AI产品用户留存仅三个月周期？对话王咏刚：“不和AI协作过项目，你就不是合格程序员” | 万有引力|python|万有引力|王咏刚|用户留存|程序员|算法|编程

对话 | 唐小引嘉宾 | 王咏刚

责编 | 屠敏

出品 | CSDN（ID：CSDNnews）

从写代码、调模型，到生成内容、驱动产品，AI 正在重新塑造“创造”的方式，也不断逼近一个绕不开的问题：当机器越来越能干，程序员究竟该站在什么位置？

争论从未停过，但比结论更重要的，或许是那些真正站在浪潮里、亲身参与变革的人给出的实践答案。

王咏刚，就是这样一位长期身处一线的人。

回顾他曾在谷歌的十余年生涯，其参与过构建桌面搜索的核心算法，打磨输入法的底层逻辑，拓展产品搜索与深度知识图谱，也加入过谷歌首页涂鸦等项目的研发。从底层架构到创意产品，他的足迹几乎覆盖了技术与产品的各个层面。

离开谷歌后，他投身创新工场，既是 AI 科研的引路人，也是创业者的同行者，见证无数 AI 公司从萌芽、孵化到上市。他一手发起的 DeeCamp 项目，专注培养应用 AI 人才，将技术的力量延展至更多可能。

如今，当不少人还在争论 AI 是否会取代程序员时，作为 Mootion 的创始人，王咏刚又一次站在了潮头。他带领团队闯进了 AI 视频生成赛道，尝试让“AI 导演”走进普通人的生活。

他是工程师，是投资人，是连续创业者，更是 AI 发展的亲历者与推动者，他的故事，恰好与技术的每一次变革交织。

当我们思考 AI 时代的创造边界在哪里，程序员该如何与 AI 共生，创业路上的机遇与焦虑又该如何安放时，在 2025 年 8 月 15 日首日的现场直播中，CSDN&《新程序员》执行总编唐小引与Mootion AI 创始人、前创新工场 AI 工程院执行院长王咏刚展开了一场深度对话，试图解答这些关于 AI 技术、创造与未来的问题，在此特别编辑成文音视，希望为大家带来一点思维的涟漪。

欢迎收听音频播客，如有兴趣观看完整视频，可在文末获取

以下为对话内容：

做了这么多年程序员、投资人，为何在 AI 时代选择创业？

唐小引：今天对话的嘉宾，很多资深程序员应该都比较了解——王咏刚老师。王老师可以和大家打个招呼，做个自我介绍。

王咏刚：大家好。我算是个老程序员了。从 PC、移动互联网到 AI 时代，在每一个技术变革的热点时期，我都在一线坚持写程序。到今天更让我兴奋的 AI 时代，我依然在不断地写程序。中间我也做过投资、孵化和教育培训。

现在，我很专心地在带一个自己的创业小团队，在 AI 时代探索技术能把人带向何方，未来产品应该如何定义。我在每一个时代都特别有兴趣去做这些最前沿的事情。

唐小引：您编程多少年了？

王咏刚：编程经验太多了，说完了就暴露年龄了。

唐小引：您是 AI 和 Coding 界里的“老法师”，并深耕 AI，基本上参与了 AI 发展的整个历程。此前，李开复老师把 AI 分成 1.0、2.0 两个阶段，您在这些阶段里基本上都参与了。这是您第一次创业吗？

王咏刚：第一次作为一把手创业。之前作为联合创始人，有过好几次经历了。

唐小引：是什么让您在现在大模型的时代，选择做一把手投身创业？

王咏刚：其实没有那么宏大的叙事，也没那么复杂，说到底挺简单的。之前我在世界上最好的团队和公司平台里做了很长时间程序员；后来又在一个全新的平台，做过投资和孵化相关的事情。经历这些之后，我就一直在想：

以前作为联合创始人和别人一起创业，甚至把公司推到上市。那么，在今天这个全新的 AI 时代，很多东西都还没有被定义，大家也不知道未来的公司、产品、技术到底会长成什么样，完全未知的情况下，我要不要作为一个一把手，带一个小团队去做一次实验？

以前更多是参与已经成形的大潮，现在既然潮头的方向都看不清，那我们干脆就在潮头游泳试试，就是这么简单的思考。

唐小引：就是还没有一个特别明确的方向。

王咏刚：我不知道大家对目前的 AI 创业、对投融资的了解，我觉得它还是一个相对比较偏早期的状态。

AI 商业模式仍未定，多数用户只是“尝鲜”

唐小引：其实编程本身更偏理性，而您的创业方向却选了更贴近人文与艺术表达的视频生成赛道。您希望让“AI 导演”普惠大众，能否结合战略判断与个人兴趣，谈谈您看到的危与机？同时结合自身经历，有哪些见解可以分享？

王咏刚：现在 AI 的技术形势非常好，但商业形式很扑朔迷离。关于 AI 的商业落地路径、最终产品如何帮助人类，这件事如今还有非常多的问号。

不像当年的移动互联网，iPhone 和 iOS 平台出现后，大家无形中有一个共识：只要把移动生活中的信息、交易和内容供给都做好，平台自然会出现。正因为这种确定性，移动互联网时代出现了所谓的创业红利，那是一个巨大的、可以自由做产品的海洋，不管是蓝海还是红海。

而今天的情况是，技术被拔得非常高，可技术与“真正解决人类问题”之间，在很多领域还离得比较远。即便到现在，ChatGPT 已经出现将近三年，这几年时间，我认为 AI 只解决了（指日常可以每天都用）编程这一件事情。

唐小引：先卷程序员。至于其他赛道卷得怎么样，还是未知数。

王咏刚：因为在其他很多赛道上，现阶段都面临着一种相似的状况：当你推出一款新的 AI 产品时，尝鲜用户很愿意去用，但这些“尝鲜用户”并不等代表产品普惠的受众群体。

我在这里不讨论基础模型，像 ChatGPT 这样拥有数亿日活和月活的产品，规模确实非常大，这是因为它提供的是一种更底层、更通用的能力。但在基础模型之上做应用时，今天大量 AI 应用的用户构成，仍然以尝鲜者为主。

举个例子：现在有不少 AI 应用宣称“什么都能做”。当我把这些产品介绍给一位不在这个行业的普通朋友，譬如他在传统行业从事日常的办公室工作，我会告诉他，日常办公的很多事情用这种通用的 AI Agent 都可以完成。

