在 AI 大模型競(jìng)速算力、通用助手不斷內(nèi)卷的 2025 年，躍界 AI 更關(guān)心的并不是“誰(shuí)跑得最快”，而是：誰(shuí)走得更穩(wěn)，誰(shuí)正在探索更前沿、更具更新意義的方向。

在我們看來(lái)，真正具有長(zhǎng)期價(jià)值的創(chuàng)新，往往不發(fā)生在最喧鬧的主航道，而是誕生于那些對(duì)技術(shù)理解更深、對(duì)用戶需求更敏感的細(xì)分場(chǎng)景之中。正因如此，躍界 AI 將目光投向了一條看似“非主流”、卻高度垂直的路徑——北美市場(chǎng)的“乙女”與“同人”文化深水區(qū)。

這里聚集著大量對(duì)情感、敘事與角色關(guān)系高度敏感的用戶。他們?cè)谝饨巧欠?OOC，在意微妙的情感張力，更在意創(chuàng)作是否被真正理解。對(duì)這一群體而言，通用大模型往往高效卻缺乏共感，難以回應(yīng)其復(fù)雜而細(xì)膩的創(chuàng)作需求。

這一次，躍界 AI 采訪了 00 后創(chuàng)業(yè)者一番（丁振軒），以及他所帶領(lǐng)的 Vaniloom 團(tuán)隊(duì)。他們以“Fans building for fans”為出發(fā)點(diǎn)，嘗試用更貼近圈層語(yǔ)境的方式，探索 AI 在情感向內(nèi)容與亞文化創(chuàng)作中的全新可能。

丁振軒是一位 00年創(chuàng)業(yè)者，曾就讀于北京第二外國(guó)語(yǔ)學(xué)院漫畫(huà)方向、后赴日本熊本大學(xué)研究漫畫(huà)并中退創(chuàng)業(yè)，他曾一手打造出兩周裂變2萬(wàn)用戶，付費(fèi)率高達(dá)93%的女性向web產(chǎn)品"GaGaDuck"。這一次，他和他的 6人團(tuán)隊(duì)，帶著“Fans building for fans”的宣言，試圖回答一個(gè)終極問(wèn)題：當(dāng) AI不僅能寫(xiě)文，還能記住你的喜好、懂得你的“搞嗑點(diǎn)”時(shí)，人類是在創(chuàng)作，還是在享受一場(chǎng)無(wú)需門檻的極致消費(fèi)？

受訪者：丁振軒采訪人：銀河少女阿籬
01. 商業(yè)的B面：為何偏航向“女性向”與“冷圈”？

躍界AI：首先好奇的是，你為什么選中了乙女和同人這個(gè)市場(chǎng)？不管是在北美還是哪里，為什么切入AI賽道時(shí)對(duì)準(zhǔn)了這個(gè)領(lǐng)域？

丁振軒：這是一個(gè)非常理性的商業(yè)考量，也是一個(gè)感性的選擇。

首先從商業(yè)上，北美C端市場(chǎng)的付費(fèi)習(xí)慣比國(guó)內(nèi)好很多，法律法規(guī)的限制風(fēng)險(xiǎn)也相對(duì)較少 。但更有趣的是關(guān)于“壁壘”。我之前做情感陪伴產(chǎn)品時(shí)發(fā)現(xiàn)，男性向內(nèi)容的壁壘其實(shí)很弱。男性向內(nèi)容，尤其是涉及To B或海外場(chǎng)景時(shí)，需求往往非常直白。越直白、越普遍的東西，用概率模型去生成就越容易——因?yàn)樗恍枰夏撤N簡(jiǎn)單的概率分布 。

躍界AI：你覺(jué)得女性向壁壘更高？

丁振軒：對(duì)。女性向內(nèi)容涉及到很多情緒上的細(xì)節(jié)，那是更復(fù)雜、細(xì)膩的層次。差異化是壁壘的一種，但我更看重內(nèi)容的“情緒密度”。在這一塊，優(yōu)質(zhì)內(nèi)容與普通內(nèi)容的維度完全不同 。

而在同人創(chuàng)作圈，我們看到了一個(gè)巨大的長(zhǎng)尾（Long Tail）斷層。

數(shù)據(jù)顯示，Top 20的熱門IP可能占據(jù)了50%以上的內(nèi)容供給；Top 100的IP占據(jù)了88%。然而，當(dāng)我們?nèi)ビ^察消費(fèi)者的搜索需求時(shí)，你會(huì)發(fā)現(xiàn)Top 100以外的冷門內(nèi)容（冷圈/冷CP）需求巨大，卻面臨嚴(yán)重的供給不足 。

