微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 搜狐视频年度战略新进化:自制升级 直播联动长短视频双引擎

搜狐视频年度战略新进化:自制升级 直播联动长短视频双引擎

2020-12-21 15:05
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2020-12-21 15:05 科技行者

2020年12月19日,搜狐视频在World大会上公布2021年新战略,升级打造自制内容,让价值直播成为中台,驱动媒体价值的提升,联动长短视频双引擎,坚定而不同地走出视频平台新价值之路。

自制策略新升级

搜狐视频自制剧近两年来成功坚持“小而美”, 打造出更为品质化、差异化的内容,而行业的变化也契合了搜狐这一提前的预判。搜狐视频提出未来将延续“小而美”内核,开启更具针对性的新策略“小精质”:剧集体量相对动辄几十集的剧更小,让用户容易入坑和追剧;“长剧短做”,制作上压缩注水的剧情和拖沓的节奏,提炼出精华内容也更加精致;坚持高品质。

未来搜狐会在项目上继续保持高度的坚定而不同,用心而专注,花最合适的预算,组最合适的团队,请合适的演员,去创作最高回报率的作品。将主要精力和资源用于拼制作和创意、创造不同的内容,而不是投入无法闭环的流量明星、天价版权和虚浮数据之上。

事实上,多年来没有盈利闭环的投入,是没有止境的黑洞,不是视频行业的真正未来,而不少公司逐步陷入了这一惯性亏损的黑洞,零星爆款也无法止血,在困境中泥足深陷。

而低成本创造优质内容模式的闭环,从“小而美”到“小精质”,搜狐已经看到了盈利的改善,并率先为行业探索到一条新的长跑赛道。

搜狐公司董事局主席兼CEO、搜狐视频CEO张朝阳表示,“长视频在低成本的情况下搜狐视频也一直不乏爆款,现在搜狐视频独立的拿出来也接近盈利状况,未来这条路还会坚定走下去。”

搜狐视频年度战略新进化:自制升级 直播联动长短视频双引擎

2021年搜狐即将上线的“小精质”项目有:改编经典《过把瘾》,同名电影爱情题材剧《我爱你》,悬疑冒险与恋爱甜宠并存的都市悬爱剧《厉刻初恋》,讲述猫系男友及薄荷系少女契约之恋的《我的宠物少将军》、职场成长励志剧《亲密玩家》,旧案中寻找真相的《沉默的证明》。

除此之外,搜狐积极筹备更多“小精质”剧集:讲述大学生创业史的青春成长剧《青梅弄竹马》,替酷女孩书写成长史的残酷青春物语《少女尤尤》,激情四射的军校生军旅校园剧《荣耀青春》,展开人们在欲望中沉浮和治愈的古装玄幻剧《闻香榭》,古董专家与古董小姐穿越千年甜蜜相恋的《戴蒂芙尼的上官姑姑》,旷世奇葩的爱情《夜城赋》,平行时空下的奇幻爱情《偶然闯入的世界》,以及《罪案心理小组X》第2季,现实悬疑烧脑的《那年冬天我知道你干了什么》等等。在内容风格上也延续和丰满着甜宠和悬疑两大题材的垂直深耕。

自制节目方面,搜狐视频继续发力“垂直深耕”和“多屏共振”,关注圈层的同时,强调内容共创和平台联动。2020年的长视频自制节目,关注女性的《送一百位女孩回家》走到了第四季,已成为搜狐视频精品强IP代表之一。关注亲子的《天呐!你真高》,凭硬核母婴知识输出和内容情感温度实现代际出圈。创新直播形态下的直播综艺也已形成丰富矩阵,有《Charles的好物分享》“出行篇”等精品化、生活化、沉浸式的直播真人秀,有《喜剧开放麦》这类旨在挖掘未来喜剧之星的直播脱口秀,还有像《“花YOUNG达人”直播热爱季》等联合品牌共创的直播进校园活动。

2021年,搜狐视频自制节目也将会继续垂直深耕,关注圈层,用差异化的内容引发更多用户破圈关注和共振。长视频内容方面,《天呐!你真高》即将迎来第二季,直播综艺方面,除《喜剧开放麦》《Charles的好物分享》系列外,将解锁《饥饿的游戏》《小姐姐的南瓜车》等更多圈层类型和场景化直播内容。

直播进化联动长短视频双引擎

在2020年,疫情改变了人们的生活和工作方式,媒体的展现方式也发生了新的变化,直播技术作为新的媒体基建,实现了搜狐矩阵用户的高效聚合与连接。搜狐视频的直播,作为集团中台,正在驱动媒体价值的提升。

搜狐视频一直坚持价值直播的理念,不在单纯秀场和简单娱乐混战,而是在新闻、教育、健康、财经、科技、房产等领域,不断升级和创新媒体提供价值的能力。

借助搜狐矩阵的力量,搜狐视频直播以及可以提供多场景和行业的解决方案。比如在互动峰会和马拉松、校花校草大赛等线上线下的实时沟通,手机、摄像机、控台、无人机等设备直播流的无延时混合接入;搜狐视频还独创实时分屏直播技术,实现了直播互动接近无延时的体验。带货小推车和整个商品库,已实现全网电商能力的接入。

未来搜狐在直播方面还会持续进行创新探索,继续强化多设备能力、智能设备接入,如运动手表、健身设备等。搜狐的AI智能团队,也将加速在直播领域的智能画面理解与深度学习应用。

在内容上,搜狐不断推出高端在线访谈《Boss1+1》,带货直播的综艺模式:《Charles的好物分享》、《姐姐的好物分享》、《乐队的好物分享》,《Boss的厨房》等一系列带货直播节目。

搜狐的媒体基因和土壤,使得价值直播和长短视频双引擎联动可以更加紧密结合搜狐网、搜狐新闻客户端,手机搜狐网、狐友等,辐射覆盖到每日上亿规模的搜狐用户。

2020年,搜狐视频活跃用户增幅逆势上扬,从年初的疫情期间开始,搜狐视频价值直播结合长短视频,持续实现用户月度使用时长的增长,到9月份更是实现了近90%的同比增长,月度活跃用户的增长趋势、月度使用时长增长趋势明显。

搜狐视频在三四线和下沉市场增长的同时,一二线城市用户渗透率远高于行业整体,用户消费需求旺盛多元:美妆、品牌电商、财经、娱乐、时尚、医疗、体育、汽车等高品质消费特征明显。一年的时间,搜狐已经累计完成3000多场价值直播,活跃大V千余人,单场直播热度过千万。而基于直播拉动的用户连接,也使得搜狐视频的社区氛围逐渐形成。高颜值年轻化用户创作社区逐渐活跃,日均短视频上传量教去年提升了5倍。

搜狐视频以直播结合版权长视频以及短视频社区,通过产品技术的创新,服务于全平台营销,搜狐视频一直坚持成为行业最新趋势的开启者,价值投资的坚守者。搜狐视频多次前瞻性地洞察到了行业的新变化,通向未来的道路不止一条,搜狐视频将坚持对新变化的独立判断,坚守在自己的跑道为用户创造新的价值。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-