**行业与公司** * 行业：AI视频生成大模型行业[3] * 公司：即梦（Seedance）及其CDS 2.0模型[1][2][4] 可灵[4][5] Mi Max（海螺）[4][5] 阿里万象[8] 谷歌（Gemini VU3及Sora 2）[4][8] Minimax[12][16] 字节跳动[16] 腾讯[16] 阿里巴巴[16] 快手[16] **核心观点与论据** * **CDS 2.0模型的技术优势**： * 采用统一多模态架构，融合文字、图像、音频和视频帧进行训练，提升了语义理解和生成效果[1][2][4] * 初始提示词不需要特别精细或专业，大概率能一次性满足要求，情绪控制性强，易于广泛应用[1][2][4] * 应用多镜头技术，分镜切换自然，面部主体锁定合理，提高了视频整体一致性和观感[1][2][4] * 引入奖励模型，增强了对视觉细节的理解能力，提高了物理合理性和美感[1][4] * **行业技术路径与挑战**： * 主流技术路径是TIT架构及其变形，当前挑战在于将其扩展为面向多模态的DIT架构，并引入时间层次，以实现对视频每一秒钟的精细控制[1][7] * 扩大数据和参数量以提升模型规模是关键[1][7] * 原生多模态技术能实现文字、图像、声音和视频的综合输入（如CDS2.0目前限制为9个图像、3个视频和3个音频加文本），并支持音画同步输出，极大提高成片效率[13] * 视频生成与文本生成的技术路径不同，视频生成目前主要通过prompt直接生成完整片段，但技术上实现实时逐帧生成和交互具有可行性[17][18] * **行业影响与市场前景**： * 视频生成大模型作为生产工具，将显著降低影视、广告及游戏行业的制作成本和周期，推动文娱产业从人力密集型向算力密集型转变，并催生短剧、漫剧等新形式[3][14] * AI生成能力将带来创新玩法，使产业链更高效，同时导致创意岗位（如AI导演）增加，传统执行岗位减少[14][15] * AI驱动的视频内容创作市场前景广阔，随着精确度和可玩性提高，未来将涌现更多面向C端用户的创意应用，市场规模将呈现爆发式增长[3][20] * **商业模式与生态建设**： * 视频大模型企业应注重生态闭环建设，在产品化阶段结合产品需求迭代神经网络结构，需要既懂技术又懂产品的人才[11] * 各大厂商策略不同，如Minimax采用基座模型拓展多个子模型，谷歌强调生态全家桶策略[12] * 国内公司（如快手）将视频生成与生态系统结合，通过商品推荐与用户习惯分析提高平台流水，并赋能创作者，实现了较好的商业模式[16] **其他重要内容** * **竞争格局**： * 可灵擅长分镜编码技术，但抽选率略低于CDS 2.0[5] * Mi Max海螺画面细腻度和美感强，但缺乏工作流性质系统，不太适合作为生产力工具[5] * 阿里万象聚焦电商商品图及视频生成，在数字人模特展示服装时表现出色[8] * 谷歌及Sora 2是全球领先者，主打真实感及与物理相关能力[8] * **成本与效率优化**： * 降低推理成本可通过优化参数计算实现，例如同时处理音频特征和画面并结合prompt进行变形处理，以在不增加参数量的情况下降低成本[1][8] * 提高模型调整效率可通过工程手段与模型计算单元联合处理实现，例如模块化处理分镜预设、场景设定，并在模型层面留出缓冲层，以减少算力浪费[10] * **上游算力需求**： * 以1,080P、25帧每秒的视频为例，每秒钟消耗约3万至5万个token，随着对质量、时长、分辨率和帧率要求的提高，可能增加到5万至10万个token[19] * 2026年的视频生产token消耗量预计相比2025年至少增长10倍以上[19] * 从GPU和存储角度看，2026年的整体需求相比2025年中期水平将有10至15倍的提升[19] * **国内发展情况**： * 国内主要公司均在视频生成领域布局，其中快手较为领先[16] * 各公司在广告营销、电商、短剧及漫剧等可替代行业中发力，以期形成自己的工作流程[16] * 基模型理解能力的提升是关键，例如从早期接受50个字左右prompt到如今可接受200-300字以上prompt[16]

电话会议纪要分析 涉及的行业与公司 * **行业**：多模态人工智能（AIGC）、视频生成、算力基础设施、存储与网络、具身智能（自动驾驶、机器人）、短剧/漫剧/短视频内容创作、电商广告[1][9][10][11] * **公司**： * **国内**：字节跳动（CDS/CIDES 2.0、LLaMA生态、火山引擎）、极梦（JIMU）、可灵（Keling）、阿里巴巴（图像生成模型）、腾讯（混元3D模型）、Deepseek、GLM、MinMax、微度[1][2][5][6][7][11][14][17] * **国外**：谷歌（VIVO 3.1、Gemini、Nano Banana Pro）、OpenAI（Sora）、VO[1][2][5][7] 核心观点与论据 1. 