中国经济观察网 | 手机客户端 |
当前位置: 首页 > 新闻

AI 不只负责生成,还要负责把活干完:海马云 RunningHub 正在把 Agent 推向生产一线

作者:秦开    栏目:新闻    来源:中国经济观察网   发布时间:2026-11-17 16:36   阅读量:13535   

内容摘要:模型能力的差距在收窄,能否驾驭模型完成真实生产,才是决定AI产品竞争力的关键。国内外很多纯应用公司仍停留在模型调用层:给模型做了个界面,套上对话框或画布,让用户通过提示词驱动AI。这种做法把生成的责任完全交给用户,用户得自己懂哪个模型适合哪...

模型能力的差距在收窄,能否驾驭模型完成真实生产,才是决定AI产品竞争力的关键。国内外很多纯应用公司仍停留在模型调用层:给模型做了个界面,套上对话框或画布,让用户通过提示词驱动AI。这种做法把生成的责任完全交给用户,用户得自己懂哪个模型适合哪个任务,自己拆解生产步骤,自己调用工具,自己校验结果,出了问题自己反复重试。但生产不是聊天,真实任务也很少由一次提示词完成,中间要经历任务拆解、多模型协同、工具调用、过程校验和持续迭代,最终交付符合要求的结果。

两类产品的差别在于连接方式:对话框产品教用户怎么用模型,生产系统要让模型在生产线上完成工作。这套负责组织模型、上下文和生产工具链,并对最终交付负责的系统,就是Harness。在海马云的判断里,未来将是Agent驱动一切的时代:上下文够,工具链够,Agent就可以完成所有事情。按照这个思路,RunningHub平台上所有的交互入口,最终都会升级成Agent入口。这套Harness,是海马云五层能力栈里连接模型与生产的那一层。

新版Runow开启自动模型偏好后,Agent按任务自动选用Skill和模型

模型:Agent接管选型的决策

拆开看这套系统:Agent站在最前面,负责理解意图、拆解任务、调用工具、控制费用和检查结果;后面跟着一整条工具链,画布、ComfyUI工作流、LoRA训练、云电脑,还有Blender、Unreal这些专业软件;托底的是上下文,装着影视、电商、短剧、游戏、建筑等行业的专家知识和know-how。

模型选择的决策权变化最为直接,过去用哪个模型、按什么顺序调用、花多少钱,都要用户自己摸索;现在这些决策正在交给Agent。据海马云介绍,RunningHub已有约60%的模型调用由智能动态路由完成:Agent先识别用户的意图,再结合行业上下文拆解任务,把简单任务分给小模型、复杂任务分给大模型,电商图、电影感画面、短漫剧制作等不同类型的任务,会被分别交给最合适的模型。

在新版Runow中,这项能力被直接做进了产品。当模型偏好设置为自动时,Agent会按任务自动选用Skill和模型,用户不需要先学会每个模型和工作流。这样一来,效果有保障,成本也能控制住,不该用大模型的环节,就不必花大模型的钱。对模糊意图的理解,恰恰是专业生产中难度最高、价值也最高的环节之一。用户说一句更精致一点、更有质感一些,Agent就能选对方法和模型,甚至主动推荐合适的材质,用户不必再去研究提示词。用户的素材、品牌资料和历史项目积累得越多,Agent产出的内容就越贴近其风格和规范。

工具链:让大模型长出手脚

Agent要真正把活儿干完,离不开两个前提:一是足够的上下文,二是足够的工具链。工具链是让大模型这个大脑长出手脚的必要条件。创作管线不同,要调用的工具链也不同,最复杂的是影视级制作:成片质量的门槛极高,人物资产、场景构建、运镜和调度每一环都有硬标准,光和大模型对话几乎做不出能用的成片。

为此,海马云打通了画布、LoRA训练、ComfyUI工作流以及Blender、Figma、Premiere加云电脑等多条工具链,深入AIGC的创作管线,搭建起一套影视级的生产管线,主要体现在三个产品上。rhTV把画布、LoRA训练、ComfyUI工作流以及Blender、Figma、Premiere加云电脑等多条工具链串成一条影视级制作管线;RHSTORY把短剧的剧本、分镜、生成、剪辑压进同一个流程,一人一天就能完成一部短剧的制作周期;电商Skill把爆款商品的视觉元素拆解成可复用的模块,让商品图和短视频能够持续批量产出。

海马云打通画布、LoRA训练、ComfyUI工作流及Blender等专业软件,搭建影视级生产管线

工具链里最具代表性的是Blender加云电脑方案,Blender在3D建模和场景调度里是绕不开的行业软件,市场上绝大多数AIGC平台提供的3D导演台属于面向新手的简化玩具,一旦涉及专业建模,用户必须在AI平台和Blender之间反复横跳,生产链路断裂。RunningHub依托海马云在云电脑业务中积累的异构容器镜像与应用级统一调度能力,把Blender这类吃GPU且对延迟极度敏感的原生专业软件部署在边缘节点上,让Agent直接在画布中无缝调用。

