喝点VC｜红杉对话全球最火的AI生成媒体平台Fal CEO：当内容生成变得无限时，有限的东西反而会更有价值

喝点VC｜红杉对话全球最火的AI生成媒体平台Fal CEO：当内容生成变得无限时，有限的东西反而会更有价值 喝点VC｜红杉对话全球最火的AI生成媒体平台Fal CEO：当内容生成变得无限时，有限的东西反而会更有价值 Modified January 13 Burkay Gur： 我想补充一点，视觉领域的生态系统其实更重要。比如，当Llama 2首次发布时，虽然有很多微调版本，但如果你实际下载使用，会发现很难区分它们的差异——因为语言模型的通用性太强，即使进行微调，也很难体现出明显的独特性。 但在视觉领域，情况完全不同：你对模型做的任何微小调整，都可能带来巨大的输出差异。比如控制网络（Control Net）这样的概念，在语言模型中并不存在。这使得视觉模型的定制化空间非常大，开源生态也因此更加活跃。 S onya Hu ang： 说到视觉风格，David有一个观点我很认同——MidJourney正在引领美学领域的发展，带来了风格的“组合爆炸”。我认为这也是你们平台上一些模型基于其他模型进行微调的原因之一。 Burkay Gur： 确实如此。即使你在模型中融入了多种美学风格，如果训练数据过于庞杂，可能无法精准生成你想要的特定美学效果——很多时候，你仍然需要通过微调模型来获得精确的输出 。而对于大语言模型来说，操作方式完全不同：你并不需要特定的输出结果，而是解决不同的问题。 因此，视觉模型的定制化更为主观，需要在模型基础上进行大量的训练后优化。Sora就是一个很好的例子：Sora 2在社交风格内容上进行了深度微调。即使有几十种不同的风格，你仍然需要通过后期训练来推动模型向特定方向优化。 G orkem Yurtse ven： 这完全取决于客户的使用场景。客服聊天机器人不需要“个性”，越通用越好。但对于创意团队、营销团队来说，他们希望在输出中融入自己的品牌风格或个性，因此需要对输出有更大的控制权。而在大语言模型中，情况并非总是如此。比如智能代理、代码生成等场景，并不存在“风格”或“个性”的等价物。 生成式视频的开发者工作流与实践案例 Sonya Huang： 这是一个很好的过渡，让我们再深入一层，聊聊工作流。目前，Fal平台上的平均开发者工作流是什么样的？ Gorkem Yurtseven： 开发者通常会同时使用多个不同的模型。最近的数据显示，我们的前100名客户平均同时使用14个不同的模型，这些模型有时会相互替换。 比如，一个工作流可能包含：一个文本生成图像模型、一个超分模型、一个图像生成视频模型——它们可能属于同一个工作流的不同部分，也可能是不同用例中使用的不同模型组合。我认为这是平台最有趣的一点：人们使用的模型种类非常多样化。 我们还提供了一个无代码工作流构建器，这是与Shopify合作开发的。它非常适合产品经理、营销团队以及团队中的非技术成员使用——他们可以通过可视化界面尝试不同的模型、比较不同的输出结果，最终将这些工作流通过API集成到产品中。这个工具最近非常受欢迎，越来越多的软件工程团队开始关注图像和视频模型，平台的用户数量也在持续增长。 Sonya Huang： 所以平均工作流不仅仅是“文本提示生成内容”，而是更复杂的场景——比如创建一个5分钟的商业广告。如果我想创建一个5分钟的商业广告，工作流会是什么样的？ Gorkem Yurtseven： 正因为如此，人们更倾向于使用开源模型——因为他们可以对模型有更多的控制权，能够根据自己的需求进行调整，推动模型生成想要的输出。当我们与工作室或专业营销团队合作时，他们都非常喜欢使用开源模型，因为可以替换和控制模型的各个部分，进行深度定制。这些工作流通常类似于复杂的节点式UI工作流——每个模型的不同部分都可以替换，为创作者提供更大的控制权。 Burkay Gur： 没错。我们的工作流工具还不是最终形态——在工作流层面，可能还需要另一层抽象。通过与工作室的交流，我们发现，就像Photoshop有无数种使用方式一样，生成式视频的工作流也没有统一的标准。