当我们提到海外 AI 产品的时候，都会想到两款最成功的华人产品，就是 Heygen 和 OpusClip。在前不久的一场活动中，我们就邀请到了曾在 OpusClip 负责增长产品、亲历了公司从 0 到 1 再到 100 整个增长周期的谢君陶，分享他在实践中总结出的增长经验。他把每个阶段最重要的事、最常见的误区、踩过的坑和经验，都毫无保留地讲了出来。内容非常干货，也非常实在。于是我们决定，把那场活动中君陶的个人分享，以及我之后的一些提问，剪成一期节目带给大家。在前半部分，君陶从获客、转化、留存、洞察四个维度，提出了一套逻辑清晰、实战性极强的增长框架，也对许多创业者常遇到的核心问题给出了有理有据的回答。你将听到 Opus 内部最一线的实操，比如他们如何做增长、怎样和创作者合作、如何科学定价等等。在后半段的问答中，我们还讨论了更多创业者关心的话题，包括增长团队该怎么搭建、小团队如何用低预算跑好 AB Test、在付费与定价上，还有哪些实用经验与策略等等。聊下来，其实增长这件事并不是 rocket science，也没什么神秘的 secret sauce，很多时候就是需要在该做的地方，把事情做得更科学、更好，然后真的落地。【人类博物馆】导游：曲凯，42章经创始人43 号珍藏：谢君陶，OpusClip 前增长产品负责人，目前正在视频创作产品创业中【时光机】Part 1 获客 1:21 冷启动最先要想清楚的一个问题 2:25 你的第一批用户，应该是 Partners，而不是 Affiliates 3:43 产品该怎么做冷启动？ 3:52 当一个视频产品找到了 PMF，它就会自带破圈力 4:36 为什么必须与创作者形成利益共同体？ 6:08 案例：OpusClip 成功冷启动的一大关键策略 6:57 常见误区：冷启动阶段，宣传不是铺得越多越好 7:26 去哪精准找到第一批种子用户和 KOL？Part 2 转化 8:15 早期有效且确定性高的转化抓手：定价策略 9:30 产品调整定价的核心策略是什么？ 10:15 优秀示例 1：RunwayML 10:58 优秀示例 2：Higgsfield 11:42 总结：视频和创作者生态中的一大付费点 12:03 定价调整的关键经验Part 3 留存 15:42 留存为什么是最重要的增长指标？一道简单的算术题 16:25 高留存，是实现复利式增长的基石 17:18 那要怎么提高留存率？ 17:35 Stripe 创始人的一句话，点明了两条路径 19:02 怎么构建高效的用户反馈闭环？ 20:02 案例：为什么 OpusClip 要花大成本去做好客服？Part 4 洞察 21:45 怎样才能做到真·数据驱动？ 22:09 应该优先做哪些 AB Test？ 22:56 付费弹窗是早期最简单、暴利的测试 23:09 做 AB Test 的过程，也是理解用户 Aha Moment 的过程 23:39 哪怕在产品早期，也有很多获取用户数据的方式 23:48 例 1：邮箱后缀 24:15 例 2：已有用户的社媒账号 24:36 创业公司该如何规划在数据上的投入？Part 5 Q&A 精选 27:20 怎样搭建增长团队？透露一下 OpusClip 的架构 30:52 做增长产品的过程，就是找到 PMF 的过程？ 31:59 初创团队完全可以 0 成本快速跑 AB Test 32:50 案例分享：一个付费点抓得极准的产品 34:29 最好的 AB Test 不在于验证已有想法，而在于让你学到意料之外的事 34:39 举例：我们通过 AB Test 测出过一个意想不到的机会点 35:44 绝大多数 AI 产品都有蛮大的涨价空间？ 36:56 周费、月费、年费…付费模式到底该怎么选？ 38:21 什么情况下该做付费测试？ 40:11 增长团队怎么提效？分享一些好用的工具 40:56 Pass Due Payment 是一个隐藏的留存金矿 42:32 OpusClip 过去几年最正确的决策 45:02 分享一些对 AI 视频市场的观察 48:56 AI 视频产品最大的卡点是什么？ 【节目中提到的公司/产品】RunwayML、Higgisfield：AI 视频生成产品，是定价策略的优秀案例Intercom：客服支持工具Canny：用于结构化收集用户的功能需求statsig：可帮助创业公司快速搭建 AB Test 基建的 SaaS 工具Arcade Software：用于制作产品 Demo 的软件，是付费转化的优秀案例Mintlify：可以用于搭建 Help Center，提升客服团队效率Listen Labs：用户调研产品，曾进行大幅定价调整Pixverse：君陶比较看好的 AI 视频产品【The gang that made this happen】 制作人：陈皮 剪辑：陈皮 片头：Mondo Bongo - Joe Strummer & The Mescaleros 片尾：走过咖啡屋 - 千百惠
