# 136: Sora新世界 & Lovart 4个月复盘 | 与陈冕聊怎么做垂类Agent|Agent#5 晚点聊 LateTalk · 2025-10-09 Lovart创始人陈冕作客《晚点聊》第136期，与主持人程曼祺在Sora app发布前后两次对谈：他认为Sora打开的是一扇AI社交而非AI视频的大门，其核心是Cameo合拍与Remix共创，4小时体验里他惊艳于顺滑、音画同步和镜头语言；这类产品留给新玩家的窗口仅3到6个月，且更属于拥有顶尖模型和天量资金的巨头。同时他复盘了Lovart上线4个月做到15-20万日活、超过3000万美元年度预测收入的过程，坦言尚未覆盖API成本，但相信token会变便宜，订阅模式无需怀疑。他说垂直AI应用的本质是做两件事——特别的交互和特别的context，ChatCanvas是交互例子，即将上线的context模块会沉淀用户的reference和preference，增长方式是‘提前描绘未来会发生的东西，然后等它发生’；他也说现在已不再纠结开源闭源，应用公司的壁垒在于把context做到极致。在湾区旧金山California Street设办公室、参加多场线下活动并与FreePeak合办活动后，被反复追问热情的他更想清楚Lovart服务‘everyone who wants to create’，也因欧美设计师更贵更创意导向而在当地搭建了营销与设计团队。他判断To P的AI创业窗口接近关闭，下一波大机会在To C；技术变化太快，timing比移动互联网更重要，他几乎没错过重要窗口的原因就是焦虑——‘不焦虑的团队做不好AI创业’，组织必须高频迭代并拥抱焦虑。他也回顾了23年底公司濒临倒闭的危机，称坚持来自信念，信念来自认知；创业是痛并快乐，他最怕自己迭代不够快。 ## Questions this episode answers ### 陈冕第一次用Sora app时体验如何？他为什么说它像是社交产品？ 陈冕说，他原本没有预期，但用起来很顺滑，第一次合拍视频就发现镜头语言、音画同步和人物一致性都很好，不用抽卡。随后他意识到 Cameo 合拍和 Remix 让共创门槛变低，刷信息流时他惊觉“这不是社交吗？这是 Instagram”，因此认为 Sora app 本质是 AI 社交产品。 [2:28](https://latetalk.podhood.com/089cb768-2a10-4b6c-b290-375ab7bd0ae0?t=148000) ### Lovart 上线几个月做到多少用户和收入？ 陈冕说，Lovart 5 月内测、7 月公开上线，到 9 月底 DAU 稳定在 15 到 20 万之间；按全年预估收入已超过 3,000 万 美 金。增长几乎一个月上一个台阶，Nano Banana 发布后进一步上涨。不过他直言 Agent 还没到 60 分，免费用户带来的 API 成本很高，收入还不能覆盖调用 API 的成本。 [44:37](https://latetalk.podhood.com/089cb768-2a10-4b6c-b290-375ab7bd0ae0?t=2677000) ### 陈冕认为垂直 AI 应用公司的本质是做什么？ 陈冕认为，如果把 AI 想成人，垂直应用公司本质在解决两件事：一是这个人在垂直行业的工作方式，决定行业里的人机交互和界面；二是在这个行业积累的数据和经验，即不同的 context。ChatCanvas 就是回到设计师面对面沟通时的场景，用视觉画布而不是普通聊天框来对齐。 [55:10](https://latetalk.podhood.com/089cb768-2a10-4b6c-b290-375ab7bd0ae0?t=3310000) ### AI 应用公司怎么做增长？陈冕有什么方法？ 陈冕说，AI 应用公司做增长，就是提前描绘未来会发生的东西，然后等它发生。应用公司不掌握底层创新，要先预判模型演化方向，在模型成熟前把新交互界面设计好，等模型能力跟上时第一时间接住。例如 Lovart 在 GPT Image One 出来前就为 ChatCanvas 做准备。 [57:34](https://latetalk.podhood.com/089cb768-2a10-4b6c-b290-375ab7bd0ae0?t=3454000) ## Key moments - **[0:00] 开场** - [0:37] Lovart 上线两个月：DAU 15-20 万，全年预估订阅收入超 3000 万美元 - [0:52] 陈冕：『你往往在觉得短期可能有点高估它的时候，过两天你又发现你低估了它。』 - **[1:52] Sora 体验** - [2:44] 陈冕凌晨 3 点拿邀请码连玩 Sora 四个小时，第一感受是产品流程顺滑，很快与 Sam 合拍完成首个作品 - [4:24] Sora 生成的无间道屋顶对决视频让陈冕惊艳：镜头语言几乎复刻电影、音画同步、人物一致性强、一次出图 - [5:50] 陈冕玩 Sora 后惊觉：这不是社交吗？这是 Instagram——Cameo 合拍是产品的核心 - [6:53] Sora 的 Remix 左右滑降低共创门槛，陈冕：『最好的交互不会超过滑动和点击。』 - [8:21] Meta 9 月 25 日发 Vibes 无人问津，Sora app 却引爆声量；陈冕认为关键在 Cameo 出镜秀 - [10:53] 陈冕：Sora 本质是 AI 社交产品而非 AI 短视频，社交网络效应比抖音还大 - **[10:58] Sora 影响** - [11:08] Q: 中型创业公司能第一个做出 Sora 吗？陈冕：不可能，除非同时拥有最强模型和产品创新能力 - [12:30] OpenAI 免费不限量推 Sora 显示烧钱决心；Sam 回应：做好产品顺便赚钱更有利于实现 AGI - [13:17] 陈冕称 Sora 的长期潜力是虚拟世界微信/Instagram，可能是数十亿用户的超级应用 - [15:38] 陈冕判断 AI 社交赛道窗口期只有 3 到 6 个月，巨头输不起必打这场仗 - [17:48] 陈冕：Sora 开启 to C 时代，AI 社交新战场可能抢 coding 的风头，比 coding 更大 - [18:48] 陈冕修正判断：OpenAI 比想象中更激进，不只追求 AGI，还要同时追求最牛产品，巨头没有边界 - **[24:23] 湾区三月** - [25:02] 陈冕在硅谷的感受：大家更常问为什么做、热情来自哪，而不是问竞争和终局 - [27:10] Lovart 定位为 design agent for everyone who wants to create，目标是创作平权，不是取代设计师 - [28:17] 陈冕：婚礼等人生场景中大家想自己设计，AI 会让高质量设计变得更普惠、可获得 - [30:27] 陈冕总结旧金山三个月：定位更清晰、全球市场感知更深、离用户和团队更近 - [32:48] 陈冕观察旧金山 AI 氛围：资本充裕、全场兴奋性内卷，中美 AI 认知差距已很小 - [34:36] 陈冕对比中美 to B：中国客户要打折砍价、销售驱动，美国 SaaS 价格合理就成交 - **[44:37] 用户数据** - [44:37] Lovart 公开上线两个月：DAU 15-20 万、ARR 超 3000 万美元，基本一个月上一个台阶 - [46:24] 陈冕认为 Lovart Agent 还没到 60 分，但用户已看到可能，AI 能解决越来越多工作问题 - [47:15] 陈冕把设计 Agent 比作 coding 的 2024 年初：再过半年到一年将迎来大爆发 - [47:39] 3000 万美元 ARR 仍覆盖不了 API 成本，但陈冕不怀疑 Agent 商业模式：token 必然变便宜 - [48:40] 陈冕设想未来 Agent 按思考时长计价：让 AI 想 15 分钟、两小时还是一天，复杂度与价格不同 - **[49:06] 垂类 Agent** - [49:26] 陈冕复盘创业最初看到的五个方向：生产端 Office 与 Adobe，消费端搜索、社交和泛娱乐 - [51:20] 陈冕：通用 LLM 在语言上永远是主轴，垂类 AI 要 leverage 造通用人的能力，但不做通用人擅长的事 - [52:32] 陈冕：应用公司别做通用人做得好的事，垂直 AI 本质是特别交互 + 特别 context - [53:32] ChatCanvas 的理念：跟设计师沟通必须对着屏幕或画布指指点点，不能只对着对话框说话 - [56:32] ChatCanvas 为何没人先做？陈冕：模型能力之前达不到，GPT Image One 和 Nano Banana 才打开可能 - [57:34] 陈冕谈应用公司增长：把未来会发生的东西提前描绘出来，等模型 ready 时第一个秀出来 - **[1:06:00] 上下文能力** - [1:06:00] Lovart 图片和视频使用约五五开，大量小商家（如咖啡店主）用 branding 做全套物料 - [1:07:14] 陈冕：未满足需求是设计 context——AI 设计师必须理解品牌历史、reference 和 preference 才能令人满意 - [1:08:49] Lovart 将上线 context 模块：小模型根据 prompt 主动索要官网、风格偏好等更多上下文 - [1:11:05] 陈冕：审美判断需要设计师标注做后训练；现有多模态模型判断风格已够用但未超越人类 - [1:12:23] Lovart 尚未满足需求：模型一致性、风格和尺寸响应不够，小语种文字连日语都没人解决 - **[1:13:43] 工具定位** - [1:13:43] 陈冕：Lovart 没有做社区计划，灵感频道是为了帮用户获得 context，不是社区互动 - [1:16:26] 陈冕：做产品最难的取舍是要不要给模型打补丁，补丁可能很快被模型迭代摧毁 - [1:17:50] 陈冕举例：给 Agent 加文字用图像模型还是传统文本框，是典型的打补丁取舍 - [1:19:41] 陈冕自称不懂技术，靠技术合伙人团队读 paper 讲给他听，再用产品类比理解技术演进 - [1:22:15] 陈冕技术合伙人是高中同校学长，24 年初加入时 Lovart 刚活过来、差点倒闭 - [1:22:51] 陈冕不再担心开源被闭源甩开：开源影响成本和后训练，但闭源下 context engineering 空间足够深 - **[1:24:32] 行业格局** - [1:24:32] 陈冕判定 to P 创业窗口接近关闭，下一波大机会是 to C 的 AI 原生社交与泛娱乐 - [1:27:09] 陈冕：设计 Agent 正处 coding 2024 年初的状态，半年到一年爆发，今年必须上牌桌 - [1:28:33] 陈冕预测 Canva、Adobe 等巨头会在垂类 Agent 达到 1 亿美元 ARR 后重点进场 - [1:30:07] 陈冕：通用模型公司短期不会碰垂类 Agent，会先碰 coding 和通用 Agent - **[1:31:35] 节奏与焦虑** - [1:31:35] 投资人评价陈冕节奏感好；他回应：AI 时代窗口期短，错过一波可抓下一波 - [1:33:18] 陈冕：移动互联网一个 PMF 能吃 10 年，AI 时代窗口期短，必须反复抢新窗口 - [1:35:40] 陈冕自评三次重要 timing：先做国内、再做 Agent 全球化，第三次 to C 看明年 - [1:36:37] 陈冕说自己没错过重大窗口的原因：『我很焦虑』，团队也焦虑，做 AI 必须与焦虑共处 - [1:37:34] 陈冕：AI 组织要高频迭代，招人优先看是否懂 AI，经验型员工容易被范式变化淘汰 - [1:40:22] 陈冕：公司里没有人淡定，我是最焦虑的；技术打脸很快，迟到一步就会被现实教育 - **[1:42:52] 信念与韧性** - [1:42:52] 陈冕把韧性归于认知和信念：只要 AI 发展大假设没被证伪，已在牌桌就没有理由不坚持 - [1:45:05] 最困难时 Lovart 收到过潜在收购意向，陈冕从没想过答应，连机会都没给 - [1:45:59] 陈冕形容创业是『痛并快乐』：像极限运动或魂类游戏，享受解决困难的成就感 - [1:47:59] 陈冕历数三次挑战——达成 PMF、挺过倒闭危机、做出 Lovart——成就感一次比一次大 - [1:49:45] 陈冕最怕自己迭代不够快；自认是感性的理性者，用理性底层控制感性表达 - [1:51:39] 陈冕：焦虑的源头可以控制；技术放缓就沉下心，技术加速才需要极致焦虑 - **[1:57:51] 尾声** - [1:57:54] 程曼祺导读往期：投资人夏令在 110 期讲 Agent 要垂要专，4O 对垂直公司是利好 ## Speakers - **曼祺** (host) - **陈冕** (guest) ## Topics AI模型团队动态 ## Mentioned Adobe (company), Canva (company), FAL (company), FreePeak (company), Google (company), Meta (company), OpenAI (company), ChatGPT (product), Cursor (product), Liblib (product), Lovart (product), Midjourney (product), Nano Banana (product), Sora (product), Veo (product) ## Transcript ### 开场 **曼祺** [0:05] 欢迎收听 《 晚点聊 》， 我是曼祺 。 这个十一 ，AI 继续加速进化 ：OpenAI 发布了 Sora app，Google 的新视频模型也正在路上 。 本期我们邀请了和多模态 AI 进展密切相关的一位 CEO、 设计类 Agent Lovart 的创始人陈冕来做客 《 晚点聊 》。 陈冕是一位产品经理出身的创业者 ， 对 AI 应用的发展有强烈的乐观态度 。Lovart 的迭代和增长都很快 ：5 月开始内测 ，7 月正式全面开放 。 Lovart 的用户到了什么规模量级 ？ 订阅收入到了什么规模量级 ？ **陈冕** [0:37] 我们用户的可能跌 ， 优先还在 15 到 20 万之间 。 算全年的预估收入的话 ， 我们应该已经超过 3000 万美金了 。 **曼祺** [0:46] 陈冕说 " 快 " 是源于他的焦虑 ，但现在也需要焦虑 ，因为技术正在快速变化 。 **陈冕** [0:52] 你往往在觉得你短期可能有点高估它的时候 ， 过两天你又发现你低估了它 。 **曼祺** [0:59] 正因为行业变化特别快 ， 本期也分了两次来聊 ，因为第一次我们刚好是约在了 9 月底 Sora 发布之前 。 重点聊了陈冕过去 3 个多月在北美的经历 ，以及 Lovart 做全球化垂类 Agent 的认知和实践 。 **陈冕** [1:13] 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 ， 然后等它发生了 。 **曼祺** [1:21] 当时陈冕已经聊到了 to C 的机会 。 **陈冕** [1:24] 我觉得接下来一个很大的机会是 to C。 你就想 ， 就在我们创作领域来着 ， 就这么多人都用 AI 创作出了作品了 ， 那最终未来内容的消费是不是也会发生变化 ？ **曼祺** [1:37] 我们采访结束后不久 ，OpenAI 发布了 Sora app。 **陈冕** [1:41] 这不是社交吗 ？ 哦 ， 这是 Instagram。 那个时间你有一个 " 啊哈 " moment。 **曼祺** [1:47] 下面我们正式进入节目吧 ， 第一部分是关于 Sora app 的讨论 。 我觉得也是特别巧 ，因为我们这一次就是约的第一次聊的时间是 9 月 28 号 ， 就是刚刚好在这个 Sora app 发布之前的一天 。 ### Sora 体验 **曼祺** [2:01] 正好可以补充聊一下 。 我觉得这个也印证了上次你说的 ， 就这个变化太快了 。 **陈冕** [2:06] 对 ， 对 ， 变化太快了 。 就它总会比你想象的时间可能会更早一点 ，但是可能也差不了太多 ， 对吧 ？ 我们上一次聊说我觉得 to C 应用的元年是明年， 对吧 ？ 然后结果是现在 。 看起来也差不了太多 ， 明年肯定是元年， 但没有想到关键的那个 timing 就是在我们猝不及防的一个假期就突然发生了 。 **曼祺** [2:28] 那我们可以先聊聊就这个 Sora 发布之后 ，因为我看你在 《 极客公园 》 的这个直播里说你一开始就第一时间拿到了邀请码 ， 玩了三四个小时吧 ， 从凌晨 3 点多玩到 7 点 ， 对吧 ？ 你可以讲讲就是这四个小时你自己的体验 ， 你一步一步都感受到了什么 。 **陈冕** [2:44] 对 ， 我觉得是这样的 。 就是你最开始用的时候 ， 预期没有很高 ，因为首先它的发布会其实非常的简单 ， 它的线上发布非常的简单 ，也非常的突然 。 所以我其实是没有预期的 。 但是我觉得当时我一切都用得很顺滑 ， 我觉得整个进去的 ， 我作为一个产品经理来讲 ， 我觉得它的产品的这个 user 的 flow， 然后它的各种体验其实做得都是很顺的 。 所以我其实非常快的就用起来了 ， 相当于我觉得在一个非常 smooth 的过程里 ， 我就完成了我第一个作品的创作 。 那是我跟 Sam 的一个合拍 ， 然后我就当时一个非常简单的提示词 ， 就是我和 Sam walking on the street， 然后我发现 ， 哇 ， 它好像啊 。 然后完了之后， 它的这个视频的生成速度很快 ， 当然它也只有 9 秒钟 ， 速度很快 ， 然后镜头很好 ， 然后我当时觉得 ， 哎 ，有点意思 。 然后我发现 Cameo 这个有点意思 ， 我就再玩了一下， 然后我就生成了第二个视频 。 我说我跟这个 Sam 在一个竹林里对决 ， 然后我发现 ， 哇 ， 它这个镜头啊什么的都很不错 。 然后呢 ， 我就再录了一个视频 ， 然后这次呢 ， 我让 GPT 先帮我写了一个脚本 ， 就是我想写一个无间道的 ， 这个 9 秒的 ，在屋顶对决的经典场面的这个视频 。 然后它给我写了一个脚本 ， 我再把它复制到 Sora 里去再发布 ， 然后我出来我就惊艳了 。 然后第三个视频的时候 ， 我才第一次开了声音 ，因为我是晚上， 我不想打扰我妻子休息 ， 然后我最开始没有开声音 。 第三个的时候我开了声音 ， 然后完了之后我觉得新世界的大门被打开了 ， 然后我就发了一条朋友圈 ， 我就说感觉新世界的大门被更早的打开了 。 为什么在那个时候那么 sharp 呢 ？ 第一 ， 它是有镜头语言的 ， 它不是原来那样给你生成一个单一的视频 ， 它是有镜头语言的 。 然后那个镜头语言几乎啊复刻了无间道的那个感觉 。 我觉得它的镜头语言是 ， 我觉得不能叫电影级 ，但是至少有尝试电影级的潜力 。 然后第二个 ， 你看声音 ， 它中文的适配也非常的好 ， 然后音色的还原虽不说百分百 ，但也能听出来就是我自己的声音 。 音画同步我也做得非常好 ， 镜头语言做得非常好 ， 人物的一致性也非常好 。 关键是这一切你不需要抽卡 ， 就是一次出的 。 我当时我觉得这个模型有点东西 ， 我第一次 sharp 了 。 然后呢 ， 同时当时因为我们还有团队的同学跟我一块 ， 我也在玩 ， 然后我就开始拉着他拍合拍视频 ， 然后我就发现 ， 哇 ， 这个在产品上也不简单 ， 这是一个社交产品 。 