AGI 2024特辑01 | 对话爱诗科技王长虎：AI创业不做平台，是因为不想吗？
2024/8/21
AI局内人 | AGI Insider
王
王长虎
王长虎：爱诗科技成立于2023年4月，比Sora早一年进入视频生成赛道，当时该赛道尚属非共识。Pixverse产品于今年1月上线，用户量已突破百万。在字节跳动的工作经历为我带来了宝贵的创业经验、技术能力和价值观，也让我坚信创业应选择非共识但正确的事。选择创业是因为大厂难以专注于非共识项目，创业公司更有机会抓住时代浪潮。视频生成赛道与语言模型不同，视频内容更复杂、更贴近用户，商业化潜力更大。视频生成的数据量巨大，关键在于如何找到高质量数据并进行有效标注和建模，最终实现用户友好型产品。字节的经验在技术层面可以继承，但在产品层面，AIGC时代的产品经理需要更敏锐地了解技术发展，并以此挖掘新的需求。爱诗科技的产品理念是技术普惠，并通过与用户互动迭代产品功能，例如Magic Brush功能的开发。筛选AIGC时代优秀产品经理的三个问题：能否对现有AI产品提出模型层面的优化建议；能否准确把握行业动态并理解技术创新；能否亲身实践并对AI技术有深入理解。视频生成赛道在达到GPT时刻前，技术至关重要；之后，产品将成为决胜关键。AIGC时代存在平台级机会，但其形态并非预设，而是需要通过迭代发展逐渐显现。
张鹏：就视频生成赛道、爱诗科技发展历程、产品理念、团队建设等方面与王长虎进行了深入探讨，并对AIGC时代的产品经理能力提出了独到的见解。
Deep Dive
为什么爱诗科技能提前预判视频生成的机会？
爱诗科技创始人王长虎认为，视频生成虽然当时是非共识的领域，但他们坚信这是正确的事情。他们基于对视觉内容和语言内容本质差异的理解，预见到视频生成将成为一个重要的赛道。视觉内容是原生的、未经压缩的，而语言是高度抽象的，视频生成需要对世界进行建模，难度更大，但也更贴近用户，商业化潜力更大。
视频生成赛道与语言模型有何不同？
视频生成与语言模型有本质区别。语言是人类对世界的高度抽象化表达，而视觉内容是原生的、未经压缩的。视频生成需要对三维空间进行建模，还原物理规律，难度更大。此外，视频更贴近用户，商业化潜力更大，尤其是在移动互联网时代，视频内容的需求和消费是不可逆的趋势。
如何找到高质量的视频数据用于模型训练？
视频数据量巨大，每天都有数以亿计的视频被创造出来，但关键在于如何从海量数据中找到高质量、能解决用户痛点的数据。爱诗科技利用AI能力，结合多模态语言模型对视频进行标注，帮助筛选出高质量数据。同时，视频模型需要进行极致的压缩建模，并在生成时进行无损还原，这对技术提出了更高的要求。
爱诗科技的产品PixVerse如何实现用户增长？
PixVerse于2024年1月上线，支持文生视频、图生视频等功能，用户量已突破百万。爱诗科技通过社区产品（如Discord）吸引早期用户，积累口碑，随后推出Web UI，逐步扩大用户群体。他们还通过用户反馈不断优化产品，如引入图生视频功能，提升生成效率，最终目标是让普通用户也能轻松使用视频生成技术。
视频生成赛道的未来终局是工具还是平台？
王长虎认为，视频生成的终局可能是平台性机会。AIGC时代，内容生产从UGC向AIGC升级，视频生成效率大幅提升，未来需要大平台来承接这些内容和流量。此外，人与内容的交互方式也将发生巨大变化，实时视频生成将打破生产和消费的界限，带来全新的交互体验。平台性机会不是设计出来的，而是通过迭代发展逐渐形成的。
本节回顾了王长虎在字节跳动的经历，以及他为何选择在这个时间点创业。他分享了在字节跳动期间的收获，包括对创业的理解、技术层面的积累和价值观的塑造，并解释了离开大厂的原因：大厂难以全力投入非共识项目，创业公司有更多机会创造伟大的产品，以及对AGI时代浪潮的把握。
- 王长虎于2017年加入字节跳动，参与了抖音等产品的AI技术研发。
- 他认为创业应专注于非共识但正确的方向。
- 字节跳动的价值观和文化对他产生了深远的影响。
- 他选择创业的原因包括大厂的限制、创业公司在创造颠覆性产品方面的优势以及对AGI时代浪潮的把握。
Shownotes Transcript