視頻生成賽道競爭白熱化 百度押注“實時交互”求破局

每經記者｜可楊    每經編輯｜魏官紅    

從Runway、Pika到Sora，AI（人工智能）視頻工具不斷刷新想象空間，而在國內，實踐者們開始探索更深層次的問題——AI如何真正融入內容產業，形成可持續的生產模式。

百度副總裁、移動生態商業體系負責人陳一凡在接受包括《每日經濟新聞》記者在內的媒體記者采訪時將這一節點比作通信史上“3G到4G”的轉折期——從“能生成”邁向“可實時互動”。

陳一凡認為，實時交互被低估了，“如果只是生成，可能只是做了一個類似AI版的抖音”。他表示，AI視頻競爭的下半場，正在從技術比拼轉向門檻之爭，誰能讓更多人更低成本地參與創作，誰就能在生態中積累更大的勢能。

百度視頻生成大模型迭代：押注實時交互

在AI視頻生成的快速演進中，技術的焦點似乎正在悄然轉移，從“能生成”邁向“能交互”。

陳一凡將這一節點比作通信史上3G到4G變革的前夜，“沒有3G，就沒有移動互聯網的繁榮；沒有4G，就不會有短視頻的爆發”。在他看來，生成模型的能力已趨近成熟，下一階段的突破不在于更大的參數或更高的分辨率，而在于讓生成變得實時、可控、可互動。

百度商業研發首席架構師李雙龍也認為，人類創作的過程并不是一次性做成的，而是一個邊寫邊改、不斷思考與修正的過程。他指出，當前許多視頻生成產品仍停留在“盲盒式”體驗——用戶等待模型一次性生成10秒或20秒片段，再判斷結果是否可用，這種反射性生成方式并不符合真實的創作邏輯。

為了實現可打斷和可修改的實時交互，百度“蒸汽機”選擇將整個架構從窗口式擴展升級為自回歸流式擴展架構。“這未必是顛覆性的創新，但它是更符合人性的創作過程。”李雙龍說。

在談及如何實現交互式生成時，李雙龍坦言，這一方向背后存在大量技術挑戰，傳統的窗口式擴散生成方式無法支撐長視頻創作，因為它以10秒為單位生成，出現問題時無法局部修改，只能重來。為此，團隊對底層架構進行了升級，從“窗口擴散”轉向“自回歸流式擴展生成”。

但該機制也帶來了新的問題，例如累積誤差和一致性挑戰。對此，李雙龍介紹，團隊通過采用歷史幀和穩定錨點幀技術等優化手段，來全局管理一致性，解決自回歸帶來的問題。

陳一凡認為，實時交互的需求是被低估了，“如果只是生成，可能只是做了一個類似AI版的抖音”，這當然也有很大的空間，但可互動性之所以重要，在于它提升了信息密度，將傳統的單向、寫好劇本的內容消費轉變為雙向互動。

這能讓用戶擁有不同的情景體驗，極大地提升娛樂性。從淺層應用來看，實時交互能提升廣告線索質量；從深層應用來看，它能完成整個咨詢或服務過程的深度交互，例如在心理咨詢等場景中，數字人可以實時感知用戶表情并作出反饋，實現與傳統廣告截然不同的深度。

在百度內部，“蒸汽機”承擔著模型、工具、產品三層結構的中樞角色：底層是模型層，中層是工具層，上層是產品層。在這種布局之下，百度在視頻生成模型方面的打法，更偏向于構建一個AI內容生態的基礎設施。

視頻生成競爭轉向：從技術比拼到門檻之爭

放眼全球，AI視頻生成模型領域競爭的激烈程度和變化速度遠超想象。

OpenAI的Sora 2模型一經發布，憑借“電影級”的短視頻生成能力和對物理、人物塑造的巨大突破，其驅動的創作應用“Sora”迅速登上美區應用商店下載榜首，證明了其在To C（面向用戶）端強大的市場號召力。緊隨其后，谷歌的Veo 3.1迅速更新，不僅新增了音頻生成功能，支持為視頻添加背景音樂和音效，更在對象控制、視頻分辨率與時序連貫性上實現技術升級，提升了高質量內容創作的適用性。

這場全球范圍內的技術競賽正以前所未有的速度向前推進，但與此同時，底層架構和技術路徑日益趨同。對于行業終局和應對策略，陳一凡認為，創新和用戶體驗將成為核心突破口。

陳一凡指出，從技術發展歷程來看，視頻生成行業經歷了“從想法到實現，再到反思優化”的階段。初期技術迭代主要集中在算法性能上，但隨著DIT架構等方案成熟，算力需求和生成時間呈幾何級增長，限制了大規模應用。

“創新在這個階段尤為重要。以前大家會關注技術性能，現在更多關注如何降低使用門檻，讓玩法更豐富。”陳一凡表示，降低門檻意味著用戶能夠即時獲得互動體驗，而非等待延遲結果，這也是目前很多大模型在應用上仍然存在短板的環節。

在具體實踐中，百度通過升級流式架構提升生成效率，實現了大規模的視頻生產與分發。陳一凡透露，平臺視頻生成量級已經從百萬級提升到千萬級，“當門檻降低、玩法豐富，自然會吸引更多用戶涌入，最終的目標是讓用戶知道怎么玩、愿意玩”。

對于近期熱門產品如Sora 2的技術表現，陳一凡認為，其底層模型在一致性和運鏡豐富度上有所提升，但尚未達到基礎模型級別的突破。

在商業化的思考上，百度“蒸汽機”當前階段的重點仍是內部賦能，即通過技術能力支撐內部產品，提升To C端的價值。陳一凡坦言，當前最明顯的收益是C端整個的用戶留存和使用時長的提升，這直接帶來了百度原有商業化模式收入的增長。

據透露，目前，營銷相關和內容創作是“蒸汽機”調用量最大的兩大落地場景。營銷相關調用量占到約一半。

對于未來是主攻To C還是To B，陳一凡表示，目前兩側都在投入。To B端，主要滿足內部技術業務庫的需求，以及應對外部客戶的定制化需求，如專有云應用等，需要針對穩定性等進行微調；To C端，側重于結合百家號等生態，將創作者生態做大。

封面圖片來源：每日經濟新聞 資料圖