做内容的人常念叨一个词：网感。它最难的地方在于说不清——为什么这个人剪的视频就是比别人的好？过去这个能力只能靠运营人员的经验积累，现在一家刚进 YC 的公司想把它变成数据。我对这类"AI 替创作者做判断"的方向一直存疑，但 Grocalo 这个案例值得认真看：它没有停留在"帮你生成内容"，而是去学"什么内容适合你"——这一步之差，可能就是工具和生意的差别。

现在做自媒体，最不缺的就是 AI 工具：写脚本、做封面、剪视频、加字幕、翻译，甚至直接生成一条完整视频。但真正做过内容的人都知道，最难的往往不是把一条视频做出来，而是：今天到底发什么？同样一段素材应该剪成什么样？为什么上周这条突然爆了另一条没人看？TikTok、Instagram、YouTube 面对的不是同一批人，一条内容到底应该怎么改？更麻烦的是，一个创作者做到几百万、几千万粉丝之后，这已经不是创作问题，而是一个小型媒体公司的运营问题。

刚进入 Y Combinator 2026 夏季批次的 Grocalo 想做的就是这件事，它对自己的定位是：给创作者装一个 AI 大脑。这个大脑会分析一个创作者过去的视频、观众和平台数据，学会这个人的内容为什么会火，然后参与选题、内容优化、跨平台改编、发布和数据分析。

公司只有两个人，但声称过去两个月为客户带来了 20 亿次播放和 400 万新增粉丝，客户包括喜剧演员 Jimmy O. Yang、拥有数千万粉丝的 King Bach、Steven He、Leenda Dong、Sheena Melwani，以及电视主持人 Jeannie Mai。即使不讨论这些数字，它想自动化的东西本身就很值得研究：内容行业里一直最难标准化的那件东西——网感。

创始人不是从 AI 行业里找到这个问题的

Grocalo 的两个创始人 David Hwang 和 Alex Yee 从中学时代就是朋友。Alex Yee 是技术背景：斯坦福生物工程硕士，早期做医疗技术研发，是 Lyra Health 的创始工程师之一；2017 年和合伙人创办做牙科保险 API 的 Onederful，2018 年进入 YC，后来被牙科软件公司 Vyne 收购，系统已处理数百万笔行业交易。

David Hwang 完全是另一条路线：投资银行做了五年多，覆盖企业软件、互联网和数字媒体；然后过去四年帮自己的伴侣运营社交媒体，参与运营的内容累计获得 100 亿次播放和 500 万新增粉丝。也就是说，Grocalo 并不是两个工程师看见"创作者经济很大"，于是决定让大模型帮网红写文案——它是 David 先手工做了几年 MCN 最核心的工作，然后开始问一个问题：我每天做的这些判断，到底有多少可以被机器学习？

什么样的开头更容易留下观众、什么题材适合这个创作者、同一个素材剪成 20 秒还是 50 秒、什么时候发、发在哪个平台、哪些评论值得回复、什么内容最近明显开始失效——这些事过去依赖运营人员的长期经验，所谓"这个东西有网感""这个人懂 TikTok"，本质上都是人在脑子里积累了一套很难说清楚的模式识别。Grocalo 想把它变成数据。

不是生成内容，而是学"什么内容适合你"

假设一个喜剧演员已经有几百小时演出、播客、访谈、直播和幕后素材。普通 AI 工具解决的是把一段长视频剪成 10 条切片；Grocalo 想解决的是：这几百小时素材里，哪 30 秒最可能让这个人的观众停下来？

而且不是所有创作者都用一套"爆款模板"。Grocalo 反复强调一个词叫 taste（品味），可以理解成一个创作者自己的内容审美和判断体系。系统通过视频理解和平台数据，长期分析这个人过去什么内容表现最好、观众是谁、什么题材容易获得观看、什么形式更容易涨粉、内容在不同平台表现有什么差异，然后形成一套只属于这个账号的模型——公司把这个过程形容成"把创作者的 taste 装进瓶子里"。

这个思路比 AI 写段子更实用，因为一个拥有 3000 万粉丝的 Steven He 并不缺 AI 替他写一条普通视频，他真正缺的是：怎样让已经存在的大量内容和粉丝资产继续增长。从 Grocalo 公开的服务条款看，它已经不只是一个分析后台：创作者可以把 Instagram、Facebook、TikTok 和 YouTube 账号直接接进来，平台可以直接发布 Reels 和视频，读取 YouTube 的观看时长、流量来源、受众数据、RPM、CPM 和广告收入，还能管理评论和消息、做内容优化以及跨平台分发。所以它真正想做的产品，更接近 AI 版的内容运营团队——把"分析—判断—修改—发布—看结果—再调整"整个循环串起来。

