个人月花一到两万美元，写代码之外还有生成媒体｜Sourcery × fal

两位创始人更想谈生意。主持人 Molly 说她追了很久：公司一轮接一轮在融，最近一轮又是到目前最大的一轮。对方说公告开头有推一把的作用，轮次多了就无关，要紧的是业务。肾上腺素过了。采访在餐厅 Dalita，菜单和闲聊按下不表。字幕祝贺了连续融资，没有说出金额、轮次字母或领投机构。

原始来源：Inside fal’s $1.65B Series E & F Led by Sequoia & Bessemer。中文深度整理，非逐字翻译。本文依据 YouTube 自动生成的英文字幕，专有名词和数字可能有识别误差。节目标题写有 16.5 亿美元的 E、F 轮以及 Sequoia、Bessemer，字幕没有清楚说出这些数字和领投，正文不采用。创始人名字在 Gam、Gorkum、Gimm、Giram 之间跳，下文称 fal 创始人。公司名在 file、fall、foul 和 fal 之间跳，下文按 fal。

搜索、编程、生成媒体：后两条能让个人月花一到两万美元

他们谈 AI 时数出三条产品市场契合。一条是搜索，从最早的 ChatGPT 消费产品，到现在的 Google 和 Gemini。搜索大到可以单独给它一张通行证。另一条长得很快的是编程智能体：一个人在 Claude 或 OpenAI 的订阅上，一个月也许花 1 万或 2 万美元。第三条他们认为是生成媒体。如果这就是你的工作，在 AI 原生工作室或现在的正规工作室，坐在电脑前整天生成视频，一个月同样花 1 万到 2 万美元。他们说这是 AI 里另一个能让个人花到这个数的用途。增长是因为更多人在用，而且每个人花得很多。

对这后面有多少钱，他们说百分之百吃惊，一路都在吃惊。

收入结构也转过一次。视频模型现在大约占收入的 50%。过渡期里视频从零走到大约 70%。他们当时以为图像模型完了：算力不够看，问题也简单，从此都是视频。图像编辑把图像模型拉了回来。它也帮视频：先做出不同的帧，视频模型在这些帧之间插值得好得多。口播现在的收入是五五开。一部分业务眼看要死、又大举回来，这同样出乎他们意料。

最好的视频模型，口播也许能做 10 到 12 秒。新的也许到 30 秒。在能做实时、流式、很高清晰度之前，这件事还会往上走。分辨率和时长上去，成本指数上升：推理时注意力更多，像素也按分辨率指数变多。他们因此有一个框架：往后还有更多钱可赚，因为现在拿到的视频输出仍很初步。

5 秒从大约 30 美分跳到大约 5 美元，仍有人用

去年 V2 出来时，当时最好的视频模型之一，字幕听成 Cling，旁边还点了 Minimax。价格从大约 40 美分一条 5 秒视频，落到大约 30 美分。V2 大约 5 美元一条 5 秒，跳了十倍以上。他们的反应是：谁会为又一个 5 秒付钱。结果是需求近乎无限。更贵的模型接着来，人继续用。底下发生的是更专业的用途：广告、市场，以及真正的电影制作。质量高到别的模型接不住的那部分需求出现了。用量在涨，能力在涨，东西同时更贵。和语言模型那边常说的撞墙、回报递减相比，他们说这一侧离递减还远。口播还点到 CES V2 和 V2.5，专名按字幕保留。

Sora 他们也在平台上托管过。下线前最后三个月增长很大，他们一度觉得量近乎无限。传闻是算力不够分给别的事，跑起来也贵。也许还会回来。这是口述。

广告他们看成很大的用途。互联网靠广告转。这些模型做的内容适合用完即弃的 UGC 广告：不行就再做一条，光线不必完美，看起来像自制反而更容易。主持人当天在 AppLovin，字幕听成 Applovven，听 Adam 和首席技术官 Gio 说，效果最好的广告大约 60 秒，而生成模型最好大约 5 秒，不是每个品牌都能这么用。创始人的回应是不必连续生成 60 秒，快速短切在有些场景更好。广告发出去就有互动数据，可以小步改、把表现好的多放。这条环可以自动转。他们说还没有人做得特别好，自己希望参与这条自动广告。有几家公司已经在做，还没铺开。整套强化学习还不直接。几年内他们预期这会变成常态。

