136: Sora新世界 & Lovart 4个月复盘 | 与陈冕聊怎么做垂类Agent|Agent#5

我觉得也是特别巧，因为我们第一次聊的时间是9月28日，刚好是在Sora发布前一天，正好可以补充聊一下。我觉得这也印证了上次你说的，变化太快了。

对，变化太快了。它总会比你想象的时间更早一点，但可能也差不了太多。我们上一次聊的时候说，我觉得To C应用的元年是明年，结果现在看起来也差不了太多。明年肯定是元年，但没有想到关键的时间点会在我们猝不及防的一个假期里突然发生。

那我们可以先聊聊Sora发布之后的情况。我看你在极客公园的直播里说，你第一时间拿到了邀请码，玩了三四个小时，从凌晨3点多玩到7点。你可以讲讲这4个小时自己的体验吗？你一步一步都感受到了什么？

1. Sora打开了新世界

我觉得是这样的：最开始用的时候，预期没有很高。首先，它的发布会非常简单，线上发布也非常简单、突然，所以我其实没有预期。

但我觉得当时一切都用得很顺滑。作为一个产品经理，我觉得它整个产品的用户流程，以及各种体验都做得很顺，所以我很快就用起来了。整个过程非常顺利，我就在一个很顺滑的过程中完成了第一个作品的创作。

那是我和Sam的一个合拍。当时我用了一个非常简单的提示词：我和Sam walking on the street。生成之后我就觉得，哇，好像还真有点意思。它的视频生成速度很快，当然它只有9秒，速度很快，镜头也很好。

然后我发现Cameo这个功能很有意思，就又玩了一下，生成了第二个视频。我说，我和Sam在一个竹林里对决。结果发现它的镜头、画面都很不错。

后来我又录了一个视频。这一次我让GPT先帮我写了一个脚本，想做一个《无间道》里9秒钟屋顶对决经典场面的片段。GPT写完脚本之后，我把它复制到Sora里发布，出来之后我就惊艳了。

到第三个视频的时候，我才第一次打开声音。因为当时是晚上，我不想打扰妻子休息，所以前面一直没有开声音。第三个视频开了声音之后，我觉得新世界的大门被打开了。我当时发了一条朋友圈，说感觉新世界被更早地打开了。

为什么当时那么震撼？第一，它有镜头语言。它不是像原来那样只给你生成一个单一的视频，而是有镜头语言，而且那个镜头语言几乎复刻了《无间道》的感觉。我觉得它的镜头语言不能说已经达到电影级，但至少有尝试电影级的潜力。

第二，它的声音，尤其是中文适配，也非常好。音色虽然不能说百分之百还原，但你能听出来就是我自己的声音。音画同步做得非常好，镜头语言也很好，人物一致性也很好。关键是这一切都不需要抽卡，一次就能生成。

我当时就觉得这个模型有点东西，这是第一次震撼我。

当时团队里还有同学跟我一起玩，我就开始拉着他拍合拍视频。然后我发现，这在产品上也不简单，它是一个社交产品。因为你会发现，当时所有人都在找Sam。

我打开创作页面的时候发现，除了Sam，其他人我都不认识。我跟他们有什么好拍的？如果不跟朋友拍、不跟Sam拍，我其实不知道要创作什么。所以我的第一反应就是，赶紧让我们在美国、还没有睡觉的同事把邀请码发起来，大家一起玩。

一瞬间，你最开始只是一个用户，后来从产品经理的视角突然意识到：这不是社交吗？哇，这是Instagram。

对，你那个时候有一个Aha moment。

对。然后我再去刷它的信息流。最开始你其实不会刷信息流，我凌晨3点进去的时候，信息流里点赞最多的也就十几个，根本没有几个用户，内容质量也很差，没有什么好看的。

我做完前面的社交互动之后，才开始刷信息流。那时候已经能刷到几个朋友、同事做的视频，我就觉得很有意思。有一个同事拿我的脸做了一个视频，让我在里面说：“今天早下班，今天不上班了。”

我说，哇，interesting，好酷。

然后我看到页面上有左右滑的交互。以前是转发、点赞、评论，现在除了点赞和评论，又加了一个remix。它的remix就是左右滑。

其实最开始我没有用懂左右滑，因为刚开始生成的质量比较差。但慢慢用下来，我发现左右滑的质量会越来越好。后来我又意识到，这个问题其实我之前也想过。

我们一直觉得，AI创作里很重要的一件事情就是做remix。因为AI降低了创作门槛，核心就是你看到别人的作品之后，可以很容易地进行共创、接力。共创本身是一个非常核心的能力。

所以看到Sora有remix之后，我就想，哇，它把这个也想到了。而且左右滑是非常顺的交互，基本不会超出滑动和点击这两件事，其他交互都太复杂了。但是我在这过程中还遇到非常多bug啊，就是我有时候提的词长了，它不让我发布，弹了一堆这个coding的报错，一看就是各种细节没有打磨，但我觉得它的整体的完成度比我想象中要好，至少在关键链路上比我要好。对，所以我觉得对我当时到这儿的时候就已经冒出来了。

其实你刚刚说的remix，在视频平台里以前就有这种现象，只是没有人把它产品化。

比如B站上如果有一些梗，大家会反复做视频，也会带入不同的人。之前有一段时间特别流行的“Look in my eyes”，还有“谁谁谁得了MVP”，其实都是remix，只不过是一个人一个人地传递下去。剪映的“剪同款”也是remix，只不过AI能让这一切变得更加简单。

正好还有一个很有意思的事情。9月25日，Meta也发布了一个类似的产品，叫Vibes，比OpenAI早了4天。OpenAI是9月29日发布的，但后来我发现Vibes几乎无人问津，我周围根本没有人讨论，我自己也没用过。

在时间点这么接近的两个产品里，Meta的声量为什么完全不如Sora？

2. Sora成为AI社交产品

Meta的Vibes是放在Meta AI这个App里的，不是一个单独的App。我觉得最关键的是，它没有你刚刚说的Cameo，也就是中文叫“出镜秀”的功能，不能和一个真人形象合拍。

Vibes本质上就是一个AI生成短视频的feed流，这种产品其实早就有了。它这次的核心当然包括模型进步，这是根基，但另外一个核心还是Cameo。OpenAI自己也说过，没有Cameo就没有这款产品。

这款产品最开始就是给朋友玩的。我觉得Cameo是这一切的核心。如果你不利用社交关系，这个东西其实没什么好玩的。

所以更准确地说，它是一个AI社交产品，而不是AI短视频产品。至少现在，它所有的产品设计都在把它导向一个AI社交产品。

如果它是一个AI短视频产品，现在根本不会有这么大的声量。它作为一个模型，可能是一个很好的模型，能生产出好的短视频，但对于这个产品来说，它和大家所谓的“AI抖音”“AI TikTok”，至少在现在这个时间点，没有任何关系。

我自己用的时候也有一个很微妙的体验。我知道它是音画同出的模型，所以试图直接在prompt里写具体台词，但我觉得它在这一点上没有跟随得特别好。有时它不会说你写的那些特别具体的话。

后来我想，可能因为这个产品本来就不是朝这个方向优化的。

对，它整个产品链路就没有强调专业创作。如果你做一个AI抖音，核心是早期产生高质量的内容，这和Sora是不一样的。

但你使用Sora时，好玩的点来自你和朋友合拍，或者和名人、一些有趣的人合拍，所以它完全建立在社交上。

模型能力当然还有进步空间，现在做到你说的那种非常具体的台词确实有难度。但它妙就妙在，它在模型能力最适合的时候，选择了最适合的产品形态。

这个形态是社交。社交的规模可能比抖音还大。

如果是一家中等规模的创业公司，比如Lovart这个体量的公司，第一家做出了这种产品交互，它会像Sora这么火吗？

现在不能忽视的是，Sora不是单一的产品创新，它的模型在这个时间点也是SOTA。所以像我们这种不做模型的公司，我觉得没有能力第一个做出这样的产品，这是不可能的。

它只能由这样一家公司做出来：既掌握最强的模型，同时它的文化和组织又能孕育出产品创新。

除开顶级模型公司，这个产品很难出来。第二，如果它真的出来了，我觉得也能火，但接下来面临的挑战会很大。

第一，它要录入人脸，这对合规、隐私和监管都是非常大的挑战。第二，它需要烧天量的钱。现在已经登上总榜第三名了，却没有收用户一分钱，要生成这么多视频，成本极高。

这几个因素加起来，我觉得一个中等规模的模型公司可能能把它做火，但接下来面临的挑战非常大。

而且如果中等模型公司火了，头部公司会马上跟进。它们掌握更多流量，有更多钱，也有更多资源，所以会非常困难。

如果是AI社交，我也觉得巨头的竞争会更强烈一些。你刚才提到免费，这本来也是我想问的。OpenAI在这个产品上体现了很大的烧钱决心。

它虽然设置了邀请码，但我觉得邀请码其实是为了社交玩法，实际上没有限制使用，而且邀请码也很容易裂变。我觉得它未来肯定是要赚钱的。

Sam昨天还在X上回应一条消息。有人说，你不是要做AGI吗，怎么来做这种杀时间的产品？他说，情况非常复杂。如果我们能做一个好产品，顺便赚点钱，当然更有利于实现AGI。

我昨天晚上也发了一条朋友圈，讲理想主义和现实主义。我觉得它未来肯定会赚钱。做Super App的人都会明白一个道理：早期都不赚钱，但后期可以赚大量的钱，所以他们肯定是想清楚了的。

你觉得这种形态最后有可能成为一个什么级别的Super App？我们不说现在，聊聊未来的潜力。

3. Sora拥有超级应用潜力

我觉得未来的潜力是巨大的。它真的有可能成为虚拟世界的微信、虚拟世界的Instagram。

未来人类的社交可能会分成两个世界，就像我之前讲的，一个是虚假的真实，一个是真实的虚假。这是一个有点哲学的问题。现实世界的朋友圈和虚拟世界的朋友圈，可能会变成两个朋友圈，但它们都有虚实的属性，边界正在被泯灭，但又好像是两个东西。

所以对于人类来说，最终可能是虚假的真实更有吸引力，还是真实的虚假更有吸引力？最终是它们对时间的争夺。

我觉得这可能是一个数十亿用户的Super App，但不是现在。当然，这里面肯定灌注了我的想象。

现在它的模型、产品形态和运营，包括产品定位，都还没有完全清晰。毕竟这是第一版产品，这些都还需要探索。模型当然也需要变得更好，但你几乎已经确定它会变得更好。后面的其他问题，一个优秀的团队应该都能解决。

