aigcbar - null

Z Potentials｜ 梁芊荟，从MIT计算审美到华...

type
status
date
slug
summary
tags
category
icon
password
网址
notion image
推荐语
AI shopping 的热度正在升温。
从 完成5000 万美元种子轮融资的Daydream 到 OpenAI、Perplexity，越来越多公司开始把 AI 接入购物链路，让搜索、比价、试穿和购买变得更高效。这些产品大多仍在服务用户已经明确的需求：当我知道自己想买什么，AI 如何帮我更快买到？
而一家总部位于洛杉矶的AI公司，却想切入的是更早的一步：在用户还没搜索商品之前，那个消费意图是如何被种下的？
他们在做AI时代的生活方式消费入口。产品Viba 是一个懂你生活方式的 AI 闺蜜。它不再给用户推网红博主，而是基于用户自身的城市、社交场景和偏好，用 AI 生成以她本人为主角的穿搭灵感，再自然接入真实商品与本地活动。Viba 致力于成为
消费链上最好的需求入口，将深度建模后的用户意图精准分发给供给方。
创始人梁芊荟的背景横跨设计、计算机和消费硬件。她在 MIT 可感城市实验室做计算审美研究——用机器学习量化人对视觉和空间的感知；之后在华为负责旗舰手机影像互动类产品，也带过六七十人规模的项目。CTO 来自字节搜索推荐体系，CMO 曾参与抖音早期增长和小红书最早的商业化。
在本次访谈中，她详细拆解了 Viba 的破局逻辑：AI 如何将消费链路推向需求与供给两端；冷启动为何瞄准具备极强文化破圈能力的拉美裔和亚裔；以及为何放弃纽约，选择从洛杉矶打透北美本地社群。让我们一起走进 Viba 的故事。让我们一起走进 Viba 的故事。
• 我们有个用户说得很贴切：你们治好了我的乳腺癌焦虑，因为小红书上看到的都是颜值很高的别人，但Viba上每天看到的都是美好的自己。
• “AI 时代和移动互联网最大的变化，不再是基于流量和注意力变现逻辑，而是更大的单用户价值——我能真正把一个用户在他生活场景上的意图、他当下的社交角色挖得足够深，从而进行更精准的匹配。”
• “大平台可以抄形式，但抄不走的是：对每一个用户两三个人生阶段、三到五个典型生活场景、以及每个场景下社交角色的深度理解。”
• “无论是电商、内容还是本地生活，AI 时代一定会被极致地推向两端，一端是需求侧——谁能更强地做用户意图建模；另一端是供给侧——如何让 AI 极致化地实现个性生产。
• “AI 时代我们要增强的是人的有限性——有限的线下 24 小时，有限的钱包份额，有限的社交能量，和我能真正在真实世界中面对面接触到的人。这些会越来越值钱。”
• “AI 时代的组织跟以前完全不一样——核心团队高度凝结，外部借力大量超级个体。产品运营同学直接在流水线里调提示词和中间环节，不再是‘需求-算法-测试’那种滞后的瀑布流程。
• “我的人生使命感是去创造快乐和美。所以我做的事情一直围绕如何更好地理解美、如何更好地传播美，让每一个人去享受真实的生活、享受美好的生活方式。这可能是更底层的驱动力，是我自己真的觉得很热爱和兴奋的事情。”
01 从建筑师到计算审美，一个跨界创始人的两条主线
ZP：先请芊荟介绍一下自己。
芊荟：我叫梁芊荟，现在是 Viba 的创始人和 CEO。我自己是一个非常复合的背景——我曾经是一个建筑师，后来在 MIT 读计算机和设计双学位，我们实验室核心在做的就是计算审美（Computational Aesthetics），这是一个很有意思的交叉学科。我们希望通过新的计算和机器学习的方式，把过去没有办法量化的、只能通过定性研究来做的东西变成可计算的，从而辅助更好的决策。
后来延续这个路线，我去华为做了手机影像——就是华为手机的 camera，参与了 P40、Mate 40 等旗舰机发布会的功能。我一直说摄影就像打猎一样，是写在人 DNA 里的，而计算摄影就是能更好地帮普通大众去享受这样一个“心流捕猎”的过程。
