即刻App年轻人的同好社区
下载
App内打开
RainyMoment
162关注3被关注0夸夸
RainyMoment
1月前

ChatV: ⭕ 团队沟通 20 条 --- 01. 开工前先对齐规则，比中途扯皮效率高十倍。 > 别急着开工，先把谁拍板、啥格式、周几碰头这些琐事定好。前面花五分钟对齐，后面能少吵五十分钟的架，真不亏，还能避免互相甩锅。 02. 布置任务要具体，“做好”不如“周五前给三版方案”。 > 说“做好”等于没说，对方听完还是懵的。直接告诉他周五下班前要三个方案，A4 纸打印，照着这个格式来，这样他才知道劲儿往哪使，不会做出来根本不是你想要的。 03. 一次传递的信息别超过三块，多了人记不住。 > 人脑就那么大内存，塞太多肯定漏。要么拆成三次说，要么写张便签，别指望对方能全记住，最后漏了关键信息还得返工，来回折腾更麻烦。 04. 先说结论，再说为什么，最后给细节。 > 大家都忙得要死，先给答案让人安心，有兴趣再听过程。别铺垫半天还不知道你要干啥，手机都刷三遍了，谁有耐心等你慢慢绕，直接说重点最实在。 05. 想要什么样的成果，直接给例子，别用“专业感”、“大气”这种虚词。 > 你觉得大气我觉得土，扯不清。不如甩个参考图或竞品链接，一眼就知道对不对味，省得来回改三遍，大家都轻松，设计师也不会骂你虚空需求。 06. 复杂项目拆成阶段，每走完一步确认一次方向。 > 船大难掉头，拆成小段随时能纠偏。别闷头干两个月，最后给人看发现全错了，那才真崩溃。每阶段对个眼神，错了也能及时止损，不至于全军覆没。 07. 交代任务时，把背景和目标讲清楚，执行的人才知道灵活应变。 > 光说“把表做了”真没用，告诉他为了算成本还是做汇报，遇到数据不全时他才知道该保哪头。信息给全了，人家才好见机行事，不会死磕一个破数字。 08. 验证理解时，让对方复述或选择，别问“听懂了吗”。 > 问“听懂了吗”没人好意思说没懂，都点头。让他用自己的话复述一遍，或者选 A 还是 B，真假一听就明白，省得后期做出来南辕北辙，那时候改都来不及。 09. 请示或讨论时，带两个以上选项去，降低对方的决策成本。 > 别抛个问题让领导想，带上你的方案和利弊，对方只要拍板或二选一就行。这样效率最高，也显得你真动过脑子，不是甩手掌柜，领导也省得猜你心思。 10. 汇报时展示思考过程，不只是结论，让人看到你是怎么推出来的。 > 结论就一句话，但你怎么排除的其他选项、考虑了哪些坑，这些逻辑让人放心。说清楚了，领导也知道你不是拍脑袋决定的，后面出问题也不会全赖你头上。 11. 做重要决定前，主动换几个角色看问题，比如用户视角、对手视角。 > 别只站在自己位置想，换成用户会觉得爽吗？对手会怎么搞你？换个角度能发现很多盲点，不然容易自嗨，做出个只有自己觉得好的东西，市场根本不买账。 12. 提案时主动说风险在哪，比被问到时再答更让人放心。 > 自己先坦白“这里可能延期”，反而显得靠谱。等别人问出来，就像在隐瞒或没想全，信任感直接掉光，后面你说啥人家都打个问号，合作关系都搞僵了。 13. 用数据开场，用感受收尾，顺序别反了。 > 先摆数字显得有依据，最后说“我觉得挺有信心的”拉近距离。反过来先抒情再数据，会显得特别情绪化，像在卖情怀，专业感直接没了，像个搞传销的。 14. 给信息时标注时间，“这是上周的数据”和“这是刚出的”区别很大。 > 数据会过期，标清楚时间点对方才知道参考价值。别让人拿着上周的库存量做今天的采购，到时候买多了买少了，锅还得你来背，多冤啊，明明一句话就能避免。 15. 周期长的项目，中间设几个复盘点，别等最后才发现跑偏。 > 长途开车得看导航，大项目要设里程碑。走到三分之一停下来看看方向对不对，比到终点发现去错城市强，那时候油都烧完了，哭都来不及，只能将错就错。 16. 征求意见时，给结构化的反馈方式，让人容易说真话。 > 别问“你觉得怎么样”，对方只会说“还行”。改成“1-10 分打几分”或“哪部分最困惑”，才能挖到真意见。开放式问题太泛，人家懒得想，也怕得罪人，净说场面话。 17. 允许中途喊停修正，比硬撑到底然后翻车强。 > 发现错了及时止损，面子真没项目重要。硬撑到底最后搞砸了，不仅你背锅，还浪费全队时间。中途喊停不丢人，翻车了才真丢人，大家都得跟着你遭殃。 18. 关键决策前，强制自己听一个反对意见。 > 找个人唱反调，哪怕最后不采纳，也能逼自己想周全点。盲目自信的时候最容易掉坑里，多听听不同的声音，起码知道坑在哪，摔得轻点，不至于死得太难看。 19. 写文档写邮件，先问自己：对方扫一眼能抓住重点吗？ > 加粗、分段、把结论放最前面，别让人从三段废话里找关键。大家时间都宝贵，一眼看懂最尊重人，也显你专业，不然写再多也是白写，没人看，还嫌你啰嗦。 20. 好的沟通，是让对方不用猜、不用想、不用问，直接就能干。 > 信息给全给准，对方拿起来就能动手，不需要再微信问你“这个具体指啥”。这就是最省事的协作，你省得解释，他省得琢磨，双赢，下班都能早点走。

