你的RSS订阅列表里，积压了多少未读文章？

据IDC预测，2025年全球数据总量将突破213ZB。人类正深陷一个前所未有的困境：我们创造了史无前例的信息洪流，却面临着日益严峻的认知赤字。

信息过载正将个体拖入效率陷阱。传统信息工具的设计逻辑，往往助长用户陷入“订阅-堆积-焦虑”的恶性循环。

与此同时，信息的真实性危机日益加剧。以DeepSeek为代表的AI工具，其强大的信息浓缩能力（可将文章甚至整本书提炼为大纲）显著提升了信息密度。然而，大模型固有的幻觉问题难以根除，导致了一个悖论：本应节省时间的AI摘要，反而可能迫使用户耗费更多精力回溯原文、验证真伪。

在此背景下，AI信息服务赛道正经历深刻转型——正从泛化的通用对话，加速转向聚焦的垂直场景。市场对能够系统性解决信息过载、显著提升认知效率的工具，需求空前迫切。

深言科技创始人岂凡超带领团队推出的「语鲸」，正切入这一赛道。当多数产品聚焦于AI内容生成时，他们选择重构信息的组织与分发逻辑——通过“低幻觉可控生成技术”和“动态专题聚合”，力图破解AI时代信息过载与可信度危机的根本矛盾。

「语鲸」是什么？

语鲸是由深言科技开发的一款AI驱动的信息筛选和阅读产品，旨在帮助用户在信息爆炸的时代，通过智能订阅、聚合和总结功能，更高效地获取有价值的信息。

作为用户的智能信息助手，语鲸能将你分散在不同平台的资讯流统一聚合到一处，并通过AI形成专题，避免用户重复浏览相同的内容。同时，还能为每一篇文章快速生成摘要、提炼核心观点并构建清晰的大纲。在阅读时，它能自动高亮关键信息和逻辑链条，并允许用户随时对文中内容提问获取精准解答。

「语鲸」的三个特点：

精准溯源，解决信任难题：「语鲸」生成的摘要中，关键结论旁清晰标注着精确的原文出处。点击来源标记，页面自动定位并高亮原文对应段落（如核心数据），提供方便的验证通道。

动态详略，提升阅读效率： 用户可在概览框架、核心论点、支撑细节三级视图间流畅切换，自由掌控详略程度。

智能专题聚合： 对热点事件（如“Google Gemini Robotics On-Device模型发布”），自动聚合跨平台多角度报道，归集为专题并生成综述报告，提炼核心观点与立场对比，省去手动查找重复阅读。

我们邀请到深言科技岂凡超聊一聊：当大模型日益强大，垂直场景的AI产品为何仍有不可替代的价值？信息获取的终极形态是否正在被重新定义？聚焦单一赛道的创业公司该如何生存？

以下为对话实录：语鲸如何用AI重构信息的获取与分发。

攻克幻觉不能只靠模型，双模型法或成解决长文幻觉最优解

硅星人：语鲸用了什么技术减少生成摘要/大纲时候的模型幻觉？

岂凡超：如果单纯指望模型靠自身能力彻底解决幻觉，我们认为短期内非常困难，甚至有点违背第一性原理。因此，我们选择了一条不同的技术路线：不依赖生成模型自身去克服幻觉，而是找到一种能与现有生成模型互补的技术。

我们的方法分两步走：当处理一篇文章时，第一步是识别并解析文章的原始结构和语义层次——这在自然语言处理领域称为篇章分析，即先将内容转化为一个树状的、层次化的结构；第二步，将结构化的信息交给深言专门用准确性指标作为强化学习激励函数训练的生成模型，让它遵循给定的结构和顺序进行内容生成。

这么做的好处很容易理解。模型处理的非结构化序列越长，越容易出现幻觉。如果直接把100页内容一股脑丢给模型，不提供任何结构信息，它很容易出现各种幻觉问题。而我们为生成模型清晰地标明了内容的“骨架”，让它能“分而治之”地生成，幻觉自然就大幅减少了。

