AI 微短剧、生成式媒体与创意的下一站
The a16z Show｜Justine Moore（a16z Partner）｜2026 年 7 月 29 日发布
一句话
AI 微短剧的意义不只在于「用 AI 拍一部戏」，而在于它把内容生产从少数大团队的项目，推向个人和小团队也能反复试错的工作流：当质量接近拍摄内容，成本和交付速度却低得多，供给曲线就会改变。
先看这 5 个判断
- 微短剧是 AI 视频的合适落点。 它通常是竖屏、短集数、少角色、少场景，观众追的是悬念、冲突和下一集，而不是大片级场面。Justine 将它描述为「肥皂剧的 TikTok 化」。
- 观众最终在乎的是故事，不是制作方式。 技术爱好者可能会因为「这是 AI」而观看，但大众消费者不会仅因 AI 标签留下；内容需要先过质量门槛。
- AI 改变的是内容供给。 对话中提到，部分生成内容可以达到拍摄作品约 90%–95% 的质量，同时更便宜、更快、更容易迭代；同一笔预算因此可以买到更多集数和更多类型的试验。
- AI slop 不是 AI 发明的。 判断内容的重点应放在质量、叙事和它如何消耗注意力，而不是把「用了模型」直接等同于低质。公司更适合沉淀能讲清主张和身份的长青内容，创作者则可能根据目标选择追趋势或做深度内容。
- 创业机会正在上移到应用和工作流层。 与其只比模型价格或推理速度，不如服务一类具体用户，深入其工作流；生成式媒体、垂直行业、创作者事务和消费级 agent 都仍有大量未被满足的需求。
嘉宾背景
Justine Moore 是 Andreessen Horowitz（a16z）投资团队合伙人，关注 AI 基础模型与应用。a16z 官方介绍显示，她此前在 CRV 和 Goldman Sachs 工作，拥有 Stanford 经济学学士学位与 MBA，并参与或关注 ElevenLabs、Krea、Wabi、Black Forest Labs、Hedra、Mirelo、WaveForms AI、Viggle 等项目。嘉宾真人头像见第 2 张卡片，来源为 a16z 官方个人页。
按原始节目顺序整理
1. 生成式媒体已经从「惊奇」走到「够用」｜0:00–4:15
Justine 从 Stable Diffusion 早期产品讲起：生成式媒体已经从效果不佳的图像、效果不佳的两秒视频，走到能够生成完整、连贯的 15 秒视频，图像、声音和 3D 也在进步。她认为，模型层仍会继续变强，但产品层同样重要：用户需要合适的界面和流程，尤其是那些不会全职研究提示词、也不知道该选哪个模型的人。
这也是她对「新媒体」的判断：它正在取代过去更常见的「创作者经济」说法。模型达到可用门槛后，专业创作者、工作室和产品开发者都会进入，问题从「能不能生成」转为「什么值得被制作、怎样让别人看下去」。
2. 为什么 AI 微短剧先起飞｜4:15–10:59
微短剧被描述为「肥皂剧的 TikTok 化」：竖屏、短、戏剧化、煽情、话题性强，常见于 TikTok、ReelShort、DramaBox 等渠道。它最早在中国大规模发展，Justine 说中国微短剧市场已经超过国内电影票房；随后美国相关应用也进入增长很快、变现能力很强的类别。
它适合 AI 的原因很具体：角色和场景相对有限，不需要像大片那样承担复杂外景与高额制作成本；内容的吸引力主要来自故事线、悬念、戏剧冲突，以及观众对下一集的期待。对谈举到一部围绕 Anthropic CEO Dario Amodei 与中国女孩的 AI 微短剧，强调真正能让观众留下来的仍然是叙事，而不是技术噱头。
两人也没有把 AI 理解成传统影视的简单替代。更可能出现的是混合流程：真人在摄影棚拍摄，AI 负责背景、怪物、长颈鹿等难以实拍或需要 CGI 的元素；同时，AI 还会催生新的娱乐形式。大制片厂和个人创作者会沿着两条路径同时前进。
3. 从小团队到更大的内容供给｜10:59–21:57
对谈提到一部中国 AI 微短剧在约两到四周内获得 1 亿次观看，以及前述作品获得两三百万次观看的案例。SCOP Anime、Gossip Goblin、Charlie Curran 等创作者也被作为例子：他们的发布频率、观看量和受众增长，都是过去一个人或小团队难以实现的。
两人还讨论了亲自做微短剧的体验。小错误可能需要反复生成，成本会不断累积；但角色一致性、现实物理、镜头控制和转场都已经比早期好很多。主持人分享了用几小时制作 Nike 起源故事的尝试：设计和美学已经不错，镜头、光线、人物速度仍有提升空间；他还提出可以把公司起源故事做成「Tech Origins」式系列，说明微短剧未必只能讲纯爱情或悬疑，也可以承担教育和商业叙事。
成本也在向个人创作者有利的方向变化。对谈认为，前沿模型可能暂时昂贵，但竞争会推动模型提供商同时提升质量、推出更便宜更快的版本。只要质量足够好，普通消费者并不在乎内容是不是 AI 做的；这会把 AI 从「技术演示」推向真正的消费内容。
4. AI slop、透明度与内容判断｜21:57–32:49
Justine 反对把 slop 归因给 AI。人类早就生产大量点击诱饵、夸张挑战和低质量短内容；slop 更像是对内容质量、叙事和注意力机制的描述。创作者该追逐及时趋势，还是做长青内容，取决于自己的目标：有人优化短期曝光，有人花更长时间做深度研究；对公司来说，能讲清「我们是谁、想成为什么」的内容通常更有积累价值。
关于是否标注 AI，难点在于边界会越来越模糊：有人用模型生成图片、音乐或代码，有人只用 Cursor、Claude、GPT 帮助工作，未来大量内容都会是人与模型协作的结果。统一标签可能会失去区分度。两人更看重内容本身是否准确、是否有意义，以及是否仍然传达了作者真正想说的话。
