梁琛奇谈抖音、猫箱与 AI 娱乐创业

娱乐为什么比工具晚一步

梁琛奇在字节做猫箱时已相信 AI 会改变娱乐，但他认为娱乐产品起步通常比工具慢。工具解决的是已知问题：用户花十分钟得到结果，成本和价值比较容易计算。娱乐则要求用户带着空闲时间进入一个新体验，时长可能是工具的十倍乃至二十倍。在相同智能水平下，推理成本也会随之放大；如果产品过早获得千万日活，收入还无法覆盖调用模型的成本，规模反而会把公司拖入亏损。

他把 DeepSeek 的出现看作一个信号：开源和模型效率竞争让相同智能水平下的推理成本下降，原先算不过来的账开始有机会算过来。猫箱后来采用广告、会员和带有游戏属性的单次付费。梁琛奇回顾猫箱的测算时说，收入覆盖投放、推理和日常运营后，才算这类产品的投资回报转正；那笔计算没有计入模型训练成本。

第三项判断来自移动互联网的类比。智能手机最初依靠通话等既有刚需吸引用户迁移，随后才长出短视频、游戏等体验。梁琛奇认为，AI 工具也在完成类似的基础教育：用户逐渐知道模型能做什么、不能做什么，懂得怎样输入信息和处理更复杂的交互。娱乐难以单独把从未接触过 AI 的人拉进来，却可以建立在这层习惯之上。

从抖音朋友页学到的两件事

梁琛奇很早就把产品视为主观感受与客观验证的交汇点。大学时，他做过一个名为群图的小程序：用户画完几笔，把画发给朋友，由朋友接着画，几个人共同完成一个故事或图像。项目没有大规模推广，用户只有几千到上万人，却让他看到两件事：创作往往需要强烈的个人判断，社交也需要一个共同在做的具体事情。单纯把人连起来，并不会自动形成长期、高频且不令人厌倦的互动。

校招进入字节时，他原本被安排到火山，却主动争取加入抖音。这个选择发生在抖音爆发前。梁琛奇当时并未声称做过完整的市场预测；他只是更能在抖音里持续消费内容，也觉得两边创作者的动机不同：抖音用户更愿意把作品和社区本身当作表达的一部分，火山的火力值奖励则更接近外部激励。他还担心火山会与已有的快手形成更直接的替代关系。

抖音第二个 Tab 的朋友页是他早期负责的项目。朋友关系、冷启动时的关系推荐和内容分发都要补上，但最棘手的问题是，用户离开无尽推荐流，进入供给有限的朋友内容后，留存会下降。A/B 测试显示方案难以上线后，他在朋友内容刷完的位置加上返回主页的承接，让用户一按就回到推荐流。这个小改动帮助朋友页的留存回到可接受的水平，也让他更重视关键路径上的细节。

后来他负责过一个内部实时社交产品，团队一度有上百人，项目约一年后因他所说的不可抗力关停。这段经历让他更在意两件事：先弄清外部条件和趋势能否支持产品，不要以为足够努力就能逆转它们；做新娱乐体验时尤其要减少彼此相乘的假设。每个假设即使看似有九成把握，十个假设叠在一起，成功率也会迅速下降。

猫箱：把角色聊天看作互动内容

ChatGPT 出现后，梁琛奇通过海龟汤等对话体验意识到，过去无法扩展的人力服务可以由模型承接。他把它放在内容的坐标上看：一端是被动消费的短视频等内容，另一端是主动参与的游戏；当用户输入文字、动作或选择，系统据此给出长尾、定制化的反馈，便可能形成互动内容。

这套推演后来成为猫箱的产品设计。与单个角色自由聊天不同，猫箱让创作者设定多个角色和故事背景，用户在带有主线的剧情里行动。模型像导演一样，根据剧本、用户动作和角色设定推进情节。梁琛奇认为，纯粹把一个用户和一个角色放进没有主题的空间，很容易让互动失去方向，或滑向单一的荷尔蒙体验；多角色、场景和待解决的事件则同时保留自由度与节奏。

他坚持将这种体验称为内容，而不只是陪伴型角色产品。用户与虚拟摄政王或其他角色互动时，背后仍有创作者写下的世界、人物和冲突。模型把这个供给扩展到许多用户，但有趣之处并不只来自模型，也来自另一个人的独特设定。猫箱后来也出现了与角色建立强情感联结的用户，这种关系型使用方式可以带来较高付费；梁琛奇的产品判断是，互动故事还需要广告、玩法付费等更接近内容平台的收入来源。

