structure｜1️⃣ 三级笔记、思想框架

🎯 核心论点

Plaud 是当前 AI 硬件赛道中罕见跑通商业模式的产品——硬件 1000 元，年费再收 1000 元，用户还心甘情愿。它证明了：在 AI 时代，最有价值的产品不是能力最强的，而是最能给普通人提供确定性的。

一、AI 硬件的困局：概念先行，体验断裂

• 近年 AI 硬件普遍陷入「一锤子买卖」——发布会讲宏大概念，交付后能力匹配不上故事
• 用户使用频率直线下滑，没人愿意为后续服务持续付费，最终日活几百人，黯淡收场
• Plaud 打破了这个死循环：不仅赚了录音笔的钱，还能每年继续赚 1000 元，年收入 2.5 亿美元

二、硬件是入口，App 才是核心

• Plaud 的核心体验不在硬件本身，而在配套 App
• 订阅体系：免费版 300 分钟 → 专业版 339 元/年（1200 分钟/月）→ 卓越版 1099 元/年（无限时长）
  • 订阅一年的费用甚至比硬件本身还贵
• 核心功能「笔记」：用大模型对录音内容进行处理，一键生成或自选语言、模型、模板
• 模板系统——最值得付费的功能：
  • 官方提供大量现成模板：会议、演讲、通话、采访、医疗、金融、法律等
  • 还有「功能性」模板：分析发言人意图、权力动态、心理动态、诚实度
  • 本质上模板就是一长串固定提示词（prompt），利用大模型对录音进行定向整理
  • 允许用户自己编写模板——「真正值钱的是你自己那套处理信息的逻辑」
• 以「人」为中心的设计：
  • 飞书妙记等产品围绕「会议录音」本身，Plaud 围绕「人」听到的话
  • 100% 记录 → 摘要/模板保留 50% → 呈现 10% 精华
  • 不同模板 = 看待原始信息的不同方式，不替代思考，但带来启迪

三、AI 时代的「电和电灯」

• 商业模式：经典的「剃须刀-刀片」模式
  • 硬件是入口，持续付费的订阅才是收入大头
  • 很像标准的「AI 式收费」逻辑——差别不在质量和速度，而在时长、额度，在于你愿意为多少 Token 买单
• Plaud 不靠 AI 模型赚钱：
  • 可选 DeepSeek、千问、豆包等多个模型，但默认「自动模式」才是精髓
  • 「Plaud 贩卖的不是 AI 本身，它不做自己的大模型，而是卖一种使用 AI 的方法」
• 核心类比——电与电灯：
  • AI 大模型 = 电（源动力，巨大能量，但开发还太少）
  • Plaud = 电灯（将源动力转化为具体可用的产品形态）
  • Rabbit R1、Humane AI Pin = 「为了 AI 而 AI」，带着 AI 去找问题
  • Plaud 从一开始只想做好「录音」，AI 不过是通向目标最近的道路
• 我们付费的是「确定性」：不用抽奖，一键直达的确定性

四、AI 硬件应该吞掉「复杂性」

• 用户现实：很多人不会用 AI
  • 不会主动接触 AI 产品
  • 不知道怎么用——以为扔一句短短的提示词就能拿到结果
  • 真正愿意研究提示词、工作流、模型差异的人少之又少
• 好的 AI 产品必须做到两件事：
  • 第一，知道用户大概率不会用 AI，所以不把学习成本甩给用户
  • 第二，能把飘忽不定的模型能力，压缩成一个相对稳定的结果
• Plaud 的价值：「替你将复杂吞掉，将差距抹平，卖的就是一个速通 AI 的外挂」
  • 众生平等——所有人按下一样的按键，获得一样的高质量内容
  • 官方模板 = 小抄，用户模板 = 更强大的补充，把 AI 红利喂到嘴边

五、结论

• Plaud 能成为行业第一，因为足够纯粹——只关心录音，所有资源倾注于磨砺更好的效果
• 没有发明全新的世界，没有夸张的未来想象
• 证明了一件关键的事：在这个阶段，最有价值的 AI 产品，往往不是能力最张扬的那个，而是最能给普通人提供确定性的那个

concepts｜2️⃣ 关键概念、概念网络

一、 核心概念解析 (Core Concepts)

• 【剃须刀-刀片模式】(Razor-Blade Model)

