去年生成式AI大語言模型引發(fā)了一波前所未有的科技狂潮，無論是科技巨頭還是新興獨(dú)角獸都在爭前恐后研發(fā)規(guī)模更大、性能更強(qiáng)的模型，言必稱“GPT4”對標(biāo)程度超越曾經(jīng)的蘋果。

不過國內(nèi)大模型這么多哪家是第一，各種榜單給了我們不同的答案，或許“文無第一”吧。但在生成式視頻領(lǐng)域，快手的可靈模型可以說是暫時(shí)領(lǐng)先沒有對手。

就在六月初，獵豹移動(dòng)董事長傅盛在體驗(yàn)過后甚至表示，“甚至我覺得也吊打了Sora，我認(rèn)為這個(gè)產(chǎn)品今天，在我能使用的范疇內(nèi)就是全世界第一的。”而他口中，能吊打國內(nèi)外各個(gè)文生視頻模型的產(chǎn)品，就是快手可靈視頻生成大模型。

有業(yè)內(nèi)人士指出，Sora是今年2月公布的，其訓(xùn)練有可能在去年年底就完成了，可靈多出幾個(gè)月的訓(xùn)練時(shí)間。更進(jìn)一步來說，能調(diào)用更多的訓(xùn)練算力，是可靈的優(yōu)勢。但論算力的話，快手只能算國內(nèi)第二梯隊(duì)，只有大約數(shù)千張大卡，根據(jù)多方信源估計(jì)，文生視頻大模型生成一分鐘1080P視頻至少要消耗100萬Token，推理算力需求遠(yuǎn)大于文生文。所以這并非大力出奇跡的故事，那么快手是如何做到的呢？

在架構(gòu)選擇上，快手大模型團(tuán)隊(duì)采用的方案，是類似Sora模型的DiT結(jié)構(gòu)，使用Transformer替代了傳統(tǒng)的卷積U-Net。這一轉(zhuǎn)變增強(qiáng)了處理和生成能力，解決了U-Net在處理復(fù)雜任務(wù)時(shí)冗余、感受野和定位精度的問題。

三個(gè)問題的優(yōu)化，使得模型效率和性能提高、能夠捕捉到更寬廣的特征范圍，模型對細(xì)節(jié)的識別能力也隨之增強(qiáng)。

而快手自研推出的3D VAE網(wǎng)絡(luò)，實(shí)現(xiàn)了時(shí)空同步壓縮，相較于Stable Diffusion所用、存在明顯的信息冗余的2D VAE空間壓縮方案，獲得了較高的重建質(zhì)量的同時(shí)在訓(xùn)練性能和效果也取得了最佳平衡。

簡單來說“可靈”大模型采用了類Sora的技術(shù)路線，并結(jié)合了多項(xiàng)自研創(chuàng)新技術(shù)。這些技術(shù)使得生成的視頻不僅展現(xiàn)出電影級別的畫質(zhì)與動(dòng)態(tài)效果，還能模擬大幅度的物理運(yùn)動(dòng)。

那么該如何評估快手可靈的技術(shù)水平？還是用傅盛的話來評價(jià)，用獵豹傅盛的話來說，“可靈的成功，更加證明了，Sora并不是一項(xiàng)技術(shù)性突破，而是產(chǎn)品型圖片”。這并不是說快手的技術(shù)不行，而是目前在視頻生成領(lǐng)域并不存在斷層式的技術(shù)領(lǐng)先，也就意味著可靈的成功是算法、算力、產(chǎn)品之間最優(yōu)的商業(yè)產(chǎn)品，是足夠快手人驕傲的產(chǎn)品。

但也正因?yàn)槿绱?，因?yàn)椴淮嬖诮^對領(lǐng)先接下來還是要卷算力、卷數(shù)據(jù)、卷同行，一場沒有終點(diǎn)的消耗綜合實(shí)力的長期馬拉松。

科技媒體The Information報(bào)道稱，包括微軟、亞馬遜和Google在內(nèi)的云廠商和其他銷售該技術(shù)（指生成式AI）的公司，正在降低自己的預(yù)期。一些人已經(jīng)在擔(dān)憂生成式AI吹出來的泡泡會(huì)不會(huì)已經(jīng)太大了，它是未來，但可能不是現(xiàn)在，就像互聯(lián)網(wǎng)如今已經(jīng)是一門萬億美元級別的生意，但并不妨礙千禧年時(shí)吹出的互聯(lián)網(wǎng)泡泡的爆炸結(jié)局。

