本期节目，任鑫深入剖析了三类在 AI 浪潮中快速崛起且具有独特打法的产品：Gamma、Remove.bg以及 Quartr。 不同于市面上常见的“科幻叙事”或“Agent 概念”，这几家公司都在用 AI 解决看似朴实、甚至“无聊”的老问题。节目详细拆解了它们背后的成功逻辑：如何通过重新定义“原子单位”来颠覆 PPT？为何简单的“抠图”功能能撑起巨大的商业价值？以及如何通过干“脏活累活”积累数据资产，最终把 AI 当作“点火器”来引爆价值。 如果你是 AI 创业者或产品经理，本期内容将帮你从“技术自嗨”转向“价值落地”。 � 关键结论 Gamma 的胜利是“降维打击”： Gamma 并没有试图在专业度上通过 AI 把 95 分的作品优化到 98 分，而是专注于解决大众市场“从 0 到 60 分”的起步焦虑。它用“旧问题 + 新技术”的策略降低了市场教育成本 。 单点突破优于大而全： Remove.bg 和 PhotoRoom 证明了在巨型软件（如 Photoshop）的工作流中，剥离出一个高频、刚需且繁琐的环节（如抠图），将其效率提升 10 倍，就能构建极强的数据飞轮和商业价值 。 数据资产是 AI 的前提： Quartr 的成功不在于其 AI 模型有多强，而在于它通过长期的“苦活累活”建立了专有的、高质量的非结构化数据（电话会录音/文本）。AI 在此不仅是工具，更是点燃这些数据资产价值的“放大器” 。 � 关键认知 原子单位的重构 (Redefining Atomic Units)： 真正的 AI 原生产品不仅仅是给老软件装上 AI 引擎。Gamma 的创新在于它不像 PowerPoint 那样操作“幻灯片”，也不像 Word 那样操作“文档”，而是创造了类似 Notion 的“卡片 (Cards)”作为原子单位。这种灵活的结构让内容可以流动，更适应 AI 的生成逻辑和移动端的阅读习惯 。 产品即广告 (Product as Distribution)： 优秀的产品设计能让用户在使用过程中自然地进行传播。Gamma 生成的网页链接便于分享，且自带品牌露出，每一次分享都是一次免费的广告，构成了高效的 P2G (Product to Growth) 飞轮 。 非共识数据的价值： 在金融领域，所有人都在看量化的数字（K线图），Quartr 却关注“非共识”的定性数据（CEO 的语气、用词变化）。在 AI 时代，这种难以被量化的、非结构化的独特数据，往往蕴含着更大的挖掘潜力 。 明确的反馈闭环： 相比于复杂的 Agent 任务，功能单一的产品（如抠图）更容易获得高质量的反馈数据（用户下载了=满意；继续修=不满意）。这种清晰的 Reward Signal 是训练垂直模型、建立壁垒的关键 。 � 行动指南 重新审视“老问题”： 不要总想着创造全新的需求。去寻找那些已经被验证的巨大市场（如 PPT、Excel、文档），思考如何用 AI 的能力将用户从“从无到有”的创作痛苦中解放出来，转变为“编辑者”角色 。 寻找“巨头缝隙”： 观察 Adobe、Office 等巨型软件中，有哪些步骤是用户每天重复 100 次且充满怨言的？尝试把这个步骤独立出来，做一个极致简单的 MVP 。 先攒数据，再搞 AI： 如果没有技术优势，可以先从“脏活”做起。找到一个小众但高价值的人群（如特定领域的投资者），为他们聚合分散的、非结构化的信息。当你拥有了独家数据资产，AI 自然会成为你的变现杠杆 。 服务“部落”而非“大众”： 在冷启动阶段，不要试图取悦所有人。像 Quartr 一样，混入一个极高浓度的社区（如 FinTwitter），为这群核心用户打造他们渴望的工具，利用社区的口碑完成从 0 到 1 的积累 。 ⏱️ 时间线 02:12 - 18:36 案例一：Gamma 的产品战略: 02:12 - 05:55 伽马的定位：用 AI 解决一听就懂的老问题——做 PPT. 战略定位在于解决 “从 0 到 60 分” 的大众困境，而不是“95 分到 98 分”的优化问题. 05:55 - 10:04 角色转换：AI 帮助用户从痛苦的“创作者”转变为轻松的“编辑者”. 