肖弘：从 Monica 到 Manus，如何在技术变化中创业

张小珺说明，这期节目由两次访谈组成：第一次在 2024 年秋天，第二次在 2025 年春节后。肖弘谈创业经历、Monica 和尚未发布的智能体产品；第一次访谈中的“今年”指 2024 年。

肖弘介绍自己和蝴蝶效应公司。此前他做过面向企业的微信生态产品，2022 年再次创业，开始探索生成式 AI 应用。融资和产品状况均以当时访谈为准。

第一家公司先做公众号编辑器，后来孵化企业微信 CRM。肖弘说，两款产品在 2020 年打包出售；第二次创业则面向海外用户开发 Monica。

为什么留在武汉？他说团队在学校附近起步，熟悉环境、成本结构和尽快做出产品都影响了选择。面向海外时，他认为起步阶段先在熟悉地点执行可能更快。

离北京、上海较远意味着少了一些本地行业交流，但团队也从海外独立开发者、社交平台和技术视频中学习。他认为这让他们接触到不同于本地圈子的产品思路。

他同时指出武汉的人才和融资供给是挑战。回顾第一家公司时，他认为团队增长不错，却在融资规模和接触资本的速度上落后于一些竞争者。

毕业后的最初一年，匿名社交和二手市场等尝试没有做起来。大学里积累的正向反馈并未直接转化为创业成功，连续失败给团队信心带来很大冲击。

大学经历中，他将技术社团与学校新媒体工作结合：自己懂一点代码，也懂公众号运营，两个能力交叉带来了优势。与技术更强的同学合作，也帮助他明确自己更适合做产品。

写软件博客也训练了他的产品判断：要告诉别人一个产品好在哪里，必须先理解它并比较同类选择。他认为能清楚表达价值，是后来做产品的重要基础。

到 2016 年，积蓄几乎花光，团队甚至考虑去北京工作。一次黑客松让他们把公众号工具的想法做成原型，并遇到愿意支持他们继续创业的投资人。

肖弘把从准备找工作到拿到投资协议的变化形容为很梦幻。他强调，当时获得支持让团队重新拥有时间去打磨产品，而不是立即解决所有商业问题。

公众号编辑器如何收费？他回忆当时存在广告撮合和软件订阅等不同方案。团队最终需要面对的不只是用户数量，还有如何让产品收入支持持续改进。

在调整功能、增长和收费后，产品收入有了明显变化。他回看这段经历，认为商业模式需要和用户真正愿意付费的价值对应，而不是只凭融资故事决定。

谈融资，他说风险投资是一种昂贵的集资方式：代价不一定在困难时最明显，成功后让出的权益也很重要。因此创始人需要理解资金对决策和股权的长期影响。

肖弘建议区分投资人对业务的意见和创始人自己的判断。投资人可以提供信息与外部视角，但创始人的决定会影响团队方向和大量资源，需要自己承担责任。

他主张对重要分歧认真讨论，必要时记录各方观点和理由。这样即便以后发现决定错了，也能复盘当时的信息和判断，而不是只记住结果。

在企业微信 CRM 的竞争中，他回忆团队尝试预判平台和大公司的行动。创业公司不仅要考虑用户需求，也要考虑依赖的平台未来可能怎样改变规则。

他认为已有编辑器业务提供的收入，让团队有一定空间等待和探索新的方向。能够维持经营的产品，在不确定的竞争中也是一种重要资源。

面对可能发生但时间不确定的平台变化，团队需要在短期战术和长期依赖之间取舍。肖弘说，没有一个技巧能完全消除外部平台带来的风险。

资本竞争也改变了他的认识：当对手能调动远多于自己的资源时，只靠产品能力并不能自动抵消资金和团队规模的差距。创业者需要学习自己原先不熟悉的资本维度。

他回顾当时对企业服务和资本市场的过高期待，认为市场热度会影响公司的选择。事后看泡沫容易，身处其中时判断持续多久则困难得多。

卖掉公司后，他谈到生活方式和心态：让日常开销和期望不断上升，会提高重新选择的成本。他说自己仍住在第一次创业时租的房子里。

