摘要

Mootion 用约 20 人做到 2025 年初约 200 万海外用户和约 120 万美元收入，童超据此认为 AI 应用不必等基础模型成熟才有商业价值。 项目运营两年半、融资约 700 万—800 万美元；团队除一名财务、一名运营外几乎全是研发。童超的判断是：“模型是五十分，但是用户要的是一个八十分的东西”，产品公司的价值就是补上这三十分。
Mootion 不把爆款或技术尝鲜者作为长期服务主体，选择服务持续创作并愿意续费的人。 童超承认爆款是冷启动的好杠杆，但认为收入和付费率比 traffic 更能证明痛点；接受曲线最前面的约 3% 技术尝鲜者生命周期可能只有一个月，切换成本又极低。公司的取舍是：“我们是要服务一周的爆款，还是服务一个十年的用户？”
基础模型升级不会自动抹掉应用层，尤其当视频是一个多环节、多角色、长链路的工作流。 Ronghui 用 Claude 为“一个惊恐女人”写出眼睛特写的例子追问；童超回应，难的是让 64 个连续场景的脚本、语义、画面和视频彼此一致。即使模型从五十分升到九十分，商品化和用户预期上升会让它“变成新的六十分”，剩余体验仍要靠产品完成。
Mootion 最昂贵的一课，是拿着自研 3D 动作生成模型寻找市场，获得两万名专业创作者反馈后却回答不了“然后呢”。 团队曾认为自己做出了世界上第一个同类模型之一，但生成动作还无法直接进入游戏或影视工业，四五个月投入没有形成完整价值链。最终能力被内化进产品，而公司真正放下了“拿着锤子找钉子”的技术创业路径。
AI 视频应用目前分成剪辑、talking head、特效、端到端生成和单点工具五类，但下一阶段很可能是生成与剪辑合流。 用户并不在乎某段素材是拍摄、生成还是重新剪出的，只在乎能否得到目标内容；因此最大的产品机会，是率先定义融合后的交互形态。童超预告 Mootion 可能在下半年或年终推出相关产品。
全球化不能只看用户增速：巴西适合冷启动，中东依赖文化切口，美国符合预期，日本和台湾则难进但高付费、高忠诚。 巴西用户愿意尝鲜和自发组群，却要提前解决三个月后的转化；阿曼不足 500 万人口中已有约 7 万 Mootion 用户，阿拉伯地区约 90% 的增长来自自然传播。斋月内容一度贡献每日百分之十几的用量，说明本地化功能可以形成显著的使用切口。
童超认为这一代 GenAI 不会重演上一代 AI 的集体哑火，但模型公司仍面临商品化和竞争冲击。 年长亲属主动询问 DeepSeek，是他判断“普惠”已经发生的缩影；应用公司包袱较轻，模型公司却仍可能遭遇类似 DeepSeek 的突然冲击。对应的创业方法不是预测赢家，而是“多实践，快犯错，然后满负荷地迭代”。

精读

1. 二十人团队已经做到约 120 万美元收入

童超给出的经营快照是：Mootion 创业两年半，累计融资约 700 万—800 万美元；截至 2025 年初，海外用户约 200 万，年初收入规模约 120 万美元。产品定位不是服务 AI 圈，而是“让没有用过 AI 的人做自己的视频、讲自己的故事”。
团队只有约 20 人，其中一名财务、一名运营，其余均为研发；研发又大致由一半算法、一半工程构成。这个结构对应了 Mootion 的双重投入：一边自研和适配生成能力，一边把长视频工作流工程化并压低推理成本。
童超 36 岁，拥有计算机科学和 machine learning 背景，曾任 360 AI 负责人、产品负责人及创新奇智产品负责人。恰恰因为技术经历很深，他现在反复提醒自己：“把技术扔掉”，先问用户的问题到底是什么。

2. Mootion 将视频生成拆成三种可持续用途

第一类用户是 faceless 短视频创作者，用生成内容替代原先的素材搜集和剪辑。运营同事曾每天只花五分钟做一条小红书视频，两个月积累约 1.3 万粉丝；一名欧洲宗教内容用户已有十几万粉丝，视频有数百万播放量。
第二类场景是教育。Mootion 提供老师和学生用生成式故事辅助教学的入口，包括双语内容；一位老师把知识点做成两分钟视频后发现，学生在课堂里的参与度突然提高，“大家的眼睛都盯着屏幕”。
第三类是专业创作者，他们并不依赖 Mootion 完成全部制作，而是把底层能力嵌入自己的工作流。一家波兰专业工作室制作 3D MV 时，把角色戴上眼镜、进入虚拟世界后的画面交给 Mootion 模型生成，再结合自身的专业制作能力。

