如何走出OpenAI的范式“陰影”，是每個大模型廠商面臨的共同的命

內容/劉萍

編輯/一白

校對/詠鵝

當DeepSeek用1/10算力實現GPT-4級別性能時，這個信號值得所有文生視頻從業者深思：中國AI創新不應趨于技術復刻，而是要構建原創技術范式。真正的破局點或在于“場景定義技術”的創新路徑。當技術研發深度融入產業需求時，中國公司完全可能開辟出超越Sora范式的新賽道。正如大模型領域涌現的MoE架構創新，文生視頻的下一輪突破，或誕生于技術與產業需求的化學反應之中。

今年春節，DeepSeek火遍全球。上一次大模型引發如此震動，還是OpenAI發布Sora時。

2024年2月15日，OpenAI的文生視頻模型Sora橫空出世，憑借其逼真的效果、復雜的鏡頭轉換、以及最長可達1分鐘的視頻生成時長，瞬間在全球引發熱潮。這一突破也引得國內廠商緊急入場，快手可靈、字節即夢、阿里通義萬相、騰訊混元等文生視頻模型接踵而至，背后亟待開掘的是如剪映般超8億月活和近百億營收的商業空間。

然而卷了一年后，廠商們依舊是互聯網時代“小步快跑，試錯迭代”的產品思維。近期快手可靈發布1.6版本，語義理解、文本響應度等功能有所提升，收費規則沒變；時隔一月，阿里云發布通義萬相2.1，在大幅度復雜運動、物理規律遵循、藝術表現等層面全面提升，首創生成漢字視頻……

DeepSeek只用少量GPU和低廉的部署成本實現媲美OpenAI效果的解題思路，或許能為文生視頻廠商提供解決困局和改變競爭維度的樣本參考。

如果說2024年，文生視頻廠商完成了從0到1的初步探索，在AIGC技術日新月異的發展節奏與大廠激烈競逐的浪潮中，2025年將背負的是從1到10乃至100的期待。誰將成為引領新一輪文生視頻風潮的先鋒？誰又將出現在自家大廠失敗產品的盤點名單之上？

Part.1

技術路線共識下的創新困境

追趕者難破時長魔咒

當OpenAI在2024年2月15日向世界展示Sora時，這個能生成60秒高質量視頻的AI模型不僅重新定義了文生視頻的行業標準，更在無意間為中國AI賽道劃定了技術追趕的坐標系。

傳統U-Net架構需要完整圖像的前后向傳播，而Sora基于Transformer的patch訓練機制可將計算成本降低40%以上。這種效率提升讓國內廠商在算力受限的環境下看到了希望——正如DeepSeek用1/3的GPU資源實現GPT-4水平的語言模型，文生視頻領域似乎也存在類似的“捷徑”。

從快手可靈到阿里通義萬相，從字節即夢到騰訊混元，國內廠商集體開啟了一場名為“復刻Sora”的技術軍備競賽。

可是，雖然國內廠商已掌握Sora的技術核心DiT架構（Diffusion+Transformer）的基礎原理，但這并不意味著他們能順利復制出國產Sora，關鍵差距在于技術體系的完整性。畢竟技術路線以外，Sora未披露的技術細節，諸如參數規模、算法設計等關鍵技術環節仍存在代際差距。

相比難以突破的算力、算法和數據三大核心難關，國內各廠商的主要比拼指標圍繞時長、視頻的分辨率等展開。

而這場始于技術路線模仿的追逐戰，也在經歷近一年的發展后，逐漸顯露出更深層的創新困境。清華系AI公司瑞萊智慧RealAI、螞蟻集團和百度聯合孵化的生數科技，去年4月底就攜文生視頻模型Vidu亮相，號稱能生成最長為16秒的視頻，但7月末正式上線時，視頻時長卻僅有4秒和8秒兩種選擇。

智譜AI在去年7月發布了文生視頻清影（Ying），底層技術也沿用了DiT架構，可生成的視頻最長僅有6秒，11月增加至10秒。從清華系RealAI的16秒承諾縮水至實際8秒輸出，到智譜AI清影模型從6秒艱難爬升至10秒，國產模型始終困在"秒級"競技場。

即便頭部玩家快手可靈通過"續寫"功能實現3分鐘拼接視頻，其單次生成仍停留在10秒門檻。這種困境在Sora Turbo正式版發布后更顯諷刺——OpenAI主動將時長壓縮至20秒，暗示首秀的1分鐘視頻實為精心剪輯之作。

在生成式AI領域，技術路線的透明度與實現能力之間存在巨大鴻溝，也揭示了一個殘酷現實：單純的技術路線模仿難以突破物理模擬、時空連續性等核心難題。就像當年國產芯片遭遇的“制程追趕悖論”，文生視頻領域同樣面臨“參數堆砌效率遞減”的困局。