“專業(yè)的創(chuàng)作者不會(huì)花幾個(gè)小時(shí)去寫(xiě)一對(duì)極度冷門的CP，因?yàn)橥度氘a(chǎn)出比太低。但這部分讀者的粘性極高。”這就是Vaniloom存在的意義：讓糧不夠吃的用戶，自己當(dāng)廚子。

但這不僅僅是“生成一篇同人文”那么簡(jiǎn)單。Vaniloom的核心價(jià)值在于“Any character combination is supported”（支持任何角色組合）。我們不僅要生成故事，還要提供一種“被精準(zhǔn)理解”的情感體驗(yàn)。

02. 解構(gòu)創(chuàng)作：是“寫(xiě)得像海明威”，還是“喝醉的海明威”？

在訪談中，丁振軒拋出了一個(gè)極具爭(zhēng)議的觀點(diǎn)：對(duì)于大多數(shù)用戶而言，他們以為自己在創(chuàng)作，其實(shí)是在消費(fèi)。

躍界AI：你們的產(chǎn)品邏輯是讓創(chuàng)作變得極度簡(jiǎn)單，比如不用學(xué)復(fù)雜的提示詞。但問(wèn)題來(lái)了，這樣還能稱之為“創(chuàng)作者”嗎？

丁振軒：我覺(jué)得我們需要把“創(chuàng)作”拆解開(kāi)來(lái)。

為消費(fèi)者創(chuàng)作內(nèi)容，這是一種生產(chǎn)行為；但是享受創(chuàng)作過(guò)程本身，其實(shí)是一種消費(fèi)行為。

我們?cè)谧龅?，是服?wù)于消費(fèi)行為。理想的產(chǎn)品形態(tài)應(yīng)該像抖音一樣：用戶不需要告訴AI自己喜歡什么，AI已經(jīng)知道了。當(dāng)交互成本降到無(wú)限低，用戶只需“劃一下”或輸入極少的指令，就能獲得精準(zhǔn)擊中審美的內(nèi)容。此時(shí)，你既是唯一的讀者，也是掛名的作者 。

但這并不意味著人類變得無(wú)用。丁振軒用了一個(gè)非常精彩的比喻來(lái)解釋人機(jī)協(xié)作的本質(zhì)。

丁振軒：你知道“海明威寫(xiě)作法”嗎？Write drunk, edit sober（酒后寫(xiě)作，酒醒編輯）。人在喝酒后，腦子會(huì)變得隨機(jī)、混亂，會(huì)產(chǎn)生很多奇奇怪怪的、脫離傳統(tǒng)固化思維的東西。這就是信息的熵增（Entropy Increase）。這種混亂和意外，往往是創(chuàng)意的來(lái)源 。

AI是什么？AI是一個(gè)減熵的工具。它是基于概率模型的，永遠(yuǎn)在尋找最優(yōu)解、最大概率的擬合。它沒(méi)有動(dòng)機(jī)，也就無(wú)法產(chǎn)生那種“喝大了”之后的意外之喜 。

所以，未來(lái)的創(chuàng)作模式是：人類負(fù)責(zé)“熵增”，負(fù)責(zé)提供那個(gè)隨機(jī)的、帶有情感投射的“骨架”；而AI負(fù)責(zé)“填肉”。填肉這件事情很無(wú)聊，它只是技能積累帶來(lái)的確定性重復(fù)，最適合AI來(lái)做 。

03. 工程化的共情：如何用代碼對(duì)抗“OOC”？

同人圈最大的雷點(diǎn)是OOC（Out Of Character，角色崩壞）。如果AI讓一個(gè)高冷的角色突然變得油膩，或者搞錯(cuò)了原本的人物關(guān)系，這種體驗(yàn)是災(zāi)難性的。Vaniloom的團(tuán)隊(duì)不僅是粉絲，更是深耕Prompt Engineering（提示詞工程）的技術(shù)流。他們?cè)噲D通過(guò)“上下文工程”（Context Engineering）來(lái)解決這個(gè)問(wèn)題。

