墨旬科技
别人贴标签，我们算符号。
人格模拟系统 · 群体心理引擎——投钱前算清什么内容点燃谁、怎么传播，再产出更靠谱的内容。
Big Five 描述"人是什么样",我们解释"群体为何被点燃"
我们不从人格标签出发——而是把一群人挖到个人级的深度:整张网就是这群人,每个节点都是 符号绑定 + 欲望张力 + 关系位置 的活结构,会随事件动、会反转。不是几个静态刻度,是一群有深度的真实的人。
AIGC 的三道墙
AIGC ▸▸
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
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
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
自生母题
先算清该造什么，再把它造出来
以符号为入口，渗入群体：既算清该生产什么（卖判断），又产出更靠谱的内容（卖内容）——两样一起交付。
通用内容生成
静态 persona + 通用大模型，造更多内容，却不知道该造什么。
- 静态标签
- 记忆补丁
- 通用模型
- 产能至上
群体心理引擎
先算清楚群体被什么点燃、会怎么传播，再据此产出更靠谱的内容。
- 读群体欲望
- 算键合传播
- 出决策方案
- 再落内容
三引擎:从群体语料,到决策与内容
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
情感符号耦合
让情绪、符号、世界观彼此键合,形成故事核。
- 情绪计算
- 符号组合
- 故事母题
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
受众群体数据库
谁被什么点燃、会怎么传播——机会地图与风险预警。
内容产出引擎
据此产出更靠谱的角色、叙事、广告母题。
群体仿真压测
投放前先跑一遍,反馈回流校准,越跑越准。
不替你拍片，而是站在 需求与产能之间
群体想看什么
受众的深层动机与情感共鸣，分散、说不清、难以量化。
墨旬 · 内容工业中间件
别人预测会发生什么，墨旬生产让它发生的东西——受众机器解析群体共鸣，输出可被生产线接住的故事。
产线能拍什么
工作室、引擎、模型的成熟产能，缺的是一份接得住的输入。
城市与目的地
提炼城市母题与地域角色，把在地共鸣转成可落地的叙事资产。
剧本与分镜
给剧本、分镜与情感张力搭骨架，让创作从动机出发。
叙事与共鸣
解析品牌叙事与受众共鸣点，定位真正打动人的那条线。
世界观与角色
构建世界观、角色与剧情母题，支撑长线内容的情感地基。
内容资产生产
面向受众批量生产内容资产，覆盖教育与消费场景。
竞争格局 Competitive Edge
别人做更多内容，我们先算该产什么
同行把模型当放大器，往里灌通用 persona、贴静态标签、产出更多素材。墨旬把顺序倒过来：先用受众群体数据库算出该产什么，再用内容产出引擎把它产得更准。判断在前，内容在后。
同样一句话，我们既卖判断（该产什么），也卖内容（产得更准）——两样都卖。
读懂一个群体被什么点燃,就能自动写出点燃它的故事
自动化故事,不是把 AI 当写手凑字数。引擎先算准什么能点燃一个群体的集体情感,再把这股情感定向激活成母题、角色与剧情线——一部能爆的剧,本身就是群体情感被精确激活的产物。所以我们不赌一个 IP 会不会火,而是用一套移情系统算它:什么时候点燃群体情绪、什么时候和一个角色耦合上。
同一套引擎:对企业是预测什么会点燃人——替代调研与焦点小组(全球洞察产业 $150B+ · ESOMAR 2024);对故事是把它激活出来。预测和生产,只是一件事的两端。
符号培养皿
群体幻想分析 + 群体心理分析
把语料转成群体情绪、冲突和文化母题。
情绪计算 + 向量键合
符号向量化，在库中成键、漂移、重组。
内容生成规则 + 逻辑
输出角色、剧情、分镜和设计方向。
把受众情感，转化为跨场景传播资产
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。
情感符号键合层
把符号、角色、群体幻想绑成一个能生成故事的单元。
跨场景资产输出层
经内容生成规则稳定后，输出故事母题、角色轨迹和视频样片。
AI 长剧：一个母体，长出多条剧
世界观资料库
数亿字编年史、地点规则与事件链进入检索库，成为场景生成底座。
场景约束计算
按需召回世界片段，叠加语境、情绪和叙事约束，生成可拍的场景空间。
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。
院线动画：把角色做深
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。
不是 PPT 上的承诺,是已经在跑的管线
非遗符号建模与数字化落地。
用群体情感给角色与世界观定调。
一个母体长出多条剧的叙事母题。
中国文化符号的国际化转译。
品牌叙事与受众共鸣点解析。
以上为在执行 / 在谈 / 框架待签,金额随进度更新、不虚标——管线 ≠ 回款。具体单子金额可按签约进度补上。
群体心理五层
别人给人贴标签，我们把创伤、心魔、谎言、偏执、信仰这五层，建成可推断的预测—误差—精度模型——挖到标签够不着的深处。创伤强度种子
被夺走、被羞辱、匮乏。一道没愈合的伤口，疼在最底、说不出口，却不断向外发烫。
心魔用你自己的声音
它去疆域化、谁也拦不住，用你自己的声音，把那道创伤翻成一句你深信不疑的话。
谎言 · 防御命令词
一道命令词，重述现实、过滤掉每个对自己不利的判断，把创伤压成能承受的样子。
偏执求而不得 · 扭曲于性格
价未满的执念：求而不得，把注意力焊死在一处，一点点把性格扭曲成形。
信仰长期母题 · 定力
