专访郭列：做出脸萌、FaceU、剪映等爆款后，他第一次阐释如何在AI时代做产物
以下是风尚格调网整理的详细内容。
什么样画像的AI创业者会饱受瞩目？不同投资人心里或许有不同的答案，但其中一个答案一定是：剪映系。
陈冕，Lovart、LibTV等热门创作工具的缔造者；明超平，AI Coding社区YouWare的创始人，2025年一级市场最火的95后；闹闹，其打造的AI视频创作工具OiiOii，被高瓴、锦秋投资......
他们履历的共同点是：曾在剪映、CapCut团队——参与过这两款过亿日活产物的打磨，这让投资人有理由坚信，这群“剪映系”创业者了解用户、有产物审美，更可能在这波AI浪潮中押中消费级的机会。
但很长一段时间内，“剪映系”真正的起点，郭列，隐身在2022年起的AI浪潮中。
△Flova、脸萌、FaceU创始人郭列。图源：受访者供图
作为脸萌、FaceU的创始人，他曾做出中国移动互联网时代最成功的一批C端工具产物。2018年，脸萌团队以约3亿美元的价格被字节收购。
此后，郭列着手负责字节影像业务，参与孵化了剪映、CapCut、醒图、轻颜等一系列产物。2022年，他又成立了自己的游戏公司“船岛游戏”。
但两年后，结束游戏创业的郭列消失在了大众视野中。直到2025年10月，一个名为Flova.ai的视频创作Agent在全球上线。
这款视频创作Agent，整体使用逻辑与市面上大多工具类似：凭借对话，让封装了不同能力的Agents达成脚本创作、角色设计、分镜设计、成片生成和编辑的工作。
但Flova又有些不同。比如，它没有使用最主流的画布形态，让用户自由创建节点；再比如，多名Flova的早期用户对我们反馈，Flova的“记性”和语义理解在同类产物中非常突出，“创作十几集后，还能记住第一集的某个分镜”。
在“闭关”近一年的时间里，郭列和团队思考的最多的一件事是：怎么同时为人和Agent设计产物？
“做脸萌、剪映，我只需求思考怎么让人觉得好用。但AI时代，你必须要给Agent提供足够灵活的容器。”他告诉我们。
这个命题天生带有矛盾感：人类用户需求一个能支持创意无限发散的空间，但想要最大程度发挥Agent的智能，Context又要足够有序、结构化。
最终，团队的答案是，将产物容器设置成一个可以自由切换视图的工作面板。
在“对话”区，用户凭借自然语言对Agent发出指令，也就是让Agent接收Context；而Agent执行操作的过程，会直接呈现在“故事板”区上。一旦有新想法，用户可以随时打断、调整Agent的工作流，每一步的视觉效果，会出现在“预览”区。
△Flova。
创业后的很长一段时间内，郭列拒绝了很多投资人抛来的TS（投资条款）。《智能涌现》得知，成立至今，Flova达成了由红杉中国、IDG、云九资本的两轮融资，总金额为8000万美金——其中，IDG和云九还是脸萌的老股东。
在现在普遍追求“大额融资”、“滚动融资”的氛围里，这个数字称得上克制。郭列给出的理由是：对于一个Agent产物而言，8000万美元已经足够。真正重要的是产物、攀升和商业循环，而不是账户上的现金数字。
郭列一直是个感性的人。他是《海贼王》的20年老粉、影视发烧友，创业和组建团队“凭兴趣”、“看缘分”。10多年来，这份感性也一直驱使他不断做出有趣的图像、视频创作工具。
但和10年前不同的是，现在的郭列变得更加理性。脸萌并入字节后，他形容自己在“补课”——体系化地学习如何做A/B Test，做团队管理，做攀升和商业化。
互联网时代的辉煌已经此前。站在AI的新战场上，郭列需求像新手一样重新理解人、理解Agent。他并不在意自己做的是共识还是非共识——最终，所有决策都会用科学的观测成果来说话。
“现在创业会有延续成功的压力吗？”我们问他。
