行业核心观点 - 应重视垂类多模态AI应用的投资机会 看好技术突破与成本优化将加速产业发展 带动用户增长、付费渗透和商业化进程再上台阶 [1] - 尤其关注有多模态AI应用出海布局的公司 其起量速率可能更快 [1] 多模态视频生成技术发展 - 年初至今 多模态视频生成赛道国产模型加速迭代 推动行业技术整体上行 与海外技术差距显著收窄 [2] - 国内视频生成厂商模型研发节奏加快 例如快手可灵从25年4月的2.0版本迭代至26年2月的3.0版本 即梦Seedance从25年6月的1.0版本迭代至26年2月的2.0版本 [3] - 随着最新模型发布 国内供给侧技术天花板提升 物理规律合理性、运动流畅性、指令遵循能力等基础属性显著增强 并补齐了分镜能力、音画同出等功能 [3] - 与海外模型的差异化在于支持图片、音频、视频等多模态输入的参考生成 以及视频二次编辑能力 [3] - 视频生成赛道进入类似25年大语言模型(LLM)的竞争状态 在基础能力均达到较高水准后 后续各家差异化或在于具体落地场景 [3] 技术演进与产业趋势 - 智能分镜功能降低了用户进入门槛 多模态统一架构支持创作意图表达更高效灵活且可控性提升 [2] - 判断2026年B端和C端市场拓展均会有较大进展 [2] - 模型厂商在竞争技术的同时 应重点观测景气内容赛道的AI渗透情况 [2] - 最大的边际变化在于从随机生成转向精准可控 最新模型如Vidu Q3、可灵3.0、Seedance2.0支持多模态输入参考生成 可控性更强 抽卡成品率显著提升 [4] - 生成时长更友好 单次生成增至15秒左右 进一步降低了B端和C端用户的创作门槛 [4] - 国产模型基本补齐多镜头叙事功能 使泛C端用户能借助工具实现创作 B端创作者则降低了对分镜功底的要求 [4] - 模型支持对生成内容进行精细化的增、删、改操作 实现快速二次调整 [4] - 判断2026年模型的技术迭代将更侧重于生产流程落地 帮助创作者高效表达意图、实现可控创作 [4]