灯下白 AI真人访谈节目

吴熳Rosia
  • 0.0 (0)
  • Careers
  • Updated Biweekly

访谈各行各业的AI高手，在真实场景下如何定义问题、怎么取舍。 灯下见白，我们开始。

  1. 5h ago

    54. 赵伟：从德国大众到工业 AI，二十多年制造业经验如何在FDE中派上用场？

    �️嘉宾：赵伟 机械工程出身，曾在德国学习，并参与大众狼堡、匈牙利奥迪及大连发动机项目。此后在汽车及机床相关制造业工作二十余年，近几个月开始探索工业 AI。 主持人：吴熳 在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人 本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！《灯下白》坚持100% Human，真人真聊真AI，对白坦白灯下白。 �本期故事 二十多年前，赵伟在德国的汽车工厂里，看见一条生产线上密集运转的机器人。 那时的他学的是机械工程，还不知道自己会参与汽车发动机项目，更不会想到，有一天中国汽车会反过来成为他和德国朋友讨论的话题。 从大众狼堡、匈牙利奥迪，到回国参与大连的发动机项目，他一路看着制造业变化。说起一辆车，他想到的不只是品牌和外观，还有整车厂背后的一层层供应商：座椅、零件、工艺、质量标准，每一环都影响最后交到消费者手里的车。 他记得德国工厂的严谨，也看见中国制造这些年的创新。一个孩子到了德国，脱口而出“德国车也不过如此嘛”。这句话让他意识到，下一代看汽车的眼光，已经和自己年轻时不同。 然后，做了二十多年制造业的赵伟，被一位发小带进了 AI 的世界。 接触 AI 才几个月，他开始研究写代码的工具，也开始反复问自己：工厂里的经验，能不能和 AI 真正接上？ 答案没有想象中简单。普通软件可以反复试错，生产线却不能为了验证一个想法随便停下来。一个判断失误，可能直接影响设备、产品质量和交付。 节目里，他用机床主轴举例：老师傅会听声音、摸温度，判断设备出了什么问题；如果传感器和模型能更早识别异常，能不能在故障发生前预警，甚至让设备主动降速？ 讲到这里，吴熳追问：“这是已经做成的真实案例吗？” 赵伟说，这个闭环还在努力推进，需要机床厂一起参与。这个追问，也把“AI 能做什么”和“现在已经做到了什么”分开了。 两人继续聊到维修知识库、工业智能体、排产、材料研发，以及工厂最基础的数据问题。赵伟认为，很多企业谈智能化之前，还得先把数据整理好；在关键决策上，最终负责的人仍然是人。 聊到最后，话题又回到他自己。四十岁以后再学新工具，焦虑当然有。但 AI 也让他重新找到了学习的兴趣。他给同样来自传统行业的人一个很小的起点：先拿工具解决身边的一件事，再慢慢往专业场景里走。 �本期你会听到 一个学机械工程的人，怎样从德国走进大众狼堡和汽车制造现场？ 二十多年前的德国汽车工厂，什么给赵伟留下了最深的印象？ 为什么看一辆车，不能只看整车厂，还要看一级、二级供应商？ 当孩子觉得“德国车也不过如此”，一个汽车行业从业者听见了什么变化？ 做了二十多年制造业，赵伟为什么在几个月前重新开始学 AI？ 机床主轴的预测性维护可以怎样设计？离真正的自动预警和控制还有多远？ 面对模型可能出错的问题，维修知识库能提供什么帮助？ 工业智能体进入工厂后，人、数据和原有管理系统各自承担什么角色？ 柔性排产和材料研发里的 AI，今天更多是在替人决策，还是给人提供辅助？ 传统行业工作多年的人，开始接触 AI 可以从哪一件小事做起？ �本期金句 “有一种工业的精神是难以复制的。” “工业 AI 的话，不可能全生产线去停到让你去试。” “但是人是做最后决策的人。” “第一步要做这个数据清洗。” “AI 改变了一个人的学习方式。” ⏱Shownotes 01:18 从机械工程到工业 AI，赵伟先介绍自己的二十多年 从在中国、德国学习机械工程，到汽车和机床相关工作，再到最近开始探索工业 AI，赵伟把这几段经历放到同一条线上。 04:08 大众狼堡的招聘机会，怎样把他带进汽车工业？ 毕业时遇上面向中国项目的人才招聘，他从德国汽车工厂的工作开始，后来参与发动机项目，也由此见证中国汽车工业的发展。 08:45 二十多年前走进德国工厂，满眼都是机器人 当年的自动化产线让他印象深刻。再回头看今天的中国汽车制造，他谈起自己眼中德国制造的严谨与中国制造的创新。 13:36 一辆车背后，还有多少层供应商？ 从整车厂到一级、二级供应商，零部件和质量标准层层传递。赵伟解释，整车品牌的变化，也离不开供应链能力的变化。 19:55 “德国车也不过如此”：孩子的一句话让他重新看中国汽车 他讲起孩子到德国后的直观感受，又提到一位来中国交流的德国少年。不同年龄和成长环境的人，正在用不同的尺度看汽车与制造业。 25:28 一个发小，把二十多年的工业人带进 AI 从编程话题聊起，赵伟开始接触 AI 工具。他说，重新学习带来的兴奋感，让自己又一次愿意花时间琢磨新东西。 28:16 工业 AI 为什么不能像普通软件一样试错？ 软件可以反复运行、修改，生产线却牵涉设备和产品质量。赵伟认为，工业场景的物理设备和试错成本，是 AI 走进工厂时绕不开的门槛。 29:21 二十多年的行业经验，在 AI 时代还值钱吗？ 面对“工作会不会被替代”的问题，他谈到重复性工作与长期积累的行业判断，也承认经验并非绝对不可替代。 32:40 一根机床主轴，能不能在坏掉之前发出信号？ 老师傅听设备声音、感受温度；传感器则可以持续采集温度、压力、振动等数据。赵伟用这个场景解释预测性维护的设想。 36:24 追问真实案例：从预警到自动降速，还有一步要走 吴熳问这个闭环是否已有真实案例。赵伟明确说仍在推进，需要机床厂共同参与；节目也由此转向工业 AI 的精度与可靠性问题。 38:52 维修知识库，怎样减少“答错故障”的风险？ 从设备报警号检索对应原因，再结合维修手册和行业知识库，赵伟介绍了更受约束的问答方式，同时承认模型错误无法被绝对消除。 44:10 工业智能体进入工厂，人还做什么？ 赵伟讲述自己接触到的工厂实践：智能体参与协调和研发建议，但参数是否采用、关键决定由谁负责，最后仍然要回到人。 48:21 没有数据，谈智能化会卡在哪里？ 自动化、数字化、智能化是不同阶段。他提醒，很多工厂还没有整理好基础数据；做工业智能体前，先得弄清哪些数据有用。 50:38 排产、材料研发和管理系统，AI 今天能帮到哪一步？ 从缺料时调整生产顺序，到缩小合金试验范围，再到在现有管理系统里接入智能体，赵伟分别讨论 AI 作为辅助工具的可能性与现阶段边界。 55:08 给四十岁左右、来自传统行业的你：先从一件小事开始 赵伟谈起自己也有过的焦虑。AI 改变了他的学习方式；给初学者的建议，是先用工具解决眼前的问题，再决定是否走向更专业的工业场景。 �听众互动 如果你也在传统行业工作，你最希望 AI 帮你解决哪一个具体问题？在你的工作现场，最难交给 AI 的判断又是什么？欢迎在评论区聊聊。 也欢迎把这期节目分享给正在制造业里探索 AI，或者想重新开始学习的朋友。 真人真聊真 AI，对白坦白灯下白。 我们下一盏灯见。