他的第一个反应通常是：“具体能做什么？”在我实际演示之后，他的第二个反馈往往是：“这不就是去网上查点资料，再整理成一个表格吗？”随后他会打开 Excel，说：“我还是觉得 Excel 更好用。”对于普通用户而言，当前的 AI 应用，现实体验大致就是这样。

AI 时代的范式转移：编程与人机协作

唐小引：您觉得过去积累的经验，在如今的 AI 时代会不会反而变成一种负担？

王咏刚：一定是负担，尤其是在今年 AI 已经把整体编程能力推到了“及格线”之上时，这种经验带来的负担几乎是不可避免的。

至少我这半年是一个迁移期，以前我对代码有很强的安全感，总觉得关键代码必须自己亲手写，现在我已经彻底转变成了一行代码都不写，让 AI 帮我产出代码，而且产出量非常大，既有我们团队的原型代码，也有用在工程领域的产品代码。这个思想转变真的是非常巨大。

我的整个工作形态都不一样了。原来我在办公室坐的时间极长，现在都不坐了。因为我总是发着指令，就遛弯去了，我去打杯咖啡或者打杯水，然后回来再看 AI 做得怎么样。

唐小引：在实际使用 AI 编程的过程中，比如让 AI 生成单元测试时，您提到失败率并不低。在这种情况下，人类应该在哪些环节介入，进行监督和判断？另外，您也多次提到以工作流为核心的人机协作方式，能不能结合具体实践，谈谈这种协作该怎么设计？

王咏刚：跟 AI 相处，关键不是谁控制谁，而是一起找到一种“合拍”的方式。就像两个从来没见过、背景完全不同的人一起做事，需要很多碰撞。

和 AI 也是一样，甚至不同的 AI，就像不同的人。比如你用 Claude，和用 GPT，好像面对的是两个性格、能力都不同的人，这点特别有意思。他们擅长的地方不同，犯的错也不一样。所以你还得适应：用 GPT 的时候该怎么配合，用 DeepSeek 的时候怎么来，用 Claude 又是另一套方法。

也正因为这样，我一直在不断尝试，我跟 AI 最好的交流方式到底是什么？是我先把设计文档稍微写几句，还是让它根据我的思路写设计文档？是我直接把单元测试写了，然后 AI 帮我写代码？还是我把代码写了，AI 把单元测试写了？各种方式我都在试，特别有意思。

唐小引：大模型带来的是一种范式转移，但很多规则本身似乎并没有被彻底颠覆。您怎么看这一点？

王咏刚：我相信颠覆性的变化来自于人和电脑的交互方式。传统的人机交互，无论是手机还是桌面电脑，本质上都是一个相对确定的过程。你给工具、软件一个指令时，你会非常确定你要干什么，要得到什么。

现在当你在和一个 AI 协作、结对编程或者结对创建一个视频、一个分镜剧本时，最大的模式转变是你没有办法信任 AI。你对它的脾气、秉性，以及它每次输出结果都可能是有一定概率出偏差的，那你怎么样去跟偏差一起工作，怎么样跟概率一起工作？这件事本身就很有意思。

从另一个角度看，其实也有点可怕。以前我们用计算器，按完键一定会得到那个数；现在你用的“计算器”，不一定得这个数，而且这个计算器还会反过来跟你说：“我建议你怎么算。”

如果今天 AI 能力足够的话，那手机一定不会这么设计，因为今天的手机是一个以人类指令驱动的操作系统，操作系统和手机的硬件本身就不可能这么设计。它一定需要手机里进驻一个 AI，而这个 AI 和人类之间一定是一个相互协商的过程。我需要花时间了解你的强项和弱点，然后一起约定一个工作流。

我和 AI 结对编程时，大概能看出这个雏形，我们就是在慢慢磨合与协商。比如 Claude Code 有一个 claude.md 的文件，真正用过编程的人都知道，claude.md 就像一个“协商协议”。我觉得哪里不好，并不会自己去改代码，而是直接跟 AI 说：“把我这个想法记进 claude.md 里，以后你都按这个来。”它提出一个好主意，我也会让它记进去：“以后我也这么配合你。”这就像我们俩一直在磨合一个事情。

唐小引：那您觉得，AI 会不会朝着确定性方向演进？毕竟从大模型到 AI Agent，我们现在面对的几乎全都是不确定性问题，而它的底层又是概率模型。

王咏刚：不需要。因为这一代 AI，恰恰就是为了解决那些过去解决不好的不确定性问题而出现的。确定性问题，比如你要严格、确定地推导一个数学公式，那完全可以交给 Mathematica 这种工具，结果是确定的。现在的问题是，以前人类觉得机器不智能，就是因为机器不擅长处理不确定性的问题。但是在不确定性问题上，包括程序设计、UI 设计、把 UI 变成程序、把程序变成产品、再判断这个产品到底好不好，当 AI 能参与的时候，我觉得模式变迁最重要的一点就是：

以前我和电脑的合作，更像人和一个计算器或算盘的合作。
今天和 AI 的合作，就像是人和一个初级水平的人、实习生的合作。你招了一个实习生，还是要琢磨这个实习生脾气怎么样，长处是什么，弱点是什么，你还是要顺着他来，商量一个工作方法，能够把这件事做好。

AI 更擅长“模仿”、“组合式创造”

唐小引：之前关于 AI 的讨论里，有一种流行的说法：AI 先能做的，是“诗和远方”，也就是艺术创作和创意表达。而那些我们原本希望 AI 能接手的、更偏理性和规则的工作，却还是得人类自己来完成。

也有人认为，AI 更擅长的是模拟人类大脑能完成的脑力劳动，但一旦涉及现实世界的复杂执行，比如偏“动手”的事情，就会变得很难。您有什么样的看法？

王咏刚：这两件事其实并不矛盾。我先说我的判断，再解释为什么它们并不冲突。

我之前提到过一个问题：现在的 AI 基础模型，加上 Agent 这一套组合，最擅长解决什么？

一个非常明显的结论是，编程相关的问题已经被解决得相当好了，甚至在不少场景下可以直接替代人类。除此之外，那些看起来需要一定“创造性”，但本质上仍然有逻辑可循、属于不确定但可推演领域的任务，比如辅助数学解题、按逻辑结构组织一份报告、整理和分析数据，今天的 AI 表现都已经不错。

