1X 发布人形机器人 NEO 当天，X 上涌出 6.5 万条自然讨论，其中还藏着 6100 万次付费曝光。复盘 1X、Cluely、Anam 和 Lovable 的发布材料，刷屏不是运气，而是一句主张、五秒演示、创作者接力、压缩时间和真实用户咬合出的五层机器。

2025 年 10 月 28 日，家用机器人公司 1X 发布 NEO。那一天，围绕 1X 与这台机器人的自然讨论达到 6.5 万条，参与发帖的账号约有 4.5 万个。公司的 X 账号一夜增加 5.6 万名关注者，发布视频获得 620 万次观看，还有超过 18 万次点击从 X 去往官网。

这些数字来自 X 为 1X 制作的商业案例。它同时披露了一件容易被忽略的事。1X 买下了发布当天的 Spotlight Takeover 广告位，先获得数千万次付费曝光，再带出约 2100 万次自然曝光。

所以，人们第二天打开时间线时产生的感觉没有错。NEO 确实突然变得无处不在。只是这场突然发生的流行，前面已经铺好了广告位、发布视频、创作者、媒体和社群。

9 月 3 日，长期帮助科技公司做 X 发布的 Juan Tena 写下了一篇复盘。他称自己在过去一个月为科技创业公司带来超过 600 万次曝光，并把一场「到处都是」的发布拆成五层。

一句能被转述的话，一个让人想展示的产品瞬间，一群受到信任的人，一段被压缩的发布时间，以及最后愿意接力的真实用户。

我们继续翻看 1X、Cluely、Anam 和 Lovable 的公开材料，发现越来越多 AI 公司正在做同一件事。它们把发布从一条公告，改造成一套能在几个小时里连续运转的系统。

一次成功发布会在短时间里制造高密度的重复出现

01 一夜刷屏

大多数人想象中的爆款，是一条帖子先获得几十万次转发，其他讨论随后自然出现。真实情况常常相反。

一条拥有 200 万次浏览的帖子，仍然可能只在你眼前经过一次。你看完，划走，很快忘记。可同一个产品在上午九点由创始人发布，十点出现在投资人的评论里，十一点被你信任的行业作者做成演示，中午又被同事发进工作群，感受就完全不同了。

第一次看见时，你可能没有停下来。第二次，你记住了名字。第三次，你开始猜它为什么这么受关注。第四次，你更愿意点进去试一试。

Juan 把这件事概括成一个很重要的区别。普通推广追求更多人各看一次，刷屏式发布追求同一批合适的人从不同入口看见多次。

1X 案例最值得看的地方，就在这里。它没有把所有希望压在 NEO 的创始人帖上。付费广告先把视频送到大量用户面前，创始人、机器人从业者、媒体和普通用户再从各自角度接上讨论。X 披露的 8700 万次发布日曝光里，约 2100 万次被标为自然带出的额外曝光。

公司购买了注意力的起点，用户决定这件事能否继续走下去。二者叠在同一个时间窗口里，才制造出「大家已经谈了很久」的错觉。

02 一句人话

发布系统的第一层，通常还没有涉及任何渠道。它先要回答一个很朴素的问题。

别人看完以后，能不能用自己的话把它讲给下一位朋友？

很多产品会从准确的功能说明开始。「面向多场景的 AI 协作平台」「由先进模型驱动的企业级智能工作空间」，每个词都没有明显错误，放在一起却很难记住。传播者也不知道该摘走哪一句。

容易传开的说法通常包含三个部分。一种人人熟悉的麻烦，一个让人意外的变化，以及一眼能够看见的证据。

Cluely 把这套方法推到了最有争议的位置。公司早期用「什么都能作弊」概括产品，还拍了一段创始人在约会时依靠 AI 提示说谎的视频。《The Atlantic》后来在体验报道中复述了这段发布广告，也记录了 Roy Lee 对传播目的的解释。视频招来批评，也让人只看一遍就知道产品藏在屏幕后面、实时听懂对话并给出建议。

a16z 在 2025 年领投 Cluely 的 1500 万美元融资后，把创始人 Roy Lee 请进播客。节目标题直接写着，这家公司在十周里完成融资，并把病毒式传播做成了产品的一部分。这个说法来自投资方，显然带有投资人的立场。不过它准确点出了 Cluely 的选择。传播主张没有负责完整介绍产品，它负责给讨论提供一个清晰靶子。

这类主张也有代价。它可以让陌生人马上记住公司，也会把品牌长期绑在争议上。截至 2026 年 9 月，Cluely 官网首页已经把产品称为会议助手。发布广告选择了约会场景，当前首页选择了工作会议。两种说法的变化说明，最能获得曝光的故事，未必等于最适合长期售卖的用途。

