原標題：抖音快手的新戰(zhàn)爭 視頻生成大模型的同與異 

　　動態(tài)視頻生成AI應用正在迎來新的變數(shù)。

　　2023年，Runway發(fā)布了文生視頻/圖生視頻大模型Gen-2；2024年初，OpenAI的Sora展示視頻又掀起了一波討論，不過目前Runway缺乏漢化版本，Sora還處于未公開階段，被外界戲稱為期貨，而瞅準了這段空窗時間，國內(nèi)也見縫插的發(fā)布相關模型/應用，發(fā)布者是國內(nèi)最大的兩個短視頻平臺——抖音和快手

　　今年6月份，快手開放了可靈AI大模型使用申請，號稱“全球首個普通用戶可用的真實影像級視頻生成大模型”，此后不斷升級并在7月25日全面開放內(nèi)測，同時正式上線了會員體系；緊接著在7月底和8月初，字節(jié)的即夢AI的1.0.0版本正式上架到安卓/蘋果應用商店，而在此前5月份，剪映Dreamina官方就已宣布其品牌的中文名為“即夢”，并上線相關AI視頻生成功能。

　　與國外不同的是，國內(nèi)的AI視頻生成大模型不出所料地由最大的兩個短視頻平臺先發(fā)制人入局。但具體而言，即夢AI和可靈AI的初期的應用布局不盡相同，之于其母公司的意義也大相徑庭，畢竟字節(jié)內(nèi)還有豆包，可靈AI之于快手，更接近于“全村的希望”這一角色。

　　另一方面，二者生成的AI視頻風格顯然有著差別，即夢似乎更擅長動畫風，可靈卻卷向影像風。二者的這種差異與前期的布局不無關系，雖然目前還無法說明彼此模式的優(yōu)劣幾何，但從當下的輿論來看，影像風的AI視頻似乎要更有新鮮感。

　　即夢VS可靈，特性和地位大不相同

　　從目前輿論偏向來看，字節(jié)即夢AI的視頻生成表現(xiàn)不如快手可靈AI。《新立場》認為，這來源于其各自的視頻剪輯平臺剪映和快影本身的特性不同，以及整個字節(jié)系和快手系對AI的布局也有所差別。

　　剪映的即夢AI作為一個單獨的移動應用需要更長的上線周期，而快手選擇了直接將移動端的應用搭載于其視頻剪輯平臺快影上，極大縮短功能全面上線的周期和難度。

　　不過關于剪映為何要重新開辟出一個應用，在《新立場》看來，不管是從月活提升需求，App體量，以及收費模式來看，剪映都必須將即夢AI單獨開辟出一個應用。

　　首先剪映本身的月活用戶在整個移動端視頻剪輯這個賽道來看早已一騎絕塵，據(jù)Qusetmobile此前的數(shù)據(jù)顯示約有一億，這甚至不包括剪映的海外版CapCut，因此剪映更需要考慮的是就將其直接集成到剪映本身的App上的性價比。

　　由于剪映上本來已有相關AI圖生圖的功能模塊，以及特定模式的圖生視頻模塊，加之剪映自身又十分吃手機內(nèi)存，若將即夢AI的視頻生成所有功能作為一個模塊植入剪映，會使得剪映本身變得更加臃腫。

　　并且收費模式的平衡也是個問題，如果將即夢AI直接植入剪映，那么只可能有兩種收費模式：1、直接一刀切提高剪映整體會員收費，2、或者在會員收費基礎上，即夢AI相關功能另外收費。然而目前剪映的會員費用已經(jīng)不算低了，這兩個模式對于原本的剪映用戶來說都會難以接受。

　　但對于快手的快影來說，這三方面情況又恰好跟剪映相反：與剪映相比月活提升空間更大，可以靠更多的更強大的AI功能模塊來引流；App本身體量也不算大，原本的會員費也用遠遠低于剪映，目前剪映包年會員費用是499元，而快影連續(xù)包年88元，費用可提升空間還很大，因此可靈AI作為功能模塊植入是目前更優(yōu)的解法。

