好莱坞要完？一个中国电影人押注 AI 视频的 200 天 | 对谈梁巍

02:30也挺感慨。就现在想想这个，马上，本来正常情况下我应该在这个时间是准备春节档的。春节档电影应该是不知道是做哪个，但是今年发现不是在等待春节档了，而是在等待春节的时候看各各家要发什么模型。

02:50不就说今年说过年的时候什么阿里也要发呀，DeepSeek也要发呀，然后那个字节也要发呀，反正就都说要发模型嘛。

03:03我从2009年开始进入电影业吧，到2024年底其实呃营销的电影就很多了，什么姜文老师的让子弹飞啊，什么那些年我们一起追的女孩啊，这个澳门风云啊，对吧，特别多。然后什么逆战呀，什么这个毒战呀，各种战，太极呀，对。当年华谊的，然后什么星空啊，哎，就太多了。

03:28营销的比较多。后来我们发行的时候，其实2015年像什么栀子花开啊，那是我投资和发行的，整个那个电影都是我的。我们也投了胖子，胖子行动队。然后，呃，疫情那年20年我们还上了那个，刚疫情刚恢复一点，然后那个时候是华谊上了八佰，然后我们那一年的，

03:48呃，七夕档上了我在时间尽头等你，也是个爱情片，那个也是我们最早开发的。反正前前后后断断续续，投资营销发行了，对。差不多两百多部吧。就是反正都是院线电影，然后也投了一些剧，动画。其实还有一个动画叫我家大师兄脑子有坑，那个漫画和动画，现在还在连载的，那个也是我们的。

04:10以前。

04:19没有不叫跟你们抢饭吃，是是来学习来了。实际上是因为24年24年10月份嘛，我们有一个拍到一半就就停掉了。我我跟别人举例子，我说可能我也是自己能力问题吧，运气也不太好，做这电影，最后把电影做的感觉像在走夜路，然后不知道从哪飞出来砖头砸了一脸血。

04:41已经很努力的在做，但是做到后面心太累了。而且因为我是这个电影公司的一号位嘛，那一号位实际上就是有很多工作，实际上是要投资啊，然后这个呃承担所有这个电影的责任吧。所有的风险跟责任都是我们的。所以实际上，你的投资行为也好，你的营销发行行为也好，最后的就是可能制作电影的过程中，有人来有人走，

05:06但是你是那个项目从一开始到最后，收拾残局也好，或者是享受那个荣光也好，反正你你都是第一个也是最后一个，在那个整个漫长的过程中，对。也也在想这个电影这么做下去其实我们也没有特别大的空间在这个行业里面再再再做什么。然后这个时候其实AI，对AI这件事情是因为我自己本身也是理科生，所以其实一开始都在关注，只不过其实24年2月份Sora出来以后，

05:36后来我自己也用了一些，用了一些呃那个时候文生图啊，图生视频啊，也看到一些包括Midjourney出来的时候自己也用。也去什么Discord呀什么的反正就都都去研究，还是比较浅显的。其实跟我们呃原来做影视的人现在我去跟他们讲的时候，他一上来那个惯性思维是一样的。

05:56我就觉得这离这个对吧实现这个影像创作这个还还早着呢，这才太简单了，这不行啊。就是我也是那种很没有耐心上来用了一下，然后就哦原来就这样就走了。24年11月份之前我都是停留在那个状态。然后后来24年到11月份一直到，因为那个时候电影的事情放下以后，其实经历了人生比较灰暗的一个几个月。

06:21那几个月，就是完全也是找一个事儿，当时也是把AI所有的产品就变成入口吧，就是说自己去看也好，理解也好，学习也好，然后也也也去努力看什么paper啊什么什么，然后自己尽可能去理解，然后找以前的朋友啊同学去介绍，帮忙介绍之类。

06:42看来看去，我发现突然之间觉得这个事儿好像不是想象的那么慢啊，就是可能我原来只是看到了一点点皮毛，后来越研究越发现，哇，太太太太夸张了，这个速度。而且当你理解了那个大语言模型的逻辑以后，其实对吧。他是那种去预支你下一个概率的这么一种算法。

07:03就发现其实它是能把影像创作模仿，它是能模仿的，所以就我突然觉得这件事可能会很快。然后就，对，开始深度理解这件事，反正用了半年时间吧，找到了方向，对，就开干。

07:35别好。后来也感觉到比较幸福，就是我研究它的时候是24年的11月份，等我大概花了几个月时间找到了逻辑，也找到了方向，也知道说，哎，我要从工具入手，我先把电影的整个知识也好，电影的拍摄剧组的这个能力封装到Agent里面。等我想到这件事情以及，呃，把这一步做完以后，再去往下一步做AI视频的，我们讲idol的这种，

08:01Netflix也好，YouTube也好，往那个方向去。就是第一步到第二步。等我想做的时候，其实就像你说的，大模型就开始ready了，啊，对吧？VU五月二十一号就发布了，然后在它之前，你还觉得写实像的东西。

08:18电影感的东西还离得很遥远，然后后来过程中Sora也发布了。对Sora发布的时候，那其实我们已经上线了。啊，我们是九月二十八号全球上线的。Sora是国庆节发的。那Sora发那个东西就又往前迈了一步。

08:31后

08:34用。然后Modelanda Pro又卖了一部，然后可灵现在也又卖了一部，海螺的声韵也做得很好，MiniMax声韵也做得很好。然后你就发现这一步一步一步一步，然后我我，对，我们就每天就是快速的看到那个模型出来就马上赶紧去研究怎么办，

08:51怎么怎么把它接入，怎么能运用好它。其实对于普通用户来讲，我们的形态是完全的做到就是结果交付为目标，所以并没有那么多什么选模型什么的。但是其实我们自己的工作又少不了，每出了一个模型，我们就要去研究研究，马上要测它的模型什么情况。

09:10然后我们专门还有一个agent是去测模型的。感觉是这鸡飞狗跳。

09:24我我估计播的时候我们的促销活动已经开始了。我们马上就是这个促销，其实就是为了庆祝我们快注册用户快一百万了。就我们现在已经八十万了。对。就我们为了庆祝注册，注册的全球注册用户要快到一百，所以我们有一次这促销的活动吧。

