文｜王毓婵 周鑫雨
编辑｜杨轩
" 看流水（即营收），AI 视频类这些项目的表现确实很不错，可以说是 AI 最赚钱的细分赛道之一。" 投资行业人士对 36 氪说。
中国 AI 视频生成赛道，正在经历大厂模型能力疯狂增长的巨大红利。来自字节跳动的 Seedance 和来自快手的可灵这两款 " 超级底座 " 正在进行一周一小版、两月一大版的高频迭代。阿里巴巴也在 4 月底，对视频生成模型 HappyHorse 1.0 开启灰测，720P 视频生成刊例价为 0.9 元 / 秒。
愿意为此花钱的内容创作者太多了，太急迫了。众多短剧、内容公司排队等待使用 Seedance2.0 已经成为 2026 年 AI 世界的一个奇观。由此，在 AI 视频模型外 " 套一层壳 "，使其更简单易上手的 AI 视频 Agent 产品，也迎来了增长奇迹。
一位业内人士对智能涌现透露，头部公司一个月的算力消耗成本应该在百万元以上。 " 一部短剧的算力消耗成本约为 3 万元，工具平台如果一个月能接 100 部这样的工程，那么消耗量就能达到 300 万。这没什么难度，只是时间问题。"
在必应上搜索 "AI 视频生成工具 " 这样的关键词，能看到不少此类产品的广告。" 据我了解，某头部工具平台一天在这个广告上的消耗就有两三万元，那么一年光这一个渠道的广告投放就至少需要七八百万元。由此可以反推它的收入水平是多么高。" 业内人士称。
AI 视频创作平台 Creati 对智能涌现透露，上线一年，该平台的全球用户量就突破了千万级别。产品 ARR（年度经常性收入），一度达到了 2000 万美金。
但令这些 AI 视频 Agent 产品担忧的是，如果大厂也从模型层走到产品层，跟自己抢饭碗呢？今年 1 月，抖音还推出了 AI 视频应用 " 随变 "，将工具 + 社区两块业务一并做了起来。以及，产品公司设计的应用层功能又可能随着大模型的一次升级被覆盖。
" 短期来说，这类工具型公司与大模型厂商之间还是合作关系。创业公司的利润很大程度上由它们能接入哪些模型、能拿到多大 API 价格折扣来决定。" 蔚来资本投资经理冯绘霓表示，" 但同时，据我所知，大厂对这些‘合作伙伴’也看得很紧。在这些比较重要的赛道方向上面，大厂内可能有不止一个团队在做。"
这是一个 " 等待被大厂吞没 " 的行业，还是真的有可能长出像 Adobe 那样的工具型公司？
产品公司在生态位上的弱势，体现在利润里。" 如果看利润，其实大家的毛利率都挺低。" 某投资人表示，很多项目在牺牲 UE（单位经济效益）换规模，因为 " 目前这个行业没什么壁垒，所以都在烧钱补贴获客，还做不到盈亏平衡。"
但依然有不少投资人愿意对其下注。这个赛道最明星的中国公司—— LibTV 的母公司 LiblibAI，在去年 10 月完成了由红杉中国、CMC 资本等机构投资的 1.3 亿美元 B 轮融资。更早之前，它还曾创下 " 一年内连续四轮融资 " 的行业纪录。
"今年 AI 视频工具是为数不多可以投的赛道，因为视频的迭代速度比语言、coding 慢很多，所以在语言工具、coding 应用大批被基模颠覆的情况下，视频生成项目反而相对更‘可看’。" 一位投资人对智能涌现表示。
这些 AI 视频 Agent 产品依然有时间做出自己的护城河。 在这场 " 不对等的竞争 " 中，谁能活下来？
大厂之剑，与商业化护城河
目前来看，主流的工具类产品有三种形态：
要么做好 "idea"，通过 AI Agent 将创作流程极度简化为 " 自然语言指令 "，比如 ZeroCut、Ribbi；要么做好 "editing"，把无限画布、细节调整做到非常精细，比如 LibTV、Buzzy；要么 " 离钱更近 "，直接把视频生成与电商交易 / 社媒运营挂钩，比如 TapNow。
