“大模型未來一定會經歷幾輪大的技術正規化迭代。但比拼商業化能力，是足夠確定的事。”
文｜周鑫雨
編輯｜蘇建勳
來源｜智慧湧現（ID：AIEmergence）
封面來源｜視覺中國
在AI公司“靈感時刻”，監測資料，是一切業務的前提：
只有10個人的北京辦公室，放著一塊顯示屏，員工一抬頭，就能看到即時更新的幾組資料：訂閱成功率，端到端轉化率、一週訂閱使用者數、當日訂閱使用者數。
資料看板的最下方，有著四個地區的時鐘：舊金山、倫敦、巴黎，和北京，對應著公司最關心的幾個市場：北美、歐洲，和中國。
靈感時刻的資料看板。圖源：受訪者提供
將資料的上報和分析細化到分鐘量級，是靈感時刻日常的工作節奏。
CEO康洪文對“智慧湧現”形容，團隊看資料可能比二級市場看股市還要仔細：“有資料才有最佳化。如果你不measure，你永遠不知道需要最佳化什麼。”
“measure資料”帶來的，是快速的商業化進展：靈感時刻成立三個月內，就實現了盈虧平衡；截止2024年底，公司ARR（年經常性收入）達到了近千萬美元，實現盈利。
康洪文透露，靈感時刻的商業模式，主要是來自C端產品的訂閱付費。目前公司的海外ToC產品，是包括文字、語音、圖片創作功能的應用工具，比如可以實現不同國家之間的語言轉化、文字和影片之間的轉化、內容摘要等功能。
造血能力的證明，也為康洪文帶來了融資。“智慧湧現”獲悉，靈感時刻近期完成了千萬級人民幣天使輪融資，投資方包括美元基金Hi2 Capital，以及天使投資人Mike Green、Yipeng Li等。
作為一名AI技術老兵，康洪文20多年的從業生涯，集齊了大廠、創業、高校的複合經歷。
2004年，他在微軟亞洲研究院從事計算機視覺（CV）技術研究，師從沈向洋、湯曉鷗和華先勝，而後在美國卡內基梅隆大學取得博士學位。經歷兩段AI創業後，康洪文隨著公司的收購，出任騰訊PCG（平臺與內容事業群）高階總監。
康洪文。圖源：受訪者提供
ChatGPT爆火後，康洪文看到了大模型帶來的AI新浪潮。在2023年10月，他離開騰訊，再次投身AI創業。
Aha Moment，靈感時刻，最早源於一個心理學術語，形容人頓悟、豁然開朗的一刻——康洪文將這個詞作為了公司的名稱：AhaMomentAI.com。
在大模型浪潮中，他感受到的Aha Moment，是找到“端側算力爆發”和“模型體積下降”之間的交匯點——翻譯成白話，就是將一個體積夠小、效能夠高的模型，部署在終端上。
“兩個趨勢會出現一個交叉點，到達這個點意味著，在單卡上就能執行效能相當不錯的模型。”他對“智慧湧現”解釋，“這一定會帶來創新性的產品形態，解鎖全新的產品體驗和商業模式。”
而到今天，康洪文當初的預判在行業上已經有所印證，比如輕量化端側模型的興起，以及新掀起的AI PC浪潮。
但在康洪文的眼中，理想的大模型落地形態，是以App的形式提供給使用者；封裝了大模型的App，也可以靈活搭載PC、手機、智慧裝置等任何終端硬體上。
搭載了端側模型的AI PC，在康洪文看來，能提供的服務具有侷限性：“AI PC是裝置廠商的視角，AI PC會自帶一些底層和基礎通用能力，AI PC上還是要執行App來服務專業人群的具體場景和需求的。”
他向“智慧湧現”展示了產品的Demo。當3T的圖文、音影片資料，被拖進部署了十多個模型的App中，響應“總結Lady Gaga的相關內容”，App只用了不到1秒——這一處理速度遠快於部署在雲端的大模型。
如今的使用者，對AI的響應速度是敏感的。一個典型的例子是，無論是DeepSeek App，還是最近爆火的Agent產品Manus，“伺服器響應過慢”，都是為人詬病的點。
在AI響應速度的最佳化上，靈感時刻找到的機會是：向C端使用者，提供具有文字、語音、影片創作能力功能的App矩陣。而這些App，都因本地部署了大模型而提高了響應效率。
但將視訊記憶體幾十、幾百G的大模型，塞進幾G的App中，絕非易事。康洪文也對“智慧湧現”坦言：“可能要過兩三年，技術才可能成熟。我相信這個趨勢，同時也在下重注。”
然而，公司管理、業務推進，要求的是儘可能確定。回到2023年，當全行業仍是Scaling Law的信徒，康洪文在公司成立第一天，就做出決定：先做產品和商業化。
