AI视频，「Runway」逆袭？
在当前的视频生成模型能力榜单上，位居前列的模型主要来自谷歌、字节跳动、快手等大型企业。三年前，AI视频领域备受瞩目的「Runway」已不再处于行业领先位置。
Artificial Analysis 榜单显示，Runway 最新模型 Gen4.5 未能进入前十名。
去年12月，Gen-4.5曾短暂登上Artificial Analysis榜首，但随后排名迅速下滑，被其他大厂的模型超越。此后大半年，Runway未再推出新模型。
然而，与此形成对比的是，「Runway」的业务规模却在悄然扩大。9月初，联合创始人兼CEO Anastasis Germanidis 在领英上公布了一组数据：ARR（年经常性收入）已接近2亿美元，相比4月份的1亿美元，半年内几乎翻倍。AppMagic的数据也印证了这一趋势，仅移动端月流水就从去年9月的不到100万美元增长到近30天的270万美元，几乎能跻身全球前三。
Runway的流水趋势显示，其收入在持续增长。
模型落后，产品突围
我们分析了「Runway」近半年的增长数据，发现有两个明显的转折点。
第一个转折点在5月。AppMagic数据显示，「Runway」的下载量和收入在该月同步提升，对应的是名为Aleph 2.0的模型上线。但该模型的功能并非从零生成视频，而是“修改视频”。
根据官网介绍，Aleph 2.0的核心能力是理解已有视频的画面内容，根据用户指令修改指定元素，同时保持其他画面、动作和场景不变。用户还可以先编辑单帧画面，再应用到整个视频，也支持在多个镜头内同步修改或替换主体或背景。
结合广大大给出的投放数据，5月份Runway的素材数量不到50个，远低于近期的投放水平。但同期，X平台上出现了大量博主测评Aleph 2.0的视频。在新模型上线的时间点，Runway采用了“社媒推广为核心，配合小规模广告投放”的策略。执行该策略后，5月达到下载量峰值，随后6、7月出现波动。
「Runway」围绕这一能力打造了一个易于传播的宣传点：“一句话改视频”。用户上传完整视频，输入“在肩膀上加个熊猫”，画面中便多了一只熊猫，其余一切不变。5月，X平台上大量博主自发测评Aleph 2.0，带来了第一波下载；8月底广告投放放大后，又推动了第二波增长。两波策略不同，但核心卖点相同：改视频。
虽然从生成变为修改，但Aleph 2.0仍是Runway自研。然而，在整体核心设计上，Runway早已与其他做模型聚合的产品一样，不再专注于单一模型（目前，只有可灵等少数顶级产品仍只提供自有模型）。
我们体验了当前版本的App后发现，产品形态已发生根本性变化。对比2025年底的版本截图，自研模型Gen-4曾是门面，而如今App中默认的视频模型已换成Seedance 2.0，生图模型换成「GPT Image 2」。模型选择界面聚合了市面上主流的生成模型，Gen-4.5仍可手动切换，但已不是默认选项。
Agent模式页面、模型选择、功能选择，以及面向垂类需求的Apps。Apps包括广告生成、一句话生成多镜头视频、先定分镜再出片、无需重拍去除画面物体、让角色依照真人表演的动作控制，以及口播视频等。
此前的「Runway」主推90年代写真、AI美发、风格滤镜等面向普通用户的玩法。改版后的产品更像一个以Agent为核心的创作工具——Agent是对话式生成模式，Tool是传统提示词模式，面向广告生成、分镜出片、动作控制、口播视频等垂类场景的Apps构成了第三个板块。
在我们持续跟踪的AI视频产品中，能实现收入（赚钱有多种解释，利润为正最为根本，与有收入是两码事）的大致走了两条路径。
一条面向普通用户，以模板驱动，靠“单点功能+社媒引爆”带来下载和收入。年初的“宠物、婴儿舞蹈”，5月的“棒球现场特效”都是这条路上的爆款。另一条面向专业创作者和做广告营销的小B用户，靠模型聚合+Agent提供一站式创作能力，代表产品有ARR已达10亿美元的Higgsfield、OpenArt、Pollo.ai等，ARR也在千万美元以上。
「Runway」从前一条路整体切换到了后一条。自研的Aleph 2.0从视频编辑切入市场，再用“模型聚合+Agent”接住用户的其他创作需求。模型在榜单上排不到前列，但产品端的转型换来了实打实的流水增长。
只是，按8月约180万美元的移动端月流水折算，App贡献的收入大约只占总量的10%。ARR接近2亿美元的大头，在企业侧。
一套架构、三层生意，悄悄做到2亿美元
