行业投资评级 - 强于大市（维持）[1] 报告核心观点 - AI漫剧产业正经历快速扩张，平台激励政策、AI技术迭代与海量IP共同驱动行业爆发式增长，AIGC工具在内容制作环节的应用显著提升了效率并降低了成本 [3][24][26] 平台激励政策与行业动态 - 抖音集团短剧版权中心发布第二期精品漫剧激励政策，主要面向AI仿真人剧和2D/3D漫剧，单部保底最高可达360万元，改编番茄小说头部IP可补贴100%改编权费用 [3][4] - 抖音携手小云雀AI启动“AI漫剧创作激励计划”，设立多项奖项，最高可获2万元/部现金激励及流量扶持 [4] - 番茄小说启动“短剧专项计划”，首次特别激励5部现象级爆款短剧原著，每部奖励50万元，并与抖音联合启动“首届短剧向IP联合征文活动”，激励金额最高达20万元/部 [3][6] - 爱奇艺升级微剧、漫剧分账政策，漫剧独家分账比例最高可达100%，并全端上线独立漫剧入口 [3][8] - 腾讯视频升级自制竖屏短剧政策，新增厂牌激励计划，承制方/导演/编剧分别可获得最高100万元现金奖励，剧本激励最高12万元保底稿费 [3][8] 市场供给与增长数据 - 2025年漫剧供给呈现爆发式增长，在投漫剧数量从1月的234部增长至12月的17944部，全年增长超76倍 [3][13] - 2025年漫剧市场整体播放量超700亿，是2024年的十倍，其中抖音端原生漫剧播放量占整体市场近70% [3][13] - 2025年抖音端漫剧累计播放量TOP10中，AI漫剧占据五席，排名第一的《斩仙台下，我震惊了诸神》播放量已突破5亿 [3][13][14] - 中国动画微短剧市场规模在2025年预计达到189.8亿元，同比增长276.3%，2030年有望突破850亿元 [3][24] - 2025年，全国微短剧用户规模已达6.96亿，占网民总数比重接近七成，头部应用月活渗透率占比超95% [10] AI技术应用与成本效益 - AI技术显著降低了制作成本，常规AI真人剧的成本已能控制在每分钟1000元左右 [3][16] - AI在漫剧内容制作过程中的资产生成、视频制作等执行环节应用程度较高（50%-80%），为主要提效环节 [3][26] - AI仿真人剧《斩仙台真人 AI 版》上线6天抖音端原生播放破亿，该项目由12人团队耗时30天完成，算力成本约10万元 [16] 重点公司业务与产品 - **万兴科技**：拥有丰富的视频创作AIGC工具产品矩阵，包括万兴喵影/Filmora、万兴天幕AI/ToMoviee AI、万兴超媒Agent/ReelBot等，其自研大模型万兴天幕2.0持续拓展AI在影视文化领域的实践 [3][29][30] - **昆仑万维**：积极布局海外短剧业务，推出付费模式平台DramaWave（月活超1500万）和广告免费模式平台FreeReels（月活超千万），2025年上半年短剧业务收入达5.83亿元，占集团总营收16% [3][32][33] - 昆仑万维自研SkyReels V3模型是业内首个支持单镜头多人多轮对话的数字人模型，能力可覆盖影视级对话场景等多种专业场景 [3][34] 投资建议 - 产业侧，平台激励政策将持续助推漫剧内容供给，技术侧，AI技术迭代推动AI漫剧、AI真人剧成长并提升制作效率 [3][35] - 在AI漫剧领域，推荐万兴科技，建议关注昆仑万维、中文在线、阅文集团、掌阅科技、欢瑞世纪、海看股份 [3][35]

产品发布与定位 - 昆仑万维旗下AI视频创作平台SkyReels于11月4日正式上线Web端与移动端App [1] - 平台核心定位为一站式与多模态AI创作平台 独家优势在于聚合全球顶尖AI多模态模型 [1] - 平台集成图片生成 视频生成 数字人 音乐生成等多种AI创作方式 [1] 核心技术能力 - 此次更新搭载自研模型SkyReels V3 代表一系列多模态视频生成模型 [1] - 模型基于Multi-modal In Context Learning框架预训练 并通过子任务精调优化 [1] - 核心更新能力包括无限画布 数字人 模板功能 专家Agent 视频延长和风格化 [1] - 所有AI功能和全球顶尖模型集成于同一创作空间 实现多模态内容无缝融合 [2] - 用户可通过AI编辑 Agent Chat和拖拽三种方式在无限画布上自由组合素材 [2] 智能系统与交互创新 - 平台推出Agentic Copilot模式 提供双核智能系统支持多模态输入输出 [2] - 未来将实现Super Agent（1个全能创意助手）与Expert Agents（28位行业专家）的相互协作 [2] - SkyReels V3是业内首个支持单镜头多人多轮对话的数字人模型 [2] - 模型能精确控制每个角色的说话时机与节奏 实现多角色自然流畅互动 [2] 数字人功能与应用场景 - 数字人功能覆盖全场景对口型 支持单人图片驱动 视频驱动及多人多轮对话的图片驱动对口型 [3] - 支持最长4分钟的连续对口型 并具备丰富的运镜组合 [3] - 模型可应用于影视级对话场景 电商双人口播 游戏素材创作等多种专业场景 [3] - 音频驱动的视频生成模型首次具备多人场景的生成能力 [3] 行业趋势与未来展望 - 视觉/音频等生成模型预计保持高速迭代与更新 [3] - 模态之间的融合创作将进一步加速 模型效果与可控性将持续提升 [3] - 内容生成成本预计持续降低 [3]

