AI news

对话陈炜鹏:Loopit 有了 1500 万件作品之后,我们决定做自己的互动世界模型

By Founder Park1 viewsSource: Founder Park
对话陈炜鹏:Loopit 有了 1500 万件作品之后,我们决定做自己的互动世界模型

从百川出来之后,陈炜鹏没有立即再做一个模型,而是先做了一款 ToC 的产品——Loopit。 Loopit 今年 2 月面世,发布的次日就在 X 上获得了马斯克的点赞。目前平台已经积累近 1500 万

The full text has not been translated yet. The Chinese original is shown below.

从百川出来之后,陈炜鹏没有立即再做一个模型,而是先做了一款 ToC 的产品——Loopit。

Loopit 今年 2 月面世,发布的次日就在 X 上获得了马斯克的点赞。目前平台已经积累近 1500 万个作品,北美数十万青少年已经形成稳定使用习惯,活跃当日平均使用超过 1 小时。对这些人来说,Loopit 已经越过了新鲜玩具的阶段。

Loopit 验证了 AI 可以让普通人创造过去只有专业开发者才能完成的互动内容。但随着平台上的表达越来越丰富,团队开始思考下一步:互动内容是不是可以不在发布时结束,在被体验的过程中仍然能继续生长?

也是基于此,团队发布了他们的首个模型,互动世界模型 Zing-0.5,开始验证这种新的内容形态。Zing-0.5 让用户可以一边探索场景,一边通过自然语言持续改变正在发生的世界。这是 Loopit 走向互动世界模型的第一步。未来,Loopit 希望让每个人都能创造、进入并不断改变属于自己的数字世界。

一家已经跑出数据和场景的应用公司,为什么开始自己做模型?

陈炜鹏的回答是,AI 产品所有的「Aha moment」,都来自新技术创造的新体验,模型和应用不能分开。Loopit 跑了半年,他们越来越清楚下一代体验该长什么样,也看到了靠现成的模型走不到那里。对 Loopit 来说,自研模型不是要离开产品进入另一个赛道,是为了继续拓展产品的边界。

能同时理解产品和模型的人不多,陈炜鹏的经历却很合适。他在搜狗做过搜索研发总经理,在 Soul 负责过年轻人内容社区,又作为百川智能联合创始人和大模型负责人,主导了 BaiChuan 1-4 系列的模型训练。这些经历最终在 Loopit 汇合到一起,指向的是:技术怎样重新定义人创造和消费内容的方式。

以下是 Founder Park 与涌跃智能联合创始人兼 CEO 陈炜鹏的对话,经编辑整理。

01

累计近 1500 万个互动内容作品,

Loopit 验证了一种新的内容形式

Founder Park:Loopit 目前的产品数据和用户表现怎么样?

陈炜鹏:Loopit 上线半年,我们最重要的收获,是在北美青少年、尤其是女学生中,看到了一批已经形成稳定使用习惯的用户。

目前有数十万北美青少年用户,每周至少活跃 2-3 天,活跃当日平均使用时长超过 1 小时,人均创作超过 10 个作品,热门内容能获得数十万赞。她们经常在评论区 @ 朋友一起玩内容,社区氛围明确形成。

上线至今,平台累计创作近 1500 万个作品,游玩超 20 亿次,积累了数百亿次互动轨迹。

这些数据让我们确认,Loopit 对一部分用户来说,不再是玩三五天就放下的新鲜玩具,已经变成一种持续消费、表达和互动的内容产品。

下一阶段的重点,一是持续渗透青少年人群,二是通过技术迭代打动更多年龄段的用户。

Founder Park:为什么首先在北美青少年女生中看到了深度使用?Loopit 为她们提供了哪些其他平台没有的体验?

陈炜鹏:我们对这件事的认识也在逐步加深。最开始,我们以为大家来 Loopit 是为了做数字艺术、玩梗或者玩小游戏的。后来发现,她们并不只关注某一种内容或形式,更像是在用「可以玩的内容」表达自己。

有人会做一个关于自己喜欢什么、不喜欢什么的选择器,如果另一个人的选择和她一样,两个人会在评论区聊起来。有人创建偶像 Agent 聊天,聊完之后评论、截屏。也有人在内容里 @ 朋友,或者把别人的作品「魔改」成自己的版本。年轻人在玩什么,慢慢都会在平台上留下痕迹,Loopit 因此越来越接近一个内容平台。

我们想做的,是让用户像在抖音上一样表达自己,但把互动内容作为表达手段。它呈现出来有点像 Roblox,很多内容可以交互、可以玩,创作门槛又比 Roblox 低得多。

Founder Park:Loopit 现在的定位还是「可以玩的抖音」吗?

