深度｜Runway CEO最新分享：未来的爆款AI产品不是做垂类工具，而是靠定义世界观

图片来源：Ted

Decoder是由The Verge 主编 Nilay Patel 主持的深度访谈节目。在这一期中，Decoder邀请到了 Runway 联合创始人兼 CEO Cris Valenzuela，一位既是技术推动者，也是理想主义创作者的创业者，探讨一个正在重塑内容产业的问题：AI 能否真正成为创意的伙伴，而不是掘墓人？

Runway 是当今最引人注目的 AI 视频生成平台之一，它让一个没有预算、没有拍摄团队、甚至没有相机的普通人，也能用自然语言生成高质量视频。但正如你会在节目中听到的，Runway 所引发的远不止技术革新，更是对电影工业、广告生态、创作者角色乃至版权法律的全面挑战。

Cris 坦言，他不是想颠覆电影业，而是想扩大创作的入口。他和团队正在与狮门影业、AMC 等大片厂合作，但与此同时，也卷入了 AI 训练数据侵犯艺术作品版权的集体诉讼。我们在节目中直面这一争议——如果未来模型都要为使用过的内容买单，这场 AI 创作浪潮还能走多远？

此外，Cris 还聊到 Runway 的内部组织结构、他们如何在高速演化的模型面前快速做产品决策，以及在“AI 吞噬产品”的节奏中，如何留住用户体验的灵魂。

Z Highlights

• 速度和效率的巨大价值：在影视行业，Runway大幅缩短了分镜绘制等传统创作流程，帮助企业实现从几周压缩到实时生成的速度，极大降低成本、提高效率。
• 数量推动质量：Valenzuela认为数量最终能带来质量，AI帮助创作者快速迭代，大量尝试，从而实现创意提升。
• 创作瓶颈被突破：他强调AI工具的本质在于赋能创作者，突破传统创作模式中的缓慢节奏和成本限制，让创作者能完成更多项目、释放更多创意潜力。
• 商业模式聚焦于订阅制与教育合作：Runway的收入模式简单明了，以订阅制为主，并通过学校合作进行推广和普及，让年轻一代更早地掌握创作工具。
• 组织结构强调自主探索和跨界融合：公司并不严格依靠传统目标管理（OKR），而是通过设定边界，给予员工探索和试验的自主性，强调科研式和创造性驱动的组织模式。
• 产品与技术需高度联动：当前AI产品开发的最大挑战是技术迭代太快，因此产品团队必须紧跟研究节奏，以实验为导向，快速测试、不断调整产品方向。
• 下一代产品的构建逻辑是“世界观驱动”而非“垂直深耕”：未来软件产品开发将围绕明确的世界观或思维方式展开，而不是局限于单一垂直领域。Runway明确的世界观是：未来多数影像内容都是由AI生成或模拟的，这成为公司产品发展的核心导向。

这是关于 AI 与艺术的激烈碰撞，也是一次从技术、商业到情感的全面拆解。以下是全文翻译。

Nilay Patel: 你们是在这波 AI 热潮真正爆发之前就创立了 Runway。我们刚才还在开玩笑，说你们的网址是 Runway.ml，因为那时候大家还普遍叫它“机器学习”。从那时到现在，随着 AI 的爆火，你们的思路有什么转变吗？比如说，现在每个人都知道什么是训练模型了，GPU 的市场也变得更贵。你们经历了哪些变化？

Cris Valenzuela: 变化非常大。我们是在 2018 年创办公司的，那时候“机器学习”还算是我们对整个 AI 领域的统称。到现在，几个关键点已经发生了改变。

首先，模型的能力确实大幅提升了——这一点大家都能感受到。我希望现在在场的每一个人都已经用过 AI 模型了，我猜你们应该都体验过。七年前，还几乎没人真正接触过 AI。如今，从一致性、生成质量到整体表现，模型的能力都有了质的飞跃，这极大地改变了人们对 AI 的感知和使用体验。

第二个变化是，模型的价值和实用性变得越来越明确。以前很多人觉得 AI 是一种“未来可能有用”的东西，更多还是停留在理论层面。而现在，AI 的价值正在变得切实可见。当然，在很多领域我们仍不确定 AI 会如何改变现状，但在一些方向上，它确实已经带来了根本性变化。

