作者: edit

  • 卖“千元神器”, 浙大学霸年入5亿,正冲刺上市

    声明:本文来自于微信公众号 天下网商,作者:周晓奇

    4月1日,AR眼镜公司XREAL正式向港交所递交招股书,计划于年内登陆主板。如果成功上市,XREAL将成为AR眼镜赛道首家上市的企业。

    “XREAL的第十年,一个新的开始。”XREAL创始人徐驰在朋友圈写下这句话。这位浙大竺可桢学院毕业、拥有明尼苏达大学电子信息工程博士学位的连续创业者,曾就职于英伟达和Magic Leap(美国AR科技公司)。

    2017年,徐驰回国创立XREAL(原Nreal),仅用两年便做出全球首款消费级AR眼镜。这让其迅速受到了资本的青睐。据企查查数据显示,XREAL成立以来,获得数十轮融资,投资名单包括阿里巴巴、快手、蔚来、顺为资本、红杉中国、高瓴资本等知名公司和机构。

    图片

    图源XREAL招股书

    此刻XREAL冲刺IPO,恰逢AR眼镜产业爆发的黄金窗口期。

    市场研究机构IDC预测,2026年中国AR眼镜市场出货量将达450.8万台,同比暴增77.7%。更值得关注的是,中国厂商将凭借全球化布局与供应链优势,拿下全球45%市场份额,从技术追随者跃升为产业主导者。

    但XREAL冲刺上市,一个问题也浮出水面。这家三年“烧钱”近20亿元的独角兽,能否在AR眼镜爆发前夜,讲出一个让资本市场信服的盈利故事?

    营收领跑,依然亏损

    XREAL的招股书揭开了全球AR眼镜赛道头部玩家的双面境地:一面是营收、毛利、市占率的全面领跑,另一面是三年累计亏损达20亿元,即将面临严峻的资金的考验。

    招股书显示,从2023年至2025年,XREAL营收分别为3.9亿元、3.94亿元和5.16亿元。从2023年到2025年,XREAL营收同比增长达到30.8%。

    图片

    XREAL营收情况,图源XREAL招股书

    毛利率方面,从2023年至2025年,XREAL毛利率分别为18.8%、22.1%和35.2%,两年提升了16个百分点,这背后是XREAL的高端化转型带来的效果。

    招股书显示,2025年高端One系列AR眼镜卖出11.14万台,均价3196元,贡献3.56亿元收入,成为第一大收入来源。入门款Air系列AR眼镜销量从2023年的13.41万台降至2025年的1.74万台,收入占比从77.6%骤降至14.1%。

    简单来说,弃量保价策略,成为XREAL毛利率迅速提升的关键。

    XREAL的成功,很大程度上建立在全球化之上。招股书显示,从2023年到2025年,XREAL来自海外的营收分别占比为65.3%、65.9%和71%,始终维持在65%以上。

    具体来看,以2025年营收为例,美国是XREAL第一大市场,贡献营收1.9亿元,占总营收比例高达36.9%;其次是日本,营收为7500万元,占总营收比例为14.6%;第三是欧洲,营收为7000万元,占总营收比例为13.8%。

    2025年,XREAL来自中国市场的营收为1.49亿元,占总营收比例为29%,是销售额仅次于美国的全球第二大单一市场。

    在招股书中,XREAL提到公司的销售网络已覆盖全球40个国家和地区,并在北美、日本、韩国等关键市场设立了本地化团队。

    目前,XREAL全球累计销量已超百万台,是全球用户基数最大的AR眼镜品牌。

    然而,光环背后,XREAL仍未走出亏损的泥潭,且现金流紧张,招股书显示,截至2025年末,XREAL现金及等价物为6363万元。

    从2023年到2025年,XREAL分别亏损8.82亿元、7.09亿元和4.56亿元,三年累计净亏损高达20.47亿元。经调整亏损额分别为4.37亿元、3.75亿元和2.50亿元,依旧处于亏损状态。

    巨额的研发和市场投入是亏损的主因。2025年,XREAL研发投入1.83亿元,占总营收比例为35.5%;销售投入为1.31亿元,占总营收比例为25.4%。相当于每挣100元,就有60元的资金需要重新投入技术和市场。

    走向上市,也是XREAL当下破局的最佳出路。

    481项专利,撑起全球AR眼镜市占率第一

    作为全球AR眼镜龙头,XREAL正试图用“高端化产品+全球化布局”构筑自己的护城河。

    在产品线上,XREAL专注消费级AR眼镜,产品线分为Air系列主打入门,One系列为中高端主力,Light/Ultra/Aura构成旗舰序列。

    2024年之前,XREAL的销售主力产品是入门的Air系列产品,但入门产品毕竟售价低、毛利低,为此在2024年之后,XREAL转向高端化战略,开始主要销售中高端系列的One产品,很快就将毛利率提升了一倍。

    Light/Ultra/Aura等旗舰产品线,一方面是为技术探索和品牌高度铺路,另一方面是配合谷歌、蔚来等合作厂商,推出定制化产品,提高毛利率。招股书显示,XREAL企业服务板块的毛利率达到60.8%,成为最赚钱的业务板块。

    在市场布局上,XREAL搭建了“中国研发、全球销售”的模式。

    凭借全球化的销售渠道,XREAL在AR眼镜这一细分赛道处于领导地位。据其招股书数据,按销售收入计,XREAL从2022年至2025年连续四年位居全球第一。2025年,XREAL在全球AR眼镜市场的销售额市占率达到27.0%,销量市占率为24.8%,均位列第一位置。

    XREAL能获得市占率第一的地位,离不开在技术和生态上的壁垒。

    招股书显示,XREAL自主研发的X-Prism光学引擎、X1系列端侧协处理器、高效能空间感知算法和NebulaOS操作系统共同构成了一套深度整合的技术组合。截至2025年12月31日,XREAL持有481项专利,并在美国、欧盟、日本及中国等主要市场均拥有系统性的专利布局。

    在生态上,XREAL提到自己是Android XR平台(谷歌旗下XR平台)上光学透视AR设备的首席硬件合作伙伴,并且即将与Google共同开发下一代旗舰产品——Project Aura。与谷歌的深度合作,为其在软件生态上构建了开发者屏障。

    图片

    XREAL与谷歌合作的旗舰产品Project Aura,图源XREAL招股书

    虽然XREAL已经在AR眼镜市场拥有一定地位,但冲刺上市路上依旧存在不少风险。

    从盈利模式来看,目前AR硬件销售收入占比高达78%,企业服务与配件收入虽毛利高但规模尚小。公司业绩过度依赖单一硬件品类的迭代成功与市场需求,削弱了其抗风险能力。一旦产品迭代失误或需求下滑将冲击业绩。

    其次,XREAL70%以上收入依赖海外市场,贸易政策、汇率波动、技术出口管制等任何一项变化都可能引发连锁反应。

    最后是技术迭代风险,AR技术仍在快速演进,光波导、MicroLED、AI融合等路线均在市场占据一定份额,未来投入不足或方向偏差,或将被行业淘汰。

    上市绝非终点,而是新一轮残酷竞赛的起点。XREAL需要实现可持续的商业循环,这才是真正的终极考验。

    百镜大战打响,XREAL的“全球第一”能持续多久?

    经历了数十年的发展,消费级AR眼镜不再是未来的概念,它正在变成今天的生意。

    据国际数据公司IDC发布的2025年《全球增强与虚拟现实支出指南》显示,2024年全球增强与虚拟现实(AR/VR)总投资规模达152.2亿美元,并有望在2029年增至397.0亿美元,五年复合增长率(CAGR)将达21.1%。

    在出货量上,2025上半年,全球智能眼镜市场出货量达406.5万台,同比增长64.2%。其中中国智能眼镜厂商出货量突破100万台,同比增长64.2%,占据全球26.6%的市场份额。

    IDC预测,到2029年,全球智能眼镜市场出货量将突破4000万台,其中中国市场份额将稳步提升,预计5年复合增长率(2024-2029)将达到55.6%,增速位居全球首位。

    图片

    全球与中国智能眼镜市场出货量预测,图源IDC

    这个曾被嘲讽为“期货”的赛道,正以前所未有的速度冲入爆发期。

    在2026年国际消费类电子产品展览会(CES)上,智能眼镜成为主角,有超50家厂商展出了智能眼镜产品,其中不乏谷歌、苹果、亚马逊、Meta等海外巨头布局。

    从目前竞争格局来看,目前国内形成以“XREAL、雷鸟、Rokid、影目科技”为代表的“四小龙”格局。虽然目前XREAL领跑,但竞争也在加剧,Rokid联合阿里,主打开放生态与AI融合,雷鸟创新依托TCL的供应链和与运营商的深度绑定,在国内市场攻势猛烈。

    此外,巨头均在入局智能眼镜领域。海外谷歌、苹果、Meta等厂商均以入局,国内阿里、华为、小米、OPPO等科技巨头也已全面入场,智能眼镜市场早已不再是创业公司的比拼场地,而是互联网巨头、手机大厂与AR新势力同台竞争的战场。

    未来的市场竞争,正从单纯的硬件参数,转向“硬件+操作系统+AI+生态+内容”的综合战。

    由此来看,未来智能眼镜行业轻量化、AI原生、生态开放是必然方向,如此才能在消费端和产业端都占据一定优势。

    单纯的价格战或代工模式将难以为继。未来的胜出者,必须同时具备全球化市场能力、高端品牌定位、核心自研技术、以及驾驭主流生态或自建特色生态的能力。

    从这些方面看,XREAL拥有的自研技术与谷歌生态的强绑定,短期内可以保持一定领先地位。但未来能否持续保持技术领先,以及谷歌是否会找其他合作商,具有不确定性,也是影响XREAL发展的重要变量。

    对行业来说,XREAL闯关港交所的成败,或将成为行业重要的试金石和风向标,如若成功,将继续点燃资本热情,加速行业发展、洗牌与整合。

    XREAL,站在了新的考验关口,其所在的行业也是。

  • 拍短剧的山海星辰要用NOVA AI打造「一人剧组」

    声明:本文来自于微信公众号 窄播,作者:李威

    一部短剧从剧本到上线意味着什么?

    2024年,山海星辰按照传统方式制作一部短剧,意味着需要数十人的团队协作,要有编剧负责剧本打磨,由导演和摄制团队完成拍摄,然后交给后期团队完成剪辑、调色、合成。整个制作流程会耗费数周时间。

    2026年,山海星辰制作AI短剧《安静签到一万年,圣女跪求我出山》《I’m Done Being A Yes Girl》《龙的新娘》时,意味着整个流程都跑在自研的一站式AI短剧创作平台NOVA AI上,整个制作团队只有1到3人,制作周期被压缩到数小时到数天。

    图片

    《安静签到一万年,圣女跪求我出山》剧照

    这只是最近几个月短剧行业快速变化的一个缩影。当AI视频模型进化到可以轻松生成一段高质量的视频画面时,短剧是率先迎来变革的行业之一。在抖音和快手的推荐流中,AI短剧正在肉眼可见地抢占内容赛道的注意力。

    但用AI做一部短剧,并不像做一个视频段子那样简单。你需要管理几十个角色的外型一致性(女主角不能第一集圆脸、第三集锥子脸),维护上百个场景和道具的连续性,需要一套完整的分镜体系把文字变成画面蓝图,需要在上百个并行镜头中处理失败和重试……

    换句话说,AI短剧想要蓬勃发展,不仅需要依赖AI视频模型的不断进步,还需要有能适应模型发展水平的工业化制作平台,将整个制作体系产品化。这是影响短剧行业产能爆发的关键。

    山海星辰将NOVA AI开放出来,恰恰是想在这些最硬核、最容易让创作者抓狂的工程痛点上,交出一份满意的答卷。

    作为一个全栈式AI短剧创作平台,NOVA AI中沉淀了山海星辰的短剧制作经验,覆盖仿真人短剧与动漫动画两大赛道,想把一整个剧组打包进一个平台,实现从剧本文本到成片视频的AI化制作。

    从即将上线的《龙的新娘》的宣发视频来看,这部有北欧神话风格的AI短剧,已经基本能够实现角色造型、剧中场景的一致性,并且能够精准呈现出表情紧张的孩子、窃窃私语的老妇人、眼神愤怒的贵妇人等接近真人表演的细节。

    在很多工具还在解决「单点痛点」时,NOVA AI已经完成了AI短剧端到端生产能力的构建。随着NOVA AI这样的创作工具的继续完善,AI短剧行业也将迎来一个工业化大生产的增长阶段。

