# 100个新用户95个流失，Gamma把“AI做PPT”做成了5000万美元的生意 > Training Data No. 61 中文精读 - 原标题：Scaling the ‘Cursor for Slides’ to $50M ARR: Gamma founder Jon Noronha - 发布日期：2025-08-19 - 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等 - 网页版：https://trainingdata.qiaomu.ai/ep/061-scaling-the-cursor-for-slides-to-50m-arr-gamma-founder-jon-n-oG_-lB.html - 精读字数：约 5392 字（阅读约 12 分钟） > 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 先说一个数字。Gamma早期统计过激活数据：100个人注册，大约95个会在头几分钟内离开。他们打开这个号称“重新发明幻灯片”的工具，迎面一张空白页，然后转身就走。 把时间快进到现在：这家公司只有30个人，年经常性收入（ARR）超过5000万美元，用户5000万，现金流为正，平台上累计生成了2.5亿份作品。安德烈·卡帕西（Andrej Karpathy）之前在推特上问“什么是幻灯片界的Cursor”，评论区齐刷刷写着同一个名字：Gamma。 2025年8月19日，红杉资本的播客Training Data请来Gamma联合创始人乔恩·诺罗尼亚（Jon Noronha），把这五年的账摊开算了一遍。有起死回生的故事，有一堆跟流行叙事唱反调的实测结论，还有一套应用层创业的土办法。下面挑重点说。 ## 差点死在AI爆发前夜 Gamma成立于2020年，比ChatGPT早了整整两年。起因很生活化：联合创始人Grant Lee疫情期间家里唯一的书桌被妻子占了，只能坐在公园长椅上，举着小手机开Zoom会，盯着别人投屏的PPT一页页翻。 乔恩听完就入伙了。幻灯片是商业世界的通用语言，融资要放PPT，汇报要放PPT，可几乎没人享受做幻灯片。他总结过大家最普遍的抱怨：**90%的时间花在排版上，只有10%花在内容上，最后别人记住的还是你的排版有多丑。** 但2020年的AI帮不上忙。乔恩是最早拿到GPT-3测试资格的一批人，他当时就想验证两件事：给模型一份文档，能不能提炼出要点？反过来，给要点，能不能扩写成段落？结论都是不行。他觉得挺新鲜，然后把它放下了。 接下来两年，他们按“远程异步办公”的思路做产品：更互动、更像网页、能自适应屏幕，想给幻灯片换一种形态。方向不算错，就是长得太慢，卡在一个不上不下的位置：有些用户爱用，增长始终起不来，撑不起一家VC规模的公司。账上的钱越来越少，外面通胀飙升、利率飙升，连他们自己的开户行硅谷银行都倒闭了。 救了他们的，是一群图像模型。2022年夏天Stable Diffusion开源，推特上所有人都在晒自己生成的图。乔恩盯着这些图想通了一件事：**PowerPoint三十年前最伟大的发明其实是剪贴画（clip art），此后再没人回答过“下一代剪贴画是什么”。图像模型就是答案。** 更有意思的是连锁反应：图像模型的爆发让他们回头重测文本模型，结果发现两年前失败的提示词，突然都能用了。OpenAI这两年一直在做的指令微调（instruction tuning），让人可以用自然语言指挥模型。材料凑齐了，产品定位从此变了，从“帮你做幻灯片的工具”变成“直接给你成品”。顺带修正一个流行误会：所有人都把ChatGPT当成一夜爆红，乔恩提醒，OpenAI那两年一直在默默改进模型，爆发底下是两年没人看见的积累。 > “说实话，救了我们的是生成式AI，它刚好及时变强了。” ## 把“开始”变成“编辑” 回到开头那个数字。早期Gamma的激活流程是这样的：用户注册，被扔进一个陌生的新工具，面前一张空白页。团队在旁边着急：“你看它功能多强。”用户心里想的是：“那我到底能用它做什么？”然后95个人里的大多数就走了，留下来的全是硬扛过空白页的死硬派。 他们做AI的初衷很功利，就是想用AI填上这张空白页，把激活率拉起来。产品上线后才发现，事情比想的大一层：**AI填上的其实是用户自己的空白页。** 每个做过汇报的人都懂这种恐惧。打开PowerPoint，光标在“输入演示标题”那里闪，脑子里同时涌来一串问题：故事线怎么搭？钩子在哪？哪些是关键点？什么字体？什么配色？要不要配图？乔恩把这种状态描述得很准： > “你会陷进一个螺旋，所有事情搅在一起，最后干脆卡死在第一步。” AI生成初稿之后，一切变了。