快手分拆可灵AI,30亿美元融资背后,视频生成赛道胜负几何?

可灵AI完成新一轮增资,三大巨头入局

嗷,2026年7月2日晚间,快手在港交所公告,可灵AI完成新一轮增资啦!投前估值150亿美元,融资约30亿美元,投后达到180亿美元咯。腾讯参与领投,阿里云、百度也同步入局,这三个大玩家的资本,罕见地坐到了同一张桌上呢!

Artificial Analysis榜单:可灵排名与估值反差

在此之前一个多星期,Artificial Analysis视频生成竞技场更新了7月的实时榜单。文生视频无音频榜的前四位,分别是阿里的HappyHorse - 1.0、阿里通义的Wan 2.5、字节的Seedance 2.0、快手的可灵Kling 3.0。榜单上压过可灵的两家,一家是四月才空降屠榜的追赶者,一家是较劲多年的同赛道竞争者。不过呢,那家在榜上排第三的可灵,反而拿下了180亿美元的估值,四十多家机构一起挤了进来。可灵的可贵之处就在于,榜单上的名次,和现实中的竞争优势,并不强相关,准确的说,它们是两条不一样的路。

视频生成赛道:中国团队崛起与Sora关停

视频生成大模型这条赛道,2024年上半年还被当作美国的天下。OpenAI在2024年2月放出Sora的demo,那条东京街头女子行走的视频,让全世界做视频生成的团队备受打击,也倍感兴奋。但两年过去,Sora在2026年3月24日正式关停。留在Artificial Analysis榜单前十、还在被人天天使用的,几乎全是中国团队做的模型。对于这件事,浅层次的认知说是中国短视频产业的兴旺发达——抖音、快手、B站每天产出以亿计的短视频,语料量级远超单一来源的YouTube之外任何池子,这足够让中国团队的模型吃得饱。但事实上,这个解释只对了一半。被漏掉的另一半是数据的形态——国内短视频平台上流转的每一条视频,都被完播率、点赞、评论反复筛过,这相当于用户替短视频平台完成了一次众筹式的数据标注,使得这些数据进入训练之前,已经带着一层“人到底爱看什么”的标注。不过,这也解释不了Sora的死。Sora手里有YouTube、有Reddit、有OpenAI整套数据基建,它缺的从来不是素材。

中国视频模型的优势与挑战

往下一层,才是中国视频模型在工程上的进步——视频生成一次要吃掉的算力,大约是文本模型的两千倍。这个量级下,“先烧钱换用户、再慢慢变现”那套互联网老打法会直接崩掉,因为单次生成很可能就是负毛利。于是谁能把每一秒生成的成本压到最低,谁才谈得上向普通用户开口收钱。当然,视频生成的消耗也有B面——一位视频赛道头部的高管给出了这样的解释——视频模型和大语言推理模型的对算力的消耗在“结构上是不同的”。简单说,视频生成对于高带宽要求更低,做过推理优化之后,可以让视频模型能够把各种各样的、特别是已经较旧的算力芯片用起来。所以,放在先进算力偏紧的中国,视频生成,恰好是对底层芯片最不挑剔的那条赛道。可把成本压到地板,也得有人源源不断来买。视频生成缺的最后一环,是场景。Sora的账本是最刺眼的反证:全盛期它一天要烧掉约1500万美元的推理成本,而它整个生命周期里从消费端收上来的钱,只有两百万美元出头。一天烧的,是它一辈子挣的七倍还多。Sora的问题从来不在模型。它缺的是一个能养得起这种模型的地方。但在国内,视频生成一落地,就面对着许多用户愿意扶沟的需求——短视频内容、直播电商的带货素材、短剧的工业化生产、广告营销。所以,视频模型长在快手、抖音这样的平台体内,分发是现成的,第一批客户就是平台上的商家和广告主。平台既是试验田,也是收银台。一个信号能说明这层需求是多么的撑起了硬核生产力——视频模型的调用负载,过去一年里出现了从周末往工作日的迁移。周末调用多,说明大家拿它当消遣;工作日调用反超周末,说明它进了办公室、进了生产线。玩具和工具的分界,就在这条曲线的翻转上。到这里,这条赛道的胜负手已经清楚了:它由谁能把场景变成正毛利的、会重复发生的收入决定,相反却跟榜单上的分数关系不大。顺着这个判断往下看,最先把这件事跑通的那一家,恰恰是排在榜单第三的可灵。