所以我觉得，未来已经打开了。它应该是一个非常大的用户机会。

接下来大小公司的动作会怎么调整？

对于模型公司，以及想做应用的模型巨头来说，这应该是必然会去打的一场仗，因为输不起。

无论你现在判断它成为Super App的概率是百分之十还是百分之二十，你都无法接受错过它的代价。得到它的意义又是巨大的，所以对于任何一个想要进入这个时代最顶尖、最强Super App的公司，包括现在已经拥有Super App的公司，我觉得都不会放过这个机会。

如果这个事情和社交有关，社交有网络效应，也有一个窗口期。可能第一批进入的人还有希望，但晚一个时间线再做，可能就没什么机会了。你觉得留给大家的时间有多久？

我觉得可能是3到6个月。

3到6个月，还是很紧迫的。那对于创业公司来说，需要做什么调整？

我觉得会有很多新的To C机会，因为To C的时代被开启了。创业公司可以认真思考To C这件事情。

其实我们上次聊的时候，你就提到接下来肯定会挑战To C。看到Sora这样的形态之后，它对你们接下来做To C的具体想法和策略，有什么启发或者影响吗？

大方向上没有变化，因为这本来就是我们既定路线要做的事情。但在产品、模型和增长方面，它是一个很好的样本，也是一个很好的学习对象。

本质上，我们从第一天就希望长期做一家To C的公司，所以这些都在我们的考虑范围内。

如果To C的Super App至少在现在这个阶段，还是特别大的创业公司和巨头的机会，比如OpenAI，或者以前就有Super App的巨头，那么对于目前还在成长、想做To C的公司来说，未来还有可能抓到Super App的机会吗？这种机会可以想象成什么形态？

当然要保持乐观，但这个形态现在可能没有办法预言。它一定是从不起眼的角落里生长出来的。

一家创业公司如果最终能够成长起来，可能不会是一个一开始就火的东西。你看移动互联网时代，抖音花了很长时间，小红书也花了很长时间，快手、B站也都花了不短的时间。

对于创业公司做的产品来说，如果它爆了，反而要谨慎。尤其是To C，To B无所谓，To B大家都希望尽量爆，但To C如果爆了，我觉得来得快也可能去得快。

我也很期待之后新的公司做的To C产品会是什么形态。

Sora接下来肯定会成为巨头竞争的战场，马上就会变成巨头战场。这是一个新战场，我觉得它甚至可能会抢Coding的风头，而且这个市场比Coding更大。

这件事本身会怎么影响整体的视频生成领域？我们上周聊的时候，你提到视频生成不是最核心AI公司的主线战场，它们的主线还是语言、逻辑和底层模型演进。Sora 2之后，这个判断需要怎么调整？

首先要澄清一下，我不是说视频生成不在它最重要的主轴上。追求AGI的过程中，本来就要做视频，也要做世界模型，只不过AGI的路是以语言为主轴，其他能力也都要做。

所以它会慢慢覆盖这些方向。我们从来不是说巨头不会做视频生成。如果巨头不做视频生成，创业公司连模型都没得用，它一定会做。

我之前还有一个判断，就是巨头做To C Super App的速度不会那么快。但显然我是错的，OpenAI比想象中更加激进。它不只想追求AGI，同时也想追求最好的产品。

这件事要两面看。一方面，OpenAI入局也代表这个领域接下来会蓬勃发展，代表大家的注意力都被吸引过来，大家看到了未来。对创业公司来说，这其实是一件好事。

另一方面，我们确实要考虑如何更快地做大。这个时代每一个巨头似乎都比想象中更厉害，更没有边界。如果创业公司不能快速成长起来，挑战也会极大。

所以机会一定会增多，因为一个巨头再强，也不可能抓住所有机会，这是一定的。对于创业来说，我们一定要保持乐观，但也必须有危机感和紧迫感，要更快地做大。

我觉得这一次全球创业创新热潮里有一个很特殊的现象，就是出现了OpenAI这样的公司。以前其实没有这种类型的公司。你把它划到了巨头这一类，对不对？但它又不是传统意义上的典型巨头。

到目前为止，说实话它还没有一个真正带来足够丰厚利润的主营业务。它有一些很强的产品，但目前还是亏损状态。不过它有非常多的、几乎可以认为取之不尽的弹药。

这就是这个时代，也是我们为什么要尽快做大的另一个原因。

4. AI热潮受制于现实

资本正在以想象不到的速度、以有史以来最快的速度聚集。人类历史上从来没有发生过，一家公司在爆火几年之内快速成长为一家超过5000亿美元的公司。

资本正在以前所未有的速度聚集，因为机会大家都看得到，所以大家都疯狂投钱。人类历史上很难有这么短的时间内聚集这么多共识，而人类历史又正好处在资本相对最充裕的年代。

所以这个时代一切都变快了，真的太卷了。为什么这么卷？因为大家觉得未来太大、太乐观。所有能投钱的人，都把钱投出来砸到这件事情上，所以它以前所未有的速度成长。

很多无法加速的客观事情，也被拖着一起往前走，形成了一个很神奇的状态。

在大家特别乐观的叙事下，你觉得有什么风险？

主要风险是，太多乐观导致大家对一些无法加速的事情有了过高的速度期待。当它的速度没有达到预期时，大家又会产生沮丧和怀疑，从而形成错配。

中间会不会出现短暂的泡沫破裂期，这不好说，但大趋势已经毋庸置疑了。

比如算力不够，能源也不够。算力和能源的基础设施建设需要时间。最后你可能会发现，做Super AI的成本高得无法想象，钱赚不回来，账算不过来。但再等几年，它一定赚得回来，只是这几年账算不过来，需要基础设施和时间。

这是一个很可怕的事情，它会进一步导致头部集中，因为算力就那么多，成本又那么高。所以我们还是希望基础设施更快完善，能源更充足，算力更充足，不要被底层的物理条件卡住。

如果这两件事情确实脱节太严重，也说不准会有泡沫破裂的那一天。但大趋势确实是毋庸置疑的。

除了算力和能源建设需要时间，你心中还有哪些无法加速的东西？

还有用户的习惯，也就是人心。

人总会有各种各样的类型。有先锋派、乐观派，也一定有怀疑派和守旧派。你不能说守旧就不好，传统也能给社会贡献很多价值。

以后真实和虚拟的边界会很模糊，这些也会影响它。但没关系，新事物都是在争议中前行的。人性的改变需要时间，但人也一直在接受新的东西，只要它是顺应人性的，不是向恶的。

但它需要一个过程，这个过程不能被极限加速。

Sora的信息流从上线第一天到现在，内容丰富程度和好玩的程度都提升了很多，进化非常快。

对。我个人并没有觉得它有那么多“AI废片”，里面其实已经出现了很多好玩的创意。

快手第一天的时候，谁能接受快手？很少有人能接受。所以你要相信它演变的速度。

我觉得这已经是一个no-brainer了。我很相信自己的直觉。对于一个好的To C产品来说，你使用它的那一瞬间，就会感受到它巨大的魔力，会有一个超级的wow moment。

我记忆中经历过的这种时刻，可能是ChatGPT，再上一次是抖音。可能再往前我还太年轻了。但我对它非常看好。

接下来是9月28日对陈冕的访谈，我们从他过去三个月在北美的经历聊起。

你这次具体是什么时候回国的？

一个多月前。我前后应该在美国待了3个月。

你是在5月份产品发布之后去的，那会儿应该算测试阶段，对吗？

对，测试之后就过去了。5月到8月，现在是9月，所以相当于在那边待了3个月。本来我现在也应该还在那边，但国内有一些事情要处理。

听说是跟你们融资相关的一些事情。

你消息很灵通，等会儿可以展开讲。

我们先从你去美国的这3个月聊起。这肯定是密度很高的3个月。

5. 硅谷追问创业初心

我觉得硅谷有一个很不一样的地方。大家没有那么多人问竞争、问终局。很多时候，大家最开始看到一个创业者，想问的是：你为什么要做这件事情？

他要感受到你做这件事的热情和激情。所以我当时去的时候，就觉得那边本身非常founder mode。

你说的“很多人”，指的是什么类型的人？是投资人吗？

各种人都有。我们其实没有在美国见很多投资人。我们的Launch Party来了很多美国投资人，大家会问：你为什么要做这件事情？你的vision是什么？你为什么非做不可？你的原因是什么？你特别unique的地方是什么？

大家可能更关注你为什么不一样，为什么想要创造。

当你在美国经常被问到，原始的热情来自什么，你现在一般怎么回答？一直被问这个问题，会让你的想法变得更清楚吗？

是的，变得更清楚了。

最开始很多人问，我们这个产品到底是for everyone，还是for professional，或者是其他人群。我们之前对这个问题的答案没有特别清晰，后来就清楚了。

6. Lovart让创作实现平权

我做这家公司的冲动和原始vision其实很明确。我们希望让人类的想象力和创作实现平权。

我个人很喜欢创作，也喜欢刷内容，喜欢看各种各样的内容。虽然我不是设计师出身，但我非常喜欢创作。我们本身就相信，AI会让所有人的创作实现平权。

很多人在讨论AI会不会取代设计师，但它也在让每个人都可以做设计。它可能会让狭义定义上的专业设计师变少，但实际上，能设计、想设计、有能力设计的人，也就是广义上的设计师和创作者，可能会变多。

所以我们后来给Lovart的定位是：design agent for everyone who wants to create。

它不是一个for everyone的产品，因为不是每个人都想创作。创作毕竟是少部分人会做的事情，但其实也没有那么少。每个人都有创作欲和表达欲，只是不是每个人时时刻刻都在创作。

我们希望当你想要create的时候，Lovart是一个AI design agency，可以帮助你把想象和创意落地成真正的作品。

严格意义上讲，Lovart未来的预期仍然是一个for everyone的产品，但不是for everyone的日常娱乐产品。它还是一个专业产品。

Lovart应该是你身边的专业创作工作室。就像你现在会找人类设计师或人类工作室，帮你做高质量的作品一样，当你想要专业创作作品的时候，也可以找Lovart来提供服务。它是一个AI创作工作室。

听你这么讲，我想到每个人生活中可能都有一些人生节点和场景，非常想自己设计。

我刚参加了朋友的婚礼，婚礼就是一个很典型的场景。有时候你找一个设计师，不如自己把想法落地。

没错。很多类似的场景，比如前段时间Nano Banana火了之后，大家上传自己的照片，让Nano Banana生成全套艺术照。

很多个人场景，无论是和真实相关，还是和真实没那么相关、需要大量专业工作来延展的内容，都非常适合交给一个专业的AI design agency。

现在请一个专业工作室很贵，因为要请人，还要不断沟通。未来AI会让这些变得更便宜、更普惠，让每个人都能获得高质量设计，从而我觉得能创作的人反而会变多。

我们在Launch Party上也和很多设计师交流了AI会给他们带来的变化。如果你只是一个会copy的设计师，我觉得未来可能很危险。但我始终觉得，人类可以提升人类内容创作的上限。

