快手AI正重塑内容生态|快手_新浪财经

转自：中国经营网

本报记者李昆昆李正豪北京报道

近日，快手科技（01024.HK）发布了2024年第三季度业绩。财报显示，快手2024年前9个月营收为915.14亿元，较上年同期的809.09亿元增长13.1%；毛利润为501.69亿元，较上年同期的400.99亿元增长25.1%。

第三季度，快手在稳步推进基座大模型各项性能优化提升的同时，也在加速大模型在内容理解、内容推荐、内容生产及用户互动等各领域场景的应用，并力图实现算法、应用和商业模式的多方创新。在模型训练和投入上则倾向和快手已有业务打配合，形成正循环。

快手方面在接受《中国经营报》记者采访时表示：“目前，快手AIGC视频客户渗透率达到24%，商业内容生产方面，目前磁力开创日均生成的短视频素材已经达到10万条以上，显示出智能化技术在商业化领域的广泛应用和显著成效。”

可灵AI用户留存提升

据了解，可灵AI自2024年6月问世以来，已累计升级迭代十余次，基础模型质量持续快速演进，视频创作的画面可控性也不断提升，陆续上线了首尾帧控制、运动笔刷、对口型等功能，并内测视频人脸模型功能，为用户提供了更加丰富的创作手段。数据显示，截至目前，可灵AI的用户已超过500万，累计生成超5100万个视频和超1.5亿张图片。

在业绩电话会上，快手科技创始人兼首席执行官程一笑称，9月发布的可灵AI1.5模型，支持原生1080P视频，并在可控生成方面先后研发上线了镜头控制、首尾帧控制、运动笔刷、对口型等多种能力。可灵AI的用户留存也逐月提升，并在9月份月活超150万。

艾媒咨询CEO张毅告诉本报记者：“可灵在AI方面的能力，尤其是视频生成这方面的能力，还是有比较好的基础。AI大模型产品，一个很重要的基础一定是要有足够好的数据基础，比如语料。而快手那么多年在短视频各种类型的素材方面，涉及不同的方向，比如场景、人物以及剧情，这些庞大的数据积累基础，让大模型的生成效果以及它的呈现更加有技术性和高效。如果没有这些优势，去做这样的产品，基础就不牢，需要有更好的算法或是其他的储备。”

张毅称，从劣势的角度来讲，这种技术能力和结果的生成，以及在商业落地方面还会有很长的路要走，这个过程对快手来说也会耗费比较多的资金、时间成本，以及很多不确定性，对一家上市公司来讲，这也许会对其财报形成压力。

架构的选择方面，可灵整体框架采用了类Sora的DiT结构，用Transformer代替了传统扩散模型中基于卷积网络的U-Net。Transformer的处理能力和生成能力更强大，扩展能力更强，收敛效率更好，解决了U-Net在处理复杂任务时冗余过大、感受野和定位精度不可兼得的局限。在此基础之上，快手大模型团队还对模型中的隐空间编/解码、时序建模等模块进行了升维。

另外在时序信息建模上，快手大模型团队设计了一款计算高效的全注意力机制（3D Attention）作为时空建模模块。该方法可以更准确地建模复杂时空运动，同时还能兼顾具运算成本，有效提升了模型的建模能力。

除了模型自身的能力，用户输入的文本提示词（prompt）也对最终生成的效果有着重要影响。为此，团队专门设计了专用的语言模型，可以对用户输入的提示词进行高质量扩充及优化。

在视频生成上，快手也曾与多个高校或科研机构联手，陆续发布可控运动的视频生成算法Direct-a-Video、多模态生成算法Video-LaVIT、图生视频算法I2V-Adapter、多模态美学评价模型UNIAA等关键技术，为可灵大模型积累了深厚的技术沉淀。

如今，快手已搭建了以快意语言大模型、推荐大模型、视觉生成大模型为核心的大模型矩阵，覆盖内容生产、理解、推荐等多个层面，并深度服务快手的商业生态场景。

推动模型应用正循环

谈及快手AI在其他方面的探索，快手方面告诉本报记者：“基于丰富业务场景，用AI重塑生态，让模型和应用形成正循环飞轮。目前，快手的大模型布局核心还是围绕内容理解应用、推荐大模型和视频生成大模型三个方向进行重点突破，并力图实现算法、应用和商业模式的多方创新。在模型训练和投入上则倾向和快手已有业务打配合，形成正循环。”

以快意语言大模型的应用为例，在商业场景里，基于快手大模型构建的数字人脚本创意生成、数字人渲染生成、数字人实时互动等全流程AIGC服务，可助力商业化广告主低成本生成高品质的视频和直播内容。

在内容的理解和推荐方面，快手通过大语言模型、多模态大模型等技术，已经可以准确高效地理解视频内容和用户兴趣，将这些标签应用在推荐、搜索、广告、垂类运营、生态分析、内容安全等各种场景中，也可以全面地提升全站运营效率。

另外，快手也一直在尝试运用AI大模型这些智能化技术，从素材的生产、理解、分发到承接，提供全链路的解决方案，智能化生产、数字人直播、营销大语言模型等技术的应用，不仅提升了内容生产的效率，也增加了转化率。

关于大模型在业务中的具体应用场景以及数据表现，程一笑说，在内容理解方面，快手持续推进大模型技术在短视频、直播、评论、商业化及电商等多场景落地，并取得了在用户留存、商业化消耗和电商GMV等多个方面的进展；在内容推荐方面，升级后的推荐大模型技术，带来了显著的时长增长；在内容生产及互动方面，本季度AIGC营销素材消耗继续提升，日均消耗超2000万，而互动助手AI小快也融入了包括奥运竞猜、用户私信和评论区互动等更多场景，MAU（月活跃用户数）峰值突破1800万。

程一笑表示，在第三季度，快手还在持续优化基座大模型的性能，深化大模型在内容理解、内容推荐、内容生产及用户互动的应用。在基座大模型方面，快手正在研发的快意大模型MoE模型，在总参数量仅数百亿规模的情况下，模型预训练阶段的多个指标超过了快意1750亿模型，大幅降低了模型训练推理成本，也能更好适配快手现有的业务场景。