出品/全天候科技

作者/劉寶丹

AI競賽焦點已經(jīng)開始轉(zhuǎn)向多模態(tài)，字節(jié)和快手在AI視頻賽道的競爭也日趨激烈。

近日，快手正式發(fā)布可靈2.0視頻生成模型及可圖2.0圖像生成模型，將視頻及圖像創(chuàng)作的精準(zhǔn)度帶上一個新高度。同期，字節(jié)Seed團(tuán)隊正式發(fā)布Seedream 3.0 技術(shù)報告，據(jù)第三方榜單Artificial Analysis，Seedream 3.0綜合性能已追平文生圖SOTA模型GPT-4o，進(jìn)入全球第一梯隊。

作為短視頻平臺，字節(jié)和快手被認(rèn)為是AI多模態(tài)領(lǐng)域的有力競爭者。經(jīng)過一年多的技術(shù)追趕，雙方在AI視頻生成領(lǐng)域都取得了不錯的進(jìn)展。

根據(jù)AI產(chǎn)品榜3月數(shù)據(jù)，在全球AI產(chǎn)品增速榜（僅APP）上，即夢AI 以173.57%的月活增速位居第5，是增速最快的AI視頻應(yīng)用，其月活規(guī)模約2037萬，而可靈AI的增速僅為36.44%，排名第14。根據(jù)快手公布的數(shù)據(jù)，截至目前，可靈AI全球用戶規(guī)模突破2200萬。

不過，AI視頻生成領(lǐng)域尚未涌現(xiàn)類似DeepSeek在大型語言模型（LLM）領(lǐng)域的標(biāo)桿性產(chǎn)品。一位業(yè)內(nèi)人士對華爾街見聞表示，當(dāng)前，AI視頻生成賽道仍處于“技術(shù)突破期”，這也意味著，字節(jié)和快手的競爭仍處于早期階段。

過去十年，快手和抖音相繼崛起，共同開創(chuàng)了中國的短視頻時代。如今，AI時代加速到來，這一次，快手和字節(jié)誰的勝算更大一點？

追趕

AI視頻生成領(lǐng)域還處于產(chǎn)品應(yīng)用爆發(fā)前的階段，業(yè)內(nèi)玩家都在試圖通過持續(xù)的技術(shù)迭代，來實現(xiàn)產(chǎn)品的不斷破圈。

進(jìn)入2025年，快手和字節(jié)都開始推出重大技術(shù)迭代成果。

4月15日，快手正式發(fā)布可靈AI 2.0視頻生成模型及可圖2.0圖像生成模型�？伸`AI 2.0的最大亮點在于以技術(shù)革新重新定義AI視頻生成標(biāo)準(zhǔn)：從“能生成”到“精準(zhǔn)生成”，從“工具輔助”到“創(chuàng)意伙伴”。

發(fā)布會上，快手發(fā)布了AI視頻生成的全新交互理念Multi-modal Visual Language（MVL），MVL由TXT（Pure Text，語義骨架）和MMW（Multi-modal-document as a Word，多模態(tài)描述子）組成，能從視頻生成設(shè)定的基礎(chǔ)方向以及精細(xì)控制這兩個層面，精準(zhǔn)實現(xiàn)AI創(chuàng)作者們的創(chuàng)意表達(dá)。

基于MVL，快手發(fā)布了全新的可靈AI 2.0大師版，它全面升級視頻及圖像創(chuàng)作可控生成與編輯能力，上線全新的多模態(tài)視頻編輯功能，支持二次編輯和處理。

當(dāng)前，圖生視頻約占到可靈AI視頻創(chuàng)作量的85%，快手發(fā)布的可圖2.0擁有多項核心優(yōu)勢，比如，強(qiáng)大的復(fù)雜語義理解能力、電影級的畫面質(zhì)感等�？焓指笨偛�、可靈AI負(fù)責(zé)人張迪介紹，可圖2.0文生圖能力迎來全面升級，模型出圖創(chuàng)意和想象力實現(xiàn)大幅躍升。

在快手召開發(fā)布會的次日，字節(jié)旋即披露了其文生圖模型Seedream 3.0的技術(shù)白皮書。

4月16日，字節(jié)發(fā)布 Seedream 3.0 技術(shù)報告，距離字節(jié)公布Seedream 2.0技術(shù)報告僅過去一個月有余。Seedream 3.0的最大亮點包括原生2K直出，而且時間僅用3 秒，大幅提升創(chuàng)作效率。Seedream 3.0 目前已在即夢AI等平臺全量開放。

華爾街見聞獲悉，Seedream 3.0 的研發(fā)始于2024年末，通過調(diào)研設(shè)計師等群體的實際需求，Seedream 團(tuán)隊將圖文匹配、美感等行業(yè)共識性指標(biāo)納入攻堅方向，同時，也將挑戰(zhàn)2K 高清直出、快速圖片生成等業(yè)界難題作為核心目標(biāo)。

無論是可靈AI的二次編輯功能，還是即夢AI的原生2K畫質(zhì)，都是通往產(chǎn)業(yè)級應(yīng)用的必經(jīng)之路。事實上，也只有達(dá)到產(chǎn)業(yè)級應(yīng)用狀態(tài)，AI視頻生成的價值也才有望體現(xiàn)。

如此緊追不舍的競爭態(tài)勢背后，快手和字節(jié)過去一年持續(xù)對AI視頻生成賽道進(jìn)行布局。

2024年初，Open AI通過Sora正式入局視頻生成領(lǐng)域，引發(fā)全世界關(guān)注。彼時，快手在攻克文生視頻的關(guān)鍵技術(shù)，4個月后，快手就發(fā)布了視頻生成大模型可靈，成為國內(nèi)首個對標(biāo)Sora的產(chǎn)品。