所以专业创作agency未来也可以给专业设计师提供灵感。相当于他先找一个创作工作室，帮他完成初稿或底稿，然后他再在这个基础上拓展上限。

未来无论是半专业的人、专业的人，甚至普通人，只要有场景需要一个专业的创作agency，都可以试试我们。我们未来应该会是一个更有性价比、同时质量越来越高的选择。

这就是我们后来对Lovart的定位：for everyone who wants to create，而Lovart仍然是一个professional design agent。这也是它和豆包这类产品的差异，它需要产出更专业的结果，在这个垂类上也会更加聚焦。

你可以总结一下，从去美国3个多月到现在，你们整体发生了哪些变化？刚才讲的定位变得更清楚，是其中一个。

第二个变化是，我们对全球市场的感受更深了。无论是我个人的认知、整个团队的认知，还是我们和用户之间的距离，都在发生变化。

你们去美国之后，最开始做了些什么？先做什么、后做什么，才逐渐对全球市场有了更多认知？

我们最开始去的时候，对硅谷的感受很不一样。

首先，去了之后会发现有非常多的活动。你走进任何一个咖啡厅，都会发现所有人在聊AI。

你们具体在旧金山什么位置？

我们在旧金山的California Street，办公室就在那附近。周围有Salesforce Tower，也有各种创业公司和大公司，算是在旧金山市中心、联合广场附近。

现在AI公司是不是很多都在旧金山市区，反而不在传统意义上的硅谷？

可以分开看。中国人或者华人创办的公司，大部分在南湾、帕洛阿尔托。那是比较传统意义上大家理解的硅谷。

非华裔创办的很多公司，特别是我们这个赛道的很多公司，其实都在旧金山市区。像Krea、Luma都在那里。

如果要参加各种生成式AI活动，很多也会在旧金山市区举办。我们最开始团队刚搭起来，人也不多，旧金山市区虽然比较贵，但帕洛阿尔托也不便宜。

所以最开始去的时候，我主要是参加各种活动，认识一些founder，感受各个地方的氛围，感受他们在聊什么、想什么、焦虑什么，以及他们是什么样的情绪。

你可以理解为，我最开始去的时候，主要是感受大家的集体情绪，感受这个vibe。

很快，在Launch Party之前，我们应该已经办了两次线下活动。在那边办活动是一件很常见的事情，也有很多人愿意参加。在这个过程中，你可以和很多人交流，也能认识很多合作伙伴和KOL。整体上是一个开放、活跃的创业氛围。

那其他founder关心和焦虑的是什么？

整体情绪上，大家对AI还是非常乐观的。

有一点是，我觉得现在中美大家对AI的认知差距没有那么大，信息传递得非常快。什么时候开始讨论reasoning，那边也在讨论reasoning；什么时候开始讨论I/O，那边也在讨论I/O；后来大家开始讨论agent，那边也在讨论agent；后来讨论context，现在也都在讨论context。

从大的叙事上，我觉得最开始国内的信息可能稍微滞后一点，但到今年已经非常快了，甚至已经比较同频。

那边的一个特点是资本比较充裕，所以大家对AI、对创业都会更乐观一些。中国的AI创业今年也开始变得如火如荼，比我刚出来的时候，创业的人多太多了。

但硅谷还是更free一些，到处都是创业者，也能见到来自全球的创业者。

你说他们卷吗？他们也非常卷，但不是焦虑型的卷，而是觉得这里有非常大的机会，大家都能赚到钱，也都能做自己想做的事情。它是兴奋型的卷。

从美国大公司的动作也能看出来，你们是不是比较少做for everyone的产品？

对，美国那边确实To B更多一些，To C产品没有那么多。我觉得这可能也是中国创业者的优势，我们其实更擅长做To C。

但美国的To B确实很不一样。中国的To B，你先得给我打个折，先砍砍价，甚至还要销售驱动。但那边感觉只要价格合理，我也不用讲那么多，这个业务我就做了。

无论大公司还是小公司，都很接受使用别人的服务。SaaS一直以来都很繁荣，在AI这一波更是如此。

比如有一家叫fal的公司，本质上是卖API、做基础设施和模型托管，通过API卖给别人，在那边做得很好，客户也很多。

在硅谷卖API，你参加一个party，可能就有10个创业者直接接入你的服务，大家马上就用起来了。

所以那边整体上资本充裕，大家非常兴奋，也没有那么多关于竞争的讨论。整体非常活跃，大家也很愿意使用别人的东西。

你们第一场活动是和Freepik一起办的。Freepik是图像领域的玩家，也做图像和视频，和你们肯定算一个赛道。在中国很难想象，同一个赛道的人会和你一起做活动。

除了感受氛围、参加活动、了解当地公司和创业者在想什么，后面还做了什么？

后面主要还是做业务，包括招人，定义哪些团队一定要放到北美，然后去找合适的人做招聘。

另外也是为了离用户更近，看看产品上有什么问题，以及大家对产品未来有什么样的想象。我们也和一些KOL有更多线下联系。

你刚才讲到第二个大的变化，是你们对全球用户的感知变得更强、更清晰了。你们离全球用户更近之后，具体感受到的需求是什么？当然，主要可能是欧美用户。

我刚刚讲过，对于专业创作者来说，我们提供灵感、完成初稿；对于不那么专业的人来说，这是一个真正可以帮助他交付专业结果的AI。现在结果可能还有瑕疵，但未来效果会越来越好。

你们是通过什么方式把这件事想得更清楚？做调研，还是更多通过用户活动？

我们需要了解不同用户的兴奋点。当然会聊天，也会看他们如何使用产品，找到不同类型的用户到底因为什么事情兴奋。

有哪些事情是必须在北美才能做的？

不同区域的用户，使用习惯确实有差别。当然我们在不同地方都能获得反馈，但反馈会略有不同。

北美的设计师和创作者比较贵。比如你是一个中小企业，是一个咖啡店店主，想请一个设计师，其实非常昂贵。这个地方和中国不一样，中国的设计相对便宜。

所以你会看到，北美用户看到这个产品之后，兴奋点和想象可能是：未来不用花那么多钱找设计师，只需要这个产品能把东西做得足够好，能给出足够多的方案。他可能想的是，未来可以省多少钱。

另外，北美的创作者和专业设计师，和中国的设计师也不太一样。中国当然也有顶尖设计师，但很多设计师偏交付结果。美国很多设计师则有比较强的自我表达，对自己的创作和创意要求很高。

他们可能不屑于、也不愿意直接拿AI生成的结果使用，一定会自己修改。对他们来说，AI只是提供灵感的一环。

这在功能上体现为什么？

如果是专业设计师，其实不太需要Lovart提供复杂的编辑能力，因为他会在Photoshop里编辑。Lovart给他提供灵感，后面的步骤他会在其他工具里完成。

无论怎么编辑，AI产品也不可能比Photoshop的编辑能力更强，那不如让他去Photoshop编辑。

所以对专业创作者，尤其是欧美的专业创作者来说，他们对传统工具的使用习惯很深。他们已经把那些工具和自己的工作方式融合得很好，知道如何把想法通过这些工具实现。

他们反而还不太熟练地使用AI。但如果AI能提供大量灵感和各种参考，就像一个初级设计师给他提供各种inspiration，他会很乐意使用。

这也是为什么当年海外生图市场做得最好的是Midjourney。Midjourney最早都在Discord里面，根本没有什么编辑能力，也没有处理设计工作流的能力，但它的出图审美质量很高。

