Napster,这个曾经推动音乐行业从$18-20一张的专辑走向按需流媒体的品牌,如今已将音乐业务搁置一旁,围绕逼真的、以视频为先的AI智能体重新打造公司。CEO Jon Acunto用一个四词框架——捕获、学习、行动、拥有(Capture, Learn, Act, Own)——来定义这家新公司,并认为企业AI领域真正的竞争不在于哪个模型最聪明,而在于最终由谁掌握客户关系以及背后的算力。

Napster放弃了什么,保留了什么

最直观的变化是产品。今年1月,在CES开幕之前,Napster暂停了传统的音乐流媒体业务重心,宣布推出AI智能体平台。这些智能体是逼真的可视化虚拟形象,基于企业的产品线、品牌语调和领域专业知识训练而成,可在网站或门店中与顾客进行一对一对话。公司将此举称为从流媒体音乐转向“流媒体智能”。

在这次转型中得以延续的,似乎是公司作为去中介化颠覆者的自我定位。Acunto把20世纪90年代末专辑的拆分——当时听众想听一首电台热门歌曲,就得买下整张唱片——与当下直接联系起来:在他看来,如今大型平台正把自己安插在企业与受众之间。他承认Spotify等流媒体服务确实带来了便利,但认为其经济模式让艺术家所得过少,并把这视为AI时代应当避免重蹈的覆辙。

技术基础也得到了延续。公司从Algorand手中被收购后,管理层选择在七年核心架构开发的基础上继续构建,而非从零开始;Napster随后又收购了TouchCast,其创始人在AI边缘计算架构上已投入十余年。

捕获、学习、行动、拥有四阶段框架

四个相连的站点:笔记本电脑上的聊天、分入箱格的卡片、递出购物袋的自助终端,以及上锁的保险库

▲ 捕获、学习、行动、拥有四阶段框架

Napster会引导企业客户依次走过四个阶段。Acunto反复使用的例子是Gap这样的服装零售商。

阶段 发生什么 示例
捕获 网站上的视频智能体迎接访客并提出真正的问题 风格偏好、尺码、颜色、顾客计划何时购买
学习 企业分析第一方对话数据,提炼可执行的洞察 用具体答案取代泛泛的“以客户为中心”口号
行动 智能体利用积累的智能实时推荐并提供协助 门店硬件识别出曾在线上访问的回头客
拥有 企业自己保有数据、模型和算力 智能体作为API层运行在客户自有基础设施之上

有两处细节值得注意。其一,Acunto声称如今几乎没有电商网站通过对话来甄别流量,因此他把捕获阶段视为最大的未开发机会。其二,行动阶段通过名为Station和The View的自研硬件设备延伸到实体零售。当一位曾在线上与智能体交谈的顾客走进门店时,店内设备应能识别该档案并接续同一场对话,把数字化发现与到店购物串成一条线。

拥有阶段是Acunto认为最重要的一环。他给出的警示情景是:一家公司把捕获外包给Meta,把学习交给Anthropic或OpenAI,自己只保留行动。在他看来,这家公司实际上已经把客户智能拱手让人,连同自身的竞争身份一起。他把Napster的软件描述为一个中立的交互层,可叠加在任何基础模型之上,包括OpenAI和Anthropic的模型,而企业对自己的数据和知识产权保有100%的所有权。

为什么边缘计算和所有权是护城河

Napster的企业级产品原生运行在微软Azure和Azure AI Foundry之中。Acunto表示,在17家实现Azure原生集成的公司中,Napster是唯一的智能体AI平台;该平台纯粹以API形式运行在客户现有数据架构之上,他将此视为完整数据主权的保证。他还把Napster与微软、英伟达并列,共同主张专有模型应在边缘算力和AI笔记本电脑上本地运行,并认为英伟达CEO黄仁勋对私有算力和模型共享生态的推动,是对中心化云控制的一种制衡。

边缘计算的商业逻辑在于价格。Napster对实时对话视频智能体的收费为每分钟$0.01,而据Acunto描述,纯云端竞争对手的行业常态是每分钟$0.25。他给出的解释是TouchCast的专利组合:2018年、2020年和2023年提交的专利覆盖了在客户端设备而非云集群上渲染帧并编排智能体的技术,他说这大幅降低了算力成本。他还暗示,试图复制边缘交互视频的竞争者会撞上这些专利——读者应把这一说法视为公司自身的评估。

同样的逻辑也支撑着他对客户对话的单位经济学计算:

  • 一场十分钟的智能体对话成本约$0.10。
  • 通过广告获取一次网站访问的成本约$1.00。
  • 在这十分钟里,企业可以了解到访客喜欢的颜色、家庭人数、产品偏好,以及没有购买的原因。

