最近我一直在關注 @evanLiaoQ 做的 Pexo，這個項目我觉得非常值得聊聊。 現在 AI 影片領域已經非常內卷。 Kling、Veo、Seedance、Sora、Runway，每隔一段時間模型能力就會往前推進一截，畫質、時長、人物一致性、運動效果都在快速提升。 但真正親自使用過後會發現一個問題： 模型越來越多，不代表製作一條完整影片變得越來越簡單。 你還是得想選題、寫腳本、拆鏡頭、選模型、寫 Prompt、反覆生成，再去做配音、音樂、字幕和剪輯。 很多时候，生成一個鏡頭只需要幾分鐘，真正把它變成一條能發、能用、能拿去做 Marketing 的完整影片，反而才是最耗時間的部分。 Pexo 想解決的就是這個環節。 它並不是再做一個底層影片模型，而是在這些模型之上打造一個 AI Video Agent。 簡單理解就是： 以前是你自己操作各種 AI 工具。 現在你只需要告訴 Pexo： 「我想做一條什麼影片。」 剩下的事情交給 Agent。 它可以理解你的需求、讀取網頁或素材、整理資訊、生成腳本、拆分鏡頭，再根據不同場景調用不同的圖片、影片和音訊模型，最後將這些內容組合成一條完整影片。 所以我覺得 Pexo 真正有趣的地方，不在於又接入了多少模型，而在於它想把 AI 影片的互動方式，從： Generate a clip 變成：Make me a video。 這兩個邏輯差別很大。 前者賣的是「生成能力」，後者賣的是「結果」。 例如現在 Pexo 已經可以直接把一個產品官網 URL 丟進去，讓 Agent 讀取產品資訊，再自動整理成 Product Video。 對於 SaaS、品牌、電商、Crypto 項目來說，這種場景其實非常實際。 過去製作一個產品介紹影片，你可能得找文案、設計、剪輯，甚至外包一個團隊。 未來可能只是把官網、產品截圖和幾個核心賣點丟給 Agent，再透過對話不斷修改。 我最近比較關注的另一個功能是 Mark to Fix。 AI 影片已經不再是「能不能生成」的問題，真正麻煩的是： 生成之後怎麼修改。 一個鏡頭裡 Logo 太大、人物衣服顏色不對、某處需要替換、字幕位置不滿意，如果每次都重新生成整段影片，效率其實很低。 Pexo 的思路是直接在畫面上圈出來，然後告訴 Agent： 這裡換掉。 這裡不要動。 這裡改成另一個版本。 如果這種局部修改與上下文保持能力能持續做好，AI 影片才會真正從「抽卡工具」走向生產工具。 而且 Pexo 現在已不只是做一個獨立網站。 他們開始推出 Pexo Skills，嘗試接入 Claude Code、Codex、Cursor、Manus、OpenClaw 這類 Agent 環境。 這一步我覺得更值得關注。 因為未來我們未必會主動打開幾十個 AI 網站。 更可能是直接告訴自己的 General Agent： 幫我做一個產品。 幫我寫官網。 再幫我做一條 Launch Video。 然後通用 Agent 在後台調用 Pexo 這樣的垂直 Agent 完成影片生產。 General Agent 負責理解整個任務，Pexo 負責把 Video 這一部分做到足夠專業。 這可能才是 Pexo 真正想佔據的位置。 Pexo 背後的創辦人 Evan Liao 本身長期深耕 AI 影片與內容生成，之前在騰訊、字節以及 Vidu 都有相關經驗，因此這個項目的路線其實非常連貫。 從 Apex Context 到現在的 Pexo，他們一直強調一個概念： Context。 模型會越來越強，也會越來越便宜。 但真正決定一個 Agent 好不好用的，可能不是它接入了多少模型，而是它能不能真正理解用戶想表達什麼、記住品牌與人物的上下文、知道不同場景該調用什麼模型，以及在生成失敗後如何自動修正。 我覺得這也是接下來 Vertical Agent 最值得觀察的地方。 當底層模型逐漸商品化後，真正的競爭可能會從「誰的模型最強」，變成「誰最懂任務、最懂用戶，也最接近最終結果」。 Pexo 現在做的，本質上就是在賭這個方向。 從 AI Video Generator，到 AI Video Agent。 我會繼續關注它接下來能否把 生成、編輯、Context 和 Agent Workflow 真正串成一套完整的影片生產系統。 @evanLiaoQ