“视频 Agent 已死”：一场圆桌，五个人轮流给 Agent 泼了盆冷水

"视频 Agent 已死，skills 也没有价值。"

"死的不是 Agent，是套个壳就出来卖的通用 Agent。"

说这话的不是什么 AI 黑子，是 MovieFlow 联合创始人梁巍。他的产品有 150 万用户，覆盖 174 个国家，今年 5 月刚上线的专业版，服务了超过 100 个好莱坞和中国的影视剧组。一个靠 AI 视频吃饭的人，当众宣布视频 Agent 死亡。

还没完。同一场圆桌，AI 视频超创、幻境纪元执行董事罗媛（山竹）补了一刀："我的员工是不让他们用 Agent 的，会增加沟通成本。"

这是非凡大会上一场关于 AI Agent 的圆桌，主持人是和利资本的江志强，台上坐着五个正在用 AI 做内容生意的人。按理说，这是最该给 Agent 唱赞歌的场合。结果五个人轮番上阵，把今年科技圈最火的词拆了个七零八落。

但有意思的是，拆台归拆台，这五个人又都在闷声用 Agent 赚钱。

他们到底在唱哪出？我把整场听完，发现答案比"Agent 有没有用"这个问题本身有意思得多。

梁巍开炮的直接导火索，是最近又一批公众号文章开始推 AI 视频 Agent 和各种导演风格的 skills。他的原话很冲：这东西就跟去年 GPT 出来之后满屏的吉卜力风格一样，火了几天就结束了。

山竹的拆台角度不一样，她是纯实操派的苦水。作为摸过市面上几乎所有工具的超创，她试过用 Agent 做视频，结论是还不如自己动手。跟 AI 沟通很费劲，大部分时候像跟员工沟通，未必能理解意思，增加沟通成本。而且对话式地做内容，二次迭代图片会碎掉、有噪点，得重新处理。所以她干脆一刀切：员工禁用。

一个做平台的，一个做内容的，从两个方向得出了同一个结论：现在这批通用视频 Agent，对真正干活的人来说是负资产。

心影随形联合创始人王碧豪讲的很透彻。他的公司服务全球上千万游戏玩家，做 AI 陪玩和 AIGC 游戏社区。

他的逻辑链条很清晰。Agent 为什么叫代理？因为有自主决策能力。自主决策的关键在于 loop：拿到任务，拆给各种专业 skill 去做，再综合起来，最后要有个 reviewer 来评判干得好不好，把反馈喂回去。

问题就出在这个 reviewer 上。

他还有个朋友的观点更悲观：所有 Agent 都在丧失用户基础，因为用户只有三类人。第一类没 idea，给他 Agent 也不知道干嘛。第二类有 idea 但写不好提示词。第三类既有 idea 又会写，直接去用 Claude Code 和 Codex 了，凭什么用你的套壳产品？按这个逻辑，Agent 创业基本团灭。

但王碧豪话锋一转，说团灭论里恰恰藏着下一步的机会。没 idea 的人，能不能用点击、滑动、点赞这种轻交互来反馈意图？写不好提示词的人，能不能有人把 Claude Code 那种神奇体验做到普通消费者够得着的地方？至于第三类高手为什么留在垂直产品里，他的答案是：不同领域搭 loop，里面有业务结合上的秘密，需要真正懂业务的专家参与，才能挖出这个领域 Agent 的真相。注意最后这句话，它是整场圆桌的题眼。

接下来是全场最反差的部分。

刚说完"只有一种 Agent 成立"的王碧豪，转头就交代了自己的用量：他是 Claude Code 和 Codex 的深度用户，平均每天往项目里提 300 到 500 个 commit。他产品里的玩法更激进：用户生成视频、游戏、文字之后，Agent 去 review，用户也在 review，点不点赞、留不留下来，实时进判别系统，不行就打回去重做。Agent 甚至会自己重写代码。说白了，他不是不信 Agent，他是不信没有裁判的 Agent。

龙渊纪 AI 创始人殷天明走的是另一条路，把人蒸馏成 Agent。他是三七互娱前产品副总裁，做了 20 年游戏，两个合伙人一个管过十几年投流买量、经手过大几百亿的投放，一个在腾讯做了十几年发行。三个人的打法，是把这几十年的行业经验一勺一勺喂给 AI。剧分男频女频、修仙穿越，游戏分 MMO、卡牌、SLG，不同类型喂不同的打法，不然就算乱了。

