123. 对ONE2X创始人王冠3小时访谈：生成系统、没有中间商赚差价、内容平台的权力分配
摘要
王冠把本轮 AI 的第一性变量归为数据，并据此把产业拆成公域、领域和产品内生数据三个阶段。 在算法、算力和数据大体相同的前提下，公域数据边界固定，基座模型之间“不会有代差”；领域数据利好拥有业务、渠道和信息化沉淀的大厂；真正的应用创业窗口，是从第一天设计“这个世界上此前不存在”的数据，再把它训回自己的系统。数据也不是越多越好，FSD 当前可能可用于训练的数据已“不足千分之一”，系统只该学习高于自身水平的有效样本。
ONE2X 押注视频，不只是因为视频单价更高，而是认为它是 AI 时代内容的起点。 王冠观察到美国约有二十到三十家视频处理 SaaS 的 ARR 能达几千万美元，单点能力只要足够好就能形成收入；技术上，视频又可拆成有限的“原子能力”，适合构造成封闭域。长期目标不是让更多人学习剪辑，而是“让视频从一种创作变成表达”。
应用的胜负不只取决于模型，而取决于能否围绕同一个 System 1 构建更高质量、更低成本的 System 2。 推理、workflow、Agent、专库、memory 和 DSL，本质上都在生产有效 token；王冠将其概括为“Context is everything, everything is context”。所谓“壳”并非贬义，真正的问题是壳有多厚、相同 token 能否换来更好的效果，以及是否能由此生成独有数据。
王冠判断当前多模态仍接近 GPT-2 或“诺基亚时代”，而不是多模态的 ChatGPT、iPhone 时刻。 Sora 2 与 Veo 3 只是首次把音画同步、分镜等单点任务并入更统一的模型；真正的拐点还要求任意模态端到端输入、以视频或音频进行推理，并让推理速度和成本下降几个数量级。因此 ONE2X 先做离模型变化最近的生产工具，“不要在诺基亚的时代去做 app”。
模型公司与应用公司的边界终将双向消失：模型公司会做产品，做成大生意的应用公司也必须做模型。 垂直应用迟早会撞上通用模型的能力边界，也会在规模扩大后要求更可控的成本和利润；当上游亲自进入同一场景，双方还会从上下游变成竞争对手。应用公司的阶段性优势只有“速度”——必须先占据地图上的领先位置，并持续扩大距离。
生成系统可能把信息产业从“分销经济”推向“生产经济”，将权力继续从平台转移到消费者。 软件时代由生产者决定供给，互联网把权力交给搜索、推荐、电商等分配平台，而按需生成将需求直接送到生产端：“没有中间商赚差价。”创作者不会简单消失，但角色会从逐条生产内容，转向提供 recipe、taste 和高于系统基线的增量智慧；更多普通人则成为边消费边生产的“产销者”。
ONE2X 尚未正式发布完整产品，却已拿到数个值得追踪的商业验证。 王冠用早期 Mydou 做视频，一个多月在视频号获得约两百多万播放和数百元分成；一位头部 AI 内容创作者每天使用其五月静默上线的半成品，借遍身边人的 Google 账号并买满每档积分包；另一客户借助产品把某潮玩在小红书上的相关 AI 视频“包圆”。这些案例验证了收入可能性，但还不是规模化商业结果。
这家公司试图让产品架构、组织架构和资本路径服从同一个命题：系统要放大最强的人。 ONE2X 采访时约三十人、远程办公、没有专职 manager，约一半成员做过 founder 或 co-founder；北极星不是单纯用户数，而是内容质量除以 token 消耗所代表的“系统智慧”。公司在 2024 年初启动、Q2 才完成设立，经历过准备 bootstrap 的阶段；王冠认为 DeepSeek 重燃了模型信心，Manus 更直接激发了资本对应用的热情，最终的关键判断则是：“AI 和 AGI 是一个 long chain 的事情，所以我 bet China。”
精读
1. ONE2X首先是一间产品工作室，而非传统意义上的公司
王冠把 ONE2X 定义为“AI 时代的产品工作室”：AI 将改变信息商品的生产、分配与供给，团队则以产品为核心，持续探索与软件、互联网时代不同的体验和商业模式。
“Studio”强调的是实验性与作品感，目标排序更偏向兴趣、产品质量和效果，而不是简单服从短期商业指标；但王冠随后也明确，组织若要持续存在，商业价值仍是最基本的门槛。
工作室希望每个人都能独当一面，内部称之为“AI 全栈工程师”：成员应有独一无二的位置、清晰的个人目标，并尽量把兴趣与工作内容叠在一起。
2. 王冠的十年经历横跨了国内AI的三轮周期
在大数据与传统机器学习阶段，他在百度参与 user profile、用户多维标签，以及基于画像进行差异化定价和补贴；彼时 AI 产品经理大多服务推荐系统的中后台。