　　另一方面，可靈AI跟即夢AI在內(nèi)部的地位大不相同。

　　在字節(jié)系內(nèi)應用層面，除了即夢AI，還有聊天機器人豆包，豆包跟即夢一樣擁有單獨的移動端App，同時也植入在了諸如飛書的字節(jié)系應用平臺上。根據(jù)Similarweb的榜單，在7月，豆包的訪問量已經(jīng)排到了國內(nèi)第四（前三分別是Kimi，文心一言以及通義）。除此之外字節(jié)在應用層還有其他諸如貓箱、星繪等AI應用，但由于這些應用的存在感并算不高，在此就不多贅述。

　　而反觀快手，早前發(fā)布的快意大模型在應用層面水花并不算大，可靈AI應用一上線即引起了廣泛關注。

　　8月27日，在快手的光合創(chuàng)作者大會上，快手蓋坤透露，已有超過160萬人使用過快手的視頻生成大模型可靈AI，并累計生成超1600萬條視頻。甚至在7月的Similarweb榜單上，可靈AI排到了國內(nèi)第18位，是目前國內(nèi)排名最高的視頻生成類AI應用。

　　只不過由于即夢AI的app正式上線和可靈AI的內(nèi)測開放都是在7月，我們還需要等待8月榜單的發(fā)布以得出進一步的結(jié)論。

　　據(jù)悉，早在Sora展示視頻發(fā)布后不久，就有相關人士猜測其模型為“Diffusion模型和Transformer模型的結(jié)合”，簡單來說就是Transformer理解文字，Diffusion擴展圖片。而在可靈AI官網(wǎng)的介紹中也提到：“基于對文本-視頻語義的深刻理解和Diffusion Transformer架構。”

　　據(jù)業(yè)內(nèi)人士稱，這樣的架構在今年年初時業(yè)內(nèi)就已普遍開始研究。也就是說，快手開始研究可靈AI也許還要更早一點。雖然Diffusion和Transformer結(jié)合并不能算一個Creative idea，但那時國內(nèi)的大多大模型廠商還在各種通用百模大戰(zhàn)之中，能選定視頻生成這樣一個更具體甚至是投入更大的賽道，并非一個容易事。

　　對于字節(jié)來說，豆包和即夢盡管是不同的團隊在負責，但就以上的榜單來看，比起即夢AI，豆包AI在如今各方AI應用大戰(zhàn)白熱化的階段，似乎更加能夠幫字節(jié)搏出位。因此，可靈和即夢之于其母公司的意義是完全不同的。

　　可靈AI之于快手，也自然接近于“全村的希望”這一角色。

　　即夢擅長動畫風，可靈卷向影像風

　　OpenAI目前在全球AI界獨領風騷除了自身技術的領先，也與其優(yōu)先發(fā)布奠定的用戶心智以及獲取了更多真實數(shù)據(jù)訓練機會有關。只是問題在于，視頻生成式AI的先手優(yōu)勢，是否會有聊天機器人AI影響那么大，在OpenAI看來，也許并不大，不然Sora也不會如此不慌不忙。

　　事實上除去OpenAI這一極端案例，就國內(nèi)的AI聊天機器人而言，單純的時機先手優(yōu)勢也不重要，甚至原本平臺的規(guī)模優(yōu)勢也不重要。OpenAI之后，國內(nèi)大廠最先刷存在感的大模型是百度的文心一言，2023年3月份就已上線，而目前流量排名第一的AI應用卻是獨角獸Kimi，上線于2023下半年。

　　原因在于，在聊天機器人這個賽道，Kimi占據(jù)的是某個特定內(nèi)容模式的先手優(yōu)勢。

　　以Kimi和文心一言、通義等AI的模式作為對比來看，大廠的這些AI聊天機器人一開始就學著OpenAI的GPT，沖著更全面更通用的方向去的，這必然會導致不管是獲客層面還是模型訓練層面都會廣而不精。而Kimi盡管也是通用大模型，但卻有一個非常精準且高效的切入點——主要應用場景為專業(yè)學術論文的翻譯和理解、輔助分析法律問題、快速理解AAPI開發(fā)文檔等。顯而易見，這方面的內(nèi)容更具有邏輯性，對于AI來說相對更容易理解和輸出。

　　也就是說，Kimi背后的月之暗面比大廠都更早錨定了初期的核心付費用戶以及商業(yè)化模式，加之足夠堅定的營銷投入以及精準的營銷獲客渠道，有助于Kim實現(xiàn)生成內(nèi)容質(zhì)量上的滾雪球。

