1. 剪映系创业者受瞩目什么样画像的AI创业者会饱受瞩目不同投资人心里或许有不同的答案但其中一个答案一定是剪映系。陈冕Lovart、LibTV等热门创作工具的缔造者明超平AI Coding社区YouWare的创始人2025年一级市场最火的95后闹闹其打造的AI视频创作工具OiiOii被高瓴、锦秋投资。他们履历的共同点是曾在剪映、CapCut团队——参与过这两款过亿日活产品的打磨这让投资人有理由相信这群“剪映系”创业者了解用户、有产品审美更可能在这波AI浪潮中押中消费级的机会。2. 郭列的创业历程但很长一段时间内“剪映系”真正的起点郭列隐身在2022年起的AI浪潮中。作为脸萌、FaceU的创始人他曾做出中国移动互联网时代最成功的一批C端工具产品。2018年脸萌团队以约3亿美元的价格被字节收购。此后郭列开始负责字节影像业务参与孵化了剪映、CapCut、醒图、轻颜等一系列产品。2022年他又成立了自己的游戏公司“船岛游戏”。但两年后结束游戏创业的郭列消失在了大众视野中。直到2025年10月一个名为Flova.ai的视频创作Agent在全球上线。3. Flova的特点这款视频创作Agent整体使用逻辑与市面上大多工具类似通过对话让封装了不同能力的Agents完成脚本创作、角色设计、分镜设计、成片生成和编辑的工作。但Flova又有些不同。比如它没有采用最主流的画布形态让用户自由创建节点再比如多名Flova的早期用户反馈Flova的“记性”和语义理解在同类产品中非常突出“创作十几集后还能记住第一集的某个分镜”。4. 产品设计思考在“闭关”近一年的时间里郭列和团队思考的最多的一件事是怎么同时为人和Agent设计产品“做脸萌、剪映我只需要思考怎么让人觉得好用。但AI时代你必须要给Agent提供足够灵活的容器。”他表示。这个命题天生带有矛盾感人类用户需要一个能支持创意无限发散的空间但想要最大程度发挥Agent的智能Context又要足够有序、结构化。最终团队的答案是将产品容器设置成一个可以自由切换视图的工作面板。在“对话”区用户通过自然语言对Agent发出指令也就是让Agent接收Context而Agent执行操作的过程会直接呈现在“故事板”区上。一旦有新想法用户可以随时打断、调整Agent的工作流每一步的视觉效果会出现在“预览”区。5. 融资情况与理念创业后的很长一段时间内郭列拒绝了很多投资人抛来的TS投资条款。成立至今Flova完成了由红杉中国、IDG、云九资本的两轮融资总金额为8000万美金 ——其中IDG和云九还是脸萌的老股东。在如今普遍追求“大额融资”、“滚动融资”的氛围里这个数字称得上克制。郭列给出的理由是对于一个Agent产品而言8000万美元已经足够。真正重要的是产品、增长和商业循环而不是账户上的现金数字。6. 郭列的转变与理念郭列一直是个感性的人。他是《海贼王》的20年老粉、影视发烧友创业和组建团队“凭兴趣”、“看缘分”。10多年来这份感性也一直驱使他不断做出有趣的图像、视频创作工具。但和10年前不同的是如今的郭列变得更加理性。脸萌并入字节后他形容自己在“补课”——体系化地学习如何做A/B Test做团队管理做增长和商业化。互联网时代的辉煌已经过去。站在AI的新战场上郭列需要像新手一样重新理解人、理解Agent。他并不在意自己做的是共识还是非共识——最终所有决策都会用科学的观测结果来说话。7. 对话从脸萌、剪映到Flova近期有关如何同时为人和Agent做产品、如何与“字节们”竞争与Flova团队聊了聊。以下是与Flova创始人兼CEO郭列、增长和商业化负责人瑞瑞尔、Agent产品负责人唐果的对话智能涌现你之前做过很多成功产品。现在创业会有延续成功的压力吗郭列其实没啥压力。这种感受有点像参加世界杯不管你这届有没有夺冠下届照样得参加。你参加的原因还是对踢球感兴趣。Flova是我喜欢的方向我享受创业远大于感受到的压力。智能涌现驱动你一直做产品的动力是什么郭列兴趣和正反馈都是很重要的。当你做了一件感兴趣的事得到了正面的结果和反馈这就会成为源源不断的动力。