“享受远大于压力。”这是郭列的答案。
近来，有关如何同时为人和Agent做产物、如何与“字节们”竞争，我们与Flova团队聊了聊。以下是《智能涌现》与Flova创始人兼CEO郭列、攀升和商业化负责人瑞瑞尔、Agent产物负责人唐果的对话：
从脸萌、剪映，到Flova
智能涌现：你之前做过很多成功产物。现在创业会有延续成功的压力吗？
郭列：其实没啥压力。这种感受有点像参加世界杯，不管你这届有没有夺冠，下届照样得参加。你参加的因素，还是对踢球感兴趣。
Flova是我喜欢的方向，我享受创业远大于感受到的压力。
智能涌现：驱动你一直做产物的动力是什么？
郭列：兴趣和正反馈都是很重要的。当你做了一件感兴趣的事，得到了正面的成果和反馈，这就会跻身源源不断的动力。我平时看很多电影、动漫，对内容创作本身就很喜欢。
其次在做产物的过程中会遇到不同的伙伴，一起成长也是很有价值的。
智能涌现：你和Flova的初创团队是怎么遇到的？
郭列：创业本身会有一些随机性，真的全靠缘分。大家恰好对内容创作感兴趣，方法论和价值观也很一致。这些缘分和做产物有点像，会偏感性。
智能涌现：你看起来是个享受创业状态的人，那中间为什么会选择进入字节？
郭列：我刚创业的时候才工作一年，更像毕业生创业。当时我有个比较大的困惑：当一群好朋友一起创业，公司做大了以后管理怎么做？
所以选择进入字节，想补一补管理的功课。当时我的心态像实习生，字节给我提供了很多管理的方法论。字节的产物方法论也让我受益匪浅，涵盖一个产物怎么做攀升、怎么实现正循环。
智能涌现：哪些方法论放到现在也不过时？
郭列：我之前做产物比较感性，策划一些产物功能都凭感觉。但字节有一套科学的A/B Test体系，当然首先你要提出质量都足够高的A和B方案，不然Test也没用。
我学会了用感性和理性结合的方式做产物。当我用感性提出了一些假设，理性的验证能够及时做支撑。
还有一点是产研之间的协作。在字节，科技的话语权很强，所以科技的同学很主动。还有字节的攀升团队和市场团队，自由度非常高。
综合而言，原来我有些“偏科”，到了字节之后，我把科技、攀升、商业化的课都补全了。除了做好一个产物，我还学会了怎么活下来。
智能涌现：那哪些字节方法论是现在创业不适用的？
郭列：字节比较看重OKR。但我在创业做游戏的时候试了一下，察觉没用。因素在于，对大公司而言，管理是很重要的。但创业团队的早期管理，越轻越好。团队建立不是凭借管理工具，而是靠内在驱动。等团队大了之后，你需求卡员工的能力下限，所以才要凭借一些管理工具设定及格线。
智能涌现：你创业了这么多年，觉得AI时代创业和互联网时代创业最大的不同是什么？
郭列：移动互联网更多的是从PC到手机的“端”的变化，或者从3G到5G、从文字到视频的流量入口变化。
但现在能明显感受到科技每隔一段时间就有一个大的更新，这就需求你能够研判科技的成长，要有面向日后做产物设计的能力。你需求知道哪些问题是凭借模型迭代可以破解的，哪些是需求产物本身、或者Agent破解的。
所以现在我们团队里所有人都在关注科技。现在AI能够做的事更多了，大家需求共享的Context也会更多，必须要减少信息壁垒。
智能涌现：做同样的事，AI时代需求的团队量级是不是比互联网时代小？
郭列：是的，人数远小于互联网时代。
但依然有一些岗位是AI无法提效的。比如偏市场的工作，AI无法完全破解人与人之间的沟通问题。
瑞瑞尔：关于AI提效，我觉得AI Coding并不是单纯地让一个程序员有5个人的生产力，而是重构了产物研发、运营、设计之间的协作关系。
比如我们公司基于产物的Context、用户的Context，做了非常多内部观测的工具。基于这些Context，我们就能很高效地达成很多在互联网时代低效、但不可避免的工作。
