AI应用端还有翻倍的机会

新闻

作者：微信文章
因为去年我拿出来了2000多万投资AI应用的标的，到目前为止肯定是获利颇丰。

这里面的投资逻辑就是硬件端已经出现了爆发式的增长，我再进一步加大重注去投资，性价比不高，关注我公众号的朋友，应该知道我在硬件端的持仓是最高的，就是英伟达。

我英伟达的持仓规模和现在腾讯的持仓规模是一致的，我不会在硬件端再去投入过多的资金去博弈。

至于软件端有哪些确定性的应用空间？

就AI应用，最终还是要落实到业绩上？

那最简单的就是谁都绕不开的一块领域，叫做市场营销，无论是google还是中国的腾讯，还是字节，本质上来讲，他们都是去靠这生态里面的市场营销收入来支撑。

那这里面最大的一块蛋糕就在于视频领域的投放，传统的视频领域生成是非常复杂的，因为我太熟悉传媒领域这个复杂的制作流程了，起初，我并不认为AI能够短时间的替代它。

但是我看到快手和生疏的报告之后，再结合已经拿到的成型的AI制作的广告案例，我已经嗅到了这个市场上的增量趋势形成。

那无非就看这个产业链，谁能够吃到那部分蛋糕？

下面是我用AI结合我自己的理解去做了一个投研报告，仅供大家参考啊。

某种意义上，这是一个开卷考试题，如果这个板块的龙头有回调的话，你看完这篇报告，你就知道谁是未来的龙头和核心标的。

在这里面是存在着double的机会的

最近和不少 LP、产业方聊 AI 投资方向，很多人都有一种疲惫感：模型层卷到“内卷天花板”，应用层又像一堆昙花一现的小工具，看上去热闹但很难沉淀出长期价值。

但我越来越坚定一个判断：AI 视频生成是少数还能同时承载“技术壁垒”与“商业化确定性”的赛道之一。它不是一个更好用的剪辑工具，也不是“文生视频”的炫技展示，而是一场更底层、更结构性的变化——重构内容生产的成本结构与供给方式。

这篇不聊“概念与情绪”，只用投研框架拆：

1）这个赛道的本质是什么；

2）真正的胜负手在哪里；

3）中美路线差异背后的商业化与估值逻辑；

4）我筛项目的铁律与尽调清单；

5）机会之外的风险与避坑。

---

一、行业本质：不是“生成视频”，是“重构内容生产的成本结构”



很多人理解 AI 视频生成，停留在“能不能把一句话变成一段视频”。但从商业层面，这个赛道最核心的价值并不在“生成动作本身”，而在于它改变了内容生产的经济学：把内容供给的边际成本打下来，把生产方式从“少量精品”推向“规模迭代”。

1）传统内容生产的成本曲线：线性、重人力、重协作、重试错



传统视频成本并不只是拍摄设备或演员费用，它真正昂贵的部分往往是：

前期策划与沟通成本：脚本、分镜、品牌审核、反复对齐；
生产协调成本：摄影、灯光、场地、模特、道具、调度；
后期链路成本：剪辑、包装、调色、字幕、配音、音效；
试错与迭代成本：客户不满意、平台不过审、效果不好再返工。

结果就是：内容越多、试错越多、成本越高。更重要的是，内容生产的“产能上限”被人力锁死——你想把内容翻 5 倍，往往意味着团队规模、协作复杂度也要同步膨胀。

2）AI视频生成的成本曲线：训练成本前置、推理成本下降、边际成本趋近于“按秒计费”



当模型训练完成并进入稳定服务阶段后，成本结构会发生根本变化：

固定成本：训练、工程化、产品化、内容安全与合规体系；
变动成本：推理算力（以秒计费）、带宽存储、审核与风控；
边际成本：随着推理加速、压缩、调度优化以及规模效应，单位秒成本可持续下降。