--------
52:35
--------
52:35
一个原教旨主义产品经理眼中的世界 | 对谈理想 SVP 范皓宇
这期播客，我们邀请到了理想汽车高级副总裁、SVP——范皓宇。皓宇的经历非常丰富：从工业设计起家，到手机、游戏、自媒体，再到今天的智能汽车。二十多年来，他跨越多个行业，亲历了中国过去二十年发展的黄金年代，也始终保持着一份理想主义和浪漫气质。这期播客我们定下了一个很纯粹的目标——不聊理想的具体业务，而是纯聊产品、人生。我们从皓宇因为热爱文艺而选择来到北京聊起，在对话中，我们穿梭了二十多年的时空。我们聊到他做了 25 年产品后的一些核心洞察：比如，在看似纷杂的经历中，他不变的底层能力和主线是什么？如何理解复杂的用户需求？以及，怎样做出一个「既要、又要、也要」的产品？除此之外，我们还探讨了一些更有哲学意味的话题，包括如何面对数据与个人品味的冲突、 「有趣」与「实用」之间的矛盾该如何取舍，以及，理想主义和实用主义之间的辩证关系等等。节目中，皓宇提到，许知远曾说他是一个纯粹的理想主义者。但我反而觉得不然——他身上既有脚踏实地的实用主义，也有热爱文艺、想改变世界的理想主义。正因如此，他才需要超出常人的意志力，在两者之间保持平衡，去实现那个「让世界变得更美好」的目标。和皓宇两个多小时的对话里，我最受感染的，是他身上那种乐观与笃定。希望这期节目，也能让你感受到他那种黄金时代留下的精气神，并从中获得一点乐观与信念的力量。【人类博物馆】导游：曲凯，42章经创始人42 号珍藏：范皓宇，理想汽车高级副总裁、SVP【时光机】Part 1 浅忆黄金年代 2:10 一个文艺青年的自白：为什么总有人向往和留恋北京？ 5:32 为什么最早一批互联网创业者如此理想主义、充满精气神？ 9:10 创业的黄金年代是怎样被造就的？ 9:19 原因一：中国在过去二十年经历了三重变迁 10:32 原因二：人的流动 Part 2 二十五年的产品和用户观察 13:56 分享：自己最满意的一次产品设计 14:38 做游戏、做自媒体、做产品…看似纷杂的经历背后，共通的底层能力是什么？ 18:20 为什么做产品不能一味依赖数据反馈？ 21:07 如何平衡产品的「有趣」与「有用」？ 21:46 Maker、User、Designer 的三角关系 22:24 工业化如何分离了 Maker 和 User？ 22:39 以苹果为代表的产品又怎样分离了 Designer 和 Maker？ 22:48 AI 出现后，这三者的关系还会怎样变化？ 26:15 如何理解用户、做好大众产品？ 27:20 一二线城市与下沉市场的用户需求有什么不同？ 32:26 过去几十年间，中国用户不变与变化的需求分别是什么？ 36:06 大众的审美和品味，其实一直在提升 37:14 注入鸡血！在中国做产品，是一件幸福且充满希望的事Part 3 产品哲学 39:42 品味的本质 42:03 当数据反馈与品味发生冲突时，该怎么办？ 45:46 在不确定与逆境中，如何坚定地持续创造？ 47:47 实用主义是理想主义的前提？ 48:31 做产品怎么实现「既要又要」？ 52:35 做软硬件产品的异同 53:43 如何找到真实的用户需求？ 56:22 产品人与用户之间的三种关系：神、仆、友 59:54 最想分享的产品哲学：衡量好产品的「四个声音」 01:03:18 在 AI 时代，Maker、User、Designer 之外还会诞生一个新角色？ 1:06:22 「有趣」可以被设计吗？为什么？ 1:09:16 做产品一定不能只讲逻辑？ 01:16:16 如果「有趣」与「有用」必须二选一，该如何取舍？ 1:17:47 为什么 AI 会逼迫组织发生端到端的自我革命？【The gang that made this happen】 制作人：陈皮 剪辑：陈皮 片头：Mondo Bongo - Joe Strummer & The Mescaleros 片尾：New Boy - 朴树