可灵的亮眼成绩与核心竞争力

可灵但看账面成绩,是在文生视频无音频榜上Elo 1244、排第四,在含音频榜上1104、排第三,账面成绩很体面,但谈不上遥遥领先。可就是可灵,两年里做到了ARR五亿美元、全球用户破一亿、企业客户近五万、四十多国的App Store艺术设计榜登顶,在韩国和俄罗斯一度冲到收入榜第一。从2024年6月的1.0到2026年2月的3.0系列,再到4月补上的原生4K,可灵两年迭代了三十多次。这三十多个版本,每一版的落点都在生产流程里。客户愿意反复付钱,问题就来了:他们到底在买什么?买的是确定性。一段视频能不能用于交付,业内看的是四件事——可用率、返工率、交付周期、几个人能不能分工协作。可灵的长处,落在多镜头之间人物和场景的高度一致性上,落在它和分发渠道的打通上,它把AI视频从“生成一段素材”往前推了一步,推成了“能直接交付的一个内容单元”,这是它的硬核竞争里——短剧团队、电商商家、广告公司要的是一条不返工的流水线,好看的单镜头救不了满是接缝的成片。所以,可灵的经常性收入能成立,前提就是产品占据了客户每天的工作流。但是,仅仅谈可灵和国内视频生成需求的匹配,就会解释不了可灵财报上最扎眼的那个数字:海外收入占了约七成。这才是可灵真正稀缺和提气的地方——国内是主场,生态红利谁都能分一杯;能在没有短视频土壤的欧美日,靠产品本身正面把钱收上来,才证明这套能力是可以搬走的,不是被国内短视频生态圈养出来的温室花朵。所以,它的毛利率,在不计训练成本的口径下已经转正,靠的正是海外订阅那份更高的客单价。放在中国AI出海的坐标里,可灵是另一种样本。开源的编程模型声量顶到了全球,变现却难在海外铺开;可灵反过来,榜单上声量不占绝对优势,钱倒是先一步收回了口袋。一个把名气做到了海外,一个把利润做回了本土。后一种,眼下更少见,也更稀缺,但它恰好是中国AI应该走的路——它不希望自己只是“廉价平替Token的世界工厂”。而这次分拆也回答了上面这个问题——一门七成收入在海外、还要不断往里填算力和迭代、正面迎着谷歌Veo和Runway打的生意,如果继续装在一张“成熟短视频平台”的财报里,会越来越拖累快手。因此,可灵到了要重新决定自己以什么身份活着的时候。

