2024年2月，sora的橫空出世，讓許多大模型公司的春節都沒能過好。
“春晚還在重播，我們就在緊急拉群討論”，一家ai頭部公司員工對「市界」急切地說。看到sora絲滑的體驗，連賣課博主都蜂擁而動，趕着上線教程，大賺一把。
誰能最快時間“複製”出國內版的sora，更多人將目光放在了阿里、百度、“大模型五虎”身上。但無人想到，拔得頭籌的會是技術表現相對“佛系”的快手。
6月7日，快手突然上線了文生視頻模型“可靈”（kling），並可支持長達2分鐘的視頻生成。此外，與sora至今仍在“期貨”階段相比，可靈一經公布便開放了測試，生成效果亦可圈可點。
“可靈是最近圈內，被討論最多的對象”，一位風投行業人士對「市界」說。據官方數據顯示：可靈上線一個月有超50萬人申請，已開放給超30萬用戶使用，生成了超700萬條短視頻。
可靈的意外火爆，不免讓字節有些尷尬。今年5月，字節也開放了文生視頻模型“即夢”測試，但效果在目前火爆的文生視頻賽道中，尚不具明顯優勢。
突然被曾經“忽視”的對手甩開身位，字節需要埋頭追趕。據鈦媒體報道，近期，字節跳動將ai大模型設為集團“p0最高級別”的方向。抖音、剪映等多個團隊也在抓緊研發ai視頻模型應用，預計將在近期公布。
1、做可靈，快、糙、猛
多位開發者對「市界」表示，可靈的上線與亮眼表現，在行業內也算是個意外。
近日，「市界」以一段“黑貓”為關鍵詞，在可靈、即夢，以及智譜ai剛剛上線的“清影”中分別輸入了相同的提示：“下雨天的城市街道上空無一人，一隻可愛的黑貓奔跑而過。它的眼珠是綠色，脖子上帶有黃色的項圈和鈴鐺，全身長着黑亮的長毛。視頻用攝像機的視角拍攝，地面的積水反射出黑貓的身影。”
在生成的三段視頻里，可靈版雖然未能實現快速奔跑的效果，但視頻大致符合客觀規律。
與之對比，“即夢”版地面沒有積水，黑貓也沒有向前走動。“清影”版雖有積水，黑貓行走時，步態古怪，尾巴也出現了丟幀。
▲（視頻依次為可靈、即夢、清影生成作品）
據“硅星人”報道，可靈是快手花了3個月的時間打造的；團隊規模很小，僅有20餘人，牽頭人是現快手視覺生成與互動中心負責人萬鵬飛，其大部分的研究方向為圖像/視頻信號處理、計算攝影和計算機視覺、減少loss函數、視覺生成等。
可靈的前身，來自快手在2023年10月重啟的一個不起眼的項目“噗嘰”，這是一款將靜態圖片通過ai生成2s gif表情包的工具軟件。今年3月初，快手內部開了一個小會，萬鵬飛的想法得到了快手高級副總裁蓋坤（于越）的肯定，迅速確定了將噗嘰作為預調研的產品。
據“硅星人”了解，“做可靈的時候，執行層面有個共識，就是快、糙、猛。”
可靈項目開始不到一個月，就獲得了快手創始人程一笑的支持，將其視為公司戰略級項目。蓋坤也常說：公司的卡都給你們用，公司全力支持。
數字人賽道創業者柯燃對「市界」分析道：“可靈的成功，很大程度上要歸功於快手積累的視頻數據素材。放眼國內，這方面可以與之一戰的也只有抖音。”
可靈風光的同時，字節顯得有些落寞。
雖然“即夢”5月9日便官宣上線；6月17日，即夢也作為首席ai技術支持方，在aigc短劇集《三星堆：未來啟示錄》中亮相。但無論是在c端的表現，或是相較於快手7月13日上線的aigc短劇《山海奇鏡》，即夢的聲量均不甚響亮。
7月17日，市場曾傳出消息稱，字節將公布類sora的文生視頻技術進展。外界也將其解讀為，字節要奮起直追，與可靈正面迎戰了。
但字節方面隨後向「市界」表示，該消息並不準確。7月17日當日，「市界」注意到，活動更類似一場技術分享會。會議主要由豆包大模型視覺基礎研究團隊負責人馮佳時主持，並由字節研究科學家、機構學者等，做了整場的英語技術分享。
看起來，字節的“大招”或許還需要等些時日。
2、字節還沒回過神
那麼，在最近如火如荼的文生視頻賽道里，字節為何錯過盛宴；最近字節又在忙些什麼？
某種程度上，或許因為比起快手押注“可靈”，可以“一力降十會”。字節的大模型布局要更為複雜——而今年上半年，字節更重要的對手放在了騰訊與阿里。
面對大模型，字節的步調已不可謂不“激進”。畢竟2個多月前，率先在行業內發起大模型價格戰的，正是字節。
5月15日，在字節跳動“force原動力大會”上，字節推出了基於其自研豆包大模型的api服務。同時，火山引擎總裁譚待一步到位，亮出了“豆包”的最新價格：0.0008元/千tokens，宣布這是低於行業99.3%的“地板價”。