陈炜鹏:「可以玩的抖音」是用户理解 Loopit 的一种方式。当一个新品类刚出现时,往往需要借助已有概念去理解。

我们相信的是,互动会成为一种新的表达方式,并有机会创造一个全新的内容平台。过去,小游戏、角色扮演和互动影游都被称为互动内容,但它们通常是一种具体品类。Loopit 想做的,是让互动本身成为和图片、视频一样普遍的内容媒介。

沿着这个方向继续发展,最终每个人都可以创造一个自己的数字世界,其他人不仅能够进入,也能参与并继续改变它。

Founder Park:你之前认为,社区产品不需要过早讨论商业化。现在是怎么考虑的?Loopit 有在规划哪些商业模式吗?

陈炜鹏:相比单纯观看内容,互动内容天然包含角色、道具和场景,因此商业化可以更自然地融入体验。比如在一个赛车内容里,用户驾驶的可以是虚构汽车,也可以是真实品牌车型。

长期来看,Loopit 可能同时存在广告和增值服务两种模式。广告更依赖用户规模和消费时长。增值服务则可以更早围绕创作者展开,比如提供高级创作能力、模板和特殊道具。未来如果开放支付能力,创作者也可以在自己的互动内容里设计付费体验,并参与收益分配。

我们对这些路径有过不少设想,但不会过早确定答案。

现阶段最重要的还是持续提升产品体验,先证明互动内容能够形成一个足够大、足够活跃的平台。

Founder Park:Loopit 上的用户主要是在消费内容,还是会主动参与创作?

陈炜鹏:用户大部分时间都在消费内容,平均大约 90% 的时间用于消费。不过,Loopit 的创作率比传统内容平台高很多,创作者的留存也明显高于只消费内容的用户。

Loopit 还有一个特点,就是消费和创作之间的距离很短。用户体验完一个作品,可以直接改编、加入自己的想法,再发布成一个新版本。对很多用户来说,创作不是一个需要专门开始的任务,是消费之后自然发生的行为。

今天,Loopit 已经让普通人可以创造过去需要专业开发者才能完成的互动内容。下一步,我们希望进一步拓展内容的多样性和复杂度,让互动内容不只是在发布前被创作出来,也可以在被体验的过程中继续生长。

现有 AI Coding 和多模态模型还无法完整支撑这种体验,这也是我们选择在这一阶段启动自研模型的原因之一。我们没有离开 Loopit 去做另一件事,是希望通过新的模型能力,继续打开互动内容的边界。

02

先有了 Loopit 这个产品,

才知道怎么做模型

Founder Park:你们看到了什么技术边界?为什么现有的 Coding 和多模态无法支撑 Loopit 的下一阶段?

陈炜鹏:举个例子,Loopit 上有位用户去长白山滑雪,回来后做了一个相关的互动内容。用 AI Coding 可以把滑雪规则设计得很好,包括速度、转向、碰撞和计时,但很难生成一个真实、开阔的长白山雪场。借助视频模型可以生成雪山、林海和雪雾的效果,却无法让滑雪者在里面自由探索,比如撞倒一棵树之后应该发生什么。

现阶段,AI Coding 和多模态在互动内容中的应用仍然以「预烘焙」为主。在实时性、开放性和多样性上都有很大的局限。我们自己的 Zing 模型是从非常具体的问题里长出来的,怎样让 Coding 去掌管世界应该怎么运行,让实时视频生成模型负责把用户想象中的场景呈现出来。

我们不是先做一个模型,再去寻找场景,而是先做了 Loopit 这个产品。在这个产品里面,对现有技术的边界会看得比过去更清楚。

Founder Park:你们是什么时候开始自己做 Zing 模型的?

陈炜鹏:我们从创业第一天就认为,未来会是「模应一体」的竞争。模型公司会做应用,应用公司也会做模型。所以,最初组建的创始团队就以模型背景为主。我和施政之前在百川做语言模型,另一位联创 Henry 曾是字节 Seedance post-training 的算法负责人,做文生视频出身。

不过刚开始,我们并没有想清楚究竟应该做什么模型,所以没有着急去做。Loopit 上线之后,我们才加大了对模型的投入,大概从今年 3、4 月开始推进。

在 Loopit 里,我们已经积累了很多 AI Coding 对复杂场景和角色进行建模的能力。在这个基础上,我们开始做实时交互视频生成,也就是这次发布的第一版 Zing-0.5 模型。

下一步,我们会把 Agent 和 Zing 结合起来,将已有的 Coding 能力和实时交互视频生成连接起来,让它既能掌握世界运行的规律,又能提供非常丰富、多样的画面呈现。下一版 Zing-1 大概会在三个月内推出。

Founder Park:Zing-0.5 最核心的能力是什么?

