這是鉛筆道與Global AI推出的聯合專欄，探討AI應用的主流機會。Global AI正尋求早期AI專案投資，BP投遞入口：https://globalai.hanghang.com/
訪談 | 鉛筆道創始人王方
整理 | 鉛筆道編輯 吳欣曉
"我真的為此流過淚，不止一次。"提到OpenAI釋出GPT3.5時，一覽科技創始人羅江春，內心流露出複雜情感。“我們難道不努力嗎？不聰明嗎？我們也一樣工作到凌晨兩點，為什麼中國沒有誕生OpenAI這樣的公司？。”
一個客觀的現實是：國內做大模型，太燒錢了。“即便融了幾十億元，在 AI 基礎設施建設中也遠遠不夠。”
因此，作為創業公司，聚焦應用是更好的選擇。
然而，關鍵的問題是：AI應用賽道千千萬，哪些最能跑出百億美金獨角獸？羅江春的答案是：影片應該是TOP5的選擇。
這也是一覽科技的主攻方向。羅江春在影片行業深耕20年：2005年創辦風行網，開創中國網際網路高畫質影片產業，擁有清華機械工程和企業管理雙學士學位，1997 年—2000年於美國萊斯大學就讀人工智慧與機器人專業。
一覽科技創始人羅江春
訪談中，羅江春提出了多個AI機會賽道：
1、AI影片（To B）將成為水電煤。
影片正從娛樂載體蛻變為商業基礎設施：尤其是在獲客、促活和增收上，正成為企業剛需。
比如，銀行需日均百條"種草影片"促活使用者，電商依賴AI生成海量營銷內容，傳統三天製作一條影片的產能被AI提升至"日均百條級"。
2、AI影片（ToB）仍依賴人的參與，並且該局面會持續數年。
客戶不在乎工具，只在乎最終結果。TOB場景下，對AI的要求更高，必須有人工干預。AI生成數百個初稿後，專業團隊篩選最佳化（如精修圖片、重寫指令碼），最後多輪稽核交付。
3、垂直Agent是唯一機會：對抗大廠壟斷的護城河。
通用AI Agent會被大廠收割，但法律、審計等垂直Agent依託專業語料庫和閉環資料，有很好的創業機會。
4、AI不是移動網際網路的延續，而是代際變革。
AI的影響比網際網路更深遠。AI的誕生更像電的發明，是一個底層基礎設施級別的變化，是代際影響。
宣告：訪談物件已確認文章資訊真實無誤，鉛筆道願為其內容做信任背書。
– 01 –
鉛筆道：什麼時候開始關注AIGC的（AI生成內容）？
羅江春： 我們提這個概念時大模型還沒流行。2018 年我們提 RGC 概念（從 PGC、UGC 到 RGC），當時叫“機器生產內容”，和現在的 AIGC是一個意思。
記得當時在烏鎮網際網路大會上我就提了這個，只是那時沒有大模型，做法比較原始：抽取影片素材標記，人寫指令碼後混剪配音，形成 RGC 雛形。
我們現在的業務是：AI+影片。我覺得，未來影片會像水電一樣成為基礎需求。
鉛筆道：你們主要做TO B 業務（商用）？
羅江春：對，我們其實是把“內容”這件事做了進一步的升級：從toC轉向商用。
就像我當年做風行的時候，更多是在做娛樂內容。現在像抖音、快手、優酷、愛奇藝這些平臺，大家刷的也還是娛樂內容。
那我們往前走了一步，我們看到的是“商用內容”或者叫“商業內容”。
為什麼這麼說？過去20年，內容的主要功能是提供娛樂。但是我們看到一個核心趨勢是：影片越來越“工具化”，它的“使用屬性”和“功能屬性”開始被強化了。
就比如賣貨。我們服務了很多大的電商平臺，他們用影片不是為了娛樂，而是為了“種草”，激發消費者的購買需求。這就不是“娛樂”的用途了，是有非常明確的目的。
還有銀行客戶，他們做影片是為了提升使用者活躍度，比如讓信用卡使用者不僅是每個月開啟APP還款一次，而是透過影片延長使用者使用時長，增加粘性。
所以，影片作為一個“內容載體”，它的使用場景越來越多，不再侷限於娛樂，而是廣泛走向商用。
這也是我們提出“讓影片像水和電一樣”的原因。影片服務應該成為所有企業客戶的基礎設施。
– 02 –