    多个AI模块协同,剧本一键到成片

    理解NOVA AI最直接的方式,是跟着一个项目走一遍它的完整制作流程。

    从基础界面来看,NOVA AI覆盖了剧本工作台、制片工作台、创意工作台等模块。整体界面接近专业级影视制作软件的视觉风格。

    图片

    一部剧的起点是剧本。导入剧本文本后,NOVA AI会自动解析剧本结构,提取剧情大纲、人物小传、分集梗概、受众定位等关键信息,并生成剧本评级。

    对于每天要筛选大量剧本的内容公司来说,NOVA AI可以化身为一个拥有敏锐商业嗅觉的「AI金牌制片人」,大幅压缩前期的剧本开发时间。

    图片

    剧本解析完成后,将进入项目管理阶段。这一步的核心是搭建整个项目的世界观:角色、场景、道具、特效,每一类元素在NOVA AI中都有对应的管理模块。

    系统从剧本中自动提取角色和场景,每个角色会有参考图、定妆照和关键帧画面作为一致性锚点,确保跨镜头外型统一;每个场景有AI文字描述和多方位参考图生成。

    这种按元素分类管理的设计,不仅是创作上的专业,更是逻辑上的严谨。NOVA AI不是简单粗暴地堆砌AI工具,而是像一个深谙影视工业规律的「老法师」,借鉴影视工业中美术部门的工作方式:设定图、效果图、道具清单,把复杂的制片逻辑润物细无声地融进了产品里。

    世界观搭完,接下来就是最关键的环节:分镜。NOVA AI可以从剧本自动生成完整的分镜脚本,同时还支持提供局部重绘、擦除、角度变换、画面外扩等编辑工具。

    图片

    其中有个设计细节:图像提示词和视频提示词是分开生成的。平台对画面生成和视频生成分阶段处理,先生成静态关键帧确认画面,再依靠关键帧生成动态视频片段。

    图片

    这样,只需评估好对应关键帧的质量和一致性,就可实现视频生成结果的基本可控,不必等待生成整个视频之后再去进行调整。在生成一段视频的时候,这个功能可能没那么重要,但在批量生成短剧剧集的时候,有没有这个功能的差别就大了。

    是的,NOVA AI支持批量生成整部短剧的剧集。分镜确认后,NOVA AI就可以一键启动,完成视频片段生成、语音合成、口型同步、画质增强、最终合成输出等后续工作。

    NOVA AI没有盲目追求「一步到位」的炫技,而是选择了最符合大规模专业制作的「分步控图」逻辑,把不可控的AI生成,变成了可控的产品化能力。这背后是多个AI处理模块在协同运转,涵盖分析、生成、编辑、增强、批量处理等环节。

    真人动漫双赛道,国内海外全覆盖

    在需求场景适配性上,NOVA AI的工业化生产模式实现了兼顾仿真人短剧和动漫动画,同时生成国内和海外两个市场的内容,满足不同赛道的创作要求。

    在仿真人短剧方向上,NOVA AI的成片能接近古装史诗剧的观感,有雪地荒原的全景、有军队对峙的场面、有角色面部特写的情绪表达。其生成的真人角色在面部细节、皮肤质感和服装材质上的表现也相当成熟,基本解决了早期AI视频常见的塑料感和面部崩坏问题。

    在动漫动画方向上,NOVA AI同样支持从修仙玄幻到现代都市等多种题材的完整制作流程。角色、生物、道具设定均有完善的管理模块,角色管理涵盖十余个角色、多种生物和道具的体量,足以支撑中等规模以上的动漫剧集制作。

    我们还留意到,NOVA AI的案例中同时出现了中国面孔和外国面孔的角色。短剧出海正是当下的热门赛道之一,大量中国内容公司正在批量生产面向东南亚、中东、欧美等海外市场的短剧内容。

    图片

    一个平台能同时处理不同族裔面孔、不同画风、不同内容类型的需求,并且在视觉审美上能够基本撕掉早期AI短剧廉价、失真的标签,对面向不同人群、市场,追求产能扩充的AI短剧创作团队会具备很强的吸引力。

    这意味着,NOVA AI可以帮助他们打破文化和审美的次元壁,无缝切换「全球频道」,随时开启商业掘金。

    多镜头并行调度,一次生成一部剧集

    高需求场景适配是NOVA AI吸引客户的敲门砖,一键批量生成的工业化产能是NOVA AI让用户买单的核心能力。

    当一个项目有几十集、每集几十个镜头时,如果一个镜头一个镜头地串行生成,效率就完全不符合工业化量产的需求了。

    NOVA AI的解决方案是多镜头并行生成,系统自动调度资源避免拥堵。多条生产线同时开工,智能错开调度,确保每个镜头获得足够的算力资源,又不会因并发过高导致系统崩溃。

    与此同时,平台还配备了参考图配额自动管理和语义标注技术。前者确保在多角色、多场景的复杂项目中,画面一致性不会因批量生成而失控。后者能让AI能够精准理解每张图对应的角色和场景,从根源上避免角色错乱和场景混淆。

    图片

    这样,即使同时生成几十个镜头,每个角色的外型、每个场景的风格都能保持统一。在很多工具还停留在「单点作坊式」生成的阶段时,NOVA AI已经直接跨越到了工业级的矩阵式生产阶段。

    目前,市面上很多AI视频工具的展示案例还停留在一段15秒的视频或一个30秒广告的层级。NOVA AI展示的则是一整季剧集乃至全年剧季的批量化制作能力。整整32集剧集排列在制作面板上,每集都可以独立分析、查看分镜和重新生成。

    图片

    局部失败自动重跑,制作风险更可控

    一键批量化生产中,失败是必然发生的事。生成100个镜头,可能有10个不合格。这是AI生成内容的客观现实,任何AI模型都无法保证每一次生成都完美。

    在批量制作模式下,传统做法是发现问题后全部推倒重来,代价极高。如果一个项目有几十集,每集几十个镜头,某个环节出错就要重跑整条流程,制作效率会被严重拖累。

    NOVA AI给出了新的解决方案:部分失败可以被自动识别并重试,无需整体推翻。比如,第23个镜头生成失败了,系统只重新生成这一个镜头,其他已完成的镜头不受影响。任何单点故障都可以被精准追溯和修复,整个项目的风险也会变得可控。

    图片

    这个能力听起来简单,但真正用过批量生产的人会知道,一套允许局部调整、支持渐进式优化的系统,与一个要么全对、要么全错的黑箱,用起来完全是两回事。一条生产线最终能不能跑通、跑稳,很大程度上就看这种粒度的可控性。

    这是NOVA AI脱胎自短剧公司时就自带的「行业同理心」,能够从一线创作者的实际需求出发,解决AI短剧创作中最真实、最琐碎的工程难题。这种细颗粒度的可控性,让NOVA AI具备了成为行业生产力工具的可能性。

    成本直降七八成,打造「一人剧组」

    聊了这么多功能,还是得回到最实际的问题:做一部剧,究竟快了多少,省了多少。

    我们根据NOVA AI提供的数据制作了一个对比表格:

    图片

    把这些数字放到实际业务场景中:原本需要数周制作周期和数十人团队的项目,用NOVA AI可以压缩到数小时到数天、团队精简到1-3人。同样的资源投入下,产能可以翻5-10倍,让「一人剧组」有了实现的可能。

    团队规模从数十人到1-3人,省的不只是工资。人越多,沟通成本越高,协调难度越大,出错概率越高。当一个人可以操控一个AI平台完成一部剧的制作时,传统制片中很多令人头疼的管理问题就自然消解了。

    分镜生成从数天到分钟级,同样关键。分镜是整个制作过程的枢纽,是文字剧本的视觉化翻译,也是后续所有生产工序的蓝图。

    传统模式下,分镜师画一集分镜可能要2-3天,导演不满意,打回重画又是几天。AI分钟级生成分镜,创作者可以快速迭代多个版本,选出最满意的方案再往后推进。

    某种程度上,NOVA AI也是在为创作者「松绑」。它把导演和核心主创从繁重的团队管理和沟通内耗中解放出来,提供一个高度流畅、协同的AI化创作平台,让他们能把绝大部分精力,重新放回到讲好一个故事本身。

    素材跨项目复用,沉淀企业数字资产

    前面我们是从单个项目来看NOVA AI的效率提升,在公司视角下,NOVA AI也能带来更高效的素材资产管理方案,实现不同项目的美术素材、场景设定、角色原型的灵活复用,降低每个项目都要从零开始的隐性成本。

    NOVA AI内有一个资产库的概念:项目A中生成的角色定妆照、场景参考图、道具设定图,可以导入到项目B中直接使用。企业在使用平台的过程中,会逐渐积累起一个可复用的数字资产库,角色IP、场景模板、道具素材,这些都不会随着项目结束而消失,而是持续沉淀为企业的长期数字资产。

    图片

    同时,聚拢这些设定的创意工作台本身也可以成为一个独立于项目制作流程之外的自由创作环境。用户无需先建项目、写剧本,就可以直接进行图片和视频的生成与编辑。

    典型的用法包括:提前为某类题材批量生成角色形象和场景概念图存入资产库备用;为营销需求快速产出海报和短视频片段;或者在没有明确项目时自由探索画风、测试效果、积累创作素材。

    这意味着,创作不必总是从项目出发,所有产出都能沉淀为可复用资产。过去的创作积累被系统化地复用,每一个新项目的启动成本都会比上一个更低,企业的内容生产能力随着使用时间的推移而持续增强。

    利用创意工作台,NOVA AI完成了一次从「效率工具」向「资产平台」的跃升。它让每一次项目的进行,都变成了企业数字资产的复利积累。对于追求长期主义的AI短剧公司来说,这几乎是无法抗拒的解决方案。

    结语

    说到底,这个行业正在发生一个很朴素的变化:好想法从来不缺,缺的是把想法批量转化为合格作品的能力。

    过去,一个好剧本到手之后,还要操心组团队、管流程、控成本,光是把制作跑通就已经耗尽大半精力。现在,这些事情正在变成一个平台可以承接的工作。

    从剧本到成片,NOVA AI想把中间那条很长的路尽量铺平。能不能完全替代传统流程?现在下这个结论还太早。但它确实让一些原本只能想想的项目,有了落地的可能,让更多小团队有了工业化的制作能力,在为短剧行业发展给出自己的解决方案。

    AI视频制作正在从玩具变成工具。短剧行业也在从比谁能拍,走向比谁先拍出来。在这场关于效率与想象力的重塑中,NOVA AI不只是一个旁观者,它已经跑在了前面,更像是一个为行业铺设铁轨的「筑路人」,降低了通往未来的门槛。

  • 曾融资6亿的Top 1公司大转型:想解决游戏行业50%的AI焦虑?

    声明:本文来自于微信公众号 游戏葡萄,作者:游戏葡萄

    任何人都可以用AI做自己想做的东西。游戏团队以前难搞定的中台,也如此。

    过去一个数据中台,10-15人,1-2年,才能勉强搭中台,现在可以压缩到1-3个资深人员配上大模型,外加一周时间就能搞定,往后也只要1-2人便能每天一个版本地迭代。

    所以有个论调叫:SaaS已死,人人都能随手搓软件……但实际情况如何呢?

