多模態“Deepseek時刻”下的大廠分化：字節拼“效率”，快手攻“專業”，阿里聚焦“電商”！

年初這一波多模態更新來得很密：1月31日快手把可靈（Kling）推到3.0，2月7日字節發布Seedance 2.0，2月10日字節的Seedream 5.0和阿里的Qwen-Image-2.0又把“文生圖/圖像編輯”底座補了一刀。

華創證券研究所的姚蕾12日在報告里的判斷很直接——視頻生成不再只是炫技，而是在往能進工作流的工具演化：“AI視頻生成正在從盲盒式娛樂向精準工業化生產跨越。”商業化遲遲起不來的癥結，歸到“抽卡”導致的邊際成本不可控：同樣的需求要反復生成、反復返工，廢片率吞掉時間和預算。

這次可靈3.0和Seedance 2.0的升級重點，不是單純拼畫質，而是把可控性抬到優先級更高的位置：跨鏡頭主體一致性、復雜指令的語義遵循、以及“生成后還能改”的編輯能力，合在一起去壓低廢片率。研報的結論是：技術跨越讓AI視頻具備進入規模化B端工作流的基礎，電商廣告、短劇/漫劇制作會更早感受到沖擊。

往下推，報告把影響拆成兩層：一層是產品路線分化——字節更像在做“效率基建”，快手更偏“專業敘事”；另一層是供給側革命重算成本結構——內容生產的邊際成本越來越像算力成本。對應到投資線索，研報把受益方向落到內容IP、內容版權、AI視頻工具/模型，以及云與平臺的推理側需求上。

真正被解決的，是“抽卡”帶來的不可控成本

報告反復強調一個邏輯鏈：過去AI視頻難以商用，不是“做不出來”，而是“做出來太不穩”。同樣的腳本、同樣的素材和提示詞，成片質量波動大，逼著創作者用更多輪生成去賭結果，邊際成本就失控了。

報告認為新一代模型的意義在于把“生成能力”往后放了一位，把“可控性”放到前臺：通過原生多模態架構、指令對齊，以及對主體一致性/語義遵循的強化，把廢片率壓下去，整體視頻生產成本才會跟著掉下來。商業化的門檻因此被重新劃線——從“能不能做”變成“能不能穩定交付”。

可靈3.0押注“大片感”：物理擬真與長邏輯敘事更優先

研報把可靈3.0的關鍵詞歸為兩件事：基礎能力的系統升級，以及生成與編輯的一體化（Omni）。

在視頻側，可靈3.0的升級點主要落在：多鏡頭/連續動作場景下的主體一致性更強；復雜文本指令解析更細；多人同框時的指代混亂被緩解，并強調了“文本與視覺角色精準映射”（包括多語種、方言口音演繹與口型神態自然）。

Omni模式是另一個被重點拿出來講的變化：在已生成內容基礎上做局部可控修改，減少“推倒重來”。報告還提到兩項更偏專業創作的能力：一是可創建視頻主體（提取角色特征與原聲音色，做精準口型匹配與驅動）；二是原生自定義分鏡能力，并把單次生成時長提升至15秒，允許在鏡頭級別指定時長、景別、視角、敘事內容和運鏡方式。

圖片側，可靈圖片3.0也被當作“工作流補全”的一環：最多支持10張參考圖以鎖定主體輪廓、核心元素與色調基調；多參考圖可自由指定元素并做增刪改；支持批量組圖輸出，用于故事板/素材包制作；同時強化高清輸出與細節表現。

Seedance 2.0把視頻做成“可編排”的工業工具

報告對Seedance 2.0的定位更像“工業化標準”：基礎層面更強調物理規律合理、動作自然、指令理解精準、風格保持穩定；并突出三類能力——一致性優化（從人臉到服裝、字體細節、場景跳變等）；高難度運鏡與動作的可控復刻；創意模板/復雜特效的精準復刻。

更關鍵的是交互范式。研報認為Seedance 2.0用“@素材名”指定圖片/視頻/音頻用途，實質是在把黑盒式生成拆解成可控的生產流程：模型可以分別提取@視頻的運鏡、@圖片的細節、@音頻的節奏，從而顯著降低“廢片率”。

報告給出的使用與限制也更貼近“生產約束”：支持圖片輸入≤9張；視頻輸入≤3個且總時長不超過15秒；音頻支持MP3上傳≤3個且總時長不超過15秒；混合輸入總上限12個文件；生成時長≤15秒（可選4-15秒）；并提供自帶音效/配樂輸出。入口上，“首尾幀”和“全能參考”對應不同的素材組織方式。

字節走“效率基建”，快手走“專業敘事”，阿里更偏電商垂直

研報對競爭格局的判斷不太看“跑分排名”，更在意廠商戰略分野。

報告把字節的路線概括為低門檻、低成本的工具化、泛化能力，類似“剪映”的高級形態，目標是降低全網內容生產成本并反哺生態；快手可靈則押注物理模擬、復雜場景真實感與角色一致性，更適合影視Demo、電影劇情等對連貫性要求高的專業內容；阿里千問在圖像模型高保真更新的方向上更偏垂直場景（電商），強化商品數字化相關能力。

這三條路指向的不是同一種商業模式：一條追求規模化吞吐，一條追求高質量敘事交付，一條追求垂直行業的“可用即生產”。

內容供給側革命：邊際成本向算力成本收斂，IP反而更稀缺

商業化推演里，報告把“供給側革命”講得很激進：圖像與視頻基座能力雙重提升后，內容生產的邊際成本會越來越趨向算力成本。

短期它更看好兩類變化：營銷/電商服務商的素材產出效率提高，帶來毛利改善；漫劇、短劇行業可能出現產能爆發。中長期則把矛盾推向IP端——當內容更容易被生產，稀缺性的定價會更集中到IP上：頭部IP及衍生品價值更高，腰部IP也可能通過AI視頻化實現價值重估。與此同時，擁有強算力基礎設施（云）和閉環流量場景（平臺）的巨頭，會更直接吃到推理側頻繁調用帶來的紅利。