78.Seedance之后，视频Agent何去何从？｜与 OiiOii 闹闹聊视频模型的秘密：数据、生态与感性的结构化

摘要

• 闹闹的核心路线判断：多参考图+语言描述更符合创作者认知，但视频模型并非已经完全收敛到这一范式；Seedance“基本上就是一个 Sora 2 的升级版”。 她在 Sora 2 出现后就把所有首尾帧模型从产品里淘汰，事后认为这一决策正确——此前对模型的 Prompt Engineering 优化“在 Seedance 上都是适用的”，且 Seedance 是真多参、切镜自然，“一味追求视频非常长是不 make sense 的”，长镜头有时只是炫技。
• “视频模型就不是创业公司该做的事”——关键不只在算法，更在数据标注的组织能力。 成千上万标注人力、标准的制定与迭代，大厂“能做到至少八九十分，创业公司只能做到二三十分”；这解释了为什么国内最好的是 Seedance、其次是可灵，而短视频平台的算法人才谱系也继承自特效 AI Lab 和快手 Y-tech 的创作算法团队。
• 中国短视频生态是全球领先的模型土壤，她认为 Sora 的可惜之处在于生态而不只是技术。 “很可惜的是 OpenAI 有了 Sora 2，但没有把它运营好的生态。但凡它先做 API、不做那个 App，可能也会好”——视频模型格局未终局，她判断还会有至少三个玩家，且大厂项目只有在没有被最先放弃、持续被重视时才有优势。
• Agent 层的存在性论证：模型交付能力只有三四十分，Agent 可以把应用和产品逼近及格，且这层是黑盒。 哪怕强如 coding，它也不是一个真正可以交付的东西；她以 Midjourney 尚未被更大模型吃掉为例，说明多模态产品层未必赢家通吃——Agent 的本质是“理解如何最好地用好模型”，靠模型路由、逐环节 benchmark，以及模型产品、算法、效果设计师三类角色协同。
• Seedance 带来的成本变化：UGC 流失、转向 Pro C 与小 B，但她判断视频生态下基模未必能持续涨价。 “如果涨价会导致更多的人不赚钱，那它是不可持续的”——短剧利润本就不高，字节更在意抖音生态里 UGC 创作力的繁荣，“也许降价反而利益最大化”；To C 免费在推理成本面前不可持续，“即便大如字节，豆包都开始收费了”，AI 生成是“无限成本”，可能比购买设备拍视频还贵。
• 对当下视频 Agent 井喷的定性尖锐：“我觉得是一种妄想”，真正做得扎实的“可能就两三家”。 大量产品是套壳中转站蹭 Agent 热词、圈一波钱就走；宣传全是一百分，“有的人三四十分，有的人七八十分，但肯定没有一百分，包括我们”——用户没有捷径，“都得试”。
• 多模态的难题是“感性的结构化”，不能拿语言模型的路径直接类比。 语言显性、标准化（所以 coding 先跑通），而视觉是意会式表达；感性“没有办法被量化，但又有迹可循，就跟色带一样”——benchmark 因人而异，所以产品层“ 一定是百花齐放”，而非 winners take all。
• 投资人拷问下的克制值得注意：她只给“吃不掉 Agent 层”七八成概率，并把这称为客观而非保守。 “大家说话说得都太满了，狼来了说得太多了”；Seedance 2.0 给她的启发不是技术而是态度——“一点都不炫，一点都不科幻，就是老老实实、扎扎实实把该做的做了”，AI 创业最缺的是做细节、脏活累活的人。

精读

1. 女性创业者的“行与不行”：不是顿悟时刻，是创造环境

• 卫诗婕的开场提问——“你从什么时候开始觉得自己也可以？”闹闹的回答绕开了励志叙事：她自认性格中性、从小像“观察者”，习惯反思；行与不行“没有一个特别的时间点”，而是判断“这件事情是不是需要你自己去创造一个环境，才能成，或者成的概率更大”。
• 时间锚点：这个念头始于去年此时，而她的第一次创业早在 2014 年。

2. 腾讯三年与 2014 年第一次创业：“虚幻的大”

