這兩天，生數科技、愛詩科技相繼傳出要港股IPO的消息。

這個節奏，有點不講道理。

兩家公司都成立于2023年。也就是說，不到三年，就從0走到了IPO門口。

更微妙的是，就在不久前，OpenAI剛剛關停了 Sora，把資源轉向其他方向。

一邊是加速上市，一邊是主動收縮。同一個賽道，中美走出了兩條完全相反的路徑。

美國這邊，不只是OpenAI，Runway在轉型，Pika融資停滯，視頻模型整體在降溫。

而中國這邊，不僅錢還在流入，結果也開始兌現。生數、愛詩今年都完成了10億級融資，估值跨過10億美元門檻。

模型能力上，用a16z的話說，即使在 即夢 Seedance發布之前，可靈、海螺、愛詩這些中國模型，就已經在輸出質量上形成領先。

至少在視頻模型這個賽道上，中國已經開始出現“群體性領先”。這在整個AI競爭里，是第一次。

那么問題來了，這件事，到底是怎么發生的？

中國加碼，美國退場

過去一年，AI視頻這件事，中美出現了一次很微妙的分岔。

一邊在退，一邊在加碼。

先看美國。上個月，OpenAI關掉了Sora，對外的說法是，把資源轉向下一代模型。

這件事的信號其實很明確，在資源有限的情況下，視頻沒有被優先選擇。

隨著OpenAI退出，所謂“AI御三家”里，真正還在持續投入視頻模型的，只剩谷歌。

巨頭在退，創業公司的表現也沒好到哪去。

Runway，最早一批做AI視頻的公司，已經轉型去做平臺，把各家模型接進來，自己不再重投模型研發。上一次發布視頻模型，還停留在去年12月。

另一家AI視頻明星公司Pika，最近一輪融資還停留在2024年6月。

美國放棄視頻模型的原因很簡單，跟不上了。

但就在美國這邊集體啞火的同時，中國這邊，正在上演一場截然相反的戲碼。

2026年3月，愛詩科技拿下3億美元融資，直接沖進獨角獸；一個月后，生數科技完成近20億元B輪融資，估值逼近20億美元。

就連美國最頂級的風投a16z，在今年3月發布的全球AI產品Top100里，也不得不承認：

即使在 即夢 Seedance發布之前，可靈（Kling AI）、海螺（Hailuo）、愛詩（PixVerse）都建立了真實的用戶牽引力，中國開發的模型在輸出質量上持續領先。

這可是a16z，美國本土最能打的VC，親口說的。

再看Artificial Analysis的實時榜單，截至2026年4月，Dreamina Seedance 2.0、Kling 3.0、SkyReels V4、PixVerse V6，這些中國模型長期霸占文本轉視頻、圖生視頻的前列。

可以毫不夸張的說，在視頻模型這個賽道上，中國已經形成了“群體性領先”，這也是中國在AI競爭里第一個拿到明確領先的賽道。

那么問題來了，為什么是中國？

一個很重要的原因是，中國短視頻平臺強大的分發能力，帶來了超短反饋回路，讓視頻模型的商業價值更容易被驗證。

根據《中國網絡視聽發展研究報告（2026）》，截至2025年12月，中國用戶人均每天刷短視頻的時長是129分鐘，而去年美國用戶在TikTok每天花的時間只有58分鐘。

也就是說，中國用戶每天刷短視頻的時間，是美國人的兩倍還多。

高密度的使用場景，為視頻模型廠商帶來快速迭代的環境。最終，在商業層面得到了率先兌現。

可靈2025年營收做到10.4億元，遠超年初目標；到2026年初，ARR超過3億美元；愛詩ARR超過4000萬美元，生數也做到2000萬美元級別。

AI視頻不會被贏家通吃

即使巨頭已經下場，投資人還愿意押注視頻模型創業公司，一個很重要的原因是：

視頻模型短期內無法“大一統”，不會出現贏家通吃的局面。

視頻模型不會像通用模型那樣高度集中，反而更可能長期處在“分裂態”——沒有絕對統一的最優解，不同場景對應不同模型，各自做到局部最優。

原因很簡單，目前，視頻模型的競爭，更像是不同團隊在不同方向上做強化選擇。

不同模型擅長的能力完全不一樣。有的擅長動作，比如打斗；有的擅長情緒，比如人物表情；有的擅長畫面質感，比如CG效果。

所以，在實際制作里，同一個視頻，不同鏡頭，往往需要不同模型。比如，一個8鏡頭的視頻，可能要拆成8段，每一段用最合適的模型生成，最后再拼起來。

數據也在印證這一點。fal的數據顯示，企業在媒體內容生產里，平均會用到14個模型。而在語言模型領域，前三家就占了將近90%的預算。

為什么視頻模型這么難統一？

一方面，訓練數據、標注方式不同，導致每個模型天然有風格差異。

原因很簡單，不同公司拿到的數據源本身就不一樣。

有的偏影視級素材，有的偏短視頻內容，有的偏動漫，有的偏游戲資產。這些數據不僅在畫面風格上差異巨大，在鏡頭語言、節奏、構圖甚至“審美取向”上也完全不同。

模型在訓練過程中，本質上是在“學習這些數據里的規律”。

你喂給它什么，它就會更像什么。所以，一個偏電影鏡頭訓練出來的模型，天然更擅長敘事和調度；

一個吃短視頻數據長大的模型，更容易做出強節奏、高刺激的內容。這不是后期能輕易調回來的，而是“底子”決定的。

另一方面，即便是同一個模型，只要輸入稍微變化，結果就完全不同。

OiiOii 創始人鬧鬧在調教 Sora 時就遇到過一件事：同樣的模型，僅僅因為輸入從“單元素”變成“帶場景圖”，生成結果就出現了明顯變化。

也就是說，視頻生成的結果，不只取決于模型能力，更是“輸入 + 流程”的共同產物。

回到行業視角，視頻模型賽道的機會，其實在兩個方向：

第一，做“單點極強”的模型。比如專注物理模擬、動漫風格、多鏡頭敘事等，把某一個能力做到極致。

第二，做“把復雜變簡單”的編排層。把原本需要十幾個模型、幾十步流程的事情，壓縮成一個可調用的系統。

所以，視頻模型賽道的機會，也在這里被重新定義了：

并不需要去賭“誰會成為下一個OpenAI”，而是看誰能在這條復雜的生產鏈條里，占住關鍵位置。

無論是模型能力、工具層，還是編排與交付，每一層都有可能成為獨立的價值節點，而不是被單一平臺完全吞并。

這也意味著，這個賽道的競爭邏輯，并不會快速收斂到少數幾家公司，而更可能在較長一段時間內維持多點分布的格局。

從這個角度看，視頻模型或許是少數仍處在“結構尚未固化”的 AI 賽道——路徑還在探索，分工仍在形成，格局遠未定型。

文/阿奇

PS：如果你也在尋找投資AI資產的機會，歡迎掃碼加入我們的交流群。