2023年起AI視頻生成模型行業技術加速迭代，步入規模化落地期，但市場觀點仍存在較大分歧。本文圍繞市場核心關注展開研判：明確DiT主流技術路線及三層演進趨勢；測算2030年市場規模可達450億美元，呈階梯式增長；點明算力、數據、人才、戰略四大核心壁壘，類比成熟的遊戲引擎行業，預判將形成頭部差異化競爭格局而非「贏者通喫」；綜合海內外估值體系，給予行業30倍P/ARR中性估值，認為優質國產多模態標的估值具備上行潛力。

▍報告緣起：AI視頻生成及多模態大模型賽道熱度持續攀升，已成為產業與資本共同聚焦的核心方向。

資本市場層面，根據The Information，快手可靈計劃啓動分拆孖展，估值約200億美元；智譜/Minimax自上市以來分別漲幅達686%/239%，資本端對頭部模型企業追捧情緒高漲。產業端格局亦迎來明顯變動，2026年3月OpenAI受算力成本掣肘關停Sora相關業務，4月可靈ARR達5億美元，業內玩家發展路徑逐步分化。當前市場對於AI視頻與多模態領域發展進程仍存分歧，核心圍繞技術演進路線、行業成長空間、競爭格局究竟走向贏者通喫還是多元共存、行業合理估值中樞等問題。立足行業當下發展現狀與市場核心疑問，本篇報告深度梳理產業全貌，逐一解答市場重點關切。

▍技術層：DiT主導，關注三層演進方向。

DiT 仍為AI視頻生成模型的底層主流架構，具備全局注意力範圍、可拓展性強、控制更精準、連貫性更強等優勢。從後續技術演進路徑來看，我們預計行業將沿着以下方向推進：

1）短期，原生多模態能力成為共識，雙流架構、MMDiT等DiT變體優化逐步落地。例如可靈3.0系列、Seedance 2.0、HappyHorse等。

2）中期，模型架構從稠密（Dense）向 MoE（混合專家模型）演進，參數規模擴容。例如通義萬相Wan2.2、Mamoda2.5已經開啓初步嘗試。

3）遠期：模型自學習與自主規劃能力突破。隨着2025年AR-DiT與Self Forcing的成功突破，世界模型的演進路徑逐步具備清晰可行的基礎，後續需聚焦因果性、交互性、持久性、實時性、物理準確性五大核心維度持續迭代。

▍商業化：初步預計2030年市場規模達450億美元，符合階梯式增長趨勢。

商業模式：當前AI視頻生成行業主要包括會員訂閱、API計費、平台分發和生態合作等，不同廠商有差異化側重。

市場規模：容量廣闊且逐步突破，核心是模型能力突破與場景落地的正向循環，當前模型能力正處L3向L4升級期，我們預計2030年專業內容創作+廣告設計製作+微短劇（含漫劇）+電影場景下的AI視頻生成市場規模合計約450億美元。

增長趨勢：考慮模型能力提升可以進一步打開AI視頻可觸及的增量市場規模+用戶付費意願，我們預計商業化符合階梯式增長趨勢，技術突破是轉折點。

▍行業壁壘：算力、數據、人才、戰略的綜合競爭。

如果將打造頂尖AI視頻生成模型比作植樹成長的全過程，我們認為，AI視頻生成行業的競爭要素可分別對應：

1）算力對應承載根基的花盆，是模型運行迭代不可或缺的硬件基礎，決定技術研發與量產落地的底層上限；

2）海量優質行業數據對應滋養生長的土壤，為模型學習畫面邏輯、鏡頭語言與動態規律提供核心養分；

3）頂尖專業人才對應助力發育的肥料，持續優化模型架構、打磨生成效果，夯實技術核心實力；

4）企業發展戰略則是選定的樹種，直接決定發展方向、場景佈局與商業化路徑，最終拉開行業長期發展差距。

因此，算力、數據、人才、戰略四大要素相輔相成，共同構築起AI視頻生成行業的核心競爭壁壘。

▍競爭格局：壁壘定格局，差異定競爭。

我們以遊戲引擎行業近三十年的產業演化為參照系，對AI視頻生成工具行業的遠期競爭格局進行類比推演。我們認為，兩個行業在多個維度可比，例如均屬於內容創作產業鏈中的底層工具層，均以"賦能創作者實現視覺內容表達"為價值主張，均面臨技術研發門檻高等共性特徵。基於這一類比框架，我們得出兩個核心判斷：1）行業天然壁壘決定了能夠穿越周期的有效玩家數量或被收斂至個位數；2）下游需求的結構性分化決定終局格局或將呈現"3–4家頭部差異化並存"的寡頭競爭態勢。

▍估值定價：中性預計合理估值為30x P/ARR，具備上行空間。

整體來看，我們測算當前全球大模型廠商的P/ARR估值大多落在30-40x，港股上市公司代表P/ARR則超200x，我們認為支撐模型廠商高估值的原因主要包括：1）能力SOTA；2）商業化斜率超預期；3）稀缺性。

多模態領域中，國產廠商表現領先且有望持續。能力SOTA上，中國廠商憑藉數據、算力、創新、工程等優勢構建長期發展壁壘；商業化斜率上，國內廠商實現市場、需求、模式協同發展，率先打通產業商業閉環；稀缺性上，中國廠商具備全球領先的顯著優勢，根據POE，2025年9月中國廠商累計市佔率達55%，伴隨海外迭代滯後以及Seedance 2.0和可靈3.0的爆火，我們判斷當前國產市場份額或進一步提升。

▍風險因素：

技術迭代不及預期；應用落地不及預期；行業競爭加劇；下游客戶付費意願不及預期；IP開發商業化不及預期；版權合規風險等。

▍盈利預測、估值與評級：

2023年起多模態行業技術加速迭代，步入規模化落地期，但市場觀點仍存在較大分歧。本文圍繞市場核心關注展開研判：明確DiT主流技術路線及三層演進趨勢；預測2030年市場規模可達450億美元，呈階梯式增長；點明算力、數據、人才、戰略四大核心壁壘，類比成熟的遊戲引擎行業，預判多模態模型將形成頭部差異化競爭格局而非「贏者通喫」；綜合海內外估值體系，給予行業30倍P/ARR中性估值，優質國產多模態標的估值具備上行潛力。建議關注：1）佈局視頻模型的頭部互聯網公司；2）頭部第三方模型公司；3）受益於AI視頻生成應用的公司。

注：本文為中信證券2026年5月23日發布的《AI視頻生成模型：如何看待市場、競爭、估值？》，分析師：廖原S1010522030004、許英博S1010510120041、葉敏婷S1010525050001、連一席S1010523020002、丁曉月S1010525120001、徐航S1010525060001、張苡銘S1010525120003、王悅如S1010526040003