昆侖自研的AI模型(SOTA)就像是“最好的鋤頭”，正在助力公司開采AIGC領域那片“最肥沃的金礦”。

作者｜王藝

編輯｜栗子

56.6億元。

這是昆侖萬維（300418.SZ）在2024年年報中公布的營收。

而在緊隨其后披露的2025年一季報中，總營收增長46%、海外收入大增56%更是振奮人心。其中AI音樂年化流水收入ARR達到約1,200萬美金（月流水收入約100萬美金）；短劇平臺DramaWave年化流水收入ARR達到約1.2億美金（月流水收入約1000萬美金）；AI社交報告期內單月最高收入突破100萬美元，成為海外收入增長速度最快的中國AI應用之一。

昆侖萬維，這家曾經依靠游戲、社交網絡和投資獲得穩定現金流的公司，正以前所未有的決心和速度，將自己重塑為一家AIGC公司。

從自研“天工”大模型，到AI音樂商用創作平臺Mureka、AI搜索、AI社交，再到短劇視頻生成產品SkyReels，昆侖萬維幾乎在泛娛樂領域中有前景的AIGC應用都布下重兵。

此外，昆侖萬維還在Q1季報中披露，將于2025年5月中旬在海外發布全球首款生產力場景通用Agent平臺Skywork.ai，提供全球首個開源的Deep Research Agent框架，并開放重磅MCP供開發者調用；而昆侖萬維的AI芯片也將在年內流片。

在2025年一季度財報發布后，我們與昆侖萬維董事長兼CEO方漢進行了一場深入對話。他坦白講述了昆侖萬維如何通過AI音樂、視頻等多個賽道的布局占領海外文娛市場高地。

在他看來，昆侖自研的AI模型（SOTA）就像是“最好的鋤頭”，正在助力公司開采AIGC領域那片“最肥沃的金礦”。但是，掘金并不容易——技術擴張與商業利益的拉鋸之中，昆侖萬維眼下仍在尋找那個“最終勝負手”。

在全球AI娛樂內容戰局的初期布局之爭中，方漢帶領的昆侖萬維，正站在一個微妙的節點上，以一份極致的信仰，試圖證明自己能夠率先邁過技術、市場和人心之山。

1.談產品：音頻和圖像技術已經達到了AIGC商業化的拐點，但視頻還沒有

甲子光年：Mureka可以算作是昆侖萬維的王牌產品了，這次年報顯示Mureka流水收入ARR達到約1200萬美金、月流水收入約100萬美金，Mureka從研發到商業化的關鍵路徑是怎樣的？它在AI生成音樂方面的技術優勢如何轉化為用戶付費和收入增長？

方漢：從2020年開始，昆侖萬維就開始進行Mureka的模型和產品研發。從技術層面，我們的模型經歷了從符號化生成，到Diffusion生成，到Diffusion Transformer生成，再到最近的Music CoT思維鏈生成，進行了四次重大的技術轉型，這些技術積累構成了我們的產品基礎。最終隨著Music CoT技術的發展，我們的產品效果也做到了全球領先水平。

對比此前風靡全球的其他產品來說，我們從落后到超越的過程對我觸動很大。坦白說過去我們的效果確實并不理想，所以在一些英語國家，我們的用戶口碑在逐漸逆轉，這需要一個積累過程。但在一些對手尚未覆蓋的地區，我們產品的增長非常迅速。

音樂生成工具的潛力遠不止于此。關鍵在于轉變從業者的心態。在中國，存在一種演員的鄙視鏈：拍電影的看不起拍電視劇的，拍電視劇的看不起拍網劇的，拍網劇的看不起拍短劇的，拍短劇的看不起拍廣告的。這種鄙視鏈在音樂領域同樣存在。

許多音樂人認為手寫樂曲才具有靈魂，而AI創作的則被認為缺乏靈魂。但事實上今天的音樂創作已經跟過去完全不同了。

在今天沒有音樂人不使用DMW（Digital Music Workstation）對每段音頻進行精細調音。很多時候我們看一些歌手的“翻車”視頻，去掉調音之后，你會發現他們唱歌并不好聽。這也說明，當前的創作者已經廣泛采用計算機工具輔助創作。我認為，讓他們接受AI創作只是時間問題。

