问AI· 他为何选择独立创业而非留在字节探索AI娱乐？

“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》