最近测试了几个 App/产品，有的让我眼前一亮，有的让我抓狂。
以下，无论是吐槽还是赞美，我都希望它们能发展得更好。毕竟，作为用户，谁不想用得更爽呢？
试用的过程中发现，这些表面上的体验问题，背后其实藏着更深层的产品逻辑和市场选择，索性就一并写下来了。
1. Co-Star
我对星座不算太懂，遇到这个 App 纯粹是想多看看有意思的产品。
注册后还没来得及细看内容，头像就把我的注意力转移过去了。第一反应：这在西方也许稀松平常，但对我这种成长背景的人来说，有点 sexy，有趣！
我们的文化习惯打「安全牌」，所以会发现，中国很多 App 的默认头像都很雷同——不仅没记忆点，甚至丑到让人第一时间想换掉。
某种程度上，这的确增加了用户在 App 中的交互时间，但我觉得，这不是一个足够好的产品经理该关注的点。
我就在想，为什么 Co-Star 敢这么做。
表面上看这是「文化差异」，但往深了挖掘，这其实是更精准的 audience targeting（受众定位）。Co-Star 服务的是都市、liberal（自由派）、追求 spiritual wellness（精神健康）的年轻群体——这个 demographic（人口统计群体）本来就接受 body positivity（身体积极性）。
与其说是文化勇气，倒更像是市场细分的准确定位。
相比之下，中国 App 的「安全头像」也不能说是保守。当团队要服务 5 亿 + 日活时，任何两极化的元素都是转化率杀手，背后体现的其实是 unit economics（单位经济效益）问题。
Co-Star 的优势不仅在于黑白高级感的设计，更在于这个默认头像——哪怕以后不常用，未来的我也会记得第一眼看到它时的感受。这种记忆点，是其他 App 无法超越的品牌资产。
我觉得，小众定位不是劣势，而是不同的 business model（商业模型）。Co-Star 可能永远不会有主流占星 App 的用户量，但它可以有更高的 ARPU（Average Revenue Per User，单用户平均收入）和更低的流失率。
这是「垂直定位」vs「水平规模」的选择。
2. Cosmos
不太懂为什么，我一直被所谓「美」的事物吸引——摄影、设计、视觉相关的东西。哪怕我自己现在仍然达不到理想中的标准，比如拍出好看的照片、拥有高级审美，but anyway，我还在间歇性地关注这些东西。
前几天发现 Cosmos，第一眼：这不是 Pinterest 的翻版吗？
但我得承认，它比 Pinterest 做得更高级、更小众，服务的人群也更细分。
最喜欢的部分是 Following 页面——给我的感觉像是在浏览电子画册。此时此刻，我的 focus 全在这张图里，不会被别的东西分散注意力。
我甚至在想，如果社媒的 text feed （信息流）也做成这个效果，那用户对刷到的内容的理解会不会更强？🤔
但后来又想，这个「one image at a time（一次一张图）」的设计很禅意，但是它牺牲了 information velocity（信息速度）——用户看 100 张图需要点击 100 次，这在移动优先时代是个 friction point（摩擦点）。
不过，这个 friction 可能是有意的！
Pinterest 和 Cosmos 代表的是两种 optimization target（优化目标）：
Pinterest 追求 discovery velocity（发现速度）——「快速展示 100 样东西」。它的 business model 是广告驱动，需要大规模用户。
Cosmos 追求 appreciation depth（欣赏深度）——「让我停留在这一件事」。它可能是订阅制，追求质量高于数量。
我想，并非所有用户都追求「一整屏信息上下滑动」的形式，肯定有和我一样喜欢 Cosmos 设计的人，服务好这部分人群不就 OK 了？
市场并非总是零和游戏，不同的产品可以服务不同的价值主张。
这也让我想到 voice-first 社媒的可能性。
