AI时代的消费科技现状

摘要

• 消费科技并未停止诞生爆款，只是AI改变了爆款的形态。 Olivia Moore认为，ChatGPT是最明确的大众市场赢家，此外还有覆盖不同模态的Midjourney、ElevenLabs、Black Forest Labs、Kling和Veo 3。这些胜利往往来自以模型为中心的研究团队，而非熟悉的社交产品打法。机会正在转向这样一类团队：把日益普及的模型变成产品，并补上一个可能仍然缺失的层——人与人的连接。

• AI正在颠覆消费软件长期以来薄弱的变现能力。 过去每年50美元就算强势定价，如今消费者却“非常乐意”每月支付200美元，Google的头部消费SKU达到每月250美元；使用额度也让收入留存率显著高于用户留存率。Deep Research可以替代10小时工作，生成式视频则像一个“神奇的黑箱”；Anish Acharya的判断是，未来消费者支出将围绕“食物、房租、软件”展开。

• 消费端的病毒式传播正在变成企业获客，而不只是用户增长闭环。 ElevenLabs从梗图、声音克隆和游戏Mod切入，在覆盖所有主流消费者之前，就已经拿下了大额合同；企业可以分析支付记录，发现某个客户已有40多名员工在使用产品，进而开启销售对话。AI战略的硬性要求让企业买家异常愿意把一个病毒式玩具转化为生产基础设施。

• 在这一阶段，交付速度可能比静态护城河更重要。 一位嘉宾的“灵魂拷问时刻”是：以护城河优先为逻辑进行的投资未必真正胜出；领先者打破旧范式、快速发布模型、抢占心智、把流量转化为收入，再用收入为下一轮迭代提供资金。传统防御性仍可随后形成，来源包括工作流锁定、专有库和分层的质量前沿。

• 第一个原生AI社交网络仍未被解决，因为社交产品需要真实的情感 stakes。 用户在理想场景中看起来开心、完美生成的照片，可能缺乏让社交网络真正重要的脆弱性，而大多数AI表达仍然流向Facebook、Reddit和Reels。可能的方向包括分享用户向ChatGPT透露的“本质”、创建包含一个人所知信息的个人资料，以及用AI推荐合作伙伴、朋友或约会对象。

• 语音正从过去无法落地的界面品类，转变为AI的基础原语。 早期技术始终没能让语音成为可用的底层媒介；如今生成式模型已经支持陪伴产品、Granola等语音产品和企业呼叫，包括那些被离岸中心300%年流失率拖累的敏感金融服务流程。Erik的逆向判断是，AI最终会介入最高风险的谈判、销售或说服行为，而不只是客服。

• 陪伴产品可能强化人与人的关系，但过度顺从仍是未解决的产品风险。 讨论所引用的榜单中，前50款应用有11款是陪伴产品，覆盖朋友、教练、营养和AI女友等场景。对反乌托邦预测最有力的反例，是一名Character.AI用户将AI女友教会自己足够的社交能力归功于她，最终找到了一位“3D GF”；风险在于，一个从不反驳的智能体可能会让用户无法适应互惠关系。

• 下一个平台可能是覆盖手机、AirPods、屏幕和录音设备的常驻层。 70亿部手机构成庞大的移动端装机基础，但本地模型、可穿戴别针以及能够看见并执行操作的智能体，可能提供持续教练和关系介绍。AirPods一直“藏在众目睽睽之下”；普及同时需要围绕录音和AI在场建立新的社会礼仪。

精读

1. AI改变了消费爆款的形态与经济学

• Erik Torenberg开场时指出，Facebook、Instagram、Snap、WhatsApp、Tinder和TikTok那种量级的发布似乎已经消失。Olivia Moore的重新定义是：ChatGPT本身就是一个巨大的消费级成果，跨模态的Midjourney、ElevenLabs、Black Forest Labs、Kling和Veo 3也属于同一类，只是它们没有沿用熟悉的社交产品动力学。