但反过来，在真正需要艺术创意、需要洞察的地方，AI 的能力反而很弱。比如我把一份市场数据交给它，问：“这份数据背后的见解是什么？你的洞见在哪里？”它给出的答案往往都很“水”，这一点我相信大家多少都亲身体验过。

这其实并不违背之前那种“AI 擅长诗和远方”的说法。在我看来，那更多是一种表象。AI 的真正强项在于模仿，而模仿本身就有很强的迷惑性，会给人一种它很擅长“诗和远方”的感觉。

为什么这么说？比如让 AI 模仿一首唐诗，它今天完全可以写得中规中矩，读起来也确实像一首唐诗；再比如模仿《过秦论》，写一篇《过美国论》，味道往往也能对得上。画画也是同样的道理，AI 生成的作品，通常都是一两种、甚至两三种人类画家风格的融合。

唐小引：我之前试过让 GPT、DeepSeek 还有 Claude 来模仿马伯庸《太白金星有点烦》的风格，写一个“孙悟空有点惨”，它模仿的语气还是蛮形象的。

王咏刚：当你给 AI 一个明确的样本，不管是一幅画、一段音乐，还是一部小说，然后让它去模仿时，会发现它做得相当“顺”，效果也很舒服。但反过来，如果你直接对 AI 说：我想要一种真正意义上的创造，也就是作品里要有别人没有的东西，这件事就会变得非常难。

我们过去看到的很多 AI 所谓的“创造”，本质上其实是一种组合：把已有的元素，用不同方式重新拼在一起。比如，以前外星人的形象大多是科幻风、赛博朋克风，我让 AI 用中国水墨风去画外星人，它会做得非常好。但你反过来想，这算不算真正的创造？

在我看来，这更像是一种“组合式创造”，而不是人类画家在长期生活积累、经验沉淀和深度思考之后，做出的那种原生、突破性的表达。虽然能做出这种突破性创作的人类本身也并不多，但至少在今天，这种能力是 AI 不具备的。

所以，这两件事并不矛盾。AI 要替代人类，最先替代的一定是那些逻辑清晰、可以用形式化语言描述的工作，比如编程，以及一部分办公类任务。

但如果换一个角度看，AI 在艺术创作上的能力，达到人类小学生或初级水平，我认为是完全可以的。只是想要达到、甚至替代成熟人类创作者的程度，目前来看仍然非常困难。

唐小引：我现在让 AI 去翻译，或者是基于资料进行基础的组合，这个是可以满足的。但是如果希望能够具有我的风格，能够写得细腻夯实，具备个人色彩，到现在还没有实现。

王咏刚：太难了，想让马伯庸这样的人失业太难了。

当前 AI 技术的上限与未来

唐小引：之前我们普遍认为，AI 的能力基本等同于模型本身的能力。最早大家还会吐槽它“不太行”，但后来发现，它在编程领域的进步速度非常快，于是很多人就把 AI 的发展，理解成一条类似程序员的进阶之路，从初级到高级升级打怪。不过我今天听您提到一个不一样的判断：AI 的上限，或者说天花板，就是人类的平均水平。

王咏刚：对，这是我个人的看法。我一直认为，这一代的 Transformer-based 的知识压缩算法，可能就是把人类的平均知识做一个数学上的抽象，然后储存在模型里面。至于 AI 能够从里面得到一些人类的高级知识，我是持怀疑态度的。

人类能够有突破性创造的画家本来就没几个，一个时代可能也就十几位。但这些人的作品数据，很可能会被淹没在浩如烟海的那些平均甚至相对比较差的人类画家的作品里面。所以 AI 用 Transformer 这种基于 Token 的方式去压缩知识，我很怀疑它没有办法把所谓人类的高水平知识提炼出来，它提炼出来的只能是每个行业里面人类的平均知识。

当然，我不是说 AI 未来达不到人类的高级水平，或者未来 AGI 没办法实现。我很支持去年 Ilya Sutskever 那个想法，就是这一代基于 Transformer 的 AI 可能就这样了，它未来能达到的上限就是人类的平均知识，现在还没达到。如果想让 AI 从中提炼出人类的高级知识，甚至创造出比人类更强的知识能力，我觉得可能今天的 AI 算法基础还是需要再升级。

唐小引：那现在有明确的升级方向吗？

王咏刚：目前科研领域里，还都只是一些初步的想法和实验，暂时没出现太多让人兴奋的突破。值得注意的是，我比较关注香港大学马毅老师的研究，他在数学基础上去做的关于这一代 AI 理论上限的推导。我数学不好，看起来比较吃力，但是读懂一些之后会发现好像是有道理，就是在数学基础上可能也不支持我们这一代 AI 达到一个我们预期的 AGI 的水平。

唐小引：您的结论是，这个技术瓶颈可能很难突破？

王咏刚：在这一代技术框架下是很难突破。但是新的技术到底是什么？就像退回到 2000 年，也没人会预测到当时的深度神经网络可以成为达到今天水平的这样一个主流。

唐小引：所以这一切还是充满了不确定性。

王咏刚：需要科研实验来验证。

视频生成的探索：从“塑料感”到真实感

唐小引：我记得之前有不少业内专家判断，大语言模型的战争可能已经结束了，接下来行业的核心会逐步转向”卷“多模态。当时的共识是，多模态离真正成熟和大规模落地还比较远。

但从现在来看，多模态确实在持续推进。以视频生成为例，不仅生成时长从最初的几秒不断拉长，很多细节也实现得更好。在这样的背景下，您能不能结合您本身的创业项目 Mootion，分享您对视频生成以及多模态 AI 方面的思考？

王咏刚：我们大概在两年前开始进入这个领域，主要聚焦在动画和视频生成方向，用 AI 技术去帮助专业端的内容生产，同时也做了 Mootion.com 这样一个面向 C 端的工具，让没有任何专业背景的人，只需要输入一句提示词，就能生成相对简单的短视频。这两件事其实是一件事，就是让 AI 去帮助多模态的内容生产。

我特别坚信的一点是，AI 在多模态内容生产的艺术造诣上、在审美能力上，其实还有很长的路要走。它必须至少达到一个初级电影学院毕业的艺术工作者水平才行，这个至少还要一两年甚至更长的时间。

