编者按：生成式人工智能（GenAI）视频大模型使视频内容生产从工具更新走向生产能力层面的再组织。西安交通大学教授陈积银与博士研究生李月以平台化为理论视角，关注GenAI视频生产能力如何被平台化组织，分析相关资源配置、协作关系与收益方式发生的重构趋势，并以Seedance2.0为观察窗口剖析这一趋势的具体表现。研究发现，GenAI视频生产能力的平台化，正在推动以模型、算力与部署环境为核心的新生产资料重组，并使创作劳动向围绕模型展开的认知性和修补性劳动偏移，产业供给逻辑转变为平台化生产能力的持续供给；平台通过上游基础设施整合、中游接口组织与下游场景嵌入，将多元主体编织进一个协作生态网络，不仅将AI生成能力直接商品化，还将创作者的提示词工程等微观生产实践，隐蔽地转化为持续迭代模型的数据资产。本文认为，GenAI时代的平台化逐渐呈现出由“内容的平台化”转向“生产能力的平台化”的趋势，科技公司借助开放普惠的叙事与对计算基础设施、接口规则的占有，在重构视频生产生态的同时实现了价值的再中心化。

近几年，生成式人工智能经历了从文本生成、图像生成再到视频生成的快速演进。2026年初，字节跳动推出Seedance2.0，并通过火山引擎等产品体系进入视频创作与商业落地场景，极大拓展了公众对未来影像生产与数字社会的想象空间，也标志着视频生成能力正在从单一模型走向平台化部署与应用扩散。回顾其技术演进历程，可以看到，依赖于个体技能、物理设备与专业软件中的创作能力，正逐渐被抽离和再整合，并通过接口、规则与系统部署被纳入平台化组织。生成式人工智能在视频生产领域带来的关键变化，可以总结为视频生产能力“如何被供给”，而这一生产能力的重组同样指向了更深层的资本逻辑演化。大模型领域的实践与其标榜的开放生态愿景正呈现出显著的张力——少数头部科技公司逐渐借助对算力、数据、部署环境与调用入口的掌握，将生成能力组织为一种可持续调用、可商业化配置的平台资源，加速走向一种以能力封装和价值捕获为核心的平台化积累模式。因此，生成式人工智能技术的发展需要被置于“平台化”的脉络中加以理解。

本文将“生产能力的平台化”作为核心命题，讨论生成式人工智能如何推动视频生产从围绕作品展开的工业流程，转向围绕生成能力展开的平台化体系。本文未将Seedance2.0简单理解为一个更先进的视频生成模型，而是将其视为一个具有代表性的切入点。因为Seedance2.0通过即梦AI等产品进入到实际创作实践中，较为集中地呈现了视频生成能力被接口化、服务化与场景化组织的过程。研究从产业解构、生态重构与价值捕获三个维度展开分析：首先，考察视频生产资料、劳动形态与供给逻辑的变化；其次，梳理围绕模型能力形成的多边协作网络；最后，讨论平台如何通过能力商品化与数据资产沉淀实现价值再集中。

一、产业解构：视频生产资料、劳动形态与供给逻辑重组

不论影视作品、广告宣传片还是创意短片，传统视频生产具有高度的物理实体性，创作过程也具有明显的物质依赖与组织复杂性。而当前的视频大模型能够根据文本提示自主完成场景构建、镜头调度与机位选择乃至视听元素的初步合成，使“一人即团队”的微观生产模式成为可能。这一变化的关键是生产资料载体的平台化迁移，视频生产资料从物理设备组合，转向以大模型能力、算力供给与云部署为核心的新型生产资料。这样的迁移虽实现了生产工具的轻量化，但也导致生产资料的“基础设施化”，视频创作者摆脱了沉重的物理设备，却陷入一种对平台算力和底层计算基础设施的依附关系。

