我并不太看好 AI 生视频成为一门特别好的生意，至少不认为它能像 AI 编程一样，形成广泛、持续而且高价值的需求。

这并不是因为视频生成技术不够先进，也不是因为从事视频工作的人比程序员少。事实上，如果只看潜在用户规模，视频可能比编程大得多。程序员只是一个相对有限的职业群体，而视频几乎面向所有互联网用户。短视频创作者、电商商家、广告公司、影视团队、游戏公司、教育机构和普通消费者，都可能使用 AI 生成视频。

但潜在用户多，不代表商业价值一定更大。真正决定一门生意是否成立的，不只是有多少人能够使用它，而是它解决了什么稀缺问题。

AI 编程和 AI 生视频看起来都在降低生产成本，但它们解决的是两个性质完全不同的问题。AI 编程缓解的是软件需求不断增长与程序员生产能力有限之间的矛盾，AI 生视频缓解的则是视频制作昂贵、速度较慢的问题。前者面对的主要是尚未被满足的功能需求，后者面对的却是已经严重过剩的内容供给。

软件世界长期缺少的不是代码本身，而是能够解决问题的软件。企业有大量系统需要开发，大量流程需要自动化，大量旧代码需要维护，大量数据需要连接，大量内部工具因为成本过高而从未被建设。很多软件需求并不是不存在，而是过去不值得专门雇佣工程师去完成。

AI 编程降低开发成本之后，这些潜在需求就可能被释放出来。原本需要三个月才能开发的内部工具，现在可能只需要几天；原本不懂编程的运营、研究人员和小企业主，也可能借助 AI 创建简单的软件；原本因为人力不足而长期搁置的测试、重构和文档工作，也可能重新变得可行。

所以，AI 编程不只是让程序员更快地生产同样数量的代码。它还可能扩大软件能够进入的领域，让过去不值得开发的软件变得值得开发，让过去只能依靠人工完成的流程变得可以自动化。

代码供给增加以后，不需要另外寻找一群人花时间“消费代码”。用户真正消费的是代码所实现的功能，而功能可以帮助他们节省时间、完成交易、管理企业、分析数据或者控制机器。代码甚至可以在没有人注视的情况下全天运行，不断创造价值。

一段程序可以同时为一百万个用户提供服务，也可以在后台每天执行一亿次任务。它创造价值的过程并不占用等量的人类注意力。软件使用得越多，可能帮助人们节省的时间越多。

视频恰恰相反。视频的商业价值在很大程度上依赖人类注意力。无论是电影、短视频、广告、品牌宣传还是知识内容，最终通常都要有人点击、观看和停留，才能产生收入。如果一段视频从未被看见，那么无论画面多么精美、生成成本多么低，它都很难产生真正的经济价值。

AI 可以让全球的视频生产能力增长一百倍、一千倍，人的观看时间却不可能同比例增长。一个人一天仍然只有二十四小时。在扣除睡眠、工作、吃饭和现实生活之后，能够用于观看视频的时间有非常明确的上限。

这就是 AI 编程和 AI 生视频最根本的差别。

AI 编程增加供给时，有机会同步创造新的需求。因为软件变得更便宜以后，过去没有被数字化的领域可以被数字化，过去没有被自动化的任务可以被自动化。AI 编程生产的代码还能继续生产服务、执行任务和替代重复劳动。

AI 视频增加供给时，却必须让所有新增内容共同争夺相对固定的观看时间。视频变得更便宜，不代表观众就会获得更多时间。供给增加得越快，平均分配给每条视频的注意力反而可能越少。

这可以概括为一句话：

AI 编程扩大的是可被软件解决的问题边界，AI 生视频扩大的是争夺有限注意力的内容数量。

假设一家短视频平台每天拥有十亿分钟的用户观看时间。过去每天有一百万条新视频争夺这些时间，AI 普及以后，每天可能有一亿条甚至更多视频被上传。内容供给增长了一百倍，但平台的总观看时间不会因此增长一百倍。

结果不会是每个创作者都获得更多播放量，而是大部分新视频几乎无人观看。少数内容仍然会成为爆款，头部创作者仍然可能获得巨大收益，但单条内容获得的平均注意力会下降，内容市场的竞争也会更加激烈。

AI 编程当然也会带来竞争。程序员的部分工作会被替代，简单软件的价格会下降，通用代码本身也会越来越不值钱。但软件市场与视频市场的区别在于，软件不是只能被依次消费的内容。

用户不可能同时认真观看一万条视频，却可以同时使用大量软件服务。企业可以让成百上千个程序在后台运行，个人也可以同时使用操作系统、浏览器、支付系统、推荐系统、导航软件和云服务。这些软件并不要求用户逐一投入完整注意力，很多软件的价值甚至就在于减少人类需要投入的注意力。

