BAI、高瓴領(lǐng)投，ThetaWave李文軒：我們想成為下一代年輕人默認的知識獲取入口

AI-Native 知識內(nèi)容平臺 ThetaWave AI 宣布近日完成數(shù)百萬美金的 Pre-A 輪融資，BAI Capital、高瓴創(chuàng)投及 MBA Fund 聯(lián)合投資，老股東奇績創(chuàng)壇跟投。

ThetaWave AI 在 2025 年下半年突破一百萬美元 ARR，目前現(xiàn)金流收入已能覆蓋公司開支，用戶次月留存 80%+，三月留存 65%+。

不管怎么看，ThetaWave AI 都屬于已經(jīng)找到了 PMF，并且跑通了增長閉環(huán)的「優(yōu)等生」產(chǎn)品了。

創(chuàng)始人李文軒大一輟學創(chuàng)業(yè)，ThetaWave AI 算是他的第三款產(chǎn)品，對于他來說，一直關(guān)注的都是「AI 帶來的無限個性化內(nèi)容供給的可能性」。而 ThetaWave AI 未來想做的，是想成為「每個人默認的獲取知識的入口」，成為「第一個能夠定義好新一代內(nèi)容平臺生產(chǎn)和消費方式的公司」。

以下是 Founder Park 與 ThetaWave AI 創(chuàng)始人李文軒的對話，經(jīng)編輯整理。

體驗產(chǎn)品：https://thetawave.ai/

采訪 | 萬戶

編輯 | 夏天

??關(guān)注 Founder Park，最及時最干貨的創(chuàng)業(yè)分享

超 19000 人的「AI 產(chǎn)品市集」社群！不錯過每一款有價值的 AI 應(yīng)用。

邀請從業(yè)者、開發(fā)人員和創(chuàng)業(yè)者，飛書掃碼加群：

進群后，你有機會得到：

• 最新、最值得關(guān)注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的 AI 產(chǎn)品曝光渠道

01創(chuàng)業(yè)方向：想做的、能做的、可做的，三件事的交集

Founder Park：這是你的第一次創(chuàng)業(yè)嗎？簡單介紹下之前的創(chuàng)業(yè)經(jīng)歷。

李文軒：嚴格意義上來講，這是第一次。公司一直是同一家公司，但中間換過一些方向。

先從最早的經(jīng)歷說起，我跟合伙人在高中時期一起做過一個自閉癥兒童使用的 AI 情緒監(jiān)測手環(huán)，用 AI 提前預(yù)測他們的情緒變動，這個源自我們在盲童福利院做義工的經(jīng)歷。這個項目最后在北京周邊的 6 個連鎖福利院「愛百福」都有推廣。是個公益項目，沒有走商業(yè)化，還被《人民日報》報道過。高中期間其實還折騰了很多項目，我們做了一套系統(tǒng)，通過 AI 去評估同學們在家做體育運動時動作是否標準，也算是個小創(chuàng)業(yè)。

后來我去了伯克利上大學，期間也一直在朋友的創(chuàng)業(yè)公司里做過不同的工作。大一暑假，我正式?jīng)Q定出來 all in AI 創(chuàng)業(yè)，拿到了第一筆投資。

不過公司一直都是這家，中間做過兩個其他的方向。

一個是 AI 口語 tutor，幫助需要準備口語考試的人做模考，跟外國人一起去練習真實的口語。

另一個是面向校內(nèi)老師的 AI 解決方案，包括試卷生成、教案生成、測試題生成這些場景，是個 SaaS。到 2024 年下半年，才開始全心做現(xiàn)在 ThetaWave AI 的方向。

Founder Park：這兩個方向也做出了一定的效果，當時為什么沒做下去？

李文軒：我們一直在尋找「想做的」、「能做的」和「可做的」這三件事情的交集。

口語方向，它可能滿足了「想做的」和「能做的」，但在「可做的」這個層面，我們當時沒有特別思考競爭和差異化，也沒思考自己的比較優(yōu)勢，當時在做的時候，同期就有新東方、有道或者海外一些比較成熟的公司都在做類似的事情。

我們覺得這個方向的可做性沒有那么強，第一是卷，第二是最初的出發(fā)點不是觀察到這個賽道有問題，而是這個賽道本身有需求，但我們沒有去調(diào)研其他人的解決方案都有什么問題，「可做的」層面的圈沒有畫得很清楚。

SaaS 方向，它恰好是「能做」且「可做」，但不是我們特別「想做的」。

SaaS 是銷售驅(qū)動，對于我們這樣一個相對年輕、技術(shù)向的團隊來說，不是那么擅長，也不是那么感興趣。但它本身在商業(yè)上是可行的，我們也服務(wù)了一些用戶，單位經(jīng)濟模型可以跑通，但它確實沒有那么適合我們團隊來做，所以我們最后主動放棄了。

Founder Park：那你們當時是怎么用這三個維度來看現(xiàn)在的產(chǎn)品方向？

李文軒：我們「想做的」事情其實一直沒變，我們認為 AI 帶來的一個巨大機會就是無限個性化內(nèi)容供給的可能性，之前的三個方向其實都在這個區(qū)間內(nèi)。第一個方向是從老師的資源角度去解決這個問題，現(xiàn)在我們做的事情是直接從學生側(cè)的知識輸入場景去解決這個問題。方向一直在「想做的」這個圈子里。

「能做的」維度上，我們當時覺得文本和圖片模態(tài)已經(jīng)到了一個比較不錯的、能做的區(qū)間。因為有些我們想做的事情，比如視頻模態(tài)，我們覺得還不夠成熟，所以暫時還沒做。

「可做的」維度上，是我們觀察到，在微觀層面，用戶有很痛的點和很強的付費意愿；宏觀層面，沒有太多產(chǎn)品在幫助用戶做個性化的、被動的知識輸入和理解。當時很多產(chǎn)品是去解決「當你有一個問題，怎么得到個性化的解答」，但很少有人去幫你更好地看懂一本書，或者更快速地理解一個文檔。所以當時我們覺得這個方向也是可做的。

