" 我真的为此流过泪，不止一次。" 提到 OpenAI 发布 GPT3.5 时，一览科技创始人罗江春，内心流露出复杂情感。" 我们难道不努力吗？不聪明吗？我们也一样工作到凌晨两点，为什么中国没有诞生 OpenAI 这样的公司？。"
一个客观的现实是：国内做大模型，太烧钱了。" 即便融了几十亿元，在 AI 基础设施建设中也远远不够。"
因此，作为创业公司，聚焦应用是更好的选择。
然而，关键的问题是：AI 应用赛道千千万，哪些最能跑出百亿美金独角兽？罗江春的答案是：视频应该是 TOP5 的选择。
这也是一览科技的主攻方向。罗江春在视频行业深耕 20 年：2005 年创办风行网，开创中国互联网高清视频产业，拥有清华机械工程和企业管理双学士学位，1997 年— 2000 年于美国莱斯大学就读人工智能与机器人专业。
访谈中，罗江春提出了多个 AI 机会赛道：
1、AI 视频（To B）将成为水电煤。
视频正从娱乐载体蜕变为商业基础设施：尤其是在获客、促活和增收上，正成为企业刚需。
比如，银行需日均百条 " 种草视频 " 促活用户，电商依赖 AI 生成海量营销内容，传统三天制作一条视频的产能被 AI 提升至 " 日均百条级 "。
2、AI 视频（ToB）仍依赖人的参与，并且该局面会持续数年。
客户不在乎工具，只在乎最终结果。TOB 场景下，对 AI 的要求更高，必须有人工干预。AI 生成数百个初稿后，专业团队筛选优化（如精修图片、重写脚本），最后多轮审核交付。
3、垂直 Agent 是唯一机会：对抗大厂垄断的护城河。
通用 AI Agent 会被大厂收割，但法律、审计等垂直 Agent 依托专业语料库和闭环数据，有很好的创业机会。
4、AI 不是移动互联网的延续，而是代际变革。
AI 的影响比互联网更深远。AI 的诞生更像电的发明，是一个底层基础设施级别的变化，是代际影响。
声明：访谈对象已确认文章信息真实无误，铅笔道愿为其内容做信任背书。
01 AIGC：TO B 是否有未来？
铅笔道：什么时候开始关注 AIGC 的（AI 生成内容）？
罗江春： 我们提这个概念时大模型还没流行。
2018 年我们提 RGC 概念（从 PGC、UGC 到 RGC），当时叫 " 机器生产内容 "，和现在的 AIGC 是一个意思。
记得当时在乌镇互联网大会上我就提了这个，只是那时没有大模型，做法比较原始：抽取视频素材标记，人写脚本后混剪配音，形成 RGC 雏形。
我们现在的业务是：AI+ 视频。我觉得，未来视频会像水电一样成为基础需求。
铅笔道：你们主要做 TO B 业务（商用）？
罗江春： 对，我们其实是把 " 内容 " 这件事做了进一步的升级：从 toC 转向商用。
就像我当年做风行的时候，更多是在做娱乐内容。现在像抖音、快手、优酷、爱奇艺这些平台，大家刷的也还是娱乐内容。
那我们往前走了一步，我们看到的是 " 商用内容 " 或者叫 " 商业内容 "。
为什么这么说？过去 20 年，内容的主要功能是提供娱乐。但是我们看到一个核心趋势是：视频越来越 " 工具化 "，它的 " 使用属性 " 和 " 功能属性 " 开始被强化了。
就比如卖货。我们服务了很多大的电商平台，他们用视频不是为了娱乐，而是为了 " 种草 "，激发消费者的购买需求。这就不是 " 娱乐 " 的用途了，是有非常明确的目的。
还有银行客户，他们做视频是为了提升用户活跃度，比如让信用卡用户不仅是每个月打开 APP 还款一次，而是通过视频延长用户使用时长，增加粘性。
所以，视频作为一个 " 内容载体 "，它的使用场景越来越多，不再局限于娱乐，而是广泛走向商用。
这也是我们提出 " 让视频像水和电一样 " 的原因。视频服务应该成为所有企业客户的基础设施。
02 AI 不是 " 新互联网 "，而是 " 代际变革 "
