Techub News - 香港 Web3 媒体

8 月 18 日，AWS 宣布 Amazon Bedrock AgentCore Payments 正式可用，这代表的是，AWS 开始让 AI Agent 在执行任务时可以自己付款。 过去一年，AWS 围绕 Agent 连续推出了 Runtime、Long-Term Memory、Identity、Gateway、Policy 和 Observability。它们分别在解决 Agent 如何运行、如何保留记忆、以什么身份访问外部服务、可以调用哪些工具，以及整个执行过程如何被限制和追踪。现在，Payments 补上了付款这一环。 2025 年，AWS 在纽约峰会的一次公开分享中提到： Making AWS the best place to build the world’s most useful AI agents. 也就是，让最好用的 AI Agent 建立在 AWS 之上。 AWS 想做的并不是一个最聪明的 Agent，而是一个可以承接不同模型、框架和 Agent 的基础平台。Agent 需要运行、记忆、身份和工具，也需要支付。AWS 要做的，是把这些模型之外的能力一层层补齐。 所以，我们可以带着这个目标来看 AgentCore Payments 到底在做什么。 AgentCore Payments：为 AI Agent 打通支付 简单来说，它把付款变成了 Agent 执行任务时可以调用的一项能力。 比如，一个研究 Agent 正在帮公司做市场调查。它找到了一份付费数据，或者一个按次收费的 API。过去走到这里，任务通常会停下来：人需要注册账号、绑定支付方式、购买套餐，再把 API key 配给 Agent。现在，这笔付款可以直接发生在 Agent 的任务流程里。 开发者会先为 Agent 设定一个 payment session，规定它在多长时间内可以付款、单笔最多花多少、总预算是多少，并连接 Coinbase 或 Stripe Privy 提供的钱包。 当 Agent 调用一个收费服务时，对方会返回价格和付款要求。AgentCore Payments 先检查这笔支出是否符合预先设定的权限和预算，再调用外部钱包完成付款。付款成功以后，Agent 带着支付证明重新请求服务，对方验证后交付数据或结果。 所以，AgentCore Payments 并不是给 Agent 一张可以随便刷的卡。钱仍然放在外部钱包里，预算和权限仍然由人或企业设定。AgentCore Payments 做的，是把支付判断、钱包调用和支付记录接进 Agent 的执行过程。 *图片来源：AWS AgentCore Payments GA 公告* 这张图可以从上往下看。 最上面是 Agent，以及它需要访问的收费 API、内容和数据。Agent 可以通过 AgentCore Gateway 或 Browser 找到这些服务，但只要服务要求付款，原来的任务流程就会多出一次支付判断。 中间的 Payment Manager 负责处理这次付款。左边的 Payment orchestration 连接钱包并处理支付，右边的 Payment guardrail 检查授权和支出上限。也就是说，Agent 可以提出付款请求，但不能自己决定预算，也不能绕过预先设置的限制。 再往下是实际提供资金的钱包和执行付款的协议。目前支持 Coinbase 和 Stripe Privy 钱包，以及 x402 和 MPP 两种机器支付协议。钱包负责签名和出钱，协议负责让 Agent 与收费服务用机器可以理解的方式交换价格、付款要求和支付证明。 最底下的 Identity 与 Observability 分别处理身份和记录。Identity 保管钱包连接需要的凭证，Agent 看不到原始密钥；Observability 则记录支付是否成功、花了多少、由哪个 Agent 和 payment session 发起，方便企业后续检查。 当前产品主要服务付费 API、MCP 工具和数字内容。旅行预订、实体商品购买、退款、欺诈和争议处理要复杂得多，AWS 也没有证明这些场景已经形成规模。产品正式可用，并不代表 Agent Commerce 已经成熟。 AWS 想做的，是 Agent 背后的基础平台 这样一家云公司，为什么要做 Agent 支付？ 今天做出一个 Agent demo 已经不算困难。选一个模型，写一段 system prompt，接几个工具，再加一个循环，Agent 就能搜索、推理和执行任务。 真正难的地方通常在 demo 之后出现：Agent 跑在哪里，如何保存状态和记忆，以谁的身份访问外部服务，可以调用哪些工具，哪些动作必须拒绝，任务失败后如何恢复，每次决定又如何被追踪。 这些问题不决定 Agent 在演示中是否聪明，却决定企业敢不敢让它真正行动。 AWS 对 Agent 的理解，正在从“模型加工具”转向一种完整的生产工作负载。 在传统云计算里，一个 workload 从来不只是一段应用代码。它还包括计算、存储、网络、数据库、身份、权限、监控、安全和账单。企业可以更换上层应用，但一旦这些运行关系沉入云平台，迁移就会变得困难。 Agent 也是一样。 模型负责推理，却不会自动解决隔离、状态、身份、工具接入、策略执行、审计和支付。Agent 越自治，这些模型之外的能力越重要。 AgentCore 的产品矩阵看起来很复杂，其实都围绕这些生产问题展开：Runtime 负责运行和隔离，Memory 保存状态与记忆，Identity 管理身份和凭证，Gateway 连接工具，Policy 限制 Agent 可以做什么，Observability 记录它做过什么。现在，Payments 又把预算和付款接了进来。 AgentCore Harness 又把这些能力组装到了一起。开发者定义模型、工具和指令，AWS 负责提供记忆、身份、隔离环境和运行监控。需要更多自定义时，团队仍然可以自己编写编排逻辑，但底层使用的仍是同一套 AgentCore 能力。 这正是 AWS 最熟悉的产品方法：把开发团队反复搭建的基础设施抽象出来，变成可调用、可组合、按使用量付费的云服务。 二十年前，AWS 没有发明服务器、数据库和存储需求，它只是把这些能力重新组织成云。 今天，它正在对 Agent 重做一次。 模型可以换，但 Agent 背后的系统会留下 AWS 这套战略里它并没有要求开发者只能使用自己的模型和框架。 AgentCore 支持不同的开源框架，也允许开发者使用 Amazon Bedrock 之外的模型。AWS 还在接入 MCP、A2A 和 x402 等开放协议，而不是要求所有组件都使用 AWS 的私有接口。 这看起来很开放。但对 AWS 来说，模型和框架越容易变化，它越有理由把竞争位置往下移。 今天领先的模型，半年后未必仍然领先，Agent 框架也会快速迭代。如果平台把全部价值押在一个模型或框架上，它就必须持续承担上层技术变化的风险。 但企业的身份、网络、工具目录、权限策略、运行日志、采购关系和账单不会以同样速度变化，这些能力一旦围绕 AgentCore 建立起来，就比模型更难迁移。 所以，AWS 对模型和框架保持开放，并不意味着它没有平台野心。开放接口让更多模型、工具和 Agent 进入 AWS；身份、权限、工具、日志和账单，则让企业的运行关系逐渐沉淀在 AWS。 模型可以换，但 Agent 背后的系统不会轻易更换。 从开发者入口，到企业预算和 Agent 支付 如果只有 AgentCore，AWS 仍然只是一个基础设施供应商。现在，它正在把开发、运行、分发、采购和具体应用串成一条更完整的商业路径。 Strands 是开发者入口，用开源 SDK 降低 Agent 的开发门槛。Harness 和 Runtime 承接生产运行，让简单和复杂的 Agent 都能使用同一套底层能力。 Marketplace 则把第三方 Agent、工具、MCP 服务和专业服务接入企业采购。企业可以通过已有 AWS 账户购买，统一管理许可、付款和用户访问；部分产品还能直接运行在 AgentCore Runtime，或通过 Gateway 被 Agent 调用。 这一步的重要性不只是多了一个“Agent 应用商店”。 企业采用 Agent 的阻力从来不只有技术。谁来签合同，软件能否进入已有预算，法务和安全如何审核，许可如何分配，费用如何统一结算，都会决定一个产品能不能真正卖进去。 AWS Marketplace 已经拥有这套采购网络。AgentCore 则把采购进来的工具接到运行环境和权限体系中。 于是，一条路径逐渐形成： Strands 获取开发者，Harness 与 Runtime 承接生产，AgentCore 管理身份、工具和权限，Marketplace 连接第三方供给与企业采购。 AWS 不只是为 Agent 提供服务器。它开始组织 Agent 的供给、运行环境、分发和企业预算。 Payments 又把这条路径往前推进了一步。过去，AgentCore 管理 Agent 在哪里运行、记住什么、以谁的身份调用哪些工具。现在，AWS 也开始处理 Agent 能不能花钱、一次能花多少，以及付款以后留下什么记录。 从 Agentic Payment 的角度看，支付从来不只是最后的资金结算。更难的问题是：Agent 凭什么花钱、可以付给谁、出了问题谁负责，以及整条交易能否被解释和审计。 AWS 正在把这些问题变成云平台能力。 如果未来 API、模型、数据和数字服务更多采用按次付费，AWS 管理的就不只是 Agent 的计算流和工具流，也包括一部分资金流。 AWS 已经做出了可以使用的产品，但市场是否愿意大规模采用、企业会不会把支付权限交给 Agent，以及退款和责任问题如何处理，都还没有答案。 “开放”与“锁定”可以同时发生 AWS 的产品矩阵完整，不等于开发者体验一定领先。企业是否采用 AgentCore，还取决于调试体验、成本透明度以及与现有系统的整合难度。Payments 已经可以正式使用，也不代表企业会立即把大规模支付权限交给 Agent。 另一方面，AWS 一边开放模型、框架和协议，一边让身份、权限、Memory、工具目录、日志、采购和支付逐渐沉淀在自己的平台上。开放降低了进入门槛，企业在 AWS 上建立的系统越完整，迁移成本也会越高。 这就是开放和锁定为什么可以同时发生。 云计算时代，AWS 没有决定企业最终运行什么软件，但它成为大量软件背后的计算、存储、网络、身份和安全基础设施。 Agent 时代，它正在尝试复制同一个位置：不要求自己拥有最强模型，也不要求所有 Agent 都由 AWS 开发，但希望越来越多 Agent 运行在 AWS 上，通过 AWS 连接工具，由 AWS 管理身份、权限和账单，并在预算范围内完成交易。 所以，AWS 真正下注的不是某一个 Agent 产品。 它下注的是： Agent 越自治，背后的运行、权限、成本与责任系统就越重要。 如果这个判断成立，Agentic AI 的重要赢家未必只有拥有最聪明模型的公司，也可能包括那家让不同模型、框架和 Agent 都能运行、调用工具、被企业采购，并且在授权范围内完成交易的云平台。 AWS 想占据的，就是这个位置。

