AI NOW!：Nooka 是你第一次创业，为什么会想做内容平台，以及选择音频切入、而不是图文或视频？

Kaixin：我是2024年底开始认真考虑创业方向，到今年2月份正式出来。当时我注意到两个变化。

一个是 TTS（Text-to-Speech，文本转语音）技术的跃升。当时市面上主流 SOTA 模型生成的语音效果第一次达到了“可以听、听得下去”的水准，不会再想过去一样听起来就很人机、很出戏。也就是说，AI 音频内容的可消费性成立了。

另一个是语言模型构思能力的大幅发展。当 thinking model 的价格也更加普惠（Gemini 2.0 Thinkg），语言模型能给对内容和思想进行更深度的思辨，并引入合适的外部信息和线索而不只是浅层摘要。

这两个判断加在一起，我觉得音频这件事可以做了。它不是“AI 可以生成内容了”，而是“AI 可以生成高质量的、能被听进去的内容了”。

AI NOW! ：这一点很有意思。因为很多人更多是“我想创造什么”出发去创业，而你是先划定模型能力的边界，再在边界里找机会。

Kaixin：因为这件事我之前有深刻教训。

出来创业前我去年是在商汤，在里面带团队负责一个 C 端 AI 产品的开发。我们当时想做的是一个 design agent，有点像最近出来的 Lovart。其实当时即使是 sota 的 Claude 3.5 也无法做到可用的效果，我们 bet 自研模型能在这个垂直方向上能力有所突破，但进展迟迟 delay。为了尽快上线，不得已只能通过产品策略去补齐模型的能力缺陷，用策略来补 AI 的短板。但这就是刻舟求剑。当等到 Claude 3.7 或 Gemini 2.5 Pro 出来的时候，这些努力都会被吞没掉；只有产品架构和模型能力的演化是能共振的方式才是优雅的——等到 Claude 3.7 或 Gemini 2.5 Pro 出来的时候，一切都要推倒重来。

这个问题其实只要看 Devin 和 Cursor 就是很好的例子。Devin 早期融资比 Cursor 更多，架构更超前——它从 day1 就就要做「全 AI 程序员」。但问题就在于太超前了，模型能力承载不了，结果导致任务完成率很低。Cursor 的选择就很务实，这个代码工具从一开始就很明确，只做当前模型能100% hold 住的功能。模型进化后，他们不是简单堆新功能，而是重新思考"现在模型能稳定实现什么新体验"。所以你看，当其他 AI 编程工具还在挣扎时，Cursor 已经靠精准匹配模型能力带来的用户体验形成了壁垒。

所以我们的教训就是，不能脱离模型能力去造产品，会成为先烈。得搭建和当前模型能力和未来模型演化都能共振的产品架构。

AI NOW! ：回到 Nooka，音频平台的内容形式也有很多，为什么你们选择拆书这个方式？

Kaixin：确切的说我们是重构书，不是做摘要，也不是简单压缩。

音频内容哪里来，从内容制作能力上我们构建的 AI Agents 已经可以做的很好了，更关键的是输入的“内容种子”会是什么。相比新闻、话题，书籍——尤其是那些“人类经典”的书，作为内容种子提供了有更长时效性的信息知识价值。书籍自带 IP，结构清晰、信息密度高，以及通过 AI 来“对话重构”一本书的内容，可以避开绝大多数版权限制。

说到底是书能带来内容质量的基础保证。因为我们在模型上也做了很多构建，导致后来你给它一个字它也能扯出来8分钟内容，各种抛梗讲段子。但我觉得这个本质上是没有消费价值的。既然我们想要完成的是消费闭环，那就要从原点保证产出质量。

AI NOW!：如果用户想了解一本书，为什么不是直接去读呢？

Kaixin：我觉得知识传播的形式创新和深度阅读是并行的。20分钟的康德音频肯定无法替代800页的原著，真正理解康德还是需要读原著。但能读完《纯粹理性批判》的人毕竟是极少极少数。

