100 个注册、95 个流失：Gamma 如何把 AI 幻灯片做成 5000 万美元的生意

Gamma 成立于 2020 年，远早于生成式 AI 走向主流，它的愿景几乎没怎么变：重新发明演示文稿。联合创始人 Grant Lee 是在疫情最严重的时候找到 Noronha 的，当时他被困在公园长椅上，用一部小小的手机接入电话会议，因为家里唯一的书桌被妻子占着。他在 Zoom 上看到的全是别人的 PowerPoint 文件。Noronha 一下子就看出了这件事的分量：他自己每天也在盯着谷歌幻灯片，或者在做幻灯片，而两样他都不喜欢。

在他看来，幻灯片是商业世界的通用语言，重要的想法都靠它传递，包括红杉合伙人每场都要听的路演。可一旦问人们是否喜欢做幻灯片，得到的往往是他所说的“反感反应”。最常见的抱怨是：90% 的时间花在排版上，10% 花在内容上，观众评判的仍然是外观，论证反倒被放在了后面。Gamma 押注的是一种全新的视觉传达格式。

主持人 Sonya Huang 点出了让这段起源故事值得一讲的成绩：年经常性收入（ARR）超过 5000 万美元，现金流为正，团队 30 人。Noronha 很快表示，这从来不像是一夜爆红。Huang 本人其实喜欢做幻灯片，于是被划进了“那 1%”。节目接下来的内容，讲的是一家从格式实验起步的公司，如何在节目的说法里，变成了幻灯片界的 Cursor。

他们在开始时就知道 AI 会到来吗？“绝对不知道。”Noronha 是 2020 年最早拿到 GPT-3 访问权限的人之一，他做了那些显而易见的测试：模型能不能把文档概括成要点，或者把要点扩写成段落？答案是否定的。他把这个演示归为挺酷但没什么用，接下来几年转而研究一套关于未来工作的论点：远程、异步，比幻灯片更具交互性，更像网页。结果他们卡在一个令人沮丧的中间地带：有一些产品市场契合，但增长没有爆发式地上去，撑不起风险投资规模的生意。

大约两年后，资金跑道越来越短。通胀和利率都在攀升，他们自己的银行硅谷银行也倒闭了。Noronha 形容那种生死存亡般的焦虑，不知道公司能不能撑过去。他说，救了他们的，是生成式 AI 恰好在最需要的时候变好了。这两年里他们一直定期回看各种模型，但真正吸引他目光的，是图像模型。

那年夏天 Stable Diffusion 发布，推特上满是人们晒出的各种傻乎乎的小作品。DALL-E 也在走红。Noronha 意识到，演示文稿大多是视觉设计，很多时候只是为了填满版面，才去装饰幻灯片。他认为，PowerPoint 的关键创新大约是 30 年前的剪贴画，而没有人回答过下一代剪贴画应该是什么。图像模型是他见过的最有说服力的候选者。

讽刺的是，图像模型的热潮反而把他们带回了 GPT-3。两年前失败的那些提示词，突然又能用了。Noronha 提醒 Huang，ChatGPT 看起来像是一夜爆红，但 OpenAI 一直在持续改进模型，尤其是指令微调：让模型能按人类表达请求的方式来理解。有了这一点，Gamma 具备了条件，不再只是帮你做演示的工具，而是开始替你把演示做出来。

在 AI 之前，Gamma 的激活环节就藏着一个冷启动问题。大约 100 人会注册，其中 95 人左右会在最初几分钟内离开。他们进入的是一个崭新、有创意的编辑器，但它本质上仍然只是一张空白页。团队指向各种功能，用户却问：我到底能做出什么？只有死忠用户才会硬撑下来。Noronha 说，他们之所以较早抓住 AI，是想解决这张空白页的问题，并且尽快展示出某种神奇的效果。

直到上线，他们才真正看明白，被解决的其实是用户那张空白页。做演示让人发怵，因为新文件一打开就是“输入演示标题”，接着一连串的思考就开始了：大纲、故事线、开场钩子、关键时刻、字体、配色、图片。“你会被卡在这一大堆事情的思考螺旋里。”结果证明，填满 Gamma 画布的 AI，也替所有人把空白页填上了。

用户可以从一个模糊的想法，直接走到一份完整的粗稿，他们的工作从此变成了编辑，而不必从头开始。Huang 经常受邀做 AI 分享，她说现在会把一份文档丢进 Gamma，让它变成幻灯片。Noronha 把功劳归于每天自用（dogfooding）：团队在内部使用产品，所以问题当天就能暴露出来。照这种说法，把起跑线从闪烁的光标，挪到一份你可以拿来争辩、修改的草稿上，就是整个产品的赌注。

