博客

因为工会的说实话​‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌‌‌​‌​​‌‌​​‌‌‌​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌​​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​‌‌​​​‌‌​‌​‌​​‌‌​​‌‌‌‌​‌​‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌‌​​​‌‌‌​​‌​​‌‌​‌‌‌‌‌​‌‌‌‌‌​​‌‌‌​​‌‌‌​‌​​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌‌‌‌​​​‌‌​​​‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌​‌‌​​‌‌​‌​‌​​‌‌​‌‌​​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌​​‌‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​​‌‌​​‌‌​‌‌‌‌‌​‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌​‌‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌​‌‌​​‌‌‌‌​‌‌‌​‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌平台不愿意用
就是他事儿太多了
他都不光是钱的问题
他要配备这个配备那个
你一个短剧你一共多少钱没必要
所以其实在选角上
大家现在也很有困难
就是因为你可用的演员就这些
然后能用的这些演员里面又都被各家疯抢
就是档期很紧
你可能要提前2到3个月去排队一个还不错的演员
然后这些演员的价格水涨船高
演员的经纪人也各种蹬鼻子上演
我只能这么说
就是觉得你这个钱好挣
大家都来抢我们的
我们什么红了
然后就各种给你提要求
就都一样
那你们现在大概对比一下
因为国内可能我看的数据报道就是说差不多
如果你的成本控制在80万
再加上投流的钱什么的
你可能还能处在一个盈利的状态
国外的话
你觉得成本控制在大概多少是一个比较容易盈利的点上去
那个门槛在哪里
预算的坎
现在其实不好说
国内其实这个数据也不太准确了
因为国内真正盈利的可能100部里面只有一部
这个市场已经很烂了
对就是竖屏短剧已经没法做了
在国内你花很少的成本去拍了一个不太好的东西出来
你还是投不出去
因为大家的眼光变高了
但是你要花七八十万甚至100万
你就拍一个很优质的看上去的内容
你也不一定能投放出去
除非你剧本很优质
且你的投放很相信你很幼稚
他愿意甚至前期去试错给你多投
哪怕ROI一开始很低
他也愿意去投
其实这种叠加起来
你除了咪蒙这样的团队以外
没有人能确保做到
我现在就是说没有办法预测一个爆款了
对
其实除了咪蒙之外
大家都不觉得说你能预测这是爆款
那你认为如果一个剧有可能成功
不管在国内国外我估计都差不多
那他最关键的点是什么
是投流
是演员
是剧本
还是制作团队公司的把控
还是平台来给你推这种
你觉得哪一个因素或者是哪几个因素是比较能有可能传出一个爆款的班子的
现在是这样
就是海外的爆款率就是盈利的叫爆款
咱们就不用说是它是大赚
就是你能盈利的这个概率是比国内高的
就是我刚才说你可能国内我不准确
这个我只是打个比喻
因为我也现在不是特别了解在国内准确的数据说100部能赚一部
但是可能差不多
国外你可能二三十部
你就可以赚个一两部
可能更高
可能就是10到20部里就能赚了一部
是这样子的一个过程
从我的角度讲
肯定是剧本是第一
但是你要说影视产品
它就是有一定的几率性
讲求一个玄学
反正我们只能说从剧本角度去分析市场
喜欢这样子的内容
然后我们给他把每一个的打点都做好
反转点都做好
情绪都处理好
其实从拍摄角度上
演员的表演是最重要的
他不是说像电影一样
你的灯光
你的摄影很重要
他最重要就是演员你的演员能够把情绪表演到位
你导演能把这个演员情绪给他释放出来
这个是最重要的
剪辑肯定也重要
投放非常重要
投放一个是投流素材的选取
因为在国外其实现在并没有所谓的非常会剪投流素材的剪辑
没有切片师是吗
对
他们只会切片
就是我把这个一分钟给他提出来
这一分钟是我觉得最高光最吸引人的
他直接提取出来
然后上面最多配点字儿给你直接投了
它不像国内的那种剪辑师
它把所有精华都给你剪成一个故事
是一个特别精彩的二创
就让你看完了
你就非得点进去付费的这种冲动
其实这方面是很弱的
各个平台都想招这样的剪辑师
但是国外人现在是达不到这个水平的
国外再好的剪辑
他剪的都是那种美剧电影
他其实get不到你想要什么东西
国内的剪辑它又不懂英语
所以这个东西你只能说我把这玩意儿翻译成中文给你
你剪完了之后我们再给你发回英文这样
所以其实投流素材也是一个很宝贵的资产
对这个特别重要
然后这个也是很多平台现在比较头疼的点
就是这个素材以及真正的你这个投放模型的建立
我觉得大家其实大部分证明他也都还在摸索
因为现在我看好多app其实还是以国内背景的居多为主的
有没有国外背景的这些平台或者公司的玩家参与到这个市场
现阶段能看见的还没有
但是可能在今年年底就有这种海外背景的公司会入局去短剧市场了
有新的海外的资本
可能跟国内的这些公司合作的这种可能
也有是原来在海外就很厉害的
可能像disney amazon这种公司
他要重新开启他的短剧业务
然后变成一个竖屏化的东西
也有可能大家其实都在观望
那你觉得如果是这种大厂下场了
而且是我们知道的美国的影视业工业化程度和编剧水平都是很厉害的
如果这些人下场了
你觉得这个市场会有什么变化
会不会有一些新的不一样的玩法
或者是因为市场变得更加卷了
肯定会有很多的卷的影响
但这个更多我的理解是竖屏短剧和比如说我们国内的爱优腾的这种长的网剧之间的一个变化
他可能触达的就是两波观众
就是二十多岁的对新鲜事物很好奇
脑子转的也快的人
他就喜欢喜欢看netflix上面这种很飞的东西
很烧脑的东西
但是很多四五十岁以上的女性男性
他其实是没有那么多平时供他消费的内容可看
如果你能完完全全达到他们的需求
然后通过内容
通过投放特别直接的触达到他们
那么我觉得这部分还是不一样的
就像以前像disney
他做那个Qubi
他觉得说是我可以降维打击
就这个东西他可以非常厉害的去跟更多的其他平台抗衡
但他可能就会变成了一个这部分也覆盖不了
那部分也触达不到的这么一个东西
所以其实我是觉得目前所存在的这种短剧的内容和形式
它能成功
它肯定有它成功的因素在
他不一定会完完全全被所谓的更高质量的内容
更大的卡司
甚至是更大IP改编的东西所替代
它是完全不一样的赛道
所以你觉得未来这种形式是共存的形式
就是不受互相吞噬的市场
就是可能他们会并存很长一段时间
也有可能的这些观众是有重合的
我有时候就想爽一下
我就刷一刷
我想看一点儿好的
我就看看长剧
我觉得最厉害的就是能把这两个让它共存的这样的平台
我既能有这种像netflix这样子的内容
我又有更能符合另一部分群众的这样子的的内容在
反正我觉得未来优质内容竖屏化这个是会有的
但是现在短剧这样子的内容和形式
它也是会存在的
而且我是觉得好莱坞这种大的场下场去做
他不一定能做得过目前国内这些做短剧出海的公司
因为他们的决策还是偏传统
以及如果他们不能够真正理解短剧的爽点在哪
如果决策这个层他的领导们不能够get这个事儿
我觉得他的推进就是会很慢很冗长
美国人你也懂得
就是很传统
很不愿意打破他们原有的那种所认为的一些他们擅长的东西
他们其实是不愿意妥协的
我觉得如果奈飞或者是迪士尼这种他们能开始做的话
其实就代表了巨头对于这个赛道的一个认可
这肯定对于整个行业是一件利好
首先从目前状态来讲
我们其实做的是两个不同的内容形态
这个内容形态首先就是在横屏和竖屏去做区分了
因为传统的美国这些内容平台
它都是做的是横屏
距它短剧恰恰是竖屏的
那竖屏的话它特点就是节奏更快
更消耗零散的时间
所以内容形态是有差异的那第二个就是说市场是足够大
整个内容消费的市场到今年应该是全球内容付费市场应该是1400亿美金
每年有13%到15%的复合增长率
所以全球内容付费应该是在一万亿美金的市场规模
国内的内容付费大概是在1000亿
所以海外整体的这个内容付费的市场规模是更大的
用户的习惯是更成熟的
如果是巨头能够过来做竖屏剧的话
那其实也会把他们本身的横屏的很多用户能带到这个竖屏的这个市场里面
其实我们看一个指标就是用户的时长
用户量和用户时长是一个很关键的因素
就不管是抖音还是游戏
大家各种各样的娱乐方式
其实都是在去占据用户的一些注意力
占据用户的时间
所以大家看的就是说这个行业里面有多少用户
把多少时间放到了短剧这个形态上
从现在来讲的话
用户时长的增长目前来看也是一个指数式的增长
是增长得非常快的一个状态
就是因为用户他的时间增长快
它其实这个里面红利其实是一个大家一起把蛋糕做大的过程
不涉及到存量的竞争
所以我觉得这个行业现在是有越多的玩家做出更好的内容
可以加速用户他的习惯的一个转移
现在基本上是在用户他从横屏往竖屏去转的一个消费的拐点
大家在做的一个事情都是在一起加速这个进程
你刚才提到包括抖音字节自己做短剧
这个我昨天其实有看到一个新闻

所以说我们认为在这样的一个投资比例和我们的回​‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌‌‌​‌​​‌‌​​‌‌‌​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌​​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​‌‌​​​‌‌​‌​‌​​‌‌​​‌‌‌‌​‌​‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌‌​​​‌‌‌​​‌​​‌‌​‌‌‌‌‌​‌‌‌‌‌​​‌‌‌​​‌‌‌​‌​​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌‌‌‌​​​‌‌​​​‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌​‌‌​​‌‌​‌​‌​​‌‌​‌‌​​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌​​‌‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​​‌‌​​‌‌​‌‌‌‌‌​‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌​‌‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌​‌‌​​‌‌‌‌​‌‌‌​‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌报下
