摘要

丛广乐认为，移动互联网是“大航海式”的有限集合，AI则是更长期的生产力革命。 前者主要靠入网人口、贴身设备和传感器带来“量变引起的质变”，中国市场从2012年至2018年、约五六年便完成核心版图；AI则是“质变引起的量变”，没有Reasoning、Coding等能力时，许多Agent场景不是60分与90分之差，而是根本不能成立。这意味着机会不只在应用迁移，也在模型能力跨过阈值后开放的新供给、新交互与新平台。
丛广乐把70%—80%的资源押在一套“替代内容创作者”的AIGC系统，而非单一视频生成模型。 系统从账号角色与稳定元素出发，沿“灵感的点—选题的线—脚本的面—制作的体”展开，覆盖创作、制作、工具调度、发布、反馈乃至商业化；视频模型只是类似摄影或CG的一个制作环节。“环节无论再多，它也是有限的步骤”，关键是把目标、逻辑、知识和手段串成闭环。
另两场仍处调研阶段的“无限游戏”，分别是AI App工厂和可生成交互的社区平台。 前者从全网需求出发，自动立项、生成PRD、写代码并发布产品；后者让群体组织者自行生成身份验证、LBS地图、打卡等组件，使社区从信息讨论扩展到真实行为和需求满足。三条线被他概括为AIGC、AIGI，以及“AIGI辅助UGI”，共同研究AI如何替代或辅助人类供给。
判断AI创业价值时，丛广乐更容易先问的不是“是否AI原生”，而是“壁垒是什么”。 他不认同把速度本身当壁垒，因为“速度这件事情太线性了”；更可持续的答案是独有数据、用户集中后的依赖与黏性、复杂到后来者难以逼近的领域整合，或真实反馈形成的飞轮。为大模型“打补丁”的产品、仅凭个人体感做出的轻工具，可能像移动时代的ROM、越狱和简单课程表一样，短期有用、长期价值有限。
字节早期给丛广乐留下的核心方法，是用“体感、逻辑、想象力”定义产品，再用数据解决供需匹配。 九九房及后来的头条先抓取并迁移PC内容，解决移动端“先有鸡还是先有蛋”，再从按产品名切分品类走向个性化推荐和统一平台。主持人回忆，2015或2016年在国贸见张一鸣时，张一鸣提到今日头条内VV超过新闻PV，并表示之后两三年要all in短视频。“战略上是简洁而宏大且底层的，战术上可落地、符合团队基因。”
票圈视频的高利润让主持人将其称为一块“票仓”“粮仓”，并认为团队能承受长期AI研发的不确定性。 产品于2018年抓住小程序窗口，从微信内的视频生产与存储工具，逐步走向平台、分发算法和商业化；收入与利润未披露，主持人仅称年度利润是“所有人都会羡慕甚至嫉妒”的数字。团队口径为50—100人，北京约50—60人、长沙约30—40人。
丛广乐要找的不是最快兑现共识赛道的人，而是愿意参与底层发明和“非确定目标”的合作者。 公司不再只以每日产出衡量进展，也看学习速度、试错速度和团队认知积累，因为创新可能长期没有线性进展，随后“一下子乘以十、乘以一百倍”。他看好的十亿美元级机会包括模型与infra、个人及职业工具、行业供给侧替代，以及由智能化新交互催生的平台。

精读

1. 九九房让丛广乐第一次看见“穷举式”产品创新

丛广乐35岁，称自己已创业12年、做票圈第7年；更早在2011年、大三时加入张一鸣创办的九九房。吸引他的既有移动互联网的新鲜感，也有自己做过的校园项目：手机拍照识别建筑，再完成导航和介绍。
九九房源自房产信息需求，却没有只做一个交易入口。团队并行探索二手房、新房、租房，以及房产资讯、看房日记、中介查询等内容、社区和工具形态；他的概括是：“有点偏穷举式的一个逻辑”，先把可见机会做出来，再根据实验反馈决定加深哪一条。
这段经历让他区分领域型人才与科技型人才：前者适合深入解决中介服务、线下交易等产业问题，后者更擅长“捕捉比较大的机会和普世的问题”，用技术创新求解。张一鸣若持续做九九房，可能只能改善房产信息层；进入内容领域，才有空间同时改造供给、分发、形态与商业化。

