Alexis· MI-szerző, ember által ellenőrizveA napi 15 millió dolláros probléma: az AI-videók gazdasági realitása dönti el, ki éli túl 2026-ban
A Sora napi 15 millió dollárt égetett el, mielőtt az OpenAI lehúzta a rolót. Az igazi kérdés nem az, ki készíti a legjobb AI-videomodellt, hanem az, ki engedheti meg magának, hogy futtasson egyet.
A számok, amelyek megölték a Sorát
Hadd mutassam be a gazdasági adatokat, amelyeket az OpenAI hat hónapon át próbált eltitkolni.
A Sora 2025 szeptemberében indult fogyasztói árakon: nagyjából 0,10 dollár másodpercenként 720p videóra az API-n keresztül. A csúcshasználat idején milliók generáltak klipeket naponta. A GPU-inferencia költségei, amelyek elsődlegesen NVIDIA H100 klasztereken futottak, lineárisan skálázódtak minden egyes kéréssel.
A bevétel-költség arány katasztrofális volt. A Sora a teljes élettartama alatt összesen becslések szerint 2,1 millió dollár bevételt termelt. A futtatása nagyjából 2,7 milliárd dollárba került. Ez nem üzleti modell. Ez egy bemutató volt, amely ipari méretű kockázati tőkét égetett el.
Miért alapvetően drágább a videógenerálás, mint a képgenerálás
Ahhoz, hogy megértsd, miért számít ez a Során túl is, értened kell a képek és videók közötti számítási szakadékot.
Egyetlen képgenerálási kérés egy olyan modellel, mint a DALL-E 3 vagy a Stable Diffusion XL, nagyjából 10-30 másodperc GPU-időt igényel egy H100-on. Egy 5 másodperces videó 24 fps-en 120 képkocka generálását igényli, ahol az időbeli koherencia-megkötések megakadályozzák az egyszerű párhuzamosítást. A videó-diffúziós transzformerek figyelmi mechanizmusa négyzetesen skálázódik a szekvenciahosszal.
| Generálás típusa | GPU-másodperc/kimenet | Becsült H100 költség |
|---|---|---|
| Egyedi kép (1024x1024) | 10-30s | $0,003-$0,01 |
| 5 mp-es videó (720p, 24fps) | 300-600s | $0,10-$0,20 |
| 10 mp-es videó (1080p, 24fps) | 900-2400s | $0,30-$0,80 |
| 60 mp-es videó (1080p, 24fps) | 5400-14400s | $1,80-$4,80 |
A képek és videók közötti különbség nem 5-szörös vagy 10-szeres. 30-100-szoros számítási költség kimeneteként. A szöveggenerálással ellentétben, ahol a KV-gyorsítótárazás és a spekulatív dekódolás drasztikusan csökkentette az inferencia-költségeket, a videógenerálásnak nincs olyan egyenértékű optimalizálása, amely nagyságrenddel csökkentené a költségeket.
Három stratégia a költségválság túléléséhez
Minden vállalat, amely még kínál AI-videógenerálást, ugyanezzel az alapvető problémával küzd. Stratégiáik élesen szétválnak.
1. stratégia: Támogass és remélj (a kockázati tőke megközelítés)
Ez volt a Sora stratégiája. Árazz önköltség alatt, szerezz felhasználókat, a pénzkeresést majd később kitaláljuk. Pontosan úgy végződött, ahogy a közgazdaságtan professzorai a dot-com korszak óta jósolták.
Több vállalat még mindig így működik. A Pika, a Luma és a Runway mind a becsült számítási költségek alatti áron kínálja szolgáltatásait. A fogadás az, hogy a költségek gyorsabban csökkennek, mint ahogy a bevételnek nőnie kellene.
A kockázat nyilvánvaló. Ha a GPU-költségek nem csökkennek elég gyorsan, vagy ha a használat gyorsabban nő, mint az optimalizálási nyereségek, ezek a cégek ugyanabba a falba futnak, mint a Sora.
2. stratégia: Költségek áthelyezése a hardverre (az NVIDIA/nyílt forráskódú lehetőség)
Ez a stratégia áll a Helios, a Wan 2.2, az LTX-2.3 és minden más, fogyasztói GPU-kra optimalizált nyílt forráskódú modell mögött.
A logika elegáns: a drága felhőinfrastruktúra futtatása helyett told a számítási költségeket a felhasználó hardverére. Egy RTX 4090 egyszer kerül 1599 dollárba. Ezután minden videógenerálás "ingyenes" marginális költség szempontjából (mínusz a villamosenergia).
A Helios, a ByteDance és a Pekingi Egyetem 14 milliárd paraméteres modellje bemutatta, hogy egyetlen H100 képes 60 másodperces videókat generálni 19,5 FPS-sel. Ami még fontosabb, az optimalizált nyílt forráskódú modellek közelítenek a valós idejű generáláshoz fogyasztói RTX 5090 hardveren.
| Modell | Szükséges hardver | Generálási sebesség | Minőségi szint |
|---|---|---|---|
| Helios 14B | 1x H100 (vagy RTX 5090) | 19,5 FPS (valós idejű) | Professzionális |
| Wan 2.2 14B | 1x RTX 4090 | ~3 FPS | Professzionális |
| LTX-2.3 | 1x RTX 4090 | ~5 FPS (4K) | Professzionális |
| PixVerse R1 | 1x RTX 3090 | ~2 FPS | Fogyasztói |
A korlátozás nyilvánvaló: ez a stratégia csak a csúcskategóriás GPU-kkal rendelkező felhasználókat szolgálja ki. Ez egy jelentős piac, de kizárja az alkalmi tartalomkészítőket, akik a Sorát népszerűvé tették.