  2. Sep 10

    53. 赵莉：服务腾讯15年，这家用户研究公司的创始人开始用AI做高质量用户访谈

    EP53：赵莉 �️嘉宾｜赵莉 北京百瑞利欣咨询有限公司创始人兼 CEO，深耕用户研究与体验领域二十余载，长期为互联网、前沿科技、游戏等赛道头部企业提供专业用研服务。公司与腾讯保持逾十五年深度合作，先后参与游戏、QQ、微信、腾讯视频、腾讯云等多条核心业务线的用户研究项目。具备丰富的北美、欧洲、东南亚等海外市场研究实践，完整见证国内用户研究行业二十年发展迭代：从传统市场调研、线下焦点座谈、入户实地观察，到 AI 赋能访谈、多语言跨区域用户研究，助力中国科技企业全球化出海，是横跨本土与海外市场的用户体验研究资深专家。 主持人：吴熳 在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人 本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！《灯下白》坚持100% Human，真人真聊真AI，对白坦白灯下白。 �本期故事 赵莉年轻的时候，没有什么职业规划。 学档案管理，是因为觉得毕业以后可以找一个安静的单位，最好不用和太多人打交道。 她甚至形容年轻时的自己是一个“超级社恐”。 后来，她进了央视动画部。 九十年代初的央视，对很多年轻人来说，是一个金光闪闪的地方。赵莉喜欢画画，也喜欢动画，考试一关一关地过，最后真的考了进去。 可她还是辞职了。 父亲甚至气得几乎要跟她“断绝关系”。 她又去过旅行社，又自己做过生意，又换过完全不同的工作。在别人看来，这个人实在太不安分。 直到有一次，她在街上偶然被一个市场调研访问员拉进去做广告测试。 她看了一段广告，测试包装，回答问题。 短短半个小时，她却觉得这件事太有意思了。 因为她喜欢问：为什么？ 就是这一次偶然，让一个看起来不停换工作的人，终于找到了一件愿意做二十多年的事情：用户研究。 后来赵莉进入外资市场调研公司，在极其严谨的工作流程里训练自己。2009年开始创业，2011年前后进入腾讯供应商体系。 刚跟腾讯合作的时候，她还是那个棱角分明的人。 一次项目出了摩擦，她直接对甲方说： “我是站着挣钱的，我不是跪着挣钱的。” 结果，甲方让她写检查。 她一气之下甚至想过“不干了”。 一周之后，对方给了她一个台阶，让她回来继续做项目。 她真的把检查写了，也第一次开始理解，一个专业乙方除了要有能力，还要学会沟通、理解、包容和建立标准。 这一做，就是十五年。 从腾讯游戏，到QQ、微信、腾讯视频，再到腾讯云，一个只有几个人的小团队，逐渐成为科技企业身后很少被普通用户看见的一群人。 一个游戏上线之前，到底要找谁来玩？ 一款运动相机进入市场之前，怎样确认真正的使用场景？ 一个中国游戏准备进入印尼，结果找来的当地用户手机配置根本跑不动游戏，怎么办？ 一台智能电视进入北美以后，用户究竟把它摆在哪里，每天什么时候开机，又在看什么？ 一家中国公司去越南卖美容仪器，应该找到什么样的网红？ 去北美找猎人做用户研究，甚至还要找到35岁的纽约都市女性猎人，又该去哪里找？ 这些看起来稀奇古怪的问题，都是赵莉和团队每天真正处理的工作。 然后AI来了。 过去，一个真人主持人一天能做的深度访谈有明显上限。 赵莉最高强度的一次，十天跑了十二个城市。 休息时间几乎都在火车、大巴和飞机上，到地方直接开座谈会。最后累到连两个小时的访谈都很难撑完。 今天，AI已经可以先和海外用户进行十分钟的视频对话。 可以说不同语言，可以按照提纲提问，可以要求用户展示产品，可以转录，可以归纳，可以做小结。 没有时差，也少了很多语言障碍。 于是，一个很有意思的问题出现了： 当AI越来越会采访人，越来越会模拟用户，真人还值钱吗？ 赵莉的答案是，人的专业度会越来越贵。 过去大量浅层、基础性的研究工作，会逐渐被AI接走。 可谁来设计研究方案？ 谁知道应该问什么？ 谁能判断一个用户说的到底是真话，还是为了拿访谈费临时编出来的？ 谁能发现，一个游戏在印尼跑不起来，真正的问题可能根本不在游戏内容，而在当地用户手机配置？ 谁又能理解，一个印尼用户访谈到一半突然全场消失，不是项目出了事故，他们只是到了祷告时间？ AI可以替人做越来越多事情。 可越往后，越值钱的恰恰是那些标准、经验、判断和对真实人的理解。 �本期你会听到 一个自称“超级社恐”的人，为什么年轻时反而不停辞职、不停换行业？ 90年代初考进央视动画部以后，赵莉为什么最后还是选择离开？ 一次偶然的广告测试，怎么让她找到愿意做二十多年的职业？ 用户研究究竟在研究什么，为什么“找对人”本身就是一门专业？ 一个只有几个人的小团队，为什么可以成为腾讯超过15年的长期供应商？ 从游戏、QQ、微信到腾讯云，科技公司的用户研究到底怎么做？ 赵莉当年对甲方说出“我站着挣钱”的故事，后来怎样改变了她处理甲乙方关系的方式？ 为什么她的团队不允许轻易说“太难了”“做不到”？ 为什么标准化看起来增加工作，最后反而能够减少返工、扯皮和成本？ 没有AI的时候，专业用户访谈究竟有多累？ AI怎样帮助团队完成海外用户初筛、多语言访谈、转录、追问和总结？ 一个准备出海印尼的游戏，为什么可能卡在当地用户的手机配置上？ 印尼人做访谈突然全部离场、美国玩家把游戏测试玩成Party，这些跨文化细节为什么会直接影响研究？ 中国产品在国内验证成功以后，翻译成英文、印尼语或者越南语，就能直接卖到海外吗？ 当AI能够模拟越来越多虚拟用户，大公司为什么依然愿意花钱找真人聊天？ AI时代，普通用户研究员会不会消失？ 一个从业二十多年的用户研究者认为，这一行最值钱的习惯究竟是什么？ �本期金句 “我还没有找到适合我的，或者我能为之付出的事情。” “做了二十多年这个职业，让我深刻理解了一句话，三人行必有我师。” “太难了、做不到，在我们公司是不允许说的。” “我只接受最后没有做这个项目的原因是报价不合适、时间不合适。” “我是站着挣钱的，我不是跪着挣钱的。” “因为它有了标准，所以它好做；没有标准，它才不好做。” “我不会做低价竞争。” “专业技术大家可能差不多，最后看的其实是服务。” “翻译了，不代表这个产品就能成功卖出去。” “你还是要去做落地的研究。” “永远在学习，永远在成长。” “任何一个人都是你的老师，不管他给过你帮助，还是给过你伤害。” “人会对工作者的专业度要求越来越高。” “方案设计，是机器人做不出来的。” “首先一个就是人品。” ⏱Shownotes 00:15 一个“完全没有职业规划”的人，后来把一件事做了二十多年 赵莉年轻时不断换工作，学档案管理、进央视、做旅行社、尝试创业。别人眼里的“不安分”，其实只是一直没有找到真正愿意投入的事情。 03:16 年轻时，她其实是个“超级社恐” 最初想找一份不用和太多人打交道的工作，却因为不喜欢复杂的人际关系，一次次主动离开看起来很稳定的选择。 09:18 90年代初，她考进了当时金光闪闪的央视动画部 喜欢画画、喜欢动画，抱着“去试试看”的心态一路考试进入央视。真正喜欢的是创作，最后依然因为无法适应工作环境选择辞职。 12:00 在街上被拉去做了一次广告测试，人生突然拐了个弯 半小时的市场调研让赵莉第一次发现，原来有一个行业专门通过不停地问“为什么”，理解人是怎么做选择的。 15:05 做了二十多年用户研究以后，人会怎么看世界？ 赵莉越来越相信“三人行必有我师”。用户、同事、客户、供应商，甚至那些带来摩擦的人，都成为她理解人与管理公司的老师。 20:12 一个几个人的小团队，为什么敢说“人人都是研究员”？ 项目经验无法只靠课程获得。赵莉要求执行人员也看需求、理解需求、提出建议，团队靠一个又一个真实项目积累Street Smart的经验。 22:45 “太难了、做不到”，在她的公司里不允许轻易说 项目真正不能做的原因可以是预算，也可以是时间。面对困难，团队首先要和甲方一起找到调整方案。 23:32 管几十个兼职和供应商，最重要的是什么？ 答案依然是标准。从招募、培训到交付，提前把指标和边界说清楚，反而能让项目更早完成。 27:23 跟腾讯合作15年，她把腾讯称作真正的“启蒙老师” 2009年创业，两年后进入腾讯供应商体系。公司真正开始形成专业服务能力，也是在一个又一个腾讯项目中被磨出来的。 28:24 “我是站着挣钱的，我

