2025年快手研究报告：看好快手可灵卡位，多模态视频生成全球领先

一、视频生成模型进入高速发展期，可灵、Sora、 Veo2 综合实力领先

1.1 视频生成模型以 DiT 为主流架构，以快手为代表的国内厂 商快速取得技术突破

视频生成模型以 DIT 为主流架构，目前发展迅速。AI 视频生成技术的迭代路径分为多个阶段，每 个阶段的技术升级都带来了视频生成质量飞跃性的提升。过去 10 年中，视觉生成式技术框架逐渐 从生成对抗网络（GAN）向扩散模型（Diffusion Model）过渡，期间也出现了基于 Transformer 的方法但未成为主流。2022 年 12 月，Willian Peebles 和 Saining Xie 通过论文提出 DiT 的神经网 络结构，其结合了视觉 Transformer 和 Diffusion 的优点，把 DPPM 中的卷积架构 U-Net 换成 Transformer 架构，高效地捕获数据中的依赖关系并生成高质量的结果。Willian 随后加入 OpenAI 领导 Sora 项目，将 DiT 和规模定律扩展至视频生成中。快手可灵、OpenAI Sora、生数科技 Vidu 等都是采用 DiT 架构的典型代表。

Sora 发布后国内厂商迅速实现技术追赶，快手 4 个月后上线可灵并保持快速迭代。Sora 的核心 技术支柱为 DiT 架构，将 Transformer 引入扩散模型，极大提升了后者的扩展能力，底层仍然是 围绕加噪去噪的扩散过程做训练。Sora 的发布也引领了视频生成模型的 DiT热潮，2023年 DiT原 始论文的被引次数约 200 次，至 2024 年 12 月已被引用近 800 次，增长近 3 倍。Sora 发布后， 次月便出现尝试复现的开源项目 Open-Sora 和 Open-Sora-Plan，此后生数科技、谷歌、快手等 陆续发布对标Sora的闭源模型产品，并持续保持迭代，如快手可灵2024年6月上线1.0版本后、 9 月升级 1.5 版本、12 月升级到 1.6 版本，内部测评 1.6 版本相较上一版本性能提升 195%。目前 市面上的视频生成产品，包括海外的 Sora、Veo2、Runway、Luma、Pika 和国内的可灵、海螺、即梦、Vidu、混元、通义万相。考虑到视频生成的主要产品均是 2024 年才密集发布，我们认为 可以重点关注技术和产品迭代情况。

现有玩家里，Tier1 为谷歌 Veo2、OpenAI Sora、快手可灵、Minimax 海螺、生数科技 Vidu， 如何筛选核心指标及评判？目前市面上对视频生成模型的评价体系主要围绕三个维度展开： 一是生成视频的真实性和美学效果：包括视觉吸引力、趣味性、颜色、风格等。我们理解对 于这个指标，一梯队的厂商无明显差异，但能和二梯队厂商拉开差距； 二是语义对齐：衡量用户输入的 prompt 和生成视频的对齐和遵循程度。从这个层面，我们 理解为有LLM模型能力储备的厂商如阿里、字节或能快速迭代出语义遵循表现较好的产品； 三是视觉质量：主要衡量生成内容的时间一致性（是否会出现变形伪影、模糊或扭曲）、运 动完整性和自然性（运动量和幅度、以及对物理规律的理解和仿真） 综上，我们认为，尤其对于一梯队厂商来说，视觉质量是更核心的指标（在 LLM 模型开源趋势 下，不同视觉生产模型的语义对齐能力或能看齐）。 参考 Vbench 的测评体系，其对视觉质量的评价相对全面，主要基于主体一致性、背景一致性、 时间闪烁、运动平滑性、动态度这 5 个细分指标，快手可灵表现优异。Vbench 是由上海人工智 能实验室、南阳理工大学 S-lab、香港中文大学、南京大学联合提出的视频生成模型评测体系，提 出了 16 个分层和解耦的评测维度，主要分为两大类，视频质量和视频条件一致性。视频质量强调 时间维度上的一致性、运动平滑性、动态程度和美学价值，视频条件一致性强调 T2V的视频-文本 一致性和对齐程度。从测评情况看，快手可灵（测评中为 1.0 版本）在时间维度的一致性上表现 优秀，且视频中生成的运动平滑度高、对物理定律的遵循较好。 此外我们了解到，实际在工业化场景应用中，如游戏、短视频、广告、电商商品视频等，更关注 精准控制，但目前已有的评价体系未有进行测评刻画。精确控制衡量的是对生成内容的局部细节 调整、以及对于用户指令变化进行精确地控制修改，在这个指标下 Sora、Vidu、可灵表现突出。