我们还是不需要这样的投资
就是比如说还是刚才的问题
如果现在有人说涛哥我想做
就也不一定会投钱
或者我自己企业公司
或者这是我自己好啊
手上有几个本子
或者我有一个团队看上去都挺能写的
网感也还不错
那你我也建议现在的人再加入这个赛道吗
除非他真的是有一个很能打的团队
他一定是在某一个领域或者是某一个板块
它有非常强的能量或者是能力
那这样的话我觉得可以试一下
如果说是方方面面都没有必要
没有内容
没有拍摄制作
没有什么宣发投放
什么都没有只有钱
那么我的建议还是收手
就现在已经是一个充分竞争的赛道了
对吧
对其实还是很惨烈
可以这样说
你见过行业里边比较惨
的同行太多了
不是我见过
是我见证过
或者说是我了解到的一些真实的一些事情
就是有一些传统影视投资人
他是带着传统影视投资逻辑去投短剧
他就被一些不良的短剧行业从业者割韭菜
然后他就会告诉这个投资人
你投20部
一部50万
然后1000万
然后你交给我
我来帮你去执行
然后这1000万20部里边
咱们博一个无双出来就ok了
这些投资人他就会带着这样的一个思想去投
他心里想到我以前投电影电视剧
随随便便就是几千万1个亿的去投
那我现在投短剧
1000万就能投20部
那20部我博一个大爆款
我也别说跟无双一样了
比无双差一点
我也能覆盖其他的亏损
他们会带着这样的逻辑去
但是他不知道他可能投50部都是扑街
所以说无双也害了很多人
也有很多人拿无双去割别人的韭菜
这样的情况我了解到的
是哪里是谁我就不说了
但是这个事儿某投资人在三个月里边烧掉一千多万
然后有些投资人在半年时间烧掉两三千万的大有人在
非常多
然后完全
收不回来
有东西出来
他们做出东西来了吗
东西有的是有的
有些甚至连剧都没出来
那就是纯纯的被割了
什么都不剩了
所以这个行业现在也还是一个比较野蛮生长的时代
除非自己有某一个领域
某一个方向的非常强的一个点
我觉得是ok的
如果说只有钱啥都没有
建议还是谨慎下场
那你刚才介绍了一些你在过去这几年做了一些爆款的心得
一些给同行的建议
你会在看别的
比如说跟Steven这样
他们会去做海外市场吗
还是说你会专注于就在国内做国内的内容
已经在做了
中东地区第一个爆款就是我们公司做的
今年1月份的时候
中东地区他们看什么剧
什么题材都有
反正这个其实在题材层面上来讲
我认为在全球范围内题材内容的方向是所有从业者都还在积极摸索的一个阶段上
我个人认为是没有任何一家海外的短剧从业者能精准的评判准确哪一个题材在哪一个地区一定能取得成功
现在整个全球范围内的短期市场
大家都是在一个摸索阶段
我们是在一月份的时候拍了一个在埃及我们的无双团队
就是我们无双的导演组原班人马在埃及拍了一部
后来这部剧是向整个中东地区投放
后来的数据佐证还是取得了一定的成功
所以说我们还是有信心做下去
包括未来在今年的后半年
我们也会把公司的应该会超过50%的重心会放到海外市场
包括和Steven这边和Flex TV我们已经是建立了合作
很快我们合作的第一部剧就会开机
对
你们如果去海外做剧还是自己的班底
但是飞到当地找当地的
比如说演员、景的这种拍摄模式对吗
但是斑点还是从国内的你的in house的这帮人来拍
对
因为制作班底一定是中国
中国人最懂短剧
这个是毋庸置疑的
短剧的一些特有的一些东西
比如说节奏情绪反转这些东西
一定是中国人最懂短剧
所以说我们的优势其实就是制作
所以说我们不可能说是在海外重新去招一批人来去做这样的一个事情
因为我们的优势必须发挥出来
关于拍摄这块儿
其实我们有绝对的标准
比如说我们要拍中东的一些戏
那我个人认为好像在国内比较难实现
因为说阿宇的演员具备表演能力很强
阿语的演员在国内可能还是比较难找的
但是相对于美式发音的演员
英语的演员
表演专业的在国内还是相对来说好找一些
我们已经搜集了大量的具备这样一些能力的演员
我们也可以尝试英语区的一些片子
我们可以在国内拍
也可以在海外排
我们准备是双管齐下这样的一个策略
就想问一下就在美国现在主要在哪儿拍
然后大家是一个什么样的拍摄体验
国内在横店
比如说大家现在笑称横店变成竖店
美国LA他们有没有这样的被短剧改造的影视的
首先第一个问题是LA是最多的
肯定因为这边的劳动力更多
因为学电影的人大部分都在LA
所以国内的这帮人他想出去找能会中文且拍东西还很好的人
他肯定首选是洛杉矶
这是一定的
再就是那边的演员也多
各个方面核算下来
洛杉矶虽然现在的成本越来越贵
但是还是大家的首选
但是现在平台因为成本的问题
也在寻求其他的替代方式
就有很多人想说美国中部可不可以拍澳大利亚
加拿大现在其实全部都有团队在接这样子的拍摄制作
就是整体质量上可能不如洛杉矶最优质的团队拍出来的
但是从性价比上
从效率上来讲
可能其他地方也是一个很好的选择
因为洛杉矶这边都已经要排队了
实在是戏太多了
然后拍的人就是很固定的这么一群人
所以需求很大
但是供给量已经有点跟不上了
那肯定就要涨价了
各方面都在涨价
然后从拍摄的体验上
肯定海外舒服多了
国内其实短剧就是不要命的
就是有一句笑话说为什么国内短剧只能排七八天
因为人能坚持一直不睡觉的极限就只有七八天
在LA整体来讲
其实大部分人都会要求签我每天最大的工作时限8小时
如果你非要加班
你又不是这种工会的戏
其实你是可以加
但是你要额外掏钱
以及大部分剧组都会要求我
比如说一共拍十天
那我要求里面有两天要休息
就是休息的时间你可以不用给我钱
但是你中间要让我休息
我需要充足的休息
我才可以之后用更好的状态来进行拍摄
所以可能比如说我拍五天休两天
然后再拍三天
这样那是舒服多了
那你可能不用一周就把这个本子全部赶完
那一般拍个两周可以拍一部吗
一部
反正目前的拍摄就是八天的
加上休息就是十天
大部分剧都能在八天之内拍完
除非你真的很长
然后又很复杂
那可能会给你升到一个九天的这样的一个拍摄的量
但是反正超过十天的是没有的
我问一个比较对比性的问题
国内我看他们横店这个演员可能一天的成本几千块钱
国外这个演员能给到什么样的价位
比如说主演这个级别的
主演级别到可能是800到1000美金一天
那相当高了
对就是最top的演员他会给你要很高
但是一般的也五六百差不多了
但是他们舒服很多
他们不觉得舒服
因为他们平时拍的是比这个短剧更舒服的东西
ok
他们也没有没经过国内短剧的历练
所以他们不会觉得舒服
就只有我们在国内被这么操劳惯了的人才会觉得海外感觉挺舒服
你对于外国人来讲他不舒服
明白现在有没有什么工会的剧来做短剧的
还是说一些比如说没有加入公会的演员
只是为了求个生存
也愿意操劳一下自己来拍短剧
大部分都是非工会的

首先方法论这个东西
就有很多同行
包括一些朋友在交流这个话题的的时候说为什么你们家的爆款率这么高
还能做出那么大的爆款
其实你要说方法论的话
我认为是没有的
我们经常在跟一些同行交流的时候
我一直都在说用心去做好每一部剧的那它的质量的上限一定会高质量的上限高
那么它就具备了爆款的可能
如果说你的制度标准什么的都很低
或者没有用心去做
它的片子的质量的上限一定会低
那么质量低一定就报的可能性就会低
所以这个方法论
这个概念我认为是不存在
如果说一定要说一个方法论的话
那我认为就是用心做好每一部剧
再就是您刚才说到的预测或者复制一个爆款作品
我也想具备这样的一个神奇的功能
但是这个功能好像不太容易去实现
我们的做法就是每一部剧我们都会在每一个环境用心的去做
保证他这一个片子的整体质量上限高
爆不爆交给天意
你是从什么时候开始注意到短剧这个赛道好像很有机会的
我们是2021年的年底
应该是2021年的12月份
知道了短剧这个赛道
当时在疫情期间
一些传统的业务也没法做
所以说我们就抱着试一试的态度
从2021年年底开始做
做到现在
那你就是2021年开始做的到
应该是去年无双的爆吧
因为短剧周期短
就是你做一步可能一个周两个周就出来了
那中间应该有很多经验和试错
你要是复盘的话
你觉得有什么
从你第一个开始到你做出一个爆款
你觉得对你来说最重要的经验是什么
实际上从2022年7月到2023年2月底
整整这半年期间
我们也是拍了有七部八部
大概是这样
当时也是有很大的信息差
然后我们爆没爆我们都不知道
因为在当时的行业还是一个发展
信息不是那么透明的一个阶段
你指的信息就是数据不是很透明是吗
对对对
是的真正的第一个国内的短期爆款
去年是周榜一
一周会出一个榜单
按照他的广告消耗排名前十或者前15名才能上榜
然后我们第一个上榜的爆款距是2023年2月27号上榜的
你记得好清楚
对对对
那一天是历史铭记
必须得记住
从那一天我们报的第一部剧开始
然后就创造了一个小奇迹
是什么
就是连着我们拍了六部
上线了六部
六部全爆这样的一个场景
你的六部全爆是指上榜
你就认为他是爆了
还是说有一个什么数据上的指标
在当时2023年的三月份往后
那个时期整个的市场大盘
包括市场增量增速是非常快的
那个时候一部剧能登上周榜榜单
他的成绩都不会差
最低都是千万起步
也就是说1000万的消耗你才能登上榜单
几百万你可能就上不了榜
所以说那个时候也是按照广告消耗的排名来排这个榜单
所以那个时候榜单的含金量还是很高的
那个时候就从二月底我们第一个爆款开始
一直到说的不谦虚一点都到现在
反正一直就在爆
在2023年的四月底的时候
我们上了一部剧叫北王刀那部剧
截止到现在充值也是将近两个亿了
一亿大几千万是有的
所以说从第一部剧2021年12月份开始做到现在
其实也总结了非常多的经验
每天都在去更新我们的经验
您现在是一个比较大的制作方
我想问一下
如果现在让你去跟其他的平台合作
因为优质内容少
像你这样做出爆款的公司
肯定是大家争抢的制作方
你一般跟他们会怎么去合作呢
就比如说我们是对投
还是现在
目前和各平台的合作模式还是相对比较简单的
我们还是扮演的是一个纯粹的承制方
