98% 的新用户卡在空白页，Gamma 让 AI 写完演示文稿剩下的 90%

先讲一个现场实验。Nathan Labenz 是播客 Cognitive Revolution 的主持人，创业者兼 AI 投资人。他给大约 100 名企业行政助理做培训，教大家分辨哪些 AI 产品真有料，哪些只是套壳。课上他当场用 Perplexity 搜出评分最高的几款 AI 幻灯片工具，挨个实测，结果全场一致把票投给了 Gamma。

有意思的地方在时间线。Gamma 在 2022 年 8 月发布时，压根没有 AI 功能。新用户注册完，看一段介绍视频，然后被扔进一个空白页面。联合创始人 Jon Noronha 在节目里给了个数字：大概只有 2% 的人能靠自己迈出第一步，98% 的人卡死在空白页上。这期节目讲的就是这家公司怎么从 98% 的流失率，走到“AI 帮你做完 90%”。

Nathan 在开场白里给了三层解释，都挺实在。第一，空白页问题是真的，GPT-3 级别的模型算不上多聪明，但能瞬间甩给你一堆创意方向，光是帮人“动起来”就值回票价。第二，很多人学新软件学到崩溃，宁愿干脆不学，可他们愿意用大白话说出想要什么，工具够聪明就能把他们接住。第三，创意场景里 AI 偶尔出错没关系，先拿到一个大致结构，最终完成速度能提 2 到 10 倍。真正被 AI 改变的，是那些没有 AI 就根本不会动手做的人。

先有“反 PowerPoint”，AI 是后来才进场的

Gamma 2020 年创立，正好在疫情最深的时候。最初的计划和 AI 没关系，因为那时候 AI 还不行。诺罗尼亚 2020 年就试过 GPT-3，结论是技术没到位。

他们想做的事，一句话概括就是反 PowerPoint。诺罗尼亚在节目里问：如果明天你有一场高风险的演示要讲，你是感到兴奋，还是感到一阵恶心？大多数人是后者。原因不全怪软件，怕公开演讲、怕作品被以貌取人，这些都有。但格式本身也有问题：演示是一种视觉沟通，可学校不教；你得用不熟悉的工具拖拽一堆矩形，还得把想法硬塞进大小一样的框里，文字太长要砍，配图要自己找。

所以他们做的第一件事是重新设计格式。受 Notion 启发，把做演示变成写作体验，像写文档一样打字，再往里塞各种多媒体块。同时做了移动端适配，因为演示文稿除了现场放，还要会前发给人看、会后拿去讨论。讽刺的是，这套东西差点做成一个“专门做幻灯片的建站工具”。但这个歪打正着的决定，后来成了 AI 时代的地基，因为大语言模型最擅长的就是写文档，以及把文字变成任何东西。

AI 最初的岗位是救新用户，结果成了产品本身

2022 年 8 月发布后，Gamma 赢得了一批早期用户，这群人天然恨 PowerPoint 的格式，一看就懂。但破不了圈。诺罗尼亚复盘说，新用户看完视频就被扔进空白页，2% 留下，98% 走人。

Nathan 在自己的公司 Waymark 踩过类似的坑。Waymark 做 AI 视频，用模板预填内容帮用户跳过空白页，比直接甩一个空项目强，但还是有大把人不知道怎么把自己的东西“投射”进模板。两家公司复盘时得出同一个结论：很多卡点根本不在界面，用户懵的是更上游的事，这工具是干嘛的，我能拿它做什么。

于是 2022 年秋天，Gamma 团队想用 AI 解决 onboarding：与其让用户自己做第一个 Gamma，不如让 AI 先吐一个出来给你看，展示产品的能力。他们本来预期就是个粗糙的骨架，混着各种功能模块当展示用。

结果超出预期。AI 直接生成完整演示文稿，找图，排版，把过去三年攒的所有积木都用上了。更没想到的是用户的反应，很多人直接把它当成品。

“你基本上把我的整个演示都做完了。我稍微修一修就行。这个活本来要花我 10 到 20 个小时，你做完了 90%。”

诺罗尼亚说，这大概就是他们一直想完成的使命，“你的演示明天就要交，怎么办”，只是从没想到 AI 能一口气解决这么多环节。

这里还有一层商业算计。Nathan 提到，Notion 和 Canva 的成功一半靠产品，一半靠庞大的模板社区，Canva 里的模板可能上万甚至几万个，那是多年苦功攒下的资产，小创业公司拼不起。Gamma 的解法是用 AI 直接生成量身定制的初稿，把模板这个中间商整个砍掉，顺便绕开了大厂模板库的护城河。