彼時，字節的“發難”曾先聲奪人。據「市界」從多方了解，頭部玩家對字節的出擊缺少準備；各方雖感無奈，也只能被動追隨。
接下來幾天，阿里雲、百度文心大模型、騰訊雲先後宣布，將旗下大模型推理輸入token以及api大幅降價。在此影響下，如今頭部大模型的c端調用，已幾乎悉數免費，行業也開始朝着下一個生態量級“卷”去。
據一家法律ai應用企業創始人向「市界」透露，api服務開放後幾乎沒有時間差，火山引擎的銷售人員就開始積極接觸客戶、推介產品。這也側面印證了，市場流傳的字節已將大模型標記為最高級別戰略的猜測。
▲（譚待於2024“foece大會”。圖源/火山引擎）
而最近，字節的“當家產品”豆包，增長得較為明顯。
據questmobile數據顯示，截至2024年6月，在國內aigc app中，豆包、天工、kimi智能助手、貓箱增長亮眼——其中豆包流量排名第一。
▲（圖源/questmobile）
與快手相比，字節如今更在意的，或許是從基礎大模型、到ai應用層的全生態競爭。此外，考慮到2021年才正式做雲的火山引擎，在巨頭雲廠商里是“最年輕”的一朵。三年多來，火山雲也一直被視為雲市場的挑戰者角色。字節如何將基礎大模型、應用層、雲市場協同起來，更是一項綜合命題。
近日，據“光子星球”報道，字節“扣子”平台的大量使用者，正尋求如何將創建的智能體、bot接入微信公號或小程序，討論十分活躍。
去年12月，字節在海外推出了ai應用開發平台“coze”。今年2月，國內版“扣子”上線。大量抖音體系商家，也希望從中迅速掘一桶金。
考慮到騰訊在今年5月才姍姍來遲，發布了ai智能體創作與分發平台“騰訊元器”。彼時，扣子的訪問量已達到了233萬次。而截至目前，騰訊元器尚未打通小程序、公眾號、客服訂閱號微信系列生態。
畢竟當下，ai發展仍在早期階段。字節與騰訊一樣，都還需要花費大量時間教育用戶。爭奪ai時代的分發權，先聲奪人，或許是字節為了瞄準騰訊要做的更大功課。
3、後發制人，尚有時間
站在行業層面，在當今互聯網中，最不缺內容流量、電商流量，以及資金彈藥的字節，即便短期在文生視頻中“落後”一步，從長期來看，仍具備後發制人的潛力。
用積極的市場策略追平落後身位、大力出奇蹟，同樣也是字節的拿手好戲。
最近，瞄準阿里，字節也在做整合大模型的工作。在剛剛過去的6月26日釘釘生態大會上，總裁葉軍宣布除了阿里自家的通義外，還將把其餘6家的第三方大模型裝入釘釘中。其中包含minimax、月之暗面、智譜ai、獵戶星空、零一萬物和百川智能，涵蓋了國內幾乎所有知名的大模型創企，要“構建中國最開放的ai生態”不言自明。
而與釘釘玩法類似，字節旗下扣子平台除了支持自家的“豆包”外，還接入了通義千問、月之暗面、minimax等各大外部模型。6月14日，扣子還上線了“模型廣場”功能，支持用戶選擇匿名的兩個模型，根據生成內容的表現來為其打分pk。
此外，字節近期被曝光，對“ai+硬件”的探索正在加快，並不惜通過收購延攬人才。
據“tech星球”報道，字節旗下的pico從去年下半年開始在研發多個穿戴設備，包括耳機和音響，這些設備也將搭載ai。字節豆包團隊也有基於大模型軟硬件結合的探索，大模型軟硬件結合已經逐步在學習機、機器狗、機器人等硬件設備上有所應用。
另據36氪報道，字節ai硬件“d線”負責人為李浩乾。後者為字節在今年3月份收購的ows（open wearable stereo，開放式可穿戴立體聲耳機）耳機品牌oladance的創始人。另一條ai硬件條線“o線”的負責人也是字節曾收購公司的創始人，其向字節跳動技術副總裁洪定坤彙報。
而在文生視頻方向，面對賽道剛剛的火爆，包括字節在內的追趕者們，大家都還有時間。
近日，一位開發者告訴「市界」：“現在就是用可靈構構圖、減負工作流程，還不到完全用它創作的程度，所以也還沒有什麼依賴性。”
而在另一位開發者、短視頻aigc博主的眼中，可靈還有不少優化空間：“靠可靈文生視頻不能保證虛擬人ip的一貫性。我一般都是用可靈圖生視頻的功能，相當於給可靈‘墊’一張圖，讓他在這個基礎上生成不同視角動態視頻，再拼接到一起，模擬運鏡的效果，實際上還是人操作的比重更大。”
國內某ai模擬交友產品的研發成員則講道：“現在的大模型應用市場，大家都在摸着石頭過河。怎樣商業化是一個太遙遠、太模糊的問題。但可以肯定的是，越多人用起來、玩起來，越能保證產品的優化迭代。”
（柯燃為化名）
作者 | 董溫淑
編輯 | 李 原
運營 | 劉 珊