Huang 问到应用层的问题：基础模型与用户之间，夹着的是什么？Noronha 先从媒介本身讲起。Gamma 从来就不想当 PowerPoint 的克隆，如今用户把它形容为“如果 Notion 和 Canva 生了个孩子”。Notion 那一半基于块和写作，你直接打字，不用在画布上拖来拖去地摆盒子。Canva 那一半是视觉的丰富度，包括图表、主题和模板，只不过 Gamma 替你把这部分做好了。你只管打字，无须知道什么样子才好看。

公司的大量工作，花在提示词和微调（fine-tuning）之外：打磨那些构件，比如最好的图表、版式和视觉主题，它们最终成了 AI 可以调用的武器库。品味是一种人员配置的选择。有一阵子，公司里三分之一是设计师，十二人中有四个，这在早期的硅谷创业公司里相当少见。Noronha 的理念是：“我们把好设计做好，这样你就不用做了。”他们也运营数据，观察用户在哪里迷路，并用 AI 硬啃成千上万份外部幻灯片，找出常见的版式。

做一份演示有两道关：讲故事和搭结构，然后是排版和设计。第二道关上，AI 有些技巧对模型来说很容易，对人来说却很繁琐。其一是一次试十种设计，挑出最好的，AI 大约三秒钟就能完成。其二是强制所有图片使用同一套配色：如果从头生成，这轻而易举；如果从谷歌图片搜索里拼凑，几乎不可能。把足够多的这类技巧叠加起来，就能得到人类手工绝不会做出的产出。

他们怎么知道十个方案里哪个最好？Noronha 的上一份工作是在 Optimizely 做产品，那家公司率先把 A/B 测试变成营销人员和产品发布的通用做法。这条主线如今也延续到了 Gamma。录制当天，Sam Altman 正在台上宣布 GPT-5，而 Gamma 团队里已经有人在写代码，准备接入它。模型一上线，他们就会跑评测，但他们身处一个没有唯一正确答案的创意领域。你没法断言 GPT-5 比 Claude Sonnet 高出 2.7%。

不过，他们可以在数百万真实用户身上做实验。那天下午，他们计划把 GPT-5 与 Claude、Gemini 做 A/B 测试，收集评分，并衡量用户编辑了多少、是否导出、是否分享，以及免费用户有没有转为付费。他们大概做过数百次这类测试，借此了解哪些模型适合哪些任务，以及复杂提示词里的哪些部分真正有效。Huang 称之为数据飞轮；Noronha 也同意，论建这样一个飞轮，Optimizely 出身的这群人最有优势。

微调并不是主要的杠杆。Noronha 说，很多热度来自那些卖微调服务的公司，而在 Gamma 的经验里，微调似乎会削弱模型的真实智能。开源模型是微调最流行的地方，它们远远没能赶上闭源基础模型（foundation models），所以日常的主力是 Claude、Gemini 和 GPT。被问到最喜欢哪个，他是 Claude 的拥趸：它对什么好看有品味，而那种创造力“在任何基准测试里都看不出来”。编程是其他人都在优化的杀手级应用，而 Gamma 是一个视觉表达平台，所以那些公开分数对它们来说都不作数。

最被低估的模型是 Gemini，它也是 Gamma 目前用得最多的，因为论每美元的智能，没有谁能胜过 Gemini Flash。较早的 Claude 版本有时会胜过新版本，因为这一系列转向了编程优化。推理模型并没有打开新局面：模型想得越久，就越缺乏创造力；而 DeepSeek 在这个用途上是“彻底的哑炮”。图像生成也没有唯一的赢家：他们支持约 20 种模型，主要依赖 Ideogram 和 Flux，并发现 GPT Image 在文字和信息图上格外出色。他们试过斯坦福的 DSPy 来自动优化提示词，后来弃用了：在他们看来，提示词是设计师可以编辑的用户体验；而且当某个模型出故障时，同一条提示词得能顺畅地换到别的模型上。

