馬年央視春晚上，十二花神的飄逸身姿與奔騰的水墨駿馬，成為Seedance 2.0最高光的一次“亮劍”。

這場驚艷亮相不僅為背后的“即夢”平臺（字節(jié)跳動旗下AI創(chuàng)作平臺）帶來耀眼的技術光環(huán)，更讓業(yè)界和普通用戶對其“飛入尋常百姓家”充滿期待。然而，盛宴的余溫尚未散去，現(xiàn)實的考驗便已接踵而至，讓滿懷期待的用戶始料未及。

視頻截圖

2月26日，“Seedance 2.0排隊”詞條登上熱搜。大量用戶發(fā)現(xiàn)，要想體驗這一前沿技術，必須先面對排在前面數(shù)以萬計的用戶和數(shù)小時的排隊時間。排到后還要經(jīng)過人臉素材的審核，若審核失敗，此前的一切等待又需重來。

2月27日下午，《每日經(jīng)濟新聞》記者（以下簡稱每經(jīng)記者）在高峰時段以基礎會員身份實測發(fā)現(xiàn)，排隊人數(shù)平均保持在9萬左右。在排隊7小時后，仍顯示預計還需3小時才能完成生成任務。不少即夢年費會員都反映，即便付了真金白銀購買會員權益，依然被卡在漫長的等待隊列中。

一邊是被行業(yè)奉上神壇的全球頂尖多模態(tài)大模型，一邊是連核心付費用戶都無法保障的使用體驗。這場服務器“擠爆”事件，拋出了一個當下全行業(yè)都無法回避的問題：當頂尖AI技術沖向商用落地的深水區(qū)，算力將如何保障？

記者實測：排隊7小時還沒到，從“地表最強”變“排隊最長”

Seedance 2.0問世之初，其卓越的能力在全球視頻領域引發(fā)強烈反響。

據(jù)官方披露的測試結果，該模型在VideoBench、VBench等國際權威多模態(tài)視頻生成評測中，多項核心指標登頂全球第一。游戲科學創(chuàng)始人、《黑神話：悟空》制作人馮驥在深度體驗后給出了“地表最強，沒有之一”的評價。

然而，正是這款備受追捧的明星模型，在春節(jié)返工后遭遇了始料未及的需求洪峰。“Seedance 2.0排隊”登上熱搜的同一天（2月26日），即夢App客服中心頁面提醒：“由于當前使用人數(shù)較多，任務需要排隊生成，生成排隊及客服服務繁忙，請耐心等待。”

據(jù)公開報道，即夢App客服人員還表示，春節(jié)返工后，目前Seedance2.0模型使用的人非常多，是非常火爆的狀態(tài)。視頻生成需要消耗算力和資源，會有排隊時間長、視頻生成慢的現(xiàn)象。后續(xù)也會不斷優(yōu)化模型的使用，“很抱歉帶來不好的體驗”。

2月27日下午4點半，在使用高峰期，每經(jīng)記者對即夢平臺的視頻生成服務進行了實測：以基礎會員身份提交視頻生成需求后，初始排隊狀態(tài)為總排隊人數(shù)約7.1萬人，記者排在第4.6萬位，生成頁面同時提示：“會員加速已生效，高級會員享最快加速。”

但記者發(fā)現(xiàn)，在提交需求后排隊總人數(shù)持續(xù)攀升，自身排隊位次并未隨時間推進前移，反而出現(xiàn)了后退。提交需求半小時后，總排隊人數(shù)升至8.4萬人，記者位次后退至第5.5萬位。提交兩小時后，總排隊人數(shù)突破10萬人，記者位次進一步后退至第5.9萬位。

提交需求后約7個小時，2月27日23時30分，每經(jīng)記者排在第3.5萬位，頁面顯示預計剩余3個小時，排隊總人數(shù)仍超過10萬。

即夢平臺會員中心頁面顯示，平臺會員分為3檔，連續(xù)包月價格分別為：基礎會員69元/月、標準會員199元/月、高級會員499元/月。從測試和對會員權益的介紹來看，會員用戶在生成排隊時，優(yōu)先級高于免費用戶，會員等級越高，排隊加速權益越優(yōu)，即可以“插隊”等待完成任務。