比如在教育领域，基本可以确定的是，从现在开始直到未来，每一位学生都会在学习过程中使用 AI 模型。这已经不是假设，而是现实。

还有一个很大的变化就是——竞争的到来。现在，所有人都开始关注这个领域。而我们刚起步的时候，几乎没有人在做这件事。如果你在八年前跟别人说，“我们将来会拥有能生成超逼真视频的 AI 模型”，大多数人可能会觉得你疯了。但今天，这已经成了一个显而易见的发展方向，也有越来越多的团队加入进来，想要解决同一个问题。

Nilay Patel: 在创业初期，你们的研发能力有没有受到算力限制？你们现在取得的成果，是不是主要归功于scaling laws?

Cris Valenzuela: 规模确实是关键因素之一。我认为，整个行业已经逐渐意识到，规模真的很重要。我们这几年得到的一个主要经验是：只要把算力规模提升上去，模型的表现就会显著提升。不过这一点在最初其实并不那么明显，是这两年才逐渐被验证的。

当然，算力越多肯定越有帮助，但真正推动进步的不只是算力，还有更大的数据规模和更高效的算法设计。所以，它并不是靠某一个因素单独驱动的。不能说只要有更多的算力，一切就都会变好。它其实是多个因素共同作用的结果。

Nilay Patel: 你能给我们具体举个例子吗？你们刚开始做的时候，渲染一帧视频需要多长时间？跟现在相比有什么变化？

Cris Valenzuela: 我们最开始的时候——根本还做不到渲染视频。这才是关键。当时我们做的第一个模型，是一个文本生成图像的模型，只能生成宽度 256 像素的图。如果你看过马克·罗斯科（Mark Rothko）的画，那种抽象、色块堆叠的风格，就是我们当时生成效果最接近的样子。

你想生成一张人脸、一栋房子之类的图像，它大概能抓到颜色，但整体还是非常模糊、错位的。从那个阶段的马赛克式低分辨率图像，到现在可以生成长达 20 秒、分辨率达到 4K 的视频，且包含复杂动作与镜头运动，这之间的飞跃是巨大的。

我们最初甚至都没把“视频生成”当成是可实现的目标。但随着时间推移，它真的变得可行了。

现在我们开玩笑说，我们一直在“不断往前挪球门线”（不断提高标准）。比如我们从 Runway 用户那里收到的反馈可能是：“很好，Cris，你现在能在火星上生成一个弹跳的球了，但第 27 帧时球的运动轨迹有点偏。”

我的反应通常是：“太好了，这种反馈特别棒。”因为我们会去解决它。但与此同时，我也会提醒大家：你们可能忘了，仅仅一年前，我们还觉得这根本是不可能的事。

Nilay Patel:我注意到现在很多大型平台公司之所以如此重金投入视频生成，尤其是因为他们都在对准广告行业。你也提到 Runway 有广告客户。马克·扎克伯格现在都不掩饰了，直接放话说：“我要彻底颠覆广告行业。”他就这么直说。

他几周前在 Stripe Sessions 上也说了类似的话。他的意思大概是：“你根本不需要动手。来找我们，说清楚你想要多少客户，大概介绍一下你的产品，我们就能自动生成广告视频，把它们投放到信息流里，然后你只需要看着收入滚滚而来。”这就是典型的扎克伯格思维方式。而这也是第一个真正成熟的市场——通过大幅降低广告制作成本，带来实际回报。那你们现在的客户需求，也主要来自这一方向吗？

Cris Valenzuela: 我觉得对很多人来说，这是一个极具吸引力的愿景，尤其是那些从来没有机会制作广告的人。现实中，很多企业根本负担不起去找广告代理公司拍摄一支专业广告片，更不用说什么顶级制作团队了。

