罗永浩最有信息密度的一期 AI 产品访谈

来深圳了，天气真舒服。我一边蹬着自行车，一边倍速听完了罗永浩和 Lovart CEO 陈冕的访谈。

这是我听过罗永浩最有信息密度的一期 AI 访谈了。收获特别特别大。

Lovart 是去年我除了 ChatGPT 外，使用最高频的产品。我们团队都付费了。

我自己还是觉得一款产品做得好，当然有运气的成分，有 Timing 的成分，但更多还是考验创始人的认知，就像 Manus，不得不承认，小红等人的认知还是非常强。我佩服的五体投地。

找了个咖啡馆迅速写了一些收获。

#01

做上游工作流的产品

陈冕说了一句话，我觉得特别关键：要做上游工作流的产品。上游在 AI 时代更容易出现结构性机会，下游对创业公司极不友好。

下游是那些已经会用专业工具的人，你帮他们提升效率。比如用 AI 帮 PR 用户自动调色，帮 AE 用户生成特效，帮 PS 用户抠图。

上游是那些有需求但没技能的人，你让他们能做原本做不到的事情。比如让不会剪辑的人也能做短视频，让不会设计的人也能做海报。

这个区别看起来很简单，但背后的商业逻辑完全不一样。

做下游，你永远在跟 Adobe、Final Cut Pro 这样的巨头竞争。他们有更好的工程师，更多的资源，更成熟的技术，更深的护城河。你很难赢。

但做上游，你在创造一个全新的市场。这个市场里的人，原本就不是 Adobe 的用户。他们不会因为你便宜一点就从 Adobe 切换过来，他们是因为你让他们能做原本根本做不到的事情。

陈冕举了个例子。

Midjourney 的用户下游大部分都是 Photoshop，但 Midjourney 做得很好。因为 Midjourney 做的是 Photoshop 的上游。

用 Midjourney 生成图片的人，很多原本不会用 PS，生成完了再导入 PS 做精修。所以 Midjourney 不是在跟 Adobe 抢用户。

这就是上游和下游的本质区别。做下游，你在存量市场里抢份额。做上游，你在增量市场里创造需求。

#02

为什么一定要做上游？

但这里有个更深的问题：为什么 AI 时代做上游比以前更容易？

陈冕说了一个很关键的判断：AI 的 Scaling 正在摧毁传统软件的工程壁垒。

以前你要做一个专业软件，比如视频剪辑软件，你需要几百个工程师，写几百万行代码，迭代好几年。光工程投入就是天文数字，创业公司根本没机会。

但现在有了 AI，很多功能可以直接通过模型实现。开发周期从几年缩短到几个月，工程师从几百人缩减到几十人。

创业公司和大厂第这至少让创业公司在某些过去完全没资格下场的方向上，第一次有了认真尝试的可能。

陈冕在字节做剪映商业化的时候发现，真正的市场增长往往来自那些原本被排除在外的人。

剪映的用户里，很大一部分人从来没用过 PR，甚至不知道 PR 是什么。他们就是想剪个短视频发抖音，分享自己的生活。

剪映降低了门槛，让这些人能做原本做不到的事情。

这个洞察直接影响了他做 Lovart 的方向。

全世界会用 PS 的人有多少？可能几百万。但全世界有设计需求的人有多少？可能几亿。这中间有巨大的鸿沟。

传统做法是培训更多人学会用 PS，但效率太低。陈冕的做法是，让 PS 这样的工具变得不再必要。至少对于大部分人的大部分需求来说，不再必要。

所以 Lovart 上线后，在无投放情况下就实现爆发式增长。因为它触达的是那些有设计需求但从来没用过专业设计工具的人。这个人群有多大？几亿人。

这就是 AI 时代和移动互联网时代的最大区别。

移动互联网时代，我们做的是把线下的事情搬到线上。

外卖是把餐馆搬到手机上，电商是把商场搬到手机上，打车是把出租车搬到手机上。本质上是渠道的变化，是效率的提升。

但 AI 时代，我们在做的是能力的普及。

设计能力，编程能力，写作能力，分析能力，这些原本需要多年训练才能掌握的技能，现在通过 AI 可以被大规模普及。这个观点太有启发了。

这不是渠道变了，而是生产力本身变了。

#03

怎么判断上游还是下游？

怎么判断你做的到底是上游还是下游？

陈冕给了一个很实用的判断方法：第一步，先看核心用户是谁。 如果用户本身就会用 PS 这类专业工具，你只是帮他们提升效率，那你大概率是在做下游。如果你的用户原本并不会用这些工具，那你才有可能站在它们的上游，或者在创造新需求。第二步，看你的用户完成任务后，还需不需要用其他工具。

