原AWS首席应用科学家加盟，井英科技打造内容行业的Agent原生公司

编辑｜Youli

过去一年，Agent 无疑在代码行业率先跑出了最清晰的「模板」。

以 Codex、Claude Code 为代表的各类 Coding Agent，不再停留在「辅助补代码」工具阶段，能够执行完整流程，甚至能在较长时间内持续推进一个软件任务，真正解决问题。

最近，OpenAI 公布的一组数据显示，Codex 的周活用户已突破 500 万，桌面版用户数量自今年 2 月上线后更是翻了 6 倍多…… 某种程度上来说，Agent 正深刻地重构代码行业。

在看到 Coding Agent 的巨大潜力之后，业界也在思考：软件行业之外，下一个可能很快就会被重构的行业是什么？

井英科技（CreativeFitting）的判断是「内容行业」。

井英科技成立于 2021 年。过去，外界对这家公司的认知更多停留在 AI 短剧，但公司认为 AI 短剧是 Agent 原生公司改造内容行业的第一个场景。所谓 Agent 原生公司，是一种全新的范式：每个人创造自己的 Agent 加入公司工作 —— 组织摩擦消失，公司以 Agent 的速度运转。

井英科技押注的，正是成为内容行业第一家这样的公司。其技术核心，是为 Agent 搭建一个能接入、能自我进化的强化学习环境。

之所以做出这一判断，原因并不复杂：内容行业正在变得越来越像软件行业。

在井英科技看来，软件行业从诞生第一天起就完全运行在虚拟世界中 —— 代码的编写、编译、测试、部署，全部在机器上闭环完成，不依赖任何物理环节。这恰恰是它能被 Agent 率先重构的根本原因：没有物理摩擦，Agent 的能力就能被充分释放。

而内容行业，随着多模态模型的底座能力的增强，正一改过去高度依赖物理世界交互的方式，美工、拍摄、剪辑、配音等，越来越多原本必须依赖物理世界协作的环节，正在逐步被虚拟化，而当内容的生产越来越接近完全在虚拟世界中完成时，它就具备了被 Agent 重构的先决条件。

井英现在想做的事情正是去验证：内容娱乐行业能否像代码行业一样，形成一个面向 Agent 的新型生产、评估和反馈环境。

最新消息，井英科技刚完成新一轮数千万美元的 A 轮及 A + 轮融资，投资方包括 Lollapalooza Capital（王慧文家办）、蚂蚁集团、腾讯公司原集团副总裁殷宇等。与此同时，公司正式官宣原 AWS 亚马逊上海 AI 研究院首席应用科学家、现任香港大学上海智能交叉创新研究院院长王敏捷加入，担任首席科学家。

左：井英科技 CEO 朱江，右：井英科技首席科学家王敏捷

王敏捷本硕就读于上海交通大学计算机科学与工程系，是著名的 ACM 班成员，之后获得纽约大学计算机科学博士学位。他曾任 AWS 首席应用科学家，是该职级亚太地区最年轻的任职者。同时，他是深度学习框架领域的重要贡献者，著名的开源图深度学习框架 Deep Graph Library (DGL) 的主要发起人和核心维护者之一，也是深度学习框架 MXNet 的早期核心开发者。

而这一系列的重磅动作都在向业界释放一个清晰信号：井英科技正在重新定义自己的技术边界，加速成为一家 Agent 原生公司。

AI 视频模型「卷生卷死」，为什么依然做不出好内容？

过去一年多，AI 视频生成模型的进步非常明显。画质更稳定、运动更自然、角色一致性更好，音视频同步能力也在稳步提升。对于很多人来说，调用一个强大的视频生成模型，输入 Prompt，生成一段视频，这就是「大模型重构一切」的语境下，「AI 娱乐」的新叙事方式。

显然，这是一个「误判」。

对于真正的娱乐消费而言，生成一段惊艳的视频片段仅是第一步。当技术真正进入残酷的商业化语境后，问题接踵而至：什么故事值得做？用户会不会看？内容的好坏由谁、什么标准来评估？消费端的反馈如何顺畅回流？整个系统又能不能持续进行跨周期的自驱动迭代？

