對話AI NEWS平臺Ancher：曾經信息流產品的勝利者，如今卻決定顛覆它

作者 ｜ 郭海惟
郵箱 ｜ guohaiwei@pingwest.com

如果一定把“00后”作為AI浪潮的原著民，那么Ancher創始人Vincent Wu 顯然不是最“典型”的AI創業者。

他是經歷了從報紙到網站，再到移動客戶端，美國三代媒體平臺系統性變革的“老兵”。在長期以白人為絕對主導的美國新聞業態里里，頂著一張同樣“非典型”的亞洲面孔，成為了極少數打入西方新聞業核心圈層的華人：

他擔任過美國最大的本地資訊平臺NewsBreak COO，更早之前也曾在美國一線媒體HuffingtonPost、Yahoo新聞等任COO與CBO；在AOL美國在線擔任全球戰略及運營總監，負責管理過TechCrunch等知名媒體品牌。

交流中，我打趣說Vincent和他曾經服務的NewsBreak團隊，可能是為數不多“戰勝過字節”的海外創業者。

當年NewsBreak 的最大競品是TopBuzz，后者正是字節跳動海外的新聞客戶端名字，被許多人稱作海外版“今日頭條”。在TikTok橫空出世以前，TopBuzz被字節寄予了集團早期全球化戰略的厚望，卻因為業務遲遲缺乏重大突破，加之日漸復雜的地緣政治，便逐步被關停了。

但NewsBreak卻越做越大。

它依靠一套“本地新聞”的組合拳打法，在美國復雜的媒體市場找到了屬于自己的生態位。目前已經有超過7000萬的美國用戶，成為了美國新聞業態中不可忽視的重要力量。

2025年，Vincent下場創立了全新的AI媒體資訊平臺Ancher，決意擁抱從移動客戶端到AI化浪潮的又一次媒體革命。他說他“拋棄了所有過去信息流的玩法”，要做一個完全AI Native的新聞產品。

他將這種姿態解釋為一種對過去信息流新聞產品一直以來的反思——如果人們閱讀完新聞以后，放下手機，腦子里卻是空空蕩蕩的，那么這個產品究竟帶給了讀者什么？而Ancher，某種程度上便成為了他對這個問題的答案。

目前，Ancher在MVP階段就獲得了江遠投資、硅谷Hat-Trick Capital等資本的千萬美元融資。此外，此前備受關注的智譜首席戰略官、小鹿醫館創始人、前搜狗搜索首席科學家張闊，在早先時候已經加盟Ancher擔任首席科學家。內部團隊成員有來自谷歌、微軟以及一線大模型公司。產品首發當日，Ancher便在Product Hunt平臺拿下日榜第二名、效率類周榜第二的成績。

1

一款拒絕最大公約數的產品

Ancher的名字來源于Anchor，原意是錨。Vincent說，他希望Ancher可以在信息的海洋中，幫助用戶錨定那些對自己真正有用的信息。我私以為這名字有點“對標”Stream類型產品的意思，因為它要走向后者的反面。

Vincent對我說，他想要做一個“拒絕最大公約數”邏輯的產品，這其實也是Ancher與其他看似同類AI News 產品的最大不同。Vincent認為，只有服務足夠精確的人群，才可以最大化發揮AI的效率價值。

我試用了市面上大部分的AI資訊應用。Ancher確實算是所有產品中，在AI交互界面中革新最激進的，因為它幾乎對一個典型的新聞消費的所有流程都做了AI重塑。

Vincent把 AI 時代的新聞消費閉環可以簡單分幾個部分：

內容的獲取、消費、沉淀、應用。

Ancher為此設計了一個貫穿全局的Copilot。Vincent認為，Copilot是目前已經被驗證過的成熟交互模式，其角色會像一位個人智能助理——而助理的信息處理是全面且個性化的，所以Ancher在信息流上面加入了大量的能力場景。

在內容獲取側，Ancher希望用Copilot的自然語言交互來重塑信息流：

Ancher的愿景是希望用人的“意圖”而非“點擊”來實現信息流的分發。用戶可以告訴copilot，你想要什么，不想要什么，而信息流可以跟隨自然語言指令去做動態調整。

這不是一件簡單的事情，也很難一蹴而就。

一方面，對于傳統的信息流平臺而言，依賴“點擊”形成的推薦系統有強大的慣性，也是目前最成熟的推薦技術體系。另一方面，真正明確知道自己需求的用戶其實是“少數”，大部分消費者在點開新聞客戶端之前并不知道自己想要什么。

