和大疆抢食，这家公司做了台桌面摄影机器人

“影像行业卷完硬件，该轮到「创作能力」本身被产品化了。 ”   

作者丨徐陟

编辑丨刘伟

一个美食创作者想把镜头从餐桌全景慢慢推到一碗面上。这个动作不难，难的是他没有第二个人帮他推，也没有空间在桌上架一条滑轨。最后他切了一个固定机位，画面清楚，但缺少呼吸感。

这张桌子，是今天很多内容创作的真实现场。产品测评、美食、美妆、直播、带货，大量拍摄都发生在几平方米之内。

设备其实已经不差：手机能拍4K，口袋云台能稳住画面，相机的画质早已溢出大多数人的需求。可一旦镜头需要“动起来”，需要推、拉、环绕、升降，普通人手里那套东西就接不上了。

相机已经够好了，但运镜依然是一门需要多年训练的手艺。越千创新做的，就是把它变成一台机器能执行的动作。

创始人曾诚在剧组待过，硕士阶段研究的是机器人轨迹优化。公司2023年成立，最早做面向剧组的大型摄影机器人，后来一路减重，把技术路线切换到五公斤级的桌面产品。

支撑这次切换的，是对专用场景下恒定负载的精准理解：相机作为末端负载重量恒定，调平之后重力被平衡，电机要做的不是举起相机，而是让相机动起来，由此衍生出了零重力直驱技术，也作为产品轻量化的基础。结合全自由度和AI导演决策，构成了越千创新的产品路径——第一代服务专业创作者，第二代走向消费级，或将进入大疆、影石所在的价格带。

影像行业正走到一个需要新答案的节点。参数竞争的天花板已经出现，便携体验也做到了接近极限，下一段竞争不再停留在“拍得清楚”，而在于帮用户把想拍的内容真正完成。

一家三十人的创业公司，凭什么在巨头身边切走一块蛋糕？大疆和影石都在讲“导演机”，为什么越千创新先从一张桌子开始？

以下对话，曾诚从技术取舍、产品定义、行业判断和竞争格局几个层面，给出了他的回答。

（越千创新创始人曾诚）

曾诚：我的硕士课题是机器人轨迹优化，然后我做过自媒体并且参与过剧组幕后工作，了解机器人技术的同时能理解不同拍摄场景镜头背后的knowhow和痛点。

当时在剧组看到，一个摄影机械臂一天的租金要几万块，还需要两名工程师到现场编程。设备要提前预约，拍摄前做预编程，导演到现场改一个需求，可能又要花几个小时。效率低，价格也贵。

那时候我们做了一款产品，主要是通过优化操作软件把原来6小时的工作流优化到了1小时。但做着做着发现，这条路的天花板不在技术，在场景。大型设备的价格和体积决定了它只能服务很少一部分人。但这个市场的容量和内容创作的真实增量不在一个量级上。

曾诚：在个人创作者和小团队身上。因为影像传播的途径变了。十年前是传统融媒体、电视广告，现在则很多都是由自媒体完成传播。

全球活跃的内容创作者规模在两个亿以上，其中一半以上的拍摄发生在室内，发生在桌面上，比如开箱测评、美食、美妆、直播、带货等等，他们有创作需求，他们的镜头要会动，画面要有呼吸感，但现在的设备没法很好地满足需求——他们手里的设备主要是滑轨、稳定器，自由度单一并且过程耗时。少部分头部创作者能用上百万的大型设备，但大多数创作者工作空间根本放不下大型设备。

所以我们把技术路线整个重新做了一遍，从单一自由度走向全自由度，从数百公斤大型设备走向桌面级。

曾诚：其实最早的样机是工业机器人加底座，五百公斤。后来换协作机器人，降到一百二十公斤。再往后用碳纤维、换更小的电机，七十公斤、四十公斤，一路减下来。

到四十公斤的时候我意识到，沿着工业机械臂的减重逻辑，已经走不动了。它的结构逻辑、负载逻辑，都是为抓取和搬运等工业场景设计的，不是为搭载相机拍摄设计的。如果不做突破性的设计，那最多就只能到那了，性能、体积、价格，没有一个指标能走到我们真正想去的地方。所以从去年开始，我们激进地重新设计了整个技术路线。