一大批在2023年晉升為獨(dú)角獸的美國AI公司，已經(jīng)落入理想難以兌現(xiàn)的窘境。曾經(jīng)在AI獨(dú)角獸上排名前3的Inflection兩位聯(lián)合創(chuàng)始人跳槽，微軟以6.5億美元價(jià)格獲得其模型授權(quán)。

排名僅次于Inflection的另一家AI獨(dú)角獸Cohere也被傳出融資困境。這家公司自去年12月就開始尋求以60億美元估值融資5億美元，迄今沒有確定交易，而它上一輪融資還停留在去年6月。

AI現(xiàn)實(shí)主義投資人朱嘯虎指出，大模型是很差的商業(yè)模式。問題是技術(shù)沒有差異點(diǎn)，而且每一代技術(shù)比如3.5可能就要幾千萬美金，4.0可能要幾億美金，5.0可能要幾十億美金，每一代模型你都要重新去砸錢，而且你變現(xiàn)周期可能就兩三年，這比發(fā)電廠還要差。

對于快手來說，融資問題可能并不緊張，但目前可靈并沒有展現(xiàn)很強(qiáng)的業(yè)務(wù)能力實(shí)現(xiàn)商業(yè)閉環(huán)。單點(diǎn)工具的價(jià)值目前認(rèn)可度并不高，國內(nèi)有妙鴨相機(jī)，國外有Suno、midjourney。往往這類產(chǎn)品盈利模式單一，主要就是充會(huì)員和買積分購買服務(wù)。更何況目前還是免費(fèi)的可靈。

好用也不等于付費(fèi)高。

典型的就是GPTs應(yīng)用商店多數(shù)應(yīng)用需要付費(fèi)使用， The Information 的報(bào)道提到，一位開發(fā)人員分析了 3.6 萬多個(gè) GPTs，其中約有 5% 每天有 150 至 500 名活躍用戶，但絕大多數(shù)每天只有 1 到 2 個(gè)用戶。

就連GPT本身地表最強(qiáng)AI付費(fèi)用戶比例也不能算高，2023 年 11 月，ChatGPT 的每周活躍用戶數(shù)已達(dá) 1 億。熱鬧歸熱鬧，付費(fèi)率沒有想象得高。有人估計(jì)，ChatGPT 付費(fèi)用戶大概在 500 萬到 800 萬之間。

而快手可靈的數(shù)據(jù)相比就更一般了，可靈唯一的使用渠道就是快手創(chuàng)作工具快影 App，但快影 App 的下載數(shù)據(jù)并沒有太大的波動(dòng)。根據(jù)七麥數(shù)據(jù)，App Store 近七日日均下載量仍舊維持在 2 萬左右，在應(yīng)用（免費(fèi)）和攝影與錄像（免費(fèi)）榜單上的排名依然保持穩(wěn)定，并沒有太大的變化曲線。

未到終局“群狼環(huán)伺”。

事實(shí)上，騰訊和字節(jié)等互聯(lián)網(wǎng)公司，同樣擁有視頻生成大模型，只是尚未完全公測或者效果不盡人意。字節(jié)跳動(dòng)剪映旗下的產(chǎn)品「即夢」就具備短視頻生成功能，可以選擇運(yùn)鏡類型、視頻比例和運(yùn)動(dòng)速度，生成 3-6 秒的視頻，但在視頻呈現(xiàn)效果和時(shí)間長度上，并沒有展示出比肩 Sora 的優(yōu)勢。不過字節(jié)已經(jīng)計(jì)劃重新發(fā)布類Sora產(chǎn)品。

來自生數(shù)科技的Vidu 發(fā)布時(shí)，一度宣稱自己是「中國版Sora」，官方演示的確不錯(cuò)，但后續(xù)乏力，還需要更多觀察。另一個(gè)被認(rèn)為可與 Sora 對壘的是 PixVerse，來自愛詩科技，五月時(shí)發(fā)布了最新的「魔術(shù)筆刷」功能，能夠更精準(zhǔn)地控制畫面局部動(dòng)態(tài)。

更不要說老牌生成式 AI 平臺 Runway 近期在官網(wǎng)宣布，其文生視頻模型 Gen-3 Alpha 向所有用戶開放使用。Gen-3 在轉(zhuǎn)場設(shè)計(jì)和鏡頭運(yùn)動(dòng)方面提升明顯效果驚艷，意味著有一定創(chuàng)作能力的用戶，可以這樣關(guān)鍵的創(chuàng)意節(jié)點(diǎn)上，借助文生視頻工具生成影像方案預(yù)覽。這樣的應(yīng)用才意味更多創(chuàng)作可能，離商業(yè)會(huì)更進(jìn)一些。

