为什么这家AI视频公司，
偏要在所有人冲刺时“踩刹车”？
旷野群星创始人刘如山：真正危险的，不是慢，而是假快。
这两年，AI 创业圈最不缺的，就是“速度”。
今天接一个模型，明天上线一个功能；这周讲 Agent，下周讲工作流；朋友圈里永远有人在发新版本、发融资、发增长曲线，仿佛只要跑得够快，就能先把未来抢下来。
可问题是，AI 行业里很多“快”，其实并不是真的快。
它更像一种表演式加速：产品看起来更新很勤，功能看起来越来越多，故事也讲得越来越性感，但你真把它丢进真实业务里，丢进交付压力里，丢进客户一天要跑上百条内容、要反复修改、要批量稳定出片的现场里，它就很容易露馅。
最近和旷野群星创始人兼 CEO 刘如山聊完，我脑子里一直停着一句话：
真正危险的，不是慢，而是假快。
在一片“先做出来再说”的行业氛围里，刘如山和她的团队干了一件有点反直觉的事：他们没有急着拿半成品去换声量，也没有急着把自己包装成一个“又快又酷”的 AI 视频产品，而是从 2024 年开始，带着研发团队直接下场接真实商业视频订单，给上市公司做 AI 视频营销矩阵，硬生生把自己丢进生产现场里。
每个月交付 600 多条视频，高峰期甚至超过 1000 条。
你可以把这理解成一种“踩刹车”。
但如果再往深一层看，这踩下去的，其实不是研发的刹车，而是对行业浮躁感的刹车。
他们不是不想快。
他们只是想先搞清楚，AI 视频到底是在做一个更聪明的玩具，还是在做一套真正能进入商业生产线的系统。
而这个问题，可能比“下一代模型是谁”还重要。
不是做一条视频，而是重做一条生产线
今天市场上已经有很多 AI 视频产品了。
一句话生成视频的，一键改视频的，帮你出脚本的，帮你做分镜的，看起来都很热闹。很多用户第一次接触这些产品时，也确实会有一种“哇，时代到了”的感觉。
但真正往业务里走一步，就会发现，问题并没有那么简单。
因为商业世界里需要的，从来都不是“偶尔惊艳一次”。
商业世界要的是：你今天能不能交付，明天能不能继续交付，改了十版之后能不能还交付；客户说这个镜头保留、那个动作不变、服装换掉、字幕重写、品牌露出加强一点的时候，你能不能接得住；团队开始批量做不同版本、不同渠道、不同语种、不同人群测试的时候，你能不能稳得住。
这时候，很多 AI 视频产品的边界就出来了。
它们擅长“生成”，但不擅长“生产”。
它们能做出一个结果，但接不住一个流程。
它们更像创作助手，而不是生产系统。
刘如山对旷野群星的定义，我觉得很值得记一下。她说，他们做的不是一款普通的 AI 视频工具，而是一个面向 AI 时代的视频生产基础设施。
这话听起来有点大，但翻译成人话，其实就一句：
他们想做的，不是帮你做出一条视频，而是让人和 AI 一起，把从创意到成片、从单条到批量的整条链路跑起来。
所以 MulanAI 的核心不是某一个爆点功能，而是把几个东西放到了一起：
画布、工作流、合成剪辑、Agent。
这几个词单拎出来都不新鲜，但真正难的是把它们做成一套系统。
因为一旦你开始按“系统”来思考，产品逻辑就完全不一样了。
以前很多软件默认服务对象是“人”。
人会点按钮，会看界面，会被交互打动，会在不同工具之间自己切换、自己补坑、自己做判断。
可 Agent 时代不一样了。
越来越多真正完成任务的，不再只是人，而是 Agent。
它不会被一个更好看的首页说服，也不会因为一个营销视频拍得更酷就爱上某个产品。它只关心一件事：这个系统能不能被理解、被调用、被组合、被复用，最后稳定完成任务。
这也是为什么刘如山会说，他们从很早开始，就在做一件事：
Make something agents want.