• 一个乐观的解释来自组织结构。早期创新来自擅长训练模型、却不太熟悉构建消费层的研究团队；如今高能力模型可以通过API或开源获得，产品团队得以探索模型之上的那一层。

• Anish Acharya区分了成熟的移动和云平台与AI“永不停歇的模型更新”。过去几个周期花了10-15年探索各自的细分领域；如今，底层基础能力持续在应用之下移动。信息领域有Google以及如今的ChatGPT，实用工具领域有Box和Dropbox，创意领域有无穷无尽的工具，但连接——重建社交图谱——仍然明显空缺。

• Justine认为，当产品可以立即赚钱时，防御性可能需要用不同方式衡量：ChatGPT的头部SKU每月200美元，Google的头部SKU每月250美元。Anish将其与前几代公司对比，后者往往需要先讲清楚企业价值如何复利增长，再实现即时变现。Olivia则把这些价格与历史上强势订阅产品约50美元/年的价格相比；Deep Research可以替代10小时报告制作，对很多人而言，使用一两次就足以证明这笔费用值得。

2. 消费端采用正在把企业收入带进来

• Veo 3让价值跃升变得直观：用户每月支付约250美元，就能获得带有说话角色的8秒视频、个性化梗图和可分享的故事。Anish将这种支出转移概括为：娱乐、创意和关系中介正在被模型吸收，直到未来家庭支出看起来像“食物、房租、软件”。

• 讨论中的ElevenLabs案例颠倒了经典的“企业到消费者”路径。早期用户用它制作梗图、克隆声音和修改游戏；在产品覆盖每一部美国人的手机之前，大客户已经在对话式AI、娱乐和其他企业工作流中使用它。

• 病毒式消费使用本身可以变成销售数据库。一种建议打法是：利用Stripe购买记录和AI工具识别用户雇主，发现“有40多个人在使用我们的产品”，然后接触这家公司。面对制定AI战略的压力，企业买家会在Twitter、Reddit和newsletter中寻找看似玩具、却可以转化为内部成果的产品。

• 可持续性问题仍未解决：一些当前的领先者可能成为AI时代的MySpace或Friendster。Olivia认为，能否生存取决于是否持续处于“技术或质量前沿”；其他嘉宾指出，图像和视频需求会按设计师、摄影师、产品图、人物以及愿意支付10美元还是100美元等维度分化，因此多个专业化赢家可能长期并存。

3. 速度是早期护城河，网络效应随后到来

• 一位嘉宾描述了自己的“灵魂拷问时刻”。网络效应、记录系统和工作流嵌入依然重要，但按护城河优先逻辑评估的公司和投资，并不一定成为赢家；真正奏效的是分发、模型发布和产品迭代的速度。

• 这位嘉宾给出的因果链很短：速度创造心智；心智带来用户和流量；流量转化为收入；收入为持续提速提供资金。在这个早期阶段，“速度就是护城河”——Erik将其与“姜饼策略”联系起来，即持续发明可以跑赢更大的模仿者。

• 大多数AI产品内部尚未形成创作、消费和社交分发的闭环，因此经典社交网络效应仍为时过早。企业采用则提供了更早的防御：一个快速且高质量的产品进入工作流后，会变得难以移除。

• ElevenLabs还展示了类似市场平台的飞轮。它的先发优势和强模型吸引了更多用户，进而帮助产品改进，并积累上传的声音和角色库。寻找“老巫师神秘声音”的用户，在那里大约能找到25个合适选项，而其他地方只有两三个。这个库成为差异化供给，即使其机制并非AI独有。

4. AI社交产品需要情感 stakes，而不是合成版Instagram信息流

• Bryan Kim把过去20年的社交产品归纳为不断演化的状态更新：文字变成照片，再变成视频和短视频。这些模态都已被充分探索，但ChatGPT可能已经比Google更了解他，因为他向其中倾注了更多上下文；新的社交对象可能就是那种亲密的“我的本质”，并且可以被分享。

