AI｜00后，伯克利辍学，高瓴BAI奇绩下注：李文轩的逃逸线与AI冒险
373
｜AI实战大佬手把手教你用Agent重构跨境运营全链路，点击报名
“超级在意现金流，就不能是00后吗?
01
李文轩，Peter，2003年生，北京人。他成长于一个默认「精英路径仍然有效」的年代。
20岁前，李文轩的人生没有任何偏航迹象。他很早接触 AI，做过图像和语音识别。打比赛拿到物理竞赛金牌。高中进入腾讯做算法推荐实习，也尝试过一些小型创业项目。大学考入 UC Berkeley，主修计算机与统计学——在一轮又一轮标准化筛选中，他始终是那种被确认、被选中的年轻人。
2023年下半年，即 GPT-3.5进入公众视野整整一年时，20岁的李文轩做出了一个在外界看来突兀，但在他自己看来极其理性的决定：退学。
这个决定并非一时冲动，而是一条李文轩在反复推演后确认的逃逸曲线。
02
在李文轩看来，GPT 3.5发布后，新的模型、工具和应用开始以周为单位更新，真正重要的知识不再稳定地躺在 syllabus 里，而是涌现于代码仓库、实验记录和尚未成型的想法中。
「按照模型能力每年提升一个数量级的规律推算，到我本科毕业时，AI 的智力水平早已远超博士」。
人类学习曲线的上升速度，正在被 AI 的进化曲线无情地碾轧。此前经典的「名校毕业加入硅谷大厂」的精英脚本，在他眼中突然成了一条缓慢的歧路。
他很快从逻辑上说服了老师和父母。辍学不是终止，而是一种更激进的学习的开始：在真实世界的反馈循环中，用 build 对抗过时。
现在，李文轩创立的 AI 原生知识内容平台 ThetaWave.AI 已经拿到了 BAI Capital、高瓴创投和奇绩创坛的投资。联合创始人钟子湫同样生于2003年，从纽约大学 Stern 商学院辍学后参与共同创业。目前，ThetaWave 全球服务用户已近百万，2025年下半年 ARR 超过百万美元。
Thetawave 的切入点极其务实：考前抱佛脚。 李文轩认为，在信息过载时代，人类不应再浪费认知带宽去消化低效的原始资料。当用户将所有多媒体素材与讲义灌入模型，Thetawave 便会以 AI 的智力进行深度重组，将冗长的信息折叠、压缩，基于用户的学习目标和已有知识动态生成适配内容，包括闪卡、大纲、视频等更符合人类大脑直觉的学习形态。
这背后的愿景逻辑清晰且霸道：AI 时代，应当是知识适应人，而非人去适应知识。 考前场景只是现阶段一个足够现实的起点，本质上，李文轩正在用 AI 重新定义人类内化知识的斜率。
2023年，ThetaWave 创始团队合影。左二、三分别为李文轩与钟子湫
ASK Me<10
AI 闹：在 ThetaWave 现在这个版本前，你们也尝试了很多方向。是什么让你们决定，就要按照现在这条道路走？
Peter：其实我们长期想抓住的大机会一直没变，就是想让知识内容反过来去适应人的特点，而不是让人去适应知识。
人在一生在不同阶段都需要知识，学生时期考试、成年后职场晋升，老年后的兴趣爱好等等——既有功利的，也有非功利性的。但现在的获取方式效率很低，比如一位非经济学科班学生打开经济学讲义试图自学就很困难，因为这种厚厚的专业书对新手并不友好。
我认为，AI 应用本质上是模型能力向不同用户群体的分发。所以我们一开始试过两个方向：
第一个是 AI 口语陪练。这个需求很明显，商业模式也成立，通过 AI 可以把成本降10倍。但问题是，这个赛道已经有新东方、有道这样的巨头，他们有现成的渠道和内容。我们很难做出差异化，生态位太挤了。
第二个是面向学校的 AI 教育，通过 AI、帮老师生成更易于学生吸收的教案和材料。这件事是可做的，我们也有能力做，但它是一个偏销售驱动的生意，本质上是 ToB SaaS。我们团队更想从产品驱动，做一些前沿、比较酷的事情，所以对这个方向没有那么多 passion。
这两次尝试，一次是想做、能做、不可做，因为竞争太激烈。另一次是可做、能做但不想做，不是我们热爱的模式。
