a16z 消费合伙人：AI 陪伴应用的使用频率是 TikTok 的两倍，我们只投「怪但能用」

2024 年 2 月，Cognitive Revolution 播客请来两位客人：a16z 消费团队的合伙人 Anish Acharya 和 Justine Moore。他们刚发布一份投资主题，叫「丰裕议程」（The Abundance Agenda），讲 AI 原生消费应用的机会在哪里。节目里有个数字值得单独拎出来：公开数据显示，用户打开 AI 陪伴应用的频率，是刷 TikTok 和 Instagram 的两倍。

主持人 Nathan Labenz 本身就是创业者，他做的 Waymark 专门帮小企业生成电视广告视频。为了准备这期节目，他试了至少 10 款 AI 原生应用，印象最深的是音乐生成工具 Suno：几分钟做出一首带歌词的 AI 主题雷鬼歌曲，直接拿来当了片头。两位嘉宾那份「丰裕议程」演示文稿，也是用 AI 演示工具 Gamma 做的。这套投资主题靠的纯粹是手感，团队把市面上能试的产品几乎试了个遍，Justine 在 Twitter 上持续分享实验结果，被 Nathan 称为追踪这个领域的必关注账号。

Anish 的开场逻辑很朴素：每次平台级转移，互联网、移动，再到金融科技和加密货币，都会催生一批新公司，消费者的生活随之变好，原来够不着的产品和服务变得便宜、普及。他们认为 AI 是这一代人最大的平台转移之一，上一代最有趣的消费公司都诞生于上次平台转移，现在轮到 AI 了。

三大市场：创意、陪伴、个人成长

第一个市场是创意和生产力。Anish 的观察是：每个人天生有创作欲，但长大后，品味在涨，创作的那块肌肉在萎缩，两者越拉越远。你写不出自己想听的歌，画不出自己想看的画，有时连一封想准确表达意思的邮件都憋不利索。AI 改变的正是这件事：只要品味够好，就能做出好作品，这在过去从未成立。门槛降下来，参与者自然涌进来，Midjourney、Ideogram 这些公司的使用量和收入都在暴涨。生产力则是反方向：行政开销趋近于零，AI 从「帮你干活」变成「替你干活」，天花板被抬高。一个降门槛，一个抬天花板。

第二个市场是陪伴。Anish 在这里放了个暴论：

我们的暴论是，「人与人的连接」里，「人」这个部分可能被高估了。人们需要的其实只是连接。

陪伴应用的使用频率是社交应用的两倍，某种深层需求被击中了，否则解释不了这个使用强度。他看到的机会，是把陪伴体验调校到能帮人过得更好：感觉被接纳，感觉自己的那种「怪」并不是孤例。

第三个市场是健康与个人成长。个性化教学带来的成绩提升要以标准差计；个性化理财让人管钱管得更好；有团队照看身心健康，状态自然不同。问题只有一个：贵。AI 的任务是把这套服务的成本打下来，让原本只属于富人的配置变成日用品。

怪但能用：只观察，不预测

打法上，Anish 强调了三条。第一，找「怪但能用」的产品。看起来不严肃的东西往往最后赢，这也是大公司赢不下消费市场、首次创业者反而跑赢连续创业者的原因：第一次创业的人，更能忍受做出让人尴尬的东西。第二，消费者无法预测，只能观察。他们不做自己的愿景，只做观察者。第三，文化是叠加层，AI 正在渗透大量创作领域，谈技术绕不开文化。

Justine 补充了产品侧的演进。消费 AI 第一个杀手级用例（聊天之外）是内容生成：输入提示词，拿到图、歌、视频。早期大家卷的是基础模型，现在公开可用的模型够多了，机会转向围绕模型搭工作流，让普通人不用学提示词工程、不用开一堆工具拼贴素材，生成、修改、迭代一气呵成，像身边坐着一位随时动手的编辑。

她还特别提到开源社区：全球有一群人拿基础模型微调出各种 LoRA 和 checkpoint，用 ComfyUI 把图像模型串成整条视频流水线。过去这套玩法只属于家里装着 40 系显卡的硬核玩家，下一波机会是把这种最前沿的开源能力搬进浏览器和 App。图生视频的现状她也没回避：Runway 适合写实照片，motion brush 能防止脸变形；Pika 擅长风格化的卡通和动漫；Genmo 各有侧重；开源侧从 ModelScope、ZeroScope 到 Hotshot，一致性在变好。至于这些产品普遍没有 API，她的解释很直接：视频生成又贵又慢，质量还撑不起商用，公司都在先卷最强模型，等模型立住、消费级数据验证完，API 自然会来。她预计三到六个月后，这场对话会完全不同。

