产品发布与市场反响 - 2024年8月，Looki L1全球版本发布，在国内被博主称为“人生回看器”，视频播放量达千万级别[2] - 2024年10月，Instagram上的种草视频同样获得千万播放，点赞近30万[3] - 产品初期备货仅3000台，于10月初售罄，出现营销与备货错配的情况[4][27] - 公司于11月底完成补货，为国内发布及后续CES市场活动做好准备[28] 产品定义与品类创新 - 产品是一款可挂在胸口的设备，具备拍照、录像、录音功能，用于记录生活[6] - 创始人最初将其定义为“Lifelogging Camera”，但后来认为此定义过于保守，现官网将其定义为“全球首台多模态个人AI可穿戴设备”[11][12][14] - 产品创造了全新品类，用户日均使用时长从最初的6.2小时一路增长至7.9小时，且仍在增长，远超运动相机的使用模式[8][9][34] - 用户使用高峰出现在周中，而非周末，表明用户将其视为AI copilot用于日常生活洞察，而非传统相机[39] 用户反馈与社区运营 - 公司非常重视Discord社群运营，依赖真实用户反馈来迭代基于软件和AI的功能[35] - 在Meta收购Limitless后，部分用户转向Looki，并希望其能兼容Limitless的相关能力[37] - 关于隐私问题，所有内容默认存储在设备本地，上传需用户手动授权，该设计有效消除了用户的隐私焦虑[38] - 用户与AI的交互呈现新形态，例如询问基于当天状态的决策建议，或获得结合具体环境信息的实时提示（如暴风雪预警）[41][42] 软件功能与AI原生理念 - 公司搭建了高度灵活的“灵感”体系，可快速将用户高频、共性的需求上线为“For You”模块（如Daily Insights、情绪分析）[48] - 功能开发遵循“less structure, more intelligence”的AI Native思想，旨在搭建一个“场”，而非定义具体用例[46] - 漫画模式等功能因新模型（如Nano Banana）上线而时机成熟，后台有大量基于Life Data + AI的功能在排队等待上线[49][51] - 早期为Lifelogging人群设计的功能（如“记忆”模块）重要性因用户破圈而降低，目前优先级已调整[52] 增长策略与市场定位 - 公司对增长持谨慎态度，认为增长信号应来自产品使用中自然沉淀的线索，而非刻意设计[53] - 产品早期用户是AI的早期采用者，但目标将逐渐转向对生活不甘平庸、保持好奇的人群[57] - 公司认为新一代AI硬件不应复制手机路径或抢夺注意力，而应进入手机不擅长的“慢价值”领域，如情绪、内省和长期陪伴[57][58] - 产品核心吸引力在于为用户制造“surprise”，即打破“指令-反馈”模式，主动递送意外、有趣的内容[59][60] 商业模式与未来愿景 - 长期商业模式是“价值售卖”，而非单纯硬件销售或硬件加订阅[70] - 短期内以硬件销售为主，订阅服务设三个档位，付费档位旨在测试用户（尤其是北美市场）是否为高价值功能付费的意愿，相关服务预计明年一二月上线[70] - 未来方向是基于对用户生活的理解，在提供服务过程中创造价值转化（如基于减肥目标推荐产品或服务），其核心是站在用户一侧的“信任变现”[71][72] - 在AI场景中，用户的数据或生活上下文（context）是构建信任的基础[74] 竞争壁垒与战略选择 - 公司认为当前阶段的壁垒并非数据或记忆本身，而是认知差和速度，创业公司需抓住大变量出现后的不确定性窗口期[75] - 公司选择了一条“离生意更远、但对长期存活更关键”的路线，即优先做好感知、决策和认知（造“脑子”），而非直接做完整的机器人，这类似于自动驾驶领域的L4与L2/L4基础路径之争[76][77] - 公司积累的生活数据具有价值，但短期内不会作为商品出售，而是用于构建完整的记忆系统，这是一种尚未开采的隐形价值[75] 公司管理与组织文化 - 创始人认为经验正在快速贬值，招聘更看重taste和想象力，这两点是模型难以替代的[87] - 公司要求员工转变工作习惯，积极与模型协作，认为不会使用模型的人终将被会用模型的人取代[85][86] - 在团队规模扩大至三十多人后，公司开始主动建立和传递明确的组织文化、使命和愿景，以保持团队方向一致[89]