先是算力公司，门面后来才换成生成媒体

公司 2021 年起步，他们称为前 AI 时代的算力公司。当时的论点：上一波数据基础设施出了 Snowflake、Databricks 这种公司，共同点是拥有算力。下一代也得抓住算力。他们以为下一块是 Python，像 Snowflake 和 Databricks 把 SQL 放进云里、弹性伸缩算力那样。于是帮一些团队把数据科学和机器学习的负载放进云。他们自己说，这些是旧词。

随后是 ChatGPT，以及他们这个方向上的 Stable Diffusion，和字幕听成 Deli 的图像模型，按语境是 DALL·E。语言开源模型很快有一场价格战，Llama 也在不久后出现。当时大约五六个人，账上钱不多，不能用负毛利卖 token。视频模型那时还没有影子。他们改去把图像模型在同一套基础设施上跑得更快。技术团队自信能把推理做快，并没有一份成型的论点说这些模型会走向哪里。另一门生意做了一年，一美元没挣到。图像这边收入开始往上走，于是把焦点放在图像。大约三到六个月后，他们认定趋势和语言模型帮助的那些事不一样：广告和营销，买家完全不同。为了把故事讲清楚，造了 generative media 这个词，贴上网站。三年前没人懂这是什么。三年后是一个行业。第一次玩最早的那类图像模型时，他们想不到能拍电影。大约 18 个月后，人们开始觉得可以做长片。

今天大约 150 人。其中一位 2016 年加入 Coinbase 时，对方大约 100 人，和他们现在的规模相近。招人的启发来自 Coinbase 当年贴在 Reddit 上的加密测验：不过测验，连电话都排不上。要的是这门事的狂热者，不雇他们也会自己做。领导层大多是以前共事过的人。信息更多从这层领导来，而不是从网上读。

两人都是土耳其人，在土耳其并不认识。2014 年一个人刚到旧金山就遇见了对方。疫情期间在棕榈泉合租房子，才觉得有一起工作的化学反应，又过了大约一年才开公司。朋友做了十多年，公司做了五六年。三十多岁创业的好处，是一整段职业生涯里信任过的人可以拉来。早期工程团队几乎都是认识、共事过、信任的人。一位来自 Coinbase，一位来自亚马逊，这是主持人的归纳。

组织上比常见创业公司更平。汇报最深大约两层。他们不设纯经理，也不打算设。超级个人贡献者这个词现在流行，他们早先没有这名字：带队的人自己极能动手，团队围着真正强的人长出来。瓶颈会出在沟通和对齐。增长刚好撞上编程智能体变成软件工程的一大块。只要模型和智能体继续按这个速度变好，一位超级个人贡献者带着大约五到十个工程师，大部分工作交给编程智能体，两层就够。主持人拿 AppLovin 做对照：数十亿美元收入、大约 400 名员工、工程大约 100 人，市值高峰口播约 2500 亿美元，当时约 1300 到 1500 亿美元。这些是主持人的数。创始人说自己是 Adam 的推崇者。

他们要的工程师，难在能做商业决定。大公司里工程师做工程。这里客户在模型之间换得很快，工程师经常得自己做决定，或因为跟客户工作而做决定。看的是 agency：能独立行动、负责、拥有决定。最好的检验是以前一起工作过。饥饿也要。反向推销用来识别：工作很多。他们周末回家，并说这没什么好吹的。同时也实话实说会有时间很紧的阶段，口播 60 小时、80 小时，用来滤掉一部分人。还要谦逊、低自我、好共事。处在前沿的难处，是你得真想建一家大公司，还得跟得上。一个月没有好模型，所有人恐慌。答案是再等一个月。从他们开做起就是这样。

算力不够分的时候，门面决定你是哪家算力公司

他们现在在生态里的角色有两面：模型提供方的基础设施伙伴，也是应用层和工作室的 API 伙伴。供需两边都看得到。眼下算力紧。新模型要提前规划推理算力。成功了，往往自己也买不到，所以适合和推理提供方一起做发布。客户通常同时用多个模型，产品发布也绑在模型发布上。他们得预先判断模型侧会有多大增长，去备自己的算力，有时还要投一点。否则算力会全去编程智能体，或出手更大的那边。最近几个月，他们认为这成了自己在生态里的责任。