00
RainyMoment
2月前

生姜iris: 今天一个项目拆解了一下Higgsfield的官网，非常有参考价值（感谢@小赫一言 ，超有insight！） 事实证明，现在大家看到的「猛做投放+烧钱+花里胡哨的首页」都发生在2025年3月以后 但是从2023年11月到2025年3月，Higgsfield其实迭代了8版官网，且几乎每一次都是大改版 在这期间，价值主张也经历了多次迭代： 1️⃣ Higgsfield也没有逃脱一开始先声称自己技术很牛掰的阶段： 2023年11月的价值主张是：「Built a platform to train your own Llama 70B or Mistral for free」 面向开发者和AI研究者，强调自己免费+底层模型训练能力（一开始很2D）（第一版本价值主张强调自己技术牛掰是很多founder一开始的误区，很typical也很经典） 2️⃣ 这个阶段Higgsfield也踩了长达半年左右的坑，估计终于是发现2Developer是真的不赚钱 所以从2024年4月，Higgsfield的价值主张逐步走向下沉市场，去赋能普通人的「社交媒体创作」以及「讲述个人故事/重视个人价值」： 从「Democratize social media creationfor everyone」到「Be the star and create your own story」 完整版是： 「We are a foundational model company that wants to democratize social media creationfor everyone」过渡到「Be the star and create your own story, wherever you are Higgsfield is a creative AI platform that creates stunning, personalized video in a matter of minutes」 在这个阶段（2024.3-2024.10）官网进行了大量的更新和大量的模板/场景的探索，并积累起了快速上新的SOP（为2025年模型更新后快速响应奠定了基础） 在此之前也都需要invitation code才能使用，官网没有pricing相关的标识，同时整个社媒都很谨慎 可以总结为「小步快跑，快速迭代，谨慎花钱」 3️⃣ 2024年10月开始逐步收敛，官网进行了视觉的升级和改版。功能介绍也换了展示形式，并且开启了小范围的公测。 在2024年12月，小范围试水了另一个子品牌「Reelmagic」并定位其为「多智能体AI视频创作平台」（在2024年12月，这个概念还是蛮火的） Slogan也从「Diffuse is an AI-powered storytelling platform that puts you right into the action. WITH ONE selfie, LIVE OUT YOUR DREAMS AND DISCOVER YOURSELF in FUN AND EXCITING ways — all on mobile 」 转变为「Create the Unseen ReelMagic is the world’s first multi-agent AI video creation platform that turns story ideas into ready-to-watch, long-form content. No messy workflows or dozens of subscriptions needed. Just your imagination. 」 4️⃣ 经过一年半从泛流量到精准流量的尝试之后：2025年3月，Higgsfield的官网终于迭代到了现在的版本并且基本没有再出现太过重大的变化(品牌色调也相对定型） 价值主张也收敛到「运动控制」并配合官网首页大量的对应场景的案例—— 一个很小的切口，但是长板足够的长，并通过强调这一个点来构建用户心智和壁垒：「MOTION CONTROLS 大标题——大量场景演示———THE ULTIMATE AI-POWERED CAMERA CONTROL FOR CREATORS （子标题）」 每一次项目拆解完一个当前已经成功的品牌的历程（通常还是建议用人去拆解，因为自己一个一个去看的感觉是很不一样的），都会感慨，大家创业，不论是在国内还是在硅谷，其实都经历过一样的痛苦、挣扎、焦虑和迷茫。 不要只看成功品牌当下如何成功，而要去看TA是如何一步一步「扎实、靠谱、有耐心」的走向成功。 如是，FOMO情绪会少很多，而不孤独的情绪也会稍稍得到抚慰。 通过Higgsfield的官网（其实invideo也同理），核心大观点总结如下： 1️⃣ 不要太强调技术有多牛掰，技术有多强大，因为always赚不到钱 2️⃣ 有耐心的小步快跑，快速迭代，去积累对市场的手感。