我觉得Midjourney最早在post-training上做得比较好。很多设计师会觉得，它至少像一个审美很强的初级设计师，能给自己提供灵感，再拿过来修改使用。

所以它更多取代的是素材发散和灵感发散的作用。

相反，我觉得中国真正的设计师群体，过去10年才变得越来越大、越来越蓬勃，他们对新工具和AI的拥抱意愿更强，也更熟练。

我们之前的产品内部数据也能看到，很多中国设计师已经在使用工作流。中国很多用户会用ComfyUI完成整个设计工作流。

国内设计师对新工具的拥抱更好，意愿更强，也可能更熟练，更加效率导向。欧美设计师价格更高，时间相对更充裕，更偏创意导向。

所以相对来说，两边不太相似。

你们还做了一件事，就是招人。你们在那边招了什么样的团队，主要职能是什么？

全球化之后，我们在各个区域早期最主要搭建的是marketing团队。

北美和中国不一样。美国主流产品没有那么依赖投放，没有那么依赖付费广告，更依赖叙事和branding，更重品牌，以及整个产品叙事的包装和传播。

具体到我们这个领域，它可能更依赖内容。比如你是一个创作工具或design agency，核心就是能不能做出好的作品。

就像当年Midjourney的风格很美。你的风格是什么？所以内容传播、内容运营都很重要，marketing、branding、产品叙事和内容运营都很重要。

这些团队是我们在那边逐步搭建起来的。

另外也有一些不一样的地方，比如设计。我们是在中文语境下长大的，很难知道一个英文放在哪里会更美。设计和童年接触的文化有共同关系。

比如我们看到华文彩云，会觉得比较土，因为小时候上电脑课时就看到那几个预设字体。但换一个外国人过来，他很难理解为什么这个字体会土。

有很多东西需要在特定文化经历下才能做好，所以设计师也需要尽量本土化。过去3个月，我们主要就放在团队搭建上。

你刚才也提到，在美国3个月没有特别密集地见投资人。本来我以为你们会有一些全球化投资机构进来。

我一直觉得融资是手段，不是目的。我们从来没有设定过一个目标，说要把业务做成功，就一定要拿美国投资人的钱。

当然，我们需要关注全球AI创投资本的分布，看看未来如何更有计划地获得更多资金。我们肯定要坚决做全球化，所以资金上未来也会多元考虑。

但回到最近这一轮，短期内我们是分阶段的。我们马上会公布新的融资。

我知道你们已经有新的融资了。

对。其实在Nano Banana火起来的那一瞬间，我们新一轮融资就已经定了。

我刚去美国的那3个月，我们刚刚融完一笔大钱，并不缺钱。所以在那个时间点，更重要的是把刚才说的那些团队能力模型建立起来。

第二是离全球各地的用户更近。Lovart的第一大市场确实是美国，我们现在用户最多的地方就是美国。

可以透露一下占比吗？

美国用户应该在三分之一以上，但会有波动。我们最开始是在美国和中国比较火，其他区域现在陆续在做，流量也在慢慢增长。之前美国的比例一直处在高位。

三分之一是付费用户和免费用户加起来的比例？如果算订阅收入贡献，应该会更高一些？

会比三分之一高一点，但没有高很多。

我们目前也没有做付费广告，只是在一些渠道做小规模测试，没有大规模投放。用户主要来自品牌传播，所以用户质量本身也比较高，付费意愿也更高。

如果直接投放付费广告，可能会有很多来自巴西、东南亚的用户进来，但他们根本不会付费。我们现在没有做大规模付费广告。

我有时候在YouTube上能看到一些AI产品的广告，你们没有做这种贴片广告？

我们有很多KOL帮我们宣传。贴片广告现在还没有，未来可能会考虑，但短期内希望更organic、更精准地做传播。

坦诚讲，我们公司的品牌和这个品类的叙事还需要进一步强化，之后再做付费广告可能会更有效率。

那你可以讲讲现在能透露的整体用户情况吗？Lovart的用户到了什么规模？订阅收入到了什么规模？

我们现在的DAU可能在15万到20万之间。

这是截至什么时候？

截至这两天，也就是9月底。增长还挺快。

我们在beta阶段限制发放邀请码，每天可能是一两万的量级。beta是5月初之后，从5月到7月，期间每天大概一两万。beta结束后，DAU迅速涨到8万到10万。

后来Nano Banana出来之后，效果又更好了，再上了一个台阶，最近基本稳定在15万到20万之间。

今天刚好是你们公开上线两个月，因为是7月28日。

对，正好两个月。

所以你刚才说的DAU是15万到20万，算是一个月上一个台阶。

我们确实是一步一个台阶往上涨，目前增长还比较稳健。

那收入情况可以说一下吗？

收入增速非常快。算全年的预估收入，我们应该已经超过3000万美元。等你发稿的时候，应该还会更高，希望它能够一直涨下去。

整体来讲，我们的收入和DAU一样，也是不停地上台阶。测试阶段还没有什么收入，正式版上线之后上了一个台阶，拿到Nano Banana之后，agent能力进一步强化，又上了一个台阶。

我其实还挺开心的，整体比较顺利。但我觉得产品还很早期，这个agent在我心里现在还没到60分。

它和模型能力有关，也和我们自己的工程进展、产品里还有很多想做但没做的事情有关。所以它还在飞速进化中。

测试期的产品能有这样的数据，首先说明大家还是很有想象力的，用户也很有想象力。很多用户不会觉得产品现在是完美的，但他看到了未来的很多可能。再加上我们迭代很快，所以他会持续用下去，发现这个产品能解决工作中越来越多的问题。

现在它肯定不是一个完美的产品。你说各个agent真的取代人了吗？真的能直接交付结果了吗？现在肯定还没有到。但我们已经看到它是可实现的，可能我们的用户也看到了这一点。

我现在跟团队讲，我们可能处在Coding 2024年初的阶段，再过半年到一年就会大爆发。但我们现在要做好这半年到一年的准备。

模型本身会变强，我们自己的工程能力和产品能力也要做得更好。我们对未来还是很乐观，但也需要移动得更快一些。

我想补充问一下，你们现在3000万美元的ARR，能覆盖调用成本吗？

现在基本上是可以的。

你们的付费价格定得比较高，但API很贵。核心问题是免费用户不付钱，而免费用户的API成本很高。

对，因为有免费额度，而且免费用户比例肯定更高，免费用户转化也需要周期，所以早期肯定是亏的。

我们对agent的长期商业模式并不困惑。我也不知道为什么有些投资人觉得agent长期不会赚钱。

Token一定会变便宜，这是一个no-brainer。它要大规模普及，怎么可能不便宜？它肯定会变便宜，就像流量和电一样，最开始都很贵。

所以我并不怀疑它的商业模式已经出现了，本质上就是订阅。只不过未来经济模型会逐渐算得过来。订阅至少是一个基础商业模型，未来商业模式也可能进一步演变，随着它的能力越来越强。

这种演变，比如交付结果，或者增值服务？

我们想过一个点：你让agent干活，让它想15分钟、2个小时，还是1天，结果完全不一样。

这和律师一样，也和请设计师一样。你让设计师今天加班赶一个活儿，和让他做1个月的research，肯定不一样。

背后涉及它要采集的context、thinking process，以及调用工具的复杂度，都不一样。

接下来我们可以详细聊聊，在全球市场做垂类agent的方法。

你们现在是for everyone，但它肯定还是针对特定场景和需求。我们可以从比较早的时候讲起。5月那次聊的时候，你提到2023年初开始思考创业时，看到了5个方向。可以再回顾一下当时的思考吗？

7. 垂类Agent找到生存空间

我当时说，在生产端就是Office和Adobe；To C端其实是信息获取，也就是搜索、社交和泛娱乐。

目前看没有超出这个认知。现在所有大体量的To C产品，以及大体量的To B产品，基本都在这个范畴里：要么是Office类的PMF，要么是Adobe类的图像、视频类PMF。

在工具端，大量泛C产品基本都可以归到这两类。

那Web coding属于Office那一类吗？

Coding可以把它当作新时代的Office。

我觉得在AI时代，Coding是LLM的原生语言。基于它的原生能力做文字处理和语言处理，本身就是它原生能力的一部分。

大语言模型处理文字、信息和Coding，都是比较天生的能力。原来的文字处理就是传统的Office，处理Coding则催生了一个新市场，也有点像Office。

但本质上都是这一代技术变革内生的、对信息和文字的处理能力，衍生出来的最直接的生产力应用。我觉得这些都属于Office类。

这一大类都会面临同样的问题：如何和LLM厂商本身拉开差异。

另一类是Adobe。Adobe也利用了很多视觉类模型的能力，但它的场景很细分，离大模型的主轴有一定距离。所以大家既能利用大模型能力，又能在自己的场景下做出差异。

你觉得现在这个判断有变化吗？

没有太大变化。现在确实有很多模型公司在做多模态融合，多模态肯定会越来越融合。

但无论如何，语言仍然是主轴。通用大模型公司在语言和文字能力上始终最强，也一定会把很多通用场景处理完。

我们的垂类产品做的事情，简单来说，造一个设计师或者创作者，一定不是大模型公司的主轴。造一个人，或者造一个合格的高智商的人，才是大模型公司的主轴。

比如一个博士毕业生，他处理社会中的通用问题可能很强，在这个社会里大部分基本事情都能做，但他不一定能做好一个设计师。要做好设计师，可能还需要知道这个行业里的经验。

这就是我们的差异。你可以利用大模型创造一个通用人的能力，但不要去做一个通用人就能做好的事情，我觉得这才是应用公司的生存空间。

你最开始选Adobe这个方向，一方面是因为你以前在剪映做过，有内容生产工具经验；另一方面就是刚刚说的，它不在大模型的主轴上。

对。如果把AI想成是在造人，最终追求AGI就是追求一个平均智商、甚至超过人的人。

但一个人能不能做好设计师、做好一个行业，很多时候和智商无关，而和经验有关。经验其实就是垂类场景的数据，也是垂类场景能够做post-training的东西。

垂类场景还有不同的外在风格、不同的交互和不同的工作方式。这就是垂类公司的空间。

我们本质上是在做一个垂类，不是通用信息的生成或处理，而是在做创作、做内容产业，所以它仍然非常unique。

回到产品上，为什么要做Chat Canvas？你可以先描述一下这个功能，因为有些人可能没用过。

这是一个很简单的道理：你和设计师沟通的时候，不会只对着他的脸说话。

我们现在做访谈，面对面说话就够了。你和大部分人说话，对着他的脸说话就够了，这是通用的方式。

但你和设计师或导演沟通时，如果他没有拿着一个屏幕，或者桌上没有放各种图和视觉产物来和你说话，你们两个无法alignment。

在创作领域，一定需要视觉上的对齐，才能make alignment。Chatbot是一个通用的最优界面，但在不同场景下，就像你和不同的人交流一样，你们所处的环境、可以借助的沟通和对齐对象也不同。

你和设计师或创作者沟通时，一定需要一个屏幕或者桌子来做视觉对齐。然后你对着这个视觉对象指指点点，说我要改这里、我要改那里。

我们内部经常讲，你要想想和真人沟通时，什么时候看着他的脸沟通，那就是Chatbot；什么时候不看他的脸，而是看着视觉产物沟通，那就是Chat Canvas。

你是在一个虚拟或真实的画布上，指着视觉产物说我要改这里、我要改那里，只是用这种方式沟通。

回到刚才的问题，如果把AI想成人，那么应用公司或者垂直应用公司其实在解决两件事。

第一，这个人进入你的垂直行业之后，工作方式是什么？它决定了这个行业的人机交互，在产品上就决定了这个行业的interface是什么。

第二，在这个行业里，它应该积累什么样的数据和经验？这些经验本质上是行业里非常不同的context，从而沉淀出这个行业不同的工作方法。

你可以把它类比成一个刚毕业的大学生。他在职场里学习的过程，和AI面临的情况相似：需要不同的工作环境，不同的客户沟通方式，积累不同的数据，知道这个行业的客户需要什么context，最终交付一个产物。

交付这个产物当然仍然会用到他在大学之前学到的通用智能，但也会结合行业经验，更有针对性地获取context，更有针对性地思考，并在更有针对性的交互界面上和客户沟通。

这才是垂直场景比通用场景做得更好的地方。

看到Chat Canvas这种交互方式之后，我觉得它对设计场景非常自然。但为什么在你们做之前，其他公司没有拿出类似的体验？

在模型能力达到之前，大家不会做这件事。以前你对着模型说要改，它改不准，也理解不了。

所以图像编辑模型，或者图像模型本身，对复杂指令的理解能力提升，是实现这一点的基础。

哪些模型变化之后，这个能力提升得比较明显？

第一个变化是GPT Image-1，也就是ChatGPT的生图模型，大家可能叫它4o生图。它是第一个在语言指令下，一致性和指令遵循做得比较好的模型。

后来是Nano Banana，以及字节的Seedream 4.0，都上了一个大台阶。

这些都是今年发生的事情。

对，所以别人还没来得及做。

你能第一个做，是因为提前判断模型会有这个提升，提前做了准备吗？

没错。这也涉及另一个问题：AI应用公司怎么做增长？

就是把未来会发生的东西提前描绘出来，然后等它发生。应用公司的增长靠创新驱动，但应用公司本身不掌握底层创新能力，因为模型要先创新。

所以你要预判模型会如何演化，提前把模型成熟之后对interface的颠覆描绘出来，等模型ready的那一刻，疯狂地展示出来。

我觉得Cursor就是非常典型的例子。

你去湾区多待一段时间，应该也有好处。比如你们Launch Party上，OpenAI Startup服务负责人Chris Brown也去了。你在那边肯定会更多接触核心模型公司。

