揭秘 fal 获 Sequoia 与 Bessemer 领投的 16.5 亿美元 E、F 轮融资
本篇先锋
Burkay Gür
Gorkem Yurtseven
摘要
- 生成式媒体的消费强度足以与编程代理并列,成为 AI 的重要市场。 创始人称,个人每月花 1万至 2万美元生成内容并不罕见。Burkay 回忆,Veo 2 每条 5 秒视频收费 5 美元,而此前模型每条约 0.30 至 0.40 美元;画质提升打开了专业买家的市场,也带来了他所说的“几乎没有上限的需求”。
- fal收入结构的变化,挑战了视频会简单取代图片的假设。 视频收入占比从零升至约 70%,但图片编辑需求回暖后,收入结构又回到约 50/50。创始人曾过早断定“图片模型已经没戏”,忽略了图片编辑本身的价值,以及它在为视频生成准备画面帧方面的作用。
- 广告有望形成强有力的反馈闭环,但全自动工作流尚未成型。 Molly 提出,高效广告往往长达 60 秒,与生成视频片段较短的现状不匹配;Burkay 则认为,快速剪辑以及不完美、像业余制作的内容,可能正适合 UGC 广告。批量生成不同版本、衡量互动表现并自动增加优胜版本的投放,是一大机会,但“还没有人把它做好”。
- 创始人的毛利率判断,押注于能在算力路径上持续创新的公司。 他们认为应用业务的毛利率“接近于零”,竞争和营销会吞噬利润,这与基础设施趋于商品化、应用层保留价值的传统判断相反。fal也会提前预判模型发布,并在需求出现前锁定紧俏的推理算力。
- fal正在检验一家约150人的公司,能否通过两层汇报体系和亲自上手的技术负责人实现扩张。 “Super ICs”兼具工程能力、领导力和商业判断;Gorkem估计,AI让工程团队的效率提升了3至4倍。Burkay认为扁平架构可能遭遇沟通瓶颈、需要增加管理层;Gorkem则认为,只要模型持续进步,编程代理或许能让Super ICs在两层管理架构下各自带领5至10名工程师。
- 即便fal扩大与闭源模型的合作,开放模型仍有实际价值。 工作室需要微调、LoRA和对未发布角色与风格的控制权;开放发布也是落后实验室“极其有效的营销手段”。无论模型开源与否,客户都看重推理任务运行在fal的GPU上,因为输入往往包含保密的创作素材。
- 好莱坞收入增长,尚未带来创始人听到的那种劳动力冲击。 Burkay称,尽管过去6个月好莱坞已成为重要收入来源,AI对好莱坞劳动力的影响仍“为零”;法律审批仍是采用障碍。他对未来1年的期待,是出现“经得起时间考验的AI内容”:当展示技术能力的新鲜感消退后,作品依然好看。
- 世界模型可能催生另一个算力密集型市场,但产品市场契合度仍有待验证。 Gorkem称,自己3个月前还持怀疑态度,如今则看好更快速、更持久的交互式世界。他认为游戏可能成为第4个品类,玩家游玩期间GPU需要持续运行。
精读
1. 画质提升扩大支出,却没有让图片过时
- Gorkem将市场归纳为3类产品市场契合:搜索与消费级助手、编程代理、生成式媒体。关键差异在于个人支出:AI原生工作室或传统工作室中的个人,每月都可能花1万至2万美元生成视频,消费水平可与重度编程代理用户相当。“AI里只有另一个用例,能让单个用户花这么多钱”;搜索则因规模太大,不在此列。
- 他第一次改观,来自收入结构的变化。视频收入占比从零升至约70%,让他们一度认定“图片模型已经没戏”:图片看起来太简单,算力消耗也不够高。随后图片编辑需求回暖,还能通过生成插帧提升视频工作流。如今他估计收入约为50/50,推翻了视频会完全取代图片的预期。
- Burkay举例说,早期视频片段每5秒约收0.40美元,后来降到可能约0.30美元;Veo 2出现后,价格升至5美元。“谁会愿意掏这个钱?”是他们当时的反应。画质提升吸引了广告、营销和电影制作买家,这些客户不是低价模型能服务的。价格上涨的同时用量也在增加,形成他所说的“几乎没有上限的需求”。
- Gorkem称,目前最好的视频模型可能生成10至12秒,较新的模型则可能达到30秒。在生成能力达到实时高清流媒体之前,他预计市场仍会继续扩张。他解释,时长增加会提高注意力计算量,分辨率增加则会推高像素数,成本因此“指数级”上升。Burkay认为,这个市场离报酬递减还“差得很远”。
2. 专业需求增长快于视频工作流成熟