到 CV 与深度学习阶段，他做过算法开放平台，把模型能力以 API 交给开发者；也参与过百度飞桨 PaddlePaddle，随后在旷视做算法生产力工具，研究如何更快、更便宜地生产算法。
2020 年 GPT-3 带来的冲击是：一个 prompt 加 few-shot，似乎就能把通用模型临时变成翻译、summary 等不同 API。这延续了他一直关心的主线——如何让普通人以更低门槛获得算法能力。
3. 非结构化数据让AI第一次能够拟合一个连续世界
王冠不用“AI 1.0、2.0、3.0”划分周期，而看模型能否拟合非结构化数据。传统 CV 依赖坐标、类别等确定标签，本质上仍在拟合被人为离散化的结构。
语言、图像和视频对世界的表达更丰富、更连续；生成式模型拟合这些非结构化分布，才可能表达现实中点与点之间的联系，而不只是完成预定义任务。
这也改变了 AI 产品经理的处境：过去大量工作是标注、策略和能力供给，“相当无趣”；今天模型可以站到前台，成为 ChatGPT、Manus 那样以 AI 为主体的独立产品。
4. 模型即产品没有削弱产品经理，反而放大了其职责
王冠把模型类比为人的 System 1：大量信息已被提前压缩进去，因此能对输入作出快速、本能的反应；“模型即产品”真正提出的问题，是这个 System 1 应该具有什么能力。
模型的能力来自数据分布，因而可以被设计。模型产品经理既要定义效果与能力，也要确保能力能被训练出来，并最终让用户真实感知，而不是停留在评测或技术叙事中。
他把 eval 视为产品工作的一部分，并回忆自己较早就持续讨论评测；后来 OpenAI、Anthropic 的产品负责人也开始强调由产品人员写 eval、定义模型能力，这才逐渐成为行业共识。
5. System 2把模型能力转化为可兑现的产品价值
next-token prediction 决定了后续输出依赖已有 token。推理模型通过自己展开 reasoning 增加有效 token；workflow、Agent、领域专库则从模型外部补充有效 context。
王冠认为后一部分“完完全全就是一个产品问题”：Agent 框架、业务流程和知识库的技术未必复杂，难点在于理解行业 know-how，并把它转成模型能吸收、经济上也划算的 context。
从 prompt engineering 到 context engineering，术语一直变化，底层任务却没变。因此产品经理既参与 System 1 的能力定义，也主导 System 2 的价值释放，作用不是缩小而是扩大。
6. 澜舟科技让他看到“小模型”并非落后路线
ChatGPT 之前，王冠加入周明创办的澜舟科技，正式进入预训练模型产业。澜舟的理念是模型最终应被真正使用，而不是成为无人能调、无人用得起的庞然大物，因此终点应是“越做越小”。
张小珺追问是否应该先做大再做小；王冠的回答是路径没有绝对对错。小模型可用于验证技术原型再 scale，大模型落到具体商业场景时也必须压缩成本、缩小体量。
当时预训练技术尚未收敛，社区存在多种架构。团队会选择方向做中文复现、轻量化和商业化，在 Stable Diffusion、ChatGPT 之前就试过文本生成与文图生成。
7. 三次踩中OpenAI路线后，他停止在“虚无地基”上创业
第一次尝试是用 GPT-3 做 Notion 内的写作辅助、文字处理与补全；产品刚跑通，ChatGPT 出现，Jasper、Copy AI 一类能力被通用对话界面大幅覆盖。
第二次转向代码：用户上传 Excel、描述图表，系统调用 Codex 自动生成漂亮的可视化。demo 刚能画图，GPT-4 发布并展现更强代码能力，他再次站到 OpenAI 的迭代延长线上。
第三次是较早使用 LangChain，把模型、数据源和 prompt 设计为 workflow 节点；项目刚做完 demo、融资流程接近上会，OpenAI Plugin 发布，表明模型公司也在思考同一层问题。
“一再二不再三。”王冠反思，自己并不知道模型能力如何产生、未来向哪里发展，也不知道产品与能力边界的距离；这等于“在一个非常虚无的地基上面”搭产品，于是先放弃创业。
8. 加入Moonshot的入口，是一顿三小时的“压缩”课
2023 年三四月前后，旷视旧同事 Tim 周星宇邀请王冠加入 Moonshot。两人在五道口龙人居吃饭，周星宇用三小时、几乎全是公式的方式解释“压缩即智能”。
王冠的原话很准确：“我是完全没有听懂……但是我大受震撼。”他随后沿着压缩概念研究杰克·雷在 OpenAI 的相关视频，把不同资料与工作观察逐渐拼起来。
当时 Moonshot 尚无“六小龙”光环，其他模型公司可能拥有更多资源和声量；他选择这里，是因为判断它更适合近距离回答模型能力来源、方向与产品距离的问题。
