在「缓慢、昂贵且分散」的市场，AI 的机会最性感 | 对谈 Mizzen AI 孙克强&李一豪 - 十字路口Crossing

本报告基于《十字路口》播客中对Mizzen AI创始人孙克强与天使投资人李一豪的深度对话，系统性地梳理了当前用户研究（User Research）行业所面临的结构性困境、AI技术带来的颠覆性机遇，以及Mizzen AI如何通过“AI原生”范式重构这一古老产业的完整逻辑链条。报告揭示了一个被长期忽视但极具战略价值的市场——全球用户研究市场规模高达800亿至900亿美元，却仍停留在19世纪末的劳动密集型运作模式，项目周期长达一个月，成本高达十万人民币，效率低下且高度依赖人力经验，形成了一个“缓慢、昂贵且分散”的典型低效市场。正是在这种反差中，Mizzen AI所提出的全链路AI用研平台“MEAN INSIDE”展现出前所未有的商业潜力：它将传统用户研究从月级周期压缩至小时级，速度提升百倍，成本下降至十分之一，实现了从“高门槛、小众服务”向“普惠化、实时化”的根本性跃迁。该平台不仅解决了传统研究中主持人认知边界、疲劳效应和一致性衰减等系统性问题，更通过自研的强化学习驱动的AI主持人模型、多模态行为分析与偏好图谱基建，构建起难以复制的技术壁垒。报告进一步指出，Mizzen AI的真正核心竞争力并非单一功能，而是一种以“人类偏好”为底层逻辑的系统性创新，其愿景是成为连接产品与用户的“枢纽”，让产品经理如同“钢铁侠”般，借助AI完成从洞察到迭代的闭环，从而重新定义产品开发的本质。

报告深入剖析了Mizzen AI的创业动因、团队构成与投资逻辑，揭示了孙克强从计算机视觉研究到人类偏好建模的学术主线，以及李一豪作为投资人如何从“无限游戏”的人生哲学、对AI原生洞见的敏锐判断、真实世界采样能力、强大韧性与广结善缘的特质中，识别出这支“不可复制”的团队。通过对早期客户案例的还原，如全球顶级消费电子品牌在“先用后付”付费模式上的快速验证，以及手写输入与打字输入是否分离的微观决策，报告展示了AI用研如何催生“微小但高频”的决策文化，使企业能够像“每天小步快跑”一样持续优化产品。此外，报告还探讨了Mizzen AI在面对“访谈AI而非人”这一潜在路径时的审慎否定，强调了当前大模型在理解真实人类上下文、环境影响与动态偏好的巨大差距，从而坚定了其“真实人类+AI主持”的核心策略。最终，报告提炼出Mizzen AI所代表的“AI原生公司”新范式：即通过定义垂直领域的“环境”（Environment）与“奖励模型”（Reward Model），将行业知识（Domain Knowledge）压缩为可训练的智能体，这不仅是技术突破，更是商业模式的根本性重构。

全球用户研究行业长期处于一种令人震惊的停滞状态，其运作方式几乎未随时代演进而发生任何根本性变革。尽管现代科技已能实现信息的即时传播与计算的指数级增长，但用户研究这一核心环节依然沿用着一百多年前的原始模式，其本质是一个高度劳动密集型、流程冗长且成本高昂的产业。根据播客内容，全球最大的用户研究公司尼尔森（Nielsen）成立于一百多年前，至今仍在使用极为粗糙、低效的方式展开研究，一个典型的项目需要消耗六十个人天，平均开销高达十万人民币，整个过程耗时数周甚至一个月。这种低效并非偶然，而是源于该行业的内在结构：它本质上是“智力劳动密集型”的，其产出质量高度依赖于主持人的主观能动性、精力状态与专业素养，而这些因素在大规模团队协作中极易产生信息稀释与对齐成本。当多个主持人同时开展访谈时，他们之间必须进行频繁的信息同步与对齐，这不仅增加了沟通成本，更导致了洞察的“熵增”——即关键信息在传递过程中被不断弱化或丢失。这种系统性问题使得用户研究成为一个“高通胀循环游戏”中的组成部分，只有那些拥有高毛利、高剩余价值的企业才能负担得起，而大量中低价值产品的制造商则因成本过高而无法触达这一服务，从而造成了巨大的市场失衡。