2. “体感、逻辑、想象力”构成了字节式产品观

丛广乐把产品经理理解为“定义问题”的岗位，工程则负责“实践问题”。定义从个体体感开始：生活里什么问题值得解决、又尚未解决好；它不是完整答案，却是发现真实需求的入口。
逻辑像一把梯子，通过竞品、新体验减旧体验减迁移成本等因素，判断方向是否值得做、应该怎样落地。想象力则是天花板：“当你可以想到很多很多创新的、甚至可能性的极值”，才可能构造颠覆式方案。
他认为早期移动产品普遍迷恋功能和交互创新，九九房与字节更特别之处是“充分理解利用数据”。面对内容产品，它们不只思考如何让用户发布，还会把PC互联网的宏观供给抓取过来，优化成手机可读形式，借PC向移动迁移的势能解决冷启动。
当供给规模足够大，搜索、订阅和分类就不再是唯一解法，问题转为生产与消费的高效匹配，个性化推荐由此成为更底层的方案。数据不是附加优化，而是产品定义的一部分。

3. 字节的成功来自渐进执行，也来自始终盯住终局

丛广乐认为字节的成功“还蛮必然”，但前提是PC向移动迁移这一天时：入网人数激增，设备变得贴身，并持续采集更多传感器数据。字节在产品定义、交互实现和供需匹配上，把这些变量利用得极好。
它没有一开始就赌一个统一平台，而是先用搞笑囧图、内涵段子、精辟语录等产品名切开需求，让每个品类单独完成供需匹配，再逐步收敛到今日头条。这套路径既解决眼前约束，也一直保留对“最终局”的判断。
短视频就是那个终局变量。字节在抖音前做过火山、西瓜、头条视频和更早的“今晚必看视频”；主持人回忆，2015或2016年在国贸见张一鸣时，张一鸣提到今日头条的VV已超过新闻PV，并表示未来两三年要all in短视频——移动原生UGC视频被视为供给侧的下一步变革。

4. 没有加入头条，是现实约束与主动补课共同造成的选择

头条从零孵化时，丛广乐记得张一鸣曾邀请他加入，他也参与了几个月早期产品探索。最终没留下，一是要完成毕业设计，而团队当时“一周只休息半天”，学校安排与创业节奏冲突。
另一层原因是，他觉得身边技术团队的思维方式与自己接近，反而想向接手九九房的安居客高管学习商业经营和垂直行业方法。回头看，他明确承认记忆未必完全精准，而不是替当年的决定编造一套确定叙事。
他记得的张一鸣并不以宏大姿态外显，而是“平静的，但是有极大勇气和很深度沉淀”。他推测张一鸣可能通过横向和纵向维度，把内容模态、生产和匹配问题定义清楚；战略上简洁宏大、触及底层，战术则从抓取和团队基因出发。张一鸣也“极其努力”，一次张北团建时腰痛到无法入睡，这让丛广乐感到他投入很多。

5. 红点与最右分别验证了新模态和新互动的价值

丛广乐于2013年8月开始做红点直播。当时他把直播视为即时信息传递的“模态”，而非单一赛道：它可以成为教育、会议、分享等SaaS工具，也能演化成秀场、游戏主播和电商平台。
移动设备带来了更贴身的音视频采集能力，使视频与音频采集成为更普遍的能力。红点可以作为工具，却尚未想清楚应该服务哪个垂直SaaS领域；他又更想探索UGC，因此离开并开始做最右。
他当时认为，促进UGC有两条路：提供生产工具，或把有共同文化和身份认同的人聚在一起，再给他们新的互动组件。短视频工具当时还未显著降低创作门槛，于是最右选择了后者。
最右将弹幕、语音、改图、投票、接龙、顶踩和神评组合到社区中，同时引入推荐、群组和更好的分发与连接，改变PC时代依赖搜索引擎找版块的路径。丛广乐认为其早期“独特的群体效应”和内容文化真实存在，但产品后来出现了方向分歧。