大模型的单点能力再强，也无法自发回答这些系统层面的问题。

井英科技首席科学家王敏捷将其概括为，内容行业，「模型提升的是下限，不是上限。」

从底层逻辑来看，大模型本质上是对海量数据的压缩，擅长从大量样本中生成一个稳定、安全、平均的答案，即「均值回归」。但好的内容，或者说创意是非均值的，是「毛刺」型：在平均水准之上，有一个尖锐的、意料之外的东西突出来。就像短剧中，一个反套路的人设、一个精准踩中大众情绪的设定、一个出乎意料的反转…… 都是创作者个人灵感的表达，模型无法自己「生长」出来。

如果模型只能输出训练数据中的平均值，那就只是在复制套路，难以持续生成真正让用户眼前一亮的东西。

更复杂的是，用户的内容偏好本身也在不断变化。依旧是以短剧为例，今天流行都市爱情，明天可能转向科幻悬疑；用户在通勤时想看轻松内容，晚上可能更愿意看强剧情；同样一个题材，在不同平台、不同地区、不同人群中，反馈也可能完全不同。

总结来看，内容行业面对的不是一个静态正确答案，而是动态变化、极度个性化、持续分众的偏好系统。这远远超过通用模型本身的迭代速度，不可能每隔两周重新训一版百亿参数的模型来追赶用户口味的变化。

王敏捷认为，这两个问题加在一起，结论就是：光有好的模型远远不够—— 模型解决不了创意从哪来、反馈怎么回流的问题。Coding Agent 之所以能率先成熟，不只是因为模型够强，更是因为代码行业天然有一套完整的环境：文档体系提供知识积累，编译器和测试框架提供即时反馈。Agent 在这个环境里能学、能试错、能迭代。

内容行业缺的正是这套环境。每个人创造自己的 Agent 接入其中，专注创意与品味，繁琐的流程交给 Agent，并能持续进化。而类比 Coding Agent 的经验，一个真正能运转的内容强化学习环境，至少需要两样东西：

• 好的创意先验：对应 Coding 环境中存储知识和经验的文档体系（如 README、API 规范），创作绝不是无中生有的空中楼阁，接入环境的 Agent 需要题材认知、受众画像、风格参考和行业经验的沉淀，才能站在更高的起点上，去深刻理解「这个类型的用户真正期待什么样的剧情反转」，而不只是机械地计算「什么样的内容点击率最高」。
• 准确真实的内容偏好信号：对应 Coding 环境中提供真实反馈的编译器和测试框架，代码有着黑白分明的客观对错，编译通过就是通过，测试失败就是失败。但娱乐内容天然带有强烈的个人主观性，如果 Agent 在回路中拿不到准确、密集的偏好信号，它就无法真正实现自驱动迭代，只能重复产出那些「安全但平庸」的均值化内容。

这两样，是模型给不了、但 Agent 真正需要的东西—— 有了它们，Agent 才有先验知识可以调用，有真实反馈可以对齐，自驱动迭代才真正能跑起来。

范式升级：打造内容行业的 Agent 原生公司

其实，井英在做的事情，本质上是对内容娱乐行业的一次范式升级，打造属于这个领域的 Agent 原生公司，即为内容行业提供一个 Agent「能接入、能自我进化」的内容环境。

Agent 原生公司运转模式

展开来看，这套技术系统所包含的核心维度可以拆解如下：

• 能接入：井英科技构建了一套开放式的 Agent 原生创作工具链，拥有不同创意类型的人 —— 剧本、拍摄、剪辑、画面 —— 都可以构建自己的 Agent 完成从创意到成片的完整创作链路，并接入评估环境。
• 能自我进化：与 Coding 环境不同，内容行业的评估标准本身是动态的 —— 用户偏好随时在变。因此整个系统需要持续进化：创作者的 Agent 不断注入创意，市场反馈实时回流，驱动评估标准动态更新，创作者的 Agent 也在每一次结果中校准方向，两者共同逼近真实的市场信号。

