AI视频生成行业从早期试验到创新

目录互联网行业 1AI视频生成行业概览 3市场规模 3技术演进趋势 5主要AI互联网龙头公司资本支出 6竞争格局 7主要视频生成模型对比 8商业化 9中国大模型具有显著的成本优势 10大型科技平台广告收入竞争 11行业趋势展望及我们的观点 12风险与挑战 13投资推荐 13美国旗舰公司AI视频生成产品 14GoogleVeo3：原生音频显著提高视频真实感 14Sora2：标志性得开启AI内容社区化时代 15Midjourney：实现快速迭代的创作环境 16AmazonNovaReel：降低广告制作门槛，提高顾客购买欲望 17MetaMovieGen：结合四模型为一体的领先工具集合 18Runway：从早期短视频生成到长视频叙事的先行者 19Pika：从社交化创作与视频编辑融合切入的轻量级AI视频平台 20商业化下游：生成式AI工作流在定制化商业内容创作中的应用 21中国旗舰公司AI视频生成产品 22阿里巴巴（BABAUS）：从底层技术到商业化应用的全栈式布局 22腾讯（700HK）：AI视频赋能游戏与广告生态协同 24百度（BIDUUS）：非扩散架构的视频生成路线 25美团（3690HK）：实现视频续写完整任务闭环 26快手（1024HK）：可灵AI2.5Turbo登顶全球排行榜 27美图（1357HK）：垂直领域深耕者 29哔哩哔哩（BILIUS）：聚焦动漫+中长视频+UGC内容社区差异化竞争 30其他未上市中国公司 31字节跳动：平台应用+模型基础设施的全栈布局 31爱诗科技：PixVerse凭借出色特效出圈 32Minimax：海螺AI升级电影级高质量视频生成效果 33清华Vidu：中国学术研究模型向多模态的演进 34互联网行业估值对比 35分析师声明 36监管披露 36免责条款 36AI视频生成行业概览市场规模可触达市场广阔：GrandViewHorizon,2025AI8亿美元。在我们的基本情形假AI400B360亿美元（90%占比）C40亿美元（%占比：B端：BusinessResearchInsights20253,000亿美元，并有3%的年复合增速增长，包含动漫、商业化视频广告、电影、音乐影片、电视节目、社媒视频等。而据市场调研，制约视频制作市场增长的最主要限制是制作成本高昂，47%的影视制作工作室制作成本高于预算，39%的工作室面临制作成本影响利润的问题。而对比传统的视频内容制作成本，AI视频生成具有显著的成本优势。据量子位智库，AI视频每分钟生成成本约300美元，远低于顶级动画电影/好莱坞电影的200万美元。当前，AI在影片素材生成方面的渗透率较高，而随着模型能力和技术升级，AI视频生成将应用于更复杂更长的视频内容，假设到2030年AI在制作环节的渗透率达到10%，则AI视频生成行业B端市场规模有望达到360亿美元。C端：Datareportal，20255466%2030年市场规模的预测假设包括：1）20251.5%20304%（B站当前内容创作者渗透率为%，ube为%，则全球I视频内容创作者规模有望从25年的,0万达到.8亿；2）20251%20306%；3）ARPPU2025203020美元月（对标hT。基于这些假设，我们预计C端订阅市场规模有望到20年达到0亿美元。图图1：AI视频生成行业可触达市场规模测算：基础情形下，我们预计AI视频生成可触达市场规模为400亿美元，包含B端规模360亿美元（90%占比）和C端规模40亿美元（10%占比）AI视频生成可触达市场预测-2030年十亿美元悲观情形基础情形乐观情形基础情形假设依据全球影视制作行业市场规模3383593912025-30年复合增速2%3%5%AI渗透率5%10%20%假设10%的产品由AI完成B端可触达市场（十亿美元）(a)173678全球社交媒体用户数（十亿）6.67.07.22025-30年复合增速4%5%6%内容创作者渗透率3.0%4.0%5.0%4%YouTube当前为AI视频内容创作者人数（十亿）0.200.280.363%，B站为4%订阅率5.0%6.0%7.0%假设6%的付费率月度付费（美元）15.020.025.0假设月费为20美元，类比ChatGPT基础计划月费C端可触达市场（十亿美元）(b)1.84.07.685.885.839.918.7AI视频生成总可触达市场（十亿美元）(a+b)2025-30年复合增速87%118%154%randViewHorizon、公司数香港）预测子位智 香港） 子位智 香港）图4图4：B端市场规模：假设AI视频生成渗透率到2030年达到10%，则对应约360亿美元的市场规模图5：预测AI视频生成市场规模到2030年达到400亿美元，且B端贡献大部分规模图3：随着模型能力和技术升级，图3：随着模型能力和技术升级，AI视频生成将应用于更复杂更长的视频内容，也可能形成新的内容形式和消费平台图2：对比传统的视频内容制作成本，AI视频生成具有显著的成本优势，随着技术提升，将能提升在内容制作环节的渗透率34835934835932633729730731635.90.3 16.827.83503002502001501000港）

FilmandVideoProductionMarket(USDbn)GlobalAIvideogenerationtoBmarket(USDbn)atareportal、GrandViewHorizon 香