今天，大家的注意力和信息接收方式，甚至大脑都在已经被短视频、碎片化信息重塑了——这是技术发展带来的不可逆趋势。如果知识压缩确实是个大趋势，那么20分钟的版本可以帮助康德思想传播得更广，是不是也是一件好事。

AI NOW!：所以你对此并不持悲观态度。说回来，Nooka 对书的重构，具体来说是什么样？

Kaixin：我们不是做摘要，也不是简单地把书念出来。真正的重构是让知识活起来。

比如讲康德的「先验观念论」，如果直接照搬哲学术语，99%的人会立刻关掉。但如果你说：想象一下，你戴着一副永远摘不掉的 VR 眼镜，看到的所有「现实」其实都是你大脑渲染的结果——这就是康德在200年前提出的核心观点。

这时候用户马上就能 get 到：噢，这不就是《黑客帝国》的设定吗？

这是目前英文版的处理方式。如果是日语用户，我们可能会替换一个押井守《攻壳机动队》的例子，让大家更容易在不同的语言背景下理解。

AI NOW!：你们如何训练模型，让它能实现这种动态解读？因为这是一个非常不标准化的处理方式，重构康德这件事上，AI 明显更可能会拿笛卡尔和叔本华来做比较，而不是黑客帝国。

Kaixin：秘诀在于「人设化」而不是一般的信息类比和关联。

我也看过一些 AI 去做的播客，很明显很看出它被设定了第一段讲什么、第二段引入讨论、最后如何收尾等等，可以说是一个有起承转合的八股文模式。但我们是给 Nooka 设定了不同风格的主播，一个像 Lex Fridman，博闻强识、擅长深度探讨，还有一个是 Joe Rogan 那样的脱口秀，很开放的段子手。

AI NOW! ：所以用户听到的不是一个 AI 在努力牵强附会，而是这两个人格的模型在沿用他们的气质风格甚至学识储备在聊天。

Kaixin：没错。我们把他们所有的语料喂给 AI，再加上后期调试，就可以了。他们现在已经讲了1000本书，这个数很快会到1万本，最近我们正在重置内容。

AI NOW! ：1000本到一万本难度大吗，你们选书的标准是什么？

Kaixin：先做1000本实际也是为了先拿到用户的反馈，再进一步去调优内容的生成。现在的1000本就是畅销书榜，《乔布斯传》《马斯克传》《英伟达之路》这些都有，也有很大一部分人类经典——比如康德，其实这些书大家以为没人看，也一样在卖得最多的 TOP 1000榜里。

AI NOW! ：我非常好奇的是，在小红书以及一些社交媒体上，你们为什么会选择《纯粹理性批判》，选择康德而不是比如马斯克来“引流”？

Kaixin：哈哈，这纯粹是我们的个人喜爱。我们团队有一位哲学 PhD，现在是我们的全栈开发。她本科学的计算机，后来在清华读的哲学和人工智能交叉方向 PhD。

我相信做 ToC 产品非常重要且不可避免的一点就是，一定会带着你自己的价值观或者审美。《纯粹理性批判》确实也是对我自己影响最大的书之一。

AI NOW!：创业前之前你在大厂、创业公司、AI 头部公司几次横跳，当时为什么离开字节？在很多人看来你28岁就是一个二级部门负责人，是很好的职业机遇。

Kaixin：那几年确实升得挺快的，但在字节干到退休肯定不是我想要的。我在字节最后一年做的产品也是和 AI 相关的，那是2023年，当时已经能直观感受到大模型发展的突飞猛进。这件事让我非常兴奋，同时也希望能离技术底层更近一些。所以从字节出来后，聊了一圈我就去了零一万物。

AI NOW!：在字节做 AI 相关产品离技术还不够近吗？

Kaixin：说实话，直到去了模型公司创业，我才真正明白在大厂做 AI 产品和亲手打造 AI 产品的本质区别。

在字节时我们的工作模式很清晰：产品经理负责定义问题，比如"这个功能能不能提升1%的留存"，然后规划一个大致的实现路径，剩下的交给开发团队去完成。那时候我觉得自己也算懂技术，毕竟学过计算机，也能写点代码。但本质上我们还是在用移动互联网时代的产品思维工作——技术实现是一个相对确定性的黑箱，我们只需要关注输入和输出。

