在当下全球生成式 AI 赛道陷入变现焦虑与泡沫质疑的大背景下，AI 视频生成引擎 Higgsfield 刚刚完成了商业史上极其罕见的爆发：仅用 18 个月，将其年经常性收入（ARR）从 100 万美元直接拉升至 10 亿美元。
横向对比来看，过去一年被硅谷公认为增长奇迹的 AI 编程独角兽 Cursor，达成这一里程碑用了 24 个月。在整个人类商业史上，从 100 万到 10 亿美元 ARR 的爬升速度榜单中，Higgsfield 仅次于 OpenAI 和 Anthropic，位列全球第三、也是全球应用层的第一名。
对于国内读者而言，Higgsfield 是一个极具解剖价值的商业样本。它绝非市面上那种靠简短提示词生成几秒粗糙动画的“玩具型应用”，而是为全球出海品牌、跨境电商以及现代影视工业打造的 AI 原生视频生产与分发基础设施。此前，Runway、Pika 或 Sora 虽然视觉效果惊艳，但由于缺乏对运镜机位与分镜的精准控制，难以介入严密的商业化生产。Higgsfield 通过底层的虚拟运镜控制和多模态一致性技术，让出海商家能够以工业化流水线的方式，低成本、大规模生成高转化率的商业广告片与微短剧。
本期对话的嘉宾，正是 Higgsfield 的创始人兼 CEO 亚历克斯·马什拉博夫（Alex Mashrabov）。他并非硅谷典型的名校创投精英，而是一位成长于中亚、19 岁即跻身全球顶级算法竞赛前三名的硬核极客。此前，他创办的 AI Factory 曾以 1.66 亿美元被 Snap 收购。
在这场与海外顶尖商业科技播客《20VC》主持人哈里·斯特宾斯（Harry Stebbings）的深度长谈中，亚历克斯撕开了所有行业温情脉脉的面具。他给出了一个极其残酷的论断：所有依赖每月 20 美元低客单价的轻量级 AI 订阅产品，终将被 OpenAI 和谷歌这类全能型通用大模型踏平；真正的商业生路，在于放弃盲目的基石模型自研，用开源微调做出 80% 的高毛利，并推动客户从百元订阅跃迁至数百万美元的企业级深度方案。
以下是精选对话内容。
本期精彩观点
1. 所有每月收取 20 美元的轻量级 AI 订阅产品，终将被巨头踏平。随着 OpenAI 和谷歌不断拓展横向基座的能力，垂直工具原有的浅层技术红利将被迅速抹平。AI 应用若无法将客户年预算拉升至千美元乃至数百万美元的企业级方案，商业模式将极度脆弱。
2. 自研基石大模型是我犯过最大的战略错误。大厂实验室里那些光鲜的基准跑分，很多时候早已沦为研究员为了兑现季度奖金而制造的“企业认知欺骗”。过度痴迷于刷榜，根本解决不了工业端真实的视频生成控制问题。
3. 在真实的商业模型中，开源微调才是高毛利的坚实基石。我们在自研后训练开源模型上的综合毛利率超过 80%，而调用商业闭源 API 的毛利仅在 20% 至 30% 之间。动态模型路由与 Token 成本控制能力，直接决定了一家 AI 公司的利润底色。
4. 所谓抽象的“AI 护城河”在现实中大多是个伪命题。绝大多数应用层产品在技术架构上都是脆弱的。真正的护城河只有两点：第一，能否直接交付明确的商业结果（实打实帮客户提升 GMV）；第二，能否沉淀出如 GitHub 般不可逆转的开源社区网络效应。
5. 在追求极致效能的组织里，算力就是最具进攻性的生产工具。我们全公司 400 人每月内部模型消耗超过 400 万美元。我们曾有一名非技术创意人员一周内消耗了超 3 万美元的 Astra 模型额度，但他单枪匹马自主搭建出了一整套自动化剪辑生产线原型。对于 10 倍速人才，算力必须管够。
6. 硅谷频繁跳槽的短期功利文化，很难支撑极高密度的底层工程攻坚。我们将 300 多名研发核心扎根在哈萨克斯坦。那里深植了硬核的数理奥赛底蕴，融合了先进的教育体系，拥有极高的人才密度与极具竞争力的税率优势。这种专注且忠诚的工程师团队，才是我们最核心的非对称竞争优势。
