# 02 年伯克利辍学生，千万美金融资额，FlowGPT 背后的从 0 到 1 | 对谈 FlowGPT 创始人 Jay

> 42章经 精读

- 发布日期：2024-03-13
- 主持：曲凯
- 原节目：https://www.xiaoyuzhoufm.com/episode/65f16b236764957079157e9c
- 网页版：https://42zhangjing.qiaomu.ai/ep/65f16b236764957079157e9c.html
- 精读字数：约 7499 字（阅读约 17 分钟）

> 本文为 42zhangjing.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

2024 年 3 月，FlowGPT 官宣了一轮由 Goodwater 领投的千万美元融资。创始人党嘉成（Jay）2002 年出生，2023 年初从伯克利大二辍学创业，到当年 11 月，平台月活做到 300 万，成为全球最大的 Prompt 社区。42章经的曲凯在节目里说，Jay 大概是他播客历史上最年轻的受访者，也是他原本倾向于悲观的那类「年轻、没经验」的创业者，聊完之后他改变了看法。

这期节目录于 2023 年 11 月，因为聊到了新一轮融资的细节，压到官宣之后才放出。内容大致分三块：Jay 为什么辍学、怎么从零做出一个 300 万月活的平台；全球用户到底在拿 AI 干什么，Prompt 这件事会往哪走；以及他中美两地融资的亲身体验，包括那笔三天内被「堵门」签下的钱。

下面按时间顺序把对话里的关键信息整理出来，保留了 Jay 给出的具体数字、案例和判断。

## 两天做出第一版，第二周决定辍学 0:00:27

FlowGPT 现在的定位是「AI 原生应用平台」，一个 UGC 的双边市场：一边是创作者，平台给他们工具，降低创作门槛、抬高能力上限；另一边是消费者，来找自己感兴趣的、对自己有用的东西。Jay 说得很直白，平台上大部分人是来用别人写好的东西的。

曲凯问他做对了什么，他的回答是「做得快，做得早」，这让他们积累了大量对用户的理解。团队年轻，但经验不少，因为他在伯克利期间合作过上百个人，做各种项目。

第一版产品只花了两天就上线了。Jay 是学 CS 的，之前做过很多项目，早期所有东西都是自己写的。上线后他在各个社交媒体上做了冷启动，发现自来水效应非常强，用户量一下就涨起来。曲凯追问是哪个节点让他觉得「猜对了」，他的答案是：**做这件事的第二周。**

第二周他就决定辍学。父母和朋友都劝过，他还是走了。他的理由是「上学很没意思」，而且学校任何时候都可以回去。

## 「做 2C 平台需要的是你没有经验」 0:03:27

这一段是整期节目里 Jay 观点最锋利的地方。曲凯提到，国内应届生创业成功的屈指可数，当下市场又越来越难，同台竞争的是大厂和连续创业者，为什么一个大二学生敢下场。

Jay 的回答是，他不认为做 C 端平台这件事，经验能帮上很多忙。经验大量是用在 to B 上的，to C 反而欠缺。曲凯追问那需要什么，他说：

> 需要的是你没有经验。

他的逻辑是，如果你有经验，你会想出一个非常完整的方案，一个最终能让你上市的方案，你才可能愿意抛弃一切去做这件事。而他当时没什么可丢的，学校随时能回，做失败了也能做别的。他一开始也没想清楚这东西能不能上市，到现在也没完全想清楚。

更关键的是，他最初的想法违背了他当时读到的所有创业指南：大家说不要做平台，要做非常专的东西；不要挠很多人的痒点，要解决一个人的痛点；不要拿着锤子找钉子，要先有问题再有方案。他全是反过来的。但他觉得「做这个事儿有很多人去用，感觉是对的」，就先做出来了，试了一下，真的对了。

他也承认没经验容易踩坑，但踩坑主要在公司层面，比如管理和组织。产品和技术上还好，因为他读了很多开放的内容，也找了很多人帮忙。

## 私聊几千个用户，把写 Prompt 的人一个个捞出来 0:06:03

曲凯问他早期用户从哪来，Jay 说就是一个个私聊。只要你在任何地方发过一个 Prompt，他大概率都和你聊过。到目前为止真私聊过的人有几千个，最初那一两周大概五六百人。他把这些人拉到平台上说「我有这么个社区，你可以来看看」，很多人喜欢，也有人直接骂他做的是屎，但还是有人留下来。