为了训练出一个能精准识别原文结构的模型，我们投入了大量成本，甚至请了清华北大等高校的语言学专业研究生进行深度数据标注，耗费了相当多的时间和精力。

硅星人：反复调用模型会不会导致成本过高？

岂凡超：确实会增加，毕竟多了一个结构分析的环节，但是这个环节额外增加的成本并不显著。首先，执行篇章分析的是一个专用的小模型，参数量比生成模型要小很多。其次，我们对生成环节也进行了优化，设计了任务专属的推理算法，能用更小的模型参数量达到更好的生成效果。因此，这两个环节加起来的整体成本，反而可能比使用更大通用模型直接生成的成本还要更低。

一个人获取的信息塑造了他的认知，进而影响其决策和行为

硅星人：语鲸另外一个比较重要功能就是内容订阅，目前语鲸能覆盖公众号网站和论文研报等，未来还会加入什么新的信息来源吗？信息来源的选择有什么逻辑，或者优先级？

岂凡超：本质上来讲，语鲸是为用户提供一个高效获取信息的入口。现阶段的核心在于明确两点：目标用户是谁？产品为他们带来什么核心价值？

我们之前提到的核心价值点很明确：能够自动聚合同主题信息，并用AI进行加工总结，显著提升用户获取信息的效率。那么，基于这个价值点，我们的目标用户画像就很清晰了：那些对高效获取信息有刚需，并且语鲸确实能为其创造价值的人群。接下来，就是研究这些用户关注什么类型的内容，然后为他们精准提供这些内容。未来我们会根据用户需求增加社交媒体渠道以及支持更多rss的信源，也会包括播客、视频等多媒体、多模态信源。

硅星人：会不会有涉及侵权问题？

岂凡超：我们对这个问题的理解是：语鲸与传统直接照搬原文的阅读工具或资讯平台有本质区别。核心在于AI的加工深度。我们通过“专题”功能对多篇内容进行自动聚合、重组和深度加工。生成的内容与原始单篇文章已存在显著差异。即使是单篇文章，我们也进行了不同颗粒度的提炼和总结，并非原封不动地呈现全文供用户消费。而且我们也提供了原始内容链接供用户跳转查看。

硅星人：专题聚览功能可能是语鲸相对于其他RSS软件差别最大的地方，您觉得这个功能是AI时代带来的变化吗？

岂凡超：这确实代表了一个产品思路上的新变化。为什么做这个？ 根源在于我作为多年RSS深度用户的切身体会。以前用这类产品时，经常是“订阅一时爽”，但是很快未读文章数量动辄999+。但真要去阅读，就会发现大量内容是重复的。这正是传统产品的一大缺陷：它们只能基于你订阅的信源做筛选，却无法识别不同信源间内容的同质化。

其实不光是订阅产品，其他推荐分发的内容产品也有类似问题。一个大热点事件发生后，你刷到的可能是一堆媒体和自媒体都在讲同一件事，内容高度重复。

作为一款旨在提升信息获取效率的产品，语鲸必须解决这个问题。这就是我们推出“专题”功能的初衷，它能在你订阅或关注的所有信源中，自动找出那些讨论同一事件或主题的内容，将它们聚合起来，并重新生成一份“不重不漏”的总结供你消费。

硅星人：语鲸有一个一键follow其他人订阅列表的功能，为什么要设计这个功能，您觉得信息订阅能力是一项重要的能力吗？

岂凡超：我自己作为语鲸的深度用户，对信息的质量、广度和时效性都有很高要求。我深信，一个人获取的信息塑造了他的认知，进而影响其决策和行为。这几乎决定了这个人能做成多重要的事、创造多大的价值。

我和我们的投资人也多次深入探讨过这一点：一个人能获取什么样的信息，对其成就和价值创造至关重要。正是基于这个认知，我们在语鲸中专门设计了“订阅列表分享”功能。

这个功能的核心价值是：让每个人都能将自己的高质量信源订阅列表分享出去。这样，其他人就能了解到：为什么某个人会有特定的想法？他决策的依据可能来自哪些信息？这能有效减少认知壁垒。

