文 | 藍(lán)洞商業(yè) 趙衛(wèi)衛(wèi)

半個月前，騰訊集團(tuán)湯道生帶著團(tuán)隊到訪了重慶一家短劇公司麥芽傳媒；但是數(shù)日后，麥芽傳媒的 CTO 李巍登上了字節(jié)跳動火山引擎 FORCE 原動力大會的舞臺。

騰訊想要跟麥芽傳媒在云服務(wù)、AI 技術(shù)應(yīng)用、數(shù)字內(nèi)容聯(lián)合開發(fā)與智能分發(fā)上進(jìn)行合作，而麥芽傳媒 CTO 則公開表達(dá)，明年要跟火山引擎在 AI 漫劇和 AI 真人劇、短劇 AI 審核、AI 視頻精修和播放器智能超分辨率上探索。

云廠商是短劇的「水電煤」，短劇是云廠商的「練兵場」，這是一種既是內(nèi)容源，又是客戶的共生關(guān)系。后知后覺的騰訊云能撬動火山引擎的客戶嗎？

很難替代，且不說紅果短劇已經(jīng)成為行業(yè)的絕對頭部勢力，騰訊元寶在視頻模型能力上也落后同期的對手豆包和千問。

火山引擎總裁譚待在提到客戶時特意說：「影視創(chuàng)作方面用大模型的進(jìn)程比我們想象的快一些。之前想到應(yīng)該很快，沒想到能這么快，現(xiàn)在很多短劇、尤其是漫劇，還有各種 AD 素材，都在用。」

有提升的模型能力，搭配解鎖的應(yīng)用場景，最后才能給云廠商們帶來源源不斷的新客戶。這是過去半年，豆包大模型日處理 Tokens 超過 50 萬億、增長 200% 的背后邏輯。

短劇正在成為云廠商們持續(xù)解鎖的創(chuàng)新場景之一。不光是字節(jié)和騰訊，阿里千問 APP 也在最近上線了視頻生成模型萬相 2.6，「AI 小劇場」就是其中一個具體的玩法，具備音畫同步、多鏡頭生成及聲音驅(qū)動等多種功能。

阿里和字節(jié)是國內(nèi) AI 賽道最大的競爭對手，一個是 AI 云市場規(guī)模第一，一個是 AI 云市場加速度第一。

就在豆包大模型 1.8 發(fā)布之日，阿里千問 App 接入首個阿里生態(tài)場景高德，開始具備物理世界理解和行動能力，更強的 Agent（智能體）能力是它們共同的進(jìn)化方向，它們瞄準(zhǔn)了更細(xì)分的用戶市場需求。

憑借各自的生態(tài)優(yōu)勢進(jìn)行全產(chǎn)業(yè)鏈的 AI 布局，這是目前阿里和字節(jié)在 AI 競爭賽道中的狀態(tài)，但隨著競爭深入，這終究是一場零和博弈，還是版圖互補？

多模態(tài)模型能力是賽點

豆包大模型日均 Tokens 使用量已突破 50 萬億，這是火山引擎「秀肌肉」，而真正的「亮劍」則是推出了豆包大模型 1.8 和視頻生成模型 Seedance 1.5 Pro。

豆包大模型 1.8 的提升，主要在于給多模態(tài) Agent 場景進(jìn)行定向的優(yōu)化，在上下文管理，多模態(tài)理解能力上增強，可落地到安防監(jiān)控場景中，提升了模型在處理復(fù)雜任務(wù)時的規(guī)劃與執(zhí)行水平。

而用戶可以在豆包和即夢 App 端體驗到最新視頻生成模型 Seedance 1.5 Pro 的能力，它已經(jīng)實現(xiàn)音畫同步，支持多人多語言對話，能對齊口型，覆蓋四川話、粵語等中文方言、英文及小語種。

快手可靈率先在國內(nèi)視頻生成模型中取得成績，2025 年預(yù)計將取得 10 億元的收入。國內(nèi)科技巨頭紛紛在這一領(lǐng)域跟進(jìn)，即夢商業(yè)化負(fù)責(zé)人杜子航在 AI 應(yīng)用分論壇說：「即夢是全球僅次于 Sora 的創(chuàng)作平臺，創(chuàng)作者超 10 萬名」。

