ONE2X 正式发布了 Medeo 1.0，很易上手
https://www.medeo.app/
ONE2X 刚完成A轮，累计融资额近2300 万美元
资方包括清流、九合、联想，老股东美团龙珠和小米王川继续跟投，更早的投资方还有红杉中国和百川
团队约 30 人，核心成员来自月之暗面、字节、阿里、快手
晨然是 Medeo 的产品负责人，是最典型的 AI 产品经理样本：懂技术、善于思考、既了解模型的脾气，又明白创作者的痛苦
他之前是全栈工程师，剪视频剪了 8 年，做过 B 站 UP 主，上传过六七十个视频，从编剧、导演到剪辑全流程都干过
去年 7 月的时候，晨然跟我说他加入了一个视频工具创业公司，希望能创造点与众不同的东西
当时没太当回事，但直到前段时间才知道他去了 ONE2X 做 Medeo
优秀的人，总是可以与优秀的团队，一拍即合
ONE2X 的创始人王冠，则更是有趣
是月之暗面前模型产品负责人，也是月之暗面第一个离职创业的人
ONE2X 的由来
在加入月之暗面之前，王冠尝试过三次创业方向，每一次都精准地踩在了 OpenAI 的更新路径上
• 第一次，
做写作辅助工具，刚跑通 Demo，ChatGPT 发布了• 第二次，
做「Excel 转图表」的代码生成工具，刚看到效果，GPT-4 发布了，自带 Code Interpreter，直接覆盖• 第三次，
做 Agent 工作流，刚准备融资上会，OpenAI Plugins 发布了，思路完全撞车
这让他意识到一个问题
如果不理解模型能力到底是怎么来的，未来会朝什么方向发展，你做的事情和模型的关系是什么，那就是在一个非常虚无的地基上构建想法
于是，他去了月之暗面，待了一年，搞清楚几件事之后出来创业
他的结论指向一个词：数据
王冠把 AI 行业的发展分成三个阶段：
•第一阶段，拼公域数据：谁能更快清洗互联网公开数据，这个阶段已经过去，格局已定；
•第二阶段，拼领域数据：「我有你没有」的行业私有数据，这利好大厂；
•第三阶段，拼内生数据：「之前世界上不存在的数据」
在 ChatGPT 出现前，没有通过对话方式解决各种问题的海量自然语言数据。这份数据是因为有了 ChatGPT 这个产品形态，才慢慢产生的
只有通过设计新的产品形态产生内生数据，应用层公司才能建立壁垒
这是王冠选择做视频的底层逻辑之一
视频是价值更高的模态，在美国市场，有 20-30 家做视频处理的 SaaS 产品，ARR 都能做到几千万美金
「一键生成」的问题
Medeo 的定位是「全品类对话式 AI 视频创作工具」
用对话做视频，而非一键生成视频
今年 5 月，Medeo 发布了早期测试版本
同期的竞品不少，纳米 AI 做得最早，小云雀、360 也在做类似的事
到了 10 月，这些声音基本都没了信息插播：国庆之初，Sora2 发布
晨然复盘过这件事。他的结论是：剪辑和创作绝对不是线性的过程，是一个反复迭代的过程
「一键生成」的问题在于，它剥夺了用户迭代和修改的权利。一键出的视频不够好，用户想改又改不了，这就成了死局
如果一键真能出好视频，厂商应该直接生产内容去卖，而不是做工具
还有一个例子。有些竞品做了「画分镜」的功能，用户嘴上都夸好用，但实际上数据很难看，根本没人用
分镜只是传统流程中阶段性的产物，创作者真正关心的是最终效果。Sora-2 出来之后可以直接绕过分镜出更好的视频，内置了多分镜能力，对「先确定分镜再做视频」的工作流是降维打击
Medeo 早期版本其实是一个半成品态，生成系统还没完全搭建好。这次 1.0 版本，是把生成系统的架构搭建完成了，可以支持对话式连续创作、语义化 Workflow 的使用方式
这个形态参考了 Cursor
为什么是 Cursor
这里有个挺微妙的发现
晨然在做 Prompt Engineering 和 Context Engineering 的时候注意到：
目前主流的大模型，训练数据里高质量的逻辑部分，很大比例来自于 Coding 场景
这事儿就显得非常有趣：
在调试 Prompt 的时候，越对齐它的训练数据范式，模型就越听得懂
他试过用视频行业的术语去写 Prompt，效果很差
但用类似代码的逻辑，效果瞬间提升
非常有趣
要想让 AI 听得更懂，可以先把任务，伪装成写代码
Cursor 还有一个值得借鉴的，是及时反馈
Agent 如果 3 秒内没给反应，用户就会慌
在这里，Cursor 的交互做得最好
视频和代码最大的区别，是Validation
代码写错了， IDE 会报错
但视频创作没有「错误」，它是风格化的，允许幻觉
视频没有语法报错，只有好不好看
这意味着 Medeo 没法像写代码那样做自动化测试，得自己造「负反馈链路」
通过 AI 视觉模型去给用户「报错」或「提示」
这也呼应了王冠的产品架构思路，他把生成系统分成三层：
• 底层是 DSL（领域特定语言），定义了视频制作的原子操作；
• 中间层是 Context 系统，负责把用户模糊的意图转化为精确的指令；
