徐工、小鹏、穹彻智能，为什么都选择Seedance 2.5？

今年6月的火山引擎Force原动力大会上，视频生成模型Seedance 2.5初亮相。预告功能吊足了用户的胃口，各大AI视频平台纷纷打出了“Seedance 2.5即将接入”的预告。

7月31日，Seedance 2.5正式发布，目前已上线豆包、即梦、扣子、小云雀等字节旗下产品，并将于近期通过火山引擎面向企业用户开放。

相较年初发布的Seedance 2.0，Seedance 2.5在四大核心能力上实现突破：

单次生成视频时长提升至30秒，并提供高保真时序延长能力，可在更长时长内保持人物、场景与镜头的一致性；支持最多50个多模态参考素材，同时新增白模、绿幕参考能力，复杂项目与工业化创作更加可控；增加了视频局部编辑能力，支持在维持整体画面节奏的前提下，对背景、商品、人物等局部元素进行精准修改；同时原生支持10余种语言，并加强了复杂指令控制，能够适配多语言、多版本的工业化生产需求。

Seedance 2.5进一步增强了对真实世界的理解和呈现能力，这一突出特点令其拓展了原有服务场景的边界。

内容创作方向，视频生成从片段级输出，走向更完整的创作流程。视频生成从“能生成”，迈向了“可修改、可迭代、可交付”的新阶段。

另一方面，通过与真实世界的持续交互，Seedance 2.5正加速渗透至智能驾驶、具身智能、实体制造、教育、电商出海等领域。

Seedance 2.5开放当天，徐工集团、小鹏汽车、灵初智能、微分智飞、穹彻智能等多家企业确认合作，将率先引入该模型能力。目前，这些企业已基于Seedance系列模型展开了场景落地探索。

30秒直出，已摸到商用TVC的门槛

Seedance 2.5上线的第一时间，我们就上手进行了评测。

我们给Seedance 2.5设了两道题：生成一条30秒品牌TVC，再对这条TVC做一次美国市场本地化处理。为此我们虚构了一个高端手机品牌“星辰X1”，然后为它准备了14张参考素材：7个角度的产品图、3张人物肖像、3个场景设定、1个Logo。

Prompt是一条精确到秒的分镜脚本：0到6秒开场，手机悬浮旋转、屏幕点亮、环绕推进；6到12秒夜景拍摄，跟焦手机屏幕；12到18秒日出拍摄，逆光剪影；18到24秒成片展示，照片漂浮展开；24到30秒结尾，产品旋转，Slogan入画。镜头运动方式、光影来源、过渡效果全部写入。

从最终成片效果来看，Seedance 2.5整体水平已接近商用产品片水准。

在镜头语言上，开场产品光效、屏幕内转场、照片飞出显示器的运镜衔接流畅且有想象力，这并非简单的场景切换，而是具备了一些镜头设计意识。不过，小问题也有，在全片转场都用了淡入淡出的前提下，有两处稍显僵硬的切换。考虑到30秒内要完成4个场景的叙事推进，两处硬切对整体观感的干扰其实很有限。

光影是全片最强项，产品扫光符合物理反射规律，逆光剪影的曝光过渡自然无跳变。夜景场景中，霓虹灯光在手机背面玻璃上的反射效果、车流光轨在屏幕中的呈现，都经得起逐帧细看。

人物动作的静态持机和发丝飘动自然可信，不过手持运镜因为匀速显得略微有些机械化。触屏滑动时指尖没有完全接触屏幕，动态手部仍露AI痕迹。当然，手指与手机屏幕间的毫米级交互，本身就是视频生成领域公认的技术难点，能处理到这个程度已经算往前迈了一大步。

接下来是Seedance 2.5新增的视频局部编辑能力，让它将视频中的中国元素替换掉，对这条视频做美国本土化处理。

编辑指令很明确：手机外观、镜头轨迹、场景切换时间点、光影效果、总时长，全部100%不变。人物换成欧美金发女性摄影师，场景换成纽约曼哈顿夜景、大峡谷、工业风Loft，Slogan换成英文。

技术执行近乎逐帧对齐原版，结构、运镜、转场时机与原版重叠度极高。人物替换后三场景面部一致性很好，动作节奏与快门时机匹配无崩坏。

场景替换明显融入了美国元素，例如张家界云海日出被换成科罗拉多大峡谷日落，光影层次甚至优于原版；办公室场景换成了红砖墙布鲁克林Loft，对应美国本土的风格；英文Slogan的字体、位次、淡入时机与原版一致，品牌星标和“星辰”中文小字也保留了。

有一个细节值得一提，6到11秒夜景段，天际线依然是上海外滩。人物、Slogan、日出、工作室都精准替换为美国的版本，唯独城市夜景没触发编辑。这恰好说明局部编辑的核心挑战不在替换能力本身，而在于编辑范围的识别，模型需要更明确地理解“哪些东西属于需要被替换的范畴”。这种范围控制能力一旦成熟，局部编辑的实用性会再上一个台阶。

从内容走向生产

两个测试下来，结论比较清晰：Seedance 2.5这次新取得的突破已经从“能跑通”进入了“能交付”的讨论范围。

虽然Seedance 2.5还不是一个可完全直出的工具，细节上仍有需要后期修补的地方，但其已经跨过了那条最关键的分界线：从“可行”到“可用”。对于任何一个行业工具来说，从0到1，从来都比从好到更好难得多。

过去两年，视频生成模型的演进轨迹，很容易被简化为一条技术参数曲线，背后是更长的时长、更高的分辨率以及更逼真的画质。但Seedance 2.5在产业端的延伸，指向了一个更深层的转变。

