在模型廠碾壓之前，AI視頻Agent產(chǎn)品是否只能掙波快錢？

文｜王毓嬋 周鑫雨

編輯｜楊軒

“看流水（即營收），AI視頻類這些項目的表現(xiàn)確實很不錯，可以說是AI最賺錢的細(xì)分賽道之一。”投資行業(yè)人士對36氪說。

中國 AI 視頻生成賽道，正在經(jīng)歷大廠模型能力瘋狂增長的巨大紅利。來自字節(jié)跳動的Seedance和來自快手的可靈這兩款“超級底座”正在進(jìn)行一周一小版、兩月一大版的高頻迭代。阿里巴巴也在4月底，對視頻生成模型HappyHorse 1.0開啟灰測，720P視頻生成刊例價為0.9元/秒。

愿意為此花錢的內(nèi)容創(chuàng)作者太多了，太急迫了。眾多短劇、內(nèi)容公司排隊等待使用Seedance2.0已經(jīng)成為2026年AI世界的一個奇觀。由此，在AI視頻模型外“套一層殼”，使其更簡單易上手的AI視頻Agent產(chǎn)品，也迎來了增長奇跡。

一位業(yè)內(nèi)人士對智能涌現(xiàn)透露，頭部公司一個月的算力消耗成本應(yīng)該在百萬元以上。 “一部短劇的算力消耗成本約為3萬元，工具平臺如果一個月能接100部這樣的工程，那么消耗量就能達(dá)到300萬。這沒什么難度，只是時間問題?！?/p>

在必應(yīng)上搜索“AI視頻生成工具”這樣的關(guān)鍵詞，能看到不少此類產(chǎn)品的廣告?！皳?jù)我了解，某頭部工具平臺一天在這個廣告上的消耗就有兩三萬元，那么一年光這一個渠道的廣告投放就至少需要七八百萬元。由此可以反推它的收入水平是多么高?！睒I(yè)內(nèi)人士稱。

AI視頻創(chuàng)作平臺Creati對智能涌現(xiàn)透露，上線一年，該平臺的全球用戶量就突破了千萬級別。產(chǎn)品ARR（年度經(jīng)常性收入），一度達(dá)到了2000萬美金。

但令這些AI視頻Agent產(chǎn)品擔(dān)憂的是，如果大廠也從模型層走到產(chǎn)品層，跟自己搶飯碗呢？今年1月，抖音還推出了AI視頻應(yīng)用“隨變”，將工具+社區(qū)兩塊業(yè)務(wù)一并做了起來。以及，產(chǎn)品公司設(shè)計的應(yīng)用層功能又可能隨著大模型的一次升級被覆蓋。

“短期來說，這類工具型公司與大模型廠商之間還是合作關(guān)系。創(chuàng)業(yè)公司的利潤很大程度上由它們能接入哪些模型、能拿到多大API價格折扣來決定?！蔽祦碣Y本投資經(jīng)理馮繪霓表示，“但同時，據(jù)我所知，大廠對這些‘合作伙伴’也看得很緊。在這些比較重要的賽道方向上面，大廠內(nèi)可能有不止一個團(tuán)隊在做?！?/p>

這是一個“等待被大廠吞沒”的行業(yè)，還是真的有可能長出像Adobe那樣的工具型公司？

產(chǎn)品公司在生態(tài)位上的弱勢，體現(xiàn)在利潤里?！叭绻蠢麧?，其實大家的毛利率都挺低?！蹦惩顿Y人表示，很多項目在犧牲UE（單位經(jīng)濟(jì)效益）換規(guī)模，因為“目前這個行業(yè)沒什么壁壘，所以都在燒錢補(bǔ)貼獲客，還做不到盈虧平衡。”

但依然有不少投資人愿意對其下注。這個賽道最明星的中國公司——LibTV 的母公司LiblibAI，在去年10月完成了由紅杉中國、CMC資本等機(jī)構(gòu)投資的1.3億美元B輪融資。更早之前，它還曾創(chuàng)下 “一年內(nèi)連續(xù)四輪融資”的行業(yè)紀(jì)錄。