近期AI行业活动概览 - 2024年12月18日，Founder Park举办线上活动，主题为“AIGC公司出海合规难题”，由北京星也律师事务所的创始合伙人郑玮和合伙人孙奇敏主持，探讨模型训练数据合规、生成内容权属界定及产品出海的数据跨境传输等关键法律问题[4][5] - 2024年12月21日，极客公园Global Ready举办线上闭门交流，主题为“AI硬件的生命力从何而来”，邀请灵宇宙创始人顾嘉唯、无界方舟创始人曾晓东、FOUNTAIN源泉创始人万旭成作为嘉宾，交流方向包括突破数据与权限屏障、多模态交互畅想及AI原生硬件创业思考[1][5] - 2024年12月21日，十字路口在上海漕河泾AI Hacker House举办线下活动“十字路口 AI 开放麦 · 加速吧！2025”，现场规模约120人，其中安排10位参与者进行每人10分钟的开放麦分享，已确认的分享者包括Homi AI创始人Colin、ChatCut创始人Kaiwen Li、Refly创始人Tom[6][8] - 2024年12月25日，Founder Park在上海AI Hacker House举办圣诞特别场Meetup，主题聚焦“AI陪伴产品”，采用小场闭门形式，邀请有体感的创业者探讨AI如何满足人的陪伴需求，不设统一定义，旨在深入交流想法[1][9][10] - 2026年1月7日，极客公园Global Ready将在拉斯维加斯CES期间举办“The Frontiers Mixer @CES 2026”活动，预计汇聚近百位高质量的创新者、创业者与投资人，深度交流AI与消费硬件的核心趋势及全球化实践[10] - 2026年1月24日，Linkloud在北京举办“Global NEXT 2026”活动，邀请真格基金投资总监钟天杰、AI游戏投资人刘小宁、阶跃STEP-GUI产品负责人nuomi等嘉宾，主题为“Think Global, Act Local”，旨在探讨AI技术与趋势的全球化与本地化实践[11][13] AI陪伴与社交产品探讨 - 行业关注2025年仍未出现“千万DAU的AI陪伴产品”的现象，并深入探讨陪伴类产品旨在解决的真实需求以及对未来理想AI陪伴者的想象[12] - 讨论焦点在于当技术趋同后，构成产品壁垒的关键因素可能是IP、世界观、用户心智占位或长期关系链，而非单纯的技术[12] - 活动指出，2025年越来越多用户将“需要在身边的陪伴”需求交给了AI，各类陪伴产品都在尝试填补这一空白[9] AI硬件与多模态交互 - 行业活动探讨AI硬件的生命力来源，核心议题包括如何突破数据与权限的屏障，以及对多模态交互未来的畅想[5] - 活动面向AI硬件相关创业者，旨在交流AI原生硬件创业需要思考的关键问题[1][5] AI产品出海与合规 - 活动专门讨论AIGC公司出海面临的合规难题，涵盖模型训练阶段如何合规利用爬取数据、版权内容与用户行为数据[4][5] - 法律议题包括生成内容的权属界定，以及针对ToB和ToC产品如何划分数据使用权与知识产权[5] - 出海合规实践涉及跨境数据传输、本地存储与数据隔离方案的部署[5] 行业趋势与投资方向 - 活动引用a16z年度预测，指出2026年AI创业的新机会将集中在垂直行业，AI产品会走向定制化[14] - 行业关注AI语音输入法领域的动态，例如豆包输入法全面上线，Typeless应用登顶日榜，以及Wispr公司融资8100万美元[14] - 投资案例显示，金沙江创投朱啸虎投资了Refly.AI，其创始人黄巍认为n8n、扣子等工具太难用，而Vibe Workflow是更大众的解决方案[14]

公司概况与融资情况 - 公司缔零科技近期完成数千万元天使轮融资，由中南创投、凯风创投、普朗克创投联合投资 [1] - 融资资金将主要用于核心产品「缔零法则」的技术迭代、市场生态构建及认知安全社区建立 [1] 核心产品与技术 - 公司自研产品「缔零法则」主打以AI治理AI，提供一站式内容安全解决方案 [1] - 该产品可将审核成本降低60%以上，审核效率提升50倍以上，风险识别准确率高达99.98%，性能较传统机审提升25% [1] - 公司早期产品「缔零智数」是一款帮助模型进行对齐的数据集产品，旨在使AI对齐国内的安全要求与文化习俗 [9] - 「缔零法则」1.0版本聚焦于模型推理层，确保AI生成内容或响应时被框定在安全框架内运行 [10] - 公司正在开发「缔零法则」2.0版本，旨在将客户接入、适配、调整等运营动作80-90%自动化，以降低定制化交付成本 [29][30] 业务模式与市场定位 - 公司业务从ToB内容审核服务切入，旨在用AI完全替代传统人工审核 [14][16] - 公司认为传统人工审核存在成本高、对审核员心理健康伤害大等问题，全国约有10-15万审核员 [14] - 在AI UGC时代，内容生成速度可能以千倍增长，传统治理体系面临巨大压力 [16] - 对于企业客户而言，产品落地的核心驱动力是精度和成本，只要精度一致或更高且成本更低，企业就会采纳 [17] - 公司未来规划推出面向C端的认知安全产品，旨在为用户构建个性化的认知安全护栏 [11] - 现阶段业务重心为ToB，预计B端与C端业务比重为7:3，未来期望C端业务能反超 [28][29] 