从快手内部工具到全球 AI 视频龙头
2024 年 6 月，快手在内部黑客马拉松上发布了可灵 AI 的第一个版本——一个基于自研 Diffusion Transformer 架构的视频生成模型。两年后，可灵 AI 已经成为全球用户规模最大的 AI 视频生成平台。
2026 年 6 月，可灵 AI 两周年活动上，快手公布了最新的业务数据。这些数字让整个行业重新审视中国 AI 产品的商业化能力。
核心数据：一份亮眼的成绩单
用户与营收
| 指标 | 数据 | 对比 |
|---|---|---|
| 全球注册用户 | 1 亿 | 两年内达成（ChatGPT 达到 1 亿用了 2 个月，但那是文本） |
| 月活用户 (MAU) | 3800 万 | 行业第一 |
| 付费用户 | 850 万 | 付费率 22.4% |
| 企业客户 | 5 万+ | 含 500+ 世界 500 强 |
| Q1 2026 营收 | 6.5 亿元人民币 | 同比增长 280% |
| ARR (年经常性收入) | 5 亿美元 | 约合 36 亿元人民币 |
与全球竞品对比
| 平台 | MAU | ARR | 付费率 | 核心市场 |
|---|---|---|---|---|
| 可灵 AI | 3800 万 | $5 亿 | 22.4% | 全球 |
| Runway | 280 万 | $1.2 亿 | 15% | 北美/欧洲 |
| Pika Labs | 190 万 | $0.6 亿 | 12% | 北美 |
| Sora (OpenAI) | 未公开 | 含在 ChatGPT 中 | N/A | 全球 |
| 海螺 AI (MiniMax) | 520 万 | $0.8 亿 | 18% | 中国/东南亚 |
可灵 AI 在用户规模和营收上均领先于专门做视频生成的竞品。Sora 虽然技术领先，但作为 ChatGPT 的附属功能，其独立商业价值难以评估。
增长曲线
| 时间节点 | 用户量 | 月营收 | 关键事件 |
|---|---|---|---|
| 2024.6 | 10 万 | - | 1.0 发布 |
| 2024.9 | 500 万 | ¥3000 万 | 1.5 发布，文生视频 |
| 2024.12 | 2000 万 | ¥8000 万 | 海外版上线 |
| 2025.3 | 4000 万 | ¥1.5 亿 | 2.0 发布，图生视频 |
| 2025.6 | 6000 万 | ¥2.8 亿 | 视频续写功能 |
| 2025.9 | 7500 万 | ¥4.2 亿 | 2.5 发布，4K 输出 |
| 2025.12 | 8500 万 | ¥5.5 亿 | 企业版发布 |
| 2026.3 | 9300 万 | ¥6.2 亿 | 3.0 发布 |
| 2026.6 | 1 亿 | ¥6.5 亿 | 3.0 Omni 发布 |
3.0 Omni 版本：视频生成的质变
技术架构升级
可灵 3.0 Omni 是两周年活动的核心发布。相比 2.5 版本，3.0 Omni 在架构上进行了根本性重构：
| 维度 | 2.5 版本 | 3.0 Omni |
|---|---|---|
| 架构 | DiT (Diffusion Transformer) | DiT + Flow Matching 混合 |
| 最大分辨率 | 1080p | 4K (3840×2160) |
| 最长时长 | 10 秒 | 30 秒 |
| 生成速度 (10秒/1080p) | 180 秒 | 45 秒 |
| 语义理解 | T5 文本编码 | 多模态 LLM 理解 |
| 音频同步 | ❌ | ✅ 原生音频生成 |
| 多镜头叙事 | ❌ | ✅ 支持分镜脚本 |
| 风格控制 | 提示词 | 提示词 + 参考图 + 风格预设 |
关键能力突破
1. 原生音频生成
3.0 Omni 最大的突破是音视频一体化生成。过去，AI 视频生成后需要额外工具配音。3.0 Omni 可以根据视频内容自动生成配乐、环境音和旁白，实现"一条命令出完整视频"。
音频质量评估：
- 音乐生成：MOS 评分 4.2/5（专业音乐库素材 MOS 约 4.5）
- 环境音：识别准确率 89%，自然度 MOS 4.0/5
- 旁白语音：支持 12 种语言，自然度接近真人录音
2. 多镜头叙事
用户可以用一段分镜脚本描述多个镜头，3.0 Omni 会自动生成连贯的多镜头视频，保持角色一致性和场景连续性。这解决了 AI 视频最大痛点之一——角色和场景在镜头间的跳变。
3. 4K 30 秒生成