用户的工作从“从零开始”变成“编辑修改”，从一句模糊的想法到一份能看的完整草稿，中间只隔一次生成。**衡量一个AI产品值不值，可以看它把用户的起点往前挪了几步。Gamma把起点从“空白页”挪到了“草稿”，就这一步，撑起了5000万ARR。** 主持人索尼娅（Sonya Huang）自己就是Gamma的重度用户，经常要讲AI主题的演讲，她的用法是把文档丢给Gamma，一句话让它变成幻灯片。乔恩说这也是他们能活下来的原因之一：产品自己每天都在用，哪里掉链子当天就知道。 ## 应用层的价值：设计、测试和模型选型 绕不开的问题是：底层模型都那么强了，应用公司的价值在哪？乔恩的答案分两块，一块跟模型无关，一块全靠模型。 先说跟模型无关的那块：媒介本身。Gamma从一开始就没打算做PowerPoint克隆，用户对它的描述是“Notion和Canva生的孩子”。Notion那一半，指它以打字为核心，块状结构，你只管写，不用拖拽文本框；Canva那一半，指它有完整的视觉能力，图表、示意图、主题、模板全都有。**关键在于视觉工作全部由Gamma替你完成，你只负责打字。** 为了做到这一点，他们下了笨功夫。公司一度12个人里有4个是设计师，占三分之一，这在早期硅谷创业公司里相当罕见。他们还用AI分析了几千份真实世界里流传的幻灯片，总结常见的版式和设计规律。乔恩说，这部分工作跟提示词、微调都无关，就是打磨最基础的积木：最好的图表、最好的版式、最好的主题。这些积木是AI的弹药库。 > “我们的理念是，我们替你把好设计做完，你就不必懂设计。” 做幻灯片有两道坎，先是结构和故事，然后是排版和设计。第二道坎上AI的优势最明显，因为很多技巧对人极繁琐，对AI极简单。他举了两个例子： - 一次生成10个设计方案，挑最好的那个。AI三秒搞定，人类排10版会疯。 - 把整套幻灯片里的图片统一成同一个色板。AI可以直接按色板生成图片，人类靠Google图片搜索根本做不到。 单看每条都是小聪明，堆起来就是人类手工做不出的成品。**应用层的护城河，就是把这些技巧一层层叠上去。** 再说靠模型的那块：测试。乔恩来Gamma之前在Optimizely做产品，那家公司把A/B测试变成了营销和产品的通用实践，这套DNA被原样带进了Gamma。录制这期节目的当天，山姆·奥尔特曼正在台上发布GPT-5，而Gamma团队里此刻就有人在改代码，准备接入GPT-5跑测试。当天下午，GPT-5对Claude、对Gemini的A/B测试开跑。 为什么不直接看评测榜单？乔恩的解释很实在：**创意领域经常没有标准答案，跑不出“GPT-5比Claude好2.7%”这种结论。榜单指标全是编程和推理，Gamma是视觉表达平台，那些基准基本没用，只能自己测。** 他们测的是真实用户行为：生成后让用户打分，同时追踪四个硬指标，用户改了多少、导出了没有、分享了吗、有没有从免费转成付费。这类实验跑了几百次，精确到知道哪个模型擅长哪类任务，产品里那些相当复杂的提示词和编排逻辑，每一块都是实验的产物。索尼娅听完补了一句：没有谁比Optimizely出身的人更适合搭数据飞轮。 几百次实验跑下来，有四个结论跟行业流行叙事不太一样： - **微调被高估了。**乔恩说，微调的热度很大一部分来自靠微调赚钱的公司。他们自己的体验是，微调会削弱模型本身的智力。开源社区爱微调，但开源模型离闭源基座的差距依然明显。 - **推理模型没带来提升。**实验结论是：模型想得越久，创造力越差。推理擅长有标准答案的题，比如数学证明、编程；创意写作就不灵了。被吹上天的DeepSeek，在他们的用例里“完全不行”。 - **Claude有品味，但榜单看不见。**乔恩自称Claude铁粉。编程是当下AI的头号用例，各家都在围绕编程优化模型，可Gamma要的是视觉表达，Claude生成的视觉内容有种说不清的创造力，这个优势在任何基准里都体现不出来。还有个细节：因为新版本越来越朝编程优化，Claude有时旧版本反而比新版本好用。 - **最被低估的是Gemini。**它其实是Gamma用量最大的模型，原因是性价比。论每一美元能买到的智能，Gemini Flash无敌，是日常主力。 这些选择背后有个共同的账本：**他们在意毛利。**Gamma从接入AI起就按现金流为正的标准运营。乔恩说，这可能是他们跟很多AI公司最大的区别，别家先烧钱换增长，他们先算每一美元能买到多少智能。 图像模型那边，他们接了大约20个，同样全部A/B测试。用得最多的是Ideogram和Flux，OpenAI的GPT Image在文字和信息图类内容上强得惊人，也在想办法用起来，难点是成本。 提示词的管理上，他们试过斯坦福的DSPy，放弃了。