整场圆桌信息密度最高的三分钟，来自王碧豪的一段技术拆解。问题从一个所有创作者都有的痛点切入：为什么现在的 AI 视频只能生成十几秒一个切片？想上 4K，还得砍到 4 到 5 秒。

他的解释是，这一代模型全部基于 DiT 架构，Diffusion 管画面，Transformer 管时间序列，对参数和算力的要求是吞金兽级别的，主流模型 20B 到 30B 参数，架构上已经顶到天花板了。想突破一致性，就得训练能理解长镜头的世界模型，需要 10 亿个视频。而现实是，数据极度缺乏。

这段话说得全场安静。别人在聊 Agent 的概念，他在聊训练语料的物理约束。他的解法也很取巧：游戏世界全是长镜头，第一视角一开就是一小时不间断，心影随形就在用游戏画面攒长镜头语料。这就是为什么他敢下"只有一种 Agent 成立"的判断——说这话的人，是真的在算这笔账。

圆桌上还有个异类，Meowster 的产品负责人聂勇刚 Sawyer。他们做的是一只 AI 猫，主攻日本市场，全球快 10 万用户，93% 在日本。

为什么不做人型陪伴，非要做猫？他的理由是猫有不确定性，你猜不到它下一步要干嘛，它可能给你惊喜，也可能干点很讨厌的事。具体多讨厌呢？"你一周两周不理它，它大概率百分之七八十也不想理你，因为觉得你给不了它关怀。"这只猫的所有反馈都是 AI 即时生成的，而且记性很好，你晚上固定忙写作、早上忙工作，它都记得。

主持人江志强说了一个判断指标：这几位所在的行业，短剧、游戏、AI 娱乐、陪伴，全是高粘性、高 token 消耗的场景。概念吵不出结果，token 消耗才是商业化的验金石。

梁巍最后有句话留给大家：工具层已经非常简单了，每个人手搓一两天就能搓出一个工作流，难的是工作流里有没有沉淀下创作资产和真正的 know-how。

回到开头那两个暴论。山竹不让员工用 Agent，殷天明把三个合伙人蒸馏成数字员工。同样叫"员工"，一个被禁用，一个被当成宝。

Speakers｜嘉宾

MovieFlow 联合创始人 梁巍

心影随形 联合创始人 王碧豪

幻境纪元 执行董事&AIGC多平台超级创作者 罗媛（山竹）

龙渊纪AI 创始人 殷天明

Meowster 产品负责人 聂勇刚Sawyer

Host ｜主持人

和利资本 AI基金 风险合伙人 江志强

江志强：大家好，我是江志强，其实从2022年生成式AI这波浪潮开始，我就在这波浪潮里面开始接触AI，早期生图、生视频、多模态到多智能体架构的一些应用都做过。过去在担任和利资本Venture Partner之前，也在企业服务领域做AI咨询开发，做了两年多。主办方请我来主持这个话题，跟我过去半年跟一个上市影视公司联合孵化AI短剧自制剧，做精品内容以及这个领域的智能体有关。请各个嘉宾介绍一下自己。先请我已经相对比较熟悉的梁老师。

梁巍：大家好，我是MovieFlow的梁巍。我们是一家面向全球创作者的AI视频工作站，同时今年推出了专业版本。之前主要面向全球C端，今年专业版是5月份上线的，也就是MovieFlow Studio版本。Studio版本目前主要服务于各大好莱坞和中国的专业影视公司、专业创作者、内容公司和企业。因为工作站提供大量专业封装的、细节的、偏专业创作的能力，并不是C端用户一键生成的那种。简而言之，我们在AI视频层面是一个应用层的落地平台，目前致力于真正把AI视频的生成能力、把影视行业的FDE服务做好。