以产物能力的更新举例，在上一个时代，产物更新的需求要同步研发，大家花很长时间去对齐。但现在基于共享的Context，任何岗位、视角的人都可以参与决策和协作。
再比如对用户行为的监测，互联网时代需求你就性地做一些产物漏斗的埋点，或者临时发起问卷。现在的Agent系统，本身对用户就有大量的Context积累和语义理解。用户的信息流动会更完整、通畅，也更高效。
视频Agent的每一次创作，都是之前创作的延续
智能涌现：成立Flova之前，你还做过游戏公司“船岛”，为什么没考虑过创业做AI游戏方向？
郭列：游戏本身的竞争力是足够好玩，相比视频内容创作，游戏是一个更错综的载体。
但游戏需求Coding，需求3D建模，成熟期会更晚。比如，3D游戏需求破解建模面数的合理性、骨骼的绑定，这些都是AI目前很难破解的问题。
智能涌现：当时为什么游戏公司没有做下去？
郭列：游戏创业让我意识到，还是要做时代需求的东西。当时游戏版号的管控很严格，用户对游戏精品的要求也会更高。做游戏以后我意识到，之前做互联网创业是非常顺利的。
从我个人的能力模型来说，虽然我对内容创作行业很感兴趣，但我不是一个天才制作人。我和团队更擅长的还是做产物，如果我们的产物能让更多人做更好的影片，也是很有价值的。
智能涌现：成立Flova的契机是什么？
郭列：2024年底DeepSeek V3开源了，当时我就觉得做AI应用有机会。
最初也是受到兴趣的驱使，我喜欢电影，有时候也会手搓一些AI短片。一着手我花了两周时间，先用Midjourney生成参考图，再用可灵生成的视频，加上剪映的后期，搓了一个3分多钟的AI短片。
当时我就觉得工作流比较错综，角色的一致性也不高。正好Agent的科技也在成长，这种形态也许能够补足视频生成科技的不足，辅助用户制作AI视频。
智能涌现：回过头看，这是一个入局Agent的好时机吗？
郭列：现在入局Agent也还在很早期的阶段，因为AI才成长三年。
参考移动互联网时代，07年iPhone披露，08年安卓披露，但应用真正爆发是在14年到16年。
智能涌现：应用有各种方向，最后你是怎么收敛到视频创作Agent上的？
郭列：一着手我想做偏C端的应用，但Token价格偏贵，所以To B或者To专业创作者的产物，会更合适一些。之前我也有做剪映的经历，所以对创作者的需求会更了解。
当时我刷抖音、B站、小红书，还有海外的TikTok和YouTube，很明显，社媒上的AI内容越来越多了。所以AI内容创作一定是个大走向。
唐果：刚才说到，我们一起手搓视频的时候，觉得对大多数人而言门槛太高了。
刚好Manus披露了（2025年3月），给了我们一些刺激。我们意识到可以凭借让Agent执行的方式，将用户的创作精力放在审美决策上。
智能涌现：市场上和你们同一赛道的公司有很多，LibTV、OiiOii等，你们怎么找到自己的位置？
瑞瑞尔：根据业态演化的不同，我会把AI视频创作工具分为三类：
第一类是模型的C端应用。它们核心是为了展示模型的showcase，因为卖模型API本身就有足够大的利润。它们通常不会集成第三方模型，这就导致用户的创作体验有所缺失。
第二类是多模型的一站式集成平台。它们的核心体验与第一类产物没有本质的差别，因为用户依然需求自己去了解不同模型的能力，以及不同内容的Workflow，最后用手动的方式串联。也就是说，虽然有Agent的参与，但发挥作用的依然是人的“大脑”。
第三类是Agent。Flova就属于这一类。它的好处在于极大减少创作门槛，用户不需求分散精力到如何搭工作流、如何优化提示词上，而是专注于表达。
