404

Sorry! That page cannot be found…

The URL was either incorrect, you took a wrong guess or there is a technical problem. - No brand config for domain(69dde418e757a)

上线不到两年，可灵AI如何在短短时间内，从“烧钱”走向“赚钱”？

可灵AI两年进化史：从生成工具到创作系统

2024年6月，快手正式发布自研视频生成大模型“可灵”，这是其在文生图模型“可图”、语言模型“快意”之后，补齐多模态能力的重要一环。彼时，行业刚被AI视频点燃不久，以Sora为代表的视频生成模型在全球范围内引发关注，行业对视频生成类模型的技术讨论还远多于商业讨论。

此后一年，可灵AI进入快速迭代期，产品与模型能力同步推进。从图生视频、视频续写，到首尾帧控制、运镜控制，再到人物一致性、对口型、多图参考等功能，产品几乎以月为单位更新。2024年11月，可灵AI正式推出独立APP。

到2025年底，可灵AI的能力开始趋于系统化。2025年第四季度，快手发布多模态视频模型可灵O1，将文字、图片、视频等多模态输入统一进同一生成框架；随后推出具备“音画同出”能力的可灵2.6模型，并上线动作控制功能，进一步提升生成视频的完整性与可控性。到今年2月，可灵3.0系列模型上线，实现了从视频理解、生成到编辑的全流程整合。

技术层面，其始终处在全球第一梯队。2025年3月，在全球AI基准测试机构Artificial Analysis发布的榜单中，可灵1.6 Pro（高品质模式）登上图生视频赛道榜首，超过Google Veo 2与Pika；5月，可灵2.0模型再次以1124的Arena ELO评分位居榜首；到10月，2.5 Turbo模型上线仅10天，即以1329分与1252分同时拿下图生视频与文生视频双赛道第一。不过在最新的榜单中，字节的Seedance 2.0和昆仑万物旗下的SkyReels V6对可灵实现了超越。

从路径上看，可灵采用了原生文生视频路线，并引入类Sora的DiT（Diffusion Transformer）结构。在时序信息建模上，快手大模型团队设计了一款计算高效的全注意力机制（3D Attention）作为时空建模模块，同时配合自建数据标注体系与视频描述模型，以提升复杂运动与语义响应能力。

与技术能力提升相对应的，是持续高额度的研发投入。财报显示，快手2025年研发费用达到145亿元，同比增长18.8%；与此同时，公司用于算力与数据中心建设的资本开支已达150亿元，并计划在2026年进一步提升至约260亿元。这笔巨资将主要向可灵大模型的算力建设、基础模型研发以及大规模数据存储处理倾斜。

视频生成大模型，如何实现商业化？

从行业普遍实践来看，当前AI视频产品的商业化大致有两条主流路径：

第一类，是以模型能力为核心，向开发者与创作者开放API或订阅服务。这一路径更接近大模型行业的通用范式，通过调用计费或会员订阅实现收入，但其前提是，用户需要持续产生高频使用行为。对于视频生成而言，这一条件并不天然成立——创作者的使用往往是阶段性的，且对生成结果的稳定性与可控性要求较高，一旦无法满足商业交付标准，付费意愿便难以持续。

第二类，则是围绕内容生态，作为创作工具嵌入内容平台或创作者社区，更多承担“效率工具”的角色。这一路径能够放大用户规模与使用频次，但直接变现能力相对有限，往往依赖平台整体商业化体系的间接转化。

目前，付费订阅会员贡献了可灵AI将近70%的营业收入。

C端，可灵AI推出分级会员体系，按照黄金、铂金、钻石、黑金四个等级划分，月费分别为66元、268元、666元和1314元，对应不同的生成额度、分辨率与模型能力。与传统订阅模式不同的是，可灵引入“额度消耗”机制，高性能模式（如1080P、高帧率视频）需要消耗更多“灵感值”，从而将用户付费与算力成本直接挂钩。

B端，可灵AI则通过API调用与企业服务切入更稳定的需求侧，已与包括小米、亚马逊云科技、Freepik、蓝色光标等在内的企业建立合作。这类合作往往直接嵌入内容生产流程，使AI视频成为实际业务的一部分。

随着模型能力提升，可灵AI开始进入广告营销、电商内容、短剧制作等具体场景。在这些场景中，AI视频成为了直接影响成本与效率的生产要素。

这使得其商业逻辑发生变化——从“为创意付费”，转向“为效率付费”。

在快手的内循环体系内，可灵AI的价值也开始溢出产品本身。其背后的大模型能力，被嵌入快手广告与电商体系，推动AIGC营销素材的大规模消耗，成为平台商业化的一部分。

未来的可灵AI，面对的确定与不确定性

“AI视频是否能成为一门稳定的生意”，在过去一年仍是一个开放问题。

但从可灵AI当前的表现来看，这个问题正在出现阶段性答案。

与早期“为创意买单”的尝试不同，AI视频正在逐步进入广告、电商、短剧等高频内容生产场景。这些领域对视频素材的需求，本就是刚性的，只是在过去依赖人工完成。随着可灵等模型能力提升，AI开始承担其中一部分生产任务，这意味着，AI视频的需求，是对既有生产方式的替代。只要内容产业持续存在，这一需求就具备长期性。

这构成了可灵AI商业化的第一层确定性：它所服务的，并不是一个新市场，而是一个已经存在、且规模庞大的市场。

第二层确定性，则来自平台结构。可灵背靠的是快手的内容与商业生态。无论是广告素材生成、电商视频制作，还是短剧与内容分发，其能力都可以嵌入既有业务链条，形成“生成—分发—变现”的闭环。这种嵌入式路径，使其商业化不完全依赖外部客户增长，而是能够与平台整体收入形成联动。只要平台内容需求持续增长，其调用规模与收入能力也具备同步扩张的基础。

但也需要看到，不确定性同样真实存在。

首先，是行业格局的不确定性。AI视频仍处于高速演进阶段。国内外厂商持续加码，比如上面提到的字节跳动的Seedance，昆仑万维的SkyReel等等，都是强劲对手，现在还远未到胜负分晓的时刻。

其次，是商业模式的稳定性。但AI视频的使用频率与需求结构，仍在变化之中。一方面，企业客户的付费意愿取决于实际ROI，一旦生成质量或稳定性无法满足交付要求，需求可能回流至传统制作；另一方面，随着模型能力提升与成本下降，价格体系也可能面临持续调整压力。

最后，是成本与投入的长期约束。视频生成属于多模态中最重的算力场景之一，其训练与推理成本远高于文本与图像模型。即便技术优化带来了一定程度的效率提升，但算力、数据与基础设施的大额投入仍未看到确定性的回报。