编者按:本文来自一位生成式 AI 早期创业者的八年复盘。在 GPT 尚未出现的 2018 年,他创立了 Rosebud AI,围绕「让创作像玩游戏一样简单」这一目标,连续推出包括 TokkingHeads 在内的多款 AI 创意工具。在模型能力尚不成熟的阶段,这些产品通过设计流程与交互,放大「将就但好用」的体验,完成了早期用户增长与产品验证。
这段经历,几乎覆盖了生成式 AI 从「合成媒体」到通用能力基础设施的完整演进周期:从 CycleGAN、StyleGAN 的实验性探索,到 GPT-4 打开代码生成与交互式创作的边界,技术进步不断重写产品逻辑与创业节奏。作者的路径也折射出一个更清晰的结构变化——当模型成为变量,真正的分水岭不再只是技术本身,而是如何围绕其构建产品、分发与商业化。
在卸任 CEO 并加入 a16tz 后,作者将转向投资前沿模型栈与相关基础设施。但比个体路径更重要的是,这八年的经验指向一个正在成形的趋势:生成式 AI 的第一阶段(证明能做什么)正在结束,接下来是更长周期的竞争,将围绕能力如何被组织、被产品化,以及最终进入真实世界展开。
以下为原文:
我已加入 a16z,担任合伙人,专注于基础设施和 AI 方向的投资。同时,在执掌 Rosebud AI 8 年后,我也将卸任 CEO 一职。
下面是我对这 8 年的一些回顾与反思。对于当下仍在一线构建的人,我怀有极大的敬意。一次模型的发布,可能吞掉你原本的产品路线图,也可能把它整体提前数年。设计、产品、工程——这些职能的形态,与 3 个月前相比都已发生变化,更不用说与 8 年前相比。技术进步的速度,让这个时代成为最令人兴奋的创业时刻,同时也最具挑战。
在 a16z,我将重点关注前沿模型栈(frontier model stack):包括模型本身,以及围绕模型构建的基础设施与开发工具。我对模型能力的快速演进感到兴奋——越来越多的进展正由 AI 本身驱动。同时,我也看好 AI 在数学与科学领域所带来的突破。此外,由于过去 8 年一直在打造 AI 创意工具,我对这一方向始终抱有特别的兴趣。
在此之前,我也以天使投资人的身份参与过一些种子轮投资,包括 @fal、@periodiclabs、@SakanaAILabs 和 @ExaAILabs。接下来,我很期待能将全部精力投入到支持那些正在构建这一技术栈的创始人身上。
2018:在 GPT 出现之前,押注生成式 AI。
在生成式 AI 领域做一家创业公司,8 年是一段相当漫长的时间。
我从 2018 年末开始,那几乎还是一个「上古时代」,当时这个领域还被称为「合成媒体(synthetic media)」。我在摆弄 CycleGAN 和 StyleGAN,它们生成的内容既奇异又迷人,让我相信:有一天,创作会像玩游戏里的建造模式一样轻盈自如(「rosebud」这个名字也正是来自 The Sims 模拟人生)。
创作在最理想的状态下应该是一种玩耍。而生成式 AI 最早的微光,让我相信,这种「像玩一样的创作体验」可以扩展到更多创作形式中。我开始畅想,生成式 AI 会如何重塑电子游戏(比如我在 2018 年基于《Myst》画面训练的那段 CycleGAN 视频)。
转眼 8 年过去,如今我们已经可以通过一句提示词生成视频、游戏甚至音乐。那个曾经想象中的未来,终于到来——而这还只是开始。
回头看,我之所以能在这么早阶段就形成如此强烈的信念,或许是因为我的人生一直处在技术与艺术的交叉点:一边是数学和深度学习的博士背景,一边是舞蹈和音乐的艺术热情。生成式 AI 的创业恰恰需要两者兼备:技术背景让我看见了正在到来的东西,艺术倾向让我迫不及待地想把它建出来。
创业的旅程总比想象中更长、更艰难。找到一件你近乎非理性地相信的事,才能最大化坚持下去的概率。
2018—2023 年:用"将就好用"打动用户
第三款 iOS 应用 Tokkingheads 界面截图。早期生成式 AI 的核心是设计简洁流程并主动拥抱产品的粗糙感
