封面
前折页
书名页
版权
前言
第1章 “一人剧组”时代——Seedance引爆AI视频革命
 1.1 从《流浪地球》到卧室导演：内容生产权力的转移
  1.1.1 传统影视工业的成本困局
  1.1.2 Seedance 2.0引爆的“个体崛起”现象
  1.1.3 案例：个体创作者的突围样本
 1.2 什么是真正的“一人剧组”
  1.2.1 “一人剧组”的三大核心能力：创意构思、内容生成和商业变现
  1.2.2 为什么叫“剧组”
  1.2.3 一人剧组与传统团队：本质区别的深度解析
 1.3 “一人剧组”时代来临的3个关键信号
  1.3.1 技术成熟：从Sora到Seedance 2.0的能力跃迁
  1.3.2 流量红利：平台算法对AI内容的扶持窗口期
  1.3.3 商业化落地：市场验证的真金白银
 1.4 AI视频的技术基石
  1.4.1 多模态融合：打破感官的边界
  1.4.2 音画同步：突破感官体验的临界点
  1.4.3 端到端生成：从提示词到成片的效率革命
  1.4.4 世界模型：让AI理解镜头语言与叙事节奏
 1.5 AI视频技术演进的5个必然趋势
  1.5.1 趋势1：超越真实——从“以假乱真”到“超越真实”
  1.5.2 趋势2：实时生成——视频的“ChatGPT时刻”
  1.5.3 趋势3：多模态融合——视频+AR+VR
  1.5.4 趋势4：个性化定制——千人千面的内容
  1.5.5 趋势5：AI Agent自主创作——“无人剧组”
 1.6 字节跳动的Seedance战略解码
  1.6.1 从抖音到剪映再到即梦：战略连贯性
  1.6.2 Seedance技术栈：双分支扩散变换器的突破
  1.6.3 商业化路径：从工具到平台再到生态
第2章 AI视频的产业生态全景
 2.1 视频内容产业格局的三大变化
  2.1.1 变化1：内容产业的重新洗牌
  2.1.2 变化2：平台竞争的新维度
  2.1.3 变化3：全球化的加速推进
 2.2 上游：算力、模型、数据
  2.2.1 芯片：算力基础设施的竞争
  2.2.2 大模型：技术能力的核心
  2.2.3 训练数据：模型能力的源泉
 2.3 中游：工具平台与SaaS服务
  2.3.1 AI视频生成：百花齐放的工具矩阵
  2.3.2 后期编辑：AI赋能的全面升级
  2.3.3 to B服务：云平台的API商业化
 2.4 下游：内容创作者与MCN
  2.4.1 个人创作者：自由职业者的黄金时代
  2.4.2 AI原生MCN：批量化生产+矩阵化运营
  2.4.3 品牌方：内容营销的AI化转型
 2.5 产业协同案例
  2.5.1 字节跳动的“豆包+剪映+即梦”闭环
  2.5.2 快手的“可灵+磁力引擎”生态
  2.5.3 Adobe的创意云生态协同
第3章 AI视频的全球竞争格局
 3.1 美国：OpenAI与硅谷的生态优势
  3.1.1 Sora的技术领先性：物理真实感、长视频一致性
  3.1.2 好莱坞的内容产业协同：迪士尼、Netf lix的试水
  3.1.3 资本市场的估值溢价
 3.2 中国：字节跳动、快手引领的快速迭代
  3.2.1 “十五五”规划中的数字内容产业：政策红利
  3.2.2 深圳、杭州的AI视频产业集群
  3.2.3 出海战略：TikTok的全球化布局
  3.2.4 增长势头：可灵2025年收入、生数科技融资的市场验证
 3.3 欧洲：监管优先的谨慎态度
  3.3.1 GDPR对AI训练的限制
  3.3.2 版权保护的高门槛：Getty Images诉讼案
  3.3.3 创新乏力的深层原因：算力、资本、人才的三重短板
 3.4 技术竞赛与供应链博弈
  3.4.1 算力“卡脖子”：H100禁运对中国的影响
  3.4.2 开源和闭源的路线之争
  3.4.3 数据主权：各国的政策博弈
第4章 AI视频变现的五大商业模式
 4.1 模式1：内容电商——短视频带货工厂
  4.1.1 模式本质与运作逻辑
  4.1.2 成功要素与关键能力
  4.1.3 潜在风险与应对策略
 4.2 模式2：品牌服务——企业视频的AI化生产
  4.2.1 市场需求与服务定位
  4.2.2 获客渠道与定价策略
  4.2.3 客户关系与复购率