可靈大模型很強(qiáng)但還不夠強(qiáng)。

可靈在技術(shù)上還和Sora有一定差距，除了語義理解問題、生成畫面有時(shí)不符合物理世界規(guī)律、真實(shí)性差等“硬傷”外，“畫風(fēng)質(zhì)感一言難盡”“美觀性欠佳”“快手味過濃”也是被頻繁提及的關(guān)鍵詞。

根據(jù)接近快手人士透露，當(dāng)下，可靈暫無商業(yè)化計(jì)劃，也不對外提供API。這就意味著，從投資層面來看，可靈對于快手近幾個(gè)季度的業(yè)績并無太大貢獻(xiàn)。而從快手近期在二級市場的表現(xiàn)來看，也可以印證，可靈似乎對于快手的幫助不大。。

在快手視覺生成與互動(dòng)中心負(fù)責(zé)人萬鵬飛演講中，在談到可靈的未來時(shí)曾提到，“視頻創(chuàng)作的門檻和效果的ROI大幅度提升，視頻創(chuàng)作者和消費(fèi)者界限逐漸模糊。越來越多消費(fèi)者變成創(chuàng)作者，對于視頻創(chuàng)作生態(tài)的繁榮是非常有價(jià)值的。”

不過目前驚艷的AI作品還比較少，更多是關(guān)于影視的一些梗圖創(chuàng)作，低質(zhì)量的AI作品充斥平臺。快手顯然也明白這一點(diǎn)，今年6月，快手電商發(fā)布了使用AIGC能力直播的倡議公告，稱“我們更希望看到真實(shí)的直播內(nèi)容，鼓勵(lì)商家/達(dá)人和老鐵們進(jìn)行實(shí)時(shí)良好的互動(dòng)，建立更加深厚的情感，同時(shí)，有意利用AIGC的低成本優(yōu)勢生產(chǎn)出的低質(zhì)量內(nèi)容更是平臺不愿意看到的內(nèi)容生產(chǎn)行為”。因此，“使用AIGC能力輔助創(chuàng)作的內(nèi)容相較于其他實(shí)時(shí)直播內(nèi)容，平臺不會(huì)給予特殊的流量扶持。”

可靈在投入上限上快手并沒有計(jì)劃表，燒錢以億的大模型是個(gè)無底洞的吞金猛獸，如果快手不能提供無限子彈后續(xù)還真不好說。大模型行業(yè)此前公開過相關(guān)數(shù)據(jù)，大模型要實(shí)現(xiàn) Sora 類似的水平，就需要有千卡級別的算力，進(jìn)一步優(yōu)化能力則需要萬卡級別的算力，這意味著需要大規(guī)模算力集群的調(diào)動(dòng)能力，比黃金還貴的AI顯卡在當(dāng)下是稀缺資源。

相比快手可靈的C端打法，投資人更青睞字節(jié)的大模型策略，快手在大模型上的策略僅僅有可靈依然是不夠的。字節(jié)跳動(dòng)豆包大模型最明顯的策略和標(biāo)簽就是成本低，通過價(jià)格戰(zhàn)大幅降低模型推理的單位成本，吸引 B 端客戶進(jìn)入火山引擎的云服務(wù)之中。有了大量B端付費(fèi)用戶其運(yùn)營成本會(huì)進(jìn)一步降低，實(shí)現(xiàn)效益更好的生成式視頻模型不在話下?？伸`一定需要商業(yè)化，C端跑通可能比B端更困難。

大模型競爭依然處于初期，語言大模型還是多模態(tài)大模型都是如此，如何把應(yīng)用落地做好，把成本最低，依然是當(dāng)下大模型行業(yè)面臨的共同命題。

從某種程度上，目前可靈戰(zhàn)略意義大于商業(yè)意義，快手需要大模型在行業(yè)立足，無論是對快手內(nèi)容生態(tài)還是商業(yè)開發(fā)上面，做好視頻大模型有益無害，比別人多走一步同樣是領(lǐng)先，這點(diǎn)不用質(zhì)疑。

正如百度創(chuàng)始人李彥宏在 WAIC 上所說：

去年的百模大戰(zhàn)造成了社會(huì)資源的巨大浪費(fèi)，尤其是算力浪費(fèi)，但同時(shí)也使得中國追趕世界上最先進(jìn)基礎(chǔ)模型的能力得到了建立。

李彥宏呼吁行業(yè)不要卷模型，要去卷應(yīng)用，沒有應(yīng)用，光有一個(gè)基礎(chǔ)模型，不管是開源還是閉源都一文不值。

所以屬于可靈們的時(shí)代才剛剛開始。