行业洞察与公司愿景 - AI时代的内容安全正从传统内容合规，演进到更隐蔽复杂的认知影响层面 [1] - AI安全包括两大方面：AI运行中是否产生有害信息或被恶意利用；AI在构建训练过程中是否被污染或植入后门 [9] - 公司认为其使命是打造AI时代的个人认知安全护栏，终极目标是让每个用户都拥有自己的AI安全顾问 [1] - 公司希望未来其C端产品能成为用户完全信任的安全助手，帮助用户判断信息可信度，并作为用户与Master Agent（主智能体）之间的信任构建者 [19][20] - 公司将自己定位为AI安全专家，为大模型厂商等企业提供安全能力补齐，认为安全对这些企业而言是必要但非主线的成本部门 [24] 技术路径与产品特点 - 在处理模型对齐与泛化问题时，公司针对不同国家或地区的意识形态、价值判断和公序良俗提供本地化对齐方案 [12] - 在推理层安全检测上，公司不仅看单次或短片段内容，更关注对话组合与用户意图，以定位真正的恶意行为 [13] - 公司采用模拟人类思路的新架构，使模型能像人类一样认识新的文化符号和有害内容，降低对历史数据的依赖 [17] - 产品适配过程依赖客户返回的质检结果进行尺度调整，并与人类审核结果进行并行比较 [18] - 对于C端产品，公司采用端侧与云端分层推理的架构，隐私数据在本地处理，复杂信号处理在云端进行，以保障隐私安全并符合出海要求 [32] - 公司通过构建“记忆工程”来处理超长上下文信息，而非完全依赖模型本身的上下文长度 [31] 产品形态与市场拓展 - ToC产品形态可能深度嵌入手机等硬件生态系统，类似手机相册的敏感内容屏蔽功能，初期可能以插件或后台APP形式呈现 [21][22] - 公司希望C端产品的用户感知尽可能弱化，像一种无形的安全感供给，仅在危险时主动提醒或用户询问时响应 [22][23] - 在C端出海策略上，公司计划优先考虑中东和东南亚等地区 [27] - C端产品的模型设计为不带任何意识形态偏见，规则由用户自定义，公司主要处理数据隐私安全链路 [26]

文章核心观点 - 数据是AIGC创业公司需要认真对待的关键风险点，尤其在出海过程中，将合规风险前置至关重要[1][3] - 针对AIGC创业公司，北京星也律师事务所的合伙人将探讨如何规避出海过程中的一系列合规与高风险问题[4] 活动信息 - 活动形式为线上闭门workshop，将于12月18日晚20点举行[5] - 活动采用筛选制，名额有限，需扫描海报二维码报名[6] 研讨会核心议题 - 模型训练阶段，如何合规利用合成数据、版权内容、专有数据及用户使用数据[8] - 针对代码、人像、音视频等不同种类数据，需要分别注意的侵权风险[8] - AI生成内容的归属权问题，以及在ToB和ToC应用中，数据使用权与知识产权的界定方式[8] - 产品出海时，如何妥善处理跨境数据传输、本地存储与数据隔离[8] 目标参会人群 - 图像、文本、视频等生成式AI产品的创始人或出海负责人[10] - AI陪伴/社交、AI Coding类产品的创始人或出海负责人[10]

文章核心观点 - AI领域的用户留存模式与传统SaaS行业存在根本性差异，出现了“灰姑娘水晶鞋效应”：如果一个新模型在发布初期就能完美解决用户的某个高价值、未被满足的难题，那么首批用户将表现出极高的忠诚度和留存率，并深度绑定业务，这与传统SaaS先发布MVP再迭代改善留存的模式相悖 [1][4][5][7] AI时代用户留存的新范式 - 传统SaaS的典型做法是先发布功能较少的最小可行产品，然后通过快速迭代功能来改善用户留存，初期用户流失被视为常态 [4] - AI领域出现了新现象，一些产品从第一批用户开始就获得了非常高的留存率，用户似乎找到了他们真正需要的东西并长期使用，这形成了“灰姑娘水晶鞋效应” [5] - 该效应比喻市场上存在一批有潜在需求的“客户”（灰姑娘），他们持续寻找能完美解决其“未解决的工作负载”的方案，当某个“前沿模型”以极高精度解决某个棘手且高价值的问题时，就产生了“工作负载-模型匹配”，用户会被有效“锁定” [7][8] - 早期具备高粘性的用户被称为“基础用户群组”，他们通常在模型发布初期出现，留存率非常高，甚至可能比后期加入用户的留存率更高 [8] - 后期用户忠诚度更低，因为他们更多是抱着实验性态度，或者其需求已被其他方案满足，模型只是众多工具中的一个，未被满足的需求会促使他们转向试用新模型 [9] 关键数据与案例分析 - 分析基于OpenRouter平台上60多家提供商的300多个模型，以及100万亿个token的交互数据 [1] - OpenRouter的模型使用量在一年内增长了10倍，处理的Token数量从10万亿增至100万亿以上 [7] - **正面案例：Google Gemini 2.5 