第二次创业开始时，他想做能被很多人使用的产品。生成式 AI 让团队看到新的可能性，他们先从浏览器插件和用户熟悉的搜索体验切入。

肖弘观察到生成式 AI 不只是生成娱乐内容，也可能帮助用户理解信息、写作和完成工作。他把这些具体使用场景当作判断市场的线索，而不是只讨论模型参数。

早期团队尝试把模型能力放进搜索和浏览器场景。产品是否有价值，要看用户是否真的在现有工作中愿意使用，而不是看演示是否新奇。

他回忆团队通过已有插件与渠道获得用户，再逐步打磨 Monica。早期增长需要产品与分发配合；一次发布并不能代替持续改进。

回顾 2023 年的重要决定，他说团队选择专注海外市场。对一个资源有限的团队，同时做好多个地区的产品、运营和分发可能分散注意力。

他强调产品、技术和增长需要配合。窗口出现时，团队既要让产品可用，也要找到用户和运营方法；单独做好其中一项并不够。

比较自研模型与使用外部模型，肖弘认为两者各有取舍：模型公司掌握底层能力，但应用公司可以选择和整合不同模型，围绕用户需求调整体验。

他认为技术快速变化时，应用团队可能通过灵活选择模型获得机会；但模型厂商也可能进入应用层。竞争结果取决于执行、产品和时机，而非某种组织形式必然胜出。

谈“模型是否平权”，他认为开放模型和 API 让小团队更容易调用强大能力。与此同时，调用能力并不自动解决产品定义、可靠性或分发。

他将 AI 应用区分为围绕已有主场景的补充、由新模型能力带来的新体验，以及能力向特定行业外溢的应用。每一类都要判断用户问题与模型能力如何匹配。

第二次访谈发生在 2025 年春节后。肖弘重新观察 Cursor 等应用：模型能力提升后，原本体验有限的产品可能突然变得有用，用户群也可能超出专业工程师。

他观察到一些非工程师也用编程工具分析数据或完成日常任务。产品通过降低操作门槛，把原本局限于开发者的能力带给更广泛的人。

肖弘用芯片设计与制造的分工类比 AI 产业：模型公司和应用公司可以各自专注不同问题。他尊重底层模型研究，同时认为需要从用户和产品视角做额外工作。

Monica 集成多个模型，让用户不必为每个新模型分别注册和管理使用体验。肖弘认为这种整合可以减少切换摩擦，但模型选择也会随能力变化而调整。

从他的观察看，模型能力往往先出现，应用再把它转化为被用户感知的体验。产品团队需要理解能力边界，也要承认厂商可能没有预先想到所有用途。

他提出一种创业方法：预判下一项模型能力，提前建立适配它的产品，等待能力成熟。这种方法也有风险：等候时间和最终能力都无法保证。

张小珺问模型原厂跟进后，应用公司如何竞争。肖弘认为垂直场景、繁琐的工程工作以及有限窗口期都可能提供机会，但原厂会不会进入并没有固定答案。

他提醒，竞争会因创业者自身的行动改变：如果生态里已有团队把一项工作做得很好，原厂未来的选择可能与最初预想不同。不能把其他参与者的策略当成永远不变。

谈 DeepSeek 的传播，他说把推理过程展示给用户是一项容易感知的体验变化。有关其他公司为何选择不同展示方式的解释只是他的外部推测。

他认为模型能力与产品呈现共同影响用户感受：技术上的改进需要通过可访问的界面和价格让人体验到。节目的个别口误已按说明将相关产品名称更正为 DeepSeek。

肖弘说团队正在做一个看上去像聊天界面、但能完成多步工作的智能体。当时产品尚未发布；他认为值得在模型厂商也可能参与的领域尝试。

他回顾早期 agent 概念：此前模型能力不足，应用团队常需要逐一接入搜索、知识库和其他 API。他把这种不断堆功能的方式比作功能手机。