快手分拆可灵AI:背后的考量与布局

7月2日的公告,市面上第一时间的说法是“分离”——可灵终于从快手身上挣脱出去。可把公告里的条款一条条读下来,看到的是另一幅画面。先看三条结构:快手保留68.33%的股权,继续把可灵并进自己的报表,同时给可灵配了独立的期权池和同股不同权的架构。可灵AI事业部负责人盖坤在这次重组里拿到约3%的股权,附带十倍投票权,对应表决权比例达到23.62%。这已经完全不是通常意义上留给核心管理层的那一份股权激励,是按一家独立AI公司的创始人的股权规格在铺路——甚至高过一些由于融资过分稀释自己股权的创始人。真想跟一块资产撇清关系,走的应该是减持到非控股、把它移出报表那条路。但快手走的是相反的方向——上行的收益仍旧归快手股东,风险摊给一起进来的外部资本,控股权攥在自己手里。有人会说,控股不放,也可能是外部资本一时给不到更高比例的被动结果。但这种说法,在两条条款面前有些站不住。一条是五年竞业:重组完成后,在快手不再控股可灵、或者满五年之前,快手集团不会直接或间接去控制任何一家主营视频生成大模型的公司。另一条是回购对赌:可灵若没能在2031年10月30日之前完成IPO,投资方有权按年化8%的单利要求回购。竞业那条,等于快手亲手关掉了自己所有的后手——视频生成这条和它主业贴得最近的赛道,未来五年它不再在体内另起炉灶,也不去投第二家、控第三家,全部身家押在可灵一个身上。回购那条,等于连“慢慢做、做不成也没关系”的余地都不给自己留,五年内必须走到上市。甩包袱的做法是切干净、走远点、随它去,而这三件事快手一件都没做。一个不给自己留后路、还给自己上了倒计时的母公司,做的是把手里的筹码全部推到桌子中间。为什么非得用这么重的结构?答案藏在可灵留在快手体内时的三个不利因素。一个是快手在二级市场被当成成熟短视频平台定价,市销率1.5,这个口径压着可灵的估值上不去。另一个是,快手2026年的资本开支盘子约260亿元,可灵的算力要从这个盘子里分,分多了就吃掉母公司的利润。最重要的是,快手的期权池要同时喂主站、电商、商业化好几条业务线,能匀给可灵团队的那一份,撑不住顶尖人才的胃口。这三样,快手无法以内部组织架构调整的方式来改变——它没法只为一个事业部去改变整个资本市场对市销率的评估,也没法只给一个事业部单独发一份不跟母公司股价挂钩的期权。因此,捆住可灵的,是“装在一张成熟互联网公司报表里”这件事本身,可灵自己没做错什么。相反,只有彻底独立出去,可灵才能按一家独角兽AI公司的口径去融资、按一家这样公司的成本曲线去烧钱、按这样的方式去发期权留人才。因此,快手拿68.33%攥着这家公司的大头,用五年竞业保证它是自己在这条赛道上唯一的那张牌,用回购对赌给它钉上一个必须兑现的日子,都是“结构上分拆,前途上绑定”的明证。所以“拆了可灵,快手还剩什么”这个问题,其实问反了——可灵这家公司68%仍然记在快手股东名下,未来五年整条视频生成赛道的胜负,也仍然记在快手账上。公告出来第二天,7月3日,快手在港股高开逾6%,收盘涨了5.39%。市场对这套结构,先给了一个还算温和的答复。按接近交易的人的说法,可灵会在未来十二个月内启动赴港上市,2027年初递交申报材料。五年,是回购对赌划下的窗口。而这条赛道对一个模型翻脸的速度是以月为单位的——HappyHorse四月里一夜登顶、Seedance六月就拿出了能直出三十秒的2.5、Sora三月说关就关。窗口和速度之间夹着的,是这几个头部真正要打的那一仗。这一仗真正的胜负手,落在更远的地方——接下来这五年里,视频生成会不会像大语言模型那样,等来属于它自己的那个“GPT时刻”?真到了那一天,可灵大概率是最后还站在桌边的人;可要是那一天迟迟不来,眼下这些榜单名次都会重新洗牌,能剩下的,是那些真正把根扎进场景里的公司,而可灵正是其中之一。

