[BidClub_]
十字路口Crossing · · 68 min

AI来了,玩一场无限的创业游戏|对谈原今日头条初创期成员、票圈视频创始人丛广乐

丛广乐

Podcast
TL;DR
  • 丛广乐认为,移动互联网是“大航海式”的有限集合,AI则是更长期的生产力革命。 前者主要靠入网人口、贴身设备和传感器带来“量变引起的质变”,中国市场从2012年至2018年、约五六年便完成核心版图;AI则是“质变引起的量变”,没有Reasoning、Coding等能力时,许多Agent场景不是60分与90分之差,而是根本不能成立。这意味着机会不只在应用迁移,也在模型能力跨过阈值后开放的新供给、新交互与新平台。
  • 丛广乐把70%—80%的资源押在一套“替代内容创作者”的AIGC系统,而非单一视频生成模型。 系统从账号角色与稳定元素出发,沿“灵感的点—选题的线—脚本的面—制作的体”展开,覆盖创作、制作、工具调度、发布、反馈乃至商业化;视频模型只是类似摄影或CG的一个制作环节。“环节无论再多,它也是有限的步骤”,关键是把目标、逻辑、知识和手段串成闭环。
  • 另两场仍处调研阶段的“无限游戏”,分别是AI App工厂和可生成交互的社区平台。 前者从全网需求出发,自动立项、生成PRD、写代码并发布产品;后者让群体组织者自行生成身份验证、LBS地图、打卡等组件,使社区从信息讨论扩展到真实行为和需求满足。三条线被他概括为AIGC、AIGI,以及“AIGI辅助UGI”,共同研究AI如何替代或辅助人类供给。
  • 判断AI创业价值时,丛广乐更容易先问的不是“是否AI原生”,而是“壁垒是什么”。 他不认同把速度本身当壁垒,因为“速度这件事情太线性了”;更可持续的答案是独有数据、用户集中后的依赖与黏性、复杂到后来者难以逼近的领域整合,或真实反馈形成的飞轮。为大模型“打补丁”的产品、仅凭个人体感做出的轻工具,可能像移动时代的ROM、越狱和简单课程表一样,短期有用、长期价值有限。
  • 字节早期给丛广乐留下的核心方法,是用“体感、逻辑、想象力”定义产品,再用数据解决供需匹配。 九九房及后来的头条先抓取并迁移PC内容,解决移动端“先有鸡还是先有蛋”,再从按产品名切分品类走向个性化推荐和统一平台。主持人回忆,2015或2016年在国贸见张一鸣时,张一鸣提到今日头条内VV超过新闻PV,并表示之后两三年要all in短视频。“战略上是简洁而宏大且底层的,战术上可落地、符合团队基因。”
  • 票圈视频的高利润让主持人将其称为一块“票仓”“粮仓”,并认为团队能承受长期AI研发的不确定性。 产品于2018年抓住小程序窗口,从微信内的视频生产与存储工具,逐步走向平台、分发算法和商业化;收入与利润未披露,主持人仅称年度利润是“所有人都会羡慕甚至嫉妒”的数字。团队口径为50—100人,北京约50—60人、长沙约30—40人。
  • 丛广乐要找的不是最快兑现共识赛道的人,而是愿意参与底层发明和“非确定目标”的合作者。 公司不再只以每日产出衡量进展,也看学习速度、试错速度和团队认知积累,因为创新可能长期没有线性进展,随后“一下子乘以十、乘以一百倍”。他看好的十亿美元级机会包括模型与infra、个人及职业工具、行业供给侧替代,以及由智能化新交互催生的平台。
Digest · the substance, structured for research

1. 九九房让丛广乐第一次看见“穷举式”产品创新

  • 丛广乐35岁,称自己已创业12年、做票圈第7年;更早在2011年、大三时加入张一鸣创办的九九房。吸引他的既有移动互联网的新鲜感,也有自己做过的校园项目:手机拍照识别建筑,再完成导航和介绍。

  • 九九房源自房产信息需求,却没有只做一个交易入口。团队并行探索二手房、新房、租房,以及房产资讯、看房日记、中介查询等内容、社区和工具形态;他的概括是:“有点偏穷举式的一个逻辑”,先把可见机会做出来,再根据实验反馈决定加深哪一条。

  • 这段经历让他区分领域型人才与科技型人才:前者适合深入解决中介服务、线下交易等产业问题,后者更擅长“捕捉比较大的机会和普世的问题”,用技术创新求解。张一鸣若持续做九九房,可能只能改善房产信息层;进入内容领域,才有空间同时改造供给、分发、形态与商业化。

2. “体感、逻辑、想象力”构成了字节式产品观

  • 丛广乐把产品经理理解为“定义问题”的岗位,工程则负责“实践问题”。定义从个体体感开始:生活里什么问题值得解决、又尚未解决好;它不是完整答案,却是发现真实需求的入口。

  • 逻辑像一把梯子,通过竞品、新体验减旧体验减迁移成本等因素,判断方向是否值得做、应该怎样落地。想象力则是天花板:“当你可以想到很多很多创新的、甚至可能性的极值”,才可能构造颠覆式方案。

  • 他认为早期移动产品普遍迷恋功能和交互创新,九九房与字节更特别之处是“充分理解利用数据”。面对内容产品,它们不只思考如何让用户发布,还会把PC互联网的宏观供给抓取过来,优化成手机可读形式,借PC向移动迁移的势能解决冷启动。

  • 当供给规模足够大,搜索、订阅和分类就不再是唯一解法,问题转为生产与消费的高效匹配,个性化推荐由此成为更底层的方案。数据不是附加优化,而是产品定义的一部分。

3. 字节的成功来自渐进执行,也来自始终盯住终局

  • 丛广乐认为字节的成功“还蛮必然”,但前提是PC向移动迁移这一天时:入网人数激增,设备变得贴身,并持续采集更多传感器数据。字节在产品定义、交互实现和供需匹配上,把这些变量利用得极好。

  • 它没有一开始就赌一个统一平台,而是先用搞笑囧图、内涵段子、精辟语录等产品名切开需求,让每个品类单独完成供需匹配,再逐步收敛到今日头条。这套路径既解决眼前约束,也一直保留对“最终局”的判断。

  • 短视频就是那个终局变量。字节在抖音前做过火山、西瓜、头条视频和更早的“今晚必看视频”;主持人回忆,2015或2016年在国贸见张一鸣时,张一鸣提到今日头条的VV已超过新闻PV,并表示未来两三年要all in短视频——移动原生UGC视频被视为供给侧的下一步变革。

4. 没有加入头条,是现实约束与主动补课共同造成的选择

  • 头条从零孵化时,丛广乐记得张一鸣曾邀请他加入,他也参与了几个月早期产品探索。最终没留下,一是要完成毕业设计,而团队当时“一周只休息半天”,学校安排与创业节奏冲突。

  • 另一层原因是,他觉得身边技术团队的思维方式与自己接近,反而想向接手九九房的安居客高管学习商业经营和垂直行业方法。回头看,他明确承认记忆未必完全精准,而不是替当年的决定编造一套确定叙事。

  • 他记得的张一鸣并不以宏大姿态外显,而是“平静的,但是有极大勇气和很深度沉淀”。他推测张一鸣可能通过横向和纵向维度,把内容模态、生产和匹配问题定义清楚;战略上简洁宏大、触及底层,战术则从抓取和团队基因出发。张一鸣也“极其努力”,一次张北团建时腰痛到无法入睡,这让丛广乐感到他投入很多。

5. 红点与最右分别验证了新模态和新互动的价值

  • 丛广乐于2013年8月开始做红点直播。当时他把直播视为即时信息传递的“模态”,而非单一赛道:它可以成为教育、会议、分享等SaaS工具,也能演化成秀场、游戏主播和电商平台。

