《曼報》主筆，每週與 30,000+ 訂戶分享科技與商業新知。訂閱 ⬇︎
Joined December 2022
- Tweets375
- Following957
- Followers13.6K
- Likes2.4K
串流大戰的終局與寡頭時代的序幕：Netflix 收購華納兄弟
1. 為什麼要併購華納？
2. 併購帶來哪些機會？
3. 併購本身有哪些風險？
4. 真的非買不可嗎？
5. 為什麼所有人都反對？
6. 反對理由站得住腳嗎？
7. 真的有壟斷嗎？
8. 串流戰爭是否已經結束？
訂閱會員限定）：pro.manny-li.com/posts/cmixq…
會員限定，與 9,200+ 人一起探索商業世界：pro.manny-li.com/join
Great resource!
I got rejected by 144 investors before raising $150M for my $200M+ rev/year startup.
After 144 rejections, I started questioning our approach.
Were we solving the right problem?
What were we doing wrong?
Why weren’t investors seeing what we were seeing?
Were we the right team to build this?
We tried everything: different pitch angles, new deck structures, and reframing the problem.
Then came the 145th meeting, where we closed our first growth round.
That yes made everything worth it. But getting there took years of mistakes and hard work.
We went through a lot of trial and error just to figure out what resonates with investors.
We tried dozens of approaches to figure out what made investors engage.
Some landed, most didn't. But each iteration taught us something about what builds conviction versus what just sounds good on paper.
And once we cracked that code, our Series C closed faster than expected.
And today, I see so many founders in the exact same position I was in 10 years ago: grinding through rejections, questioning everything, and trying to figure out what works.
So today I want to give you the resource I wish I had back then:
Something that shows you exactly how to structure these conversations and navigate the entire process
(because the fundraising cycle can be a big distraction and take a toll on you as a founder).
So I've partnered with Notion's Startups Team to create the essential fundraising resource that helps you avoid the mistakes that cost me years.
Here's what you are getting:
• The actual decks I used to raise $150M for Super[.]com (Series B, C)
• 50 real examples from funded startups like Eleven Labs and Artisan AI
• A searchable database of 10,000+ investors - angels, VCs, and accelerators you can reach out to immediately (this alone would take months to build manually)
• An AI-powered fundraising agent built into Notion with step-by-step prompts (no separate ChatGPT needed)