去了模型公司做 AI 后，我发现自己的认知完全不够。大模型产品的技术边界是动态的、高度不确定的。同样是做一个对话功能，背后接 GPT-4o 还是 Claude 3.7还是 Gemini，采用怎样的 prompt engineering 策略，设计什么样的容错处理机制，每一个选择都会最后的实现完全不同。

这些不是在会议室里开几次会就能搞明白的，必须亲自己构建 benchmark 和搭建、测试应用，才能真正摸清每个模型的"脾气"。在大厂的时候，我们每周也会开两三次会讨论产品方案，但很少真正深入技术实现的细节。而现在，我可能花一整天就为了找到一个最合适的 temperature 参数，这是看再多 paper 也替代不了的。

AI NOW!：你认为 AI 时代还有产品经理吗？

Kaixin：我觉得产品经理这个角色在 AI 时代会发生根本性变化。

你不能只是个会提需求的人，必须同时是个懂模型特性并且能大致预判其动态发展的技术实践者，同时是个能预判用户体验的产品设计师。AI 时代一定需要这种全方位视角，产品经理这个互联网时代的独立工种是不会存在的，因为不可能脱离技术去构建产品，那一定会有大问题。

现在我们做 Nooka 这个产品，我自己就写了大量代码，我可能有一半时间在写代码。

AI NOW!：回到你做 Nooka 的出发点这个问题上。模型 TTS 和文本能力的双重进步让你选择了 AI 重构书这个方向，人在这个创作体系中还能扮演什么角色？

Kaixin：确实，AI 已经可以覆盖掉内容生产中很大一部分了——结构、风格、对话节奏这些事情，它都可以生成得很自然。但它做不了两件事：一个是判断，什么是“好”；另一个是生成种子，也就是最初的 idea 从哪来。

大模型的机制决定了它只能输出高概率的 token 序列，它的本质是“归纳”，不是“创意”。如果没有外部输入，它是没法自己决定“要不要聊一个奇怪的切口”、“这个跳跃值不值得一讲”的。但只要你能不断输入新的想法，它就能很好地展开，甚至构造出结构很完整的内容。

所以我们现在在做的事情，其实不是“让 AI 去创作”，而是“构建一个系统，持续发掘人类的微小提问和兴趣点”，然后 AI 负责把它们推演出来。

AI NOW! ：你想通过构建这个系统，去激发新的创作者。

Kaixin：没错，在这个结构里，你可以不写稿，不剪辑，不主持，只要你能提出一个特别的视角，就能成为一期节目的起点。创作发生在消费过程里，也就是说，你一边听，一边已经在参与下一轮生成。

AI NOW!：B 站弹幕很多也非常精彩，它们和你的思路有什么区别？

Kaixin：B 站很多弹幕是高质量的，它的问题是没有被再次消费——因此无法进入创作的闭环。它停留在表达这一层，没有形成生产力。

抖音评论也一样，抖音作品下面有成千上万的评论，但它们完全没被组织起来，也没有形成分发机制。所以你说它是内容创作吗？它有时候是，但它撑不起来一个平台。

我们现在在做的，是看有没有可能让这些轻表达——比如一句评论、一个想法——被 AI 接住、展开、变成一个新的可消费的内容单元。只要这件事能成立，用户其实就从“观众”变成了创作起点。

这不是“门槛低一点的创作”，而是换了一种起点。AI 捕捉到每一个人思考中的闪光火花，绘制和拓展成对更多人有启发的内容。

AI NOW!：你相信仅仅靠触发就能产生新的内容生产力？

Kaixin：快手、抖音最开始都是工具，后来都成为了巨大的内容和社交平台。我相信谁能定义新的创作者，谁就能形成新一代内容平台。