劃重點(diǎn)：

1、本文從產(chǎn)品實(shí)測、技術(shù)路線、商業(yè)前景三個維度，分析即夢、可靈、Vidu這三位國產(chǎn)頭部玩家，誰會是最大贏家？2、從測試結(jié)果看，可靈優(yōu)勢是表現(xiàn)力強(qiáng)，劣勢是容易“用力過猛”；Vidu 優(yōu)勢是真實(shí)、細(xì)膩，劣勢是節(jié)奏慢、爆發(fā)力不足；即夢優(yōu)勢是均衡、可控，劣勢是略顯“平庸”。3、AI視頻生成背后的關(guān)鍵技術(shù)是 DiT（Diffusion Transformer）�？伸`AI在技術(shù)路線上選擇了與Sora一致的DiT架構(gòu)，Vidu的U-ViT則走了另一條融合之路，即夢背后也有DiT的身影，主要以字節(jié)自研Seedance1.0系列模型為主；4、如果說技術(shù)決定了產(chǎn)品的下限，那么市場、生態(tài)和推廣策略則決定了它們的上限。最終贏家，極有可能在可靈和即夢之間產(chǎn)生。原因很簡單：AI視頻的終極戰(zhàn)場在應(yīng)用，在生態(tài)。5、我們更傾向于擁有剪映的即夢。因?yàn)榭伸`的成功更依賴于“爆款內(nèi)容”的出現(xiàn)，而即夢的成功則建立在“賦能工具”的普及上。工具的滲透通常比內(nèi)容的爆發(fā)更持久、更具粘性。當(dāng)然，這僅僅是基于當(dāng)前戰(zhàn)局的邏輯推演。

作者 林易

編輯 重點(diǎn)君

國產(chǎn)AI視頻有了新進(jìn)展。就在2025世界人工智能大會（WAIC）期間，快手旗下可靈AI高調(diào)披露最新用戶數(shù)據(jù)：在全球創(chuàng)作者超過4500萬，累計(jì)生成視頻超2億個、圖片超4億張。

生數(shù)科技旗下Vidu也在WAIC期間，發(fā)布了最新“Vidu Q1參考生”功能。生數(shù)科技CEO駱怡航介紹，據(jù)通過對模型算法層面的調(diào)整，只上傳人物、道具、場景等參考圖，就可以直接將多個參考元素生成為一段視頻素材，以“參考圖——視頻生成——剪輯——成片”流程取代分鏡生成工作。

生數(shù)科技CEO駱怡航

國產(chǎn)AI視頻進(jìn)展不斷。就在前一陣子，一部名為《新世界加載中》的“三無劇集”悄然上線，沒有演員、沒有攝影機(jī)、沒有燈光，宣傳海報(bào)上最顯眼的信息竟可能就是“可靈AI”。

這部共計(jì)9集的劇集，內(nèi)容橫跨動漫風(fēng)、3D動畫風(fēng)、真人風(fēng)，涵蓋科幻、奇幻、荒誕喜劇、歷史等多元題材，統(tǒng)統(tǒng)都是由AI來生成的。我們先來隨機(jī)來感受一下它能夠?qū)崿F(xiàn)的效果：

雖然這部中國版《愛死機(jī)》目前并沒有達(dá)到爆款程度，也被很多網(wǎng)友詬病在整體敘事上存在割裂感等等，但《新世界加載中》的誕生卻顯示出生成式AI在打造影視作品中所具備的潛力。

而就在《新世界加載中》誕生前后，全球范圍內(nèi)的戰(zhàn)火早已點(diǎn)燃：OpenAI Sora雖未公測，但其放出的每一個Demo持續(xù)刷新著人們的認(rèn)知上限；Luma AI的Dream Machine橫空出世，以驚人的效果迅速引爆了創(chuàng)作者社區(qū)；谷歌、Meta等巨頭也紛紛亮出自己的王牌產(chǎn)品。

在這場競賽中，中國玩家們也不是旁觀者。除了WAIC期間高調(diào)亮相的可靈AI、Vidu，以及字節(jié)跳動旗下一直在發(fā)力的即夢AI。它們不僅在技術(shù)上緊追不舍，更在產(chǎn)品落地上展現(xiàn)出極強(qiáng)的求生欲和創(chuàng)造力。

