对话梁琛奇：抖音、猫箱、创业，「他们都搞生产力，我想用 AI 创造开心」

梁琛奇 96 年出生，毕业后只待过一家公司，字节跳动。7 年里，他做过抖音的朋友页，2021 年从零带过一个实时社交产品，2023 年又在字节的 AI 产品部门 Flow 带团队做出猫箱。2025 年夏天，他离开字节，创立动念引线，英文名 DayFold，想用 AI 做娱乐。

这期《晚点聊》里，程曼祺和他聊了 3 个多小时。话题从抖音早期产品细节，到猫箱怎么被推演出来，再到创业一年里哪些判断被验证、哪些被推翻。眼下整个 AI 行业的重心在 coding、生产力和工作，梁琛奇选了一条人少的路：让人开心，而且是有参与感的开心。

他的判断很明确：AI 娱乐的版本答案会在一年到两年内出现雏形，大概率在一年左右。但这个答案长什么样，他没有给出具体产品，只给了几条排除法和一套验证标准。他有一个说法，把两件事分得很开。

工具产品是解题，娱乐产品是出题。

这篇精读把整期对话拆成 7 个部分，保留关键数据、案例和推演过程，也保留他承认误判的地方。

娱乐比工具慢，但慢有慢的理由 0:01:22

程曼祺开场就问，应用和娱乐都不在叙事主线上，双重少数派会带来什么挑战。梁琛奇承认，娱乐相比工具确实没有很大变化，但他认为娱乐产品出现有 3 个前置条件。

第一是推理成本。移动互联网时代的资源限制是流量，2008 年做短视频会被认为疯了，因为刷几个视频一个月流量就没了。AI 时代的限制是 token。工具产品解决具体问题，PMF 可能 10 分钟就能感受到；娱乐产品是用户带着空脑子来，等一种新体验把时间填满，使用时长可能是工具的十倍甚至二十倍。相同智能下，娱乐的推理成本也是十倍二十倍，ROI 很难打正。DeepSeek 出现后，相同智能的推理成本快速下降，过去算不正的账开始能算正。梁琛奇离开猫箱前算过一笔账，2025 年年底 ROI 能打正，后来据他了解确实打正了。

第二是模态。语言是智能的压缩，工具产品解决问题，语言效率很高。娱乐产品追求感官体验，文字能服务的用户比图片、视频差数量级。2025 年 GPT-4o、Sora、可灵、Nano Banana 等图像视频模型到了一个节点：效果过了用户愿意看的 bar，也开始遵循用户要求，因此可以 scale。Midjourney 时代审美很好，但不遵循要求，很难被大规模使用。

第三是用户习惯。大的技术变革出现时，无法直接教育用户。移动互联网靠打电话这个上个时代的刚需把用户拉进来，用户学会 GUI 和触屏后，短视频和手机游戏才在上面长出来。AI 时代类似，豆包、ChatGPT 这类工具产品逼用户搞懂怎么和 AI 交互、怎么 prompt、怎么做多 agent 协作。用户被教育过，娱乐体验才有机会 build 上去。

梁琛奇说，娱乐产品要的是 enjoy time，save time 那套效率逻辑放在这里不成立。

他职业生涯没碰过娱乐以外的事。校招时被安排去做火山，他主动争取去抖音，理由很直接：抖音自己刷得下去，火山刷不下去。这个选择后来被证明踩中了抖音 2018 年春节前的爆发。

抖音、朋友页和一次关掉的实时社交 0:14:20

梁琛奇面试抖音时，面试官对不靠谱的新想法第一反应是鼓励继续展开。他问了一个问题：抖音里能刷到搞笑段子、不那么精致的音乐视频，这是好事还是坏事。对方回答非常坚定，这是好事，抖音要覆盖全人群，中国人都会产生很大的创造力。这个回答让他有点惊讶。

他做的第一个有成就感的东西是抖音第二个 tab 的朋友页。字节的产品逻辑很直接：推荐是 gift，也是诅咒。用户无脑刷的 flow 太强，任何打破这个 flow 的改动都会掉留存。朋友页把用户从 endless 的娱乐体验切到有限体验，供给也变少。梁琛奇加了一个很小的设计：朋友内容看完后提示回主页，点了马上跳回。这个细节让留存打正。他由此理解，关键路径上的细小改动会影响整个全链路。

他也第一次近距离看到朱俊（Alex）的细节要求。抖音打开全屏、声音扑面、上下滑，像一扇窗，也像画布和桥梁。全屏上下滑这个形态是 Alex 设计出来的，和双列有本质区别。梁琛奇说，抖音像一个设计师设计出来的产品，产品气质太明显。