最让 Noronha 担心的竞争对手，依然是 PowerPoint，其次是 Google Slides。Gamma 为月活用户数百万而自豪，但他听说每家现有巨头都有 5 亿用户，加起来就是十亿幻灯片用户。他们仍然把自己当作挑战者。运气，算是有一点：那些公司在 AI 上行动迟缓，而智能体编程吸走了大量注意力，生产力工具反而被冷落了。基础模型则是另一种威胁。ChatGPT 的智能体已经能做 PowerPoint，“好在对我们来说，做得还不太好”，不过他知道这种情况会改变。

所以 Gamma 在走钢丝。他们不想去做一个出色的 PowerPoint 制作工具，因为 PowerPoint 迟早会变成那样。他们想做的，是一种属于自己的视觉叙事媒介，并把它做好。区分开来是有代价的：这种格式陌生，有些用户会因为导出的问题而生气。与此同时，它又必须感觉方便，因为最初的 5000 万用户是早期采用者，接下来的 1 亿用户将是早期大众，需要它融入现有工作流，尤其是在公司从纯 B2C 转向 B2B 的过程中。

与其说 Canva 是假想敌，不如说它是灵感来源。Noronha 说，它们证明了产品驱动增长（PLG）在极大规模上可以行得通。他听说的一个数字是，Canva 直到年经常性收入达到 5 亿美元才雇了第一名销售。它靠的是面向中小企业的策略和庞大的模板库。Gamma 想沿着这条路走，但不想照搬产品。Canva 是拖拽式的设计工具；Gamma 在疫情期间形成的基因，则是基于写作的工具，更接近 Notion，你不需要设计技能，也能做出好看的东西。随着时间推移，它们会更直接地正面交锋。他宁可开辟一条新路，也不愿当个模仿者。

几年前，有三四款 AI 幻灯片工具在角逐，Gamma 脱颖而出，其他的或转向，或停滞。Noronha 归因于一种精简、偏执的心态：其他公司融了很多钱，搭起了大团队，而 Gamma 假定 AI 世界会持续变化，真正重要的是转向的能力。这意味着相对于它的业务规模，团队很小，而且对推理（inference）开销设了硬性上限。竞争对手在 GPT-4 和 DALL-E 极其昂贵时就在用它们，那是典型的“75 美分卖一美元”，也就是每笔都亏本。他说，现金流为正，让他们能比其他人更快地前进。

他给其他应用层创始人的建议，首先是一个关于市场的独特视角。Gamma 把自己看作一种新格式的创造者，目标是取代幻灯片，这个视角指引了它的产品选择，也偶尔惹恼过用户。他会对又一家凭感觉编程（vibe coding）的创业公司保持警惕，因为这条赛道已经挤满了做同样事情的公司。更好的做法，是找到一个被忽视的领域，哪怕它与基础模型的训练方向相悖。编程工具之所以能起飞，是因为模型正在为编程而优化；去做一件与之相邻、模型并未优化的事，你就不太容易被“巨型恐龙”压扁。

另一个习惯，是跨模型做实验。创始人往往会锁定一家供应商，并认为它就是最好的。创新的节奏如此迅速、分布如此不均、又如此难以预测，你必须为这样一个世界做好准备：一周里的每一天，都可能是另一个模型最好。Huang 听出了 Optimizely 的基因再次冒头。接着她问，平台上 2.5 亿份 Gamma 作品究竟是什么：不只是最初的幻灯片用途，还有用户自己打开的那些相邻场景。

他们在演示文稿上达到了产品市场契合，这个范围比听起来要宽：从视觉风格的 TED 式演讲，到文字繁多的咨询和投行幻灯片，他们仍然觉得这方面还有提升空间。用户还把 Gamma 带进了文档领域，比如 PDF 提案、宣传册、精美的客户报告和白皮书。如果 PowerPoint 的市场是 5 亿人，他认为 PDF 更接近十亿人。接下来的惊喜是网站。人们做出一个 Gamma 后发现，它可以当作个人主页或小公司的首页，就像 Notion 文档会变成迷你网站那样。

网站有很强的黏性，也是公开的门面，因此 Gamma 去年推出了网站产品。现在的工作定义是视觉叙事平台：凡是有重要事情要传达、并且会被人从封面来评判的时候，Gamma 都想成为那个地方。近期，九月原计划推出一个重建的核心编辑器，视觉范围更广，编辑上支持可以直接对话的智能体式操作，比如“把这个五页的演示扩成 20 页”，或者“展开第三部分”，还会推出一个 API。销售团队可以把 CRM 笔记导入模板化的路演内容，省掉一小时搭建幻灯片的时间。投资人不断告诉他，他们有十家投资组合公司正需要这样的东西。