本文来自微信公众号： 明亮公司 ，作者：主编24小时在线
与当前多数面向程序员的Vibe coding平台不同，灵珠的理想用户，是“10亿非程序员”。4月20日，灵珠开启内测，两周单日Token消耗量便突破50亿。6月25日，平台正式面向全网公测，并推出作品“魔改”功能，支持用户对平台上的作品进行二次创作。
在探索AI to C的道路上，相较于豆包、千问、元宝等AI Chatbot，灵珠选择了一条更加垂直、更加聚焦的路径——定位“AI时代的抖音”，让非技术用户也能通过自然语言快速将想法转化为可用的产品，将做应用的权力从程序员下放给每个有想法的人。
最新数据显示，目前灵珠平台的单日Token消耗已接近100亿，较内测时翻倍，用户覆盖国内34个省级行政区的301个城市，单人最高创作数达108个作品，单件作品最高修改41次，正形成真实用户行为驱动的数据飞轮。
据悉，灵珠由上海灵感菇智能科技有限公司（成立于2026年2月）打造，经由AI孵化器语生科学孵化完成。语生科学董事长陈大年曾是盛大网络与连尚网络创始人，作为中国初代程序员代表，他也是少数成功穿越PC互联网与移动互联网周期的连续创业者。
收获天使轮融资后，灵珠团队近日与「明亮公司」进行了一次面对面访谈。灵珠CTO鲁佳丰与灵珠CMO吴荻针对AI领域C端产品的底层逻辑、运营思路、以及灵珠未来规划作出详细拆解。
谈及灵珠如何能在市面上众多Vibe coding的产品中脱颖而出，吴荻表示，“团队的大C端运营经验”是最大壁垒——语生科学董事长陈大年拥有盛大文学、传奇游戏、WIFI万能钥匙的创业经验，对于从0到10亿用户的每个阶段都有深刻理解；CTO鲁佳丰曾任职于Wifi万能钥匙，亦有移动互联网大规模研发和服务端经验。而吴荻本人则在美团和SaaS上市公司担任过高管，于大C端和TO B领域均有深厚积累。
尽管创始团队均有丰富经验，但灵珠却是一家真正的AI Native的公司。
“从实习生到CEO，团队每个人都是用Web应用来跑工作流。我们不只是引入了AI工具，而是本身就建立在AI之上。AI不是辅助，而是我们的员工。”鲁佳丰解释道。
吴荻坦言，这种AI Native的组织方式，或许更适配AI时代的产品进程，“相较于传统团队，我们可以从AI native出发定义产品，视角会完全不一样。”
以下为「明亮公司」对现场问答的精选呈现：
Token日消耗量已翻倍
明亮公司：相较于此前的内测，6月25日公测后关键数据有哪些变化？
鲁佳丰：日Token消耗量公测时已接近百亿，较内测时的50亿实现翻倍，且还在持续走高。开启公测后，我们在技术端也做了几个大的更新。
首先，我们的技术路径本身就是Harness的一种实践，针对这个实践，结合大家对于前沿技术的探索，我们进行了一次重大更新。
其次，DeepSeek V4后我们进行了快速接入和适配，这对平台能力的提升帮助非常大。尤其是在需求分析阶段，分析优化时间从近20秒缩短到不到5秒，效率提升了约3倍，用户的体验因此变得更好。
另外，我们上线了“魔改”功能，这是将用户从消费者转换为创作者的重要路径，我们在技术上做了大量工作来支持魔改，让用户的创意能够充分释放。有位用户一个人做了108个应用。
明亮公司：这位创作出108个应用的用户，是用来工作还是出于兴趣？
吴荻：是一位光学产品的销售，用灵珠做过销售工具、订单管理软件、财务软件，另外还有小游戏等一些娱乐应用，几乎每天都会做一个小应用。这佐证了社区化的运营和生态能力是我们最独特之处，这一点对于我们作为一个纯C端产品而言非常有帮助。
明亮公司：伴随大模型能力的进一步增强，怎么看待harness未来的处境？
鲁佳丰：大模型的进步是必然的，但它不能把所有事情都做了，也不能完全消除幻觉。这与人类相似，阅历增长会让我们获得更多知识，但我们还是会犯错。
而Harness具备对抗屏障，可以很好地对结果进行验收。这些验收节点会非常精确，因为它们本身就是一个个脚本/函数。我们在外部考点进行实际应用时，有很多这样的屏障可以放大。最终能够交付给用户的那个结果必须要跨过每一道门槛，保证过程中不会犯低级错误。
如果将大模型视作一匹马，Harness就是马具。马匹被训练得再好，脱离了缰绳和马具依旧会失控。所以即便大模型会继续进化，Harness也一定会存在。
明亮公司：除DeepSeekV4之外，你们还搭配了哪些模型？
鲁佳丰：每次有新的模型版本出来后，我们都会对比成本、看效果，在不同场景选择合适的模型。比如处理bug时会优先使用qwen-3.7plus等。在需求分析和代码生成阶段，我们都使用了国产大模型。