如果需要，那你做的是上游。如果不需要，那你做的是新需求。

比如 Midjourney。用户用 Midjourney 生成图片后，很多人还要去 PS 里精修。所以 Midjourney 是上游。

但剪映呢？用户用剪映剪完视频，直接就可以发布了，不需要再去 PR 里处理。所以剪映是新需求。

Lovart 也是一样。用户用 Lovart 做完设计，直接就可以用了，不需要再去 PS 里调整。所以 Lovart 是新需求。

这个判断方法很简单，但很有效。

如果你发现你的用户完成任务后还需要用其他工具，那你要想清楚：你是在做上游，还是在做下游？

如果是上游，那很好，继续做。如果是下游，那要小心了，你可能在给别人打工。

#04

AGI 不会很快到来

陈冕的判断是：在未来相当长时间里，人类的审美和品味仍然是 AI 无法完全替代的。

因为审美和品味，本质上是对当下人类情绪和文化的敏锐捕捉。

文艺复兴时期的艺术风格之所以成为文艺复兴，是因为那是那个时代人们的审美需求。如果把那个风格放到现在，它不会成为文艺复兴，因为时代变了，人的情绪变了。

AI 可以学习已有风格，但很难创造出真正符合当下人类情绪的新风格。至少在 AGI 实现之前，这仍然是人类独有的能力。

所以陈冕说，如果 AI 还在 AGI 之前，大部分水平中下游的、同质化的、没有审美的从业者会被 AI 取代。

但那些有想法、有创造力、有审美、有品味的设计师，会比以前赚得更多。因为他们的稀缺性更高了。

同质化、低审美密度的工作更容易被 AI 替代。

这就是 Lovart 抓住的机会。它一方面降低设计门槛，让不会设计的普通人也能做出专业级作品。另一方面通过社区让有独特审美的创作者贡献风格和模板，从而获得更高收益。

陈冕在剪映做商业化时就发现，用户愿意为什么付费？不是为基础功能付费，而是为独特的素材、独特的风格、独特的审美付费。

这些东西恰恰是 AI 短期内很难完全替代的。

所以 AI 时代的创业机会在于：认清 AGI 短期不会很快到来这个现实，然后在 AI 和人类之间找到平衡点。让 AI 负责执行、生产、标准化，让人类负责审美、创新、品味。

#05

总结

1、很多 AI 创业卡住的地方，根源在于创始团队离真实使用场景太远。

陈冕提到，他见过不少团队一开始就高度关注模型能力、参数规模，却很少长期蹲在用户现场，去看用户怎么用、哪里不用、为什么会放弃。

结果往往是技术上很领先，但用户并没有明确的使用理由。

2、判断一个 AI 项目是否值得做，核心不在于技术可行性，而在于问题本身的独特性。

陈冕在做决策时，会反复问一个问题：如果没有 AI，这件事是不是根本无法成立。如果答案是否定的，那这个机会往往不够大。

3、AI 真正有价值的地方，是替用户接管那些本就不该消耗大量人力和注意力的工作。

很多重复、高频、判断价值很低的任务，其实是被历史流程强行留给人的。AI 的作用，是把这些部分整体拿走，而不是让人配合它干更多事。

4、用户对学习成本的耐心非常有限。大多数用户并不会因为产品技术先进，就愿意多学一套新逻辑。

如果一个 AI 产品一开始就要求用户理解概念、调整参数、重塑使用习惯，流失几乎是必然的。真正好的体验，应该是在几乎不打扰用户的情况下完成关键任务。

5、在产品早期阶段，比起规模数据，更重要的是验证强需求。

Lovart 更关注的是有没有一小撮用户，明确表现出依赖感，甚至主动回来用。只要这种高密度需求存在，方向基本就站得住。

6、模型能力本身并不会自动转化为好体验。真正决定产品是否好用的，是任务如何被拆解、交互顺序怎么安排、默认行为是否合理。

这些看起来很细碎的产品决策，往往比模型参数更关键。很多 AI 产品难用，本质上是复杂性没有被团队消化。

7、在 AI 创业中，不确定性是常态。

陈冕并不推崇一开始就追求什么完美方案，而是更看重团队能否快速试错、及时修正方向。节奏感和调整能力，往往比一次性判断正确更重要。

8、技术进步本身很容易让人分心。过度关注模型更新和行业动态，反而可能让团队逐渐偏离真实问题。

真正需要长期投入精力的，是对用户需求的理解，而不是不停的追着技术的热度节奏跑。

9、判断一个 AI 产品能否长期存在，一个重要标准是它能否自然嵌入用户的原有流程。

只要在关键节点帮用户把卡点打通，产品就有留下来的理由，并不需要替换整套系统。

文章来自于微信公众号 “AI产品阿颖”，作者 “AI产品阿颖”