现金万博manbext网站登录app平台

作家 |James

今天，AI 智能体把持 Manus 爆火刷屏，其连合独创东谈认识涛对外发声描摹居品现象，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，管待居品发布上线的东谈主，其个东谈主资格激发眷注。

张涛此前在字节卓越慎重国外化居品的策略规画与落地，2023 年，他加入王慧文创办的东谈主工智能公司光年以外，担任居品慎重东谈主，主导 AI 居品的研发与买卖化探索。

2024 年 7 月，张涛与首席科学家季逸超（Peak）、连气儿创业者肖弘（Red）共同创立 Manus AI，并担任合推动谈主。他现时主要慎重居品策略、市集疏导及用户体验优化。

张涛的即刻页面

文娱成本论在一年前的 2024 年 3 月也曾采访过张涛。其时他在光年以外开发儿童陪伴类 AI 居品 Dodoboo。那时 AI 陪伴赛谈相等火热，咱们就他的居品，行动居品司理的方法论，以及 AI 陪伴的一些趋势作念了商酌。

从当今回头看，里面大广博意象性的内容，如今已班师应验，而另一些内容仍有待将来的发展不竭考据。行动一个十多年训导的居品司理老兵，他对居品的清爽统一了前出动互联网时期，到如今的 AI 时期，体现出逻辑上的一致性。

竣工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纲目：

"这一代孩子天生即是 AI 时期的孩子"

我叫张涛，时常在各个社区里用 hidecloud 这个 ID。我往时主要作念 toC 居品遐想和运营，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。旧年（2023）年中驱动作念 AI 方面的职责，一经作念了 8 个月。在 AI 范围是" AI 一日东谈主间一年"，是以我有许多感悟。

当今（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，起先是 GPT 帮咱们取的名字。居品比较约略，网站首页的视频就展示了它扫数功能。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，很相宜儿童使用。

文娱成本论"视智将来"和张涛连线

咱们现时使用的皆是开源模子。在图像标注方面，有许多不同的模子可供弃取。咱们起先使用了社区中平素使用的模子，但其后发现阿谁模子比较旧，不太相宜复杂图像的清爽，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，最终弃取了当今这个，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改动的。如果只依赖教导词，咱们无法达到当今这样的效用。咱们确乎作念了图到图的生成。为了提高性能，现时莫得推行更多的限度历程，因为这会影响生奏效用。

咱们当今莫得把画风弃取平直提供给用户。主如果在后端进行了一些分类，字据用户的不同输入，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统斡旋致。

旧年（2023）下半年以来，新的工夫如 LCM（潜在一致性模子）和（2024 年）2 月字节的 SDXL-Lightning 等工夫出现后，图像生成的效用一经大大提高。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，加上网罗传输，总时分可能在 1.5-2 秒把握。

咱们当今的早期用户，主如果我方身边的一又友，他们的反馈相等兴趣。

咱们在演示强调了一个卖点：晋升孩子的自信。但这激发了中国式家长的担忧，他们认为这可能会让孩子偷懒。一个一又友记挂他的孩子因为能快速生成精采图像，而失去创造力。这是一个相等兴趣的反馈。

另一方面，有些孩子相等可爱使用这个居品，尽头是那些内向、乃至患有孤单症的孩子，他们能相等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一经相等出色，有个用户给咱们作念演示时，笔触和构图相等专科，不像小孩的涂鸦。临了我致使有点忸怩，认为咱们生成的图像莫得他的画顺眼。

进入好意思术教悔会是一个兴趣的场所，但咱们起先遐想这款居品时，并莫得想那么多。

Dodoboo 的愿景

当今回及其来看，我有些不同的想法。咱们我方小的时候，东谈主们不饱读动使用狡计器，但愿咱们能默算。但当今看来，这似乎有些滑稽。

我认为这一代孩子天生即是 AI 时期的孩子。他们可能会从小就俗例使用各式 AI 器用来增强我方的生存、学习和职责智商。

"居品必须一驱动就盈利"