USDbn402025-30E402025-30ECAGR:118%311980.440.84035302520151050港）

GlobalAIvideogenerationtoBmarket(USDbn)GlobalAIvideogenerationtoCmarket(USDbn)atareportal、GrandViewHorizon 香技术演进趋势当前最前沿的模型（如Sora2）正推动技术从“辅助人类创作”向“自主生成高质量内容”迈进：生成时长增加：Runway4秒左右的模糊视频。2024年初，OpenAI的Sora模型将602025年，主流模型可实现无限时长的视频续写，助力长视频内容创作。物理一致性提升：AI理解并模拟物理规律是生成逼真视频的核心挑战。初期模型常出现物体穿透、违反重力a2通过引入物理引擎模拟模块，实现体操空翻、流体碰撞等复杂动态的精准生成，肢体运动准确率从68%提升至91%。内容连贯性提升：Sora2支持单条指令生成“远景--特写”三镜头序列，通过镜头语言规则库（如“对话场景用正反打”）实现切换自然度评分达9.2/10。RunwayGen-4采用“特征向量锚定+动态更新”机制，在10分钟视频中保持角色面部特征余弦相似度＞0.92，解决了传统模型“5分钟后角色变脸”的痛点。B站AniSoraV3在动漫生成中，通过构建“角色关系-场景关联”知识图谱，使“教室-操场-家庭”跨场景转换的剧情断裂率从27%降至8%。多模态增强，音画同步生成：在输入和输出两个方面，多模态视频生成不断扩展，从最初的文生视频拓展到图生视频；从最初的仅生成视频到音画同步生成，并能够实现多模态边际，例如输入音频修改视频生成结果等。成本效率提升：随着开源模型生态的提升带来的模型训练成本降低以及技术提升带来的推理算力成本下降，AIWan2.2MoE50%计算消耗，快手可灵通过算法优化实现推理成本毛利打平。主要AI互联网龙头公司资本支出美国公司资本支出密度更高：根据公司指引及市场一致预期，五大AI互联网龙头公司（Meta、微软、亚马逊、谷歌、甲骨文）20242,500亿美元，20254,00020265,000亿美元。2025810亿美元，显著超过中国两大龙头（阿里巴巴+腾讯）130亿美元。从资本支出密度（资本支出占收比）来看，美国五大巨头2025年平均资本支出密度达到24%，并预计在2026年提升到27%，而中国两大龙头该比例预计在10-13%之间。造成差异的原因分析：芯片供给限制推动“规模优先”转向“效率优先”：面对美国的芯片出口限制，中国大模型厂商倾向于提升现有资源的利用率，优化软件提升模型表现能力，具有成本优势，而非堆砌算力，同时根据需求进行动态调整。中国市场成熟度及付费意愿较低：从商业化角度来看，中国多数行业数字化基础薄弱，企业服务场景成熟度低，2024SaaS4%。美国市场人力成本高昂，企业AIC端，中国用户软件付费习惯仍处于培养期，付费率低于美国。商业化前景的结AI公司在资本支出方面的投入更加谨慎。图6：美国五大图6：美国五大AI互联网龙头公司平均资本支出与中国头部两巨头平均资本支出对比图7：美国五大AI互联网龙头公司资本支出密度（占收入比重）与中国头部两巨头对比USD102811028151187131000

US-5averageCAPEX CN-2averageCAPEX

CAPEX/Revenue27%24%27%24%18%13%10%6%25%20%15%10%5%0%

US-5 CN-2香港）预测；US-5包括：Meta、微软、亚马逊、谷歌、甲骨文；CN-2包括：阿里巴巴及腾讯

香港）预测；US-5包括：Meta、微软、亚马逊、谷歌、甲骨文；CN-2包括：阿里巴巴及腾讯竞争格局据rtfcaAayss（截至25年1月0日，快手的lg5o、谷歌的3以及uma的y3跻身文生视Kling2.5PixVerseV5位列图生视频模型前三。在文生视频和图生视频的全球前5排名中，中国模型占比分别达%（/）和%（/25图8：文生视频模型排行榜（截至2025年11月10日）图9：图生视频模型排行榜（截至2025年11月10日）rtificialAnalysis 香港） rtificialAnalysis 香港）主要视频生成模型对比2025年11主要视频生成模型对比2025年11月18日（星期二Veo3.1Sora2MidjourneyRunwayKling2.5 Seedance1.0ProWan2.5海螺AI公司谷歌OpenAiMidjourneyRunway快手 字节阿里巴巴Minimax最新模型发布日期2510月25年9月25年4月25年3月25年9月 25年6月25年9月25年6月模型架构3D扩散Transformer专有扩散模型稳定扩散扩散-Transformer 扩散-Transformer扩散-Transformer-模型输入模态文本，图像文本，图像文本，图像文本，图像，视频文本，像 文本，像文本，图像，语音文本，图像多镜头/场景切换-✔-✔✔ ✔✔✔一致性控制✔✔✔✔✔ ✔✔✔声音和口型同步✔✔-✔✔ -✔-虚拟人/角色支持-✔✔✔- -部分支持-VertexAI,集成和插件GeminiSoraApp,未来推出API网页端+API网页端+API网页端+APP+API 火山擎API网页端+APP+API网页端+APICanva年度经常性收入 --5亿美元（2025E）2.65（2025E）1.5亿元 -（2025E）-1亿美元（2025E）每秒生成价格 0.1~0.150.38美元-0.12美元0.04~0.18元 0.10美元0.04~0.06美元0.08美元融资/估值 - 5,000亿美元(2025)

105亿+美元（2025）

50亿+美元（2025）

- - - 40亿+美元（2025）差异化特点

原生视频+音频生成，强运动真实感，深度整合于谷歌生态

拟人/cameoOpenAI模型生态

美学质量与风格控制行业领先，庞大创意社区

角色与物体跨镜头一致性、电影级镜头控制

高保真运动与镜头控制，成本极具优势

语义与情绪控制的多镜头视频生成模型，强调叙事节奏与跨场景一致性

唯一支持语音转视频的领先模型，将语音语调与情绪映射到视觉运动与场景节奏

电影级真实感，精准物理与光照模拟，自然镜头运动与物体交互、Getlaka 香港）商业化当前主流AI视频生成平台的商业化模式包含为“C端订阅＋B端API“的双轨结构，并在订阅层级、定价区间与客户分布上有诸多共同点。C端：各平台普遍采用”免费试用＋多档订阅＋积分“的收费模式，按视频数量、分辨率、时长以及生成速度定价。其价格带主要集中在8美元/月—30美元/月的区间，同时提供专业版向上延伸至企业订阅。积分或额度制已成为行业标准，用户消耗积分生成视频、同时可额外购买积分包以增加额度。不同模型间的功能差异聚焦在并行任务数、输出分辨率与无水印商务授权。商业化重心转向API调用与aS转化为时长计费（720p0.18美元/5秒，1080p0.62美元~0.74美元5秒，收入具备高毛利、低波动、复购率高等特征。从收入表现看，Runway24ARR8,400万美元，252.65Midjourney105100多人。Pika紧随其后，24年ARR800万美元，以轻量订阅和社交传播见长；在中国，MiniMax20257340亿美元里程碑；Vidu与字节系则处于快速放量阶段，前者走低价高频订阅＋APIB端渗透力最强。整体来看，AI视频生成的商业化正在经历“单一工具订阅”向“平台化API服务”的转变阶段。C端扩张带来规模与数据积累，B端服务贡献利润与长期合同，两者相互支撑。图10：主要AI创业公司年度收入ARR及近期估值 最新报告公司 领域 国