Founder Park：哪些指標證明你們找到了產(chǎn)品的 PMF？

李文軒：最開始發(fā)現(xiàn)這個場景，是因為我自己在讀大學的時候就有這個需求。大學期間在各種創(chuàng)業(yè)公司里折騰，課內(nèi)的考試有時候會臨時抱佛腳，但我沒在這門課上投入那么多時間。當時我自己的解決方案，就是去找一個學霸朋友，問他整理好的筆記或者資料能不能借我看一下。

但當時的痛點是，不是每個人都有一個學霸朋友。我們就想：AI 能不能像學霸朋友一樣幫我整理知識，生成一套我可以快速理解和消化的資料？這是微觀層面的邏輯。

在宏觀層面，我們還做了廣泛的調(diào)研。聊了很多大學生，發(fā)現(xiàn)有些平臺上有大量的學生購買筆記的交易，甚至看到一份筆記能賣到 100 美金甚至 200 美金，所以在做產(chǎn)品之前，需求層面就已經(jīng)得到了初步驗證。

產(chǎn)品做起來之后就比較快了。從第一次上線到有前十個付費用戶，中間只用了可能兩到三周。

很多早期的 PMF 驗證，是通過我們團隊自己的使用和內(nèi)部需求驗證就已經(jīng)基本搞定了。上線后做了一些微調(diào)，調(diào)整了定價之后就基本確定了。

最早期的核心指標就是看有沒有人付費，因為我們覺得對于 AI 產(chǎn)品來說，付費是最核心的指標之一。

Founder Park：為什么專注在知識的「輸入」上，不去做一些幫助用戶更好地「輸出」的東西？

李文軒：也不是說不做，只是我們早期看這個市場的時候，覺得在「輸入」這個地方能做出差異化。「輸出」也做了，產(chǎn)品里允許用戶提問并得到個性化解答，可以刷題、看閃卡等等，這些都是輸出。

但我認為，學生在「輸出」上的痛點，遠沒有「輸入」大。當然這也分學科，一些理工科，特別是數(shù)學或純物理，需要大量地練習。除了這些學科以外，像文、商、法、醫(yī)等學科，都是靠對知識的理解和記憶。你需要記下來并且理解它，能融會貫通。對這一類學科來說，被動輸入就是更痛的點。

當時我們看到市場上，前者（輸出）有很多公司在解決，比如 GPT 解決得還可以。但是后者（輸入）其實沒有什么人在做，當時我們覺得這是個很大的機會。

而且這也更能對應(yīng)我們長期的愿景。我們最終是希望用戶能在這個平臺上看到最適合他的內(nèi)容，這個行為本質(zhì)上是一個輸入行為。雖然他肯定有第二步、第三步的交互，但第一步的輸入還是最核心的行為。

02TikTok 和 Instagram 是最有效的獲客渠道

Founder Park：產(chǎn)品的核心人群畫像是什么樣的？

李文軒：早期第一波用戶是在海外的中國留學生，但后面大部分用戶就是本土學生了，特別是大學生。

比較典型的畫像，其實就是在歐美大學教育體系里，想有一個還看得過去的 GPA，但又不怎么愛學習、會學習的那一類學生，這類學生在大學生群體里反倒是主流。

說得再直白一點，這類學生就是：他沒有擺爛，但又沒有那么強的學習動力。本質(zhì)上他對成績有要求，但又不想自己付出那么多精力或時間去把這個東西學得特別好。

Founder Park：現(xiàn)在整體用戶量和付費情況怎么樣？

李文軒：最近摸通了新的國家市場的增長方式，每天都有幾千名新增注冊用戶，月活突破了 10 萬

付費層面的數(shù)據(jù)表現(xiàn)也不錯，2025 年下半年突破了 100 萬美金的 ARR。

付費率一直穩(wěn)定在 5% 到 7% 之間波動，因為不同市場的付費率不一樣，所以用戶構(gòu)成也不是完全一樣。現(xiàn)在活躍用戶里大概百分之四十幾是免費用戶，百分之六十幾是付費用戶，還是有一部分人是一直在免費狀態(tài)留存的。

付費留存方面，次月一直在 80% 以上，第 3 個月在 65% 以上。整個付費數(shù)據(jù)在 C 端的 AI 應(yīng)用里是比較不錯的。

Founder Park：如何獲得第一批種子用戶的？

李文軒：最早期的種子用戶其實就是我們身邊在上大學的朋友們，或者是在社交媒體平臺上認識的一些對這個想法感興趣的用戶。

第一波比較顯著的、有付費的增長，是合伙人當時拉到的一個早期用戶，他恰巧是一個小紅書上的小網(wǎng)紅。他在小紅書上介紹了一下自己是怎么用這款產(chǎn)品。當時那條視頻一天就引來了幾千個用戶。這也是我們后期大力做社媒增長營銷的一個核心原因，UGC 的社媒有極強的價值。

Founder Park：這半年來你們主要的獲客方式是哪些渠道？

李文軒：我們特別認可：營銷的未來一定要做 UGC 內(nèi)容，一定要讓真實的用戶在真實的場景下，真實地介紹你的產(chǎn)品。通過 TikTok、Instagram，甚至國內(nèi)的小紅書，它們的算法本質(zhì)上就是想去篩選出好的內(nèi)容，并分發(fā)給更多的用戶。

當然，在實操層面我們也會做大量工作，我們管它叫「全球社媒營銷 UGC 矩陣」，現(xiàn)在我們管理的就有 300 多個矩陣賬號，還有大量的合作 KOC 和 KOL，所以我們每個月基本都能以非常低的成本拿到上億的流量。

現(xiàn)在主要做的是 TikTok 和 Instagram，因為 TikTok 最核心的活躍用戶就是北美的大學生。全球有 3 億大學生，北美有 2000 多萬。

Founder Park：你們是怎么解決本地化這個問題的？

李文軒：這就是 UGC 矩陣要解決的問題：怎么有效地組織起不同地區(qū)、不同國家的人，讓他能夠在社媒平臺上都做出爆款。

比如我們要去打一個新的市場，肯定會去找當?shù)氐?KOL、KOC，他最好真的是我們的用戶，能理解我們的產(chǎn)品，最好也是個大學生，看下他怎么介紹我們的產(chǎn)品，再把我們原本的爆款思路和背后的框架，套在他這一套本地化的「皮」上面。

