圖片來(lái)源：網(wǎng)絡(luò)

當(dāng)所有AI生成工具瘋狂地內(nèi)卷優(yōu)化prompt并爭(zhēng)相標(biāo)榜自己可以一句話生成圖片和視頻時(shí)，一支年輕的字節(jié)系創(chuàng)業(yè)團(tuán)隊(duì)，基于自己對(duì)于創(chuàng)作的深度理解，用一套積木式創(chuàng)作架構(gòu)工具同時(shí)擊穿了專(zhuān)業(yè)制作人和普通用戶的痛點(diǎn)，構(gòu)建了一個(gè)自成循環(huán)的創(chuàng)作生態(tài)。這支團(tuán)隊(duì)就是我們今天對(duì)話的主角——ArtArch。

2024年底成立的ArtArch，在2025年初就連續(xù)完成了兩輪融資，投資方包括錦秋基金、九合創(chuàng)投、BV百度風(fēng)投。十月底，ArtArch 發(fā)布了自己的第一款產(chǎn)品——Skira。

在加入字節(jié)之前，ArtArch的創(chuàng)始人兼CEO黃嚴(yán)已經(jīng)完整走過(guò)一條從底層系統(tǒng)到大規(guī)模業(yè)務(wù)的技術(shù)路徑。在北大念碩士期間，就以第5號(hào)員工的身份加入了格靈深瞳，從早期到上市，7年時(shí)間，把算法、后端、前端、工程架構(gòu)、大數(shù)據(jù)中心、機(jī)器學(xué)習(xí)平臺(tái)做了個(gè)遍。

2020年，黃嚴(yán)加入了字節(jié)跳動(dòng)AI Lab，擔(dān)任工程研發(fā)leader，這一次，他又站到了整個(gè)創(chuàng)作與視覺(jué)體系的“系統(tǒng)中樞”。 AI Lab這個(gè)部門(mén)后來(lái)整合成“智能創(chuàng)作”部，其主要任務(wù)就是把創(chuàng)意創(chuàng)新的鏈路，不管是模型還是非模型、算法還是特效、剪輯還是渲染，全部工程化，變成 API、SDK、服務(wù)，供各業(yè)務(wù)線調(diào)用。這段經(jīng)歷為后來(lái)黃嚴(yán)創(chuàng)業(yè)做ArtArch打下了的堅(jiān)實(shí)基礎(chǔ)。

“我深刻地感受到，創(chuàng)作正在從“拍—編—剪”時(shí)代，變成“用想象力構(gòu)建作品”的時(shí)代。這成為我創(chuàng)業(yè)的底層邏輯。”黃嚴(yán)這么形容字節(jié)那段經(jīng)歷給他帶來(lái)的啟示。

ArtArch近日發(fā)布的短視頻生成產(chǎn)品Skira分為兩個(gè)版本，供專(zhuān)業(yè)制作人搭建各種玩法模板的PC端，和供普通用戶低門(mén)檻使用各種玩法生成視頻并分發(fā)的App端。值得關(guān)注的是Skira 的PC版采用了一種積木化的工具思路，將不同的模型和效果設(shè)計(jì)成模塊，制作人可以通過(guò)拖拽的方式任意組合，形成工作流。這一獨(dú)特的創(chuàng)作方式被媒體稱(chēng)作“AI 工作流樂(lè)高化”。

而Skira得以實(shí)現(xiàn)這種獨(dú)特創(chuàng)作方式的底層原因，是被稱(chēng)作“想象力引擎”的創(chuàng)作架構(gòu)。這套引擎內(nèi)置了ArtArch 團(tuán)隊(duì)自己打造的編譯器和編程語(yǔ)言，把多模態(tài)模型的能力、創(chuàng)作素材、工作流等內(nèi)容，都封裝進(jìn)平臺(tái)里。這也是ArtArch團(tuán)隊(duì)的核心能力。

近日，我們有幸與ArtArch的創(chuàng)始人黃嚴(yán)進(jìn)行了一場(chǎng)深度對(duì)話，在為我們解惑了其獨(dú)特的創(chuàng)作AI設(shè)計(jì)思路的同時(shí)，也讓我們?nèi)媪私饬酥谱魅巳后w的真實(shí)狀態(tài)與Skira的商業(yè)野心。

以下為創(chuàng)投家與黃嚴(yán)的完整對(duì)話，略有刪減

創(chuàng)投家：很多公司都在搶奪自然語(yǔ)言交互的第一入口，盡全力去降低普通人使用復(fù)雜創(chuàng)作工具的門(mén)檻，咱們?yōu)槭裁催x擇了一條完全不同的道路呢？

黃嚴(yán)：我個(gè)人非常喜歡內(nèi)容和創(chuàng)作，而我們團(tuán)隊(duì)對(duì)于創(chuàng)作者這個(gè)群體也有著更深度的理解。