我平时看很多电影、动漫对内容创作本身就很喜欢。其次在做产品的过程中会遇到不同的伙伴一起成长也是很有意义的。智能涌现你和Flova的初创团队是怎么遇到的郭列创业本身会有一些随机性真的全靠缘分。大家恰好对内容创作感兴趣方法论和价值观也很一致。这些缘分和做产品有点像会偏感性。智能涌现你看起来是个享受创业状态的人那中间为什么会选择进入字节郭列我刚创业的时候才工作一年更像毕业生创业。当时我有个比较大的困惑当一群好朋友一起创业公司做大了以后管理怎么做所以选择进入字节想补一补管理的功课。当时我的心态像实习生字节给我提供了很多管理的方法论。字节的产品方法论也让我受益匪浅包括一个产品怎么做增长、怎么实现正循环。智能涌现哪些方法论放到现在也不过时郭列我之前做产品比较感性策划一些产品功能都凭感觉。但字节有一套科学的A/B Test体系当然首先你要提出质量都足够高的A和B方案不然Test也没用。我学会了用感性和理性结合的方式做产品。当我用感性提出了一些假设理性的验证能够及时做支撑。还有一点是产研之间的协作。在字节技术的话语权很强所以技术的同学很主动。还有字节的增长团队和市场团队自由度非常高。综合而言原来我有些“偏科”到了字节之后我把技术、增长、商业化的课都补全了。除了做好一个产品我还学会了怎么活下来。智能涌现那哪些字节方法论是现在创业不适用的郭列字节比较看重OKR。但我在创业做游戏的时候试了一下发现没用。原因在于对大公司而言管理是很重要的。但创业团队的早期管理越轻越好。团队建立不是通过管理工具而是靠内在驱动。等团队大了之后你需要卡员工的能力下限所以才要通过一些管理工具设定及格线。智能涌现你创业了这么多年觉得AI时代创业和互联网时代创业最大的不同是什么郭列移动互联网更多的是从PC到手机的“端”的变化或者从3G到5G、从文字到视频的流量入口变化。但现在能明显感受到技术每隔一段时间就有一个大的更新这就需要你能够预测技术的发展要有面向未来做产品设计的能力。你需要知道哪些问题是通过模型迭代可以解决的哪些是需要产品本身、或者Agent解决的。所以现在我们团队里所有人都在关注技术。如今AI能够做的事更多了大家需要共享的Context也会更多必须要减少信息壁垒。智能涌现做同样的事AI时代需要的团队规模是不是比互联网时代小郭列是的人数远小于互联网时代。但仍然有一些岗位是AI无法提效的。比如偏市场的工作AI无法完全解决人与人之间的沟通问题。瑞瑞尔关于AI提效我觉得AI Coding并不是单纯地让一个程序员有5个人的生产力而是重构了产品研发、运营、设计之间的协作关系。比如我们公司基于产品的Context、用户的Context做了非常多内部观测的工具。基于这些Context我们就能很高效地完成很多在互联网时代低效、但不可避免的工作。以产品能力的更新举例在上一个时代产品更新的需求要同步研发大家花很长时间去对齐。但现在基于共享的Context任何岗位、视角的人都可以参与决策和协作。再比如对用户行为的监测互联网时代需要你针对性地做一些产品漏斗的埋点或者临时发起问卷。如今的Agent系统本身对用户就有大量的Context积累和语义理解。用户的信息流动会更完整、通畅也更高效。8. 视频Agent的创作特点智能涌现成立Flova之前你还做过游戏公司“船岛”为什么没考虑过创业做AI游戏方向郭列游戏本身的竞争力是足够好玩相比视频内容创作游戏是一个更复杂的载体。但游戏需要Coding需要3D建模成熟期会更晚。比如3D游戏需要解决建模面数的合理性、骨骼的绑定这些都是AI目前很难解决的问题。智能涌现当时为什么游戏公司没有做下去郭列游戏创业让我意识到还是要做时代需要的东西。当时游戏版号的管控很严格用户对游戏精品的要求也会更高。做游戏以后我意识到之前做互联网创业是非常顺利的。从我个人的能力模型来说虽然我对内容创作行业很感兴趣但我不是一个天才制作人。我和团队更擅长的还是做产品如果我们的产品能让更多人做更好的影片也是很有意义的。智能涌现成立Flova的契机是什么郭列2024年底DeepSeek V3开源了当时我就觉得做AI应用有机会。