实际上，工作流很大程度上取决于用户的角色：营销人员、动画师等不同角色，会有完全不同的工作流。随着越来越多的专业人士开始使用这些工具，我们看到了非常特定的工作流的涌现。 我们最喜欢的创作者之一是pjas，他会在网上分享自己的工作流——每个月，他的工作流都会因为新模型的出现而发生变化。我认为，一旦这些工具的生产力得到验证，专业人士开始广泛采用，就会形成标准化的最佳实践。但目前来看，还没有人知道最终的工作流形态是什么样的。我们每天都会看到新的用法，也在不断更新产品以满足这些需求。 Sonya Huang： 我看到一种比较常见的工作流：先输入高层次的创意想法和想要的美学风格，通过图像模型迭代美学效果，然后使用该图像模型生成一系列图像，形成故事板。 Gorkem Yurtseven： 然后视频模型会在这些图像之间进行插值，生成连贯的视频。 Sonya Huang： 没错。这很有趣，因为这正是皮克斯（Pixar）等公司的传统工作方式——先制作故事板，再进行动画制作。 Burkay Gur： 是的，一开始这是出于成本考虑——制作故事板可以降低后续制作的风险。但现在来看，这种方式仍然非常合理。在电影制作中，这被称为“前期制作”（Pre production），之后是“后期制作”（Post production）或“制作阶段”（Production）。前期制作包括故事板等所有准备工作，直到今天，这仍然是行业标准流程。 虽然过去制作故事板的成本很高，但现在AI让这个工作流变得更快、更高效。比如，当一个新的文本生成图像模型发布时，你只需要按一个按钮，就能用新模型生成所有不同的图像组合，然后重新生成视频。我们见过一些非常复杂的工作流：更新一个细节可能需要花费1000美元，但创作者仍然愿意投入——有些个人用户在创作者平台上的花费高达50万美元，甚至超过一些小型制作工作室。这非常令人难以置信。 生成式媒体的应用场景与未来展望 Sonya Huang： 好的，说到在你们平台上构建产品的工作室，让我们进入最后一个层面：客户、市场以及未来展望。目前人们在你们平台上构建的最酷的产品是什么？这些产品是传统媒体业务的创新，还是全新的商业模式？ Burkay Gur： 应用场景非常广泛，这也是这个领域令人兴奋的地方——它几乎涵盖了所有你能想象到的市场。我先举一些长尾场景的例子，因为它们非常有趣：有一家安全公司在我们的平台上构建了动态培训系统——培训内容是实时生成的，虽然有固定脚本（可能是为了符合课程要求），但每个人获得的内容都是动态定制的。这是自适应安全领域的一个应用，我认为这是最独特的用例之一，也展示了生成式视频在教育领域的潜力。 另一个更常见的用例是“原生AI工作室”（AI Native Studios）。你提到的生成式视频圣经应用（Faith）就是我最喜欢的例子之一——它在App Store上排名很高，为圣经中的每个故事制作了高质量的视频内容。这类原生AI工作室既有应用程序形式，也有制作故事片、系列剧的团队，这是一个巨大的市场类别，我称之为“新媒体”或“原生AI媒体娱乐”。还有很多设计和生产力工具类应用，比如Canvas、Adobe等我们的公开客户——他们正在将新模型集成到现有的工具中，提升产品的功能和用户体验。 广告是另一个重要的应用场景，而且形式多样：UGC风格的广告（比如个人演示产品的视频）是一个很大的类别，AI生成的UGC广告需求旺盛；还有传统风格的广告（更专业、更高制作水准），比如你可能看到的可口可乐广告。 我们最兴奋的是程序化广告——能够实现极致的个性化，比如让用户自己出现在广告或电影中。这是一个快速增长的用例。 Sonya Huang： 我最兴奋的是教育用例。广告是商业的支柱，确实有很强的商业案例，但教育是一个非常重要的市场，却一直缺乏令人信服的商业案例。教育领域的核心挑战是：如何大规模创建高质量、适合学习者的内容。生成式视频可能会解决这个问题，所以我个人对教育领域的应用最感兴趣。 Burkay Gur： 我完全同意。ChatGPT等大语言模型在某种程度上解决了教育问题，但形式不够理想。