但换一个角度看，在今天的 AI 提供的一些基础能力，尤其是生成图片、视频里面的一些控制能力上，我们团队追求的是加强对 AI 的控制能力。具体做法是，用人类设计好的思路、范式或者引导，比如说缩略图的引导、文字的引导，让 AI 在最终生成效果上更接近人类的目标。这个是我觉得今天做应用不得不选的路径。

这跟 AI 编程处在两个世界了。AI 编程属于我可以放手让 AI 去设计任务怎么做，因为它掌握了足够的能力。

唐小引：相当于在这个场景下，AI 可以自主调用工具，执行复杂的任务。

王咏刚：没错。但在动画和视频生成领域，如果完全放手让 AI 自由发挥，我们也做过不少实验，结果基本都会变成一种“放羊”的状态，AI 不知道要干出点什么来。

所以放手让 AI 自己做不是不行，而是有两个前提：一类叫“人类抽卡”，另一类叫人类的控制信息。本质是一样的，就是人类不满意 AI 生成内容的质量，要么从里面去控制，要么用筛选的方法找出生成得好的东西。

现在大家在网上看到的那些看起来创意十足的 AI 短视频、AI 短剧，其实不外乎就是有大量的人类控制，加上大量的人类抽卡，做起来都还蛮有挑战的，不是说一个没有任何艺术细胞的人就可以做到。

唐小引：这个问题我自己其实也亲身试过。国内大家可能用「即梦」比较多，我算是它的深度用户。之前我在抖音上刷到一部叫《权利童话》的作品，当时特别惊艳，因为它几乎是完全用 AI 制作的。

后来我也想自己试一试，做一个类似的、以《西游记》为主题的内容。但真正上手之后，我也说不清到底是提示词写得不到位，还是自己没办法用“导演的语言”把需求表达清楚，总之就是越做越不满意，最后只能不了了之。对我这种完全不懂视频制作的人来说，最挫败的一点在于：我明明能感觉到成品不是自己想要的样子，却完全不知道问题出在哪儿，更谈不上该怎么改。

王咏刚：是的，而且这里面有好多特别基础的问题。我们现在必须跟导演合作才能知道这些事。不跟导演合作，我们的程序员或者算法工程师就觉得这事解决了，比如我已经可以精确控制画面里的人物拿刀杀死吸血鬼，这个镜头生成得足够准确，那肯定就没问题了。

但这个镜头到底满不满意，是艺术判断说了算的。

很多时候，导演一上来就会直接指出问题：“动作是对的，但你的镜头不觉得特别塑料感？”

“塑料感”就是特别假的意思，比如人物皮肤、吸血鬼的质感，都像个塑料小人在动。动作很精准，环境也很逼真，人物形象本身似乎也挑不出硬伤，但是这个塑料感让人看了就觉得是 AI 生成的，很假。对于真正有艺术追求的创作者来说，接下来的问题就变成了：我需要用什么方式去控制，让 AI 能够生成相对偏向生活真实的质感。

唐小引：这正是我困惑的地方。

王咏刚：这背后牵扯到很多技术问题。我们在跟广告、微短剧、番剧的导演合作的时候，发现一些导演的真实需求，反而变成了以前程序员、算法工程师完全不知道的需求。而我们要做的事情，就是解决这些问题。

一旦我们把这些事在工作流里面跑通了，就有机会把它们做成产品。只要实现了产品化，AI 生成内容的质量就会持续提升，慢慢摆脱现在这种明显的“塑料感”。

换个角度说，今天只有专业人士才能做出的那种比较真实、超级好的效果，我们是希望通过我们的努力，能够让像你我这样没有特别多艺术熏陶的普通人也做出来。

唐小引：那在实践中，有没有一些比较基础的探索方向或者解决方案？

王咏刚：其实思路有很多，我先随便举几个大家在网上也能看到实际案例的方法。

比如，当 AI 生成的视频“塑料感”特别重时，可以先从视频首帧入手：把视频的第一帧抽出来，用一款相对简单的 AI 工具对这张图进行画质增强，比如做超分或者细节优化。然后，把这张优化后的图片再交回给 AI 模型。接下来，通过一系列提示词，让它先保证前景背景不变，然后做一个重绘。

这个重绘要求，是我们跟导演商量出来的结果。比如，在打光上，我们会明确告诉 AI：“我希望这里面有一些午后的自然光”，“我希望里面有一些丁达尔现象”，就是有一些雾气照过来之后会有光路；然后我会希望人的皮肤有一些质感，比如说东亚人的皮肤会有一些雀斑、汗毛，描述皮肤的粗糙程度；还有对环境，会增加一些比如墙面的斑驳、器物的老化程度。这些东西都有助于 AI 在一张静态图上做处理。

今天 AI 做控制最大的问题是要控制变量。如果你让它在整个视频的每一帧上都做这个事，画面很容易“飞掉”。但如果先把首帧单独拎出来，通过反复调整和“抽卡”，从十几张、甚至二十张生成结果中，选出真实感最好的一张作为基准，再把这张图导入视频软件里，让 AI 从这张图开始向后延展生成，整体效果就会稳定很多。

当然，在一些不开放 API 的软件里，这个过程依然需要靠大量抽卡来筛选优质结果。但还有一种更高效的做法：我们基于开源工具链，用 ComfyUI 搭建了一套专属工作流，既能让 AI 严格遵循首帧的风格和细节，又能对后续每一帧的关键变量，比如人物姿态、画面深度图进行精确控制。这样，出来一个从头到尾都真实性非常高的视频的概率就挺高的。

提示词与上下文工程：两种场景，两种逻辑

唐小引：听您刚才的分享，感觉在提示词这一块下了非常多功夫。

王咏刚：提示词主要是用来打磨关键帧的。在视频生成这个环节里，我们反而对提示词的控制是比较弱的。

唐小引：像我这种没有任何艺术训练背景的人，可能根本不知道提示词该怎么写。您刚才提到会和导演、艺术家一起合作，那这些关于提示词的经验，会不会对外开放？

王咏刚：这些东西要开放其实很容易，也没什么可保密的，本质上就是导演在创作过程中的一些正常思考。而且现在的 AI，本身也已经有能力帮你写提示词了。

比如导演会关注光照是不是足够真实、场景质感是不是可信、皮肤的真实度、器物老化的程度等等。如果你知道自己想要的是这些效果，但不知道该怎么表达，你完全可以让今天的 Claude 或 ChatGPT 帮你把提示词写出来，八九不离十，效果也还可以。但是你得先有这个要求，如果想不到这个要求，就到不了这一步。

