先发不是护城河
先发能解决冷启动和类别心智，但长期价值取决于用户是否持续得到结果、团队是否能迭代和商业化是否能跟上。
原文讲解：一场从“商业模式常识”走到“垂直 Agent”的创业复盘
以下先按照节目自己的推进，把主持人问了什么、陈冕怎样回答、故事怎样从一段经历转到下一段讲清楚。这里先复述材料，不把本文的分析结论提前塞回嘉宾口中。
| 时间 | 原文阶段 | 这一段在回答什么问题 |
|---|---|---|
| 00:00–00:25 | 个人履历与商业模式教训 | 十年频繁换工作，究竟留下了什么能力？ |
| 00:25–00:36 | AI 机会与方向选择 | 为什么把 AI 看成“智能化”，又为什么不做大模型？ |
| 00:36–00:52 | Liblib 的补贴战与现金危机 | 第一代产品怎样赢了竞争，却差点死于现金流和牌照？ |
| 00:52–01:07 | 从第一代产品到 Lovart | 为什么要从专业工具转向画布、对话框和 Agent？ |
| 01:07–01:25 | 垂直 Agent 的中局与组织 | 通用 Agent、垂直 Agent、商业模式和团队怎样分工？ |
| 01:25–01:45 | 奖励、漂泊与成功定义 | 创业者为什么愿意承受痛苦，以及他认为怎样才算成功？ |
一、开场先给出“极端反差”：刚刚赢了竞争，下一秒却只剩下 4000 元
节目一开始没有从产品功能讲起，而是先把陈冕在创业两年里经历的情绪峰谷抛出来：第一代产品在 2023 年的图像生成应用竞争中取得了很强的访问量和用户位置，随后因为没有完成相应备案而被下架；竞争对手也一起消失，但公司的钱几乎烧光了，团队从五六十人迅速缩到三十人左右，后面又继续缩减。到 2024 年春天，公司账上的现金只剩下约 4000 元。
陈冕并不把这段经历解释成“战略全错”。他的复盘是：方向、产品形态和竞争判断没有错，错的是第一次创业时没有现金流管理经验，也没有形成融资节奏的判断。他认为自己知道为什么会走到这个局面，所以没有把“公司快没钱了”直接等同于“这家公司没有价值”；在他看来，产品的用户、收入和商业化路径已经接近 break-even，只是现金时间表先断了。
这也解释了他后来为什么把时机和节奏说得很重：好的节奏出现时要抓住并扩大成果，同时为坏节奏留下足够的现金、牌照和组织冗余。主持人不断追问“为什么要打补贴战”，陈冕的回答很直接：如果不打，竞争对手会先占住市场；但打赢并不代表公司就安全，因为竞争胜负、合规许可、获客成本和现金流是四个不同的问题。
二、十年移动互联网经历：从摩拜、每日优鲜和字节学到的不是履历，而是商业模式的边界
陈冕从 2014 年毕业前后的腾讯、360 实习讲起：他经历了 QQ 空间从 PC 互联网尾部到移动互联网起点的过渡，随后在 360、滴滴、摩拜、百度、美团、每日优鲜、字节和剪映之间移动。主持人把这段经历称为“不断跳槽”，陈冕则试图为它找到另一种解释：他看过很多行业在高光时刻怎样打仗，也看过战斗结束之后怎样出现一地鸡毛。
摩拜是他第一个讲得很具体的反例。当年单量看起来巨大，但免费或低价骑行、车辆供给成本和运维成本被增长叙事遮住了。若要在有限供给和真实成本下 break-even，用户价格必须上升，车辆数量会下降，低客单价与低毛利率又限制了规模。于是“订单很大”不等于“这是一个可以独立生存的好生意”。他把这个教训进一步推广到第二曲线：如果第一业务不能产生现金，公司就很难靠它去养第二、第三业务。
每日优鲜让他看见另一个问题：互联网工具可以提升获客和运营，但很难凭空把一个重线下、低毛利的零售生意变成高毛利平台。供应链、损耗、仓储和履约仍然在现实世界里发生，算法不能自动消除这些成本。于是他逐渐确认自己更适合纯线上、人才密度高、鼓励产品创新的组织，而不是需要大量执行、纪律和线下管理的业务。
字节的瓜瓜龙和剪映又给了他正向样本：从 0 到 1 做出产品、在快速反馈中验证判断，以及在业务遭遇“双减”后转到剪映。这里的关键不是“成功项目证明他很强”，而是他通过多个成败样本知道了自己喜欢什么、哪些商业模式不适合自己，以及什么样的组织文化能让他的产品直觉发挥作用。
三、AI 为什么被他理解成“智能化”：不是移动互联网的延长线
进入 AI 话题时，陈冕先否定了一个类比：AI 不只是把互联网和电脑搬到更小的手机里。移动互联网主要是场景扩展和基础设施普及，而 AI 在他的理解里更像给电脑这个信息处理设备增加了智能。因而，“信息化”与“智能化”对应的是两次更底层的变化，不能只用移动互联网的产品范式去推演。
