2024年2月，Sora的橫空出世，讓許多大模型公司的春節(jié)都沒能過好。
“春晚還在重播，我們就在緊急拉群討論”，一家AI頭部公司員工對「市界」急切地說?？吹絊ora絲滑的體驗，連賣課博主都蜂擁而動，趕著上線教程，大賺一把。
誰能最快時間“復(fù)制”出國內(nèi)版的Sora，更多人將目光放在了阿里、百度、“大模型五虎”身上。但無人想到，拔得頭籌的會是技術(shù)表現(xiàn)相對“佛系”的快手。
6月7日，快手突然上線了文生視頻模型“可靈”（Kling），并可支持長達2分鐘的視頻生成。此外，與Sora至今仍在“期貨”階段相比，可靈一經(jīng)公布便開放了測試，生成效果亦可圈可點。
“可靈是最近圈內(nèi)，被討論最多的對象”，一位風(fēng)投行業(yè)人士對「市界」說。據(jù)官方數(shù)據(jù)顯示：可靈上線一個月有超50萬人申請，已開放給超30萬用戶使用，生成了超700萬條短視頻。
可靈的意外火爆，不免讓字節(jié)有些尷尬。今年5月，字節(jié)也開放了文生視頻模型“即夢”測試，但效果在目前火爆的文生視頻賽道中，尚不具明顯優(yōu)勢。
突然被曾經(jīng)“忽視”的對手甩開身位，字節(jié)需要埋頭追趕。據(jù)鈦媒體報道，近期，字節(jié)跳動將AI大模型設(shè)為集團“P0最高級別”的方向。抖音、剪映等多個團隊也在抓緊研發(fā)AI視頻模型應(yīng)用，預(yù)計將在近期公布。
1、做可靈，快、糙、猛
多位開發(fā)者對「市界」表示，可靈的上線與亮眼表現(xiàn)，在行業(yè)內(nèi)也算是個意外。
近日，「市界」以一段“黑貓”為關(guān)鍵詞，在可靈、即夢，以及智譜AI剛剛上線的“清影”中分別輸入了相同的提示：“下雨天的城市街道上空無一人，一只可愛的黑貓奔跑而過。它的眼珠是綠色，脖子上帶有黃色的項圈和鈴鐺，全身長著黑亮的長毛。視頻用攝像機的視角拍攝，地面的積水反射出黑貓的身影?！?/p>
在生成的三段視頻里，可靈版雖然未能實現(xiàn)快速奔跑的效果，但視頻大致符合客觀規(guī)律。
與之對比，“即夢”版地面沒有積水，黑貓也沒有向前走動?！扒逵啊卑骐m有積水，黑貓行走時，步態(tài)古怪，尾巴也出現(xiàn)了丟幀。
▲（視頻依次為可靈、即夢、清影生成作品）
據(jù)“硅星人”報道，可靈是快手花了3個月的時間打造的；團隊規(guī)模很小，僅有20余人，牽頭人是現(xiàn)快手視覺生成與互動中心負(fù)責(zé)人萬鵬飛，其大部分的研究方向為圖像/視頻信號處理、計算攝影和計算機視覺、減少Loss函數(shù)、視覺生成等。
可靈的前身，來自快手在2023年10月重啟的一個不起眼的項目“噗嘰”，這是一款將靜態(tài)圖片通過AI生成2s Gif表情包的工具軟件。今年3月初，快手內(nèi)部開了一個小會，萬鵬飛的想法得到了快手高級副總裁蓋坤（于越）的肯定，迅速確定了將噗嘰作為預(yù)調(diào)研的產(chǎn)品。
據(jù)“硅星人”了解，“做可靈的時候，執(zhí)行層面有個共識，就是快、糙、猛?！?/p>
可靈項目開始不到一個月，就獲得了快手創(chuàng)始人程一笑的支持，將其視為公司戰(zhàn)略級項目。蓋坤也常說：公司的卡都給你們用，公司全力支持。
數(shù)字人賽道創(chuàng)業(yè)者柯燃對「市界」分析道：“可靈的成功，很大程度上要歸功于快手積累的視頻數(shù)據(jù)素材。放眼國內(nèi)，這方面可以與之一戰(zhàn)的也只有抖音?！?/p>
可靈風(fēng)光的同時，字節(jié)顯得有些落寞。