• 在腾讯做产品三年后，因班夫山地电影节的极限运动片子触动而出走创业。那个时代“待一年做产品就算老兵”，她工号一万多时还感叹“腾讯都一万多人了，应该没什么空间了吧”。
• 对第一次创业的复盘毫不留情：兴奋感大于推演，“没有经历过一个具体业务从小长到大的过程，没办法做合理推演……那个大是幻想的大，现在看起来就是一个瞎想”。
• 腾讯三年的收获她也不美化：“种下了一颗种子，但没有发芽，实际的提升我觉得是没有的”——创业冲动部分来自看到组长、总监的资深生活“并不是我想要的状态”。

3. 第二次创业心里有底；张小龙的“人类之外视角”

• OiiO 这次的不同是“心里有底”：最坏情况可以自负盈亏、把产品慢慢滚起来，且她从小在良性竞争中拿过正反馈，“知道这里头能做成和不做成的各个要素是什么”。
• 微信给她的殿堂级震撼是张小龙内部八小时产品演讲：“他就是在用人类之外的视角在观察人类，再做一个东西让人类使用，把人性的很多善和弱点放在一个放大器里让它发酵，再像一个园丁一样把它修剪。”
• 但被问最想问张小龙什么，她答“没有想问的”——“什么东西都是要自己亲自去做的”。

4. 第一次创业想保留的：普通人的内容表达机会

• 十年前想做的“赋予普通人用内容表达自己的机会”，后来在抖音里被实现了——“说明这个判断本身没有太大偏差，只是当时能力有限、时机不对，做的人不是我而已”。
• 为什么痴迷这件事？她的自我画像：“感觉自己像是一个土壤型的人——别人建在你上面生根发芽、发扬光大，比我自己去做那件事得到的成就感更大。”

5. 腾讯与字节的两种产品观：对立即统一

• 她把微信与字节的产品观比作左右脑：“这个世间万物很多两个极端的东西，你会发现它是一体的。只是没发现它一体之前，以为它是对立的。”
• 她提醒数据使用也有暗面：“明知道一个实验数据怎么才能是正的，你就为了正而去做它，并不代表这个东西长期是正的。”在那个环境里它被认为是正确的事情，换个环境就不是。
• 融合后的产品要求：既能观察用户，又对数据敏感——“数据达到一个量级才可信，过小时是有偏差的”；内容产品还要能把感性的好坏“通过一定的方式方法归类量化，这个是难的”。

6. AI 时代 wow 时刻很少：宣传的强大≠交付的强大

• 一个资深产品人的坦白：AI 产品让她 wow 的瞬间“其实很少”。“大家感受到的宣传的力度是它非常强大的，但你真的去用它的时候，很多东西是完成不了的，它的交付能力其实是很弱的。”
• 卫诗婕反问：这不正是产品的空间？闹闹同意，但强调现在还在“技术怎么转化成合理产品”的前期，细微的产品差别可能在模型大迭代中被抹掉——“但并不代表它没有价值”。

7. AI-native 需要什么样的产品人：五个角色与稀缺的“产品架构”

• 按她的产品规模，产品人只需五个：用户体验、语言模型、多模、商业化、数据策略——但 AI 产品要求每个人兼顾他人的知识点，“如果你不懂其他的，对话成本会非常高”。
• “产品架构”是一个重要且稀缺的角色：day one 就要想清楚产品两三个月后往哪走、预留 feature 模块、判断哪些会被模型迭代吃掉哪些不会。“很多对模型非常了解的产品非常年轻，还未经历过很多产品的变化和迭代——这也是为什么现在很多产品长得差不多，抄来抄去。”

8. 路线判断的关键一役：从首尾帧到多参，Seedance 印证了判断

• Sora 2 出来之前行业以首尾帧为主（界定第一帧和最后一帧的严密范围），Vidu 第一次提出多参考图概念，她发现这更符合创作者认知——“他脑子里没有具体画面，需要模型帮他脑补填满想象”，元素是人物、道具、场景、环境。
• Sora 2 实际是“单参”——一张图加重文字描述，图未必是第一帧，靠图与描述的加和推演画面，“代表你的模型想象力是足够丰富的”。她据此淘汰了所有首尾帧模型，只留 Sora 2 和部分 Vidu，“这个决策是比较正确的”。
• 落地验证：“Seedance 基本上就是一个 Sora 2 的升级版，我们之前所有对模型优化的 PE 工作在 Seedance 都是适用的”——且它是真多参，可控性更强。
• 多参实操细节保留原话：传人物最好是“稍微斜正面的照加一个大头照”，三视图反而会被模型误判成多个人；再用正向词说明要生成真人、用负向词排除动画等方式约束，“三个约束条件下大概率是成的，但也不保证”。她还猜测 Seedance 保风格弱于 Sora 2 的原因是“真人数据比重太大，风格化数据稀疏，被稀释掉了”——“算法的方式方法都差不多，但数据是非常非常关键的”。