现在的方向——围绕大学生考前场景的个性化内容生成，是我们第一次觉得找到了 想做、能做、可做三个圈的交集。
我们想做，是因为它直接服务于知识适配人的愿景。我们能做，是因为我们自己就是目标用户，深刻理解痛点，也有技术能力。它可做，是因为这是一个真实、刚需、且现有方案（如ChatGPT）并未很好解决的巨大市场。
所以决定走现在这条路，是一个不断排除和校准，直到找到让我们的愿景、能力和市场机会共振交点的过程。
AI 闹：知识管理也是一条拥挤的赛道，至少有 Notion 这样的巨头。ThetaWave 做的考前场景，是不是只是 Notion 的子集？
Peter：不是。我们和 Notion 不在一个赛道上。我们的长期愿景是做知识领域的淘宝。
早期我们也想过做类似 AI 帮你整理笔记的方向，甚至注册了一个野心很大的域名。但后来我们想清楚了，我们并不是在做一个记录工具，而是要做一个内容生成平台。用户的真实需求不是「怎么把知识记下来」，而是「当我有这么多东西看不完的时候，谁能用我最能理解的方式讲给我听」？
所以 Notion 以及其他知识管理平台是记录驱动，要求你有整理的动力、能力和习惯，是个长期、自律的过程。这个对的人要求很高，而且需要比较长期才能看到 aha moment，我们认为这其实是一个小众赛道。
而我们是创造驱动。是你需要什么，我当场就给你生成出来，Learn 10x faster，让学习效率飙升10倍。过去你考试前，会找一个学霸朋友借他的笔记来看。我们现在就是让 AI 做这个学霸朋友，笔记随时能借，而且他的笔记是按你的水平梳理的。
所以笔记只是我们在解决考前这个需求时，选择的一个好用的载体。但肯定不是唯一载体。未来如果你想学网球，我生成的可能是一个小游戏；你想学历史，可能是一段带问答的播客。我们不会把自己框在笔记软件里，那太窄了。
所以我说我们要做的是知识领域的淘宝。ThetaWave 是一个入口，在这里你可以学会所有东西。通过 AI，让知识从原本静态、单向、同质化的载体，转向动态、交互、个性化的 AI 原生内容。
AI 闹： 你反复提到知识适应人，具体到每个人身上是怎样的？假如 A 和 B 两个人水平有差距，但都要通过一门课的考试，或者都想学习打网球，ThetaWave 给到他们的学习方式会明显不一样吗？还是说对于同一类知识，学习它的最优方式是相对确定的。
Peter：这是个挺好的问题。但它没有一个固定的答案，我们内部把它理解成一个比例问题。
任何学习过程，都包含两部分信息：一部分是所有人都需要看到的基本信息，假设它占百分之 N。另一部分是需要根据用户个人情况去个性化交互的部分，占100%减 N。
这个 N 是多少，取决于你在学什么。
比如学打网球，它有一定的通用性。一个新手的 N 可能高达70%——规则、基础动作、步伐，这些对所有人都一样。但剩下的30%，会根据你过去的运动经验、身体协调性，甚至是你喜欢的教学风格来调整。
但如果你要学半导体，情况就完全不同。一个懂行的工程师和一个完全不懂的人，看到的内容应该是截然不同的。这时，那个 N 可能就只有10%甚至5%，也就是最核心、最底层的几个概念。剩下的95%，都需要根据你已有的知识背景，用你能理解的语言和例子重新构建出来。
所以，要实现知识适应人，关键是两件事：
第一，我们平台上要有足够多的、好的原始内容作为基础。
第二，我们得有足够了解用户的上下文，知道他是谁、他懂什么、他想达到什么目标。
有了这两样，我们才能在一个基础版本之上，提供给用户个性化的交互，最终完成整个学习流程的搭建。
AI 闹：你们的前100个、以及前1000个用户是怎么来的？营销对今天的 AI 企业来说意味着什么？
Peter：ThetaWave 的前100个用户基本都是我们的身边同学。最早的版本——大概80%的代码是我们在学校图书馆写出来的。写完一个功能我们就直接在图书馆里抓个同学来试，你看看这个能用吗？觉得怎么样？
我们的第一批用户就是靠这种面对面、零距离的反馈跑出来的。