这段经历他自己归因于 Paul Graham 那篇《Do Things That Don't Scale》的影响。曲凯在节目里也点出，这很像早期创业者手工获客的经典路径。

Jay 认为自己做对的一件事，是把早期那批最愿意花时间写 Prompt 的人，用一种特殊的方式聚集了起来。至于这个社区到底解决了什么痛点，他的回答很诚实：很多人问过他这个问题，他自己也没完全想好。

关于团队，早期成员大多只比他大两三岁，是大三大四的学生，都是之前一起做过项目、彼此信任的人。他刚进伯克利时其实想去谷歌，后来发现那不是自己真正想去的地方。创业这件事从高中就开始了，他在美国读的高中，高中最后两年给了他真正做自己事情的机会。

聊到华人出海创业的路径，Jay 认为高中去美国比较合适：小时候接受中国那套体系训练，基础牢、能卷；高中头一两年适应很痛苦，但最后两年能开始做有意思的事；大学才去的话，前三年都在适应，会错过很多机会。他自己那一届没什么中国学生，所以融入得还算容易。他也提到，大学时还是觉得和肤色相近的人聊天更开心、效率更高。FlowGPT 早期能跑得顺，很大程度靠的是美国本土的人在帮忙。

## GPT Store 是 iOS，FlowGPT 想做安卓 0:12:27

曲凯把话题拉到竞争格局。300 万月活放在所有 AI 应用里已经很靠前，前面是 OpenAI、Character.AI 这类。Jay 的判断是，OpenAI、Character.AI，包括国内一些做大模型应用的公司，本质上还是大模型公司，做的是给大模型一个更好的壳、更好的场景，收集更多数据，还没到一个真正的内容生态。

内容生态最重要的是足够开放、限制少、自由度高。按这个标准，GPT Store 更像 iOS，开发者只能在它的体系里做生意；**FlowGPT 想做的是安卓**，提供更开放、更开源、更自由的生态，给创作者的自由度和个性化更高。平台接了很多模型，用户可以自己选。

曲凯问，未来各个模型都自己做应用商店怎么办。Jay 觉得反而是好事，因为用户会不知道选哪儿，就会去找一个真正能做分发的平台。他的核心判断是：**用户跟着创作者走，而创作者想要更多的模型选择，不想被锁在某一个模型的生态里。**

曲凯提到国内过去几个月有不少公司在做「中国版 Character.AI」，FlowGPT 从某个角度看也像。Jay 说他们其实已经在做 Character.AI 做的事，把多模态引进来。但他认为 Character.AI 更像一个模型库，没有把闭环做掉，最终内容都流向别处；Midjourney 也一样，更多是工具。FlowGPT 的思路是把图片模型等各种模态的模型作为辅助，嵌进平台上创作者做的应用里，最终消费内容的地方还是平台本身。

关于「AI 让所有人都能创作」这件事，Jay 泼了冷水：还没到那个时间点。从创作者和消费者的比率看，FlowGPT 大于长视频平台，但小于短视频平台。它更像一个偏工程、偏技术的社区，虽然内容以自然语言为主。

曲凯拿应用商店的历史做类比：一开始大家以为海量应用要被分发，最后手机主页上就那么十几个核心应用。Jay 按品类拆开看：娱乐类场景更像视频网站，像 B 站、YouTube，靠剧情或游戏感的内容被不断消费，可以无限供给；生产力类还没到稳定阶段，新工具不断出来，新版本效果比上一版好很多，创作者也在自己迭代。曲凯顺势总结，文娱类拉新拉频次，生产力类拉留存。

平台自己要不要做应用？Jay 的答案是不做。他们一开始自己尝试了很多，把社区的聊天体验和技术氛围带起来了，但做应用时发现，**创作者对 Prompt 和大模型使用的理解远远超过他们**。抄可以抄，但自己抄一堆不如让创作者做更多。