每個國家社媒上的一些風潮、調(diào)性、審美是很不一樣的。只是把同樣的內(nèi)容翻譯成另一個語言版本，找個當?shù)厝藖砼模隙ú粫稹２皇钦Z言問題，是你的內(nèi)容有沒有對上當?shù)厝说膶徝馈?/p>

Founder Park：為什么選擇大學生這個群體做切入，未來打算面向大眾做產(chǎn)品嗎？

李文軒：學生當下最核心的目標就是通過考試，但這一群人未來就是所謂的大眾。他們下一步有什么樣的需求，我們就可以伴隨著他們?nèi)コ掷m(xù)滿足需求。

比如他要進入職場，那下一步就是求職、升職加薪、自我提升，這就是我們下一步要做的內(nèi)容和相應(yīng)的工具。可能到一定階段，他又有一些興趣類、閱讀類或個人愛好類的需求，我們也可以幫他更好地滿足興趣。

我們的路徑就是：伴隨著這一波人，在他特定階段去服務(wù)他特定的知識需求。反過來，做這件事的時候又會給我們的平臺帶來新的用戶，這些新用戶又能消費平臺上已有的內(nèi)容。

我們希望通過內(nèi)容的泛化和人群的泛化去不斷擴充群體。最終的愿景，不管是應(yīng)試、興趣、職場需求，還是是個人長期價值感的知識獲取需求，都能在這一個產(chǎn)品上閉環(huán)。平臺上未來會聚集學生、白領(lǐng)，甚至中老年人，他們其實對興趣內(nèi)容都有需求，這個適合放在等我們有了一定的泛用戶群體之后再去做，ROI 會更高。

03核心是幫助用戶更高效地學習，即「少學」

Founder Park：在你看來，產(chǎn)品現(xiàn)在最能留住用戶或者最讓用戶愿意付費的核心功能是哪個？

李文軒：目前最核心的交互流程，就是學生用戶有大量需要看的資料，他可以無腦地拖入，比如 10 個幾百兆的文檔，AI 會去分析并結(jié)構(gòu)化內(nèi)部的知識，總結(jié)成一個知識圖譜，然后再用各種各樣的 Agentic workflow 去生成像圖文筆記、思維導(dǎo)圖、信息圖、題庫、閃卡、播客、講解視頻等一系列學習資料。

核心交互流就是「拖入-整理-生成」這三個步驟，用戶得到正反饋的時間非常非常快。

此外，還有一個場景是實時的筆記紀要。我們?yōu)閷W生場景做了一些額外的優(yōu)化，我們做了一個學生與 AI 在課堂上一起聽課的場景，然后根據(jù)課程的上下文去補全筆記。用戶可以在實時記錄的過程中去寫，這是一個思考沉淀的過程，更有助于他理解。長期來看，我們覺得這個功能很重要，因為它也是一個知識輸入的入口，這樣我們就把兩個入口都占住了：一個是他把學習的文檔文件拖進來，另一個就是他在課上的一些知識輸入。

Founder Park：這個交互是不是有點類似于 Granola？配合用戶一起做筆記，但以用戶自己做的為主，再配合用戶的筆記做一些 AI 的填充和重點標注。

李文軒：Granola 的交互是，用戶在開會的時候手上也可以記一些東西，然后在會議結(jié)束后，把 AI 聽到的內(nèi)容和用戶總結(jié)的結(jié)合起來，生成一份筆記。但你會發(fā)現(xiàn)，AI 生成的筆記是在會后才有的。我們的產(chǎn)品是希望做到實時，因為學生有的時候會走神，或者沒聽懂老師在說什么。

Founder Park：早期版本的功能和你們一開始的規(guī)劃相比，有大的變化嗎？

李文軒：有的。當時對用戶心智有一個核心假設(shè)：用戶可能會對標一些知識管理賽道的產(chǎn)品，比如 Notion。但后來我們逐漸偏離了筆記軟件或知識管理類軟件的范疇。

我們發(fā)現(xiàn)，用這個產(chǎn)品的用戶大多是想省時間，或者說是想「少學」；而那一類產(chǎn)品更多是幫他學得更深、更好，是一個「多學」的產(chǎn)品。在心智層面是完全相反的。

所以我們在之后的版本都更加強調(diào)：我們本質(zhì)上是給用戶一個好的內(nèi)容，這個內(nèi)容用戶看完的時間越短，就證明這個東西越好。

Founder Park：有沒有一些功能，是你們覺得這個群體可能也需要，但最后砍掉了？或者用戶一直想讓你們做，但你們一直沒做的？

李文軒：一類是用戶有需求但我們一直沒做的。我們聽到比較多的，像幫用戶寫論文、找引用、降 AI 率這些功能。這些功能做進去肯定能讓整體的收入和用戶滿意度提高，但我們的原則還是希望幫助用戶更好地理解知識，而不是替代他學習或者作弊。

第二類是我們做了，但是上線后數(shù)據(jù)不好。比如我們之前嘗試過一些游戲化的學習，把同一個文檔變成一個可玩性更強的互動式游戲。但是做出來之后發(fā)現(xiàn)，用戶的滿意度和采用率都沒有預(yù)期的那么好。

我們后來分析，其實是一個產(chǎn)品心智層面的問題。我們的產(chǎn)品是幫他快速搞定學習，本質(zhì)上是讓他「少學習」，但游戲化學習這類產(chǎn)品的心智是「我想學得更好、更深」，是一個「多學」的心智。這兩個心智顯然是沖突的。

Founder Park：所以你們的核心是幫助那些不管因為什么原因都想學習的人高效地學習？

李文軒：對。當然，不是說游戲化學習就普適性地不好，它跟我們解決的用戶場景很相關(guān)。

我們對這個問題的理解是：獲取知識是一個人一輩子都有的長期需求。

在學生時代，那可能就是高效，因為我不想投入過多時間去學習，還有更多順人性的事情想去做，那核心出發(fā)點就是讓他快速搞定、快速掌握。但比如在興趣層面或者探索角度，他就是想得到一些正反饋等類似場景，游戲化學習方法就很合適。游戲化的交互呈現(xiàn)方式也在我們長期要做的范圍里，但是短期內(nèi)在目前這個切剛需的場景上，不會上這個功能。

