揚帆出海 作者丨周可

“美國有7000萬個家庭養狗，全美有超9000萬只狗，平均下來一只狗一年花掉近1300美金，整個美國的寵物狗市場規模超1000億美元”，寵物共情應用Traini創始人孫鄰家在談到美國寵物狗市場時，給我們分析了這樣一組數據。

盯緊這塊蛋糕的不止Traini，如何在千億美元賽道中脫穎而出，拿下新的市場增量？Traini選擇了以技術入局，通過生成式AI技術，尋求將寵物行為，寵物語言token化，進而增強寵物主人與寵物（目前是狗狗）之間的情感聯系。

而Traini也憑借其AI寵物語言翻譯器在市場引發關注，其產品去年上線后短期內便積累起超20萬用戶，翻譯過上百萬只狗狗，在YouTube上的視頻播放量超過4000萬次。Traini收集了來自世界各地的超過100萬只狗的生活化的聲音、表情圖片，建立了多樣化的寵物情感表達數據庫。

不過，孫鄰家告訴我們，如果將Traini單純的定義為一款AI寵物語言識別器，是不準確的。Traini是首個通過「混合模態」進行寵物行為翻譯模型訓練的跨越文本、視覺和音頻的模型，與GPT-4o一樣，Traini采用了統一的Transformer架構，使用文本、圖像和代碼混合模態完成訓練。

Traini的目標是通過語音實現服務自動化，建設AI 代理應用程序，幫助用戶在APP上完成各種任務,如搜索信息、產品下單、預約醫生、買藥等。Traini團隊認為AI to X是在垂直領域建立數據壁壘和商業閉環的最好方式。

如何將寵物共情與AI結合？歐美市場對寵物共情產品的需求又有哪些特別，作為創業者，如何看待美國寵物市場的機會和投融資環境？

帶著這些問題，我們對話了Traini創始人孫鄰家，聽他來講述寵物共情賽道的創業故事。

揚帆出海：作為一名連續創業者，您是如何選擇入局寵物語言識別賽道的？

孫鄰家：創業想法起源于我們創始團隊都是寵物愛好者，我們從小就有養寵經歷，因此，構建人與寵物之間的交流平臺是我們一直想做的事。寵物的叫聲是寵物語言，人也有自己的語言，只是寵物語言不如人的語言豐富而已，所以我們期望把寵物語言token 化，通過模型翻譯給人理解。

揚帆出海：您和團隊選擇了美國市場創業，對當地的市場情況有怎樣的判斷和經驗？

孫鄰家：這是一個自然選擇的過程，首先我個人是移民到美國，那么自然我的創業市場也就在這里，選擇狗狗這個賽道創業，是因為狗本身是最適合像人類一樣溝通交流的一種寵物，這種情感的互通性會更好。當然，從數據來看，美國有7000萬個家庭養狗，全美有超9000萬只狗，平均下來一只狗一年花掉近1300美金，整個美國的寵物狗市場規模超1000億美元，綜合來看，選擇寵物狗市場對于我們團隊來說是一個非?？茖W的選擇。

揚帆出海：對寵物共情這個賽道怎么看？

孫鄰家：關于寵物共情，我們重點考慮的是陪伴這個方向，我們做的是增強人和動物之間的情感紐帶，通過這種方式方式來減少孤獨感，強化幸福感，人和動物的溝通過程中本就包含豐富的情感，狗狗通常在生活中扮演毛孩子的角色，因此，這種語音克隆的市場和共情賽道的市場需求也就隨之增長起來。

另外一點在于，去年到今年，我們在海外也明顯關注到這個行業有兩個明顯的發展趨勢，第一，就是海外動物專家，特別是獸醫，他們都在講“animal and AI”，這些業內人士普遍的觀點認為，用大量的數據結合他們的研究可以用來破解動物行為（不僅僅是寵物）。第二，今年，在海外與動物相關的展會上，動物行為專家表示通過LLM進行動物行為和語言破譯是可行的。

揚帆出海：現在市場上也有很多寵物語言翻譯器，您認為您的項目和市場上類似的產品最大的區別在哪兒。

孫鄰家：我們是用生成式AI來做寵物行為分析，這需要產品對連續的寵物行為去做充分的理解，在此基礎上，才能實現進一步的寵物共情。對這件事情的理解可以參考過去市場上的機器人產品看起來很智能，但其實操作起來是傻瓜式的，可如今有了ChatGPT，LLM這些大語言模型主導下的人工智能產品，其本身帶有一定的智慧或者推理能力，包含自身的邏輯，所以我們才感知到ChatGPT時代是真正的智能化。對應到寵物共情賽道的產品也是一樣的，技術推動我們以生成式AI的方式去理解寵物行為，解讀寵物語言，從而進一步讓我們的產品成為寵物共情賽道的“ChatGPT”，而不僅僅是一個寵物語言翻譯的載體。