王碧豪：大家好，我是来自心影随形的王碧豪，也是第二次登上非凡的舞台，上一次在北京。我们公司致力于服务游戏玩家，通过逗逗游戏伙伴和Hakko AI已经聚集了全球上千万游戏玩家，给他们提供基于视觉识别、实时识别游戏画面进而提供语音陪伴的AI陪玩服务，建立游戏社区。同时我们也在拓展更多多模态服务，包括怎么用AI生成游戏、生成漫画和短剧，拓展游戏玩家社区里更多的AIGC服务。我们有个理念叫"消费即生成"，用户在生成游戏、生成视频的过程其实就是他在消费这种AI娱乐体验的过程，这也是我们不断在实践的。今天很高兴来跟大家分享一些思考。

江志强：谢谢王总。下一位请殷总。

殷天明：大家好，我是龙渊纪AI的创始人殷天明，跟王总一样也是第二次来参加非凡的会了。我们公司致力于做以ROI驱动的下一代内容创作和智能投放引擎。本质目的是希望把我们多年近20年的买量经验沉淀下来，变成一个可执行、为ROI负责任的AI系统。把短剧、游戏、电商这些客户靠大量内容生成到投放这个事情整体包圆了，最终为结果导向、为结果赋能。我们在做大量内容的同时，无论是短剧内容还是广告品牌广告素材，包括智能投放这部分也有很多心得，今天来跟大家学习和探讨，谢谢。

江志强：谢谢殷总。接下来请Meowster，我不知道发音对不对，是叫Meowster吗？

聂勇刚：对，是叫Meowster。Hello大家好，我是Meowster的产品负责人Sawyer。这个名字是因为我们想做一个有生命感的AI猫咪，垂直于AI情绪陪伴赛道。我们跟其他人不一样的是不想做人型，想用猫的形态来做，因为猫的不确定性——我们希望人与人之间压力会非常大，核心是做日本市场，日本市场的情绪压力会更大。我们想基于猫做一些猫态的，让你猜不到它下一步想做什么，或者给你惊喜，也可能给你做一些很讨厌的事情，但都会比较有意思。基本上我这边是这样的，谢谢。

江志强：谢谢聂总。其实刚刚各位嘉宾的介绍有点简短，待会请你们再快速补充一下，比如城市坐标，工具或服务是国内还是全球，还是两种都开始扩展？我知道你在北京，王总也在北京，殷总是在广州对吗？聂总人在哪个城市？

聂勇刚：我现在在上海，创始人跟运营团队在日本东京。

江志强：几位的产品我反正之前有机会了解过，你们是做国内市场还是出海，也可以快速补充一下。

梁巍：那我就快速补充。最近我用这个——因为我原来是做电影的，所以最近跟筷子兄弟做了他们的MV，现在《逍遥仙》在网上还挺火的，大概有两个亿的流量。其实我们为什么说致力于把AI多模态的能力去做FDE服务呢？核心在于今天多模态的生成能力最终要落到应用场景上，真正帮传统影视降本增效，帮大家做真正可消费级内容的生成以及落地。所以今年我们花了很长时间推出专业版，之前面向全球，目前有150万用户，覆盖174个国家。MovieFlow在C端，movieflow.ai大家都可以拿手机登录看一下。Studio版本今年5月份上线以来，服务了中国包括好莱坞、日韩超过100个影视剧组，大家都在用我们的Studio做传统影视拍摄的预成片、预拍片服务，以及重新制定剧集、电影拍摄的整个生产流程，包括一些企业客户也在用我们做资产管理。

所以我觉得今天说agent，从我的角度来讲，AI视频的agent是没有的，视频agent已死，skills也是没有价值，这个我们待会再聊。

江志强：那王总再补充一下。因为我刚看了一下你的APP挺有意思的，上面都是英文版，游戏玩家有1000万，这个部分展开说一下？

王碧豪：我们的业务大概分成中国和全球化两个模块。中国网址叫逗逗AI。海外叫Hakko AI，日语"箱子"的意思，AI体验从箱子里面蹦出来，大概是这个意思。办公室除了北京，上海也有，在摩斯空间，欢迎大家来找我交流。产品主要模式，在逗逗上面主要是在跟英特尔、AMD、英伟达，包括联想惠普这些PC集成方面合作，软件体验集成在现在出货的AI PC里面，也就是说只要你买了一台AI PC，就可以默认看到里面有逗逗这个软件。OK。海外重点市场是T1国家，我们认为就是北美和日韩，为什么这么做，因为这些国家付费能力比较强，比较俗，想赚钱。