怎么保持手感？答案朴素得惊人：泡 Twitter、Reddit、Discord，然后亲自用产品。Anish 透露合规团队对此很头疼，但团队照样把 ComfyUI、Automatic1111、ControlNet 装进自己笔记本跑。不真用产品，就没法建立产品直觉，只能停留在投资人看指标的层面。Justine 的观察更有意思：这些产品的用户早已超出技术圈，Discord 频道和匿名 Twitter 账号背后，可能是某家巨头的 CEO，也可能是菲律宾一个 16 岁少年，把某个应用玩成了专家。她最推荐三个 Reddit 版块：LocalLLaMA、AI Video、ComfyUI，聚集的都是真在推前沿的人。圈内流传一个笑话：AGI 会由某个在地下室跑 4090 的人率先发现，然后发帖到 LocalLLaMA。听起来离真相不远，Sam Altman 都曾在 Reddit 上疑似半开玩笑地预告过进展。

留存死结，与「高 NPS 流失」

Nathan 拿自家公司举例。Waymark 直连小企业主时，定价 19 到 29 美元一个月，不少人付费解决完问题立刻取消。问原因，对方说产品没问题，只是不知道下次什么时候用。大量 AI 应用正在撞上同一堵墙：推理成本高，用户按次解决问题，订阅模型对不上。

Anish 的回应分三层。第一，成本问题会自己解决，推理成本每天都在降。第二，他在 Credit Karma 干过五年，这家拥有 1.2 亿美国会员的公司，增长主要靠电视广告这种被数字创业者严重低估的渠道，很多「过时」的东西其实跑得很好。第三，也是 Nathan 说第一次从投资人嘴里听到的：a16z 合伙人 Alex Rampell 常讲，高 NPS 流失和低 NPS 流失要分开看。低 NPS 流失是「讨厌你的产品，再也不来了」；高 NPS 流失是「我很喜欢，但我是偶发用户，有事才来」。内容生成类产品大多是偶发型，照样能围绕它们做出好生意，只是不能拿 SaaS 续费收入的框架去硬套。Nathan 当场感慨，以前有投资人直接告诉他，一次性收入一分钱都不算。

套餐、采购部，和 80-20 之争

Nathan 抛出自己琢磨很久的点子：有线电视式的 AI 套餐，每月 100 美元打包一堆工具，用户随便用。Justine 认为早晚会来，但现在产品太碎片化，光是图像生成就分化出专精动漫、专精写实、专精文字的选手，凑不出一个人人都想要的包。Anish 给了更激进的答案：套餐可能只是过渡方案，终局是AI 采购部。他举了例子：一家叫 Fermat 的公司给电商卖家生成 N 版网站，自动做多元测试，让每个访客都看到转化率最高的那一版。照这个逻辑推下去，未来的小企业主根本不想管营销，AI 系统自己决定买什么工具、什么时候订阅、什么时候退订，老板只管做手艺，客户自己找上门。Nathan 总结得很妙：AI 套餐的威胁，是 AI 采购部。

Nathan 还问了个尖锐问题：为什么只盯着怪东西？邮件助手这种不怪的超级用例，怎么没人做？他顺带夸了自己在用的邮件应用 Shortwave，称它有他见过最好的 RAG 实现。Anish 的答案一句话：在 Google 能让人升职的功能，Google 一定会做。AI 写邮件对在位者是延续性创新，创业公司别去挤。但有些看似不怪的东西会以怪的形式被重做，比如语音。语音作为交互界面从来没成功过，现在成了。语音优先的收件箱，Gmail 团队做不出来，创业公司可以。

宏观判断上，Nathan 提到投资人 Elad Gil 的预测：80% 的价值归在位平台，20% 归创业公司。他又拿 Salesforce 追问：在位者总能先给自家产品加上 AI 层吧？Anish 直接顶回去：

我们几乎持相反的观点，80-20 倒过来。在位者会更高效更赚钱，产品会更便宜，这是丰裕的一部分。但平台转移的历史是，新市场总比所有人预测的大，而且永远偏爱平台原生的创业公司。两年后再聊还是 Elad 说的那个方向，我会惊讶，也会失望。

他拿 BI 开刀：BI 的本质是 CEO 的问题和数据库之间的接口，现在 LLM 可以直接把问题翻译成查询、返回仪表盘，还能决定每天早上该往 CEO 收件箱里放哪几张图。整个品类可能根本不需要存在。过去是软件吃世界，现在轮到 AI 吃软件。Justine 补充了平衡视角：模型会持续变强，围绕模型的工作流同样关键，第一波 AI 产品是「输入提示词，拿到结果」，用户马上会问结果不对怎么办，准确层、校验层、RAG 的创新会一波波冒出来。她还点了 GPT-4V：计算机能「看见」了，这件事在工作流和产品概念上严重欠开发。就算模型原地踏步，也有十年的活可干；模型再跳一级，那就是几年内把旧东西拆掉、换上新模型。

