对话 Yuri 尤栗打造者汗青：AI 虚拟偶像，越像真人越容易塌房？

2023年3月的一个晚上，一个叫 AI Talk 的账号在视频号发出一条乔布斯和马斯克对谈的视频，当晚播放量接近1000万。做这条片子用了三天。作者赵汗青是清华美院出身，从6岁画到大学毕业，之后在互联网大厂做了多年电商，最后几年转到金融。

2025年6月3日，他推出虚拟歌手 Yuri 尤栗。名字是他自己起的：尤，取「尤物」的魅力，也取「尤其」的特别；栗，是烤栗子的栗，外壳有点硬，又没那么硬，捏开以后里面是软的。

刘飞和汗青在这期《三五环》里聊了54分钟，录制来自 B站的 AI 万象谈。一个被版权卡住的名人二创账号怎么转向原创 IP；为什么这个偶像越像真人越危险；以及一个更现实的问题，AI 内容今天困在手机屏幕里跟短视频抢注意力，这件事本身可能就不对。

三天做出一千万播放，然后他决定不做了 2:22

2022年第三季度，汗青还在休息期，每天翻硅谷和 Hacker News 的新闻，发现 AIGC 这个词出现得越来越频繁。那年10月、11月，他用 Midjourney 画了第一张图，当时还没有客户端，要在 Discord 里用 bot。画的是个中国女孩。这张图他现在还常拿出来做分享，跟 Yuri 放在一起看，有一种时光荏苒的感觉。

2023年初，数字人技术冒出来，能说话，能对口型，ElevenLabs 也有了 TTS。注册几个账号就能搞。他当时是产品经理的思路：这东西别只是一个 use case，最好能变成有场景的东西，能拿来用。

第一期做的是科比和奥尼尔。科比刚走，他熬了一宿，凌晨天亮了，在北京按下回车。B站播放接近100万。

乔布斯对话马斯克那期三天做完。文本大概七三开，AI 七，人三。AI 生成的对话中间需要连接，从一个话题进到另一个话题，他自己写语气词和承上启下的段落。这个格式他不陌生，从小是对谈节目的发烧友。

火的原因他后来复盘：2023年3月，GPT 和 Midjourney 都是里程碑式版本，AIGC 正在破圈；这个形式之前没人把几个元素组合到一起；发片当天正好是星舰发射，他自己都没意识到这个热点。运气占了很大成分。

然后他在2024年初做了个决定：名人对话不做了，只保留两种，拿到授权的人，比如薛兆丰，或者公开版权很久远的古人，比如苏格拉底。

原因有两个。AI 在2023年最大的争议是版权，模型训练数据集的版权，加上早期大量借用名人形象，一旦商业化就是肖像问题。第二个原因更本质：他想做自己的 IP。

早期那些名人视频，他后来把它视为训练。团队和自己在这个模式里摸清楚 AI 能干什么、不能干什么，等技术成熟转到原创 IP 时，上手会快一点。公司定位他讲得直白：用 AI 去造某种人格，硅基人格。

吃百家饭造出来的 Yuri 13:22

想做原创 IP 的念头早就有了，做出来都很烂，没人关注。

2024年他做过一只羊，唱了三期说唱。Suno 出来得更早，音乐不是问题，口型技术不行，夸张一点的动作做不了。国内一些大音乐公司的老板觉得有意思，但工业水准说不过去，传不开。

转折在2025年3月，OmniHuman 上线。这是 AIGC 模型历史上第一次让口型同步的自由度变得很大：原来只能正面，稍微摇头就不行，新模型各个角度差不多都能用；更关键的是对口型的时候可以带情绪，意味着能唱歌。

他们先做了一首歌《白色皮卡丘》，一个叫米娅的女孩弹着木吉他侧面唱。发在海外社媒，几百万播放。MVP 验证完，花三个月准备，2025年6月3日 Yuri 上线，那天算她的生日。

第一首歌《Surreal》用到的模型，汗青在朋友圈列了一长串。国内友商的模型基本全用了，海外也有一两家，吃百家饭。没有哪一家能单独撑起来。

名字是刘飞先问的，他第一反应是「尤里的复仇」。汗青说这是典型的中年男性画像。他起名的逻辑：尤在中文里形容女性有魅力，尤物；也有尤其、特别的意思。栗是烤栗子的栗，外壳有点坚硬，又没那么硬，捏开里面是柔软的。