(亿美元)

收入截至日期 最新估(亿美元)

估值截至日期 市销(倍)

融资活动OpenAI在完成66亿美元股份出OpenAI通用美国127.02025年12月5,0002025年11月39x售后估值达到5000亿美元，成为全球最有价值的初创企业，超越SpaceX。Anthropic通用美国50.02025年7月1,8302025年9月37xAnthropic完成130亿美元F轮融资，投后估值达1830亿美元Cursor编程美国10.02025年10月2932025年10月29xCursor宣布完成23亿美元融资轮，公司估值达293亿美元Perplexity大语言模型美国2.02025年9月2002025年9月100x据报道，Perplexity以200亿美元估值筹集2亿美元Midjourney已发展成为估值105Midjourney视频美国5.02025年2月1052025年9月21x亿美元的帝国，员工仅100多人。Abridge医疗美国1.22025年3月532025年6月45xAbridge于2025年6月完成3亿美元E轮融资，估值达53亿美元Runway视频美国2.72025年预计502025年9月19xRunway正寻求5亿美元融资，最新估值为50亿美元MiniMax于2025年7月完成3亿Minimax视频中国1.02025年11月402025年7月40x美元融资，估值达40亿美元里程碑PikaLabs在2024年6月完成Pika视频美国0.082024年12月4.72024年6月59x8000万美元B轮融资后，估值达4.7亿美元heinformation、、Reuters 香）中国大模型具有显著的成本优势从Runware统计的每秒视频生成价格来看，生成1080P分辨率的视频每秒价格为0.04~0.38美元，而生成720P分辨率的视频每秒价格为0.03~0.5美元。对比美国主流大模型，中国大模型具有显著的成本优势。图旗舰AI视频生成模型每秒价格-1080P分辨率 AIVideoGenerationPrice-1080PUSD/sec$0.38$0.15$0.38$0.15$0.10 $0.10$0.08$0.07$0.06$0.06$0.06$0.04$0.04$0.35$0.30$0.20$0.15$0.10$0.05$0.00

Sora2ProKling2.1

Kling2.0

Google

Google

Seedance

MiniMax

Kling2.5

Kling2.1

Kling1.6

PixVerse

Vidu

Kling2.1Master

Master

Veo3FastVeo3Fast+Audio

Hailuo

TurboPro

Pro

Pro

v3.5/v4/v4.5/v5

I2V

Standardunware 香港）图12：旗舰AI视频生成模型每秒价格-720P分辨率 AIVideoGenerationPrice-720PUSD/sec$0.50$0.40$0.50$0.40$0.30$0.20$0.10$0.06$0.04 $0.03 $0.03 $0.03$0.50$0.40$0.30$0.20$0.10$0.00

