AI娱乐的版本答案还没出现：从猫箱到动念引线，梁琛奇推演“烧token的新平台”

先说结论

2026年AI应用的主线是coding、生产力与工作，而一位做过抖音朋友页、猫箱的96年产品经理，选择押注被主线忽略的另一半：AI娱乐。晚点聊本期对话动念引线（Dayfold）创始人梁琛奇——他2018年校招进入字节，亲历抖音崛起，2021年从零负责过一个一年后关停的实时社交产品，2023年在字节AI产品部门Flow带团队做出AI互动故事产品猫箱，2025年夏天离职创业，先后上线AI漫画社区松果时刻等产品¹。这场对话的价值不在于产品爆料，而在于一条完整的推演链：为什么娱乐比工具慢、什么条件下娱乐产品的经济模型才成立、新平台的必要条件是什么、以及一家约百人公司如何组织自己去"搜索"一个尚不存在的体验。其中不少判断是嘉宾的一家之言，但其推理骨架值得当作AI应用创业的一份标本。

一、娱乐为什么慢：三要素与2025年的时间窗口

梁琛奇对"为什么娱乐相比工具更慢"给出了一个三要素框架。第一是推理成本。他的类比是：移动互联网时代的资源约束是流量——2008年说要做短视频是疯狂的，因为一个月流量刷一个短视频就没了；AI时代的约束则是token。工具类产品"解决问题"，用户带着明确目的来，十分钟能验证PMF；娱乐产品则是用户"带着一个空空的脑子等待被新体验填满"，是杀时间的过程，时长可能是工具的十倍到二十倍，同等智能下推理成本也就同比例放大——“如果scale到一千万用户，这公司就破产了”。他的测算：猫箱在2025年（“去年”）年底文字模态的ROI（投放、推理、日常运营）已经打正，这是他判断时机成熟的第一个信号。

第二是模态。他引用"语言是智能的压缩"来论证工具类场景受模态限制小——追求效率时文字效率最高；但娱乐是"enjoy time"而非"save time"，追求感官体验，文字相比图片视频"服务的用户差数量级"。他列举GPT-4o、Sora、Seedance、Nano Banana等图像视频模型，认为2025年这些模型同时跨过了两道门槛：效果上"真的愿意看了"，以及真正遵循用户指令——后者正是Midjourney时代"审美很好但无法scale"的死结。

第三是用户教育。他认为万事万物有nature，用户无法在大技术变革发生时被直接教育。移动互联网的路径是：打电话的刚需让人们买了智能手机，下载微信的刚需让人们学会了GUI交互，然后短视频和手机游戏才能"润物细无声"地长在上面。AI时代同理——豆包、ChatGPT这类工具产品已经逼着用户搞清楚了与AI交互的边界、prompt方式甚至多agent协作，在其上构建娱乐体验的用户基础已经存在。

节目里最呼应外部世界的一个注脚是Cursor：梁琛奇两次提到这家公司"被600亿美元收购"。这符合外部报道——SpaceX于2026年6月宣布、8月完成对Cursor母公司Anysphere的全股票收购，金额约600亿美元。他用这个案例说明"做出真体验的公司最后回报不差"，但他也强调娱乐产品的壁垒逻辑与工具不同。

二、猫箱的方法论遗产：故事格式、diverse与"养女儿"

猫箱是理解梁琛奇全部推演的前置案例。据百度百科与爱企查，猫箱2024年3月上线（原名话炉，4月更名），基于豆包大模型，是字节在AI互动叙事方向的头部产品。节目披露了三个当时的关键设计决策：

**把AI当内容而非角色。**当时市场一半人认为这类产品是"角色"（AI agent），他坚持是"内容"。区别在商业化路径：内容需要更多消费与玩法付费；角色则容易走向与少数用户的高情感浓度bonding和高客单价。他坦承猫箱后来两种use case都长出来了。

**用故事格式解决"荷尔蒙漂移"。**裸聊天产品的两个经典问题——用户不知道跟角色聊什么、以及相当比例滑向软色情——他的解法是结构化：多角色、有剧本、有暗藏主线推进的"沉浸式话剧"。架构上是一个AI导演读取人类编剧的剧本，基于用户的选择实时决定剧情走向与角色反应。配套决策还有内容品类第一天就做diverse（冒险、科幻、古代、爱情），以及人群上早期只拿18-30岁年轻女性——既规避未成年人伦理风险，也为商业化保留付费能力。

