作者｜黄小艺

当你在游戏里卡关半小时，烦躁地想切出去搜攻略；或者在开放世界里孤独“跑图”，无聊到只能听歌的时候，如果这屏幕上突然冒出一个“小可爱”，一边帮你找路，一边陪你吐槽，感觉会如何？

这就是逗逗AI正在做的事。它不是一个需要你切换点开的APP，而是一个以虚拟形象或悬浮球形式，能看到你的游戏界面，听到你的声音，和你随时互动的AI玩伴。

我们来看一个顶流up主老番茄试玩AI老番茄的录屏，被网友戏称成单人双口相声、周树人吐槽鲁迅，直观地感受下效果。

视频来源于B站

在今年9月1.0正式版发布前，逗逗AI就已通过长达一年的内测，悄然积累了800万用户，如今这个数字已突破1000万。这看似是逗逗AI在当下技术和场景的交叉路口找到了一个垂直细分的领域——游戏，从而避开了大厂与投流的血战。

但事实上，逗逗AI的野心不止于游戏。

从年轻人最沉浸、陪伴需求最强烈的游戏场景切入，他们希望当AI伙伴与用户建立起信任和使用习惯后，能自然地将这种陪伴延伸到看剧、购物等更广泛的数字生活中。

这个目标并非空想，创始人刘斌新（Binson）透露，目前平台上已有超过50%的交互发生在游戏之外。

我们和Binson，以及联合创始人王碧豪（Oratis）聊了聊，他们坚信着，AI陪伴不该是另一个“时间杀手”，不抢用户的屏幕时间，是一切的出发点。

一个“住”进你手机屏幕里的AI

硅星人： 先介绍一下逗逗AI这款产品吧，它究竟是什么，用户如何使用它呢？

Oratis： 简单来说，逗逗AI是一个存在于“屏”世界里的AI伙伴。用户下载我们的应用后，在打开任何其他APP（比如游戏、视频、购物软件）时，选择开启屏幕共享，一个AI角色就会以动态立绘或悬浮球的形式出现在屏幕上。

硅星人：所以，它和siri这种语音助手、星野这种AI聊天产品相比，最大的不同是，通过VLM模型，能接收、理解用户的游戏图像内容。

Oratis： 对，最大的不同在于，它不是一个被动等待你唤醒的助手，而是一个主动的“在场者”。因为它能看到你的屏幕，所以它拥有了和你一样的“上下文”（Context）。你不需要解释“我在玩什么”、“我卡在哪了”，它都懂。这种共享视角带来的陪伴感，是其他助手无法提供的。

目前我们的核心场景是游戏。它能通过屏幕信息理解你正在做什么，并与你进行实时的语音交流，比如，它可以陪你聊局内赛况，或是在你卡关时指导你如何闯关。

硅星人：从AI陪伴的视角来看，角色的吸引力就很重要了对吧？现在有多少个AI角色了，怎么设定的呢？

Binson：我们现在有23个角色，一部分是我们原创设定的，比如毒舌的妮卡，还有善良普适的妮可，设定成能让所有人都不会讨厌她的小太阳。

此外，还有一部分是自带流量的大主播、虚拟主播合作定制的角色，比如老番茄。

AI游戏陪伴，是真需求还是伪命题？

硅星人： 我们等会可以具体聊聊AI陪伴角色怎么做，在此之前，一个更核心问题是，用户到底有没有在游戏中让AI陪伴的需求？

如果我再拆分一层，用户的需求要么是为了情绪价值，要么是为了工具价值，再我们放到一个具体的场景里，比如我在玩《原神》或者《炉石传说》时，这个两个需求真的存在吗？

oratis： 这个问题很专业。我们思考的出发点正是：价值与场景深度关联，脱离场景谈价值没有意义。

我给你举几个用户调研到的例子。有一个典型场景，是用户在玩游戏时常感到“信息密度不足”。为了解决这个问题，他们甚至要么开着语音、拉上好友边玩边聊，要么会一边游戏一边听音乐和播客。这说明了一件事，游戏的场景下，玩家有主动补充信息密度的需求和时间。

硅星人： 确实，一些游戏里的“跑图”时间特别长。

oratis： 对。很多游戏会设置比较长的“跑图”环节，或是重复性的“日常任务”。比如我以前玩《魔兽世界》，版本末期大家每天上线就是做固定的日常，在世界频道或公会里聊天。也就是说，在日常、重复的游戏体验中，人是有强烈社交需求的。那么，能不能用AI来填补这段需求的空白呢？