GoogleVeo2GoogleVeo3+Audiounware

Sora2ProGoogleVeo3 Sora2 MiniMax01香港）

Kling1.6Standard

Vidu2.0 SeedanceLite

Vidu2.0大型科技平台广告收入竞争广告仍然是内容创作最重要的变现途径。全球线上广告市场在2024年已接近8,000亿美元，预计未来几年增速约为7-8%2025540亿美元，占到全球线上广告市6%,10%的复合年增长率，持续提升市场份额。新兴平台如SaAPP正在利用AI生成内容。尽管部分I生成内容倍批评为“AIOP（即低质量，大规模生成的内容，但我们认为更准确的描述应是质量参差不齐，其中也包含高质量内容。更重要的是，这些平台在获得用户参与度；从内容供给端来看，AIPricing估计，AI生成视频已占平台视频总量的52%。总体而言，SoraAPP的出现是一个里程碑，进一步印证了广告营收竞争的加剧。平台通过AI工具获取用户流量，这一生成的视频内容48%AI生成的视频内容,52%究，AI50%生成的视频内容48%AI生成的视频内容,52%图13:AI图13:AI生成视频内容目前已占到TikTok平台视频内容总量的约52%图14:AI优化过的视频有助于提升互动率echJuryPricing 香港） ebracat,招证（香港）行业趋势展望及我们的观点AI视频生成市场广阔，需求强劲，是更容易商业化的AIGC赛道201773%提升202582%。AI视频生成可赋能的行业范围极为广阔，包括但不限于：影视娱乐、广告营销、游戏、电AI文本生成（ChatGPT）AI绘画相比，AI视频生成的商业化路径更直接—企业可以按照视频生成时长、分辨率、功能等分级收费。客户为明确的价值（节省的时间和金钱）付费，付费意愿强烈。AI生成同样赋予商家视频创作的能力，例如在淘宝、亚马逊和Meta等平台上，商家可以使用平台的AI工具，根据产品图片和文本提示生成短视频，以实现预期效果，从而节省成本并提升效率。AI技术显著降低内容制作成本，将逐步提升在内容制作环节的渗透率AI视频工具将简单短视频的制作成本从每条5,000–10,000美元降低到几百美元，大幅削减了人工、时间和成Netflix（链接）中使用AI来增强一场复杂的建筑坍塌场景，展示了AI视频技术明确的商业可行性。相比于AI文本生成模型的开源和同质化竞争，高质量视频生成在算力、算法和数据上有更高的壁垒生成式AI视频模型的训练需要显著更多的GPU运算时间和硬件成本（视频数据相比于文本数据。因此，这是一项资本密集度更高的工作，需要雄厚的资金实力，为OpenAI和GoogleDeepMind等领先者构筑了深厚的护城河。来自时间一致性、物理因素（如光照、物体碰撞）以及多模态整合（声音与图像）的复杂性，需要先进且严格保密的算法，以及大量获得授权的视频数据集，以避免版权问题。相比基于文本的大型语言模型，这些更高的资本和技术门槛限制了竞争者的进入。差异化产品/生态能力是决定市场份额的关键因素鉴于市场竞争和客户需求，我们发现视频生成式AI市场持续向更多垂直领域扩展。媒体头条可能更多聚焦于领先的AI企业，如Google的Veo3和OpenAI的Sora2，但第二梯队的企业（并未落后太多）正在为特定应用场景提供功能或适配能力，例如PikaLabs的实时编辑功能，或StabilityAI提供的嵌入安全机制的产品可视化工具，专为电商和游戏等垂直领域定制。强大的生态系统将视频生成式AI与Unity和Roblox等平台集成，以推动用户增长和留存。Runway也拥有强大的插件生态系统，简化了专业视频编辑和原型制作流程，使其在创意类AI视频工具领域拥有显著的市场份额领先地位。建议关注：模型的持续迭代和新模型推出：我们正在看到生成式AI模型从仅限于文本、图像、视频，扩展到更复杂的3D世界。例如Google的Genie3，这是一种AI世界模型，可以根据文本提示生成可交互、动态的3D环境，用户可以实时探索。目前其他生成式AI模型可以实现Genie3所做部分功能，但我们可以预期，像QWEN和OpenAI等竞争者也会开发他们版本的Genie3。3D世界能力的应用可以不仅限于视频游戏，还可以扩展到建筑、工业设计、机器人/自动化系统、教育/培训等领域，在许多高附加值的应用中具有潜在用途。算力成本：在性价比方面，中国厂商以高质量和较低的算力成本处于领先地位，尽管我们注意到所有厂商仍在不断寻找提升模型效率的方法，例如，Sora2的效率是原始版本Sora的5到10倍，同时硬件算力成本也在下降，在2024年生成一段1分钟的1080p视频可能需要超过100美元，现在只需10至20美元。鉴于竞争加剧，我们可以合理预期视频质量将持续提升，而每分钟视频的生成成本将持续下降多模态整合与生态系统扩展：视频生成式AI正在与音频、3D、AR/VR以及实时交互功能融合发展，Sora2的语音合成功能就是一个例子。这影响并提高了影视、游戏和内容产业水平。最近的一个例子是，Google刚刚推出了Fow，它由更新后的ov1提供支持（链接，允许用户通过多张参考图像生成视频，将画面衔接为无缝过渡片段，扩展视频内容，插入真实或奇幻元素，并自动整合光影效果，还可以移除不需要的物体。Flow还可以通过生成音频来增强内容。企业发展趋势：利用用户数据生成高度个性化的视频，可以显著提升在营销、教育和电商领域的用户参与度。用户留存、收入模式、成本节约、效率提升等企业指标可用于衡量市场发展和收入潜力水平，尽管我们注意到视频生成式AI在企业中的发展仍处于早期阶段，目前在营销、电商和影视领域的应用速度最快，但很可能会扩展到其他行业，例如基于提示词生成的3DAI世界的应用场景。风险与挑战技术难度高：相比图像生成，视频需增加时间连贯性，确保物体运动合理、画面流畅不闪烁，技术难度大，算力需求高，数据质量要求苛刻。竞争风险：开源模型（如Kling、Veo）可能导致同质化，厂商需通过场景定制（如影视级生成）和生态绑定（如抖音-剪映集成）构建壁垒。版权归属：Sora2的解决方式：版权所有者IP角色生成可以选择“授权”或“不授权”IP角色生成的视频归类为“同人小说”内容，并探索“创作者+IP方+平台”的分账机制，使得版权方可以通过授权获得相应的收入。