Founder Park：聽下來，你們和多鄰國帶給人的感受完全不同，多鄰國想讓用戶有趣的學習。你們對「學習」這個詞的第一性原理定義是什么？

李文軒：對，學習本身是一個行為，不是一個結(jié)果。行為本身很難定義，我們更聚焦在服務(wù)用戶當下的學習行為，他要的結(jié)果到底是什么。

從第一性原理出發(fā)，我們認為學習或者說知識的本質(zhì)，是獲取服務(wù)于用戶當下目標，或者對用戶當下有意義的一些信息。

從指標層面來看，比如現(xiàn)在這個產(chǎn)品就是看用戶能在多短的時間內(nèi) get 到考試所需要記住的信息，或者說，如果我們有辦法測算他的考試結(jié)果，那就是對于他想通過的這個考試，我們幫他提了多少分，或者幫他節(jié)省了多少時間。這可能就是我們在當下的備考應(yīng)試場景下，對「學習」這件事的量化結(jié)果的一個定義。

但是像多鄰國，它肯定不是一個應(yīng)試型的產(chǎn)品。從剛才講的第一性原理來看，對于多鄰國來講，它更多是興趣，加上一點社交或者說類似于打發(fā)時間的屬性，想在比較輕松的狀態(tài)下做一件有意義的事情。像留存、粘性、長期使用習慣和社交分享價值這些指標會更加合適。

04用戶的行為反饋是提升產(chǎn)品能力的有效飛輪

Founder Park：一上來就面對全球 50+ 地區(qū)的用戶，在本地化上有沒有什么「坑」？

李文軒：本地化是我們花了不少功夫去優(yōu)化的一點。像歐美或其他不同地區(qū)，本質(zhì)上需求是一樣的，但是翻譯成產(chǎn)品上的語言、提供給用戶的功能，都會有比較大的差別。我們花了不少時間去跟一些非英語地區(qū)國家的人直接溝通，為此我跟合伙人也在用多鄰國學習中英以外的語言，比如我們最近在做西班牙市場，就在學西班牙語。

做這件事情有很多方式，我們目前看到比較好的方式是：第一，在語言層面不能完全依賴翻譯。做產(chǎn)品和做策略的人，自己需要先有一個基礎(chǔ)的認知；第二，在有語言基礎(chǔ)后，需要跟用戶做比較多的面對面交流。很多本地化不是一個翻譯問題，更多是一個情緒問題。同一個人在不同文化背景下看到同一個東西，情緒反應(yīng)是不一樣的。

比如說付費墻，把它翻譯成中文、英文和西班牙文，雖然都可以寫「某個特定功能是否可用」，但是如何去形容這些功能，有時候會對付費率產(chǎn)生影響。當時我們想形容付費用戶可以用到更高級的模型如 GPT-5.2，最開始用比較老土的翻譯軟件直接去翻，可能就翻譯成「高級模型」，但「低級模型」就有點「弱智模型」的感覺，這種詞聽上去很怪。后來我們在本地化層面去了解，比如 OpenAI 是怎么在自己的付費墻里形容自己的模型更好？OpenAI 用的是「更智能」這個詞。

Founder Park：對于現(xiàn)在的 chatbot 類產(chǎn)品，你們在做對話框和 GUI 的結(jié)合上，有哪些心得感受？

李文軒：自然語言交互和傳統(tǒng)的圖形界面，在不同場景下一定是有優(yōu)劣勢的。

我覺得 AI 應(yīng)用很本質(zhì)的一個價值是：在用戶意圖不明確的時候，通過一些手段去拿到用戶自己都不知道的意圖。因為從理論上來說，所有 AI 應(yīng)用的價值都可以通過用戶不斷地跟模型交互、調(diào)試來實現(xiàn)。

在這個產(chǎn)品的場景下，我們會更強調(diào)圖形化或者結(jié)構(gòu)化的界面。因為在知識獲取這個場景，結(jié)構(gòu)化或視覺為主的信息要比自然語言更有效率，而且能更好地讓他獲得他本來無法表達的意圖。

舉個例子，如果是一個對話式交互，給用戶一段內(nèi)容，用戶是很難特別精確地表達哪一段看懂了，哪段沒看懂。但現(xiàn)在我們使用的是類似富文本的交互，用戶可以選中任何段落，做任何操作，這樣我們就能獲得用戶更多的意圖。對于我們長期做個性化、用戶短期得到反饋，都會更有利。

Founder Park：你們的產(chǎn)品交互有做過大的交互調(diào)整嗎？

李文軒：大的結(jié)構(gòu)上調(diào)整不多，是一個漸進式的迭代。最早期產(chǎn)品是只能看，不太能交互。后來逐漸加上可以跟生成出來的內(nèi)容做各種各樣的交互，比如編輯、擴寫、溯源、生圖、跟 AI 對話、修改筆記等等。

有一點很有價值。當下來看，更多的是用戶的可控性變強了，但長期來看，我們拿到的是一個類似用戶意圖的對齊數(shù)據(jù)。比如，我們生成出來一個筆記，用戶把這里刪了，把那里擴寫了，調(diào)整到了一個可用的狀態(tài)，這其實意味著，我們下一次就應(yīng)該直接生成那個樣子。對我們來講，這是一個可用的數(shù)據(jù)飛輪，我們能越來越逼近他的意圖。

Founder Park：這套流程現(xiàn)在已經(jīng)應(yīng)用到產(chǎn)品中了嗎？

李文軒：已經(jīng)在了。我們其實對每個用戶都有一個個人的知識庫。每一次生成，我們都會讓模型在合適的地方去參考，要不要調(diào)用這個工具去了解這個用戶。

舉個例子。我們生成一套題的時候，我們已經(jīng)知道關(guān)于這個筆記有 10 個考點，他已經(jīng)做過了 3 道題，那我接下來生成的 7 道題就不會再生成關(guān)于前面那 3 個考點了，但是如果前 3 道里有 1 道他之前答錯了，我們就會著重地再去生成那 1 道相關(guān)的題。