“少数人向前，多数人向四面八方。” 文丨程曼祺 1996 年出生的梁琛奇是一个非典型的字节系创业者。他 2018 年本科毕业，第一份工作就在字节，做抖音。 字节习惯用数据说话，而梁琛奇更关注人的感受和体验。在抖音，他做了朋友页等社交功能。2023 年大模型热潮后，他加入 Flow，带团队做出了字节的文字互动 AI 产品 “猫箱”。猫箱原本叫话炉，梁琛奇给它改了名，他说，不喜欢 “熔炉” 那种个性被融合的意味，而 “猫箱” 指向无数平行世界的无数可能性。 市场多把猫箱和 Character.ai、星野等产品视为同类。梁琛奇会说，猫箱的核心是内容和故事；其它产品都更看重角色和人设。 他把很多强判断带到了去年夏天开始的创业中。他会一次次情绪饱满地表达他的一种 “相信”：“天才的表达存在于普通人之中。” 这是他一切生活和创业的基础信念。 “我的职业生涯从没碰过娱乐以外的事。”“你在进行一个体验时是在 enjoy time，这就是娱乐。” 当更多人投入更主流的 AI 生产力，梁琛奇对娱乐的强烈偏好吸引了 IDG、红杉和美团龙珠的投资，目前两轮累计融了数千万美元，估值约数亿美元。 “又一个融了大钱，但还没拿出决定性产品的公司。” 这是一些人的看法。梁琛奇承认，包括他们自己，现在还没有人拿出 C 端 AI 娱乐产品的版本答案。但他有自己的 bet。 他给新公司起名 “动念引线”：他相信每个人每天脑海中都有无数 “动念”，它们可能是回忆、情绪、感受或幻想，过去这些动念转瞬即逝、消散无形；而现在，AI 能引燃这些动念，把它们转化成可见的作品，用他的话说是，“绽放成独特的烟花”。 去年 9 月上线的 “松果时刻” 是动念引线的第一个尝试，这是一个多图有声漫画的生成社区。梁琛奇说，这只是一个测试，测试 “想象力” 在人群中有多普及。 梁琛奇分享了他的核心假设和方法： 能诞生新平台的新内容格式，一定是消费过程也会烧 token 的形态。否则大家还是会去老平台消费，就像短剧现在用 AI 制作，但消费仍在红果。 Coding 更强之后，公司组织也可以用 UGC 的方式做产品：1~2 人一组快速建造和测试 Demo，不行就下，行就扩张。动念引线正在开发、测试近 10 个产品。 在形态更开放的娱乐产品上，“先应用、后模型” 的胜率高于 “先模型、后应用”。 很多人寄希望于 “大模型能力再涨一截，娱乐产品自己就会涌现出来”，我认为这本质上是一种偷懒。 每当你对自己说 “等通用模型再升级一轮，这个问题自然就解决了” 时，去觉察一下内心的真实情绪——如果你隐隐松了一口气，觉得 “太好了”，这是极其危险的。一旦开始侥幸，你的胜率已经下降了。 在他的逻辑里，规模、新增、留存是重要的数据辅助，而真正关键的信号，是找到那个对的内容格式。 万物皆有 nature，我的 nature 是娱乐，是客观和主观之间 晚点：AI 热潮至今，发展最快的是生产力和效率方向，而你从猫箱，再到现在创立 “动念引线”，选的都是娱乐、内容等消费方向，为什么？ 梁琛奇：这就是我的个人 nature 了。我的职业生涯基本没碰过娱乐以外的事。 晚点：你怎么定义 “娱乐” 产品？ 梁琛奇：你在进行一个体验时不太 serious，你在 enjoy time，这就是娱乐。 晚点：你的这种 nature 是被抖音塑造的吗？这是你的第一份工作。 梁琛奇：其实我从小就喜欢主观性的创造和体验，小学中学时会写诗、写歌，有些是恶搞朋友的。作为理科生，我大学最开始学的是社科，第一年把法学原理、艺术史、文明史和管理学等都学过一遍。另一方面，我也挺擅长客观逻辑、数学和规律判断，所以大二时转系学了计算机，因为计算机更好快速验证结果以辅助自我迭代。 这样，产品经理对我就是一个很好的选择，它是主观和客观的交叉，尤其是大的 C 端产品经理：一方面，你需要理解大量人是不理性的，这世界上就是有各种各样的感性、直觉和感受在空气中飘来飘去；另一方面，你又要抽象出一个框架和一些第一性原理，让产品能以一种可预测的方式服务更多人。 而我想做的产品，就是那些让更多人开心、更有创造力，获得新体验、新感受的产品，这让我着迷。 晚点：2018 年你毕业后加入了早期的抖音团队，这是个怎样的过程？ 梁琛奇：其实我最初是被安排去做火山，但我自己特别想去抖音。HR 说，火山是正规军、资源更多，抖音是一个尝试中的项目，但我还是想去抖音。 晚点：你怎么看出抖音更有潜力的？ 梁琛奇：首先那时的认知没那么深刻。抖音我自己刷得下去，火山刷不下去。 一是抖音的产品容器有一种铺面而来要溢出来的感受，Alex（朱骏，Musical.ly 创始人，现任字节 AI 产品团队 Flow 负责人）设计了这种产品形态——全屏、上下滑——他把这比作 “窗户、桥梁和画布”，这是很诗性和天才的比喻，你真的好像是透过一个又一个充满新鲜感的窗户看到多样的世界； 二是人群，抖音的用户更年轻、内容更酷； 三是用户的表达动机不一样，抖音用户是真喜欢在这玩儿；火山更多通过 “火力值” 激励用户，火力值可以换钱。我觉得物质激励不能是第一性的动机，否则会影响后面整个社区的生态。 而且快手当时已覆盖了不少用户，火山更像另一个快手，用户没理由迁移到一个差不多的产品上。而抖音提供的体验是更独特的。 晚点：你自己提出想去抖音后，过程顺利吗？ 梁琛奇：当时是卷卷（任利锋，抖音早期产品、运营的负责人之一）和我聊的。我印象很深的是，他听到一种新体验，一个看起来不太靠谱的想法时，第一反应是 “牛逼”，他会鼓励你继续讲下去。 比如我和他讲了我大学时做的一个小产品，叫 “群图”。玩法是四五个人接力画画：我先画几笔，把它传给朋友接着画，再传下一个人……一起画一张画、完成一个故事。它带有随机性和人与人之间的互相启发，有创作，也有社交属性。 其他大部分面试官会说，这个不靠谱，别想这些有的没的，先把现有产品的渗透率做高。但卷卷不会先否定那个想法。 另一个我印象很深的点是，我当时问他，为什么现在抖音里开始出现搞笑段子和一些没那么精致的内容。这是有意识的吗？是好事还是坏事？ 他说：这绝对是好事，抖音以音乐短视频为起点，但这绝不是终点，它未来会覆盖全人群。他的那种确信程度让我有些惊讶。 晚点：为什么覆盖全人群很重要，背后是对规模的追求吗？ 梁琛奇：这是一部分。同时对我来说，“交叉” 本身就很有魅力：我相信一些表达方式和需求存在于广泛的人群中。我想找到这种东西。 晚点：为什么你认为去年是一个开始 AI 娱乐创业的时机？ 梁琛奇：娱乐内容要成立，有 3 个前置条件，它们都在去年发生了大变化。 一是成本，在移动互联时期是流量，在 AI 时代是 token 和推理成本。因为工具是 save time，娱乐是 enjoy time，使用时长可能是工具的 10 倍、20 倍，token 消耗也高一个数量级。2025 年年初的 DeepSeek-R1 之后，我看到，推理成本会更快下降，过去无法打正的 ROI 开始能打正了。 二是模态。语言能压缩大部分智能，承载工具产品的大部分价值，但娱乐追求感官体验。文字、图片、视频能服务的用户规模差出数量级。去年到现在，GPT-4o、Nano Banana、Seedance……这些图像和视频生成模型的效果过了 bar，用户真愿意看了；它们也能更好遵循用户要求，不再需要特别大量地抽卡了，这才可以 scale（规模化）。 三是用户使用习惯。在一轮大的技术变革的早期，娱乐很难承担教育用户的任务。比如智能手机，最初靠通信刚需带动换机，后来才有短视频、手游。AI 也一样，过去几年，用户更多用豆包、ChatGPT 写报告、做 PPT，学会了怎么和 AI 交互，娱乐应用才能在这套习惯上生长出来。 晚点：在字节继续做猫箱不是一个选项吗？ 梁琛奇：字节是一家非常好的公司，但如果看历史，从 0 到 1 设计出一个新的产品体验，这更多发生在创业公司。 而字节以往做偏娱乐、内容类的产品时基本都是一套东西：找到一个被初步验证的内容格式，扩大这个格式的供给；接入推荐、商业化，发现 ROI 是正的，然后疯狂投放。这是从 0.5 到 1、再到 100 的过程。 它有点像 “踩油门”：你在一个大停车场里寻找那些还不完美但有潜力的车，修补一下，踩油门，如果第一下 work，就开始猛踩。 而我自己的价值排序是：“我们能创造出一个影响很多人的新体验，并拿到最大收益”＞ “我们创造了这个体验，但最大收益被别人拿走”＞ “不做，这个世界最后根本没有发生这个新体验”。所以能从 0 到 1 做出新体验是最重要的。 