見到伏英娜的時候,她剛剛參加完“2014全球創(chuàng)業(yè)周”后不久。在那個匯集了世界各地10000多名創(chuàng)業(yè)者和投資人的活動上,伏英娜一鳴驚人,她向全世界展示了圖片社交應(yīng)用哈圖,并帶來顛覆式的創(chuàng)新理念。
伏英娜在微軟總部工作時購買數(shù)據(jù)建立了自己的數(shù)學(xué)模型,分析結(jié)果顯示最有價值的應(yīng)用類別是:游戲、工具和社交,這三個類別各有優(yōu)勢和劣勢。
“游戲類APP的優(yōu)勢是變現(xiàn)能力強,但生命周期短且不可復(fù)制;而工具類APP則是滿足剛需而存在,比如魔漫、臉萌等,他們具備一定引爆特性和使用頻次;社交類APP的優(yōu)勢則是活躍度和粘性,價值最高,但劣勢是冷啟動。”
在總結(jié)這三種類別的優(yōu)缺點后,伏英娜認(rèn)為她可以做出一款將三者優(yōu)勢結(jié)合的產(chǎn)品,于是誕生了圖片社交應(yīng)用哈圖。
最令伏英娜自豪的是,哈圖不是一款復(fù)制產(chǎn)品,是全球獨一無二的創(chuàng)新應(yīng)用。“我在微軟總部的時候很不爽,每次提到一家中國的互聯(lián)網(wǎng)公司,他們都說 facebook in china, google in china,而哈圖的創(chuàng)意在硅谷則受到很大認(rèn)可,許多硅谷的朋友表示想?yún)⑴c到哈圖的項目中來。”
當(dāng)然,伏英娜認(rèn)為哈圖的本質(zhì)還是一款社交應(yīng)用。
“社交APP的優(yōu)勢是活躍度與粘性,一個產(chǎn)品一旦建立起社群,就形成了自增長的系統(tǒng),就像貝索斯的飛輪理論。”伏英娜說。
所謂飛輪效應(yīng)指為了使靜止的飛輪轉(zhuǎn)動起來,一開始你必須使很大的力氣,一圈一圈反復(fù)地推,每轉(zhuǎn)一圈都很費力,但是每一圈的努力都不會白費,飛輪會轉(zhuǎn)動得越來越快。達(dá)到某一臨界點后,飛輪的重力和沖力會成為推動力的一部分。這時,你無須再費更大的力氣,飛輪依舊會快速轉(zhuǎn)動,而且不停地轉(zhuǎn)動。
在貝索斯的理論里,通過自增長帶來正反饋,最終形成良性循環(huán),伏英娜認(rèn)為飛輪效應(yīng)同樣適用于圖片社交。“人與人之間的本質(zhì)是identity,不止是身份,更多是自我表達(dá),與陌生人社交和熟人社交不一樣,我更關(guān)注的是興趣引發(fā)的社交,我喜歡滑雪,所以我有一群滑雪朋友,我正在創(chuàng)業(yè),所以我有很多同在創(chuàng)業(yè)路上的朋友,我想通過基于圖片背后的興趣圖譜,把用戶連接起來。最終形成正循環(huán)。”
伏英娜要打造的正是一個基于圖片的生態(tài)系統(tǒng),這是一個很大的想法。
實際上,在社群沒有達(dá)到足夠規(guī)模、沒有足夠種子用戶的時候很難迅速擴(kuò)張和引爆,即使微信4.0之前也未形成規(guī)模式增長。這是因為社交產(chǎn)品有一個冷啟動過程,這也是社交應(yīng)用的劣勢。
哈圖如何突破這一點?為什么伏英娜能夠?qū)崿F(xiàn)圖片生態(tài)系統(tǒng)構(gòu)想?
“小米雷軍為什么能成功?因為他一開始就想清楚了商業(yè)模式,一開始的戰(zhàn)略方向就定好了,在實施的過程中,戰(zhàn)術(shù)不斷調(diào)整。我對我們的商業(yè)模式也想得非常清晰,未來我們在影視、動漫和游戲上會有很大的可以想象的結(jié)合空間。”伏英娜說。
在溝通的整個過程中,伏英娜的個性非常鮮明,她自己也坦承個性不一般,“我是90后心態(tài),我喜歡科幻,哈圖也是基于這樣的興趣誕生。如果為了錢而創(chuàng)業(yè),成功的幾率很小,但如果是興趣,成功的幾率就很大。”
伏英娜認(rèn)為,好的產(chǎn)品有情感依托,傳遞something,引起用戶共鳴,有靈魂。哈圖的靈魂是科幻,傳遞的是歡樂和創(chuàng)意。“當(dāng)今中國不缺乏想象力,以90后為代表的群體,創(chuàng)造了火星文,創(chuàng)造了彈幕,個性化毫無疑問將是趨勢。”
在移動互聯(lián)網(wǎng)大潮的背景下,常常有人會問,BAT之后,值得我們期待的會是一家什么樣的企業(yè)?或許哈圖就是答案。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。