用户通过活体检测和动态音频挑战创建的数字分身（Cameo），其肖像权和使用权完全由本人控制。鉴于平台上广泛使用日本动漫角色的情况，日本政府已要求OpenAI改为“选择加入”模式，需事先获得知识产权持有人的许可，以防止版权侵犯，并采取措施补偿权利人，并允许他们请求删除相关内容，OpenAI已同意此要未成年人保护：最近，美国参议员MarshaBlackburn强烈主张加强儿童保护监管，并呼吁进一步加强对未成年人的保护（链接）。投资推荐模型+应用生态提供商：美国：谷歌（GOGLS、a（MAS、Fia（FIGS、oe（ABEU中国：阿里巴巴（BAAU、腾讯（00HK）视频内容制作公司P所有者：美国：x（FXS、迪士尼（SUS；中国：爱奇艺（IQS、阅文（772HK）GC内容平台：美国：x（RLXUS；中国：哔哩哔哩（IIUS、快手（24H）AI视频生成下游产品公司：美国：多邻国（OLU；中国：网易（TESUS、美图（37H）美国旗舰公司AI视频生成产品GoogleVeo3：原生音频显著提高视频真实感GoogleVeo3GoogleDeepMind20255月推出的新一代视频生成模型，相较于202412Veo2与2024年5月发布的Veo实现了多维度的技术突破，主要表现在：视频清晰度与长度：Veo理论上支持最高720p清晰度，最长2分钟的影片；Veo2理论上可以生成最长两分钟，4KVeo3理论上可4K10AI影片，且支持多种高宽比（16:9，9:16，1:1等），并大大提高了视频纹理、人物面部连贯性、肢体协调性与空间感应力。视频音效：Veo与Veo2仅支持基于文本或图片生成无声视频，而无法产生任何音效，需要后期添加音频及剪对提示词的响应：Veo与Veo2对复杂场景描述的理解有限，风格执行不一致，可能需要多次尝试才能达到理想效果，可用于简单动画的制作或产品演示视频。Veo340%，可用于专业广告、短篇故事、教育演示和虚拟演示的制作（链接）。此外，202510月发布了最新Veo3.1Veo3做出功能性全面升级：允许用户在视频中加入新角色或道具且支持消除不需要的元素，并可以无缝重建背景；提升第一帧与最后一帧的连贯性和叙事流畅性；调整光线方向、亮度和阴影度，增强视频细节；同步音频、对白生成更为先进，可生成更逼真的声音效果。图15：Google可以通过GoogleAI订阅 图16：Google3生成的视频示例 oogleOne 香港） oogleOne 香港）Sora2：标志性得开启AI内容社区化时代Sora2作为OpenAI于2025年10月推出的新一代视频生成模型，相较于2024年发布的初代Sora实现了多维度的技术突破，以及产品形态的创新设计：物理真实感的革命：Sora2在物理规律模拟上达到了行业标杆水平。初代Sora在处理复杂运动时易出现肢体扭曲或动作逻辑混乱的问题，而Sora2能精准还原奥运级体操动作、桨板后空翻等动态场景，其物理引擎可精确模拟浮力、刚性碰撞等力学特性。例如，在生成“向带有箭头的杯子中倒水”的视频时，Sora2在提示词中没有明确提示箭头方向改变的情况下，生成的视频主动提现了折射导致的箭头翻转现象（图17）。音视频通同步，多模态交互：Sora2首次实现视频与音频的原生同步生成，支持多语种对话、环境音效和空间音频。用户输入文本提示时，模型可自动匹配角色口型、语音语调及背景音景，例如在“吵架”场景中，AI不仅生成人物愤怒的表情和姿态，还会补充自然的对话内容，并确保语音与口型完全同步。这种音画协同能力使持跨镜头的长叙事链生成，用户可通过自然语言指定分镜切换、光线变化等细节。例如，输入“一名侦探在雨夜追踪嫌疑人”的提示，Sora2能连续生成远景、中景、特写等多镜头画面，并保持场景和人物的一致性。此外，模型还支持风格化定制，可生成电影级、卡通或抽象艺术风格的视频。社交驱动的内容生态：Sora2SoraAPP,AI内容社区化时代，类似于“AI版抖音”，构建了独特的社交互动模式。用户通过邀请码注册后，可生成包含自己或好友数字形象的图18：Sora2同步推出的SoraAPP构建了独特的社交互动模式。用户可生成自己的数字分身进行内容创作图17：Sora2在物理规模的模拟上达到行业领先水平：在提示词中没有明确提示箭头方向改变的情况下，生成的视频主动提现了折射导致的箭头翻转现象视频（Cameo，“客串”功能），并通过“Remix”功能对他人作品进行二次创作。这种机制不仅降低了创作门槛，还通过链式传播快速形成用户网络，截至图18：Sora2同步推出的SoraAPP构建了独特的社交互动模式。用户可生成自己的数字分身进行内容创作图17：Sora2在物理规模的模拟上达到行业领先水平：在提示词中没有明确提示箭头方向改变的情况下，生成的视频主动提现了折射导致的箭头翻转现象子位智 香港） izard、OpenA 香港）图图20：Midjourney订阅计划Midjourney：实现快速迭代的创作环境Midjourney20227122024731日正式发布，迄今为止已有九个普通版本。V1模型（2022.2）为测试版，可通过文字提示生成基础图象，但画质和细节有限。V2V4模型（2022411月）AI图像方面取得了集体性进展。V2通过超分辨率与变体功能提升了清晰度，V3引入了风格化与质量控制，在艺术自由与细节表现之间实现平衡。V4借助全新架构实现了更快的生成速度，并能输出逼真度更高、接近渲染效果的图像。这些迭代使应用从最初的粗略草图，逐步演进为能够生成高度细致，逼真视觉效果的工具，并具备更灵活的风格控制与性能表现，标志着图像质量与生产灵活性的显著提升（链接）。V5至V7模型（2023年3月至2025年4月）带来了重大改进，V5将分辨率提升一倍并增强细节表现，修复了失真问能，使输出结果更贴合用户偏好，大幅提升创作灵活性与效率（链接）。图19：Midjourney初代版本至最新版本生成同一图像的区别idjourney 图19：Midjourney初代版本至最新版本生成同一图像的区别AmazonNovaReel：降低广告制作门槛，提高顾客购买欲望AmazonNovaReel是AmazonAds针对电商广告而推出的视频生成模型，可在短短几秒视频中展示产品，适合品牌推广与电商广告。