做移动互联网产品是建房子，做 AI 产品是养女儿 晚点：2023 年春天，你开始在 Flow 从头做猫箱，这是 ChatGPT 和大模型热潮之后的产品。那时你看到了 AI 带来的什么新变化？ 梁琛奇：我当时画了一个坐标，看过去娱乐里什么东西比较大？轴上最左边是最被动的内容，也就是短视频，最右边是特别主动的内容，比如 3A 游戏。 然后我想，什么是 AI Native 的体验？就是有大模型才成立的新体验。答案很明显：用户在系统里做无限集的输入，不管是文字、图片还是动作，系统接收后，给你一个特别长尾、定制化的反馈。 把这种体验跟内容坐标轴交叉，就会指向互动内容。猫箱这种文字互动形态可能就是第一阶段的版本答案。 晚点：你不是因为看到 Character.ai、Glow 才开始做猫箱的？ 梁琛奇：我最开始都不知道 Character.ai，后来 Alex 转给我，说你看一下这个产品。当时很多这类产品都更偏 AI 角色，但我相信它是一种内容。 晚点：角色和内容的区别是什么？ 梁琛奇：角色的核心是人设，内容的核心是故事。所以很早时，猫箱就自己在训故事模型。 另外，用户对内容的需求是无限的，你互动完一个想体验下一个；而角色，用户会在一段时间里和他强绑定，最后变成朋友。 晚点：强绑定不好吗？往角色方向做有什么问题呢？ 梁琛奇：技术上，AI 要真的模拟一个真人还是差太多了。以及当时那批产品都有明显问题：大量新用户来了之后，不知道跟 AI 聊什么，且比较容易走向荷尔蒙。 但如果把它当做内容，很容易想到解法：第一，不要让用户只跟一个人互动，而是一群人，绝大多数好故事都不是独角戏；第二，把这群人放进一个故事情境，比如你们在火山口，火山马上爆发了，怎么解决危机？它有点像参加一场沉浸式话剧或玩一次剧本杀。 一方面用户知道可以自由地表达，和故事里各种角色互动；一方面他也不担心接下来会无聊，因为有一个暗藏的故事线、目标和玩法。 这也是内容相对于角色的好处，它更泛化。我们第一天就没有把猫箱定义为一个恋爱或乙游类产品。最后的用例分布也确实如此，至少我离开时，非爱情占比超过一半，有冒险、奇幻、历史、大女主，各种内容都有。 猫箱的交互界面，每下滑一次，进入一个新的故事情境。 晚点：你在猫箱上的尝试和认知，能多大程度迁移到其它 AI 娱乐产品上？我知道你现在创业试了不止一个产品形态。 梁琛奇：这个问题本质是 AI 到底对娱乐有什么机会？猫箱只是形态之一。 在供给端有两个脉络。一是延续 AI 之前内容变化的历史：这包括模态从文字、图片、视频到 3D 的不断丰富；也包括供给的持续扩大和碎片化，从电影到电视机、再到 AI 竖屏短剧，创作门槛越来越低、创作者越来越多、作品越来越多。主动式内容比如游戏也一样：从 3A 游戏，到后来一堆人在 Roblox 做 UGC 游戏，供给更多了，AI 还会让它更容易。 所以未来一定会有大量有天赋，但过去不是创作者的人开始创作。他们创造的不仅是视频，不仅是游戏，可能是新的内容格式。 另一个脉络是，一些以前被人的带宽和速度卡住，不能 scale 的东西，因为 AI 可以 scale 了。什么意思呢？我最开始看到 ChatGPT 的第一反应，是和他玩了很久的海龟汤。那时我就发现，大模型其实可以承担类似过去剧本杀中的主持人，或某些游戏中的控场的角色。比如在猫箱这种形态中，AI 就是用户和故事互动过程中的那个导演。 晚点：消费端的变化呢？ 梁琛奇：消费端的关键是，你必须提供一种过去不存在的新体验，找到一种新的内容格式。 如果 AI 只是让原来的内容更容易生产，它最后还是会长在既有平台上。比如 AI 可以让更多人生产短剧，但只要它还是短剧，用户就会去红果看。而一种新的内容格式，因为它过去不存在，也就没有一个既有平台围绕它来设计产品容器、交互和整个体验。 这种新体验，从用户角度，本质是一种超度拟合、无限分支的内容。过去产品经理设计 100 个按钮，就对应 100 个功能，没有定义的东西就不会发生。AI 出现后，计算机变成了无限集，所有非格式化的东西都能输入，模型会给你一个定制化的反馈。这种无限集带来的长尾体验才会让你觉得自己真是自由的，正在体验的世界真是真实的，然后产生更强的情感联系。 这种体验也带来了推荐系统之后，下一个内容和人的匹配方式。比如我的需求是想看一个圆，推荐系统会找很多 “圆”，从中挑出一个和你心中最接近的圆，但这还只是逼近，而 AI，第一次有机会直接给你那个圆。 晚点：你觉得有多少用户真的需要找到心中的圆？很多人只是无意识地在消费内容。 梁琛奇：用户其实心中有圆。最简单的，推荐系统准和不准，数据差别很大，推得准，用户就是刷得爽，留存就会涨。用户未必能描述出来他想要什么，但潜意识里他知道。 但这里我有一个和市场上其他人不太一样的观点：我不认为最后内容供给会全部被 AI 接管。好的内容要同时有 familiar 和 strange。Familiar 是熟悉感，让你共情；strange 是惊喜，是你没有预料的东西。 比如在做猫箱时，我们虽然自己训故事模型，但原始的故事母题、人设、世界观还是人创作的，AI 的作用，是让同一个剧本能根据每个用户衍生出个性化的反馈。 AI 适合做 familiar，因为它足够了解你。但 strange 来自多样性，多样性最后还是来自人。 晚点：从抖音、猫箱，再到动念引线，你认为做移动互联网的娱乐产品和做 AI 娱乐产品的核心区别是什么？ 梁琛奇：在移动互联网做产品像 “建房子”—— Alex 有过类似的 “建筑” 比喻。本质上，它是一个由 if-else 和与非门构成的 “有限集”，每一砖一瓦、每条路径你都要定义，不定义就不会发生。 而做 AI 产品我觉得像 “养一个两岁的女儿”。你不可能教她：“如果你 39 岁坐公交车，突然有人脱下高跟鞋朝你头上砸过来，你该怎么办。” 这太荒唐了，因为现实的输入是无限的。 你只能教她世界观、做人的 principle（准则），给一些 SFT（监督微调）范例，设定目标让她自己去 RL（强化学习）。直到她 18 岁在舞台上演了一场话剧，深深打动了你——你惊叹她演得这么好，但转念一想她本该如此，因为在这个框架下，这个 moment 终究会出现。 做 AI 产品也一样：你无法预知具体输入会产生什么，但结果一旦出现，既出乎意料，又在情理之中。 另外，AI 产品要更早考虑商业化，因为它在使用时就有算力成本。 晚点：怎么慢慢建立这种认知的？ 梁琛奇：猫箱上线一个月的时候，我们发现用户 90% 的反馈都在吐槽模型：“这个角色怎么忽冷忽热”“他说话气死我了”。 这些反馈极其长尾、无限分支。你不可能按过去那种习惯去一个个修，只能靠模型能力的整体提升，而我们又很难要求 Seed 主线模型来针对一个个不同应用改模型。 所以猫箱从那个节点就开始自己训故事模型，后来也负责角色模型。我后来创业也是第一天就开始搭模型团队。 也正因为我们做的是支持娱乐、内容的模型，它和模型厂商的主线是正交的，有 3 个独特的壁垒或者说机会： 一是数据少。新体验在世界上过去不存在，公开市场没有现成数据，不做体验的公司没见过就学不到。 二是它极度主观。数学、编程等对错分明的任务很容易用 RL 提升；但在娱乐场景，输出没有绝对对错，用户开心就是对，而开心极其主观——上海 18 岁女生和东北 49 岁大哥的感受完全不同，这必须依赖真实业务场景中的用户反馈去建 Reward Model（激励模型）。 三是把主观设计做进模型。就像当年短视频的全屏上下滑，很多 C 端产品的关键设计不是纯理性推导出来的，而是带着主观审美。在 AI 时代，你可以把成百上千个主观判断作为隐性 feature 做进模型和 Agent 里，这些主观倾向没有标准答案，对手很难直接 copy。 当时市场流行 “应用公司做应用，模型公司做模型”。但从第一天起我就认为，我们必须靠自研模型来建立与主模型正交的壁垒。 如果一种娱乐体验不烧 Token，它大概率不是创业公司的机会 晚点：你去年夏天正式创业后，很快在同年 9 月推出第一个产品 “松果时刻”。玩法是，给它一组照片加文字描述，让它给你扩展成一个小故事，生成一组多图漫画，它会带有配音、配乐和一些简单的动画，甚至也可以生成带交互的轻互动故事。比如我就刷到了一个给猫梳毛的作品。为什么是这个形态？它的 PMF 是什么？ 梁琛奇：我自己对它的预期不是一定要有 PMF，而是我想看看，如果丢给大家一个 “想象力的摄像头” 后，会发生什么？我想验证想象力在人群中的普适程度。 一位用户在给病人打点滴时发现，输液管被折成了一只蝴蝶。她在 “松果时刻” 用这个瞬间制作了一个温馨的漫画故事。 晚点：为什么？ 梁琛奇：在我去年开始创业的那个节点，我认为猫箱已经被证明，它是大模型热潮后的第一个 AI 娱乐产品的版本答案。就是你在同期找不到一个 DAU 比它更大、ROI 比它更划算的产品形态。但它基本停在大几百万 DAU 后就更难继续泛化了。我也不认为把模态往上升，在文字之后做视频就是答案。 因为这里有一个矛盾：互动内容对想象力要求非常高，而大部分用户没有那么多想象力。 但大家真的是没有想象力吗？其实人常常是童年和少年时想象力旺盛，成年之后逐渐衰减。重要原因之一是，大部分人缺少足够的技能来向外界传达想象力。比如他可能不是一个故事高手，不会做动画，不会剪视频。 所以当无法直接看到下一个版本答案的形态时，我想先找一种方式来测试更广义的想象力，先提供一个极低门槛的工具：只要是你脑子里的画面，不管是记忆、判断，还是幻想，都能简单地表达出来。然后去观察不同背景、不同 taste 的人会拿它来表达什么。 我坚信世界上有非常多的天才，而且他们广泛分布在最普通的群体里。我想让那些原本被压抑的表达先释放出来。 晚点：为什么你认为漫画是最合适的想象力摄像头，而不是真实风格的照片或 AI 视频？ 梁琛奇：你说了两个维度，一是风格上漫画还是写实；二是模态上是图片还是视频。 