到1000个用户就有意思了。我们有一个朋友是小红书上一个不大的 KOL，用了我们的产品后觉得真能帮到他，就开始在账号上分享他每天怎么用 ThetaWave 来学习。很朴实的一条视频，没想到当天就有几十万播放和几千个赞，直接给我们带来几千个用户和几百个付费用户。
这让我们在一个非常早的时间点就坚信，社媒营销、尤其是 UGC 模式对我们这一类产品来说非常有效，可以说价值极高。我们从那时开始就坚定投入社媒，把它作为最重要的增长渠道。
回到你的问题，营销对今天的 AI 企业意味着什么？
我认为这一代 AI 应用的本质，是模型能力向不同用户群体的分发渠道。这意味着两件事必须做好：
第一，在产品层面，要让用户能直观、轻易地感受到模型能力带来的好处；
第二，你必须通过有效的营销渠道，把产品交付到用户眼前。
所以对于我们的用户——他们都是每天在社交媒体上起码要花五六个小时的年轻人来说，我想营销的重要性会比上一代移动互联网产品更高。因为他们的注意力就在那里，他们的决策被情绪和同辈的真实分享所驱动。我们花在营销上的精力，本质上是在构建一个直达用户情绪和需求的赛博渠道。就像在校门口开一家店，你知道你的顾客每天都会经过那里。
ThetaWave最早版本产品首页
AI 闹：市场上现在也有很多专门的 AI 营销公司。你们会选择他们吗，还是自己来做？（作为一家 AI native 的公司，如果营销工作主要还是靠真人，会不会有点说不过去）
Peter：我们在营销上 AI 参与率很高，但主要是内部方案。我们和外部 AI 营销公司目前合作得不多，因为还没有看到真正能打到我们痛点的解决方案。可能我们现在的打法也比较特殊，还没有普遍到可以变成一套标准产品。
我们内部其实梳理过整个营销工作流，AI 率大概在60%到70%。像人员管理、素材生成、数据分析这些环节，基本都是 AI 在参与。比如我们要找西班牙语的 KOL，从筛选、建联到初步谈判，整个过程都有 AI 介入。
但说实话，我不太相信未来会出现一个能做“端到端营销”的巨型 AI 营销公司。营销这件事，有点像量化交易里的「套利」。比如一个模式在英语市场跑通了，但在西班牙语市场还没人做，你去把它本土化，就能吃到红利。但如果现在有一个 AI 工具，能一秒钟完成这个本土化，那第一个用的人确实能快速套利，可后来者再用这个工具，就没有套利空间了。策略一旦公开，红利就消失了。
所以我觉得，做营销单点工具的公司会有机会，比如专门负责达人建联的 Agent，或者做广告数据分析的 Agent。但要想用一个产品解决所有公司的营销问题，非常难。因为营销的核心，很多时候是 case by case 的细节、对特定用户情绪的捕捉，甚至是一种难以言说的“网感”。
这也回答了为什么我们强调营销如此重要。AI 应用的本质是模型能力的分发渠道。那么你自己就要好好去建这个渠道，如果不去正视它、不把它当成核心能力来建设，那肯定做不起来。你把最难的技术部分交给了模型公司，那么如何高效、精准、规模化地把产品价值传递出去，就是你必须要自己啃下来的硬骨头。
AI 闹：像 Manus 这样，通过一次事件型营销迅速完成心智卡位的方式，过去一年在 AI 应用公司里极受关注。你怎么看这种打法？
Peter：我们当然会研究这种事件型营销，但它本身是高度可遇不可求的，前提条件很苛刻。
不同产品面对的是不同认知成熟度的用户。像 Manus 面向的是高知、高价值、对 AI 已经有一定理解的白领人群，他们本身就习惯在社媒上寻找先进工具，找效率跃迁信号。在这样的用户层里，通过足够锋利的事件去完成心智卡位是成立的。
但ThetaWave 目前的用户是大学生中的 majority。他们中的很多人，除了 ChatGPT，很多并不清楚还有哪些 AI 产品存在。对这群用户来说，营销首先不是占领心智，而是用非常具体、非常实在的细节去证明“这东西真的能帮到我”。
当然最终，我们肯定也想要心智占领。只是心智不是靠一次事件喊出来的，而是靠产品本身持续领先一步、一点点积累出来的。