说白了，很多人还在按“人怎么更方便地点按钮”设计视频软件的时候，他们已经在按“Agent 怎么理解、怎么执行、怎么协同”重写软件了。
这不是 UI 升级。
这是范式切换。
OpenClaw 爆火后，我反而更能理解他们为什么要这么做
过去几个月，很多人都在聊 OpenClaw。
它为什么火，大家角度不一样，有人看到的是产品形态，有人看到的是社区势能，也有人看到的是 AI 从“会说”到“会做”的那条分界线。
但如果把这件事放到更大的软件演进里看，你会发现，OpenClaw 真正打透的，其实是一个更底层的共识：
下一代软件，不只是一个更聪明的聊天框，而是一个真的能持续做事的执行体。
这件事对很多行业的启发都很大。
对视频行业影响尤其大。
因为视频生产本来就是一个流程极长、协同极多、修改极频繁的领域。它天然不适合只靠一个“黑箱生成结果”的思路来解决。
客户不会满足于“你先给我一条成片看看”。
他们更常说的是：
这个镜头不错，别动。
这个角色换掉。
构图保留。
文案重写。
节奏再快一点。
这个版本发 TikTok，那个版本发 YouTube Shorts。
这个素材再做五个变体，今晚给我。
你会发现，这根本不是“能不能生成”的问题。
这是“能不能承接生产”的问题。
如果一个系统一遇到修改就只能整条重来，那它再聪明，也很难进入真实业务。
所以刘如山他们坚持做白箱、坚持做工作流、坚持做自由画布、坚持把 Agent 放进系统里，本质上都不是为了显得技术路线更先进，而是在回答同一个问题：
怎样让 AI 真正进入生产，而不是停留在表演。
这一点，我觉得也是 MulanAI 和不少 AI 视频产品最大的区别。
别人可能是在用 AI 改良旧一代视频工具。
而他们更像是在为 AI 时代重做一套视频生产系统。
这两种路径，前期看起来可能差别不大，甚至后者还显得更慢、更重、更不性感。
可一旦行业从“尝鲜”走向“生产”，分水岭就会越来越清楚。
因为前者优化的是单次体验，后者优化的是长期产能。
前者在拼谁更容易火，后者在拼谁更容易活。
真正的护城河，从来不是“多几个功能”
今天聊 AI 创业，很容易落到一个俗套的问题上：你的壁垒是什么？
很多人会回答模型、算法、团队背景、行业资源、渠道能力，或者干脆搬出一些听起来很厉害的技术词。
但刘如山的回答，我觉得更接近现实。
她说，旷野群星最难被复制的，不是某一个单点技术，不是某个行业资源，也不只是出海渠道，而是一种系统能力。
这话很对。
因为今天最容易被复制的，恰恰就是表面的东西。
一个功能、一个页面、一个模型接入、一段惊艳的 demo，甚至一套产品叙事，都能被迅速追平。你今天做出来，别人明天就能跟上。
真正难的是，你有没有真的理解：
AI 时代的视频生产，到底应该被怎样重构。
这个理解，至少来自三层。
第一层，是技术判断。
你是不是很早就意识到，未来不是“接几个模型做视频”就够了，而是必须按 Agent First 去设计，按工作流去组织，按系统而不是按功能去搭产品。
第二层，是真实生产中的行业理解。
你有没有亲自进过生产现场？有没有真切体验过交付压力？有没有被客户需求逼到墙角？有没有在“今天必须交出来”的场景里，被现实一遍遍教育过？
第三层，是把前两者做成产品的能力。
知道问题的人很多，懂技术的人也很多，但真正能把路线判断、行业理解和用户体验压进同一套系统的人，很少。
说到底，壁垒不在于“你知道什么”。
壁垒在于“你把什么做成了别人离不开的东西”。
这也是为什么刘如山会说，他们不想做 feature company，不想做一个包在模型外面的 UI 层，而是想做视频生产操作系统。
这不是因为“OS”这个词更性感。
恰恰相反，这是一条很不性感的路。
它意味着你要处理复杂性，处理协同，处理修改，处理批量生产，处理组织使用，处理模型切换，处理质量和效率之间永远拉扯的矛盾。
但也正因为难，这条路一旦走通，位置就不一样了。
功能可以被收编。
系统很难。
AI 正在替代的，不是视频制作，而是视频生产里的低效部分
很多人聊 AI 视频，最爱问的一句话是：
它会不会替代视频人？
我越来越觉得，这个问法本身就有点问题。
AI 替代的，从来不是“视频制作”这四个字，而是视频生产里那些重复、机械、割裂、强依赖人工衔接的执行层工作。
比如脚本初稿、镜头拆解、文生图、图生视频、配音、字幕、基础包装，这些环节原本要不同岗位协同完成，现在都在被快速压缩。
再比如以前团队要在不同模型、不同软件、不同工具间来回切，链条非常碎，沟通和试错成本都高。工作流的价值，本质上就是把这些离散能力连成一条能执行的线。