他们也分享了实际工作流：从空白页面开始最难，因此会先列提纲，让 Claude 和 GPT 提供不同角度，再挑选、重写；模型也能检查拼写、给新闻通讯评分、批评市场地图和演示文稿的叙事顺序。它的价值不是替作者完成判断，而是作为一个没有背景包袱的陪练，指出第一次看到材料的人可能看不懂哪里。
5. 生成式媒体公司的创业难题｜32:49–40:01
模型竞争越来越贵，创业者很难只靠训练一个新的图像、视频或音频基础模型形成差异化。应用层的输入输出已经普遍存在，单纯比最低价格或最快推理也不够。更现实的问题是：服务哪一类用户？能不能把产品深度嵌入其工作流？除了价格之外，用户为什么还要留下？
早期 AI 原生创作者虽然容易触达，却也更容易跟随下一个工具。相对不那么技术化的用户，可能是更大的市场：他们不知道所有产品，反而更可能在一个工具里形成稳定习惯。机会还包括消费者生成与分享内容的新社交游乐场、微短剧专用的角色和声音资产、建筑设计与广告营销等垂直行业，以及创作者的研究、联络、发票和合同等日常事务。
6. 消费级 agent：从被动回答到主动提议｜40:01–50:19
Justine 以自己先使用、后投资的 Town 为例：它连接邮箱和日历，观察用户的行为模式，再主动提出可以代做的任务，例如收到暖介绍后回信致谢、抄送行政助理安排会议，或把发票和收据自动转交费用管理服务商并分类。这个方向的关键不是让用户写出复杂提示词，而是让 agent 先理解上下文，再提出下一步。
她认为，消费科技与 AI 的交叉正在回来，但消费趋势很难预测，只能观察早期用户是否感到体验足够神奇。短信式 AI 助手也可能降低使用门槛：用户不必打开一堆应用，可以直接发消息给 agent，或由 agent 主动联系。OpenClaw、Hermes agent 等早期实践说明技术爱好者已经能获得价值，但普通用户仍然会被安装、配置 API 和维护系统的摩擦挡在门外。
如果明天创业，Justine 会更偏向生成式媒体或消费级 agent，因为大量 AI 产品还没有友好的界面、清晰的品牌或成熟的市场表达。她用 ElevenLabs 总结了另一条创业线索：先从游戏配音、冷门语言有声书等长尾用例获得第一批用户，再把研究、产品和 go-to-market 同步推进，从消费者和 prosumer 逐步扩展到传统企业与新的语音场景。
独立金句
- 「肥皂剧的 TikTok 化。」——Justine 对微短剧的定义，见 4:15–5:23。
- 「大众消费者并不在乎它是不是用 AI 做的。」——判断消费内容能否留下，关键在质量，见 17:28–18:39。
- 「Slop 更多描述的是内容和叙事的质量，以及它对你大脑的作用，而不是它是不是用 AI 做的。」——见 22:29–23:35。
- 「怎样比任何人都更好地服务某一类用户？」——生成式媒体创业从模型竞争走向工作流竞争，见 35:02–36:06。
- 「把这些模型的能力通过对消费者友好的界面带给普通人，我们还远没有走到饱和。」——见 45:33–46:39。
给创业者的启发
- 把「模型能力」翻译成「用户下一步」。 生成更好的结果只是基础；界面、资产管理、上下文和工作流才决定普通人是否能持续使用。
- 先找到一个具体入口。 ElevenLabs 的例子说明，长尾用例可以提供第一批注意力和用户；之后再让研究、产品和市场进入相互推动的循环。
- 不要把「AI 生成」当成唯一卖点。 如果消费者最后只在乎故事、效率或结果，产品就必须把技术藏进体验，而不是要求用户为技术本身买单。
- 区分短期增长与长期积累。 趋势内容能带来即时曝光，长青内容能沉淀主张和身份；这不是同一个目标，创作者需要先决定自己在优化什么。
逐句全文翻译
以下译文依据本期对谈的完整官方逐字稿，按原始时间顺序保留全部对话内容，只呈现中文，不保留英文原文，不做摘要。官方 PDF 没有提供可靠的说话人分离，因此无法把每句台词准确归给主持人或嘉宾；为避免臆测，统一标注「说话人未分离」，并保留逐段时间码。中间的赞助口播也保留。
0:00–10:27
0:00–0:30｜说话人未分离
我想，很多人会惊讶：今天有多少电视节目和电影已经在使用某种 AI。我的工作经常要和制片厂高管交流，Amazon 和 Netflix 都已经宣布了完全由 AI 生成动画的项目。它们的质量能达到拍摄作品的 90% 到 95%，但成本更低、速度更快，也更容易制作。我认为，大众消费者并不在乎它是不是用 AI 做的。只是，最早采用 AI 视频的很多人，并不是天生很会讲故事的人。
0:30–1:00｜说话人未分离
所以，他们做出来的东西虽然新奇，却不一定是最有吸引力的叙事。这是现在最大的挑战。我们开始看到，真正做过这类工作、看到了其中机会的专业创作者正在进入。这样一来，懂得如何讲故事的人会越来越多，我们会看到一批非常抓人的故事爆发出来。AI 解锁了人们想象中的那些疯狂、古怪、有趣的点子；过去他们根本没有条件把这些点子做出来。
1:01–1:34｜说话人未分离
你会看到很多人，要么建立了全新的 AI 原生工作室，要么以个人身份经营一个品牌、放大自己的内容。他们可以制作叙事型作品，在几小时或几天内完成交付。大多数人不想继续在低俗的垃圾内容上竞争。但我认为，创作者该做什么，最终取决于——Justine，欢迎来到《新经济》。这些年我们一直在私信里联系，
1:34–2:07｜说话人未分离
但这是我们第一次见面。AI、新媒体，还有最近的新趋势 AI 微短剧，正在同时发生这么多事情。节目里有很多要拆开聊的内容，欢迎你来到节目。谢谢邀请我。我也很高兴能聊聊这些话题。我觉得，生成式媒体正处在一个非常特别的拐点，尤其是过去六个月发生了很多变化。我们看到「新媒体」这个新词迅速出现，它在某种程度上正在取代「创作者经济」这个说法。
2:07–2:40｜说话人未分离
AI 发生了这么多变化，正如开头所说，AI 微短剧又成了一种新的娱乐形式。能不能请你帮我们梳理一下生成式媒体的现状？你的直觉判断是什么？我其实已经关注生成式媒体好几年了。ChatGPT 发布前几个月，第一批 Stable Diffusion 模型出来时，我就开始真正投入关注了。
