【专访】当AI视频不再稀缺，Seko如何把产能变成作品？

作者：秋

编辑：努尔哈哈赤

2026年的AI视频行业，正在同时发生两种变化。

一边，模型能力继续高速迭代。字节跳动的Seedance已经迭代至2.5，可灵VIDEO进入3.0阶段，阿里也推出了HappyHorse1.1。多模态参考、多镜头叙事、原生音频和视频编辑，正在被头部产品陆续装进同一套生成体系。另一边，AI短剧和漫剧的生产也迅速从稀缺走向拥挤。当生成质量和效率不断提高，竞争开始从单个镜头转向连续内容，从一次生成转向批量生产。

但模型越来越会“拍”，并不意味着一部作品越来越容易“做”。

一条十几秒的视频，与一部包含数十乃至上百集的短剧之间，还隔着剧本拆解、角色设定、场景复用、分镜衔接、口型配音、版本修改和发行适配等大量工作。单个镜头可以反复“抽卡”，连续内容却必须在成百上千个镜头中维持人物、空间与叙事关系。

与此同时，AI视频的主要矛盾也在发生变化。当工具持续降低制作成本，内容供给迅速膨胀，行业不再只关心“能不能生成”，而是开始追问：大量生成的视频能否被组织成完整作品？当相似题材、画风和叙事密集出现，又有多少作品真正值得观看？

商汤科技旗下AI视频创作平台Seko，正是沿着这条产业变化寻找自身的位置。它没有把自己定义成另一款只与Seedance、可灵或HappyHorse比拼画面上限的基座模型，而是试图在模型与成片之间再搭一层生产系统：由智能体调度不同模型，将角色、场景和分镜沉淀为可持续复用的项目资产，并逐步串联创作、生产与发行。

Seko于2025年上线，早期主要解决单片生成；同年12月进一步支持多剧集生产；2026年6月，Seko Space将Agent流程与Canvas画布结合，目前平台已连接超过100万名个人创作者和1300余家企业。

在2026全球授权展·上海站期间，雷报采访了商汤科技数字空间事业群副总裁、Seko总负责人王子彬。谈及AI视频行业过去一年的变化，他将其概括为从“0到1”走向“1到100”：去年12月以前，创作者最关心的是画面质量和抽卡率；进入今年后，行业开始比较产量——过去一个月生产两部剧，如今有人试图一天生产两部。当模型能力越来越容易被追平和替换，还有什么值得平台去沉淀为长期价值？

模型越强，平台靠什么？

AI视频是一个技术优势迅速折旧的行业。

一项能力刚刚成为某款产品的卖点，几个月后便可能成为头部模型的标配。人物一致性、多镜头生成、口型同步和视频编辑，都经历了类似过程。王子彬将模型的领先周期概括为“半年左右”，因此Seko并不把平台的长期价值完全押在某一个模型上。

基座模型不断抬高生成质量的上限，Seko则希望解决创作者如何选择、组合和连续使用这些能力的问题。平台既接入外部模型，也保留商汤针对具体生产环节开发的场景模型，再由Agent根据题材、画风和任务进行调度。

例如，SekoIDX主要处理人物跨镜头、跨剧集的一致性问题；SekoTalk则针对多人、多语言场景中的口型和声音同步。在AI短剧生产中，一致性只是最显眼的难题。过去，这些问题主要依赖创作者修改提示词、反复生成和人工筛选。Seko Space试图将处理单位从“一个生成任务”提升为“一个内容项目”。

用户输入剧本或创意后，Agent先对内容进行拆解，生成角色、场景、道具和分镜等节点；创作者再在无限画布中查看它们之间的关系，调整素材、镜头和故事结构，并将修改后的内容送回生成流程。

第一集建立的角色立绘、服装、武器和场景，不再只是某个分镜中的临时素材，而可以沉淀为跨剧集调用的项目资产。画布负责保存创作者的选择，Agent则承担提示词补全、模型调用和重复性操作。

这套设计实际处理的是AI创作中的一组矛盾：Agent负责提速，画布负责“把方向盘还给人”。

如果一切都交给Agent，创作者很难介入中间过程；如果每一步都需要手动完成，AI带来的效率提升又会被复杂操作抵消。Seko希望建立的，是一种可以在自动执行与人工控制之间往返的工作方式。

王子彬在采访中多次提到，创作者的价值将更多转向选题、叙事、人物塑造、审美判断和整体表达。模型调度、参数设置和基础素材生成则可以逐渐交给Agent。

近来频繁出现的“vibe directing”，也与这种变化有关。创作者不再逐项完成全部技术操作，而是通过自然语言、参考素材和连续反馈表达创作意图，像导演一样对结果进行选择和校正。