平台方给全资给剧本负责投放
我们只负责制作完了之后
如果这部剧后续的一个成绩还不错
比如说有盈利
然后平台方会给我们一定的分账
就是说先承制再分账
不是说一口价说好对不对
不是，承制费是承制费
制作费是制作费 去上线之后
取得成绩之后再给我们分账
就相当于你们还是有一点点小小的议价权
还是可以谈分账这件事情的
分账是每一个合作方都会有的
但是能不能拿到就是看你这个剧本身好不好了
对对对
是这样
那你如果是承制方
那你选择内容和IP的空间听上去就不是很大
那就是平台布置作业了
理论上是平台给我们剧本
我们也不是说所有平台的所有剧本我们都会去拍
我们有一个完整的完善的一个审核机制
也就是说我们合作平台比较多
平台每天都有可能会给我们递来新的本子
然后我们有一个编审团队会来对这个剧本进行一个打分评估
达到我们的一个所谓的我们内部的一个审核标准
我们才会立项
才会拍
你这个打分的标准是啥
还是剧本本身吗
还是说比如说我要综合整个的预算什么之类的统一打分
对
这个就很复杂了
比如说首先从内容角度来说
再从它的商业点来说
三是从它的制作成本来说
四是从它的整个我们会有一个多维度的评估
总分达到多少分以上
或者说我们投票的票数达到所有参与评审的人的票数一半以上
我们才会立项
所以在这个过程中有一些火的短剧都是网文改的吗
你觉得一个成功的网文是一个成功的短剧的充分或者是比较条件吗
这个问题其实放在去年来说的话
我认为是ok的
放到今年来说的话
我觉得不是那么准确
因为现在的题材已经迭代很快
再一个是现在的内容题材已经破圈
破的非常大了
而且有很多内容都不是通过网络改编的
我拿一个案例来讲
就是目前国内的短剧市场过去三年的特别大的爆款
排名在前十的一些超大爆款的案例来看
几乎都是原创
都不是改变
所以你们现在自己也做原创
就是平台给过来的可能是个方向意向
具体做成本子里面的节奏
内容角色怎么去划分
还是你们自己来操盘去吗
每一个本子拿来之后
比如说我们综合的打分或者我们的评估
达到我们的一个立项标准
然后我们的编剧团队和平台方的编剧团队
我们还会进行二次的打磨和优化
不是说拿来觉得他OK我们直接拍了
不是这样的
每一个本子我们都会参与优化和一些修改
比如说我就觉得这个不行
不能那么拍
你觉得平台会听你的吗
现在目前来看还是相互尊重的
因为毕竟这个是拿数据可以佐证的
如果你们拍着拍着发现这个不对劲了
或者我拍着拍着真的超预算了
因为这种情况在影视行业很常见
就拍着拍着预算
不过你们会遇到这种情况
然后这个项目可能就是会要么就搁置
或者是要么再调整
我可以通过一组数据来回答您这个问题
在整个2023年全年
我们所做的所有项目里面
有70%的项目会出现费用超支
超支之后我们不会去告诉平台方
我们直接就贴钱来
直接就干了
这样你们不会核算成本
怎么去评估这个项目到底最后能不能挣钱
这个问题其实它是一个很神奇的问题
为什么这么说呢
我们的制片团队的经验是非常丰富的
也就是说我们拿到一个剧本之后
我们把它统筹完了之后
我们会精确到就是在制片人和统筹这个角度
他可以基本上能有一个3万上下浮动的一个区间
三万是指什么
总预算花费了一个3万的浮动
比如说上3万下三万的这样一个浮动
基本上我们会卡的很准
我们才会去报价
为什么我们卡的这么准
还会出现70%的项目出现预算超支了
原因就在于丰行的这些导演都是非常想取得成绩的
比如说有一些我们后来入职的一些导演
他会去拿我们无双的导演
因为无双的导演是我们公司的股东
而且他去年一个人拍了十几部爆款
所以说大家都会拿它作为一个对比
或者说是一个奋斗的目标
所以他每一个导演就会用力很猛
而且我给我们所有的导演的权限是什么
就是预算不卡
周期不卡
所以就会出现在我们前期筹备过程当中
一个很准确的预算期
结果在拍的过程当中发现就不够了
所以说我也能理解
我也没有去限制大家的一个发挥空间
在我的意识里边不要限制导演的发挥
给导演足够的权限和能量
他一定会做出好的作品
你们公司制作
比如说你有一个3万的上限
那你们平均的一部剧的制作成本现在大概是多少
如果你要求他很精品
本子人都到位的情况下
这个应该不是说我们说30万就可以拿下来了
我猜
对对对
其实外界有很多关于风情的一些坊间传言
其实我也是是听从别人这里听到的一些很奇葩的一些说法
说很多人都在传说风行国内的短剧一部制作费100万怎么样
就是说了很多风言风语我都不知道的事情
实际上风行做到今天
一直到目前为止
还没有去所谓的溢价
没有我们现在合作的所有平台大家都知道
大家也都了解
我们做每一部剧的报价
你所有的制作费都是满足我们正常开支即可
我们不会去挣制作费
为什么不挣制作费呢
因为假设一部剧我们挣十万制作费
然后一个月我们拍十部
这样的话就是100万表面上的一个收入
这样的话一定压缩了制作成本
或者说压缩了制作经费的话
你的品质一定会受到影响
这样对我们的整个的一个制作理念就不一样了
我们要求的是每一部剧都有一个高的品质
所以说我们抱着每一分钱我们都会用于拍摄上
我们的目的是为了让每一个剧都能爆
都能爆之后我们要拿的是后端的分账
因为后端的分账是没有上限的
但是你每一部剧的制作费
你要挣10万8万
他是有上限的
你就说挣制作费对你来说意义不大
就挣了这10万块钱
不是意义不大
而是我如果说一个月我做了十部剧
每一部剧挣十万
这样子是100万
100万不够我发人员工资
所以我不能挣制作费
我必须得博每一个剧都让他爆，爆了之后我拿后端的分账
我只能这样子做
因为我的员工全职员工150多个人
所以说我每个月的工资都得发到130万
所以说我一个月挣100万都不够发工资
所以我必须去博
每一部剧都能爆
而拿后端的分账
那现在是不是如果有人跟你说
涛哥我还想做短剧
你看我还有机会吗
你觉得现在新人还有机会吗
或者新的投资方还有机会吗
比如说现在有一个投资公司找到你说
涛哥你这个项目不错
我给你也再投点钱
你多开几个组
你会接受吗
也不瞒您说
从去年到今年有无数个朋友托朋友或者是相关的一些同行向下场来做短剧
我其实劝了很多人
包括一些资方
我也劝了很多人我也可以给您再说一个数据
截止目前风行没有接受过任何一部短剧，短剧
项目投资，零
截止目前没有接触过一分钱的投资
因为我没有办法去给你保证
你参与投资的这个项目
我能保证能让你挣到钱
也有很多投资方说
我不需要你给我保证
你尽力去做就ok我相信你会把每一部剧都用心的去做
我说对
ok对于丰行来讲，丰行也不需要一部剧或者几部剧的的投资
因为我们做的每一部剧都是刚才上面的话题讲过
每一部剧我们都是奔着爆款去的
所以说我们的每一部剧都是奔着爆去的
然后奔着后端的分账去的
所以说我们都是有很大的信心
在这样的状态下
我们也不会说是为了人家的几十万的一个投资
我们去分我们后端的一些分账

小程​‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌‌‌​‌​​‌‌​​‌‌‌​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌​​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​‌‌​​​‌‌​‌​‌​​‌‌​​‌‌‌‌​‌​‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌‌​​​‌‌‌​​‌​​‌‌​‌‌‌‌‌​‌‌‌‌‌​​‌‌‌​​‌‌‌​‌​​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌‌‌‌​​​‌‌​​​‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌​‌‌​​‌‌​‌​‌​​‌‌​‌‌​​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌​​‌‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​​‌‌​​‌‌​‌‌‌‌‌​‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌​‌‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌​‌‌​​‌‌‌‌​‌‌‌​‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌序这种它没有
大家还是主要在facebook上面做投放
听套上面也有一小部分
投放完了之后都是要跳转各个不同平台的app的
所以现在相当于说是你一个人如果经常被投放到
然后他都点进去下载
他可能手机上有七八个不同的观看的app
刚才你还提到一点
我觉得挺有意思
就是其实因为很多做短剧的是从做网文出来的
一开始第一波做这个网文出海的
其实首先发现了短剧这个声音的赛道
然后其实网文出海是南平为主的
对不对
就是有很多玄幻
什么仙侠那种
我看他们做很多网文的翻译的也都是这个题材的
但其实这一块国外的男频市场并不是一个
你讲到它不是一个现在比较重点的门类
这个差异你觉得是怎么产生的呢
还是说这类题材它就没有办法转化成一个火爆的短剧
是这样的
首先男频题材出海
它主要更多的是很飞的这种大的玄幻
包括一些道士之类的这种文章
这一类如果你把它翻拍成短剧
首先是体量上
因为那些小说动辄五六百章就非常长
他很难去把这个故事完完全全转化成一个现在1到2分钟一集
然后一共最多90集
100集这样子一个内容
再一个就是从制作成本上
这种东西其实更适合的是走动漫风
就是他把它改成漫画动画
而不是把它用真人拍出来
就算你能花这个预算把它用真人拍出来
即使你是Netflix拍
你可能都拍不到精髓
所以可能对于海外的这种男频用户更适合他的一个载体
更多的可能是一个动画漫画的这么一个效果
再一个就是你刚才说过
网文其实也并不是以男频为主
海外网文的付费用户女性是非常多的
他触达的用户量和短剧初期想触达的用户量是一样的
就是画像是比较类似的
就是我说的可能40+的这种平时没事愿意在家里看看这种东西
补足一下自己的情感需求的
这样的女性是很多的
但是我是觉得我们的预测是未来短剧它一定是观众群远远大于我们用户群体的
因为毕竟愿意每天在手机上刷小说看文字的外国人还是是很少的
但是短剧对他们来说是一个更好消费的内容形式
在手机上看短视频
相当于不管他是什么内容
是的
而且海外用户其实付费习惯是比国内用户要好的
他们习惯于订阅
为各种app花钱
就Netflix像什么disney+这种