  • 移动设备带来了更贴身的音视频采集能力,使视频与音频采集成为更普遍的能力。红点可以作为工具,却尚未想清楚应该服务哪个垂直SaaS领域;他又更想探索UGC,因此离开并开始做最右。

  • 他当时认为,促进UGC有两条路:提供生产工具,或把有共同文化和身份认同的人聚在一起,再给他们新的互动组件。短视频工具当时还未显著降低创作门槛,于是最右选择了后者。

  • 最右将弹幕、语音、改图、投票、接龙、顶踩和神评组合到社区中,同时引入推荐、群组和更好的分发与连接,改变PC时代依赖搜索引擎找版块的路径。丛广乐认为其早期“独特的群体效应”和内容文化真实存在,但产品后来出现了方向分歧。

6. 社区与内容平台的分歧,本质是效率和生态空间的取舍

  • 合作者更想把最右“压薄”为内容平台,提高消费和分发效率;丛广乐则想保留复杂的群体组织、交流与共同生产。类似快手从双列走向单列,会减少发现性、提高消费效率,却也改变了社区属性。

  • 他的观察是,中国移动社区要么长期垂直,要么扩大后变成内容平台;Reddit、Discord则可以保持去中心化组织。后者一方面适应多民族、宗教和兴趣群体的信息分隔,另一方面愿意“让它自由地生长”,不要求平台公司直接经营每个群体。

  • 微信群证明了同一路径:大量产业群和社团的丰富程度并非来自“微信意志”。但微信已经满足很多国内社群约70%的交互和需求,独立社区创业公司又背负留存、规模和商业化指标,很难长期“无为而治”,更难设计与群体利益不冲突的分配机制。

7. 票圈视频抓住的是微信网络缺失的一层能力

  • 决定做票圈时,丛广乐的起点不是看见移动互联网大赛道,而是认为在人类普世的消费和需求层面,移动互联网“百分之九十五以上”的问题已经解决:人与人有微信,人与商品和服务有阿里、京东、美团、滴滴等,人与内容则被字节推进到抖音。

  • 他在红点时期发现,用户会把直播工具放进微信完成收听,由此意识到微信不是普通App,而是足够底层、多元的社交网络。红包与货币能力能催生大量交易,同理,创业公司也可能为微信补上一种新能力,进而创造一批场景。

  • 视频号出现前,微信视频更像文件,缺乏中心化存储、评论、数据化和创作者收益体系。票圈先提供视频生产与存储工具,再延伸到平台与分发,切入的是网络基础能力的空白,而非另建一个孤立内容App。

  • 小程序于2017年推出,票圈在2018年快速进入,随后沿“工具—工具辐射场景—平台—传播推荐—商业化”平滑推进。丛广乐认为,相比从零发明社区或短视频平台,这条路径变量较少,因此每一步的准确率与效果都更高。

8. 较早的生成视频尝试,方向正确但生产力尚未到位

  • 约2020年、视频号出现后,团队判断票圈无法承载微信视频平台的最终使命,开始寻找更大的供给侧变量。丛广乐记得当时是“GPT-2还是GPT-3”以及DALL·E概念刚出现,团队由此判断视频生产可能从拍摄剪辑转向生成。

  • 早期产品允许用户输入文字,再通过NLP检索匹配图片和视频素材,配合TTS生成讲解型、表达型或展示型视频。它已有数万个创作者,工作方式也确实不同于传统拍摄剪辑。

  • 但他的复盘没有把先发探索包装成胜利:“概念是对的,趋势是对的”,当时的基础生产力还没有随着GPT、Midjourney等产品的出现同步发展,因此没有形成他期待的变量级效果。

9. 真正的AIGC产品必须理解创作者,而非只会生成镜头

  • 团队当前的主方向,是完整拆解创作者、创作方法、内容元素与工具调度,再构建一套“替代创作者的AIGC系统”。系统学习工序、模式、元素组合及用户偏好,为不同手段分配权重,而不是只生成单个视频。

  • 一个账号首先要定义角色、不变元素、创作领域和核心方法,再沿“灵感的点、选题的线、脚本的面、制作的体”生成具体内容。这样产物才具有账号连续性,而非每次随机重新开始。

  • 丛广乐用影视制作解释边界:编剧和导演偏创作,灯光、摄影、服化道、执行导演和演员偏制作;视频生成模型属于制作能力,类似CG等技术,并不等于理解创意、找到人类喜欢的特征并完成组合。

  • 系统还要预设发布、推广、商业化目标与载体,并在运行中通过强化和反馈改进。他认为问题虽然宏大,却仍是有限步骤:“无论这个步骤多难”,都可以被目标、逻辑、知识和手段串起来。

10. AI App工厂要把创业判断也纳入自动化

  • 第二个方向沿着他早年熟悉的“App工厂”继续前推,但覆盖范围不再局限于内容品类。系统将根据全网不同领域的需求,再结合当前产品能力与未满足问题,自动形成方向和产品立项。

  • 后续链条包括自动生成PRD、完成代码实现并发布,目标是“真正的App工厂,或者说工具工厂”。它把捕获需求、定义产品和工程实现放进同一系统,而不只是把既定需求交给Coding Agent。

  • 丛广乐认为,字节式App工厂本质仍是内容领域内的品类扩张;AI释放的生产力若与创业、产品和需求判断结合,可能跨领域重复这一过程。该方向目前更多仍处于调研和思考阶段。

11. AI生成交互,可能让社区成为“非3D的元宇宙”

  • 第三个方向从Craigslist的演化得到启发:PC网站只能提供表单、筛选和评论,到了移动时代,LBS、调度和匹配等专用交互催生Uber、Airbnb等垂直产品。“交互决定了一个领域的体验如何能做到更优。”

  • 若AI能把定制功能赋予每个群体组织者,社区便不必停留在发帖和评论。例如,二次元社区可以设计答题判定系统;校友群可以接入学号、人脸和学信网验证,确认成员身份关系。

  • 他举了一个打鸟的例子:每位打鸟者发布的视频、图像都带LBS,专属地图只承载鸟类记录。过去必须等一家中心化公司判断市场足够大、专门开发产品;有AI后,小众群体也可能自行生成这种信息模式和交互。

  • 丛广乐称其为“类似非3D元宇宙的效果”:不依赖游戏物理引擎,而依赖功能组件、筛选与验证体系,使群体除了交流信息,还能产生行为并满足具体需求。

12. “无限游戏”要求公司接受非线性进展

  • 三个方向中,内容创作者替代系统占70%—80%的资源,AI App工厂和生成式社区仍以研究为主。后两者更符合他偏好的“无限游戏”——短期未必见效,但终局必须足够大,也与他过去做内容、工具和社区的经历相连。

  • 他归纳出三种创业选择:从个体体感或所处行业的问题切入;进入共享经济、百团大战等显性共识赛道,靠更快更强的执行竞争;或像微信一样,从通信、社交等底层问题出发,一步步构造通用能力。他明显偏好第三种、也承认它在中国更非共识。

  • 在招人问题上,他认为一人公司更偏向个人探索、个人意志的实现,以及对某些领域的改造;团队更适合那些对“发明”和广泛领域的本质变革有兴趣、愿意共同承担开放探索的人。

  • 公司内部也在重写进度定义:确定性业务每天都有产出,发明却不以“一天往前走一步”为节奏。丛广乐允许用学习速度、试错速度和认知积累衡量工作,因为长期探索后,团队可能“一下子乘以十、乘以一百倍”。

13. AI机会不缺,稀缺的是时代变量与真实壁垒的匹配

  • 丛广乐把移动互联网比作“大航海”:人口涌入和设备便利性放大既有能力,抖音理论上2012年也能做,只是网络等条件从60分走向90分;版图探索完便进入迭代。AI更像工业革命和电气革命,底层能力仍在发展,应用领域广泛,可能形成很长的创新周期。

