2026年年中回顧:AI媒體生成產業今年究竟發生了什麼

七個月前,AI媒體生成還是一個大多靠「潛力」撐場面的領域——展示時驚艷、量產時卻不穩定的模型,出手闊綽卻帶著投機色彩的資金,以及幾乎一片空白的監管環境。到了2026年7月中旬,這一切大多已經塵埃落定。影片模型將原生音訊與4K輸出當成標準配置,而非拿來當噱頭的頭條功能。好萊塢的製片廠已經向AI實驗室發出了第一批停止侵權函(cease-and-desist letter)。一部聯邦下架法案正在被切實執行,而不再只是紙上談兵。融資輪的規模也大到讓「AI媒體新創公司」與「數十億美元估值企業」不再是互相矛盾的說法。年初,DeepSeek就已經在低調中改變了開源與閉源之爭的走向——2025年12月悄悄發布的DeepSeek-V3.2,其高算力版本據報在推理基準測試上追平甚至超越多個閉源前沿模型,為我們在開源與閉源AI模型一文中梳理過的爭論再添一筆佐證。以下,我們將逐月回顧從1月到現在,真正推動這個領域前進的重大事件,而非鉅細靡遺的每一次小更新。

一月:算力的轉向

這一年是從CES 2026(1月7日至10日)開場的,Nvidia的主題演講與其說是新品發表,不如說是一次戰略轉向的宣告。該公司公布了預計於下半年推出的新一代Rubin GPU架構,但真正引人注目的,是黃仁勳的論述框架:Nvidia正把下一階段的成長押注在「實體AI」(physical AI)——能夠對現實空間與機器人技術進行推理的模型——而不再單純依賴過去三年推動需求的聊天機器人與媒體生成工作負載。對一個完全仰賴GPU供應的產業而言,晶片廠商釋出「注意力正在轉向何處」的訊號,其重要性不亞於任何一次模型發布。

這個月也提醒了世人,AI帶來的經濟衝擊是雙面刃:Amazon於1月28日裁減了約1.6萬個企業職位,加上前一年10月已裁減的1.4萬人,公司將AI帶來的效率提升列為部分原因——這種模式在整個春天將在其他公司身上不斷重演。

二月:全年迄今最忙碌的一個月

如果要用一個月來定義2026年上半年,那必然是二月。快手於2月4日至5日推出Kling 3.0,新增原生多語言音訊、4K/60fps輸出,並在單一工作流程中實現完整的多模態輸入輸出——這正是我們在AI影片生成現況一文中梳理過的那波能力躍升的一環。幾天後,2月10日至11日,Runway完成由General Atlantic領投的3.15億美元E輪融資,估值達53億美元;同一週,ElevenLabs也完成由Sequoia領投的5億美元融資,估值達110億美元——兩者都在向外界傳遞同一個訊號:投資人已經不再把生成式媒體當成小眾賭注來看待。

接下來是這個月分量最重的一則新聞。ByteDance於2月12日發布Seedance 2.0,這款影片模型能生成長達15秒、附帶同步音訊的片段,單次最多可接受十幾個參考輸入。發布還不到一天,迪士尼便向ByteDance發出停止侵權函,指控該模型是用《星際大戰》與漫威(Marvel)受版權保護的角色訓練而成,且能在未經授權付費的情況下重現這些角色;派拉蒙天空之舞(Paramount Skydance)隨後也發出自己的信函,涵蓋《星艦迷航記》與《南方公園》。ByteDance於2月16日公開承諾強化防護機制,但爭端在2月22日進一步升級——美國電影協會(MPA)首次向一家生成式AI公司發出停止侵權函,迪士尼、華納兄弟探索(Warner Bros. Discovery)、派拉蒙天空之舞、Netflix與索尼影業(Sony Pictures)聯署加入。這是迄今最清楚的訊號,表明好萊塢打算就影片模型的訓練方式與輸出內容真正訴諸法律,而不只是遊說施壓。二月的尾聲,Google的Nano Banana 2(Gemini 3.1 Flash Image)於2月26日全球上線,讓快速、高品質的圖像生成進一步走入主流消費產品。