他用移动互联网产品和 AI 产品的差别解释为什么要自己做模型。前者像搭房子，产品团队可以枚举信息架构、按钮、路径和异常情况；后者面对的是无法穷举的输入。猫箱用户的大部分抱怨并不指向界面，而是角色为什么突然态度变化、故事为什么在某个场景变得不对劲。对这些问题逐个修补没有尽头，必须把角色和故事能力训练进模型。

动念引线延续了这一做法。通用模型在推理、编程和多模态能力上进步，能直接提高应用的基础智能；而娱乐应用可以在其上训练与主模型目标不同的能力。梁琛奇尤其看重真实用户场景中的主观反馈：数学题有明确对错，角色说哪一句更让某类用户开心却没有统一答案。新体验形成的数据、针对特定审美和交互判断的后训练，才可能构成应用层的模型差异。

创业优先验证新体验

DeepSeek 带来的成本变化，是梁琛奇决定离开的直接触发因素之一。另一层推动来自他对小团队的判断：大公司理性地等待产品已证明市场需求、并达到足够大的收入天花板后再投入资源；未知的娱乐体验在早期很难给出这类证明。对他而言，先做出一种此前不存在的体验，比等待别人验证后再把它规模化更有吸引力。

这不意味着他否认字节的能力。他总结字节的娱乐产品机制是：找到已验证的内容格式，扩大供给，接入推荐和商业化，算清投资回报后再加大投放。抖音与快手竞争时，全屏内容容器、运营对社区气质的牵引，以及推荐、投放、商业化和中台共同构成的系统，给团队提供了很强的确定性。创业公司短期很难完整复制这样的系统，也不该在新体验还没出现前把主要精力放在防御大公司。

他在字节形成的一套创新方法仍被带进新公司。先让发散的一面从体验、直觉和外界刺激中提出许多想法；再由鉴赏的一面检查高频性、可扩展性、留存和关键使用场景；上线前预先写下会涨会跌、谁会用的预测，测试后再对照结果。梁琛奇认为，不能因为多数想法失败，就让审查者压制下一轮发散。失败应当变成下一轮判断的素材。

松果时刻先观察：人人都有可被表达的画面吗

动念引线最先公开的产品松果时刻，是梁琛奇用来观察下一阶段的入口。用户选择一张照片，或只讲述照片前后发生的故事，AI 将其生成有配乐的多格叙事漫画，作品可以发布出去。团队借它观察一个更基础的问题：当表达的门槛降低后，什么样的人会用，脑中的哪些内容值得被外化。

梁琛奇以个人观察解释人长大后想象力似乎变弱：儿童常有很多画面和故事，但表达工具不足、听众难以共享这些画面，再加上成年后的现实压力，许多念头便不再被说出来。松果时刻让用户从昨天的经历、一段记忆、一种情绪或一个模糊的念头开始，不必凭空构造奇幻世界。

产品先选择漫画也有技术原因。梁琛奇认为，照片和视频需要保留的视觉细节更多，模型在同等智能下更容易生成不自然的结果；漫画压缩了许多信息，因此更早跨过可用的体验门槛。它当然也适合幻想表达，但团队首先想验证的是更广义的想象：只要用户脑中有可描述的画面，无论来自现实、回忆、推理还是架空设想，都能否变成作品。

对团队来说，这些用法的战略价值并不相同。梁琛奇提到，面向站外做号的创作工具有不错的七日留存，但作品并不自然沉淀为站内消费内容，团队没有为这类人群投放。一个同时要解决消费的内容平台，早期需要在特定人群和内容品类中形成社区，不能只追求宽泛的工具使用。

松果时刻也让团队看到了边界。它生成作品时调用模型，用户浏览已生成的内容却不消耗推理；梁琛奇把它定位为观察窗口。他区分创作与消费的标准很具体：用户需要等待一分钟生成，或跳出原内容另做一件事时，仍是在创作；模型如果能实时响应，让用户留在同一世界中继续体验，才可能成为消费的一部分。高频、实时地在消费过程中调用模型，既是成本挑战，也可能让新平台拥有旧平台难以直接承接的体验。

用 UGC 式组织测试产品

松果时刻提供了一个想象力摄像头，团队再根据观察到的用法分流：能在其中继续发展的就迭代，不适合的就另起产品。梁琛奇借 UGC 式组织描述一种开发速度：一两个人围绕一个想法做快速测试，两周到一个月判断继续还是停止；想法既来自团队的推演，也来自成员的观察和市场上已出现的微弱信号。