  • AI的关键跨越是“能与不能”:没有Reasoning或Coding时,许多Agent无法实现,而非体验稍差。大模型因此更像手机厂商和操作系统;新的平台也应来自生产力催生的交互与行为,而不是再按母婴、游戏等人群做一次社会学切割。

  • 他看好的大公司方向依次包括模型及相关infra、个人和不同职业或企业使用的工具、司机与创作者及开发者等行业供给侧替代,以及基于新智能交互的平台。但行业标签不足以构成答案,终局价值仍取决于供给改造的深度。

  • 他的负面清单包括给大模型打补丁或做特定场景适配优化,以及只有浅层体感的轻工具:它们可能重演ROM、越狱、应用市场或简单课程表的轨迹。真正壁垒应是数据、集中用户形成的依赖、深度领域整合或反馈飞轮;他认为微信文件传输助手对自己而言已经能解决大部分便签需求,只有当AI能够总结、提供反馈并提高信息效率时,这类产品才可能真正有意义。

Ronghui

欢迎收听十字路口,我们关注新一代AI技术浪潮带来的行业新变化和创业新机会。十字路口是乔布斯对苹果公司的一个比喻,形容他站在科技与人文的十字路口,伟大的产品往往诞生在这里。AI正在给各行各业带来改变,我们寻找、访谈和凝聚新一代AI创业者和AI时代的积极行动者,和他们一起探索和拥抱新变化,新的可能性。

本周《十字路口》的嘉宾是丛广乐。两周前,我和广乐在北京吃了一顿海鲜火锅。吃完这顿饭,我满脑子都飘着一句话:中国互联网可真是藏龙卧虎。

上一次见广乐是两周前,再上一次见他其实已经是七八年前了。那个时候我们在北航边上的一家餐厅,广乐刚开始创业做票圈视频,拿到了今日资本和 Atypical 的投资,那是他第一次做一号位的创业。我还记得那个时候的广乐摩拳擦掌、跃跃欲试,但时间一晃,这么多年就过去了。

我自己不是票圈视频的用户,它的目标用户是年龄比我们更大的叔叔阿姨们。票圈视频,包括广乐本人,也一直非常低调,但是我一直有所耳闻,他们的用户数据和收入数据都非常不错。直到两周前那一顿海鲜火锅,我才知道,不但不错,而且是比不错更不错,还不错,就是那么不错。

广乐让我一定要保密这个数字到底有多好,那我肯定要保密。我只能说,他们每年的利润是一个说出来我们所有人都会羡慕、甚至嫉妒的数字。

广乐其实在 2011 年就加入了当时由张一鸣创办的九九房。那会儿张一鸣还是万千创业者之一,广乐和他有过紧密的工作配合。随后,广乐并没有选择加入字节,而是去联合创办了一个直播产品,叫红点直播。再后来,广乐第二次创业,作为联合创始人创办了社区产品最右。之后就是我们刚才提到的票圈视频,他作为一号位做的一次创业。这是微信生态里的一个小程序产品,也取得了非常好的成绩。

今天我们会和广乐首先聊一聊,他在移动互联网时期做产品的心得,以及他从张一鸣个人和字节的产品逻辑当中观察到了什么、学到了什么。他自己每一次站在十字路口的时候,是怎么分析、怎么决定的。

最重要的,也是我觉得最值得和大家分享、特别希望邀请广乐来上《十字路口》的原因,是我们今天希望和他聊一聊,他今天对 AI 的各种思考与实践。

丛广乐

好的,感谢高姐。

我们先来跟广乐做一个快问快答。年龄?

丛广乐

35 岁。

今年是你创业第几年?

丛广乐

今年是创业的第 12 年,做票圈是第 7 年。

在票圈之前做过什么?

丛广乐

其实我们刚才说了,没错。我个人的创业经历算是比较丰富。除了高姐谈到的那些方向,我在移动互联网最早期也做过很多个个人工具产品,比较早地和一些朋友探索过。有一些产品做得还不错,但是无法形成规模化和商业化的可持续性。

之后就做了刚才聊到的直播方向、社区方向和微信内的视频平台方向,也做过一些过去几年关于 Web3 和元宇宙的思考与探索。

一句话介绍一下现在的公司和产品。

丛广乐

我们现在公司的核心业务可能会分为两块。一块是微信内的视频平台,另一块是偏 AI 的一些大方向上的创新型探索。

你的 MBTI 和星座?

丛广乐

MBTI 是 INTP,有的时候是 INTJ。

星座呢?

丛广乐

射手座。

你现在公司的收入和利润?

丛广乐

暂时不方便透露。

团队规模?

丛广乐

团队规模 50 到 100 人。

你这个范围有点大。

丛广乐

其实还好,因为也比较有弹性。核心的同学,加上我们还有一个长沙的团队,北京可能有 50 多人、五六十人,长沙可能有 30 到 40 人。

就像刚刚说的,今天我们会跟广乐先聊一聊他在之前波澜壮阔的十年里面的一段创业经历。

我之前听过广乐唯一上过的一次播客,里面有一句话让我印象特别深,就是希望走一条属于自己的路。我觉得整个经历看起来确实是这样子的。我记得你在那个播客里面说过,你当时大三的时候就加入了九九房。你现在还记得,当时为什么会加入九九房吗?

丛广乐

我觉得有几个核心的考虑。

1. 加入九九房探索移动互联网

一个考虑是,当时我对新鲜事物比较感兴趣。移动互联网刚开始兴起,我在学校做的一些实验室项目和毕设方向,跟移动互联网还蛮有关系。我们当时的方向是在校园里通过手机拍照,然后通过图像识别和算法,识别这是什么样的楼,再做一个导航和介绍。

我觉得在很早很早的时间点,把算法技术和移动设备的交互结合在一起,还是蛮创新的。再加上实习地点离学校也比较近,我会觉得比较方便。

你那个时候面试的时候见过谁?因为我记得你好像之前提过,是很后来才记住张一鸣的。

丛广乐

对。那会儿面试,我印象比较深的是李飞和黄河。黄河是百度的一个算法工程师,后来加入了九九房,负责九九房的移动组。

我面试比较深的问题,一部分是偏工程师方向的,另一部分是数理逻辑和建模思考,还有一部分可能是对移动互联网的感知和学习能力。比如对新鲜事物、新鲜技术,你是否喜欢去探究。

那你当时在九九房主要都做了些什么?它是围绕房产、租房做了很多事情,是吗?

丛广乐

对。其实九九房业务的来源,我理解包括事后听说,可能都是来源于 PC 时代酷讯的一个房产频道。酷讯可能做垂直搜索,当它发展得不是那么好的时候,房产业务的需求还在激增,对房产的查找需求以及信息化需求,在这个领域当时还是比较弱的。

然后一鸣可能就做了九九房这么一个业务方向。一鸣在九九房的移动探索上会做得非常深。他会把交易型产品都做出来,比如掌上租房、掌上新房、掌上买房,包括二手房、新房和租房的业务,都会形成一个产品。

这些产品其实比较像。租房和二手房的信息组织方式、功能高度接近。同时他也探索了一些非交易平台的产品形态,包括房产资讯、看房日记,还有一个中介查询。

一个是内容产品,一个是偏社区的产品,一个是偏工具的产品。我会觉得这还是非常有创新能力的。它不是完全以某一种既有业务做深为目的,而是结合时代和科技的变量,去探索不同的产品形式,以及它们能够创造的价值。

是不是有点像 App 工厂的感觉?

丛广乐

没错,有点偏穷举式的逻辑。他能看到的一些机会,在这个领域下都会穷举着做出来,然后通过实验和客观反馈,再去看什么样的方向应该加深。

其实我们自己早期做事情,也会比较相似。

现在回头看,你觉得当时在九九房的这段经历,对你后面自己创业有哪些影响或者学习?