## 最火的应用是 Prompt 生成器，最典型的需求是 AI 女朋友 0:20:21

平台上最大的应用是「GPT Prompt 生成器」：你给它一个很简短的需求，它生成一个比较长的 Prompt。GPT Store 里后来也有人做类似的东西。Jay 的判断是，整个市场还很早期，大家需要工具来帮忙生成 Prompt。

娱乐类里最火的是各种各样的 AI 女朋友，偏陪伴。他觉得比较有意思的是文字冒险类的剧本杀，创作者会把文生图模型接进去，给游戏生成各种场景图片，形成多模态的体验。

曲凯问这个品类是不是和 Character.AI 直接竞争，Jay 说是。但他补了一句，他们自己问下来，创作者非常讨厌 Character.AI。原因有几条：产品差；没有分发和运营；团队不在乎用户，他们更多是在做大模型，工程师完全不听用户提的东西。

国内很多公司正在变成端到端，自己做大模型，也自己找场景把应用做出来，都往 Character.AI 的方向对标。曲凯问海外会不会也这样，Jay 回到创作者和用户两端：创作者在乎的是不要被绑定在某一个大模型上，在乎平台到底是为我服务，还是把我当数据奴隶、流量奴隶；使用者则跟着创作者走。

## 300 万人在干什么：六成娱乐，四成生产力长尾 0:22:59

从数据看，大约 60% 到 70% 的使用和娱乐相关，游戏、聊天这类；剩下的是生产力方向的各种长尾小工具。

留存上，Jay 看到两种形态：有人抓住单个应用一直用，每周都回来；也有人对单个品类有留存，比如每周来看新闻。

曲凯问，做这个产品九个月，有没有什么被用户改变认知的事。Jay 说每天都有。他举了几个具体案例。

第一个是让语言大模型去调图文模型的 API。逻辑和 DEC 一样，让 ChatGPT 生成一个嵌套的 API，它理解这个 API 之后就能生成图片。平台上最早是创作者发现了一个特殊的链接，链接后面放上图片的 Prompt，就会慢慢变成一张图。然后大家在 Prompt 里告诉 ChatGPT「你现在会生成图片，生成方式是生成这个链接，把图片描述放在链接后面」，一下就传开了。

第二个是有科研人员在研究怎么写 Prompt 更有效率，设计出很多框架传播给所有人。用这些框架写 Prompt，效果又好、写起来方便、也容易改。还有人认为 Prompt 越短越好、信息密度越高越好，因为越短留给大模型的记忆空间越大，能记住更多上下文。

第三个是有人做了一个「超级应用」，里面放了 5 个不同工具的 Prompt，外面套一个平行的顾问框架。顾问先问用户今天想用什么工具，用户说了之后，它 load 对应的那个 Prompt，变成那个工具来服务。Jay 评价说，这既有应用层面的创新，也有写 Prompt 框架方式的创新，还有往底层深究模型能力的创新，很像大家在研究自然科学。

消费端最出乎他意料的观察是：他们原以为用户是无聊时、写作业时打开用用就关掉，但很多人慢慢把 FlowGPT 当成微信一样的东西，平时挂着，随时找 AI 交流、获取能力。

曲凯顺势问，那 OpenAI 最大的竞争对手可能就是你们。Jay 说希望吧，目前还没有人这么讲。但他承认，本质上这就是在抢 Prompt 的入口，和 OpenAI 是竞争关系。如果以后模型能力都差不多，把 OpenAI 的模型换成别人的也差不多，就像扫码支付有十几种方式，平台决定谁排在前面、谁排在后面。他相信开源。

## Prompt 是大模型的代码，而且会越来越长 0:28:51

Jay 给了一个完整的类比：大模型真正对标的是计算机的 CPU，提供底层的计算能力；大模型提供的是一种 reasoning 的能力，说白了是预判下一个字是什么。要做出使用场景、调用这个底层能力，需要一种特殊语言。电脑时代是代码，AI 时代就是 Prompt。