工具類公司融資規(guī)模排名

“今年AI視頻工具是為數(shù)不多可以投的賽道，因為視頻的迭代速度比語言、coding慢很多，所以在語言工具、coding應(yīng)用大批被基模顛覆的情況下，視頻生成項目反而相對更‘可看’?！币晃煌顿Y人對智能涌現(xiàn)表示。

這些AI視頻Agent產(chǎn)品依然有時間做出自己的護(hù)城河。 在這場“不對等的競爭”中，誰能活下來？

大廠之劍，與商業(yè)化護(hù)城河

目前來看，主流的工具類產(chǎn)品有三種形態(tài)：

要么做好“idea”，通過AI Agent將創(chuàng)作流程極度簡化為“自然語言指令”，比如ZeroCut、Ribbi；要么做好“editing”，把無限畫布、細(xì)節(jié)調(diào)整做到非常精細(xì)，比如LibTV、Buzzy；要么“離錢更近”，直接把視頻生成與電商交易/社媒運營掛鉤，比如TapNow。

本文包括創(chuàng)業(yè)者和投資人在內(nèi)的所有受訪人都認(rèn)同，等大模型廠商卷完了基建層面的事，勢必就要做應(yīng)用層面的事，這只是一個時間早晚的問題。關(guān)鍵是，這個時間窗口有多久，以及窗口關(guān)閉了之后，自己還能否存活。

曾在大廠工作，并經(jīng)歷了古典互聯(lián)網(wǎng)時代競爭的張云劍，打造了AI視頻創(chuàng)作平臺ZeroCut。他認(rèn)為，“至少在五年內(nèi)，大廠很難一口氣完美覆蓋掉整個AI視頻制作的全流程?！?/strong>

他的判斷主要基于以下兩個認(rèn)知：

第一，視頻制作是一條極長的創(chuàng)意服務(wù)鏈條。外界或投資人往往只關(guān)注“工程工具”和“生成”這一層面，但視頻生成實際上只占整個制作環(huán)節(jié)的一小部分。在真正生成視頻之前和之后，有著非常復(fù)雜的創(chuàng)意和鏈條過程，因此，AI對流程的替代將是一個逐步的過程，五年內(nèi)很難達(dá)到直接面向消費者，且完全不需要人工干預(yù)的終極形態(tài)。

第二，基于市場競爭與細(xì)分邏輯，單一廠商很難在所有環(huán)節(jié)都做到極致。一個完整的AI視頻工作流需要調(diào)用語言模型、圖片模型和視頻模型。大廠雖然有能力做全流程覆蓋，但這并不意味著它能在每一個細(xì)分領(lǐng)域都保持最強(qiáng)，例如有的模型在圖片生成上做到了極致，但視頻能力未必最強(qiáng)。這種能力的差異化最終會促成市場細(xì)分，而非一家獨大。

同樣離開大廠、投身AI創(chuàng)作工具創(chuàng)業(yè)的Ribbi創(chuàng)始人兼CEO Robin，在這一點上與張云劍觀點接近?！?strong>大廠中，業(yè)務(wù)、模型和頂層之間的對齊是最困難的事，除非已經(jīng)有業(yè)內(nèi)共識。”Robin說，“在看到Taste的確切價值之前，為審美、品味構(gòu)建模型，是大廠不愿意做的。只有當(dāng)視覺創(chuàng)意生成從非共識，變成共識，才能激發(fā)更多大廠和頂尖人才參與進(jìn)來。”

然而，投資經(jīng)理馮繪霓覺得這個為期五年的這個預(yù)估有點“過于樂觀”。

“大廠在接觸這類工具型的初創(chuàng)公司時，其實最想挖的不是產(chǎn)品或算法人才，而是運營。”馮繪霓說，“這揭示了一件事情——在技術(shù)層面，大廠自認(rèn)為完全有這個能力把產(chǎn)品做出來，而目前的短板在于用戶滲透?！?/p>

馮繪霓的判斷是，Seedance、可靈等大模型的野心非常大，“它們不會只想做一個基建或者工具，他們更想做的是‘定義下一個內(nèi)容平臺、社交平臺’，而工具只是‘順帶被做了’的部分。”