09:41其实现在已经八十八十多点了，对。离一百我估计也很快了，给大家一些猛货吧，然后全球的一些用户，然后我们收入也还行，我们收入其实现在也二十多万美金了。其实我们从十一月到十二月，像我们俩第一次聊天的时候，我因为这些数据这些东西，我们其实都比较这个我觉得一直是属于观察期，

10:01所以我一直不避讳，就是我们反正因为都是自然增长，我们也做了一点点的那个呃增长的动作。

10:11为其实很简单，我们就两个动作嘛，一个动作就是找了一些KOL号的，YouTube上面帮我们介绍了一下，油管上面介绍一下呃这个产品。然后另外就也是一个很简单的裂变嘛，就是他邀请了别人，别人他就可能有五百积分的奖励，就这两件事。

10:28我们也没做过多的什么东西。

10:31片子啊？半分钟吧。

10:34相当于我们给用户本来就有一个，即便你不注册会员，不不花钱，也会给你一个体验的额度嘛。但是那额度以外，如果你邀请两个朋友，你还能多做一分钟，反正就裂变的速度会比我们想象的快点。因为其实我我们算是目前作为结果交付的，就是这种导向的工具里面还是比较，我们刚刚也把社区页面打开了。

10:57对。我们可能在这件事情跟大家还是不一样，因为我更关注的还是结果。你到底给交付的结果是什么？可能很多很多产品大家关注的是过程，对吧？因为比如说workflow更多的是过程，而我可能更关注还是在结果上。

11:11上一周刚发布了一次性生成十分钟嘛，因为我发现好多人愿意在我们这一次做六分钟六分钟，我们现在八分钟就能生成十分钟的内容了。嗯。连续的十分钟，你

11:25其实如果他正常买，你像我们马上促销，这个他差不多正常情况下一分钟是十美金嘛，那十分钟是一百美金嘛。但是实际上他如果买那种比较大的用户，十分钟的，他差不多能打对折，也就是五十美金。五十美金是这样啊，五十美金里面大概如果他是作为一个素材获取的动作的话，他差不多五十美金能获取，

11:50基本上我觉得十分钟的素材里面八分钟都是能用的。如果他拿过去自己剪辑一下，那你想八分钟的素材花五十美金获取，其实在八分钟如果他去传统的那些生图生视频的网站。再加上这些时间和效率，而我们这十分钟一共可能八分钟就给他了，他可能升个五次，他一共可能才才花个四十分钟。

12:13对。

12:31现在其实还是能薅啊，我们其实也没有没有阻止大家薅，额度还是挺多的。你想每天进来，它那个裂变两次就有一分钟了，然后每天可以打卡嘛。

12:46我们稍微收紧了一点点，但是也还好，还是属于很大方的。那你想，哪有几个视频类的上来就一分钟一分钟给的？你最多可能给张图，给个八秒，给个十秒。而且用户可以交付的，我们这种，你已经，我一直算挺大方的。

13:14一点。算算得过来了，我们现在每天收入已经快跟那个token呃已经覆盖百分之七十了，慢慢就就快平了。

13:45其实我最近也因为最近聊融资也比较多嘛，有时候投资人跟我聊这件事的时候，我有时候会反问，我说除了MovieFlow，我想知道你们看的其他家的区别是什么？就是我是一个一次性能交付十分钟，然后我是个做电影的，那你告诉我其他家的跟我的以外的其他的这些家的区别，

14:05他们之间的区别是什么？他们之间是workflow跟workflow之间有什么区别呢？我反问的时候我会发现大家其实哦，也好像回答不太出来。我说那我的特点可能就是因为首先我我说我可能不是一个专业的产品经理，我也不是一个专业的呃互联网人。

14:23但是我说我知道两件事情，第一件事情我对交付的结果是有要求的，而那个要求可能也是我们MovieFlow里面最movie的那一部分，是是我们的行业know-how和要求。那这是第一。第二就是说从agent的工程化的编排论，因为我还是觉得这个AI视频这个agent这件事情其实没有什么技术壁垒，

14:46其实壁垒更大的是在taste和你的交付和你最终这个产品要给到人用的时候，你给到的用户体验是什么。我们现在在做一个马上会上线一个studio的版本，其实就是一个工作坊版本。那个版本是我们专门针对影视影视专业人用的，因为我自己其实是一个电影人。

15:06我为什么把MovieFlow做成这个样子，为什么我们要做到一次性交付，是因为大量的软件我不会用。之前这些工具我用的好难受啊，不管是Config UI也好，什么用LoRA训一致性也好，然后在生图也好。因为我我举个特别简单例子，我说特别厉害的摄影指导都不知道把他的画面怎么用prompt跟大模型交互。

15:30就是特别厉害的摄影指导，因为他他是手艺，他是技术，他不是提示，他不是词。然后它不是大模型最后那个画面，所以它这个中间有一个很大的鸿沟。那这个鸿沟实际上就是我们一开始做MovieFlow，从我的角度来讲，我们要封装的那个库部分和让它达到的结果agent能跑出来的效果。

15:51那这个部分是我我最追求的。所以其实我们在这件事情上，应该是目前即便全世界我们看海外的一些聚合类平台也好，workflow的这种工作流的工具也好，啊我们跟大家可能最大的不一样是我更关心结果，我其实不太关心过程，我也不太关心模型。

16:09我关心的是你到底给用户交付的东西是什么。当用户提出了一个明确的要求，说我要这样这样这样这样这样，你给我生成去吧。然后你到底给用户交付了个什么？那这个其实是我们最关心的事情。当然，我的用户里面分为两层，一层是比较偏小白，另外一层是可能就是我们现在马上今年要重点也是在国内，

16:32可能因为毕竟我是个干电影的，有大量的今年其实传统的影视人要进入AI叙事这件事。那大家也没有很好的方法去用很好的工具，很好的那个协作。对，我们给他们提供一个专门的版本，而那个版本是我叫life版本，那是完全电影人的逻辑。那他会很舒服的去用到这种东西，比如说画布类的产品或者是workflow这种什么你艾特一个创意，

16:57你艾特个导演，艾特个编剧，艾特个摄影。但实际上那个对于使用者的要求还是有点高。普通人，你让他把影视知识学一遍再去用，调动这些agent，他没法调。那专业人其实他知道的事情他又不用你去告诉他。所以其实我们会关心一头一尾，而不是中间的这个这一群用户。