在此背景下，Mizzen AI的创立动机并非简单的技术追赶，而是一次对“需求真实性”的深刻验证。创始人孙克强在创业初期亲身经历了这一痛点：在探索新产品方向时，他发现仅为了确认一个需求的真实性，就需要花费整整一周时间去访谈十来位用户。这一过程不仅极其漫长，而且令人心力交瘁，其效率远低于AI驱动的产品研发速度。> “我们发现AI让产品的迭代速度大幅加快，但是用眼的速度是远远跟不上。” 这一观察直接指向了产品开发链条中最致命的瓶颈——用户研究的滞后。如果前端的研发速度已经进入“秒级”甚至“分钟级”迭代，而后端的用户洞察却仍停留在“月级”周期，那么整个产品生命周期的效率将被严重拖累。因此，Mizzen AI的使命并非创造一个“更快的工具”，而是要解决一个“根本性的断点”：即打破用户研究与产品开发之间的“信息孤岛”。正如播客中所言：“一个产品的闭环，它是什么样的？它要从用户研究开始。然后中间发出来这个产品，最后还要回到用户去。如果中间但凡有一个环节是滞后的，你最终的这个产品迭代速度还是很低效的。” 这种对“闭环”的深刻理解，使得Mizzen AI的解决方案具有了超越工具层面的战略意义。

更为关键的是，Mizzen AI的切入点并非一个抽象的“AI应用”，而是精准地切入了用户研究领域中最具痛点的“主持人”角色。传统研究中，主持人是决定洞察深度的核心变量，其提问能力直接决定了能挖掘出多少有价值的信息。然而，播客明确指出，当前的大语言模型（LLM）在这一点上存在根本性缺陷：它们是“一个很好的回答者，而不是一个好的提问者”。> “现在的这些大模型都是一个很好的回答者，而不是一个好的提问者。” 这一判断揭示了AI在复杂交互场景下的能力鸿沟——模型擅长生成连贯的回答，但缺乏设计有效问题、引导对话走向深层洞察的“元能力”。更重要的是，所有高质量的访谈数据都是闭源的，例如苹果公司每年进行的海量用户研究，其过程从未公开。这意味着，即使有再强大的模型，也无法通过“模仿”现有数据来获得真正的洞察。因此，Mizzen AI的策略不是简单地调用通用模型，而是选择了一条更具挑战性的道路：自研一个能够“挖到点”的AI专业主持人。这一决策背后，是对“人类偏好”这一核心要素的深刻认知——真正的洞察来自于对人类动机、选择原因和情境化反应的理解，而这恰恰是当前AI技术最稀缺的能力。

Mizzen AI推出的“MEAN INSIDE”平台，其核心价值在于提供了一个完整的、端到端的AI驱动用户研究解决方案，彻底改变了传统研究的线性、串行工作流。该平台的设计理念是将整个研究流程自动化、并行化，并通过AI的“一致性”优势克服人类主持人的固有局限。具体而言，平台的工作流程可以分为四个关键阶段：访谈创建、样本招募、AI访谈执行与报告生成。在第一阶段，平台通过一个名为“访谈创建AGENT”的智能体，允许品牌方直接以自然语言描述其研究需求，系统便能在后台实时梳理出一份结构化的访谈大纲。这一设计极大地降低了使用门槛，使得非专业人士也能快速启动一项研究。第二阶段是样本招募，平台通过预设的用户画像（如年龄、地域、消费习惯等），利用其构建的超大规模受访者池，快速筛选并匹配符合要求的个体。该池的来源多元，包括与国内国外两家供应商对接的千万级规模数据，以及与头部咨询公司合作开放的专家库，确保了样本的广泛性与代表性。

第三阶段是平台最具创新性的部分——由AI主持人进行访谈。> “我们会由AI主持人来跟这个受访者进行交流啊，会邀请受访者把摄像头打开，他会直接的来询问你一些信息啊，以及是你是如何想的啊，并且把你拉回到当时那个情境里面去做一些探讨啊和追问。” 在此环节，AI主持人并非机械地念问题，而是具备情境感知与深度追问的能力。它能通过多模态分析（如面部表情、语调变化）捕捉受访者的细微情绪波动，并据此调整提问策略，引导其深入回忆特定场景下的感受与决策过程。这一设计巧妙地规避了人类主持人可能存在的“霍桑效应”——即受访者因对方性别、气质等因素而刻意表现，反而导致表达失真。> “如果对面的访谈是一个AI，我们现在感受到的。是说受访者他其实反而会放下对人的那个感受啊，放放下那些防备啊和里面的所有的干扰因素，最如实的去表达自己就好了。” 这种“去人际化”的特性，使得受访者更容易回归真实自我，从而获得更高质量的原始数据。