另外，音樂的下游產業更可能接納新技術。因為AI音樂領域看似很窄，卻是許多行業不可或缺的部分。例如影視作品、游戲、廣告等都需要音樂。以前他們只能硬著頭皮支付高昂的音樂費用。但現在這些下游產業將會從我們的音樂生產模型中受益。

從下游產業逐漸延伸到上游產業，最終影響行業最頂級的流行音樂。最后的標志性事件是看AI音樂何時能夠進入全球流行音樂排行榜的前100名、前十名，甚至第一名。這必然會成為AI音樂被整個音樂界接受，成為音樂界的一部分。

人心中的偏見是一座山。AI音樂不是技術力和產品力不夠，而是要扭轉人心中像山一樣的偏見。

甲子光年：昆侖萬維的AI短劇平臺SkyReels所推出的開源模型獲得開發者好評，但行業也有一種聲音是AI生成的視頻“缺乏真實感”，導致商業化進展緩慢。這是不是意味著技術指標領先≠用戶體驗達標？

方漢：從量變到質變是有拐點的。達到這個拐點后，用戶才會認為產品完全可用。在我看來，音頻和圖像技術的拐點已經達到了，但視頻技術尚未達到這一拐點。文本在某些領域也仍未達到這一拐點。

坦白說，我們很難給出一個“拐點何時到來”的準確預測。我們能做的就是在算法上持續迭代，不斷嘗試。

技術進步是持續的。比如最早電影使用膠片拍攝，隨后逐漸演變為數碼技術，單是攝像機就發展到上億像素級別。還有從最初的綠幕摳圖到現在的3D背景等等。

你會發現，傳統技術的發展變革是以十年為單位的。而現在視頻生成模型，它們的發展是以月或季度為單位的。這表明視頻模型的迭代速度遠超過傳統拍攝技術的更新速度。

我們能夠判斷的是，未來1-2年或者更長時間，技術的發展一定會更進一步。但對于AGI的未來何時到來，現階段我們確實沒辦法預測，因為存在太多未知因素。

甲子光年：昆侖萬維2月份發了面向短劇創作的開源視頻生成模型SkyReels-V1，前兩天又發布了SkyReels-V2，V2相較于V1有哪些迭代？

方漢：V2最大的突破是解決了視頻生成長度的問題——現在能一口氣生成四五十秒、甚至更長時間的帶完整故事線的視頻。對用戶來說，這意義重大。

過去他們得自己剪一堆5秒、10秒的片段，還得把上一段結尾的畫面拼到下一段開頭，操作特別麻煩。現在直接出一個40、50秒甚至時間更長的成品，廣告和短劇這兩大場景的需求基本都能覆蓋。所以我們覺得必須盡快上線，讓用戶早點用上這種“絲滑”體驗。

我覺得做AI產品的關鍵還是從用戶痛點倒推技術迭代。比如SkyReels-V1，核心優勢在表演數據——我們喂進去了33種人類表情數據、300多種動作數據，相當于給AI上了“表演特訓班”。

打個比方，別的通用視頻模型像綜合大學，什么專業都有，但表演課水平一般；我們這模型就像北電、中戲的科班生，專攻“演戲”，生成的人物動作表情自然更細膩、更有感染力。

甲子光年：強如Character.ai，其最好的宿命也是賣給Google。你如何思考AI社交產品的生命周期？這是只有大廠或上市公司才有實力玩的游戲嗎？

方漢：首先，我認為目前的產品還遠沒有達到它的最終形態。

舉個最簡單的例子。在游戲領域，國外最賺錢的IP是《魔獸世界》，中國最賺錢的IP是《夢幻西游》。但這兩款游戲的原型其實都是源自一種開源的文字冒險游戲——MUD。這種產品的演進過程非常重要。

