對談小影科技林曉冬：從工具創作到AI原生，我們的三年探索和演進

去年以來，出海AI 原生產品已褪去概念光環，成為實打實的行業新風口，眾多創業者紛紛布局，渴望抓住這波發展機遇。

對于涌入這一賽道的新玩家來說，海外市場的吸引力顯而易見：付費習慣更成熟，北美和歐洲用戶貢獻了全球AI 應用收入的大頭，加之Cursor 等工具的普及讓產品落地的門檻大幅降低，一支小團隊在短時間內跑出一款可用的產品已不再是難事。

然而，能跑出產品和能跑通商業模式之間，橫著一道并不容易跨越的鴻溝。PMF 難以驗證、用戶留存不穩定、本地化運營經驗缺失、合規帶來的額外成本......這些都是擺在出海創業者面前的真實挑戰。AI 技術能力只是起點，如何把技術優勢轉化為持續增長的產品，才是真正需要回答的命題。

近期，我們和出海14 年的小影科技聊了一聊他們近三年來在AI 原生產品上的投入和成果。去年9月，我們已經介紹過其AI 原生音樂類產品 Rythmix，彼時這款應用上線不到一年便躋身東亞多地音樂榜TOP5。今年，該公司透露旗下又有一款新的AI 視頻生成應用 AI Catch，在歐美、日韓、印度等市場快速起量，上個月連續登頂巴西App Store 與 Google Play 總榜第一。

與我們對談的是小影科技C 端業務 CEO 林曉冬，她于2018 年加入小影科技，從負責一款視頻模板類創作產品登頂印度地區市場，到如今帶領公司 ToC 產品板塊業務。她透露，截至 26 年一季度末，公司近三年新推出的 AI 原生產品的收入已經超過了過去 10 年研發的工具產品，真正邁入“AI 原生時代”。

在這場高速前進的“AI 革命”中，團隊經歷了什么？公司已經積累的全球 200 多個國家和地區、超23 億規模用戶，又扮演了什么樣的角色？林曉冬給出了自己的洞察。

（小影科技C 端業務 CEO 林曉冬）

以下是對話原文，考慮閱讀體驗有所調整：

當產品開始“翻譯”用戶需求

揚帆出海：為什么特地強調“邁入 AI 原生時代”？

林曉冬：這個問題可以從兩個視角來看。

外部看我們，過去大家對小影科技的認知，更多是“出海企業，做剪輯工具的”。而我們目前的業務現狀是以多款新的AI 原生產品成為增長核心，以前的幾款剪輯工具則是全面向剪輯 Agent 的方向迭代。

我們自己向內看，這個定義關聯的是更底層的東西。團隊的組織人才、市場洞察、產品邏輯、本地化策略等等都在契合“AI 時代”這個大環境的變化。

揚帆出海：大概是什么時間公司進入了“AI 原生時代”，到今天為止算是完成了一次成功的轉型嗎？

林曉冬：沒有明確的“完成”時間，只能說是 22 年底大模型爆發以后我們就持續地在尋找創新的方向。到今天為止，一定要說“轉型”的話只是一個結果，就是從營收結構上看，最近3-4 年做的創新業務占比已經超過了我們公司創立前十年做的幾款產品的收入。

揚帆出海：“工具”和“AI 原生”這兩個階段有什么差異？這里面最大的變化是什么？

林曉冬：最大的變化是能夠給用戶帶去的體驗，以及做產品的邏輯。

工具時代也就是移動互聯網那會兒，用戶能夠做的東西是受限于工具功能和操作能力的，做產品主要就是聚焦功能點的工程化實現。

到了“AI 原生”這個階段，邏輯有點反過來。用戶往往只有模糊的靈感和寬泛想法，沒辦法精準描述需求，比較明確的是很多用戶越來越不滿足于簡單的創作，很想發揮想象力做一些別人做不出來的東西，而實際上 AI 是有能力承接這些碎片化的創意的。這時候我們的角色，就變成了連接大模型和普通用戶的關鍵橋梁，像需求的翻譯官一樣。做產品的重心，也從單純開發功能，轉向合理調用模型能力，在垂類場景下做能力適配、體驗簡化和場景化打磨。

