上个交易日，上证综指涨 0.04%，深证成指涨 0.16%，创业板指跌 0.1%，科创 50 跌 0.48%，沪深 300 跌 0.09%，上证 50 跌 0.13%，中证 500 涨 0.16%，中证 1000 涨 0.39%，深证 100ETF 涨0.18%。两市成交额为 5265.26 亿元，较前一交易日增加约 163 亿元。申万一级行业中，表现最好的行业分别为：电力设备(1.45%)，有色金属(1.4%)，房地产(1.25%)。表现最差的行业分别为： 食品饮料(-0.7%)，通信(-0.96%)，美容护理(-1.57%)。近期 A 股整体呈现偏弱震荡格局，成交量保持低位。从政策端来看，LPR 如预期未降息，政策面暂未进一步加大宽松调控力度，在银行息差承压之下，LPR 报价短期或难有下调空间。另外，7月基本面数据仍维持供需双弱的局面，资金观望避险情绪浓厚，若 8 月 PMI 数据再度不及预期，或将再度改善市场对于政策面的预期。当下需求偏弱的环境仍未得到明显改善，风险偏好的真正回暖可能需要政策效果的进一步加强或外部降息进程的确认，后续增量资金流入进程或将成为能否带动量能回升的关键。策略方面，近期标的弱势震荡，市场流动性萎缩，结合期权隐波处于下行区间，考虑备兑组合进行对冲增厚收益。

美国耐用品订单向好，美元及美债收益率回升，给到贵金属盘中回调压力。不过中东局势紧张，一方面推升油价，带来通胀担忧，另一方面也推升了市场避险需求，叠加美联储戴利声称调整政策的时机已到，很难想象有什么因素会干扰九月的降息的表态，令贵金属整体仍然小幅上行。总体来看，美联储 9 月降息几乎已板上钉钉，在降息预期消化后，贵金属涨势或有放缓，近期地缘政治风险更加值得关注。操作上，轻仓做多。沪金 2410 参考区间 565-585 元/克，沪银 2412 参考区间 7400-7800 元/千克。

文｜邓咏仪 周鑫雨

编辑｜苏建勋

事情大家都知道了：字节跳动终于发布了自家的" Sora "。

9 月 24 日的深圳 AI 创新巡展上，火山引擎发布两款视频生成大模型 PixelDance（像素舞动）和 Seaweed（海草），并且面向企业市场开启邀测。

这是一次毫无预警的发布。除了少数进入到内测环节的创作者，字节没有发布任何有关新产品的消息。

尽管低调，但市场对字节系 sora 仍有着巨大期待。年初，OpenAI 的 Sora 几乎是一脚踢开了多模态、视频生成的大门。之后，6 月快手可灵的爆火出圈，彻底点燃了这个赛道。

作为短视频巨头的字节，从去年 ChatGPT 发布后，就背负了巨大期待。从已有条件上看，字节几乎是大厂中，先天优势最足的一家：有钱、有芯片、人才密度也足够大。

类 Sora 赛道，也早已被市场公认为是字节、快手的"天选场景"——短视频巨头不仅有巨量数据，也有足够丰富的应用场景。

但现实是，快手可灵自 6 月上线以来，已有超 260 万人使用过可灵，累计生成了 2700 万个视频、5300 万张图片。此前的字节却仍未有动静，不免要面对市场上的诸多猜测——等到此时发布 AI 视频生成模型，还有多大胜算？

字节版" Sora "，可以摘掉 Sora 的帽子吗？

从效果上看，两款模型初步可以实现的的效果，无疑令人惊艳。

字节官方给出的实例中，无论是统一性、角色丰富度，都上了一个台阶。

由文字或图像生成的 AI 视频，不仅能够遵循复杂指令，让不同人物完成多个动作指令的互动，人物样貌、服装细节甚至头饰在不同运镜下也保持一致，接近实拍效果。

△来源：豆包 AI 视频生成模型

值得关注的，一是多帧视频的连续性。

此前，视频生成模型大多只能完成简单指令，比如某个人 / 某个物体，完成单个动作。一旦有比较复杂的动线，视频就容易失真、变形。

现在的豆包 AI 视频生成模型，则可以实现自然连贯的动作，在奔跑、走路、抬头等等上面，连贯性和效果都好了不少。简单来说，不会看着看着，就突然从史密斯吃面，变成特朗普吃面。

