文生视频（AI 视频生成） 行业研究报告

一、研究摘要 / 核心观点

1. 赛道进入"工业化商用"拐点：2025 年被新华社调研定义为"AI 视频元年"，生成视频质量逼近影视级、B 端付费意愿强烈；2026 年行业正从"技术验证"向"工业化商用"关键跃迁（安策智库/福布斯中国）。
2. 市场规模口径跨度极大：高盛（2026-02 研报）预计全球 AI 视频生成市场从 2025 年约 30 亿美元增至 2030 年约 290 亿美元；安策智库则给出 2025 年约 12 亿美元、2030 年 827 亿美元的更宽口径；纯"视频生成器"工具口径（Grand View）2025 年仅 7.9 亿美元——须分口径引用【口径差异，见第四节】。
3. 中美格局逆转、国产厂商领先收入：全球 TOP10 文生视频模型中 8 款来自中国企业（新华社调研）；可灵 AI 2026 年 ARR 攀升至约 5 亿美元、Runway 约 3 亿美元 ARR / 53 亿美元估值（2026-02）；OpenAI 的 Sora 消费端于 2026-03 关停，腾出市场空白。
4. 技术路线收敛于 DiT + 3D VAE + Flow Matching：扩散Transformer（DiT）配合时空 VAE 与整流流（Rectified/Flow Matching）成为主流，单条 5s 视频推理成本从 2024 年约 1.2 美元降至 2026 年约 0.15 美元（versely），成本三年降约 3—8 倍是商业化核心推力。
5. 合规从"包容审慎"转向"分类分层精准治理"：《人工智能生成合成内容标识办法》（2025-09-01 施行）、广电总局微短剧强制备案（2026-04-01 起）使合规能力成为市场准入刚性门槛，版权与标识风险是最大不确定性。

二、研究背景与定义（含研究边界）

• 定义：文生视频（Text-to-Video / AI 视频生成）指以自然语言提示词（可辅以图像、音频、姿态等条件）为输入，由生成式大模型直接合成动态视频内容的技术与产业。它是生成式 AI 中同时具备"可验证商业化收入"与"尚未充分定价"特征的独立赛道。
• 细分范畴（按技术路线）：① 扩散 Transformer（DiT）路线（Sora、可灵、即梦/Seedance、Veo 等主流）；② 早期 U-Net 扩散 / GAN / 3D 卷积路线（逐步被替代）；③ 开放权重路线（CogVideoX、HunyuanVideo、Mochi-1、Wan 2.2 等，落后闭源约 12 个月）。
• 细分范畴（按交付形态）：文生视频、图生视频、多模态（文/图/视频/音频四模态融合）、数字人/口型同步、视频智能体（Agent 化分镜与一致性）。
• 研究边界：本报告聚焦通用与垂类文生视频大模型及其商业化（广告/短剧/电商/影视），不覆盖纯视频剪辑工具、3D/世界模型（Genie、World Labs 等）、以及 AI 音频/音乐生成的独立赛道。

三、研究方法与数据来源

• 国际机构与研报：高盛（Goldman Sachs，2026-02 AI 视频市场预测）、Grand View Research、Fortune Business Insights（"视频生成器"工具口径）、Yole 不涉此赛道故未引用。
• 国内权威与媒体：新华社/瞭望财经×快思慢想研究院《2026 年国产 AI 视频生成领军产品竞争力报告》、福布斯中国、艾媒咨询、巨量引擎、中国网络视听发展研究报告（2026）。
• 行业分析报告：安策智库《AI 视频生成模型行业分析报告》（fxbaogao / sdyanbao）、智媒律所合规研究。
• 平台与厂商披露：快手（可灵 AI）公告与披露、Runway（TechCrunch）、MiniMax（海螺）、生数科技（Vidu）、字节（即梦/Seedance）公开信息。
• 口径说明与局限："市场规模"因统计范围（模型收入 vs 含编辑软件 vs 含 AIGV 全生态）差异巨大，本节及第四节分列；部分厂商 ARR/估值来自媒体或投资方估算，标注来源并视为【待核实/投资方口径】。