字节跳动与谷歌YouTube，谁将是AI（短）视频之王

继AI搜索大战后，谷歌主动掀起了AI短视频大战。昨日，YouTube迫不及待地宣布，会在今年夏天将最新的视频生成模型Veo 3，带给每一位YouTube Shorts的创作者。

它最大的竞争对手是字节跳动。此前，与Shorts通过Dream Screen，直接在平台嵌入AI生成功能类似，TikTok通过AI Alive向创作者交付AI生成能力。现在，两者都已经锻造出这个世界最强大的视频生成模型，它们都在将其最新武装到这个世界最受欢迎的视频平台上。

是用上了Veo3的YouTube Shorts更吸引人，还是用上了Seedance 1.0的TikTok更有黏性，AI面向消费者市场的激烈竞争，在短视频领域一触即发。这不仅是一场关系到流量的竞争，还是一场关系到流量结构的竞争。平台正在把流量的生成与流量的变现的主动权掌握在自己手里。

谁将是AI短视频之王？

视频生成模型竞赛

这是一场25亿月活用户的长视频平台，应对10亿月活用户的短视频平台的王者之战。但整个2023年，这两家视频内容平台的传统巨头，都在被动挨打。到了2024年，双方开始追赶，疯狂迭代。尤其是在OpenAI发布“期货”Sora后，它们这才迅速拿出了自己的视频生成模型。

视频内容是两家巨头的立身之本，谁都不能再丢了。最近，在美国，Runway更新了Gen-4，Midjourney推出首个视频生成模型V1；在中国，快手发布Kling 2.0，MiniMax更新了Hailuo02。

现在，在Artificial Analysis的视频生成模型竞技场（Video Arena Leaderboard）上，无论是文生视频，还是图生视频，排名第一的都是字节跳动最近发布的Seedance 1.0，谷歌最新的Veo 3则占据着第二或第三的位次。

（来源：Artificial Analysis，图生视频竞技场排行榜）

5月20日，逐步走出创新者窘境的谷歌，在I/O大会上发布了最新版本的Veo 3。它对物理规律的理解更深刻，并在业内首次实现原生音频生成功能。DeepMind创始人Demis Hassabis现场放话，Veo 3结束了视频生成的无声时代。同日，谷歌还推出了整合了Veo、Imagen和Gemini的AI视频制作工具Flow。

这距离谷歌发布第一代Veo仅过去1年，差不多6个月迭代一次。真正用上初代Veo的人很少；Veo2在发布数月后通过Gemini API向开发者开放；Veo3几乎发布即开放，每个月交了250美元的Google AI Ultra订阅用户，现在就可以尝试用它生成长至8秒的短视频。

很快，字节跳动追了上来，没给谷歌喘息的机会。6月11日，字节跳动的Seedance 1.0正式发布，已在即梦及火山引擎API上开放使用。其中，Seedance-1.0-pro的API调用价格，约为15元人民币/百万token，生成一条10秒的1080p视频，最高约7.34元；lite版还能便宜1/3。

风险投资机构a16z合伙人Justine Moore迅速试用，赞叹不已，认为它排名第一，名副其实。它克服其他同类模型的顽疾，包括同一场景多角度视图的统一性、大量高速运动场景下的连贯性等等，“物理”水平出众。它能接受复杂的提示并严格遵循，同时输出兼具风格的多样性。最让她印象深刻的是分布外（Out-of-distribution）推理能力。“这些片段可能不会引起你的注意”，她说，自己从未在其他模型上，见过如此真实的草图渲染与全息图弹出。

(来源：Justine Moore，不起眼但体现“分布外推理”能力的表现）

字节跳动与谷歌的竞争，在外界看来，有点“师出同门”的意味。年初，原来谷歌DeepMind的吴永辉，开始在字节跳动担任Seed团队基础研究负责人。不过，字节跳动对视频生成的正式探索，始于去年上半年发布的AI创作平台即梦（Dreamina）；同年9月，视频生成大模型PixelDance和Seaweed正式上线，前者侧重“叙事性”，能精准捕捉与阐释语义，后者侧重“审美性”，能输出细腻逼真的画面。随后，团队开始探索自回归对抗后训练（APT）。最终这些尝试收敛到如今的Seedance。

对于消费者市场而言，开放生成的视频长度，是8秒还是10秒，几乎没有区别；但是Seedance 1.0暂缺的原生语音生成功能，对于普通用户而言却很关键。不过，相信字节跳动很快就会弥补这一切，并继续推动视频生成能力的进步，同时加深对物理世界的理解。

与谷歌一样，字节跳动已经打造了多模态大模型“全家桶”，包括图片(Seedream与SeedEdit）、语音（Seed-TTS与Seed-ASR）、音乐（Seed-Music），还包括多模态统一理解和生成（BAGEL）。

在尚未明确的方向上，团队继续发散式探索，包括Shot2Story（多镜头视频理解）、FlexWorld（视频到视频扩散）、Video Depth Anything（超长视频一致性）、VideoWorld（无标记数据自回归视频生成）等等，也许很快就会融入Seedance 2.0。

