可灵4.0估值179亿美元：零真人出镜做探展视频，成片还差几步？

10月30日深夜，快手在港交所刊发公告，宣布旗下视频生成业务可灵完成增资交割。198.02 亿元增资款已全额到账，折合约 29.05 亿美元；可灵投后估值约 179 亿美元，换算成人民币超过 1200 亿元。这一数字高过快手当天港股约 968 亿元的收盘市值。

“一个可灵，比整个快手还贵”——要知道，2026 年上半年可灵收入只占快手总收入的 2.17%。资本市场看中的显然不是它眼下的进账，而是它在 AI 视频这条赛道上的未来。

资本故事再大，最后还是要拿到创作现场去检验。近期我们用可灵4.0做了一条探展视频，真人出镜的部分全部交由 AI 完成：展会实拍素材与 AI 人物拼接，拆成 7 组画面分别生成，再用音画同出、视频修改和时间线等功能做完后续。动手之前，我们写了约 3000 字提示词，把主体关系、镜头运动、构图和声音要求尽量交代清楚，减少指令上的歧义。

实测下来喜忧参半。有些镜头的人物融合、运镜和构图已经相当自然，几乎看不出破绽；另一些片段却出了岔子——AI 把台上的机器人换成了台下的主播，一镜到底被切成几次硬切，甚至修改视频之后，原本正常的声音变成了一串难以辨认的乱码。

AI 已经能产出不少惊艳镜头，为什么成片还得反复试错？可灵4.0要走到“一站成片”，还缺哪些关键能力？180 亿美元估值加上行业资源重组，稳定交付会不会成为 AI 视频的商业分水岭？

可灵4.0再升级，从生成画面到执行创意

国内互联网公司的大模型竞赛里，快手走了一条相对聚焦的路：主要筹码没有押在通用聊天机器人上，而是持续投向视频生成。这跟快手原有的业务生态关系密切——广告、电商、短剧、影视和创作者内容都存在大量视频生产需求，模型能力也有望通过会员订阅、企业服务和 API 调用变成收入。

这门生意离钱更近，也更烧钱。视频生成的付费场景比较直接，可训练、推理、算力和人才，哪一项都不便宜。可灵于是从快手内部的技术项目，一步步走到公司的战略中心。

资本与组织层面的动作，把权重的走向摆得明明白白。2025年4月，快手搭起可灵 AI事业部，负责人直接向程一笑汇报；到了7月，可灵启动独立分拆的融资安排，规模近30亿美元，投后估值约180亿美元，腾讯、阿里云、百度，以及多家地方产业投资基金和文娱产业方都出现在股东名单里；9月30日，原社区科学线负责人于越调任可灵AI公司董事兼 CEO，接手经营管理；10月30日，这轮独立融资完成交割，实际到账增资款约 198.02 亿元，折合约 29.05 亿美元。

从一级事业部到独立融资，再到专设 CEO，可灵拿到的是一家独立公司的资源配置，同时也要面对一家独立公司的经营考题。

商业化数据是它眼下最有分量的筹码。快手披露的数据显示，2026 年第一季度可灵 AI 收入超过 6.5 亿元，同比增长超过 300%；第二季度收入超过 8.5 亿元，同比增长超过 200%；上半年合计超过 15 亿元。

收入在涨，不等于商业模式已经高枕无忧。业务独立性变强之后，它还得回答几个更现实的问题：收入增长能不能延续，算力成本怎么消化，企业客户愿不愿意持续续费，产品又能否建立起足够稳固的竞争壁垒。

可灵筹备赴港 IPO 的消息已经见诸报端，不过相关安排仍在早期阶段，上市时间和规模都有调整空间。资本给了可灵更大的空间，也把它的及格线抬高了。接下来市场追问的，不只是模型还能生成什么，更是技术高光能不能变成持续回报。

可灵 4.0就是在这个节点到来的，也是可灵试图向专业创作流程再迈一步的产品。

按快手官方说法，可灵4.0的升级重点落在真实、可控、专业三处：单次原生生成时长最长可达30秒；图片、视频、主体与音色等参考素材可灵活组合，最多支持15项参考素材和 10 张关键帧；提示词长度上限也进一步放宽。官方希望借这些升级，更好地处理高动态场景、复杂运镜和连续叙事。

