#Lovart

一个AI应用如何4个月做到3000万美金年收入? 一个AI设计工具,5月内测,7月公测,到9月底,日活跃用户(DAU)就冲到了15-20万,预估年收入(ARR)超过3000万美金。 这家公司叫Lovart,它的创始人陈冕说,增长的秘诀不是信息流投放,而是“把未来会发生的东西提前描绘出来,然后等它发生了。” 这听起来有点玄学,但在技术范式剧烈变革的AI时代,这可能就是唯一的答案。 01 “未来”发生时,你必须在场 2025年5月,Lovart开启内测,DAU维持在一两万的水平。7月底,产品全面开放,DAU迅速涨到8-10万。紧接着,新的多模态大模型“Nano Banana”发布,Lovart因为早已做好产品适配,无缝衔接了模型能力,DAU再次跃升至15-20万。 “我们基本上是一个月上一个台阶。”陈冕说。 收入曲线与用户增长几乎完全同步,从测试期几乎为零,到9月底,ARR突破3000万美金。这一切只用了短短4个月。 惊人的增长背后,是陈冕对AI时代节奏感的精准判断。她认为,AI应用公司并不掌握底层模型的创新能力,增长的核心驱动力,来自于对模型演进方向的“预判”。 “你就得预判模型会有的演化方向,然后你提前把模型成熟后,它对用户交互(interface)的颠覆先描绘出来,等模型ready的那一刻,你就疯狂地秀出来。” Lovart的“Chat Canvas”功能,就是这个方法论最完美的实战案例。 02 实战案例:Chat Canvas的诞生 在Lovart之前,大部分AI设计工具的交互都停留在“对话框”——你输入提示词,AI给你一张图。 但这种方式完全不符合真实的设计工作流。 “你跟一个设计师沟通,你不会只对着他的脸说话。”陈冕打了个比方,“你们一定需要一个屏幕或者桌子去做视觉的对齐,你指着那个视觉产物说我要改这里,我要改那里。” 这个行业痛点显而易见,但为什么没人做?因为在过去,模型根本听不懂这么复杂的需求。对着图片“指指点点”,AI改不准,也理解不了。 但陈冕赌模型的能力一定会进化。 “我们最开始做Lovart的时候,连GPT-4o的图像功能(GPT image one)都还没出来。”但通过与模型公司的交流,她预判到,更强的多模态理解和图像编辑能力,一定是技术演进的下一个方向。 于是,在模型能力还未“Ready”时,Lovart团队就超前提开发了“Chat Canvas”功能——一个允许用户在画布上直接与AI沟通、实现“指哪改哪”的全新交互界面。 后果可想而知。当GPT image one、Nano Banana等一系列支持复杂指令遵循的新模型发布后,整个行业还在研究如何接入API时,Lovart早已万事俱备。 “别人还没来得及做,我们已经上了。”陈冕说。 这种快,不是源于蛮力,而是源于对未来的清晰描绘和提前布局。 03 护城河:比模型更重要的是上下文 当所有应用都能用上同样强大的模型时,新的问题出现了:你的产品凭什么比别人更好? 陈冕的答案是:Context,即上下文。 “其实大家模型都一样,所以谁能收集更多的Context,就意味着谁的体验更好。” 她再次用与真人设计师沟通的场景举例: “如果要为‘晚点’做一个系列海报,一个优秀的设计师首先要理解,‘晚点’是一家什么调性的媒体?它过往的物料是什么风格?它的受众是谁?” 这些信息,就是最关键的Context。一个刚毕业的实习生和一个资深设计总监的差距,本质上就是对这些行业经验、客户偏好等隐性知识的掌握程度。 Lovart正在做的,就是把这套真人设计师的工作流,复刻给AI。 “我们会做一个Context模块。当你输入需求时,我们的小模型会快速思考,然后反问你,可能需要你提供更多信息,比如公司的官网链接、过往的设计图,或者让你从最近流行的几种风格里选一个你的偏好。” 通过多轮交互,Lovart就能逐渐沉淀出每个用户专属的“风格库”和“偏好库”。当这个用户再次创作时,AI就能像一个合作多年的老搭档,快速调取这些Context,交付出更精准、更个性化的结果。 