這幾天，字節新一代視頻生成模型Seedance 2.0被全球開發者、影視從業者及金融分析師一致定性爲視頻生成領域的 “奇點時刻”。
Seedance 2.0發佈方式相當低調，但絲毫掩蓋不住模型能力的光芒。這個模型有點像Sora 2但更高級，能從一個提示詞創建包含大量剪輯和不同場景的完整視頻，而且清晰度高，一致性強，大動作準，運鏡高級。
影視颶風Tim 的評測視頻是引爆傳播的關鍵節點，他展示了兩個"細思極恐"的細節：僅上傳一棟建築正面照片，Seedance 2.0就自動還原了建築背面的真實結構；僅憑人臉照片（無參考音頻），模型生成了高度模仿其本人音色和語氣的聲音。
人們普遍只能以簡單的感嘆刷屏：“牛逼”“這真的是AI嗎”。
“這是過去一年多來，AI的進步第一次讓我感到如此興奮。或者說，戰慄。很多人都在等視頻領域的GPT-3.5時刻，大家覺得那還要兩三年。Seedance 2.0告訴我們，它已經近在眼前了。”有人這樣寫道。
Seedance 2.0還引發A股媒體和AI應用板塊集體上漲。華策影視、完美世界漲7%-10%，中文在線直接漲停20%。
全網有越來越多的人用各種方法測試和“玩壞”Seedance 2.0，其中有一些案例得到了更廣泛的傳播。基於全網案例的熱度數據（播放量、轉發量、評論量、二創衍生量）和製作質量，娛樂資本論編輯部評出了這些案例針對最多的是現有的哪些行業，從而得到了一個最容易被Seedance 2.0模型革新的行業Top10清單。
我們按以下邏輯反向推導：某類作品越多、熱度越高、製作完成度越接近商用標準，意味着該行業被革新的信號越強。同時，疊加行業自身的成本敏感度、週轉速度要求、客戶對質量瑕疵的容忍度等“脆弱性”指標，得出最終排名。
娛樂資本論
，贊14
#本文已採訪兩位相關人士，他也是「娛樂資本論」2026年採訪的第55-56位採訪對象
第十名：綜藝、真人秀後期與片頭製作
革新確定性：★★☆☆☆（中）
在影視颶風Tim所發佈的介紹視頻中，使用他本人的臉和聲音，構築了幾個現實中不存在的情節，比如他去逛菜市場，和去籃球比賽現場，從觀衆席走過的場景；而且還能模仿他的聲音，很小聲的說需要保持安靜等等。
對於真人秀一閃而過的情景，這種人造鏡頭應該是絕對夠用了。
當AI可以自動生成氛圍感十足的片頭、自動踩點音樂做轉場、甚至讓吉祥物IP在實景中做互動，基礎的後期包裝工作將大幅減少人力需求。但綜藝的核心是即興感和真人互動，AI目前在理解綜藝節奏和笑點設計方面仍有明顯短板。
除此之外，我們也注意到有些剪輯智能體標榜可以自動爲識別出來的字幕改編爲花字。這也將會革新後期中另一個極費工夫的過程。
第九名：科普、教育視頻製作
革新確定性：★★★☆☆
谷歌nano banana 2模型發佈後，一個非常流行的玩法是讓它用哆啦A夢的形象來講述某個科學故事，可以由此生成長篇、劇情連續的漫畫，幫助人們由淺入深地入門。
娛樂資本論也發現了一些使用Seedance 2.0製作的科普視頻，例如用類似超級飛俠、汪汪隊的兒童動畫片鏡頭，來幫助人們學習最近大熱的自動化工具OpenClaw的視頻。
教育視頻的核心矛盾是內容專業性高，但製作預算低。一個優秀的科普視頻，需要精準的可視化來解釋抽象概念，傳統做法是找動畫師或用PPT動畫湊合。Seedance 2.0可以將文字描述直接轉化爲粒子物理模擬、歷史場景重現、生物過程動態演示，且成本趨近於零。對於知識付費平臺和在線教育機構來說，課件視頻的製作效率將提升一個數量級。
科普類產品的一個關鍵短板在於，必須有真正的專業人士來審覈，例如描述恐龍化石或植物的圖片，不允許在顏色、花紋或葉子形態上出現幻覺誤差。但Seedance 2.0的主流用法是圖生視頻，所以只要基準圖給對了，那麼生成的視頻也可以保證很強的一致性。
第八名：三維動畫、遊戲CG動畫製作
革新確定性：★★★☆☆
Tim提到，他們曾經給一位癌症患者圓夢，嘗試使用AI革新傳統CG動畫。描述一列火車在天空飛行的畫面，傳統CG技術需要幾個月，而從2023到2025年，AI視頻的效果越來越好。
新京報記者親自用一張照片+提示詞，生成了人與宇樹機器人激戰的多角度大片，製作全程不超過5分鐘。
遊戲科學CEO馮驥在微博驚歎於其“多模態信息理解能力的飛躍”，預測“內容領域必將迎來史無前例的通貨膨脹，傳統組織結構與製作流程會被徹底重構”。遊戲行業是AI視頻最敏感的下游之一。一個遊戲CG預告片的製作成本在幾十萬到數百萬不等，週期數月。AI必然會讓遊戲公司會重新評估CG外包預算。
第七名：MCN視頻內容批量製作
Tim還提到了一個有趣的例子，就是嘗試使用Seedance 2.0生成何同學的視頻，結果臉是何同學的臉，但是聲音是Tim的聲音。此後，儘管字節官方API封堵了使用真人臉作爲參考圖，但AI稍微融一點特徵之後，截止發稿，還是有人可以繞過檢測生成。