20美元的轻应用必死：为什么垂直SaaS会被OpenAI和谷歌横扫？
问： 很多 AI 应用最初都是从每月 20 美元的订阅模式做起的，但你公开表示这个模式必死无疑，为什么你对这个赛道如此悲观？
亚历克斯： 因为这个生态位在未来将遭到平台型巨头的无差别清洗。
今天 Google、OpenAI 表面上在布局搜索广告和企业生态，但从长远演进来看，平台型巨头推出的横向全能基座，必将以极高的效率，将所有月费在 20 至 30 美元区间的轻度单点功能型工具彻底碾碎。
当底层通用模型的多模态理解与生成体验达到及格线以上时，大众用户绝不会为了某一个微小的特定编辑功能，持续向十几个形形色色的垂类小软件分别支付订阅费。
问： 你的判断是，类似于 Canva 当下面临的增长困境？
亚历克斯： 没错，Canva 只是这一轮洗牌中最先显露出的代表案例，大量平面设计场景正在被 ChatGPT 等通用入口直接覆盖。
这正是 Higgsfield 内部执行高度严谨的客户升级策略的深层逻辑：即使用户最初是通过 20 美元的入门门槛进入平台，我们的核心指标也绝非赚取基础月费，而是必须在最短周期内向其展现深度的工程与产业价值，驱动其升级为年采购额突破 1000 美元的技术依赖型团队，并最终走向高客单价的企业级方案。无法完成这一转化的 AI 软件，缺乏长期防御纵深。
问： 那么你们平台的用户留存与商业转化曲线究竟是怎样的？
亚历克斯： 在用户接入的首月，平台通常会经历约 30% 的自然流失。这主要是由于高阶视频生成工具对于普通操作者而言，仍存在较为明显的提示词工程与视听语言理解门槛。
但在跨过首月的使用门槛之后，整体留存曲线会进入高度平稳的状态，商业用户的黏性非常可观。
更关键的指标在于企业客户的净金额留存率（NRR）：在第 12 个月的统计周期中，我们的 NRR 表现超过了 300%。
在传统企业软件领域，这几乎是一个罕见的数据量级。它充分说明了一个商业事实：在生成式视频赛道，尽管前端存在漏斗筛选，但只要商业客户跑通了自身的投流与转化闭环，其后续在平台上的计算资源消耗与增购意愿就会呈现几何级数增长。
问： 你们完全不依赖付费广告投流，那是如何支撑起这种高速扩张的？
亚历克斯： 我们的底层逻辑极其专注：确保全网最顶级的工业级 AI 视频成片诞生自 Higgsfield，并将背后的完整制作流（Workflow）毫无保留地解构出来。
我们在公司内部构建了一支超过 150 人的全职创意专家团队，占全公司近 400 人编制的近半。这支团队的职责不是常规公关，而是深入一线制作极具视觉冲击力的发布大片与细致到帧的工业级教程。此前我们制作了全球首部时长 90 分钟的全流程 AI 院线级长片，并把整部电影的底层工程资产全数向社区开源。
为了提炼出这 90 分钟成片，团队在系统后台生成并筛选了超过 100 个小时的 AI 视频切片。这证明了即便技术飞跃，人类顶尖的审美判断与镜头直觉依旧不可或缺。依靠这支 150 人的创意特种部队源源不断地进行视听突破，就是我们零买量维系极高获客效率的核心驱动力。
18个月狂飙10亿美元ARR：如何把99美元小客户做成600万年费巨单？
问： 彭博社报道你们的年化经常性收入（ARR）已突破 10 亿美元，从 100 万跨越到 10 亿用了 18 个月，这个数字具体是如何计量的？
亚历克斯： 我们的财务统计口径与 OpenAI、Anthropic 保持一致：取过去连续四周（28天）的实际进账收入，并乘以 13（对应全年的 52 周）。
