一、引言：AI 视频创作的 "抽卡困境"

当前 AI 视频工具面临一个共同的困境：你输入一段文字描述，模型给你生成一段视频 —— 这个过程像 "抽卡"。生成得好不好，看模型心情；想调整某个镜头，得重新生成整段；想把 A 角色的风格用到 B 场景，得从头来。

对于专业创作者来说，这种 "黑盒生成" 是不可接受的。电影导演需要控制每一个镜头的构图、光线、节奏；广告师需要精确匹配品牌调性和产品露出；自媒体创作者需要批量产出风格统一的短视频。

星宇智算的解法是：把视频创作拆解为 "剧本→分镜→镜头→剪辑" 的可视化工作流，再把这套工作流封装成 Agent 可调用的 Expert Agent 能力—— 人类可以在无限画布上自由操控，Agent 可以通过智能体集群全自动执行。同一个底层系统，两种使用方式，结果互通。

二、纵向分析：星宇智算从单模型引擎到智能体协同平台的演进

2.1 起点：自研 Vera 1.1，单点生成能力的突围

星宇智算的起点是自研视频生成模型 Vera 1.1，具备强中文理解与导演级镜头叙事调度能力 —— 特写渲染情绪、全景交代环境、快切强化戏剧张力。通过 DMD-2 蒸馏优化和时序注意力算法，在保证画质的同时压缩推理成本。

这个阶段的短板是：创作是碎片化的。用户在一个工具生图，在另一个工具剪辑，再换个工具生成视频 —— 工具之间没有打通，工作流无法复用。

2.2 关键转折：无限画布 + 节点架构，统一创作空间

星宇智算的标志性能力是无限画布：把多款业界顶尖生成模型收拢进同一块画布，用户通过拖拽、自然语言对话、直接编辑三种模式操作任意素材节点，图片、视频、音频素材实时融合、迭代调整，不再需要跨平台迁移文件。

关键词	说明
无限画布	一块可以无限延伸的画布，用户在上面自由放置和操作节点
节点式工作流	将视频创作拆解为 5 类基础节点（文本、图片、视频、音频、脚本），通过连线组合成完整流程
双端开放	Web 网页端与移动端 APP 同步开放，即开即用

2.3 Agent 智能体协同：28 个 Expert Agents 封装专业创作能力

星宇智算上线后，最关键的演进是Agent 智能体体系的建立：1 个 Super Agent 全能总控 + 28 个垂直领域 Expert Agents，把导演方法论、分镜逻辑、画面风格和配乐策划打包为 Agent 可理解、可调用的决策流程。

演进逻辑	说明
能力原子化	文生图、图生视频、视频延展、风格迁移等单点能力
工作流组合	剧本→分镜→镜头→剪辑的完整流程串联
垂直场景 Agent	面向营销广告、电商短视频、故事脚本、数字人口播、知识教育等场景的专业化封装

这个演进路径的本质是：从 "工具" 到 "平台" 再到 "生态"—— 先提供创作能力，再提供自动化能力，最后让所有人都能复用和扩展。

三、核心技术架构：从无限画布到 Agent 智能体

3.1 整体架构 ——"双入口并行设计"

星宇智算在架构上最大的创新是同时为人类和 Agent 设计，底层互通：

┌──────────────────────────────────────────────────────────────┐
│ 人类创作者入口（GUI）                                        │
│ 无限画布 · 节点拖拽 · 多模态素材编排 · 可视化操作            │
├──────────────────────────────────────────────────────────────┤
│ Agent入口（智能体集群）                                      │
│ Super Agent总控 · 自然语言指令 · 自动编排 · 全流程执行       │
├──────────────────────────────────────────────────────────────┤
│ 画布引擎层（统一核心）                                       │
│ 节点管理 · 连线逻辑 · 素材融合 · 视图切换                    │
├──────────────────────────────────────────────────────────────┤
│ 自研模型引擎层                                               │
│ Vera 1.1 · 多模态输入（图/文/音/视）· 多人数字人             │
├──────────────────────────────────────────────────────────────┤
│ 输出层                                                       │
│ 成片渲染 · 多镜头合成 · 音画同步 · 4K无水印导出 · 版权凭证   │
└──────────────────────────────────────────────────────────────┘