唐果：前两类产物和Agent最大的不同在于，前者的每一次视频生成都是一次重新着手，但视频Agent的每一次创作，都是之前创作的延续。因为之前用户创作的所有判断、审美，都能作为Context，被Agent继承。
很多创作者都反馈说Flova好用，因素也是在于Agent与用户在协同创作。
郭列：我们的目的就是做一个更通用的视频Agent。Agent的智能可以满足各种用户的需求，涵盖短剧、漫剧、广告等等。Flova是在一个比较通用的架构下，凭借Skill来满足细分场景的需求。
智能涌现：Agent继承的是记忆，还是Context？
唐果：记忆管理和Context管理有一些重叠的地方，但本质上是两件事：记忆管理更多的是记住用户的行为偏好，Context管理则是让Agent从上百、上千轮对话中，知道创作需求哪一种风格。
对我们而言，目前Context管理的优先级是更高的，因为这对单一项目创作是更刚需的事。因为我们察觉，不少用户会在一个项目中连续进行几百轮对话，甚至基于一集的内容连续做十几集。当每一集的Context都有很好的关联性时，用户就会不自觉地在一个项目内做长对话积累的错综创作。
同时面向人和Agent做产物
智能涌现：之前的脸萌、剪映都是给人使用的应用，而Flova是同时给人和Agent使用的，设计产物的考量有哪些不同？
唐果：更准确地说，不是把Agent当成和创作者并列的另一类用户，而是产物里第一次出现了两种需求同时被设计的参与者。
面向人，我们要提供足够直觉的创作界面，让用户方便地比较版本、调整细节、表达自己的审美判断；
面向Agent，我们要为它设计项目环境、工具、权限和有序的状态，让它能够理解当前项目并自由加快任务。
除此之外，还有第三部分，就是人和Agent之间的信息同步：用户做出的选择要及时被Agent理解，Agent做出的修改也要让用户看得见、能接管、能纠偏。
真正好的视频Agent产物，不只是让两边各自好用，而是让双方能够在同一个创作过程中顺畅协作。
智能涌现：Flova现在最需求服务好的用户或者场景是什么？
郭列：不同用户对产物的感知是不一样的。比如短漫剧用户使用画布产物，更像是用低价去买模型。虽然画布也提供了创作能力，但这些用户自己天生有能力将提示词写好，没那么依赖工具。
但对于不少非专业用户而言，Agent对创作效果的增强已经足够让他们产生粘性。就像现在的AI Coding一样，开发者已经离不开了。
瑞瑞尔：我们对于用户和市场有比较多的切片视角，一类是按照内容品类划分，一类是按照创作者对AI的熟悉程度划分，一类是按照创作动机划分。
但这些都是制定不同策略时的切片视角，我们最终的出发点依然是让用户低门槛创作出高质量的片子。
在某个特定时间周期下，某些内容品类会相对强势。当下在中国，短漫剧就是现阶段的强势品类。但市场其实远不止于此。
智能涌现：超创（超级创作者）是你们的典型用户吗？我们观察到不少创作工具都在减少与超创的合作，因为他们的使用行为不典型。
郭列：我们的产物第一天就是同时面向人和AI设计的，超创刚好就是AI最资深的一批用户。在产物早期，超创对AI产物架构的设计，涵盖如何把产物做得更专业、品质更高，其实有很大的帮助。
剪映在初期也访谈了抖音上的很多剪辑达人。基于此，在底层架构设计阶段，我们才能对“多轨道”等更满足专业创作者的功能做一些原子化的拆解。
当然我们在设计Flova时，也会思考怎样让专业能力被更多的普通用户用到，这时Agent就能将专业创作能力做一些简化。
Flova的Agent平台上有各种Skill，大部分都是专业创作者编写的。普通小白只需求选择使用Skill，就能触及专业创作者80分/100分左右的能力。
瑞瑞尔：不要单纯看超创产出的成果，而是要关注他们创作的过程。