他还提到技术节点的另一条线。视频模型第一个真正有影响的节点是 Sora，2024年；之后可灵出来，国内最早的 AI 创作者有了能真正跑起来的工具；今年的视频模型把图生视频变成了主体参考，效率完全不是一个量级。原来每个镜头依赖一张图，资产不能复用，镜头过完就废了，进入参考阶段之后，主体性有了，效率才谈得上。

降低预期，然后对着自己的造物傻笑 21:06

Yuri 首支 MV 上了B站热门。汗青的第一反应是降低对后面的预期。

AI Talk 早期前三期，全平台基本都能到200万、300万播放。那会儿会有不切实际的幻想，以为事情一直是这样。后来发现很多用户过来是因为新鲜感，内容对他们不构成刚需。这一点他今天都承认。

焦虑期很长。他们聊艺术、哲学，是他自己喜欢的调性。然后他发现有人完全照搬模式，连构图都不变，换成两个老外讲中国话聊成功学，流量是他的十倍。他做设计出身，抄袭在设计领域是家常便饭，最难过的其实是自己那一关：你会怀疑自己做这件事的判断。

能不能接受别人做得比你大，还能坚持自己的，这叫自洽，非常难。

Yuri 早期更新很慢。第一期量不错，第二期怎么做，当时的技术做一首《Surreal》那样的歌至少两个月。他不接受第二期工业水准比第一期低。所以很长时间在解决技术问题：在当时的模型条件下，怎么让运镜更多，声光影表现更丰富。

另一个考虑是，Yuri 有了具象的人格，这件事可以跟时间做朋友。适度抵抗内卷、复制和流量焦虑，慢慢做，哪怕最后不是最大的，至少是独特的。

AI Talk 的账号从第一天开始在各视频平台都是被骂起来的。2023年用 AI 做内容，在 C 端争议非常大：算不算艺术创作，学美术的竟然用这种东西做作品，版权怎么算。加上技术不成熟，他自己最大的困惑是，不太确定 AI 做的东西是不是真能打动人。

转折点是 Yuri。两个瞬间。

一个是他经常对着 Yuri 傻笑。做东西的时候，做一个她在笑的镜头，自己会不由自主被感染。他问了团队小伙伴，也遇到过。抛开所有逻辑不谈，创作者和自己的造物之间有生理上的触动。

另一个是粉丝。B站有个他没见过的用户，几乎每天拿 Yuri 做二创，30秒到一分钟的小故事，有时候播放比官方还好。2026年2月，他们发了一条跟公益机构合作的非商业片子，底下有个留言说第二天要去医院，查一个很不好的病，不管结果怎么样，希望 Yuri 能成为真正的 AI 偶像。团队赶紧用 Yuri 的模型做了回复。第二天那个人回来说查完了没事。

真的是有人路过了之后，他会把他生活里面一些重量的东西，试图扔过来一点。

刘飞提到手办和泡泡玛特。加班回家很累，打开灯，一个手办坐在那，跟自己处于一样的状态，那个投射是真实的。汗青接过话：我们从小一直在被假的东西感动。小时候看动漫，看电影。伊朗导演阿巴斯那本《樱桃的滋味》里写，电影本质就是欺骗，几百号人坐在那，没人认为这东西是真的，但不耽误它感动你。

摄影术刚出现的时候，架上绘画的画家也炸了：原来要一张照片只能找人画一天，现在那边有个盒子按一下就行。后来绘画找到了新路，印象派、立体派、后现代。AI 在他看来就是又一次技术迭代，只是这次力度有点大，开始代理人的很多工作。

设计师会不会失业，他有个可能得罪同行的说法：如果一个设计师在公司里的工作，因为需求方有了 AI 就被取代，该反思一下自己到底有没有在干设计师的活，还是只在那交付图像像素。

刘飞提到互联网公司「蒸馏同事」的梗。汗青接：人走了，魂通过一个 markdown 留下来。如果你能这么快被蒸馏，过去的工作是不是本身就是一个标准 SOP。

他招人越来越看重直觉。上个月进了一个刚毕业的小姑娘，聊的是平时听什么歌、读什么书、电影看得够不够多，具体学什么专业没那么看重。刘飞想到张小龙招人问听不听摇滚的段子。