因为你发现那个时候所有人都在说 Sam， 然后我那个时候打开创作的那个时候 ， 我就发现一件事 ， 哎 ， 除了 Sam 其他人我都不认识 ， 那我跟他们有什么好拍的 ？ 然后你要是我不跟朋友拍 ，不跟 Sam 拍 ， 我其实不知道创作什么 。 然后所以我当时第一反应就是 ， 快 ， 这个我们在美国的同事 ， 然后没有睡觉的同事 ， 赶紧邀请码发起来 ， 大家一块玩起来 。 一瞬间你发现 ， 哎 ， 你最开始是一个用户 ， 然后你从一个产品经理的视角 ， 你在惊觉 ， 哦 ， 这不是社交吗 ？ 哇 ， 这是 Instagram。 然后我就 ， 哇 ， 就是你那个时间你有一个 " 啊哈 " moment， 然后你再去刷他的流 。 因为最开始其实你不会刷他的流的 ， 最开始我三点进去的时候 ， 那个流最高的点赞也就十几个点赞 ， 根本就没有几个用户 。 那个时候那个流的质量也很烂 ， 你没有什么好看的 。 然后我做完前面那些 ， 先做完社交之后， 我才开始刷那个流 。 那个时候已经能刷到我那几个朋友 ， 我那几个同事做的视频了 。 我觉得 ， 哇 ， 好有意思 。 然后有一个我们的同事拿我的脸做了一个视频 ， 让我在那儿喊 ， 今天早下班 ， 今天早下班 ， 今天不上班了 。 然后我说 ， 哇 ，interesting， 就是 ， 哇 ， 好酷 。 然后完了之后我看到有这个左右滑 ， 然后我看那三个按钮 ， 之前是转赞评 ，但现在是点赞评论 ， 除了转评赞以外， 加了一个 Remix， 然后它的 Remix 就是左右滑 。其实最开始我用左右滑是没用懂的 ，因为最开始左右滑的质量很差 ，但慢慢其实用下来发现左右滑质量会越来越好 。 就是你后来又惊觉 ，因为这个问题之前是我想过的 ，因为我们其实想过之后很重要的一个事情 ， 就是要做 Remix， 就是你在 AI 的创作里面 ，因为你本质上核心是接力共创嘛 。 就是你 AI 降低门槛 ， 你的核心是你其实看到别人的 ， 你可以很容易的共创嘛 。 所以这个其实是一个很核心的能力 ， 所以其实共创很核心 。 所以你看到它有 Remix 之后， 我说 ， 哇 ， 它把这个也想到了 。 而且它这个左右滑也很顺的 ， 最优秀的交互不会超出滑动和点击这两件事情 ，其他的都太复杂 。 对 ， 所以我觉得到这的时候我就觉得 ， 哇 ， 这个还是非常厉害 。 当然我在这过程中还遇到非常多 bug， 就我有时提示词长了 ， 它不让我发布 ， 含了一堆这个 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 ， 我当时到这的时候就已经 wow 出来了 。 **曼祺** [7:51] 对 ，其实你刚刚说的 Remix 那个 ， 就是在视频平台里 ， 我觉得它以前就有这种现象 ， 只不过没有人给它产品化 。 这个现象就是比如说 B 站上如果有一些梗的话 ，其实大家会反复的去做视频 ， 大家可能会带入一些不同的人， 比如说之前有段时间特别流行的那个什么 《Look in My Eyes》， 还有什么谁谁谁得了 MVP， 它其实就是 Remix， 只不过它是一个一个人去传的 。 **陈冕** [8:15] 对 ， 剪映的剪瞳孔也是 Remix 嘛 ，但是 AI 能让这一切变得更加的简单 。 **曼祺** [8:21] 然后你说到这个 ， 正好有个非常有意思的事 ， 就是其实 9 月 25 号的时候 ，Meta 也发了一个类似的东西 ， 叫 Vibes， 比 OpenAI 是早了四天的 ，因为 OpenAI 是 9 月 29 号发的 ，但我后来就发现这个事情无人问津 ， 没有人讨论 ， 我周围根本就没有人讨论 。 **陈冕** [8:38] 我也没用过 。 **曼祺** [8:38] 我就在想 ， 就在时间点非常近的两个产品上， 就这个 Meta 感觉就它这个声量就完全不如 Sora app。 当然 Meta 这个 Vibes， 它是放在一个 Meta AI 的那个 app 里的 ， 它不是个单独的 app， 它也没有 。 我觉得最关键的就是你刚说的那个 Cameo， 就中文叫出镜秀 ， 这个可以和一个真人形象合拍的这个社交的功能 ， 它就是一个 AI 生成的短视频的 feed 流吗 ？ **陈冕** [9:02] 对 ， 这是其实 AI 生成短视频的 feed 流 ， 这个即梦早就有了 。 我觉得其实这次的核心 ， 当然一个是模型的进步 ， 这个是根基 ， 另外一个其实还是那个 Cameo， 那个包括其实 OpenAI 自己也说嘛 ， 就是没有那个 Cameo 其实就没有这款产品 。 这款产品最开始就是给朋友玩的 ， 就我觉得那个 Cameo 是这一切的核心 。 所以其实如果你不 leverage 社交关系 ， 我觉得这个东西没什么好玩的 。 **曼祺** [9:30] 就所以更准确来说 ， 它是一个 AI 社交产品 ， 它不是一个 AI 短视频产品 。 **陈冕** [9:34] 我觉得至少现在它的所有的产品设计都在导向它是一个 AI 社交产品 。 如果它是一个 AI 短视频产品 ， 它在现在根本就不会有这么大的声浪 。 然后它可能作为一个模型 ， 是一个好的模型 ， 是一个能生产出好的短视频的模型 ，但对于这个产品来讲 ， 我觉得它 totally 跟大家所谓的 AI 抖音 、AI TikTok 至少在现在这个时间点 ， 我觉得没有任何关系 。 **曼祺** [9:59] 嗯 ， 我自己用的时候 ， 我也有一个很微妙的体验 ，因为我知道它是音画同出的模型嘛 ， 所以我试图就是我直接在那个 prompt 里面 ， 我是写了具体的台词的 ，但我觉得在这一点上， 它没有跟随得特别好 。 它有的时候不会说你给它写的这种特别具体的话 ，但是后来我想可能因为这个产品 ， 它就不是往这个方向优化的 。 **陈冕** [10:19] 对 ， 我觉得它的整个产品链路就没有强调专业创作 。 就是你要是做一个 AI 抖音 ， 你的核心是要在早期产生出高质量的内容 ， 这个是 different。 但是其实你用 Sora， 你好玩的点是来源于你跟朋友的合拍 ， 或者你跟名人的合拍 ， 你跟一些有趣的人的合拍 。 所以它就是 totally 建立在社交上 。 当然模型能力可能也还有进步的空间 ， 现在可能做到你说的那个其实是有难度的 ，但它妙就妙在它在模型能力最适合的时候 ， 做了它最适合的形态 。 而且这个适合的形态 ， 这社交 ， 社交摩纳的抖音啊 ， 社交比抖音还要大呀 。 ### Sora 影响 **曼祺** [10:58] 你觉得如果是一个就是这种中等规模的创业公司 ， 比如说像 Lovart 这个体量的公司 ， 第一个做出了这种产品的交互 ， 它会像 Sora 这么火吗 ？ **陈冕** [11:08] 第一个 ， 现在不能忽视的是 ， 它不是产品单一创新 ， 它模型现在在这个时间点也是 Sora。 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 ， 这是不可能做出来的 。 这只会在掌握最牛的模型同时， 它的文化 ， 它的组织还能孕育出产品创新的公司才会做出来 。 我觉得除开 top 模型公司 ， 这个第一它就很难出来 。 然后第二 ， 如果它出来了 ， 我觉得它能火 ，但是呢 ， 它接下来面临的挑战会很大 。 你要想一个事就是说 ， 第一个它要露人脸 ， 对合规对隐私的挑战 ， 跟监管啊 ， 跟这个合规上的挑战 ， 这是非常大的 。 然后呢 ， 另一个层面 ， 这个需要烧天量的钱 ， 就是这么多人用啊 ， 你现在都已经总搒第三名了 ， 然后没收用户一分钱吧 ， 得剩多少个视频啊 ， 这个成本是极高的 。 所以我觉得这几个东西加起来 ， 我觉得一个中等规模的模型公司 ， 我觉得能做火 ，但是接下来它面临的挑战是非常大的 。 而且还有一个点是 ， 如果中等模型公司火了之后呢 ， 这个头部的公司会马上跟进 。 我觉得啊 ， 就他们掌握更多的流量 ，有更多的钱 ，有更多的那个 ， 我觉得非常困难 。 对 ， 我觉得这件事可能如果是 AI 社交的话 ， 我真的觉得还是巨头的竞争更强烈一些 。 **曼祺** [12:30] 对 ， 就是你刚刚提到免费 ， 这个本来也是我想问的 ，因为我觉得在这个产品上，OpenAI 是体现了挺大的烧钱的决心的 。 它虽然说有邀请码 ，但我觉得那个邀请码其实是为了社交的玩法 ， 实际上它相当于是没有限制你的使用的 ， 这个邀请码也很容易裂变 。 **陈冕** [12:46] 我觉得它未来肯定是要赚钱的 。 就 Sam 昨天还在 X 上回应了一条消息 ， 大家说这个你不是做 AGI 吗 ？ 怎么来做杀时间的产品呢 ？ 他说这个情况非常的复杂 ， 如果我们能做一个好的产品 ， 顺便赚点钱 ， 当然是更有利于实现 AGI 的 。 为此我是很赞同的 ， 所以我昨天晚上又发了一条朋友圈 ， 我来讲这个理想主义和现实主义 。 就我觉得它未来肯定是赚钱的 ， 就做 super app 的人都会明白一个道理 ， 这个早期都是不赚钱的 ，但是后期是能大挣的钱 。 所以我觉得他们肯定是想清楚了的 。 **曼祺** [13:17] 你觉得像这个形态有可能 super app 最后到一个什么级别啊 ？ **陈冕** [13:22] 我们不说它现在啊 ， 我觉得未来的潜力是巨大的 。 它真的有可能是一个虚拟世界的微信 ， 虚拟世界的 Ins。 就是我觉得未来有可能人类的社交也会分成两个世界 ， 就像我之前讲到 ， 一个是虚假的真实 ， 一个是真实的虚假 。 这是一个有点哲学问题 。 所以其实虚虚实实 ， 就是现实世界的朋友圈和虚拟世界的朋友圈 ， 可能是两个朋友圈 ，但它却都有虚实的属性在 。 它的界限在被泯灭 ，但是它又好像是两个东西 。 所以我觉得最终对于人类来讲 ， 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 。 然后最终是他们俩对时间的争夺 。 所以我觉得哇 ， 这个可能是一个数十亿用户的吧 ， 的一个 super app，但它不是现在 。 那我觉得这里肯定灌注了我的想象 。 现在你的模型 ， 你的产品形态 ， 你的运营 ， 包括我觉得现在 Sora 的产品定位 ，其实还没有完全完全的特别的 clean，因为它是一个第一版的产品 。 所以我觉得这些东西还都需要探索 。 模型当然也需要变得更好 ，但是你几乎已经确定它会变得更好了 。 后面的其他问题 ， 就是一个优秀的团队应该都是可以解决的 。 所以我觉得未来已经打开了 ， 它应该是一个 billion 的 user 的机会 。 **曼祺** [14:47] 你觉得接下来大小公司的动作会怎么相应的调整 ？ **陈冕** [14:51] 我觉得对于模型公司和想要做应用的模型巨头来讲 ， 这应该是必然会去做的一场仗 ，因为输不起 。 就是你无论现在对它的判断是 ， 你觉得它有 10% 的概率还是 20% 的概率成为 super app， 你都无法接受错过它的代价 ，而得到它的意义是巨大的 。 所以我觉得对于任何一个想要进驻这个时代最顶尖的 、 最强 super app 的公司 ， 包括现在拥有 super app 的公司 ， 我觉得都不会放过这个机会 。 **曼祺** [15:29] 你觉得这个先做的时间窗口有多少 ？ 就如果说这个事和社交有关系 ，因为社交它是有网络效应 ， 它是有一个窗口的 。 就可能你第一批都还是有希望的 ，但是你晚到一个时间线之后， 你再做可能就没什么戏了 。 你觉得留给大家的时间有多久 ？ **陈冕** [15:47] 我觉得可能就是 3 到 6 个月 。 **曼祺** [15:49] 3 到 6 个月 ， 那还是很紧迫的 。 **陈冕** [15:52] 对 。 **曼祺** [15:52] 那你觉得就是创业公司了 ， 创业公司相应的 ， 它会需要做一些什么样的调整吗 ？ **陈冕** [15:57] 我觉得会有很多新的 to C 的机会 ，因为 to C 的时代被开启了 。 我觉得创业公司可以好好的认真思考 to C 这件事 。 **曼祺** [16:05] 嗯 ，其实我们上次聊的时候你就提到你们接下来肯定是会去挑战 to C 的 。 就是你看到 Sora app 的这个形态之后， 它对你们接下来去做 to C 的具体的一些想法和策略 ， 会有些什么启发或者说影响吗 ？ **陈冕** [16:20] 大方向上没有什么变化 ，因为其实这本来就是我们既定路线的要做的事情 ，但我觉得在一些产品和模型的启发上 ，在一些增长的启发上， 我觉得它是一个很好的样本 ， 一个很好的学习对象 。 但本质上我们其实从第一天就希望能够长期做一家 to C 的公司 ， 所以这些都在我们考虑的范围之内 。 **曼祺** [16:42] 嗯 ， 如果说你觉得这种就是 to C 的 super app， 它很有可能还是至少在现在这个阶段 ，是属于这种特别大的创业公司 ， 比如说像 OpenAI， 还有这种核心的以前就有 super app 的巨头的机会 ， 那对就是要做 to C 的目前还在成长的公司来说 ， 未来有可能会抓到 super app 的机会吗 ？ 这个能想象它是什么形态吗 ？ **陈冕** [17:05] 当然要保持乐观 ，但这个形态可能现在是没有办法预言的 ，但它一定是从不起眼的角落里生长出来的 。 就是一个创业公司如果最终能够成长起来 ， 它可能没有办法是一个一来就火的东西 。 你可以看移动互联网时代 ， 抖音花了很长时间 ， 小红书也花了很长时间 ， 快手 、B 站都花了不短的时间 。 我觉得对于创业公司做的东西来讲 ， 如果它爆了 ， 你要谨慎嘛 ， 尤其是 to C 的啊 ， 就 to P 的无所谓 ，to P 大家就是要尽量的爆 ，to C 的你爆了 ， 就我觉得来得快就去得快 。 **曼祺** [17:39] 嗯 ， 那我也很期待就是之后新的公司做的这种 to C 的产品可能是什么形态啊 。 对 ，Sora 肯定接下来就是巨头都会去竞争了 ， 这肯定就是马上就巨头战场了 。 **陈冕** [17:48] 对 ， 这是一个新战场 ， 我觉得可能它也会抢 coding 的风头 ， 这个比 coding 大 。 **曼祺** [17:53] 然后你觉得这个事本身它会怎么影响整体的视频生成这个领域啊 ？ 因为其实我们上周聊时你有提到说 ， 你当时觉得视频生成不是在这种最核心的 AI 公司的主线战场上 ，他们的主线战场还是语言 ， 还有就是逻辑那条线的底层模型的眼睛 。 那 Sora 2 之后你觉得这个判断需要怎么调整吗 ？ **陈冕** [18:14] 我觉得这个首先要 clarify 一下， 就是我觉得是视频生成不是在它最重要的主轴上 ，但是追求 AGI 的过程中本来就要做视频 ， 本来就要做 ， 包括之后做这个世界模型 ， 只不过 AGI 的路的以语言为主轴 ， 然后这些能力都要去做 。 对 ， 所以我觉得它慢慢是会覆盖的 。 所以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 ， 这个创业公司连模型都没得用 ， 它一定会做这个 。 然后另一个事呢 ， 我其实当时的判断是 ， 我觉得巨头做 to C 的 super app 的速度不会那么的快 ，但这个显然我是错了 。 就是 OpenAI 比想象中更加的激进 ， 它不只想追求 AGI， 同时也要追求最牛产品 。 所以我觉得这个事是两面看 ， 一方面我觉得 OpenAI 的入局也代表了这个领域的接下来的蓬勃发展 ， 就是也代表了大家的注意力 ， 大家看到了一些未来嘛 。 所以对创业公司来讲其实还是一件好事 。 但另一个方面觉得我们确实要考虑如何更快的 go big， 似乎在这个时代每一个巨头都比想象中的更厉害 ， 它似乎更没有边界 。 那创业公司你如果不能快速的成长起来 ， 那可能挑战也是极大的 。 所以我觉得机会一定会增多 ，因为一个巨头再牛也不可能做掉所有的机会的 ， 这是一定的 。 所以我觉得对于创业来讲一定要保持乐观 ，但我们也必须要有危机感和紧迫感 ， 我们必须要更快的 go big。 **曼祺** [19:39] 对 ，其实我觉得这一次的这个全球的创业创新热潮里 ， 我觉得它有一个比较特殊的现象 ， 就是出现了 OpenAI 这种 ， 我觉得以前其实没有这个类型的公司 。 就你其实是把它划到了巨头这一类的 ， 对不对 ？ 但它又不是一个传统的典型的巨头 ，因为到目前为止说实话 ， 它没有一个真的给它带来足够丰厚的利润的主营业务 ， 它是没有的 。 就是它有一些很强的产品 ，但这些产品目前还是亏损的状态 ，但它有非常多的 ， 几乎你可以认为它有取之不尽的弹药吧 。 **陈冕** [20:10] 对 ， 这就是这个时代 ， 就是我们说为什么要尽快的 go big 的另一个原因呢 ， 就是资本在以想象不到的速度 ，在以有史以来最快的速度聚集啊 。 人类历史上没有发生过几年之内 ， 当然 OpenAI 成立不止几年啊 ， 就是在它爆火几年之内 ， 快速的成长为一个超过 5000 亿美金的公司 ， 这在人类历史上是不存在的呀 。 所以资本在以想象不到的速度 ，在以前所未有的速度在聚集啊 ，因为这个东西机会大家都看得到啊 ， 所以大家都疯狂啊 ， 所以大家都疯狂掏钱啊 。 就这件事 ， 就是人类历史上很难有这么短的时间内聚集这么多的共识 ， 然后人类历史确实又在一个资本相对来讲最充裕的年代 。 所以这个时代就是一切都变快了 ， 这真的太卷了 。 为什么会这么卷 ？ 因为大家觉得未来太大了 ， 觉得未来太过乐观 ，但大家所有能投的人都把钱 ， 或者看到这个的人都把钱投出来砸到这上面 ， 那它以前所未有的速度在成长 ， 所以一切都被加速了 。 所以没有办法加速的一些客观的事情就在被拖着走 ， 所以它就形成了一个很神奇的状态 。 **曼祺** [21:18] 刚才说的这个就是大家都特别乐观的这个叙事上， 你觉得有什么风险吗 ？ **陈冕** [21:22] 我觉得这个主要还是因为太多乐观 ， 导致对于有一些无法加速的事情有了过高的速度期待 ，但它的速度没有到达预期的时候 ， 大家又会生出沮丧和怀疑 ， 从而形成一个错配 。 中间可能会不会有短暂的泡沫破裂的时间 ， 这个是不好说的 ，但我觉得大趋势已经毋庸置疑了 。 比如说算力就是不够 ， 能源就是不够 ， 算力和能源的基建是需要时间的 。 所以最后你发现做了 super app， 它的成本巨高无比 ， 钱都赚不回来 ， 账都算不回来 。 但是你等几年， 它一定算得回来 ，但是你看看这几年就是算不回来 ， 你需要基建 ， 需要加速 。 哎 ， 这是一个很可怕的事情 ， 它就会更加头不及重 ，因为你卡就那么点 ， 成本又那么高 。 所以其实我们还是希望看到基建更快的完善 ， 能源更充足 ， 卡更充足 ，不要被底层的这些物理的东西卡脖子 。 不然我觉得如果确实这两个东西太脱节的话 ， 说不准也会有泡沫破裂的那一天啊 。 但我觉得大趋势确实是毋庸置疑了 。 **曼祺** [22:29] 你心中所想的无法加速的东西 ， 除了算力和能源的建设 ， 时效时间的 ， 还有什么呀 ？ **陈冕** [22:37] 嗯 ， 还有可能就是用户的习惯了 ， 就是人心 。 对 ，因为人总归会有各种各样的人。 有一些人就是先锋派 、 乐观派 ，有一些人一定是怀疑派和守旧派 。 所以你不能说守旧就不好 ， 守旧传统也能给这个社会贡献非常多的价值 。 以后真实和虚拟的边界是很模糊的 。 嗯 ， 对 ， 我觉得这些也会影响它 ，但没关系 ， 就是新事物都是在争议中前行的嘛 。 