如果有 voice-first（语音优先）或者 voice-only（纯语音）的社媒平台，会不会有市场？我知道 Naval 做过 Airchat，但那是 AI 转译语音成 text，发出去的仍是文字 feed，和我设想的不符。
但我也想明白了，voice-first 社媒还不存在的根本原因是 medium inherent limitation（媒介固有局限），和技术无关：
用户无法快速扫描语音内容（缺失可浏览性），语音需要 dedicated attention（专注注意力），而且难以产生「看到别人点赞」的即时 social proof mechanism（社交证明机制）。
可想而知，哪怕有 AI 加持，voice-first 平台的开发团队仍然会面临诸多挑战。
但我觉得，总会有令人惊艳的产品出现的！比如，声音和绘画结合，至于如何结合，能否占取市场份额…有待考究。
3. Descript、剪映和 Capcut
我的日常工作之一是剪播客。熟悉这个流程的人都知道，很费时间，所以我在积极测试现有的 AI 剪辑工具。
昨天特地对比了 Descript、剪映和 Capcut。
Descript 无法准确转录我上传的音频，识别出来的文字是缺失的（截图中浅色部分被放弃了）。
而且，它无法识别非文字音频信号。比如末尾的杂音，需要手动删除。
剪映和 Capcut 作为中国公司的产品，处理中文内容有天然优势。但让我震惊的是：Capcut 对中文内容的衔接处理比剪映更出色——我是剪映 SVIP 用户，没给 Capcut 付费，但如果我需要考虑使用一款产品去剪辑音频，我会优先选择 Capcut。
不过，目前市场上已有的 AI 剪辑工具仍然无法满足我的预期。
也许是我耳朵太敏感，衔接处的气口、空白停顿、节奏等，AI 给出的结果总是不尽如人意。
这在 Descript 上体现更明显，真的让我很崩溃。
其实我也理解，英文和中文存在很多 nuance（细微差别）。口癖词汇这点，英文处理确实比中文方便得多。
但我感觉，AI 剪辑工具的设计，还是得考虑 DSP（Digital Signal Processing，数字信号处理）技术，而不仅是停留在 LLM（Large Language Model，大语言模型）层面的文字识别上。
以及，当前 AI 音频的真正瓶颈并非模型能力，而是 training data bias（训练数据偏差）。
Descript 和 Capcut 训练的都是「标准播客」——主持人说话清晰、背景干净、语速稳定。但真实世界的音频是混乱的：有重叠说话、背景噪音、非标准口音/方言…
当然，我所期待的「自然衔接」本身就是个「定义不清」的问题。什么叫「自然」？0.3 秒停顿还是 0.5 秒？取决于语境、说话者个性、内容类型…这是个 subjective optimization target（主观优化目标），AI很难有 ground truth（客观真相）去学习。
这么说来，AI 剪辑领域，未来的解决方案不是创造「更好的通用型 AI」，而是 AI 加 human-in-the-loop（人在环中）的混合工作流：AI 做第一遍粗剪，人类调整细节，然后 AI 学习这个「调整」并在后续 co-working 中应用——这是个共同进化的过程。
这也让我想到一个更大的问题：为什么还没有「播客编辑专用 AI」？
想象一下如果有这样的产品：
UI 是 timeline-based（基于时间轴），Features 包括可调敏感度的呼吸检测、智能淡入淡出、「Match this pacing」功能——学习我喜欢的节奏，还有多人语音画像…
为什么不存在？
可能 TAM（Total Addressable Market，可触达市场）的潜在用户不够理想，VC（Venture Capital，风险投资）并不感兴趣。但作为 $20/month 的 SaaS（Software as a Service，软件即服务），似乎是完全可行的！
当前的 ChatGPT、Gemini、Claude 都在 trying to be everything to everyone（试图满足所有人），但真正的机会应该在于垂直 AI 助手：针对特定使用场景深度优化，而非水平功能堆积。