做内容和做内容的生意是两件事。国内这个圈子里，真正想做内容的朋友没那么多，大部分想做内容的生意。生意的逻辑是规模化、毛利、工业化复制，没什么不对。做内容，他现在希望团队重视直觉大于方法。

四层工作流，和每天醒来先挑演员 32:55

Yuri 身上的东西分成四层。

文本层是人格系统，类似一个 soul。内部运营平时跟她聊天会用到，搭建成本在降低，Claude Code 这类工具让门槛越来越低。真正的阻力是大语言模型不够：模拟人格会出现一致性漂移，明显的人格幻觉，聊着聊着你会觉得这不像刘飞说的话，微信被盗号了。他不焦虑，觉得是时间问题，再给6个月、12个月也许就没了。

音频层是声线。最早是合成的，不可能用真人，风险太大。怎么定？他自己一言堂，在那听听听，听到合适的就定了。团队可以提意见，他不听。他自嘲这是暴君的创作理论。音乐基本就是 Suno，后期有调音的同学做修剪。

图像到影像层是资产建设。Yuri 有一个注册了版权的模型，服化道这些。他们每天有一个固定工作：醒来先挑演员。晚上睡觉的时候让 AI 在模型里撞种子，跑出各种长相的演员，早上起来看感觉。后面一定会做矩阵，不会只有 Yuri 一个。

Yuri 最早的长相也是这么挑的。三个关键词：东亚长相、蓝色头发挑染、非标准化的美。他承认第三个可能是自己骗自己，Midjourney 看到 a girl 之后基本就不太听后面的了，五官一致性没什么意义，更多是心理暗示。

形象会变。模型迭代一次，同样的资产扔进去就变了。他现在不太介意，AI 原生一代的用户会接受这件事。类比《古墓丽影》，每一代劳拉长得也不一样。用户会开玩笑说 Yuri 今天长胖了，那个氛围他觉得挺好。

核心资产是什么，他答得很快：人格化那一块，也是最难的。音乐更偏情绪传达，后面加大了单人对话和表达观点的内容，还不够。今年下半年会有一个比较大的叙事展开，在叙事体系里把性格慢慢完善。

他真正想做的，是 AI 之前很难做出来的东西，不光是因为成本低。成本对规模型经济有帮助，他们想做的是 LTV，生命周期客单价。这句话冒出来的时候，刘飞笑了一下，说听到互联网词汇了。

越像真人，越容易塌房 39:01

虚拟偶像对真人偶像的优势，短期看很清楚：成本再贵也还是便宜；线下活动的可控性强，没有差旅问题；真人艺人排期不够，不可能同时出现在几个地方，AI 没有这个问题；再加上不会塌房。

长期看，他觉得不够。能这么做的公司很多，AI 能力本身不构成一家公司或品牌的稀缺性。做产品的人都在意稀缺性，独特性在哪。

他的答案有点反直觉：AI 最吸引他的，是表达上跟人类不一样的方法和思路。

Yuri 第二首歌叫《我不是人》，是模型自己聊出来的。底层设定是他给的：绝不能回避你是 AI，反过来，绝不要去模仿人。UI 层面像人没问题，长相、声音、亲和力都可以，内核的思考方式如果跟真人一样，稀缺性就没了。世界上不缺能跟你聊天的真人。他要的是 AI 看待某些问题的方式。

AI 味在以后可能会变成个褒义词。

实时对话能力，他看成定时炸弹。现在的 AI 偶像和数字人很快会具备实时对话，一些 chatbot 上已经有了。问题是 AI 没有底线思维，人坐在不同场合知道什么话不能说，AI 不一定。真到了那一步，塌房可能比真人更诡异。这也是他们到现在没有把 ToC 对话能力开放出去的原因。

另一个方向是垂直用户，跟纸片人聊天谈恋爱的女孩子，国内是个巨大市场，他没有展开。

人的部分在 Yuri 身上依然很重，尤其大方向把控。不能让 AI 完全参与决策，能力不够，输入也不够，让它决策永远给平均的结果。

焦虑的公司，和被强行加进去的 AI 味 43:10

刘飞观察到两个极端。短期过分焦虑，觉得 AI 来了要丢工作，有的公司内部搞 TOKEN 排行榜，大家比谁烧得多，后来发现烧钱太狠。另一个极端是彻底排斥，喊着让 AI 滚出生活。他觉得该找的是跟 AI 长期相处的方式。