ZP：你的背景确实很跨界——MIT 同时读计算机和设计，在可感城市实验室做空间智能研究，又去华为做 AR 社交产品。这些经历之间有没有一条隐藏的主线？
芊荟：对我来讲有两个点。第一，我一直非常感兴趣前沿的新技术怎么真正应用到一个实际行业里去解决大规模的问题。包括为什么我当时会在 MIT 做计算审美这个方向——整体是 2017 到 2019 年那个时间点，计算机视觉和机器学习的发展，让以前大规模图像视觉的计算和更多的定性定量分析有了新的可能。以前我们完全没办法理解的东西——人如何感知美，如何感知空间，如何感知大量视觉化的信息——开始可以找到归因的可能，而且有非常多可以被应用的行业。
后面去华为做计算摄影也是一样的逻辑，希望在这个基础上找到一个最大规模能够在消费级产品上被应用的地方——华为本身有数亿手机的分发量。然后 AR 社交也是，在 2020、2021 年我们提出这个事情的时候还非常早，那会儿都还没有“空间智能”这个概念——就是照相机除了拍照之外，它也能理解空间、理解场景，这让我们有了在所有图像内容之上做更丰富互动的可能。
所以这是我一直以来的一条主线——前沿技术应用到一个真正能大规模触达消费者的领域。
第二点，从个人角度，我的人生使命感是去创造快乐和美。所以我做的事情一直围绕如何更好地理解美、如何更好地传播美，让每一个人去享受真实的生活、享受美好的生活方式。这可能是更底层的驱动力，是我自己真的觉得很热爱和兴奋的事情。
ZP：你在 MIT 做的“计算审美”具体是什么？过去这几年 AI 发展很快，哪方面的技术进步对这件事推动最大？
芊荟：你可以理解为，计算审美就是用图像的算法能力去关联人机交互中人的各种感知输入，从而在大规模训练上有了可能性，也有了更好的归因和分析能力。
计算审美核心还是围绕视觉模态。以前在实验室的时候更多基于 ResNet 那一代深度学习，到现在是 Transformer 架构下的大模型，可以把图像视觉的潜空间做更好的表达，以及更好的归因和推理。我觉得最大的变化在于，以前不同模态是相互独立、分离的，我们更多是用不同模态分别训练之后再跑关联模型，去尝试分析里面的联系。现在整个多模态的新架构能够把更多的输入和输出统一起来。
02 种草不再是制造向往，而是看到更好的自己
ZP：请介绍一下 Viba 的产品定位。
芊荟：在聊 Viba 之前，要先说一下我们的前作 Sceno。Viba 是 2024 年成立的，成立之后最开始先做的是 Vision Pro 上的影像社区产品 Sceno，核心理念是“一张照片，把你带回到拍照地”，现在依然是 Vision Pro 上数据最好的影像社区产品。
我们是在 Sceno 上发现了一件事——围绕一个人的视觉语境，可以非常好地构建对他个性化生活的理解。因为在 Sceno 上，海外用户会分享自己 iPhone 上十多年的相册。我可能从来没有见过他们，但通过相册，我能知道他有什么样的重要关系，经历过人生的什么阶段，平时喜欢去线下什么地方，他是一个什么风格特质的人。
在这个基础上，我们做了现在的 Viba。我们把 Viba 定位成你的生活方式 Agent——本地的、真实生活中的、为你个性化定制的灵感。我们希望每个用户在上面可以看到自己更好、更多面的可能性。通过 Agent 工作流，把你所在城市的本地语境以及你自己的风格结合起来，直接给你上身，让你看到自己在不同生活状态和生活方式下的可能性。
图源：Viba
这背后关联的是真实的商品——用户可以直接下单跳转；也可以像玩奇迹暖暖一样，通过各种互动方式进行混搭和二创。
我们认为 AI 有两个最大的变量。第一，AIGC 能够通过数字化交互的、游戏化的方式去收集用户信号，但它背后真正关联和分发的是真实的资产——商品，也包括真实的线下活动和场地。第二，延续我们在 Sceno 上看到的，视觉语境能极致地建模一个人的个性化——这一定是 AI 时代改变整个电商、改变整个消费的最大变化：从“千人千面”到真正把每个人多面的社交角色都挖掘出来。
