在模型厂碾压之前，AI视频Agent产品是否只能挣波快钱？

文｜王毓婵 周鑫雨

编辑｜杨轩

“看流水（即营收），AI视频类这些项目的表现确实很不错，可以说是AI最赚钱的细分赛道之一。”投资行业人士对36氪说。 

中国 AI 视频生成赛道，正在经历大厂模型能力疯狂增长的巨大红利。来自字节跳动的Seedance和来自快手的可灵这两款“超级底座”正在进行一周一小版、两月一大版的高频迭代。阿里巴巴也在4月底，对视频生成模型HappyHorse 1.0开启灰测，720P视频生成刊例价为0.9元/秒。 

愿意为此花钱的内容创作者太多了，太急迫了。众多短剧、内容公司排队等待使用Seedance2.0已经成为2026年AI世界的一个奇观。由此，在AI视频模型外“套一层壳”，使其更简单易上手的AI视频Agent产品，也迎来了增长奇迹。

一位业内人士对智能涌现透露，头部公司一个月的算力消耗成本应该在百万元以上。 “一部短剧的算力消耗成本约为3万元，工具平台如果一个月能接100部这样的工程，那么消耗量就能达到300万。这没什么难度，只是时间问题。”

在必应上搜索“AI视频生成工具”这样的关键词，能看到不少此类产品的广告。“据我了解，某头部工具平台一天在这个广告上的消耗就有两三万元，那么一年光这一个渠道的广告投放就至少需要七八百万元。由此可以反推它的收入水平是多么高。”业内人士称。

AI视频创作平台Creati对智能涌现透露，上线一年，该平台的全球用户量就突破了千万级别。产品ARR（年度经常性收入），一度达到了2000万美金。

但令这些AI视频Agent产品担忧的是，如果大厂也从模型层走到产品层，跟自己抢饭碗呢？今年1月，抖音还推出了AI视频应用“随变”，将工具+社区两块业务一并做了起来。以及，产品公司设计的应用层功能又可能随着大模型的一次升级被覆盖。 

“短期来说，这类工具型公司与大模型厂商之间还是合作关系。创业公司的利润很大程度上由它们能接入哪些模型、能拿到多大API价格折扣来决定。”蔚来资本投资经理冯绘霓表示，“但同时，据我所知，大厂对这些‘合作伙伴’也看得很紧。在这些比较重要的赛道方向上面，大厂内可能有不止一个团队在做。” 

这是一个“等待被大厂吞没”的行业，还是真的有可能长出像Adobe那样的工具型公司？ 

产品公司在生态位上的弱势，体现在利润里。“如果看利润，其实大家的毛利率都挺低。”某投资人表示，很多项目在牺牲UE（单位经济效益）换规模，因为“目前这个行业没什么壁垒，所以都在烧钱补贴获客，还做不到盈亏平衡。” 

但依然有不少投资人愿意对其下注。这个赛道最明星的中国公司——LibTV 的母公司LiblibAI，在去年10月完成了由红杉中国、CMC资本等机构投资的1.3亿美元B轮融资。更早之前，它还曾创下 “一年内连续四轮融资”的行业纪录。

工具类公司融资规模排名

 “今年AI视频工具是为数不多可以投的赛道，因为视频的迭代速度比语言、coding慢很多，所以在语言工具、coding应用大批被基模颠覆的情况下，视频生成项目反而相对更‘可看’。”一位投资人对智能涌现表示。

这些AI视频Agent产品依然有时间做出自己的护城河。 在这场“不对等的竞争”中，谁能活下来？

大厂之剑，与商业化护城河

目前来看，主流的工具类产品有三种形态：

要么做好“idea”，通过AI Agent将创作流程极度简化为“自然语言指令”，比如ZeroCut、Ribbi；要么做好“editing”，把无限画布、细节调整做到非常精细，比如LibTV、Buzzy；要么“离钱更近”，直接把视频生成与电商交易/社媒运营挂钩，比如TapNow。