这就是应用层的护城河——当模型能力趋同,数据成为新的壁垒,而最核心的数据,就是用户在真实场景中沉淀下的、独一无二的上下文。 04 赌AI会越来越像“人” 从预判技术趋势,到构建原生交互,再到沉淀核心数据,Lovart的增长飞轮,建立在一个最底层的信念之上。 “我就是赌一件事儿,AI最终会越来越像一个人。”陈冕说。 “所以我们回到与‘人’沟通最自然的方式去设计产品。如果技术发展慢了,那我们可能看起来有点傻。但是,一旦它的速度就是这么快,它就是越来越像人,那我们的产品就越来越强,我们就提前拥有了正确的答案。” 在AI时代,技术的发展曲线陡峭得超乎想象。正如陈冕所说:“你往往在觉得短期可能有点高估它的时候,过两天你就发现,你低估了它。” 4个月,3000万美金年收入,这只是一个开始。真正的壁垒,是在技术浪潮来临前,就已经描绘出未来的蓝图,并坚定地把它造出来。 from 晚点聊 LateTalk 136: Sora新世界 & Lovart 4个月复盘 | 与陈冕聊怎么做垂类Agent|Agent#5
sitin
2个月前
Lovart 是 LiblibAI 为设计师打造的世界上首个专业设计 Agent。别的先不说,Lovart网页的设计还是蛮不错的。 Lovart 能像专业设计师一样思考和执行设计任务,提供高水平的设计方案。基于自然语言交互,用户能快速调整布局、颜色和构图。 Lovart 支持从创意拆解到专业交付的全链路设计,单次能生成多达40张设计成品图。Lovart 是图像生成器,更是设计执行官,引领着设计工具迈向智能化的新阶段。 核心特点 1.全自动化的设计流程: 与传统设计工具(如Canva、Photoshop)或需要人工反复调试提示词(Prompt)的AI生图工具(如Midjourney)不同,Lovart 旨在通过简单的指令(如一句话描述)自动完成从创意生成到最终设计的全过程。 2.专业级的输出质量: 它宣称专门为品牌设计、营销素材等领域进行优化,其输出结果并非简单的图片,而是可直接商用的、符合行业标准的设计作品,如LOGO、海报、包装、社交媒体广告等。 3.多模态输出能力: 不仅能生成图像,还能产出文案(Copywriting),提供完整的设计方案。例如,你让它设计一个咖啡品牌的海报,它既能生成视觉图,也能自动配上吸引人的广告语。 4.“AI Agent”工作流: 这是其最大亮点。它模拟了一个专业设计师的工作流程:理解需求 -> 头脑风暴 -> 草图构思 -> 精细设计 -> 呈现最终稿。你不需要干预中间步骤,它自己会完成这一切。 5.Lovart 的创新之处在于试图将需要多步骤、多专业知识的设计工作完全自动化。它不仅仅是一个“更聪明的AI画图工具”,而是一个旨在替代基础设计工作的虚拟设计师助手。
我最近感觉最能代表接下来一年时间的主流AI产品方向的三个产品:Lovart、Youware、Dia 同样这三个产品的创始人对于 AI 应用下一波爆发的的主要方向 Agents 产品的思考也都足够深刻 如果你也在做产品,强烈推荐看一下这三篇内容 极客公园对Lovart 创始人陈冕的访谈 晚点对 Youware 创始人明超平的访谈 ARC 浏览器创始人昨晚写的 ARC 浏览器复盘文章 我刚看完 晚点对 Youware 创始人明超平的访谈,摘录了一些我觉得重要的内容: 我们不是为了社区而做社区,是希望激发更多创作。它是在构建一个环境——用户行为和创作行为,本质是环境,而非工具决定的。 今天判断一个 AI 产品的价值,也应该看它对它的 token 消耗是在加速还是放缓?它是不是在最大化利用智能红利? 好的公司,必须被一个技术周期里最主流的趋势赋能。就像苹果一直在压榨摩尔定律的极限,字节则是以短视频信息流的形态,把移动互联网的带宽速度和快速增长的移动端用户发挥到了极限。 从最开始追求 token 消耗,到追求 value per token(单个 token 的价值)。 