丛广乐

2. 创业要做擅长的事

最关键的一件事,其实是不同的人可能要去做自己最擅长的事情。

我举个例子,比如说一鸣如果持续做九九房这样的业务,他也无法改造房产行业更根本的问题,比如中介、服务体验,以及线下新房产业的问题。我觉得这些问题他可能都解决不了,只能用信息化网络做外层的一些提升。

但当他做内容领域的时候,所能发挥的东西就会非常多。他能探索的变革,无论是内容形态、内容模式、交互方式、供给侧的变革,还是把内容带入各种各样的商业场景,都会有极大的发挥。

所以我觉得,领域的人可能擅长于把领域的问题做更深入的解决;科技的人可能擅长于捕捉比较大的机会和普世的问题,然后用创新的方式求解。我觉得这是一个蛮重要的收获。

第二个收获是,我会觉得这个团队即使做着某一个垂直方向,但目标极其高远。他们可能会思考各种各样海外的变革问题,很有趣地看这些成功的产品。当你把它们平视之后,就会从中获取一些可以模仿、可以锻炼的能力。我觉得这个还蛮重要。

具体到实现层面,我会觉得字节教会了我很好的产品观。产品是一个定义问题的岗位,工程可能是一个实践问题的岗位。

从定义问题和发现需求的角度,它会比较明确地提出一些方法论。比如个体体感,就是作为一个人,你的洞察、你的生活经历,让你觉得什么样的问题值得被解决、还没有被解决好。

第二个点是逻辑。逻辑更像是一个梯子,你可以通过逻辑分析、竞品分析、新体验减旧体验减迁移成本这一系列方法,判断什么样的方向是否值得做、应该怎么做。

最后是想象力。我觉得想象力会作为一个天花板。当你可以想到很多创新的、不同的,甚至可能性极值的情况,你才会构建出一些颠覆式创新,甚至解决过去解决不了的问题。这是一种核心能力。

体感、逻辑、想象力。

丛广乐

没错,体感、逻辑、想象力。

3. 字节用数据重做分发

同时我觉得,字节这家公司和早期移动互联网公司,包括九九房,会有蛮不一样的地方。很多移动互联网早期产品的实现,会非常强调交互的变化,在最早的时候做大量交互式创新,比如功能性的创新和手段型的创新。

但字节,包括九九房,是充分理解和利用数据的一家公司。它会有全网抓取的宏观数据,在中心化的、极大的数据基础上,它能够产生多么大的作用,这可能是很多移动公司早期几年不会去思考的问题。

你说充分理解数据,可以再详细一点吗?

丛广乐

比如说,如果我们做一个移动互联网内容产品,研发可能会想到:我怎么构建一种内容发布功能,让大家愿意产生内容、发布内容,然后怎么去消费?

但字节可能会想到,把 PC 互联网的信息全部抓过来,借助 PC 到移动的势能,把很多数据先从供给侧单边转移过来。比如当时会把很多 PC 网页优化成手机可以浏览的形式。

它做的是迁移,释放这个势能,解决供给侧和消费侧先有鸡还是先有蛋的问题。

同时,包括后期推荐算法的思考,都是因为它解决的是内容生产和内容消费之间的匹配问题。

过去人类是怎么解决这个问题的?可能靠搜索,由人主动寻找;或者靠订阅,用一些简单机制;或者靠分类,把内容分成不同板块。

那字节就会想到,在宏观、复杂的数据情况下,有没有一个突破式、颠覆式、更高效的解决方案?那可能就是个性化推荐。

所以现在回头看,你会觉得字节发展到今天这个程度是某种必然吗?还是说除了用对方法论之外,仍然有一些外部因素,造就了它今天的成就?

丛广乐

我觉得还蛮必然的。当然肯定要有天时的机会。如果没有从 PC 互联网到移动互联网的变革,因为底层变革带来了入网人数的大量增加,也带来了贴身性和极多的传感器采集能力,字节也不可能利用这些东西。

但它利用这些变革利用得极好。在产品定义、交互实现,以及供给侧和消费侧的匹配效率等所有方面,都做得非常强。所以我会觉得字节的成功是非常必然的,而且它实现的过程还蛮扎实。

比如最早它可能通过抓取解决内容供给的问题,但没有解决分发问题,于是就做了很多产品:搞笑囧图、内涵段子、早晚必读、精辟语录。它先通过产品名称把内容分隔开,让供需匹配和用户消费的问题,在不同产品里单独得到满足。

等做到一定阶段,它可能就会做今日头条这种比较一统型的产品。而且它最终也没有忘记移动互联网最后的变革:内容的变革还是来自供给侧,还是要有移动原生的短视频内容出现。

所以它在渐进式创新的同时,永远还在思考终局可能是什么。字节在做抖音之前,已经做过很多短视频方向,包括火山、西瓜、头条视频,甚至更早在 2012 年还有一个产品叫今晚必看视频。

它其实一直知道,视频这种模态是移动互联网更原生的内容,UGC 一定能够达到全民普及。

我记得 2015、2016 年在国贸有一次见一鸣,他提到那个月今日头条上的 VV 已经超过了 PV。VV 就是 video view,也就是视频播放量,超过了今日头条 App 上新闻的 page view。他觉得自己之后两三年要 all in 做短视频。

这个时间节点给我的印象还是非常深刻的。

广乐,我比较好奇,当时从九九房到头条,站在那样一个路口的时候,出于哪些考虑,你没有跟着一鸣继续往前走头条这条路,而是自己出来另辟蹊径、开始创业?当时你的想法或考虑是什么?可以给我们复盘一下吗?

丛广乐

4. 离开字节选择创业

我记得当时一鸣还找我聊过一次,说要不要一起来做头条的方向。因为头条的方向,核心就是移动组和偏算法、后端的组,这两个组是可以复用的。偏业务的组,包括九九房业务领域的运营同学、市场同学,本质上不好参与。

我当时其实参与了几个月,从零开始孵化的时候做了一些不同的产品,但最终没有加入。现在回想,记忆不一定那么精准,只能说我现在能总结出来的可能是:

一方面是要做毕设,而头条早期的节奏非常紧,一周只休息半天。我的学校时间和这边的时间会有一定冲突。

第二方面,我会觉得字节的思维方式和身边的同学还是比较接近的。那会儿九九房也没有完全关掉,而是请了一些安居客的高管来接手。我和这些人接触之后,发现他们的商业思考会更多,所以我想去学习商业层面,以及经营某一个垂直领域的方法。

当时的张一鸣是一个什么样的状态?就是聊头条这件事的时候,你有没有觉得他当时表现出哪些后来呈现出来的、能够做成字节这家公司的气质?

