IOSF: Il paradosso dei costi dell'AI video - perché la generazione è sempre più economica, ma i film rimangono costosi?

By: mp.weixin.qq.com|

Nel terzo incontro delle finali NBA del 2025, Kalshi ha lanciato uno spot televisivo piuttosto confuso: un contadino galleggia in una piscina piena di uova, un alieno beve birra e un uomo avvolto nella bandiera americana urla riguardo all'Indiana. Il regista PJ Accetturo ha realizzato questo spot utilizzando il Veo 3 di Google, spendendo circa 2.000 dollari e impiegando solo tre giorni dalla concezione alla messa in onda. In precedenza, la società di produzione aveva fornito a Kalshi un preventivo "da sei a sette cifre". Ha generato tra 300 e 400 volte prima di ottenere 15 clip utilizzabili.

Dieci mesi dopo, OpenAI ha chiuso l'app Sora il 26 aprile, un feed di video generati da AI simile a TikTok. TechCrunch ha citato un'inchiesta del Wall Street Journal che riportava che i costi operativi dell'app erano di circa 1 milione di dollari al giorno, con il numero di utenti che è sceso da un picco di circa 1 milione a meno di 500.000. L'API degli sviluppatori di Sora è stata chiusa a settembre e ora non ci sono più modelli video nel listino prezzi degli sviluppatori di OpenAI.

Questi due eventi riassumono la situazione dell'AI video nel 2026: utilizzare l'AI per creare video è diventato così economico da cambiare il modo in cui vengono prodotti gli annunci; tuttavia, la semplice visione di video generati da AI non ha ancora creato un vero e proprio business.

Nucleo

Opinione

L'AI video è già un vero business: alcune aziende che hanno rivelato i loro ricavi hanno un fatturato annuale combinato di circa 2,3 miliardi di dollari, con clienti identificati in marketer, creatori e aziende. Non è una versione in miniatura del mercato dei modelli di linguaggio: il costo di un video di un minuto è migliaia di volte superiore a quello di un testo di un minuto, e i maggiori ricavi provengono dalle applicazioni, non dai fornitori di modelli. I primi a essere colpiti sono stati i settori che acquistano video "sufficienti" in grandi quantità: stock footage, pubblicità, formazione e cortometraggi. Gli effetti speciali cinematografici seguono a ruota. I giochi e i robot sono gli ultimi, poiché dipendono dalle leggi fisiche, e attualmente i migliori modelli ottengono punteggi in test fisici che sono circa la metà delle immagini reali.

Classifica dei ricavi: aziende che hanno rivelato dati, fatturato annuale combinato di circa 2,3 miliardi di dollari

IOSF Research

Solo alcune aziende hanno rivelato i loro ricavi, e la crescita è rapida:

  • L'ARR di Higgsfield è passato da 200 milioni di dollari alla fine del 2025 a 700 milioni di dollari nell'agosto del 2026.
  • Il modello video di Kuaishou, Kling, ha superato i 118 milioni di dollari di fatturato nel secondo trimestre, con un aumento di oltre il 200% rispetto all'anno precedente.
  • Fal, che funge da "libreria" per modelli video e immagini (piattaforma di aggregazione di modelli), ha avuto un ARR di circa 400 milioni di dollari a marzo 2026, raddoppiando rispetto a ottobre dell'anno precedente.
  • L'ARR di HeyGen ha superato i 200 milioni di dollari a giugno.
  • L'ARR di Runway ha superato i 200 milioni di dollari a settembre.

Secondo i nostri calcoli, i ricavi totali ammontano a circa 2,3 miliardi di dollari all'anno. Una parte di questo è rappresentata dai ricavi delle immagini, e un'altra parte è stata calcolata due volte, poiché le applicazioni acquistano anche da fal. Questa cifra non include Google Veo, ByteDance Seedance e alcuni laboratori cinesi, che non hanno rivelato separatamente i ricavi video. L'errore è bidirezionale: i ricavi delle immagini e il calcolo doppio possono gonfiare il totale, mentre i laboratori non contabilizzati possono abbassarlo. Pertanto, i 2,3 miliardi di dollari possono essere considerati solo come un riferimento di scala, non come una stima del mercato.

I costi di generazione video sono migliaia di volte superiori, i ricavi maggiori provengono dal livello delle applicazioni

IOSF Research

L'AI video è spesso informalmente descritta come "un mercato dei modelli di linguaggio che è indietro di qualche anno". Ma i dati non supportano questa affermazione, poiché ci sono enormi differenze tra l'esecuzione di modelli di linguaggio e l'esecuzione di modelli di immagini/video.