經典文字MUD游戲《我的江湖》，圖源：網絡

從最早的很簡陋的文字聊天的這種戰斗形式，演化到今天的《魔獸世界》和《夢幻西游》，今天的產品商業化已非常成熟。所以對比之下，目前AI聊天的產品演化過程還遠未達到頂峰。當前的商業化和產品化程度還處于初級階段，迭代也遠未達到終極形態。因此，我認為不能簡單地將其視為已經發展到了終極形態。

甲子光年：Pleias的聯合創始人Alexander Doria最近針對 DeepResearch、Agent 以及Claude Sonnet 3.7發表了兩篇文章，他認為未來 AI 智能體的發展方向還得是模型本身，而不是工作流（Work Flow），你同意這個觀點嗎？

方漢：部分認同，部分不認同。

我的論點基于歷史視角。以操作系統為例。最初的操作系統內部包含一些基礎工具，比如畫圖板、筆記本等等。但它最后也還會推出專門的Office軟件。

操作系統本身的重要性不言而喻，但操作系統中是否應包含所有應用軟件呢？我認為這取決于我們的大模型本身的能力邊界，以及它是否需要工作流來輔助完成任務。

從用戶的角度來看，他們并不太關心是使用工作流還是大模型，他們只關心能否得到最佳的輸出結果指標。因此，我認為用戶對此并不太在意，但AI廠商可能更加關注這個問題，畢竟涉及自身利益。

我們觀察到，對于商業用戶而言，確定性和滿足特定行業和領域工作的能力至關重要。因此，我認為工作流不會消亡。盡管大型模型能夠處理很多工作，但商業用戶更需要的是確定性和穩定性并重的工作流程。這是我觀察到的現象，但未必是最終結果。

甲子光年：當前市場上的許多AI產品在用戶的新鮮感褪去后往往難以維持吸引力，導致大家認為AI產品價值較低。你覺得做AI產品怎么才能構建用戶的長期價值？

方漢：B端用戶的核心訴求就兩點——要么降成本，要么提效率。怎么做到？技術上得硬核，指標必須保持全球領先。無論是音樂生成還是短劇模型，用戶用你的工具能省錢、能更快出活兒，這才是長期粘性的關鍵。

怎么保證技術領先？算法迭代是基本功，但更關鍵的是行業數據壟斷。比如我們攢了海量音樂版權庫、短劇演員的微表情和動作數據，這些獨家“彈藥”才是護城河。數據越厚，模型越聰明，用戶越離不開——“用別人家的工具，根本出不了這效果”。

C端邏輯更簡單粗暴。第一關是本地化：用戶只愛看母語內容。你做個西班牙語短劇，臺詞翻譯味兒太重？用戶立馬劃走。所以得從臺詞、文化梗到演員長相，全都“本土特供”。

第二關是內容供給爆炸。用戶要的不是“怎么做的”，而是“沒見過的”。比如短劇這種新形態，全球還在紅利期，但產量遠遠不夠——中國年產1萬部，海外才3000部。如果能把供給拉到每年幾百萬部，什么小眾需求都能喂飽。就像短視頻，當初誰能想到“修驢蹄子”和“趕海”也能千萬播放？內容池夠大，長尾里才能撈出金子。

2.談商業：“及時滿足”永遠不夠

甲子光年：昆侖萬維從去年到今年發布了很多模型，從Skywork 4o到Skywork o1、到Skywork-Reward、再到Matrix-Zero世界模型、音樂推理大模型Mureka O1與Mureka V6、SkyReels-V1、V2，昆侖萬維做模型的邏輯是一個領域布局一個模型，還是有一個總體平臺的邏輯？

方漢：我們首先得明確，在內容賽道上，皇冠一定是屬于視頻的。

為什么？因為視頻是文盲也能看的東西——全球80億人里，視頻用戶覆蓋最廣。相比之下，小說、漫畫這類文本內容，你得識字才能消費，用戶群體可能就十幾億、二十幾億的量級。音樂用戶規模更大些，可能有40億到50億人。但歸根結底，我們所有的布局都是圍繞視頻賽道展開的，這是最大的市場。