陈炜鹏:边玩边改。现在不少实时交互视频模型支持用户在一个场景里探索,也就是「玩」。还有一种导演模式,用户输入一句话,模型生成一个新场景。但很少有模型能让用户在玩的过程中持续修改世界。Zing-0.5 实现的是 Prompt 和 Motion 能够联合控制,既能响应用户的运动操作,也能持续跟随自然语言指令。

比如你正在长白山的雪道上向前滑,不需要停下来重新生成,只要说「让雪板喷射火焰」「召唤一场暴风雪」,世界就会沿着你前进的速度和方向继续生成场景。用户在操作过程中,还能不断创造新的角色、能力和场景。

未来一两周内,用户应该就能在 Loopit 里体验到这样的玩法。

这也会改变过去整个创作者和消费者的模式。过去,角色和规则主要由创作者在发布前设定,其他用户进入后,可以在这些基础上体验和 remix。引入 Zing 之后,整个世界会变得更开放。创作者只需要创造一个起点,比如「一座被巨龙占领的城市」,进入世界的人可以在里面增加角色、剧情和能力,内容在被消费的过程中继续生长。

03

Zing 现在还不是完整的世界模型,

但正在走向那里

Founder Park:你们会认为 Zing-0.5 是「世界模型」吗?

陈炜鹏:它更像一个实时交互视频生成模型,还不是我们理想定义的互动世界模型。

因为一个世界模型需要完整的状态、规则,也要有长期记忆和多人同步。比如一座桥被摧毁之后,之后的道路、任务和角色行为都应该受到影响。不同的人从不同视角进入同一空间,面对的应该是同一组已经发生的事实。

Zing-0.5 已经解决了一部分实时交互和联合控制问题,但在状态、记忆和多人同步上还很不完整,所以我们把它叫作 0.5。

Founder Park:下一版 Zing-1 相比 0.5 会有哪些提升?

陈炜鹏:Zing-1 会更像一个完整的模型或系统。它会基于可控渲染,把 Coding 和实时视频生成结合起来,更好地管理整个世界的规则和状态。Zing-1 也会开始拥有角色和一定的记忆。多人同步可能仍然相对弱一些,但我们已经开始进入这条路线。

Founder Park:再往后会怎么演进?最终会是一个怎样的模型?

陈炜鹏:长期来看,我们希望它逐步走向端到端,但中间需要经过几个阶段。Zing-1 之后的下个阶段,我们可能会继续推进长期记忆和多人同步。在这个过程中沉淀下来的数据,会让模型对世界的建模有机会逐渐走向端到端。但这件事需要一个周期,就像自动驾驶过去也经历过相似的过程。

Founder Park:在你们的世界模型路线里,Coding 和多模态分别负责什么?

陈炜鹏:Coding 负责整个世界的规则、状态,还有长期记忆的同步。多模态负责交互和渲染。两者共同组成完整的系统。

如果只让模型预测下一帧,画面可能在视觉上合理,但世界内部的状态不一定真的发生了对应变化。Coding 的优势在于,可以把模型理解的规则显式表达出来,使其能够被执行、验证和持续更新。。

我们的目标可以概括成一句话,先计算世界发生了什么,再生成用户看到的世界。这就是我们所说的可控渲染。

Founder Park:那 Zing 的自研部分具体体现在哪里?

陈炜鹏:它并不是把一个第三方语言模型和一个第三方实时视频生成模型简单结合起来。我们主要解决了四部分问题,一是自研实时交互视频模型。第二,设计视频模型与 Coding 之间的分工和连接方式。第三,建立训练和评价方式。第四,构建低成本实时推理系统。

目前行业还没有形成统一、完备的 Benchmark。我们会做大量 side-by-side 对比,评价模型在 Prompt 与 Motion 联合控制等方面的表现。

低成本推理也是核心能力,我们现在平均玩一分钟,成本只有几分钱人民币,比市场上同类产品的成本要低一到两个数量级。因为实时交互只有进入产品、规模化运行,才会产生真正有价值的数据。

Founder Park:生成速度、成本、画面质量和物理准确性,你们现阶段会怎么排优先级?