就把他们的习惯培养的​‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌‌‌​‌​​‌‌​​‌‌‌​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌​​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​‌‌​​​‌‌​‌​‌​​‌‌​​‌‌‌‌​‌​‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌‌​​​‌‌‌​​‌​​‌‌​‌‌‌‌‌​‌‌‌‌‌​​‌‌‌​​‌‌‌​‌​​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌‌‌‌​​​‌‌​​​‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌​‌‌​​‌‌​‌​‌​​‌‌​‌‌​​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌​​‌‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​​‌‌​​‌‌​‌‌‌‌‌​‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌​‌‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌​‌‌​​‌‌‌‌​‌‌‌​‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌很好
觉得应该付费
而且是不是他们也没有盗版
他们其实有
但是大部分人寻找盗版的能力很低
生产盗版的想法也很少
咱们国内很多很快就是有专门一批人
他就想着用盗版去赚钱了
但是国外他最多是说
我很喜欢这个东西
我把它无偿分享给你
它不是说我要把它当成一门生意
所以它不可能成规模
我们也来问一下李涛涛哥
你做出了无双这样的剧
你觉得制作短剧的爆款有什么方法论吗
换句话说就是你可以预测或者是复制你自己的成功吗
很难

​‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌‌‌​‌​​‌‌​​‌‌‌​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌​​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​‌‌​​​‌‌​‌​‌​​‌‌​​‌‌‌‌​‌​‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌‌​​​‌‌‌​​‌​​‌‌​‌‌‌‌‌​‌‌‌‌‌​​‌‌‌​​‌‌‌​‌​​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌‌‌‌​​​‌‌​​​‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌​‌‌​​‌‌​‌​‌​​‌‌​‌‌​​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌​​‌‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​​‌‌​​‌‌​‌‌‌‌‌​‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌​‌‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌​‌‌​​‌‌‌‌​‌‌‌​‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌各家平台又竞争很激烈
你的获客成本可能单价也越来越高
所以我觉得还比较正常
特别是你跟国内
你跟爱优腾一比对吧
爱优腾前十几年都一直在亏本
人家都是个负数
起码这个还是个有利润的这么一个公司
那我觉得就还能理解
我觉得不能说是这个行业就不赚钱什么的
那你刚才提到海外这个爆款
它跟国内的这些爆款的定义一样吗
国内你说可能就是10%的这样的一个爆款率的水平
利润这一块可能占到10%这样
那海外短期的爆款有没有一个界定的标准呢
其实没太有有各方面的原因
第一个是海外的充值消耗的数据其实是不透明的
不像国内有很多第三方的充值的投流的机构
它会公布现在有什么热力值
但是海外其实目前还是没有这个东西的那我们评判的标准
一个就是看各个平台他们前台的站内数据
但是因为每家的数据有每家的点击播放的标准
以及前台数据
大家都懂的
它可能是有一定水分的
所以其实也不能确定真实的充值量
播放量如何和还有另一个评判标准
其实就是从素材投放的监测的平台上
比如说广大的还有一些其他的这种平台上面能看到各个平台投流素材的曝光量
所以能够大概反推它充值消耗的程度是什么样子的
因为如果一个素材RY不高
他就不会持续的去投去曝光
所以就是只能用这种第三方数据去反推
去大概猜测估计估算一下
这样子
确实这个市场现在数据不够透明
我们也是引用的是平台方的数据
就是从TikTok来讲
他去定义这爆款
就是30天内在TikTok广告投放超过50万美金
他就认为这个是一个爆款
但是这个很合理
因为投放的时候大家都会去考虑额外
就是一定是在这个ROI能够打正的情况下去投放了
如果TikTok 30天可以投50万美金
他大家还会投别的平台
比如说facebook
google其实它整体上30天肯定是超过100万美金的
现在据你的观察
短剧主要集中在哪些市场的用户会对他比较感兴趣
除了美国以外
可能英语世界大部分都是美国
还有其他的市场的观众在看这个形式吗
这个大的逻辑其实是短剧在短视频里面的渗透
因为短剧其实它是一个最高质量的PGC的短内容
所以它是以这么样一个内容形态
然后我们可以看到的是说
不管是TT那边的数据来看的话，短剧在所有的这个内容品类里面
它是属于
包括6秒完播率的指标是最高的
受算法系统推荐的程度是最大的
所以短剧尤其是海外的短剧
它今年是一个异军突起的趋势
其实短剧内容在TikTok里面的时长的占比
今年是一个指数是上升的一个趋势
这个趋势其实我之前在抖音的时候
我们20年的时候就观察过
当时抖音最早就发现说剧情类的这个内容
它是非常受用户欢迎的
所以才孵化了一些像小剧场这种形态
后面才有一些平台
他是比较聪明的
把这个小剧场引到微信里面去付费
然后才有了短剧的这个市场
所以就是说短剧它是在短视频的用户里面去做渗透
那短视频它有多大的量级
全世界短视频用户的MAU它应该是有大概接近30个亿
DAU也接近20个亿的
然后每个国家的用户基本上他都会互联网用户他都都看了短视频
所以我们就是在这样一个大的市场里面去渗透
所以每个国家应该都是会涉及到
那在海外市场上
国外的观众到底是谁在看这些短剧呢
他们大概是喜欢什么样的题材和类型
你觉得和国内市场的短剧目前的赛道这些火爆的题材有什么不同吗
首先无论是国内还是海外用户群体
它其实不是一成不变的
他是一直在动态变化的那目前海外根据数据反推
我们能够reach到的用户其实是比较偏40岁以上的女性
我是指北美市场
东南亚市场可能是30岁以上的女性就比较多
但是我们看了一下数据就觉得说欧美市场目前能够覆盖到的人群还是以年龄层稍微偏大一点的
然后平时可能没什么事儿干的白人女性
美国中部女性都有
他们闲暇时间比较多
情感需求比较大
可能也不太愿意动很多很多的脑子去看很复杂的东西
更需要的是一个情感的代偿
同时手里有一些钱能够去愿意付费
这个单价也不是很低
大概是这样的一部分人群
跟国内的区别
首先是男频女频上
因为国内短剧他其实最初是因为一些很癫的男频他出圈了
但是在海外目前还没有内容能够真正的试出来
说是能够勾住海外的这部分男性观众的
再一个就是我刚才提到的关于女频上的一些区分
从题材和内容上
其实大家的喜好也不是特别一样
海外目前最火的赛道还是霸总小白花的赛道
霸道总裁爱上我就相当于咱们20年前爱看的韩剧台偶这样子一个类型
也有一些人想做
就是类似现在国内女性观众更爱看的一些复仇爽文
大女主
但是这一类的内容目前的投放数据其实还是没有那种纯霸总的来的好
等于国外观众的口味还是比较old school
就是老派的那种爽文的点对
但这个是倒推
所以只能我比较保守的说
就是我们通过目前的投放能够reach到的海外短剧服付费用户
他是喜好这一部分的
但是我始终认为其实我们可以reach到更广的用户
只不过因为目前的投放模型的数据建立
它最初是建立的这么一个模型
所以就更愿意投放这一类的数据
它的初期转化更好
各个平台也会按照数据来反推我们的内容应该生产什么样子的
就导致现在全是这样子的内容
所以你刚才提到那个数据模型
它主要是一个大概什么样子的
或者是它主要是在哪些平台在投放
因为国内的投流主要是还是在抖音
快手或者是腾讯这种平台
因为围绕微信生态建立小程序这种的那国外
国外其实目前没有一个能够在一个平台
它就能够内部直接把你留下的这么一个像抖音

大家好
欢迎收听硅谷101
我是硅谷101的播客监制杜秀
也是今天节目的代班主播
今天我们将讨论一个在影视剧行业非常火
但是又极具争议的赛道 短剧
除非他有什么不可一世的大身份
要不然他拿什么灭我们萧家
Rita’s Dad, let’s see who’s gonna win this game
说他非常火是不是
我们经常听到有充值上千万
上亿的短视频
他们火出圈
也有一些明星
比如周星驰
开始在拍短剧
婚恋类网络诈骗的俗称杀猪盘
不少短剧公司也在进军海外市场
除了已经日渐成熟的北美市场之外
最近我国一些短剧公司瞄准了日本这个出海的新选择
说他的争议
一方面是因为这些爆火的短剧
观感看上去很粗糙很土味
情节也比较老套
但这是这样的作品
比某些院线电影的收入还高