就人心的改变需要时间 ，但也一直在接受新的东西 ， 只要它是顺应人性的 ， 只要它是不向恶的 ，但它需要一个过程 ， 这个过程不是能被极限加速的 。 **曼祺** [23:23] 说到这个 ， 我觉得 Sora 的这个信息流 ， 它本身就是从它最开始上线的第一天到现在 ， 你再看 ， 我觉得你们的内容的丰富程度 ， 然后这种好玩的程度也还是提升了挺多的 。 **陈冕** [23:34] 进化很快 。 **曼祺** [23:35] 对对对 ， 我看的时候就我个人来说 ， 我并没有觉得它有那么 AI 废片啊 ， 它其实有很多好玩的创意在出现啊 。 **陈冕** [23:44] 我跟你讲 ， 快手第一天的时候 ， 谁能接受快手 ？ 很少的 。 对 ， 所以你要相信它演变的速度 。 我觉得已经 no brainer 了 。 我很相信自己的直觉 ， 就是我觉得对于一个好的产品来讲 ， 就是你用的那一瞬间你就会感受到 ， 尤其是 to C 的 app， 你用的一瞬间就会感受到它巨大的魔力 。 你会有一个超级的 wow moment。 我觉得这在我上一次是 ChatGPT， 再上一次是抖音 ， 我记忆中我就经历了这么几个时刻 ， 可能再往前我还太嫩了 。 然后我对它非常看好 。 **曼祺** [24:17] 接下来是 9 月 28 日我对陈冕的访谈 ， 我们从他过去三个月在北美的经历聊起 。 哎 ， 你这次具体是什么时候回国的呀 ？ ### 湾区三月 **陈冕** [24:26] 一个多月了 。 **曼祺** [24:27] 回国一个多月了 。 **陈冕** [24:29] 对 ， 我应该在那边前后待了三个月吧 。 **曼祺** [24:31] 三个月 ，其实你是在 5 月份 ， 就是你们的产品发布之后，Lovart 那会应该算是测试 ， 对吧 ？ **陈冕** [24:38] 对 ， 就是那个时候就过去了 。 **曼祺** [24:40] 你就去美国了 。 **陈冕** [24:40] 对 ，5 月测试嘛 ，5 月到 8 月 ， 所以现在是 9 月嘛 ，9 月回来的 ， 就相当于在那边待了三个月 。 所以我现在也应该在那边的 ，但是我现在国内有一些事情要处理 。 **曼祺** [24:50] 嗯 ， 对 ， 等会我们可以展开讲 。 听说是跟你们融资相关的一些事 ， 对吧 ？ **陈冕** [24:55] 你消息都好灵通啊 。 **曼祺** [24:56] 等会可以展开讲 。 我们可以先从你去美国这三个月的时间 ， 然后就肯定是密度很高的三个月嘛 。 **陈冕** [25:02] 对 ， 我觉得硅谷它有一个很不一样的地方 ，其实我感觉大家没有那么多人问竞争啊 ， 问终局啊 ， 大家其实在很多时候最开始看到一个创业者 ， 想问的是你为什么要做这件事情 ， 然后他要感受到你做这件事情的 passion 和热情 。 所以其实我当时去的时候就觉得那边本身就很 fun 的 mode。 **曼祺** [25:22] 嗯 ， 你说了很多人都会更关注你为什么要做这个事情 ， 你的热情来自于什么 ？ 这里的很多人指的是什么类型的人 ？ 是投资人吗 ？ 还是 ？ **陈冕** [25:30] 我觉得各种人都有 。 我们其实没有在美国见很多投资人啊 ， 我们那个 launch party 也来了很多美国的投资人。 这边感觉大家会讲说 ， 哎 ， 你为什么要做这件事情 ， 然后你的 vision 是什么 ， 你想做这件事情 ， 你非做不可 ， 它的原因是什么 ， 然后你特别 unique 的地方是什么 。 我觉得大家可能更关注你为什么不一样 ， 你为什么想要创造 。 **曼祺** [25:54] 嗯 ， 那当你在美国就是被经常问这个问题 ， 就是你原始的这种热情来自于什么的时候 ， 你现在一般是怎么回答的呀 ？ 其实你一直被问 ， 你的想法也会变得更清楚吗 ？ **陈冕** [26:04] 对对 ，是有变得更清楚的 。 比如说最开始很多人其实也问说 ， 我们这个产品它到底是 for everyone 还是 for professional， 还是 for 什么 。其实我们在这个问题上之前的答案没有特别的 clear， 我觉得后来是比较 clear 的 。 因为我做这家公司的冲动和原始的 vision 其实还挺明确的 ， 我们其实就是希望把人类的想象力的创作平权 。 哈哈 ，因为我个人其实蛮喜欢创作的 ， 然后也蛮喜欢刷内容 ， 我自己也很喜欢看各种各样的内容 。 虽然我不是设计师出身 ，但是我其实非常喜欢创作 ， 所以其实我们本身就 believe in AI 会把所有的创作平权 。 就是虽然大家很多人在聊说 AI 会不会取代设计师 ，但是其实它也是在让设计每一个人都可以做 。 所以其实本质上它让专业设计师 ， 或者让现在的那种狭义定义上的专业设计师变少了 。 然后但实际上可能让能设计的人 、 想设计的人 、 能有能力设计的人， 那个广义上的设计师或者创作者可能是变多的 。 嗯 ， 所以其实我们后来给 Lovart 的一个定位叫 design agent for everyone who wants to create， 就是它既不是一个 for everyone 的 ，因为不是每一个人都想要创作 ，因为创作毕竟是一个少部分人会做的事情 ，但其实也没有那么少了 。 就是其实每一个人都有创作欲 ， 都有表达欲 ，但每一个人不是每时每刻都在创作 。 但是我们希望当你想要 create 的时候 ， 这个 Lovart 是一个 AI 的 design agency， 然后它可以来帮你辅助把你的想象 、 把你的创意去落地成真正的作品 。其实严格意义上来讲 ， 你现在问 Lovart 的未来的预期是什么 ，其实它还是一个 for everyone 的产品 ，但不是一个 for everyone 日常娱乐啊 ，不是 for 这种场景 ， 它 还是一个 professional 的产品 。 就 Lovart 应该是你身边的那个专业创作工作室 ， 就像你现在很多时候会找一个人类设计师或者人类工作室来帮你去做一些高质量的作品一样 。 当你想要专业的创作作品的时候 ， 你也可以找 Lovart 来帮你提供 ， 然后它是一个 AI 的创作工作室 。 **曼祺** [28:17] 对 ，而且你讲到这个之后 ，其实我在想 ， 就是每个人的生活中 ，他可能有些人生的节点和场景 ，他是非常想自己设计的 。 因为我刚去参加了朋友的婚礼 ， 就比如说我觉得婚礼就是一个你有时候找一个设计师 ， 你不如自己把你的想法给落地 。 **陈冕** [28:31] 没错 ，其实很多类似这样的场景吧 ， 比如说前段时间 Nano Banana 火了之后， 大家会用传一个自己的照片 ， 然后让 Nano Banana 生成全套的艺术照 ， 对吧 ？ 所以其实很多个人场景 ， 无论是跟真实相关的啊 ， 尤其是跟真实没那么相关 ， 需要大量的专业工作做延展的 ， 那其实这些东西我觉得都非常适合一个专业的 AI design agency 去完成 。 你现在要去请一个专业的工作室 ，其实是很贵的嘛 ，因为你要请人， 对吧 ？ 然后你要跟他去沟通 ， 那未来 AI 会让这些变得更便宜 ，也会让它变得更普惠 ， 然后高质量的设计人人都可以获得 ， 然后从而我觉得其实能创作的人反而是会变多 。 对 ， 然后另外其实我们也在 launch party 的时候有很多 designer， 对吧 ？ 我们包括他们 ， 我们也在交流 ， 就是未来 AI 对他们的变化 。其实我们也是觉得说 ， 如果你是一个只会 copy 的设计师 ， 那我觉得可能未来是很危险的 。 但是我觉得始终有人类可以提升人类的内容创作的上限 。 所以其实我们觉得我们这个专业的创作 agency 未来其实也可以给专业的设计师提供灵感 ， 相当于他找了一个创作工作室来 ， 先帮他做了初稿 ， 或者先帮他做了底稿 ， 然后他在这上面去拓展上限 。 所以我觉得其实未来无论是半专业的人还是专业的人， 甚至是普通人， 我觉得只要他有场景需要用到一个专业的创作 agency， 那他可以试试我们啊 ， 我们应该在未来是一个更有性价比 ， 然后同时也质量越来越好的一个选择 。 嗯 ， 所以其实这个是啊 ， 我们对 Lovart 后来的定位 ， 所以是慢慢就 figure out 了 ， 它变成一个 for everyone who wants to create，而 Lovart 还是一个 professional 的 design agent， 这也是它和像什么豆包啊这种产品的差异 ， 就是它需要产出更专业的结果 ，而且在这个垂类会更加的聚焦 。 **曼祺** [30:27] 嗯 ， 那你可以总结一下， 就是你去美国这三个多月到现在 ， 整体上来说你们比较全面的一些变化吗 ？ 你刚才讲的就是这个定位变得更清楚 ， 这是其中一个 。 **陈冕** [30:35] 哦 ， 对 ， 定位更清楚 。 我觉得第二个对全球市场的感受肯定是要更深的 ， 无论是从我个人的认知 ， 还是从整个团队的认知 ， 还有包括我们离用户的距离 ， 然后我觉得这些事情都在发生变化 。 **曼祺** [30:50] 那你可以讲讲 ， 就是你们比如说去美国最开始都是做了些什么事吗 ？ 你先做什么 ， 后做什么 ， 然后让你对全球市场有了更多认知 。 **陈冕** [30:57] 我们最开始去的时候 ，在硅谷对那边的感受还是挺不一样的 。 就是你首先去了之后， 你会发现有非常多的活动 ， 然后呢 ， 你去任何一个咖啡厅 ， 发现所有人都在聊 AI。 **曼祺** [31:08] 你具体现在旧金山的什么位置 ？ **陈冕** [31:10] 我们在三番的 California Street， 就是我们的办公室在那个位置 。 那附近有什么 Sales Force Tower 啊 ，有各种创业公司 ， 然后也有各种大公司 ， 反正就是在旧金山靠市中心 ， 联合广场上面一些 。 **曼祺** [31:23] 现在 AI 公司是不是很多是在旧金山的市区 ， 反而不是在硅谷 ？ **陈冕** [31:26] 只是分析一下， 就是中国人或者华人创办的公司大部分在南湾 。在南湾啊 ，在 Palo Alto，在南湾 。 **曼祺** [31:33] 对 ， 那个是比较传统意义上大家觉得是硅谷的地方 。 **陈冕** [31:36] 哦 ， 对对对 ， 然后在美国就是或者叫非华裔创作的很多公司 ， 特别像我们这赛道的很多公司 ，其实在三番的 city。 **曼祺** [31:44] 你说你们这个赛道指的是 AI 应用这种 ？ **陈冕** [31:47] 像 Midjourney， 像 Cray， 像 Luma 都在三番的 city。 对 ， 所以其实如果你要去参加各种生成式 AI 的活动啊 ， 很多其实大家也会在三番 city 办 。 因为我们最开始这个团队也是刚刚搭起来 ， 所以人也没有很多 。 所以其实三番 city 它就是比较贵一些 ， 当然其实 Palo Alto 也不便宜 。 所以其实最开始去的时候 ，其实主要就是我自己也参加各种活动 ， 跟这种 founder 认识一下， 然后去感受一下各个地方的氛围 ， 感受一下他们在聊什么 ，他们在想什么 ，他们在焦虑什么 ，他们是什么样的情绪 。 所以你可以理解为我出来去的时候 ， 感受了一下大家的集体情绪 。 **曼祺** [32:21] 就感受一下这个 vibe。 **陈冕** [32:22] 啊 ， 感受一下这个 vibe。 对对对 ， 哎 ， 这个词非常的先进 。 然后非常快 ， 我们到 launch party 前应该有办了两次线下的活动 ， 然后我们在那边办一个活动 ，其实很常见的事情 ，也有很多人愿意来参加 。 然后其实在这个过程中， 你也可以跟很多人交流 ， 然后也能结识很多的 partnership， 结识很多的 KOL。 它其实都是一个蛮开放和活跃的创业氛围 。 **曼祺** [32:44] 那其他的那些 founder 你接触的 ，他们关心的焦虑的东西是什么呀 ？ **陈冕** [32:48] 我觉得集体情绪上对 AI 还是非常乐观 。 一个点上， 我觉得其实现在中美大家对于 AI 的认知差距没有多大 ，其实这个信息传回来的非常快啊 。 你比如说什么时候在提 reasoning， 然后那边也在提 reasoning， 然后什么提了提 IO， 那边也在提 IO， 然后后来大家都在提 agent， 那边也在提 agent， 包括后来在提 context， 现在也在提 context。 所以其实从大的叙事上， 我一定程度上觉得可能最开始国内信息稍微滞后一点 ， 到今年我觉得可能已经非常非常非常快了 ， 甚至来讲已经比较同频了 。 但我觉得那边有一个点 ， 就是它可能就资本比较充裕啊 ， 所以其实大家对 AI 感觉会更乐观一些 ， 对创业也更乐观一些 。 但是我觉得今年中国 AI 创业也开始变得如火如荼了起来啊 ， 比我刚出来的那个时候感觉创业的人多太多 。 但是硅谷还是会更 free 一些 ， 就是到处都是创业者 ， 然后你能见到全球的创业者 。 你说他们卷吗 ？ 其实他们也非常卷 ，但是他们不是那种焦虑性的卷 ，而是觉得哇 ， 这有非常大的机会 ， 然后大家所有人都能赚到钱 ， 然后所有人都能做自己想做的事情 。 **曼祺** [33:54] 它是兴奋性的卷 。 **陈冕** [33:55] 是兴奋性的卷 。其实你从它的大公司的动作啊 ， 从这些其实也能看得出来 。 **曼祺** [33:59] 你们是不是比较少的是 for everyone 的产品啊 ，在美国那边 。 **陈冕** [34:04] 对 ， 那边确实我觉得 to B 会更多一些 ，to C 的产品其实没有那么的多 。 我觉得这个可能也是 Chinese founder 的优势啊 ， 就是我们其实更擅长做 to C 一些 ，但那边的 to B 确实很不一样 。 你比如说中国的 to B， 你来你得先给我打个折 ， 对吧 ？ 我给你砍砍价 ， 对吧 ？ 然后甚至还要销售驱动的 。 但那边感觉就是你只要这个价格合理 ， 我也不用讲那么多 ， 这个 deal 我就做了 。 无论大公司还是小公司 ， 都挺接受自己有一些服务就接别人的嘛 。 所以它的 SaaS 啊 ， 就一直也都非常繁荣 。在 AI 这波更是这样了 。 你看那边比如说有一个公司叫 FAL，其实就是卖 API 的 ， 就是做 infra 的 ， 做 model hosting， 然后通过 API 去卖给别人的 。 它在那边做的蛮好的 ， 它的客户也挺多的 。在硅谷要卖 API， 你出去参加一个 party， 然后你可能就有 10 个创业者就直接接了你的 ， 然后大家就用起来了 。 所以我觉得那边整体来讲是资本充裕的 ， 然后大家是非常兴奋的 ， 然后大家其实可能没有那么谈竞争 ，是非常活跃的 ， 然后大家也非常希望能用别人的东西啊 。 所以我觉得它大概是这样状态 。 对 ， 我们当时第一场活动是和 FreePeak 办的 ，但 FreePeak 其实是一个做图像领域的 player， 就是做图像视频领域的 ，其实跟我们的产品我觉得肯定算一个赛道了 。在中国你很难想 ， 对吧 ？ 你一个赛道的人来跟你一块跟你做 。 **曼祺** [35:29] 那除了就是你去那边 ， 最开始你去感受氛围 ， 参加很多活动 ， 了解当地这些人公司在想什么 ， 后面还做了些什么 ？ **陈冕** [35:37] 后面其实还是做业务了 ， 就是包括招人啊 ， 然后我们去定义哪些团队就一定要放到北美 ， 然后去找一些适合的人去做招聘 。 另一个就也是离用户近一点了 ， 就是看看我们这个产品上有什么问题 ， 然后大家对这个产品未来有什么样的想象 。 嗯 ， 然后还有包括和一些 KOL 我们也会有更多线下的联系 。 **曼祺** [35:58] 对 ， 那可以分别讲讲 ，因为你刚刚讲到第二个大的变化 ，其实就是你们对全球用户的感知更强烈和清晰了 。 **陈冕** [36:04] 对 。 **曼祺** [36:04] 嗯 ， 所以就是当你们离这个全球用户更近 ， 当然有可能主要是这种欧美的用户啊 ， 就你感受到的具体的这种更清晰的需求是什么 ？ **陈冕** [36:12] 就是我刚刚讲的嘛 ， 我们其实对于一个专业的创作者来讲 ， 我们其实就是给他提供灵感 ， 给他完成初稿 ， 然后对于其他那些没有那么专业的人来讲 ， 这是一个真正可以帮他交付专业结果的 AI。 可能现在这个结果还是有瑕疵的 ，但在未来它的效果会越来越好 。 **曼祺** [36:29] 这个你们是通过什么看向的更清楚的 ？ 是比如说你们是要做些调研吗 ？ 还是你们做很多用户活动 ？ **陈冕** [36:35] 我们需要去了解不同用户的兴奋点在哪里 ， 当然会聊 ，也会看他们去使用产品 ， 然后去找到不同类型的用户 ，他到底因为什么事情会兴奋 。 **曼祺** [36:44] 这是有哪些是在北美才能做这件事情的 ？ **陈冕** [36:47] 我觉得是这样的 ，因为我们在不同区域都有不同的用户嘛 。 嗯嗯 ， 不同区域的用户 ，他的使用习惯其实还是会有差别的 。 当然我们也可以获得不同地方的反馈 ，但是其实反馈还是会略有差别 。 比如北美不一样的是 ， 北美的设计师或者创作者其实他比较贵 。 就比如说如果你是一个 SMB， 你是一个咖啡店店主 ， 然后你要去请一个设计师 ，其实非常昂贵的啊 。 所以其实这个地方跟中国是不一样的 ， 中国的设计相对来讲比较便宜 。 所以其实你就会看到那些人看到这个产品之后 ，他们的兴奋点是什么 ，他们的想象是什么 ，他们的想象可能是 ， 哎 ， 我未来不用花那么多钱去找一个那样的设计师 ， 然后我只需要这个东西能给我出的这么好 ， 能给我出这么多的方案呢 。他可能想的是 ， 哇 ， 未来我可以在上面省多少钱 。 然后你会发现在那边的创作者和专业的 designer 跟中国又不太一样啊 。 就中国肯定也有 top 的 designer，但是中国很多 designer 其实是偏交付结果 。 嗯 ， 然后美国的很多 designer 他还是有一些自我表达在里面的 ， 就他对自己的自我创作 、 自我创意的要求其实挺高的 。其实他们可能都不屑于 ，也不愿意去拿着 AI 的结果去用 ，他们一定是要自己改的 。 对于他们来讲 ，AI 就一定只是一个出灵感的一环 。 **曼祺** [37:59] 哎 ， 那这个在功能上体现的是什么呀 ？ **陈冕** [38:01] 在功能上体现在 ，其实如果你说专业 designer， 你其实不太需要他怎么编辑 ， 你只是给他出灵感 ，他编辑他一定会去 Photoshop 里编辑的 。 **曼祺** [38:10] 就是他可能他后面的那些步骤 ， 就是他在一些别的地方去完成了 。 **陈冕** [38:13] 对 ，因为你是一个 AI 时代的产品 ， 你无论怎么编辑 ， 你也没有 Photoshop 编辑能力强 。 所以那不如还是让他去 Photoshop 编辑 。 所以其实对于一个专业的 creator 来讲 ， 尤其是在欧美的这种专业的 creator 来讲 ，其实我觉得就是他对传统工具的使用习惯还是很深的啊 。 因为其实他和那些工具 ，他非常好的融合了他原来怎么从他的想法 ，因为他用那些工具已经非常熟练了嘛 ， 反而他用 AI 还没那么熟练 。 但他用 AI， 如果 AI 能给他提供大量的灵感 ， 给他各种参考 ， 就像一个初级设计师给他各种 inspiration， 然后其实他是很乐于用的 。 这也是为什么海外在当年生图的这个市场 ，其实做的最好的是 Midjourney 嘛 。 