↓ 点击 · 滚动 · 方向键 翻页

第五日
计划

不是设计一个产品是养活一个生命
PROJECT FIFTH DAY / 北京墨旬科技
01 / OBSERVE
观测采集引擎
02 / EVOLVE
符号演化引擎
03 / OUTPUT
叙事输出引擎
02

从工具，到生命体

IP 不再是一次性内容，而是会持续生长的资产。

PAST

产品型 IP

设计、投放、消耗，然后重做。

  • 设计
  • 投放
  • 消耗
  • 重做
情感
符号
叙事
资产
共鸣
母题
角色
样片
物种型 IPDATA CULTURE
第五日计划

物种型 IP

符号种子持续进化，反复产出角色、世界观和内容。

  • 符号种子
  • 生命体
  • 反馈进化
  • 持续产出
输入受众数据
引擎符号演化
资产世界观库
输出内容生产
03

AIGC 的三道墙

现状 现在的
AIGC
问题一

情感困境

人格标签解释不了角色冲突。

  • 只会贴标签
  • 难读潜在动机
问题二

同质化困境

模型越对齐，内容越像平均值。

  • 表达过于平滑
  • 缺少命运张力
问题三

工具化困境

Prompt 只能放大输入，难生成新母题。

  • 依赖人工灵感
  • 资产沉淀不足
够不到 有灵魂
自生母题
情感标签解释不了冲突
表达正确但没有灵魂
生产上限仍靠输入
结果难稳定生成新母题
04

基于受众情感的全自动化生产

输入 群体语料
▸
第一步01

观测采集

从语料中读出欲望、焦虑、共鸣和母题。

  • 群体情绪
  • 文化母题
  • 时代症候
▸
第二步02

情感符号耦合

让情绪、符号、世界观彼此键合，形成故事核。

  • 情绪化学
  • 符号反应
  • 故事母题
▸
第三步03

叙事输出

输出角色、剧情、分镜和设计方向，人来定调。

  • 角色设定
  • 剧本分镜
  • 设计接口
▸
输出 可生产的故事
↺ 交付校准 · 项目反馈持续回到系统，越跑越准
群体情绪采集真实共鸣与隐性冲突
符号反应在情感库与世界观库里耦合
结构生成生成可生产的叙事骨架
交付校准项目反馈继续回到系统
05

符号培养皿

全自动化生产 · 符号宇宙演化可视化
采集端

幻想主题分析 + 计算精神分析

把语料转成群体情绪、冲突和文化母题。

演化端

情绪化学计算 + VSA

符号向量化，在库中成键、漂移、重组。

输出端

VSM 语法 + 逻辑算法

输出角色、剧情、分镜和设计方向。

采集输入公开语料 · 授权数据 · 群体情绪 · 文化母题
演化计算情绪化学 · VSA 向量 · 符号键合 · 灵感生成
交付接口VSM 语法 · 角色设定 · 剧本分镜 · 设计方向
06

把受众情感，转化为跨场景传播资产

全自动化生产样片
情感场公式 Affective field formula
受众信号 社媒舆情 案例语料 世界观库 焦虑簇 创伤痕迹 故事母题 角色弧线 分镜路径 视频样片 场景约束 情绪轨迹 情感场 符号键合 语法 稳定 创伤 欲望 召回 幻想主题 语境 情绪弧线
01 · 召回

受众情感表征层

将群体欲望、焦虑、创伤痕迹与共鸣点编码为可检索向量。

02 · 键合

情感符号键合层

用 VSA/HDC 将 SymbolAtom、关系角色与幻想主题绑定成叙事反应单元。

03 · 输出

跨场景资产输出层

经 VSM 语法与 CleanM 稳定，输出故事母题、角色轨迹和视频样片。

Weaviate 召回Affect EmbeddingTrauma TraceFantasy ThemeVSA/HDC 键合VSM 语法CleanM 稳定
07

AI 长剧：一个母体，长出多条剧

全自动化生产样片
场景生成公式 Scene generator formula
江南场景 moodboard
分镜轨迹公式 Shot generator formula

世界观向量母体

数亿字编年史、地点规则与事件链进入 Weaviate，成为场景生成底座。

场景约束计算

Ret(q) 召回世界片段，叠加语境场、情绪场和叙事约束生成可拍空间。

分镜轨迹规划

将场景状态、情绪弧线和镜头节奏编码成连续 shot path。

08

院线动画：把角色做深

全自动化生产样片
微动作生成公式 Motion generator formula
卡通角色分镜板
世界投射公式 World design formula

角色情绪动力学

计算欲望、退缩、羞耻、依恋与破碎感在角色内部的竞争。

微动作外显模型

将情绪强度、关系压力和身体反应映射为表情、停顿、转身和触碰。

幻想世界投射

由角色内心表征召回空间、道具、色彩和氛围。

09

同样全自动化生产，我们基于受众情感

全自动化 ↑ 人工驱动 靠产能 · 提示 靠受众情感 →
第五日受众情感引擎
灵境AIAI 漫剧产能
ShowrunnerAI 剧集平台
传统前期人工 IP 服务
AI 漫剧产能平台灵境AI
做什么分镜 / 画面 / 渲染
强项工业化 · 成本 · 效率
第五日同样全自动，但内容基于受众情感，不只是更快更便宜
AI 剧集平台Showrunner
做什么Prompt 到剧集
强项传播性 · 互动性
第五日不靠用户 prompt，从真实受众情感全自动长内容
传统 IP 前期服务人工创意
做什么世界观 / 角色 / 洞察
强项经验 · 审美 · 信任
第五日把受众情感洞察做成全自动、可规模化
都在做全自动化生产，差别在基于什么——我们基于受众情感 · 情感库 / 世界观库 / 反馈回流
同样是全自动化生产，只有我们从受众情感长出来。
10

设计 × AI × 心理 × 符号学

Founder
代尚

清华大学博士

Research
吴春灵

伦敦大学博士

Design
窦健颖

皇家艺术学院硕士

FLOW

把情感引擎跑成商业底座

方向一

数据扩容

扩充群体情绪、母题、世界观和商业样本。

  • 群体情绪
  • 文化母题
  • 场景样本
方向二

算法校准

校准 VSA、VSM 和情绪化学，让结果更准。

  • 符号计算
  • 情绪键合
  • 叙事生成
方向三

B 端样板

交付文旅、影视、品牌、游戏样板，反馈沉淀为资产。

  • 项目制交付
  • 客户反馈
  • 资产复用
跑成 商业底座
群体数据更多样本与情绪语料
向量库世界观、角色、叙事结构化
算法实验持续校准生成质量
项目反馈交付经验回流成底座
ASK

把底座做厚，把算法跑准

种子轮 · 可聊 2000万 投前估值
需求一01

数据购买与清洗

购买情绪语料、行业案例和世界观文本，做清洗标注。

  • 受众情绪语料
  • 行业案例
  • 世界观文本
需求二02

数据库建设

建设世界观库、受众情感库、行业案例库。

  • 世界观向量库
  • 受众情感库
  • 行业案例库
需求三03

算法优化与商业化扩展

优化符号计算、情绪键合和叙事生成，扩展 B 端方向。

  • 文旅 / 影视
  • 品牌 / 游戏
  • 教育 / 消费内容
目标 把底座做厚
把算法跑准