云电脑把原生Blender接入RunningHub画布,Agent可在画布内直接调用工程文件

用户只需在画布中用自然语言描述需求,Harness就会调度Agent自动打开云电脑中的Blender工程执行搭建。如果需要精细调整,创作者随时可以接管同一份工程做人工精调。这么做的价值并不只在于效率。一方面,专业用户的付费意愿和普通用户不在一个层级,就像修图App的用户和Photoshop用户之间的差别;另一方面,专业用户在原生Blender中的每一步操作,都会沉淀为平台的专家轨迹,反过来成为Agent能力进化的养料,只提供简化工具的平台很难拿到这些数据。

影视角色资产:上百次手工操作交给Agent

影视级人物角色资产的制作把这套能力体现得最为具体,AIGC导演@千堇曾负责少歌系列等多部S级影视、动漫IP从策划到制作的全流程,他制作的动画番剧曾因人物角色AI感太重,没能通过播出平台的审核。按传统影视行业的做法,Maya或UE管线做一套人物角色资产,头发根根分明、瞳孔颜色清晰、服装配饰经得起特写这些播出要求都要满足,一整套下来成本大约12万元;改用AI自救,则要先让大模型生成人物整图,再把手、指甲、头发、瞳孔、配饰等细节逐一切图重绘,最后用PS逐块拼回,一个角色前后要操作上百次。

在RunningHub里,这些步骤都能用自然语言交给Agent:它照着上下文里的影视级材质标准和参考图自动切图,给每个局部配上合适的LoRA或模型修复,再统调工具合成,导演只在关键节点确认,成本降低约90%。同一套上下文里的材质标准和参考图,保证了修复后的局部细节经得起特写,整体风格也与原IP保持一致。

交付:客户投入是最直接的验证

是否真正进入了生产环节,可以直接从客户的投入强度看出来。某电商AI服务商去年年底接入RunningHub后,一个月内就搭建了47个自建应用,覆盖从商品图到短视频的整套制作流程,并提供给旗下100多个商家账号使用,最近两个月连续56天每天调用,累计调用超过12万次,月投入增长700%。成熟的制作流程被封装为应用,服务多个商家账号,平台由此从单次生成走向持续交付。某建筑设计公司自建7个应用与14个工作流,月投入增长超10倍;某手游研发公司训练80余个专属LoRA、搭建超160个自建工作流,三个月内用量增长近70倍。

上下文:数据回流让Agent越用越懂

Agent和创作者在工作流中的每一次操作,怎么选模型、调用什么工具、修改了什么结果,这些操作在合规前提下都会沉淀为生产数据,用来改进模型和Agent。资深创作者完成任务时选了哪个模型、调了哪些节点、一条视频改了几轮、每轮调的是光影还是表情,这些脱敏后的操作序列被完整记录,在垂直后训练中转化为强化学习的奖励信号,把原本十步的反复试错压缩成更接近直觉的推断。这类脱敏的高维人类专家交互序列,在通用大模型的训练数据里几乎不会出现,在垂直自研的后训练中却成为模型贴近真实生产的关键养料。

行业know-how也在被资产化:游戏美术的画风控制、电商操盘手的爆款转化配方、影视导演的镜头语言,被结构化为可复用的Skill与知识库。RunningHub作为国内较早的AIGC开源社区之一,已积累百万级开源工作流,每天以千条速度递增,覆盖建筑、游戏、影视、电商等行业。知识库目前分为产品知识与创作知识两部分,下一步海马云还将按行业建库,率先覆盖电商、影视短剧和广告。

进化发生在两个方向:模型侧,经过合规获取的生产轨迹和专家经验,会被持续用于RH系列模型的后训练,让模型越来越贴近真实的生产需求;Agent侧,它会变得越来越懂需求、越来越懂用户,返工也越来越少,真实对话和任务测评中发现的常见问题,在修复之后,同类任务一次做对的比例也会越来越高。企业在平台上长期积累的ComfyUI工作流、训练好的LoRA以及VI规范,构成了极高的迁移成本,品牌把VI规范交给Agent后,之后生成的每张图都会按这套规范自动执行。据海马云介绍,自建工作流沉淀较多的用户,留存率接近100%。

这套Agent驱动的体系也不会止于RunningHub,海马云接下来还会把这套能力延伸到其他垂直场景,推出更多行业化应用产品。

SimilarWeb数据显示,今年3月到9月,RunningHub海内外全站访问量增长了266%;今年7月,海马云联合创始人兼CTO温健在接受央视《焦点访谈》采访时透露,平台每月的Token消耗量已达9万亿。当Agent越来越懂需求、越来越懂用户,这套Agent驱动的生产力系统,正在把AI从单点生成推向规模化交付。

郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。