這是【德塔文·AI破局】專欄的高潮篇。昨天我們確立了“長線造世界”的宏大戰略，今天我們來看最現實的賬本。面對越來越貴的Token，還在盲目比拼“誰畫得好”是極其危險的。

這個四月，AI視頻賽道最熱鬧的一件事——一匹叫"歡樂馬"的新模型突然屠榜，把字節的即夢從第一名擠下來。阿里幾天后認領，說即將開源免費。而就在前一個月，即夢剛剛在一個月之內漲了三次價。

于是所有人都在討論：歡樂馬會不會取代即夢？可靈怎么辦？開源會不會擊穿閉源？短劇團隊該換哪家？

我想說一句可能不討喜的話——這場熱鬧，很多人正在看錯方向。

圖源：網絡

真正值得警惕的事，不是誰更強，而是Token越來越貴。

即夢一個月漲三次價，不是字節心血來潮。是AI生成視頻本身的算力賬就算不過來。視頻生成不像文字問答——你寫一篇長文給大模型看，它再回你一兩千字，這一來一回消耗的Token其實不算什么。但生成幾秒鐘的高質量視頻，它在時間軸上要同時處理畫面、運動、光影、物理、音頻——單位時間的Token消耗是文本問答的幾百倍甚至上千倍。

OpenAI那邊更直接，3月24日一刀把Sora砍了。迪士尼十億美元投資當場作廢，兩百多個超級IP授權協議全部歸零。公告發出前半小時，迪士尼還在跟OpenAI開會聊合作。

Sora是世界上技術最好的視頻模型之一。它死在哪兒？死在經濟賬上。用戶愿意花幾十塊錢看AI生成的"孫悟空大戰變形金剛"，點贊完就走了，沒有持續付費的理由。算力燒得起，訂閱費收不回。

歡樂馬這次選擇開源，聽起來很慷慨，但換個角度看——這也是一個"這條賽道的閉源商業模式還沒走通"的信號。真正跑得通的生意，一般不急著開源。所以這場AI視頻大戰的表層敘事是"誰畫得更好"。

但往下看一層，真正的問題是——靠生成視頻當主業這件事，可能本身就是個過渡。

01

歡樂馬值得看的不是視頻，是世界

但歡樂馬還是值得認真看。

不是因為它把誰擠下了榜，而是——它其實不是一個"視頻模型"，它是一個世界模型。這兩個詞聽起來差不多，但差別很大。

視頻模型解決的是"畫面看起來像不像"。世界模型解決的是"這個東西在現實里該怎么運作"。歡樂馬用一個統一的Transformer架構同時處理畫面和音頻，口型、腳步聲、環境音在同一次推理里生成；支持七種語言的唇形同步；長時序穩定性比前幾代顯著提升——這些能力的本質，不是"我能畫出一段看起來像視頻的東西"，是"我開始理解人說話時嘴怎么動、人走路時腳怎么踩地、聲音在空間里怎么傳"。

這不是繪畫能力的升級，是對物理世界的建模能力的升級。

世界模型這個方向，在學界這兩年其實很熱。Yann LeCun一直在推他的V-JEPA，DeepMind今年發了Genie 3，英偉達做了Cosmos——路徑略有不同，但方向是一致的：讓AI不止于生成內容，而是學會這個世界的運作規律。

這才是歡樂馬真正站位的賽道。它表面上跟即夢在爭"誰畫得好"，底下站著的其實是另一個問題——誰先把這個物理世界學明白。

這個差別，對不同類型的內容公司意義完全不一樣。

圖源：網絡

02

短劇不需要世界，長劇離不開世界

先說短劇。

短劇的用戶畫像很清楚——碎片時間、情緒刺激、幾分鐘解決問題。觀眾不會在一個短劇里深究"這個角色的動作軌跡是否符合物理"或者"這個場景的光影是否一致"。他們要的是爽點密集、節奏快、畫面夠看。

對這種需求，視頻生成模型就夠了。畫面看起來像、能撐住幾分鐘的注意力，就能變現。Token貴怎么辦？一邊漲價一邊壓成本——用低分辨率版本、用開源版本、用參數更少的模型、用AI漫劇替代AI真人劇。短劇的AI用法，本質上就是把它當成一個高效的打工人——又快、又便宜、又不罷工。

這條路是走得通的。AI短劇這一年的數據已經說明問題：AI仿真人短劇在百強榜里的占比從去年的7%飆到今年的38%，單分鐘成本從萬元級壓到一兩千元，一年超百億的市場規模。這是一門清清楚楚的生意。

但長劇不一樣。

長劇的觀眾要的不是"看幾個爽點"，是"進入一個世界幾十個小時"。他們會盯著角色的動作一致性、場景的空間連貫性、人物關系的邏輯閉環、世界觀的完整程度。

這是對"世界"的要求，不是對"畫面"的要求。

你用視頻生成模型湊一部短劇能過關，湊一部長劇湊不下來。因為長劇的本質是——一段復雜的故事，發生在一個相對完整的世界里。短劇可以是世界的一個快照，長劇必須是這個世界在一段時間里的完整展開。