从这个角度说，AI 编程是在帮助人类节省时间，AI 视频却经常需要从人类有限的时间中获得价值。一个释放注意力，一个争夺注意力，二者的需求结构完全不同。

当然，AI 编程也会生产大量没有人使用的代码。未来同样会出现软件过剩，大量应用可能没有用户，大量由 AI 生成的产品也可能毫无价值。因此，不能简单地认为只要生成代码就一定能创造价值。

但代码至少拥有一种视频很难具备的能力：它可以成为生产资料。

一段代码可以调用另一段代码，可以控制机器人，可以管理库存，可以处理订单，可以自动分析数据，也可以继续生成新的软件。它不是只能被消费一次的内容，而是能够持续参与生产的工具。视频也可以教育用户、传播信息或者促进销售，但绝大多数视频仍然需要首先获得人的注意力，才能完成这些作用。

这也是为什么 AI 编程更容易证明投资回报。假设一个编程助手每月收费几十美元，却能帮助工程师每天节省半小时，公司很容易计算出它的价值。只要工程师的时间成本高于软件订阅费用，这笔采购就具有合理性。

企业购买 AI 编程工具，不需要先证明它能抢到多少公众注意力。工具只要能够减少开发时间、降低错误率或者让同样的团队完成更多项目，就已经创造了价值。

AI 生视频的价值则常常需要经过更长的链条才能实现。平台先生成一段视频，创作者再进行筛选和修改，随后把视频发布到内容平台，等待推荐算法分配流量，最后还要观察用户是否看完、点击或者购买。生成成功并不等于传播成功，传播成功也不等于商业转化成功。

因此，AI 生视频解决的只是价值链前端的生产问题，却无法自动解决后端最稀缺的分发和注意力问题。

过去，一条视频制作成本较高，能够稳定生产视频本身就是一种门槛。AI 将这一门槛快速拆除以后，生产能力会变得越来越普遍。当所有人都可以低成本生成画面精美的视频时，单纯的生成能力就不再稀缺。

竞争会从“谁能制作视频”转向“谁能让视频被看见”。

到那时，真正值钱的可能不是视频模型，而是短视频平台、社交网络、推荐算法、用户数据、知名品牌和成熟 IP。因为这些要素掌握着注意力的分配权。

内容越多，用户越不可能主动完成筛选，也就越依赖平台推荐。AI 视频供给越丰富，平台的分发权力反而越大。创作者使用生成工具承担内容试错成本，模型公司承担训练和推理成本，而掌握用户入口的平台决定哪些内容能够获得观看。

AI 编程同样会被大型平台整合，但它更容易通过进入工作流建立黏性。编程工具可以理解一家公司的代码库、技术架构、内部文档、测试流程和开发规范。使用时间越长，它掌握的项目上下文越多，更换工具的迁移成本也可能越高。

一个视频生成工具如果只是让用户输入提示词，再返回一段视频，就很难建立相同程度的迁移成本。用户通常会追随生成质量、价格和免费额度。今天一家公司的模型领先，用户就使用这家公司；明天另一家公司效果更好，用户可以立即转移。

视频生成能力还很容易被嵌入其他产品。剪辑软件可以把它变成时间线上的一个按钮，电商平台可以根据商品页面自动生成宣传片，广告平台可以根据投放数据自动迭代素材，社交平台也可以直接帮助创作者补充镜头。

一旦视频生成成为这些平台的附属功能，独立工具就会面对非常尴尬的竞争。大型平台可以依靠广告、佣金、订阅和云服务补贴生成成本，而独立 AI 视频公司必须依靠生成本身赚钱。竞争对手可以免费提供的功能，独立公司却需要收费才能生存。

AI 编程也可能成为编辑器、云平台和操作系统的内置功能，但代码工作流本身更复杂。理解代码库、调用开发工具、运行测试、处理权限、连接部署环境和支持团队协作，都给产品留下了更大的差异化空间。编程模型只是基础，围绕模型形成的开发环境和工程流程仍然可以构成产品价值。

对视频生成来说，如果最终输出只是一个标准视频文件，而用户又能轻易把这个文件带到任何平台，生成层本身就更容易商品化。除非产品继续控制编辑、发布、投放和效果优化，否则它很难留住商业价值。

AI 生视频还会引发一种典型的生产军备竞赛。一家电商企业过去为一个商品制作五条广告，现在可以生成五百条。它的竞争对手也会做同样的事情。双方都获得了更强的生产能力，但并没有因此创造更多消费者。它们只是在用更多素材争夺同一批用户。

