編輯｜Youli

過去一年，Agent 無(wú)疑在代碼行業(yè)率先跑出了最清晰的「模板」。

以 Codex、Claude Code 為代表的各類 Coding Agent，不再停留在「輔助補(bǔ)代碼」工具階段，能夠執(zhí)行完整流程，甚至能在較長(zhǎng)時(shí)間內(nèi)持續(xù)推進(jìn)一個(gè)軟件任務(wù)，真正解決問題。

最近，OpenAI 公布的一組數(shù)據(jù)顯示，Codex 的周活用戶已突破 500 萬(wàn)，桌面版用戶數(shù)量自今年 2 月上線后更是翻了 6 倍多…… 某種程度上來(lái)說，Agent 正深刻地重構(gòu)代碼行業(yè)。

在看到 Coding Agent 的巨大潛力之后，業(yè)界也在思考：軟件行業(yè)之外，下一個(gè)可能很快就會(huì)被重構(gòu)的行業(yè)是什么？

井英科技（CreativeFitting）的判斷是「內(nèi)容行業(yè)」。

井英科技成立于 2021 年。過去，外界對(duì)這家公司的認(rèn)知更多停留在 AI 短劇，但公司認(rèn)為 AI 短劇是 Agent 原生公司改造內(nèi)容行業(yè)的第一個(gè)場(chǎng)景。所謂 Agent 原生公司，是一種全新的范式：每個(gè)人創(chuàng)造自己的 Agent 加入公司工作 —— 組織摩擦消失，公司以 Agent 的速度運(yùn)轉(zhuǎn)。

井英科技押注的，正是成為內(nèi)容行業(yè)第一家這樣的公司。其技術(shù)核心，是為 Agent 搭建一個(gè)能接入、能自我進(jìn)化的強(qiáng)化學(xué)習(xí)環(huán)境。

之所以做出這一判斷，原因并不復(fù)雜：內(nèi)容行業(yè)正在變得越來(lái)越像軟件行業(yè)。

在井英科技看來(lái)，軟件行業(yè)從誕生第一天起就完全運(yùn)行在虛擬世界中 —— 代碼的編寫、編譯、測(cè)試、部署，全部在機(jī)器上閉環(huán)完成，不依賴任何物理環(huán)節(jié)。這恰恰是它能被 Agent 率先重構(gòu)的根本原因：沒有物理摩擦，Agent 的能力就能被充分釋放。

而內(nèi)容行業(yè)，隨著多模態(tài)模型的底座能力的增強(qiáng)，正一改過去高度依賴物理世界交互的方式，美工、拍攝、剪輯、配音等，越來(lái)越多原本必須依賴物理世界協(xié)作的環(huán)節(jié)，正在逐步被虛擬化，而當(dāng)內(nèi)容的生產(chǎn)越來(lái)越接近完全在虛擬世界中完成時(shí)，它就具備了被 Agent 重構(gòu)的先決條件。

井英現(xiàn)在想做的事情正是去驗(yàn)證：內(nèi)容娛樂行業(yè)能否像代碼行業(yè)一樣，形成一個(gè)面向 Agent 的新型生產(chǎn)、評(píng)估和反饋環(huán)境。

最新消息，井英科技剛完成新一輪數(shù)千萬(wàn)美元的 A 輪及 A + 輪融資，投資方包括 Lollapalooza Capital（王慧文家辦）、螞蟻集團(tuán)、騰訊公司原集團(tuán)副總裁殷宇等。與此同時(shí)，公司正式官宣原 AWS 亞馬遜上海 AI 研究院首席應(yīng)用科學(xué)家、現(xiàn)任香港大學(xué)上海智能交叉創(chuàng)新研究院院長(zhǎng)王敏捷加入，擔(dān)任首席科學(xué)家。