铅笔道： 您 2018 年提出 AIGC（RGC）概念，这是个怎样特殊的年份？当时 OpenAI 成立才两三年，这对您有影响吗，还是说国内已经有了相关的发展土壤？
罗江春： 其实没有。那时我根本不知道 OpenAI，差不多到 2021 年才开始关注它的 GPT 1.0、2.0 版本。
2015 年前后，大家更关注的是 AlphaGo 和 DeepMind。
OpenAI 当时并不在大多数 AI 从业者的视野里，Meta（Facebook）的 Torch 和 Google 的 TensoFlow 等框架等才是我们关注的重点。
当时投资圈还在追逐 "AI 四小龙 "，像云从、商汤那一波，其实跟我们当时做的视频理解也很像。
我们用 AI 打标签，也主要用图像识别、语音识别（STT）这类技术，我们能用这些技术来做视频理解，也是因为它们当时已经相对成熟了，我们不可能从头去开发所有底层技术。
铅笔道： 有人判断 AI 时代的下一个 " 字节跳动 "，可能于视频领域有关。你对这个判断怎么看？
罗江春： 不一定是视频，虽然视频领域肯定很大，但未必是最大的。前五应该有可能。
铅笔道： 除了视频，你觉得还有哪几个方向？
罗江春： 核心要回归到 AI 到底改变了什么。 它改变视频内容生产方式只是一方面，可能我们现在都身处其中，像在森林里，还没跳出来看未来的全貌。
很多人想在科技史里找一个能和 AI 类比的技术革命，而我觉得 AI 可能像 " 电 "。发明电之前，大家点油灯蜡烛，发明电以后更在电普及后，城市的夜晚才能灯火通明，生活的时间和空间无限拉长。
AI 的影响可能比互联网领域的类比更深远，它是一个底层基础设施级别的变化，并且是代际影响。 比如刚开始觉得它像互联网，但进入工业领域后，它更像 " 电 "，对生活是代际的影响，不是简单延续 PC 互联网、移动互联网到 AI 互联网的逻辑。
很多人把 AI 类比成移动互联网或 PC 互联网那样的替代技术，其实这样的类比，把价值看小了。
03 国产大模型：遗憾、务实与加速追赶
铅笔道： 你在 2021 年就开始关注 OpenAI 了，其实已经很早了，毕竟大多数人是 2022 年才开始接触。
罗江春： 这可能也跟我的专业背景有关系。我是正经科班出身，在美国留学的时候读的就是 AI 和机器人（Robotics）专业。我们有一个圈子，一群人经常会讨论 AI 和人工智能的话题。所以 OpenAI、GPT 这些概念，其实很早就在我们内部流传开了。
铅笔道： 那你第一次听到 OpenAI 的时候印象是什么？
罗江春： 我当时的印象是，这家公司选择了一条完全不同的路线（Transformer）。
当时我们也不知道他们能否成功。他们要花几十亿美金堆 GPU，作为创业公司，这种不计成本的投入胆子太大了，而且还能找到投资。
说实话，我为这件事特别感慨。中国没有这样的土壤。要是我想拿几万张显卡堆算力，谁会给我几十亿美金？在一无所有的时候，没人敢支持你。
我真的为此哭过好几次。我们难道不努力吗？不聪明吗？没有工作到凌晨两点吗？关键就是土壤问题，中国确实缺乏这样的环境。
其实如果有资金支持，土壤成熟，中国人也能跟随并做出 OpenAI 这样的公司，当时已经隐隐有这种感觉了。
客观且从专业角度讲，我们 "follow" 别人是没问题的。 比如哥伦布发现美洲大陆后，第二个人再走就容易了，中国人很擅长这个。这不仅是任正非先生这么说，也是产业里的现实。
让我们去引领新技术革命，指出方向，这和基础科学、教育等很多因素相关。
比如现在的应试教育，AI 来了之后，我都不知道怎么教育孩子了：还要不要刷题？刷题有意义吗？我经常让孩子遇到不会的题就拍照问 " 豆包 "，让他学会用工具。
我们现在的教育体系不鼓励钻研基础科学，也不鼓励质疑，缺乏批判和自我批判精神，而颠覆式创新正需要这些。
铅笔道： 您刚才提到的遗憾从何而来？现在释怀了么？