鉛筆道：您2018年提出AIGC（RGC）概念，這是個怎樣特殊的年份？當時 OpenAI 成立才兩三年，這對您有影響嗎，還是說國內已經有了相關的發展土壤？
羅江春：其實沒有。那時我根本不知道 OpenAI，差不多到 2021 年才開始關注它的 GPT 1.0、2.0 版本。
2015 年前後，大家更關注的是 AlphaGo和DeepMind。
OpenAI 當時並不在大多數 AI 從業者的視野裡，Meta（Facebook）的 Torch 和Google的TensoFlow等框架等才是我們關注的重點。
當時投資圈還在追逐 “AI 四小龍”，像雲從、商湯那一波，其實跟我們當時做的影片理解也很像。
我們用 AI 打標籤，也主要用影像識別、語音識別（STT）這類技術，我們能用這些技術來做影片理解，也是因為它們當時已經相對成熟了，我們不可能從頭去開發所有底層技術。
鉛筆道：有人判斷AI時代的下一個“字節跳動”，可能於影片領域有關。你對這個判斷怎麼看？
羅江春：不一定是影片，雖然影片領域肯定很大，但未必是最大的。前五應該有可能。
鉛筆道：除了影片，你覺得還有哪幾個方向？
羅江春：核心要回歸到 AI 到底改變了什麼。 它改變影片內容生產方式只是一方面，可能我們現在都身處其中，像在森林裡，還沒跳出來看未來的全貌。
很多人想在科技史裡找一個能和AI類比的技術革命，而我覺得 AI 可能像“電”。發明電之前，大家點油燈蠟燭，發明電以後更在電普及後，城市的夜晚才能燈火通明，生活的時間和空間無限拉長。
AI 的影響可能比網際網路領域的類比更深遠，它是一個底層基礎設施級別的變化，並且是代際影響。 比如剛開始覺得它像網際網路，但進入工業領域後，它更像“電”，對生活是代際的影響，不是簡單延續 PC 網際網路、移動網際網路到 AI 網際網路的邏輯。
很多人把 AI 類比成移動網際網路或 PC 網際網路那樣的替代技術，其實這樣的類比，把價值看小了。
– 03 –
鉛筆道：你在2021年就開始關注OpenAI了，其實已經很早了，畢竟大多數人是2022年才開始接觸。
羅江春：這可能也跟我的專業背景有關係。我是正經科班出身，在美國留學的時候讀的就是AI和機器人（Robotics）專業。我們有一個圈子，一群人經常會討論AI和人工智慧的話題。所以OpenAI、GPT這些概念，其實很早就在我們內部流傳開了。
鉛筆道：那你第一次聽到OpenAI的時候印象是什麼？
羅江春：我當時的印象是，這家公司選擇了一條完全不同的路線（Transformer）。
當時我們也不知道他們能否成功。他們要花幾十億美金堆 GPU，作為創業公司，這種不計成本的投入膽子太大了，而且還能找到投資。
說實話，我為這件事特別感慨。中國沒有這樣的土壤。要是我想拿幾萬張顯示卡堆算力，誰會給我幾十億美金？在一無所有的時候，沒人敢支援你。
我真的為此流過淚。我們難道不努力嗎？不聰明嗎？沒有工作到凌晨兩點嗎？關鍵就是土壤問題，中國確實缺乏這樣的環境。
其實如果有資金支援，土壤成熟，中國人也能跟隨並做出 OpenAI 這樣的公司，當時已經隱隱有這種感覺了。
客觀且從專業角度講，我們“follow”別人是沒問題的。 比如哥倫布發現美洲大陸後，第二個人再走就容易了，中國人很擅長這個。這不僅是任正非先生這麼說，也是產業裡的現實。
讓我們去引領新技術革命，指出方向，這和基礎科學、教育等很多因素相關。
比如現在的應試教育，AI 來了之後，我都不知道怎麼教育孩子了：還要不要刷題？刷題有意義嗎？我經常讓孩子遇到不會的題就拍照問“豆包”，讓他學會用工具。
我們現在的教育體系不鼓勵鑽研基礎科學，也不鼓勵質疑，缺乏批判和自我批判精神，而顛覆式創新正需要這些。
鉛筆道：您剛才提到的遺憾從何而來？現在釋懷了麼？
羅江春：當然還遺憾，非常遺憾！當 GPT-3.5 真正出來並使用時，第一次用的感受和現在不同。當時感覺像在和 “God” 對話，它無所不知。尤其是 ChatGPT 推出後，這是跨時代的產品。