**从"造房子"到"养女儿"。**移动互联网产品是有限状态系统，每个按钮、每条路径都要定义，像搭建一座房子。AI产品输入无限，无法遍历所有use case，只能像养孩子：给它世界观、principle、SFT示例和目标，让它自己RL，然后在你无法预见的某个瞬间被它"wow"到。他说判断标准很直接——如果产品没有让你产生"没想到它还能这样"的moment，你就错了。这套认知来自猫箱的实操：用户反馈90%在反馈模型而非UI（“这个角色怎么这么跟我说话，气死我了”），这些无限分支的反馈既无法逐条修复、也无法绕过，结论是关键体验必须自己训模型——猫箱做了自己的角色模型与从头训练的故事模型。

三、创业推演：为什么"烧token"是新平台的必要条件

动念引线的第一个产品松果时刻，本质上是一次广泛的人群观察：给每个用户一个"想象力的摄像头"——上传一张照片加一段文字，AI生成带时间厚度叙事的多图有声漫画。外部资料显示其由上海松果印记科技运营，生成4-6页完整故事。他在节目里复盘了观察结果：门槛确实极低（准备出家的和尚、畅想孙子未来的广场舞奶奶都在用），并归纳出四类高频use case——有时间厚度的生活记录（他判断这正是Meta智能眼镜卖爆的同一需求）、情绪的通感式外化、二次元同人幻想、以及做号者拿去小红书抖音产内容的工具化使用。部分创作人群的次留达到了20%以上——但他后来选择不投放工具化人群，因为"对内容生态没有帮助"。

真正构成其理论核心的是一条判断：只在创作时烧token的产品长不出新平台。推理很冷：如果消费的仍是老格式内容（比如AI短剧），用户会去既有的内容平台消费——“短剧我就去红果看，我不care是AI做的还是人做的”。所以新平台必须提供消费过程本身调用模型的AI native新体验。他拿Sora的Cameo功能做反例：渗透率和频次都不够，“一天Cameo多少次？肯定不是三百次”。而猫箱的文字产品用户每天可以烧三百轮token——这个数量级差异正是平台的分界线。判断消费与创作之分野的两个标准：要不要等，以及是跳去另一个世界还是在当前世界内延伸。

图片模态的路径判断也在这里展开：漫画先于视频成熟。他借《三体》的比喻——天边的云放大一千万倍仍有细节，清明上河图放大就没了，因为它是压缩过的——论证漫画把信息压缩到特定画风，同等智能下更容易达到"不奇怪、不AI感"的体验。成本上视频再乘两三百轮就是天文数字，从第一性原理推导"不太可能直接跳过图片到视频"。为此动念引线自训了后训练的生图模型，他自称成本"行业里没有人比我们低"（嘉宾说法，未经独立核验），这构成其"人均推理成本下降×收入增长"商业模型的前一半；后一半是常规的时长变现——广告、会员、类游戏付费。

四、组织与壁垒：UGC公司、冷面判官与四层护城河

**组织形态是这个创业故事里最反直觉的部分。**动念引线目前约百人（节目自述；lavx报道称60+员工，口径有时间差），并行开发七八个产品。梁琛奇将其组织为"PGC+UGC"双层：核心方向重投入，另设一个"UGC组织"——一人或两人小队面向想法清单，以两周到一个月的节奏快速做demo测试，不work就关掉换下一个。逻辑是：既然没有人能确定下一个娱乐版本答案的形态，与其赌一个20%胜率的单品，不如从三万个可能性里筛一百个快速测试来提高总胜率。这个组织两三个月前才建立，瓶颈是人——他要找的既不是产品经理也不是研发，而是"AI native、有热情或韧性、遵循第一性原理、能自我刷新"的新角色。他甚至承认这"有一点像字节"（中台支撑+赛马），但认为追求效率本就不必刻意像或不像创业公司。

他复盘了两个误判。一是低估AI coding的发展速度，导致去年有两个月招聘人数翻倍、事后看应该慢点招；二是对"轻松"的警觉——有同事反馈他"有点轻松、有点开心"，他反而认为不对：创业需要一定的焦虑状态作为高频刺激，于是重建了季度review系统并招入务实的"冷面判官"制衡自己的 storyteller 倾向（他自认"容易被自己的故事打动"，wishful thinking 曾让他一度觉得松果时刻不烧token也能成立）。

