视频剪辑的「Cursor 时刻」来了？｜对谈 ChatCut 创始人李凯文：从金马导演到 AI 创业

摘要

• ChatCut 是一笔已有付费信号、但商业验证仍不透明的早期下注：团队 10 人，刚完成约千万元人民币种子轮，收入与利润未披露。 李凯文此前做了十年广告与纪录片导演，2024 年短片《孽种》入围金马；他的 founder-market fit 不是追逐 AI 热点，而是亲历 ChatGPT 与 Premiere 的时代断层。“如果上帝还没指定谁，我把手举起来了。”
• 产品押注不是生成视频，而是把“转录—内容编排—时间线映射”做成自然语言可调用的剪辑系统。 第一版甚至没有 AI，只能像改 Word 一样改视频；如今仍并行建设编辑器和 AI，因为以 Premiere 插件为底层会受到很多限制。李凯文的取舍是：“AI 能达到百分之八十，但是给人空间去改”，优于达到 90% 却锁死用户。
• 真正的市场转折是从专业剪辑师改攻“想表达但不会剪”的人，价值尺度也从提效 1.3 倍变成直接把用户拉到 80 分。 专业用户的既有工作流很难撼动，ChatCut 又不可能重造一个完整 Premiere；相反，老师、房产从业者等用户已经能把课件、口播和实拍素材直接变成内容。“轮胎跟地表接触的时候你都醒悟了。”
• ChatCut 认为风格不能靠十万个“素材—成片”样本硬拟合，必须把纪录片剪辑师的习惯、顺序和 checklist 变成 Agent 工作流。 Coding 有 bug 作为强化学习反馈，影片是否好看却主观且多解；李凯文主张先教 AI 何时重看素材、寻找 sound bite、补 transition，再让细节累积成风格。“不是 A 点到 B 点的问题。”
• Gemini 2.5 的一百万、甚至两百万 token 上下文让长视频暂时不必从 RAG 起步，Gemini 3.0 又让代码生成的 MG 动画成立。 但上下文和多模态仍是技术瓶颈，现有模型还不能精准理解长视频到可剪辑程度；可验证指令能先创造价值，是否能靠训练模型解决这些问题仍未确定。“我不敢说……是不是一个训练模型能解决的问题。”
• 对生成视频的分歧决定了产品边界：生成可以是一种创作手段，但不能替代真人与现实素材。 李凯文认为粗糙的真人讲述仍有生成画面缺少的生命力，因此 ChatCut 不生成画面像素，只剪真实素材并用代码制作 MG；团队将其 AI 比作“世界上最接地气的 AI”，而非可一眼辨认的模型风格。
• 当前的切口来自纪录片经验、进入时机与组织方式。 Antler 的早期资金与 Lovable credits 让李凯文赶上 AI coding 刚起步的窗口；团队用“炼金师”文化容纳计划外实验，同时靠平台积累工作流信息。终局足够清楚，执行路径可以开放：“当你能听见音乐的时候，你弹什么都是对的。”

精读

1. ChatCut 把十年导演经验压缩成“聊天剪视频”

• 李凯文生于 1992 年，把 ChatCut 概括为“聊天的方式剪视频”；公司现有 10 人，刚完成约千万元人民币种子轮，收入与利润则表示“不太好透露”。

• 产品念头来自一次强烈的时代错位：他刚用完 ChatGPT，再打开 Premiere 剪片，感觉自己在“穿越未来世界和远古时代”，并由此想到用聊天方式剪辑视频。

• 他没有把创业优势归结为工程能力，而是十年创作中对普通人痛点的观察：“如果上帝还没指定谁，我把手举起来了。”解决普通人的简单问题，靠的是“简单但是深入”的生活洞察。

2. 冒险并非创业后习得，而是从鞍山的打口碟开始

• 少年时期的李凯文对外部世界极度好奇，父亲出差会按斤买回打口碟。没有 internet、没有现成乐评，他必须“靠自己两只眼睛、两只耳朵”建立判断体系，这成为后来独立判断新事物的底色。

• 初中时他开始卖打口碟，春游也背着整包唱片，把耳机塞给同学试听。拿到一张打得很薄的 Blink-182 新专辑首版，他在电话里播放并追问：“牛不牛？五十块钱买不买？明天就没了。”对方当即要留两张。

• 从主动调研并争取去美国高中 Kent School，到进入罗德岛设计学院，他对陌生环境的态度始终是“let’s just try it”。他借 Kurt Vonnegut 的说法称之为 “Dancing Lessons from God”——愿意接受命运递来的舞步。