Vaniloom的技術(shù)方案包括：角色卡（Character Cards）作為控制臺(tái)——不僅僅是輸入名字，而是像控制臺(tái)一樣鎖定角色的聲線（Voice）、邊界（Boundaries）和關(guān)系動(dòng)態(tài)。這被視為強(qiáng)信號(hào)，用以減少模型的漂移 [Vaniloom資料: Character Cards]。智能預(yù)填（Smart Prefill）與知識(shí)庫(kù)：用戶不需要手打幾千字的設(shè)定。搜索一個(gè)Fandom，系統(tǒng)自動(dòng)調(diào)用知識(shí)庫(kù)填充關(guān)鍵特征。

梗與癖好的分類學(xué)：將復(fù)雜的劇情結(jié)構(gòu)封裝成標(biāo)簽（Trope）。比如“Alpha/Beta/Omega AU”、“先婚后愛(ài)”、“追妻火葬場(chǎng)”。這不僅僅是標(biāo)簽，更是對(duì)模型生成邏輯的預(yù)設(shè)調(diào)優(yōu) [Vaniloom資料: AU/Trope Presets]。

躍界AI：你們?cè)趺幢ＷC出來(lái)的東西有“那味兒”？

丁振軒：這其實(shí)是一個(gè)工程問(wèn)題。我們需要將一部分人的特定審美，內(nèi)化到我們的工作流（Workflow）里。比如，如何提取用戶的審美？如何把這種審美變成可執(zhí)行的上下文？我們做的事情，就是把“搞嗑點(diǎn)”這件事，拆解成一個(gè)個(gè)最小的維度——正交且窮舉（MECE）的維度 。

比如我們正在開(kāi)發(fā)的長(zhǎng)程記憶（Long-form Memory）系統(tǒng)。目前的AI大多是“金魚(yú)記憶”，寫(xiě)到第十章忘了第一章的伏筆。Vaniloom試圖追蹤伏筆、物品、地點(diǎn)和關(guān)系狀態(tài)，讓故事的推進(jìn)感覺(jué)是“應(yīng)得的”（earned），而不是隨機(jī)生成的。

04. 尋找AI的“心”：從數(shù)據(jù)替身到數(shù)字伴侶

在訪談的后半段，對(duì)話進(jìn)入了更哲學(xué)的層面。當(dāng)被問(wèn)及對(duì)市面上同類產(chǎn)品的看法時(shí)，丁振軒的回答簡(jiǎn)短而有力：“普遍缺陷就是沒(méi)有心?！?/b>

躍界AI：你說(shuō)的“心”到底是什么？

丁振軒：“心”很抽象，但我們可以嘗試拆解它。

第一，是對(duì)特定人群共識(shí)與上下文的深度理解。不僅是邏輯上的通順，而是感性上的共鳴。第二，是“場(chǎng)域”的共享與記憶的同步。

現(xiàn)在的AI大多是割裂的。真正的陪伴感來(lái)自于共享經(jīng)歷?！氨热缥医裉煸缟掀鸫菜⒀雷驳搅斯褡?，如果AI知道這個(gè)細(xì)節(jié)，它在之后的對(duì)話中能提及，這就是加分項(xiàng)，因?yàn)槟銈児蚕砹送粋€(gè)生活切片?！?目前的ChatGPT或其他模型，雖然有了記憶功能，但依然缺乏這種深度的、與用戶生活軌跡高度重合的“在場(chǎng)感”。

躍界AI：這聽(tīng)起來(lái)像是《Her》里的薩曼莎？

丁振軒：對(duì)。我們理想中的AI，應(yīng)當(dāng)是一個(gè)完全個(gè)性化的代理人（Agent）。它不僅懂你的XP，更共享你的生活環(huán)境與記憶。

現(xiàn)在的用戶已經(jīng)表現(xiàn)出了這種傾向。我們有一個(gè)用戶，在注冊(cè)后的20天內(nèi)，生成了900章內(nèi)容。這是非常瘋狂的深度交互 。這證明了，當(dāng)AI足夠了解你時(shí)，它不僅是工具，更是一種精神寄托。

躍界AI：未來(lái)Vaniloom會(huì)變成一個(gè)社區(qū)嗎？

丁振軒：如果它是社區(qū)，那應(yīng)該像一個(gè)巨大的工作室（Studio）。

在這個(gè)工作室里，大家不是單純地展示成品，而是每個(gè)人都帶著自己的工具箱（Prompt、角色卡、設(shè)定模版）進(jìn)來(lái)。你可以借用別人的工具，在自己的畫(huà)布上畫(huà)一畫(huà)。我們希望大家交流的是“最小的創(chuàng)作元素”，而不是孤立的作品 。

05. 對(duì)話摘錄：那些關(guān)于“愛(ài)”與“算法”的瞬間

關(guān)于冷門

CP