第四阶段是报告生成，平台通过“报告AGENT”将所有访谈内容自动整合为一份结构化的最终报告。> “第四步，我们就会用我们的报告AGENT。去把所有这些访谈整理成一个结构化的最终的报告，里面包含从总结性的结论，再包含到每一个问题的具体的定性的、定量的分析啊。” 该报告不仅包含摘要，还能对每个问题进行定性与定量的交叉分析，并且所有结论均有原文支撑，确保了洞察的可追溯性与可信度。这一整套流程的协同效应，使得研究周期从传统的“月级”压缩至“小时级”，实现了从“慢、贵、散”到“快、廉、普”的根本性转变。值得注意的是，平台的收费模式也体现了其普惠理念：免收平台费，按项目收费，例如访谈10人，每人1000元，总费用约1万元。> “所以你们是比如说访十个人，然后每个人收一千，大概收一万，就是这个逻辑是吗？” 这种定价策略，使得即使是中小型企业也能承担起高质量的用户研究，从而真正实现了“用盐的平权化”。

Mizzen AI的终极目标远不止于提供一个高效的访谈工具，其更深层次的战略是构建一个以“人类偏好图谱”（Human Preference Graph）为核心的基础设施，这构成了其难以被复制的系统性壁垒。播客中明确指出，传统的个性化推荐系统本质上是基于离散、粗糙的标签对用户进行分类，这种方式无法立体地刻画一个人的复杂偏好。> “个性化推荐其实本质上是在用一些非常粗糙的标签去给每一个用户、每一个每一个用户打标签，但这个标签是离散的，我们很难通过这种标签去立体地塑造一个人。” 而Mizzen AI的创新之处在于，它认为语言是理解人类偏好的最佳载体。我们每天在不同平台上留下的言论、评论、反馈，构成了一个庞大的、动态的“数字足迹”。Mizzen AI通过多年积累，建立了一套独特的“人类偏好图谱”基建，能够将这些碎片化的语言信息进行整合，沉淀为一个可高效检索的、立体化的用户画像。

这一图谱能力带来了三大核心价值：精准定位、动态校验与模拟推演。首先，在寻找受访者时，平台不再依赖有限的标签，而是基于用户完整的偏好图谱进行精准匹配。> “所以这时候，我们沉淀下来的这一套用户偏好图谱的能力就可以快速地帮你去进行整合和定位。” 这意味着，即使是一个极其细分的需求，也能找到最契合的个体。其次，平台能够对受访者的发言进行动态校验。如果某人在一次访谈中表达了某种观点，而在后续访谈中又完全推翻，系统会自动触发确认机制，确保数据的一致性与可靠性。> “如果你在上一次访谈说了一些信息，而在下一次又将这些全部推翻了，我们就会让主持人去确认。” 这有效防止了因记忆偏差或迎合心理导致的虚假洞察。最后，也是最具前瞻性的能力，是基于图谱的“用户模拟”（User Simulation）。由于所有受访者的偏好数据都已沉淀在平台之上，甲方可以请求系统模拟特定类型用户的观点，进行低成本、高效率的实验性研究。> “第三个就是我们可以模拟特定受访者的观点啊，由于所有的所有这些受访者的信息全部沉淀在我们平台上，我们可以帮甲方去进行用户的模拟，进行高效实时的呃，并且是超低成本的实验性的研究。” 这种能力将用户研究从“事后验证”转变为“事前预测”，极大地加速了产品决策的进程。

这一系列能力的背后，是Mizzen AI对“AI原生公司”范式的深刻理解。> “我们看了这么多，这个几千家AI公司，也发现其实在每个垂直行业去榨取行业DOMAIN knowledge，然后去压缩智能的最好方式就是定义这个行业的environment，然后最有价值的呃这个。” 这意味着，真正的壁垒不在于模型本身，而在于如何为特定行业构建一个“虚拟环境”（Environment）和一套“奖励函数”（Reward Model）。对于用户研究而言，这个环境就是由真实访谈数据构建的模拟场景，而奖励模型则是对AI主持人提问质量的多维度打分体系。通过强化学习，平台不断训练AI主持人，使其提问能力逼近甚至超越顶尖人类专家。> “我们选择用强化学习来做这个事情，训练一个好的访访谈员去提升他的提问能力。” 这种将行业知识（如访谈技巧、心理学原理）编码为可训练的智能体的方式，正是Mizzen AI区别于其他AI工具公司的根本所在。

Mizzen AI的成功，不仅源于其技术构想，更根植于其创始团队的独特基因与投资方的深刻洞察。创始人孙克强的背景极具启发性：他硕士毕业于清华大学，博士毕业于港中文的MM LAB，其学术研究主线始终围绕“人类偏好”展开。他在博士期间主导的HPS（Human Preference Study）系列工作，是全球首个系统性挖掘人类视觉偏好的模型，这一经历为他后来转向用户研究奠定了坚实的理论基础。> “我意识到啊，如果要让AI在商业界真正落地，它必须理解的不只是视觉偏好，更多的是需要理解复杂的多模态的人类偏好。” 这一认知的转变，标志着他从“技术研究”到“商业落地”的关键跃迁。他并非简单地将计算机视觉技术应用于新领域，而是将其视为一条贯穿始终的“人类偏好”主线的深化。这种对核心问题的执着，是其创业动力的源泉。> “我自己的信仰是YOLO，YOU ONLY LIVE ONCE。……我希望留下的是一个作品。” 这种将生命意义寄托于创造伟大作品的信念，赋予了团队极强的使命感与韧性。