是的。但我觉得现在中美差距没有那么大。

在那边的一个好处，是可以更早知道底层技术的变化，知道技术讨论的下一个方向，或者模型层正在讨论的下一个问题和命题。

你可以提前基于那个命题，思考它在自己的场景下可能发生什么演变，以及如何把这个演变提前描绘出来。

坦诚讲，现在中国创业者感受这些变化的速度也很快，国内信息传播也很快。

具体来说，你怎么提前描绘？靠什么能力，才能在模型能力提升之后真正接住？

还是要有具体的产品和工程准备。

比如Chat Canvas，我们最开始做Lovart的时候，GPT Image-1还没有出来。那时你根本不知道这个agent，或者图像模型，能不能理解那么复杂的指令。

你不知道那么长的提示词、那么一连串的指令，它能不能理解清楚。之前的图像模型很难保持精准的语义一致性，图像编辑也做得不够好。对着图像说指哪儿改哪儿，其实非常困难。

但如果你去看模型迭代方向，或者和做图像模型的人聊，就会知道他们已经在集中攻克这件事。如果聊到这个方向，他们会觉得这是能解决的问题。

这可能就是和模型公司距离比较近的好处。虽然不涉及秘密，但你能大概知道他们正在思考什么，下一个模型要解决什么问题，以及解决方向是什么。那个方向可能正好解决你的产品问题。

比如以前有ControlNet，在Stable Diffusion时代非常火。但现在为什么还需要ControlNet？因为现在图像模型对图文和one-shot指令的理解能力已经很强，ControlNet的很多交互方式就不再必要了。

所以第一，你需要知道技术接下来能解决什么问题，并同步建设产品变化和应用层的interface变化。这样当模型能力提升时，你才能以非常近的距离利用好它。

第二，我觉得我们要相信AI能力会不断变强。

比如Lovart的设计逻辑或设计哲学，就是还原人与人的沟通。我赌的是ASI还没有那么快到来，但无论如何，它都得先像一个人。

所以我们就坚持想：如果你和一个设计师沟通，会不会这样做？如果技术发展慢了，那我会很傻，因为它还没有变成人，我用人的方式和它沟通，模型能力达不到，产品就很难PMF。

但一旦技术发展很快，越来越像人，那这个产品就会越来越强、越来越好。我提前有了一个正确答案。

如果有一天它超过人，不再像人与人沟通，这个产品可能就会被摧毁。所以你只能这样想：既要相信它发展得快，又要给自己设定一个封闭的问题，否则就会变成一个纯开放问题，没有意义。

如果它超过人，应该怎么交互，我们好像也想不出来。

对。它甚至还需要人吗？如果它真的超过人，还需要人提供context吗？可能都不需要了。

所以我们现在只能想象，它可能还在模仿人，最终可能成为一个人。我们还是用这个方式思考，那么最终应该就是人与人的沟通，所以要回到人与人的沟通去设计产品。

你看各种paper、各种模型公司在竞争什么，大概就能知道它们的主线。然后基于这条主线，先把产品设计好，等模型发布时，第一时间把这个概念套上去。

你们现在会自己做一些小模型训练，或者做post-training吗？

会做一些微调和RL。

但这很难提前做吧？是不是还是要等基座模型？

只能在当时最好的开源模型基础上做，因为闭源模型没办法做post-training。

不过这些都是后话。本质上，我们觉得应用公司要做的，是先描绘模型成熟之后的交互范式，去满足大家的想象力。获得增长和用户之后，有了用户和数据积累，再不断做工程优化、context engineering和prompt engineering。

如果开源模型的速度也足够快，还可以通过RL进一步发挥数据优势。我觉得现在基本就是这样一个循环。

刚才讲到Chat Canvas，是一个很典型的例子。我也注意到你们有一些新功能，其中一个是之前就说过的，从图像做到视频。

Adobe本身既有图像也有视频，比较完整，只是Lovart最开始从图像切入。你们现在开始做视频生成，这个功能是不是会吸引另一类创作者？

比如很多设计师是做平面设计的，可能不做视频。做视频的人大部分会做图，但做图的人不一定做视频。

对。做视频往往从分镜稿开始，做视频的人也需要从图开始。但做图的人不一定做视频。

所以做图的厂商大概率一定会做视频，做视频的厂商不一定都会做图，但大概率也会做图。

做图的厂商本来就有很多用户的下游是视频，所以大概率一定会做视频，这是自然的衍生。

但做视频的厂商，做图的用户和做视频的用户会有差别。

那3D也是这个逻辑吗？

3D不一样，3D用户非常unique。我们没有正式做3D，主要还是图像和视频。

你们还有一个新功能，是生成对话播客视频。

那个功能当时比较热，因为Veo 3刚出来，我们就蹭了一个热点，并不是要重点做这个方向。

我还在想，这和设计人群的关系是什么。

没有特别直接的关系。我们本来就没有把用户限制在设计人群，因为我们是在先做图，再从图延伸到视频，本质上还是一个创作agency。

你们接下来什么时候会有规划性地扩展到更多类型的创作者？你的定义是for everyone who wants to create，对吧？

对。其实现在已经有很多类型了。现在视频和图片大概是五五开。

我们还有很多中小企业用户，比如咖啡店店主，要做一整套物料和视觉，包括自己的logo、菜单等。

所以你们主页有一个选项叫branding。

对，branding现在用的人很多。他也可能会做一个视频宣传片，发到自己的社交媒体上。

所以我们本质上是在做数字品牌、平面内容的生成或创作，也就是digital content。

未来也可能是3D内容吗？

这可能取决于终端和大家消费内容习惯的变化。

现在核心还是平面设备。无论线上是电脑和手机，线下是纸媒和屏幕，空间消费还没有真正发展起来。所以3D在很长一段时间内都不会是我们的主力方向。

除了已经上线的功能，你们迭代非常快。你还看到了哪些没有被满足的需求？你也讲过，目前这个agent在你心里还只有60分。

设计师还需要更多context。

比如要为《晚点》做一个系列海报或一套branding，它一定要理解《晚点》的历史，理解《晚点》是一家什么调性的媒体，也要知道《晚点》过去发布过的所有设计物料是什么风格。

它还要知道，你想向用户、受众传达出的媒体形象是什么。所有设计风格和branding传递出来的感觉，不能和实际内容相违背。

所以做一个设计时，寻求设计的人可能有很多context，但他不知道如何把这些context提供给AI。AI设计师需要主动问：你们是什么样的媒体？过去有什么物料？你把这些东西给我，让我理解你，然后做出你真正会买的设计。

抽象下来，设计的context包括reference和preference。

Reference是甲方，也就是需要做设计的人，可能有自己的偏好。比如公司过去形成了自己的风格，有自己的reference pool，过往公司的风格要求就是私有reference。

同时，他可能有最近流行和喜欢的风格，比如宫崎骏风格、多巴胺风格，这些可以称为公开reference。AI需要理解这些他偏好的私有或公开reference，才能为他设计。

不同的人也有不同的preference。比如服务一个客户很久之后，你会知道他不喜欢拟物风格，喜欢极简风格，这就是他的风格偏好。

和他多轮交互之后，这些信息也需要被AI设计师记录下来。他在这里创作过的所有作品，也代表他的风格。

所以和设计师沟通时，设计师需要想办法挖掘所有能够代表你偏好的产物，理解和抽象它们，最终生产出更符合你需求的作品。

具体到产品上，这个功能还没有完全上线。我们会做一个context模块。

正常情况下，和设计师沟通时，设计师可能会确认一些东西。比如他会问，《晚点》过去的物料是什么风格？你可能甩给他一个链接，让他去看过去的物料。

他理解这些物料后，可能抽象出几个关键词：专业、冷静、不娱乐、严肃。然后再去research这些物料应该是什么设计风格，最后给你做设计。

所以产品界面上会有一个模块。在你prompt的过程中，AI可能会根据你的prompt，通过一个小模型快速思考，然后提出它需要更多context。

它可能需要《晚点》过去的风格、官网，以及其他参考资料，帮助它更好地了解你。

这个过程中，我们会支持多模态输入。你可以甩给它一个链接，或者一些图片，让它继续思考、快速理解你。

也就是说，在prompt过程中，我们用一个小模型更快地帮助你完成prompt上的alignment，同时收集更多context。

这个过程做得足够多之后，比如你之前发过《晚点》的图片，或者它问你喜欢什么风格，再加上它去网上搜索最近流行的风格，就会逐渐沉淀出你的个人素材库。

它会知道你是什么公司、公司官网是什么、公司的调性是什么。你的reference库和preference库，会在这个过程中逐渐形成。

未来调用时，它可以更快从你过去的reference和preference库里调取相关风格，和你确认并达成共识。

你们做post-training时，因为大语言模型判断主观、审美的东西不一定特别好，会找设计师做人工标注，给它风格上的指引吗？

这里有两件事。

刚才说的这些事情，肯定需要设计师来做标注。现在所有post-training和RL，本质上都需要设计师参与，因为判断很重要。

所以在北美市场，你们也找了一些熟悉当地文化语境的设计师，知道美国人觉得什么好看、什么土？

对。但刚才说的那个功能，还没有用到那么多post-training。它主要是利用现在模型的多模态理解能力，加上我们自己设定的一些context策略，还是靠工程能力来完成。

