Shownotes Transcript
欢迎收听十字路口我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会十字路口是乔布斯对苹果公司的一个比喻形容它站在科技与人文的十字路口伟大的产品往往诞生在这里 AI 正在给各行各业带来改变我们寻找访谈和凝聚 AI 时代的积极行动者和他们一起探索和拥抱新变化新的可能性
我是主播科技杨远诚联合创办了街旁新事项和唐岛我相信科技尤其是 AI 会在未来十年彻底改变社会赋能人类欢迎大家找我聊天碰撞想法链接下一个可能性我是主播荣慧目前在一家专注科技投资的风险投资机构工作之前在第一财经周刊担任驻硅谷记者
哈喽 欢迎大家来到本周的十字路口那本周我们做客的朋友是童超童超呢是 Motion 这一个 AI Video App 的联合创始人和 CPU 那我们一开始先来和童超做一个快玩快答吧
年龄 36 毕业院校乔治华盛顿和香港科大工作经历我现在是 Motion 的联合创始人曾经是 360 的 AI 的负责人产品负责人和创新旗帜的产品负责人可以一句话介绍 Motion 是什么吗一句话的话我觉得 Motion 的定位是这样的就是我们期待让没有用过 AI 的人
做自己的视频讲自己的故事创业 Muxin 有多久了我们这个项目有两年半了 Muxin 融了多少钱我们到现在大概融了大概七八百万美金那样子用户规模呢我们到二五年的年初是两百万海外有两百万的用户收入规模方面讲吗我们大概也是同时在年初大概到百万的 LR 的样子
好谢谢可不可以请龙超再花两句话就向大家介绍一下自己然后因为我们知道这个 AI video 的产品就是用 AI 来做视频的产品在市面上可以说是成千上万可不可以给大家也安利一下 Motion 争取让大家听完你的介绍之后就会想要去试一试用一用
好 各位好 十字路口的朋友大家好 我是同钞 Motion 的连创 Motion 希望让没有用过 AI 的人来开始去讲自己的故事做自己的视频的创作那目前我们可以非常简单的让用户四个步骤去完成自己可以 PO 在无论是短视频还是在自己的生活场景或者说一些行业场景里面的一些视频的内容在用 Motion 的这些用户里面他们有做出过什么的视频爆款吗
不管是在小红书在抖音还是在 youtube 产品发布的不久我就请我们自己的运营同学去做了一个实验我说你能不能尝试用母帅每天用 5 分钟做一个视频
你看你在小红书上面会有什么样的一些反馈很有意思的现象就是大概他花了两个月的时间每天花五分钟大概现在是一万两个月的时候大概一万三千多粉丝的样子给大家看一个不同我觉得是不同的场景的一些视频的例子这个是一个欧洲的用户视频是跟宗教相关的
你看他现在大概有十几万的粉丝他也是很近的视频大概就有几个 million 的播放所以这部分我觉得是可能偏短视频的领域大家会做很多我们叫 Faceless 的这种视频会得到比较好的这种浏览就是不露脸的视频不露脸的视频还有我其实是找一些用户又收集了一些其他的例子这是一个卡通的像一个
你看到有一个 menu 这个地方有一个 menu 我们专门有一个功能是能够让老师跟学生通过生成 AI 的这个故事来促进教学这个就是一个双语的故事你看到有这里面有中文和英语另外就是其实我谈到我们自己的一些技术积累那我们也有一个自演的一个模型我们会发现在专业的这种视频制作里面也会有一个挺好的语
这个使用给大家看一个这个视频这是一个波兰的专业的视频的工作室制作的一个视频
那其中当这个人戴上眼镜之后进到这个虚拟的环境里面所有的这个角色的画面就是我们来去做的生成这个的用途是一个广告片还是一个它是一个 MV 就是它先有了歌然后他们想做一个非常专业的一个 3D 的片子所以就用到我们模型的能力我们当时跟他对接去做了一个这样的很专业的 3D 的片子出来
那个我们听播客的朋友们应该是看不到那个视频嘛所以他们听的过程中也比较难切换到其他平台去搜出来看可能还是要请这个同超再介绍一下用户在用 Motion 究竟是做哪些类型的视频
我觉得可以分成几个类别第一类我们认为从用户的角度来讲是短视频的创作者那么他们是完全用生成的方式来去替代原来的素材剪辑第二类刚才在第二个视频里面展示到的教学类的场景有很多的老师跟学生在利用 motion 去做他们教学场景当中第三专业的创作者他们更多的是用到我们一些底层的能力但是结合了他自己非常多的专业的技巧
制作了一些非常专业的像 MV 或者是这种视频的广告甚至于说 3D 动画的小短片里面的一些环节用户用步行做个最出圈的爆款是什么这是个好问题我们更多的关注点在于说我们如何能够给用户更持续的创作能力而不是我们持续的去做爆款就像我们内部其实也在讨论就是如果从产品的角度去看我们的爆款可能有一周的生命周期
但是过了一周的生命周期之后那我们要继续做什么我们的选择是持续的做爆款还是说我们去更延续的去寻找更长期的价值我们是要服务一周的爆款还是我们去服务一个十年的用户那我们认为我们的选择是后者我有一个疑问之前不管是皮卡 vozo 还是 vigo
这一类的 AI 视频公司他们都有做出过刷屏的爆款之前 Vozel 的创始人 CY 也上过十字路口然后他也提到他们好几次比较里程碑式的增长都和爆款出圈有关但是 Motion 如果没有这样的爆款的话是不是也从侧面在说明 Motion 这个产品
也就是你们其实还没有真正的击中市场的痛点呢是个好问题或者好的角度去观察从我们的或者我的理解来看第一点视频内容本身它的内容形式是可以覆盖非常多的场景的并不只限于我要在 TT 上面去做一个好的内容或者我在 YouTube 上面做一个好的内容所以我可以通过这个 channel 去变现视频仍然在非常非常多的领域有它自己的价值
第二个点就是说我们拿爆款去作为一个增长或者运营的手段我是非常同意的
就是这个事是一个很好的杠杆说你在冷启动阶段或者说你在一个新的里程碑的时候有一个非常好的这个反馈所以很多人好奇会来你的产品这个点我是完全同意那我觉得对我们的增长的角度来讲我们可能也没有在这个事情上面做太多的文章我们会认为还是回到刚才我们的思路上面我会认为更长期的去做这个事会更好一点
第三个事就是是不是达到用户的痛点呢我觉得从我们的理解应该是从不是从流量的角度去观察这个事而是从收入的角度去观察这个事如果用户真金白银的给你付了钱而且你的付费率又很好的情况下我觉得这个毫无疑问应该是达到了用户的痛点的只是 maybe 他没有在 traffic 上面得到很好的一些展示你有关注就是因为你们上线有段时间了嘛就你有关注到一直在续费的用户
往往是用你们来做什么的用户其实也很典型就是你会发现在那短视频里边那一群做 FaceList 的人就是他自己把账号运营起来的人在持续付费我的观点是 AI 可能他的产子能到 50 分原来可能只有 20 分现在可以到 50 分非常好