行业背景与公司定位 - AI视频生成赛道竞争激烈，国外如OpenAI推出Sora 2、谷歌更新Veo 3.1，国内如生数科技推出Vidu Q2，均在视频质量、时长（如20秒）方面有显著提升[1] - 国内厂商倾向于打造覆盖图像、音视频、数字人、Agent的全模态内容共创平台，通过模板化和流程化降低创作门槛，突破AI视频应用边界[1] - 昆仑万维采用“模型+平台”并行演进模式，新上线的一站式多模态AI视频创作平台SkyReels集中体现了这一思路，旨在加速AI视频创作普及[1] SkyReels平台核心功能 - 平台集成多模态视频生成模型SkyReels V3，并提供无限画布、数字人口播、多模板生成与Agent等多种创作模式[2] - 无限画布作为核心亮点，集成全部AI功能和全球顶尖AI模型，是图片、视频、音乐等多模态的融合载体，支持实时交互和效果呈现[8][9] - 通过画布可实现多模态融合创作，例如将静态《清明上河图》拖拽至图生视频功能，几秒内生成动态视频，并可进一步通过Super Agent对话激发灵感生成4K分辨率陶土风格版本[10][12][14][16] - Agent模块包括Super Agent（全能创意助手）和28位Expert Agents（行业专家），覆盖市场营销、电子商务、虚拟形象塑造等领域，用户仅需简单指令即可自动完成多步骤复杂任务，生成可直接交付的成果[17][19][21][22][24][26][28] - 模板库全面升级，收录近10大类、150余种专业模板，覆盖海报设计、电商服装图、商品演示视频等主流场景，可一键提升普通图片质感，支持多件服饰同时试穿和品牌广告模板[29][30][32][34][36][38][41][42] - 数字人功能实现全场景对口型生成，支持单人驱动和单镜头多人多轮对话，最长可生成4分钟连续视频，内置32种运镜组合与丰富配音资源库，极大降低多镜头拍摄与后期成本[42][43][45][46][47][48][50][52][53] - 视频编辑功能支持视频延长和风格化，提供Cut-In、Cut-Out等多种切镜方式，生成片段在叙事逻辑与视觉连贯性上高度一致[54][56] SkyReels V3模型技术优势 - 模型基于多模态上下文学习框架预训练，并通过子任务精调优化，在参考图像一致性（0.6698）、指令遵循能力（27.22）和视觉质量（0.8119）评估中达到业界闭源SOTA水平[60][61][62] - 基于音频参考的视频生成优化音画对齐，业内首次支持单镜头多人多轮对话，通过区域路由机制实现自然流畅多轮对话，并强化运镜控制，支持分钟级高质量视频生成[63][64] - 基于视频参考的视频生成统一支持视频延长、风格化与编辑多任务，在单镜头与切镜延长任务上达到业界SOTA，自研端到端风格化数据生成流程确保艺术可控性[66][67] 公司战略与商业表现 - 昆仑万维自去年8月推出SkyReels后，先后发布并开源SkyReels V1、V2及A1、A2、A3系列模型，形成集图片生成、口播讲解、故事音乐等于一身的AI视频创意矩阵，服务于媒体、电商、教育等多行业[69][73] - AI视频业务与AI智能助手、AI音乐等共同构成公司多元矩阵，成为营收增长重要引擎；2025第三季度报告显示公司前三季度营业收入58亿元，同比增长52%，AI相关业务收入大幅增长[74]

公司产品发布 - 昆仑万维旗下AI视频创作平台SkyReels于11月4日正式焕新上线 [1] - 平台Web端与移动端APP已全面登陆 [1] - SkyReels V3模型和产品五大核心功能同步更新 可在平台中无缝使用 [1] 产品核心能力 - 平台具备一站式与多模态两大核心亮点能力 [1] - 模型侧聚合全球顶尖AI多模态模型 涵盖Google Veo 3.1、Sora 2、Runway、Nano Banana、GPT Image、Seedream 4.0等国内外主流模型 [1] - 功能侧一站式提供图片生成、视频生成、数字人、音乐生成等多种AI创作方式 [1] 自研技术进展 - SkyReels V3是昆仑万维自研模型 代表一系列多模态视频生成模型 [1] - 自研模型支持基于图片参考、音频参考和视频参考的视频生成 [1]