  3. Sep 8

    52. 刘超：从“求你播歌”到主动付费会员，版权老兵看懂中国数字内容生意的20年

    �《灯下白》EP52 刘超 �️嘉宾｜刘超 长期从事数字内容行业，拥有多年版权管理、版权运营与版权保护经验。从广电，到互联网视频，到IP产业，再到生成式AI，刘超的职业经历几乎完整踩中了中国数字内容产业过去二十年的几个关键节点。2026年进入AIGC赛道创业，开始做AI漫剧、AIGC TVC广告等内容业务。 主持人：吴熳在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人 本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！ 《灯下白》坚持100% Human，真人真聊真AI，对白坦白灯下白。 �本期故事 二十年前，一个歌手如果想让自己的歌被广播电台播放，甚至可能把小样从电台外面的栅栏递进去。 那时候，曝光比版权重要，歌手甚至希望电台能够多播几次。 二十年后，我们打开网易云音乐、腾讯视频、爱奇艺，交会员费已经成了一件再自然不过的事情。 而刘超，刚好亲历了这段变化。 他学的是法律，职业生涯却一直泡在内容产业里。从央视和央广那些积满灰尘的磁带、影像资料开始，他干的第一件重要的事，就是把过去没人说得清楚属于谁的“媒体资源”，一点点理清权属，让它们真正成为可以交易、授权、再次开发的“版权资产”。 后来互联网视频平台起来了。 百度文库、快播、搜狐视频、乐视、优酷、土豆，一代平台从盗版、正版化、版权大战一路打过来，中国用户也慢慢从“网上的东西为什么要钱”，走到了主动购买会员、电子书、知识付费甚至短剧。 再后来，刘超去了阿里文娱。 大家嘴里越来越频繁地说“IP”，他却一直在追问更底层的问题： 你到底拿到了什么权利？ 《乡村爱情》拍了十几季，平台也拿了IP衍生开发权，做一个演员盲盒的时候，却可能还差一张演员肖像权。 一首电视剧主题曲，用在电视剧里没有问题，想单独放上QQ音乐赚钱，可能又是另外一套权利。 《长安十二时辰》里一个小小的道具，如果前期没有把权利签清楚，等剧火了再回头找制作团队，商业开发的成本可能已经完全不同。 于是我们终于明白，为什么迪士尼厉害。 电影、人物、玩具、乐园、衍生品、发行渠道，看起来是一整个IP宇宙，底下其实铺着一张极其复杂的权利网络。 然后AI来了。 图片可以生成，视频可以生成，声音可以生成，一支过去需要几十个人完成的广告，现在越来越少的人就可以做出来。 当生产成本不断下降，一个新的问题出现了： 如果AI把内容制作技术彻底平权，过去二十年好不容易建立起来的内容付费体系，会不会再次被冲垮？ 刘超的答案很确定。 内容不会消失。 从人围着篝火讲故事开始，人类就一直需要内容。 AI改变的是生产方式。 而真正值钱的东西，依然藏在人脑子里那些走过的路、见过的世界、积累的常识，以及一个人究竟能不能把这些东西重新组合起来。 �本期你会听到 一个法学生，为什么一路进入央视、央广的版权资产管理体系？ 当年歌手“求着电台播歌”，中国内容产业后来发生了什么？ 百度文库、快播、搜狐、乐视如何共同推动中国互联网内容正版化？ 中国用户用了十几年，怎样从“网上就应该免费”走到主动为内容付费？ 为什么刘超说，很多看起来做IP、潮玩、影视、乐园的公司，底层都在做版权生意？ 《乡村爱情》做盲盒，为什么可能还差演员的一张肖像权？ 为什么作品可以不断裂变，一项IP后面可能藏着几十种不同权利？ 迪士尼、漫威、索尼和蜘蛛侠之间，到底发生过怎样的版权博弈？ 变形金刚为什么最早是为了卖玩具而出现的内容？ AI生成的人脸、声音、图片和视频，今天的版权究竟应该怎么算？ AI时代，一个内容从业者真正值钱的能力究竟是什么？ 当AI把内容生产成本打下来，我们还会继续愿意为内容付费吗？ �本期金句 “版权这件事情要变得有价值、能够赚钱，最后一定要落到商品上。” “权益可以无限延伸，作品也可以无限裂变。” “版权的复杂性就在这里，你稍有不慎，就可能把权利丢掉。” “你只要火了，能变现，就必然会有盗版，也必然会有搬运。” “怎么让更多用户喜欢你？讲故事是相对最容易的。” “AI时代需要更多的信息面，才能帮助你理解AI、判断AI的交付结果。” “当年加过的班、受过的累、写过的文档，到现在都有用。” “AI只是解决了一种生产方式的问题。” “从围着篝火开始讲故事，到今天，到未来，内容始终都会存在。” ⏱Shownotes 00:15 先点一盏灯，聊一个横跨二十年的内容产业老兵 刘超从数字版权一路走进AIGC，他的职业经历刚好串起广电、互联网文娱、IP商业化和生成式AI几个时代。 03:39 那些积满灰尘的录像带，怎么从“资料”变成真正的资产？ 从央视、央广开始做版权资产管理。不可复现的历史影像拥有巨大价值，可要让它重新流通，第一步永远是把“它究竟属于谁”说清楚。 07:22 当年的歌手求着电台播歌，今天播放一首歌却要先谈版权 媒介地位、内容价值和版权意识在二十年里彻底翻转。数字内容时代，用户每一次消费的背后，都绕不开版权。 13:36 中国人到底从什么时候开始愿意为内容付钱？ 从百度文库、快播，到搜狐视频和乐视，一场互联网版权战争，把用户从免费下载时代慢慢推入会员订阅时代。 22:16 从电驴、迅雷和MP3，到今天家家都有几个会员 过去搜索一首歌，很容易找到下载链接。今天越来越多用户已经把内容当成一项正常消费。中国人的精神产品消费习惯，就这样一点点改变了。 28:06 到底是谁改变了中国版权环境？ 法律、司法体系、平台治理、商业利益、用户习惯共同作用。正版内容逐渐成为平台的核心资产，保护版权也开始直接关系到会员、广告、招商和竞争力。 35:50 从免费，到付费，到愿意付费，再到主动购买 电子书、知识付费、短剧、声音内容都走过相似路径。只要一种内容真正产生消费价值，付费模式迟早会出现。 39:15 进入阿里文娱以后，刘超重新开始“盘家底” 优酷究竟拥有多少剧？每部剧拿到了哪些权利？哪些内容还能继续开发？只有先把资产理清楚，IP商业化才真正有可能发生。 41:09 《乡村爱情》想做演员盲盒，结果发现还差一张肖像权 拿到了IP衍生开发权，依然不意味着所有东西都能直接做。演员的脸、主题曲、服装、道具，都可能对应新的权利。 46:39 一部作品为什么可以像树一样不断长出新权利？ 文字、音乐、表演、视听作品，每一种作品背后都有不同权利主体。一次授权和另一种商业使用之间，可能隔着完全不同的合同关系。 49:29 为什么中国有这么多好IP，却很难长出一个迪士尼？ IP开发需要从最终商业目标往前倒推，把制作团队、人物形象、道具、音乐和后续开发所需权利提前装进同一套体系。 51:00 《冰雪奇缘》背后，是一套完全不同的IP思考方式 乐园、玩具、角色、故事、电影可以互相驱动。一个内容项目的起点，有时候来自一个更加宏大的商业场景。 56:11 为什么蜘蛛侠换过那么多演员？答案可能藏在版权合同里 漫威经营困难时曾把大量IP权益分散出去。迪士尼收购漫威之后想重建宇宙，第一件重要的事情，就是把散落的版权重新拿回来。 59:50 从玩具到动画再到环球影城，变形金刚到底是谁的？ 一个玩具形象进入影视以后会产生新的银幕形象，而电影火了之后，玩具公司又可能需要重新获得形象授权。内容和商品就这样互相推动。 01:03:34 大家嘴上都不说自己做版权，生意却绕不开版权 潮玩、影视、IP、广告、个人内容品牌，表面上的产品完全不同，背后都依赖内容和权利形成长期商业价值。 01:04:26 AI来了以后，版权问题一下变得更复杂了 训练数据、人脸、声音、生成内容、模型平台条款，都在制造新的边界问题。很多问题已经被看见，司法标准仍然在发展之中。 01:09:34 快问快答：刘超每天究竟在用什么AI？ Shark Short、Kimi、WorkBuddy，以及为什么他喜欢让AI不断反驳自己，用它给自己的思考查漏补缺。 01:11:27 AI时代，一个内容人真正值钱的东西是什么？ 看得足够多，拥有足够宽的通识，同时在脑子里建立自己的知识抽屉。需要的时候，知道应该从哪个抽屉里拿出什么。 01:14:08 普通人只有30天，怎么开始做AI漫剧？ 先给自己留出真实的工具和算力预算。前21天大量看，后7天开始复刻，把脑子里印象最深的画面真正做出来。 01:17:24 AI把内容做得越来越便宜，会把内容付费体系冲垮吗？ 刘超的回答是不会。 技术会变，生产方式会变，人类对故事、娱乐、陪伴和表达