还有一类被明显压缩的，是低效试错。
以前你想做十个版本、测试不同素材和叙事结构，时间和成本都很高。现在 AI 把这个试错门槛降了很多。
但有意思的是，被替代的往往是执行层，被放大的反而是判断层。
策略变得更值钱了。
创意变得更值钱了。
审美变得更值钱了。
系统运营变得更值钱了。
对 Agent 的编排能力，也变得更值钱了。
因为当“做出来”越来越容易，“做什么值得被看”就开始稀缺；当“生成”不再稀缺，“把生成变成生产”就开始稀缺。
这也是为什么我觉得，未来 AI 视频真正拉开差距的，不会只是模型能力，而是谁能承接这轮价值重排。
执行层被自动化，判断层被放大，系统层被重估。
而 MulanAI 想站的位置，显然不是前者。
AI 让普通人也能做视频，但艺术没有因此变便宜
这次访谈里，我挺喜欢刘如山对“艺术门槛”的看法。
她说，AI 确实在降低门槛，但它降低的主要是制作门槛，不是艺术门槛。
这句话我很认同。
过去很多人做不出东西，不是因为他们没有感受、没有想法，而是因为他们不会那些复杂的软件、流程和技法。AI 让更多普通人第一次有机会把自己的想法表达出来，这当然是一种进步。
但真正决定作品高度的，从来都不是你会不会某个软件。
而是你有没有独特的视角，有没有真实的表达，有没有审美判断，有没有打动人的能力。
当所有人都能做出“还不错”的内容时，真正稀缺的反而重新变成了这些东西。
所以 AI 并没有让艺术消失。
它只是让那些过去靠“难做”而产生的伪稀缺，开始失效。
真正会贬值的，不是艺术，而是平庸内容的价格体系。
这反而会让市场更诚实。
因为当技术不再构成门槛，最后留下来的，只有两类真正值钱的东西：
一类是结果导向的效率系统。
一类是不可替代的表达。
前者对应产业，后者对应艺术。
而这两条线，未来都会更清楚。
这家公司真正想做的，不是“更会生成视频”，而是“更会执行”
如果一定要用一句话总结我这次看完旷野群星和 MulanAI 后最大的感受，那就是：
他们不是在争一波 AI 视频热闹里的位置，而是在赌下一代视频软件的定义权。
这两者差别很大。
争热闹，重点是增长曲线、传播效率和市场声量。
争定义权，重点是你怎么理解这个行业未来会长成什么样。
刘如山的判断其实很清楚：
未来的视频软件，不会只是“更会生成”，而会是“更会执行”；不会只是创作工具，而会是生产系统；不会只是给人用的界面，而要变成 Agent 能理解、能调用、能复用的基础设施。
如果这个判断对了，那么今天很多看起来很酷的单点能力，最后都只是过渡。
真正值钱的，会是那套能接住复杂流程、接住商业交付、接住组织协同、规模化生产的系统。
当然，这条路不一定最容易讲故事，也不一定最容易被立刻理解。
甚至到 2026 年底，它也可能面临一个风险：市场从“单点炫酷功能”迁移到“系统级生产工具”的速度，未必像他们预期得那么快。
但就像刘如山说的，如果最后发现大厂把“AI 赋能出海内容”做成红海，他们也不会去跟大厂争入口、争标配、争通用功能。
他们会退到更深的一层，去做大厂最难做深的东西：
垂直行业的内容生产系统、复杂工作流和可交付结果。
这句话我也记住了：
他们卖的不是能力，而是结果。
很多公司做的是标配。
他们想做的是依赖。
这，可能才是一家 AI 公司最有价值的位置。
写在最后
AI 行业这两年最容易让人上头的，是“看起来什么都在发生”。
每天都有新模型，每周都有新产品，每个月都有新概念。你很容易被裹挟着往前跑，觉得只要自己慢一点，就会错过全部时代红利。
但刘如山和旷野群星这条路线，给我一个挺重要的提醒：
不是所有速度都值得追。
有些速度，通向的是泡沫。
有些“快”，只是更快地把半成品推向市场。
有些增长，也只是建立在行业教育还没结束之前的短暂错觉。
真正能穿越周期的，最后还是那些看似慢、实则深的东西。
比如对生产现场的理解。
比如对工作流的重构。
比如把 AI 从一个“会生成的功能”，做成一个“会执行的系统”。
所以如果今天你还只是把 MulanAI 理解成一家 AI 视频公司，那确实低估它了。
它真正想争的，可能不是一个工具位。
而是 AI 时代视频生产线上的系统位。
这不是一个更热闹的位置。
但很可能，是一个更长的位置。
精选 Q&A
1. 为什么在 AI 创业最讲速度的时候，旷野群星反而选择“踩刹车”？
因为他们踩下的不是研发的刹车，而是对行业浮躁感的刹车。在刘如山看来，真正危险的不是慢，而是假快。很多产品表面上更新很快、功能很多，但如果没有真正进入生产现场、没有经历真实交付压力，最后做出来的很可能只是一个看起来聪明的 Demo，而不是能进入产业、进入工作流的产品。