在捕捉到明确的市场信号之前，谨慎花钱。 3️⃣ 大多数平台/品牌都经历过「先做加法再做减法」的过程，很正常。创业过程中，允许自己犯错。但是发现不对也要及时认错。这样才能跑的更快。 4️⃣ 再大的品牌，用户也只能记住1个最有价值，解决的最好的点。或许你的产品有10个功能，但是如果你把1个功能打磨到120分，并大吹特吹。远比你把其他功能打磨到90分来的有效。「务实专注，不要给用户塞太多东西，用户真的记不住」（当然靠SEO起家 & 不同落地页获客的另说，但是不同落地页依然剑指不同类型的垂类目标画像的用户） 5️⃣ 不要着急。稳扎稳打，可持续发展，比什么都重要。任何渠道拓新之前，都以「可持续发展」为最高优先级。最小范围的尝试，快速拿结果，快速迭代。 与大家共勉。

00
RainyMoment
2月前
增长太快了……

胡二虎: 12 月份 SimilarWeb 的浏览量来看，现在 higgsfield基本上是一骑绝尘。12 月相比 11 月保持了 60% 的月环比增长，12月相比7月增长了将近4倍 光从社交数据层面来看， higgsfield这个产品与 Pollo 相比，在不同渠道的表现如下： 1. TikTok 渠道： Pollo 做得更好。Pollo 的账号矩阵明显整个内容铺设的量更大，粉丝群体也比 要高。 2. Instagram 渠道： Polo 的表现明显较差，基本上只有 1000 个左右的粉丝。相比之下，higgsfiel 的发帖频率更高，光是今天就发了两条的视频。 3. Twitter 渠道： higgsfiel 的粉丝量级大概是 Pollo 的 4 倍左右。具体帖子的曝光量没有特别详细看 光从这个层面的数据来看，pollo略微有点劣势，两者似乎打得有来有回 然后再把两个 TikTok 和 Instagram 的社交媒体账号内容具体点开看，对于 SimilarWeb 的数据可能就有一些解释得通了。 明显看来，Pollo 在对自己一些爆火的视频进行批量复制，所以点开账号时会看到非常多同类型的视频，可能是利用了 TikTok 的推荐算法把同类视频反复曝光。 但是higgsfield的整个视频内容丰富度就非常好，随便点开了几条，制作非常精美，并且显然对于自己产品的功能宣传、视频的 Hook 以及最后的 Call to Action（CTA）都是非常到位的。

00
RainyMoment
3月前
第一点有意思，第二点我同意，每天都在探索 AI naive 的产品经理，去看最前沿的技术并且实地探索落地。
原动态已删除
10
RainyMoment
3月前
RainyMoment
3月前

Alchian花生: 最近三天又在疯狂用AI编程工具，每天使用时间大概都在12小时以上，大幅度迭代了2个产品，开发完了一个接近上万行代码的app。对现在AI编程产品和模型的状态有了些新感受。 1、Claude Opus 4.5依然是最好的模型，从前到后全方面地稳定和强，在Claude Code内和Cursor内都是够好用的； 2、OpenAI Codex的情况有些特殊，内置的gpt-5.2-codex模型选high及以上的思考模式时，后端开发能力巨好，能跑的时间无比长，经常能一个任务跑一个多小时，然后完全没有bug的。但是速度也是真的慢，思考的时间有点过久了，以及审美是真的差，所以不适合用来做前端以及聊功能和对话的； 3、同样用Opus 4.5的话，在Claude Code里用比在Cursor里用划算多了，Cursor跑Opus 4.5很容易跑一个项目就用费整个月的用量； 4、Codex的上下文工程优化比Claude Code好不少，会很好地进行自动化地compact，所以基本上可以在一个窗口下不停布置任务，不用担心任务间干扰或者上下文撑爆，能更沉浸地vibe coding，Claude code更适合每个独立任务都新开窗口执行； 5、多项目任务下，在Cursor内开多个终端，分别执行C laude Code和CodeX没问题，我有过同时跑5个不同任务，相互没造成任何干扰的情况，前提是任务之间各自做的内容比较独立； 6、glm-4.7也还挺不错的，肯定不如前面说的几个，但是也能连续执行一个小时以上的任务，而且它在Claude code中也能管理多个子agent执行任务。在这个情况下，很多批量写作之类的任务你甚至不需要写脚本调用API，让glm-4.7+cc去调用子agent批量执行即可，很省事。 7、在Claude Opus 4.5用量不够的情况下，可以选择的一个做法是前期先用别的工具和模型初步搭出个雏形来，让Codex解决所有bug保障产品可运行，最后让Claude Opus 4.5擦屁股，优化整体界面设计和重新梳理一遍产品结构框架和对用户表达的文案。

00
RainyMoment
3月前