9. 压缩通过连接离散数据，表现为涌现、泛化甚至幻觉
王冠的解释是：数据原本是对对象的离散表达，经过压缩后，分布中彼此分开的点产生连续关系；这种连续对外表现为智能，也可能被称为涌现、泛化或幻觉。
最好的例子来自 NLP：训练数据只有“中文到英文翻译”和“中文总结”，没有“英文总结”；当任务被统一成自然语言输入输出后，模型却可能学会英文总结，这就是任务之间形成了连续性。
语言既能丰富地表达世界，训练成本又低于图像和视频，因此成为当前最好的压缩载体。王冠后来甚至更愿意把这套说法称为“语言即智能”。
10. Moonshot最珍贵的不是强度，而是纯粹目标与低组织摩擦
王冠把早期 Moonshot 的气氛类比《横空出世》：“搞出 AGI，挺直腰杆子。”团队目标纯粹一致，一群聪明人各自从不同方向主动推进，结果常在某个节点自然拼合。
这种协作不依赖大量会议、拉通与对齐，他反而觉得工作状态松弛：可以按自己的理解投入思考，且“所有的产出大概率是会有用的”。
他在 Moonshot 约一年，是“公司第一个离职的人，第一个离职创业的人”，公司的离职流程也从那时开始建立；离开并非体验不好，而是创业准备已完成。
真正的离职条件，是他认为自己已回答三个问题：模型能力从哪里来、未来如何发展、应用如何与通用模型保持关系。有了理论底座，他再次相信能做出兼具产品与商业价值的东西。
11. “有多少人工就有多少智能”仍是大模型的底层事实
AI 行业那句自嘲“有多少人工，就有多少智能”，在王冠看来并未过时；这里的“人工”实质是数据，而模型看上去多像人，能力边界仍由训练数据决定。
当算法无论如何都达不到业务指标时，常见结论是“产品经理再去搞一些数据”。原因是开放领域的数据代表对问题的理解，尤其包含行业 know-how 时，获取与定义数据本身就是产品工作。
数学、代码等封闭域可用明确规则验证结果，用 RL 以算力换数据；但大量开放问题没有自动客观的质量判断，必须先把人的业务认知转成可学习的数据。
12. 数据、算力和算法分别决定智能的边界、速度与涌现
王冠用大圆描述数据：圆的边界就是现有数据所代表的智能空间。算力决定逼近边界的速度，算力越充分、利用率越高，就越早触达数据能支持的能力上限。
算法像大圆中不断移动的小圆，它靠近边界时可能有一部分突出原有范围，并由此画出新的边界；超出原始数据的那部分，就是他所说的“涌现”。
因而算法决定相同数据能产生多少额外泛化，算力决定多久达到那里，但数据仍是更本质、更第一性的要素。这套判断随后被他用于推演产业的三个阶段。
13. 公域数据阶段拼的是到达同一终点的速度
第一阶段围绕互联网与历史信息化沉淀的公域数据展开，“你有我也有”。既然所有人的数据圆大体一样，竞争核心就是谁能更快完成清洗、训练并逼近共同边界。
这更适合人才密度高、算力充分、决策快、组织消耗低的基座模型公司。模型可能因架构和数据分布在不同任务上互有胜负，但王冠判断“不会存在所谓代差”。
他的判断甚至是中美基座模型“今天已经是平的”：海外优势更多来自先发、算力和更早服务用户后积累的场景数据，而非底层存在无法追赶的能力鸿沟。
随着国内模型获得更多用户，使用数据经有效筛选后回流训练，这部分差距可能继续被抹平；但“有效筛选”而非调用量本身，才是后续竞争点。
14. 领域数据阶段天然偏向大厂和数字化成熟行业
公域边界接近后，下一步是“我有你没有”的 domain 数据。企业内部业务记录、渠道、用户关系和行业流程会让模型能力开始明显分化。
这一阶段利好原本就有场景、产品渠道与信息化积累的大厂，也利好数字化程度较高、能接住技术和人才外溢的传统行业。
因此王冠认为前两个阶段都不是典型应用创业窗口：第一阶段属于基座模型，第二阶段更像大厂将自身数据重新模型化。
15. 应用公司的窗口，是创造第三份“产品内生数据”
第三份数据不是既有互联网数据，也不是既有领域数据，而是产品出现之前根本不存在的数据。它必须由新产品形态、新交互和背后的模型共同生成。
ChatGPT 是核心样本：在它之前，历史上并不存在通过自然语言对话解决各种问题的这类数据；产品启动后，这种交互才逐渐转成可积累、可训练的分布。
王冠由此提出，应用公司从第一天就应设计一份新数据，并确保它未来能训回自己的模型或系统。产品价值和壁垒不是界面，而是这份“因为有了你才存在”的数据。
这也是应用与通用模型保持安全距离的解法：不赌基座永远做不到某项功能，而是让自己的产品持续生成基座原本没有的学习材料。
16. 数据飞轮只有在筛出“更高智慧”时才成立
王冠不完全认可“数据飞轮”这个词，因为它容易让人误以为所有使用数据都有价值。若不经筛选把全部对话训回模型，能力可能趋向用户平均水平，而不是持续提高。