17:21但因为我们对于中间这群用户的提效，我们发现很明显。其实现在我们用户里面全球这些用户里面。我们发现其实大家用我们的东西慢慢他们自己会找到一些方法。对。就是有很多用户把一个很长的五千字或者三千字扔到我们那个系统里面，然后一次生成十分钟六分钟生成三四次，

17:42然后他拿到素材他就去做做他要的东西。啊，那因为剪辑这个事情还是一个我觉得没有办法被智能化替代的。那每个人都有自己的taste，对。在剪辑上。

18:18实从几个层面吧，第一个层面就是大家看到的画面的呃质感，啊，那画面质感上不管是从视听还是画面上，我们其实要求不管我们是调哪个模型，其实都会要求它是以结果导向。所谓结果导向就是一旦它的结果不好，我们就反推你整个呃工作的agent的工作过程到底哪个部分出了问题，

18:39然后没有达到这个最好的结果。啊，那这个其实以结果导向往前推，然后不停地把你的工作整个agent的协作的这件事情不停地去调，这个调优过程其实是可能确实是我们一个不太可能跟大家区别的这么跟大家一定能区别开的一个调优的方法。因为我们完全是从结果去倒推，我们的所有工作，当他们技术团队把大家做完了以后，我说来，我们用一个简单的prompt，

19:05一个用户需求去吐出来片子以后，发现这个片子为什么这个地方有问题，这个地方有问题，对。我们会以我们最专业的角度来说，这个问题是出现在了导演agent的手上，还是出现在了摄影agent，还是出现在了这个我们讲编剧的agent，在这个prompt的部分没有给其他的agent说好，

19:23因为大家是一个多agent的协作的过程嘛。啊，那这是一个。另外一个其实，我觉得也没什么不能说，就是因为本身我觉得在大模型这个层面，我们没有调取超过别人范畴的模型。

19:39大家都是调这些模型。但是我们确实在调模型这个动作上面会有一些自己的要求，就是我们可能会根据不同模型的特点，在不同的时候。你这个用户的提出的这个诉求和模块模板化不一样，我们去调取不一样的模型的能力。因为有的模型在某些方面做得好，有的模型在另外一个方面做得好。

20:00所以这个也是我们有一个多多协调的调取。那这个调取其实归根到底，我们既然为结果负责，那我们其实在结果这件事情就会就会有我们的一个taste和一个标准。那那个标准我相信不是目前可能市面上其他产品会有的一个标准。因为这个标准是我作为一个电影人，会给每一个生产出来的结果去打分，去打tag，你到底是呃在叙事项是多少分，

20:28呃。视听完成度上是多少分，用户意图理解上拿多少分，对吧？你的可看度拿多少分？每一个不一样的时候你要反推。那好的部分其实，因为现在我们后台已经一百多万个视频，很多个视频，包括现在我们社区那个Aideo World的用户们也可以在里面，

20:46就是你注册你进来MovieFlow也不一定非要做片子，你也可以看片子啊。现在也可以社区里面可以看到很多十分钟的全球用户做的故事或者做的好玩的片子。就是我们还有一个agent的很大的能力是，我们还有一个校验agent，就是在这一百多万个视频里面，

21:02我们会给他们打分，哪个好，哪个不好。其实AI是这样，AI不一定它能怎么讲，我觉得它作为导演创作，它可能还得等一段时间，但是虽然它有一部分能力，但是另外一件事情就是AI去，你只要给它一个标准说一二三四五六七八九十，什么是好，它用这些标准去评判一个视频，

21:21它是评判得很厉害的。我们还有一个agent是用来说，用户做了很多片子以后，每一个片子会有分数嘛，那么那些好的分数的片子就会变成我们下一次再做类似片子的数据的一个引导。那就会让越往后做片子的，呃，可能会类似的一些，呃，创作的故事也好，风格也好，它就会完成度越来越高。

21:45然后幻觉度越来越低。

22:19其实有几个，第一个就是首先他会分析为什么这个做得好，就是为什么这个幻觉度低，因为比如我们给幻觉度会打一个分数，就是我们是允许，因为我们交付的时间很很短嘛，所以实际上它是肯定会有幻觉的，但是它会依据用户的输入的详细程度和我们解析用户的需求的准确度与否，来产生那个幻觉度从十到百分之十到百分之三十之间会有一个区间。

22:48那幻觉度越低，我们就觉得要么就是用户的输入很很精准，要么就是我们在理解用户意图上这一步做得很精准，就是幻觉度越低的作品。我们去看它，就是它的agent的协同的工作的效果会越好。啊，那这个越好，我们也会去打分说它是在哪个环节变得好，哪个环节是对的。

23:10那我们就会告诉他，就像你说的这个，我们叫后训练也好，还是调优也好，就会告诉他，你会正确的，这一次你做对了，就有点像后训练的奖励机制一样，这一次你做对了，下回你要继续按照这种去理解用户行为，啊，去理解用户的输入，啊，你是准确的。

23:26因为有时候用户说我就想做这么一个片子，然后他其实说了一大长串，前面半句说是个爱情题材，中间又说点恐怖了，后面又说点动作了，中间又再加了一个别的。他说了好多吧，但是实际上这个时候我们要去分析，比如说我们拍电影也一样，复合类型，你是个恐怖喜剧还是个喜剧恐怖，

23:47谁在前面是很重要的。就是用户意图，那这个部分我们也会说，基基于最后的结果，我们会给他前面在用户意图这一部分打分，然后基于这个结果，我们会给导演那个最重要的导演agent打分，然后基于这个最终结果，我们再给中间的画面或者摄影，

24:04或者是这个我们讲说呃剧作也好，这个部分打分。所以它是一个综合影响，我只能说这个里面有一些我们打分的方法。然后，再再再调优它的方法。对。

25:18其实是这样，我们讲说我们只是所谓的映射，只是我们打双引号的映射，因为它肯定是跟我们的传统的这个剧组工作方式是不一样。我举例子，比方说现在我们提供的library，就是我们在那个用户，我们现在已经给用户提供了素材库嘛。你看我们现在就把画面的素材库分成了三个部分，一个叫形象。

25:40任何一个呃呃视频内容都会拆解为三大元素，第一个元素叫形象，我们的也叫形象，对吧？小动物也是形象，啊，卡通也是形象。第二个是你这这一场这一场景故事中间的场景，我们是在屋里面还是在哪个立交桥上还是在哪个一个房间。第三个元素就叫道具，就是我们手里面拿了什么样的手机，我们在用什么电脑，我们在喝什么饮料，我们在在说什么话。