它带来的不是“省一点钱”，而是“商业模式重写”：

以前：视频是昂贵的资产，只能服务少数大客户或少数头部商品；
现在：视频变成高频消耗品，能服务海量中小商家、长尾 SKU、海量投放素材、海量剧情片段。

一句话总结：AI视频生成把内容生产从“手工业”推向“工程化与工业化”。

---

二、胜负手：三条曲线的赛跑（决定谁能从 Demo 走到生产）



很多项目 Demo 很漂亮，融资也很热闹，但真正能穿越周期的公司，最终比拼的不是“能不能生成”，而是三条曲线能不能同时跑赢。对我来说，这是判断项目“玩具/工具/生产系统”的分水岭。

1）质量曲线：一致性与可控性，决定能不能进生产



“好看”不是门槛，“可用”才是门槛。企业购买的不是“惊艳一次”，而是“每周、每天都能用”。

我会把质量拆成四类硬指标：

主体一致性：角色、商品、logo、包装、风格是否稳定；
时空一致性：运动是否自然、镜头衔接是否合理、物体关系是否崩坏；
叙事一致性：多镜头的语义连续性（人物是谁、在做什么、前后因果是否一致）；
可控性与可编辑性：镜头语言、动作、表情、构图、风格、节奏能否被“约束”，而不是完全随机生成。

2）成本曲线：单位秒成本下降，决定利润模型



视频生成是典型的算力密集型服务。只要你进入 1080P、多人并发、批量生成，算力成本就会立刻变成财务报表里最刺眼的那一行。

因此我会把成本曲线拆成三层看：

单位成本：不同分辨率/时长/并发下，真实的单位秒成本；
成本结构：算力成本占收入比例、带宽存储占比、审核与风控成本占比；
成本可下降空间：推理加速、蒸馏/量化、缓存复用、调度策略、峰谷错峰等工程能力。

3）工作流/分发曲线：生态嵌入决定获客与留存



AI 视频生成不是孤立赛道。真正赚钱的公司，往往不是“把生成做得最炫”，而是把生成嵌进企业工作流：

素材生成 → 剪辑包装 → 投放分发 → 数据回流 → 再生成 → 再投放。

谁能成为工作流里的关键节点，谁就更像基础设施：客户离不开、预算持续、替换成本高，数据还能反向增强产品。

视频生成的竞争，本质是“质量可用 + 成本可控 + 工作流可嵌入”的三项全能。

---

三、中美差异：不是“技术差距”，而是“路线选择差异”



谈 AI 很容易陷入“谁更强”的争论，但投资里更重要的是：谁的路线更接近可持续商业化，谁的路线更接近长期估值锚点。

1）海外更偏“技术驱动”：把上限做到极致，再慢慢产品化



海外路线通常更强调长叙事、多镜头一致性、物理世界建模、可控编辑等能力；同时也更依赖内容产业链与版权合规体系。

在能力口径上要更务实：OpenAI 的帮助文档明确写到，Sora Video Editor 场景下可生成最长 20 秒的视频（更长叙事通常依赖分段与拼接工作流）。

这意味着：海外的“火箭”路线，技术上限想象空间大，但商业化节奏与产品化路径更长、更重。

2）国内更偏“场景驱动”：先跑通落地，再反推技术迭代



国内玩家更常见的打法是：优先拿下广告、电商、短剧、内容营销等刚需场景，用“降本增效 + 快速交付”占住企业预算，再用客户反馈与数据回流迭代模型。

以快手 Kling（可灵）为例：快手 IR 公告披露，2025Q3 可灵 AI 收入超过 3 亿元人民币。 另有媒体报道提到公司对 2025 全年 Kling 收入的指引/预期为约 1.4 亿美元。

这些信息的价值不在数字本身，而在它说明：视频生成已经在真实业务里形成了可计费的商业化闭环。

---

四、重点企业深挖：可灵与生数科技——护城河在哪里，短板又在哪里？



投研最忌讳“只看增长不看约束”。同样是 AI 视频生成，两家典型代表的“隐含风险”完全不同，而且这些短板往往决定了估值上限与穿越周期能力。

A）快手 可灵（Kling）：生态型选手的优势与代价



它的强项（市场已经给了验证）：

商业化数据具备公开锚点：2025Q3 可灵收入超过人民币 3 亿元。
能把生成嵌进平台生态：创作—分发—投放—回流的闭环天然存在，获客与转化效率在理论上更占优。
全球化推进速度快：有报道提到可灵用户中海外占比较高（例如 WSJ 报道提到“约 70% 用户在中国以外”这一口径）。