「一句话」背后：指令越简单，执行越复杂
明亮公司：目前灵珠的优势中哪些是当前不能被复制的，或者说天然壁垒？
鲁佳丰：自进化知识库、需求澄清与反问机制、版本回退机制、真正零门槛是我们的四大核心优势。这其中，如果说需求分析、反问机制等都可以被复制，但我们迭代产品的路线是外界无法复制的，比如怎么最终选出那个“最好的”反问。
明亮公司：请展开讲讲。
鲁佳丰：一开始，用户给一句话我们就直接做，做完才发现不对，因为没有定语。那么我们就要想办法让他们把定语补足，比如想做的这个应用具体是什么样子。
最初，我们会给到用户一个需求文档，让他们根据需求文档确认哪些需要哪些不要，改完我们再去生成。但实际上没几个用户会真的去编辑，绝大多数都会说好的你直接做吧。
后来我们做了改进，不再给需求文档，而是缩减成更精简的表达再给他们看。这时，用户的交互出现了显著提升，也产生了更多行为，他们会去选择自己要做或者不做的项目，满意度也有明显提升。
不过这个过程中我们也有权衡，一部分用户会给需求文档，一部分用feature list的访问，对比之后再决定最后用哪种方式。
明亮公司：如何解决过多反问导致用户耐心不足的问题？
鲁佳丰：我们现在的反问机制中，第一轮就会给到多个选项，而不是用户选完一个我再给一个，尽量与用户的习惯保持同频。未来我们还会尝试其他反馈方式，比如多次提问，但限制在5次以内（具体次数视A/B test结果而定），以保护用户的使用耐心。
如果多次提问信息还是有缺失，我们会给出一个进度条，显示需求信息的完整度。当用户看到进度条只有80%时，你再提问，他也会觉得有意义，而不是觉得系统很笨在浪费时间。
明亮公司：其实还是落在如何与C端用户进行交互上。
鲁佳丰：是的。这个过程我们有大量思考，因为在应用生成之外还有很多需要做的事情。即便是Claude、Codex等，如果只用一句话作为指令，做出来的应用也是不准确的。此外，其中还有大量工程学的东西。
另外一个非常重要的壁垒是我们的数据飞轮。我们有需求分析和需求文档，用户每次做完一个应用我们都会沉淀下来skill，用户的偏好我们也会有memory。即便这套机制别人可以抄袭，但我们沉淀下来的大量数据是无法被复制的。
吴荻：在数据积累层面，目前我们已经创造了大约6-12个月的领先窗口期。其实用户描述越简单，对我们的要求越高。
从一句话到最终产品的交付，如何帮助用户完成中间大量的需求细分、语言转换等工作，我觉得这是AI to C的一个关键环节。如果把AI的知识水平比做博士，普通人与其对话的成本是非常高的。如果你的产品预设用户都是博士或者程序员，C端推广肯定会受阻。
理论上，没有任何代码是无法复制的，技术的壁垒很重要，但在C端如何理解用户更重要。我们团队均有过亿日活APP的运营经验，深知如何接住用户，这也是我们的行业know-how之一。
明亮公司：你们会对这些数据进行标注吗？
鲁佳丰：我们设计的追问、版本回退等，都隐藏着用户的真实意图。比如追问，可以通过“为什么用户选了这个没选那个”来判断哪些需求更高；比如做课件时，老师更喜欢哪种功能，这些系统都会记住。
其中的核心还是通过高频使用积累高价值的数据，所以如何吸引用户深度使用非常重要。
目前仍未出现真正意义上的竞品
明亮公司：与当前市面上其他AI Chatbot相比，做灵珠这样一款针对创作的应用的想法是如何诞生的？
鲁佳丰：灵珠的前身是我们面向程序员绩效开发的一款应用。本来我们以为可以大幅提升程序员开发效率，但其实并没有，因为有大量的时间花在了产品经理与程序员的沟通上，最后交付的时间也没减多少。
后来我们把这款应用改成了针对沟通环节的提效，产品经理说需求，程序直接做出来，在程序员通过AI辅助编程的基础上更进了一步。然后就有了灵珠的雏形——既然产品经理可以，如果把门槛进一步降低，全国10亿人也可以用来创作，释放创造力。
明亮公司：有一个数据是，灵珠平台教师和学生的创作成功率比程序员更高，背后原因是什么？
吴荻：这是很有意思的一件事。我们分析下来，觉得可能是因为学生和老师在表达能力上有优势，能很好地把自己的想法用语言表达出来。而程序员群体有更多专业的设定要求，对技术要求高，跟我们产品设计的初衷略有不同。
所以灵珠在设计之初就更适合普通人，在需求分析和Agent架构设计上，我们通过后端技术手段对用户自然语言进行深度分析和理解，能很好地理解用户表达，通过反问把真实需求表达出来。
明亮公司：如何看待目前市面上一些同类的竞品？比如灵光的“闪应用”。
