AI视频收入爆发背后的成本真相
AI视频生成已不再是新鲜事物,而是一门实实在在的生意。Higgsfield、可灵、fal、HeyGen、Runway等公司披露的收入合计约每年23亿美元,其中大头落在应用层,而非基础模型厂商。然而,就在收入数据流传的同一周,OpenAI的Sora应用于4月26日关停,据称每日运营成本高达约100万美元。对比鲜明:制作AI视频的工具正在蓬勃发展,但单纯观看AI生成内容的生意却仍未得到验证。
为何应用层胜出
收入分配说明了一切。HeyGen和Runway等公司将生成能力打包成企业愿意付费的工作流——营销视频、个性化数字人、产品演示。它们按席位或按渲染收费,获得经常性收入,而无需承担前沿模型训练的全部成本。相比之下,模型厂商面临残酷的单位经济问题:推理成本高昂,而消费者对原始生成的需求价格敏感且零散。
Sora的关停凸显了技术能力与可持续商业模式之间的鸿沟。一个面向消费者、以免费或低成本大规模提供生成服务的应用,若没有巨额广告收入或愿意支付远高于典型消费级AI定价的订阅用户群,就无法承受每天100万美元的计算和服务成本。
成本悖论解析
悖论在于:尽管生成单个视频片段的边际成本因模型优化、推理效率提升和竞争而大幅下降,但制作一部达到播出质量的成片成本依然居高不下。后期制作、剪辑、音效设计和创意指导仍需人类专业知识。AI加速了素材创建,但并未消除围绕它的工作流。
- 生成成本:随着模型效率提升,同比大幅下降。
- 制作成本:因人工监督、集成和质量控制而保持高位。
- 分发成本:大规模流媒体和托管AI视频并非易事。
- 变现鸿沟:消费者期望免费或廉价;企业为结果付费。
前瞻:企业级转向
AI视频的前进道路不是消费娱乐,而是企业工具。真正产生收入的公司是那些向需要视频用于营销、培训和沟通的企业销售产品的公司,而非那些希望成为AI生成内容领域下一个YouTube的公司。正如Sora的撤退所表明的,消费者注意力经济是严酷的主人。下一阶段的增长将来自将AI视频嵌入现有的付费工作流,在这些场景中,成本由可衡量的投资回报率而非广告支持的浏览量来证明合理性。