能力的变化，对应着 AI 视频行业评价标准的转向。早期模型首先要证明自己能把文字描述变成一段画面：人物动作自不自然，画面逼不逼真，光影像不像真实摄影。生成质量上来之后，创作者的要求变复杂了：人物跨镜头得保持一致，镜头要按指定的景别、构图和节奏移动，多个片段之间还要维持基本的空间关系和叙事连贯。

模型要处理的不再只是“画面里有什么”，还包括素材各自起什么作用、哪些元素可以改、哪些信息必须留，以及创作者希望镜头怎么展开。可灵 4.0 对参考素材、运镜和生成时长的升级，回应的正是这些需求。

产品形态也在跟模型能力一起演进。可灵把生成、编辑、画布和时间线等能力逐步整合进同一个工作空间，想降低用户在不同工具之间来回切换的成本。字节跳动 Seed 团队此前推出的 Seedance 系列，同样把长叙事、多模态参考和视频编辑当作产品迭代的重要方向。

各家做法不尽相同，竞争目标却越来越清晰：创作者想要的已不只是一个能生成片段的按钮，而是一套能帮着把作品做完的工具。

如果说 AI 视频的上半场拼的是生成能力，下半场考验的就是对创作意图的执行能力。可更长的生成时长、更多的参考素材、更丰富的编辑能力，是否就等于创作者能更准确地控制最终结果？

奇点拿一条探展视频做了实测：展会现场是实拍素材，AI 人物要进入既有环境，完成不同的镜头运动；多个片段之间还得维持人物和场景的关系，并与口播、声音及后期处理衔接上。

我们想知道，一条没有真人出镜的探展视频，从素材整理、镜头生成到配音配乐，究竟有多少环节能被 AI 包揽？

可灵4.0一手实测，好镜头与好成片之间，差几次“重来”

这次测试全程使用可灵 4.0，视频由实拍素材与 AI 人物结合而成，拆分为 7 组画面，生成、修改和素材整理都在画布里完成。为了尽量消除指令歧义，我们请 AI 助手和团队剪辑同事一起整理了约 3000 字提示词，把主体关系、构图、景别、运镜和声音要求逐项写明。

也就是说，这次测试并非把一切交给模型随意发挥，背后有专业人员协助，交付目标也很明确。

可灵 4.0 的天花板确实让人眼前一亮。表现最出色的几段素材，镜头推移按提示词准确完成，构图、景别和切换节奏也基本对得上预期。更少见的是，AI人物和实拍环境融得相当自然，看不出人物“贴”在背景上的痕迹，与环境互动时也不显得别扭。

这样的画面已经接近能直接交付的程度。可见可灵 4.0 不只是能出几段适合拿来做展示的样片，条件合适时，它确实能产出有专业使用价值的内容。

声音是这次测试里比较出彩的一环。大部分环境声和口播都能直接用，整体可用率比画面更高；音画同出省掉了逐段配音的步骤，对需要快速做完短片的创作者来说，效率上的价值很明确。

不过高光表现没法稳定复现。一个原因是模型处理主体与场景关系时还会跑偏：有一次生成，本该站在台下的主播，直接把台上的机器人替换掉了；

另一段素材里，AI 又把背景视频中的主持人换成了角色人物。即便补上“围观”之类的关系描述，结果也没见明显好转。还有片段出现人物与场景比例失衡，正常探展看着看着就有了“误闯小人国”的感觉。

这些bug的关键不在画质，而在于模型有没有真正弄明白画面里“谁是谁、谁在哪里、谁与谁互动”。

再就是长镜头和连续叙事。我们特意设计了一组一镜到底的指令，试了几次，拿到的还是不同场景之间的硬切，人物一直在走，镜头却没连成连续运动，周围环境也被改动了不少，提示词里对素材使用的限制没能稳定执行。时长变长，并不自然等于叙事能力升级，模型能生成更长的内容，却未必能一直维持空间、人物和镜头关系。

最后是修改与声音的一致性。有些片段经过视频修改后，非但没按指令修正，还擅自加上字幕；原本正常的声音，也可能在后续生成里变成乱码，提前给人物主体配好的声音没被稳定引用，不同片段里的同一个人物，声线也会不一样。画布和时间线确实让素材管理好了一些，但 BGM、转场、音效与修改流程，还没形成足够顺畅的成片闭环，任何一处出问题，都得“推到重来”。