Acunto认为,这类零方数据——即客户主动提供的信息——要么无法从数据经纪商处获得,要么以这个价格根本买不到;而由于数据归企业所有,随着时间推移不断追加到客户档案中,这项资产会像复利一样持续累积。

智能体迄今的实际表现

赛道售票亭前的访客正与高屏幕上的主持人形象交谈,购物车图标里装入一张高级门票

▲ 一级方程式票务智能体添加VIP门票

Napster列举的最具体的部署案例,是围绕斯帕-弗朗科尔尚赛道一级方程式赛事进行的一次测试,该案例也曾在Microsoft Build上展示。车迷进入票务门户时,一个AI礼宾员上前迎接并接管导航,介绍票档和VIP套餐,待车迷做出决定后,便完成选项配置并把VIP门票直接放入购物车。Acunto表示,测试显示结账过程中的流失率远低于自助浏览;他还提到客户同意公开这些结果,并称这并不常见,因为许多企业把智能体转化数据视为竞争优势而秘不外宣。

更宏观的推销逻辑建立在人们熟悉的漏斗算术之上。典型电商网站对付费流量的转化率为3%到5%,这意味着95%到97%的访客未购买就离开了。在Napster的叙述中,对话式智能体存在的意义就是接住这群正要离开的多数人,并弄清他们离开的原因。Acunto还报告称,早期客户测试显示,与静态页面布局和文本框相比,互动和转化指标提升了10到100倍。这些都是公司报告的早期测试数据,而非独立基准测试,斯帕的结果也只是单一案例。

在规模方面,公司声称全球已有超过2000家企业机构通过Azure使用这项技术。在消费者端,Napster应用充当一个沙盒,用户可以通过语音或文字与数以万计的专业领域智能体交谈,涵盖医学、法律、财务规划和音乐等领域。Acunto表示,这些智能体在单一垂直领域内全天候训练,保持各自独特的个性,并能跨会话保留记忆——无论用户几小时后还是一周后回来,都能记起之前的对话。他把目标描述为面向客户终身价值的“超级商业智能”,并明确表示这不是通用人工智能。

为什么选择视频,路线图能走多远

Acunto主张面对面的智能体优于文本框,理由是人类是视听动物,依靠表情、语调和视觉线索来建立信任。他把如今静态的电商页面比作早期Facebook上满是晚餐照片的信息流——他说,直到视频出现,这些信息流才变得吸引人。关于恐怖谷效应,他的立场是:不适感来自糟糕的执行和延迟,或者来自要求机器去表演只有人类才有的社交行为。被邀约会的智能体应当基于自己的业务角色礼貌拒绝,而不是假装自己有感情。他补充说,虚拟形象的风格应当跟随品牌:时尚逼真的人物形象可能适合Nike,而毛绒吉祥物则适合Build-A-Bear。

他用一个计算领域的类比来概括更大的变革。在他的叙述中,智能体之于如今碎片化的网站和门户,就像Windows之于MS-DOS:一个统一的前端,置于各个软件孤岛之前。他坚持认为,Napster的这一层应当像开放的万维网那样运作,而不是像20世纪90年代AOL那样的封闭门户,它要连接GitHub、Azure AI Foundry以及数以百万计的模型。

Napster的规划分三个时间跨度:

  1. 显微镜,0到3年:即时执行,他预计新兴能力在此阶段会被观察者误解。
  2. 双筒望远镜,3到8年:主流的自主智能体和早期实体机器人。
  3. 天文望远镜,长期:轨道算力、取代基站的卫星链路以及无处不在的机器人等基础设施。

机器人这条线索对他的论点至关重要。他认为,对话式智能体是服务机器人的训练场——在人类交互管道为其注入个性和业务语境之前,服务机器人既没有个性,也不具备业务背景。他还直接谈到了长期性问题:如果用户或创作者训练了一个智能体十年,而托管公司消失了,用户必须保有对这段关系和数据的完整可迁移性——这正是他把基础设施所有权和Azure级别的合规视为核心而非可选项的原因。

要点与行动建议

Napster的重生用视频智能体取代了音乐,但保留了公司反中介的身份,并把竞争筹码押在两件事上:一个把客户智能留在企业内部的框架,以及定价为每分钟$0.01、对标云端$0.25常态的边缘算力。包括一级方程式票务测试和10到100倍互动提升在内的已报告结果,均来自该公司及其早期客户。

对于正在评估对话式智能体的企业,这套打法给出的实用指引是:在漏斗前端加入对话式捕获层;把由此产生的数据和模型保存在自有存储中,而不是分散在各家供应商那里;通过能保留所有权的企业云集成进行部署;把智能体限定在专业的、特定领域的范围内;如果门店是业务的一部分,则规划从数字到实体的旅程。对智能体体验感兴趣的人可以试用面向消费者的Napster应用,开发者则可以通过Azure AI Foundry部署自定义智能体。