丛广乐

我觉得真正比较伟大的思想,或者比较深度的思考,是不是很强烈地外显?我觉得它是一种平静的状态,但是有极大的勇气和很深度的沉淀。

比如他会思考,海外有 Pinterest,有 Instagram,有移动互联网或者 PC 时代偏 PUGC 的产品,也有移动时代原生的内容产品,或者叫社交产品。他会思考,中国可能也可以有,但解决路径又不会完全一致。

其实最早他自己买过一个域名,叫 feifei.com,想做的就是 Pinterest。所以当时他想得很明确的是内容方向,但做事手段会和团队基因、经历结合起来,就是通过抓取的手段,去做不同场景的产品和 App。

你很难认知到当年的构想,但事后来看,包括各种消息可能提到的,一鸣当时给周文、王琼写在纸上的东西,可能就包括他和汝波写出来的、对于内容模态和内容核心问题的思考,比如匹配问题、内容生产问题。可能他通过几个横向和纵向的维度,就把一个方向定义清楚了。

我觉得战略上是简洁而宏大、触及底层的,战术上则是可落地,符合团队基因,也符合当时的条件。

其实我跟一鸣接触得不多,真的不多,也就是有时候开会、吃饭,可能稍微聊一聊。我跟当时移动团队接触得比较密切,因为移动是一个单独的组。

我觉得他是一个极其努力的人,这是真的。我在上一个播客里也讲过,我们去张北团建的时候,他的腰已经痛到无法入睡。这件事让我印象很深,因为他年纪也并没有很大,但已经投入了很多。

同时我觉得他是一个有纯粹的创造价值追求的人。他可以做很多领域,做到某个阶段之后,达成常人认为的目标和收益,但他永远会追求下一个阶段、下一个问题的可能性。

我们可以说说你当时选择第一次创业、去做红点直播的事情。当时直播领域的平台并不是很多,红点直播是很早的一家直播创业公司。

丛广乐

5. 直播成为信息新模态

红点直播是 2013 年 8 月开始做的。当时海外有一些游戏直播平台,国内也有一个当时还有一定名气的平台,叫风云直播,后来才有虎牙这些。

直播是一种模态类型,是一种即时的信息传递方式。它基于这个出发点,可以演化出的应用场景非常多。它可以作为工具,也可以作为 SaaS,用于上课、开会、分享;也可以作为某些领域的平台,做成秀场、游戏主播,甚至电商等场景。

所以我会觉得,直播是一种形态。移动互联网出现的时候,更多的契机是移动设备有了信息采集能力,有了音频和视频的采集能力。中国 PC 互联网时代其实没有这个条件,因为多数人还没有加入 PC 的使用,即使有 PC,也不一定会有摄像头和麦克风。

所以那会儿会觉得蛮新奇的,而且它也符合一种交互形式上的创新。

从红点到最右,再到票圈,你一直都在做 PUGC。红点之后又做了最右,当时做最右是什么样的考虑?你是怎么决定做这个方向的?

丛广乐

6. 最右推动用户生成内容

我觉得红点当时可以作为一个工具,但没有想清楚要服务哪些领域的 SaaS。可能要服务教育,可能有一种方法;纯粹用来做交流的工具,也有一些需要迭代的地方。

这些都没有想清楚之后,我自己又很想探索 UGC 的可能性,所以离开了红点,开始做最右。

做最右的时候,我的考虑是,怎么促进 UGC?我觉得有几种方式。一种是提供生产侧的工具,第二种是提供一种群体聚集的文化和互动组件。

第一种方式,当时没有看到很好的解法。那时候短视频领域美拍和快手都有了,但我觉得它们对人们 UGC 的促进还没有那么强。

于是我会想,如果把一些特殊群体聚集在一起,他们自身有独特的文化和群体认同度,再提供各种各样的交互方式,会不会有价值?

这些交互方式包括弹幕、发语音、改图、投票、接龙、评论顶踩、神评等一系列互动组件。我觉得这会蛮有价值,所以就做了这样一个产品。

我觉得最右核心的创新和变化有几点。

一点是,过去的社区平台可能要靠搜索引擎,才能找到确定的分组,进入之后再消费。在移动互联网时代,App 里可能需要推荐、群组,以及更好的分发和连接。

第二个变化点,是社区群体如何组织、如何管理。

第三个变化点,是内容发布和交互的各种互动形式与信息模式。

当时社区文化应该还蛮好的,独特的群体效应、独特的内容,以及由此产生的互动,应该还是蛮多的。

那你为什么会离开最右去做票圈?

丛广乐

这个问题会稍微有一些分歧。

一个分歧是,我觉得一个社区,尤其是移动互联网社区,非常有意思。中国所有的移动互联网社区,几乎要么非常垂直,要么一旦扩大,就变成了内容平台。

但海外不是这样。海外很多社区平台可以长期保持社区平台的形态,比如 Reddit、Discord。它既不用做得非常垂直和专业,也不用把它压缩成只有信息生产和内容消费。

这可能是一个分歧。当时一些合作的朋友想做的,是把它变得更轻、更薄,变成一个内容平台。但社区复杂的组织结构,没办法像内容平台那样拥有很高的信息分发效率。

包括快手从双列变成单列,可能会降低很多发现性,但提升内容消费效率。而我一直想探索的,可能还是更偏交流和生产层面,而不是内容消费层面的方向。

是不是说,社区就是得有耐心,让它自然生长?

丛广乐

我觉得是。而且我觉得还有一个很有趣的问题。

人类的社区并不只是物理世界的社区,尤其是美国,它有多民族、多国籍的人。社区不只是信息发布和讨论,但在数字世界里,从 PC 互联网到移动互联网的发展,早期可能只能沉淀信息发布和评论互动。

如果想让它进行更定制化的交互,就需要一家公司针对这个场景做特殊的东西。比如打卡,可能要在某个频道里打卡,就需要一个特殊组件来记录今天打没打卡;如果没打卡,还要给他推送一条消息。

但这件事比较垂直和定制化。过去的社区如果开始做定制化,就会比较垂直;如果不做定制化,就会面临一个问题:它仍然只是信息生产和信息互动本身,容易和内容平台相似。

横向对比一下 Reddit 和 Discord,你觉得它们能够一直保持这样的生命力,后来做对了什么,才让它们现在成为新的主流社区平台?

丛广乐

首先,西方国家的民族组成,会对信息的分隔性有要求。比如我是某个宗教的,我喜欢某种内容,另一个群体可能就不喜欢。简单的推荐系统可能解决不好这个问题,需要先把不同的人聚集在一起,大家才会更舒服,讨论也才能真正开展起来。

这是一个客观条件。其次,我觉得你说得也很对,它们会长期坚持以去中心化的方式,让社区自由生长。

你看微信里面各种各样的群组,它的发展其实没有微信的意志,但其中产生的产业群组交流,比多数人想的要丰富得多。

所以你觉得,微信在这一点上也借鉴了这种方式?

丛广乐

对。我会觉得它符合去中心化群体的生长方式,而不是靠一家中心化的公司、一个产品,始终以留存或者规模为指标去推进。

Discord 这样的产品,很多群组可能是由不同的公司自己经营的,而不是 Discord 这家公司去为所有群组的规模和指标负责。

但这个逻辑在国内的社区产品里不太适用,是吗?

丛广乐

我觉得首先,国内社区和社群的很多实践就在微信里面。无论是一个 KOL、一个群组,还是大学里的社团,一定都会有一个微信群。

在这里面已经完成了大约 70% 的交互和需求满足,就不需要再有一些独立的特殊产品来实现了。我觉得这还是有一定关系的。

其次,在移动互联网时代,大家可能没有那么大的耐心去做这么有想象力、拥有生态发展空间的事情。微信能做,是因为它很长一段时间不背商业指标。

但创业公司想做这件事,还是要有很多商业指标。你想无为而治,就不可能有很简单的变现手段。变现手段可能需要和群体之间不冲突,甚至要有互相的利益分配机制。

所以这件事会非常难。当大家想要简化、敏捷迭代、快速提升的时候,往往不会给多元化分支和去中心化生长提供那么大的空间和可能性。

正好我们聊到微信。票圈视频就是一个在微信生态里面成长起来的公司。当时你决定创业,是看到了什么样的机会?可以回顾一下吗?