  4.2.4 规模化的路径与瓶颈
 4.3 模式3：IP孵化——虚拟IP的长期主义
  4.3.1 IP的价值来源
  4.3.2 虚拟IP的类型与定位
  4.3.3 内容规划与粉丝运营
  4.3.4 商业化路径与时机把握
 4.4 模式4：知识付费——教别人用AI的生意经
  4.4.1 知识付费的市场基础
  4.4.2 课程设计与内容规划
  4.4.3 传播渠道与定价策略
  4.4.4 持续更新与社群运营
 4.5 模式5：平台分发——规模化的流量生意
  4.5.1 平台分成机制解析
  4.5.2 内容策略与算法理解
  4.5.3 矩阵化运营与风险分散
  4.5.4 长期可持续性问题
 4.6 商业模式选择矩阵
  4.6.1 自测问卷：你适合哪种变现路径
  4.6.2 资源盘点：启动资金、时间投入、现有技能
  4.6.3 风险评估表：各模式的坑与应对策略
  4.6.4 组合拳打法：如何同时运营多种模式
第5章 AI视频变现从0到1的实战路线图
 5.1 第一个月：打磨产品与测试市场
  5.1.1 需求验证与定位
  5.1.2 内容生产与优化
 5.2 第二个月：流量获取与转化优化
  5.2.1 流量获取“三板斧”
  5.2.2 转化路径设计
  5.2.3 数据驱动迭代
 5.3 第三个月：规模化复制与团队搭建
  5.3.1 规模化的三个关键
  5.3.2 何时需要招人
  5.3.3 从个体户到公司
第6章 创业视角：给创业者的建议和预言
 6.1 视频内容创业者如何吸引投资
  6.1.1 商业计划书的核心要素
  6.1.2 路演技巧：“人、货、场”的清晰表达
  6.1.3 估值谈判：避免过度稀释股权
 6.2 给视频内容创业者的终极建议
 6.3 给视频内容创业者的十条预言
第7章 投资视角：值得关注的细分赛道
 7.1 风险投资为什么看好这个赛道
  7.1.1 市场规模：内容产业的AI化
  7.1.2 增长速度：复合增长率与爆发潜力
  7.1.3 技术壁垒：短期内难以被替代
 7.2 六个高潜力细分赛道
  7.2.1 垂直行业的AI视频SaaS
  7.2.2 AI原生MCN与经纪公司
  7.2.3 深度伪造检测与合规服务
  7.2.4 虚拟IP运营与授权平台
  7.2.5 AI视频后期工具链
  7.2.6 数据标注与清洗服务
 7.3 投资案例拆解
  7.3.1 生数科技6亿元融资：投资人看重什么
  7.3.2 海外Runway、Pika的估值逻辑
第8章 AI视频技术的挑战与商业风险
 8.1 技术局限性：AI的“翻车”现场
  8.1.1 质量不稳定的四大问题
  8.1.2 应对策略
 8.2 版权与法律风险
  8.2.1 训练素材的合法性争议
  8.2.2 创作内容的版权归属
  8.2.3 肖像权与隐私权
  8.2.4 应对策略
 8.3 商业风险：同质化与流量焦虑
  8.3.1 当所有人都会用AI
  8.3.2 破局之道：从工具思维到产品思维
  8.3.3 流量平台的规则变化
  8.3.4 应对策略
 8.4 成本陷阱：看不见的支出
  8.4.1 显性成本
  8.4.2 隐性成本
  8.4.3 盈亏平衡点计算
 8.5 团队管理与外包风险
  8.5.1 何时不该招人
  8.5.2 外包的坑
  8.5.3 应对策略
第9章 AI视频的伦理、监管与社会责任
 9.1 就业冲击：AI会取代哪些工作
  9.1.1 高危职业
  9.1.2 相对安全的职业
  9.1.3 新兴职业机会
 9.2 深度伪造的社会危害
  9.2.1 诈骗案例
  9.2.2 政治风险
  9.2.3 防范指南
 9.3 平台与创作者的责任
  9.3.1 平台责任
  9.3.2 创作者的职业道德
  9.3.3 行业自律倡议
 9.4 各国监管政策与应对
  9.4.1 美国的监管路径
  9.4.2 欧盟的监管路径
  9.4.3 中国的监管路径
  9.4.4 创业者如何应对
 9.5 技术标准：水印与可追溯性
  9.5.1 C2PA标准
  9.5.2 Project Origin
  9.5.3 国内的探索
  9.5.4 对创作者的影响
写在最后的话：一人剧组的终局
后折页
封底