我们在最卷的行业里AIGC 我是全职创业者，也是全职教师。我的父母都是艺术家，而我自己则是理工科出身。所以我有一颗艺术的心，有一个工程的脑。如何将心与脑的距离拉近？早在经营公司之前，我就每天都在思考这件事儿，它像是我的一个人生使命。
创业前，我在美国伯克利大学教授人机交互。那时，人机交互与人工智能似乎是对立的两种思想。人工智能的目标是创造一台可以取代人类的机器，而人机交互则认为人+机器可以完成人类和机器都做不了的事儿。过去三到五年，很多从事人机交互研究的人都开始声称自己从事的是人工智能领域的工作，我也不例外。但我始终相信，人类与机器的结合可以完成任何单纯依靠机器无法达成的任务。
后来我创立特赞，刚开始创业时，我们也参考了许多大公司的价值观，但很快意识到自己动手做事情才是最靠谱的，所以把公司的口号改成了“To Build and Create”。
很多人追求知行合一，有人主张“先知后行”。做老师的时候，我也认为应该先理解道理再实践，但做着做着发现，最能抓住的其实是“动手”，先行动才能知道。父亲告诉我一个故事，著名教育家陶行知，父母给他起的名字叫陶知行。长大以后，他才自己改名为陶行知。
后来，无论是科研还是创业，我们都坚持“先行后知”。我们做了很多失败的事儿，再回来复盘。在特赞，每个会议室都有名字，名字通常是公司过去几年试错的项目。通过这些名字，我们不断提醒自己：无论成功或失败，行动本身才是最重要的。
创业需要很多运气，你唯一能抓住的一点运气，其实是选一个好的方向，然后在这个方向上做到最好。我们选的方向就是“内容与人工智能”。在过去9到10年，专注于内容数据领域。简单来讲，我们就做内容生产、管理和分发，主要用在企业的营销场景。但在这之下是对基础设施的建设，涵盖数据层、产品层和模型层的构建。
我们的合作伙伴主要集中在各行各业的大型企业，比如快消品、美妆、鞋服、零售、制造业、汽车、医疗、酒类等等。最初的起点是消费品行业，因为消费品最卷。慢慢地，许多消费品从业者转向了其他行业。比如今年很多人进入了酒行业；去年很多人进入了医疗行业；前几年，很多人涌入电动车行业。只要这些人去的，就是“最卷”的市场。坦白讲，只有卷的行业，内容+人工智能的结合才显得更加关键。
平台决定内容
最近，我与一位世界500强企业CEO交流，他说，“⼈⼯智能”和“内容营销” 是今年最热的两个商业词。为什么大家如此关注内容？内容的形态极其丰富，包括图像、文字、视频等。还有一些企业开始做播客、元宇宙等等。我们通常认为，内容应由创作者决定，也属于创作者。但实际上，内容是由平台决定的。
这张图来自《平面设计的政治经济学》（Political Economy of Graphic Design）。每次拿出这张图，朋友或客户都会问，为什么不称之为“内容生态”？我说生态这个词太过中性了，政治经济学则能更好地表达一种强烈的控制与被控制的关系。就好像生态里也存在捕食者和掠食者。内容的真正控制者，并非创作者，而是平台，它们决定了内容的生产、传播以及是否上架。
内容博弈：文化＜娱乐＜分心＜上瘾
事实上，内容平台经历了多次博弈。第一次在几十年前，是文化与娱乐的搏斗。文化是深奥的，需要时间与精力去理解，是皱着眉头的；而娱乐是轻松愉快，令人放松的。结果我们花费的时间更多地投入到娱乐内容中，逐渐减少了对文学、严肃电影等文化内容的关注。
但如果大家看下当前的股票市场，会发现娱乐公司股价并不乐观，比如迪士尼。因为更强的对手出现了，它叫“分心”（distraction）。现在我们但凡有点儿时间会干什么？刷手机，而不是去游乐场。刷短视频，而不是长视频。
分心的最高境界是上瘾。当平台推荐的内容越来越懂你，你就会上瘾。作为父亲，我会特别仇视这件事儿。但每次在女儿的补习班门口看到孩子们专心学习，家长们在外面躺平刷手机，我也意识到，我们只能接受它，理解这一现状。因为它符合人类的本能，这就是内容的政治经济。
内容平台的演进：桌子→报纸→广播、电视→电脑→手机