    至少,我问SaaS起家、做了游戏数据中台十年的数数科技,他们早没了FOMO,在花几年实际用了AI后,在和上千家游戏厂商聊完后,他们想明白了两件事:

    第一件事,现在爆发的是应用,引擎还无法替代。游戏厂商要经营好,要的是「即插即用」,就像开发游戏用引擎一样,稳定性强,还要越用越好。软件不关键,那些支撑软件的底层框架才是中台的关键。

    第二件事,每个游戏厂商都知道要转型成AI组织,但AI型组织是什么模样,又该如何运转呢?现在没人知道答案,那数数科技要跑到整个行业前面探路

    如果要提出有前瞻的idea,那整个企业的部门结构和成员职能都要变,不止要跑得快,最好还要够聪明。

    前不久联想的副总裁总结过「企业用AI」的三个难处:不知道怎么结合?不知道安不安全?不知道要烧多少Token才能用好?所以,当浪潮褪去,回归理性,专业的事依旧需要专业的人来做。

    图片

    于是这家做数据服务的公司,决定转身向AI服务走去。如果做成,游戏厂商能不用任何调教便能用上企业级Agent平台,往长远来说,大家还能顺利往AI型组织转型

    其实十年前,数数科技便擅长做前瞻的事,他们曾在所有人还没理解数据多重要时,说要做一个SaaS,让数据像自来水一样随拧随用。

    十年后的现在,这家曾融资6个亿,做到游戏行业数据分析Top1的公司又在做相似的事。在所有人把AI当玩具,没理解AI能给企业带来什么影响时,他们要做AaaS,Agentic as a Service,让游戏厂商有个能和团队协作的超级大脑。

    今年4月底,为了表达这种决心,他们将公司名从ThinkingData改成ThinkingAI,然后推出了AI时代的新中台:Agentic Engine。他们似乎想用Al解决除了核心创作之外的,那50%让游戏公司焦虑的事情。

    01

    仍然难以自建的底层框架

    新产品的界面像AI对话框,说想法就能拿结果——这些结果包括不限于,传统的数据看板,项目日报,以及做完任务回来汇报的AI日志。

    Agentic Engine已经不算数据中台:每一个人,每天来工位的第一件事,就是打开Agentic Engine,问变化,看项目进度,然后和Agent一起规划工作。

    一家游戏厂商的所有人都可以被这个平台链接起来。

    图片

    Agentic Engine的底层是来自ThinkingAI的数据底座,迭代了十余年。

    调数据,速度够快,覆盖面也广。一组数据提出来做成看板只要两三秒,一套看板能同时调行为数据和社区舆情,通常做一次分析就能调取实时数据、历史数据,综合地找出问题所在。

    如今的数据底座,还足够懂业务。现在问它要「付费用户数」「关卡通过率」,Agent的专业知识也够硬,知道指的是什么数据,能准确调用对应表。

    一切数据都会流向这里。Agentic Engine会像团队的第二大脑一样,有常规的行为和付费数据、社区舆情这样的非结构数据,还有团队日常的讨论和会议信息。这些事情意味着,Agent有全域的信息去做出判断。

    闭环执行是这个中台面向未来的功能。传统中台只到拿数据这一步,Agentic Engine要将分析和执行也涵盖进来,再返结果。现阶段,它还在和人一起摸索流程,场景也还只有运营。后续,它还会增加AB test、投放等场景,全面覆盖。

    「主要是安全,所有数据和模型都是私有化部署,」CTO周津说,他们已经改成能扛住企业级Agent的框架,「每个人装上Agent已经不是难事,但企业要即插即用地用好Agent还很难。」

    图片

    现在企业建Agent中台难用,是因为AI做的多是短链业务,人人能验证idea,快速拿结果,但也因为短链,不够稳定,游戏厂商需要的是能支撑长期经营的长链——稳定、可靠、可治理。

    举个例子,如果拆开ThinkingAI的Agentic Engine,它是典型的企业需要的长链。

    最上层的Agent,很接近人人可实现的软件层。如果只有这一层,那Agentic Engine可以被随便替代,现在一个14岁小孩都知道怎么配置:接上LLM大脑,外置记忆库存数据,再接CLI开各种软件的访问权限。

    所以往下,Agentic Engine下面有两层技术搭长链。

    中层是他们服务游戏行业十余年的Thinking Engine,能搭看板BI,能做多种业务分析。上层的Agent会优先在这里调内容分析,如果用户看不明白,还能调看板去查,而这里有跑了多年的业务系统能接住AI的思考。

    再到最底层。当中层解决不了问题,Agent还可以探到最底层的数据仓库去查——这个迭代十余年架构,又做了数据规范后的仓库,能帮Agent兜底,让它少胡说,多查证。

    这条长链是未来做成闭环执行的基础,也是游戏厂商难自建出即插即用的Agent的原因。

    图片

    时间回到两三年前,当时还叫数数科技的ThinkingAI已经做了近十年游戏数据中台,鹰角、点点、三七都是他们的客户,但AI的出现,让他们有了新的方向。

    最早,ThinkingAI想搭出游戏厂商和AI链接的最后一公里。他们梳理十年的游戏行业经验,搭workflow,做行业prompt库,让AI接进来就能理解行业信息,能进行工作对话,保证做事够专业,不给假消息。

    传统数据中台做AI并不容易。「国内项目都是做长线,数据表命名不规范,加上会不断出新功能,也很难标准化,这就让AI查表的准确率不够。」于是周津想到「AI糖」,像给小奖励一样,在数据中台的每个模块都加小型的AI模块,让游戏团队先尝尝和AI协作的甜头。

    几个月后,他们换AI Native的思路,完全基于AI优势做舆情数据项目。过去市场和运营看社区靠人肉看,现在大语言模型本就是处理文本的高手,能看得懂黑话,懂口语表达,可以帮游戏厂商抓取社区对产品的态度和修改意见。

    转折来自今年春节出现的OpenClaw,全自动化的框架加上vibe coding,任何人都可以做成自己的软件,哪怕是ThinkingAI花大力气做的AI Native舆情项目也能轻松解决。

    看着媒体每天报道的「SaaS已死」,他们想到的唯一的解法是全身心地投入其中。那段时间,周津和几位高管在终端搭建了自己的Agent分身,将知识库和工作信息全部同步过去,和团队一起摸索了和Agent相处的方式。

    不到一个月,这家公司确定了新方向:与其盯着游戏厂商的需求出解决方案,不如跑到行业前面去,搭建一个属于AI时代的工作流。这也是Agentic Engine诞生的源点。

    而AI时代工作流的第一个变化便是,上一个时代的诉求止步于拿数据,但下一个时代,需要拿到准确的分析和执行结果。

    02

    AI对企业更远的价值

    ThinkingAI经常将自己过去的价值总结为「十年服务游戏产业的经验」,而他们最近在忙的,是将这一切「蒸馏」成Skill。

    举个例子,如果付费差,我要下钻分析,查异常数据,然后排查异常的维度,那有了数据异常之后我又该怎么做运营?当运营结束之后,我又要怎么看回执数据,来判断运营效果如何?

    这一轮问题研究&解决下来,便是一个Skill。每一个Skill本质上都在告诉Agent,没必要浪费时间慢慢探索思路,有一条最短路径给你走,这能帮游戏团队降低不少Token消耗。

    图片

    提炼AI Skill并不难。ThinkingAI一直有「客户成功」团队,他们会到一线和签约厂商对接,设计埋点方案,为大家写SQL解决业务问题。这些人积累很多,有打不完的弹药。

    难的是把效果调好。一开始他们看Agent回答的准确率,现在更多看Agent给的思路,对一线业务有没有帮助。这也是ThinkingAI应对数据治理困难的办法:现阶段没必要苛求绝对正确,不如先让它以超级助手的定位来启发人。

    如今ThinkingAI已经做了上百个Skills,等Agentic Engine上线时,团队会先筛出质量最高的50-100个首发。

    「行业经验就是业务上的ROI,MCP加Skill的调用和封装,其实就是把最高效、最快速、最短捷的一个路径告诉了Agent。」周津说。

    图片

    周津在大会上说,Agentic Engine其实有第四个支柱:「用好Agent」

    一家游戏厂商最关注的问题,就是Agent能否可观测、可诊断、可优化。这也是ThinkingAI现在做的事情。「我们现在搭Agent就是一步步标注它的问题,优化流程。不是让大家用上就行,而是能让大家逐步地用好这个东西。」

    现阶段,Token浪费是常见现象。一个招呼、一句夸赞,上万Token就被浪费了。而搭建一个流程本就是要不断报错,解决,改流程,重新测试,遇到BUG的话可能一天会烧掉一周60%的配额。

    「我们在帮行业探路。」周津说。ThinkingAI最近测Agent的方式是算ROI,开日志审计每一批Token产出的结果,哪些有意义,哪些没意义,然后想办法约束或者改流程,省掉无意义的Token开支。

    最终拿到游戏厂商手里的Agent,会是做好测试,能高效率、高质量、低Token消耗的Agent。而这个调试经验,还能帮游戏厂商去优化属于自己的Skills,像滚雪球一样,把Agent越用越好

    过去与他们签下合作的游戏厂商,很多都是看重ThinkingAI团队本身,像Habby、九九互动等团队的人都提到过这一点:他们相信ThinkingAI的人会和自己一起前进,知晓业务需求,再回去迭代自己,跟着产业成长。

    过去如此,AI时代也如此,无论是「蒸馏Skill」「用好Agent」,还是他们在北美宣布和MiniMax深度合作,都来自这个逻辑,殊途同归。

    ThinkingAI说自己要做的是游戏产业企业级的Agent,但其实它的最大价值不止于此。

    企业AI要创造价值,要解决更高维度的组织AI能力。这也是ThinkingAI积累了十年后,下一步要做的事情:怎么走到行业前面去,帮大家提前找到AI时代的组织协作?

    大众认知里,数据中台的价值是拿数据。数据拿到手后都是人的工作,分析,再交给其他团队处理。因为以前拿数据是漫长且困难的过程,ThinkingAI过去做的工作便是缩短拿到数据的过程。

    如今到了AI时代,过去游戏厂商要拼尽全力才能获得的结果到手后,下一步该追求什么?ThinkingAI现在给的答案是闭环执行,是用好Agent后,只要一句话便能「一步到位」地拿到执行与反馈。

    而当每一个人都能用好Agent,整个团队都能用好Agent,会有怎样更大的价值被创造出来?这会是Agentic Engine正式上线后,游戏行业和ThinkingAI一起验证的方向。

    03

    动态地跟上时代

    其实理论上,ThinkingAI的一切都能在未来被足够强大的AI复刻,过去的经验和想法,既然可以沉淀成架构和Skills,那就代表它可被AI执行。一劳永逸?不存在了,AI已经大幅拉低了这个复刻的门槛,一切只是时间问题。

    不过,AI时代也有个看似自我安慰,但其实很有道理的理论:今日之我,并非昨日之我。AI复刻的永远是过去的积累,但任何个人和企业,都会在每一天获得新的想法,然后成长。

    ThinkingAI现在学会的是替行业提问,学会不满足,这是他们设立Agentic Engine平台的立命所在,也是他们今年考虑组织转型的原因。

    图片

    如果将过去所做都视为静态地沉淀经验,那么摆在面前的未来,便是要动态地不断求索。

    怎么动态地向前呢?ThinkingAI的答案是,自己要先知道怎么和AI协作,而且他们已经实践了很长一段时间。

    CTO周津在采访间隙指着电脑下方的插件说,他用Agent给自己搭了个「外脑」,链接自己所有的知识库和飞书信息。他和媒体对谈时会用豆包ASR收录会议,这边按自己的想法回答,那边再由Agent自动为他分析回答,然后补充与问题相关但他没提及的信息。

    市场部负责人建了自己的Agent分身,把大部分能标准化、流程化的工作都交给它来负责。上至一个阶段的品牌定义是什么,它在海内外的变形是什么,下至品牌对外输出的内容该以什么标准撰写……这个Agent可以审校部门大部分成员的工作。

    前不久的员工大会,AI项目负责人的Agent和CTO的Agent对齐演讲方案,两「人」四句话敲定了方向,给各自的本体同步结果。「以前动不动开三四个小时的例会慢慢会消失,Agent快速对齐信息,充分透明了,整个组织才会产生高效的决策。

    ThinkingAI的几位高管已经运转起小型的AI组织,从「人到人」转向「人-Agent-Agent-人」:Agent像组织的血管一样快速流通,向人输出结果,而人则要不断迭代自己的认知,向组织注入源源不断的idea。

    图片

    这家公司正在迎接AI时代的组织进化,走到产业前方,摸索前路,然后让这个进化融入到产品中,再带动游戏厂商理解并消化企业与AI的相处方式。

    「肯定会有人会落下,但不是AI把人替换掉。」市场负责人说,「但是会用AI的团队,比不会用AI的团队有更强的竞争力。」

  • 腾讯AI还有一张暗牌

    声明:本文来自于微信公众号 新莓,作者:司晓柏

    腾讯AI刚打完一手明牌。元宝、龙虾特工队、养虾全景图,产品矩阵铺到桌面上,生态布局画得清清楚楚。

    但明牌底下还压着一张暗牌。

    3月27日,腾讯云上海峰会。MiniMax的Agent首席架构师阿岛讲了一个训练困境——大模型的强化学习撞上了沙箱瓶颈,十万级并发环境在K8S上根本跑不动。同一场峰会,汤道生丢出一句判断:「AI落地不只是一道算法题,更是一道工程题。」

    一个是大模型公司技术同学的切肤之痛,一个是大厂掌门人的战略洞察。两个人从不同方向,撞进了同一件事——它不在任何产品发布清单上,藏在底层:十万级并发沙箱、百毫秒级启动、两群工程师在行业还没反应过来之前,悄悄把基础设施推到了下一个属于Agent的时代。

