王冠：视频生成产品、数据与内容平台的变化

张小珺采访 ONE2X 联合创始人王冠，讨论 AI 产品、视频生成、团队组织，以及创作者和平台之间的关系。

王冠此前从事 AI 产品工作，曾在月之暗面负责相关产品。他把 ONE2X 定位为探索 AI 产品的工作室。

他说工作室强调探索、产品质量和成员的主动性，希望让不同背景的人结合兴趣承担具体任务。这是团队当时的组织设想。

回忆早期视觉工作，他比较结构化标注和更丰富的非结构化数据，认为数据形式的变化影响了产品和模型的可能性。

他认为产品经理仍有作用：理解具体业务，把领域知识转化为模型能使用的上下文和工作流程，并评估用户是否受益。

他回忆 ChatGPT 出现前尝试基于 GPT-3 做写作辅助，之后产品环境迅速变化，需要重新判断哪些功能会被基础服务覆盖。

团队还探索过工作流，将数据源、提示和任务步骤组织成节点。他认为抽象层需要帮助用户，而不是只增加配置复杂度。

谈到“压缩即智能”，他把数据压缩与形成可泛化表示联系起来。这是他理解模型的一种观点，不是关于智能本质的定论。

他回忆 2023 年加入月之暗面、2024 年初离开创业，称在那里感受到团队目标的一致和与研究人员合作的价值。

离开前，他反复思考模型能力从哪里来、未来如何发展，以及应用团队和基础模型之间是什么关系。

他提出一种数据阶段框架：从公开数据，到行业专有数据，再到产品使用中产生的数据。这个框架是个人推演，实际边界并不固定。

在他看来，不同阶段对人才、算力、行业知识和用户关系的要求不同，因此适合的组织方式也可能不同。

他讨论领域数据需要清洗、理解和验证；拥有数据本身不等于拥有可靠模型，也不免除隐私和授权责任。

他认为早期产品外观可能趋同，但团队目标、数据和具体实现可能逐渐形成差异；这种分化需要市场验证。

王冠回忆 2024 年开始创业时，视频生成技术尚不成熟。他和团队选择这个方向，希望围绕创作者的生产过程寻找产品机会。

视频生成不仅要得到单个画面，还涉及时间一致性、控制、速度和成本。一个可用产品需要把这些能力与创作步骤连接起来。

他用语言模型早期发展阶段类比当时的视频模型，认为仍有数据、模型能力和推理效率方面的工作。这是他的阶段性判断。

他讨论参考视频和生成新视频之间的需求差异，指出把视觉信息转成文字再生成可能丢失某些细节。

讨论软件、互联网与 AI 时，他提出信息商品的生产、分配和消费关系可能变化，并尝试分析权力如何在各环节之间移动。

他区分自己所谓广义和狭义 AGI，并把系统对自身不知道什么的判断作为一个设想。关于意识或能力的结论仍有争议。

他认为模型公司与应用公司的边界可能变得模糊：基础模型提供者也做产品，而应用公司可能在特定需求和数据上进一步投入。

他预测一些应用公司可能训练自己的模型以控制成本或改善效果，但是否值得取决于资源、市场和技术选择。

他以专业领域信息为例，认为整理可靠资料和理解工作流程可能形成产品价值；专业内容仍需要领域专家核实。

王冠用“生成系统”描述一种方法：系统根据需求生成内容，而推荐系统主要在已有内容与用户之间进行匹配。两者在实际产品中也可以结合。

他认为理解用户意图和提供上下文会影响生成结果，但更个性化的内容也需要考虑准确性、来源和用户数据保护。

两人从创作者角度讨论平台：生产成本、分发机制和收益分配的变化，可能改变谁能创作以及如何获得回报。

王冠推测新的内容平台可能出现，同时承认自己团队对消费端产品尚未形成完整方案。

他用“没有中间商赚差价”描述自己对生成系统的期待。这是对未来产业结构的判断，并不证明中介、成本或创作者权益问题会消失。

他讨论 AI 产品可以从模型能力聚合、编辑工具等不同形态开始，关键是能否帮助用户完成具体工作。

谈团队组织时，他说公司当时约有 30 人，允许远程工作，并保留成员自愿的线下交流。人数和做法反映访谈当时的情况。

他重视主动性和独立解决问题的能力，同时认为远程团队需要清晰沟通目标、责任和反馈。

展望未来，他设想平台可能同时参与内容生产与分发，而用户在消费过程中也可能产生新的内容。这些是推演，不是已确定的行业结果。

他举人和 AI 共同研究的问题作例子：个人为解决自己的问题而产生的内容，可能对其他人也有价值，但分享仍涉及授权和上下文。

最后他提到影响自己的语言建模研究，并承认部分数学细节仍不理解；他对压缩和智能的联系保留为个人解释。