江志强：殷总有没有要补充，已经上线的工具也可以稍微说一下。

殷天明：我们跟很多做AI工具的公司不太一样，团队是业务驱动的，本质是业务驱动，自己是做业务出身的。我做了20年游戏，之前是三七互娱的副总裁、产品副总裁，又做了两年短剧制作和发行。做AI赛道变成AI技术产品公司，本质是因为自己有业务需求，有比较深度的买量需求、买量经验，驱动我们自己转变成一家技术公司。所以在产品端，我们会结合自己的业务需求，把沉淀的算法、Knowhow经验、不同赛道的模型，比如游戏各种ROI模型算法、短剧内容生成提高产品品质、剧情脚本等，融入进去成为爆款率的算法，都蒸馏进去了。所以可能我们有一些自己的差异化。在短剧和游戏、电商客户目前使用上，提几个数据：合作做过的短剧，平均10部能有5-6部爆款，差不多50%爆款率。投流买量的素材跑通率是30%，传统方式不超过5%。平均获客成本降低20%到40%，ROI提升15%到20%。这几个数据对ROI最终转化结果可能有比较明确的吸引力。我们更多在于最终结果，去做AI产品和技术的赋能。

江志强：不管做什么产品，内容也好短剧也好，最重要的环节是后面的发行跟营销。聂总您的应用也上线了，跟大家讲一下，只有纯日文版吗？

聂勇刚：我们做了中文、英文、日文三个语言版本，大概今年年初在App Store上线，核心以日区为主，美区、欧洲、港澳都上了，简中暂时还没上。用户数全球快超10万，核心用户93%还是日本用户。创始人背景是IP孵化，之前一直在日本。选猫包括后面想法是希望嫁接在——不只是AI陪伴，会融入很多游戏化内容。包括现在做一个概念叫"猫咪小镇"，小镇里面猫是自制的，有自己的选举、事业、生活，也有NPC，世界各地大家各自的猫，但没有用户。我认为是个体和群体的关系，里面会有更多类似于养鱼、游戏化的东西。商业化已经开始走，主要以订阅和游戏化道具为主，后期可能扩展到线下，目前场景以APP为主。

江志强：刚刚大家听到，其实他们都是——从token消耗的角度，如果待会展开聊商业化，token消耗是验证产品商业能不能走得通非常重要的指标。他们所处的行业，要么离高增长很近的短剧，短剧全球在增长中国领先，AI渗透率在快速上升；要么AI娱乐，要不就是陪伴，这些都是高粘性、token消耗比较高的。

我接下去想问几位一个问题。刚刚梁总说他觉得AI影视agent没什么用，这个可能大家会有不太一样的观点。谢谢你的这个暴论来开头。我先发表一下意见，其实很多智能体不是to C的，可能在你背后的工具流有很多智能体在工作，而且可能越聪明的话产品可以做得更简单。反过来开一个头——所以从这个暴论开始，几位嘉宾，你们觉得agent的真实价值，是噱头还是已经看到工业化做得越来越好了？特别是也稍微讲一讲，我过去半年跟上市影视公司联合孵化的团队，整个制作有很多环节，看到某些环节AI发挥更大作用，甚至有机会自动化，而且做到比较精品。但想问问几位，结合自己行业观察或一线实操经验，agent现在真的发挥到工业化程度了吗？还是说这个悖论，或者说agent没有什么价值？

聂勇刚：我们是这么考虑，底层其实也是agent模式去做。我觉得agent并不是空壳的东西，底层有很多设置，比如solid MD，底层很多内容，包括前段时间特别火的二三月份OpenClaw也是。agent的概念、底层逻辑完全讲得通。我很喜欢拿agent做一个例子就是贾维斯，大家很希望未来的状态。我自己来看，短也不会特别短，长也不会特别长，每个人自己的贾维斯很快也都会来，只是每个人运行方式、使用角度因人而异。以公司角度，agent更多服务于公司内部或用户端，这是两端。如果是个人，更多作为私人助手、管家概念，管理所有具体事务。我自己搭了很多agent，帮我管理工作事项、日程安排、进程管理、报告出具、管理性内容，都可以完善得很好。包括现在Codex 5.6这些出来之后，效果和提效真的是非常快的节奏。所以agent这个概念的确很有实用性价值。

