趣丸科技龙玲：AI垂类产品应建立行业Know-how，持续提升用户体验

4 月18日，36 氪 2025 AI Partner 大会于上海模速空间盛大开幕。此次大会紧扣“Super App 来了”主题，规划“Super App 来了”“谁是下一个超级应用”两大核心篇章，全力探寻 AI 时代的全新变量，探索 AI 领域下一个超级应用的无限可能性。

2025年初，DeepSeek和Manus的爆火，拉开了AI市场的序幕。在模型能力代际提升时，毫无疑问，今年AI应用会再次迎来爆发，而AI原生应用的概念、落地路径，也会经历一场刷新。

在AI Partner大会现场，趣丸科技联合创始人龙玲与微软等企业嘉宾共同围绕《2025年，AI应用的超越之年》展开讨论，深度剖析在AI超级应用爆发的“土壤”中，企业创新突破的机遇与挑战。

龙玲强调：AI应用的本质是服务于用户，深耕垂类场景的产品除了保持模型技术的领先性外，应深入客户的经营链路，建立起行业Know-how并形成私有数据的飞轮，在持续提升用户体验中创造不可替代的价值。

以下为圆桌对话实录（部分删减）：

主持人：大家好，欢迎来到今天的AI Partner大会，我是36氪主持人邓咏仪，非常高兴今天邀请到不同角色和不同行业的嘉宾来到这一场圆桌。

2025年，中国AI市场最惊喜的，一定有年初两个开门红，一个是DeepSeek，一个是Mamus，具身智能也有一些突破。

这些创新，都指向了AI应用会在今年有非常深刻的变化。无论是DeepSeek在模型上有突破，还是Manus这种爆款的现象级应用，其实都离大家的生活更近了，应用落地上也更深了，进展都是突破性的。这也是为什么今天想和各位嘉宾讨论“AI应用的超越之年”。

第一个问题，希望大家分享一个跟自己有关的AI时刻，可以说说过去一年，AI应用有什么比较值得提及的创新？或者被AI惊艳到的瞬间。

龙玲：大家好，谢谢36氪的邀请，我是趣丸科技龙玲。我们公司是2014年成立的，深耕在移动互联网兴趣社交垂类赛道，运营一款产品叫TT语音。

伴随AI时代浪潮，我们也围绕AI语音做了一些技术突破和产品探索。前段时间，我们首款搭载自研模型“MaskGCT”的AI语音创作平台“趣丸千音”，也正式对外邀测。这个产品的定位是专注提供一站式智能语音解决方案，集成文本转语音、视频翻译、多语种合成等功能，致力于实现全球内容全球化。

近一年来AI发展速度太快了，让我触动比较深的，不是某项技术参数的突破，而是我感受到AI真的重构了一些传统行业的生产链。比如具体到短剧出海场景，某头部平台在使用了我们产品后，译制剧的生产周期从30天缩短至3天，效率提升了10倍，成本下降了90%，致使我们也成为行业内首个可以实现工业化量产的产品。这种用户给到的反馈，是我感到比较惊讶的。

 

主持人：今天主题是“AI应用的超越之年”，模型有代际更新的时候，我们也要以全新的目光看AI原生应用。所以第一个问题，是希望请各位嘉宾分享一下对这个概念的理解。原来我们讲的是“AI+应用”会比较多，但是到了大模型之后，其实大家会讲“AI原生应用”这个概念，各位嘉宾因为来自不同的行业，肯定有不一样的理解，想请大家从自己的角度出发聊聊。

龙玲：因为我们做应用，也做模型。我个人理解，“AI+应用”是在旧地图上画新路，“AI原生应用”是在AI地图上重建世界。但总而言之，这都是暂时的一种分类标签，就像我们现在很少再说“互联网原生”一样。

随着 AI 成为市场上几乎每一种产品和服务的核心组成部分，这些分类标签可能会逐渐消失，所以我觉得不用太纠结差异，包括我们内部，也没有特别进行区别。

AI应用本质意义都是服务于用户，我们更应该关注应用背后的用户需求。因为比起是不是AI原生应用，他们首先关注的是这个产品好不好用，其次才是效果好不好、性价比高不高。