    这才是那张名为「工程」的暗牌。

    腾讯 (2)

    白板上的四个字

    2022年初,MiniMax还没有这个名字。创始人闫俊杰在一间简陋办公室的白板上写下「下一代AI」。彼时GPT-3刚发布不久,ChatGPT要再等一年,「AGI」这个词还没几个人聊。四年后的2026年1月,MiniMax港交所上市,首日涨幅达到109%,市值突破1000亿港元。

    但阿岛——缪宇航,公司内部都这么叫他——站在峰会台上翻出这张白板老照片时,讲的不是上市的事。

    他反复说的是一个技术困境:模型训练的底层逻辑变了。模型不再是做完一道题就交卷——它得在真实环境里操作文件、写代码、调用工具、处理异常,每次试错都要一个独立运行环境。当需求膨胀到十万级并发,云计算的底层架构被撞出了裂缝。

    K8S撑不住了

    大模型过去靠经典强化学习变聪明——给个问题,生成回答,打分,更新参数。但到了2025年下半年,天花板肉眼可见了。模型在封闭环境里「做题」已经很强,一放到真实世界立刻大打折扣——没有持久状态,每次对话都是全新开始;只能写代码不能跑代码,缺少「写→跑→看→修」的自我验证循环;无法获取实时知识,也无法搭建真实的工作环境。

    说到底,裸模型像一台空转的引擎,引擎本身不是汽车。MiniMax从M2.5版本开始押另一条路:Agentic RL(基于强化学习的智能体训练)——直接把模型扔进真实操作系统环境里干活。走通了,能力质变。但它需要全新的训练基础设施。

    但是,以前我们可能只是让AI写一段话,或者处理一个简单的函数,但随着Agent的到来,我们现在要求AI去修理一辆正在跑的超级大卡车,或者是从头造出一台能用的iPhone。这意味着在Agent时代,模型面对的训练任务是地狱级的。

    每个训练任务可能推演(Roll out)出上百条尝试路径(Trajectory),每条路径都需要一个独立的沙箱环境。面对成千上万个用户请求(Query),每个请求都要同时开启上百个沙箱并发运行。

    阿岛说了句大实话:「一开始我们在K8S上跑。然后发现真的不行,并发完全起不来。」K8S——Kubernetes,现代云计算事实上的调度标准。但这套为微服务时代设计的系统,面对Agent训练动辄几万个沙箱同时拉起的场景,扛不住了。

    腾讯云Agent Runtime产品副总经理于广游(Gary)捅破了一层窗户纸:「每一个大模型企业内部,训练沙箱基础设施面临两大困境。第一,它是CPU的,不是GPU的,所以很难发论文。第二,搞K8S那群人看到你竟然要拉master(指向K8S系统核心频繁索要资源)拉几千下几万下,把我拉垮了,第一反应是——你能不能不要拉这么多。」

    这种高频、海量的调度需求,正是目前大模型落地工程中最隐形、也最头疼的「摩擦力」,它直接卡住了模型迭代的脖子。

    偏偏MiniMax一个月发一个模型版本,国内可能唯一做到这个频率的,全球只有OpenAI保持类似节奏。算一笔账:Agentic RL训练时,GPU集群等沙箱启动的每一秒都在空转烧钱。十万个并发沙箱,启动要几分钟,累积等待可能吞掉数小时甚至数天的GPU算力。

    沙箱慢一天,模型落后一天。「现在的竞争就是这么激烈。」

    百万级吞吐怎么来的

    问题摆在那里,MiniMax和腾讯云很快走到了一起。

    2026年3月18日,双方宣布合作:基于腾讯云Agent Runtime沙箱产品,MiniMax部署了百万级吞吐、十万级并发的Agent RL沙箱,测试环境全量平稳运行。阿岛说:「据我们所知,这是国内最大的训练沙箱系统之一。」Gary说,规模比同行高出至少一个数量级。

    效果最直观的数字是启动速度——从几分钟压到百毫秒级,快了数倍。前面那笔GPU空转的账,直接被压缩了一个量级。

    撑住这个规模,腾讯云在底层做了大量累活。计算层:调度优化、内核锁优化、快照技术、内存映射。存储层:专门开发了加速存储方案。Gary打了个比方——「过去需要买一块云盘,现在可以理解成买一个镜像盘或者沙箱盘,磁盘本身就是镜像本身。」

    他指出,大家现在都在尝试用「旧瓶装新酒」,但这两个旧瓶子(K8S和Serverless)的设计初衷,刚好和Agent的性格完全相反:把Agent想象成一个有记忆、要长时间闭关思考的专家,但K8S按照惯例把给Agent关掉重启,Agent就会瞬间失忆,Serverless(无服务器计算)就像是频繁开关的「声控灯」,但正在「写论文」的Agent却需要灯光长亮。

    这就是为什么腾讯云要给Agent造一个新的流水线。Gary强调,「这些不是因为我们比别人更聪明,而是我们真正认识到这里的问题跟价值」。

    对于Agent需要怎样的训练设施,业内还有一个容易被忽视的区别:大多数AI公司解决沙箱问题的思路是在本地搭环境——进程跑在自己机器上,安全靠手动确认,电脑一关任务就断。

    腾讯云走的是另一条路:把整个Harness拆成「控制面+执行面」的云原生架构。控制面做编排、权限、审计;执行面就是Agent Runtime沙箱,每个任务跑在独立的云端隔离环境里,毫秒级启动,用完即焚,任务状态持久化存储,沙箱销毁了也能从断点恢复。一个是「带安全带的智能终端」,一个是「带监控和隔离舱的云工厂」——对企业场景来说,安全、协作、弹性缺一不可,后者才是生产级方案。

    同一堵墙

    汤道生的判断干脆利落——主流大模型推理能力都不差了,国内开源跟海外闭源的差距在收窄。比拼重心正在转移:不是「谁的模型更强」,是谁能通过工程化手段把模型用好。

    他在峰会上把「工程题」拆得很细:模型要真正落地,需要工具调用能力、需要上下文管理、需要长记忆、需要安全的执行环境、需要工作流编排——这些东西加在一起,他用了一个词概括:Harness,模型的「脚手架」。汤道生的意思很明确,腾讯云要做的不是卖算力,而是帮企业把这套脚手架搭起来。

    行业正在形成一个共识性公式:Agent = Model + Harness。Model负责「想」,Harness负责让智能变得「有用」——工具调用、代码执行沙箱、上下文工程、长记忆管理、工作流编排,一整套系统工程。模型决定能力下限,Harness决定能力上限。有实践数据可以佐证:花三个月调Prompt,质量提升20%;花两周搭Harness,任务完成率从35%飙到82%。

    这不是腾讯一家的发现。

    2026年2月,HashiCorp联合创始人Mitchell Hashimoto正式提出「Harness Engineering」。几乎同期,OpenAI做了一个激进实验——3名工程师,5个月,100万行代码,零行人工代码,人类只管设计Harness。Anthropic、LangChain也摸到了类似结论。

    全世界最顶尖的工程大脑,在不同时区同时碰到了同一堵墙:模型的能力天花板还远,但工程框架的地板才决定实际效果。行业的关注点正在从「Prompt工程」转向「上下文工程」——不再只是「怎么写指令」,而是「如何构建模型看到的全部信息体系」。

    阿岛把这变成了一个画面:「就像一辆F1赛车,我们去开,能顺利开回来就不错了。但真正的赛车手能刷出世界纪录。今天Agent也是同样的——我们能不能为它打造企业级的F1车身,也就是Harness?」

    MiniMax的实践印证了这一点。MiniMax M2.7正式开启模型的自我进化,AI深度参与了模型的训练,强化学习中50%-70%的工作由Agent自主完成。人类研究员的角色变了,变成跟Agent聊实验idea。

    但前提是:沙箱够快、够稳、够大。Harness是一套系统工程,包含文件系统、代码执行、记忆、搜索、上下文管理、编排六大组件——而沙箱是其中最底层的那一块,所有上层能力都建立在「模型能不能真正在一个环境里跑起来」这个前提之上。否则再精巧的Harness设计,也卡在最不起眼的环节上。汤道生那句「AI落地是一道工程题」,说的不只是Harness设计,更是底层基础设施的硬功夫。

    两群工程师的气味相投

    阿岛在峰会上放了那张MiniMax Day1的白板照片。「成立的Day1就有腾讯云提供支持。那时候我们还是名不见经传的小公司,腾讯云并没有因为我们小就怠慢,和我们一起搭建了训练算力集群,一起服务了第一个爆款产品。」

    四年,合作从算力集群到Agent RL沙箱、全球合规、上层应用接入。阿岛说腾讯云「非常技术驱动,思维也非常agent first」。听着像客套,但对照实际发生的事看,它指向一种具体的行为模式:遇到问题,不绕路,不等标准,先把手弄脏。

    K8S跑不动,就一起从头设计专用沙箱。行业还没认识到Agent基础设施的价值,就自己先投进去。这种默契是项目里做出来的,不是会议室里谈出来的。

    MiniMax模型开源,腾讯云通过TokenHub分发模型服务。阿岛说:「哪怕已经上市了,我们仍然是一家只有几百人的小公司,不可能服务那么多大客户。」腾讯云帮他把模型送到更多客户手里;MiniMax那些极端的训练需求,也在倒逼腾讯云向Agent时代进化。

    而MiniMax不是唯一一个撞上这堵墙的。任何一家认真做Agentic RL的公司,迟早都会遇到同样的沙箱瓶颈。区别只在于,有没有人先把路趟出来。

    Gary说:「我们是在两个时代的临界点上,一起携手。」阿岛的表述类似:「一个新时代对旧时代的——其实我们是在一边的。」

    那张暗牌

    MiniMax的M2.7在AA大模型榜单国产模型排名第一,跟Claude在SWE-bench Verified上差距只剩0.6%。

    阿岛判断:「再过一两年能留在牌桌上的公司可能不超过5家。」靠什么留?衡量这个时代工程师的水平,基本上看一个指标——他同时能并发多少个Agent为他工作,他每天能燃烧多少Token。

    这个指标适用于个人,也适用于公司。训练效率真正的瓶颈,不在GPU——在沙箱。

    汤道生在上海峰会上还宣布了腾讯云底层平台Cube全面开源,企业可直接用于智能体训练和部署。这实际上就是腾讯回应「沙箱困境」的其中一个解法,通过开源,让大模型的脚手架更好用。

    腾讯已经把AI的明牌摊在桌上——产品矩阵、生态全景图、IM入口、Skill工具箱,面向用户,展示得明明白白。Cube开源则是另一种姿态,面向的不是用户,是盟友。不是「看我们有什么」,是「这些能力你们拿去用。」

    明牌秀肌肉,暗牌亮底牌。一个是产品生态的广度,一个是工程基础设施的深度。

    汤道生那句话,「AI落地是一道工程题」,或许还可以再加半句:工程题的解法,从来不是一个人闷头做的。

    四年前那块白板上写着「下一代AI」。四年了,字没变。写字的人,多了几个。

  • 梗比赛先爆,2026苏超凭什么又赢了?

