SVTR AI 创投库 · AI 创投会第 007 期丨AI + 视频创作：第一波资本押在生成端，被忽略的缺口在理解端 · 2025 年 1 月 4 日
2025 年 1 月 4 日这个周末的下午，涌现 AI 创始人张雨飞把一句话打在屏幕上：「手机电脑排成队，好像塞车一样堵在街上。」同一句描述，喂给几款热门的文生视频工具，出来的画面各不相同：有人脑子里是高架桥，有人是老城小巷。据其现场表述，一个剧组里导演说「穿裙子的女孩站在道路中央」，服装、摄影、灯光各自想的也是不一样的画面。他想说的重点不在生成，而在一件更早发生的事：人们连「这句话对应哪个画面」都没法达成共识。
所有人涌向生成，他去做「看懂已有视频」
张雨飞在广告与内容传播行业做了二十多年，自己的广告公司在北京和深圳都有办公室，做过大量电视广告与短视频物料。他的判断从生产一线来：这一轮 AI 视频工具几乎都挤在输出端，Sora、可灵、Runway、Pika 负责把画面生成出来，但真实的制作流程里，输出之前还有一段更花时间的输入和思考。据其现场表述，用生成工具时你可能会「抽卡」，运气不好就得反复试，还得会写提示词，普通人根本描绘不出准确的镜头语言。他把涌现和李飞飞的空间智能摆到一起对照：后者用文本生成三维世界，涌现反过来做理解世界，先把碎片化的视频、图像、音频统一拆解成可检索的单一镜头，再谈检索、整合与生成。据其表述，一个镜头约一到两秒，是视频不可分割的最小单位。
这条判断值得记下来。SVTR AI 创投库的数据能给它一个坐标：过去两年，AI 加视频方向录得四十多起融资、总额超过 $15 亿、平均单笔约 $3600 万，资本的重心几乎全在「把画面生成出来」这一端。SVTR 此前也发文拆过这条赛道的竞争格局，预判过 Runway、Pika 的路线走向。张雨飞押的是另一半：当所有人涌向生成，能不能先把「看懂已有视频」这件事做扎实，把它做成从内容到电商的入口。
来的人本身就是信号
这场会吸引来的人，本身就是一条旁证。到场的既有大厂和几家大模型团队的人，也有正在一线找场景的从业者。一位在 Instagram 工作、常年在美国的技术人追问，各平台数据分享规则很严，跨平台视频信息到底怎么拿到；一位深耕大消费的操盘手连问三个问题，从「图片能不能拼成三十秒短视频」，到「能不能加一个跳转支付的按钮」，再到「品牌方不想被大平台绑住流量和用户忠诚度，怎么办」。
SVTR 联合创始人现场提的问题最直接：在国内，创业公司怎么跟大厂、跟融了很多钱的大模型公司竞争与共存。据其现场表述，张雨飞的答案是绕开正面比拼。AI 应用端的探索至今没被很好解决，大厂和大模型团队要真正落地，绕不过真实行业沉淀，而这正是一支有二十年行业经验的团队该站的位置。对于跨平台取数的质疑，他答得坦白：现阶段走离线，用户自己下载或收藏，工具只做识别与推理，长期要和正版内容平台合作，这更多是知识产权问题，不是 AI 能力问题。
同一套内容工业，中国先跑通再复制到海外
一位在美国的与会者把话题带向另一条线：短剧到底是中国特色，还是别处也在长。据其现场表述，张雨飞给的是一手观察：中国团队做的短剧在美国已经很火，有一款叫 ReelShort 的应用跑在前面，做法是把国内短剧剧本整个「洗」一遍，换外国演员重演，内核照搬霸总与强反转，观众是本地美国人，投放走专门平台加 TikTok 信息流。同一套内容工业，中国先跑通模式，再整体复制到海外，这是短剧这条线独有的中美路径，也解释了为什么「理解并再生产视频内容」的工具，在两个市场都有需求。
回到这场会的脊柱。把它收敛成一句：AI 视频的第一波资本几乎全押在生成端，真正被留白的是理解端。谁能把「看懂并检索已有视频」做成顺手工具，谁才握住了从内容到电商的那条变现链路。这是张雨飞 2025 年初下的注。
回看约十九个月，这注只兑现了一半。生成端继续狂奔，短剧出海如他所料成了确定性大生意。但「理解视频」这件事，很大程度上被基础模型自己吸收了：多模态长视频理解成了大模型标配能力。一个独立的「视频理解工具」要证明自己不会被大厂顺手做掉，比 2025 年初更难。这恰恰是 SVTR 坚持做一手现场记录的价值：把一个赛道判断在它还没被验证时原样留下，日后才能拿出来对表，看清它兑现在哪、又卡在哪。
这场分享的完整录播，归 SVTR 会员专区归档。想看更多一手现场判断、项目信息并直接对接创始人，可加入 SVTR 会员。