Founder Park：學生上傳的講座、學術(shù) PDF 這些垂直領(lǐng)域的數(shù)據(jù)，對產(chǎn)品有數(shù)據(jù)飛輪的效果嗎？

李文軒：有。我們產(chǎn)品最近剛推出了社區(qū)功能，可以把一些用戶允許公開的資料放在社區(qū)內(nèi)，推送給可能同樣感興趣的同學。這個社區(qū)長期做下去，它的壁壘或飛輪會非常明顯。舉個最極端的例子，一個大學里每節(jié)課只要一個人去上，剩下的人只通過這個平臺就能搞定這節(jié)課。

這個「內(nèi)容飛輪」是我們最核心、最在意的飛輪。我們對自己的定義一直是新一代的內(nèi)容平臺，而不是一個效率工具，所以最核心的壁壘就是我們能聚集起來的內(nèi)容生態(tài)。

后面也會做更多傳統(tǒng)意義上的內(nèi)容運營，比如去激勵創(chuàng)作者，去定位社區(qū)用戶到底需要什么樣的內(nèi)容和交互。但我們這里的內(nèi)容定義和載體，必須是依賴于 AI 才能實現(xiàn)的，不然上一代內(nèi)容平臺就已經(jīng)能做了。正是因為 AI 的個性化能力，我們才能做新一代的內(nèi)容平臺。

Founder Park：這種內(nèi)容聚集，最終是像 Canva 模板一樣，還是說，最終是通向一個用戶可以學到任何想學的東西的內(nèi)容儲備庫？

李文軒：我覺得這兩者本質(zhì)上是一件事。比如我現(xiàn)在要考 CFA，可能有一套公認最好的學習路徑，這是那個 60 分的路徑，但是從 60 分到 90 分，必須需要一套基于 AI 的可交互媒介，才能完成知識理解的閉環(huán)。這件事情就是我們這個工具在做的價值。

所以，我們長期在做的，第一是積累前面那些 60 分的東西，因為這確實是領(lǐng)域數(shù)據(jù)，比如 ChatGPT 現(xiàn)在也不知道伯克利某一節(jié)課喜歡考什么知識點。第二，它確實可以用來獲客。因為對于知識理解的需求，大家最終要的還是一個足夠好、足夠適合我的內(nèi)容。

既然用戶是奔著內(nèi)容來了，那就證明他是想在這上面消費這個內(nèi)容。

05AI 產(chǎn)品本質(zhì)上，都是特定場景下模型能力的更好分發(fā)渠道

Founder Park：怎么看待你們和 NotebookLM 的差異？

李文軒：我們聊過很多用戶，沒有太多人認為我們和 NotebookLM 是直接競品。雖然乍一看功能上有些相似，但 NotebookLM 的產(chǎn)品設(shè)計理念是為研究和生成做優(yōu)化，比如對大量文檔做查詢、對話，或生成研究報告等場景。

我們一直關(guān)注的是，生成的內(nèi)容能不能幫用戶更好地理解，生成之后還有大量的 follow up 功能，讓用戶能完成整個知識理解的閉環(huán)。

單說在筆記生成方面，很明顯一個是研究工具導(dǎo)向的筆記，一個是真的能讓你理解、讓你快速搞定考試的學習導(dǎo)向的筆記。而且 NotebookLM 生成出來之后就放在那了，沒法編輯、修改，也沒法做第二步的出題等功能，但我們把這些都做成了一個流線化的流程。

我覺得 NotebookLM 是一個想覆蓋泛人群的產(chǎn)品，所以在里面做了一些有學習場景的功能，但我們就是一個為知識獲取這件事做優(yōu)化的產(chǎn)品，本質(zhì)上有很大的不同。

長期來看，我們想做的是一種新的內(nèi)容載體和對應(yīng)的內(nèi)容平臺。而 NotebookLM 長期可能還是想做谷歌工具矩陣下的一個更好的工具。越往長期看，分化會越明顯。

Founder Park：和競品相比，你們的優(yōu)勢是什么？

李文軒：競品在所有賽道都會有，而且現(xiàn)在 AI 應(yīng)用的邊界比較模糊，大家都會有一些交叉點。

現(xiàn)在市場遠遠沒有到飽和期，我們和競品觸達的新用戶，大概率都還沒聽過對方的產(chǎn)品。從競爭角度來看，目前還是一個搶市場、搶心智的階段。

不過，從體驗、留存和付費數(shù)據(jù)來看，我們的產(chǎn)品還是比絕大部分我們知道的競品都要好很多。很多競品可能是源于一些海外的學生團隊，但他們在工程化能力和內(nèi)容矩陣的運營能力上，比不過我們團隊。

Founder Park：如果有競品學習你們的打法，也去 TikTok 等平臺獲客，你們具備先發(fā)優(yōu)勢嗎？

李文軒：先發(fā)優(yōu)勢是一部分。比如，一個博主肯定更愿意跟更有背書或規(guī)模的產(chǎn)品合作，但更本質(zhì)的，還是我們自己的 taste。

比如在做內(nèi)容矩陣上，就算我們現(xiàn)在把公司所有的 SOP 文檔都開源出來，只有很少的團隊能復(fù)制得很好。因為這里面有大量的 taste，你怎么知道這個內(nèi)容會爆？你怎么覺得這個人有「網(wǎng)感」？這就像你們做媒體的人，你怎么知道這篇稿件容易爆？這就是一個 taste。

我們團隊在這方面做得更好，因為我們是 AI 創(chuàng)業(yè)團隊里最年輕的團隊之一，又是年輕團隊里最能做好 AI 產(chǎn)品的，這是我們的一個長期競爭優(yōu)勢。

Founder Park：你認為你們在模型API之上，構(gòu)建了哪些只有你們能做的技術(shù)家或者業(yè)務(wù)邏輯？

李文軒：短期來看，我們的產(chǎn)品本質(zhì)上是特定場景下模型能力的更好分發(fā)渠道。就像我剛才說的，沒有什么事情是用戶通過不斷地 prompting 模型做不到的。但我們做的事情是把觸達模型能力的門檻從 70 分降到了 10 分，這樣的入口是很有價值的。