国内多模态模型技术进展迅速，与海外差距缩小 * 国内多模态模型在技术和商业化方面取得显著进展[2] * 在物理规则理解方面，随着C端3.0版本发布，国内模型能力正在快速赶超海外水平[1][8] * 进展得益于国内数据产线、基础设施建设等生态系统的快速推进[1][8] * 国产多模态模型有望在未来1-2年内超越国外头部模型[8] 2. 主要模型技术架构与产品能力对比 * **字节跳动 CDS/CIDES 2.0**： * 采用**双分支 DIT (Diffusion Transformer)** 架构，创新在于视频和音频**同步生成**，而非分别生成再拼接[1][3] * 融合C位和Pixel Dance模型优点，提升音频定型和多运镜理解能力[1][4] * 产品能力：生成**10-15秒**高清原声视频；角色一致性出色；音画同步性及原声支持最强；多镜头叙事（智能分镜）能力突出；受益于字节跳动LLaMA生态系统，在提示词理解、可控性及后期编辑方面具有优势[1][5] * **谷歌 VIVO 3.1**： * 基于**Gemini Transformer**架构，结合**Latent Diffusion**方法进行3D空间理解[1][5] * 优势在于更好地解决角色一致性问题，在虚拟空间和现实世界理解方面有大量优化[1][5] * **可灵 3.0**： * 在动作流畅度（物理引擎）上有所优势[1][5] * **综合对比**： * CIDES 2.0与可灵3.0均支持1,080P高清，但风格各异[1][5] * 字节跳动凭借火山引擎等资源，成本控制较好，用户使用费用相对较低[5] 3. 商业化前景广阔，定价策略显现市场把握 * 多模态大模型未来商业化前景广阔，国内外主要企业均已推出产品并向C端开放[1][6] * **定价策略示例**：极梦会员包月**69元**，可灵会员包月**66元**，两者相差不大；但极梦提供阶梯会员服务，更高档次会员收费**499元/月**[1][6] * 定价策略显示出企业对市场需求的细致把握，以及通过规模效应降低成本、吸引用户并实现盈利的意图[6] * 将在**短剧、漫剧**等已有成熟盈利模式的领域继续拓展应用场景[6][9] 4. 国内外模型在关键性能指标上存在差异 * **生成速度**：国内极梦生成速度约为**60秒至80秒**；国外Sora和VO通常需要**100秒以上**[7] * **分辨率**：国内模型分辨率已达**2K**；国外模型仍停留在**1,080P**[1][7] * **生成时长**：国内单条视频最长可达**15秒**；国外为**25秒**[1][7] * 总体来看，国内模型在生成速度和分辨率等技术指标上具有一定优势[1][7] 5. 对算力、存储及基础设施产生巨大需求与影响 * C.3.0版本大规模应用将**显著增加算力需求**，推动OpenAI等公司加紧建设算力中心[3][11] * 未来几年内算力消耗将呈**指数级增长**，以满足全民级别使用廉价可达的多模态生成需求[3][11] * 这对于**存储、推理芯片以及云服务**相关企业是重要利好[3][11] * **Diffusion Transformer架构趋势**：参数量越来越大，但每次推理调用参数更少，使得未来在**端侧设备**（AI电脑、手机）本地部署成为可能，推动端侧推理设备和存算一体芯片发展[12] * 算力需求增长推动市场从千卡发展到**万卡甚至十万卡**级别，高性能网络连接和存储配置重要性提升[16] * 图像视频生成AI进步预计将导致**网络加速领域需求增加50%以上**，尤其在数据中心高速固点和高性能网络方面，2027年增长将非常显著[18] 6. 将重塑多个行业并催生新机会 * **直接影响行业**：**短视频、短剧、漫剧**（降低入行门槛，高效生产）、**电商和广告行业**（降低创意实现成本，打破传统生产模式）[9] * **积极影响领域**：**自动驾驶和机器人等具身智能场景**，多模态大模型能力提升将推动这些行业的数据采集与迭代，形成良性飞轮效应[10] * **物理世界数据**重要性将在2026年显著提升，带动相关基建投入，值得关注具身智能领域的数据基建公司[15] 7. 