而在这个过程中，Agent 驱动减少了执行摩擦，加速了市场验证与反馈回路，创作者得以从流程协调中解放，真正专注于创意本身。

如何理解？

井英科技 CEO 朱江告诉机器之心，传统内容娱乐行业长期受到三大核心摩擦的掣肘：

• 创作端摩擦：复杂且优质的内容需多人协作，组织和沟通成本高；
• 消费端摩擦：创作者主观创作的内容与用户喜好之间存在天然 Gap，传统做法是通过推荐算法在既有池子里捞内容，去匹配最合适的人，但由于每个人喜好极度个性化，即便是达到推荐算法的极限，也无法满足用户需求，对方的偏好内容甚至世界上还不存在；
• 内容类型迭代摩擦：物理世界的组织摩擦太重、试错成本太高，导致行业探索和涌现全新内容类型的演进周期被拉得极长，从动漫到短视频再到短剧，都是如此。

而井英科技的这一内容环境，通过把人类从「同步回路」移至「异步回路」，大幅压缩传统内容制作中人类社会固有的组织和协作摩擦。

在新的「异步回路」模式下，人类不再需要进行繁琐、同步的 AI 工具具体操作，只需要在「异步回路」中源源不断地提供灵感与创意，多角色分工的 Agent 则全天候 24 小时停留在高效的「同步回路」中，自驱动地完成生产、评估、迭代与分发任务，最终将产出的内容精准交付给消费者。

为什么 AI 短剧是 Agent 原生公司改造内容行业的首选场景？

为什么从 AI 短剧开始？井英科技告诉机器之心，这并不仅是 AI 短剧大热，或自身有经验，背后是出于技术与业务考量的双重考量。

一方面，短剧的反馈密度天然适合驱动系统迭代。娱乐内容天然具有快速、高频的特征，而短剧是近年来被市场验证的，正处于爆发增长态势的内容形态之一。数据显示，今年一季度，短剧的月活跃用户（MAU）规模已突破 7 亿，几乎每 10 个网络用户中就有近 7 人观看短剧，甚至有机构预估，2026 年中国微短剧、漫剧市场规模保守估计将突破 1200 亿元……

这种增长环境能为系统在短时间内回流海量、高密度的真实正向反馈，为 Agent 的进化和迭代提供了源源不断的信号。

这也是王敏捷极为看中的一点。他告诉机器之心，之前在 AWS 负责 Deep Research 产品评估时，写调研报告属于典型的信息类内容，其质量好坏带有强烈的主观性，收集真实用户反馈的链路拉得特别长。做了一版改进，要等很久才知道好不好，而等到反馈终于来了时，甚至需求已经变了，产品在研发期间几乎无法快速迭代。但这种困局在短剧这里堪称不存在：用户喜不喜欢、看不看得下去，几分钟内就会有明确的行为反馈。

另一方面是短剧考验叙事能力，正是检验内容质量上限的「试金石」。短剧虽然短，但它并不只是一个梗或一个画面，依然依赖人物、冲突、反转、节奏和情绪推进。这使得短剧成为一个特殊的内容形态：消费时长足够短，能快速获取反馈；却又足够重，能考验系统是否真的具备讲故事能力。

此外，之所以将 AI 短剧作为 Agent 原生公司改造内容行业的首选场景，还有一个重要原因。朱江认为，想要让这套全新的 Agent 内容环境真正运转起来，绝不能依赖凭空捏造的模拟数据，系统必须要跨越「冷启动」的生存门槛，而这恰恰是井英科技过去几年在 AI 短剧领域深耕所带来的的核心护城河。

通过在短剧业务上的真实跑通，目前已经积累了海量的真实创作者和高频消费的真实消费者。创作者在线上提供的创意代表了人类的优质高维信号，而消费者在终端的真实订阅、付费、互动和反馈数据，则提供了内容偏好信号。

两者形成的双向信号构成了Agent 内容环境的「冷启动」土壤。这意味着，井英科技不需要像其他玩家那样，从零开始构建一套理论系统，可以直接将现有环境升级为 Agent 原生环境。

据井英科技透露，目前该系统已正式进入内测阶段，不久之后就会对外推出。

但这只是开始，短剧也只是第一个入口。当越来越多的人创造自己的 Agent，将 Agent 派入这套环境，内容行业的生产方式将被彻底重写 ——不只是短剧，而是整个内容行业。

井英科技要做的，是成为这个时代内容行业第一家 Agent 原生公司。接下来要看的，是它能跑多快。