Cluely 的投资方把病毒式传播称为产品的一部分

03 五秒证据

一句话让人停下来，产品瞬间让人相信。

Juan 把这个瞬间叫作 magic moment。它承担的任务很窄，只负责让观众在前五秒看到一件过去很难做到的事。完整演示与功能教学可以随后再来。

不少发布视频会先播放 logo 动画，再由创始人介绍愿景，随后打开后台，把十项功能逐个点一遍。等产品做出有意思的动作时，短视频里的观众早已划走。

1X 的选择很直接。NEO 出现在真实住宅里，收衣服、整理物品、把东西递给人。观众无需懂机器人关节、训练方法和远程操作，就能判断这台机器想进入哪一种生活。

Anam 发布 Cara-4 时也采用了相似结构。这是一款实时头像模型，能让语音智能体拥有会说话的脸。它新增更高分辨率、更多画面比例和 Director Notes，开发者可以用文字控制头像在不同对话里的表演方式。发布画面跳过模型结构，让几张脸直接开口说话。

负责这次传播的 Clickstrike 在案例里称，它在很短时间内组织了 50 位创作者围绕同一条创始人视频发表评论和转发。Cara-4 最后获得超过 50 万次观看，并进入 X 的 Today’s News。浏览量和参与人数均为服务商与客户披露的数据，目前没有独立审计。

这个案例仍然能说明为什么产品瞬间比功能列表更容易传开。每一位创作者都可以直接引用同一段素材。有人谈实时延迟，有人谈数字员工，有人比较头像效果，还有人只是转发一张会说话的脸。角度不同，证据相同。

Anam 用一段能直接看懂的实时头像视频承接发布主张

04 五层机器

一场高密度发布通常由五层一起工作。少掉任何一层，传播都会在某个位置断掉。

第一层是一句可以复述的主张。它把复杂产品压成普通人可以带走的话。

第二层是看得见的产品瞬间。它让这句话有证据，避免讨论只剩口号。

第三层是一组角色不同的人。创始人讲为什么做，大号带来覆盖，垂直专家解释跟谁有关，客户提供使用证据，小账号制造足够多的重复出现。

第四层是时间。相同的十次提及散落在一个月里，会像一场普通推广。它们集中在一个上午，就像一件正在发生的事。

第五层来自没有收钱也没有收到任务的人。他们真的去试了产品，随后发布体验、质疑、二次演示和使用结果。发布从这里开始拥有自己的生命。

最容易出错的是第三层。品牌把同一段文案发给几十个账号，要求在同一时间复制出来。读者一眼就能看出这是广告。更有效的做法是给每个人相同的事实、主张和原始演示，同时让他们回答各自受众关心的问题。

创作者之间的差别因此变得重要。一个拥有百万关注者的科技大号，负责让名字越过原有圈层。一个只有两万关注者、却长期研究语音智能体的人，可能更容易带来客户。一个真实用户发布的失败案例，甚至会比十条夸奖更有说服力，因为它说明产品已经进入可以被检验的阶段。

刷屏式发布由主张、产品、人群、时间和用户接力共同完成

05 压缩时间

时间密度决定一组帖子看起来像广告，还是像正在发生的新闻。

发布服务商 The Launch Video Company 在一篇客户复盘中公开过自己的时间表。创始人先发主帖，五分钟后投资人开始引用，十五分钟后熟悉创始人的朋友进入评论，三十分钟后第一批大创作者发出独立内容，一小时后更多垂直账号和小账号接上。这是服务商对自己项目的复盘，没有经过平台验证。

这份时间表属于服务商的经验总结，不能当成 X 官方给出的流量公式。X 公开解释过，推荐会参考用户互动过的帖子、用户网络里其他人的互动、帖子与作者等多种信号。平台也明确称会过滤被判断为操纵或垃圾信息的内容。

所以，发布团队能做的只是把真实信号尽早放在一起。熟悉创始人的人更可能留下具体评论，行业作者的转发与其受众的互动也会形成 X 公开提到的网络信号。平台如何处理某一次发布，外部无法知道。初始讨论丰富以后，帖子至少拥有了更多被推荐系统观察到的互动。

Product Hunt 把这种时间逻辑写进了产品。网站每天按太平洋时间零点刷新，所有新品在一个 24 小时窗口里争夺当天排名。官方指南建议准备充分的团队在凌晨 12 点 01 分上线，目的很简单，让产品拥有完整的一天与社区互动。

自然发生的讨论不会要求所有人同时出现。几十个账号在整点复制同一句话，只会留下被操纵的痕迹。更像公共事件的节奏是一波接一波。创始人给出起点，专家加上解释，客户提供结果，媒体与普通用户再把新信息带回讨论。

