勇闯「AI 创业激战区」，Medeo 在想什么？｜和晨然聊 AI 视频产品、年轻人的机会

摘要

• Medeo 的核心押注是「模态升维」：One Two X 判断视频会像文字一样成为未来的信息表达方式，把高密度文字信息转成视频「它的单价就会提升十倍，我猜测啊，这也不是一个能验证的东西」。 团队用一个自营 AI 新闻号做了 MVP 验证——几百阅读量的文章转成视频后「观众也很爱看」，且转制成本不高，这构成了选赛道的原始体感。
• 面对「InVideo 一年半前就能做」的同质化质疑，陈然不回避：剪辑产品的解法已有 SOP，「最开始它肯定都会非常的像」，差异化在追求 3% 的创新——「更少的 token、更强的泛化性、更高质量的信息商品」。 他不认为这个市场赢家通吃：剪映像什么都能干的 IDE，「臃肿就是一个劣势」，做垂做深、反复雕花，「大家会为这种东西买单的」。
• 产品架构上的明确站队：视频领域应该是「百分之八十的 workflow 和百分之二十的 agentic」。 剪辑存在固化的人脑 SOP（素材整理→脚本→粗剪→精剪→包装），流程化场景用 agent 可能不如 workflow 稳定交付；agent 适合的是开放问题——「开放的问题需要用开放的解法去回答」。
• 两个反共识值得记录：一是对 MCP「非常谨慎」——它是解决生态便携性的协议而非跨时代技术，「归根结底还是一个提示词的管理方式」，垂类产品接入还会增加工程复杂度，且未必解决实际技术问题；二是别迷信最好的模型——把 Sonnet 从 3.5 切到 3.7「表现效果还更差了」，各厂数据 alignment 取舍不同，这类认知「一般都不会在市面上去流通」，只有一线调提示词的人知道。
• 稳定交付是 AI 产品最难也最被低估的机会：「AI 产品是在从随机当中找确定性……你要克服熵增去做功才能得到一个稳定的结果」。 他认为这是产品问题而非等下一代技术，类比塞尔达的开放世界——自由是塔和呀哈哈这些「精心设计的大大小小的奖励点」造出来的，某个 AI 产品若把随机性的正反馈设计好，可能迎来自己的《旷野之息》时刻。
• 关于年轻人的机会，陈然带明确利益相关声明：AI 太新以至于经验反成束缚，「在 AI 的这个新时代，我觉得大家都是众生平等的」。 融汇还引用前嘉宾童超的判断：大家比的是迭代速度。25 岁、无商业经验的他在大厂的体会是「因为大家都不懂，然后我成了最懂的人」。
• 一条时代注脚：经济下行下「维持好自己的情绪稳定都已经很不错了」，和好友谈梦想得到的回应是「挺好的，跟我什么关系」——保留创作欲成了这代创业者最难保留的东西，他的保护方式是物理隔绝手机、看书输入，承认自己的创作欲「大部分的来源都是来源于痛苦」。

精读

1. 发布不办 campaign：工具产品要按一年打磨，先「猥琐发育」

• Medeo 发布后服务器爆掉，团队「应该搞了一个通宵」，小型刷屏，但陈然说「没有特别大的实感」——这次 launch 被定义为「非常雏形的尝试」，传播上本来就没设指标，后来看到公众号和 KOL 自发转发「还是比较超出预期的，说实话」。
• 低调发布的逻辑：工具产品需要按一年来打磨细节，现在谈「完成度比较高的产品」为时尚早；公司基因上「不是一个想要博流量」的团队，宁可「猥琐发育」积攒口碑，现阶段明确不关注 DAU 这类指标。
• 唯一让他欣慰的反馈是用户说功能区域划分想得清楚——「我感觉还是没有白费之前几个月的那个很大的重构」。

