字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

• AI科技

字节跳动在人工智能领域的最新动态再次引发行业震动。一名实习生因不满团队资源分配问题，竟利用恶意代码对模型训练过程投下”毒手”，导致字节蒙受重大损失。尽管”资源分配不均”的说法尚未完全证实，但这一事件足以暴露出字节在文本模型训练方面存在的严重疏漏。与文本大模型相比，字节在视频领域却展现出极高的热情，相继推出PixelDance1和Seaweed2两款创新视频模型。这种资源分配的明显倾斜，折射出国内科技巨头在当前LLM发展道路上的关键分歧：在有限的算力资源下，未来的大模型究竟是应该聚焦视频方向，还是继续深耕文本领域？随着OpenAI推出具备深度推理能力的o1模型，这一分歧愈发凸显，成为行业亟待解答的难题。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

01 AI视频技术瓶颈遭遇市场冷遇

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

在如此关键的抉择时刻，百度CEO李彦宏近期发表重要观点，明确表示”百度不会涉足Sora类视频生成技术”。这一立场源于百度对当前视频大模型发展前景的审慎判断——在百度看来，这类技术距离真正商业化应用还有很长的路要走。李彦宏直言：”可能需要10年、20年都看不到业务收益”。这一判断并非空穴来风，SimilarWeb的统计数据揭示了行业现状：全球顶尖AI视频生成企业Luma AI在9月的总访问量仅为1181万次，环比下跌38.49%；而作为行业老牌劲旅的Runway9月流量也仅755.8万次，不及ChatGPT的1/400。用户对AI视频产品的冷淡，首先需要从产品本身找原因。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

以国内AI视频模型为例，尽管自Sora问世以来，快手、字节、智谱清言等巨头纷纷推出自家视频模型，但客观而言，目前所有模型都存在两大难以逾越的技术短板。其一，成本与质量的难以兼顾。以快手可灵为例，生成5秒视频需消耗10个灵感值（每个值1元），耗时2-5分钟。若要生成1分钟视频，用户至少花费十余元，且因AI理解偏差导致的重生成情况会使实际成本更高。相较之下，智谱清言虽推出免费模型”清影”，但生成效果粗糙，带有明显90年代3D动画风格，5秒片段生成仍需等待3-5分钟。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

AI视频生成的另一大痛点，是挥之不去的”AI痕迹”。这几乎是所有视频模型的通病——无论人物或物体外观多么逼真，观众总会感到某种不适。这种”恐怖谷效应”源于算法对现实世界物理规则和生物运动方式的模仿虽努力却不够深入，导致生成内容在细节上缺乏”灵性”。这种明显的AI痕迹，成为大众对AI作品产生偏见的重要原因。由于上述局限，当前主流AI视频多采用”玩梗””搞笑”等轻松题材，因为这类内容对成本和效果的要求相对较低。更令人深思的是，AI视频赛道虽未真正爆发，却已陷入”未火先卷”的困境，各厂商密集迭代功能，却多为”锦上添花”式的同质化改进，如快手的运镜控制、高清生成、图生视频等功能，国内各大视频生成AI如智谱清影、字节即梦均有配备。这种缺乏突破性体验升级的内卷，本质上是LLM发展遇阻后的无奈之举，但至今尚未有企业能讲好AI视频的精彩故事。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

02 数据枯竭下深度推理成为破局关键

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

在训练数据日益枯竭的当下，LLM的scaling law神话该如何延续？OpenAI的o1模型给出了答案——强化学习。对此，月之暗面CEO杨植麟指出：”决定这一代AI技术上限的核心是文本模型能力”。从技术角度看，这一观点不无道理。多模态任务中，文本理解与推理始终不可或缺。以Sora为例，其训练数据包含大量”视频-文本对”，每个视频片段配有详细文本描述，这种配对方式使模型能建立文本语义与视觉表现的映射。若要实现完整叙事结构，视频模型的发展更依赖于文本模型执行复杂逻辑推理的能力。如果文本模型无法规划复杂叙事，视频模型同样会遭遇天花板。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

因此，LLM未来的发展方向已十分清晰：文本模型决定多模态上限，而深度推理决定当前文本模型的上限。正因如此，在o1推出后，字节、智谱清言、月之暗面等国内巨头纷纷在自家大模型中开通”深度搜索”功能。但从实际表现看，各厂商在深度推理方面存在明显差距。以分析近三年全球智能手机市场趋势这一复杂问题为例，可直观对比各模型能力。字节豆包大模型在回答时内容结构臃肿凌乱，缺乏精细化处理；智谱清言智谱AI虽结构更清晰，但各部分分析仍过于简略；而月之暗面kimi在信息分析总结上表现突出，不仅按年份详细展示品牌份额变化，还在技术创新分析中具体呈现各品牌年度技术突破。可见，在深度推理这一考验LLM内功的分水岭上，国内厂商已显现出显著差距。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

03 追求大而全陷入战略困境

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

自OpenAI推出o1以来，大模型发展已来到战略选择的关键分叉点。部分国内大厂如字节，受短视频业务惯性影响，未在深度推理方向深耕，仅依靠低价竞争和”多而不精”的功能勉强占据国内大模型排行榜头部。据火山引擎总裁谭待介绍，豆包主力模型在企业市场的定价仅为0.0008元/千Tokens，比行业便宜99.3%。但一味降价追求”性价比”，某种程度上暴露出模型缺乏核心竞争力的现实。与字节类似，”AI六小虎”之一的智谱清言也陷入追求”大而全”的战略困境，试图包揽绘画、视频、搜索等所有领域。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

这种”大而全”的追求，实则是商业上的困兽犹斗。当前国内企业对软件购买意愿偏低，ToB端大模型价值割裂，2023年国内大模型市场规模仅50亿元，2024年也仅增至120亿元。在B端市场狭窄、C端尚未打开的背景下，做大模型的企业唯有不断融资烧钱、横向扩张用户才能生存。但这种互联网思维式的跑马圈地，并不能真正”救活”AI。与互联网不同，AI产品的边界由技术力决定而非用户数。一个反直觉的现实是：与视频生成这类耀眼的创意表达工具相比，真正能在C端带来突破的，或许是既难啃又不性感的深度推理技术。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

视频生成主要服务创意表达，应用场景固定，用户群体和变现模式单一，其价值体现在内容产出，ROI直观，本质上仍是效率工具。相较之下，深度推理属于基础认知能力，可赋能各类应用，其突破能带来各方向的普遍提升，且能力可迁移复用，易于产生协同效应。更重要的是，随着技术发展，它能提供越来越深入的用户理解、个性化和精准的建议，这种持续学习和进化的特性，使其难以被简单工具替代。可惜的是，在这条难而正确的道路上，敢于坚持并取得成就的企业仍屈指可数。

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

字节AI战略失误：视频模型受宠文本模型遭冷落，深度推理成关键分水岭

文章网址：https://www.wpbull.com/ai/2114.html
赞 (0)
上一篇 2025年1月13日 am8:22
下一篇 2025年1月13日 am8:22

相关推荐