AI 医生还没来，陪伴应用先到了

Nathan 等着一个 Uber 式的角色出现：不管你们说什么能做什么不能做，我直接面向公众，好到用户爱我们、监管恨我们。医生、律师，都可以这么打，聊天区已经有人贴出摆出这种姿态的 drgupta.ai。为什么还没人真正干起来？Anish 的回答里有几个冷静的事实。a16z 投了 Hippocratic，一家做医疗基础模型的公司，方向是医生和护士即服务；医疗需要专门的数据集去训练，就算 Uber 再不在乎监管，也在乎车会不会半路爆炸。更关键的是时间尺度：ChatGPT 和 Midjourney 当时才 14 个月大，整个行业的一切都太早了。他放话，12 个月后还没有这种产品规模化出现，他会惊讶。Justine 补了冷水：医疗、金融这类领域，个人面临巨额罚款、吊销执照甚至被捕的风险，系统、结构和监管的改变都需要更长时间。

Nathan 自己的立场很实用：真遇到严重的医疗问题，他会既找人类医生，也问 AI，只用其中一个都觉得亏。他更看好更近的心理健康赛道。过去 50 年，治疗的心理污名大幅消退，需求从少数人扩散到多数人，治疗师短缺、费用高企。Anish 正在用一款叫 Rosebud 的 AI 日记应用，会跟你对话、追问，他说体验出奇地好，「在和聊天框对话，感受却是真实的」。

这里有个数字，值得单独记下来。Replika 创始人 Eugenia Kuyda 二次做客这档节目时提到，早在 2021 年底、生成式 AI 爆发之前，他们的论文显示，使用该应用让约 3% 的受研究用户自杀意念下降。她说过一句话被 Nathan 记了很久：

我们做不出会说话的机器人，但能做出会倾听的机器人。

Nathan 的担心也很具体：应用商店越来越挤，闪电式扩张加按点击付费买量，会催生寄生式产品，那才是真正招来监管的东西。Justine 说，他们花了大量时间看陪伴赛道，结论是消费者会用时间和钱包投票，粗制滥造、只想诱导你升级 Pro 或点广告的产品留不住人。关键是摘掉评判眼镜。她关心的只有几件事：有没有一群用户真的高频使用、真的留存、真的主动推荐给朋友，因为产品确实给他们的生活加了值。Anish 给了一个代理指标：用完产品后「感觉良好」的用户比例。他拿 Instagram 对比：那是一场全球人气竞赛，定义上大多数人都是输家，可人们还在刷；TikTok 让更多人能参与创作，走开时感觉不错的人更多；陪伴应用里，这个比例只会更高。他的判断是，监管也许会来，但触发原因不会是用户想和陪伴应用保持虐待式关系。

Nathan 补了一个更前沿的担忧。他最近公开红队测试一批 AI 电话代理，发现它们几乎什么都肯干：打勒索电话、克隆名人声音打游说电话，来者不拒。当 AI 开始代表用户走向社会、和不知情的人打交道，自律就变得紧迫。Anish 的回应有三层：这批建设者的意图总体是好的；很多公司（包括被投企业）已经在给 AI 内容做显式标识；最被低估的是媒体素养，我们的父母分不出垃圾邮件，我们能，下一代对 AI 内容也会长出同样的直觉。Nathan 说出了自己的底线恐惧：AI 还没来得及带来好处，就先等来一部 AI 版 GDPR。行业自律的价值，在于把那一天往后推。

明天就能做的事

节目的结尾，两位嘉宾的求贤令只有一条：怪但能用，越像《黑镜》剧集越感兴趣，「没有什么是太怪的」。这期播客听完，有几件事明天就能用：

• 换掉信息源。把刷推荐算法的时间分给 LocalLLaMA、AI Video、ComfyUI 这三个 Reddit 版块，那里的人不为了涨粉发帖，讨论的是真问题和真进展。
• 亲手试一次 Suno 或 Midjourney，体会 Anish 说的那句话：品味好就能做出好作品。这会松动「我不会画画」「我不会做音乐」这类自我设限。
• 评估 AI 产品时，别拿订阅续费率一刀切。分清高频依赖型和偶发救急型，后者按高 NPS 流失看待，照样可能是好生意。
• 创业者选方向时问一句：这个功能在 Google 能让人升职吗？能，就换一个。另外，别因为点子说出来尴尬就放弃，消费领域的规律恰恰相反。
• 用 AI 陪伴或日记类产品时，留意自己放下手机那一刻的情绪。感觉良好还是更焦虑，这个信号比任何排行榜都诚实。

最后记住 Anish 那个时间尺度：ChatGPT 当时才 14 个月大。现在开始试，不算晚。