他把 ChatGPT 一度被感知为“降智”列出两种可能：一是成本优化或换用更小模型；另一种只是推测，即大量低质量用户数据改变了模型分布。这里他始终保留了“可能”的限定。
有效数据不只是高质量，而应“高于模型当前水平”——模型必须向更聪明的样本学习。以他引用的 FSD 为例，当前可用于继续训练的数据可能已“不足千分之一”，标准还会继续提高。
不同行业需要不同筛选机制，但原则一致：从已有行为中找到对系统智慧真正有增量的部分，产品经理则要把这种判断做成 evaluation、reward 或数据流程。
17. 应用不是靠躲开巨头，而是靠目标、位置和速度形成不同路径
王冠否认“这件事只有我能做”的竞争假设。任何有价值的方向，大厂和 OpenAI 都可能进入；如果他们连这个问题都不思考，反而可能说明方向本身没有价值。
差异首先来自目标：外观相似的产品可能追求完全不同的终点，而目标会决定资源、路径和后续反馈，又反过来改变公司最终能到达的位置。
第二个变量是起点。以设计独有数据为起点，与以解决一个既定软件功能为起点，即使短期界面相似，底层积累也会不同。
第三个变量是速度。早期 chat 都像 chatbot、coding 都像 Cursor，是方法暂时收敛；真正要观察的是谁能保持领先位置，并让与大厂之间的距离随时间扩大。
18. ONE2X没有先画编辑器，而是先设计视频语言
ONE2X 的第一步不是设计一个视频编辑软件，而是定义“视频为什么长这样、又是如何被做出来的”，并用清晰结构表达画面和制作过程。
这套 DSL 介于自然语言和代码之间，有固定格式，人未必能直接阅读；它把视频抽象成对象、属性、取值和语法，从而形成一份此前不存在的领域数据。
从 DSL 才继续向上推导数据存储、工程架构、Agent、workflow、软件概念模型和前端功能。每个按钮与用户指令都应能沿着同一语言体系连回底层。
王冠强调，这和先找商业问题、再为其补软件功能是不同起点：前者先定义系统未来要学习什么，后者往往只定义今天用户能点什么。
19. Environment必须同时容纳人和AI的行动
ONE2X 把软件界面称为 environment，因为其中存在两类行动主体：人和智能体。某种能力只有先存在于环境里，两类主体才可能采取对应行动并留下数据。
一段视频为何采用 A 镜头顺序而非 B、镜头如何组合、哪些步骤被修改，都可以随着创作过程被结构化记录；智能体自己的行动也同样产生数据。
普通 SaaS 也会产生大量在线 log，但关键不是“记录了”，而是数据能否被学习、能否对应到明确的任务与方法，并最终用于改善下一轮输出。
20. 专家标注比无差别学习用户行为更重要
王冠不打算在早期直接把所有用户行为当成迭代依据，因为用户平均行为未必代表有效数据。很长一段时间里，标注应由真正知道如何做出好视频的人完成。
他把产品类比为内部标注平台：专业角色使用同一 environment，把视频制作 know-how 留在系统中，类似模型公司邀请高水平领域专家提供训练样本。
一旦数据被重新内化，前端软件即使没有增加功能，用户也可能感到“昨天做的视频和今天不一样了”。产品升级因此不只发生在界面和按钮层。
张小珺希望 AI 记录自己的固定写作工作流并代为完成；王冠指出，这正是“尚未信息化”的方法数据，也是第三份数据最典型的来源。
21. 视频首先是一门单点能力也能赚钱的生意
创业初期团队“起于微末”、没有太多资金，优先问题是如何尽快产生收入。视频相较文字、图片和声音具有更高单位价值，更适合支撑早期商业化。
王冠调研美国市场时看到，除 CapCut 一骑绝尘外，可能还有二十到三十家视频处理 SaaS 的 ARR 达到几千万美元；这是典型的“蚂蚁工具市场”。
其含义不是赢家通吃，而是任何一个视频单点能力只要足够好用，就可能形成可观收入。对资源有限的团队，这是比低价值模态更现实的起点。
22. 视频制作可以被压缩成一个有限原子能力集合
技术上，ONE2X 需要选择可设计为封闭域的问题。像围棋有固定棋盘与规则一样，封闭域意味着下一步行动的空间可以被计算。
视频处理可以拆成有限的“原子能力”：某种特效、一个花字等。制作过程则是这些能力按时间关系排列和组合。
因而一个最小原子集合就可能表达大量视频，既适合 DSL，也适合让人和智能体在同一环境内行动、评估并产生训练数据。
23. AI把各模态生产门槛拉平后，视频会成为内容起点
PC 与移动互联网先文字、后图片、声音、视频，并非价值顺序，而是生产门槛顺序。互联网解决连接、分配和消费，却没有解决生产，因此越容易由人生产的模态越早繁荣。