  4. Sep 1

    51.黄啊码：从AIGC到Vibe Coding，他把每一次技术浪潮都变成了下一块积木

    �《灯下白》EP51 黄啊码 嘉宾：黄啊码创业公司CTO、广东省人工智能协会讲师、AI内容创作者，拥有十余年技术开发与产品实践经验。生成式AI兴起后，先后深入实践AIGC、Coze工作流、Vibe Coding等方向，并持续参与百度秒哒等AI开发平台的产品实践、赛事与商业项目。如今关注AI产品开发、企业交付、个人IP与AI商业化，持续探索普通技术人如何在模型快速迭代的时代建立自己的长期能力。 主持人：吴熳在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人 本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！ �本期故事 如果把黄啊码这些年的技术路径摊开来看，会发现他其实很少在一个工具上停留太久。 程序开发做了很多年，生成式AI起来以后，他先去研究大模型，又很快进入Stable Diffusion、Midjourney和AIGC视频；做了一段时间视觉创作之后，他发现自己的优势并不在纯审美，于是转向Coze工作流；等Vibe Coding开始兴起，他又把多年程序开发和工作流的经验迁移过去，继续用百度秒哒等平台做产品。 看起来一直在换。 但他自己并不觉得这些事情是割裂的。 因为每一次新工具出现以后，他做的其实都是同一件事：先上手，先做东西，再判断自己真正擅长的部分在哪里，最后把之前积累下来的能力重新装进新工具里。 黄啊码把自己的学习方式形容得很简单： “我的路子比较野。” 他很少等到“完全学会”之后再开始。往往是先碰到问题，再去补能力；做着做着发现一个环节不够，就继续往下研究。多年以后回头看，那些原本散落的知识反而慢慢拼成了自己的体系。 这也是他进入AI以后一个很明显的特点。 ChatGPT刚出来时，他当然研究过基础模型。但很快就发现，真正直接进入基础模型研发，并不是自己最有优势的战场。 那就换一个入口。 Stable Diffusion和Midjourney出现，图片给人带来的视觉冲击非常直接，他开始做AIGC图片和视频，也在这个方向上做出过一些成绩。 但做得越多，他反而越敢承认自己的短板： 审美没有那么强。 模型可以帮你生成一张图片，却不会因为你会写Prompt，就自动把十几年视觉训练塞进你的脑子。 构图、颜色、UI、人物风格和整体体验，这些能力依然需要积累。 所以当Coze工作流开始出现时，黄啊码反而一下找到了舒服的位置。 节点、输入、输出、条件判断、业务流程怎么拆、一个环节怎样连接下一个环节——这些事情，本来就是程序开发长期训练的能力。 过去写在代码里的逻辑，现在变成了更加直观的工作流。 再后来是Vibe Coding。 对很多普通人来说，这是第一次能够用自然语言真正做软件。 可对黄啊码来说，它更像一次新的能力迁移：以前要亲手写很多代码，现在可以把大量执行交给AI，但真正决定产品能不能成立的，依然是需求、结构、逻辑和最后如何验收。 所以他后来在百度秒哒上的一系列实践，并不是突然从天而降。 2025年参加秒哒相关黑客松时，他甚至很坦率地说： 最开始就是奔着奖金去的。 但既然参加，就认真做。 他还邀请塔塔一起参加。因为他很清楚，自己偏技术和产品逻辑，而塔塔在视觉与审美上能够形成很好的补位。 最后塔塔拿到第二名，黄啊码拿到第三名。 比赛结束以后，真正重要的东西才开始发生。 成绩带来认可。 认可带来曝光。 曝光以后，过去那些存在自己电脑里的产品第一次开始进入更多人的视野。 他之前做过小说相关产品，后来继续延伸到漫剧工具，再往后，真的有人带着需求找到他，开始产生定制开发订单。 走到这里，黄啊码才越来越清楚地看见一条商业路径： 积累 → 作品 → 认可 → 曝光 → 变现。 所谓“突然被看见”，很多时候只是别人只看到了最后两步。 真正决定后面能不能接住机会的，往往是前面已经做了多久。 AI确实把很多过程压缩了。 但它并没有取消积累。 �本期你会听到 一个做了十多年技术开发的人，是怎样进入这一轮生成式AI浪潮的。 为什么黄啊码并没有把自己绑定在某一个AI工具上，而是不断从AIGC、工作流迁移到Vibe Coding。 长期程序开发到底训练了哪些能力，以至于新的AI工具出现以后，可以快速迁移。 为什么他说自己的学习方式“路子比较野”，以及“遇到问题再补知识”为什么也可以慢慢形成一套自己的体系。 早期医疗健康相关工作经历，为什么让他一直对“技术到底能不能真正解决人的问题”保持兴趣。 他怎样尝试让AI帮助梳理自己的健康信息，又为什么反复强调个体经验不能被直接复制，AI的回答也必须经过现实判断。 为什么在AI时代，“会使用模型”和“把判断权全部交给模型”完全是两件事。 ChatGPT出现以后，他为什么没有强行去卷自己并不占优势的基础模型研发。 Stable Diffusion、Midjourney为什么成为他进入AIGC视觉创作的重要入口。 做AIGC图片和视频以后，他为什么反而越来越清楚自己在审美上的短板。 AI为什么可以降低执行门槛，却不会自动抹平人与人在审美、判断和经验上的差距。 从AIGC转向Coze工作流，为什么是一次非常自然的能力迁移。 节点、条件、输入输出和业务流程为什么天然符合程序员的思考方式。 为什么他甚至在使用Coze之前，就已经自己折腾过类似逻辑的产品。 从Coze到Vibe Coding，上一代工具留下的能力怎样继续发挥作用。 为什么Vibe Coding并不等于“不需要产品思维”。 第一次接触百度秒哒时，他为什么没有立刻觉得它会改变一切。 参加秒哒黑客松，最开始为什么只是想拿奖金。 为什么他主动找塔塔组队，以及技术能力和审美能力怎样形成互补。 比赛名次之外，公开比赛真正能够带给个人什么。 从小说产品到漫剧工具，再到真正出现商业定制订单，一项能力怎样逐渐完成商业化。 为什么黄啊码说，很多看起来偶然的机会，往前追都有很长的积累。 个人做AI产品，到底应该花多少钱。 为什么过去他也喜欢研究“怎么白嫖”，后来却越来越发现，有时候不花模型的钱，反而会花掉更多时间。 免费模型、便宜模型和更强模型之间应该怎样做取舍。 个人实验和企业交付为什么完全是两套成本逻辑。 为什么企业客户不关心你调用哪个模型、花了多少Token，它真正购买的是最终结果。 一次为了替甲方降低模型成本的选择，为什么最后反而造成更多返工。 “省钱”为什么有时候是AI交付里最大的隐性成本。 为什么黄啊码认为，AI时代只靠一张传统简历证明自己越来越不够。 当AI可以帮助每个人写出一份漂亮履历，真正的项目为什么变得更加重要。 一个人有没有真正做过项目，为什么只需要向下追问几层细节就很容易判断。 产品、作品、文章和公开表达，怎样逐渐成为个人的新型履历。 为什么做个人IP不意味着一定要当网红。 IP如何降低陌生人理解你的成本，又怎样影响一个人的时间定价。 “我们上班本质上也在出售自己的时间”，那么怎样让同样的一小时变得更值钱？ 黄啊码最常使用哪些AI产品，以及他怎样根据不同业务选择不同工具，而不是形成单一模型信仰。 企业交付里为什么“客户使用什么生态”本身也是工具选择的重要条件。 做Vibe Coding时，他认为最重要的产品习惯是什么。 为什么真正的问题往往不是AI不会做，而是人自己一开始没有把需求说清楚。 不断让AI“再改一版”，为什么和过去甲方不停让设计师修改非常像。 一个产品从第一版改到第五版，为什么最后经常发现还是第一版比较好。 什么叫终局思维：先定义最后什么叫“完成”，再让AI决定中间怎样实现。 需求、验收标准和边界为什么应该在人开始Coding之前先想清楚。 普通人用30天学习Vibe Coding，第一步为什么不是做一个宏大的创业项目。 从一个自己真正需要的小产品开始，为什么成功概率更高。 “自己就是第一用户”，对于产品验证意味着什么。 个人网站为什么是一个非常适合普通人的第一款Vibe Coding产品。 为什么一个真正需要用来介绍自己的个人网站，比单纯为了练习开发一个Demo更有意义。 未来的OPC为什么并不等于“一个人把所有工作全部做完”。 一个人的核心能力、AI、合作伙伴和外部专家怎样共同组成新的工作生态。 为什么知道“谁擅长什么”，有时候比逼自己什么都学会更重要。 �本期金句 我的路子比较野，很多东西都是遇到问题以后再去补。 AI可以帮你做很多事情，但你不能把自己的判断也一起外包出去。 尽信AI，就等于把脑子也让渡给AI。 做AIGC做得越多，我反而越能看到自己的审美短板。 工具越来越简单，并不