In parole semplici, il modo in cui un modello di linguaggio scrive è simile a come una persona digita: una parola alla volta, ogni parola è un piccolo indovinello sulla parola successiva, e mentre sta scrivendo, puoi iniziare a leggere. I modelli di immagini o video sono più simili a un architetto: iniziano con un po' di rumore casuale e rifiniscono l'intera immagine ripetutamente, di solito tra 20 e 50 volte, fino a quando non appare un'immagine chiara. Ogni ciclo gestisce simultaneamente tutti i pixel e non puoi utilizzare nulla fino a quando l'ultimo ciclo non è completato. I video raddoppiano il carico di lavoro: un secondo è composto da circa 24 fotogrammi, e ogni fotogramma deve essere coerente con i fotogrammi precedenti, il bicchiere deve rimanere nella stessa posizione, il volto deve essere sempre lo stesso. Un testo ha solo alcune centinaia di piccoli elementi. Questo è il motivo per cui un modello open source testato richiede circa 350 secondi di tempo di calcolo per generare un secondo di video, ed è anche il motivo per cui il costo di un video di un minuto è migliaia di volte superiore a quello di un testo di un minuto.

Anthropic ha informato gli investitori che il suo fatturato annualizzato ha raggiunto i 65 miliardi di dollari alla fine di luglio, mentre OpenAI è di circa 40 miliardi di dollari. Solo i ricavi di questi due laboratori sono circa 45 volte superiori ai ricavi totali visibili dei video.

Nel campo dei modelli di linguaggio, la maggior parte dei ricavi va ai laboratori di modelli; nel campo video, i ricavi maggiori provengono dalle applicazioni. L'applicazione di linguaggio più grande è lo strumento di programmazione Cursor, che secondo quanto riportato ha un fatturato annualizzato di circa 4 miliardi di dollari a giugno, circa un sedicesimo di quello di Anthropic. Nel campo video, Higgsfield guida con 700 milioni di dollari, e le applicazioni che incapsulano i modelli di altre aziende (Higgsfield, HeyGen, Synthesia, Magnific) rappresentano oltre la metà dei ricavi totali visibili. I clienti di testo acquistano l'intelligenza del modello e la utilizzano direttamente. I clienti video acquistano il prodotto finito per un lavoro specifico, che richiede montaggio, coerenza e flussi di lavoro di supporto; le applicazioni sono costruite attorno a queste esigenze, formando una workstation video.

Un'immagine vale più di mille parole

Fino al 22 ottobre, il prezzo più basso registrato per ogni minuto di video è di circa 3 dollari, proveniente dal livello più economico di Veo, con una differenza di circa 7.600 volte rispetto al livello più alto.

Ci sono anche alcune differenze da notare: il codice è il mercato più grande per i modelli di linguaggio, poiché può essere verificato automaticamente; i video devono essere giudicati ad occhio, il che è piuttosto soggettivo. I testi vengono acquistati per token; i video vengono acquistati per clip, corrispondenti al budget di produzione.

Chi paga: le prove pubbliche indicano clienti aziendali

IOSF Research

Higgsfield si definisce una piattaforma "per creatori, marketer, marchi, agenzie e case di produzione" e afferma di "fornire supporto per la produzione di contenuti visivi a 390 aziende della Fortune 500" (Higgsfield). HeyGen afferma che l'85% delle aziende della Fortune 100 lo utilizza (HeyGen). Entrambe le aziende non hanno suddiviso i ricavi per utilizzo, quindi, basandosi solo sui dati pubblici, non è possibile sapere quanto dei ricavi provenga da video realizzati per scopi di intrattenimento da parte di privati. Tutte le prove pubbliche indicano acquirenti aziendali.

Analizzando ulteriormente gli acquirenti, emergono differenze nei modelli di business. Le persone guardano un gran numero di video AI, ma ciò per cui pagano è diverso e le loro esigenze di qualità variano.

  • App di cortometraggi vendono storie a episodi, quindi la qualità determina se il pubblico continuerà a pagare. I loro costi maggiori sono per l'acquisizione di clienti, non per la produzione: secondo Media Partners Asia, la piattaforma di cortometraggi più grande, ReelShort, ha destinato il 55% dei suoi 785 milioni di dollari di fatturato nel 2025 all'acquisizione di utenti e marketing (Indian Television). Il marketing assorbe il 55% dei ricavi, e tutti gli altri costi, compresi quelli di generazione, devono essere coperti con il restante 45%. Quindi, modelli più economici possono solo comprimere la parte più piccola del budget. Modelli migliori influenzano la parte che genera profitto: se il pubblico è disposto a pagare per il prossimo episodio. ReelShort non ha rivelato le spese per la generazione, quindi questa è la nostra interpretazione della sua struttura dei costi, non una suddivisione testata.
  • Il pubblico scopre questi cortometraggi attraverso i feed sociali (un'indagine di Meta e Ormax ha mostrato che questa proporzione è dell'89% tra il pubblico indiano), e i produttori si stanno rapidamente spostando verso l'AI: secondo Owl & Co, circa due terzi delle nuove produzioni di cortometraggi verticali al di fuori della Cina sono generate da AI, rispetto al solo 3% nel primo trimestre (The Hollywood Reporter).
  • App di compagnia AI vendono connessione emotiva, non immagini. Gli utenti tornano ripetutamente per questa relazione, quindi i video devono essere "sufficienti". La chiave è il costo e la velocità, poiché ogni utente ha bisogno di un gran numero di video.