Want access?
• Like and share this post
• Comment "FUNDRAISE"
• Follow me so I can DM you the link
I'll send it over ASAP.
P.S.: If you are serious about fundraising (now or in the future), you should grab it right away.
《曼報 Pro》 公布預購剛好一個月了，在沒有廣告費（但有老恭滿滿的愛）的情況下，最近跨越了預購金額三千萬元的門檻。
幕後花絮都在最新 podcast：open.firstory.me/story/cmf0k…
雖然知道自己的服務就要替自己服務（什麼繞口令），但現在滑 X 的時候，最糟糕的體驗就是預設排序留言的前三則當中一定有一則、或兩則、或全部都是：
「Grok，這是什麼/這是真的嗎/解釋一下/。」
煩死😡
【EP105｜一位訂價大師的自白：此生必讀的入門經典】
很久以來都忘記要公告 podcast 上線了，但這禮拜特別想推今天上線的 EP105，除了剪輯剪很久（124 分鐘剪成 76 分鐘），也是因為內容還算走心。
全平台收聽連結：open.firstory.me/story/cmcis…
在這麼多的 prompt 教學當中，大概只有 Google 這一份我最後讀完有記得。出處放在留言。
雖然我凡事力求簡單就好，但這並不是說複雜的方法不好，很多時候是因為有以下限制：
● 能力不足：STEM 沒學好
● 個性不佳：沒耐心又不謹慎
● 動機不夠：沒那麼主動積極
● 壓力不大：老闆還沒逼著我動
在認知到自己還沒打破這四項限制以前，如果還想要真的做點什麼，就會想辦法去找一些「很簡單就能記得」的做法。有點像是走路可能不是最佳的運動型態，但「比坐著不動好」的意思。
看過蠻多 prompt 教學內容後，我自己唯一有辦法記得的準則都來自 Google 這份教學文件。在講這份文件為什麼好以前，還是要先說它的限制：
● 它主要是針對個人、而非團體協作
● 它是給初學者入門用的
● 它只講 Workspace，也就是辦公室生產力的情境
● 它不涉及 coding 與複雜的影視音創作
--
那麼，為什麼這份文件我覺得很讚？我認為光是它的「最高指導原則」就非常有參考價值（或著說光是認為這很有參考價值的我，基本上就屬於低階小白）：
● 使用自然語言就好，想像是在跟人說話
● 講話要具體，且反覆說明你的需求
● 務必用動詞來表達任務需求
● 盡可能提供充足的背景資訊（context）
● 用語簡潔，不要太複雜或用太多行話
● 不要覺得自己是在下指令，而是在「對話」
● 不要用一個 prompt 執行多個任務，拆開來
然後是一個我認為最重要的原則：在真正給出 prompt 以前，先用 LLM 作為 prompt 編輯器，再把新的 prompt 貼去執行。例如：
「請將 [原始 prompt 文字] 寫成一個厲害的 prompt（power prompt），並附上修改建議與解釋。」
甚至可以把這個步驟更往前一個階段，在請 LLM 改寫 prompt 以前，先問它：
「[原始 prompt 文字] 這是我的需求，你有什麼問題想問我，以便你改寫一個更好的版本？」
最後，Google 也提醒了一件事：最有效的 prompt 會提供有用的背景資訊，且平均是 21 個字。然而，多數人的 prompt 都少於 9 個字。
換句話說，光是「能把話講清楚」可能就已經是前四分之一（甚至更高）的使用者了。我覺得...這其實跟上班差不多。
--
除了最高指導原則，Google 這份教學文件還有兩個特點。
首先，它給了一個通用的最佳解公式。如果是廣告行銷人，可能在幾年前也都曾焦慮於「如何找到文案黃金公式」，例如開頭要寫什麼、中段要怎麼轉折、最後要怎麼下 CTA ... 等。
Google 認為一個有效的提示最好包含四個組成：
● 角色設定：要 LLM 調度哪些領域知識
● 任務：你想完成什麼目標（記得包含動詞）
● 背景：任務的起源／目標的限制／涉及的人士
● 格式：輸出類型、編排格式
其次，這份教學完全以「任務示範」為核心，並不是寫滿 68 頁的原理與原則，而是一本速查手冊。整份文件共有 11 種任務，每一種任務當中都會有多種範例的詳細示範與說明。這些任務包括：
● 行政支援
● 溝通
● 顧客服務
● 高階主管
● 前線管理
● 人力資源
● 行銷
● 專案管理
● 業務
● 中小企業主與創業者
● 創業領袖
--
總之，在認清到自己的限制後，近年來似乎漸漸發展出一套「80 分哲學」：
對任何事物的期待上限都先設在 80 分就好，除了過量的投入產出效益不佳，還會造成心理負擔。具體來說是什麼心理負擔？
「因為很認真對待，所以認為它一定可以成，或希望它一定要成。」我現在只要想到有哪件事情真的很希望它成功，心情就會變得很低落。
另外就是，考量到技術與外在環境的變化越來越快，今天的 80 分往往很快就會被新技術給 carry 上去了，簡稱搭便車。
當然，以上心得都屬於逆成長思維。
ChatGPT 現在最大的問題就是「到底該用哪一個模型」 ，因為真的超多個，且官方自己的備註說明也相當模糊。