揚帆出海：你們怎么從海量的用戶需求中找到真正有價值的機會？

林曉冬：無論是14 年前還是現在，用戶需求本身始終是存在的，技術是那個持續發生的變量。一個產品能不能跑出來，肯定要滿足這兩個要素，一是實質性的技術突破，為用戶帶來過去無法實現的新體驗，二是擊中用戶的痛點，這里很多時候是情緒層面的共鳴。

我們內部在具體立項時，主要會看兩個標準：一是技術可行性，二是市場空間。

比如我們AI Catch 這款產品，主打的是基于模板的視頻創作，本質上更偏內容驅動，但前提是視頻生成效果必須達到好用甚至突破的水平，否則一個追熱點的模板做出來沒辦法給用戶帶來驚喜，產品就是無效的。

揚帆出海：現在行業都在說“模型趨同、應用破局”，這個趨勢對小影科技來說，是機會更大還是挑戰更大？

林曉冬：這兩年來看，底層模型能力的差距在逐漸縮小，這是一個比較明確的趨勢。以及比如在AI Coding 的加持下，新玩家進場門檻越來越低。在這個前提下，出海的先發優勢確實在被稀釋。

但當底層模型能力趨同，應用層的競爭中心就轉移到“更靠近用戶的一側”，在這個維度我們原有的積累會持續有效，形成一種綜合競爭力。可以分為三個層面：

第一，深挖用戶需求、透徹理解場景。AI 全球化之后，用戶的底層需求其實變化不大，比如“讓自己變好看”“更好表達”，但用戶往往并不清楚具體怎么實現，這對需求洞察的要求反而更高，在這個點上我們有自己的方法論。

第二，數據積累和業務反哺。我們做的那么多產品，在具體場景中是積累了足夠多用戶“行為數據”的，團隊能夠從中抽象出跨市場的行為差異，反哺到產品，也為我們自研垂類模型的持續優化提供數據閉環。

第三，本地化和商業化的增長。我們能在一個新市場快速找到愿意付費的用戶、讓ROI 跑正。

第四，對，補充一點，就是團隊應對變化的能力。對比工具時代，AI 時代團隊思維方式有了很大的變化。一開始剛接觸模型，基于過去做產品的傳統工程思維，我們更強調規則和可控性，希望模型嚴格按照預設邏輯執行。但隨著模型能力提升，我們也逐漸意識到，過強的約束反而會限制效果空間和創新效率。

AI時代，本地化從共性出發

揚帆出海：公司 22 年到現在做的創新產品能夠簡單介紹下嗎？

林曉冬：我拿兩款產品舉例。

AI Catch 是一款面向大眾用戶的 AI 視頻生成應用，主打泛娛樂泛社交場景，核心功能是提供海量社媒爆款模板，讓用戶選擇模板、上傳照片，AI 自動生成對應風格的短視頻，實現“快速表達和復刻”。這款產品上個月憑借一系列親子家庭玩法，在巴西連續登頂雙端總榜第一，在葡萄牙、部分非洲葡語國家也進入下載榜前列。最近在中東阿語地區，也憑借AI 跳舞玩法快速沖榜。

另一款是AI 音樂生成應用 Rythmix，除了文生、圖生音樂的基礎功能，我們還做了從音樂到視頻的一體化生成。目前也在歐美、日韓市場保持著較好的增長表現。

揚帆出海：AI Catch 核心玩法是模板，這和移動互聯網時代剪輯應用中的模板有什么差別？

林曉冬：模板確實還是一個常見的玩法。在AI 時代，“視頻創作”這個賽道上，模板的作用是給用戶一個“AI 可以做什么”的具象化想象。不光是 AI Catch，市場上很多產品也在用類似的方式降低用戶的使用門檻。但一款產品能不能完成 PMF，能不能真正跑出來，模板只是最表層的東西。往下一層，有幾個關鍵的因素：

