详情

作家 |James

今天，AI 智能体阁下 Manus 爆火刷屏，其联结独创东谈目的涛对外发声刻画居品气象，他亦然躬行在群里发邀请码的阿谁东谈主，以及在办公室里倒数计时，欢迎居品发布上线的东谈主，其个东谈主阅历激励温煦。

张涛此前在字节向上厚爱国外化居品的战术谋略与落地，2023 年，他加入王慧文创办的东谈主工智能公司光年以外，担任居品厚爱东谈主，主导 AI 居品的研发与交易化探索。

2024 年 7 月，张涛与首席科学家季逸超（Peak）、一语气创业者肖弘（Red）共同创立 Manus AI，并担任合鼓励谈主。他目下主要厚爱居品战术、商场疏导及用户体验优化。

张涛的即刻页面

文娱老本论在一年前的 2024 年 3 月也曾采访过张涛。那时他在光年以外开垦儿童陪伴类 AI 居品 Dodoboo。那时 AI 陪伴赛谈相配火热，咱们就他的居品，四肢居品司理的方法论，以及 AI 陪伴的一些趋势作念了商榷。

从目下回头看，里面大多量料想性的内容，如今已见效应验，而另一些内容仍有待将来的发展不竭考证。四肢一个十多年训戒的居品司理老兵，他对居品的剖析衔接了前挪动互联网时期，到如今的 AI 时期，体现出逻辑上的一致性。

完好的采访回放请参考下列视频号：

以下是张涛在采访中的部分主要内容选录：

"这一代孩子天生即是 AI 时期的孩子"

我叫张涛，常常在各个社区里用 hidecloud 这个 ID。我畴昔主要作念 toC 居品设想和运营，最近五年一直在作念 SaaS 居品，前四年作念神策数据，最近一年在作念飞书的国外化。客岁（2023）年中驱动作念 AI 方面的责任，也曾作念了 8 个月。在 AI 范围是" AI 一日东谈主间一年"，是以我有好多感悟。

目下（2024.4）正在作念的居品 Dodoboo 1 月底上线，是面向小一又友的绘画增强 App，起初是 GPT 帮咱们取的名字。居品比较简便，网站首页的视频就展示了它通盘功能。你在右边绘画，左边会及时生成相应的画作。这个过程不需要输入教导词，很符合儿童使用。

文娱老本论"视智畴昔"和张涛连线

咱们目下使用的皆是开源模子。在图像标注方面，有好多不同的模子可供取舍。咱们起初使用了社区中往常使用的模子，但其后发现阿谁模子比较旧，不太符合复杂图像的剖析，尤其是针对儿童图像。咱们尝试了几种不同的图像标注模子，最终取舍了目下这个，并用儿童涂鸦数据集进行了微调。

生成的图像的布局和走势皆是不可鼎新的。如果只依赖教导词，咱们无法达到目下这样的收尾。咱们如实作念了图到图的生成。为了提高性能，目下莫得试验更多的限度经过，因为这会影响生成着力。

咱们目下莫得把画风取舍径直提供给用户。主若是在后端进行了一些分类，凭据用户的不同输入，如纯线条勾画或有色块的作品，进行不同的处理。是以，你会发现最毕生成的作风并不完竣一致。

客岁（2023）下半年以来，新的技艺如 LCM（潜在一致性模子）和（2024 年）2 月字节的 SDXL-Lightning 等技艺出现后，图像生成的着力也曾大大提高。举例，在咱们的系统中，如果运行在级别较高的显卡上，单张图像生成不错限度在 0.8-1 秒之间，加上聚积传输，总时期可能在 1.5-2 秒傍边。

咱们目下的早期用户，主若是我方身边的一又友，他们的反馈相配意念念。

咱们在演示强调了一个卖点：培植孩子的自信。但这激励了中国式家长的担忧，他们认为这可能会让孩子偷懒。一个一又友挂念他的孩子因为能快速生成邃密无比图像，而失去创造力。这是一个相配意念念的反馈。

另一方面，有些孩子相配心爱使用这个居品，绝顶是那些内向、乃至患有孤单症的孩子，他们能相配专注地使用这款居品，可能画一两百张图。同期咱们也有国外用户。

咱们发现成年东谈主也在使用它。有些成年用户的原始画作也曾相配出色，有个用户给咱们作念演示时，笔触和构图相配专科，不像小孩的涂鸦。终末我致使有点汗下，以为咱们生成的图像莫得他的画顺眼。

进入好意思术阐扬会是一个意念念的标的，但咱们起初设想这款居品时，并莫得想那么多。

Dodoboo 的愿景

目下回过甚来看，我有些不同的观点。咱们我方小的时候，东谈主们不荧惑使用计较器，但愿咱们能默算。但目下看来，这似乎有些滑稽。

我以为这一代孩子天生即是 AI 时期的孩子。他们可能会从小就习尚使用多样 AI 器用来增强我方的生存、学习和责任才略。

"居品必须一驱动就盈利"