江志强：您的Meowster因为我还没机会用，里面内容是预先渲染好只是用AI动起来，还是说有些内容可以根据用户交互自然自动生成？

聂勇刚：内容基本上全是根据用户行为去影响，所有内容也是AI生成的，就是猫自己的agent去生成。比如跟用户互动粘性越来越高，猫可能有概率越来越喜欢，也可能概率低还是不喜欢。一周或两周不理它，大概率百分之七八十也不想理你，因为觉得你给不了关怀或粘性陪伴。很多东西需要根据用户反馈做更好反馈，包括互动上做了喂食、跟猫咪玩玩具，所有及时反馈都是当时给的，基于长时间对话。一开始以对话为核心，后面慢慢衍生到整个陪伴场景、主空间、商城体系，整个一体化内容出来，每次猫咪反馈都是即时的，AI即时生成。根据用户长期使用习惯、频率、沟通习惯，猫都会知道用户晚上七八点一定在忙，比如写作，早上八九点回不了消息在忙工作。这些可以很好给到用户反馈。我们有幸采访了很多深度用户，聊天用户，反馈也是这样，觉得猫给的点都很恰到好处。

江志强：接下去请教殷总，你刚刚提到联合创始人有非常丰富的三七互娱经验，早先交流过程中服务一个非常大的卖点是基于投放素材数据，数据回流反馈到素材生成，虽然内部还在开发、可能只有内部内测，这个部分可不可以展开多讲一下，这个过程是不是agent、skill都用上了？

殷天明：我之前是三七互娱的产品副总裁，负责整体产品架构、规划、策略、战略，包括跟很多流媒体平台对接。另外两个合伙人，一个在三七十几年，负责整体从页游、手游的投流买量发行，经历过大几百亿以上的投流买量成本。我也做过很多几十亿到上百亿的游戏产品。另一位合伙人在腾讯十几年，发行负责人，了解整个运营全流程、大厂技术中台体系，也做过很多几十亿到上百亿不等的爆款产品。我们三个人是铁三角，业务铁三角，从产品、运营、投流买量、发行市场，是这样的团队体系。

因为我们属于业务型、实战出身，本质来讲——江总我比较感兴趣，你那么丰富的经验现在是不是已经提炼成——是的，所以想指着那个agent——我知道，所以刚刚说了一下前身。我们团队能力很强，有很多产品实战经验，做过很多营收赚钱的产品，但团队要做很多产品化不现实，有业务需求，要做大量素材、运营数据分析归因再投放。想业务驱动技术，可不可以把它变成智能体，数字人的分身，可以这么理解，把我们三个人做成数字人的分身。本质来讲agent就是数字员工，但如果只是叫agent，可能只是泛的，不太懂垂直领域应用，怎么去做、怎么了解产品数据、怎么归因迭代，不专业，可能只是基础员工。要教给他怎么做，怎么办？把过往经验、数据理解、产品理解、信息蒸馏给他，这是第一步。第二步融入算法，让他会干，知道结合不同产品、不同类型，比如剧分男频女频、修仙穿越等怎么做内容素材，游戏不同分类MMO、卡牌、SLG等，喂给他，把经验蒸馏给他，同时加以算法，才会算对应的，不然算乱套。其实我们现在叫算法，未来可能叫世界模型，相当于赋予agent情感，垂直领域agent的情感，能够辅助帮助判断。这是我们整体产品来源的思路。蒸馏过程中——刚刚提到那些数据变化，蒸馏出来以后赋予算法，产生实际应用到短剧、游戏、电商里面，给ToB客户真实产生ROI结果导向的反馈。