本文包括创业者和投资人在内的所有受访人都认同，等大模型厂商卷完了基建层面的事，势必就要做应用层面的事，这只是一个时间早晚的问题。关键是，这个时间窗口有多久，以及窗口关闭了之后，自己还能否存活。

曾在大厂工作，并经历了古典互联网时代竞争的张云剑，打造了AI视频创作平台ZeroCut。他认为，“至少在五年内，大厂很难一口气完美覆盖掉整个AI视频制作的全流程。”

他的判断主要基于以下两个认知：

第一，视频制作是一条极长的创意服务链条。外界或投资人往往只关注“工程工具”和“生成”这一层面，但视频生成实际上只占整个制作环节的一小部分。在真正生成视频之前和之后，有着非常复杂的创意和链条过程，因此，AI对流程的替代将是一个逐步的过程，五年内很难达到直接面向消费者，且完全不需要人工干预的终极形态。

第二，基于市场竞争与细分逻辑，单一厂商很难在所有环节都做到极致。一个完整的AI视频工作流需要调用语言模型、图片模型和视频模型。大厂虽然有能力做全流程覆盖，但这并不意味着它能在每一个细分领域都保持最强，例如有的模型在图片生成上做到了极致，但视频能力未必最强。这种能力的差异化最终会促成市场细分，而非一家独大。

同样离开大厂、投身AI创作工具创业的Ribbi创始人兼CEO Robin，在这一点上与张云剑观点接近。“大厂中，业务、模型和顶层之间的对齐是最困难的事，除非已经有业内共识。”Robin说，“在看到Taste的确切价值之前，为审美、品味构建模型，是大厂不愿意做的。只有当视觉创意生成从非共识，变成共识，才能激发更多大厂和顶尖人才参与进来。”

然而，投资经理冯绘霓觉得这个为期五年的这个预估有点“过于乐观”。

“大厂在接触这类工具型的初创公司时，其实最想挖的不是产品或算法人才，而是运营。”冯绘霓说，“这揭示了一件事情——在技术层面，大厂自认为完全有这个能力把产品做出来，而目前的短板在于用户渗透。”

冯绘霓的判断是，Seedance、可灵等大模型的野心非常大，“它们不会只想做一个基建或者工具，他们更想做的是‘定义下一个内容平台、社交平台’，而工具只是‘顺带被做了’的部分。”

一句话来说，大厂会做，但不会明天就做。在这个窗口期，创业公司能做什么呢？

从腾讯、字节跳动等大厂离职创业的Anijam CEO方晨认为，创业公司与大厂竞争的关键，是“要更早跑起来，形成用户留存与数据沉淀。”

换句话来说，时间就是资源，跑起来的速度决定了达摩克利斯之剑落下之后的生死。“要尽快进入市场、获取用户，并在真实使用中积累数据与认知。”方晨说。

张云剑对ZeroCut的规划是，公司的护城河在于“AI落地服务”与“社会分工”。

“即使底层模型变得非常强大，市场上依然会有大量不会使用工具的用户，或者出于‘性价比’和‘比较优势’考虑而不愿亲自下场制作的企业客户。”张云剑说。因此，ZeroCut将避开工具层面的硬碰硬，直接帮客户解决最终的“交付和落地”问题。

这就涉及到了商业化路线的问题——是在大模型的算力成本与自己的用户定价之间赚差价，还是找一条新的商业化道路？前者虽然简单，但大模型厂商一旦降价，就会吸走用户，大模型厂商一旦涨价，自己的利润就会变薄。说白了终究是把命脉交在他人手中。因此，创业公司大多选择了后一条路。