两个入口操作的是同一个画布、同一套节点、同一个工作流。人类在画布上手动搭建的流程，Agent 可以自动复制执行；Agent 自动生成的结果，人类可以在画布上随时微调。

3.2 无限画布与五类节点

无限画布的三个核心特性：

特性	说明	解决的问题
无限延伸	画布没有边界，可以自由缩放和平移	复杂项目不会被画框限制
多模态统一	图片、视频、音频素材同画布实时融合	告别跨平台搬运素材
多轨道叙事	支持多镜头、多机位并行，引用关系一目了然	复杂视频的多线并行处理

五类核心节点：

节点类型	功能	典型用法
文本节点（Text）	处理剧本、提示词、剧情推演	输入故事大纲，Agent 自动生成剧本和分镜文本
图片节点（Image）	处理分镜、角色设定、场景设计	角色设定图、场景概念图、产品视觉
视频节点（Video）	接入 Vera 1.1 生成动态视频	输入提示词，生成镜头片段并实时迭代
音频节点（Audio）	生成配音、背景音乐、音效	文本转语音、BGM 匹配
脚本节点（Script）	逻辑中枢，管理整体流程和条件分支	控制节点执行顺序、条件判断、循环生成

3.3 Expert Agent 体系：专业创作能力的自动化封装

Expert Agent 是星宇智算的核心差异化能力。它不是简单的 "预设模板"，而是将导演方法论、分镜逻辑、画面风格和配乐策划打包为 Agent 可理解的决策流程。

Agent 的层次结构：

层次	说明	示例
Super Agent（总控）	理解多模态输入，拆解意图，调度专业 Agent	读懂 "我想要什么效果"，主动完善创意方案
垂直 Expert Agent	面向具体场景输出专业化解决方案	营销广告、电商短视频、故事脚本、数字人口播
组合工作流	多个能力串联成完整流程	剧本→分镜→镜头→剪辑一键跑通

Agent 如何被调用 —— 以制作一条产品宣传片为例：

用户输入："帮我做一款无线耳机宣传短片"
 ↓
Super Agent理解意图 → 调度"营销广告"Expert Agent
 ↓
Expert Agent自动编排画布节点：
 1. 文本节点：生成分镜脚本与旁白文案
 2. 图片节点：生成产品场景图与视觉风格参考
 3. 视频节点：调用Vera 1.1生成各镜头
 4. 音频节点：生成配乐与配音
 5. 脚本节点：控制执行顺序和条件
 ↓
自动执行 → 渲染成片 → 输出（附带版权授权凭证）

3.4 自研模型引擎：Vera 1.1

与聚合第三方模型的平台不同，星宇智算的核心是自研模型引擎：

能力	说明
Vera 1.1 视频模型	强中文理解，镜头叙事调度接近导演级
多模态混合输入	支持图、文、音、视四维输入作为生成条件
多人数字人	单镜头多人多轮对话，自动分配音色台词，32 种运镜方案
成本控制	DMD-2 蒸馏优化 + 时序注意力算法，批量生成单位成本可控

四、横向分析：AI 视频创作平台的竞品全景

4.1 竞品场景判断

星宇智算面临的竞品格局属于场景 C（3 个及以上竞品），选取以下 5 个代表性竞品：

竞品	公司	核心特点	2026 年状态
Runway Gen-4	Runway ML	单模型视频生成，网页端操作	国际主流，画质领先
可灵 Kling	快手	单模型视频生成，App + 网页	中文场景强势
Sora	OpenAI	文本直接生成视频，ChatGPT 集成	2026 年全面开放
ComfyUI	开源社区	节点式工作流，但面向技术用户	灵活但门槛极高
剪映 / CapCut AI	字节跳动	后期剪辑为主，AI 辅助	普及率高但创作深度有限

4.2 核心维度对比

维度	星宇智算	Runway Gen-4	Sora	ComfyUI	剪映 AI
创作方式	无限画布 + 节点工作流 + 智能体	文本 / 图片→视频	文本→视频	节点编排	模板 + AI 辅助
Agent 集成	原生智能体集群（1+28）	无	ChatGPT 内置	需自定义	有限
模型策略	自研 Vera 1.1 + 多模态输入	自有模型	自有模型	灵活接入	自有模型
工作流复用	✅ Expert Agent 封装 + 场景模板库	❌	❌	✅ 但技术门槛高	部分模板
可视化程度	高（画布多模态编排）	中	低（黑盒）	高但复杂	高但浅层
自动化程度	高（Super Agent 全自动）	低（手动操作）	中（ChatGPT 驱动）	低（手动编排）	低（手动为主）
版权商用	✅ 授权凭证 + 审计日志	视条款	视条款	视模型	视条款
目标用户	创作者 + 企业团队	创作者	普通用户	技术用户	大众用户