用戶意圖越不明確的時候，AI 應(yīng)用就越有價值。用戶的意圖越明確，就越可以通過 prompting 去實現(xiàn)自己想實現(xiàn)的功能。用戶的意圖大概就是「我想快速搞懂這個，通過考試」，但他真正跟模型說的時候，可能就是說「給我生成個我能看懂的筆記」，模型怎么知道你能看懂的筆記是什么樣？我們做的事情就是幫他把這個意圖和個性化需要去 prompting 的很多事情都搞定了。

長期來看，我們更看重的是個人的上下文和模型還沒有的領(lǐng)域的內(nèi)容，這兩樣?xùn)|西我們有，模型沒有。所以，模型本身能力的提升，對我們來說就是個更好的補充。

Founder Park：現(xiàn)在產(chǎn)品的能力跟模型是強綁定的嗎？會不會被某個模型「綁架」？

李文軒：完全不會。我們現(xiàn)在跟特定模型耦合的程度非常低，在生成層面也沒有一直用 SOTA 模型。我們綜合考量了成本、速度、毛利，是非常健康的，沒有跟單個模型有任何綁定。

Founder Park：你們在產(chǎn)品里是不是有意隱藏了讓用戶選擇模型的能力？

李文軒：沒錯，我們完全沒有把這個暴露給用戶。這跟用戶畫像非常相關(guān)，我們的用戶就是來解決問題的，他根本不在乎你用的是什么模型，只要能解決他的問題，他就愿意付錢。

Founder Park：現(xiàn)在很多 AI 產(chǎn)品會有意無意地蹭旗艦?zāi)Ｐ突蚓W(wǎng)紅模型的流量，比如 Nano Banana 出來后，很多產(chǎn)品借此漲了一波量。你們沒辦法打這樣的熱點，會覺得遺憾嗎？

李文軒：這件事也沒有絕對的好與壞，把 token 的錢作為營銷預(yù)算，這當然是一種方法。但我們的理念是，用戶第一次接觸一個產(chǎn)品時，大概率就已經(jīng)建立了對它的心智。如果用戶對我們的心智是「免費的 Nano Banana Pro」，那他來了大概率也不會成為長期留存或付費的用戶。

對于我們這種想解決垂類問題的產(chǎn)品來講，如果「免費用某個模型」這件事帶不來我們想要的心智，我們就不會去做這種營銷。當然，如果長期有這樣的機會我們也會去抓，前提是不違背我們的用戶心智。

比如像 Lovart 的心智就是一個視覺設(shè)計產(chǎn)品，用戶就是想生成圖片，Lovart 有一堆好用的工具能幫他把圖變得更好，這就很合理。但對我們這種產(chǎn)品就不合理，我們是幫用戶學習的，用戶如果為了生圖來到這個產(chǎn)品就很莫名其妙了。

06所有跑出來的產(chǎn)品，都能用 10 個字讓用戶理解它的價值

Founder Park：之前聽說你們之后可能會推出其他類型的產(chǎn)品，比如硬件或者面向更大眾人群的產(chǎn)品，做這些新產(chǎn)品的核心思考或者第一性原理是什么？

李文軒：最本質(zhì)的邏輯，AI 有一個核心價值是無限的個性化內(nèi)容供給，可以分為兩類：泛娛樂內(nèi)容和非娛樂的專業(yè)內(nèi)容。我們堅定地在做后者，這也是我更感興趣且個人認為機會更大的一個方向。

娛樂方面，你要跟字節(jié)去卷，字節(jié)現(xiàn)在做到 90 分，那我要做到 99 分才能卷過它，但我現(xiàn)在做的事，大家的體驗是 -100 分，我把它拉到 -30 分，很多人的體驗就會好很多。

不管是軟件還是硬件產(chǎn)品，內(nèi)容形態(tài)在變，它的載體、創(chuàng)作者怎么創(chuàng)作、消費者怎么消費，以及交互方式都會變。我們其實是在定義一種類似「動態(tài)知識」的形態(tài)，基于這個形態(tài)可能會出現(xiàn)新的軟件，也可能會出現(xiàn)新的硬件，取決于最終用戶需要什么樣的載體。

我們做這件事的本源邏輯是：哪里的內(nèi)容需要更多的供給、更多的個性化交互、需要 AI 的參與，才能讓供給遠遠大于需求？

Founder Park：如果做硬件，它是入口、是復(fù)習設(shè)備，還是獲客渠道？

李文軒：在硬件上，我們也在思考，暫時無法透露特別多。但我交流了大量的硬件和軟件創(chuàng)始人，我覺得最本質(zhì)的問題一直不在于硬件怎么做，不在于供應(yīng)鏈搞不定，最終還是產(chǎn)品定義有沒有打中用戶的真實需求。

永遠都在回答一個問題：用戶為什么要用你不用他？我們做硬件一定不是為了做硬件而做硬件，肯定是因為我們想解決「知識不夠適應(yīng)人」這個問題。如果這個過程必須要新的硬件才能實現(xiàn)，我們就會去做；如果不需要，我們就不做。

我知道像 Rabbit 這種公司在硬件上栽了大跟頭，我覺得他們本質(zhì)的問題還是出在了產(chǎn)品定義上，不是硬件層面做出來的效果不好或者是在供應(yīng)鏈上踩了太多的坑，還是因為產(chǎn)品定義出了問題導(dǎo)致了后續(xù)的問題。

創(chuàng)業(yè)到現(xiàn)在，最大的感悟是，很多時候你不知道怎么做或者做出來效果不好，還是因為你早期對這件事的本質(zhì)想得不夠清楚。

Founder Park：怎么看待 Plaud 這樣的產(chǎn)品？

李文軒：Plaud 是一個很典型的正面例子。雖然不知道它未來能不能做成一家大企業(yè)，但起碼從目前的現(xiàn)金流角度來講，它可能是最成功的 AI 公司之一了。

它的產(chǎn)品定義就是抓到了一個過去沒人發(fā)現(xiàn)、但用戶又有真實需求的巧妙地方。很輕松地回答了「我為什么要用它」的問題，而且它圍繞這個發(fā)現(xiàn)把一切要素都構(gòu)建得很好，比如它找到了好的工業(yè)設(shè)計、制造商、營銷團隊，快速規(guī)模化，關(guān)鍵是他早期就想得特別清楚，Plaud 才能做出來。

