最近科技圈里最让我觉得微妙的一条消息不是什么新功能上线而是一则关于融资的传闻某家专注AI视频生成的产品公司还没盈利可一级市场已经有人按千亿级别的估值在给它标价了。我关注这个赛道有两三年的时间自己也在内容创作和工具测评圈子里来回折腾。第一反应当然是凭什么一个每个月还在大量补贴算力成本、让用户一块钱掰成两半花的产品怎么就被市场挂上了这么高的价签但冷静下来把估值逻辑拆开看你会发现这个千亿既不代表它今天很赚钱也不代表明天一定能赚钱它更多代表的是资源方对整个赛道卡位的一种对赌。这篇我不打算复述新闻就从一个从业者的视角把未盈利却估值千亿这件事掰开揉碎聊聊背后的估值逻辑、商业化卡点、还有我们对这个行业应该抱有的合理预期。1. 一个不赚钱的产品凭什么被市场挂上千亿价签1.1 先看清楚这份估值对应的是哪种钱很多人看到千亿估值就觉得公司真的价值千亿这个理解其实不太准确。一级市场的估值可以理解成一手房备案价它反映的是最近一笔成交的股权交易中买方愿意为这家公司付出的价格而且往往只是很小一部分股权。我记得前几年有家明星独角兽估值报得很高但实际成交份额只有老股东转手几个点新钱根本没有大规模进场。所谓标价千亿同样可能只是某家基金、某位战略投资人为了拿一个进入AI视频领域的入场券愿意按这个价格买下极少量的股份。老股转让、战略入股、甚至对赌协议里的估值锚点都会让账面数字往上抬。这里最关键的一点是一级市场的流动性极差这个价格没有天天被交易验证。它更像一场拍卖会上的举牌价代表的是少数人的意愿而不是多数人的共识。所以看到这种新闻第一反应不该是它真的值千亿而应该是谁在按这个价格买买完之后怎么退出1.2 千亿数字里藏着三个假设卡、数据、入口既然不是按利润给估值那市场到底在给什么定价我拆解下来支撑这个价签的核心是三样东西。一是算力卡位。AI视频生成是公认的多模态大模型赛道上最难啃的骨头谁能把生成质量和速度跑上去谁就握住了下一代内容生产工具的入口。早期资本的逻辑是算力即壁垒手里卡的规模直接决定了模型迭代的节奏。即便租赁成本在降但先发者积累的模型并行能力、分布式训练经验不是拿钱就能立刻堆出来的。二是数据飞轮。文字模型可以用公开语料凑合但视频模型需要大量高质量、有时序结构、有镜头语言的训练数据。产品上线以后用户每一次生成行为、每一次对结果的筛选反馈都在帮模型做对齐。用户量越大模型的审美偏好越精准后来者想追就得花更多钱买数据、雇人标注这个成本是隐性的。三是入口价值。视频生成一旦成熟它不只是替代剪辑软件的工作而是干掉整个传统视频生产链条。广告公司、短剧团队、电商直播间、影视预演所有内容生产者都会变成它的下游。谁掌握了这个工具入口谁就掌握了未来内容分发的定价权。资本市场愿意为入口付溢价这在互联网历史上一再上演只不过这次轮到AI视频。2. 估值故事里的换算公式用户量、卡数量与一眼望不到头的成本2.1 按PS估值用户花的钱还不够付电费把千亿估值转译成业务数字是最容易让人清醒的方式。假设二级市场最终给它20倍的PS那对应的是50亿人民币的年收入就算按一级市场慷慨的30倍PS也要对应超过30亿的年收入。一个视频生成产品要做到这个收入如果客单价是300元/年就要有1000万个付费用户如果是企业API按量计费也要撑起千万级的调用量。可现实是这类产品目前大部分还在把收入花在GPU推理上。我做过一个粗略测算一次文生视频的推理假设生成10秒、720P的画面使用中端集群单次成本大概在几毛到一块钱人民币之间这还没算排队等待时的资源空转。用户的会员定价普遍在几十块一个月相当于买断几十次生成机会。重度创作者一个月生成几百次平台不仅不赚还得倒贴算力补贴。所以你会发现一个尴尬的事实用户付的钱连电费和显卡折旧都盖不住。这也是为什么很多产品宁可限制免费用户生成次数也不放开任意用。成本结构不改变用户增长越快亏损窟窿就越大。这种规模不经济的怪圈是所有视频生成平台商业化路上的第一道坎。2.2 按卡估值储备算力到底值多少钱另一种估值逻辑不看你赚了多少钱而看你手里有多少卡。假设一个集群有上万张加速卡按单卡市场折算这批资源本身就有几十亿的账面价值。再加上模型权重、训练框架、数据资产市场给一个重资产高潜力的估值听起来也合理。但这个逻辑有两个漏洞。第一算力是公开市场可以租到的东西今天你靠囤卡建立的优势明天云厂商降价就稀释一半。