一句話來說，大廠會做，但不會明天就做。在這個窗口期，創(chuàng)業(yè)公司能做什么呢？

從騰訊、字節(jié)跳動等大廠離職創(chuàng)業(yè)的Anijam CEO方晨認(rèn)為，創(chuàng)業(yè)公司與大廠競爭的關(guān)鍵，是“要更早跑起來，形成用戶留存與數(shù)據(jù)沉淀。”

換句話來說，時間就是資源，跑起來的速度決定了達(dá)摩克利斯之劍落下之后的生死。“要盡快進(jìn)入市場、獲取用戶，并在真實使用中積累數(shù)據(jù)與認(rèn)知?！狈匠空f。

張云劍對ZeroCut的規(guī)劃是，公司的護(hù)城河在于“AI落地服務(wù)”與“社會分工”。

“即使底層模型變得非常強(qiáng)大，市場上依然會有大量不會使用工具的用戶，或者出于‘性價比’和‘比較優(yōu)勢’考慮而不愿親自下場制作的企業(yè)客戶?！睆堅苿φf。因此，ZeroCut將避開工具層面的硬碰硬，直接幫客戶解決最終的“交付和落地”問題。

這就涉及到了商業(yè)化路線的問題——是在大模型的算力成本與自己的用戶定價之間賺差價，還是找一條新的商業(yè)化道路？前者雖然簡單，但大模型廠商一旦降價，就會吸走用戶，大模型廠商一旦漲價，自己的利潤就會變薄。說白了終究是把命脈交在他人手中。因此，創(chuàng)業(yè)公司大多選擇了后一條路。

ZeroCut的思路，就是"技術(shù)+服務(wù)"模式——如果客戶有能力，可以直接使用工具；如果客戶需要代工，平臺會將訂單對接給熟練掌握該工具的創(chuàng)作者，提供穩(wěn)定的視頻定制交付服務(wù)。至于計費標(biāo)準(zhǔn)，則從傳統(tǒng)內(nèi)容承制公司的“人力計費”轉(zhuǎn)為AI時代的“Token計費”。客戶不需要關(guān)心固定的人力報價，而是以視頻生成過程中消耗的算力為基準(zhǔn)來計價。

只是讓用戶“花錢買積分”根本不夠。許多AI視頻生成工具，都在將手越來越深地伸向客戶的業(yè)務(wù)深處，變得越來越像一個能包攬一切的乙方。

主打“電商+AI自動生成”商業(yè)模式的TapNow，就被外界評價為“離錢最近的項目”。傳統(tǒng) 4A 公司高管在《BusinessFocus》的匿名訪談中提到：“TapNow 這種‘預(yù)測+自動生成’的邏輯，搶走了原本屬于中小代理商的短視頻代運營訂單。”

Ribbi不僅能用來創(chuàng)作音視圖，還能幫用戶監(jiān)測內(nèi)容發(fā)布到社交媒體之后的數(shù)據(jù)。感知階躍也一樣，致力于覆蓋內(nèi)容生成、發(fā)布、投放、A/B Test、效果分析、二創(chuàng)等的全流程。

“人一定是懶的動物。沒有用戶希望做一個產(chǎn)品、完成一個環(huán)節(jié)，就換一個模型、換一套工具。”Robin說。

社交媒體，是Agent在線進(jìn)化落地的核心訓(xùn)練場，將作品發(fā)布到社交媒體，是Agent與真實世界的交互。監(jiān)測數(shù)據(jù)表現(xiàn)后，Ribbi能夠自主迭代和優(yōu)化創(chuàng)作路徑，交付更好的結(jié)果。最終，平臺就能夠形成一個自主進(jìn)化的創(chuàng)作閉環(huán)。

Ribbi目前的模式還沒完全確定，但Robin確定未來一定不會是積分制，因為它“不夠誠實清晰”。

但積分制仍然是目前行業(yè)的主流商業(yè)化模式，畢竟它足夠簡單，并且已經(jīng)完成了用戶教育。但隨著工具能提供的服務(wù)越來越深化，以及“Token未來會越來越廉價”的美好愿景，也許未來的服務(wù)也會有未來的新商業(yè)模式。