△来源：豆包 AI 视频生成模型

二是角色的丰富度。豆包这次发布的 AI 模型，优势尤为突出的是多主体间的互动。

在不少实例中，都可以看到多个角色之间的互动，动作连贯合理，镜头类型也十分丰富，包含了多种类型的镜头调度方式——远景和近景的切换。镜头也能实现变焦、环绕、平摇、缩放、目标跟随等多种形式的变化。

在切换前后，人物样貌、服装细节甚至头饰也都可以保持一致。

下面这则视频，就从前面戴潜水墨镜的人，切换到后方另一位潜水员，两者的形象也都保持了一致。

目前，PixelDance（像素舞动）和 Seaweed（海草）模型都正在内测版小范围测试，还未完全开放公测。但《智能涌现》通过内测风景、人物等等场景，即梦 AI 在实时生成风景视频上，镜头的调度、画面质量上，都可圈可点。

△来源：36 氪实测 PixelDance 功能

不过，在人物生成场景里，输入原图 + 指定的动作 Prompt 后，随着动作改变，一致性还是相当可以，但会有部分手指变形的 Bug，

△来源：36 氪实测 PixelDance 图生视频功能

豆包本次的 AI 模型基于自研的 DiT 架构打造，这也被认为是 OpenAI Sora 的同款架构，是目前 AI 视频赛道上的主流技术路线。

不过，AI 视频生成赛道的发展阶段比文字、图像都还要更早。如今的底层算法以闭源为主，数据极其稀缺——意味着各家都只能闭门造车，拼的就是工程优化能力。

火山引擎总裁谭待也表示，即梦 AI 等业务场景，已经对 Transformer 结构进行深度优化，而在 DiT 架构的研究上也有多款创新，才能大幅解决 AI 视频应用成本昂贵的问题，让应用成本降到最低。

但也有 AI 视频领域的从业者保持冷静，认为不用抱有太高期待。"现在底层的大模型没有代差，拉不开太大差距。"

AI 博主归藏，就把豆包和 AI 视频老大哥 Runway，以及明星初创 Luma AI 的生成效果，做了直观对比——

△来源：归藏

从功能上看，此次字节发布的 Seaweed 模型产品功能和体验更多元，不仅支持各种风格提示词响应，还有横竖多种比例的输出。

"综合结果比 Luma 要好很多，跟 Runway 各有优劣。"归藏在即刻上表示。

无论如何，字节的雄心壮志已经摆在了桌上。除了两款 AI 视频新模型，本次字节还发布了新的豆包音乐模型和同声传译模型，以及音乐模型。对创作者而言，豆包的大模型家族真正成为了"全家桶"：覆盖语言、语音、图像、视频等模态。

更值得关注的，是业务层面的迅猛增长。

自豆包大模型家族正式发布以来，日均调用量经历了爆发式增长。截至 9 月，豆包语言模型的日均 tokens 使用量超过 1.3 万亿，相比 5 月首次发布时增加十倍。其中，多模态数据处理量也分别达到每天 5000 万张图片和 85 万小时语音。

近期的一张 AI 产品增长表现统计图，就颇令人玩味：单单是豆包 App 的 MAU 增长，就已经远远拉开了与其他产品的距离。

△来源：AI 产品榜

豆包爆发式的增长，更多来自此前的激进价格战。自 5 月以来，包括字节、阿里、腾讯等巨头，以及 Deepseek 等创业公司，展开了一场轰轰烈烈的降价。字节甚至把每千 Token 价格卷到了以"厘"为单位，迅速拉到了地板价。

现在，底层模型已经到了拼性能的阶段。火山引擎总裁谭待，这次就又提出了一个新指标：峰值 TPM（每分钟 Token 数）。"业内多家大模型目前最高仅支持 300K 甚至 100K 的 TPM，难以承载企业生产环境流量。"他说。

TPM，可以看作是在在单位时间内，模型的数据吞吐量。豆包 Pro 支持 800K 的 TPM ——据谭待表示，比如某科研机构的文献翻译场景，TPM 峰值为 360K，某汽车智能座舱的 TPM 峰值为 420K，某 AI 教育公司的 TPM 峰值会达到 630K。这些场景，豆包 Pro 如今都可以满足。