10:04 - 14:14 原子单位创新：重新定义原子单位为“卡片 (Card)”，实现 Notion 的魂魄和 Canva 的皮(). 这种卡片组合不再局限于 PPT，可一键发布为网页，更适合网络传播. 14:14 - 18:36 增长飞轮：设计 P2G (Product to Growth) 模型，让用户的产出天然变成广告. 总结 Gamma 模式中可复制的思考框架. 18:36 - 25:05 案例二：Remove.bg & PhotoRoom 的单点突破: 18:36 - 20:48 Remove.bg：通过解决高频刚需的“抠图”功能（先聚焦人像）来取代手工操作精细活儿. 20:48 - 22:08 PhotoRoom：聚焦电商卖家，将抠图效率实现数量级提升，直击商业效率痛点. 22:08 - 25:05 核心优势：聚焦小功能，更容易构建高速反馈和高精度的数据飞轮. 行动指南：寻找巨无霸软件中对特定人群至关重要的高频繁琐动作，并实现 10 倍提升. 25:05 - 39:39 案例三：Quartr 的数据资产战略: 25:05 - 28:44 寻找非共识：不看数字，而是看语言和情绪，赌巨头忽略的非量化定性数据. MVP 是一个简单的“电话会录音播放器”，先聚合数据吸引目标用户. 28:44 - 32:33 基础建设与社区运营：花大力气收集、清理和结构化海量数据，形成楼盘词典式的壁垒. 在金融 Twitter 社区中猥琐发育，找到狂热的超级用户. 32:33 - 35:16 转化为基础设施：将清洗好的数据资产打包成 API 卖给 B2B 客户（如 Perplexity），既赚取收入，又维护长期生存. 35:16 - 39:39 AI 作杠杆：AI 是数据资产的“点火器”和“放大器”. 价值在于提供可信的、可验证来源的答案. 总结 Quartr 的启发：挑战行业共识、建立专有数据资产、为小撮人服务、用 AI 放大核心价值. 39:39 - 41:17 总结与结束: 任鑫总结本期分享的三种 AI 产品思路. 邀请听众留言交流，结束本期播客. 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：云九资本合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 BGM： 片尾：ZUHAIR,Jah Loon - Blue Jay

本期节目是一期“单口”篇。任鑫跳出“AI 产品怎么用”的工具层面，深入剖析了“AI 产品是怎么做成”的商业逻辑 。通过复盘三家增长迅猛的海外 AI 公司——Crescendo (AI Rollup 模式)、Mercor (从招聘平台转型数据军火商) 和 Open Evidence (医疗 AI 的信任构建)，揭示了在后 AI 时代，如何通过商业模式设计、信任构建和精准的市场切入点，构建真正的护城河。这不是简单的“套壳”分析，而是关于如何利用 AI 重塑传统服务业、抓住巨头博弈红利以及在高壁垒行业落地的深度商业洞察 。 � 关键结论 (Key Conclusions) AI Rollup 是当下的一个新风口 (Crescendo 案例)：不再是从 0 到 1 做 SaaS 去求着传统企业用，而是由资本（VC）主导，直接收购线下的服务外包公司（BPO），注入 AI 技术提效，然后以“保证结果”的方式降维打击传统竞争对手 。这种模式避开了大企业内部复杂的政治阻力和转型困难 ()。 要做巨头博弈中的“军火商” (Mercor 案例)：在 AI 巨头（OpenAI, Google, Meta）的“军备竞赛”中，高质量数据是核心弹药 。Mercor 成功从萎缩的传统程序员招聘市场，转型为向大模型厂商提供专家级数据标注（代码、法律、医疗等），踩中了预算无限增长的红利期 。 高壁垒行业的 AI 落地首重“信任” (Open Evidence 案例)：在医疗等严肃领域，AI 产品的首要任务是解决“敢不敢信”和“能不能甩锅”的问题 。通过引入权威信源（如《新英格兰医学杂志》）作为背书，并通过 PLG（产品驱动增长）直接切入医生个人的高频工作流，绕开漫长的医院 B2B 销售流程，是快速扩张的关键 ()()()()。 � 关键认知 (Key Insights) Service as Software > SaaS：当下的 AI 工具往往只能做到 70-80 分，但客户需要 90 分的结果。Crescendo 的打法是用“人”去补齐那 20 分，直接交付结果。对于客户来说，买的是“省心”，而不是买一个需要自己学习和配置的“工具” 。 重新定义“数据飞轮”的有效性：并不是只要有数据就能形成飞轮。传统招聘反馈周期太长（招人后一年才知道好不好），数据无法闭环 。Mercor 转型做数据标注后，反馈周期极短（模型跑分立竿见影），数据飞轮才真正转动起来 。 商业模式的本质是设计“交易结构”：Open Evidence 证明了在某些 B2B 场景下，使用者（医生）不付费，受益者（药企）付费是更合理的模型。它售卖的不是“答案”，而是医生做决策时的“临近权” (Proximity to decision) 。 被巨头“当枪使”是一种红利：你的价值往往取决于你被谁“当枪使”。当年滴滴快滴大战是由于被阿里腾讯当枪使去抢支付入口；现在做高质量数据是因为被大模型厂商当枪使去抢模型能力高地。找到神仙打架的战场，做那个递子弹的人 。 � 行动指南 (Action Guide) 寻找“深水区”的机会： 不要只盯着浅层的工具优化（提升10%效率没人在乎），关注那些劳动密集、分散且利润率低的服务行业（如客服、财税、法律），思考是否可以用 AI Rollup 的模式重做一遍 。 验证你的“飞轮”速度： 检查你的商业设计中，从服务交付到获得数据反馈的周期有多长？只有快速、客观的反馈才能支撑起真正的 AI 护城河 。 设计信任与利益链条： 如果你在做 ToB 产品，思考能否绕过决策层直接服务一线员工（PLG）？能否通过“羊毛出在猪身上”的方式（如广告、数据变现）解决付费难的问题？ 。 拓宽信息摄入量： 不要只盯着自己的点子，要多看市场上已有的成百上千个产品的起盘逻辑。“熟读唐诗三百首”，见过足够多的打法，才能在实战中组合出适合自己的招数 。 ⏱️ 时间线 (Timeline) 00:00 - 02:52 开场与背景 为什么要读懂商业模式？熟读“唐诗三百首”对创业者的意义 。 这期内容：分析 AI 产品是如何做成的，而非怎么用 。 02:52 - 19:05 案例一：Crescendo (AI Rollup 模式) 03:15 - 04:19 什么是 AI Rollup？VC 直接并购传统 BPO 公司进行 AI 改造 。 04:19 - 07:43 商业模式创新：不卖 AI 软件 (SaaS)，卖“结果交付” (Service)，用人力兜底解决 AI 的 20% 不完美 。 07:43 - 10:00 为什么传统 AI SaaS 在大企业推不动？组织转型的阻力与“用不好”的困境 。 14:56 - 16:08 降维打击逻辑：为什么洗服务商（乙方）比洗甲方更容易？ 19:05 - 30:15 案例二：Mercor (AI 招聘与数据平台) 21:00 - 22:19 招聘市场的本质：将 $N \times M$ 的低效匹配优化为 $N + M$ 的智能筛选 。 22:19 - 26:30 关键转型：从萎缩的程序员招聘市场，转型为大模型厂商的“数据军火商” 。 26:30 - 28:43 真假“数据飞轮”：为什么传统招聘没有飞轮，而专家数据标注能形成极速反馈闭环 。 30:15 - 42:37 案例三：Open Evidence (医疗 AI 搜索) 31:42 - 32:22 核心痛点：医疗 AI 的最大障碍不是智能，而是“信任”和“甩锅”需求 。 32:22 - 34:15 借势策略：如何通过《新英格兰医学杂志》等权威背书构建冷启动信任 。 34:15 - 37:54 增长策略：PLG（产品驱动增长）绕开医院决策层，直接切入医生个人的床旁检索场景 。 37:54 - 40:41 盈利模式：羊毛出在猪身上，向药厂卖“决策临近权”广告，而非向医生收费 。 42:37 - 45:45 总结与复盘 三个产品的核心启示：资本运作(Crescendo)、选对战场(Mercor)、精巧设计(Open Evidence)。 一切成功看似偶然，但我们需要学习底层的“遣词造句” 。 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：云九资本合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 BGM： 片尾：Zac Crook - you wouldn't know