Vincent對此的回應是：在推薦技術上，他們現階段不會完全取締傳統的推薦引擎，而是會將兩者做一個結合。未來隨著產品的迭代，不斷強化自己的“意圖識別引擎”。此外，Ancher的目標首先會是“少數人”，他們至少要對效率有較高追求。這些用戶未必能一步到位說清楚自己想要什么，但一定有想要表達清楚的訴求和能力。

所以在產品設計上，Ancher在很多地方都嵌入了引導用戶做意圖表達的模塊，甚至進行做多輪對話進行意圖識別和確認。

比如，在注冊的時候，Ancher會要求一個大致的用戶畫像描繪和需求確認。

冷啟動是識別用戶的第一大門檻。Ancher會給四個初始的身份模板，AI從業者、學生、新聞愛好者、文化從業者。而這四類人群其實也是Vincent對Ancher現階段潛在主要目標客戶群的構想。他們的共同特點，其實都是對信息獲取質量和效率有較高的需求。而如果不滿足以上身份，用戶其實也可以用自然語言來描述自己。

在日常使用中，Ancher也希望用戶可以使用Copilot對信息流進行日常的調整。

這種對話調整既可以是有明確指向的：比如告訴我關于近期CPI數據的信息、Sam Altman說了什么話，或者我不想看到路透社信源的內容等等。

也可以是更加開放性的：例如我覺得你最近給我推薦的內容太松散、缺乏主題等。

而對于有深度信息需求和高及時性要求的用戶來說，Ancher有Watch This for Me的功能。

Watch This for Me 可以從對話入口進入，也能從新聞閱讀過程中進入。如果用戶閱讀到了重要事件或者趨勢，便可以點擊“Watch This for Me”按鈕，Ancher就會進行全天候的24小時監控和通知推流。

這有點像傳統新聞客戶端的“訂閱”按鍵。

對于平臺來說，他們的共同作用都是改變不同信息的重要性權重。只是過去的“訂閱”，關注的是某個創作者；而在AI 新聞客戶端，“訂閱”的是重要的事件。

這個功能給Ancher帶來了信息重要性的分層，對于重要事件快速提高響應能力，從而更好地提升用戶的使用效率。

你可以看到，Ancher的思路是和用戶“共建”一個好的信息流——他不斷給用戶打造更多的工具和入口，其目的就是讓用戶不斷告訴ancher，自己想要什么樣的內容。

這也回到了Vincent開頭說那句“拒絕最大公約數”的本質：

如果你想要一個上手有爽感的新聞軟件，靠不斷地點擊來獲得奶頭內容，Ancher顯然不是你的最佳選擇。而一個典型的Ancher用戶畫像，必須是有點“新聞極客”精神，有不斷主動調整自己信息流的動力。

在內容的消費端，Ancher采用了copilot與模塊化AI能力結合的方案：

在新聞軟件里，最大的內容消費永遠是閱讀。而在Ancher中，僅“AI閱讀模版”就搭配了七種。

除了默認的Quick Read模式外，Ancher還內置了Story Mode、Cheer Me Up、Structured Memory、Deep Read、Curious Mind、Minimalist等六種功能。

在此之前，我對 AI 閱讀的想像更多局限于“要點提煉”（Quick Read）。但從未想過AI 閱讀的功能不僅局限于“效率”，還可以是“有趣”；而所謂的“效率”，也不止是新聞報道的“縮寫”，也可以是事件的“擴寫”。

比如選擇上圖的故事模式（Story Mode），文本會更具有文學性和故事感，AI會從報道中尋找故事的細節和前后敘事的反差，主動將一些文章內部的細節前置到開頭，形成故事的“鉤子”。而選擇Cheer Me Up時，文本語言風格會像美國風格跳脫的電臺主播——可能有一天，當AI變得更強的時候，我們能夠在新聞客戶端加入莎士比亞、余華或者胡錫進老師的風格模塊，立刻獲得完全不同的新聞消費體驗。

Curious Mind是我最喜歡的產品形態，它可以幫助讀者在文章的基礎上做問題追問。對于一個不了解該領域的讀者來說，輔助你去主動織一張新的信息網絡。Structured Memory則彌補了Quck Read極致效率優化后，信息結構化不足、信息零散的問題。Minimalist是比quick read 還要精煉的工具，字數更少，可以像讀長微博一樣讀新聞。