初始测试版（AmazonNovaReel1.0）发布于2024.9，可以在几分钟内通过文本提示或图文结合提示生成6秒单镜头广告视频，大大降低了广告制作门槛，但视频内容仅有简单图像移动，且使用对象仅为美国部分广告主。2025.6发布升级版（AmazonNovaReel1.1），较初始版做出了较大改进：26秒镜头组成，确保整体风格一致且连贯，扩展了视频表达空间。“多镜头手动”6秒单独镜头设置文本提示与起始参考图像，方便用户分场景、分段落规划视频结构，且视频镜头可以单独输出或拼接成完整视频，方便后续剪辑。5124,000字符的多镜头描述，大大增加内容丰富性。图21：AmazonNovaReel1.1生成的部分视频图21：AmazonNovaReel1.1生成的部分视频图22：AmazonNovaReel1.1可生成产品在不同使用场景下的视频mazon 香港） mazon 香港）MetaMovieGen：结合四模型为一体的领先工具集合MetaMovieGenMeta2024.10AI模型，通过输入简单文字指令即可生成短片，目标是为电影制作人、内容创作者等提供强大高效的创作工具，实现个性化故事叙述，并挑战OpenAI与Sora的领先地位。此模型结合了四个模型：1）MovieGenVideo模型：可以从文本提示生成高质量的视频；2）MovieGenAudio模型：可以创建与视频内45秒的音轨，包括背景音乐、环境音、音效等；3）个性化电影生成视频模型：根据文本提示和单张图像生成特定个人的视频，保留他们的肖像；4）MovieGenEdit模型：允许对真实和虚构的视频进行详细的、基于文本的视频编辑。MetaMovieGen具有强大功能，主要包括：1）1616fps1080p，并拥有逼真的视觉效果，通过行业顶尖的音视频对齐技术与音频模型配对后，可同步生成音频来匹配视觉效果。此功能可用于电影制作，可快速提供有创造性的视觉与音频元素。2）用户可提供一个人的图像和相应文本提示，从而生成一个包含人物参Meta于2025年9月25日推出MetaVibes，SoraAppMetaAI应用的下载量（101840056%）116Sora相比，MetaVibes在内容量、社交整MetaAI大模型突破方面仍需努力。图23：MovieGenEdit模型编辑示例 图24：MetaVibes帮助提升了MetaAI的用户数量ltralytics 香港） eta 港）Runway：从早期短视频生成到长视频叙事的先行者RunwayAIGen-4。RunwayModelGen-1的风格迁移、物体替换、背景/Gen-2“文生视频/图生视频”Gen-4的多模AI生成视频“角色变脸”与“动作不连贯”AI电影化生产具备可用性。Runway具有较快的商业化进程：Runway5种订阅计划，分别为免费版，标准版，专业版，无限制版，和企业版，02,000美元不等，这种阶梯式设计覆盖了个人创作者到大型企业的不同需求。B端的企业版用户订阅价格167美元，高于C0~76美元。根据TechCrunch的数据，Runway24年的ARR8,400252.65-3亿美元，增长速度远超多个竞争对手。Runway254月完成新一轮融资，估值约30亿美元，此外，有报道称，近期Runway正在寻求5亿美元的融资，近期估值可达50亿美元。香港） 香港）Pika：从社交化创作与视频编辑融合切入的轻量级AI视频平台PikalabsAI视频生成与编辑的初创公司，23年由郭文景、孟辰霖与陈思禹在美国湾区创立，其团队AIlab2311Pika1.0公测版，定位“人人可用的创作者级视频工具“而非专业影视特效工具。Pika模型强调“一站式生成+在线编辑”的工作流（画幅扩展、帧率/时长延展、局部替换、风格化）。Pika1.0（23年11月）实现从文本或静态图像生成短视频，时长上限约4–6秒。支持画幅扩展、风格迁移与场景延展。Pika1.5（24年上半年）优化帧率与动作连贯性，引入Prompt-to-Edit功能，使用户可通过文字描述修改生成视频局部内容。Pika2.0/2.1则有了一些质的提升，强化了角色一致性、多场景衔接、口型对齐、背景稳定引擎、镜头过渡、更高分辨率等，面向短叙事与广告短片。Pika2.2（25年中）推出Pikaframes功能，允许用户通过关键帧图像控制生成节奏，并支持最高10秒视频生成。Pika的货币化模式为免费+订阅+积分消耗的混合体系。Freemium用户每月可获得少量试用视频点数。订阅计划从标准876GetLatka数据，Pika2024800万美元，20246月B4.7亿美元（链接）。Pika的核心竞争力在于极低的创作门槛与可玩性，C1,000508~76美元之间。B端方面，其业务中心依然集中在轻量级的营销机构、小型广告代理和自由创作者。图27：Pika订阅模式 图28：Pika生成的热门视频 香港） 香港）商业化下游：生成式AI工作流在定制化商业内容创作中的应用节点式生成式AI工作流允许用户在可扩展画布上直观地连接多个AI模型和编辑工具，实现图像与视频的无缝分支、混合与精细控制，从而生成高质量、可定制的商业内容。这种UX/UI相比单纯文本提示更受欢迎，因其提供更强的控制力。目前该领域的参与者不多，领先应用包括ComfyUI和Weavy。Weavy最近被Figma（FIGUS）收购，并更名为FigmaWeave，FigmaAI媒体生成与专业编辑能力。此外，Adobe10月宣ProjectGraph，这也是一款节点式创作应用。我们认为，这些竞争性里程碑清晰地凸显了节点式（或其他支持定UX/UI格式）AI工作流发展的重要性。图图29:在节点式生成式AI工作流中，用户可以在可扩展画布上通过节点直观地连接代表AI模型和编辑工具的模块。这种方式支持提示词、对象的无缝串联，实验的分支，以及图像与视频的分层级控制，从而实现高效的、协作式eavy，X 香港）图30:部分领先的节点式生成式AI工作流编辑器/应用功能FigmaWeaveAdobeProjectGraph/FireflyComfyUIRunwayWorkflows核心界面