在抖音做社交，他的判断是机会成立。社交分通讯工具和内容分发互动，通讯工具更难。内容分发互动只需要三个要素：关系、表达、分发管道。抖音已经是超级 UGC 平台，用户大概率已经和朋友都在用，只是没有遇到。把关系算出来推给用户，比把朋友拉进来容易得多。后来社交对抖音留存贡献很大，私信、story、朋友内容都长了出来。梁琛奇也承认，这没有带来从 7 亿 DAU 到 10 亿 DAU 那种掀桌子的变化。

2021 年，毕业两年的梁琛奇成为字节最年轻的业务负责人之一，从零做一个实时社交产品。团队最多上百人，一年后关掉。他总结的最大教训是尊重世界客观发展规律，不要逆势而为。第二个教训更具体：娱乐产品不要做太多假设，关键变量最好只有一个，其他全部用被验证过的东西。工具产品效率提升很明确，用户用完就爽；娱乐产品在提供新体验，10 个假设每个 90% 成功率，乘起来也很小。

这段经历也逼他学会沟通。他原本不喜欢沟通，后来意识到不沟通就只能憋着，很多想法无法推行，只能看着不够好的体验上线。字节的训练是把主观体验拆解成客观、可量化、可推行的逻辑，让聪明的理工科同事听懂。在字节，好的品味算不上上方宝剑。上方宝剑是把主观体验拆成可量化、可推行的逻辑。

猫箱：把故事做成互动内容 0:41:26

ChatGPT 出来后，梁琛奇玩海龟汤，正着聊一遍，倒着玩一遍，发现它基本能玩。他意识到一件事：人作为一种生产要素被 scale 了。过去人无法 scale，现在可以。

他拉了一个坐标轴。移动互联网时代娱乐大的只有两块，被动内容和游戏。内容坐标轴从左到右，越左越被动，越右越主动。AI native 产品从用户角度看，关键是输入之后系统能给出长尾、定制化的反馈。把这条体验轴和内容坐标轴交叉，指向互动内容。

团队先做了一个多角色、基于剧本的故事 demo。市场上 Glow、星野、Character.AI 已经有增长曲线。字节内部要做一件事，通常需要两件事成立：自己的推演，以及一个让人觉得有想象力的竞品。梁琛奇先做完推演，后来 Alex 转给他看 Character.AI。

猫箱的核心是故事，角色是故事里的角色。这个选择解决两个问题。用户面对一个角色，经常不知道聊什么；没有主题、没有目标，本能容易走向荷尔蒙。梁琛奇的设计是：不要一个人待在房间里，去火山口，火山要爆发，摄政王死了，剧情推着人往前走。用户有自由，可以做各种动作和选择；AI 导演基于人类编剧写的剧本、用户的选择和判断，推进剧情，决定角色怎么反应。像沉浸式话剧，也像剧本杀。

另一个选择是内容要 diverse。第一天就不能把它定义成恋爱产品，要有冒险、科幻、古代、爱情。人群上，早期主要拿 18 到 30 岁年轻女性，一是道德考虑，二是未来商业化需要付费能力。

市场上有一半人认为这类产品核心是角色，梁琛奇认为核心是内容。区别在消费时是在体验一段内容，还是在跟一个人交流；互动完就换下一个，还是产生强烈 bonding。商业化方式也不同。角色和情感 bonding 客单价高，内容消费要靠时长、广告、玩法付费。猫箱后来长出两种 use case，两种都有。

你像是在养一个两岁的女儿。

梁琛奇用这个比喻区分移动互联网产品和 AI 产品。移动互联网产品像搭房子，有限级系统，每个 button、每条路径、每个信息架构都要定义，不定义就不会发生。AI 产品输入无限，未来无限，无法为每个 use case 穷举。只能教框架、世界观、原则、SFT 例子，给目标让它自己 RL。用户 90% 的反馈都在反馈模型，而且反馈极其长尾、极其 diverse，无法逐个修 case。

做猫箱一个月后，他意识到必须自己训模型。角色模型和故事模型都自己做，故事模型从头训，角色模型和合作方训了一版，他本质上负责并影响训练。这套模型和主模型正交：主模型逻辑、coding、多模态越强，产品越受益；产品自己的数据少、娱乐场景主观、主观设计可以写进 agent 和 harness，形成壁垒。商业化上，广告、会员、单次玩法卡片、角色心声都做，2024 年年底测算 ROI 能打正，不含训模型成本。