晚点小编: 【逼着算法学品味，抖音想要第三次突围】2021 年初，抖音内部的一场业务规划会上，一位垂类运营负责人用创作者发布视频数量、用户播放时长等数据论证这个产品在时尚领域做得比小红书更好。时任抖音负责人张楠随即反问，“我们做得更好，那为什么小红书 DAU（每日活跃用户数）还涨得这么猛？” 次年，抖音提出一个明确的目标，要在三年内覆盖全人群、全设备和全场景。针对小红书流行的笔记内容、B 站的中长视频、快手的北方市场，抖音推出一系列新产品和功能。 三年后，现在每天有超过 8 亿人（QuestMobile 口径）在抖音刷视频、购物、聊天，被吸走的时间不少于微信。去年这些行为让它的收入比阿里的中国电商高出了 1/3。抖音俨然已经是一个超级应用。 但抖音的阴影下，竞争对手稳定成长。小红书和 B 站在过去三年成为了日活过亿的大众平台，并且分别在 2023 年与 2024 年扭亏为盈。而产品形态更接近抖音的快手在 2024 年拥有了 4 亿日活跃用户，连续两年盈利。在无人可以撬动的微信里，视频号的日活跃用户则突破了 6 亿，与抖音主端体量相当。 抖音早已是中国第一大短视频和娱乐内容平台。基于互联网的产品通常有巨大的网络效应，明确的赢家出现后，第二名通常增长困难，三四名就更艰难。社交、移动支付、搜索、网约车等等都是如此，最近外卖市场的激战只是因为新对手京东和淘宝进入，在此之前饿了么每年净亏损数十亿元。 经营人员关心当下的数字，而企业家更担心三年后的变化。据《晚点 LatePost》了解，字节管理层认为抖音仍然没有达到可以高枕无忧的状态。“从内容的优质程度来看，并未与小红书、B 站这些竞争对手拉开差距。” 一位抖音人士说。 2025 年初的全员会上，字节跳动 CEO 梁汝波提到了另一点：“抖音 UGC（普通用户创造的内容），特别是图文 UGC 的供给和分发在涨，但是效果没有达到期望，还有比较多的低质问题。” 一位在场人士转述。抖音曾经是一个以 UGC 内容起家的平台。不过他也安慰团队，“这个目标提了很多年了，做到肯定很不容易。” 抖音自成立以来，已经两次突破先行产品的封锁。最早是越过腾讯投资的快手，成为追求即时满足的第一选择。第二次用直播在高度竞争的电商市场撕开一个口子，支付 GMV 冲到行业第三。现在改造算法，争夺小红书和 B 站的用户，决定着它能不能满足所有人，不同偏好的内容需求，成为无可撼动的内容消费超级应用。 抖音要做一切内容，但对手没有被遏制 “现在面临的是一个非常严峻的存量竞争市场。”2022 年 5 月的一次内部会上，张楠提醒团队，抖音跟对手的内容形态完全重合，都有短视频、中视频、图文，进入存量竞争。 当时抖音的日活跃用户数突破 7 亿，但增长速度已大幅放缓，还面临着许多难以突破的瓶颈：部分年轻人、高收入人群不用抖音；用户只是在无聊的时候才想起抖音，如果有什么更深入的需求会去其他地方。 其中最直接的威胁是小红书。小红书是 2013 年成立的生活方式图文社区，此前一直发展缓慢，直到 2020 年疫情暴发，突然极速生长，日活跃用户数在一年里从 2000 多万激增至 4000 万。它的创作者和用户大多为一、二线城市的年轻人。 抖音起步时也是年轻人聚集的主阵地，但随着用户体量变大，他们的占比从 2019 年开始持续下降。“可以用海外市场类比。当越来越多父母用起了 Facebook，他们的小孩就会向 Instagram 迁移。” 一位抖音人士说，小红书吸引走了重要的增量人群。 2022 年，抖音成立了一个代号为 “ L” 的图文内容专项，对标小红书，从对方的优势类目，如美妆、穿搭决策等品类入手，引入大批图文创作者和图文内容。“ L” 专项的优先级非常高，一开始由张楠亲自带队。 不过运营了一段时间后，她们发现大多数女性用户还是不会在抖音上看这些内容，浏览量更高的始终是颜值、萌宠等内容。随着大量用户被迫居家，抖音团队大规模引入健身机构和教练，旨在建立 “学健身，上抖音” 的用户心智，结果还是不如预期。 “这是抖音第一次体会到无力感。” 一位抖音人士说。后来，抖音应用顶部开辟了一个名为 “经验” 的入口，里面的内容以图文为主，形态上仿照了小红书的双列排版。尝试同样不算成功，据我们了解，只有不到 1% 的抖音用户用过 “经验” 入口。 2023 年初，韩尚佑接替张楠管理抖音。韩尚佑是一位 90 后，他在 2016 年加入字节，将抖音直播做到了行业第一，也是抖音生活服务最早的开拓者之一。 一位字节人士透露，韩尚佑接手后的一个主要任务就是探索新的可能性，让抖音的内容在质量和调性上超越小红书、B 站等平台。 他接手时，小红书的日活跃用户数突破了 1 亿，完成了从垂类产品向大众平台的蜕变。几个月后，每天打开视频号的微信用户超过了 4 亿。第三季度，B 站也迈过了 1 亿日活。 与此同时，“L” 项目运行两年后，高品质、类似小红书画风与调性的图文内容仍然只有小红书的数十分之一。多年扶持的 “高质量” 中长视频也未见起色，没有像 B 站一样诞生出圈的创作者——“影视飓风”“何同学”“老番茄” 甚至是法学教授罗翔的内容在每个平台上出现，但他们仍被视作是来自 B 站的创作者。 