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”。