陈冕

低毛利不等于烧钱补贴。 陈冕称公司自5月起现金流转正，效果广告只贡献收入的3%-4%，月投放不到100万元；但主持人提醒，现金流包含年费预收款，不能单独证明增长健康。陈冕给早期AI应用设的毛利目标是“大于零、小于等于30%”，其定价依赖用户不会用完全部积分、续费率可控及token成本下降；若人人满额消耗，现价“肯定是亏的”。

LiblibTV赢在速度和attention，而非最早发现PMF。 陈冕承认竞品先验证了节点式视频画布，LiblibTV的差异化“更薄”，工程创新可能一周就被复制；但当他发现该市场收入已超过Liblib的单日收入，团队一个多月内完成认知转向，并在关键窗口实施约100万美元、持续一个月的“饱和式攻击”。产品可能很快从零达到约10万美元日收入，上线一个月内单日峰值曾到100万美元；按主持人援引的3亿美元年化收入口径，陈冕只确认LiblibTV贡献过半。

应用的时代还没有来，首要任务是survive。 陈冕认为利润仍沿“芯片—模型—应用”链条集中在上游，应用现在若追求七八成毛利，等于主动压制需求；真正的机会要等智能和token足够便宜，场景层才能形成增量价值。他估算全球AI视频创作年收入上限可能达到1000亿美元，理由是它不仅替代传统软件，还会覆盖摄像、演员等生产环节。

对模型厂商的依附是真问题，但不是简单的“代理商套利”。 陈冕不回避“应用就是leverage在模型之上”，也承认从巨头夹缝中独立存活的成功率可能低于10%；他的路径是“用时间换空间、用空间换资源、再用资源浇筑壁垒”。现阶段多模态interface和用户心智只是“蜀道”，最终必须修出由用户规模、内容供给与双边网络构成的“长江天险”，否则仍摆脱不了模型厂商的“地心引力”。

第一个找到PMF，离最终赢下市场“差着十万八千里”。 陈冕接受LiblibTV原创度不如Lovart，也认同首创者应得到奖励；但短视频上下滑、手机形态、节点式画布都会趋同，interface本身很难构成持久产权。他的反驳是：“创新是有成本的，是有代价的”，发明飞机后当然可以研究火箭，但若连飞机都守不住、经营不好，就没有资源做下一轮创新。

速度救过公司，也制造了组织债务。 公司曾在与资金更雄厚的对手交战后只剩4000元，GPT Image 1又曾瞬间打薄团队探索一年的工作流方向；极端焦虑由此成为产品转向和抢timing的发动机。代价是早期团队约一半离开、直接向陈冕汇报过的技术负责人有4人离开、Lovart一度积压2000多封客服邮件；他承认过去擅长把不合适的人撤下，却没有给予撤下者足够的尊重和新位置。

终局押注不是某个interface，而是未来十年“人还有没有价值”。 若AI集中生产并集中喂养人类，芯片、顶级人才和资本会吞噬一切，独立应用几乎没有机会；陈冕押注十年内人仍会创造、表达并反抗完全中心化。公司的使命因此被他概括为“通过AI释放想象力，让精神世界更丰富一点”——不是只替代人的生产，而是让人的taste与非标创造成为网络效应的一部分。

🔗 原始收听与视频来源： 175: 对话Liblib陈冕：关于活下来，以及所有接近死亡的时刻

陈冕对 Sora App 的核心判断不是“AI 抖音”，而是 Cameo 驱动的 AI 社交产品。 九秒视频已能一次给出镜头语言、中文声音、人物一致性和音画同步，真正的产品飞轮却来自“和朋友、名人合拍”以及左右滑 Remix；他的 Aha moment 是：“这不是社交吗？哇，这是 Instagram。”

Sora 打开的可能是数十亿用户的虚拟社交机会，也把竞争窗口压缩到了三至六个月。 陈冕认为，只要它有 10%—20% 概率成为 Super App，模型巨头和已有 Super App 的公司就承受不起缺席；但中型创业公司即使率先做火，也会同时遭遇人脸隐私、监管、天量生成成本和巨头快速复制，机会与资本更可能向头部集中。

Lovart 公开上线两个月后，DAU 已升至 15万—20万。 Beta 期间在邀请码限制下每天约一两万量级，但原文未明确该数字对应的具体指标；Beta 结束后 DAU 先升至 8万—10万，Nano Banana 又带来进一步增长。美国贡献超过三分之一用户，收入占比略高但没有高很多；按全年预估收入口径，收入已超过 3000 万美元。调用成本目前基本可以覆盖，但免费用户比例更高、转化需要周期，早期整体仍会亏损。