当我们提到内容平台时，大家通常会想到小红书、抖音、Instagram、Twitter。但我想说，从人类的早期开始，就存在内容的传播平台。《人类简史》提到一个很有意思的观点，智人能够战胜其他古人类物种，正是因为他们会“八卦”—— 通过口耳相传的方式获取信息。
那我觉得最早的内容平台就是一张桌子。人与人坐在桌旁，分享信息和观点。后来，又出现了一个第三者，内容开始从外部进来。比如一百多年前大家都在翻报纸，又有了广播、电视，这个时候你是在按他人安排的节奏去消耗内容。再后来有了个人电脑、手机等等，那就打破了这种模式，你可以根据自己的喜好和需求选择内容，甚至手机会给你推荐内容，生成内容。所以内容的碎片化、多样化和个性化必然会随着平台的改变而出现。这就是进化的过程。
AI：每两年提升10倍像素
在这样的条件下，人工智能在其中扮演什么角色？在过去三年，我们也重新审视了人工智能，和大家的起跑线是一样的。生成式人工智能之所以激动人心，正是因为它强大的生成能力。这个能力有多强呢？每两年，就会有十倍的像素被生成出来。现在，它已经能够生成好看图片、声音，一定长度的视频，甚至3D文件。那到2029年，可以生成完整电视节目，到2031年，我们就能看到人工智能电影。
另一个维度上，人工智能也在发展。最早只是一个善于表达的AI，但它现在开始有思考了。比如DeepSeek是少有的把思考过程透明化的AI。我们就逐渐意识到，除了让机器能够“说话”之外，现在的技术还可以使它在几秒钟、十几秒钟甚至更长时间内进行思考和反思。
这就给我们创造了一个很独特的商业机会：一方面，AI可以生成大量内容；另一方面，AI能够帮助我们对人创作的内容进行深入“理解和推理”。它的强大之处，在于理解和推理内容背后的知识与经验，这是生成式AI才能挖掘出来的宝藏，很多朋友现在都忽略了这点。
原来的内容都是由人来做的，创作者总是遇到一个不可能三角，即甲方总要预算低、质量好、时间短，边界是我们人的生产能力。AI也许能解一解这道题目。
过去，品牌和企业很强调内容的想法，想打动观众。苹果的“Think Different”、耐克的“Just Do It”广告等，都是经典、高质量、有很好想法的内容。由于当时媒体渠道较为单一，用最好的东西占据最大流量的地方，就能得到很好的效果。
但现在每一个人都关注在自己的这块屏幕上。即便我们花费大量时间在抖音、视频号、小红书等平台上，看到的内容也是完全不同的。品牌和企业发现了，做转化型的内容才能卖货。那企业对内容数量的更高需求，对质量的要求却降低了。代价是什么？大量转化型内容打动不了你，是通过9.9元这样的打折、促销手段去激发你购买。那品牌就开始纠结，我们到底做不做这样的内容？要做一个只叫卖没有文化的品牌吗？
0到1交给人，1到无穷交给AI
人工智能有一个黄金法则：“Garbage in, garbage out”（垃圾进来，垃圾出去）。AI并不是真的在创造内容，它只是把创造的能力以更低成本的复制。换句话说，只有输入好的内容，AI才能将其转化为好的输出。
从品牌角度来看，内容应分为两类：0到1的内容和1到无穷的内容。0到1的内容：这类内容还是应该用来传达品牌文化、品质和价值观。1到无穷的内容：这类内容是在各处与消费者产生转化，内容量要庞大到铺天盖地。如果没有足够的覆盖，消费者很可能会忽视你。但如果内容量过多，又没有质量，消费者可能会觉得被骚扰。
我们希望AI做什么呢？是提升1到无穷内容的制作效率，让我们的人有更多时间和成本专注于0到1的内容创作。0到1的内容可以通过AI来辅助创意，但仍需人为主导。没有人的引导，这些内容没有价值。相比之下，1到无穷的内容是AI主导的，人可以进行选择和调整。
我自己做的是一家技术公司，只做1到无穷有关的技术产品。但我想强调的是，我们之所以专注于这一领域，是因为我们深知0到1的内容具有至关重要的价值。很多做技术的朋友认为，只要不断地复制、重制和混剪就能做好1到无穷内容。但我认为好的“0到1”内容是基础，技术在1到无穷内容的生成中才能带来更大的整体效益。