算力壁垒的护城河比想象中浅真正值钱的是在算力之上训练出来的模型效果。第二卡的估值波动很大如果算力价格进入下行周期公司资产端反而面临减值压力。我见过不止一个项目融资时按闲置算力估值第二年续租时发现市场价打了六折账面价值立刻缩水。所以卡只解决了训练的问题没解决商用的问题。卡片本身不能产生现金流只有源源不断的付费推理请求才能。资本愿意为卡付钱本质上是赌这些卡将来能跑出足够多用户愿意付钱的服务。2.3 烧钱速度与融资轮次的赛跑不盈利的公司能维持运作靠的就是一轮接一轮的融资。AI视频生成这个赛道烧钱速度比大语言模型还夸张因为视频数据量更大、训练周期更长、推理资源更重。人员成本同样不低算法工程师、数据标注团队、内容运营哪个都要钱。更要命的是市场投放成本正在水涨船高。各家产品功能越来越像为了抢创作者只能拼投放预算。我认识的一个做AI视频工具的朋友他们每月市场费用占整体支出的四成以上换来的是新增用户次月留存不到三成。这种烧钱模式注定公司处于一个估值涨得越快、现金流越紧张的微妙状态里。一旦下一轮融资节奏慢了账面现金撑不住再高的估值也只是一纸文件。3. 从创作者的角度看它到底解决了什么真问题3.1 真正愿意付费的是哪类人说完了资本视角再回到产品本身。我去问了身边几类使用者看看谁在真正掏钱。第一类是短视频矩阵运营者。他们需要大量内容搬运式的生成比如同一段文案换不同场景、数字人播报换背景对单个视频的质量要求不算高但要求稳定、批量、便宜。这类人付费意愿很强因为AI生成直接省掉了实拍和剪辑的人力。第二类是专业广告和影视预演团队。他们拿AI视频当草稿纸先低成本做出分镜预览给客户确认方向后再进棚实拍。对他们来说AI帮的是前端沟通效率而不是最终成片所以能接受订阅制的高价会员。第三类是我自己这种工具测评爱好者。每个月充个基础会员玩玩新功能看看生成质量有没有提升偶尔做点社交媒体配图视频。付费金额不高但凑个人头数。从这三类人身上能看到一个共性他们付钱买的不是AI这个概念而是省时间。谁能让生成结果一次通过率高、返工少谁就真正解决了问题。3.2 好用和可用之间的差距一致性、可控性与成本视频生成最难的地方在于用户对可用的定义比文生图苛刻太多。文生图你抽卡抽十次总有一张能发朋友圈文生视频抽十次可能只有一条能放进正片里而且时长还只有几秒钟。这里面的核心技术瓶颈主要集中在三个方面。角色一致性。生成一个虚拟人物前五秒是这个脸换了个镜头角度之后就换成另一个人了这是目前最常见的翻车现场。要解决这个问题不能只靠单次推理需要引入参考图、人脸编码器、时序注意力机制背后是大量的工程化调试。可控性。你要的不是一段好看的视频而是符合我分镜脚本的视频。镜头怎么运动、主体在画面里站哪个位置、背景光源从哪里来这些参数如果不能被创作者细粒度控制那生成结果就只能靠运气。可控性不够的产品最多只能当灵感素材库进不了正式生产流程。物理规律。水滴落在桌面上应该怎么溅开人物转身时衣服褶皱应该怎么变化这些常识性问题对模型来说反而最难。有时候画面很好看但物体运动不对劲观众一眼就能感觉到假。3.3 我在测试中的真实体验拿我最近一次实际测试举例。我想做一个三十秒的城市雨天街头短片用某头部视频生成产品跑了大概二十次平均每次等待两分钟最终能用的素材只有三段加起来勉强能剪出十秒的画面。剩下的大部分生成结果要么是街角的路人面部扭曲要么是雨滴轨迹完全不符合物理惯性。如果把时间成本也算进去我花四十分钟得到十秒可用素材传统实拍可能一小时能拍到二十秒有效镜头。差距没有想象中那么大。当然如果我要的是不存在于现实中的场景比如赛博朋克城市AI的效率优势就显现出来了实拍还得搭景AI只需要堆prompt。所以我的结论是目前视频生成产品解决的是从无到有的问题在从有到精这个环节还差得远。这决定了它现阶段最大的付费场景是创意草稿而不是最终成片。4. 卡在商业化路上的三堵墙4.1 订阅定价的数学难题C端定价上限和成本下限的倒挂聊到商业化第一个绕不过去的问题就是定价。个人创作者对视频工具的付费预期已经被传统剪辑软件教育得很低。Adobe全家桶一年两千多还有人嫌贵一个AI工具如果定价超过一百块一个月立刻会涌出一堆你自己掂量掂量的评论。但AI视频平台的成本结构摆在那里推理一次一块钱重度用户一天生成几十次一个月就是上千块的成本。你要是靠会员费cover成本得定价到几百块一个月这又超过了个人用户的承受线。