日本AI基础设施服务商ai&宣布推出AI视频生成服务ai& video，可将文本、照片及现有视频片段转化为新的视频内容。用户以日语描述场景、让单张照片动起来或延续已有片段，即可在ai&位于日本的自有基础设施上最快12秒完成视频生成。该服务通过ai& inference（其AI推理平台）对外提供，标志着ai&的模型服务范围从语言处理、科学研究等应用场景正式扩展至视频生成领域。
在功能层面，用户可用平实的日语描述场景中出现的人物、地点与事件，由模型生成完整画面；也可基于照片中的主体与光线将其动画化，或对已有视频片段进行延续。较快的生成速度使用户能够反复尝试镜头运动、构图及不同的创作方向。企业客户还可借助该服务在项目早期对概念进行可视化，并评估多种方案。在受支持的模型上，ai& video可同时生成与视频配套的音频。
ai& video提供两种接入方式。其一是浏览器界面，用户直接输入文本或上传素材即可生成视频；其二是API，可将视频生成能力集成至现有制作工具或自有应用中。计费采用按使用量付费模式，价格因模型而异，不设月度订阅费用。这一模式延续了ai& inference平台此前的商业化思路，即按实际调用量计费，降低企业试用与规模化部署之间的切换成本。
面向企业客户，ai& video支持基于企业拥有使用权的角色形象、影像素材及其他资产进行额外训练，生成反映企业视觉识别与风格的专属模型，且仅对该企业开放。额外训练在专用环境中进行，其他用户无法访问。ai&方面表示，为标准视频生成上传的素材不会被用于模型训练。所有视频生成均在ai&位于日本的基础设施上运行，并配有自研审核系统，用于防止不当生成及可能侵犯知识产权的使用行为。
视频生成属于计算密集型任务。模型除需产出高质量单帧画面外，还必须在时间维度上保持人物与物体运动的连贯性，即便数秒素材的生成成本也相对可观。提升生成速度的关键在于最大化计算平台针对每个模型的性能表现。ai&针对特定模型与芯片的组合优化推理，开发运行时软件以充分利用NVIDIA GPU及其他厂商的处理器，通过硬件选型与自研优化的结合实现高吞吐与低成本。
从行业角度看，视频生成正成为AI推理服务竞争的新战场。与文本生成相比，视频推理对算力调度、模型运行效率与成本控制提出更高要求，能否在自有基础设施上实现低延迟、低成本的规模化输出，正在成为AI云服务商差异化竞争的关键指标。ai&将视频生成纳入其推理平台，意味着其服务边界从模型调用进一步延伸至内容生产环节。
对企业市场而言，支持基于自有素材训练专属模型、并承诺标准生成素材不用于训练，回应了企业在品牌一致性与数据安全方面的核心关切。随着视频生成从通用工具走向企业定制化部署，推理基础设施的本土化与合规能力将成为供应商争夺企业客户的重要维度。ai& video能否在按量付费模式下形成稳定的企业使用场景，仍有待市场验证。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
