fal 如何成為成長最快的 AI 基礎設施公司之一
fal 如何成為成長最快的 AI 基礎設施公司之一
fal 創辦人 Burkay Gür 與 Gorkem Yurtseven 回顧公司從算力轉向生成式媒體的轉型歷程,主張價值會累積在算力端,而應用層的毛利率則趨近於零。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
推論平臺 fal 的共同創辦人 Burkay Gür 與 Gorkem Yurtseven 認為,生成式媒體(generative media)是 AI 繼搜尋與編碼代理(coding agent)之後第三個真正的產品市場契合度(product-market fit),因為這是唯一另一個能讓單一專業人士每月花上 1 萬至 2 萬美元的類別。整場對談大部分時間都花在影片模型的經濟學上(為什麼價格漲了 10 倍、需求卻照樣上升)、fal 如何從 2021 年的資料基礎設施論述轉向影像與影片推論、公司在大約 150 人規模下如何配置人力與組織,以及如今形塑它「模型實驗室與片廠之間中間人」角色的算力短缺。標題提到的 16.5 億美元 E 輪與 F 輪融資,只在開頭順帶一提;這一集並不是募資故事。
這兩位創辦人很適合從內部描述這個市場:fal 一方面為模型供應商執行推論,另一方面又是片廠與創作者取用這些模型的 API 層,因此能同時看到供需兩端。Gür 曾任職於 Amazon,Yurtseven 則待過 Coinbase,兩人在談招募與組織設計時都援引了這些經驗。以下是這一小時的實質內容:生成式媒體的需求曲線、算力限制、fal 扁平化的「超級個人貢獻者(super-IC)」組織、開源與閉源模型的爭論,以及兩位創辦人對世界模型(world model)、好萊塢,還有 AI 堆疊中利潤究竟落在哪一層的預測。
生成式媒體是 AI 除了編碼之外,唯一能讓一個人每月花 2 萬美元的類別
Gür 用三分法來界定這個市場:搜尋(ChatGPT 與 Gemini)、編碼代理,以及生成式媒體。第三類的關鍵特徵是按人頭計算的支出。他說,AI 原生片廠的專業人士「坐在電腦前整天生成影片,一個月花掉 1 萬到 2 萬美元」——他聲稱這種支出型態在 AI 裡除了編碼之外別無他處。正因如此,這個類別才成長得這麼快:採用範圍在擴大,同時個別使用者又花得兇。
兩位創辦人說,他們一再被自家營收組合的變化嚇到。影片從零一路衝到約佔營收 70%,讓內部一度認定影像模型已經玩完了——直到影像編輯模型把它們救回來,部分原因是編輯過的畫格能給影片模型更好的關鍵影格去插補。如今影像與影片的營收大約各佔一半。Gür 的前瞻看法是:影片品質仍很初階(最好的模型能生成 10 到 12 秒,下一代也許 30 秒),而由於推論時對注意力機制的需求,成本會隨解析度與時長呈指數上升。這條成本曲線正是他主張「未來還有更多錢可賺」的依據。
| 主張 | 發言者 | 細節 |
|---|---|---|
| 三個 AI 產品市場契合度 | Gür | 搜尋、編碼代理、生成式媒體 |
| 個人在生成式媒體上的月支出 | Gür | 1 萬至 2 萬美元 |
| 影片佔 fal 營收的峰值比重 | Gür | 約 70% |
| 目前影像/影片營收佔比 | Gür | 約各半 |
| 目前最佳影片輸出長度 | Gür | 10 至 12 秒;下一代約 30 秒 |
價格漲了超過 10 倍,需求卻幾乎無限
Yurtseven 回溯影片模型的價格史,提出一個反直覺的論點:便宜並沒有勝出。早期如 Kling 與 MiniMax 等模型,每段五秒影片的價格大約落在 30 到 40 美分。後來某個較新的模型一推出,每段五秒影片就要價約 5 美元——漲幅超過 10 倍。「我們當時想,好吧,到底誰會付這種錢?」他說。「結果需求基本上無限。」解釋是:品質跨過了某個門檻,解鎖了廣告與電影製作上的專業用途,而較便宜的模型根本服務不了這些需求。用量上升、能力上升,價格也跟著上升。
Sora 則是反面教材。fal 曾代管 Sora,在它被下架前的三個月裡,Yurtseven 看到的是他所謂的「無限流量」;外界廣為流傳的說法(他轉述時也強調這只是傳聞)是,當時沒有足夠的算力讓它和其他服務一起跑,而且營運成本很高。他並未排除它回歸的可能。
「結果需求基本上無限。」——Gorkem Yurtseven