揚帆出海：您的團隊構成是怎樣的？

孫鄰家：我已經連續創業14年，我對商業，對用戶、對平臺的搭建增長等都非常有經驗，我們的聯合創始人Jason是前OpenAI數學對齊開發工程師，負責模型的搭建和訓練；增長顧問Yiyi是Chewy前產品推薦系統負責人，CVS增長負責人，她在布朗大學獲得PhD學位，在機器學習和增長方面有超過15年的經驗。我們的團隊在模型搭建和商業化方面都有很強的專業背景，我相信我們會走的更快。

揚帆出海：目前Traini是處在一個生態建設的階段嗎，你們自身如何對模型進行定義。

孫鄰家：（生態建設階段）可以這么理解，另外，這個行業本身沒有數據，Traini是一個專家級的多模態的端側的小模型，我們的模型在端側要考慮響應速度，要節約成本，同時我們要和專家合作，把行業專家的知識變成我們模型的一個部分，這個過程相對來說比較耗費資源，也有一定的協同難度。此外，多模態也是一個技術要求很高的事情，從技術上來說實現難度確實有點大，不過我們在這個方面已經取得了相當大的進展。

Traini采用了統一的Transformer架構，使用文本、圖像和代碼混合模態完成訓練。以類似文本生成的方式，對圖像進行離散「分詞化」（tokenization），最終生成和推理交錯的文本和圖像序列。我們團隊研發的寵物行為翻譯模型PEBI，平均翻譯準確率提高到了81.5%，最高可以達到94%。

綜合來看，這個行業涉及到大量專業的知識，門檻還是非常高的。
揚帆出海：我們理解為，這個行業的技術壁壘是優勢，那數據優勢如何體現呢？

孫鄰家：我們認為，建立數據飛輪是非常重要的，不只是我們，任何垂直領域里想要把產品做好，都要有自己的數據飛輪。在很多場景里，數據飛輪的建立是產品模式成立的基礎。

我們的團隊在成立之初就是奔著服務寵物行為的方向來做的，早期我們做了智能寵物社區，在社區里積累了大量的用戶數據，包括寵物行為理解，行為糾正等等，用戶在使用我們產品的過程中，就自然貢獻了大量數據。我們的用戶覆蓋也非常垂直，基本上都是遇到了對狗狗行為不理解的問題的用戶，才會選擇用我們的產品，這樣一來，我們就收到了高質量的反饋數據，用戶在使用我們App的時候會同步上傳數據，我們也會以此來擴大我們的數據集。

揚帆出海：對于B端客戶和C端客戶，項目有什么具體的側重點？

孫鄰家：我們其實對于B端和C端客戶沒有設定特別明確的傾向性，特別是在LLM時代，B端和C端的界限會越來越模糊，我們在B端輸出的時候，基本上就是輸出模型能力，但是這個過程，需要C端不斷地貢獻數據，我們的數據飛輪才會越來越強，模型才會越來越科學，這樣才能賦能到B端。商業模式需要探索，可能這種C To B模式會成立。

揚帆出海：目前項目增長情況如何？

孫鄰家：我們最近在做少部分功能的會員的嘗試，增長比較可觀，過去30天的增速是900%多（付費用戶數量），市場以歐洲和北美為主。

揚帆出海：我們了解到，Traini早在天使輪期間就拿到了千萬元融資，作為一個誕生于海外的團隊，您認為海外投資市場和國內有哪些不同？資本選擇投一個項目會更看重哪些要素？

孫鄰家：硅谷的融資環境相對較好，且作為VC投資的發源地，對項目風險的接受能力更高，無論是中國投資人還是美國投資人，他們投一個項目無非看重的就是PMF，看重你的項目幫用戶解決問題的能力，以及技術支持。

美國這邊一些天使投資人未必是專業投資機構，可能是企業高管，這些企業高管創業的時候，他們的項目是拿到過投資的，別人投了他，他成功之后，用類似的方式再投資別人，一個是可以實現自身的資產增值，另一方面也可以反哺于這個社區，所以我們看到很多項目早期，創業團隊其實是從科技公司高管手里拿到資金，包括現在硅谷比較流行的一類投資方式叫SAFE，類似國內的可轉債，但其實它并不是債，只是把它簡化了，做了不定估值的合同，以比較靈活的方式來幫助創業團隊尋找早期融資，通過不斷補充資金需求，快速把產品做起來，之后，團隊再去找真正的VC融資。這種融資方式的優勢就是更靈活，會幫助創業團隊降低一些成本（比如律師成本），而可以讓團隊更快的投入到項目創新中去。