最佳消费类创业创意——直到现在才成为可能

cover

摘要

本期节目邀请了 Lightspeed Ventures 合伙人、Anchor 联合创始人 Mike Mignano，深入探讨人工智能如何重塑消费类创业 (Consumer Startup) 格局。Mike 回顾了 Anchor 从社交音频平台转型为播客创作工具的曲折历程，分享了"每周15%增长率"这一生死法则如何迫使团队做出关键转型。他以 Suno 为案例，分析了 AI 如何首次让音乐创作大众化，并指出消费类创业最困难之处在于把握时机与文化脉搏的共振。对话还触及了社交媒体的三个演进阶段——从社交图谱 (Social Graph) 驱动到推荐媒体 (Recommendation Media) 再到 AI 生成内容的未来形态，以及 Sora 所代表的第三阶段对创作者生态的冲击。在分发 (Distribution) 层面，二人讨论了创作者驱动的新型增长策略，以及为何利用中小型网红 (Micro-influencer) 已成为消费类创业的标配。Mike 还分享了他对"品味即护城河" (Taste as a Moat) 的思考，并介绍了他新创立的 AI 教育平台 Obo Labs 的愿景——用 AI 实现高度个性化的学习体验，让人类因人工智能而变得更加智慧。

正文

引言：AI 时代的消费类投资

节目开篇，主持人指出越来越多的投资正在押注那些擅长构建产品的人，并相信他们能通过 AI 发现常人看不到的机会。消费类创业最困难的事情不仅是识别趋势和团队，还在于精准把握时机——预测某个产品何时能与文化产生共振几乎是不可能的。

Mike Mignano 是 Lightspeed Ventures 的合伙人。在加入 Lightspeed 之前，他联合创办了 Anchor——一个于 2019 年被 Spotify 收购的播客平台。在 Lightspeed，Mike 投资了 Neuralink、xAI、Suno 和 Granola 等消费与科技领域的标杆企业。此外，他还联合创办了 Obo Labs，一个 AI 驱动的学习平台。

Anchor 的创业故事

从社交音频到播客创作工具

Mike 回忆道，他与联合创始人 Nir Zicherman 最初并未打算做播客基础设施 (Infrastructure) 公司。2014 至 2015 年间，正值《Serial》和 Grantland 等节目让播客走红，他们开始沉迷于播客，却发现制作播客极其困难。此前他们曾在 Aviary 公司开发了手机照片编辑技术，于是想到：能否为音频和播客做同样的事？

当时 Product Hunt 和 App Store 上铺天盖地都是社交网络，因此他们最初想做"社交版音频"。经历了多次转型 (Pivot) 和几近死亡的时刻后，他们最终找到了方向——打造最简单的播客创作平台：一个移动播客录音棚，只需轻触按钮就能将内容发布到 Spotify 和 Apple Podcasts，并立即开始变现。

平台开放与关闭的周期

主持人指出，2014 年前后正是消费类创业从鼎盛转向生产者 (Prosumer) 和 B2B 的转折点。Mike 认同这一观察，并补充说那个时期社交平台正在整合，分发渠道开始关闭。2008 至 2014 年间消费类创业的爆发源于平台的开放，而随着整合发生、分发渠道收窄，行业便转向了 B2B。

Anchor 的最初愿景与用户现实

Anchor 的最初愿景类似于 Instagram——让用户在一个专属平台上轻松创建和分享音频内容。但经过多次迭代后他们发现：用户愿意在 Anchor 上创作内容，但在收听端，人们更倾向于在 Apple Podcasts 和 Spotify 上收听已有的全部播客，而非切换到一个质量参差不齐的新应用。用户的真实诉求是：帮助我们让内容出现在他们已经习惯使用的平台上。