視頻賽道具體指什么？傳統的影視劇、短劇，甚至未來的電影，都依賴于一系列底層技術：圖像生成、音樂音效生成、語音生成……這些技術我們都在同步推進。所以你會看到，昆侖萬維做的音樂模型、短劇模型，本質上都是為最終的視頻生成平臺服務的。

打個比方，我們眼前有一座儲量驚人的金礦（視頻市場），但開采難度極高。這時候怎么辦？我們先造最好的“挖礦工具”——比如音樂模型是“發電機”，短劇模型是“篩選機”，這些工具本身就能創造價值。但最終目標一定是親自去挖那座最肥的金礦。這“金礦”是什么？就是直接面向C端用戶的視頻平臺。

現階段，我們聚焦于技術積累和短期商業閉環，比如用AI生成短劇和音樂。但賣工具只是第一步，真正的野心是成為金礦的主人。

甲子光年：AIGC業務更側重B端市場還是C端市場？

方漢：AIGC的創作工具一定是面向廣大內容制作者的，這個就是所謂的B端，以API的付費模式為主，Mureka和SkyReels已經在很成熟地開展業務了。生態和內容在渠道上發行，B端盈利比較好，增長穩健，而C端市場的上限高。

甲子光年：你一直在強調昆侖萬維會做好付費賽道，堅持盈利。你如何看待這些AIGC產品未來的盈利預期？

方漢：盡管現階段虧損，但對于這些產品的盈利，我們是堅決看好的，因為它的市場規模足夠龐大。

現在最明顯的趨勢是，用戶正在用腳投票。比如新用戶選擇AI陪伴或者AI娛樂服務，相比傳統產品（例如短劇對比網劇）是要便宜很多的。因為新的產品形態能為用戶帶來大量的購買紅利。

過去，像Facebook、谷歌和其他廣告平臺準確地計算了各行業的利潤空間，但在AIGC領域暫時還沒有平臺能夠準確計算它的利潤空間到底是多少。所以在這種情況下，產品是存在“買量紅利期”的。要想抓住這波機會，必須投入資金來吸引更多的用戶。隨著行業利潤率趨于穩定，誰的產品用戶量最大，就必然會是賺的最多的那一家。

當然，要實現全面盈利，我們需要考慮前期較高的算法和市場投入。今年，我們仍處于通過跑馬圈地獲取用戶的關鍵階段。我認為到2026年，昆侖萬維可以實現全面盈利。

甲子光年：你多次提到“全球范圍內的文化平權”，認為所有的AIGC技術本質上就是降低每個人創作內容的門檻，它必然會導致創作者規模的持續擴大和創作內容數量的持續擴大。但是我們真的需要這么多的內容嗎？

方漢：“即時滿足”永遠不夠。這是我的觀點。

以抖音的推薦算法為例，它每13秒向用戶推送一個視頻，讓用戶享受十幾秒的快了，這是它的核心理念。但你會發現，用戶在刷到一定程度后往往失去興趣，為什么呢？因為它總是根據用戶的喜好來推送內容。

人的基因決定了我們不愿意看重復性的東西。這與我們祖先的生存策略有關，當我們在同一個地方過度消耗資源，比如頻繁去同一地點喝水，有可能被野獸發現并吃掉。因此，我們需要變換地點去尋找水源和食物以生存。這正是人類基因的體現。

回到我們剛剛說的內容。平臺不斷更新新鮮內容，但當它的內容庫耗盡時，用戶就可能發現自己觀看到了重復的內容。比如刷抖音時，用戶最初可能會花費四五個小時，但隨著內容的不斷重復，這一時間逐漸減少到一兩個小時。

這表明，盡管內容供給持續更新，對于廣大用戶而言，“即時滿足”始終是不足的。

更重要的是，一些真正高質量的內容是極其稀缺的。以短劇為例，中國每年生產1億部短劇，但真正能吸引觀眾的可能只有100萬部，這是遠遠不夠的。因為那1億部大多數是小型作品，它們組成了一個龐大的金字塔，而金字塔頂端的，始終是那少數幾部超級爆款作品。