如果你想充分发挥这些模型的潜力，就必须进入视觉领域——视频内容更简洁、更易理解。我认为，一旦我们通过视频模型实现了视觉化学习，就会真正改变人们的学习方式。 Sonya Huang： 你认为生成式媒体的出现会增加现有IP的价值（比如马里奥兄弟、任天堂、迪士尼皮卡丘等），还是会导致IP的民主化（即普通人也能创建有影响力的IP）？ Gorkem Yurtseven： 六个月前，我们感觉好莱坞的IP持有者们适应得太慢，生成式媒体的发展速度超出了他们的预期。我们当时认为，原生AI工作室会接管市场，而传统IP持有者会被淘汰。但今年夏天，情况发生了变化——我们与很多好莱坞的关键参与者进行了交流，发现他们开始认真对待生成式媒体。 我们最近举行了第一次生成式媒体会议，梦工厂前首席执行官杰弗里·卡岑伯格也出席了会议。他做了一个很好的类比：动画刚出现时，人们反对它（因为之前都是手绘）；计算机图形技术出现时，人们也反对计算机驱动的动画。现在AI面临的情况与此非常相似，但技术的发展是无法阻挡的——你要么参与其中，要么被淘汰。 目前，很多现有IP持有者都在认真对待生成式媒体。至少在中期来看，他们的定位非常有利：他们有对这项技术感兴趣的技术人才，有强大的IP储备，还有讲故事和电影制作的专业能力。虽然电影制作的成本仍然很高（AI可能会降低一些成本，但中期内仍然昂贵），但这些懂电影制作、拥有IP、擅长讲故事的高技术人才，将在AI生态系统中发挥重要作用。 Sonya Huang： 当内容生成变得无限时，有限的东西反而会更有价值。对于我们这些看着《恐龙战队》（Power Rangers）、电子宠物（Meal Pets）长大的人来说，怀旧元素和有限的IP供应会引起强烈的共鸣。 Pat Grady： 反过来也是如此。 Gorkem Yurtseven： 确实有很多新的IP涌现——比如我们见过一些意大利稀有角色的小玩具，这些角色没有IP，没有人拥有它们，完全是互联网社区通过AI生成的。当内容生成的成本降低，各种变体层出不穷，一些受人们喜爱的内容会流行起来，成为时代精神的一部分。所以，两种情况都会发生：现有IP的价值会提升，新的AI生成IP也会崛起。 Sonya Huang： 说得对。相关的一个问题是：我们如何防止世界陷入“无限劣质内容”的状态？比如，人们只是连接到一个无法个性化的机器，就像被绑定在“无限老虎机”上一样。另一种可能是，人类的创造力和艺术性仍然会发挥重要作用。你认为未来会朝着哪个方向发展？ Burkay Gur： 我认为人类最终会聚焦于更有意义的事物。无论世界上有多少劣质内容，品味和审美会最终胜出，人们会被个性化、有人情味的体验所吸引。我相信这一点会发生。 一个有趣的例子是：Meta发布Vibes时，OpenAI发布了Sora 2，两者的市场反响截然不同。我认为其中一个原因是，Vibes被定位成一个“老虎机式”的产品——当时还没有实际产品，只是一些与用户无关的AI生成内容；而Sora 2则聚焦于朋友、宠物等个性化场景（比如Cameo功能），非常贴近用户的生活。 这种与朋友、宠物的连接感是关键。Sora 2的定位非常个人化，强调“与朋友共享”，而不是像“老虎机”一样的随机生成。我认为这是一个很好的信号——这项技术可以以积极的方式发展，创造有意义的价值。 生成式视频的未来 timeline 与技术突破 Sonya Huang： 非常认同。接下来，我想了解你们对时间线的看法：今天哪些事情是可行的，未来哪些事情会实现？你认为我们会看到完全由AI生成的好莱坞级别的长片电影吗？如果会，大概什么时候？ Pat Grady： 你说的“AI生成”是指完全没有人类参与，还是没有人类拍摄？ Sonya Huang： 没有人类拍摄，但可以有人类编辑。 Gorkem Yurtseven： 是的，人类编辑是必须的。 Pat Grady： 我认为在不到一年的时间里，结合现有的故事板技术和先进的视频模型，我们会看到高质量的短片（比如不到20分钟）。这是一个合理的预测。 