吴荻：Vibe Coding赛道从去年开始出现，目前还处在非常早期的阶段。大厂的确有先天优势，比如用户基础，但目前行业中并没有出现一个心智最强的产品，我们仍旧有机会。
且灵光的边界也已大幅拓展，而非定位于互动内容平台，比如近期他们又升级了世界模型。从这个角度讲，我们目前没有真正意义上的竞争者。
另外，尽管目前Vibe Coding工具很多，但绝大多数都面向专业程序员，而我们看到的是10亿非程序员的市场，让他们在创业过程中拥有数字化能力，让创意落地。
明亮公司：眼下AI to B的路径已经被验证，但市场对于AI to C的前景依旧有争议。你们对此有何判断？
吴荻：上一个时代的王者一定不是新时代的王者。目前市面上大多数AI的C端应用其实并未触及用户的真实需求，或者说并没有激发出新的真实需求。
另外，移动互联网时代整体商业模式本质是边际成本递减逻辑，即先圈用户，然后进行流量变现。但AI时代商业模式的底层变成了Token，这将带来新的玩法。
尽管目前全球尚未走出一条被验证的AI to C路径，但AI如果想真实影响人类社会，就必须从B端破圈走进C端，只有程序员参与的AI世界是不完整的。
明亮公司：商业化和规模化变现方面有何规划？
吴荻：目前我们仍旧以用户体验和用户扩展为目标，同时通过订阅方式覆盖一部分Token成本。比如用户注册和每天打卡会赠送积分。
用户拓展和商业化两条线本质是一个增长飞轮，即当创作者和使用者达到一定量级时可以开启商业化。但在AI时代，这个量级可能和互联网时代不一样。因为互联网时代几乎没有成本，而AI时代大家要共同面对Token成本的问题，所以我们也会谨慎思考规模化扩张的步伐。
具体商业化行为上，长期来看，灵珠作为互动内容平台，未来会接入广告变现的商业模式，帮助创作者实现更多价值；后续也会考虑加入互动打赏、点赞，甚至推动用户小软件的交易。借用我们在大C端产品的经验，未来商业化的想象空间非常大。
这个过程中，用户也不断给到我们很多启发。比如有个大学生用灵珠生成了一个卡牌游戏，在线上验证后去线下去做定制，目前的订单预期营收接近50万。延展来看，未来OPC也是一个非常可观的潜力市场。
明亮公司：目前比较有效的获客方式有哪些？
吴荻：主要是用户裂变。目前我们会先吸引和留住一批种子用户，以便持续优化产品，成熟后再考虑规模化获客。
明亮公司：此次天使轮融资在使用上会如何分配？
吴荻：主要会用来扩团队。接下来我们会上线移动端产品。整体而言，大部分会优先投入到研发侧。另外公测之后如果进展顺利，用户增长也会同步启动。
明亮公司：对后续融资有何规划？
抢跑AI to C领域「全民级应用」
明亮公司：从互联网跨界而来，你们感觉AI Native的组织有何不同？
吴荻：从创立公司起，我们写代码用的就是AI工具，对每个人的要求都是六边形战士。
大厂或者比较成熟的公司，有森严的组织体系，员工需要一级级晋升，但AI Native的组织彻底瓦解了这座金字塔，每个人都做了以前一个部门的工作，每个人用AI跑自己的工作流，汇报关系极其扁平。
比如以前大厂的运营团队可能会囊括产品运营、用户运营、内容运营、作者运营等多个职位，但AI Native的组织绝不会出现这种分工。从自身感受讲，当前阶段越是具备行业经验的人可能越有优势，因为他们能够借助工具放大自身能力。但每个人都要变成多面手。
另外，组织扁平化之后，也会减少各业务板块竞争导致的内耗，利于团队将精力聚焦到产品打磨上。因为一旦分工变细，团队之间的对齐和交流成本就会非常高。
所以从组织迭代的角度讲，AI Native是一种淘汰，但也是一种让个人能量无限被激发的状态，本质上是人能力模型的变化。未来，idea和个人能力增厚都是最有价值的。
明亮公司：目前你们面临的最大挑战有哪些？
吴荻：人才可能是我们目前最缺乏的，融资也主要希望解决这个问题。另外用户教育的挑战也比较大，还需要一些时间。比如我们近期推出的“魔改”功能，其实就是在做用户深度使用的市场教育。
明亮公司：是否也有拓展B端的想法？
吴荻：C端是我们获取用户和打知名度的好方式，但我们也不会放弃B端产品化的机会。接下来，产品方面我们会在后端服务能力上做升级，以便更好地支持教育类、OPC基地等各种需求。产业端的拓展要看适配度和需求是否在产品主线上。
明亮公司：未来会进军海外市场吗？
吴荻：目前我们更聚焦国内。
明亮公司：你们希望灵珠成为一家什么样的企业？
吴荻：我们希望成为一家能够真正创造社会价值的企业，去服务10亿用户，通过AI让创作平权，释放所有人的创造力和想象力，成为AI时代的互动内容平台。