此外，每經(jīng)記者注意到，有用戶反映生成進度卡在99%是在進行人臉素材審核，當前審核嚴格，需要經(jīng)過前后3次審核。此前，即夢客服曾提醒，上傳圖片素材或文字關鍵詞若涉及版權風險，會有審核不通過的情況，用戶可轉換描述詞或更改圖片后再進行審核。對此，每經(jīng)記者就排隊原因和審核問題向字節(jié)跳動方面了解情況，但截至發(fā)稿未收到回復。

對非商用的嘗鮮用戶而言，數(shù)小時的生成等待或許尚可接受，但對于將AI工具作為生產(chǎn)資料的職業(yè)用戶與商業(yè)團隊，穩(wěn)定、可控、可預期的使用體驗是其作為生產(chǎn)力工具的核心前提。當Seedance 2.0作為生產(chǎn)力工具時，當前的排隊現(xiàn)象對企業(yè)用戶造成了哪些影響？

每經(jīng)記者在采訪中手游內部人士時了解到，公司在2月26日前后測試發(fā)現(xiàn)，高峰期基礎會員用戶排隊6~8小時是常態(tài)，即便開通499元/月的高級會員，也常需等待3小時以上。而對比每經(jīng)記者實測情況可以發(fā)現(xiàn)，短短幾天內，同樣是基礎會員，排隊時長還在增加。

不僅如此，上述人士還表示，任務隊列還存在明顯的不穩(wěn)定性，不僅會出現(xiàn)預估等待時間大幅跳漲的情況（如從25分鐘跳至7.5小時），還頻繁出現(xiàn)任務長時間無響應的中斷問題。

至于官方推出的可快速生成的Fast版，雖然能夠秒出，但因為模型精簡，使其生成的素材可用性極低，無法達到買量投放的質量需求。

對商業(yè)化生產(chǎn)而言，這種不可控的等待與中斷直接影響生產(chǎn)節(jié)奏。

“對于買量視頻的緊急迭代需求，它（Seedance 2.0）目前確實無法當作穩(wěn)定的生產(chǎn)力工具；僅對于長線素材儲備與創(chuàng)意探索，仍有一定的使用價值。”上述中手游人士直言。在他看來，商業(yè)買量素材的核心競爭力在于快速迭代與A/B測試，長達數(shù)小時的等待會直接導致當日投放計劃無法落地，不僅推高了試錯成本，也打亂了既定的生產(chǎn)流程，團隊最終不得不將部分工作重新轉回傳統(tǒng)制作流程。

算力大考：Seedance 2.0排隊是國產(chǎn)AI商業(yè)化的共性挑戰(zhàn)

本次Seedance 2.0排隊事件，并非單一產(chǎn)品的運營問題，其背后反映出國內AI行業(yè)在技術快速迭代、商用需求集中爆發(fā)階段的共性挑戰(zhàn)。

當前，國內AI模型調用量正處于爆發(fā)式增長階段。此前，每經(jīng)記者梳理全球最大AI模型API聚合平臺OpenRouter數(shù)據(jù)發(fā)現(xiàn)，2026年2月中國AI模型調用量迎來歷史性突破。

2月9日~15日當周，中國模型以4.12萬億Token（詞元）周調用量首次超越同期美國模型的2.94萬億Token。2月16日~22日當周，中國模型周調用量進一步升至5.16萬億Token，3周內增長127%，同期美國模型周調用量回落至2.7萬億Token。

而排隊現(xiàn)象與國內AI模型調用量的爆發(fā)有一個相同的核心，那就是隨著AI有能力扮演“生產(chǎn)力工具”角色，編程、3D建模、視頻生產(chǎn)等復雜的使用場景和AI Agent技術的普及，使得Token的消耗量大大提升。

快思慢想研究院院長田豐在接受每經(jīng)記者采訪時表示，相比純文本推理，視頻生成的多模態(tài)推理算力需求隨用戶訪問量呈指數(shù)級放大，二者完全不在一個數(shù)量級。文本生成邊際成本極低，而生成一條15秒高清視頻，需要云端完成成千上萬次去噪測算，Seedance2.0支持的音畫同步、多鏡頭敘事進一步增加了計算量，高分辨率多模態(tài)模型單條算力消耗是普通單模態(tài)語言模型的數(shù)十倍。