鉛筆道：這有沒有讓您對技術路線產生猶豫？比如 2021 年看到 OpenAI 時，是否決定開始準備做大模型？
羅江春：我們一直沒做大模型。作為創業公司，我們缺乏土壤。即便融了幾十億元，在 AI 基礎設施建設中也遠遠不夠。
所以我們堅定聚焦應用層，不跟風底層大模型的研發。中國缺乏做大模型的廣泛土壤，底層大模型最終會是 BAT 等大廠的主場。
鉛筆道：2022 年 GPT 爆火後，國內資本是很動心的，你沒動過心嗎？
羅江春：我和美元基金的負責人很熟，他們投資時也很猶豫。大家心態普遍是：第一怕錯過機會，第二怕投錯專案，第三怕投的專案沒有下一輪融資。
我們其實沒動過心，我們就是做應用的。
講個小笑話，從2023年1月到7月，我一直在堅持讀大模型的論文。但有一天我突然發現，我讀不過來了，他們出論文的速度比我讀的速度快，節奏確實太快了。這些做大模型的兄弟們，他們像是站在天上看世界。他們一天的成果，普通人可能要用一年才能實現。
鉛筆道：既然已經那麼堅定只做“應用層”，那還遺憾什麼？
羅江春：我遺憾的是 GPT 沒出現在中國。改革開放以來，中國在 PC 網際網路、移動網際網路領域都有對標美國的公司，但 AI 時代來臨前，我們沒有一家能引領代際變革的公司，這很遺憾。
鉛筆道：對於公司而言，站在巨人的肩膀上（AI底層技術），是不是也是一件開心的事。
羅江春：我們這一代人很幸運，經歷了PC網際網路、移動網際網路，現在又遇上了AI的崛起。它確實把我們抬到了一個新的高度。
像我們原來做RGC，有很多東西做不了，現在有了AIGC、大模型作為底座，特別是影片大模型、多模態大模型，這些事情都能做了。我們是看得很清晰的。
鉛筆道：大模型出現後，對公司的戰略有什麼具體影響和變化嗎？
羅江春：更加堅定地做內容，也更堅定目前的方向。整體戰略方向不變（AI + 影片 + TO B），但會把 AI 滲透到各個環節中。
– 04 –
鉛筆道：在影片生成內容的質量提升上，哪些技術生態對您影響最大？
羅江春：影片可拆分為三個要素：指令碼、素材、剪輯加後期（含音效）。
目前有兩種技術路線：一種是像 Runway 或即夢那樣，輸入創意直接生成影片，但效果不穩定、與預期偏差大，不過在特定場景下有改進空間；
另一種是我們推崇的。拆分環節，指令碼、素材、混剪獨立處理，素材不足時可生成，再用 AI 混剪。特別是指令碼這個環節，我們認為必須要有人為干預。
如果完全不干預，讓AI直接從一個idea生成完整影片，中間會出現很多不可控的問題，最後出來的東西跟你想要的完全不一樣。
但是目前 AI 還沒強大到 “一念即得”，即使是 GPT、豆包等大模型，回答問題時也是基於搜尋和推理，輸入與輸出常存在偏差。所以本質是智慧程度還不夠，無法一站式生成滿足使用者需求的內容。
現在的AI更像 “輔助駕駛”，而非“自動駕駛”，其實還差得遠。
這是為什麼現在大家對Agent（智慧體）這麼感興趣，就是AI來扮演一個Agent的角色，幫助你完成任務，而不是替代你來做。
鉛筆道：對你們來說，AI 提升了幾倍的人效？
羅江春：我們希望是“兩個數量級以上”的提升，才算真正達到預期。
比如說以前一個客戶的專案，一條兩三分鐘的影片，質量要求比較高，那很正常是三天做一條，要好幾個人一起搞。
現在我們工業化拆解完流程後，三天可以搞100條、200條都沒問題。 能做到這些的前提是：我們做了很多“儲備”和“質量控制”的工作。
鉛筆道：從使用者角度看，用通用大模型寫指令碼，和用你們的自研產品，有什麼技術上的差別？這屬於哪種型別的技術壁壘？
羅江春：差異非常明顯。關鍵在於，我們的內容創作是 “命題作文”。客戶有明確需求，我們為每個客戶定製工作流，這是自研的，其他軟體無法替代。
我們從一開始就強調“有四個有”：有場景、有資料、有使用者、有產業鏈。