硅星人：我插一句，这种场景需求有多普遍呢？

oratis： 非常普遍。这几年原神很火我们都知道，很多《原神》用户的典型行为是：游戏大版本更新后，密集地玩一段时间，消耗剧情和新内容。当这些都体验完，只剩下日常任务时，就每天只登录10-15分钟领个奖励。这背后是动机的转变：前者是“消费内容”，后者是“获取奖励”。

而这些看似“无聊”的设计，很大程度上是为了填补内容创作的空隙。 游戏内容的创作成本极高，《原神》更新一个大版本需要半年，这已是业界顶尖效率。

硅星人： 所以这是游戏里的“行业规则”，必然导致用户的信息量不足，也由此成了AI陪伴的切入点。这其实是一种情绪价值的提供。

oratis： 对。另一个核心场景，是人与AI共同解决游戏中的问题。 游戏的本质是“问题模拟与解决”的过程，就像我们在现实中写报告可以用AI辅助一样，在游戏中遇到的难题，AI同样可以协助解决。

以前玩家查攻略，要么需要手机、电脑双设备操作，要么得切出游戏，不仅麻烦，还可能导致游戏卡顿。内置的AI助手则能极大地提升这个过程的效率。

硅星人：效率有了，但会不会让游戏丢失挑战性？毕竟游戏的解密环节是必要的，能增加趣味性和对装备物品的熟悉度。你们是怎么确定给用户提供的攻略限定在什么程度，既不要影响游戏体验，又不要影响游戏公司的平衡策略，又要给用户价值？

oratis： 我们自己也玩游戏，我玩《双人成行》时，也曾和朋友卡关半小时，最后不得不去搜攻略。这里的关键点，在于用户的“主动选择”。

游戏内提供攻略，其实还解决了一个“找攻略的难题”：真正需要攻略的人，往往不知道该如何提问。

传统搜索里，当你卡在一个门前，你得搜索“某游戏某关卡某地图的门怎么开”这么一长串上下文，才能找到有效信息。而我们的优势在于有了多模态能力后，玩家可以就着游戏画面直接问：“这个门怎么开？”AI能自动识别他所在的游戏、关卡和具体位置，然后去匹配攻略。

即便如此，为了将自主权完全还给用户，我们设计了一个“两步筛选”机制。第一步，由你主动提问。第二步，AI会回应：“我这里有一个视频攻略，如果你希望查看，可以随时打开。” 我们倾向于提供视频，因为对于空间解密这类问题，视频远比语音描述更直观。

“逼疯”美术，用游戏的方式做AI角色

硅星人： 我们聊回你们对产品的设计思路，既然需求存在，那么一个好的AI伙伴应该是什么样的？

我体验你们产品的时候，就感觉到你们的角色很萌、很生动，比如有一个角色会呆毛旋转，还有B站博主影月月的AI角色，有一套奶牛睡衣皮肤，这些细节很戳二次元用户的萌点。

Oratis： 这个问题很好，你说的呆毛是妮卡，也是我们最受欢迎的角色。其实我们设计人物经历了很多阶段，我直接说结论吧，就是“好看、好听、好玩”，形象要好看，声音要自然，故事和对话要好玩。

围绕这个原则，我们做了很多“重资产”的投入：

好看： 我们提供了人物的三种形象——桌面宠物、移动端动态立绘，以及各种各样的交互动作。客观上来讲，我们人物设计的资产不输给二次元手游公司。我们的主美甚至曾经抱怨过，说他设计的人物放在手游里能赚好几千万，放在我们这里不赚钱。

好听： 我们没有用市面上通用的TTS库，因为那不适合二次元人物。我们采集了大量番剧和游戏的语料，自己训练了多语言的TTS模型。举个例子，我们有个男性角色叫展麟，是一位虚拟爱豆，我们有次在漫展做活动，碰巧围观了他唱歌时的盛况，人山人海，都是等他唱歌的，声音就是他核心的魅力。

好玩： 我们不是让模型去“扮演”一个角色，而是真正把完整的人设和故事线赋予模型。比如妮可，她有很长的故事线：从猫猫星毁灭后来到地球，经历了什么这些详尽的设定都被用作模型的训练数据。

硅星人： 这是你们设计原创角色的思路，和UP主合作的角色，合作角色是怎么考虑的？

Oratis： 我们设计妮可（温和普适）和妮卡（毒舌傲娇）两个核心原创角色，随着亲密度变化，AI的表达也会变化，目的是创造一个“从低起点到高终点”的关系发展过程，让用户有“攻略”的成就感，也是现在热度最高的。