因此，當(dāng)下的問題早已不是“AI能否制作視頻”，而是“誰能做得更好、跑得更快、看得更遠(yuǎn)”。

本文將把即夢、可靈、Vidu這三位國產(chǎn)頭部選手置于聚光燈下，通過一次同臺PK，從產(chǎn)品實(shí)測、技術(shù)路線、商業(yè)前景三個維度，試圖回答那個終極問題：

在這場“三國殺”里，誰最會是最大贏家？

同臺競技，三款國產(chǎn)AI視頻“演技”大比拼

基于“效果才是硬道理”的原則，我們先對即夢、可靈和Vidu分別做一個實(shí)測。測試方法是用下面這張AI生成的圖片作為圖生視頻的參考圖，再配以適當(dāng)?shù)腜rompt，讓三位AI選手生成一段具備演技派實(shí)力的表演視頻。

可以看到，這張參考圖已經(jīng)具備了一定的電影質(zhì)感，尤其是圖中的女生，眼神里已然是飽受生活折磨的無力感。接下來，我們先用下面這段Prompt生成一個5s的視頻：

“固定鏡頭，一個亞洲女性轉(zhuǎn)過頭，看向鏡頭，憂郁的看著鏡頭，噗呲一下笑出來。”

然后將第一個視頻的尾幀作為第二次圖生視頻的參考圖，并輸入第二段Prompt：

“固定鏡頭，一個亞洲女性看著鏡頭笑，笑著笑著，情緒失控開始笑著哭泣，表情自然不夸張，展現(xiàn)了人物情緒遞進(jìn)的過程。”

最后將兩段視頻拼接到一起，整體來感受一下最終效果。在這個過程中，AI能否時刻保證人物、背景、各種細(xì)節(jié)的一致性是最為關(guān)鍵的考量；其次，視頻中AI人物的演技是否能夠真人演員相媲美則是審美維度的另一關(guān)鍵評判標(biāo)準(zhǔn)。

（注：為公平起見，結(jié)果均采用三個AI第一次生成的結(jié)果；模型均采用免費(fèi)的最新版本：即夢視頻3.0、可靈2.1和Vidu 2.0。）

即夢的測試結(jié)果如下：

即夢的AI演員表演相對“規(guī)矩”，它準(zhǔn)確地執(zhí)行了“笑”的指令，并且在第二段視頻中試圖通過緊鎖的眉頭來疊加“哭”的情緒。整個過程更像是兩種表情的混合，而非流暢的情緒轉(zhuǎn)變。

接下來是可靈的測試結(jié)果：

可靈的AI演員是“體驗(yàn)派”，表演風(fēng)格大開大合。它的“笑”和“哭”都表現(xiàn)得極為夸張，充滿了戲劇張力。雖然情緒飽滿，但與Prompt中“自然不夸張”的要求有所出入。此外，其免費(fèi)版的生成等待時間過長（平均超過3小時），對普通用戶不夠友好。

最后，我們再來看下Vidu的測試結(jié)果：

Vidu的AI演員走的是“內(nèi)斂”路線。它的表情變化非常含蓄，更貼近真實(shí)人物的反應(yīng)。但缺點(diǎn)在于節(jié)奏太慢，在每段僅5秒的時長里，情緒的醞釀過程過長，導(dǎo)致核心的“哭戲”部分沒能完全展現(xiàn)出來。

可以明顯看到，三位AI選手都已經(jīng)克服了此前AI視頻生成被詬病已久的一致性問題，在同樣的參考圖和Prompt之下，更加注重如何提高表現(xiàn)完整性和審美度。

如果將三位AI選手看作三位演員，我們可以得出更直接的結(jié)論：

可靈AI：優(yōu)勢是表現(xiàn)力強(qiáng)，劣勢是容易“用力過猛”。 它最懂如何調(diào)動情緒，能生成最具視覺沖擊力的畫面，非常適合制作短平快的戲劇化內(nèi)容。但它的問題在于對“度”的把握，容易將自然的情感夸張為舞臺劇，離影視級的細(xì)膩表演還有距離。

