摘要

两支AI原生内容团队正在改写机构媒体的组织方式。 Z Potentials以5名兼职合伙人、若干实习生、AI和飞书实现日更；每月约接5个商单，约一半因产能不足被拒绝或转给其他伙伴，Yuca称月度商单规模约20万—30万元。特工宇宙线下6人，真正投入写稿约2人，其余主要开发Agent。
规模化的关键不是让模型“写一篇稿”，而是把栏目拆成能够并行运行的SOP。 Z Potentials用栏目定义抓取、选题、转写、翻译、校对、润色和排版流程，一次可让20个选题同时运行，后台积压数百篇，系统24小时运转；特工宇宙则把这一逻辑推进到Agent-native MCN：人设定账号定位和信息源，Agent负责选题、生成与发布。
真正稀缺的资产正从遣词造句上移到独家信源、选题品味和创作者的私有记忆。 庄明浩能让AI检索喜马拉雅融资史、SEC文件，并追问优先清算权，却无法补回行业旧事及“只封装在我的脑子里”的情绪；仲泰也指出，没有36氪等媒体的独特信息源，AI无法完成同类原创内容，产品测评则需要真实体验。
AI会先削弱记者的加工环节，也会强化创始人直接经营叙事的能力。 Ryan观察到越来越多创始人从day one就building in public，用AI完成跨语言发帖、用户邮件、创业故事和品牌叙事；杨轩则把访谈整理从约3个工作日压到1天，效率至少提升一半，但仍须检查幻觉。写作也因此成为创始人的重要能力。
“风格是否重要”在现场没有共识，但各方都把人的价值留在了上游。 仲泰认为用户可能只关心结果，未来大部分内容都会由AI生成；Yuca强调决定账号的是“发心”和vision，庄明浩与Ryan则强调品味、taste和最初的“Soul”。可规模化的是把人的定位、选题和判断固化成流程，而不是单纯复制文风。
进入2025年第二季度左右，AI产品发布开始显露Web3式模板和反噬风险：国内首个、benchmark SOTA、邀请码和KOL投放。 杨轩认为这一流程可能起源于Manus的意外爆发，仲泰则说已有合作方只要求“照着几个很火的产品来做”。邀请码会推高预期并延迟体验，产品若无法兑现，流量就会从助推器变成反噬器。
商业模式的潜在变量是从按软件付费转向“按结果付费”，但眼下订阅和广告仍占主流。 随着垂直场景减少幻觉，AI才可能直接为结果定价；Token成本则使AI创业更可能从day one开始商业化、更快验证PMF。“Fake it until you make it”只有在最终交付价值时才成立。
下一批需求一端来自AI作为购买方，另一端来自AI作为陪伴者与劳动力。 Ryan看到创业公司开始为自己的AI购买SaaS、基础设施和其他服务，即“make something AI want”；Yuca看好Character.AI、LoveDovey式长期陪伴，仲泰则认为电商、数字人直播、智能客服等离钱近的Agent场景会先落地。更远的设想是IT部门变成Agent招聘部门，而特工宇宙成为“下一个时代的Boss直聘”。

精读

1. AI原生媒体先击穿了固定成本

杨轩把这场讨论定义为传统媒体的“性命攸关”：他从纸媒进入36氪，曾证明传统报道方法在移动互联网时代仍然有效；如今AI能直接生产内容，他担心上一代媒体人再次“死在沙滩上”。
Z Potentials的组织实验比内容本身更激进：5名都有主业的兼职合伙人、若干实习生，再加AI和飞书，已经做到日更和机构媒体级发稿量，“全职的人是零”。团队每月大约接到5个商单，大部分因时间不足难以完成，约一半会被拒绝或推荐给其他伙伴；Yuca称月度商单规模约20万—30万元。
特工宇宙线下只有6人，线上还有一些伙伴；多数人投入Agent开发，真正用于写稿的约2人。仲泰没有给出特工宇宙媒体业务的收入数字。

2. 栏目不是标签，而是一条可并行的SOP

Yuca解释，Z Potentials每篇文章前的栏目名都对应一套人机协作SOP：以海外翻译稿为例，流程包括抓取和筛选内容；如果素材是视频，再选择通义、Claude或ChatGPT等工具转成初步文稿，随后进行校对、润色和排版，并嵌入飞书协作。
传统媒体按“一个人一个月写几篇”计算产能；她的做法是一次把20个选题放到看板上并行运行。只要前端选题充足，理论上“后端的供给应该是无限的”，目前后台还有数百篇未发布稿件，整套流程24小时持续运行。
杨轩追问，36氪旗下“智能涌现”刚发出的独家内容，Z Potentials常常很快就跟进。Yuca解释，速递栏目的负责人会建立媒体监测库，再通过AI快速总结内容；这段对话呈现出机构媒体独特信息与AI速递之间的张力。