我們發(fā)現(xiàn)有時(shí)候語(yǔ)言是有障礙的，大家都在追求用一句話去描述一個(gè)意圖，但其實(shí)我們的表達(dá)和我們所想的內(nèi)容本身就有誤差?？赡芪覀兡X海中真正想的東西Level很高，但未必能把這些想法和感覺(jué)準(zhǔn)確傳達(dá)出來(lái)，模型的理解將會(huì)進(jìn)一步放大這種誤差。

今天的模型在去理解意圖、匹配預(yù)期上已經(jīng)很強(qiáng)了，但是你仍會(huì)發(fā)現(xiàn)，prompt類(lèi)型的模型的產(chǎn)出總是不太穩(wěn)定，有時(shí)候漸行漸遠(yuǎn)。有時(shí)候你想把它拉回來(lái)，結(jié)果它又變得更遠(yuǎn)了。相信很多用過(guò)AI創(chuàng)作工具的人都有這種感受。

而創(chuàng)作本身就是一種表達(dá)，像語(yǔ)言藝術(shù)一樣，是可以有結(jié)構(gòu)的。我們的團(tuán)隊(duì)平時(shí)會(huì)去學(xué)習(xí)導(dǎo)演學(xué)之類(lèi)的表達(dá)方式，這些本身就是套非常復(fù)雜的體系。我們看一個(gè)視頻時(shí)感覺(jué)行云流水，但其實(shí)里邊的主體怎么展現(xiàn)，鏡頭結(jié)構(gòu)怎么設(shè)計(jì)，轉(zhuǎn)場(chǎng)怎么過(guò)度，什么時(shí)間進(jìn)入，甚至背景音效怎么配合，這些編排層面的復(fù)雜工作如果僅靠提示詞去傳達(dá)，我認(rèn)為并不能真正貼合創(chuàng)作者本意。我們還是希望給予他們一個(gè)更貼合、更精準(zhǔn)的表達(dá)權(quán)力，讓他們?cè)趺聪氲?，就能怎么?shí)現(xiàn)。這個(gè)就涉及到對(duì)于用戶創(chuàng)意語(yǔ)境的理解，世界觀構(gòu)架，再到創(chuàng)意結(jié)構(gòu)的構(gòu)建這個(gè)過(guò)程。

創(chuàng)投家：這種方式是一種過(guò)渡方案，還是未來(lái)會(huì)長(zhǎng)久存在的方式？

黃嚴(yán)：其實(shí)這兩種創(chuàng)作方式并不沖突。當(dāng)前我們的想象力引擎，本質(zhì)上是一套面向 AI-Native 時(shí)代的創(chuàng)作操作系統(tǒng)（Creative OS）。

這套系統(tǒng)并不是從生成結(jié)果出發(fā)，而是從理解創(chuàng)作者的創(chuàng)作意圖與語(yǔ)境開(kāi)始，逐步完成世界觀構(gòu)建、創(chuàng)意結(jié)構(gòu)生成，再到創(chuàng)作流程的自動(dòng)化或半自動(dòng)化編排，最終產(chǎn)生成片，并通過(guò)持續(xù)的交互式反饋實(shí)現(xiàn)自我迭代與演進(jìn)。

我們所做的，是對(duì)“從一個(gè)想法到持續(xù)產(chǎn)出作品”這一過(guò)程進(jìn)行底層重構(gòu)，把原本高度依賴個(gè)人經(jīng)驗(yàn)、工具拼接與反復(fù)試錯(cuò)的創(chuàng)作行為，轉(zhuǎn)化為一個(gè)可被系統(tǒng)理解、可被工程化執(zhí)行、并能夠持續(xù)進(jìn)化的完整創(chuàng)作閉環(huán)。

在這套創(chuàng)作OS架構(gòu)中，Agent 與各類(lèi)生成式模型并不是孤立調(diào)用的能力單元，而是被統(tǒng)一納入創(chuàng)作系統(tǒng)之中，根據(jù)不同階段承擔(dān)不同角色，充分發(fā)揮各自在理解、生成與反饋環(huán)節(jié)的優(yōu)勢(shì)。

正是這種從“意圖 → 結(jié)構(gòu) → 流程 → 作品 → 反饋 → 演化”的系統(tǒng)級(jí)設(shè)計(jì)，構(gòu)成了想象力引擎的核心，也使其不再只是一個(gè)生成工具，而是一套能夠支撐持續(xù)創(chuàng)作與表達(dá)演進(jìn)的底層基礎(chǔ)設(shè)施。

創(chuàng)投家：您認(rèn)為AI創(chuàng)作工具最終給出的，應(yīng)該是一個(gè)模型認(rèn)為的最優(yōu)解？還是一個(gè)最貼合創(chuàng)作者意圖的解？

