AI不止于炫技，更要賺錢。

作者｜劉楊楠

編輯｜栗子

還記得我們半年前報道過“最懂表演”的視頻生成大模型SkyReels嗎？它現(xiàn)在可太火了。

發(fā)布半年來，SkyReels在開源社區(qū)中廣受關(guān)注，SkyReels V1獲得2.4k星標，SkyReels V2獲得4.9k星標，相關(guān)的音頻及組合模型也都分別獲得了眾多星標。

如今，SkyReels全新版本已經(jīng)在11月4日上線了。

SkyReels模型之所以能夠?qū)﹂_發(fā)者有如此吸引力，本質(zhì)還是因為其切中了視頻內(nèi)容賽道的需求要害。

2025年的AI視頻工具市場呈現(xiàn)出刺眼的兩極分化。一類面向資源豐富的專業(yè)創(chuàng)作者，流程復雜、需要“抽卡”試錯；另一類則聚焦泛娛樂傳播，難以滿足工作場景的精準需求。

由此導致AI視頻市場陷入一種尷尬境地，需求方和工具方各有各的瑣碎，卻無法有機匹配。無論是廣大普通用戶還是中小企業(yè)、專業(yè)內(nèi)容從業(yè)者都陷入困境，他們既有超越休閑娛樂的視頻創(chuàng)作需求，又無法承受專業(yè)工具的學習成本和試錯時間。

市場急需一個能夠彌合頂尖模型、真實創(chuàng)作需求以及集成工作流程之間鴻溝的平臺。

昆侖萬維最新發(fā)布的全新SkyReels，則是其針對市場工具碎片化給出的戰(zhàn)略性答案。作為一個定位為“一站式、零門檻的多模態(tài)AI創(chuàng)意平臺”的產(chǎn)品，其核心創(chuàng)新不僅在于單個模型能力的提升，更在于對傳統(tǒng)創(chuàng)意工作流的顛覆。

昆侖萬維的野心，已不止于視頻內(nèi)容。

1.三大革新，把專業(yè)創(chuàng)作拉下神壇

全新SkyReels的網(wǎng)頁版共有“三大件”，分別是無限畫布、智能副駕（Agentic Copilot）以及AI視頻模板，三者共同構(gòu)成一套覆蓋音視頻創(chuàng)作的全鏈路解決方案。

最具顛覆性的創(chuàng)新便是無限畫布。SkyReels的“無限畫布”則從根本上挑戰(zhàn)了主導音視頻編輯領(lǐng)域長達一個世紀的線性工作流，將所有AI功能和多模態(tài)素材集成于一個“所見即所得”的網(wǎng)狀空間。無論是圖片、視頻還是音頻，都不再是軌道上的靜態(tài)元素，而是可交互的積木，讓創(chuàng)作者隨取隨用，跟隨創(chuàng)作者的思維流動。更具突破性的是，“無限畫布”支持三種核心創(chuàng)作方式，無縫融合拖拽操作、二次編輯以及與Agent進行自然語言交互，滿足創(chuàng)作者在不同情境下的需求。

為了同時滿足創(chuàng)作者的即時靈感與復雜的專業(yè)任務(wù)需求，SkyReels還設(shè)計了一套雙核的“智能副駕（Agentic Copilot）”系統(tǒng)，讓AI成為人類創(chuàng)作者的協(xié)作伙伴，而非被動執(zhí)行碎片化指令的工具。

其中，超級智能體 (Super Agent)是一個可以隨時喚起的全能助手，其核心優(yōu)勢在于深度的多模態(tài)理解與生成能力。用戶可以上傳圖片、視頻或音頻，并要求Super Agent分析其風格、為其生成營銷文案，或基于其內(nèi)容進行頭腦風暴，第一時間響應(yīng)用戶的創(chuàng)作靈感。

基于上述功能， 「甲子光年」進行了一番深度測試，直觀體現(xiàn)SkyReels 的多模態(tài)理解與生成能力，以及無限畫布工作流的便利性，發(fā)現(xiàn)效果真的驚艷。