今天我们看到的很多商业化内容实际上都是1到无穷的内容。背后是有人做了0到1的内容，只是在执行1到无穷的内容生成。
第一个例子
比如有一家快消公司，它在社交媒体大量搜索和收集与商品相关的客户反馈，比如说搜集某洗发水的关键词，形成关键词矩阵。再把这些关键词导入AI，让AI识别删掉现有产品覆盖的关键词，剩下的关键词，就是产品创新的机会。洗发水其实是个挺有意思的行业，洗发水的创新可能就是香味的创新、质感的创新，包装的创新。那合适的香味、泵头形状和包装设计，最终就可以生成一个新的产品demo，再把它快速投到市场上验证。
这套方法看似简单，但在一个很善于做洗发水的品牌那里，能很高效帮他做产品创新。过去，做这样的新产品开发时可能需要两年的时间，每两三个礼拜都要聚一群人进行脑暴。但AI的支持，不仅可以加速创新，也能让大家在更低成本下试错，提高产品成功的概率。我一直觉得，好的企业，不取决于你有多大概率成功，而是取决于你有多低成本犯错。
原来在内容匮乏的年代，我们想尽方法要有内容差，找别人不知道的内容。而现在，我们每天被内容推荐对吧？对产品来说也一样，有了人工智能，产品创新的方式，可以变为推荐的方式。
第二个例子
我想讲一个最近非常时髦的例子。大家都听说过“内容矩阵”或“社媒矩阵号”，我原来其实很难理解这些概念，因为我自己不是做营销出身的。为什么需要这么多号？后来和一家咖啡企业的COO交流之后，我意识到，原来这种企业的增长方式是通过开店来实现的。举个例子，像卖咖啡的企业，他们的增长模式就是“开店”。只要你开的店数量大于关的店数量，企业就会增长。现在即使你开了更多的店，每家店的利润也在逐渐变薄。
咖啡企业的竞争，并不仅仅是更便宜的咖啡，而是消费者在午饭后的其他选择，比如奶茶、果茶等。现如今的经营者甚至会绞尽脑汁，考虑如何让每家店每天卖出5杯咖啡。
过去，这些企业的社交媒体渠道并不是那么重要，只要有一定的声音和曝光，运营几个品牌账号，发布符合品牌要求的精美内容。但现在他们开始思考，是不是要为每家门店都创建一个社交媒体账号？这些账号就像是“线上橱窗”，能让消费者不时看到门店的信息，想到它，并且来消费。
线上开设橱窗本身是免费的，但橱窗的展示内容是需要投入成本的。线上橱窗通常只能给门店带来3到5杯咖啡的增量，但过去做这些视频内容可能需要几千块钱。所以，这种“矩阵号”模式很难奏效。
那怎么办呢？我们就要做一个东西，叫内容工厂。工厂里有原材料、产线，要做的事情是每天为上千个号，制作不重样的视频或者图文内容。内容要不重样，还要能够符合品牌要求。
给大家看一个企业案例。每天我们需要帮它制作几百条样本视频，每条都具有独特的内容，譬如有些视频讲解A产品，有些讲解B产品，有些讲解C产品，还有些讲解品牌的故事，背后其实有一份详细排期表的。每月我们要为这个品牌制作4000条视频，以确保能够带来足够的流量和转化，每条视频的制作成本大约相当于一杯速溶咖啡。
如何实现呢？首先，我们需要准备原材料。一部分原材料是企业从0到1过程中积累的大量优质内容，另一部分来源于平台上的多种素材。
原材料不仅包括图像、视频，还包括话题和脚本的写作方式，我们需要将这些整合起来，按照一定的方法进行组织。如何组织？我们会拆解这家企业过去的内容，把产品卖点、品牌故事以及使用方法等内容，拆解为可用的元素。再用一种我非常喜欢的AI功能，把素材高效整理和自动归类。实际上，自动归类是基于对图片、视频的理解和标记实现的。0-1的好内容就这样被拆解成了可以被处理的原材料库。
其次，我们需要不断学习社交媒体平台上，比如小红书、抖音、Instagram等平台上的优质内容结构。这些内容结构是很多优秀的创作者做出来的，能够很好地满足许多企业所提到的“网感”需求。把这些内容结构和原材料放在我们的产线里，就会形成一个完整的生产流程。
每天，我们会在后台进行视频制作，生产完成后，这些视频会被发送到每一个终端的账号，供用户上传和转发。企业也可以通过面板实时查看内容的分发和表现情况。