这里有两个极为关键的限定条件：第一，严格计入实际发生的履约收入，而非合同签约额。 无论是年度订阅还是企业协议，均严格按 12 个月摊销，仅抓取 28 天内实际履约的份额；第二，仅统计已全面上线、产生实际业务调用的存活收入。 坚决不把尚未开始交付的三年期远期大单提前预打包进这 10 亿中。从 100 万美元 ARR 到 10 亿美元 ARR，我们耗时 18 个月。相较而言，Cursor 达成这一体量用了 24 个月。在整个人类商业史上，以这个速度突破 10 亿 ARR 的公司，Higgsfield 仅次于 OpenAI 和 Anthropic。
问： 拆解这 10 亿美元收入，客户结构呈现出怎样的特征？
亚历克斯： 生成式视频目前的工业化成熟度相比 AI 编程仍有约两年差距，因此弹性按需付费的比例目前不及头部代码平台。但 Higgsfield 展现出的核心特征，是老客户惊人的净金额膨胀速度。
我最喜欢研究后台头部企业客户的轨迹。我们有一个极其典型的出海电商客户，半年前刚接入平台时，仅仅购买了一个每月 99 美元的基础入门订阅。
而就在上周，我们双方正式签署了一份年采购金额超过 600 万美元的深度企业级协议。
问： 从单月 99 美元跃升至年付 600 万美元，他们采购的核心价值究竟是什么？
亚历克斯： 驱动这种超常规扩张的动能主要来自亚洲市场，集中在两大趋势：
第一，是全球跨境 D2C（直面消费者）电商品牌正在进行“AI 原生化供应链重构”。这批出海团队彻底摒弃了传统的跨国实景拍摄，利用我们的平台每周生成数百甚至上千条高质感视频素材，在 TikTok、Meta 等平台进行大规模 A/B 测试，直接看转化数据选爆款。
第二，是短剧在全球范围内的现象级爆发。这是一个年产值突破百亿美元的产业，由亚洲团队主导，但全面攻占了美欧市场。目前大量最新短剧从角色设定、动态分镜到最终视觉成片，全链路深度整合了我们的系统。
从整体营收结构看，严肃 B 端商业客户的收入占比已略超 50%。而在剩下不到 50% 的广义用户收入中，纯移动端、娱乐性质的长尾用户占比其实低于 10%。其余用户绝大多数是“具备高频商业变现诉求的专业个体”（独立设计师、商业营销顾问），他们订阅工具是为了接商单赚钱。而在企业客户层面，我们第 12 个月的净金额留存率（NRR）超过了 300%。
自研大模型是巨大错误：跑分只是巨头的骗局，开源微调才有80%毛利
问： 作为顶级算法极客，你早期曾重金投入自研底座模型，后来为何坚决进行战略收缩？
亚历克斯： 这是我犯过的最大战略错误。我曾陷入工程师的技术理想主义，误以为在各大公开基准测试中登顶刷榜具有商业价值。
但我后来彻底看清了：头部实验室的大量跑分，很大程度上早已演化为迎合资本市场预期的“企业认知欺骗”。在大组织内部，为了证明研发支出的合理性，研究员往往通过工程手段迎合规则——把测试集特征隐蔽地混入训练集、利用大语言模型作为裁判进行打分套利，以此换取高额绩效与季度奖金。但这些模型一旦进入复杂工业现场，往往脆弱不堪。
此外，视频领域的评测与现实脱节严重。行业通行的跑分测试仍局限于简单的“文本直接生成视频”。但现代视频模型在工业界的真实角色，更像是一个全新的“神经图形渲染引擎”，逻辑类似虚幻引擎（Unreal Engine）或 Unity，只是承载计算的输入介质变了。
专业商业制作中根本不存在“靠一段文字一键生成成片”。在我们开源的那部长片中，每个镜头的平均 Prompt 提示词长度超过 3000 个英文单词，且单镜头必须搭配至少 10 张以上的高清特征参考图，以此锁定角色三维骨骼、材质、光影及景深。市面上扁平化的评测流水线根本无法反映真实的工业需求。
问： 那么你们目前自研与调用外部模型的界限是什么？Harvey、Cognition、Ramp 等独角兽都在宣传“自研模型”，未来趋势究竟是自研还是混合调用？
亚历克斯： 我们的唯一准则是：一切以具体交付场景与单位经济效益为绝对导向。