陈炜鹏:这几个问题都很重要,包括自由度和视觉呈现。我们重点攻克的是如何构造一个相对开放的世界,但这个世界里的物理规律,可能需要更长时间才能解决。

所以在当前阶段做 Zing 的时候,成本和实时性反而更加重要。如果希望规模化部署并获得数据,首先要有一个能击中用户的基础体验。它不必第一天就达到 90 分,但必须在某一点上让用户愿意持续使用。

当然,目前整个模型还处于相对早期的阶段。如果让大量用户同时使用,延迟和稳定性可能还需要一段爬坡期。但经历了过去几年大模型的发展,我觉得我们应该对技术进步有充分的信心。两年前讨论视频生成时,最经典的案例还是吃面条时会从鼻孔里穿过去。但发展到今天,视频生成的成熟度已经突飞猛进。

04

实时视频生成无法直接走到世界模型

Founder Park:当前世界模型领域,各种技术路线其实还没有收敛。为什么你们认为把 Coding 和多模态结合起来有机会跑出来?

陈炜鹏:我们认为,只让模型预测下一帧是不够的。如果想构建一个相对完整的世界,可能还需要一套可以计算的规则,Coding 能够在其中扮演非常重要的角色。

我们想做的其实就是两部分。一是构建一个实时交互的视频生成模型,这个模型能够接受 Coding 模型给它的信号。二是这两个模型在整个运行的过程中能够不断地相互影响。

以目前的技术成熟度来看,这条路线已经具备一定的可行性,而且确实能够产生下一个阶段所需要的数据,这一点非常重要。对于模型来说,早期可能比拼的是算法和结构,但长期竞争最终都会转化为数据的竞争。

Coding 在加速,多模态也在加速,我们做两者结合的过程也在加速。这会让我们更清楚地看清不同技术路线的能力边界。去年我们刚出发的时候就在设想,Coding 为什么只能是一个生产力工具,它是不是可以变成一种表达工具?今年,我也开始看到有人在往相同的方向去思考这个问题,相信会有越来越多的人把这视为一条重要路径。

现阶段,大家对数字世界模型和物理世界模型的定义都不完全一样,要解决的问题也不同,所以很难一开始就有一条统一路径。问题定义不同,势必也会导致数据和模型设计上的差别。长期来看,不同路线最终可能会走向统一,只是现在还会有一段彼此分离、各自探索的时期。

Founder Park:讲世界模型故事的公司很多,类型也不一样,你们在这个生态里的位置是什么?

陈炜鹏:所谓世界模型可能会分两个不同的领域,一个是做物理空间的,一个是做数字空间的。我们做的是数字空间,跟具身智能公司的想象不完全一样。

在数字空间里面,也有一波公司是从应用切入进来的。我们关注的不是一家公司被称作世界模型公司,还是互动内容公司。更重要的是,谁能把模型和场景打通。我们选择从模应一体的角度切进去,是因为觉得这条路径更有可能走到赛道的终局。

Founder Park:把模型和场景打通为什么重要?

陈炜鹏:算法的核心驱动力来自三个部分:模型本身,尤其是模型结构;数据;场景。只有三个方面都非常成熟,这个技术才会非常成熟。

今天行业里很多人会把世界模型这个赛道当作文生视频赛道的延伸,但其实它们的技术逻辑不太一样。

文生视频一开始就有两个条件是成熟的。第一,YouTube 和短视频平台集结了非常多的数据,数据一开始就很成熟。第二,文生视频的产业链路没那么长,场景比较成熟,技术攻克之后很容易在一个场景里落地并获得商业收益。所以它当时最难的问题其实是模型问题,解决了模型问题之后所有问题都会被推开。

但交互世界模型不是这样的,三个方面的条件都不成熟。首先,一开始就没有大量的交互数据。今天整个世界里有规模化交互数据的可能只有游戏,但游戏产业是一个相对封闭和割裂的产业。它们的数据是不共享的,被限制在一家公司或一个游戏里面,没办法 scaling。而且大家对游戏里能够完成的这些行为、定义也是不一致的,这些数据在某种程度上是孤岛,没有被标准化。

其次,游戏产业的应用场景链条非常长。AI 进入到游戏里面,到现在依旧没有建立一个端到端的场景,只能成为整个链条中的一部分,规模化应用和商业价值某种程度上会被限制。再次才是模型的问题。

所以虽然交互世界模型表面上像文生视频,但实际上技术逻辑更接近自动驾驶。有很多人试图从模型的角度切进去,但只有模型还不够,还需要真实产品持续产生数据、验证体验。既做产品又做模型的公司,更有机会在早期形成这种闭环。因为它会在早期获得非常规模化的数据优势,这是驱动技术快速发展的重要前置条件。

Founder Park:按这个逻辑推演,今天游戏公司去做实时交互模型或世界模型,会有非常大的优势吗?