一般线上店面的内容如果能获得500次曝光，已经是不错的表现了。像一个电动车品牌，他们可能有5000个社交媒体账号，每天发布5000条不同的内容。在海量内容中，他们会重点关注那些表现特别好的内容，这些内容可能会获得超过500次的曝光，甚至1000、2000次，甚至达到1万次曝光。这些内容就像“天选内容”，是被平台和用户选中的。那品牌方会将这种内容二次加工，找专业团队来重新拍摄，投入一些宣传费用。
在流程中，我们其实做了大量的“智能体”，这些智能体负责每个环节的事项处理。我特别想提到一个环节——排期。由于我们管理着大量社交媒体账号和内容，如果突然出现一些突发事件需要调整内容发布安排，人工很难完成如此庞大的任务。这时，智能体就发挥了作用，自动进行内容排期的优化。就像一群“小黄人”在流程里耕耘。
企业关心的是AI能为他们带来什么实际成果，希望通过一杯咖啡的钱生产视频，而不是为了AI大费周章，还得调整组织架构。我们的方案实际上是将这个生产流程外包给AI，最终交付给企业的，是一个操作简便的后台面板。企业只需要看到效果，而无需亲自操作整个内容生产链。
从实际效果来看，每天企业通过这种方式所获得的曝光量大约为50万次。这种用矩阵号获得的曝光虽然分散，但绝对不可小觑。
那些对品牌内容要求非常高的企业，创作矩阵号的方式也相似。以一个奢侈品品牌为例。它的品牌内容有非常高的品牌价值和美学品质，有高赞，但是没有转化。所以它希望通过优化创作方式，通过导购给品牌种草。比如这个品牌可能有三五百名导购，每个导购都希望拥有专属于自己的内容创作工具。
但像这样的高端品牌，它是不允许AI内容代表公司的。AI在其中扮演的角色非常有趣，不是直接生成内容，而是为每个导购提供一个创作范例以及质量评估。导购们可以根据范例进行拍摄和创作，从而提高内容的质量和效果。
创意没有公式，只有无尽的迭代与反馈
我们讨论了与内容生产相关的人工智能应用，接下来我将介绍“内容推理”，这一话题可能会略显技术。
为什么我对内容推理如此执着？奥特曼说过：“创意是过去事物的重组，加上灵光乍现，再乘以反馈的质量与迭代的数量。”你不要指望一个内容突然爆了，也不要指望通过归因得到什么公式。我们常会遇到企业要求帮助他们找出所谓的“黄金公式”，但我们更需要依赖迭代的数量和反馈的质量，而这正是内容推理所能发挥的重要作用。
之前我提到过用数据识别哪些内容表现优异，并将这些内容进行二次创作。我们需要通过技术手段进行必要的处理，比如建立完整的内容标签体系。内容标签树由三部分构成：
- 内容特征：例如，内容的风格、颜色、组合方式等；
- 用户行为数据：分析不同用户群体对内容的喜好，不同场景对内容的需求等等；
- 管理相关标签：这些标签需要与时俱进，随时根据内容的表现和管理需求进行更新。
这个过程很重要，所以我们用人工智能（AI）来标注和监管。
如果某个品牌决定开始做抖音，那它内容的标签要根据抖音重新再打一遍。所以我们要做一个系统，自动进行标签的升级。
除了标签之外，还有其他例子。以视频为例，除了分析视频文字，我们还要对视频中的人物、情绪、动作等元素进行分析。比如，视频中常见的抖肩动作、眼神交流等都会被纳入内容理解的数据源，也使得我们能够高效地进行视频归类和批量剪辑。
大家都知道现在做生意不容易，拉新很难，光做广告没有用，得更多地做用户的持续经营，不管对哪个品牌都是一样的。我们会去看一个东西叫内容的链路。不同的内容到底是用什么样的方式，从生产管理分发到最后产生商业的结果，更好地做内容运营。我们可以看到13条内容链路，在5个不同的场景里，实现内容效率（content velocity）。
智能体非常适用于质量监控和内容审核
许多内容生产系统虽然广泛应用了人工智能，但最终还是由人来操控的，反而增加了人的工具负担。智能体具有一定的自治性（autonomy），可以做出一些决策，这是一个很重要的维度。
大语言模型从概念到商业化的过程大约用了1年时间，我觉得智能体从概念发展到现在，也可以商业化了。现在多个智能体的协作，已经产生了技术突破。举个例子，许多品牌在进行内容质量监控（QL）和内容审核（QC）时，过去只能通过截屏来记录视频的发布情况，再用简单的点赞、转发等指标衡量效果。当你面对上千上万条视频时，人工审核几乎是不可能完成的工作。