他因此在 2022 年底看到 GPT、Stable Diffusion 和 Midjourney 后，产生了“必须创业”的判断，但又明确不做基础模型。他把 1980 年代电脑的发展拿来类比：操作系统需要顶尖科学家和基础设施公司，自己更适合做应用；而应用会沿着文字、图像、视频、搜索、社交和泛娱乐等方向逐步出现。作为产品经理出身的创业者，他希望避开大模型的主航道，去寻找模型之外仍然稀缺的数据、模板、素材、工作流程和垂类交互。
第一代产品 Liblib 的差异化在素材和模板：模板汇集了人类创作，能帮助用户把模型能力变成可用作品；第二代 Lovart 则把差异化放到界面和过程上——画布、对话框、工具箱和可编辑结果，让它更像用户在和设计师协作，而不是只和一个聊天机器人说话。这里的“设计”并不只是图片，陈冕把更大的方向称为创作，因为图像只是当前成熟得更早的一种模态。
四、Liblib 的三个月战斗：为什么赢了竞争，却没有赢得生存时间
创业初期，公司在 2023 年 5 月离职、6 月开始全力投入，市场上很快出现十个相似产品。陈冕把它描述成补贴作者、补贴用户、争夺流量和 GPU 的战斗：对手弹药更多，所以自己不仅要烧钱，还要烧得更有效率、更有策略，并利用先发积累的用户优势。
节目给出的数字都是嘉宾口述，且不同追问中出现 200 多万、300 多万美元等不同说法。稳定的叙事是：公司最初拿到约 400 万美元资金，数月内大量消耗在补贴、GPU、较大的团队和较高的人力成本上；产品后来达到很高的访问量和月活，但在 2023 年 9 月下架。下架后，用户、团队、牌照、投资人和现金同时成为问题。
陈冕把融资失败也讲得很具体：从 2023 年 9 月到 2024 年初，他每天见三四拨投资人，常常要连续讲五六个小时；投资人担心产品没有牌照、用户是否会回来，甚至在已经知道产品下架的情况下重复追问“为什么还没上架”。在他看来，市场时机很差时，同一件事会被解释成风险；等牌照、收入和用户回来，融资又会在很短时间内连续发生。
2024 年，公司在牌照恢复、商业化收入上升和用户回流后，约两三个月确定了三轮融资，合计超过 2000 万美元。陈冕把“该融的时候不融、不该融的时候到处找也没人投”视为第一次创业最实在的课程。第一代产品并非没有能力，问题在于它只被最愿意学习 AI 的那批设计师使用，门槛高、产品化程度不够，无法把 AI 渗透到更大范围的用户。
五、Lovart 的形态怎样出现：从 Workflow 退回到让 AI 自己规划
第一代产品能把复杂模型和素材拼到一起，但需要用户理解很多专业操作。陈冕和团队原本想把这些能力拆成节点，让设计师在画布上自己搭 Workflow；实践中却发现设计师往往按感觉工作，不愿先把感觉翻译成逻辑流程。这样做会把一个本来应该降低门槛的产品，重新变成需要学习流程编排的工具。
2024 年下半年，他们开始准备画布；到 2024 年底，随着 Claude 3.5 等模型的 Agentic 能力变强，团队意识到另一个可能：让 AI 替设计师规划流程，设计师只需要表达目标、指出哪里要改，然后在画布上检查和编辑。于是 Lovart 的中间形态被勾勒出来：桌子是画布，人是对话框，工具箱负责可操作能力，Agent 负责把意图变成连续动作。
Manus 的出现让这个判断变得紧迫，但陈冕并不想和通用 Agent 争“第一个”。他的策略是承认通用 Agent 应该占据通用入口，同时抢做创作领域的第一个垂直 Agent。他把 Cursor 看成更早的垂直 Agent 样本：不是所有人都需要一个通用系统，领域用户会因为更深的工具、数据、交互和心智而直接访问一个垂直产品。
Lovart 的冷启动因此分成产品和传播两层：产品还没有准备好完整商业化，所以先用邀请码和 waitlist 控制免费成本；传播则借助全球发布、社交媒体和“设计 Agent”这个清晰的类别进入公众视野。节目中提到 waitlist 一度接近 12 万到 20 万申请，海外帖子在一夜之间获得很高阅读量，随后又在中国 AI 和设计圈迅速扩散。陈冕强调，这种先发关注解决的是冷启动，不等于产品已经完成 PMF，也不等于用户长期愿意付费。
六、他对 Agent 中局的描述：通用入口可能收敛，垂直深度仍然有位置