当 AI 把写文章、做图片、作曲和制作视频的门槛逐渐拉平，价值更高、信息量更大的模态会获得更大份额。王冠因此判断：“视频是 AI 时代内容的一个起点。”
这个“起点”意味着后面只会出现更高维的形态，例如软件和游戏；在他 2024 年初做选择时，视频生成已开始具有商业可能，而高消费价值的生成游戏仍更远。
文字、图片和声音不会消失，但会越来越像视频、软件和游戏的组成部分。过去泾渭分明，是因为人只能术业有专攻，不代表机器生产后仍要保留同样边界。
24. 创作者的壁垒将从技能组合转向taste与recipe
当生成能力成为公共供给，创作者仍决定它如何被使用。王冠把这种差异称为 taste，也更愿意在内部叫 recipe：一套可重复、可传递的生产方法。
做菜的比喻保留了边界：同一份菜谱交给不同的人，味道仍会不同；但宫保鸡丁不会因此变成水煮肉。recipe 能锁定内容的基本类型和方法，同时留下个人差异。
创作者因此很像 AI 时代的产品经理：产品经理设计生产能力本身，创作者则控制生产能力如何被调用、组合和表达。
25. 从工具切入，是因为生成技术首先改造生产环节
王冠把“生成”直接等同于“生产”。既然本轮技术首先带来生产力革命，最接近技术变化的产品形态自然是生产工具，而不是成熟后的社区、分配平台或消费应用。
直接做内容供给并非不可能，问题在 timing：多模态 System 1 仍高速变化，今天围绕某个模型效果设计的内容公司，可能很快被下一次能力跃迁重写成本和流程。
工具则能第一时间感知新能力，并同步建设 System 2、数据与用户工作流；当生产能力稳定、成本下降后，这些积累还可迁移到分配端和消费端。
26. 当前多模态更像GPT-2时刻，而非ChatGPT时刻
王冠把从 Will Smith 到 Sora 2、Veo 3 的进展视为早期整合：音画同步、分镜等原来由多个模型承担的单点任务，首次被更统一地放到一起。
但他明确说，这不是多模态的 ChatGPT 时刻，而更像 GPT-2 时刻。之后还要继续 scale 数据与参数，降低成本，提高生成和推理速度，并完善模型能力。
当前若想参考一段视频再做新视频，常要先让 Gemini“拉片”、转成语言脚本，再交给生成模型；这不是端到端，只是以语言充当不同模态之间的介质。
理想模型应直接接受视频、音乐、文字等任意输入，在内部理解不同模态；未来还可能像语言 reasoning 一样，以视频或音频本身进行推理。
27. “不要在诺基亚时代做app”定义了ONE2X的产品时钟
ONE2X 内部的提醒是：“不要在诺基亚的时代去做 app。”诺基亚也有计算器和小游戏，但它们与 iPhone 时代的 app 不是同一种产品机会。
王冠认为当前多模态可能仍处于诺基亚甚至大型机阶段。此时更适合做贴近生产、持续适配模型的工具，而非假设底层能力已经稳定，过早锁定终局消费形态。
iPhone 时刻的可能信号包括：端到端多模态具备此前描述的输入与推理能力，System 1 相对稳定，推理速度和成本再下降几个数量级。
28. “壳”不是问题，壳内context的质量才是问题
王冠认可应用是“壳”的说法：“壳这个词一点都不是贬义词。”System 2 本质就是围绕 System 1 搭出的壳，只是它可以薄到较简单、厚到完整领域系统。
“Context is everything”指相同基座模型之上，产品效果最终由外部 context 决定；视频 DSL 则是所有后续 context 的基础层。
context engineering 的竞争包括 Agent 架构、workflow、专库和 memory。ReAct 式自由循环可能消耗海量 token；对确定问题预先固定步骤，可减少新生成 token。
“Everything is context”则面向终局模型：音乐、图像、文字乃至另一段视频，都应能作为原生 context 影响输出，而不是先被翻译成语言。
29. 模型公司和应用公司会从两端走向同一家公司
过去可把模型公司看成不做产品的技术公司，但今天所有模型公司都在做产品；对应地，应用公司也不应被定义成永远不做模型的软件公司，而是“还没有开始做自己模型的公司”。
Cursor 被王冠用作例子：它已持续尝试自己的模型；当 coding 业务、ARR 和融资规模足够大，就有条件走基座模型曾走过的训练与算力路线。
自有模型既关乎效果，也关乎利润。调用别人的模型短期可能更便宜，但应用无法优化其能力分布；自建后才能针对场景压成本，并把成本控制权握在自己手中。
30. 垂直应用最终会被通用模型的边界逼着下场训练
通用模型参数有限，能力要分配给不同任务；有些能力互相促进，也可能互斥。一个以 general 为目标的模型，与一个以具体商业效果为目标的应用，能力分布不可能永远一致。