不过，画布、多模态输入和“导演式控制”并非Seko独有。Seedance、可灵等头部产品也在进入相似的创作环节。Seko真正需要证明的，是它能否将这些能力进一步连接至百集内容的资产管理、团队协作和成片交付，而不只是把多个模型入口排列在一起。

毕竟，多模型接入本身并不构成牢固壁垒。只有当角色、场景、剧本和修改记录持续沉淀在同一生产系统中，平台才可能在底层模型不断更换的情况下，仍然保留创作者的项目与生产经验。

产能从“0到100”，内容怎么办？

如果说AI视频行业前一阶段解决的是从无到有的问题，接下来面对的便是王子彬所说的“从1到100”。

过去，行业首先关心的是一个镜头能否生成、人物会不会崩、口型能不能对上。随着模型能力成熟，衡量生产力的方式迅速变成：一天可以生产多少集，一支团队能够同时推进多少个项目，一个人能否承担过去需要多人完成的工作。

但产量不等于有效供给。

制作门槛下降之后，相似的网文改编、升级叙事和视觉风格被快速复制。作品数量增加了，用户的时间却没有同步增加。平台分成和流量机制随之趋于谨慎，行业也开始从争夺产能转向争夺精品。

“质量不高，不一定是一个镜头的质量不高，而可能是整部片子的质量不够。”模型可以优化一个镜头，却很难独立决定一部剧是否好看。

一部连续内容能否成立，取决于题材是否适合目标用户、前几集能否建立钩子、人物是否具有记忆点、情绪节奏能否持续推进，以及几十集之后故事是否仍然成立。相比画面清晰度，这些问题更接近传统内容产业的核心，也更难通过一次模型升级解决。

Seko与陈柯文化联合出品的《聚宝仙盆之杂灵根才是真BOSS》，可以被视为其从工具供应方向内容生产环节迈出的一步。

这场合作并不是简单的“陈柯提供剧本、Seko负责生成”。陈柯文化更熟悉用户偏好、题材选择、叙事节奏和画风，Seko团队则在项目前期介入，判断哪些情节适合现阶段的AI表达、哪些镜头的生成成本过高，以及哪些制作需求可以通过产品和模型升级解决。

由此形成的，不是一条技术单向服务内容的流水线，而是一个相互调整的过程：内容团队需要理解技术边界，项目中出现的具体问题也会反过来推动工具迭代。

商汤披露的数据显示，《聚宝仙盆》第二季截至2026年6月8日抖音原生播放量破亿，后续季数上线后也曾登上红果漫剧榜单榜首。播放量和榜单成绩不能直接等同于商业利润，但至少说明，AI生产工具已经能够支撑持续连载，而不再只是制造一次性的技术样片。

对Seko而言，比单个项目成为爆款更重要的问题，是其中的经验能否被下一批创作者复用。

在传统内容生产中，导演、编剧和制作团队的经验往往存在于个人习惯、内部文档和具体项目中，很难被完整复制。Seko计划通过Skills将一部分经验封装起来，包括剧本拆解方式、提示词、模型组合、资产组织、镜头制作方法和工作流。

以与陈柯文化的合作为例，项目中积累的打斗场景、特定画风和模型调度经验，可以进一步整理为“陈柯工作室Skills”，供其他创作者调用。Skill的贡献者则有机会获得授权收益或项目分成。

如果这一机制能够持续运转，平台所交易的将不再只是算力和生成次数，还包括被产品化的专业经验。

这也意味着，Seko正尝试将“做出一个爆款”留下的价值，从播放量和案例宣传，转变为场景模型、工作流和可复用资产。一个内容项目既是产品的使用者，也可能成为下一轮产品迭代的训练场。

不过，内容经验并不都能被标准化。一个工作流可以复用打斗镜头的生产方式，却不能保证另一个项目拥有同样有效的人物、节奏和情绪表达。Skills可以降低执行门槛，但无法替代创作者对用户和内容的判断。

产能从“0到100”之后，行业真正的竞争可能不再是谁生产得更多，而是谁能够从大量生产中留下更有效的方法，同时避免把成功经验再次复制成新的同质化模板。

“大C、小B”，创作者怎么长大？

AI创作经常被描述为一次“生产力平权”：专业工具变得便宜、复杂操作被自然语言替代，一个人也可以完成过去需要团队协作的内容项目。

但工具门槛降低，并不意味着结果上的差距会缩小。

王子彬的判断相对直接：AI未必会带来真正的平权，反而可能进一步放大能力差异。成熟创作者借助工具，可以把原有的选题、审美和制作能力放大数倍；缺少内容判断的人即使获得同样的模型，也未必能够持续产出有竞争力的作品。