一言不合就拍桌​‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌‌‌​‌​​‌‌​​‌‌‌​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌​​‌​​‌‌‌​‌‌‌‌​‌​‌​‌‌‌​‌​‌‌​​​‌‌​‌​‌​​‌‌​​‌‌‌‌​‌​‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌‌​​​‌‌‌​​‌​​‌‌​‌‌‌‌‌​‌‌‌‌‌​​‌‌‌​​‌‌‌​‌​​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌‌‌‌​​​‌‌​​​‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌​‌‌​​‌‌​‌​‌​​‌‌​‌‌​​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌​​‌‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​​‌‌​​‌‌​‌‌‌‌‌​‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌​‌‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​‌‌‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌​‌‌​​‌‌‌‌​‌‌‌​‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌翻脸
夸张的演技
很离谱的情节
让这剧即便主角不是一线明星
也在春节党起创下一天赚进2000万人民币充值观看费
有数据显示
2023年微短剧占了373．9亿元
这是个什么概念
去年国产电影总票房也才460亿元
还有更重要的是
我们也看到一些短期公司的财报并不如外界想象的那么光鲜
比如海外头部短剧平台Reelshort背后的公司中文在线发布的财报
他旗下的枫叶互动2023年的净利润只有24万人民币
所以我们特别想知道
看上去热热闹闹的短剧市场到底挣钱吗
今天我们请到了几位有丰富的短剧行业从业经验的嘉宾
首先是Mega Matrix的COO Steven Gao
旗下的流媒体平台flex TV正在北美还有东南亚等多个市场开展短剧业务
Steven本人曾经是抖音商业化战略的负责人
对流媒体平台的运营
广告投放还有达人营销都有丰富的经验
第二位是西安丰行文化的CEO李涛
这是他一手打造了充值过亿的爆款短剧无双
让八天收入过亿成为了业界流传的暴富神话
第三位嘉宾是海外短剧制作人Shirley
Shirley毕业于南加州大学
之前就是从事中美电影的合拍
后来回国创业在传统影视行业
现在专注于做海外短剧
她最近制作的短剧成功登上了Reelshort的热榜
欢迎大家
Hello
你好好
谢谢好
谢谢
首先我有一个问题问到Steven这边
刚才我们其实提到了关于中文在线和枫叶互动净利润好像不如大家印象中短剧行业挣钱的印象
你能给大家介绍一下现在短剧行业整体的利润是一个什么情况吗
现在短剧行业的利润情况
我们首先要分成国内和国外两条线
在这两条线之中也要去分爆款的短剧和非爆款普通的短剧
从国内来讲的话，短剧市场这个涛哥可能比我更了解
就是市场的成熟度其实是很高的
今年的市场规模应该是达到400到500亿
是接近到中国电影市场的水平
这里面一定是整体行业里面产能一年是超过1万部
一定是有一些剧是赚钱的
有一些剧是亏钱的
但整体来说
从厂牌或者从平台的角度
一定是能做出更多的爆款内容的
平台方和制作方是有能力盈利的
但是大多数做不出爆款
亏损的概率也很高
因为这个行业其实发展到现在是一个内容是竞争非常激烈的一个状态
有好的创意
可能投放的周期就是在2到4周的时间
就没有办法再投放了
然后就需要有新的创意
整个行业的爆款率大概是在10%左右的水平
这10%就是说单部剧在国内应该是能做到1000万收入以上的巨整体占比大概就10%
这10%就意味着比如说我们说一个短剧它的合理的发行的利润率是放在10%到20%之间
那做1000万的流水的话
意味着可以做100到200万的利润的水平
对于投资方来讲
他如果是刨去了制作费
这个制作费大概国内是在70到100万之间
就是跑去了这个制作费之后
比较做的好的话
就是有一个50%到100%的一个回报水平
但是同时是要考虑在做出一部爆款短剧的背后
其实是有很多尝试
其实真的做的好的一个厂商
他是需要把试错成本尽可能的降低
然后提升自己整体的爆款的水平
我相信就像这个行业
像国内一些好的平台方一定是盈利的
然后好的制作公司
像风险这样好的制作公司也一定是盈利的那这个行业现在是一个竞争比较激烈的状态
然后我们看海外的市场
海外市场我昨天也正好是去听tiktok的一个分享
就是他讲到说海外市场现在的产能是每个季度产能都可以翻一番
但是用户上是每个季度观看短剧的用户都可以翻两番
所以海外市场是一个更加蓬勃发展的一个状态
然后海外的像TikTok里面的短剧
平均的用户的渗透率现在只有3%
但是国内的抖音的短剧的渗透率是33%
大概是比较高十倍
所以海外的市场各种角度来看都是一个非常早期的状态
但是海外的爆款率其实是比国内是更低的
但是如果做出爆款
其实可以获得更高的市场的份额
就比如说也是昨天TT分享的一个数据
TT上面3%的爆款的短剧视频拿走了TT70%到80%的一个广告消耗
也代表了70%到80%的观看次数和时长
所以这3%的剧集就一定是盈利
效果是很好的
但是剩下的如果做不出这3%爆款
但很有可能这个里面也是有很高的风险
Shirley你跟real shot合作过
你怎么看它的利润只有24万的这个问题
从我的这个角度去出发
我其实觉得正常
因为现在海外短剧还处于一个比较初期
然后各个平台还要跑马圈地的这么一个过程
我观察ReelShort它的策略其实是不想只做一个类似小程序的存在
就是说我并不是每次都想依靠投流而去获得客户
他更多的想做的是一个可能类似竖频版netflix的存在
就是用户可以习惯性的直接打开我的APP
在里面找到自己想要的内容去进行观看和付费
这样子其实相当于是赚了的
你就不需要额外在每一次去花钱再次获得你的用户
对吧
那这样的一个过程
他肯定势必是需要他的站内有大量的优质内容的那对于ReelShort来讲
我感觉就从我了解到的信息
他去年花了很大的价钱在做内容上
包括养人才上
这些钱是势必要花的
如果他想要做内容
那对于我们内容创作者来讲
遇到这样的平台肯定是开心的
就是他愿意在我们内容上花钱
所以还ok再就是我刚才说的跑马圈地的这个过程
他是不可避免的
就是你前期你要花大量的钱去一个是制作内容
一个是获客去投流

因为我们也投资过一些抓取的公司
也非常关注这个领域的
在实验室里面把一个苹果在一个很干净的环境里面抓取起来
再把它放下去
哪怕你做到99%的成功率
它离真正的行业落地可能是千差万别
因为如果你在一个工厂里面
他要求的不是96%的准确率
他要求的是五个九的准确率
他要求你抓1万次
只有一次失败
这个的准确度和可靠度对于今天的所有的算法或者所有的技术框架来说
可能是一个完全不同level的一个问题
你的执行机的可靠度可能就做不到这么高
哪怕你有一个理想的算法
你可能抓一万次你都会失败100次
但是客户要求的是万分之一的准确度
对你讲的非常好
我们去年其实在聊机器人跟大模型的那期播客里面有提到
如果我们让一个机械手臂能够在任何空间间
任何光线下都能够非常准确的去握住一只杯子
那它可能就是一个诺贝尔奖级的成果了
是的
这是机器人学的皇冠级的问题
但是对于一个人来说
哪怕一个接受过一两个小时训练的工人来说
他在产线上面基本上可以做到百分之百的不失误或者不失效
而且是非常灵巧
非常快速
所以这一点就意味着我们真正把机器人落地到这个场景里面
其实需要非常仔细的思考它的产品的路径
做一个很酷炫的demo
离真正的商业化是很远的那回到我们做投资
我们要投的是一个商业上成功的公司
我们投的不是一个很善于做demo
很善于持续募资的公司
所以这对我们的投资和创业提出了非常高的要求
人形机器人会在哪些场景或者哪些领域里面首先实现商业化应用
你怎么看
这是一个好问题
我也跟非常多的创业者
跟专家讨论过这个问题
今天大家看来
包括以马斯克为例
以中国和美国的很多人形机器人的创业公司为例
大家能够看到的最清晰的场景还是在工厂和仓库的场景
工厂尤其是以汽车工厂为代表
汽车的总装线
汽车的搬运产线
以及仓库里面的拣选搬运的环节
这两个环节相对来说是场景比较可控
他的任务清晰
可以定义他需要一定的移动
也需要一定的操作能力
但是它的难度并不是特别大
同时这两个场景成本的成熟度和我任务失效的代价都是在一个比较可控的范围
所以从理性的角度上讲
可能这些场景会是未来一两年很多公司率先落地的场景
包括像特斯拉也提出了他们可能要在今年或者明年要实现上千台的Optimus 在工厂里面的落地
我觉得这些目标都是有可能实现的
但是从这些场景里面能不能真正实现商业上的正向的盈利
或者说实现正向的发展
我觉得还有待验证
这个场景能不能再进一步扩散到更加通用的
更加开放的场景
我觉得也是需要今天软件跟硬件技术的进一步发展
你觉得如果我们说到工厂或者是新能源汽车生产线
他的整个的应用规模有多大
如果直接算这个的话
可能不好算出一个特别清晰的TAM
因为现实情况上产线和仓库里面的工人他往往是多任务的
他可能并不只是做这一个任务
但是我们一开始商业化的机器人
可能他就是设计起来专门为这一个场景去优化的工厂或者说仓库的搬运这个环节
我觉得从全球范围来看
当有非常多的行业
非常多领域
可能整个市场价钱是一个千万级的人力的需求
但是当你细分到每一个垂直的行业
比如说汽车产业在垂直到每一个工厂里面的具体的工序
可能这个数字会缩小很多
但可能今天人形机器人也好
通用机器人也好
关注的不是这个市场到底有多大的问题
而是我能不能有一台
有有10台
有100台
能够在这些场景里面真正的稳定高效的工作起来
我觉得今天可能连10台都做不到
就是持续稳定的在工厂里面工作
不给工厂添乱
我觉得可能今天都做不到这个水平
所以你会怎么去衡量一家机器人公司的好坏
以及它是否值得投资
投资其实是非常多维的一个考虑
我能够总结的是做一家公司
他一定要在对的时间选择对的切入口
以及一个对的团队去把它做下来
比如说可能在14、15年的时候
中国出现了一些扫地机器人的公司
比如说21年、22年的时候
中国出现了一些割草机型的创业公司
可能在16、17年的时候
中国出现了一批仓储机器人公司
其实他们这些公司出现的时间和切入的这个市场
是跟当时技术和需求的成熟度是密切相关的
我们作为投资人
作为创业者来说
我们要判断在今天这个时间点上哪些
属哪些能力成熟到了可以进行商业化创业