ZP：新用户第一次打开 Viba 会经历什么？
芊荟：下载之后，我们会引导你构建自己的虚拟形象，输入风格偏好和兴趣爱好——你是派对女孩还是社交达人，喜欢户外还是有氧。之后我们每天围绕你所在的本地——你的城市、族裔背景、兴趣爱好——推三个不同的活动场景，每个场景下有三种不同风格的穿搭灵感。
图源：Viba
任何一个你喜欢的造型，你可以像玩奇迹暖暖一样调整上衣、下装，也可以上传自己想去的场合照片做新搭配。喜欢的造型收藏到你的 Zine 里面——收藏就是我们的北极星指标。
更关键的是，当收藏行为发生时，我们的 AI Bestie 会主动来了解背后的意图。比如你收藏了一套网球服，她会问你：是不是最近刚开始学网球？打球频率怎么样？这会影响我们接下来给你推的内容——不再只是穿搭，而是真正跟你真实生活关联的灵感。
ZP：从穿搭切入是你们刻意的设计？
芊荟：是的。从 Sceno 上我们看到了通过视觉语境建模一个人的极致个性化，接下来找场景的时候，核心考量是它需要足够高频。穿搭显然是极致高频且强关联商业化的切入点。
而且穿搭和一个人的个性生活方式深度绑定。很多人开始关注运动休闲风是因为开始跑步了，开始穿城市通勤运动风是因为有了户外习惯。在北美市场更关键的是，穿搭背后关联的是身份认同的表达——在这里，表达“我是谁”、“我有多独特”是一件非常重要的事。所以从穿搭切入，再泛化到妆发、配饰，再到本地生活方式，是一条非常自然的链路。
ZP：这类服务于生活方式和穿搭的应用市场上也有一些。Viba 的核心体验差异在哪？
芊荟：我们有个用户说得很贴切--你们治好了我的乳腺焦虑，因为小红书上看到的都是颜值很高的别人，但Viba 上每天看到的都是美好的自己。她可能会下载下来分享到 iMessage 群或者发 Ins 动态，朋友说“这个造型挺适合你的，试试看”，然后她真的照着搭了。线下见面时朋友跟她说“你今天很不一样”——这个时刻是她对 Viba 产生情感投射最强的瞬间。她在真实世界获得了正反馈，就会更加信任 Viba 给的灵感。
我们甚至有男生用户因为用了 Viba 之后去打了耳洞，很多女生去染了完全不一样的发色。更不用说直接买了上面的衣服，或者用家里衣柜的衣服按 Viba 给的灵感做了重新组合。这不是在线上拿点赞，是真实世界里的改变。
图源：viba
ZP：能不能分享一个让你印象最深的用户案例？
芊荟：太多了。最神奇的就是我们有一个男性用户，是旧金山的一个 3D 艺术家，在德州长大。我跟他访谈的时候他说，因为平时希望自己还保留德州那种保守州、能下地干活的状态，穿着一直比较保守。但他在 Viba 上看到了很多更加好玩、更加嬉皮的、很符合旧金山这个城市气质的东西，他觉得好像自己也可以——然后真的去打了耳洞。
还有一个很有意思的——我们内部团队有个同学，她给她老公录了一个档案在上面。她说每天在 Viba 上看自己的“理想老公”，然后尝试用上面的造型改造她的真实老公。她说上面看到的比现实中的老公要好那么一点点，但又觉得这是一个“可改造的娃娃”。这其实也给了我们做闺蜜圈功能的灵感启发。
包括我自己，在 Viba 上也买了很多平时不会穿的裙子，而且还真的照着造型去穿了、去拍了照。
ZP：你们的北极星指标是“收藏”，但收藏在内容产品里历来容易虚高。你们怎么确认它代表真实意图？
芊荟：我们不只看收藏数量，看的是收藏对用户典型生活场景的覆盖度。
我们做的是 18-35 岁用户。这个年龄段的人大概率处于两三个人生阶段，对应两三个社交角色——比如你是学生，同时是谁的亲密伴侣，同时属于哪个社群。在这些角色之上一般有三到五个典型生活场景。我们当下主打三个：约会、短途旅行和音乐节。我们看的是这些场景下覆盖的广度，以及围绕每个场景用户有没有做多种风格的探索——这才代表真实的未来行为意图。