Suno：AI 大众化音乐创作

从 Instagram 到音乐：内容创作的范式

Mike 将 Suno 的核心理念与 Instagram 进行类比。回顾过去 25 年，照片有相机和手机摄像头降低创作门槛，播客有麦克风，视频有摄像机——唯独音乐从未拥有一种让创作大众化的技术。Suno 的核心论点 (Thesis) 就是：现在有了 AI，人人都能创作音乐。音乐可能是世界上最受欢迎的内容格式，如果人人都能创作，将会发生什么？

从新奇到认真的创作

Suno 成立仅约两年。Mike 坦言，早期很多行为看起来更像是新奇体验 (Novelty)——ChatGPT 刚推出时也是如此。但随着时间推移，越来越多用户开始用 Suno 创作对自己有意义的、认真的作品，真正转变为创作者。

为自己创作音乐的新行为

Mike 观察到一个极其有趣的行为模式：用户用 Suno 创作音乐后自己听。这在其他内容格式中几乎前所未见——人们不会为了自己阅读而写作。这种"为自己创作"的行为模式，可能是 AI 时代独有的新消费形态。

消费类创业为何式微又复兴

B2B 的确定性 vs. 消费的闪电捕获

Mike 认为，AI 出现之前，B2B 和 SaaS 有一套相对明确的操作手册 (Playbook)：找到合适的团队和切入点 (Wedge)，路径相对清晰。而消费类创业一直更像是"瓶中闪电" (Lightning in a Bottle)——你不仅要识别趋势和团队，还要精准把握时机，因为太多东西与文化时刻 (Cultural Moment) 紧密相连，而这几乎无法预测。

在 AI 时代重注消费

Mike 表示，AI 带来了前所未有的新机会和创造可能，因此现在是在任何品类下押注的绝佳时机。Lightspeed 越来越倾向于投资那些擅长构建产品的人，相信他们能通过 AI 发现投资人看不到的机会。

主持人视角：YC 的消费类创业回归

主持人分享道，在最近一期的 YC 批次中，他投资了约六家消费类创业公司，足以组成一个完整板块。但承认这在当前仍然属于少数派。

分发的永恒难题与 AI 时代的机遇

付费模式的新可能

主持人提出了一个分析框架：AI 有望提升用户留存 (Retention)，因为 AI 产品的使用价值更高，用户更愿意付费。目前 AI 产品的月费从 20 美元到 200 美元不等，这意味着某些以前不可行的付费模式现在成为可能。然而，分发 (Distribution) 问题依然存在——这并未改变。

新分发渠道的可能性

Mike 认为随着 AI 的普及，新的分发渠道将会出现。但目前对于 SaaS 产品或纯新消费产品，你仍然需要自己去构建分发，这可以说是最难的事情。

消费分发的"失落艺术"

主持人提到他与 Replica 创始人 Eugenia 的对话——对于消费类创业公司如何招聘增长负责人 (Head of Growth)，Eugenia 表示在西方已经很难找到这样的人才了，他们大多在东欧。消费类分发已成为一门被遗忘的艺术，人们已经忘记了如何构建那种 SR-71 式的高速增长飞轮。

匿名账号与 X 平台的早期验证

Mike 提到 Paul Graham 的一篇随笔 (Essay) 对 Anchor 的存活起到了关键启发作用。当时 Anchor 面临资金枯竭、仅剩三个月运营时间的困境，而利用匿名账号在 X 平台上测试想法、获取早期用户，成为一种低成本试错的方式。

Anchor 的生死法则：每周 15% 增长率

从濒死到重生的转折

Mike 分享了 Anchor 最关键的时刻：公司资金即将耗尽，只剩下三个月的时间。团队向全员坦诚——这个产品不行了。随后他们设定了一条铁律：从现在起，每周必须实现 15% 的周环比增长 (Week-over-Week Growth)，连续三个月。

迫使转型的力量

这条铁律迫使他们挑战所有假设，最终转型到一个他们本不想去的方向——但用户一直在要求的方向。用户说的是："我们喜欢你们的工具，但我们不想把听众拉到你们的平台上。我们希望他们能在已经在听播客的地方听到我们的内容。"