目下启动一个 AI 格式，开垦经过和初期的增长策略仍然和传统的 App 相通。天然，AI 范围濒临一些专有的问题。举例，AI 居品达成范畴化的方式与咱们以前的大多量互联网居品不同。

率直说，直到日活用户达到 10 万之前，咱们常常不会碰到太大的技艺挑战。但 AI 居品与之前的互联网居品不同，它的边缘成本并不会快速裁减至接近零。

是以这就给公共留住了一个印象：如果莫得大公司的缓助，这种格式基本上是莫得但愿的。骨子上，即使是依靠大公司也会有问题。

我认为大公司可能会在战术上取舍补贴，但一个信得过见效的居品，必须在交易上亦然见效的，这意味着它必须盈利并有一个正向的交易模式，不然历久很难陆续下去。

张涛在居品走红后厚爱对外发声。图 / 即刻 hidecloud

目下在 AI 居品范围，我认为公共也曾达成了共鸣。AI 居品不可像以前那样只是追求百万日活，从一驱动就要筹商好交易模式和付费方式。

致使需要从一驱动就筹商好，应该使用什么范畴的模子和什么样的模子才略，来服务筹商客户群。有些商场可能需要你使用最顶尖的模子，而有些商场即便如斯也可能无法欢娱需求。

这可能也包括一些工程上的挑战，比如起初需要对任务进行分类。先判断需求，然后将其路由到符合的模子，或者是历练过的特定小模子来处理特定的问题。

目下在行业早期的研发模式未必是畴昔的模式。但目下咱们在作念里面测试的 demo 时，可能会使用最顶尖的模子，这有助于咱们考证观点，确保格式是可行的。如果咱们能用最顶尖的模子管理问题，那接下来就会筹商奈何进行剪辑和蒸馏，以及奈何使用成本更低的方法来管理问题。

这就像是回到了古典互联网，那时候咱们还处于必须严格限度带宽和数据量的阶段。目下咱们在这个范围中会用到一些手段。我通过阅读论文发现了一些工程优化的方法，这亦然一种比较传统的互联网工程念念路。我认为工程学衔接了咱们东谈主类几千年的历史。事实上，好多工程念念维方法在计较机出现之前就也曾存在了。

"演示一出现，公共就坐窝知谈它的价值"

咱们居品目下的最大竞争力，可能是对商场和用户需求的把抓。

前一阵子我参加一个共享会，我发现好多 AI 创业者，尤其是有研究配景的，他们对用户的剖析还很浅，莫得对用户需求的着实感知。他们讨论居品时，很少说起用户的需乞降场景，不是说他们的器用去给用户管理什么问题。

客岁大多量东谈主意象 AI 皆是降本增效，但我冷漠不作念着力器用。我作念器用竖立，但在 AI 范围，我不想只作念器用。如果器用和内容结合，我会更感酷好。

但纯器用，比如写年报或年终记忆，一个东谈主一年能写几次呢？咱们说到 AI 助理，但一个公司可能有 12 万东谈主，有几个东谈主真实需要助理呢？我以为这种需求很难被深切挖掘。

大多量东谈主骨子上并不需要那么高的责任着力。这背后的原因是，通盘社会的坐褥方式和服务形态还莫得发生根人道的改造。是以，如果你只管理坐褥着力问题，那就可能是大面上有问题的。

我之前跟他们聊天时莫得提到的少许是，这波海浪不是 AI，而是 AIGC ——自动生成内容。目下的问题是好多东谈主温煦的是生成动作，因为以前莫得这样的技艺。看到一个智能体生成内容很震撼，但这种震撼可能一两年后就变得平淡。

我认为更伏击的是内容层面的问题。你坐褥了这样多内容，这些内容奈何被耗尽，对东谈主产生什么样的影响？——这才是居品的契机，而不单是是生成自己。

咱们客岁 10 月作念了一个演示（demo），在小圈子里测试后，公共的第一响应是但愿能在 iPad 上使用，给孩子们画画。

那时候好多 AI 居品皆是为了展示模子才略而制作，有时候很难明确用途。然而咱们的 demo 一出现，公共就坐窝知谈它的价值。四肢一个居品，这是一个很好的滥觞。

好多年前，有个居品叫"你画我猜"（Draw Something）。那时我更多的是出于酷好在玩。除了对传播链条有一些观点外，我并莫得深切念念考过它。

不外，在开垦目下的 Dodoboo 过程中，咱们如实追思了 Draw Something，致使筹商过是否要以酬酢或文娱为主。但由于居品需要快速上线，莫得深切筹商其他交互文娱方面的观点。

