AI原生游戏与互动娱乐
探讨实时推理成本降低驱动的AI原生娱乐与轻游戏创业
1个信源 · ↑3×参与该主题的先锋
全部段落
10月22日
10月8日
9月23日
- 梁琛奇 梁琛奇认为 AI 娱乐迎来窗口，三个前置要素正在成立。 一是推理成本——娱乐时长是工具的十到二十倍，"你如果 scale 到一千万 DAU，这公司就破产了"；DeepSeek 之后，同等智能的推理成本下降，过去算不正的 ROI 可能算正。他离开字节前给猫箱算账，判断去年底 ROI 能打正，据他了解确实打正。二是 …
- 他判断 AI 娱乐新体验的雏形一到两年内出现，更大概率约一年；必要条件是消费内容时实时烧 token。 不烧 token 的 AI 短剧等体验会长在红果短剧等既有平台里；他对纯 3D 实时生成和 AI 男女友持保留态度，轻游戏、互动内容和“涌现式创作”则可能成为方向。潜在游戏人群可能是现有规模的十倍。
- 动念引线从第一天就训练模型，理由是娱乐场景与主模型优化方向“正交”，可形成壁垒。 新体验的数据天然稀少，娱乐评估极度主观，且可以把大量主观隐性 feature 做进模型。公司主要训练了生图后训练模型；他称自身场景下大部分场景已达到 SOTA，成本比当时市面模型低好几个数量级，目标是用逐帧生图支撑实时消费。
- 方法论上他更相信“先产品后技术”，反对先造锤子再找钉子。 先用现有模型排列组合验证体验，若产品有机会但粗糙，再为值得做的体验投入模型训练。他曾用 AI 研究这一问题，认为娱乐产品中“先产品后技术”与“先技术后产品”的比例可能约为 7 比 3，并反共识地认为字节也更接近先产品后技术：先看到用户愿意看新闻，再补推荐技术。
- 组织上公司设立了 UGC 组织：一到两人组队，两周到一个月验证一次，从大量可能性中快速测试。 目前并行开发七八个产品，公司约百人。他也反省创业后 review 压力反而比字节小，曾被“不烧 token 也能 work”的轻松选项吸引，后来靠数据和强硬 review 拉回现实。
- 他认为 AI 可能带来 context 深度与 context 交叉的新网络效应。 AI 原生娱乐内容背后可以有 prompt，prompt 之间能够真正 mix，而不只是像过去的 duet 一样拼接。他劝创业者先关注能否做出真正影响用户的新体验，不必过度担心被大厂复制；Cursor 最终以 600 亿美元估值被收购，是他举的例子。