我们内部搭建了一套非常健全的观测系统，来追踪用户与Agent交互的全过程。比如，用户有哪些卡点？用户的一个镜头语言表达，是ta自身凭借连续的RO（Round Optimization，迭代优化）做到的，还是Agent激发了ta？
对用户创作过程的观测，让我们可以发掘一些需求点和优化点。
智能涌现：这套观测系统是怎么搭建的？
唐果：在互联网时代，一些传统的监测方式，比如就用户侧的一些埋点设计，核心目的都是监测整体用户的行为转化漏斗。
AI时代创业，要同时面向人和Agent做产物设计。那会不会存在面向Agent的一些行为转化漏斗？在你为Agent设计的环境或Harness（约束系统）中，能不能监测Agent是怎么做Reasoning（推理）的？
以及，Agent怎么判断自己要做什么？如何去使用工具？这个工具能否达成Agent想要达成的成果？Agent基于工具的成果又怎么再做推理？
我们搭建的观测系统，本质上就是存储这些过程的脱敏Context。日后这些Context可以被Agent消费，也可以以看板的形式被团队监测。
智能涌现：你们会怎么用这些观测成果？
唐果：一领域，我们会用来不断迭代产物，让用户和Agent的行为能更好地有机结合，比如，对齐人和Agent对同一任务的理解。
另一领域，监测系统会开放给我们所有的团队。研发同学和产物同学可以在同一个观测视角下，关注用户和Agent协作的不同切面，这有助于我们明确迭代方向。
智能涌现：凭借什么样的方式，能让Agent和用户充分共享Context，并且让Agent尽可能自由地调用工具？
唐果：核心不是一次性给Agent更多信息或更多权限，而是让人和Agent共同维护一套项目状态。
用户选择了哪个版本、修改了什么素材、放弃了哪条方向，都要及时写回项目；Agent做了哪些操作、生成了什么成果、任务进行到哪里，也要让用户看得见。
在Agent一侧，我们会凭借渐进式披露，在合适的阶段提供合适的信息、工具和约束，工具会尽量设计得更底层、更通用，让不同Agent可以复用。
与此同时，权限和工程边界要足够明确，但在边界内部，Agent可以根据任务状态自由规划和调整路径。自由不是没有约束，而是在清晰边界内拥有足够的行动空间。
我们对Agent系统的设计，会参考Claude Code和CodeX。
智能涌现：Claude Code和CodeX给了你们什么启发？
唐果：我们研究Claude Code和Codex，是因为它们比较早地把Agent放进了真实的项目环境里。Agent不只是回答问题，而是连续读取项目状态、调用工具、加快任务，遇到问题后调整路径，最后把成果交给人检查和接管。
比如Flova比较喜欢调用Sub-Agent（子Agent），让多个Agent进行协作。到底采取怎样的Sub-Agent设计方案？
不少竞品设置Sub-Agent，是为了向传统影视行业的角色靠近，让Agent按照导演、编剧、剪辑等影视行业分工。
但Claude Code给我们的启示是：Sub-Agent本质上是一种任务和Context的压缩方式。
每个Agent都有Context Window的限制，我们希望Agent能在有限的Context下，更好地发挥智能。但当Context足够多时，Agent设计就会遇到Context Rot（上下文腐烂）的问题，简单而言，就是Agent的注意力会被庞大的信息量所分散。
此时，主Agent可以专注在接收、理解用户指令上，将任务执行等细节交给Sub-Agent。
智能涌现：不少视觉创作类的Agent产物都使用了画布的形态，Flova为什么没有用画布？
唐果：我们并不排斥画布，也不觉得画布和Agent冲突。对创作者来说，拖拽、摆放、缩放和自由组合都很自然，画布确实是很好的非线性创意发散空间。
真正需求警惕的，是未经思考就把画布沿用为AI创作唯一的标准答案。