罗江春： 当然还遗憾，非常遗憾！当 GPT-3.5 真正出来并使用时，第一次用的感受和现在不同。当时感觉像在和 "God" 对话，它无所不知。尤其是 ChatGPT 推出后，这是跨时代的产品。
铅笔道： 这有没有让您对技术路线产生犹豫？比如 2021 年看到 OpenAI 时，是否决定开始准备做大模型？
罗江春：我们一直没做大模型。作为创业公司，我们缺乏土壤。即便融了几十亿元，在 AI 基础设施建设中也远远不够。
所以我们坚定聚焦应用层，不跟风底层大模型的研发。中国缺乏做大模型的广泛土壤，底层大模型最终会是 BAT 等大厂的主场。
铅笔道：2022 年 GPT 爆火后，国内资本是很动心的，你没动过心吗？
罗江春： 我和美元基金的负责人很熟，他们投资时也很犹豫。大家心态普遍是：第一怕错过机会，第二怕投错项目，第三怕投的项目没有下一轮融资。
我们其实没动过心，我们就是做应用的。
讲个小笑话，从 2023 年 1 月到 7 月，我一直在坚持读大模型的论文。但有一天我突然发现，我读不过来了，他们出论文的速度比我读的速度快，节奏确实太快了。这些做大模型的兄弟们，他们像是站在天上看世界。他们一天的成果，普通人可能要用一年才能实现。
铅笔道：既然已经那么坚定只做 " 应用层 "，那还遗憾什么？
罗江春： 我遗憾的是 GPT 没出现在中国。改革开放以来，中国在 PC 互联网、移动互联网领域都有对标美国的公司，但 AI 时代来临前，我们没有一家能引领代际变革的公司，这很遗憾。
铅笔道：对于公司而言，站在巨人的肩膀上（AI 底层技术），是不是也是一件开心的事。
罗江春： 我们这一代人很幸运，经历了 PC 互联网、移动互联网，现在又遇上了 AI 的崛起。它确实把我们抬到了一个新的高度。
像我们原来做 RGC，有很多东西做不了，现在有了 AIGC、大模型作为底座，特别是视频大模型、多模态大模型，这些事情都能做了。我们是看得很清晰的。
铅笔道： 大模型出现后，对公司的战略有什么具体影响和变化吗？
罗江春： 更加坚定地做内容，也更坚定目前的方向。整体战略方向不变（AI + 视频 + TO B），但会把 AI 渗透到各个环节中。
04 AI+ 视频 +toB=？
铅笔道：在视频生成内容的质量提升上，哪些技术生态对您影响最大？
罗江春： 视频可拆分为三个要素：脚本、素材、剪辑加后期（含音效）。
目前有两种技术路线：一种是像 Runway 或即梦那样，输入创意直接生成视频，但效果不稳定、与预期偏差大，不过在特定场景下有改进空间；
另一种是我们推崇的。拆分环节，脚本、素材、混剪独立处理，素材不足时可生成，再用 AI 混剪。特别是脚本这个环节，我们认为必须要有人为干预。
如果完全不干预，让 AI 直接从一个 idea 生成完整视频，中间会出现很多不可控的问题，最后出来的东西跟你想要的完全不一样。
但是目前 AI 还没强大到 " 一念即得 "，即使是 GPT、豆包等大模型，回答问题时也是基于搜索和推理，输入与输出常存在偏差。所以本质是智能程度还不够，无法一站式生成满足用户需求的内容。
现在的 AI 更像 " 辅助驾驶 "，而非 " 自动驾驶 "，其实还差得远。
这是为什么现在大家对 Agent（智能体）这么感兴趣，就是 AI 来扮演一个 Agent 的角色，帮助你完成任务，而不是替代你来做。
铅笔道：对你们来说，AI 提升了几倍的人效？
罗江春： 我们希望是 " 两个数量级以上 " 的提升，才算真正达到预期。
比如说以前一个客户的项目，一条两三分钟的视频，质量要求比较高，那很正常是三天做一条，要好几个人一起搞。
现在我们工业化拆解完流程后，三天可以搞 100 条、200 条都没问题。 能做到这些的前提是：我们做了很多 " 储备 " 和 " 质量控制 " 的工作。
铅笔道： 从用户角度看，用通用大模型写脚本，和用你们的自研产品，有什么技术上的差别？这属于哪种类型的技术壁垒？