Plaud 的模式后續(xù)肯定會被很多人借鑒，因為這相當于在硬件層面為用戶多提供了一個新入口，如果它長期具備推送價值，有點兒像在用戶家中放置了一塊廣告牌，帶來的復(fù)利價值非常強。

Founder Park：除了 Plaud，這兩年你還看到哪些在「解決用戶什么問題」這個點上想得比較清楚的產(chǎn)品？

李文軒：Coding 類的產(chǎn)品肯定想得比較清楚，它們就是在朝著替代程序員的路上逐漸演進。

硬件有很多想得比較清楚的產(chǎn)品，我前段時間在深圳看到了一個用 AI 降噪的制冰機，這個需求乍一聽感覺很 low，但其實，大多西方人都要喝冰水，傳統(tǒng)制冰機在辦公室里很吵，用 AI 去降噪就很合理。

還有像外骨骼，每個人可能都不想走路，特別是行動不便的老年人。這些產(chǎn)品都能很清楚地說明白「我為什么要買這個東西」。

雖然現(xiàn)在很多 AI 應(yīng)用公司都喜歡講大故事，但過去所有跑出來的產(chǎn)品，都是在 10 個字以內(nèi)能讓用戶聽懂它有什么價值，至少是在 C 端產(chǎn)品上是這樣。

Founder Park：那用 10 個字，你會怎么介紹你們的產(chǎn)品？

李文軒：我們都不用 10 個字，就五個字：「考前急救包」，這就是從用戶嘴里說出來的，這就是心智。

07創(chuàng)業(yè)要堅持「反人類的理性」

Founder Park：團隊現(xiàn)在大概多少人？結(jié)構(gòu)是什么樣的？

李文軒：現(xiàn)在團隊不到十個人，基本都是在各個領(lǐng)域做出過一些結(jié)果的 00 后。組織層面，我們在探索 AI 時代下的新形態(tài)，不按照傳統(tǒng)的軟件公司去設(shè)置崗位和組織，遵循「AI First」，先思考這個崗位或職能，哪些是 AI 能做的？AI 能做到什么程度？AI 做不了的，我們再讓人去做補充。我們的組織會更接近于「為結(jié)果負責」，不是「為職能負責」，比如團隊有 10 個人，就意味著要負責 10 個結(jié)果，市場的視頻曝光數(shù)、轉(zhuǎn)化數(shù)、產(chǎn)品流程的留存數(shù)、付費數(shù)等。每個人都會通過 AI 實現(xiàn) 80-90% 的工作，比如營銷人員發(fā)現(xiàn)主頁轉(zhuǎn)化率有所下降，他就可以通過 AI 的方式先有一個初步的修改方案以供查看。當然，最終的工程化還是需要專業(yè)的人去做，目前暫時還無法完全通過 AI 實現(xiàn)，所以我們還是有一定的分工。

我們在篩選團隊成員時，第一，看重的是他必須真的相信 AGI 時代的到來，如果他不相信這件事會到來，那我們所做的這一切以及這家公司最初的出發(fā)點就不可能成真，這種事信則有；第二，我們希望招的人都能夠從第一性原理出發(fā)去想問題。AI 時代更像互聯(lián)網(wǎng)的最早期，沒有過去的產(chǎn)品形態(tài)、組織形態(tài)、商業(yè)模式可以借鑒，需要回歸最本質(zhì)的問題，逐一解決。

Founder Park：為結(jié)果負責，不是為職能負責，是不是意味著你們在招聘時更加喜歡通才能力比專才能力強的人？

李文軒：首先，他一定要精通各種 AI 工具，用模型的能力足夠強，清晰地知道 AI 的邊界在哪里。

其次，他可能還是有一技之長的，比如他是個程序員，技術(shù)能力就是比別人強，但他必須對別的領(lǐng)域具備基本的認知。你要當一個 leader 的話，肯定不能只會一個單點，要對整個宏觀視角都有一個比較清晰的了解，所以我們會讓所有人都參與到整個業(yè)務(wù)的全流程中，比如寫代碼的同學也需要去參加營銷會議并給出反饋。

我們沒有期待著他進來之后再去改變他，在招聘的時候就會去篩選他是不是一個通才，或者他認不認同我的這套理念，我招聘的人還是更相信未來是一個「十人獨角獸」甚至「一人獨角獸」的時代。

Founder Park：從一個創(chuàng)始人的角度來看，你覺得自己的短板和長板分別在哪？

李文軒：我的短板在于：我的 MBTI 是 INTP，思考會非常多，但比較抽象，具象化起來會有難度。這一點合伙人 Elena 對我有一個特別好的補充，她恰巧是個 ENTJ，最擅長把一個很抽象的東西落地成大家可以干的事情。

長板方面，我覺得自己是一個非常理性的人。商業(yè)最終是一個很理性的行為，誰能夠做到反人性一樣的理性，誰就能在商業(yè)市場上獲得一定的成功。不過這不絕對，這個世界上也有很感性的成功者。

Founder Park：怎么理解「反人性的理性」？

李文軒：一件事在理性上思考是這樣的，但在感性上可能會受到很多影響，讓你去質(zhì)疑它理性上的正確性。比如，你從理性上推斷一個邏輯是對的，但全世界都跟你說它是錯的，這個錯的結(jié)論可能是來源于一些感性的信息，人會受感性信息影響。堅持基于理性推論的結(jié)果去做事，很關(guān)鍵。

在創(chuàng)業(yè)過程中很常見，長期正確的事短期看上去往往是錯誤的，或者絕大部分人覺得它是錯的。

我在創(chuàng)業(yè)過程就有很多人覺得「學習是反人性」「教育類的做不大」，或許從他們的感性理解層面是對的，但我從理性上推理，AI 帶來的個性化內(nèi)容機會，一定能在這個領(lǐng)域誕生很大的機會，我從理性上一直沒有質(zhì)疑過這一點。