3. Agent-native MCN把编辑变成账号架构师

仲泰从2023年开始关注Agent，并刻意采用“特工”这一译法：未来Agent可能在某一项或多项能力上超过普通人类，内容账号只是“人类与Agent共生宇宙”的一个早期实验。
特工宇宙正在验证Agent-native MCN。人先花大量精力确定账号的定位、名称、logo、整体调性、分隔符和排版，再接入RSS、API或RPA等信息源；定位确定后，选题、生成和发布尽量交给AI完成。
技术栈主要是prompt、插件和RAG。团队一般会使用国外模型，因为不同模型在memory、指令遵循和“人味”方面各有优势。商业分析和鸡汤内容已经表现不错，产品测评却做不了，因为需要真实体验；下半年可能有一个活动邀请其矩阵账号参加，活动方以为那是一个真人。

4. 创始人正在绕过媒体，直接经营自己的叙事

Ryan认为内容生产已经成为创业者的重要能力：十几二十年前，创始人未必需要抛头露面去销售自己的品牌、产品和个人形象；如今越来越多团队从day one就building in public，在社交媒体上公开建设自己的品牌。
最简单的用法，是把自己的极客内容直接转成英文，发布到海外账号；更专业的SaaS则帮助创始人撰写用户邮件、social media post、创业经历和完整narrative。那些“和父母住在一起、第一次见投资人”的生动故事，也可能由AI生成。
杨轩据此追问，部分记者和人物报道是否会失业：记者可以把采访速记交给AI，创始人也可以直接处理自己的材料。媒体从业者和创始人都能使用同一类工具生产叙事，这成为媒体行业面临的挑战。

5. AI能查清事实，却无法补写创作者的私有历史

腾讯音乐收购喜马拉雅的新闻出现后，庄明浩用AI查融资历史、上市前最后一轮估值和投资人，并直接检索SEC文件。他还会继续追问最后一轮投资人是否有优先清算权，因为这会影响收购款如何分配。
他的边界划得很清楚：AI能找到材料，却无法完成整期内容的逻辑、内容策划、梗图和玩笑，更无法取回只有亲历者记得的“陈芝麻烂谷子”。“有很多瞬间的情绪只封装在我的脑子里”，所以AI提供的是基础帮助，而非作品本身。
同一差异也体现在PPT：给五年级学生解释AI，一句话就能让工具生成；做2025年上半年AI行业综述，则连框架和玩笑都要自己设计。从通用知识到高密度个人判断，自动化程度迅速下降。
杨轩的实测更接近新闻生产：一篇已经转写好的硅谷华裔富豪Q&A，按照传统方法整理约需3个工作日；AI辅助后缩短到1天，效率至少提升一半，但模型会产生幻觉，仍需监督和核验。

6. 风格之争的落点，是“结果”与“灵魂”谁更值钱

仲泰直言个人风格“没有那么重要”：未来大部分内容都会由AI生成，用户可能分辨不出，也不关心是不是AI写的，只关注结果。人的创造性应投入账号最初的定位和最后的监管，至于它“怎么生长”，可以交给AI。
他的长期判断是生成与推荐会共同重做“下一代今日头条”。同一份经济学入门材料，给大学生时可以充满文献引用，给幼儿园孩子时则图文并茂，甚至模仿其最喜欢的卡通人物的声音，内容不再只有一个固定版本。
Yuca把风格的源头称为“发心”：Z Potentials的vision是关注年轻人与全球化，AI依据这组关键词选择素材和表达。“相由心生”，具体遣词究竟来自人、AI还是人机协作，并没有选择什么、为何选择重要。
庄明浩和Ryan补上了taste与“Soul”：36氪早期还以TechCrunch中文站的形式，通过Reader获取TechCrunch文章并进行编译整理，正是其发心、品味和挑选原则塑造了读者认知。Ryan把这种分工比作杂志主编和编辑：AI可以接管后段文字加工，但“如果最开始那个Soul是AI生成的”，内容就失去了根。

7. 独家信源与基本功划出了自动化边界

仲泰认为最大局限不是文风，而是上下文和信息源不足。36氪或其他知名媒体的文章往往有独特信息源，这部分AI没有，也做不到；当模型拿不到第一手信息时，再好的生成能力也只能重组已有材料。
特工宇宙因此选择放大模型擅长的文风模仿、常规商业分析和鸡汤内容；若进入其他赛道，则通过人工输入或RSS订阅补足信息源。产品测评表现不好，是因为需要真实体验，而非单纯的语言能力问题。
Ryan提醒另一种更隐蔽的局限：工具太容易使用，会让人误以为自己已经掌握了写作。“如果一直不是自己写，就会丧失这个能力”；不知道如何驾驭AI时，宁可先锻炼最基本的能力。