他的目标是让系统能够使用代码、工具和浏览器处理长尾需求，而不必为每一种需求预先手工设计功能。实际可靠性仍依赖模型、工具和环境。

一次使用编程工具时，他看到系统获取代码并尝试解决运行错误，意识到工具调用可以组成更长的任务链。这个体验促使他进一步思考面向普通人的 agent。

他设想给智能体一台云端虚拟机和浏览器，让它在隔离的环境中运行代码、访问工具并在任务结束后释放资源。隔离环境仍需要适当的权限控制和安全设计。

这个产品并非只为程序员写代码：肖弘希望普通用户用熟悉的对话方式提出目标，由系统决定需要哪些步骤。他说当时已有一些多步任务可以尝试，但模型仍不够可靠。

他认为 agent 的交互应该允许异步工作：用户提出任务后，系统展示计划和进度，在中途接受修改，完成后再交付结果。这与每轮必须立即答复的聊天体验不同。

他举内部测试例子：系统打开 YouTube 视频，定位画面并回答有关动物的问题。肖弘把这作为一次令团队惊讶的观察，而不是保证所有视频任务都能成功。

张小珺问普通人可以给它什么任务。肖弘提到信息检索、数据分析等例子，并认为 agent 是扩展聊天工具的边界，而不是让原有问答需求消失。

团队决定另做一个产品，因为 Monica 已有用户习惯，新产品可以更自由地适配异步任务。肖弘承认当时还无法知道新产品会有多高的使用频率。

他希望产品面向普通用户，而非只面向工程师；定价也要与目标人群匹配，同时考虑高用量带来的实际成本。具体方案在访谈时仍是设想。

肖弘说团队当时测试发现某些模型更适合规划和逐步解决问题。他把结果限定在自己的测试，并推测面向 agent 的模型训练与单轮对话可能有不同要求。

他形容测试中的惊喜仿佛看到新能力出现，但同时强调要控制用户预期。团队计划先小范围测试，用具体例子帮助用户理解产品能做什么。

面对不稳定的行业，肖弘建议保持自己的节奏，对技术变化保持乐观，同时关注真正愿意长期投入的问题。他承认自己无法从全局视角确定公司的位置。

他对比 2023、2024 和 2025 年春节的感受：每年都有出乎预料的新技术，团队也必须重新判断机会。他认为不能把眼前的困难或优势简单线性外推。

回顾 Monica，他认为如果确定自己领先，可能应该更快扩大团队和用户规模。这是他事后的反思；不同公司的资源和风险承受能力并不相同。

他建议创业者用“时代的年龄”思考：不仅看自己几岁，也看所处技术周期还处于什么阶段。他重视与团队一起学习、探索，并承认商业结果受许多无法控制的因素影响。

为什么最初不做底层模型？肖弘坦言团队起步时缺乏资源，因此先使用现有模型做产品。他没有排除未来变化，认为应根据能力、用户需求和合作选择动态判断。

对于模型未来能走多远，他说无法知道。已经出现的能力可以尝试外推，但真正改变产品方向的可能是此前没有被想到的新维度。

他预测智能体可能改变部分白领工作，同时承认具体变化尚未发生、难以预知。他把身体健康和精神生活看作未来值得重新安排的方面。

谈创业低潮，他说困难时容易把当下的挫折一直延伸到未来；新的技术维度可能改变局面。对他而言，持续做事和调整方向比假装能预测一切更现实。

他再次强调模型与应用并非简单对立。应用团队依靠模型研究进步，也能在用户场景和产品上创造价值；开放模型可能增加选择，但不能消除所有竞争。

肖弘说创始人要以博弈的方式思考：其他人的选择会受到你的行动影响，环境并非一组静止条件。与其假定大公司必然做或不做某件事，应考虑各方如何相互改变。

他把自己称为可能改变局面的变量，而不是只根据现有资源推导确定结果。这个思路既要求观察外部，也要求清楚自己能做什么。

访谈最后谈到创始人的生活、对世界的认识和个人习惯。肖弘强调保持学习与好奇，节目以快问快答结束。