  5. Aug 27

    50.Terry Tang：从巴基斯坦工地到深圳跨境电商独立站，但他还是出来做了OPC

    �《灯下白》EP50 Terry嘉宾：Terry 跨境电商创业者、SEO/GEO实战者、AI工作流实践者。大学学习土木工程，毕业后曾参与“一带一路”海外工程项目，在巴基斯坦工作三年。回国后从外贸独立站切入跨境电商，长期深耕海外SEO，后做到SEO负责人，并加入AI SaaS初创公司参与产品出海。如今以OPC方式创业，运营AI工具出海网站、Claude Code训练营及跨境企业AI提效业务，持续探索AI时代的独立站、海外获客与品牌增长。 主持人：吴熳在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人 本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！ �本期故事 吴熳第一次看完Terry的履历，只说了一句话： “真的是干土木的，啥都能干。” Terry大学学的是土木工程。那个专业在他入学的时候还很热门，等真正走进社会，建筑行业的周期已经开始变化。好在他英语不错，毕业后进入一家中字头企业，参与“一带一路”海外工程项目，在巴基斯坦一待就是三年。 后来为了结婚和家庭，他回国了。 可回到湖北襄阳，他很快面对一个现实问题：原来的土木路径已经很难提供理想的工作机会。 他只好重新找自己身上还能卖出去的东西。 其中一个是英语。 另一个，是大学时期因为爱好自学的建站技术。 他进入一家外贸公司做业务，看到老板主要依靠阿里国际站等平台获客，就主动提了一个建议：做外贸，为什么不自己建网站？ 老板问：你会吗？ 他说：我会。 于是，一个土木工程毕业生，靠着自己大学里折腾WordPress留下的技术爱好，给公司搭起了独立站。 网站做好之后又有新的问题： 没人来。 为了让海外客户在Google里找到网站，他开始学SEO。从网站速度、页面结构、关键词调研，到英文博客、Landing Page、搜索意图和竞品分析，他一点点进入这个行业。 后来，因为一个QQ群里认识的“贵人”，他从襄阳来到深圳，真正进入跨境电商行业，并一路做到SEO负责人。 所以Terry的人生看起来一直在转行，但其实有一条很明显的暗线。 英语把他带到海外。 建站把他带进外贸。 SEO把他带到深圳。 跨境电商又把他带进AI。 每一次转身，都是上一段经历里那个当时看起来“不太重要”的能力，在几年之后突然派上了用场。 Terry第一次真正感受到生成式AI的冲击，也发生在SEO工作里。 以前做海外SEO，大量成本花在英文内容生产上。一篇专业英文稿件可能需要找海外写手，成本很高。后来他开始使用接入GPT-3.5能力的Jasper AI，只需要给出产品参数，AI就可以迅速完成英文产品描述和内容初稿。 那一刻，他觉得整个行业的成本结构都被改写了。 更戏剧性的是，后来ChatGPT自己上线，Jasper这种曾经让他觉得非常惊艳的工具，很快失去了原来的位置。 Terry亲眼看见了一个产品如何因为基础模型能力跃迁而被迅速削弱。 这也让这一期再次出现《灯下白》反复聊到的那个问题： 所有建立在模型能力缺口上的工程优势，都必须面对下一次模型升级。 但AI没有把SEO直接消灭。 Terry反而认为，只要人还需要寻找答案、解决问题，搜索这件事就不会消失。Google加入AI Overview，GEO开始兴起，搜索入口和答案呈现方式在变化，可“一个人有需求，然后去寻找解决方案”这个底层逻辑没有变。 于是他又从SEO开始研究GEO。 再后来，他加入一家AI SaaS初创公司，参与从0到1的海外业务。 可真正让他决定再次离开的，并不是职业危机。 而是工作突然变得太轻松了。 那时候Terry已经把大量SEO流程迁移进Claude Code，并提前配置了自己的Skills。每天到了公司，他只需要用自然语言告诉Claude Code： 帮我做最近的关键词调研。 看看哪些任务还没完成。 把几篇文章写出来。 检查一下站内优化。 然后AI就在后台开始工作。 Terry起身去泡茶。 等他回来，很多过去需要自己坐在电脑前处理很久的事情，已经做完了。 他后来形容，那一刻首先感受到的不是爽，而是： 无比的孤独和空虚。 因为他突然意识到，自己好像拿到了一把非常好的钥匙，却还待在一个已经过于舒适的位置里。如果继续每天花很少时间完成已经熟悉的工作，这种舒服反而可能变成一种蹉跎。 于是，他从公司出来，开始做OPC。 更有意思的是，他出来以后第一个被市场验证的产品，并不是一个复杂的AI SaaS。 而是一门Claude Code训练营。 最开始，他只是在深圳跨境电商社群里免费分享自己的AI工作流。有人安装都不会，有人不知道Skill是什么，也有人看了很多教程，却依然不知道怎样把Claude Code真正接进自己的业务。 Terry觉得，也许应该有一套Roadmap，从安装开始，一步一步带着大家真正做出来。 他采用了独立开发者非常典型的方式： 先别做。 先卖。 第一期课程连完整内容都还没有，只有大纲。他直接问社群里的朋友：我要做这样一个训练营，2000元，两天一夜，线下，有没有人来？ 来了接近20个人。 后来一期又一期，做到了第六期。 这件事给Terry最大的冲击不是“原来培训能赚钱”。 而是： 原来一个人真的可以不上班，也能养活自己。 这是一种完全不同的底气。 公司给你的工资，不一定是你全部的市场价值。真正能够被拿走的，是你积累了多少行业Know-how，有多少人相信你确实解决过问题，以及你能不能把这些经验重新组织成别人愿意付费购买的结果。 现在，Terry依然在运营自己的AI工具出海网站。其中一个网站每天大约有1000名用户访问，也已经能够产生相对稳定的广告收入。 而他正在越来越关注另一个机会： 中国小B企业的B2B出海。 过去，一个非常细分的中国制造企业想自己做海外独立站，成本并不低。建站需要人，设计需要人，SEO需要人，网站运营需要人，英文内容同样需要人。 所以很多企业最后只能依赖平台。 但AI Coding正在把这些成本快速压下来。 如果一个工厂只生产一种非常细分的产品，比如沙发垫、挂绳、某种器械配件，它过去可能因为市场太小，根本养不起一整套独立站团队。 现在，一个人就可能同时完成建站、设计、内容、关键词调研和部分运营。 而越垂直的B2B产品，搜索需求往往越精准。采购商不是随便看看，而是真的可能一次买100件、1000件。一旦在Google或者未来的GEO场景里抓住这个需求，单个询盘的商业价值可能远高于大量普通C端流量。 Terry已经在身边学员身上看到真实案例： 一些极其细分的B2B独立站，每天能够收到四五封来自海外采购商的询盘。 这也是为什么他在节目里忍不住把它称为： “财富密码。” 当然，他非常清楚，从“知道财富密码”到“真正赚到钱”，中间还有巨大差价。 这也是Terry整期节目最稳定的一套方法： 不要上来就写文章。 先诊断网站。 不要上来就做产品。 先查需求。 不要自己坐在那里猜海外用户喜欢什么。 先看关键词、趋势、竞争和搜索意图。 关键词调研在他看来就是“兵马未动，粮草先行”。 SEO的目的也从来不是写文章。 从第一性原理倒推，最后要的是利润；利润之前是成交；成交之前需要流量。 文章只是其中一种获得自然流量的方法。 AI时代，这套逻辑依然没有变。 只是一个人能够完成的环节，突然多了很多。 �本期你会听到 土木工程毕业的Terry，为什么第一份工作跑去了巴基斯坦，以及英语怎样成为他人生第一次换轨的关键能力。 从“一带一路”海外工程回国以后，他为什么没有继续做建筑，而是在湖北襄阳一家外贸公司重新开始。 明明是土木工程专业，为什么他会搭网站。一个大学时期自己折腾WordPress的爱好，后来怎样变成真正的职业筹码。 他为什么主动说服外贸老板建立独立站，以及当一个网站建出来却没有人访问以后，SEO又是怎样进入他的职业生涯。 从襄阳到深圳，一段QQ群里认识的关系为什么最终带给他跨境电商职业机会。 SEO到底是什么？为什么“SEO=写文章”是一个很大的误解。 网站速度、移动端适配、Google抓取、关键词、页面文案、Landing Page和博客内容分别解决什么问题。 什么叫Thin Content，为什么一个只有产品和广告、缺少足够信息的网站很难获得搜索引擎信任。 为什么Terry认为SEO既需要理科思维，又需要文科思维，而且真正日常工作里文科能力可能反而占得更多。 以前没有AI时，一篇1000多词的英文文章为什么真的需要“手搓”。 SEO的第一性原理是什么：为什么最后要从利润一路倒推到成交、流量和内容。 为什么拿到一个网站以后，第一步不应该马上写文章，而是先做网站诊断。 关键词调研为什么叫“兵马未动，粮草先行”。 Semrush、Ahrefs等专业