但是你想运营一个好的账号剩下的 30 分或者 40 分是需要用户自己的你有没有好的故事你有没有好的表达你有没有好的展示你有没有好的运营这些事其实都不是不直接跟 AI 相关都是跟用户直接相关第二部分就是还是说到那个老师跟学生我有一次做用户的访谈一个老师跟我讲就是他做了一个尝试
他一开始自己得到了一个 motion 的信息他自己去做尝试说我做一个对某一个知识点我用 motion 去做了一个两分钟的片子讲给学生他发现说
说我的学生在这个课堂里边 engagement 突然变得很好很好就大家眼睛都在那个屏幕上面最近有一个刷屏的一个 AI 视频就是做了一集猫和老鼠甚至很多用户第一次看的时候都不知道这是一个 AI 做出来的还以为是猫和老鼠这个众多集中的一集然后我当时看到它的时候感觉这也很像 Motion 的这个产品想要做的视频就是它有脚本然后有剧情然后也是有
连贯的人物然后有大概一分钟左右的长度等等吧好像和 Mushing 的目标是非常一致的
但是我们也知道猫和老鼠这个视频它是被一个基础模型的升级给智能涌现出来的这个里面几乎就没有工程化的没有人的交互的操作了所以我也很想问你你会看到之后感到焦虑吗就自己做了非常多的产品的功能流程的优化但是会不会被 AI 基础模型的能力一升级就给淹没掉呢所有的这些事情都灰飞烟灭的某一天
我觉得这是个好问题其实最近一两周的时间好多朋友
都跟我在聊那个 Tom Jerry 的事情我是这么理解的就是首先从基础的角度来讲这个 test time training 一定是个很有潜力的方向我们其实自己也在去做一些这个跟进的研究这个部分能力我相信确实是有可能把视频生成的能力带到下一个台阶但第二个点是说比如对于 motion 这样的视频类应用来讲我们会更多的观察基础模型和能力的升级
其实对于这类的应用来讲是好事而不是坏事为什么呢就是我们去观察视频类的创作如果我们观察一个这个用户创作的过程的话视频创作是一个环节很多流程很长利益相关人也很多的一个任务它不像一个像之前 Cody maybe 大家关注过 Jasper 或者 Copy 文字的工作可能就是一跳我想然后我输出但是视频是一个很长的工作流
那我们会认为说当一个 AI 可能会颠覆的任务它的环节越长过程越多利益相关人也越多的时候
其实它是更难被颠覆的同时在这个很长的流程很多的环节很复杂的利益里面把好的体验好的功能设计出来其实在提到刚才你说到一个这个视频制作的环节非常多参与的角色非常多因此它不会像文字工作一样轻松的就被模型的技术能力给淹没掉因为这里面有很多的细节但是
但其实也有一个争议就是大家会觉得今天很多做应用的人是在做 talker 你如果你看过往技术发展史你会发现 talker 这个词都会出现在一个技术 hype 的时间就是那个技术 hype 之后就没有人提 talker 了
AI 其实我觉得也是这个样子就是目前处在一个 AI 快速技术发展状态所以很多人会特别高估现在的技术的存在就是高估现在技术能力当你很高估它的时候你就会认为说目前在它之外做的所有的事看上去好像都是一个浅浅的一层的事但是从我们的观点当你从外部进到一个真正在去做产品的时候你会发现确实基础能力就像我刚才讲的它是 50 分
但是用户要的是一个 80 分的东西那 30 分谁来填呢是一个产品要去填那 Motion 其实就是在填这 30 分的本质上就在填这 30 分的这个路径所以在这个事上套不套壳对我们来讲其实并不关键假设未来的像刚才 Cogy 问猫和老鼠类似的能力基础模型提升之后那我们认为说越发会显得应用和产品设计的能力变成了一个差异化的能力
那这种差异化能力很导致用户到底是选择 A 还是选择 B 或者他什么都不选我们自己作为创业者第一不要有技术的洁癖就是我只做高精尖的别人没做过的东西第二我也认为不要有技术的幻觉就是我觉得技术现在真的很好或者技术两个月之后就会变得超级无敌
我觉得我们还是要更实际一点有一个客观的评估然后回到自己做的事上会比较重要前段时间张月光难得的出来做了一次分享然后有人拍了他现场分享的一些这个 PPT 给我看然后其中一页他在讲的是就是要去寻找那些在 90 分到 100 分之间的产品机会因为用户是不接受 20 分 40 分 60 分 80 分的产品的
所以这和你刚才提到的观点我觉得好像有一些不一样我觉得一方面是这个你会不会担心说今天大模型 50 分你们花了很多时间把它做到 80 分但是其实也有很多人在等着大模型直接变到 90 分在那个时候再出来做产品
好问题这个事儿对我们来讲是个 maybe 是个问题但从现在的技术的方向和你真正在去达到用户的那个要求的时候这 30 分的事情像我刚才讲在视频的创作里边是一个环节非常长然后过程非常多利益人利益相关人也非常多的情况下
里面存在一层非常非常重要的事是你对视频创作的 know how 和你对用户的理解这个事即便用户模型到了 90 分这个 90 分会变成 60 分因为我刚才讲它变成 commodity 它水涨船高所以你变成新的 60 分那剩下的 30 分谁来做呢仍然是产品公司要做这个点早做一定要比晚做好
至于说模型能力要不要提到 90 分我们再去做我觉得这个是对基础的考量可以给我们举一两个例子吗就是模型可能今天只有个五六十分但是你们在产品上面给他这个大大提升了体验所以让用户最后做出来的作品也变得很好的这样的交互上的例子或者设计上的例子好呀好呀我觉得可能有两三个吧两三个或者三四个事情可以跟大家摘开想一想
第一个事是我自己其实有一个习惯就是我们大概产品去年上线开始我每周都至少会访谈一个用户无论是哪个国家的可能超过 20 分钟去访谈用户我其实积累了很多很多的用户反馈
有一个非常好的共同的声音给到我们就是他们认为说 Motion 是一个非常易用的产品非常简单我们对用户讲的就是说我们可以让你四个步骤完成一个视频的创作每一步就像一个引导是个非常简单的傻瓜化的操作我们把视频创作里边从起端脚本怎么写镜头怎么表达叙事是哪些类型
这些所有的流程连在一块去做了自动化让 AI 去做了自动化才完成了我刚才说的从 50 分到 80 分的能力那么用户见到的是一个 80 分的东西第二个事情就是也很有意思就是我们去年 12 月份在东京做了一个非常小范围的用户见面会我们在交流的过程当中有一位我觉得可能有 60 多岁的一个老者他自己是个导演
然后他跟我交流他说你们是一个亚洲的团队对吧为什么你们的平台在生成亚洲人的形象的时候不能生成亚洲人呢因为确实现在
我们从模型的角度来讲很多的训练数据其实是偏西方的所以虽然大家给的指令是说你要生成一个比如说日本的或者中国的什么人但你生成的很容易很有西化的这种属性他说你为什么不能做这个事呢这个其实是被我忽视当时是忽视了一个事被我忽视了一个细节
