54亿烧不动，Sora 死了：匿名中国模型用38秒踢开下一扇门

来源：市场资讯

（来源：钛媒体AGI）

▎巨头退场、黑马屠榜，两条平行线索交汇于同一个结论：视频生成的战争已从模型能力转向算力经济与合规壁垒。

作者｜AGI-Signal

编辑｜林深

本文首发于钛媒体APP

2026年3月底到4月初，AI视频赛道在两周内连续发生了两件标志性事件。

第一件：曾经被行业奉为“白月光”的 Sora，于3月24日被 OpenAI 宣布全面关停——独立 App、API 接口及 ChatGPT 内嵌视频功能全部下线，OpenAI 彻底退出消费级视频生成市场。

第二件：不到两周后的4月7日，一匹代号为“欢乐马”（HappyHorse-1.0）的匿名模型，毫无征兆地空降全网最权威的 AI 视频盲测榜单 Artificial Analysis，以压倒性的分数直接登顶。

一个是硅谷巨头在日均1500万美元的烧钱游戏中选择认输，一个是来历不明的技术黑马踢穿了中国团队长期把持的盲测榜首。两件事发生在同一时间窗口，看似无关，实则指向同一个判断：AI 视频的竞争规则正在发生质变——从“谁的模型更聪明”转向“谁的算力更便宜、谁的合规墙更厚”。

屠榜真相：碾压级的纯视觉，与“偏科”的黑马

判断一匹黑马的成色，先看裁判是谁。

Artificial Analysis Video Arena 不是厂商自嗨的公关榜，而是几千名真实用户在完全不知情的情况下，对生成的视频盲测投出的 Elo 积分。

HappyHorse-1.0 的成绩单是压倒性的。

在“文本到视频（不含音频）”赛道，它拿下 1357 分（截至4月9日），甩开第二名 Seedance 2.0（1273 分）整整 84 分。这意味着在盲测中，用户选择它的概率显著高于其他任何模型。被它踩在脚下的，不仅有字节跳动，还有 Kling 3.0、SkyReels V4 等一众明星产品。

不过“偏科”也是事实。一旦纳入音频维度，它在“文本到视频（含音频）”赛道上以 1217 分仅以 3 分之差输给了 Seedance 2.0（1220 分）。换句话说，HappyHorse-1.0 踢穿的是字节的纯视觉技术口碑防线，但在音频-视觉综合体验上，Seedance 仍然守住了阵地。

这场屠榜的意义，更多在于打破了“国产视频模型已经固化”的市场预期——一个新的挑战者可以凭 15B 参数的小模型，在纯视觉维度上碾压所有大厂。

它凭什么这么快？在单张顶级 H100 显卡上，它生成一段 1080p 高清视频（含同步音频）只需要 38.4 秒。速度的底气来自底层 150 亿参数（15B）的统一 Transformer 架构，结合 DMD-2 蒸馏技术，将推理步数压缩到仅 8 步。

通俗来说，传统的视频大模型像是一个“外包团队”——文本大模型先读懂你的需求，再交接给扩散模型去“画图”，中间沟通损耗极大。而 HappyHorse-1.0 采用的统一 Transformer 架构是个“全能通才”，在同一个神经网络里同时处理文本和视觉像素，消除了跨模态的中间损耗。

有意思的是，HappyHorse-1.0 在登榜初期（4月7-8日）曾被质疑为“营销期货”——官网声称开源，但 GitHub 仓库和模型下载链接一度全是 404 或“敬请期待”。但就在4月9日，多家媒体报道称其已正式宣布开源，用户可在官网通过文本生成和图片生成两种方式在线体验。从“薛定谔的开源”到真金白银放出权重，只用了不到 48 小时。

匿名阳谋：大厂为何蒙面入局？

业界目前有两种最主流的猜测。

一是它出自阿里淘天集团新成立的“未来生活实验室”，由原快手技术副总裁、可灵AI负责人张迪领衔。

二是它深度借鉴了国内初创公司 Sand.ai 的 daVinci-MagiHuman 底层技术——知乎用户 Vigo Zhao 将 HappyHorse-1.0 的公开基准数据与已知模型逐条核对，发现两者高度吻合，界面新闻也报道称“技术圈认可度最高的结论”是 HappyHorse 系 daVinci-MagiHuman 的优化迭代版本。

上述猜测目前均未得到官方证实。不过，今早有独家消息称，HappyHorse-1.0确系阿里巴巴研发，由前快手副总裁、可灵技术负责人张迪带队，他于2025年11月回归阿里。此外，阿里云将很快将该模型上线百炼平台，阿里巴巴近期的组织调整也与此有关。

截止发稿前，阿里官方尚未回应。

问题来了：既然手握屠龙刀，大厂为什么不开发布会？为什么要匿名混迹在第三方盲测平台？

虽然目前缺乏官方解释，但从行业惯例和商业逻辑推测，背后至少有两层计划。

第一层，是免费的“数据收割”。

当前 AI 视频最大的瓶颈是缺真实的人类偏好数据。匿名空降盲测平台，等于让全球网民免费给它做 A/B 测试。不花一分钱，就能精准锚定模型在真实世界里的缺陷。

第二层，是规避致命的“合规地雷”。

AI 视频正处在版权诉讼的火山口。在大模型没建好数字水印和肖像拦截机制前实名发布，极易招来好莱坞的天价索赔。匿名测试，既秀了肌肉，又做好了法律上的物理隔离。

不过，从另一面看，HappyHorse-1.0 的狂欢，映衬着 Sora 的落寞。同样是做视频，命运为何两极分化？细想来看，Sora 的退出，其实撕开了这个行业最血淋淋的伤疤：ROI（投资回报率）严重倒挂。