而Deep Read模式，則是在每一個文章的觀點模塊中，額外加入更多資料和觀點補充——AI輔助閱讀的內容會比原文長很多。

Ancher允許你可以一邊讀文章，一邊讓Copilot幫你做事情。不過Ancher還是給出了一個Play MODE 模式，幫助用戶更精確高效地達成目的：

Play Mode 可以被理解為一種模塊化的 Prompt+AI 能力的組合包，更好挖掘AI的能力并保持一個穩定的用戶體驗水準。目前，Play Mode 總共有18種模式，包含了事件的延伸解讀（Ripple Effects）、觀點呈現（Show Me Both Sides)、時間線梳理(Quick Timeline)、內容解釋（Eplain Like I’m 12)等等。

它的定位有點像互聯網的“超鏈接”，只是中樞不再是網址，而是大模型的能力，從而可以幫助用戶獲得更多的關聯信息。

Copilot里同樣內置了模塊化的AI功能，它可以幫助用戶試水更多的內容消費后的“應用”場景。

它可以幫助用戶做文字的梳理，類似給文章編寫“轉發語”、轉發的場景還可以分成社交媒體（Linkedin, X等)、轉發給內部團隊學習，或者直接寫成“講話稿”的要點等等。

比如我告訴Copilot，我需要結合這篇文章的觀點和Ancher來做一個面向團隊的講話稿要點，它最終就會生成一個詳細的會議內容要點。

Vincent說美國公司有類似“說三點”的會議文化，但不是啰里八嗦的套話，而是有什么行業動態，需要凝練成明確的要點來拉齊信息。而Ancher的助手其實可以幫你以最快速度去生成在會議上的轉述內容。

如前文所言，Ancher的名字來源于Anchor。而Ancher團隊把這個Anchor的名字安在了一個類似傳統新聞客戶端的收藏夾的模塊上：

Anchor Vault。

Vault是金庫的意思。Anchor Vault 實際上扮演了“信息沉淀”的功能。

在Ancher上看到的任何信息，你都可以把它停泊到Anchor Vault里。

比如劃線，可以選擇Add to My Thinking；

剛剛閱讀的文章和新聞事件，可以直接點選收藏。

而與傳統收藏夾不同，Ancher Vault可以將內容進行自動的歸類，按照不同的主題進行收納。

在實際測試中，Ancher Vault的標簽會很多元，而且同一篇文章可能會被收納進多個不同的主題，從而降低在收藏夾的回顧難度。

不過，絕大部分人不會真的系統地回顧自己的收藏夾，因此RAG就成為了一件很重要的事情。

Ancher希望可以幫助用戶做“smart recall”，利用AI的能力幫助用戶做搜索。用戶在忘記原文線索的情況下，僅僅通過自然語言描述來找回保存的信息。

Vincent對硅星人表示，Ancher Vault的目標會是一個輕量級“知識庫”的產品。它的目標是幫助用戶在日常內容消費中沉淀下來有用的信息。

Ancher的目標是成為“Your Chief of Staff for Information”，而非“Chief of Staff for News”。而一個瞄準效率的AI NEWS產品，本質是一個信息管理工具。

Vincent對硅星人表示，簡單理解的話，Ancher可能是一個在傳統知識庫和傳統信息流的中間的產品。

信息流太輕，信息來來往太多，留不住，也不理解用戶；而知識庫太重，能力很強，但整理和調用門檻太高。

而Ancher要同時理解信息和用戶，它既要具備AI信息流的能力，推送的新聞內容和消費界面都要具備足夠的個性化，要求信息推送速度要及時，深度信息的潛力要充分；它也要具備知識庫的屬性，信息的沉淀要可更結構化+可回溯，從而讓信息更好服務場景。

因此在這個過程中，新聞反而成為了信息的中介，在提供優質新聞信息的同時，以信息為載體去鏈接更多的場景——而這可能更接近Vincent所構想的Ancher未來的形態。

1

更多Q&A：未來80%的內容將是基于多模態的

（硅星人做了不改原意的整理與編輯）

硅星人：把Ancher放一邊，只談AI NEWS的話，你認為滲透率未來會到多少？

Vincent：在美國addressable market（潛在市場）應該有6500萬到7000萬。美國總人口3.2億，互聯網人口2.8億，工薪階層（workforce）1.6億。大概能占到工薪階層（workforce）的三分之一到一半。