江志强：梁总，你解释一下为什么觉得AI影视agent没意思？

梁巍：主要因为最近大量公众号文章又开始推AI视频agent、skills，说实话这个东西就跟去年GPT出来吉卜力风格一样，火了几天就结束了。现在有很多视频类工具流、工作流，还有大量王家卫导演风格的skills，哪个导演风格的skills，在我们做专业内容和电影出身的人看来，很好笑。第一，如果都能这么简单生产好内容，那就简单了，好的工具跟好的作品中间没有必然连接。agent要做的是私人化，大模型可以，通用agent对每个创作者赋能，在工具里有意义。但弄一堆导演风格，给导演版权了吗？凭什么用王家卫名字？凭什么呢？要不要给王家卫蒸馏了？你凭什么呢？蒸馏的也只是个皮，无非把王家卫电影影像感觉蒸馏一下，跟讲故事有什么关系？所以在专业层面，agent更有意义在于，在工作站、工具里，给用户提基于创作和内容需求过程中怎么帮助更好创作，这个agent有意义。但通用跟视频类相关的agent，说谁家推出agent能力、skill能力，完全没有意义。

江志强：但如果比如现在这种工具，给一个剧本，应用背后一个或多个智能体，自动基于剧本把分镜按导演细致要求解析出来，同时把资产设计出来，分镜脚本需要的镜头提示语都自动生成，这个有用吗？不管是不是智能体。

梁巍：其实您说的这个是我们现在专业版第一步，剧本解析自动解析过程中就是这么做的，但解析完不代表每个人用就能做好内容，要在这个基础上去调整和改。

江志强：至少提效对吧？

梁巍：提效是肯定的，每个agent都是在帮助大家提效。

江志强：这个问题王总有什么不同的看法？从自己的产品跟经验补充介绍一下。

王碧豪：我也很感兴趣。刚才围绕这个话题，首先agent是什么？为什么叫agent，叫代理，代理是有自主决策的能力。为什么有自主决策能力？关键在于loop，拿到任务后分拆成交给各种专业skill去做，再综合起来，Orchestrator结合起来，最终有reviewer review工作，有feedback前馈反馈系统告知做得好不好。我的看法里，现在只有一种agent，就是coding agent，其他所有agent其实都不成立。为什么？因为没有reviewer，没人能判定这个agent干得好还是不好。coding可以，因为coding有标准，代码写得对不对、work不work可以明确告诉你。电影拍得好不好、视频做得好不好，只有观众能告诉你，见仁见智。所以暂时还没有其他领域能work的agent。

另外一个话题，前阵子有朋友跟我说觉得所有agent都不能做了，agent有三种做不了，就是不存在需求。为什么？用户有三类人：第一类没有idea，给agent让他做，不知道做什么；第二类有idea但写不好提示词，提示词拆分写比较复杂；第三类既有idea又有prompt写作能力，那不用这个产品，去用Claude Code、Codex，为什么要用你？所以所有agent都在丧失用户基础。这是他的观点，认为agent没法做。但里面正好蕴藏agent下一步机会：没有idea的人，是因为有idea门槛高，需要通过自然语言输入，如果可以通过点击、滑动、点赞、评论这些轻交互反馈idea，是不是就可以了？第二类写不好提示词，这是agent创业最大的升维问题，怎么让Claude Code能给到普通消费者，因为Claude Code是非常神奇的产品体验。我现在不知道答案，但这是非常确定和靠谱的方向，如果有人能用Claude Code做视频，绝对成立。第三类直接用Claude Code不用产品，里面也蕴藏机会，因为在不同领域搭建loop，并不是全用MCP、agent core这种体系，里面还是有业务结合上的秘密，需要真正懂业务的专家参与，才能发掘这个领域agent的真相。这是我的一些看法。

江志强：我想追问一下，产品里面现在用到了多少agent？

王碧豪：可以说用得非常多。我自己是Claude Code、Codex的深度用户，平均每天提大概300-500个commit到项目里，这个是我们主要所用的agent。产品里搭建agent，一个是业务流agent搭建，比如数据分析、用户反馈，全部通过agent实现。agent最重要的是实现进化式，它会变化，随着使用agent会自己重写代码，这是agent最最重要的点。业务实际交付用户里，我们也不断实现reviewer——用户生成视频、游戏、文字，需要review，agent会去review，同时用户也在review，点不点赞、反馈什么，实时收集到判别系统，判别到底OK不OK，不OK打回去重做，下一步迭代。agent这种loop比之前传统软件开发最大优势是进化实时。之前软件收到10个用户反馈，迭代新版本下周上线，再收反馈。现在不用了，用户实时反馈，软件实时变化，这是我心目中真正的agent系统。