2:40–3:12｜说话人未分离
当时有 Levels.io 这样的人在模型之上做很酷的产品，比如最早那批 AI 头像生成器。回头看，我们取得的进步非常惊人：从效果并不好的图像，到效果并不好的两秒视频，再到现在人们可以生成完整、连贯的 15 秒视频；图像、声音和 3D 也都进步了很多。我觉得，
3:12–3:45｜说话人未分离
我们正处在一个很有意思的节点：模型质量已经足够高，能做出真正值得观看、能够承载故事线的内容，而不只是让人惊叹「哇，AI 做出的东西居然看起来有点像真的」。因此，模型层当然还在快速进步，未来也会继续进步；但产品层同样发生了很多变化。模型终于好到可以被人使用之后，你还得为用户建立合适的工具和流程，
3:45–4:15｜说话人未分离
让他们真正用起来。尤其是那些并不会全职研究提示词的人，他们不知道某种用途应该选哪个模型，也不知道怎样写出好提示词。对我来说，生成式媒体现在像是整个生态都在成熟：消费者和专业工作室终于意识到这些模型已经好到可以使用，产品开发者也开始意识到，围绕模型设计使用界面、工作流，以及由模型生产的内容，都有很大的机会。
4:15–4:52｜说话人未分离
至于 AI 微短剧，其中一些故事真的很精彩，画面准确度也很高。你觉得 AI 微短剧为什么这么好看？我们可能应该先解释一下什么是 AI 微短剧。你觉得它到底有什么吸引力？我对微短剧的描述是：它几乎就是肥皂剧的 TikTok 化版本。所以，
4:52–5:23｜说话人未分离
它们通常很戏剧化、很煽情，也很有话题性，时长相对较短。一般是竖屏视频，既会在 TikTok 这样的地方播放，也会出现在 ReelShort、DramaBox 这样的应用里。几年前，它们首先在中国迅速发展。现在，中国微短剧市场的规模已经超过国内电影票房。那里几乎人人都在订阅这些应用、观看
5:23–5:59｜说话人未分离
各种微短剧。我觉得，去年它们在美国也开始明显起飞。看应用商店数据，这些应用成了美国增长最快、变现能力最强的应用之一。一个新类别里有几款应用能这么快增长，其实很少见，那时我开始认真关注它。后来我意识到，AI 之所以适合微短剧，是因为这类内容通常角色比较少，场景也比较有限。
5:59–6:35｜说话人未分离
它不像游戏节目或竞赛节目，不需要在全世界各地拍摄；也不像大片。真正让人感兴趣的是故事线、悬念、戏剧冲突，以及接下来会发生什么。所以，它不需要达到好莱坞大片的制作水准，也能吸引观众。很多人因此觉得，这类内容非常适合今天的 AI 模型。你提到的那些剧，有些确实非常抓人。我不知道你
6:35–7:10｜说话人未分离
有没有看过那个故事：Anthropic 的 Dario 爱上了一个来自中国的女孩？你可能看过。我见过制作这个作品的创作者，觉得他的叙事能力非常强。我们会把它放到节目说明里。后来我才发现，微短剧里的那个女孩和故事本身竟然是真实的，整件事后来也浮出了水面。我觉得这个故事线和叙事太精彩了。但我认为，AI 微短剧其实有两面。你有
7:10–7:41｜说话人未分离
一面是出色的叙事、出色的设计和很低的制作成本，这当然很好；另一面是画面设计不错，但故事没有发挥出应有的水平。你觉得，为了让 AI 微短剧真正留下来，下一步会往哪里走？我觉得它的好处是，未来会有很多这样的内容。我对 AI 视频一直有个想法：
7:41–8:15｜说话人未分离
最早采用 AI 视频的很多人，并不是天生很会讲故事的人。他们是技术的早期采用者，所以做出来的东西很新奇，却未必是最有吸引力的叙事。我完全把自己也归在这一类。我从来没有受过训练，也没有学过怎样塑造一个真正有吸引力的故事。现在我们开始看到，已经在这个领域工作、懂得讲好故事的专业创作者正在进入。也许他们不是我们通常理解的传统职业
8:15–8:46｜说话人未分离
创作者，但他们已经长期做内容，并在打磨技艺的过程中学会了讲故事；大型工作室也看到了其中的机会。懂得叙事的人开始进入微短剧领域，这意味着我们会看到一批真正抓人的故事，一批即使不考虑 AI 元素本身，也非常有意思的内容。我甚至觉得，我们可能已经到了这个阶段：
8:46–9:21｜说话人未分离
以后会有很多微短剧，你根本看不出它是不是 AI 做的，而观众也不在乎，他们只是为了故事而来。你提到这一点我很开心，因为六个月前我还会说，我绝不会看 AI 生成的节目，也绝不会看 AI 生成的电影；现在我会说，只要它抓人、好看，我就会看。完全同意。我也觉得质量已经提高了很多。我经常和那些想进入投资领域、或者想了解生成式媒体早期变化的制片厂高管交流，
9:21–9:53｜说话人未分离
我刚参加了好莱坞的 AI on the lot，听了很多人讲他们实际上怎样使用这些技术。大家可能会惊讶：今天有多少电视节目和电影已经包含某种 AI，多少大型制片厂正在考虑完全由生成式技术制作的内容。Amazon 和 Netflix 都已经宣布了完全由 AI 生成动画的项目。大型制片厂可能担心这类事情带来的公关风险，但它们绝对在探索非常相似的方向。
9:53–10:27｜说话人未分离
我和创作者、前创业者、对这个领域感兴趣的人以及普通消费者交流时，有些人会问：这是不是最终会取代 Netflix、电影，或者演员？我的回答是，不会，我觉得它会成为我们消费的一种不同类型的内容和娱乐。你认为这是准确的吗？我们会走向这个方向吗？我觉得两种情况都会发生。我们会得到新的内容类型，微短剧就是一个很好的例子。现在美国的 AI 微短剧正在起飞，制作成本更低，也更容易生产。同时，AI 也会进入很多传统制作流程。大型制片厂并不是要说「我们要替换每一个男女演员，再做一部完全由 AI 生成的电影」，而是它们会### 10:27–21:57
10:27–10:59｜说话人未分离