我回来之后就专门去做油画去做模型的油画让他更好的去做指令的遵循那么能生成不同种族形象的时候都更加的匹配后来这个人我才知道这是一个日本非常有名的制片人和导演叫钱景龙周迅的第一部电影苏州河就是他的制片第三个事因为我二月份去了一趟阿拉伯那边就是整个中东的国家去了一遍
我就发现一个事儿就是他们三月份要摘月他们没有什么事干所以要做很多内容所以我们很快就推了一个新的功能就是我可以很好的生成伊斯兰教的故事让他们去分享那这里边有什么问题呢就是如果你去拆伊斯兰教的教义你发现他们是有一个真主 23 个先知这些人都是不能有形象的
就是他们在教义里面是不可以有形象的要不然是一个光要不然是一个光圈来去代表他们就是很神圣那我们去看遍了所有 AI 生成的能力哪一个可能 by default 可以生成这样的内容其实是没有的那我们就很快的上了 3 月 1 号就上了这个功能我们就发现量起的非常非常快甚至一度可能每天我们的用量可能百分之十几都是这个内容带出来的最后一个我也很有意思现在 AI 的
推理成本其实是不能忽略的我们想让每一个人用那我们就得让他用的更便宜否则他就我们就不可能把规模做得很大那在这个角度来讲我们其实在背后的架构和推理测试做了非常非常多的投入这个是用户不可见的但是用户可见的就是我们足够便宜
能够用非常非常简单的体验非常简这个简洁的体验和极低的价格让它生成足够好的内容从产品上线去年 6 月底产品上线
半年左右的时间我们优化了整个的空间毛利最后导致毛利空间大概优化了 50%前面说到四个步骤来完成一个视频创作这个四个步骤是怎么得出来的我指的是比如说为什么不是三个为什么不是五个前面你说就是其实是把整个拍摄视频的这个流程连起来然后做了自动化这个过程里面一些比较对创业者比较有借鉴意义的可以讲一讲吗其实是我们在拆解了整个视频创作环节之后呃
定义出来的我们会认为用户要做的是几个事第一他想要什么然后他有什么这是第一步第二步是他要得到一个整个内容的结构第三步就是他要去把主要的功能和内容组织好之后去
选择叠加的或者附加的元素比如说你要什么特效你要什么转场你要什么声音你要什么音乐等等等等最后一步就是这个合成然后分享
和这份分享就是你得到了视频但你得到视频之后单视频可能不足以支撑你去做内容的分享和传播比如说你的你的描述怎么写你的你的这个 hash tag 怎么做所以我们来定义成了四部然后刚才荣慧你问那个里边的一些细节就做自动化的部分这一部分我觉得是很感谢我们的其中的一个投资方他们是个非常专业的国内非常非常好的一个影视公司
他们其实给了我们非常多的在影视创作上面就是我刚才说到的脚本怎么写脚本结构是什么就影视里面真的好的那种脚本结构要怎么写那 AI 能不能写出这种类型的脚本第二镜头的表达什么样的镜头能够表达一个比如惊恐的表情那一定是对眼睛的一个特写什么样是能够表达一个特别欢快的场面一定是一个超广角有非常非常多的人
这类的其实事情是需要我们告诉或者我们来定义一个能够让 AI 生成的内容类型包括叙事类型其实也是一样的但我很好奇就是 AI 它为什么会不知道惊恐要去拍人的眼睛欢乐有一个处理方式是拍一个大广角然后有很多欢乐的人这难道不应该是 AI 自己就知道的吗为什么你们要
要自己去干这个事然后另外一个类似的问题就当你提到毛利的优化的时候我在想其实这好像也是今天很多人对创业者的一个反面建议就是不要去在成本上做优化因为大模型很快自己就会把成本降下来就听起来你们做这些事情就是有一点逆潮流或者逆主流观点你怎么看先说第一个我们在做测试的时候也期待大模型有这样的能力
就是他可以懂得但是很抱歉他不懂即便到现在他还不懂第二个方面从毛利的角度去看这个其实很有意思的我们一开始的目标是去优化我们的推理架构因为他太慢了我们要生成一个好的视频我们希望他很快的生成但是我们发现慢的背后其实就是成本因为你消耗了更多的 GPU 时长所以你就有更多的成本
那当我更快的时候我自然我就成本就可以就可以降了下来其实就在你刚才回答我问题的时候因为我真的难以相信大模型不知道一个惊恐的画面要去拍人物特写所以我就直接问了 Cloud 就是帮我生成一个纹身视频的 prompt
然后要给一个明确的画面需求这个 prompt 我说的六个字就是一个惊恐女人然后他就会给一段文字 prompt 就延展出来需求嘛这个需求里面就他明确的就有写到一个年轻的女性她的双眼睁大瞳孔放大然后镜头从女性脸部特写慢慢拉远展示她孤立无援的处境等等等等
所以我想说的是今天我觉得这个模型是可以做到的会不会你是在半年前做不到然后你们花了很多时间去用你刚才说的方法训练但在今天这些时间和当时的努力被浪费了你会有这样的担心吗对如果你单点去做测试的话你会发现它是可以的有时候是可以的
但你把它放上一个整体工程说这是一个用户的 prompt 和素材给我你要把它组织出来一个有效的完整内容说这个场景里边这个故事里面包含 64 个场景这 64 场景里面语义上面相连且每一个内容每一个图片每一个视频要去表达当时的那个语义这个是很难很难的
所以如果你只给一个输入它是可以的但你把它变成一个系统变成一个 network 的时候它就 fail 了这个是很大很大的差异我蛮好奇你们现在公司里面的这个技术研发人员大概有多少位他们都是怎样的组成啊我们我们现在人很少我们现在二十个人我们只有一位财务同学
然后一个运营同学剩下的全部都是我们的研发同学这里边大概有一半是算法的同学另外一半是工程的人收入跟功能的迭代有什么就是特别相关联的拐点吗去年 12 月份我们其实做了一个很重要的功能听起来可能很简单叫模板所谓的模板就是不同的入口那这个模板区别于我觉得区别于那些设计的模板
这个背后其实是一些 ai 的工作流啊其实就是刚才扣就很关心的就说你背后为什么你做这个事的时候好像看起来你能做那为什么大模型自己不能做其实背后就是需要有很多不同的工作流比如说我刚才举例的那个伊斯兰教的故事那个之后之后就是一长串的 ai 的工作流或者你可以理解为那是一个 agent 在工作他要连完成一系列的任务然后把这个内容好的内容给他做出来
所以这个是我觉得是非常重要的一个变化就是我们通过这样的一个界面其实更快的或者更深的扎到了用户场景里面去了所以我们会发现用户在这些不同的入口上面得到的好的内容之后我们的付费有一个比较大的一个提升
其实我在用 Motion 的过程中发现你们有一个设计是不让用户自己选视频模型的所以用户应该没有办法自由选我今天是用 Flux 是用 Klin 还是用 V2 等等这个是出于什么考虑来做的设计我觉得这个跟我们定位相关我们的用户刚才提到说让没有用过 AI 的人能够做自己的内容讲自己的故事所以我们会认为说用户其实本质上要的是效果