生成媒体不止视频。文本生图、图像编辑、视频、3D、文本转语音、语音转文本，游戏用途的 3D 也算。每个子类里口播有五到十家公司，更碎，发生的事更多。他们觉得这一侧还早，大概走到最终要去的地方的 50%，还在互相超越。玩家口播大约八家，不只是 OpenAI 和 Anthropic。视频数据没有耗尽，也没有人声称自己训过全部。难的是滤出有意思的视频。问题空间是整个世界和物理，角度比写代码更宽。新东西几乎隔月就来。

名字是这么来的。更长的名字是 Features and Labels，机器学习里很老的两个词，在他们称为前 AI 的时代。fal 是这两个词的首字母。字幕里有人听成 foul，他们纠正说不是。另一层是土耳其咖啡：喝完看咖啡渣算命，那种占卜就叫 fal。在土耳其人人做过。

开源和闭源的摆锤，他们认为还会摆。落下风的人开源模型，是很强的营销，全世界会开始谈你。好莱坞工作室想微调、换光、用未发布的角色和风格。字幕里的过滤器听成 Laura's，按 LoRA 理解。他们认为只有开源做得到。也有人要保护知识产权、源代码和客户名单，本地跑就少一层担心。早先他们以为开源是威胁，因为当时主要在跑开源。后来也和闭源模型合作做推理，变成两边都接。客户如果知道模型跑在 fal 的 GPU 上，无论开源闭源，信任会高很多。未发布内容常常是视频模型的输入，创作者不想泄露。对企业客户，这件事说得通。

好莱坞会被远处说成「AI 要杀死好莱坞」。他们说自己一直在跟这些人谈。到目前为止，对好莱坞劳动的影响是零，几乎还没做出值得一看的好莱坞内容。谈了四年，一直是恐吓，没有落地的东西。来自好莱坞的生意过去六个月在增加，到了收入里有意义的一个比例。字幕没有给出这个比例。采用慢，是因为除了模型质量，公司律师也要点头。他们看到现在才慢慢全体压上去。主持人说洛杉矶很多动作是监管。这是对话里的判断。

工程团队有多快，其中一位估计大约 3 到 4 倍。要达到同样速度，以前大概要四倍的人，而他们付的钱少于那四倍。他说这是自己的估计。怀疑资本开支和「AI 到底有没有用」的人，他认为很多并没有靠近公司里 AI 实际怎么用。生成媒体如果要说，仍刚刚开始：广告、好莱坞、社交，都只是见到了。

每家大公司都会变成算力公司。不一样的是门面。他们的门面独特，没有第二家类似的。有的公司门面是编程智能体。去新云厂商，没有门面。Databricks 讲的是数据。每个人故事不同。背后是谁在跑最多的算力，谁就带来收入。主持人插了一句外界听到的大约 2000 亿美元资本开支，很多还没建起来，算力现在不够。2000 亿是这句对话里的外部数字。

从能力演示，到一年后还想再看

未来十二个月，一位创始人等的是第一份不会过时的 AI 内容。定义是：你我今天看，一年后再看，喜欢的程度一样。到目前为止，AI 内容都在展示能力：你看，视频模型能做这个，图像模型能做那个。他希望明年有一部被广泛接受的短片或动画，几年后回头看，享受和今天一样。主持人用 1996 年左右的《玩具总动员》做计算机图形的对照。

另一位谈世界模型。三个月前他还很怀疑。世界模型是你可以走动、用键盘放进动作、在里面导航的那种，看起来像游戏。最近看到的让他转成看好。质量和速度还要上去。新架构开始能让世界保持住：以前往这边看一朵花，转头再回来，花没了；现在能留住。可以用提示做出一个游戏。算力仍是大问题，因为玩的时候 GPU 得一直开着。他认为游戏加 AI 可能成为第四条产品市场契合，今天还不是。而且会很贵。

毛利是他的热评。公司四五年前起步时，共识是基础设施层价格会落到地板，毛利在应用层。他现在看到的是应用层竞争太多，营销花费太大，毛利接近零。只有待在算力路径上，并且能在这条路径上创新，才做得成毛利。应用层今天同样没有毛利。对话里提到 Tony Kim 的看法是芯片的市场更好。另一条热评：编程也是生成媒体的一部分。开发者在做的不只是网站，还有可编程的视频，那种看起来更像一段影像的站点。客户有需求，所以他们得在这上面投入。收束是一句：一切都是计算机。

有一条他标明是猜测、自己没有任何信息：OpenAI 在消费端和企业端都没有特别强地赢，Meta 也需要一点什么，两者如果合在一起去赢消费端会是好棋。字幕没有交易进展。这句只说明他愿意这么猜。