  • context：

    这就是经典的「剃须刀-刀片」商业模式：剃须刀厂家卖的不只是刀本身，而是可替换的刀片，在用户购买硬件后，还需要持续付费，并且被绑定在一个生态系统之中。

  • 费曼一下：Plaud 的核心商业逻辑——硬件本身不赚大钱（录音笔约 1049 元），真正的利润来自每年 339-1099 元的订阅服务。用户购买硬件后被锁入 Plaud 的服务生态，形成持续性收入。这是传统消费品模式在 AI 时代的翻版。

• 【AI 式收费】(Token-Based Pricing)

  • context：

    放在今天，它又很像一套标准的「AI 式收费」逻辑。不同等级会员的核心差别，并不在于质量和速度，而在于时长，在于额度，在于你愿意为多少「Token」买单。

  • 费曼一下：作者指出 Plaud 的订阅定价本质上就是 AI 行业通行的按量计费模式——你付的不是更好的服务质量，而是更多的使用量（转录时长/额度）。这与 OpenAI、Claude 等模型的 Token 计费逻辑一脉相承。

• 【确定性】(Certainty / Deterministic Experience)

  • context：

    而我们愿意付费的，就是这个确定性，不用「抽奖」，一键直达的确定性。

    在这个阶段，最有价值的 AI 产品，往往不是能力最张扬的那个，而是最能给普通人提供确定性的那个。

  • 费曼一下：文章的核心论点。当前 AI 产品（尤其是大模型）的输出质量波动很大，用户每次使用都像在「抽奖」。Plaud 的价值在于将这种不确定性消化掉，用预设好的模板和自动模式，让用户每次按键都能拿到稳定、可预期的高质量结果。确定性 = 用户愿意持续付费的根本原因。

• 【电与电灯类比】(Electricity vs. Light Bulb Analogy)

  • context：

    本质上，AI 大模型只是一种源动力，是类似水和电的存在，它有巨大的能量，但我们目前对它的开发还太少，还基本没太突破聊天机器人的范畴。

    Plaud，就是 AI 时代的「电灯」。

  • 费曼一下：作者用来定位 AI 产业发展阶段的核心隐喻。大模型 = 电（底层能源，能量巨大但尚未充分开发）；Plaud = 电灯（将底层能量转化为具体可用的产品）。这个类比暗示：当前 AI 行业最缺的不是更强的模型，而是更多能把模型能力转化为具体场景解决方案的「电器」。

• 【吞掉复杂性】(Swallowing Complexity)

  • context：

    替你将复杂吞掉，将差距抹平，Plaud 在卖的，其实就是一个「速通 AI」的外挂而已。

    一个好用的 AI 产品，至少得做到两件事：第一，它知道用户大概率不会用 AI，所以不会把学习成本甩给用户；第二，它能把原本飘忽不定的模型能力，压缩成一个相对稳定的结果。

  • 费曼一下：作者对好的 AI 产品的定义标准。用户不应该需要学习 prompt engineering、比较模型差异、调试工作流。好的 AI 产品应该把所有这些复杂性封装在产品内部，只暴露一个简单的按钮给用户。Plaud 做到了——众生平等，按同一个键，拿同样的好结果。

• 【模板即 Prompt】(Templates as Packaged Prompts)

  • context：

    其实本质上，Plaud 的模板就是一长串的固定提示词（prompt），利用大模型对录音进行定向整理，Plaud 在卖的，就是自己提前编写好的一套套提示词。

  • 费曼一下：揭示了 Plaud 产品的技术本质——模板系统其实就是 prompt 的产品化封装。Plaud 把需要专业技能才能写出的高质量 prompt，包装成了用户无需理解即可使用的「模板」。这是 AI 时代的新型知识产品：卖的不是 AI 能力本身，而是使用 AI 的方法论。

• 【为了 AI 而 AI】(AI for AI's Sake)

二、 概念网络 (Concept Network)

• 确定性 是全文的核心论点，其他概念围绕它展开：
• 逻辑链：场景刚需（录音）→ AI 作为工具（电）→ 产品化封装（电灯/模板即 Prompt）→ 吞掉复杂性 → 交付确定性 → 用户愿意持续付费（剃须刀-刀片/AI 式收费）

agentic reading｜3️⃣ 费曼 x3