    声明:本文来自于微信公众号 TopKlout克劳锐,作者:小羊

    #散装江苏#再度出圈,4月11日苏超揭幕赛开启,常州队对阵南通队

    “我一进来就看见,常威在吃来福”。别人备战苏超,常州备战玩梗,主打一个提前锁定笑点。

    图片

    图片源自微博

    网友们也在赛前自发安排上了主题“恐龙抗狼”(常州“恐龙”VS南通“狼”),而歌手周深要在现场献唱苏超主题曲也被说成“州胜=必胜”的玄学。

    更有十三支球队的队徽刚一官宣,网友们就开始找不同、评设计、玩谐音梗;AI短剧《恋与苏超》把十三座城市拟人成帅气男主,直接把赛事变成了“恋爱综艺”;宿迁球迷喊话官方文旅,把何润东请来当代言人……

    图片

    图片源自微博

    不得不说,2026苏超太卷了,早就赢在了开球之前。它究竟是怎么做到的?跟随「克劳锐」的视角,一起来看看。

    苏超,一场整活大赛

    要说2026苏超的梗,得先从去年说起。从#比赛第一,友谊第十四#的调侃,到#笔画保卫战#的热梗,苏超一举冲上热搜成为席卷中国的体育顶流。

    去年打下的基础,今年直接开局就是高手对决。

    图片

    图片源自微博

    先是队徽设计引爆“找不同”热潮,2026苏超十三太保队徽集中发布,各城市将本地文化符号融入设计。

    宿迁队徽更是直接用上西楚霸王形象,苏州、常州、南京也各有巧思。网友们自发发起最强队徽评选。

    图片

    图片源自微博

    队徽的设计本身就成为了第一波内容素材,“哪家最好看”的讨论拉开了整个传播序幕。

    让你想不到的还有AI短剧《恋与苏超》的加入,把城市变成“男主”。官方发布用AI生成城市拟人形象,将十三座城市化身帅气男主,赛事竞争变成了恋爱剧情。

    图片

    图片源自微博

    这样的创作形式天然适配短视频传播,二创门槛极低,网友纷纷跟进,形成内容裂变。江苏卫视官方账号也下场配合,评论区直接变成了追剧现场。

    接着就是宿迁喊话何润东,网友出题官方接题。演员何润东凭借《楚汉传奇》中“西楚霸王”形象近期翻红涨粉,网友敏锐捕捉到“宿迁=西楚故里”的文化连接点,集体喊话宿迁文旅邀请何润东助阵。

    宿迁文旅不仅秒回记录反馈,还连夜剪辑了何润东版项羽的经典台词配上球场画面。“打仗靠的是决心和勇气,我们有什么可怕的”。

    一次网友的提议,变成了官方联动,情绪一下涌上来,氛围感直接拉爆。

    这些梗的共同特点是参与门槛低,却有着超高的情绪共鸣。每一个网友都能发表意见、加入讨论,这正是苏超赛前传播的逻辑,内容不是官方生产,是全民共创。

    热搜不是终点,讨论才是

    很多内容的传播,上过热搜就算是终点。苏超不一样,热梗、热搜是起点。

    在「克劳锐」看来,这类民间赛事能够得到广泛的关注,核心始于个体在社交平台玩梗发声,最终成为KOL、媒体、官方等多元角色的协同放大。

    这样的传播力不仅把赛事热度推了上去,更让苏超的影响力突破了体育单一赛道,向文化、美食、旅游等多领域渗透。

    体育博主、解说员解读赛制,例如@叨叨傅 这样的体育博主多年前就发起“散装江苏”梗,专注足球领域,尤其是关注地方性城市足球赛,通过分析赛事满足球迷朋友;江苏台解说员@洪超 在去年苏超解说中凭借诗意化表达,让那句“田埂不会拒绝晚熟的稻,绿茵场也不会拒绝坚持的人”刷屏网络。

    激情可以拉满,文明不能掉线。历史博主@地缘志 科学科普博主@麻清楚 借“散装江苏”科普地理知识,吸引文化爱好者。

    再加上#周深带你听苏超#、#2026我为苏超开球#等话题出现,更将苏超的赛事热度从体育圈推向各个领域,真正做到了有球、有梗、有欢乐。

    除此之外,网友们还可以在#舌尖上的苏超# 为江苏美食打call。@中华恐龙园 早在苏超开赛前就启动了舌尖上的狂欢,把侏罗纪的霸气和苏超的热血焊在餐盘上,先冲为敬;在苏州相城区,为了让参赛选手和观赛群众感受竞技魅力,@今日相城 特地整理了《相城春日干饭地图》,让老吃家们带上这份攻略和256G的胃来打卡。

    图片

    图片源自微博

    不同圈层的KOL协同放大拓宽讨论边界,将苏超从“足球话题”展开成为“文化事件”。

    官方下场是“最后一公里”,宿迁文旅秒回网友喊话、各地官方账号实时互动玩梗,这种民间造梗到KOL扩圈再到官方接梗的闭环,让每一波讨论都能被接住、被放大,形成持续的热搜供给。

    而这时候微博作为讨论放大器,有着它的关键作用。一条评论可以被转发,一个观点可以被争论,一次喊话可以被官方看见并回应。当用户发现“喊话真的有用”,参与讨论的热情被彻底点燃。

    最动人的热度

    永远来自普通人的热爱与真诚

    苏超的破圈,是对“梗文化”的精准激活,是社交媒体时代情绪价值的集中释放。

    草根赛事的亲民性打破了专业门槛,“散装江苏”的地域梗成为最佳催化剂。

    “大哥之争”、“楚汉之争”、“西游记之争”等对战别名,以及#一场苏超掀起特产争夺战#、#苏超1个省踢出13省PK的感觉#、#丨州未能保住最后的笔画#、#新华社管常州叫空格州#等热搜话题,也展现了民间的创造力。

    当情绪在流动,自然激发了表达欲。当一个话题承载了明确的情绪,无论是兴奋、自豪,还是对城市的归属感,网友们都会产生表达的欲望。

    这时候产出的内容,就不再停留在被消费的层面,而是进入被改写、被延展的二创过程。

    接下来是立场和观点。不同城市的球迷基于各自的地域认同,开始解读、补充细节。

    同一个话题被不断拆分、重组,形成多元观点与对立张力,讨论空间被迅速拉开,例如常州和南京谁更强?徐州和宿迁的楚汉之争谁能赢?这些讨论的本身,就是新一轮梗的产生。

    再到用户的评论、转发、二创、段子的扩散,不断给话题注入新的想法。每一次表达都是一次再传播,用户自己变成了传播节点,话题也在反复改写中获得新一轮转发。

    这一系列充满烟火气的故事,都让观众更有代入感

    在碎片化、粉尘化的信息时代,“梗”是传播钥匙,“情绪”是扩散的核心。

    当一场业余足球赛能让官方媒体玩梗、让全民狂欢,它的意义早已超越赛事本身。

    结语

    2026苏超在开球之前已经完成了一次教科书级别的内容营销,让每个人都有参与感,让每座城市都有荣誉感。

    苏超证明的,是社交媒体时代“梗”的力量,这才是真正的流量密码。

  • 从一天2单到年销5100万,返乡夫妻扎根大山,靠品质抓住好生意

    声明:本文来自于微信公众号 电商在线,作者:唐果

    当季水果对中国人的吸引力,已经不必多言。

    每当吃着时令的新鲜水果,“没有辜负这个季节”的幸福感总能油然而生。

    对于阳阳和杨杨夫妻俩而言,为用户守护这份幸福感,让他们吃到新鲜、高品质的水果,就是做生意中,最重要的一环。

    与许多返乡创业的年轻人不同,阳阳的起点,只是一条随手拍的“掰番茄”视频。这条意外的爆款之后,他们从一天2单的“小透明”,一路成长为年销过5100万、拥有31%复购率的小红书头部果品商家。

    图片

    4月,正是米易枇杷、樱桃等水果上市的好季节,阳阳每天都会在田间地头查看果子的长势,实时发布几条小红书,对于每一条评论和私信,她都认真回复。

    因为她知道,要想获得持续的生意增长,品质好货与信任搭建,缺一不可。

    返乡卖水果,靠“好货”在小红书爆单

    四川省攀枝花米易县,是阳阳和杨杨的家乡。

    地处北纬26°全球公认的阳光黄金气候带,米易县坐拥得天独厚的南亚热带干热河谷气候,一年无霜期长达300多天、2700多小时年日照、平均气温达20℃,也被称为“阳光米易”。

    这里地势北高南低,最高海拔3447米,最低海拔980米,冷空气受到山脉阻挡难以进来,河谷沿线地势较低,热量散失不易,是天然的“大地温室”和全国少有的热作区。因此,米易的农产品呈现出早、稀、特、优4大鲜明特色,有着独一无二的“甜蜜”。

    除了枇杷、樱桃、芒果、雪梨、葡萄等水果之外,米易还是“四川番茄第一大县”。

    一方水土养一方人。2020年,因家庭原因从大城市回到米易山区的阳阳,自然也开始就地取材,开始做起了果蔬生意。

    生鲜水果入行门槛低,但市场需求量大,特别是原产地水果。像米易枇杷这类甜度高受欢迎的水果,在成都的精品商超里,可以卖到接近百元每斤。所以,即便只是在朋友圈简单经营,也有不少人会来找阳阳购买。

    不过,这时候的阳阳,还只是想帮家里人先打开销路,甚至想过等生意稳定了,自己就回城市上班。

    真正的转折点,是2021年一条随手拍的“掰番茄”视频。

    那天,阳阳在自家地里,随手掰开一个西红柿,拍了几秒钟就发到了小红书上。她没想到,这条毫无剪辑、没有任何剧本的视频突然爆了,让店铺的日单量从2单一下子涨到了200单。

    “啊,这样都可以吗?”阳阳回忆起当时的心情,除了震惊更多的是惊喜,她意识到,在小红书上,用户更看重原产地的品质而非一味的低价,平台宁静温馨的氛围,也适合分享真实的乡村生活与田园日常。

    随着订单量越来越大,阳阳发现自己不能离开了。

    “对品质的把控要求不一样,爸爸妈妈他们是农民出身,觉得小果子也可以吃、形状有点丑的也没关系,但我们的标准更严格,必须要足够优质的产品才能给大家发货。”

    图片

    当购买自家产品的用户越来越多,阳阳开始认真思考,也许这条路可以长期走下去。于是,她开始劝说在成都做运营的丈夫杨杨回来帮忙,“我说你回来做后台,我做内容、拍视频、做客服。”

    从最初的随手尝试,到坚定了在小红书上长期运营的信念,再到两人一起扎根大山、打造生意闭环,加上平台运营的交流协助、梳理规则,“洋洋乡村生活”的经营之路,也迎来了新的上升阶梯。

    坚守新鲜品质,让自己成为“气象专家”

    尽管入门门槛低,但水果生鲜依旧是公认最难做的赛道之一——损耗高、售后多、物流不可控,都是可以压垮生意的难题。

    “洋洋乡村生活”却把葡萄这样的易损耗品售后率控制在3%,蓝莓的售后率更是只有千分之二。这个数字背后,是夫妻俩对产品品质的极致追求,以及无数次克服困难的迭代。

    不囤货、不卖冷库果是他们的底线。

    有一年,新疆西梅行情好,杨杨有朋友用5元钱/斤进了一批货,劝他们夫妻俩一起干,在冷库放两个月,能够以45元钱/斤的价格卖出去,被杨杨直接拒绝了。“其实它和炒期货一样,但那个西梅用了很多保鲜操作,我自己都不愿意吃,怎么还能卖给人家吃?”

    只有从源头控制品质,夫妻两人的生意才能做得安心。

    “我们的果园是从开花、挂果到结果都要跑的,不是说到果子好了去转一转就可以。”事实上,像蓝莓、阳光玫瑰这类常见的水果并谈不上独特,但从源头把控质量、亲眼可见的种植环境,足以切中小红书用户对于品质的渴望,实现稳定经营。

    生意扩大后,为了保证产品的品质,“洋洋乡村生活”开始和多个果园合作,只为了找到高标准的产品。如果某个产区今年是“小年”,阳阳会直接让老顾客少量回购,从千万斤里挑出百来斤精细发货;如果品质达不到要求,则直接停售。

    为了让果农们安心种果、养果,他们宁愿自己承担资金压力,也绝不拖欠农户货款。“不管是便宜还是贵,我们会在当天结算。”杨杨表示,他是从大山里走出来的孩子,知道农民的辛苦。

    图片

    不过,农业本质上依旧是靠天吃饭的行当,半点不由人。

    2023年草莓季的一场暴雨,让阳阳和杨杨遇到了创业以来最大的一场危机。因为天气突变,发出的草莓大量损耗,团队里的四个人不停地赔款、扫码、回复、道歉,“每一分钟都在转钱,总共赔了几十万元。”

    阳阳痛定思痛,逼着自己成为“气象专家”。

    自那以后,她每天都会关注全国范围的寒潮、雨雪预测,一旦预报有极端天气,她立刻限购甚至停发。“直接不让她们买,宁愿少做点生意,也别让用户收到坏果”,是她给自己定的铁律。

    这种踏实的风格,也延续到了他们的直播间里。

    2025年,阳阳从每周一播升级为日播,但从不搞套路、背台词。很多时候她只是在地里、在果园里和粉丝聊聊天,“带大家看看果园”。

    从产品品质到售后服务,再到直播氛围,“洋洋乡村生活”的真诚打动了越来越多消费者,还入选了2024年小红书rise100百大商家。2025年,“洋洋乡村生活”店铺年GMV突破5100万元,同比增长112%,历史好评率95.5%,年销万件以上商品13款。