这套方法建立在 AI 编程让开发提速的判断上，但他也承认自己一度低估了这个速度。公司早期曾因担心市场热度快速上升而激进扩招，事后看，他认为应当更慢一些，因为不少工作很快可以由更强的 AI 编程能力完成。快速试验仍不能省掉所有环节：上架、用户测试和内容生态的反馈无法自动规模化。

另一个误判更接近产品选择。松果时刻上线后，一些普通用户喜欢把生活记录做成漫画，团队一度怀疑，不在消费端高频调用模型的形态是否也能成为足够大的产品。随后他们发现，若不按人群拆分，消费信号并不强；把大量生活记录直接塞进内容流，也不足以让更多人愿意持续浏览。这个结论促使团队回到原先的路线：先观察，再收拢人群、增强内容形态，并探索实时交互。

梁琛奇还重新引入了更强的内部审查。创业公司的资金在账上，创始人可以自行安排半年或一年的节奏，这比大公司预算随时可能被取消的处境轻松得多。他发现这份轻松会削弱判断的锋利度。公司现在会在季度目标和产品推演后持续复盘，由更擅长测算的同事审视愿景中尚未解决的环节。对他来说，能把人带入一个故事是优势；如果没有能跳出来核对数据和假设的人，这个优势也会变成风险。

壁垒来自模型、内容网络与上下文

梁琛奇列出的第一层壁垒仍是应用特有的模型能力：新体验带来的稀缺数据、不同用户对角色和内容的主观反馈，以及团队做进训练和 Agent 的审美判断。它们不与通用模型争夺同一套目标，反而能借助通用模型的智能提升，并把注意力集中在娱乐体验的细部。

第二层是内容生态。快手、小红书等平台让用户、创作者、内容和关系沉淀成复杂网络，后来者即使迁走头部创作者，也很难迁走普通用户的好友关系、作品和参与习惯。梁琛奇希望 AI 娱乐在此基础上产生新的连接：AI 内容背后存在可操作的上下文，人与内容、内容与内容可以在模型帮助下交叉、混合，形成新作品或新的互动关系。这个设想尚未被他描述为已完成的产品；能否变成高频场景，是需要继续验证的假设。

他用三个条件筛选可能的答案：体验必须新颖，却能长期高频使用而不迅速厌倦；起初即使只适合一部分人，也应能想象如何扩展到更广的人群；随着使用和规模增长，内容供给、上下文或关系网络应让体验继续变好。数据上，他把次日留存 40%、第七日留存 20%、第三十日留存 10%视作判断产品市场匹配和商业化可能性的参考模型。

预计一到两年的新体验窗口

梁琛奇预计，AI 娱乐新体验的雏形可能在一到两年内出现，较乐观的情形约一年。支撑这一预测的是文字角色扮演类产品已经验证了一种旧阶段的互动方式，而模型智能、图片模态和成本都在继续变化。不过他并不把实时生成或 3D 世界本身当作答案：即使世界能即时生成，用户第三天是否仍知道要做什么，仍是一个没有解决的产品问题。

他把 AI 陪伴与架空故事分为两类。陪伴型产品若要替代真实关系，需要在智能、记忆、细微情绪和伦理上跨过很高门槛；虚构故事的价值则来自现实无法提供的体验，人知道它不真实，仍可能愿意进入。至于 AI 乙女游戏、轻游戏或内容与社交混合的形态，能否创造此前没有、又能长期被使用的交互，比降低制作成本更重要。

他给自己的最大风险，是整个推演依赖的新体验在预期窗口内根本没有出现。动念引线选择的顺序是先把现有模型、工具和交互组合成可测试的体验；只有用户真的给出信号，才为其中粗糙却有潜力的部分重投入模型训练。另一条路线是先押注某项技术，等技术成熟后再寻找产品。梁琛奇承认后者也可能先撞中机会，只是他相信娱乐的搜索空间太大，先验证问题比先打造解决方案更可靠。

梁琛奇希望用户以很少的输入触发足够大的、有个人色彩的创作回报。每个候选产品最终仍要回到同一组具体问题：用户是否愿意反复进入，是否在其中消费而非只完成一次制作，模型成本能否承受，以及人与人、人与内容之间能否留下难以迁移的关系。