唐小引：这其实也是很多人提到的一个点，即关键在于你能不能把问题提出来，能不能清楚地说出自己的需求，这是现在很多人最痛苦的地方。

但另一方面，在大家还被这个问题困住的时候，业内又出现了一种趋势，说“提示词已经过时了，上下文工程才是未来”，不知您怎么看这种说法？

王咏刚：这说的其实是完全两件事。

当我在生成一个具体内容时，我对内容本身的控制，提示词仍然是非常关键的一环。不管是你刚才提到的姿态（pose）控制、深度图（depth map）控制，还是其他形式的控制，提示词都是不可替代的核心手段，这一点没有任何争议。

而谈到“提示词已经死了，上下文工程才是未来”，讨论的其实是 Agent 的创建，这和内容创作是两条完全不同的逻辑。

在搭建一个 AI 应用时，以前我们主要靠给 AI 下任务指令，也就是写提示词。比如我要它做一个 PDF 摘要，我会把提示词组织好，然后得到一个结果。

但现在，AI 要做的事情已经复杂到可以成为一个自动运行的 Agent，比如 AI 编程 Agent、AI 数据整理 Agent、AI 市场调研 Agent。这类 Agent 会自己规划和执行一系列步骤，很多时候连提示词都不需要你来写，让 AI 自己生成就可以。

那关键问题在哪里？关键在于，当 AI 自动化地执行任务时，它在每一步，比如在一个循环（loop）里的每一轮都会判断：用户给我的任务完成了吗？如果还没完成，下一步该怎么做？而要设计下一步，它需要什么样的上下文来支撑决策？

这里面设计谁的Agent 好，谁的 Agent 差，最重要的区别就在于，我给 AI 做每一步的那个上下文到底怎么组织。我们试过好几次了，放手让 AI 去干一件事的时候，我给它的上下文到底有哪些东西组成、怎么选择、权重是什么、怎么组织顺序、要不要压缩，这个处理稍微差一点，最后 AI 效果就差很多。

唐小引：您之前提到团队规模大概 20 人左右，一半是算法，一半是工程。从您刚才的分享来看，虽然和导演合作很多，但整个团队看起来还是一个程序员基因非常重的团队。

王咏刚：我们团队里其实是有设计和美术团队的，只是人数不多，一共两个人：一个是央美毕业的，一个是设计学院毕业的，所以他们和导演沟通是完全没有障碍的。

另外还有一个现实问题：在用 AI 帮助内容创作这件事上，不能把导演关在自己的信息茧房里，只和艺术家打交道。如果导演不接触技术人员，其实是有问题的。

很多导演是带着原有的工作流来的，以前拍戏怎么拍，分工一二三都很清楚。但在这套流程里，其实是没有 AI 位置的。你想让 AI 真正参与进来，绝不是简单地替换某一个环节。

我们现在合作的导演，已经逐渐被我们“教育”清楚一件事：整个工作都要重新设计。这个重新设计你得跟技术人员一起商量，因为你不跟技术人员商量，你根本了解不了技术能做什么，不能做什么。

从短剧到大电影，AI 正在颠覆影视工业

唐小引：工作流的变化对影视行业来说，是一个非常巨大的颠覆。毕竟影视行业的分工和协作非常密切，整个工作流应该是非常成熟的机制了。

王咏刚：从长远来看，我觉得传统影视行业肯定比不过未来 AI 驱动的影视行业。现在只能说是萌芽期，要去影响整个大电影流程还很难。但今年，尤其是 2025 年，我们看到一个现象：短剧平台突然出现了大量非常简单的 AI 2D 动漫短剧。

我可以非常确定地说，它们的制作方法和传统 2D 动画流程差距巨大。它们不再依赖传统的原画、分镜等环节，而是采用 AI 流程与传统 2D 画师混合的模式。因为短剧对产量要求极高，它成本可能只有真人微短剧的十分之一甚至更低。生产进度也惊人：一般团队一周能做两集，效率高的团队一周可以做五六集，这在传统 2D 动画中几乎不可想象。

今天的 AI 让导演在分镜阶段就能把可由 AI 完成的镜头和素材拆分出来，和懂 AI 的人员协作：流水线作业中，有些素材交给 AI，监修去挑选；有些素材直接交给 2D 动画师，动画师用 AI 生成的人物快速 K 帧，最后通过 AE 或其他软件把 AI 生成的画面和人工动画合成，完成出片。这套流程，已经和传统 2D 动画的工作方式完全不同了。

唐小引：这我想起以前等《斗罗大陆》更新的时候，总觉得能不能画快一点。

王咏刚：是的。

唐小引：您刚才判断这是萌芽阶段。短剧本身也很火，那么现在 AI 在影视领域的渗透率大概到了什么程度？

王咏刚：现在最典型的就是刚才说的 2D 动漫微短剧，以及一些故事性微广告剧，这些的 AI 渗透率已经非常高。从流程角度看，我调研下来，AI 可以承担大约 60% 的工作量，人类完成剩下 40%。只要是简单的 2D 动漫，AI 已经能发挥关键作用，甚至超过人类。

但如果是 3D 动画短剧，今天 AI 的成本还相对较高，这也是我们团队和短剧、广告团队合作时重点解决的方向。

再往上，如果是大番剧、大型电视剧，或者数字传媒中的一些内容，AI 主要还是作为素材补充，尤其是那些真实拍摄难以实现的内容，比如特殊天象、宇宙现象、科幻景观，或者外星人角色。

渗透率最低的，反而是高要求的大制作电视剧或院线电影，比如王家卫的《繁花》，或者像《哪吒》这样的高水平动画电影。《哪吒》这类影片耗时五年，成本非常高。对出品人和投资方来说，最大的问题是：我花五年做了一个大制作，最后观众可能不买账，怎么办？

AI 能解决的，其实不只是钱问题，更是时间问题。如果未来 5 到 10 年，像《哪吒》这样的大制作 3D 电影，能通过 AI 与人工各分担一半工作量，一年就拍完，那么对整个影视工业都是革命性的影响。这不仅能丰富供给，让观众天天看到好作品，也能让制作更灵活。今年流行什么就拍什么，投资方也不怕亏钱，投资意愿自然提升。