陈炜鹏:游戏公司的数据其实也很难规模化。今天每家游戏公司拥有的数据是有限的,远远不像过去的视频领域一样,可能三家公司就拥有了这个世界里的绝大部分视频数据。但没有一家游戏公司,能够覆盖游戏世界中的很大一部分。很多游戏过去也不会按照模型训练的目标,系统性地保存和组织完整交互轨迹。即使保存了,数据通常也集中在有限的游戏、场景和规则体系中。

对于模型来说,规模化很重要,因为规模能产生多样性,多样性才是更有价值的。比如今天去采集 GTA 的数据,采集 10 万小时跟 100 万小时、1000 万小时,边际效应是非常显著递减的,因为多样性不够。

模拟数据对自动驾驶很有价值,但仍然需要真实世界数据不断补充 Corner Case。类似地,游戏数据能够提供很好的起点,却不一定天然覆盖开放数字世界需要的全部状态、规则和行为。

Founder Park:那实时视频生成能通向世界模型吗?

陈炜鹏:靠实时视频生成去理解规则、状态和长期同步很困难。画面可能在视觉上合理,但世界内部的状态不一定真的发生了对应变化。

做视频生成或游戏的产品切入到这个赛道里,虽然有用户的先发优势,但这不完全等于巨大的模型优势。因为传统视频数据通常缺少动作与结果之间的交互反馈,游戏数据虽然包含交互,但往往局限于特定规则和场景。

它们仍然需要围绕新的产品目标重新构造场景,在这个场景里产生的数据才有价值。数据只有知道怎么用、服务于什么、怎么被评价,才是有价值的,并不是所有过去的数据都能迁移过来。

我们早期也会怀疑,是不是因为我过去做语言模型,所以更相信语言能够承载智能。团队里也有人做视频生成,最开始我们对于边界的判断并不完全一致。

但经过这段时间的摸索,大家形成了更充分的共识。现阶段,纯靠实时视频生成还走不到完整的世界模型。相比把所有规则和状态都隐含在像素预测中,我们认为可控渲染是一条更具可行性的路径。

05

模型进入产品后,

Loopit 的数据飞轮才会完整转起来

Founder Park:Loopit 的哪些用户行为,对训练模型来说是真正有价值的?

陈炜鹏:整体分为两个阶段。

在第一阶段,Loopit 今天虽然有近 1500 万个作品,但并不能让我们都直接拿来训模型。它最重要的价值是,通过这样大规模的用户使用,我们能够看清楚用户想要什么、他们在过程里改了什么、最后会发布什么,以及别人对这些内容是怎么玩的、怎样继续创建的。这能让我们更清楚互动内容在当前阶段的用户需求,也决定了我们的模型应该从哪些能力切入。

第二阶段会从 Zing-0.5 进入产品之后开始,用户围绕这个模型的每一次提示词、操作,包括它产生的这个世界、在这个世界里每一次交互产生的反馈,会组成更完整的交互轨迹,用于后续模型迭代。

所以,Loopit 的数据飞轮不是从 Zing 上线之后才开始。前一个阶段已经帮助我们定义模型,接下来要验证的是,模型进入产品后产生的数据,能否继续改善下一代模型。Zing-1 目前已经开始训练,后续版本和持续迭代会逐步使用 Zing-0.5 上线后产生的数据。

Founder Park:你们想跑起来的数据飞轮,最难的环节在哪里?

陈炜鹏:利用产品获得多样数据、基于数据合成新的训练样本,再反过来改进模型,这套路径在 LLM 领域已经得到验证。

我们的复杂性在于,怎么设计一套系统,让 LLM、Coding 和实时视频生成合理分工、有效协同。一是要把 Coding 模型和实时视频生成模型之间的交互逻辑、连接方式和分工设计清楚,这决定了各自在解决什么问题、怎样建模、信号怎样反馈。第二,要找到一个主观的训练目标,同时让它与业务目标形成好的衔接。

Founder Park:互动内容是一个很主观的评价体系,你们内部怎么 evaluate 数据的价值?