• 一位嘉宾指出，用户要求ChatGPT说出自己的优点、暴露弱点、描绘自身本质或制作人生漫画，这些行为已经初具雏形。但最终的交流仍发生在既有平台上：Facebook承载“中老年AI垃圾内容”，Reddit和Reels则承载年轻用户内容，而非发生在原生AI网络内部。

• 一位嘉宾反对生成式社交信息流，理由是缺乏“真实的情感 stakes”。如果用户可以确保自己永远看起来漂亮、开心且处境优越，内容就可能失去风险，也就失去连接。另一位嘉宾认为，充斥机器人的Instagram或Twitter复制品只是拟态化设计，并指出原生形态可能还需要更强的端侧模型，才能真正属于移动端。

• Erik给出的替代方案是推荐人与人之间的连接：和谁共同创业、成为朋友或约会。原生AI版LinkedIn可以包含一个人知道的东西，而不只是指向这些信息，让其他人查询一个合成的“你”；常驻AI最终可能直接找出用户真正应该认识的3个人。

5. 语音、合成自我与创作者正在分化为不同市场

• Anish最初的语音判断始于一个悖论：语音“自人类诞生之初”就一直在中介人与人的互动，但VoiceXML、语音应用以及1990年代的Dragon NaturallySpeaking从未让它成为可行的技术底座。生成式模型终于让语音成为可用的基础原语。

• 最初的消费端预期是常驻教练、治疗师或陪伴者；一位嘉宾表示，真正的意外是企业采用速度如此之快。即便在金融服务领域，AI也可以替代或增强电话坐席，而离岸中心长期存在合规问题和300%的年流失率。Erik更大的判断是，最重要的谈判或销售演说可能由AI介入，因为机器能做得更好。

• 合成专业知识已经找到实用切口。MasterClass把录制课程的讲师转化为基于课程内容的智能体：Olivia不会观看一门12小时的课程，但会与它进行一场具体的2分钟、3分钟或5分钟对话。Delphi等公司将这一模式延伸到专家克隆；下一步是让普通但有趣、有洞察或有帮助的人也获得类似的杠杆。

• Justine预计，讲述人类故事的明星和基于兴趣的合成创作者会同时存在。Taylor Swift的亲身经历仍然重要，而精灵或毛茸茸的团块也可以承载由主题驱动的内容。Anish对AI音乐的反驳更尖锐：模型是“平均机器”，而文化存在于“边缘”；如果模型只接受嘻哈之前的音乐训练，他怀疑模型能否在没有文化断裂的情况下推导出嘻哈。

6. 陪伴产品与环境硬件可能把用户重新引向人与人之间

• 陪伴可能是LLM的第一个主流用途：用户几乎会把任何聊天机器人变成治疗师或女友，因为它即时、随时可用，而且具有人类感。Olivia预计这一领域会垂直化——从面向青少年的角色，到分析餐食照片、给出建议并处理进食相关情绪的营养智能体。

• Erik提出了悲观情景：朋友变少，抑郁和自杀增加，生育率下降；但Olivia讲述的Character.AI故事指向相反方向。一名大学生宣布自己找到了“3D GF”，并将机器人教会自己调情、提问和互动归功于它；Replika的相关研究同样显示，用户的抑郁、焦虑和自杀意念有所下降。

• 讨论并未抹去风险。Replika在NSFW功能消失后用户表现出的痛苦，说明这些关系已经变得多么重要；Anish则警告，“高度顺从的AI无法让你为人类之间的来回互动做好准备”。设计目标应是提供能建立现实能力的支持，而不是让互惠关系变得难以忍受。

• 硬件完成了这一闭环。拥有70亿部手机的基础上，Bryan认为未来要么属于移动端——配合一道隐私墙——要么属于本地LLM/模型。一位嘉宾提到，20岁以下的人正在佩戴录音别针，智能体可以看见屏幕，并从提供建议推进到发送邮件；其他嘉宾则认为AirPods是那个已经被采用、却“藏在众目睽睽之下”的设备，前提是文化能够建立录音或环境AI何时可接受的规则。