我觉得两种情况都会发生。我们会得到新的内容类型，微短剧就是一个很好的例子。我认为，美国的 AI 微短剧现在正在快速起飞，制作成本更低，也更容易生产。我还认为，AI 会进入很多传统制作流程。大型制片厂并不是要说「我们要替换每一个演员和女演员，拍一部完全由 AI 生成的电影」，而是会……
10:59–11:35｜说话人未分离
比如，在摄影棚里拍摄演员，再用 AI 生成背景；或者用 AI 生成一个吓人的怪物、长颈鹿，或者任何疯狂的动物，而不是想办法真的去拍它，或者使用 CGI。所以，我觉得最终会是混合模式：一方面出现新的娱乐形式，另一方面也会有人在电视、电影等传统娱乐形式里使用 AI，降低制作成本。对创作者，尤其是个人创作者来说，机会也大得惊人，哪怕只有一个小团队，甚至只有……
11:35–12:07｜说话人未分离
中国最近有一部 AI 微短剧，发布后大概两到四周就获得了 1 亿次观看，非常夸张。前面提到的那个 Anthropic 的 Dario 爱上中国女孩的 AI 微短剧，也有两三百万次观看。如果内容足够抓人，创作者就可以开始把它变现，对吧？我觉得很多人确实已经在这么做了。
12:07–12:39｜说话人未分离
在 X、Instagram、YouTube 上，你会看到很多人建立了全新的 AI 原生工作室，也会看到个人经营一个品牌，持续扩展自己的创意内容，制作叙事型故事。像 SCOP Anime、Gossip Goblin、Charlie Curran 这些创作者，内容的观看量、发布的一致性，以及受众随时间的增长，都非常惊人。
12:39–13:10｜说话人未分离
你一看就知道，过去一个人或一个小团队根本不可能完成这些内容。无论是动画、动漫，还是写实的真人风格——我不确定 AI 生成的真人风格该怎么称呼——以前都需要巨额预算和几个月时间，现在几个小时或几天就能交付。我们总会有一些疯狂的应用或网站点子，但有时就是不知道该从哪里开始。正因如此，本期节目由 Hostinger 赞助。
13:10–13:44｜说话人未分离
Hostinger 是 builder 和创始人的理想工具。如果你有一个网站或应用点子，可以使用 Hostinger 最新的 Vibe coding 工具，把点子变成现实。如果你需要域名，当然也需要一个能让你在客户面前显得专业、出色的邮箱地址，Hostinger 都能提供。因此，他们给本节目的粉丝和听众提供九折优惠。只要访问 hostinger.com/new economies，或者输入代码 new economies，就能兑换优惠。去把你一直想做的东西建出来吧，值得一试。
13:44–14:17｜说话人未分离
现在回到本期节目。开始录音前，我们聊到其实都试过制作自己的 AI 微短剧，过程还挺有趣。你自己试过吗？体验怎么样？我会尝试制作各种 AI 内容，主要是为了测试工具。我尽量不欺骗自己，不让自己以为「我有一个非讲不可、观众也一定想看的绝妙故事」。但我确实喜欢测试不同风格的内容，比如动漫、3D 动画、写实画面，借此了解模型质量怎样改进，以及各种工作流工具怎样改进。
14:17–14:49｜说话人未分离
这类过程也有一些问题。刚才我们聊到，模型已经进步了很多，但还不完美。为了修正一个小错误，或者把一个场景做到理想状态，你可能需要反复生成很多次，花掉不少钱。但另一方面，我们已经走了很远：角色一致性提高了，绝大多数场景的现实世界物理效果能正常工作，即使还不完美；视频模型也比以前更能遵循镜头控制、转场等提示。所以，现在这个过程带来的乐趣更多，挫败感更少。
14:49–15:20｜说话人未分离
我记得大概三年前，我曾经尝试制作一个非常基础的作品，几乎就是 Calvin and Hobbes 多年来变化的幻灯片动画。天啊，那花了好几天，最终输出还很糟糕。当时我仍然觉得「太不可思议了，我竟然用 AI 做出了这个」，但整个过程非常令人沮丧。现在，我会说它好玩得多。
15:20–15:53｜说话人未分离
完全同意。我觉得我们仍处在非常早期的阶段。刚才录音前我说过，我开始围绕 Nike 的故事制作自己的微短剧。这个点子听众也可以拿去用：我们每天都会谈到很多了不起的公司，但很多时候没人真正知道它们的起源故事。如果有一部叫《起源》或《科技起源》的 AI 微短剧，讲这些伟大公司是怎么创立的，会有多酷？我已经开始用几个 AI 模型和工具试着讲 Nike 的旅程。
15:53–16:26｜说话人未分离
我觉得它的起源故事和讲故事的方式都挺好。真正的节目设计和美学也很棒。但它仍然落后的地方，可能是镜头、光线，以及人物走路的速度——每一部 AI 微短剧也许都需要某种浪漫故事。那 Nike 的浪漫线可以写成：创始人第一次见到 Michael Jordan，Michael Jordan 爱上了这双出色的鞋。你完全可以把它做得非常精彩。我老实说只花了两三个小时试了一下，我觉得效果已经相当不错，而这只用了三个小时。
16:26–16:57｜说话人未分离
这听起来很不可思议。我觉得，思考微短剧的不同变化形式也很有意思。历史上，人们想到微短剧，通常想到肥皂剧，或者疯狂、悬疑、纯爱情故事。但它也可以讲很多不同类型的故事，就像你刚才说的那样。它可以有一定的教育性，有很多种内容都在这里被解锁出来。看到消费者如何采用它，也很有意思。
16:57–17:28｜说话人未分离
我上周刚在中国，看到那里对技术和消费社交应用的采用情况，与西方的情况相比非常有意思。你怎么看 AI 微短剧的采用？它会留下来吗？还是只是一阵风，最终会消失？从消费者角度看，我至少本能的判断是，人们其实并不在乎它是用什么做出来的。
17:28–18:04｜说话人未分离
最开始，X、Reddit 或其他地方那些关心技术、想追踪进展的人，可能会因为它是 AI 而观看，也会因为它是 AI 而持续关注。但大众消费者不会因为它是 AI 制作的就去看，也不会因为这个理由而看下去。问题在于，我们能否达到这样的质量门槛：让所有微短剧，或者很多微短剧，都值得用 AI 制作，因为它能达到拍摄作品 90% 到 95% 的质量，却便宜、快速、容易得多。