做不可扩展的事

当时 Spotify 和 Apple Podcasts 并没有提供 API，无法自动推送内容。于是 Anchor 搭建了一套流程：当用户在 App 中点击按钮后，背后是真人手动创建 RSS Feed 并提交到 Apple Podcast Store。用户毫不知情，只觉得一键发布非常好用。这正是 Paul Graham 经典理念"做不可扩展的事" (Do Things That Don't Scale) 的生动实践。

过度融资的陷阱

Mike 指出，现在很多创业公司过度融资 (Over-capitalized)，从未感受到那种生存压力。Anchor 当时只有八个人，可以把所有人聚在一个房间里说"如果我们想不出办法就要关门了"。但如果团队规模翻倍或三倍，这种紧迫感就很难建立。不过在 AI 时代，也许小团队仍然是更好的选择——可以把更多资金投入到营销和分发上。

AI 时代的分发实验

GPT Store 的教训

主持人提到 OpenAI 的 GPT Store 尝试，认为这像是一个不太成功的实验。GPT 并不像一个真正的应用，发现机制 (Discovery) 也有问题。但 OpenAI 显然仍在追逐这个机会——与 Spotify 等产品的集成、MCP (Model Context Protocol) 协议等，都暗示着平台化的野心。

Mike 对 MCP 的评价是：生态系统还很混乱，集成勉强能工作。但他预计，当人们不再关注它的时候，六到九个月后它会突然变得非常好用。

大数据集 + LLM 的新消费体验

Mike 指出，当前很多消费类创业项目本质上就是将那些难以获取的大型数据集接入大语言模型 (LLM)。例如 YC 当期批次中的 Nori——它本质上就是将 Apple Health 数据接入 LLM。还有 Dtronic，正在做医疗分诊 (Medical Triage)，拥有训练自海量健康信息和医学研究数据的模型，未来可以想象用户将自己的医疗记录导入并与 AI 对话。

主持人分享了一个亲身经历：他的父亲在餐厅晕倒被送急诊，他用父亲的 Kaiser 账号登录下载了化验报告的 PDF，上传到 ChatGPT，AI 立刻给出了精准解读——甚至比急诊医生还快。当他向医生提出 AI 建议的三个问题时，医生不仅没有反感，反而说"这是个好主意，我们应该检查一下"。这预示着 AI 在健康数据领域有着巨大的分发潜力。

社交媒体的三阶段演进

Mike 将社交媒体的演进划分为三个阶段：

公司构建社交图谱 (Social Graph)，人们互相关注，内容基于你关注的人进行分发。你关注朋友和一些网红，他们发布内容时你就能看到。这种方式相对高效，部分内容与你相关，部分不相关，但总体上行得通。

第二阶段：推荐媒体 (Recommendation Media)

以 TikTok 为代表——平台算法学习你喜欢什么，创作者制作内容，平台根据你的兴趣进行编程式分发。你不再需要关注任何人，算法会自动把最吸引你的内容推到你面前。

第三阶段：AI 生成内容 (AI-Generated Content)

Sora 代表了第三阶段的开端。今天人们还在输入提示词 (Prompt) 生成内容，但很容易想象一个未来：你打开信息流，内容是即时、动态地为你个人生成的，创作者在其中不再是必需品。

Mike 指出，这个阶段既令人兴奋又令人恐惧。当不再需要人类创作者时，人的角色是什么？一种可能是纯粹消费，让模型基于你的兴趣训练；更有趣的可能性是——姓名、肖像和独特性 (Name and Likeness) 的创作、分发和变现。当你在 Sora 上"客串" (Cameo) 某人时，那个人可能获得补偿；品牌也可能以可客串的形式出现。这也许就是社交领域新的分发形态——将某种独特性或人格注入模型，然后通过模型自动分发，无需任何人工创作。

社交媒体的终局？

Mike 坦言，他不确定社交媒体最终会走向何方，也不确定对创业者而言机会在哪里。但他预期 TikTok 和 Instagram 最终也会开始出现纯 AI 生成的内容。我们可能正处于人类创作媒体的第三阶段，也是最后阶段。