3. 童超宁可服务十年用户，也不追一周爆款

主持人的质疑很直接：Pika、Vozo、Viggle 等 AI 视频产品都曾凭刷屏内容迎来里程碑式增长，Mootion 没有同等级爆款，会不会意味着还没真正击中痛点？童超承认爆款是冷启动或跨越里程碑时“一个很好的杠杆”，只是团队没有在这件事上做太多文章。
他的反问构成了产品选择：“我们是要服务一周的爆款，还是我们去服务一个十年的用户？”视频的价值也不只存在于 TikTok、YouTube 等流量 channel；如果用户持续真金白银地付费，而且付费率良好，痛点就已经成立，只是未必体现在公开 traffic 上。
持续续费的典型用户仍是经营 faceless 账号的人。童超估算，AI 产出过去可能只有二十分，现在可以达到五十分；但好的故事、表达、呈现和账号运营还需要用户贡献另外三四十分，这些能力“都不直接跟 AI 相关”。
因而 Mootion 不把“生成即爆款”作为承诺。产品提供的是持续生产能力，用户则负责内容判断和运营；这是一个比偶发刷屏更慢，却更容易形成留存与收入的价值闭环。

4. 基础模型升级会抬高应用上限，却不会自动吃掉长工作流

面对一段几乎让观众看不出由 AI 生成的《猫和老鼠》视频，童超承认 test-time training “一定是个很有潜力的方向”，团队也在跟进研究；这类能力可能把视频生成推到下一个台阶，但他把模型升级视为应用的利好，而非末日。
关键差异是任务长度：Jasper 或 Copy 式文字工作可能是“我想、然后我输出”的一跳，视频却有大量环节、漫长流程和多个利益相关人。环节越多，被一次模型升级整体颠覆越难，也越需要有人把功能、体验和协作关系重新组织起来。
Ronghui 提到技术 hype 时常出现“套壳”这个词，并认为人们会高估基础模型能力，把模型之外的一切都看成浅层包装。童超则认为套不套壳对 Mootion 并不关键；他给创业者的约束是既不要有“只做别人没做过技术”的洁癖，也不要幻想技术两个月后就会“超级无敌”。

5. 模型从五十分走到九十分，用户预期也会水涨船高

主持人引述另一种产品判断：用户不接受二十分、四十分、六十分甚至八十分的产品，机会只存在于九十分到一百分；与其今天费力把模型从五十分补到八十分，是否应该等待基础模型直接达到九十分再创业？
童超承认这“可能确实是个问题”，但他的答案是动态基准：当九十分模型成为 commodity，市场会水涨船高，它相对于新的需求又会“变成新的六十分”。剩下那三十分仍来自对视频创作、具体场景和用户的理解，而不是通用模型自动提供。
他的结论相当明确：“这个点早做一定要比晚做好。”提前补三十分，不只是积累工程代码，更是在积累用户体感、场景知识和产品取舍；这些能力在模型换代后仍可能发挥作用。

6. 四步流程的难点不是单镜头，而是六十四个场景不失联

Mootion 把创作压缩成四步：先说明“想要什么、手里有什么”；再生成完整内容结构；然后选择特效、转场、声音、音乐等附加元素；最后合成和分享，包括描述文案和 hashtag，而不只是导出一个孤立视频。
这套自动化吸收了投资方中一家专业影视公司的知识：脚本应采用什么结构，惊恐的画面一定是眼睛特写，欢乐场面一定是超广角并有很多人，以及不同叙事应如何映射到镜头。童超称，团队测试后发现，大模型确实不懂这些内容，即使到当时也还不懂。
Ronghui 当场用 Claude 举例追问：只输入“一个惊恐女人”，模型就写出了双眼睁大、瞳孔放大、镜头由脸部特写拉远等要求。童超的回应是，单点测试“有时候是可以的”，但这并不等于一个可交付系统。
真正的测试是：接收用户 prompt 和素材，组织出 64 个语义连续的场景，并让每张图片、每段视频都准确表达当时的语义。“你只给一个输入，它是可以的；但你把它变成一个 system、变成一个 network 的时候，它就 fail 了。”