2. 为什么是视频：模态升维是「碾压性的经济升维」

• One Two X 由前 Kimi 产品负责人王冠、姚行和一位技术联创成立。陈然的加入逻辑是自身两个特质的交集：程序员 + 做过导演的内容创作者，「AI 视频正好就能把我这两个特质发挥到最大」。
• 时点判断：去年还认为成本和稳定性撑不起全自动生成视频，中间 pivot 过，看到生成玩法越来越多后判断「这个速度可能已经快到了」。定位是端到端生成一个可交付的视频，且能在工程文件上继续修改——中间是生成、剪辑还是检索，「这个是由 Medeo 背后的 AI 去搞定的，而不是用户需要关心的」。
• 经济账的原始验证：自己做了一个 AI 新闻号，把文章转成视频，发现几百阅读量的文章转视频后观众爱看、成本不高。核心信念是「模态升维它是有碾压性的一个经济的升维」——一段文字转成视频「单价就会提升十倍，我猜测啊，这也不是一个能验证的东西」。

3. 文章转视频的第一课：视频有自己的语法，念数据观众就跑

• 融汇的敏锐提问（她写过脚本）得到印证：逐字稿脚本和视频语法脚本「不需要和文章本身进行非常强相关的匹配」——hook 怎么写、ending 怎么收、中间怎么给情绪价值，视频有自己的语言体系。文章里最值钱的信息密度（表格、数据）恰恰是视频里最难用的：「你一旦把数据念出来，观众就不想看了」，比干货更重要的是「干货感」——让观众感觉有知识收获、看了快乐。
• 没按品类做精细的脚本模板，「还是比较草台的」。原因一半是精力不足，一半是明确相信 less structure：模型升级后写稿类任务不需要人给太多 structure 指导，「把一定的权利放给模型可能效果更好一点。这个真的是深有体会，就放权」。

4. 一个人就是一支队伍：刷视频是工作，写代码也是

• 对外是产品负责人，实际主业是提升视频效果：调研预研新的视频可能性、定义品类、手动剪 demo、做 prompt engineering——「整个 Medeo 的视频生成的算法都是我搭建的」。工作日常既有感性也有理性：「一个是做内容，一个是写代码」。
• 大量工时花在沉浸式刷抖音、小红书、YouTube Shorts——「只有一直沉浸在这种视频的 vibe 当中，你有可能才 get 到它的那个情感到底是怎么传递出来的」，然后手动模仿剪辑、分析步骤、沉淀成可以跑起来的代码。
• 刷出来的判断力：抖音上能活下来的视频「节奏感都非常像，几乎是一样的」，他能一眼判断一个视频会不会在信息流里存活；YouTube Shorts 的科普视频「基本上就一个风格」——既然是一种风格，「那我相信它就可以被结构化」。刷到最后的结论是「视频就是一个情绪价值」，真不在乎传递多少知识，而是看完非常舒服。

5. 全员远程、无 KPI：管理问题在招聘环节解决

• One Two X 全员远程，王冠、姚行同在北京也不天天在同一个 office。例会刻意压在三十分钟以内、全员会一小时以内，「会议时间减少之后你大部分时间是在独处……这对人的主动性要求非常高」。
• 团队不设 KPI，陈然的解释是这件事应该从招聘上完成：「你只要招聘到了很好的高质量的人才，然后给他一个很适合的创新的环境，那他就会很主动的做出来一些创新的事情」。他与两位联创的配合几乎只在战略层——什么时候做什么事、哪篇论文验证了哪条技术假设；「脏活累活……我感觉我一个人也能 handle 完」。

6. 押注与验证：DeepSeek 印证强化学习，重仓谷歌统一多模态

• 去年团队就一直在看强化学习，「我们相信这条路会有一个非常大的爆点」——直到 DeepSeek 出现，「我们那天就非常兴奋，就是这条路是对的」，因为此前的产品假设正是基于这个技术假设。
• 姚行的论文纪律值得记录：每周用 O3 辅助过一遍生态里所有论文，挑出重要技术路径的几篇在周会分享。另一个长期赌注是谷歌的统一多模态——「去年我们就在压这条路，所以才会有 One Two X 这个公司」，而上周谷歌「又爆了个东西出来」。