他要的不是模型就像赵本山说的对吧就是别看广告看疗效对吧就是他们其实并不关心这个是什么或者后边的品牌是谁他们要的是最终的结果所以我们会有一个或者我们自己的选择就是你给到用户这些模型之后反而增加了他们的学习成本哦什么是克林什么是 Viu 什么是海罗什么是皮卡什么是 Sora
这个反而增加他们的学习成本,我理解我们都是在所谓 AI 圈子里的人,所以我们很容易接受到这种信息,但是还有太多太多,我觉得 AI 的渗透率远远没有到我们认为它是一个每个人都知道的状态,所以有太多太多人其实没有这种信息,当他没有这种信息的时候,我认为不给他们,或者让他们专注在效果跟创作上面应该是更好的。
嗯那我在想哈比如说就像刚才你也提到嘛我们录播客的前一天呃克林发的 2.0 确实很炸裂然后十字路口公众号也写了很长一篇文章来介绍克林的 2.0 然后一定会有好多用户多多少少也看到了这个新闻然后他们会不会跑来问不行就是哎
你们里面有这个可灵 2.0 吗或者另外一个情况就是他会不会因此就流失了就跑去用可灵 2.0 了然后会不会他就跑去用了其他支持可灵 2.0 的和 Motion 类似的竞品了就是这个你会怎么看听起来你好像就放弃了这些用户了对因为我自己其实很了解这些用户的
我们可以统称为他们叫 AI 的常先者或者叫技术的常先者他就像一个接受曲线最前面的那 3%的人这些人很活跃有很多的看法可以影响别人所以我们会看到非常非常多他们的消息从这个角度来讲就是这个群体对新事物的接受程度非常强
maybe 就是如果我现在没创业我估计也是他们中的一员就是做很多的新的技术尝试然后做很多的分享但是这些用户有一个明显的问题就是坦白讲这些用户的生命周期其实是非常短的大概就是一个月因为一个月之后在现在的技术迭代上面一定会有新的东西给他们去用他们也并不在意说在某个场景上面要用什么因为对于他们来讲最大的价值是先而不是某个场景
那先的事情一定是 switching cost 非常非常对他们来讲非常低要去转移的我觉得对我们来讲可能就是一个取舍就做产品很多就是很多时候就是取舍技术不成熟资源不充足用户不清晰等等等等一系列的事我觉得很重要的就是取舍因为你不可能得到所有的资源你也不可能在某一个时间内
有充足的声量所以做好取舍然后能识别好那个最重要的问题应该对于产品来讲是最核心的刚才提到你每周会做一个用户访谈这个点还挺有意思的我觉得大部分的 founder 都会说自己非常的在意用户的反馈啊什么的但是每周做一个保持这个频率我感觉还是一个在操作跟坚持上都还是挺有挑战的一个事吧你现在还在做吗
我还在做我我我每周大概要给 50 个用户发邮件就是完全 code call 然后可能有一两个人回我我可以安排到这一周或者下一周呃因为对于用户来讲就是你通过邮件这种这种方式其实回复率很低的但我觉得这个是很重要或者非常非常重要就是因为我们其实谈到了好多 ai 的技术当这个技术不成熟的时候呃用户的心智用户的接受接受点其实是很
很 tricky 的就是他到底在哪其实是很难找的这个点你只有问他才知道但是你的用户又有很多很多的类型那就需要不断的去找到他们所以我自己会做这个坚持另外就是我觉得作为一个产品负责人来讲有这种体感也是很重要的就是你自己很容易做产品的时候会先入为主但是你在这种技术也在变化的过程当中
你是很容易失去体感的就是你不知道用户到底在想什么而且他那个接受点在变化的情况下你一定要随时随地知道那这个通过什么实现呢我觉得目前的状态只有通过不断的跟用户交流才能实现你说这个让我想到就是以前那个 stripe 的 CEO
Patrick 他发过一个推大概意思就是说他把这个 user research 当做是不是 user research 指向了你做什么功能或者做什么产品而是他先让你形成一种你自己的一个思维模式然后你再用这个思维模式去做一个产品没错我特别同意其实有点像我刚才说的那种体感就是用户意识是一个很容易对于
我认为高认知的人丧失的点就是因为你你自己认知很高所以你认为说你说的可能是对的但是你服务的人可能是你完全不熟悉的群体那你怎么能跟他们产生共情能够跟他们产生交集呢
我觉得事情就是你要不断的不断的把自己扔到那个场景里面去扔到他们的那个处境里面去才能得到这些你往下走的这些方向这个事确实我非常非常同意刚才那个说法第二就是你可以很快的切到一个另一个身份上面去或者你可以有两三个或者三五个身份同时来去思考说我的产品要怎么做那这是不是来自之前的什么经验教训
我觉得是有的因为我自己我自己其实是做 CS 然后又学过 Machine Learning 我其实是有技术背景的人有技术背景的人就只是谈我自己我认为有一种就是我刚才讲到的很容易产生的技术幻觉就是你认为它都能行但是当你把手弄脏的时候你发现它不行
那你就卡在这了所以过往我自己的这种经历其实是有类似给我的这种负反馈就是说其实我自己也要时常提醒自己说你把技术扔掉你把技术无论是什么技术 ABC 各种各样的技术当我要去解决一个用户问题的时候那个问题到底是啥我现在不断地要提醒或者说在过往的这种产品的这种经历里面
我做过很多尝试就是拿着技术就是我们说拿着锤子找钉子有时候会成功就因为你的锤子在那个场景下面一下就能砸中它但大多数是失败的
所以这种失败的经历其实是非常非常强的负反馈给我要去在后边的尤其比如现在这个产品所以你们找过什么样的这个锤子脚钉子没找到让你感到非常挫败就最大的一次挫败的故事可以讲一下吗我觉得太多了但是对于 Motion 我觉得就是在在 Motion 的角度来讲其实有一个很有意思的
我觉得不能叫挫败但是一个很重要的教训我们在刚开始的时候其实是非常专注自己的基础基础研发所以我们大概是应该做了世界上第一个在 3D 的动作生成的模型这是一个不大尺寸不大的模型但是应该是世界上第一个它的作用是什么呢它就是生成我们看到那种 3D 的电影或者动画或者游戏里面的角色的动作你输入一个文本的 prime 我可以给你生成这样的动作
非常兴奋我们当时二三年的年中吧非常兴奋我们得到这个模型然后把它推出去很快的我们在我们在这个反馈里面就两万多个专业的这种 3D 的创作者就给我们很好的反馈过了两个月我发现有问题就是我刚才说的问题你往后走要干什么你这个模型到底要干什么你生成一个角色动画然后呢
你能放在真正的游戏工业或者影视工业里吗还不行那如果不行那这个事往下怎么走呢就走不下去了所以我们用用了就是我刚才说两个月的时间我们就做了一个很快的决定说不行这个这个事不成立的就不成立了要不然你做一个非常专业的工作流出来服务专业的这个创作者要不然你就把这事停掉你做另外一个事