一场发布通过连续几波声音把注意力压缩到同一天

06 付费起火

把发布写成完全自然生长的故事，会漏掉今天注意力市场里很大的一部分。

1X 的 NEO 是一个少见的透明案例。X 的商业页面同时列出了付费和自然结果。页面顶部写着发布日共获得 8700 万次曝光，其中 6100 万来自付费位置，2100 万来自自然带动。正文又把 Spotlight Takeover 写成约 6600 万次付费曝光。两处数字存在约 500 万次差异，可能来自统计口径或页面更新，公开材料没有进一步解释。

我们不把这个差异抹平，因为它恰好提醒读者，传播数据很少像截图看上去那样简单。

能确定的是，1X 在 X 的 Explore 页面获得了当天最醒目的视频位置。平台随后记录到 6.5 万条相关自然帖子、620 万次发布视频观看和 18 万次官网点击。账号关注者从约 6.7 万增至 13 万，增量约为 5.6 万。

付费覆盖负责让足够多的人同时看见。NEO 在住宅里工作的画面负责让他们愿意谈。机器人是否真的能在复杂家庭环境中长期稳定工作，仍要等产品交付以后验证。发布解决了被看见的问题，没有提前解决产品能力的问题。

这也是「制造爆款」最容易被误解的地方。钱可以买到一次集中的开场，买不到第二天仍然愿意讨论的理由。1X 的 2100 万次自然带动，也不能简单归功于广告位。我们更愿意把它看成广告覆盖、产品类别、视频创意、原有关注者和行业热度一起出现后的结果。公开材料没有把每一项因素的贡献单独算出来。

1X 用真实家庭场景让家用机器人在发布当天成为可讨论的产品

07 声量以后

一场发布最危险的时刻，常常出现在数字最好看的时候。

团队看到百万浏览、数千次收藏和满屏评论，很容易把注意力当成了业务。浏览量只说明内容进入过多少屏幕。收藏可能来自好奇，也可能来自同行研究。官网点击离注册还有一步，注册离开始使用还有一步，使用离付费与续费仍然很远。

1X 公布了 18 万次网站点击，却没有在同一案例中披露预订数量。Anam 公布了 50 万次观看和新闻趋势，也没有披露由此带来的付费接口调用。缺少这些数字不代表发布无效，只说明外部读者不能用曝光替公司完成商业判断。

Lovable 的经历提供了更有价值的反面材料。公司自己的复盘称，早期以 GPT Engineer 名义进行的两次发布制造了一些声音，却没有形成显著增长。用户把它当成好玩的演示，没把它当作可以完成工作的产品。

第三次发布前，团队补上了后端能力，让用户能做带登录与数据存储的完整产品，并把品牌改成 Lovable。传播也变成多渠道组合。Product Hunt、X、内容、与 Supabase 等合作伙伴的联合推广一起进入计划。公司同时观察用户评价、自然讨论和留存变化，而没有只看发布日浏览量。

这段历史说明，发布系统可以放大已经存在的产品价值，也会放大空心。人们在五秒内被吸引过来，进入产品后仍要完成第一件真实任务。否则「到处都是」只会在第二天变成「昨天见过」。

Lovable 的第三次发布把新品牌、完整产品与多渠道传播放在一起

08 传播灰线

当几十位创作者被安排在同一天谈同一家公司，推荐与操纵之间会出现一条灰线。

有没有付费，只是其中一个区别。内容有没有让读者知道双方关系，创作者有没有真实表达空间，互动有没有被伪装成毫无关联的偶遇，这些问题更加重要。未经说明的商业合作会消耗信任，大量复制文案也会让整场发布看起来像机器人互相鼓掌。

心理学里的「重复接触效应」常被用来解释为什么一个名字出现多次后更容易被喜欢。2013 年一项针对消费品的实验发现，对虚构新产品的评价会随接触次数提高。不过另一项广告图像研究也提醒，注意力决定了效果落在哪个对象上。人如果只记住图像里的人物元素，重复展示未必能提高对产品元素的喜欢。

这对 AI 发布很有启发。只制造重复还不够。每次出现都要让产品获得一点新的理解。创始人给来历，专家给判断，客户给使用证据，批评者暴露边界。多次接触之间有信息增量，读者才会觉得自己正在跟进一件事。

最坏的发布恰好相反。几十个账号用类似措辞夸同一段视频，回复区只剩表情与赞美，所有链接都指向注册页。它可能短暂骗过一部分流量系统，也会同时训练用户忽略这个品牌。

团队应该把协调放在后台，把真实留在前台。统一事实与发布时间，保留每个人的判断。公开商业关系，允许提出限制。让不同声音围绕同一产品瞬间展开，避免把不同账号变成同一个扩音器。