第一是對模型的理解和集成能力。同樣的底層模型，不同的團隊做出來的產品體驗可能差別很大。這涉及到工程化能力、對模型特性的理解。

第二是本地化審美。不同市場的用戶對“好看”的定義不同，而且在 AI 時代，內容質量的上限也被明顯提高了。AI 生成的畫面質感，是移動互聯網時代靠濾鏡和貼紙無法實現的。

第三是對全球熱點的捕捉能力。社交媒體上每天都會有新的流行趨勢，我們內部有一套熱點捕捉和AI 模板設計工作流，高度控制上線周期。

揚帆出海：前面提到本地化，這應該是做出海業務繞不開的關鍵詞。AI 原生時代的本地化和過去有什么不一樣？

林曉冬：會有不同。之前我自己做產品，本地化是“做深做垂”。比如 2020 年做的mAst這款產品主打印度地區，我們深挖人群，語言，地區，做很細化的分類，去垂直向下的找需求，滿足用戶需求。但是現在AI 時代，本地化有時候是先看到一個普世的點，比方說一個爆款的玩法，之前宮崎駿那種漫畫風格，這個風格如果放到不同國家和地區，用戶怎么樣才會喜歡？我們考慮的是如何把一個共性的東西適配到本地，思路是反過來的。

揚帆出海：那找到共性以后呢，如何在不同市場實現可持續的規模化增長的？

林曉冬：目前我們幾款新的AI 原生產品的持續增長表現，和我們多年積累的“分發能力”是分不開的，這是一個完整的系統——從找到對的用戶，到讓他付錢，到讓他持續留下來，每一個環節都是分發的一部分。

很多公司把分發理解成渠道問題，覺得找到投放團隊就解決了。但我們的經驗來看，這是一個環環相扣的問題：獲客帶來的用戶，產品不能接不住；產品接住了，付費路徑設計不能出問題；付費跑通了，需求理解不能跑偏否則會導致留存差。任何一個環節斷掉，整個鏈條就不成立。

市場驗證是成熟企業的必備素質，即使你看見了一個需求，技術也能夠滿足，但是產品功能做出來了和用戶真正的需求之間還是會有很大的gap，而我們可以快速通過各種手段完成認知調整，彌補這個 gap。

揚帆出海：AI 時代，新興市場和成熟市場的用戶付費習慣有什么變化嗎？

林曉冬：用戶的付費習慣確實在發生改變。生成式AI 讓很多以前實現不了的效果成為可能，給用戶帶來了“aha moment”，創作門檻更低、體驗更好，用戶也因此愿意為結果付費。同時，大家也逐漸意識到 AI 生成是有成本的，慢慢建立起為Token 消耗買單的心智。

在付費意愿上，過去我們定義的發達市場比如歐美，新興市場比如東南亞，還是大同小異的。不一樣的是我們可以有產品差異化的打法，在過去的刻板印象上做到新的開拓。

比如在印度市場，過去我們的mAst 主要依靠 IAA 變現，而現在新產品 AI Catch 采用“訂閱+ AI 積分包”的模式，同樣能夠取得不錯的收入表現。本質上是因為每個國家都有相對固定的高價值用戶群體，AI Catch 觸達到了使用 iOS、具備付費能力的人群；而 mAst 本身是廣告驅動的產品形態，在訂閱或付費轉化上相對更難。

揚帆出海：開頭提到過去的幾款剪輯工具向剪輯 Agent 的方向迭代，大概是怎么做？

林曉冬：比如VivaVideo，這款我們 2012 年就推出的產品，主要面向泛生活視頻場景。一開始我們是把高頻使用的剪輯功能AI化，如智能字幕、人聲識別等；現在則是著重探索 AI 剪輯能力，比如通過 Agent 意圖識別，幫助用戶把上傳的日常碎片化內容一鍵成片。

再比如前面提到的mAst 屬于音樂模板類產品，我們也希望給用戶體驗 AI 的玩法，但是考慮到用戶的付費能力，我們會更多通過模型微調和工程優化來控制成本，在保證效果的同時提升體驗，希望推動更廣泛用戶享受到 AI 帶來的創作能力。