Prezzo di --

--
--
--

Produrre a basso costo non significa che qualcuno guardi: il valore si sposta verso chi decide e distribuisce i contenuti

IOSF Research

L'industria musicale è stata la prima a raggiungere questo punto. Secondo Deezer, nei giorni di picco di giugno, i brani completamente generati da AI hanno superato la metà di tutto il volume di nuovi caricamenti sulla piattaforma di streaming, con quasi 90.000 nuovi brani aggiunti ogni giorno. Ma rappresentano solo l'1% al 3% delle visualizzazioni.

Deezer esclude i brani AI rilevati dalle raccomandazioni e dalle playlist, rendendo visibile il divario tra caricamenti e visualizzazioni. Questa situazione riflette ciò che l'economista Herbert Simon descrisse nel 1971: quando le informazioni diventano abbondanti, l'attenzione diventa una risorsa scarsa. Quando la produzione è quasi gratuita, l'offerta diventa eccessiva e il valore si sposta verso chi decide quali contenuti vengono visti. Due ricercatori hanno definito la soglia di qualità che il pubblico imposta ai contenuti AI come "slop ceiling" (soffitto dei contenuti di bassa qualità).

Quali settori sono i primi a essere colpiti: stock footage e pubblicità in cima, giochi e robot in fondo

IOSF Research

Oggi i 2,3 miliardi di dollari sono ancora molto piccoli rispetto alla spesa video esistente, e i fondi non si trasferiranno in modo uniforme. Ordinando la proporzione di lavoro video che i modelli attuali possono completare:

  1. Materiali e immagini di archivio. I frammenti generati possono sostituire direttamente i materiali autorizzati. Le due principali agenzie fotografiche, Getty Images e Shutterstock, hanno registrato un fatturato combinato di circa 2 miliardi di dollari lo scorso anno, rendendo questo il settore più colpito.
  2. Video pubblicitari e di prodotto. WPP Media prevede che le entrate pubblicitarie globali quest'anno raggiungeranno circa 1,3 trilioni di dollari. Solo una piccola parte di questo viene utilizzata per la produzione di pubblicità, ma la pubblicità di Kalshi mostra fino a che punto questa spesa possa essere ridotta con il calo dei costi di generazione, eliminando gran parte dei costi indiretti associati alla pubblicità dal vivo.
  3. Video di formazione e spiegazione. Nel 2025, le spese delle agenzie statunitensi per la formazione ammontano a 102,8 miliardi di dollari (Training magazine). Questo è il mercato di HeyGen e Synthesia, dove i video con un presentatore che legge un copione sono i più facili da generare.
  4. Mini-drammi. In Cina, si prevede che le entrate dei micro-drammi (produzioni per smartphone, di uno o due minuti per episodio) raggiungeranno 9,4 miliardi di dollari entro il 2025, superando il botteghino nazionale. Questi produttori hanno già accettato materiali di qualità per smartphone e la domanda è molto alta.
  5. Effetti visivi. IMARC stima che nel 2025 il mercato degli effetti visivi avrà un valore di circa 11 miliardi di dollari (IMARC), anche se le stime variano notevolmente. I produttori stanno già utilizzando riprese generate (vedi sotto).
  6. Cinema e televisione. Ampere Analysis stima che nel 2026 la spesa globale per i contenuti sarà di 255 miliardi di dollari. L'IA entra in questo campo a livello di singoli fotogrammi, piuttosto che dell'intera opera.
  7. Giochi e robotica. Secondo Newzoo, il fatturato dell'industria dei giochi nel 2025 sarà di 201,6 miliardi di dollari. I modelli video possono avere un impatto solo se imparano a simulare il mondo, che è il tema dell'ultima sezione di questo articolo.