理由两条：一是他们把提示词当成用户体验的一部分，设计师和产品经理都要能读、能改；二是他们极度在意跨模型的可移植性，任何时候都可能有一个模型挂掉，得随时换。DSPy擅长把某个特定组合调到极致，他们要的是通用性。现在的做法是用Claude Code起草和迭代提示词，人来审核把关。乔恩的原话：“可以说是Claude在帮我们手写提示词。” ## 10亿用户的盘子，和两个意外的市场 竞争是绕不开的话题。PowerPoint和Google Slides各自的月活都有5亿，加起来约10亿用户。Gamma的几百万月活在这个盘子面前还是零头。乔恩的定位很清醒：**他们仍然是挑战者。** 好消息有两个。一是大公司动作慢，智能体编程（agentic coding）吸走了巨头几乎全部注意力，生产力场景反而被冷落。二是ChatGPT Agent虽然已经能生成PPT，乔恩的原话是“谢天谢地，做得还不怎么样”，但他也承认这只是时间问题。 所以Gamma的策略走钢丝：一头要差异化。**他们想成为最好的Gamma生成器，至于PowerPoint生成器这件事，PowerPoint自己迟早会做好。**差异化有代价，Gamma的格式自成一派，有些用户因为导出体验发过火，乔恩认为值得。另一头要熟悉，前5000万用户是爱尝鲜的早期采用者，接下来的1亿用户属于早期大众，他们要的是顺手、熟悉、能嵌进现有工作流，尤其公司正从纯C端往B端走。 谈到Canva，乔恩给的定位是灵感来源。Canva证明了两件事：产品驱动增长（PLG）可以撑到巨大规模，据说它做到5亿美元ARR之前一个销售都没雇；模板库加中小客户策略能走通。但路径不同，Canva的基因是拖拽式设计工具，Gamma的基因从疫情期间就是写作工具，更接近Notion：完全不会设计的人也能做出漂亮的东西。 至于当年同场竞技的那批AI幻灯片工具为什么掉队了，乔恩给了两个解释。第一，他们始终保持精干和偏执，团队规模相对业务量小得反常，因为AI世界变化太快，**决定生死的能力是转向和适应的速度**。第二，成本纪律。很多同行拿着融资烧推理成本，用最贵的模型换增长，乔恩称之为“75美分卖一美元”的生意，增长好看，撑不住。**Gamma从接入AI的第一天起就要求现金流为正，成本效率被写进了公司基因。** 平台上累计的2.5亿份作品里，还藏着两条他们没计划过的增长曲线。第一条是文档，指PDF提案、宣传册、白皮书、给客户的精美报告，纯文本的Google Docs反倒在其次。乔恩的估算：PowerPoint覆盖5亿人，PDF覆盖的可能是10亿人。用户自发用Gamma做这些东西，拉力大到他们专门建了产品线。第二条是网站，很多用户做完Gamma直接拿去当个人主页或小公司官网，跟Notion文档被当成迷你网站是一个逻辑。网站粘性高，又是一个人的公开门面，他们去年顺势上线了sites产品。 所以Gamma对自己的定义升级了：**视觉叙事平台（visual storytelling platform）。**只要一件事足够重要、会被“以貌取人”，就适合Gamma，载体可以是幻灯片、文档，也可以是网页。 短期路线图上，9月有几个大动作：重做核心编辑体验，扩大视觉风格覆盖面，目标是让每一份Gamma看起来都截然不同；上线更多智能体编辑，用户可以直接下指令，“这5页应该扩成20页，第三节展开讲讲，那边的视觉重做一下”；还有一个被需求倒逼出来的API，销售团队把CRM里的客户记录接进去，自动生成一份套用自家模板的提案，省掉销售一小时的排版时间。乔恩说很多投资人听完的反应是“我组合里至少有10家公司需要这个”。至于更远的规划，他没给宏大叙事，反复提到的思路是相邻市场：先服务好眼前的用例，用户会用脚投票，告诉你下一步该做什么。 ## 明天就能用的行动清单 节目最后，乔恩给应用层创业者提了几条建议，每一条都带着Gamma自己的伤疤。 - **找到你独有的市场视角。**Gamma的视角是改造媒介本身，从第一天起目标就是创造取代幻灯片的新格式，这个判断指导了无数产品选择，有时甚至惹恼用户。小心又一个vibe coding创业公司，那个赛道挤满了做同样事情的人。可以考虑逆着基座模型的训练方向走：编程工具火，正因为模型在拼命优化编程，找一个它们没在优化、但相邻的领域，被巨头碾到的概率小一些。 - **把实验机制建进产品里。**别锁定任何一家模型供应商，模型创新的节奏又快又不均匀，得做好“每周不同日子有不同最强模型”的准备。 - **算清每一美元的账。**现金流为正的意义很实际，它让你比别人跑得更久。 最后落回每个普通用户都能用的东西。下次面对空白页，别再从标题开始憋，把已有的文档、笔记、要点直接丢给AI，让它先出一份完整的糙稿。**从编辑一份60分的草稿开始，永远比从0分开始快。**这是Gamma用5000万美元ARR验证过的事，明天开会前就能用上。