Lovart 押注的垂类壁垒不是独占基础模型，而是专属 Interface、Context 和行业经验。 Chat Canvas 模拟客户与设计师围着视觉产物“指指点点”，计划沉淀企业历史物料、Reference 与 Preference；当所有应用调用相似模型时，“谁能收集更多的 Context，意味着谁的体验更好”。

陈冕把 AI 应用增长概括为：提前画出模型成熟后的产品，再等技术浪潮追上来。 GPT Image 1、Nano Banana 等模型兑现复杂指令、编辑和一致性后，预先搭好的 Chat Canvas 才能第一时间放大能力；下一阶段要做的是增长早期 Agent 用户、把 Context Engineering 做深，并在等待模型与用工程补足当前能力之间持续取舍。

生产力应用已进入白热化阶段，陈冕认为新进入者必须“今年就在牌桌上”，而下一波大机会在 To C。 Veo 3 曾降价 70%，Nano Banana 比 GPT Image 1 更便宜，GPT-5 也比 Claude 便宜；创作成本持续下降后，变量将从“谁生产内容”转向“人们消费什么新内容”，但创业公司的 To C Super App 更可能从不起眼处慢慢长出，而非一上线就爆。

速度既是 Lovart 的组织优势，也是最显著的经营风险。 陈冕认为 AI 产品的有效窗口可能只活两年，团队因此优先选择理解 AI、能高频学习和接受调整的人；支撑这种节奏的不是盲目乐观，而是两个仍需观察的基本判断——AI 仍会快速进步、AI 会取代虚构内容创作——以及一句带着矛盾感的自我警报：“我有点害怕我过于焦虑，我又害怕我不够焦虑。”

🔗 原始收听与视频来源： 136: Sora新世界 & Lovart 4个月复盘 | 与陈冕聊怎么做垂类Agent|Agent#5

核心投资命题：通用模型吃不掉垂类。 陈冕的bet是垂类数据、交互、场景差异太大，通用agent入口会收敛到几家"赢者通吃"，而垂类agent会越来越多、既被通用调用又有独立心智；背后的隐含假设是"AGI不会在五年以内到来——如果AGI马上到来，别干了，大家都给AI打工吧"。

一年内从绝境到反转的完整数字链：2023年首轮融400万美金（估值1800万，“报太低了，应该报五千万”），补贴战烧掉约300万美金，9月因无大模型备案被下架，账上一度只剩4000元人民币、“三千万美金估值都没有人要”；2024年牌照回归后两三个月定下三轮共2000多万美金，2025年初ARR接近、甚至超过千万美金，当前估值"大概几亿美金"。

Lovart的产品解锁点是Claude 3.5：原本想让设计师在画布上搭workflow节点，但"设计师不讲逻辑，讲感觉"；2024年12月发现模型Agentic能力+MCP后改为AI替设计师规划工作流，“门槛一下子大降”，从idea到执行仅三四个月。 Manis的启发是"大家只会记住第一个"——通用让给Manis，“真正垂类的第一个是Cursor，我们要做创作的Cursor”。

爆火验证了"时机决定获客成本"：零点发帖一觉醒来80万阅读、马斯克点赞，waitlist排到12万人；第一代产品获客仅3-4元/人，如今约20元。" 品的核心来源于产品的时机，时机来源于开拓式创新"——错过时间窗口，投放就是无底洞，“永远打不过大厂”。

十年移动互联网是他的失败样本库：摩拜靠无限供给撑出的四五千万单，一旦要break even"一天可能就几百万单"，“作为支付战争的成本中心maybe合格，作为生意本身不合格”；每日优鲜证明"互联网+零售是伪命题"。 结论：“商业模式决定almost everything”，此后只做纯线上、高毛利、有规模效应的事。

商业模式将从订阅走向按产出物付费：短期服务专业设计师用订阅；长期若生产关系变化、甲方直接用AI，则"AI算一下自己会消耗的token和电量，给你报个价"。 To B"短期内绝对不会做，这不是我们组织的优势"；赛道终局"一两家相对赢者通吃"，但巨头生态内会保留自己的产品（Adobe与Final Cut/剪映并存的类比）。

组织已被AI解构：产品经理"已经不存在了"，核心工种是教AI行业知识的人和coding的人。 给创业者的建议：做垂类不做通用、“不要信什么产品经理”、在模型智能提升发生之前提前准备——以及"出来混最重要的是出来"。

🔗 原始收听与视频来源： 103. Lovart创始人陈冕复盘应用创业这两年：这一刻就是好爽啊！！哈哈哈哈哈