所以我们当时非常快的去做了个决定就是我们把这个模型的能力内化在现在的这个模型的产品里面去支撑我们有更好的生成的时候的可控性去做到这个事所以前面那个事情为什么我我说我一直要再提醒自己就是因为啊即便在创业的一开始我其实也会有这样的问题就是因为非常非常多的技术的可能性技术的机遇放在这你就总忍不住去伸出手去探索
但是当你没想好你在解决什么问题的时候出去就一定会被打回来这个事其实是挺关键的因为你想那是我们四到五个月的
创业期间的尝试其实是成本还是蛮高的说到这里这个跟你过往的这个工作经历是不是也有一些关系就比如说之前你刚刚提到在 360 手机然后还有我们知道是那个创新旗帜嘛这个可以说说就是这些经验跟你之前的工作经历有那些 take away 是很有关系的呀对我觉得旗帜也是也是一个也是一个点那
因为旗帜算是上一代的 AI 公司了大概从 16 年到 22 年的样子包括当时的四小龙那一代的公司其实是受 DeepMind 的影响 DeepMind 其实给了大家一个非常强的希望说你看除了当时下国际象棋它还能下更复杂的围棋了然后它在非常多的领域有特别好的进展
所以其实当时或者说那一波的 AI 公司其实都是有了也心里都有了一个这样的 AI 的技术梦想来开始去做的创业但问题也在于此就是如果你拿着技术那就是典型的锤子找钉子拿着锤子找钉子那有两个问题第一个就是其实当时的锤子是不够硬的我们会发现以 CV 为主的技术或者 NLP 的技术 Machine Learning 的技术等等
他们都只限于在某一个细分场景里边可能达到一些可可以工业化产业化用的性能但是它的普世性是非常弱的所以就带来说你的锤子即便砸到这了那你也要用非常非常多的人和额外的工程去补充或者来实现你可以交付的能力那这个事是很重的一个模式它并不符合我们认为说 AI 能够
改善劳动力甚至于说提升劳动效率的这个事并不存在第二个问题还是拿锤子找钉子作为一个创业公司即便你融了很多钱那你有多少机会拿挥这把锤子呢其实也是有限次数的那就会带来的问题是你越挥到后面这个风险越高然后你敢挥下去的决心也越小因为你不知道这个事到底能不能成
那从这个角度来讲就是你前面的这个钉子没有砸到足够多到后面没有办法持续的帮助你去提营收的话
这个事可能也就会出现非常大的挑战所以我觉得这个事或者注入这样的精力也是给我为什么一定要警醒说我们即便要去用新技术来去做产品或者做应用的时候也一定要先想好我们的用户到底是谁然后我们到底解决的是什么问题
因为当时创新旗帜是一个非常明星的企业就是开复老师 all in 的一家 AI 公司然后我记得当时也有新闻说 CEO 来追随开复老师他是放弃了 1800 万的年薪来做创新旗帜然后前后也融了七轮有软银这样的国际大基金也是在背后支持创新旗帜但是如此黄金的阵容然后当然最后也很努力上了港
但是这个上市之后一直年年都是巨亏然后股价现在已经暴跌了 80%然后知道这个同超你是产品总监应该是非常核心的高管之一然后你刚才也提到拿着锤子找钉子然后一直就是这个很难受可不可以讲一讲当时你们找过哪些钉子吗因为我觉得 AI 那个时代的故事有可能对我们眼下正在发生的这个时代的故事多多少少有一定的借鉴意义
对我觉得 Cody 你说的点我是非常赞同的就是即便技术有了代际的变化但是大家面对的场景其实会是相似的这一点其实你从商场也能看得出来商场正在经历自己的转型我很多商场的朋友也正在经历自己的这种技术路线的转型回到场景上面我们当时其实探索了非常多的场景或者行业零售工业制造
这其实是非常头部的或者说体量非常非常大的这些行业各自都会有问题我们先说工业这个其实是其实后边比较重要的一个产品线工业的问题就是它的细分的赛道其实是非常多的不同细分赛道里边中国的制造业确实增长得非常非常快那同时代表的就是他们的要求其实越来越高的
那在这种不同赛道上面的高要求对于当时的 AI 来讲是有局限的那这一部分受制于技术我觉得当时你挥起锤子来的时候你是不一定能砸得到这个钉子这是工业的问题金融的问题我觉得金融是一个确实 may be 是做 2B 很理想的一个行业就是因为在金融行业的人大家认知也很好然后也很愿意接受新的技术同时金融行业当然是一个作为
土币的行业公司来讲可能是一个非常好的一个收入来源但是当时的金融会有一个也会有一个问题就在于说金融行业是有非常强的对于所谓模型的或者技术的诉求就是你需要给一个模型那这个模型的归属和这个模型之后的更新维护等等等等是要归属于
银行或者说我们说银行这个保险这个证券等等他们都会有类似这样的一些个诉求那这个诉求对于上一代的 AI 公司来讲其实是比较困难的你的模型部署进去你要持续不断的更新维护不像现在在 OpenAI 锁一个 0720 版本
那这个事其实我可以解决很多问题但上一代其实你很难去这样去解决问题你要持续不断的来去做这个事那就意味着在这个事上面你要投入更多的我刚才说到的更多人力更多劳动力来去维护来去更新那其实很有挑战的一个问题营收就是太小了就是每一个呃场景都不大当然机会很多但是每个场景都不大的时候你又没有办法像现在的呃 AI 的其实可能更有普世性的时候
那挑战就是你你要花多少的横向的人来去做比如说 10 个 50 个 100 个这个项目或者客户的服务
这个事是比较有挑战的那你觉得就是之前的这个创新旗帜的这个经历会在 AI 这一波有看到有什么类似的案例吗我理解我觉得这一波的 AI 可能我的判断可能是不会当然因为我自己现在我有过那一代的经历现在又在这一代上面来工作啊
因为我们就假一个例子就是如果八九年前我们去假想说 AI 能够让一个在县城的老奶奶跟 AI 说话这个在八九年前你是绝无可能去想象这个场景的但在现在国内我相信你肯定是可以找得到这样的例子的今年春节我回家我就有一个远房的表亲也是年龄很大他说那个
有个什么 SIC 好像挺好的你给我找找他说的是 DeepSIC 就春节间我觉得这个事是放在 89 年前你无法想象的那背后我认为的原因是 AI 在这一次的能力最大的区别是它的普惠就是它能够让更多普通的人没有用过 AI 的人能够享受到 AI 的能力这个是这一代 Gen AI 最大最大的价值我认为
至于说 Transformer 有没有呢其实我们大概在 22 年的时候我们就做了一个 Transformer 架构的一个模型不大点的模型刚刚到 B 的左右的模型但是这个事不重要我认为不重要这一代最大的价值就是普惠那当你有普惠的能力的时候就变成了你现在的锤子有了更好的能力能够去砸得到顶层
第二呢我认为在现在的这个技术演进上面可能现在的技术也就是万里长征第一步我们有看到未来非常非常多的沿着这个技术路线进化的可能那无论我觉得这个价值是在 B 端还是 C 端它一定都会有接下来去继续放大这个价值的机会
所以从这个角度来讲也区别于上一代的 AI 就是你看到 CVCV 就是我在 Pogo 上面打一个榜说我是第一了然后我就是第一然后明年那个新加坡国立的又来一个打榜他又是第一了然后背后你都不知道他是怎么做的现在大家都是架构透明