如果还不太用post-training，直接让现在的模型判断这些多模态内容，比如是极简、包豪斯还是多巴胺，它判断得准吗？

肯定没有人判断得好，但很多场景下已经够用了。

比如它看到《晚点》的设计风格，肯定不会觉得这是一个娱乐媒体，它还是有一些基本判断的。至少现在它还没有超越人类，但多模态本身的理解和识别能力都在变强。

这也是一个提前准备的例子。模型越来越强，你能做的事情就越来越多。我们也会通过工程手段，提高它搜索源和信息源的质量，从而提升效果。

还有其他未被满足的需求吗？

剩下的主要还是模型能力。

比如现在一致性还不够好，对风格的响应还不够精准，这些都是很大的需求。模型对尺寸的响应也不够精准，比如我一定要一个特定比例或尺寸，它很难生成奇怪尺寸的图。

还有文字。我们做全球化时发现一个很神奇的事情：中文和英文都有人解决，因为中美都有模型能力，但小语种文字没有人解决。

什么算小语种？多少才算小语种？连日语也算吗？

对，连日语也算。只有本国有大模型公司，才会优先解决这个文字问题，其他语言的优先级都很低。

模型解决文字并不容易。至少现在图像模型的架构，在文字生成上还有问题。

还有一些最后一公里的编辑能力。有些编辑很难用语言描述，比如调亮度、调对比度，这种事情就不要用AI，直接调一下就好了。

这些都是现在没有被满足的需求，也是我们努力的方向。

你觉得社区是一个需求吗？我的感觉是，你们以前有些产品社区做得比较充分。Lovart也有一个灵感频道，但更像作品展示，还不是特别典型的社区，里面可能没有太多激励和推荐逻辑。

我觉得工具是工具，社区是社区。

Liblib比较特殊，因为它是以社区起家的，本质上是大家贡献素材的社区，上面又接入各种工具。它是社区形态的工具。

但Lovart目前没有做社区的计划。至少现在，Lovart还是一个工具。长期来看，我们希望它是一个能交付结果的AI创作工作室，这是我们的定位。

灵感频道主要是为了解决刚才说的最大问题：让用户更知道自己要什么，更知道自己要怎么创作，也更知道如何给AI提供足够好的context。

本质上还是在做这件事。用户可以刷到别人做了什么，也可以借鉴别人的想法，获得灵感，然后和AI提出类似需求。

我们还会用AI询问你可能想要什么，让你在创作过程中有更多输入，最终产出更满意的作品。

所以Lovart的灵感频道仍然服务于context。它不是为了构建社区，而是为了让大家更好地对齐自己想要的东西。

这就像一个设计师和你聊之前，也不知道你喜欢什么。他把过去做过的10个作品拿给你，说你喜欢哪个。你选一个，过程更像是这样。

未来有可能发展到社区的状态吗？

那会是一个新的业务，和Lovart的关系不会那么大。可能是这个组织做一个新的业务，但不是同一个产品。

Lovart不会做社区，因为它不是一个以社区起家的产品。它从第一天就是一个工具。

我可以再描述一下灵感频道能做到什么。你可以看到别人做过什么设计，点进去之后看它的过程和回放。它还是为了让你更好地做自己的东西，借鉴别人的想法，获得灵感，然后向AI提出同样的需求。

对，它不是以社区互动为目的的。所以Lovart上的灵感，本质上还是为context服务，让大家更好地对齐想要的东西。

你们还有什么获得需求的方法吗？

最重要的两件事，一个是离用户更近，一个是离技术更近。

离用户更近，具体是通过什么方式？现在已经非常自动化和系统化了吗，还是这个阶段还不太需要？

所有产品经理都需要定期和用户聊。当然也需要分析数据，知道用户在做什么，看看他们在哪个环节中断、哪里有问题，然后再去找有代表性的用户聊，甚至近距离观察他创作。

公司里也有很多设计师，他们自己在创作、每天使用我们的产品。公司里还有一些人自己就是创作者、自己做账号。他们在使用过程中会遇到各种卡点，我们要解决什么、怎么取舍、什么时候解决，答案都在和用户沟通的过程中形成。

整体来讲，现在做产品比较困难的一件事，是你见到用户需求后要做取舍。了解技术也同样重要。

见了用户之后，一定会发现有些模型能力还达不到。这个点到底做不做？要不要用传统方式去做？

如果用传统方式、打补丁的方式去做，但技术很快迭代了，之前的东西可能就白做了。

以文字为例，一个很有意义的讨论是：agent生成过程中，应该用什么方式加文字？

现在图像生成模型本身可以生成文字，但除了中文和英文，其他语言效果不好，小字效果也不好。

有没有可能用传统方式帮它生成文字？因为agent可以调用各种工具，直接调用Coding能力，使用传统软件工程里加文字的方式：拖一个文本框、放上文字、修改字体。

到底哪种方式更好？

后面那种加文字的方式，肯定能解决这些问题。但如果模型迭代后，图像生成模型本来就可以直接在图片里生成文字，那之前的方案可能就废了。

你必须让图像模型生成图片时不要带文字，但这样会把图像和文字分开，美学效果可能又有问题。

这就是我们需要做的取舍。坦诚讲，刚才这个问题我们还没有确定答案。

类似的取舍还有很多。你既要离用户近、实现PMF，又会发现很多模型能力还没到。你要不要给模型打补丁？

一旦打补丁，解决方法就不够原生，长期一定有劣势，但短期能解决问题。如果模型进化非常快，之前解决问题的积累可能完全没有意义，又会被模型摧毁。

所以这确实是现在做产品时很有挑战的讨论，甚至可能没有答案。

那你自己离技术更近的方法是什么？你过去10年的工作经验，更多在产品和商业化方面。

我其实不懂技术，所以现在最好的方式，就是让技术同学每天读paper，然后讲给我听。我试着去理解，再用产品的方法去理解他们。

比如我们刚才说AI更像人。很多东西都是技术同学给我科普的，比如什么是pre-training、post-training、reasoning和RL。

我会去做类比。比如从人来看，pre-training就是造出一个合格的人，post-training就是给他后天经验，而我们这个行业里的RL，是训练他毕业之后继续学习。

这是我和技术同学交流技术概念时想到的比方。我会问他们，是不是类似这样，他们会说这个比喻比较贴切，实际上他们也是这么想的。

你会发现现在整个技术路线，和人的逻辑有一些相似，和人的自我学习很相似。

所以作为产品经理，我的优势是，即使没有那么懂技术概念，也能快速把它提炼成产品化的类比，推演在我们这个场景下可能发生的演变。

技术团队要每天读paper，告诉我可能往哪个方向演变。他们会有一些想象，我再基于他们的想象做类比和抽象，最终落到产品上。这就是现在的工作方式。

你们技术团队大概是怎么搭建的？

我们有一位技术合伙人，主要是他搭建的。他会看paper，虽然我不看，但他会看。

他是你2023年创业时就和你一起，还是2024年初加入的？

2024年初加入的。他在2021年、2022年就开始探索AI大模型方向的创业，但后来没有真正创业。他自己探索了一两年之后加入我们，也是投资人介绍的。

你们之前不认识？

不认识，是投资人介绍的。但很神奇，他是我的高中学长。

你们是一个高中？

对，而且我们都出生在同一个区。我们都在重庆读高中，甚至在重庆下面的同一个区，很巧。

2024年初你们的状态好吗？

公司刚刚活过来。

因为中间有一段时间你们差点倒闭。

对，也是命运的安排，很巧。

他加入的时候还没有agent，但我们的技术合伙人非常hands-on，年龄比我大一些，但到现在依然很hands-on，对技术新趋势的把握也很快。

现在这个时间点，必须先把握技术变化，知道前沿技术的变化，然后快速把技术变化落到场景和产品的想象力上，再把它描绘给用户。现在做应用就得这样。

我们5月那次聊到技术时，你比较担心图像和视频生成领域的开源模型会被闭源模型甩开。那时GPT-4o刚火不久。现在这个趋势好像还在持续，包括Google的Veo 3和Nano Banana。你现在怎么看？

我现在已经不在意开源还是闭源了。

开源和闭源本质上影响两件事。第一是成本。如果有开源模型，A轮公司或者应用创业公司能更早赚钱。闭源模型的定价权在别人手里，需要等待闭源token成本越来越低。

第二是能不能做post-training。闭源模型没办法做post-training，但后来大家发现，即使闭源不能做post-training，在context engineering和prompt engineering上，工程深度也足够深，应用公司仍然有很多空间。

所以后来就没有那么纠结开源和闭源了。

在图像和视频模型这里，无论开源还是闭源，我们都把它当成工具，是agentic model可以调用的工具之一。

在agentic model这一部分，开源和闭源也主要影响成本和后训练空间。但现在闭源模型本身，在context engineering上还有很多需要处理的事情，工程侧的空间已经足够复杂。

刚才讲的都是你们自己的情况。整个行业里，你有没有看到其他有意思的玩家或公司？

坦诚讲，现在可能处在一个新变化的孕育期。

生产力工具已经白热化，我觉得已经出现了一定程度的头部集中。现在再创业做To B AI，可能已经有点晚了。

现在听到的这些知名产品，已经是竞争后的结果。To B产品已经非常同质化。现在抄我们的人也很多，但你很难再说他们和我们有什么unique的地方。

所以我觉得To B的窗口期已经接近关闭。未来还有一个大趋势，就是To C。

你的投资人也很好奇：你什么时候会做To C，想不想做To C？

我们肯定会做。我觉得明年可能会有更多有意思的公司出来，但今年我还没有看到。

图像模型和视频模型的成本都在不断降低。前段时间Veo 3降价百分之七十，Nano Banana出来之后，成本也比GPT Image-1低很多。GPT-5也比Claude便宜很多。

Token成本下降是非常确定的事情。与此同时，To B产品的ARR和用户量增长也很快。

所以接下来一个很大的机会是To C。就创作领域来说，已经有这么多人用AI创作出了作品，未来内容消费是不是也会发生变化？

这个问题2023年大家也讨论过，但当时太早。那时候如果你说要再造一个TikTok，大家会觉得太早。

但我觉得很难再造一个TikTok，因为TikTok本身是基于真实记录的创作。你要造的可能不是TikTok，而是AI新内容、AI新玩法，看看能诞生什么新的有意思的东西。