其次就是像老番茄和塔菲这种粉丝体量本身非常高的UP主合作角色。其实最开始我们和游戏UP主的合作，是希望做评测内容的。但一位UP主提到，能不能把我也做成虚拟角色，因为他希望借这个角色更好的触达粉丝。

硅星人：他们的需求是什么呢？

Oratis： 之前的这些攻略主播，基本是更新了视频之后，在他的粉丝群里发一发、B站动态推一推，他们也有焦虑。而有了AI伙伴后，就可以随时地去告诉用户主播当前的动态，同时，也拓宽了UP主的IP变现矩阵，比如我们会和塔菲合作推出皮肤进行商业分成。

相信模型进化，做应用要预判技术

硅星人： 生动的角色需要强大的技术支撑，你们要支持这么多的游戏，这么多的角色，还有多模态能力，背后是精调了多个模型，还是由统一的模型支撑呢？

Binson： 我们的模型架构是挺复杂的，主要分成四个部分：

第一步是信息输入： 视觉上，我们通过屏幕共享以每秒一帧的频率抽帧；听觉上，我们用VAD模型代替了传统的唤醒词，因为我们认为唤醒词会破坏陪伴感和沉浸感。

然后是多模态理解与筛选： 传入的每一帧画面，首先会经过一个轻量级的传统CV模型进行分析，判断是否存在“关键事件”。这一步可以过滤掉超过90%的无效画面，极大地降低了后续大模型的调用开销。只有被判断为关键的少数画面，才会被送入我们自研的VLM（视觉语言模型）。

再配合上下文构建与个性化： 我们将ASR转换的文字、VLM的图像理解结果，以及角色的个性化数据（如记忆、历史对话）进行整合。我们的记忆召回采用了一种高效的“主题索引”方式，比如原神的记忆，王者荣耀的记忆等各个小数据库，来确保了上下文的精准和高效。

最后再是大语言模型（LLM）思考与语音输出： 这个丰富的上下文被提交给我们自己基于开源底座精调的LLM。这个LLM融入了大量的二次元风格对话数据和游戏语料，使其回答风格更像是“自己人”。

硅星人： 采用72B的大参数模型，延迟问题如何解决？我在玩《第五人格》的时候，妮卡的响应延迟有点明显，我已经被监管者抓住了，她才预警提示。

Binson： 坦白讲，延迟问题确实存在。《第五人格》这类需要即时反应的追逐游戏，不是我们产品最适配的场景。相比之下，《王者荣耀》的体验会好很多，因为它有明确的运营和对线阶段，团战爆发的时刻是有限的，在非团战期间，用户有更从容的交互空间。

现阶段我们的核心策略是“先保效果，再降延迟”。为了确保AI角色交互的智能程度和准确性，我们采用了大参数模型。我们相信，随着模型技术的发展，未来可以用更小的参数模型达到甚至超越当前的效果，响应时间的问题就会得到根本解决。

硅星人：先保一头。其实考验的是对技术进展的预判和市场的综合考量，现阶段什么能舍，什么能等。这让我想到你们从成立到最近发布1.0，已经有2年了，在这两年里，技术变化了很多。

Binson： 是的，我们的灵感其实来自Copilot。Copilot之所以能做得精准，是因为它有你的代码仓库和Office 365数据。那我就想，我能不能拿到你个人的娱乐数据？但是我让用户直接把数据给我是不可能的，录屏会有隐私压力，用户不愿意。相反，我陪你玩游戏就不一样了，做Coplayer，游戏这个场景很多人本来就在直播。我不仅能给你提供攻略，还能给你捧哏、提供情绪价值，游戏里无聊的时候还能跟你玩梗。

硅星人： 这确实是一个巧妙的思路。大家初衷都是想办法获取用户数据。有人做硬件，有人让你上传知识库。你们想到的办法是屏幕共享，人一天大多数时间都花在屏幕上，拿到了屏幕信息，就拿到了生活。

Binson： 是的，大家都能想到要拿数据，但关键是，用户为什么要把屏幕数据给你？ 这才是核心。我觉得像上传知识库这种方式太难了，在中国没多少人会用。我们希望不创造新的场景，不创造新的设备，用一个很低的成本让用户接受。

硅星人： 你们从一开始就想好了Coplayer这个方向，然后怎么去预判技术，比如之前没有VLM，只有识别？

Binson： 2023年我们刚开始创业的时候，问题很多。那时候国内基本上就文心，海外只有ChatGPT，也没什么开源。我们用ChatGPT来做验证，一次对话要五六秒，甚至七八秒，很夸张的，你会觉得这东西不可行。