Sam Altman 说过 Prompt 是阶段性的东西。Jay 的解释是，那位记者当时问的是 magic word，更多指图片生成里堆修饰词那种 trick，比如把「非常」重复很多遍效果就变好。这类 trick 确实会消失。但大家把整件事理解成中间态，是误读。

曲凯提到「情绪勒索式 Prompt」，比如跟 AI 说这件事对我非常重要、搞不成我就怎么样，它表现会更好。Jay 说确实是真的，但算不算 trick 他也不知道。他见过更奇葩的：有人尝试催眠 ChatGPT，跟它说你现在是个小孩、在做梦、无忧无虑、做什么都可以，然后模型就越狱了，生成内容的质量会变好或变差。他认为模型的理解能力会越来越强，这类东西的作用会减少。

FlowGPT 判断一个 Prompt 好不好，看的从来都是总信息量，写法本身不在评价标准里。很多所谓更好的 Prompt，只是把同一个信息解释得更清楚，总信息量没变。模型能力提升真正带来的是内存变大，能一次性理解更多信息，这才是让他兴奋的事。

关于 AI 生成 Prompt，他们 3 月就想做，市面上各种方案都聊过、试过，结论是不如直接用 GPT 生成。Jay 的解释是，让 GPT 帮你写 Prompt，本质是让你用更轻松的方式把想做的事、想构建的场景表达出来，就像他自己常用 GPT 写代码，是为了更快实现想法。

他还有两个和大众认知相反的观察。第一，真正会深入研究怎么写 Prompt、在意最终产出的那批人，其实没有技术背景，所以 Prompt engineer 更该是产品经理的角色，因为写 Prompt 本质上是产品经理在提需求。第二，大家以为模型变强 Prompt 会变短，真实数据完全相反：**模型不断变强的同时，Prompt 在不断变长**，就像电脑硬盘变大、代码越来越长、软件越来越复杂，但效果肉眼可见地变好。这个趋势他还没见顶。

另外，Prompt 不是一次性内容。很多人以为模型迭代会让旧 Prompt 过时，但创作者会维护自己的东西，互相学习，在别人的基础上打补丁，逻辑和 GitHub 上的代码非常像。整体市场对 Prompt 的重视程度，上半年非常低，GPT Store 出来之后好了一些。

国内创作者的水平，Jay 的评价是「非常有创意」，很多国内社区在研究自己的框架。他举了个例子：平台上有用户用中文写 Prompt 做抽卡，写成一个聊天机器人，你跟它说「我要抽卡」，它就给你抽。

## Prompt 不该是商品，FlowGPT 不做买卖 0:37:20

曲凯问付费逻辑，Jay 说他们还没做。GPT Store 想做，他觉得不太 make sense：如果是买断制，核心是在卖 Prompt，而 Prompt 不应该是商品。内置的增值付费可以，但「想用这个 Prompt 就得充会员」这种买断模式，他不认同。

第一轮融资是 DCM，已经公开。曲凯问他当时想清楚了吗，他说想清楚了，但和现在讲的故事不一样。当时最大的目标是做最大的 Prompt 社区，现在是 AI 原生应用平台。

## 中美融资：一个要自己找，一个会主动找上门 0:38:54

Jay 对比了两边的体感。国内机构需要创业者自己去找，层级非常多，但基金想得更清楚，手更紧，速度更快，更懂 C 端，对 AI 的积极性也更高。美国这边创业者经常被机构主动联系，投资决策可能更感性一点，大家都很会做 branding，有些基金会被塑造成创业者的「白月光」。

美国基金非常靠关系，需要 warm intro。好在 Jay 之前有积累，很快能推荐到对的人。他读过几家大基金合伙人的 blog，从中学了很多，所以明确知道每个基金想找谁。曲凯指出这里有矛盾：一边说美国机构会 cold email 项目，一边说还是要 warm intro。Jay 确认两件事同时在发生，但有人介绍效率更高，可以跳过很多层直接和合伙人聊。层级上美国比国内好一点。

## 三天：饭桌上 pitch，第二天 IC，第三天堵门送 TS 0:41:29

这轮融资的过程被 Jay 讲得很具体。对方是一家很知名、专投 C 端的美国基金，非常硬核，自己做了很多数据工具，全网监测数据，找到有希望的项目就给创始人发邮件。联系他的是合伙人级别的人，在 IC 里有投资权，本身也是资深的连续创业者。