产业竞争格局：大厂未必完全垄断 * 大厂在算力、人力和数据量级上具有优势，但**不会完全垄断**所有AIGC产品市场[11] * 中小型公司可通过自训模型或接入大厂API保持竞争力，打出差异化[11] * 自训模型的中小公司未来融资压力可能更大，而直接接入大厂模型生态的小型企业可能迎来利好[11] * 目前市场上尚未出现像抖音那样压倒性的产品，各方都有机会[11] 8. 其他厂商进展与市场动态 * **阿里巴巴**：在多模态领域有扎实布局，最新图像生成模型可对标Nanbanana[14] * **腾讯**：整体技术实力有所落后，但其**混元3D模型**仍处于全球领先地位[14] * **创业公司**：如MinMax，在多模态方面表现出色，其语音生成和海螺等模型能力领先[14] * **市场期待**：GLM 5的架构（传言参考Deepseek）；Deepseek新版本将重点优化agent能力和多模态能力，若成功可能取得市场领先[17] 其他重要内容 技术优化路径 * 提高生成效率方面，**模型架构优化**（基础层面，提升稀疏化、减少调用参数量）与**工程上的网络加速**（高性能计算资源利用）相结合才能达到最佳效果，但模型架构优化可能更为本质[3][19] * Deepseek和R1通过大量工程创新实现了显著的性能提升[3][19] 发展趋势总结 * 2026年，多模态AI模型及其商业化正在**明显加速发展**[20] * 国内外差距逐步缩小，技术进步将推动短剧、慢剧、广告等市场变革[20] * 今年，多模态AIGC产业有望迎来蓬勃发展，是值得重点关注的方向[20]

行业与公司 * **行业**：AI漫剧/短剧制作行业[1] * **公司**：头部制作公司包括酱油文化、慢谈、奇想文化、富佰文化[5] 核心观点与论据 * **市场趋势与规模**：AI漫剧市场于2025年下半年爆发，当时市场规模估计为200亿元[1][4] 预计2026年市场规模将达到500亿元，但由于生产效率提升5至10倍，实际规模可能超过此预测[1][4] 未来内容创作门槛降低，但竞争壁垒将体现在故事讲述、视听语言和审美能力上[2][9] * **技术驱动与成本**：以Sora 2、VU 3.1、vidu、可灵3.0和CDS 2.0为代表的AI视频生成模型显著降低了制作门槛和成本[1][2] CDS 2.0在综合能力和创新功能上表现突出，能自动生成字幕和台词，大幅降低导演门槛[1][2] 使用C站3.0版本后，每分钟优质视频生成成本在50至100元之间，效率提升5至10倍，大幅节省人工成本[1][3] AI制作真人短剧成本已与2D/3D漫剧相当，仅差1.2至1.5倍左右[23] * **商业模式与回报**：行业早期投资回报率可达2以上，目前趋于理性，约为1.1至1.2，多数公司仍处于亏损状态[1][5][8] 平台合作模式多样，包括保底模式、直接购买、第三方承制按分钟收费、直接签约保证产能等[1][7] 早期试水建议选择保底模式，后期倾向稳定的按分钟收费模式[1][7] * **内容与IP战略**：IP在AI漫剧中至关重要，经典IP自带吸引力[2][10] IP授权模式包括闭源高价授权和开源衍生品变现，更多采用合作分佣模式[2][10][11] 前期IP选择对作品成功至关重要，需避免版权风险[2][10][11] 故事核心是打造爆款的关键[15] 内容题材上，女频内容（如大女主宫廷剧）正在增加，市场份额将扩大[14] * **竞争格局与用户**：头部公司如酱油文化市场贡献达22.39亿元，占比11%，慢谈贡献34.99亿元，占比17%[5] 从纯制作角度看，头部公司毛利率约为50%[5][6] 主要用户集中在18-30岁，男性居多，但用户群体正在扩展，包括更多女频用户和90后职场人士[16] 原生平台将继续扩张AI漫剧供给，将其作为拉新和广告库存的一部分，独家资源争夺将成为主要竞争策略[17] * **监管与风险**：抄袭问题因复制成本低而难以完全避免，未来法规和平台可能上线防重复检测功能[18] AI生成逼真名人形象带来风险，平台将要求更严格的标识与授权机制[19] AI生成内容审核主体包括平台自动算法、人工审核敏感内容以及第三方外包审核[20] 其他重要内容 * **制作类型趋势**：沙雕漫和解说漫收益系数较低（5到20），远低于2D或3D CG真人漫剧（收益系数50）[12] 未来高质量2D、3D漫剧以及真人剧、仿真人剧将成为主流，沙雕漫和解说漫市场份额可能降至10%以下[13] * **对传统行业冲击**：AI技术已开始颠覆真人短剧制作流程，80%的内容可通过AI生成[21] 影视城以及导演、摄影、美术灯光等相关从业者面临巨大冲击，编剧工作未来也可能受影响[22]