当今启动一个 AI 神志，开发历程和初期的增长策略仍然和传统的 App 不异。天然，AI 范围濒临一些特有的问题。举例，AI 居品终了范围化的时势与咱们以前的大广博互联网居品不同。

率直说，直到日活用户达到 10 万之前，咱们时常不会际遇太大的工夫挑战。但 AI 居品与之前的互联网居品不同，它的旯旮成本并不会快速裁减至接近零。

是以这就给寰球留住了一个印象：如果莫得大公司的补助，这种神志基本上是莫得但愿的。本色上，即使是依靠大公司也会有问题。

我认为大公司可能会在策略上弃取补贴，但一个真确班师的居品，必须在买卖上亦然班师的，这意味着它必须盈利并有一个正向的买卖模式，不然历久很难连续下去。

张涛在居品走红后慎重对外发声。图 / 即刻 hidecloud

现时在 AI 居品范围，我认为寰球一经达成了共鸣。AI 居品不行像以前那样只是追求百万日活，从一驱动就要琢磨好买卖模式和付费时势。

致使需要从一驱动就琢磨好，应该使用什么范围的模子和什么样的模子智商，来服务指标客户群。有些市集可能需要你使用最顶尖的模子，而有些市集即便如斯也可能无法得意需求。

这可能也包括一些工程上的挑战，比如起先需要对任务进行分类。先判断需求，然后将其路由到相宜的模子，或者是测验过的特定小模子来处理特定的问题。

现时在行业早期的研发模式巧合是将来的模式。但现时咱们在作念里面测试的 demo 时，可能会使用最顶尖的模子，这有助于咱们考据想法，确保神志是可行的。如果咱们能用最顶尖的模子科罚问题，那接下来就会琢磨若何进行剪辑和蒸馏，以及若何使用成本更低的方法来科罚问题。

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。当今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。我认为工程学统一了咱们东谈主类几千年的历史。事实上，许多工程念念维方法在狡计机出现之前就一经存在了。

"演示一出现，寰球就坐窝知谈它的价值"

咱们居品现时的最大竞争力，可能是对市集和用户需求的把抓。

前一阵子我参加一个共享会，我发现许多 AI 创业者，尤其是有研究布景的，他们对用户的清爽还很浅，莫得对用户需求的确切感知。他们议论居品时，很少说起用户的需乞降场景，不是说他们的器用去给用户科罚什么问题。

旧年大广博东谈主猜度 AI 皆是降本增效，但我漠视不作念效用器用。我作念器用出生，但在 AI 范围，我不想只作念器用。如果器用和内容结合，我会更感兴味。

但纯器用，比如写年报或年终回顾，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，有几个东谈主果然需要助理呢？我认为这种需求很难被潜入挖掘。

大广博东谈主本色上并不需要那么高的职责效用。这背后的原因是，扫数这个词社会的分娩时势和服务形态还莫得发生根人性的改变。是以，如果你只科罚分娩效用问题，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量是，这波波浪不是 AI，而是 AIGC ——自动生成内容。当今的问题是许多东谈主眷注的是生成动作，因为以前莫得这样的工夫。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素。

我认为更进军的是内容层面的问题。你分娩了这样多内容，这些内容若何被消耗，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。

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

那时候许多 AI 居品皆是为了展示模子智商而制作，有时候很难明确用途。然则咱们的 demo 一出现，寰球就坐窝知谈它的价值。行动一个居品，这是一个很好的开首。

好多年前，有个居品叫"你画我猜"（Draw Something）。其时我更多的是出于兴味在玩。除了对传播链条有一些想法外，我并莫得潜入念念考过它。

不外，在开发当今的 Dodoboo 过程中，咱们确乎追溯了 Draw Something，致使琢磨过是否要以酬酢或文娱为主。但由于居品需要快速上线，莫得潜入琢磨其他交互文娱方面的想法。

Dodoboo 的用户作品

咱们琢磨的下一步是开荒一个袖珍社区，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。当今的居品遐想，即是把用户能作念的事情规章在一定范围内。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。