罗江春： 差异非常明显。关键在于，我们的内容创作是 " 命题作文 "。客户有明确需求，我们为每个客户定制工作流，这是自研的，其他软件无法替代。
我们从一开始就强调 " 有四个有 "：有场景、有数据、有用户、有产业链。
第一，" 场景 " 是真实的客户需求；第二，" 数据 "，我们长期积累了大量素材和客户数据；第三，" 技术 " 是我们的核心能力，而且这种技术能力随着客户案例和数据的积累呈螺旋式增长。它不是一下形成的，是越做门槛越高；第四，" 产业链 " 让你的技术能有充分发挥的空间，一旦形成闭环，别人很难竞争
铅笔道： 你们是什么时候正式接入大模型技术的？
罗江春：从 2022 年底 GPT 出来开始，我们应该是国内最早一批接入的。那个时候很多人还没反应过来，我们已经上线工具了。
铅笔道：你们引入 AI 大模型后，客户的反馈怎么样？他们知道吗？有感知吗？
罗江春：这里有个过程。其实我们在 2023 年已经开始推 AIGC 工具，我们推出了 " 运营宝 "，里面有 AI 编剧、AI 绘图、各种 AI 工作流。最初是想赋能创作者（To C 或 To 小 B）。
后来我们很快发现一个问题：客户要的是 " 结果 "，而不是工具。他不关心你怎么做菜，只在乎你有没有做出他想要的那道菜。我们很快转向用 AI" 做交付 " ——直接服务客户，而不是做工具。
其实现在大家流行说的 RaaS（Result as a Service），我们 2023 年就在这么干了，比大家早了差不多两年。 AI 刚出现时，结果的可靠性存疑，在 TO B 场景下，对 AI 的要求更高，必须有人工干预。
05 TO B 视频怎么赚钱？
铅笔道： 所以 To B 类客户，其实对 AI 的 " 智慧程度 " 要求更高？
罗江春：当然，所以人是必须介入的。Agent 也不是完全替代人类，而是辅助人类做事。
客户更关注结果。这些客户用内容是为了达成后续目标，比如电商客户会关注转化率、消费数据；大公司（银行、手机厂商、平台）的 KPI 很严格，内容必须帮他们完成指标。
铅笔道：具体说说，你们是怎么用 AI 服务 toB 客户的？
罗江春： 我们用 AI 生产内容时，一定有人工介入，并非全流程自动化。 比如客户需要一张图片，AI 可能生成几百张，我们会安排专业人员从中挑选并精修，用擦除、重绘等工具优化，经过多轮审核后才交付。
AI 提升效率的核心在于处理重复性工作。 比如过去用 PS 做一张图需要半天甚至更久，现在 AI 生成几百张，人只需半小时筛选，再局部优化，效率能大幅提升。
就像写文档时，会先用 " 豆包 " 生成初稿，再自己审核修改。AI 的价值在于辅助人做筛选、评判，而非替代人。所以人与大模型交互时，人的专业水平越高，结果越好。
铅笔道：TO B 的 AI 视频交付中，AI 最适合做哪些工作？
罗江春： AI 擅长补人类的短板，比如处理重复性、标准化的工作。以前剪辑需要训练三个月工具操作，现在 AI 能简化流程，让编导直接判断内容是否可行，无需依赖剪辑师。
AI 就像 " 辅助驾驶 "，帮人提升效率，而非替代人做创意决策。这和机器人行业的逻辑类似，让机器做人类不愿做、不擅长或不能做的事。我们把 AI 定位为辅助者。
铅笔道：你认为这种模式是短期现象还是长期趋势？
罗江春：AI 的进化速度不是匀速的。
我听过一位头部券商的分析师的观点。AI 目前之所以爆发，是因为 " 吃完 " 了互联网上积累的大量数据，当新增高质量数据有限时，其进化速度会放缓。这个观点很有道理。
从生物和哲学角度看，当前 AI 的能耗模式一定是低效的。 人脑每天消耗约 400 大卡能量，而一个数据中心的 GPU 能耗远超于此。
未来芯片技术可能优化算力效率，但短期内很难颠覆现有模式。