26:08那这个时候其实，我们把画面简单的拆为三个元素。我我以此举例子的意思就是，我们虽然说是一个剧组，但是我们这个剧组原来一个正常的电影剧组是十几个重要的部门，但是我们实际上把这十几个重要部门就拆成了几个核心的东西。那这几个核心就是创作肯定是一个基础意图。

26:29那我们所谓的编剧并不是编剧本身的意思啊，我们所谓的编剧agent的动作是他是理解故事，他把故事完事了以后，最终编剧要他还有另外一个功能，他叫prompt的收集者。编剧比如说我们的这个所谓导演agent的最他是最重要的，他的重要是理解用户意图要干嘛。

26:49然后我把用户意图拆解完以后，我要调取相应的执行能力，相应的视听能力，相应的画面能力，相应的剧作能力。等我把这些能力全调取完以后，我当然每一个镜头的prompt其实还是一小段话。这个准确的prompt其实是综合了所有这个画面内的信息，我们整理完了以后，一个多agent的协作后，

27:13一起拿到了一个我们讲说拍摄方案。那这个拍摄方案里面其实我们要优化它的就是，它是它的token上下文到底有多长。那一个镜头是1000个字描述还是5000个字描述？怎么能拿到这这这十秒，这二十秒？因为所有的模型目前反正最长就是一次性十秒嘛。

27:33不管我们怎么做一次性十分钟，我们也是同时生成可能一分钟就是六个十秒，对吧？我们其实是呃大家用我们的用户，我们是拿取了一个中间的单位，就是以八秒为一个单位。而这个单位其实在所有的模型里面，不管是Sora、Veo、Grok、可灵、海螺呀。

27:53其实它都有八秒。所以我们取了一个最中间的单位，也不是十秒十五秒，也不是五秒。那八秒作为我们一个单位，我要生成一分钟，我就是要八个八秒。对吧？我要生成十分钟我就是要八十个八秒。

28:08啊，那八十个八秒，我们会对每一个八秒，相当于是一个小剧组的一个最终他们协同后拿下来的一个prompt。那个prompt是一个精准的，所有的视听描述、对话、表演，都在里一个一个一个prompt里面的。那其实我们就是在不停地去构建那个更准确的那个prompt，而且是上下文，因为我们是并发的。

28:30那并发如果我一个十分钟的片子要在八分钟内做完，那就相当于说我八十个八秒都是要在同时进行的。那同时进行的时候，实际上我的第一个八秒和第五十个八秒。大家的信息是要有上下文的，那这个工程难度其实，我们虽然说它有点像电影剧组，但是我只是拿这个东西可能更多的时候，

28:53就是可能更具象一点，更因为相对不那么抽象，就像电影剧组一样，但实际上这个里面我们只是把电影剧组的功能给它拆解。又重新组合了。然后变成几个关键的那个呃agent，实际上主agent也就四五个，剩下的那些小的每个里面当然有细碎的一些环节，

29:13那个其实就有一些调优啊，有一些有一些小的问题。所以在这个事儿上理解，我觉得因为如果你只是跟agent让它一步一步往下做，那你是无法做到中间环节的，呃。我们讲管控。那他是怎么判断这件事情？

29:29嗯。那你如果让agent最终它的逻辑就是让它一次性去生成这么些画面的时候，它是准确的有上下文，准确的去调取大模型，其实就是一个调取过程。那调取过程对大模型来说，需要知道你这个片段你到底和上一个片段是什么关系，这也是经常有投资人问我说，

29:49哎呀。你这个这个大模型公司自己做了，我说大模型永远他们关心的还是把我这八秒延长到八十秒，或者把我的物理。物理幻觉，对吧？把我的这个真实度，对吧？那个眼泪流得好不好？

30:04我觉得大模型每天在精进的是这些内容。但是大模型一定不会去精进叙事，它不会去精进说我这个八秒和下一个八秒拼接起来，我怎么讲故事，这个事不是它的工作呀。这个就是一个影像的组织者的工作。那影像组织者目前看来，

30:22我觉得真正的Agent它要做的必须是交付，就是你要帮助用户把这个讲述故事的过程给完成，而不是说把这个过程摆在用户面前，然后让用户去完成。如果用户要完成，那对他的要求其实并没有降低呀。它还是需要一个很专业或者相对专业的一个呃使用者的状态才可以。

30:44从我的角度来讲，我觉得那个就相当于如果你没有帮用户往前迈一步。所以我一直说，我们真的是从我的内心中最想做的，还是说真的把电影剧组的这种生产的视听讲故事能力，一个九十分的AI电影剧组，一个idol的剧组给到普通人能用。那他用的时候就像出品方，就像老板。

31:06你像我以前投资电影，我就是开机去一天啊，开机完事我就走了，然后我就回办公室了。我我可能再去的时候就是关机，然后啊请大家吃个饭。

31:19对，那中间过程，因为我是在办公室处理我的问题，对吧？我们融资啊，然后那个制定宣发策略啊，然后看接下来的发行计划啊。那其实严格意义上讲，我觉得对于普通用户来讲也是这样。我现在要一个广告片，你去给我做吧。然后我的要求是，巴拉巴拉巴拉巴拉巴拉。

31:38现在我很清楚地告诉你了，我就我就不管了。因为前段时间我们刚有一个文本确认的环节，因为好多人说，哎呀你——这个老一次性生成，有时候不是我想要的。我说好，我们专门开了一部文本的确认，就是你输入一个文本以后，我们先让你确认0.5步，然后再让你确认一步，

31:55等你确认完了你再点。我就给你干活。后来发现呢，最大的问题就是我们的常用，因为每天还有几千人天天在我们这做片子，那帮用户直接就炸了，就说谁要你加这个东西，我以为点完我一会儿回来就看到片子了，为什么停下来了？所以这种阻断式的发现，啊，我们的用户已经开始习惯了，他把东西扔到输入框里，点个开始他就走了，

32:19他就干别的去了，他一会儿再回来，这个网页就做完了。我觉得可能目前真的是除了MovieFlow，不是，我很少看到其他的Agent或者视频类的是这么交付，因为大家并不是对结果交付，大家都是在做过程。