Dodoboo 的用户作品

咱们筹商的下一步是建造一个袖珍社区，中枢是画廊，不是酬酢。酬酢居品很容易变得复杂，触及审查等问题。目下的居品设想，即是把用户能作念的事情限度在一定范围内。完成一幅画后，用户不错点一个按钮发布到广场，致使不需要注册 / 登录。

骨子上，咱们发现居品最意念念的部分并不单是是制品丹青。居品右上角有一个取销按钮，其实你不错一直复返上一步，也不错前进看下一步。

每次画完图后，回到最驱动，迟缓检察通盘生成过程，你会有一种嗅觉，即是阿谁邃密无比的图是你我方创作出来的。看着一个东西从无到有、变得邃密无比的过程，漫骂常享受的。

下一个版块咱们会将绘图过程生成为视频。我以为视频自己具备传播属性，这可能是一个小尝试。这少许如实让东谈主想起 Draw Something 在酬酢聚积上共享绘制和猜图的过程。

我天然但愿居品畴昔会火，但奈何历久保管，这是一个新问题。AI 行业还在早期阶段，很难为畴昔的问题作念准备。

"东谈主类的激情太容易被驾驭了"

在围绕陪伴的过程中，咱们作念了一些居品，有些对外小范畴发布，也有完竣对内的小 demo。在这个过程中，我看到了许多细节和俄顷，这让我相配有信心。

从中历久来看，我相配看好 AI 在陪伴标的的发展。东谈主类的激情太容易被驾驭，咱们并不像咱们我方想的那么感性。激情容易受外来成分影响，不管这个成分来自真东谈主如故算法。即使知谈这是虚构的，东谈主们仍容易产生共情。

说一下咱们作念的一个实验。GPT-4 的视觉模子能读懂图像内容。我结合这个技艺，编写了一些想象的"一又友"和"敌东谈主"。然后他们基于我的相片内容进行批驳，传诵我，也有品评我。

这个实验对我影响很大。我诚然是通盘王法的"天主"，编写了通盘的脚色，运行了门径，但当他们驱动凭据我的相片内容批驳时，我的内心如故受到了震荡。东谈主类的激情太容易被驾驭了。

咱们我方的一又友圈如故相对较多，某种进程上领有酬酢上风。发一又友圈或微博，总会有东谈主点赞、批驳或转发。对于大多量东谈主来说，不管是在线如故离线酬酢，他们的酬酢圈相对较小，获得的反馈也比较少。我认为对大多量普通用户来说，不管内容是真东谈主如故 AI 发布的，赐与反馈皆有其积极价值，并不全是乱来。

Character.AI 的用户群体基本上皆漫骂终年青的，无意 12-16 岁。这些东谈主基本上莫得若干随同者，发的内容也很少有东谈主快活。但他们相配常常地发帖，其中大部天职容皆与 C.AI 相关，这相配可怕。

AI 作图 by 文娱老本论

咱们不雅察到 AI 陪伴居品的一个典型特征是，大多量东谈主驱动是被驰名动漫或游戏东谈主物蛊卦。但从体验和用户访谈来看，如果你陆续和一个已知的驰名脚色聊天，很容易聊崩，因为你对这个脚色太了解了。一朝出戏，他就不再像阿谁脚色了。是以咱们会发现，常常情况下，用户历久陆续交流的脚色，是他们我方创造的，或平台上的一些原创脚色。

在许多竞品的用户社区里，我常看到用户因为居品的 bug 而大发雷霆。大多量使用者如故年青东谈主，他们对居品的劣势相配敏锐。有时候他们在群里的漫骂言辞，让我这个中年东谈主听起来皆以为难以忍耐。他们不是在骂凭空脚色，而是在群里骂官方和平台，怪他们禁止了我方的脚色。

这就出现另一个问题。当你用 AI 重温已故亲东谈主的辞吐步履，你对 ta 很了解，那么你们会不会聊崩呢？诚然这嗅觉像是一个难以管理的问题，但骨子上并非无解。

比如，咱们不错给与一些措施，王法一些标的。举例明确指出某些东西是假的。咱们不错领导他们进行荧惑性的对话，比如永远荧惑东亚的孩子们，这样他们在成长过程中，会感受到父母的爱和荧惑。

我笃信这会深深震荡东亚的孩子。咱们在成长的过程中真实太短少表扬和荧惑了。如果有个 AI 爸妈天天表扬你，说"孩子，我爱你！"那该有多好。我目下就有这种嗅觉，活东谈主在心理供给方面，很难竞争过 AI。

还有一种 AI 陪伴可能是在育儿方面。我一驱动以为生成故事书是个相配好的用例，但它并莫得信得过流行起来。我在想可能的原因是，再好的故事书也需要家长来读给孩子听，这可能是最大的圮绝。