所以，如果你能真正帮到这些企业，让他们也能做出广告，我觉得这是好事。它确实在某种程度上“提升了门槛”，因为现在几乎任何人都可以参与内容制作。

但我认为这并不是要“消灭广告公司”——那种说法有些过于简化了。我更倾向于认为：AI 是在缩短广告制作的周期和流程。

理想情况下，未来任何内容的制作成本，都可以降到接近模型推理的成本。如果你本身擅长构思和创意，你就可以借助这些工具生成所需内容——但你依然需要一个好点子。

所以，广告代理公司、创意人才依旧重要，只不过他们的制作周期会被大幅压缩。而这也有可能让更多原本无力承担内容生产的人，也能参与进来，做出自己的作品。

Nilay Patel: 是啊，我的意思是，我真的觉得马克·扎克伯格就是想干掉整个广告行业。

Cris Valenzuela:（笑）哈哈，也许我们该亲自去问问他，我也不知道。

Nilay Patel: 他是个行动风格非常激进的人。但我之所以这样问，是因为我看到现在有这么多 AI 产品、这么多新能力，却很少能直接转化为实际的商业成果。IBM 上个月有一项研究指出，在他们调研的企业中，只有 25% 的 AI 投资带来了回报——这是一个非常低的比例。现在大家都在尝试、在摸索，我可以理解在广告领域这条路是说得通的，毕竟那就是客户获取成本的问题。但在影视公司或其他领域，你是否看到过这样的场景：光是节省成本本身就足以值得投资？

Cris Valenzuela: 当然看到了。我就在这场访谈开始前，刚和一家电影公司开完电话会议。他们拿了一份剧本，想通过 Runway 来做测试。

不知道你们有没有参与过电影制作流程——通常你写完剧本之后，下一步是制作分镜图（storyboard）。这就意味着会有专人花上一到两周的时间手绘场景图，而且通常只是一两个镜头，而不是整部电影。这个过程非常耗时、成本也很高。

他们一边念着需要 Runway 协助的剧本段落，我这边就实时生成了分镜图。等他们读完剧本，我那边的分镜图也完成了。

他们最初甚至还没意识到发生了什么，因为他们从未体验过这种工作节奏和效率。对他们来说，速度就意味着成本。如果你把传统人工绘制分镜所需的时间加总起来，会发现原本拖延数周的工作，现在可以由编剧实时配合 AI 完成，极大缩短了开发周期，也推进了整个项目流程。

所以你会发现，在很多创意行业，很多流程至今仍是手工完成的。AI 在这些“缝隙”中提供的，不仅是效率提升，更是赋能创意者以更高的生产节奏去推进项目。

Nilay Patel:我其实特别想问你这个问题，因为我知道你一直很关注创意产业，以及“创作”本身的过程。反对者会说：正是编剧和分镜师之间的“沟通时间差”、信息传达与理解的过程，才是创作中最有魔力的部分。而当 AI 把这个过程简化成一种“机械式”的产出，而不是一场有机的创作协作时，反而会削弱内容的质量。你怎么看？

Cris Valenzuela: 我不太完全认同这种观点。我觉得我们有时候太过执着于“创作的过程本身”。

编剧的目标，是把脑子里的世界、想法、情感表达出来。如果你可以利用手边的工具更快地做到这件事，我觉得这不是问题，反而是好事。你可以更快地迭代概念，更快地理解自己的创意，更容易与他人协作，也能产出更多内容。

现在媒体创作的一个最大瓶颈在于：一个人可能花三四年做一个项目，结果项目在制作阶段被砍了，根本没机会面世——原因可能是预算问题、市场策略变化，或者公司内部决策等等。

你想想看，一个创作者可能四年心血付诸东流。这在当下非常常见。我想说的是：未来你不需要一辈子只做一个项目，你应该可以做十个、二十个。

所以除了“质量”，我们也应该考虑“数量”维度。当前的工作流程实在太慢、太受限了，限制了创意表达。如果我们能用 AI 去提升它，那么创作者就可以释放出更多的产能和可能性。

从这个角度来说，我认为这是一件非常棒的事。

Nilay Patel: 这就是你们的商业模型吗？你是认为“数量”会驱动业务增长？

Cris Valenzuela: 我认为，数量最终会带来质量。对一个艺术家来说，作品做得越多，水平才会越高。没有哪位艺术家只画过一次画就顿悟成了大师。毕加索创作了成千上万幅作品，而我们大多数人只见过其中不到 1%。音乐人也是一样，每天都在创作、试错，直到某个时刻，才终于做出打动人心的作品。