嘉宾 | 覃睿，BISHENG.ai 联合创始人 AI 在 to B 企业的落地一直是大家关注的焦点，但往往充满了“PPT 上的美好”和“现实中的骨感”。本期《AI 炼金术》邀请到了企业级开源 Agent 平台 BISHENG.ai 的联合创始人覃睿。 覃睿基于服务大几千家企业的真实经验 ，坦诚分享了 AI Agent 在企业中“真正能用”和“听起来好但难落地”的场景 。他深入剖析了企业 AI 落地的四大阶段 、最大的挑战（剧透：不是技术，是“人”），以及为什么他们劝退了大部分想做“智能问数”（Text-to-SQL）的客户 。 这期节目对于所有正在推动或考虑 AI 转型的企业家、IT 负责人和业务骨干都极具价值。你会听到一个一线实战派的真实分享，了解 AI 落地表象之下的关键挑战和务实路径。 � 关键结论 四大真实落地场景： 目前企业 AI 落地最集中的四大类场景是：问答（知识库）、审核（合同、消保）、写报告（研报、尽调） 和 智能问数（Text-to-SQL）。 最“扯”的场景：智能问数（Text-to-SQL）。 覃睿坦言这是他们最谨慎、劝退最多的场景 。原因是这种需求通常来自高层 ，对准确性要求极高 ，但绝大多数企业的数据治理水平根本达不到（如表关系混乱、字段无文档）。 最“不性感”但最高频的场景： 1. 知识库问答（RAG）。2. 情报类应用，即自动监控部委网站、公众号、论文库等，帮员工从“不乐意干”的繁琐工作中解放出来 。 开源是最好的“获客渠道”： BISHENG.ai选择开源，初期是朴素地希望获得快速反馈 。但事实证明，这成为了最高效的获客方式 。严肃的企业客户（特别是大客户）最终仍然会为咨询、实施和定制服务付费 。 中国 To B 赚钱的逻辑： BISHENG.ai已实现盈利 。覃睿的经验是：1. 通过开源筛选正确的客户（主动来的、认知一致的）；2. 做正确的项目（敢于“劝退”不切实际的需求）；3. 抱着**“让客户成功”**的心态，即使短期“算不过账”，也要把真实需求做好，从而赢得二三期项目 。 � 关键认知 企业 AI 落地最大的误区： 企业普遍存在两大不切实际的期望：1. 低估了落地成本 ；2. 以为 AI 无所不能，忽视了 AI 需要被“教”会企业的“弯弯绕”（即业务知识、偏好和隐性规则）。 企业 AI 落地最大的挑战是“人”： 真正的瓶颈不是技术 ，而是如何让业务人员（业务部门）深度参与进来 。他们往往不愿或无法一次性讲清全部需求 ，导致项目需要大量迭代，甚至重构 。 AI 落地四阶段论： 覃睿将企业落地分为四个阶段 ： 玩具阶段： IT 内部的“发烧友”在玩 。 通用阶段： 业务人员开始高频使用通用的 AI 对话工具（如 Deepseek、豆包），开始建立“体感”。 垂类 Agent 阶段： 业务人员主动参与，与 IT 联合共建垂直场景 。 数字员工阶段： Agent 作为自主智能体在企业内工作 。 给企业的核心建议：先到“第二阶段”。 覃睿建议企业不要急于求成（拔苗助长），应先让业务人员在日常工作中（通过类似 Deepseek 或企业版 Minus 的体验）充分感受 AI 的价值 。只有当业务人员建立“体感”并主动提出需求时，第三阶段的“垂类 Agent”落地才会成功 。 BISHENG.ai VS Palantir： BISHENG.ai的模式（包括开源产品）越来越像 Palantir 。其核心是将产品作为高效的“交付工具” ，以更低的成本、更高的效率承接大客户的定制化需求 。 �️ 行动指南 如果你是企业决策者/IT负责人： 诚恳地认识模型能力。 放弃“一步到位”的幻想 。 