2. MulanAI 和市面上普通 AI 视频工具最大的区别是什么？
一句话概括：别人更多是在做 AI 创作工具，MulanAI 更想做 AI 时代的视频生产系统。很多产品解决的是“怎样让人更方便地做视频”，而 MulanAI 解决的是“怎样让 AI 也真正具备做视频的生产能力，并且让人可以指挥这套生产系统”。它更强调画布、工作流、合成剪辑和 Agent 的融合，目标不是单条视频生成，而是完整生产链路的可执行、可复用和可规模化。
3. OpenClaw 爆火，对 MulanAI 有什么启发？
刘如山的看法很直接：OpenClaw 让更多人第一次真正看懂了一件事——AI 不只是会说，它开始会做。这也让他们更确定一件事：未来软件的默认服务对象，不再只是人，也会是 Agent。所以软件不能只按“人怎么点按钮”来设计，还要按“Agent 怎么理解、怎么调用、怎么执行”来设计。她甚至提到，团队很早就内部坚持一句话：Make something agents want。
4. 为什么他们坚持做白箱，而不是黑箱式的一键出片？
因为商业视频生产不是“一次出结果”那么简单，而是一个不断修改、不断协同、不断交付的过程。客户不会只问“能不能生成”，还会问能不能保留框架改局部、能不能批量跑、能不能团队协作、能不能不回剪映手工合成、能不能真的接进业务流程。黑箱可以给结果，白箱才能承接修改、协同和交付。
5. 旷野群星最难被复制的能力是什么？
不是某个单点技术，也不是单一资源，而是一种系统能力。具体来说，是三层能力的叠加：第一，对 AI 视频未来生产方式的前瞻判断；第二，在真实商业交付里打磨出来的行业理解；第三，把前两者真正做成系统化产品的能力。真正难复制的，从来不是表面的功能，而是你对问题的理解，最后有没有沉淀成别人离不开的东西。
6. MulanAI 当前最核心的用户是谁？
不是低频尝鲜用户，而是那些高频、持续、带着商业目标做视频的人。包括专业的跨境营销团队、品牌内容团队、代理运营团队，以及商业型的专业创作者。这些人的共同点是，他们关心的不是“AI 好不好玩”，而是视频能不能稳定产出、能不能规模化生产、能不能真的带来业务结果。
7. AI 工作流到底替代了视频制作里的哪些环节？
主要替代的是执行层里那些重复、机械、低效的部分。比如脚本初稿、镜头拆解、文生图、图生视频、配音、字幕、基础包装，以及跨工具切换带来的摩擦成本、低效试错成本，还有部分初级执行岗位的机械性工作。但与此同时，策略、创意、审美、系统运营和 Agent 编排能力，都会变得比以前更重要。
8. AI 会让艺术贬值吗？
刘如山的判断是：AI 降低的是制作门槛，不是艺术门槛。真正会贬值的，不是艺术，而是那些过去靠“难做”而不是靠“独特”获得价值的内容。AI 会让平庸内容的价格体系崩掉，但也会让真正稀缺的表达、审美和视角重新浮出来。换句话说，AI 不是让艺术变便宜了，而是让艺术市场更诚实了。
9. 在 AI 时代，创作者会变成“提示词工程师”吗？
刘如山觉得，“提示词工程师”更像是一个过渡期概念。因为真正决定作品高度的，不是提示词技巧，而是创作者有没有主体性：你是在使用 AI，还是被 AI 默认的平均审美带着走？你是在表达自己，还是在消费模型给你的幻觉？差的创作者可能会变成提示词工程师，但真正的创作者，依然是艺术家。
10. 接下来 12 个月，旷野群星最看好的增量机会是什么？
他们最看好的，是为专业级内容规模化提供基础设施。AI 视频第一波解决的是“从 0 到 1”，让人人能做视频；下一波机会在于“从 1 到 100”，帮助企业、品牌、MCN 和专业团队，在保持品质和品牌调性的前提下，实现高效率、大批量、多版本、个性化的视频生产。这不只是工具升级，更是生产关系的升级。
11. 如果大厂把“AI 赋能出海内容”做成红海，旷野群星怎么办？
刘如山的回答很明确：不跟大厂争入口，不比标配，不打通用功能，而是退到更深的一层，去做他们最难做深的部分——垂直行业的内容生产系统、复杂工作流和可交付结果。她说得很透：大厂能拿走流量，拿走基础能力，但拿不走客户日常生产链里的组织协同、数据沉淀和业务闭环。说到底，别人卖能力，他们更想卖结果。
12. 到 2026 年底，旷野群星想变成一家什么样的公司？
刘如山的预判是：从一家“做 AI 视频工具”的公司，进化成一家面向全球商业内容生产的 AI-native 视频基础设施公司。让品牌、团队和创作者不只是会生成视频，而是能持续、可控、规模化地生产视频。
本文档为非凡产研原创内容