Vidu AI：優(yōu)勢是真實(shí)、細(xì)膩，劣勢是節(jié)奏慢、爆發(fā)力不足。 它在模擬真實(shí)物理世界和微表情上最具潛力，生成的視頻最有“電影感”。但它似乎過于“沉浸”在自己的節(jié)奏里，在短視頻場景下，這種“前搖”過長的特點(diǎn)會成為致命傷，無法在黃金幾秒內(nèi)抓住觀眾。

即夢AI：優(yōu)勢是均衡、可控，劣勢是略顯“平庸”。 它像一個聽話的學(xué)生，能準(zhǔn)確完成指令，但在藝術(shù)表達(dá)上缺乏驚喜。它在功能全面性（如數(shù)字人、動作模仿）上做得最好，顯示出其工具屬性的定位，但在純粹的生成質(zhì)量和藝術(shù)感染力上，介于可靈和Vidu之間，尚未形成自己鮮明的“人設(shè)”。

除此之外，我們還對即夢、可靈和Vidu其它功能和特點(diǎn)做了簡單總結(jié)：

那么在內(nèi)容表達(dá)上，它們?nèi)�者為什么會有截然不同的表現(xiàn)方式，我們接下來深挖一下它們背后的技術(shù)。

DiT框架下的三條分叉路

2024年春節(jié)期間，OpenAI發(fā)布的Sora可謂是在全球范圍內(nèi)一舉點(diǎn)燃了AI視頻生成的熱度。與此同時，它背后的關(guān)鍵技術(shù)DiT（Diffusion Transformer）的熱度也是線性大漲。

DiT的本質(zhì)從大方向來看，是將擴(kuò)散模型（Diffusion Model）與Transformer架構(gòu)結(jié)合，以此來實(shí)現(xiàn)高質(zhì)量視頻生成。

擴(kuò)散模型的核心思想是“先加噪，再降噪”。模型首先在一個清晰的視頻（或圖片）上不斷施加高斯噪聲，直至其變?yōu)橥耆珶o序的噪點(diǎn)；然后，模型學(xué)習(xí)這個過程的逆過程，即如何從一個純粹的噪聲中，逐步“去噪”并還原出一個結(jié)構(gòu)清晰、內(nèi)容豐富的視頻。

這個“去噪”網(wǎng)絡(luò)，通常采用一個名為U-Net的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。U-Net的“U”形結(jié)構(gòu)使其能夠同時捕捉圖像的局部細(xì)節(jié)和全局輪廓，非常適合圖像處理任務(wù)。

而最初應(yīng)用于自然語言處理（NLP）領(lǐng)域的Transformer，它的核心是自注意力機(jī)制（Self-Attention），能夠高效處理長距離依賴關(guān)系。Transformer將輸入數(shù)據(jù)（如句子中的單詞）視為一系列“令牌”（Tokens），并通過計(jì)算令牌之間的相互關(guān)系權(quán)重，來理解整個序列的深層語義。

通過二者的結(jié)合，DiT就可以把視頻壓縮成一系列時空“補(bǔ)丁”（Spacetime Patches），這些補(bǔ)丁就像句子中的單詞一樣，被送入Transformer進(jìn)行處理。這使得模型能夠更好地理解視頻內(nèi)容在時間和空間上的全局關(guān)聯(lián)性，從而生成更長、更連貫的視頻。

可靈AI在技術(shù)路線上選擇了與Sora一致的DiT架構(gòu)。這表明它認(rèn)可了Transformer在處理視頻時空依賴關(guān)系上的巨大潛力。然而，快手并未止步于復(fù)現(xiàn)，而是在此基礎(chǔ)上進(jìn)行了多項(xiàng)關(guān)鍵的自研創(chuàng)新，這些創(chuàng)新共同指向了一個核心目標(biāo)：生成更長的、高質(zhì)量的視頻。

它的其兩大“殺手锏”分別是3D VAE和3D時空聯(lián)合注意力機(jī)制。

VAE是一種變分自編碼器，用于將高維數(shù)據(jù)（如視頻幀）壓縮到低維的“潛在空間”（Latent Space），同時保留其核心特征。傳統(tǒng)的VAE主要處理二維圖像，而可靈自研的3D VAE則專門為視頻數(shù)據(jù)設(shè)計(jì)。