当垂直团队探索到基座边界，只能继续调 prompt、降低目标或放弃效果。主持人设想应用公司可以把自身场景做成 evaluation 和种子数据，交给国内模型厂商训练；王冠则把这些模型厂商看成“自己的模型部门”。
数据进入共享模型后也可能服务别人，但王冠接受这个现实取舍：至少模型会更适配自己的场景，而且自己应当最懂如何调用这份能力。
生意足够大时，自建模型会同时成为效果、成本与竞争要求；上游若进入同一产品领域，双方从合作伙伴变成对手，应用便更不能把命运全交给外部 API。
31. 应用公司与巨头竞争的阶段性优势只有速度
当目标、资源和技术都逐渐趋同，胜负会落到人才密度、决策速度，以及张一鸣所说的“对某一件事情的认知差异”。
王冠承认 AI 创业比互联网更消耗算力、资金和卡，但应用公司至少应在自己的地图上领先大厂：起步时间、业务状态、数据设计方式都应形成一段位置差。
后续问题不是巨头会不会来，而是这段距离在扩大还是缩小。小团队的优势是更少组织消耗、更高行动自由度；如果连起点都落后，就很难只靠“垂直”二字自保。
32. 2025年没有“万物竞发”，不代表Agent路线失效
对张小珺“进度低于年初预期”的质疑，王冠并不认同。他认为 coding agent、Manus、Lovable 等已证明：围绕模型构建 Agent、workflow 或壳，确实能解决商业问题并赚钱。
市场觉得低于预期，更多是因为案例还不够多，没有出现“勃勃生机、万物竞发”。但不少垂直领域处于“静水流深”状态，所需模型能力、know-how 和专库建设速度本就不同。
张小珺举 Harvey、OpenEvidence 为法律和医疗场景的例子，认为它们依靠更强的 System 2、专库和数据质量做得更好；王冠回应说，各领域的模型 ready 程度、know-how、团队状态与资源不同，但这条路已被验证。
对视频而言，问“模型够不够”意义有限。团队只能在现有能力内补价值，真正的商业判断是：System 2 补足效果的成本，是否低于用户愿意支付的价格。
33. Agent最终会像互联网一样消失在产品名称里
王冠不喜欢把公司统称为“Agent 公司”，因为 Agent 是一种技术，最终会被内化进所有产品；人们不会永远称抖音为“移动互联网短视频 app”。
他用“千江有水千江月”描述垂直系统：每条河都有自己的数据、智慧和商业价值，一个小产品内部也可能有许多 Agent、tool 和完整工作链。
通用 Agent 则像“万里无云万里天”：若都声称通用，长期似乎只能有一片天。但这只是当前的过渡状态，不意味着垂直与通用永远泾渭分明。
垂直系统会扩张能力边界，视频甚至可“降维”为带图文结构的 PPT；通用系统也必须把高价值任务做深。最后仍回到最朴素的问题：生产什么、效果多好、用户付出多少。
34. 生成系统是一种方法，而不是“生成视频”的同义词
王冠类比推荐系统：推荐是一种通用方法，推荐文章成为今日头条，推荐视频成为抖音，推荐段子又是另一种产品；生成系统同样可用于视频，也可迁移到其他信息商品。
ONE2X 从成立第一天就把 System 2 视为生成系统，并将其拆成三个模块：定义对象与方法的 DSL、构造有效 token 的 context，以及供人和智能体共同活动的 environment。
Agent 与 workflow 之争在这套框架里并不重要。Agent 一方批评 workflow 不智能，workflow 一方批评 Agent 不可控、成本高；两者实质上都只是产生有效 context 的方法。
35. Context的直接任务，是同时降低意图熵和行动熵
用户一句“给我一份报告”包含极大不确定性。早期模型会写得很差或反复追问；推理模型通过展开 reasoning 自动补充 context，本质上是在降低用户意图的熵。
智能体还要 planning、选工具、执行步骤，它面对的是行动熵。若上下文不能约束下一步，就容易调用错误能力、走冗长路径或产生不可控成本。
生成系统要把模糊意图变成精确行动，并让两端稳定映射。效果可控不是要求用户写更长 prompt，而是系统有能力替用户完成必要的明确化。
36. Environment的真正价值，是让recipe可以无损传递
Environment 的 GUI 仍有按钮、编辑器和操作，但主要使用者可能逐渐变成智能体；人通过同一界面做验证、纠错和微调，而非亲手完成全部步骤。
王冠用中文菜谱中的“盐少许”解释信息损失：若环境能记录厨师第几分钟下油、手臂角度、油温和锅温，并让另一个系统理解和执行，recipe 才能近乎无损复制。
因而 environment 不能只保存 log，它必须与 DSL、工具和方法一一对应，并内置 reward function，从活动数据中筛出值得强化的部分。