6. 社区与内容平台的分歧，本质是效率和生态空间的取舍

合作者更想把最右“压薄”为内容平台，提高消费和分发效率；丛广乐则想保留复杂的群体组织、交流与共同生产。类似快手从双列走向单列，会减少发现性、提高消费效率，却也改变了社区属性。
他的观察是，中国移动社区要么长期垂直，要么扩大后变成内容平台；Reddit、Discord则可以保持去中心化组织。后者一方面适应多民族、宗教和兴趣群体的信息分隔，另一方面愿意“让它自由地生长”，不要求平台公司直接经营每个群体。
微信群证明了同一路径：大量产业群和社团的丰富程度并非来自“微信意志”。但微信已经满足很多国内社群约70%的交互和需求，独立社区创业公司又背负留存、规模和商业化指标，很难长期“无为而治”，更难设计与群体利益不冲突的分配机制。

7. 票圈视频抓住的是微信网络缺失的一层能力

决定做票圈时，丛广乐的起点不是看见移动互联网大赛道，而是认为在人类普世的消费和需求层面，移动互联网“百分之九十五以上”的问题已经解决：人与人有微信，人与商品和服务有阿里、京东、美团、滴滴等，人与内容则被字节推进到抖音。
他在红点时期发现，用户会把直播工具放进微信完成收听，由此意识到微信不是普通App，而是足够底层、多元的社交网络。红包与货币能力能催生大量交易，同理，创业公司也可能为微信补上一种新能力，进而创造一批场景。
视频号出现前，微信视频更像文件，缺乏中心化存储、评论、数据化和创作者收益体系。票圈先提供视频生产与存储工具，再延伸到平台与分发，切入的是网络基础能力的空白，而非另建一个孤立内容App。
小程序于2017年推出，票圈在2018年快速进入，随后沿“工具—工具辐射场景—平台—传播推荐—商业化”平滑推进。丛广乐认为，相比从零发明社区或短视频平台，这条路径变量较少，因此每一步的准确率与效果都更高。

8. 较早的生成视频尝试，方向正确但生产力尚未到位

约2020年、视频号出现后，团队判断票圈无法承载微信视频平台的最终使命，开始寻找更大的供给侧变量。丛广乐记得当时是“GPT-2还是GPT-3”以及DALL·E概念刚出现，团队由此判断视频生产可能从拍摄剪辑转向生成。
早期产品允许用户输入文字，再通过NLP检索匹配图片和视频素材，配合TTS生成讲解型、表达型或展示型视频。它已有数万个创作者，工作方式也确实不同于传统拍摄剪辑。
但他的复盘没有把先发探索包装成胜利：“概念是对的，趋势是对的”，当时的基础生产力还没有随着GPT、Midjourney等产品的出现同步发展，因此没有形成他期待的变量级效果。

9. 真正的AIGC产品必须理解创作者，而非只会生成镜头

团队当前的主方向，是完整拆解创作者、创作方法、内容元素与工具调度，再构建一套“替代创作者的AIGC系统”。系统学习工序、模式、元素组合及用户偏好，为不同手段分配权重，而不是只生成单个视频。
一个账号首先要定义角色、不变元素、创作领域和核心方法，再沿“灵感的点、选题的线、脚本的面、制作的体”生成具体内容。这样产物才具有账号连续性，而非每次随机重新开始。
丛广乐用影视制作解释边界：编剧和导演偏创作，灯光、摄影、服化道、执行导演和演员偏制作；视频生成模型属于制作能力，类似CG等技术，并不等于理解创意、找到人类喜欢的特征并完成组合。
系统还要预设发布、推广、商业化目标与载体，并在运行中通过强化和反馈改进。他认为问题虽然宏大，却仍是有限步骤：“无论这个步骤多难”，都可以被目标、逻辑、知识和手段串起来。