我说TikTok的意义，指的是消费端。内容有生产端，也有消费端。

没错。如果按照这个框架，我们很期待社交和泛娱乐方向To C真正的AI原生应用发生变化。

你觉得这是下一波趋势？

我觉得这是下一波趋势。To B的窗口，坦诚讲，我真的觉得已经快关闭了。

这也和你刚才说的一点有关。你觉得现在设计类、内容创作类的生产agent，处在Coding 2024年初的状态，之后半年到一年会大爆发。

如果处在Coding 2024年初的状态，当时其实也有很多新公司涌进来。

不完全是。Cursor、Labo也很早，但“现在成立”和“现在涌入牌桌竞争”是两件事情。

你现在成立，还要建团队、做产品，做完可能已经是半年、一年之后。到明年这个时候，我觉得窗口期就关闭了，所以今年必须已经on the table。

那谁算是在on the table？在你们这个领域，全球范围内有哪些玩家？

全球范围内还是有一些玩家，但如果细化到agent这个品类，我觉得其他玩家都还比较小。

除了我们之外，我知道还有很多，但还没有出现形成共识的产品。

上一个时代，美国有Midjourney、Krea、Higgsfield和Freepik，都是做多模态生成的。我觉得它们也有可能往agent方向转型。

Midjourney可能不会，因为它已经在做模型。但其他应用公司，未来都有可能向agent方向转型。目前我们还没有看到它们在这方面特别激进的动作。

其他纯创作agent创业公司的产品，完成度和实际情况还比较早期。

像Canva这样的公司，会自己做这个方向吗？

Canva和Adobe未来都很有可能往这个方向做。但它们更大，短期面临自身业务增长的命题更重。

这个产品短期内可能无法解决它们自身的增长问题。但如果有一天这个产品增长非常快，规模非常大，它们也会来做。

简单来说，可以分几类。

对创业者来说，现在看到的体量都比我们小一些。上一代做AI生成器的创业者，可能会转向这个方向。他们还没有转，但转起来可能会比较快。

从垂类巨头角度，我觉得他们可能会等我们收入达到1亿美元ARR之后，才会重点做这个方向。

那可能也很快。

对，可能很快，我也希望很快。

但在没有看到这个信号之前，他们很难重注这个方向。以他们的体量来说，这个增长对他们暂时没有意义。

比如Canva自己加一点AI，提升百分之十的收入，可能就比我们这些公司加起来的收入都高，因为它的收入已经很高了。

但如果它看到非常确定的数据，知道这个方向会对自己产生冲击，一定会转头来做，因为这是它的命根子。

再往后是更大的通用模型公司。通用模型公司短期内不会碰我们这个品类，它们可能会做Coding，一定会做通用agent，也一定会做Coding。

但我们和它们的vision距离还很大，所以现在本质上还是和创业公司竞争，也是在和自己竞争。我们要先跑得足够快。

等我们跑出来、规模越来越大，才会面对不断升级的竞争。

我们可以往后讲。按照你们现在的站位，接下来可能发生什么？

你刚才提到两个时间点：半年左右，可能会出现像Coding那样的爆发。你需要在那之前做什么准备？

产品上要做得足够好，工程积累要做得足够多。

我觉得现在应用公司要把context做到极致。agentic model和调用的generation model都会随着模型能力水涨船高，我们能做的就是尽可能积累用户，以及他们独特的context。

模型能力提升之后，把这些context加入模型，就能得到更好的结果。

我们要做的就是把context engineering和用户增长做好。

现在agent还处在早期，所以你要的不是所有用户。很多用户可能要等模型更好的时候才会来，但你要尽可能把市场上愿意接受、愿意使用agent的用户增长到你的平台上。

再往下，你说明年可能出现To C趋势，你们会怎么参与？

我们想参与，但目前还没有精力。我已经在思考这个问题了，敬请期待。如果参与成功，明年我们给你一篇新报道。

我之前和一些投资人、做AI创业的同行聊，他们觉得你是非常好的AI产品创始人。他们总结了两个优点。

一个是你们节奏感很好，行动一直很快。我们先展开讲讲，你现在怎么理解节奏感？这和你过去什么经验有关？

无论是不是AI时代，timing都是everything。

但AI时代有一个更大的变化，就是原有业务、原有workflow，以及原有构建业务的方式，被颠覆得太快，所以timing变得更加重要。

5月的时候我们聊过，你当时说一定要成为垂类agent里第一个上线的，你觉得这件事非常重要。

我觉得第一个可能没有第一批重要，但如果不在第一批，那可能就会lose everything。

移动互联网时代，不同业务方向的公司基本都在同一批成立。如果错过那个时间窗口，除非是超级巨头，否则很难再做。

所以timing本来就重要。为什么AI时代timing和速度变得更加重要？以前你抓住一个窗口，业务形态可能可以活10年、20年。

但现在AI时代，即使抓住一个窗口，也可能只活两年。技术逻辑又变了，你必须抓住技术变化之后的新窗口，构建新一代产品。

技术变化很快，而且速度越来越快。每一个基于新技术的新体验，窗口期都很短。你不能在那个时间点快速构建出来、获得用户，这一波就错过了。

但相反，技术变化很快，下一波可能不久之后又会到来。所以错过了也不要着急，抓下一波也可以。

对于一家想持续成功的创业公司来说，不能像移动互联网那样，抓住一个点之后就长期耕耘。技术很快会变化，马上又出现下一个点，产品可能要转型或进一步升级。

这对创业节奏的挑战更大。你想想，如果我们之后没有很快做出Lovart，公司现在完全不会是这个状况。

但移动互联网时代不是这样。找到PMF之后，可以吃很久，可以精耕细作。AI时代还没来得及精耕细作，技术就变了。如果没有很好的节奏处理这些事情，会很难。

人们的情绪也是这样，不断在“不过如此”和“AI要颠覆一切”之间摇摆。大家很难稳定下来，既怕技术不发展，又怕技术发展太快。

所以你看，人们的情绪、业务的节奏、产品的节奏，对应到融资和公司经营的节奏，挑战都很大。

但如果你把这个事实条分缕析地讲清楚，可能反而不会那么焦虑。

但对大部分从业者来说，这种情绪波动会让人焦虑，甚至有人会反感这种氛围，觉得比较浮躁。

但后来想想，这也证明技术发展得很快。

你往往觉得短期可能有点高估它，过两天又发现自己低估了它，这说明技术确实在以人类历史上最快的速度发展。

它不断用“打脸”挑战人的安全感和控制感。你可能只能适应AI技术发展的新节奏。

你的经营、产品创新，都要适应这个节奏。

从2023年创业以来，你觉得自己错过过什么重要窗口吗？

几乎没有错过。

小的窗口呢？重大的没有，对吧？

重大的没有，更多是竞争上的小窗口。

重大的如果总结一下，有哪些？

第一个，我们2023年创业时没有一开始就做global。但现在我不后悔，因为当时判断在我们这个领域，global已经晚了。

全球那些产品在2022年底就已经上线，我们2023年年中才出来。比如Midjourney、Stable Diffusion，以及Stable Diffusion和Midjourney的套壳，Leonardo等，当时都已经成立。

再去做那一波，我觉得too late。所以第一阶段我们选择做中国，抓住了中国的那一波，而且在中国做得最快。

第二波是agent这一波，我们有机会做全球化，我觉得也抓得比较准。

第三波能不能抓准，要看我们做To C的场景。我觉得就是这三波。

你没有错过这些大窗口，原因是什么？

我很焦虑。

所以你动得快，想得也比较多。

对，退一步讲，我很焦虑，团队也很焦虑。

坦诚讲，参与AI创业、真的想把事情做好的人，可能都很焦虑。因为技术变化太快，你需要和这种焦虑共处，这就是AI时代的常态。

你去美国之后发现，美国创业者是另一种状态。你刚才说它不是焦虑，而是兴奋。

对，是兴奋的焦虑。

它变化也很快，大家其实也很卷。在美国，创业者可能只有创业没有生活。但很多大公司的非AI部门，可能主要是在生活，画风完全不一样。

并不是只有中国人卷，做AI的人都卷。AI模型之间的竞争也是有来有回，所以都很卷。

你们团队是怎么保持高频迭代的？

我举个例子，有两种人，你会选择哪一种？

第一种，对AI很敏锐、关注AI信息和前沿技术，但没有什么经验。第二种很有经验，精通商业化、上个时代的产品或运营。你的团队主要应该是哪一种？

我们原来以为应该更多是第二种人，后来发现技术变化太快，第二种人还没来得及发挥作用，范式和技术就变了。

所以第一种人很重要。

你会发现，AI时代的组织，如果一个人是经验型的，在现在这个阶段可能很难跟着AI组织一起走。他可能也会很挫败，因为他想好好做一件事，却发现方向又变了。

更准确地说，不是这个人有没有经验，而是他对过去经验是什么态度。

核心是要打造一个高频迭代的组织。这个组织必须不断获取新技术，能和焦虑共处，还要拥抱焦虑。

你如果选择隔离焦虑，可能也会被淘汰。因为技术变化太快，你可能还没把一件事情做深，下一代技术就来了。

所以你必须在过程中选择最大杠杆、最高ROI的事情，先把它做了。

这个组织要有很强的学习能力，非常AI原生，能够高频迭代。

如果团队要招一个人，你更看重他懂AI，还是更懂传统职能？

现在更懂AI一定是first priority。

团队组织、分工和工作流程变化得多吗？

非常频繁，团队调整也很多。

员工或前员工肯定会抱怨，公司管理很乱，今天这样、明天那样。

肯定会有。所有人的情绪都是这样的，很难有人既焦虑又能拥抱焦虑。

但至少现在，这可能是不能避免的，除非技术放缓。

如果技术放缓，大家就可以沉下心把精细化事情做好，也就不应该焦虑，应该更稳健。

但现在还没来得及优化两步，技术就变了，要去做新的形态，团队不断变迁。所以现在这个时间点，对组织的考验很大。

如果核心团队里你是比较焦虑的，有比较淡定的人吗？

没有，但我是最焦虑的。大家在我的焦虑衬托下，可能显得好一些。

我觉得没有人是淡定的。如果我不焦虑，其他人反而会焦虑，觉得我们是不是慢了、是不是没有捕捉到新变化。

现实打脸很快，迟一步就会被现实打脸。

你看现在大模型版本更迭，几个月就一个版本，而且越来越短。你的焦虑来源就是不断去看：它是不是又变强了？到底怎么样？是不是没有发生新事情？

从reasoning到agent，到大家做RL，再到后来发现context engineering也有很多空间，这一共就是半年，迭代非常快。

如果你不和这些接轨，自己慢慢做，很快就跟不上。所以我觉得都挺焦虑的。事实证明，不焦虑可能做不了AI。

举一个具体例子，你们是怎么在快速变化中调整的？

GPT-4o大概4月发布，当时你们正在赶第一版Lovart上线。那时不是会很焦虑吗？

那时候其实挺开心，因为Lovart算是提前构建的。GPT-4o出来之后，大家反而特别开心。我们怕的是它不出来。

模型出来之后就更开心了，但现在又有另一种焦虑：方向是对的，那是不是还不够快？

你会慢慢发现模型能力越来越强，那工程能力是不是跟不上？于是又回到context engineering。

如果模型的语义理解能力不够强，你收集再多context也没用，它理解不了、生成不出来。但一旦模型能力变强，对context engineering的要求就变高了，因为模型能够理解更复杂的信息。