据 SemiAnalysis 测算，Sora 的日均运行成本高达 1500 万美元，一年烧掉约 54 亿美元。它的扩散模型架构每生成 1 秒视频需要渲染约 30 张图像，但生成结果中常见的物体变形、运动不连贯等问题导致大量视频只能废弃，最终可用率据分析机构推算仅有 5% 到 10%。

产出 1 条可用视频，浪费了十倍以上的算力。当一个工具无法嵌入用户的日常工作流，仅仅沦为“猎奇玩具”时，没人愿意持续买单。据 a16z 合伙人披露的数据，Sora 的 1 天留存率仅 10%，7 天只有 2%，30 天只剩 1%，60 天接近 0%。

Sora 用 54 亿美元年成本和断崖式下跌的留存曲线，证明了纯扩散模型暴力堆算力的路线走不通。而 HappyHorse-1.0 给出了另一个答案——15B 参数、统一 Transformer 架构、8 步推理、单卡 38.4 秒。两者之间的差距，不是参数规模，而是架构效率。扩散模型是算力黑洞，统一 Transformer 是算力压缩器。这场架构之争的胜负，可能比任何单次屠榜都更有行业信号意义。

再看留在场上的中国 AI 巨头，打的是另一场算力经济账。

先看 API 调用成本：

字节跳动的 Seedance 2.0，其 1080p 纯视频生成的 API 定价是 46 元人民币 / 100 万 Tokens。根据实测，生成 15 秒视频约消耗 30.888 万 Tokens，换算下来，生成一秒钟的商业级视频，成本约 1 元人民币（约合 0.14 美元）。

这就是商业现实。对于绝大多数企业来说，直接调用每秒约一毛多美金的闭源 API，远比花上百万元买 H100 服务器去折腾所谓的“开源模型”香得多。

千万级框架：巨头厮杀的终极壁垒

如果你觉得算力便宜就是唯一壁垒，那就太天真了。

想接入 Seedance 2.0 并使用真人参考图生成视频，企业需要签订千万级的年度预付框架合同。同时，新签框架还须缴纳预付金的 50% 或 100 万元（取高值）作为保证金，且一年后方可逐步释放。

这道千万级的门槛，本质上是让企业为主体责任买单的保证金——将生成深伪视频（Deepfake）的法律风险，通过商业合同转移给有抗风险能力的头部 B 端企业。

今年2月中旬，一位爱尔兰导演用 Seedance 2.0 生成的汤姆·克鲁斯和布拉德·皮特在屋顶打架的逼真视频火遍全网。2月13日，迪士尼律师 David Singer 起草的停侵权函送达字节跳动，美国电影协会（MPA）随后也严厉指控 Seedance 2.0“大规模未经授权使用受版权保护的内容”，演员工会 SAG-AFTRA 也对未经授权使用会员肖像发出了尖锐批评。

为了自保，巨头设立了极高的资金门槛与企业资质审查（KYC）。

他们根本不在乎 C 端普通用户能做几段搞笑视频，他们要的是成为 B 端工业化内容生产的“水电煤”。通过垄断算力基建和建立严苛的授权体系，把中长尾竞争者彻底挡在门外。

后 Sora 时代的大洗牌，给行业留下了什么？

AI 视频的底层基建游戏，已经是重资本、重算力的巨头专属牌桌。但牌桌上博弈的是基础设施，桌下的缝隙里反而长出了真金白银的机会。

核心逻辑很简单，算力成本正在以肉眼可见的速度下探——从 Sora 时代的每秒数美元，到今天 Seedance 2.0 的每秒约 1 元人民币，再到 HappyHorse-1.0 开源后理论上可做到的本地零边际成本。每一次成本下探一个数量级，就会催生一批新的商业场景。

综合来看，AI视频生成领域，当前最值得关注的三个方向可能是：

电商带货视频自动化。国内短视频平台的商品推广视频目前仍以人工拍摄为主，单条成本 500-2000 元，制作周期 2-5 天。如果用 API 算力将这个成本压缩到 10-50 元、制作周期缩短到分钟级，整个投放逻辑会被重写——测试素材量可以从每天 10 条暴增到 1000 条，A/B 测试的效率和精准度将质的提升。

短剧工业化生产。竖屏短剧正在全球市场爆发，单集预算通常在 5-15 万元，但拍摄周期和演员成本是刚性瓶颈。AI 视频虽然还无法替代真人演技，但在场景空镜、过场转场、特效画面等“非情绪化”镜头上已经可以替代 30%-40% 的拍摄工作，直接压缩制作总成本。

出海广告本地化。同一个产品在东南亚、中东、拉美投放，需要不同语言、不同人种、不同文化符号的广告素材。传统方式需要多国团队分别拍摄，AI 视频可以把这个过程压缩到一个人一台电脑一天之内完成，且成本几乎不随市场数量线性增长。

这三个方向有一个共同特征：它们不要求模型跑分第一，不要求生成电影级画质，但要求成本足够低、速度足够快、稳定性足够好——而这恰恰是 API 调用比本地部署更适合的场景。

HappyHorse-1.0 踢开了门。但门后面站着的是字节和快手们经营了两年的商业基础设施——算力供应链、合规审查体系、B 端客户网络。

技术黑马可以赢得一个周末的掌声，但赢得战争需要的是另一个维度的积累。从今天起，AI 视频的竞争规则已经从“谁的模型更强”转向“谁的工作流更厚”。