黃嚴(yán)：我更希望是后者，當(dāng)前很多工具是前者。想象力引擎的核心是語(yǔ)境最優(yōu)，是希望讓創(chuàng)作者的所想快速轉(zhuǎn)化為現(xiàn)實(shí)。

用戶的想象力其實(shí)是某種語(yǔ)境，是有明確目標(biāo)感的意圖。但其實(shí)有很多語(yǔ)境是創(chuàng)作者自己都沒(méi)有描述出來(lái)的東西，需要模型去確認(rèn)，需要替用戶產(chǎn)生聯(lián)想和構(gòu)建，這其實(shí)是去理解他的內(nèi)心世界的過(guò)程，從而產(chǎn)出一套貼合他語(yǔ)境最優(yōu)的結(jié)果。

還是那句話，我們想做的事情是保護(hù)和完善創(chuàng)作者的表達(dá)權(quán)，而不是去追求與創(chuàng)作者意圖違背的結(jié)果，哪怕這個(gè)結(jié)果看起來(lái)更優(yōu)。

創(chuàng)投家：Skira的PC和APP端之間是如何協(xié)同的？

黃嚴(yán)：Skira App更ToC，是面向全球用戶的“一鍵創(chuàng)作”玩法宇宙。Skira PC更面向制作人與技術(shù)流創(chuàng)作者的“AI 工作流樂(lè)高化”創(chuàng)作工具。有了它們，Skira不只是一個(gè)應(yīng)用，而是一套內(nèi)容流動(dòng)機(jī)制與創(chuàng)作者生產(chǎn)力系統(tǒng)。

等于，Skira的整個(gè)模式從一開(kāi)始就不是單邊供應(yīng)或單邊消費(fèi)，而是以“玩法”為中心的，供給—消費(fèi)雙向循環(huán)。C 端需要專(zhuān)業(yè)創(chuàng)作者供給玩法，創(chuàng)作者的創(chuàng)意也需要C端用戶去消化、使用、再表達(dá)。所以Skira天然是一種平臺(tái)結(jié)構(gòu)，PC和App分別承載了平臺(tái)的兩端。

創(chuàng)投家：現(xiàn)在Skira的生態(tài)中專(zhuān)業(yè)制作人和C端玩家的數(shù)量大概各是多少？

黃嚴(yán)：Skira目前還處在一個(gè)增長(zhǎng)階段，我們不是很強(qiáng)調(diào)純粹數(shù)量上的增長(zhǎng)，更在意質(zhì)量?？梢酝嘎兜氖牵F(xiàn)在 Pro C 和 C 端用戶的比例是1:10。

創(chuàng)投家：這個(gè)想象力引擎的上限在哪？為什么現(xiàn)階段主要生成的內(nèi)容以30秒短視頻內(nèi)容為主？

黃嚴(yán)：能力邊界其實(shí)不由引擎或是模型決定，最終其實(shí)是由我們實(shí)際上可以支撐創(chuàng)作者的顆粒度來(lái)決定。

目前為什么選擇30秒短視頻？其實(shí)核心原因是我們的團(tuán)隊(duì)非常懂30秒內(nèi)的創(chuàng)作邏輯。在短短30秒里，前三秒怎么抓人、后幾秒如何防止跳出、如何提升完播率，其實(shí)都是非常有挑戰(zhàn)的，在30s這個(gè)區(qū)間內(nèi)幾乎可以遇到AI創(chuàng)作的所有挑戰(zhàn)，某種程度上比中長(zhǎng)視頻更復(fù)雜，中長(zhǎng)視頻反而AI作為輔助，制作團(tuán)隊(duì)的作用會(huì)更大些。而我們關(guān)注的，正是如何在這30秒內(nèi)去直觀提升創(chuàng)作者意圖表達(dá)的效果。

而想象力引擎的上限其實(shí)是根據(jù)創(chuàng)作者能力界定的，核心維度在于創(chuàng)作者自身的想象力或者語(yǔ)境。

創(chuàng)投家：Skira和剪映的核心區(qū)別是什么？

黃嚴(yán)：剪映確實(shí)是一個(gè)非常偉大的創(chuàng)作工具，我也有幸參與了整個(gè)開(kāi)發(fā)過(guò)程，但我們走的路徑確實(shí)完全不一樣。

剪映的出發(fā)點(diǎn)，是在剪輯的過(guò)程中融入一些創(chuàng)作的巧思，加入一些AI的內(nèi)容，它的核心是替抖音的用戶加速創(chuàng)作，推給用戶的東西叫作模板。

