视频 AI 陪伴：最动人的那一帧，是最烧钱的姿势

实时视频陪伴什么时候能普及“AI 有了身体、能实时反应你说一句「再靠近一点」她真会靠过来看着就差临门一脚了。”在此之前我想先问另一个问题一个能全程陪伴、有身体、会实时回应的 AI如何养得活自己作者 | 听风编辑/排版 | MM77翠鸟AI技术漫研 — 拓新AI边界、探索技术增量“陪伴产品被成本拖死这不是新鲜事视频只是把这件老事的账单又抬高了两个数量级。”1.成本这道坎陪伴天生就站在反面。它要长时长、可付费意愿低、单位成本还高三头拧着天生是个亏钱结构。文字陪伴这道题都没解开Character.AI 越黏越亏、卖身 Google视频每秒的信息吞吐是文本的成千上万倍只会更狠。2.厂商报的延迟量的是画面不是脑子。零点几秒说的是渲染推流有多快可陪伴破功从来不在这半秒而在「她答得飞快却像个客服」——那条理解上下文的慢链路厂商通常不提。3.真正的命门是记忆而这波技术压根没碰。实时生成解决的是单次会话别崩跨会话的长期记忆是另一整套系统跟生成模型是两码事。做得再像真人每次也都是从头开始的陌生人。01. 先算笔账说说陪伴这门生意一门生意能不能成我习惯先看它的单位经济学往哪个方向使劲。陪伴这门生意三个方向偏偏全是拧着的它要长时长用户挂得越久越算成功可付费意愿又低愿意为情绪价值掏钱的人心理价位大多卡在月付几十块偏偏单位成本还高聊得越久算得越多。长时长、低客单、高成本凑一块天生就是个亏钱的结构。☝️文字陪伴这道题都还没解开呢。Character.AI 是现成的教材——用户黏性高得吓人人均在线时长把 ChatGPT 甩开几条街然后呢越黏越亏算力烧穿最后卖身 Google。它把一件反常识的事摆到了台面上在陪伴这行受欢迎和赚钱有时候是拧着来的。视频只会让账单更难看。按 Vivix 自己披露的量级连续音视频每秒要处理的信息量是文本交互的成千上万倍成本曲线跟着往上陡。粗算一下数字都按官方口径未必准官方说推理的基础设施成本能压到每小时一美元以下听着不贵。可陪伴是按小时挂着的啊。一个重度用户一天挂两小时一个月就六十小时光这一层就是几十美元的推理成本打底——他一个月愿意付的钱说不定还没这么多。当然真实账要复杂得多还有带宽、加价、留存分摊但大方向就是这样越受欢迎越亏。这是陪伴场景的原罪文字版没解视频版只会更狠。02. 快的是画面慢的是脑子厂商爱报延迟数字。画面反应零点几秒、端到端一秒多这些数字大概率是真的。但它们量的是渲染和推流说的是画面动得快不快。陪伴会不会破功压根不在这半秒上。没人会因为她慢半秒就出戏真正让人出戏的是——她答得飞快一张嘴却像个客服。而「答得不像客服」这件事靠的不是那条快链路。你说一句需要理解上下文、还带点情绪拐弯的话走的是另一条慢思考的链路。厂商报延迟的时候通常不太提这一条。实时视频还把这个尴尬给放大了。纯文字聊天她想两秒换回一个走心的回答你能等可视频里她杵在那儿卡两秒你眼睁睁看着一个「人」死机那种别扭是成倍的。以前思考的时间藏在打字气泡后头你看不见现在全摊在镜头前了。03. 记忆这道坎这波技术根本没碰前面两样一个是钱一个是体验。第三样更要命。陪伴到底靠什么说到底是「她记不记得你是谁」。她记得你上礼拜提过奶奶住院今天开口先问一句——就这一句比一万个丝滑的动作都管用。而实时生成这套东西解决的是单次会话里别崩这段视频连贯、这轮对话不打架、表情别跳戏。它管得住「这一段别出错」可管不了「这三个月怎么攒下来」。跨会话的长期记忆是另外一整套系统——外挂的记忆库、用户画像、关系状态那些——跟生成模型基本是两码事发布会上一般也就一句话带过。所以说穿了这代模型能让角色这一刻更像个人可它不知道你是谁、上次聊了什么。做得再像真人每次也都是从头开始的陌生人。而陪伴要留住人恰恰靠的就是那个「从头」之外攒下来的东西。04. 视频AI陪伴到底能不能做能。但先跑起来的肯定不是「全程视频挂着」这条最烧钱的路。你注意看那些最惊艳的演示几乎清一色是短片段——撒个娇、跟文物聊几分钟。这不是巧合。短时、情绪浓度高的场景时长可控、成本压得住、还够炫它天生就先成立。长时陪伴大概会绕着走先拿文字、语音把关系养起来视频留给那几个要紧的时刻。视频是她在你生日那天突然出现在屏幕上的那点惊喜而不是陪你刷牙洗脸的背景板——那玩意儿谁也挂不起。真正的壁垒不在能不能实时改剧情、能不能全身乱动那些炫的地方。它在记忆在关系在那套没人愿意上台讲、也确实不性感的系统里。谁把「她记得你」这件事做扎实了谁才算摸到陪伴的门。这波技术是把陪伴的活人感天花板抬高了这我认。可它同时也把「怎么养活自己」这道题变得更难了。演示里最戳人的那句「再靠近一点」恰好是商业上最烧钱、最不该一直开着的那个姿势。