这和 Cosmos vs Pinterest 是同样的模式：
ChatGPT/Gemini = Pinterest（大而全）
未来的 vertical AI apps = Cosmos（小而精）
4. Gemini 和 ChatGPT 的 Live 模式
曾看到 Gemini 的工作人员在小红书积极收集反馈，我当时就想，哎呀，终于有个地方可以放我的心声了——我苦于吐槽 Gemini Live Mode 的三行字幕良久。
而 ChatGPT 的设计就圆满解决了我的痛点。
我就在想，到底为什么设计的是三行字幕。
也许追求的是在场感、专注感？但我始终觉得，这是为英文母语者或日常生活中能流畅使用英文的人设计的——只有他们才不会觉得三行字幕增加了 cognitive load（认知负荷）。
ChatGPT 不如 Gemini 的一点是，ChatGPT 并没在屏幕上显示用户说了什么，而 Gemini 会，甚至还会帮用户自动修正表达。
我最初认为这是「设计缺陷」，后来意识到，那是因为这两家公司在针对完全不同的 use case（使用场景）做优化。
Gemini 的三行设计模拟了真实情境中的人与人交互，声音是瞬时的，无法回溯，这也就强制用户把注意力放在当下，而一旦试图回顾历史对话记录，就退出了沉浸式语言交互的体验。以及，这是为了 hands-free（免手操作）、eyes-free（免眼操作）场景设计的，比如开车、做饭、跑步。他们的 north star metric（北极星指标）可能是「用户能否在不看屏幕的情况下完成对话」。至于为什么是三行不是别的行数，这可能和人类的短时记忆容量有关。
ChatGPT 的全屏转录是为了学习/记录场景设计的，比如语言学习、面试准备、知识获取等。和 Gemini 的三行字幕不同，全屏显示能让用户看到完整的对话上下文，不会因为对话持续进行历史记录在视线内消失而打断思路，这对需要反复确认细节的交互场景很有帮助。
二者的设计都没有问题，它们只是在服务不同的 Jobs to Be Done（待完成任务）。
我作为一个想通过 Live Mode 学习、提升自己的人——比如练习外语口语、模拟面试场景——自然而然会倾向 ChatGPT。
事实上，我代表的这类人群，数量应该不小。但既然都是 growth-driven（成长驱动型）人类了，自然也会找到别的替代工具，何必死磕 Gemini 或 ChatGPT 呢？🤔
问题是，工具太多，需要付出时间与精力成本去测试替代品。哪怕再聪明的人也有惰性，希望用到的产品要么能力尽可能全面，要么单一领域做到 Top tier 1（顶级第一梯队）——这会节省时间和精力。
不过，按照最近的趋势来看，真正应该 focus 的点在于 vertical AI with specialized UI（专门化界面的垂直 AI）：
1）AI for language learners（语言学习者专用 AI）：全屏转录，slow-down option（减速选项；给予用户控制权，比如提供可滚动字幕），即时翻译…
2）AI for drivers（驾驶者专用 AI）：纯语音交互，情境感知…
3）AI for podcast editors（播客编辑专用 AI）：波形视图，呼吸检测，智能淡入淡出…
…诸如此类。
5. 写着写着意识到的 pattern（模式）
在思考这些产品时，我意识到一个 pattern：AI 的发展正在重复社交媒体的演化路径。
社媒的演化是这样的：
2010s 早期，只有几个通用平台：Facebook、Twitter、Instagram，每个平台都在 trying to be everything。
2010s 中后期到现在，niche platforms（小众平台）涌现：Pinterest 做 visual discovery（视觉发现）、Strava 服务运动员、Goodreads 服务读者、Cosmos 做 curated aesthetics（策展审美）…
AI 当前的状态就很像社媒的 2010s 早期：