基于节点的画布，用 跨应用的节点式工作于AI模型链式连接

于自定义管线

自定义节点式工作接AI模型优势/强项

多模型整合（写实与风格化）层Figma共享生态

Firefly核心+自定义/第三方节点图像、视频、矢量、应用内特定编辑浏览器/应用共享，支持CreativeCloud同步与专业工具深度整合（如Photoshop精准度）

开源模型（如StableDiffusion、Flux），节点可扩展图像、视频、3D、音频（通过节点扩展）本地/离线；社区共享工作流（.cpack文件）环境

专有模型Gen-4、Aleph、Act-Two+多模态整合图像、视频、动态编辑、风格迁移/理，接近实时的创意迭代、媒体报、Crunch 港）中国旗舰公司AI视频生成产品阿里巴巴（BABAUS）：从底层技术到商业化应用的全栈式布局阿里巴巴在AI视频生成领域已形成从底层技术到商业应用的全栈布局，拥有自研AI芯片，构建构建Qwen（文本）、Wan（视频）、Fun（音频）多模态模型家族，支持跨模态联合生成。自研视频生成模型—通义万相（Wan）：20259Wan2.5-Preview101080P视频生成（24帧/秒），首次实现音画同步（自动生成匹配的人声、音效、背景音乐），突破多镜头叙事能力，减少人工剪辑需求，支持复杂指令理解与长连贯故事生成。通义万相C端商业化方式采用订阅制模式，标准会员连续包年月费36元高级会员145元，单视频生成收费约0.6元。端应用：容创作者社区交流。B端应用：专业影视制作平台—寻光：202412AI视频创作平台—寻光。该平台可提供AI辅助剧本分析，自动生成分镜、视频运镜控制、图层拆解边际等，主要面向专业视频制作团队和开发者。电商商家创作平台/APP—万相营造：核心功能包括商品图转视频、AI换装演示、短视频脚本生成。已上线移动APP，缩短电商商家商品视频制作周期。图31图31：2025年9月，阿里巴巴发布Wan2.5-Preview图32：通义万相订阅费用：标准会员连续包年月费36元高级会员145元，单视频生成收费约0.6元 香港） 香港）图33：图33：2025年9月，阿里巴巴旗下夸克AI正式发布AI创作与创意表达平台的平台/APP“造点AI”图34：阿里巴巴达摩院发布的寻光平台服务专业视频制作者，提供专业级的视频编辑和影片制作图35：电商商家创作平台/APP—万相营造提升电商商家视频制作效率 香港）腾讯（700HK）：AI视频赋能游戏与广告生态协同自研视频生成模型—混元（Hunyuan-Video）：20249130亿参数，可以生成较强物理准确性以及一致性镜头的视频。它拥有强大的语义对齐能力，能够生成高动态、流畅的运动画面，并一次性完成多个连续动作。模型具备导演级运镜能力，实现艺术镜头的无缝衔接，完美融合真实效果与虚拟场景。视频创作平台—腾讯智影：云端智能视频创作平台，核心功能包括数字人播报、文本配音、文章转视频、视频剪辑等。垂类应用：游戏：Hunyuan-GameCraft：20258Hunyuan-Video的下一代游戏交互式视频生成框架，通过高动态内容合成与连续动作控制技术，实现了影视级时序连贯的视频生成，为沉浸式游戏体验树立了新标杆。该模型基于超百万条AAA级游戏实录数据训练，覆盖100余款主流游戏，确保多样性和泛化能力，并进电商从业者、广告创意人等不同用户和场景的需求。一站式AI广告创意平台“妙思”可生成商品广告图片及视频、商品口播等，简化广告制作与投放流程。图36图36：腾讯视频生成模型Hunyuan-Video图37：腾讯智影提供数字人播报、文本配音、文章转视频等智能视频创作功能 香港） 香港）图38：Hunyuan-GameCraf实现了影视级时序连贯的视频生成，为沉浸式游戏体验树立了新标杆图图38：Hunyuan-GameCraf实现了影视级时序连贯的视频生成，为沉浸式游戏体验树立了新标杆图39：腾讯广告“妙思”可生成商品广告图片及视频、商品口播等，简化广告制作与投放流程香港） 香港）百度（BIDUUS）：非扩散架构的视频生成路线MuseSteamer：不同于传统的扩散（Diffusion）架构方案，MuseSteamer采用百度自研的ERNIE多模态框架和Transformer24MuseSteamerv11080P10秒的文生视频生成。248v1.5Full-DuplexStreamingInference（全双工流式推理）技术，使模型在生成过程中能够实时反馈用户，实现“边生成、边修改”。MuseSteamer2.0打破业界记录实现“多人有声音视频一体化生成”，利用LatentMulti-ModalPlanner（多模态潜在空间规划技术）实现语音与唇形、表情、动作的毫秒级精准对齐，同时支持多角色身4k2-5分钟/24-60FPS，30MuseSteamer模型制作的科幻短片《归途》中，“40多个镜3AI120个片段，成本低至百元”。则通过百度的”千帆大模型平台“API调用、MaaS部署于多模态内容生SDKAPIMuseSteamer嵌入内部内容生产C端相比，B端更强调可扩展性、稳定性与算力资源调度，其商业逻辑以高客单价和长期合同驱动营收增长。图40图40：MuseSteamer2.0可生成影院级AI视频图41：采用百度MuseSteamer模型生成的科幻短片—《归途》香港） 香港）美团（3690HK）：实现视频续写完整任务闭环2025年10月27日，美团龙猫团队发布LongCat-Video视频生成模型。LongCat-Video创新通过“条件帧数量”实现任务区分—文生视频无需条件帧、图生视频输入1帧参考图、视频续写依托多帧前序内容，原生支持三大核心任务且无需额外模型适配，形成“文生/图生/视频续写”完整任务闭环。文生视频：可生成720p、30fps高清视频，能精准解析文本中物体、人物、场景、风格等细节指令，语义理解与视觉呈现能力达开源旗舰级别。图生视频：严格保留参考图像的主体属性、背景关系与整体风格，动态过程符合物理规律，支持详细指令、简洁描述、空指令等多类型输入，内容一致性与动态自然度表现优异。视频续写：视频续写是LongCatVideo的核心差异化能力，可基于多帧条件帧续接视频内容，为长视频生成提供原生香港） 子 香港）快手（1024HK）：可灵AI2.5Turbo登顶全球排行榜C端、B自研视频生成模型—可灵（Kling）：2025年9月发布的可灵AI2.5Turbo显著提升运动效果、风格一致性和美学质量，尤其在“大幅运动画面”（如转向、肢体交互）ArtificialAnalysis2.5Turbo文生视频/1.0/Veo3160%/212%。商业化方面，可灵支BAPI0.9（1,314元）1.8元（黄金会员，标准58元）。强劲的营收增长轨迹与全球吸引力：Kling在2025年一季度实现商业营收人民币1.5亿元，二季度升至人民币2.5亿元（环比+67%）。全年营收指引已上调至1.25亿美元。快手在2025年6月宣布，Kling在成立一周年时年化创作工作台—灵动画布：灵动画布是快手可灵AI推出的创新创意工作台，其主要功能包括一站式创作、多人协作、无限画布、智能辅助创作等，为创作者提供了高效、便捷的创作环境。电商营销短视频生成Agent—Kwali：据媒体报道，20259AIagent—Kwali，可实现一句话生成完整且可直接投放的短视频，极大降低视频制作门槛。商家只需输入需求，Kwali即可自动拆解卖点、受众和情境标签，并生成脚本、匹配镜头、剪辑合成等。图图44：2025年9月，快手推出可灵AI2.5Turbo，持续升级生成效果和质量香港）图图45：快手可灵包含的主要功能香港）图46：快手推出的AI创作平台—灵动画布 图47：快手推出的电商营销短视频生成AIagent—Kwali香港） 子位公司数 香港）图图48：快手可灵付费计划：单视频生成价格区间为0.9（黑金会员，标准月费1,314元）至1.8元（黄金会员，标准月费58元）香港）美图（1357HK）：垂直领域深耕者自研视频生成模型—美图奇想大模型（MiracleVision）：2025年迭代至V5版本后，进一步提升画面细腻度与动态真实性，例如在“AI换装”功能中，服装褶皱和光影匹配精度达行业领先水平。