即使在今天，只要投入足够的时间和资源，也能制作出非常棒的电影——只是目前人们在这方面的投入还不够。随着模型的不断进步，这一目标很快就会实现。 Sonya Huang： 好的。你认为哪种类型的内容会最先实现？是照片级真实感的，还是动漫风格的？ Pat Grady： 照片级真实感是所有人的目标，但动漫风格也会是一个很酷的方向。目前专门针对动漫的模型并不多，我认为这背后需要有足够的市场需求驱动。 Gorkem Yurtseven： 我认为动画、动漫或卡通会最先实现——越远离照片级真实感，越容易实现，甚至奇幻风格会更具优势。因为拍摄真实场景的成本已经很低了（比如谷歌已经有很多真实场景的素材），而电影制作中真正昂贵的是非真实感的内容（比如奇幻、科幻场景）。看看经典的动画电影，比如《玩具总动员》系列、《驯龙高手》、《料理鼠王》——人们喜欢这些电影不是因为它们的真实感，而是因为故事本身。动画为电影制作带来了全新的视角，我认为AI也会像动画一样，成为电影制作的新媒介，创造出独特的价值。 Burkay Gur： 我认为长片电影会更难实现。因为照片级真实感的内容通常需要观众熟悉的演员——人们喜欢电影，往往是因为喜欢其中的演员。而AI生成的角色需要先与观众建立情感连接，才能支撑起一部长片。 但在短片和原生AI内容方面，我认为会发展得非常快。比如意大利的“Brain Rot”（一种网络流行文化）就是一个很好的例子——最初只是一些AI生成的角色，后来发展成了Roblox游戏，甚至产生了可观的收入。所以，原生AI内容和短视频可能会最先爆发。 Pat Grady： 我们在视觉特效（VFX）领域已经看到了这一点——制作视频或电影中最昂贵的部分之一就是视觉特效，而AI能够快速生成爆炸、建筑物倒塌等特效，现在已经几乎达到了完美的水平。我认为这一趋势还会继续下去。 Gorkem Yurtseven： 面部表情可能会是一个难点——目前还很难通过AI生成逼真的面部表情。但没关系，不一定需要完美的面部表情，内容本身的价值才是关键。 Sonya Huang： 但现在AI已经能生成体操等复杂动作了。 Gorkem Yurtseven： 是的，体操等动作已经可以实现了，这要归功于我们有大量的奥运会素材可以用于训练。 Sonya Huang： 你提到了Roblox，那你认为我们什么时候会有实时生成的交互式视频游戏？ Burkay Gur： 我认为这会实现，而且我对此非常兴奋。如果说文本到视频是文本到图像的延续，那么文本到游戏就是文本到视频的延续——游戏本质上是交互式的视频。 我认为会出现一种“超超休闲游戏”（Hyper Hyper Casual Games）——这类游戏非常简短，甚至可以“用完即弃”。我认为我们离这个目标已经不远了，而且我对这类长时间可玩的短游戏非常乐观。这也是世界模型（World Models）的一个很好的用例。 至于AAA级质量的游戏，我认为还需要3到4年的时间。但在此过程中，就像视频领域一样，会有很多中间形态的产品出现，它们也会有很大的市场。目前，大语言模型已经在影响游戏中的对话系统（比如动态对话），前期制作（如角色设计、场景搭建）也已经受到AI的影响。甚至有一些不公开的案例中，人们已经在使用AI生成游戏资产、制作迷你游戏了。我认为AAA级游戏的AI生成还需要时间，但中间阶段的创新会非常多。 Sonya Huang： 视频模型领域在选项、质量等方面已经爆发式增长。展望未来，要实现生成式媒体的“应许之地”（即大规模、高质量、低成本的应用），你认为还需要哪些研发突破？是基础性的研发突破，还是我们已经进入了工程规模化的阶段？ Pat Grady： 我认为模型架构至少需要进行小幅调整。如果要将视频模型的性能提升10倍、100倍，目前的架构在推理效率方面是一个很大的瓶颈。视频空间的压缩技术也需要进一步提升——就像图像模型从像素空间转向 latent 空间（将64个像素压缩为1个 latent 向量）一样，视频模型目前在时间维度上的压缩比只有4倍，未来需要进一步提高（比如8倍、16倍）。这将是提升推理效率和训练效率的关键驱动力。 