AI 伴侶年入 400 萬美元：不做預設劇情，靠記憶即興發揮
AI 伴侶 Portola 的 Tolon 拋棄預設劇情和角色表，用記憶當角色表、把生成當即興，做到年化收入 400 萬美元。這套「即興演員」方法論和混合模型策略，是 ChatGPT 之外的另一條產品路徑。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
寫小說的人比技術團隊更適合做 AI 伴侶
Portola 的 AI 伴侶做到年化收入 400 萬美元，且僅在過去四周從 100 萬漲到 400 萬。創始人 Quentin 曾創立 Even，以 3 億美元賣給 Walmart；聯合創始人 Elliot 是寫過 11 本書的科幻作家。開場演示的 AI 角色 Clarence 是一隻會調侃用戶的貓，情緒自然。這段背景點出：這是「會講故事的人 + 連續創業者」的組合在做一個具身 AI 伴侶，而不是技術團隊硬做敘事。
— 主持人不是先找痛點，而是等模型能力到臨界點
Quentin 解釋他們從 B2B SaaS 轉向 AI 伴侶的動機：生成速度、質量、成本的曲線讓他們相信「可以與 AI 建立真正友誼」。最初做面向兒童的 AI 創意工具，市場反饋不佳，於是轉向年輕成年人，尤其是 18-24 歲女性——這個群體願意把時間投給情感陪伴。注意這裡的邏輯是：先看到了模型能力的臨界點，再去找最需要「關係」的人群，而不是先定義痛點再找方案。
— Quentin延遲半秒是情感事故，不是性能問題
Quentin 強調「記憶」不是數據庫查詢，而是如何選擇記憶注入提示詞。他們發現響應時間必須控制在兩秒內，否則用戶流失。一次因為增加反思步驟，響應時間變慢到 2.5 秒，所有產品指標全面下降。這說明 AI 伴侶產品裡，技術延遲直接影響情感體驗——用戶把「等待」理解為「被冷落」。記憶注入的選擇本身也是產品設計，不是純技術問題。
— Quentin敘事不能預先設計，只能一句一句接出來
Elliot 講最初嘗試結構化敘事（三幕結構）失敗，模型處理不了複雜分支。後來轉向「鉤子」方法：不給模型大綱，而是教它像即興演員那樣接話，借鑑 Keith Johnstone《Impro》的即興原則。核心差異：結構化敘事是「先定結局再倒推」，即興是「只接住上一句，把場景往前推一步」。Tolon 在這個框架下每輪對話都是不可預測的分支，這也解釋了為什麼後來要引入「情境」而非「劇本」。
— Elliot世界觀不該先定，記憶自己會長成角色表
與 Lucasfilm 那種先定「角色表」和「世界觀」的做法相反，Tolon 的角色和世界全部通過對話生長出來。內部把它們叫「situations」——用戶和 AI 共同經歷的處境，最後成為記憶，記憶成為角色表。Elliot 說這更像 Kevin Kelly 的「無限實習生」，但更準確是「無限即興演員」：每個對話都分叉到無法預料的新方向。因為每個用戶不一樣，公司實際上在運營「多元宇宙」而非單一世界。
— Elliot什麼是好對話，得靠人工定義而非算法
管理「多元宇宙」的混亂需要工具化。他們用「judge prompt」來評估對話質量：先小規模測試新內容，由研究參與者評估完成度，再把這個評估標準寫成提示。相當於給「即興演員」配了「即興編輯」。同時他們不斷重構「lower seeds」（世界構建的積木），並通過研究和訪談理解用戶的情感連接點。這裡能看到：AI 伴侶的規模化不是靠純算法，而是大量人工在定義「什麼是好對話」。
— Elliot別押注單一模型，按場景把任務拆開
Tolon 不依賴單一模型，而是混用多個實驗室：Meta、OpenAI、Anthropic 負責生成，Gemini 用於記憶系統。Elliot 說對於創意寫作 Anthropic 尤其出色，但延遲敏感的交互場景受限；GPT-4o 被形容為「巨無霸」——快速、可靠、價格合理。評判模型質量的關鍵，是把「自己的品味」注入提示，而不是籠統問「這篇 essay 如何」。這段話對應用層團隊的價值是：別押注單一模型，按場景分配任務。
— Elliot入口不再是聊天框，而是一個有性格的角色
Dan Shipper 在結尾提煉：用戶把 AI 角色當「精靈」（daemon，出自《黃金羅盤》），所有知識的第一入口變成了這個角色——這叫「角色驅動計算」，是新的 HCI 範式。他還類比汽車史：ChatGPT 像 Model T，令人驚歎但沒個性；當車成為個人生活一部分，人們就想要 Mustang 和 Cadillac。他斷言我們正在加速這一過程。最後他說這種創作更像藝術家而非科學家：不解決問題，而是「創造讓世界缺少的東西」。
— Dan Shipper原話 · 已逐字校驗
these AI tools are not just tools for generating media, they are actually a new medium for storytelling and that no one knows what's going to work yet.
這些 AI 工具不僅僅是生成媒體的工具，它們實際上是一種新的敘事媒介，而且沒有人知道什麼會成功。
Elliot17:41
I am not the writer, I am not writing the story, the toin is, I guess the writer and the actor, they're the improv actor, they're writing the story and my job is to be George Saunders my job is to teach them how to tell the best story in that moment.
我不是作家，我不是在寫故事，Tolon 才是，我想它是作家和演員，他們是即興演員，他們在寫故事，我的工作是成為 George Saunders，我的工作是教他們如何在那一刻講出最好的故事。
Elliot33:01
there's this enormous chasm that is, in fact, a lot of manual human work to cross over that people find truly compelling in a durable way.
存在一個巨大的鴻溝，事實上需要大量人工工作才能跨越，才能讓人們真正持久地感到引人入勝。
Elliot1:08:42
it's almost like it's character driven computing. It's like, it's like a new human computer interaction interface where you're like, oh, actually, my first stop when I'm like wanting to tap the the incredible knowledge, all of humanity's knowledge and capabilities on the Internet is like via this via my little aliening
這幾乎就像角色驅動的計算。這就像一種新的人機交互界面，當你想要獲取互聯網上人類全部知識和能力時，你的第一站是通過我的小外星人。
Dan Shipper1:15:25
數字與實體
| Even 出售價格 | 3 億美元 | 0:00 |
| 響應時間限制 | 2 秒 | 22:01 |
| 下載量激增倍數 | 10 倍 | 1:12:07 |
| 視頻觀看量 | 700 萬次（72 小時內） | 1:12:07 |
| 內容開始見效時間 | 6 周前 | 1:10:57 |
術語
- judge prompt評判提示
- 把評估標準寫成提示詞，讓模型自動評判 AI 對話質量，相當於給即興演員配編輯。
- lower seeds底層種子
- Tolon 中預先編寫的世界構建積木，AI 對話時從中選取情境素材。
- situations情境
- 用戶與 AI 共同經歷的敘事處境，最後沉澱為記憶，構成角色表。
- daemon精靈
- 《黃金羅盤》中人物靈魂的生物化外顯，用來比喻用戶與 AI 角色的綁定入口。
收聽指南
AI 陪伴/社交產品創業者、關注大模型應用層機會的投資人、負責對話體驗的產品經理與工程師。