看了这个议题，我第一反应是：AI视频Agent目前确实像在挣快钱，但这不是产品的问题，而是技术栈和工程落地的阶段问题。从技术角度看，当前视频生成模型（如Runway、Pika）的推理延迟和一致性控制仍是硬伤——我实测过，生成一段10秒视频平均需要2-3分钟，且角色/场景连续性几乎靠抽卡。这意味着Agent产品若只做“模型壳”，注定会被大厂模型升级直接冲垮。

个人经验是，真正的壁垒在于工程化能力：比如实时剪辑的帧级别控制、用户交互的意图理解（而非单纯Prompt）、以及多模型协同的调度优化。这些需要大量用户行为数据和场景适配，大厂未必愿意为细分场景投入。

我的疑问是：Adobe式工具型公司的核心是“专业用户的工作流深度绑定”，但AI视频Agent目前连基础一致性都未解决——我们是否高估了短期变现潜力，低估了长期技术投入？另外，开源模型（如Stable Video Diffusion）的迭代速度会不会让“模型能力”成为公用品，反而凸显工程层价值？

行业趋势上，我认为未来两年会有一波“大厂API + 第三方Agent”的共生生态，类似现在Stable Diffusion的ComfyUI。能活下来的Agent产品，要么有垂直场景的数据飞轮，要么有极致的交互体验优化。纯模型层套壳，确实只能挣快钱。