ZeroCut的思路，就是"技术+服务"模式——如果客户有能力，可以直接使用工具；如果客户需要代工，平台会将订单对接给熟练掌握该工具的创作者，提供稳定的视频定制交付服务。至于计费标准，则从传统内容承制公司的“人力计费”转为AI时代的“Token计费”。客户不需要关心固定的人力报价，而是以视频生成过程中消耗的算力为基准来计价。

只是让用户“花钱买积分”根本不够。许多AI视频生成工具，都在将手越来越深地伸向客户的业务深处，变得越来越像一个能包揽一切的乙方。

主打“电商+AI自动生成”商业模式的TapNow，就被外界评价为“离钱最近的项目”。传统 4A 公司高管在《BusinessFocus》的匿名访谈中提到：“TapNow 这种‘预测+自动生成’的逻辑，抢走了原本属于中小代理商的短视频代运营订单。”

Ribbi不仅能用来创作音视图，还能帮用户监测内容发布到社交媒体之后的数据。感知阶跃也一样，致力于覆盖内容生成、发布、投放、A/B Test、效果分析、二创等的全流程。

“人一定是懒的动物。没有用户希望做一个产品、完成一个环节，就换一个模型、换一套工具。”Robin说。

社交媒体，是Agent在线进化落地的核心训练场，将作品发布到社交媒体，是Agent与真实世界的交互。监测数据表现后，Ribbi能够自主迭代和优化创作路径，交付更好的结果。最终，平台就能够形成一个自主进化的创作闭环。

Ribbi目前的模式还没完全确定，但Robin确定未来一定不会是积分制，因为它“不够诚实清晰”。

但积分制仍然是目前行业的主流商业化模式，毕竟它足够简单，并且已经完成了用户教育。但随着工具能提供的服务越来越深化，以及“Token未来会越来越廉价”的美好愿景，也许未来的服务也会有未来的新商业模式。

“感知阶跃”创始人兼CEO张诗莹与方晨有一个共识，他们认为，未来时代的商业模式应该是“为效果付费，而不应该为成本付费。”

方晨认为理想的情况是，当AI生成的准确率足够高，而Token成本足够低时，那么用户就可以仅在愿意下载内容时，才为最终产出买单，而非为生成过程中的Token消耗付费。

张诗莹则认为，Agent的商业模式，应该与人类Agency越来越相似，“收费模式不会是订阅，而更多会采用分佣的形式。”

工具型公司的时间窗口，是新时代诞生一个新的Adobe那么大的机会，还是在大厂包揽一切之前的昙花一现？对于已经入局的人来说，他们相信底层大模型归属大厂，但应用层也有创业公司能做的事。 

“我立志成为硅基生命的垫脚石。”Robin说。“假设某一天，某家模型厂商实现了AI的自主进化，即便功不在我，我也愿意贡献我们对Context Layer自主进化的Know-How、开源我们的技术架构，帮助模型厂商训练更好的自主进化模型。”

技术路线之争：提供idea，还是提供editing？

创业公司之间，目前也有显著的思路分歧。

同样是AI视频生成工具，产品的形态却千差万别——有的一打开首页就像进了抖音（会自动播放AI视频）或得物（满屏AI广告片示范），有的却只有简简单单一个对话框，像进了任意一个chatbot。这背后是行业的技术路线之争。

到底要画布，还是要一个包揽一切的Agent，是目前最大的技术分歧之一。

“无限画布”的UI交互方式改变了传统的线性时间轴，允许创作者像在Figma或Miro中一样，通过节点连接素材和工作流。坚持这一路线的明星产品有LibTV、SkyReels、TapNow等。