我们现在已经跑通了一套可复制的增长方法，但我们最关注的指标一直都是付费率。对我们来说，如 AI 的本质是提升生产力、帮人节省时间，那么用户愿意花多少钱来「买回」自己的时间，就是衡量我们价值的终极指标。
AI 闹：你们拥有了超过1万名付费用户、基本实现了营收平衡，这在 AI 应用的创业中并不常见。是什么让你们对现金流有这样的执念？挣钱对你们而言是一件非常重要的事吗？这会不会让一些投资人认为你们不够激进。
Peter：我们确实是一个更在意现金流的团队。
可能和我们经历过的生存期有关。我们做这件事最开始，特别是2023到2024年，市场上投 AI 应用的人还不多，大家的目光都在模型上。我们拿了种子轮之后，很长一段时间都没有拿到钱。当时活下去就是第一要义，所以我们就去做了很多实际的事情来创造现金流。比如我们还开过一个教小朋友 coding 的 AI 的教培机构，前前后后教了有一百多个孩子。
但现在回头看，那段经历对我们帮助非常大。
第一，它让我们把一个商业的完整流程真正跑通了。从单店模型、到扩店、到人员安排和成本结构，这是一门非常朴素、但非常扎实的生意。很多今天我们在产品和商业判断上的直觉，其实都来自那段时间。
第二，也是更重要的一点，它极大加深了我们对「人如何学习」这件事本身的理解。那段时间每天 face to face 地和小朋友打交道，看他们怎么理解知识、怎么和 AI 互动、哪些地方会卡住、哪些地方会突然亮起来，这是非常高密度的真实反馈。
现在如果现在有一个月时间，你让我在两件事里二选一投入时间去做，一个是提高付费率，一个是让产品看起来更酷。我大概率会选前者。付费率是一个很好的市场晴雨表，如果它突然下降，我们会马上去排查原因：是出现了新竞品？还是底层模型能力飞跃了？这能帮我们快速响应。
此外，我认为 AI 创业会更回归商业的本质，不像互联网上时代创业需要巨量的资本来快速改变生产关系成为行业的入口再赚钱，因为 AI 的本质是生产力提升，所以做对了一定是天然就能收上来钱的。
AI 闹：00后创业，这个标签在当下被认为有巨大的红利。你认为你们吃到这个红利了吗？
Peter：我认为我们是吃到红利的。这个红利体现在我们通过被 AI 赋能，在足够年轻的时候就有能力组世界级的团队，做世界级的产品，同时因为年轻、所以离未来的用户更近。
这个是我认为00后最本质的优势，而非传播层面的那些标签。
如果说在很多人的刻板印象里，00后团队就是天马行空、梦想狂野，我们确实不是那样。但我们觉得按照自己的理念和价值观把事情做好就行。我相信会有我们的一席之地。
AI 闹：是什么让你决定离开硅谷，把你的公司驻扎在北京？如果让你现在有一个朋友要去硅谷创业，只给一个忠告，你会对他说什么？对一个从美国回北京创业的朋友呢？
Peter：回国的原因是我们始终更想也更擅长做 ToC 产品。
硅谷整体是高度 ToB 导向的创业环境，投资人明显更看好创业者用 AI 去解决企业的问题。美国市场长期对 ToC 缺乏信心，历史上真正由本土团队做成、并获得巨大回报的 ToC 产品其实屈指可数，这使得做 ToC 在硅谷其实比较难获得支持。
投一个 ToB 公司可能有30%的胜率，成了能赚10亿美金。投一个 ToC 公司胜率可能只有0.1%，成了能赚1000亿美金。绝大部分投资人肯定会觉得前者是更好的选择。
相比之下，国内拥有庞大的用户基础，以及更多能看懂 ToC、愿意陪你把产品磨出来的投资人。
给一个去硅谷创业的朋友忠告？那就是——一定要做硅谷人自己会用的产品。倒不是说只能是 ToB，但你要不非常 geek，要不非常有想象空间，瞄准那些全球最前沿的需求。硅谷的游戏规则就是如此。
给回国创业的朋友的意见正好相反：要务实，要让商业跑起来。不要每天沉浸在硅谷叙事里异想天开，而是尽快验证产品能不能赚钱、能不能形成基本现金流，在现实反馈中站稳脚跟，再谈长期理想和更大的故事。
“超级在意现金流，就不能是00后吗?