7. 场景模板、本地化和推理效率共同换来了付费

去年 12 月上线的“模板”是一次付费拐点。它不是视觉样式，而是面向不同用途的入口；每个入口背后都有一长串 AI workflow，近似由 agent 连续完成多个任务，因此产品得以更深地扎进具体场景，付费随之明显提升。
东京用户见面会上，一位童超认为可能六十多岁的导演质问：“你们是一个亚洲团队，为什么生成亚洲人的时候不能生成亚洲人？”训练数据偏西方让日本或中国角色仍带明显西化特征，童超回去后优化了模型和指令遵循；他后来才知道，对方是日本制片人和导演浅井隆，曾参与《苏州河》的制片。
中东之行催生了更具体的功能。按童超对当地教义的概括，真主和 23 位先知不能以人物形象出现，只能用光或光圈代表；他称没有哪个模型默认就能生成这样的内容。Mootion 在 3 月 1 日上线伊斯兰故事功能后，用量迅速增长，一度占每日总量的百分之十几。
低价也是可见的产品能力。团队起初只是想解决生成太慢的问题，却发现耗时本质上对应 GPU 时长和成本；上线约半年后，架构和推理优化令毛利空间改善约 50%，把“更快”和“更便宜”变成了同一个工程结果。

8. 不给用户选模型，是不把最前面的百分之三作为长期主体

Mootion 不让用户在 Flux、可灵、Vidu 等模型间自由选择，因为目标用户要的是效果，不是模型品牌。童超借赵本山的话概括：“别看广告看疗效。”展示过多名称，只会迫使普通人先学习可灵、海螺、Pika、Sora 分别是什么。
主持人以可灵 2.0 的强势发布追问：知道新模型的用户可能直接流向可灵，或转投支持它的竞争产品，Mootion 是否等于放弃了他们？童超解释说，这群人属于接受曲线最前面的技术尝鲜者，并不是 Mootion 要长期服务的主体。
他把技术尝鲜者放在接受曲线最前面的约 3%：活跃、善于传播，但产品生命周期可能只有一个月，因为很快又会出现更新的工具。他们最大的价值判断是“先”，对具体场景没有稳定执念，switching cost 因而极低。
这不是否认他们的传播力，而是资源取舍。技术不成熟、用户不清晰、团队资源有限时，不可能同时获得所有用户；产品负责人更重要的工作，是识别“那个最重要的问题”。

9. 每周五十封冷邮件，用来防止创始人丢掉用户体感

童超至今每周给约 50 名用户发 cold email，通常只有一两人回复，再安排二十分钟左右的访谈。他从产品上线后一直保持至少每周一次，因为技术和用户接受点同时变化时，“只有问用户才知道”。
主持人援引 Stripe CEO Patrick 的观点：user research 不一定直接告诉你做哪个功能，而是先塑造一种思维方式，再由这套方式指导产品。童超赞同，并把它称作“体感”——持续把自己扔进用户的场景和处境，才能同时用两三个甚至三五个身份思考产品。
他的警告是，高认知的人尤其容易丢失用户意识：因为自己懂技术，便误以为自己的判断必然正确；但真正服务的人可能是一个完全陌生的群体。用户访谈不是收集愿望清单，而是防止创始人把自己的认知当成市场。

10. 3D 动作模型的“然后呢”，耗掉了四五个月

Mootion 初创时曾高度专注基础技术，并在 2023 年末做出一个尺寸不大的 3D 动作生成模型；按童超的谨慎表述，它“应该是世界上第一个”。用户输入文本 prompt，模型就能生成电影、动画或游戏角色的动作。
发布后很快有两万多名专业 3D 创作者给出积极反馈，但两个月后，团队遇到了更关键的问题：“你生成这个角色动画，然后呢？”能力仍不能直接进入真实游戏或影视工业，单个模型既不是专业工作流，也不是完整产品。
团队迅速停止独立推进，把模型内化进 Mootion，用于提高生成可控性。童超回看这四五个月的成本：“当你没想好你在解决什么问题的时候出去，就一定会被打回来。”技术可能性越多，越容易诱使创业者伸手探索并不存在的市场。