让 AI 写 HTML，别让它画矩形

诺罗尼亚自己的顿悟时刻，是第一周用 ChatGPT 的时候。他看到有人让 AI“用圣经文体写一个烤奶酪三明治卡进录像机的故事”，先是被 AI 的创造力震到，接着意识到真正的看点是转换：AI 极其擅长把东西从一种形态变成另一种形态。变文体是玩具，把模糊的笔记变成结构化、有说服力、可视化的演示，才是正经用法。

Nathan 实测过 Gamma。他把一份叫“AI 侦察报告”的原始笔记，有要点有段落，直接丢进去说“照这个做”。他说 Gamma 是他测过的工具里唯一通过“亚秒级专业感测试”的：每一页的主题、配色、排版都拿得出手。更难得的是转换的分寸感，其他工具要么把他的故事彻底改掉，要么把段落原样印成大字报，Gamma 把笔记变成适合演示的结构，又没歪曲原意。

背后的技术难点，诺罗尼亚称之为从想法到现实最难的一关：怎么向 AI 描述版面结构。他们试了一长串方案。

• 纯文本，能生成但没版式。
• JSON 结构化数据，做到 85% 可用就卡住了，一个花括号或分号放错位置，整个输出崩掉。
• YAML，换汤不换药。
• 学 PowerPoint 的思路，直接下指令画矩形。这条最惨，AI 看着像能看见东西，其实只在处理文本，让它画一个三层金字塔，怎么都画不出来。

最后的答案是 HTML。模型是爬网页训练出来的，训练数据里全是 HTML，加粗、表格、列表这些能力白送，团队只需要教它 Gamma 自定义的标签和构建块，比如左右分栏、时间线、表格。编辑环节也一样，把现有内容以 HTML 喂回去，提示词大意是：你是世界顶级的网页设计师，客户给了你这段 HTML，想改这几处。

Nathan 补充了 Waymark 的对照。因为模板把版式定死了，AI 只需要生成文案和图片内容，自由度小很多。Gamma 自由度大得多，靠的就是语义化构建块加 HTML 这套组合。

GPT-3.5 便宜好用，但它太想当你的朋友

模型选择上，Gamma 一直主要用 OpenAI 的 GPT 系列。早期没数据，少样本提示比微调效果好。而且时机凑巧，他们 2023 年初上线 AI 功能时，正好赶上 GPT-3.5 发布，成本降到十分之一，还不支持微调。诺罗尼亚说这等于替他们做了决定：微调真能比提示工程好十倍吗，当时答案是否定的。

现在风向要变了。他最关注两件事。一是开源模型和基础模型供应商的进化，Nathan 也提到，从泄露的谷歌“没有护城河”备忘录到 MPT-7B 这类开源模型，生态肉眼可见地追上来了。Gamma 手里已经攒下海量生成数据，接下来可能微调甚至自训模型，把规模变成优势。二是 GPT-3.5 的先天缺陷：它是被训练成乐于助人的聊天机器人的，可生成一整个演示文稿这件事，压根不符合聊天机器人的剧本。

节目里最好笑的案例来自 Gamma 的卡片编辑功能。用户可以对某一页说“把版式改得更有视觉感”“翻成西班牙语”。问题是聊天界面有时候热心过头。诺罗尼亚举了个例子：用户在一页摇滚乐主题的幻灯片上说，我要一张熊猫的图。AI 回复，我觉得熊猫不合适，你要一张吉他的图吧。用户只好强调，我要熊猫，我说了算。

他坦承这个编辑功能是产品里最酷也最难做的部分，自由度太多，诚实说一半的情况表现不佳。解药可能就是微调，或者用没有被“聊天化”的开源模型。至于 GPT-4，性能确实更强，但贵且慢，梦想是 GPT-4 的效果配上 3.5 的价格和速度。

Nathan 这边分享了 Waymark 的经验：他们用微调过的 OpenAI 模型，客户是大公司按授权收费，所以从不吝啬 token 成本。但他也在考虑切换，难点在推理侧，他们的工作负载很爆发，比如几百张图同时处理，自托管开源模型的自动扩缩容还不够成熟。诺罗尼亚反手安利了 Baseten，一家把微调和弹性扩缩容打包的平台，Gamma 正要用它上线自己的 AI 图像生成服务。