但可灵的短板/约束（这是投研必须写清楚的）：

1）“生态红利”会变成“估值天花板的天花板”

可灵的核心优势来自生态闭环，但也意味着它的增长逻辑更容易被市场解读为“平台业务延伸”，而不是“独立的全球基础设施”。当投资人开始追问“如果离开快手生态，它还能不能保持同样的获客成本与转化效率？”时，估值讨论会出现分歧——生态溢价很强，但也会带来“独立性折价”。

2）跨境扩张的合规与内容安全压力更集中

海外用户占比高是一把双刃剑：越全球化，就越要面对多地区的版权、肖像、广告合规、内容安全的差异化要求。对视频生成而言，这些不是边角料，而是能直接决定产品在某些市场能否持续经营的“硬约束”。

3）收入结构与成本结构的透明度，会影响市场对“真实利润率”的定价

公开信息能看到收入增长，但对外部投资者来说，真正关键的两个变量往往更难被直接观察：

单位秒成本下降速度（推理加速、调度能力是否形成持续优势）；
失败重跑、审核拦截、客户交付返工带来的隐性成本。

如果这些成本项在规模上升后不能同步优化，就会出现“看起来收入很好，但利润弹性不足”的担忧——这类担忧会直接压制估值倍数。

4）平台导向可能带来产品路线的“场景锁定”

可灵非常适合中短视频/投放素材/平台内容生产，但当行业叙事往更长叙事、更复杂镜头语言、更强可控编辑迁移时，平台导向的产品路线是否愿意为“非主场景”投入足够资源，是需要被持续观察的。

归纳一句：可灵的优势是“生态闭环”，短板是“生态依赖 + 全球合规压力 + 利润弹性被成本项约束”。

---

B）生数科技（Shengshu / Vidu）：独立创业公司的爆发力与脆弱点



它的强项（增长信号非常明确）：

多家媒体报道提到：生数称其在上线约 8 个月后 ARR 超过 2000 万美元。
报道提到其用户覆盖 200+ 国家/地区、用户数达到千万级（不同报道口径略有差异）。
同样有报道提到其完成较大规模融资（数亿元人民币级别/数亿美元口径的不同转述），反映资本市场对其阶段性增长认可。

但生数的短板/约束（独立创业公司必须面对的现实）：

1）分发不在自己手里，获客成本与渠道风险更大

和生态型公司不同，独立公司往往需要面对“渠道波动”：平台政策变化、流量入口变化、投放成本变化都会影响获客。即便 ARR 增长很快，也会被投资人追问：增长是“产品自驱”还是“渠道红利/买量驱动”？这决定 ARR 的质量和倍数上限。

2）ARR 的“可持续性证明”要求更高

“8 个月 ARR 2000 万美元”很亮眼，但外部投资人会继续追问：

续费与扩张是否稳定（NDR 是多少？）；
客户结构是否分散（Top10 占比？）；
用量型收入在淡旺季波动如何？

也就是说，独立公司在估值上更容易被要求拿出“留存与复购的硬数据”，否则 ARR 可能被视为“阶段性冲刺”。

3）算力与交付能力是“规模化拦路虎”

视频生成的增长，经常不是败在模型，而是败在“交付”：

并发上来以后，排队时延、失败重跑率、审核拦截率、客户返工会快速抬升真实成本。独立公司没有生态方的基础设施与流量池兜底，交付与成本一旦失控，现金流压力会来得更快、更硬。

4）同质化竞争与技术替代的压力更近

独立创业公司往往需要在“模型能力/成本效率/垂直工作流”至少一项上形成明显差异，否则很容易被更强资本、更强生态的玩家压缩生存空间。尤其当行业出现更强的通用视频模型、更便宜的推理方案、甚至开源替代路径时，独立公司的护城河必须落到“工作流与行业资产”上，而不是仅靠模型参数。