在风格上，你看为什么先有 AI 漫剧，再有 AI 真人剧？这和《三体》里的一段描述很像：一张云的照片和一幅《清明上河图》，哪个数据量更大？答案是天边的云。因为现实世界太真实了，云的边缘放大一千万倍依然有分子原子细节，而《清明上河图》是被艺术化压缩过的。 漫画也是把极复杂的人脸和环境压缩成了几笔线条。在相同的模型智能下，处理更少信息的内容形式更容易先成熟，用户也不会觉得有怪异的 “AI 感”。 模态上不做视频，核心是成本与 UGC 逻辑。我相信的是，天才存在于最广泛的普通人里，这就要求内容形式要简单。而且视频在今天太贵了。文字互动类产品每天 200 到 300 轮交互，文字成本才刚打正；如果直接跳到一个更高的模态做高频生成，算力成本根本撑不住。当一个东西特别贵、生成还要等，它就必然走向服务少数人的 PGC（专业生产者制作的内容） 和 OGC（组织生产的内容）。 所以当时，最适合作为第一代 “想象力摄像头” 的，一定是能把普通人脑中的信息和画面以最低门槛、最低成本映射出来的格式。 晚点：会有很多人需要每天制作漫画，这需求有多大？ 梁琛奇：这里分两部分：一是能不能做，二是到底有多高频。 “能不能做” 在 Sora 那类产品里已经卡掉了大部分人，因为凭空想象太难了；但如果只是讲讲昨天发生了什么，每个人都讲得出来。 至于 “是不是高频”，目前松果时刻的体验肯定还没到让所有人都高频的阶段。但一部分人已经能高频用起来，核心在于人日常的表达是有 “时间厚度” 的，松果时刻给这类过去难以记录的生活叙事提供了一个容器： 一张照片只是个单薄的切片；但人经历的是这张照片前后的有前后因果的故事——比如骑车弄湿了裤子，或老人回忆年轻时的某个瞬间。让一个大街上骑共享单车的大哥构想一个架空世界的想象力故事很难，让他讲讲脑子里有什么画面、他昨天骑车上班的时候发生了啥很简单。 晚点：松果时刻真的上线后，你们看到了什么？验证了什么？ 梁琛奇：首先是门槛确实足够低，人群极其泛化。其实我们是主推年轻群体的，但你能看到一个准备出家的和尚进来讲他为什么出家；也能看到跳广场舞的奶奶记录自己的日常，顺便畅想她一岁的孙子长大后会做什么工作。 高频的用例，一是我刚刚讲的有时间厚度的生活记录，二是情绪的通感表达，三是二次元、同人和二创，四是站外做号的人，做固定 IP 段子或者做小说推文引流。 晚点：第四种用例里，它其实又变成一个创作工具了，这是你们想要的吗？ 梁琛奇：不是。所以我们不做主动引入。因为纯工具对站内内容生态没有帮助：他们做完就发到抖音、小红书了。而且这类内容目的性也太强、太泛。一个产品早期要想做成消费社区，绝不可能一开始就做一千种很泛的内容，必须先在特定的人群和品类里收浓。 晚点：有了这些观察后，接下来你们会做什么？ 梁琛奇：接下来我们在做的事，不一定都在松果时刻这个产品里。 第一件最核心的事，是让消费端也实时烧 Token。这非常关键。如果 AI 只是让原来内容的生产变得更便宜，用户最终还是会去老平台上消费；只有在消费过程中必须实时消耗算力的 AI Native 新体验，才有可能长出一个独立的新平台。 另外烧 token 也是有第一性原理的，过去三年版本答案是类猫箱产品，烧文字 token。未来三年版本答案大概率两种，一种是烧更高的模态，比如图片视频，大概率是按顺序解锁；一种是烧更高级的文字，比如 coding 就是一种更高级的文字，有机会构建一种用户边玩、AI 边现场 coding 后续玩法的体验。 晚点：怎么控制成本？ 梁琛奇：本质就是降成本和涨收入。 降成本上，我们已经自研了生图模型，也正在做语言模型，把成本降到了比较低。而且在当前阶段我们不主做视频，而是 “一帧一帧实时生图”——就像看漫画一样，上一帧鸣人刚聚起螺旋丸，下一帧就打到了佐助头上，让生成速度跟上用户的消费节奏。 涨收入上，只要产品有 PMF、能占住时长，商业化是顺理成章的——广告、会员，或者带有互动和类游戏属性的道具与玩法付费。当单次推理成本降到某个临界值以下，它就回归了移动互联网的商业模型，不需要再担心 DAU 增长会把公司烧穿。 晚点：第一件事是让体验过程本身烧 token，还有呢？ 梁琛奇：第二是在松果时刻里把人群收浓、内容拉长。 特定圈层的冷启动难度远低于泛人群。而且在模型成本降到极低之前，把内容拉长、偏向更优质内容是更划算的，能撑起社区早期的内容密度。松果时刻的一些产品形态现在也正在面向二次元人群收浓。 第三是让用户每天输入的碎片信息都能生成非常好的表达，用户超爽，他就会每天都做这件事。这需要让用户的输入足够少和简单，否则门槛太高，但这个输入又必须对最终作品起决定性作用，不能 99% 都是 AI 脑补的套话，那就失去了人的表达特质。同时，输入的动作很轻，但产出给用户的反馈必须足够 impressive，要比现在的多图漫画更具可玩性。 我认为它最后会达到一种 “涌现式创作” 的状态。过去的创作者追求对每一个字、每一格分镜绝对控制；而未来的 AI Native 创作者，善于利用 AI 的大脑——他们只定义核心设定与框架，把大比例的细节交给 AI 填充，自己只把控最终呈现。 晚点：如果 OpenAI 重拾 Sora 这条线的探索，核心模型厂商也来更多关注 AI 娱乐产品，你们怎么竞争？ 梁琛奇：首先他们的注意力不在这。退一步讲，就算他们来做，娱乐产品也有通用大模型厂商很难跨越的四层壁垒： 第一层是交互设计。工具追求效率，交互越简单越好；但娱乐追求参与感。即使在极其被动的短视频里，“点赞” 和 “上下滑” 也是非常伟大的交互——点赞映射了现实中的鼓掌，满足了人想参与其中、与创作者建立连接的本能。娱乐产品必须围绕这种心理去设计专属的交互容器，这不是一个通用的对话框或 API 就能解决的。 第二层是用户心智。你打开飞书、Claude Code、Codex 时，是工作心智，自带严肃感；而娱乐需要完全不同的心理场域。就像支付宝里也可以刷短视频，但大家看短视频依然只去抖音，看生活经验依然只去小红书。 第三层就是前面聊到过的，针对娱乐应用自己训模型的壁垒，大模型厂商不可能为了某一种特定的娱乐偏好去牺牲主模型的通用性。而我们可以把成百上千个主观的审美判断——比如何时该展开、何时该少废话、何时用蒙太奇——作为隐性 feature 训进模型和 Agent 里。 等通用模型真能全部做到这些还做得足够便宜时，领先的娱乐产品早就靠时间差建立了内容生态和壁垒了。 晚点：这种壁垒仍是一个内容创作-消费的双边网络效应？ 梁琛奇：这是其中一种。AI 时代还会产生两个全新的网络效应：一是 Context 深度。就像 ChatGPT 越用越懂你一样，你在一个产品里沉淀的喜好和上下文越多，迁移成本就越高——这是你与过去的自己之间的连接。 另一个是不同用户的 Context 的交叉。移动互联网时代的视频无法被结构化，所谓的 “合拍” 只是把两个视频物理拼在屏幕左右；但在 AI 时代，每个视频、图片、角色背后都是结构化的 Context 和 Prompt。人和人、内容和内容可以通过语义的重组实现真正的 Mix（融合共创）。 当这种交叉变得极高频时，就会产生一种过去不存在的人与内容交织的新型网络。 最后一层壁垒是人才密度。面对一片白茫茫的未知，需要既懂理性推导，又有极强主观审美的人快速去碰撞、验证和证伪。 但坦白说，我本来也不太关心 “怎么跟大厂竞争、会不会被吃掉”。创业公司最重要的不是盯着竞争，而是先做出一个真正能影响人、带来新体验的产品。 晚点：你觉得留给你们做出这个新体验的时间还有多久？ 梁琛奇：它的雏形在 1 到 2 年内就会出现。雏形意味着有了一个可规模化的基础。 晚点：产品出现什么指标和信号时，意味着雏形可能快来了？ 梁琛奇：一是体验上同时满足四个听上去很矛盾的特质：新颖、长期、高频、不厌倦。现在很多产品只是新颖，但容易快速厌倦，高频也可能带来厌倦。只有同时具备这 4 个特质，才是一个成立的娱乐形态。 它反映在量化指标上，就是留存和频次。基线至少是 40-20-10——次日留存 40%、7 日留存 20%、30 日留存 10%。这才更有机会去算正 ROI 并规模化增长。 晚点：松果时刻的留存到了这个水平吗？ 梁琛奇：某些用例的 7 日留存已经超过 20%。 晚点：还有哪些信号？ 梁琛奇：第二是具备覆盖全人群的泛化潜力。第一天它可能只装了特定圈层的内容，就像早期抖音装的是年轻人的潮酷音乐和运镜，但你必须能推导出来，它未来是可以装进新闻、生活和家长里短，连父母一辈也能用起来。 最后是，体验能随着用户规模的扩大而逐步变好。它不仅是传统的供给规模效应，还包括 AI 特有的 Context 深度与交叉——用得越久系统越懂你；用户越多，不同人的 Context 交叉出的新内容就越丰富。只有具备这种飞轮，产品在增长过程中才会有持续的斜率，越往后跑壁垒越深。 晚点：你现在觉得，有潜力的下一个版本答案是什么？ 梁琛奇：在更高模态下、消费端实时消耗算力，且兼具内容与轻游戏属性的新形态。 晚点：如果现在不好具体描述它是什么，那它不是什么？ 梁琛奇：各种漫剧、短剧之类的肯定不是，那是老平台的东西。 晚点：互动内容是吗？ 梁琛奇：这个词太大了，比如我认为只线性地把文字模态升维成可互动的视频或 3D 是不够的，纯靠模态堆砌解决不了长期的娱乐动力。 晚点：AI 男友、AI 女友呢？ 梁琛奇：技术更成熟后它一定会有价值，但我们明确不做。 晚点：所以你们押注的依然是表达与社交，似乎也混了一点轻游戏？ 梁琛奇：对。我认为潜在的游戏人群是现有核心玩家的 10 倍。 就像黄峥说拼多多是 “五环外的迪士尼”——五线城市的大妈玩 “砍一刀”，其实就获得了一种从未体验过的社交游戏快乐；或者你在抖音直播间里输入 1 加入魏国、刷个礼物打仗，这也是低门槛的游戏。 游戏的本质很简单：用户在一个系统里参与了某种交互，并因为这个参与获得了正向反馈。这是全人类最普适的心理需求。