第一，“場景”是真實的客戶需求；第二，“資料”，我們長期積累了大量素材和客戶資料；第三，“技術”是我們的核心能力，而且這種技術能力隨著客戶案例和資料的積累呈螺旋式增長。它不是一下形成的，是越做門檻越高；第四，“產業鏈”讓你的技術能有充分發揮的空間，一旦形成閉環，別人很難競爭
鉛筆道：你們是什麼時候正式接入大模型技術的？
羅江春：從2022年底GPT出來開始，我們應該是國內最早一批接入的。那個時候很多人還沒反應過來，我們已經上線工具了。
鉛筆道：你們引入AI大模型後，客戶的反饋怎麼樣？他們知道嗎？有感知嗎？
羅江春：這裡有個過程。其實我們在2023年已經開始推AIGC工具，我們推出了“運營寶”，裡面有AI編劇、AI繪圖、各種AI工作流。最初是想賦能創作者（To C或To小B）。
後來我們很快發現一個問題：客戶要的是“結果”，而不是工具。他不關心你怎麼做菜，只在乎你有沒有做出他想要的那道菜。我們很快轉向用AI“做交付”——直接服務客戶，而不是做工具。
其實現在大家流行說的RaaS（Result as a Service），我們2023年就在這麼幹了，比大家早了差不多兩年。 AI 剛出現時，結果的可靠性存疑，在TO B場景下，對AI的要求更高，必須有人工干預。
– 05 –
鉛筆道：所以To B類客戶，其實對AI的“智慧程度”要求更高？
羅江春：當然，所以人是必須介入的。Agent也不是完全替代人類，而是輔助人類做事。
客戶更關注結果。這些客戶用內容是為了達成後續目標，比如電商客戶會關注轉化率、消費資料；大公司（銀行、手機廠商、平臺）的 KPI 很嚴格，內容必須幫他們完成指標。
鉛筆道：具體說說，你們是怎麼用AI服務toB客戶的？
羅江春：我們用 AI 生產內容時，一定有人工介入，並非全流程自動化。 比如客戶需要一張圖片，AI 可能生成幾百張，我們會安排專業人員從中挑選並精修，用擦除、重繪等工具最佳化，經過多輪稽核後才交付。
AI提升效率的核心在於處理重複性工作。 比如過去用 PS 做一張圖需要半天甚至更久，現在 AI 生成幾百張，人只需半小時篩選，再區域性最佳化，效率能大幅提升。
就像寫文件時，會先用 “豆包” 生成初稿，再自己稽核修改。AI 的價值在於輔助人做篩選、評判，而非替代人。所以人與大模型互動時，人的專業水平越高，結果越好。
鉛筆道：TO B 的 AI 影片交付中，AI 最適合做哪些工作？
羅江春：AI 擅長補人類的短板，比如處理重複性、標準化的工作。以前剪輯需要訓練三個月工具操作，現在 AI 能簡化流程，讓編導直接判斷內容是否可行，無需依賴剪輯師。
AI 就像 “輔助駕駛”，幫人提升效率，而非替代人做創意決策。這和機器人行業的邏輯類似，讓機器做人類不願做、不擅長或不能做的事。我們把AI定位為輔助者。
鉛筆道：你認為這種模式是短期現象還是長期趨勢？
羅江春：AI的進化速度不是勻速的。
我聽過一位頭部券商的分析師的觀點。AI 目前之所以爆發，是因為“吃完”了網際網路上積累的大量資料，當新增高質量資料有限時，其進化速度會放緩。這個觀點很有道理。
從生物和哲學角度看，當前 AI 的能耗模式一定是低效的。 人腦每天消耗約 400 大卡能量，而一個數據中心的 GPU 能耗遠超於此。
未來晶片技術可能最佳化算力效率，但短期內很難顛覆現有模式。
所以，在未來三到五年內，不太可能出現“念頭一動就生成理想影片”的顛覆性技術。 TO B 的 AI 影片交付模式至少能穩定 3-5 年。
鉛筆道：TO B 影片主要用於市場營銷嗎？
羅江春：不止。客戶既會用於公域獲客，也更看重私域流量（如 APP 內的內容運營）。比如信用卡客戶每天可能需要 100 條種草影片，關聯商城或理財產品，這比傳統 TVC 的需求量大得多。
鉛筆道：按市場規模看，哪些行業需求更大？
羅江春：我們專注服務大客戶，因為內容是非標品，服務大小客戶的售前成本相近，做大客戶更高效。
