对话冯雷：从 AI 播客，到真人感 Agent

当下AI圈几乎每周都有新鲜事发生，这反而给了许多创业公司熬出头的机会。（雷峰网雷峰网雷峰网）

无论是Clawedbot掀起对物理世界交互方式的重构，还是Moltbot上开始讨论AI和人类如何共存的危机感，都在提醒市场：真正的机会往往藏在边缘地带，以及看似微小的‘非共识’时刻。

比如“播客”这个领域，即便有短视频和短剧的大力冲击，但是播客赛道仍旧火热，根据《CPA中文播客白皮书2026》显示，2025年中文播客听众人数已突破1.5亿人，较2023年的1.2亿增长25%。

在大量研究国外对播客的论文文献之后，创始人冯雷决定选择AI播客这条赛道，其创业路径非常清晰：我们的目标不是DAU，而是要做一个赚钱的 AI 产品，专注于 1%-3%以内的创作者，这群人很有创造力，也愿意付费，我们就服务这群人。

“我们就是希望他像一个真人一样，没有太多 AI 表达。尽量有人味，越自然越好。” 冯雷对AI科技评论表示。

作为一家在播客生成领域做到国内头部的公司，ListenHub选择为内容创作者提供声音克隆、多模态编辑、一键生成解说视频等专业工具。

公司去年底实现了300万美金的ARR，并在近期以5000万美金的估值开启新一轮融资。

在成为一名创业者之前，冯雷是Minimax 海螺AI的产品负责人，最广为人知的是他的个人公众号“有机大橘子”，更早期在BOSS直聘、兰亭集势、三星等公司就职就职，从事产品经理相关职位。

在对PMF的理解上，他指出：在传统互联网时代，产品经理的核心任务是"发现需求-验证模型-规模化复制"，流程清晰如流水线；而在AI时代，他坦言这套方法论已经失效——"真的是拿锤子找钉子，而且还真的能找到"。

这种反常识的颠倒，源于大模型作为通用技术的特殊性，因此在招聘时，冯雷也会警惕经验主义者，"3年以上的产品经理容易陷到过去的方法论里"；他坚持定ARR而非DAU目标，也会将产品核心交给工程师和AI本身，信奉Manus那句"less structure, more intelligence"——当技术本身具备涌现能力时，人的任务不是控制，而是守护那1%的灵魂。

在这次对话中，冯雷展现了一个AI创业者的清醒与坦诚。他不讳言对大模型降本论的质疑——"去年大家最大的错误判断就是相信模型降价能带来利润空间"；他也直言当前AI应用公司的困境——"调用Claude的公司利润都很低，ARR只是给Claude交的税"；他甚至略带自嘲地承认"现在的英文模型效果依然不够好，一定程度上影响了海外的 GTM"。

这篇对话记录不仅是对ListenHub成功的复盘，更是为当下AI创业者呈现出的另一个参考样本：

01 关于ListenHub产品现状

AI科技评论：ListenHub目前进展如何？在市面上各种AI产品都在卷DAU的时候，你们怎么选择？

冯雷：去年底我们做到了300万美金的ARR，和豆包相比，它的目标是做中国DAU第一的AI产品，做的是大众生意。但我们的目标是做一个赚钱的AI产品。我们服务的核心人群可能只占全网用户的1%到3%，就是那些有创造力、愿意付费的创作者。我们增加了声音克隆、编辑模式等他们需要的功能，这样与大厂形成正交关系，没有直接竞争。

AI科技评论：既然是给创作者用的工具，为什么选择“AI播客”这个切入点？短视频不是更火吗？

冯雷：播客是一个很神奇的存在。短视频冲击了这么多年，听播客的人不仅没少，反而变多了。这说明它里面有一种不可替代的“深度表达”需求。

ListenHub做到了国内第一，核心特色在于“像人一样自然的表达”。我们不是在做表演，而是在做沟通。现在的AI能把解说视频做得非常有“人味儿”，这种自然感是用户买单的关键。而且，我们正在从音频向视频、PPT拓展，流量池会更大。

AI科技评论：ListenHub的商业模式是一开始就确定的吗？

冯雷：是逐渐在创业过程中探索而来的。最初尝试情感电台方向——AI个性化推送情感故事，支持聊天并按对话收费。但该方向用户付费意愿有限，工具属性反而更易变现，因此自然转向迭代，逐步加入视频、图片、解说等功能。

02 技术路径与产品体验

AI科技评论：你们现在主要使用哪些模型？国内外模型使用的差异性在哪里？

冯雷：我们主要用海外的原生多模态模型。比如把PDF或Youtube视频直接“洗”成一篇高质量的播客稿件，这需要极强的长窗口和多模态理解力。

我们也会用到一些国内的模型，比如Qwen、Minimax、字节（豆包）在中文处理上都不错。但问题出在英文和多语言上。因为我们要出海，服务海外用户和海外华人，所以必须依赖海外模型。

AI科技评论：产品最主要的技术指标是什么？是声音还原度还是文本流畅？

冯雷：分几块：文本方面希望像真人一样，没有太多"AI味"；声音方面越自然越好，保持播客轻松的状态；图片方面要给用户足够信息量，同时精美并符合用户要求。

AI科技评论：让AI"没有人味"是通过提示词工程实现的吗？

冯雷：整体是一套标准的"上下文工程"。前置处理包括各种输入（YouTube、PDF等），基于讲解场景整理核心信息，然后按照播客场景处理。分两步：一是搭架构（像建房搭结构），二是润色表达（像装修和外墙），最终形成好内容：第一，要有信息量、有干货知识性；第二，表达要吸引人，能让人听完（比如3分钟完播率），内容再好没人听也不行；第三，要有内在逻辑，让人听完能改变行为。对创作者来说，还需要节奏、韵律，让粉丝听完想听下一个，这三者要结合。

