上一篇
廖谦：AIGC多面手的创业之路，打造多模态营销Agent
文｜邓咏仪
编辑｜苏建勋
在人工智能生成内容（AIGC）领域，廖谦是国内少有的全能型人才。他亲手打造过收入突破千万美金的爆款产品，并在产品研发、商业化落地及全球市场拓展等方面积累了丰富经验。
他的职业轨迹与技术变革节点高度同步：早期在腾讯云，他参与了首个面向消费者的换脸产品开发，该产品上线十余天便实现千万日活跃用户；
2022年Midjourney爆红时，他已是字节跳动内部最早探索多模态技术的成员之一，从零到一设计了火山引擎流量榜首产品“智能创作云”，为数千家中小商家提供营销自动化服务，并在剪映发起出海项目Pippit，如今月活用户已突破百万。
2024年初，Sora的发布让廖谦意识到多模态的“ChatGPT时刻”或许临近。他随即加入多模态明星初创企业生数科技，带领Vidu产品、研发、营销、运营的上百人团队，伴随公司从冷启动步入千万美金收入阶段。
与廖谦共事过的人形容他“狼性十足、行动迅猛”。正因如此，当他在2024年8月决定创立“极致上下文”（Apex Context）时，迅速引发了投资人的争抢。
廖谦透露，融资PPT尚未完成，仅在半个月内便敲定了数百万美金的首轮融资。本轮投资由硅谷美元基金HT investment与BV百度风投联合领投。HT investment是一家源自硅谷、布局全球的新生代美元基金，专注于AI驱动的科技与社交娱乐领域投资。
9月末，Sora App正式发布，他再次感受到技术变革带来的震撼。“那晚我直冒冷汗。”他坦言，当时正与团队加班，看到Sora上新后，立即取消了次日所有会议，组织全员评测Sora。
但很快，压力转化为动力。不同的是，他已不再专注于基础模型产品，而是转型为“造船者”。
“在这个时刻，应该更冒险、更激进。”这是廖谦创立“极致上下文”以来的深刻体会。
这份笃定源于他在生数科技的历练。2024年，作为平台方，他内部组建的TEP（人才交换平台）团队处理了上千笔企业级AIGC需求，发现一个核心痛点：企业并不需要复杂的AI工具，他们渴望的是“告诉AI我要什么，直接给我成品”。
多模态底层模型仍在快速演进，但落地鸿沟依然显著。
“传统营销视频制作流程繁琐且成本高昂。”廖谦解释道，“企业其实不愿学习复杂工具，他们希望像委托广告公司一样，但成本能降低十倍，速度能提升百倍。”
“极致上下文”打造的首款产品并非视频生成工具，而是一个营销Agent——前端通过多模态交互理解企业品牌与需求，后端整合各类AI模型能力，直接交付成品视频。
目前，团队正在开发产品原型，后续计划率先推向海外市场。
廖谦认为，中国在AI视频领域具有独特优势：短视频生态领先全球1-2年，国内对视频落地的探索与理解更深。“这套经验完全可以复制到海外，无论是产品创新还是用户增长。”他说，这也是他选择从全球市场切入，而非仅服务国内的原因。
未来，廖谦希望将公司打造成新时代的“AI表达系统”。但在此之前，他计划从垂直Agent起步，逐步拓展至教育、办公等更多场景。
为何不做通用Agent？廖谦的答案很务实：“移动互联网早期，大家也想做超级应用，但最终胜出的是美团、滴滴等垂直场景。AI Agent亦然，现在应做这个时代该做的事——找到投资回报最清晰的垂直场景。”他说。
廖谦
用户不需要AI工具，需要直接交付
《智能涌现》：你的经历非常丰富，曾在腾讯、字节就职，后来加入生数科技，这背后的思考是什么？
廖谦：我2015年从西安电子科技大学硕士毕业，专业是计算机视觉。毕业后在腾讯工作六年，前两年在天美工作室从事开发，2017年转岗腾讯云担任产品经理，主要负责AI人脸、人体识别相关产品的落地，如智慧城市、智慧交通，从产品设计到实际部署均有涉足。
2019年我便开始接触AIGC——当时主要基于GAN的AI换脸技术。我曾服务过一个叫“她拍”的客户，他们利用腾讯的换脸技术开发了一款小程序，逻辑类似后来的妙鸭相机，但体验更佳。
他们为下沉市场女性用户提供了大量模板，让用户能穿戴婚纱、拍摄各类写真，上线十几天日活便突破千万，跻身当时微信小程序排行榜前十。这段经历让我真切体会到算法技术如何引爆C端用户价值。