本色上，咱们发现居品最兴趣的部分并不单是是制品丹青。居品右上角有一个排除按钮，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，徐徐稽查扫数这个词生成过程，你会有一种嗅觉，即是阿谁精采的图是你我方创作出来的。看着一个东西从无到有、变得精采的过程，诟谇常享受的。

下一个版块咱们会将绘图过程生成为视频。我认为视频自己具备传播属性，这可能是一个小尝试。这少量确乎让东谈主想起 Draw Something 在酬酢网罗上共享绘画和猜图的过程。

我天然但愿居品将来会火，但若何历久保管，这是一个新问题。AI 行业还在早期阶段，很难为将来的问题作念准备。

"东谈主类的心境太容易被专揽了"

在围绕陪伴的过程中，咱们作念了一些居品，有些对外小范围发布，也有系数对内的小 demo。在这个过程中，我看到了许多细节和短暂，这让我相等有信心。

从中历久来看，我相等看好 AI 在陪伴场所的发展。东谈主类的心境太容易被专揽，咱们并不像咱们我方想的那么感性。心境容易受外来身分影响，不管这个身分来自真东谈主照旧算法。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。我结合这个工夫，编写了一些瞎想的"一又友"和"敌东谈主"。然后他们基于我的相片内容进行指摘，惊叹我，也有月旦我。

这个实验对我影响很大。我固然是扫数这个词公法的"天主"，编写了扫数的扮装，运行了法子，但当他们驱动字据我的相片内容指摘时，我的内心照旧受到了轰动。东谈主类的心境太容易被专揽了。

咱们我方的一又友圈照旧相对较多，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、指摘或转发。对于大广博东谈主来说，不管是在线照旧离线酬酢，他们的酬酢圈相对较小，获得的反馈也比较少。我认为对大广博普通用户来说，不管内容是真东谈主照旧 AI 发布的，给以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诟谇终年青的，粗略 12-16 岁。这些东谈主基本上莫得些许随从者，发的内容也很少有东谈主快活。但他们相等时时地发帖，其中大部天职容皆与 C.AI 联系，这相等可怕。

AI 作图 by 文娱成本论

咱们不雅察到 AI 陪伴居品的一个典型特征是，大广博东谈主驱动是被著明动漫或游戏东谈主物迷惑。但从体验和用户访谈来看，如果你连续和一个已知的著明扮装聊天，很容易聊崩，因为你对这个扮装太了解了。一朝出戏，他就不再像阿谁扮装了。是以咱们会发现，时常情况下，用户历久连续交流的扮装，是他们我方创造的，或平台上的一些原创扮装。

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。大广博使用者照旧年青东谈主，他们对居品的残障相等明锐。有时候他们在群里的口角言辞，让我这个中年东谈主听起来皆认为难以忍耐。他们不是在骂杜撰扮装，而是在群里骂官方和平台，怪他们浮松了我方的扮装。

这就出现另一个问题。当你用 AI 重温已故亲东谈主的谈吐行动，你对 ta 很了解，那么你们会不会聊崩呢？固然这嗅觉像是一个难以科罚的问题，但本色上并非无解。

比如，咱们不错弃取一些步伐，公法一些场所。举例明确指出某些东西是假的。咱们不错疏导他们进行饱读动性的对话，比如永恒饱读动东亚的孩子们，这样他们在成长过程中，会感受到父母的爱和饱读动。

我信赖这会深深轰动东亚的孩子。咱们在成长的过程中果然太败落表扬和饱读动了。如果有个 AI 爸妈天天表扬你，说"孩子，我爱你！"那该有多好。我当今就有这种嗅觉，活东谈主在心境供给方面，很难竞争过 AI。

还有一种 AI 陪伴可能是在育儿方面。我一驱动认为生成故事书是个相等好的用例，但它并莫得真确流行起来。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，这可能是最大的隔绝。