9. 模型走向分化：可灵的影视精美 vs 叙事切镜

• 各家数据战略决定气质：可灵走专业影视，科幻片、广告片细腻，“但对故事片反而没那么细腻，因为切镜做得弱”——广告片要的是特写、运镜、视觉表现力，叙事要的是正反打、人物关系的结构。
• 对早期 Sora 式长镜头跟拍的批判当时就有：“讲故事的片子不需要那么多长镜头，长镜头有时是炫技的一种方式……一味追求视频非常长是不 make sense 的”——一直第三人称跟着一个人拍“像纪录片，但它会很 boring”，叙事镜头像心理学暗示，“表达一个黑帮老大得要阴暗的、俯视的，才能感受他的威慑性”。
• Sora 2 当时火的两点：音效同步和“切镜非常自然”——符合人类多年观影习惯的预设。她的方法论：“人就像一个模型，你在内容层面看得太多，就能感觉到它能不能火——你自己给自己投喂了很多数据。”

10. “视频模型就不是创业公司该做的事”

• 当年一级市场找“中国 Sora”却很少出手，她认为正确。核心论证是标注的组织能力：数据必须买，“光标注数据的人成千上万”，标准由谁制定、所有人理解如何一致、外包水平如何保证——创业公司很难解决。
• 大厂有图形图像算法的既有经验，哪怕开始不准也能在海量数据中迭代准确，“能把数据标注的标准和标注本身做到至少八九十分，创业公司只能做到二三十分”。
• 快手为什么能出可灵：其视频理解算法团队至少在 2021 年“非常强，甚至强于当时的字节”，人效比也好——“这些东西都不是无中生有的，一定是在过去的积累或根基之上形成的，它确实有相当的壁垒”。可灵先冒头靠专业影视数据；字节“不偏爱某一种数据”，海量用户基础数据决定它要做通用大底座，只是通用模型在那个时间点还没 ready。

11. 生态领先与数据领先：Sora 的可惜之处

• 她对“技术领先=视频领先”的否定：“视频这个领域它是一个生态”——海外现在火的热点是中国很多年前火过的，字节把这个生态做到世界最领先，“你要出一个视频模型，一定要有生态的土壤才能发扬光大”。
• 由此而来的判词：“很可惜的是 OpenAI 有了 Sora 2，但它没有把它运营好的生态。但凡它先做 API、不做那个 App，可能也会好。但它确实还是一个比较伟大的模型。”
• 中间还有一层“数据领先”：短视频公司在推荐系统里就有运用视频数据的方式方法，可以迁移到模型训练。举例说明“可用数据”：同一个视频找会 3D 建模的人标注，标注语言就混入专业领域词汇，用户输入这些专业词时模型就会响应——“专业领域越多越细，响应就越准越细”。

12. 为什么赢家是短视频平台：创作算法的人才继承

• 卫诗婕的问题——YouTube、腾讯、爱奇艺都是视频大厂，最好的视频生成模型却出在字节快手，是偶然吗？闹闹：不是。“AI 的能力技术本身涵盖在创作的层面，不是播放的层面。”
• 谱系证据：当年抖音特效里用 GAN 做变老、变小孩、变漫画的 AI Lab 创作算法团队，“Seedance 的主力原来也是 AI Lab 做创作的人，可灵核心算法团队是原来快手 Y-tech 的人”——“在这些大厂的舒适区内，它只是进行了一次技术升级”。产品同理，“我不否认它有新的，但方式方法是有继承关系的，不是突然出现的东西”。