Come l'IA sta cambiando i costi di produzione video: tasso di completamento e prezzo unitario sono entrambi importanti

IOSF Research

L'impatto più evidente è sui costi. A parte la pubblicità di Kalshi, il lungometraggio animato Critterz, supportato da OpenAI, ha un budget di meno di 30 milioni di dollari e un ciclo di produzione di nove mesi; un grande film d'animazione di solito richiede da 100 a 200 milioni di dollari e circa tre anni di tempo.

I prezzi scendono per fasce, non in modo uniforme.

Il prossimo giro di riduzione dei costi è già in fase di studio. Uno studio pratico condotto dai ricercatori di Hugging Face ha scoperto che un grande modello open source richiede 1.875 secondi per generare un frammento di 5,4 secondi su una GPU di punta, il che equivale a circa 350 secondi di tempo di calcolo per ogni secondo di video. La distillazione affronta direttamente questo problema. Un team ha aumentato il numero di fotogrammi al secondo di un piccolo modello open source di circa 22 volte, rendendolo abbastanza veloce da generare in streaming in tempo reale su un singolo chip. La riduzione dei costi necessaria per le app di accompagnamento proviene da qui: prima generare a bassa risoluzione e poi fare l'upscaling.

Il prezzo per generare un secondo di video è solo una parte del costo. Il regista della pubblicità di Kalshi conserva circa 1 fotogramma ogni 20-27 segmenti, quindi per lui il costo di un secondo di video utilizzabile è 20-27 volte il prezzo. Questo è un caso estremo. Un produttore di strumenti video ha riassunto altri lavori mostrando che in una serie animata di tre minuti, 1 fotogramma viene conservato ogni 4 (41 su 164). Finora nessuno ha pubblicato dati statistici indipendenti sul tasso di completamento. La coerenza influisce direttamente sul tasso di completamento. Se il modello può mantenere coerenza nei personaggi, nei prodotti o nei movimenti della camera durante più generazioni, il numero di generazioni necessarie diminuisce; dimezzando il numero di generazioni, il costo di un secondo di video utilizzabile si dimezza. La riduzione dei prezzi rende ogni generazione più economica.

I nostri test: lo stesso prompt, tre modelli. Il 2 novembre, abbiamo fornito lo stesso prompt a tre modelli tramite l'API di Runway: un telefono che squilla su un tavolo di vetro, vibra mentre si sposta verso il bordo del tavolo, e rimbalza una volta sul pavimento di cemento dopo essere caduto. Ogni segmento dura 8 secondi, è in 720p e senza audio, e ogni modello è stato generato una volta, per un costo totale di 4,80 dollari.

▲ Da sinistra a destra: Wan 3.0, Seedance 2.5, Veo 3.1

  • Wan 3.0 (0,80 dollari, primo in classifica) ha avuto le migliori prestazioni. Il telefono si muove in avanti, cade e si ferma, ma la telecamera lo segue inclinata verso il basso.
  • Seedance 2.5 (2,40 dollari, il più costoso dei tre) ha l'effetto di vibrazione più realistico, ma ha cambiato inquadratura prima della caduta, e lo schermo è diventato nero.
  • Veo 3.1 (versione senza audio 1,60 dollari, 22° in classifica) inizia con il telefono in posizione verticale, invece che orizzontale, e rimbalza come una gomma più volte dopo essere caduto. Il testo sullo schermo è il più chiaro dei tre. (Continuiamo a monitorare Veo perché la storia dei prezzi pubblicata da Google è la più chiara, non perché sia in testa. In termini di qualità, ora è indietro rispetto a modelli più economici, come dimostrano i nostri test.)

Nessuno dei tre modelli ha eseguito completamente il prompt, e ogni generazione ha impiegato da 2 a 4,5 minuti, ovvero da 15 a 34 volte la durata del segmento (secondo i nostri calcoli). I tre segmenti non dicono molto, ma l'ordinamento dei risultati corrisponde alla classifica, non al prezzo.

Il prossimo punto di svolta: costi e ritardi

IOSF Research

Modelli più economici sono una strada. Un'altra strada è copiare i metodi di produzione esistenti nel cinema e nell'animazione: prima grezzo e poi raffinato.

Prima produci una bozza a basso costo, poi rendi solo una volta.

Gli animatori hanno risolto questo problema decenni fa. Prima di sistemare la storia, non iniziano a fare animazioni, ma disegnano prima le storyboard e poi creano un campione animato grezzo, chiamato animatic. Anche i video AI possono fare così. Un montaggio grezzo di uno o due fotogrammi al secondo è sufficiente per valutare la storia e le inquadrature, con un effetto simile a un fumetto; le inquadrature selezionate e più adatte vengono poi affidate al miglior modello per il rendering.

Questo risolve anche il problema del tasso di completamento menzionato sopra. Se la maggior parte dei risultati generati deve essere scartata, è meglio farlo mentre sono ancora economici.

