阶段 1 (2022-2023): 单模态工具 — 文生图 (Midjourney/DALL-E)、文生文 (ChatGPT)
阶段 2 (2023-2024): 多模态融合 — 图生视频 (Runway Gen-2/Pika)、文生音乐 (Suno)
阶段 3 (2024-2025): 实时交互 — 实时视频 Agent (Runway Characters/GWM-1)、实时语音 Agent
阶段 4 (2025+): 全栈创作工作流 — ComfyUI 编排、端到端内容管线、Agent 驱动的内容工厂
创业机会主要在阶段 3→4 的过渡期: 工具已成熟，但工作流和垂直场景还没被占
从文本/图片生成视频，实时视频 Agent 是最新趋势
语音合成已成熟，AI 音乐创作正在爆发
基础能力已商品化，差异化在控制力和工作流
3D 生成刚刚起步，AI 设计工具正在改写设计工作流
ComfyUI 不只是 Stable Diffusion 的 GUI——它是 AIGC 时代的模块化创作引擎：
核心能力:
• 节点图界面 — 拖拽式构建复杂工作流，无需写代码
• 全模态支持 — 图片 + 视频 + 音频 + 3D，统一平台
• 开源 + 闭源混合 — 原生开源模型 + API Nodes (付费闭源模型)
• 智能内存管理 — 1GB VRAM 也能跑大模型
• 异步队列 + 增量执行 — 只重跑改变的部分
• App Mode — 复杂工作流暴露为简单 UI
• API 端点 — 无缝集成生产管线
三大部署形态: Desktop App (Win/Mac) / Portable Install (Win) / Cloud (comfy.org/cloud)
支持 GPU: NVIDIA / AMD / Intel / Apple Silicon / Ascend (华为)
发布节奏: 周更 (目标周一)，稳定版约每 2 周
| 产品 | 背后 | 核心能力 | 实时 | API | 开源 | 轻资产入局点 |
|---|---|---|---|---|---|---|
| Runway Gen-4.5 | Runway | 电影级视频生成 | ✅ GWM-1 | ✅ Characters | ❌ | 垂直应用 |
| Kling AI | 快手 | 长视频生成 | ❌ | ✅ | ❌ | 垂直应用 |
| Wan 2.2 | 阿里 | 开源视频模型 | ❌ | ComfyUI | ✅ | 工作流/服务 |
| Hunyuan Video | 腾讯 | 开源视频模型 | ❌ | ComfyUI | ✅ | 工作流/服务 |
| LTX-Video | Lightricks | 实时视频生成 | ✅ | ComfyUI | ✅ | 实时应用 |
三大产品线:
• ElevenCreative — 内容创作: TTS + 音乐 + 音效 + 视频生成。10,000+ 声音库，70+ 语言。编辑器整合所有音频研究。
• ElevenAgents — 对话语音 Agent: 配置/部署/监控。用于客服、语音助手等。
• ElevenAPI — 开发者 API: TTS/STT/语音克隆/Music/Sound Effects。
企业客户矩阵: Disney (角色配音) / Epic Games (Fortnite Darth Vader) / NVIDIA (ACE) / Cisco (Webex) / Revolut / Meta / Ukraine 政府 (首个 AI 政务 Agent) / Salesforce / Deutsche Telekom / Deliveroo
对创业者的启示:
• TTS 本身已商品化，但 垂直语音 Agent 是蓝海 (医疗/法律/教育)
• ElevenLabs 做平台，不做垂直 — 你可以做垂直
• 语音克隆 + 品牌声音 是企业刚需，但合规门槛高
痛点: 通用 AIGC 工具 (Midjourney/Runway) 产出"好看但不专业"的内容——行业有特定规范 (电商商品图、房地产效果图、医疗影像)。
轻资产路径: ComfyUI 工作流模板 + API → 垂直行业 SaaS
启动成本: <$3K (ComfyUI 开源 + 云 GPU)
1人可行: ✅ 先做一个垂直场景
关键技能: ComfyUI 工作流设计 + 行业知识 + API 开发
痛点: 企业用 AI 生成内容，但风格不一致——每次都要重新调参数。没有"品牌风格锁"。
轻资产路径: SaaS 平台，企业上传品牌素材 → AI 学习品牌风格 → 一键生成品牌一致内容
启动成本: <$5K
1人可行: ✅ 核心是 LoRA/风格迁移 + 品牌管理 UI
关键技能: Stable Diffusion/Flux 微调、品牌设计、产品感
痛点: Runway Characters 提供了实时视频 Agent API，但具体垂直场景 (虚拟主播、在线教育、医疗问诊、法律咨询) 还没人做。
轻资产路径: 调用 Runway/ElevenLabs API → 包装成垂直产品
启动成本: <$3K (API 费用)
1人可行: ✅ 核心是 Prompt 工程 + UI
关键技能: API 集成、视频/语音 Agent 设计、垂直行业知识
痛点: Suno 可以生成歌曲，但游戏音效、播客配乐、广告 BGM 等垂直需求未满足。
轻资产路径: 垂直音效 API → 游戏开发者/播客主/广告公司
启动成本: <$3K
1人可行: ✅ 核心是 Prompt 模板 + API
关键技能: 音频工程 + API 开发
痛点: AI 生成内容的版权归属不清，企业不敢用——需要"版权安全"的内容。
轻资产路径: AI 内容溯源 + 版权合规检查 SaaS
启动成本: <$5K
1人可行: ✅ 核心是水印检测 + 版权数据库
关键技能: 数字水印、版权法、AI 检测
痛点: ComfyUI 功能强大但学习曲线陡——复杂工作流需要专业知识。没有"App Store for ComfyUI workflows"。
轻资产路径: 工作流市场: 上传/出售/购买 ComfyUI 工作流 → 自动部署
启动成本: <$5K
1人可行: ✅ 先做精选工作流集合
关键技能: ComfyUI 深度使用、Web 开发、社区运营
核心洞察: AIGC 底层模型已商品化 (开源 Flux/Wan/Hunyuan)，差异化不在模型，在工作流 + 垂直场景 + 用户体验。
5 层入局路径:
1. 信息层: AIGC 教程/工作流模板市场 (<$1K)
2. 设计层: 品牌风格/LoRA 训练服务 (<$3K)
3. 软件层: ComfyUI 工作流 + API 封装 (<$3K)
4. 平台层: 垂直 AIGC SaaS (<$5K)
5. 数据层: AIGC 评估数据集 + 版权合规 (<$5K)