可以进行商业化的一个阶段
以及这个团队是不是真正找到了一群合适的人
而不只是看起来可能有非常好的背景
看起来有很好的逻辑或者很好的故事
但是他并没有不能把这个场景或者产品真正的交付起来
我觉得它是反正蛮综合的一个事情
这也是我们每天在不断探索跟训练的一个过程
有阶段性的结论吗
首先我觉得其实中国的公司在机器人的创业这波浪潮里面
还是有非常大的机会的
我们看到基本上在过去20年成功或者过去十年成功的机器人公司
绝大部分是来自于中国
发挥了我们非常好的供应链研发和落地场景的快速迭代的这个能力
反过来说
如果今天是一个在美国想要做机器人创业的团队或者一个方向
我去衡量的角度
我可能会去思考这个美国的团队有没有做一些真正对于精度要求非常高性能要求非常高
且对很不敏感的一些领域
这可能是美国公司在过去10年、这15年做机器人创业成功的一些要素
而这个要素可能跟在中国成功正好是反的
所以一些美国公司更容易成功的领域
我可能觉得一个中国公司去做的可能性会比较低
成功概率会比较低
而一个中国公司非常擅长领域
比如说扫地机
割草机
仓储机器人
服务机器人
配送机器人
我觉得这些中国公司有显然优势的领域
讲的非常好
然后Peter你有什么要补充的吗
我想要补充的是机器人这个行业
我觉得在商业化和科研两个角度来讲
都是非常早期的一个领域
所以今天市场很热啊
大家有非常多的关注
事实上看
其实机器人只在少量的比较结构化
比较高容错率的场景
比如说扫地机器人
比如说仓储机器人这种环境里面得到了规模化的应用
以及一些少量的特别高精尖的领域
比如说手术机器人
甚至像无人机对吧
军用无人机这些场景里面得到了规划的应用
其实机器人可以落地的场景是非常多的
但是今天我觉得从算法
从硬件的角度都还在研发的一个早期
我觉得AI今天的发展
包括大模型
包括世界模型的发展
对于机器人未来的前景是非常光明的
我们发现一些机器人传统领域决策感知控制里面一些非常难的问题
因为大模型就出现
因为世界模型出现可能会有有全新的不同的解
就像我们在自动驾驶里面已经见到的一样
就是自动驾驶之前我们用传统的定位
高精地图
人工规则的方式来做
其实我们会遇到很多性能上的瓶颈
而今天当这个学习驱动的方法
数据驱动方法这个范式被真正验证的时候
我们发现自动驾驶可能真的能够看到落地和突破的一天
我认为同样的事情在集成领域里面也是一样的
我们非常期待大模型
包括世界模型
包括可能基层的大模型对基层技术的影响落地
但从另外一点我们会深刻的意识到
这是一个非常长的一个过程
我们今天还有非常多的问题没有解决
总体上来说
其实未来是非常可以期待的
只是说中间可能要跨过的一个的这种技术的细节的态度了
我们现在还在一个可以说是非常早期的阶段
对我衍生一句话就是在AI的发展历史上
我们是经历过三次的这种低谷或者是绝望之谷的
因为短期人们容易对技术的一些可能性和技术突破抱有非常高的预期
非常高的期待
但是当他不能deliver的时候
大家会陷入一个比较失望的一个状态
我担心可能机器人在未来两三年也会经历这样一个过程
尤其今天大量的资本
大量的创业者投入的人性和通用机器人这样显然非常长期非常困难的这个领域
如果他们在两三年之内
三四年之内没有达到预期的进展或者预期的效果
会不会市场会陷入这样一个低谷
或者说一个失望的过程
我们当面临这样的一个过程的时候
我们怎么从这样的环境里面再recover
再爬起来
然后真正的把这个技术朝可以落地
可以商业化的地方去推动
这可能是我未来几年会非常关注的方向
你觉不觉得这个过程非常像现在整个无人驾驶的发展的历程
很有可能我们如果回到15年的时候
告诉大家
到了2024年
我们还没有办法商业化的可以盈利的去经营
自动驾驶、Robotaxi
我觉得可能很多人回到15年
可能不会选择进入这个行业
或者不会那么积极的在这个领域进行投资
但是可能技术的发展就是这样的
它是一个挺漫长
也不是一个一帆风顺的一个过程
尤其涉及到物理环境
涉及到自然环境这个交互
我有一点我非常相信的是
如果我们要解决人形机器人或者解决通用机器人问题
它面临的难度是远远大于自动驾驶可以商业化
可以落地这个难度的
我觉得有一点好处是当有一个技术泡沫出现的时候
其实是有非常多的顶级的聪明人进入到这个行业的
这个行业它未必能够实现最终大家理想中的那个状态
但是他在往这条技术路线发展的过程中
他可能能够带来很多的新的商业化的场景
或者一些新的应用的形态
可能是大家之前没有预料到的
我觉得挺有意思的
就我们看一下这个行业会怎么演进
好了
这就是我们今天的节目
如果大家喜欢我们的节目
可以在你所收听的音频渠道来订阅
我们中国的听众可以通过小宇宙
苹果播客
喜马拉雅、网易云音乐
QQ音乐
蜻蜓FM
荔枝FM来收听订阅
我们海外的听众可以通过苹果播客
Spotify还有Youtube来收听订阅
我们
大家在Youtube上可以搜索“硅谷101播客”来找到我们
感谢大家的收听
谢谢

所以​‌​‌​​‌‌​​‌‌​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌​​​‌‌​‌​‌​​‌‌‌​​‌​​‌‌‌‌‌‌​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌​​‌‌‌‌​‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌​‌​‌​​‌‌‌‌‌‌​​‌‌‌​‌‌​​‌‌​‌‌‌​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌​​​‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌​‌​‌​​‌‌​‌‌‌‌‌​‌​​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​​​‌​​‌‌​‌‌‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌‌​​​‌‌‌‌​‌​​‌‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌背后折射出来
其实机器人的商业化是一个非常复杂
也是一个非常困难的一个过程
这里面不光是技术的突破跟创新
也要跟市场找到一个非常好的需求的契合
而且它的成本
它的可靠度必须达到客户的需求
所以我觉得机器人的商业化其实是一个非常慢的完成的一个过程
对于很多创业者或者说投资机构而言
实际上是有很容易低估机器人短期遇到的困难
更多的关注可能长期的可能性的
因为我知道你非常早就开始投机器人了
你觉得之前的像垂直行业
垂直应用的机器人的商业化
之前的那部分做得好吗
成功吗
虽然我们今天看到了非常多的机器人的研究
机器人的demo
不管是人形的还是足式的
还是其他一些形态的展示是很多的
开发版是很多的
但是真正商业化能够比如说一个品类或者一个场景卖到100万台位置
100万台是一个非常小的数字手机
我们每年有30亿台手机的销量
汽车每年有一台汽车的销量
但是在机器人领域里面
一年可以销售出100万台的机器人的品类也是非常少的
今天看来真正有商业化的几个大的类别
比如说在家用场景里面
包括像扫地机
割草机这种自主机器人
在商用场景里面
可能今天最大的场景是在仓储场景
仓储自动化仓储的搬运
像亚马逊的Kiva已经达到了100万台的出货量
还有一个场景我认为也算是机器人的商业化
就是无人机
以大江为代表的航拍无人机
消费者无人机或者工业无人机
这里面也是有百万台的销量的
如果你100万作为一个标准的话
你会发现真正达到百万出货量的机器人的品类
哪怕经历了这二三十年的发展
其实是非常少的
其他的更开放的场景
可能今天就在更早的阶段了
还没有形成规模的商业化和产品化的进展
你们现在会看好类似于通用机器人的投资吗
我觉得市场
对这个方向是非常关注的
包括像一些大厂
包括像NVIDIA
包括像各种公司
在这里面有有大量的投入
我认为我的观点必须要承认
是我认为今天通用机器人在一个非常早期的阶段
如果类比PC时代
如果类比移动互联网时代
我觉得可能相当于1980年的PC2005年的智能手机
就是一些核心的技术要素在快速的出现
然后长期早期的探索非常的活跃
但是这里面真正形成了清晰的商业路线
形成了清晰的产品路线还是非常少的
所以我们的观点是这个方向我们会积极的关注
但是什么时候进行大规模的积极的投资
可能要看时间和产品的方向以及团队本身
从我们之前投资机器人这么多年的一个经验来看
我们要识别清楚技术的变量
技术的成熟度和技术的timing是非常关键的
因为如果我们错判了一个技术的程度
那么就意味着可能在这个公司成立十年的时间
我们没有办法交付出一个真正可以售卖的
可以商业化的产品
这是从技术的成熟度角度
从产品跟市场的角度
一定要找到市场跟产品的契合度
也就是我们传统创业所谓的PMF
这一点其实对集成产品也是非常困难的
因为今天我们可能可以不计成本去做出一个非常酷炫的通用集成的demo
但是一个不计成本的设备
我们是没有办法卖到家庭
也没有办法卖到商业场景的
所以这里面对于PMF
对于产品的定义的要求也非常高
最关键的可能最长期来看还是团队
因为做机型的创业不像做软件或者做AI的创业
它既需要有非常好的软件跟算法能力
也需要很好的硬件能力
最终可能还需要非常强的商业和市场化的能力
所以这个其实创业的门槛在我们看来是非常高的
完全不低于比如说新能源电动车创业的这个门槛的难度
所以我们对这方面的标准会非常的高
也会非常期待有几个方面都能够满足的团队来在通用技术这个领域进行创业和尝试
讲的非常好
Lily其实你在NVIDIA这一块儿负责整个的中国机器人
的业务对于中国的商业化环境来说
你觉得中国机器人行业现在它的落地情况怎么样
我觉得中国整个机器人在全球都是做的非常好的
因为我们整体有智能制造生产力的一个大背景下
整体在我们整个NVIDIA看起来中国地区都做的非常好
所以商业化的环境是我认为还是很好的
至少在激情的这个领域
哪些行业是最好的
现在看来的话
我觉得生活服务类
还有智能制造
包括像汽车的仓储物流的这些赛道都还蛮好的
生活服务类我可以理解成是扫地机器人
割草
中国可能没有割草机器人
但是中国是割草机器人非常大的一个OEM
出海对对对
出海所以也做的非常好
另外的话生活服务类的话
像您说的割草机是其中一个场景
然后另外的话像一些比如说配送对吧
包括我们无人机的配送
无人小车的配送
生鲜类的