• 顶层是 Environment，让人和 AI 在里面共同活动
「Context is Everything」，王冠反复强调这句话
基座模型大家用的都一样，产品的优劣完全取决于你在模型之外构建的上下文
Medeo 工具
你在对话框里告诉 Medeo 你想做什么，它会帮你写脚本、拆分场景、规划节奏，然后自动匹配媒体素材、语音音色、背景音乐，最后把所有东西编排到时间轴上
三种玩法：
语义化工作流
用自然语言告诉 Medeo 你想如何制作视频，包括视频是什么样、按什么步骤制作、每一步需要什么工具。比如「用图生图确保人物一致性生成分镜，最后用 Sora-2 图生视频，然后配英文的解说」。Medeo 能直接响应你的方法，按要求执行
智能体模式
只描述你对视频的想法，让 AI 自由决策该如何制作。适合不想操心技术细节的人
对话模式
从一个 idea 出发，通过不断对话，明确和完善想法以及视频内容。可以先说「你好」，然后慢慢聊出一个完整的视频
这里，核心差异点在于「双重控制」：既有 AI 对话式修改的便捷，又保留轨道编辑的手动精修能力。交付的是可编辑的剪辑工程文件，不是死的视频
目前支持的模型包括： Doubao、Gemini、Midjourney、 Minimax 和 Sora-2
生成的品类，也是全支持：动画、漫剧、科普视频、教程、MV、广告，都能做
批发商 vs 零售商
我问晨然
“Medeo 和可灵、Sora 什么关系？未来模型能力越来越强，会不会把应用层覆盖掉？”
回答很直接
他们是供应商（批发商），我们是零售商（加工商）
模型厂是在超市卖矿泉水的，一瓶卖 2 块钱
应用层是在 KTV 里卖矿泉水的，可以卖 20 块
Sora 出来的时候，晨然说他也慌过，但体验后发现，它解决不了「灵感」和「叙事逻辑」的问题
素材越好，对剪辑和叙事的要求就越高
王冠有一个说法：视频可以分成两个世界。物理世界的视频，摄像头拍摄的，对应短视频生态，供给已经非常充分；理念世界的视频，AI 生成的，对应知识、艺术、精神信仰类内容，以前因为制作成本过高而稀缺
他把前者比作「夜店、生活广场、超市」，把后者比作「图书馆、歌剧院、大教堂」
ONE2X 的目标是后者
快手在今年 8 月发布的二季度财报中称，可灵 AI 的单季收入已超过 2.5 亿美元。Runway 在 6 月宣布年化营收超过 9000 万美元
市场是存在的。问题是谁能吃到应用层的溢价
一个 Remote Native 的组织
ONE2X 的组织形式也值得聊聊
从公司建立第一天开始，就决定以 Remote Native 的形式存在。没有管理岗，甚至不考勤
王冠把建立组织类比为强化学习中「搭建环境」的过程
每个员工都是独立的智能体
组织的任务不是去控制员工，而是搭建一个环境，让智能体在其中自主活动
Demo 先行
现在这个版本在 7、8 月份的时候就已经做出来了一个非常接近的 Demo，一两周时间就可以测试可行性
团队内认知闭环
Cursor 做得好，是因为团队本身就是自己产品的用户。程序员、懂 AI 的人，每天高强度使用 Cursor，每个人既是生产者也是消费者，非常清楚自己做的产品到底哪里不好
但 AI 加视频比 AI 加 Coding 难一点。AI 加 Coding 很容易在一个人身上完成闭环，但 AI 加视频，需要既懂 AI 又懂内容的人。如果反馈链路放得太远，迭代速度就会变慢
所以 ONE2X 的做法是：
既然要做创作工具，团队本身就得成为创作者
所以，ONE2X 招了很多真正懂内容的人，电影系的、影视行业的编剧，让他们反复使用 Demo，更快速地积累产品还有哪些问题
创作者智慧才是壁垒
Medeo 发现很多用户是 Prosumer（专业消费者/半专业人士）
有个编剧，把自己几万字的短剧写作指南喂给 AI，跑通了一个非常牛的工作流。他甚至觉得手动搞比用产品要好
到了 Medeo 中，他可以把这套手动流程用自然语言表述的方式「缝」进产品里
这给了团队启发：下一个阶段的产品，其实是围绕「创作者智慧」进行服务
工具随时可以被替代。但如果用户的 Prompt 习惯、项目 Context、Workflow 都沉淀在你这，产品才能成为真正的创作伙伴
所以 Medeo 现在做的很多功能，比如统一脚本格式、世界观设定卡、人物小传，本质上都是为了帮助创作者固化这些「独有智慧」
王冠表示：未来的创作者会两极分化，金字塔尖的艺术家/专家，他们控制的不是生产内容的能力，而是控制生产能力如何被使用的逻辑，不同创作者之间的壁垒在于 Recipe（配方）和 Taste（品味）
作为平台，不仅要提供锤子，还要帮用户把敲打手法存下来
最后
现在看到的 AI 应用，很像诺基亚手机上的计算器或贪吃蛇
作为创业者，在真正的「iPhone 时刻」到来之前，可以通过各种方式贴身的感知模型变化，积累数据和 Context，为未来做准备
一切都在成长，一些事情值得记录
热门跟贴