“感知階躍”創(chuàng)始人兼CEO張詩瑩與方晨有一個共識，他們認(rèn)為，未來時代的商業(yè)模式應(yīng)該是“為效果付費，而不應(yīng)該為成本付費?！?/strong>

方晨認(rèn)為理想的情況是，當(dāng)AI生成的準(zhǔn)確率足夠高，而Token成本足夠低時，那么用戶就可以僅在愿意下載內(nèi)容時，才為最終產(chǎn)出買單，而非為生成過程中的Token消耗付費。

張詩瑩則認(rèn)為，Agent的商業(yè)模式，應(yīng)該與人類Agency越來越相似，“收費模式不會是訂閱，而更多會采用分傭的形式?！?/p>

工具型公司的時間窗口，是新時代誕生一個新的Adobe那么大的機(jī)會，還是在大廠包攬一切之前的曇花一現(xiàn)？對于已經(jīng)入局的人來說，他們相信底層大模型歸屬大廠，但應(yīng)用層也有創(chuàng)業(yè)公司能做的事。

“我立志成為硅基生命的墊腳石?！盧obin說。“假設(shè)某一天，某家模型廠商實現(xiàn)了AI的自主進(jìn)化，即便功不在我，我也愿意貢獻(xiàn)我們對Context Layer自主進(jìn)化的Know-How、開源我們的技術(shù)架構(gòu)，幫助模型廠商訓(xùn)練更好的自主進(jìn)化模型?！?/p>

技術(shù)路線之爭：提供idea，還是提供editing？

創(chuàng)業(yè)公司之間，目前也有顯著的思路分歧。

同樣是AI視頻生成工具，產(chǎn)品的形態(tài)卻千差萬別——有的一打開首頁就像進(jìn)了抖音（會自動播放AI視頻）或得物（滿屏AI廣告片示范），有的卻只有簡簡單單一個對話框，像進(jìn)了任意一個chatbot。這背后是行業(yè)的技術(shù)路線之爭。

到底要畫布，還是要一個包攬一切的Agent，是目前最大的技術(shù)分歧之一。

“無限畫布”的UI交互方式改變了傳統(tǒng)的線性時間軸，允許創(chuàng)作者像在Figma或Miro中一樣，通過節(jié)點連接素材和工作流。堅持這一路線的明星產(chǎn)品有LibTV、SkyReels、TapNow等。

在這些產(chǎn)品上，用戶有了一個可以無限縮放、拖拽的畫布空間。你可以將一個“圖片節(jié)點”連向“視頻節(jié)點”，再連向“音頻節(jié)點”，形成一個自動化的 Pipeline。

LibTV畫布界面

畫布的好處，在于人的意志的“強(qiáng)控制”——用戶可以在任意環(huán)節(jié)手動介入調(diào)整，確保AI生成內(nèi)容的畫風(fēng)、角色、鏡頭細(xì)節(jié)等等都在自己的規(guī)劃之內(nèi)。

有創(chuàng)作者將LibTV的無限畫布比喻為“樂高積木”，因為它能自由搭建分鏡，徹底改變了線性剪輯邏輯。

但也有旗幟鮮明地反對畫布形態(tài)的產(chǎn)品，比如ZeroCut和一周收到了全球4萬多用戶使用申請的Ribbi。

這兩款產(chǎn)品的特征，是沒有醒目的畫布，所有的創(chuàng)作、編輯交互，都集中在一個小小的對話框中。用戶用自然語言與Agent對話，然后由agent去指導(dǎo)模型生成內(nèi)容。

張云劍致力于推動從“人為主導(dǎo)”向“Agent為主導(dǎo)”的范式轉(zhuǎn)移。他對智能涌現(xiàn)表示，ZeroCut認(rèn)為傳統(tǒng)的畫布或工作流模式只是過渡形態(tài)，這些模式本質(zhì)上是“重人工”的，是將AI能力作為節(jié)點，讓用戶去手動串聯(lián)，屬于自動化工業(yè)方案。