13. 三角 trade-off 与下一步：编辑方向的迭代、多模态的 harness

• 视频模型是效果、生成时间、生成成本的三角 trade-off。下一步她预测两个方向：效果上继续迭代（现在只对专业、半专业人群有效，“普通用户用一句话做不出有信息量的内容”），以及“编辑方向的迭代”——现在改一个局部只能整段重新生成，编辑准确度和成本双输。
• 为什么连改图的局部细节都做不到？diffusion 原理决定模型先发散再收敛、天生带幻觉，“约束不到具体的某一帧”；要结合传统算法，“绝大部分人都有这个需求，它就是个明显的痛点，模型必须要把它吃掉”——她判断未来是可以的。
• 语言模型的 harness（约束）“一定会”出现在多模态和视频领域，但内容的边界没有标准答案，“要慢慢做很多类别的拆分，再做收敛”。

14. 感性的结构化：色带比喻与多模态的本质难度

• 呼应前一位嘉宾的判断：语言本质是被结构化的，视觉千差万别、难收敛难对齐。闹闹补充不能拿多模态直接对比语言模型：“语言太显性太直接了，多模态是一种表达，很玄——运镜技巧都在靠暗示。它在做人类另一个大脑的事，就是感性的事情。它在用理性的方法去做感性的事情，难度是很大的。”
• 卫诗婕追问：无法量化的东西如何评估？闹闹的招牌比喻值得全文保留：“感性没有办法被量化，但它又有迹可循，就跟色带一样，赤橙黄绿青蓝紫——远处看是分开的，进去看每一个像素点，好像有边界又没有边界。所以感性可以被结构化，但结构颗粒度粗一些。”
• 推论直接指向格局：每家公司的 benchmark 都不一样、非常取决于人——好的商业片有共性可总结，艺术片的好坏“非常私人”。这是产品层不会一家通吃的底层逻辑。

15. 从剪映、抖音到 B 站：为什么最终只能自己创造环境

• 第一次创业后她给自己的定义是“高级打工人”，想学上下两层视角，也学到了“不要成为什么样的 Leader”：一是“觉得自己太行的 Leader，会盲目、听不到对事情有好处的声音”，二是老好人——做 Leader 一定要做事，做事就有利益取舍。
• 已经做到剪映负责人，为什么还走？“它已经足够大，大到要照顾使用大盘，AI 在里头可能只是辅助作用”；而她想做“可以从小长大、经历整个生命周期”的东西。转岗抖音期间想做创作者的“情感激励”——现有变现方式“会让做内容的初心慢慢变掉”，她想把精神激励和物质激励结合成“三赢”，但她认为当时大厂做得还较粗放。
• 最终的结论：“当你尝试过了很多次，你会发现没有一个环境会让你毫无顾忌地冲锋陷阵……它非常取决于人和人之间志向的一致性。我只有自己去创造一个这样的环境。”至于“AI 时代的剪映”这个标签，她只认理念共通——“让普通人借助技术把想表达的东西表达出来”，但未必以工具那一层实现。

16. OiiO 的产品形态与“小火”：模拟一个真实剧组

• 产品切入点是动画、动漫：“在没有 AI 之前创作成本很高，有了 AI 之后成本一下子被打平了”——最早的定位是让每个人都能生产一段自己的动画。形态上模拟真实剧组干活，拆分七个工作角色，带人格化设计（“艺术总监在喝茶，编剧擦了擦眼镜片”），完全不懂动画的人凭一个 idea 一步步产出短片。
• 产品未发布就有十万人排队等内测码，她归因“百分之五十是偶然，百分之五十是做对了几件事”：那个时间点“一句话做一个视频”的能力还不具备，体验到就是 aha moment；且免费——“当你的目的不是赚钱的时候，真的会有很多真正有趣的东西在里头”。
• 两个她最珍视的 UGC 样本：一个只会画画的 OC 作者，把静态漫画帧做成了感人的动画故事——传统行业里这需要庞杂的多人协作；一个“非常 I”不愿出镜的北京打工女生，用 OiiO 做了自己上班、回家喂猫的一天 vlog。“这就达到了让普通人有想要表达的机会。”

17. Seedance 带来的成本变化：成本上涨杀死 UGC

• 随着 Seedance 出来，模型成本相对较高，团队不得不收费，“费用一高，那些 UGC 就流失了”，用户结构从 UGC 为主转向 PGC——“会为工具花钱的还得是能从这件事获得收入的准专业用户”。她承认“有一点点小失落……由于成本问题很多有创意的东西没有被弄出来，我觉得有点遗憾”。
• 应对策略三条：不做无底线补贴（“薅羊毛来的人早晚会因为薅羊毛走，总有比你羊毛低的地方，模型厂就摆在那里”）；转向 Pro C 和小 B 这群“注重成本、在商业社会里循环”的人；最关键是“模型之上产品的独立价值一定要做出来，而且必须是黑盒的，不能被别人显性地超过去”。