這就是為什么我說，長劇公司對AI的用法，應該跟短劇公司根本不一樣。

短劇把AI當打工人——讓它干活。長劇要把AI當合伙人——讓它幫你想事。

03

讓AI幫你想事，比讓它畫畫更值錢

“讓AI幫你想事"這句話聽起來虛，但它指的是一整套具體的東西——讓AI幫你在劇本階段識別雷區。一個人眼會漏掉的宗教沖突、政治敏感、邏輯硬傷，AI在幾分鐘內可以掃一遍，提前把風險點標出來，讓你決定改不改。

讓AI幫你沉淀調性。一家公司做了十年劇，手里有幾百萬字的劇本、幾千小時的成片、無數次的審片意見。這些東西如果只是堆在硬盤里，什么都不是。但如果你用AI做成一套可檢索、可復用的提示詞體系，它就成了這家公司獨有的"味道"——下一部戲用得上，下下部戲還用得上。

讓AI幫你協調世界觀。一個長劇拍到三四十集，演員、美術、攝影、后期、剪輯之間經常出現調性漂移——這場戲這樣演，下一場戲那樣演，觀眾看了出戲。AI如果能把整個世界觀參數化，可以實時告訴每一個環節"這場戲在這個世界里該是什么質感"。

讓AI幫你在開拍前就看到成片。用AI先把關鍵場景的走位、光線、鏡頭語言預演一遍，團隊提前達成一致再下場拍——減少的是拍攝現場的扯皮時間，省的是真金白銀的制片成本。

圖源：網絡

這些事，沒有一件是"讓AI生成畫面"。每一件都是"讓AI處理復雜信息、做判斷、沉淀經驗"。

而這種用法對Token的消耗——恰恰是合理的。

因為"畫畫"這件事是高頻、低單價的活。你每天要生成幾千個鏡頭，每一個鏡頭的決策價值不高，但消耗的Token巨大。Token越貴你越虧。

"想事"這件事是低頻、高單價的活。你一部劇可能只做幾十次關鍵決策，但每一次決策的價值是百萬甚至千萬級的——一次選題判斷、一次風險識別、一次世界觀對齊。這種場景下，Token貴一點貴得起。它處理的不是像素，是錢該怎么花、戲該怎么拍、世界該怎么長。

這就是為什么我一直說——Token越貴，AI反而越值錢。前提是你用它想事，不是讓它畫畫。

04

世界模型之后，可能還要一個"事件模型"

寫到這里，我想坦白一件事。

我前面講世界模型講得很順，但其實影視行業需要的不止世界模型。

世界模型解決的是"這個世界怎么運作"——物理規律、人的動作、環境的響應。但影視講的不是"一個世界",是"一段事情在這個世界里怎么發生"。

一個世界模型可以告訴你，這個人走進這個房間會發生什么物理反應、他說話嘴該怎么動、他打開門時光會怎么變化。但它告訴不了你——他為什么走進這個房間？他在這個房間里會發生什么樣的一段故事？這段故事會怎么在接下來的二十集里延續？又會怎么被切成長劇版、中劇版、短劇版給不同的觀眾看？

這需要另一種東西。我暫時稱它"事件模型"。

但說實話——這個概念我自己也還沒完全想清楚。

它大概的方向是：不是模擬物理，是理解"一段事情"——怎么起、怎么承、怎么轉、怎么合；怎么在一個世界觀里保持連貫；怎么在不同媒介、不同時長、不同觀眾那里呈現出不同的切面；怎么被多次調用、多次展開、多次改編而不失真。

這件事現在還沒有哪個產品能做到。學界也只有零星的雛形。我能說的只是——影視行業遲早需要它。因為我們這個行業的核心產品從來不是"畫面"，是"故事"。世界模型負責畫面底下的物理，事件模型負責故事底下的邏輯。兩個加起來，才撐得起一個活著的、能反復被切片的內容宇宙。

至于它具體長什么樣、什么時候到、誰會做出來，我判斷是兩到三年內會出現比較清晰的雛形，但我不敢打包票。這篇文章里我坦誠告訴你——這部分是推測，不是判斷。

05

所以回到開頭那個問題

歡樂馬大戰即夢，在短劇圈是個大新聞。漲價也好、開源也好、屠榜也好——這些都是值得關心的事，但都是生產效率層面的事。

真正決定這個行業未來十年走向的，不在生產效率這一層。在更下面。

短劇把AI當打工人——這條路已經跑通了，接下來就是規模化和壓成本的事。

長劇要把AI當合伙人——這條路還沒有人完整跑通過，但它是長劇這個物種能不能穿越下一個十年的關鍵。

這兩條路走的不是同一門生意。用它們的人也不該是同一群人。你如果在短劇公司，AI對你來說就是成本優化器，越便宜越好；你如果在長劇公司，AI對你來說應該是世界構建的合伙人，你付得起貴的Token，因為你不是在批量生產畫面，你是在搭建能活十年的東西。

上一篇我說，做一部劇和做一個世界是兩門生意。這一篇想補上一句——未來那個"世界"，不是你一個人在搭。是你和AI一起搭。

你需要的不是一個更快的打工人，是一個能跟你一起想事的合伙人。

歡樂馬和即夢的大戰很熱鬧，但這只是這場更長故事的一個開場。真正的戲，在后面。

明天專欄收官之作，德塔文將用一家昔日影視巨頭的驚天大坑，為你標出AI轉型期的四個致命死穴。

撰稿：松風

責編：蘇秦

設為星標，精彩內容不錯過