只有几个通用型 AI——ChatGPT、Claude、Gemini，都在拼命加功能：语音模式、图像生成、代码执行、网络搜索、文件上传…
结果就是功能臃肿，以及，UI compromise（界面妥协）。
所以我觉得，AI 也会走向这样的局面：vertical AI apps 会涌现，各自针对特定使用场景优化。
这个 pattern 不止适用于软件，也适用于硬件：
1）电脑 ➡️ PC vs Mac ➡️ Gaming PCs vs Workstations vs Chromebooks…
2）手机 ➡️ iPhone vs Android ➡️ Gaming phones vs Camera phones…
3）可穿戴设备 ➡️ Apple Watch ➡️ Fitness bands vs Sleep trackers…
理解这个 pattern 能帮助我们找到评估产品的侧重点：「哪个更好」vs「它针对什么场景做优化」。
自然，也能预测市场：vertical specialization（垂直专业化）是不可避免的。
甚至是，能发现机会：哪些 niche （利基，通过高度聚焦特定需求来建立竞争优势）市场有待被服务。
6. 一个小 insight
回到我们的中文语境，我能隐约感觉到，中文 AI 生态和英文 AI 生态走的路径不太一样。
我还以为中文这边还在「通用AI大战」阶段——文心一言、豆包、Kimi、智谱清言、通义千问、DeepSeek…几乎都在做「中国的 ChatGPT」。但经过检索发现，中文垂直 AI 的发展比我想象的快得多。
根据国家发改委的数据，截至2025年上半年，中国大模型备案总量已达 439 款，覆盖医疗、农业、教育、制造、金融等30多个行业。在医疗领域，智能医生助理已经覆盖全国 30 个省、3 万家基层医疗机构；在农业领域，智慧农业平台累计服务 60 亿次。
与 toC（to Customer，面向顾客）相比，toB（To Business，面向企业）的进展更明显。刚在今年 10 月底上市的滴普科技就是个很好的例子——他们为企业提供「Data + AI」解决方案，服务消费零售、制造、医疗、交通等行业的 245 家客户，2024 年营收增长 88%，首日上市涨幅超 150%，被称为「企业级大模型AI应用第一股」。
类似的事实性数据还有很多：华为云的盘古大模型在政务、工业、金融领域市场份额第一；智能客服 Agent 的渗透率超 70%；AI质检系统准确率可达 99%…
「走的路径不太一样」指的是，在 AI 的发展上，英文生态 vs 中文生态，前者是先通用后垂直，但后者似乎是通用和垂直在同步推进。路径不同，但方向一致——都在走向垂直专业化，这或许和两个市场的 toB/toC 成熟度、政策环境，以及产业基础有关。
Echo 前文，中文生态中 toC 端的「中文播客编辑专用AI」、「语言学习专用AI」什么时候会出现…前者已经能看到早期产品模型的信号，但效果仍然不尽如我意（比剪映差我就会觉得…很差😂），后者…说实话，在我的视线范围内，我还没接触到。
DeepSeek 的开源、低价策略，可能会加速垂直专业化的过程。当创业公司可以用现成的、便宜的底层模型，就能专注做垂直应用——无需从头训练 LLM，站到巨人肩膀上去占领一片高地，在某个细分领域努力做到足够好。
总结以上就是，不是所有产品都需要规模化，小众定位也是有效策略；不同的产品针对不同的「价值」优化，没有绝对的「最佳设计」；当前 AI 的机会在于 vertical specialization，而不是构建另一个基础模型；技术演化隐藏着可预测的 pattern，而理解 pattern 便能发现潜在的机会；中文 AI 生态中，toC 领域是片蓝海。（不过，也会听到有人吐槽这个市场的 C 端客户付费意愿太低…「千人千面」吧。产品还是得好啊！🤔
此前接触 App/产品，我的直观感受就来源于功用性，然后在心里默默打分。而写以上的过程中我意识到，好的产品思维不能局限于「这个好用/不好用」，而更应该去理解「为什么这个产品选择这样做，背后的 tradeoff（权衡）是什么」。
也许词不达意，但这篇笔记就先写到这里了。
如有遗漏，后续再补充。