陈炜鹏:评价分为客观和主观两个层次。

客观部分包括用户的指令有没有生效,生成的角色有没有按照规则行动,有没有逻辑 Bug,或者不符合物理规律的地方。这部分比较容易验证和迭代,因为编译和渲染后的画面可以反馈给 Coding 模型。

主观部分在于内容是不是真的好玩,这需要综合判断。我们会结合创作者和消费者的使用时长、Remix 链路、分享等维度,来判断这个体验是不是好的。

Founder Park:目前积累数据够用吗?还需要合成数据吗?

陈炜鹏:现阶段肯定不能说数据已经足够。我们的训练会同时使用公开数据、自有数据和合成数据,这也是当前模型训练比较普遍的方式。

合成数据的价值在于,可以有针对性地补充真实产品中还没有充分覆盖的角色、场景、动作和 Corner Case。但合成数据是否有价值,取决于能不能构造出足够多样的环境,也取决于有没有反馈来验证它。

Loopit 的意义就在于,它提供了一个真实的互动内容环境。我们可以利用合成数据训练模型,再把模型放进 Loopit,接受真实用户的选择和反馈。

Founder Park:通过 Loopit 积累的数据,能够实现多样性吗?之后会考虑别的产品形态吗?

陈炜鹏:Loopit 的优势是,平台内容不局限于单一游戏或规则体系,用户每天都在创造不同的角色、场景和玩法,这为数据多样性提供了一个很好的起点。但它最终是否足够,还需要随着 Zing 进入产品继续验证。

我们不会考虑同时做多个不同的产品。Loopit 是我们目前认为最适合承载数字世界、验证模型能力的产品形态,现阶段更重要的是把这一个产品和模型的闭环跑通。

至于面向 B 端卖 API,不是我们当前认为最重要的事情。这个领域目前缺少的并不只是模型,还缺少真正成立的应用场景。Loopit 发布之后,已经有不少世界模型团队希望把模型接入我们的平台,这也说明,一个拥有真实用户和交互反馈的消费产品,是当前行业里相对稀缺的验证环境。

06

模应一体,

不意味着所有模型都要自己做

Founder Park:自研模型需要更重的投入,会不会拖慢产品的增长节奏?

陈炜鹏:这取决于我们怎么理解 AI 产品。移动互联网时代,产品更多是在既有技术条件下发现需求、持续打磨体验。但今天 AI 产品很多关键的「Aha moment」,都来自新技术创造了过去不存在的体验。团队能不能持续运用新技术、向用户展示新的「魔法」,会直接决定产品的边界。

这也是为什么我们一直强调「模应一体」。模型和产品不是两个独立方向,要围绕同一个用户体验共同迭代。

模型研发确实需要投入更多资源,也会对公司的资源分配提出更高要求。但长期来看,最大的风险不是模型拖慢了产品节奏,是你已经通过产品和用户反馈发现了下一代体验,却没有能力把它做出来。真正需要把握的,是模型投入与产品验证之间的节奏。

Founder Park:现在行业里,有哪些公司是你们比较关注的?

陈炜鹏:今天会更关心那些从模型切入但又有产品想象的公司,他们什么时候开始会完成产品闭环。

Founder Park:为什么不是关注先有产品,再去做模型的公司?

陈炜鹏:因为从应用走向模型,并不是简单增加一个算法团队。它要求公司能够定义训练目标、组织数据、建立评价体系,也要求模型和产品团队从一开始就用同一套方式思考问题。这些能力很难在后期快速补齐。

我过去组建过两个模型团队,非常清楚其中的难度。今天优秀的算法人才有很多选择,一家公司不仅要有足够重要的问题,还要具备技术判断和组织能力,才能吸引他们加入,真正形成一支有效的模型团队。

Loopit 相对特殊的一点是,我们从创业第一天就按照「模应一体」的方式组建团队。创始团队同时有语言模型、视频生成和消费产品的经验,只是早期还没有明确应该做什么模型,所以先通过 Loopit 寻找真实场景、定义问题。等产品帮助我们看清技术边界之后,才开始集中投入 Zing。

因此,我们不是在产品运行半年后临时补一个模型团队。用产品先明确了模型应该解决什么,我们再启动一支原本就具备相应能力的团队。

Founder Park:模型和应用公司的格局会变成什么样?基模能力越来越强,是模型会吃掉所有应用,还是每一家应用公司最后都会有自己的模型?