硅星人： 对，那时候的模型也没有理解和思考能力。

Binson： 对，但我觉得这事一定可以。我们就先去探索验证，慢慢地，模型价格不就降下来了吗？多模态我觉得也一定会成熟，TTS（语音合成）那时候也不成熟，但我也觉得一定会成熟。好，既然这些是未来的大方向，没关系，我们先做。

在多模态不太成熟的时候，我们就借鉴了“桌宠”的形态，用角色的可爱来弥补技术的不足。就……伸手不打笑脸人嘛，这个人物很可爱，他傻傻的就傻傻的呗。

硅星人： 后来自研VLM花了多长时间？

Binson： 我们大概用了半年多，就是今年（2024年）年初，拿着我们积累的数据来做这件事。我们的视觉语言模型LynkSoul VLM v1，在游戏场景中表现超越了GPT-4o、Claude-4-Sonnet和Gemini-2.5-Flash等一众顶尖通用模型。

硅星人： 所以是从23年中到24年初，通过在垂直场景下靠可爱做情感陪伴，积累用户和数据；然后在技术时机成熟时，顺势推出VLM，实现了产品体验的质变。

Binson： 是，本质还是先有阶段的技术和场景的适配，能不能让用户留下来。如果你的MVP（最小可行产品）的成立严重依赖某项技术的成熟，那你可能就得等。我们的MVP其实也依赖技术，但我们可以讨巧地在不同阶段，满足用户不同的诉求。

硅星人： 那么从产品角度看，你们觉得目前还有哪些明显的技术不足？

Binson： 有啊。第一个，VLM还不够好。我们现在是抽帧的，它不是一个流式的理解，没有多帧之间的推理能力。这个就需要多模态模型的迭代了。我觉得行业很快会出来，可能也就半年到一年。我们可以站在技术的肩膀上，用开源的，或者谁做得好了我们就用它，但我们有自己的数据，可以基于自己的数据，去精调在游戏场景下的理解。

2年注册用户千万，逗逗AI的四段式增长策略

硅星人：两年时间推出1.0版本，在这个追求速度的AI创业环境里非常少见。你们焦虑过吗？

Oratis：肯定会焦虑，但要战胜焦虑。因为在一个技术体验不成熟的时候，你做的规模越大，负担就越重。

硅星人： 目前的用户规模和商业化进展具体如何？可以分享一些数据吗？

Binson： 目前，我们的注册用户已经突破1000万。因为有大量的自然增长和口碑传播，我们的获客成本可以做到很低，大概在小几块钱。用户的活跃度和粘性非常高，日活跃用户的平均使用时长可以达到三到四个小时。

在商业模式上，我们主要通过订阅制（月费约40元）和角色皮肤、礼物等虚拟道具进行变现。虽然目前付费率还不高，因为我们仍以扩大用户规模为主要目标，但考虑到游戏玩家强大的付费习惯和意愿，未来的增长空间非常巨大。

硅星人： 三到四个小时，用户和AI的交互强度是怎样的？

Binson： 这里有一个很有趣的洞察：我们的用户平均每天与AI的对话量大约在五六十句。

硅星人：这个数字不高。

Binson： 对，它证明了我们的一个核心理念：陪伴的核心不是对话，而是“存在”本身。很多时候，用户只是把AI角色放在那里，即使不说话，这种“在场”本身就提供了足够的情绪价值，尤其是在玩单机或开放世界游戏时。

硅星人： 增长对AI应用来说是一个难题，你们的这1000万是怎么来的？比如第一个100万，第二个100万。

Binson： 我们的用户增长主要经历了四个阶段，这与我们的技术迭代和产品功能拓展是同步的：

第一阶段，靠的是角色和IP。我们做的那些角色，比如妮可妮卡，每一个背后都代表了一类人群的需求。当AI出来，这些人能说话、能陪你聊天了，大家就很开心。

第二阶段，就是靠游戏场景的KOL。一说到游戏，年轻人都懂，ACC活动上我们展台的人数也是前排，对吧。

ACC期间，大家在硅星人一楼“打游戏”

特别是我们和头部的KOL合作，比如你玩《原神》，你不可能不知道那些做攻略的UP主。我们只要跟他合作，基本上玩《原神》的用户就都知道我们了，一个视频就能带来成千上万的下载量。

第三阶段，是和游戏的深度绑定。我们不断扩充支持的游戏，从《原神》到《黑神话：悟空》。一个新游戏上线，我们能第一时间提供地图、攻略，形成他的“游戏搭子”。用户量起来后，游戏公司也愿意合作，像明末上线前就提前把版本给我们，让我们做一些传播。