Sora 的现状与潜力

主持人指出 Sora 目前 80% 的时间非常令人沮丧——不仅输出质量有待提升，移动应用本身也面临严重的 GPU 扩展 (Scaling) 问题。但它仍然位居 App Store 榜首。Cameo 功能是它爆发的关键，而它在社交图谱方面的投入似乎刻意有限——也许他们认为未来更重要的是"为每个用户编程内容"，而非构建社交关系链。

创作者驱动的分发新策略

从质疑到接受：利用创作者已是标配

Mike 坦言，他几年前对利用创作者 (Creator) 和网红进行分发持否定态度，认为这种方式"不够有机" (Inorganic)。但现在他认为这已经成为消费类创业的标配 (Table Stakes)——几乎所有最优秀的消费类创业公司在路演时都展示了惊人的增长曲线，而它们无一例外都在使用这种策略。

中小型网红：被低估的资产

MrBeast 级别的大网红并不存在价值错配 (Mispriced Asset)，但拥有 1,000 到 10,000 粉丝的中小型创作者仍然是价值被低估的资产。如果你能够召集足够多的这类创作者，就能获得真正的规模。

非付费 ≠ 有机

Mike 澄清了一个概念：很多人称这种增长为"有机增长" (Organic Growth)，但实际上它更准确地说是"非付费增长" (Non-paid Growth)。你仍然在付出代价——时间、精力、或者直接向创作者付费。只是相比传统广告，这种渠道的性价比依然很高。

先有产品市场契合还是先做分发？

主持人问：创始人应该等到产品市场契合 (Product-Market Fit) 或稳定的留存率之后再开始做社交分发吗？Mike 建议，也许可以作为副项目先开一个匿名账号，学习别人如何思考、人们会点击什么。这就像一个后台进程 (Background Process)，日后可以随时调用。通过低风险的方式练习分发技能，在正式发布前就掌握与受众沟通的方法。

电梯演讲的艺术

主持人在 YC 花费大量时间帮助消费类创业者打磨发布策略。核心原则是：在前 10 到 15 秒内让人知道你在做什么，紧接着让他们意识到这件事很酷——值得再聊一分钟。如果能把对话延续到一分钟，就可能发展成 10 到 20 分钟的深入交流，对方可能会试用产品、告诉朋友、甚至投资。这需要敏锐的洞察力、良好的沟通能力，甚至一点幽默感。

品味即护城河？

品味的价值

Mike 提到，大约半年到一年前，行业热议"品味即护城河" (Taste as a Moat)——随着 AI 让产品构建变得更容易，你必须在品味和工艺 (Craft) 上出类拔萃才能脱颖而出。Granola 就是一个很好的例子。

品味能否经得起时间考验？

但 Mike 也提出了质疑：在 AI 实验室 (Lab) 如此激进的当下，品味到底是一种持久资产，还是仅仅能带来先发优势 (First Mover Advantage)？他承认目前尚无定论。每个新版本的模型都在展现越来越强的"大模型气场" (Big Model Energy)——例如 Opus 4.1 就给人一种极其宏大的感觉。

Sora 的警示

Sora 给创业者的警示是：不要以为只要避开 ChatGPT 和 Claude 的核心业务就安全了。Sora 证明了大型实验室同样拥有品味、能力和执行力，可以打造并发布全新的产品——而你可能正在做的东西完全可能被他们碾过。正因如此，你必须拥有品味，必须快速行动，必须敢于进攻，不能坐等时机。

机器尚无品味

Mike 和主持人都认同，目前机器本身还没有品味——这就是为什么评估 (Eval) 如此重要。大多数人在消费场景中仍然是输入提示词，然后努力给终端用户某种体验，这其中仍然存在工艺。但未来会如何，谁也无法确定。