通用模型趨同，技術優勢何在

揚帆出海：前面提到隨著大模型興起，你們做了一些應用探索，具體是一個怎么樣的過程？

林曉冬：我們是在2022 年底大模型剛出現的時候開始嘗試了很多方向，比如證件照、表情包生成、社媒文案生成等，也包括自研模型訓練。也有一些產品跑出了不錯的效果，但整體來看，很快遇到兩個問題：一是生成效果還不夠穩定，用戶體驗存在波動；二是通用大模型迭代很快，自研能力容易被快速追平。

在這個過程中，我們也明晰了團隊優勢，搞清楚什么是我們的核心能力，什么是可以借力的地方，把主要精力集中在擅長的方向。

大概在2024 年下半年，隨著大模型能力持續成熟，我們判斷 AI 原生應用的落地條件已經基本具備，于是開始系統性推進產品化。

揚帆出海：那現在公司核心技術聚焦在哪些方向？如何賦能 AI 原生產品落地？

林曉冬：大模型爆發之前，我們的技術能力主要集中在音視頻引擎和端側AI兩個方向，積累了大量的自研算法。現在我們更多考慮的是把這些底層原子能力和外部大模型的能力結合起來，進行組合式創新。可以分為幾個方向：

第一，基于開源模型進行音視頻垂類模型研發，并結合自研算法能力打磨場景化功能，比如Rythmix 中的 AI 音樂 MV 生成；

第二，結合主流大模型與LoRA 微調能力，構建圖像與視頻特效生成的整體技術框架，并打通從模型后訓練到工程化部署的完整鏈路。

在做AI 原生產品的過程中，我們逐步意識到應用層產品現在的核心競爭力之一就是工程化能力，把分散的AI 算法整合成穩定高效的產品工作流，并在效果、成本與用戶體驗之間取得平衡，并且能夠快速迭代上線。目前我們 AI Catch 這款產品的模板生產工作流，就是基于這樣的思路，保證創意和效率。

揚帆出海：現在通用大模型能力越來越強，應用層玩家還有必要投入垂類模型嗎？

林曉冬：有必要，垂類模型的研發，本質上是從用戶場景出發，而不是從模型本身出發。我們關注的重點不是“做一個模型”，而是“解決一個具體創作場景的問題”。

通用大模型的進步是顯而易見的，很多以前需要專門訓練的能力，現在調個API就能解決。但我們在實際產品開發中發現，通用模型的邊界比想象中更清晰——它擅長處理語言和通用視覺任務，但一旦涉及音視頻創作中的時序關系、節奏感知和多模態配合，效果就會明顯下降。

以音樂MV 生成為例，用戶的核心訴求是畫面跟著音樂“走”——節奏點要對，情緒要匹配，視覺動態要有韻律感。這不是一個“理解內容”的問題，而是一個“感知時間結構”的問題。通用模型在這個維度上沒有經過專門優化，生成結果往往在視覺上說得過去，但一放到音樂里就出戲了。

這就是垂類模型存在的理由——不是為了做模型而做，而是通用能力在某個場景里有結構性的短板，需要針對性地去補。我們做的事情本質上是：用垂類模型覆蓋通用模型的盲區，再把兩者的能力拼成一個完整的場景解決方案。

揚帆出海：在垂類模型和多種 AI 能力逐步完善之后，這些能力在產品層應該怎么組織？你們是否會走向更 Agent 化的創作體驗？

林曉冬：肯定會，不過我們對Agent 的理解，偏向于從用戶需求出發，而不是技術形態本身。

目前我們會面對兩類用戶：對普通用戶來說，障礙不是不會用工具，而是很難把腦海里的想法表達清楚——怎么講一個故事、怎么描述一個畫面，這本身就是一件有門檻的事。對專業創作者來說，問題不同，他們更需要的是把多個能力高效串聯起來，完成完整的內容生產流程，而不是在不同工具之間反復切換。