当所有竞争者都采用 AI 以后，AI 就从竞争优势变成参与竞争的基本门槛。每家公司都需要生成更多内容、测试更多版本、追逐更多细分人群，但所有公司的相对位置未必发生明显变化。

这就像体育场里的观众为了看清比赛而站起来。第一个站起来的人获得了更好的视野，但所有人都站起来之后，没有人获得持久优势，所有人却都变得更累。

AI 视频可能让整个内容行业都站起来。视频数量不断增加，算力消耗不断增加，素材测试不断增加，但用户的总注意力基本不变。行业变得更加繁忙，单条内容的平均价值却可能继续下降。

AI 编程也会带来类似的效率竞争。一家公司使用 AI 加快开发，其他公司也会跟进。但这里存在一个重要区别：软件生产效率提高以后，有可能转化为更多功能、更好的服务和更低的运营成本。即使竞争优势最终被行业普及，企业和消费者仍然可以从生产率增长中获益。

更重要的是，软件可以进一步扩大经济活动的容量。更便宜的软件可能催生更多小企业、更多自动化服务和更多过去无法成立的细分产品。代码可以帮助用户创造新的工具，工具又可以继续创造产出。

视频生产率提升以后，当然也可能出现新的表达方式和娱乐体验，但最终仍然要回到人的观看时间。新的内容形式获得一小时注意力，往往意味着旧的内容形式失去一小时注意力。短视频挤压长视频，流媒体挤压电视，互动视频也可能挤压游戏、阅读和社交。

内容市场中的很多增长，本质上是注意力的重新分配，而不是注意力总量的无限扩张。

支持 AI 视频的人可能会提出，未来的核心不是批量生产普通视频，而是为每个人实时生成高度个性化的内容。如果每条视频都符合用户的兴趣，那么每一分钟注意力就能产生更高价值。

这种可能性确实存在，但它仍然没有解决独立 AI 视频公司的商业问题。

真正有效的个性化需要大量用户数据。系统必须知道用户看过什么、购买过什么、在哪些画面停留过、对什么表达产生反应。这些数据主要掌握在短视频平台、电商平台和广告平台手中，而不是掌握在视频模型公司手中。

所以，即使个性化视频创造了巨大价值，这种价值也更可能由拥有用户数据和分发渠道的平台获得。视频生成模型只负责把数据转换为素材，很可能退化为整个系统中可替换的供应环节。

AI 编程对上下文同样高度依赖，但它需要的上下文主要存在于客户自己的代码库和开发环境中。编程工具可以通过服务企业客户，直接参与价值创造，并围绕安全、权限、部署和团队协作收费。客户购买的是生产力，而不是不确定的公众注意力。

从成本结构看，AI 编程也往往更有优势。代码属于文本，生成和处理代码所需的计算量通常低于生成长时间、高清晰度的视频。视频不仅需要处理每一帧画面，还要处理动作、时间连续性、人物一致性、音频和镜头关系。

用户生成代码以后，还可以在本地反复运行，运行代码的成本未必由 AI 公司承担。视频平台每次重新生成、延长镜头或提高分辨率，通常都意味着新的推理成本。如果用户为了得到一条可用视频需要尝试几十次，平台就必须承担大量失败生成的算力支出。

这使 AI 视频面临更尖锐的定价矛盾。价格太高，普通消费者不愿付费；价格太低，高频用户可能让平台亏损；限制额度过严，产品又会失去吸引力。当模型能力逐渐接近之后，企业还可能陷入价格、速度和免费额度的竞争。

AI 编程并非没有成本问题，但它的用户价值更容易覆盖推理成本。一名工程师的时间通常比较昂贵，只要工具能显著节省工作时间，几十美元甚至更高的月费都可能合理。视频生成面对的大量消费者和普通创作者，对价格却更加敏感。

这也是为什么“视频用户比程序员多”并不能证明 AI 视频是更好的生意。用户的数量与用户的价值不是一回事。一千万名偶尔尝鲜、频繁切换产品、不愿长期付费的用户，未必比一百万名每天使用、能够明确计算投资回报的专业用户更有商业价值。

AI 编程的优势不只是程序员愿意付费，而是工具能够进入每天反复发生的生产流程。代码补全、错误排查、测试、重构、文档和项目理解都属于高频任务。只要程序员继续工作，AI 工具就存在被持续调用的机会。

AI 视频的使用则更容易呈现项目制。用户可能为了一次营销活动、一条广告或者一个短片密集使用几天，项目结束之后便停止付费。普通消费者的需求更加偶发，很多人只是因为看到模型演示而尝试几次，用完免费额度以后就不再回来。