左：井英科技 CEO 朱江，右：井英科技首席科學(xué)家王敏捷

王敏捷本碩就讀于上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系，是著名的 ACM 班成員，之后獲得紐約大學(xué)計(jì)算機(jī)科學(xué)博士學(xué)位。他曾任 AWS 首席應(yīng)用科學(xué)家，是該職級(jí)亞太地區(qū)最年輕的任職者。同時(shí)，他是深度學(xué)習(xí)框架領(lǐng)域的重要貢獻(xiàn)者，著名的開源圖深度學(xué)習(xí)框架 Deep Graph Library (DGL) 的主要發(fā)起人和核心維護(hù)者之一，也是深度學(xué)習(xí)框架 MXNet 的早期核心開發(fā)者。

而這一系列的重磅動(dòng)作都在向業(yè)界釋放一個(gè)清晰信號(hào)：井英科技正在重新定義自己的技術(shù)邊界，加速成為一家 Agent 原生公司。

AI 視頻模型「卷生卷死」，為什么依然做不出好內(nèi)容？

過去一年多，AI 視頻生成模型的進(jìn)步非常明顯。畫質(zhì)更穩(wěn)定、運(yùn)動(dòng)更自然、角色一致性更好，音視頻同步能力也在穩(wěn)步提升。對(duì)于很多人來(lái)說，調(diào)用一個(gè)強(qiáng)大的視頻生成模型，輸入 Prompt，生成一段視頻，這就是「大模型重構(gòu)一切」的語(yǔ)境下，「AI 娛樂」的新敘事方式。

顯然，這是一個(gè)「誤判」。

對(duì)于真正的娛樂消費(fèi)而言，生成一段驚艷的視頻片段僅是第一步。當(dāng)技術(shù)真正進(jìn)入殘酷的商業(yè)化語(yǔ)境后，問題接踵而至：什么故事值得做？用戶會(huì)不會(huì)看？?jī)?nèi)容的好壞由誰(shuí)、什么標(biāo)準(zhǔn)來(lái)評(píng)估？消費(fèi)端的反饋如何順暢回流？整個(gè)系統(tǒng)又能不能持續(xù)進(jìn)行跨周期的自驅(qū)動(dòng)迭代？

大模型的單點(diǎn)能力再?gòu)?qiáng)，也無(wú)法自發(fā)回答這些系統(tǒng)層面的問題。

井英科技首席科學(xué)家王敏捷將其概括為，內(nèi)容行業(yè)，「模型提升的是下限，不是上限?！?/strong>

從底層邏輯來(lái)看，大模型本質(zhì)上是對(duì)海量數(shù)據(jù)的壓縮，擅長(zhǎng)從大量樣本中生成一個(gè)穩(wěn)定、安全、平均的答案，即「均值回歸」。但好的內(nèi)容，或者說創(chuàng)意是非均值的，是「毛刺」型：在平均水準(zhǔn)之上，有一個(gè)尖銳的、意料之外的東西突出來(lái)。就像短劇中，一個(gè)反套路的人設(shè)、一個(gè)精準(zhǔn)踩中大眾情緒的設(shè)定、一個(gè)出乎意料的反轉(zhuǎn)…… 都是創(chuàng)作者個(gè)人靈感的表達(dá)，模型無(wú)法自己「生長(zhǎng)」出來(lái)。

如果模型只能輸出訓(xùn)練數(shù)據(jù)中的平均值，那就只是在復(fù)制套路，難以持續(xù)生成真正讓用戶眼前一亮的東西。

更復(fù)雜的是，用戶的內(nèi)容偏好本身也在不斷變化。依舊是以短劇為例，今天流行都市愛情，明天可能轉(zhuǎn)向科幻懸疑；用戶在通勤時(shí)想看輕松內(nèi)容，晚上可能更愿意看強(qiáng)劇情；同樣一個(gè)題材，在不同平臺(tái)、不同地區(qū)、不同人群中，反饋也可能完全不同。

總結(jié)來(lái)看，內(nèi)容行業(yè)面對(duì)的不是一個(gè)靜態(tài)正確答案，而是動(dòng)態(tài)變化、極度個(gè)性化、持續(xù)分眾的偏好系統(tǒng)。這遠(yuǎn)遠(yuǎn)超過通用模型本身的迭代速度，不可能每隔兩周重新訓(xùn)一版百億參數(shù)的模型來(lái)追趕用戶口味的變化。

