---
title: "为什么这家AI视频公司，偏要在所有人冲刺时“踩刹车”？"
id: "20260318A08DAI00"
publicationAccount: "非凡产研"
originalPublishedAt: "2026-03-18T21:41:06+08:00"
canonical: "https://ffcap.cn/research/20260318a08dai00"
source: "https://view.inews.qq.com/a/20260318A08DAI00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["AI 视频","营销增长","AI Agent","工作流","融资与投资","非凡大赏"]
---

# 为什么这家AI视频公司，偏要在所有人冲刺时“踩刹车”？

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

**非凡大赏·嘉宾访谈**

## **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。

![为什么这家AI视频公司，偏要在所有人冲刺时“踩刹车”？ · 原文图片 1](https://inews.gtimg.com/om_bt/ODNBa2axjnPqkF4K05siN2M6w2o13FqMFjbPkgFhQMXooAA/1000)

  

## **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

---

原始发布版本：https://view.inews.qq.com/a/20260318A08DAI00

本站阅读页：https://ffcap.cn/research/20260318a08dai00