在这些产品上，用户有了一个可以无限缩放、拖拽的画布空间。你可以将一个“图片节点”连向“视频节点”，再连向“音频节点”，形成一个自动化的 Pipeline。

LibTV画布界面

画布的好处，在于人的意志的“强控制”——用户可以在任意环节手动介入调整，确保AI生成内容的画风、角色、镜头细节等等都在自己的规划之内。

有创作者将LibTV的无限画布比喻为“乐高积木”，因为它能自由搭建分镜，彻底改变了线性剪辑逻辑。

但也有旗帜鲜明地反对画布形态的产品，比如ZeroCut和一周收到了全球4万多用户使用申请的Ribbi。

这两款产品的特征，是没有醒目的画布，所有的创作、编辑交互，都集中在一个小小的对话框中。用户用自然语言与Agent对话，然后由agent去指导模型生成内容。

张云剑致力于推动从“人为主导”向“Agent为主导”的范式转移。他对智能涌现表示，ZeroCut认为传统的画布或工作流模式只是过渡形态，这些模式本质上是“重人工”的，是将AI能力作为节点，让用户去手动串联，属于自动化工业方案。

ZeroCut网页端产品界面

“当你在创作时，大部分的活是人在干，还是AI在干？”张云剑说，“这个是我们判断的一个标准”。ZeroCut致力于让人退居幕后，进行决策和提供灵感，而让AI去承担长流程的视频制作。

Ribbi在这一点上也有这样的共识——不做“画布类”的产品，而是用Chat作为UI，给Agent更多的自由度。

Ribbi界面

“画布类的产品，把模型的可能性锁死了。”Robin说，“我们没有把Ribbi做成画布类的产品。画布类的AI产品看起来交互很酷炫，能让投资人眼前一亮，专业用户使用起来也很顺手。但它们有一个致命伤：把模型的可能性提前锁死了。因为画布的本质，是将工作流拆成一个个节点，模型只能沿着这条路径走。”

Robin认为，AI时代的UI应该是容器化的，而不是功能化的。产品应该给AI创造一个容器，让它可以自由决定调用什么样的工具、怎么组合工具，甚至按照什么样的顺序执行任务。

在这种初衷之下，这类产品的界面就浓缩为了一个Chatbot。Robin表示，他认为Chat是一个“足够简单，并且灵活兼容一切的容器。”

他举了豆包作为例子——豆包的移动端App设计得很轻量，用户不需要打开新的对话框，只要在一个session中Chat，就能生图、生视频。它将用户的交互和AI的行为，统一在一个非常简单的框架中。

两类技术路线之争其实归根结底是在争一个问题——工具到底应该提供idea（为没那么专业的用户提供思路），还是提供editing（为相对专业一些的用户提供编辑工具）？

在路线之争尚未定胜负之时，也出现了“融合态”的产品。 

由腾讯杰出科学家创业打造的AI视频工具产品Anijam，融合了画布和Agent两种形态——用户既可以用自然语言在Chat中指导Agent干活，也可以在画布上自己上手调整。

既有Agent又有画布的Anijam界面

Anijam CEO方晨向智能涌现展示，在创作过程中，系统会自动识别故事中的关键元素，包括角色、场景、道具及风格，并基于此生成完整的分镜镜头。每一个镜头都会包含场景描述、角色状态、镜头语言等信息。

对于画面中的问题，创作者可以通过自然语言指导Agent进行修改，也可以亲自使用工具，在画布上“局部编辑”，例如只修改角色表情，而不影响动作或背景。这也是Anijam的关键能力之一，即从抽卡式生成视频走向“可控编辑”。

在大模型厂商做出真正好用的应用层产品之前，两类产品都已经积累了可观的用户基础。现在的问题是，大厂给大家留了多少时间窗口？窗口关闭之后呢？

“应用层不应该去做模型层的事，因为模型一定会变得足够好。”张诗莹说。她是“感知阶跃”创始人兼CEO，该公司的产品之一，是AI视频创作平台Creati。

“当下有很多‘套壳’视频模型能力的产品，无论是画布，还是工作流，解决的都是模型能力不够强的问题，比如抽卡、视频生成长度有限。但未来，模型层一定会解决生成质量和长度的问题。应用层的机会，就在于解决生成环节之外的问题。”张诗莹说。