Andrej Karpathy（大神，應該不用多做介紹）根據自己的日常使用經驗給了一個很簡單且全面的說明：
● 4o：簡單的問題就問它
● o3：推理能力遠比 4o 強很多，只要是夠困難或想深入了解的問題，都應該用它
● 4.1：vibe coding 就用它
● o4-mini 系列：不要用
蠻多人都說 4.5 也屬於「不要用」的範疇，這我蠻同意的，不知道推這個版本要幹嘛。
不過，很多人回應認為如果你只是 Plus 等級的訂戶，那麼還是蠻推薦 o4-mini-high 這個模型，尤其是搭配 search 使用，因為：
● 用量限制低
● 速度快
● 也算聰明
最後，Andrej Karpathy 表示雖然因為自己是投資人所以可能有偏見，但他非常喜歡 Perplexity，基本上已經用它取代日常搜尋。
不過這跟我的使用經驗衝突，因為我總覺得 Perplexity 幻覺多且搜尋深度淺。但，我是什麼咖？！大神既然盛讚，我還不趕緊開始用起來。
但，不論如何，就我每天遊走於各家模型之間的體感，覺得「一般情況」下模型並非關鍵因素。一般情況指的是：
● 只用產品預設介面，而非調 API 去做事
● 做大部分的自然語言問答（問知識、問心情、問靈感、問想法）
● 做一般難度的（文書）作業（寫文案、改文章、高中畢業程度的數學運算）
● 做一般難度的 vibe coding。這個我比較難評價，因為我沒有什麼判斷 coding 難度的能力。
在一般情況下，我覺得以下三個能力遠比用什麼模型重要，因為大部分的時候我都苦於自己這三項能力的不足，而非模型不好。
1. 需求：「想」做什麼。模型能力的天花板通常就是操作者本身的需求。
2. 思考：「如何」做，包括任務拆解、流程設計、以及精準的表達。
3. 校驗：是否具備足夠的常識（或領域知識）來檢查 AI 生成的結果。
直到 AGI 問世以前，我覺得這三個能力還是挺重要的。
但需不需要培養呢...我是已經放棄說什麼「會用 AI 的人將淘汰不會用的人」，或「以下三種能力才是真正的關鍵」這類大師發言。
因為未來的事情都太難講了。現在真的是個非常難做長期規劃的時代。
最近一些內容觸發了我想到一直以來跟 @IEObserve 聊天的內容。簡單來說，我的中心思想就是：
如果眼前當下沒有一定要（想）做，或一定要改善效率的事，就盡量避免去「過度研究」生成式 AI 工具。
因為後來發現一個很殘酷的現實就是：AI 模型與工具的進化速度「遠遠超過」個人的研究速度，所以 X 上才會每天都有人說「OOO 改變了整個世界」。
每個人的「過度」都不一樣，這是個動態標準。例如，不會寫程式的麻瓜跟會寫程式的巫師，在判斷一些應用方式時的標準當然就不同。
我自己怎麼衡量「過度」研究？
1. 用過度偏離自然語言的方式跟 LLM 溝通。理由是：如果所有 AI 科學家的目標都是發展 AGI，那在人機互動上就不會走回頭路。
2. 必須花大量時間（主要都發生在反覆測試）去貼近標準化目標。理由是：如果 AI 公司想賺錢，那麼肯定會把標準化輸出列為核心商業目標。
3. 必須花大量時間縫合多種工具與方法來實現一項功能。理由是：想賺錢的人很多，產品化的速度只會更快不會更慢。
總結來說，我自己一開始會先定義「必要性」（想做／要做／得做）；若有必要，才依照個人能力與時間資源來衡量適當的投入程度。
這麼做的一切都只是為了一個目標：避免焦慮，以及避免被他人收割我的焦慮。
今天最瘋傳的新聞之一就是烏克蘭利用無人機對俄羅斯發動的精準打擊，也讓人們再次意識到「未來」戰爭的樣貌已經與過去相差甚遠。
我也是在抱著模模糊糊的印象中，開始對「國防產業」有了興趣，想著只要對 Big 5（五大承包商）做完整的個案分析，就能一窺這個產業的奧秘。
沒想到完全被 老波 the No-Filter Generalist 給打了一個多小時的臉。
上個月去矽谷，我最期待的行程之一就是找老波聊國防產業，雖然這並非他賴以維生的領域，但在多年的投入後卻也成了一方專家。
當我抱著看「科技產品」（討論軍武系統）與「商業個案」（分析巨頭公司」的好奇心對老波提出一個又一個疑問時，都被他的回答給折服，因為國防的關鍵只有一個：
「政府」（以及連帶而生的龐大複合生態系）是唯一的買家與規則定者。不了解政府的運作方式，就不可能了解產業的脈絡。
除了關鍵概念以外，老波更上天下海地分析了以下議題：
● 美國怎麼誕生軍武的需求？
● 錢從哪來？認識老古董 PPBE
● 軍武的「籌獲」流程是什麼？
● 如何驗證有效性？詳解 TRL
● 美國國防產業的三大弱點是什麼？
● 政府可以怎麼創新？以 DIU 與 OSC 為例
最後，他甚至不避諱地分享了他認為面對迫切威脅的當下，台灣應具備哪些作戰能力。
今天上線的 EP101 podcast，就是我之所以仍樂在製作《曼報》這檔節目的理由。這一集也是我投入最多剪輯心力的一集，可能也因此而有了偏見、變得特別鍾愛它了。
雖然放連結會被降觸及，但仍希望每個能看到這篇貼文的人都能喜歡上這集、重建對國防策略的想像，以及打開視野：
全平台收聽：open.firstory.me/story/cmber…
I'm so happy that Corina Boettger is gone. Leave our Paimon alone, and Boettger can go live her toxic and pathetic life.