03 商业模式与创业思考

AI科技评论：现在市场上有做“套壳”集成的（如Manus），也有自研模型的，这两种模式怎么看？

冯雷：如果钱足够，还是会训模型。模型公司追求更高的上限，比如Coding是个大市场，只有自己训模型，在大规模用户下利润率才算得过来。应用公司调用API（如Claude）其实很难有高利润，大部分收入都交给模型厂商了（像交税一样）。

AI科技评论：既然模型成本这么高，前两年说的“模型降价”似乎没有给应用公司带来特别大的成本空间？

冯雷：这可能是去年大家最大的错误判断。 降价发生在模型能力到达阈值之前，那时候模型没那么有用，只能靠降价扩张，或者像OpenAI这样追求超高速覆盖率。但一旦突破阈值（如谷歌的图片模型，一块钱一张图，很贵，不降价都供不应求），顶级模型就变成了商品。

AI科技评论：所以现在做应用必然烧钱？

冯雷：会烧钱，但要合理地烧。不能像互联网时代那样免费换规模。AI时代没有网络效应，必须建立健康的经济模型。

AI科技评论：公司目前融资进展如何？资金可支撑多久？

冯雷：正在推进新一轮融资，上一轮天际投完之后估值达到约2000万美元。Q4 ARR增至300万美元，本轮按5000万美元估值进行融资，年底目标估值1亿美元。

当前资金可支撑两年以上。下一轮融资完成后可支撑五年。

AI科技评论：创业公司资金有限，如何控制成本？

冯雷：主要成本在Token上。我们设定规则：任何创业项目初始预算为1000美元Token费用。若上线一天内耗尽，说明项目有潜力，公司追加投资；若项目走红但成本可控，也不会造成损失。以预算作为约束机制，核心目标是ARR。

该机制自去年10月"任务酒馆"改革后实行。任务公开发布，成员自主认领，独立完成从开发到验证的全流程，预算内API费用实报实销。

但尝试也需要主线和方向。我们的主线是帮助人表达——通过多模态技术增强表达能力。技术与人文结合，目标人群明确（创作者、学生、教师），在此范围内可自由尝试，但需避免偏离核心（如短剧属于表演而非表达，不在范围内）。

04 AI时代的产品方法论

AI科技评论：如果中厂、大厂把TPMF做得很好，纯做PMF的公司会受到冲击吗？

冯雷：训模型的公司普遍开放API，因其自有场景不足，需要用数据持续优化模型。模型公司与我们合作时也会协助微调模型，目标同样是提升模型能力。因此在这一层面，双方利益一致——场景上各取所需，ROI不同，但都希望用数据让模型更强。若模型公司真能覆盖所有场景，便不会开放API。

AI科技评论：AI时代做产品，与过去寻找PMF有何不同？

冯雷：完全不同。过去需求与技术相对确定，产品只需找到连接点，固化workflow，发现盈利路径后迅速规模化，借助网络效应扩张。

AI时代则相反：用户场景与模型训练者的预设往往不一致，因此产品、运营、增长都无法先设定明确目标。例如马卡龙初期专注写作，但模型能力未达预期，方向错误只能放弃。

逻辑是倒置的：先构建通用技术，投入市场验证，发现匹配场景（如PPT高频且有价值），再针对性完善工程。这类似于"拿锤子找钉子"，虽反常识，但通用技术确能找到适配场景。因此我们倾向招募3年以内经验的产品经理，资深者反而易受旧有方法论束缚。

AI科技评论：在MiniMax时的产品思路与现在一致吗？

冯雷：当时尚处Chatbot早期，产品目标是服务模型迭代——获取数据、构建飞轮、提升模型能力，不关注产品数据或营收，只追求技术上限。

当前环境对产品经理挑战更大：技术变量不由产品主导，因此需摒弃 ego。我们公司工程师地位很高，拥有充分决策权。我不会以15年产品经验自居进行指导，而是聚焦目标设定。目标选择至关重要——DAU目标会导致团队动作变形，ARR 目标在前两年都更有效，因其倒逼真实增长与付费转化。

我们正培养工程师的端到端能力：从用户需求验证（工程师直接参与用户社群）、商业模式设计到产品上架，全流程参与。将产品经理培养成全栈成本过高，而将工程师培养成具备产品决策能力的全栈人才更具性价比，这是我们的核心方法论。

AI科技评论：公司当前主线是什么？是否会涉足数字人和陪伴类产品？

冯雷：数字人和陪伴类暂不涉及。完成现有表达类产品后，我们认为智能表达已较为成熟。长期目标是构建Agent——本质上是模拟完整的人。除表达外，还需具备思考能力、意图理解能力和执行能力。表达能力已夯实，现正推进完整Agent的研发。

内部从去年8月开始就已经在开发一款语音交互驱动的桌面 Personal Agent产品，支持语音对话，长期记忆，控制电脑，使用网络。我们将 ListenHub 里积累的真人感的表达理念和技术积累注入到全新的 Agent产品中，力图打造出第一个具有真人感的 Agent。