3. 广告给了技术与名望，也暴露了无杠杆的天花板

• 2016 年进入 Vice 中国后，他发现内容很难靠爱奇艺、优酷或腾讯的流量分成成立，因此主动拥抱 commercial 项目。预算让他看到“当钱不是问题时能拍什么”；他以“给 Burger King、Adidas 拍过项目”为例，说明品牌履历会带来行业信用。

• 广告同时要求创意、客户沟通、演员调度和多层甲乙方协调。技术提升和虚荣满足消退后，他承认自己未必适合与最擅长这套综合能力的人硬比：“每个人的品种不一样。”

• 导演一天酬劳曾达 10 万元，但本质仍是“用时间换钱”的无杠杆 business。2022 至 2023 年间，他搬到淀山湖附近住满一年，暂停接广告，并开始冥想、锻炼，允许作品、产品或 app 从空白中发芽。

• 那一年他写下多部短片并拍出后来于 2024 年入围金马的《孽种》，也开始构思 ChatCut。离开市中心更重要的结果，是摆脱“上海广告纪录片导演”这一固定身份，获得重新定义自己的定力。

4. 导演和 CEO 都是 Always day one，但公司不能按片场活

• 李凯文认为导演与创业者都要先形成 vision，再吸引资金、crew 和演员共同实现它；厚脸皮、抗挫折、三顾茅庐，以及 “take complete ownership of the vision”，在两种职业里高度相似。

• 每部影片都要从零到一，“Always day one, it’s always day one”；但影片完成后便固定不动，app 发布那天却只是塑造产品的起点。这要求他从交付作品，转向持续迭代系统。

• 片场像只筛选、不培养的 SWAT team，执行时甚至需要军事行动式的决断；startup 则必须长期投资于人。他不认同独裁能建立好组织，相信十个人被激发后的合力远大于一个独裁天才。

• 他把自己的管理角色形容为“铺马路的人”：先让团队形成一致认知，再把柏油路铺平。具有大厂方法论的产品合伙人与他的直觉互补，目标由双方共同商量，而非单向下令。

5. 第一笔钱先验证毅力，随后才升级成 VC 叙事

• 金马影展期间，李凯文遇到新加坡 VC Antler 的合伙人 Eric。对方先给一小笔钱，看他能否做出东西、是否具备持续做事的毅力；更重要的是，Eric 会寻找他“为什么能成”，而非罗列失败原因。

• 当时他并未准备做可 scale 的 AI VC-backed startup，只想找到第一个、前十个、前一百个持续用户。他引用“一千个 true fans、每人每年付 30 美金”的小而美设想，并认为资源贫乏迫使自己学会了真正的产品验证。

• ChatCut 第一版只完成语音转录和文字式编辑：用户删改文字，视频跟随变化，尚无 AI 编排。到 4 月份，AI 剪辑才出现雏形；完整思路逐渐包含转录、内容重排和时间线映射。

• 在还没有市场的情况下出现大量付费用户后，他判断下一段 slope 需要真正的 VC 支持，回国用一个月连续见投资人，自称像 GPT 一样经历“深刻的强化学习”。融资不是逐步接近终点，而是成交前始终看似不可能。

• 他与真格投资人刘源的连接始于电影：对方凌晨两点真的看完他推荐的影片，再尝试建立关于创始人的长期模型。李凯文的融资建议不是训练完美话术，而是寻找能产生化学反应、愿意长期同船的人。

6. 自然语言剪辑不是未来发明，而是把微信指令接进时间线

• 柯基提出自然语言剪辑可能永远不会发生，李凯文却说它过去一直存在：客户本来就通过微信告诉剪辑师“这个镜头放这儿、那个镜头放那儿”，只是过去由剪辑师执行。

• 对一整段访谈，用户可以要求删掉若干话题、把一句好话放到最前面，再补音乐和 MG 动画，让 ChatCut 先给出大致成片。这类意图级命令，才是聊天相对拖动时间线的优势。

• 他的让步同样明确：若只需移动一帧，手动拖动可能比说半天更快，AI 还可能移错。剪辑必然是人机互动，因此 ChatCut 保留时间线和文字编辑，不追求百分之百依赖自然语言。

• Premiere、Final Cut、达芬奇和剪映的编辑器形态已有约 99% 重合，“这个轮子就是圆的”；ChatCut 不需要表面上的天翻地覆，却仍须不同程度重建底层，否则依附 Premiere 插件会受到很多限制。

7. AI 的价值位于“思维层”，不是页面控件层

• 李凯文希望 AI 掌握剪辑助理真正做什么，而非在页面上制造所谓创新。编辑器与 AI 必须平衡推进，不会先造完整轮子，再等某一天宣布“轮到 AI 了”。

• 他把当前 AI 比作小学生：下一阶段不是让它更服从“指哪打哪”，而是送它读高中、大学，使其看见素材就能提出方案，甚至剪出高于用户当前水平的版本。

• 这里首先存在一组可以判错的任务：一句话没说完便切断、要求删口水词却遗漏，都属于明确错误。但基础正确后，节奏、取舍和个人风格不再有唯一答案，产品问题由工程执行转向审美判断。