陈冕预测，在 AGI 或 ASI 尚未全面到来之前，通用 Agent 和垂直 Agent 可能并存。通用 Agent 像搜索或应用商店，会承接一部分通用需求；垂直 Agent 则保留设计、创作、编码等领域的深度知识、工具和用户心智，并被通用 Agent 调用。若未来一个智能体真的能在所有领域都做到同样深度，垂直产品的必要性才会被重新评估，但他认为那还不是眼前的现实。
这套判断也进入商业模式问题。服务专业设计师时，订阅更自然，因为专业工作者会持续使用工具；若产品直接服务甲方，按员工收费可能不合适，更像按结果、复杂度、工期、模型消耗和产出价值收费。陈冕把这一点说成生产关系改变后的定价变化：客户买的可能不再是一个软件席位，而是一件完成的工作。
组织方面，他认为 AI 时代需要能把行业知识交给模型的人、能把这些知识转成代码和工具的人，以及仍然负责营销、增长和商业化的人。传统产品经理、前端、后端和测试的边界会被重新拆分，但不会意味着所有岗位消失；真正变化的是，产品定义、行业经验和模型操作之间的接口变得更紧密。
七、结尾回到个人：焦虑、奖励和“创造一点不一样的东西”
陈冕不把焦虑当成必须消除的情绪。他说自己需要和焦虑共生，因为焦虑让团队保持敏感、快速判断和执行饥渴；同时，真正让他兴奋的不是晋升、职级或薪资，而是自己预判的产品形态真的被用户接受，尤其是第一代产品和 Lovart 都出现 PMF 趋势的那一刻。
他谈到 2023 年末去高瓴办公室融资的片段：那时已经见了很多投资人、非常疲惫，也没有融到钱，但阳光照进办公室时，他突然意识到自己正在走一条曾经仰望过的创业者道路。这个故事把“失败”从商业结果转成了个人意义：即使最后不成功，参与时代变化、努力创造也已经是他想要的生活。
他把童年频繁迁徙、没有固定故乡、喜欢电脑游戏和金庸小说，连接到自己对创新的理解：既然无法回到一个稳定的原点，就只能继续向前走。最终他对成功的定义不是职级、财富或公司规模，而是创造了一些正向的、让世界稍微不同的东西。给其他创业者的建议则是：进入垂直领域，积累行业知识和数据，全面拥抱 AI，相信模型会继续变强，并在智能还没有完全发生之前提前准备。
原文讲解到这里。下面才进入本文的结构化抽象、证据分层与独立判断。
核心判断：Lovart 的故事不是“押中 Agent”，而是连续修正产品的边界
这期访谈最值得保留的不是“垂直 Agent 会赢”这一句预测，而是陈冕如何把三类不同问题拆开：第一，模型能力是否足够；第二，用户是否能用一个低门槛界面获得结果；第三，公司是否有现金、合规和组织能力活到产品形态成熟。第一代产品在模型和用户兴趣上有先发优势，却在现金流与合规上断裂；第二代产品则试图用 Agent 规划、画布和垂类知识把能力交给更广的用户。
垂直不是换个行业名
垂直 Agent 的差异来自领域数据、工作流、交互和评价器，而不是在通用模型前面加一个“设计”标签。
现金流是产品的一部分
补贴、GPU、牌照、融资和团队规模共同决定产品能否活到下一次模型能力跃迁。
本文的独立抽象应用创业者真正要押注的，不是某个短期产品形态，而是自己能否在形态变化时保留用户问题、领域知识和交付能力。形态可以从素材平台变成画布，再变成 Agent；如果每次转型都把用户结果和组织记忆丢掉，先发优势就只是一段新闻周期。
证据账本：创业者口述、产品现状和本文推断不能混在一起
| 时间段 | 节目主张 | 证据层级 | 阅读时的用法 |
|---|---|---|---|
| 00:05–00:25 | 摩拜、每日优鲜、瓜瓜龙等经历带来的商业模式与组织文化教训。 | 个人回忆 / 访谈解释 | 适合理解创始人的决策框架，不替代公司财务和行业史。 |
| 00:25–00:36 | AI 是比移动互联网更底层的智能化机会，选择多模态创作而非基础模型。 | 嘉宾判断 / 类比推演 | 作为方向选择的理由，不当作已证实的技术历史。 |
| 00:36–00:52 | 补贴战、访问量、烧钱、下架、4000 元现金、融资和牌照。 | 创业者口述，部分数字在追问中有差异 | 可还原决策压力；金额、用户和融资轮次需回到披露核对。 |
| 00:52–01:07 | 第一代产品门槛高，Lovart 用画布、对话框和 Agent 降低使用门槛。 | 产品叙述 + 当时公开产品入口 | 可分析形态演化；不等于长期留存或商业化已被证明。 |