从“第二阶段”开始： 先在内部署好用的通用 AI 对话工具（体验要对标 C 端产品），让业务人员先用起来，建立“体感”。 选择“不性感”的场景切入： 优先解决内部知识库问答 和情报搜集 这类高频、刚需、员工又不爱干的痛点点。 如果你想尝试“BISHENG.ai”（Bisheng）： 开发者/小公司/个人： 访问官网 BISHENG.ai ，给项目点 Star，加入文档中的社群二维码 。如果部署有困难，群里有“BISHENG.ai达人”可以提供 500 元左右的付费部署服务 。 中大型企业： BISHENG.ai的理想客户是**“细分领域的头部”，预算在几十万到几百万级别 。 ISV / 软件服务商： BISHENG.ai正在招募各地的合作伙伴，可以承接BISHENG.ai覆盖不到的商机，共同交付项目 。 ⏱️ 时间线 【01:21 - 02:54】 嘉宾介绍：BISHENG.ai（Bisheng）联合创始人覃睿，企业级开源 Agent 平台。 【03:27 - 04:26】 为什么选择做开源项目？ 【04:26 - 05:53】 开源的朴素想法：获取快速反馈，也许能帮到别人。 【05:53 - 07:12】 开源的商业价值：高效获客、建立标准、吸引人才。 【07:54 - 09:17】 Dify 已经存在，为什么BISHENG.ai还能火？（差异化：企业级功能）。 【09:17 - 10:33】 数字化转型的“大屏”执念。 【10:33 - 11:00】 企业 AI 落地的四大类场景。 【11:00 - 15:29】 场景一：问答（知识库），及客服场景对“确定性”的挑战。 【18:08 - 19:26】 BISHENG.ai的“Palantir”模式：产品是内部的交付工具。 【19:26 - 20:29】 场景二：审核（合同、消保材料）。 【20:29 - 22:30】 审核场景的挑战：业务部门的需求永远讲不全。 【25:15 - 27:38】 场景三：写报告（研报、尽调报告）。 【27:38 - 31:00】 主持人（任鑫）的真实需求：用 AI 写投资 Memo。 【31:00 - 31:24】 场景四：智能问数（Text-to-SQL）——最谨慎、劝退最多的场景。 【31:24 - 33:01】 为什么智能问数（Text-to-SQL）很难落地？ 【33:01 - 35:42】 唯一成功的 Text-to-SQL 案例：核心是先做了数据治理和“业务表”。 【38:26 - 39:34】 市面上最“扯”的场景是什么？—— 还是智能问数。 【40:28 - 41:59】 最“不性感”但最高频的场景：问答和情报搜集。 【42:26 - 46:54】 企业 AI 落地的四个阶段：玩具 -> 通用 -> 垂类 -> 数字员工。 【47:19 - 49:39】 为什么员工宁用 ChatGPT 不用内部工具？（答：体验太差）。 【51:10 - 52:30】 BISHENG.ai社区早期是如何获得关注的？（答：打中了企业刚需）。 【52:30 - 53:32】 在中国做 To B 怎么赚钱？（BISHENG.ai去年已盈利）。 【53:32 - 58:53】 盈利秘诀：筛选客户、做对项目、建立信任。 【58:53 - 59:41】 给传统企业 AI 转型的核心建议。 【59:41 - 01:03:36】 建议：诚恳认识模型能力，先从“第二阶段”做起，建立“体感”。 【01:03:36 - 01:06:33】 企业对 AI 最大的两个“不切实际的期望”。 【01:06:33 - 01:10:44】 探讨 Palantir 的 Ontology（本体）为何如此有价值。 【01:11:14 - 01:14:19】 BISHENG.ai的理想客户画像：细分领域的头部企业。 【01:14:19 - 01:15:28】 如何联系BISHENG.ai？（官网：BISHENG.ai，加入社群）。 【01:15:28 - 01:16:14】 针对个人和小开发者的“BISHENG.ai达人”服务。 【01:16:14 - 01:17:21】 招募城市 ISV 合作伙伴。 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：云九资本合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 BGM： 片尾：The Ivy - It Was Always You