Happy BIRTHDAY to Paimon! A great new start!
#Genshinlmpact #原神
《33 號遠征隊》大熱賣以後，許多人都開始想找聖杯，其中發行商 Kepler Interactive 把成功歸於自己一貫的選品哲學：
「專注於真正做出新鮮感的遊戲，而非盲目追逐市場熱點。」
可惜的是，（單機向）遊戲發行商很難靠價值訴求或品味（如 Kepler Interactive 的那種發言）在市場上連年獲得成功，我通常也不太買單在娛樂產業當中有什麼「品味聖杯」。
最大的困難點在於「品味」不是一個恆定的變數，有時候你看中了、有時候則否。
最好的例子、也是 indie game 業界唯一因為上市而有公開數據的案例，就是 Devolver Digital。時光倒回 2012-2018，如果問當年有誰似乎真的掌握到了「品味聖杯」，大概很多人會說是 Devolver Digital。
然而，它們在上市後的財務表現卻每況愈下（一部分跟整體市場情況有關），如今市值甚至不到營收的 1 倍。歷經數年的虧損後，Devolver Digital 終於在 2024 財年轉虧為盈：
● 營收：1 億美元（年增 13%）
● 毛利：3,000 萬美元（年增 23%）
● EBITDA：500 萬美元
經營層表示 2025 年將會越來越好，細看它們的簡報會發現一個致勝關鍵：
「老遊戲」的營收佔比不斷增加。2020 年的時候老遊戲只佔了 70% 營收，到了 2024 年的時候已經成長到 80%。
進一步細分，老遊戲當中 Tier 1 遊戲（年銷售大於 100 萬美元）又貢獻了 80% 的營收，符合娛樂產業的「大作」定律。
Devolver Digital 甚至直言：「玩家花越來越多時間在老 IP 上面，越來越少關注新遊戲。」因此，它們將更用力地擴大老 IP 的營收，這些 IP 包括：
● Cult of the Lamb（第三方）：生涯銷售 >9,000 萬美元
● Astroneer（第一方）：生涯銷售 >8,000 萬美元
● Stronghold（第一方）：生涯銷售 >5,000 萬美元
● Serious Sam（第一方）：生涯銷售 >4,000 萬美元
● Gungeon（第一方）：生涯銷售 >4,000 萬美元
● Shadow Warrior（第一方）：生涯銷售 >3,500 萬美元
這張表當中又可以看出一個細節：第一方 IP 的佔比很高。這點也呼應了公司財報中的說法：近年來毛利率之所以能提升，是多虧了第一方 IP 的營收貢獻。
為什麼一介發行商可以擁有這麼多第一方 IP？答案是：收購或買斷 IP。其中收購行為主要發生在 Devolver Digital 上市後，這也是一家公司上市後的好處之一。
那麼，Devolver Digital 要怎麼擴大第一方 IP 的營收呢？主要透過以下三類手段：
(1) 新內容：續作、付費 DLC、「終極完全版」
(2) 擴大銷售：更多語系、更多平台、主機平台的訂閱合約
(3) 降本增效：降低第三方 IP 的投資費用、投資第一方工作室開發新技術
降本增效這段可以多講一些。Devolver Digital 過去曾以「慷慨」著稱，對第三方獨立工作室都大力支持。然而，根據官方釋出的圖表，它們已經在逐年降低投資第三方工作室，以下是歷年平均每一款作品的投資金額：
● 2022 年：299 萬美元
● 2023 年：245 萬美元
● 2024 年：205 萬美元
● 2025 年（預估）：173 萬美元
● 2026 年（預估）：104 萬美元