在生成式人工智能语境下，视频生产并未脱离创意劳动的属性，但劳动技能的重心发生了偏移。传统影像制作中，拍摄、运镜、剪辑、灯光、调色等劳动技能的中心地位正在被削弱；与之相对应，在GenAI视频生产中，风格元素确定、提示词撰写、结果筛选、模型调试、流程编排、生成内容校对与修补等，正逐渐成为视频生产中的关键劳动。应该看到，技术变革强化了效率优先于人类创作劳动的组织原则，使创意朝向商品化环节转化，也加剧了创意劳动的脆弱性和不稳定性。当前GenAI视频生产主体更多呈现出“认知劳动”和“修补劳动”形态。其中，认知劳动体现为对风格、叙事、镜头和语义关系的判断与预设，修补劳动更多体现为对模型偏差、细节失误的持续修整。

伴随生产资料和劳动形态变化的，是视频生产在宏观层面的供给逻辑重组。数字平台时代的内容产品供给建立在用户协同生产与平台分发之上，尽管注意力经济重塑了分发机制，视频内容本身仍是流通中的核心商品。生成式人工智能介入视频生产后，早期的单一模型测试演变为如今整合算力、分发与应用场景的平台化部署，视频产业的供给逻辑从项目制的内容供给更迭为平台化生成能力的持续供给。供给对象转换成可反复调用的生成能力，计价对象也由项目预算、制作周期和版权收益，延伸到调用次数、时长、清晰度、推理成本与接口权限等能力参数。掌握底层计算基础设施、算力资源和调用入口的科技公司正在取代传统制片方，并逐渐成为新的供给中心。

二、生态重构：全链连通的多边协作网络

当视频生产能力被封装为可调用的模型能力之后，产业演进的核心议题便转向这些能力如何被进一步组织、连接并嵌入实际应用之中。在此阶段，生成式人工智能视频生产日益依赖计算基础设施、接口体系与应用情境之间的联动。平台借助算力资源、开发接口、前端产品与行业场景，将技术要素、创作主体与商业需求重新纳入同一套协作框架。GenAI视频生产能力正逐渐被组织为连接上游基础设施、中游开发者生态与下游创作及商业场景的关键枢纽，由此形成一个多边协作生态网络。这种生态重构具体表现为上游整合、中游组织与下游嵌入三个层次。

大模型的价值突出体现为其能够被部署与持续调用，并与其他应用场景形成稳定连接关系。GenAI视频生产生态的上游整合，重在将模型运行所需的云、算力、数据系统、部署环境等前提条件，统一纳入平台化的能力体系。其中，云平台主要提供模型运行所需的弹性计算、存储、网络与托管能力，是生成能力得以集中部署和对外供给的运行载体；算力则直接支撑模型训练、推理与调用，决定生成能力能否被持续、稳定地输出；数据系统承担数据管理、调用记录、反馈积累与迭代优化等功能，是模型服务得以持续调整和扩展的重要条件；部署环境则是模型被实际托管、运行、调度和维护的具体技术空间。上游整合可被理解为是GenAI视频生产“何以可能”的基础条件，是AI生成能力的保障和支撑。

生成式人工智能时代，视频生产转变为由平台、创作者、第三方开发者、技术服务商及外部服务主体共同参与的网络化协作生态。平台在其中所扮演的角色，也从技术提供者逐渐延伸为能力供给者、接口组织者与规则制定者。在新型的组织架构中，平台通过提供特定技术组件将外部创新组织到自身周围，在此基础上，API（应用程序接口）、SDK（软件开发工具包）和官方文档充当了平台组织生态的“边界资源”，构成了平台与外部开发者之间接口化的协作边界，第三方开发者正是通过这些边界资源进入平台核心，在外部开发各种“补充组件”。由此，中游组织处理多元主体围绕模型能力形成协作网络。

