邀請了Meta的CEO扎克伯格進行對話，雙方都認可視頻能力會是AI大模型的進化方向。

出身于英偉達研究小組的Luma AI首席科學家宋佳銘，在與a16z合伙人Anjney Midha對談時說，視頻關聯著3D世界，從學習角度看，視頻數據使模型更好地理解和推理3D世界。所以，實時高質量的視頻生成，最終會推動具身AI的發展。

視頻就是這樣一座“橋”，而現在大量的AI公司正在試圖搶先通過它，尤其是OpenAI讓Sora變成了外界用不到的期貨，給了其他平臺進一步發展的空間。

超長戰線背后是這些公司的試探。一部分是關于商業模式，另一部分是關于技術應用前景。

可靈、即夢、Vidu等都推出了會員訂閱模式，在C端進行應用普及化嘗試。愛詩科技創始人王長虎此前在接受財新采訪時表示：“愛詩目前的策略以2C（面向消費者）為主，廣泛收集國內外用戶反饋，以更好地基于用戶體驗迭代底層模型?！敝劣诟h的應用，現在來談則為時尚早，主要是因為C端的收費模式無法承擔成本。

Luma AI采取了To C的產品形態，不過它原本專注于3D領域，進入視頻生成領域是為了探索3D生成與重建的更多可能性，以視頻驅動3D發展。這在產業領域有更多的應用前景，例如批量制造電影需要的三維素材等。

最重要的是，Luma AI的期望不是售賣技術或者素材，而是建立類似TikTok這樣的平臺，也就是一個基于3D的生態系統。王長虎也在和極客公園創始人張鵬對話時表示，愛詩科技也瞄準的是“AIGC時代的平臺性機會”，但平臺的形態暫時無法預測，因為AI產業不會以復制現在已有的平臺的方式成長。

不僅如此，目前讓AI-generated Video進入完整工作流的應用已經在成形。開源視頻編輯工具Clapper最近熱度上升，它的特色就是集合各類AI技術，用prompt的方式調動AI Agent生成和迭代故事，直接跳過了手工編輯文件的過程。

由此可見，AI-generated Video的進化速度遠比我們想象得要快。目前，行業的重點無疑在于生成速度和生成效率兩個方面。但是，大模型并不提供完全確定的商業模式方向，這更多取決于團隊的選擇。而在這個過程中，除了商業化之外，AI公司還要思考怎么避免陷入合規困境、成本困境。所以，把文生視頻變得成熟并不容易，現在僅僅相當于ChatGPT剛剛問世的階段。

02 AI-generated Video的“硬傷”和突破口

a16z之前就發表過觀點，巨頭在從科研成果到商業產品的轉化中需要更關注法律安全、版權等問題，所以往往效率會慢。我們不去考慮Sora是不是因為這個原因始終不露面，單看行業都要面對的相關問題，邏輯其實是一樣的。

1. 商業化的“落差”，目前的AI-generated Video很難滿足甲方們的需求

彭博社曾報道，OpenAI一直試圖向好萊塢推薦Sora，但并不成功。用Sora制作的第一則商業化廣告是6月公開的玩具反斗城廣告。然而，這則視頻不但用了一些舊素材，公開新聞稿也沒有說完全由AI生成。

導演Nik Kleverov還在一條已經刪除的動態里表示，制作這些鏡頭的創意機構Native Foreign提供了大約十幾個工作人員參與工作，Sora支持了80%到85%的流程。這對需要高效低成本的AI-generated Video來說算不上什么好消息。

2. 訓練成本、高質量數據集難以滿足

視頻的本質可以視為一系列圖像，圖像有很多公開的數據集，但是視頻沒有。OpenAI遇到過違規使用YouTube視頻進行訓練的指控，英偉達最近被媒體曝光從Netflix和YouTube收集了大量數據，用來訓練自己的Cosmos項目，用于支持其AI產品往現實世界發展。它每天可以下載相當于80年的視頻內容。

這體現了兩個關鍵點：一是黃仁勛和Luma的觀點類似，AI視頻的發展確實對AI進入3D世界意義重大，英偉達也是這樣做的：文本——圖像——視頻——三維模型——現實世界。二是視頻數據集是個大問題，除了版權問題，這些視頻數據還缺乏標簽，斯坦福大學教授Stefano Ermon說，現階段缺乏篩選和過濾好視頻的方法，而且篩選后還要考慮它們的標簽和描述。

3.AI資產泡沫的問題，AI必須為用戶解決重要復雜的問題才能有價值，但現在它的發展成效，遠遠不能和互聯網等技術當年初生時的情況相比

Benchmark合伙人Michael Eisenberg在最近的一期訪談中，引用了其好友Atreides Management創始人Gavin Baker關于大模型發展的觀點：“基礎模型是歷史上貶值最快的資產?！?/p>

他所舉的例子來自Seeking Alpha的創始人，類似金融領域這種每分鐘都會進行業務和數據更新的高頻領域，訓練出來的模型只能完成寫報告之類的常規工作，但無法應對數據的高速刷新，滿足金融預測未來的需求。

而且，其他技術的發展是確定性的，互聯網發展早期雖然泡沫巨大，但已經體現了應用路徑；而AI渾身都是不確定性。互聯網發展的邊際成本幾乎約等于0（或者說其中不少都分擔給了運營商和用戶），然而AI成長的邊際成本涉及大量固定資產，現在都由創業者自己承擔，而且越投入邊際改善效應越弱。大量的早期投入，很可能是一個陷阱。

技術革命之后必須伴隨產業革命，產業革命則需要現象級產品的引領。AI更需要的是一個成功的場景。目前看來，AI-generated Video還沒有拿到這類成果的起色。

Perplexity的創始人Arin對此提供了另外一個觀點，那就是基礎模型的價值本質映射著背后團隊的價值，即Sora之于OpenAI，文心大模型之于百度。不是Sora能革了視頻的命，只是外界相信由OpenAI領導的Sora具備這樣的可能性而已。當Sora沒能提供符合我們預期的突破時，誰能在這個領域擔起大任呢？

由此出發，關鍵或許在于誰能先把AI-generated Video真正融入到某一個商業系統的工作流中去，就像Clapper對視頻制作的探索一樣。而這就是一個更大的問題了，因為它涉及到和其他領域的融合——氣象、城市、影視、汽車、制造業。也許Sora會在今年的某天拿出一個更具體的成果，也許是其他的創業公司顛覆了我們對AI視頻的認知。