因此2021年，我决定转向应用层，加入了字节跳动的火山引擎，当时火山引擎刚刚成立。我从零到一搭建了“智能创作云”团队，英文名即AIGC。
但那个时代的AIGC与现今截然不同——我们做的是文字转视频，并非通过生成方式，而是利用NLP理解语义后，匹配素材库中已标注的图片视频，再拼接、添加背景音乐和字幕生成视频。该产品迅速成为2022年火山引擎流量最高的产品，主要服务于B端营销内容创作。
《智能涌现》：之后你去了剪映？
廖谦：是的，2023年至2024年在剪映，我在内部发起了一个从零到一的新项目，专门针对海外商家，构建AI内容生产与分发平台——也就是后来上线的Pippit。
简而言之，该平台为海外商家提供从创意生成、视频制作到发布及数据反馈的全链路闭环服务。
发起此项目是因为在智能创作云时期，我积累了丰富的国内生活服务和电商用户认知。
我发现，国内AIGC产品在用户认知和产品成熟度上，实际领先海外两到三年。在智能创作云阶段，我们进行了大量类似探索：从内容创意到一键制作——当时的一键制作采用混剪思路——再到分发，用户可绑定抖音号，一次性将刚制作的百个视频分发至百个账号，随后回收数据反馈。
这套方法论具有普适性，将国内经验移植海外后效果显著，产出的视频在TikTok、INS上表现良好，目前Pippit月活已超百万。
《智能涌现》：为何选择在2024年8月这个时间点加入生数科技？
廖谦：Sora的发布是关键节点。2024年初Sora首次亮相时仅是演示版，尚未正式发布，大厂的跟进速度也未如后来迅猛。
当时生数科技是国内最早跟进的企业之一，4月便发布了对标Sora的演示，并于上半年推出了Vidu首版。体验后我认为其能力强劲，觉得这是绝佳机会，于是加入了生数。
生数团队源自清华，技术实力雄厚，但当时在产品和商业化方面需要有人配合。我恰好懂技术、产品与研发，能够较好地协助他们。
在生数一年间，我们从零起步发展至全球数千万用户，今年收入达数千万美金。
《智能涌现》：在生数期间，哪些经历对你后续创业想法影响较大？
廖谦：在生数时，我们常直接接到甲方需求，包括品牌TVC、企业宣传片及电商商品视频，他们希望我们直接交付完整成片。
当时市面上的AI工具平台，如Vidu和可灵，仅能生成几秒片段，真正交付成片还涉及诸多后端环节。
为此，我在内部组建了内容服务团队TEP（人才交换平台），核心工作是承接这些甲方定制需求，同时连接生态内的创作者，让他们利用AI工具输出成片。
我们处理了上千笔定制需求，这让我强烈感受到其中存在的创业机遇。
许多用户不愿使用市面AI标品工具，原因一是这些工具无法与其现有业务流程无缝结合，二是对业务人员而言，他们非专业创作者，使用AI工具难度较大。因此，他们更愿为端到端、直接交付结果的解决方案付费，且预算相对充足。
《智能涌现》：技术达到创业拐点，你的定义是什么？
廖谦：效果与成本综合达到可商业化水平。若效果佳但生成视频成本高达万元，则不可行。
多模态模型在一年发展中成本已有所下降。AI生成视频相较传统制作，成本可降至十分之一。
效果层面，推理能力是关键技术节点。直至2024年9月ChatGPT o1发布，我才认为大模型落地千行百业成为优化问题，而非可行性问题。
另一拐点是多模态模型一致性提升。此前AI视频模型商业化应用的瓶颈在于一致性，例如产品视频中产品画面变动，这对品牌而言难以接受。
以往解决一致性问题极为复杂，需在图片环节进行大量生图或PS处理，这部分工作量占70%，之后再图生视频。
在Vidu，我们去年11月推出参考生视频1.5版，能直接保持主体信息在视频中的稳定一致，但当时清晰度不足；至上半年Vidu Q1版本发布时，画质提升，一致性已大幅改善。
包括近期Google的Nano Banana爆红，可直接灵活编辑图片元素，保持主体连续一致。可见，一致性问题在生图与生视频环节均已出现优质解决方案。
先从营销Agent做起，服务有表达诉求的人
《智能涌现》：为何公司将名称定为“极致上下文”？