因此，Seko所面对的并不是一个整齐划一的用户群体。

王子彬将其概括为“大C、小B”：个人创作者数量庞大，但多数人的使用频率和项目规模有限；工作室、MCN及企业用户数量相对较少，却拥有更高的生产密度、更明确的交付需求和更稳定的付费能力。

两类用户并非完全分离，而可能构成一条成长路径：个人先尝试制作短片，随后进入连续内容生产；当作品获得市场反馈，再组建小型工作室，承接商单或参与平台项目。

这也是Seko在创作工具之外，同时建设社区、Skills、创作者激励和OPC体系的原因。

OPC所针对的，并不只是“一个人注册一家公司”的形式，而是个人创作者进入商业生产后会遇到的一系列实际问题：算力成本、合同主体、项目管理、内容合规、发行结算，以及与外部团队协作。

按照Seko目前设想的路径，新用户可以从积分支持、培训和创作指引起步；进入稳定生产阶段后，再获得工作空间、算力和组织支持；具备交付能力的个人或小团队，则可能进一步对接商单、联合出品和发行资源。

相比一次性补贴，这套机制更希望解决创作者如何从“会使用工具”变成“能够完成项目”的问题。

真正的难点也在这里。

创作工具、Skills交易和内容发行是三种复杂程度截然不同的业务。工具依靠产品体验和技术能力，Skills需要建立质量评价、版权归属和收益分配机制，而发行则考验平台的内容判断、客户关系与商业资源。

因此，创作者能否在这套体系中“长大”，最终不能只看平台注册用户数，也不能只看举办了多少次培训或活动，而要看有多少人从低频尝鲜走向持续生产，又有多少人能够凭借作品获得稳定收入。

Seko对生产边界的拓展也建立在这条逻辑上。

短剧和漫剧仍是目前较为成熟的场景，但平台已经将工作流延伸至海外剧、剧情广告和交互影游。它们看似属于不同内容类型，背后却共享角色、场景、分镜和资产管理等基础能力。

以海外内容为例，Seko所探索的“AI转制”并非简单翻译字幕和替换配音，而是对原有剧本重新分析，根据目标市场调整人物形象、类型元素、情节钩子和场景，再进行分镜拆解与视频生成。

国内常见的修仙和升级题材进入海外市场后，可能需要转换为当地观众更熟悉的吸血鬼、惊悚或奇幻表达。技术可以帮助重制人物和画面，但什么内容能够被目标市场理解，仍然依赖本地化的内容判断。

交互影游则利用同一套角色和场景资产生成不同剧情分支，让观众通过选择影响人物行动和故事走向；剧情广告也可以借助短叙事承载品牌信息，而不只进行产品展示。

这些方向目前仍有待更多项目验证，但它们指向同一个目标：Seko希望证明，一套为AI短剧建立的生产系统，也能够成为广告、IP二创、互动内容和海外项目的通用工作台。

结语：

从模型生成到内容生产，AI视频行业正在经历一次评价标准的迁移。

最底层仍是模型竞争。画面质量、动作、音频、指令理解和推理成本，决定了产品能够到达的上限；再往上是生产系统，角色、场景、资产、版本和多集上下文能否被有效管理，决定了创作者能否完成一部作品；更上层则是内容与商业——剧本从哪里来，作品如何发行，创作者能否获得收入，一次成功又能否沉淀为下一次生产的能力。

Seko选择的不是一条单纯依靠模型性能取胜的路径。它试图用多模型调度、场景模型、Agent和无限画布，把分散的生成能力组织成生产系统；再通过联合出品、Skills和OPC，把平台向内容与创作者生态延伸。

这条路径同样需要接受更复杂的检验：100万个人创作者中，有多少会从偶尔尝试走向稳定生产；一个项目的经验能否真正转化为可复用的方法；平台接入更多模型后，是否仍能保持统一、可控的创作体验；当补贴和产能红利逐渐消退，创作者是否还能在这里获得持续回报。

AI视频已经解决了相当一部分“能不能做”的问题。接下来决定行业格局的，或许是能不能把一部作品持续做完，能不能在激增的供给中做得不同，以及做完以后，有没有人愿意看、是否有人愿意为之付费。

这既是Seko试图进入的下一场竞争，也是整个AI视频行业必须共同回答的问题。