成立不到一個月，團隊試水了幾款產品，測試商業化效果。等到2023年12月初，公司從中篩選出了有希望規模化的產品，正式投入市場。2024年一整年，團隊的聚焦點都是實現規模化的盈利。
但對於這幾款產品的名稱和形態，康洪文卻諱莫如深。“我不希望產品過多曝光。”他給出的理由是：“目前的產品都比較過渡態。我希望我們主動釋出的，是一款實現了構想的成熟產品。”
“掙錢真不是件難事。”在經歷了國內外連續創業，和騰訊的商業化考驗後，康洪文說出了一句在當下略顯凡爾賽的話。
但這句話的初衷，不是炫耀，而是展示這背後需要下的苦工夫：對PMF（產品-市場適配度）的精確計算。
靈感時刻只有10名員工，但每個人都接入了一個數據警報器。一旦某一時間內，業務資料出現異常，哪怕在凌晨，對應的負責人也會被電話鈴叫醒，對產品進行分析和最佳化。
“這就是創業的陣痛期，你必須在短期內把商業化做到極致。”康洪文告訴“智慧湧現”。
資料驅動的方法論，則來自前東家騰訊。
在騰訊身上，康洪文直觀地看到了一個數據驅動的團隊，是如何高效工作的：內部的核心產品，光資料指標就有幾百項，不用Leader提醒，員工看到資料反饋，就會自覺對方案進行最佳化。
但在現實中，尋找PMF，對絕大多數技術專業出身的創業者而言，絕非易事。
技術人的創業，很容易重技術、輕產品。等到錘子找到了釘子，往往已經落於人後，錯過了落地和商業化的最佳時機。
在近兩個小時的交流中，康洪文強調的一個詞是“擺脫技術慣性”。
“在CMU，我也很技術，總想著在演算法上做創新。”給康洪文“潑冷水”的，是他當時的導師、CV領域著名科學家金出武雄。
當時，他常常對學生說：“任何來到CMU的學生，技術都沒有問題。這個時候你們反而應該去思考，你要用技術去解決什麼問題。”
康洪文給包括員工在內的許多人，都推薦了金出武雄寫的書，《像外行一樣思考，像專家一樣實踐》：“像外行一樣思考，是讓我們找到‘釘子’，之後就是思考怎麼用工程能力去解決，像專家一樣實踐。”
另一個詞被康洪文多次提及的詞，是“時間點”。
某種程度上，他覺得自己是被時間點眷顧的技術人。在每個前沿技術發軔之時，他都幸運地站在了一線位置。
比如，在微軟亞研院，他幸運地成了中國最早一批能在GPU上做開發的工程師。彼時，康洪文的工作是將AI視覺演算法，整合到微軟的遊戲終端Xbox上。
再比如，2012年，康洪文在CMU的博士專案，是如今的風口：智慧眼鏡。他總結自己的前半職業生涯：從雲、PC到Mobile，幾乎所有的硬體終端形態做了一遍。
後來，他開始創業，“時間點”意味著找市場、找融資的視窗，和先發優勢。
2017年，創業做AI影片剪輯應用那會兒，康洪文在媒體訪談中被問到“如何應對BAT的競爭”，他的回答是：做得足夠早。他告訴“智慧湧現”：“回過頭看，這個回答太對了！沒過一年，短影片爆火，你能想到的大廠都下場做了！”
這段經歷，讓他對當下最火的“概念”，都保持冷靜。“你不能瞄著目標現在的位置，你要去瞄準他未來會出現的位置。”他將創業描述為“打一塊會移動的靶”，“創業不是做當下的事，是做未來的事。其中的時間差在未來會轉化成你的壁壘。”
回到2023年，他對大模型的爆火，做了兩個判斷：
一個是基於他對技術的把握。“大模型都還比較早期，未來一定會經歷幾輪大的技術正規化迭代。”
另一個，則是基於他對市場的理解。“到24年、25年，資本和市場都會冷靜下來，一定會迴歸理性去看你的產品、你的商業化。我們在2023年要做的，就是為2025年做準備，在商業化上先和其他公司拉開差距。”
作為一名技術人，康洪文對未能直接親身參與2023年的模型預訓練浪潮，也抱有一絲遺憾。在對話中，他提到了梁文鋒，“他是仍然在一線寫程式碼的人”。
“智慧湧現”見到他那天，康洪文的顯示屏上，還放著一份幾十頁的DeepSeek技術分析PPT。
但作為一名CEO，他需要做出取捨，足夠聚焦。如今，商業化的初步成功，為“將大模型封裝進App中”的野心，爭取到了一些時間。
康洪文告訴“智慧湧現”：“如果產品和商業化現在就取得突破，那麼我們就有耐心等到技術路線穩定的那天，到時，我們可以直接用最成熟的技術路線。”