现实中，用户对高质量信源的需求非常旺盛。无论是知乎上“有什么高质量信源？”的经典提问，还是小红书很多爆火的“AI高质量信源/博客推荐”帖子，都印证了这一点——用户对掌控信息来源和质量有着明确且强烈的需求。语鲸的这个功能，正是为了响应这个需求。

硅星人：AI也能能提供很多信息源，为什么还需要“其他人”推荐的信源？

岂凡超：AI推荐的信源存在两个核心问题，首先是缺乏真实体验支撑， 判断一个信源是否优质，高度依赖用户的实际阅读感受。只有真正看过其大量内容，才能做出可靠评价。其次是忽视个性化需求： 信源的价值是因人而异的。同一个技术类账号，对于专注于技术的工程师可能很有价值，但对于一位产品经理，其内容可能关联性不强。理想的方式是让每个人都能找到最适合自己角色和需求的信源，但通用AI推荐很难精准理解用户的个性化背景。

更严重的是信息同质化，当我们测试通用AI推荐信源时，它要么倾向于编造不存在的优质信源，要么只能给出非常通用、广为人知但缺乏独特价值的推荐。看起来好像有推荐，实则意义不大。

场景化设计与风格自由定制，让信息流主动适配人

硅星人： 我用下来最喜欢的一个功能是“产品经理老王”这个风格改写频道，用产品经理的口吻帮你解释各种最新技术。你觉得这会是未来信息分发的趋势吗？

岂凡超：我先说说做这件事的动机。从大的产品规划来讲，我们相信未来有相当一部分内容，会是AI根据你的需求直接生成的，而不是别人生产好再分发给你。我们现在做的这个“风格改写”的尝试，本质上就是希望让AI对内容进行二次加工，更好地满足特定用户的需求。

目前语鲸默认的文章加工方式是结构化总结，你可以理解为这是一种特定的“风格”：结构清晰、简单明了、内容精炼、便于速读。但未来我们认为用户的需求会非常多元：有人喜欢现在的层次化总结，有人可能想要完全不同的样式。

所以我们计划后续逐步开放这种能力，让每个用户都能自己定义，想看什么类型、什么方向的内容，以及希望把这些内容加工成什么样子。

这来源于我们观察到的一个需求：很多非技术背景的用户，比如产品经理、媒体人，直接读论文确实门槛太高。他们需要中间层加工——用产品经理的视角和话语体系，甚至结合具体产品案例，把技术讲明白。这事以前靠真人做，但随着AI能力的增强，完全可以交给AI。

最终呈现出来，就是在语鲸上会出现很多AI驱动的不同风格的频道。

硅星人：语鲸已经有多个终端，像网页端、浏览器插件、APP、微信小助手，每个终端功能其实都不一样的，这是什么原因。

岂凡超：我们当初做这件事，或者说语鲸做多终端布局，核心想法是：用户获取信息发生在各种不同的场景、不同的产品，甚至不同的设备上。比如在电脑上、在手机上、甚至在微信里，都有很强的需求。

很多终端的需求其实都是用户自己提出来的，我们就希望，能在用户需要的地方随时出现，提供价值。语鲸提供的内容相对更严肃、更专业，对应用户群体的诉求不只是想在手机上随便刷刷，很多人习惯是早上到了公司，第一件事就是打开电脑，先看看订阅的内容。他们也会经常用浏览器看国内外的PDF文件或者网页。在这些场景下，他们也希望延续语鲸的结构化总结体验。包括在微信里看到一篇好文章，他们也希望能转发给语鲸小助手。所以我们做多终端，核心就是围绕目标用户的实际需求和真实使用场景，尽可能去满足他们。