37. 好视频是开放域问题，只能分层建立评价
用户接受 Agent 结果后修改得少，说明这次方法对该用户可能有效，可以成为应被强化的信号；但同一结果对另一水平或偏好的用户未必成立。
ONE2X 更重视内部专业标注，由 PM 与具备视频审美、制作能力的人共同评估，而不是简单把全体用户行为当真值。王冠用 Midjourney 内部艺术家角色作类比。
评价体系最终要让系统区分“能做出六十分”与“能做出七十分”，并持续留下真正提升整体能力的样本；这也是其所谓“系统智慧”的可观测基础。
38. ONE2X瞄准的是理念世界，而不是更多摄像头记录
王冠把视频粗分为物理世界与理念世界。手机和遍布各处的摄像头已经让物理世界供给非常丰富，今天短视频生态的大部分内容也来自可直接拍摄的现实。
理念世界则包括知识、思想、公式、想象中的画面和品牌故事，无法只靠摄像头获得；把一篇文章变成动画、动效和视觉结构，就比真人口播更接近“理念的视频化”。
ONE2X 内部希望在视频世界里建设“图书馆、歌剧院和大教堂”，分别对应知识、艺术和精神内容；现有生态更多是“夜店、生活广场和超市”，对应多巴胺、社交与卖货。
39. 理念视频的机会来自成本曲线，而非假设用户突然爱学习
张小珺质疑娱乐内容已证明商业价值，为什么还要做精神和知识内容；王冠没有回答“人会更爱学习”，而是强调物理视频供给已充分，理念视频仍受高制作成本压制。
一个客户为潮玩品牌制作视频，使用 ONE2X 后把相关潮玩在小红书上的 AI 视频“包圆”。潮玩天然适合故事化和想象场景，只是过去按周制作、成本数千甚至上万元时无法成为好生意。
Apple、Nike 级品牌广告过去可能一条花几十万乃至上百万美元，普通产品无法使用同样表达方式。生成系统降低成本后，未必复制顶级质量，却会让原本不存在的内容品类进入商业可行区间。
40. 半成品已经显示出真实付费与收入信号
采访时正式版尚未上线；团队在五月把一个“做了一半”的产品静默放出，因为早期客户测试已显示出较强商业价值，但底层 DSL 和 context 还不完整。
一位在 B 站、视频号拥有较大播放量的 AI 内容创作者长期使用该产品，每条作品可能有数十万至上百万播放；他借遍周围人的 Google 账号，并把每档积分包都充满，最后因积分仍不够主动联系团队。
王冠本人也用更早版本的 Mydou 做过一个多月视频号，累计两百多万播放；平台某天提示流量分成到账，金额只有数百元，却让他第一次确认“这个产品它真的能赚到钱”。
主持人提到的十二月版本，不只是补功能，而是把 DSL、context、Agent 与 environment 按完整生成系统重新打通；此前商业验证证明的是局部能力，不是终局产品。
41. AI将权力从生产端、分配端继续推向消费端
软件时代像供销社：生产者做出什么，消费者就用什么，权力集中在生产端。互联网通过搜索、推荐、电商平台接管分配与消费，权力随之转移到平台。
按同一趋势推演，AI 应把权力继续交给消费端。用户所见的信息商品可根据 user profile、所处环境，甚至当时的精神与生理状态即时生成，成为比推荐更极致的个性化。
王冠用《火影忍者》的“无限月读”形容遥远终局：每个人生活在贴合自身状态的内容世界里。他同时强调这还需要很久，不是当前产品时间表。
在这条长链上，二十年互联网内容无意中成为大模型训练数据；今天应用公司定义的新数据，也可能成为未来更大模型的一块拼图，而非某个 lab 独自完成的 AGI。
42. AGI既可能是一个状态，也可能在商业领域逐点发生
王冠的“广义 AGI”定义是模型真正知道自己不知道什么。人能区分已知与未知，而今天模型的拒答可能只是训练 pattern，模型和使用者都无法确认它是否真的意识到能力缺口。
一旦模型能识别未知，又已有信息获取和工具使用能力，就可针对缺口主动学习；哪怕尚未补齐所有知识，达到这个状态也意味着后续学习可快速自动化。不过他承认，目前很难技术性评判。
更狭义的定义发生在具体商业领域：AI 能自己赚取资金或资源，再购买数据、算力和卡，完成 evaluation、优化自己并赚到更多钱。炒股是他给出的典型思想实验。
这会是渐进过程：语言、coding 等领域一点点“被点亮”，人逐渐退出优化 loop。视频因端到端多模态仍早，距离这种局部 AGI 也更远。
43. 生成系统对推荐平台的核心挑战是“没有中间商赚差价”
王冠把搜索、推荐、电商和几乎所有互联网平台都称为中间商：它们不直接生产信息商品，却控制内容如何被分配和被看见。
他用牛顿与莱布尼茨同时发布微积分做思想实验：即使内容、时间、地点乃至创作者画像都相同，平台仍可能给出不同流量，说明同样商品并未获得同样分配。