打開圖像生成器，生成一位老者的圖片，輸入Prompt：

一個身穿西裝、面部表情嚴肅的老者。

將圖片拖拽至視頻生成器中，輸入Prompt：

老人面帶愁容，緩緩向前走。

打開視頻延長功能，輸入Prompt：

Cut in，老人突然停下腳步，眼睛盯著鏡頭，嚴肅的表情逐漸淡去，眼神漸漸柔和，眼角泛起柔和的淚光。

將延長后的視頻拖入Super Agent聊天框，讓它根據(jù)畫面內(nèi)容匹配一段10s的BGM，并給畫面配一個旁白，畫面底部給出搭配旁白字幕。過程中我和Agent經(jīng)歷了幾輪簡短的對話，選定BGM的主樂器以及旁白的大致梗概和語種。最終得到這樣一條短片：

旁白：Every step carries the weight of memories, every wrinkle tells a story of time.（每一步都承載著回憶的重量，每一道皺紋都訴說著時間的故事）

在整個測試過程中，我們有一個很直觀的感受，就是“及時”。用戶不再需要被迫“像剪輯師一樣思考”，而是平臺主動適應(yīng)用戶的思維習慣。用戶不用在花大量時間去找到合適的剪輯工具和素材，只需考慮故事的走向。

這也是昆侖萬維SkyReels試圖得到的境界——用戶無需學習AI，只需使用AI。

除通用的Super Agent外，SkyReels還提供超過28個“專家Agent”，每一個都經(jīng)過特定領(lǐng)域的深度訓練和優(yōu)化，覆蓋市場營銷、電子商務(wù)、虛擬形象和故事創(chuàng)作等高價值場景。

我們讓“產(chǎn)品演示視頻”的專家Agent生成了一個香奈兒限量版口紅的產(chǎn)品介紹。首先，我們用圖片生成器生成了一支香奈兒限量口紅的圖片：

將其拖入專家Agent對話框，輸入Prompt，就得到了下面這段視頻：

產(chǎn)品：香奈兒的限量版口紅。 需求：制作一個20秒的短片，全方位展示產(chǎn)品的精致細節(jié)以及色號。

對于幾乎沒有視頻剪輯基礎(chǔ)的小白用戶而言，只需一次拖拉拽就能做出一條這樣的視頻，無疑是一次個人生產(chǎn)力的飛升了。這不僅加速了創(chuàng)作進程，更提升了所有用戶的產(chǎn)出質(zhì)量下限，能確保最終成品符合行業(yè)交付標準的平均水平。這不只是工具的平權(quán)，更是專業(yè)能力的平權(quán)。

沿續(xù)這套邏輯，當Agent系統(tǒng)越發(fā)成熟，全新SkyReels 還給創(chuàng)作者們提供了一個更具想象力的未來。當多Agent協(xié)同成為常態(tài)，用戶只需發(fā)布一個更高級別的指令，例如“為我們的新產(chǎn)品發(fā)起一場營銷活動”。SkyReels的Agent團隊便能真正一站式完成任務(wù)——Super Agent自動將任務(wù)分解，委派給相應(yīng)的專家Agent執(zhí)行：電商Agent負責制作產(chǎn)品視頻，營銷Agent撰寫社交媒體文案，Avatar Agent則生成數(shù)字代言人。這種自主協(xié)作的AI創(chuàng)意團隊愿景，代表了Agentic工作流的終極形態(tài)。

不過，在這個終極愿景真正到來前，SkyReels還提供了一個“中間形態(tài)”，即AI模板。

AI模板系統(tǒng)為規(guī)?；?、可復制的高質(zhì)量內(nèi)容生產(chǎn)需求而設(shè)計的，精準地滿足了營銷和電商領(lǐng)域商業(yè)用戶的核心需求。憑借近10個大類、超過150種模板，讓創(chuàng)作者高效地產(chǎn)出商業(yè)級視覺素材。