18:04–18:39｜说话人未分离
我认为我们正快速接近这个节点。有些微短剧可以完全由 AI 制作；另一些则会采用混合方式，比如真人拍摄，再用 AI 剪辑、添加背景、调整画面、配音等。所以，我不认为这只是一个趋势，因为它大幅改变了内容供给曲线：现在花 10 万美元，可以制作比过去多得多的集数。
18:39–19:11｜说话人未分离
对微短剧制作者来说，使用 AI 很有道理，因为过去他们最大的难题之一，就是没有足够的内容，没有足够的数量和多样性来吸引观众，并让观众留在平台上。我也很想看看个人创作者和微型工作室最后会分别做出什么样的内容——这里不一定只指微短剧。
19:11–19:45｜说话人未分离
就像我说的，对个人创作者而言，制作 AI 微短剧仍然相当贵。我们自己的作品没花太多钱，可能不到 500 美元，但这仍然是一笔钱，而且还需要多次迭代。你觉得个人创作者的成本会继续下降，未来可能花几百美元就做出一部吗？
19:45–20:21｜说话人未分离
当然。我认为所有这些模型都有一个共同趋势：随着时间推移，同样的价格可以买到更高的质量。随着越来越多新模型出现，这一点很棒。现在的前沿模型，比如 Seedance 2，肯定会一直很贵一段时间。但竞争加剧后，模型提供商既有动力继续提升模型，也有动力逐步降低价格，让更多人用得起。我认为 Google 发布 V3 fast 时就是这么做的。
20:21–20:52｜说话人未分离
我们昨天也看到，Seedance 推出了 Seedance 2 fast，它更便宜、速度也更快。所以我的判断是，成本会持续下降；同时，我们也会得到越来越好的前沿模型，只是这些模型可能还会贵一阵子。是的，我感觉这一切在六个月里就发生了变化。如果六个月前问普通消费者：「你会看 AI 生成的电影、节目，或者不管该怎么称呼的那一集内容吗？」他们大概会说不会。
20:52–21:22｜说话人未分离
现在我觉得，他们——我们——并不介意，只要质量足够好。我看过世界杯最容易传播的一些片段，就是 AI 生成的搞笑画面：整支球队围成一个圈，沿着球场移动去进球；或者巴西队在球门前砌起一堵砖墙，让任何人都无法进球。这类工具释放了人们想象中那些疯狂、古怪、有趣的点子。过去他们根本做不出来，现在却能把它们分享给全世界，而很多其他人也能……
21:22–21:57｜说话人未分离
他们也会觉得「哇，这非常酷、有趣、奇怪，或者很有娱乐性」，不管它原本想实现什么效果。### 21:57–32:49
21:57–22:29｜说话人未分离
……都能觉得「哇，这非常酷、有趣、奇怪，或者很有娱乐性」，不管它原本想实现什么效果。没错。我们都在这个新媒体生态里，对这个类别和生态里发生的事情传播了很多信息。我一直听到一个趋势，很想听听你的看法：什么是 AI slop？反过来，创作者是不是应该考虑自己的内容是及时的，还是可以长久存在的？你的同事 Eric 最近发了一条很棒的推文，解释了这些说法的来源。创作者是不是应该这样思考，避免被指责「这全是 AI 生成的」？
22:29–23:03｜说话人未分离
我觉得 slop 这个概念很有意思。它可能是围绕 AI 出现的，但我的看法是，人类生产的 slop 太多了。Slop 更多描述的是内容和叙事的质量，以及它对你大脑的作用，而不是它是不是用 AI 做的。
23:03–23:35｜说话人未分离
你可以说，早在 AI 出现前，YouTube 上大量点击诱饵式的内容、夸张的挑战、疯狂的黏液挑战短视频，就是人类生产的 slop；AI slop 对我来说也很相似。我理解的 slop 是：它不一定有真正的底层内容——我甚至不确定能不能说它没有吸引力，因为其中一些确实有引人入胜的叙事——但它会触发你大脑里某个原始部分，让你不停看下去、被它钩住，尽管它通常不是最高质量的故事或叙事。
23:35–24:07｜说话人未分离
我觉得，我们不应该把所有时间都花在看 AI slop 上；但也不该假装 slop 是 AI 发明的，因为在那之前已经有大量人类生产的 slop。至于创作者该做什么，真的取决于你想成为哪一种创作者。有些创作者会优化短期曝光、扩大受众、追逐每个趋势。
24:07–24:42｜说话人未分离
非 AI 领域里也有这种现象，传统 YouTube 创作者中也有：有人每个趋势都追。这个星期做一万卡路里挑战，下个星期去街上给陌生人泼几桶水，在明显不可能长久的事情之间跳来跳去。另一些人则花很长时间研究和拍摄深入的视频。我觉得，对公司来说，通常更适合偏向长久有效的内容，至少要有能讲清楚自身主张、身份和愿景的思考型内容。
24:42–25:14｜说话人未分离
但对很多创作者来说，制作更低俗的 slop 内容，也能快速扩大受众并很好地变现。我们会不会走到一个阶段，根本不知道什么是 AI 生成的？对 Substack 这样的社交平台，也许还有更大的平台或新平台，创作者是不是应该披露自己的内容用了哪些日常工具，以提高透明度？
25:14–25:44｜说话人未分离
我一直觉得，很难说清楚什么是 AI、什么不是。大概一年半前，我看到 Reddit 上有人问过这个问题：Steam 或某个游戏平台要求使用 AI 制作的游戏标注 AI。有一个开发者说，我在写这款游戏时，用了一个表格模型和 Cursor 来完成部分代码，那是不是意味着我必须把它标成 AI 生成的游戏？我想，Steam 的本意是，如果游戏里用了 AI 生成的资产、图片、音乐之类，就应该标注。
25:44–26:19｜说话人未分离
但这很容易滑向一个问题：大家认为 AI 意味着什么？很多人看到「AI 生成」，就会以为它是完全由 AI 做的。但很多情况下，它其实是人与某种模型协作的结果。我的直觉是，未来绝大多数内容都会部分由 AI 生产，或者经过 AI 编辑。那样的话，标注可能没有意义，因为它最终会成为默认状态。