离开字节：0 到 1 只能自己下注 1:18:32

梁琛奇 2025 年 1 月就决策离职，直接触发因素是 DeepSeek。DeepSeek 让娱乐的三个变量大幅加速。另一个因素更偏精神层面：DeepSeek 让一批理想主义的人被看到。此前他和一些中国研究员交流，有人会说 OpenAI 在探索 AGI，自己在修修补补做 SFT，能用就行。听完会觉得这事没法搞，因为不相信就做不到。

DeepSeek 出来后，他回头看梁文锋的访谈，感觉这个人非常 serious 地相信这件事。访谈里有两段他记得很清楚。一段是童年未获得之糖果：在广东上学时，亲戚问他读书有什么用，赚不到钱；他父亲是老师，他知道中国迈过这个节点后，读书会越来越有用。另一段是中国不可能永远跟随，catch 完之后看到一张白纸，接下来怎么 design，这件事只需要一堆过程和一个结果。

梁琛奇说，小团队能做了不起的事，这种可能性让他受到鼓舞。更主要的原因是 timing 合适，他本来就会在合适的时候自己出来做。

为什么 0 到 1 的新体验大概率来自新公司？他的推演是：一个估值 2000 亿美金的公司，判断一件事是否值得做，必须有比较高的天花板。娱乐新体验第一天没人能准确判断 PMF，也没人能判断 PMF 后天花板多高。巨头更合理的决策是等一个产品 PMF、过了一个 bar，再跟进。梁琛奇的排序很清楚：做出影响很多人的新体验，且自己公司拿到最大收益，大于做出新体验但最大收益被别的公司拿到，大于不做，大于没有这个东西。待在字节等别人做出从 0 到 1，再把它做到最大，乐趣会下降。

他总结字节做娱乐类产品的方法：找到一个被验证的格式，把供给扩到无限大，接入推荐和商业化，发现 ROI 正，疯狂投放。像进停车场看车，觉得这辆车有机会，小修小补，踩油门；不 work，换下一辆。游戏不一样，游戏更像内容，字节擅长搭内容格式的分发平台，不擅长做内容本身。

字节背景创业者被高估了吗？梁琛奇说，自己受影响不多。字节人擅长解题，有人出来先跟 FA 聊，聊完哪个方向适合做，再想怎么最高效做出来。他完全不做这种方式，他决定做什么就是什么。带不走的东西有三样：钱、人才吸引的巨大杠杆、超高的商业化效率系统。抖音赢快手，他归因于三点：全屏上滑比双列牛；运营牵引 shape 社区形态；商业化系统能把 ROI 算明白，给 100 分的信心，敢把资源全投下去。

松果时刻：把想象力的摄像头丢进人群 1:38:44

2025 年 6 到 7 月公司正式运营，9 月上线第一个产品松果时刻。用户选一张照片，或者描述照片前后发生的故事，AI 把它生成有连续性的多图漫画或连载故事，可以发布。程曼祺补充，产品还有声音和配乐。

梁琛奇把松果时刻当成一个观察窗口，没有把它当成一个必须看 PMF 的产品。猫箱是过去两三年 AI native 娱乐产品的版本答案：DAU 更大、ROI 未来划算、人群泛化程度较高。但它肯定成不了未来三年的版本答案。问题在于，这类产品对用户想象力要求很高。用户面对一个角色、一个故事，要自己想象接下来扮演什么、说什么、做什么来推进剧情。大部分用户没有那么多想象力。

他画了一条想象力曲线：刚出生时很高，随着年龄一路下降，18 岁成为社会人后非常低。原因有两个，现实的重力和压力逼人变得客观务实；表达工具缺失。他小时候喜欢一本一本画画、写书，讲给二姑听，后来发现二姑并不真想听，只是出于关爱假装有趣。脑子里有精彩画面，没有脑机接口映射给别人，画画又烂，表达就被压制了。

松果时刻选择漫画，有一个基础考量。《三体》里讲，拍一张天边的云，放大 1000 万倍还有细节；把《清明上河图》放大 1000 万倍，什么都没了，因为画是被压缩的。漫画也压缩信息，人脸很复杂，漫画压缩成几笔，同样智能下要处理的信息更少，更容易让用户觉得自然，不那么 AI 感。相同智能下，处理更简单信息的内容形式会更先成熟。

他真正想看的是广义想象力。普通人讲昨天和儿子骑共享单车，儿子拿衣服擦车座上的水，说怕爸爸坐上去屁股湿了，这是脑子里能出现的画面。松果时刻要把这种记忆、回忆、reasoning、架空想象都映射出来。