而更重要的是他透露了一組商業(yè)化數(shù)據(jù)，在即夢的真實應(yīng)用場景中，占比 51% 的是專業(yè)平面設(shè)計，占比 30% 的是內(nèi)容素材生產(chǎn)，而 C 端社交娛樂內(nèi)容占比為 19%。也就是說，相比 C 端用戶的占比，B 端專業(yè)用戶的付費水平已經(jīng)占比八成以上。

在底層模型 Seedance 1.5 Pro 加持下，即夢的產(chǎn)品能力進(jìn)一步提升，包括節(jié)奏性情感表演、多樣化主體和上下文感知等，在圖片處理上也可以通過涂抹框選，進(jìn)而有強保持能力和精準(zhǔn)的響應(yīng)范圍，輸出影視質(zhì)感的圖片。

多模態(tài)模型能力在過去一年競爭激烈，在調(diào)用量上增速很快，已經(jīng)趨同于語音模型，這成為當(dāng)下科技巨頭們競爭的賽點。而根據(jù)杜子航介紹，面向 2026 年，即夢將在漫劇等多個領(lǐng)域發(fā)力，包括推出多人協(xié)作的團(tuán)隊版。

再反觀阿里，最近也是在多模態(tài)模型領(lǐng)域不斷布局，最新推出的視覺生成模型萬相 2.6，集成音畫同步、多鏡頭生成及聲音驅(qū)動等能力，單次生成視頻時長達(dá)到 15 秒，并引入了「分鏡控制」與「角色扮演」功能，背后核心還是要追求專業(yè)影視制作和圖像創(chuàng)作場景的市場空間。

從模型到應(yīng)用，從硬件到產(chǎn)品，阿里最近在 AI 領(lǐng)域「擰油門」的狀態(tài)就沒有停過。

上線千問 APP 后，發(fā)布夸克 AI 眼鏡，又成立千問 C 端事業(yè)群，而螞蟻也在通過「靈光」應(yīng)用和「螞蟻阿?！沟犬a(chǎn)品在健康等細(xì)分賽道進(jìn)行拓展，密集曝光之后，「螞蟻阿?！挂欢葲_進(jìn)蘋果應(yīng)用商店免費榜第三位。

如今在模型能力上都能實現(xiàn)「音畫同步」，但阿里萬相 2.6 和豆包 Seedance 1.5 Pro 差距有多大？這顯然還需要時間和市場驗證，火山引擎總裁譚待在提到這一功能時明確說，「Seedance 1.5 Pro 實現(xiàn)音畫同步，在行業(yè)不算首創(chuàng)，但同行功能做了，不代表做好了。」

放在更大的背景中看，字節(jié)和阿里在多模態(tài)模型能力上的競逐，一方面是對 B 端企業(yè)客戶增長市場的必然追求，而另外一方面也是補齊跟國際同行的差距。

視頻生成能夠?qū)崿F(xiàn)音畫同步這一功能，是谷歌在今年 5 月份率先在 Veo3 上實現(xiàn)的，這給整個視頻模型行業(yè)帶來與之看齊的方向，讓 AI 視頻走出「默片時代」，指令遵循更好、保真度更高。

而在落地場景中，谷歌云業(yè)務(wù)也給全世界的同行們做出了示范。谷歌云憑借多模態(tài)的模型能力，先后拿下了英國廣告公司 WPP 集團(tuán)、維珍郵輪等多個企業(yè)級大客戶，通過 Agent 融入客戶公司業(yè)務(wù)，推動這些大企業(yè) AI 營銷平臺加速人工智能轉(zhuǎn)型，已經(jīng)在國際市場中展開更大的圈地運動。

一場生態(tài)位與話語權(quán)的變革

對于 AI 云服務(wù)的客戶們來說，能不能用 AI 模型能力和智能體應(yīng)用重塑生產(chǎn)力，帶來真切的降本增效，才是選擇的最大標(biāo)準(zhǔn)，因為技術(shù)只是表面的護(hù)城河，而 ROI（投資回報率）才是真正的尺子。

而當(dāng) Agent 開始落地企業(yè)真實的場景中，安全性的保證是第一位的，而后才是效率的提升，誰能率先解決復(fù)雜任務(wù)的穩(wěn)定性，誰才能通過客戶的最終判斷。

