BridgeCraft logobridgecraft
週報作品集關於聯絡登入
聯絡

bridgecraft

從資料視覺化到 AI Agent,一直在找下一個 meta

文章主題指南週報Labs作品集系統架構關於聯絡RSS

© 2026 BridgeCraft — Waiting7777. All rights reserved.

← 所有文章
Runway 垂直 AI 應用之路 有可能挑戰 Google?

Runway 垂直 AI 應用之路 有可能挑戰 Google?

2026年5月19日 · HW SHU · 5 分鐘閱讀

AI
📂 AI 系列

從電影工具到挑戰 Google:Runway 的垂直突圍戰術

> Meta Shift

站在 Runway 位於聯合廣場的總部,陽光透過落地窗灑進來,共同創辦人 Anastasis Germanidis 正在解釋一個聽起來有些瘋狂的想法。這家從做影片生成工具起家的公司,現在要挑戰整個 AI 產業的基本假設:語言模型真的是通往 AGI 的唯一道路嗎?

不像典型的矽谷創業故事,Runway 沒有史丹佛背景的創辦人,沒有前 Google 工程師,也沒有九位數的種子輪讓他們可以忽略營收好幾年。三個創辦人 — 兩個來自智利,一個來自希臘 — 在 NYU Tisch 藝術學院相遇,然後在紐約建立了這家公司。但現在,這家公司可能是當今最具影響力的 AI 公司之一。

垂直切入的起點

2018 年創立時,Runway 專注在一個相對窄眾的市場:幫電影製作人和創作者搞定 AI 工具。那時候 OpenAI 還沒發布 ChatGPT,整個 AI 產業還在深度學習的蜜月期,大家都在各自的垂直領域裡埋頭苦幹。

Runway 選擇了影片生成這個賽道,推出了一系列讓創作者能用文字生成可編輯影片內容的工具。這個定位很聰明 — 電影產業對 post-production 的痛點非常明確,而且願意為好工具付費。結果證明這個策略奏效了,Runway 的技術開始被用在《媽的多重宇宙》這樣的大片裡,並且跟 Lionsgate、AMC Networks 這些媒體巨頭簽了合作協議。

公司估值現在來到 53 億美金,根據創辦人透露的數據,光是 2024 年第二季就新增了 4000 萬美金的年度經常性收入。這個數字說明了什麼?B2B 的影片工具市場比大多數人想的要大。

但垂直市場有個問題:天花板。再怎麼優化影片生成,服務的還是創意產業這個相對有限的市場。真正的大錢,在通用平台。

從工具到世界模型的跳躍

過去六個月,Runway 開始執行一個更大膽的計畫:從影片生成跳到世界模型(world models)。去年 12 月推出了第一個世界模型,今年還計畫發布另一個。

世界模型是什麼?簡單說就是能模擬環境並預測行為的 AI 系統。不是像 ChatGPT 那樣處理文字,而是理解物理世界如何運作。Germanidis 的論點是:「語言模型訓練在整個網路上,訊息板、社群媒體、教科書 — 蒸餾既有的人類知識。但要超越這個,我們需要使用較少偏見的資料。」

這個策略轉型的邏輯很清楚。當所有大廠都在 LLM 軍備競賽裡燒錢時,Runway 說:「你們都搞錯方向了。」真正的智慧不在於如何處理人類寫的文字,而在於如何理解世界本身如何運作。

影片資料比文字資料更「真實」— 它直接捕捉物理世界的狀態變化,而不是人類對世界的描述。這個差異聽起來很學術,但商業意涵巨大。如果 Runway 說得對,那麼從遊戲、機器人訓練到藥物發現,整個產業都會重新洗牌。

Meta 分析:垂直包圍的經典戰術

從電競角度看,Runway 這招叫「側翼包抄」。當所有人都在正面戰場廝殺時,從沒人注意的路線切入,然後突然出現在敵方後方。

這讓我想到早期的 AWS。亞馬遜本來是電商,需要解決自己的基礎設施問題,結果意外發現這套基礎設施可以賣給其他人,最後變成雲端霸主。Runway 的路徑類似:從解決電影人的具體問題開始,累積了影片處理的技術,現在要用這個優勢挑戰通用 AI 市場。

但這招能成功嗎?競爭對手包括 Luma 和 World Labs,更不用說 Google、OpenAI 這些有無限資源的巨頭。Runway 的優勢是先發和垂直深度,劣勢是口袋不夠深。Google 如果決定 all-in 世界模型,可以砸幾十億美金進去。

關鍵在於:Runway 能否在大廠反應過來之前,建立起足夠的護城河?

