AI视频进入「生产线」调研

年初，Seedance 2.0的亮相，算是给AI视频参与影视工业化流程这个方向点了一把火。

短剧、广告、电商这些场景，现在已经开始把AI视频往实际生产流程里塞了。说白了，AI视频模型正从“刷榜单”过渡到“干活”阶段。创作者关心的早就不只是模型参数和榜单排名了，大家更在意的是：这模型能不能稳定出片？能不能支撑连续镜头生成？最关键的是，能不能最终嵌入到一套可复用、可协作、可交付的工作流里？

字节跳动的Seedance 2.0，正是在这种背景下被推到了聚光灯下。

西安一位短剧从业者提到：“相比不少模型对提示词的精细度要求特别高，Seedance 2.0就算你给的提示词短一点、抽象一点，它也能自己内部扩写成更专业、更详细的描述。这就相当于把普通人的表达，翻译成模型能执行的镜头语言，直接降低了使用门槛。”

与此同时，快手可灵、阿里HappyHorse也在加速迭代；爱奇艺纳豆、群核科技LuxReal这些玩家，则从工作流、数字资产、3D空间和协作工具这些角度切入；生数科技、爱诗科技、MiniMax、商汤等垂直玩家也在加紧卡位。

模型、平台、工具链……各个方向的玩家都下场了，AI视频赛道俨然成了条拥挤的高速路。

一

刷分失效

从厂商层面看，竞争梯队已经拉得很开了。

互联网大厂这边，字节有Seedance（即梦），快手有可灵，阿里有HappyHorse。长视频平台爱奇艺也下了场，推出了面向短剧专业制作的AI创作平台“纳豆”。大厂之外，垂直玩家更是扎堆涌入：生数科技的Vidu、爱诗科技的PixVerse（拍我AI）、MiniMax的海螺、群核科技的LuxReal、商汤的Seko……都在拼命占位置。

过去这一年，围绕AI视频模型的榜单多到让人眼花缭乱，各种模型排名、样片对比层出不穷。这些榜单确实放大了行业热度，也让外界能更直观地看到模型之间的能力差距。

这些能力，靠一套自动化榜单很难完整衡量。

Agent刚火的时候，行业也爱用排行榜来衡量能力。但等Agent从对话演示走向真实工作流，大家才发现，很多榜单分数根本对应不上实际可用性。因为Agent真正“干活”时，面对的是多步骤、长链路的决策和执行，现有评测体系很难完整测试这种能力。

从这个角度看，Seedance 2.0之所以被关注，正是因为它已经被嵌入真实生产流了。

二

从可用走向生产

AI短剧制作公司可梦智能的内容负责人刘城提到：“无论是对视频内容的理解、对物理世界规律的把握，还是表演的自然度，Seedance 2.0都有大幅提升。”

以视频内容的理解来说，刘城认为Seedance 2.0对抽象语义的理解进步明显。“虽然最后生成的结果还有不确定性，但已经做得很不错了。比如提示词是‘让这两个人在场景中产生暧昧的互动’，AI会分析并生成两个人之间带有暧昧感的光影和色调，人物的镜头运动也会变得更缓慢——它会根据需求自动补充这些元素。”

不仅如此，他举例说，原来一些武打动作、复杂的多人交互场景，经常出现穿帮、穿模、人脸模型错位等问题，经过Seedance 2.0之后，基本都解决了。“有些视频，你根本看不出来是AI还是真人。”

重庆一位短剧从业者也表达了类似看法：“Seedance 2.0出来后，人物、口型和声音的一致性保持得比以前好，画面的油画感弱了很多，分镜设计上也更聪明了。”

据西安一位AI短剧行业人士透露，在Seedance 2.0的加持下，通过优化提示词，现在一到两次就能生成一段10秒左右的视频，最多三次就能达到满意效果。“如果熟练的话，一部50集的真人AI短剧，两周左右就能完成了。”

一位正在创业、专注AI短剧工具的开发者星熹认为，字节跳动接入Seedance 2.0模型的即梦，功能易用性比其他厂商完善。即梦视频生成的全能参考模式能较好地理解九宫格分镜图片——上传一张包含九个分镜头关键帧的图片后，可以基于分镜图标注的顺序自动推理生成视频。不过大家迭代速度都快，其他工具也陆续有了这个功能。

至少在这一轮AI视频竞争中，Seedance 2.0已经率先把模型能力从“可用”推向了“更接近生产级”，后来者的追赶压力也随之加大。

三

痛点主要是什么

尽管Seedance 2.0是断档式的存在，但AI视频行业的共性问题依然存在。

尤其是当生成视频时长拉长，人物从正脸转到侧脸时，面部就可能发生变化。目前包括Seedance 2.0在内的厂商标配解法是控制单个视频生成时长，基本卡在5-15秒。这导致用户只能一段一段地生成，再通过后期剪辑拼接。但片段式生成又带来新问题：每进入一个新镜头，创作者都得重新把人物定妆照、服装、场景、道具等信息交给模型，以求尽可能维持前后画面一致性。