江志强：agent loop现在也是AI行业很热的话题。接下去隆重介绍第五位嘉宾。

罗媛（山竹）：我是幻境纪元的执行董事罗媛，也是自媒体创作者、AI视频类型的超创，隔壁Pixworks的超创，简单介绍一下。

江志强：我继续追问你，跟刚刚聊的话题有关。作为超创，你应该摸过很多工具，很多新工具出来之前大厂的工具、新创公司的工具都会找你测。不知道你现在主要创作内容是哪个类型？从最高频创作内容来看，市面上层出不穷的工具，包括大厂自己做工具，在座两位老总都在做工具，你觉得工具好用的地方在哪里？还有什么难点没被攻克？这部分你最有发言权。

罗媛（山竹）：目前比较好用的我觉得是Tapnow和Pixverse，生成平台操作、串联式操作以及协调部分比较成熟，能关注到操作小细节，加快创作速度和效率。比如可以在平台里点击图片直接@上非常细小的操作，连线时可以复制一大串。有团队协作功能，非常方便，希望各大平台也考虑上一下，这个对我们很重要。

江志强：我们无意为这些工具做广告。但还是想挑战这个问题，刚好跟我过去半年孵化精品短剧自制内容加智能体团队有关。观察那些AI抽卡师或AI制作人员，痛点是如果不是自制剧、为平台服务，平台要量且要精品化，堆人可能不够。内容既要精品又要效率，画布式体验不见得每个人都习惯。从既要又要还要角度，做工具的不管是大厂还是新创，还有哪些可以提升？

罗媛（山竹）：可以增加一些比如剧本变成适用于即梦或可灵这些视频生成模型的提示词，进行初步转化。现在清河科技的平台也还可以，有在做但可能还不太完善，在一些细小操作上精——精，因为我们是做精品赛道，可能没有量很大，尽可能往少而精做。

江志强：我继续追问，做精品内容不管项目上或个人工作上，你开始用什么agent？会用Claude Code帮你提效吗？

罗媛（山竹）：从创作者视频创作角度，视频类agent其实用得不算特别多，因为有一系列问题。跟AI沟通很费劲，大部分时候用agent像跟员工沟通，但直接自己用画布类去做会快一些。用员工未必能理解意思，增加沟通成本。而且用agent，现在GPT出来用agent做对话式内容，会导致二次迭代图片碎掉、有噪点，得重新处理。所以我的员工是不让他们用agent的，会增加沟通成本。

江志强：接下去想问两个做工具的老总，现在大厂也下来做工具，虽然大厂产品太多不见得每个都足够深入，留给创业公司机会。但特别想问梁老师和殷总，大厂下来做工具，挑战和机会怎么样？

梁巍：首先得承接一下。MovieFlow接下来其实已经不只是一个工具，是一个全球AI影像平台，从工作站到发行，APP接下来上线以后也是横屏优质AI全球内容的平台、播放平台、观看平台。现在也在投资很多影视行业一线导演、公司，共同创作横屏优质AI影像内容。对我来说，多模态AI视频能力相当于把整个影视娱乐业重构一遍、再做一遍。接下来大家在MovieFlow APP里可以用到很多明星数字资产，这个比较独特，毕竟原来是干电影和娱乐业的。最近筷子兄弟肖央、王太利形象陆续登陆资产库，其他演员也在陆续登陆。未来大家可以商用，普通创作者可以用到电影级资产素材创作，真正在这做。

大厂都有各自赛道，AI整个影像就像腾讯、优酷、爱奇艺，未来会不会做出最AI的赛道？在爱奇艺里突然看到AI视频，到底看真人拍摄还是AI内容？很奇怪，尤其deepfake多模态生成质量越来越好，无法分辨真人拍摄还是AI辅助生成、多模态直接生成。AI所有影像要独立于传统影视制作生产以外的播出平台，再要有一个东西，那是完全纯蓝海。一定不是今天字节系天天推崇的AI短剧、漫剧，不止这件事。AI视频能力在漫剧短剧上只暴露了0.5%-1%，还有99%是未来可以生产大量像BBC纪录电影、更好影片更好制作。工具层已经非常简单，每个人手搓一两天可以搓出工作流，但工作流里有没有沉淀创作资产、价值，很重要。再好工具不代表给一台IMAX摄影机就能像诺兰一样拍电影，好工具跟好作品中间没有必然连接。