陈炜鹏:长期来说,模型公司会走到应用,应用公司会走到模型,这件事在今天的大模型公司和创业公司都得到了应验。

本质是因为今天的产品体验很依赖模型的能力,但这里面有一个 trade off:不是所有能力都要来自于我们自己,要思考哪些能力可以借助今天非常好的开放生态、哪些能力要自己掌握。

就像造车一样,不是每家公司都要造发动机、车架,但今天每一个做新能源汽车的都会试图让自己掌握自动驾驶的能力。因为在这项技术上,车企自身可能更有优势。

07

基于今天的用户需求出发,

只能造出更快的马车

Founder Park:三位联创都有大模型背景,这对你们既做模型又做应用来说有哪些帮助?

陈炜鹏:最大的帮助不只是团队更愿意或者更擅长做模型。更重要的是,从创业第一天开始,产品和模型就在用同一套思考体系解决问题。

因为模应一体最难的地方,不是分别组建一个最好的产品团队和最好的模型团队,再让双方共同定义问题。这在现实中几乎很难发生。最好的方式,是让产品思维和模型思维长在同一个脑子里。

这样可以显著减少产品和模型之间的翻译空间,也能更清楚地判断哪些能力应该自研,哪些能力应该使用外部模型。我们不该在别人占优势的地方花太多精力,也不能在最关键的环节缺少前置思考。

我们这个团队最大的优势,自己总结一个词叫「技术想象力」。我们的想象力是基于对技术的思考,今天很多人有想象力但脱离了可能性,很多人很务实但缺少对未来的想象。

Founder Park:三位联创之间怎么分工?

陈炜鹏:大家关注点差别还是蛮大的。Henry 更关心怎么样把技术落下来,主要精力花在技术落地上面。施政更多精力花在对外合作、运营上面。我花很多时间在产品和技术的定义上面,包括公司下一步往哪里走、以什么节奏推进,以及技术和产品之间的关系。

我们团队现在 60 多个人。不同角色的背景可能有差异化,工程、产品、运营的人员画像差异可能比较大。三位联创相对有经验,所以整体希望保持一支年轻、开放的团队,给年轻成员更大的空间。

Founder Park:你们产品和模型团队的工作方式是怎样的?

陈炜鹏:从第一天开始,我们就会思考要创造什么样的产品体验,把技术和产品放在一个团队里面。

产品要思考场景应该怎样定义、怎样评价,甚至可以借助已有技术,先做出一个非常简单的产品原型。技术会在里面找到哪些边界是可以被未来技术扩展的,再去继续调整。我们的技术和产品边界没有那么清晰,甚至很多模型训练数据是产品产生的。

AI 带来的一个很大变化,是改变了我们对人才的理解。我们更喜欢那些有跨界能力、对自己不设限的人。一路走下来,也发现只有这样的人,才能创造新的可能性。

我们不会简单地按照「产品提出一个功能、技术负责实现」的方式工作。大家会一起思考技术未来可能发展到哪里,它能创造哪些过去不存在的体验,再回到真实用户中验证这些判断。

用户今天提出的需求当然非常重要,但他们通常只能描述当前体验中哪里不够好,很难直接定义一种从未出现过的新产品。我们既要解决今天的问题,也要理解技术可能带来的新行为。

如果只优化已有需求,可能得到一辆更快的马车。但如果完全离开用户,造出来的汽车也可能没有人开。

Founder Park:这样的组织形态,跟你之前待过的公司有很大不同吗?

陈炜鹏:最大的不同,还是做 AI 产品跟以前做互联网产品的思维差异。AI 产品应该围绕着能力去做,而不应该围绕着功能。我们宁可 Loopit 是一个 70 分但有扩展性的产品,也不希望做成一个 90 分但没有扩展性的产品,技术的快速发展会持续提升产品力。

也包括团队怎样选人。我们构建的是一个有互补性和宽度的团队,更鼓励自下而上的创新。我们做的是一个创新型的产品,会给团队非常大的自由度。但我会守住边界,想清楚哪些事情一定不会做、不会轻易尝试。

比如去年启动这个产品时,我们讨论了很长时间,最后对「要不要借助非常成熟的游戏引擎」这件事说了 No。成熟引擎在画面、物理和工具链上有明显优势,但也会让内容生产依赖预先定义的资产、组件和规则。我们最终选择搭建更适合 AI 生成与运行的技术体系,是因为判断 Coding 和生成模型的进步会持续降低互动内容的生产门槛,也会让内容形态变得更加开放。

08

先想清楚爬哪座山,

路可以边走边找

Founder Park:从搜狗、Soul 到百川,哪段经历对你今天做 Loopit 帮助最大?