最初也是受到兴趣的驱使我喜欢电影有时候也会手搓一些AI短片。一开始我花了两周时间先用Midjourney生成参考图再用可灵生成的视频加上剪映的后期搓了一个3分多钟的AI短片。当时我就觉得工作流比较复杂角色的一致性也不高。正好Agent的技术也在发展这种形态也许能够补足视频生成技术的不足辅助用户制作AI视频。智能涌现回过头看这是一个入局Agent的好时机吗郭列现在入局Agent也还在很早期的阶段因为AI才发展三年。参考移动互联网时代07年iPhone发布08年安卓发布但应用真正爆发是在14年到16年。智能涌现应用有各种方向最后你是怎么收敛到视频创作Agent上的郭列一开始我想做偏C端的应用但Token价格偏贵所以To B或者To专业创作者的产品会更合适一些。之前我也有做剪映的经历所以对创作者的需求会更了解。当时我刷抖音、B站、小红书还有海外的TikTok和YouTube很明显社媒上的AI内容越来越多了。所以AI内容创作一定是个大趋势。唐果刚才说到我们一起手搓视频的时候觉得对大多数人而言门槛太高了。刚好Manus发布了2025年3月给了我们一些刺激。我们意识到可以通过让Agent执行的方式将用户的创作精力放在审美决策上。智能涌现市场上和你们同一赛道的公司有很多LibTV、OiiOii等你们怎么找到自己的位置瑞瑞尔根据业态演化的不同我会把AI视频创作工具分为三类第一类是模型的C端应用。它们核心是为了展示模型的showcase因为卖模型API本身就有足够大的利润。它们通常不会集成第三方模型这就导致用户的创作体验有所缺失。第二类是多模型的一站式集成平台。它们的核心体验与第一类产品没有本质的差别因为用户仍然需要自己去了解不同模型的能力以及不同内容的Workflow最后用手动的方式串联。也就是说虽然有Agent的参与但发挥作用的依然是人的“大脑”。第三类是Agent。Flova就属于这一类。它的好处在于极大降低创作门槛用户不需要分散精力到如何搭工作流、如何优化提示词上而是专注于表达。唐果前两类产品和Agent最大的不同在于前者的每一次视频生成都是一次重新开始但视频Agent的每一次创作都是之前创作的延续。因为之前用户创作的所有判断、审美都能作为Context被Agent继承。很多创作者都反馈说Flova好用原因也是在于Agent与用户在协同创作。郭列我们的目标就是做一个更通用的视频Agent。Agent的智能可以满足各种用户的需求包括短剧、漫剧、广告等等。Flova是在一个比较通用的架构下通过Skill来满足细分场景的需求。智能涌现Agent继承的是记忆还是Context唐果记忆管理和Context管理有一些重叠的地方但本质上是两件事记忆管理更多的是记住用户的行为偏好Context管理则是让Agent从上百、上千轮对话中知道创作需要哪一种风格。对我们而言目前Context管理的优先级是更高的因为这对单一项目创作是更刚需的事。因为我们发现不少用户会在一个项目中持续进行几百轮对话甚至基于一集的内容持续做十几集。当每一集的Context都有很好的关联性时用户就会不自觉地在一个项目内做长对话积累的复杂创作。9. 同时面向人和Agent做产品智能涌现之前的脸萌、剪映都是给人使用的应用而Flova是同时给人和Agent使用的设计产品的考量有哪些不同唐果更准确地说不是把Agent当成和创作者并列的另一类用户而是产品里第一次出现了两种需要同时被设计的参与者。面向人我们要提供足够直觉的创作界面让用户方便地比较版本、调整细节、表达自己的审美判断面向Agent我们要为它设计项目环境、工具、权限和有序的状态让它能够理解当前项目并自由推进任务。除此之外还有第三部分就是人和Agent之间的信息同步用户做出的选择要及时被Agent理解Agent做出的修改也要让用户看得见、能接管、能纠偏。真正好的视频Agent产品不只是让两边各自好用而是让双方能够在同一个创作过程中顺畅协作。智能涌现Flova现在最需要服务好的用户或者场景是什么郭列不同用户对产品的感知是不一样的。