涉及的行业与公司 * **行业**：多模态AI技术、AI视频生成、短剧与漫剧、游戏开发、云计算、内容版权保护[1][2][4][5][6][10][14] * **公司**：字节跳动、上海电影、美图公司、心动公司、完美世界、华通公司、掌阅科技、中文在线、阅文集团、欢瑞世纪、富博集团[1][2][7][8][9][11][12][14][15][18][19][20] 核心观点与论据 多模态AI技术发展与应用 * **字节跳动CDS 2.0模型**：于2026年2月7日开始测试，亮点在于参考能力及可控创作方式，支持上传文本、图片（最多9张）、视频（最多3个）及音频（最多3个），合计不超过12个文件，在物理规律遵循、动作流畅度、指令遵循度方面有显著增强[1][4] * **技术影响**：简化操作流程，提高成功率，满足B端与C端大规模使用需求，进入AIGC新时代[1][4] * **对云计算的影响**：多模态视频生成token消耗量巨大，例如4K高清分辨率每秒花费超过5万token，10秒1080P视频消耗35万token，5分钟视频可能需要上千万token，将推动云端弹性算力需求增长[10] 对内容产业（短剧、漫剧）的影响 * **短剧行业**：制作成本低、周期短，增长迅速，多模态AI工具有望进一步降低成本、提高产能，从而扩大市场规模并解决供给问题[2][5] * **漫剧行业**：市场规模已达200亿元，处于高速成长阶段，AI一直是其生产流程重要部分，新工具将加速其工业化进程，提高IP改编的重要性，推动行业向精品化发展[1][5][6] 受益公司与投资逻辑 * **上海电影**：持有上影元70%股权，上影元拥有30个真人IP和30个动画IP（如《大闹天宫》、《哪吒闹海》），通过与上影集团及美影厂合作进行IP唤醒与开发，多模态工具将加速此过程，具备良好投资价值[1][7] * **掌阅科技**：由字节跳动参股，推出AI漫剧一站式生成平台“泡漫”，整合超过1万个IP资源，并配套收益分成机制，打通版权创作、分发到变现全链路[8] * **中文在线**：拥有几百万部网文IP，通过短剧、漫剧等新赛道进行二次开发，构建从网文到影视的IP开发金字塔，提高开发效率和成功率[8] * **富博集团**：主营内容版权保护，与迪士尼、索尼、华纳等大型内容方合作，随着二创视频数量增加，版权保护需求上升，其AI二创内容占比已超过10%，作为垂直赛道龙头将受益于多模态加速发展[14] 工具/平台类公司优势 * **美图公司**：通过订阅应用全家桶模式转型，每个垂直应用精准切入细分用户需求，新功能迭代速度快（可能一个月多个新功能），工程化能力和社交媒体理解能力强，有望发展为模型超市[11] * **基本面**：预计2025年non-GAAP归母净利润同比增长60%至66%，达到9.4亿至9.7亿元人民币，得益于影像与设计业务高速发展及AI带来的量价齐升逻辑，海外订阅用户增长高于国内，占比已超过国内收入[12][13] 游戏行业的创新与机会 * **心动公司**： * 推出全球首创零代码游戏开发工具TapTap Maker，用户通过自然语言交互创建游戏，无需编写代码，已上线近200款AI制作的游戏，解放复杂内容形式的生产力[1][15] * 拥有自研AI游戏引擎Tap Maker，结合TapTap社区进行宣发，未来有望使每位玩家成为潜在游戏制作者，通过IAA和IAP模式变现，对抢占AI游戏社区生态位及提升整体估值至关重要[16] * 游戏《心动小镇》2026年1月8日在海外上线，无商业化付费点前提下，上线两周多下载量突破1,000万，在美日韩等主要地区免费榜维持高位，Discord成员数突破75万[17] * **完美世界**： * 新作《异环》是全球第三款二次元开放世界游戏，预计2026年5月15日上线，角色塑造和玩法丰富度提升，作为都市题材开放世界游戏融入科幻都市生活（如买房、开店），有望成为新的利润增长点及继原神和鸣潮后的新一代全球爆款[2][18] * **华通公司**： * 核心业务为SLG类游戏《无尽冬日》和《咱们王国》，今年最大看点是出海休闲游戏领域，新作Tasty Travels在2026年1月份进入首周出海收入榜前十名，有望通过休闲游戏下载流水天花板并提升估值[2][19] 其他重要内容 * **当前最值得关注的公司**：心动公司（AI技术解放生产力）、完美世界（产品周期优势）、华通公司（成熟SLG与新兴休闲游戏布局）[20] * **多模态模型市场影响**：最近发布的多模态模型（如GPT-3、可灵3.0和C.3.2.0）在基础能力、多模态素材支持和创作方式上有显著提升，对内容板块、电商、营销和游戏等多个领域产生直接影响[2]