AI模板的使用門檻幾乎為零，讓用戶真正“可見即可得”，只需簡單三步：瀏覽模板廣場-選擇心儀模板-進入配置頁面輸入所需文字，點擊“生成”即可。于是，我們用AI模板功能給這只小貓穿的白雪公主裙子做了一套換裝寫真：

經(jīng)過和Super Agent的幾輪交流后，我們將模板中的人類模特換成四種不同顏色的小貓模特，最終得到了這樣一套小貓寫真集：

整體效果還是非常驚艷，只要你對生成結(jié)果不滿意，只需將圖片拖拽至Super Agent 對話框，表達你的訴求，Super Agent就會給出你想要的答案。

以上種種都表明，全新SkyReels 真正的價值不僅在于提供了更好用的AI視頻工具，更在于重構(gòu)創(chuàng)作流程。作為視頻、圖片創(chuàng)作的小白用戶，這種“所見即所得”的體驗確實給我們帶來了前所未有的爽感和創(chuàng)作樂趣。而為了呈現(xiàn)真正的“所見即所得”，昆侖萬維用了大半年的時間來不斷打磨其底層模型能力。

2.拆解SkyReels的技術(shù)進化論

SkyReels系列模型雖然發(fā)布僅半年，但進化速度卻很快。更重要的是，該模型的進化邏輯并非只就單一功能進行打磨，而是在不斷提高模型理解和生成多模態(tài)內(nèi)容的底層能力。

2025年2月，SkyReels-V1作為國內(nèi)首個面向AI短劇創(chuàng)作的開源視頻生成模型，在開源領(lǐng)域率先達到SOTA水平，其自研的Human-Centric（以人物為中心的）視頻理解多模態(tài)大模型，大幅提升視頻中人物相關(guān)的理解能力。

這套基于視頻理解多模態(tài)大模型所構(gòu)建的人物智能解析系統(tǒng)，在影視化的表情識別、人物空間位置感知、行為意圖理解、表演場景理解等不同層次的表演上，都能達到“影帝級別”的人物表演。

SkyReels-V2則構(gòu)建了“語言理解-分層訓練-動態(tài)優(yōu)化-無限延伸”完整技術(shù)鏈條，實現(xiàn)了無限時長和精準的鏡頭控制。

SkyReels-A3作為音頻驅(qū)動的數(shù)字人模型，將“照片開口說話”的效果推向新高度?；贒iT（Diffusion Transformer）視頻擴散模型，用戶只需要輸入?yún)⒖紙D像/視頻，文本 prompt 和音頻，SkyReels-A3模型就能生成長達一分鐘數(shù)字人視頻。

可以看到，此前每一次迭代都補全了視頻生成某個關(guān)鍵痛點，而此次發(fā)布的SkyReels 則是真正的“集大成者”。

SkyReelsV3代表一系列多模態(tài)視頻生成模型，包括基于圖片參考、音頻參考和視頻參考的視頻生成模型。該系列模型都基于同一個Multi-modal In Context Learning框架預訓練模型，然后再進行子任務(wù)精調(diào)進一步訓練適配優(yōu)化。

其中，基于多主體參考圖像的視頻生成模型，能夠依據(jù)多張主體與背景參考圖及用戶提示語，生成情節(jié)連貫、符合組合關(guān)系的視頻。

為增強對參考圖像的內(nèi)容保持能力，昆侖萬維構(gòu)建了完整的數(shù)據(jù)處理流程，采用跨幀配對（cross-pair）策略從連續(xù)視頻中選取參考幀，并借助圖像編輯模型提取主體、補全背景并進行語義改寫，有效避免“復制粘貼”的效果；在訓練階段，還引入圖像-視頻混合訓練與多分辨率聯(lián)合訓練機制，提升模型泛化性能。自V2演進至V3以來，該模型已在多項指標上達到閉源SOTA模型水平。