然后我们数据都可以海量的数据开去做你会发现我是有路径可能达到我们所追求的智能的目标在这个角度来讲是完全跟上一代的路线是我觉得是不可同日而语所以从这个角度我会认为说这一代的 AI 无论是在应用上面还是在模型上面可能真的都会有很大的潜力或者不太会出现说上一代可能集体都会哑火的这种问题
但单独讲就是如果我们只看大模型的公司的话我觉得这个问题还是悬在他们头上的就是你做了模型那模型之间又有很多像 DeepSick 出来其实就会有很多大家对大家的冲击
那在这个事情上面你如何面对市场或者面对自己的技术这个事我觉得确实对现在的大模型公司可能也存在这个问题但如果说做应用的话我觉得这个包袱会小很多很多哎我们之前聊天的时候你有跟我们说到就是在之前有在 open eye 见那个伊利亚的事情
对就是也挺巧的我们在刚刚开始没多久的时间所以机缘巧合也是当时开复老师介绍我们团队就我合伙人去硅谷正好他在那待了一个月左右的时间就机缘巧合在 ChashBT 发布前的一周左右见到了伊利亚和 Greg 那当时我合伙人给我带回来的消息就说他们好像要做一个应用但是伊利亚自己也说我不知道这个事会怎么样
然后就事情发生了然后这个就变成了改变世界的应用改变世界的一个产品这个事给我很大的冲击是什么呢就除了刚才说到拿锤子找钉子的事之外第二个点就是你会发现在这种技术快速演进不断爆发的情况下面其实没有谁比谁的认知更高
尤其面对市场的时候没有谁比谁的认知高多少大家其实都差不多都是在探索享受这个技术带来的一些收获的时候来去寻找说我在市场或者在用户册可能的价值所以我认为这个点给我们最大的启发就是当我们现在处在这个 AI 时代的时候我们最要紧的事情是什么呢就是我认为是多实践快犯错
然后这个满负荷的迭代他们因为其实伊利亚跟格拉克没有太给太多的所谓内部消息或者什么很深的这种见解但是他们的这种预期和后边的这个反转
是给我们很多的启发这个其实也是我以前听很早很早以前听过一个陈诗骏的演讲然后陈诗骏讲了一段话就是 Steve Chen 他是 YouTube 的其中一个 founder 然后他讲了一段话我印象特别深其实大家很多时候都以为一个很厉害的创业者他好像是一个上帝他是一个先知他知道什么东西然后他去做他说其实不是的就是他说这是大家对创始人最大的误解
那我们来说回这个 AI Video 这个领域的创业可不可以请同事帮我们来就是盘点一下这个 AI Video 的整个这个创业的全境图也可以着重说一说你比较看好哪些我觉得模型的公司就比较平大家都在一个水平线上面来去挑战模型更好的性能从应用的角度我大概把整个视频类型可能分成五类
第一类呢就像偏 AI 剪辑的类型就是用 AI 去做原来剪辑的能力比如说那个 DescriptOpus 之前我记得 Cody 也说谈过 OpusCaptions 这样的公司那他们是在去用 AI 的能力解决原来的剪辑问题第二种像是我理解或者我总结叫 Talking Hat
就是里边有个人那这个人更多的就是比如有数字人或者拿真人来去做来去做做数字人那这些比如说黑镇对吧比较典型的那个海拔最近也是啊 did 然后我今天早上还看那个信息就是那个英国的公司好像刚过了一个 1 亿美金的 ar 啊
对所以这这类我觉得是也是一类公司那他们其实最终产出也是视频但是路径是他有一个一个真人在里边来去用在不同的场景呃第三个事儿呃我理解叫视频特效啊就是比如说皮卡或者说 vigo
他们做的事就是我在视频内部可以有不同的效果出现这个其实很像我们在传统视频制作里面的这种后期特效在这一部分但是他们用一个生成的方式能够去解决这个问题第四类有点像 Motion 这样的这个产品就是完整的端到端生成一个完整内容不像生成一个 video clips 对吧视频模型的公司更像生成一个 video clips
但是这些应用层的产品去生成一个完整内容包括 motion 包括另外一个产品叫 flicky 美国还有一个公司叫 invideo 其实大家都是在这个水平上面最后一类像是不同功能的单点功能的类型比如说我们就看到一下这个 video dubbing
就是 video translation 的东西或者是做这种 face swap 换脸的这种那其实更像是在视频的整个创作过程当中某一些单点的功能那会有公司专门来去做这部分的应用所以我自己对于整个的视频应用大概分成这么五类但我有观察就是第一呢你就发现这些公司其实都是铲子就是他都是要得到一个最终内容的一部分或者是串联了一个环节
那在这个产的上面我有一个观察或者我们自己的一个变化就是我会认为生成和剪辑这个事可能最终会融合在一起因为从用户的视角来讲我并不关心这个事是这个 clips 或者说那个效果是生成的还是说我拍的或者说我拿到了一段片段之后我怎么去剪得到一个我想要的比如说一个 highlights 的一个视频
他其实并不关心这里边的过程那我们会认为未来有可能的一个情况就是我们说 AI 剪辑类或者传统的剪辑和现在整个生成无论你是做特效还是做像 Motion 这样做整体生成的可能会有一个融合的趋势那在这个融合的趋势之上其实有一个机会就是谁能够先定义
当剪辑跟融合剪辑跟生成融合的时候那个产品的形态是什么这个其实我认为是有一个很大的机会啊这个先先做个预告可能牧师会在今年年中或者下半年的时候我们也我们可能会推出这样第一个这样形态的一个一个产品出来也请大家期待也是一个我们思考的一个一个呈现啊第二个刚才荣慧问到说啊
里边的产品哪个会比较关注我自己其实从产品的创新性跟体验来讲我其实很欣赏 descriptdescript 其实它是在尝试用一个自然语言交互的方式来去更新或者迭代现在比较繁琐的这个视频剪辑的能力里边其实还有很多我自己也每天也在用其实会有很多小问题
但是这个方向我觉得是一个很好的在指引说 AI 在所谓的剪辑或者视频创作里面承担的角色我觉得这个是一个很好的一个信号来启示后边的产品说 AI 在整个的视频创作里面可能会有什么样的一些变化所以从这个点上我是非常欣赏 descript 另外其实还有一个还有一个比较可能大家接触少的产品也是个英国公司做的叫 Vid
veed.io 这是他们的产品这个产品特别其实产品很容易你看到他产品的时候很容易理解但这个产品很有意思的就是他是在跟着用户在成长的产品 V 的第一次上线大概在 2019 年那个时候大概也没什么用户然后他们的创始人就像在一个完全跟用户沉浸在同一个环境里边的一个创业者
呃他在推特上面在很多的社交媒体上公开了自己所有的创业的这个过程跟经历所以有非常多的用户跟他们去做反馈互动交互他们做了也为自己也做了非常多的点为大概在去年前年的时间开始集成了 AI 的功能做了自己的升级然后整个拆 GBT 里面第一个那个叫 videoGBT 就是 VidGAN 哼