對軟體工程師的啟發

如果你是軟體工程師,這個故事有幾個值得注意的點。

第一,垂直切入的策略。不是每個人都需要從 Day 1 就做平台,先在一個利基市場站穩腳步,累積技術和客戶,再考慮水平擴展。Runway 花了六年時間才開始這個轉型。

第二,技術判斷的重要性。整個產業都在 LLM 上下注時,敢於說「大家可能搞錯方向」需要很大的勇氣。但這種 contrarian thinking 正是創造差異化的關鍵。

第三,如果世界模型真的是下一個 frontier,那麼電腦視覺、物理模擬、3D graphics 這些技能會變得更有價值。現在可能是重新投資這些領域的好時機。

當然,Runway 也可能賭錯。語言模型的進化速度說不定比世界模型快得多,最後還是 OpenAI 和 Google 贏。但至少,他們選了一條不一樣的路。

在這場 AI 軍備競賽裡,不是誰錢最多誰就贏。有時候,選對賽道比跑得快更重要。

延伸閱讀

  • AI 淘金熱的殘酷真相 — 為什麼只有少數公司能贏
  • Google 收割 Gboard 內建 AI 語音輸入
  • 華爾街需要自己的 Claude Code 從 LangAlpha 看 AI 垂直產品

每週一篇 — 技術趨勢背後的商業邏輯

分享:

HW SHU

9年媒體人

關於作者

相關文章

AI 寫的 code 都是 slop?一個月 11,000 個 PR、revert 率 0.5% 的團隊怎麼做AIAI Agents+1

AI 寫的 code 都是 slop?一個月 11,000 個 PR、revert 率 0.5% 的團隊怎麼做

Lauren Tan(poteto)在 AI Engineer 講她的團隊一個月發 11,000 個 PR、revert 率還維持在 0.5%,靠的不是更好的模型,是把規則寫成 lint、把 token 花在驗證上,聽完回頭看自己的 repo,發現踩過的坑只寫在註解裡,沒有任何檢查會擋。

2026年11月17日 · Waiting7777 · 9 分鐘閱讀

繼續閱讀 →
換到新模型之後,寫給 AI 的規則檔要怎麼整理?拆解 Anthropic 的 prompt-auditAIAI Agents+1

換到新模型之後,寫給 AI 的規則檔要怎麼整理?拆解 Anthropic 的 prompt-audit

換了新模型之後,之前對著舊模型調出來的 CLAUDE.md 跟 skill 要不要跟著整理?把 Anthropic 公開的 prompt-audit 從頭讀了一遍,看它怎麼判斷哪句該刪、哪句不能刪,再拿自己的 code review skill 試一次,結果一行都沒少。

2026年11月16日 · Waiting7777 · 8 分鐘閱讀

繼續閱讀 →
做 code review agent 之前,我先拆了阿里的 open-code-reviewAIAI Agents+1

做 code review agent 之前,我先拆了阿里的 open-code-review

規劃 code review agent 時越做越發現什麼都能寫成 code,於是拆了阿里開源的 open-code-review,看它怎麼把不能錯的步驟交給程式、只把判斷留給模型,整理成七條設計原則,再回頭判斷這件事到底該不該做成 agent。

2026年10月27日 · Waiting7777 · 9 分鐘閱讀

繼續閱讀 →

這篇文章對你有幫助嗎?

每週一篇 — 技術趨勢背後的商業邏輯

AI 產業在變什麼、工程師該注意什麼——拆清楚寄到你的信箱。