30秒内人物、场景、镜头的一致性保持，对重力、碰撞、摩擦力等物理规律的遵循，还有基于少量先验数据泛化大规模场景的能力，这些加在一起意味着，视频生成模型正在重建一个接近真实物理世界的动态环境。

这种“重建”并非抽象的概念，在实际的具身智能训练场景中尤为直观。

以透明及反射物体学习为例，机器人在抓取透明玻璃杯或反射金属器物时，光线会发生折射与扭曲，背景影像投射在物体表面，传统视觉模型极易被干扰。但Seedance系列模型只需输入一段机器人在厨房台面前操作的视频，就能在保持原始运动轨迹、镜头角度和机械臂位姿完全不变的前提下，将玻璃罐中的液体改为橙汁，台面换成棕色木纹，整体环境光调亮。

在这过程中，光线如何穿透液体，如何在木质表面漫反射，玻璃杯壁如何折射，模型都会自动完成物理一致性计算。这个案例很好说明通过视频生成模型，机器人可以在生成的多样化场景中反复训练，学会应对不同光照和材质条件下的操作挑战。

香港科技大学计算机科学与工程系副教授王帅评价，以Seedance 2.5为代表的新一代视频模型，不仅可以生成图像帧，更是在学习“世界如何变化”。例如，一个物体被推动之后如何运动，人物动作与环境如何互动，镜头切换时空间关系如何保持一致，这些都要求模型具备更强的时空理解能力和物理一致性建模能力。

当视频生成模型具备更强的物理规律理解能力之后，其应用边界会进一步扩大。除了服务于内容产业，也可能成为未来具身智能、机器人仿真、自动驾驶场景生成、工业设计验证等领域的重要基础能力。因为这些场景都需要模型理解“一个动作会带来什么后果”“一个场景会如何演化”。

“从这个角度看，Seedance 2.5代表的不只是视频生成质量的提升，更是生成式AI向真实产业生产流程深入融合的一个重要信号。”

视频生成价值向实体延伸

观察Seedance 2.5合作企业名单，印证了上述的判断。从徐工集团、小鹏汽车到穹彻智能、微分智飞，没有一家是传统意义上的内容公司，它们分布在中国制造、汽车、具身智能、自动驾驶等实体经济的核心地带。

彼此行业不同，但需求高度一致。每一家都需要在真实生产流程中，高效地生成数据、仿真场景、演示流程与交付知识。而这些，恰恰是视频生成模型正在提供的新能力。

制造行业具有典型的高复杂度、高安全要求和高知识密度特征，从大型设备交付、安装调试，到产线作业、售后维修，高度依赖经验型知识的传递。传统方式依赖实拍或3D动画制作培训视频，成本高、周期长，且难以应对产品迭代与工艺变更。

徐工集团此前已将Seedance 2.0应用于工业操作培训、工序SOP、安全培训等视频生成，大幅降低传统实拍与3D动画的制作成本。面对产品迭代或工艺变更，可按需快速更新视频内容，无需重新组织拍摄或建模。

具身智能模型训练，长期受困于数据瓶颈。实体机器人逐一采集数据，速度慢、成本高、场景覆盖有限，复杂操作还容易造成设备损坏。而传统仿真合成数据则需要大量人力进行精细化场景建模，光照、纹理、物理规律都需要逐一嵌入。

视频生成模型提供了第三条路径，利用其更强的泛化能力，只需参考少量高质量的先验数据，便可自动化生成多样化的训练数据，成为具身智能训练数据的有效补充。

穹彻智能借助视频生成扩充了具身智能大模型的训练数据，无需依赖实体机器人逐一采集，就能生成适配不同机型的操作数据，提升模型在多种机器人上的适配能力与通用性。

微分智飞则在飞行具身领域深入探索，将Seedance融入飞行机器人应用，打造出一套标准化、高难度的数据集生成流程，能够精准模拟障碍物闪避、室内自主寻路、智能目标锁定乃至复杂镜头运动等真实难题，产出高质量训练数据。

在智能驾驶领域，多家头部企业正在探索基于Seedance模型生成训练数据。暴雨、大雾、降雪、光线反射，这些极限工况在真实路采中难得一遇；行人突然横穿、前车紧急切出等corner case在数据池里更是稀缺。

而恰恰是这些难以大量采集的边缘场景，决定了自动驾驶系统的安全上限。Seedance提供了一条新路径：成规模地合成极端场景数据，让模型训练不再受限于真实世界的采集密度与偶发概率。

在量产车的另一端，从设计师的第一张草图到上市前的宣传片，Seedance同样在扮演加速器的角色。

小鹏汽车此前已将Seedance 2.0集成至企业内部一站式AIGC平台Vision-X，辅助汽车产品设计、创意灵感快速验证、营销宣传物料等环节的视频创作。从概念设计阶段的快速可视化，到量产车型的宣传视频制作，视频生成正在融入汽车产品定义到上市的全流程。

未来，Seedance 2.5在实体经济中的价值，远不止降本增效，更在于它正在催生一种全新的研发与生产范式。让先模拟、后验证再实施这一流程成为可能，将许多原本只能在物理世界试错的环节，转移到低成本、高保真的数字世界。

从生成视频，到生成数据、生成场景、生成交付，视频生成正在重新定义“生产力”三个字的内涵。而当视频生成模型的价值，逐步向实体产业延伸，Seedance 2.5的发布，便是一个起点，而非终点。