比如，当我们通过运镜控制推动 ARR 跨过 2000 万美元后，我们发现跨境电商对于商拍摄影中光影与特征的“绝对一致性”有极苛刻的标准，而市面上通用商业闭源模型无法稳定达标。在此节点上，我们定向自研了专有的商拍图像模型，正是这一自研模型推动 ARR 进一步冲至 1 亿美元大关。
至于很多企业对外宣称“自研模型”，底层真相往往与 Cursor 一致：选取成熟的开源权重模型，结合自身的高价值垂类业务流与交互数据，进行深度的后训练。 其核心商业价值，在于将行业专家冗长复杂的决策微操路径，利用强化学习压缩为模型端到端的一次推理输出。商业视频广告需要的是极低边际成本与极高确定性，并不需要动辄千亿参数的昂贵通用认知。
问： 两种路径在毛利率上的差距有多大？
亚历克斯： 这是生死攸关的财务差距。
在自研模型以及由我们深度微调优化的开源模型上，我们的综合业务毛利率稳定在 80% 以上；而一旦底层调用第三方的商业闭源大模型，由于巨头抽税，综合毛利会被压缩至 20% 到 30%。
因此，Higgsfield 最核心的技术护城河之一，就是建立自研的“动态模型路由器”（内部称之为 Tokenomics）。当客户发起任务时，系统全自动调度算力。在超过 40% 的业务流程中，我们完全掌控了底层的算力路由权，不仅大幅帮客户削减了成本，更将 80% 以上的高毛利截留在自身的资产负债表上。
烧光1000万种子轮才拿到PMF：相机视角控制与“零付费投流”奇迹
问： 既然商业模式如此清晰，为什么你们早期经历过严重的战略摇摆，甚至险些资金链断裂？
亚历克斯： 我们在寻找产品与市场匹配（PMF）的过程中摸索了一年多。最初筹集的 1600 万美元种子轮资金，由于方向模糊，被我们消耗了超过 1000 万美元。
账面可用资金跌破 500 万美元时，我们意识到只剩下最后一次试错机会。核心责任完全在我，当时我陷入了脱离实际的误区，过度追逐技术炒作、市场叙事与公关声量，做了一堆虚泛的动作，唯独忽视了打磨真正能解决产业痛点的产品。
资金告急后，我们彻底剔除所有外部噪音，全面转向产品驱动增长。我们拉着 8 位顶级广告公司和影视制作团队的资深创意总监深度复盘，所有人给出的反馈高度一致：现存工具最大的瓶颈在于缺乏精准的“虚拟运镜控制”。 视角推拉与镜头语言是视觉叙事的灵魂，无法控制机位，AI 视频就只能是随机抽卡的玩具。找准这个核心痛点后，我们在去年 3 月 31 日上线了带运镜控制的新版本，业务随即迎来爆发式增长。
问： 你们至今坚持不花一分钱做付费买量投放，这背后的考量是什么？
亚历克斯： 我们团队内部有曾借助投流把业务做到几十亿美元的专家，但在 Higgsfield，我们立下规矩：坚决不碰付费广告买量。
关于早期我们在网红营销上的争议，本质是团队人手极度不足（内部仅有两人对接创作者），我们将海外建联委托给了一家外部代理机构，对方采取了激进且不符合品牌规范的推广方式。我们随即终止了外包，并得出了一个深刻教训：企业必须将分发主权牢牢掌握在自己手中。
但这不影响我们探索前沿媒介。比如近期我们与全球头部游戏主播 Neon 合作，基于我们的技术构建其本人的高保真“AI 数字分身”并进行了一场纯算法驱动的实时直播。头部创作者（如 MrBeast）正承受着极高的更新压力，而好莱坞超一线明星目前的生产管线也早已演变成“真人完成基础绿幕动作，大部分视效交由后期处理”。高精度的 AI 数字孪生，必然会成为头部创作者常态化的商业履约手段。
内部单月狂烧400万美金Token：一个超级员工一周刷走3万美元？
问： 听说你们团队内部也是极度激进的模型消耗大户，目前的月支出规模大概是多少？
亚历克斯： 我们全职员工在各类前沿模型上的平均月度消耗超过每人 1 万美元。公司目前接近 400 人，经财务审计，团队仅内部研发、设计与测试所产生的纯模型自用开销，单月已稳固突破 400 万美元。