廖谦：上下文在AI时代至关重要。从产品角度，优秀Agent需深度理解用户上下文；从管理角度，我希望团队加强上下文交流，即“更多上下文，更少控制”。
《智能涌现》：这也是字节早期价值观之一吧。
廖谦：我深受腾讯与字节影响。
《智能涌现》：极致上下文具体从事什么业务？
廖谦：我们计划先从信息表达的生产端切入，聚焦生产力信息，服务有生产力信息表达需求的人群。抽象而言，即服务有表达欲望与诉求但缺乏表达能力的群体。
《智能涌现》：缺乏表达能力指什么？
廖谦：当前信息表达形式多样，包括文字、图像、视频。视频最难，现有视频表达流程需需求方提出需求，再寻找制作方完成。
制作方可能为个人（如创作者、影响者）或团队（内部制作团队或外部代理团队）。制作方需使用大量工具——相机拍摄，PR、PS、剪映剪辑，甚至后期配音工具等。
我们的思路是整合这些工具与环节，直接为需求方生成最终成片，提供端到端交付服务。换言之，我们交付服务，而非工具。
《智能涌现》：你曾在生数从事多模态基础模型，为何创业后不选择开发通用多模态Agent？
廖谦：在谷歌等巨头介入前，回顾移动互联网发展可见规律：技术萌芽期，最正确的是做时代该做之事，而非超前布局。
现许多人想打造AI版抖音，我也相信这一天终将到来，但未必在未来两三年内实现。正如PC互联网时期就有人尝试推荐系统，但那是移动互联网成熟后方能成功——因此，我认为创业首需聚焦可落地之事。
《智能涌现》：你们将从何种垂直场景切入？
廖谦：我们将从“信息生产端”切入，服务需高效产出视频、图片等内容的用户，而非构建内容消费平台。
从信息类型看，如娱乐、社交类短视频，这两类必为大厂主战场，创业公司易被卷入红海，且此类内容大概率免费。
故我们选择“生产力信息”——如企业营销场景产生的内容，服务营销人员、品牌方、企业内容团队等有明确工作产出目标的群体。
且此类场景投资回报率可量化，能实现盈利。我们的目标是将原有制作成本降低十倍，同时使交付质量达行业标准。
《智能涌现》：此需求较为非标，为何选择营销方向？
廖谦：该方向存在明确痛点。例如商家以往制作营销视频，单支成本常达数千人民币或数百美元，甚至品牌叙事类视频成本过万；其次是档期，自身无法完成需寻找代理，代理未必有空；第三是质量，代理团队水平参差不齐，产出不稳定。
以Sora为例，现生成视频成本至少一两美元，约合数十人民币。我们能将原有成本降低十倍以上。现我们旨在端到端以AI完成此过程，无需人工中介。
《智能涌现》：具体而言，你们通过何种流程理解用户需求？
廖谦：例如，商家联系我们后，第一步是了解其产品与品牌。我会让大模型收集其公开信息，如官网、社交账号内容，确保充分理解品牌。同时，研究其所在行业及主要竞争对手。
在全面掌握用户与行业信息后，再进入交互环节。交互应为多模态，不限于文字输入。例如我们会问：“您偏好何种画风？”若用户回答“帅的”，过于抽象，我们将生成三张参考图供用户选择。
视频初稿生成后，我们会收集用户修改反馈，此时交互应在用户观看视频的同时，通过语音或文字告知。
通过此流程，我们先掌握产品、品牌及市场信息，再了解用户偏好，从而助其更好完成信息表达，即输出视频。
《智能涌现》：此过程中，会有真人对接需求吗？或者说，你们希望替代原有创作者角色，这在多大程度上可行？
廖谦：不会。在Vidu期间，我们验证了两点。一是AI制作的内容可被消费。
二是若服务大客户，必须配备真人。但服务中小客户时，他们能接受AI接管流程，预算决定预期。我们前期调研显示，他们对AI的接受度良好。
Sora2发布不要紧，“我们已经在造船了”
《智能涌现》：Sora App发布当日，你在忙什么？
廖谦：直冒冷汗。那天是十月一日凌晨，我们正在加班，作为初创公司，看到发布后整夜未眠，持续体验Sora。
初看Sora时，我心感慌张，心想其叙事能力竟如此强大？但随后我转变思维，思考：我已不在基础模型公司，无正面竞争压力。相反，我略显欣喜。
因为这意味我做应用将更简易，随后我便兴奋不已。
《智能涌现》：所以你们的工作更似造船，随模型能力提升，你们的能力亦增强。
