出品/全天候科技

作者/劉寶丹

AI競賽焦點已經開始轉向多模態，字節和快手在AI視頻賽道的競爭也日趨激烈。

近日，快手正式發布可靈2.0視頻生成模型及可圖2.0圖像生成模型，將視頻及圖像創作的精準度帶上一個新高度。同期，字節Seed團隊正式發布Seedream 3.0 技術報告，據第三方榜單Artificial Analysis，Seedream 3.0綜合性能已追平文生圖SOTA模型GPT-4o，進入全球第一梯隊。

作為短視頻平臺，字節和快手被認為是AI多模態領域的有力競爭者。經過一年多的技術追趕，雙方在AI視頻生成領域都取得了不錯的進展。

根據AI產品榜3月數據，在全球AI產品增速榜（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視頻應用，其月活規模約2037萬，而可靈AI的增速僅為36.44%，排名第14。根據快手公布的數據，截至目前，可靈AI全球用戶規模突破2200萬。

不過，AI視頻生成領域尚未涌現類似DeepSeek在大型語言模型（LLM）領域的標桿性產品。一位業內人士對華爾街見聞表示，當前，AI視頻生成賽道仍處于“技術突破期”，這也意味著，字節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，快手和字節誰的勝算更大一點？

追趕

AI視頻生成領域還處于產品應用爆發前的階段，業內玩家都在試圖通過持續的技術迭代，來實現產品的不斷破圈。

進入2025年，快手和字節都開始推出重大技術迭代成果。

4月15日，快手正式發布可靈AI 2.0視頻生成模型及可圖2.0圖像生成模型。可靈AI 2.0的最大亮點在于以技術革新重新定義AI視頻生成標準：從“能生成”到“精準生成”，從“工具輔助”到“創意伙伴”。

發布會上，快手發布了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，多模態描述子）組成，能從視頻生成設定的基礎方向以及精細控制這兩個層面，精準實現AI創作者們的創意表達。

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

當前，圖生視頻約占到可靈AI視頻創作量的85%，快手發布的可圖2.0擁有多項核心優勢，比如，強大的復雜語義理解能力、電影級的畫面質感等。快手副總裁、可靈AI負責人張迪介紹，可圖2.0文生圖能力迎來全面升級，模型出圖創意和想象力實現大幅躍升。

在快手召開發布會的次日，字節旋即披露了其文生圖模型Seedream 3.0的技術白皮書。

4月16日，字節發布 Seedream 3.0 技術報告，距離字節公布Seedream 2.0技術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 的研發始于2024年末，通過調研設計師等群體的實際需求，Seedream 團隊將圖文匹配、美感等行業共識性指標納入攻堅方向，同時，也將挑戰2K 高清直出、快速圖片生成等業界難題作為核心目標。

無論是可靈AI的二次編輯功能，還是即夢AI的原生2K畫質，都是通往產業級應用的必經之路。事實上，也只有達到產業級應用狀態，AI視頻生成的價值也才有望體現。

如此緊追不舍的競爭態勢背后，快手和字節過去一年持續對AI視頻生成賽道進行布局。

2024年初，Open AI通過Sora正式入局視頻生成領域，引發全世界關注。彼時，快手在攻克文生視頻的關鍵技術，4個月后，快手就發布了視頻生成大模型可靈，成為國內首個對標Sora的產品。

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

去年9月，字節一舉發布了豆包視頻生成-PixelDance、豆包視頻生成-Seaweed兩款大模型，正式宣告進軍AI視頻生成。11月，原抖音集團CEO張楠轉戰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確率。

即夢AI在字節內部的重要性顯著提升。華爾街見聞獲悉，即夢AI所代表的視覺化產品被看好，字節試圖將即夢打造成AI時代的“抖音”。2月，原零一萬物 PopAI 產品負責人曹大鵬加入即夢AI，負責移動端產品。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，快手和字節再次交戰，他們都在試圖將模型技術帶入生產級賽道。

押注

對于AI視頻生成賽道，字節和快手無疑是國內反應最快速的科技公司。

原因也很容易理解，他們都依靠短視頻起家，天然更懂視頻創作。更重要的是，字節和快手都有FOMO（Fear of Missing Out）心理。當年，快手和字節因為降低了普通人制作視頻的門檻，從而構建了視頻生態，如今，AI會進一步降低視頻生成門檻，更具顛覆性。

本質上，字節和快手想要在AI時代復制出一個新的“抖音”和“快手”，從而成功跨過新一輪AI技術周期。

就當下而言，字節和快手對AI視頻賽道的策略各有側重。

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，可靈AI已與包括小米、亞馬遜云科技等企業建立了合作關系。蓋坤披露，來自世界各地的超1.5萬開發者，已將可靈AI的API應用于不同的行業場景中。

3月25日，快手科技創始人兼首席執行官程一笑在電話會上透露，自商業化以來截至2025年2月底，可靈AI的累計營業收入超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年實現可靈AI營收規模的跨越式增長。”

對字節來說，即夢AI是整個AI戰略的核心版圖，也是公司通往AGI所必須攻克的難題。

年初，字節豆包大模型團隊已在內部組建AGI長期研究團隊，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的目標是探索AGI的新方法，鼓勵跨模態、跨團隊合作。

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

隨著快手發布全新2.0模型，業內都在期待字節的下一步動作，尤其是豆包視頻生成模型1.5版何時會推出，雙方之間的技術追趕還是持續進行。

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，產業界對Sora為代表的AI視頻生成產品分歧點主要在于，如果把Sora當成AIGC的視頻生產工具，它的價值量不會特別大，可能就顛覆一下創意軟件這些工具，如果Sora是一個通用的視頻武器的話，它的想象力很大，比如，跟機器人進行結合。

近日，生數科技產品副總裁、Vidu產品負責人廖謙表示，當多模態可以做到實時可控、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容平臺，這個技術將應用在社交、游戲、VR、AR等多個領域，會對所有的行業帶來非常深遠的影響。

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

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