曾诚：放弃了空载场景。当你把相机拿下来，这个机械臂就不能用了。跟云台逻辑一样，你需要一台相机先把它压住。我们还放弃了一定的精度。二代产品机械臂的精度是5个丝，也就是半根头发丝的精度——两次运动到同一个地方，误差不超过一根头发丝。但拍摄其实不需要那么高的精度，反而需要运动是连续的。这是我们做的取舍。

曾诚：行业里六个自由度叫全自由度，六个自由度可以实现任意位置、任意姿态，但是六个自由度会有奇异点，机械臂运动到某些构型附近时，会出现无法继续、必须绕行的情况。工业场景强调运动的“结果”，绕一下没关系，停一下也没关系，但拍摄强调运动过程，拍摄过程中不能间断，所以我们需要解决奇异点问题。

我们设计了一种特殊的构型，搭配自研控制算法可以巧妙的规避相机运镜过程中的奇异点问题，使得轨迹可以连续走完。

曾诚：我把影像类产品分成三个阶段。第一阶段是佳能、尼康的时代，大家比画质，谁参数好谁卖得好。第二阶段，参数到了一定阈值以后，继续增加参数用户感知不出来了，行业就开始做体验，像口袋相机——大疆开创的品类，能获得很好的便携体验，拍出来的画面也不错。第三阶段，继续升级口袋相机的参数也没那么有意义了。所以我认为第三阶段就是用AI加机器人来最终提升用户获得成片的体验。

曾诚：以影视飓风用Pocket拍的视频画面为例，同样设备换小白就拍不出来。画面的流动感、呼吸感，整体的节奏感，普通人拍不出来。我们深入研究过其中的原因——影视飓风这样专业的创作者，他们知道创作视频的前中后期三个阶段，并且能够高水平的执行。

普通用户往往没有完整的创作流程。拍之前没有策划，看到什么拍什么，拍的过程中不会选焦段不会构图运镜，最后拍了一两百条素材，剪也剪不出来。这其实就是关键点——现在AI加机器人的出现可以解决这个问题。

市面上现在的产品，要么是纯拍摄，要么是纯生成。我们抓住的点是：把AI的能力放在价值最高的点，帮助用户拍摄。AI负责导演的一部分——AI做导演，机器人做摄影师，用户参与过程，最后享受到的是一个很好的成片。

曾诚：其实AI导演并不是问题的关键。导演的意图必须落实到执行才能保证创作质量。AI可以完成脚本的创作，而脚本的执行则由机器人来完成，最终的剪辑再用AI一键成片。大致是这样一个工作流。产品能力应该贯穿整个创作的前中后期，而非单点局部功能的智能。

曾诚：分两代产品，两代用户群体不一样。

第一代给专业创作者用，主要服务专业创作者中期执行的阶段。这类创作者真正稀缺性在运动控制，不在镜头创意。第二代会比较小，可以作为小白用户的主力机，还可以把电影风格放进去做拍摄。

第一代可以理解为把好莱坞装到创作者的桌面。第二代是把电影语言装进口袋。

曾诚：第二代产品会更加便携易用，对用户专业度要求没有那么高。中间也还有很多技术正在验证中，目前在内部属于保密级。

曾诚：有两个原因。第一个是品牌。第一款产品定什么调性，用户就会把你放在什么位置。先让最专业、最挑剔的人用起来，能力积累的同时品牌也有了锚点。从专业用户身上学习积累到的经验也可以给到消费级用户，提升体验的同时也能增加用户信任。

第二个是数据。专业创作者知道什么是一个好镜头，知道什么时候该推、什么时候该绕、什么焦段配什么景别。这些判断是真实的创作决策，不是参数表能写出来的。第一代产品在服务他们的过程中，会沉淀下这些决策数据，用来训练第二代产品的智能化能力。