26:19–26:50｜说话人未分离
话虽如此，我确实惊讶于在 Instagram 等平台上，有那么多人看不出某些视频明显是 AI 做的。所以我知道，社交平台正在增加披露和提示。要判断某个东西是不是 AI 生成，肯定变得越来越难。视频可能还相对容易判断；但比如新闻通讯，我前几天看到有人统计：如果看所有平台上全球排名靠前的新闻通讯，好像有 20% 的头部作者，其内容有 80% 是 AI 生成的。
26:50–27:22｜说话人未分离
如果你是一个头部新闻通讯作者，而内容是 AI 生成的，你怎么看？我对此有一个可能有争议的看法：我其实不在乎。只要读者是自己选择读这段内容，也自己判断它有没有意义、是否与自己产生共鸣，就够了。它有点像取决于观看者。我们已经见过这样的情况：有人拥有受欢迎的新闻通讯，后来改成只发布纯粹的 Claude 生成内容，文字不像自己的声音，也没有太多意义；他们被指出来是应该的。
27:22–27:53｜说话人未分离
但有些人会与某些 AI 输出产生强烈的意义感和共鸣，我自己也会感到意外。比如，他们围绕一个问题与 Claude、GPT 或其他模型反复交流，然后把结果发布出来。有些人看到 AI 写的内容会非常生气。我通常只是略读，然后判断：这对我有意义吗？我想读下去吗？即使带着一点 AI 味道，它是否仍然让我理解作者想说什么，以及为什么想说？如果答案是肯定的，我仍然会读。
27:53–28:23｜说话人未分离
我的个人看法最近也发生了变化。如果一个创作者是我尊敬的人，我关注他是因为他分享最新的技术趋势、最新的初创公司，或者医疗健康领域正在发生的事情，那我并不在乎它是否由 AI 协助完成。只要我仍然能得到创作者想传达的同样洞察，就没问题。也许六个月前我会有不同看法。为什么你的观点变了？
28:23–28:57｜说话人未分离
有两点。第一，很多创作者本来就在用这些 AI 模型和工具帮助工作，我认为这完全没问题。他们的团队很小，需要尽可能多的支持。第二，世界就是在往这个方向走。只要信息准确，创作者表达的内容仍然准确，我觉得就可以。我同意。虽然我不想故意唱反调，但不知道他们现在还会不会这样：有一段时间，Claude 和 GPT 有个糟糕习惯，就是解释事情时特别冗长，而且冗长到不像任何一个人会这样说话。
28:57–29:28｜说话人未分离
所以你会很明显地看出某段内容是 AI 生成的：本来一句话就能说完，它却写了三段。我觉得这很烦。但现在我写博客和其他东西时，最难的是从空白页面开始。所以我通常先列一个自己想说的提纲，分别交给 Claude 和 GPT，看它们能想出哪些角度；再把两者都贴到文档里，挑出各自喜欢的部分，然后自己重写一大块。
29:28–30:04｜说话人未分离
最后的成稿大概有 60% 到 70% 是我写的，30% 到 40% 是 AI 写的。但写作过程不再那么痛苦，因为我不必从一张完全空白的页面开始。我们完全一样。我们会用所有模型检查拼写错误，这总是有帮助的，毕竟总有一两个地方会漏掉。我们还会让每个 AI 模型根据过往内容给本期新闻通讯打分。如果 Claude 给 6.5 分，Gemini 给 9 分，ChatGPT 给 8.5 或 9 分，或许说明方向是对的。
30:04–30:35｜说话人未分离
我们的市场地图也是这样。现在那些漂亮的标记地图暂时都是人做的，但我们会让模型评价：你觉得这个设计怎么样？怎样才能更清楚？要不要移动这些盒子？当一张市场地图上有 200 家公司时，确实会变得有点难。
30:35–31:11｜说话人未分离
但它确实是一个非常有用的陪练，能帮助我们理解好的内容应该是什么样。对。我也觉得它很有帮助。我还把自己要在合伙人会议或其他场合做的演示交给它。有时候，当你深陷于写作或制作演示时，大脑里装了太多背景信息，很难想象一个第一次看到它的外部人士会不会看懂。
31:11–31:43｜说话人未分离
模型很擅长以新鲜视角审阅内容，然后指出：这里没有贯穿始终的连贯叙事；或者你需要把演示的这一部分放到另一些内容之前，否则对一个并不深度了解这个领域的人来说，后面的部分都无法理解。我觉得这非常有价值，实际上会改善很多人的沟通方式，因为独自完成这种工作是很难的。最难的部分……
31:43–32:14｜说话人未分离
当一张市场地图上有 200 家公司时，确实会变得有点难。但它确实是一个非常有用的陪练，能帮助我们理解好的内容应该是什么样。对。我也觉得它很有帮助。我还把自己要在合伙人会议或其他场合做的演示交给它。有时候，当你深陷于写作或制作演示时，大脑里装了太多背景信息，很难想象一个第一次看到它的外部人士会不会看懂。### 32:49–43:58
32:49–33:20｜说话人未分离
对我们这样的创作者来说，另一个难点是工具太多了：决定长期使用哪些工具、每周尝试哪些工具，本身就要付出时间机会成本。归根结底，你得决定什么最适合自己。但这很难：你刚找到一个好用的工具，下一周又有一个看起来更好的工具出现，原来的产品还可能刚好升级。
33:20–33:56｜说话人未分离
所以我也不知道。我觉得自己很幸运，因为我投资很多早期项目，既能使用各种早期产品，也能了解如今的成熟厂商——OpenAI、Anthropic 和 Google——在做什么、发布什么，这样就能比较实际的产品体验。我们有很多创始人在听节目，或许可以聊聊：从创业公司的角度看，建立一家生成式媒体公司最难的部分是什么？你在见过的几百家公司里观察到哪些共性？
33:56–34:30｜说话人未分离
我觉得生成式媒体是很棒、也非常竞争激烈的领域。对我来说，现在最难的是确定服务谁，以及如何形成差异化。训练能与 OpenAI 竞争的基础模型已经变得很贵，Google 也是如此；Anthropic 在媒体方面做得相对少一些。但现在已经有很多初创公司在不同模态上融到大量资金，大型科技公司也在训练这些模型。