談到整體進展,Yurtseven 駁斥套用在大型語言模型(LLM)上的「報酬遞減」說法:他說在生成式媒體裡,「我們離那個點還差得遠」,新版本(他舉 V2 與 V2.5 世代為例)仍同時拉高品質與價格。
廣告是近期最大的應用場景,而且還沒有人把它自動化做好
Gür 主張廣告是影片模型最自然的落點,因為內容用完即丟、美學門檻又低——UGC 風格的廣告要看起來像自己拍的,而不是精緻製作。他指出 60 秒廣告往往成效最好,而這種長度並不需要連續生成 60 秒;快速剪接就行。他描述更大的機會是一個閉環:大量投放變體、讀取互動資料、把表現好的變體再突變、然後自動重複。「還沒有人做到完美,」他說,「但我們很想成為這套自動化廣告故事的一部分。」
Yurtseven 說,成熟的使用者——有些是創作者,有些是大企業——已經在做這類迭代測試,但並不普及,因為強化學習的管線並不簡單。他預期幾年內這會成為常態。兩位創辦人自己測試開頭的軼事(主持人用腋下縮圖的實驗換來 10 倍觀看數)正好凸顯:成效有多少取決於縮圖與開頭的測試,而非製作水準。
算力稀缺讓 fal 成為整個生態系的採購緩衝
fal 創立於 2021 年,原本是家算力公司,立論基礎是 Snowflake 與 DataBricks 的類比:那些公司自己擁有算力,所以下一個資料基礎設施的贏家也會如此,而工作負載會是 Python 而不是 SQL。ChatGPT、Stable Diffusion 與 DALL·E 的出現逼他們做出選擇。當時只有五六個人、現金也不多,創辦人排除了在語言模型裡競爭——開源釋出(包括 Llama)已在那裡掀起一場把 Token 價格殺到負毛利的競賽。他們改選影像模型,在那裡可以運用自己的基礎設施把模型跑得更快,營收也隨之而來。三到六個月後,他們認定這個趨勢比 LLM 更大、而且截然不同——買家不同、用途不同——於是創造了「生成式媒體」這個類別名稱,接下來好幾年都得向所有人解釋這是什麼。
如今 fal 站在市場兩端:既是模型實驗室的推論夥伴,也是片廠的 API 夥伴。Gür 形容當前算力緊繃到,一家實驗室就算推出成功模型,也無法自行取得推論容量,必須仰賴像 fal 這樣的夥伴。這讓 fal 背負不尋常的規劃壓力——它必須預測模型端的成長並預先投資算力,否則容量會被編碼代理和其他出價更高的買家搶走。Yurtseven 補充,生成式媒體比 LLM 更分散:模態很多(文生圖、影像編輯、影片、3D、語音),每個模態各有五到十家公司,而且超車更頻繁,因為這個領域大概只發展到最終能力的 50%,而不是 90% 以上。Gür 把頻繁超車部分歸因於資料充裕——影片資料又多又幾乎免費,所以難題在於篩選出有趣的影片,而不是找到影片——部分則歸因於問題空間的廣度,它橫跨物理與整個視覺世界。
flowchart TD
A["模型實驗室(開源與閉源)"] --> B["fal 推論與 API 層"]
B --> C["片廠、代理商、創作者"]
C --> D["廣告、電影、社群內容"]
D --> E["互動資料"]
E --> C
B --> F["算力採購與預先投資"]
F --> A
由超級個人貢獻者組成的扁平組織,成員都是創辦人早已信任的人
fal 的組織設計是最多隻有兩層回報層級,而且沒有純管理職。Yurtseven 稱這種模式為「超級個人貢獻者」:領導者親自下場做事,同時帶領大約五到十名工程師的團隊,而編碼代理吸收了大部分執行工作。他也承認有上限——隨著人數增加會出現溝通瓶頸——並表示公司只會在真的出問題時才增加管理層。Gür 把這個做法跟時機連在一起:正因為編碼代理與 LLM 已成為軟體工程的核心,扁平層級如今能撐起的規模比幾年前更大。他們舉 AppLovin(約 400 名員工、其中約 100 人做工程、營收達數十億美元)以及 Brian Armstrong 公開提出的精實、高自主團隊藍圖作為佐證。
招募主要靠既有的人脈。Gür 主張 30 多歲創業是優勢,因為你可以延攬已經共事過、也信任的人;fal 早期的工程團隊幾乎全是這樣找來的。Yurtseven 則借鏡 Coinbase 的做法——Coinbase 早期(他 2016 年加入時約 100 人)會用一份貼在 Reddit 上的加密貨幣知識測驗來篩選應徵者,藉此過濾出真正對這個領域著迷的人。fal 的對應標準是主動性、企圖心與低自我。兩位創辦人說,他們篩選企圖心的方式之一,是反向推銷這份工作:直接告訴應徵者會有 60 到 80 小時的衝刺期。他們也說自己不相信爆肝文化,週末大家還是會回家。