ByteDance ha già trasformato questa pratica in un prodotto. La modalità Draft (bozza) di Seedance 2.5 è stata lanciata su fal dal 30 ottobre, generando rapidamente un'anteprima a bassa risoluzione, per poi completare lo stesso video in full HD. Solo i segmenti rimanenti vengono pagati al prezzo pieno. La differenza di prezzo si accumula rapidamente (fal):

  • Anteprima (480p): circa 0,22 dollari al secondo
  • Full HD (1080p): circa 1,16 dollari al secondo, circa 5 volte il prezzo dell'anteprima
  • Completare la bozza in un prodotto finito: il prezzo non è stato elencato su fal. Nei test del nostro team, il costo è stato inferiore di 6-8 volte rispetto alla generazione diretta di segmenti in full HD.

Il costo è la qualità. I prodotti finiti completati da una bozza sembrano leggermente più morbidi rispetto ai segmenti in full HD generati direttamente, ma correggono anche un'inquadratura finale strana nell'anteprima. Con l'aumento della scala, il risparmio è significativo. Se ogni 25 generazioni si conserva 1 (tasso di completamento del 4%), il costo di un'ora di prodotto finito in full HD è:

  • Generare sempre in full HD: circa 105.000 dollari
  • Prima produrre una bozza, poi completare i segmenti rimanenti: circa 20.000 dollari (secondo i nostri calcoli)

Processi misti sono già emersi.

Produrre bozzetti a basso costo è una scorciatoia. Un'altra è combinare strumenti vecchi e nuovi. I creatori ora iniziano a costruire scene in Blender, uno strumento di design 3D, utilizzando oggetti e posizioni generati da GPT-6 Astra di OpenAI, e poi trasformano un fotogramma statico della scena in un primo fotogramma realistico, generando il prodotto finito con Seedance 2.5 (tutorial di Kapwing, ByteDance Dreamina).

I due strumenti si compensano a vicenda. Solo con il 3D, è troppo lento per raggiungere il realismo; solo con i video AI, è difficile controllare. Combinando i due, la bozza 3D determina il layout e le inquadrature, mentre il modello video si occupa della qualità visiva.

La generazione in tempo reale è in arrivo.

L'ultimo passo è la velocità. I video che vengono renderizzati mentre vengono visualizzati non sono più solo dimostrazioni di laboratorio:

  • Runway Characters (marzo): un modello video che può dialogare in tempo reale, basato su GWM-1 di Runway (Runway)
  • Runway Solaris (31 agosto): il primo "Interface World Model" (modello di mondo dell'interfaccia) secondo Runway (Crypto Briefing)
  • Decart (maggio): converte in tempo reale i flussi video in scene generate; ha raccolto 300 milioni di dollari con una valutazione di circa 4 miliardi di dollari (bne IntelliNews)
  • Zoom avatar virtuali: sostituiscono il video della telecamera con avatar virtuali realistici, sincronizzando le espressioni mentre parli, la disponibilità delle funzionalità dipende dal piano e dalla regione (Zoom)

Una volta che la velocità di generazione video soddisferà le esigenze delle chiamate in tempo reale, il problema per le app di accompagnamento cambierà: non sarà più quanto costa al minuto, ma quanto velocemente arriverà il fotogramma successivo.

Oltre il marketing: nel cinema, nella televisione e negli effetti speciali, l'IA può fare effetti speciali, ma non può ancora gestire progetti lunghi

IOSF Research

Hollywood sta testando se l'IA video può uscire dal settore pubblicitario.

Finora, i produttori l'hanno utilizzata principalmente in due modi: per realizzare riprese che il budget non coprirebbe originariamente; o per autorizzare i propri personaggi, guadagnando entrate quando vengono utilizzati da altri.

Primo, realizzare riprese che non si potrebbero permettere.

Recentemente, due serie hanno utilizzato l'IA per completare scene che sarebbero state altrimenti eliminate:

  • Netflix e The Eternaut: Questa serie argentina ha realizzato una scena di crollo di un edificio utilizzando video generativi. Il co-CEO Ted Sarandos ha dichiarato che la velocità di completamento di questa scena è dieci volte superiore rispetto agli effetti speciali tradizionali, e che realizzarla in modo tradizionale sarebbe "completamente impraticabile" con il budget della serie.
  • Amazon e House of David: La seconda stagione di questa serie biblica ha utilizzato tra 350 e 400 immagini generate dall'AI, rispetto alle circa 70 della prima stagione (TheWrap). Il creatore della serie ha affermato che senza l'AI non potrebbe permettersi quelle scene di guerra.