這里面會有免費用戶，也會更有深度用戶。我們現在的30美元/月的定價是初步的方案，但深度用戶肯定會按照token來付費。

硅星人：什么樣的場景是耗費token的？

Vincent：搜索和深度挖掘是比較貴的，Watch It For Me是最耗token的。

硅星人：會有to B的場景嗎？

Vincent：當然。不會馬上做，但 to B場景還是很明顯的。

比如有些團隊可能需要深度定制化的資訊監聽。過去企業的戰略部門，有一個組來收集信息；社媒團隊，也要打造專家人設、做賬號運營等。

硅星人：to B 對幻覺問題要求更高，如何解決幻覺問題？

Vincent：我們這個行業還是有一些臟活累活作為基礎的，不止是幻覺，很多其他的問題也是類似。

我們可以認為“幻覺”問題背后大致就是三個事情。

首先要從信息輸入層面解決。比如，我們內部有一個可靠信源的表，來做信息智能篩選打分。

其次，未來還要有專有小模型來監督和去除幻覺。

最后，我們的信號不會特別追求行為數據的反饋，我們不會push系統。如果你太逼模型，就容易出現幻覺。

硅星人：怎么讓 AI 生成的內容變得更好讀？

Vincent：其實沒有統一的標準，現在很多模版都是我自己參與寫的。

我還是認同模版這個形式的，可能未來主流人群會有幾套模版，細分人群還會有，就是不斷把運營做細的過程。

硅星人：多模態內容，比如youtube、播客，未來會在你的平臺占比多少？

Vincent：80%以上。

今天大量的內容可能都在互聯網的非傳統網頁的內容形態里，比如youtube、Twitter、播客等。而且我相信未來會越來越高。

硅星人：現在這類內容的占比可以達到多少？

Vincent：50%左右。

硅星人：你把多模態視作一個機會嗎？

Vincent：當然，視頻播客的消費門檻是很高的。一個播客要聽一個小時，AI可以幫助你看brief和篩選想要聽的播客。

硅星人：怎么看墻的問題？今天歐美新聞業態中最好內容都在“付費墻”里，視頻和播客也都是在具體的生態里。

Vincent：我做這么多年內容行業，看過很多平臺想把內容圍起來，其實也無可厚非。但內容行業之所以有趣，是因為它是一個巨大的蓬勃發展的生態，它永遠是多對多的傳播方向——如果你要把自己圍起來，最后就會有人冒出來取代你的位置。

比如2014年Facebook進入新聞賽道，CNN、FOX News等二十多家媒體合起來抵制，但很快又有其他的媒體選擇加入Facebook。

所以我們不擔心版權，也會尊重版權。比如紐約時報、WSJ這樣特別深度的內容，不拿也沒有問題。

硅星人：但美國傳統媒體的編輯，可能不會喜歡自己被AI改寫了。

Vincent：編輯肯定大部分不會喜歡，有些也有比較開放的。但在媒體生態里，有編輯、BD和老板，三者的態度完全不一樣。

我是當然站在開放這一邊的，但AI后面的爭議肯定還會持續下去的。

硅星人：除了美國以外，還會投入什么市場嗎？

Vincent：我們主打美國市場其實是因為付費率高，但全球很多市場都可以做。現在AI信息在全球流動很快，比如我們第一個用戶竟然是埃及的，這是我們自己都完全沒想到。

硅星人：美國付費率大概差多少？

Vincent：美國新聞付費總體是16%，當然包括了像《紐約時報》這樣的產品。

硅星人：團隊有北極星指標嗎？

Vincent：相對來說，不是那么看重月活和短期留存。更多是關注長期付費用戶留存。

硅星人：當年為什么要創業做這個產品？

Vincent：其實本來沒想要創業，但是父親年紀大了，生病。我是長子，必須回國照顧，沒法兼顧美國的工作，就離職了。

我父親是改開后最早一批清華畢業的工程師。我陪伴他人生最后的那段日子，他就老是不停地跟我探討新聞的問題。

他總說，你做新聞挺好的，但為什么我今天看新聞，刷來刷去都覺得挺有意思，可就是沒有收獲什么東西。

我今天不是要批評那些產品，但確實覺得新聞確實產品是缺了點什么東西的，應該有不同的解法。

硅星人：過去用戶時間本質是平臺的資產。

Vincent：過去平臺以行為來優化目標，其實就是用點擊和時長優化的。哪些東西點的多，哪些就會被推薦。

但AI技術應該可以充分理解一個人了，它完全可以幫你挑出最值得看的東西。這個技術已經可以解決90%了，但是路還是斷開的，我們想要把這條路走通。

點個“愛心”，再走 吧