创意产量成为瓶颈，Runway 打造了自己的广告引擎

Runway 于 9 月 30 日推出 Runway Ads，而其对产品的定位在 AI 产品中显得异常坦率。公司并不是先有关于广告的市场论题才开始做这件事。它构建这套系统是为了修复自己的付费营销，随后才把成果打包提供给企业合作伙伴。

它瞄准的问题是创意产量。营销团队手里的仪表盘已经多到不知如何使用。他们缺少的，是在广告活动失效之前，产出足够多差异化广告、覆盖足够多格式、本地化到足够多市场的方法。

一个闭环，取代四款工具

Runway 描述的工作流有四个步骤：生成、审核、发布、学习。

客户连接广告账户，并提供品牌指南、过往广告和产品图片。系统会生成多个版本，并针对不同广告位进行适配。它会根据客户设定的规则——例如品牌语气和不应翻译的术语——本地化屏幕文字、产品截图和配音。在任何内容进入审核队列之前，都会先运行自动品牌检查。获批的版本会发布到 Meta、Google 和 TikTok，效果数据也会回流到同一系统，由系统决定下一轮创意应该探索什么。

如今，这个闭环要依靠三四个独立工具手工串联才能运转。Runway 的卖点是整合，而其价值最容易在工作最不光鲜的部分看出来：为每个广告位、每种语言和每种格式，制作同一支广告的四十个版本。创意团队的时间正是耗在这里。

自动化默认是有边界的。发布环节默认开启人工审核，而要将某个广告活动或某类创意切换为自动模式，则需要客户另行决定。预算规则会限制引擎自主行动的范围，包括每日支出波动限制、新受众最低占比，以及再营销上限。

这些数字来自 Runway 自己

自 2026 年 7 月以来，Runway 一直在同一套基础设施上投放自己的付费营销，主要是在 Meta 和 TikTok 上。公司称，每周广告产出从 77 条上升到约 900 条，广告支出回报率翻倍，转化率上升约 34%，单订阅用户成本下降 41%，而点击率保持稳定。

仔细看这份清单。支出同样增加了，而公告没有公布绝对支出金额、订阅用户数、广告活动组合，也没有说明方法论。产品页面将超过 1 亿美元的增量年度经常性收入归功于效果营销，却没有解释统计周期，也没有说明这个数字与 Ads 产品之间的关系。这些描述的是 Runway 在自己基础设施上运行的自有项目。它们可以是开展试点的合理理由，却不是做预测的良好依据。

目前尚未公布定价，产品处于面向部分企业合作伙伴的早期访问阶段，并承诺在未来几周扩大可用范围。

衡量一个已闭环的系统，确实很难

即使客户相信 Runway 的数字，也仍然面临衡量问题。如果引擎既生成创意，又报告效果，那就是系统在给自己的作业打分。当同一个平台决定投放多少版本、触达哪些受众、何时更新素材时，广告支出回报率就不是一个干净的信号。一个看起来高效的广告活动，可能只是花得更少。

这在搜索广告中是一种熟悉的形态：拍卖广告位的平台同时也报告广告是否有效，而整个归因行业之所以存在，就是因为没有人完全信任那个数字。创意自动化继承了这个问题，还增加了一个新问题。当机器选择要探索哪些创意时，“这条广告效果很好”和“这条广告以机器喜欢的格式被廉价制作出来”开始变得相似。

Runway 说法中诚实的版本比标题所暗示的要窄。广告产出增长超过十倍，这是一个生产事实，内部也很容易验证。效果提升则是一个营销声明，而在这个品类里，这类声明出了名地脆弱。两者可能同时为真，买家应该围绕前者来为试点定价，而把后者当作一种期望。

市场其他玩家正在向同一层汇聚

Runway 并非唯一想占据付费媒体创意侧的公司。Creatify 推出了 Boreal-H3，这是一个基于 MiniMax H3、使用真实广告项目数据后训练的视频模型，同时还有基于 Claude Opus 5.5 构建的 Ad Agent。其公布的指标将 brief 成功率从 28% 提升到 50%，身份一致性从 83% 提升到 94%，并将失败严重程度降低了 71%。

这两种方法的不同之处在于价值放在哪里。Creatify 从创意模型出发，再增加一个代理。Runway 从分发闭环出发，把创意模型构建进去。Runway 的优势在于，发布和效果数据与生成广告的是同一个系统，而这是闭环能够学习任何东西的唯一方式。这也是该产品难以被快速复制的原因：护城河不是视频模型，而是广告账户与生成器之间的管道。

在公司的 AI Summit 上，联合创始人兼联合首席执行官 Anastasis Germanidis 提出，通用世界模拟器将是这个时代最重要的技术。相比之下，Runway Ads 是一个更朴素的赌注。它表明，机会在于闭合一个目前还需要人工在四个应用之间搬运文件的闭环。

对制作广告的人来说，什么会改变

创意产量一直是一个人力配置问题。版本数量翻倍，意味着工时大致也要翻倍，所以团队会选择少数几个概念并极力捍卫它们。一个每周能产出数百个版本的系统，会把工作从“制作广告”变成“定义广告”：撰写品牌规则、设置护栏，并在机器开始寻找之前，决定什么才算好结果。

令人不安的问题是，长期朝着支出优化会对品牌造成什么影响。一个只保留能挣到预算的版本的引擎，如果放任不管，就会漂向任何能带来转化的东西，而即时转化并不总是等同于打造人们会记住的东西。Runway 的答案是：人工审核默认开启，品牌检查在审核前运行。这是正确的默认设置，但在实践中，这也往往是忙碌团队第一个关掉的东西。

代理机构在这里失去最多，也可能收获最多，而分界线正是它们早已熟悉的那条。过去靠制作几十个本地化版本收费的小型工作室，现在可以用月费买到同样的产出。而过去靠策略、品牌治理以及知道该投放哪个版本来收费的机构，可以把引擎指向自己的规则，出售判断力而不是劳动力。工作不会消失，它会向上移动一个层级；而那些除了产能之外对任何事情都没有观点的团队，才是真正暴露在风险中的。

对于任何看过 AI 演示变成悄然消失的产品的人来说，这里有用的信号不大，却很真实。这个工具不是为了打动会议观众而构建的。它之所以被构建，是因为一家公司需要的广告数量，是它手工制作能力的九十倍，而这个需求不会消失。