" 我真的為此流過淚，不止一次。" 提到 OpenAI 發布 GPT3.5 時，一覽科技創始人羅江春，內心流露出復雜情感。" 我們難道不努力嗎？不聰明嗎？我們也一樣工作到凌晨兩點，為什么中國沒有誕生 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：視頻應該是 TOP5 的選擇。
這也是一覽科技的主攻方向。羅江春在視頻行業深耕 20 年：2005 年創辦風行網，開創中國互聯網高清視頻產業，擁有清華機械工程和企業管理雙學士學位，1997 年— 2000 年于美國萊斯大學就讀人工智能與機器人專業。
訪談中，羅江春提出了多個 AI 機會賽道：
1、AI 視頻（To B）將成為水電煤。
視頻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 " 種草視頻 " 促活用戶，電商依賴 AI 生成海量營銷內容，傳統三天制作一條視頻的產能被 AI 提升至 " 日均百條級 "。
2、AI 視頻（ToB）仍依賴人的參與，并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 生成數百個初稿后，專業團隊篩選優化（如精修圖片、重寫腳本），最后多輪審核交付。
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 依托專業語料庫和閉環數據，有很好的創業機會。
4、AI 不是移動互聯網的延續，而是代際變革。
AI 的影響比互聯網更深遠。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。
聲明：訪談對象已確認文章信息真實無誤，鉛筆道愿為其內容做信任背書。
01 AIGC：TO B 是否有未來？
鉛筆道：什么時候開始關注 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。
記得當時在烏鎮互聯網大會上我就提了這個，只是那時沒有大模型，做法比較原始：抽取視頻素材標記，人寫腳本后混剪配音，形成 RGC 雛形。
我們現在的業務是：AI+ 視頻。我覺得，未來視頻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 "。
為什么這么說？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：視頻越來越 " 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，他們用視頻不是為了娛樂，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，他們做視頻是為了提升用戶活躍度，比如讓信用卡用戶不僅是每個月打開 APP 還款一次，而是通過視頻延長用戶使用時長，增加粘性。
所以，視頻作為一個 " 內容載體 "，它的使用場景越來越多，不再局限于娛樂，而是廣泛走向商用。
這也是我們提出 " 讓視頻像水和電一樣 " 的原因。視頻服務應該成為所有企業客戶的基礎設施。
02 AI 不是 " 新互聯網 "，而是 " 代際變革 "
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 年前后，大家更關注的是 AlphaGo 和 DeepMind。
OpenAI 當時并不在大多數 AI 從業者的視野里，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 "，像云從、商湯那一波，其實跟我們當時做的視頻理解也很像。
我們用 AI 打標簽，也主要用圖像識別、語音識別（STT）這類技術，我們能用這些技術來做視頻理解，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 "，可能于視頻領域有關。你對這個判斷怎么看？
羅江春： 不一定是視頻，雖然視頻領域肯定很大，但未必是最大的。前五應該有可能。
鉛筆道： 除了視頻，你覺得還有哪幾個方向？
羅江春： 核心要回歸到 AI 到底改變了什么。 它改變視頻內容生產方式只是一方面，可能我們現在都身處其中，像在森林里，還沒跳出來看未來的全貌。
很多人想在科技史里找一個能和 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，發明電以后更在電普及后，城市的夜晚才能燈火通明，生活的時間和空間無限拉長。
AI 的影響可能比互聯網領域的類比更深遠，它是一個底層基礎設施級別的變化，并且是代際影響。 比如剛開始覺得它像互聯網，但進入工業領域后，它更像 " 電 "，對生活是代際的影響，不是簡單延續 PC 互聯網、移動互聯網到 AI 互聯網的邏輯。
很多人把 AI 類比成移動互聯網或 PC 互聯網那樣的替代技術，其實這樣的類比，把價值看小了。
03 國產大模型：遺憾、務實與加速追趕
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系。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 和人工智能的話題。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 的時候印象是什么？
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，沒人敢支持你。
我真的為此哭過好幾次。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。
其實如果有資金支持，土壤成熟，中國人也能跟隨并做出 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后，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么說，也是產業里的現實。
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 來了之后，我都不知道怎么教育孩子了：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鉆研基礎科學，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？現在釋懷了么？
羅江春： 當然還遺憾，非常遺憾！當 GPT-3.5 真正出來并使用時，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 推出后，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 爆火后，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，第二怕投錯項目，第三怕投的項目沒有下一輪融資。
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：既然已經那么堅定只做 " 應用層 "，那還遺憾什么？
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 互聯網、移動互聯網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：對于公司而言，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 互聯網、移動互聯網，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，特別是視頻大模型、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： 大模型出現后，對公司的戰略有什么具體影響和變化嗎？
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 + 視頻 + TO B），但會把 AI 滲透到各個環節中。
04 AI+ 視頻 +toB=？