内容概要:本文档名为《赵家湾学校后大门一百三十六栋.txt》,实则是一份综合性科研仿真资源索引,集中展示了多个技术领域的Matlab/Simulink与Python代码实现项目。内容涵盖风光互补制氢合成氨系统容量-调度优化、微电网能量管理、无人机三维路径规划、图像分割、信号处理、电力系统建模、模型预测控制(MPC)、深度学习预测模型(如LSTM、Transformer)、联邦学习、强化学习应用等多个前沿方向。文档不仅列出具体研究题目和算法模型,还整合了智能优化算法(如PSO、GWO、DBO等)、路径规划、车间调度、通信优化、雷达跟踪、元胞自动机模拟等通用技术模块,并附有网盘链接提供完整代码与仿真模型下载,旨在为科研人员提供可复现的技术支持与开发参考。; 适合人群:具备一定编程基础,从事电气工程、自动化、计算机科学、人工智能、控制工程、能源系统等相关领域的研究生、科研人员及工程技术开发者。; 使用场景及目标:①辅助高水平学术论文复现与科研项目开发;②为硕士/博士论文、课程设计、学科竞赛提供算法实现与仿真建模支持;③提升在新能源并网、智能控制、路径规划、负荷预测、故障诊断等领域的工程实践与创新能力。; 阅读建议:此文档为资源导航型材料,建议结合个人研究方向筛选对应主题,通过提供的百度网盘链接获取完整代码包,并配合相关文献进行仿真实验与参数调试,以实现高效复用、二次开发与技术创新。
内容概要:本文深入解析了AI Agent(智能体)的技术原理与系统架构,阐述其如何通过“思考-行动-观察”的闭环循环,使大语言模型(LLM)从被动应答的对话系统进化为能主动完成复杂任务的智能实体。文章详细介绍了Agent四大核心模块:作为决策中枢的LLM(大脑)、实现外部交互的工具调用(双手)、支持状态延续的记忆模块(记忆),以及驱动自主执行的规划与协调机制(协调)。同时对比了Agent与传统聊天机器人在任务规划、工具使用、记忆能力和执行闭环等方面的本质差异,并探讨了从单智能体到多智能体系统的架构演进趋势,强调专业分工对处理复杂任务的重要性。最后,文章分析了Agent模式与预设工作流模式的应用权衡,指出前者适用于活探索类任务,后者更适合确定性高的固定流程。; 适合人群:对人工智能、大模型应用开发感兴趣的技术人员、产品经理及研究人员,尤其适合具备一定AI基础知识、希望深入了解Agent系统设计的专业人士; 使用场景及目标:①理解AI Agent的核心架构与关键技术组件;②掌握ReAct等主流执行范式;③区分Agent与传统聊天机器人的能力边界;④判断在实际业务中应采用Agent模式还是工作流模式; 阅读建议:本文理论性强且结构清晰,建议结合实际Agent案例(如AutoGPT、LangChain应用)进行对照学习,重点关注各模块间的协同机制与设计权衡,以深化对Agent系统级思维的理解。
内容概要:本文针对三相并网逆变器在瞬态过程中的全局最优控制问题,提出一种基于有限字符集预测控制(FCS-MPC)的渐进式调控策略,旨在实现从电流畸变抑制到功率无差拍响应的平滑过渡。通过构建电流与功率双模态预测控制框架,结合Simulink仿真与Matlab代码实现,系统分析了有限控制集对系统动态响应、谐波含量及功率调节性能的影响机理,深入探讨了预测模型构建、代价函数设计与控制参数优化的关键技术路径,验证了该策略在提升并网电能质量、增强动态响应能力和实现多目标协同控制方面的优越性与可行性; 适合人群:具备电力电子、自动控制理论基础,熟悉Matlab/Simulink仿真环境,从事新能源发电并网、逆变器先进控制策略研究等相关领域的研究生、科研人员及工程技术人员; 使用场景及目标:①深入研究有限集模型预测控制在三相并网系统中的理论与应用;②掌握电流与功率双模态预测控制策略的设计方法与实现流程;③实现高动态性能、低谐波畸变与功率快速无差拍响应的综合控制目标; 阅读建议:建议结合文中提供的Matlab代码与Simulink仿真模型进行复现实验,重点剖析预测时域设定、代价函数权重配置及开关状态枚举策略对系统性能的影响,以全面理解FCS-MPC的核心原理及其在工程实践中的优化技巧。
内容概要:本文系统阐述了多层感知机(MLP)神经网络的底层原理、从零手写代码实现、工程化框架落地及超参数优化的完整体系。内容涵盖MLP的理论基础、前向传播与反向传播的数学推导、激活函数与损失函数的选择、NumPy原生实现与PyTorch/TensorFlow工业级封装,并深入解析了网络结构、训练优化、正则化等超参数的系统化调参策略。通过构建“数学原理→代码实现→调参优化→故障排查→工业实战”的闭环体系,提供可复用的标准化模型开发流程,结合分类与回归实战案例,全面指导模型评估、可视化与部署落地。; 适合人群:具备一定Python和机器学习基础,从事AI研发、数据科学、工程建模的1-5年经验技术人员,以及高校科研人员与企业AI落地团队。; 使用场景及目标:①掌握MLP神经网络的数学本质与代码实现机制;②系统学习超参数调优策略,解决过拟合、欠拟合、梯度异常等常见问题;③实现从学术理解到工业级模型部署的全流程落地;④提升在结构化数据建模任务中的模型性能与鲁棒性。; 阅读建议:建议结合文中提供的NumPy与PyTorch代码边学边练,重点理解反向传播推导与调参逻辑,对照实战案例进行调试与优化,建议按章节顺序学习,尤其重视第5章超参体系与第9章故障排查,以建立系统性调参思维与问题解决能力。