但与此同时，我认为我们在工程规模化方面还有很长的路要走。过去6个月，谷歌的模型快速追赶就证明了这一点——他们不需要太多创新，只需要投入足够的资源就能实现突破。而小型实验室也能通过数据层面的创新（比如独特的训练数据）来推出有竞争力的模型。此外，中型实验室（融资规模在1亿到10亿美元之间）也在通过开源或生态合作的方式推出模型，整个行业的竞争非常激烈。 Gorkem Yurtseven： 这正是这个领域令人兴奋的地方——还有很多工作要做。到目前为止，研究界做的都是最基础的工作：为图像添加字幕，用文本提示训练模型。而现在，视频图像编辑等任务需要更复杂的数据工程来创建数据集。幸运的是，我们有大量丰富的免费视频数据——在视频数据耗尽之前，我们的计算资源就会先耗尽。这意味着还有很多改进的空间和工作要做。 Burkay Gur： 早期的化学计算也表明，要实现4K视频的实时生成，计算能力或架构需要提升100倍以上。目前，很多模型对专业人士来说还不够实用，甚至对消费者来说也是如此——即使是最好的模型，生成一段视频也可能需要40秒，有时甚至2、3分钟，这与我们“即时获取”的生活方式不符。 所以，必须要有一些改变才能实现这一目标。仅仅依靠硬件提速是不够的，那样需要的时间会更长。因此，模型架构的创新是关键。 Sonya Huang： 太棒了。谢谢你们。在生成式媒体成为热门主题之前，你们就对这个领域充满信心，这非常有远见。我认为我们才刚刚开始，生成式媒体的爆发即将到来。从内核优化、编译器，到工作流、客户案例（无论是新媒体还是传统媒体），你们所构建的一切都非常令人印象深刻。再次感谢你们今天参加我们的节目。 Gorkem Yurtseven： 谢谢，非常感谢。今天的交流非常愉快。 原视频：Building the Infrastructure Layer for Generative Media w/ fal， https://youtu.be/s IIjGamN3Y 编译：Ellis Du 请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。 Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。 END Burkay Gur： 我想补充一点，视觉领域的生态系统其实更重要。比如，当Llama 2首次发布时，虽然有很多微调版本，但如果你实际下载使用，会发现很难区分它们的差异——因为语言模型的通用性太强，即使进行微调，也很难体现出明显的独特性。 但在视觉领域，情况完全不同：你对模型做的任何微小调整，都可能带来巨大的输出差异。比如控制网络（Control Net）这样的概念，在语言模型中并不存在。这使得视觉模型的定制化空间非常大，开源生态也因此更加活跃。 S onya Hu ang： 说到视觉风格，David有一个观点我很认同——MidJourney正在引领美学领域的发展，带来了风格的“组合爆炸”。我认为这也是你们平台上一些模型基于其他模型进行微调的原因之一。 Burkay Gur： 确实如此。即使你在模型中融入了多种美学风格，如果训练数据过于庞杂，可能无法精准生成你想要的特定美学效果——很多时候，你仍然需要通过微调模型来获得精确的输出 。而对于大语言模型来说，操作方式完全不同：你并不需要特定的输出结果，而是解决不同的问题。 因此，视觉模型的定制化更为主观，需要在模型基础上进行大量的训练后优化。Sora就是一个很好的例子：Sora 2在社交风格内容上进行了深度微调。即使有几十种不同的风格，你仍然需要通过后期训练来推动模型向特定方向优化。 G orkem Yurtse ven： 这完全取决于客户的使用场景。客服聊天机器人不需要“个性”，越通用越好。但对于创意团队、营销团队来说，他们希望在输出中融入自己的品牌风格或个性，因此需要对输出有更大的控制权。而在大语言模型中，情况并非总是如此。比如智能代理、代码生成等场景，并不存在“风格”或“个性”的等价物。 生成式视频的开发者工作流与实践案例 Sonya Huang： 这是一个很好的过渡，让我们再深入一层，聊聊工作流。