33:49些啊？我觉得是这样，其实你看了，其实除了Sora自己在10秒的里面参加了一些镜头切换和运镜以外，就这些运镜它还是短暂的在于说，我们大家喂给它一个说，哎，讲一个故事，先要从一个全景，然后到一个中景，然后到一个近景，然后再回到一个中景，

34:08然后我们再给一个特写，然后再……就它其实是一个短视频节奏嘛。它就可能训练了大量的短视频，所以从短视频的运镜里面参与了一些切。但是我觉得是这样，就像我们不管怎么样，还是会喜欢看很好看的剧集，奈飞剧集也好，很好看的电影也好，

34:25就是长叙事，虽然大家已经习惯了这个快速的剪切。但是我觉得模型侧他们再往前做也只是在做片段式的缝合，但是作为叙事向的组合这件事情，我觉得还不会那么快的到来。因为那个比如说如果AGI到来了，那你就不用人导演了，反正它就能创作了嘛。

34:46所以我们就对吧，让它们创作就好了，对吧？我们就不用做了，这这是一个层面。然后其实像你说像Claude Code这种，我我也知道他们就是，所以这也是为什么之前有人问我说剪辑类的产品，我说剪辑类产品不管是剪映啊还是大家出来做的东西可能已经很多，但你反而说比如说功能性特别强的像你说的口播呀或这些，

35:10我觉得它有它的逻辑，它是可以前后组合，然后卡点这个没问题。但是我觉得这个在于一些呃我我经常跟人讲就是说我我的要求其实因为我是做电影的，所以我的一开始对于我们交付结果的要求是电影级的画面，电影级的视听的讲故事的能力。而这件事儿，去年大模型已经给到了一些表现能力，我们尽可能把它封装得足够好。

35:35这件事本身的能力不是说大模型没有，而是大模型有，但是要去挑取这些东西，还是要用人，暂时还是要用人啊。那未来可能就不需要了。但是我觉得不需要那天，那我们已经做到了一个很大的输入和输出库，就是因为我们用户里面发现70%的视频都是讲故事的。

35:55全球都是。这两天还在跟那个我们的这些呃资方朋友说，我说其实我们可能未来握了一个很大的库，在于人类的故事库。因为一方面他把他的输入给了我，另外一方面我把我们的输出给了他。这两个数据本身在我们这是很有趣的一个数据，我们每天还在分析这个东西。

36:14当他现在是一百多万个，但可能到一千多万个、一亿个的时候，那你会有一个故事的输入和故事的输出。那这两个输出其实它是有一个相关性的。就像我那个时候跟你，我记得我应该跟你举过例子，我说大模型能把所有的电影看一遍，大模型也能把所有电影的剧本看一遍。

36:32但是大模型就是没有这些剧本到这些电影中间的拍摄数据，因为这部分数据是没有的，是缺失的。所以模型是怎么学习，为什么一个电影会被拍成这个样子，一个文本是这么讲，最终到了电影是这个样子。那不同的人类他是为什么这么创作，去组织生产，最后拍成这个样子。

36:52啊，然后大家为什么又会喜欢这样的故事，而不是因为同样的文本跟每一个人拍，脑子里的画面都是不一样的。

37:11收。其实这个是这样，就反正AGI如果来了，我们就都可以什么也不干。但是在那个之前呢，我觉得有一个很有趣的东西在于说，呃——我觉得不管是模型侧，他们尽可能地去做到让那个视频生成的呃更好、更真实。从这个我们讲说Claude这个代码这一侧，它会让你的语义意图理解更更强。

37:35但是我觉得对于人来说，讲故事的原生的冲动和讲故事的千差万别的能力，其实是因为每个人他他对于故事的理解和对于影像和画面和对于表达的理解是完全不一样。那我们其实看到了目前全球用户，因为从第一天我们就是面向全球的。其实我们看到好多地方的人他们对故事的理解其实千差万别。

38:01而这些千差万别，我相信这些数据本身大模型现在也没有。可能就是我们这样的产品在收集了这些数据以后，反而是这些数据可能更能给AI去学习，为什么人会这么想创作这样的故事，而他要讲那样的故事。对，我觉得这个其实

38:21到了一定程度以后，它的数据飞轮和网络效应就会出现。

38:56其实是这样，我们其实全球肯定是C端市场，就是我们自己的这个飞轮是，我们不叫B端吧，因为对我们来说，因为我自己体感太深了，就是今年开始，不管是中国还是世界的影视创作者，大家的传统的影视拍摄就是会收窄，因为它的投资，它的效能，对吧，它太消耗钱了，而且它的回收也越来越低。

39:19年轻一代10后对于去戏院也好，对于看长剧情的这种，因为大家毕竟潜移默化被短视频洗了十年，所以我们看东西真的习惯了五分钟看电影，不太习惯两个小时在电影院看电影。那没办法，年轻人就是这样。

39:47而且越是这种，它反而越能做得越好。我们所谓其实没有叫B，因为对我来说，就我还是那个逻辑，其实在新的idol的时代到来吧，就是AI DEO ido时代，就我们现在那社区就叫Aideo World嘛。然后我们今年要办第一届全球的Aideo Oscar，就是我们要评评这些创作者的作品。

40:07呃，在全球我们自己开一个Aideo节，Festival，Aideo Festival。就是实际上你会发现在这个时代到来了以后，我们不得不去要迎接专业的电影人来做这件事情。那专业的人过来做的时候，其实我是最知道大家的痛点和哪里哪里不舒服，然后他想用什么样的一个工具产品。

40:28而且他做完了以后，其实我们要帮大家去发行嘛。那同样的就跟原来我们去拍电影也要发行这部电影，而不是光拍了就完事儿了，给一个分享和观看的地方，让大家来看。那这件事情我觉得我还是有一个责任去帮助传统的影视创作者，在新的增量的ideal的世界和市场里面去，

40:50说白了，赚取一个端到端的一个创作到到到发行的这么一个过程。

41:03这家我还真不太了解，但是从我的角度来讲，其实就是one person studio的年代时代到来了嘛。就是大家都说one person company，我说我们在做的那个工作坊就是one person studio嘛。PC、UGC跟PUGC，我觉得在在新的ideal时代，它是被抹平了的。

41:20就是一个人他可以用multiple做。那一个最小的，我们讲电影级的团队，对我来说，原来那种打双引号的电影创作团队，就是有一个呃特别强有力的制片人加编剧加一个特别好的剪辑师，然后这三个人同时又有导演思维，这个就是接下来在ideal这个时代最小化的专业的故事团队。