比如短漫剧用户使用画布产品更像是用低价去买模型。虽然画布也提供了创作能力但这些用户自己天生有能力将提示词写好没那么依赖工具。但对于不少非专业用户而言Agent对创作效果的提升已经足够让他们产生粘性。就像现在的AI Coding一样开发者已经离不开了。瑞瑞尔我们对于用户和市场有比较多的切片视角一类是按照内容品类划分一类是按照创作者对AI的熟悉程度划分一类是按照创作动机划分。但这些都是制定不同策略时的切片视角我们最终的出发点仍然是让用户低门槛创作出高质量的片子。在某个特定时间周期下某些内容品类会相对强势。当下在中国短漫剧就是现阶段的强势品类。但市场其实远不止于此。智能涌现超创超级创作者是你们的典型用户吗我们观察到不少创作工具都在减少与超创的合作因为他们的使用行为不典型。郭列我们的产品第一天就是同时面向人和AI设计的超创刚好就是AI最资深的一批用户。在产品早期超创对AI产品架构的设计包括如何把产品做得更专业、品质更高其实有很大的帮助。剪映在初期也访谈了抖音上的很多剪辑达人。基于此在底层架构设计阶段我们才能对“多轨道”等更满足专业创作者的功能做一些原子化的拆解。当然我们在设计Flova时也会思考怎样让专业能力被更多的普通用户用到这时Agent就能将专业创作能力做一些简化。Flova的Agent平台上有各种Skill大部分都是专业创作者编写的。普通小白只需要选择使用Skill就能达到专业创作者80分/100分左右的能力。瑞瑞尔不要单纯看超创产出的结果而是要关注他们创作的过程。我们内部搭建了一套非常完善的观测系统来追踪用户与Agent交互的全过程。比如用户有哪些卡点用户的一个镜头语言表达是ta自身通过持续的RORound Optimization迭代优化做到的还是Agent激发了ta对用户创作过程的观测让我们可以发掘一些需求点和优化点。智能涌现这套观测系统是怎么搭建的唐果在互联网时代一些传统的监测方式比如针对用户侧的一些埋点设计核心目的都是监测整体用户的行为转化漏斗。AI时代创业要同时面向人和Agent做产品设计。那会不会存在面向Agent的一些行为转化漏斗在你为Agent设计的环境或Harness约束系统中能不能监测Agent是怎么做Reasoning推理的以及Agent怎么判断自己要做什么如何去使用工具这个工具能否达成Agent想要达成的结果Agent基于工具的结果又怎么再做推理我们搭建的观测系统本质上就是存储这些过程的脱敏Context。未来这些Context可以被Agent消费也可以以看板的形式被团队监测。智能涌现你们会怎么用这些观测结果唐果一方面我们会用来不断迭代产品让用户和Agent的行为能更好地有机结合比如对齐人和Agent对同一任务的理解。另一方面监测系统会开放给我们所有的团队。研发同学和产品同学可以在同一个观测视角下关注用户和Agent协作的不同切面这有助于我们明确迭代方向。智能涌现通过什么样的方式能让Agent和用户充分共享Context并且让Agent尽可能自由地调用工具唐果核心不是一次性给Agent更多信息或更多权限而是让人和Agent共同维护一套项目状态。用户选择了哪个版本、修改了什么素材、放弃了哪条方向都要及时写回项目Agent做了哪些操作、生成了什么结果、任务进行到哪里也要让用户看得见。在Agent一侧我们会通过渐进式披露在合适的阶段提供合适的信息、工具和约束工具会尽量设计得更底层、更通用让不同Agent可以复用。与此同时权限和工程边界要足够明确但在边界内部Agent可以根据任务状态自由规划和调整路径。自由不是没有约束而是在清晰边界内拥有足够的行动空间。我们对Agent系统的设计会参考Claude Code和CodeX。智能涌现Claude Code和CodeX给了你们什么启发唐果我们研究Claude Code和Codex是因为它们比较早地把Agent放进了真实的项目环境里。Agent不只是回答问题而是持续读取项目状态、调用工具、推进任务遇到问题后调整路径最后把结果交给人检查和接管。比如Flova比较喜欢调用Sub - Agent子Agent让多个Agent进行协作。