Altri produttori sono andati oltre, collaborando direttamente con i fornitori di modelli. Lionsgate ha acquisito una quota in Runway a giugno (la percentuale di partecipazione non è stata rivelata) e prevede di produrre una serie breve basata sul proprio catalogo di film (Runway). Anche AMC Networks ha firmato un contratto con Runway (Hollywood Reporter).

In secondo luogo, guadagnare dai diritti sui personaggi.

La maggiore contesa riguarda a chi appartengono i diritti sui personaggi. L'approccio di Disney riflette due lati:

  • Giugno 2025: Disney e Universal hanno citato in giudizio Midjourney per violazione del copyright.
  • Dicembre 2025: Disney ha accettato di investire 1 miliardo di dollari in OpenAI e ha autorizzato Sora a utilizzare oltre 200 dei suoi personaggi (Disney).
  • Dopo la chiusura di Sora: l'accordo è stato annullato e Disney ha dichiarato che cercherà altri partner AI (Blooloop).

La conclusione è semplice: i produttori vogliono essere pagati quando i loro personaggi vengono utilizzati e faranno causa a chi non paga.

I detentori dei diritti in Giappone sono andati oltre, passando dal bloccare l'AI a concedere licenze all'AI, per motivi economici. Gli anime giapponesi vendono molto bene all'estero, ma molte case di produzione sono in difficoltà:

  • Secondo le stime preliminari dell'Associazione degli Anime Giapponesi, nel 2024 i ricavi all'estero ammontano a 21,7 trilioni di yen, superando i ricavi nazionali (gamebiz).
  • Nel 2025, 34,6% delle case di produzione di anime registreranno perdite (Teikoku Databank, tramite GameBusiness).

Nel mese di ottobre 2025, l'agenzia CODA, che rappresenta i detentori dei diritti giapponesi, ha chiesto a OpenAI di interrompere l'uso non autorizzato delle opere dei suoi membri per addestrare Sora 2 (Automaton).

In meno di un anno, l'atteggiamento è cambiato. L'11 settembre, il laboratorio AI cinese MiniMax ha presentato a Tokyo H3 IP Edition in collaborazione con la giapponese KAGAMIAI. I creatori possono utilizzarlo per realizzare video con personaggi giapponesi autorizzati, ognuno dei quali è accompagnato da materiali approvati, regole d'uso e termini commerciali, e devono riportare l'uso ai detentori dei diritti. MiniMax ha dichiarato che oltre 60 aziende hanno già espresso interesse (MiniMax).

In precedenza, KAGAMIAI aveva condotto un progetto pilota con Captain Tsubasa, utilizzando un altro modello video cinese, PixVerse, e i risultati hanno mostrato quanto possa essere grande la domanda (fonte come sopra MiniMax):

  • Circa 126.000 creatori
  • Circa 330.000 opere realizzate in 45 giorni
  • Oltre 99% delle attività provenienti da fuori dal Giappone.

Autorizzare la creazione da parte dei fan potrebbe diventare il primo mercato di consumo di massa da cui i detentori dei diritti sui personaggi possono guadagnare reddito dai video AI.

La regola è: l'AI può fare effetti speciali, ma non può gestire progetti lunghi.

In tutti i casi sopra menzionati, l'AI si occupa di scene che le serie a budget medio non potrebbero permettersi: panorami ampi, folle, scene di distruzione e ambienti. Il resto della produzione è ancora realizzato da esseri umani. La tecnologia della grafica computerizzata è entrata nel cinema in modo simile, con effetti speciali che si sono diffusi uno alla volta, molto prima che Toy Story del 1995 dimostrasse che un intero lungometraggio potesse essere realizzato con essa.

Un risultato di test punta nella stessa direzione. Nei test di riferimento fisico descritti di seguito, il punteggio del modello Odyssey-3 Pro dipende dal punto di partenza:

  • Continuando l'immagine reale: 63 punti, generazione singola
  • Partendo da un'immagine singola: 50 punti.

I video AI si comportano meglio quando hanno una base di materiale reale, proprio come nel lavoro degli effetti speciali: ogni scena generata è inserita in un'immagine reale. Questo test non misura la durata. Finora nessuno ha pubblicato un test su se un modello possa mantenere coerenza tra più scene, e questo test spiega perché i progetti lunghi non riescono ancora a realizzarsi.

Appariranno laboratori specializzati? Già appaiono, le aziende video si stanno differenziando in tre categorie

IOSF Research

I laboratori specializzati sono già emersi, e tre categorie di aziende video si stanno differenziando:

Giganti generali. Google (Veo), ByteDance (Seedance) e Kuaishou (Keli) possiedono la maggior parte della potenza di calcolo e dei dati. Competono in qualità e prezzo, e la maggior parte delle applicazioni rivende i loro modelli.