陈炜鹏:每一段经历都会让我有不一样的思考,给我去做一个全新事情的信心,因为这几段经历的差异性其实很大。

在搜狗,我更多从技术角度思考,面对大量用户和内容时,怎么通过搜索和推荐连接需求与供给。

Soul 让我花更多时间理解年轻人在玩什么。一个社区并不是内容数量的简单累积,用户为什么表达、为什么互动,最终形成什么关系和身份,会决定产品能否长期发展。

百川给我带来的经验,是怎样更好地思考模型能力的边界,以及模型研发需要什么样的数据、评价和工程体系。

但真正创业之后,我觉得最大的挑战是,过去做的产品在某种程度上都有相对明确的答案,目标和边界也比较清晰。但今天 Loopit 的定位是 AI-Native 内容形态的探索者,我们不仅要思考如何解决问题,更重要的是判断哪些问题值得我们去解决,这可能是一个全新的挑战。

Founder Park:面对一条没有标准答案的路,你会焦虑吗?

陈炜鹏:肯定会。我同时有很强的焦虑感和推背感。

焦虑来自于总希望更快把想象中的事情变成现实,有一种时不我待的感觉。越想到未来,焦虑可能越强。推背感和底气来自于,我们确实看到 Coding 和多模态在快速进步,也看到一批真实用户已经开始接受今天还不成熟的互动内容。

这些变化不断扩大 Loopit 的可能性。当然,技术发展的速度和方向并不完全可控,我们能做的是持续判断它的边界,尽可能把每一次能力进步转化成新的产品体验。

Founder Park:技术几个月就会发生一次变化,怎么想象 3 年、5 年后的产品?

陈炜鹏:我们只能先想清楚要爬哪一座山,怎么爬要在前进中探索。但一开始设定的终点,需要有足够的想象力。

我对技术是比较乐观的。就像文生视频一样,两年前我们绝对想象不到今天会是这样的状态,互动内容这个领域也是一样。而且我们可能比过去要更幸运的是,今天出发的时候,已经有一波用户喜欢和接受了现在技术还相对不成熟的产品形态。这意味着我们不是完全基于技术趋势想象未来,可以一边服务真实用户,一边向更长期的方向推进。

Founder Park:你设想中的数字世界,最终是什么形态?

陈炜鹏:它会是一个全新的数字世界。人们可以在里面体验,也可以社交。视频和游戏的界限会越来越模糊,互动内容既是一种内容,也是一种社交场。

我们希望最终每个人都能创造一个自己的数字世界,其他人可以进入、参与并继续改变它,而 Loopit 成为承载这些世界的平台。今天我们对产品和模型的探索,都是为了让这件事更接近现实。

Founder Park:如果两三年后,Loopit、Zing 模型和数据飞轮没有像预想中那么顺利,最可能卡在哪里?

陈炜鹏:我自己也在思考这个问题。最大的可能,是我们没有把握好技术和产品之间的边界与节奏。

一种情况是,我们过于超前地投资了某项技术,预期它能产生产品价值,但它的实际成熟速度比想象中更悲观。另一种情况是,我们被今天看到的用户需求限制住,错过了用技术创造、升级新体验的机会。

真正困难的是,既不能让技术投入远离产品验证,也不能只优化眼前指标,失去创造下一代体验的机会。今天我们对自己有信心,是因为过去是一个技术团队,又通过 Loopit 获得了真实用户和产品反馈,这可能是我们的起点。

但我们没有办法假设对未来的每一个思考都是对的。追求绝对正确其实没有意义和价值,我们要追求的是快速迭代的能力。团队同时拥有模型和产品两方面的认知,是我们快速验证和调整的基础。

Founder Park:你觉得行业里留给 Loopit 的空间有多大?

陈炜鹏:如果互动最终能像图片和视频一样成为一种普遍的内容媒介,那么它对应的不只是一个工具或一类游戏,可能是一个新的内容平台,空间足够大。但这个判断今天还没有被完全证明,Loopit 也只是验证了其中一部分用户和场景。

我们自己的焦虑从来不来自于外部。如果看到别人做了什么,就立刻对自己的动作产生很大影响,这反而是一个需要警惕的问题,说明我们对这件事情的思考不够深。

Loopit 距离我们想实现的数字世界还有很长的路。我们需要保持足够快的速度,但也要不断看清脚下。先想清楚要爬哪座山,再用每一步真实结果判断路线。对现阶段的 Loopit 来说,这比一直看别人走到哪里更重要。

文章来自于微信公众号 “Founder Park”,作者 “Founder Park”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)