丛广乐

7. 微信留下新的创业机会

更多的是觉得移动互联网没机会了。移动互联网的问题已经被解决了 95% 以上。

如果不说底层操作系统、基础设施这些方向,也不说某些具体的产业级方向,只说人类普世的消费和需求,大概可以分为几类。

人与信息、内容是一类;人与人的社交、偏社交社区是一类;人与商品和服务是一类。

你会发现,人与人有微信;人与商品和服务,除了阿里、京东之外,又增加了美团、滴滴这些不同的非商品型服务产业;人与内容方面,字节又做到了抖音,从供给侧到消费侧,再到内容形式的创新和一统。

所以我会看到,移动互联网大的方向已经没有很明显的机会。

我们做红点的时候,会发现很多人会使用红点作为工具,在微信场景下完成收听需求。我们会觉得微信这个网络非常多元,里面会有很多空间。

比如微信每增加一个能力,就会带来很多产业变化。它增加红包和货币能力之后,里面就会有大量交易运转。如果不提供这个能力,微信里很多事情都做不了。

我们会思考,能不能作为一家创业公司,给微信提供一些能力,让这种能力在微信里创造新的场景和价值。

当时微信还没有视频号。没有视频号的情况下,用户发布的视频像一个文件一样,不可被很好地中心化存储、评论,也不可被数据化,更不能给创作者提供收益,这些事情都做不了。

所以我们觉得,可以给它提供一个内容生产和内容存储工具。然后我们发现,确实有蛮大的需求。这个阶段之后,我们又进一步做了一些平台化和分发化的努力。

我知道广乐做过非常多 AI 相关的探索,我们今天非常期待和你聊 AI 方面的一些探索和思考。但在聊 AI 之前,还有最后一个问题。

票圈视频其实做得非常成功,刚才只是简单讲了一下你看到了什么机会、决定去做,但能不能讲一讲,在做的过程中,你觉得做对了哪些关键事情?有没有一些关键里程碑,也可以和我们分享一下?

丛广乐

可能是因为选对了一个网络场景。

本质上,微信是一个社交网络,和移动网络不一样,但它又足够符合网络的底层定义,不是一个应用层面上很具象的产品。

我觉得第一步是场景选择。第二步可能和实际实践有关。2017 年微信推出小程序,我们在 2018 年很快就做了小程序产品。

这次实践相对来说比较平滑:先做工具,再做工具辐射到的场景,再构建平台,再构建面向传播的推荐算法,以及商业化等一系列事情。

我觉得它可能比移动互联网早期更简单一些。移动互联网早期,如果某个大的赛道还没有解决方案,你要去创新探索,比如社区平台、短视频平台,可能会更复杂。

当它没那么复杂的时候,你每一步做到的效果和准确性也会更高一些。

之前我们聊的时候,你有说到 GPT-2 出来的时候,你们就已经在看了。可以说一说,你们当时为什么会看 GPT-2,以及 GPT、ChatGPT 出来之后,你们又做了什么吗?

丛广乐

8. 生成式视频重做内容供给

票圈是 2018 年开始做的。差不多 2020 年之后,视频号出现了,我们就发现自己可能承载不了微信里面视频号的使命了。它可能不是我们追求的、符合最大愿景的产品空间。

所以我们开始思考其他方向,也看到了 AI。当时应该是 GPT-2 还是 GPT-3,还有 DALL·E 的概念刚出来,大概就是 2020 年左右。

我们觉得,视频供给侧终于可以变一变了。原来所有供给都来自拍摄和剪辑。如果能做一种生成式的供给方式,就会有非常大的不同。

过去的生成式可能更偏建模、CG,以及各种影视级技术。但我们觉得,基础语言智能提升之后,可以解决很多逻辑和信息组织的问题。生成式制作能力,从文本到图片、从图片到视频,未来应该也能发展出来。

所以我们做了一个更像创作视频的产品。用户输入文字之后,产品可以通过 NLP 搜索、匹配图片、视频等不同素材,然后形成一个完整的视频,再加上 TTS。无论是讲解型、表达型,还是内容展示型,都可以实现。

它和拍摄、剪辑会完全不同。但受限于当时的技术,概念虽然是对的、趋势也是对的,生产力毕竟还没有随着 GPT 和 Midjourney 这些产品的出现而发展起来,我们能做的事情还比较有限。

虽然我们构建了一个产品,也有几万名创作者,但我觉得它可能还没有达到我想要的、能够产生巨大增量的效果。

你们在 AI 这块做了什么尝试?我理解可能包括两个方面:一方面是在你们本身的产品里增加 AI 能力;另一方面,是从零开始做一个完全 AI 的东西。

丛广乐

其实票圈的探索也不是特别多,所以我觉得还好。

全新的探索,是完整理解内容创作者本身、他的创作方法、创作元素,以及调用工具的能力,然后构建一个替代创作者的 AIGC 系统。更准确地说,我们想做的是一套系统。

这套系统的核心步骤,可能包括分解创作工序、分解创作元素、分解创作模式。通过这些分解以及用户的喜欢程度,产生对不同手段的权重,以及这些手段和元素之间的组合关系。

这样的话,你就可以定义一个账号:它是什么样的角色,不变的元素是什么,核心创作方法是什么,核心创作领域是什么。

基于这个账号本身的定义,它就可以去做具体内容的生成。而这种内容生成,大概率符合一种“点、线、面、体”的展开:从灵感的点,到选题的线,到脚本的面,再到实现制作的完整内容实体。

所以视频生成模型这件事只是一个起点?

丛广乐

我觉得它是一个环节。

它就像 CG 技术。我们拿影视行业举例,里面分创作和制作。创作的核心,是从编剧到导演。导演其实是一个衔接和理解创作的人,把创作和制作衔接起来。

制作可能会分为灯光、摄影、服化道、执行导演和演员。制作是一个实现问题,创作是一个开放的创意和定义问题。

所以我们会觉得,制作应该是有各种各样的实现步骤。无论这个问题有多少步骤、每一步有多难,它都是一个可以被目标、逻辑、知识和手段串联起来的问题。

创意这个问题,本质上是要找到特殊的特征,以及人类喜欢的一些特点和关键元素,再对它们进行组合和重组。

听起来这是一个很宏大的事情。我的理解是,你们既包括内容创作和生成,也包括一个视频生成之后,按照你的想法,它已经被剪辑好了,应该调用的工具也已经调用,已经封装成一个完整、可以呈现出来的东西。

同时它还考虑到,一个视频从制作到发布,甚至到怎么推广,整个流程都已经想好了。

丛广乐

是的。我觉得甚至中间的商业化也都要想好,包括商业化目标、商业化载体,以及各种各样的实现方式。

它未来运行的时候,可能需要更多强化和反馈去提升。但无论环节再多,它也是有限的步骤。无论步骤多难,它仍然是一个可以通过目标、逻辑、知识和手段串联起来的问题。

我突然想到一句话:如果你的目标是月球,那至少会落在星星上。

我知道广乐现在在探索 3 个方向。我们前面聊了第一个方向,就是用 AI 去替代人生成视频。可不可以再分享一下,你现在探索的第二个和第三个与 AI 有关的方向分别是什么?

丛广乐

第一个方向的定义,除了因为我们做了很久的内容平台和 UGC 生产供给侧,还有一个很重要的原因,就是我们仍然认同 AI 发展的趋势。

从 Chat,到 Reasoning,到 Agent,到指令遵循,再到创新和组织,我们会觉得还有很多创新问题可以做。

而且,从我前面所有的表述来看,我是一个非常喜欢创新、喜欢挑战和变化的人。所以我们会根据全网不同领域的需求,根据当下产品实现的手段,以及还没有被满足好的需求,自动化地形成方向和产品立项,自动化形成 PRD,自动化形成代码实现,再自动化发布。

这就是真正的 App 工厂,或者说工具工厂。

字节所谓的 App 工厂,领域其实并不泛,基本都在内容领域,只是做不同的品类。在我们看来,AI 时代有机会释放生产力。结合我们对创业、产品、需求捕获和实践的理解,可能有机会做出一个完整的 AI App 工厂能力。

感觉你的两个计划都很宏大。

丛广乐

是的。

第三个呢?会更加宏大,还是会更加具体?

