科技巨头们对AI视频领域的巨大商机垂涎三尺，然而高昂的算力成本却成为横亘在面前的一道难以逾越的鸿沟。

文｜徽声在线见习记者 林秋艺

记者 王怡洁

见习编辑｜李原 编辑｜何伊凡

图片来源｜视觉中国

AI短剧凭借其无与伦比的成本优势和高效的工业化生产能力，不仅点燃了资本市场的热情，更促使AI视频赛道的竞争格局发生了深刻变化。

4月初，视频生成领域突然杀出一匹黑马：HappyHorse-1.0模型在第三方测评平台Artificial Analysis上脱颖而出，文生视频Elo得分高达1333，图生视频Elo得分更是达到了1392，双双超越了字节跳动的Seedance 2.0和快手的可灵模型，成为行业瞩目的新焦点。

4月10日中午，阿里巴巴正式宣布，HappyHorse为其“ATH事业群”旗下AI创新事业部自主研发的成果，并计划于4月30日开放API接口。

此前，阿里巴巴在视频生成领域并非核心玩家。然而，自3月16日成立以Token为核心的“ATH事业群”以来，提升多模态能力便成为提升Token效率的关键抓手，而HappyHorse的诞生无疑是这一战略转型的重要里程碑。

不仅阿里巴巴，其他科技巨头也纷纷在视频生成赛道上加大投入。

字节跳动凭借其Seedance系列模型的卓越生成质量和成熟的商业化模式，已经构建起了一道难以逾越的壁垒。据悉，火山引擎面向企业开放的Seedance API接口，部分机构的最低年消费门槛甚至高达1000万元。

火山引擎之所以敢于设定如此高的门槛，源于市场对其产品的极度渴求。徽声在线获悉，在火山引擎近期的招商会上，众多城市纷纷表达与火山引擎在视频生成业务上的合作意愿，部分城市更是投入了数千万乃至上亿元的资金，将算力支持作为招商引资的重要配套措施。

另一科技巨头腾讯也已悄然入场。据知情人士向徽声在线透露，腾讯不惜重金挖走了Seedance开发团队中的数名核心成员，计划在5月推出混元视频大模型的新版本，直接与Seedance展开正面竞争。“5月的视频模型赛道，必将异常热闹。”

阿里巴巴的决心

在HappyHorse亮相之前，阿里巴巴虽然已有通义万相视频模型，但表现一直不温不火。作为大模型生态的附属功能，万相在清晰度、运动连贯性、长视频稳定性等关键指标上，与Seedance、快手可灵等模型存在明显差距，也未能形成独立的商业化场景。

然而，这一次，阿里巴巴似乎下定了决心。HappyHorse采用了150亿参数，将文本、视频、音频三种模态的Token置于同一序列进行联合建模，从根本上解决了音画不同步、语气与表情不匹配等问题。

“它的物理模拟效果更加贴近真实环境。”一位测评人士向徽声在线表示。此外，HappyHorse还原生支持七国语言的唇形同步，词错误率显著降低。同时，它在成本和速度方面也表现出色：单张H100显卡生成5秒1080p视频仅需约38秒，DMD-2蒸馏技术更是将去噪步骤压缩到了8步。

然而，HappyHorse也并非完美无缺。测评人士指出，在处理复杂动作和多人交互时，HappyHorse容易出现肢体错乱、轨迹不稳等问题。与Seedance相比，HappyHorse更擅长镜头呈现，而在动作叙事方面则稍显不足。

在应用层面，HappyHorse的API尚未开放，目前仅支持5~10秒的视频生成，场景上限较低，更适合用于短视频、广告、AI漫剧素材的制作，难以支撑剧情长片的创作。此外，其本地部署也有一定门槛，需要配备H100或A100显卡，消费级显卡无法运行。

阿里巴巴突然在视频模型领域加大投入，究竟有何用意？相关人士表示，HappyHorse诞生于淘天未来生活实验室，或许意味着阿里巴巴希望将其与电商场景深度融合。

阿里巴巴拥有完善的商品、商家、交易和广告生态，但商品视频一直是中小商家的痛点：场景搭建和拍摄剪辑成本高昂，白底图难以充分展现商品卖点。而AI视频技术可以批量生成多版本、多场景、多语言的商品视频内容，大幅降低了创作门槛。

更为关键的是，阿里巴巴的商品详情、用户评价、搜索行为、转化数据、直播表现等全链路信息，也可以反向训练电商专属的视频生成能力，使HappyHorse成长为懂电商、能带货的内容生产引擎。

然而，要跑通这一商业闭环，除了技术攻坚外，还必须先解决算力问题。

接近阿里巴巴的人士向徽声在线透露，目前阿里巴巴内部的GPU资源分配非常紧张。“此前，像月之暗面这样的阿里云大客户，尽管与Qwen存在竞争关系，但仍能获得相对充足的算力支持。然而，现在阿里巴巴需要同时支持基模研发、电商、云服务等多条战线，未来必须重新考虑GPU的投入产出比了。”

视频生成是算力消耗的大户，如果HappyHorse逐步开放推广，算力需求将呈指数级增长。这匹黑马究竟能跑多快、多远，很大程度上取决于阿里巴巴能否破解算力这一核心瓶颈。

Seedance的商机引发争夺

尽管面临诸多挑战，但各大厂商仍争相涌入AI视频赛道，只因这是一门充满无限想象的生意。

目前，红果短剧等平台收购一部剧的最高价格约为2000元/分钟，一部常规短剧的时长约为120分钟，总价格约为24万元。而市场上AI短剧的外包制作报价已经低至400元/分钟，甚至有团队利用自动化工具实现了每天800~1000分钟的漫剧内容产出。