10. AI App工厂要把创业判断也纳入自动化

第二个方向沿着他早年熟悉的“App工厂”继续前推，但覆盖范围不再局限于内容品类。系统将根据全网不同领域的需求，再结合当前产品能力与未满足问题，自动形成方向和产品立项。
后续链条包括自动生成PRD、完成代码实现并发布，目标是“真正的App工厂，或者说工具工厂”。它把捕获需求、定义产品和工程实现放进同一系统，而不只是把既定需求交给Coding Agent。
丛广乐认为，字节式App工厂本质仍是内容领域内的品类扩张；AI释放的生产力若与创业、产品和需求判断结合，可能跨领域重复这一过程。该方向目前更多仍处于调研和思考阶段。

11. AI生成交互，可能让社区成为“非3D的元宇宙”

第三个方向从Craigslist的演化得到启发：PC网站只能提供表单、筛选和评论，到了移动时代，LBS、调度和匹配等专用交互催生Uber、Airbnb等垂直产品。“交互决定了一个领域的体验如何能做到更优。”
若AI能把定制功能赋予每个群体组织者，社区便不必停留在发帖和评论。例如，二次元社区可以设计答题判定系统；校友群可以接入学号、人脸和学信网验证，确认成员身份关系。
他举了一个打鸟的例子：每位打鸟者发布的视频、图像都带LBS，专属地图只承载鸟类记录。过去必须等一家中心化公司判断市场足够大、专门开发产品；有AI后，小众群体也可能自行生成这种信息模式和交互。
丛广乐称其为“类似非3D元宇宙的效果”：不依赖游戏物理引擎，而依赖功能组件、筛选与验证体系，使群体除了交流信息，还能产生行为并满足具体需求。

12. “无限游戏”要求公司接受非线性进展

三个方向中，内容创作者替代系统占70%—80%的资源，AI App工厂和生成式社区仍以研究为主。后两者更符合他偏好的“无限游戏”——短期未必见效，但终局必须足够大，也与他过去做内容、工具和社区的经历相连。
他归纳出三种创业选择：从个体体感或所处行业的问题切入；进入共享经济、百团大战等显性共识赛道，靠更快更强的执行竞争；或像微信一样，从通信、社交等底层问题出发，一步步构造通用能力。他明显偏好第三种、也承认它在中国更非共识。
在招人问题上，他认为一人公司更偏向个人探索、个人意志的实现，以及对某些领域的改造；团队更适合那些对“发明”和广泛领域的本质变革有兴趣、愿意共同承担开放探索的人。
公司内部也在重写进度定义：确定性业务每天都有产出，发明却不以“一天往前走一步”为节奏。丛广乐允许用学习速度、试错速度和认知积累衡量工作，因为长期探索后，团队可能“一下子乘以十、乘以一百倍”。

13. AI机会不缺，稀缺的是时代变量与真实壁垒的匹配

丛广乐把移动互联网比作“大航海”：人口涌入和设备便利性放大既有能力，抖音理论上2012年也能做，只是网络等条件从60分走向90分；版图探索完便进入迭代。AI更像工业革命和电气革命，底层能力仍在发展，应用领域广泛，可能形成很长的创新周期。
AI的关键跨越是“能与不能”：没有Reasoning或Coding时，许多Agent无法实现，而非体验稍差。大模型因此更像手机厂商和操作系统；新的平台也应来自生产力催生的交互与行为，而不是再按母婴、游戏等人群做一次社会学切割。
他看好的大公司方向依次包括模型及相关infra、个人和不同职业或企业使用的工具、司机与创作者及开发者等行业供给侧替代，以及基于新智能交互的平台。但行业标签不足以构成答案，终局价值仍取决于供给改造的深度。
他的负面清单包括给大模型打补丁或做特定场景适配优化，以及只有浅层体感的轻工具：它们可能重演ROM、越狱、应用市场或简单课程表的轨迹。真正壁垒应是数据、集中用户形成的依赖、深度领域整合或反馈飞轮；他认为微信文件传输助手对自己而言已经能解决大部分便签需求，只有当AI能够总结、提供反馈并提高信息效率时，这类产品才可能真正有意义。

140: 深势科技张林峰、孙伟杰：AI for Science，从开始到现在 Chadd Garcia 拆解 WaterBridge IPO 后的价值创造逻辑 $WBI