    4月8日,在2026小红书GROW商家大会现场,“洋洋乡村生活”再度被入选2025年rise100百大商家榜单。连续两年入选百大商家的背后,少不了阳阳和杨杨对于品质的追求。

    数据显示,以rise100为代表的好货商家,过去一年在小红书上GMV同比增长超2.6倍,平均复购率32%,是小红书电商生态的核心增长力量。

    有粉丝一年复购12次,卖好货、交朋友

    “洋洋乡村生活”让同行羡慕的,除了生意好,还有“断层式领先”的复购率——31%。

    在他们的店铺里,有用户单人消费破万,累计复购三四十次的人比比皆是,仅一年内就复购12次的粉丝也不在少数。

    这种深厚的信任关系,来源于产品品质的持续在线,也少不了人与人之间的真实链接。

    阳阳还记得那个最初因葡萄售后问题不满意的客户。在她主动沟通、承认错误、表达歉意之后,对方被她的态度打动,反过来开始帮她分析原因。后来,这位粉丝甚至自费买了别家的葡萄,研究对方的打包方式,拍下细节发给阳阳,让她优化包装流程。

    “听劝”的阳阳立马改进了打包方式,进一步降低了葡萄产品的售后率,也让更多好货交到了用户手中。

    坚持品质好货、面对差评不推脱、用心处理每一次售后的态度,也让“洋洋乡村生活”的老顾客们开始自发地为她“一带十”,把亲戚、朋友、同事都介绍过来。“他们觉得在我这买着品质稳定,不用担心下一次复购会踩坑。”

    对于阳阳和杨杨而言,小红书平台这种独有的社区氛围,也是他们能和老顾客们产生长期链接的重要因素之一。

    “无需过度投流,真实内容即可击中用户,和顾客交流很方便,可以直接地了解她们的需求,就像朋友一样。”阳阳很珍视这种关系,每一条评论她都尽量回复,即便是和产品无关的唠家常,她也不会忽视。

    在AI盛行的当下,阳阳依旧坚持真实、即时的内容创作。

    全年发布超8000篇笔记,没有一篇是AI生成的。她走在路上、下到地里,想到可以分享什么就发什么,“我们3月17号写的内容,呈现的就是3月17号的状态,不会预制。”

    回顾这五年,阳阳觉得自己的心越来越定了。

    “以前看到别人低价走量,也会犹豫。但在小红书上,只要品质做得好、服务到位,用户给你的正向反馈是非常强大的,不会有价格战导致产品做不动的困境。”

    从当初迷茫的返乡青年,到如今年销五千万的店铺主理人,阳阳和杨杨的故事,远不止一场简单的逆袭,更是一份扎根土地、真诚待人的坚守。“踏踏实实地走,一步一个脚印”,是“洋洋乡村生活”的发展轨迹,也是长期主义最好的注脚。

  • AI手机该进入新阶段了

    声明:本文来自于微信公众号 窄播,作者:李威

    今天,库克宣布现任硬件工程高级副总裁John Ternus将在今年9月出任苹果公司CEO。他选择了一名在苹果体系内成长了25年的资深工程师和产品人,来带领苹果走进AI时代。

    这意味着,库克认为苹果接下来会需要更多「让产品更好、更大胆、更美好、更有意义」的创新。而这次官宣也恰好处于龙虾爆发,引发智能手机创新思考的时间节点上。

    虽然在本周发布的华为HUAWEI Pura90、OPPO Find X9s Pro、REDMI K90Max等手机上都还是在强调AI对拍摄、记忆等具体能力的强化,但是我们认为手机需要开始从AI赋能具体能力,进入到AI主导系统性重构的新阶段了。

    龙虾和Skill的出现是我们做出这个判断的前提条件。一个有意思的尝试是,前些天金谷园饺子馆的老板突发奇想,vibe coding出了一个「金谷园饺子馆 · SKILL」,然后将其上线,并利用饺子馆的公众号进行了推广。

    如果有人为自己的龙虾安装了这个skill,就能和龙虾对话获取到金谷园饺子馆的详细营业信息,比如几点开门、能否外卖、WiFi密码是多少等。现在,金谷园老板已经在和美团的团队合作,探索排队取号能力的落地方案。

    图片

    金谷园老板对未来的设想是,顾客进店之后,不再需要扫码点单,直接让自己的龙虾推荐一份适合这一顿的菜谱。这套构想中,我们所熟悉的在手机上「点点点」下单的体验,变成了和龙虾的几句聊天。甚至,龙虾会比你自己更清楚这一顿应该吃什么馅的饺子,搭配什么样的凉菜。

    当移动互联网时代依赖手机和APP形成的一整套到店就餐体验,因为龙虾的出现而有了新体验。当人们不再依赖图形界面和触摸操作完成任务,交互的终点变成一个对话框,手机这个统治了人类数字生活近二十年的核心硬件产品,也会随之发生变化:

    第一,尽管正在面临来自AI硬件的挑战,但未来的手机依然会是一个主要的社交娱乐中心,提供影音游戏等娱乐能力,承载用户的线上社交需求,让用户能够聊天、刷抖音、玩游戏和看剧;

    第二,手机仍然是一个相对安全的用户数据存储硬件,和一个综合能力更强的任务执行中心。

    第三,面向AI时代,手机作为人身边最复杂的传感器集群,会增加一个重要的感知中心功能——感知、学习用户的行为习惯、身处环境、意图等,为AI提供个性化的上下文信息。

    第四,手机需要适应新的交互方式,搭建一个更适合Agent时代的操作系统,不能再用「App时代的脑子」处理Agent时代的任务。

    龙虾带来了新的探索方向

    手机厂商对AI的探索并不晚,从机器学习阶段到大模型阶段,再到龙虾出现之后,手机厂商一直在紧跟技术进步,积极探索AI在手机上的应用。

    这种探索大致可以被分为三类:

    第一类是对具体能力的增强。这是手机厂商做得最早,落地应用最多的AI尝试。

    比如我们早已熟悉的一键消除背景杂物、自动剪辑视频、生成记录摘要等能力,还有刚刚看到的XMAGE智拍、AI一键闪记等功能。这类探索的本质是用AI提升单点体验,但护城河较浅,与独立AI产品形成竞争,用户选择使用的可能性不大。

    第二类是为安卓的图形界面搭建AI执行外挂。努比亚与豆包手机助手的合作就是一次最激进的AI外挂尝试,此外,荣耀等厂商也在进行类似的尝试。这种方案利用AI的视觉识别能力(VLA 模型)和底层权限获取,模仿人在手机中进行操作,以此来解决APP的孤岛问题。

    但这种「外挂」路线会面临一个核心问题:在第三方应用不愿进行深层开放的情况下强行拆墙,往往会遭遇迅速而激烈的封禁。冲突的根源还是互联网巨头之间的入口之争,豆包手机助手想依托AI建立新入口,但微信、淘宝等老入口产品并不想让自己沦为给新入口打工的人。

    目前,虽然有传出豆包AI手机二代产品将在第二季度发布,且有两家TOP5手机厂商也在与其进行接触,但这种强行与互联网巨头竞争的路径,也不是最符合手机厂商长远发展诉求的选择。外挂方案更像进入AI OS之前的过渡产品,且很难诞生出与Agent相匹配的商业模式。

    如果手机厂商一定需要拥抱AI化,那第三类探索——手机Claw,可能会更契合手机厂商的发展诉求。小米和华为都在测试自己的手机Claw产品,小米的MiClaw是手机厂商最早推出的手机龙虾产品。华为的小艺Claw也很快在手机上实现了开箱即用,多端协同的养虾体验。

    龙虾元年到来之后,手机交互的Agent化共识正在加速形成。雷军认为,龙虾对小米来说可能是AI OS的一种新形态。vivo总裁胡柏山也表示,Agent将全面重构产品交互范式,手机将从Smart Phone向Agent Phone演进。

    抛弃图形界面的制约,从交互体验出发构建一套新的AI OS,意味着手机厂商有机会不再受限于互联网巨头的恩惠,而是要通过重建交互体验与规则,吸引互联网巨头参与到一个更开放的Agent系统的构建中来。

    新手机OS有四个特征

    这种手机上的Agent化交互还处在探索的早期。我们可以从手机厂商的近期动作中,来尝试总结它的几个关键特征。

    第一,更Agent化的助手。小米的超级小爱、华为的小艺、荣耀的YoYo等手机自有的助手,都在强化AI能力,甚至可能会逐步龙虾化。它们不再是简单的语音控制器,而是具备了主动规划能力的智能体。

    同样的,苹果也在围绕Siri的AI能力提升做更多努力。已经公布的消息显示,今年的WWDC将会聚焦AI进展和全新软件与开发者工具。我们也可以期待,到9月苹果新CEO上任,是否会带来更大胆的手机AI体验创新。

    第二,对个人知识库建设的强调。手机是一个承载个人数据、记忆的载体。厂商都在不断提升手机的记忆能力,这是在为AI理解和执行任务积累个性化的上下文。

    荣耀选择端侧Memory-in-Context路线,构建一套「长期记忆+短期记忆+瞬时记忆」的仿生策略。Nothing的Essential Memory则可以从用户保存的内容中提取重要信息,自动补充个人化背景信息。小米的超级小爱可以通过「小爱记忆」功能收藏屏幕内容。

    图片

    第三,对多模态感知能力的强调。多模态感知能力可以让手机支持AI实现听语言、看屏幕,并通过摄像头来理解世界。

    荣耀研发团队通过导入多模态模型,让YOYO更能看懂屏幕上的内容,甚至看懂摄像头里的物理世界。vivo则在强调影像是AI感知物理世界的核心「眼睛」,要让手机成为一个拥有感知力的数字伙伴。

    第四,对基础模型能力的强调。小米3月发布了MiMo V2Pro、MiMo V2Omni及MiMo V2TTS三款模型,其中MiMo V2Pro参数量超万亿,支持100万token上下文窗口。苹果一方面在与谷歌合作,基于Gemini模型和Google Cloud技术构建下一代Apple Foundation Models(AFM),另一方面也在继续自研基础大模型。

    这四个特征分别对应了执行、记忆、感知、思考能力,意味着新OS不再是卖软硬件服务,而是要售卖一种养成个人Agent的土壤。

    新系统还需要建两个生态

    手机进行Agent化的过程中,构成其体验的硬件生态和应用生态也在随之发生变化。

    硬件生态方面,硬件与助手的更紧密结合,会共同构成一个服务用户的交互体验。这意味着,手机要和AI眼镜、AI戒指、AI项链以及家庭的IoT设备组成连接更紧密的硬件网络,承载Agent化所需的需求沟通、数据感知和流动。

    Vivo在将资源投入到三个核心的HUB型产品:手机、头显、机器人,并以此为基础将「影像+AI」的能力进行普及——手机是感知源头,端侧记住每一个用户的个性化特征与习惯;MR头显是空间计算的训练场;而家庭机器人作为智能的终极形态,将汇聚感知并作用于物理世界。

    应用生态层面,App可能会被更原子化的Skill取代。荣耀CMO关海涛在小红书发文指出,「移动时代的技术主体是Apps应用,而AI时代的技术主体是Agents智能体。」App是更固定的,在寻找执行任务的最大公约数;Agent和Skill是更灵活的,能够满足个性化的细小需求。

    我们看到的一个比较有意思的探索是手机厂商Nothing推出的Essential Apps。用户可以围绕自己的使用习惯、日常需求快速创建今日穿搭推荐、首屏展示小组件等应用。然后用户还可以将自己创建的Essential App发布到Nothing的Playground平台上,让其他用户来发现和下载。

    图片

    每一个Essential App往往都对应一个具体而明确的任务,这本身就是一种类似Skill的产品形态。未来可能更多人会依托手机和vibe coding开发出更多样的Skill,然后在类似Playground的Skill市场中进行分发,形成一套新的应用生产、分享、使用体验。

    Nothing对此的判断是,个人计算正在进入一个全新的阶段——设备开始适应人,而不再是人去适应设备。

    「App多年来一直要求人们遵循预设的应用、菜单和操作流程。如果没有现成的功能,人们只能等待别人去开发;如果功能不完全符合需求,也只能将就使用。在由AI塑造的新世界里,这种模式已经不再合理。」

    由此可能还会探索出探索一种新的商业模式。从「下载-使用」转向「需求触发-Agent调用-Skill执行」,意味着要调整过去APP以流量为核心的商业运作逻辑,针对Agent用完即走的特点提出新的商业运作逻辑。现在这种模式是什么并不明朗,但很有可能会是一种免费基础流量与按需增值服务的组合体。