  6. Aug 25

    49. 史柏帆×张磊：从《三体》到一稿过的出海短剧，他们用AI重新做导演

    �《灯下白》EP49 嘉宾：史柏帆、张磊 史柏帆 AIGC导演，AIGC影视创作者、创业者，长期进行AI视频与内容创作实践。 张磊 程序员出身的AIGC导演。因为长期热爱影视与《三体》，2024年前后开始尝试用AI把小说转化成画面，并逐渐从技术开发转向AIGC影视创作。如今与史柏帆共同从事AI短剧、影视资产设计与导演工作。 主持人：吴熳在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人 本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！ �本期故事 这大概是《灯下白》目前最像“三个人误入别人家客厅”的一期。 节目刚开始，史柏帆就以“公主式出场”坐进镜头。吴熳坐在史柏帆和张磊中间，忍不住说：你们两个怎么这么像两口子？ 他们最近确实几乎每天都在一起。 一起创业，一起做AIGC公司，一起接甲方的AI短剧，一起讨论资产、分镜、世界观和镜头。工作强度很高，但史柏帆说，他们反而觉得很幸福，因为两个人很多时候意见一致，兴趣也接近；一方忙不过来，另一方自然补位。 他们最近做的一部海外短剧，剧情也很典型。 一个原本漂亮的皇后被人陷害，吃了让自己变胖的药，在国王生日典礼上遭到羞辱，最后完成逆袭。这个故事听起来甚至有一点狗血，但史柏帆和张磊并不排斥。 因为出海短剧首先面对的，仍然是最基础的人性。 受辱、委屈、逆袭、爱、嫉妒、愤怒、快乐，这些情绪并不会因为观众来自美国、欧洲还是中国就彻底不同。真正不同的，是服装、建筑、文化背景、行为逻辑和生活习惯。 所以他们做AIGC短剧，不只是“给模型一句Prompt”。 一部架空宫廷剧到底处于哪个时代？巴洛克还是洛可可？建筑应该有多古老？女王穿什么衣服？头饰、王冠、家具和沙发应该怎样搭配？一个穿越者把现代物品带进古代环境以后，什么样的反差才真正成立？ 这些都需要在生成以前被设计。 人物是一套资产，服装是一套资产，场景、家具、重要道具也都是资产。到了真正的视频阶段，再像传统导演调度现场一样，把角色、位置、动作、台词、情绪和镜头重新组织起来。 史柏帆说，现在的AI视频创作正在发生一个很明显的变化： 以前更像动画思维，现在越来越像导演思维。 而张磊就是这种变化里很有代表性的人。 他原本是程序员。 但他一直喜欢电影，也一直是《三体》的书迷。他曾经有一个很简单的愿望：能不能把自己脑海里的《三体》真正做成画面，让别人也看到？ 2024年前后，AI视频工具开始出现，他突然发现，过去需要庞大影视工业体系才能完成的东西，个人第一次有了机会。 于是他开始做，越做越多，越做越喜欢，最后真的从程序员走成了AIGC导演。 但工具变强，并没有让导演变得不重要。 恰恰相反。 当AI越来越会生成画面，真正困难的问题开始从“能不能生成”，转向“你到底想生成什么”。 张磊做《三体》时，有一场云天明回忆自己人生经历的戏。他用了差不多三天完成，却因此低落了一个星期。 因为在制作过程中，他必须把自己带进角色。 角色为什么这样说话？这个时候应该是什么表情？镜头离他多远？情绪什么时候起来，什么时候落下？ 过去演员自己要进入角色。 现在AIGC导演甚至要替AI演员进入角色。 这也是史柏帆认为，AI依然很难真正替代导演和编剧的原因之一： 导演最核心的能力，是共情。 不是知道哪个模型参数更高，而是能不能进入一个和自己完全不同的人，看见他的处境，理解他的欲望，再让观众也相信这一切。 所以聊到最后，两个人给想进入AIGC影视行业的人一个几乎完全不像技术教程的建议： 先看电影。 去看真正优秀的影视作品。 看节奏为什么这样变化，看分镜为什么放在这里，看人物为什么这样表演，看一部成熟作品怎样让情绪呼吸。 模型当然还会继续变。 但电影为什么好看，这件事不会因为模型更新一次就自动改变。 �本期你会听到 史柏帆和张磊为什么决定一起创业，以及两个长期高度协作的人怎样在AIGC影视公司里互相补位。 海外AI短剧的甲方到底在买什么。从剧本到分镜，再到最终视频，AIGC团队需要承担哪些真实交付环节。 为什么“被陷害的胖皇后逆袭”这样的剧情会适合海外短剧，以及不同国家的观众背后有哪些共通的人性。 流量到底有没有所谓的玄学。史柏帆为什么越来越不愿意天天研究平台算法，而更关心“观众到底想看什么、看完有没有情绪”。 视频号的冷启动、流量池和赛马机制是怎么回事，为什么朋友最初的一键三连和完播率可能仍然有意义。 曾经几个小时跑出巨大流量内容，为什么史柏帆反而觉得这种流量“没有意义”。 内容创作者究竟应该追求绝对播放量，还是找到真正喜欢自己内容的人。 2025年前后的AI视频工具还有明显局限时，为什么真正优秀的作品放到今天仍然成立。 模型变强以后，提高的更多是创作效率，还是创作上限？ 中文观众和海外观众的审美真的差很多吗？为什么史柏帆认为喜怒哀乐这样的底层情绪始终共通。 做海外剧时，为什么世界观不能偷懒。罗马、希腊、中世纪、巴洛克、洛可可和新古典主义之间的区别，最后会怎样影响观众的沉浸感。 剧情为什么也需要“呼吸感”。持续的信息轰炸和持续的高情绪，为什么反而可能让人疲惫。 一个程序员是怎样转行成为AIGC导演的。 张磊为什么因为《三体》开始做AI影视，并逐渐发现这就是自己真正喜欢的事情。 做一部AI短剧以前，人物、面容、服装、场景、道具和装修为什么都需要先被资产化。 什么叫“AI脸”，为什么成熟AIGC作品必须让人物真正拥有辨识度。 为什么现在的AI视频已经开始从“动画思维”进入“导演思维”。 资产拆开以后，导演怎样重新调度人物、场景、道具、位置、动作、台词和情绪。 语言在新一代AIGC影视里为什么仍然重要。它不只是描述画面，更是在组织不同资产之间的关系。 史柏帆为什么离不开语言模型、视频模型和图像工具，人物一致性在影视工作流里到底有多重要。 张磊为什么开始关注新的语言模型，让它帮助做资产整理、时代考据、服装特征、提示词和情绪设计。 AIGC导演最重要的能力为什么不是Prompt，而是共情。 一个导演为什么会因为做了三天云天明的戏，自己低落一个星期。 传统演员需要入戏，而AIGC时代为什么变成导演替AI角色入戏。 不同AI模型为什么像有不同“脾气”，并不存在一个模型适合全部场景。 普通人30天进入AIGC影视行业，究竟应该先学模型，还是先补影视基本功。 为什么两个人都认为，热爱比追风口更重要。 未来一年，史柏帆最想要的变化为什么并不是一个新模型，而是和张磊“长长久久”地继续把事情做下去。 �本期金句 做流量没有想象中那么难。归根结底，还是大家想看什么，什么东西能让人开心、让人有共鸣。 我并不需要去搞清楚每个平台全部的算法逻辑，我更关心内容本身到底好不好。 如果每天都盯着流量，一个人会非常焦虑。 流量如果不能把我真正喜欢、真正做的东西传播出去，对我来说就没有那么大意义。 工具的限制不是制约真正创作者的核心因素。 新的模型可以提高创作效率，但不会自动让作品变好。 所有人类底层的感情其实是共通的，差异更多来自成长环境和文化细节。 一部片子的情绪要像呼吸一样，有呼有吸，有张有弛。 现在的AI创作越来越不是动画思维，而是导演思维。 一个AIGC导演依然要理解人物、世界观、动作、台词和情绪。 我过去虽然是程序员，但我一直非常喜欢影视。 因为热爱，所以我去做。 导演最重要的能力之一，是共情。 AI很难替代导演和编剧的一点，是人能够站到别人的角度思考问题。 现在的导演还要站到演员的角度，因为你要指导AI演员怎么表演。 模型都有自己的脾气，没有一个工具适合所有场景。 如果真的想进入AIGC影视，先拿出热爱，再开始做。 比学任何一个AI技术更重要的，是先看足够多优秀的影视作品。 ⏱Shownotes 00:10《灯下白》第一期视频播客：史柏帆和张磊登场 00:40“你们两个怎么像两口子”：两个AIGC创业搭档的日常 01:26现在正在给甲方做什么：AI海外短剧正式交付 01:56胖皇后被陷害再逆袭：海外观众到底喜欢什么剧情 03:21工作之外继续做内容IP，“魏大局”为什么还在更新 04:20流量有没有秘密：先别研究算法，先想观众为什么愿意看 05:01一键三连、完播率与视频冷启动 05:41流量池和赛马机制：做到最后为什么反而不想天天研究 06:19几个小时的大流量，

  7. Aug 20

    48. 颜鑫：00后连续创业AI零售、社交，泛心理和具身智能后，让机器人听懂“我没事”