因此，AI 视频很容易获得巨大的传播热度，却不一定拥有同等规模的稳定留存。它生成的结果适合在社交媒体传播，技术进步也容易通过画面被公众感知。但人们愿意观看一段 AI 视频，不代表他们愿意购买 AI 视频工具。围观者与付费用户之间存在明显差距。

相比之下，AI 编程没有那么强的公众传播效果，但它能够安静地嵌入日常工作。一个程序员不会每天把代码补全截图发布到社交媒体，却可能每天调用 AI 数百次。商业价值经常来自这种缺乏话题性但持续发生的使用，而不是发布时令人震撼的演示。

当然，这并不意味着所有 AI 视频业务都不值得做。AI 视频在企业培训、影视预演、游戏资产、广告本地化、电商素材和工业仿真等领域，仍然可以创造明确价值。因为这些场景购买的不是公众注意力，而是生产成本的降低。

如果一家企业原本需要花费几十万元拍摄培训视频，现在可以用几万元完成同样任务，那么 AI 已经创造了价值，无论这段视频最后只有一千名员工观看，还是有一百万人观看。影视团队利用 AI 进行分镜和预演，也不需要让预演视频直接获得票房，只要它能减少沟通成本和重拍风险就足够了。

但这类机会说明的并不是“视频越多，市场越大”，而是 AI 视频可以成为一种专业生产工具。在这些场景中，AI 视频最有前景的部分，实际上更像 AI 编程：它进入具体工作流，替代昂贵劳动，帮助客户完成原本就存在的任务，并通过节省成本证明价值。

换句话说，AI 视频只有在脱离纯粹的注意力生意、转向生产力生意时，商业模式才会变得更健康。

真正值得做的，可能不是一个让所有人无限生成视频的平台，而是一套帮助电商企业完成广告制作和投放的系统，一套帮助影视团队完成分镜与预演的工具，或者一套帮助跨国企业完成视频翻译和本地化的服务。客户最终购买的是销售效果、项目效率和成本节约，而不是生成次数。

这也进一步证明了 AI 编程商业逻辑的优势。AI 编程从一开始就是生产力工具，其价值天然靠近企业的成本和收入。AI 视频如果只是生产更多面向大众的内容，就会落入有限注意力的竞争；只有当它也转化为生产工具时，才有可能摆脱这一约束。

所以，我不看好 AI 生视频，并不是认为视频生成技术没有前途。恰恰相反，我认为它会快速普及，最终成为剪辑软件、电商平台、广告系统、游戏引擎和影视制作流程中的基础能力。

但一项能力使用得非常广泛，并不等于围绕这项能力可以建立大量高利润的独立公司。数据库非常重要，但大多数应用不会仅仅因为调用数据库就形成护城河；云计算非常重要，但许多使用云计算的公司仍然无法盈利。AI 视频也可能无处不在，同时迅速商品化。

我更看好 AI 编程，是因为软件世界仍有大量没有被满足的需求。人类希望自动化更多流程，开发更多工具，让机器承担更多工作。AI 编程降低成本之后，有机会把原本不存在的软件需求转化为现实市场。

我不太看好通用 AI 生视频，是因为内容世界并不缺少供给。互联网每天产生的视频已经远远超过任何人能够观看的数量。AI 继续提高供给，并没有解除市场真正的限制，反而会让有限注意力的竞争更加激烈。

AI 编程面对的是“有太多事情需要完成，但开发能力不够”；AI 生视频面对的是“可以生产无限内容，但没有足够时间观看”。

一个帮助人类完成更多任务，一个要求人类消费更多内容；一个有可能节省注意力，一个必须争夺注意力；一个把生成结果变成可以持续运行的生产资料，一个通常需要先获得观看才能实现价值。

这并不意味着 AI 编程一定诞生更多成功公司，也不意味着 AI 视频不会出现巨头。但从商业结构看，前者拥有更高频的刚性需求、更容易计算的投资回报、更低的单位成本和更清晰的工作流价值。后者则更容易陷入供给过剩、价格下降、留存不足、平台依赖和注意力竞争。

最终决定两者商业前景的，不是谁能生成更多代码或者更多视频，而是谁解决了真正稀缺的问题。

AI 编程解决的，是人类创造和维护软件的能力不足。

AI 生视频增加的，却往往是本已过剩的内容。

AI 可以创造近乎无限的视频，却无法创造无限的观看时间；它可以生成近乎无限的代码，而这些代码反过来还可以帮助人类节省时间、执行任务和创造新的生产能力。

这就是我更看好 AI 编程，而不太看好通用 AI 生视频的根本原因。