7. 直面同质化质疑：解法有 SOP，最开始都像，差异在 3% 创新

• 主持人转述市场的负面声音——Medeo 2025 年 5 月发布，但「能做的事是 InVideo 一年半之前就能做的」。陈然承认「这个是肯定会有这样的声音的」，团队起步时就看到了头部竞品：AI 剪辑产品无法脱离视频表达所需的功能，一键生成、编辑器「它的解法已经有 SOP 了」，趋同是结构性的。
• 他的回应落在「找那种百分之三的创新」：「我们想要追求的是更少的 token，更强的泛化性，提供更高质量的信息商品的结果」。「再做一个剪映，或者是再做一个 InVideo，我觉得这个其实确实没什么意义」——现阶段看起来像很正常，「未来的迭代就会很不一样了」。

8. 使命：一份信息多份表达，视频只是选的第一个表达方式

• 底层洞察：人天然受过语言训练，但「没有天然训练过对于视频的语法规则」——拍 vlog 怎么叙事、剪辑怎么排顺序，才是比学工具更大的门槛。Medeo 要解决的是让没受过训练的小白和专业用户都能快速通过视频表达。
• 公司最相信的一句话：「一份信息多份表达」——同一份信息源，给老人、小孩、年轻人看的表达方式不同，AI 加持下用户不再关心中间是剪辑还是生成，「我们想要完成的就是尽可能减少从一份信息到多份信息表达中间的痛苦，而视频是我们现在选的第一个表达方式」。他也坦承目前还没明确定义 Medeo 服务哪类品类视频，「非常取决于市场的反馈和这个技术应该往什么方向走」。

9. 融汇的追问——使命人家也认可，凭什么不是赢家通吃？

• 融汇的 pushback 直接：「这个使命我觉得 Veed（音）和 InVideo 可能也认可……会不会人家使命也一样，但其实一年前就做了你们现在在做的事儿？」陈然认「这是很合理的质疑」，回应的支点是视频赛道足够宽广：营销视频靠情绪、音效、转场，播客视频靠语音文字主导，「它依赖的表达要素就不一样」，品类决定工具形态。Medeo 暂选的品类是新闻、科普、知识、故事类，区别于带人脸上字幕那一类。
• 对「Veed 没固化」的说法他直接反驳：「我是相信 Veed 早就固化了」——看它的营销，基本卖点都在字幕、口播人像视频的痛点上，靠 fancy 字幕特效出圈了很多。
• 反通吃论证：剪映「就像是一个可以完成各种代码的 IDE」，但即便它什么都做到，「它的臃肿就是一个劣势」——一定会有人要一个只剪播客、只上字幕的简洁工具，「而且如果你只要做的很垂，你就可以做反复的优化，你有可能训一个模型……大家会为这种东西买单的」。
• 对通用 agent 公司加视频生成的威胁（如 Lovart（音）已能作为 design agent 直接生成视频）：生成出来「很难改」，要改字幕最好还是回到 GUI 编辑器——「大家可能最后的产物都会很像，但是它的路径会非常不一样」。

10. 80% workflow + 20% agentic：剪辑早有人脑 SOP

• 内部反复探讨过 agent 与 workflow 的边界。剪辑师的工作本身就是固化流程：素材整理→理解素材→构思脚本→粗剪→精剪（剪气口、加字幕、做包装）——「既然人脑或者是我们剪辑师都是以这样的方式去工作的……如果它已经很流程化了，那我觉得 agent 在这个场景下可能就没有那么适合」。
• 他更愿意用的词是 agentive 而非 agent：agent 像一个实体打工人，agentive 是一种技术方式，适合「你不知道用户会干什么」的开放问题——「开放的问题需要用开放的解法去回答」。结论明确：视频领域应该是「百分之八十的 workflow 和百分之二十的 agentic，这样做才能更好的稳定的交付一个结果」。

