本文来源：时代财经 作者：吴典 林心林

图片来源：视觉中国

这个夏天，AI 短剧赛道杀出一匹 " 黑马 "。

近期，一部总时长约 73 分钟的短剧《被裁掉的女孩》" 出圈 "，引发网友热烈讨论。该部短剧于 6 月上线，并于 8 月 1 日更新第二季。截至 8 月 2 日，该剧抖音平台播放量达到 2.4 亿，男女主角更是相继开通账号，以 Vlog 等形式与粉丝互动，被称为首批 AI 网红。

时代财经注意到，《被裁掉的女孩》聚焦于小镇女孩奔赴大城市追梦，不断蜕变的成长历程，故事题材不算新颖，但 AI 技术的成熟应用为其增色不少。不同于早期短剧脸崩、肢体扭曲、塑料质感的观感，该短剧中的人物微表情十分细腻，不同情绪都可通过面部、瞳孔、眉头变化等方式层层递进，不再是刻板的 AI 模板脸，刷新观众对 AI 短剧的认知。

某种程度上而言，这是 AI 视频生成技术向前跃进的缩影—— AI 不再是噱头，而是已经真正融入内容创作。当前，大模型赛道百舸争流，行业普遍认为视频生成模型正从内容生成走向理解世界，且随着模型对物理规律理解能力的增强，其应用边界将进一步扩大。

带着商业落地场景，各大模型扎堆 " 上新 "

过去几年，以 ChatGPT 为代表的大语言模型推动人工智能完成了一次重要跃迁。此后，图像生成和视频生成的多模态模型也快速发展，AI 产业化落地走进 " 深水区 "，尤其是在视频应用赛道。

回溯来看，早期 AI 视频大模型多以数十秒短视频素材生成为核心，侧重于短视频特效、图片动态化等轻量化场景；现阶段，行业攻克了人物一致性、长时序叙事、画面连贯三大核心难题，正式具备短剧、品牌宣传片、电商内容、动漫剧集等长链路内容生产能力。

比如 7 月，" 独角兽 " 企业智象未来（HiDream.ai）推出 Vivago R1 多模态创作智能体，其可生成任意连续时长视频，同时具备长链路叙事规划能力，统一画面风格、人物设定与叙事逻辑，缓解长视频生成时出现的画面跳变、人设割裂等问题。

再比如，MiniMax 正式发布的通用全模态生成模型 H3，可输出原生双声道音视频，最高支持 15 秒 2K 分辨率视频生成；字节跳动推出的 Seedance2.5 可单次生成 30 秒高质量视频片段，并支持多轮延长。

不同于以往的参数比拼，这些大模型的面世还都伴随着一个极为鲜明的特点——把商业化落地路径讲明白。

据时代财经了解，H3 主打商用级多场景内容生成能力，2K 分辨率下每秒价格不到主流模型的 1/3，768P 分辨率下每秒价格不到 1/2；Seedance2.5 则已与徐工集团、小鹏汽车、灵初智能等多家企业确认合作，开始进入工业制造、具身智能等更广泛产业场景。

智象未来则提出 "1+1+3" 的商业模式。其创始人兼首席执行官梅涛向时代财经表示，公司以 HiDream 系列大模型为底座，构建 Token Hub 平台提供标准化模型能力输出，并在此基础上围绕商业营销、影视创作、内容创作三大场景，实现 AIGC 产品创新。

截至目前，智象未来的产品服务范围已经覆盖全球 100 多个国家和地区，拥有超过 4 万家企业客户以及超过 5000 万 OPC 用户，Token 月消耗量超 4 万亿。

" 今年以来，大家都能明显感到，大模型的发展速度已经不是线性增长，而是爆发式增长。" 梅涛在谈到大模型发展进程时感叹，今年头部 AI 大模型公司无论在用户规模、收入增长，还是模型能力上，都进入了加速阶段，" 可以说是狂飙突进 "。

行业高速迭代，但绕不开算力、算法、数据三大底层考验

对话中，梅涛回顾了大模型的技术发展路线。他直言，2022 年 ChatGPT 让通用大语言模型真正 " 破圈 "。随后，图像生成和视频生成快速发展，从 StableDiffusion、Midjourney、DALLE，到 Sora、Veo、Seedance、可灵 AI、智象未来 HiDream，整个多模态生成赛道进入高速迭代周期。

近两年，大模型开始分化，双线并行：一条是沿着基础大语言模型和推理模型持续演进，比如更长上下文、更强推理、更强代码能力、更强 Agentic 能力；另一条则是多模态模型向世界模型演进，即 AI 不再只是理解文字，也不只是生成图片和视频，而是开始建模空间、时间、动作、物理规律和因果关系。