而我們提供給用戶的是制作人們搭建的玩法，玩法產(chǎn)生的不光是一個(gè)短視頻，更是一種表達(dá)方式，其交互形式更加多樣，受眾人群也更廣泛。同時(shí)，基于這批制作人生態(tài)引申出來(lái)的社交和社群屬性，也是我們更希望去深度發(fā)掘的東西。

創(chuàng)投家：Skira的商業(yè)化路徑是如何設(shè)計(jì)的？

黃嚴(yán)：我們商業(yè)化上的邏輯是，先通過(guò)好的技術(shù)架構(gòu)，降低對(duì)于昂貴模型的依賴，以此來(lái)做好成本管控。

在此基礎(chǔ)上，我們希望大家可以先玩起來(lái)。增長(zhǎng)雖然是第一優(yōu)先級(jí)，但我們從來(lái)不追求一波流，而是希望制作人能夠留存下來(lái)持續(xù)地進(jìn)行創(chuàng)作。

所以我們?cè)O(shè)置的收費(fèi)模式更多的是，當(dāng)C端用戶真的喜歡我們的產(chǎn)品以及一些心儀的玩法，當(dāng)制作人真的喜歡我們的創(chuàng)作架構(gòu)進(jìn)行更多的玩法創(chuàng)作時(shí)，他們才需要去購(gòu)買(mǎi)一些創(chuàng)作的Credit包或者訂閱。我們更傾向用我們的玩法去擊中一些真正對(duì)玩法感興趣的人，所以推廣上一直也比較克制，不會(huì)去做一些激進(jìn)的商業(yè)化，以免制作人的人群畫(huà)像出現(xiàn)偏差。

創(chuàng)投家：咱們是通過(guò)什么渠道獲取這些專(zhuān)業(yè)制作人的？咱們的生態(tài)里會(huì)給到他們?cè)鯓拥募?lì)？

黃嚴(yán)：專(zhuān)業(yè)制作人并不是一個(gè)憑空冒出來(lái)的新群體，中國(guó)的短視頻生態(tài)里本身就存在著一批AIGC的創(chuàng)作者和玩家，他們?cè)诙兑?、小紅書(shū)生態(tài)里尤為活躍，而且極富創(chuàng)意。

站在他們角度，其實(shí)并不缺商單，現(xiàn)有流量平臺(tái)帶給他們的收入已經(jīng)比較可觀。他們需要另外的平臺(tái)有自己拿得出手的作品，以及更高的知名度，這個(gè)也是他們所追求的因?yàn)檫@樣會(huì)提升他們本身的議價(jià)能力。

所以他們普遍會(huì)有另兩個(gè)痛點(diǎn)，一個(gè)是工具不趁手，一個(gè)是無(wú)法被看見(jiàn)。比如說(shuō)現(xiàn)在一個(gè)制作人要做一個(gè)短片，他需要先在Midjourney、可靈、即夢(mèng)這些平臺(tái)上走一圈，再回到剪映，非常麻煩。而我們的思路是幫助他們提供一個(gè)可以構(gòu)建小玩法，搭建小巧思的工具，在玩法里邊融入他的創(chuàng)作理念。另一面，制作人搭建的玩法會(huì)被推到臺(tái)前，普通用戶也可以在我們的生態(tài)里玩起來(lái)，就像在體驗(yàn)制作人的世界觀一樣。

激勵(lì)這方面，根據(jù)玩法被調(diào)用大小，我們會(huì)提供分傭和補(bǔ)貼的策略，同時(shí)在制作人生態(tài)里我們還會(huì)組織一些創(chuàng)作比賽，也會(huì)給到一些現(xiàn)金獎(jiǎng)勵(lì)。這算是給制作人開(kāi)辟了一條新的收入路徑。

創(chuàng)投家：目前創(chuàng)作者使用Skira的反饋如何？

黃嚴(yán)：上線一個(gè)月，Skira已經(jīng)吸引了一批全球化的創(chuàng)作者KOC。

一些正反饋是，有創(chuàng)作者利用Skira中的玩法模板，已經(jīng)在YouTube上從0起號(hào)獲得單視頻上萬(wàn)播放，而且大家會(huì)隔天或者隔幾天過(guò)來(lái)繼續(xù)看看有沒(méi)有什么新的好玩的玩法，觀察到的很多指標(biāo)都超預(yù)期。

我們團(tuán)隊(duì)一直在探尋短視頻創(chuàng)作者為什么能夠產(chǎn)出流量?jī)?yōu)秀的作品，并形成了可實(shí)操的方法論，最后形成了引擎，希望AI時(shí)代來(lái)臨的時(shí)候，可以讓更多人真正把自己的想象力變成一種表達(dá)能力，并成為全球AI-Native創(chuàng)作的基礎(chǔ)設(shè)施。（作者｜郭虹妘，編輯｜陶天宇）