视频 AI 陪伴：最动人的那一帧，是最烧钱的姿势

实时视频陪伴什么时候能普及？

“AI 有了身体、能实时反应，你说一句「再靠近一点」她真会靠过来，看着就差临门一脚了。”

在此之前，我想先问另一个问题：一个能全程陪伴、有身体、会实时回应的 AI，如何养得活自己？

作者 |听风

编辑/排版 |MM77

翠鸟AI技术漫研—拓新AI边界、探索技术增量

“陪伴产品被成本拖死，这不是新鲜事，视频只是把这件老事的账单又抬高了两个数量级。”

1.成本这道坎，陪伴天生就站在反面。

它要长时长、可付费意愿低、单位成本还高，三头拧着，天生是个亏钱结构。

文字陪伴这道题都没解开（Character.AI 越黏越亏、卖身 Google），视频每秒的信息吞吐是文本的成千上万倍，只会更狠。

2.厂商报的延迟，量的是画面不是脑子。

零点几秒说的是渲染推流有多快；

可陪伴破功从来不在这半秒，而在「她答得飞快却像个客服」——那条理解上下文的慢链路，厂商通常不提。

3.真正的命门是记忆，而这波技术压根没碰。

实时生成解决的是单次会话别崩，跨会话的长期记忆是另一整套系统，跟生成模型是两码事。

做得再像真人，每次也都是从头开始的陌生人。

01. 先算笔账：说说陪伴这门生意

一门生意能不能成，我习惯先看它的单位经济学往哪个方向使劲。陪伴这门生意，三个方向偏偏全是拧着的：

它要长时长，用户挂得越久越算成功；可付费意愿又低，愿意为情绪价值掏钱的人，心理价位大多卡在月付几十块；偏偏单位成本还高，聊得越久算得越多。

长时长、低客单、高成本凑一块，天生就是个亏钱的结构。

☝️文字陪伴这道题都还没解开呢。

Character.AI是现成的教材——用户黏性高得吓人，人均在线时长把 ChatGPT 甩开几条街，然后呢？越黏越亏，算力烧穿，最后卖身 Google。

它把一件反常识的事摆到了台面上：在陪伴这行，受欢迎和赚钱有时候是拧着来的。

视频只会让账单更难看。

按 Vivix 自己披露的量级，连续音视频每秒要处理的信息量，是文本交互的成千上万倍，成本曲线跟着往上陡。

粗算一下（数字都按官方口径，未必准）：

官方说推理的基础设施成本能压到每小时一美元以下，听着不贵。可陪伴是按小时挂着的啊。

一个重度用户一天挂两小时，一个月就六十小时，光这一层就是几十美元的推理成本打底——他一个月愿意付的钱，说不定还没这么多。

当然真实账要复杂得多，还有带宽、加价、留存分摊，但大方向就是这样：

越受欢迎越亏。这是陪伴场景的原罪，文字版没解，视频版只会更狠。

02. 快的是画面，慢的是脑子

厂商爱报延迟数字。画面反应零点几秒、端到端一秒多，这些数字大概率是真的。但它们量的是渲染和推流，说的是画面动得快不快。

陪伴会不会破功，压根不在这半秒上。

没人会因为她慢半秒就出戏，真正让人出戏的是——她答得飞快，一张嘴却像个客服。

而「答得不像客服」这件事，靠的不是那条快链路。

你说一句需要理解上下文、还带点情绪拐弯的话，走的是另一条慢思考的链路。厂商报延迟的时候，通常不太提这一条。

实时视频还把这个尴尬给放大了。

纯文字聊天，她想两秒，换回一个走心的回答，你能等；可视频里她杵在那儿卡两秒，你眼睁睁看着一个「人」死机，那种别扭是成倍的。

以前思考的时间藏在打字气泡后头，你看不见，现在全摊在镜头前了。

03. 记忆这道坎，这波技术根本没碰

前面两样，一个是钱，一个是体验。第三样更要命。

陪伴到底靠什么？说到底是「她记不记得你是谁」。

她记得你上礼拜提过奶奶住院，今天开口先问一句——就这一句，比一万个丝滑的动作都管用。

而实时生成这套东西，解决的是单次会话里别崩：这段视频连贯、这轮对话不打架、表情别跳戏。

它管得住「这一段别出错」，可管不了「这三个月怎么攒下来」。

跨会话的长期记忆，是另外一整套系统——外挂的记忆库、用户画像、关系状态那些——跟生成模型基本是两码事，发布会上一般也就一句话带过。

所以说穿了，这代模型能让角色这一刻更像个人，可它不知道你是谁、上次聊了什么。

做得再像真人，每次也都是从头开始的陌生人。而陪伴要留住人，恰恰靠的就是那个「从头」之外攒下来的东西。

04. 视频AI陪伴到底能不能做

能。

但先跑起来的，肯定不是「全程视频挂着」这条最烧钱的路。

你注意看那些最惊艳的演示，几乎清一色是短片段——撒个娇、跟文物聊几分钟。这不是巧合。

• 短时、情绪浓度高的场景，时长可控、成本压得住、还够炫，它天生就先成立。
• 长时陪伴大概会绕着走：先拿文字、语音把关系养起来，视频留给那几个要紧的时刻。

视频是她在你生日那天突然出现在屏幕上的那点惊喜，而不是陪你刷牙洗脸的背景板——那玩意儿谁也挂不起。

真正的壁垒，不在能不能实时改剧情、能不能全身乱动那些炫的地方。

它在记忆，在关系，在那套没人愿意上台讲、也确实不性感的系统里。

谁把「她记得你」这件事做扎实了，谁才算摸到陪伴的门。

这波技术是把陪伴的活人感天花板抬高了，这我认。可它同时也把「怎么养活自己」这道题变得更难了。

演示里最戳人的那句「再靠近一点」，恰好是商业上最烧钱、最不该一直开着的那个姿势。