而天使投资人李一豪的判断，则展现了顶级VC的思维深度。他并非仅仅看到一个技术方案，而是从“无限游戏”的哲学层面审视创业者。> “他每一次的选择，他每次选择背后所拥有的OPTION，然后在这么多OPTION里面最后选择走的那条路，其实都验证了这个人追求的是一场无限游戏。” 这种对创业者人生路径的洞察，使得他能穿透表象，识别出那些真正愿意“拓宽边界”、持续进化的人。在技术层面，他敏锐地捕捉到孙克强对“BENCHMARK”这一概念的深刻理解，这在当时是极为罕见的。> “它很早就提出来BENCHMARK本身的重要价值，这是非常AGENT、非常面向未来的这个这个定义。” 这种对“标准”与“评估体系”的重视，预示了团队未来构建系统性壁垒的能力。李一豪的投资决策，是基于对创业者“真实采样”能力、强大韧性（Resilience）与广结善缘特质的综合判断。> “我们遭受过很多投资人的打击……但这些反馈没有一次真正打倒过克强，只是逼着他去探索OK新的机会在哪里。” 这种在失败中快速转型的能力，是初创企业最宝贵的资产。

Mizzen AI的愿景宏大而清晰：它希望成为“产品和用户连接的枢纽”，让每一位产品经理都拥有“钢铁侠盔甲”。> “我们希望我们能够成为产品和用户连接的枢纽，它成为每一个PM的钢铁侠盔甲，呃，人类在里面贡献神来之笔、直觉和洞察，呃，极端的审美，而AI去把里面的所有的从用户研究啊，再到产品迭代啊，整个链路全部去完成。” 在这个愿景中，人类负责创意与审美，AI负责执行与迭代，两者结合，形成“VIBE CODING”与“VIBE USER RESEARCH”两大支柱，共同推动产品自由生长。这一愿景不仅描绘了技术蓝图，更定义了人机协作的新范式。

综上所述，Mizzen AI的案例为我们提供了一个关于“AI原生公司”如何重塑传统产业的绝佳范本。它成功地将一个看似陈旧、低效的“缓慢、昂贵且分散”的市场，转化为一个充满活力、高速增长的“AI赋能”新赛道。其核心启示在于：真正的颠覆性机会，往往存在于那些被技术遗忘的“深水区”。当大多数AI创业者追逐通用大模型的“万能钥匙”时，Mizzen AI却选择深耕一个被忽视的垂直领域，通过定义行业专属的“环境”与“奖励模型”，将抽象的“人类偏好”这一核心要素，转化为可量化、可训练、可规模化的能力。这一过程，不仅是技术的胜利，更是对“系统性思维”与“长期主义”的胜利。

从宏观视角看，Mizzen AI所处的用户研究市场，其结构特征与历史上的法律（Legal）、人力资源（HR）等行业高度相似：市场规模庞大（800-900亿美元），但头部玩家收入有限（20-30亿美元/年），呈现出“寡头垄断但结构性分散”的格局。> “它的头部的这个玩家其实年年化也就二十多亿、二十到三十亿美金的收入，它已经能够连续并购这个产业里面的很多很多小型、中小型的公司和区域性的公司了。” 这种市场结构，为新技术的进入提供了绝佳窗口——既有足够大的蛋糕吸引资本，又因分散而缺乏统一标准，使得新进入者有机会通过技术创新建立新的行业规范。Mizzen AI的出现，正是抓住了这一历史性机遇。

展望未来，随着AI技术的持续演进，用户研究将不再是“一次性”的项目，而将成为一种“连续渐进式”的常态。企业将不再为一个重大决策才启动研究，而是像“每天小步快跑”一样，随时获取用户洞察。> “大家开始希望可以变成一个连续渐进式的用户研究，连续的渐进式的用户研究，对不像之前你要花一整个月时间去做一个大的研究项目。” 这种文化的转变，将从根本上重塑产品开发的节奏与质量。Mizzen AI所构建的“人类偏好图谱”基建，将成为未来所有AI产品背后的“灵魂”，它不仅服务于当下，更将为下一代AI系统提供理解人类的“元知识”。在这个意义上，Mizzen AI的使命，远不止于做一个“用研平台”，而是正在参与构建一个全新的、以“理解人类”为核心驱动力的AI文明基石。