但國內市場存在 “內卷” 問題：大客戶常要求降價或增加服務內容，利潤空間被壓縮，而歐美客戶更注重契約精神，付款流程規範。核心圍繞 “拉新、促活、留存、增收” 四個目標。
我們更傾向服務網際網路大平臺客戶，因為他們的內容需求量大且持續，而硬科技行業（如半導體）對影片內容的需求較少。
鉛筆道：有沒有可能未來服務中小企業？比如做一家平臺型公司。
羅江春：我們其實一開始是服務中小客戶的，後來才聚焦到大平臺和重要客戶。
在 2018-2019 年服務中小客戶時，他們對內容的需求並非剛需，拓展起來很困難。而且服務中小客戶和大客戶的獲客成本差不多。
在國內 TOB 領域，想找到低成本獲客的方法服務小 B 客戶很難。我們嘗試過很多方法，最後發現還是得靠銷售。
長期來看，這種情況可能更“糟糕”。很多中小客戶對內容的需求，可能會逐步轉向抖音、快手、影片號這些平臺。內容會更偏向於平臺運營。
– 06 –
鉛筆道：在 AI 領域，TO B 和 TO C 的生態是隔離的，還是相互交融的？
羅江春：我覺得是分不開的。底層技術是一樣的。
比如我們公司來看，產能非常重要。如果未來某個時間點我們一天能生產 100 萬條圖文、100 萬條影片，那時我們想做C端會很容易。所以生態是融合的。
鉛筆道：這個行業的競爭格局如何？是不是很混亂？
羅江春：挺混亂的。不只是客戶在卷，供應商之間也很卷。行業裡進進出出的人很多。有些角色剛進來，覺得這個領域不錯，但實際操作後發現比想象中困難，就退出了。
我們遇到過很多競爭對手，名字都沒聽說過，也有很多大公司參與。玩家很多，但沒有出現佔據絕對份額的玩家。
鉛筆道：AI 影片這個賽道，除了你們公司，還有哪些細分方向值得關注？有沒有可能出現百億美金級別的公司？
羅江春：我認為工具類產品一定有機會，尤其是工具加大模型的模式。但這種機會很容易被大廠吃掉。因為這種模式本質上依賴場景、資料、技術、資金和使用者，而大廠基本什麼都有。
比如抖音的剪映，為什麼能成功？因為每天有無數使用者在用，內容不斷生成，語料庫可以不斷擴充套件。其他大模型想 PK 根本競爭不了，進化速度跟不上。
所以如果工具加上大模型底座，確實有機會成為百億美金的公司，但很可能紅利屬於大廠。
鉛筆道：創業者透過深耕垂直產品（比如非主流應用），機會也很小？
羅江春：這種路徑週期太長了。其實大廠不是看不上，而是產品經理可能暫時沒想到。一旦他們意識到，很容易將功能整合到超級 APP 裡。
鉛筆道：除了工具，智慧體（Agent）領域您怎麼看？現在很多人做數字員工，TOB 和 TOC 哪個更有機會？
羅江春：對創業公司來說，TOB 的智慧體更容易切入和生存，但能否做大是個問題。通用型 Agent 大機率會被大廠壟斷。
但垂直領域的 Agent 有機會，比如法律、審計等專業場景，像律師顧問、審計工具，只要有專業語料和資料庫支撐，就能收費。
可是這類業務難在規模化，獲客和競爭都是問題。TO C的 agent我覺得是和“內容”相關的。可能是遊戲、互動、陪伴這些方向，但一定和內容掛鉤。
鉛筆道：您看好人形機器人嗎？為什麼一定要做成 “人形”？
羅江春：我只看好人形機器人。因為物理世界的設施大多為人設計，比如工廠擰螺絲的工位，人形機器人最容易適配，這是取代人類工作的關鍵。
本文僅為口述者獨立觀點，不代表鉛筆道立場，亦不構成投資建議。
鉛筆道近期推出了一款爆炸產品——媒體VIP會員，核心亮點是：以一頓午餐的價錢，聘鉛筆道為你的年度媒體顧問，1年6次專屬顧問時間，做你媒體圈的貼身朋友。詳情可以檢視連結
歡｜迎｜聯｜系
想獲得調研，請聯絡：pencil-news
想商務合作，請聯絡：renguozhou2019
想加入創業社群，請聯絡：Pencil-news
想進行市場合作，請聯絡：Pencil-news
文章轉載，請聯絡：Pencil-news
推｜薦｜閱｜讀
關｜注｜我｜們