AI 语音交互主若是恭候时期太长。莫得模子能像东谈主一样，在王法时期内回答小一又友的问题。这个可能还需要半年到一年的时期能力在行业内管理。目下也曾有了一些标的，但可能还需要一些时期。中枢念念想是绕过语音到笔墨——笔墨到语音的调整，径直将声息四肢输入给语言模子，然后模子径直输出语音。

国内上一代语音助手大部分是基于王法作念的。大厂可能皆有千千万万条王法来管理多样边缘场景，陡然让他们烧毁这些王法才略，全面转向大模子，他们一时半会儿也不敢转。转了之后通盘体验会大幅左迁。你把哪些场景切给语言模子亦然个问题。

历久来看，成年东谈主、青少年、儿童和老年东谈主的 AI 陪伴皆有契机。但初期可能是儿童和老年阶段优先出现一些阁下。因为他们对语言模子的污点容忍度较高。

"一些小细节，让东谈主感到被结合"  

制作一个代理匡助预订机票，在终末一步，你无法完竣依赖大模子。比较之下，制陪同伴类居品瞄准确性的条款不高。但陪伴类居品仍需要评估居品的灵验性。

咱们需要细目灵验性的最高步伐，举例我在制作 Dodoboo 时，起初的动机是共事或一又友看到它后，想给他们的孩子使用。这种径直的动机是灵验性的一个伏击步伐。

图 /X Hidecloud

我认为灵验性在于与居品建造激情上的估量。比如在进行小实验时，咱们发现一些眇小的激情结合。这些结合常常不是广泛的激情冲击，而是一些小细节，让东谈主感到被结合。

其中一个伏击成分是主动性。传统的 AI 聊天机器东谈主常常是应激性响应，恭候用户的教导才会酬金。但咱们发现，一朝 AI 具有主动性，比如我方判断何时发起对话，或者有时终止回答某些问题，这就能建造更着实的激情结合。

举例，如果 AI 老是盲从用户，永远欢娱每一个肯求，即使它不想回答也必须言语，这会裁减用户对它的领路。独一当 AI 信得过能说"不"时，它四肢一种强壮，才信得过存在于用户的精神天下中。

如安在终止、发达个性激情的同期，又不 1:1 效法真东谈主的污点？我认为这个均衡不错通过数据反馈来限度，最终可能是一个匹配过程。不同的东谈主心爱不同的 AI 脚色，比如傲娇或甜好意思类型。是以最终是对于找到符合的匹配。咱们也曾作念了好多年的保举系统了，这不是什么贫乏。

另一个相配额外念念的话题是 AI 检测。我最近读了一些对于 AI 图像和音频检测的论文，有些相配额外念念的内容。

一篇启发性的著述把图像分红细节丰富，和细节不丰富的区域。比如主体部分是细节丰富的，而配景则是细节不丰富的。他们先分离这两个区域，然后计较这些区域内像素点之间的关系和密度散布。

在着实天下中，不管是细节丰富如故不丰富的区域，散布皆比较均匀。然而 AI 生成的图像，在细节不丰富的所在，全体频率较低；而在细节丰富的所在，会参加更多元气心灵。这就导致全体频率散布不均，从而不错划分出哪些是 AI 生成的。

大天然中万物对等，但 AI 会取舍性地处理，导致信息元素的散布不同。既然也曾强壮到了一些问题的存在息争法，说真话，可能不到半年，AI 生成图像的质料就不错超出普通东谈主的辨识范围。

"开源能赶上 ChatGPT 吗？"  

我认为"用开源技艺能赶上 ChatGPT 吗？"这些争论不太伏击，因为咱们作念居品的筹商的是手头上的资源和才略有哪些端正，它能作念什么，与哪些用户需求相匹配。这才是咱们要作念的事。

就语言模子而言，很难具体说开源技艺无意畸形于闭源领跑者的什么水平。对于多模态方面，某种进程上开源范围可能更先进一些。

大语言模子就像登月工程，开源范围如果莫得满盈数据集和历练才略，很难快速赶上。但多模态方面，除非漫骂常大的历练量，不然很容易跟上。有时候开源的一些责任，比闭源的交易模子收尾更好。

Sora 也属于那种鼎力出遗迹的例子。我最近阅读了好多论文，它的结构也曾被基安分析明晰，莫得太多隐秘。它的发展即是大算力出遗迹。

目下从头造轮子的景象严重，科研范围即是这样。作念范式革命的东谈主很少，大多量东谈主在基础上作念性能优化。有些责任比较叠加。范式革命之后，也有东谈主在这基础上微调，认为是革命，但我看来可能不够打破。

但开源范围好的少许是，信得过的范式革命获得认同，并沿这个道路发展。这里面我莫得看到严重的逻辑冲突。

话题互动：

你但愿 AI 帮你作念哪些责任？