11. 反共识之一：MCP 是生态协议，不是技术突破

• 被问最不认可的新共识，第一个答案是 MCP：「我对 MCP 是一个非常谨慎的态度」——它是协议，解决的是生态和便携性问题而非技术问题，「它并没有带来一个非常跨时代的技术……它归根结底还是一个提示词的管理方式」，而上下文管理、输出结构化、省成本本来就有很多别的做法。
• 市场探讨热烈、营销爆点都带这个词，「但实际生产落地当中，它也没有真的解决一个很大的问题」。他区分了受益者：平台化产品（如扣子）做可插拔插件生态当然受益；但垂类产品本不需要谈生态扩展，接 MCP「又给你代码工程上带来一个复杂度，但它也没有解决你的技术实际问题」。

12. 反共识之二：解决用户需求不一定需要最好的模型

• 混合多模型的系统里，每个节点未必要用最强模型——他实测发现把 Sonnet 从 3.5 切换到 3.7「表现效果还更差了」，3.7 有指令遵循上的小 bug。归因是各厂数据 alignment 取舍不同：Claude 把 coding 能力放最高，「那它可能在别的任务当中会有一些小小的损失」，只有在自己业务场景实测才会发现。
• 这段话里的元认知比结论更值钱：「这种东西只有在一线的实操的人去真的调过提示词，你才会发现这些认知，而这些认知一般都不会在市面上去流通，它可能会在某一个论坛的某一个小角落出现……所以这个认知就是不要盲目相信用最好的技术」。

13. 模型有脾气：Claude 3.7 是「多动症小孩」

• 写代码最多用 Claude 3.7 thinking 和 Gemini 2.5 Pro Preview。Gemini「审美确实比 Claude 要好一点点」但输出没那么复杂；Claude 3.7 是「一个多动症小孩」——需求已完成还要「故意再给你重构一下，优化一下，再多加几个 file」，指令遵循不如 3.5。
• OpenAI 的模型他越用越少，只用图像模型：输出「比较严肃、非常数学」、爱给表格。这引出一段有趣的人格分野——姚行是 J 人，高强度用 OpenAI 因为「非常的干货，没有口水化，都是表格」；陈然自称 P 人「很需要情绪价值」，「看到表格我就头晕了」。融汇站在姚行一边：「这样的一个混沌信息也能给我整理个表格出来，一下子世界就清晰了。」

14. Cursor 的启发：AI 产品是三端三边，你得自己先成为创作者

• 他做 Medeo 时想得最多的框架来自 Cursor：传统产品只有「产品—人」两端一边，用户路径来之前就能枚举完；AI 加入后变成人、产品、AI 三个顶点三条边。Cursor 想清楚的是 AI 权限的递增划分——inline tab→edit→chat→agent，「这个模式我觉得它真的想的非常非常清楚」。
• 更深一层的变化：「你现在做 AI 产品，基本上你自己得成为一个创作者」，把一部分人的创造过程预先做进工具，「然后这个分支条件就已经 hold 不住了，因为它有无限可能性」。
• 对 AI 创意能力的清醒判断：「AI 其实很难产生一些超越人类的点子……它写的稿子，我测多了我都能猜到它会写什么样的稿子」。AI 最适合的不是替代创意，而是「带有一部分智慧的执行角色」——批量写提示词、批量抽卡、写有 SOP 的分镜描述、24 小时自动执行，「如果你想让它去给你一个非常啊哈 moment 的创意，真的很难……在这上面发力的话就很容易碰壁」。