王敏捷認(rèn)為，這兩個(gè)問題加在一起，結(jié)論就是：光有好的模型遠(yuǎn)遠(yuǎn)不夠—— 模型解決不了創(chuàng)意從哪來(lái)、反饋怎么回流的問題。Coding Agent 之所以能率先成熟，不只是因?yàn)槟Ｐ蛪驈?qiáng)，更是因?yàn)?strong>代碼行業(yè)天然有一套完整的環(huán)境：文檔體系提供知識(shí)積累，編譯器和測(cè)試框架提供即時(shí)反饋。Agent 在這個(gè)環(huán)境里能學(xué)、能試錯(cuò)、能迭代。

內(nèi)容行業(yè)缺的正是這套環(huán)境。每個(gè)人創(chuàng)造自己的 Agent 接入其中，專注創(chuàng)意與品味，繁瑣的流程交給 Agent，并能持續(xù)進(jìn)化。而類比 Coding Agent 的經(jīng)驗(yàn)，一個(gè)真正能運(yùn)轉(zhuǎn)的內(nèi)容強(qiáng)化學(xué)習(xí)環(huán)境，至少需要兩樣?xùn)|西：

• 好的創(chuàng)意先驗(yàn)：對(duì)應(yīng) Coding 環(huán)境中存儲(chǔ)知識(shí)和經(jīng)驗(yàn)的文檔體系（如 README、API 規(guī)范），創(chuàng)作絕不是無(wú)中生有的空中樓閣，接入環(huán)境的 Agent 需要題材認(rèn)知、受眾畫像、風(fēng)格參考和行業(yè)經(jīng)驗(yàn)的沉淀，才能站在更高的起點(diǎn)上，去深刻理解「這個(gè)類型的用戶真正期待什么樣的劇情反轉(zhuǎn)」，而不只是機(jī)械地計(jì)算「什么樣的內(nèi)容點(diǎn)擊率最高」。
• 準(zhǔn)確真實(shí)的內(nèi)容偏好信號(hào)：對(duì)應(yīng) Coding 環(huán)境中提供真實(shí)反饋的編譯器和測(cè)試框架，代碼有著黑白分明的客觀對(duì)錯(cuò)，編譯通過就是通過，測(cè)試失敗就是失敗。但娛樂內(nèi)容天然帶有強(qiáng)烈的個(gè)人主觀性，如果 Agent 在回路中拿不到準(zhǔn)確、密集的偏好信號(hào)，它就無(wú)法真正實(shí)現(xiàn)自驅(qū)動(dòng)迭代，只能重復(fù)產(chǎn)出那些「安全但平庸」的均值化內(nèi)容。

這兩樣，是模型給不了、但 Agent 真正需要的東西—— 有了它們，Agent 才有先驗(yàn)知識(shí)可以調(diào)用，有真實(shí)反饋可以對(duì)齊，自驅(qū)動(dòng)迭代才真正能跑起來(lái)。

范式升級(jí)：打造內(nèi)容行業(yè)的 Agent 原生公司

其實(shí)，井英在做的事情，本質(zhì)上是對(duì)內(nèi)容娛樂行業(yè)的一次范式升級(jí)，打造屬于這個(gè)領(lǐng)域的 Agent 原生公司，即為內(nèi)容行業(yè)提供一個(gè) Agent「能接入、能自我進(jìn)化」的內(nèi)容環(huán)境。

