字節不需要物理學家

文：王智遠 | ID:Z201440

我拿到了字節內測的 Seedance 2.0 的體驗資格。

作為一個在科技、商業圈摸爬滾打多年的人，我自認對 AI 的祛魅程度已經很高了；從 ChatGPT 到 Sora，從 Kimi 到 Claude，什么樣的「大風大浪」沒見過？

但這一次，連續玩了兩天，消耗完所有額度后，我看著屏幕上那個熟悉又陌生的畫面，腦子里只蹦出一個念頭：那個我們喊了兩年的「視頻行業 GPT-3.5 時刻」，好像真的要來了。

01

拿到資格后的第一件事，我沒有去生成什么宏大的好萊塢大片，就想接地氣地看看它的底子硬不硬？它到底能不能理解「人」，能不能理解「我」。

做了四個實驗，結果一個比一個讓我心驚。

首先，翻出了一張之前主持活動時的自拍照，穿著西裝，我給它的指令很簡單：用這張圖生成一段 Vlog 風格的視頻，內容是祝大家馬年快樂。

一分多鐘，視頻生成了。這在以前需要抽卡好幾次，但這次，它不僅把我要求的背景、桌面全換了，而且遵循指令的能力強得離譜。

它在「執行」我的意志，這種順滑感，就像你身邊坐了一個合作了十年的老美工，你剛開口，他就知道你要什么調性；雖然眼神有點呆滯，把我處理的有點胖。

然后，我又想搞點搞怪的；前兩天抖音上刷到一個「雪王大戰奧特曼」的視頻，我就跟它說：給我做一個雪王大戰奧特曼

AI 立馬彈窗：版權限制，做不了。

害，但我沒死心，我說：那你幫我去掉版權元素，神奇的一幕發生了。它給我生成了一個 4:3 畫幅的視頻，里面的「雪王」和「奧特曼」似是而非，非常抽象，但那個「大戰」的荒誕感、那個動作的流暢度，毫無違和感。

它聽懂了我要那個「梗」，那個Vibe（氛圍）。

第三個實驗，我上傳了一張我的健身照。這次我沒給具體指令，我只敲了一行字：你搜一下這個人，這個人是博主王智遠，然后以他的口吻說一段話。

這就有點「超綱」了，因為不僅考驗視頻生成，還考驗它的多模態搜索、知識庫調用、聲音克隆、以及對「王智遠」個人 IP 風格的理解。

結果它真的做出來了。視頻里的「我」，穿著健身衣，用一種我平時寫文章那種調調在說話，然后，我把視頻發到社群里，大家的第一反應是：你別說，還真像。

最讓我后背發涼的是最后一個實驗。

我用了一張好朋友頭像，他去九華山燒香拜佛的一張自拍，我說：幫我生成一個視頻，這是分眾傳媒的老宋，他剛去燒完香，我需要讓他拍一個 vlog，內容大概就是祝大家馬年快樂。

片刻之后，屏幕上的老宋「活」了。

背景是九華山的香火繚繞，他雙手合十，嘴唇微動，發出的聲音、說話的語氣，就是老宋本人；那個「口條」、流暢度，簡直 6 到飛起。

如果不告訴你這是 AI 生成的，把水印去掉，我相信 99% 的熟人都看不出來。這四個實驗做完，我不得不承認：AI 技術的進步，已經把「真實」的防線徹底擊穿了。

當一個工具，不再需要你喂幾十張圖訓練 Lora，不再需要復雜的參數調試，僅僅憑一張照片，就能復刻長相、聲音、甚至微表情時，它就已經不是工具了。

它是現實世界的鏡像，甚至比現實更懂「戲」。

02

研究了市面上幾乎所有的頭部模型后，我發現：現在的 AI 視頻圈，早就劃開了兩條截然不同的河流。如果不理解這兩條河流的區別，就看不懂接下來的商業戰爭。

先上結論，簡單來說：OpenAI (Sora) 想當一個「物理學家」，字節 (Seedance) 想當一個「商業導演」。

啥意思呢？

大家都在刷屏說 Seedance 2.0 效果好，好在哪？你看 Tim (影視颶風) 的評測，包括我自己的體驗，你會發現：Sora 的敘事邏輯一直是「世界模擬器」（World Simulator）。