对就是他们做的所以这是一个很有意思的非常 agile 的一个团队和产品他们现在他们应该是两年做到了 100 万的 AR 然后又用了三年现在应该是可能 2000 多万的 AR
2000 多万美元的 AR 所以成长还是很快的但是背后你发现他们的迭代和方向是非常及时的在响应用户的需求这一代的做 AI video 的创业者里面有非常多华人你自己最欣赏哪一位哇这好问题我你让我说哪一位我觉得可能 H&M 的 Joshua 确实还是一个
我觉得很欣赏我觉得值得学习的角色就是他有点像我刚才说到那个 V 的创始人他其实也在做很多的非常我知道他们的产品其实经过 pivot 但是他们做了非常非常多利于用户跟进市场的这种产品的设计和迭代这个事我觉得是很值得学习 maybe 我觉得这也是可能华人创业者很重要的一个特点或者很重要的一个优势
有没有谁现在在做自己的 AI Video 产品但是他的产品还没有对他的产品还没发过他发了还没有得到市场足够多的关注但你认为假以时日他和他的产品一定会取得很了不起的成绩我其实比较期待什么呢我其实比较期待国内可能有更好的或者更不能说更好吧应该说更多的基础的视频模型的出现就
就现在可能可灵是比较往前的但是应该有不同的基础路线来去得到更好的视频的结果就在基础上面从这个角度来讲我还蛮期待啊那个三 AI 的就是草越的那个三 AI 啊我我听说他们可能很快会有一些啊
发布对我还是蛮期待的嗯你和他打过交道吗啊我还没有直接跟他打过交道啊但是因为是我们都是工厂的背头企业所以间接会有一些联系啊哎你期待的原因是什么呢啊就是因为他们用了不同的技术路线这个我可能太细节的不方便公布但是这个不同的技术路线可能会有不一样的好的结果跟 dit 可能会有一些区差异啊哎
你自己其实在一线应该是非常能够感受到从 Sora 开始然后一系列的各种视频模型就是你追我赶一年之内感觉就百花齐放这一年感觉好像过了快十年的那么久的一个演进然后你最佩服哪个团队在视频领域吗视频大模型克林我觉得克林这个团队是真的很厉害我曾经参加过
可林应该是我忘记是哪个版本的一个发布会也跟他们的团队有过一些交流我觉得是很难得的就是在扫描之后其实可林是其实那个时间是折服了一段时间就是他恰好卡在了他们在研发过程当中出现了一个扫描但是他们出来的结果和包括可林其实出海出海之后你会看到他在国内和海外的这样的一些个结果和
创作者给他们的反馈我觉得是非常难得的就是一个这里面的差异就是或者这个差异点在哪就是一个做内容的公司一个我们理解的互联网的公司他们用了一个非常短的时间达到了 Sauta 然后把这个 Sauta 转化成了一个非常非常多用户喜欢持续在使用的
一个基础模型对应的产品这个是非常难得的从你的这个观察里面你觉得为什么他们可以做得那么好当然一方面是快手肯定有钱也有用户数据这些是所有人都知道的有没有什么你观察到的感受到的就他们背后的这种成功秘方我觉得就是坚持因为其实对于可灵来讲更多的成果应该是来自 research 的团队产品其实没有那么厚就是给一层就好了
所以 Racer 上面我觉得他们应该是比较很坚持就是认准了这样的一个技术路线去做了比较大的投入和其实在 Solar 出来之后也没有乱掉阵脚我觉得这个是比较重要的能够稳定的把自己的好的内容拿出来好的结果拿出来然后按照自己的节奏去做产品化再去做更新这个是我认为在国内起码可能卡到现在的时间点可能是比较
比较重要的一种一个属性或者一个差异化据你所知可林内部有哪些灵魂人物是他们成功的关键吗好问题啊我现在你让我突然想名字我还真不一定想起来了但是确实是有比较关键的两到三个人是在是在引导整个的这个这个 research 的方向嗯
都是研究者或者策略上有什么正确的决定呢你说融合你说策略是哪方面的策略你觉得克林他们做得很好从你的观察你觉得策略上有什么正确的决定坚持得到结果是不是比如说是因为前提是选了一个对的路我觉得技术路线他们选择是压对了这个肯定是对的就是跟 Solar 类似的这种技术路线这肯定是对的如果错掉可能就会没有办法在这么短的时间给到一个这样的结果
第二个点如果说策略我觉得可能会是这个可能未必是产品团队的功劳我觉得他们很快的去做了国际化去做了全球化把自己的产品延伸到海外这一点甚至我自己评价可能都比快手自己的出海要做的好
现在因为大厂非常的猛不管是刚才说的快手和可灵还是字节那今天像深数科技或者 Pixvers 这样也做视频模型的创业公司你认为他们还有希望吗我觉得现在视频的基础模型的能力还没有收敛就它还处在一个发散的阶段可能这个点跟原模型是比较大的差异
在这个状态下面我认为创业团队新的思路新的方向新的成果和大厂的持续不断的高投入的新成果可能都会并行一段时间
但最终结局是谁我觉得也不好说我们也无法预料到在春节的时候突然杀出 deep seek 然后大家就突然国内就收敛了我觉得视频的领域可能还会跑一段时间但最终杀出的是谁我觉得大家都有机会今天也有另外一个说法就是这个字节所到之处
片甲不留然后尤其在视频领域不管是剪印 Cupcut 还是最近就上周在这个 Product Hunt 上榜首第一名的这个 Pipit AI 也是字节出的一个视频工具然后我自己看了一下觉得大为震撼感觉确实是又消灭了很多创业公司那你自己对字节这家公司做的各种各样的 AI 视频产品里面你最喜欢的是哪一个最看好的是哪一个
我自己还是觉得吉梦是一个挺好的基础吉梦有一个很大的我觉得在产品上面很大的尝试很大胆的尝试你会发现当你打开吉梦的时候第一屏是一个类似抖音的一个信息流这个是很难得的就是因为他真的在尝试把 AI 的内容变成一个用户可以拉时长可以持续消费的内容
这一点是很重要的那就代表着说吉梦从很有可能从一个单纯的生产力工具变成一个说我生产力工具得到的内容可以很好的被用户消费我觉得这个是一个很大胆的尝试也有可能
因为其梦的其实其梦的负责人也是我认识的朋友所以我觉得他们在这一点上面应该是一个很好的尝试但这个事可能现在就是一个尝试至于说他能不能留得下来或者未来能够变成一个新的抖音我觉得这个可能是一个可能吧但是还有很长的时间要走
我们最后来聊一下出海吧我们知道 Motion 那个一直是做海外市场的同招可不可以给我们讲一下你们目前用户量最大的三个市场是哪里以及你们分析是为什么我们现在的用户的分布呢前三我们按照大的区域来分的话第一是巴西巴西是我们最多的用户那第二部分主要就是阿拉伯地区那阿拉伯地区大概就是中东海湾的六个国家嗯
然后第三部分就是大概第三位就是美国这样的一个分布从我们的观察来讲就是阿拉伯地区会是个意外巴西其实我们是有预期的就是巴西事实上是一个现在很多硅谷的创业公司也出海的第一站就他们也很看好巴西用户对于产品的接受对于新事物的这个尝试然后巴西又是一个绝对体量的一个单一大市场