下游嵌入是视频生产能力进入前端创作产品、行业业务流程与内容分发平台的过程。当前Seedance2.0嵌入的前端包括即梦AI、豆包App、火山方舟以及小云雀App。模型能力通过API接口，被嵌入进前端产品之中。在这一理解下，前端产品可被看作模型运行的可视化交互创作终端，也是平台重新组织生成过程、分配用户接触方式、收束创作路径的关键节点。大模型已逐步渗入自动化新闻写作、广告生成与品牌营销等多个媒体领域。大模型亦能通过API、插件化组件或定制化服务嵌入具体的业务链条，下沉至更垂直的业务场景之中，并在促进内容生产生态重构的同时，使文化商品生产对基础模型的依赖逐渐增强。影视特效、AIGC微短剧创作、电商营销、虚拟数字人等第三方机构，均可借助API将平台能力纳入具体业务流程，以压缩传统制作周期、降低部分环节成本，并实现一定程度的批量化内容生产。下游嵌入体现了AI生成能力如何具体进入GenAI视频创作实践、业务场景及外部传播空间。

三、价值捕获：模型能力商品化与数据资产沉淀

平台如何在上述生态重构的过程中实现价值积累，并将新的生产能力转化为可持续占有的收益来源？生成式人工智能平台的价值实现方式也在持续变化：文生图等大模型更多凭借生成内容的新奇性吸引用户进入，并制造关于生成式人工智能技术的想象；演进至视频大模型阶段后，平台则围绕算力、接口与部署环境组织生产能力，将其重组为可持续调用的服务，并将大众的技术体验逐步转化为对整个平台体系的持续依赖。与传统视频产业主要围绕成片生产、版权交易与传播分发实现收益不同，在平台化条件下，价值实现转向视频模型调用、能力接入与数据积累过程。相应地，平台化条件下的价值关系也呈现为“用户－平台－数据”的模式。平台不仅通过订阅、积分与接口调用等可见方式完成盈利，也通过持续吸纳用户输入、操作经验与审美判断，将其转化为模型优化与资产积累的基础。因此，平台的价值捕获既体现为前台可见的显性盈利，也体现为后台更为隐蔽的价值积累。

传统软件的收费逻辑主要围绕一次性出售安装权、永久使用权展开；数字平台兴起后，固定订阅费、提供增值服务、解锁特定功能、区分VIP特权与普通账户等成为更常见的盈利方式；人工智能生成内容的价值实现，正在从知识付费、流量变现继而转向“模型即服务”。平台围绕模型调用量与计算量组织收费，将生成能力本身纳入按数计价的商业逻辑之中。此时平台并不直接出售完整的视频作品，转而售卖模型能力的访问权。在GenAI视频生产中，显性的盈利方式主要有两种。一是面向普通用户的直接收费，即视频创作者在前端交互时的模型调用费用；一是面向企业与第三方的能力售卖，即模型能力被组织为接口、服务与行业解决方案后完成的商业化供给。

相较于积分、会员与接口调用所对应的显性收益，用户隐性数字劳动已成为平台价值捕获中最不易察觉、却也最具累积性的环节之一。生成式人工智能常被科技公司包装为诸如“提高人类创造力”的叙事，然而这种技术修辞实质掩盖了一个更关键的事实，即GenAI的生成价值建立在持续的人类劳动投入之上，平台对用户创造性劳动的占有，导致了劳动可见性的消解。生成式人工智能技术在重组工作流程的同时，将创作者及其他劳动者的经验、判断和行为不断转化为可被平台提取与占有的数据资源。许多看似自动化、智能化的系统，其运行依然依赖大量被故意隐藏的人类劳动，以维持技术自主性的幻象。