Pro**：2025年6月发布的群组在5个月后仍有约20%的用户保持活跃，留存率非常高 [14] - **正面案例：Anthropic Claude 4 Sonnet**：2025年5月的发布群组在第4个月时用户留存率约为40%，显著高于其后期用户群组 [15] - 上述案例表明，当模型凭借明确技术优势发布时，有一个短暂窗口期来吸引“基础用户群组”，一旦成功，这些用户会成为核心用户并长期维持高使用率 [16] - **反面案例**：如Google Gemini 2.0 Flash和Llama 4 Maverick等模型，由于未能实现能力上质的提升，所有用户群组留存率都很低且行为相似，未能形成“基础用户”，图表中所有群组的留存曲线都纠缠在一起 [17] 对AI公司和投资者的启示 - **留存率是关键北极星指标**：早期用户的高留存率是判断能力“真突破”的关键指标，所有群组都快速流失是危险信号，而存在高留存的基础用户群组则值得深入研究 [6][24] - **重新定义先发优势**：率先进入市场不一定成功，关键在于谁能率先完美解决某一类问题，第一个实现新能力水平的模型能锁定大部分忠实用户，因为用户已围绕该模型构建工作流，带来高昂的转换成本和商业“锁定” [6][24] - **PMF等同于工作负载-模型匹配**：在AI领域，实现产品市场匹配意味着比任何对手都更好地解决某一个高价值的工作负载，当产品能够精准满足某一需求时，用户的留存率自然就有了 [6][24] - **“前沿模型”的窗口期非常短暂**：数据显示，“前沿模型”的领先地位是暂时的，可能只有几个月，这是获得“基础用户”的唯一机会，一旦错过就只能陷入增量改进的激烈竞争 [6][16][24] - **需要把某一维度的能力做到极致**：靠“通用”取胜很难，AI下一阶段的竞争不仅是模型更大或更快，更是要找到并彻底解决市场中那些高价值的、未被满足的需求，成为第一个完美解决方案 [6][23][24]

文章核心观点 - 2026年，AI将从提升效率的工具演变为彻底重塑工业制造、企业软件和个人体验的“AI Native”环境，行业将从“使用AI”迈入在“AI Native”环境中思考、创造和运营的全新时代 [3] 基础设施与数据 - **Agent-native基础设施成为必需品**：企业后端系统需适应智能体（Agent）的工作模式，其可能瞬间发起数千个子任务或API调用，传统系统视其为DDoS攻击，因此需要重新设计控制平面，将海量并发访问作为默认状态处理，核心瓶颈在于复杂的“协调能力”而非简单的算力或存储 [11][12] - **非结构化、多模态数据处理是巨大创业机会**：企业内部80%的知识和信息存在于非结构化数据（如PDF、截图、视频、日志）中，数据的时效性、结构化和准确性不断下降，导致AI应用出现“幻觉”和错误，因此需要可持续的解决方案来清理、结构化、验证和管理这些数据，应用场景广泛涉及合同分析、理赔处理、客户支持等环节 [6][7][9] - **AI原生数据栈持续演进**：数据基础设施出现整合趋势（如Fivetran和dbt合并），但距离真正的“AI原生数据架构”仍有距离，未来演进将聚焦于：存储双轨制（数据同时高效流入向量数据库和传统结构化数据库）、解决AI Agent的“上下文问题”通过构建强大的语义层、以及传统BI工具和电子表格的形态变化 [13][18] - **关键行业的数据争夺战**：2026年AI领域的关键词将从算力限制转向数据限制，特别是传统关键行业（如物流、制造）中大量未被开发的、反映“如何做”的非结构化流程数据，拥有物理设施的传统工业公司采集数据的边际成本几乎为零，创业公司将涌入提供从传感器硬件到数据标注软件的一整套协调工具 [14][15][16] - **物理世界的“可观测性”革命**：美国城市已部署超过十亿个联网摄像头和传感器，物理世界的可观测性成为现实，能实时了解城市、电网等基础设施运行状态，这将成为机器人和自动驾驶下一阶段发展的基础，赢家将是能建立保护隐私、可互操作且值得信赖的AI原生系统的公司 [38] 消费级AI应用与交互 - **消费级AI重心从“Help me”转向“See me”**：主流产品将从提高效率转向增进连接，通过多模态技术（分析聊天记录、相册、行为模式）全方位了解用户，帮助用户更清楚地认识自己并建立更牢固的人际关系，“懂我内心”的产品比“帮我做事”的产品有更好的用户留存和更强的使用粘性 [19] - **创意工具进入多模态与精细控制时代**：未来模型将不再局限于单一指令，可以输入多种形式的参考内容（如视频、图片、音频）进行深度协作，实现“导演级控制”，例如让AI在保持原有剧情基础上创造新角色，或从不同视角“重新拍摄”同一场景，2026年将是AI进入多模态创作的一年 [21] - **下一代AI应用交互方式为“无提示框”且“主动式”**：将标志着“提示框”在主流应用中的终结，AI应用不再依赖用户主动输入指令，而是静默观察用户操作并在合适时机主动提供建议（如IDE中建议代码重构、CRM自动起草跟进邮件），由用户的“意图”而非“指令”激活 [27] - **产品从大众化走向“为我定制”**：2026年将成为“为我定制的一年”，产品将根据个人需求量身定制，例如教育领域的AI导师能根据学生进度和兴趣提供个性化教学，健康领域能基于生物数据设计专属饮食计划，媒体领域能让内容流根据用户语调和兴趣实时整合 [28] - **ChatGPT将演变为新的应用分发平台**：随着OpenAI发布Apps SDK、苹果支持小程序生态以及ChatGPT推出群聊功能，开发者可直接触达其庞大的9亿用户群，这个全新的分发渠道将在2026年开启一场十年一遇的行业机遇 [25] 企业软件与商业模式 - **AI核心价值从“降本”转向“增收”**：最优秀的AI创业公司致力于放大客户的经济效益，例如利用专有数据预测胜诉率以直接提升律所营收，到2026年，这种通过优化决策链条创造复合优势、驱动收入增长的逻辑将扩展到各行各业 [23] - **AI应用将不再以“屏幕使用时间”为KPI**：未来衡量标准将被基于结果的定价模式取代，因为AI的价值往往体现在“减少”屏幕时间上（如深度研究、自动处理医患对话），能够最简单清晰地讲清楚用户ROI的公司将在竞争中领先 [24] - **记录系统地位下降，智能体执行层更重要**：到2026年，企业软件领域“记录系统”（如CRM、ITSM）将不再是核心，而是退居为标准化数据存储层，行业的战略价值将转移到能够自主执行工作流的动态“智能体层” [49] - **大企业将迎来新的“协调层”与新角色**：世界500强企业将从使用孤立的AI工具转向使用需要协同工作的多智能体系统，这将迫使企业重构岗位，出现“AI工作流设计师”、“智能体监督员”等新职位，并在现有记录系统之上构建专门管理多智能体互动的“协调系统” [50][51] - **服务新成立的“AI Native”创业公司是有效策略**：在巨头环伺的背景下，创业公司可参考Stripe等公司的成长路径，专注于服务那些尚未被巨头锁定的、新成立的“AI Native”公司，随着这些客户的成长而壮大 [52] 垂直行业应用 - **AI绝大部分市场机会在传统垂直行业**：到2026年，创业者将意识到AI绝大部分的市场机会存在于硅谷之外的大型传统垂直行业（如系统集成、咨询服务、制造业），真正的机会在于这些行动相对缓慢的行业 [31] - **垂直领域AI从“信息处理”走向“多人协作”**：垂直软件（如医疗、法律）的增长将进入第三阶段——“多人协作模式”，智能体将在不同利益相关方（如买卖双方、顾问）之间进行协调、分配任务、保持信息同步，协作层本身将成为最强的护城河 [32][34] - **AI倒逼金融基础设施彻底升级**：金融机构将面临临界点，不进行AI升级的代价将比升级失败更惨重，大型机构将转向AI原生的新一代基础设施，打破数据孤岛，集中并利用内外部数据，这将带来工作流简化与并行化（如AI同时处理数百个贷款审批任务）以及业务类别合并（如KYC与交易监控数据整合）等变化，新一代金融科技公司的规模可能比旧巨头大十倍 [35][39] - **医疗健康领域将出现“健康月活用户”**：指那些没有生病但希望定期监测并深度了解自身健康状况的消费者，随着AI降低服务成本、新型预防性保险产品出现以及订阅制付费习惯养成，这群高参与度用户将成为健康科技领域下一个高增长点 [36] - **AI将彻底解决网络安全领域自动化难题**：到2026年，AI将通过自动化处理大部分重复性工作（如审查日志），帮助解决网络安全团队招聘难的问题，让专家从繁杂工作中解脱，专注于追踪黑客、修复漏洞等核心任务 [41] - **打造AI原生的工业基础**：美国正在重建关键经济领域（能源、制造、物流、基建），新一代公司从第一天起就采用模拟、自动化设计和AI驱动的运营模式，这为先进能源系统、机器人重工业等领域带来巨大机会，AI能够设计更清洁的反应堆、优化矿产开采并协调复杂的自动化机器集群 [37] 新兴领域与前沿趋势 - **新的模型能力将催生新类型公司**：到2026年，将出现一批核心产品能力完全建立在近期模型突破性进展（如推理、多模态、计算机操作能力）之上的全新类型公司，这些公司此前根本不可能存在 [48] - **推理能力进步**：使得AI能够处理复杂的金融索赔或裁决账单纠纷等高密度分析任务 [48] - **多模态能力进步**：让AI能从物理世界的视频数据（如工厂监控流）中提取潜在的结构化信息 [54] - **计算机操作能力进步**：意味着AI可以直接操作桌面软件，释放那些被困在老旧软件和碎片化工作流中的传统行业数据价值 [54] - **自动化实验室加速科学突破**：随着AI在多模态理解和机器人操控上的进步，科研领域将迎来“自动化实验室”，能够实现从提出假设、设计执行实验到分析结果的全流程自动化，实现24小时不间断实验 [40] - **第一所AI-native大学诞生**：2026年将诞生完全围绕智能系统运行的“AI原生大学”，课程、研究项目甚至校园运营会根据数据反馈和最新研究自动更新，教授角色转变为学习体验设计师，评估方式转向考核学生的“AI感知能力”与协作能力，该大学将成为新经济的人才引擎 [53][55][56] 内容与媒介演进 - **视频将成为可“进入”的仿真环境**：2026年，视频将不再是被动观看的平面内容，而会变成可以真正“走进去”的空间，视频模型将理解时间概念、记住已展示内容并对用户行为做出反应，生成的视频能长时间维持角色、物体和物理规则，成为一个可被再创造的媒介，用于机器人模拟训练、游戏原型制作等 [42][44][45] - **“世界模型”成为全新创意媒介和经济领域**：由AI驱动的“世界模型”将通过构建可交互的虚拟世界和数字经济，彻底改变讲故事的方式，用户能凭文本提示生成完整3D环境，并实时通过自然语言改变游戏机制，这不仅模糊了玩家与创作者的界限，构建了动态的“生成式多元宇宙”，还将成为训练AI Agent和机器人的高保真模拟环境 [46][47]

文章核心观点 - 数据是AIGC创业公司，特别是出海企业，必须严肃对待的关键风险点，需要将合规风险前置处理[1][3] 模型训练阶段的数据合规 - 合成数据、版权内容、专有数据、用户使用数据等不同类型的数据，其法律风险和处理流程完全不同，需明确判断哪些数据可用[2][8] - 代码、人像、音视频等不同种类的数据，分别对应着不同的侵权风险，需要特别注意[8] - 模型训练阶段需关注如何合规利用爬取数据、版权内容与用户行为数据[10] 生成内容的权属与使用界定 - AI生成的内容所有权归属、以及ToB和ToC应用场景下的数据使用权与知识产权界定，是核心法律问题[8][10] 产品出海的数据合规挑战 - 产品出海面临跨境数据传输、本地存储与数据隔离等一系列高风险合规问题[8] - 出海企业需特别关注如何在各类诉讼和侵权争议频发的环境下做好数据合规[3][8][10]

公司融资与定位 - 种子轮融资数百万美元，估值近千万美元，投资方包括金沙江创投、高瓴创投和Classin [1] - 公司定位为更适合大众的Vibe Workflow产品，旨在降低自动化流程搭建门槛 [2] - 核心目标是让非技术人员也能轻松复制和分享流程经验，实现价值 [4] 产品理念：Vibe Workflow - Vibe Workflow是Agent与传统Workflow的结合体，旨在保留Agent动态性的同时，获得传统Workflow的可控性与稳定性 [10] - 产品将传统Workflow中的节点升级为单独的Agent，每个Agent配备2-3个工具，以更有效利用模型能力 [4][5] - 核心特点包括：搭建成本无限降低（一句话生成Workflow）、通过Agent白盒化编辑器简化操作、用沙箱环境解决复杂逻辑 [11] - 内部测试显示，一个Refly.AI节点可替代大约20个n8n节点的功能 [11] 产品优势与成本控制 - 搭建Workflow的token消耗极低，仅需几千至上万个token，而用n8n搭建类似流程可能消耗大几十万token [14] - 执行层面，每个简化后的任务仅消耗1至2个积分，成本约0.1至1元人民币，相比Manus单任务数美元的成本降低了至少5至7倍 [14] - 后续调用时，token消耗可能仅为原本的50%甚至10% [14] - 产品交互完全基于自然语言，无需用户理解搭建逻辑 [13] 目标市场与用户画像 - 早期核心用户是有n8n、Dify使用经验但寻求更简单方案的群体，产品支持从其他平台一键迁移Workflow [19] - 重点聚焦自媒体场景，帮助用户串联不同模型（如Claude Opus和Gemini）自动抓热点、生成文章、播客等内容 [19][20] - 公司自身在Twitter拥有约3万粉丝，对该场景有较强体感 [20] - 未来计划向教育、职场白领（写报告、产品分析）、金融（财报分析）等偏赚钱和职场的场景扩张 [20] - 明确放弃需要100%准确性的企业自动化操作场景，更侧重于内容创作型任务，接受70%左右的准确率 [15][17][18] 技术架构与数据战略 - 技术路径分层：首先让Agent生成Workflow，其次将每个Workflow节点设计为Agent并通过引擎串联，最后建立成规模的Tools体系 [45][46][47] - 