所以两代产品的关系很清楚：第一代服务于专业用户，负责站住品牌、收集能力；第二代走向普通用户，把专业决策翻译成可以直接调用的拍摄方案。

曾诚：有几类。一类是BBC、好莱坞、央视这些；一类是自媒体博主、MCN，以及公司内部的电商团队。

之前CCTV9的摄影指导找到我们，要拍一部文物纪录片，因为文物不能挪动，他们要去现场拍。他们开了两辆卡车进藏，现在的供应商给他们的设备要四个大航空箱，占他们半辆车；我们的一个手提行李箱大小就可以装下去。他找了我们好几次，但当时还在技术验证早期，没有赶上他们那个项目。他说我们出了一定告诉他们，他们每个组都会配一台。还有BBC也发邮件来问。

另一类就是公司的品牌团队。但凡有自己产品和品牌的公司，要做电商，都要有自己的拍摄部门，器材一买就是几十上百万。这类用户有持续创作内容的需求。

曾诚：越千创新的运控是专门为场景开发的，使用过程的体验要让用户感到有手就行。以前工业场景里面的运控没有办法直接拿来用，一个轨迹程序的编辑需要几个小时。我们要让这个过程缩短到几分钟。为了实现这样的体验需要从本体到运控都做专用设计。结合产品发布后用户的反馈，一次次去迭代优化，自然会获得更多技术积累。

曾诚：影像类产品市场足够大，它也容得下更多公司。就像苹果手机做得好，它也没有把市场上手机全部吃掉。

用户的需求不是一个点，也不是一条线，而是一个由无数点构成的空间体，没有一家公司能够满足所有需求点，都必须在里面做取舍，被舍弃掉的点不代表没有价值，而是需要把价值集中在被留下来的点上。创业公司的机会就是关注到与大公司不同的价值点，做不同的取舍，把选择留下来的需求点打透，同样能做出优秀的产品。

曾诚：预测消费级智能影像硬件的市场规模不会低于1000亿。

影像市场太大了，它占据了人体最重要的两个感官，视觉和听觉。影像有声音，能接受的信息最多，有各种各样的形式。中间有太多需求可以挖掘，还有很多没被满足的。比如运动场景里的球类运动，世界杯、网球比赛，那些视角消费级用户就是做不到，但那种视角就是最漂亮的视角，能把高光时刻记录下来。

曾诚：影像赛道足够大，自然会吸引很多人才和创业团队想要从中找到一些新的机会点。可能首先需要创业团队能够找到真正的用户需求，深入理解场景，做好产品定义，并且能够做好产品交付、售后。能做到这些点的团队应该都是合格的对手。至于谁会是过客，用户会用脚投票。

曾诚：对于专业用户缺少的是好用的创作工具，而对于消费级用户则缺乏一套完整的创作流。越千创新想做的是从专业场景入手将创作能力产品化，为用户提供一款有完整创作能力的智能化产品。

曾诚：人类创作影像内容本质是为了表达，拍摄也好，生成也好，只要能够帮助表达的形式，都会留存下来。只有真正服务好内容生产，帮助创作者更好表达的影像产品才能活下来。

影像硬件过去十几年的进步，大多发生在“记录”这一端：画质更高、体积更小、防抖更稳。

从“我想拍成什么样”到“我真的拍成这样”，创作意图和镜头运动之间，隔着一整套需要长期训练才能获得的能力。

一个没有受过训练的人，即便手里拿着一台足够好的相机，仍然不知道镜头该从哪里起、往哪里走、在哪里停。

越千创新想做的，是把这套能力拆开、产品化，把专业判断拆解成机器能执行、用户能调用的步骤。

如果这条路走通，它改变的将不只是拍摄设备，而是“谁有资格拍出好画面”这件事的定义。这条路径是否成立，明年产品上市之后市场会给出答案。

但它至少指向了一个被长期忽略的问题：当设备本身不再稀缺，稀缺的是把设备用出效果的能力。谁能让这种能力变得可调用，谁就可能在下一段竞争里找到自己的位置。