6月10日消息,据报道AI短剧公司井英科技(CreativeFitting)近日完成数千万美元A轮及A+轮融资,投资方包括王慧文家族办公室Lollapalooza Capital、蚂蚁集团及腾讯原集团副总裁殷宇。同期,原AWS亚马逊上海AI研究院首席应用科学家王敏捷正式加盟担任首席科学家。
这家成立于2021年的公司正在重新定义自身定位:从外界认知中的"AI短剧公司"转向"内容行业的Agent原生公司"。其核心逻辑是,当多模态模型让美工、拍摄、剪辑、配音等环节逐步虚拟化后,内容行业正具备被Agent重构的条件——就像代码行业已经发生的那样。
从Coding Agent到Content Agent
Coding Agent已经跑出了清晰的产业路径。Codex周活用户突破500万,Claude Code成为开发者日常工具,代码行业从编写到测试到部署全程在虚拟环境中闭环,Agent能力被充分释放。 井英科技的判断是:内容行业正在成为下一个。但直接套用Coding Agent的模式行不通,两个行业的反馈机制存在根本差异。代码有编译器和测试框架提供黑白分明的即时反馈,通过就是通过,失败就是失败。内容行业没有这套基础设施——用户偏好是主观的、动态的、极度个性化的,不存在一个"编译通过"的客观标准。
王敏捷将这一问题概括为"模型提升的是下限,不是上限"。大模型本质上是对海量数据的压缩,擅长输出稳定、安全的均值化结果。但好内容恰恰是反均值的——一个反套路的人设、一个精准踩中情绪的设定、一个出乎意料的反转,都是"毛刺"型输出,模型无法自行生长出来。
Agent原生公司的技术架构
井英科技要构建的是一个Agent"能接入、能自我进化"的内容环境,核心解决两个问题:
一是创意先验。对应Coding环境中的文档体系(README、API规范),内容Agent需要题材认知、受众画像、风格参考和行业经验的沉淀,才能理解"这个类型的用户真正期待什么样的剧情反转",而不只是计算点击率。
二是偏好信号。对应Coding环境中的编译器和测试框架,Agent需要准确、密集的真实用户反馈来校准方向,否则只能反复产出安全但平庸的内容。
运转模式上,人类从传统的"同步回路"退至"异步回路"——不再操作具体的AI工具,而是持续输入灵感与创意;多角色Agent则24小时留在"同步回路"中,自驱动完成生产、评估、迭代与分发。这套设计试图同时压缩三层行业摩擦:创作端的多人协作成本、消费端的创作者意图与用户偏好之间的Gap、以及整个行业探索新内容类型的漫长周期。
为什么从短剧切入
井英科技选择AI短剧作为首个场景,并非仅因市场热度。短剧月活用户已突破7亿,2026年中国微短剧市场规模预估突破1200亿元,但更关键的是其反馈密度。
王敏捷此前在AWS负责Deep Research产品评估时,调研报告类内容的用户反馈链路极长,做完一版改进要等很久才知道效果,等反馈到达时需求可能已经变了。短剧的反馈周期则极短——用户喜不喜欢、看不看得下去,几分钟内就有明确行为数据。这种高频信号密度是Agent环境自我进化的燃料。
同时短剧虽短,仍依赖人物、冲突、反转和节奏推进,能真正检验系统的叙事能力,而非仅仅生成一个视觉片段。
冷启动优势也是关键考量。井英科技过去几年在AI短剧领域的实际运营积累了真实创作者和高频消费者两端数据:创作者提供的创意构成高维信号,消费者的订阅、付费、互动数据构成偏好信号,两者形成Agent环境的启动土壤,不需要从零开始构建。
竞品格局与差异化路径
当前AI内容赛道的主流玩家大多聚焦在模型层。Seedance 2.0、Veo 3在视频生成质量上持续刷榜,但本质仍是单点能力竞赛——给定Prompt生成更好的视频片段。另一类是工具平台如即梦、Runway,提供创作工具但不介入内容生产闭环。 井英科技试图占据的是一个不同的生态位:不做模型、不做通用工具,而是构建内容行业的Agent运行环境。这更接近Coding Agent生态中Cursor或Windsurf的角色——价值不在模型本身,而在于将模型能力嵌入一套完整的工作流与反馈系统。
需要验证的关键假设
这套构想面临几个现实挑战。首先,内容偏好信号的颗粒度和可靠性远不如代码的编译结果,用户行为数据(完播率、付费率)与真实内容质量之间存在噪声,如何建立有效的评估标准仍是开放问题。其次,"Agent原生公司"的组织形态尚无成熟先例,多Agent协作在内容创作这种高度非结构化的领域能否稳定运转,缺乏规模化验证。此外,系统目前仍处于内测阶段,从短剧单一品类扩展到"整个内容行业"的路径和时间表均不明确。
井英科技的融资和人才引入释放了明确的技术转型信号,但从概念到产业验证之间,还有相当距离要跑。