Laboratori di produzione. Runway ha attualmente una partecipazione di Lionsgate e sta sviluppando prodotti per film e TV. Moonvalley utilizza solo immagini autorizzate per addestrare il suo modello Marey, avendo raccolto 154 milioni di dollari fino a luglio 2025; il suo dipartimento di produzione Asteria utilizza questo modello per girare film. Questi laboratori possono fornire tre cose che i giganti faticano a offrire: dati di addestramento accettabili per i metodi di produzione, controllo dettagliato su ogni fotogramma e strumenti che possono integrarsi nei flussi di lavoro degli effetti speciali esistenti.

Livello applicativo. Higgsfield, HeyGen e Magnific confezionano i modelli di altri laboratori e li vendono a clienti specifici.

Nuovi laboratori e le loro direzioni di investimento. Abbiamo trovato i maggiori investimenti del 2026 che vanno a laboratori che sviluppano modelli interattivi o modelli di mondo: il round di finanziamento seed di 1,03 miliardi di dollari di AMI Labs, il finanziamento di 315 milioni di dollari di Runway (che afferma che sarà utilizzato per modelli di mondo), e l'acquisizione da parte di AMD di World Labs per 8,2 miliardi di dollari. Non abbiamo registrato tutti i finanziamenti dell'anno nel campo video; la tabella sottostante mescola round di finanziamento, un'acquisizione e aggiornamenti di prodotto:

Le innovazioni più probabili nei prossimi 12 mesi provengono anche da questa tabella: generazione video in tempo reale sufficientemente rapida per supportare chiamate e giochi, mondi interattivi anziché segmenti fissi, e generazione di personaggi autorizzati su larga scala.

Nel campo del cinema e degli effetti speciali, i laboratori di produzione hanno le maggiori probabilità di avere successo. I produttori non possono assumersi il rischio legale per un colpo chiave (hero shot), devono riprodurre con precisione l'intento del regista e collaborare con i team sindacali; i fornitori generali che offrono solo i modelli originali più potenti possono competere solo sul prezzo.

Maggiore opportunità è il mondo, non i segmenti

IOSF Research

In questo ciclo di sviluppo intelligente, il mercato più grande per i modelli video potrebbe non essere affatto il video. Un modello in grado di prevedere il prossimo fotogramma di una scena potrebbe stare imparando come si muove il mondo, il che sarebbe utile per i giochi e la robotica.

Runway ha rilasciato GWM-1 a dicembre 2025, definendolo un modello di mondo generale, con tre versioni: un mondo esplorabile, un avatar virtuale conversazionale e un modello robotico per prevedere cosa vedrà la telecamera dopo ogni movimento del robot. Genera immagini in tempo reale a 720p, per un massimo di due minuti. Runway ha dichiarato che, quando ha raccolto 315 milioni di dollari a febbraio con una valutazione di 5,3 miliardi di dollari, questi fondi saranno utilizzati per sviluppare modelli di mondo più potenti.

Platone ha descritto questa scommessa per la prima volta nella sua allegoria della caverna ne La Repubblica.

I prigionieri possono vedere solo le ombre sulla parete e attribuiscono onore a coloro che "osservano più acutamente le ombre che passano" e a chi riesce a dire quale ombra apparirà successivamente. I modelli video sono predittori di ombre che possono vincere premi, ma non hanno mai visto l'oggetto che proietta le ombre. Il punto di vista di Platone è che questa abilità non è conoscenza. Per i modelli video, la questione è se prevedere il prossimo fotogramma significhi comprendere come si muove il mondo; Physics-IQ è un modo per testare questo.

Physics-IQ è un test di riferimento ospitato da Google DeepMind: mostrare al modello l'inizio di un evento fisico reale e poi valutare quanto siano vicini i fotogrammi generati dal modello alla realtà. 100 punti indicano una vicinanza simile a quella di un'altra ripresa reale. Secondo il punteggio originale, il miglior modello di video generato da una singola immagine è passato da 23 punti a febbraio 2025 a 44 punti a maggio di quest'anno. Nella classifica ricalibrata, il miglior modello di video generato da una singola immagine ha ottenuto 51 punti, mentre Veo 3.1 Fast di Google ha ottenuto 30 punti, a livello di un modello open source del 2024 (32 punti). La scoperta del documento stesso è che la capacità di comprensione fisica non è correlata a quanto un segmento sembri reale.

Sembrare reale è praticamente risolto, comportarsi in modo reale no. In questo test, i migliori modelli si trovano ancora a circa metà strada tra 0 punti e un'altra ripresa reale. Poiché è stato dimostrato che il realismo e le prestazioni fisiche non sono correlati, avere immagini più belle non ridurrà automaticamente questa distanza.