--------
1:22:21
--------
1:22:21
组织能力才是 AI 公司真正的壁垒 | 对谈 Palona AI 联创任川
我一直认为，在 AI 时代，组织形式的重要性被大大低估了，但长远来看，它很可能成为创业公司最核心的竞争壁垒。因此，我最近一直在和各种人探讨 AI 时代的组织形式。在上期和 Mercor 首位中国员工虞快的对谈中，我们也曾聊到过这个话题，但没来得及深入展开。于是，我又请来了一位在湾区创业的朋友——Palona AI 的联创任川，和虞快一起做了一场活动，继续探究硅谷最先进的组织形式。Palona AI 是少数在思考、真的在实践 AI Native 组织形式的公司，而且成立后不久，他们就把 AI 全面嵌入了研发流程中（比如他们 90% 的代码都是 AI 写的），运转效率很高。在这次的活动中，任川毫无保留地分享了他们打造 AI Native 工程团队的核心经验，对国内创业者极具参考价值，所以我们决定把他的分享剪出来，尽快分享给大家。在本期节目的上半段，任川从工作流、人才、组织三个维度，总结了一套可复制的实操经验。下半段则是现场交流，其中不乏很多好问题，比如怎么筛选真正会用 AI 的人、如何招到并留住顶尖人才等等，也很精彩。刚听完任川的分享时，我有点感慨也有点兴奋：这场分享的听众，或许正在见证新时代组织形式的诞生与变革。虽然这句话听起来有点大哈哈，但这确实是我当时最真实的感受。所以，也希望这期节目能给大家带来一些启发。【人类博物馆】导游：曲凯，42章经创始人41 号珍藏：任川，Palona AI 联合创始人，前 Google、LinkedIn 工程师【时光机】Part 1 用 AI 重构研发工作流的经验 3:51 一个例子：AI 如何远不止十倍地提效？ 5:55 ① 默认由 AI 承担所有研发工作 7:00 分享几个亲测好用的工具 8:18 ② 只要有 SOP，就没有 Claude Code 无法完成的任务 9:36 ③ 反直觉经验之减少人与人之间的交互Part 2 AI 时代最需要什么样的人才？ 10:51 ① 人是 Context Provider 11:00 一个重要的观念转变：应该是人为 AI 提效，而不是反过来 12:33 ② 做 Fast Learner，快速掌握「最少必要知识」 13:27 ③ 每个人都是为最终结果负责的 BuilderPart 3 AI Native 的组织与分工 14:37 怎么分工更高效？ 15:34 为什么工程师也应该去跑客户？ 16:16 工程团队和其他团队怎么配合？ 17:56 未来的组织结构可能什么样？怎么留住核心人才？Part 4 Q&A 精选 19:49 我们 20 人的团队，没有一个全职的 PM 20:47 未来可能没有 Engineer，大家都是 Builder 24:22 硅谷对 AI Native 的组织形式形成共识了吗？ 26:09 大厂很难转型成 AI Native 的组织形式？ 28:59 AI 有能力处理复杂的历史代码吗？ 30:51 AI 还可以重塑什么工作流？ 31:55 该如何打造 AI Native 的组织形式？ 33:07 如何筛选出真正会用 AI 的人？分享两个方法 36:27 怎么衡量 AI Code Review 的效果？ 39:54 不同阶段的公司分别需要设立什么样的岗位？ 43:57 怎样招到并激励 AI 人才？【任川在节目中提到的工具&文章】CodeRabbit：AI Code Review 工具，可以把一次代码审查的时间从 1-2 天缩短到 10 分钟Linear：AI 项目管理工具，在其中创建任务后，可自动分配给 AI 生成代码Devin：华人团队开发的 AI 编程工具incident.io：日志分析与告警工具，可覆盖近一半的运维工作刘小排公众号 @刘小排r：大家可以去其中学习下他使用 Claude Code 的方法文章《「全职员工」的消逝与「合伙人」及「小时工」的崛起》：zhuanlan.zhihu.com【The gang that made this happen】 制作人：陈皮 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros
--------
44:28
--------
44:28
Mercor 高速增长的秘诀与其中的聪明人｜对谈 Mercor 首位中国员工虞快
活动预告🥳：9 月 13 日，我们会请到虞快和 Palona AI 联创任川办一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！这次硅谷之行，我的一大收获就是认识了 Mercor 的首位中国工程师（节目录制时也是全司唯一的中国员工）虞快。Mercor 是上半年硅谷最热的创业公司之一。它最初在大众印象中是一家 AI 招聘平台，但很快转型为直接与 Scale AI 等竞争的数据标注公司。这次转型，使得 Mercor 在短短 11 个月内就实现了年收入 1 亿美金，估值也迅速攀升至 20 亿美金。也正是这次转型，再次激起了我对 Mercor 的好奇：它究竟是一家怎样的公司？它相比于 Scale AI、Surge 等玩家的核心竞争力又是什么？在这期节目里，前半段我请虞快从内部人的视角，带我深入了解了 Mercor 的定位、业务流程、商业模式以及高速增长的原因等。后半段，我们则聊到了如何做出聪明的职业选择、硅谷创业公司的真实氛围、以及对识人用人的思考等等。节目的最后，虞快还现场出了两道 IQ 思考题，也欢迎大家和我一起挑战 ；）【人类博物馆】导游：曲凯，42章经创始人40 号珍藏：虞快，Mercor 首位中国工程师（节目录制时也是全司唯一一位中国员工），前金融科技独角兽工程总监，Google、Two Sigma、Citadel 工程师【时光机】Part 1 Mercor 的业务 1:57 AI 招聘？数据标注？Mercor 到底是做什么的？ 03:05 为什么 AI Labs 不用 Scale AI、Surge，而选择 Mercor？ 05:37 Mercor ToB 的商业模式是怎么跑通的？ 09:01 拆解 Mercor 的产品和业务流程 09:06 ① 获客 10:00 ② AI Interview 10:52 ③ 匹配和验证 13:05 在 Mercor，你甚至能看到时薪 400 刀、推荐费 5000 刀的岗位（疯狂心动… 15:48 为什么 Mercor 的客户都很愿意花钱？ 16:49 Meta 收购 Scale AI 的意图是什么？一些个人猜测 19:50 从 AI 招聘到数据标注，接下来 Mercor 的故事还能往哪走？ 21:33 国内有可能复制出一个 Mercor 吗？ 22:40 数据标注市场还有多大的增长空间？Part2 职场智慧与识人之道 24:22 什么样的创业公司才值得加入？ 27:07 Mercor 招 PM 最看重什么？ 27:48 国外更容易出现年轻有为的创业者？为什么？ 30:21 美国人的 sales 和 marketing 能力是怎么训练出来的？ 30:47 Mercor 高速增长的秘诀：快 31:38 决策要快，但决策的对错不重要？ 32:25 执行要快，增长是驱动团队的第一要素 33:03 美国创业公司其实比国内的更卷？ 35:20 分享一些招人的标准 36:42 怎么判断一个人是否聪明？ 37:21 示例：如何一秒钟学会一个新概念？ 39:58 欢迎大家一起来挑战两道 IQ 题！ 46:23 我从 Google 学到了什么？ 47:23 到底该去什么样的公司？一个选工作的 tip 47:58 未来 AI 公司的组织形态会是什么样子？【活动预告🥳】9 月 13 日，我们会办一场线上活动。感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros
--------
50:13
--------
50:13
硅谷 AI 大转弯与二级市场的牛市｜对谈莫傑麟