此外，我们以 Google 内部测评的结果来对可灵排位和领先性做交叉验证，其内评结果显示快手 可灵 1.5 仅次于谷歌 Veo2。谷歌发布 Veo2 时，基于 Meta 的 MovieGenBench 基准数据，对用 户偏好 Veo2 或对比模型（Sora、Meta 的 Movie Gen、快手可灵、海螺）的情况做了测评，测评 结果显示偏好对比模型占比最高的是可灵，有 32.6%的用户在和 Veo2 的对比下选择快手可灵。 若综合考虑偏好可灵和认为两个模型打平的用户情况，则只有可灵的偏好度占比超过 50%。此外 在语义遵循这个层面，有 36.6%用户认为可灵表现更胜一筹。

综上所述，我们认为文生视频模型的技术发展已经进入到明显加速期，以主流架构 DiT 为基础技 术路径，海外 OpenAI Sora、谷歌 Veo2、Luma，以及国内快手可灵、Vidu、海螺、阿里通义、 字节即梦、腾讯混元均进入产品快速迭代周期，一梯队厂商主要为 OpenAI Sora、谷歌 Veo2 和 快手可灵等。技术能力的核心要素为视觉质量和精确控制，可灵在这两个维度上的综合表现均为 领先状态。因此，我们认为随着多模态技术持续演进、成本进一步下降，产品和商业化的演进和 落地将会进入发展新周期。

1.2 现为视频多模态阶段一，除技术外，可跟踪产品和商业化 边际变化

24 年主流产品均快速迭代，快手迭代速度保持领先。我们认为在现在多模态视频技术水平处于周 期发展的阶段一，技术为核心观察指标，但也需关注各家产品变化情况。从过去的2024年，视频 生成模型厂商基本迭代版本数在 3~5 个版本，其中可灵基本保持 3 个月一次版本迭代并做到全量 上线，迭代速度保持领先。从生成视频时长看，目前多数能生成 5~10s 的视频，分辨度多在 720p/1080p，整体差异不大。从各产品主要功能看，Sora、可灵、Runway 有较丰富的功能。现 有的产品实际生成效果对比下，可灵的细节控制、场景的细致程度更好。我们预期 2025 年产品 迭代速度会加快，可灵有望持续保持领先优势。

视频生成产品访问量快速增长，海螺、可灵、Sora 领先。从视频生成产品的用户访问量来看， 2025 年 2 月海螺、可灵、Sora 位居 Top3，分别为 2756 万、1591 万、1050 万；从独立访客数 看，海螺、Sora、可灵分别以 634 万、592 万、376 万保持领先。具体从流量的地区分布看用户 差异，快手可灵的第一大流量来源为美国，占比 14.18%，仅次于本土产品 Sora 的 32.09%，高 于 Veo2 的 9.84%，且高于其他国内产品如海螺、Vidu、即梦。 对比视频生成产品和 Top AI 产品的访问量量级情况，存在差距，可持续跟踪未来 gap 趋势反映 技术成熟度和用户接受度情况。2025 年 2 月 ChatGPT web 端用户访问量为 40.4 亿，国内 web 端用户访问量最大为 DeepSeek 为 5.7 亿，视频生成产品与相对成熟态的 ChatBot 应用相比存在 较大差距，说明目前视频生成产品发展仍处于早期阶段，距离达到产品 ToC 大范围应用仍有距离， 需要产品能力提升和成本进一步下降。