| 01:07–01:45 | 通用/垂直 Agent 关系、组织结构、焦虑与成功定义。 | 预测、价值观与个人叙述 | 作为可检验假设，不把未来路线当成事实。 |
本期 Scripod ASR 没有可靠说话人分离，且口语中有明显同音误识别。本文只在明确的节目结构中使用“陈冕叙述/主持人追问”，不把每个句子强行标给某位说话人。
深度分析：从这期访谈可以看见三条更一般的创业机制
第一，产品形态的“连续变化”必须由一个不变的用户结果牵引
Liblib、Lovart 和未来的创作 Agent 看起来是三种产品，但陈冕一直在追同一个结果：让创作者用更低的学习成本表达和交付作品。第一代把复杂模型、开源/闭源组件、素材和模板拼到一起；第二代把规划工作交给 Agent，把结果放到画布上让人修改。这个判断成立的前提，是用户真正关心的是作品结果和创作效率，而不是某个固定界面。如果用户只把 Lovart 当成一次性生成器，Agent 化并不会自动形成留存。
第二，垂直 Agent 的壁垒是“领域经验进入执行闭环”
领域数据本身并不稀缺，设计素材也可以被复制。更难的是把领域判断变成任务分解、工具选择、过程状态、质量评价和可修改结果。设计师说“感觉不对”时，系统要知道是构图、品牌一致性、文字层级还是叙事方向出了问题，并能让用户指出和修正。Lovart 的画布与对话框因此不只是 UI，而是把模糊意图变成可持续交互的尝试。
第三，创业早期最大的风险不是“做错”，而是把不同类型的错误混成一个错误
陈冕的故事同时包含战略、现金、合规、融资和组织错误。补贴战可能是竞争上正确、现金管理上错误；第一代产品可能是用户价值强、普及性弱；下架可能是合规准备不足、也可能被外部环境放大。若把这些都简化成“应该更谨慎”，就学不到真正的决策结构。更有用的做法是给每个下注配一张账：它解决什么问题、消耗多少现金、需要什么许可、多久能看到反馈、失败后是否还能回滚。
时间边界节目录制和材料叙事处于 2025 年 Lovart 公开传播早期。本文不把后续产品更新、融资或市场结果倒灌回当时的创业判断；外部官网只用来核对产品定位和公开表达。
把访谈转成可执行的产品检查表
- 结果：用户最终拿到的是可发布、可编辑、可复用的作品，还是一堆需要自己整理的中间生成物？
- 门槛：新用户能否用自然语言开始，并在不知道专业术语时仍然得到下一步提示？
- 领域：系统是否真正理解行业素材、模板、规范和审美冲突，而不只是调用更多模型？
- 反馈：用户指出“不要这样”时，系统能否把意见变成下一轮规划，而不是重新从零生成？
- 经济：每个任务的 token、GPU、人工支持和获客成本，是否小于用户愿意支付的结果价值？
- 生存：产品、牌照、现金和融资的最短板在哪里，是否能在坏节奏下坚持至少一个完整反馈周期？
后续怎样证伪或修正这套判断
- 若 Lovart 的长期留存主要来自偶发的视觉惊喜，而不是重复工作流，垂直 Agent 的“持续使用”假说需要收缩。
- 若通用模型通过浏览器和通用工具已能稳定完成大部分设计任务，领域交互和素材数据的独立价值会下降。
- 若画布/对话框只增加了复杂度，却没有降低首次成功时间和返工次数，界面形态的判断就不成立。
- 若按结果收费无法覆盖推理、版权、人工审核和客户沟通成本，面向甲方的结果定价需要重新拆分。
- 若产品增长依赖邀请码和社交传播，却不能转成付费、复购和作品网络，先发心智只是冷启动资产，不是护城河。
证据边界与资料索引
正文以 #103 的 YouTube 节目和公开 Scripod 句级转录为主；录音中的说话人分离不可靠，补贴金额、用户规模、融资估值、ARR、牌照时间和团队变化均按陈冕/主持人在节目中的口述处理。Lovart 与 Liblib 的官方页面只用于核对公开产品定位，不用来证明访谈中的历史数字或未来预测。
- Zhang Xiaojun Podcast #103：Lovart 创始人陈冕：原始视频入口。
- Scripod #103 公开转录页：句级转录与章节入口，页面内容可能更新。
- Lovart 官方 About Us：产品公开定位与公司自述。
- Lovart 官方 ChatCanvas 发布说明：公开发布后的产品表达；不倒推节目录制时的功能状态。
- LiblibAI 官方说明：第一代平台的公开产品入口与定位。
证据顺序：节目原始材料 → 产品/公司一手资料 → 本文分析。本文提供面向未读原文读者的连续讲解，不复刻整期逐字稿。