01
李文轩，Peter，2003年生，北京人。他成长于一个默认「精英路径仍然有效」的年代。
20岁前，李文轩的人生没有任何偏航迹象。他很早接触 AI，做过图像和语音识别。打比赛拿到物理竞赛金牌。高中进入腾讯做算法推荐实习，也尝试过一些小型创业项目。大学考入 UC Berkeley，主修计算机与统计学——在一轮又一轮标准化筛选中，他始终是那种被确认、被选中的年轻人。
2023年下半年，即 GPT-3.5进入公众视野整整一年时，20岁的李文轩做出了一个在外界看来突兀，但在他自己看来极其理性的决定：退学。
这个决定并非一时冲动，而是一条李文轩在反复推演后确认的逃逸曲线。
02
在李文轩看来，GPT 3.5发布后，新的模型、工具和应用开始以周为单位更新，真正重要的知识不再稳定地躺在 syllabus 里，而是涌现于代码仓库、实验记录和尚未成型的想法中。
「按照模型能力每年提升一个数量级的规律推算，到我本科毕业时，AI 的智力水平早已远超博士」。
人类学习曲线的上升速度，正在被 AI 的进化曲线无情地碾轧。此前经典的「名校毕业加入硅谷大厂」的精英脚本，在他眼中突然成了一条缓慢的歧路。
他很快从逻辑上说服了老师和父母。辍学不是终止，而是一种更激进的学习的开始：在真实世界的反馈循环中，用 build 对抗过时。
现在，李文轩创立的 AI 原生知识内容平台 ThetaWave.AI 已经拿到了 BAI Capital、高瓴创投和奇绩创坛的投资。联合创始人钟子湫同样生于2003年，从纽约大学 Stern 商学院辍学后参与共同创业。目前，ThetaWave 全球服务用户已近百万，2025年下半年 ARR 超过百万美元。
Thetawave 的切入点极其务实：考前抱佛脚。 李文轩认为，在信息过载时代，人类不应再浪费认知带宽去消化低效的原始资料。当用户将所有多媒体素材与讲义灌入模型，Thetawave 便会以 AI 的智力进行深度重组，将冗长的信息折叠、压缩，基于用户的学习目标和已有知识动态生成适配内容，包括闪卡、大纲、视频等更符合人类大脑直觉的学习形态。
这背后的愿景逻辑清晰且霸道：AI 时代，应当是知识适应人，而非人去适应知识。 考前场景只是现阶段一个足够现实的起点，本质上，李文轩正在用 AI 重新定义人类内化知识的斜率。
2023年，ThetaWave 创始团队合影。左二、三分别为李文轩与钟子湫
ASK Me<10
AI 闹：在 ThetaWave 现在这个版本前，你们也尝试了很多方向。是什么让你们决定，就要按照现在这条道路走？
Peter：其实我们长期想抓住的大机会一直没变，就是想让知识内容反过来去适应人的特点，而不是让人去适应知识。
人在一生在不同阶段都需要知识，学生时期考试、成年后职场晋升，老年后的兴趣爱好等等——既有功利的，也有非功利性的。但现在的获取方式效率很低，比如一位非经济学科班学生打开经济学讲义试图自学就很困难，因为这种厚厚的专业书对新手并不友好。
我认为，AI 应用本质上是模型能力向不同用户群体的分发。所以我们一开始试过两个方向：
第一个是 AI 口语陪练。这个需求很明显，商业模式也成立，通过 AI 可以把成本降10倍。但问题是，这个赛道已经有新东方、有道这样的巨头，他们有现成的渠道和内容。我们很难做出差异化，生态位太挤了。
第二个是面向学校的 AI 教育，通过 AI、帮老师生成更易于学生吸收的教案和材料。这件事是可做的，我们也有能力做，但它是一个偏销售驱动的生意，本质上是 ToB SaaS。我们团队更想从产品驱动，做一些前沿、比较酷的事情，所以对这个方向没有那么多 passion。
这两次尝试，一次是想做、能做、不可做，因为竞争太激烈。另一次是可做、能做但不想做，不是我们热爱的模式。
现在的方向——围绕大学生考前场景的个性化内容生成，是我们第一次觉得找到了 想做、能做、可做三个圈的交集。