整体行业商业化均处于早期阶段，未来创作门槛进一步降低、社区生态形成后变现方式更具想象 空间。我们的观点在于，目前处于技术快速进步期、视频推理的算力成本未大幅下降阶段，对应 产品发展初期阶段，当前商业化方式主要以工具属性收费为主。未来随着技术进步、成本进一步 降低，以及产品的进阶，商业模式会发生变化。 对比国内外主流视频生成大模型，各公司目前针对 C 端均采用会员付费体系、针对 B 端采用 API 接口调用，会员体系为用户提供差异化效果体验（如在分辨率和部分特色功能上），具体为每月 给予一定量免费视频生成额度，若需使用更多相关功能或生成更高质的视频则需通过额外付费成 为会员解锁。 目前从披露的商业化流水数据来看增速较好，如 Runway2024 年 12 月的年化收入为 8400 万美元，相较 6 月的年化收入 2800 万美元增长了 2 倍；快手可灵 ToC 端的单月流水（24Q3） 为千万量级，起量较快；ToB 端可灵在 2024 年 9 月开放了 API 服务，涵盖了视频生成、图 像生成和虚拟试穿等模块，电商、广告主等企业客户可以将可灵模型融入自身系统，以提升 内容创作的效率，通过提供定制化 API 服务探索收入，这将是可灵 25 年的重点发力方向。 从单条 5s 视频的生成成本看，除了 Runway 的 Gen-3 Alpha 价格较高达到 8.17 元/条，其余 产品的单条 5s 视频生成成本多在 1~4 元。 未来随着视频生成模型的不断迭代完善，商业化路径也会逐渐清晰，我们判断会有变现更高的商 业模式出现。展望来看，初期工具应用积累下来的创作者沉淀为种子用户，新的社区生态和环境 下，可以探索类似接商单的商业模式，除了 API 收入，视频生成大模型公司或可基于订单金额分 成形式进一步拓展收入空间。

二、快手可灵领先地位，期待多模态视频进一步发展

我们认为，市场忽视了快手成长起来的技术属性，无论是早期作为动图 GIF 工具的技术储备，帮 助快手从 PC 互联网后期的工具应用成功转型为移动互联网时代的短视频社区，亦或是快手本身 在推荐算法上的深厚储备。在视频生成这一新赛道上，快手的优势在于数据资源、战略聚焦和组 织架构优势。

2.1 技术基因不容小觑，可灵持续领先下有望顺利转型 AIGC 内容社区

通过对快手的历史发展作回溯，我们认为市场忽视了快手起家的技术基因，早期快手凭借 GIF 动 图制作这一工具属性的单点技术，成功向短视频社区转型并商业化。“快手”成立于 2011 年 3 月，前身是“GIF 快手”，是一款动图生成工具，由程一笑创立。彼时创业团队一共 4 人，均是 技术出身。并且早期用户就是极客和有创意的动图爱好者。凭借快速迭代、持续降低动图制作门 槛，以及微博的传播，GIF 快手一度达到千万级别的月活，因此快手前身即更偏工具属性、技术 能力更突出。此后公司在动图基础上上线了配音功能，内容形态转向短视频，以及创作的短视频 可以分发到快手的视频社区中，从而完成从工具属性到短视频社区的转变。2013 年随着宿华加入、 将短视频 feeds 流和算法结合（早于头条系），产品技术能力进一步得到强化。2017 年起公司开 始商业化，搭建商业化中台和团队，在产品团队运营等方面都采取更加主动进攻的姿态，积极布 局出海、AI 等新业态。因此快手历史上就是一个有技术储备和算法实力的公司，技术力帮助快手 顺利从 PC 互联网后期过渡到移动互联网时代，目前可灵有可能作为下一代 AIGC 内容社区的生 产工具，在持续保持领先的情况下再次帮助快手完成移动互联网时代到 AIGC 内容社区的转型。

2.2 快手战略聚焦+组织架构统一协调，带来高效执行贯彻

公司战略上的重视、资源倾斜以及组织架构的稳定统一性决定可灵技术持续领先。 从战略重视程 度和资源倾斜度上看，相比阿里、腾讯、字节等大厂对于 AI 有更为宏观的叙事，涵义底层云服务、全面的基础模型家族、原生应用场景和生态等，快手除了布局自有快意大模型、提升推荐算法模 型效率、赋能现有业务之后，差异化在于将单点的文生视频模型重要程度提到战略级地位。在可 灵项目开始不到一个月，就获得了程一笑的支持，公司的算力和卡也均是全力优先支持可灵。从 组织架构的稳定统一性看，可灵是由万鹏飞带领的视觉算法团队 2024 年 3 月初立项投入，而其中 的核心人员几乎是“固定队伍”，从2022年开始合作，无需再进行磨合。其余几人分别在数据、 推理、产品等层面进行补充，整体团队的模型-产品统一性和稳定性来说都具有优势。因此我们认 为可灵在战略重心的定位下，组织架构稳定统一，内部决策或更加顺畅，对应带来更高效的贯彻 执行力。

