Runway

119: AI视频产品怎么Go Viral？6000万用户的PixVerse的答案

2025年6月8日 · 1:30:52

本期《晚点聊》对话爱诗科技联合创始人谢旭璋，讲述这家AI视频公司如何从投资人转身创业，做出6000万用户的产品PixVerse，并在国内以“拍我AI”上线。核心论点是：AI视频的机会不在冲击奥斯卡，而在用低门槛模板让普通人做出第一个可分享的视频，如“毒液变身”模板曾带来单月千万用户。谢旭璋分享了资源节俭的模型训练策略——用同行十分之一到二十分之一的GPU数量迭代七代模型，以及如何在Sora发布后的噪音中坚持方向。节目还复盘了他从光源资本到创业的心路历程：看过足够多公司后，认为看准就要all in，并相信非产品背景创始人也可在无人区探索成功。

64: 让奶牛猫跳洗澡舞，与阿里通义薄列峰聊多模态共识中的变量是什么？| AI 大爆炸

2024年3月27日 · 51:20

本期《晚点聊》邀请阿里通义实验室XR实验室负责人薄列峰，聊其以“数字人”为主线的多模态研究——包括让奶牛猫跳洗澡舞的Animate Anyone、一键换装的Outfit Anyone，以及用一段语音驱动蒙娜丽莎开口说话/唱歌的EMO；他的核心判断是多模态是大模型发展的必然方向，但“世界模型”如何实现仍是最大变量。面对Sora，薄列峰认为其60秒高质视频确实震撼，但视频生成和世界模型远未解决，业界对世界模型的定义也无共识；相比谷歌、字节的视频平台积累，他提示OpenAI可能还用仿真数据，数据问题仍有挖掘空间。他解释EMO与旧Talking head方法的区别：它不只对口型，语音会同时控制表情、眼睛、头颈和上半身，且是zero shot，任意照片加音频即可生成，这得益于大模型的容量。节目还复盘了他的跨领域经历：07年博士毕业时深度学习尚非主流，在Amazon Go用深度学习解决实际视觉问题后确认其效果最好，并由此理解AI与硬件结合；他认为机器人等物理世界AI进化慢，硬件自由度与能耗是长期瓶颈。他也讲了Animate Anyone接入通义千问后的用户启发：宠物跳舞比真人跳舞更受欢迎，上传狗的人比猫更多，团队为此优化了骨骼检测；现阶段免费开放更重视用户反馈与模型能力迭代，而非成本。最后他提出世界模型的未来变量：应能模拟因果而非统计关系，是否必须3D化、是否需要能主动与物理世界交互的实体智能体，都还是开放问题。