这也是这次实测最直接的体会：可灵4.0已经把好镜头的上限抬高了，但要稳定交付一条符合要求的视频，关键环节仍然得创作者来兜底。

这期间产生的成本，很容易被单次生成的价格盖住。提示词调试、反复生成、筛选素材、失败修改、等待时间，再加上人工检查和修补，一起构成了视频真正的生产成本。对个人创作者来说，耗掉的是时间和精力；对广告、短剧和影视团队来说，还会波及工期、预算和交付验收。

可灵分拆，小云雀并入即梦，AI视频下半场换了打法

从实测效果看，可灵 4.0 已经能在部分场景生成有专业使用价值的画面，但稳定执行复杂要求、在修改中保住有效内容、顺畅跑完整条生产流程，都还有提升空间。这些问题也牵扯到 AI 视频行业下一阶段的竞争焦点。

可灵、Seedance、Vidu、海螺和通义万相等产品，正围绕画面质量、人物一致性、连续叙事、生成成本和垂直场景不断迭代。单次版本升级能带来阶段性的能力变化，可随着基础生成能力往上走，只看某个样片惊不惊艳，已经越来越难完整衡量一款产品的实际价值。

可灵的商业化进展已有比较明确的公开数据，收入增长也让它成了视频生成领域值得继续盯着的玩家。不过收入规模、用户增长、盈利能力和长期竞争力是不同维度，缺少同口径的竞品数据，也很难据此断定它在商业化上已经全面领先。

竞争同样落在应用生态上。字节手上有 Seedance、即梦、剪映、抖音和火山引擎等不同环节的产品与服务；快手也有内容平台和快影。可灵拿到更独立的融资与经营空间后，一边要继续跟母公司协同，一边也得面向外部开发者和企业客户搭自己的产品生态。

最近有报道称，字节旗下 AI 短剧创作平台小云雀并入即梦，产品仍保留独立入口，相关短剧能力已接入即梦。这跟可灵独立融资形成了有意思的对照：一边为单一业务争取独立经营空间，另一边把相近产品的能力与运营进一步整合。两种组织选择没法直接证明哪条路更优，也不足以代表整个行业的统一趋势，但都指向同一个现实问题：企业得重新判断，哪些能力该单独发展，哪些产品应当整合，哪些环节能创造持续的商业价值。

当越来越多第三方创作平台可以接入不同的视频模型，光有生成能力，就不一定能成为某款应用的独占优势。用户可以比效果、比速度、比价格，也能按任务换模型。应用想留住用户，就得给出模型之外的价值：更适合某种创作任务的工作流、更精细的编辑与协作能力、更可靠的内容管理，或者与分发和商业转化的直接连接。

所以，AI视频产品的价值，可以从三个相互关联的维度重新衡量。

头一个是生成稳定性。同样的任务，能不能比较稳定地生成符合要求的结果？成功画面是偶然冒出来的，还是能在相似条件下反复复现？对专业用户来说，一次惊艳的结果当然有用，但决定它能不能成为生产流程里常规工具的，还是稳定性。

第二个是修改的可控性。人物、动作或声音出了偏差，工具能不能在保留其他有效内容的前提下完成修正？要是每次修改都可能带进新错误，模型看似给了更多编辑能力，实际却可能让返工变多。

最后是综合的交付成本。除了模型生成花掉的时间和积分，还得算上提示词准备、筛选素材、失败重试、人工修复以及音画后期的投入。把这些成本摆在一起，才能判断一条可用视频到底要多少资源，也才能比较不同工具在真实工作流里的效率。

这三个维度又连着商业回报。稳定的生成和修改能力，能减少重复劳动；更顺畅的工作流，能让模型进入广告、短剧、影视等专业生产场景；可预期的单位交付成本，则影响客户愿不愿意长期使用和续费。

对模型公司来说，用户规模、ARR 和融资估值依然重要，但企业续费、API 使用、算力成本和最终利润，同样决定增长能不能持续。

多模型、多工具混着用，这种情况恐怕会持续很久。有人拿一个模型出画面，再换个工具做声音，最后靠专业软件剪完、做完后期；对模型厂商来说，要争取的是让自己那部分能力被嵌进用户反复跑的生产流程里。

180 亿美元估值，既是对可灵技术潜力和商业前景的定价，也给后续发展留出了余地，4.0 这次的升级能看出它在专业创作方向上的投入。接下来要验证的是：这些技术能力能不能变成更稳的结果、更可控的修改过程，以及客户愿意接受的交付成本。

镜头够好，才有人愿意看；交付够稳，才留得住人。