34:30–35:02｜说话人未分离
因此，从研究角度说，从零训练新的图像、视频或音频模型，并成为市场竞争者，比过去更难。这并不是说大家不该做，而是市场对差异化的要求提高了：你的模型能做什么是别人做不到的？类似问题都会被问到。
35:02–35:36｜说话人未分离
很多人现在开始在应用层或工作流层竞争。最初，这些模型的应用非常简单：输入一段文字提示，然后得到输出。现在已经有很多优秀服务托管大量不同模型，它们都能完成从文本到输出的工作。所以，大多数人不想只在「为每个模型提供最低价格」或「提供最快推理」上竞争。
35:36–36:06｜说话人未分离
他们真正要思考的是：怎样比任何人都更好地服务某一类用户？产品上能做什么？怎样设计真正打动特定受众的功能？怎样深入某一类创作者或专业人士的工作流，让他们除了价格之外，还有真实理由留在平台上？我认为，这是现在每个人都在思考的主要挑战。今天如果要在生成式媒体领域创业，最好对这个问题有自己的判断。
36:06–36:41｜说话人未分离
可以卖给创作者的方向非常多，但因为变化一直在发生，找出机会在哪里本身就是最难的事。你觉得一个创始人要在这个领域建立定义性公司，尚未被满足的机会在哪里？我觉得，这个领域的大多数公司最初都瞄准了 AI 原生创作者——像我们这样较早采用各种工具、使用、分享、发布内容，并且能在 X、Reddit 等平台上找到的人。
36:41–37:13｜说话人未分离
但还有一个巨大的、基本没有被服务的市场：那些技术没那么强、不知道所有工具的人。在某些方面，这反而是优势，因为如果你把他们吸引到自己的工具里，为他们建立一个有黏性的工作流，他们就没那么容易变心，也不太会因为第二天看到了别的产品就离开。
37:13–37:47｜说话人未分离
我觉得消费者市场有很多尚未开发的机会。生成和分享内容的社交层，几乎仍然完全依附于现有平台；但可以创造真正好玩、有趣、让人想持续使用的新游乐场，让消费者在里面制作和分享这类内容。微短剧就是一个很好的例子：你需要保存角色、特定的声音、场景，以及对微短剧恰当时间和节奏的感觉。
37:47–38:19｜说话人未分离
这些知识和功能会不同于通用视频产品。还有很多垂直行业的机会，比如建筑、设计，营销和广告行业也非常大，现在才刚开始采用 AI。进入那些并不一定最 AI 原生的市场，是眼下巨大的机会。听起来，创始人可以进入的方向太多了。
38:19–38:55｜说话人未分离
我几乎在想，AI 微短剧会不会有一个类似 Roblox 的平台？还有那些几分钟内就能制作广告的 AI 工具，也很有意思。我们前面提到过演示文稿：创作者得做幻灯片、合作协议之类的工作，而这些似乎都能被处理。我仍然觉得，机会也许就在典型的创作者工具栈里——经营一个创意生意的日常事务：联系播客嘉宾、潜在赞助商、合作协议，这些事情我们仍然得做，对吧？这里似乎还有机会。
38:55–39:29｜说话人未分离
确实很难。除了纯粹的内容创作，还有大量工作。我觉得你说的更多是商业任务，是今天人类必须完成的事情：研究和联络、制作并发送发票、审查法律合同之类。当然，大公司有很多人负责这些事务；但对大多数创作者来说，他们雇不起一个大团队来替自己处理所有事情。
39:29–40:01｜说话人未分离
所以他们花在这些事务上的每一分钟，就少了一分钟用来创作内容，而创作通常正是他们喜欢做的事。我的一个判断是，AI agent 对个人创作者和小企业会特别有用，因为他们在时间和资源上都更受限制。当他们能把更多时间花在创作、经营业务，或者自己喜欢做的事情上，而不是行政和后勤事务上时，会得到一次巨大的效率提升。
40:01–40:35｜说话人未分离
你试过哪些让自己特别兴奋的个人 AI agent？你自己有一个吗？这听起来可能像在为一项投资站台，但其实我们投资它之前，我已经使用了这个产品几个月。它叫 Town，可以连接你的邮箱和日历。我喜欢它的一点是，它会吸收所有这些关于你的信息，然后主动建议它能替你做什么。
40:35–41:08｜说话人未分离
大多数 AI 产品都需要你主动说：「请设置这个循环工作流」，还要准确描述应该怎么做。Town 会查看你做过的一切，自己生成需要执行的任务描述，再问你是否要让它来做。举个例子，我经常会收到其他投资人或朋友给公司的暖介绍。有一天，Town 说：「我注意到，每次收到这种介绍，你都会回邮件感谢介绍人，把对方移到密送，然后把你的行政助理 Lauren 加进来安排会议。以后每次你同意的暖介绍进来，要不要我直接替你做？」
41:08–41:41｜说话人未分离
它还注意到，我会在周五晚上 11 点把收到的发票转发给 Noon，也就是你们的费用管理服务商。它问：「以后每次你收到发票或收据邮件，要不要我自动转发给他们，并分类整理，这样就不会堵塞你的收件箱？」这类产品如果能让更多人使用，我会非常兴奋。Town 刚刚宣布完成融资，对吧？
41:41–42:15｜说话人未分离
是的。这几乎就是我们过去两年一直在等待的东西。消费科技与 AI 的交叉又回来了。过去大家总说消费科技没有机会、回报很差，但现在感觉它回来了。你最期待消费领域下一步出现什么？我总说，消费趋势非常难预测，几乎只能观察它。
42:15–42:50｜说话人未分离
消费行为很难判断。即使看电视节目、音乐、电影或游戏，你也很难说下一个大热门会是什么。但你能看到早期信号：比如一个独立创作歌手在 TikTok 上逐渐受到关注，后来成为大明星。你也能从这些产品的早期采用者身上，看出当每个人都能获得它时，未来可能是什么样。
42:50–43:24｜说话人未分离
如果某个体验对早期采用者来说足够神奇，它很可能继续增长并扩散。这也是我们投资 Town 的原因：我和团队里几个人都用了它，然后觉得它确实有潜力。我们也在文本消息与 AI agent 的交叉上看到类似机会。很多人不喜欢手机里塞满应用，不想每次都打开应用、等它连接、向 AI 发送消息，再等回复。