归纳一句：生数的优势是“增长爆发力与国际化速度”，短板是“渠道不在手里 + ARR 质量需要更硬的留存证明 + 规模化交付与成本的现金流压力”。

---

五、我的三条铁律（缺一不可）



盯这个赛道久了，我见过两类典型“看起来很强但最后死掉”的项目：

技术很牛，但商业化几乎为零；
用户很多，但付费与盈利模型虚。

所以现在看项目，我只认三条铁律。

铁律一：B 端是压舱石，收入质量比用户量重要



C 端可以做入口与品牌，但决定公司能否穿越周期的往往是企业预算：广告、电商、内容营销、短剧制作等。企业买的是 KPI，不是新鲜感。

铁律二：技术壁垒必须“能落地”



真正值钱的不是“电影级参数”，而是能稳定进入客户生产链路：批量、可控、可交付、可复购。

铁律三：必须有生态协同或产业渠道



视频生成是重运营业务：算力、风控、交付、客户成功都重。缺生态、缺渠道的“孤狼”更容易被获客成本与交付成本拖死。

---

增强模块 1：产业链地图——AI视频生成到底赚哪一段的钱？



（保持你原框架不变，略）

---

五、估值框架：别迷信单一倍数，用“三角测算”更稳



我不反对 ARR 倍数，但反对“一个倍数打天下”。更稳的是“三角测算”：

1）ARR 倍数：看增长、留存、毛利、现金效率；

2）PS：看收入质量（订阅/用量/项目）与成本结构；

3）生态溢价：看分发闭环带来的 CAC 优势与迁移成本。

在这里，两家公司的“短板”会直接映射到估值：

可灵的估值更容易体现“生态溢价”，但也更容易遭遇“生态依赖折价”；
生数的估值更依赖“ARR 增长 + 留存证明”，但会被更严格追问“增长的可持续性与现金效率”。

---

增强模块 2：尽调指标清单（略，保持不变）

---

增强模块 3：投资情景：短中长三段式押注（略，保持不变）

---

六、三个必须盯死的风险（比机会更重要的是避坑）



这里我把“行业风险”落到“企业短板”上（投研写法就是要做到这一步）：

风险一：代际迭代风险

对可灵：平台场景强，但若长期叙事/更强可控编辑成为新门槛，投入节奏是否跟得上，会影响技术溢价上限。
对生数：独立公司必须持续证明“差异化能力”，否则容易被生态型玩家或更强通用模型挤压。

风险二：合规与版权风险

可灵全球化推进越快，越需要对多地区合规差异进行体系化建设；
生数若在全球扩张，同样要面对合规与版权成本的刚性上升。

（这类风险往往不是“罚款”，而是“业务停摆”级别。）

风险三：盈利模型风险（增收不增利）

可灵：收入锚点清晰（Q3 超 3 亿元人民币）。 但利润弹性最终取决于单位成本、审核拦截、失败重跑与交付返工能否被规模化优化。
生数：ARR 增长亮眼（8 个月 ARR 超 2000 万美元的媒体转述）。 但独立公司更容易被“算力成本 + 获客成本 + 交付成本”三座大山压现金流。

结语：这赛道能出千亿公司，但不是遍地黄金



AI 视频生成不是“闭眼投”的赛道。它需要你懂技术、懂商业、懂场景，更需要你能把“优势”与“短板”同时写清楚——因为估值上限，往往不是由优势决定的，而是由短板决定的。

我依然相信：这个赛道一定会跑出千亿级别的公司——不是因为它是风口，而是因为它解决了企业的核心痛点：用更低成本、更快迭代生产更多有效内容。

未来真正的赢家，大概率同时具备三点：

1）模型能力可用（稳定、一致、可控）；

2）成本曲线可控（单位成本持续下降、毛利可扩张）；

3）工作流可嵌入（形成迁移成本与复购，最好有生态协同。