Agent 原生公司運(yùn)轉(zhuǎn)模式

展開來(lái)看，這套技術(shù)系統(tǒng)所包含的核心維度可以拆解如下：

• 能接入：井英科技構(gòu)建了一套開放式的 Agent 原生創(chuàng)作工具鏈，擁有不同創(chuàng)意類型的人 —— 劇本、拍攝、剪輯、畫面 —— 都可以構(gòu)建自己的 Agent 完成從創(chuàng)意到成片的完整創(chuàng)作鏈路，并接入評(píng)估環(huán)境。
• 能自我進(jìn)化：與 Coding 環(huán)境不同，內(nèi)容行業(yè)的評(píng)估標(biāo)準(zhǔn)本身是動(dòng)態(tài)的 —— 用戶偏好隨時(shí)在變。因此整個(gè)系統(tǒng)需要持續(xù)進(jìn)化：創(chuàng)作者的 Agent 不斷注入創(chuàng)意，市場(chǎng)反饋實(shí)時(shí)回流，驅(qū)動(dòng)評(píng)估標(biāo)準(zhǔn)動(dòng)態(tài)更新，創(chuàng)作者的 Agent 也在每一次結(jié)果中校準(zhǔn)方向，兩者共同逼近真實(shí)的市場(chǎng)信號(hào)。

而在這個(gè)過程中，Agent 驅(qū)動(dòng)減少了執(zhí)行摩擦，加速了市場(chǎng)驗(yàn)證與反饋回路，創(chuàng)作者得以從流程協(xié)調(diào)中解放，真正專注于創(chuàng)意本身。

如何理解？

井英科技 CEO 朱江告訴機(jī)器之心，傳統(tǒng)內(nèi)容娛樂行業(yè)長(zhǎng)期受到三大核心摩擦的掣肘：

• 創(chuàng)作端摩擦：復(fù)雜且優(yōu)質(zhì)的內(nèi)容需多人協(xié)作，組織和溝通成本高；
• 消費(fèi)端摩擦：創(chuàng)作者主觀創(chuàng)作的內(nèi)容與用戶喜好之間存在天然 Gap，傳統(tǒng)做法是通過推薦算法在既有池子里撈內(nèi)容，去匹配最合適的人，但由于每個(gè)人喜好極度個(gè)性化，即便是達(dá)到推薦算法的極限，也無(wú)法滿足用戶需求，對(duì)方的偏好內(nèi)容甚至世界上還不存在；
• 內(nèi)容類型迭代摩擦：物理世界的組織摩擦太重、試錯(cuò)成本太高，導(dǎo)致行業(yè)探索和涌現(xiàn)全新內(nèi)容類型的演進(jìn)周期被拉得極長(zhǎng)，從動(dòng)漫到短視頻再到短劇，都是如此。

而井英科技的這一內(nèi)容環(huán)境，通過把人類從「同步回路」移至「異步回路」，大幅壓縮傳統(tǒng)內(nèi)容制作中人類社會(huì)固有的組織和協(xié)作摩擦。

在新的「異步回路」模式下，人類不再需要進(jìn)行繁瑣、同步的 AI 工具具體操作，只需要在「異步回路」中源源不斷地提供靈感與創(chuàng)意，多角色分工的 Agent 則全天候 24 小時(shí)停留在高效的「同步回路」中，自驅(qū)動(dòng)地完成生產(chǎn)、評(píng)估、迭代與分發(fā)任務(wù)，最終將產(chǎn)出的內(nèi)容精準(zhǔn)交付給消費(fèi)者。

為什么 AI 短劇是 Agent 原生公司改造內(nèi)容行業(yè)的首選場(chǎng)景？

為什么從 AI 短劇開始？井英科技告訴機(jī)器之心，這并不僅是 AI 短劇大熱，或自身有經(jīng)驗(yàn)，背后是出于技術(shù)與業(yè)務(wù)考量的雙重考量。

一方面，短劇的反饋密度天然適合驅(qū)動(dòng)系統(tǒng)迭代。娛樂內(nèi)容天然具有快速、高頻的特征，而短劇是近年來(lái)被市場(chǎng)驗(yàn)證的，正處于爆發(fā)增長(zhǎng)態(tài)勢(shì)的內(nèi)容形態(tài)之一。數(shù)據(jù)顯示，今年一季度，短劇的月活躍用戶（MAU）規(guī)模已突破 7 億，幾乎每 10 個(gè)網(wǎng)絡(luò)用戶中就有近 7 人觀看短劇，甚至有機(jī)構(gòu)預(yù)估，2026 年中國(guó)微短劇、漫劇市場(chǎng)規(guī)模保守估計(jì)將突破 1200 億元……