    1987年,苹果前CEO约翰·斯考利构思出了「知识导航仪」(Knowledge Navigator),预言了一个能与人对话、处理复杂任务的智能助理,智能手机是为承载这个助理而生的载体。

    近四十年后,随着各种龙虾、类龙虾产品的落地,这个构想正在完成闭环,也让手机的交互更加贴近于人的直觉。

    在这个转折点上,手机厂商正在面对两个机遇:一个是更深度参与重构AI交互系统的机会,另一个是真正实现万物互联,发挥出手机、AI眼镜等硬件更直接的入口优势。二者的交集有可能会让手机厂商的AI助手成为AI时代的关键入口和能力分发渠道。

    苹果的变阵,华米Ov的持续迭代,都在指向这个新的发展阶段。

  • “拆毛线”救小猫月入近千万,国内又一混休团队跑出成绩

    声明:本文来自于微信公众号 白鲸出海,作者:B21993

    最近几个月,混休市场的大部分注意力都集中在了“传送带+射击”机制上,毕竟「Pixel Flow!」的千万美元月流水和 Loom Games 的崛起都太过耀眼。这也让由 Rolllic 带起的屏幕三分设计,有了更多参与者。

    图片

    Rollic 从2025年开始积极尝试将竖屏分成

    三部分的玩法,玩家从屏幕下方挪出解谜物品,

    放到屏幕正中央的架子上备用,用于解开

    屏幕上方的谜题 | 图片来源:Knit Out

    其实除了传送带之外,“上半部分屏幕”还有很多解法,同样可以传递爽感,甚至做出更多细腻的变化。

    近期,我们就发现一款产品「Wool Crush -Escape Traffic Jam(以下简称 Wool Crush)」,在屏幕上半部分做了创新,吸取了老牌 PC 益智游戏的形式,同时做出了属于自己的特色,AppMagic 显示目前全球单日分成后收入稳定在3-4万美元左右,最高4.8万美元。按此估算,其分成后月收入在120万美元左右,约合826万人民币。

    图片

    目前游戏双端分成后流水在3-4万

    美元上下 | 数据来源:AppMagic

    从经典解谜玩法找灵感,

    加快节奏的同时求深度

    图片

    「Wool Crush」的发行账号也发行了一款小游戏

    出海产品「Cell Survivor」| 数据来源:AppMagic

    AppMagic 数据平台显示,「Wool Crush」的发行账号“Snap Brain Games”,曾发行国内厂商的小游戏出海产品。查询过往产品阵容能看出,Snap Brain Games 是典型的混休厂商,尝试了包括拧螺丝、传送带等热门的混休玩法。这些产品里比较有特色的是「Word Screw」,把拧螺丝和单词结合到一起,首先让玩家把物品里的字母“螺丝”拧下来,然后再拼成单词。

    图片

    「Word Screw」的玩法展示 | 图片来源:点点数据

    能看出,Snap Brain Games 对混休体验是有“追求”的而非一味 Copy。本次跑出成绩的「Wool Crush」也是如此,它的屏幕下半部分虽然还是华容道玩法,但是上半部分结合了毛线(龙)、猫咪这两个混休里的热门元素,甚至打造出了龙口下拯救猫咪的对抗感。

    具体来说,玩家在屏幕下面玩“挪车”,挪出来的其实是一条条线轴,放到屏幕中间栏位上;屏幕上方则是一条由毛线编织出来的喷火龙,沿着指定路径朝着小猫不断前进;玩家的任务是用线轴抽走火龙身上对应颜色的毛线,解救小猫。小猫本身有生命值,如果小猫被喷火龙攻击到生命值耗尽,就会宣告游戏失败。

    看视频的话,很容易让我们想起儿时的「祖玛」游戏,第一眼看难度,「Wool Crush」似乎更低一些,只要出现在屏幕内的喷火龙身体,就能被相同颜色的线轴收走,不像「祖玛」一样被遮挡就无法消除;另外,线轴的长度不同,能抽走的毛线长度也不同,线轴只有被收满之后才会自动消失,空出栏位,这又提升了难度;进入后面的关卡,游戏还会引入类似“战争迷雾”的机制,喷火龙的身体只要被屏幕上方白色的烟雾覆盖,线轴也无法抽走。

    图片

    屏幕上方的迷雾会阻止玩家抽走毛线(左图1);即使

    可以抽走,玩家也要考虑线轴长度是否在抽完后还有

    剩余,否则就会造成栏位“塞车”| 图片来源:Wool Crush

    如此一来,玩家在下半部分,需要同时考虑颜色对应、线轴长度等多指标,整体难度相比更强调快准的「祖玛」其实更高一些。

    图片

    《祖玛》的画面 | 图片来源:IGN

    而「Wool Crush」的喷火龙,更像是通过借鉴《祖玛》的形式来强调一种紧迫感和对抗感,在短时间内完成一个并不算简单的资源分配解谜。

    紧迫感和深度两手抓,比起 Rollic 此前尝试过的几个思路又走远了一步(详见文章《“混”出新花样,土耳其厂商再出2款月流水千万新产品》)。甚至可以说在创意层面上和「Pixel Flow」的“传送带+像素射手”一样有想法。

    玩法“底子”不错,细节还欠打磨?

    虽然「Wool Crush」的玩法创新很有想法,不过我们在仔细体验后认为相比「Pixel Flow」等头部产品,「Wool Crush」在视觉反馈、机制设计以及数值调整这三个方面还有一些改进空间。

    第一是通关的反馈和爽感供应偏弱。不论是成熟的三消游戏,还是像「Pixel Flow」这样的消除类混休玩法,在闯关末期都会强调一个“炸掉物品”的爽感。三消游戏里是各种道具引爆爆发的连击;「Pixel Flow」里面则是迅速加快游戏速度,鼓励玩家把剩下的射手全都放上传送带,砰砰砰打掉剩余像素画。甚至是《祖玛》,如果操作够好也能打出各种连击,让走在最前面的石球一路“撞”到末尾。

    图片

    石球队列内部撞击产生的连锁反应,

    是《祖玛的一大特色》| 图片来源:ZTGD

    以上三种画面,都给人一种“一推到底”的畅快感。相比之下「Wool Crush」到了关卡末尾虽然也会加速,但是被加速抽走的喷火龙只会在屏幕上方来回“反复横跳”,作为一款最终以消除为目标的游戏,爽感就差了很多。而且即便通关之后,可爱的猫咪也并不会对玩家道谢或者卖萌,弱视觉变化带来的心理正反馈降低,并不是一个可以被忽视的问题。

    第二是辅助道具效果偏弱。游戏提供了四种道具,都需要用内购资源“硬币”购买,也都可以看少量广告免费试用。

    解锁:添加一个栏位放置线轴,800硬币;

    移除:去掉屏幕下方的一个线轴,600硬币;

    排序:调整接下来火龙的毛线颜色顺序,700硬币;

    强化:去掉白色迷雾,让线轴可以收走尚未出现在屏幕上的毛线,500硬币。

    从我们的实际体验来看,除了解锁之外,剩下三个道具效果比较差。最有代表性的就是弹出内购次数最多的强化,这个功能看似强大,可以让用户随便放上哪些线轴都能抽走毛线。但实际上,如不作规划,一旦强化结束就极有可能收不走任何毛线,迅速死局;再加上火龙往往很长,强化的效用最多只能去除大约1/5左右的长度,风险大于回报,很难让人内购。IAP 道具设计上的不足,让游戏目前依然很难离开 IAA,我们发现从第30关开始播放广告的频率就明显增加,即便是闯关失败也可能要播放1分钟的广告。

    猫咪本身也有属性,但目前只能

    通过通关积累进度来解锁,没有单独

    内购和道具 | 图片来源:Wool Crush

    最后,其实「Wool Crush」开创的解救小猫,也许还有更多探索空间。

    游戏本身已经对屏幕上半部分做了一定挖掘,给等待救援的小猫设计了包括血量(增加喷火攻击的耐受力)、无敌(无敌一定时间后让火龙后撤一段距离)以及冰冻(减缓火龙移动速度)这三个技能。这三个技能通过通关积累经验值来解锁,能够和辅助道具共同作用,进一步帮助玩家。

    但目前由于本身道具设计偏弱,已经对 IAP 造成一定压力,小猫的进一步探索,可能还是后话。

    写在最后

    总体来看,「Wool Crush」的玩法本身是混休创新的又一个典型案例,通过向经典的单机游戏寻找灵感,「Wool Crush」给“挪车”寻找到了一个有深度的玩法出口,还能搭配猫咪和毛线等热门题材,在寻找到玩法创新的同时也提供了坚实的获客基础。

    但是,目前这些新元素的结合还处于偏初级阶段,随着玩法不断变深,传统的、轻量级的视觉反馈和粗放的数值设计往往会显得捉襟见肘 。但无论如何,「Wool Crush」这种“向上半部分屏幕要深度”的尝试,给大家指明了一个新的可探索方向,而不是一味在做像素射击的变体。

  • 3年1亿模型,年收入2.8亿:当AI大佬开始做游戏

    声明:本文来自于微信公众号 游戏葡萄,作者:大田&青晖

    过去一年多,游戏行业对AI的态度渐渐回归理性。最初大家惊叹于各种大模型的生成效果,现在大家往往更关心现实问题:能嵌入开发管线吗?工作流是什么样?成本和效果又如何?

    Meshy AI创始人兼CEO胡渊鸣在今年GDC上用一组对比强烈的数据作为开场,向大家展示了3D生成工具Meshy(meshy.ai)的生产力:

    “Meshy拥有超过1000万注册用户,三年内用AI生成了超过1亿个3D模型;相比之下,在整个人类历史上,人类手工创建的3D模型总量也就大概1.5亿个。”

    图片

    这组数据背后是3D生成工具在商业化落地上的实质性进展。胡渊鸣透露,Meshy目前ARR(Annual Recurring Revenue,年度经常性收入)已经接近4000万美元,折合人民币2.8亿元以上,在海外3D生成市场占据最大的份额,超出了“第二名、第三名、第四名加第五名的总和”。

    在1小时演讲中,Meshy团队及其客户分享了一些将3D生成工具用在游戏开发中的案例。将Meshy接入工作流后,前期概念网格、低模模型或UGC平台的角色定制等工作,需要的时间从几天压缩到了几小时,甚至几分钟。

    以三七互娱为例,他们的一部分项目团队把原画导入Meshy生成初始模型,随后再交由美术进行精修打磨,提升了50%效率,节省了30%到40%的时间。

    图片

    不过,Meshy不准备只停留在提供开发工具上,他们今后还想成为一家AI原生游戏公司。胡渊鸣介绍了自己对“AI原生游戏”的定义,并发布了新作《代号:黑箱》的Demo。这是一款幸存者like游戏,能让玩家用自然语言生成武器。

    演讲结束后,胡渊鸣也和葡萄君聊了聊团队的商业历程、技术路线以及长远发展规划。在他的设想里,Meshy会在3D生成业务的基础上,研发大DAU的AI原生游戏,最终通过生成式AI解决“AI让人类不用工作以后,人类每天干啥” 的问题。

    但不同于那种AI能够取代开发者或者直接生成游戏的论调,胡渊鸣在技术路线上更克制,强调把AI和传统工作流相融合:AI生成工具要一部分一部分地融入开发管线,AI生成的玩法要和传统游戏开发混合起来。和他们仔细聊过之后,我觉得这种克制和分寸,可能才是Meshy能跑通商业化的真正原因。

    01

    找到细分场景,

    切入工作流

    去年10月,葡萄君曾介绍过Meshy,当时的直观感受是,AI生成的质量有了长足进步,终于能成为生产力工具了;而这次GDC上Meshy的分享让我对AI生成如何融入游戏开发有了更清晰的认知。

    总的来说,Meshy并没有那种用AI颠覆一切的宏大叙事,其融入管线的过程也是一个个环节跑下来的。

    比如你可能想不到,2023年刚推出的Meshy,其第一批核心用户是恐怖游戏开发者。

    图片

    图源胡渊鸣

    胡渊鸣认为原因有两点:首先,Meshy0是当时市场上第一个能生成贴图、可公开访问的产品,“市场上没有别的选择”;其次,虽然Meshy0存在“模型有四张脸”之类的瑕疵,但这恰好符合恐怖游戏吓人的需求。