18. Agent 的技术纵深：路由、benchmark 与 MJ 没被吃掉的启示

• 回应投资人“应用会被模型吃掉”的经典拷问：视频 Agent 的每一环——理解拆解用户一句话（语言模型）、写剧本、做人物场景道具设定（图片模型）、分镜切分——都要在自己场景下跑 benchmark 选最优模型，不是市面上最好的模型在所有场景下都最好。
• MJ 是她的关键证据：“MJ 手绘风格非常好，再大的模型、体量再好的模型也没有把 MJ 吃掉。”但 MJ 人物一致性非常差，怎么用其他模型补——“这些都是要走路由的”，每个图片模型适用的 prompt 规则都不一样，路由之下的语言模型 output 也都不一样。
• 支撑这套链路需要三个工种协同：模型产品（搭链路、懂逻辑和标准）、效果设计师（视觉角度大量批测，“什么条件下能保住这些风格”）、算法（保证链路稳定性）。“它不取决于人多，取决于人的专业度——能做好这三者的人是极少的。”

19. Sora 关停与格局：至少三个玩家，前提是“不被先放弃”

• 对年初 Sora 关停：“很可惜，它真的是一个好模型，在视频领域很长时间没有竞争对手，遥遥领先。”她猜测可能是战略考虑：OpenAI 有更强大的语言模型在做 Claude Code 的能力；在大厂内部竞争激烈时，项目如果不是最先被放弃的那个，才可能继续获得优势。
• 视频模型混战没有因 Seedance 结束，她判断至少还有三个玩家（可灵算一个），因为视频模型需要大资源、大组织能力和投入度——OpenAI 具备组织能力和技术资源，但 Sora 仍可能在整体优先级中被先放弃。
• Seedance 2.0 对 Sora 的细评保留原样：综合能力更强，但真人表现力不如——“Seedance 的真人有明显的 AI 感，Sora 能做真人的那段时间你看不出任何 AI，非常真实”；风格一致性 Sora 更保得住；而音画同步、口型、动作流畅度“Seedance 肯定是遥遥领先的”。背后“技术和数据可能都有影响，但还是数据的影响更大”。

20. 视频 Agent 井喷是“妄想”：套壳、骗钱与一百分宣传

• 卫诗婕问海量视频 Agent 是需求爆发还是资本催生，闹闹的回答不留情面：“我觉得是一种妄想——大家都以为这里头有利可图，但实际上未必有真的利益可图。”很多是中转站包装个 Agent 概念，甚至有人宣称免费用 Seedance 实则挂的不是、 “圈一波钱就走”；还有人套海外壳，宣称可以使用尚未上线的可灵产品，以此骗钱。
• 宣传通胀的现实：“大家都会宣传是一百分，有的人做到三四十分，有的人六七十分，有的人七八十分，但肯定没有一百分，包括我们——它一旦是概率游戏，就有可能抽到不满意的镜头。”她给用户的 guidance 也很实在：没有办法快速分辨，“就是得试，都得试”。
• 真正在做视频 Agent 的她认为“没有类，可能就两三家”——“因为它很难，它真的很难，需要有过去的经验和对已有技术的开放性学习”。

21. Seedance 2.0 出来时的焦虑与平静：仍有可为的部分

• 她坦承经历了“有点焦虑但又比较平静”的过程：宣传视频看完“哇，觉得好棒啊，完了”，平静下来发现它不是一句话就能做出来的——小红书投稿量在 Seedance 刚出时巨大、随后回落，“因为普通人就是用不了，它还是受强 prompt 约束的模型”。
• 强 prompt 与自然语言的差距用打斗举例：自然语言是“你和他打一场咏春”，而 OiiO 出的 prompt“每一个镜头可能都有上千字”才能表现好——Agent 在中间解构。“在简单面前没有什么创作者是专业和不专业之分，没有人希望创作是一个复杂的过程，这是最本质的。”
• 结论：“它本质上不是一个可以吃掉所有环节的模型，就仍然有你可为的部分。做视频生成越久，我越觉得这个东西不会被完全吃掉——产品层一定是百花齐放，因为它是相对美和相对不美，人在里头的 benchmark 就是不一样的。”