    �《灯下白》EP48 嘉宾：颜鑫00后AI创业者、算法与具身智能实践者。大学学习自动化，大二起自学AI并开始创业，先后探索AI+零售、AI+社交、AI+泛心理等方向。近年来持续研究多模态情感感知、情感理解、机器人记忆与情感陪伴，希望让AI从被动响应的工具，逐渐成为能够感知环境、理解人并主动交互的伙伴。 主持人：吴熳在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人 本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！ �本期故事 录制这期《灯下白》的当天，吴熳原本并没有提前约颜鑫。 她是在面壁智能和华为昇腾的一场活动上再次遇见他的。颜鑫上台展示了一个自己正在折腾的桌面机器人，吴熳看完以后觉得有意思，现场把人“薅”过来录播客。 真正让她印象深刻的，不是机器人会回答多少知识问题，而是一个很小的瞬间。 有一次颜鑫正在电脑前写代码，没人向机器人提问，它却自己看着周围的环境，突然对他说：“你的屏幕看起来好大，你写代码应该很爽。你是不是程序员？” 颜鑫当时也愣了一下。 因为这句话不是由一句Prompt触发的。机器人通过摄像头看到了他的屏幕，观察了环境里的信息，再推测眼前这个人可能正在写代码，最后主动发起了一次对话。 这和我们今天熟悉的大部分AI交互不太一样。无论ChatGPT、豆包还是其他聊天机器人，通常都需要人先说一句话，AI再回答。颜鑫更想做的，是一个真正“活在环境里”的机器：它会看，会听，会记得，也会在某些时候主动和你说话；你可以打断它，它也可以根据你突然改变的表达调整自己的反应。 为了让这种交互更接近人，他还试图把延迟压到600—800毫秒左右，让机器人不仅说话，还能通过头部、身体和两只像耳朵一样的天线做出与语言相匹配的动作。 但颜鑫真正想解决的问题，比“做一个可爱的桌面机器人”更深。 如果一个人嘴上说“我没事”，AI到底怎样判断他是真的没事，还是正在强撑？ 只看文字，这三个字永远只是“我没事”。可人在真实世界表达情绪时，还有语气、停顿、表情、姿态和动作。同一句话，用不同声音和表情说出来，背后的意义可能完全不同。 所以从2023年开始，颜鑫把越来越多精力放在AI+泛心理与情感陪伴上。他研究多模态情感感知、情感理解、全模态记忆，也思考一个进入家庭的机器人应该记住什么、忘掉什么，以及怎样在尊重隐私的情况下长期理解一个人。 而他为什么偏偏对“情绪”这件事感兴趣，也并不是偶然。 2023年前后，他自己即将毕业，身边的师兄师姐也都开始面临答辩、找工作、租房、异地和第一次真正进入社会的压力。大家都很焦虑，他自己也不是一个永远快乐的人。 他后来很坦率地说：如果我自己非常快乐，我可能也不会选择做这个方向。 颜鑫做产品有一个习惯——他必须先问：这个东西我自己会不会用？ 他想做的不是一个听起来宏大的AI系统，而是先让它能帮到自己，再帮到身边的人。 从大二第一次做AI零售，到AI社交，再到今天做情感陪伴和具身智能，表面上看，他已经换了好几个赛道。 但聊到最后会发现，这几次创业其实都在靠近同一件事： 让AI真正进入人的生活。 不是让人为了AI改变生活，而是让AI先学会理解人。 �本期你会听到 颜鑫为什么从大二就开始创业，以及一个00后连续探索AI+零售、AI+社交和AI+泛心理的路径是怎样形成的。 一个桌面机器人为什么会在没人提问的时候，主动观察颜鑫的屏幕，并判断“你是不是程序员”；主动交互和我们今天熟悉的聊天机器人到底有什么区别。 为什么“能不能被打断”是人机交互里非常重要的能力。如果AI永远按照自己的话说到底，它为什么更像对讲机，而不像一个真正的伙伴。 人和人交谈时对延迟非常敏感，为什么颜鑫尝试把机器人的响应压到600—800毫秒左右；低延迟为什么不仅影响体验，也会影响人对“这个AI聪不聪明”的直觉判断。 除了语言，一个陪伴机器人为什么还需要动作。头部、身体和两只天线的运动怎样与表达同步，以及为什么这些物理反馈会产生纯线上聊天无法提供的存在感。 人到底能不能和机器人建立信任？颜鑫为什么认为“绝对信任”也许很难，但“相对信任”可能通过技术逐步建立。 他说“我没事”时，AI到底听见了什么？为什么只识别文字，很容易损失人真正表达的情绪。 情感感知为什么必须从文字扩展到视觉、声音等更多模态，以及情绪为什么比数学题更难训练——1+1可以明确判断对错，但一个人此刻到底有多难过，很难拥有绝对标准答案。 AM Bench为什么被提出，它试图衡量现有模型在情感理解相关能力上的表现。 为什么颜鑫认为一部分情感感知应该尽可能留在端侧。一个进入家庭、拥有摄像头的机器人会看到大量私人生活，如果全部上传云端，会产生怎样的隐私风险。 2024年他们做视觉—文本多模态小模型的过程中，为什么把端侧情感理解作为重要方向，以及小模型在具身设备中可能承担什么角色。 从情感感知到情感理解，再到情感表达，为什么是三个完全不同的问题。 传统语音对话链路为什么会经过“语音转文字—大模型处理—文字再转语音”，每一层转换又为什么都有可能损失信息，尤其损失情绪。 为什么颜鑫越来越关注端到端的全模态模型，希望尽量保留人在声音、语气和表达中的情绪信息。 机器人为什么不能只拥有“文字记忆”。它能不能记得你刚才把SD卡放在哪里，能不能理解家庭成员之间的关系，能不能从长期生活中建立属于这个家庭的上下文。 更有意思的是：机器人为什么还要学会“忘记”？如果所有事情全部永久保存，搜索空间和噪声会怎样不断膨胀，机器是否也需要类似人的遗忘机制。 为什么2023年大家都在做更通用的大模型时，颜鑫反而选择进入泛心理方向。 毕业、找工作、租房和异地压力，如何让他第一次意识到，一群看起来正常的年轻人其实拥有非常真实的情绪需求。 “豆包也能陪人聊天”，那为什么还需要机器人？一个毛茸茸、会转头、会摇摆、长期待在你身边的实体，和手机里的AI到底有什么区别。 为什么有人愿意花数千甚至数万元购买功能并不复杂的陪伴机器人。人购买的究竟是机器的功能，还是一个承载感情的容器。 颜鑫为什么说，他希望用AI做一些“能够温暖大家”的事情。 大学原本学习工业自动化，他为什么会在2020—2021年自己开始学习AI；在人脸识别还是AI重要落地场景的年代，他为什么已经觉得AI应该做更多事情。 第一次AI创业做智能零售，怎样试图提升线下结算效率；面对大型商超不断新增的SKU，为什么不能每增加一个商品就重新训练一次模型。 把商品视觉信息向量化以后，怎样让结算系统面对不断变化的商品仍然能够工作。 学校食堂、面包等真实场景里，AI怎样把逐个扫码的一分钟，压缩成十几秒甚至更短的结算过程。 第二次创业做AI社交，他为什么把机器人直接扔进群聊。 一群没有任何利益关系的人，会怎样在真实聊天里自然评价一个AI；为什么颜鑫认为，这种“骂是真的骂，夸是真的夸”的反馈，比很多人为设计的Benchmark更接近真实用户体验。 群聊机器人怎样让他第一次观察到“人拿到AI以后到底会做什么”。 为什么有人拥有AI以后，只会问“今天天气怎么样”，也有人开始向AI寄托情绪。 从AI社交走向AI泛心理，这些未经设计的真实用户行为，对颜鑫产生了什么影响。 什么叫“AI商”？当模型越来越强，人到底有没有学会把AI真正用于改善生活。 为什么颜鑫最终没有把“提高生产力”当成自己最想解决的问题。他更想做的是，让人快乐一点、放松一点，不要每天只想着工作和当牛马。 快问快答里，他为什么把微信也列进了自己最离不开的“AI工具”。 做过这么多产品以后，他最值钱的习惯为什么仍然是：自己必须是产品的第一用户。 最大的产品坑是什么？为什么一个略带完美主义的人，反而会在做到五六十分后直接Rebuild，而不是继续在旧版本上修修补补。 如果让普通人用30天熟悉AI开发，颜鑫为什么没有先推荐Coding课程，而是说：先写好自己的人生说明书。 �本期金句 我想让AI更落地一点，能够帮到更多人一点，也能够离人更近一点。 我做任何一个模型、任何一个产品，我自己都是它的第一个用户。 如果它不能解决我的问题，我不会把它发出去让更多人用。 陪伴更像伙伴。它应该主动观察、主动感知、主动交互，而不只是等你给它一个