08想成為第一個定義新一代內(nèi)容平臺的公司

Founder Park：現(xiàn)在的 ARR 是 100 萬美元，如果想在 2026 年或 2027 年把它變成 1000 萬美元，核心難點在哪里？

李文軒：1000 萬美元是一個大概率能達到的目標，這也是我們 2026 年內(nèi)的目標，因為現(xiàn)在的商業(yè)模式、增長路徑和本地化流程都已經(jīng)跑得比較通了，做到 1000 萬美元，只是把更多市場打透、把本地化做得更好，這只是一個時間問題。

但如果說做到 1 億美元的 ARR，就需要去完成整個內(nèi)容體系的搭建。如果仍然停留在一個效率工具的層面，一定有清晰的天花板或者較大的競爭問題。但如果是既提供個性化的交互工具，又提供個性化的內(nèi)容，是能做到上億美元的體量的。

Founder Park：所以突破天花板的關(guān)鍵，就是它最終不能只是一個工具產(chǎn)品的屬性？

李文軒：對。過去所有跑出來的成功產(chǎn)品，沒有一個是純效率價值的產(chǎn)品。

比如蘋果，它不但是一個流暢的手機，還提供了炫耀價值、藝術(shù)價值，它不光是一個純效率的事，它還是個生態(tài)，綁定性很好。我不能一直只造一輛更快的車，還要讓這個車有品牌調(diào)性，有除了速度以外的、服務(wù)不同用戶需求的其他賣點。

Founder Park：你們的長期愿景是什么？

李文軒：我們最希望的是，未來每個人都能在這里找到最適合他的知識呈現(xiàn)方式，或者說，可以成為每個人默認的獲取知識的入口。因為他在這里獲取知識是最簡單、最適合他、最爽且最能服務(wù)于他當下需求的。

最終形態(tài)的話，我從產(chǎn)品層面的定義是，要讓最優(yōu)質(zhì)的知識和每個人最個性化的 context 在同一個平臺被聚合，然后這些最優(yōu)質(zhì)的知識被拆散、重組，適配給每個人，是我們對新一代內(nèi)容平臺的定義。它可能會更像一個類似視頻的、新的內(nèi)容模態(tài)。

Founder Park：在 1-2 年的時間內(nèi)，你們團隊最想達成的關(guān)鍵節(jié)點是什么？

李文軒：一是，我希望我們能把「下一代年輕人知識獲取的默認入口」這個品牌心智，占到市場頭部位置。只要他要攝取知識，就能想到我們，在這里他能獲取最適合他的知識、最好的交互方法、最短的學習路徑。

二是，我希望能定義清楚新一代的內(nèi)容平臺到底是什么樣的，它的創(chuàng)作者和消費者生態(tài)是怎么構(gòu)建？內(nèi)容的供給和消費是怎么因為 AI 而改變的？這件事現(xiàn)在沒有人定義得很好，特別是在非娛樂領(lǐng)域。我們想成為第一個能夠定義好新一代內(nèi)容平臺的生產(chǎn)和消費方式的公司。

最終，有沒有可能出現(xiàn)新的物理載體？就像數(shù)字音樂出現(xiàn)時，出現(xiàn)了 iPod，沒有數(shù)字音樂時是沒有 iPod 的。我們其實是在定義一種類似「動態(tài)知識」的形態(tài)，基于這個形態(tài)可能會出現(xiàn)新的軟件，也可能會出現(xiàn)新的硬件，這取決于最終用戶需要什么樣的載體。

Founder Park：后者聽起來更大，可能這兩年內(nèi)只能看見一個雛形。

李文軒：對，它有點像 Adobe 定義了 PDF 一樣。

Founder Park：你們選擇了知識這個賽道，切的是廣義上的「學習」場景。往遠了看，人類的學習行為會被 AI 改造成什么樣？

李文軒：第一，就算未來 AI 發(fā)展成了 AGI，獲取知識這個行為仍然是人類必然存在的需求。只要你還有目標，那就一定要獲取與這個目標相關(guān)的信息。

學習或者知識獲取仍然有兩個最大的價值。

未來有一種判斷是，獨立個體時代，所有人都是老板、AI 的指揮者，反而要求每個人理解、掌握更多信息，才能做出更宏觀判斷。如果你自己對某個領(lǐng)域完全不了解，是無法用好這個領(lǐng)域的人的，同理，你也用不好這個領(lǐng)域的 AI。

另一個是，知識獲取是人類尋找意義感的一種途徑。在相對衣食無憂的情況下，很多人并不想每天沉淪在多巴胺的刺激里，更想通過閱讀和學習去感受和理解世界，這是馬斯洛需求層次理論中的高維需求。未來 AI 把底層需求滿足得越來越好之后，上層的需求會更有價值，覆蓋面也會更廣。

雖然當下通過學習尋找意義感的人在社會中相對較少，但我認為未來這一群體會日益壯大。一個很好的例子就是多鄰國，它賦予了用戶花的時間一種意義感，同樣今晚有兩個小時，是刷兩個小時的多鄰國還是刷兩個小時的短視頻？刷多鄰國至少讓我感覺自己還在進步。

我們在做的事情本質(zhì)上是把最好的知識拆解、重組，然后適配給每個最個性化的人。我們現(xiàn)在的位置，第一步就是覆蓋下一代年輕人，在他們進入職場前，把他們的個性化 context 和品牌心智先積累起來。有了這一步，未來不管是添加更多的優(yōu)質(zhì)內(nèi)容，還是拿到他們更多的 context，都是實現(xiàn)長期愿景最好的第一步。

Founder Park：你會擔心如果 AGI 來了，人類「理解知識」這個過程也會被取代嗎？

李文軒：這個可能跟 AI 關(guān)系不大，跟腦機接口關(guān)系更大。如果真的有腦機接口的可能性或者達到一個商業(yè)化的可行區(qū)間，我們公司有可能會去做，這符合我們的愿景。

就算有腦機接口，它可能會變成一個基建，在這個基建上仍然能做應(yīng)用。如果未來所有人都有腦機接口的話，為腦機接口搭建一套內(nèi)容平臺和交互方式，我們也會去做。目前來看可能還比較遠。

轉(zhuǎn)載原創(chuàng)文章請?zhí)砑游⑿牛篺ounderparker