「第一款產(chǎn)品從 0 賣到 30 萬臺用了 250 天，而在火山引擎的支持下，第二代端到端語音模型的AI玩具賣到 30 萬臺，只用了 25 天，速度提升了 10 倍」，躍然創(chuàng)新（Haivivi）聯(lián)合創(chuàng)始人高峰在火山引擎FORCE 原動力大會上說。

躍然創(chuàng)新是一家 AI 玩具公司，今年 8 月發(fā)布了第二代產(chǎn)品 CocoMate 系列，這是搭載端到端語音模型的 AI 玩具。第二代產(chǎn)品的能力顯著提升，主要是因為火山引擎豆包實時語音模型的支持，CocoMate 能識別語氣、理解情緒，支持主動接話并隨時被打斷，響應(yīng)速度壓縮到 1 秒以內(nèi)，而且可以在噪音環(huán)境中使用。

在模型能力的提升下，AI 玩具行業(yè)成為創(chuàng)造新需求的品類整體迎來了大發(fā)展。2026 年1 月，躍然創(chuàng)新還將發(fā)布第三代 AI 玩具，這是一款奧特曼 AI 互動對話器，用戶可以與奧特曼 AI 角色進(jìn)行對話，還支持無限距離組隊對講等功能。

而在當(dāng)下 AI 落地真實場景 Agent 為王的行業(yè)共識中，阿里和字節(jié)出現(xiàn)了哪些新需求新變化？

阿里 AI 的核心關(guān)鍵詞，是體內(nèi)循環(huán)的「一統(tǒng)」，讓 C 端的需求匯集到一處。

不論是成立千問事業(yè)群，還是把千問打造成一款超級 App，本質(zhì)都是要把阿里計劃將地圖、外賣、訂票、辦公、學(xué)習(xí)、購物、健康等各類生活場景接入千問，讓其能通過 Agent 形式外鏈淘寶電商等細(xì)分場景中，讓不同的需求對齊到一起。

比如高德此前有 AI 導(dǎo)航智能體，后來有直接對話的出行生活智能體「小高老師」，這都是存在于高德 App 內(nèi)的核心交互模式，而接入了千問之后，在千問 App 內(nèi)就可以實現(xiàn)基于高德的服務(wù)。

而字節(jié)的 AI 核心策略是體外循環(huán)的「下沉」，讓 B 端客戶的 AI 使用門檻更低。

在推出智能體統(tǒng)一交互入口 AgentSphere 時，火山引擎副總裁提到一個顛覆他認(rèn)知的事情，那就是很多企業(yè)中的智能體不是太少，而是太多太散了，這也是造成 AI 低效的一個重要原因。所以無數(shù)個數(shù)字員工或是智能體，都將在AgentSphere 得到統(tǒng)一的交互，需求不同的用戶看到不同的定制看板，而不是千篇一律的對話框。

而為了降低用戶使用門檻，豆包還拿出了豆包助手 API，讓企業(yè)通過 API 開箱即用。也就是說，火山引擎為了下沉，賣的不光是模型，更是封裝好的成熟產(chǎn)品體驗。

參照谷歌 Gemini 3.0 帶給對手 OpenAI 的壓力，不光是因為谷歌證明了 AI 大模型的能力上升有極大的上限，另外一方面也證明了 AI 落地到公司具體業(yè)務(wù)中，能把搜索、廣告和 Youtube 等多個業(yè)務(wù)生態(tài)串聯(lián)起來，真正帶來業(yè)務(wù)效率的提升，給市場看到了真正 AI 落地可能性。

從谷歌給中國同行帶來的啟示看，懂用戶、更好用的 AI 產(chǎn)品很重要，但更重要的是 AI 能力如何準(zhǔn)確服務(wù)當(dāng)下的用戶群體，這是一場技術(shù)變現(xiàn)效率的比拼，更是一場生態(tài)位與話語權(quán)的變革。

無論是豆包通過流量入口優(yōu)勢挖掘 B 端客戶，還是阿里通過 B 端服務(wù)能力進(jìn)入 C 端市場，本質(zhì)上都是通過各自的優(yōu)勢地位進(jìn)行 AI 全產(chǎn)業(yè)鏈的布局，各自的路徑已經(jīng)越來越清晰，現(xiàn)在階段只是版圖互補，而不遠(yuǎn)的未來可能就是一場零和博弈。