唐小引：您觉得这个未来会实现吗？

王咏刚：我觉得一定会实现，只是时间可能比大家想象的长。现在很多人看 AI 技术，总以为一两年就能解决问题。但院线大电影有一个特别细节的问题让人困扰。我们和任何一个电影特效团队交流时，他们的素材都是 LOG 格式的灰片，而 AI 输出的都是 RGB 709 格式素材。这两种素材根本无法混剪，也没法混合做特效，这一下就把整个流程卡住了。

不过我相信，这只是技术问题，如果 AI 以后能拿更多的 LOG 格式去训练或者做一些数据增强，是有希望解决的。

AI 创业者的焦虑与投资逻辑

唐小引：作为程序员转身投入 AI 视频生成创业，您觉得自己的优势和劣势分别是什么？在做这个产品的过程中，哪些焦虑已经被解决了，哪些到现在仍然很难缓解？

王咏刚：从程序员做视频动画这件事本身来说，首先，这是我们团队比较感兴趣的方向。其次，因为之前的投融资关系，我们现在的一位投资人，正好是国内排名非常靠前的电影投资和制作方之一。这样背景下，我们几乎可以天天和专业团队在一起，能看到国内大电影是怎么制作的，交流成本非常低。兴趣与背景刚好凑在一起，正好适合做这个事。

说到做 AI 的焦虑，不只是我焦虑，我接触到的投资人比我还焦虑。放眼中国整个市场，大模型公司有的做得好，有的做得差。产品公司更是千头万绪，它不像当年移动互联网那样，一时间呈现出明确的海洋。现在更像是从山上流下来的无数条小溪、小瀑布，看起来都很漂亮，但还没有汇成一片海。我们找不到一个能让非常多的创业者和资本在里面很舒服地游泳、冲浪的巨大海洋。今天相当于大家开了一个非常好的头，曙光非常亮，非常绚烂，就是感觉路程还有点远。

唐小引：过去大家几乎都在看基础模型，“百模大战”非常激烈；到现在，普遍的感受是模型开始趋同了，那接下来该投什么？我听到的关键词主要是 AI Agent 和 AI Infra。作为经验丰富的投资人，您怎么看？

王咏刚：如果你是一个今天想要投入创业的人，我会比较客观地说一句：今天不是大家做得晚了，而是大多数人都做得太早了。这个事还在酝酿，还在形成一个未来巨大海洋的过程中。如果你还不确定的话，等一等会是一件好事。

但对投资人来说，时下国内不少人的做法，恰恰是跟风。比如 2023 年投大模型，2024 年投具身智能，2025 年又开始投 AI Agent。经验反复证明，这种跟风基本是跟不住的，风险很高，成功概率也极低。与其这样，是不是还是应该重新建立起我们对这件事的逻辑认知，就是 AI 发展的规律是什么？尽量对它的成熟度曲线做一个相对比较准的预测。

我那天和另一家机构的投资人聊到，如果我现在不创业，回去当投资人，我可能会更愿意做两件事：

第一，用相对小的筹码去“看盘”，在不同赛道、不同类型的人身上，投一些非常早期的项目。因为只有真的投了，你才会有真实的体验。
第二，是投“不同的人”。比如今年 Agent 的 PR 效应特别好，很多声音都来自非常年轻的创业者，我会在这些年轻人里压一部分。而做 Infra、底层支撑系统和训练体系的，往往是经验非常丰富的架构师，我会在这一类人里再投一批。再比如一些和具体行业结合很深的领域，比如办公、企业自动化，我可能会投一些非常资深、经验扎实的产品经理。通过投不同的人，把筹码尽量分散。

如果我还站在投资人的位置上，大概会更偏向这种策略。

唐小引：之前我听吐槽过，他本人做应用层内容创作创业，见很多投资人，有一些投资人觉得他中年创业，让他备受打击。

王咏刚：我作为做过投资人的角色，现在又做创业，跟所有创业者说一句话：别听投资人的，都是胡扯；也别信投资人的，都是胡扯。你们就把你们自己事做好就对了。

唐小引：这是您创业之后有的刷新吗？

王咏刚：不，我做投资的时候也这么想。

Mootion 的出海之路：在中东教育市场找到突破口

唐小引：您之前提到 Mootion 在中东市场的教育场景有大量应用。作为一个 To C 使用的产品，从教学切入具体情况是怎样的？

王咏刚：很有意思。在做产品市场验证时，我们也验证了一个思路：在当前 AI 能力还不够强的情况下，尤其在内容创作领域，需要找那种对 AI 技术需求不强，但又愿意用 AI 低成本创造内容的小场景。我们在寻找过程中，无意地发现了中东市场的教育用户。

后来与当地老师交流后，我们总结出两个主要原因：

第一，中东老师在制作教育内容时，课外参考资料相对匮乏，尤其是一些生动的参考资料，他们对这种资料的质量要求并不高。举例来说，如果你要教授英语中某个动词的用法，传统教学可能比较枯燥，但用 Mootion 或其他 AI 工具生成一个小故事，让小兔子或木偶来做一件事情，其中用了该动词的各种时态，只要教学目的达到，至于故事动画是不是很生动，兔子是不是缺一个耳朵，其实没那么关键。对老师而言，我们提供了一个特别简单、便宜，又能生成教辅材料的内容。
第二，中东是有伊斯兰教的文化倾向。这件事是我们与当地接触过才知道的。这些文化倾向很多 AI 产品满足不了，因为大模型训练的时候没考虑这件事。他们希望在学校里用，包括给学生用的时候，要符合教义。比如分享历史事件时，必须与伊斯兰教教义匹配，但 AI 自己创作的时候不会考虑这些限制。

我们的做法是，将这些规则整理成小型知识库，放在 AI 后端作为一个上下文。这个工作看似简单，但黏性很高。如果你做一个 AI 产品，今天能够粘住一小部分人，哪怕是一个垂直领域，我认为第一步就成功了，因为别的 AI 做不到。最后我们获得的结果也特别有意思：我们到阿曼时，发现这个地区一共才四百多万人，却有八九万用户，其中中学老师就有三万多人使用我们的产品。

唐小引：所以您是基于中东场景，用 RAG 做一个满足当地需求的版本吗？

王咏刚：其实并不需要 RAG，因为知识库并不大。本质上只是一些规则，包括文字规则和图形规则。中东谈历史的时候经常讲宗教历史，伊斯兰教有十几个先知。凡是出现先知的时候，你不能把先知画成一个人的形象，虽然”先知“会说话、会交互，但是画成人的形象是会冒犯到先知。