而當整個行業陷入同質化競爭的泥潭時，所謂技術突破往往淪為參數調優的數字游戲。

Part.2

數據荒與技術倫理

構建生態壁壘的雙重挑戰

如果說技術路線是看得見的戰場，那么數據爭奪就是水面下的暗戰。2024年9月愛奇藝起訴MiniMax的版權糾紛，揭開了大模型訓練的暗箱——“數據荒”。

算法、算力和數據是支撐AI文生視頻模型運行的核心三要素，也是決定技術突破的基礎。

數據是模型訓練的原材料，訓練數據越多，模型越強大。沒有穩定的數據來源，大模型的訓練無從談起。經過“百模大戰”，高質量數據已變得越發昂貴且稀缺。

強如OpenAI也難逃“數據荒”的困境。

2023年，OpenAI因擅自使用媒體數據，惹惱了歐美主流媒體，最終拿錢消災，與Politico、《時代》、《金融時報》等簽訂了付費協議。同年5月，OpenAI首席執行官奧特曼公開承認，AI公司在不久的將來會耗盡互聯網上所有的數據。

去年8月，OpenAI被超過100位YouTube主播集體訴訟，指控其擅自轉錄數百萬個YouTube 視頻來訓練大模型。OpenAI的前任CEO Mira在采訪中被問及是否拿YouTube的視頻訓練Sora，Mira拒絕了回答。

當互聯網公開數據即將耗盡，擁有私有數據池的平臺便擁有了護城河。相信這也是快手、字節、阿里、騰訊等擁有長短視頻平臺產品的廠商，爭相入局的原因之一。

快手、抖音這樣的短視頻平臺，天然擁有數據資源稟賦，多年來積攢了巨量、豐富的視頻數據；阿里旗下的優酷，為國內三大視頻平臺之一，坐擁高質量的視頻資源。

谷歌的文生視頻模型Veo2被認為比Sora還強大，暫且不分析復雜的技術問題，光是谷歌涌有YouTube，就比OpenAI少了許多數據來源煩惱。

當技術水平尚處于統一競爭維度，都未能打破算力、算法和數據禁錮，文生視頻賽道的競爭也開始演變為平臺級生態系統的對抗。

Part.3

商業化前哨戰

從流量狂歡到價值沉淀的路徑探索

槍戰片版《甄嬛傳》，武打劇類《紅樓夢》，大熊貓做家務……在快手、抖音、小紅書等社交平臺，這些“魔改”、創意十足的小視頻播放量屢創新高。

雖然創作者已經率先分得流量甜頭，但與通用語言大模型的商業化歷程類似，留給文生視頻的發育時間注定不會太久。

2025年，文生視頻勢必要經歷從技術崇拜到商業理性的范式轉換。

參考行業基準線Sora Turbo的訂閱制收費模式，每月20美元可生成50個視頻。具體而言，月收費20美元的ChatGPT Plus用戶可直接使用Sora，但每月最多生成50個480p視頻或更少的720p視頻，時長為5秒。月收費200美元的ChatGPT Pro用戶，能享受更多的視頻生成數量和更高的分辨率，時長達20秒。

而中國廠商正在積極探索更具本土特色的變現路徑。快手提供免費額度，并設置了收費梯度，月費分為66元、266元和666元三檔。用戶每次登錄能免費獲得一定數量的靈感值，消耗完需要開通會員獲取靈感值，才能繼續生成視頻。

或許是出于促進內容生態繁榮的需求，2024年10月18日，快手可靈啟動了首期“未來合伙人計劃”，推出一站式AIGC生態合作平臺，幫助創作者降低創作門檻。但這種2C模式面臨雙重挑戰：個人用戶付費意愿天花板明顯，而專業創作者受制于平臺流量管控策略。

因AI視頻容易引發版權糾紛，且若平臺充斥太多AI視頻，會引起用戶反感，進而影響社區生態。為此廠商們也在積極探索更多變現路徑以求破局。

抖音和博納合作了AI科幻短劇《三星堆：未來啟示錄》；快手聯合賈樟柯、李少紅等9位知名導演，依托可靈制作出品9部AIGC電影短片。但具體收益如何還有待考證。

除影視合作外，電商也是B端商業化的重要試驗田。如阿里面向平臺商家開放專屬圖生視頻，推動營銷落地；可靈將部分內測名額給了遙望科技等MCN機構，以加速技術的應用與推廣。

這些探索揭示出新的價值邏輯——當技術競賽陷入僵局，場景化落地能力加速賽程推進。

Part.4

行業終局思考

走出OpenAI的范式“陰影”

DeepSeek用MoE架構突破算力瓶頸，文生視頻領域同樣需要架構級的變革。

多模態大模型與神經渲染的結合，量子計算對擴散模型的加速，甚至是腦科學啟發的認知架構，這些前沿探索雖然風險巨大，卻是打破同質化競爭的唯一出路。

當技術突破、數據生態與商業落地形成正向循環，中國AI企業才能真正構建起自己的護城河。

在這場虛實交織的競賽中，最后的贏家不會是某個技術參數的保持者，而是那些能重新定義視頻生成與物理世界關系的規則制定者。

正如智能手機革命不僅是通信工具的升級，文生視頻的終極價值，在于創造人類認知與數字世界交互的新范式。這條路注定漫長，但正是這種超越短期功利的堅持，才能孕育出真正改變世界的創新力量。