只要门槛足够低、供给足够丰富，它就会像当年的短视频一样渗透进全人群。 少数人向前，多数人向四面八方 晚点：你前面描述的推演环环相扣。实际在过去一年多的创业过程中，你经历了哪些波折或误判？ 梁琛奇：最大的一个误判，是低估了 AI Coding 的进化速度，导致早期招人太激进。两三个月里，团队一下子从 30 人膨胀到了七八十人。 晚点：那是什么时候？为什么当时觉得需要快速扩张？ 梁琛奇：那是 Sora 刚出来时，它声量太大了。虽然我理性上 98% 确信它不是最终答案，第二天就在群里发了分析；但在那种极其狂热的市场情绪下，我依然有 5% 到 10% 的担心——万一它真的在短期内引爆了资源和资本的超速投入呢？在那种焦虑下，我觉得必须赶紧把队伍拉起来，动作就变形了。 晚点：既然你觉得 Sora 不是答案，为什么靠加速投入会改变 “它不是” 的这个本质了？ 梁琛奇：因为当全行业都觉得它是答案时，海量的资本、算力和人才都会涌进 AI 娱乐方向。试错和迭代速度会被强行拉快。不过回头看，是我 over thinking（想多了），但当时确实比较焦虑。 晚点：Over thinking 的代价是什么？ 梁琛奇：阶段性的组织冗余和文化稀释。如果当时准确预判了 AI Coding 的爆发速度，很多工作靠 AI 就能搞定，我完全可以把招聘节奏放得更从容。从人员数量来看，要做这么多方向确实需要优秀的人才，但节奏绝不应该是在一个月内翻倍。这是我交的一笔学费。 晚点：你们现在实际上同时在开发多少产品？ 梁琛奇：目前在开发的有七八个。累计算下来，有明确概念和 Demo 的其实已经试了十几个，有些跑不通的已经关掉了。 晚点：这很字节。 梁琛奇：逻辑不一样。字节当年是第一天就自上而下画满坐标轴——格式、时长、题材，然后去铺矩阵；我们是先通过松果时刻这个 “摄像头” 去收集信号，看到趋势后再分化出产品。 更本质的区别是：我们不是做 PGC 的 App 工厂，而是建立了一个平行的 “UGC 组织”，UGC 是指像个人那样去开发产品。 这很像当年计算机用暴力遍历法解数学证明——当技术变化，做事的范式必须变。过去创业公司必须 focus 在一件事上，是因为验证一次要花半年，胜率可能只有 20%；但在娱乐这个需要构建新体验的领域，没有任何人能断言哪种形态是版本答案。如果你挑选出几十个高潜力的可能性快速遍历，找到答案的概率就会成倍提升。 所以在我们这个组织里，有一个平行的 “UGC” 团队：他们按 1 到 2 个人组队，既懂产品又懂 vibe coding，依托公司统一的架构中台，面向一个需求池，以两周到一个月的极快节奏做 Demo，推向市场看真实信号，不行就迅速关掉看下一个，有正向反馈就加注资源。 晚点：你这次创业做到什么时候时，觉得应该建立这种 UGC 的产品生产方式？ 梁琛奇：两三个月前。当时有两个信号：一是 AI Coding 跨过了关键边界；二是松果时刻让我们看清了真实的需求趋势。 晚点：你现在对你们试的速度和范围满意吗？ 梁琛奇：数量上肯定还没达标。如果说传统 PGC 模式一年做十个产品，UGC 模式在量级上应该到 100 个。如果有 20 个人的组织，1 到 2 个人一组，一个月就能测试 15 个产品。 现在的瓶颈主要是人。我们需要一种既有敏锐产品 sense、懂业务，又能自己做 vibe coding 的复合人才。我现在最想做的也是招人。 晚点：除了组织上的这个变化，创业以来还有什么其他调整吗？ 梁琛奇：一个很反直觉的体会是：在字节做业务的 Review 压力，其实比出来创业大得多。 在字节，哪怕立项给了一年的预算，任何一个双周或季度的 Review 都可能判定业务不及预期、直接关停，那种生死的紧迫感极其高频；但出来创业后，账上有融到的钱，半年到一年的节奏完全由自己定，外部压力反而变小了。 然后有一次定季度计划时，一位很了解我的同事突然对我说：“感觉你最近状态有点轻松，甚至有点开心。” 我当时立刻警惕起来。我不相信在完全随性的环境里能诞生最好的创新。高频的压力反而会刺激大脑产生很多极具创造力的解法。 晚点：那会儿是什么阶段？为什么你一度心态轻松？ 梁琛奇：去年底到今年 1 月前后。当时松果时刻上线后，看到很多普通用户自发地用它来记录生活，我一度产生了 wishful thinking：是不是不用费劲去收浓人群，也不用在消费端死磕烧 Token，仅靠泛人群的生活记录就能做大规模？ 这个路径太有诱惑力了：第一不用高频消耗算力；第二可以避开先在一个垂类圈层做冷启动、再慢慢泛化的苦活。当时那种过度自信让我觉得一切都太顺了。 晚点：后来发生了什么让你意识到停留在这个形态还是不行？是因为日活上不去吗？ 梁琛奇：不是，其实我们也可以投起来，但是没想投。核心是两件事： 第一，这批生活记录的用户只生产、不消费，他们自己不刷信息流；而如果信息流里全放这种陌生人的生活琐事，其他人更不想看——这跟我有什么关系？所以它缺乏真正的消费信号。第二，团队里来了一位之前跟我合作很久、理性务实的同学。他来了一顿测算和严密的推导，指出了很多问题。 我其实是一个很擅长讲故事、用愿景去感染别人的人。这有利有弊：好处是能让大家有长久的信念，弊端是容易让大家过度沉浸在愿景里。所以团队里必须有极度客观的人跳出来，随时把大家从故事拉回现实。 晚点：现在有什么模糊的、你没有完全想清楚，但又认为很重要的问题吗？ 梁琛奇：核心是对外部技术发展节奏的判断。坦白说，很多全新体验的解锁，完全依赖于底层模型能力的跃迁。但这个节奏受算力供给、模型范式迭代，甚至宏观周期等不可抗力的影响，踏错技术周期的风险极大。 更深一层的模糊是关于路径的选择——到底是 “先搞模型再找产品”，还是 “先试体验再去造模型”？ 现在市面上很多 AI 团队走的是前一条路：先投入巨大资源攻坚多模态或 3D 基础模型，赌未来某个时间点技术突破后，自然能线性推导出一款杀手级产品。就是先造锤子，再找钉子。这包含了双重的脆弱假设：既假设技术能如期成熟，又假设成熟后构想的场景一定成立。 我们选了后一条路：用现有的成熟模型和 Agent 架构进行排列组合，先在前端高频测试极其具体的 “钉子”。哪怕当前体验还很粗糙，但只要验证了用户对这种新体验有强烈的正反馈，我们就能利用特有的数据，针对性地训模型。也就是先找到了好的钉子，再定制锤子。 晚点：你觉得字节当年能成功是哪一种，先应用、后技术，还是反过来？ 梁琛奇：我真研究过这个问题。字节不是先发明了一套世界顶级的推荐算法才去做产品，而是先做出了搞笑囧途、内涵段子，把今日头条的早期版本跑通了，验证了大众对这种信息聚合形态的需求，才针对场景去提升推荐系统。Instagram、Musical.ly、Snapchat 最初也都是先做出了极有灵性的体验，比如滤镜、阅后即焚，再完善底层工程与技术。 很多人寄希望于 “只要大模型能力再涨一截，娱乐产品自己就会涌现出来”，我认为这本质上是一种偷懒。一个极准的心理测试是：每当你对自己说，“等通用模型再升级一轮，这个问题自然就解决了” 时，去觉察一下内心的真实情绪——如果你隐隐松了一口气，觉得 “太好了”，那这是极其危险的。一旦开始侥幸，你的胜率已经下降了。 晚点：现在一种观点是，未来数年里，工作和生产力都会是 AI 的主线，内容与娱乐应用再也回不到移动互联网时代的核心位置了。你怎么看？ 梁琛奇：占比会下降，绝对增量依然庞大。 移动互联网本质是做连接，吃的是各行业 10% 的中介价值；AI 则在直接重塑剩下 90% 的生产力本身，所以生产力大盘的增速会远快于娱乐。但当 AI 最终接管了大部分工作，绝大多数人会获得海量的闲暇时间，这是绝对意义上的巨大增量。 晚点：大家也可以继续刷抖音。 梁琛奇：人不能连续被动地刷 700 天短视频，那会产生巨大的虚无感。 人需要 “找意义”。而意义的来源必须满足两点：第一，你深度参与并获得了正向反馈；第二，这件事不能轻易被 AI 替代。 最难被 AI 替代的，恰恰是数据极少、主观性极强、带有个人起心动念与情感加成的 “主观表达与泛创作”。我相信未来，大量的人都需要在这个数字 playground（游乐场）里做泛创造，用创造锚定自我价值。 晚点：那这种寻找意义的创作，还会在线上发生吗？会不会 AI 强到一定程度，大部分人反而回归线下生活了？ 梁琛奇：我认为相当比例还是会在线上，因为线上有两个核心杠杆，网络分发和 AI 创造——它能让现实里很多默默无闻、但极具天赋的人成为超级创作者。 对个人而言，这能帮大家找到意义，让人快乐，快乐本身就是个体的终极意义。 而对整个人类群体，它也有两个很底层的价值：第一，推动人类文明发展的天才，是从人口基数里按概率涌现的。所以人口基数越健康，天才绝对数量越多。而人类只有觉得生活有意义、开心，整个种群才能维持在一个良性规模上。 第二，SpaceX 上市时，马斯克说它的使命是 “把科幻小说里的 ‘科幻’ 拿掉”。那反过来，必须先有人写出那本科幻小说，被马斯克看到，而且深刻启发了他。正是那些文学、艺术与虚构创作，在无数人脑海里种下了走向星际文明或其他追求的种子。激发更多有创造力的人去构建作品，这些作品就会去启迪下一批推动文明前进的人。 所以未来，是少数人向前，继续推进文明前进；大部分人向四面八方，“主观表达与泛创作” 会成为一种主流的娱乐方式。 晚点：那你是哪一种？向前，还是向四面八方？ 梁琛奇：对我而言这是一件事，在我们公司的愿景语境里，四面八方都是前方。 题图来源：《搏击俱乐部》 - FIN -