我们想做，是因为它直接服务于知识适配人的愿景。我们能做，是因为我们自己就是目标用户，深刻理解痛点，也有技术能力。它可做，是因为这是一个真实、刚需、且现有方案（如ChatGPT）并未很好解决的巨大市场。
所以决定走现在这条路，是一个不断排除和校准，直到找到让我们的愿景、能力和市场机会共振交点的过程。
AI 闹：知识管理也是一条拥挤的赛道，至少有 Notion 这样的巨头。ThetaWave 做的考前场景，是不是只是 Notion 的子集？
Peter：不是。我们和 Notion 不在一个赛道上。我们的长期愿景是做知识领域的淘宝。
早期我们也想过做类似 AI 帮你整理笔记的方向，甚至注册了一个野心很大的域名。但后来我们想清楚了，我们并不是在做一个记录工具，而是要做一个内容生成平台。用户的真实需求不是「怎么把知识记下来」，而是「当我有这么多东西看不完的时候，谁能用我最能理解的方式讲给我听」？
所以 Notion 以及其他知识管理平台是记录驱动，要求你有整理的动力、能力和习惯，是个长期、自律的过程。这个对的人要求很高，而且需要比较长期才能看到 aha moment，我们认为这其实是一个小众赛道。
而我们是创造驱动。是你需要什么，我当场就给你生成出来，Learn 10x faster，让学习效率飙升10倍。过去你考试前，会找一个学霸朋友借他的笔记来看。我们现在就是让 AI 做这个学霸朋友，笔记随时能借，而且他的笔记是按你的水平梳理的。
所以笔记只是我们在解决考前这个需求时，选择的一个好用的载体。但肯定不是唯一载体。未来如果你想学网球，我生成的可能是一个小游戏；你想学历史，可能是一段带问答的播客。我们不会把自己框在笔记软件里，那太窄了。
所以我说我们要做的是知识领域的淘宝。ThetaWave 是一个入口，在这里你可以学会所有东西。通过 AI，让知识从原本静态、单向、同质化的载体，转向动态、交互、个性化的 AI 原生内容。
AI 闹： 你反复提到知识适应人，具体到每个人身上是怎样的？假如 A 和 B 两个人水平有差距，但都要通过一门课的考试，或者都想学习打网球，ThetaWave 给到他们的学习方式会明显不一样吗？还是说对于同一类知识，学习它的最优方式是相对确定的。
Peter：这是个挺好的问题。但它没有一个固定的答案，我们内部把它理解成一个比例问题。
任何学习过程，都包含两部分信息：一部分是所有人都需要看到的基本信息，假设它占百分之 N。另一部分是需要根据用户个人情况去个性化交互的部分，占100%减 N。
这个 N 是多少，取决于你在学什么。
比如学打网球，它有一定的通用性。一个新手的 N 可能高达70%——规则、基础动作、步伐，这些对所有人都一样。但剩下的30%，会根据你过去的运动经验、身体协调性，甚至是你喜欢的教学风格来调整。
但如果你要学半导体，情况就完全不同。一个懂行的工程师和一个完全不懂的人，看到的内容应该是截然不同的。这时，那个 N 可能就只有10%甚至5%，也就是最核心、最底层的几个概念。剩下的95%，都需要根据你已有的知识背景，用你能理解的语言和例子重新构建出来。
所以，要实现知识适应人，关键是两件事：
第一，我们平台上要有足够多的、好的原始内容作为基础。
第二，我们得有足够了解用户的上下文，知道他是谁、他懂什么、他想达到什么目标。
有了这两样，我们才能在一个基础版本之上，提供给用户个性化的交互，最终完成整个学习流程的搭建。
AI 闹：你们的前100个、以及前1000个用户是怎么来的？营销对今天的 AI 企业来说意味着什么？
Peter：ThetaWave 的前100个用户基本都是我们的身边同学。最早的版本——大概80%的代码是我们在学校图书馆写出来的。写完一个功能我们就直接在图书馆里抓个同学来试，你看看这个能用吗？觉得怎么样？
我们的第一批用户就是靠这种面对面、零距离的反馈跑出来的。