为算法注入 “品味”，艰难将 “优质内容” 标准化 2023 年 10 月，韩尚佑提出了一个 “优质内容” 计划，目的还是在于继续吸引那些没有被抖音覆盖到的高收入人群和年轻人。在内部，抖音将这类内容定义为 “代表先进的内容创作生产力。” 抖音当时做的第一件事是定义优质内容，方法是 “画格子”——在内部挑选了各个垂类 “懂内容” 的运营负责人，将内容分成了若干类型，再在每个垂类中填入标杆创作者，比如在 “田园风格” 下填入 “李子柒”，接着提炼出每个标杆创作者的作品有哪些特质，再最终萃取出一批 “优质” 的标准。 定义好标准后，运营团队会把它分发给数百名编辑审核员，让他们尽可能多地把符合标准的优质创作者 “打捞” 上来，打上标签。在这个过程中，审核员们与抖音团队还会再反复描摹与校准 “优质” 的标准。 不过这个标准不是一成不变的，每个指标的权重也会根据实际情况调整。一位抖音人士回忆，2023 年到 2024 年，抖音曾格外重视内容的 “有用性”，但后来发现在这样的定位下，平台上跑出来的更多是 PGC（专业生产者）内容。为了给普通创作者提供更多空间，2025 年抖音又开始同步强调 “真实 UGC” 内容。 前几年，抖音打造优质内容时，采取的是 “大水漫灌” 式的扶持——对一些品类在它们的模型预估分上做简单的系数加成，简单而言就是给这类内容直接买量加热，但最终发现效果非常不好。 一位抖音算法部门人士称，原因在于抖音当时的算法仍以完播率、点赞率、评论率为核心评价，而优质长内容因完播率和互动天然偏低，即便被推入更大的流量池，也难敌仅 10 秒的短视频。 这一次，抖音重新调整了策略，从最基础的算法层面作出改变。 一位抖音战略部门人士回忆，早在 2022 年初，他们曾针对抖音的未来，提出过许多假设：大盘增长趋缓的情况下，抖音是不是可以牺牲部分增长、时长、短期留存、效率、收入和利润，以追求长期增长和结构优化，达到 3-5 年理想的竞争状态？不过当时，内部并没有作出改变的动力。 新的变化是，在抖音上一些完播率没有那么高的好内容仍然可以得到推荐；抖音还将 “收藏”“看完后进一步搜索和视频有关的资讯” 等行为都加入了算法之中，“这些行为都能比较好地佐证一个内容是否有价值。” 一位抖音运营部门人士说。 运营部门有了更多的人手，他们对什么是好内容也有了更多的发言权。这对于算法和技术至上的字节跳动来说是一个新变化——抖音曾在 2021 年收缩过运营部门。 在主站以外，抖音还上线了独立的应用抖音精选。抖音精选是一款专门分发中长优质视频的平台，从字节此前打造了一款中视频产品青桃更名而来。据我们了解，抖音精选目前的日活跃用户数达到了 500 万，年底计划冲刺 1000 万。 建立信任需要很长时间。许多 B 站创作者怀疑抖音对所谓 “深度内容” 能支持多久，更倾向于将自己发在 B 站的中长视频切片发在抖音。为此，抖音的运营团队只能一个个劝说他们把完整视频也发一份，试试效果。 “抖音精选” 这个名字也没什么帮助，抖音是娱乐和直播带货的代表，而严选、优选、甄选都成了卖货的代名词。“在做对外推广时，大量用户都以为 ‘抖音精选’ 是卖货的。” 一位抖音精选人士说内部已经考虑换个新名字，降低抖音二字对产品带来的影响。 它的对手们在寻找好内容上走得更早更远。 小红书在几年前就已经明确，全平台打压工业化、AI 化、无真人出镜、无生活质量的内容，“甚至允许用户的使用时长下跌。” 一位小红书人士说。用户总在寻找各种流量密码，但跟风式的句式和套路在流行起来后都会被平台限制。这个小社区的管理者像大政府一样试图提高社区参与者的要求。 2024 年下半年，B 站 CEO 陈睿在一场内部讲话中称，B 站用户现在的日均使用时长是 105 分钟，“我们不希望用户浪费时间，B 站强调品类，说得出品类的一定是有用的。” 他认为，内容质量是 B 站立于不败之地的终极解决方案，“即便是下沉市场也有内容需求，比如把好的内容做得更接地气。” 最根本的区别可能是相信人还是相信机器。一位前字节产品经理撰文回忆说，自己早年曾想在内容产品里让用户自己选兴趣，但被张一鸣坚定否决，理由是用户需要太多操作才能提供足够信息判断他想看什么，“只能靠推荐来解决，你不可能让用户自己操作来解决信息获取的问题。” 成立十多年，字节跳动不吝于大批雇人。它曾让数千员工和实习生找简历以穷尽全国人才，也曾建立上万人规模的中小客户销售团队拓展广告的可能性。但最终，无数人力积累的工作，都将导向一套更智能的系统，让算法解决问题。 而不管小红书还是 B 站，寻找更好的内容很多时候是运营人员参与的结果。人判断什么内容更好，人根据当前社会情绪判断扶持什么样的内容更容易引起共鸣。这么带来的用户增长远远无法与抖音相比，也无法提供类似抖音的商业化前景。但小红书能因此在疫情期间找到并放大飞盘、露营、骑行、citywalk 等消费趋势，B 站是以视频讨论专业内容、自制纪录片的首选平台。 