你会发现 Midjourney 最早都在 Discord 里面 ， 根本就没有什么编辑能力 ， 就没有处理什么设计 workflow 的能力 ，但他就是出图的美学质量很高嘛 。 所以 Midjourney 其实最早我觉得在 post 的 train 上做的比较好 。 所以其实很多设计师觉得 ， 哎 ， 这个是一个至少审美很强的初级设计师 ， 那他给我出的图能给我一些灵感 ， 然后我再把它拿来改来用 。 所以其实更多他其实是取代了一些素材发散和灵感发散的作用 。 反而我觉得在中国 ， 真正的设计师 ， 我觉得过去 10 年才真正的变得越来越大 ， 变得越来越蓬勃 。 所以我觉得他们对于新工具的拥抱 ， 对于 AI 的拥抱 ， 所以其实我们之前的那个产品在 Lib 上， 对吧 ， 就能看到很多的设计师其实已经在用工作流 ， 包括其实中国很多用户会用 ComfyUI 去完成整个的设计工作流的创作 。 **曼祺** [39:40] 对 ， 就是国内的很多设计师 ，他对新工具的拥抱是更好的 ， 意愿更强 ， 然后可能也更熟练 。 **陈冕** [39:46] 对 ， 然后他也更加效率导向 。 欧美的话 ，他可能价格更高 ，他其实时间更充裕 ，他更创意导向 。 所以这里就相对来讲不太相似 。 **曼祺** [39:55] 你们还做一件事是招人， 对吧 ？ 这个也可以讲讲 ， 就比如说你们在那边招了些什么样的团队啊 ， 主要职能是什么 ？ **陈冕** [40:01] 其实更重要的在这个全球化之后， 我们其实在各个区域 ， 早期最主要招的是这个做 marketing 的团队 。 北美我觉得跟中国不一样的是 ， 第一 ， 美国的主流或者叫欧美的主流产品 ，其实他没有那么依赖投放 ， 就没有那么依赖 pay ads，他其实依赖这个叙事 ， 依赖 branding。他更重品牌 ， 更重你的整个叙事的包装 ， 然后更重你这个产品本身的品牌的传播 。 然后再细化到我们这个领域 ，他可能更依赖内容 。 就是比如说你你是一个创作工具 ， 或者你是一个 design agency， 那其实你的核心是你能不能做出很好的作品 。 嗯 ， 对 ， 对 ， 就像当年 Midjourney 的风格很美 ， 对吧 ？ 那你的这个风格是什么 ？ 所以其实内容的传播 ， 内容的运营也很重要 ， 这个 marketing 很重要 ，marketing branding， 然后整个的产品的叙事很重要 ， 然后你的内容运营也很重要 。 所以其实这些团队是我们在那边逐步去搭建起来的 。 当然也有些其他的东西会很不一样 ， 比如说设计 ，因为我们是在中文语境下长大的 ， 你很难知道一个英文可能怎么放式 ， 你觉得更美 。 你的设计很多是跟你的童年， 你接触到的这个文化里头的各种东西所共同决定的 ， 对吧 ？ 比如说我们看到华文彩云 ， 就会觉得比较土 ，因为你小时候上电脑课的时候 ， 你看华文彩云就那几个预设的字体 ， 那你换一个老外过来 ，他其实很难 get 到 ， 哎 ， 为什么这个字体会土呢 ？ 就是对 ， 所以其实有很多需要在那个文化经历下才能去做好的东西 。 所以其实设计师我们也有想尽量的本土化 ， 我们在过去的那三个月当中， 我们主要 focus 在搭建这个团队上 。 **曼祺** [41:50] 对 ， 然后你刚才自己也讲到了一个事 ， 就是你在美国这三个月 ，其实没有特别密集的见投资人。 **陈冕** [41:55] 对 。 **曼祺** [41:55] 这个本来是我以为 。 **陈冕** [41:57] 你以为我应该见 。 **曼祺** [41:58] 对 ， 或者我期待发生的 ， 就是看到你们可能会有一些全球化的投资机构进来 。 **陈冕** [42:03] 对对 ，但我是这么想的 ， 我一直都觉得融资是手段 ，不是目的 。 所以我们其实从来没有定一个目标说我们要把业务做成功 ， 要去拿美国的投资人。 当然我们需要很关注全球的在 AI 创投上的资本的分布 ， 然后看看怎么在未来能够更有计划的去获得更多的资金 。 而且我们肯定是要坚决去做全球化的 。 所以我觉得在资金上， 我们未来肯定是要多元的考虑的 。 但是回到对应这一波上， 短期我觉得我们是分阶段的 ，因为其实我们马上会公布新的融资 。 **曼祺** [42:37] 对 ， 我知道你们是有新的融资啊 。 **陈冕** [42:39] 对 ， 然后因为我们其实在 Lavart 火的那一瞬间 ， 我们其实新一轮的融资就已经定掉了 。 我刚去美国的那三个月 ， 我们其实刚刚融完了一笔大钱 ， 所以我们其实并不缺钱 。 所以在那个时间点 ， 我更重要的是我们刚刚讲的 ， 就是把我们还缺的那些团队能力 、 模型更好的建立起来 。 然后第二个 ， 我们还要离我们在全球各地的用户更近 ，因为 Lavart 的第一大市场确实是美国 ， 我们现在用户最多的是在美国 。 **曼祺** [43:05] 可以透露一下有多少占比吗 ？ **陈冕** [43:07] 应该在 1/3 以上是美国 ，但是它可能偶尔会有波动啊 ，因为我们其实是先在美国和中国比较火的 。 对 ， 所以其实美国是最大的 ， 然后其他的区域我们现在其实在陆陆续续做 ， 所以其他区域的流量也在慢慢的起来 。 但是之前美国的比例其实一直都在一个高位 。 **曼祺** [43:25] 你说这个 1/3 是付费用户 、 免费用户加起来的 1/3， 那他们如果就是算这个收入 、 订阅的贡献的话 。 **陈冕** [43:32] 啊 ， 会更大一点 。 **曼祺** [43:33] 比 1/3 更高一点 。 **陈冕** [43:34] 但也没有高很多 ，因为我们其实整体目前因为我们也没有做 pay ads， 我们也没有做付费 ，但我们可能会在一些渠道做 pay ads 的测试啊 ，但我们没有做大规模的 pay ads 的投放 ， 所以都是品牌传播带来的用户 ， 所以用户质量本身也很高 。 **曼祺** [43:50] 嗯 ， 所以他本来付费意愿来的时候就比较高 。 **陈冕** [43:52] 来的就比较高 ， 就相当于就是你通过这样传播 ， 你来的就是比较好的用户嘛 ，因为你不是通过 pay ads 来的 。 对 ， 如果你要一拉 pay ads， 那可能你有很多什么巴西啊 、 什么东南亚的量其实可能就要进来了 ，但他们是根本就不会付费的 。 对 ，因为我们现在没有做 pay ads。 **曼祺** [44:07] 对 ，其实我有时候在 YouTube 上， 我是能看到一些 AI 产品的广告的 。 **陈冕** [44:11] 对 。 **曼祺** [44:12] 那种肯定就算是 pay ads 嘛 ， 你们是没做这种 。 **陈冕** [44:14] 啊 ， 我们有很多的 KOL 会帮我们宣传 。 **曼祺** [44:16] 哦 ， 我说的是贴片的那种 。 **陈冕** [44:17] 贴片的我们现在还没有 ， 这个我们未来可能还是会考虑做的 ，但是短期内我们还是希望它更 organic、 更精准的做一些传播 。 而且现在坦诚讲 ， 我觉得我们这个公司的品牌 ， 我们这个品类的叙事 ， 我觉得还需要进一步的强化 ， 之后再去做 pay ads 可能会更有效率一些 。 ### 用户数据 **曼祺** [44:37] 嗯 ， 那正好就是你可以讲讲现在能透露你们整体的用户情况吗 ？ 比如说 Lavart 的用户到了什么规模量级 ， 订阅收入到了什么规模量级 。 **陈冕** [44:47] 对 ， 我们用户可能 DAU 现在在 15 到 20 万之间 。 **曼祺** [44:51] 这个是截止到什么时间点 ？ **陈冕** [44:53] 哦 ， 就截止到这两天吧 。 **曼祺** [44:54] 这两天就是 9 月底 。 **陈冕** [44:56] Growth 还挺快的 ， 就我们基本上在 beta 的时候 ，因为我们限制了发放邀请码嘛 ， 我们可能每天都在一两万的量级 ， 然后 。 **曼祺** [45:04] 你说 beta 就是 5 月初之后 。 **陈冕** [45:06] 哦 ，5 月到 7 月 ，在 beta 的时候每天可能就一两万的量级 ， 然后 beta 放之后就迅速的涨到了 8 到 10 万的 DAU。 后来其实跟 Nano Banana 也有关系 ，Nano Banana 其实出来之后我们的效果更好了 。 嗯 ， 对 ，Nano Banana 之后又再上了一个台阶 ， 所以再到 15 到 20 万 ， 最近基本上已经稳在这个区间了 。 **曼祺** [45:24] 哦 ， 哎 ， 说起来今天刚好是你们公开上线的两个月 ，因为是 7 月 28 号 。 **陈冕** [45:29] 哦哦哦 ， 正好两个月 。OK， 对吧 ？ **曼祺** [45:31] 哈哈哈 ， 所以现在就是你刚说这个 DAU 是在 15 万到 20 万左右 。 **陈冕** [45:35] 对 ， 算是一个月上一个台阶 ， 我们其实是一个非常好的一步一个台阶往上涨的曲线 。 所以目前情况下， 我们的增长还是比较稳健的 。 嗯 ， 对 。 **曼祺** [45:46] 那收入情况可以说一下吗 ？ **陈冕** [45:47] 它的增速非常快 ， 算全年的预估收入的话 ， 我们应该已经超过 3,000 万美金了 。 等你发稿的时候 ， 我们应该就更高了 。 哈哈 ， 希望它能够一直涨下去 。 整体来讲 ， 我们的收入其实跟我们的 DAU 一样 ，也是不停的在上台阶 。 对 ， 我们其实测试的时候还没有什么收入 ， 然后从发正式版开始上一个台阶 ， 再到 Nano Banana 出来之后， 进一步强化了这个 Agent 的能力 ， 然后其实我们又上了一个台阶 。 对 ， 我其实还挺开心的 ， 就还比较顺利 ，但我觉得整个产品还很早期 。 我觉得这个 Agent 在我心中现在也没到 60 分吧 。 对 ，因为它跟 model 的能力有关系 ， 跟我们自己的工程的进展有关系 ， 跟我们自己的产品我想做的还有很多东西没有做也有关系 。 所以我觉得它还在飞速的进化当中 。 嗯 ， 对 ， 所以所以其实在一个测试期的产品 ，在数据上能够这样 ， 我觉得证明第一个 ， 我觉得大家其实还是都挺有想象力的 。 我觉得用户也很有想象力 。 我们在那个时候聊下去 ， 很多用户他们不会觉得这个产品现在是完美的 ，但是他觉得这个产品看到了未来的很多可能 ，而且再加上我们迭代也非常快 ， 所以他会持续的去用下去 ，他会发现这个产品能解决他工作中越来越多的问题 。 那它现在肯定不是一个完美的产品啊 。其实我觉得 Agent 现在你说各个 Agent 它真的取代人了吗 ？ 它真的直接能交付结果了吗 ？ 我觉得现在肯定是还没有到的 ，但我觉得我们已经看到它是可实现的 ， 然后可能我们的用户也看到它是可实现的 。 我现在跟团队讲说 ， 我们可能现在这个时间点就是 coding 的 24 年初啊 ， 可能再到半年到一年就会大爆发了 ，但我们现在要做好这半年到一年的准备 。 嗯 ，因为其实模型本身也会变强啊 ， 那我们自己的工程能力 ， 我们自己的产品能力也要做得更好 。 我们对未来还是挺乐观的 ，但是我们自己也需要 move 的更快一些 。 **曼祺** [47:39] 我想补充问一下， 就是你们现在这个 3,000 万美元的 ARR， 它能覆盖掉你们调用 API。 **陈冕** [47:45] 那必须不了 ， 现在 Agent 基本上都是可以的 。其实你们的这个付费的价格定的还是比较高的 ， 对吧 ？ 但是 API 很贵啊 ，而且其实你的核心是免费用户是不掏钱的 ，但免费用户的 API 成本是很高的 。 **曼祺** [47:59] 对 ，因为它有一个免费的额度在 。 **陈冕** [48:01] 对 ，而且你免费用户的比例肯定更高嘛 ， 你的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 会长期不赚钱 ， 就 token 一定会变便宜啊 ， 这是一件 no brainer 的事情 。 它要大规模普及 ， 它怎么可能不便宜啊 ？ 它肯定会变便宜的 ， 这不就跟流量跟电都一样吗 ？ 最开始都很贵 。 对 ， 所以我其实并不怀疑 。 **曼祺** [48:24] 所以它其实商业模式已经出现了 ，其实就是订阅 ， 只不过是说它以后经济模型可以算过来 。 **陈冕** [48:29] 经济模型可以算过来 ， 然后订阅至少是一个基础的商业模型 ， 然后未来可能商业模型也会再发生进一步的演变 ， 所以它的能力越来越强嘛 。 **曼祺** [48:37] 嗯 ， 那演变是比如说交付结果类的 ， 或者说增值服务这种 。 **陈冕** [48:40] 我们其实想过一个点的 ， 你有可能最后让这个 Agent 干活 ， 你让它想 15 分钟 ， 还是想两个小时， 还是想一天 ， 全不一样 。 **曼祺** [48:50] 那就跟律师一样 。 **陈冕** [48:51] 啊 ， 对啊 ， 你请设计师也一样啊 。 你让这个设计师今天加班给我赶一个活 ， 和他做一个月的 research 干一个活 ， 肯定不一样啊 。 那背后涉及到他要采集的 context，他要 thinking 的 process，他要调用的 tools 的复杂度 ，也都不一样 。 **曼祺** [49:06] 对 ， 就接下来我们可以展开详细聊一下在全球市场去做垂类 Agent 的方法 。 当然你们现在是 for everyone 的 ，但它肯定还是特定的场景和需求 。 ### 垂类 Agent **曼祺** [49:15] 这个我觉得可以从比较早开始讲 ，因为其实 5 月我们那次聊的时候 ， 你有讲到就是你 23 年初开始思考要创业的时候 ， 你当时是看到了五个方向的 。 你可以再回顾一下你当时的这个思考吗 ？ **陈冕** [49:26] 对 ， 我当时说 ， 嗯 ，在生产端就是 Office 和 Adobe，在 to Fancy 端其实就是信息获取 ， 就是搜索 、 社交和泛娱乐 。 我觉得目前看没有超出这个认知 。 目前所有的 to C 的产品 ， 我觉得大体量的 to C 产品 ，也包括大体量的 to P 产品 ， 基本上都在这个范畴内 ， 要么就是 Office 类的 PMF 了 ， 要么就是 Adobe 类的 ， 就是图像视频类的 PMF 了 。在工具端啊 ， 就 to 大量 Fancy 的 ， 基本上你都全都可以说到这两类上 。 **曼祺** [49:56] 那像 Vibe Coding 你觉得它属于 Office 那种类型是吗 ？ **陈冕** [50:00] Coding 你可以把它当新时代的 Office。 哈哈哈 ， 对 ， 我觉得 Coding 是新来的了 。 我觉得在 AI 时代 ， 这个 Coding 就是 LLM 的原生语言 ， 所以它基于它的原生能力做的这个语言处理 ， 这个文字处理 ， 对吧 ？ 其实它本身就是它的原生能力的一部分 。 对 ， 所以我觉得大语言模型在处理文字上， 或者在处理信息上和处理 Coding 上 ，其实都是它比较天生的能力 。 嗯 ， 所以你原来的处理文字 ， 它其实就是原来的 Office， 然后它处理 Coding 其实就催生了一个新的市场 ， 它就也有一点像那个 Office，但本质上其实都是这一代的技术变革 ， 它的内生的对信息 、 对文字的处理能力 ， 然后衍生出来的最直接的生产力应用 。 嗯 ， 就我觉得这个其实在我看来都是 Office 类的 ， 这反正是一大类 ，但这一大类都会面临同样一个问题 ， 就是你如何和 LLM 厂商本身拉开差异 。 嗯 ， 然后另外一个就是 Adobe，Adobe 也 leverage 了很多视觉类的模型的能力 ，但是它本身场景很细分 ，而且它离大模型的主轴是有一定距离的 ， 所以大家会既能 leverage 大模型的能力 ，但是其实大家又能在彼此的 ，在大家自己的场景下做出一些差异 。 就我觉得基本上是这两类 。 **曼祺** [51:21] 你觉得现在这个有变化吗 ？ **陈冕** [51:23] 我觉得没有太大变化 。 **曼祺** [51:24] 因为现在倒是确实很多模型 ， 就或者说很多大的这种模型的公司吧 ，他们在做的一个方向肯定是把多模态更融合 。 **陈冕** [51:30] 对 ，是 ， 就多模态肯定会更融合了 ，但是我觉得无论如何语言是它的那个主轴 ， 就是在语言能力上 ，在文字能力上， 通用大模型公司始终是最强的 ，而且它一定把很多通用的场景下都处理完了 。 嗯 ，但是我们垂类的这个产品其实做的就是我们举一个简单的例子 ，其实造一个设计师或者造一个创作者一定不是大模型公司的主轴 ， 造一个人是大模型公司的主轴 ， 或者造一个合格的高智商的人是大模型的主轴 。 你说一个毕业生 ， 哪怕是一个博士毕业生 ，他可能同时的处理这个社会的能力是很强的 ， 就是在这个社会里大部分基本的事他都能做 ，但是他做不好一个设计师 ，他做一个设计师 ，他可能还是要需要知道这个行业里的经验是什么 。 我觉得这个是我们跟他要做的差异 。 所以你 leverage 它造一个通用人的这个能力 ，但是同时你又不要做一个通用的人就可以做的很好的事情 ， 我觉得才是应用公司的生存空间 。 如果简单抽象做一个比喻 ， 我觉得是这样 。 **曼祺** [52:34] 嗯 ， 所以你当时最开始选 Adobe 这个方向 ， 一个是因为你以前也在剪映做过嘛 。 **陈冕** [52:39] 对 。 **曼祺** [52:39] 就其实你是有做这种内容的生产工具的经验的 ， 然后另一个就是你刚刚说的 ， 它其实你觉得不在这个主轴上 。 **陈冕** [52:45] 对 ，因为如果你把 AI 想成它就是在造人的话 ， 就最终你追求 AGI 就是在追求一个平均智商甚至超过人的人嘛 。 但是你做不做得好一个设计师 ， 你做不做到一个行业 ， 它有时候跟你的智商无关 ， 它其实跟你的经验有关 。 对 ， 所以我觉得这个经验其实就是这个垂类场景的数据 ， 这就是这个垂类场景能够 post train 能够去做的东西 。 同时这个垂类场景还有不同的 vibe， 对吧 ？ 就还有不同的交互 ， 还有不同的工作方式 。 我觉得这个是垂类公司的空间 。 嗯 ， 所以我们觉得我们本质上是在做一个垂类 ， 它并不是通用信息的生成或者处理 ， 你是在做创作 ， 你是在做内容产业 ， 所以它其实还是非常 unique 的 。 回到我们的产品上， 我们为什么要做那个 ChatCanvas。 **曼祺** [53:32] 对 ， 可以围绕这些你们新的功能讲讲 。 你可以先描述一下这个 ChatCanvas，因为有的人还没用过 。 **陈冕** [53:38] 对 ，其实就是一个很简单的道理 ， 就是你跟一个设计师沟通的时候 ， 你不会只对着他的脸说话 。 我们俩现在在做一个访谈 ， 所以我们现在就是面对面说话就够了 。 你跟大部分人说话 ， 你对着他的脸说话就够了 。 这是我们刚刚说的 ， 这是通用的方式 。 但是你跟一个设计师沟通 ， 或者你跟一个导演沟通的时候 ，他如果没有拿着一个屏幕 ， 或者拿着一个桌子 ， 上面放了各种各样的图 ， 各种各样的视觉产物来跟你说话 ， 你们俩是无法 alignment 的 。 就是你在创作这个领域 ， 它一定需要视觉的对齐才能 make alignment。 就是我们认为 Chatbot 是一个通用的最优的界面 ，但是你在不同的场景下， 就像你跟不同的人交流 ， 你们身处的环境 ， 你能借助的周边的沟通的对齐物也都是不一样的 。 