我们的创意团队目前全员进入了深度依赖大模型的“自然语言编程”（Vibe Coding）状态。这个月内部审计时，我发现一名非研发背景的创意员工，单周在最新的 Astra 视觉与代码模型上刷掉了超 3 万美元的账单。
原因在于他对现有的素材整理与自动剪辑工具的低效感到抓狂，于是索性自己动手。他连续五个晚上彻夜不眠，完全依靠自然语言调度高阶模型编写并调试代码，最终单枪匹马在几天内跑通了一整套自动化剪辑生产线原型。虽然系统稳定性仍需工程团队加固，但它直接拉平了一个新功能模块的研发周期。在我的账本里，这是回报率极高的核心资产投资。对于真正能以一当十的超级个体，我们甚至准备将单人单月的计算资源授权上限进一步提升至 5 万至 10 万美元。
问： 超级个体的产出被算法成倍放大，这是否意味着你们会大幅精简职能团队？
亚历克斯： 这是我早期踩过的一大认知误区。我曾以为在生成式 AI 冲击下，法务和客户成功团队会被迅速替代，导致我们一度未能及时扩建关键体系。
目前我们法务团队超过 10 人，客户成功与大客户支持团队超过 40 人，全员高频使用 AI 工具。在面向复杂 B 端企业客户时，完全脱离人工干预的纯自主 Agent 在当下是跑不通的。
根本矛盾在于“产品迭代频率”与“模型认知上下文”之间的时间差：在激烈竞争下，我们的系统接口与业务规范每两三天就更新一次。现阶段的 Agent 必须依托高度确定的静态规则库，当底层业务处于超高速演进状态时，规则库的维护永远是滞后的。在此阶段，必须依赖极高素质的人类专家为大型企业客户交付兜底。
问： 在底层研发工具栈上，你们核心工程团队目前的偏好是怎样的？
亚历克斯： 3 月至 6 月，我们全员（包括创意团队）重度依赖 Anthropic 的 Claude；但 6 月中旬伴随最新突破，核心工程师以极快速度集体迁徙至 OpenAI 的新版 Codex，随后顶尖创意人才也全面跟进。不过工具链的迁移呈周期性摆动特征，一旦其他巨头释放突破性版本，团队又会迅速重组。
对于垂直深水区而言，单纯调用大厂特调模型的意义有限。无论是专注专利分析的 Solve Intelligence，还是在视觉资产领域的我们，企业采纳的核心诉求从来不是单点推理，而是建立一套深度嵌入业务闭环的“原生事实记录系统”。
多模态技术的成熟，让我们首次有能力对庞大的视觉资产库建立起端到端的“全语义控制索引”。为此，我们在底层重金研发了专有的控制框架（Harness），系统能伴随使用周期的拉长，持续学习并锁定特定品牌的视觉美学偏好。这种深入企业业务肌理的工程系统，通用大模型无论如何迭代都无法轻易替代。
所谓AI护城河纯属扯淡：交付终极商业结果与网络效应才是解药
问： 很多人认为绝大多数应用层产品本质上只是套壳，你现在还相信所谓的“AI 护城河”吗？
亚历克斯： 如果沿用传统软件工程的静态视角，行业今天兜售的大多数所谓“技术壁垒”，很大程度上只是一个伪命题。
在算法快速平权的浪潮下，真正能够沉淀为持久商业壁垒的维度只有两个：
第一，能否直接向客户交付最终商业结果。 我们不向客户推销抽象概念，我们最终兑现的承诺极其纯粹：通过源源不断供给高转化率的商业视频素材，切实帮助品牌在流量红海中拉升实际的销售转化与 GMV。
第二，能否在业务中构建起难以逆转的网络效应。 开源软件生态之所以演进飞快，核心在于开发者可以在 GitHub 上任意 Fork 前人成果并叠加增量。我们在视觉领域正在全面推行这一复利机制：将顶级影视级工程管线全面开源，赋能全球创作者在社区前沿成果上二次创作。在短短八周之内，平台上的开源工程项目库从最初团队种子期的 10 个项目，爆发式扩张至如今的 10000 多个高活跃工程。这种创作者彼此沉淀、相互依赖的生态，才是难以被轻易颠覆的壁垒。