比如，在短剧出海这个场景里，站在技术的角度，目标是不断提升翻译的准确率、音色的多样性、配音的高情感等等。但实际上如果你从用户需求出发，这些都不是第一需求。

他们的第一需求是无痕的字幕擦除跟批量处理的能力。因为短剧内容在翻译配音前要先对原内容做清洗处理，而一部短剧平均有100-120集，所以还要能支持批量上传、存储、编辑等工作流的能力。

因此，围绕短剧出海这个特定场景，我们除了提供模型原子能力，还配合用户需求提供了一站式工作流的解决方案，从而让用户感受到你的应用可以提升效率的同时还非常好用。

所以做AI应用的公司，还是要尽量避免为了打造所谓的颠覆性“AI原生应用”，陷入“过度创新陷阱”，忽视了最根本的用户需求。

 

主持人：刚好这也可以联系到下一个想要讨论的问题，从去年开始，AI原生应用是产业比较热烈讨论的问题，今年像DeepSeek、Manus爆款应用出现之后，对大家做应用这个事情会有比较深刻的影响。

也想请各位嘉宾接下来讨论一下，新的一年里面，大家认为怎么做AI原生应用，发展的重点应该会放在什么地方？

龙玲：我觉得主要围绕两个点：

第一点，技术能力。我对于我们技术团队的要求有两个维度：第一个维度要保持技术的领先性，确保在同领域里的第一梯队，保证效果不会太差；

第二个维度，是要有突破的能力。比如说，虽然AI语音现在可以生成拟人化带情感的效果，但在实时交互、长对话中情感连贯性仍存在问题，因为这里面涉及的语音技术路径是不一样的，所以还是要不断突破，才能满足接下来更多的应用场景。

第二点，商业化能力，这是AI应用发展中绕不开的。我觉得AI应用短期看技术水平，长期是要看商业化能力的。如何让产品更深入客户的经营链路，不断在解决真实的商业问题中强化自己价值，让自己活得更久我觉得更重要。

 

主持人：下一个问题，刚刚几位嘉宾都有提到一点，今年虽然我们能够看到DeepSeek模型代际能力的提升，但落地的时候，还是有很多问题需要解决的。

AI应用今年落地的挑战还有哪些？大家可以从自己的业务场景出发聊聊具体场景。

龙玲：因为我们服务比较多的是影视漫的客户，这里我拿影视剧中的穿越剧来举例。单“穿越”这两个字，如果用DeepSeek这类的通用产品翻译出来的大概率是“时空旅行者”，但在越南语这种小语种的场景里，实际上他们自己有对穿越剧做专有词库，“穿越”在他们那里的专有词是叫“悬空”。这些专有词就是所谓特定场景的专有知识库的一种，可以很大程度解决跨文化翻译的问题。

所以对应回来，我认为在做垂类应用的时候，如何让客户能够提供给你这样的一个专有词库，让你在特定场景建立起Know-how，并形成私有数据的飞轮，是蛮有挑战的一件事情。因为你的专属数据越多，用户体验就会越好，不可替代性也会越强。

主持人：所以这个词库场景，最后你们怎么解决的？

龙玲：有两个维度，第一是你的客户它毕竟是这个行业里的专家，能够提供给你他们积累的经验或者沉淀的一些数据。

第二是你自己能不能获取到专业的数据，像DeepSeek获取的是互联网上海量的数据，但互联网数据可能很快不够用了，我个人觉得专业类数据还有很多待挖掘的。这个点，我们的能力是可以很好地解决文化出海这个事情，毕竟翻译最大的问题是文化的翻译。

主持人：总结下来只有真正走到客户业务场景，跟他们生产流程更加结合起来，这才能建立起自己业务的壁垒，避免在大模型更新的时候，吞噬掉整个公司的产品跟业务。

最后谢谢龙总带来精彩的分享，也希望今年AI应用市场会带给我们更多的惊喜，感谢大家的参与和聆听。