硅星人：还有一个比较细节的问题，我看到网页版的语鲸，页面上左边是AI摘要，右边是原文。浏览器插件版的语鲸左边是原文，右边是摘要。为什么要这么设计？

岂凡超：目前插件版只能放在右边，或者说，绝大多数用户已经习惯了从右边弹出弹窗的操作方式。在这个场景下，右边确实是比较自然的选择。

但更底层的原因，其实是用户使用场景和注意力焦点不同。用插件时， 用户通常是先打开了一个网页在看内容。这时候可能觉得文章太长，或者想快速找到关键信息，于是调用插件做个总结。同时，他也可以点击总结大纲里的某个片段，直接定位到原文的对应位置去看详细内容。所以他的核心注意力还是放在原文本身，插件呈现的总结是辅助他理解原文的工具。

用语鲸网页版时，情况就反过来了。用户是通过订阅看到标题和摘要，对内容有了宏观了解后，可能对某个局部信息产生兴趣，想深入了解细节。这时他点进去，需要的是快速在文章大纲目录里找到那个特定片段，然后点击展开看原文讲了什么。所以他的注意力起点是这篇内容的结构化大纲。

正是这种核心注意力的不同起点，决定了我们在这两个地方采用了不同的设计布局。

硅星人：语鲸的智能大纲它分为三个等级，是特意设计的，还是觉得模型能力更适合三个等级？

岂凡超：这其实是一个非常关键的设计细节，涉及到一个平衡点。

原文内容如果比较复杂，其层级结构可能会很深。层级越深，通常对应内容量越少。如果我们在产品中把每一层结构都完整展示给用户，结果就是生成一个非常复杂的树状结构。这对消费阅读场景反而不一定友好。用户日常看文章、获取信息时，面对过深的层级，理解成本和信息获取效率都会受影响。所以，我们并没有追求展示所有层级，而是设定了一个上限：最多展示三级结构。但是这么做也不是完美答案，很多时候确实三级是明显不够的，所以我们新版本模型会有自适应的能力，根据原文的复杂度和语义结构自动确定最佳层级。

硅星人：算上测试语鲸已经发布大半年了，最让您觉得惊喜的用户反馈或者用户的使用场景是什么？

岂凡超：确实出现了很多之前没想到、但特别有意思的使用场景。

比如说，有一些金融产品的销售、券商的销售、保险的销售直接把语鲸当作工作中发日报的核心信息来源。

另外我们还了解到，有些用户拿它来赚钱，会自己做一些内容服务，比如帮别人筛选高质量内容，生成简报然后分发出去，相当于做付费订阅。用语鲸就能快速完成这个确实出现了很多之前没想到、但特别有意思的使用场景。

硅星人：透露一下语鲸下一个版本最大的迭代功能点是什么？

岂凡超：希望扩充内容来源，包括多模态内容的尝试，这个事我们正在规划中，这是第一点。

第二点就是关于风格改写这个功能，现在我们正在小范围测试，主要通过自己运营的几个频道，想看看实际数据和用户反馈。如果大家反馈不错，我们就会逐步开放这个权限给更多用户，让每个人都能创建真正符合自己需求、高效且量身定制的内容频道。

第三点，就是如何促进用户间的连接，发挥更大价值。让用户分享自己的订阅列表是一个初步的尝试，后续会有更多产品设计和功能让用户在语鲸上交互。

硅星人： 语鲸会不会做AI笔记功能，现在（语鲸）可以看文章，做摘要，未来可不可能会像Notion样的直接给你个白板，让你在上面做笔记？

岂凡超：现阶段语鲸确实提供了一些轻量化的信息管理功能，比如给文章批注和摘录以及加标签收藏，但短期内我们不会推出“新建文档”或“新建笔记”功能。

因为我们需要解决的核心问题，更多聚焦在“获取信息”这个环节——用户是在消费内容、在阅读文章，如果有记录的深度需求，建议使用像Notion或其他专业的笔记软件。现阶段，我们更专注于把核心要满足的信息获取需求做到最好。

当AI生成的内容足够好，值得信任，那么AI信息赛道就要爆发了

硅星人：您是如何看待AI时代信息获取和分发，为什么要选择语鲸切入这个赛道？

岂凡超：这块内容，展开讲能说的非常多，我这里就抛一下最核心的观点：（AI信息产品）它会颠覆掉整个原有的信息获取、分发模式和链路。

最根本的一点在于，当AI生产内容的成本足够低、质量足够好、速度足够快的时候，“分发”这个概念本身可能就不需要了。原来分发体系的一个潜在前提是，供给侧先生成大量内容，需求侧需要内容，然后通过分发机制去完成两边的匹配。