AI 语音交互主如果恭候时分太长。莫得模子能像东谈主一样，在公法时天职回答小一又友的问题。这个可能还需要半年到一年的时分才智在行业内科罚。当今一经有了一些场所，但可能还需要一些时分。中枢念念想是绕过语音到翰墨——翰墨到语音的调遣，平直将声息行动输入给语言模子，然后模子平直输出语音。

国内上一代语音助手大部分是基于公法作念的。大厂可能皆有千千万万条公法来科罚各式边缘场景，陡然让他们消灭这些公法智商，全面转向大模子，他们一时半会儿也不敢转。转了之后扫数这个词体验会大幅左迁。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把持。因为他们对语言模子的症结容忍度较高。

"一些小细节，让东谈主感到被统一"  

制作一个代理匡助预订机票，在临了一步，你无法系数依赖大模子。比拟之下，制陪同伴类居品瞄准确性的条件不高。但陪伴类居品仍需要评估居品的灵验性。

咱们需要服气灵验性的最高圭臬，举例我在制作 Dodoboo 时，起先的动机是共事或一又友看到它后，想给他们的孩子使用。这种平直的动机是灵验性的一个进军圭臬。

图 /X Hidecloud

我认为灵验性在于与居品开荒心境上的商酌。比如在进行小实验时，咱们发现一些眇小的心境统一。这些统一时常不是强大的心境冲击，而是一些小细节，让东谈主感到被统一。

其中一个进军身分是主动性。传统的 AI 聊天机器东谈主时常是应激性响应，恭候用户的教导才会回话。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，或者有时圮绝回答某些问题，这就能开荒更确切的心境统一。

举例，如果 AI 老是允从用户，永恒得意每一个肯求，即使它不想回答也必须话语，这会裁减用户对它的默契。唯有当 AI 真确能说"不"时，它行动一种清爽，才真确存在于用户的精神天下中。

如安在圮绝、发达个性心境的同期，又不 1:1 效法真东谈主的症结？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。不同的东谈主可爱不同的 AI 扮装，比如傲娇或甜好意思类型。是以最终是对于找到相宜的匹配。咱们一经作念了许多年的保举系统了，这不是什么宝贵。

另一个相等特兴趣的话题是 AI 检测。我最近读了一些对于 AI 图像和音频检测的论文，有些相等特兴趣的内容。

一篇启发性的著作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，而布景则是细节不丰富的。他们先分离这两个区域，然后狡计这些区域内像素点之间的关系和密度散布。

在确切天下中，不管是细节丰富照旧不丰富的区域，散布皆比较均匀。然则 AI 生成的图像，在细节不丰富的地方，举座频率较低；而在细节丰富的地方，会过问更多元气心灵。这就导致举座频率散布不均，从而不错分手出哪些是 AI 生成的。

大天然中万物对等，但 AI 会弃取性地处理，导致信息元素的散布不同。既然一经清爽到了一些问题的存在息争法，说真话，可能不到半年，AI 生成图像的质地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"用开源工夫能赶上 ChatGPT 吗？"这些争论不太进军，因为咱们作念居品的琢磨的是手头上的资源和智商有哪些规章，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，很难具体说开源工夫粗略格外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测验智商，很难快速赶上。但多模态方面，除非诟谇常大的测验量，不然很容易跟上。有时候开源的一些职责，比闭源的买卖模子效用更好。

Sora 也属于那种鼎力出遗址的例子。我最近阅读了许多论文，它的结构一经被基安分析明晰，莫得太多精巧。它的发展即是大算力出遗址。

当今从头造轮子的时事严重，科研范围即是这样。作念范式立异的东谈主很少，大广博东谈主在基础上作念性能优化。有些职责比较相通。范式立异之后，也有东谈主在这基础上微调，认为是立异，但我看来可能不够碎裂。

但开源范围好的少量是，真确的范式立异获得认同，并沿这个路子发展。这里面我莫得看到严重的逻辑冲突。

话题互动：

你但愿 AI 帮你作念哪些职责？