9月初，「Runway」联合创始人兼CEO Anastasis Germanidis 在领英上公开数据：「Runway」服务超过6000万创作者，95%的财富100强企业也是其客户。从官网及公开信息来看，企业侧收入来自两层生意，加上C端创作工具，总计有三层，面向不同客户，交付方式完全不同。
第一层是创作工具，即App和Web端，面向创作者和小商家，核心商业模式是“订阅+积分”，是「Runway」最直接面向用户的入口。
第二层是API，核心产品是「Runway Dev」，面向不需要专属模型的开发者。与其他模型厂商以自研模型为核心的API服务不同，「Runway Dev」同样走“聚合”路线，接入了Seedance、Google Omni Flash等多个视频模型。
更值得关注的是“模型路由”机制，是「Runway Dev」的最大卖点。 举例说明：开发者为某个创作场景创建“路由”、设定模型偏好（在成本、速度、质量之间排优先级）、选择候选模型，以及单次生成的价格上限。
实际使用中，每次请求都会带上对应的“路由 ID”。系统会先做一轮硬性筛选，将能力不符、不在候选名单内、以及会超出价格上限的模型全部排除。如果没有任何模型符合条件，会直接报错并指出原因。通过筛选后，系统再从剩余模型中按用户设定的偏好打分，选出得分最高的模型开始执行，并在结果中注明调用模型、原因和费用。
在文字领域，OpenRouter早已提供类似功能。从机制上看，「Runway」的模型路由并不新鲜。但在视频领域，由于生成成本高、评价维度复杂，只有面向某些特定场景的产品可以依据具体任务流程进行打磨，做内部自动路由来打出低成本高效的“标签”吸引用户，而API层面做自动路由却很少见。按「Runway」首席产品官Anthony Maggio的说法，公司内部创意团队对各模型在运动、构图、口型同步等维度做了专项评估，以此驱动路由选择，但具体标准并未公开。
此外，「Runway Dev」还提供串联多步生成的Workflows、将广告生成等常见营销场景封装成一次调用的Recipes，以及供AI助手和编程智能体调用「Runway」的MCP服务。
在创作工具和API两个层面，「Runway」的卖点已不再是模型，而是在聚合的基础上再做差异化。而API解决了调用的灵活性，但对另一类客户来说仍然不够。拥有大量专有IP、具备自有算力、对数据安全有严格要求的大型企业，需要将模型拿到自己的环境中进行私有部署。
基于此，Gen-4.5虽然能力不再领先，但依然能创造收入。第三层，模型授权。
在这一层，「Runway」依然走了一条不一样的道路。 「Runway」与一些公司或组织达成授权协议，将自研的闭源模型（如Gen-4.5）授权给企业使用。企业可以自行部署、利用自己的数据进行微调，产生的商业收入归企业所有，「Runway」只收取授权费用。
这条路位于闭源和纯开源之间。 「Kling」「Seedance」等闭源模型只能通过API调用，不支持私有部署；纯开源模型的权重虽然开放，但适配、调优、部署和后续维护的成本全部由企业承担。「Runway」的做法是将模型权重完全交到企业手中，同时附带多版本Checkpoint和训练脚本，并派技术人员协助微调与维护。企业买到的，某种程度上是一套“省心部署”方案：既有私有部署的安全感，又不用从零折腾开源基座。
创始人在领英帖文中表示，“目前「Runway」最大的客户越来越多开始直接授权「Runway」的前沿模型。” 不过，企业买到的这套“省心部署”，底层仍是Gen-4.5这个已在榜单上不算“顶尖”的基座。省心之后的效果如何，可能还要看微调环节能做到什么程度。
写在最后
将三层放在一起看，「Runway」的逻辑清晰，形成一个漏斗。用户不同，交付方式也随之变化。支撑这个漏斗的不是“模型强”，而是将同一套架构能力包装成不同形态，匹配到每一层客户愿意买单的交付方式上。
「Runway」的选择是退出AI视频的军备竞赛，在商业化路径上做出差异。
不过，当模型能力不再是护城河时，“包装”本身能否成为护城河，仍有待验证。创始人Germanidis在多个场合强调，「Runway」是一家“世界模型公司”，视频生成不是终点，而是理解物理世界的一条路径。世界模型会建立对环境的内部表征，支持实时交互，预测某个动作执行后会发生什么，用于机器人、自动驾驶和科学研究。但在那个未来到来之前，「Runway」或许需要通过商业层的差异化获取更多用户反馈，回到模型能力的第一梯队。
本文来自微信公众号“白鲸出海”（ID：baijingapp），作者：张凯然，编辑：殷观晓，36氪经授权发布。