廖谦：是的，Sora提供API即可，Vidu、可灵等其他模型也将成为我们的工具。
此举将极大推动所有基础模型厂商进展——第一，刺激大家追赶，对AI应用极为有利；第二，资本层面，将使多模态领域资本更活跃。整个行业发展将加速。
《智能涌现》：从你们视角，对Sora的判断是？
廖谦：我们次日原计划讨论十月目标，我取消了所有会议，让大家深入体验、评测。我们评测其在叙事类内容、营销方向的表现，亦评测单镜头、长镜头等美学表现及一致性等。
我们得出结论：Sora的优异之处在于叙事、音视频直出，包括部分娱乐内容，明确领先。
Sora在我看来非单纯模型，实为Agent。
Sora自称AI系统。你令其制作视频，仅需简单提示：“我与Sam Altman在YC会议室聊天”，它便会构建会议室、布局，包括两人争执或互动，讲述完整小故事。此非视频模型所能，必用语言模型前置。
但它在长叙事视频或营销视频等生产级领域，仍有许多问题未解，其一致性处理不佳。
音视频同出亦非常厉害。但2024年我在Vidu时，包括国内多家公司早已布局此方向，近期Google亦发布Veo 3，故此能力在预期内。
包括类似Sora Cameo的交互设计，我们去年在Vidu上已探索相同交互机制，只不过我们面向更泛化创作场景，如广告、影视制作，用于构建资产概念，用户可创建人物角色、道具、场景等元素，创作时一键@融合至视频。我一直认为，此方式将成为未来内容创作主流交互之一。
《智能涌现》：从哪些细节可见Sora优于现有产品？你们猜测他们做了什么以实现此能力？
廖谦：Sora一是叙事超预期；二是具备镜头语言，但非电影镜头语言，而是社交媒体化镜头语言——频繁切镜、夸张表情等。
若Sora App制作短剧，表现力极佳，各镜头切换自然。此与其数据相关，可见其喂入大量社交娱乐数据，但你会发现Sora在美学角度不及部分其他产品。
《智能涌现》：Sora App发布后，是否直接影响你们的业务目标？
廖谦：有，即我们可更聚焦重要事务。Sora的出现对我们大为利好，因我们利用工具制作内容的速度更快、门槛更低。
《智能涌现》：你刚提及，Sora将极大刺激所有大厂进程。
廖谦：一是Sora免费，众所周知；二是产品设计细节：登录Sora App时，OpenAI提供的首选登录方式为GPT账号，其次为其他。
通常我们设计产品时，非常重视账号体系，会列出GPT、Google、Apple甚至Facebook等选项，方便用户登录。
仅从此设计看，OpenAI野心更大，它绝不甘于仅做拥有输入框的ChatGPT及销售API的公司，而是希望构建基于GPT的生态。
所有大厂都需防守。他们将把核心精力投入主赛道，因他们会发现OpenAI正蚕食其主赛道。
微软前CEO萨提亚在ChatGPT推出浏览器插件时曾言：“搜索的毛利被永久降低”。现用谷歌搜索时，最上方输入框实为大语言模型提供的结论，这意味着每次搜索都消耗额外算力。
Sora App出现后，AI社交、AI娱乐的毛利亦被永久降低。你会发现新时代社交产品、娱乐产品必将包含此类互动玩法，成本高昂。即便每次交互成本降至一毛钱，较搜索贵许多，亦须实施。
《智能涌现》：你是说未来我们浏览的内容，AI化进程将加速。
廖谦：是的。
《智能涌现》：创业公司的生态位何在？
廖谦：作为创业公司，你必须有足够硬的亮点。足够硬后，用户便会开始“多持”。用户会购买可灵、即梦，亦会购买Vidu，那便足够。
《智能涌现》：大语言模型技术路线已趋收敛。多模态发展路径未来会与大语言模型相同吗？
廖谦：此不宜直接类比。
多模态实分三类。首类为多模态理解，理解输入图片与视频内容，此更偏大语言模型范畴；
第二类为多模态生成，生成图片、视频，为现Vidu、可灵、Sora所为，它不具备智能，仅能渲染；
第三类类似李飞飞研究的World Model，为大语言模型与多模态生成结合之物。
多模态与大语言模型显著不同之处在于：大语言模型的缩放定律确被验证，参数越多越强。但在多模态领域，若数据不佳，盲目扩大参数并不奏效。
多模态领域，数据重要性极高。即便模型不大，但数据优质，效果亦可能出色。