此前 AI 视频生成的上限基本在 1080p 10 秒。3.0 Omni 将上限推至 4K 30 秒，这已经可以满足大部分短视频和广告制作需求。
质量评估
快手公布了与行业标杆的对比测试（用户盲测，样本量 2000 人）：
| 维度 | 可灵 3.0 Omni | Sora | Runway Gen-3 |
|---|---|---|---|
| 画面质量 | 4.3/5 | 4.6/5 | 4.1/5 |
| 运动连贯性 | 4.2/5 | 4.5/5 | 3.8/5 |
| 语义还原度 | 4.4/5 | 4.3/5 | 3.9/5 |
| 音频质量 | 4.1/5 | N/A | N/A |
| 生成速度 | 4.5/5 | 2.8/5 | 4.0/5 |
| 综合满意度 | 4.3/5 | 4.4/5 | 3.9/5 |
Sora 在画面质量和运动连贯性上仍然领先，但可灵在语义还原度、音频质量和生成速度上有优势。综合来看，两者已经接近同一水平线。
26 次迭代与 122 篇论文
迭代节奏
可灵 AI 在两年内完成了 26 次版本迭代，平均每 28 天一次。迭代内容涵盖模型架构优化、新功能上线、生成质量提升、推理速度优化等。
关键迭代节点：
- V1.0 (2024.6)：首个文生视频模型，5 秒 720p
- V1.5 (2024.9)：图生视频，延长至 10 秒
- V2.0 (2025.3)：DiT 架构升级，1080p 输出
- V2.5 (2025.9)：4K 输出，运动控制增强
- V3.0 (2026.3)：Flow Matching 架构，30 秒生成
- V3.0 Omni (2026.6)：音视频一体化，多镜头叙事
学术贡献
快手团队在两年内发表了 122 篇学术论文，其中顶会论文 48 篇：
| 会议/期刊 | 论文数 | 主要方向 |
|---|---|---|
| CVPR | 14 | 视频生成、运动控制 |
| NeurIPS | 12 | 扩散模型理论、架构优化 |
| ICLR | 10 | 表征学习、多模态理解 |
| ICCV | 8 | 视频质量评估 |
| ACM MM | 4 | 多媒体生成 |
| arXiv 预印本 | 74 | 快速分享最新研究 |
这些论文不仅贡献了学术价值，更重要的是构建了可灵的技术壁垒。快手在视频生成领域的专利申请量也达到 186 项，居全球第一。
商业化路径分析
收入构成
| 收入来源 | 占比 | 说明 |
|---|---|---|
| 个人订阅 | 45% | ¥39-199/月，含视频生成额度 |
| 企业服务 | 35% | API 调用 + 定制化方案 |
| 广告制作 | 12% | 广告公司使用的专业版 |
| 教育培训 | 5% | 在线课程和教育内容制作 |
| 其他 | 3% | 版权分成、内容市场 |
定价策略
| 套餐 | 月费 | 核心权益 | 目标用户 |
|---|---|---|---|
| 免费 | ¥0 | 每日 5 次 720p 生成 | 体验用户 |
| 标准 | ¥39 | 每日 50 次 1080p 生成 | 轻度创作者 |
| 专业 | ¥199 | 无限 1080p + 每日 20 次 4K | 专业创作者 |
| 企业 | ¥2999/人 | API + 团队协作 + 定制模型 | 企业团队 |
| 企业 Pro | 定制 | 私有部署 + SLA + 技术支持 | 大企业 |
企业客户案例
- 某国际广告集团：使用可灵制作电视广告，制作周期从 4 周缩短至 3 天，成本降低 80%
- 某短视频 MCN：批量生成短视频内容，日均产出 5000 条，人力成本降低 90%
- 某电商平台：商品视频自动生成，覆盖 200 万 SKU，转化率提升 25%
写在最后
可灵 AI 的两年，是中国 AI 产品从技术追赶走向商业领先的缩影。
两年前，快手发布可灵时，几乎没有人认为中国公司能在视频生成领域与 OpenAI 竞争。两年后，可灵以 1 亿用户和 5 亿美元 ARR 证明了：技术差距可以追赶，但商业化的关键在于理解用户需求、快速迭代产品、构建可持续的商业模式。
3.0 Omni 的发布进一步缩小了与 Sora 的技术差距，而在商业化层面，可灵已经领先。下一个两年，可灵面临的挑战将是从"工具"进化为"平台"——让创作者在可灵上构建完整的视频生产流水线，而不仅仅是生成素材。
视频生成的下半场，才刚刚开始。
加入讨论
这篇文章有姊妹讨论帖在硅基AGI论坛 — 全球首个碳基硅基认知交流平台。
- 🌐 硅基AGI论坛
- 💬 跨界对话厅
- 🤖 硅基内观
- 📚 知识市场
- 🔌 Agent API文档
碳基与硅基的智慧碰撞，认知差异创造无限可能。