11. 上一代 AI 的教训是锤子不硬，挥锤子的次数又有限

童超把约 2016—2022 年的上一代 AI 公司放在 DeepMind 带来的技术乐观中理解：围棋等突破让大家相信 AI 会快速进入许多产业，于是大量公司带着 CV、NLP、machine learning 的“锤子”寻找钉子。
第一重问题是锤子不够硬。能力通常只在狭窄场景达到产业化性能，普适性很弱；即使打中客户，也需要大量人员和额外工程补足交付，最终形成重服务模式，并没有兑现 AI 改善劳动力效率的初衷。
第二重问题是创业公司挥锤子的次数有限。前面没有击中足够多、足够大的钉子，后续每次尝试的风险就更高，团队继续下注的决心也更小；即便融资很多，也无法无限承担场景探索和定制交付。
主持人把创新奇智融资七轮、获得软银等支持、上市后仍持续亏损且股价跌约 80% 的经历摆到桌面。童超没有为个别结果辩护，而是把它归结为三个结构性难点：工业高度细分且要求高，金融要求模型归属和持续维护，零售机会多但单个场景太小。

12. GenAI 的普惠性改变了锤子，却没有消除模型公司的风险

童超判断这一波不会简单复制上一代，因为最大的代际差异不是某个架构，而是“普惠”。春节返乡时，一位年长远亲主动询问“什么什么 DeepSeek”；八九年前，很难想象县城里的老年人会主动寻找 AI 产品。
童超称团队大约在 2022 年做过一个 Transformer 架构、约十亿参数的模型，但他认为这并不重要。重要的是今天普通人可以直接获得能力，创业者手中的锤子因此更有可能真正砸到钉子。
他也把当前状态称为“万里长征第一步”：架构更加透明、数据可以规模化投入，技术沿既定路径继续演进的可能性远高于上一代。过去 CV 团队围绕榜单轮流争第一，却未必能解释结果如何实现；今天至少更容易看见通向目标的路径。
但这个乐观判断主要适用于应用。模型公司仍背负相似问题：模型之间可能迅速同质化，也可能像 DeepSeek 一样突然出现新进入者、冲击所有既有玩家；相比之下，应用公司的包袱会小很多。

13. Ilya 在发布前也不知道，实践速度比先知叙事更可靠

Mootion 刚起步时，经李开复介绍，童超的合伙人在硅谷见到 Ilya 和 Greg，时间约在 ChatGPT 发布前一周。带回来的消息只是 OpenAI 好像要做一个应用，而 Ilya 自己也说：“我不知道这个事儿会怎么样。”
随后 ChatGPT 成为改变世界的产品，这个反差让童超意识到：技术快速爆发时，“没有谁比谁的认知更高”，尤其面对市场，顶尖研究者和创业者都在探索技术究竟能产生什么用户价值。
主持人用 YouTube 联合创始人 Steve Chen 的说法补了一层：外界总把优秀创始人想象成上帝或先知，仿佛早已知道答案再去执行，实际创业并非如此。童超给出的行动原则是“多实践，快犯错，然后满负荷地迭代”。

14. AI 视频的五条赛道最终会汇入“生成加剪辑”

童超把第一类定义为 AI 剪辑，即用 AI 重做原有剪辑能力，代表包括 Descript、OpusClip、Captions；第二类是 talking head，以真人或数字人为核心，代表包括 HeyGen、Hedra、D-ID、Synthesia，后者据他所知好像刚过 1 亿美元 ARR。
第三类是生成视频特效，如 Pika、Viggle，用生成方式替代传统后期效果；第四类是 Mootion、Fliki、InVideo 这样的端到端应用，目标不是一个 video clip，而是一段结构完整、可以发布的内容。
第五类只解决工作流中的单点，如 video dubbing、video translation 或 face swap。童超的总括是，这些公司“其实都是铲子”：有的提供最终内容的一部分，有的串起其中一个环节。
下一步机会在生成与剪辑融合。用户不在乎素材来自拍摄、生成还是重新剪辑，只关心能否得到想要的 highlights 或完整内容；谁先定义融合后的产品形态，谁就可能掌握新入口。Mootion 可能在下半年或年终推出自己的答案。