丛广乐

这两个方向的共同原因,是我觉得 AI 是一场很长跑的事情。生产力革命和移动互联网还蛮不一样,这一会儿可以再展开。

9. AI开启无限创业游戏

第三个事情可能也比较有趣。刚才我们聊了很多社区产品,我先讲一个铺垫。

PC 时代有一些服务和交易型产品,是在一个叫 Craigslist 的网站上实现的。到了移动时代,它就分化成很多垂直、具体的产品,包括 Uber、Airbnb 和很多其他产品。

为什么会分化?因为 Craigslist 上面只能发布表单,进行简单的信息展示、筛选,以及简单的评论区讨论,但它需要更多功能。

这个功能一方面可以实现 LBS 信息发布,另一方面可以实现调度和匹配,所以它就在每一个具体领域分化成了一个产品。

本质上,是交互决定了一个领域的解决体验如何做到更优。什么样的交互,带来了这种更优的体验?

我们回到刚才聊过的最右,会觉得从信息层面来看,社区交互已经做得蛮好了,无论是海外社区还是内容平台。

但如果把 AI 的生成能力赋予社区、赋予社区平台、赋予每一个品类和每一个人群的组织者,会产生什么不同?

比如社区很关键的是群体身份识别,包括 DID 身份验证。如果通过 AI,每个人都可以设计一个答题和判定系统,来确定他是不是二次元用户,像用户加入 B 站一样。

同时,它也可以做成接口化的程序,通过你的学号和人脸识别,自动在学信网验证你是不是这个学校的学生,保证你和我们拥有同样的校友关系。

这是从身份层面做的实现。

如果从功能、交互和内容展示上看,可能会有更多可能。我举个例子,比如 Koji 喜欢打鸟。你有没有想过,如果所有打鸟的人都可以有一个产品,他们既不在微信社群里,也不在某个平台里;每个人发布的鸟类视频,图像都会带有 LBS,而这张地图只承载所有打鸟人的记录。

这是一种特殊的交互、特殊的信息模式和特殊的发布方式。过去可能有一个中心化公司觉得,这个领域的人群和需求有意义,于是做一个产品来实现。

如果没有这个中心化的公司,其实大量需求是没办法实现的。过去没有办法,但有了 AI 之后,一些组织者和经营者可以在一个社区产品里实现各种各样的组件,达成类似非 3D 元宇宙的效果。

元宇宙依赖的是虚拟世界的物理引擎。我觉得在多数场景下,它可能依赖一些交互功能组件、筛选体系、验证体系等等,来实现群体除了信息交流之外,还能产生行为、产生需求满足的解法。

所以这件事我们也在重点思考。

你会把主要资源放在哪一块?

丛广乐

第一个方向会放 70% 到 80%。剩下两个方向,更多还停留在调研和思考阶段。

后两个方向也都非常符合无限游戏的逻辑,所以我们会非常感兴趣,而且和我们过去做过的事情也有一定关联。

我觉得你讲的,跟我们碰到的很多 AI 创业者想的还挺不一样。你的思考比较一站式。

我觉得中国今天有一个创业共识,就是大家要先赚钱。这和我们务实的文化有关,也和这几年的整个社会情绪有关。

但广乐今天提供了一个非常不一样的叙事:我要做无限游戏,我要去解决最泛化、最通用,但可能商业价值最无穷的问题。

这带来的可能就是你前面的寂寞,以及前面这种高风险、甚至零回报的投入。但票圈视频现在是一个票仓,是一个粮仓,所以它确实可以更加任性一点,去攻击一个更大的目标。

丛广乐

这也是一种创业选择的方法论。

我觉得创业选择有 3 种方法论。

一种是通过个体体感,发现某一个问题,或者处于某个领域、职业、环境之中,找到一个问题,然后切进去。我觉得这也蛮好。

第二种是看到一个时代的共识机会,比如共享经济、百团大战,或者任何一个很显性的赛道,然后杀进去竞争,觉得自己会做得比别人好、比别人快,这也可以。

但我可能喜欢另一种创业方式,可能和微信比较像。它只去思考最底层的通信是什么,人与人的社交需要是什么,然后一步一步去解决。

我可能会喜欢这样一种创业方式。我觉得美国还是有蛮多产品,是按照这样的创业方法论做出来的。中国可能会稍微少一点,稍微非共识一些。

刚才也说到一点,你对 AI 这几个方向的尝试,背后体现了你认为这一波 AI 浪潮中,AI 的角色和能力是什么。和移动互联网时代相比,它有哪些不一样?

丛广乐

大家非常喜欢把这两个时代做对比。我先说不同。

我觉得移动互联网最精准的评价就是“大航海”。它从 PC 互联网出发,在格局上发现了一堆新大陆,而这些新大陆导致人口大规模涌入,并带来一些渐进式变化。

所以我会觉得,移动互联网本质上是通过量变带来质变。很多垂直领域在 PC 时代没有涌入那么多人的时候,可能一个 58 同城就可以解决问题。但当涌入了足够多的人,就需要分化到每一个产品,更精细化地运作。

同时它还带来了一些不同,但这种不同并不是 PC 时代完全做不了的。GPS 当时也可以由其他设备完成,比如车载导航;摄像头和音频录音也可以由其他设备完成;用 QQ 的时候也可以挂载摄像头,笔记本也可能有摄像头。

所以在我看来,它并没有创造一个从 0 到 1 的完全不同。更多时候,它是把某些东西的便捷性、高频性,以及需求和规模无限放大,带来了一个不同,但它是有限集合。

大航海把世界上所有大洲探索完之后,不会再有更多未探索的地方。所以它是一个有限结构,周期非常短。大概 5 到 6 年,从中国 2012 年的爆发,到 2018 年,移动互联网核心能做的事情基本都做完了,剩下的是迭代和升级。

但我们把 AI 比作生产力革命,类比工业革命和电气革命。即使到今天,我们还在看到电力对电动车的改造,甚至电力对手机电容屏等技术的影响,可能也是近十几年才出现的创新。

它的底层技术还在发展,无论是语言模型、多模态模型,还是世界引擎和其他技术。其次,它能应用的领域,以及能够带来的变革,会非常广泛。

它是质变引起量变。质变引起量变和量变引起质变最大的不同是,某些能力达到一定条件之后,某些事情才可以完成。

比如我们现在回想一下,抖音难道在 2012 年就不可以做吗?其实也可以,无非是网络还不够快。它是 60 分和 90 分的条件问题,不是完全能做和不能做的问题。

但 AI 很多时候是这样:当它没有 reasoning、没有 coding 能力的时候,可能就没办法做 Agent 在不同领域的应用,也没办法实现替代人、辅助人的功能。

所以我会觉得两者差异还蛮大的。

相同的地方,可能是人类需求的本质相近。原来供给侧和消费侧由平台连接来实现;现在可能由 AI 辅助供给侧,或者替代供给侧来实现。

如果这么类比,大模型可能更像手机厂商和操作系统。工具层在移动互联网变革中没有那么大的发挥,但在 AI 时代会发挥非常多。

过去连接人,可能会变成一定程度上替代供给者的生产者。新的平台一定由新的交互和新能力产生,而不应该只是由新的群体和新的领域产生。

过去的平台很多是新的领域。你构建一个垂直人群,就可以形成妈妈社区、宝宝社区或者游戏社区,过去都是这么切分的,本质上是对社会学的分割。

现在更多一定是由生产力、生产力带来的能力、交互方式和新的行为方式来解决和改变。

这就是两者相近和不同的地方。

你过去应该是学计算机的,后来做产品经理,再到创业。现在这个时期,你想做的事情都需要很多很棒的人跟你一起。

但现在这个时期,你刚刚也提到 AI 对组织关系的影响。很多人都很想自己去做一人公司,很想自己做一些东西。

那你会怎么思考?你现在想做的这些尝试,要怎么样找到特别合适的人跟你一起工作?