Se questo punteggio si avvicina a 100, i laboratori video diventeranno aziende di simulazione, vendendo prodotti a studi di giochi e produttori di robot; in questo mercato, il vantaggio competitivo nel video sarà estremamente importante.

Conclusione: tre numeri determinano la direzione di questo settore

IOSF Research

La maggior parte delle domande lasciate da questo articolo possono essere risposte da tre numeri:

  1. Quanti risultati generati vengono adottati? Attualmente, i dati che abbiamo sono: la pubblicità di Kalshi è del 4% al 5%, una serie animata è del 25%. Personalmente ritengo che la coerenza avrà un impatto maggiore su questo numero rispetto alla qualità originale, e i laboratori si muoveranno in questa direzione: costruire ambienti di generazione che possano gestire la coerenza e supportare un ampio contesto, piuttosto che perseguire generazioni eccezionali una tantum.
  2. Quanto costa realmente produrre un'ora di filmato? Dividere il prezzo per il tasso di conservazione. Ai prezzi attuali, il costo di un'ora di video potrebbe essere:
  • Veo 3.1 Lite (prezzo originale): da 720 a 4.500 dollari
  • Seedance 2.5 Full HD: da 16.800 a 105.000 dollari
    Secondo questa formula, raddoppiare il tasso di produzione e dimezzare il prezzo ha lo stesso effetto sulla riduzione dei costi. La differenza è quanto spazio rimane per entrambi. Con un tasso di produzione attuale del 4% al 25%, un modello che rende ogni generazione utilizzabile potrebbe ridurre i costi di 4 a 25 volte. I prezzi sono già diminuiti, e le riduzioni non sono uniformi tra le varie fasce. Riteniamo che il tasso di produzione nei prossimi due anni sarà il leva più grande. Se il prossimo gruppo di tassi di produzione pubblicati rimane vicino al 4% mentre i prezzi continuano a scendere, questa valutazione sarà errata.
  1. La fisica può reggere? Physics-IQ è l'unico test pubblico che verifica se il movimento dei modelli corrisponde al mondo reale, e i migliori modelli ottengono punteggi di circa la metà delle immagini reali; nei contesti in cui i modelli si basano su immagini reali, il divario si riduce per primo.

Due anni fa, la domanda era se i video AI potessero essere abbastanza belli. Questa domanda ha fondamentalmente trovato risposta: la pubblicità di Kalshi è andata in onda durante le finali NBA, e Netflix ha utilizzato le immagini generate in serie ufficialmente rilasciate.

Ora rimane in sospeso la questione del denaro e del controllo:

  • Chi prende i soldi? I produttori sperano di ricevere una quota quando i loro personaggi appaiono, o di stabilire un meccanismo simile ai diritti d'autore. La creazione di contenuti da parte dei fan autorizzati di personaggi, individui o icone potrebbe crescere notevolmente.
  • Quali nuove possibilità emergeranno? Se il divario fisico si riduce, i modelli video non saranno più generatori di frammenti, ma diventeranno simulatori. Il nostro giudizio: l'intersezione che genererà per prima la domanda di pagamento è l'addestramento dei robot, cioè il prolungamento delle immagini reali tramite i modelli. Questo è attualmente lo scenario con il punteggio più alto (63 contro 50), e il GWM-1 di Runway è già in vendita per questo tipo di prodotto. I giochi arriveranno più tardi, poiché i giochi richiedono che i modelli partano da zero e mantengano coerenza in poche ore. Entro il 2027, prevediamo che il mercato dei simulatori sarà ancora più piccolo rispetto ai mercati pubblicitari e di produzione da cui deriva. Se prima di allora uno studio di giochi rilascia opere basate su modelli generativi del mondo, questo giudizio sarà errato.

Questo contenuto è fornito a solo scopo informativo generale e non costituisce consulenza finanziaria, di investimento, legale o fiscale. Qualsiasi evento, ricompensa, promozione online o informazione correlata menzionata nel presente documento non deve essere considerata una raccomandazione, una sollecitazione o un invito ad acquistare, vendere, fare trading o altrimenti negoziare criptovalute. Le criptovalute sono altamente volatili e possono comportare perdite. La disponibilità dei servizi, dei prodotti e degli eventi correlati di WEEX può variare a seconda della regione. È tua responsabilità assicurarti che la tua partecipazione sia conforme alle leggi e ai regolamenti locali applicabili.

Potrebbe interessarti anche

iconiconiconiconiconiconiconicon
Assistenza clienti:@weikecs
Cooperazione aziendale:@weikecs
Trading quantitativo e MM:bd@weex.com
Programma VIP:support@weex.com