当你跟一个设计师或者跟一个创作者沟通的时候 ， 你一定需要一个屏幕 ， 或者是一个桌子去做视觉的对齐 ， 然后你对着这个视觉对齐的东西指指点点说我要改这 ， 我要改那 。 我们经常内部讲说 ， 你在做的时候 ， 你要想想你跟一个真人沟通的时候 ， 你什么时候看着他的脸沟通 ， 那就是 Chatbot。 然后什么时候你不看着他的脸 ， 你是看着视觉产物沟通 ， 那就是在 ChatCanvas。 你其实是在一个无论是虚拟的还是真实的画布上， 指着那个视觉产物说我要改这里 ， 我要改那里 。 你其实用这样的方式去做沟通 。其实回到刚刚那个问题 ， 就是我们认为如果你就把 AI 想成人， 那么本质上应用公司 ， 或者叫垂直的应用公司 ，在解决两个事情 。 一个事情是这个人他变到你这个垂直行业 ，他的工作方式是什么 ， 本质上他决定了在这个行业的人机交互是什么 ， 到产品上他就决定了这个行业的 interface 是什么 。 第二个是在这个行业 ，他应该积累什么样的数据 ，他应该积累什么样的经验 ， 这些经验本质上是这个行业里非常不同的 context。 哈哈哈 ， 然后呢 ， 从而最终他们呃能够沉淀出这个行业里不同的工作方法 。 所以其实你把它类比成人， 我觉得一个刚毕业的大学生 ，他在职场里去学的 ，其实跟 AI 面临的情况是一样的 。他需要有不一样的工作环境 ，他需要有不一样的跟他的客户的沟通方式 ， 然后他需要积累不一样的数据 ，他需要知道在这个地方他的客户需要什么样的 context， 然后最终他去 deliver 一个产物 。 但 deliver 这个产物 ， 很多时候当然还是用到他在大学之前学的通识的智能 ，但是他也会结合这个行业里的一些行业的经验 ， 去更有针对性的获取 context， 从而去更有针对性的思考 ， 然后呢 ， 从而在这个更有针对性的交互界面上跟他的客户去沟通 。 嗯 ， 那这才是一个 vertical 的场景能做的比 general 更好的地方 。 **曼祺** [56:32] 对 ， 我就是看到 ChatCanvas 这种交互的方式之后， 我会觉得它对设计这个场景是非常自然的 。 嗯 ，但是为什么好像在你们自己做了这个事情之前 ， 就其他公司没有拿出一个很相似的体验 ？ **陈冕** [56:44] 就是在模型能力到之前 ，其实大家是不会去做这个事情的 ，因为你之前对着他说要改 ， 模型也改不准啊 。 嗯 ，也理解不了啊 。 所以本质上图像的编辑模型也好 ， 或者说图像模型本身 ， 对于复杂的指令的理解能力本身的提升 ，是能做这个的基础嘛 。 **曼祺** [57:06] 哪些模型的变化之后， 这个能力变得提升更明显了 ？ 你们自己的感觉是 ？ **陈冕** [57:10] 呃 ， 当年第一个变化其实是 GPT 的 Image One 嘛 ， 就是 Charge GPT 的那个生图 ， 大家可能把它叫 4O 生图 ， 就是 GPT Image One。 它是第一个能够在语言指令下它的一致性指令遵循做得比较好的 。 然后后来其实是 Nano Banana 和自结的那个 Seed Dream Sterling， 就是都上了一个大台阶吧 。 **曼祺** [57:30] 那其实都是今年发生的事 。 **陈冕** [57:32] 对啊 ， 所以别人还没来得及做呀 。 **曼祺** [57:34] 哎 ， 那你能第一个做 ， 就是因为你提前觉得模型就会有这个提升 ， 提前在做准备是吗 ？ **陈冕** [57:40] 没错 ， 对 ， 这里也聊到另一个问题 ， 就是 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 ， 然后等它发生了 ， 你就是第一个做到的 。 **曼祺** [57:51] 我觉得 Cursor 是非常典型的 。 **陈冕** [57:52] 所以创新驱动增长嘛 ， 就是但你的应用公司你又不掌握底层的创新能力 ，因为模型得先创新嘛 ， 所以你就得预判模型会有的演化方向 ， 然后你提前把模型成熟后它的 interface 的颠覆先描绘出来 ， 然后等模型 ready 的那一刻 ， 你就疯狂的秀出来 。 **曼祺** [58:12] 我觉得这个也是你自己可能去美国去湾区多待一下， 我觉得也是有好处的 。 比如说你们那个 Launch Party 上， 我看 OpenAI Starup 的服务的负责人 Chris Brown 也去了 ， 就你在那边肯定跟这种核心的模型公司接触会更多一些 。 **陈冕** [58:27] 对 ，是的 ，是的 。 但我觉得现在其实中美的差距没有那么大了 。 我觉得有一个好处其实就是你能更早的知道底层技术的变化 ， 你能知道技术他们在讨论下一个地方是什么 ， 或者模型层在讨论的下一个问题 ， 下一个命题是什么 ， 然后你就提前基于那个命题去思考它在你的场景下未来可能会发生什么潜在的演变 ，而那个演变你怎么把它提前描绘 出来 。 坦诚讲 ， 现在我觉得中国的创业者感受这个的速度其实也挺快的 ， 中国的这个信息传播的倒是也挺快的 。 对 。 **曼祺** [58:58] 那具体来说你怎么给它提前描绘出来 ？ 就你靠什么能力 ， 你才能真的这个模型能力提升之后你能接住了 ？ 我是指有具体的产品和工程上是要做的 。 **陈冕** [59:08] 比如说刚刚说的 ChatCanvas 的例子 ， 我们最开始做 Lavart 的时候 ， 连 GPT Image One 都还没出来 。 嗯 ， 所以其实你根本就不知道这个 Agent， 或者叫图像模型能不能理解 Agent 那么复杂的指令 。 所以其实你根本就不知道那么长的提示词 ， 那么一连串的提示词它能不能理解清楚 。 你如果去看之前的图像模型 ， 它很多的语义的一致性是很难保持的 ， 非常精精准的 。 之前图像的编辑其实大家也做的没有那么好 ， 你要对着图像说指哪个要改哪 ，其实也是非常困难的 。 但是如果你那个时候去看模型迭代的方向 ， 或者你去跟一些在做图像模型的人去聊 ，其实你会知道他们已经在集中去攻克这件事了 。 如果你跟他们聊起来 ，他们会觉得这个是没有问题的 。 这个可能是你跟模型公司近的一些好处 ， 就是虽然其实不涉到秘密啊 ，但是你能大概知道他们在思考和在考虑的 ，在那个领域的下面一个模型要解决的问题和解决的方向是什么 ， 然后那个方向可能本身也解决了你的产品上的一些问题 。 你看原来有一个叫 ControlNet，是在 Stable Diffusion 时代非常火的 ，但现在为什么还需要 ControlNet 呢 ？ 你现在它的图文的各种 one-shot 的理解能力已经非常强了 ，ControlNet 的那些交互方式都变得不存在了 。 对 ， 所以其实我觉得一个是你需要知道它基础上下面能解决什么问题 ， 你要跟它同步的去建设你的产品的改变 ， 你在应用层面 ， 你在应用的 interface 上的这个变化 ， 这样它一浪期的时候 ， 你才能跟它以非常近的距离去 leverage 好它的能力 。 然后我觉得这个是第一个 。 第二个是我觉得我们得相信 AI 的能力是会不断变强的 。 所以我现在直接就是你比如说 Lavart 的设计逻辑或者设计哲学是什么 ， 我就是还原人跟人沟通 。 我就是赌一件事 ， 我就是赌 ASI 还没那么快 ， 它怎么样它都得是个人。 哈哈 ， 所以我们就 buy in， 就是说你最后看这个交互界面合不合理 ， 你就想你跟人沟通的时候 ， 你跟一个设计师沟通的时候 ， 你会不会这样做 ？ 你就把它当成你跟设计师沟通 。 那就是说我至少定了一个调 ， 说如果技术慢了 ， 那我傻 ，因为它就没有变成人， 我用以人的方式跟它去沟通 ， 模型能力就到不了 ， 那我这个产品就很难 PMF。 但一旦它的速度就是这么快 ， 它就是越来越像人， 那我这个东西就越来越强 ， 就越来越好 ， 我就提前有了正确的答案 。 但如果有一天它超过人了 ， 又不像人跟人沟通了 ， 可能这个东西就被摧毁了 。 所以我觉得你只能想到一个 ， 你既要相信它快 ， 你又要给自己设定一个问题的封闭的点 ，不然你变成一个纯开放问题了 ， 对吧 ？ 就没有意义了 。 **曼祺** [1:01:46] 对 ，因为你要是说它超越人之后， 它到底那应该怎么交互 ， 好像也想不出来 。 **陈冕** [1:01:50] 好像也想不出来 。 对 ， 它真的还需要人吗 ？ 它真的超越人了还需要人提供 context 吗 ？ 它可能都不需要了 ， 对吧 ？ 所以我们现在只能想象到 ， 可能它还是在模仿人， 最终它可能成为一个人。 我们还是用这样的方式去想 ， 那最终它应该就是人与人的沟通 。 所以我们要回到人与人的沟通去设计产品 。其实你看各种 paper 啊 ， 你看这些模型厂 ，他们互相在竞争什么 ， 其实你也能大概知道他们的主线 ， 然后你再基于这个主线去先把你的产品给设计好 ， 然后在它出的时候 ， 你能够第一时间把那个概念靠上去 。 **曼祺** [1:02:24] 你们现在会自己做一些小模型的训练吗 ？ 或者说后训练什么的 ？ **陈冕** [1:02:27] 会做一些啊 ， 会做一些微调或者 RL。 对 。 **曼祺** [1:02:30] 但是这个是很难提前做的是吧 ？ 这个是不是还是要等基座模型的能力提升 ？ **陈冕** [1:02:34] 这个你只能在目前最好的开源模型基础上做 ，因为你没有办法在边缘模型上做嘛 。 嗯 ，是的 ， 你只能在最好的开源模型基础上做 。 这个其实都是后话了 ， 就是我们本质上我们觉得现在是呃 ， 你做一个应用公司 ，其实你就是把模型成熟之后的交互范式先描绘出来 ， 然后去 meet 大家的想象力 。 完了之后你再获得 growth， 获得用户 ， 然后有了这些用户 ，有了这些数据积累之后， 你再不断的去做工程上的优化 ， 做这个 context engineer， 做 prompt engineer， 然后如果开源的模型的速度也还不错的话 ， 你可以通过 RL 把自己这些数据优势进一步的发挥出来 。 所以其实我觉得现在基本上就是这个循环吧 。 **曼祺** [1:03:17] 嗯 ， 对 ， 刚才讲到这个 ChatCanvas， 我觉得就你说的这个里面的一个很典型的例子啊 。 然后我也注意到你们有一些新的功能 ， 一个是其实你之前就说过的 ， 就是你们会从图像做到视频 。 对 ，其实 Adobe 它就是有图像也有视频 ， 它是很全的 ， 只不过你们最开始的切入点是图像 ， 对吧 ？ 然后 Lavart 也正在这么做 ， 你们就是上了一些这个视频生成的这种能力 。 你们做视频这个功能 ， 它是不是和你最开始的那些创作者就不是一类创作者 ？ 就比如说做这个设计师的很多人， 我理解有很多人是做平面设计的 ，他可能没有去做视频的 。 **陈冕** [1:03:49] 做视频的人大部分都会做图 ，但是做图的不一定做视频 。 因为做视频往往都是从分镜稿开始的 ， 做视频的人往往也需要图开始 ，但是做图的人却不一定做视频 。 所以一个做图的厂商大概率一定会做视频 ， 一个做视频的厂商呢 ，不全会做图 ，但是大概率他也会做图 。 这就是这个原因 ，因为你一个做图的厂商 ， 你本来你的用户里面就有很多人的下游就是视频 。 嗯嗯 ， 所以你大概率一定会做视频 ，是个自然的衍生 。 对 ，是个自然的衍生 。 但你一个做视频的厂商 ， 做图的用户跟做视频的用户是有一些差别的 。 **曼祺** [1:04:24] 那 3D 也是这个逻辑吗 ？ **陈冕** [1:04:26] 3D 不一样 ，3D 的用户就非常的 unique 了 。 **曼祺** [1:04:28] 因为你们也有 3D， 我们没有正经做 3D， 就我们其实正经做的还是图和视频 。 你们还有一个新的功能是生成对话播客视频 。 **陈冕** [1:04:36] 哦 ， 那个时候那个比较热 ，因为 VO3 刚出来 ， 我们就是蹭了热点 。 呃 ，其实没有说我们要重点做这个方向 。 **曼祺** [1:04:43] 对 ，因为我还在想这个和设计人群的关系 。 **陈冕** [1:04:45] 没有 ， 就是做了一个热点 ，但是我们其实本来就没有很限制在设计人群啊 ，因为其实我们就是在先做图 ， 然后基于图再衍生到视频 ， 所以我们其实本质上还是一个创作的 agency。 **曼祺** [1:04:56] 那你们接下来什么时候会比较这种有规划性的扩展到更多的创作者吗 ？ 因为其实你的定义就是 for everyone， 然后 who wants create， 对吧 ？ **陈冕** [1:05:05] 对 。 **曼祺** [1:05:05] 那什么时候他可能是更多类型的想创作的人 ？ **陈冕** [1:05:08] 现在已经其实挺多类型了 ， 我们现在视频和图片是五五开 。 嗯 ， 然后我们有很多的 SA， 就是很多的那种小商家 ，SAMB， 比如说一个咖啡店店主 ， 然后他要做自己的全套物料 ， 做全套视觉 ，他他要有自己的 logo， 然后有自己的菜单 。 **曼祺** [1:05:23] 所以你们主页有一个选项就是 branding。 **陈冕** [1:05:26] 对 ，branding 现在用的人很多 。 嗯 ， 所以其实他也有可能会做一个视频 ， 居然传片发到他的这个社媒上 。 嗯啊 ， 所以其实我们本质上是在做数字平面内容的生成和创作 ， 就是叫 digital content。 **曼祺** [1:05:40] 嗯 ， 那其实未来也有可能是 3D 内容的吧 ？ 就可能取决于终端和大家消费内容的习惯的变化 。 **陈冕** [1:05:45] 对 ， 现在核心还是平面设备 。 嗯 ， 就是你无论在线上是电脑和手机 ，在线下是纸媒和屏幕 ，其实你没有空间消费没有起来 。 对 ， 所以 3D 在很长一段时间来都不会是我们主力要做的事情 。 **曼祺** [1:06:00] 嗯 ， 就除了这些你们已经上线的功能 ， 你们确实就我觉得跟迭的也非常快 。 嗯 ， 你还看到了哪些没有被满足的需求啊 ？ ### 上下文能力 **曼祺** [1:06:07] 因为你也讲到就是你和用户聊 ，其实是能感觉到有一些没有被满足的 ，以及你自己也觉得目前其实你们的产品就是这个 agent 是在不断发展 ，是 60 分的状态 。 **陈冕** [1:06:16] 就是其实设计师还需要更多的 context， 比如说要为晚点做一个系列海报 ， 或者做一个系列的 branding，他一定要理解晚点的历史 ，他一定要理解晚点是一家什么样调性的媒体 ，他也要知道晚点过去的发出去的所有的设计的物料是什么样的风格 。他想要知道你对于用户你的受众传达出来的你的媒体的形象是什么 ， 然后你的所有的设计风格 ， 你的这个 branding 传递出的感觉 ，不能和多的东西相违背 。 所以你看你在做一个设计的时候 ， 本质上这个去寻求设计的人 ，其实他可能有很多的 context，但他并不知道这些 context 怎么提供给你 。 嗯 ， 所以其实是你这个 AI 设计师或者这个设计师需要说 ， 哎 ， 你们是一个什么样的媒体 ， 然后你们过往有什么样的物料 ， 你把这些东西都给我 ， 然后他从中去理解你 ， 去给你做出你真正会满意的设计 。 如果把它抽象下来 ， 我们认为设计的 context 比如它会有 reference， 它会有 preference， 这个 reference 指的是就是你的这个甲方 ， 就是去要做这个设计的人 ，他可能有他自己的偏好 ，他比如他公司过往有他自己的风格 ，他有一个自己的 reference 的 pool， 就他过往的公司的风格的要求 ， 可能就是他的私有的 reference。 嗯嗯 ， 然后他可能有最近比较流行比较喜欢的风格 ， 比如最近可能就是流行宫崎骏风格 ， 最近就是流行多巴胺风格 ， 那可能你要有些 public 的 reference， 你需要把这些他偏好的私有的或公有的 reference 理解到位 ， 从而去为他设计 。 另一方面 ， 不同的人也会有 preference， 就是比如说你服务这个客户很久了 ， 你会知道这个客户他其实想要的设计 ， 比如他就是不喜欢拟物的风格 ，他就是喜欢更极简的 ， 这是他的一些风格上的偏好 。 所以其实你在跟他多轮交互之后， 这些东西也是需要被这个 AI 设计师给记录下来的 ， 比如说他过往在这里创作的所有的作品 ， 或者他过往的创作作品 ，其实也代表了他的风格 。 所以说你跟一个设计师沟通的时候 ，其实他需要想办法把你过往能够代表你偏好的这个产物给挖出来 ， 然后从而他在里面去做一些理解和抽象 ， 然后最终再生产出更符合你需求的这个产物 。 **曼祺** [1:08:46] 这个具体在产品上它怎么体现 ？ **陈冕** [1:08:49] 在产品上是这样的 ，但这个还没有完全上线 。 我们会做一个 context 的模块 。 首先你在跟 AI prompt 的时候 ， 正常情况下你跟一个设计师沟通的时候 ，其实这个设计师他大概率会找你确认一些东西 ， 比如说他要去晚点 ， 你们过往的物料是什么风格 ， 这个时候你可能甩他一个链接 ， 然后就让他去这个链接上看我过往是什么风格 ， 然后他就去理解这个物料啊 ， 我把这些物料抽象成几个关键词 ， 比如他是专业的 ，是冷静的 ，是不娱乐的 ，是严肃的 ， 这是他看到物料的结果 ， 然后他再去 research 说这些物料应该是什么样的设计风格 ， 再去给你做设计 。 好 ， 所以其实在产品界面上我们会先做一个模块 ， 就你在 prompt 的过程中，AI 可能会根据你的 prompt， 我们做了一个小模型 ， 它会根据你的 prompt 快速的思考 ， 然后从而它来向你提出它可能需要更多的 context。 嗯 ， 然后我可能需要晚点的过往的风格 ， 晚点的官网 ， 我可能需要这些东西给我参考 ， 让我更了解你 。 然后呢 ，在这个过程中我们支持你多模态的 ， 你可能就是甩他一个链接 ， 或者甩他一些图 ， 让他能够继续思考 ， 从而快速理解你 。 所以其实这个在你 prompt 的过程中， 我们就会用一个小模型更快的先帮你达成在 prompt 上的 alignment， 然后在这个过程中从而去收集更多的 context。 这个过程做的非常多了之后， 就比如说你之前发过晚点的这些图 ， 或者他会问你有没有喜欢 ， 比如说我们也会去网上搜 ， 比如最近流行这三个风格 ， 你有没有喜欢的这些偏好 ， 然后这个数据多了之后呢 ，其实它就会沉淀出你这个用户自己的素材库 ， 比如说你是什么公司 ， 然后你的这个公司的官网是什么 ， 你的公司的调性是什么 。 我们刚刚说的你的自己的 reference 库和你的 preference 库 ，在这个过程中就逐渐的形成了 。 那在未来的调用当中， 我可以更快速的从你过往的 reference 和 preference 的库上调一些相关的风格 ， 跟你去确认和达成共识 。 **曼祺** [1:10:49] 你们就是在做这个后训练的时候 ，因为其实就在我现在理解里 ， 我觉得大语言模型有的时候来判断这种比较主观的 、 比较审美的东西 ， 它不一定非常好判断 。 你们是找了些设计师 ， 就是有在做人工的这个标注 ， 然后去给他一些风格上的指引是吗 ？ **陈冕** [1:11:05] 呃 ， 这里有两个事了 ， 就我们刚刚说的这件事 ， 就肯定是我们现在做所有的后训练 ， 做 post 的 training， 做 RL， 那肯定都是需要设计师去标的 ， 就本质上那个 judgment 比较重要 。 **曼祺** [1:11:15] 所以你们在北美市场也是有找一些设计师 ，在那个文化语境里知道 ， 就是可能美国人觉得什么比较好看 ， 什么比较土 ， 你是需要这个东西的 。 **陈冕** [1:11:23] 对对对对对 ，但其实我们刚刚说的那个功能还没有用到那么多的后训练 。 嗯 ， 对 ， 那个其实就是在用现在的模型的多模态理解能力 ， 加上比如说我们自己定了一些 context 的策略啊 ， 所以其实还是工程上的能力在完成这件事情 。 **曼祺** [1:11:38] 你们内部评估就是现在如果说不太用到后训练的话 ， 就你直接以现在的这个模型它来判断这些多模态的内容是极简的 ， 比如说它是包豪斯的还是多巴胺的 ，他们判断的准吗 ？ **陈冕** [1:11:49] 肯定没有人那么好 ，但是我觉得在很多场景下已经够用了 。 就是比如说他看到晚点的这个设计风格 ，他肯定不会觉得这是一个娱乐媒体 ，他还是有一些基本的判断的 。 我觉得至少他现在没有超越人类吧 ，但是多模态本身的理解能力 、 识别能力其实都在变得挺强的 。 **曼祺** [1:12:05] 所以这也是一个提前准备的例子 。 **陈冕** [1:12:07] 对 ，是的 ， 就是本质上模型越来越强 ， 你能做的事情也越来越多 。 嗯 ，而且我们其实会去做一些工程上的事情 ， 去让他的搜索源和信息源的质量更高 ， 就从而去提升他的效果 。 **曼祺** [1:12:20] 嗯 ， 这是一个 。 还有其他的吗 ？ 就你觉得未被满足的需求 。 **陈冕** [1:12:23] 我觉得剩下的还是在模型能力上吧 ，其实大部分还是在模型能力上， 比如说现在的 consistency 还是不够足够好 。 **曼祺** [1:12:31] 嗯 ， 一致性不够好 。 **陈冕** [1:12:32] 对 ， 一致性还是不足够好 。 还有就是模型对于风格的响应上还是不够精准 ， 这些都是很大的需求 。 然后甚至模型对于尺寸的响应也不够精准 ， 比如说我就一定要某个尺寸比某个尺寸的 ， 让它很难生出一个奇怪尺寸的图啊 。 我觉得这些都是点 。 然后还有文字 ， 然后我们做全球化的时候发现一个很神奇的事情 ， 就是现在中文和英文都是有人解决的 ，因为中美都有模型能力嘛 ， 然后小语种的文字没有人解决 。 **曼祺** [1:13:02] 哪种算小语种啊 ？ 就多少算小语种 ？ **陈冕** [1:13:05] 就连日语都没人解决 。 **曼祺** [1:13:06] 日语也算是吗 ？ **陈冕** [1:13:07] 对对对对 ，因为你只有本国有这个大模型公司的才能去解决这个文字问题 ，其他的优先级都很低啊 。 因为其实模型解决文字并没有那么容易啊 ， 就是至少现在的图像模型的这个架构 ， 要解决文字生成能力其实都还有一些问题的 。 然后还有就是一些编辑能力 ， 就是有一些最后一公里的编辑能力 ，有一些编辑能力还是很难用语言去描述的 。 你比如说我调一个亮度 ， 调一个对比度 ， 那你就不要用 AI 了 ， 你就直接调一下就好了 。 所以其实这些东西我觉得都还是现在没有被满足的点吧 ，也是我们产品在努力去做的方向 。 对 。 **曼祺** [1:13:43] 嗯 ， 你觉得社区是一个需求吗 ？ 因为我的感觉是 ， 就是你们之前的一些产品其实社区是做的比较多的 ， 做的比较充分的 。 ### 工具定位 **曼祺** [1:13:52] 然后 Navart 的话 ， 它有一个灵感的频道 ，但是我觉得它更多可能像是一个大家的作品的展示 ， 它还不是那种特别典型的社区 ，因为可能里面并没有太多激励啊 ， 或者说这种推荐的逻辑 。 **陈冕** [1:14:05] 我觉得还是两个事情 ， 我觉得工具是工具 ， 社区是社区 。 当然 Liblib 比较特殊 ，因为 Liblib 是一个以社区起家的 ， 它其实是一个大家都来贡献素材的社区 ， 然后在上面又接入了各种各样的工具 ， 然后去用 。 它比较特殊啊 ， 它是一个社区形态的工具 ，但其实 Lavart 没有这个计划 。 我觉得 Lavart 至少目前为止它还是一个工具 ， 然后长期来看我们希望它是一个能 deliver 结果的 AI 的创作工作室 ， 对吧 ？ 这是我们对它的定位 。 本身我们并没有要在 Lavart 做社区的目的 ， 然后你看那个灵感更多是为了解决我们刚刚说的那个最大的问题 ， 就是我们如何去让用户更知道自己要什么样的东西 ， 然后更知道自己要怎么样创作 ， 就是更知道自己要怎么样提供给 AI 足够好的 context。 嗯 ， 就本身还是在做这个事情 。 对 ，他可能 AI 问我 ， 然后你自己刷刷 ， 你可能都能看到别人在做什么 ， 然后我们也用 AI 去问你你可能想要什么 ， 然后从而去让你在创作过程中有更多的输入 ， 从而产出你更满意的作品 。 我们其实还是负了这个目标 。 我们本身在 Lavart 并没有一个去构建社区的计划 ，但我觉得长期来讲 ，因为创作能力的普及 ， 所以人们可能会形成新的创作的社区 ， 或者生成新的内容的社区 ，但这个就是完全另一件事情了 。 **曼祺** [1:15:30] 那你觉得你们有可能发展到那个状态吗 ？ **陈冕** [1:15:33] 那就是一个新的业务了 。 我觉得跟 Lavart 的关系会没有那么大 。 **曼祺** [1:15:37] 就说有可能是这个组织会做一个新的业务 ，但它并不是同一个产品 。 **陈冕** [1:15:40] 不是同一个产品 ， 它不会在 Lavart 上做 ，因为 Lavart 并不是一个以社区起家的产品 ， 它在第一天其实它就是一个工具 。 **曼祺** [1:15:47] 对 ， 我可以描述一下就灵感是可以做到什么 ， 就是你可以看到别人做了一些什么样的设计 ，而且你点进去之后可以看它的过程 ， 可以看回放 。 **陈冕** [1:15:54] 对 ， 所以其实那个还是为了让你能够更好做你自己的东西 ， 你是可以借鉴别人的想法 ， 或者他给予你灵感 ， 从而你也跟 AI 提同样的需求 。 它并不是一个以社区互动为目的的 。 所以我觉得其实在 Lavart 的灵感其实还是在为 context 服务啊 ， 就本质上还是为了能够大家更好的对齐你想要的东西 。 这就像一个设计师跟你聊之前 ， 你也不知道你喜欢什么 ， 这个设计师把他过往做的 10 个作品给你抛出来 ， 说你喜欢哪一个 ， 你选一个 。 我觉得更像是这样的过程 。 **曼祺** [1:16:26] 你们还有什么获得需求的方法吗 ？ **陈冕** [1:16:29] 最重要的两件事情 ， 我觉得一个就是离用户更近一点 ， 另外一个就是离技术更近一点 。 **曼祺** [1:16:34] 这两个可以分开讲讲 ， 就比如离用户更近 ， 就你们具体是通过什么方式 ， 就你们现在这个东西 ， 它是非常自动化和系统化的 ， 还是说现在这个阶段其实不太需要这样 ？ **陈冕** [1:16:44] 我觉得没有 ， 就是你过一段时间所有的产品经理都需要跟用户聊一下， 当然也需要分析数据 ， 需要知道他们在干什么 ， 然后看看他们在中间哪是断掉的 ， 然后哪有问题 ， 然后你再去找几个有代表性的用户跟他聊一下， 甚至就是近距离的观察他创作 。 然后本身我们公司也有很多设计师 ， 这些设计师自己也在创作 ，也在天天用我们的产品 ， 然后也有一些我们公司的人， 就是他自己也是创作者 ，他自己也做号 ， 所以其实他自己在做的过程中就会有各种各样的卡点 ， 然后那些卡点我们要怎么去解决 ， 怎么取舍 ， 什么时候要解决 ， 这些答案其实都是在跟用户的沟通中去形成的 。 但整体来讲 ， 我觉得现在做产品本质上一个比较困难的事情是 ， 我为什么说另一件事要了解技术 ， 你要做取舍 ， 就是你见了用户之后， 你一定会发现有一些能力模型现在是到不了的 。 那这个点你到底做还是不做 ， 你到底要不要用传统方式去做 ， 你用传统方式去做 ， 你用打补丁的方式去做 ，但如果技术很快的迭代了 ， 你之前那个东西就白做了 。 就以文字的那个点为例 ， 我觉得一个很有意义的讨论是 ， 你到底在 Agent 生成的过程中应该用哪种方式给它加文字 ，因为现在图像生成模型本身可以生成文字 ，但是就像我说的 ， 除了中文英文其他效果都不好 ，而且小字的效果也不好 。 那么有没有一种可能是你就用传统的方式帮它生文字 ， 就是因为你 Agent 不是能调各种工具吗 ， 你 Agent 就直接调 coding 能力 ， 然后去把传统的软件工程里加文字的方式 ， 它可能就是拖一个文本框 ， 把文字放上去 ， 改字体的方式给它加文字 ， 到底哪个更好 。 然后呢 ， 我说的后面那个加文字 ， 肯定这些问题都能解决 ，但是如果模型一旦迭代了 ， 那个东西呢就废了 ，因为你用图像生成模型生成图片的时候 ， 它本来就带有文字 ， 那你必须得让图片模型生成图像的时候不要带文字 ，但是它不要带文字 ， 它生成出来的图像的质量 ，因为它相当于就分开了嘛 ， 和你后加文字 ， 那它的美学上可能 就有问题 。 所以这也是一些取舍 。 坦诚讲 ， 我刚刚说的这个问题 ， 我们都还没有确定答案 ，但我觉得其实有很多类似的取舍是我们在考虑的 ， 就是你既要离用户近 ， 要 PMF， 然后你 PMF 就会发现很多模型能力其实没有到 ， 然后你要不要给模型打补丁 ，但一旦你给模型打补丁 ， 你的这个解决方法就不原生 ， 长期一定会有些劣势 ，但是它又能 短期解决问题 。 但是如果模型进化的非常快 ， 那你之前解决这些问题的积累就一点意义都没有 ， 你会又被模型摧毁掉了 。 所以我觉得这个其实是现在做产品上一个挺有挑战的讨论 ， 甚至我觉得它没有答案 。 **曼祺** [1:19:33] 嗯 ， 那你自己离技术更近的方法是什么 ？ 因为其实你以前有 10 年的工作经验 ， 更多都是在产品还有商业化这块吧 。 **陈冕** [1:19:41] 对 ， 我其实不懂技术 ， 所以我现在最好的方式是我们的技术同学天天读 paper， 然后再跟我讲 ， 然后我来试着去理解 ， 我来用产品的方法来理解他们 。 就比如我们刚刚说我们要思考 AI 更像人， 对吧 ？ 然后其实很多东西是我们的技术同学给我科普的 ，他给我讲各种技术概念 ， 比如说什么是 pre-train， 什么是 post-train 啊 ， 什么是 reasoning， 然后什么是 RL， 那你会发现我就会去做类比 。 我觉得他们的思维方式其实也是一样的 ， 就是说你从人来讲 ， 就我刚刚给你做的那个比方 ， 就是我说 pre-train 就是在造一个合格的人， 然后 post-train 就是给他后天经验 ，但是我们这个行业的 RL 又是训练出来他毕业之后再去这个 ， 这其实是我在跟技术同学交流技术概念的时候 ， 我去想的比方 。 然后呢 ， 我就会去问他们说 ， 哎 ， 这个是不是其实是类似这样 ，他们说 ， 哎 ， 你这个比喻比较贴切啊 。 **曼祺** [1:20:38] 对 ， 还是想象了 。 **陈冕** [1:20:39] 对 ，他们其实也是这么去想的 ， 你就会发现整个现在这条技术路线 ， 它其实跟人的那个逻辑是有一些相似性的 ， 跟人的自我学习跟那个是很相似的 。 所以我觉得我作为一个产品经理 ， 我的优势是我能够在我并没有那么懂得技术概念的情况下， 我去快速的把它产品化的提炼和产品化的类比 ， 然后从而去推演在我们这个场景下会有的演变 ， 这个是我擅长的地方 。 所以我们必须得技术团队的同学得天天去读 paper， 然后得跟我说那个可能往哪个方式演变 ， 然后他也会有一些想象 ， 然后我基于他的想象 ， 我再自己再去做类比 ， 再去做抽象 ， 再落地到产品上 。 我觉得现在是一个这样的工作方式 。 **曼祺** [1:21:24] 你们技术团队大概是怎么搭建的呀 ？ **陈冕** [1:21:26] 我们有一个技术的合伙人， 然后主要是他搭建的 ，他就看 paper， 虽然我不看 ，但他是看的 。 **曼祺** [1:21:33] 他是 23 年你创业的时候一开始就和你在一起 ， 还是 ？ **陈冕** [1:21:36] 24 年初加入的 。 **曼祺** [1:21:37] 24 年初加入的 。 **陈冕** [1:21:38] 对 ， 嗯 ，而且他在 21 年、22 年就开始探索 AI 大模型方向的创业了 ，但是最后他们自己没有创业啊 ，他其实之前经历了一两年自己创业的探索 ， 然后后来加入我们的 。他也是投资人介绍了之后我们在一块创业的 。 **曼祺** [1:21:55] 所以你们之前不认识的 ？ **陈冕** [1:21:56] 嗯 ， 投资人介绍 ，但是非常神奇 ，他是我的高中学长 。 **曼祺** [1:21:59] 哦 ， 你们是一个高中的 ？ **陈冕** [1:22:01] 我们是一个高中的 ， 然后甚至我们都出生在同一个区啊 ， 就很神奇 ，因为我们都在重庆念的高中嘛 ， 那我们甚至在重庆下面那个区都是一样的 ， 就很巧 。 **曼祺** [1:22:11] 嗯 ，24 年初你们那会状态好吗 ？ 公司状态 ？ **陈冕** [1:22:15] 刚刚活过来 。 **曼祺** [1:22:16] 对 ，因为其实中间有段时间你们比较低迷 。 **陈冕** [1:22:18] 对 ， 差点倒地 。 对 ， 嗯 ， 所以也是命运的安排啊 ， 就很巧 。 嗯 ，而且那个时候来的时候没有 Agent 啊 ，但是我觉得我们那个技术的合伙人 ，因为他自己非常 hands on 了 ，他的年龄比我要大一些 ，但是到现在都非常 hands on， 对技术的新趋势的把握都非常快 。 我觉得现在这个时间点就必须得先把握技术的变化 ， 然后得知道前沿技术的变化 ， 然后快速的把技术的变化落地到你场景下的产品的想象力上， 再把它描绘给用户 。 我觉得现在做应用就得这么做 。 **曼祺** [1:22:51] 嗯 ， 我们 5 月那一次聊到技术上， 你有一个想法是 ， 你当时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 ，因为那个时候应该是 4O， 就是特别火 ， 没多久 ，因为那是 4 月份的事嘛 ， 然后我们 5 月份见面的 。 嗯 ， 所以现在这个事看起来好像是持续在发生啊 ， 包括这个 Google 的 Veo 3。 **陈冕** [1:23:11] 对 。 **曼祺** [1:23:11] 还有 Nano Banana， 你现在会怎么看这个问题啊 ？ **陈冕** [1:23:14] 我现在已经不 care 开源还是闭源了 。 **曼祺** [1:23:15] 嗯 ， 你可以讲讲怎么变化吗 ？ **陈冕** [1:23:17] 对 ， 我觉得开源闭源本质上现在其实影响两个事情 ， 我觉得第一个事情是影响成本 ， 这个确实是 。 我觉得如果有开源的话 ， 一个 Agent 的公司也好 ， 或者一个应用的创业公司也好 ， 它能够更早的赚钱啊 ，因为闭源的话你的定价权其实在别人那嘛 ， 你需要等待闭源的 token 变得成本越来越低啊 。 所以其实我觉得它的第一个影响在成本 ， 第二个影响其实是在是不是要做 post-train 啊 ，因为其实闭源就是没有办法做 post-train，但是后来大家也发现 ， 即便闭源不做 post-train，其实在 context engineer，在 prompt engineer，其实在工程上的深度也是足够深的 。 **曼祺** [1:23:57] 就它还是有很多你们就是应用公司能做的空间的 。 **陈冕** [1:24:01] 所以其实后来就没有那么纠结开源了 。 你像我们刚刚的比喻 ，在图像和视频模型这里 ，其实无论开闭源 ， 我们其实把它当成是一个工具 ，其实它都是可以被 agentic model 调用的工具的一部分 。 然后在 agentic model 这一部分呢 ， 我觉得闭源和开源也是影响我刚刚说的一个是成本 ， 第二个是后训练的空间 。 但是我觉得现在闭源的模型 ， 我们自己的 context engineer， 我觉得还有很多需要去处理的事情啊 ， 我觉得本身在工程侧的空间也足够复杂了 。 **曼祺** [1:24:32] 嗯 ， 对 ， 刚刚讲的都是你们自己的情况嘛 ， 就是在整个行业来说的话 ， 你有看到什么其他的有意思的玩家或者公司吗 ？ ### 行业格局 **陈冕** [1:24:39] 呃 ， 坦诚讲 ， 我觉得现在可能在一个新变化的孕育期 ， 然后我觉得现在生产力工具 ， 我自己觉得已经白热化了 ， 我觉得已经有一些投不及中了 。 我自己觉得 to P 的 AI 的 player 今年再创业可能都有点晚了 。其实现在你听到的这些知名的产品已经是竞争后的结果了 ， 现在的 to P 的产品已经非常同质化了 ，其实现在超我们的人也有很多 ，但是你已经很难再说他们和我们有什么 unique 的地方了 。 对 ， 所以我自己觉得 to P 的窗口期可能已经接近关闭了 ， 然后我自己觉得未来还有一个大的趋势就是 to C 的 。 **曼祺** [1:25:22] 哦 ，其实有一个你的投资人他非常好奇的问题 ， 就是你什么时候会做 to C， 你想不想做 to C？ **陈冕** [1:25:28] 我们肯定会做的 。 对 ， 我自己觉得这个可能会在明年会有更多很有意思的公司出来 ，但我觉得今年我还没有看到 。 你看啊 ，其实图像模型的成本和视频模型的成本都在不断的降低 ，其实 Veo 3 前段时间降了 70%， 然后 Nano Banana 出来之后， 比 ChatGPT AMG one 的成本也要低了很多 ， 然后 GPT five 其实也比 Claude 便宜很多 。 所以其实 token 成本的下降我觉得是蛮确定性的 。 完了之后， 这些 to P 的产品的 ARR 也好 ， 它的用户量也好 ，其实增长的也很快 。 所以其实我觉得接下来一个很大的机会是 to C 啊 ， 你就想 ， 就在我们创作领域来讲 ， 就这么多人都用 AI 创作出了作品了 ， 那最终未来内容的消费是不是也会发生变化的 ？ **曼祺** [1:26:13] 这个其实 23 年的时候大家那会也在讨论嘛 。 **陈冕** [1:26:16] 但那个时候太早了 。 **曼祺** [1:26:17] 那个时候你讲这个事情 ， 就比如说什么再造一个什么 TikTok 之类的 ， 就大家就会觉得比较早 。 **陈冕** [1:26:22] 嗯 ， 那我觉得很难再造一个 TikTok 了 ，因为 TikTok 本身是基于真实记录的创作嘛 。 我觉得更多的是可能你要造的不是 TikTok，而是 AI 的新内容 ，AI 的新玩法能够诞生出什么新的有意思的东西 。 **曼祺** [1:26:36] 我觉得那个 TikTok 的那个意义指的是从消费的角度 ，因为有一些是生产的 ，有一些是消费的 。 **陈冕** [1:26:41] 没错 ， 没错 ， 没错 。 所以我觉得对 ， 如果按照那个框架 ， 我们很期待在社交和泛娱乐方向的 to C 的真正 AI 原生应用的变化 。 **曼祺** [1:26:52] 你觉得这是下一波趋势 ？ **陈冕** [1:26:53] 哎 ， 我觉得这个是下一波趋势 。to P 的窗口 ， 坦诚讲 ， 我真的觉得已经快关闭了 。 **曼祺** [1:26:59] 哎 ， 这个其实我觉得跟你刚才说到有一个点有关 ， 你刚才说你觉得现在就是设计类的 ， 或者说这种内容创作类的生产的 Agent 是处在 coding 在 2024 年初的这个状态 。 **陈冕** [1:27:09] 对 。 **曼祺** [1:27:09] 然后之后半年到一年会有大爆发 。 **陈冕** [1:27:11] 对 。 **曼祺** [1:27:11] 如果说在 coding 2024 年初的状态 ， 我觉得那个时候确实也还是有挺多新公司在涌进来 。 **陈冕** [1:27:17] 不是啊 ， 你看 Cursor、Labo 也很早啊 ， 你现在成立和你现在涌入来上牌桌竞争 ， 这是两件事情 。 你现在成立 ， 你还要建团队 ， 你还要做产品 ， 你做完可能就半年一年后了 。 到明年这个时候 ， 我觉得这个窗口期就关闭了 。 所以你今年必须得 on the table。 **曼祺** [1:27:33] 那你觉得谁算是在 on the table 了 ，在你们这个领域啊 ？ **陈冕** [1:27:36] 这个在全球范围内还是有一些玩家的 ，但是如果你细化到 Agent 的这个品类 ， 我觉得现在其他的玩家都还比较小 。 嗯 ， 现在除了我们以外， 其他的我知道有很多啊 ，但是我觉得没有一些共识的产品出来 。 然后你如果在上个时代啊 ， 比如在美国 ，其实有像 Midjourney 这样的玩家 ，有像 Cray 这样的玩家 ， 还有像 Higgsfield 这样的玩家 ， 还有像 FreePik 这样的玩家 ，其实都是做多模态的生成的 。 我觉得他们也有可能会往 Agent 的方向去转 。 那当然可能 Midjourney 不会啊 ，因为 Midjourney 是做模型了 。 嗯 ，但如果是做应用的公司 ， 我觉得未来其实潜在的都有可能会往 Agent 的方向去做转型啊 。 但是目前我们还没有看到他们在这方面比较激进的动作 ，其他的其实比较小了 。 纯创作 Agent 的这一块 ，在我们之后其实呃 ， 我觉得那些创业公司的产品现在的完成度和真正的情况 ， 我觉得还比较早期吧 。 **曼祺** [1:28:31] 嗯 ， 那你觉得像 Canvas 这种公司它自己来做这个 ？ **陈冕** [1:28:33] 呃 ， 我觉得 Canva 和 Adobe 未来也是很有可能会往这方向去做的 ，但是他们更大一些 ，他们短期内面临的自身业务的增长的命题会更重一些啊 。 然后但是我觉得这个产品短期内并不能解决他们自身的 growth，但是如果有一天这个产品它的增长非常快 ， 对吧 ， 然后如果它的这个规模非常大的话 ， 我觉得他们也会来做的 。 就这个我简单来讲一下， 就我觉得你分几种 ， 就对于创业者来讲 ， 我们现在看到的体量都比我们要小一些 ， 然后就是上一代的创业者可能会往这个方向转 ，但他们还没有转 ，但他们转的可能会比较快 。 上一代我指的做 AI 生成器的 ， 然后你要从巨头的角度上来讲 ， 我觉得我们这个垂类的巨头 ， 我觉得他会等我们的收入到 1 亿美金 ARR 之后， 它会重点来做 。 **曼祺** [1:29:17] 那岂不是可能也很快啊 ？ **陈冕** [1:29:19] 对 ， 可能也很快 。 对 ，但我希望很快 。 但是这是我说的啊 ，他没有看到你这个信号的时候 ，他其实很难重注这个方向 。 **曼祺** [1:29:26] 可在他那个体量 ， 这个增长对他来说就 。 **陈冕** [1:29:28] 没意义 。 对 ， 所以我说他有他要面临的命题 ， 比如 Canva 可能自己加一下 AI 去提提效 ，他可能提升 10% 的收入 ，但可能比我们这些所有的公司加起来的收入都高 ， 对吧 ，因为他的收入已经非常高了 。 所以我觉得他面临的命题不一样 ，但如果说他看到了非常确定性的数据结果 ， 说会对他产生冲击 ，他一定会转头来做的 ，因为这是他的命根子 。 对 ， 然后再往后就是更大的通用模型公司了 。 我觉得通用模型公司短期内不会碰我们这个品类 ，他们可能会碰 coding， 就一定会碰通用 Agent， 一定会碰 coding，但我觉得我们这个距离离他们的 vision 是有相当大的距离的 。 所以我觉得本质上我们现在可能还是在跟创业公司竞争 ， 我们还是在跟自己竞争 ， 我们自己要跑得足够快 ， 当我们自己跑出来 ， 跑得越来越出来的时候 ， 我们才会面临竞争的不断的升级 。 嗯 ， 对 。 **曼祺** [1:30:19] OK， 那我们可以就是往后讲一讲啊 ， 就是在你们现在这个站位 ， 然后往后可能会发生事 。 你刚才其实讲了两个时间点 ， 一个就是你说的半年左右可能会出现像 coding 那样的爆发 ， 那你需要在那之前 ， 比如说你需要做到什么样的准备 ？ **陈冕** [1:30:34] 哦 ， 我觉得我们就是产品上做的多好 ， 工程上的积累做的多多 。 我自己觉得我们现在应用公司就是要把 context 做到极致 。 嗯 ， 就是因为其实你的 agentic model 和你调用的 generation model 其实都是跟着模型水涨船高的嘛 ， 所以你能做的事情其实就是你要积累尽可能多的用户 ， 你要积累尽可能多的他们的 unique 的 context， 这样模型能力高了之后， 你把这些 context 加到那些模型上 ，在你这就是有更好的结果 。 嗯 ， 对 ， 我们需要做的就是这个事情 ， 我们要把 context 的 engineer 和用户的增长做好 ，因为现在 agent 一定还在早期 ， 所以你要的其实不是所有的用户 ，因为你更多的用户可能需要模型更好的时候 ，他们才会来 ，但你要把这个市场上愿意接受 、 愿意使用 agent 的用户都尽量的 growth 到你的平台上 。 **曼祺** [1:31:20] 嗯 ， 那再往下就是你说的明年有可能会是有一个 to C 的这种趋势 ， 这个你们会怎么参与啊 ？ **陈冕** [1:31:26] 我们想参与 ，但目前还没有经历 。 我已经在思考这个问题了 ， 敬请期待 。 如果我们参与成功了 ， 明年我们给你一篇新报道 。 ### 节奏与焦虑 **曼祺** [1:31:35] 嗯 ， 然后我之前跟一些投资人， 包括就是一些同样是做 AI 创业的同行聊 ， 就是他们会觉得你是非常好的一个 AI 产品的创始人， 然后他们总结的有两个优点 ， 这个你也可以自己讲一讲 ， 一个是觉得你们的节奏感很好 ， 就你们一直行动的是很快的啊 ， 我们可以先展开讲讲这个 。 你现在怎么去想这个节奏感 ， 包括对节奏感的认知是和你过去的什么经验有关吗 ？ **陈冕** [1:31:57] 我觉得其实在不在 AI 时代 ，timing 都是 everything， 只不过我觉得 AI 时代有一个更大的变化 ， 就是你的原有业务或者原有的 workflow 或者原有的构建业务的方式被颠覆的太快了 ， 所以 timing 又变得更加重要了 。 **曼祺** [1:32:12] 我记得 5 月的时候我们聊过这个事 ， 就是你说那个时候你想的就是我一定要是垂类 agent 里第一个上线的 ， 你觉得这件事非常重要 。 **陈冕** [1:32:19] 对 ， 我觉得可能第一个没有第一批重要 ，但如果不是第一批 ， 那可能就会 lose everything。其实你在移动互联网时代看 ， 你去看不同的业务方向 ，其实他们都是在那一批成立的 。 如果你错过那个时间窗口 ， 除非你是一个超级巨头 ， 否则其实是没有办法做的 。 嗯 ， 对 ， 所以我觉得 timing 本来就很重要 ，而为什么 AI 时代 timing 变得更重要了 ， 或者这个节奏感 ， 或者说速度变得更重要了 ，是你之前你只要抓住一个窗口期 ， 那个业务形态你可以活 10 年， 活 20 年， 但现在 AI 时代你就算抓住了一个窗口期 ，因为技术变得太快 ， 你抓住那个窗口 期可能就活 2 年， 然后技术的构建逻辑又变了 ， 你又必须要抓住技术变化之后的那个新的窗口期去构建新一代的产品 。 就因为技术在快速变化 ，而且它变化速度越来越快 ， 所以其实每一个产品 、 每一态基于新技术的新体验的构建的窗口期其实就那么短的时间 。 如果你不能在那个时间点把它快速构建起来 ， 再获得用户 ， 你这一波就错过了 。 但是相反的是 ，因为技术变化很快 ， 所以可能下一波不久之后又来了 ， 所以你可能错过了之后你也不要着急 ， 你去抓下一波也是 OK 的 。 那对于一个我们想要持续成功的创业公司来讲 ， 就是它不能像移动互联网那样 ， 我可能抓住一个点之后我就好好耕耘这个点 ， 抓住这个点之后技术很快会变化 ， 可能马上又有下一个点 ， 你的产品可能要进行转型或者要进行进一步的升级 。 所以其实这个对于创业的节奏的挑战 ， 我觉得是更大的 。 你想想 ， 如果 manus 之后没有做出 manus， 那其实他现在完全公司就不是这个状况 。 我们如果没有很快的做出了 Lover， 我们可能公司也不是现在这个状况了 。 但是在移动互联网时代不是这样的 ， 移动互联网你掌好了一个 PMF， 你可以吃很久 ， 你可以马上精根细作 ， 然后你 AI 时代的情况 ， 你发现精根细作还没来得及精根细作呢 ， 技术就变了 。 所以你如果没有很好的节奏去处理这些事情 ， 会挺难的 。 然后人们的情绪也是这样的 ，不断的在我觉得啊 ，不过就这样和 formal 要死之间来回摇摆 。 嗯 ， 大家都有一种稳不下来 ， 既怕技术不发展了 ， 又怕技术发展太快的两种情绪上来回波动 。 嗯 ， 所以你看人们的情绪 、 业务的节奏 、 产品的节奏 ， 这些对应到你融资的节奏 、 公司经营的节奏上， 挑战都挺大的 。其实如果你非常条分屡析的去讲了这个事实之后， 你可能反而没有这么焦虑了 。 就你刚刚说那种情绪波动 ，其实对大部分人来说 ， 从业者他是会感觉比较焦虑 ， 甚至有的人会比较反感 ， 这种氛围会觉得比较浮躁 。 对 ，但是其实你后来想想 ， 这也是好事情 ， 就证明这些技术真的发展的很快 。 嗯 ， 就是你往往在觉得你短期可能有点高估它的时候 ， 过两天你又发现你低估了它 ， 就说明这个技术确实还是在以我们有史以来最快的速度在发展 。 嗯 ，其实这个是在不停的用打脸在挑战人的安全感和控制感 。 对 ，但可能你就得适应这种新的 AI 技术发展的节奏 。 对 ， 然后你的所有的经营上 、 你所有的产品创新上都要适应这个节奏 。 从 2023 年创业以来 ， 你觉得你 miss 掉过什么比较重要的这种窗口吗 ？ 我几乎没有 miss。 **曼祺** [1:35:41] 那你想想 。 **陈冕** [1:35:42] Miss 那些小的窗口 。 **曼祺** [1:35:43] 你觉得重大的没有 ， 对吧 ？ **陈冕** [1:35:44] 更多是在那个竞争上的 。 对 ，但是重大的没有 。 **曼祺** [1:35:47] 重大的如果总结一下有哪几个啊 ？ **陈冕** [1:35:49] 重大的我觉得就是第一个 ， 我们在 23 年创业的时候 ， 我们是没有 ， 我觉得现在没有后悔啊 ， 就是我们 23 年没有一来就做 global 吧 ，因为我们当时判断在我们这个领域 global 晚了 ，因为 global 的那些产品 22 年底就已经都上线了 ， 我们 23 年年中才出来 。 **曼祺** [1:36:06] 就比如说 Midjourney、Stable 这些 。 **陈冕** [1:36:08] Midjourney、Stable Diffusion， 还有 Stable Diffusion 的套壳 ， 还有 Midjourney 的套壳 ， 什么 Leonardo。 嗯 ， 这些其实那个时候都已经成立了 。 我觉得再去做那个 ， 我觉得 too late。 所以我觉得我们第一阶段就是做中国 ， 然后我们抓住了中国的那一波 ， 我们在中国是做的最快的 。 然后第二波 agent 这一波 ， 我觉得我们有机会开始做全球化 ， 我们其实也抓的很准 。 然后我觉得第三波抓不抓得准 ， 就看我们做 to C 的场景了 。 我觉得就是这三波 。 **曼祺** [1:36:32] 那你觉得就是你没有错过这些大的窗口的原因是什么 ？ **陈冕** [1:36:37] 我很焦虑 。 **曼祺** [1:36:39] 所以你会动得很快 ， 你想的也比较多是吗 ？ **陈冕** [1:36:41] 对 ， 或者叫我很焦虑 ， 然后团队也很焦虑 。 坦诚讲 ， 参与 AI 创业如果真的想要把这个事做得很好的人， 我觉得可能都很焦虑 。 然后因为他发现技术变化就是太快了 ， 你需要和这些焦虑共处 ， 这就是 AI 时代的常态 。 然后你去美国 ， 发现美国的人， 我们刚刚讲了 ，他不能叫焦虑 ，他是一种兴奋的焦虑 ，因为他变得也很快 ， 所以大家其实也很卷 。在美国你感觉美国的创业者只有创业 ， 没有生活 ，但是美国可能很多大公司的非 AI 的部门 ， 可能主要是生活 ， 画风是截然不同的 ，并不是只有中国人卷 ，是做 AI 的人都卷 。 对 ， 然后 AI 的模型大家打的也是有来有回的 ， 所以其实都挺卷的 。 我觉得这是因为焦虑 。 然后第二个还是在这个过程中， 我觉得一个组织的高频迭代能力是很重要的 。 **曼祺** [1:37:34] 对 ， 我也想知道你们团队上是怎么做的 。 **陈冕** [1:37:36] 对 ， 比如说我给你举例子 ，有两种人， 你会选择用哪一种 ？ 第一种人是对 AI 很敏锐 ， 很关注 AI 的信息 ， 很关注 AI 前沿的技术 ，但他没有什么经验 。 然后第二种人是很有经验 ， 然后他可能精通商业化 ， 或者精通商业化的产品 ， 然后可能精通运营 。 就是你的团队主要构成应该是哪种人呢 ？ 我们原来以为我们应该要更多的有第二种人， 后来发现因为他变化太快了 ， 第二种人还没来得及发挥作用 ， 范式就变了 ， 技术就变了 。 所以第一种人很重要 。 所以其实你会发现 AI 时代的组织 ， 就是如果他是一个经验型的人， 我觉得可能在现在这个阶段 ，他很难跟着 AI 的组织一块 ， 就他可能也会很有挫败感 。 就因为他还想好好做 ， 发现哎怎么方向又变了 。 **曼祺** [1:38:29] 对 ， 我觉得可能更准确来说 ， 倒不是说这个人本身有没有经验 ，而是他对过往经验是个什么态度 。 **陈冕** [1:38:35] 对 ， 对 ， 所以我觉得就是本质上是核心是要打造一个高频迭代的组织 ， 这个组织必须要是不断的 get 新技术 ， 要能和这种焦虑共处 ，并且他还要能够去拥抱这种焦虑 ，因为你不拥抱这种焦虑 ， 发生变化你不知道 。 嗯 ， 你选择隔离他 ， 那其实你也挂了 。 同时你也知道 ，因为他一直变化很快 ， 所以你有可能什么事你没办法做的很深 ， 你下一代技术就来了 。 所以你必须得在这个过程中去选择最大杠杆的事情 ， 选择最高 ROI 的事情 ， 把它先做了 。 所以我觉得这个组织就是要一个学习能力非常强 ， 非常 AI 原生 ， 非常高频迭代的组织 。 如果你说我们团队要招一个人， 我是要他更懂 AI， 还是要更懂他的这个职能的传统的要求 ， 那可能更懂 AI 一定是 first 先考虑的事情 。 **曼祺** [1:39:30] 你们团队组织的比如说分工啊 ， 或者说这个工作流程 ， 你们变得多吗 ？ **陈冕** [1:39:34] 还挺频繁的 。 **曼祺** [1:39:35] 团队调整也会多 ？ **陈冕** [1:39:36] 对 ， 非常频繁 。 **曼祺** [1:39:37] 你会听到有员工 ， 或者说一些前员工抱怨说什么公司哎呀 ， 管的很乱啊 ， 什么今天这样明天那样 。 **陈冕** [1:39:42] 肯定会有的 ， 就是你想想 ， 所有人的情绪都是那样的 ， 所以就是很难有人又焦虑又能拥抱这个焦虑 。 **曼祺** [1:39:50] 但是就是你的认知里 ， 这个可能是不能避免的 ， 对吧 ？ 他现在可能就得 。 **陈冕** [1:39:53] 我觉得至少现在不能避免 ， 除非技术放缓了 。 嗯 ， 我觉得技术放缓了是可以避免的 。 就是呃 ，有一些人一定会喜欢我有一个确定性的事情 ， 我优化它 ，不断的给它提效 ， 一定会有人想要这样的 。 但是你现在的问题 ， 你还没有提亮不笑 ， 技术就变了 ， 你要去做新的形态 ， 你可能就在不断的变迁当中 。 所以我觉得现在这个时间点 ， 对组织的考验就是挺大的 。 **曼祺** [1:40:17] 如果核心团队里面 ， 你觉得自己是比较焦虑的 ， 你们有比较淡定的人吗 ？ **陈冕** [1:40:22] 没有 ，但是我是最焦虑 。 嗯 ， 所以大家在我的焦虑的衬托下就好了很多 。 但是我觉得没有人是淡定的 ， 就是如果我不焦虑了 ，其他人其实也会焦虑 ， 觉得我们是不是慢了 ， 或者我们是不是没有捕捉到新变化 。 因为其实现实打脸很快 ， 就是你一旦迟一步 ， 你发现你很快就被现实打脸了 。 你要知道那段时间这个模型的演变就是非常快的 ， 你像现在大模型的版本的更迭 ，也就是几个月一个版本 ， 那其实是越来越短的 。 嗯 ， 所以你如果说你的焦虑来源就是你发完 ， 你要去看哎 ，他是不是又变强了 ，他怎么样了 ，他到底是那么好还是那么不好 ， 我们到底有没有发生什么新东西 ， 对吧 ？ 然后你再看看整个的这个叙事 ， 从 reasoning 到 agent， 大家做 RL， 到大家后来发现做 content engineer 也有非常多的空间 ， 这一共就是半年 。 那这个认知的迭代其实挺快的 。 你说我不跟这些接轨 ， 我自己搞自己的 ， 我自己慢慢去做 ， 这个非常快你就跟不上了 。 所以我觉得都挺焦虑的 ， 就是事实证明不焦虑的做不了 AI， 我感觉 。 **曼祺** [1:41:30] 我想问一个具体的例子 ， 就是你们是怎么在这种快速变化中调整的 ？ 因为其实 ChatGPT 4o 就是在 4 月左右发的嘛 。 **陈冕** [1:41:38] 对 。 **曼祺** [1:41:38] 然后你们那会不是正在赶工 ， 搞你们第一版的 Lover 上线的产品 ？ **陈冕** [1:41:42] 哦 ， 那个时候挺开心的 ，因为 Lover 算是一个提前构建的嘛 。 哦 ， 然后这些搜出来之后， 就反而大家特别开心 ， 你怕的是它不出嘛 。 嗯 ， 后来拿了本大大出了之后就更开心了 。 但是现在你就有另一种焦虑了 ， 你发现方向是对的 ， 那是不是我还不够快 ？ 然后你就会慢慢发现模型能力变得越来越强了 ， 你的工程能力是不是跟不上 ？ 所以其实又到 context engineer 了嘛 ， 就是你如果模型的语义理解能力不够强 ， 你收集那么多 context 没用啊 ， 它也出不来啊 。 但是一旦模型能力变强了 ， 那你对你的 context 工程的要求就变高了嘛 ，因为模型能够理解就复杂的信息了 ， 那我们就可以把这个事情做得更好 。 那现在我们又在担心自己是不是在这方面又做得变慢了 。 所以其实你就是在不断的快慢之中那个 。 **曼祺** [1:42:29] 对 ， 所以现在可能会让你有点不安的 ， 就是你们要上线还没有上线的这个 ， 给设计师更多 context 的功能 ， 这个功能的节奏 ， 对吧 ？ **陈冕** [1:42:37] 对 。 **曼祺** [1:42:37] 你可能会有点担心这个 。 **陈冕** [1:42:39] 对 ， 对 ， 对 。 我看这篇文章发稿的时候 ， 我们应该就上了 。 **曼祺** [1:42:42] 哦 ， 那挺快的 。 **陈冕** [1:42:43] 我们希望它能够带给用户更好的体验 ，因为我们觉得这个是现在的核心差异 。 嗯 ，因为其实大家调的模型都一样 ， 所以谁能收集更多的 context， 意味着谁的体验更好 。 ### 信念与韧性 **曼祺** [1:42:52] 对 ， 然后我跟其他人聊 ， 就是讲到对你的评价 ， 还有一个大家觉得你身上的一个特点 ， 或者说已经被证明的特性 ，是觉得你很有韧性 。 因为其实你们公司经历过 ， 就是你说的 23 年底到 24 年初 ， 快挂掉的那个状态啊 ， 然后最后你们还是挺过来了 。 **陈冕** [1:43:09] 这个事好好玩啊 ， 就是你要知道我没创业的时候 ， 大家对我的评价都是没有韧性 ， 然后结果创业之后， 大家对我的评价是很有韧性 。 嗯 ， 啊 ， 这还挺有意思的 ，但我觉得我创业这波确实是有韧性的 ， 就是我觉得韧性的本质 ， 就我不是一个盲目坚持的人。 我觉得我在认知不够的时候 ， 会盲目跳槽 ， 这是我在工作的那 10 年， 我觉得本质上是我自己的认知不够 。 最后的结果是我积累了那么多的样本之后， 我其实让自己的成长的更快了 。 我觉得啊 ，因为我积累非常多的样本 ， 然后在我的认知到了之后， 我其实我也不是一个盲目坚持的人 ，但是我觉得我变成了一个有信念的人。 所以我的信念是我们的几个大假设 ：AI 的技术是不是还在快速的发展 ？AI 是不是会取代所有虚构内容的创作 ？ 如果这个 answer 是 yes， 那我们没有理由不坚持 ， 我们已经在牌桌上了 。 就是我觉得所有跟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 。 我没有理由不坚持 。 所以我们在遇到困难的时候 ， 更多的会去想这个困难是怎么发生的 ， 这个困难是不是其实大家都会遇到 ， 这个困难是不是在我们追求我们那个信念的过程中， 这是必然的起伏 。 如果是 ， 我没有什么理由不坚持 。 但如果有一天大家发现 AI 是伪命题 ，是吧 ， 说 AI 发展 ， 然后 AI 技术到这就卡住了 ，而我们想要的那个目标 ， 还需要更强的技术才能实现 ， 那我觉得那可能就没有必要坚持了 。 对 ， 所以我觉得现在大方向上完全没有卡点 ， 我有什么理由不坚持呢 ？ 与其把它说叫韧性 ， 我觉得更重要的是 ， 我觉得我在这波创业里 ， 我有自己的信念 。 **曼祺** [1:44:55] 然后这个信念是来自认知的 。 **陈冕** [1:44:57] 来自于认知的 。 **曼祺** [1:44:58] 就我知道你们最快的时候 ， 我首先这个事实你可以验证一下是否准确啊 ， 就是你们当时应该是有获得一个收购邀约的 。 **陈冕** [1:45:05] 你好厉害 ， 从哪听说的 ？ **曼祺** [1:45:06] 那会儿据我了解 ，其实你们公司有挺多人还是希望你接受这个 ，但是你最后还是拒绝了 。 **陈冕** [1:45:12] 对 ， 我现在稍微 clarify 一下， 就是不算一个完整的收购邀约了 ， 就是没有走到那一步了 。 但是确实那个时候有好几个潜在的公司对我们有收购的动机 ， 或者有收购的意向 ，但是我其实就没有给任何的机会 。 对 ， 所以其实我跟团队商量的时候 ， 我已经拒绝了 。 哦 ， 对 ，其实我从来就没有想过要答应 ，但我还是问了一下团队的意见 。 后来我觉得对于一个 CEO 要做的事情是 ， 如果他相信他要把他的信念坚决的传递给团队 ，不要给团队传递他有可能也不相信的信号 。 **曼祺** [1:45:50] 你什么时候发现创业是比你最开始想象更残酷的一件事 ？ **陈冕** [1:45:54] 我觉得不能叫残酷 ， 我到现在为止都不觉得创业很残酷 。 **曼祺** [1:45:58] 那你觉得是什么形容词合适 ？ **陈冕** [1:45:59] 我觉得创业叫焦虑痛苦 ，但是很快乐又很爽 ， 就是痛并快乐的 。 我记得之前是谁 ，是黄仁勋吗 ， 说如果你在做一件你热爱 ，但你又很痛苦 ，但又觉得很爽的事情 ， 那可能就是一件你自己的天命应该让你做的事情 。 哈哈哈 ， 我也不记得这个是谁说的了 ，但我真的是这么认为的 ， 就是我觉得首先创业的过程中， 你会遇到无数的问题 ， 然后你在遇到问题的时候 ， 你一定是焦虑的 ， 然后你一定是痛苦的 ，因为没有人想面临因为它麻烦 。 嗯 ，但是你解决它们的快乐又是巨大的 ， 你能获得的成就感也是巨大的 。 这就像玩魂类游戏嘛 ， 它本质上就是用极大的挫败感加极大的正反馈 ， 让人获得极大的成就感 ， 包括黑神话 。 黑神话也有一点点类魂嘛 ， 就是小怪打你也是两刀死 ， 然后 boss 打你更是一刀秒 ， 对吧 ？ 但其实它内生里有一个路径 ， 然后你只要那个路径做到了 ， 你会发现原来看起来那么强大的对手也不堪一击 ， 然后那一刻你会获得无可比拟的成就感 。 我觉得这个是创业的魅力 ， 然后这也是我热爱做的事情 。 对 ， 我觉得创业就有点像极限运动 ， 你不会用残酷来形容极限运动 ，但极限运动确实会死人。 **曼祺** [1:47:25] 对 ， 危险 。 **陈冕** [1:47:26] 对 ， 它是危险的 ， 或者叫对创业来讲也是危险的 ，因为创业可能 90% 的公司都做不大 ， 或者是都会挂掉 ， 对吧 ？ 但是呃 ， 你真的 enjoy 其中的时候 ， 你可能不会想它是危险的 。 你要是做极限运动的时候 ， 你想到危险 ， 你可能下一刻就真的挂掉了 ， 对吗 ？ 所以你要想的事情就是专注去解决你眼前的每一件事情 ， 去克服每一个困难 ， 去享受在解决每一个困难之后的无可比拟的成就感 ， 然后最后呃 ， 拥抱结果 ， 结果是什么样都可以 。 **曼祺** [1:47:59] 我想到之前和你的其中一个早期投资人， 就是明视的合伙人夏令聊 ，他说你是遇强则强的创始人。 **陈冕** [1:48:06] 对 ， 我觉得就有点像我刚刚举的例子 ， 做极限运动或者打一个魂游 ， 对吧 ？ 你面对越强大的敌人， 越能迸发你的潜力 ， 你越能使用你全身的能力去解决这个问题 ， 然后最后你获得的成就感也一定会更大 。 **曼祺** [1:48:21] 那从你创业以来 ， 这个情境 ， 就说对你来说这种强度最高的挑战 ， 就是在 23 年底公司经营比较困难的时候是吗 ？ **陈冕** [1:48:29] 有好多波 。 第一波我们第一个产品怎么 PMF， 这是面临的第一个问题 ， 对吧 ？ 第二个问题是公司经营出现危机的时候 ， 团队 、 钱 、 业务都出现危机 ， 怎么去 handle 它 ？ 第三个就是怎么做出 Lover 但你明确知道上一代产品不是未来的事 。 哈哈哈 ， 你要怎么去尽快的做出下一代产品 ？ 我觉得那都是最焦虑 、 最痛苦的时候 。 嗯 ，但是每一次跨越那个 ， 我的成就感都越来越大 。 这三次的成就感真的也是递增的 。 嗯 ， 对 ， 就是第一次 PMF， 我觉得我已经先看到了 ， 我觉得它大概率一定能 PMF， 后来获得了验证 ， 我很快乐 。 第二次差点倒闭了 ， 我觉得这怎么会倒闭 ，不会倒闭的 。 嗯 ， 就没有倒闭 ， 就更加快乐 。 然后第三次觉得哇 ， 这个未来的产品应该长什么样子 ， 我能不能用想象力把未来的产品描绘出来 ？ 哇 ， 你居然描绘出来 ， 你居然全世界第一个把它描绘出来了 ， 更加的快乐 。 所以我现在都开始期待我们的下一个产品了 ， 都开始期待我们未来更多的挑战了 。 我觉得遇强则强 ，其实就是你在做这个创业这个极限运动的时候 ， 你能获得更大反馈感的 、 更大成就感的来源 。 当然你可能也会承受更大的痛苦 ， 它是双生的 。 **曼祺** [1:49:45] 你害怕和担心自己身上的什么特性吗 ？ **陈冕** [1:49:48] 看怎么描绘这个事吧 ， 我觉得我其实自我迭代比较快 。 如果真说害怕什么 ， 我有点害怕我过于焦虑 ， 我又害怕我不够焦虑 。 这其实这个东西挺矛盾的 ， 我很难说我一定害怕自己身上的什么点 ，但如果说我真要怕一个 ， 我就害怕自己迭代速度不够快 ， 就我害怕我自己不能迭代了 。 所以我觉得我要保证的是 ， 我一定要高频迭代 。 然后至于要不要焦虑这件事情 ，其实是需要取舍的 。 如果技术发展放缓了 ， 我们其实应该沉下心来去把精细化的事情做好 ， 那其实就不应该焦虑 ， 你应该更稳健 。 然后如果技术发展得非常快 ，不断的有新东西变化 ， 你必须要不断的拥抱新东西 ， 你需要不断的去构建未来 ， 你的认知就需要快速变化 ， 你的产品也需要快速变现 ， 那你就需要极致的焦虑 ，因为只有极致的焦虑才会让你疯狂的获取信息 ， 才会让你极致的敏感 。 这个转变的时间点什么时候会来 ， 我也不知道 。 所以我需要保持自己高频的迭代 ， 至少我现在还需要保持焦虑和高频的迭代去不断的根据外界的变化 、 根据市场的变化 、 根据技术的变化去调整自己公司经营和自己思考问题的节奏感和方式 ，以及自己要不要在一个这样过敏和过度焦虑的状态下去做事情 。 **曼祺** [1:51:09] 你刚才这个表达很有意思 ， 你说焦虑是需要取舍的 ，但其实一般来说焦虑是一种情绪 。 **陈冕** [1:51:15] 对 。 **曼祺** [1:51:15] 就好像它挺难被理性所控制的 ， 这个东西难道对你来说它是一个开关 ，是可以去打开和关闭的吗 ？ **陈冕** [1:51:22] 我觉得我是可以用一些方式去屏蔽它的 。 就比如说在 AI 时代 ， 你要不要持续的获取外界的信息 ？ 如果你做的问题有时候你外界信息其实已经都是噪音了 ， 它不会帮助你去解决问题 ，其实你应该沉下心来 ， 你应该闭关 。 所以你获得外界的更多信息 ， 你就一定会更焦虑 ，因为外界会有很多的观点 ， 你需要不断的否定与自我否定 ， 何况外界的变化还很快 ， 你就会变得更焦虑 。 所以其实它对我来讲 ， 它可能我觉得它是一种情绪 ，但是我要不要去接触这个情绪的源头 ， 或者会导致这些情绪变强的源头 ，以及我在冷静下来的时候怎么去看待和处理这些情绪 ， 我要不要放任它 ， 我觉得这个我是可以控制的 。 **曼祺** [1:52:09] 嗯 ， 我觉得今天聊下来跟我之前想的有一些地方不太一样 。 嗯 ， 就比如说对你的理解 ，因为我之前经常看你朋友圈 ，有的时候展现的还是挺感性的一面 ， 比如说 ChatGPT 刚有记忆那个功能的时候 ，他不是写了一段 。 **陈冕** [1:52:22] 我很感动 。 **曼祺** [1:52:22] 对 ， 对你的话 ， 然后你会非常感动 ， 你会分享到朋友圈 ， 包括你结婚的时候分享 ， 就你对妻子的感情也都是我看了也觉得非常感动 。 嗯 ，但好像你底层还是挺理性的 ， 就特别底层的东西 。 **陈冕** [1:52:34] 对 ， 对 。 **曼祺** [1:52:35] 就是用那个好像是在控制着上层的感性的表达 。 **陈冕** [1:52:38] 对 ， 对 ， 对 ，是的 。 之前有一些报道也会让别人觉得我是一个超级感性的人， 觉得我是一个能量非常嗨的人 ，但我觉得本质上我其实是一个感性的理性者 。 我觉得我现在呃 ， 工作方式也越来越细了 ，因为 AI 真的没办法计划 ， 它变得太快了 ， 你没有办法接啊 ， 就是变得太快了 ， 我越来越细了 ， 然后我越来越依赖我的 feeling， 我的各种信息源给我的 feeling 带来突然的涌现 ，因为它太难被计划了 。 但是我骨子里我觉得我是一个理性的人 ，其实这也体现在公司内的管理上， 就是其实我们的团队迭代也挺快的 。 **曼祺** [1:53:21] 你说的就是团队怎么一直有合适的人， 包括有些你觉得不合适的可能是需要调整 。 **陈冕** [1:53:26] 对 ， 对 ， 就是也很快 。 对 ， 就是其实我的底层决策逻辑是理性决策 ，但我本身又是有感性的 。 对 。 **曼祺** [1:53:35] 嗯 ， 然后我觉得你有一点是你跟其他很多创始人很像的 ， 就是我发现很多创始人都是非常有少年气的 ， 就可能他们比如说已经 30、40，但他有就很青春的那一面 。 然后我最近看到你发的有一个朋友圈挺有意思的 ， 就是发的那个今年 TI 14 Delta 2 的比赛的信息 。 嗯 ， 果然是锄客接刀 。 然后我看你分享的是 X Dream 战队的赢的这个信息 ， 对吧 ？ **陈冕** [1:54:01] 输了 ， 输了 。 **曼祺** [1:54:01] 哦 ， 输的信息 。 **陈冕** [1:54:02] 输了 ， 对 。 **曼祺** [1:54:03] 所以是青春总有遗憾 。 **陈冕** [1:54:05] 对 ，因为他们跨越了 6 年， 输了三次 。 嗯 ， 然后每一次都是同样的剧本 ， 然后都是在 2 比 2 的时候最后一局输掉 ，而且甚至里面还有同样的人 ，但他一个人输了三次 。 哈哈哈 。 **曼祺** [1:54:20] 就是你贴的这个图里的 。 **陈冕** [1:54:21] 对 ， 对 ， 对 ，ME。 对 。 嗯 ， 对 ，因为我是一个 Dota 的老玩家嘛 ， 所以有一点点感伤 。 然后我觉得其实这也是一种投射吧 ， 就是本质上他们也是为了自己的喜欢的事情在很努力的奋斗 ，有非常多的波澜起伏 ，有非常多的遗憾 ，但是如果他不去做 ， 就没有青春 。 我觉得青春就是奋斗的过程 。 **曼祺** [1:54:46] 你现在还是能感觉到青春在心中涌动吗 ？ **陈冕** [1:54:48] 我觉得现在就是我的青春的时候 ， 就是我觉得我在学校学习 ， 我过往在那么多公司工作 ， 我觉得都是为了我现在的这十年 。 哈哈哈 ， 我觉得这是我真正有一次自由的 、 全情的 、 疯狂的想做成一件事情 ， 这是人生的意义 。 **曼祺** [1:55:11] 你玩 Dota 是玩几号位啊 ？ 一般 。 **陈冕** [1:55:13] 我玩中单比较多吧 ， 算是二号位 。 **曼祺** [1:55:16] 二号位 。 **陈冕** [1:55:17] 对 ， 对 ， 对 。 **曼祺** [1:55:17] 二号位在团队里是干嘛的 ？ **陈冕** [1:55:19] 带节奏的 。 哈哈哈 。 **曼祺** [1:55:21] 带节奏 。 **陈冕** [1:55:22] 对 ， 对 ， 对 ， 去找破局点的 。 **曼祺** [1:55:24] 哦 ， 就是找对方破局点 ， 然后带自己团队的 。 **陈冕** [1:55:27] 带动自己团队的节奏 。 对 。 **曼祺** [1:55:28] 然后一号位主要进攻是吗 ？ **陈冕** [1:55:30] 一号位主要刷钱 。在 Dota 里面 ， 一号位主要是发育 ， 二号位主要带节奏 ， 二号位主要破局 。 **曼祺** [1:55:35] 那它是属于输出型还是辅助型 ？ **陈冕** [1:55:37] 那肯定是输出型 。 **曼祺** [1:55:38] 那你喜欢玩的角色是什么呢 ？ **陈冕** [1:55:40] 哇 ， 那都太老了 ， 都不太记得了 ， 反正就是中单的英雄比较多 。 **曼祺** [1:55:45] 所以你喜欢带节奏 。 **陈冕** [1:55:47] 啊 ， 对 ，是的 ，是的 ，是的 。 就是我虽然你看这是创业 ， 大家说我有韧性 ，但我之前工作大家觉得我没有耐心 。 嗯 ， 就是我其实需要不断的创新 ， 我就需要不断的让事情在推进 。 我其实没有办法接受一个事情慢慢的 ， 我可能也不知道它未来会怎么样 ， 然后就浑浑噩噩的样子 ， 我是很难接受的 。 我一定需要事有清晰的路径 ， 我要知道我在干嘛 ， 我要知道我在前进 ， 我在 keep， 我要知道我在 keep moving， 就这对我很重要 。 所以这就像打游戏一样 ， 就是可能这个闷头刷钱我也不爱干 ， 我爱知道的是我们什么时候应该进攻 ， 什么时候应该防守 ， 什么时候可能要赢了 ， 然后我去推动这一切 ， 这个是我更擅长的事情 。 **曼祺** [1:56:31] 嗯 ， 那其实这个挺适合就是现在这个变化非常快的阶段的 AI 的产业 。 **陈冕** [1:56:37] 对 ， 之前也待过零售公司嘛 ， 然后我待过之后我的结论就是我不适合做零售 。 嗯 ， 零售就是需要把枯燥乏味的事情千变万变的做好 。 **曼祺** [1:56:47] 零售就是精益求精 ， 匠人精神 。 **陈冕** [1:56:49] 对 。 **曼祺** [1:56:49] 其实你刚才描述这个 AI 的时候 ， 我心里就在想一个冷笑话 。 嗯 ， 就是不应该找日本人来做 。 **陈冕** [1:56:55] 哈哈哈 ， 好冷啊 ， 第一炮了 。 哈哈哈 。 对 ，但确实是的 ， 就是并不是说我们就不精益求精 ，而是说它的变化太快 ， 除非你是一个超级巨头 ， 你有超级多的资源 ， 然后你又把最重要的事做好了 ， 你有非常冗余资源去把那个事做好 。 **曼祺** [1:57:11] 嗯 ， 这可能需要很多团队 ， 很多投入 。 **陈冕** [1:57:14] 对 ，但创业公司是不可能做到这个 。 你甚至你看 OpenAI 也没有啊 ，OpenAI 也有很多做的不好的东西 。 **曼祺** [1:57:20] 比如说 OpenAI Agent 发布的时候 ， 就是它那个 。 **陈冕** [1:57:23] PPT 翻车的一堆 。 **曼祺** [1:57:25] 对 ， 对 ， 对 ， 就大家就觉得啊 ， 怎么回事啊 。 **陈冕** [1:57:28] 所以都要做取舍 ， 这是创业的常态 ， 所以我觉得还挺适合我的 。 **曼祺** [1:57:32] OK， 今天非常感谢陈冕做客 《 晚点聊 》 分享了他过去三个月在旧金山湾区怎么去做 Novart 的全球化 ， 中间获得的一些新的感受 、 认知 ， 然后 Novart 的一些新的功能的变化和对行业趋势的判断 。 那我们今天节目就到这里 ， 各位拜拜 。 **陈冕** [1:57:51] 好 ， 谢谢 。 ### 尾声 **曼祺** [1:57:54] 本期 《 连点呈现 》 推荐可以联动听一听我们 110 期的节目 ， 这是今年 4 月我对明视合伙人夏令的访谈 ，他刚好也是 Novart 的投资人。 当时那期的标题就提到 Agent 竞争 ， 创业要做锤做砖 。 当时夏令提到了几个和本期有呼应的点 ， 一个是他认为创业最好选择和大模型核心公司的主航道有一定距离的方向 ， 这样既能利用上模型的进步 ， 又保持一个相对安全的站位 。 那是 4 月录制的节目 ， 刚好赶上了陈冕这次提到的今年的几个关键的模型节点中 OpenAI 发布 4O 的纹身图 。 当时我们就讨论了为什么夏令认为 4O 这一类进展其实对垂直来做纹身图应用的创业公司是利好远大于冲击的 ，因为它能帮这些新公司来与 Adobe 等更老牌的服务这些专业人群的公司来竞争 。Novart 最近的一些数据也在实践上印证了这个想法 ， 比如 Nano Banana 就给 Novart 带来了一波不错的用户和付费增长 。 我们今年关于 Agent 还有多期节目 ， 这次我把目前已经发布的 5 期节目做成了一个小的合集 ， 大家可以在内容专题的页面里去查看往期我们关于 Agent 的讨论 。 本期节目就到这里 ， 感谢收听 。 如果你对今天聊的话题有观察 、 好奇或疑问 ， 欢迎在评论区分享想法 ， 这也会成为我们节目的一部分 ， 让整个讨论更完整 。 你也可以把我们的节目分享给对这个话题感兴趣的朋友 ， 推荐更多你想听的主题和嘉宾 。 你可以从小宇宙 、 苹果 Podcast 等渠道关注 《 晚点聊 LateTalk》，也欢迎关注我们的公众号 《 晚点 LatePost》。 下期再见 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。