它不僅對單幀畫面進(jìn)行空間壓縮，更重要的是，它將時間維度也納入考量，將一段視頻壓縮成一個包含時空信息的潛在向量。這使得模型在處理數(shù)據(jù)時，起點(diǎn)就更高，能夠更高效地學(xué)習(xí)視頻的動態(tài)變化規(guī)律。

3D時空聯(lián)合注意力機(jī)制是可靈生成視頻的另一個關(guān)鍵技術(shù)。在標(biāo)準(zhǔn)的DiT中，注意力機(jī)制主要在空間補(bǔ)丁和時間步之間計(jì)算。而可靈的3D注意力機(jī)制則是在一個立體的時空數(shù)據(jù)塊上進(jìn)行操作。

它允許模型在生成某一幀的某個區(qū)域時，不僅能“看到”當(dāng)前幀的其他部分（空間注意力），還能同時“回顧”過去幾秒甚至幾十秒的畫面內(nèi)容，并“預(yù)判”未來的動態(tài)趨勢（時間注意力）。

這種時空聯(lián)合的注意力計(jì)算方式，極大地增強(qiáng)了模型對長期動態(tài)的建模能力，確保了視頻里人物的身份、服飾，以及場景的環(huán)境能夠保持高度一致，避免了普通模型中常見的“閃爍”、“變形”等問題。

可靈架構(gòu)的核心優(yōu)勢是將時間和空間信息高度融合處理。它不僅看“這一幀”，更看重“這一秒”甚至“這幾秒”，因此在動作連貫性和長期一致性上表現(xiàn)最好。這解釋了為什么可靈能駕馭《新世界加載中》這樣更長的敘事，也能做出最具爆發(fā)力的表情，因?yàn)樗鼘�動態(tài)變化的理解更深刻。

但劣勢也是比較明顯，對時空信息的全局建模計(jì)算成本極高，這可能是其生成速度慢的原因之一。同時，對動態(tài)的過度強(qiáng)調(diào)，也可能導(dǎo)致其在處理靜態(tài)或微表情時傾向于“腦補(bǔ)”出更夸張的動作。

而Vidu的U-ViT則走了另一條融合之路。

它并非簡單地用Transformer替代U-Net中的某些模塊，而是將Transformer的注意力機(jī)制巧妙地整合進(jìn)了U-Net的骨架中。具體來說，U-ViT保留了U-Net經(jīng)典的下采樣（編碼）和上采樣（解碼）的層次化結(jié)構(gòu)，但在不同層級的特征處理中，都融入了Transformer模塊。

U-ViT的優(yōu)勢在于，它既利用了U-Net在捕捉視覺底層特征（如紋理、邊緣）方面的強(qiáng)大能力，又借助了Transformer在理解全局語義和長程依賴（如物體運(yùn)動軌跡、場景邏輯）方面的優(yōu)勢。這種設(shè)計(jì)被證明在模型擴(kuò)展（Scaling Law）上表現(xiàn)優(yōu)異。

基于U-ViT架構(gòu)，Vidu在發(fā)布時實(shí)現(xiàn)了生成1080P分辨率的高清視頻。其核心產(chǎn)品哲學(xué)可以概括為“一步到位”和“模擬真實(shí)”。

“一步到位”是指技術(shù)上的端到端（End-to-End）一次性生成，而非通過生成關(guān)鍵幀再進(jìn)行插幀的技術(shù)。這意味著視頻中的每一幀都是模型綜合考慮了全局時空信息后生成的，保證了運(yùn)動的流暢性和邏輯的連貫性，能夠?qū)崿F(xiàn)復(fù)雜的“一鏡到底”動態(tài)鏡頭效果，如追焦、轉(zhuǎn)場等。“模擬真實(shí)”則是指致力于模擬真實(shí)的物理規(guī)律，生成符合光影邏輯、重力效果和流體動態(tài)的場景。