它想窮盡牛頓定律，它希望杯子掉在地上碎裂的方式符合重力加速度，它希望光影的折射符合物理規則，它希望水流的波紋符合流體力學。

它是理科生思維，它認為，只要我能 1:1 地模擬物理世界，我就能生成一切視頻。

字節不一樣。字節做的是「導演模擬器」。

我的實測里，Seedance 2.0 最強的地方在于，它懂「鏡頭語言」。它關心「這個鏡頭接那個鏡頭，情緒對不對」、「這里是不是該給個特寫」、「那里是不是該配個 BGM」。

Tim 在評測里提到一個極具代表性的細節，讓我印象深刻：他只上傳了一張人臉照片（只有正面），但 AI 自動生成了運鏡，鏡頭轉到了樓的背面，甚至展示了他背后的景象。

請問，AI 怎么知道樓的背面是什么？

從物理上講，它不知道，因為原圖里沒有信息。 但在「電影語言」里，它知道這里需要一個環繞運鏡來表達情緒，于是，它調用了潛空間里看過的那幾億條視頻數據，腦補出了一個「最符合視覺邏輯」的背面。

這恰恰是 Seedance 2.0 的可怕之處：Sora 在解構原子，Seedance 在解構「蒙太奇」。

對于我們這些做內容的人來說，后者的殺傷力要大得多。因為觀眾刷抖音、看視頻，看的不是物理定律是否嚴謹，是敘事、是節奏、是情緒。

Seedance 2.0 把運鏡、分鏡、音畫匹配，全部 AI 化了，它還自帶配樂，自帶音效，甚至自帶「剪輯節奏」，這才是它最恐怖的地方，它是成片生成器。

所以，它試圖還原的是「最好看」的那個世界。這是技術的分歧；中美兩家巨頭對 AI 終局認知的巨大分岔。而這種分岔，正在重塑整個內容產業的格局。

03

為什么說會重塑？因為在這場 AI 視頻的混戰中，沒有所謂的「最強模型」，只有最匹配基因的「生態位」。

把視野拉開，看看中國這幾家互聯網巨頭，字節、快手、阿里、騰訊、百度，大家都在發模型，卷參數，但骨子里的「靈魂」截然不同的。這完全是一場「屁股決定腦袋」的戰爭。

先說快手。在 Seedance 2.0 刷屏之前，其實是快手的可靈 (Kling) 在默默扛大旗。

很多人可能不知道，快手是這里面最「悶聲發財」的一個，我去查了一下數據，可靈的商業化跑得非常快。

自 2024 年中啟動商業化后增長迅猛，2025 年全年收入預計達 1.4 億美元（約 10 億元人民幣），僅 7 個月累計收入便突破 1 億元，2025 年 12 月單月收入更是突破 2000 萬美元。

為什么這么快？因為快手的老鐵文化講究「真實」，它的基因決定了它是「現實復刻者」。

靈走的路線是極度的「寫實流」。你會發現現在的網文推文圈短劇圈，幾乎人手一個可靈會員。

對于這些從底層殺出來的創作者來說，他們需要「吃面條不糊臉」、「摔倒動作連貫」、「物理規律不崩」。快手不跟你講什么宏大敘事，它就告訴你：用我，能干活，能變現。它是實打實的生產力工具

再看阿里，它在乎能不能生成「超級導購」。

你看阿里推的技術，比如EMO (讓照片開口說話)Animate Anyone (讓模特動起來)，核心都在解決一個問題：怎么讓「人」在視頻里賣貨

這背后的商業算盤是：

給你一張模特圖，一鍵生成換裝走秀視頻，省了請模特的錢；給你一張客服照片，一鍵生成對口型的講解視頻，省了請主播的錢。

阿里把 AI 視頻變成了「SaaS 服務」，基因是電商、交易。

騰訊最近搞了個大動作，混元視頻 (Hunyuan) 開源。這一招其實非常「騰訊」。它的基因是社交（微信）和內容生態（公眾號、視頻號），它需要的是做 AI 視頻時代的「水和電」

它走的是「安卓路線」，把底座交出去，讓全行業的開發者都在它的模型上長出應用；它支持 120 秒長視頻，強調中文原生的理解，就是為了讓未來的表情包、朋友圈視頻、公眾號配圖，都跑在它的基建上。