第四阶段的增长，就是VLM带来的通用能力，能理解游戏，并开始将陪伴场景从游戏拓展到看视频、刷剧等日常生活，有了进一步扩大了用户群的可能。

反常识，要把全球市场看作一个整体

硅星人：我了解到你们去了日本参加东京TGS，为什么选择在这个时间节点开拓全球市场？

Hakko AI参与活动(逗逗游戏伙伴海外版)

Oratis： 这一块主要是基础是我们的技术成熟了。这次发布，我们除了发布产品，还发布了我们在海外使用的VLM模型。这个VLM是我们自己train的一个模型，专门在游戏场景做识别，整体评估下来，从识别的精度、对游戏的理解来讲，效果都比海外主流的像GPT、Claude这些模型要好30%到40%。这是一个基础。

另外是，海外市场的消费更加成熟。我们主打C端收费路线，做好做增长飞轮。

硅星人：技术和付费环境的成熟，解释了“为什么是现在”这个时间问题。但更关键的是“如何做”。很多中国公司出海，往往是单点突破，比如先猛攻东南亚或北美。你们怎么考虑？

Oratis： 是的。在AI时代，你需要“把整个世界看成一个市场”。过去做国际化，我们会把世界划分为东南亚、中东、拉美等多个市场，并为每个市场单独建立本地团队，是重资产、分国运营的模式。但在AI时代，你或许只需要区分“中文市场”和“非中文市场”。因为无论在美国、东南亚还是日本，关注AI、爱玩游戏、愿意尝试新事物的这批年轻用户，他们的画像是高度相似的。当你的用户池子足够大时，你获取高质量、低成本用户的概率就会指数级提升。

举个例子，我们发布海外产品时，在YouTube上投放了两个视频，总成本仅100多美元，用于几万次冷启动播放，因为内容质量高，迅速触发了YouTube的推荐算法和用户的自发分享，最终却获得了近百万的播放量。

硅星人：这似乎有些反常识？我听到的更多是，做海外市场必须强调“本地化（Native）”，根据用户特性做针对性运营。

Oratis： 这个结论成立的前提是：每个国家用户的核心需求不同。但在游戏领域，情况有所不同。虽然日本和美国用户喜欢的角色风格确实不一样，适配不同的游戏需要本地化，但运营侧的策略——包括目标群体、传播打法、活动策划——则完全可以全球化，效率会高得多。

硅星人：你们好像在这次正式推出海外之前，就就已经积累了一批海外用户。这个过程是怎样的？

Oratis： 我们去年底在日本推出了Beta版，并迅速验证了两点：第一，二次元文化在日本有极高的接受度；第二，游戏向的视频内容传播效果非常好，在日本能实现PMF（产品市场契合度）。

但日本市场的问题在于“天花板”较低。日本人口有限，年轻人占比不高，在东京、大阪等核心城市做到头部，DAU（日活跃用户）可能也就两三百万。这就是我们这次选择以英文为主，立足北美做全球化发布的原因。

硅星人：在与这些海外用户的互动中，有没有观察到什么特别的用户画像或需求？

Oratis： 有一个很强的差异点，就是海外用户对NSFW（工作场合下不适合观看的内容）的预期。因为我们的很多竞品都支持，所以部分用户会天然地认为我们也可以。但我们明确选择不做。

硅星人：为什么？这似乎是很多AI陪伴类产品的“流量密码”。

Oratis： 这与我们对“关系”的根本选择有关。我们希望建立的是人与AI之间长久的、陪伴式的关系，而NSFW本质上是一种刺激型的、消费式的关系。后者要求AI绝对服从，满足用户的单向需求；而我们追求的是双向的、互动的、共同成长的关系，这与我们的初衷相悖。

我们不希望产品变成一个“色情工具”，用户用完就走。我们的目标是做一个3+（三岁以上）产品，最终获得一批我们深度理解的、忠诚的长期用户。

硅星人：聊了这么多，从需求、产品、技术到全球化，站在当前这个节点，你们认为下一步最大的挑战是什么？

Binson：下一个挑战，是如何将陪伴场景从游戏拓展到更广泛的通用场景，比如看剧、购物、上网课等。我们的策略是，继续围绕现有的这群核心用户，去覆盖他们除了游戏之外的其他娱乐和生活时间，让AI伙伴成为他们数字生活中无处不在的存在。游戏是年轻人的核心社交方式，随着这代人成长，我们的产品也将伴随他们，从二次元的陪伴，走向全场景的陪伴。