CookiyLabs创始人董有超，当AI能快速生成产品，真人反馈为何成新基础设施

生成式AI正以前所未有的速度压缩产品开发周期：代码、界面、文案甚至演示视频，均可在数小时内完成。但当‘做出来’不再稀缺，企业真正面临的问题变成了——‘该不该做？先做哪一个？为什么用户会买单？’

这一转变催生了一个新兴方向：将真人经验系统性地嵌入AI驱动的产品决策链。Cookiy Labs正是在此背景下成立的初创公司，其创始人董有超曾长期深耕互联网增长领域，从Instagram增长团队技术负责人，到腾讯微视、字节跳动、飞书深诺等多家头部企业的核心岗位，他亲历了流量红利见顶、产品供给爆炸的全过程。

2025年10月，董有超在一次播客中指出：“AI正在杀死‘流量增长’，未来十年你需要的是‘品味’。”他强调，此处的“品味”并非审美偏好，而是判断真实需求的能力——用户口头上说“我会用”，与实际为同类产品付费之间，存在巨大鸿沟。

Cookiy Labs于2025年创立并完成700万美元pre-seed轮融资，其核心定位并非提供AI营销或增长工具，而是构建“需求验证的基础设施”。简单说，就是在团队投入研发与市场预算前，通过快速、可集成的人类反馈机制，减少方向性错误。

传统用户研究虽能提供深度洞察，却普遍存在响应慢、成本高、难以融入敏捷开发流程等问题。而当前产品迭代节奏已进入“日更级”，需求验证环节若仍停留在“立项→调研→报告→复盘”的线性周期，错配将被显著放大。

董有超将这一层能力称为“human layer”——即AI系统目前尚无法直接获取的真实人类认知：此刻的想法、犹豫的原因、放弃的动机。Cookiy试图做的，是在AI需要人类经验、判断或语料时，高效匹配合适人群，并将非结构化对话转化为可行动的数据。

平台目前已宣称可触达超1.7亿受访者，并支持Claude、Cursor等主流AI工具通过Skill、CLI或MCP协议直接发起研究任务。但规模并非关键，真正考验的是样本质量控制能力：如何识别职业答卷人、确保地区与语言覆盖合理、验证受访者是否知晓AI身份及数据用途、以及是否完成有效授权。

技术实现上，Cookiy采用四层模型协同架构：小模型负责语音转写与基础意图识别；中模型管理对话记忆与上下文连贯性；大模型承担深度追问与逻辑推演；另设一个轻量情绪理解模型，用于捕捉语气、停顿与潜在矛盾点。该系统混合使用开源与闭源模型，并针对各模块进行独立微调。

董有超解释，当前单一模型尚难兼顾多模态实时输入输出（如同时处理语音流与文本摘要），多模型分工是现阶段务实选择。一旦通用模型在跨模态能力上取得突破，架构有望简化。

值得注意的是，这一方向正获得资本与产业界双重认可。2026年9月，Salesforce宣布收购AI访谈公司Listen Labs；同期，另一家竞品Conveo完成5000万美元A轮融资。AI访谈与真人数据，正从市场研究行业的边缘工具，逐步升格为平台型AI基础设施的一部分。

从方法论角度看，AI时代的“真人咨询”已不同于传统问卷或焦点小组。它强调三点：第一，样本真实性——需排除刷单、职业答题等干扰；第二，对话可持续性——AI需具备追问、换问法、确认理解等交互能力；第三，信息结构化——客户最终需要的是主题归类、证据链、引用片段与结论推导，而非原始录音堆砌。

这背后折射出一个深层变化：过去十年，互联网竞争围绕“效率提升”展开——如何更快获客、更高转化、更强留存；而未来竞争将更多聚焦“判断准确度”——如何更早识别真需求、规避伪痛点、预判行为迁移路径。

董有超以自己经历举例：在Instagram时期，团队曾基于留存预测模型优化推送策略，效果显著；但当模型建议“增加每日推送频次”时，真实用户访谈揭示出另一面——高频推送引发焦虑感，导致长期流失率上升。这类反直觉发现，往往只能来自深度人类反馈。

另一个典型案例来自某短视频新业务孵化阶段。内部数据模型显示某功能点击率高、停留时长增长，初步判断为正向信号；但通过快速真人访谈发现，高点击源于标题党诱导，用户进入后迅速跳出，实际满意度极低。若未及时修正，该功能上线后可能损害整体产品信任度。

这类场景正变得越来越普遍。随着AI生成内容泛滥，用户注意力进一步碎片化，产品同质化加剧，“谁更懂人”正成为差异化关键。而“懂人”不能仅靠数据拟合，还需对社会语境、文化习惯、心理动机的具身理解——这些仍是当前AI难以内生的能力。

Cookiy的尝试，本质上是在重构“人-机协作”的边界：不是让人替代AI，也不是让AI取代人，而是让人类经验成为AI决策的校准器。其价值不在于提供答案，而在于帮助系统提出更精准的问题。

行业观察者指出，类似模式可能催生新的SaaS层服务。例如，面向AI原生创业团队的“需求验证API”，可嵌入产品原型测试流程；或面向大型企业的“动态用户雷达”，持续捕获细分人群态度偏移信号。

当然，挑战依然存在。首先是伦理合规：当AI主导访谈时，如何确保受访者知情权与数据主权？其次是质量稳定性：不同人群对同一问题的表达差异极大，如何建立统一评估标准？再者是成本控制：即便自动化程度提升，高质量真人样本的获取仍依赖底层网络建设。

董有超坦言，Cookiy目前仍处于早期验证阶段，重点打磨的是“可集成性”与“可解释性”——即研究结果必须能回溯到具体回答，且能被产品经理直接用于PRD修订或优先级调整。

在AI能力指数级增长的今天，人类角色并未退场，而是从执行者转向校验者、定义者与意义赋予者。当机器擅长“生成”，人则需专注“甄别”；当算法精于“优化”，人仍要负责“选择”。

Cookiy Labs的出现，标志着一个新共识正在形成：在AI主导的生产时代，真人反馈不再是可选项，而是一套必需的基础设施。