随着豆包 AI 生成视频的发布，字节最后补上了 AI 视频的一块拼图。这和昨夜 OpenAI 突然发布的高级语音功能一起，一起形成了一种明喻：在模型层，大厂们已经武装到牙齿，大的细分赛道都有相应的模型——留给创业者的空间，又要再一次打个问号。

字节和快手的漫长对垒

在 AI 赛场上，字节对于胜利的渴望已经溢于言表。

剪映及其旗下的 AI 视频产品"即梦"，就由前抖音集团 CEO、现剪映业务负责人张楠亲自带队。而为了尽快让此次的两款新模型上线，字节也抽调了不少人做工程。

字节跳动的焦虑，来自短视频战场上的老对手：快手。

2024 年 6 月，文生视频模型"可灵"，就突然空降快手剪辑产品"快影"。

在行业苦等"中国版 Sora "出现的当下，可灵的表现是亮眼的。

"现在视频生成很难做长的原因，一是成本高，二是前后一致性太难保证。"一名 AI 从业者告诉 36 氪，"但是可灵能生成 2 分钟视频，比 Sora（60 秒）的天花板还高。"

更进一步，从镜头的连贯性和元素关系的逻辑性来看，不少业内人士都表示，可灵在中国类 Sora 产品中，效果是 Top 级别。

与彼时仍未开放的 Sora，和小出圈的生数科技视频生成模型 Vidu 相比，快手对"老铁们"也可谓是慷慨和坦诚：立马开放公测，且免费。

与"众多工程师参与"的 PixelDance 和 Seaweed 不同，可灵团队的项目执行方式可谓是相当粗放和激进。

有媒体曾报道，可灵团队只有 20 余人，从立项到上线只花了 3 个月。可灵启动一个月后，就被上升为快手的战略级项目。快手高级副总裁、主站业务与社区科学线负责人盖坤常说的一句话是：公司的卡都给你们用，公司全力支持。

在豆包发布之前，可灵也提供截至 9 月 19 日，可灵已经迭代了 9 次，最新的 1.5 版本上线了 Web 端，有了更高清的画质、更符合物理规律的运动轨迹，支持更为复杂的镜头控制和可自定义的运动轨迹。

不少从业者对 36 氪判断，可灵的出圈，与快手丰富的视频数据积累密不可分。而能与之一战的，大概率只有拥有抖音的字节跳动。

然而在视频生成领域，字节对阵快手以来，碰到了罕见的败北。其实早在可灵发布前 1 个月，剪映就在 AIGC 产品"即梦"上线了 AI 视频生成功能。

但无论是关注度，还是用户口碑，即梦都不算一款成绩漂亮的产品。一名使用者评价：在效果一般的情况下，非会员生成视频超 3 秒竟然还要收费。

压力已经给到了字节。一位 AI 3D 领域生成的从业者就表示，AI 视频生成公司给出的样例，一般都是尝试过输入多次 Prompt，才得出来的 Good Case（好样本）。等之后全量上线，才能真正看到豆包在实用场景下的表现。

"一些明显可以感知的指标在于，长镜头时长什么时候可以超过 1 分钟，多分镜切换后时空一致性能不能保持，以及随着分辨率加大时，生成时间会不会跟随分辨率指数增长。"他表示。

对于当下的抖音和剪映业务体量而言，AI 视频的应用成本依旧是高昂的。

一个最直观的问题在于，对于剪映这样一个月活已经超过 3 亿，专注在视频剪辑场景的应用，如何要在降低 AI 应用成本的同时，维持产品和效果的高水平，将是更难的挑战。

先发优势在 AI 模型层依然重要。目前，可灵、Vidu 已经先行占据了视频生成领域的用户心智，作为后入者的字节，不得不加快步伐。

漫长的战役才刚刚开始。

封面来源｜视频截图

本文来自微信公众号"智能涌现"网上股票交易平台，作者：邓咏仪 周鑫雨，36 氪经授权发布。

• 不能
• 网上股票交易平台
• 字节
• 跳动
• 输掉