智能涌现：你对产物容器的思考是什么？
唐果：一领域，Agent需求在一个有序的Context中工作，它需求一个更结构化、被索引的创作空间。
它需求知道哪些是角色，哪些是镜头，哪些是参考图；在视频生成的过程中，它也需求知道众多的版本中，哪些是被用户认可的，哪些只是创意发散的过程——一旦工作台非常杂乱，Agent的智能水平会直线下降。
另一领域，你又要面向用户，提供一个支持他们无限发散创意的空间。画布对于创作者而言就是一个自然的创意发散容器。
但我们不能被canvas-first（画布优先）的思维局限，而是要思考怎样的容器对Agent同样友好，并且让Agent和用户双方共享同一套Context。
智能涌现：这些思考最后是怎么具象成产物设计的？
唐果：产物需求在无序的创意发散空间，和有序的Context之间达成平衡。这意味着Flova要支持用户和Agent在不同视图之间灵活切换。
本质上Agent和用户对世界的理解是不一样的。Agent底层是语言模型，它会凭借语言编码的方式去理解世界。但人是多模态的动物，对图和视频的感知会更强。
在Flova中，Agent会凭借对话框接收人的指令，它干活的过程会呈现在左侧的“故事板”上，而用户可以凭借中间的“预览”直接观测到Agent执行的成果。一旦效果不理想，用户可以直接双击“故事板”中的相关执行过程进行干预，比如修改Agent写的镜头描述。
“故事板”就是目前我们探索出的人和Agent能够高效协作的容器。
在成长期，我们会尽量做到0毛利
智能涌现：今年视频创作工具赛道竞争的激烈程度有突破你们的预期吗？
瑞瑞尔：预期之内。但我们不会用竞争的视角去看待选手越来越多的苗头。选手多，反而意味着越来越多的人认可这个赛道的巨大价值，我们更加兴奋。
以及，我们更关心的是，在Agent的生态位中，Flova怎么跑得更快。
智能涌现：你心目中Flova的竞品都有谁？
郭列：我没有太关注其他产物，更多时间都在关注用户。我希望我们还是有自己的节奏，凭借Agent的方式帮助创作者更好地做创意表达。
智能涌现：那Flova有壁垒吗？
郭列：我们不会把某一种科技架构直接当成壁垒。Context管理、Skill、多Agent、Harness，都是现阶段帮助视频Agent更好工作的方式，日后都可能变化。
更长期的积累，是连续观测用户和Agent怎么共同达成创作，并评估Agent的每一步有没有真正帮用户往前走。只有看清哪些能力创造了价值、哪些只是增加了错综度，产物才能随着模型一起进化。
智能涌现：不少玩家都在凭借做补贴的方式获客。你们怎么看？
瑞瑞尔：郭列经历过互联网时代的激荡风云，所以我们会更冷静且长期地看待做补贴这件事。
找到健康的经营逻辑，比激进地追求某一个指标更重要。具体而言，我们要考虑的是当下的业务阶段，应该匹配怎样的用户体量，配合怎样的现金循环以及ROI（投入产出比）。
举个例子，相比只看Token支出的总量，我们更关注的是奏效消耗的比例，比如Token消耗中，有多少是用户觉得有价值的，哪些是因为产物还不够好导致的无效消耗。
智能涌现：现阶段你们看重毛利吗？
郭列：在成长期，我们会尽量做到0毛利。
Agent还在早期，我们更多希望用户觉得Flova好用。0毛利是相对合理的，我们给用户提供一个优惠的价格，让他们没有负担地使用产物。
加之我们团队之前帮投资人赚过钱，所以一级市场对Flova也比较有信心。我们有足够的融资做底气，在早期给用户比较实惠的价格。
现在市场上确实存在不少烧钱做补贴的苗头，其中一些产物是没有做到商业正循环的。这会给公司的经营、用户的信任带来隐患。如果把AI行业拉到3年、5年、10年的长度，最终竞争还是会回归到产物力。