高密度发布需要在覆盖、信任、信息和转化之间保持平衡

09 发布系统

如果把这些案例放在一起，一场可执行的发布可以被压成七个问题。

第一，陌生人看完以后，会用哪一句话转述产品？这句话需要具体到能被重复，宽到足以让不同人找到自己的角度。

第二，前五秒能看到什么？先展示结果，再解释原理。一个清楚的产品瞬间，比十项功能更容易成为共同素材。

第三，谁负责哪一种信任？创始人、投资人、大创作者、垂直专家、客户、团队成员和社群各有位置。关注者数量只是一项指标，受众是不是产品需要的人更重要。

第四，几波内容怎样排列？核心帖先建立事实，熟人和客户补充具体信息，行业作者给出独立理解，更广的人群随后接上。每一波都带来新东西。

第五，团队怎样接住现场？发布当天需要有人回复问题、收集失败、整理演示、更新里程碑，也要把有价值的用户反应做成下一轮内容。

第六，注意力最终去了哪里？官网点击、注册、第一次成功使用、团队邀请、付费和留存要一路看下去。曝光是入口，业务结果才决定发布值不值得复用。

第七，第二天还有什么？能延续的发布会留下客户故事、新用法、产品反馈和一群愿意继续关注的人。一次高峰结束以后，这些东西才能进入后续增长。

Juan 那篇文章最值得带走的判断，是他没有把病毒传播归因于运气。运气仍然存在，团队也无法命令用户喜欢任何东西。可被看见的条件，可以提前设计。

AI 产品越来越容易被做出来以后，发布能力会变得更重要。相似功能可能在几周内出现，单纯领先一项功能的时间越来越短。一家公司能否把复杂变化讲成一句人话，能否在五秒内给出证据，能否让正确的人在同一个时间窗口里形成讨论，开始直接影响产品有没有机会进入市场。

这也意味着，发布正在从市场部门的一天，变成产品的一部分。团队在设计功能时就要考虑什么值得展示，在邀请测试用户时就要寻找谁能提供可信证据，在安排上线时就要准备怎样把注意力接到真实使用上。

爆款可以被点燃，信任只能慢慢累积。好的发布系统，会同时尊重这两种速度。

一次发布最终要把短暂注意力接到真实使用与长期信任

资料来源：

Juan Tena 对「到处都是」式发布的五层拆解，2026 年 9 月 3 日原文 https://x.com/0xfJuan/status/2095192939169234945

X 对 1X NEO 发布活动的商业案例原文 https://business.x.com/en/success-stories/how-1x-drove-virality-for-neo-launch-with-takeovers

1X 发布 NEO 的官方产品说明，2025 年 10 月 28 日原文 https://www.1x.tech/ja_jp/discover/neo-home-robot

a16z 对 Cluely 创始人的访谈，2025 年 6 月 25 日原文 https://a16z.com/podcast/building-cluely-the-viral-ai-startup-that-raised-15m-in-10-weeks/

Cluely 当前产品首页原文 https://cluely.com/

The Atlantic 对 Cluely 产品与发布广告的体验报道，2025 年 11 月 18 日原文 https://www.theatlantic.com/family/archive/2025/11/cluely-ai-cheat-everything/684913/

Anam 对 Cara-4 的官方说明，2026 年 7 月 14 日原文 https://anam.ai/blog/meet-our-most-expressive-model-yet-cara-4

Clickstrike 对 Anam Cara-4 发布的服务商复盘原文 https://clickstrike.com/case-studies/anam-ai-launch-video-x-amplification/

Lovable 对前两次失败发布与第三次调整的复盘原文 https://lovable.dev/blog/2025-01-28-lovables-two-failed-launches-and-what-we-got-wrong-about-plg

Product Hunt 官方发布指南原文 https://www.producthunt.com/launch

The Launch Video Company 对发布日时间安排的服务商复盘原文 https://www.launchvideo.com/blog/how-we-got-3-6m-views-9-000-demos-on-a-monday-morning-launch-x

X 对推荐信号的官方说明原文 https://blog.x.com/en_us/topics/product/2022/how-recommendations-help-discover-more-twitter

X 对 Topics 发现与垃圾互动过滤的说明原文 https://blog.x.com/en_us/topics/product/2020/topics-behind-the-tweets

消费品重复接触效应研究，Acta Psychologica，2013 年原文 https://www.sciencedirect.com/science/article/pii/S0001691813001753

广告图像的注意力与重复接触效应研究，Frontiers in Psychology，2018 年原文 https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2018.01635/full