此外，美图还与阿里通义万相、DeepSeek等模型合作优化性能。主要应用产品：AI短片创作平台-MOKI：专注于动画短片、网文短剧、故事绘本及音乐视频（MV）创作，可以根据用户输入的视频描述生成分镜脚本和画面，支持选择视觉风格、角色设计等。自动识别关键帧进行剪辑，提供自动配乐、音效和字幕生成功能。AI影像agent—RoboNeo：一站式影像处理与视觉内容创作工具，覆盖图片编辑、设计创作、视频制作。用户图49图49：美图旗下AI短片创作平台—MOKI图50：美图旗下AI影像agent—RoboNeo目前支持接入Sora2香港） 香港）图51：美图旗下AI素材生成工具Whee 图52：美图旗下口播视频创作工具—开拍 香港） 香港）哔哩哔哩（BILIUS）：聚焦动漫+中长视频+UGC内容社区差异化竞争B站通过“数据+社区+垂直场景”AI视频生成壁垒：数据：BUGC/PUGC内容，利用深度用户互动评论训练模型；场景：聚焦中长视频、动漫、虚拟偶像等优势领域，避开短视频竞争；商业化：AI创作者效率提升，并提升广告投放效率，以推动商业化收入增长。AI视频创作平台—花生AI：20258月，据媒体报道，BIUP主通过输入文案或口播音频，在30）。动漫生成模型—Anisora：20257月，BAniSoraV3VTuber内容、动画PV、鬼畜（MAD）等。香港） 香港）其他未上市中国公司字节跳动：平台应用+模型基础设施的全栈布局字节的AI视频生成体系采用“平台＋Seedance/Waver双模型引擎”架构，技术迭代清晰，分层明确。目前，SeedanceWaverAIGC视频领域“高质量＋高效率”的技术格局。应用平台包括：1)豆包：20258月，豆包APP1.57亿（据QuestMobile）DeepSeek1.43亿，成为中国用户数最高的C端AI对话助手产品。2025年以来，豆包逐步从简单的对话助手升级为多模态AI产品，视频生成功能也逐步增强。202510月，字节跳动正式发布了豆包视频生成模型（Doubao-Seedance-1.0-pro），进一步实现生成效率提升和成本降低。1080P258Waver1.0，统一处理文本、图像与视频生成任务，实现工业级推理效率。3)其他：包括剪映（视频创作剪辑工具）、即创（抖音商家AI创作工具）等。即梦采用“订阅＋免费额度＋API调用”的双层商业化模式。C69元人民币/659元人民币/年，每月可1682,0502680张照片的免费额度。App上线半年后，MAU就已突破1,000万。BSeedanceWaverAPI，以生成市场与分辨率定价，服务广告、电商与教育客户。基于订阅价格与广告客户潜在扩展推算。C端收入是即梦当前增长的主要来源，特征是订阅价低、用户基数ARPU较低；B端（BytePlusAPI）贡献规模小，但具备高单价、高复购率与长期合约潜SeedanceB1-2年持续上升。图55：即梦网页 图56：即梦创办的数字艺术展 香港） 香港）爱诗科技：PixVerse凭借出色特效出圈PixVerse是由爱诗科技推出的AI视频生成平台，核心功能包括“照片/文本生成视频”，同时支持风格迁移、口型同步、音效/20241AI20256月发布。公司创始人王长虎曾任字节跳动视觉技术负责人，核心团队成员大多来自字节跳动、微软亚洲研究院、快手和腾讯等领先机构。产品迭代：早期版本V2840秒的多段视频。V3阶段：引入口型同步与视频续接功能，提升了文本驱动视频生成的控制力与精细度。V4（2025年初发布）：集成音频模块，实现音视频同步；优化动作流畅度与物理一致性；并将生成速度压缩定价：PixVerse采用点数驱动的订阅体系，从提供有限点数的免费版到每月10–48美元的付费计划，支持最高1080P视频，并提供带API接口的定制化企业版。202510171B+轮融资，1亿，MAU1,600万。APIEssential（1003335秒视频）、Scale（每月1,500美元，约5,316个视频）、Business（每月6,000美元，约23,766个视频）。平台用户规模从2024年12月的全球1,200万增长至2025年9月的累计超过1亿。图57：PixVerse各式各样的AIAgent页面 图58：各式各样可调节的Parameters 香港） 香港）Minimax：海螺AI升级电影级高质量视频生成效果AIMinimax推出的多模态视频生成模型。早期版本海螺-Video-01系列（T2V-01-Director与I2V-01-Director）率先实现了分层控制，包括镜头构图、角色、场景与动作，支持基于文本描述的逐镜头视频生成，确立了“导演级”可控能力。20256月，海螺-02NeuralControlRepresentation框架，相较前代训练参数提升三倍、数据量提升1080p分辨率，并支增强，可生成复杂场景如“喷火高”速与运“动”，标志着视频理解与生成能力的重大突破。2025年7月，Minimax完成3亿美元融资，估值约40亿美元，跻身中国估值最高的生成式AI公司之列。在消费端，AI面向日常创作者与短视频博主，通过分层订阅与点数体系降低使用门槛。其主要用户群体来自抖音、在企业端，Minimax的多模态基础，海螺AI向广告、电商、教育和游戏等行业提供API能力。众多短剧制作团队、MCNB2BMiniMaxAPI与火山引AI更高的利润率和强劲的经常性收入潜力。AI的商业化模式结合了消费端的分层订阅与应用内购买（用于流量变现），以及企业端的API订阅体系分为五个层级：Standard（每月7.99美元，约83个视频）；Pro（每月27.99美元，约375个视频）；Master（每月63.99美元，约875个视频）；Ultra（每月124.99美元，可完整访问海螺-01模型）；Max（每月199.99美元，可完整访问海螺-01/02模型）。所有订阅方案均支持1080p、最长10秒视频、多线程生成。Minimax报告称已协助创作者生成3.7亿个视频，仅Web版本的年化经常性收入（ARR）就超过1,000万美元。图59：MiniMax与其他模型精确度对比 图60：海螺AI用户界面 香港） 香港）清华Vidu：中国学术研究模型向多模态的演进Vidu是由清华大学、智谱AI与上海人工智能实验室于2024年联合推出的生成式视频大模型，被视为‘多模态世界建模’的起点，重点关注物理一致性、时间连续性与语义可控性。Vidu是首个完全基于Transformer架构并采用非扩散（Non-Diffusion）方法的文本生成视频模型，参数规模达14亿，并通过“逐帧去噪”显著提升了视频清晰度。产品迭代：版本1.0161080pVidu1.5（2024年四季度）强化了动作理解与镜头语义控制，支持更复杂的角色互动与场景切换。该版本实现了单个视频在30秒内快速生成。自上线以来，Vidu在100天内即获得超过1,000万用户，迅速走红。版本2.02025Web、AppAPI接入，并采用按秒计费与具竞争力的定价策定价：“免费体验+分层订阅+API接口”。在消费端，平台提供四档订阅方案：免费版：800点数，可生成约2001080p视频；标准版：82,0005001080p视频；高级版：28美元，可700个视频；旗舰版：791,000个视频。不同订阅档位在视频生成数量、并行任务上限、参考素材与编辑功能方面有所差异。在企业端，ViduAPI平台，提供文本生成视频、图像生成视频及模板化视频生成接口，面向广告、电商、教育与影视制作等行业。图61：Vidu生成界面 三大亮点 香港） 香港）2025年11月18日（星期二）互联网行业估值对比券评级价券评级价（%）美元）FY25EFY26EFY25EFY26EFY26EFY26EFY26EFY26E收入净利润EBITDA腾讯700HK港元增持641.0766.019.5720.916.422.29.613.816.0阿里巴巴BABAUS美元增持153.8204.032.6367.017.415.016.723.3n.a.2.518.211.0拼多多PDDUS美元增持131.0审视中n.a.185.920.7