22. 相对直接用 Seedance 的价值：40 路并发、更低抽卡、任意环节进入

• 付费画像上 OiiO 用户是 Seedance 用户的子集，但重视的东西不同：同样调 Seedance，OiiO 抽卡概率更低、可并发出分镜、不用懂专业 prompt。会员并发席位最高 40 个——“一下子可以出来四十个镜头”。最生动的验证：“学生赶作业的时候用我们——那也就代表着你的产品好用能用。”
• 结构性差异是：OiiO 拆分了七个角色和通道，有人设可以帮你编故事、有剧本可以帮你做人设，任何制作环节进去都能走通；“Seedance 只是最后生成的那一下”，适合已经成型、每个镜头都想好了的制作团队。行业里的“抽卡师”岗位，粗放理解就是 prompt 水平，“我们解决它百分之六十，别人抽六七次的作品我们两次解决”。

23. To C 是短暂的不得已：推理成本、豆包收费与“无限成本”

• 对“基模应该放弃 To C、只做 Pro C 和 B 端”的推演，她不同意方向但同意现状：“字节难道不愿意做 C 吗？当然要做，但 Seedance 现在这么贵，它真的挣钱吗？也不一定。成本一高，C 就没办法循环起来，一定会滑向稍微专业一点的人。”
• 证据链上最重的一环：“你看豆包都开始收费了——一个做过这么多 To C 爆款的公司，在 To C 产品上收费是不可想象的。这说明即便大如字节也不能完全无视，这个免费实在太贵了。”
• 视频领域更甚的原因是成本结构反转：以前自媒体花几千块买单反相机或 Insta360 拍视频，是“有限成本”，可以在犯错空间里越做越好；“生成是无限成本，做一次就是一次，它是一个无底洞”——所以大家流行晒 AI 投入账单，“又不能保证一定出一个爆的，真的是在赌”。她的存在必要性即在此：“帮大家把确定性提升。”

24. 6 月 10 日的 2.0：拉片复刻、skills，以及黑盒到底黑在哪

• 两个新功能：拉片复刻——“所有创作最开始都是从致敬和模仿优秀作品开始”，它加大了出片概率也加大热情，“因为你至少有反馈”；skills——投喂五个左右你觉得特别好的视频，自动生成如“访谈类”的 skill，“有点类似模板，又比模板没那么固定，它有那个味道了”。
• 为什么这层抄不走？拉片本身就是相对黑盒：“一秒二十四帧不可能真逐帧过——真逐帧就没有表达了，因为它是静态的。一定是一个镜头一个镜头过，但镜头怎么切是人规定的，切完怎么理解内容也是人规定的。”
• 佐证来自她做抖音特效的经历：一个变漫画特效“光做一个特效，就花了三个月训练”，要对人的面部构造做极细微的人为调整、定义美与不美；怎么推爆也有算法之外的底层——对明星感兴趣的用户推明星在用，爸爸妈妈靠周边朋友的社交关系推，“中间有很多除了算法之外的底层的东西”。

25. 赛道判断：短漫剧去人力密集化，自媒体是更大的池子

• 选 ACG（动画、短漫剧、游戏方向）的推演：大厂训模型烧钱、迫切商业化，“低垂的果子肯定优先被大厂摘掉”，创业公司的机会在中间那层还不确定的新价值环节。动画她直言“不怎么赚钱，这个行业本身挺苦的——生产力释放了，但生产成本对普通人是高的”。
• 组织形态是她的核心判断：短漫剧过去半年到一年还是人力密集型，“但我们判断它一定会变成非人力密集型——人力密集只是短暂的成本优势，还不能把内容做成精品”。大量从业者离职后组成小单位，OiiO 服务这群小 B，“现在也是这个趋势”。
• 更大的空间在“自媒体”：红果是剧的产业链模式，头部效应明显——“可能就是前百分之五的人在赚钱”，剩下 95% 会流向抖音、小红书、B 站这些更大的场子，选择适合自己的内容形态生存，那就是她定义的自媒体画像。卫诗婕的总结她认可：从生产形式演变倒推，溢出的个体会很有动力用她的工具。

26. 与大厂的关系：“我一直觉得大家是坐在车上的”