若从“有意义的工作”角度审视，创意工作的重要性恰恰是创作者在材料、时间与空间中逐步形成判断、经验与主体性的过程。当这一过程被压缩为即时提示和快速生成时，被削弱的不只是劳动报酬，也包括劳动的自主性、创作者尊严与被认可的可能性。所谓“提示词工程”，已成为一种新型的认知劳动与修补劳动：创作者通过反复试错来逼近理想效果，通过对失败结果的剔除来维持审美标准，又在不断的复盘中积累对模型生成规律的经验性认知。视频内容创作者之前集中于策划、拍摄、剪辑和后期的劳动投入，转化为提示词输入、参数调整等更为分散的过程性劳动。也即，生成式人工智能并未实现对全部创造性劳动本身的完全替代，而是在重组劳动形态的同时，继续以人类判断、修补与筛选作为其价值实现的基础。可以说，AIGC时代的数字劳动价值创造呈现出一种“智能增强”的特征。对欧洲电影从业者的研究揭示，GenAI并未真正将人类从繁重的劳动中解放，反而使创作者不可避免地陷入工具学习与模型调试的隐性时间成本之中。由于这类劳动通常不以工资、分成或版权回报的形式被承认，而是被包裹在“人机协作”“共创体验”等创作普惠的表达之中，平台与用户之间本应存在的经济关系也由此被遮蔽。

隐性数字劳动的占有不仅局限于个体创作者，还向外延伸至整个应用生态体系。在平台化架构下，通过API接入模型的第三方开发者、企业用户以及各类行业解决方案提供方，实质上也承担了平台的免费测试与外包创新功能。建立在平台基础设施之上的二次开发，使科技公司得以免于承担高昂且充满风险的试错成本；一旦某些产品或功能被生态证明具备商业可行性，平台便可凭借底层控制权对其进行复制与收编。

四、结论

生成式人工智能时代，平台不仅重塑文化商品的流通路径，也越来越重塑文化能力的供给形式。在此逻辑下，文化生产的平台化不再只是内容的平台化，亦开始转向生产能力的平台化。从Midjourney到Sora，再到Seedance2.0，内容生产模型的不断更迭，也是生产能力持续被纳入平台化组织的过程。本文以Seedance2.0为分析切口，讨论了这一趋势在当前实践中的集中表现。文章从产业解构、生态重构与价值捕获三个维度，剖析GenAI视频生产能力被平台化组织之后，视频生产的资源配置方式、劳动组织形式、生态协作关系与价值实现模式。

本文的主要观点可以概括为三个层面。在产业层面，GenAI视频生产能力的平台化正在重组传统视频工业的线性链条。视频生产资料从物理设备组合转向以模型能力为核心的新型生产资料。人类劳动逐渐被重组为提示、筛选、调试与修补等围绕模型能力调用展开的过程性劳动形态，视频产业的供给对象则由定制成片逐步转向可持续调用的生成能力；生态层面，平台主体通过上游基础设施整合、中游组织架构搭建与下游应用场景嵌入，将创作者、开发者、企业客户与外部传播网络纳入一个多边协作框架之中，并在这一过程中不断强化自身在模型能力分配与规则制定上的核心位置；在价值捕获层面，平台围绕模型调用量与计算量组织收费，将生成能力本身纳入按数计价的商业逻辑中。积分消耗和接口调用等显性盈利形式背后，是平台通过生态绑定与产业链重组实现的深层变现。更为隐蔽的是，用户在调用模型的同时，其创造性输入、个人审美等知识也被平台持续转化为数据资产，形成了一种不易察觉却又最具累积性的价值捕获机制。

对Seedance2.0的考察，最终指向的并不是某一项技术的阶段性热度，而是一个更具时代性的议题：在生成能力持续平台化、价值持续向中心聚集的条件下，我们应如何在实现数字内容生态的长效、健康发展的同时，建立更稳固的治理秩序？

载《传媒观察》2026年第4期，原标题为《GenAI视频生产能力的平台化：产业解构、生态重构与价值捕获》。此为节选，注释从略，学术引用请参考原文，“传媒观察杂志”公号链接：https://mp.weixin.qq.com/s/1mHeZAbX1Q_g3lXyEznhUQ。

作者简介：

陈积银，西安交通大学新闻与新媒体学院教授，博士生导师

李月，西安交通大学新闻与新媒体学院博士研究生