    后来在2024年的文章《AI生成3D模型发展到哪了?》中,胡渊鸣总结出了一条经验:产品总是能找到细分场景。3D资产在实际应用中的质量要求参差不齐,就算模型的生成质量不高,也可以在要求不高的细分场景做落地,落地之后再求提升。

    所以后来的几代Meshy,除了模型质量的提升,在更新的时候都有针对工作流去做优化。

    比如早期的Meshy1主打生成速度,把原本耗时数小时的流程压缩到可用的一分钟内;Meshy2内置了网格处理功能,支持多边形数控制和四边形网格转换。虽然这时候的精细度还达不到生产标准,但它切入了前期的概念验证环节,开发者可以把原画放进Meshy生成初版网格,或者把生成模型作为关卡的白盒替代品,缩短项目初期的试错与反馈周期。

    这次GDC上Meshy的客户Technical Art Games(TransPerfect旗下的游戏外包公司)也提到了这方面的应用:以前做个角色测试需要两到三天,但有了Meshy,他们把原画放进Meshy,可以当天拿第一版网格给客户,迅速拿到反馈;在内部,他们的美术人员有时也会用Meshy生成模型放进MetaHuman里作为基础底模,加快概念验证。

    图片

    而后的Meshy3引入了智能修复,能够局部控制纹理特征;Meshy4把建模和贴图两个阶段拆开,开发者可以先筛选出干净的硬表面白模,再生成纹理;Meshy5引入了PBR材质和实时纹理编辑功能,加强的可控性让Meshy更加适配工作流。

    今年发布的Meshy6里,Meshy延续了这种一步步嵌入工作流的思路。比如低模模式让资产在较少面数下保持较高质量,可以直接导入Blender或者Maya;API可以一条龙实现3D生成、贴图生成以及骨骼绑定。

    从这次GDC上的分享也能看出来,Meshy确实在工作流中渐渐接管了许多环节:Stratton Studio(playful.ai旗下的游戏开发工作室)从概念设定、白模、高模雕刻生成,一直到UV展开和重新拓扑都用上了Meshy。Stratton Studio 总经理Josh说,低模模式和变体网格让小道具、石头花草之类的有机资产,基本上“不用重新拓扑,质量通常都过得去”。

    图片

    图片

    当然,Meshy融入游戏研发管线的过程也不是一帆风顺的,比如在Technical Art Games内部,美术人员一开始对此有所抵触。不过Meshy提升开发效率的效果是实打实的:

    Stratton Studio可以在两小时内完成一个原本要花三天的普通资产,减少约80%的场景布景时间,同时还能增加5%的资产变体。UGC平台Jars AI把Meshy接到后台,能几分钟生成原来要花几个小时帮用户做的3D角色模型,过去几个月,他们用Meshy生成了超过5万个角色模型,“如果从零开始手工制作,那绝对是个不可能完成的任务”。

    图片

    所以在流程跑通之后,大家都能意识到,这种和传统流程结合的AI工作流,其实反而是一种对创作的解放,给了开发者更多灵活性和底气。

    Josh提到,他们团队里有想法的初级美术人员可以直接把模型生成出来,放进引擎里,然后让上级直接拍板行或不行;做关卡的试错成本降低,也让开发者缓解了压力,能够进行更多实验;在一些小型项目里也能在一两周的时间内把玩家的想法做到游戏里。

    说到这里,你应该能理解Meshy的“克制”意味着什么了。他们从最细分的落地场景开始,一步步渗入工作流,没有迈大步子。

    尽管一开始有些阻力,但开发者们尝试过效果后,逐渐也接受了Meshy的融入,就像Technical Art Games说的,Meshy“并没有取代他们的工作,只是他们工具箱里多出来的一件工具而已”。

    02

    从技术大牛变成CEO

    看到目前Meshy的商业化成绩,你可能会觉得他们走得很顺,但其实胡渊鸣也不是一开始就有这么清楚的路线。进一步了解他的创业史后,我发现Meshy这种克制的策略来源于市场的毒打,以及胡渊鸣从技术思维到商业思维的转变。

    在开发Meshy之前,胡渊鸣已经是计算机图形学领域声名远扬的大牛了,不过他最初的两款产品在商业化上并不成功。

    看履历,大部分人会说胡渊鸣是个技术天才。他高中拿下全国青少年信息学奥赛金牌保送清华,姚班毕业后前往MIT计算机科学与人工智能实验室攻读博士,博一期间在顶会上发表了6篇论文,只用了三年半就拿到了博士学位,还获得了杰出博士论文提名。

    太极语言是胡渊鸣在读博期间创作的开源编程语言,2020年他用这个语言写了99行代码,实现了原本需要复杂的工业流程才能达到的计算机图形效果,他写的《99行代码的冰雪奇缘》也广为流传。从MIT毕业后,胡渊鸣用太极语言创办了太极图形,拿到了几千万美元的投资。

    图片

    太极编程语言官网,项目有近3万星标

    然而尽管太极语言在技术圈内广受好评,太极图形的商业化却并不顺利。胡渊鸣告诉我,他们的团队始终没找到高效的商业化路径,如果硬着头皮继续往下做,“大概率只能沦为做低毛利的外包业务”。

    胡渊鸣尝试在太极图形的基础上做一款订阅制云渲染软件,结果是再次遭受市场毒打:项目要和二三十年的老牌本地软件竞争,还要面对不断飙升的GPU成本、全球用户的访问延迟等问题。最终,由于用户和商业化增长双双乏力,这个云渲染项目在2024年关停。

    连续两款产品碰壁,让胡渊鸣切实体会到了商业化不易。他告诉我,在云渲染项目迟迟跑不通的时候,他一度想过“把钱退给投资人”。

    但也正是因为这些经历,胡渊鸣明白了“CEO不仅要懂技术,也要懂产品、市场、团队管理、融资,什么都得知道”,Meshy也在这种思维转变中诞生。

    他的判断体现了这种思维的转变:通过前两款产品,他发现物理仿真这个赛道相对停滞,而当大盘没有增量时,哪怕提供的工具再精妙,用户的采纳度也始终很难提上来。

    相比之下,正处于爆发期的AI领域显然更有机会。胡渊鸣在推渲染器的时候,有个客户告诉他们:“我不会为你这个渲染器付钱,但是你把你里面的资产库卖给我,我会为这个付钱。”

    胡渊鸣意识到,既然用户愿意为模型资产付费,那用AI以极低成本生成3D模型的商业模式就能够跑通,于是Meshy也由此诞生。沿着这个思路,Meshy把易用性当作“永远追求的事情”,力求变成开发者马上能上手的工具。

    后来的故事大家都知道了:这种转变不仅帮胡渊鸣走出了险些退钱的低谷,也让Meshy在巨头林立的AI市场中找到了合适的生态位。

    胡渊鸣说,3D生成市场体量目前还不算庞大,对于巨头而言,ROI未必高到值得他们倾注全力去竞争,这恰好为创业公司留下了发育窗口。“甚至海外一些巨头公司自己做过之后放弃了,最后反而变成了Meshy的客户。”

    飞书文档 - 图片

    Meshy最近一个月活跃用户数已经接近500万

    认清自己的位置,吃透一个垂直场景,事实证明这种被市场毒打出来的策略确实奏效,胡渊鸣说,Meshy做到了ARR每月增长20%到30%,最近3个月甚至涨了1.5倍。

    不过在胡渊鸣的商业规划里,做出一款赚钱的生成工具,也只是个开头而已。

    03

    AI应该让游戏更好玩

    Meshy最近在生成工具领域之外,还有一个比较引人注目的动作,那就是发布了《黑箱》的Demo,并试着在“AI原生游戏”赛道拿出验证性的产品。胡渊鸣在这个赛道也没有那种“AI一键生成完整游戏”的想法,而是选择了更克制的混合模型路线。

    所谓混合模型路线,是指AI和传统游戏工程结合。

    图片

    胡渊鸣觉得,依靠纯AI生成模型来做游戏虽然惊艳,但算力消耗巨大,而且转个视角世界就变了,玩起来延迟也比较高,反倒是传统游戏里根本不会有这方面的问题。

    所以他不太相信纯靠生成一段视频,就能把现在的“3D资产+实时渲染+游戏引擎”这套开发体系完全颠覆掉。

    拿《黑箱》来说吧,它的混合模式,是在底层开发上采用Unity引擎,像素美术、视觉特效、数值设计以及奖励和挑战设计也都遵循传统游戏开发流程,AI只负责玩法部分。

    当然,把AI做到玩法里也是有讲究的。胡渊鸣的观点是,在AI原生游戏中,AI必须是核心玩法不可或缺的一部分,而不是拿着锤子找钉子。

    图片

    而且它得切实让游戏变得更好玩,“如果用AI反而变得更无聊了,那这个游戏为什么还要存在?”

    图片

    在胡渊鸣看来,AI能让游戏变得更好玩,是因为它解决了传统游戏开发里的“不可能三角”。

    这个“不可能三角”指的是,传统游戏受限于人工编写的底层规则,往往很难同时做到表达力强、直观且易上手。

    图片

    他举了几个不可兼得的例子。比如《Noita》里的魔杖机制表达力强,玩家可以把丰富的buff放进魔杖里,按顺序组合出不同的魔法效果,比如在“三发”后面放上“火球术”,魔杖就能放出三发火球。但是想要实现这种极强的自由玩法,需要玩家掌握复杂似编程的法术组合原理,这导致学习门槛高得令人发指,一个博士都得看10个小时教程才能学会。

    图片

    《Noita》的法术组合被戏称为“法术编程”,图源Steam@Tanimodori

    但是像《暗黑破坏神2》这样直观易上手的游戏,玩家的自由度又被框死在了系统预设的规则之内。

    图片

    大模型的出现打破了这个不可能三角。“AI模型几乎可以接受任何输入,并且能泛化到很多场景……它也更直观,你能得到你想要的结果……也更容易上手,直接用自然语言跟它交互就行了。”

    图片

    在《黑箱》中,Meshy训练了一个生成式基础模型,可以将文字描述映射到武器的运作方式上。

    更直观地说,就是玩家告诉游戏自己要什么样的武器,游戏就会生成什么样的武器。比如你说“生成一个激光无人机”,AI模型会把资产库里的“激光发射器”和“无人机”结合成激光无人机。

    在这份生成功能的基础上,《黑箱》在玩法上类似《吸血鬼幸存者》《土豆兄弟》,玩家在2D俯视地图上与敌人战斗,武器会自动攻击,游戏的核心体验在于武器的构筑。

    胡渊鸣还有很多畅想,比如让AI生成更多元素:敌人、关卡、视觉设计,甚至音效……“最终目标是让AI成为实时的游戏设计师。”

    图片

    图片

    但目前他的计划相对克制:他想做一家游戏公司,但不想一上来就做大体量的游戏,而是仅把《黑箱》作为一个原型,试着让“生成式的游戏玩法”(Generative Gameplay)这个模式跑通。至于商业上,他觉得能回本就挺好了。“我们肯定不会想一步登天。”

    04

    结语

    被我问到终极愿景的时候,胡渊鸣觉得AI让人们从工作中解放出来只是时间问题,他希望Meshy能直接去解决那个时候的人的需求。

    做《黑箱》也是因为他认为,人类永远需要获得快乐的体验,未来最受欢迎的快乐体验生成工具一定是AI原生游戏。

    虽然这些愿景确实听起来很宏大,不过胡渊鸣认为,持续、可量化的交付才是验证宏大叙事的关键,所以目前Meshy的动作都还比较落地。

    在他看来,随着开发效率的提高,用户对游戏质量也会有更高的要求。Meshy现在关注的是如何提高融入了AI的管线的上限,如何让作品更加可控,而后更加生动、更有创意。

    比如在AI生成业务这一块,Meshy正在研发“Meshy Flow”,它能让Meshy融入管线的过程标准化,一个团队可以在生成时反复获得一致的结果,“哪怕是批量处理成百上千个资产”。

    图片

    聊到最后,葡萄君感觉无论是内容生成,还是玩法生成,AI在游戏行业总的来说是在回归落地。

    像胡渊鸣说的,不指望一步登天。作为服务商,他们能向市场需求看齐,踏踏实实地提供增量,去做现有管线里的一件趁手工具;作为开发商,他们又能在开发游戏的时候用传统引擎兜底,让AI去实现新的玩法,给玩家带来乐趣。

    面对AI,游戏行业不免有焦虑和泡沫,比如它会不会颠覆管线、取代美术,甚至一键生成游戏?但从Meshy的发展来看,目前能把业务跑通、做大的,可能还是最克制、最接地气的那一拨产品。