  8. Aug 18

    47. Darren：从中国供应链到海外独立站，他把一个人的出海生意完整跑了一遍

    �《灯下白》EP47 嘉宾：Darren计算机专业出身，金融技术背景程序员、Web技术爱好者、OPC。早期曾在纺织面料行业从事技术与数字化相关工作，后长期探索海外独立站、跨境电商、自动化工作流与Vibe Coding。如今主要围绕海外SaaS产品与企业知识库建设开展业务，也持续实践AI产品、自动化营销和产品出海。 主持人：吴熳在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人 本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！ �本期故事 很多人第一次听“海外独立站”，脑海里想到的可能是建一个网站、把中国商品挂上去，再投点广告。但Darren真正跑过一遍之后，会告诉你：建站反而是里面相对简单的一步。 真正难的是，你到底卖什么？谁会买？为什么有人愿意在亚马逊、TEMU之外，单独进入一个陌生网站下单？用户从哪里来？网站加载速度会不会影响转化？订单进来以后怎样从中国供应链发到海外？广告什么时候应该继续加预算，什么时候必须马上停？ Darren曾经卖爆过一个连吴熳听完都觉得有点不可思议的产品——给蜜蜂和蝴蝶喝水的小器皿。它插在花园的土里，倒进去水之后，蜜蜂和蝴蝶可以停下来饮水，再继续帮助植物授粉。主要购买者，是海外喜欢种花的老年人。 这不是Darren坐在家里拍脑袋想出来的需求。他通过Meta广告库观察哪些产品已经有人持续花真金白银投放，再做市场和用户调研，最后用小预算测试。ROI跑得好，就逐步加钱；不行，就停止，再测下一个。最理想的时候，他的广告预算曾经跑到单日约3000美元。 他的核心判断也因此越来越稳定：选品决定生意有没有机会成立，投流只是把这个结果放大。 这套方法后来贯穿了他做独立站、自动化、SaaS甚至企业AI服务的整个过程。他并不特别迷信某一个风口，而更习惯像工程师一样对待商业：先找信息，拆链路，做小实验，看真实数据，再修正自己的判断。 从程序员，到中国供应链出海，再到如今的SaaS、企业知识库和OPC，Darren看起来换过很多方向，但底层其实一直在做同一件事：用技术把一个真实需求跑通，再看它能不能变成生意。 �本期你会听到 Darren为什么从计算机专业毕业后，第一份工作却进入了纺织面料行业；一个程序员怎样参与面料数据库、OCR和线下面料图书馆建设；为什么这些看起来和AI无关的经历，后来反而成为他理解传统行业数字化的基础。 他又是如何通过YouTube、技术博客和Starter Story接触海外创业者的真实案例，并从中学习独立站、选品、投流和一个人创业的方法。2024年前后开始研究N8N以后，他怎样把信息抓取、AI分类、飞书沉淀，以及视频脚本、画面生成、拼接、上传和数据监测做成自动化流程。 这一期也会把海外独立站的完整链路聊得很细：域名、服务器、网站、支付、营销、中国供应链和跨境物流分别处在什么位置；为什么做独立站可以不囤货；海外品牌站和亚马逊有什么区别；CDN和网站加载速度为什么会直接影响海外用户的购买体验。 当然，还有那件非常有代表性的爆品——给蜜蜂和蝴蝶喝水的小器皿。Darren是怎样从Meta广告库里发现这个需求的？为什么海外老年人愿意为一个中国消费者可能完全想不到的东西付费？什么叫白牌产品？怎样避免跨境销售中的侵权风险？ 在投流部分，他也完整讲了自己的方法：为什么选品比投流更重要，ROI达到什么状态才值得继续加预算，什么时候应该扩量，什么时候必须止损，以及单日约3000美元的广告预算是怎样一步步从小额测试跑出来的。 与此同时，独立站也并不是一个永远有效的机会。TEMU等低价平台进入海外以后，消费者的价格认知发生变化，过去依赖信息差和“小而美”的独立站模式也受到明显冲击。Darren为什么没有固守已经跑通过的路径，而是继续转向企业服务、知识库、自动化和SaaS，也是这一期很重要的一条线。 最后，我们还聊到了AI Coding之后，一个技术出身的人为什么仍然反复强调“框架”。AI当然能一句话帮普通人写出一个网站，但能运行和能够长期维护完全是两回事。如果今天的代码结构混乱，几个月后无论自己继续迭代，还是交给真正的技术团队，都可能付出巨大的维护成本。 �本期金句 选品很重要，投流只是一个放大的作用。 做产品要先调研需求，再看数据，让数据决定你的下一步。 要把自己的主观世界和客观世界分开。 一个东西你自己不会买，不代表市场上没有人愿意买。 海外用户和中国用户的消费习惯不一样，不能直接拿自己的生活经验替他们做判断。 跑通0到1以后，不要马上扩张，先让它稳定地跑一段时间。 AI Coding可以快速把东西做出来，但框架决定它以后还能不能继续长。 一个产品现在能运行，不代表半年以后别人还能看懂你的代码。 OPC不是没有人管，而是所有的事情最后都回到自律。 前期调研清楚，再行动；0到1跑通以后，再考虑扩量。 ⏱Shownotes 01:26 Darren登场：出海、Vibe Coding、SaaS与企业知识库 02:26 计算机毕业后的第一份工作，为什么去了纺织面料行业 03:13 OCR、面料数据库与线下面料图书馆 04:36 技术系统怎样连接面料采购商、服装设计师与科研人员 05:55 Starter Story：Darren大量海外商业认知的来源 06:42 从海外创始人的0到1故事里，他到底在学什么 07:13 2024年开始研究N8N与AI自动化 07:22 自动抓取技术文章、AI分类与飞书知识沉淀 08:31 一条视频生产工作流，怎样从脚本一路做到发布后的数据监测 10:40 从看教程到直接读Paper：AI怎样改变技术人的学习方式 11:57 什么是海外独立站：域名、网站、营销和中国供应链 12:37 不囤货，怎样把中国商品直接卖给海外消费者 13:51 品牌站为什么不只是“做得好看”，网站速度也影响转化 14:29 北美服务器、法国用户与CDN缓存 15:26 海外消费者为什么愿意在陌生品牌站下单 16:12 独立站真正适合卖什么样的产品 16:56 Darren卖爆的“蜜蜂和蝴蝶喝水器” 17:13 为什么购买者主要是海外喜欢种花的老年人 17:34 Meta广告库：怎样找到已经有人花钱验证过的需求 18:24 什么是白牌产品，跨境销售为什么要特别注意侵权 18:45 从小额测试开始，怎样判断一个产品值不值得继续投 19:57 单日广告预算如何逐渐跑到约3000美元 20:36 选品和投流到底谁更重要 21:13 ROI跑得好以后，预算怎样逐步扩张 22:34 什么情况下继续投，什么情况下马上止损 23:22 汽车尾灯、风铃，还有哪些意想不到的海外产品 23:44 29.9美元到59.9美元：独立站如何设计组合与客单价 24:59 从中国发欧洲，普货物流成本到底如何计算 26:30 没有海外仓，为什么一样可以做跨境独立站 26:45 海外用户对物流时间的容忍度，为什么超出中国人的想象 27:09 为什么又是Starter Story改变了他的认知 27:41 TEMU进入海外以后，独立站的生意发生了什么变化 28:22 低价平台怎样冲击过去依赖信息差的小而美模式 30:01 从跨境生意重新转向N8N、AI和企业服务 30:21 从一次部署服务开始，怎样逐步延伸到B端需求 30:37 “熳姐，咱俩去黄埔搞个OPC” 31:01 一个偏内向的技术人，为什么决定去参加黑客松 31:35 金融产品与外国人来中国旅行的Agent 32:57 黄埔OPC能够提供哪些算力、曝光、融资和企业服务 33:52 从上班到OPC，最大的变化为什么其实是自律 34:47 AI怎样替一个人承担信息获取、论文阅读和研究工作 35:08 为什么现在不再重点做传统实体独立站 35:24 从跨境经验进一步转向海外SaaS产品 36:23 从自己的线下沙龙需求出发，做一款白板SaaS 37:25 把独立站视觉效果和提示词做成新的产品 38:26 数据驱动之外，也可以先解决自己的真实需求 38:56 Product Market Fit之外，还有Product Me Fit 39:22 成为父亲以后，一个OPC怎样重新安排工作、Coding与家庭 40:06 技术背景做Vibe Coding，到底有什么实际优势 40:45 普通人用AI做产品，为什么应该先问一句“适合什么框架” 41:41 不懂技术，也可以让AI帮助选择Framework 43:30 为什么框架决定了产品未来的维护成本 44:03 吴熳用了近20年的文件管理习惯，怎样现场变成产品需求 46:03 一个长期存在的个人痛点，本身就可能是一款产品 47:25 框架定下来以后，产品才能持续加功能而不至于越来越乱 48:02 AI写出的代码能跑，为什么专业工程师接手时可能依然崩溃 48:57 真正做海外独立站，第一步为什么不是建网站，而是解决支付 50:16 支付链路跑通之后，再进入营销 50:43 Meta、TikTok等平台的广告账户怎么玩 51:08 不想投广告，也可以通过SEO慢慢获取自然流量 51:39 Blog与搜索内容怎样持续为独立站带来用户 53:14 为什么一个人做

See All (54)

About

访谈各行各业的AI高手，在真实场景下如何定义问题、怎么取舍。 灯下见白，我们开始。

Information

You Might Also Like