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。
目前该产品正在紧张的内测中，最早在春节后会跟大家见面。（本文作者长期关注 AI 应用以及创业者故事，欢迎加微信 Who123start 畅聊探讨）