上线后，他们看到非常广泛的人在用。准备出家的和尚来讲自己的表达，跳广场舞的奶奶畅想孙子未来做什么工作。也看到二次元、同人、二创用户，做号的人，小说推文引流的人。工具型用例留存能到 20 以上，但梁琛奇不投这类用户，因为对内容生态没有帮助，做出来的东西发到站外，站内没人消费。

优化一，消费时也要烧 token。现在消费不烧 token，成为新体验平台的概率更低。松果时刻的「穿越」功能，用户以自己的人设穿进别人的漫画，生成新故事，要等一分钟。梁琛奇说，等待说明它还是创作，消费场景里用户不能等，必须实时。实时之后还要继续在同一个世界里延伸，且 90% 的人都有这个 use case，不能只有 10% 的人玩。

优化二是收浓人群，提高频次。选一个更浓的人群，冷启动难度和泛人群完全不同。内容也要变长。模型成本下降有一个速度，在成本没降到某个值之前，PUGC 的优质率比 UGC 高，相同 DAU 下绝对优质内容更多。

公司同时开七八个产品，累计有概念的十几个。梁琛奇设了一个平行的 UGC 组织，一人或两人组队，面向想法 list 做两周到一月的快速测试，行就继续，不行就关。目标是一年 100 个。他要的人才有这些特点：AI native，没有 AI 就无法生存；有热情或韧性；遵循第一性原理；能自我刷新；脑子里有想象，相信一些事会发生。

模型厂商会吃掉娱乐吗，壁垒在哪里 2:13:45

程曼祺问，模型厂商从工作泛化到生活，再泛化到娱乐，会不会把娱乐吃掉。梁琛奇认为不会。娱乐和非娱乐的边界是是否 serious 解决问题。解决问题追求效率，语言效率高，一个 input 一个 output 就够。娱乐体验里，交互本身是价值的一部分。短视频足够被动，点赞和滑动仍然有价值。用户看到好内容，希望表达，希望觉得自己参与了。内容对用户有三种价值：绝对精彩、famous、与我强相关。交互提供的是参与感。

他评价 Sora，说它没有解决这个问题，交互没有切中用户长久的动力。点赞是伟大发明，因为它把用户看内容时的强烈情绪连起来了，像现实里看到精彩的东西会鼓掌。Remix 撑不起长期需求，在消费用户眼里，没有那么强动力自己也 Remix 一下，它更像创作，又不够高频。

模型厂商不擅长主观性。娱乐场景里，这个场景该是 A，那个场景该是 B，另一个场景该是 C。把这些主观倾向做进模型、agent、harness，可以做 1000 个隐性 feature。短视频的全屏、上下滑、头像在左昵称在右，也不是纯粹推导出来的，是带主观性的设计。相同模型 size 下，一个模型解决所有问题，另一个模型把 attention 主要放在特定娱乐场景，后者可能更容易 SOTA。等到通用模型非常便宜，产品早该有 DAU、内容生态、品牌等其他壁垒。

壁垒有三类。第一是模型正交壁垒。第二是移动互联网时代就存在的内容生态壁垒。快手和小红书都先构建了产品体验，后来被巨头猛攻，仍然活下来并拿到份额。用户和用户、用户和内容、内容和内容之间有复杂的边，普通 UGC 创作者迁移很难，粉丝关系、好友关系、关注内容都不在，迁移麻烦。小红书更细，像毛细血管，大量长尾经验不赚钱但有人写，因为爱社区。第三是 context 深度和 context 交叉。用户用得越久，context 越深，越不愿意换。AI native 平台里，内容背后全是 prompt，prompt 可以交叉，人和人、人和内容、内容和内容可以 mix，过去视频合拍做不到真正的 mix。

版本答案什么时候出现？梁琛奇判断，雏形一年左右更大概率出现，一到两年内出现。过去三年 AI 娱乐的版本答案是文字角色扮演、多轮对话、烧 token，这个阶段已经结束。模态提升，相同成本下智能提升，新模态和新智能会解锁新东西。

它不是什么？漫剧、短剧肯定不是。纯实时互动内容也太宽泛，技术 ready 不代表体验成立。3D 世界实时生成，第一天新鲜，第 30 天用户还在不在，是巨大问号。AI 男友女友有机会，但一两年技术不够好，伦理问题也大，他们不做。旧乙女游戏换皮也不是，它只是生产门槛下降、供给提升，没有产生之前不存在的东西。轻游戏有机会，潜在游戏人群可能是现在的小圆十倍。拼多多砍一刀让五线城市 50 岁大妈获得参与和奖励的快乐，三国直播里输 1 进魏国、输 2 进蜀国、送礼物灭掉对方，也是低门槛游戏体验。