43:24–43:58｜说话人未分离
相反，你可能只是拿着手机，不知道下一场会议是什么时候，或者漏看了一封重要邮件；这时你可以给 AI 助手发短信，或者让它主动给你发消息。Poke 和 Ali 就在做这件事，Ali 更偏向家庭和家务管理。其实，OpenClaw 和 Hermes agent 已经展示了第一波类似产品：技术很强的人自己搭建很有意思的系统，并从中获得很多价值。但绝大多数用户不会去买一台 Mac Mini 或……### 43:58–50:19
43:58–44:28｜说话人未分离
绝大多数用户不会去买一台 Mac Mini，安装那个需要一直运行的「安非他命」之类的东西，再经历安装开源项目、设置助手、连接 API key 的完整过程。这类事情仍然有太多摩擦，我们还没有把它做成一个包装得很好、普通消费者可以直接使用的产品。我非常期待这一波产品真正触达普通人。
44:28–45:02｜说话人未分离
是的，我们得记住，很多普通消费者并不精通技术。离开旧金山之后，他们可能根本不知道怎么使用 OpenClaw。等这类产品变得简单得多、被大规模采用时，可能就会迎来突破点。我觉得生成式媒体也发生过类似的事情：过去，制作一张好图片、一个好视频或一份好设计，需要很专业的技能；AI 已经让这些能力普及开来。
45:02–45:33｜说话人未分离
代码也会发生类似变化。很多 agent 正在为用户编写某种代码或持续运行的工作流，并替用户执行；包括我在内，绝大多数人自己都做不好这件事。现在真是一个适合建立产品的激动人心的时代。如果你明天要创业，你会选择哪个类别？我猜你一定想过，或者周末会拿出来琢磨。
45:33–46:06｜说话人未分离
我从来没有那种「我必须去创办一家公司」的冲动。一般来说，好的建议可能是：在你非常了解、也真正有热情的领域创业。对我来说，可能是生成式媒体或消费级 agent。我觉得，把这些模型的能力通过对消费者友好的界面带给普通人，还有巨大潜力。人们会使用多少产品，我们远没有接近饱和。
46:06–46:39｜说话人未分离
我们还处在非常早期：很多 AI 产品甚至还没有友好、易用的产品体验，更不用说好的品牌或出色的营销了。所以我觉得，这仍是一个极度供给不足的空间。B2B、基础设施和研究领域也有很多令人兴奋的事情，但我不是研究者，也从来不是核心 B2B 软件从业者，那些不是我的专长。因此，我大概会更倾向消费端。
46:39–47:09｜说话人未分离
现在有很多出色的创始人，大家都可以从他们身上获得灵感。你目前特别敬佩哪些正在做出好东西的创始人？现在真的有很多优秀创始人。我想特别提一下 ElevenLabs 的创始人，因为我们领投了他们的 A 轮，之后又参与了多轮融资，所以我有机会长期和他们合作。
47:09–47:40｜说话人未分离
我觉得，现在做 AI 产品都得找到一个最初的切入口，先获得注意力和第一批用户。ElevenLabs 最初从很多随机的音频用例切入。我们在他们发布几周后和他们聊过，当时有人为游戏制作配音，有人把有声书翻译成冷门语言，还有各种有趣的长尾用例。你会想：它最后会成长为什么样的大公司？谁会成为它的用户？
47:40–48:15｜说话人未分离
他们后来共同推进研究、产品和市场进入，这件事非常难：三者要同时向前发展。随着模型本身越来越好，他们不断推出新的产品界面，捕捉并承接模型的价值，再把这些产品卖给客户。最初主要是消费者和 prosumer，如今已经有很多传统企业；他们也从创意和媒体生态出发，继续探索语音还可以被使用的其他地方，尤其是语音 agent 越来越普及之后。
48:15–48:51｜说话人未分离
对我来说，他们展示了怎样同时在多个类别里执行得非常好：保持核心聚焦，让模型持续变好；同时又不能让产品或市场进入落后，只有这样才能抓住眼前的机会。我非常敬佩他们。Matty 和 Pietro 是来自欧洲一个很小国家的两位波兰创始人。他们创办公司才几年，年度经常性收入好像已经超过 5 亿美元了。为他们干杯。
48:51–49:23｜说话人未分离
是的，和他们合作非常了不起。我们知道他们很特别，但看着他们从我们投资时大约 10 个人的团队，成长为由他们从零建立、如今拥有数百人的公司，也非常有趣。
49:23–49:56｜说话人未分离
跟踪这样的公司成长，真的很不可思议。你知道，最让我恼火的是：我大概五年前也有过和 ElevenLabs 非常相似的想法。网上有一条推文，我当时说，世界上每个创作者都能不能用自己的声音把内容翻译成任何语言，那该多酷。那时我在另一家 VC 基金，后来 ElevenLabs 出现了。向他们致敬，我很期待他们接下来走向哪里。
49:56–50:19｜说话人未分离
我也是。Justine，今天聊得太棒了，谢谢你。我们谈了很多。我觉得，现在是建立公司的最好时刻；如果你只是对新媒体感兴趣，也可以亲自试试，开始做一些 AI 微短剧。完全同意。我迫不及待想看到未来几个月出现的各种精彩内容。让我们看看接下来会发生什么。谢谢你来节目。太棒了，谢谢邀请我。
来源与核验
- Apple Podcasts：The a16z Show｜本期 track_id：1000778877622；发布时间：2026 年 7 月 29 日 18:00（北京时间）；时长约 51 分钟。
- New Economies：Justine Moore, Partner at a16z｜本期对谈的完整原始页面，包含视频、章节与 官方逐字稿 PDF。a16z feed 使用了同一场对谈的 cross-post 标题。
- a16z：Justine Moore 官方个人页｜职位、投资方向、经历与头像来源。
说明：正文中的市场规模、观看量、成本与质量比例等数字，均按对谈者在节目中的表述整理；它们是访谈中的观点或案例，不等同于本篇另行审计的行业统计。
Comments
Sign in to comment.