抖音拥有更多的创作者、更多的用户，但到目前为止，它在这些流行里更多是放大小红书、B 站已经走红的内容和趋势，是信息传播链路里的放大器。 用户需求的进化，从即时刺激到延迟满足 2012 年左右，中国最流行的是网页游戏，简单到简陋，可以在任何电脑上打开，通过充钱就能碾压对手。《黑神话：悟空》这样品质的游戏即便在那一年诞生，也不会产生今天这样的价值，因为只有很小一部分中国人可以消费那样的东西。 十几年后，腾讯、网易到米哈游、莉莉丝都不怎么投入简单无脑的刺激，在做挑战自己能力的大制作游戏。因为中国人对游戏的要求有了显著变化，每天有几千万人打开 Steam、PS5、Switch 等专用游戏平台，玩自己付费购买的游戏。一连串失败告诉整个行业，必须升级了，上亿制作费在这个行业已经不再成为新闻。 新的媒介形式诞生时，简单的刺激可以席卷全社会，但人类的成长远比算法模型里的公式复杂。一部分习惯了简单刺激的人自然开始寻找更复杂的乐趣，愿意为此付出溢价。随着用户消费审美的变迁，好的平台和内容生产方都在试图争取要求更高的那一部分人。 这也是为什么，尽管 Netflix 的高管们在不同场合强调自己更重视提供用户真心想看的东西，而不是他们嘴上会说的好电影。但这不影响它的第一步自制剧从英国买剧本、请凯文史派西主演、聚焦精英政治。为了兼顾少数人的喜好，它请马丁·斯科塞斯拍 3 个半小时长的《爱尔兰人》、去圣丹斯电影节大量签纪录片。现在这个付费内容平台市值超过 5000 亿美元，净利润接近腾讯的 1/3。 短视频平台也正在经历这个过程。早年，抖音凭借大量充斥着魔性特效、洗脑音乐和套路化剧情的短视频迅速流行起来，但今天，在抖音团队的调研报告里，短视频已经是许多年轻人眼中 “没有营养” 的代表。 去年的张兰风波引发的剧烈讨论，今年王朔采访里自嘲说自己每天看十小时短视频，集中不了注意力，都代表着娱乐短视频这个内容形式在逐渐被定格为 “有代价的即时满足”——类似有糖可乐，能产生巨大商业价值，但人们越来越不好意思承认自己是它的消费者。 对内号召员工抵抗即时满足，追求延迟满足的字节跳动自然很早就意识到风险。 抖音会定期做用户调研，2022 年的时候，他们发现用户刷抖音的时间越长，不仅不会为平台带来更多收入（他们会更快跳过广告），反而会加深他们 “时间消逝” 的明确负罪感，甚至卸载抖音。今天平均每人每天刷两小时已经是平台自我限制的结果。 2024 年中，抖音在一个增长专项研究中发现，电商、生活服务等有实际用处的内容是带动用户打开抖音提频的最主要场景，但内容的体验负向是导致用户离开抖音最重要的原因。 “这些都是抖音为什么要执着于做优质内容、做 ‘有用’‘有意义’ 内容最重要的原因。” 一位抖音人士说。 大约 30 年前，有记者在采访里问乔布斯，既然技术通向无数种可能性，怎么才能找到正确的方向。乔布斯顿了好几秒后说，“最终决定一切的是品味。” 经过几年的准备和尝试，抖音现在要证明，算法可以学会品味，它可以跟得上人类的成长。

00
RainyMoment
3月前
RainyMoment
3月前

Roxane: 最近DeepMind Gemini 3 预训练负责人Sebastian Bourjou 在 The MAD Podcast 参与了他的首秀访谈，信息量很大，非常推荐一读。 https://www.youtube.com/watch?v=cNGDAqFXvew 这个访谈比过去其他Google关键人物的访谈透露了更多细节，介绍了Google是如何完成Gemini 3 的，可以从中窥见目前世界上最前沿的AI公司的一些理念。 现在的模型发布不仅仅是参数量的胜利，更是系统工程、基础设施与算法创新的集大成者。 --- AI摘要如下： 1. 揭秘 Gemini 3：从“模型”到“系统”的飞跃 当被问及 Gemini 3 相比前代实现巨大飞跃的秘诀时，DeepMind 内部的回答是：“更好的预训练（Pre-training）和更好的后训练（Post-training）”。 💡并不是单一的“魔法开关” 并没有这一个神奇的旋钮，转动一下就能让模型智商翻倍。Gemini 3 的成功是成百上千个微小改进的累积效应。在 DeepMind，庞大的团队每天都在发现新的优化点，这些看似微不足道的进步汇聚在一起，产生了质变。 💡系统工程的胜利 Sebastian 强调了一个关键的思维转变：“我们不再是在构建一个模型，此时此刻，我们实际上是在构建一个系统。” 很多人认为 AI 只是训练一个神经网络架构，但实际上，围绕网络的整个生态系统——数据处理、基础设施、评估体系（Evals）——才是核心。Gemini 3 的预训练团队就有 150 到 200 人，涵盖了模型、数据、基础设施和评估等多个职能。 2. 范式转移：从“数据无限”到“数据受限” AI 行业长期以来有一个假设：只要算力和数据足够，Scaling Laws（缩放定律）就会一直奏效。