基于前代SkyReels-A3，昆侖萬維正式推出全新的音頻驅(qū)動視頻生成模型則可根據(jù)用戶上傳的音頻與圖像，生成口型精準對齊的高清視頻。

為此，模型采用關(guān)鍵幀插幀范式，支持生成包含不同動作幅度、長達分鐘級別的高質(zhì)量視頻。針對超長視頻生成，模型首先生成等間隔關(guān)鍵幀以構(gòu)建整體動作框架，再以關(guān)鍵幀和音頻為條件，生成各片段口型一致的中間視頻。動作幅度通過調(diào)節(jié)參考圖位置編碼與關(guān)鍵幀之間的距離進行控制。

同時，模型還支持復雜運鏡組合，通過監(jiān)督學習相機運動參數(shù)，模型能夠在同一時間內(nèi)融合多種運鏡效果，并實現(xiàn)不同運鏡間的平滑切換。

自動化評估顯示，在相同分辨率生成場景下，本模型在音畫同步與畫面質(zhì)量方面已接近主流閉源SOTA視頻模型，并顯著優(yōu)于當前開源方案。

接下來我們就上手實測一下新模型的驚艷表現(xiàn)。其中，數(shù)字人模型和視頻延長、風格化模型均在各自領(lǐng)域開創(chuàng)先例。

SkyReels V3 數(shù)字人最硬核的能力創(chuàng)新，就是覆蓋全場景對口型，支持長達4分鐘的連續(xù)口型同步。這與早期模型幾秒鐘的長度限制相比，是巨大的飛躍。此外，它提供了多達32種電影級的運鏡組合，讓數(shù)字人形象更立體，更貼合真實世界。

同時，該數(shù)字人模型還是業(yè)內(nèi)首個支持單鏡頭多人多輪對話的數(shù)字人模型，能夠僅憑一張包含多人的靜態(tài)圖片，生成一段無縫的視頻。在視頻中，每個角色都能根據(jù)預設(shè)的臺詞，進行自然流暢的輪流發(fā)言，精確控制說話的時機和節(jié)奏。

于是，我們用SkyReels還原了一對情侶的分手現(xiàn)場：

可以看到，視頻中的女生并非僵硬地念臺詞，而是會隨其說話內(nèi)容的變化有與之匹配的情緒起伏、表情變化，并向人類說話一樣有自然的停頓，整體觀感非常真實且有代入感。

這項能力突破也解鎖了全新的應(yīng)用場景，能夠制作逼真的雙人電商直播、生成影視或游戲中的對話場景，以及打造更具吸引力的教育內(nèi)容。

這里預埋一則彩蛋——根據(jù)規(guī)劃，SkyReels V3將很快實現(xiàn)通過自然語言指令（Prompt）來控制數(shù)字人表現(xiàn)的功能。這意味著用戶將能夠通過“用高興的語氣說話”或“看向鏡頭”等簡單指令，來指導數(shù)字人的表演，進一步降低了數(shù)字人的生成門檻。

除數(shù)字人外，V3的視頻參考模型表現(xiàn)也十分驚艷。

視頻參考的視頻任務(wù)包括視頻延長，視頻編輯和視頻風格化。為同時支持三項視頻生成任務(wù)并控制視頻參考成本，昆侖萬維實施了多項模型改進。

首先，針對各任務(wù)對條件理解的不同，設(shè)計了差異化的空間位置編碼與任務(wù)專屬嵌入，促使模型統(tǒng)一學習多任務(wù)特性；其次，通過融合Token拼接的靈活性與通道拼接的高效性，在保證生成質(zhì)量的同時顯著降低了總Token數(shù)；此外，引入歷史增強機制，使模型能夠生成長達分鐘級別的連續(xù)視頻。