所以，在未来三到五年内，不太可能出现 " 念头一动就生成理想视频 " 的颠覆性技术。 TO B 的 AI 视频交付模式至少能稳定 3-5 年。
铅笔道：TO B 视频主要用于市场营销吗？
罗江春：不止。客户既会用于公域获客，也更看重私域流量（如 APP 内的内容运营）。比如信用卡客户每天可能需要 100 条种草视频，关联商城或理财产品，这比传统 TVC 的需求量大得多。
铅笔道：按市场规模看，哪些行业需求更大？
罗江春：我们专注服务大客户，因为内容是非标品，服务大小客户的售前成本相近，做大客户更高效。
但国内市场存在 " 内卷 " 问题：大客户常要求降价或增加服务内容，利润空间被压缩，而欧美客户更注重契约精神，付款流程规范。核心围绕 " 拉新、促活、留存、增收 " 四个目标。
我们更倾向服务互联网大平台客户，因为他们的内容需求量大且持续，而硬科技行业（如半导体）对视频内容的需求较少。
铅笔道：有没有可能未来服务中小企业？比如做一家平台型公司。
罗江春：我们其实一开始是服务中小客户的，后来才聚焦到大平台和重要客户。
在 2018-2019 年服务中小客户时，他们对内容的需求并非刚需，拓展起来很困难。而且服务中小客户和大客户的获客成本差不多。
在国内 TOB 领域，想找到低成本获客的方法服务小 B 客户很难。我们尝试过很多方法，最后发现还是得靠销售。
长期来看，这种情况可能更 " 糟糕 "。很多中小客户对内容的需求，可能会逐步转向抖音、快手、视频号这些平台。内容会更偏向于平台运营。
06 未来的百亿美金机会
铅笔道：在 AI 领域，TO B 和 TO C 的生态是隔离的，还是相互交融的？
罗江春：我觉得是分不开的。底层技术是一样的。
比如我们公司来看，产能非常重要。如果未来某个时间点我们一天能生产 100 万条图文、100 万条视频，那时我们想做 C 端会很容易。所以生态是融合的。
铅笔道：这个行业的竞争格局如何？是不是很混乱？
罗江春：挺混乱的。不只是客户在卷，供应商之间也很卷。行业里进进出出的人很多。有些角色刚进来，觉得这个领域不错，但实际操作后发现比想象中困难，就退出了。
我们遇到过很多竞争对手，名字都没听说过，也有很多大公司参与。玩家很多，但没有出现占据绝对份额的玩家。
铅笔道：AI 视频这个赛道，除了你们公司，还有哪些细分方向值得关注？有没有可能出现百亿美金级别的公司？
罗江春：我认为工具类产品一定有机会，尤其是工具加大模型的模式。但这种机会很容易被大厂吃掉。因为这种模式本质上依赖场景、数据、技术、资金和用户，而大厂基本什么都有。
比如抖音的剪映，为什么能成功？因为每天有无数用户在用，内容不断生成，语料库可以不断扩展。其他大模型想 PK 根本竞争不了，进化速度跟不上。
所以如果工具加上大模型底座，确实有机会成为百亿美金的公司，但很可能红利属于大厂。
铅笔道：创业者通过深耕垂直产品（比如非主流应用），机会也很小？
罗江春：这种路径周期太长了。其实大厂不是看不上，而是产品经理可能暂时没想到。一旦他们意识到，很容易将功能集成到超级 APP 里。
铅笔道：除了工具，智能体（Agent）领域您怎么看？现在很多人做数字员工，TOB 和 TOC 哪个更有机会？
罗江春：对创业公司来说，TOB 的智能体更容易切入和生存，但能否做大是个问题。通用型 Agent 大概率会被大厂垄断。
但垂直领域的 Agent 有机会，比如法律、审计等专业场景，像律师顾问、审计工具，只要有专业语料和数据库支撑，就能收费。
可是这类业务难在规模化，获客和竞争都是问题。TO C 的 agent 我觉得是和 " 内容 " 相关的。可能是游戏、互动、陪伴这些方向，但一定和内容挂钩。
铅笔道：您看好人形机器人吗？为什么一定要做成 " 人形 "？
罗江春：我只看好人形机器人。因为物理世界的设施大多为人设计，比如工厂拧螺丝的工位，人形机器人最容易适配，这是取代人类工作的关键。
来源：铅笔道