然后阿拉伯是我们相对意外的一个市场那其中一个很典型的国家就是阿曼我们我昨天看了看数据阿曼我们现在可能得有 7 万多用户了但是阿曼这个国家现在就 400 可能不到 500 万人的样子 400 大级 10 万的样子所以我们在这个国家的渗透率其实是非常高的
在这个渗透率之下其实也比较巧那二月份的时候那个阿曼的投资管理局和阿曼的教育部邀请我过去做一些做一些交流他们也很好奇说为什么这样的产品可以有这么高的渗透
那我就去到了他们的这个真实的用户的里边我拜访大家绝大多数阿曼的这个好的私立跟公立的学校也真实的看到那些老师跟学生在用我们的产品来去赋能或者说用到他们的自己的课堂跟教学里边所以这个点是我还是挺惊奇的那在阿曼其实代表了一个整个阿拉伯地区可能类似的这种用户的场景
所以这一部分是我们比较意外,但美国我们觉得很合理嘛,就是我们大概出海也可能会很重要的会考虑北美的市场,所以这是目前三个主要的这个市场的这个分布。可以分别说说就是这些市场有什么用户的一些,可能大家在国内没有去过或者不是很了解的话,大家想不到的一些他们的用户的一些特点吧。
巴西是一个用户普遍接受新事物非常快也愿意尝试新事物的一个市场他们会很就用户自己都会很好的去发起一些小的用户的群来去讨论一些新的产品或者新的东西所以巴西的渗透或者说做新增应该是很快的
但是巴西用户其实很类似于可能我们看到五年前或者十年前的中国用户他们在付费的习惯上面其实是没有那么好的所以这一点我觉得是需要是需要考虑到当你当你去到冷气多没比巴西是一个很好的新增的市场但是你要同时考虑三个月之后你的付费和转化这个事要怎么解决阿拉伯的用户呢又是一个呃
用户习惯上面完全不同的群体他们是非常严谨的因为他们有很严肃的这个宗教的这个约束他们很严谨就代表着他们对于新事物的接受或者转化其实是相对谨慎的但反过来恰好是因为这个比较严谨的这个教义压着会让这些人对于新东西就所谓带 AI 属性的东西会非常非常有期待
就是这是一个一个人两面的同时发现的一个现象所以会带来说当你在阿拉伯地区的国家找到一个小切口的时候这个就很类似我们的经历你找到一个小切口的时候会很大程度上放大这一些人对于新产品或者新概念的一个
好奇所以增长也会很快那这种增长对我们在阿拉伯国家来讲几乎可能 90%都是自然的增长我们做了两到三个 influencer 的内容但除此之外全部都是自然增长的流量所以当你找到切口之后我觉得阿拉伯国家的自然传播会是一个我们看到的是一个很好的一个数据
阿拉伯国家的付费会有点挑战但是你要选择好中东国家就中东的六个国家会好很多对当然美国我觉得大家都是很熟悉了说到这个阿拉伯国家是不是比如说这意味着他们比较谨慎这是不是意味着他们的忠诚度也会比较高
没错就是我们会发现从我们自己的数据也会发现阿拉伯用户的一旦他接受转化之后他的生命周期会是比较长的你刚才也有提到就是去日本做活动之前我们聊天的时候也有谈又聊到台湾这两块就是可以分享一下对日本跟台湾是我们今年开始会发现有一些很好的用户的新增的区域就是这个信号特别明确然后我们在日本跟台湾基本上都是
也是自然传播那我们会做一些在自然传播之上可能到了万级别用户之后的一些助推比如说我们去做一些 influencer 然后我们会通过 influencer 的内容去影响更多的这个用户但日本跟台湾我觉得这两个市场很相似他们都是用户接受比较难就是你进入他们会比较难但是一旦进入之后他们的这个忠诚度是非常高的而且他们的付费率也极高
就是日本台湾可能加起来可能 1.5 亿左右的人口那这些人口相对难进但是一旦进去之后生命周期非常长而且转化率和付费率是非常好的提到的等于是五个市场你在这些地方有看到哪些同行其实蛮多的阿拉伯地区比较少我觉得确实大家可能对阿拉伯地区相对陌生一点
但像巴西所以我在很多在硅谷的很多朋友创业其实他们第一站都会选巴西印巴少很多然后在美国就更多了我觉得日本也是台湾可能相对少一点所以见到朋友的几率非常非常大有的我这次去阿曼有一个老师然后他告诉我他用的 app 他用到 DeepSeek
然后他说你另外用什么他给我看 Pixelverse 我觉得蛮好的就是华人的这个产品也渗透到了这个世界各地的用户去你觉得在现在这个时期现在这个时期下就是华人创业者的这个优势是什么呢我觉得华人可能在我理解在这个方向上面可能有三个优势吧我觉得这三个优势可能比较独特第一就是我认为中国的创业者起码我认识的很多朋友们就是非常接地气
大家能够在技术还不成熟的时候通过非常多的方法找到 PMF 的路径来从而能够让自己的这个产品能够快速的增长我觉得这一点是很好的我认为在这儿中国的创业者应该是比很多美国创业者要好的我觉得这是一个很重要的差异第二个点就是不得不说在
我们移动互联网和互联网这种超级卷王的市场里面成长出来的创业者我觉得大家在增长和运营的策略上面这个事应该是个降维打击就是这个无论在世界其他地方的任何创业者这个都是个降维打击所以尤其是在一个新产品冷启动和规模化增长的时候这个事中国创业者可能手里拿着就是一些一些秘密菜单第三个事情就是
我觉得在中国的创业者环境里边我们是有同时有两种人才第一就是我们有很好的研究人员甚至很年轻的研究人员他们不一定是 top 的但是有很多的很年轻的有想法的研究人员第二其实作为创业者来讲很重要的是我们有非常好的全站的工程团队做配合这样的就意味着我们很快的可以把很多新的技术快速的传递到用户那里去
这样的我觉得这种技术供给其实不是不容易在其他的国家发现的我觉得这三点是可能综合起来你会发现华人创业者尤其在 AI 的
圈子里边是非常快的能够突飞猛进的找到他们最后一个问题就是你觉得现在这个时代还需要在当地找一个人找一个 representative 吗我会相信 AI 所以我们自己第一我们没有任何想法需要在任何的国家或者区域去设一个代表第一我们相信 AI 的力量就是我们觉得 AI 应该作为一个员工或者一个实习生能够代表我们去跟用户沟通
我们其实也在这么做第二点我要觉得相信用户的力量就在全球化的这种背景下边你的用户你在当地的用户是一个你最佳的代表你不需要找一个人去代表他们用户自己会
有足够的动力有足够的能量来去帮你去做这些国家的拓展反馈啊迭代等等等我觉得我觉得要相信这两个力量今天非常感谢同超的时间我们分享了 Motion 的故事然后也请同超给我们对整个 AI Video 这个大领域做了很多的科普和点评那我们再过一年的时间回头再看今天这期内容的时候应该能看出非常多的新意和线索啊
再次谢谢童召也欢迎你再来十字路口拜拜拜拜多谢多谢大家拜拜如果你认为有朋友也会喜欢本期十字路口的内容请转发微信推荐给他们最后欢迎你加入十字路口的会员群我们鼓励大家在群里聊天互动交朋友寻找未来的同路人