以及一些可能能直接送到家里的一些服务类的场景
包括像工业上生产制造类比较多的
像操作类的
搬运类的都有
搬运类的仓库搬运
然后还有新能源供应链上的流水线的那一类的那类算是机械币
但是它是可能是垂直领域的机械臂
对是的
这样说其实我感觉整个的应用场景还是非常广的对
本身机器人是不分行业应用的那Peter
你觉得中国的机器人行业它的落地怎么样
肯定是在一个非常活跃和快速演进的一个阶段
首先大量的机器人的品牌跟厂商是中国公司
其实在欧美国家
你真正找到的成规模的有商业化的机器人的公司
不管是to c还是to b也下相对来说是比较少的
我觉得跟整个产业的成熟度和供应链的能力都是相关的那中国有非常多的机器人公司
他们提供的场景也是覆盖了to c到to b的各种场景
大量的产品是在国内销售
但是也有很多场景跟品类是主要在海外销售
或者只在海外销售
所以我觉得这点基本上中国的发展是
非常领先的那从投资的角度来说
你觉得它是一个可以大规模投资的领域吗
客观来说
我觉得其实不太是因为虽然它非常活跃
但是真正的规模跟量级并不是很大
就像我说的
真正出货量超过100万台的品类是非常少的
如果整个产业只能出比如说10万台机器人
那么它对应的产值其实是比较小的
比如说我们刚才看到的送餐机器人
已经是一个比较活跃的品类了
但是他可能每年的出货量全世界加起来可能不到5万台
或者说不到10万台
你乘以它的单价
其实是一个比较小的一个产业
在这样一个相对来说比较小的产业里面
你要找到特别大的投资机会
其实是很不容易的
这是为什么今天大家对于通用机器
对人形机器人有这么高的期待
因为大家希望机器人的通用化
能够把机器人的场景跟规模可以得到极大的扩张
虽然这件事情目前还没有发生
但是大家对这个事情有持续投入的意愿跟兴趣
我理解今年机器人行业它又开始变火了
是因为大家其实有看到大模型对机器人行业的一些提升
你刚刚也提到了
现在机器人行业的发展可能像是1980年代的互联网跟2005年代的移动互联网了
你觉得现在是一个你们去开始看通用机器人跟投通用机器人的时间吗
我们会去积极的看国内外的非常多的公司
其实我们都有接触跟研究
但是可能要承认的一点就是
我们认为今年行业是在非常早期
而且如果我们真正的目标是要做到一个通用机器人
他面临的挑战
他需要的投入的时间跟成本跟资源可能是一个非常大的一个量几个规模
这个难度有可能是大于当年特斯拉在05年04年做电动车的这个难度
就大量的配套的能力跟资源
还需要建设整个生态
在非常早期的一个阶段
所以对于通用机器人的投资这件事情
我会持有一个相对比较精神乐观的一个态度
我说一个有意思的事情
就今年3月份在NVIDIA GTC的那个会议上面有一场分享
请来了波斯顿动力的创始人Marc Raibert在讨论通过机器人跟人性机器人这个topic
其实他说到一个很有意思的观点
我这里分享一下
他认为以人性机器人为代表的通用机器人的规模商业化需要至少十年的时间以上
从2024年来看
他认为这个周期是超越绝大部分风险投资人的基金的存续期的
言外之意他不建议VC真正参与到这种事情的投资里面去
因为这个事情需要的周期是超过大家想象的
所以你的判断跟他是一致的
我觉得他代表了一个真正在这个领域里面从业了30年
代表了整个世界上人性机器人研究最前沿的科学家
研究人员
一个保守乐观的一个态度
就是这件事情虽然我们今天看到非常多的变化
看到非常多的变量
看到机器人可以抓取一个苹果一个东西
但是它离真正的商业化的落地其实是差别还非常远
就以抓取为例

这些其实都可以做一些非常精准的描述
所以在这样的一个情况下
在仿真平台上我们还有另外一项技术叫做虚拟数据集的合成
也就是说在仿真环境里面
我们可以通过随机域的生成形式
可以生成非常庞大的一个数据集
而且这个数据集是自带标签的
就是标注好的数据集
这个其实节省了大家比如说去真实世界
你需要先拍照采集数据集
然后再做数据的清洗标注这样的一个过程
你在虚拟的环境里
举个例子
我们经常会有
比如说像电子电路版
我们叫做PCB板的一个缺陷检测
如果你在现实世界里面
你想采集一个缺陷检测的话
你其实是需要收集大量的负样本
而且负样本其实有的时候是不太好收集的
然后你再进行一个采集数据
但是在仿真环境里
你可以指定一处缺陷
然后进行随机化
它其实就会变成一组非常庞大的缺陷数据的一个样本集
这样你就可以进行检测
同理的比如说像一些家庭的场景
现在我们有一些机器人的研究在做一些to c比如说家庭服务类的集群
其实家庭整体的数据集是比较私密的
我们很难拿到一些公开的数据集来仿真家庭的一些场景
在仿真环境里面
其实我们也可以做大量的这种家庭数据的一些样本
这个随机化可以随机化到一个小的
比如说电路板
一个小的杯子
这样的一个具体的一个小零部件
也可以达到一个场景整体的随机化
比如说一个仓库
一个工厂
一个家庭的环境都可以进行随机化
所以我觉得回答您的问题
第一个从图形图像以及物理的引擎
流体的引擎上
我们可以精准的描述现实场景
第二点从数据的泛化增强上
我们可以产生大量的虚拟数据集和一些随机测试的环境
来帮助你提升模型的泛化性以及整个算法的鲁棒性
所以在这两个层面上
就可以保证机器人在仿真环境里面就能极大程度的完成到它本体的一些写功能的开发和测试
我们在实验室里有测试过
比如说在用机械臂抓取一些物体
在仿真环境里面我们测试试完以后
把模型直接部署到机械臂上
它就可以直接完成一个抓取动作
那你觉得我们在仿真里面训练到一个什么样的程度了
可以让机器人去这个物理世界训练呢
我觉得这个其实有一点需要
每一个用力都不太一样
因为有一些可能结构化会比较强一点的那相对来说它就不太需要太大量的一个训练
它就可以精准的识别出来这个物体
进行一个准确的抓取
但有一些比如说是在一个非常杂乱无章的非结构化的环境下
它就需要非常大量的一个样本数据集
比如说他从一堆零部件里面抓一个零件的时候
这种他就需要对这个零部件具有多角度更强大的一个数据进行训练
才能提升它整体模型的一个准确度
我觉得每一个用例其实区别蛮大的
所以看场景对不对
对
还是看场景
但是我觉得就是在仿真平台里面
至少我们现在可以做数据集大量的一个增强跟补充
所以这个其实是提升你模型准确度很重要的一个环节
就是数据的基础
Peter有补充的吗
对
其实大家讨​‌​‌​​‌‌​​‌‌​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌​​​‌‌​‌​‌​​‌‌‌​​‌​​‌‌‌‌‌‌​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌​​‌‌‌‌​‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌​‌​‌​​‌‌‌‌‌‌​​‌‌‌​‌‌​​‌‌​‌‌‌​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌​​​‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌​‌​‌​​‌‌​‌‌‌‌‌​‌​​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​​​‌​​‌‌​‌‌‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌‌​​​‌‌‌‌​‌​​‌‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌论真实数据还是仿真环境
其实大家可能要注意的一点是
很多仿真环境的数据其实是由真实世界的数据清洗训练和增强的
也就是说如果你没有真实物理世界大量数据的采集和清晰标注的话
其实你很难在这个基础上生成仿真的数据
因为中间可能会出现大量的不真实或者说不匹配的这种情况
我觉得过去两三年最大的变化是以transformer和diffusion这些结构和算法为代表的技术的成熟
让我们根据少量采集的真实世界的数据
生成更多的permutation的拟真度和准确度得到了极大的增强
所以我觉得可能未来也会是这样的一个平衡
就是少量的数据是靠真实世界采集的
因为采集的数据成本比较高
大量的数据是在采集的真实数据基础上进行的增强和深沉而成的对
接下来我觉得也是大家非常关心的一个环节
就是我们讲到机器人的商业化
Peter你觉得在更加垂直跟更加泛化的这个机器人的商业化上
你更看好谁
或者说趋势有发生什么样的变化
这是一个大家很关注问题
但是要给大家喷个冷水的是
其实通用机器人今天没有什么商业化的先例
或者说今天还在非常早期
虽然大家对机器人的商业化充满了很高的期待
但是我们要意识到
其实今天的通用机器人还是在一个前期研究和底层的这个技术突破
技术探索的一个阶段
所以今天真正出现在市场上
或者已经有商业化
有确切的产品化的机器人产品
基本上都是各种专业场景
或者说各种具体的细分场景的落地
而即便如此
其实真正成功的
真正规模能够达到百万台甚至千万台的机器人的这个场景也是非常少的

单个机器人的成本
因为规模效应
因为统一的结构会导致它的成本极大降低
我觉得这些是从理性层面上
人性机器人终极上是非常好的一个原因
虽然今天可能看起来要实现非常高的人性
还需要蛮多的技术的突破跟进展的那我想说一个感性上面的一个感受
就是其实很多从小痴迷机器人或者关注机器人的这些
你说爱好者也好
极客也好
其实对于机器人是有非常强的情感的寄托跟憧憬的
我认为如果你是一个未来主义者
可能你不会排斥一个概念是未来人类的文明
人类的社会可能会逐渐由碳基的文明进入硅基的文明
也就是说我们未来人类社会可能有大量的机器人与我们共存
甚至超越我们
延续我们的文明
在整个宇宙或者说星际中进行探索
那个时候可能人性机器人会变成人类文明的一种化身
跟我们有更强的情感的映射
能够继承我们人类文明的各种美好的幻想
所以我觉得从情感来讲的话
我觉得人形也是承载人类文明的一个终极的一个心态
也是符合我们自己延续人类文明的一个美好的一个憧憬
所以虽然可能从今天的技术程度上讲
很多场景并不一定需要做成人形机器人
但是大家会为这个理想
或者为了这个感性上的一个想法去不断的做尝试跟努力
对我觉得有时候是不是人形机器人也可以更多的博取一些同情分
比如说有的时候我看到有人在踹一个人形机器人的时候
因为他的形状太像人了
所以就会有一种他会被疼的那种
虽然我知道他不会疼
就是看上去会有一点点心疼的那种感觉
但如果比如说有人在踹一个铁皮子或者箱子
大家可能就觉得还好
接下来其实有一个问题是问lily的