到底采取怎样的Sub - Agent设计方案不少竞品设置Sub - Agent是为了向传统影视行业的角色靠近让Agent按照导演、编剧、剪辑等影视行业分工。但Claude Code给我们的启示是Sub - Agent本质上是一种任务和Context的压缩方式。每个Agent都有Context Window的限制我们希望Agent能在有限的Context下更好地发挥智能。但当Context足够多时Agent设计就会遇到Context Rot上下文腐烂的问题简单而言就是Agent的注意力会被庞大的信息量所分散。此时主Agent可以专注在接收、理解用户指令上将任务执行等细节交给Sub - Agent。智能涌现不少视觉创作类的Agent产品都采用了画布的形态Flova为什么没有用画布唐果我们并不排斥画布也不认为画布和Agent冲突。对创作者来说拖拽、摆放、缩放和自由组合都很自然画布确实是很好的非线性创意发散空间。真正需要警惕的是未经思考就把画布沿用为AI创作唯一的标准答案。智能涌现你对产品容器的思考是什么唐果一方面Agent需要在一个有序的Context中工作它需要一个更结构化、被索引的创作空间。它需要知道哪些是角色哪些是镜头哪些是参考图在视频生成的过程中它也需要知道众多的版本中哪些是被用户认可的哪些只是创意发散的过程——一旦工作台非常杂乱Agent的智能水平会直线下降。另一方面你又要面向用户提供一个支持他们无限发散创意的空间。画布对于创作者而言就是一个自然的创意发散容器。但我们不能被canvas - first画布优先的思维局限而是要思考怎样的容器对Agent同样友好并且让Agent和用户双方共享同一套Context。智能涌现这些思考最后是怎么具象成产品设计的唐果产品需要在无序的创意发散空间和有序的Context之间达成平衡。这意味着Flova要支持用户和Agent在不同视图之间灵活切换。本质上Agent和用户对世界的理解是不一样的。Agent底层是语言模型它会通过语言编码的方式去理解世界。但人是多模态的动物对图和视频的感知会更强。在Flova中Agent会通过对话框接收人的指令它干活的过程会呈现在左侧的“故事板”上而用户可以通过中间的“预览”直接观测到Agent执行的结果。一旦效果不理想用户可以直接双击“故事板”中的相关执行过程进行干预比如修改Agent写的镜头描述。“故事板”就是目前我们探索出的人和Agent能够高效协作的容器。10. 发展期策略与市场思考智能涌现今年视频创作工具赛道竞争的激烈程度有超过你们的预期吗瑞瑞尔预期之内。但我们不会用竞争的视角去看待选手越来越多的现象。选手多反而意味着越来越多的人认可这个赛道的巨大价值我们更加兴奋。以及我们更关心的是在Agent的生态位中Flova怎么跑得更快。智能涌现你心目中Flova的竞品都有谁郭列我没有太关注其他产品更多时间都在关注用户。我希望我们还是有自己的节奏通过Agent的方式帮助创作者更好地做创意表达。智能涌现那Flova有壁垒吗郭列我们不会把某一种技术架构直接当成壁垒。Context管理、Skill、多Agent、Harness都是现阶段帮助视频Agent更好工作的方式未来都可能变化。更长期的积累是持续观测用户和Agent怎么共同完成创作并评估Agent的每一步有没有真正帮用户往前走。只有看清哪些能力创造了价值、哪些只是增加了复杂度产品才能随着模型一起进化。智能涌现不少玩家都在通过做补贴的方式获客。你们怎么看瑞瑞尔郭列经历过互联网时代的激荡风云所以我们会更冷静且长期地看待做补贴这件事。找到健康的经营逻辑比激进地追求某一个指标更重要。具体而言我们要考虑的是当下的业务阶段应该匹配怎样的用户体量配合怎样的现金循环以及ROI投入产出比。举个例子相比只看Token支出的总量我们更关注的是有效消耗的比例比如Token消耗中有多少是用户觉得有价值的哪些是因为产品还不够好导致的无效消耗。智能涌现现阶段你们看重毛利吗郭列在发展期我们会尽量做到0毛利。Agent还在早期我们更多希望用户觉得Flova好用。