十一月初，Runway联合创始人兼CEO Anastasis Germanidis在公司八周年的对谈里给了一组数字：上一季度新增超过一亿美元年化收入。按国内媒体十月底的盘点口径，Runway的ARR已经接近两亿美元，大头在企业侧，App端八月移动端月流水约一百八十万美元，只占总量一成左右。把这些数字和模型榜单放在一起看，会出现一个反直觉的对照：榜单前十找不到它的名字。
先看客户结构。九月初Germanidis在领英公开过一组数据，Runway服务超过六千万创作者，财富一百强里有95%是它的客户。这个组合说明它的收入不是靠C端订阅堆出来的，而是靠企业采购。企业买单的理由通常和榜单排名无关，它们要的是稳定交付、预算可控、责任可追。
横向对比更能说明问题。走同类聚合路线的Higgsfield，ARR已经做到十亿美元；OpenArt、Pollo.ai也在千万美元级。而榜单常客可灵，ARR从一年前的一亿美元冲到近五亿美元，代价是财报口径累亏超过二十亿元。卖自研模型是一条重资产消耗战，训练成本、推理成本、迭代节奏都要自己扛；卖选择权是另一条路，不训练模型，只负责把客户送到合适的模型面前。
Runway早年并不是这样。它靠面向普通用户的风格滤镜、写真玩法起量，后来整体切到以Agent为核心的创作工具，再用聚合接口接住专业需求。每一步转型都跟着收入结构走，而不是跟着榜单走。这条路径本身值得记录：先找到愿意付费的客户，再决定自己做什么产品，顺序反过来大概率死在半路。
第一层是创作工具，App与网页端，订阅加积分，面向创作者和小商家。这是最直接面向用户的入口，也是品牌露出最多的地方，但它贡献的收入只占一成左右。
第二层是Runway Dev，一个聚合接口，接入了Seedance、Google Omni Flash等多家视频模型。它最大的卖点不是模型多，而是模型路由。开发者为某个创作场景创建一条路由，设定偏好，在成本、速度、质量之间排序，选定候选模型，再设一个单次生成的价格上限。
实际运行时，每次请求都带上对应的路由标识。系统先做一轮硬性筛选，把能力不符、不在候选名单、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，直接报错并指出原因。通过筛选的模型再按偏好打分，选得分最高的执行，结果里注明调用了哪个模型、为什么选它、花了多少钱。
第三层是Workflows与Recipes这类把常见场景封装成一次调用的自动化，外加给编程智能体用的MCP服务。最近它还把视频能力打包接进了Claude Code、Cursor这些编程工具，开发者装一次就能在写代码的环境里调视频生成。三层叠起来形成一个漏斗，不同客户走不同入口，交付方式完全不同。
文本领域的OpenRouter早就把这套机制做熟了，视频领域做自动路由的极少。原因不在工程，在评价维度。文本输出好坏相对容易比较，视频要同时看运动是否自然、构图是否成立、口型是否对得上，每个场景的最优模型都不一样。一个擅长产品特写的模型，换到多人对话场景可能立刻露怯。
这就把门槛推到了评估体系上。路由要打分，打分要先知道每个模型擅长什么。Runway内部创意团队对各模型在运动、构图、口型同步这些维度上做专项评估，评估样本是真实生产任务喂出来的。这类数据不公开、难复制，机制本身不神秘，难的是积累那几年。
成本结构也支持这条路。视频单次生成动辄几美元到几十美元，选错一次就是真金白银。路由省下的不是算力，是试错成本，而试错成本恰恰是企业客户最不愿意承担的隐性支出。价格上限这个字段就是为这种需求设计的：任何一次调用都不许超支，做不到就报错说明原因，这种确定性单个模型厂商反而给不了，因为厂商天然希望你只用它。
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。世界模型要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、自动驾驶与科学研究。八周年对谈里他把这层意思说得更直接：视频与世界模型无意间造出了最好的机器人模型之一，这些模型已经被拿去训练机器人与自动驾驶系统。
这个说法在招人上也有痕迹。世界模型方向的岗位在海外开价不低，Runway给这个岗位开出的年薪区间在二十七万到三十七万美元加期权，和机器人公司、头部实验室抢的是同一批人。
自研模型这块它没有停。Aleph 2.0从视频编辑切入市场，再用模型聚合与Agent接住其他创作需求。这条路线的好处是切入点是编辑而非生成，编辑是刚需，生成是可选；坏处是编辑工具的天花板受限于底层模型能力，底层不够强时，编辑再顺也救不回画面。
模型层的门票越来越贵，这一点从可灵的账上看得最清楚：年化五亿美元收入仍然巨亏，说明推理成本摊薄远未到临界点。对多数创业公司，问题不是模型好不好，是养不养得起训练它。工作流层是轻资产，但它也有软肋，聚合与路由的壁垒建立在评估数据与客户关系上，一旦模型厂商自己开始做路由，或者云厂商把路由做成基础设施的默认能力，中间层的空间会被压缩。
行业风向在配合这条路线。Sora今年三月停摆后，接盘的初创公司背后站着好莱坞制片人，目标是把它改造成专业影视工具；Netflix花5.87亿美元收购了专为影视制作设计的AI平台InterPositive。影视工业要的从来不是随机惊艳，而是可预算、可排期、可审核，这三样都是工作流层的属性，不是模型层的属性。
对国内从业者的参考价值有两条。一是模型多到客户选不过来的那一天，聚合加路由的国产版本迟早会出现，先把评估体系攒厚的团队会拿到先手。二是对内容团队来说，选型正在变成一项独立技能：同样的剧本，不同模型跑出的可用率差距很大，会按镜头类型匹配模型的团队，成本能比无脑用单一大模型低一半以上。