核心数据战略是收集用户在完成中长程、复杂任务过程中的“思维链行为数据”，即用户与AI交互的完整路径和反馈 [23][26][27] - 这些行为数据可用于预测用户下一步行动，是公司构建数据飞轮、优化产品的基础 [24][25][26] - 通过用户修改节点、多次生成、运行成功以及社区评分等多维度反馈，持续优化Prompt和自有小模型 [28][29][32] 竞争壁垒与发展策略 - 团队背景来自字节跳动早期“大模型+低代码+Workflow”项目，自认为是全球Vibe Workflow赛道最有竞争力的团队 [34][43] - 当前工程复杂度高，预计15-20人的小团队难以在3-6个月内超越，大厂复刻也需要50-100人团队投入一两年 [59] - 采用“站在模型肩膀上”的策略：利用强模型（如GPT-5）做任务规划与拆解，利用便宜且稳定的模型（如Kimi K2）做具体执行，模型能力增长会使产品更强 [56][57][61] - 产品设计比模型能力迭代快3-6个月，并在此窗口期内完成商业化验证，以建立竞争优势 [62][72] - 抽象层设计可兼容不同模型和模态，避免被单一模型厂商锁定 [63] 团队建设与商业化 - 团队规模约13-14人，强调职能完备（产品、运营、研发、算法、测试等），不盲目追求“一人公司”的通才理论 [49][50][53] - 招聘策略是寻找各领域的专才，并为其配备强大的AI工具以提升效率，而非泛泛的通才 [53] - 商业化核心假设是封装有价值的流程并进行规模化销售 [36] - 短期现实目标是销售AI时代的Workflow模板 [69] 行业展望与公司愿景 - 短期看，AI可能催生新的原生内容平台，实现内容的实时、个性化生产与消费 [66][71] - 长期终局是构建一个能承接用户全方位意图和行为数据的环境，最终形成用户的数字化版本，帮助其完成物理世界的任务 [66][68] - 期待AI在自动修复小问题（如代码bug）和细粒度内容编辑能力上取得进展，这将大幅提升创作者工具的上限 [70][71] - 给AI应用创业者的建议包括：拉长时间维度思考产品生命力、确保产品不被模型本身取代、早期招聘要避免偏见并找到能实战的团队成员 [72][73]

文章核心观点 - 通过TikTok早期核心团队成员Piaf的亲身经历，揭示了TikTok从0到1的全球化增长过程并非一蹴而就，而是充满了琐碎、痛苦、试错和坚持 [5][8][10] - 成功的产品背后是无数基础工作的积累，包括内容运营、本地化、政府关系等，而非单纯依靠算法或资本 [10][12][48] - 在当前的AI创业浪潮中，同样需要摒弃对“一发冲天”的幻想，回归耐心、扎实的团队协作和执行力 [9][56][57] TikTok早期增长的关键驱动因素 - **产品功能与内容运营的创新**：早期通过引入“对口型”等风靡的玩法，带来了显著增长，例如单日新增用户约1万，这在当时被团队视为重要里程碑 [8][9] - **本地化运营的极致投入**：全球化起步于最基础的英文校对，并通过“影子账号”同步抖音优质内容、海量抓取并处理竞品内容来填充早期生态 [10][11] - **线下活动引爆线上增长**：在越南市场，通过将中国头部达人（如张欣尧）与本土达人进行线下PK活动，成功点燃线上内容创作，成为全球KOL联动模式的起点 [16][17][18][19][20] - **功能迭代与挑战活动**：例如上线“合拍”功能并叠加挑战活动，有效提升了用户投稿率 [25] 海外市场拓展的具体挑战与应对 - **激烈的市场竞争**：面临快手海外版（kwai）等竞品的持续冲击，包括冲榜、挖角明星和达人，甚至包括团队核心成员 [23][24][26] - **政府关系（GR）与公共关系（PR）的生死考验**：2018年，TikTok在印尼因内容监管问题被政府下架两个月，导致600万日活跃用户（DAU）一夜归零，此次事件促使公司深刻认识到在海外市场GR/PR是生死线，并开始正式搭建全球政府关系团队 [36][37][38][48][49] - **团队在高压下的坚持与成长**：在越南市场，团队通过持续的内容审核、画风控制和生态建设，将用户留存率从35%提升至55%，使其成为海外留存最高的市场，并在印尼下架后成为新的增长曲线 [12][31][32] 早期团队的状态与文化 - **从0到1的混乱与艰辛**：早期团队规模小，工作强度大，需要同时进行内容抓取、达人运营、视频审核、竞品监控等多线程任务，情绪崩溃和失眠是常态 [11][12][13] - **在迷茫中摸索前行**：所谓的“一飞冲天”在当时的每一天都走得极其狼狈，成功的结果粉饰了过程的苦难 [10] - **团队凝聚力至关重要**：核心成员在面临竞品高薪挖角时，因对团队的感情而选择留下，这种凝聚力是度过难关的关键 [27][51] 对当前AI创业的启示 - **摒弃速成心态**：行业需要更多耐心，避免对“大几个量级的增长”习以为常，捷径并不存在 [9][57] - **重视基础建设与团队**：成功依赖于找到最好的战友，踏踏实实地铆足劲，做好每一个基础环节，低头往前冲 [56][57] - **风起于青萍之末**：巨大的势能始于微末的积累，当前的AI浪潮依然处于早期阶段，需要从细微处着手构建 [56][58]