到1000个用户就有意思了。我们有一个朋友是小红书上一个不大的 KOL，用了我们的产品后觉得真能帮到他，就开始在账号上分享他每天怎么用 ThetaWave 来学习。很朴实的一条视频，没想到当天就有几十万播放和几千个赞，直接给我们带来几千个用户和几百个付费用户。
这让我们在一个非常早的时间点就坚信，社媒营销、尤其是 UGC 模式对我们这一类产品来说非常有效，可以说价值极高。我们从那时开始就坚定投入社媒，把它作为最重要的增长渠道。
回到你的问题，营销对今天的 AI 企业意味着什么？
我认为这一代 AI 应用的本质，是模型能力向不同用户群体的分发渠道。这意味着两件事必须做好：
第一，在产品层面，要让用户能直观、轻易地感受到模型能力带来的好处；
第二，你必须通过有效的营销渠道，把产品交付到用户眼前。
所以对于我们的用户——他们都是每天在社交媒体上起码要花五六个小时的年轻人来说，我想营销的重要性会比上一代移动互联网产品更高。因为他们的注意力就在那里，他们的决策被情绪和同辈的真实分享所驱动。我们花在营销上的精力，本质上是在构建一个直达用户情绪和需求的赛博渠道。就像在校门口开一家店，你知道你的顾客每天都会经过那里。
ThetaWave最早版本产品首页
AI 闹：市场上现在也有很多专门的 AI 营销公司。你们会选择他们吗，还是自己来做？（作为一家 AI native 的公司，如果营销工作主要还是靠真人，会不会有点说不过去）
Peter：我们在营销上 AI 参与率很高，但主要是内部方案。我们和外部 AI 营销公司目前合作得不多，因为还没有看到真正能打到我们痛点的解决方案。可能我们现在的打法也比较特殊，还没有普遍到可以变成一套标准产品。
我们内部其实梳理过整个营销工作流，AI 率大概在60%到70%。像人员管理、素材生成、数据分析这些环节，基本都是 AI 在参与。比如我们要找西班牙语的 KOL，从筛选、建联到初步谈判，整个过程都有 AI 介入。
但说实话，我不太相信未来会出现一个能做“端到端营销”的巨型 AI 营销公司。营销这件事，有点像量化交易里的「套利」。比如一个模式在英语市场跑通了，但在西班牙语市场还没人做，你去把它本土化，就能吃到红利。但如果现在有一个 AI 工具，能一秒钟完成这个本土化，那第一个用的人确实能快速套利，可后来者再用这个工具，就没有套利空间了。策略一旦公开，红利就消失了。
所以我觉得，做营销单点工具的公司会有机会，比如专门负责达人建联的 Agent，或者做广告数据分析的 Agent。但要想用一个产品解决所有公司的营销问题，非常难。因为营销的核心，很多时候是 case by case 的细节、对特定用户情绪的捕捉，甚至是一种难以言说的“网感”。
这也回答了为什么我们强调营销如此重要。AI 应用的本质是模型能力的分发渠道。那么你自己就要好好去建这个渠道，如果不去正视它、不把它当成核心能力来建设，那肯定做不起来。你把最难的技术部分交给了模型公司，那么如何高效、精准、规模化地把产品价值传递出去，就是你必须要自己啃下来的硬骨头。
AI 闹：像 Manus 这样，通过一次事件型营销迅速完成心智卡位的方式，过去一年在 AI 应用公司里极受关注。你怎么看这种打法？
Peter：我们当然会研究这种事件型营销，但它本身是高度可遇不可求的，前提条件很苛刻。
不同产品面对的是不同认知成熟度的用户。像 Manus 面向的是高知、高价值、对 AI 已经有一定理解的白领人群，他们本身就习惯在社媒上寻找先进工具，找效率跃迁信号。在这样的用户层里，通过足够锋利的事件去完成心智卡位是成立的。
但ThetaWave 目前的用户是大学生中的 majority。他们中的很多人，除了 ChatGPT，很多并不清楚还有哪些 AI 产品存在。对这群用户来说，营销首先不是占领心智，而是用非常具体、非常实在的细节去证明“这东西真的能帮到我”。
当然最终，我们肯定也想要心智占领。只是心智不是靠一次事件喊出来的，而是靠产品本身持续领先一步、一点点积累出来的。