所以几乎所有平台都在用会员积分的模式设一个极低的免费额度做留存再用积分包引导重度用户付费。这套玩法的本质是用低定价拉规模、用积分包筛高价值用户。但问题在于低定价带来的用户大多数是薅羊毛的他们生成的素材不进生产流程对模型迭代的反馈价值也有限。平台自然更倾向服务企业用户可企业市场的销售周期又特别长。4.2 B端合同很肥但交付很苦比起C端按月订阅B端才是真正能签大合同的地方。一家广告公司如果能把AI视频嵌入日常工作流一年下来省下的外包费用可能是百万级别让他们拿年收入的十分之一给平台听起来是双赢。但B端的交付难度远高于C端。企业客户要的不是一个网页端生成器而是私有化部署、API对接、数据不出域、审计合规。这每一步都需要大量售前工程师去现场配置需要产品团队为特定行业做模型微调。有同行接过一个地方电视台的单子光是主持人形象定制这一个需求就从六月磨到十月对方既要数字人形象稳定又要出镜口播不穿帮还要求整套系统跑在现有的非AI硬件上。B端合同肥是肥但交付周期长、定制成本高、后期维护复杂毛利远没有想象中高。这也解释了为什么很多AI视频公司宁愿守着C端规模也不愿意全面转向B端。两条腿走路目前看来是对的但对团队的工程化能力和耐心都是巨大考验。4.3 开源与闭源夹击下的差异化焦虑商业化的第三堵墙来自于竞争。现在隔三差五就有新的开源视频生成模型发布不少效果已经逼近闭源产品。用户是理性的如果你的闭源产品没有明显领先凭什么不用免费的夹在中间的闭源平台处境最尴尬。比开源模型你价格收不上去比老牌剪辑软件你生态还没有形成。唯一的解法只有不断提升效果把每一个功能点都打磨到开源模型做不到的水平。比如可控性的细节、多镜头生成的连贯性、与剪辑工作流的无缝对接这些都要靠大量工程投入去堆。但这里又有一个残酷的事实技术领先窗口越来越短。三年前一个功能领先能维持半年现在可能三个月就被追上。资本愿意给高估值赌的就是这家公司能在窗口期内把生态和用户习惯建立起来而不是等对手追上。5. 关于泡沫与机会我的一些判断5.1 千亿估值不等于千亿市值流动性折扣回到开头那则消息。一级市场给出千亿估值和二级市场认可千亿市值中间隔着一条巨大的流动性的河。一级市场的份额想卖掉要找下一个愿意接盘的基金中间要经历尽调、法务、估值重新谈判二级市场你在看盘软件上按一下按钮就成交了。流动性溢价和折扣决定了同样一家公司在一级市场值500亿在二级市场可能只值300亿。所以我建议大家看这类新闻时把估值和市值分开理解。前几年有些独角兽企业IPO之后股价直接腰斩的故事至今还历历在目。一级市场的估值里充满了叙事和想象空间二级市场才真正用真金白银的利润来投票。5.2 未来1-2年需要观察的指标与其纠结千亿这个数字值不值不如盯住几个更有参考价值的指标。第一个是付费转化率。免费用户里有多少人愿意掏钱充会员这直接反映了产品的价值感。如果转化率长期低于百分之二说明产品对大多数人来说还停留在好奇尝鲜阶段。第二个是推理成本下降的速度。视频生成的单次成本如果能每年以百分之五十的速度下降那订阅费cover成本的盈亏平衡点就越来越近。观察各家产品给用户的免费额度变化能大概算出他们的成本压力。第三个是企业客户的复购率。B端客户第一次签约可能是被销售说的第二次续费才是产品真正产生了价值。如果续约率稳定在七八成以上说明产品已经嵌入对的生产流程了。5.3 对从业者的建议如果能看明白上面这些你就会有自己独立的判断。在我看来对普通创作者而言现阶段不用被估值新闻绑架你只需要关注哪个产品对你的生产流程帮助最大哪怕它明天就倒了你学到的AI工作流能力也是自己的。对想进这个领域的创业者我不会劝你无脑冲但可以给你一个方向与其再造一个通用的文生视频引擎不如深耕某个垂直场景的技术优化。比如专门做电商产品视频的生成专门做小说推文视频的转化在细分场景里把可控性做到极致比在通用赛道上跟巨头拼卡数量要务实得多。我在实际使用中的体会是AI视频生成离赚大钱确实还有距离但它已经实实在在改变了一部分人的工作方式。千亿估值是资本对未来的下注这个未来到底什么时候来、以什么形态来不取决于融资新闻而取决于每一个团队在模型效率、成本控制、用户价值这三件事上能往前推进多少。接下来这段时间我会持续盯着一件事推理成本能不能降下来。只要成本降到足够低很多今天看起来不成立的商业模式都会重新成立。这才是比估值数字更值得关注的信号。