技术竞赛升级，视频模型公司更新底层架构

5月19日，智象未来发布图像大模型HiDream-O1-Image-Pro，并将底层模型架构从多模态升级为全模态，统一Transformer架构，实现原始信号端到端全模态对齐。

以往视频生成模型中，图像、视频、人体动作、文本均采用独立模态编码分支分开处理，新模型摒弃分立式编码范式，将上述信息统一纳入单一Transformer架构中，这样的改进能够缓解信息割裂、消除编码误差、提升训推一体效率，而行业此前未能大规模实现的原因在于技术不成熟、全模态同源高质量训练数据严重稀缺等问题。

智象未来CTO姚霆表示，AI行业从垂类模型回归全模态模型的共识，缘于商业约束与技术迭代的双向驱动。企业难以长期承受无商业化回报的投入，需要在模型能力与应用落地间快速闭环；而模型与场景之间，也会形成模型突破、应用落地、反向定义迭代的循环，持续回归架构优化是必然路径。

智象未来CEO梅涛对第一财经记者表示，一级市场在2023年时看重模型效果，2024年底2025年初看重商业化成绩。今年，一二级市场的投资人注意力转向模型能力本身。

在技术侧，梅涛称，OpenAI Sora诞生后，大家发现专业用户通过大量工程化能够实现接近商业化的成果；再到今年字节跳动Seedance 2.0的良好效果，迅速推动受众从早期专业用户及尝鲜用户扩展至半专业用户，甚至普通老百姓。这两点令行业感觉到技术发生飞跃。至于Sora的关停，梅涛认为一个很大的原因就是Sora消耗算力太多，约90%成本花费在预训练上。

东方富海合伙人王兵用“特别疯”来形容今年的人工智能一级市场，他对记者表示，资本市场整体变热的原因有两方面：AI真正进入到工作流程，技术发展推动商业化加速；另外，相较美国市场，投资人发现中国科技资产要便宜很多。两个因素结合起来，使行业内多个项目估值涨了很多。

具体到视频模型赛道，王兵表示，筛选过程中，机构看重的不是前几年的收入或利润，而是技术稀缺性。在不花大钱的前提下，坚定把基础模型做好，只要基模能够位列行业前三，公司就永远有机会。

此外，王兵建议，在算力成本没有大幅下降的情况下，创业公司尽量不要在To C领域直接与巨头公司竞争，这是一个基本判断，因为创业公司烧不起大厂几十亿、几百亿的成本投入。

虽然投入成本高昂，但王兵判断，视频模型行业未来一定会赚钱，原因一方面是算力成本未来将呈指数级下降；其次，头部AI短剧质量已经达到了可以商业化的地步，AI在影视、广告等领域取代人力是不可逆转的趋势。