15. 稳定交付：从随机中找确定性，答案在塞尔达里

• Cursor 之所以是他心中做得最好的 AI 产品，在于「真的在落产当中稳定的交付一个结果」——而这恰是反直觉的难点：「AI 产品是在从随机当中找这个确定性……你要克服熵增去做功才能去得到一个稳定的结果」。用户第一次被惊艳后预期会变成「我希望下次还是它」，「但做过的都知道，你下次还是他的概率很小」。
• 关键判断：稳定交付是产品层面的问题，「不算是需要等一个新技术来解决的问题」——需要给产品时间，而不是等下一代模型。
• 他最爱举的类比是塞尔达《旷野之息》《王国之泪》：开放世界不是真放任自由，「自由一定是在一种限定的范围当中去谈自由才会有意义」——塔是大目标、呀哈哈是小奖励，玩家绕的每个弯路都是精心设计的奖励点。AI 产品难就难在也得把随机性带来的正反馈设计好；某一天某个 AI 产品会带来《旷野之息》发布那一刻的啊哈 moment，「可能是我们做出来，也可能是别人做出来」。

16. 年轻人的机会：众生平等，比谁迭代快

• 身边全是超级个体——海星、阿文（音），刚拿小红书独立开发者金奖的倪豪——「都是走出了自己的野路子，绝对不是说在学校里面学到什么东西」。AI 打破了「必须先学前端的什么什么」的传统路径，「每个人踩的路可能都不一样了」。
• 他带利益相关声明的判断（「我是年轻人，所以肯定会这么说」）：有经验的人容易被旧框架束缚，「年轻人本来就胆子大嘛，艺高人胆大还是能做出来很多好玩的事情」。大厂经历的印证：「因为大家都不懂，然后我成了最懂的人，但明明我是经验最不足的人……在 AI 的这个新时代，我觉得大家都是众生平等的」。融汇接了前嘉宾童超的话：AI 时代没有谁的认知更超前，「大家比的是谁能比谁迭代的更快」。
• 迭代快的具体形态是 demo 文化：即兴、无目的、大部分「没什么价值」，但经验会在后来的项目里突然用上。Claude 4.0 发布当晚守直播、API 一出就测（「果然牛逼」）；GPT-4o 图像生成第一次实现图到图一致性后「Lovart（音）就因此而大放光彩」——「那个技术一出来，你就得非常快速的去试，你才能最早的去接触到这个认知」。做 demo 于他「就有点像拼乐高……它是一种生活方式」，AI 创业者之间还有海星发起的 Demo In 互相秀作品。

17. 创作欲与经济下行：「良性的哭」，和「跟我什么关系」

• 他与 ChatGPT 的起点：2021 年本科毕业正值移动互联网顶点（「过了才知道原来那个时候就是高峰」），秩序森严的成熟行业里老手最吃香，计算机于他「只是一个赚钱的工具」。ChatGPT 上线第一天他就熬夜玩——打辩论赛、海龟汤、情感陪伴，「后来才发现原来这个东西竟然是赛道」。他从中提炼的产品观：「如果创作者觉得他在这个过程当中好玩……那他创作的东西也会让观众和用户体会到」。Koji 对照自己 2010 年的「五道口年代」——对 Web 2.0 兴奋却在同学纷纷投微软亚研院、IBM 时格格不入——这正是他做 AI Hacker House 的动机：为下一代创业者营造找到同类的场域。
• 关于创作欲的坦白是全集最动人的段落：本科毕业后创作欲消失了三年，「我知道我想表达……但就是总差那么一点点」。保护方式包括物理隔绝手机、住浦东图静谧、看书做输入（「之前刷视频刷出工伤了……抖音真的很毒瘤」）。他的创作欲「大部分的来源都是来源于痛苦」：前天在高铁上突然哭了一路，「我不知道我为什么哭，但是我会感觉很爽，他终于回来了」——一种「良性的哭」。
• 时代底色不回避：「经济下行从我们这一代开始」，学长学姐找工作容易而他这届开始找不到，「仅仅是维持好自己的情绪稳定都已经很不错了」。和好朋友谈梦想，得到的回应是「挺好的，跟我什么关系」——所以「保留这种激情，保留这种活力，保留这种创作欲是非常非常非常关键的」。Koji 引 Paul Graham《How to Do Great Work》收束：找到那件你干起来毫不费劲、别人却觉得费劲的事，认真去干，回报会非常好。