我认为，AI 工具就该扮演这样的角色：提升创作效率，让你做得更多，但最终的判断权依然在你手中——由你决定什么是好作品。

但说实话，我之所以创办 Runway，是因为我一直想拍电影。我在智利长大，小时候连买一台相机的条件都没有。我直到 27 岁才拥有了人生第一台相机，确实挺晚的，一方面也是因为设备太贵。

那时 Adobe 的软件价格高得离谱，我根本负担不起。也许我未必能成为一位优秀的导演，但如果能早点拥有表达脑中故事的工具，那对我来说就已经很棒了。是技术门槛阻止了我开始创作。

而现在，世界各地的孩子都在用 Runway，把自己的想法变成影像。这让我特别兴奋，也觉得很欣慰。

Nilay Patel: 那 Runway 的定价是怎么设计的？你们的收入来源主要是什么？商业模式是什么样的？

Cris Valenzuela: 非常简单，我们是订阅制收费模式。你付费后就可以使用平台上的不同功能。当然，我们也提供免费套餐，用户可以免费体验部分功能。

此外，我们还与学校合作。比如纽约大学（NYU）的电影学院就开设了专门教授学生使用 Runway 的课程。现在，学生上电影课，拿到的不再是一台相机，而是一套 AI 工具。我们也和其他学校有类似合作，这些教育场景下我们通常都是免费开放平台使用权限。

Nilay Patel: 你们与合作的影视公司，他们是花了很多钱购买服务吗？还是说他们在某种程度上是在为普通用户“补贴”？

Cris Valenzuela: 不，我们对企业是收费的。学生也可以付费，但他们之所以愿意付费，是因为 Runway 对他们确实有帮助。只要这个工具能让你完成事情，那它就有价值，值得投入。

Nilay Patel: 你们现在实现盈利了吗？

Cris Valenzuela: 还没有。我们仍处在快速增长阶段。当前我们投入最多的，其实是研发，而不是商业化。

Nilay Patel: 那你们的“Runway”（运营现金流）还能维持多久？

Cris Valenzuela: （笑）我们一直都在非常认真地思考这个问题。过去 12 到 18 个月里，我们的模型已经达到了一个非常成熟的阶段，现在你真的可以用 Runway 做出非常不错的作品。

对于任何公司来说，总会面临一个“优化函数”的选择：你是要优化当下的业务，还是继续押注未来的成长？

对我们而言，我们更倾向于继续增长。有很多值得深入投入的研究方向，还有很多潜在的机会等待我们去探索。

我们现在一直面临的张力是：**是停下来打磨现有的，还是继续向前？**我们选择的是后者。

因为我们相信，还有很多我们尚未触及、但值得去做的事情——这些才是我们真正想投入的方向。

Nilay Patel: 在 Decoder 节目中我都会问嘉宾一个问题：Runway 是怎么架构的？你们是如何组织公司的？

Cris Valenzuela: 我们非常精简。前几天有人以为我们有 1000 人，我听了觉得这大概是对我最好的夸奖了（笑）。其实我们只有大约 100 人左右。

公司结构非常扁平，我们更强调的是“自主性”而不是传统的目标驱动。我们不是那种设定一堆 OKR 的公司，实际上我们对“设定目标”这件事并不认同。

我们的工作方式是：设定边界和探索方向，而不是告诉你具体要怎么做。因为很多我们正在尝试的事情，从来没有人做过。如果我告诉你“该怎么实现”，那我可能也是错的——因为我们自己也还没走过这条路。

所以这本质上是一个科研式的组织，必须通过试验和失败不断推进。我们所做的，是为团队设定清晰的约束条件和探索边界，在这个范围内，你可以自由尝试。

我们过往最好的成果，往往来自“给出正确边界后，让人自由发挥”——大家自主探索、自主解决问题，这种模式反而效率更高。

Nilay Patel: 所以你们是全套“全员自组织”（holacracy）吗？完全没有组织架构图？

Cris Valenzuela: 呃，也不能说完全没有，我们在某种意义上还是有一些组织结构的，但协作是跨职能、跨边界的。

我们内部设有一个“Studio”，里面有创意人员、制片人、电影人和研究人员，他们都坐在一张桌子上，一起工作、用同一种语言交流。虽然大家背景不同，但却能高效协作。

所以，是的，我们所追求的，就是这种协作方式——跨界融合、去层级化、面向创造力。

Nilay Patel:我之所以问这个问题，特别是针对像 Runway 这样规模的 AI 公司，是因为你们的产品能力、背后的模型研发、以及产品形态之间，有非常紧密的联系。我目前还没看到太多真正“聚焦且打磨得很好”的 AI 产品——Runway 可能是其中的少数几个。