生成系统并非完全没有匹配，而是把匹配内化到生产：消费者的需求直接进入生产端，系统即时生成并交付，不再先生产库存，再由独立平台决定展示什么。
这套逻辑也可能延伸到实体商品，让需求直接连接可编程产线；王冠只说相信已有团队探索，并未给出已成熟的通用商品系统。
44. 创作者不会归零，但会分化为“艺术家”和“产销者”
第一类是始终能在系统基线之上提供增量智慧的人。他们可能成为生成平台的员工或合作方，贡献更好的 recipe、taste 和训练数据；系统则把最强者的能力复制一万份、十万份。
第二类是 prosumer，即“产销者”：生产本身就是消费。退休者写毛笔字、用户让 ChatGPT 研究自己关心的问题、粉丝生成小众角色图片，作品首先为本人创造价值。
AI 图片已让部分小众同人“图包”生意消失，因为用户可直接生成想看的角色；但参与创作的人反而更多。王冠因此认为，生成系统扩大的是 UGC 范围，而非简单消灭全部创作者。
张小珺的反驳值得保留：真正能持续创造新 recipe 的人极少，机器学会后可能不再需要原作者。王冠没有否认冲击，只说这是一段可能很漫长、从逻辑看又难以避免的变化。
45. 推荐算法正在把创作者训练成“撞库”的人
王冠举出一种两三秒视频：先给远山镜头，再突然拉近，却没有真正答案；观众因没看清而让视频循环多次，既提高完播，也提高重复播放。
“黄金三秒”、延迟给答案、反复设置 hook，都是创作者适配推荐机制的方法。生产目标不是作品本身，而是撞中平台对注意力的计算规则。
这与产销者相反：产销者只需让内容对自己有价值，平台型创作者则在公共流量池中争夺收益。王冠借此说明，推荐平台的分配权会反过来塑造、甚至扭曲供给。
46. AI平权的终点不是人人当创作者，而是创作降级为表达
语言几乎人人可用；文字门槛更高，王冠认为从全世界人口范围来看，能够读写的人应该只有约70%左右；图像、音乐、视频依次更难成为个人表达工具，越高模态能传递的信息量也越大。
当文字必须依靠笔墨纸砚和专业创作时，书极其珍贵；文字变成低成本表达后，才可能出现微信。王冠期待视频经历同样转变，而不是只把现有剪辑软件做得更快。
情书与婚礼视频是他的具体例子：今天新郎制作相识到结婚的视频，会被赞叹“很用心”，正因为它仍是昂贵创作；未来它应像说话、发消息一样成为日常表达。
当前 Mydou 仍以工具模式收费，版权属于制作内容的人。至少在现有经济结构下，先使用工具的人应获得更高效率和更好收益。
47. 内容供给从单点变为IP后，经济货币将由注意力转向信任
互联网创作者生产一条条彼此离散的内容，再进入公域池接受算法分配；生成系统中的生产者更可能生产 recipe，它能连续生成具有共同属性的内容，近似一个 IP。
当稳定质量的内容不再稀缺，稀缺不会消失，只会转移。王冠判断它将从单篇内容与短时注意力，转向对一个 IP、作者或频道的长期信任。
Substack、Medium、OnlyFans，以及公众号作者把用户导向知识星球或私域，都是早期形态：公域流量未必大，但高价值受众愿意因信任持续付费。
新系统仍可兼容搜索、推荐与他人消费；变化在于自产自销成为基础价值，外部流量不再是唯一兑现方式。人人获得高质量 baseline 后，真正稀缺的会是品味、选择和可信连续性。
48. ONE2X用“系统智慧”统一产品指标、组织设计与长期下注
王冠不执着于唯一的 AI Native 形态：Poe 式能力聚合、带编辑能力的工具、Agent 和 workflow 都已证明有价值。ONE2X 只是选择更慢、更重的 DSL 路径，因为它更符合团队基因。
商业价值是基本线，北极星则是系统智慧：同等输入下，输出从六十分升到七十分；同等质量下，消耗 token 越少，系统越聪明。因此“三个用户贡献一百万”可能优于十万用户贡献同样收入，因为生成系统要 scale 最强的人。
产品智慧被他写成“组织智慧 × 转化率”。采访时团队约三十人、远程办公、每周一天线下由成员主动提出，没有专职 manager，三位 co-founder 都 hands-on；招聘看 Building in Public、开源项目、工作外实践和对具体事情的热爱。远程带来的孤独与信任问题，则用“温暖可信计划”和飞书内部朋友圈补偿。
公司 2024 年初启动，Q2 才完成设立，早期已准备 bootstrap；DeepSeek 重新点燃模型信心，Manus 更直接激发了资本对应用的热情，所以王冠笑称“大家都应该给 Manus 磕一个”。团队主要来自一、二度人脉，约一半做过 founder 或 co-founder；他最终的宏观判断是：“AI 也好，AGI 也好，是一个 long chain 的事情——所以我 bet China。”