做视频的「Cursor」，Anijam重写动画创作流程丨涌现新项目

文｜梁键强

编辑｜王毓婵

一句话介绍

Anijam是一款面向动画创作场景的AI Video Agent，目的是以更低成本提升动画内容生产效率。用户只需输入自然语言提示，即可自动完成角色生成、分镜设计等关键环节的自动生成。

团队介绍

创始人兼CTO王珏，先后获得清华大学学士、硕士学位及美国华盛顿大学博士学位。曾于2020至2023年担任腾讯杰出科学家、AI Lab视觉计算中心总监，拥有IEEE Fellow头衔，2017至2019年任旷视美国研究院院长，2007至2017年任Adobe首席科学家。

CEO 方晨，博士毕业于美国常春藤院校达特茅斯学院，曾先后任职于 Adobe Research 、字节跳动北美 AI Lab 及腾讯，具备从技术研发到产品落地的完整经验，其成果已广泛应用于Photoshop、Lightroom、抖音、微信等产品。

融资进展

已累计完成千万美金级别的融资，投资方包括奇绩创坛、Atypical Ventures和元璟资本。

产品及业务

Anijam的核心定位，是打造一款面向视频创作者的AI Video Agent，类似于视频领域的“Cursor”。就像Cursor这类AI编程工具能够理解需求、协助完成开发任务一样，Anijam也希望推动视频创作走向“AI驱动生成”，帮助创作者完成角色生成、分镜设计等关键环节。

视频创作本质上是一项高门槛、长流程的专业工作。一个完整的视频，从前期的脚本构思、角色设定、分镜拆解，到中期的镜头设计、动作衔接、画面风格统一，再到后期的剪辑、配音和节奏调整，背后需要系统的创作方法和专业能力。

AI虽然让视频生成变得更容易，但对大多数普通人来说，真正的难点并不在于生成，而在于如何搭建叙事、设计镜头语言，并组装成一支表达清晰的好视频。

方晨认为，AI大模型会由头部公司主导，而机会点在于解决生成内容不可控、难修改的问题。

基于这一判断，产品将视频创作流程进行了重新拆解。Anijam通过AI，将原本割裂、复杂的创作流程进行整合，让用户通过更简单的交互完成完整的视频生产。

Anijam在后台整合了多个第三方大模型，并在Agent流程编排、后编辑算法及用户体验优化上进行了优化。

用户只需输入一句自然语言，例如“制作一段孙悟空三打白骨精的视频”，系统就会自动完成从故事大纲生成、视觉概念设计，到分镜脚本拆解、关键帧生成、视频片段制作及最终合成的完整流程。

整个过程以画布为载体形式，用户可以在任意环节介入修改。例如调整画风、增删角色设定，或对镜头细节进行优化。

在这一过程中，系统会自动识别故事中的关键元素，包括角色、场景、道具及风格，并基于此生成完整的分镜镜头。每一个镜头都会包含场景描述、角色状态、镜头语言等信息。

创作者不仅可以看到每个分镜的大致效果，还可以通过自然语言进行修改，例如调整镜头视角、改变构图，或者替换局部元素等。同时，系统会自动生成每个分镜的关键帧，并支持逐镜头预览与修改。

这也是Anijam的关键能力之一，即从抽卡式生成视频走向“可控编辑”。

传统AI视频生成往往依赖反复生成整段内容，一旦某一帧不满意，需要整体重来。而Anijam强调“局部可编辑”，例如只修改角色表情，而不影响动作或背景。

Anijam正在优化AI驱动的视频编辑能力——不仅支持局部修改，还在尝试构建AI的自反馈机制。在方晨的规划中，Anijam未来会争取让AI自动评价视频生成效果，扮演一个“第三方AI导演”，对AI工具生成的镜头质量打分，并反向优化生成过程，通过“AI指导AI”来减少人工调试的次数。

在产品形态上，Anijam同时提供桌面端与移动端。Web端承载更复杂的创作与编辑能力，适合长流程生产。移动端则以对话式交互为主，界面更轻量，适配高频内容创作者。团队还在构建创作者社区，将优质内容沉淀为模板，供用户复用。

当前产品已支持最长5至10分钟的视频生成，具体耗时取决于内容复杂度。一条约2分钟的视频，生成过程可能需要数十分钟至一小时。

在商业模式上，产品采用分层订阅模式，覆盖不同强度的创作需求，从25到60美元不等，价格区间的提升，本质上对应的是算力额度与生成能力的差异。

随着用户与Agent的持续交互，系统会积累大量与创作相关的数据，包括用户偏好、风格选择、修改路径等。这些数据将被进一步结构化，转化为“创作记忆”，并嵌入到Agent中，使其逐步具备个性化能力。