本文包括创业者和投资人在内的所有受访人都认同，等大模型厂商卷完了基建层面的事，势必就要做应用层面的事，这只是一个时间早晚的问题。关键是，这个时间窗口有多久，以及窗口关闭了之后，自己还能否存活。
曾在大厂工作，并经历了古典互联网时代竞争的张云剑，打造了 AI 视频创作平台 ZeroCut。他认为，"至少在五年内，大厂很难一口气完美覆盖掉整个 AI 视频制作的全流程。"
他的判断主要基于以下两个认知：
第一，视频制作是一条极长的创意服务链条。外界或投资人往往只关注 " 工程工具 " 和 " 生成 " 这一层面，但视频生成实际上只占整个制作环节的一小部分。在真正生成视频之前和之后，有着非常复杂的创意和链条过程，因此，AI 对流程的替代将是一个逐步的过程，五年内很难达到直接面向消费者，且完全不需要人工干预的终极形态。
第二，基于市场竞争与细分逻辑，单一厂商很难在所有环节都做到极致。一个完整的 AI 视频工作流需要调用语言模型、图片模型和视频模型。大厂虽然有能力做全流程覆盖，但这并不意味着它能在每一个细分领域都保持最强，例如有的模型在图片生成上做到了极致，但视频能力未必最强。这种能力的差异化最终会促成市场细分，而非一家独大。
同样离开大厂、投身 AI 创作工具创业的 Ribbi 创始人兼 CEO Robin，在这一点上与张云剑观点接近。"大厂中，业务、模型和顶层之间的对齐是最困难的事，除非已经有业内共识。"Robin 说，" 在看到 Taste 的确切价值之前，为审美、品味构建模型，是大厂不愿意做的。只有当视觉创意生成从非共识，变成共识，才能激发更多大厂和顶尖人才参与进来。"
然而，投资经理冯绘霓觉得这个为期五年的这个预估有点 " 过于乐观 "。
" 大厂在接触这类工具型的初创公司时，其实最想挖的不是产品或算法人才，而是运营。" 冯绘霓说，" 这揭示了一件事情——在技术层面，大厂自认为完全有这个能力把产品做出来，而目前的短板在于用户渗透。"
冯绘霓的判断是，Seedance、可灵等大模型的野心非常大，" 它们不会只想做一个基建或者工具，他们更想做的是‘定义下一个内容平台、社交平台’，而工具只是‘顺带被做了’的部分。"
一句话来说，大厂会做，但不会明天就做。在这个窗口期，创业公司能做什么呢？
从腾讯、字节跳动等大厂离职创业的 Anijam CEO 方晨认为，创业公司与大厂竞争的关键，是 "要更早跑起来，形成用户留存与数据沉淀。"
换句话来说，时间就是资源，跑起来的速度决定了达摩克利斯之剑落下之后的生死。" 要尽快进入市场、获取用户，并在真实使用中积累数据与认知。" 方晨说。
张云剑对 ZeroCut 的规划是，公司的护城河在于 "AI 落地服务 " 与 " 社会分工 "。
" 即使底层模型变得非常强大，市场上依然会有大量不会使用工具的用户，或者出于‘性价比’和‘比较优势’考虑而不愿亲自下场制作的企业客户。" 张云剑说。因此，ZeroCut 将避开工具层面的硬碰硬，直接帮客户解决最终的 " 交付和落地 " 问题。
这就涉及到了商业化路线的问题——是在大模型的算力成本与自己的用户定价之间赚差价，还是找一条新的商业化道路？前者虽然简单，但大模型厂商一旦降价，就会吸走用户，大模型厂商一旦涨价，自己的利润就会变薄。说白了终究是把命脉交在他人手中。因此，创业公司大多选择了后一条路。
ZeroCut 的思路，就是 " 技术 + 服务 " 模式——如果客户有能力，可以直接使用工具；如果客户需要代工，平台会将订单对接给熟练掌握该工具的创作者，提供稳定的视频定制交付服务。至于计费标准，则从传统内容承制公司的 " 人力计费 " 转为 AI 时代的 "Token 计费 "。客户不需要关心固定的人力报价，而是以视频生成过程中消耗的算力为基准来计价。