這兩類需求看起來不同，但指向的是同一個方向：讓技術退到后臺，讓用戶只需要專注于表達自己想要什么。這個也是Agent 的本質——縮短用戶意圖和用戶產出之間的距離。

而為了實現這一點，技術層需要做的就是把各種已有的能力模塊化，我們在音視頻領域本身就已經積累了很多的自研能力可以被拆解和復用，在整個基礎上我們還需要不斷擴展能力邊界，包括針對具體場景研發新的垂類模型，有效整合外部大模型的能力，把外部和內部的能力統一納入可編排的框架里。

用新的產研范式應對無窮變化和可能

揚帆出海：從負責具體一款產品到管理整個公司 ToC 業務，有什么想要分享的變化和感受嗎？

林曉冬：最大的變化肯定還是注意力的聚焦，時間的分配。之前做產品，時間都花在關注產品功能，解決問題，現在這一部分跟具體產品有關的指標肯定還是會去看，但是更多經歷會放在完善團隊搭建，用對人。

另一部分更重要的精力是去看行業趨勢性的變化，比方說剪輯創作CLI 化（指令驅動的創作方式），我會更多去思考這種變化會怎么樣影響到業務，Agent 框架這樣的形態運用到我們的產品中，有什么可以被替代和改造的。就會去理解賽道、場景、用戶。

我自己是學動畫和數媒出身，畢業后先進入了設計行業，但是發現離用戶太遠，很難直接定義用戶的需求，也就很難去服務好用戶，當時要做一個好的設計門檻太高，就想能否通過工具降低理解和服務用戶的門檻，所以轉去做了產品。

我比較喜歡關注不同的人是怎么表達自己的。比如疫情前我在印度待過一段時間，和當地創作者聊得比較多，發現他們核心的需求其實很簡單，就是快、容易上手，同時能夠表達和展現自己。這段經歷讓我會更關注，產品功能是否真正滿足了用戶的真實訴求，工具只是基礎載體，創意和個人情感的表達才是用戶真正想要去傳遞的東西，這和現在AI 帶來的可能性也不謀而合。以前是我自己去直接看用戶、聊用戶；現在更多是通過數據、內容反饋，還有不同團隊的協作，去理解用戶。

揚帆出海：你現在搭建團隊，完善組織架構，覺得怎么樣才能符合“AI 原生時代”的標準？

林曉冬：先說團隊吧，我們現在正在實踐一種新的產研團隊范式，研發的路線偏向于全棧，而不是按照職能去劃分。我們不會去約束單一崗位的作用，而是打破崗位的邊界，讓每個人都要更加的全面去洞察用戶需求。比方說產品經理就不會像移動互聯網時代那樣只關注產品方案設計，而是可以去借助AI 能力，視角延伸到上下游的協作方甚至全鏈路。

再說個人，我覺得保持對世界的好奇心肯定是最重要的。因為AI 技術飛快地迭代，不同的用戶表達、創作的差異越來越大，沒有興趣去洞察，就很難做出有真實感的產品。其次的話就是兼具理解用戶和技術的能力，你不一定要會寫那個代碼，但要理解技術背后的能力。最后可能就是比較強的學習和適應能力，因為AI 領域的變化是非常快的，我們很難依賴單一的固定路徑和經驗，而是需要不斷嘗試和調整。

揚帆出海：回到應用層面，AI 原生時代下，應用層新的產品形態層出不窮，對于小影科技來說會有什么變與不變嗎？

林曉冬：不變的是我們會持續錨定在AIGC 影像領域，這是我們十幾年積累所在，也是我們認為未來最值得深耕的方向。在這個賽道里，讓普通用戶不需要學習如何跟 AI 溝通、就能得到想要的創作結果，這個產品理念也不會變。AI 越強大，這件事反而越重要——技術演進的終點，應該是門檻越來越低，而不是越來越高。

變的是我們服務的用戶邊界和產品深度。過去我們更多面向泛生活場景的大眾用戶，接下來我們會往Prosumer 方向走得更深——也就是那些有真實內容生產需求、愿意為效率和質量付費的專業創作者。這類用戶對產品的要求完全不同，倒逼我們在能力建設和技術壁壘上有更高的標準。