這種增長(zhǎng)環(huán)境能為系統(tǒng)在短時(shí)間內(nèi)回流海量、高密度的真實(shí)正向反饋，為 Agent 的進(jìn)化和迭代提供了源源不斷的信號(hào)。

這也是王敏捷極為看中的一點(diǎn)。他告訴機(jī)器之心，之前在 AWS 負(fù)責(zé) Deep Research 產(chǎn)品評(píng)估時(shí)，寫調(diào)研報(bào)告屬于典型的信息類內(nèi)容，其質(zhì)量好壞帶有強(qiáng)烈的主觀性，收集真實(shí)用戶反饋的鏈路拉得特別長(zhǎng)。做了一版改進(jìn)，要等很久才知道好不好，而等到反饋終于來(lái)了時(shí)，甚至需求已經(jīng)變了，產(chǎn)品在研發(fā)期間幾乎無(wú)法快速迭代。但這種困局在短劇這里堪稱不存在：用戶喜不喜歡、看不看得下去，幾分鐘內(nèi)就會(huì)有明確的行為反饋。

另一方面是短劇考驗(yàn)敘事能力，正是檢驗(yàn)內(nèi)容質(zhì)量上限的「試金石」。短劇雖然短，但它并不只是一個(gè)?；蛞粋€(gè)畫面，依然依賴人物、沖突、反轉(zhuǎn)、節(jié)奏和情緒推進(jìn)。這使得短劇成為一個(gè)特殊的內(nèi)容形態(tài)：消費(fèi)時(shí)長(zhǎng)足夠短，能快速獲取反饋；卻又足夠重，能考驗(yàn)系統(tǒng)是否真的具備講故事能力。

此外，之所以將 AI 短劇作為 Agent 原生公司改造內(nèi)容行業(yè)的首選場(chǎng)景，還有一個(gè)重要原因。朱江認(rèn)為，想要讓這套全新的 Agent 內(nèi)容環(huán)境真正運(yùn)轉(zhuǎn)起來(lái)，絕不能依賴憑空捏造的模擬數(shù)據(jù)，系統(tǒng)必須要跨越「冷啟動(dòng)」的生存門檻，而這恰恰是井英科技過去幾年在 AI 短劇領(lǐng)域深耕所帶來(lái)的的核心護(hù)城河。

通過在短劇業(yè)務(wù)上的真實(shí)跑通，目前已經(jīng)積累了海量的真實(shí)創(chuàng)作者和高頻消費(fèi)的真實(shí)消費(fèi)者。創(chuàng)作者在線上提供的創(chuàng)意代表了人類的優(yōu)質(zhì)高維信號(hào)，而消費(fèi)者在終端的真實(shí)訂閱、付費(fèi)、互動(dòng)和反饋數(shù)據(jù)，則提供了內(nèi)容偏好信號(hào)。

兩者形成的雙向信號(hào)構(gòu)成了Agent 內(nèi)容環(huán)境的「冷啟動(dòng)」土壤。這意味著，井英科技不需要像其他玩家那樣，從零開始構(gòu)建一套理論系統(tǒng)，可以直接將現(xiàn)有環(huán)境升級(jí)為 Agent 原生環(huán)境。

據(jù)井英科技透露，目前該系統(tǒng)已正式進(jìn)入內(nèi)測(cè)階段，不久之后就會(huì)對(duì)外推出。

但這只是開始，短劇也只是第一個(gè)入口。當(dāng)越來(lái)越多的人創(chuàng)造自己的 Agent，將 Agent 派入這套環(huán)境，內(nèi)容行業(yè)的生產(chǎn)方式將被徹底重寫 ——不只是短劇，而是整個(gè)內(nèi)容行業(yè)。

井英科技要做的，是成為這個(gè)時(shí)代內(nèi)容行業(yè)第一家 Agent 原生公司。接下來(lái)要看的，是它能跑多快。