《智能涌现》：国内在多模态领域会领先多少？
廖谦：至少有一段时期，中国视频生态整体领先海外一至两年，以可灵为主要代表。但在Google Veo3与Sora问世后，我认为国内又存在一定差距。
从营销Agent，到新时代的AI表达系统
《智能涌现》：你刚说，要做时代该做之事。营销Agent是你们首要目标，未来呢？
廖谦：宏观目标上，我们希望构建未来的信息表达系统。
我认为信息表达历经三个时代变革。
最早搜索时代，你主动在搜索框寻找内容；推荐时代，系统将预制内容（文字、图片）推送给你，催生了知乎、抖音。
现为生成时代。AI读取海量信息后，进行聚合与理解，再以你最需要的方式（文字、图片、视频）重新生成并表达给你。
此彻底改变游戏规则：推荐时代的“标题党”失效，因AI关注内容实质，非点击率；同时，可实现真正个性化，如教育中的因材施教——知识不变，但AI能为每人生成最适配、可视化的专属教材。
Sora的出现，正是将“信息可视化表达”大幅推进。此类端到端智能生成，人力无法完成，亦为时代全新命题。
《智能涌现》：未来，你们会拓展至通用Agent还是其他垂类？
廖谦：我的观点是先做垂类，通用Agent并非当前最佳切入点。
未来竞争必按行业或场景划分垂类。我们计划先服务好一垂类，未来拓展方向亦是打造多个不同垂类Agent，而非大而全的通用Agent。
《智能涌现》：为何认为通用Agent不是最佳切入点？
廖谦：通用Agent难以定义任务优劣与标准。
做好用户理解与交互至关重要。不同垂类场景的交互形态、需收集信息、沉淀的行业知识截然不同。通用Agent会使上下文复杂化，无法在特定领域做深。
《智能涌现》：所以你们会按效果付费？
廖谦：“效果”（如阅读量、转化率）含诸多我们无法控制的外部因素。视频再佳，若产品定价两百万，销量必差，此责我们无法承担。
我们所说的“结果”，指我们承诺交付达到行业特定质量标准、内容本身合格的交付物。此质量水平与价格明确。
我们保证交付此“结果”，但不保证发布后的“效果”。如此用户体验清晰透明，他明确知晓花费所得。
《智能涌现》：除营销外，你们此表达系统未来可能涵盖哪些场景？举例说明。
廖谦：例如你是记者，每日需追踪上百信息源，包括公众号、官网等。
以往你可能查看推荐流，RSS工具抓取，此乃被动接收他人撰写的原生内容。
Agent时代为生成：你仅需输入简单需求，告知AI关注点，它会主动理解、抓取、聚合所有信息，随后为你动态生成当日专属情报——甚至据你所在场合，如在办公室，则生成图文报告；若在路上，则生成播客供你收听。
它不再推送“原生内容”，而是为你生成“全新内容”，此乃信息表达的未来。
《智能涌现》：对产品经理而言，预测模型发展曲线很重要。如何确保不被基础模型吞噬？现Sora问世后，许多AI生视频工具已被吞没。
廖谦：众人皆求确定性，无论投资或创业，但此不现实。
现多模态仍处激烈竞争状态。我与该领域众多顶尖技术从业者交流，他们训练模型时亦隐约感觉可行，但究竟得100分或60分，并无十足把握，故需不断实验。
做产品亦然。与其焦虑预测，不如建立快速反应机制。我一直强调团队要迅捷，基础模型每两三月迭代一次，而我们的产品必须每周迭代。
许多创业者希望能完全预判模型三月后形态，再规划产品，但此乃追求确定性的脆弱表现。
《智能涌现》：你可谓见证AIGC领域从零到一之人，近年来你对大模型技术发展或AI本身，有何核心认知变化？
廖谦：应更冒险、更激进。
在大厂时，我经历诸多系统性训练，教你正确行事，但在创业公司，需更大胆构思。
昨日，就在此会议室，我与团队讨论交互设计时，研发同学认为此交互过于超前、未必能实现等。
我便告诉他，核心意思是，我们非进行实验室研究，创业公司不冒险，何为创业？
创业正是要探索尚未验证的可能性。
封面来源｜企业官方
欢迎交流
欢迎交流
本文由主机测评网于2026-01-17发表在主机测评网_免费VPS_免费云服务器_免费独立服务器，如有疑问，请联系我们。
本文链接：https://www.vpshk.cn/20260118082.html
