模型与应用之间究竟会形成怎样的 " 演进关系 "，一直是 AI 赛道反复讨论的问题。
Gavin Baker 是美国知名科技投资人，曾长期管理富达科技基金，也是英伟达、特斯拉和 SpaceX 等公司的早期投资者。
最近他提出一个判断：随着模型路由、开源模型和专用后训练逐渐成熟，AI 应用公司可能迎来一轮爆发——应用公司可以用自己的业务数据训练专用模型，把大量高频任务从昂贵的前沿模型迁移出去，只在真正困难的任务上调用最强模型，从而实现客户越多、数据越多、模型越强，单位成本反而越低。
在回答 " 应用会不会被模型吞掉 " 这一问题时，陈冕说道：" 我觉得应用的时代还没有来。只有 Token 便宜、智能随手可得的时候，应用公司的时代才会来，可能是两年、三年或五年后的事，但要从现在开始准备。"
他还拿铁路和火车举例，认为模型如同铁路这样的基础设施，应用公司则是一列列垂直领域的火车。基建修好之后，商品与社会资源开始大规模流通，自然也会带来新的繁荣，应用层由此获得更大的机会。
这番话，对于演语科技旗下视频工具 LibTV 来说，显然是一套相当有利的叙事。
但也许会让陈冕失望的是，视频生成很可能恰恰是这一逻辑中最大的例外。
按照 Gavin Baker 的判断，法律、代码、客服、咨询等应用可以在成熟的开源模型上进行后训练，因为它们需要解决的问题相对明确，训练和推理成本也足够低；但放到视频模型上，情况却完全不同。
训练一个真正有竞争力的视频模型，需要巨大的数据、算力和工程投入，即便只是持续追赶前沿模型，其沉没成本也远非一般应用公司能够承担。
与此同时，影视公司和广告等下游客户又恰恰是对模型质量最敏感的行业：画质差一点、人物一致性弱一点、镜头控制差一点，都可能意味着最终结果根本无法进入专业生产流程。
因此，" 便宜但够用 " 的专用模型，在视频领域能够覆盖的空间显然要比文本应用小得多。
这意味着，当其他垂直 AI 应用正在通过训练专用模型逐渐摆脱对 OpenAI、Anthropic 等前沿模型厂商的依赖时，视频生成应用可能长期走向相反的方向：它们可以通过 LoRA、微调、工作流和小模型解决局部环节，却很难在最核心的生成环节真正脱离 Seedance、可灵这类前沿模型。
这就是 LibTV、OiiOii 等这一批以视频生成工具为主的公司所要面对的现实危机。
当前行业的底层逻辑其实已经相当赤裸：创作者对视频生成应用的忠诚度，很大程度上绑定于平台给出的 Seedance API 折扣、补贴、充值让利这一类短期红利。哪里 Seedance 的调用成本压得更低，流量与用户就更容易集体涌向哪里，这早已是 AIGC 创作圈不必明说的潜规则。
其中一招，就是这两年不断强调的 " 从单一视频生成工具升级为一体化 AI 影视工业化工作流 "，试图用专业化和完整工作流来增加平台本身的价值。但对于疲于为流量奔波、每天都在为生成成本算账的创作者来说，这种所谓工作流优势究竟能够带来多少实际的感知差异，恐怕还要打个问号。
还有一招，就是不断 " 拿爆款标的来做招牌 "。
LibTV 现在的金字招牌，显然是第一季抖音播放量破两亿的短剧《被裁掉的女孩》，其打造的 AI 艺人 " 方桃子 " 更是在涨粉 40 万之后，因为 "60 秒广告报价 25.8 万 " 登上了微博热搜第一位。
显然，这是视频生成应用在产品思维之外，加码内容与娱乐营销的又一种 " 饱和式攻击 "。这样的流量打法当然更加省时省力，可细想下来，一个 IP 的成功，真的能够直接挂钩到视频生成平台这一工具本身吗？大众对于这部短剧的直观感受，究竟来自故事、人物弧光以及最终的模型效果，还是所谓生成工具背后的工作流？
即便强大的如 IMAX 这样顶级影视工具，恐怕也不敢说离开诺兰，它照样还能让观众为 IMAX 70mm 胶片加钱买单吧。
更何况，《被裁掉的女孩》这一 IP 本身以及 " 方桃子 " 等 AI 艺人的所有权，也未必属于视频生成平台。其导演菲菲飞在抖音页面介绍中直接挂着 " 小云雀超创作者 "" 即梦 AI 超级创作者 " 等身份，也明确表示 " 方桃子 " 已经进行了版权登记，而不少媒体也扒出了其背后的 MCN 公司。
诚如之前热度不俗的 AI 短片《纸飞机》，到了可灵 AI 这里，就是 " 制作生成 " 的成功案例；到了抖音这里，又成为 " 平台与创作者的双向奔赴 "。一部作品真正出圈之后，很难说清究竟是哪一方发挥了更大的作用。
这样来看，留给视频生成应用最清晰的空间，似乎还是 " 搭配 Seedance 更好用，也更省钱 "。可这样的 " 绝招 "，会不会有一天被 Seedance 的亲兄弟小云雀、剪映迅速练成，谁也不好说。
就在此时此刻，在《被裁掉的女孩》第二季的更新介绍里，菲菲飞已经直接挂出了 " 全片由小云雀 Seedance 2.5 制作 "。
作为夹在模型与创作者之间的中间商，LibTV 们的被动性也就可想而知。
最后，这也自然引出了另一个问题：未来应用公司会不会干脆自己下场 " 做模型 "。
市场上当然不乏 " 模型 + 应用 " 并行的公司，例如生数科技、爱诗科技等，它们也都是近期资本市场的宠儿。但有意思的是，它们如今所讲的故事，核心其实都已经出现了明显转向。
像是生数科技，正在强调视频模型的 " 实时交互 "，再搭配 " 世界模型 " 的叙事，试图讲出更多面向物理世界的落地可能；爱诗科技也早早占领了世界模型的概念，再叠加其不错的海外市场表现，为自己找到了另一套资本市场愿意下注的锚点……
再看这批仍然单一在视频应用层奔跑的公司，它们的资本叙事显然还主要停留在工具端。而工具端本身的局限，又让它们很难快速靠近不断变化的 AI 叙事，讲出资本市场更感兴趣的方向性故事。最后留给工具公司的验证标准，依然只能回到最传统的用户数据与盈利能力。
更关键的是，对于习惯产品化打法的 AI 视频应用公司而言，" 能不能训练自己的模型 " 其实不是问题，真正的问题在于，投入巨额成本训练一个模型之后，它是否真的会比直接调用下一代前沿模型更加划算。
只要前沿视频模型仍然处在高速迭代之中，这笔账恐怕就很难算得过来。
应用会不会被模型吞掉？对于视频生成应用而言，眼下这种进退两难的博弈，以及作为 " 第三方 " 不断收缩的叙事空间，或许都会让这场与时间赛跑的答案变得更加残酷。
所以，只能趁着叙事与资本热情尚未消散之时，加速融资，甚至是加急上市，哪管事后洪水滔天。
Recommend
推荐阅读
这样就不会错过推送
商务、媒体合作、文章转载请加
yiyuguancha6
INYOUMEDIA 相关账号