此外，2025 年全年的投資分配將是 62% 在老 IP 上、38% 在新 IP 上。
寫到這邊想做個簡單小結。並不是說 Kepler Interactive 追求的品味聖杯是錯的，但凡每一家在創意產業中斬獲成果的公司，在初創與發展階段都大量倚靠品味（與運氣）出線。
然而，一旦進入規模化以後就不同了。最終再過個 10 年，也許 Devolver Digital 就成了玩家眼中的下一家 EA：靠幾款老 IP 撐起大半營收，不斷收購遊戲工作室卻老是搞砸。
生意就跟生命一樣，永遠流轉不息。唯一的真理可能就是「世界上沒有聖杯，只有每個階段該做的事。」
早上花了 1 小時，玩了一下最近火熱討論的 MiniMax Speech 02，試玩結果放在留言，以下是過程跟心得。
---
兩週前釋出的 MiniMax Speech 02 號稱地表最強的 TTS 聲音模型，主打特點是：
● 只要 10 秒鐘音檔就能生成你的 voice clone
● 可以一口氣輸出多達 20 萬字的聲音
● 支援 32 種語言，尤其中文表現遠優於其他家
● 有豐富的聲音表情調節能力
不過，要使用這個服務有點繞彎。如果用中文網頁登入，則必須要有中國手機門號（即便是微信登入也一樣）；但用英文網頁登入，就可選 Google。
我挑了一個最想讓 AI 做的任務來執行：podcast 口播，理由並不是因為我最不想做，而是這件事最能對標生產力價值，甚至最能標準化。
---
1. 先找出過往超過 20 分鐘的業配片段，並生成它們的逐字稿。
2. 將上面這份逐字稿當作參考資料，分別請 ChatGPT 4o/4.1/4.5、Claude Opus 4、Gemini 2.5 Pro 改寫我昨天寫好的業配貼文。改寫的要求是請 AI 從逐字稿中了解我的說話風格，然後把貼文改寫成我可以照念的稿子。（Claude Opus 4 的改寫成果最好，其他都不太能用。）
3. 找了一集既有講到英文、也有講到中文、總長 150 秒的業配音檔，上傳到 MiniMax Speech 02 製做我的 voice clone。製作時間非常快，應該不到 2 分鐘。
4. 將 Claude Opus 4 寫的稿子貼上去、選用我的 voice clone、把速度調成 1.2、聲音表情選 auto（在此之前玩過兩種，覺得太過）、調了一點音色，按下輸出。
5. 不到 2 分鐘就完成整段聲音了。試聽貼在留言。
---
聽了成品後我的感想是：還是無法直接使用，主要有幾個問題。
1. 無法精準控制它怎麼唸英文，例如有時候念「M-O-F-T」，有時候念「MOFT」，有時候念「MOF-T」。
2. 無法精準控制每句話之間的留白，有時候太長、有時候太短。
3. 無法精準控制每句與每段話之間的情緒轉折。
不過，這些問題我覺得應該都不難解決，例如：
1. 特殊念法的部分應該未來可以做個「詞庫」（glossary）功能，要求 AI 參照該詞庫來正確發音
2. 留白的部分，土炮一點可以手動後製，或是未來 AI 可透過辨識一些符號來知道該留白多長（有點像是寫一個給 AI 看的樂譜）
3. 情緒轉折的部分，土炮一點可以不要一次生成一整個語音，而是像玩 Veo 3 或 Kling 一樣，每一次輸出 8 秒片段，最後剪輯起來。但這可能又有另一個問題，就是很難控制所有片段的一致性。
---
總覺得明年的這個時候上述問題都解決了。那麼 TTS 對我來說有什麼價值呢？一定沒有價值的是「讓我不需要錄音」，但在以下事情上很有用：
1. 補檔：講錯話、講錯數字、講錯名字...等，未來都可以輕易更換
2. 延伸產品：最直覺的就是替每期電子報都加上有聲書。
顯示較少