这一路走来,我们发布了大量产品,目的是磨练对前沿模型能力的直觉,并学会将其包装成能掩盖早期缺陷的魔法体验。那个阶段我领悟到:当模型输出远未完美时,你可以设计出让用户快速迭代、快速反馈的消费级体验。用户挑剔,但不脆弱——用将就好用打动他们就够了。
到第三款移动应用时,我们积累了足够的认知,让 Tokkingheads 实现了自然增长的病毒式传播,数周内用户突破 200 万。下一个关键教训随之而来:作为创始人,你必须清楚什么样的产品形态能让自己长期保持动力。Tokkingheads 本可以走向刷屏爆款的路,但我不确定那是不是把这种创作魔法发展成更完整产品的正确土壤,而那个更完整的产品,才是我真正想要的。
于是我们继续迭代。我们做过 AI 生成图库照片、NFT 配套的 AI 艺术(是的......我天真地以为作品质量才是关键,结果发现真正重要的技能是炒作投机),以及 AI 游戏素材生成工具。每一款产品都教会了我一些具体的东西:用户愿意为什么付费,模型又在以多快的速度改进。夹在这些项目之间的,还有一场全球大流行病,以及硅谷银行与第一共和银行挤兑风波——这些提醒我学会感恩。能够继续构建,本身就是一种特权。
2023 年:代码生成走向成熟
代码生成终于足够好用,时机成熟,可以为非技术创作者打造游戏工具了。GPT-4 发布之后,那个未来变得具体可感。2023 年 3 月,我向团队分享了一份备忘录,并用下面的原型拼凑出 Rosebud 文字转游戏功能的最初版本。
2023 年 3 月 23 日推文截图。我使用 GPT-4 学习 Three.js,结合 Rosebud 生成式 AI 生成天空盒,演示通过文字召唤 3D 场景的早期原型
2023 年初,作者写给团队的内部备忘录,记录代码生成能力突破后的产品判断。这封内部信的核心判断是:AI 正处于一个将决定未来数十年的关键窗口期,而接下来的两年将成为高度激烈的竞争阶段,节奏快、强度高、淘汰明确。公司将全力投入这场「冲刺」,只适合那些具备强烈内在驱动力、愿意承受高压并长期投入的人参与——因为这不仅是一段工作经历,更是一次可能改变个人职业轨迹的历史性机会。
2026 年及以后:你能打造哪些实验室不愿做的东西?
图:演示视频——作者通过提示词在浏览器端搭建 3D 城市模拟游戏
做游戏,需要同时调动创意直觉与技术能力。生成式 AI 是让游戏创作本身变成一种玩耍的关键——无论是图像、视频、世界模型还是代码方面的任何模型进步,都会被立即吸收转化。游戏的商业模式也最有可能留在前沿实验室的视野盲区之外:核心变现路径依然是玩家付费,而建立玩家侧的分发体系,对于奔着 AGI 全速冲刺的实验室来说,似乎是一条过于迂回的支线任务。对于创始人而言,选择构建什么,永远是一场在实验室关键路径之外寻找空间的持续博弈。
Rosebud 势头正旺。我们有机地积累起一批规模庞大、高度活跃的创作者社区。我会怀念在 Discord 上与创作者的闲聊,以及每天处理用户支持邮件的日子(一个愿意投诉的用户,一定是真的在乎你的产品)。下一阶段的重心是扩大玩家端的分发规模,因此现在正是将接力棒交给一直并肩作战的队友的好时机。
祝贺 @glazworks 接任 Rosebud 新任 CEO!他身上罕见地兼备机器学习天赋与产品审美。
Martin Casado(马丁·卡萨多)和 a16z 团队全程陪伴了 Rosebud 的成长。我和 Martin 有过一次关键对话,讨论 JavaScript 是否是 Rosebud 游戏的正确技术栈——选 Unity 或 Roblox 或许更热门,但 JavaScript 的代码生成改进速度要快得多,因为训练数据的可及性更高。这支团队追求真相,愿意押注能够带来更多建设者的赌注。这是走向理想未来的路径:我们必须构建,我们必须创新。
期待从桌子的另一边与大家继续共事。私信随时开放。