ZeroCut網(wǎng)頁端產(chǎn)品界面

“當(dāng)你在創(chuàng)作時，大部分的活是人在干，還是AI在干？”張云劍說，“這個是我們判斷的一個標(biāo)準(zhǔn)”。ZeroCut致力于讓人退居幕后，進(jìn)行決策和提供靈感，而讓AI去承擔(dān)長流程的視頻制作。

Ribbi在這一點上也有這樣的共識——不做“畫布類”的產(chǎn)品，而是用Chat作為UI，給Agent更多的自由度。

Ribbi界面

“畫布類的產(chǎn)品，把模型的可能性鎖死了。”Robin說，“我們沒有把Ribbi做成畫布類的產(chǎn)品。畫布類的AI產(chǎn)品看起來交互很酷炫，能讓投資人眼前一亮，專業(yè)用戶使用起來也很順手。但它們有一個致命傷：把模型的可能性提前鎖死了。因為畫布的本質(zhì)，是將工作流拆成一個個節(jié)點，模型只能沿著這條路徑走?！?/p>

Robin認(rèn)為，AI時代的UI應(yīng)該是容器化的，而不是功能化的。產(chǎn)品應(yīng)該給AI創(chuàng)造一個容器，讓它可以自由決定調(diào)用什么樣的工具、怎么組合工具，甚至按照什么樣的順序執(zhí)行任務(wù)。

在這種初衷之下，這類產(chǎn)品的界面就濃縮為了一個Chatbot。Robin表示，他認(rèn)為Chat是一個“足夠簡單，并且靈活兼容一切的容器?！?/strong>

他舉了豆包作為例子——豆包的移動端App設(shè)計得很輕量，用戶不需要打開新的對話框，只要在一個session中Chat，就能生圖、生視頻。它將用戶的交互和AI的行為，統(tǒng)一在一個非常簡單的框架中。

兩類技術(shù)路線之爭其實歸根結(jié)底是在爭一個問題——工具到底應(yīng)該提供idea（為沒那么專業(yè)的用戶提供思路），還是提供editing（為相對專業(yè)一些的用戶提供編輯工具）？

在路線之爭尚未定勝負(fù)之時，也出現(xiàn)了“融合態(tài)”的產(chǎn)品。

由騰訊杰出科學(xué)家創(chuàng)業(yè)打造的AI視頻工具產(chǎn)品Anijam，融合了畫布和Agent兩種形態(tài)——用戶既可以用自然語言在Chat中指導(dǎo)Agent干活，也可以在畫布上自己上手調(diào)整。

既有Agent又有畫布的Anijam界面

Anijam CEO方晨向智能涌現(xiàn)展示，在創(chuàng)作過程中，系統(tǒng)會自動識別故事中的關(guān)鍵元素，包括角色、場景、道具及風(fēng)格，并基于此生成完整的分鏡鏡頭。每一個鏡頭都會包含場景描述、角色狀態(tài)、鏡頭語言等信息。

對于畫面中的問題，創(chuàng)作者可以通過自然語言指導(dǎo)Agent進(jìn)行修改，也可以親自使用工具，在畫布上“局部編輯”，例如只修改角色表情，而不影響動作或背景。這也是Anijam的關(guān)鍵能力之一，即從抽卡式生成視頻走向“可控編輯”。

在大模型廠商做出真正好用的應(yīng)用層產(chǎn)品之前，兩類產(chǎn)品都已經(jīng)積累了可觀的用戶基礎(chǔ)?，F(xiàn)在的問題是，大廠給大家留了多少時間窗口？窗口關(guān)閉之后呢？

“應(yīng)用層不應(yīng)該去做模型層的事，因為模型一定會變得足夠好?！睆堅姮撜f。她是“感知階躍”創(chuàng)始人兼CEO，該公司的產(chǎn)品之一，是AI視頻創(chuàng)作平臺Creati。

“當(dāng)下有很多‘套殼’視頻模型能力的產(chǎn)品，無論是畫布，還是工作流，解決的都是模型能力不夠強(qiáng)的問題，比如抽卡、視頻生成長度有限。但未來，模型層一定會解決生成質(zhì)量和長度的問題。應(yīng)用層的機(jī)會，就在于解決生成環(huán)節(jié)之外的問題。”張詩瑩說。