我们在谈到这些机器人的时候
他们对芯片或者GPU的要求会高吗
我觉得这个完全取决于他们的应用的功能诉求
就越通用对芯片的要求越高
对
是的
因为他需要对场景有一个非常充分的理解
需要多模态的一个输入
所以他就会会对GPU的要求会越高
也就是说他对AI的能力要求越高
他就会对GPU的能力要求越高
那在软件层面
NVIDIA它会提供哪些解决方案呢
其实刚才提到的三层
就包括训练仿真加端侧
inference
其实这三个部分是分别有硬件和软件的解决方案
就拿训练来讲
我们有本身自己做生成式AI的一些框架
提供给大家来搭建一些快速的大模型应用
然后仿真的部分
我们的Isaac Sim其实就是一个软件平台
搭配我们的一些相应的做渲染的一些GPU就可以跑起来
整个仿真的环境
对于端侧的开发
我们除了嵌入式的硬件
也就是机器人的大脑的芯片之外
我们也会有一些基础的算法
包括一些感知类的
决策控制类的
还有就是对场景的一些理解
比如说像一些基础模型类
像视觉的检测和抓取的一些基础模型的一些应用的部署也会在端侧
所以这一类也是软件类的一些赋能
所以我觉得简单来讲的话
就这三层训练仿真和端侧的部署
我们都提供了硬件加软件的方案
跟你们合作的一些中国客户
他们通常最关心的问题是什么
什么时候能拿到GR00T这个可能是现在大问的最多的一个问题
因为我们所有的客户
包括开发者
大家也都在这个平台上做各式各样的一个开发
但是他们就很好奇
比如说我们这次GTC发布的像这个GR00T到底什么时候能用
然后以及我们最新的这样我们还有两个概念
一个叫做perception
一个叫做manipulator
其实这两个都是软件的部分
Perception主要是给移动机器人做纯视觉的一个解决方案
Manipulator主要就是赋能机械臂的端到端的一些应用
所以大家对这部分的这种非常具体的一些解决方案非常感兴趣
非常希望能有一些早期的一些测试
然后我们的perception应该是在五月中旬
就这个月中旬就会开放给大家
那manipulator的话也会在五月底六月左右
具体时间可以关注一下NVIDIA的平台
完全的可以给大家下载使用发布的话其实我们在GTC是进行了发布
包括GR00T，GR00T的话相对来说会比较早期一些
那还是得大家持续的关注我们的一些动态
所以大家对于这些比较细分的解决方案
比如说像基础的抓取类或者通用的这种机器人的模型会非常感兴趣
你们的客户里面是偏专业跟垂直的更多
还是更加通用的更多
或者你有没有看到什么趋势类的变化
其实都有
只不过是大家现在更希望自己做的机器人的方案更通用一些
这样可以适配于更多的一些行业场景
大家现在会更倾向于把机器人大脑做的更通用
也就是说他在可能以前只是执行单一的任务A就还是拿那个抓苹果
可能以前他只能抓苹果
但是现在大家希望做的这个机器人
除了抓苹果
还可以抓杯子
还可以拿钥匙
就是处理更复杂的一些通用的一些任务场景
其实你是有看到这个趋势的
以前可能他也是做比较垂直跟专用的场景
但是他希望他们的场景能够扩展
其实只要涉及到扩展
可能就涉及到任务的泛化了
因为之前的机器人
我们觉得更多的是叫做single purpose robot
单一的一个目的的一个机器人
现在包括像人形
包括像具身智能
我们更希望的是他可以执行多个任务在一个机器人上
所以就像您说的
它会更具有任务的泛化性
对于NVIDIA本身来说
因为我知道Jensen他是特别看好这一块的
你们自己对这个机器人投入的一个时间线
包括你们研究这个平台的时间线是怎么样的
为什么会说在这么多的​‌​‌​​‌‌​​‌‌​​‌‌‌​‌‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​​‌‌‌‌​‌​‌‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌​‌​‌‌‌​‌​​‌‌‌‌​‌‌‌‌​​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌​‌​‌​​‌‌‌‌‌‌​​‌‌​​​‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌​​​‌‌​‌​‌​​‌‌‌​​‌​​‌‌‌‌‌‌​​‌‌‌‌‌​​​‌‌‌​‌‌​​‌‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌​​‌‌‌‌​‌​‌‌‌​​‌‌​​‌‌​​‌‌​​‌‌‌‌​‌‌‌​‌​​‌‌‌​‌‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌​‌​‌​​‌‌‌‌‌‌​​‌‌‌​‌‌​​‌‌​‌‌‌​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​‌‌‌​​‌‌​‌‌‌‌‌​‌​‌‌​​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌​​​‌​​‌‌​‌​‌​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌‌‌‌‌​‌‌‌​‌​​‌‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌​‌‌‌‌‌​‌​‌​‌​​‌‌‌‌‌‌​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​‌​‌‌‌​‌‌‌​‌‌‌​‌​‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌​​‌‌​‌​‌‌‌​‌​‌​‌​​‌‌​‌‌‌‌‌​‌​​‌‌‌‌​‌​‌​‌​​‌‌​‌​‌‌‌​‌‌​​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌​​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌‌‌​‌​​‌‌​​‌‌‌‌​‌​​​‌​​‌‌​‌‌‌‌‌​‌​​‌‌‌‌​‌​​‌‌‌‌​‌‌‌​‌​​‌‌​‌‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌​​‌‌​​‌‌‌​​‌​​‌‌​​‌‌‌‌​‌​​‌‌​​‌‌​‌​‌‌‌​‌‌​‌‌‌‌​‌‌‌‌​​​‌‌‌‌​‌​​‌‌​‌‌‌​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌​‌​‌‌‌​‌‌‌‌​​​‌‌‌‌‌​​​‌‌‌​‌‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌‌​‌‌​​‌​​‌‌​‌​‌‌‌​‌​‌‌‌​​‌‌​‌‌​​​‌‌‌‌​‌‌‌​‌​‌‌‌​​‌‌‌‌‌​​​‌‌​‌​‌​​‌‌‌‌​‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌‌‌​‌​‌‌‌‌‌​‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌‌‌‌​​‌‌‌‌‌‌​​‌‌​‌‌‌​​‌‌‌​‌‌‌‌​‌‌​‌‌‌‌​‌‌​​‌​​‌‌​​‌‌​​‌‌‌​​‌​​‌‌‌​​‌​​‌‌​‌​‌‌‌​‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌AI会改变的行业里面
你们会把重点放在机器人领域
其实NVIDIA在各行各业都有赋能
包括医疗
工业制造
汽车游戏
我们做的最早的也时间最长
所以这些都有
只不过是今天我们可能重点聊的是机器人的板块
但是机器人他其实在我们看来是没有行业属性的
也就是它可以用于医疗
也可以用于工业
也可以用于汽车制造
所有的场景都可以用
所以机器人在NVIDIA它相当于是一个水平的一个解决方案
然后来赋能纵向的每一个行业
您可以这样理解
所以我们认为机器人为什么这么重要
其实NVIDIA做机器人做了很久了
包括我们的Isaac也推出了很多年了
一直在做不断的版本的迭代
然后不断的把更的一些AI的一些能力给集成进来
做一个更完整的机器人解决方案
我们也是认为现在第一点
我们认为整体劳动力的缺乏
以及工业自动化
包括智能制造的自动化的一些快速发展
包括人类日常生活中的需要助力的一些环节
所以在我们看来
机器人绝对是未来大量载体的应用的一个典范
所以这也是为什么对我们会推出很多或者发力很多在训练仿真
还有端侧帮大家完整的迭代一个开发的一个工作流
帮大家来打造一个更通用的一个机器人本体
这样子就是像我刚才提的一些行业类
那他就可以快速的做一些应用
这就是为什么您看到我之前可能您问我一个问题
就是关于端侧就是载体类的
我们有哪些形式
您看到机械臂、AMR，四足、割草机
无人机包括自动矿卡这些我们都有
也是因为我们的机器人的计算芯片从20 tops其实最早是0.5 tops
包括现在最新的orange从20 tops到275 tops全部都有
而且都是统一的软件架构
所以这就会方便大家来打造不同种类的机器人的应用
不管你是非常简单的一些也像桌面机器人
开发者机器人
或者是一些消费类的
或者到一些非常大的
像自动驾驶矿卡之类的非常复杂的一些大型的重工机械
那我们都是有全栈的软硬件都可以进行赋能
刚刚我们也在很多次的播客中提到了仿真环境
其实我一直有一个疑问
机器人他到底是应该更多的抓取与物理世界的数据
还是在仿真的环境中训练
因为我们有的时候知道仿真环境的训练
它肯定对机器人它的输出的结果是有帮助的
但是我们真的把它放到一个物理环境里面了
可能它的光线
它各种传感器的布置
包括比如说有一个传感器
它可能路线稍微出了一些故障
或者太阳光稍微让它这个投影
发生了变化
他可能就抓不到那个苹果或者那个杯子了
比如说大家在用NVIDIA的仿真系统的时候
他对这个机器人他实际的效果提高有多少
大家到底是应该多在物理世界中训练
还是在仿真环境中训练呢
我觉得这你这个问题问的非常好啊
这个其实也是我们NNVIDIA仿真平台我觉得比较突出的几个技术优点
就是因为我们把物理世界做的非常逼真的一个描述
这个积累于我们之前在图形图像处理相关领域的一些技术积累
同时对于各个光线的追踪以及物理属性
比如说一个物体
假如说它是苹果还是海绵
它的触觉其实是完全不一样的