今天我们让任何一个 AI 生图软件画一个先知与人做有哲学道理的聊天图片，他一定画一个”老先生“。这在教育里是不行的。我们做法是，将先知的所有同义词和期望形象训练成一个 LoRA，就能解决问题。如果不处理这些规则，产品在中东就很难推广。

这些问题你不去做就不会知道，但因为我们有实际用户，交流后就能明确。

唐小引：那中东的案例，算是 To B 场景吗？

王咏刚：其实是 C 端产品进入了一个 To B 市场。我们在海外没有那么多的运营能力，小团队主要做 C 端订阅制产品，但正好切入了教育领域，因此也会和学校、教育部做一些交流。

唐小引：目前主要在海外运营吗？

王咏刚：是的，目前没有在国内推广。

唐小引：海外最新用户量是多少？

王咏刚：将近 300 万。

AI 应用的“三个月魔咒”与程序员的未来

唐小引：那在同类的产品里面表现如何？

王咏刚：同类产品里我们还算不错。但如果用产品经理的思维去看这一代 AI 产品，会发现即便是我们做到第一梯队后，和传统移动互联网产品比起来，它的数据表现还是非常诡异。做过产品的人都知道，就是尝鲜用户太多，持久用户太少。

在 AI 领域，这其实有两个因素：

第一，第一次使用产品有有一种很新鲜感觉，但用三四次之后就会觉得要抽卡，满足不了需求，时间久了就觉得累、不想用了。
第二，用了一段时间，市场上又出现了类似产品，它可能还有一些不同的功能，你又忍不住去试试。试到第三个月，大部分人基本就不再继续使用了。

所以今天 AI 产品有一个特别明显的规律，你们可以在 SimilarWeb 上查到，绝大多数 AI 产品的付费用户或核心用户生命周期，平均只有三个月。

唐小引：这种情况其实还是非常惨痛的。我们看 AI 应用产品，更新换代特别快，一波接一波。作为产品的创造者，您怎么看待这种局面？

王咏刚：只能解决问题。现在能跳出所谓的“三个月应用生命周期”这个铁律，其实只有两类产品能做到。一类是像 ChatGPT、Claude 这样的大模型，因为它们变成了刚需；另一类就是确实解决了问题的产品，比如编程工具，一旦真正解决了用户问题，大家就不是用三个月，而可能三年都要用。所以关键是你必须解决实际问题。

至于用什么方法解决问题，那就是“八仙过海，各显神通”。以动画视频领域为例，我们发现 AI 技术还达不到满足要求的水平情况下，我们会开始和专业的影视、短剧、广告团队合作，学习那些专业经验，然后把这些专业经验变成 AI 能理解的规则或数据，作为人类控制加进去。下半年，我们会在 Mootion.com 上推出很多和导演们打磨过的功能。通过这种方式，产品才会越来越好。

所以我还是那个观点：对于还没创业的人，真的不晚，一点都不晚。大家可能都太早了。

唐小引：现在大家都在卷 AI Coding，这个赛道太激烈了。作为使用者，我在 Cursor 和 Windsurf 如日中天时，选择了后者，还氪了金。但后来 Claude 推出新模型，Cursor 一时用不了，我就发现，作为程序员，对某个产品其实没有太强的忠诚度。一旦某个产品能用到最新、性能最好的模型，我就会果断去用它。我觉得这个现象不仅在编程领域存在，在视频生成领域也是共性的。

王咏刚：编程本身比较难。如果你今天想创业做一个编程工具，你会发现它的竞争是当前最激烈的。因为除了基础模型以外，这是唯一一个被证明能赚钱、能持续运营的领域。

但问题是，如果你只盯着原来的程序员市场，会发现这个市场其实不够大。这一点可以从程序员市场中最大的一笔交易就可以看出：2018 年 GitHub 被微软以 70 亿美元收购，整个程序员市场规模本身不大。

所以如果你今天做 AI 辅助编程工具，实际上还是在“卷”程序员市场。不过，现在工具只解决编程这一个问题，所有最想赚钱的人都会来抢。另外，这一市场本身规模不大，你想分到一个足够蛋糕的可能性会很小。

我分享一个自己的想法，不一定对：AI 编程替换的不是以前的编程工具市场，而是未来的人力资源市场。

唐小引：这怎么说？

王咏刚：逻辑很简单。假如我作为公司老板，如果是个“黑心老板”，会发现 Claude Code 在能力上已经相当于一个初级程序员或实习工程师。雇一个初级程序员，可能要 2 万元，但我要买 Claude Code，只需约 200 美元，也就是一千多人民币。那么，为什么我不直接用它来替代这部分人力资源呢？这里它所替代的并不是原来的 IDE 市场。

唐小引：我之前跟程序员个体交流时，大家更多在考虑 AI 作为工作中的“搭子”能做些什么，但跟老板交流时情况就完全不同了。

王咏刚：这是事实。作为小团队的老板，我会扎实地想，我还需要初级程序员吗？作为大厂主管，要成立一个新部门时，我肯定会要求部门负责人规划一个人和 AI 协作的团队。所谓“协作规划”，不就是让一个架构师、一个资深程序员带几个 AI 来完成以前几个人的工作量吗？这样直接影响的，正是人力资源市场。这是没办法的，是真实在发生的情况。

唐小引：所有资深程序员都是从初级程序员成长起来的。如果现在 AI 的能力已经足够直接替代初级和中级程序员，而资深程序员只带着 AI 干活，这不是会造成经验断层吗？

王咏刚：我觉得问题的关键不在这里。以我自己的经历来看，我以前认为学编程等于程序设计语言和算法。现在我不这么看，我觉得语言和算法已经不重要了，反而我与 AI 如何协作的方法，以及对协作后结果的理解才是最重要的。

以前工程师先做初级，到升中级，再成为高级，这条路径现在已经不一样了。像硅谷或我们这样的公司，面试时已经不再考察单纯的编程或算法能力，而是给你一个问题，让你和 Claude 或 Cursor 一起解决，考察的是你与 AI 的协作能力。在这种情况下，整个程序员教育体系难道还要用以前那种方式？

唐小引：以前还要刷题。

王咏刚：对。过去学算法，本质上是为了培养逻辑思维能力。以前在大型系统中写程序时，我知道什么时候该用什么算法，会查维基百科，然后把它翻译成 C++ 或 JavaScript。今天，这些步骤都不再必要。我只需要告诉 AI，我要做这个系统，让它帮我选最好算法，它给出的基本答案就是对的，我甚至不需要知道算法名字。