這條路線的精髓在于“各司其職”。U-Net負(fù)責(zé)捕捉圖像的底層細(xì)節(jié)（如紋理、光影），Transformer負(fù)責(zé)理解全局的邏輯關(guān)系。這使得Vidu在模擬真實(shí)物理規(guī)律（光影、重力）和刻畫細(xì)膩質(zhì)感上獨(dú)具優(yōu)勢，其視頻擁有最高的“畫質(zhì)感”和“真實(shí)感”。

但它對局部細(xì)節(jié)的精雕細(xì)琢，可能使其在理解和執(zhí)行大幅度的、快速的動態(tài)變化時相對保守。這解釋了為什么Vidu的表演顯得內(nèi)斂且節(jié)奏偏慢，因?yàn)樗�更傾向于在物理真實(shí)的框架內(nèi)進(jìn)行演繹。

至于即夢AI，在它的技術(shù)背后依舊也有DiT的身影，在視頻生成方面，主要是以自研的Seedance 1.0系列模型為主。

根據(jù)此前公開的Seedance 1.0視頻生成模型技術(shù)報(bào)告，Seedance 1.0支持文字與圖片輸入，可生成多鏡頭無縫切換的1080p高品質(zhì)視頻，且主體運(yùn)動穩(wěn)定性與畫面自然度較高。

在第三方評測榜單 Artificial Analysis上，Seedance 1.0文生視頻、圖生視頻兩個任務(wù)的表現(xiàn)均位居首位。

Artificial Analysis 文生視頻榜單

Artificial Analysis 圖生視頻榜單

根據(jù)技術(shù)報(bào)告披露，Seedance1.0引入精準(zhǔn)描述模型，提升了數(shù)據(jù)多樣性與可用性；通過統(tǒng)一的預(yù)訓(xùn)練框架，實(shí)現(xiàn)了多鏡頭切換與多模態(tài)輸入；后訓(xùn)練階段構(gòu)建復(fù)合獎勵系統(tǒng)，提升畫面生動性、穩(wěn)定性和美感；并且大幅提升了推理速度，最快約40秒就可以生成5秒1080p視頻。具體到產(chǎn)品而言，即夢采用了分級模型策略：•即夢3.0版本使用的是Seedance 1.0 mini模型。•即夢3.0 pro版本則采用了性能更強(qiáng)的Seedance 1.0模型。這種模型分級的策略體現(xiàn)了一條典型的“實(shí)用主義”路線。通過提供不同性能層級的模型，即夢能夠在保證基礎(chǔ)生成質(zhì)量的同時，有效降低普通用戶的算力門檻，從而能將更多計(jì)算資源投入到豐富產(chǎn)品功能（如數(shù)字人、動作控制）和提升整體用戶體驗(yàn)（例如更快的生成速度）上。當(dāng)然，這種策略也可能意味著在核心生成質(zhì)量的極限追求上有所權(quán)衡。相較于業(yè)界一些專注于達(dá)到極致動態(tài)表現(xiàn)力和細(xì)節(jié)真實(shí)感的頂尖模型，即夢的選擇更側(cè)重于技術(shù)的普惠和產(chǎn)品功能的全面性。這或許可以解釋其在部分測試中，生成視頻的情緒轉(zhuǎn)場或細(xì)節(jié)表現(xiàn)力與頂尖水平存在一定差距，這可以看作是技術(shù)路徑和產(chǎn)品定位權(quán)衡下的結(jié)果。

總的來看，技術(shù)路線直接決定了產(chǎn)品氣質(zhì)�？伸`的“Sora路線”讓它成為了一個表現(xiàn)派，Vidu的“融合路線”讓它成為了一個寫實(shí)派，而即夢的“實(shí)用路線”則讓它成為了一個工具派。

   技術(shù)之外的戰(zhàn)場：誰的生態(tài)位更優(yōu)越？

如果說技術(shù)決定了產(chǎn)品的下限，那么市場、生態(tài)和推廣策略則決定了它們的上限。

可靈最大的優(yōu)勢是背靠快手這個巨大的短視頻流量池。它不需要從零開始獲取用戶，可以直接嵌入到數(shù)億人的創(chuàng)作和消費(fèi)鏈路中�？焓铸嫶蟮囊曨l數(shù)據(jù)也能為模型迭代提供最寶貴的“養(yǎng)料”�！缎率澜缂虞d中》就是一次極佳的“內(nèi)容即營銷”案例。