Anijam试图实现的，是用一句话启动创作，用AI完成生产，并对每一帧内容进行可控修改，同时在持续使用中不断变得更高效。

Founder思考

• AI视频赛道仍处于早期阶段，时间窗口就是壁垒

视频大模型的持续进步是确定的趋势，这对所有入局的玩家来说都是红利。真正的差异不在模型本身，而在模型之外的能力构建，例如后编辑能力、Agent流程编排，以及如何让生成内容变得可用、可修改。相比单纯调用模型，如何让生成内容变得可用、可修改，才是产品竞争的核心。

这一赛道还处在早期阶段，产品还不完美，仍需要用户大量参与修改。在这个阶段，最该担心的不是竞争，而是效率。要尽快进入市场、获取用户，并在真实使用中积累数据与认知。

创业公司与大厂竞争的关键，是要更早跑起来，形成用户留存与数据沉淀。

参考图像生成市场的发展路径，AI视频领域未来也不会出现一家垄断的格局，而是由多家厂商分占不同份额。市场结构可能更加均衡，每家占据一部分用户与场景，而不是单一平台占据绝大多数份额。

• 视频Agent的核心不只是生成好视频，而是“讲好故事”

当前AI视频的瓶颈，并不只是画面生成能力，而是叙事能力。

让模型在两分钟内清晰讲述一个完整故事，本身就是一件难度极高的事情。这意味着，真正的挑战不在于生成单个片段，而在于如何用导演语言组织内容，讲述用户的故事。

未来的创作者工具不再只是提供功能，而是成为用户的创作伙伴。随着创作者与Agent持续交互，系统会积累用户在创作过程中的行为数据，包括偏好、修改逻辑与经验。Agent可以逐渐理解用户意图，甚至提前完成部分创作决策，最终演化为一个具备记忆与进化能力的“数字分身”。

Anijam的目标并不只是做一个工具，而是成为类似Adobe的创作平台。通过技术重塑创作流程，在提升效率、降低门槛的同时，承载更大规模的内容生产与创作者生态，从而让更多人参与创作，并从中获得价值。

• AI将推动创作平权，但注意力仍集中头部

随着Agent能力的进一步提升，视频创作将逐渐从“人不断参与反馈”的过程，转变为更自动化的生产模式。未来甚至可能出现“Agent替人反馈”的情况。用户只需提出需求，其余由系统自行完成迭代与优化。

AI正在降低创作门槛，让更多人能够参与内容生产。类似短视频平台的出现，使原本无法进入院线的创作者获得了表达空间，这是一次创作平权的推进。

但与此同时，注意力分配并不会完全平均。院线与短视频并非替代关系，而是新增渠道，头部内容依然会集中流量与商业价值。因此，AI带来的不是“平均化”，而是在扩大供给的同时，继续强化头部效应。

• 商业模式将从“卖算力”走向“按结果付费”

目前的视频生成成本仍然很高昂，但随着后续的需求增加和技术进步，价格会逐步下滑。

一方面，大规模的需求会持续压低成本；另一方面，模型层面的优化与加速将显著减少算力消耗，例如通过架构优化、硬件协同等方式，将原本需要大量token的生成过程大幅压缩。这意味着，同样一段视频所需的计算资源可以实现数量级下降，从而带动整体价格快速走低，进一步推动AI视频应用的普及。

在商业模式上，当前以算力为核心的计费方式，本质上是阶段性形态。随着技术成熟与成本下降，未来更可能转向“按结果付费”——即用户在对AI视频满意并愿意下载时，才为最终产出买单，而非为生成过程中的token消耗付费。

这一模式的成立，依赖于产品在质量、成本与速度之间达到平衡，一旦生成结果足够稳定且可控，用户的付费逻辑也会随之发生转变。

• 从动画创作者出发，撬动更广泛的内容人群

Anijam选择从动画类型（animation）切入。原因在于，这一群体本身已经习惯数字化创作流程，对AI工具的接受度更高，相比实拍视频创作者，迁移成本更低。同时，这类用户往往具备较强的创作意愿，是早期最容易被激活的一批人。

在更广泛的用户层面，团队观察到，海外市场存在大量“轻创作用户”——包括副业创作者、内容爱好者等，他们具备较强的内容生产意愿，并且已经在YouTube、Instagram等平台实现初步商业化。

方晨认为，在B端专业内容公司之外，to C创作者同样具备付费能力与增长潜力。

另外，动画与真人视频在技术难度上存在明显差异。尽管两者在生成时长上相近，但真人视频对质量的要求更高，例如需要跨越“恐怖谷效应”，同时在细节、衔接与转场上更接近真实，这使得整体实现难度显著提升。相比之下，动画在风格容错与表达上更容易达到可用水平。

从长期来看，真人视频仍然是更大的市场方向。随着技术成熟与行业方案逐步完善，真人视频的需求一定会释放，我们未来也会进入这一领域。

封面来源｜企业官方