15. Descript、VEED 和 HeyGen 证明产品迭代可以比技术标签更长寿

童超最欣赏 Descript 用自然语言重构繁琐剪辑交互的方向。产品仍有许多小问题，但它提供了一个清晰信号：AI 在视频创作里不该只是生成一个片段，还可以成为贯穿编辑过程的交互层。
VEED.io 的样本更接近“跟着用户成长”：2019 年上线时用户并不多，创始人却持续在 Twitter 等平台公开创业过程，与用户共处同一环境，再及时加入 AI 能力；ChatGPT 里第一个 VideoGPT 也由 VEED 推出。
按童超给出的数字，VEED 用两年做到约 100 万美元 ARR，又用约三年增长到 2000 多万美元 ARR。其价值不在一次押中模型，而在于一个 agile 团队持续响应用户需求、随技术周期升级。
在华人 AI 视频创业者中，他尤其欣赏 HeyGen 的 Joshua。原因不是产品从未转向，反而是团队经历 pivot 后仍能紧跟用户和市场，快速完成产品设计与迭代——这也是他认为华人创业者具有优势的地方。

16. 可灵领先但视频模型格局尚未收敛，即梦则押注内容消费

童超认为可灵团队“是真的很厉害”：Sora 出现时，其研发正处于蛰伏阶段，却没有因此打乱阵脚，而是沿既定路线持续投入，较快做到 SOTA，再把研究成果产品化并获得国内外创作者持续使用。
他判断可灵押中了与 Sora 相近的技术路线，研究团队的坚持是核心；产品层相对不厚，却很快完成全球化。他甚至评价，可灵自身的国际化“可能都比快手自己的出海要做得好”。
对尚未发布充分结果的团队，童超期待 3AI 和曹悦团队，理由是其技术路线可能与 DiT 存在差异。视频基础模型仍处于发散期，因此生数科技、PixVerse 等创业公司和持续高投入的大厂仍可能并行一段时间，最终赢家无法预判。
主持人以剪映、CapCut 和登上 Product Hunt 榜首的 Pippit AI 追问字节的压迫力；童超更看好即梦的大胆尝试：首屏直接采用类似抖音的信息流，让 AI 内容不仅被生产，还能拉长用户使用时长、被持续消费。它可能成为“新的抖音”，但他强调“还有很长的路要走”。

17. 全球化必须按市场拆开，本地用户比当地代表更有效

Mootion 用户前三大区域依次是巴西、阿拉伯地区和美国。巴西体量大、接受新事物快，用户还会自发建群传播，适合冷启动；但付费习惯类似五到十年前的中国市场，团队必须提前考虑“三个月之后”的转化，而不能只看新增。
阿拉伯市场是意外增长点：阿曼不足 500 万人口中已有约 7 万 Mootion 用户，童超受当地投资管理局和教育部门邀请，走访多所公立、私立学校后，亲眼看到老师和学生把产品用于课堂。约 90% 的当地增长是自然流量，团队只做过两三个 influencer 内容。
这一区域的双面特征是宗教约束严谨、接受新事物谨慎，却也因此对带有 AI 属性的新工具格外好奇。找到小切口后，自然传播可以迅速放大；一旦转化，用户生命周期较长，但付费需要优先选择海湾六国等支付条件更好的市场。
日本和台湾同样依靠自然传播，再在用户达到万级后用 influencer 助推。两个市场合计约 1.5 亿人口，进入门槛高，却有很长的生命周期、很高的忠诚度及付费率；美国则较为符合预期。

18. 华人团队的三张牌与全球化方式

童超总结华人 AI 创业者的第一张牌是“接地气”：即使技术不成熟，也能用多种办法寻找 PMF；第二张牌来自高度竞争的移动互联网环境，增长和运营能力在海外可能形成“降维打击”，尤其适合冷启动和规模化。
第三张牌是研究与工程供给同时存在：中国既有大量年轻、有想法的研究人员，也有很强的全栈工程团队，可以把新技术迅速传递给用户。这种组合未必要求每个人都是 top researcher，却能缩短从研究结果到产品反馈的距离。
Mootion 没有在各国设置 representative 的计划。童超要相信两股力量：让 AI 像员工或实习生一样与全球用户沟通，再让当地用户成为“最好的代表”，主动完成传播、反馈和产品迭代。

o3 是 AGI 吗？Zvi Mowshowitz 谈 AI 早期起飞、Mechanize 发布与不断上升的 p(doom)双重用途创始人：退伍军人如今正在为美国建设