梅涛选择押注世界模型，他认为纯文本只是信息的一种载体，而多模态天然包含图像、视频、音频、动作和物理世界信号，更接近 AGI 的入口。

一个现实情况是，当前行业对世界模型还处在探索期。在生数科技联合创始人、首席执行官骆怡航看来，世界模型并非一个全新概念，随着视频生成、多模态模型和具身智能快速发展，它正在从学术研究走向产业中心。

骆怡航指出，语言模型主要处理人与语言、知识和信息之间的关系，而世界模型面向的，是智能体与整个世界的交互，" 如果只依靠大语言模型理解世界，相当于只使用了人类智能中很小的一部分，大模型时代还需要一个达到 LLM 范式级别的世界模型 "。

对于世界模型搭建的技术难点，骆怡航向时代财经表示：行业所有从业者都绕不开算力、算法、数据三大底层考验。

其中，算力短缺是国内 AI 大模型研发所面临的共性难题，制约着视频与世界模型的训练、推理全流程；在算法层面，相较于发展较为成熟的大语言模型，AI 视频生成乃至世界模型尚未形成固定最优技术路线，架构、算子、推理策略仍处在持续创新迭代阶段。

据汇生国际资本总裁黄立冲估算，国内模型大厂的编程完善时间要比美国慢半年，且中国的算力分配不一样，未来算力紧缺会更严重。

他以 KimiK3 举例，企业若想要落地部署 KimiK3，开展常态化商用，算力配套至少需要投入 2000 万元至 2500 万元。目前由于算力不足、模型复杂尚未调优，导致同等工作任务，KimiK3 所需耗时要高出行业标准 3 至 5 倍，" 算力成本可能比美国同行高，模型倒是不错的 "。

数据则是搭建世界模型的最大瓶颈。骆怡航称，行业比拼的并非单纯的数据体量，而是完整的数据治理体系，高质量素材归集、标注、筛选、二次利用整套工程体系门槛极高。当下，不少企业依托具身智能路线研发世界模型，这需要依靠实体机器人采集海量实景运行数据，一旦数据储备不足，模型泛化能力便会受限，仅能适配小众场景，无法走向规模化商用。

" 整体来看，当前全球世界模型发展大致对应大语言模型 GPT-2 至 GPT-3 阶段，还未实现完备的智能涌现与通用推理能力。"

资本买单，过去三个月行业融资规模达百亿

针对上述痛点，各家企业基于自身技术积淀给出了差异化解法。比如生数科技，其在长期的视频大模型的技术积累上，公司逐步构建起一条清晰的通用世界模型战略：以基座世界模型为核心底层，向上延展出贯通数字空间与物理空间的双轨体系，形成面向通用智能的核心基础架构。

目前，该公司的视频生成模型 Vidu Q 系列已渗透漫剧、短剧、广告、电商、动画和影视等内容生产体系中，并于近期发布了 Vidu S1 实时交互模型；世界行动模型方面，其在去年末开源了 Motus，并在今年 4 月推出 MotuBrain，深耕具身智能机器人的通用 " 大脑 "。

骆怡航将这一模式总结为 " 一体两翼 "，即一个技术复用两个空间，且可以相互协同增强，" 这是生数（科技）最具特色的地方 "。

这套商业与技术叙事也获得一级市场资本的青睐。今年 7 月中旬，生数科技完成新一轮 5 亿美金融资，是迄今为止国内通用世界模型领域最大的单笔融资。本轮融资落地后，公司短期累计融资规模超 50 亿元。

另据《科创板日报》报道，生数科技或计划在 2026 年上半年启动港股 IPO 流程。工商信息显示，其已于 3 月末完成股份制改造，公司主体由 " 北京生数科技有限公司 " 变更为 " 北京生数科技股份有限公司（未上市）"，完成了上市前核心的主体架构调整。

智象未来亦于 7 月完成了一笔 15 亿元的 C 轮融资。算下来，2026 年至今智象未来已经完成三轮融资，累计融资额超 21 亿元，投后估值已突破 10 亿美元。同步完成 C 轮系列融资的还有 AI 视频生成及实时世界模型企业爱诗科技，该轮融资累计总额达 29.8 亿元，公司投后估值超 20 亿美元。

如此密集的融资事件反映出行业情绪之高。据投中网不完全统计，仅过去三个月，世界模型及相关方向的融资金额已达到百亿级别，头部项目估值更是节节走高。

今年 7 月初，巨头快手分拆可灵 AI 独立融资落地，规模近 30 亿美元，这是行业的标志性事件，意味着视频大模型赛道资产价值获得资本市场独立定价，有望加速视频大模型发展进程。

对于这片繁荣景象，黄立冲直言，大模型发展至今，已经来到了人类文明转型的时刻，中国、美国都在不遗余力地加大对算力需求的投入，" 美国的 AI 大厂和算力大厂都在极力参与这个竞赛，生怕掉队 "。