撰文：Alma Li，Techub News 导语： 从交易所 Listing Team 的项目发现、尽调研究到资产上线，Jack 经历过一套服务于平台业务的多维资产评估流程。如今作为独立投资研究者，他尝试将这种“网状思维”迁移至美股、数字资产、宏观与跨资产研究，并用 AI 搭建一套可持续更新、可交叉验证、可复盘的个人投研工作流。在他看来，AI 真正带来的不是“认知平权”，而是知识获取的平权；最终定义问题、判断证据和承担风险的，仍然是人。 在众多“AI+投研”的叙事里，最容易出现的画面，是用户输入一段提示词，系统迅速给出“买入”或“卖出”的结论。Jack 对这种想象保持距离。 核心观点： “真实的投研不是一个按钮，而是一套系统化的研究工程。” AI 的价值不在于替人拍板，而在于把原本分散、重复、难以留痕的研究动作，连接成一个可验证、可更新、可复盘的过程。 从 2021 年进入加密行业，到参与项目发现、尽调、商务沟通与资产上线的完整流程，交易所经历让他形成了一种多因子、动态的研究习惯。离开机构视角、开始以个人资金面对市场后，问题变成了另一种形式：资产覆盖更广，信息却更割裂。 于是，他开始为自己搭建一套 AI 原生投研基础设施。它服务的不是一个自动化交易承诺，而是一个更基础的问题：当研究者面对一条市场主线、一个资产或一个突发信号时，如何更快地形成完整逻辑，又不把判断力交给黑箱。 从项目上币到个人投资：研究目标变了，底层思维没有变 TECHUB NEWS：在交易所 Listing Team 的经历，给你今天做独立投研留下了什么？ Jack：当时做 Listing，不是只看一个项目质量好不好、融资额有多少，或者赛道增速快不快。站在交易所的业务场景里，要同时看项目本身、真实用户与市场需求、能否带来新增用户和交易、有没有持续的流动性和资产沉淀，以及它和平台战略、用户风险之间是否匹配。 最终的判断是动态的：它是否适合在这个时间节点上线。研究的对象看似是项目，实际服务的是平台的业务目标。 当研究身份从交易所转向个人投资者，目标随之变化：不是判断一个项目是否适合平台上币，而是判断一个资产是否值得配置、为什么值得配置、在什么条件下又不值得配置。 但 Jack 认为，两者的底层思路是一脉相承的。“价值和价格是两件事。”他说，研究一家公司或一个行业，不能只证明它“好”，还要同时放进基本面、预期、估值、价格、催化剂和市场环境里理解。真正有效的研究，应是一种网状思维，而非从单点信息推导出线性结论。 个人投研的痛点：信息不缺，决策过程却被切碎 TECHUB NEWS：从机构研究转向个人研究后，最大的挑战是什么？ Jack：资产越来越丰富，研究和决策反而变得更复杂。今天的交易平台能提供数字资产、美股、黄金等大量标的，但从“看到一个资产”到“形成投资判断”的过程，往往是割裂的。你要离开交易界面，去看行情、新闻、社交媒体、产业数据和公司信息，再把这些碎片重新拼回自己的逻辑。 在他看来，个人研究者真正消耗的，往往不是缺少观点，而是跨平台搜集、比对和更新信息所产生的决策摩擦。AI 投研系统的出发点，正是降低这种摩擦，把“发现机会—理解资产—验证逻辑—持续跟踪”连成一个工作流。 这套工作流首先要发现市场正在交易的主线：资金、产业趋势、基本面、价格和事件，是否共同指向某一方向；主线确定后，再理解具体资产为什么可能受益，其商业逻辑、项目逻辑和传导路径是什么；之后用独立数据补全证据链；最后将判断放进持续跟踪与复盘，而不是在一次输出后结束。 “它来自真实的研究工作流，不是为了展示 AI 而拼出来的流程。”Jack 说。 AI 不是买卖按钮，而是可复现的研究助理 TECHUB NEWS：能否用一个案例说明，系统如何在真实研究中发挥作用？ Jack：以 AI 和半导体主线为例，长期来看，它们仍可能是未来多年重要的产业方向；但这不意味着任何时候都应该无差别地追高。 他在访谈中回顾，以 AI 和半导体为例，长期产业逻辑依然很强，但长期看好并不意味着每一个时间点都适合配置。7 月和 8 月期间，半导体板块出现了比较明显的回撤和分化。系统识别到的变化，并不是简单地认为“AI 或半导体主线失效”，而是市场开始从此前相对广泛的上涨进入更明显的内部轮动和主线迁移。一方面，半导体内部不同细分方向和公司的表现开始明显分化；另一方面，医药、能源等方向在价格、资金和相对强弱上逐渐得到更多确认。公司和产业长期好不好，是一个问题；市场现在真正交易什么，是另外一个问题。 在 Jack 看来，关键不在于事后为行情编写解释，而在于这些信号在当时是否能够被稳定识别，并对接下来一至三个月提供有价值的判断。这样的模块也必须在持续实践中被修正和迭代。 这正是他为 AI 划定的角色边界：研究者负责定义问题、设计框架、沉淀行业 Know-how，并决定哪些信号值得被纳入系统；AI 负责按照这些定义执行信息处理、逻辑验证和持续更新。AI 可以扩大人的覆盖面、固定研究过程、保留当时可获得的数据与判断依据，但不能替代人承担投资决策。 “我现在更愿意把它定义为助理。”他说，“它让投研过程可以复现：不仅能看今天得到了什么结论，也能回看在当时的信息条件下，系统为什么会形成这样的推断。” 数据分层：先定义证据质量，再让 AI 推理 TECHUB NEWS：AI 系统如何避免被错误信息或单一信源带偏？ Jack：控制 AI 错误不能只从数据源开始，更上游的是问题定义。比如直接问“半导体行业哪家公司最好”，本身就是一个不够严谨的问题——最好是增长最快、技术壁垒最高、资本回报最好，还是当前最值得投资？不同的决策目标会得到完全不同的研究路径。因此，他把整个验证过程拆成五步：问题定义、推理链条、数据来源、交叉验证、反向证据。然后再进入一类、二类、三类数据。 他将监管披露、公司财报和业绩电话会，以及美联储、财政部门、统计部门等直接发布的数据，归为一类数据：这类信息可追溯、可信度最高，应成为推理的优先基础。Bloomberg、Wind 或优质财经媒体等可作为二类信息，用来补充和交叉比对；而社交媒体传闻、论坛讨论等三类数据，最多可作为线索，不应覆盖或替代一类证据。 这种分层并不意味着 AI 自动变得可靠，恰恰相反，它把“数据把关”的责任重新放回研究者手中。模型可以更高效地处理、整理和呈现来源，但哪些数据可用、哪些结论需要被反证，仍需要人来设定规则。 Jack 认为，一个能够被长期信任的 AI 投研系统，至少应满足四项标准：研究过程模块化而非直接输出黑箱结论；每个模块具备清晰的数据逻辑与证据链；结论可以交叉验证，并主动寻找反向证据；当新信息出现时，系统能够持续更新并接受复盘。 AI 带来知识平权，不等于认知平权 随着大模型降低资料获取与学习门槛，“AI 是否会让个人投资者拥有与机构相同的认知能力”成为市场热议的问题。Jack 的答案很明确：AI 可以带来知识平权，但不等于认知平权。 “我们今天可以借助 AI 更快接触顶尖课程、研究论文和专业概念，这当然是一种巨大的知识平权。” 他说，“大家拿到同样的数据、同样的工具，也不意味着会形成同样的投资判断。” 差异来自现实经验，也来自对问题的定义能力。即使拿到相同的数据、使用相同的模型，不同研究者对于产业、风险、验证路径和仓位管理的理解不同，输入系统的结构也会不同，最终结论甚至可能走向相反方向。 对 Jack 而言，真正难以复制的“Edge”并不是一段公开代码或一个看起来成熟的提示词，而是研究者在真实场景里不断发现问题、修正问题、迭代框架的能力。公开展示的选股逻辑往往只是系统的一个切面；如何更早识别尚未被充分定价的变化、如何识别反向风险，才更接近研究能力的核心。 先在自己身上验证，再考虑产品化 目前，这套系统仍处于持续打磨阶段。Jack 将其称为 OPC（One Person Company）式的实践：先服务于自己的研究，再在使用中验证它是否真正解决了投资决策中的现实问题。 考虑到投资是高决策成本、高风险成本的场景，他对商业化保持谨慎。后续规划是，在个人使用足够成熟的基础上，先进行小范围内测；只有当系统能够稳定帮助研究者降低真实痛点，才考虑进一步产品化、商业化，并开放给更多研究者或投资者。 参加 AI 投研精英孵化计划，也为这套系统提供了一个外部校验场。Jack 提到，导师和不同背景学员带来的追问，尤其是关于“这套投研系统的 Edge 到底在哪里”的问题，促使他重新审视产品的差异化与可迭代性。 独立研究最容易陷入路径依赖：一个人可以持续优化自己的流程，却未必意识到盲区。对他来说，孵化计划的价值正在于把隐性的经验拿到外部讨论中，接受质疑，再把反馈带回系统。 当越来越多的人把 AI 想象成一个更快给出答案的工具，Jack 的实践提供了另一种路径：与其追求一个“万能买卖按钮”，不如先建立一套能解释证据、容纳反证、持续更新且可以复盘的研究基础设施。 投资判断最终仍由人承担；但一套被认真设计的 AI 工作流，或许能让这个判断不再只依赖零散信息、即时情绪和难以复述的直觉。 编辑说明：本文根据 TECHUB NEWS 对 Jack 的访谈录音、会议纪要及采访提纲整理。文中关于其个人系统、研究方法、市场案例与后续计划，均以受访者访谈表述及提供资料为基础。文中涉及 AI、半导体、数字资产、美股及其他资产的讨论，仅用于说明研究框架与方法，不代表对任何具体标的、行业或市场走势的推荐、预测或保证。 免责声明：本文仅作信息交流与研究方法讨论，不构成任何投资建议。证券、期货合约及虚拟资产价格可升可跌，过往表现不代表未来结果。读者不应仅依赖本文内容作出投资决策，并应根据自身投资目标、财务状况及风险承受能力审慎评估，必要时咨询独立专业意见。