8. 风格来自流程与习惯，Agent 要学习顺序而非成片答案

• 柯基指出 coding 能靠 bug 建立强化学习闭环，视频“好不好看”却高度主观。李凯文承认风格化至今“没有人有答案”，并反对把素材 A 到成片 B 当成唯一可暴力拟合的路径。

• 他剪 Vice 或 Discovery 项目时不会先释放个人 ego，而是遵循流程：素材再多，也先看采访；采访再长，也先做 Word 文档。稳定流程最后自然形成稳定风格，“它不是一个 A 点到 B 点的问题”。

• 若只用十万个素材—成片样本“大力出奇迹”，在他看来容易“走火入魔”。真正决定宏观风格的，可能是早期如何筛采访、何时回看素材、故事缺口出现时寻找什么 sound bite，以及怎样补 transition。

• 下一步是把真实剪辑师的工作流拆成不同 Agent，让它们在不同语境和素材里行动。很多先后顺序、checklist 和人类 common sense 必须由人定义，因为这些知识并未充分内化在 LLM 训练数据中。

9. “轮胎碰地”后，目标用户从专业剪辑师转向不会剪的人

• 柯基的质疑是：剪辑环节彼此耦合，专业用户会极度谨慎地改变工作流。李凯文确认现实完全验证了这一点——早期 target 专业剪辑师后，团队发现既难触动习惯，也造不出一个完整 Premiere 再叠加 AI。

• 这促使 ChatCut 转向原本不是剪辑师、却一直想做内容的人。手机已让拍摄足够简单，剪辑反而成为迟迟不起号的关键卡点；团队希望直接消除这道进入门槛。

• 李凯文给出的价值比较很鲜明：把新用户从不会剪提升到 80 分，比让专业剪辑师效率提高 1.3 倍更大。“轮胎跟地表接触的时候你都醒悟了”，也是他对这次 target 转变的总结。

• 已出现的案例包括老师把课件或大纲变成 MG 动画，再配自己的口播建立账号，以及房产从业者自行完成视频。因为 ChatCut 只触碰剪辑，用户作品题材天差地别，也看不出统一的“AI 痕迹”。

10. 生成可以成为素材，但不能替代现实本身

• 柯基提出另一条服务同类用户的路径：用户只提供 idea，产品负责生成视觉并自动成片，从而同时绕过拍摄和剪辑。李凯文认为两条路线背后，是对视频为何存在的不同判断。

• 他的核心判断是视频首先用于人与人交流。一个粗糙的真人面对观众讲故事，仍具有专业度无法掩盖的生命力；若内容完全不与现实世界相关，就很难产生同样的感染力。

• 他并不否定生成，明确称其可以是“创作手段之一、艺术手法之一”；但若认为生成能整体替代拍摄，就是“对世界的一个错误判断”。AI 可以替代很多环节，却取代不了人与现实的核心连接。

• 团队将 ChatCut 的 AI 比作“蓝领”、比作“世界上最接地气的 AI”。李凯文观察到，飞机、地铁和抖音里真实消费的视频生产方式并未被生成模型改写；像 Frame.io 只解决审片这种 niche 问题，也能成为他口中的 multi-billion-dollar company。

11. Gemini 2.5 和 3.0 分别松开上下文与 MG 动画

• 早期使用 Claude 或 GPT 时，半小时视频就可能触及上下文限制，团队过去面对这个问题，第一反应可能是 RAG 和 vector database。Gemini 2.5 提供一百万、甚至两百万 token 后，这个问题至少可以暂缓处理。

• Gemini 3.0 则让 MG 动画功能真正成立。ChatCut “不生成任何的像素”，而是生成代码来制作动画，效果更像替用户做一个 PPT，而不是生成一个固定画面。

• 多模态现阶段对产品影响还不大，但李凯文强调它“绕不过去”。现有模型对音频、语言和画面已有粗略理解，却尚未精准到剪辑所需程度；未来既要用于分析，也可能用于生成。

• 团队不会每逢新模型就连接一个 API，以“表现自己很勤奋”。只有在模型之上加入与剪辑工作流结合的价值，才值得开发；上下文和成熟多模态，仍是自然语言剪辑落地前的关键突破。

• 没有海量开源“剪辑代码”并不等于剪辑比 coding 更难。李凯文把能力拆为可验证和主观两部分：删口误、去口水词、改竖屏等若能准确执行，已经价值巨大；平台可继续积累这些信息、调优 prompt，但他“不敢说”这是不是训练模型就能解决的问题。