大多数情况像是 ChatGPT —— 一个开放式接口连接前沿大模型，然后我们再看它能做些什么。那你怎么看？随着公司做大，你们的产品会变得更加聚焦吗？还是你觉得必须要保留模型研发团队和产品团队之间的紧密联动？

Cris Valenzuela: 我认为产品和模型之间的联动，是为了让产品团队更好地预判技术走向。以前技术研发的周期很长，现在研究的节奏非常快。

这带来了一个难题：产品开发变成了当下最难做的一件事之一。你规划好产品方向、设计、开始开发——但等你做完时，它可能已经被新一代模型淘汰了。可能六个月白干了。

所以现在产品团队也必须像研究团队一样去运作。我们在公司内部的理念是：虽然只有研究科学家在做模型训练，但其实每个人都是“科学家”，每个人都在做实验。

在你投入大量时间去做某件事之前，先跑一个实验，做一个简单原型，看看值不值得继续投入。然后再跟研究团队沟通，确认这个方向未来是否还有价值，或者是否马上就会被下一个模型版本覆盖。

我们经常遇到客户问：“这个模型能做到 A，但做不到 B，能不能帮我做个专门产品来解决这个？”我们也会评估——是现在就做一个定制产品，还是等下一代模型能直接自动搞定这一切？

这就是难点所在——你总是在追赶技术的前沿。所以我认为，那些理解研究逻辑的公司，会比那些单纯做产品追热点的公司更有优势。

Nilay Patel: 我总会拿这个比喻（你可能不喜欢），但我还是想说。我很早就开始报道科技行业了，头发白了，胡子也长了。当年蓝牙刚出来时，大家都知道“最终形态”是什么样的：无线耳机。

美国每个房地产中介都戴着一只巨大的摩托罗拉蓝牙耳机，大家都说，“哦，我们想要的是 AirPods！”但蓝牙协议根本没准备好，直到十年后，苹果才自己构建了一套私有层，才把 AirPods 做出来。

这一切花了十年——因为当时技术根本还不支持这个愿景。那个年代一直在反复权衡：“我们想要什么样的产品？我们能不能做出来？技术是否跟得上？”

你刚刚的描述，其实和当年是一模一样的。而让我最惊讶的是，现在大模型一次次“吞掉”已有产品形态——你们怎么知道该做什么产品？

Cris Valenzuela: 确实，非常难。

Nilay Patel: 因为“AirPods 长什么样”大家都能想象——“电脑要和我对话”，这点大家也懂。

Cris Valenzuela: 是的，但这不只是“电脑能说话”这么简单。它怎么说？它有没有情绪？情绪在何时被调动？这些细节都是产品的一部分，而这些反过来又会推动研究方向。

说实话，现在没有人真的能明确描述未来的产品体验会是什么样子。因为我们正处在一种我们从未想象过的交互方式中。

你只有在用户真正开始使用之后，才能发现问题——这在研究中也常见。你可能花了很长时间做训练，结果模型一上线，用户两分钟就用出了完全不同的新玩法。

我反倒觉得这特别好。这也说明，上一代软件产品的逻辑是“你选一个垂直领域，然后往里深耕”；而下一代软件产品的逻辑应该是：“你选一种思维方式或世界观，然后围绕它构建模型。”

对我们来说，我们的“世界观”是：未来你所看到的图像，大多数都是被生成的、是模拟出来的。这是我们的出发点。

基于这个原则，我们就可以构建出很多不同方向的产品。这也是我们和传统“找一个用例、深挖下去”的产品思维之间的根本区别。

文章来自公众号“Z Finance”