#AGI Playground 2025笔记 📝 🔥 【多模态内容生成】 1. 多模态内容生成是属于中国公司的机会：（1）人才与技术储备：抖音、快手等平台积累了深厚的人才储备，在视频生成领域具备技术优势。（2）行业竞争与创新环境：多模态技术尚未成熟，中国市场竞争更激烈，推动技术快速迭代。（3） 应用场景与反馈效率：中国拥有更多元的应用场景，用户反馈周期短，便于技术快速落地优化。 2. 创业公司通过聚焦技术细节和非共识领域机会，应对与大厂的竞争：（1）聚焦未成熟技术领域与非共识领域，持续开拓新机会。（2）掌握核心knowhow技术细节（如多模态融合中意图解析的最佳节点，在哪个层面和哪个阶段做语义对齐）。（3）不可避免地会面临大厂竞争，如招人难、算力竞争等问题，但将其视为成长的“成人礼”。 3. 技术发展趋势是：（1）多模态生成与理解的统一（2）实时生成技术 4. 需要聚焦目标用户，搞清楚他们的期望和特点，然后反馈到产品和技术细节上做差异化：Pixverse网页端偏专业用户，移动端模板多、偏普通用户。VAST的3D产品聚焦专业用户。 5. C 端暂未考虑加agent，B端可探索基于 agent 搭建 workflow：C 端尚未明确 agent 功能为 C 端用户带来的新增价值。尽管 agent 具备端到端交付优势，但当前 AI 能力无法独立完成从0到1的优质视频创作。studio 内现有工具已能满足 C 端用户的基本需求。B端可探索基于agent搭建workflow的功能，适配 B 端用户流程化需求。优质内容的核心在于故事创意，而非制作流程优化，目前尚未明确 agent 在 B 端场景中的价值切入点。 一年内的目标：Pixverse技术上有高质量的实时生成的视频模型，用户上有3-5亿用户（翻个4-5倍）。Feeling AI在产品内沉淀出好内容。VAST成为大众级的3D创作工具，并实现简单的可交互内容的生成。