具體來看，SkyReels V3模型支持下的視頻延長功能不只是“拉長時間”，而是通過分析前一個片段的語義內(nèi)容和用戶的提示詞，來預測并生成下一個符合邏輯的鏡頭。模型支持多種電影化轉(zhuǎn)場方式，如切入（Cut-In）、切出（Cut-Out）、反打鏡頭（Reverse Shot）等，從而能夠創(chuàng)造出具有敘事連貫性的鏡頭序列，而非單調(diào)的無意義鏡頭。

固定鏡頭，聚焦女人的面部，抬頭面無表情地看著鏡頭：

在視頻風格化方面，不同于LoRA等技術(shù)風格化時常出現(xiàn)的“閃爍”問題（即風格在幀與幀之間應(yīng)用不一致）。事實上，視頻風格化效果不佳的核心原因，就在于高質(zhì)量風格化數(shù)據(jù)缺失。

為此，昆侖萬維引入了一套端到端自動化的風格化數(shù)據(jù)生成與篩選流程，能夠深刻理解場景中的物體及其運動軌跡，確保所應(yīng)用的風格——剪紙、辛普森、鉤針毛線、樂高、動森、像素、梵高，可廣泛應(yīng)用于廣告創(chuàng)意、動畫制作、視覺再創(chuàng)作等場景。在時間維度上保持穩(wěn)定，從而產(chǎn)出質(zhì)量更高、觀感更專業(yè)的風格化視頻。

將原視頻像素化后：

可以看到，SkyReels V3不僅繼承和優(yōu)化了前代模型的視頻生成能力，更通過“無限畫布”和“Agent”系統(tǒng)，將圖片、音頻、視頻等多模態(tài)能力整合進一個統(tǒng)一的工作流。統(tǒng)一工作流的終極目的，實則還是為了讓AI真正從玩具變成工具，賦能更多行業(yè)，創(chuàng)造更大的社會效益。

3.AI不止于炫技，更要賺錢

全新SkyReels的發(fā)布并非孤立的產(chǎn)品事件，而是昆侖萬維“All in AGI與AIGC”公司戰(zhàn)略的關(guān)鍵一環(huán)。

公司已系統(tǒng)性地構(gòu)建了一個覆蓋全產(chǎn)業(yè)鏈的AI生態(tài)系統(tǒng)，涵蓋底層算力基礎(chǔ)設(shè)施，中層算法模型以及多元化AI應(yīng)用。

具體來看，在算力基礎(chǔ)設(shè)施層面，昆侖萬維通過控股AI芯片公司艾捷科芯，完成了AI生態(tài)的底層布局。艾捷科芯采用7nm+Chiplet工藝，其SRAM數(shù)字可重構(gòu)存內(nèi)計算芯片能效達2238TOPS/W，支持千路4K視頻流處理，緊密契合昆侖萬維的視頻戰(zhàn)略。

在算法模型層面，昆侖萬維自主研發(fā)的“天工”系列大模型已發(fā)展至4.0版本，包含多個針對不同應(yīng)用場景的子模型，在邏輯推理、多模態(tài)處理等方面有顯著提升。

在應(yīng)用層面，昆侖萬維構(gòu)建了豐富的AI產(chǎn)品矩陣，覆蓋辦公、創(chuàng)作、娛樂、社交、游戲等多個場景。其核心產(chǎn)品包括：

AI智能助手：2025年5月22日，公司面向全球市場同步發(fā)布天工超級智能體（Skywork Super Agents）。天工超級智能體采用AI Agent架構(gòu)與Deep Research技術(shù)，具備一站式生成文檔、PPT、表格、網(wǎng)頁、播客及多媒體內(nèi)容的能力，在GAIA評測中憑借82.42的高分位列全球榜首，正式開啟“AI Office智能體”時代。