智能涌现：听说你拒绝了很多投资人的TS。为什么没融更多钱？
郭列：8000万美金对一个Agent产物来说已经非常够了，Manus在很成功的时候也只融了5000万美金。
只要产物好用、攀升和Token消耗都日趋健康，8000万美金对我们现在的阶段是合适的。后续如果我们有更健康的攀升，融资金额也会随之增加。
智能涌现：但现在市场上有一种“滚动融资”“用钱堆壁垒”的情绪。
郭列：从整个移动互联网周期来看，所有的头部大厂都真正做到了商业的正循环。如果做不到这一点，融资融着融着，就会出现问题，比如互联网教育、团购、共享单车。
智能涌现：0毛利、低价补贴做到什么样的阶段才能停止？
瑞瑞尔：我们不会从Token成本减少的角度思考这件事，而是会围绕不同层级用户的付费意愿想办法。
比如短漫剧公司往往对成本很敏感，那我们给的补贴就多一点。但更大众化的创作者，本身创作体量就不大，他们更在意Agent对内容质量、创作效率的增强，他们更愿意为Agent的溢价付费。
目前我们是凭借补贴减少用户的创作门槛。日后我们会就不同的用户、不同的创作环节，更细化补贴的方针。
智能涌现：凭借创作者披露在社媒上的内容来导流，也是一种普遍的攀升方式。在大家都在争夺社媒这个流量入口，这套攀升方法论的效果还显著吗？
瑞瑞尔：创作工具和消费平台共生的循环体系，我们觉得它会一直work，并且还在加速work。Flova的用户主要就是凭借口碑传播，以及社媒内容带量转化而来的。
智能涌现：这套玩法在字节很成熟了，他们还有自己的模型Seedance，你觉得随着模型越来越好，创作Agent的空间会缩小吗？
郭列：这涉及到一个问题：随着模型的进化，视频创作的内容生态是更繁荣了，还是更水了？我们觉得答案是越来越繁荣，模型的成长提高了创作的下限，而创作工具的成长是提高了上限，所以模型不会把视频工具吃掉。
这一过程中，AI视频的消费价值会被放大，消费者会变多，同时对上游创作者的需求空间也会变大，促使更多的创作者进来——这个市场还很早期，远远没到存量博弈的阶段。
智能涌现：但越来越强大的模型会卷走一些创作工具的用户，比如希望用模型直出成片的。
郭列：这个需求更多来自C端普通用户，比如发朋友圈或者其他社媒。他们就用豆包做一些小视频，甚至即梦都用不到。
Flova的定位更多还是面向prosumer，他们会将视频创作作为职业或者副业。但如果要创作成片，最强的视频模型Seedance 2.5依然需求50个参考。当模型能力越强、画面效果越好，其实需求的Context会更多，用户依然需求专业工具。
智能涌现：什么样的用户能被转化为付费用户？
瑞瑞尔：他们和非付费用户比较明显的区别有两个。
第一是创作动机。连续付费的用户，创作动机比较明确，他们可能已经拿到了社媒的正循环，或者看到了AI视频平稳的商业价值。
第二是创作内容的长度。未付费的用户往往等多地做长线探索，以及他们不一定完整地做一个片子，而是先生成关键分镜再判断要不要连续创作。
智能涌现：做Flova，你们有bet一些非共识吗？
唐果：有。我们的非共识是，应用层不应该把任何一种Agent架构当成终局。Skill、多Agent、Harness都是帮助Agent进化的阶段性手段。
我们真正关心的是，在当前模型能力下，哪种方案最能为用户创造价值，再凭借观测和评估连续调整。
智能涌现：设想一下，如果剪映或者字节其他团队，也做视频创作Agent，对你而言会是威胁吗？
郭列：我们刚着手做FaceU的时候，当时市场上也有美图的“美颜相机”、腾讯的“天天P图”，字节内部还有一个“狸猫相机”，但我们还是跑出来了。
大厂的强项确实是资源，以及自有模型可以控制成本。但产物团队的目的是将产物做得足够好，最终用户会用脚投票。
欢迎交流！
想了解更多相关动态，请收藏风尚格调网。