然而問題在于，這些爆款作品并不能滿足整個市場的用戶需求。因為用戶需求是多樣的，有人想看二次元，有人想看宮斗。這種長尾需求，如果不依靠一個海量的內容基礎來堆積，是不會出現好內容的。所以我反而認為，現在的內容供給投入始終是不足的。

對比內容量的增多，我反而認為“內容的碎片化”是一個問題。被短視頻培育之后，現在絕大多數用戶都沒有耐心去看長劇了。這就像日本漫畫取代報紙一樣，沒有人有耐心看那些長篇小說，這種轉變是自然發生的。但我認為“即時滿足”永遠不夠。

甲子光年：你說Mureka平替的是數字音樂工作站，那么僅僅是數字音樂工作站的市場規模，能支撐的起Mureka的商業野望嗎？

方漢：目前數字音樂工作站（DMW，Digital Music Workstation）的市場規模接近40億美元，到2037年會增長超過90億美元。這個數字看似不大，但它所支撐的是整個音樂行業上千億的市場規模。

在我們的判斷中，DMW市場一定會被AIGC大力沖擊。因為AIGC大量降低了內容的生產成本，銷售規模也在逐步擴大，薄利多銷。比如汽車剛剛在國內問世時候，很多人買不起十幾萬一輛的新車，就去花幾萬塊買二手車。但現在新能源汽車之后，大家都傾向于買新車。實際上汽車的普及，也是在福特把汽車的價格打下去之后，才出現了整個市場規模的擴大。

音樂產業同樣如此。一旦我們降低制作成本，整個音樂市場的規模將會擴大，因為下游眾多行業對音樂都有著巨大的需求。還是以短劇為例，我預測短劇行業會從年產一萬部到年產百萬部。而這百萬部短劇都是需要音樂的，所以新的市場空間仍然是充足的。

甲子光年：如果昆侖萬維的短劇布局思路是“賣鋤頭+挖金礦”，通過開源生態培育創作者，再用自家分發渠道完成流量變現，那如何解決內容質量的問題？

方漢：短劇內容質量差是因為作者做的不好。為什么做的不好？是因為“講故事的人不會講故事”。

在我看來，這個問題歸根結底，還是現在短劇的規模仍然不夠大，導致短劇的編劇群體規模不足。現在短劇編劇只能提供年產1萬部短劇的能力。如果生產規模擴大到年產100萬部，那么對編劇數量的需求也會增多。在這種情況下，我認為限制AI短劇發展的不是資源，而是編劇的數量。

當然，編劇數量不足這個問題也正在得到緩解。隨著短劇賽道大量用戶紅利和商業紅利涌入，加之制作門檻和規模的降低 ，將會有更多中小企業進入這一賽道。

目前短劇的問題在于，由于預算有限，導致無法產出高質量的內容。然而，隨著AI技術的發展，以100萬的成本制作的內容能夠達到《流浪地球》3個億的效果，這種情況下，還有誰會質疑短視頻的吸引力呢？

因此，技術進步仍然是關鍵，它持續推動著短劇質量的提升和創作者規模的擴大。

甲子光年：當所有短劇都充斥著AI化的“黃金3秒開頭”，如何解決可能出現的用戶倦怠問題？

方漢：當然，可能很多人會提到內容的同質化。但這其實在全球范圍內都存在的問題。內容跟風比比皆是，美國的好萊塢同樣如此，真正能夠取得全球最高票房的導演，只有那么幾個人。但這也是建立在大量積累的基礎之上。

就像網文一樣。目前中國的網文規模要遠超于傳統的嚴肅文學。但也正因此，網文作者中出現了一批頂尖作者，我認為這些網絡文學的頂尖作者并不比嚴肅文學的作者做得差。所謂沙里淘金。首先，必須收集一大堆沙子，然后才能淘出金子。