壁垒的推演分四层。第一层是模型壁垒：与主模型优化方向正交——通用模型卷逻辑智能，娱乐需要的是主观性能力（“用户开心就是对"的reward model、上千个场景化的隐性feature），这类数据只存在于真实用户环境中，模型公司"没有道理做进去”。第二层是内容生态壁垒：快手的老铁网络与小红书的"毛细血管"经验——普通UGC用户的粉丝、关系、投稿沉淀构成的复杂网络难以迁移，巨头可以搬走头部创作者却搬不走长尾。第三层是他认为过去不存在、未来有机会的context网络效应：深度（用得越久越懂你）与交叉（AI native平台里每个内容背后都是prompt，人与内容、内容与内容可以真正mix而非拼贴合拍）。第四层是人才密度。

支撑这套打法的是一个历史判断：先产品后技术的胜率更高。他让AI研究过科技史上两类路径的比例，结论是娱乐产品大约七比三（节目自述，无法独立核验）。字节本身就是例子——先有今日头条跑出信号，再强bet推荐系统（项亮写书、张一鸣自学推荐系统的轶事被他当作"看到信号后压重注"的注脚）。由此他批评"模型能力提升后娱乐产品会自然涌现"的流行叙事是一种偷懒心态：“描述这句话的时候，如果你心里庆幸了一下’太好了我不用想’，你的胜率已经在下降。”

五、行业分歧：泛创作乐观 vs 被动杀时间，以及留给谁的时间窗

主持人宋晚男的结尾评论点出了这场对话最大的赌注：梁琛奇整套逻辑的地基，是对人的假设——他相信当人不再为生计所迫，会把充裕闲暇投入泛创作与表达，让它变得像今天的游戏和短视频一样普遍高频；而另一种悲观预测是，大部分人即使有大把时间也只会更被动地kill time。这个分歧无法用推理解决，只能被未来的产品验证。

外部数据给乐观派泼了些冷水。据字母榜（2025年7月）与虎嗅（2026年）报道，国内AI社交赛道整体承压：星野与猫箱的苹果端月下载量在2025年1月到5月分别从486万/264万跌至93万/61万，猫箱DAU从59万降至49万；筑梦岛、星野等三日新增留存跌破20%，用户与单个角色的平均建联时长仅5-7天；2026年4月猫箱还因AI生成内容标识问题被网信部门查处。梁琛奇在节目里说猫箱2025年底ROI打正是"据我了解"——虎嗅引用的分析也称猫箱2025年上半年跑通了商业化闭环，但行业天花板"明显"。这印证了他自己的判断：猫箱是"过去两三年AI native娱乐的版本答案，但不是AI充分发展后的版本答案"，其文字形态对用户想象力要求过高，正是他要在新公司解决的问题。

时间表上，他预测新体验的雏形一到两年内出现（约一年更大概率），判断依据是模态与智能的成本曲线已经解锁了新可能，而上一代答案（Character AI、猫箱式文字扮演）的窗口已经关闭。他的胜率主张建立在两点：公司有验证体系与组织方式去捕捉信号；即使最初的信号只有0.2，“把这个信号放大到一"是字节系团队擅长的从一到一百。而他承认的最大风险，恰恰是整个推理链的第一因：如果那个新体验在未来一两年根本不出现，这套逻辑就断了。

对读者的可迁移启发有三条。其一，判断一个AI娱乐产品是否有平台潜力，先看它的token烧在创作端还是消费端——只在创作端烧token的，红利归于既有内容平台。其二，应用公司训模型的合理性来自"正交”：通用模型卷不动的主观性、数据稀缺的新体验、真实用户环境里的reward signal，才是应用侧的模型壁垒；否则只是成本中心。其三，“先产品后技术"与"等涌现"的分野，本质是搜索域宽窄问题——娱乐的搜索域极宽，不主动做排列组合式的快速测试而指望模型升级自动送来答案，是把胜率交给运气。

最后回到那个无法回避的开放问题，它也是这场创业的真正变量：当你自己拥有大量可自由支配的时间，你会投向创造，还是投向刷不完的信息流？梁琛奇把公司名取作"动念引线”——每个人每天三千个转瞬即逝的念头是烟花，AI是那根引线。烟花是否存在，引线只是点火。