鉛筆道：在視頻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： 視頻可拆分為三個要素：腳本、素材、剪輯加后期（含音效）。
目前有兩種技術路線：一種是像 Runway 或即夢那樣，輸入創意直接生成視頻，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，腳本、素材、混剪獨立處理，素材不足時可生成，再用 AI 混剪。特別是腳本這個環節，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 生成完整視頻，中間會出現很多不可控的問題，最后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，回答問題時也是基于搜索和推理，輸入與輸出常存在偏差。所以本質是智能程度還不夠，無法一站式生成滿足用戶需求的內容。
現在的 AI 更像 " 輔助駕駛 "，而非 " 自動駕駛 "，其實還差得遠。
這是為什么現在大家對 Agent（智能體）這么感興趣，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項目，一條兩三分鐘的視頻，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后，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： 從用戶角度看，用通用大模型寫腳本，和用你們的自研產品，有什么技術上的差別？這屬于哪種類型的技術壁壘？
羅江春： 差異非常明顯。關鍵在于，我們的內容創作是 " 命題作文 "。客戶有明確需求，我們為每個客戶定制工作流，這是自研的，其他軟件無法替代。
我們從一開始就強調 " 有四個有 "：有場景、有數據、有用戶、有產業鏈。
第一，" 場景 " 是真實的客戶需求；第二，" 數據 "，我們長期積累了大量素材和客戶數據；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數據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： 你們是什么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 大模型后，客戶的反饋怎么樣？他們知道嗎？有感知嗎？
羅江春：這里有個過程。其實我們在 2023 年已經開始推 AIGC 工具，我們推出了 " 運營寶 "，里面有 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）。
后來我們很快發現一個問題：客戶要的是 " 結果 "，而不是工具。他不關心你怎么做菜，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 年就在這么干了，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 TO B 視頻怎么賺錢？
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后續目標，比如電商客戶會關注轉化率、消費數據；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，你們是怎么用 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，并非全流程自動化。 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并精修，用擦除、重繪等工具優化，經過多輪審核后才交付。
AI 提升效率的核心在于處理重復性工作。 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，再局部優化，效率能大幅提升。
就像寫文檔時，會先用 " 豆包 " 生成初稿，再自己審核修改。AI 的價值在于輔助人做篩選、評判，而非替代人。所以人與大模型交互時，人的專業水平越高，結果越好。
鉛筆道：TO B 的 AI 視頻交付中，AI 最適合做哪些工作？
羅江春： AI 擅長補人類的短板，比如處理重復性、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，讓機器做人類不愿做、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 " 了互聯網上積累的大量數據，當新增高質量數據有限時，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 能耗遠超于此。
未來芯片技術可能優化算力效率，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視頻 " 的顛覆性技術。 TO B 的 AI 視頻交付模式至少能穩定 3-5 年。
鉛筆道：TO B 視頻主要用于市場營銷嗎？
羅江春：不止。客戶既會用于公域獲客，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 條種草視頻，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，付款流程規范。核心圍繞 " 拉新、促活、留存、增收 " 四個目標。
我們更傾向服務互聯網大平臺客戶，因為他們的內容需求量大且持續，而硬科技行業（如半導體）對視頻內容的需求較少。
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，后來才聚焦到大平臺和重要客戶。
在 2018-2019 年服務中小客戶時，他們對內容的需求并非剛需，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，最后發現還是得靠銷售。
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、視頻號這些平臺。內容會更偏向于平臺運營。
06 未來的百億美金機會
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 萬條視頻，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。行業里進進出出的人很多。有些角色剛進來，覺得這個領域不錯，但實際操作后發現比想象中困難，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，但沒有出現占據絕對份額的玩家。
鉛筆道：AI 視頻這個賽道，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、數據、技術、資金和用戶，而大廠基本什么都有。
比如抖音的剪映，為什么能成功？因為每天有無數用戶在用，內容不斷生成，語料庫可以不斷擴展。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，但很可能紅利屬于大廠。
鉛筆道：創業者通過深耕垂直產品（比如非主流應用），機會也很小？
羅江春：這種路徑周期太長了。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，很容易將功能集成到超級 APP 里。
鉛筆道：除了工具，智能體（Agent）領域您怎么看？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 的智能體更容易切入和生存，但能否做大是個問題。通用型 Agent 大概率會被大廠壟斷。
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，只要有專業語料和數據庫支撐，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。可能是游戲、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？為什么一定要做成 " 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。
來源：鉛筆道