三月至四月:Sora的退場與圖像生成的躍進

OpenAI在3月24日正式宣布了這個春天影片領域最重要的消息:Sora消費者應用程式與開發者API都將停止服務——應用程式已於4月26日下線,API則預計在9月下旬前停止接受請求。這次撤退對整體影片市場意味著什麼,我們在AI影片工具市場地圖一文中有詳細分析;簡而言之,OpenAI似乎正把消費者影片這塊陣地讓給競爭對手,自己則把重心轉往別處。與此同時,Google仍持續發力:3月31日,Veo 3.1 Lite透過Gemini API上線,把同步對話影片生成的能力擴大到企業層級以外的用戶。產業其他角落,1月以來的裁員模式仍在延續——Atlassian於3月11日裁減約1,600個職位,作為其宣稱轉向AI與企業銷售策略的一部分。

四月則屬於圖像生成。OpenAI於4月21日發布GPT Image 2,隔天正式在ChatGPT上線,該公司稱之為「能動式推理」(agentic reasoning)——模型會先規劃圖像結構,再進行生成,而非一次成型——同時多語言文字渲染能力也有實質提升。據報導,該模型在發布後12小時內就登上了某大型圖像生成排行榜所有類別的榜首。同一個月,美國一家聯邦地方法院就Getty Images控告Stability AI一案做出部分裁決,允許Getty提出的商標權與不實表示指控繼續進行,但駁回了著作權管理相關的主張——相較於前一年11月倫敦法院的判決,這對Getty來說是一場範圍較窄的勝利:當時倫敦法院直接駁回了Getty核心的著作權侵權主張,但認定Stability需就生成圖像中出現的Getty浮水印承擔商標侵權責任。

五月至七月:法律終於追上來了

五月迎來了今年第一個硬性監管期限:美國《TAKE IT DOWN法案》的平台合規要求於5月19日正式生效,強制各平台必須建立通報與48小時內下架的流程,用於處理未經同意的私密影像,其中也包括AI生成的偽造內容——這項轉變我們在新一波AI監管對創作者意味著什麼一文中有詳細說明。六月,監管的動能在大西洋兩岸持續延燒:歐盟公布了機器可讀AI內容標示的最終版行為準則(Code of Practice),為《AI法案》第50條的義務生效預作準備;而在華盛頓,一項跨黨派的《AI標示法案》(AI Labeling Act)被提出,要求在聯邦層級對AI生成媒體強制標註視覺可見且機器可讀的標籤。與AI基礎設施支出直接掛鉤的裁員也仍在持續——GitLab於6月3日裁減約350個職位,執行長稱這是為了資助一場針對能動式(agentic)工作負載的「世代性重建」。

這個夏天,音樂產業這一側也迎來了攤牌時刻。在華納音樂於2025年底與Suno達成授權和解、環球音樂也另行與Udio達成協議之後,索尼音樂仍持續推進對這兩家公司懸而未決的合理使用(fair use)訴訟,預計2026年夏天將迎來一項可能為整個AI音樂領域立下先例的關鍵判決——這起案件值得與我們在AI如何重塑個人創作者的內容生產一文中提出的、關於AI輔助創作的更廣泛議題一併關注。截至7月初,ElevenLabs據報正就一項次級要約收購展開初步談判,若成交,公司估值將達約220億美元,較2月時的110億美元翻倍——短短五個月,估值翻倍,清楚說明即便法律風險不斷累積,資本湧入這個領域的速度依然驚人。

貫穿始終的主線

綜觀2026年上半年,有三個模式格外突出。第一,能力趨同:原生音訊、4K輸出與多參考輸入在短短一季之內,從差異化賣點變成了Kling、Seedance、Veo與GPT Image這些主流模型的標配。第二,資本的集中:融資輪與估值大幅向少數幾個原本就規模龐大的玩家集中——Runway、ElevenLabs以及幾家大型實驗室——而非分散到一長串新創公司身上。第三,也是影響最深遠的一點:法律不再落後於技術。聯邦下架法案正在被切實執行,一項橫跨整個歐洲大陸的標示制度將於8月2日正式生效,而好萊塢向AI公司發出的第一封停止侵權函,就發生在二月。無論2026年下半年會帶來什麼,它所面對的,已經是一個期限、訴訟與資產負債表都真實存在——而非只是預測——的產業。

上述事件均截至2026年7月中旬,依據公開報導整理而成;部分標註了具體日期但尚未發生的事項——包括9月的Sora API停用、歐盟《AI法案》8月2日生效日,以及索尼音樂案的預期判決——屬於仍在前方等待發生的近期發展,而非已經塵埃落定的既成事實。