但如果生成内容的成本真像我们说的这么低、效果这么好、速度这么快，那完全可以直接根据用户的需求来按需生成内容。根本不需要先创作好一堆内容，再去通过分发渠道匹配用户。我认为这是最底层、最本质的一个变化。

之所以选择这个赛道切入，一方面是我认为这件事体量非常巨大，无论是商业价值还是社会价值，都是一个极具想象力的赛道。另一方面，我自己本身就是一个信息产品的深度用户，我平时消费大量内容、看很多信息，确实深刻感受到现有分发机制存在天花板和瓶颈。

硅星人：您是如何看待目前国内外AI信息赛道的发展情况。

岂凡超：我觉得目前来讲，这个领域确实还谈不上真正的爆发，但它可能已经站在爆发的前夜了。整个AI赛道，现在跑得比较好的，像AI编程、AI搜索这类产品用户体量其实更大，某种程度上已经跑通了PMF。但在被动获取信息这个场景里，我们发现用户习惯的转变会相对慢一些。

并且，用户对AI生成内容的准确性，天然就会有些顾虑和担心。一方面，模型客观上存在幻觉和错误；另一方面，用户心理上对AI生产的内容也容易有不信任感。

所以我们过去一直在围绕这个核心点努力：怎么去解决这个问题，或者说，怎么让用户更好地信任AI生成的内容。我目前的判断是，一旦我们能跑通信任环节，AI生产的内容足够好、足够让人放心，用户习惯开始转变，那这个领域可能就真的要爆发了。

硅星人：您是基于哪些原因做出判断的？

岂凡超：关于信息获取与分发市场，我们的看法基于两点核心逻辑。

首先，从第一性原理和社会价值看，信息获取是认知与行动的源头。人们获取何种信息，经过大脑加工形成认知，进而驱动决策和后续行为。因此，信息的质量和获取方式，从根本上影响着个体的发展乃至社会进程。这决定了信息领域本身具有极其重要的底层价值。其次，从商业规律和历史经验看，这是孕育巨头的赛道。无论是早期的谷歌、百度，还是移动互联网时代的字节跳动以及其他垂直信息平台，都证明了这一点。

一个关键规律是，重大的技术变革往往会重塑行业格局，催生新一代产品。当前以AI为代表的技术浪潮，恰恰具备这种变革的力量。

硅星人：在GPT等通用大模型日益强大的背景下，您认为用户为什么还需要语鲸这款产品？

岂凡超：首先通用大模型不等于AI产品，无法靠模型满足所有需求。而对于chatGPT这样的通用对话产品，语鲸与其产品定位和满足的用户需求有所不同。语鲸是一款专注于被动信息获取的产品，ChatGPT或AI搜索更适合你带着明确问题、主动去寻求答案的场景。但如果用户只是想了解AI行业最新动态，用户不可能每天把所有感兴趣的问题都主动问一遍，还要求模型只基于当天最新内容回答，这费时费力，并且模型本身也不擅长精准筛选最新信息。

语鲸瞄准的就是这种被动信息需求，就像过去百度搜索和今日头条的区别：一个是主动查询，一个是被动推荐。

专注技术判断力，找到AI行业中的生态位

硅星人：深言目前处于一个什么样的发展阶段？您更关注什么方面？

岂凡超：我们现阶段的状态，其实是之前发展路径的一个延续。简单回顾一下，公司从2022年成立之初，就锚定了“大模型+信息获取”这个赛道。但当时我们判断，底层模型的成熟度还不够。所以2022年、2023年，我们投入了大量精力在基础模型的研发和训练上，这也是行业早期共识逐渐形成的阶段。