0毛利是相对合理的我们给用户提供一个优惠的价格让他们没有负担地使用产品。加之我们团队之前帮投资人赚过钱所以一级市场对Flova也比较有信心。我们有足够的融资做底气在早期给用户比较实惠的价格。现在市场上确实存在不少烧钱做补贴的现象其中一些产品是没有做到商业正循环的。这会给公司的经营、用户的信任带来隐患。如果把AI行业拉到3年、5年、10年的长度最终竞争还是会回归到产品力。智能涌现听说你拒绝了很多投资人的TS。为什么没融更多钱郭列8000万美金对一个Agent产品来说已经非常够了Manus在很成功的时候也只融了5000万美金。只要产品好用、增长和Token消耗都日趋健康8000万美金对我们现在的阶段是合适的。后续如果我们有更健康的增长融资金额也会随之增加。智能涌现但现在市场上有一种“滚动融资”“用钱堆壁垒”的情绪。郭列从整个移动互联网周期来看所有的头部大厂都真正做到了商业的正循环。如果做不到这一点融资融着融着就会出现问题比如互联网教育、团购、共享单车。智能涌现0毛利、低价补贴做到什么样的阶段才能停止瑞瑞尔我们不会从Token成本降低的角度思考这件事而是会围绕不同层级用户的付费意愿想办法。比如短漫剧公司往往对成本很敏感那我们给的补贴就多一点。但更大众化的创作者本身创作体量就不大他们更在意Agent对内容质量、创作效率的提升他们更愿意为Agent的溢价付费。目前我们是通过补贴降低用户的创作门槛。未来我们会针对不同的用户、不同的创作环节更细化补贴的政策。智能涌现通过创作者发布在社媒上的内容来导流也是一种普遍的增长方式。在大家都在争夺社媒这个流量入口这套增长方法论的效果还显著吗瑞瑞尔创作工具和消费平台共生的循环体系我们觉得它会一直work并且还在加速work。Flova的用户主要就是通过口碑传播以及社媒内容带量转化而来的。智能涌现这套玩法在字节很成熟了他们还有自己的模型Seedance你觉得随着模型越来越好创作Agent的空间会缩小吗郭列这涉及到一个问题随着模型的进化视频创作的内容生态是更繁荣了还是更水了我们认为答案是越来越繁荣模型的发展提高了创作的下限而创作工具的发展是提高了上限所以模型不会把视频工具吃掉。这一过程中AI视频的消费价值会被放大消费者会变多同时对上游创作者的需求空间也会变大促使更多的创作者进来——这个市场还很早期远远没到存量博弈的阶段。智能涌现但越来越强大的模型会卷走一些创作工具的用户比如希望用模型直出成片的。郭列这个需求更多来自C端普通用户比如发朋友圈或者其他社媒。他们就用豆包做一些小视频甚至即梦都用不到。Flova的定位更多还是面向prosumer他们会将视频创作作为职业或者副业。但如果要创作成片最强的视频模型Seedance 2.5依然需要50个参考。当模型能力越强、画面效果越好其实需要的Context会更多用户依然需要专业工具。智能涌现什么样的用户能被转化为付费用户瑞瑞尔他们和非付费用户比较明显的区别有两个。第一是创作动机。持续付费的用户创作动机比较明确他们可能已经拿到了社媒的正循环或者看到了AI视频稳定的商业价值。第二是创作内容的长度。未付费的用户往往等多地做长线探索以及他们不一定完整地做一个片子而是先生成关键分镜再判断要不要持续创作。智能涌现做Flova你们有bet一些非共识吗唐果有。我们的非共识是应用层不应该把任何一种Agent架构当成终局。Skill、多Agent、Harness都是帮助Agent进化的阶段性手段。我们真正关心的是在当前模型能力下哪种方案最能为用户创造价值再通过观测和评估持续调整。智能涌现设想一下如果剪映或者字节其他团队也做视频创作Agent对你而言会是威胁吗郭列我们刚开始做FaceU的时候当时市场上也有美图的“美颜相机”、腾讯的“天天P图”字节内部还有一个“狸猫相机”但我们还是跑出来了。大厂的优势确实是资源以及自有模型可以控制成本。但产品团队的目标是将产品做得足够好最终用户会用脚投票。那么在未来的AI视频创作领域Flova能否在激烈的竞争中脱颖而出持续为用户创造价值呢这值得我们进一步关注和思考。