传统内容产品和社区产品非常强调点赞、互动、转发，这些我们不看。我们看重的是：围绕同一个语义信息，用户在不同天、不同次登录中有没有持续探索。这就是我们说的“意图”。
ZP：Viba 未来会变成一个社区产品吗？还是更偏个人化的工具？
芊荟：我们会强调每个用户偏单人体验。但我们接下来会做闺蜜圈功能——因为我们看到很多用户线下本来就是跟朋友一起结伴出行，一起打包行李、一起想怎么美美出片。在美国还有非常多毕业舞会文化、成人礼文化，男女生之间也会相互搭配。所以你可以帮朋友搭，也可以给男朋友搭。
但我们更看重的是这个人的社交语境——你有哪些重要关系，你会因为跟谁去某个场合而改变今天的穿搭。比如我去看音乐会，跟姐妹去和跟男朋友去，穿的肯定不一样。
我们始终相信，AI 时代底层商业价值的变化，是围绕一个人深度建模之后，单用户价值可以做得非常高。 社交是粘性和互动的来源之一，但我们不会走平台型社区的逻辑。
03 审美引擎与意图深度：大平台能抄形式，抄不走对人的理解
ZP：Viba 在技术上有什么核心方案？
芊荟：Viba 背后有两个核心技术组件。
第一个是审美引擎。它是一个基于 Transformer 的 CLIP 模型，训练了服饰搭配、色彩、光影等所有视觉维度。它负责输出“哪些视觉要素组合在一起是好看的”，这也是为什么大家用 Viba 时，每天看到的都是好看的自己。
图源：viba
第二个核心，就是支撑我们AI Bestie体验的场景记忆系统，它负责“认知和决策”。传统的推荐系统，它的“记忆提取、召回、排序、使用”往往是分离的。但 Viba 跑通了一个全新的逻辑：我们把语境（context）、记忆的提取和使用，全部放进了同一个训练循环（training loop）里。
图源：viba
这样一来，系统在面对具体场景时，就能同时学会两件事：“什么细节值得被记住”以及“什么内容最适合用来生成下一步的种草行动”。所以我们的产品才能真正围绕用户在特定场合下的需求，做出一套有场景感的审美决策，就像一个真正懂你的闺蜜一样。
ZP：审美引擎最终是谁来定义“什么是好看的”——数据、算法，还是一个具体的人？
芊荟：最终一定回到用户。
我们的审美引擎完成的是通用性的美——出来的东西是好看的，这是底线。但每个人的个人偏好、在不同场合下想呈现的身份认同，是用户自己的风格偏好决定的。
这也是为什么我们在产品内设计了大量交互方式去捕捉偏好。每天推的三个活动场景里，有你喜欢的风格、有尝新的、有你从没试过的，形成一个探索梯度。用户进入搭配间做的每一次混搭，本质上是一次偏好向量的迁移，会实时影响给他的推荐权重。
所以是一个“底线通用审美 + 个性化偏好学习”的两阶段模型。算法保底线——出来的东西一定不能丑，但真正让用户满意的，是基于他自己的行为和我们构建的语境做的输出。
ZP：过去一年 AI 购物赛道明显在升温——Daydream 拿了融资在做"购物版 Perplexity"，Doji、Phia 在做 AI 试装和比价，大平台也在尝试 AI 试衣和购物助手。
芊荟：先说位置。我们把整个购物消费分为购前、购中和购后。像淘宝、Amazon 这些电商平台核心完成的是购中——当我有明确消费意图时，去完成下单购买。像 Doji、Phia 这些 AI 购物产品更多是在购中和购后环节，通过 AI 试装、多平台比价来提升决策效率。而以前移动互联网时代的小红书、Pinterest 更多完成的是购前——种草，甚至在用户不知道自己想要什么的时候，被品牌方所打造的博主人设带入想象。
Viba 选择的是购前环节的强介入——但跟传统种草不同，我们不是让你看别人的美好生活产生向往，而是围绕你自己的真实生活场景，把消费意图植入你的语境。
从更大的赛道逻辑看，我自己的判断是，无论是电商、内容还是本地生活，回到 AI 时代一定会被极致地推向两端，吃掉绝大多数的中间链条。一端是需求侧——谁能更强地做用户意图建模；另一端是供给侧——如何让 AI 极致化地实现个性生产。Viba 押注的是需求侧。