验证信号有三条：体验新颖、长期、高频、不厌倦；留存先看 40、20、10，次日 40，第七天 20，第 30 天 10；能想象这个体验未来面向广泛的人；规模和长期使用会带来体验变好，形成斜率。

误判、压力，以及娱乐为什么有价值 2:44:40

梁琛奇承认几个误判。第一，低估了 AI coding 的发展速度。2025 年年初用 AI coding 还是按下葫芦起了瓢，年尾已经非常夸张。这导致公司有两个月招了原来人数两倍的人。第二，高估了 Sora 带来的行业加速。他当时判断 Sora 98% 概率成不了版本答案，但有 5% 到 10% 的担心，它的势能会加速整个方向的资源投入。回头看是 overthinking，成本、模型智能、能力解锁都有客观规律。

第三个误判更关键。松果时刻上线后，普通用户很喜欢，生活记录用户每天用。有一两个月，他产生 wishful thinking：不烧 token、不做收浓人群、不做实时消费，这个产品是不是也能 work，也能达到一定规模。当时日活没上去，消费信号不强，流里全放生活内容，其他人更不想看。后来招了一个合作很久、非常务实的同事，一顿测算和数据推导，把他拉回现实。梁琛奇说自己容易影响别人，擅长讲故事，让很多人进入故事，这有利有弊，必须有人跳出来指出问题。

创业的 review 压力反而比字节小，这一点反直觉。字节给你一年预算，任何一个节点都可能清零、关业务。创业公司钱在账上，半年一年内可以自己定节奏。但梁琛奇发现，一定程度的压力对自己是好的。字节的 review 系统像心跳，每个季度讲的东西，过一个月、一个季度就要看成不成。创业早期为了跟大厂不一样，没有认真搞 OKR 和系统性压力，后来发现想多了。为做成而创业，该像的地方就要像，该不像的地方才不像。

他最大的担心是，自己整套推导里那个新体验，未来一到两年不存在。如果不存在，最大假设断掉。但他又真的相信它会发生。只要信号出现，哪怕别人先做到 0.2，他也有信心把 0.2 放大到 1，这是他们擅长的部分。

路线选择上，市场主流是先把模型和模态做到某个程度，再想产品。梁琛奇选先做产品，用市场上既有模型和 agent 排列组合，做出体验，快速测试。产品特别牛时要小心，可能是 wishful thinking；产品很傻时也要判断，模型能力要多久才能让它变牛。如果产品有点机会，只是有些粗糙，就用后训练把主观性能力做上去，再压重注。他让 AI 研究过历史，工具场景里先技术后产品和先产品后技术的比例接近；娱乐产品里，先产品后技术的比例明显更高，大概是 7 比 3。字节在他看来也是先产品后技术，今日头条先跑出去，推荐系统后来才硬写出来。

娱乐在 AI 时代的占比会下降，因为 AI 不只解决连接，还会重塑剩下 90% 的生产力。但绝对增量会很大。大量的人不再需要为生计工作，时间变多，时间本身就是增量。更大的问题是，这些人的人生价值是什么。刷抖音刷 700 天，很多人会觉得生活没有意义。意义需要一个系统：人参与其中，做完之后获得正反馈，觉得自己的参与有价值。泛创作、泛表达、泛艺术，是大量的人可以进入的系统，也是 AI 较难替代的部分，因为它主观、依赖个人经历、依赖起心动念。

梁琛奇还讲了一层群体价值。天才出现率乘以人口基数，决定天才绝对数量，基数要足够大，人要足够开心，生活足够有价值。科幻小说和艺术会 inspire 科学家、工程师、设计师，在他们年幼的脑海里种下种子。SpaceX 的使命是把科幻小说里的科幻拿掉，反过来看，得先有人读那本科幻小说。

程曼祺最后问，少部分人向前，多数人向四面八方，他是哪一种。梁琛奇提到鲁豫采访一位渐冻症科学家，对方说了一句话。

四面八方都是前方。

这期节目留下的判断很具体。看 AI 娱乐产品，先看它消费时是否烧 token，是否实时，是否有 90% 的人都能用的 use case；再看留存能不能过 40、20、10；再看它能不能从窄人群长到泛人群。创业者能拿走的路径是：先出题，再解题，先用产品验证体验，再为被验证的体验训模型、建壁垒。普通人能带走的判断是，创作门槛已经被拆得很低。你脑子里每天闪过的念头，那些没逻辑的碎片、记忆、情绪、画面，可能就是下一批作品的起点。