41:43也就是这三个人，他们可以在一一周内做出来一个一百分钟、一百二十分钟的一个剧集，甚至在一个月内做出来一个二十集的美剧，都是能做到的。那这就是他们的生产效率。而这个东西其实包括现在4K、8K啊，这些清晰度都够了。叙事能力、表演能力其实接下来呃通过skills啊，通过一些，对吧，就是现在今年skills又很火了，

42:05那skills正好是可以弥补很多小的其他模型没有解决的一些小问题，我们现在正在研究。那它一旦能弥补，所以这个叙事一下子就能完成了。那这个叙事一旦完成了，其实大家会马上看到大量的新的故事出现。而这些新的故事一定是专业的，会讲故事的人，他会讲得更好呀。

42:25我说这个意思就是我并没有对于B和C的分分界，而是说那些B对我来说也是C，那些C就是未来的B。那些全球的C其实可能就是未来的B。那今天那些传统影视公司，那些所谓看起来很B的公司或者团队，他其实对我来说就是一个个活生生的制片人、编剧、剪辑师、导演。

42:46一个人他如果很短时间内，可能半天时间就学会了用一个一站式的创作，他能去用AI讲故事了。大家手里有那么多的好故事和剧本还没有被拍，而且我们在一个全球化的这个时代。从我们做完到我们发布也没有任何的审查过程，只要你能生成，这就说明你的你的东西没什么问题，你就上线就好了嘛，

43:10对吧？然后大家就给你，而且我们这两天也是刚，对全球的，我们刚把那个USDT的支付也都接完了。

43:23对吧？大家可以对稳定币结算了。最近跟我们呃传统的一些电影公司的人最近来来聊的比较多了，之前还没有那么多，今年好像今年过了个元旦，不知道为什么大家突然有点反应过来了，然后最近找我聊天的比较多。然后我说我说我希望快速给大家把这个呃studio，因为其实不光是中国，包括好莱坞，好莱坞那边，

43:44韩国和日本也有一些电影人，我也已经都已经接触上。大家也都是知道了，哦原来这个是我做的，然后大家就说那你们，我说我快速我会为你们做一个版本，我说你们那个版本叫live的导演版，是创作版，这个是跟大家不一样的，因为普通用户要交付嘛。

44:02但是你们要的是一个过程，啊，那那他们要的过程和目前大家看到这种workflow又不是一个东西，对。就一般的这种可能市场上比较多的这种AI类的呃视频类的workflow，又不是符合电影人或者影视人的使用习惯，对。所以对我来说就是他们C，他们是C。

45:06了。他们的逻辑脑洞好大呀。

45:28我觉得做的最对的其实是还是快速的执行吧。

45:36嗯，类似吧。就是当你觉得一个东西要快速地做反应。因为比如说，嗯，我们跟Google啊，跟OpenAI，跟微软都都保持一个比较通畅的呃沟通。就这些大模型公司在更新的时候，比如说他今天晚上十二点更新，他在大概六七点钟就会告诉我们。

45:53然后我们就会在那儿。我觉得快速的执行是一部分，还有一个就是，就是还幸还是很幸运要遇到大家能志同道合的。就很多时候像我跟我们的几个合伙人和呃团队之间干活就是，我可能想到的时候他也想到了。啊，就是大家都在一个同样的频率上在往前走。

46:15对。而且大家对于大模型的能力，对于大模型的认知，对于接下来这个市场的变化的认知，以及agent的发展方向，以及技术的发展方向，就大家多多少少都有一个共频同频。然后执行的团队呢又是尽量能在一个快速反应的一个过程中。我觉得这个是，你要说做的最对的，我觉得，感谢感谢我自己关注了AI。

46:40感谢我自己关注了这件事，不然就错过了。感觉

46:46还不叫红利吧，我觉得我其实还没没觉得现在是个红利，就是很幸运的上车了，自娱自娱就是在赛道上了，就这马拉松反正就开枪的时候我正好就在那儿了，然后就报上名了。

47:23那个时候我已经在重度的了解和学习过程中了。我会跟他说你可以再快一点，还还是慢了一点。我觉得其实我们并没有吃到NanoBanana Pro这波红利。我所谓的红利是因为有好多最近的一些网站，包括Lava，包括他们不都是，包括Higgsfield的呀这些，

Higgsfield

47:42不都是用那个，呃因为NanoBanana Pro什么无限使用什么的就接住了这波，他们就创造了很高的一个短期的收入。就这件事情，我觉得我们有点滞后。这个这个我们最近刚跟我们团队我说这个要深刻反省，因为十二月份那会儿我我花了一些精力去沟通融资的事情。

48:01然后，呃，产品上面我们还是，其实比我预想的还是动作稍微慢了一个节拍，但是最近我们又，我们觉得又回到了一个正确的轨道上。就产品的进步迭代的速度又回到了一个正常轨道上。嗯。那个慢了一点点，就是没有吃到那个NanoBanana Pro的那个收入的红利。

48:34其实没有多大，但是很多很多公司它都是差不多那一个月，因为NanoBanana和它的Pro出来以后的那一个月基本上用，就是那种聚合类的平台说让你无限用Banana嘛，无限用什么，就他们其实那一个月瞬间带来了成百，反正很高很高的收入，啊，那我们正好在那个节点，没有在收入这件事儿关注，那其实从今年开始大家会很关心你的ARR到什么层面，

49:03我就说我们其实稍微，如果你让我跟去年这会儿，呃二二五年一月份，我会跟他说记住今年NanoBanana Pro出来的时候要接爆一波挣钱的红利。你像在我们现在的呃产品上面，用户是不知道我们做完一个片用了哪些模型的。所以其实我们是并不是，大家产品方向不一样嘛。

49:27但是这件事我觉得，虽然产品方向不一样，因为我们有一些小工具，一些小的小娱乐的那种板块，我可以在主站上那个生成过程大家不用管，但是我可以把那个Banana Pro的那个无限生成放到工具里面用嘛。然后该挣钱要挣钱嘛。

49:45一下凑出了百万那种级别，而且还是美金。对。

49:58模型的，尤其是视频模型的红利，还是要还是要关注的。因为Higgsfield，你想为什么增长这么快？包括其实我觉得大家一些策略性的东西，我来讲，因为以前确实也不是互联网产品相关的这种工作，嗯。但是我会把它现在更像我们当年做电影一样，在一个档期里面也有其他的电影也要上映，那我们要突出自己的优点。