目前，Fal平台上的平均开发者工作流是什么样的？ Gorkem Yurtseven： 开发者通常会同时使用多个不同的模型。最近的数据显示，我们的前100名客户平均同时使用14个不同的模型，这些模型有时会相互替换。 比如，一个工作流可能包含：一个文本生成图像模型、一个超分模型、一个图像生成视频模型——它们可能属于同一个工作流的不同部分，也可能是不同用例中使用的不同模型组合。我认为这是平台最有趣的一点：人们使用的模型种类非常多样化。 我们还提供了一个无代码工作流构建器，这是与Shopify合作开发的。它非常适合产品经理、营销团队以及团队中的非技术成员使用——他们可以通过可视化界面尝试不同的模型、比较不同的输出结果，最终将这些工作流通过API集成到产品中。这个工具最近非常受欢迎，越来越多的软件工程团队开始关注图像和视频模型，平台的用户数量也在持续增长。 Sonya Huang： 所以平均工作流不仅仅是“文本提示生成内容”，而是更复杂的场景——比如创建一个5分钟的商业广告。如果我想创建一个5分钟的商业广告，工作流会是什么样的？ Gorkem Yurtseven： 正因为如此，人们更倾向于使用开源模型——因为他们可以对模型有更多的控制权，能够根据自己的需求进行调整，推动模型生成想要的输出。当我们与工作室或专业营销团队合作时，他们都非常喜欢使用开源模型，因为可以替换和控制模型的各个部分，进行深度定制。这些工作流通常类似于复杂的节点式UI工作流——每个模型的不同部分都可以替换，为创作者提供更大的控制权。 Burkay Gur： 没错。我们的工作流工具还不是最终形态——在工作流层面，可能还需要另一层抽象。通过与工作室的交流，我们发现，就像Photoshop有无数种使用方式一样，生成式视频的工作流也没有统一的标准。实际上，工作流很大程度上取决于用户的角色：营销人员、动画师等不同角色，会有完全不同的工作流。随着越来越多的专业人士开始使用这些工具，我们看到了非常特定的工作流的涌现。 我们最喜欢的创作者之一是pjas，他会在网上分享自己的工作流——每个月，他的工作流都会因为新模型的出现而发生变化。我认为，一旦这些工具的生产力得到验证，专业人士开始广泛采用，就会形成标准化的最佳实践。但目前来看，还没有人知道最终的工作流形态是什么样的。我们每天都会看到新的用法，也在不断更新产品以满足这些需求。 Sonya Huang： 我看到一种比较常见的工作流：先输入高层次的创意想法和想要的美学风格，通过图像模型迭代美学效果，然后使用该图像模型生成一系列图像，形成故事板。 Gorkem Yurtseven： 然后视频模型会在这些图像之间进行插值，生成连贯的视频。 Sonya Huang： 没错。这很有趣，因为这正是皮克斯（Pixar）等公司的传统工作方式——先制作故事板，再进行动画制作。 Burkay Gur： 是的，一开始这是出于成本考虑——制作故事板可以降低后续制作的风险。但现在来看，这种方式仍然非常合理。在电影制作中，这被称为“前期制作”（Pre production），之后是“后期制作”（Post production）或“制作阶段”（Production）。前期制作包括故事板等所有准备工作，直到今天，这仍然是行业标准流程。 虽然过去制作故事板的成本很高，但现在AI让这个工作流变得更快、更高效。比如，当一个新的文本生成图像模型发布时，你只需要按一个按钮，就能用新模型生成所有不同的图像组合，然后重新生成视频。我们见过一些非常复杂的工作流：更新一个细节可能需要花费1000美元，但创作者仍然愿意投入——有些个人用户在创作者平台上的花费高达50万美元，甚至超过一些小型制作工作室。这非常令人难以置信。 生成式媒体的应用场景与未来展望 Sonya Huang： 好的，说到在你们平台上构建产品的工作室，让我们进入最后一个层面：客户、市场以及未来展望。目前人们在你们平台上构建的最酷的产品是什么？这些产品是传统媒体业务的创新，还是全新的商业模式？ Burkay Gur： 应用场景非常广泛，这也是这个领域令人兴奋的地方——它几乎涵盖了所有你能想象到的市场。我先举一些长尾场景的例子，因为它们非常有趣：有一家安全公司在我们的平台上构建了动态培训系统——培训内容是实时生成的，虽然有固定脚本（可能是为了符合课程要求），但每个人获得的内容都是动态定制的。这是自适应安全领域的一个应用，我认为这是最独特的用例之一，也展示了生成式视频在教育领域的潜力。 另一个更常见的用例是“原生AI工作室”（AI Native Studios）。你提到的生成式视频圣经应用（Faith）就是我最喜欢的例子之一——它在App Store上排名很高，为圣经中的每个故事制作了高质量的视频内容。这类原生AI工作室既有应用程序形式，也有制作故事片、系列剧的团队，这是一个巨大的市场类别，我称之为“新媒体”或“原生AI媒体娱乐”。还有很多设计和生产力工具类应用，比如Canvas、Adobe等我们的公开客户——他们正在将新模型集成到现有的工具中，提升产品的功能和用户体验。 广告是另一个重要的应用场景，而且形式多样：UGC风格的广告（比如个人演示产品的视频）是一个很大的类别，AI生成的UGC广告需求旺盛；还有传统风格的广告（更专业、更高制作水准），比如你可能看到的可口可乐广告。 我们最兴奋的是程序化广告——能够实现极致的个性化，比如让用户自己出现在广告或电影中。这是一个快速增长的用例。 Sonya Huang： 我最兴奋的是教育用例。广告是商业的支柱，确实有很强的商业案例，但教育是一个非常重要的市场，却一直缺乏令人信服的商业案例。教育领域的核心挑战是：如何大规模创建高质量、适合学习者的内容。生成式视频可能会解决这个问题，所以我个人对教育领域的应用最感兴趣。 Burkay Gur： 我完全同意。ChatGPT等大语言模型在某种程度上解决了教育问题，但形式不够理想。如果你想充分发挥这些模型的潜力，就必须进入视觉领域——视频内容更简洁、更易理解。我认为，一旦我们通过视频模型实现了视觉化学习，就会真正改变人们的学习方式。 Sonya Huang： 你认为生成式媒体的出现会增加现有IP的价值（比如马里奥兄弟、任天堂、迪士尼皮卡丘等），还是会导致IP的民主化（即普通人也能创建有影响力的IP）？ Gorkem Yurtseven： 六个月前，我们感觉好莱坞的IP持有者们适应得太慢，生成式媒体的发展速度超出了他们的预期。我们当时认为，原生AI工作室会接管市场，而传统IP持有者会被淘汰。但今年夏天，情况发生了变化——我们与很多好莱坞的关键参与者进行了交流，发现他们开始认真对待生成式媒体。 我们最近举行了第一次生成式媒体会议，梦工厂前首席执行官杰弗里·卡岑伯格也出席了会议。他做了一个很好的类比：动画刚出现时，人们反对它（因为之前都是手绘）；计算机图形技术出现时，人们也反对计算机驱动的动画。现在AI面临的情况与此非常相似，但技术的发展是无法阻挡的——你要么参与其中，要么被淘汰。 目前，很多现有IP持有者都在认真对待生成式媒体。至少在中期来看，他们的定位非常有利：他们有对这项技术感兴趣的技术人才，有强大的IP储备，还有讲故事和电影制作的专业能力。虽然电影制作的成本仍然很高（AI可能会降低一些成本，但中期内仍然昂贵），但这些懂电影制作、拥有IP、擅长讲故事的高技术人才，将在AI生态系统中发挥重要作用。 Sonya Huang： 当内容生成变得无限时，有限的东西反而会更有价值。对于我们这些看着《恐龙战队》（Power Rangers）、电子宠物（Meal Pets）长大的人来说，怀旧元素和有限的IP供应会引起强烈的共鸣。 Pat Grady： 反过来也是如此。 Gorkem Yurtseven： 确实有很多新的IP涌现——比如我们见过一些意大利稀有角色的小玩具，这些角色没有IP，没有人拥有它们，完全是互联网社区通过AI生成的。当内容生成的成本降低，各种变体层出不穷，一些受人们喜爱的内容会流行起来，成为时代精神的一部分。所以，两种情况都会发生：现有IP的价值会提升，新的AI生成IP也会崛起。 Sonya Huang： 说得对。相关的一个问题