社区则进一步放大了单 token 的价值,当一个 vibe coding 作品被放到社区,不仅能被复用,还能激发其它人的创作和消费。这种指数级的扩散是我们真正关注的杠杆。 很多人在做 coding 的 “摄像头”,Anthropic 一马当先,OpenAI 和 Google Gemini 也跟着卷。但更大的机会,可能在于谁来承接这波新创作者,AI coding 一定也会解锁新的 Snapchat、Instagram、YouTube 和 TikTok。 目前的 AI 产品都太效率导向,这个世界也需要更多元的东西。我们今天在思考这些取舍,我希望工具足够易用、效果足够好,也希望用户在能享受作为人和创作者的创造过程。有趣总是重要的。 这是一个非常初期,但明显在增长的群体。当你看到有人一天能 prompt 500 多次、boost 60 多次,花很久做一个网页时,你知道,这件事开始了。 这时就需要有一个东西点燃普通人的创作欲。点燃的方式,是找到那个有 go viral(病毒传播)潜力的 “神奇品类”,就像 Musical. ly 最早的 “对口型”。 我们团队在这方面有优势(点燃普通人的创作欲):一是我们对内容敏感,能造出一些爆款;二是我们已经在持续观测用户在创作什么,什么内容会传播得更好,所以我们可以更快复制和放大爆款。 我们做的不是 “网站创作” 社区,而是 AI coding 创作,coding 的本质是一种灵活呈现信息的方式,未来 coding 创作还会和多模态结合,出现更多新形态。 一件有意思的事是,YouWare 里很少有擦边内容。人还是会对环境做出反应——你进入一个社区,看到的是创意类作品,还是搞笑段子,还是擦边内容,会直接影响你的后续行为。就像你走进一个图书馆,自然不会大声说话。 Knot 就是 YouWare 的 “奖励模型”,它是用浏览量、推荐值和其它用户的 reaction(YouWare 里其它用户的表情包反馈)算出来的。 你想到的耐心又激进的增长方式是什么?还是 go viral。历史上 viral 过的产品,都有比较明显的特征,无论是品类、还是人群。我们现在觉得可能有两帮人:一是设计师,一是学生。前者是创意驱动、美感驱动,他们有专业能力;后者是时间驱动、活力驱动,他们有破坏性的创造力。 我觉得未来大头应该来自广告,订阅是去摊平 token 成本。如果有能力,我是希望 token 免费。第一阶段是我们充当广告商,knot 激励就是 YouWare 官方付的广告费;第二阶段是我的广告费和三方广告费平摊给作者;第三阶段,纯粹靠三方广告去激励作者就行了。 未来可能会形成一个 Agents 网络,这里有三重网络效应:人和人之间、人和 Agent 之间、Agent 和 Agent 之间。我也理解了为什么 Google 要推 A2A(Agent to Agent 协议),因为未来可能每个人有一个自己的 Agent,它帮你跟几百万 Agent 通讯。这个网络理论上会有巨大价值,一是 Agents 的数量会很多,也就是网络中的节点会很多,而网络价值和节点数的平方成正比。二是 Agent 之间的通讯带宽远超人类。 一个 Agent 的早期用户是谁、沉淀了什么数据。我们现在已经有了几十万个用户任务,每一个任务背后又有 5 到 10 步 planning(规划)数据,这些东西就是经验,是品位、偏好和差异化的能力。 核心价值还是模型提供的,我们是基于自己的场景用好模型。长期看,Agent 能力会是重要壁垒之一。 你如果想颠覆苹果、Google、微软,你就要拿到他们拿不到的上下文。 你过去积累了许多产品经验,你觉得其中最重要的内核是什么?一是用户:你得真的知道用户是怎么用产品的,这必须贴近观察。二是用科学方式做产品,三是以终为始:要基于未来可能发生的事,而非过去已经发生的事推演产品。 自行车竞速中,何时是超车的最好时机?有人会以为是下坡,其实是上坡。这就像做公司,今天大家都太顺了,一直在下坡。但我们一定会遇到上坡。上坡,才是我们真正超车的时候。