只是让用户 " 花钱买积分 " 根本不够。许多 AI 视频生成工具，都在将手越来越深地伸向客户的业务深处，变得越来越像一个能包揽一切的乙方。
主打 " 电商 +AI 自动生成 " 商业模式的 TapNow，就被外界评价为 " 离钱最近的项目 "。传统 4A 公司高管在《BusinessFocus》的匿名访谈中提到："TapNow 这种‘预测 + 自动生成’的逻辑，抢走了原本属于中小代理商的短视频代运营订单。"
Ribbi 不仅能用来创作音视图，还能帮用户监测内容发布到社交媒体之后的数据。感知阶跃也一样，致力于覆盖内容生成、发布、投放、A/B Test、效果分析、二创等的全流程。
"人一定是懒的动物。没有用户希望做一个产品、完成一个环节，就换一个模型、换一套工具。"Robin 说。
社交媒体，是 Agent 在线进化落地的核心训练场，将作品发布到社交媒体，是 Agent 与真实世界的交互。监测数据表现后，Ribbi 能够自主迭代和优化创作路径，交付更好的结果。最终，平台就能够形成一个自主进化的创作闭环。
Ribbi 目前的模式还没完全确定，但 Robin 确定未来一定不会是积分制，因为它 " 不够诚实清晰 "。
但积分制仍然是目前行业的主流商业化模式，毕竟它足够简单，并且已经完成了用户教育。但随着工具能提供的服务越来越深化，以及 "Token 未来会越来越廉价 " 的美好愿景，也许未来的服务也会有未来的新商业模式。
" 感知阶跃 " 创始人兼 CEO 张诗莹与方晨有一个共识，他们认为，未来时代的商业模式应该是" 为效果付费，而不应该为成本付费。"
方晨认为理想的情况是，当 AI 生成的准确率足够高，而 Token 成本足够低时，那么用户就可以仅在愿意下载内容时，才为最终产出买单，而非为生成过程中的 Token 消耗付费。
张诗莹则认为，Agent 的商业模式，应该与人类 Agency 越来越相似，" 收费模式不会是订阅，而更多会采用分佣的形式。"
工具型公司的时间窗口，是新时代诞生一个新的 Adobe 那么大的机会，还是在大厂包揽一切之前的昙花一现？对于已经入局的人来说，他们相信底层大模型归属大厂，但应用层也有创业公司能做的事。
" 我立志成为硅基生命的垫脚石。"Robin 说。" 假设某一天，某家模型厂商实现了 AI 的自主进化，即便功不在我，我也愿意贡献我们对 Context Layer 自主进化的 Know-How、开源我们的技术架构，帮助模型厂商训练更好的自主进化模型。"
技术路线之争：提供 idea，还是提供 editing？
创业公司之间，目前也有显著的思路分歧。
同样是 AI 视频生成工具，产品的形态却千差万别——有的一打开首页就像进了抖音（会自动播放 AI 视频）或得物（满屏 AI 广告片示范），有的却只有简简单单一个对话框，像进了任意一个 chatbot。这背后是行业的技术路线之争。
到底要画布，还是要一个包揽一切的 Agent，是目前最大的技术分歧之一。
" 无限画布 " 的 UI 交互方式改变了传统的线性时间轴，允许创作者像在 Figma 或 Miro 中一样，通过节点连接素材和工作流。坚持这一路线的明星产品有 LibTV、SkyReels、TapNow 等。
在这些产品上，用户有了一个可以无限缩放、拖拽的画布空间。你可以将一个 " 图片节点 " 连向 " 视频节点 "，再连向 " 音频节点 "，形成一个自动化的 Pipeline。
画布的好处，在于人的意志的 " 强控制 "——用户可以在任意环节手动介入调整，确保 AI 生成内容的画风、角色、镜头细节等等都在自己的规划之内。