智能体能做这几件事儿：
- 内容合规性检查，确保内容是合法和合规的。比如某些为了获取点赞而做的擦边内容，虽然能带来短期的流量，却可能对品牌造成损害；
- 品牌在营销内容中，往往需要用特定的语言和风格来传递信息，你描述的意思要到位；
- 生产内容后监管，看看有没有更好的内容，我能不能学习。
我们做了一个智能体叫content analyst，智能分析系统，帮助品牌理解目标用户最近的兴趣，了解竞争对手的动态，以及自己内容的表现。它不仅能自动读报表，还能给出实际的操作建议。如果它给的建议反直觉了，你可以去看看为什么会有这样的结果，那它就成了你的分析师。
过去，80%以上的操作都是由人工完成的，而现在超过90%的操作由AI自动触发，那我们就会想，能不能再推进一步？
每个人都成了AI的CEO
人工智能时代，个人对AI的看法可能会有两种视角。第一种视角是打工人视角：可能你会觉得越来越多的工作AI都能帮你做了。另外一个视角是CEO视角，你可以用很多Agent帮你工作，自己来实现更大的愿景。每个人都有机会选择成为“打工人”还是作为“经营者”。
最近有一些时髦的观点，比如奥特曼讲的“个人独角兽”理念，提出每个人都可以像一个企业一样运作。一些创业公司可能只有几百名员工，但理论上，每个员工都可以是一个“独角兽”。
另一个角度看，知识经济的时代结束了。在过去，拥有知识就能够掌握财富的钥匙。如今AI在处理信息和知识方面的能力超越了人类。原来我们可以贩卖知识差、认知差、信息差，现在不再奏效了，我们进入了“分配经济”（Allocation Economy）的时代。
每个人都可以像一个“经理人”或“经营者”，将任务分配给不同的AI智能体。人不再仅通过知识来创造价值，而是用不同的AI组合团队来创造价值。
过去100年，工业革命把工作细分化、SOP化，推动了大规模生产的效率，因为分工越来越细，要很多人在一起才能做成一件大事儿。所以不适合做创造性的事情，适合做任务能被分拆得很细的事情。我觉得AI时代是反工业革命的，AI时代一个人可以担当更多角色，所以又回到全能的人。举个例子，atypica.AI这个项目就是我和CTO两个人做出来的。
谁能提升AI与人的协作效率，谁就越有无穷的机会
2017年起，我提出了“脑机比”（Brain-Machine-Ratio）的概念。认为人脑与机器之间不应是零和博弈。“脑机比”这个词旨在探讨人类与AI工具之间的协作关系。在我看来，脑机比可以从三个方面来理解：
- AI和人类各自能做什么。毫无疑问，AI的能力在不断增强。
- 你是否愿意让AI帮助你完成任务。
- 信任问题是AI普及的一个难题。比如当atypica.AI生成了某些报告，你会质疑它采访的结果准不准，那你怎么不问麦肯锡（McKinsey）做的采访准不准呢？
我总是跟朋友说，尽管无人驾驶技术已经很先进了，但有生之年很难接受驾驶座位上没人坐。直到我在旧金山体验了Waymo的无人驾驶出租车。除了上车时四处拍照，后面我已经忽略了它是无人驾驶的，信任感往往是转瞬间形成的。
我们每年都会做一些量化分析，观察“能力”、“意愿”和“信任”这三者的转变。最初，我们关注的是AI的能力，因为早期的AI能力较弱。第二年，AI的能力大大提升，我们开始关注用户是否愿意使用这些技术。到了第三年，我们的焦点转向了信任：即使用户愿意使用AI，他们是否能够完全信任AI的结果，或者只是将其作为参考工具。
我们每个办公室都有一个名字，我的办公室名字是“编码”。倒过来看，会发现它恰巧是“解码”。我喜欢这个名字，谁能成功地让人类和工具（特别是AI）实现高效协作，谁就能拥有源源不断的商业机会。
混沌时代，每一个创业者都是洞穴中的囚徒。终其一生，我们都在努力走出洞穴。凯文·凯利、彼得·圣吉、尤瓦尔·赫拉利、张首晟、周其仁、俞敏洪、左晖……混沌老师用600多堂课为创业者支起火把，照亮前路。