最近，LibTV背后公司融资近3亿美金的消息刷屏。
沐秋老师写了一篇解读文章，题目是《我给LibTV道喜了》，语言诙谐，非常有意思，上来几句话就让我笑了一整天。
沐秋老师是这样写的：冕怎么能爆这么多金币啊，我真是服了，谁说AI应用承压，谁说模型主导一切，冕说他不同意。
我原本也一直认为，大模型会吞噬一切软件。但LibTV这一轮融资，又让我觉得这个结论太武断了。AI应用层并没有那么悲观，毕竟能融到资的AI 应用还是有自己壁垒的。
直到今天（6月23日），火山引擎夏季原动力大会又给我上了一课。上午大会主论坛核心其实就说了两件事，都跟模型有关。
第一件事，是发布豆包大模型2.1 Pro。
按照火山引擎总裁谭待的说法，这一模型在Coding、Agent、VLM等方向都实现了明显升级，Coding能力已经进入国际第一梯队，部分表现甚至优于Claude Opus 4.6。
第二件事，就是Seedance 2.5首次亮相。
尽管这一模型还要等到7月份才正式上线，但它今天引发的讨论，已经足够说明问题。
字节的大模型更新速度，已经快到非最新模型都不值得讨论的地步了。大概一周前，火山方舟体验中心刚刚上线Seedance 2.0 Mini。结果现在，Seedance就直接跳过2.1、2.2，公布了2.5版本。
据介绍，Seedance 2.5主要实现了三项能力提升：
第一，支持30秒单段原生视频直出；第二，最多支持50个全模态素材联合生成；第三，支持保持画面一致性的局部编辑。
这三项能力看起来是技术参数，但放到真实视频生产里看，几乎每一项都打在行业痛点上。
此外，火山引擎还展示了豆包图像创作模型Seedream 5.0 Pro和豆包音频生成模型Seed-Audio 1.0，进一步巩固其多模态领先优势。
听完这场大会主论坛的内容，我心里又默默把天平调回到原来的位置，并且提醒自己，不要因为某个应用融资了，就低估大模型继续扩张的速度。
Seedance 2.5可怕的不是视频，而是能力边界今天火山引擎大会上，谭待还提到了一个更重要的判断：视频生成是通往世界模型的路径之一。
这个判断代表目前世界顶级模型公司的认知水平，它比大模型更新几代，开发几个AI产品重要得多。
视频生成真正的长期价值，不只是生成好看的画面，而是让模型理解世界如何运转。
一个真正强大的视频模型，不能只懂像素。它要懂时间、空间、物体、动作、力学、因果、镜头、人物关系、环境变化。
一个人从椅子上站起来，衣服会怎么动？影子会怎么变？手和桌子的接触关系是什么？杯子被碰倒以后水会往哪边流？汽车在雨夜转弯时灯光和路面反射怎么变化？
这些东西表面上是视频问题，本质上是世界问题。
所以当Seedance进入具身智能、工业制造、智能驾驶等场景时，它就不再只是内容生产工具了。它开始变成一种仿真工具、数据合成工具、流程演示工具，甚至是某种世界建模工具。
这也是为什么我觉得火山引擎今天展示Seedance 2.5，不只是发布一个视频模型，而是在告诉所有AI应用创业者：你们以为自己在做视频工具，但大厂真正想做的是世界模型。
一个是功能级思考，一个是基础设施级思考。
这就是AI应用层最难受的地方。你不是没有努力，你也不是没有产品能力。但模型每进化一次，你的产品边界就被重画一次。
AI应用不是没有机会，但模型主导一切参加完今天的火山引擎原动力大会，我再次坚信，模型依旧主导一切。
佐证这个结论的，还有最近一个很现实的案例。
路飞学城创始人李杰最近也在做Agent方向的创业。前段时间，他发了一条自己融资被拒的视频。
他说，投资人现在已经基本不看普通AI应用方向的创业了。原因很直接：很多AI应用就像在流沙上建房子。你无论做什么应用，下一个大模型版本可能就把你的功能内化了。
这个说法很刺耳，但并不夸张。
过去AI创业者还有一个共识，叫做“要做大模型覆盖不了的生意”。自己的创业方向要跟大模型保持15度夹角。既不能离模型太远，也不能被模型正面撞上。
但现在看，这个想法有个根本问题：大模型不是一条直线，它是一个不断膨胀的圆。
你今天以为自己和它保持15度夹角，明天模型能力半径扩大一圈，你就被覆盖进去了。更可怕的是，模型不只是能力变强，它还在变得越来越全科。
以前你做一个垂直Agent，可能觉得自己懂行业、懂流程、懂提示词、懂工具调用，这些都是壁垒。但到了下一代模型里，这些东西可能只是一个Markdown文件里的skill。
一个skill文件，就涵盖了你之前15度夹角里所有的东西。
AI时代，企业真正购买的不是工具，而是结果。它不关心你这个按钮叫什么，也不关心你后台有多少模块，它关心的是：这个任务能不能完成？成本能不能降低？效率能不能提升？结果能不能稳定？
AI应用层当然还有机会，但它必须跑得比模型更快，或者至少跑在模型能力变化的同一节奏里。否则，今天你辛辛苦苦做出来的产品，明天可能就变成了大模型更新日志里的一行字。
因为模型决定了能力边界，应用决定的是能力如何被使用。模型每次升级，都会重新分配应用层的价值。