所以我们可以把这件事做得更好。现在又在担心自己是不是在这方面变慢了。

所以现在让你有点不安的，就是还没上线的、给设计师提供更多context的功能？

对。但这篇文章发稿时，我们应该已经上线了。

我们希望它带给用户更好的体验，因为我们觉得这是现在的核心差异。

大家调用的模型其实都一样，谁能收集更多context，谁的体验就更好。

我和其他人聊到对你的评价，另一个大家认为你身上的特点，是你很有韧性。

你们经历过2023年底到2024年初差点撑不下去的状态，但最后还是挺过来了。

这个事情很有意思。我没创业的时候，大家对我的评价是没有韧性；创业之后，大家对我的评价变成很有韧性。

我觉得创业这段经历确实让我变得有韧性。

但韧性的本质不是盲目坚持。我以前工作那10年，在认知不够时会盲目跳槽，本质上是自己的认知不够。

但积累了那么多样本之后，我成长得更快了。我不是一个盲目坚持的人，但变成了一个有信念的人。

我的信念来自几个大假设：AI技术是不是还在快速发展？AI是不是会取代所有虚构内容的创作？如果答案是yes，那我们没有理由不坚持。

我们已经在牌桌上了。所有和我们做同样事情的人都会遇到同样的困难，我们只要比自己跑得更快就行了，没有理由不坚持。

遇到困难时，我们更多会想这个困难是怎么发生的，是不是所有人都会遇到，是不是追求那个信念过程中必然的起伏。

如果是，我没有理由不坚持。

但如果有一天大家发现AI是伪命题，技术发展到这里就卡住了，而我们想要的目标需要更强的技术才能实现，那可能就没有必要坚持了。

但现在大方向上完全没有卡点，我有什么理由不坚持？

与其说这是任性，不如说我在这一波创业里有自己的信念，而信念来自认知。

我想确认一个事实。你们最困难的时候，应该获得过一个收购邀约。据我了解，当时公司里有不少人希望你接受，但最后你拒绝了。

稍微澄清一下，不算完整的收购邀约，因为没有走到那一步。但当时确实有几家公司对我们有收购动机或意向，我没有给任何机会。

和团队商量的时候，我已经拒绝了。

我从来没有想过要答应，但还是问了一下团队意见。后来我觉得，一个CEO要做的事情是，如果他相信，就要把信念坚决传递给团队，不要给团队传递自己也不相信的信号。

你什么时候发现，创业比最开始想象的更残酷？

我觉得不能叫残酷。我到现在都不觉得创业很惨。

那你觉得什么形容词更合适？

创业是焦虑、痛苦，但又很快乐、很爽，就是痛并快乐着。

我记得之前不知道是谁，可能是黄仁勋，说过：如果你在做一件热爱但又很痛苦、同时觉得很爽的事情，那可能就是一件属于你的天命。

我真的是这么认为的。

创业过程中会遇到无数问题，遇到问题时一定会焦虑，也一定会痛苦，因为没有人想面对一摊麻烦。

但解决问题时的快乐又是巨大的，能获得的成就感也很大。

这就像魂类游戏，本质上是用极大的挫败感和极大的正反馈，让人获得极大的成就感。

《黑神话》也有一点魂类游戏的感觉，小怪打你两刀就死，Boss更是一刀秒。但它内在有一个路径，只要你找到了路径，就会发现原来看起来强大的对手也不堪一击。

那一刻你会获得无可比拟的成就感。这就是创业的魅力，也是我热爱做的事情。

创业有点像极限运动。你不会用“残酷”形容极限运动，但极限运动确实可能死人。对创业来说也是危险的，因为百分之九十的公司可能做不大，或者最终会失败。

但当你真正enjoy其中时，不会一直想着它危险。做极限运动时，如果你总想着危险，可能下一刻就真的出事了。

你要做的就是专注解决眼前每一件事，克服每一个困难，享受解决困难之后无可比拟的成就感，最后拥抱结果，结果是什么样都可以。

我想到你一个早期投资人、明势资本合伙人夏令友说过，你是“遇强则强”的创始人。

这和刚才的例子有点像。做极限运动或打魂类游戏时，面对越强大的敌人，越能迸发潜力，越能使用全身能力去解决问题，最后获得的成就感也越大。

从创业以来，强度最高的挑战是2023年底公司经营比较困难的时候吗？

有很多波。

第一波是第一个产品怎么PMF，这是第一个问题。

第二波是公司经营出现危机，团队、资金和业务都出现问题，怎么handle。

第三波是怎么做出Lovart。当你明确知道上一代产品不是未来时，要怎么尽快做出下一代产品。

我觉得这都是最焦虑、最痛苦的时候。但每一次跨越之后，我的成就感都越来越大，这三次的成就感是递增的。

第一次PMF，我先看到了它大概率会PMF，后来获得验证，很快乐。

第二次差点倒闭，我觉得怎么会倒闭，不会倒闭的。后来没有倒闭，就更加快乐。

第三次是想象未来产品应该长什么样，能不能用想象力把未来产品描绘出来。后来发现居然描绘出来了，居然全世界第一个把它描绘出来了，就更加快乐。

所以我现在已经开始期待下一个产品，期待未来更多挑战。

我觉得遇强则强，是在创业这个极限运动里获得更大反馈和成就感的来源。当然也会承受更大的痛苦，它们是双生的。

你害怕和担心自己身上的什么特性吗？

要看怎么描述。

我自我迭代比较快。如果真要说害怕什么，我有点害怕自己过于焦虑，又害怕自己不够焦虑，这其实很矛盾。

如果一定要说害怕什么，我害怕自己的迭代速度不够快，害怕自己不能继续迭代。

所以我要保证自己高频迭代。至于要不要焦虑，需要取舍。

如果技术发展放缓，我们应该沉下心把精细化事情做好，就不应该焦虑，而应该更加稳健。

如果技术发展非常快，不断有新东西出现，就必须拥抱新东西，不断构建未来，认知需要快速变化，产品也需要快速变迁。那就需要极致焦虑，因为只有极致焦虑，才会让你疯狂获取信息、保持极度敏感。

这个转变的时间点什么时候到，我也不知道。所以我需要保持高频迭代。

至少现在，我还需要保持焦虑和高频迭代，根据外界、市场和技术变化，调整公司经营和自己思考问题的节奏与方式，也要不断判断自己是否需要处在这种过敏、过度焦虑的状态下做事情。

你说焦虑是需要取舍的，但一般来说焦虑是一种情绪，似乎很难被理性控制。对你来说，它是一个可以打开和关闭的开关吗？

我觉得可以通过一些方式屏蔽它。

比如在AI时代，要不要持续获取外界信息？有时外界信息已经都是噪音，并不能帮助你解决问题，这时候你应该沉下心、闭关。

获取更多外界信息，就一定会更焦虑，因为外界有很多观点，你需要不断否定和自我否定，何况外界变化还很快。

所以对我来说，它可能是一种情绪，但我要不要接触情绪的源头，或者那些会让情绪变强的源头，以及冷静下来时如何看待和处理这些情绪，要不要放任它，这些是可以控制的。

今天聊下来，有些地方和我之前想的不太一样。

我之前经常看你的朋友圈，有时会展现出比较感性的一面。比如ChatGPT刚有记忆功能时，它写了一段让你很感动的话，你分享到朋友圈。你结婚时分享对妻子的感情，也很感动。

但你的底层好像还是挺理性的，特别底层的东西，像是在控制上层感性的表达。

对。之前有些报道会让别人觉得我是一个超级感性、能量很高的人，但我觉得本质上我是一个感性的理性主义者。

我的工作方式也越来越不依赖计划。因为AI真的没办法计划，它变化得太快，根本来不及计划。

我越来越依赖自己的feeling，以及各种信息源给我的feeling带来的突然涌现，因为它太难被计划了。

但骨子里我觉得自己是一个理性的人。这也体现在公司管理上，我们团队迭代很快，人员调整也很快。

我的底层决策逻辑是理性决策，但我本身又是感性的。

你有一点和很多创始人很像。很多创始人都很有少年气，可能已经三四十岁，但仍然有很青春的一面。

我最近看到你发了一条朋友圈，分享今年TI14《Dota 2》的比赛信息，是Xtreme Gaming战队输掉比赛的信息。

对，果然是青春总有遗憾。

他们跨越了6年，输了3次。每次都是同样的剧本，2比2之后，最后一局输掉，甚至还有同样的人。其中一个人输了3次。

你发的图里就是AME。

对。我是Dota老玩家，所以有一点感伤。我觉得这也是一种投射。

他们也是为了自己喜欢的事情努力奋斗，有很多波澜起伏和遗憾。但如果不去做，就没有青春。我觉得青春就是奋斗的过程。

你现在还能感觉到青春在心中涌动吗？

我觉得现在就是我的青春。

我在学校学习、过去在很多公司工作，都是为了现在这10年。这是我真正拥有一次自由、全情投入、疯狂地想做成一件事情的阶段。我觉得这就是人生的意义。

你玩Dota是几号位？

一般玩中单比较多，算是2号位。

2号位在团队里是做什么的？

带节奏，找破局点。找到对方的破局点，然后带动自己团队的节奏。

1号位主要负责进攻吗？

1号位主要刷钱，在Dota里主要是发育；2号位主要带节奏、破局。

那它是输出型还是辅助型？

肯定是输出型。

你喜欢玩的角色是什么？

那些都太老了，不太记得了，反正中单英雄比较多。

所以你喜欢带节奏。

对。我虽然在创业之后大家说我有韧性，但以前工作时大家觉得我没有耐心。

我需要不断创新，不断让事情推进。我没办法接受一件事情慢慢来，也不知道未来会怎么样，最后浑浑噩噩。

我需要事情有清晰路径，要知道自己在做什么、在前进、在keep moving。这对我很重要。

就像打游戏，闷头刷钱不是我喜欢的事情。我喜欢知道什么时候应该进攻、什么时候应该防守、什么时候可能要赢，然后推动这一切。这是我更擅长的事情。

这确实很适合现在这个变化非常快的AI创业阶段。

对。我以前也待过零售公司，后来得出的结论是我不适合做零售。

零售需要把枯燥的事情千遍万遍做好，需要精益求精和匠人精神。

你刚才描述AI的时候，我想到一个冷笑话：不应该找日本人来做。

哈哈，太冷了，地狱笑话。

但确实不是说我们不精益求精，而是变化太快。

除非是超级巨头，有大量资源，把最重要的事情做好之后，还有足够的冗余资源去把其他事情做好。创业公司不可能做到这一点。

你看OpenAI也没有做到。OpenAI发布agent时，PPT还翻车了，大家都觉得怎么回事。

这些都需要做取舍，这是创业的常态，所以我觉得还挺适合我的。