撰文：Alma Li，Techub News 导语： 从早年听说比特币挖矿、数次与机会擦肩而过，到 2017 年正式进入加密市场；从依赖经验判断周期，到尝试将链上成本、矿工成本、衍生品与市场情绪等信号结构化，小花猫正在搭建一套 AI 行情研究系统。 他不把系统定位为“买卖按钮”，而是希望它帮助使用者把分散信息转为可复盘的评分框架，在高波动市场中减少由不确定性带来的犹豫与恐惧。对他而言，AI 是提升效率和放大经验的工具，最终定义问题、理解风险并承担决策结果的，仍然是人。 核心观点： “AI 不会替你承担风险，但它可以让你在做决定之前，知道自己究竟在依据什么。” | TECHUB NEWS：先请你介绍一下自己。你是什么时候开始接触比特币和 Web3 市场的？ 小花猫：小花猫：我在上海，日常工作主要是做企业数字化系统落地，在制造工厂数字化系统方面做了十多年产品经理。比特币我接触得比较早，2011 年朋友就喊我去挖矿，但当时没有认真研究它的价值，所以错过了。其实更早在 2009 年前后，我在一些电脑杂志和海外论坛看到过相关讨论，不过当时也不太懂。 小花猫：2013 年那轮牛市，比特币涨到一千多美元，媒体报道很多；后来市场下跌，加上外部环境的影响，我也没有继续关注。直到 2015 年，一位大学同学问我数字货币该怎么买，我才开始认真查资料，研究比特币白皮书、运行机制和价值逻辑。真正进入行业是 2017 年。当时百度玩客云等硬件和挖矿话题很热，我本身学计算机，也喜欢折腾硬件，于是研究矿机、加入 QQ 群，慢慢真正进入这个市场。 | TECHUB NEWS：从“知道比特币”到愿意把它作为长期研究对象，你的认知发生了什么变化？ 小花猫：小花猫：早期大家很容易把它当成类似 Q 币的东西，觉得没有价值。那时中文资料很少，想研究要去海外论坛看英文资料；节点同步、钱包使用也比现在困难得多。很多人即使拿到比特币，也未必知道怎样保存。 小花猫：后来我逐渐理解，比特币不是突然出现的。此前加密朋克和数字货币领域已经做过很多探索，只是在密码学、基础设施等条件成熟，加上金融危机后的时代背景下，比特币才真正有机会跑出来。理解了这些历史与机制后，我才开始把它当作一个值得长期研究的方向。 | TECHUB NEWS：2017 年入场后，你为什么没有选择高风险、高仓位的方式？ 小花猫：小花猫：我个人的风险偏好比较保守。如果我觉得一项风险超过一半，通常就不愿意承担。所以我基本以 BTC、ETH 这类主流资产为主，山寨币会买一点，但更多是试错。 小花猫：我也有遗憾，比如 BNB 当时买得很低，但没有一直拿住。不过我不认为这意味着应该放弃风险控制。主流币未必带来最高收益，但相对稳妥。对我来说，先把自己留在市场里，比追求每一次最高收益更重要。 市场手感：长期靠认知，短期靠周期判断 | TECHUB NEWS：你想把自己的市场经验转成 AI 行情系统。在你看来，所谓“市场手感”到底是什么？ 小花猫：小花猫：要先区分长期投资和短期交易。长期投资的核心，是对资产价值的认可，以及使用闲钱。身边有朋友很早买入比特币，买完放进冷钱包多年不看，最后获得较高回报。要么是他对比特币有坚定信念，要么是这笔钱对他而言可以承受损失，不会因为短期波动被迫卖出。 小花猫：短期交易则不同，更多是对行情和周期的判断。比特币过去有比较明显的周期特征，投资者需要识别顶部、底部以及市场所处阶段。如果想做高抛低吸，但对周期的判断不够准确，很容易踏空，或在剧烈波动中被甩下车。 | TECHUB NEWS：你怎么看近期热门的 Meme 币或高波动资产？AI 能否替投资者找到下一个机会？ 小花猫：小花猫：我会把 Meme 币当作买彩票。市场里经常有谁赚了很多倍的故事，但这很容易产生幸存者偏差：那么多人参与，最后真正赚钱的可能只是少数。更不用说频繁交易中还有 Gas 费、平台费用等损耗。 小花猫：不能因为看到几个成功案例，就认为它是一条可以轻易复制的路径。投资一定要有自己的体系。我的观点一直是，财富是认知的变现。你在一个领域短期赚到钱，不代表能在另一个你不了解的市场继续赚；没有对应认知，可能又会把收益亏回去。 把经验做成系统：用评分对抗信息碎片和决策恐惧 | TECHUB NEWS：为什么会想到做这套 AI 行情助手？它最想解决的是什么问题？ 小花猫：小花猫：以前我判断周期行情，主要依赖自己的经验。但加密市场波动很大：今天你觉得像低点，买入后明天可能又跌 10%，或者突然出现黑天鹅。即使从指标上判断接近适合买入的位置，真要下重仓决策时，内心还是会恐惧。 小花猫：这种恐惧很大程度上来自信息没有被量化。过去我会在微信群、X 平台和不同网站上看数据，每个人都有自己擅长的指标，但信息很碎片，没办法综合判断，最后还是靠感觉。于是我想，如果把重要指标收集起来、设定权重、形成明确分数，至少能让判断更可量化，减少犹豫。它有点像一个帮助你下决心的工具或朋友，但不是替你做决定。 | TECHUB NEWS：系统主要参考哪些数据？顶部与底部的判断是否使用同一套逻辑？ 小花猫：小花猫：不是同一套。底部判断上，链上成本是一个比较核心的指标，矿工成本在过去几轮周期中也比较有效；200 周均线或周线等，也会给一定权重。顶部判断则更看衍生品数据和市场情绪。 小花猫：系统不是挑一个指标说了算，而是把多个指标合起来。权重也不是永远固定的：一个指标在过去有效，不代表在所有阶段都有同样的重要性，所以需要根据市场结构变化持续调整。 | TECHUB NEWS：你如何设计系统的评分机制？ 小花猫：小花猫：系统每天会打分，但不是简单用一个单向分数。我设计了“牛顶分”和“熊底分”，可以理解为看多和看空两组证据在博弈，像正方和反方同时提出依据。 小花猫：最后根据两组分数的差值，判断市场处于顶部偏向、底部偏向还是中性。这样系统不会因为一个指标强烈看多或看空，就直接给出绝对结论；当两边证据接近时，系统的“中性”状态本身也是一个结论，说明当前方向还不够明确。 市场结构变了：指标权重也要持续迭代 | TECHUB NEWS：本轮市场机构化程度更高，宏观因素也更复杂。过去有效的周期指标，如何确认今天仍然适用？ 小花猫：小花猫：不能说历史指标一定失效，也不能机械照搬。比如链上成本仍有参考意义，但判断低点本身不可能精确到某个绝对价格。若系统提示进入底部阶段，我认为更合适的做法通常是分批、定投，而不是试图一次性抄在最低点。 小花猫：矿工成本也是这样。过去它比较重要，但现在新增挖矿产出占整体市场的影响相对变小，权重就可以下调。同时，机构资金进场等变化，也需要被纳入新的权重体系。市场变了，系统的权重也要跟着变。 | TECHUB NEWS：系统如何验证？目前得到的回测结果是什么？ 小花猫：小花猫：我回测了 2018 年至今的数据。按系统自己的分类，底部偏向的判断准确率约为 90%，顶部偏向约为 70%。系统上线运行二十多天时，也曾给出两次阶段性顶部和底部转向的判断。 小花猫：但我要强调，这些是系统内部的历史回测和阶段性观察，不代表未来，也不是收益承诺。市场环境会变化，系统仍要持续迭代和验证。 | TECHUB NEWS：置信度在系统里扮演什么角色？ 小花猫：小花猫：我后来加入了置信度机制。多个指标产生共振时，系统的置信度会更高；如果指标之间没有形成共振，置信度就会下降。 小花猫：这不是说高置信度就必然正确，而是让使用者知道：当前结论背后的信号是否一致。它相当于又增加了一层辅助判断，提醒我们不要只看一个结果，也要看这个结果的证据基础。 AI 是放大器，不是替人拍板的机器 | TECHUB NEWS：在受访当时，系统对于市场状态给出的结论是什么？ 小花猫：小花猫：当时系统判断是中性，但顶部相关分数略高，属于中性里的偏顶部。此前市场处于约 82,000 美元附近时，系统曾显示偏顶部；随后下跌后，状态回到中性。 小花猫：对于具体点位，我只能说那是当时基于系统与个人观察的看法，不应被理解为投资建议。市场如果出现强烈宏观冲击或超级黑天鹅，走势可能完全改变。系统更重要的作用是识别阶段性倾向，而不是精确预测每一个价格。 | TECHUB NEWS：系统使用的是付费数据还是免费数据？AI 在其中承担什么角色？ 小花猫：小花猫：K 线等基础数据主要来自公开可获得的数据源，其他指标也通过公开网站信息获取。底层开发使用了 GPT、Codex 等 AI 工具。 小花猫：但我认为，AI 本身不是核心壁垒。大家可能用到相近的模型和数据，结果却不一样，区别在于你怎么定义问题、选择什么指标、如何设权重、怎样理解市场变化。AI 更像能力的放大器：它能提升开发和迭代效率，但不能自动替你形成正确的投研逻辑。 | TECHUB NEWS：这套系统未来会直接面向个人投资者开放吗？ 小花猫：小花猫：目前我更倾向于先自用或和机构合作。个人投资者的认知、风险承受能力和使用方式差异很大。如果把系统简单包装成买卖信号，很容易被误用。 小花猫：按系统的回测和策略设想，如果一年能捕捉到若干阶段性波段，可能有约 20% 至 30% 的年化目标区间；但这只是内部回测和策略设想，不是实际业绩，也不构成任何投资建议。商业化之前，更重要的是继续验证系统、明确适用边界，并把风控放在前面。 从孵化营到产品落地：不要只留下 PPT | TECHUB NEWS：AI 投研精英孵化计划给你带来了什么收获？ 小花猫：小花猫：孵化营让我重新关注数据可靠性、未来函数和验证方法的问题。做投研系统不能只看回测曲线是否漂亮，也要确认有没有使用当时不可能获得的未来数据，数据质量如何，市场结构改变后策略是否仍然有效。 小花猫：从开发效率上，AI 工具确实帮助我快速做出很多系统和原型。但我更看重把它们真正做成可以验证、可以迭代的作品，而不是停留在想法阶段。 | TECHUB NEWS：你对后续孵化营有什么建议？ 小花猫：小花猫：我觉得最重要的是鼓励大家真正把项目做出来。很多项目容易停留在 PPT 或概念阶段，但只有进入真实使用场景，才会遇到数据、逻辑、用户体验和风险控制的问题，才有机会不断迭代。 小花猫：另外，AI 应用也不应该只集中在金融。制造业、医疗和企业数字化等传统行业同样有很多值得做的场景。希望之后可以有更多跨行业的项目和讨论。 编辑说明：本文根据 TECHUB NEWS 对小花猫的访谈录音、会议纪要及时间轴文本整理，有删节。文中关于其个人经历、系统功能、数据来源、回测表现、市场判断和商业化计划，均以受访者访谈表述及提供资料为基础；其中涉及历史回测、准确率、目标收益区间和市场观点的内容，尚未经独立第三方审计、验证或复核。 免责声明：本文仅作信息交流与研究方法讨论，不构成任何投资建议、投资招揽或对任何资产的买卖推荐。证券、期货合约及虚拟资产价格可升可跌，虚拟资产属高风险投资，投资者可能损失部分或全部本金。过往表现、历史回测及受访者观点不代表未来结果。读者不应仅依赖本文内容作出投资决策，并应根据自身投资目标、财务状况及风险承受能力审慎评估，必要时咨询独立专业意见。