但如何將強(qiáng)大的技術(shù)能力轉(zhuǎn)化為普通用戶也能輕松使用的產(chǎn)品功能，并找到清晰的商業(yè)化路徑，是其核心挑戰(zhàn)。如果只是一個“炫技”的獨(dú)立工具，將很難在快手生態(tài)內(nèi)生根發(fā)芽。

Vidu“清華系”的背景為它提供了強(qiáng)大的技術(shù)背書和人才儲備，使其在底層技術(shù)創(chuàng)新上具備領(lǐng)先潛力。Vidu的定位更接近一個底層基礎(chǔ)大模型，未來在To B（賦能影視、設(shè)計(jì)等行業(yè)）市場有巨大的想象空間。

不過它最大的挑戰(zhàn)在于產(chǎn)品化和市場化。學(xué)院派團(tuán)隊(duì)往往在技術(shù)上追求極致，但在用戶體驗(yàn)、市場推廣和商業(yè)運(yùn)營上相對薄弱。Vidu需要盡快找到自己的商業(yè)落地場景，避免陷入“叫好不叫座”的困境。

而字節(jié)跳動擁有抖音和剪映兩大王牌，這為即夢提供了比快手更完整的“創(chuàng)作-分發(fā)”閉環(huán)。即夢的功能設(shè)計(jì)（如數(shù)字人、運(yùn)鏡選擇）透露出其野心：它不想只做一個“生成器”，而是想成為下一代視頻創(chuàng)作工作流的核心，深度整合進(jìn)剪映等工具中。

但字節(jié)內(nèi)部賽馬激烈，即夢需要證明自己相對于其他AI項(xiàng)目的價(jià)值。同時，如何在龐大的產(chǎn)品矩陣中找到最合適的切入點(diǎn)，并教育用戶接受全新的創(chuàng)作方式，同樣充滿挑戰(zhàn)。

誰會是最大的贏家？

經(jīng)過三輪對比，我們可以下一個更大膽的結(jié)論：

Vidu擁有最高的上限，但面臨最崎嶇的道路。它的技術(shù)路線決定了它最有潛力生成電影級的、真正以假亂真的視頻內(nèi)容，成為專業(yè)領(lǐng)域的“生產(chǎn)力工具”。但它能否成功越過從技術(shù)到產(chǎn)品的“死亡谷”，仍是未知數(shù)。

而最終的最大贏家，極有可能在可靈和即夢之間產(chǎn)生。

原因很簡單：AI視頻的終極戰(zhàn)場在應(yīng)用，在生態(tài)。

可靈已經(jīng)通過《新世界加載中》證明了自己在內(nèi)容側(cè)的野心和實(shí)力。如果快手能下定決心，將可靈的能力無縫融入其短視頻生態(tài)，降低創(chuàng)作門檻，它將有機(jī)會引爆一場全民AIGC的浪潮。

即夢則更像一個潛行的刺客，它的目標(biāo)是重塑“創(chuàng)作者”的定義。當(dāng)AI視頻生成能力像今天的“一鍵剪同款”一樣被整合進(jìn)剪映，它將直接賦能數(shù)千萬內(nèi)容創(chuàng)作者，其爆發(fā)力同樣不可估量。

如果要在這兩者中選擇一個更看好的，我們更傾向于擁有剪映的即夢AI。因?yàn)榭伸`的成功更依賴于“爆款內(nèi)容”的出現(xiàn)，而即夢的成功則建立在“賦能工具”的普及上。工具的滲透通常比內(nèi)容的爆發(fā)更持久、更具粘性。

當(dāng)然，這僅僅是基于當(dāng)前戰(zhàn)局的邏輯推演，每一個國產(chǎn)AI視頻玩家的進(jìn)展都值得肯定。這場競賽才剛剛開始。唯一可以確定的是，無論是誰最終勝出，我們都將以前所未有的方式，見證一個“新世界”的加載。

       原文標(biāo)題 : 國產(chǎn)AI視頻三國殺：可靈、即夢、Vidu，誰會是最大贏家？