不過，目前還沒有完全把基礎設施用透到C端上，這效率明顯跟字節沒法比。

至于百度，現在的打法非常聚焦B 端。它的MuseSteamer (蒸汽機)模型，去搜一下就會發現，它很少在 C 端大張旗鼓地宣傳，是悶頭在給企業做服務。

它的邏輯是「工業化」，怎么幫企業批量生產營銷視頻，怎么做數字人分身。這一套標準的「工程師思維」，也是百度一貫的 To B 基因的延續。

所以，看懂了嗎？

字節想讓你玩（娛樂工具），快手想幫你拍（現實復刻），阿里想幫你賣（電商工具），騰訊想幫你連（社交基建），百度想幫你造（工業生產）。

在這場諸神黃昏的戰役里，商業基因才是宿命。

04

對于我們每一個身處其中的從業者來說，最大的沖擊才剛剛開始。因為當巨頭把各自的「殺手锏」都磨好之后，我們要面對的，就不再是「好不好用」的問題，而是，工作流將徹底崩塌。

不信，你回想下：

以前我們要拍一個像「老宋拜佛」那樣的短視頻，或者做一個「雪王大戰奧特曼」，需要什么樣的流程？

策劃寫腳本，畫分鏡，定調性；老宋得親自去九華山（差旅成本），得有攝影師（人力成本），得調光（時間成本），得收音（設備成本）。

剪輯師剪片子，配樂師找 BGM，調色師調色，特效師加特效；交付，最后才能出一支成片。

這條鏈條上充滿了「摩擦力」，溝通的誤解、執行的偏差、昂貴的人力。現在呢？Seedance 2.0 告訴我：一張照片加一句「祝大家馬年快樂」 等于成片。

請注意，這中間發生了什么？

中間消失了；攝影師消失了，燈光師消失了，剪輯師消失了，甚至連那個「去九華山」的過程都消失了；這就是硅谷最近很火的一個概念，叫「意圖界面」（Intent UI）。

以前人機交互是命令式，你得打開 App，點按鈕，拉軌道，設參數。 現在的交互是意圖式：你不需要 App，只要輸出「意圖」，AI 直接給你「結果」。

這種變化，對于行業來說是毀滅性的「降維打擊」。

我在想，未來的視頻公司，可能真的不需要龐大的制作團隊了。 傳統的「編導+攝像+剪輯」的鐵三角模式，正在迅速解體。

未來可能只有一個「擁有審美和意圖的人」；這個人負責做夢，負責定義「什么是好」，Seedance 負責把夢境落地，負責執行「如何做」。

所以，這是組織架構的一種粉碎。

當一個人加AI 就能完成以前一個團隊一周的工作量時，那些平庸的、只會執行指令的、沒有獨特審美的流水線從業者，將無處遁形。

以后，職場上可能只有兩類人能活得很好： 第一類是極度的藝術家。AI 目前只能模仿平庸，模仿不了天才。那種 1% 的頂級審美和創造力，依然是人類的護城河。

第二類是極度的「超級個體」。他們懂業務、懂邏輯、懂人性，并且能熟練駕馭 AI 算力。他們一個人就是一個隊伍，一人即公司。

而夾在中間的那 90%，只會切片子、只會打燈光、只會畫分鏡的「工具人」，如果不進化，他們的職業生涯可能真的要進入倒計時了。

不過，當這種「神跡」般的強大擺在我們面前時，背后其實還有一堆「細活雜活」等著我們要處理。

比如說，關于「契約」的問題。

Seedance 2.0 為什么能復刻老宋？因為我們都在互聯網上「裸奔」；過去發的每一條視頻、每一張自拍，都成了它的訓練數據。

問題是，AI 用我們的臉、語料訓練成了超級模型，然后轉頭向我們收會員費。但這中間，有沒有給我們分紅？哪怕是一句告知？

并沒有。我們默認簽署了一份「不對等」的賣身契，我們提供了礦石，卻要花錢買自己煉出來的金子。

再比如，「信任成本」的問題；如果一張照片就能讓老宋「拜佛」，甚至讓他去「罵人」、去「表態」，那這個社會的信任基石就崩了。

眼見不再為實。以后你在視頻里看到我王智遠說了什么驚世駭俗的話，你第一反應得是：這是王智遠說的，還是 AI 里的「王智遠」說的？

還有「版權爛賬」。

我生成的「雪王大戰奧特曼」，雖然好笑，如果不加限制，奧特曼的版權方可能會把生成平臺告到破產；AI 現在的「懂梗」，本質是在法律的邊緣瘋狂試探。

這些問題技術解決不了，只能靠人去磨、靠行業、規則推動；我為工具的進化感到狂喜，但也為那層正在消失的、定義我們生而為人的「真實」，感到深深的敬畏。