问： 在你经历过的所有风险投资人会面中，哪一场给你的商业认知带来了最大的共鸣？
亚历克斯： 毫无疑问是与尤里·米尔纳（Yuri Milner，DST Global 创始人）的线下会面。
尤里对宏观科技大周期的判断敏锐得可怕。他甚至比许多身处一线的从业者更为前瞻地看清了“全球商业内容媒介形态的根本性转移”：微短剧工业化浪潮以及跨境电商利用算法对传统渠道的重构，本质上都是技术与渠道重组下的必然趋势，并且这场商业变革正在以前所未有的态势由亚洲向欧美反向输出。
我们达成的高度共识是：全球数万亿美元的数字广告产业，在底层仍严重依赖搜索与静态图文的传统分发逻辑。随着生成式视频在商业层面的全面闭环，这个横跨数十年的成熟商业模式将被彻底颠覆重构。
哈萨克斯坦的人才套利：击碎硅谷跳槽病与“绝不妥协”的创始人作息
问： 很多人认为，如果你们是纯正硅谷核心圈血统，以当下的增速估值轻松在 250 亿美元以上。你如何看待这种估值落差？
亚历克斯： 这是一个客观存在的行业现实，但我们对短期的账面估值倍数并不敏感，我们在做长期的产业准备。
Shopify 的伟大之处在于成为全球独立电商不可或缺的基础设施；而 Higgsfield 的终极目标，是成为全球企业进行新一代数字营销时底层不可替代的“内容生成与分发中枢”。
全球绝大多数公开上市公司中（剔除大型科技巨头与制药公司），其在销售与营销上的硬性支出，常年显著超过在研发上的净投入。营销的终极目标，就是以最低边际成本向终端个体精准交付高转化的个性化内容。未来海量营销物料绝大多数将由视频承载，这是一个数万亿美元的存量市场，很多局外人尚未看懂我们向深水区穿透的路径，这种认知偏差反而是我们宝贵的战略掩护。
问： 你们最大的人才底牌不在昂贵的硅谷，而在哈萨克斯坦，这背后的组织逻辑是什么？
亚历克斯： 全公司近 400 人中，约 50 人常驻加州，50 人远程分布，而有超过 300 名核心技术研发扎根在哈萨克斯坦。
外界很多人将其简单归类为廉价的“离岸劳动力套利”，这是一种严重低估。在近几届国际中学生物理与数学奥林匹克竞赛中，哈萨克斯坦国家队常年稳居全球前五，与中美印同处第一梯队。我们最核心的底层架构师，相当一部分就出自这批理科奥赛天才。
哈萨克斯坦完整承袭了前苏联硬核的理论数理传统，并深度融合了新加坡的精英教育模式。官方的大规模公派资助计划选拔了成千上万名数理人才赴全球一流学府深造，如今这批精锐正大规模回流本土。那里拥有超 2000 万的人口纵深，研发人员个人所得税率仅为极具吸引力的 15%。我们建立起了一个兼具极高智力密度与成本弹性的超级研发飞地。
更重要的是组织文化差异。硅谷当下的风气充斥着每隔两年就跳槽一次的投机雇佣文化，对待组织极度功利；而欧亚大陆的技术传统沉淀着一种近乎执拗的忠诚底色，就像英国纯正的社区足球文化一样，认准了一支主队就是一辈子的死忠。在硬核技术攻坚的阵地战中，你需要的是能够托付后背的战友。
问： 为了维持这种极高强度的运转，你在个人生活上几乎做出了极端的剥离，驱动你的深层力量究竟是什么？
亚历克斯： 我父亲来自乌兹别克斯坦，父母都是机械工程教授。在我的童年时期，为了支持我的算法竞赛培训，我母亲被迫日夜兼职三份工作；而我父亲几乎彻底搁置了自己的学术事业，全身心陪伴我奔波于世界各地的算法与国际跳棋赛场（我国际跳棋也曾做到世界前三）。自 2021 年起，我父亲不幸罹患了严重的帕金森综合征。哪怕我现在通过创业实现了财富跃升，在面对这种不可逆的器质性病变时，资本的无能为力常让我感到深层的虚无与刺痛。
我此前卖给 Snap 时就赚足了退出资金，目前驱动我的，是对错失技术代际变革的巨大焦虑。我父母从小灌输给我的理念，就是坚信在某些特定的技术高地，真正优秀的硬核产品能够重构商业格局。我六岁读到比尔·盖茨通过软件定义个人电脑时代的故事时，那种通过技术实现颠覆的渴望就已经深深刻入了我的潜意识。