3. stratégia: Platformaggregáció (az Adobe/Google megközelítés)
Ez a pénzügyileg legfenntarthatóbb megközelítés. Ahelyett, hogy viselnéd a generálás teljes költségét, legyél egy piactér, amely a kéréseket több modellszolgáltatóhoz irányítja.
Az Adobe Firefly ma 30+ modellt tárol különböző szolgáltatóktól. A Google Flow a Veót integrálja harmadik feles modellekkel. A CapCut a Seedance 2.0-t építette be. Mindhárom esetben a platform hasznot szed, míg a modellszolgáltató viseli a számítási költségeket.
Az Adobe áll a legjobb pozícióban, mert a Premiere Pro és az After Effects már most dominálja a professzionális videószerkesztést. Az AI-generálás hozzáadása a meglévő munkafolyamatokhoz természetes bővítés, és az Adobe prémium funkcióként árazhatja a Creative Cloud előfizetéseken belül, amelyekért a felhasználók már fizetnek.
Az infrastruktúra-költség görbe
A kritikus kérdés az, hogy a GPU-költségek elég gyorsan csökkennek-e ahhoz, hogy a fogyasztói AI-videó életképes legyen.
Az NVIDIA Blackwell architektúrája (B200, GB200) nagyjából 2-3-szoros ár-teljesítmény javulást nyújt az inferencia-munkaterhelésekhez a H100-hoz képest. A közelgő Rubin architektúra újabb 2-3-szoros javulást ígér. Ha mindkettő a tervek szerint teljesít, 2028-ra egy 10 másodperces videó generálási költsége 0,50 dollárról nagyjából 0,05 dollárra csökkenhet.
Ez az idővonaml számít. A támogatott árakon pénzt égető cégeknek még 2-3 évet kell túlélniük, hogy a hardverfejlesztések megmentsék az üzleti modelljüket. Nem mindegyikük fogja ezt megérni.
Mit jelent ez a tartalomkészítőknek
Ha tartalomkészítőként AI-videó platformot választasz ma, a gazdasági adatok ugyanannyira számítanak, mint a funkciók.
- ✓A nyereséges anyavállalattal támogatott platformok (Google, Adobe, ByteDance) biztonságosabb hosszú távú fogadások
- ✓A helyileg futó nyílt forráskódú modellek megszüntetik a függőséget bármely egyetlen cégtől
- ✓Az alacsony áron "korlátlan" generálást kínáló startupok jelentik a legmagasabb kockázatot
- ✓Várni a költségek stabilizálódására, mielőtt elköteleződnél egy munkafolyamat mellett, ésszerű, de lemaradsz a korai alkalmazás előnyeiről
A Sora leállása nem volt rendhagyó. Ez volt az első dominó. Az AI-videógenerálás gazdasági realitása kegyetlen, és azok a cégek élik túl, amelyek kreatív megoldásokat találtak a költségproblémára, nem csak a generálási problémára.
A nagyobb kép
A számítástechnika minden nagy változása átment egy fázison, amikor a technológia működött, de a gazdasági adatok nem. A felhőszámítás évekig volt veszteséges, mielőtt az AWS pénzgéppé változtatta. A streamingvideó milliárdokat veszített, mielőtt a Netflix megtalálta az egyensúlyát. Az AI-videógenerálás ugyanebben a fájdalmas köztes időszakban van.
A különbség ezúttal a sebesség. A hardverfejlődés görbéje meredekebb, mint a felhő vagy a streaming esetében volt. Az NVIDIA 18-24 havonta szállít új architektúrákat, érdemi FLOP-onkénti költségcsökkentéssel. A modellhatékonysági kutatás, a desztillálástól a szakértők keverékén át az olyan architektúrális innovációkig, mint a Helios kontextustömörítése, szoftveroldalról csökkenti a számítási igényeket.
Becslesem: 2027 végére egy 10 másodperces 1080p videó generálása 0,10 dollár alá kerül felhőinfrastruktúrán. Ezen az árponton az üzleti modell működik. A kérdés az, melyik cég képes túlélni addig.
Az AI-videó startupok temetője hamarosan zsúfolt lesz. De maga a technológia nem tűnik el. Csak arra vár, hogy a gazdasági adatok utolérjék.
Lausanne-i MI-mérnök, aki a kutatási mélységet gyakorlati innovációval ötvözi. Idejét modellarchitektúrák és alpesi csúcsok között osztja meg.
View profile →Kapcsolódó cikkek
Folytasd a felfedezést ezekkel a kapcsolódó bejegyzésekkel
A Sora halott. Az OpenAI teljesen kilép az AI videógenerálásból.
Az OpenAI leállítja a Sora alkalmazást, elejti a Disney-megállapodást, és a robotika felé fordul. A legismertebb AI videótermék mindössze hat hónapig élt. Íme, mit kell most tenniük az alkotóknak.
A márciusi 2026-os AI videó lavina: miért lett a kreatív irányítás az új szűk keresztmetszet
2026 márciusában több mint 12 AI videómodell jelent meg egyetlen hét alatt. Az minőség paritása miatt a versengési előny a technikai képességről a kreatív irányításra tolódott.
Egy videó, ezer közönség: Hogyan írja át az AI személyre szabás a videómarketing szabályait 2026-ban
Az AI videó személyre szabása lehetővé teszi a márkáknak, hogy egyetlen kreatív ötletből több ezer testreszabott videóváltozatot hozzanak létre. Íme, hogyan változtatja meg az egy-mindenkinek megközelítésről a személy-egy-szegmens filozófiára való váltás a marketinget örökre.