丛广乐

现在很多优秀的人,一方面投入模型本身智能性的提升。我觉得这件事仍然高度有意义。

至于一人公司的事情,我会觉得它更偏向个人探索、个人意志的实现,以及对某些领域的改造。我觉得这是他们的价值观决定的。他有丰富、多元的能力,有可闭环、可生存的能力,所以可能会做这样的选择。

但我觉得还会有一些人,对于发明,以及某些领域最广泛、最根本的变革很感兴趣。我觉得这样方向的人,可能就非常适合和我们一起合作。

你对公司的工作方式会有什么样的调整,来适应这个新时代和年轻人的需要?

丛广乐

我觉得会有更多非确定性的目标导向,提供一定开放探索的可能。

不以达成某些进展作为衡量标准,甚至以学习速度、学习到的东西,以及试错速度作为衡量标准,我觉得都可以。

我觉得这样才适配创新,也适配探索和发明。

我们最近内部也在反复思考这个问题。很多团队同学觉得自己没有进展,因为原来做确定的事情,每天都有产出。

但我会跟大家讲,做发明,做非常复杂的事情,做创新,或者挑战无限问题,并不是以每天往前走一步为目的。而是当你的探索、你的成长,以及团队认知达到一定程度之后,一下子乘以 10、乘以 100,才是行进的节奏。

我问这个问题,是因为我觉得这是现在大部分公司都必须考虑的问题,而且挺迫在眉睫。

我们最近有一期播客里,一个 1999 年出生的人说了一句话,让我印象特别深。他说,现在这个时代,大家对于幸福定义的标准已经变了,特别是对年轻人。

过去我们特别强调努力、努力改变命运、阶层跨越这样的叙事。但在现在这个时期,这种叙事已经不奏效了。大家可能更多是从生活的原点,向四面八方去寻找让自己感到幸福的事情。

丛广乐

可能两条线都会有。

我觉得广乐的思考习惯,以及思考能力都非常强。所以我也很好奇,你怎么看今天生成式 AI 带来的一波创业机会?你觉得哪些地方有可能出现我们说的 billion 级别公司,也就是 10 亿美元估值级别的公司?你有没有做过这样的归纳总结?

丛广乐

我们还是思考过的。因为我们要保证,如果做的事情短期不是特别能见到效果,那它一定是终局,一定是极有价值的。

我们会觉得,大模型以及和大模型相关的各种基础设施,也就是 Infra 层,都会非常有意义。作为生产力本身的表现,它长期的价值以及可能突破的地方,都非常多。

第二点,我们觉得工具本身会有很多很好的公司和方向。对 C 端来说,可能有给个体使用的工具,也有给不同职业使用的工具,以及给不同公司使用的工具。我觉得这里都会有很多机会。

除了这两者以外,我们还在思考行业级供给侧的 AI 替代方案。这是过去移动互联网没有的。它可能替代司机、创作者、开发者以及各种各样的角色。我觉得一些头部行业会非常有价值。

最后可能还会有新的平台。但这种新平台,可能依赖于新的智能化带来的交互变革而产生。

你自己现在有没有看到特别有价值的方向?不管国内国外,有哪些方向上的产品让你觉得特别有价值,又有哪些方向你觉得不太对?

丛广乐

我最早一段时间关注过很多产品,后来发现根本关注不完,精力上关注不完,尤其我们想探索的领域还比较广泛、比较开放。

我举几个移动互联网的例子,思考一下什么是早期大家共识觉得有意义,但最终发现并没有那么大价值的东西。

第一种,是包括 ROM、越狱、应用市场在内的、操作系统级别的补丁。过去有很多人给大模型做补丁,或者做特定场景的适配和优化,我觉得长期看可能一定没有意义。

其次,我可能要给年轻创业者泼一点小冷水。移动互联网时期,开发比较简单,个体开发者做了很多偏自身体感的应用,比如简单的课程表、地铁查询,以及各种简单工具。

表面上看,它们解决了一定需求,但长期看价值真的不是很大。

包括我自己做过的一些便签工具。我会想,移动端便签和 PC 端记录到底有什么本质区别?无非就是贴身性。

后来我发现,很多便签其实就是满足我自己的需求。我用微信的文件传输助手,也能解决得差不多。把每天要记的事情放在那里,所有未完成的提醒不删除,留着一个小红点,还经常打开微信,就可以了。

直到我发现 AI 之后,AI 能够帮你总结,真正提升信息效率,做很多反馈,我才觉得这可能有意义。

所以还是要思考一个时代变量的根本,以及一个领域需求的根本,把两者真正匹配起来。我觉得这才是好的方向。

你刚才提到,头条早期做的很多事情,是先把 PC 时代的一些东西复制到移动端,解决供给问题。解决供给问题之后,移动端产品才有空间原生生长。

现在我们也在一个转变时期。以前手机上可以做什么,现在给它加什么 AI 功能;再过一段时间,当 AI 原生有了更大的生长空间之后,可能会出现真正的 AI 原生应用。

我不知道你同不同意这样的类比?

丛广乐

我很同意这个类比,但我个人会更容易思考一个问题:你的壁垒是什么?

如果你觉得 AI 没有壁垒,只有速度,那我不认同。速度这件事太线性了。就像《三体》封锁了科技,你就在那里堆工业、堆数量,我觉得这个东西太线性,不符合科技的逻辑。

你的壁垒要么是数据,要么是用户集中时产生依赖、形成不可替代的黏性;要么是你对一个领域进行深度整合,解决问题的复杂度已经高到任何人再介入,都会比你更难,或者很难逼近你。

我觉得这些才是有意义的,包括用户场景下的用户反馈飞轮。

与其说什么 AI 方向没有意义,不如换个角度:如果你思考不清楚自己的壁垒,大概率就是没有意义。

当然,如果你的执行力天下第一,那这些话都可能不需要谈。我觉得执行力是同质化竞争里最有效的手段,而所有差异化的东西,其实都靠升维,靠不同性,最后变成核心竞争力。

AI 时代其实挺像软件时代,不一定非要用移动互联网的视角。你可以回到 Office、WPS 的时代,很多方法论和做事节奏可能更适合。

我再举一个例子。我认为我们在做的 3 个创新方向是有关联的:一个是 AIGC,一个是 AIGI,也就是它产生新的交互,一个是 AIGI 辅助 UGI,在社区里产生新的交互。

它们可能不是完全独立的东西,而是在我们关心人与 AI 之间的替代和辅助关系时,同时关注它们产生的交互和信息问题。

为什么类比 PC?因为 PC 时代最开始产生软件,正是靠人的能力把问题程序化的阶段。把问题程序化,而不是像互联网时代很多时候那样,把问题变成连接和中心化的数据。

这件事 AI 能帮助的有限。但把一个问题变成解决方案,无论是模型、Agent 还是代码,都是 AI 非常擅长的事情。所以它和软件时代有很强的相关性。

今天非常感谢广乐的时间,和我们聊了过去的职场经历,尤其是早期参与字节的一些故事。我相信,其中有些历史和小秘密,可能在别的地方从来没有被提到过。

另一方面,我觉得我们也很少这样脱离一线的“dirty work”,去聊星辰大海。这样一期如此畅想未来、如此宏大、有野心和愿景的事业,在《十字路口》里还是很难得的,我觉得挺好玩。

我们可能过 1 年、3 年,再回头看这一期。有些想法可能会得到验证,也或许有些想法会被打脸。但不管怎么样,我觉得这是这个时代很值得被记录的一种声音,也是一个创业样本。

再次谢谢广乐,也期待你之后再来《十字路口》。

丛广乐

好的,好的。感谢,感谢。

Ronghui

如果你认为有朋友也会喜欢本期十字路口的内容,请转发微信推荐给他们。最后,欢迎你加入十字路口的会员群,我们鼓励大家在群里聊天互动、交朋友,寻找未来的同路人。

AI来了,玩一场无限的创业游戏|对谈原今日头条初创期成员、票圈视频创始人丛广乐 | BidClub