下一个12个月冲刺100亿美元：短剧与AI广告重塑万亿分发
问： 进入快速问答环节。在当下的商业认知中，有什么观点是你深信不疑，但外界普遍视你为极其偏执的？
亚历克斯： 绝大多数人至今未能真正接受：未来全网超过 90% 的短视频内容，其底层管线必将完全由 AI 自动化驱动。
人类真实出镜、承载深层思想碰撞的高保真深度内容（如你的播客系统），其稀缺性将被无限放大，广告单价（CPM）将达普通 AI 视频的 10 到 15 倍以上。但在占据全网绝对体量的中长尾商业分发场景中，算法生成的动态物料将占据统治地位。即便是人类主导的头部内容，其自动化剪辑、包装和动态覆盖层，也注定将被高阶工具全面接管。
问： 从上一家公司被 Snap 收购、并深入大厂核心业务的经历中，你学到的最核心商业法则是哪一条？
亚历克斯：任何商业势能，都绝不可能天然地永远维系下去。
在 Snap 的巅峰期，市值一度突破 800 亿美元，与 Meta 的差距缩小到不足 10 倍。当时组织内部不可避免地弥漫起盲目乐观，误以为凭既有惯性即可领跑。然而势能的衰竭与反噬极其迅猛，如今 Snap 市值已跌破 150 亿美元。这也是为什么尽管我们在 18 个月内突破了 10 亿美元 ARR，全员上下在内部也绝不敢滋生一丝一毫的自满。既然浪潮赋予了战略窗口，就必须将每一天都视作生死之战，绝不把任何顺境视作理所当然。
问： 为什么 Meta 能够在这场跨周期的 AI 大战中，彻底拉开与诸多传统上市巨头的差距？
亚历克斯： 核心分水岭在于：绝大多数上市公司未能向资本市场完整自洽地讲清自身的“AI 价值闭环”，而扎克伯格展现了顶级商业操盘手的战略定力与魄力。
当外界还在质疑他在基建上的巨额资本支出时，他极其高效地直接将 Scale AI 联合创始人亚历克斯·王等顶尖将才招致麾下，并清晰阐明了开源 LLaMA 矩阵的繁荣如何全面反哺并加固 Meta 核心的万亿级数字广告分发生态。在战略蓝图的前瞻性与战术执行的彻底性上，扎克伯格在这一轮周期中展现出了极高的综合水准。
问： 站在 10 亿美元 ARR 的门槛上展望未来 12 个月，你对下一阶段的财务体量给出了怎样的目标？
亚历克斯： 公司量化财务模型预测，在计入大基数自然回落后，明年年底公司的 ARR 体量将收敛至 45 亿美元左右。
但基于我对产业下游真实需求的感知，我们战略上自我锚定的进攻目标，是向 100 亿美元 ARR 发起全力冲击。
跨境电商由 AI 视频驱动的广告生产重构正在全面发生；好莱坞主流工业对于 AI 混合制作的态度，也正从最初激烈的敌意抵制转变为实质性的采纳。越来越多的资深制作人开始意识到，AI 是让他们在传统高昂成本的枷锁下，去探索全新叙事维度的超级工具。
软件构建固然重要，但在这个注意力被极度稀释的时代，谁能最终统治内容的分发效率，谁才能真正主导商业的终局。Higgsfield 未来的产业体量，有绝对的潜力超越 Shopify 甚至移动广告技术巨头 AppLovin。我们这场重构商业媒介形态的远征，才刚刚吹响号角。
资料来源：20VC《The Untold Story of Higgsfield | $1B ARR in 18 Months | Why Moats in AI are BS | CEO, Alex Mashrabov》访谈，https://www.youtube.com/watch?v=jszn8rFtxm4&t=11s。
本文由 AGI 2050 编辑部综合多方公开资讯整理编撰，事实信息均以原始信源为准。文中观点仅作行业交流与知识参考，AI 行业发展存在诸多不确定性，相关数据、技术解读与行业研判仅供参阅。