B站已經有不少人嘗試使用百大up主的圖片截圖，在一張截圖後面讓模型去續寫不同的故事，生成一致、連貫且有配音的內容。
數字人是本輪AI時代最早的一種應用形式，在視頻大模型時代之前，傳統的數字人已經可以實現局部對口型，此後實現局部的搖頭晃腦、擺手或拿取東西等動作，也有一些使用動捕的方案。但是Seedance 2.0的可怕之處在於，只需要一句提示詞和一個參考圖就可以做同樣的事情，門檻已經不能再低。
關於配音不準的問題，也不難解決。娛樂資本論稍早前舉行的一人劇組：AI（漫）劇全鏈路沙龍活動上，做海外短劇的陸思津就提到，他們使用MiniMax的聲音模型爲原片重新配音，以及翻譯成多國語言版本。
MCN的商業模式是量產爲王，而這恰好是AI最擅長的。機構原本依賴的人海戰術內容產線，將被AI和抽卡師的組合革新。
第六名：傳統二維動畫中間畫製作
革新確定性：★★★☆☆
一則寶可夢動畫復刻的病毒視頻，體現了Seedance 2.0生成二維動畫的能力。高達、進擊的巨人、千與千尋、迪士尼風格都迅速有人跟進模仿。
娛樂資本論私下詢問了2位業內人士，他們認爲即夢出片的綜合成本較低。這不僅指單次抽卡所需要的金錢，而且要求更少的廢片率。他們認爲在國內模型中，可靈、即夢這兩大模型的廢片率/抽卡失敗率是處於同一水平，而即夢的單次抽卡成本比可靈低，因此綜合成本佔優。
日本動畫產業長期受困於人力瓶頸，大量原畫師和中割畫師的勞動構成了產能天花板。動畫外包工廠，尤其東南亞外包鏈，今後有望被大量革新。不過根據知乎等一些地方的細緻評測，該模型目前對“特別平面的日式二次元”風格的處理仍有差距，似乎更適合國漫、韓漫以及全3D或半3D風格。
第五名：電商短視頻，產品展示視頻
革新確定性：★★★★☆
電商短視頻是一個體量巨大但單價極低的市場，對“快+便宜”的需求遠大於對“精”的要求。虛擬模特穿上真實衣服且臉部不變形的能力，在此之前可以通過一些封裝好的工作流製作，但還是那句話，新模型讓這一切變成了一句話就行。
尤其從一鍵換裝到一句話換裝的超越，意味着整個電商視頻拍攝的產業鏈（攝影棚、模特經紀、產品攝影師）都加速面臨價值蒸發。
第四名：影視後期中低端視覺特效
革新確定性：★★★★☆
目前Seedance 2.0對於視效最實用的兩個用法，一個是提示詞直接生成內容，一個是綠幕動捕。
前者比如影視颶風的“蜜雪冰城大戰外國茶飲機器人”畫面：
後者比如隨手拍綠幕，模型還支持從一個視頻讀取動作，從一些圖片讀取主體面容：
短期來看，逐幀精修還有一些活路，但概念設計、分鏡預演、粗剪、基礎合成等視效的中游鏈路，正在被AI整體壓縮。綠幕轉寫實測，不用摳像，不用做背景，不用思考光影匹配，導演在開拍前就看到接近成片品質的預演——假設他看完還想再實拍的話。
第三名：真人短劇承製、翻拍
革新確定性：★★★★☆
真人劇在Seedance 2.0這邊體現的能力，主要體現在對多種風格的復現上面，這不僅包括現代豎屏短劇，甚至包括老片。
比如日本特攝風格：
以及李小龍動作片風格：
在短劇的觀衆對細節並不挑剔的前提下，真人AI劇，可以說只是下面第二名——AI漫劇的其中一個子集、一種畫風而已。可能唯一還需要真人的就是依然有一些變形的地方，需要人補拍而已，像極了AI出歌曲以後“扒譜子”的真人崗位。
第二名：AI漫劇全流程直出
革新確定性：★★★★★
首先要說的是，就像娛樂資本論的年度回顧指出的一樣，AI漫劇早就已經是一個充分競爭和內卷，且效率極高，週轉極快的行業。
行業此前依賴工程層面的工作流、智能體，這些公司靠工作流優化賺差價。但當Seedance 2.0的角色一致性和分鏡能力跨過門檻後，工程層可優化的空間急劇縮小。
開源證券方光照團隊稱，Seedance 2.0可能是“AI影視的''奇點''時刻”，在運鏡、分鏡、音畫同步上實現突破，給用戶導演級控制精度。預計將在AI漫劇、AI短劇等短內容方面率先廣泛應用。東方證券指視頻生成賽道進入“類25年LLM模型的競爭狀態”，基礎能力均達高水準後，差異化在於落地場景。
還有評論標題爲《AI視頻第一階段的比賽結束了》，指出漫劇智能體賽道受到直接衝擊，未來比的可能就是你對Seedance 2.0的理解程度。
第一名：中低端商業廣告製作
革新確定性：★★★★★
來一句暴論吧——電視廣告行業，無了。
這種多重分鏡似乎已經在上述案例衝擊下，大家習以爲常了。那麼看看下面這個仿造微軟Fluent設計風格，用毛玻璃做的三維場景呢？
在娛樂資本論一夜之間收集的50多個案例裏面，廣告片就佔到10個，且完成度最高。這是案例數最多，完成度最接近商用，而且行業本身最對成本敏感的品類。
一條本地生活TVC從創意到成片可能原本要5-20萬元+2-4週週期。同時，還有大量的圖片版、視頻版“視覺中國”類業務，它們極度萎縮以後剩下的那一丁點需求，是否還撐得起現在這麼龐大的商業模式？