- Molly结合与AppLovin的对话提出质疑:表现最好的广告约为60秒,而生成视频片段可能只有约5秒,未必适合所有品牌。Burkay回应说,广告不必一次生成到底;在某些情况下,快速剪辑反而效果更好。UGC风格广告也能接受光线不完美、内容用完即弃:“不行就再做一个。”
- 更大的机会在于形成反馈闭环:发布多个版本、观察互动表现、微调内容,再自动增加优胜版本的展示。Molly举例说,她把举手当作视频钩子后,据称播放量提高了10倍;她也会测试缩略图、标题和文案。Gorkem称,“还没有人把它做好”。Burkay补充,擅长创作的个人和包括fal客户在内的一些大公司,已经在做类似尝试。强化学习和技术实现仍有难度;他认为“几年内”这会成为常态。
- Sora体现了需求与运营约束并存。Burkay称,Sora下架前的最后3个月,fal的相关业务大幅增长;Molly认为它太贵,Burkay表示认同。Gorkem称,他们看到的用量相当可观;“算力不足以支持其他产品”只是当时的传闻,他也说Sora运行成本很高。尽管如此,他仍认为它有未来:“也许有一天会回来。”
3. fal保留了算力判断,转而寻找新的市场
- Burkay将fal的起点追溯到2021年。当时他们从Snowflake和Databricks得到启发,认为有价值的数据基础设施公司掌握着算力。他们最初押注Python会像SQL一样,进入弹性云工作负载;而AI是下一个机会。在ChatGPT、Stable Diffusion和DALL-E出现、迫使他们做出战略选择之前,他们服务的是数据科学和机器学习团队。
- 当时团队只有5或6个人,资金有限;若要竞争开放语言模型,就得卷入自己无力承担的价格战:“我们没法把tokens以负毛利卖出去。”于是他们转向利用现有基础设施加速图像模型。Burkay承认,那时他们还没有完全成形的判断,不知道这些模型会走向哪里。
- 商业信号最终让他们下定决心:原来的业务做了一年,一分钱也没赚到;图像模型收入却开始增长。大约3至6个月后,他们看到了不同的用例和买家,尤其是广告和营销客户,于是在网站上将自己定义为“生成式媒体公司”。约18个月后,市场已开始讨论长片电影——这是他们最初没有想过的应用。
- FAL来自“Features and Labels”,即机器学习中的旧术语“特征与标签”;“fal”在土耳其语中也指通过土耳其咖啡渣占卜。创始人称,行业分散在图像生成、编辑、视频、3D、文本转语音和语音转文本等领域,每个细分市场可能有5至10家公司,彼此频繁超越。持续进步的一个原因,是视频数据十分丰富:没有人声称自己用全部视频数据训练过模型,难点在于筛选出有意思的片段。物理规律和更广阔的世界如何建模,也留下了多条改进路径。
4. 扁平组织需要兼具商业主动性的工程师
- Burkay的招聘思路来自2016年加入Coinbase时的经历,当时Coinbase接近100人;fal如今约有150人。Coinbase当时会用Reddit加密货币测验筛选候选人,再安排电话面试。fal也希望招到对领域全情投入的人:“就算你不雇他们,他们也会自己做这件事。”早期工程师也大量来自值得信任的前同事。
- 公司最多只有两层汇报关系,并围绕“Super ICs”组建团队:他们既能带队,也仍是出色的一线贡献者。Burkay称这种做法有上限:沟通瓶颈可能迫使公司增加管理层,他们正观察架构何时会失效。Gorkem则认为,只要编程模型继续以目前的速度进步,编程代理或许能让公司维持两层管理架构,由Super ICs带领5至10名工程师,代理承担大量工作。
- Gorkem认为,主动性也包括承担商业责任。客户切换模型很快,因此fal希望工程师直接与客户合作并参与商业决策;这比他所说的大公司中仅负责软件的岗位范围更广。他看重独立行动、承担责任和为决策负责,但也承认,不与一个人共事过,很难判断这些特质。
- Burkay强调既要有冲劲,也要谦逊,并用“反向推销”形容工作强度:赶工期可能要工作60或80小时。他反对有毒的工作时长:“周末我们会回家”,不这么做“没什么值得炫耀的”。他也希望团队成员技术出众、低调友善,并且容易与客户合作。
5. 算力规划与客户信任支撑平台