• 怎么避免躺在大厂车辙上被碾？“我一直不觉得我们是在车辙下的，我一直觉得大家是坐在车上的，不是竞争关系——没在字节待过的会很容易有（被碾）这个判断。”她的字节经验给出的具体机制：大厂多方向并发探索是“尝试心态”，选中的人做事意志没那么高、每个项目资源分散，“甚至是有劣势的”，而她只做一个能养活自己的方向；卫诗婕的比喻她认可——Agent 像游牧民族，靠山吃山、靠草吃草。
• 价值尺度的错位是创业公司的护身符：“字节里几千万 DAU 的产品很多，在字节它是没有价值的；但一个创业公司几千万 DAU 一定是有价值的。”底线是独立性——“哪怕有那么几万个用户，我有自己的独立性，能正向 run 起来，这家创业公司就不差。一个创业公司失去了独立性，就很容易被消灭掉。”
• 选模型上她没有利益绑定：“客观挑选这个场合下最适用的模型，除非它不让中国用”——方法是每个场景跑一百个案例、一百遍，哪个执行最准确就用哪个。目前调度的国内模型主要是可灵、Seedance、Vidu（海螺现在少了）。

27. 涨价推演与终局关系：伙伴，至少不是竞对；七八成概率不被吃掉

• 如果模型持续涨价怎么办？她反问动机：“如果涨价会导致更多的人不赚钱，那它是不可持续的，它就涨不了。我的判断是它涨不了”——短剧这种强赛道利润都不高，字节更看重抖音里 AI 内容生态的繁荣、需要放出 UGC 创作力，“也许降价反而利益最大化。你一定要相信它是一个很精明的公司：能涨且不伤害绝大部分利益它一定会涨，不涨就代表这可能已经是最优解了”。她承认例外条件：像 Anthropic 在 coding 领先窗口内就有动力高收费，直到 Codex 这样的对手改变局面。
• 与基模的定性：“伙伴关系，组团打仗——所有人都需要积木，积木越好对 Agent 一定是最好的。”但她只给“Agent 层不被吃掉”七八成概率，卫诗婕追问为什么不敢说满：“这不是保守，这是一种客观……如果是百分百的东西，它是固执。我不固执，我也不赌，我只是在推演。”并且逻辑自洽到冷酷：“如果它能吃掉所有 Agent，那我们就不做了，没有意义——我们不会为了证明自己有价值而有价值。”
• 对市场上“说到一百二十分才有正向激励”的质疑，她的回答是这期最值得记住的话之一：“大家说话说得都太满了，人会疲——狼来了说得太多了，可能就真的没有人相信了。这时候反而最缺的是说一些客观的、相对真实的话。”

28. 时机、Seedance 2.0 的启发与终局想象：谦逊是一种勇气

• 模型“可用、接近好用但还没真正好用”就下场做 Agent 早不早？“说实话是有点早，但我现在不觉得这个早是不好的”——恰好的点追不到，早入场能积累、知道好坏和差距在哪，且“永远第一个出现的人会被更多人记住”。perfect timing？“我觉得当时就应该下场了。”侦查模型厂动向的方法：创作者共同的痛点“几乎可以确定是它必做的方向”，再加上找同学聊聊。
• Seedance 2.0 真正教给创业者的：“要把东西做细。都知道数据重要，但具体重要在哪里、怎么执行这个重要——它做到了。这些执行非常细碎、非常无聊，是人在堆的很脏很累的活，一点都不炫，一点都不科幻，就是老老实实、扎扎实实把该做的做了。”AI 创业里非常缺这种对细节和脏活累活的投入。卫诗婕 pushback：拼细节苦工创业公司打不过大厂——她的回应：创业公司有自己的苦工，是模型上层的算法细节和工程细节。
• 结尾从极度务实跳到科幻终局：她理想的顶级 AI 产品“不是手机也不是眼镜”，而是“视听语言通过神经传导、在大脑里产生刺激信号”的内容交互——“能干扰到这些信号才比较本质”。卫诗婕将其追问为真正意义上的元宇宙，闹闹只回答“可能吧”。AI 时代顶级产品经理的画像，除了好奇心、审美的理性化能力，她最后落在一个稀缺品质上：“谦逊代表着你能学习……愿意承认自己的不足不是自卑，反而是一种非常自信的表现——它其实是一种勇气。”