　　據(jù)《智能涌現(xiàn)》報導，月之暗面在B站的轉(zhuǎn)化人均成本報價高達30元左右。這個價格不僅在AI界，在大多數(shù)領域也算十分高昂。從競價廣告的邏輯來看，其出價更高也意味著將分到更多的流量。不過也許對于Kimi來說是值得的，畢竟其核心受眾群體跟B站用戶重合度也比較高。

　　而在視頻生成AI這個賽道，可靈AI掌握的也是內(nèi)容模式的先手優(yōu)勢。

　　實際上，目前市面上早已不缺某個特定模式下的AI視頻生成應用，例如此前很火的各種AI動畫風格，瞬息全宇宙風格，各種日漫游戲風格，以及靜態(tài)人物照片生成某個特定動態(tài)表情的應用等……這些應用往往體量小，更加容易達成商業(yè)化。比如現(xiàn)在抖音用戶正在嘗試的“AI擁抱”——輸入兩個人單獨的照片，即可生成二者擁抱的動態(tài)視頻。

　　據(jù)悉，這個功能來自一個叫做魅臉的小程序。而該小程序商業(yè)化方式十分粗暴，安卓端生成三次擁抱視頻收費9.9元。并且不管是抖音還是快手上都有這個小程序。

　　但顯然，以上這些AI視頻內(nèi)容模式都無法徹底給業(yè)內(nèi)帶來震撼，僅可作為C端用戶的日常娛樂消遣。而抖音用戶相比起快手用戶也更愛探討生成這類生成AI相關的內(nèi)容（以兩個平臺月活用戶和AI話題瀏覽量的比值差距得出）。

　　不知是否有受到自身平臺這些視頻內(nèi)容模式的影響，不管是如今社交媒體上的一些測評結(jié)果，還是《新立場》自主測評結(jié)果來看，即夢AI生成的內(nèi)容確實在某些特定的底圖和描述詞之下表現(xiàn)更佳；而更多時候，快手的可靈AI生成的視頻，物體動態(tài)和光影更自然，畫面質(zhì)感更佳。不過在移動端，可靈AI生成內(nèi)容的速度要慢于即夢AI。

　　以上兩個視頻是同一張鮮花照片作為底圖，輸入同樣的描述詞過后兩個AI各自生成的效果。即夢AI的生成內(nèi)容更奔放更有動畫感，可靈AI則是更克制更有靈氣的影像感，目前的輿論也確實更偏向于認可后者這種自然的影像風格。

　　也就是說，可靈AI也許跟Kimi一樣，提前想清楚了自己首先要服務的那部分核心用戶以及內(nèi)容模式——對影像有更高要求的人群，并預想到了只有這種內(nèi)容模式才能夠給業(yè)內(nèi)帶來一些新的變數(shù)。

　　這時再看抖音方公布即夢AI這個中文名字時，快手的可靈AI很可能已經(jīng)在為上線做準備了。

　　寫在最后

　　不過，由于抖快各自掌握著流量龐大的視頻內(nèi)容宣發(fā)渠道，所以如果有一天抖音的即夢AI生成的內(nèi)容確實明顯更讓用戶驚嘆，倒也不難通過自身平臺向用戶傳遞這一信息。

　　正如一些特定的小程序或AI應用一樣，此前僅僅一個熱門挑戰(zhàn)，熱門視頻，就可以掀起新的一輪圖生視頻浪潮，即夢AI當然也可以用自身平臺的優(yōu)勢達到口碑反轉(zhuǎn)，只是可能很難再以原本動畫風格的內(nèi)容形式出圈，用戶可能正在對這些動畫風格的生成內(nèi)容失去新鮮感（并且動畫方向的版權問題更大）。

　　所以即夢AI接下來需要繼續(xù)發(fā)力的點，也許就是可靈AI的影像風格。

　　此外，即便Kimi、阿里、百度等大廠主導的聊天機器人這個賽道目前還算是和平共處，但快手和抖音帶起的AI視頻生成浪潮效果卻是立竿見影，更考驗模型本身的內(nèi)容生成質(zhì)量和進化速度，接下來其他大模型廠商很有可能也會加入到這場AI生成視頻的競爭中。

　　按照本文的邏輯，有著視頻號同時也有強大配套娛樂產(chǎn)業(yè)的騰訊，在傳統(tǒng)互聯(lián)網(wǎng)大廠中似乎更有優(yōu)勢，但那就是后話了。