- Burkay将fal定位为模型提供商的基础设施伙伴,以及应用和工作室的API伙伴。客户会使用多个模型,也常将产品发布与模型发布同步。成功的实验室未必能自行采购足够的推理算力,因此fal会预测需求、提前投资。否则,紧缺算力可能流向编程代理,或流向愿意投入更多资金的客户;协调供需双方已成为fal对生态承担的责任。
- 对于开放与闭源模型,Gorkem预计市场会来回摆动:落后的实验室可以通过开源获得关注,工作室也有实际技术需求。他称开源是“唯一的办法”,能进行微调、应用LoRA、调整光线,以及使用尚未发布的角色或风格。fal起初担心闭源模型,因为当时主要运行开放模型;如今与闭源模型推理服务的合作,让它同时覆盖两类模型。
- Molly将问题扩大到媒体、源代码和客户名单等知识产权保护,并指出本地运行有帮助。Burkay称,无论开源还是闭源,只要模型运行在fal的GPU上,客户就更信任推理过程,因为输入往往是尚未发布的内容。开放模型让客户可以自行托管;客户选择fal,是因为相信fal能把模型运行得更好。
6. 好莱坞采用仍处早期,持久内容与游戏机会在后
- Burkay对好莱坞的判断有明确边界:过去6个月,来自该行业的业务已占到有意义的收入份额,但AI对好莱坞劳动力的影响“为零”,也几乎没产出值得一看的好莱坞内容。他认为过去4年关于AI取代岗位的讨论是在制造恐慌,但预计未来会有变化。采用AI不仅需要模型足够好,也需要公司律师批准工作流。
- 他对未来12个月的里程碑期待,是第一个“经得起时间考验的AI内容”:人们过一段时间再看,仍然觉得好看。现有视频大多是在展示能力。他以《玩具总动员》为标杆,称它大约诞生于“1996年前后”:那是至今仍然耐看的计算机生成作品。他认为明年会出现一部广受认可的作品,可能是短片或动画,即使技术新鲜感消退,仍有吸引力。
- Gorkem谈到自己对世界模型的看法转变:“就在3个月前,我还很怀疑”,但近期进展让他转为看好。这类模型创造可通过键盘操作探索的交互式世界。速度、画质和架构改善后,世界的持久性也在增强:过去你看到一朵花,转头再看,它可能就消失了。让花一直留在那里,是他举的具体进步例子。
- 他认为,输入提示、生成可玩的游戏,也可能成为新的产品市场契合:“这种情况很有可能发生”,游戏“可能会成为第4个品类”。限制在于持续算力:游玩期间GPU必须一直运行。Molly回应:“太贵了。”他认为算力仍是最大的挑战,但游戏质量还会继续提升。
7. 毛利率判断取决于谁掌握算力路径
- 面对市场对AI资本开支回报的质疑,Gorkem给出fal内部的效率回报:他估计工程师的工作速度提升了3至4倍;若要达到目前的进度,在AI出现之前大约需要4倍的人手。公司现在付出的成本低于增加这些员工的成本。他主张看实际用户,而不是依赖报告或非技术人士的评论,并称自己“看多算力”。
- Burkay的判断是,“每家大公司最终都会成为算力公司”,只是对外提供的产品入口不同:编程代理、数据平台,或fal的媒体服务。他说,在这些界面背后,收入最终取决于谁运行的算力最多。他还指出,诸如2000亿美元资本开支这类醒目的数字,包含了尚未建成的算力;建设进度缓慢,当前供给仍然不足。
- 一位创始人提出的毛利率观点,颠覆了基础设施与应用层的传统共识:应用业务的毛利率“接近于零”,竞争和营销会吞噬利润;“只有身处算力路径、并能在这条路径上创新,才能创造毛利。”Molly提到Tony Kim观察到芯片公司的毛利率更高,两位创始人都表示认同。他对投资人的提醒是:“VC们,该醒醒了”(Wake up, VCs)。
8. 收尾押注指向消费市场整合与可编程媒体
- Burkay重提一年前关于OpenAI与Meta合并的设想:Anthropic已确立企业市场地位,Google也已在消费市场出手,他如今看不到OpenAI在哪个细分市场都稳居领先。Meta也需要一些新东西;双方合并可能增强Meta在消费市场的地位。他强调自己没有任何内幕,“完全是在猜”。
- 另一位嘉宾认为,合并会对整个行业不利,但没有展开解释具体原因。
- 另一个新的收尾押注是,编程也属于生成式媒体。fal的开发者正越来越多地制作功能更丰富的应用和可编程视频,包括看起来像视频的网站;由于客户已经有需求,公司可能不得不投入。双方共同的收尾句是:“万物皆是计算机”(Everything’s a computer)。