可灵的核心团队经验丰富、技术过硬，核心骨干包括万鹏飞、Xin Tao 等人。万鹏飞，现快手视 觉生成与互动中心负责人，本科毕业于中国科学技术大学 EEIS 系，后获得香港科技大学博士学 位，专注的技术方向包括图像/视频/3D AIGC、XR 与数字人、Mobile/Efficient AI 等，曾任美图影 像实验室 MTlab 负责人，2020 年加入快手后长期担任快手 Y-tech AI 技术中心负责人，牵头快手 数字人系列解决方案 。此外，团队的其他核心成员均为视觉算法领域的资深研究骨干、分工明确。 Xin Tao，快手科技视觉生成组（即可灵团队）的高级研究员和技术负责人，主要负责高效视频生 成和编辑系统的研究和部署，2018 年博士毕业后曾在腾讯优图实验室任高级研究员，加入快手后， 在视频处理和分析组、Y-tech 混合现实团队负责牵头实用视频编辑算法的研究和技术转让，以及 用于直播的 2D 数字人综合系统，研究兴趣包括视觉修复和生成。

2.3 国内短视频数据具备优势，可灵有望持续领先

对于视频模型的持续迭代和优化，我们认为底层数据和语料库是重要燃料，而对数据的精细化标 注和处理是助燃剂。从快手角度来看，一方面数据量的优势体现在，以 2024 年为例，快手平台 每天有超过 4000 万条新视频上传，UGC 产量优势下快手自有场景下就能积累丰富的素材资源。 并且视频资源的场景覆盖面丰富多元，包括影视娱乐、旅游、美食、游戏、宠物等垂类内容，对 于模型生成视频的内容真实和风格多样有益。比如此前快手可灵出圈的“吃面”“吃汉堡”视频 效果突出，这和快手有大量的吃播视频有关，可灵生成的吃饭视频中人物往往有较为大幅度的嘴 部动作和较好的流畅性，生成效果更生动真实。另一方面数据质量的优势在于，快手作为短视频 内容平台，同时基于推荐算法的逻辑，常年对视频进行清晰地标注以进行更精准的内容推荐和分 发。快手早期在全国各地有很多标注基地，可灵大模型团队也对视频数据从视频基础质量、美学、 自然度等多个维度进行描述和定制化标签特征设计，以便精细筛选和调整训练数据的分布。因此 我们认为，视频数据资源是未来各家持续迭代差距拉开的重要底层因素之一，且底层训练数据的 风格和调性同样决定了推理生成视频的风格。考虑到海外视频模型训练的素材更多来自 YouTube、影视和游戏画面，国内短视频厂商在短视频资源有更高的产量、历史数据标注工作的 积累，且短视频的运镜和镜头切换风格、更聚焦于画面中的单一主体，而不像影视、游戏等有较 大工业化场面，在未来类似广告素材、电商商品等短内容需求下，国内视频生成模型或有望比海 外的适配性更好。 综上所述，在快手技术基因、战略聚焦和组织统一稳定，并且自有场景下源源不断生产数据和进 行精细化的数据标注工作，再叠加快手本身自有渠道的用户量级等多个维度，我们认为快手可灵 具备持续领先的可能性。

三、公司流量稳健，基本面稳定，提供较好安全边际

快手流量稳健，社区价值具有稀缺性。无论是视频号的崛起还是来自行业龙头抖音的竞争，快手 在流量端始终保持内部的自我优化，MAU、DAU 均保持增长态势，24Q3 快手 MAU、DAU 分别 为 7.14 亿、4.08 亿，yoy+4.3%、5.4%。从用户粘性来看，24Q3 快手 DAU/MAU 为 57.1%，近 几年相对稳定，单 DAU 日均时长在 132 分钟。

25 年我们预计电商 GMV 增速为 13.5%，收入增速为 10.9%。快手收入结构中有 4 成左右来自电 商业务贡献，其中包括内循环广告和电商佣金，因此电商 GMV 为影响公司业绩的第一指标。 2025 年我们预计快手在线营销服务/其他业务/直播收入分别为 841/204/365 亿，同比分别变动 15.6%/16.1%/-1.0%；总收入为 1410 亿元，同比增长 10.9%。

我们预测 2025 年经调整净利润 201 亿，关注 AI 降本增效。快手 2024 年分季度的毛利率同比改 善趋势显著，主要受益于收入结构变化，高毛利的广告、电商收入占比提升。2024 下半年销售费 用和研发费用绝对值均有增长但费率相对稳定，销售费用主要系主业补贴增加，研发费用主要系 AI 相关的 Capex 投入增加。2025 年我们预计毛利率继续提升到 56.5%，Non-GAAP 净利润为 201 亿。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）