我们现在已经跑通了一套可复制的增长方法，但我们最关注的指标一直都是付费率。对我们来说，如 AI 的本质是提升生产力、帮人节省时间，那么用户愿意花多少钱来「买回」自己的时间，就是衡量我们价值的终极指标。
AI 闹：你们拥有了超过1万名付费用户、基本实现了营收平衡，这在 AI 应用的创业中并不常见。是什么让你们对现金流有这样的执念？挣钱对你们而言是一件非常重要的事吗？这会不会让一些投资人认为你们不够激进。
Peter：我们确实是一个更在意现金流的团队。
可能和我们经历过的生存期有关。我们做这件事最开始，特别是2023到2024年，市场上投 AI 应用的人还不多，大家的目光都在模型上。我们拿了种子轮之后，很长一段时间都没有拿到钱。当时活下去就是第一要义，所以我们就去做了很多实际的事情来创造现金流。比如我们还开过一个教小朋友 coding 的 AI 的教培机构，前前后后教了有一百多个孩子。
但现在回头看，那段经历对我们帮助非常大。
第一，它让我们把一个商业的完整流程真正跑通了。从单店模型、到扩店、到人员安排和成本结构，这是一门非常朴素、但非常扎实的生意。很多今天我们在产品和商业判断上的直觉，其实都来自那段时间。
第二，也是更重要的一点，它极大加深了我们对「人如何学习」这件事本身的理解。那段时间每天 face to face 地和小朋友打交道，看他们怎么理解知识、怎么和 AI 互动、哪些地方会卡住、哪些地方会突然亮起来，这是非常高密度的真实反馈。
现在如果现在有一个月时间，你让我在两件事里二选一投入时间去做，一个是提高付费率，一个是让产品看起来更酷。我大概率会选前者。付费率是一个很好的市场晴雨表，如果它突然下降，我们会马上去排查原因：是出现了新竞品？还是底层模型能力飞跃了？这能帮我们快速响应。
此外，我认为 AI 创业会更回归商业的本质，不像互联网上时代创业需要巨量的资本来快速改变生产关系成为行业的入口再赚钱，因为 AI 的本质是生产力提升，所以做对了一定是天然就能收上来钱的。
AI 闹：00后创业，这个标签在当下被认为有巨大的红利。你认为你们吃到这个红利了吗？
Peter：我认为我们是吃到红利的。这个红利体现在我们通过被 AI 赋能，在足够年轻的时候就有能力组世界级的团队，做世界级的产品，同时因为年轻、所以离未来的用户更近。
这个是我认为00后最本质的优势，而非传播层面的那些标签。
如果说在很多人的刻板印象里，00后团队就是天马行空、梦想狂野，我们确实不是那样。但我们觉得按照自己的理念和价值观把事情做好就行。我相信会有我们的一席之地。
AI 闹：是什么让你决定离开硅谷，把你的公司驻扎在北京？如果让你现在有一个朋友要去硅谷创业，只给一个忠告，你会对他说什么？对一个从美国回北京创业的朋友呢？
Peter：回国的原因是我们始终更想也更擅长做 ToC 产品。
硅谷整体是高度 ToB 导向的创业环境，投资人明显更看好创业者用 AI 去解决企业的问题。美国市场长期对 ToC 缺乏信心，历史上真正由本土团队做成、并获得巨大回报的 ToC 产品其实屈指可数，这使得做 ToC 在硅谷其实比较难获得支持。
投一个 ToB 公司可能有30%的胜率，成了能赚10亿美金。投一个 ToC 公司胜率可能只有0.1%，成了能赚1000亿美金。绝大部分投资人肯定会觉得前者是更好的选择。
相比之下，国内拥有庞大的用户基础，以及更多能看懂 ToC、愿意陪你把产品磨出来的投资人。
给一个去硅谷创业的朋友忠告？那就是——一定要做硅谷人自己会用的产品。倒不是说只能是 ToB，但你要不非常 geek，要不非常有想象空间，瞄准那些全球最前沿的需求。硅谷的游戏规则就是如此。
给回国创业的朋友的意见正好相反：要务实，要让商业跑起来。不要每天沉浸在硅谷叙事里异想天开，而是尽快验证产品能不能赚钱、能不能形成基本现金流，在现实反馈中站稳脚跟，再谈长期理想和更大的故事。
热门活动 
广东
04-17 周五
热门报告 