我们努力推动传统影视业制作资源和当下05后10后这一代，今天读电影学院的学生大一读导演，四年后没有那么多电影可拍，但今天可以在四年里正常用AI进行电影级创作。对故事、表演、创作有要求，有baseline在，这才是AI视频。去年在非凡会上说AI video应该叫Aideo，作为新领域新行业，就像胶片之于电影，数字拍摄产生电视，手机产生短视频，AI多模态应该产生Aideo，有新的一套视听语言体系及消费体系。作为MovieFlow希望业内看到，今天希望推动这件事，让专业电影人、影视人跟AI创作者一起下场共建生态，真正赚钱、商业消费，这事就成立了。

殷天明：梁总说得已经很好，基本上很多共识。我补充一下，未来更多基于大厂，大厂更多做泛用户，不太垂，很多垂类泛用户多数是to C，垂类更多面向ToB客户或用户。很多ToB客户里绝大部分是中小客户、中腰部长尾客户，不是巨头型ToB影视公司，他们需要赋能。首先需要知道怎么做出好内容，用好工具或AI视频内容生成平台，算法、沉淀数字资产能帮他赋能出具有爆款潜质的内容。另外我能帮你卖出去、帮你赚钱，不用亲自对接平台、流媒体平台，不用自己干投流买量，工具可以帮你干。最终要转化，一定转化成收益。未来大厂差异化，大厂不会帮你干这些，一定需要这些来持续赋能。

江志强：最后请王总补充。先前交流到AI影视内容越来越精致，要突破的问题是所谓一致性，特别是场景一致性，现在视频生成模型底层架构缺少z轴。虽然你做的事情很有意思，有很多游戏玩家大社区，但从下一个突破点，你现在在做这个部分可以简单展开吗？

王碧豪：我相信像山竹老师一定有个痛点，为什么只能生成15秒一个切片？15秒切片，想提升到4K就必须4-5秒，为什么会有这种现象？这个现象很有意思，现在这一代模型CogVideo、可灵、Wan，所有模型都基于DiT架构，Diffusion Transformer。Diffusion是扩散模型，每一帧从像素点逐渐扩散出来，决定画面什么样；Transformer是时间序列。通过大量视频训练，不同帧之间人物一致性在扩散过程中保持一致，这是基础原理。扩散量和时间序列量对参数和算力有极高要求。现在模型参数主流20B到30B，要么突破参数量大力出奇迹砸更多算力，但架构上已遇到瓶颈。

为什么遇到瓶颈？根源在于正在研究VLM，怎么用视觉识别视频到底在讲什么事情。研究VLM主要是为了实现游戏屏幕识别，后来发现训练世界模型主要概念就是这个。训练20B到30B参数世界模型需要10亿个视频，数据极其缺乏。梁总在影视行业知道，导演敢拍10分钟一镜到底非常大胆。训练一致性模型需要10分钟以上长镜头，让AI理解不切镜，不会从这个角度切到那个角度，才能理解为什么现在生成AI视频——打开门人进去再出来，人变了、衣服变了、环境变了，因为训练语料里会变，训练目标里影视剧门一打开人进去视角光线全变了，AI觉得原来世界就是这样，就这么理解了世界。

从这个角度切入，现在做的重要工作是把视觉上收集的大量视频长片段——现实世界导演没拍长镜头，但游戏世界全是长镜头，第一视角直接一小时长镜头拍出来，具备很多语料，但仍不足以满足训练需求，大概需要1亿个视频。一方面尝试收集更多数据，另一方面做了小参数实验，在新产品Color里提供。核心概念是用户实时输入影响短剧生成走向，短剧开头霸道总裁抛弃了我，下一个生成用户实时写出来，生成最重要是保证霸道总裁不会突然从方脸变圆脸。这就是我们最近收集长镜头数据产生的一些效果，简单介绍这些。

江志强：大会在提示我时间超过了。今天论坛到这边结束，最后再多讲一句，我现在担任和利资本Venture Partner，看AI圈里认识身边团队比较好、产品出来稍微有点数据，可以向我推荐。