不久前,网络上那张“中国AI与美国的比拼”的图表引发了热议。在OpenAI和Anthropic相继发布新模型的同时,中国的元宝和千问也展开了激烈的红包大战,这种对比充满了讽刺意味。
然而,这个笑话的寿命很短,其幽默感也迅速减弱,因为很快,字节和快手也相继发布了新一代的视频模型,这些模型在外网上的火爆程度再次加深了外国人对“中国AI实力深不可测”的“刻板印象”。
钱钟书先生在《围城》中写到:“寰宇就是一个围城,里头的人眼馋外边,外边的人羡慕里头。”这句话很有道理,用于描述当前的AI竞争态势也十分贴切。
字节的Seedance 2.0非常强大,它彻底改变了视频生成的方法。由于字节的声量一直很大,尽管发布时间较晚,但评价增长却更快。而快手的Kling 3.0也非常强大,我已经测试过三个账号,绝对不是强行塑造“双星闪耀”的概念。
这还要归功于两个模型的路线差异。Seedance 2.0更侧重于Sora 2的运镜、理解、模仿、转场等效果,极大促进了短视频创作者生态的发展;而Kling 3.0则更偏向Runway代表的影视化、真实化和工业化的能力,目标是专业导演和工作室。
因此,博主和用户自然会对Seedance 2.0更有感觉,这很正常。但我期待Kling 3.0的上限会非常高,因为它正在抹平真实和虚拟之间的界限。长期来看,路线差异只是暂时的,最后大家都会殊途同归,解决抽卡问题的同时,全方位无死角地替代现有视频生产管线的一半以上,甚至更多。
相比起“默默发财”的AI Coding,多模态才是AI接近普通人的破圈手段。去年ChatGPT和Gemini的两次“翻倍级”增长,分别是因为GPt-4o的“吉卜力风潮”和基于Nano Banana的降维打击,都是多模态在起作用。
今年,战场继续前移。除了Seedance 2.0和Kling 3.0外,马斯克也发布了Grok专有的视频模型Imagine 1.0,谷歌发布了打掉游戏引擎市值的Genie 3。发现共同点了吗?
全,是,视,频。
人是视觉动物,所见即所得的信息量远超文本和语言。视频模型以前主要吃亏在能力不足、训练难度高、生成质量参差不齐、无法形成类似“一键P图”的稳定性玩法。但到了2026年,这个瓶颈期目测已经快要跨过去了。
技术进化的效率令人惊叹。回想起威尔·史密斯吃意大利面的场景,那不过是两三年前的事情。时间过得很快,也很平坦。
多说几句开头那个对比吧。如果说中国AI公司眼馋Claude Opus 4.6和GPT-5.3-Codex,也确实有道理。但这不只是技术代差的问题。中美的商业环境决定了AI渗透的发力点不同,因此爆发点也不均匀。
表面上看,美国的AI巨头都在发力AI Coding。容易货币化是一回事。再往深了想,Coding自由的终点是什么?是工具、软件甚至系统的零成本化。需要什么让AI去写代码就好了。所以美股里的SaaS赛道突然就崩了。
SaaS是一个积累了快30年的万亿级规模市场。非常适合用来回应“AI投入太大、回报不足”的质疑。想象空间太大了。而大厦将倾的此情此景,有种见证时代残酷美学的意味。
王慧文在即刻上发了一条非常精辟的动态(图3):
“我们曾经以为中国SaaS会像美国SaaS那么值钱。现在看美国SaaS会像中国SaaS这么不值钱。”
大佬就是大佬,几句话就说到点上了。中国的AI公司在产业化方面有苦难言,尤其是面对美国同行的高歌猛进。原因在于:你不可能去替代一个不存在的市场、拿走一份不存在的产值、讲述一个不存在的故事……
但在多模态尤其是视频模型方面却不是这样。中国互联网在短视频、直播和创作者生态方面是全球领先的。这里有巨大的市场、产值和故事可以被AI接上的。所以字节和快手对视频模型的投入动力完全不虚美国大厂。
快手Kling有先发优势、ARR涨得很快、在海外一直处于第一梯队;字节后来居上、多模态能力对豆包的留存拉动明显;更不用说GPU储备量是国内大厂里Top级的。真想做成事情、很难不做成。
昨晚很多字节的朋友都在转发梁汝波和张楠用AI合拍的视频、用来宣传搭载了Seedance 2.0的即梦。张楠的性格搞这个不意外;意外的是梁汝波也配合了。你们很少会看到他给字节的其他产品这么站台。
晚点LatePost的稿子里提过字节内部期待AI这波能有“下一个抖音”跑出来、而且是完全用字节的方法去做选择——数据决定地位——也就是说赛马机制已经启动了。目前至少有三拨势力在争这个“太子”:
还是那句话字节这家公司的活力之高和欲望之强在大厂里真的很少见丝毫看不到老化的痕迹。
最后我还想说大的在后面中国AI公司在这个月的重量级发布还没结束我知道一些但是暂时不能说等着吧用心感受这神仙打架的一个月。
本文由主机测评网于2026-07-03发表在主机测评网_免费VPS_免费云服务器_免费独立服务器,如有疑问,请联系我们。
本文链接:https://vpshk.cn/20260748474.html