特搜战队刑事连者

曾3亿美金把公司卖给字节，剪映背后的操盘手，造视频Agent再融8000万美金_我的网站

A |     

。         接下来的几年里，郭列展现出了近乎恐怖的“爆款感知力”：          2014年，凭借一款主打拼脸与卡通头像生成的工具，凭借极佳的视觉表达，「脸萌」在数周内迅速刷爆微信朋友圈，大量微信用户使用脸萌生成卡通头像，应用登顶AppStore免费榜首，单日新增用户突破500万。海外版本FaceQ同步上线，陆续拿下英国、西班牙、委内瑞拉等多地应用商店榜单前列。         然而，由于缺乏社交关系链与长尾留存，它很快沦为“昙花一现”的工具典范。         2016年，吸收了「脸萌」的教训后，郭列团队迅速转向视频动态贴纸与AR美颜，启动「Faceu激萌」项目。         依托实时人脸捕捉、动态贴纸特效能力，「Faceu激萌」精准抓住年轻群体短视频自拍需求，2016年再度登顶AppStore摄影类榜单，累计下载量突破2.5亿，月活跃用户最高达到8000万。         项目陆续完成多轮融资，IDG资本、美图、光速中国等机构持续加注。         2018年，字节跳动以约3亿美金（现金+股票）将Faceu收入囊中，郭列也顺理成章带着团队入职字节跳动，完成了许多创业者梦寐以求的商业闭环。         完成收购交割之后，郭列以脸萌科技负责人身份留在字节跳动，统筹原有团队，全面融入字节短视频生态。基于团队多年人像图像处理积累，内部立项孵化「轻颜相机」。         「轻颜相机」跑通之后，团队继续延伸图像创作链条，启动修图产品「醒图」的研发工作。         在此阶段，郭列逐渐形成一套清晰判断：移动互联网内容生产，会沿着“拍摄—修图—剪辑”完整链路持续延伸。         基于这一判断，团队依托Faceu多年积累的视频处理底层代码，参与「剪映」早期产品框架搭建。

F |          他推动团队将人脸追踪、滤镜、转场特效等影像能力持续导入「剪映」，打通拍摄素材一键导入剪辑工作台，实现相机产品与剪辑工具的链路互通。         2019年10月，郭列正式退出业务一线管理岗位，转为字节跳动顾问，同步选择出国深造。即便不再日常负责产品迭代，他依旧持续跟进剪映、醒图后续版本更新。         结束海外学习之后，郭列选择再度出走，投身于游戏行业的创业。

G |          游戏极度依赖天才导演或天才制作人的个人灵感与审美上限。

H | 在一场漫长而艰难的摸索后，郭列撞上了他创业生涯中最深刻的一道墙。

I |          他不得不对自己的能力模型做了一次残酷且诚实的剖析：“通过游戏这次创业，我发现自己并不是那个天才制作人。

J | ”          承认自己“不是天才”，对一位屡获成功的创业者来说极其艰难，但这也成为了他职业生涯最重要的转折点。         2024年底，郭列手搓了一部3分钟的AI短片。为了保持角色一致性，他在Midjourney中无休止地“抽卡”，在可灵与剪映之间来回切换，连续两周熬夜到凌晨。这场痛苦的体验带来了一个顿悟时刻（AhaMoment）：          既然自己当不了天才导演，为什么不凭借自己最擅长的产品化能力，为千千万万创作者做一款极佳的工具？          当DeepSeek带来开源模型的繁荣、GPT Image1解决一致性难题时，他果断决定：用Agent模式重构视频创作。         02告别“拼图式灾难”：Flova与它的“全知上下文”解法          在传统AI视频创作流程中，行业长期存在极其刺眼的痛点：生成5秒很炫酷，拼出1分钟全是灾难。         现有的单点模型聚合平台，本质上将每一次点击生成都当成一次孤立的开始。

K | 创作者不仅要沦为“提示词工程师”，精通各类模型的上限与技巧，还要在不同工具间频繁切换，手动做素材管理、分镜拆解和版本比对。创作者的精力没有放在“想讲什么故事”上，而是被消耗在了漫长的机械性劳动与低效的杂务中。

L |          Flova给出的解法，不是简单的“画布”或“对话框”，而是一个具备全知上下文（Context）管理的视频Agent。         用户只需表达创意目标，Agent便会自动接管复杂的执行工作——理解美学风格、拆解分镜、调度不同厂商的SOTA图片与视频模型，并自动完成多模态资产的版本管理。         AI负责耗时的素材生成与上下文索引，用户则作为“总导演”沉浸于审美与Taste的判断。当用户需要删掉一个角色时，Agent会在统一容器内自动更新涉及的所有镜头与音频。         Flova将视频生成拆解为原子能力，创作者可以自由沉淀拉片、短剧、TVC等场景的“Skill（技能）”。

M |           该图片使用了AI生成技术          当众多C端生成式AI应用深陷“买量即亏损”的Token成本陷阱时，Flova靠差异化的用户画像跑通了健康的商业闭环：          自2025年9月上线以来，随着Seedance2.0等底层模型的迭代，Flova在用户创作品类丰富度、单用户Token消耗量以及付费渗透率三条线上同时迎来PMF（产品市场契合）拐点。海外TOP3市场（美、日、中）表现强劲，日本用户甚至用其还原了20年前的梦境。         Flova暂未在大众低支付意愿场景（如几块钱的日常视频）进行盲目扩张，而是深耕具有强变现能力的高质量AI短片、漫剧工作室及社媒营销DTC群体。         除订阅服务之外，团队同步探索企业定制服务。针对批量生产内容的短剧公司、传媒机构，提供私有化部署方案、专属算力包、定制化Skill开发服务。

N |          面向未来，郭列认为今天的AI行业依然处于iPhone发布后3年（2010-2011年）的极早期阶段。视频Agent的大众普及虽未完全到来，但TikTok、YouTube上AI视频播放量的暴增已预示着不可逆的趋势。         03多模态浪潮之下，创作工具迎来范式更迭          AI视频智能体赛道，处在整个多模态产业承上启下的关键位置。前一轮AIGC竞争集中在底层大模型研发，而当下生产力竞争开始向上游应用层转移。传统剪辑软件建立在人工制作的生产逻辑之上，难以适配AI批量生成、持续迭代的内容生产模式，市场呼唤全新架构的原生工具。         全球海量自媒体、独立内容生产者、中小型内容机构，存在降低制作门槛、压缩人力成本的长期刚需。这条赛道不存在单一产品永久垄断的格局，但能够打通完整创作链路、平衡自动化能力与人机协同体验的平台，有望抓住内容工业化转型窗口。         多模态领域与Coding领域不同，图片、视频、音乐模型的SOTA分属不同厂商，无法被单一巨头垄断。

o | 创作工具的竞争最终归于生产力价值，未来市场格局，将由能否持续解决创作者真实生产难题决定。         本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系[email protected]。

Current article:http://www.hanninhuaxituochunkui.pics/ajcwunc/ikuiixn.pptx

Published on:17:33:18