那以后怎么培养程序员？我认为以后培养的都不叫程序员了，可能叫 AI 主管、AI 架构师。

唐小引：就像我之前读过一本书《未来地图》里提到的，未来可能会出现一群“代码工人”，而程序员可能成为老板的角色。

王咏刚：是的。以前我们常说，“不写十万行代码，不能成为一个合格的程序员。”我觉得再过一两年，这句话会变成：“不和 AI 协作过多少项目，你就不是合格的程序员”。

唐小引：所以现在大家可能都在向 Prompt 工程师方向发展吗？

王咏刚：对，至少得知道跟 AI 怎么协作，以及里面的诀窍是什么。不像我们当年，那真是“七种武器”，哪种都要会。

我们以前学这些基本功，我认为也没问题，但你可能不需要那么多了。你理解操作系统原理、编译原理肯定是需要的，但是你在跟 AI 编程中不会直接用到这些知识。反过来说，如果你只是为了学好 Python，编了十万行代码，我觉得现在意义没那么大。反而要积累至少十万行代码和 AI 协作的经验。

唐小引：在 ChatGPT 刚出来的时候，当时听您分享，说是 ChatGPT 把资深程序员和初级程序员拉到了同一水平线。现在直接把程序员的饭碗”掀“了。

王咏刚：现在是初级程序员的饭碗。而且有可能以后的教育路径肯定会变，程序员的培养路径应该和我们那会儿非常不一样了。

唐小引：这或许会涉及到高校……

王咏刚：没办法，高校肯定会非常迟钝。中学、高校的这种编程教育，尤其是社会上还有很多所谓的编程训练班、职业培训班，以后意义都不大了。

唐小引：那面对这种情况，我们该怎么办？

王咏刚：尽量把大家都培养成特别擅长用 AI 编程的人。我这几个月已经不写具体代码了，而是专注于磨练与 AI 一起协作的技能，即怎么能够与 AI 讲清楚一件事，或者怎么把 AI 做的东西评估好。AI 不能仅仅完成任务，我还要回头评估。就像我带一个初级程序员一样，他交了代码我还要 review、帮他改。现在我不直接改代码，而是将 review 意见交给 AI 去执行。

可以打个比喻：AI 编程就像公司雇了一个非常优秀的程序员，但他每天写完程序就离职。如果不复核，公司就会积累大量“屎山代码”。因此，我会重点 review 接口和单元测试，然后告诉 AI 存在的问题，比如重复代码太多了或接口不支持异步，要不然真的积累好多“屎山”，出了 bug 我也改不了。

唐小引：而且 AI 有可能“删库跑路”。

王咏刚：会的，AI 会“闹脾气”。

唐小引：是的，可能前面写好的部分，你让 AI 调整时，它会把前面的内容直接删掉。

王咏刚：以前我们认为 AI 替代程序员的好处是不会发脾气、不要提加薪，但事实并非如此。第一，AI 真会“闹脾气”，它有时会撂挑子不干。第二，涨工资的概念也存在。Claude 涨价或限流，用着用着告诉你额度不够，这不就是变相涨工资吗？

“任何创业都只有六个月生命周期”，如何应对挑战？

唐小引：不管是创业还是做 AI 产品，都会面临一个痛点：基础模型不断更新迭代，每次更新都可能带来应用层变化，这种影响让人很被动。您分享过 AI Agent 创业的难点是在这些方面缺一不可，针对这些挑战，有什么应对策略？

王咏刚：我没有特别好的解法，因为现在做 AI 尤其是 Agent 创业，本身就充满挑战。你去做大模型，如果能做到前三名，确实可以躺着赚钱，但做应用、做 Agent 风险极高，各种挑战依然存在。

第一点，如果我的判断是正确的，也就是这一代 AI 的能力存在上限，那么可以预期在未来两到三年，很多领域的能力可能会稳定在某个水平。届时，在应用和 Agent 层面，你就能够相对容易地控制和设计其能力。

另一点是，我认为今天的 Agent 本身仍处于非常初级的阶段。Agent 有一个很重要的功能是：通过与环境交互之后进行自我反射并改进自身。但目前这种能力，包括在编程 Agent 上都不足。以 AI 编程为例，生成代码后，它会自己去判断程序对不对，但它的判断方法非常简单。例如判断一个 Python 代码对不对，它可能只是写一句 import 语句，表示所有模块都已加载，就认为代码是正确的。它用一个自反射的机制去检查它的产出，然后改进自身，这是以后 Agent 发展的一个重点。

唐小引：作为 AI 视频生成领域的创业者，最后请您对过去两年的工作做一个总结。

王咏刚：我觉得，大家只要有兴趣，任何时候都可以创业。没有所谓的“早”或“晚”，每个阶段其实都可能有人觉得“好像还不到时候”。而现在是个非常开放的创业时机，尤其是像我们这种有多年经验的老程序员，到这种新时代都能转换思想。

我这两年创业，最大的感受就是，我和 00 后的年轻人想法几乎一样，就感觉自己也是二十多岁的年轻人，这让我很开心。我觉得创业的成败、快慢都不是最重要的，大家享受这个开心，享受一个变革的技术，同时与我们一起去创造点东西，特别好玩。

唐小引：对于 Mootion，您有没有想过它未来会取得多大的成功，还是说也可以接受失败？

王咏刚：任何创业都只有六个月的生命周期，有可能六个月后就死掉了，尤其是这种前沿创业。但任何创业都需要一个愿景，而且这个愿景是不会变的。我目前为止很确定：如今所有的内容生产、内容消费都会产生变革。

今天那种我还要去电影院的方式，积极性都很低了。如果能够随时随地找到我想看的内容、产生创作的冲动，我就可以创作给别人看，然而，这件事还很遥远。如果我们能在这件事上做到一些我们应有的贡献，那我就非常开心了。

↓想要观看完整视频的小伙伴可戳~

关于《万有引力》：

这是由 CSDN &《新程序员》执行总编唐小引主理的对话栏目。技术趋势多变，一不留神总担心错过。正在发生的技术事件，对于我们开发者意味着什么？我们面临的诸多困惑从何寻找答案？《万有引力》即志在于此，直面事件与困惑，抽丝剥茧，解读技术真相。