"20 亿播放"即使打个折，也很了不起

内容工具有一个常见问题：一个产品可能有 100 万用户，但大量用户只是进去玩一次——生成一张头像、剪一条视频，然后再也不回来。Grocalo 不是这种生意，它服务的客户本身就是职业创作者，而且很多已拥有千万级粉丝：King Bach 约 7200 万粉丝，Steven He 约 3000 万，Leenda Dong 约 2800 万，Sheena Melwani 约 1800 万。这意味着它面对的不是"AI 能不能做出内容"，而是另一个更直接的商业问题：用了以后，播放有没有变多？粉丝有没有增长？收入有没有增加？这也是为什么它拿 20 亿播放、400 万粉丝作为核心产品指标，而不是"生成了多少条视频"。对这种规模的账号，涨粉本来就比新账号从 0 到 10 万难得多。

当然也要保持距离：Grocalo 没有公开不同客户使用前后的对照表现，我们不知道那 20 亿播放中多少原本就会发生；收入、客户数量、收费标准和毛利也都没有公开，现在说它是被充分验证的商业模式还太早。但它至少证明了一件事：AI 正在从内容生产工具，继续向内容运营层移动——而后者可能反而是一门更值钱的生意。

真正稀缺的早就不是内容

过去几年 AI 对内容行业最直接的影响是生产成本不断下降：以前剪一条视频需要剪辑师，现在 AI 可以自动找片段、加字幕、换尺寸、配音、翻译；以前一天写 10 个脚本很难，现在一天生成 100 个都没问题。结果是当生产内容越来越容易，"做出更多内容"本身就越来越不值钱，真正开始值钱的变成了：到底应该做哪一个。

假设 AI 一天能给一个创作者生成 500 个选题，这个数字没有太大意义，他最终只能拍其中几个。而如果 AI 可以告诉他：过去半年你的观众对 A 类内容完播率明显更高；最近三周 B 类内容已经开始衰减；同一主题在 TikTok 应该 20 秒切入、在 YouTube 应该保留更多背景；这一段素材更适合老用户、另一段更容易找到新粉丝——这时 AI 提供的就不是生产力，而是决策能力。

但"复制爆款"这件事，困难得多

Grocalo 在 YC 页面上的表达非常激进：希望建立一个能够针对特定观众"复制爆款"的 AI 大脑。这个目标诱人，但需要保持距离——社交媒体从来不存在一个稳定的爆款公式。YouTube 自己对推荐系统的解释就很明确：推荐不是按固定"配方表"运行，点击、观看时长、点赞、分享、调查反馈以及用户个人观看习惯都会参与判断，推荐带来的观看量已经超过订阅和搜索。今天一个视频爆掉，并不一定因为它拥有某种可复制的结构：可能是话题刚好发生，可能是新受众群体出现，可能是平台分发环境改变，甚至可能只是偶然。

如果过度学习过去的数据，反而容易出现内容行业一个非常熟悉的问题：越来越会复制上一条爆款，但越来越难创造下一种爆款。这是 Grocalo 未来最大的产品矛盾：它需要学习一个创作者过去为什么成功，却又不能把这个人训练成过去自己的复制品。这跟 Netflix 推荐电影容易、替 Netflix 决定下一部《怪奇物语》拍什么，完全是两个问题——前者是预测偏好，后者仍然需要创造。

更现实的风险：平台自己也在做这件事

Grocalo 也不是在无竞争的市场里。今年 YouTube 就推出了 Ask Studio，创作者可以直接问 AI：我的观众最近在看什么？这几条视频为什么表现不同？我的频道下一步应该做什么？它本身就建立在 YouTube 拥有的频道和受众数据之上，YouTube 还早就开始用 AI 根据观众兴趣给创作者推荐选题。从数据优势说，平台当然比 Grocalo 更强。

所以 Grocalo 真正可能形成的优势，不会是"比 YouTube 更懂 YouTube"，而是：比任何一个平台都更懂这个创作者。Instagram 只知道你在 Instagram 发生了什么，YouTube 只知道你 YouTube，TikTok 也一样——Grocalo 如果能把一个创作者跨平台的内容、受众、表现、商业化和长期风格连起来，它才真正有机会变成一个独立存在的"创作者大脑"。这也是为什么它同时接入四个平台，而不是只做一个 YouTube 插件。

我的总结：这个案例对普通开发者的启示不在"做个 AI 内容工具"（那个赛道已经挤满了），而在它选择切入的位置——当生产端被 AI 卷平之后，判断和运营环节的价值被抬高了。以前一个成熟网红背后是一群人，其中很多岗位真正卖的不是劳动而是经验：知道什么该做、什么不该做、什么时候换方向。如果这类经验能沉淀成持续学习的数据系统，未来一个千万粉创作者可能只需要少数负责创意和关系的人，加一个一直读数据、做分发、跑反馈的 AI 系统。做工具站的读者可以把同样的逻辑平移到自己的领域：往"帮用户做判断"的方向走，比往"帮用户生产"的方向走，溢价空间大得多——具体的产品化路径，可以参考独立开发者变现指南里的分层思路。