雖然“即夢”5月9日便官宣上線；6月17日，即夢也作為首席AI技術(shù)支持方，在AIGC短劇集《三星堆：未來啟示錄》中亮相。但無論是在C端的表現(xiàn)，或是相較于快手7月13日上線的AIGC短劇《山海奇鏡》，即夢的聲量均不甚響亮。
7月17日，市場曾傳出消息稱，字節(jié)將公布類Sora的文生視頻技術(shù)進展。外界也將其解讀為，字節(jié)要奮起直追，與可靈正面迎戰(zhàn)了。
但字節(jié)方面隨后向「市界」表示，該消息并不準(zhǔn)確。7月17日當(dāng)日，「市界」注意到，活動更類似一場技術(shù)分享會。會議主要由豆包大模型視覺基礎(chǔ)研究團隊負(fù)責(zé)人馮佳時主持，并由字節(jié)研究科學(xué)家、機構(gòu)學(xué)者等，做了整場的英語技術(shù)分享。
看起來，字節(jié)的“大招”或許還需要等些時日。
2、字節(jié)還沒回過神
那么，在最近如火如荼的文生視頻賽道里，字節(jié)為何錯過盛宴；最近字節(jié)又在忙些什么？
某種程度上，或許因為比起快手押注“可靈”，可以“一力降十會”。字節(jié)的大模型布局要更為復(fù)雜——而今年上半年，字節(jié)更重要的對手放在了騰訊與阿里。
面對大模型，字節(jié)的步調(diào)已不可謂不“激進”。畢竟2個多月前，率先在行業(yè)內(nèi)發(fā)起大模型價格戰(zhàn)的，正是字節(jié)。
5月15日，在字節(jié)跳動“FORCE原動力大會”上，字節(jié)推出了基于其自研豆包大模型的API服務(wù)。同時，火山引擎總裁譚待一步到位，亮出了“豆包”的最新價格：0.0008元/千Tokens，宣布這是低于行業(yè)99.3%的“地板價”。
彼時，字節(jié)的“發(fā)難”曾先聲奪人。據(jù)「市界」從多方了解，頭部玩家對字節(jié)的出擊缺少準(zhǔn)備；各方雖感無奈，也只能被動追隨。
接下來幾天，阿里云、百度文心大模型、騰訊云先后宣布，將旗下大模型推理輸入token以及API大幅降價。在此影響下，如今頭部大模型的C端調(diào)用，已幾乎悉數(shù)免費，行業(yè)也開始朝著下一個生態(tài)量級“卷”去。
據(jù)一家法律AI應(yīng)用企業(yè)創(chuàng)始人向「市界」透露，API服務(wù)開放后幾乎沒有時間差，火山引擎的銷售人員就開始積極接觸客戶、推介產(chǎn)品。這也側(cè)面印證了，市場流傳的字節(jié)已將大模型標(biāo)記為最高級別戰(zhàn)略的猜測。
▲（譚待于2024“FOECE大會”。圖源/火山引擎）
而最近，字節(jié)的“當(dāng)家產(chǎn)品”豆包，增長得較為明顯。
據(jù)Questmobile數(shù)據(jù)顯示，截至2024年6月，在國內(nèi)AIGC App中，豆包、天工、Kimi智能助手、貓箱增長亮眼——其中豆包流量排名第一。
▲（圖源/QuestMobile）
與快手相比，字節(jié)如今更在意的，或許是從基礎(chǔ)大模型、到AI應(yīng)用層的全生態(tài)競爭。此外，考慮到2021年才正式做云的火山引擎，在巨頭云廠商里是“最年輕”的一朵。三年多來，火山云也一直被視為云市場的挑戰(zhàn)者角色。字節(jié)如何將基礎(chǔ)大模型、應(yīng)用層、云市場協(xié)同起來，更是一項綜合命題。
近日，據(jù)“光子星球”報道，字節(jié)“扣子”平臺的大量使用者，正尋求如何將創(chuàng)建的智能體、bot接入微信公號或小程序，討論十分活躍。
去年12月，字節(jié)在海外推出了AI應(yīng)用開發(fā)平臺“coze”。今年2月，國內(nèi)版“扣子”上線。大量抖音體系商家，也希望從中迅速掘一桶金。