12. Unscripted 是 ChatCut 真正选择的切口

• 李凯文把视频分为 scripted 与 unscripted：电影脚本和场景逻辑已经固定，剪辑要从表演与机位中找最佳瞬间；纪录片、自媒体和 YouTube 则必须从无序素材中发现内容、逻辑和结构。

• 他认为让 AI 处理 scripted 中最精细的判断目前很难：梁朝伟对张曼玉说“我有个船票，你会不会跟我走”，若有一百个 take，让 AI 选最佳表演，“forget it, cannot be done”。

• 纪录片则是 unscripted 中最难的形态：素材巨大、目标模糊。王兵拍《铁西区》三年再剪成三小时，不是执行预设答案，而是持续面对素材，让一个有生命力的结构有机形成。

• 但同一工作流可以缩放到普通创作：去长白山滑雪拍下一堆 random 片段，也是在较低复杂度上解决“如何从无序找到规则”。他甚至把本期 podcast 视作 documentary，而非截然不同的媒介。

13. 切口来自细腻判断，也来自没有错过 AI coding 窗口

• 李凯文不认为自己身处完全无人竞争的市场；很多人把 ChatCut 归入拥挤的 AI 视频赛道。真正稀缺的是锁定方向后，找到一个足够细腻的入口与方法论，最后让用户感到简单的 “yeah, this works”。

• 纪录片经历提供了入口，时机则让它成为产品：LLM 已出现一到两年、AI coding 刚起步，Antler 又因早期投资 Lovable 给团队无限 credits，他因此想到可以直接做 web 产品。

• 他直言现在才以同样想法入场“稍微有点晚了”：世界并未停止，已有团队把“萝卜扔到坑里”。后来者仍可硬塞另一个萝卜，但 “life is not gonna be easy for you”。

• 即便如此，他并非自然语言原教旨主义者。ChatCut 重视时间线与文字编辑，因为“AI 做到 80% 且人能改”比“AI 做到 90% 但人不能改”更有用；控制权本身就是产品能力。

14. “炼金师”文化让计划外实验成为正式生产力

• ChatCut 的“炼金师”不是岗位，而是工程师、设计师或产品经理的第二重身份。李凯文把 amateur 理解为一个为爱而做的人：钱是基础，但真正的突破往往来自一个人为爱而做、对细节怀有执念。

• MG 动画最初不在 PRD 或每周目标中，而是产品同学在主任务之外持续尝试。做出雏形两天后 Gemini 3.0 发布，团队立即暂停其他工作追赶窗口；在他看来，这是“命运给我们的一个机会”。

• 这并非贬低工程师，恰恰意味着工程师也应学会炼金和 tinker。若一个人只严格完成作业，AI 会逐渐把作业接走；真正难替代的是发现标准、尝试未知组合，并判断什么值得继续。

• 招聘因此从单看技术背景转向综合兴趣：一个人哪怕只对某种食物极度着迷，也可能形成自己的高标准；若对任何事情都没兴趣，就很难对产品产生真正判断。

• 李凯文希望把意外收获“系统化地制造”，并借《反脆弱》解释：组织应主动制造对自己有利的意外，因为其杠杆远大于一加一等于二。管理的难度，正是给试错留下空间而不失方向。

15. 终局越清楚，团队越自由；“有事可做”构成九分幸福

• 柯基追问，鼓励意外是否意味着通往终点的道路并不清晰；李凯文回答“不，我觉得完全相反”。因为结果看得足够清楚，团队才可尝试多条路：“当你能听见音乐的时候，你弹什么都是对的。”

• 节目中还回忆了一段 2014、2015 年聚美上市后的经历：叙述者自称那年“应该 29 岁”，带着一笔钱裸辞，住进朋友的湖景房；第四天起因无人联系而体会到抑郁，最终明白“躺着根本就不快乐”。

• 李凯文把当前幸福度打九分。过去羡慕 Kent School 的富裕同学，如今向他们介绍 ChatCut 时，第一次感到财富自由者反过来羡慕自己——“一个人有事儿做，那是你最大的财富”；他称 ChatCut 为 “this is my life’s work”。

• 创业的痛苦与享受并不矛盾，关键是是否相信事情有价值。他从片场学到 “nothing’s supposed to go right, of course it goes wrong, that’s the job”；障碍不是通往工作的插曲，“如果这个关不存在，I have no job”。

• 剩下的一分来自竞争心与 ego：它可能是现阶段高效决策需要的燃料，也妨碍完全平静。导演并未被放弃，只是不必急着回去；电影是封装生活理解的载体，而创业经历正在成为未来作品的燃料。