学界也在探讨解法。比如北京大学计算机硕士生袁盛海团队的论文《Identity-Preserving Text-to-Video Generation by Frequency Decomposition》，想解决的就是“文字生成视频时，如何让同一个人物在不同帧、不同动作、不同角度中保持一致性”。他们提出的技术框架ConsisID，把人脸特征分成高频和低频两种信号，再分别让模型学习，以此降低学习难度。袁盛海解释：“之前大家直接把原图丢给特征提取器，我们认为这样反而提升了模型学习难度。我们查阅文献发现，人脸特征确实可以分为高频和低频。高频信号对应人脸细节，如面部纹理和眼睛；低频信号则与全局特征相关，包括人脸骨架、五官相对位置。把这两种特征分开学习，模型会更容易掌握。”

很多观众都直观感受到，AI视频里的人物常常“漂浮”在背景上，像不在一个图层。星熹分析，很多画面AI味的根源在于光影和层次处理。现在不少转型做AI视频的创作者没经过影视美学训练，不懂得主动调整光影，导致画面缺乏层次。“部分从业者对光的角度、阴影、焦点、景深处理不协调，画面就有扁平感或割裂感，看起来像两个图层强行拼凑。去掉AI味，很大程度取决于创作者的影视摄基础，核心是美学理解和镜头关系的呈现。”也有研究人员指出，这本质上是模型端多模态参考融合的问题——人物参考图和场景图各有各的色调、各有各的光感，融不到一起。

星熹认为，即使是大厂自研的剧本生成和拆分工具，在剧本层面仍然存在“平铺直叙”和“剧情生硬老套”的问题。“针对特定类型和风格的泛化能力不够，没有波澜和起伏。虽然会在大的剧情里设置反派，但在小情节里无法引起情绪共鸣，缺乏小冲突和逻辑严谨性。”刘城也认为：“Seedance 2.0的升级虽然降低了AI内容制作门槛，但这样一来AI内容会泛滥，参差不齐。好的作品还是需要内容力，才能真正打动观众。”

四

差异化补位

据刘城透露，可梦智能在项目生成中采用了AI辅助功能。例如，团队开发了分镜提示词和草图功能，用户修改提示词后，AI可以完成80%-90%的创作。灵活运用AI提示词的用户，还能通过进一步微调提示词来提升效率。

群核科技则把工作流优化做到了3D层面。5月27日，他们推出了短剧版的LuxReal。基于自研空间大模型等3D技术，LuxReal能将2D画面场景生成可漫游的虚拟3D空间。创作者可以自由调整机位、设置人物站位，系统基于同一个3D场景自动渲染对应画面。不过实际生成质量还有待观察——虽然LuxReal为短剧工作流的设置比较完善，但主动思考的优化程度仍需提升，存在人物衣着与时间背景不符等问题。

爱奇艺的纳豆接入了自研和Seedance 2.0等外部模型，结合爱奇艺IP库、数字资产库和创作者社区，形成可调用的平台能力，为创作者提供从内容生产到运营的全链路支持。其中，IP库和数字资产库是爱奇艺的独特优势。例如在数字资产库里，创作者可以调用《成何体统》中的皇宫、《花戎》的魔界大等电视剧中的场景、武器、动物等IP形象。不过从目前观察来看，爱奇艺虽然拥有丰富的IP库和数字资产库，但目前在纳豆平台上呈现的数量仍然有限。

五

战火不休

无论是长视频稳定性、人物一致性，还是可控性，现阶段的AI视频行业确实还存在很多需要解决的痛点，竞争格局远未到收敛的时候。

在这种情况下，资本化成了部分厂商加足马力的重要选择。

今年5月，市场传出快手正在加速推进可灵的分拆上市，计划明年启动独立IPO，Pre-IPO轮估值预计达200亿美元。随后快手在港交所公告中确认，董事会正评估重组可灵相关资产及业务的方案。无独有偶，垂直玩家也在加快融资和上市准备。生数科技在两个月内连续完成两轮共计逾26亿元融资后，也被传计划于2026年上半年启动港股IPO，其工商主体已于3月底完成股份制改造。

这些资本动作背后，折射出AI视频赛道的另一重现实：模型竞争不只是一场技术竞赛，更是一场资金、算力、数据和场景落地能力的综合竞争。与此同时，AI视频的商业化仍处在早期阶段。短剧、广告、电商、游戏、影视预演等场景虽然已经开始验证需求，但距离形成稳定、规模化、高毛利的收入模型，还需要时间。

正因如此，资本市场的资金支持，某种程度上成了不少厂商继续留在牌桌的重要筹码。

当前AI视频赛道的竞争，并没有因为Seedance 2.0的阶段性领先而结束。相反，随着更多厂商补充资金、加速产品迭代，行业很可能还会继续经历一轮模型能力、生产工具和商业化效率的竞速。