我认为 AI 时代和移动互联网最大的变化，一定是我们不再是一个基于流量和注意力变现的逻辑，而是更大的单用户价值——我能真正把一个用户在他生活场景上的意图、他当下的社交角色挖得足够深，从而进行更精准的匹配。
ZP：在这个格局里，Viba 的位置和壁垒是什么？
芊荟：我们押注的不是某一个技术功能，而是围绕真实生活场景的意图深度。
种草最核心的就是它一定关联到你的生活场景，而且里面有大量长尾信息可以被挖掘。大平台可以抄形式，但抄不走的是：对每一个用户两三个人生阶段、三到五个典型生活场景、以及每个场景下社交角色的深度理解。我们强化的是围绕特定场合、活动和兴趣爱好这些锚点的种草灵感，以及它所关联的意图。
另一个壁垒是本地语境。我们很快会提供围绕本地的服务能力，真正跟用户产生即时的线下消费和决策关联。这需要深扎每一个城市的社区和品牌网络，不是砸钱能快速复制的。
从最早的穿搭，到妆发、到预订，这一整条链条能吃下来——这是我们从策略上认为能跟大厂拉开身位的地方。
ZP：你提到 a16z 专门布局了 IRL 赛道。为什么真实世界的线下体验在现在这个时间点反而变得更重要了？
芊荟： a16z 专门有一个 IRL（In Real Life，真实生活）的大版图，他们投了很多这个方向的公司，比如 Partiful 这样的活动平台，包括为什么他们现在重点做旧金山和洛杉矶的科技周，也是想把真实生活体验、城市影响力和本地生活的数字化做起来。整个疫情之后，美国线下活动经历了一波非常大的数字化浪潮。
我自己一直非常相信，AI 时代我们要增强的是人的有限性——有限的线下 24 小时，有限的钱包份额，有限的社交能量，和我能真正在真实世界中面对面接触到的人。这些会越来越值钱。 AI 会加速数字世界和社交内无限量的内容膨胀，但我们在美国已经很明显看到——年轻人虽然在 Ins 上还是很活跃，会发动态、在群里聊天，但真正发公开帖子、去拿点赞的行为其实越来越少了。大家越来越在意真实世界中的美好和正反馈。
04 从洛杉矶和迈阿密打透：北美本地社群的增长密码
ZP：你们的冷启动人群选了拉丁裔和韩裔，而不是通常出海团队会选的白人中产。这个选择的逻辑是什么？
芊荟：我们并没有用“他们是不是有高审美”或者“高段位”这样的标签来选冷启动用户。我们看重的是两个东西：强的身份认同表达意愿，和强的文化破圈能力。
比如拉丁裔群体——今年超级碗有非常多拉丁裔歌手直接唱西班牙语，整个 K-pop 在美国火到覆盖整个亚裔群体。我们认为真正的生活方式最终一定是通过文化来引领的——是一群有强个性化表达和强文化引领力的年轻人在塑造潮流。
而且从实际跑下来看，我们真正的粘性用户反而是那些当下不那么完美、但想变得更好的人。 每个女孩都知道自己不是网红，每个女孩在意的是“我比当下的自己好一点、自信一点”。Viba 的标语是：To be comfortable and confident with all of you。
ZP：一个很直接的质疑：这会不会只是一小撮高审美用户的行为，撑不起主流市场？
芊荟：我做这家公司，想的就是亿级用户量的产品。关键在于，我们跟过往移动互联网时代聚焦小众圈层的产品有本质区别。以前的商业逻辑是流量变现、注意力变现，最终你会在流量和核心人群之间做取舍。但 Viba 核心围绕的是每个用户自己。我不需要一个人有很高的审美天赋——我需要的是她对自己的生活有期待、想变得更好。这个人群是极大的。
我们从冷启动人群选的也不是“审美最高”的人，而是“表达力最强、文化破圈能力最强”的人。他们会带动潮流向更广的人群扩散，而不是形成一个封闭的审美圈子。
ZP：你们在增长策略上选了洛杉矶和迈阿密，而不是纽约。这跟大多数出海团队的选择不一样，为什么？
芊荟：早期我们甚至认为纽约会是一个好市...
Loading...

没有找到文章