汗青讲了个更魔幻的：有些互联网公司，老板要求用 AI，团队就在人工方案里强行加入 AI 味，把自己人味太重的方案拿 ChatGPT、Claude 过一遍，再塞几条一看就是 AI 写的内容。消费者不喜欢 AI 味，公司内部反而在制造 AI 味。

凯文·凯利说过，短期被高估，长期被低估。乔布斯早年把电脑比作「大脑的自行车」，技术是人的创造力的杠杆。汗青觉得现在公司都开始用一定是好事，焦虑会让动作变形。

舆论环境也有责任。前一阵影视圈有个报道，说3000块钱能做出几亿播放的短剧。这种报道强调便宜，传达的还是一个不存在的事。他和刘飞都承认，自媒体包括他们自己在内，都是焦虑的共谋者。

人很难改变。他带团队的经验：毕业几年后进来的人，如果有些问题，大概率改不了，他会选择开掉。一个人对新技术不敏感，不愿意天天用，绩效方法只会让动作更变形。所以 AI 再往下普及，根子在教育，K12和大学。自学能力、好奇心、提出问题的能力，这些才重要。

具体到用法，他很少直接要结果。想采访刘飞，不会让 AI 给一份提纲，而是问「你觉得刘飞哪比较有趣」，用片段性的对话找灵感，自己组。AI 能给60分，要80分，中间那20分非常痛苦，有时候还不如自己写。AI 守住了下限，中位值还得再等。

困在短视频里的 AI，等一场硬件革命 50:22

商业化这块，不太贪的情况下现金流还算健康。规模化本身不是问题，问题是规模化的支点在哪，杠杆用在哪。

他有个判断：所有内容革命，理论上都伴随一次硬件革命。互联网配电脑，移动互联网配手机。AI 这一次缺了一个东西。今天所有 AI 创作者的内容，要回到移动端，跟过去十年的短视频格式抢流量。那不是 AI 自己的场子。他跟一些视频平台的朋友聊过，大家也觉得拿 AI 跟真人卷，胜率没那么大。

所以他们在看硬件那一侧。Vision Pro 这类设备可能更适合 AI 原生的叙事，但还要再等。可见的范围内，还是用现在的方法，尽可能多玩一些不一样的东西。

AI Talk 去年的 slogan 是「尝试很多新的可能性」。有机会签很大的音乐公司，他们拒掉了，不希望一个固化的身份局限住 Yuri 的可能性。

风险是同质化。接下来几年，平台和算法对第一代 AI 原生用户的审美习惯和取向会起很大作用，责任和权利都很大。

心态上他分得很清楚：先锋和先驱。第一个做的人往往危险，他见过太多例子，心理建设早就做过。团队年龄不小，早期的人经历过35+，过去的失败经历足够多，不会指望一锤子买卖。即便 Yuri 和 AI Talk 到今天为止就不行了，过去三年也已经拿到了很多他想要的东西。

刘飞问这是不是职业生涯最开心的一段。他说上班也开心，但现在的状态是，好玩跟压力并存，挺知足。

把这期听完，有几件事可以带走。

第一，AI 虚拟偶像的护城河不在生成能力。模型人人可用，国内友商的模型汗青自己也在用。他说得直白，AI 的稀缺性不等于品牌的稀缺性。真正难的是人格设定、叙事体系和审美判断，这些东西没法靠一次模型迭代补上。

第二，越像真人，风险越大。实时对话能力开放那天，AI 没有底线思维这件事会被放大。不开放跟技术能不能做没关系，是商业和伦理上算不过来账。做 AI 人格产品的团队，这条线值得先画清楚。

第三，AI 味可能会翻转。今天大家嫌弃 AI 味，是因为它意味着平庸和模仿。如果有一天 AI 能给出真人给不出的视角，这个词的含义会变。判断标准很简单：你在用它复刻人类，还是在用它表达人类表达不了的东西。

第四，别为了 KPI 加 AI 味。老板要求用 AI，团队就在人味方案里硬塞几条机器稿，这是焦虑驱动的动作变形。AI 现在能稳定给60分，从60到80的那20分，还是得自己写。把它当下限工具，别当上限答案。

汗青最后那句心态值得记：第一个做的人往往危险，先锋和先驱只差一个字。他接受这件事，所以还能继续玩下去。