在哪里生成，在哪里留存

在模型竞争逐渐焦灼的当下，市场越来越重视速度。a16z合伙人Bryan Kim说，面向消费者的AI市场，速度就是一切。产品发布、获取关注、抢占用户心智的速度，都要一快再快。

GPT-4o生成的吉卜力风格的图片引爆了社交媒体，已经证明了这一点；Veo3上线当天，用其制作的切割玻璃水果的解压视频就开始刷屏，再次证明了这一点。尽管Veo3与Seedance 1.0的发布，仍然很难真正冲击好莱坞生态，但已经在庞大的消费者市场掀起了一阵阵病毒式传播。它们的操作足够简单，但功能又足够完整。

(来源：TikTok，新用户凭借AI生成视频迅速吸引流量）

Min Choi 和 PJ Ace这样早期采用者迅速入场，甚至喊出了Veo3的淘金潮来了。他们创作的AI短视频，赢得的流量增长前所未有。他们还总结出了淘金方法论：首先，用ChatGPT或Gemini生成简单的脚本；其次，把脚本粘贴进去，用Veo3生成；再次，用在Capcut等工具上编辑……最后，导出视频，分享到TikTok等平台上。

这就是让谷歌加快速度的原因。Veo3目前遇到了“生成之后它存于何处”的问题。一方面，TikTok在短视频领域更具用户粘性；另一方面，Veo3缺乏一个成熟的可分享的平台，为别人做嫁衣裳。新兴内容生成平台普遍缺乏内容分发能力，也是目前面向消费者市场的AI应用的关键挑战之一。但是，与其他初创企业不同，谷歌还有Shorts。于是，谷歌急迫地希望在这个夏天结束前，将Veo3塞进Shorts里。

Veo3也能为YouTube Shorts带去更多流量。从去年3月至今，Shorts的日均观看量从700亿次上升到2000亿次，得益于Dream Screen在这一年里逐步完善了AI生成能力。更多的流量，意味着更有生命力的商业闭环。

AI（短）视频的商业模式

AI短视频的商业模式，是像AI大模型或视频公司，如OpenAI-Sora或Runway那样，出卖生成服务或者创作内容的智能体，订阅收费；还是内容创作者用来在社交媒体平台上创造流量，广告变现或内容订阅；还是科技巨头把AI视频全套工具交给其内容创作者，增强其固有的内容-分发-社交生态，继续赚取广告与内容订阅的钱；最狠的可能是拥有前沿AI模型的巨头会通吃卖token、卖广告、卖内容、卖铲子（技术及工具）。

生成式AI时代与移动互联网时代不同，它的成本同样快速下降，但相对仍然昂贵，尤其是多模态与多智能体交互在未来将成为主流，“免费”的游戏需要调整一下玩法。这也是目前面向消费者市场的AI应用另一个关键挑战之一。

谷歌已经打响了AI搜索大战，但这一传统业务的商业模式还没有完全建立，谷歌不得不牺牲利润率去巩固地盘。尽管皮查伊认为，如果AI搜索的问题是服务成本，那么自己有信心比几乎任何对手都做得更好，但他也承认，“有些方面可能需要时间”。

但是，现在，谷歌可以通过AI短视频实现商业闭环，甚至反哺AI搜索。去年，YouTube广告收入达到了361亿美元，成为继搜索以外的业务支柱之一。而且，更重要的是，AI短视频的商业模式，仍然可以通过广告或电商变现，而不是AI搜索还没有规模验证过的结果变现。

AI短视频的商业闭环，要比AI搜索清晰得多。创作者向谷歌购买算力，为自己赢得以往所无法企及的流量规模，获得更高的广告收益分成；谷歌则不需要额外支出更多算力成本，也将从广告收益中留存更多利润。此外，更多的视频上传到Shorts，也将成为谷歌训练大模型的数据来源，这将让谷歌保持模型的竞争优势。不过，谷歌还没有披露针对的Shorts创作者的Veo 3定价策略。难道它会免费无限供给昂贵的token吗？

字节跳动自然也不会错过这一切。AI短视频从创意到生成到分享的链条将会更短。AI短视频将继续推动TikTok的全球扩张。它目前海外市场月活用户突破了10亿大关，但离Youtube整体尚有差距。字节跳动去年国际营收（主要为TikTok）约为 390 亿美元，与Youtube的广告收入接近，但如果后者再加上订阅收入，TikTok仍然稍逊了一筹。

这是一场对流量的争夺，也是一场对新的流量结构的争夺。传统的“流量基础设施”，正在重建流量来源方式与流量变现方式。优质创作者仍然是平台核心竞争力；但平台开始掌握流量生成的入口，将其释放给每一位普通用户。谁能掌控这种新的流量结构，谁就掌握了未来的注意力经济。

这也解释了为什么Meta比任何时候都更焦虑。扎克伯格错过了短视频，仓促拿出Reels应战；又正在错过大模型，到处收购公司与挖人，从Scale AI到SSI再到OpenAI，据说最顶级的人才已经开价上亿美元，试图重组自己的“超级智能”部门。也许，以前，Meta从TikTok那里吸引创作者，开出的是5000美元奖金，以后可能就是发放token了。