有创作者将 LibTV 的无限画布比喻为 " 乐高积木"，因为它能自由搭建分镜，彻底改变了线性剪辑逻辑。
但也有旗帜鲜明地反对画布形态的产品，比如 ZeroCut 和一周收到了全球 4 万多用户使用申请的 Ribbi。
这两款产品的特征，是没有醒目的画布，所有的创作、编辑交互，都集中在一个小小的对话框中。用户用自然语言与 Agent 对话，然后由 agent 去指导模型生成内容。
张云剑致力于推动从 " 人为主导 " 向 "Agent 为主导 " 的范式转移。他对智能涌现表示，ZeroCut 认为传统的画布或工作流模式只是过渡形态，这些模式本质上是 " 重人工 " 的，是将 AI 能力作为节点，让用户去手动串联，属于自动化工业方案。
"当你在创作时，大部分的活是人在干，还是 AI 在干？" 张云剑说，" 这个是我们判断的一个标准 "。ZeroCut 致力于让人退居幕后，进行决策和提供灵感，而让 AI 去承担长流程的视频制作。
Ribbi 在这一点上也有这样的共识——不做 " 画布类 " 的产品，而是用 Chat 作为 UI，给 Agent 更多的自由度。
" 画布类的产品，把模型的可能性锁死了。"Robin 说，" 我们没有把 Ribbi 做成画布类的产品。画布类的 AI 产品看起来交互很酷炫，能让投资人眼前一亮，专业用户使用起来也很顺手。但它们有一个致命伤：把模型的可能性提前锁死了。因为画布的本质，是将工作流拆成一个个节点，模型只能沿着这条路径走。"
Robin 认为，AI 时代的 UI 应该是容器化的，而不是功能化的。产品应该给 AI 创造一个容器，让它可以自由决定调用什么样的工具、怎么组合工具，甚至按照什么样的顺序执行任务。
在这种初衷之下，这类产品的界面就浓缩为了一个 Chatbot。Robin 表示，他认为Chat 是一个 " 足够简单，并且灵活兼容一切的容器。"
他举了豆包作为例子——豆包的移动端 App 设计得很轻量，用户不需要打开新的对话框，只要在一个 session 中 Chat，就能生图、生视频。它将用户的交互和 AI 的行为，统一在一个非常简单的框架中。
两类技术路线之争其实归根结底是在争一个问题——工具到底应该提供 idea（为没那么专业的用户提供思路），还是提供 editing（为相对专业一些的用户提供编辑工具）？
在路线之争尚未定胜负之时，也出现了 " 融合态 " 的产品。
由腾讯杰出科学家创业打造的 AI 视频工具产品 Anija，融合了画布和 Agent 两种形态——用户既可以用自然语言在 Chat 中指导 Agent 干活，也可以在画布上自己上手调整。
Anijam CEO 方晨向智能涌现展示，在创作过程中，系统会自动识别故事中的关键元素，包括角色、场景、道具及风格，并基于此生成完整的分镜镜头。每一个镜头都会包含场景描述、角色状态、镜头语言等信息。
对于画面中的问题，创作者可以通过自然语言指导 Agent 进行修改，也可以亲自使用工具，在画布上 " 局部编辑 "，例如只修改角色表情，而不影响动作或背景。这也是 Anijam 的关键能力之一，即从抽卡式生成视频走向 " 可控编辑 "。
在大模型厂商做出真正好用的应用层产品之前，两类产品都已经积累了可观的用户基础。现在的问题是，大厂给大家留了多少时间窗口？窗口关闭之后呢？
" 应用层不应该去做模型层的事，因为模型一定会变得足够好。" 张诗莹说。她是 " 感知阶跃 " 创始人兼 CEO，该公司的产品之一，是 AI 视频创作平台 Creati。
" 当下有很多‘套壳’视频模型能力的产品，无论是画布，还是工作流，解决的都是模型能力不够强的问题，比如抽卡、视频生成长度有限。但未来，模型层一定会解决生成质量和长度的问题。应用层的机会，就在于解决生成环节之外的问题。" 张诗莹说。