但 Sebastian 提出了一个极其敏锐的观点： 💡我们正在经历从数据无限（Data Unlimited）范式向数据受限（Data Limited）范式的转移。 并不是数据“用光了”：Seb说，这并不意味着互联网上的数据被耗尽了，也不意味着我们在做所谓的“小样本学习”。 💡有限资源的精细化利用：这意味着我们将数据视为一种有限的资源（Finite Resource），而不是无限的水龙头。在这种新范式下，研究重点从“堆更多数据”转向了“如何更高效地利用现有数据”。这让人联想到 LLM 爆发前 ImageNet 时代的竞赛——在固定数据集上通过算法创新压榨出更高的性能。 💡关于合成数据（Synthetic Data） 在这个背景下，合成数据成为了热门话题。Sebastian 提醒道，使用合成数据需要极度谨慎。核心挑战在于：你用一个强模型生成数据去训练一个新模型，这个新模型能否超越生成数据的那个“老师”？ 这才是研究的圣杯。 3. 架构与多模态：Gemini 3 的技术骨架 混合专家模型 (MoE) 💡Gemini 3 继续沿用了 Transformer 架构，并采用了**混合专家（Mixture of Experts, MoE）**设计。 原理：将计算算力与参数量解耦。虽然模型总参数量巨大，但在处理每一个 Token 时，系统会动态路由（Dynamic Routing），只激活部分“专家”网络。这保证了模型在变大的同时，推理成本和计算效率依然可控。 💡原生多模态 (Native Multimodal) 与某些将视觉编码器“缝合”到语言模型上的做法不同，Gemini 是原生多模态的。这意味着同一个神经网络同时处理文本、图像和音频，没有独立的视觉模型或音频模型。 代价与收益：这种设计带来了极高的复杂性成本（Research Complexity Cost），不同模态之间会产生干扰，增加了研究难度。此外，图像 Token 的输入尺寸通常远大于文本，导致计算成本上升。 💡为何坚持：Sebastian 认为，尽管困难重重，但原生多模态带来的理解能力和统一性，其收益远远大于成本。 4. 研究哲学：DeepMind 的“研究品味” (Research Taste) Sebastian 谈到了一个优秀研究员的核心素质——研究品味。在算力受限（Compute Limited）的今天，你无法尝试每一个想法，因此“直觉”变得至关重要。 💡厌恶复杂性 (Allergy to Complexity) 虽然 Gemini 系统本身很复杂，但研究员必须对不必要的复杂性保持警惕。Sebastian 分享了一个原则：即使某个想法能提升性能，如果它让整个系统对其他人来说变得难用了 5%，那它可能就不值得采纳。 这种对“研究债务”的控制，是团队能长期快速迭代的关键。 💡研究即工程 (Research is Engineering) 在 DeepMind，传统的“科学家”与“工程师”的界限已经模糊。处理如此大规模的系统，研究工作本身看起来就像工程，反之亦然。 能够理解从 TPU 芯片底层到高层算法构想的全栈人才（Full-stack understanding），拥有某种“超能力”。 5. 未来展望：AI 的下一个前沿 Sebastian 对未来几年充满乐观，他坦言：“如果对自己诚实的话，我们目前的进度比我几年前预想的要快得多。” 💡推理与“思考” (Deep Think) 行业正在标准化一种新的范式：允许模型在给出答案前进行“思考”（生成思维链）。这通过在推理阶段增加计算量（Test-time compute），让模型能够通过自我验证、假设测试来解决更复杂的问题。 💡长上下文与记忆 (Long Context) Gemini 1.5 在长上下文窗口上取得了突破。未来，随着上下文长度的不断扩展，RAG（检索增强生成）与原生上下文的界限将变得模糊。如果模型能一次性“读入”整个代码库或知识库，它实际上就拥有了某种形式的“持续学习”能力。 💡检索的回归 (The Return of Retro?) Sebastian 曾是 Retro (Retrieval-Enhanced Transformer) 论文的作者。他认为，随着系统复杂度的管理能力提升，未来可能会看到检索机制被直接整合进预训练过程（End-to-end differentiable retrieval），而不仅仅是作为外挂的 RAG。 6. 给创业者与从业者的建议 💡给创业者：不要与 Scaling Laws 对赌 Sebastian 建议创业者在寻找切入点时，要学会外推（Extrapolate）。看看模型在一年前能做什么，现在能做什么，然后假设这种进步速度会持续。 💡警示：如果你的创业项目是解决目前通用模型做得不够好的某个狭窄领域（例如专门的金融报表分析），而这是通用模型在 6-12 个月内通过 Scaling 就能覆盖的能力，那么你的护城河极其脆弱。 💡给研究员：理解系统 不要只盯着模型架构（Model Architecture）。去理解数据流、去理解评估体系（Evals）、去理解底层硬件（TPU/GPU）。那些能够发现系统各层级之间缝隙（Gaps）的人，将是未来最有价值的人才。