嘉宾 | 胡修涵 捏 Ta 创始人 �️ 内容介绍 本期《AI 炼金术》中，我们再次请到了「捏 Ta」App 的创始人胡修涵。「捏 Ta」是一个融入了 Agent 技术的、充满活力的 AI 创作者社区 。 胡修涵分享了 Agent 技术如何像当年的 Flash 一样，为娱乐场景带来了“交互式体验”的革命，让用户得以创造游戏、MV 等远超图文的内容 。他提出了一个核心观点：AI 时代的主流娱乐形式将不是 "Create" (创造)，而是 "Recreate" (再创作或消遣)——一种类似拼乐高或改装四驱车的、低压力、高即时反馈的乐趣 。 我们深入探讨了 AI 带来的全新内容范式：一种以 "角色" 为中心、而非 "剧本" 为中心的 "虚拟世界随手拍" 体验 。以及，这种由成千上万用户 "Fork" 和 "Merge" 的碎片化内容，将如何催生出类似 GitHub 或 SCP 基金会模式的 AI Native IP 。 此外，我们还讨论了 C 端 AI 产品面临的最大瓶颈（成本与延迟），以及如何通过 "延迟设计"（如游戏化收费或插播广告）将其变为产品特色 。最后，我们一致认为：下一代 AI 产品，将不是下一代技术的产品，而是下一代人的产品 。 � 关键认知 Agent 是娱乐场景的 Flash 革命： Agent 技术的重要性，在于它提供了“交互式体验”的能力，而不只是内容生成 。这就像当年的 Flash，让网页从图文展示变成了可以玩的动画和游戏 。 从 "Create" 到 "Recreate"： AI 降低了门槛，但大多数人创作的核心诉求不是成为艺术家 (Create)，而是享受过程 (Recreate) 。这种“再创作”或“消遣”的心态，就像拼乐高或改装四驱车，是更广泛的用户需求 。 "虚拟随手拍" 新范式： 传统内容是 "剧本中心" 的（先有故事再配角色）。AI 带来了 "角色中心" 的范式，用户可以像拿手机 "随手拍" 一样，抓拍一个角色在虚拟世界中的零碎瞬间，这更符合 AI Native 的创作流程 。 IP 的 GitHub 模式： 当成千上万的用户（像“狗仔队”）围绕一个角色进行碎片化创作时 ，IP 的管理模式将不再是自上而下的。未来，AI Native IP 会更像一个开源项目（如 SCP 基金会或临高启明），由一个 "委员会" 通过 "Fork" 和 "Merge" 的方式来管理和演进 。 "延迟设计" 是 C 端的必修课： AI 视频和图像生成的高延迟与高成本是目前 C 端体验的最大障碍 。与其等待技术（短期内）完美解决，不如学习游戏的设计，把 "延迟" 本身设计成一个 "Feature"，例如通过排队、加速付费 、或在等待时插播激励广告 。 理想的 AI 交互：用户是 "玉帝"，不是 "神"： 在复杂的创作中，用户不想当 "神"（承担所有创意工作）。更理想的模式是用户当 "玉帝"（审批者），AI "大臣" 负责提方案（"我们要不要打花果山？"），用户只管 "盖章" 批准。这个 AI "大臣" 还必须是 "佞臣"，擅长察言观色，让 "玉帝" 感觉一切尽在掌握 。 � 关键结论 行业极度缺乏 "需求侧的实验"： 整个行业都过于迷信 "模型即产品"，痴迷于追赶最新技术（如 Sora 2）。但事实上，行业极度缺乏在 "需求侧"（用户到底需要什么新体验、新交互）的实验和探索 。 AI 产品是 "下一代人" 的产品： 为什么成年人觉得很多 AI 游戏粗糙？因为我们被 3A 大作 "污染" 了 。而下一代用户（如 10 后）"没见过好东西"，他们能像我们当年玩《乒乓》或文曲星游戏一样，在自己用 AI 创造的 "烂游戏" 中获得巨大乐趣 。他们才是 AI Native 。 Sora 的真正价值是 "Remix"： Sora 的重要性不仅是视频生成，更是它所代表的 "一线 C 端思考" 。