内容概要:本文研究了基于UPML的三维有限差分时域法(3D FDTD)在微带低通滤波器分析中的应用,通过Matlab代码实现对平面微带电路电磁特性的精确仿真。文章系统阐述了3D FDTD方法的核心原理,包括麦克斯韦方程的离散化处理、Yee网格的空间配置、时间步进迭代算法以及数值稳定性条件(如Courant-Friedrichs-Lewy条件)。重点介绍了UPML(单轴各向异性完全匹配层)吸收边界条件的数学建模与编程实现,有效抑制了计算域边界的非物理反射,提升了高频电磁仿真精度。通过建立微带低通滤波器的三维几何模型,进行精细网格剖分,并施加端口激励,计算获得了S参数曲线、电磁场分布云图等关键结果,验证了该方法在高频电路设计中对信号完整性与电磁兼容性分析的有效性与高精度优势。; 适合人群:具备电磁场与微波技术理论基础、熟悉Matlab编程,从事高频/高速电路设计、天线工程、PCB信号完整性分析及相关领域的研究生、科研人员及电子系统研发工程师。; 使用场景及目标:①掌握3D FDTD方法在平面微波器件仿真中的全流程实现技术;②深入理解UPML边界条件的物理机制及其在减少截断误差中的关键作用;③为微带滤波器、功率分配器、耦合器等无源器件及高速互连结构的设计优化提供可靠的数值仿真手段; 阅读建议:建议读者结合所提供的Matlab代码逐行调试,重点关注差分格式的离散过程、UPML区域的参数设置与场量更新逻辑,并尝试调整介质基板参数或滤波器拓扑结构,观察S参数和场分布的变化,以深化对电磁波传播特性、谐振行为及边界吸收机制的理解。
内容概要:本文聚焦于有源中点箝位(ANPC)三电平并网逆变器的高性能控制策略研究,针对传统逆变器在电网不平衡、谐波扰动等复杂工况下存在的谐波含量高、动态响应慢、稳定性差等问题,提出了一种融合双极性倍频脉宽调制(DPWMA)、正负序分离锁相技术与电网电压前馈控制的一体化控制方案。通过深入分析ANPC三电平拓扑的结构优势,结合DPWMA调制策略优化开关动作以改善输出波形质量,利用正负序分离锁相实现电网相位的精确跟踪,并引入电网电压前馈有效抑制外部扰动对系统的影响,从而全面提升并网电能质量与系统鲁棒性。研究在Simulink环境中搭建了完整的仿真模型,对稳态运行、电网不平衡及动态切换等多种工况进行了验证,结果表明该控制策略能显著降低电流谐波、提高锁相精度和动态响应速度,具备良好的工程应用前景。此外,文档还整合了大量基于Matlab/Simulink的科研资源,覆盖微电网优化、电动汽车接入、风光储协同调度、路径规划、神经网络预测等多个前沿方向。; 适合人群:具备电力电子、自动控制或新能源系统背景,从事相关科研工作的研究生、工程师及高校教师,尤其适合有一定Matlab/Simulink仿真基础的研发人员。; 使用场景及目标:①用于新能源并网逆变器控制系统的设计与优化;②支撑高水平论文复现、科研项目开发与工程仿真验证;③为电力系统、智能控制、无人机路径规划等领域的算法研究提供代码参考和技术路线借鉴。; 阅读建议:建议结合文中提供的仿真模型与代码资源,按照目录结构系统学习控制策略设计逻辑,并通过实际仿真实验加深对DPWMA调制、正负序分离、前馈补偿等核心技术的理解与掌握。
代码下载地址: https://pan.quark.cn/s/1065f510e03d Hackerrank是一个国际性的技术人才招聘平台,它借助一系列的编程挑战和练习活动,旨在帮助求职者提升编程能力并为职业发展做好准备。本解析涵盖了多种编程语言和算法的核心内容,以下将从所提供的文档资料中归纳出相关学习要点。 ## 学习要点总结 ### 关于Hackerrank - Hackerrank是一个面向程序开发者的在线编程学习平台。 - 通过攻克具有难度的编程任务,能够促进程序员精通不同的编程语言和算法技术。 - 该平台既适合准备进入北美就业市场的求职者,也适合在中国寻求工作机会的人群。 ### 编程语言应用 - C++11:这是一种C++编程语言的新版本,引入了多项增强功能。 - Scala:一种支持多种编程范式的语言,融合了面向对象和函数式编程的特点。 ### 算法与数据结构 - 该资料包含了HackerRank上所有题目的解题方案。 - 适合读者深入研究和学习,有助于增强对数据结构和算法的理解程度。 ### 编程风格与规范 - 采取较为简洁的代码编写方式,以快速完成功能实现为主。 - 递归方法优先于栈的使用,采用STL(标准模板库)而非自行构建数据结构。 - 不提倡防御式编程,不进行指针和参数的有效性检查。 ### 算法竞赛与北美就业 - 对于初次接触ACM算法竞赛的新手,该书提供了理想的入门训练。 - 对于准备进入北美就业市场的求职者,书中内容同样具有参考价值。 ### 学习要点详细说明 接下来,将详细阐释书中涉及到的关于链表和排序的各个学习内容。 #### 链表 - **链表元素的输出**:设计一个函数来遍历并展示链表中所有节点的值。需要处理头节点为空的情况...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值