8. AI产品发布正在收敛成一套Web3式模板

杨轩观察到，进入2025年第二季度左右，国内AI产品的首轮营销SOP似乎已经形成。他认为这套模板可能起源于Manus的一次意外爆发；成功一旦被看见，主动或被动的模仿就会迅速扩散。
仲泰把标准动作概括得更具体：先找到一个“国内首个”的定位，再在某项benchmark上拿到SOTA，随后使用邀请码策略并找KOL投放。已有合作方没有明确需求，只要求“照着几个很火的产品来做”。
Ryan认同表象像Web3，却反对把两者等同：Web3的商业本质决定它更依赖marketing，AI最终仍要看用户使用和付费。KOL集中传播也会制造反向偏见；从2024年起，一些人看到推广就认定产品“买榜”，DeepSeek刚出现时也曾被如此质疑。
Yuca认为病毒式营销还有技术周期的压力：ChatGPT、DeepSeek等产品的用户量陡增，而下一次技术拐点随时可能替代旧产品。快速获客、快速迭代、快速融资由此成为多方作用下的“共谋”。

9. 炒作能否成立，只看预期最终是否兑现

Ryan认为核心不是禁用邀请码或KOL，而是控制预期：邀请码既把期待抬高，又延迟真实体验，一旦交付低于想象，传播势能就会反转。更稳妥的做法仍是实事求是，让用户用使用和付费投票。
仲泰做营销方案时先判断“产品够不够硬”：能力足够，适度传播和放大可以接受；产品一般却套用爆款模板，流量反噬往往更大。团队还做过名为“码多来”的平台，用来缓和社群对邀请码机制的厌烦。
Yuca把交付时间纳入判断：Cursor在新的Claude模型出现前可能有很多能力达不到，模型升级后产品价值却快速跃升；Builder.ai则可能长期都难以deliver价值。短期落差不必然等于欺骗，关键是产品最终能否交付价值。
庄明浩用“fake it until you make it”概括这条双向赌注：如果创始人相信自己会成为“全球首个”，提前制造声量可能帮助产品抵达目标；若最终没做成，同一批流量就会变成代价。他还开玩笑说，AI产品可能还没挣钱，做AI营销的朋友已经先挣上了。

10. “按结果付费”可能重写SaaS，产品迭代则从通用向专用倒着走

庄明浩认为今年较普遍的共识是“按结果付费”。传统SaaS按软件收费，AI若能在垂直场景或细分功能中减少幻觉，就有机会直接对宽泛意义上的业务结果收费，形成不同的商业模式。
他同时保留了现实约束：现阶段AI行业仍主要沿用互联网的订阅和广告模式，并没有完成根本切换。只有当结果可以被定义、验证和稳定交付时，新的计价方式才可能成立；他没有给出具体案例，而是用一张梗图解释产品路径。
敏捷开发是先造轮子、车架和座椅，再组装汽车；传统PMF则是从自行车、摩托车、三轮车一路试到汽车。AI可能先造出一辆“武装到牙齿”、带翅膀和火箭筒的复杂车辆，再不断删减，最终从通用砍成专用。

11. Token成本把商业化推到day one，也催生“AI作为买家”

Ryan认为AI创业与传统互联网创业的逻辑不同：day one就开始产生Token成本，因此可能更早商业化，也更快验证PMF。这是AI创业的一个重要差异。
在验证PMF并开始盈利后，部分创业公司可能在融到A轮后就不再需要继续融资，因为公司已经拥有较健康的现金流。AI创业的商业化因此可能更前置。
Ryan还观察到一种新的购买关系：有些创始人购买的不是给团队使用的普通产品，而是让自己的AI更好地完成任务的SaaS、基础设施或其他快速服务。只要账算得过来，创始人就会从“我的AI需要什么产品”的角度做决策，这对应“make something AI want”。

12. 陪伴与Agent招聘构成To C、To B两条终局想象

Yuca从《百年孤独》谈到To C机会：人很难找到一个理解自己、永远陪伴、不离开甚至不背叛自己的人；Character.AI、LoveDovey等产品已经在构建这种持续陪伴的雏形。她认为再过几年，这类AI可能真正解决一部分长期孤独问题。
仲泰选择To B视角：过去一年，各垂直行业都在尝试用大模型和Agent提效，但落地速度不同，“离钱比较近的会落地得比较快”。电商、数字人直播和智能客服是他看到的先行场景。
他引用黄仁勋的设想：未来IT部门可能不再存在，而会变成Agent招聘部门，企业只需寻找能完成任务的Agent。特工宇宙若能聚集自研及合作伙伴的Agent，就可能成为“下一个时代的Boss直聘”。

TikTok 与 AI 已彻底改变教育——这对教师、学生和家长意味着什么 Chime IPO：IPO市场比以往更热吗？