50:32不一样。对，我感觉也不太一样，就是我我会觉得每天都是新鲜的。对我

51:01是的。而且而且你知道吗？后来我发现，虽然我们稍微那个错失了一波收钱的机会，但是确实我们也在产品形态上守住了自己的相应比较专注的一个部分。就像今天别人问，还是问说差异，我说如果你同样一个prompt输到一个框里，你如果找到第二个产品能一次性生成六分钟或者十分钟，

51:23然后质量会比我好的，速度会比我快的，成本我们再说这个付费是多少，那你能找到另外一个产品也长这样。那我觉得OK。

51:33一下。我给你冲积分，你做个十分钟试试，找找感觉。刚刚我们下午还在另外一个大厂那儿，他们过来聊，我说现场做一个，然后我们一下子做了十一分半的片子，在八分钟内就做完了。

51:51对对对。我就其实哐哐就跑出去了。所以严格意义上讲，我们可能真的，我们可能26年要完成一个真正的就是MovieFlow的我们自己的minus时刻，就是让用户晚上把他的一个要求输入了以后就睡觉了，第二天早上他电脑里就出现了一个一个小时的视频，

52:11这一个视频把所有东西都做完了，而且一致性和逻辑全部都完成了。但是你要允许它在后台一直跑。

52:27而已。就像剧组一样，这个镜头第一个take不行，我们NG再来一遍，NG再来一遍。对，你去检查，反复的，然后再去看，然后再去检查，再去看，再去检查，就这个工这个动作反而是能做到。但是什么叫好的这个结果是我们给的，里面的那个我们讲那个know-how和和所谓自己的taste和要求，

52:48那个部分还是人给的。但是反复干这个活的过程可以让他去干。

53:45我觉得短期内，嗯，不会那么快速的消解和消亡掉。但是国内，中国可能会稍微快，就稍微可能缩减的，呃，会快一些，因为我们去迎接变化会比较快。啊，所以就是，但是好莱坞的这个，这个这个稳定，你像Netflix今年又加大了10%的投入在产在内容上，

54:06相当于它比去年又又多花了10%再去拍剧集和电影。那其实全球上面，除了好莱坞以外，其他国家肯定是在缩减。那好莱坞是缩减的速度最慢的，它是一个基本盘。那这个基本盘我觉得暂时不会大动，但是你不得不迎接一件事情。就是IDOL时代的到来，作为一个增量市场。

54:28就像我我之前跟奈飞，我们在呃沟通，呃东亚这边，这就是亚太这边的人沟通的时候，我说我们要做的是IDOL时代的Netflix，而不是奈飞本身。因为奈飞本身它就已经在那儿了。你要做的事情就是你继续去拍怪奇物语。对。

54:46但是你你可以把鱿鱼游戏三再是两年后把鱿鱼游戏三拍出来，但是你可以把鱿鱼游戏的所有的内容和权益和素材授权给我，我们在IDOL里面先让大家玩起来。最终大家还是在两年后等着你那个片子上映，但是你片子上映的时候我们可以在这边去互动去玩，它是一个新的增量市场。

55:07这个东西跟你在线下开一个鱿鱼游戏的游乐场没区别，你只不过是变了一个线上的AI的时代的复制的游乐场也好，它有世界模型也好，它的技术会更互动啊实时啊，呃用手机端啊甚至眼镜啊硬件啊它全部能配合起来玩，它的体感也很有意思，会更有意趣。

55:26但是它一定是一个新兴的内容，而传统的我讲说电影也好，呃，剧集也好，它不会消亡，但是它会变得越来越金贵。而且它会越来越，哎，那些IP是越来越难产生新的IP了。但是旧的IP，它它会越来越越有自己的价值。就像我说可能中国电影就比如说四百亿的票房，可能到了二十八年二十九年，中国不需要四百部电影，中国可能需要二十部，

55:52每部卖二十亿的电影，它也是四百亿票房。那那就是证明这件事情它还会在，但是它会变得是只有很少数很少数很少数人在做的事情。就跟今天你看音乐剧。音乐剧是个大市场，美国也好，最好的音乐剧也是一个很猫啊什么这些还是，但是你看最厉害的音乐剧的团队和公司就那几个，

56:15就是他少了而已。但是可能在当年音乐剧发展的时候，可能有一百家两百家，但最后就只有三家五家。然后最后经典的剧目就只有那几个，新的剧目会变得越来越少。这件事情就是电影一定会跟我说，我孙子有一天肯定是等他跟跟我一块儿在那发现我在那儿那个投影看的电影的时候，

56:37他说你为什么要爱看电影啊？就跟我小时候问我爷爷，你为什么要听京剧啊？京剧有什么好听的呀？哈哈哈

56:47我的孙子一定会问我，爷爷你为什么要看电影啊？电影有什么好看的？然后他发现我看的可能是教父，可能是喜剧之王，可能是让子弹飞。然后他说，你为什么要看这个电影啊？这个故事，看的，那可能我的，我的孙子们都是2040年、50年出生的了，对吧？

57:04那他们那个时候，他们接受的讯息可能AI那个时代娱乐方式完全就变掉。其实你看今年，呃，去年年底就阿凡达2在全球没有，阿凡达3在全球没有卖起来，你就就很明显了。因为电影已经很长时间没有科技的进步了。因为它作为一个科技型的产品，上一次进步就是3D嘛。

57:25嗯，就是阿凡达带来，所以它一下子这十几二十年。那你像中国，我们能想象的故事都已经被拍差不多了。就是你还有什么再新鲜的故事让创作者创作。而且你也很明显发现，创作者和观众和市场，就这个三角是相互纠结的。观众的速度和对故事的理解和对娱乐的需求，和现在的主流电影市场的创作者、影视创作者，

57:52和我们讲市场本身的经济环境，啊，他他他三这三个这三个相互错位，它并不是一个很有机的说，呃。整体，我需要你你需要我，这三个在彼此不需要，它它就会萎缩，但是我觉得它不会消失是肯定的。嗯。就是少了嘛，啊。