这又是一期录制于硅谷的节目。差不多半年前，我来美国和莫傑麟聊了一期「东升西落」的市场叙事。彼时，DeepSeek 和 Manus 刚刚点燃了国内市场的信心和热度，也一度让美股跌入深坑。半年过去，市场再次风云变幻：美股落了又升、GPT-5 发布、Agent 热潮冷却、以 Meta 为代表的大厂开启抢人大战……于是我又拉上莫傑麟，复盘过去半年硅谷和市场的新变化。节目中我们聊出了一个核心结论：AI 正在进入一个全新的提速周期，但叙事的核心指标已从「Scaling Law」转向了「Token 消耗」。这意味着行业竞争正在从比「谁的模型更聪明」，转向拼「谁能把已有智能用得更好、更快、更省」。在这个趋势下，Infra 将成为下一个主战场，整合将成为关键词。除此之外，我们还聊到许多值得反复咀嚼的话题，比如：英伟达还能涨吗？散户在这轮波动中扮演了怎样的角色？当前这波 A 股到底算不算牛市？国内外一二级市场的热点有什么不同等等。最后，莫傑麟团队最近在做一个叫 WhatIf 的项目，希望把更多投研经验与 AI 实践结合起来。他们定期组织商业和投资的 Panel 讨论，如果你对中国和美国 AI 基础设施和应用公司研究有持续稳定的视角，且对宏观/二级市场策略感兴趣，可以在公众号「WhatIf Ideas」中提交注册信息，通过后加入讨论日历名单。【人类博物馆】导游：曲凯，42章经创始人九号珍藏：莫傑麟，家族办公室资深从业者【时光机】Part 1 AI 发展的新共识 00:59 硅谷 AI 大转弯，Token 消耗成第一指标？ 4:17 模型并没有更聪明，但为啥 GPT 的日活和使用时长还在涨？ 6:21 不讲 Scaling Law，是不是意味着大家不再预期 AGI 了？ 07:31 GPT-5 就没想和其他模型拼智商 9:28 模型和应用的分工发生了什么变化？ 12:33 为什么我们不希望大模型也来做应用？ 18:56 今年有哪些亮点的应用方向？ 22:14 我们已经没有太多工具可以去评估模型的好与坏了 23:42 GPT-5 标志着 AI 竞争将进入国内创业者的舒适区？ 26:26 Infra 优化可以拆分为 4 层 27:05 简评两家推理加速公司：Together AI & Fireworks 28:53 应用层 Infra 的核心竞争力是什么？ Part 2 硅谷市场趋势复盘 33:13 英伟达还能涨多久？ 38:09 该出现的 Infra 软件已经出现得差不多了？ 39:08 Google 和 Meta 最值得研究的点分别是什么？ 40:31 2025 的 FOMO 情绪不减反增，且已经从「抢卡」延伸到了「抢人」 44:00 为什么说 AI 是美国市场上唯一的「泡沫」？ 46:57 支撑英伟达估值的逻辑发生了变化 48:52 接下来值得关注的两件事： 48:59 ① Meta 砸钱招人有用吗？ 49:20 ② AI 应用的真需求在哪？ 54:48 这波 A 股到底是不是真牛市？怎么判断？ 56:38 散户是这轮波动中非常值得研究的变量 59:59 A 股很难建立正反馈的闭环 1:03:31 美股三家值得持续关注的公司：Reddit、ServiceNow、Figma 1:08:41 哪类 AI 公司能在一级市场拿到最夸张的估值？ 1:12:20 国内一级市场的两大趋势 1:13:38 42章经接触的创业者普遍会遇到什么问题？ 1:15:51 Vibe Coding 会带来「一人公司」的繁荣吗？ 1:18:13 我们年初关于 AI 发展的预测，正在逐步被验证：为什么我们对 25 年 AI 极度乐观｜AI 年终复盘【Reference】 Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent｜对谈 Sheet0 创始人王文锋 从 E2B 到 Browserbase，Agent Infra 新热点中有哪些大机会？ | 对谈 Grasp 创始人雷磊 关于 AI Infra 的一切 | 对谈阶跃星辰联创朱亦博莫傑麟 @42章经 播客回顾： 世界怎么就「东升西落」了？聊聊二级市场与 DeepSeek+Manus 的热潮｜对谈莫傑麟 2025.3.22 上半年 AI 市场有多差？别刚起跑就想冲刺 | 我答莫傑麟 2024.7.14 英伟达、Sora 与 AI 的三种核心叙事逻辑 | 对谈莫傑麟 2024.3.2 为什么我们开始乐观？关于经济发展的明线暗线、AI 与最佳实践 | 对谈莫傑麟 2023.12.3【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros
South Africa