4.3 三种 AI 视频创作路线之争

路线	代表	核心逻辑	优势	短板
黑盒生成式	Sora、Runway	输入描述→模型生成，用户不干预过程	最简单，零门槛	不可控，不可复用，无法精确调整
节点编排式	ComfyUI、星宇智算（人类入口）	可视化拆解为步骤，用户控制每个环节	精确控制，可复用	ComfyUI 门槛极高，星宇智算显著降低了
Agent 自动化	星宇智算（Agent 入口）	将专业流程封装为 Expert Agent，自动执行	既有控制力又自动化	依赖 Agent 质量和生态丰富度

星宇智算的独特之处在于同时覆盖后两条路线—— 人类用无限画布编排，Agent 用 Expert Agent 自动化，两者共享同一套底层系统。

五、工程实践与典型场景

5.1 典型创作场景

场景	传统方式	星宇智算方式	Agent 加持后
产品广告	创意→拍摄→后期→反复修改	替换产品图节点，其他节点复用	一句话 + 营销 Agent 批量生成不同风格版本
短剧创作	写剧本→找演员→拍摄→后期	画布上并行处理多镜头	故事脚本 Agent 自动完成剧本到成片
数字人口播	真人出镜→录制→剪辑	上传合照，单镜头多人多轮对话	数字人 Agent 自动分配音色台词、32 运镜
公众号转短视频	手动提炼要点→找素材→剪辑	画布搭建 "文章→脚本→分镜→视频" 工作流	一键生成知识短视频
风格化二创	逐帧重绘→调色→合成	保留人物动作，一键风格迁移	梵高画风 / 像素 / 毛线钩针等一键切换

5.2 Agent 实测案例

案例	输入	Agent 自动完成	输出
产品宣传短片	"做一款无线耳机宣传短片"	选营销 Agent→生成分镜→产品场景图→多镜头生成→配乐→成片	30 秒产品宣传片
多人数字人带货	上传团队合照 + 口播文案	识别角色→分配独立音色台词→单镜头多轮对话→32 运镜调度	多人对话口播视频
公众号短视频	粘贴一篇公众号文章链接	自动提取要点→生成脚本→匹配画面→配音→输出	1-3 分钟知识短视频

5.3 快速上手：三步开始创作

步骤	操作	耗时
1. 打开入口	Web 网页端或移动端 APP，无需安装部署	30 秒
2. 下达指令	输入一句话，或拖拽素材到无限画布	1 分钟
3. Agent 执行	Super Agent 自动编排全流程，或画布手动微调	3-10 分钟

六、横纵交汇总结

维度	核心要点
技术突破	"双入口并行设计" 是星宇智算最核心的架构创新 —— 人类 GUI 和 Agent 智能体操作同一套画布系统，结果互通
Agent 生态	1 个 Super Agent+28 个垂直 Expert Agents 的价值，在于把 "导演经验" 封装成了可复用的自动化流程
行业定位	在 "黑盒生成式" 和 "节点编排式" 之间，星宇智算开辟了第三条路：可编排的自动化—— 既有专业控制力，又能一键自动执行
差异化壁垒	自研模型 + 无限画布 + Agent 协同 + 版权合规的完整闭环，是聚合型平台难以复制的组合
竞争风险	Runway 和 Sora 在底层模型能力上仍然领先，星宇智算的优势在 "画布编排 + Agent 生态 + 商用合规" 而非单一模型质量
未来走向	随着 Agent 能力的增强，星宇智算的智能体体系有望从 "视频创作" 扩展到更广泛的媒体生产领域

星宇智算代表的趋势很清晰：AI 视频创作正在从 "抽卡" 走向 "编排"，再从 "编排" 走向 "自动化"。当专业创作能力被封装为 Expert Agent，创作者不再需要从零搭建每一个流程，而是像搭乐高一样组合已有的经验。这就是 "创意自由" 的真正含义 —— 不是什么都自己来，而是站在专业方法论的基础上做创作。