58:10但是这帮人的讲故事能力又在，那怎么办呢？所以这个时候就需要MovieFlow来帮忙，给大家搞点新的事儿。就是以前一个导演一年只能做一部电影，你现在可以一年拍十部啊。你可以拍一个无限无限长的剧集，永远不用停的剧情啊。你想更新了就更新呀，就跟就跟任老师没事更新个播客是一样的。

58:33我想更新我就播两集，不想更新我就歇两天，对吧？你也可以讲啊，因为你如果作为一个创作者，你能每天做一个四十分钟的美剧一样的质量的内容的话，然后你的素材库都是可复用的，你你的创作是有你的memory，有的上有你的上下文的，你就随便嘛。

59:03一零后年轻人们只会越来越有才华，就是我们这个脑子一定是在进步的嘛。有才华的年轻人现在工具又简单了以后，他会跟新的工具在AI时代跟AI共创了IDOL的这个时代，会爆发更多的像饺子像郭帆这样的人。那这些人而且他第一天就是AI native原生的，他跟AI是共共生的一个状态，他已经不能说是他是一个什么创作者还是AI是一个什么，

59:30他们两个都是在一块创作。

1:00:00那个我们家小孩就就。也是十岁，他就用Muvie Flow做做片子，而且他也不打字，键盘也不会，他就直接说话。打

1:00:10对对。他们来说就是，就是我的需求就是明确提出，所以他其实已经知道怎么提要求，然后作为机器你应该给我什么反馈，天然的。

1:00:21所以年轻一代人他们使用AI的这个，对他们来说可能这个事就是自然而然的事情，他不是不需要学，感觉完全不需要学。好的。

1:00:38我还真心，我跟你讲，我是那种几乎每天会看的，几乎每天我的最大的放松时间就是能能看个电影，我的阅片量基本上就是非常非常高，哈哈哈。

1:00:52有两个电影我可以推荐给你，然后我我觉得你肯定会觉得好看。一个是那个Netflix刚刚上了一个那谁的，本·阿弗莱克跟马特·达蒙的那个，叫什么什么，两个警察的故事，啊，奈飞的，啊。然后另外一个电影是最近有一个那个英国的一个电影，讲就是那个，呃，叫Tourette's，呃，

1:01:11一个一种病症，好像大概那个怎么英文怎么说，一个Tourette's症，就是会不停地说脏话，不停地怎么样。但是他是一个呃英国的年轻人，然后他得了这个病，后来他得到了女王勋章，因为他推广了这个病，啊，就是他把这个病的群体作为一个推广，就是它是一种精神精神类的障。

1:01:34类似类似秽语症之类的，就会突然大叫，然后骂。然后然后对，就大概是那个秽语症那个，但是那个那个电影很好，那个电影非常温暖。我是正好昨天这个出差的路上看的。

1:01:52我觉得你看完你会对，就是对这件事情有一个特别直观的认知，你你会设身处地想。然后我看完那个我最想说的是什么，就是，就是你看有这么多动人的，因为我最爱看的电影都是based on the true story，对。就是它是一个真的故事去去变成电影。

1:02:11那这类电影的力量它本身是存在在那儿的，它本身的power就特别大。如果它又是一个，但实际上世界上有太多这样的故事了，还有好多没有被拍出来。所以我觉得AI的时代，其实这些东西作为记录也好，作为很多事儿，它是完全能被拍出来的了。

1:02:58Suno我就首先推荐嘛，我觉得在音乐层面，Suno的音乐确实就，

1:03:08了。它产品设计啊也很丰富。那个，那Suno不算，那我再推荐两个。一个是，其实有一个产品我不知道叫什么名字，是我们朋友那天用的跟我说的，我觉得那个产品是我特别喜欢的一个。我忘了，一会儿我搜了名字我再跟你分享。

1:03:22大概它的意思就是不是最近有很多那个记卡，呃，那个会议记录嘛，就是像飞书出的东西啊也好，不是大家都在出那种会议记录的东西嘛。那个的卡片大概也是那么一个硬件，也是一个有，我忘了它有没有硬件了。但是它我觉得它最终的在会议记录以后，会开完了以后几个人讨论，它出来，它出来的结果是一个思维导图。

1:03:47它是一个XMind。

XMind

1:03:49维导图。但是我的意思就是他他那个思维导图出的有一个很有趣的让我看到的就是他去会分析这一个会上各自人不同说完了以后哪些是有用的哪些是没用的，然后他说这几个人是有用，这几个人的话没有没有价值。

1:04:08这几个人没有主，这几个人有主见，就是我我我说的，等于说他把这件事情往前迈了一步。他给了一个结论给你，不管这个结论有时候是好玩还是不好玩，但他总比只是把记录给你整理成一个思维导图，然后整理完了以后，他并没有再往前迈一步。就是我喜欢那个产品是他往前又迈了一步。

1:04:29而那个其实对我还挺启发的，就是你一定要帮用户想在他前面一步，那这样才是一个我觉得AI类产品应该有的思维方式。就就永远尽量想在用户再往下，他想干嘛的时候，他没说你就告诉他，你是不是要这么干？我说哇，你怎么知道？你怎么知道？

1:04:48对。我觉得我觉得那个会议记录产品是我比较呃欣赏的。

1:05:43式。这个就到年底了，年底了，ChatGPT出来个出来个这个这个年终总结，然后我问我说，你总结了半天，你觉得我做Muvie Flow这事到底靠不靠谱啊？然后他就又开始很恭维的跟你说，哇。你实在是太棒了。

1:05:56你的太靠谱了。你怎么这么靠谱？然后我说你能不能说点真话？

1:06:01他说啊，其实，嗯，好像就一般。我说你也太没有立场了。对，Claude跟Gemini就就会好一点。就GPT就讨好型人格大爆发。啊，那个电影叫Tourettes与我，I swear,I swear,I S W E A R,

1:06:18Tourettes与我。

1:07:10我觉得就是给大家做梦的那个机会还是挺好。就是我们真的是如果把这个生产力做到了，给每个人都能，对，去去把自己的没有讲的故事能讲出来，我觉得还是很有很有意义。对。而且被传播。

1:07:32有很多遗憾，因为我们也支持你用照片就生成嘛。呵呵，

1:07:39自己上传照片请承担法律责任，跟我没关系。

1:08:25其实就是希望能做真正真正最大的一个人类的故事库。对，我觉得有机会。

1:09:28马上，过年期，新年快乐，新年快乐。来，新年快