到了2024年，我们有了新发现：光有通用大模型还不够，要真正做好信息加工，必须解决“幻觉”问题，提升生成内容的可信度。于是，我们转向研发可信、可控、低幻觉的生成技术。进入2024年底、2025年初，我们觉得技术准备得差不多了，同时外部通用生成模型的能力也在提升。所以2025年开始，我们的重心就转向了产品化。

现阶段我们更关注的是，把之前在“可信生成”方面的差异化技术优势，结合当前最先进的通用生成模型能力，真正落地到产品中，去探索和定义清楚，到底什么是“AI原生”的信息获取产品。

硅星人：语鲸对于深言科技这家公司来说，定位是什么？是技术验证平台、是未来用户的核心收入来源还是用户入口？

岂凡超：我们坚定看好并专注于AI原生的信息获取与分发赛道。语鲸是我们正式推出的第一款面向这个方向的产品。

回溯到2024年，我们更多是在进行底层技术研发，比如前面提到的低幻觉可控生成技术。而在更早期，「语鲸」其实是以网页版Demo的形式存在的，它的核心价值在于快速、直观地展示我们的技术能力，让所有人都能看到技术落地的实际效果。当时这个网页版几乎没有任何推广，核心目的是将最新模型成果快速上线，方便大家评测和体验。

随后推出语鲸APP，标志着它的定位转变——成为我们首个正式进军AI原生信息获取与分发领域的产品而不是技术demo。

那么，语鲸是否是我们的唯一产品？答案是否定的，我们还有其他围绕信息获取与分发的产品在探索中。不同产品的目标人群和内容定位存在差异：这个赛道空间巨大，用户需求高度个性化。语鲸目前更侧重于严肃内容，尤其是科技和商业领域，它是我们在该方向的先行布局。而其他新产品，则会面向不同场景和人群，探索多元化的信息获取体验。

硅星人：语鲸为什么会推出国际版，国际版除了信源之外与国内版还有哪些区别？

岂凡超：推出国际版其实有几个原因。首先我们发现，语鲸这个产品定位本身在国际市场上也是比较独特和有创新性的。虽然国外也有一些类似的产品，像你提到的Particle News，但它通常没法让用户自主选择信息源，也做不到像我们这样深入的结构化总结和简报生成。

第二个考虑是用户群体和商业化潜力。国外对严肃内容有需求的用户群体规模更大，而且从付费意愿或者整体商业化的角度来看，我们判断在海外推进商业化会比国内更快。

硅星人：语鲸在商业化上有哪些行动？

岂凡超：刚才提到的语鲸海外版产品，我们计划从上线第一天起就尝试付费订阅模式，想看看这种产品在商业化上能走多远，算是提前探索。同时，一些新的产品线也会考虑尽早引入商业化的尝试。

但这里有个核心点：商业化路径的选择，其实取决于产品本身的类型和定位。你是想通过吸引用户注意力，然后用广告或者流量来变现？还是想通过用户直接付费订阅来变现？不同的模式，背后的商业逻辑和前提条件完全不同。

如果你想做广告变现，那第一步必须把用户规模做起来，要考虑用户留存和时长，有足够的流量基础，才谈得上商业化。但如果是订阅模式，从产品上线的第一天就开始收费，要考虑付费率、续费率。

硅星人：深言目前聚焦在自然语言这一块。为什么深言不去做AI视频、AI编程这样的产品？

岂凡超： 我们毕竟还是一个小的创业团队，能做的事情肯定是有限的。在AI这个竞争极其激烈的赛道里，作为创业公司，最关键的是找到自己最核心、最擅长的那个定位。我们不追求面面俱到，那应该是大厂或者资源更雄厚的公司更容易做的事。创业公司真正的优势在于，能够把一个点做深、做透、打穿，这是我们核心的战略判断。

那为什么选择聚焦在“语言”上？因为我们坚信，语言才是智能最核心的载体。到现在为止，包括 DeepSeek 这样的前沿玩家，很大程度上也是聚焦在语言能力的突破上。

从产品定义的角度讲，我们倒不是说刻意排斥其他东西。在技术上，我们选择深耕一个点，做出差异化优势。但在产品实现层面，我们并不排斥整合其他成熟的技术能力，未来我们也会增加音视频的多模态内容。