在田豐看來，本次Seedance2.0排隊事件，暴露的是國內大模型商業(yè)化進程中的“結構性供需矛盾”。

“2026年美國Claude Code爆款產(chǎn)品已形成‘大算力-大營收’的良性商業(yè)閉環(huán)，而國內用戶付費意愿與付費水平遠低于海外，只要高質量視頻生成的單位算力成本無法下降到用戶可接受價格的平衡點之下，這類排隊與限流現(xiàn)象就將長期存在。”

但他同時認為，這既是國產(chǎn)AI推理芯片崛起的良機，也是AI應用行業(yè)從“炫技”走向“實用”的必經(jīng)之路。

如何破解：擴大算力基建之外，還需要提高利用效率

算力供需矛盾也倒逼國內AI芯片產(chǎn)業(yè)進入加速爆發(fā)期。

今年1月，阿里平頭哥正式發(fā)布自研高端AI芯片“真武810E”，該芯片采用自研并行計算架構，整體性能超越英偉達A800及主流國產(chǎn)GPU（圖形處理器），與英偉達H20處于同等水平，已在阿里云完成多個萬卡級集群部署，大規(guī)模用于千問大模型的訓練與推理。

2月中旬，關于字節(jié)跳動布局AI芯片的各類消息也在市場中傳播。每經(jīng)記者通過查詢招聘軟件發(fā)現(xiàn)，字節(jié)跳動也掛出“AI芯片系統(tǒng)軟件架構師/工程師NPU”“網(wǎng)絡方向-芯片驗證工程師”等招聘崗位。

在田豐看來，要讓這類多模態(tài)AI工具成為Adobe、Office級的生產(chǎn)力標配，必須從三大核心維度優(yōu)化破局。

一是重構算力SLA（服務等級協(xié)議）服務體系，廢除“大鍋飯訂閱”，引入算力分級調度體系，參考類似云計算（AWS EC2）建立SLA分級收費模式，將算力劃分為企業(yè)級極速池、付費會員標準池、免費/低價閑時池，為企業(yè)用戶預留專屬算力，保障服務穩(wěn)定性。

二是優(yōu)化節(jié)約算力的商業(yè)化設計，建立“草稿與渲染”分級生成機制，以低算力快速生成草圖、確認后再做高清終渲。同時推出階梯定價，企業(yè)端采購保底并發(fā)算力，C端可使用閑時競價算力，減少無效算力消耗。

三是推動審核機制提效，將審核從“人力后置攔截”轉向“前置確權與潛空間打標”，通過提示詞前置攔截、端到端水印溯源、人機協(xié)同審核三大機制，把違規(guī)攔截嵌入生成全流程，規(guī)避合規(guī)風險的同時，避免算力無效浪費。

算力瓶頸并非短期陣痛，而將是AI時代與之長期共存的系統(tǒng)性命題。隨著多模態(tài)技術一路狂奔，模型能力已一路從文本生成進化至復雜的多模態(tài)交互，而未來長視頻、3D內容生成等高算力消耗場景還將持續(xù)擴容。技術的每一次進階，都在為算力需求不斷加碼，行業(yè)供需之間的矛盾勢必將隨之長期加劇。

除擴大算力基建外，田豐還提出四個核心路徑，從根源緩解行業(yè)算力供需矛盾。

首先是推動端側推理崛起，利用個人計算機、手機終端算力承接短視頻特效、初步分鏡等輕量級任務，僅將高難度渲染任務上云，形成“云側-端側”算力轉移，可分流30%~50%的云端壓力。其次，推進算法范式革新，從純Diffusion模型轉向混合架構，大幅壓縮采樣步數(shù)，力爭在不犧牲生成質量的前提下將推理速度提升10倍以上。再次，打造緩存與復用經(jīng)濟，建立全局元素緩存庫，調用預渲染的常見鏡頭、光影等片段重組生成，避免重復算力消耗。最后，通過重構商業(yè)模式，從按生成次數(shù)計費轉向按最終采納結果或商業(yè)價值分成，減少無效算力浪費，與用戶形成利益共同體。