甲子光年：昆侖萬維開源了SkyReels-A1和中國首個面向AI短劇創作的視頻生成模型SkyReels-V1，選擇開源核心技術的戰略考量是什么？

方漢：我認為最關鍵的一點是，我們的用戶群體主要是B端用戶，他們有獨特的市場需求。

以文生圖為例。目前市場上有很多文生圖產品。我認識一家企業專門訓練了一個小型的文生圖模型，提供給一批做美甲的客戶，用這個模型生成各種美甲圖案。但如果你用傳統的文生圖模型，是沒辦法生成如此垂直細分的產品的。所以他們基于開源模型訓練了一個專門做美甲圖案的模型。這就滿足了特定用戶群體的需求。

視頻生成領域同樣存在這樣的需求。很多時候一個產品需求的收集要依賴產品經理。但產品經理無法預知用戶所有需求，也不可能總有朋友恰好給產品經理拍攝了奇特的視頻。因此，只有在我們開源并將其置于社區中時，那些缺乏技術能力的用戶才會提出他們的需求。有人可能會提出想要制作專門拍攝機甲格斗視頻的需求，但其他人可能不需要。通過這種方式，我們可以判斷出哪些需求是用戶最迫切的。

而在這樣一個不斷開源的過程中，既滿足了細分用戶的長尾需求，又在無形之中構建了良好的開源模型生態。

對于商業用戶而言，易用性并不是最重要的，確定性、重復性和滿足特定場景的需求才是關鍵。只要能滿足這些需求，他們就會持續使用。核心需求往往是用戶留在這個平臺上的最關鍵因素。開源軟件在這方面與需求完美契合，沒有一個商業產品能夠滿足所有開發需求，這是開源軟件能夠生存至今的重要原因。

3.談定位：內容創作賽道領先的AI公司

甲子光年：你曾提到“中國AI人才優勢”，但高端人才（如強化學習專家）仍依賴海外回流。昆侖萬維如何構建可持續的人才梯隊？

方漢：關于高端AI人才，我必須指出，這絕不僅僅關乎個人的成就，而是關乎整個中華民族的繁榮昌盛。

高端的AI人才，比如那些從谷歌等公司離職后回國的，屬于高端人才，這樣的人非常稀少。目前，大多數的人才還是依靠本土培養。

首先，我們在開源領域和模型領域具備全球領先的優勢，這是吸引人才的根本原因。其次，提供具有競爭力的薪資和待遇也是吸引人才的關鍵。第三是公司整體的氛圍。

作為一家中型企業，我們從領導層到管理層，再到研發算法工程師，不論資歷如何，每個人都有平等的發展機會，這種機制對許多追求公平競爭的人來說頗具吸引力。

在AI時代，由于技術平權，對比互聯網時代，大廠的競爭力其實是在下降的。像我們在音樂領域能夠做到第一，這在移動互聯網時代是不可想象的。

甲子光年：站在當前時間點，你認為未來3-5年，AGI和AIGC領域最值得關注的技術或應用趨勢是什么？昆侖萬維將如何把握這些趨勢，持續鞏固和提升在AI行業的領先地位？

方漢：從過去互聯網和移動互聯網時代的經驗來看，內容和娛樂是兩個最大的賽道，跑出了字節跳動和騰訊這兩家巨頭。電商和O2O也是兩個重要的賽道，也出現了阿里巴巴和美團。

盡管電商和O2O也和我們的生活息息相關，但從實際情況來看，它似乎還是沒有內容和娛樂這兩個賽道那么穩。比如電商市場在阿里和京東兩大巨頭的情況下，還是跑出了拼多多。現在美團和京東在外賣上的短兵相接，似乎也在動搖美團的根基。但如果你問我，誰能夠撼動字節和騰訊的市場地位，現在可能還沒有看到。

昆侖萬維的公司使命、愿景和價值觀是實現通用人工智能，以幫助每個人更好地塑造和表達自我。我們始終堅信，雖然人工智能的發現和終極目標是偉大的，但對每個人而言，AIGC更有可能改變生活。

盡管現在視頻生成技術指標可能還未達到完全可用的程度。但可能在1-2年內，最晚也可能在3-5年內。我們認為，在整個內容創作領域中，AI將占據重要位置。

我們希望是，昆侖萬維在內容創作領域成為領先的AI公司。

（封面圖來源：AI工具生成）