Chinese AI-videorace verschuift van modelgrootte naar echte workflows
De afgelopen twee jaar werd het gesprek over AI-video in China gedomineerd door één vraag: welk model genereert de meest indrukwekkende clip? Die vraag raakt stilaan achterhaald. De nieuwe competitieve grens is niet ruwe capaciteit maar workflow: of een tool iets wordt dat een werkende maker elke dag opent.
Kuaishou, de shortvideo-gigant achter een van China’s bekendste AI-videoproducten, Kling, duwt zijn AI-eenheid richting een zelfstandiger identiteit. Rapporten beschrijven de inspanning als een soort interne ontbundeling, waarbij het snelbewegende AI-bedrijf wordt gescheiden van de tragere ritmes van het moederplatform. De logica is eenvoudig: een AI-videotool die in een consumenten-app leeft, concurreert om aandacht, terwijl een tool die aansluit op professionele montage-, advertentie- en filmpijplijnen concurreert om afhankelijkheid. De tweede vorm van concurrentie is kleveriger.
Dat onderscheid is belangrijk omdat het wereldwijde veld zich snel vult. De Claude-modellen van Anthropic en de GPT-modellen van OpenAI hebben gestaag video-gerelateerde capaciteiten toegevoegd, en een golf Chinese startups — vaak gegroepeerd onder namen als Seedance — heeft speciale videogeneratie-engines gebouwd. Wanneer generalistische modellen acceptabele video kunnen produceren, krimpt het voordeel van een zelfstandig videomodel tot specifieke punten: controle, consistentie, kosten per seconde en hoe goed het past bij de rommelige realiteit van een echt project.
Werkende makers hebben zelden behoefte aan één spectaculaire opname. Ze hebben nodig dat hetzelfde personage er in veertig shots hetzelfde uitziet. Ze hebben nodig dat een product voorspelbaar roteert. Ze moeten één element kunnen aanpassen zonder alles opnieuw te genereren. Die eisen zijn niet glamoureus, en precies daar verdient een tool zijn plek in een productiebudget.
Daarom duikt de term ‘effectieve betaalde uren’ steeds op in discussies over een andere Chinese hardwarecategorie: tennisrobots. Het verzenden van exemplaren bewijst dat mensen iets willen proberen. Alleen aanhoudend betaald gebruik bewijst dat het product een terugkerend probleem oplost. AI-video staat voor dezelfde test. Een lanceringsdemo die viral gaat op sociale media is marketing; een regisseur die de tool op elk project begroot, is een business.
Er is ook een waarschuwend verhaal in de hypecyclus. Sommige producten werden gepromoot als volledig native, onafhankelijke AI-modellen, terwijl ze in feite waren gebouwd door bestaande modellen te fine-tunen. Wanneer die kloof tussen marketing en realiteit aan het licht komt, beschadigt dat het vertrouwen veel meer dan een bescheiden lancering zou hebben gedaan. In een veld dat zo snel beweegt, stapelt geloofwaardigheid zich op net als omzet.
De waarschijnlijke uitkomst is niet één winnaar maar een gelaagde markt. Generalistische modellen zullen snelle, wegwerpgeneratie voor casual gebruikers afhandelen. Gespecialiseerde video-engines zullen winnen waar consistentie, licenties en integratie met montagesoftware belangrijk zijn. De bedrijven die floreren, zijn degenen die stoppen met het najagen van benchmark-screenshots en beginnen te meten hoe diep ze zitten in de dagelijkse routine van de mensen die daadwerkelijk dingen maken.
Voor wereldwijde waarnemers is de verschuiving het volgen waard, omdat ze een voorproefje geeft van waar creatieve software overal naartoe gaat. De vraag is niet langer of AI een video kan maken. Het is of de mensen die voor hun brood video’s maken het zouden merken als de tool morgen verdween. Dat is de slotgracht, en die wordt gebouwd, workflow voor workflow.