它的核心网络效应是基于 "Remix"（如拍同款、接龙、续写）而非 "消费" 。这使其在概念上更接近 Roblox，而非 TikTok 。 C 端商业化仍在 "阵痛期"： 无论是订阅制（被超级用户薅秃）还是按次付费（C 端体验差），AI 行业仍未找到成熟的商业模式 。短期内，"工具收费 + 社区增值 + 激励广告" 是活下去的现实路径 。 � 行动指南 体验 "Recreation"： 下载「捏 Ta」App (TA)，尝试"再创作"的乐趣，体验新一代 AI 社区的 "随手拍" 玩法 观察 "未被污染" 的用户： 关注你身边的年轻人（如 05 后、10 后）如何使用 AI。看他们如何用豆包写小说 (34)，或用 ChatGPT 玩 SCP 设定 (35)，这些行为预示了下一代产品的方向。 拥抱 "延迟设计"： 如果你在开发 AI 应用，不要把 "慢" 只看作技术瓶颈。思考如何将其包装成功能，如异步体验、排队系统 、或激励广告位 。 研究 Sora 的 "Remix"： 不要只把 Sora 当作视频工具，去深入研究它的 "拍同款"、"接着做" 等 Remix 机制 。这是 AI 时代实现网络效应的核心。 ⏳ 时间线 [01:58 - 03:44] 胡修涵介绍「捏 Ta」的最新变化：Agent 技术和社区文化。 [05:16 - 06:04] 「捏 Ta」的核心需求：用角色来 "Remix 体验"，满足用户幻想多种身份的需求。 [07:42 - 10:17] 为什么 Agent 技术是娱乐场景的正确解法？类比当年的 Flash。 [13:09 - 15:01] AI 时代的产品设计新思路：解构问题，生成式 UI 必须和内容体验绑定。 [15:26 - 18:08] 创作者 vs 消费者？胡修涵：长期看，"更泛的创作" 将成为主流。 [18:46 - 20:27] 核心概念：什么是 "Recreation" (再创作)？比创造更大众的娱乐形式。 [22:16 - 25:13] AI 带来的新内容范式：从 "剧本中心" 转向 "角色中心" 的 "虚拟世界随手拍"。 [28:16 - 31:52] 案例：一个角色如何被 4000-6000 个 "狗仔队" 用户共创？ [31:52 - 34:35] AI 时代 IP 的组织形态：不是 AI 自动聚合，而是像 GitHub 一样的 "委员会" + "Fork/Merge" 模式。 [34:55 - 37:51] C 端 AI 产品的商业化难题：短期靠工具收费和 "打 call" 活下去。 [38:03 - 39:46] C 端 AI 体验的最大瓶颈：成本和延迟。 [40:32 - 50:02] 延迟的解法：游戏化 "延迟设计"，把 "慢" 变成一个可收费或插广告的 "Feature"。 [53:26 - 58:07] 为什么 Sora 如此重要？它代表了基于 "Remix" 网络效应的一线 C 端思考。 [58:07 - 01:05:57] 未来的交互模式：用户不是 "神"，而是 "玉帝"，AI "大臣" 负责提建议，用户只管 "盖章"。 [01:05:57 - 01:09:16] 世代差异：为什么 AI 产品是 "下一代人" 的产品？ [01:09:16 - 01:09:57] 理想主义：AI 工具是为被精英主义抛下的 "废人" 提供存在的意义。 [01:09:57 - 01:13:13] 案例：小朋友为什么能接受 "很差" 的 AI 游戏？因为没被 3A 大作 "污染"。 [01:14:04 - 01:17:42] 行业反思：行业极度缺乏 "需求侧的实验"，只在追模型技术。 [01:18:44 - 01:21:39] 还有哪些 AI 应用在年轻人中流行？（如轻度宗教、搞黄色、抄作业 App） 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：云九资本合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 BGM： 片尾：Summer Salt - Supermoon