AI音樂與音頻：Mureka音樂生成平臺，年化流水收入ARR達1200萬美元，覆蓋全球100多個國家。

AI社交：Linky AI虛擬角色互動平臺，累計下載量突破2000萬，在31個國家和地區(qū)的社交類下載榜中位列前十。

AI視頻：SkyReels平臺，集成了視頻生成、圖像創(chuàng)作等功能，支持從劇本生成到影片合成的全流程創(chuàng)作。

AI游戲：《貓森學園》也正在研發(fā)測試中，將結(jié)合AI提供開放世界校園生活模擬游戲體驗。

在這個宏大的生態(tài)版圖中，SkyReels 在扮演著至關(guān)重要的角色，它是將公司在多模態(tài)AI領(lǐng)域的深厚研發(fā)投入商業(yè)化、并觸達全球用戶的核心載體。

這一戰(zhàn)略已經(jīng)開始顯現(xiàn)出商業(yè)價值。公司近期發(fā)布的三季度財報顯示，2025年第三季度，昆侖萬維實現(xiàn)營收20.72億元，同比增長56.16%；歸母凈利潤1.9億元，同比增長180.13%。

這些數(shù)據(jù)有力地證明，昆侖萬維的全球化布局和對AI的堅定投入，正在轉(zhuǎn)化為實實在在的財務(wù)表現(xiàn)。 不過，盡管能讓自己賺錢的企業(yè)，足以被稱為一家優(yōu)秀的企業(yè)，但能讓更多企業(yè)和自己一起賺錢的企業(yè)，或許才能被稱之為偉大的企業(yè)。SkyReels憑借其專業(yè)化和商業(yè)化的明確導向，無疑會更快將公司逐漸推向后者。

此次，SkyReels 中加入了“AI海報”和“虛擬試穿”為代表的平面設(shè)計功能，在視頻內(nèi)容創(chuàng)作之外打開了一條全新的商業(yè)路徑。

AI商品海報最實用的一項功能是，能夠支持海報中文本的編輯。海報上的標題、賣點、價格等所有文字均可靈活編輯，完美貼合營銷節(jié)點。

這個看似簡單的功能，卻是一項意義重大的工作流創(chuàng)新。營銷人員面臨的一個主要痛點是，AI生成的圖片一旦完成，便難以進行微調(diào)，尤其是文字修改（如價格變動、促銷信息更新）。任何微小的改動都意味著需要重新生成整張圖片，結(jié)果往往不盡人意。SkyReels 允許用戶在生成的海報上直接、靈活地編輯所有文本元素，將AI素材從靜態(tài)的“一次性”產(chǎn)出，轉(zhuǎn)變?yōu)閯討B(tài)的、可復用的模板。

此外，SkyReels 還支持SOTA級別的虛擬試穿。更重要的是，它支持多件服飾同時試穿（例如上衣和褲子），并能通過AI自動推薦“套裝”組合。

原圖：

試穿圖：

這一功能直接與清晰的商業(yè)指標掛鉤——提升客單價，展示了技術(shù)如何直接服務(wù)于商業(yè)目標。

這兩項針對平面設(shè)計推出的全新功能也意味著標志著SkyReels系列模型正式從一個視頻生成工具，進化為服務(wù)于更廣泛商業(yè)場景的一站式創(chuàng)意平臺，賦能更多企業(yè)、甚至行業(yè)完成數(shù)字化轉(zhuǎn)型。

更利好的消息在于，昆侖萬維此前的全球化布局，已經(jīng)給如今技術(shù)和產(chǎn)品的落地鋪墊了足夠的充分的市場基礎(chǔ)。昆侖萬維此前發(fā)布的三季度財報顯示，公司實現(xiàn)海外業(yè)務(wù)收入54億元，同比增長58%，海外收入占比達93.3%，同比提升3.6個百分點，國際競爭力持續(xù)增強。

如今，昆侖萬維SkyReels的發(fā)布也很好地切中了AI視頻市場當前的重要拐點，有望撬動更大的應(yīng)用市場?！盀榧夹g(shù)而技術(shù)”的時代已經(jīng)告一段落，未來屬于那些能夠可靠、高效、規(guī)?；厝谌雽I(yè)工作流，以解決真實商業(yè)問題的平臺。SkyReels 則給這個新范式，按下了啟動鍵。

（封面圖來源：昆侖萬維）