视频生成赛道竞争白热化 百度押注“实时交互”求破局

来源：市场资讯

（来源：每日经济新闻）

每经记者：可杨 每经编辑：魏官红

从Runway、Pika到Sora，AI（人工智能）视频工具不断刷新想象空间，而在国内，实践者们开始探索更深层次的问题——AI如何真正融入内容产业，形成可持续的生产模式。

百度副总裁、移动生态商业体系负责人陈一凡在接受包括《每日经济新闻》记者在内的媒体记者采访时将这一节点比作通信史上“3G到4G”的转折期——从“能生成”迈向“可实时互动”。

陈一凡认为，实时交互被低估了，“如果只是生成，可能只是做了一个类似AI版的抖音”。他表示，AI视频竞争的下半场，正在从技术比拼转向门槛之争，谁能让更多人更低成本地参与创作，谁就能在生态中积累更大的势能。

百度视频生成大模型迭代：押注实时交互

在AI视频生成的快速演进中，技术的焦点似乎正在悄然转移，从“能生成”迈向“能交互”。

陈一凡将这一节点比作通信史上3G到4G变革的前夜，“没有3G，就没有移动互联网的繁荣；没有4G，就不会有短视频的爆发”。在他看来，生成模型的能力已趋近成熟，下一阶段的突破不在于更大的参数或更高的分辨率，而在于让生成变得实时、可控、可互动。

百度商业研发首席架构师李双龙也认为，人类创作的过程并不是一次性做成的，而是一个边写边改、不断思考与修正的过程。他指出，当前许多视频生成产品仍停留在“盲盒式”体验——用户等待模型一次性生成10秒或20秒片段，再判断结果是否可用，这种反射性生成方式并不符合真实的创作逻辑。

为了实现可打断和可修改的实时交互，百度“蒸汽机”选择将整个架构从窗口式扩展升级为自回归流式扩展架构。“这未必是颠覆性的创新，但它是更符合人性的创作过程。”李双龙说。

在谈及如何实现交互式生成时，李双龙坦言，这一方向背后存在大量技术挑战，传统的窗口式扩散生成方式无法支撑长视频创作，因为它以10秒为单位生成，出现问题时无法局部修改，只能重来。为此，团队对底层架构进行了升级，从“窗口扩散”转向“自回归流式扩展生成”。

但该机制也带来了新的问题，例如累积误差和一致性挑战。对此，李双龙介绍，团队通过采用历史帧和稳定锚点帧技术等优化手段，来全局管理一致性，解决自回归带来的问题。

陈一凡认为，实时交互的需求是被低估了，“如果只是生成，可能只是做了一个类似AI版的抖音”，这当然也有很大的空间，但可互动性之所以重要，在于它提升了信息密度，将传统的单向、写好剧本的内容消费转变为双向互动。

这能让用户拥有不同的情景体验，极大地提升娱乐性。从浅层应用来看，实时交互能提升广告线索质量；从深层应用来看，它能完成整个咨询或服务过程的深度交互，例如在心理咨询等场景中，数字人可以实时感知用户表情并作出反馈，实现与传统广告截然不同的深度。

在百度内部，“蒸汽机”承担着模型、工具、产品三层结构的中枢角色：底层是模型层，中层是工具层，上层是产品层。在这种布局之下，百度在视频生成模型方面的打法，更偏向于构建一个AI内容生态的基础设施。

视频生成竞争转向：从技术比拼到门槛之争

放眼全球，AI视频生成模型领域竞争的激烈程度和变化速度远超想象。

OpenAI的Sora 2模型一经发布，凭借“电影级”的短视频生成能力和对物理、人物塑造的巨大突破，其驱动的创作应用“Sora”迅速登上美区应用商店下载榜首，证明了其在To C（面向用户）端强大的市场号召力。紧随其后，谷歌的Veo 3.1迅速更新，不仅新增了音频生成功能，支持为视频添加背景音乐和音效，更在对象控制、视频分辨率与时序连贯性上实现技术升级，提升了高质量内容创作的适用性。

这场全球范围内的技术竞赛正以前所未有的速度向前推进，但与此同时，底层架构和技术路径日益趋同。对于行业终局和应对策略，陈一凡认为，创新和用户体验将成为核心突破口。

陈一凡指出，从技术发展历程来看，视频生成行业经历了“从想法到实现，再到反思优化”的阶段。初期技术迭代主要集中在算法性能上，但随着DIT架构等方案成熟，算力需求和生成时间呈几何级增长，限制了大规模应用。

“创新在这个阶段尤为重要。以前大家会关注技术性能，现在更多关注如何降低使用门槛，让玩法更丰富。”陈一凡表示，降低门槛意味着用户能够即时获得互动体验，而非等待延迟结果，这也是目前很多大模型在应用上仍然存在短板的环节。

在具体实践中，百度通过升级流式架构提升生成效率，实现了大规模的视频生产与分发。陈一凡透露，平台视频生成量级已经从百万级提升到千万级，“当门槛降低、玩法丰富，自然会吸引更多用户涌入，最终的目标是让用户知道怎么玩、愿意玩”。

对于近期热门产品如Sora 2的技术表现，陈一凡认为，其底层模型在一致性和运镜丰富度上有所提升，但尚未达到基础模型级别的突破。

在商业化的思考上，百度“蒸汽机”当前阶段的重点仍是内部赋能，即通过技术能力支撑内部产品，提升To C端的价值。陈一凡坦言，当前最明显的收益是C端整个的用户留存和使用时长的提升，这直接带来了百度原有商业化模式收入的增长。

据透露，目前，营销相关和内容创作是“蒸汽机”调用量最大的两大落地场景。营销相关调用量占到约一半。

对于未来是主攻To C还是To B，陈一凡表示，目前两侧都在投入。To B端，主要满足内部技术业务库的需求，以及应对外部客户的定制化需求，如专有云应用等，需要针对稳定性等进行微调；To C端，侧重于结合百家号等生态，将创作者生态做大。