作者｜周一笑 微信｜smiletalker 计算机图形学研究者童欣最近加入 AI 3D 生成公司 Meshy，出任首席科学家。 童欣 1999 年获得清华大学博士学位后加入微软亚洲研究院，在那里工作了 25 年，曾领导网络图形组，并担任全球研究合伙人（Partner Research Manager）。研究范围横跨纹理合成、材质建模、真实感渲染、三维动画和几何处理，是微软亚洲研究院图形学团队最资深的研究者之一。 他的工作也不只停在论文里。中国计算机学会的介绍提到，童欣带领团队开发过高动态范围纹理压缩、GPU 虚拟化、3D 打印支撑和几何细节绘制等技术，其中一些后来进入 Xbox 游戏开发 API、Windows 3D 打印驱动和 Direct3D 图形开发工具包。 童欣发表论文 190 余篇，其中 60 余篇发表于 SIGGRAPH、ACM TOG 等图形学顶级会议和期刊。2018 年，他获得中国计算机图形学杰出奖；2024 年，又获得 AsiaGraphics Outstanding Technical Contributions Award，后者每年最多授予一人，用于表彰在计算机图形学领域作出突出技术贡献的研究者。 2024 年离开微软后，童欣加入 Anuttacon，继续研究 AI 与游戏图形学。如今，他去了 Meshy。 今年 GDC 上，Meshy 的游戏工作室 Meshy Game Studio 展示了 AI 原生游戏《Black Box: Infinite Arsenal》。最近公开的 Mora，则把 Coding Agent、3D 生成和实时视频模型放进同一个系统，希望 AI 做出来的小游戏既有明确的玩法和空间结构，也能实时生成更丰富的视听表现。 1 先把生成的 3D 真正用起来 Meshy 于 2023 年上线 AI 3D 产品。到今年 7 月，公司披露注册用户超过 1200 万，累计生成 3D 模型超过 1 亿个，ARR 约为一年前的 12 倍，并以 15 亿美元估值完成近 4 亿美元 B 轮融资。 这些模型已经被用到游戏、3D 打印、设计和产品开发中。Meshy 官网列出的客户和使用方包括 Nexon、网易游戏、三七互娱等游戏公司，也包括拓竹、创想三维、ELEGOO、闪铸科技和 xTool 等 3D 打印和制造品牌。 产品本身也在解决越来越具体的问题。AI 已经可以做出一个 3D 模型，真正进入制作流程后，还要看形状是否准确、部件能不能拆开、拓扑是否干净，以及后续是否方便继续编辑。 8 月发布的 Meshy 7 把重点放到了 geometry alignment，也就是几何对齐。简单说，就是生成出来的 3D 形状和参考图究竟对不对得上。一个机械零件看起来可能已经很像，但如果比例有偏差、两个相邻部件粘在一起，或者参考图里的凹槽只停留在纹理上，没有真正进入几何结构，后面的动画、编辑和制造都会受到影响。 Meshy 为此做了一套自动几何评测，把结果拆成整体比例、空间分布和表面细节三个指标。在 Meshy 自建的单视图 benchmark 中，Meshy 7 三项分别达到 81.0%、79.7% 和 59.8%，高于同一测试中的其他受测模型。 Smart Topology 处理的是更靠后的制作环节。它可以直接生成带原生分件的 3D 模型，并控制模型面数，减少人工减面、重拓扑和部件整理。 童欣在 2023 年讨论 AIGC 时，就把类似的问题叫作 3D 生成的“最后一公里”。 他的意思并不复杂。生成模型已经能完成内容生产的第一步，但一个真正可以继续做动画和交互的 3D 模型，还需要语义、部件结构、表面属性等信息。传统图形学为这些工作建立了成熟的制作流程，生成式 AI 还要继续处理生成之后的部分。 三年后，一致性、拓扑、分件这些已经变成 AI 3D 产品里很实际的指标。Meshy 也已经靠这套产品获得了用户、客户和收入。 今年，Meshy 开始更多谈“AI for Fun”。Meshy 创始人兼 CEO 胡渊鸣对它的解释，是希望 AI 最后改变的不只是内容怎么生产，还包括人们怎么玩、体验什么。Meshy 把它概括成“用 AI 给人类带来快乐和意义感”。Mora 是目前这套想法里最完整的一次技术尝试。 1 把规则、空间和画面拆开做 今年 1 月，Google 首先向美国 AI Ultra 用户开放 Project Genie。用户输入文字和图片，可以创建一个由 Genie 3 实时生成的环境，再进入里面移动和探索。 这类产品很容易让人想到一种更彻底的做法。既然视频模型已经可以边生成边维持一个可探索的空间，未来是否可以直接让一个模型生成完整游戏？ 胡渊鸣最近在自己的公众号发表《Mora：超越“世界模型”》，专门讨论了这个问题。 他列出了现有互动视频模型的八类局限，包括空间很难长时间保持一致、复杂物理和精确的游戏逻辑难以处理、交互方式有限，以及持续时间和操作延迟等。一个由视频模型生成的世界可以看起来很真实，但“看起来存在”和“真的按照一套稳定规则运行”仍然是两件事。 Mora 把这些工作拆开处理。 Coding Agent 先生成游戏世界的骨架、运行代码和玩法逻辑，Meshy 的 3D 生成补充场景和资产，并向实时视频模型提供 3D 结构与控制信息。视频模型负责最后的画面和声音。代码和 3D 提供更明确的运行规则和空间结构，也减少了视频模型独自维持整个世界的难度。 一个比较直观的例子，是 Mora 做的类《传送门》Demo。《传送门》是 Valve 的经典空间解谜游戏，玩家通过两个相连的传送门改变人物和物体的移动路径，玩法高度依赖稳定的空间关系和精确规则。 Mora 的类《传送门》Demo 在 Mora 的 Demo 里，场景结构和谜题逻辑由代码与 3D 系统维持，玩家负责解谜，实时视频模型再生成最后看到的画面。胡渊鸣也在文章里直接写了当前局限，模型还不能正确表现传送门内部的内容，所以他们暂时把传送门本身的渲染关掉了。 其他 Demo 还包括多人平台跳跃、赛车、种植、建造和带物理碰撞的小游戏。部分场景可以在运行时直接切换视觉风格。对 Coding Agent 快速生成的小游戏来说，实时视频模型可以补上更丰富、可以随时变化的视觉表现。 胡渊鸣给 Mora 设定的目标也很直接，希望“让 Coding agent 生成的小游戏拥有 3A 级别的视听体验”。 公司已经在 3D 生成上积累了产品、图形学和大模型训练经验。Mora 进一步把这些能力与 Coding Agent、视频生成和实时推理系统结合起来，探索更丰富的实时互动内容。 这种做法和童欣这些年研究问题的变化也能接上。 1 图形学的制作流程也在变 童欣并不是最近两年才开始把机器学习带进 3D 图形学。 2017 年，他参与的 O-CNN 发表于 SIGGRAPH。传统卷积神经网络擅长处理规则排列的二维图像，但 3D 模型通常由不规则的网格或点云构成，直接把高分辨率 3D 空间切成密集体素，计算和显存开销会迅速增加。O-CNN 用八叉树组织 3D 数据，只在物体表面附近进行卷积计算，让神经网络能够更高效地处理高分辨率 3D 形状。 那时要解决的问题，还是怎样让深度学习更好地理解 3D。 到了近年的 RenderFormer，模型已经开始接手图形学流程里另一项核心工作。 3D 渲染需要根据场景里的几何、材质和光照计算最终画面。RenderFormer 保留了三角网格和材质这些 3D 场景信息，再让 Transformer 学习场景中的光照关系，生成带全局光照效果的最终图像。这项研究发表于 SIGGRAPH 2025，童欣是论文作者之一。 TRELLIS 处理的是另一个问题，怎样让生成模型更灵活地表示 3D 内容。它先学习统一的内部 3D 表示，再根据需要输出不同形式的 3D 结果。今年发布的 LPM 1.0 则进入角色表演，尝试直接从视频学习人物说话、动作和反应，减少对传统角色绑定和动画制作流程的依赖。 这也接回童欣 2023 年说的另一段路。 他把它叫作“开始一公里”。新的表示和生成模型出现以后，3D 内容是不是还必须沿用原来的制作方式，还是可以建立一套新的流程？ RenderFormer 与 Mora 处理的任务并不相同，但有一个很具体的相似点。两者都保留明确的 3D 场景信息，再让模型根据这些信息生成画面。童欣近年在 3D 表示、神经渲染和视频角色上的研究，也与 Meshy 正在探索的问题出现了更多交集。 童欣加入以后具体会负责哪些研究，Meshy 目前还没有进一步披露。 1 接下来不只是生成 3D 模型 Mora 1 目前仍是一次早期架构验证。 Meshy 自己列出的限制包括多人画面容易变糊、小角色面部仍有典型的视频生成错误。据胡渊鸣披露，计入网络后，目前 Mora 从玩家操作到画面反馈的延迟约为 300 毫秒，团队希望进一步压到 100 毫秒以内。对 FPS 这类需要快速转动视角的游戏来说，这仍然很重要。 Mora 2 已经在开发，这次没有开放的创作系统也会留到后续版本。团队的招聘岗位也已经覆盖视频基础模型、大规模训练、实时生成、Agent 和系统工程。 童欣三年前说，生成式 AI 给图形学留下了“最后一公里”和“开始一公里”。前者是让生成的 3D 真正进入生产，后者则是重新思考 3D 内容以后应该怎么做。 现在 Meshy 两边都在做。 童欣加入时，这家公司的目标已经不只是让 AI 更快做出一个 3D 模型。它还在试另一件事，让这些模型和代码、视频生成一起，组成一个可以运行、可以交互，也有足够丰富视听表现的游戏世界。