第一次聊是正规的 pitch 场景。聊完对方觉得不错，直接约合伙人。第一天见完一个合伙人，第二天就说要去 IC。因为对方刚好在团建，就一起吃了个饭，顺便向所有合伙人 pitch 了一遍，一共 4 个人。第三天更硬核：对方全家老小开到他们办公室楼下堵人，把 TS 拍在桌上，反过来 pitch 了一个小时，当场就给 raise。

那一个小时讲什么？讲他们做过什么、投过什么、有什么资源，更重要的是拿出一份内部做的很长的 PPT，研究这个 case、这个市场、公司后续的数据发展，一个个讲给 Jay 听，讲他们的投资逻辑，表达「我们比你有些地方更懂你、更能帮到你」。Jay 说，想表达的是「我真的做研究了、真的做数据了，我想到了你作为创始人可能想不到的方向」，这个传达得非常到位。

TS 是 exploding TS，两天内不签就没了，而且偏偏是周五下午发的，不给他时间去别处聊。他还是试了一下，但别的几个基金都在推进，最后觉得时间更重要，直接拿了。整个流程两三周，而在此之前他已经和很多美元基金聊了快一个月。

美国机构的尽调非常狠，会去调数据库，绕库里所有人问一遍，几乎所有机构都这样。尽调流程比决策流程长很多。曲凯问，能拿美国基金的钱，是不是就没必要拿国内的钱。Jay 说做美国市场或全球市场的话是的，但他们之后想做真正的全球市场，所以还是会拿一点国内的钱。

## 「你最大的痛苦是什么」和「你们什么时候能 break」 0:47:13

两边合伙人问的问题，Jay 感觉国内问得更深一点，可能因为他们做的事和 consumer 相关。但也要看基金。问到后面都会问灵魂问题，比如为什么创业。

他印象最深的两个：国内投资人问「你最大的痛苦是什么」，美国投资人问「你们什么时候能 break」。他对后者的评价是，要求一个平台回答这个，其实挺离谱的。

曲凯补了一个观察：国内投资人今天见了你、说了 no，很大原因是对人的判断，之后你再做什么，他不会再要 update，也不会再给你开叉；美国投资人喜欢保持联系，这次聊完不行，过两个月再问最近数据怎么样，好的话会重新捡回来。Jay 猜测这可能和美国 to B 多、更看事有关，也可能是对人的平均判断更高。他拿的都是 C 的钱，速度快一点，但最后还是要有一个 cap table，国内基本没有 SAFE 这种形式。

## 02 年的创始人，最担心的是自己太老 0:49:00

节目最后，曲凯问他有什么特别担心的事，比如 Prompt 这件事的天花板在哪里、能持续多久。Jay 的回答是：

> 我担心我可能太老了。

他的用户可能只有十六七八岁，他担心自己没办法理解他们的文化。这也是他对 FlowGPT 这件事本身的担心：用户非常年轻，又是 C 端产品，最重要的是理解用户在想什么，而他现在正 struggle 于理解他们。

曲凯在节目里说，这句话当时震到了他。一个 2002 年出生的人，担心自己跟不上更年轻的用户，这种焦虑放在 C 端产品上其实很真实。

把整期节目听完，能带走的判断大概有这么几条。第一，C 端平台产品的早期壁垒往往不是经验，而是下场速度和手工获客的密度，Jay 私聊几千个 Prompt 创作者这件事，比任何方法论都更能解释 FlowGPT 的冷启动。第二，Prompt 的长期价值在信息量和上下文容量，模型越强，Prompt 越长、越像代码，创作者会像维护代码一样维护它。第三，开放生态和封闭生态的竞争会长期存在，创作者不想被锁死在一个模型里，这是 FlowGPT 这类平台的机会。第四，融资上，美国机构靠关系和尽调，国内机构靠判断和效率，想做全球市场，两边都绕不开。

对做 C 端 AI 产品的人，Jay 的提醒很朴素：你的用户可能比你年轻十岁，理解他们比理解模型更难。