巨大的成本优势和生产效率，使AI短剧成为资本追逐的热点。一位AI视频制作公司负责人向徽声在线表示，短短半个月内，就有多家资本前来洽谈收购、并购事宜，目前给他们的估值已超过5亿元，但他们和合伙人都认为这个出价还不够“诱人”。更有地方政府直接找上门来，希望独家买断该公司的AI漫剧自动化生成工具。

随着Agent技术的不断进步，一人公司（OPC）也大量涌现。几个擅长高效使用AI工具的员工，便能完成过去一个甚至几个团队的工作量。各地政府敏锐地捕捉到了这一趋势，纷纷对AI视频、AIGC、AI短剧等领域推出算力补贴、内容奖励、园区集聚等扶持政策，吸引OPC入驻。

2月27日，武汉东湖高新区发布了“微短剧八条”政策，对重大产业项目最高支持5000万元，对爆款短剧单部奖励50万元。

3月10日，上海市徐汇区发布了《“AI+微短剧”产业扶持意见》，对头部企业最高给予1000万元的发展支持，同时发放最高100万元的算力券和100万元的语料券，并为OPC减免工位费用。

3月13日，深圳市实施了新版微短剧扶持政策：对AIGC微短剧单项目最高资助200万元。

需求的旺盛和政策的扶持，使字节跳动成为最早尝到甜头的公司。据徽声在线了解，虽然火山引擎向大型影视公司、内容制作公司、特定机构等开放的Seedance API接口“白名单”中，部分机构被要求“最低消费”1000万元/年，但客户仍然趋之若鹜。

接近火山引擎的人士向徽声在线透露，地方政府已将算力扶持作为招商引资的重要配套措施。一些AI短剧公司以“拼盘”方式接入API，不少算力费用由政府承担，以吸引相关公司落地。

“有些城市采购了火山引擎3000万、7000万，甚至过亿元的费用，用于内容扶持。当然，这些产出的内容也将对本地税收和GDP产生极大拉动作用，这个账很容易算。”

清晰可见的变现路径，叠加千亿级的市场增量，点燃了巨头间的竞争热情。阿里巴巴、腾讯纷纷加码AI视频赛道，试图从字节跳动手中分走一杯羹。

接近腾讯的相关人士向徽声在线透露，混元视频模型其实早已存在，“只是效果不佳”。近期，腾讯痛下决心，“开出高薪，几乎把Seedance开发组整个挖走了”。新款模型预计5月上线，有望与Seedance一较高下，在短时间内实现技术突破。

依托腾讯的庞大生态，混元新视频模型还有望深度融入视频号的内容生产、分发、商业化全链路，进一步放大腾讯的内容生产力和商业变现空间。

视频模型的高风险抉择

虽然所有人都看到了AI视频在短剧、电商、广告等领域打开的万亿级商业潜力，但这条赛道的烧钱速度也远超想象。投入矛盾与定价分化，以及摆在巨头面前的规模化盈利困境，正在考验着各家的平衡智慧。

尽管火山引擎的收入不菲，但其算力成本负担依然沉重，收入中的绝大部分都要用于采购GPU和支付电力成本。

4月，火山引擎总裁谭待向徽声在线表示：“我们去年已经修改了商业计划，将目标提升了不少。但目前我们还没有制定3年的盈利规划，暂时没有这方面的具体安排。”

OpenAI关停Sora的决定，更是给狂热的市场泼了一盆冷水。视频生成的算力消耗是大模型的上百倍甚至上千倍，即便全球最具财力的科技公司也难以承受这种无底洞式的投入。

OpenAI虽宣称关停Sora是为了将资源转向企业智能体、编码工具与具身智能等方向，但业内普遍认为，成本与付费严重倒挂才是核心原因：Sora单条1080p视频的生成成本约为0.5~1美元，而用户平均付费意愿不足0.1美元，根本无法支撑持续运营。

更深层的挑战还来自于科技大厂技术路线的高风险抉择。业内人士向徽声在线指出：多模态任务过度消耗算力，在Token用量已经暴涨的情况下，厂商有再多算力仍然不够烧，要把算力留给谁就成了关键问题。

由于忌惮视频的无底洞式算力投入，Google始终不敢大规模开放API，也未推出独立的视频生成C端应用。“去年Google的多模态路线备受推崇，但今年便在Agent浪潮下被Anthropic赶超，现在只能说勉强留在牌桌上。大模型的核心技术路线往往需要提前一两年布局，但效果却要滞后显现。有时候真的像玄学。”

行业成本与收入失衡，近期利益和远期发展，迫使所有玩家重新审视视频模型的商业模式与定价逻辑，这也直接催生了行业内的定价策略分化。

摩根大通曾判断：头部领先模型可以维持溢价，追赶者则不得不通过降价抢占市场份额。

Sora停服后，字节跳动率先选择涨价。4月8日，即梦宣布：基础、标准、高级会员的月度积分分别从1080、4000、15000下调至725、2210、6160，积分缩水近六成，相当于变相涨价。

相比之下，Google和快手则选择用降价换市场：谷歌在3月底推出的Veo 3.1 Lite版本，将720p视频生成价格压至0.05美元/秒。可灵紧随其后，推出会员限时8折优惠，部分图片生成功能甚至完全免费。

定价的两极分化，本质上是竞争烈度的直接体现。长期来看，平台、API、广告、电商都只是外层变量，决定胜负的关键因素仍然是：在强化模型本身的同时，谁能在效果和成本之间找到最佳平衡点，谁能结合自身生态，找到不可替代的落地场景。