00
RainyMoment
3月前

末号玩家001: 最近看了一个创业者的访谈他叫朱陈彪，Pollo AI的创始人。 这个产品你可能没听过，但它的数据很吓人：上线7个月，月活超过400万。 没有大厂经历，没有海外留学背景，真格基金的合伙人刘元用了一个词形容他：草根。 但就是这样一个人，做出了视频生成赛道第一梯队的产品。 我花了一些时间研究他的经历，发现了一些很有价值的东西，今天想跟大家一起聊聊。 先说一个概念：择时和选品 朱陈彪做过20多款产品，这也意味着他至少看过500款以上的海外产品，也交了几百万的学费。 他总结出的最重要的一条经验是：择时和选品，比你怎么做更重要。 他举了几个例子。 第一个例子：ChatGPT刚出来的时候，做Chatbot套壳是个好时机，一年后再做就太晚了。 第二个例子：Stable Diffusion刚出来的时候，做图片站、图片社区是个好时机。SeaArt、Liblib就是那个时候跑出来的。一年后再做就事倍功半了。 第三个例子：AI视频API刚出来的时候，做视频应用是个好时机。 Pollo AI就是那个时候做的。 你发现规律了吗？ 每一次新技术出现，都会在原有的市场格局里撕开一道口子，而这道口子就是机会。 但这道口子不会一直开着，窗口期非常短。 拿Pollo AI来说，它的时间窗口大概就是去年9月到12月这三四个月。 当时开源视频模型和API刚出来，技术还不完美，但这恰恰是最好的进入时机。 等到技术成熟了，大家都看明白了，你再进去，SEO做得再好也没用。 朱陈彪说了一句话我印象很深：即使GPT-4o的一致性不够好，但你要相信模型终究会迭代进步。 你要做的是先占住位置，而不是等它完美。 换句话说，择时的本质是对技术演进方向的判断，而不是对当下技术成熟度的评估。 那什么是糟糕的选品？ 朱陈彪也举了反面例子：一年前去做商品图、去背景、海报这种产品，就是糟糕的选品。 有两个原因。 第一，没有差异化。第二，巨头已经占据了用户心智。 用户一般不会再选择你，除非你有非常大的差异化，或者产品维度更高。 他还提到一个很多创业者会犯的错误：分不清什么是工具，什么是产品。 举个例子，Word转PDF、视频下载、视频格式转换，这些是工具，直来直往解决单一问题。 但Adobe PDF编辑器是产品，它用一个完整的工作流把很多功能串起来，帮用户完成一件事。 很多出海产品就是一堆功能的堆砌，你不知道它核心解决什么问题，没有一个工作流把事情串起来。 这个区分很重要，工具容易被替代，产品才能建立壁垒。 说完选品，再说增长的天花板 朱陈彪是做SEO出身的，这方面可以说驾轻就熟，但他很清醒地意识到SEO的局限性。 他说一般做个一年，SEO能做的部分就相对少了，很难帮你实现翻倍增长了。 而且算法规则一变，流量可能减半甚至跌到谷底。 这对商业公司来说很危险。 所以他现在的精力更多放在产品打磨和人才招聘上，而不是SEO上。 他说逐渐理解了雷军说的把80%的精力放在招人上，也理解了刘备三顾茅庐。 就像彼得·德鲁克说的：企业只有两个基本功能，营销和创新。 SEO是营销的一部分，但真正的护城河来自产品创新。 关于Pollo AI的未来，朱陈彪有一个很清晰的判断 他认为现在的Pollo AI还是工具属性更强，但这是过渡态。最终他希望Pollo AI能成为AI版的剪映，或者视频版的Canva。 怎么实现呢？ 核心就是两件事：一站式创作流程，以及独特的用户心智。 关于一站式创作流程，他举了一个例子：很多AI产品，生成的图片在一个地方，生成的视频在另一个地方，加特效又在第三个地方，这种体验太割裂了。 Pollo AI要做的是把所有生成的东西放在同一个信息流里，用户可以在同一个页面进行二次创作。 这是工作流，不是工具叠加。 关于独特心智，他举了几个正面案例：剪映就是剪辑，Lovart就是设计，Photoroom就是商品背景图。这些产品的心智都非常清晰。 最后聊一下他对Sora的看法 Sora移动端想做一个AI版的TikTok，看起来很创新，但朱陈彪觉得它的留存不会很好。 原因很简单：商业模式不可持续。 据报道，Sora在免费情况下每天的token成本消耗大概是1500万美元，这个数字太吓人了。 他还提到一个观察：通过特效引流的用户，留存率是存疑的。 特效是一茬一茬的，需要不停寻找新用户，这不是长期的事情。 所以Pollo AI的策略是：特效负责拉新，专业的创作流程负责留存。 研究完朱陈彪的经历，我最大的感受是：他对机会的嗅觉和对节奏的把握非常精准。 这种能力不是天生的，是做了20多款产品、交了几百万学费练出来的。 他说：选品是个技术活，是可以通过练习得来的，就像熟读唐诗三百首，不会作诗也会吟。 对于想在AI赛道创业的人来说，这可能是最值得学习的一点：不要只低头做产品，要抬头看时机。

00