| 特質 | 如何檢驗 | 為何在此重要 |
|---|---|---|
| 主動性 | 過去共事的關係 | 模型與客戶瞬息萬變,工程師必須自己做商業與客戶決策 |
| 企圖心 | 反向推銷工作負荷 | 這個市場需要持續衝刺才能勝出 |
| 低自我/謙遜 | 面試與客戶互動 | 好共事;客戶喜歡 fal 的原因之一 |
| 領域狂熱 | Coinbase 式知識測驗(歷史先例) | 讓團隊保持在前沿,不必靠上而下指派研究 |
至於如何跟上研究進展,Gür 說他現在從 fal 領導團隊(多數是他以前共事過的人)學到的,比他自己上網讀的還多。
開源之所以屢屢勝出,因為它既是技術需求,也是行銷武器
Gür 預期開源與閉源之爭會持續下去。他的理由是:任何落後的實驗室都可以把模型開源、博取全球關注,而好萊塢片廠有具體的技術理由想要開放權重——微調、用來調整燈光的 LoRA,以及把尚未公開的角色與風格丟進模型裡跑。他形容這像鐘擺:有人做出前沿模型,落後者就把自己的開源,如此反覆。fal 起初把開源視為威脅,因為它主要跑開源模型;如今它也為閉源模型提供推論,這個轉變對它的生意反而是中性的。Yurtseven 補充,智慧財產保護的顧慮永遠存在,這持續支撐著在地端執行模型的需求。
fal 自稱的差異化在於企業客戶的信任:知道某個模型跑在 fal 的 GPU 上,能讓片廠放心未公開的內容不會外洩,這點很重要,因為創意素材是直接餵進影片模型的。Gür 說,不論模型是開源還是閉源,這一點都能打動企業買家。
世界模型是下一個產品市場契合度;好萊塢的採用比討論慢得多
被問到在關注什麼時,Gür 點出第一批「經得起時間考驗」的 AI 內容——一年後再看依然站得住腳,就像《玩具總動員》對電腦繪圖的意義——將是這個媒介成熟的里程碑,代表它已超越能力展示的階段。Yurtseven 則指向世界模型:可互動、可探索的生成式環境。他說錄音前三個月他還很懷疑,但隨著品質提升、速度加快,加上新架構能做出持續存在的世界(移開視線再回頭,物件還在原地),他已轉為看多。他推測這可能成為第四個產品市場契合度——AI 遊戲——但附帶一個條件:每位玩家都需要一張持續運轉的 GPU,算力因此成為綁手綁腳的限制。
談到好萊塢,Gür 反駁主流說法。儘管四年來不斷有人預測 AI 會掏空這個產業,他說 fal 看到好萊塢勞動力「零影響」、值得一看的 AI 製作內容少之又少,而好萊塢營收在過去半年反而上升,佔 fal 營收的比重已不容小覷。採用之所以慢,不是因為模型品質,而是因為片廠法務得先點頭;如今這道關卡正在鬆動。Yurtseven 補充,洛杉磯當地的法規對整體局面幾乎沒有改變。
「每一家大公司都會變成算力公司,只是門面不一樣。」——Burkay Gür
利潤落在算力路徑上,而不是應用層
兩位創辦人最後的論點,推翻了他們當初創業時所依據的共識。Gür 說,早期那種「基礎設施會商品化、應用層能抓住利潤」的看法已經反轉:應用層的利潤趨近於零,因為競爭激烈、獲客成本又高,而利潤則歸於擁有算力路徑並在其中創新的人。Yurtseven 相關的犀利觀點是,編碼正逐漸成為生成式媒體的一部分,因為在 fal 上開發的開發者正在打造可程式化的影片與其他富媒體應用,而基於客戶需求,fal 勢必得在這個方向投資。
Yurtseven 也提供了一個量化 AI 在軟體工程上投資報酬率的資料點:fal 的工程團隊估計比沒有 AI 時快 3 到 4 倍,也就是說公司得把人力擴充約四倍,才能達到目前的速度,而成本只是其中一小部分。他用這點來反駁外界對 AI 資本支出(capex)的普遍質疑,主張批評者很少在真正使用這些工具的公司內部衡量投資報酬率。Gür 版本的長期算力論述則是:每一家大公司都會變成算力公司,只是門面不同,而 fal 的門面——生成式媒體——是別人沒有的。
值得帶走的綜合結論是:fal 的地位取決於一種它無法掌控的稀缺。它的槓桿來自於扮演採購緩衝——介於搶不到足夠推論容量的實驗室,與需要信任和速度的片廠之間;一旦算力鬆綁,或實驗室自行建置推論服務,這層中間人就會暴露在風險中。兩位創辦人自己的說法——利潤存在於算力路徑——也正是對其風險最清楚的陳述。有兩件事值得追蹤:Gür 預測的那種第一部真正經得起時間考驗的 AI 電影或廣告,是否會在未來一年內出現;以及世界模型究竟會成為第四個支出類別,還是停留在受算力限制的展示階段。