行业趋势与公司使命 - 影像行业的价值锚点正从“光学”向“计算”不可逆转地迁移，新一代影像公司利用“计算”突破“光学”限制，开辟新场景与用户价值 [2] - 公司的使命是“帮助人们更好地记录和分享生活”，这一使命自2016年确立，指导过去十年的业务选择，并将继续指导未来十年的方向 [12] - 人们对影像的终极需求不是工具本身，而是好的照片和视频，核心障碍在于用户的学习门槛以及拍摄过程对享受当下的干扰 [13] 进军无人机赛道的决策逻辑 - 决策原因一：公司使命的延续，旨在解决用户不懂运镜、剪辑、修图的问题，终极目标是做出能全自动拍摄和剪辑的“摄影机器人”，无人机是实现该目标的重要形态 [12][13] - 决策原因二：市场竞争的“非共识”机会，虽然对手遥遥领先，但无人机品类市场规模可观（单品类达200亿元起步），且技术开发难度比汽车和手机低，是被巨头忽视的领域 [15][16][18] - 决策原因三：牵引公司能力升维，无人机对研发、工程、营销、服务、供应链等能力的要求远高于运动相机，能推动公司整体能力成长，为穿越长周期做准备 [21][22] - 产品定位为“马车市场背后的汽车”，通过全景相机与VR眼镜的体感操控，实现“指哪飞哪、看哪拍哪”的自然交互，降低操作门槛，这不仅是新航拍方式，甚至可能成为一种新的旅游方式 [19][20][27] 产品创新与核心技术 - 全景无人机的核心交互创新在于利用人头（视觉）和人手（指向）这两个最自然的“三个自由度器官”来控制飞行与拍摄，大幅降低了使用门槛 [24][26][27] - 实现该产品的关键技术栈中，影像和云台不构成真正门槛，真正的难点在于图传（需解决电磁屏蔽、协议栈和抗干扰）和飞控（需应对复杂用户场景下的安全与稳定） [34] - 无人机对安全短板容忍度极低，公司投入大量时间进行测试，发布后还进行了全国公测以确保安全，例如其产品可实现双机在30多公里时速下碰撞而不坠落 [34][35] - 无人机制造是隐形高门槛，其组装工序接近500多个，远多于运动相机的100多个，对良率、供应链管控提出了更高要求 [35] 市场策略与商业竞争哲学 - 公司未选择性价比路线，因为影像市场是需求多样化的“开放市场”，类似游戏市场，比拼的不只是画质、续航、价格，更是差异化体验和降低用户使用门槛的价值 [28] - 打价格战是巨头的特权，创业公司没有用其他主业补贴的资本，公司的创新资金来源于经营所得，这依赖于合理的利润和毛利，而合理的毛利又来自于客户认可的独特价值，从而形成正向循环 [29] - 公司的核心价值观是解决别人没有解决的问题，而非歼灭对手，即使公司未来可能消亡，其创造新品类、新市场的历史意义更为重要 [31][32] - 公司相信在垂直细分领域，抓住理解最深的场景和目标客户未被满足的需求，并在手机等高频品类“射程范围”之外找到交集，就能获得生存空间，众多小场景加总的市场可能比共识中的大赛道更大 [43][45] AI时代的硬件创业与影像未来 - 看好AI相关创业，关键原因在于商业模式变化，用户已逐渐接受为软件付费的习惯，这降低了创业门槛 [37] - AI不会取代相机，因为影像背后的“记录、分享、创作”三大需求依然存在，记录是“先发生，后记录”；当AI工具实现平权后，人们反而会更追求和比较真实的、体现个人能力的独特内容 [39][40][41] - 在消费电子领域，任何长板都不能构成品类的充分条件，很多品类得以生存，是因为它集成了手机等通用设备无法集成或会牺牲体验的特定传感器与功能 [42][43] - 公司今年的收入体量大约在百亿级别，但其产品品类相对小众，这印证了服务好垂直场景也能聚沙成塔 [45] 公司文化与长期愿景 - 公司文化倡导“Think Bold”（大胆想象），但通过“底线思维”（确保失败后仍有退路，不下牌桌）和“工程思维”（基于第一性原理，严谨验证）来平衡勇气与疯狂 [47][48] - 公司设立“Think Bold挑战基金”，支持全球大胆且可验证的想法，例如帮助手搓喷气机的创作者偿还部分债务，旨在鼓励创新并扩大公司影响力 [48][50] - 对五年后的期望：第一是在巨头竞争中存活下来；第二是创造出能像索尼Walkman一样大幅改变人们生活习惯的世界级产品；第三是将公司打造成培养跨领域人才的平台，使离开的员工也能创业并影响更多行业 [51][52][53]