考慮到騰訊在今年5月才姍姍來遲，發(fā)布了AI智能體創(chuàng)作與分發(fā)平臺“騰訊元器”。彼時，扣子的訪問量已達到了233萬次。而截至目前，騰訊元器尚未打通小程序、公眾號、客服訂閱號微信系列生態(tài)。
畢竟當(dāng)下，AI發(fā)展仍在早期階段。字節(jié)與騰訊一樣，都還需要花費大量時間教育用戶。爭奪AI時代的分發(fā)權(quán)，先聲奪人，或許是字節(jié)為了瞄準(zhǔn)騰訊要做的更大功課。
3、后發(fā)制人，尚有時間
站在行業(yè)層面，在當(dāng)今互聯(lián)網(wǎng)中，最不缺內(nèi)容流量、電商流量，以及資金彈藥的字節(jié)，即便短期在文生視頻中“落后”一步，從長期來看，仍具備后發(fā)制人的潛力。
用積極的市場策略追平落后身位、大力出奇跡，同樣也是字節(jié)的拿手好戲。
最近，瞄準(zhǔn)阿里，字節(jié)也在做整合大模型的工作。在剛剛過去的6月26日釘釘生態(tài)大會上，總裁葉軍宣布除了阿里自家的通義外，還將把其余6家的第三方大模型裝入釘釘中。其中包含MiniMax、月之暗面、智譜AI、獵戶星空、零一萬物和百川智能，涵蓋了國內(nèi)幾乎所有知名的大模型創(chuàng)企，要“構(gòu)建中國最開放的AI生態(tài)”不言自明。
而與釘釘玩法類似，字節(jié)旗下扣子平臺除了支持自家的“豆包”外，還接入了通義千問、月之暗面、MiniMax等各大外部模型。6月14日，扣子還上線了“模型廣場”功能，支持用戶選擇匿名的兩個模型，根據(jù)生成內(nèi)容的表現(xiàn)來為其打分PK。
此外，字節(jié)近期被曝光，對“AI+硬件”的探索正在加快，并不惜通過收購延攬人才。
據(jù)“Tech星球”報道，字節(jié)旗下的PICO從去年下半年開始在研發(fā)多個穿戴設(shè)備，包括耳機和音響，這些設(shè)備也將搭載AI。字節(jié)豆包團隊也有基于大模型軟硬件結(jié)合的探索，大模型軟硬件結(jié)合已經(jīng)逐步在學(xué)習(xí)機、機器狗、機器人等硬件設(shè)備上有所應(yīng)用。
另據(jù)36氪報道，字節(jié)AI硬件“D線”負(fù)責(zé)人為李浩乾。后者為字節(jié)在今年3月份收購的OWS（Open Wearable Stereo，開放式可穿戴立體聲耳機）耳機品牌Oladance的創(chuàng)始人。另一條AI硬件條線“O線”的負(fù)責(zé)人也是字節(jié)曾收購公司的創(chuàng)始人，其向字節(jié)跳動技術(shù)副總裁洪定坤匯報。
而在文生視頻方向，面對賽道剛剛的火爆，包括字節(jié)在內(nèi)的追趕者們，大家都還有時間。
近日，一位開發(fā)者告訴「市界」：“現(xiàn)在就是用可靈構(gòu)構(gòu)圖、減負(fù)工作流程，還不到完全用它創(chuàng)作的程度，所以也還沒有什么依賴性?！?/p>
而在另一位開發(fā)者、短視頻AIGC博主的眼中，可靈還有不少優(yōu)化空間：“靠可靈文生視頻不能保證虛擬人IP的一貫性。我一般都是用可靈圖生視頻的功能，相當(dāng)于給可靈‘墊’一張圖，讓他在這個基礎(chǔ)上生成不同視角動態(tài)視頻，再拼接到一起，模擬運鏡的效果，實際上還是人操作的比重更大。”
國內(nèi)某AI模擬交友產(chǎn)品的研發(fā)成員則講道：“現(xiàn)在的大模型應(yīng)用市場，大家都在摸著石頭過河。怎樣商業(yè)化是一個太遙遠(yuǎn)、太模糊的問題。但可以肯定的是，越多人用起來、玩起來，越能保證產(chǎn)品的優(yōu)化迭代。”
（柯燃為化名）
作者 | 董溫淑
編輯 | 李 原
運營 | 劉 珊
熱門跟貼