字節(jié)2023年才開始在內(nèi)部會議上討論GPT，但追趕速度較快，去年底，字節(jié)的視頻生成模型和產(chǎn)品正式推向了市場。

去年9月，字節(jié)一舉發(fā)布了豆包視頻生成-PixelDance、豆包視頻生成-Seaweed兩款大模型，正式宣告進(jìn)軍AI視頻生成。11月，原抖音集團(tuán)CEO張楠轉(zhuǎn)戰(zhàn)剪映近一年后正式亮相，即夢AI推出了“一句話P圖”等能力，大幅提升了圖片中文字生成的準(zhǔn)確率。

即夢AI在字節(jié)內(nèi)部的重要性顯著提升。華爾街見聞獲悉，即夢AI所代表的視覺化產(chǎn)品被看好，字節(jié)試圖將即夢打造成AI時代的“抖音”。2月，原零一萬物 PopAI 產(chǎn)品負(fù)責(zé)人曹大鵬加入即夢AI，負(fù)責(zé)移動端產(chǎn)品。他此前用一年時間將PopAI做到了千萬用戶，且投資回報率（ROI）接近收支平衡點，是一名得力干將。

如今，快手和字節(jié)再次交戰(zhàn)，他們都在試圖將模型技術(shù)帶入生產(chǎn)級賽道。

押注

對于AI視頻生成賽道，字節(jié)和快手無疑是國內(nèi)反應(yīng)最快速的科技公司。

原因也很容易理解，他們都依靠短視頻起家，天然更懂視頻創(chuàng)作。更重要的是，字節(jié)和快手都有FOMO（Fear of Missing Out）心理。當(dāng)年，快手和字節(jié)因為降低了普通人制作視頻的門檻，從而構(gòu)建了視頻生態(tài)，如今，AI會進(jìn)一步降低視頻生成門檻，更具顛覆性。

本質(zhì)上，字節(jié)和快手想要在AI時代復(fù)制出一個新的“抖音”和“快手”，從而成功跨過新一輪AI技術(shù)周期。

就當(dāng)下而言，字節(jié)和快手對AI視頻賽道的策略各有側(cè)重。

對快手來說，AI是破解公司增長曲線難題的最大抓手。除了C端訂閱用戶，可靈AI也面向B端商家提供API接入等服務(wù)，可靈AI已與包括小米、亞馬遜云科技等企業(yè)建立了合作關(guān)系。蓋坤披露，來自世界各地的超1.5萬開發(fā)者，已將可靈AI的API應(yīng)用于不同的行業(yè)場景中。

3月25日，快手科技創(chuàng)始人兼首席執(zhí)行官程一笑在電話會上透露，自商業(yè)化以來截至2025年2月底，可靈AI的累計營業(yè)收入超1億元人民幣。他表示，快手將會在ROI可控的前提下，不斷擴(kuò)大可靈AI的用戶宣傳和品牌影響力。“我們有信心在2025年實現(xiàn)可靈AI營收規(guī)模的跨越式增長�！�

對字節(jié)來說，即夢AI是整個AI戰(zhàn)略的核心版圖，也是公司通往AGI所必須攻克的難題。

年初，字節(jié)豆包大模型團(tuán)隊已在內(nèi)部組建AGI長期研究團(tuán)隊，代號“Seed Edge”，鼓勵項目成員探索更長周期、不確定的和大膽的AGI研究課題，Seed Edge的目標(biāo)是探索AGI的新方法，鼓勵跨模態(tài)、跨團(tuán)隊合作。

去年底，張楠曾表示，抖音，是一個“真實世界”的相機(jī)，借助GenAI技術(shù)，即夢希望成為想象力世界的相機(jī)，記錄每個人的奇思妙想，幫助每個有想法的人輕松表達(dá)、自由創(chuàng)作。

隨著快手發(fā)布全新2.0模型，業(yè)內(nèi)都在期待字節(jié)的下一步動作，尤其是豆包視頻生成模型1.5版何時會推出，雙方之間的技術(shù)追趕還是持續(xù)進(jìn)行。

不過，對于AI視頻生成賽道的前景，目前仍處于探索階段。

百億私募和諧匯TMT軟件組凌晨對華爾街見聞表示，產(chǎn)業(yè)界對Sora為代表的AI視頻生成產(chǎn)品分歧點主要在于，如果把Sora當(dāng)成AIGC的視頻生產(chǎn)工具，它的價值量不會特別大，可能就顛覆一下創(chuàng)意軟件這些工具，如果Sora是一個通用的視頻武器的話，它的想象力很大，比如，跟機(jī)器人進(jìn)行結(jié)合。

近日，生數(shù)科技產(chǎn)品副總裁、Vidu產(chǎn)品負(fù)責(zé)人廖謙表示，當(dāng)多模態(tài)可以做到實時可控、可交互的時候，它可以是完全個性化的，屆時一定會誕生出帶來新體驗的內(nèi)容平臺，這個技術(shù)將應(yīng)用在社交、游戲、VR、AR等多個領(lǐng)域，會對所有的行業(yè)帶來非常深遠(yuǎn)的影響。

整體來看，相較于大語言模型，AI視頻生成賽道面臨的挑戰(zhàn)會更大，無論是Scaling law還是算力需求消耗，乃至商業(yè)模式的探索，復(fù)雜程度都在上升。

這注定是一個難度更高的賽道，字節(jié)和快手雖然具備視頻平臺基因，但要想跑到最后，還需要持續(xù)創(chuàng)新，才有可能在Veo2 、Runway、Pika等一眾全球競爭對手中占有一席之地。