前后对比一点，反馈飞轮就转起来了

Nathan 特别表扬了 Gamma 的一个设计：用户用聊天改完卡片，产品会把原版和建议版并排展示，让用户来回切换对比，选一版留下。他说不知道为什么没有更多产品这么做，这显然是极好的偏好数据。

诺罗尼亚说这个设计借鉴了 Midjourney。在他眼里 Midjourney 可能是最强的 AI 产品，尽管界面烦人得要命，但它的产品机制全在为收集数据服务：生成变体、放大选中的、给局部点赞，整个飞轮都在攒“用户到底想要什么”的信号。数据将来怎么用还没完全想清楚，但没有这个罗盘，你连往哪使劲都不知道。

至于提示词的测试和评估，Gamma 目前基本靠自研，做了个内部小工作室，改 prompt 然后跑一批示例看效果。诺罗尼亚打了个比方：这些提示词对业务如此要命，现在的状态却像维护一个没有自动化测试的巨型代码库，改了什么全凭感觉。这和他的出身有关，Gamma 团队很多人来自 Optimizely，那家公司把 A/B 测试做成了营销和软件行业的标配，灰度发布、度量这些思维刻在 DNA 里，但 AI 侧的工具还没跟上。Nathan 顺带推荐了 HumanLoop，CEO Raza Habib 上过他们节目。

图像卡在阈值上，巨头卡在组织里

图像是两家公司共同的谨慎区。Gamma 产品里的图基本靠搜索图库，很少用 AI 生成。原因直接：AI 生成的图大部分时候不好看，虽然质量在快速改善。诺罗尼亚有个阈值理论：很多东西在达标之前就是不能用，一旦达标就会瞬间铺开。Midjourney 已经过线，开源模型（比如 Stable Diffusion XL）刚过线。他想要的场景是，一份演示里放 12 张图，风格统一、色彩协调，这个问题几个月内 AI 图像会从做不好变成做得好。

Waymark 的做法可以抄作业：优先用用户自己的图，用 Salesforce 的 BLIP 系列模型判断哪张最合适，需要补充时用 Shutterstock 的计算机视觉 API 找视觉相似的图，再用元数据过滤内容相关性，两道筛子下去效果不错。两家不抢跑的理由也一样：Waymark 的视频要当电视广告播，Gamma 的演示要站在重要观众面前放，质量不达标，一切白搭。

聊到巨头，诺罗尼亚在微软工作过，他的判断是外界容易低估巨头面对的难度。Gmail、Google Slides 每个都有几亿用户，语言、隐私、合规各不相同，内部要说服的人数众多，AI 还带来幻觉、误导、滥用这些刚开始理解的风险。巨头的理性策略就是让创业公司先蹚出模式，再跟进整合，靠分发优势它们不会死。所以推论是：想看 AI 最前沿长什么样，得看巨头生态之外的公司，那里能看到一两年后 PowerPoint 的样子。

Gamma 自己也在长出新枝。很多用户拿它做网站和个人主页，因为它像写文档一样写，像网站一样发布，没有传统建站工具的复杂度。团队正在支持自定义域名、页眉页脚和表单。诺罗尼亚承认同时做好演示、网站、文档三件事很难，但 AI 让这件事比想象中可行，它改变了一家公司在多个领域竞争的假设。

至于未来会不会出现一个万能模型抹平一切，诺罗尼亚不敢预测。目前成功的 AI 工具都是挑窄而具体的工作流精心打磨，但 AI 的趋势一直是能力的意外泛化，以前翻译一个模型、搜索一个模型、摘要一个模型，现在出现了什么都能干的通用模型，这个趋势可能加速。

明天就能用上的三件事

• 把一份现成的笔记或大纲丢进 Gamma（gamma.app），十分钟拿到初稿，重点看它对内容的转换分寸，改到能用为止。
• 盘一下自己的工作流，找“把 A 形态转成 B 形态”的任务，比如笔记变幻灯片、会议记录变纪要。当前模型从零生成新东西不可靠，做转换却相当能打，把原料喂给它，比让它凭空写强得多。
• 让 AI 改东西时，坚持要求它展示改前改后的对比，你来做裁判。这既是质量控制，也在替你积累“什么才是好输出”的判断样本。

做产品的读者多记一条：让模型输出它训练数据里最常见的格式，HTML 就是现成的例子；再给用户留一个对比和选择的界面，那些点击早晚会变成你的训练数据。