被忽视的机会：大数据集 + AI

重新审视曾被忽视的领域

Mike 强调，现在有巨大的机会去重新审视那些曾经被忽视的领域。例如他们最近投资了一个邮件应用 (Mail App)——这在过去是一个"墓地"类别 (Graveyard Category)，但 AI 赋予了它全新的可能性。类似的情况反复出现：那些在互联网早期或广告时代获得大量投资、后来被行业认为已经"定型"的领域，AI 正在提供彻底重建整个技术栈 (Stack) 的机会。

大数据集的未开发潜力

Mike 鼓励创业者思考：哪些大型数据集——无论是公开可访问的还是个人私有的——如果在其上叠加 LLM、图像模型 (Image Model)、视频模型 (Video Model) 或音乐模型 (Music Model)，能产生有趣的新体验？健康数据只是冰山一角。

个人数据的新消费体验

主持人进一步发散：相机胶卷 (Camera Roll) 里可能蕴藏着巨大的机会。如果 AI 分析你的照片、其中的人物、你去过的地方、地理位置信息，就能构建出全新的消费体验——知道你和谁在一起、你的兴趣爱好、你最喜欢的啤酒品牌等等。

Mike 提到 Foursquare 创始人 Dennis Crowley 最近推出的产品：当你戴上 AirPods，AI 会根据你的地理位置和历史偏好工作——如果你经常在某个地方找好咖啡或玛格丽特酒，当你靠近相关地点时它会直接在你耳边提醒。这说明将个人记忆和信息进行多层次的拆解、运行 AI 处理、创造新消费体验的机会无处不在。

记忆层的创业机会

主持人指出，像 Mem Zero 这样的创业公司正在尝试构建记忆层 (Memory Layer)，但这通常嵌入在他人的应用内。也许存在一个更通用的"全知层"——一个了解用户一切信息的底层技术，各种消费级应用都可以调用它。

Obo Labs：用 AI 革新教育

核心理念：将人工智能投资于人类智能

Mike 介绍了他联合创办的 Obo Labs。其最高理念是：人类已经花费了数十亿甚至数万亿美元来发明人工智能，但如果我们将这些人工智能投资于人类智能 (Human Intelligence) 呢？AI 将成为优秀的导师，但目前还没有人真正为这个场景构建产品。

产品形态

Obo（已在 obo.fyi 上线）可以为任何你想学习的主题自动生成课程，支持播客、长篇讲座等多种格式，还会自动生成学习材料。随着使用深入，它会了解你偏好的学习格式和已有知识，后续的课程将越来越个性化、越来越高效。

从一刀切到高度个性化

当前的教育体系极其一刀切 (One-size-fits-all)——无论是阅读维基百科还是上大学，所有人面对的内容完全相同。AI 提供了一个机会来实现高度个性化 (Personalization) 的教育，而且学得越多，系统越聪明、越高效。终极愿景是：通过 AI 让全人类变得更加智慧。

创业方法论：大海域中的迭代

Mike 总结了他的创业方法论：选择一个存在明显机会的大面积领域 (Large Surface Area)，带着一个方向性的观点 (Point of View) 出发，但你的观点可能是错的——那就不断迭代 (Iterate)。你可能被现实"打脸"，然后调整路线，但北极星 (North Star) 依然不变，只是走了一条不同的路径。

这正是 Anchor 的故事：他们想大众化音频，最初认为是通过社交音频和短语音笔记。不对——那就加更多工具。还不是——那就加 Spotify 分发。在真正有雄心的空间里，朝着某个方向前进，持续迭代找到最佳路径，直到抵达目标。

尾声：Out of Office 播客

Mike 还介绍了他参与的一档播客节目。起初 Lightspeed 像所有风投机构一样做了一档 AI 主题播客，但几个月后他感到厌倦——对话千篇一律。后来在朋友 Samil Shaw 的建议下，他们尝试走出室外录制，模仿 Anthony Bourdain 的《Unknown Parts》或《Comedians in Cars》的风格。观众反响热烈，认为这种形式新颖有趣。如今他们推出了新播客《Out of Office》，即将上线。