硅星人：会担心语鲸的核心功能被大厂复制过去吗？深言是如何构建自己的技术或者生态护城河的？

岂凡超：首先从技术角度看，我们认为大模型领域不存在绝对意义上的护城河。过去两年多的观察也印证了这一点。比如，GPT早期凭借先发优势领先，但后来Google以及国内厂商都做得非常出色。关键在于技术路线的选择，这点至关重要。

就像当年的OpenAI坚定选择了Transformer Decoder架构，并专注于持续投入Scaling Law，而Google在架构选择上有所摇摆，没有像OpenAI那样专注于构建Decoder优势，结果是OpenAI的ChatGPT率先跑出来。当然，这本身也不能算护城河，因为Google真要专注做 Decoder未必做不好，核心还是在于技术判断力。

因此，我们坚持自己独特的技术判断——即前面提到的解决“幻觉”问题，致力于让模型生成更可信的内容。这是我们选择的路径。

硅星人：从产品层面呢？

岂凡超：从产品层面看，本质上，AI应用不像传统互联网或移动互联网那样具有极强的网络效应，它需要快速迭代的节奏和持续打造出来的产品差异化价值点，才能保持领先。

其次，我们一直在思考如何逐步构建网络效应。现阶段，我们的产品已具备一定的用户规模效应，用户的浏览行为和内容消费会相互影响、相互筛选，这与当年以推荐为核心的分发平台的逻辑类似。同时，我们也在尝试构建自己的生态壁垒，服务于AI时代的内容创作者。当平台聚集了更多这类创作者时，自然就会形成生态壁垒，而这本身就具有网络效应。

从清华高材生到公司CEO，科研人员该如何创业？

硅星人：目前阶段国内外AI人才竞争很激烈。作为一个创业公司 CEO ，您是如何吸引人才留下的？

岂凡超：我觉得现阶段最重要的其实是愿景。目前AI领域的人才竞争确实非常激烈，大厂都在用很高的薪酬待遇吸引人才。但对于我们这样规模不大的团队来说，现在的核心并非追求人数规模，而在于找到真正认可我们产品方向和愿景的人才。

从另一方面，我们需要的也是那些对AI原生的信息获取和分发有热情和信仰、喜欢从零到一做事的人。我们现在也在持续招募有志于和我们一起探索AI原生的信息获取方向的人才。

硅星人：从清华的科研工作者到创业公司CEO ，您觉得其中最难转变的是哪一部分？

岂凡超：我个人感觉最难的点在于，如何平衡创新性技术研发与创造有价值的产品这两者之间的关系。作为一家toC的产品导向型公司，将前沿技术转化为真正能为用户带来价值的优秀产品，这中间其实存在不小的鸿沟。从基础研究到工程实现，再到最终产品落地，需要跨越许多步骤，这是一条相对漫长的路。

然而在AI领域，技术的独特属性和行业的巨大投入，显著缩短了新技术研发与产品落地之间的距离。 但关键在于，技术研究和产品开发的目标导向与核心逻辑是截然不同的。 对于研究而言，它天然需要拥抱不确定性，可以接受一定程度的失败。而对于产品开发来说，则必须追求更高的确定性，它要求深入理解并满足用户需求，且产品不能仅仅依靠单一技术点的创新。它必须为用户提供一个更完整、全面且优质的体验过程，才能算得上成功。

硅星人：在这一轮AI创业浪潮中，有个说法是“清华帮占了AI的半壁江山”。您认为清华的背景对您有哪些帮助？

岂凡超：我觉得这是特殊历史时期下给予清华人的机遇和使命。首先，清华在AI技术领域本身就拥有深厚的积累。 从本科到博士阶段，我一直都能有机会接触到科技前沿，读博所在的清华NLP实验室长期深耕自然语言处理领域，非常早就开始从事大模型的研究。其次，清华推崇“行胜于言”的校风，最初这波大模型浪潮也是由切切实实的技术突破和点滴积累的科研进步推动的，这与清华人“实干”的特质高度契合。