高稳定相：一个长期的母题——一套房、一条命、一个使命，把前四层焊成不容质疑的定力。
现实里我们不挣扎——把那道伤压下去，努力活着；于是把这场没打完的挣扎，
拆到原子级:一群人的高压符号回路
八个侧链簇挂在金色主链上彼此交联;容器键(焦虑税 → 退出权 → AI 学习机)是唯一稀缺的松动出口;反符号("孩子不是项目")能让整条链相变。这一整张,就是引擎读出的鸡娃高压符号回路。
先把一群人,采集成一张活的符号网
拆开一颗,每颗符号都有化合价
点云里每一颗,都是可计算的符号原子:7 维信号(Sig)+ 41 维心理(PsychKB)+ 28 维语境 = 76 维,外加几个还没填满的开放键位(化合价)。
| 符号词 | Sig I / M / V | 主要激活 · 开放键位 | FTA 风险 |
|---|---|---|---|
| 不输在起跑线 | .91 / .88 / 8 | 地位、安全、时间恐慌 | 不早启就是失职 |
| 清北 | .93 / .97 / 9 | 神圣价值、地位、安全 | 非清北路径被贬值 |
| 中考分流 | .95 / .94 / 9 | 恐惧、制度焦虑 | 灾难化风险 |
| 普娃 | .77 / .82 / 6 | 羞耻、地位、自我贬低 | 儿童能力面子受损 |
| 父母不能缺席 | .91 / .89 / 8 | 罪责、照料、角色面子 | 强亲职面子威胁 |
| 双减 | .74 / .90 / 8 | 不信任、公平、政策焦虑 | 被再编码为地下竞争 |
| AI诊断 | .81 / .88 / 7 | 数据信仰、控制欲 | 量化替代判断 |
| 孩子不是项目 | .84 / .92 / 7 | 伦理愤怒、自主 | 对鸡娃主链形成相变 |
最后一行(反符号)是引擎找到的安全出口:同一片符号场里,"孩子不是项目"能对"鸡娃主链"形成相变,让高压情绪软着陆。已编码 24 颗鸡娃核心原子。
同一道创伤,长出三层防御
创伤("怕孩子掉队")在上一案例页。引擎接着拆出它怎么自我合法化——把伤口重述成谎言、读成偏执,最后升华成信仰。
- "只要努力就有回报"遮蔽资源、天赋、制度
- "错过就补不回来"取消等待与退出的合法性
- "都是为了你好"以爱合法化控制
- "普娃只能靠鸡"把普通污名化
- "内部消息、老师不明说"控制 · 确定性 → 买咨询
- "有钱人早就一对一了"公平 · 报复 → 抵制或低价替代
- "双减只是明面上减"安全 · 控制 → 隐形补课
- "他说累是想偷懒"控制 · 防御 → 增加监督
- "一考,定一生"考试,是普通孩子唯一的公平
- "挤进名校才算安全"名校,是未来安稳与被看见的圣地
- "够努力,才配得上"努力,是一场洗清平庸的净身礼
- "错过,就再也回不来"时间窗口不可逆:起跑线 / 黄金期
家长不缺事实——他们在用这三层防御代谢"怕孩子掉队"的创伤。引擎能定位是哪一层在发力,才给得出不羞辱、可核验、可退出的台阶,而不是火上浇油。
不读情绪标签,读可干预的目标态
深层群体心理学引擎 = 识别情感目标态 · 预测激活路径 · 评估叙事风险 · 设计可审计干预。不是 焦虑 / 愤怒 / 希望 / 羞耻 这种标签,而是带内心独白 + 高风险/安全出口的结构。下面用一句话走一遍引擎怎么做。
换个群体,骨架照样拆得出来
群体风险压测,不是个体操控。换成另一个高唤醒群体,引擎照样拆出五层——创伤窄、信仰窄,中间最繁茂;价值神圣化 V 最高,最难松动。
越往右越神圣、越难用事实撼动。能降温的只有最稀缺的容器键——给一个不羞辱、可退出的台阶。这套读法,对任何高压群体通用。
不是两套系统,是同一套引擎跑两次
MAGA 与鸡娃看似毫不相干,却共用同一套本体(76 维 + LASA 5 壳 + 键合 / SCT / FTA + λ 模型),只换符号库与先验数值。
先"掉队",才"父母不能缺席"
先"被迫害",才"神选救国"
骨架不变,只换符号库与先验数值。同一套引擎,既出诊断(卖判断),也出内容(卖内容)。
修复优先，不针对个体
姿态是他们在说，我们在听：洞察只到群体级内容方案，素材来自公开自陈语料，输出端把善意写进产品条款。
修复优先
对高压强群体，输出端优先修复型叙事——救赎与能动，而非消费苦难。
挣扎叙事的伦理口径不针对个体
洞察只产出群体级内容方案，放弃在用户最脆弱时刻触达，明确写进产品负向条款。
写进负向条款素材透明 · 群体在场
素材来自公开自陈语料，群体聚合呈现，让被研究者始终在场而非被替代发声。
公开语料 · 群体聚合保护法 只用公开语料
群体聚合 n≥50
管理规定 定位创作侧
非分发侧
管理规定 生成内容
显著标识
暂行办法 数据
可溯源
标识办法 显隐双标识
入产品
把情感引擎跑成商业底座
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
算法校准
校准向量键合、内容生成与情绪计算，让结果更准。
- 符号计算
- 情绪键合
- 叙事生成
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
把底座做厚，把算法跑准
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
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
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
把算法跑准
一页看懂:墨旬是什么、凭什么
读懂一群人被什么符号点燃——既预测(卖判断),又生产(卖内容)。
受众群体数据库 + 全自动内容产线,两样都卖。
品牌 / 影视 / 文旅 / 公关的规模化需求。
两个能立刻验证、又最有优势的切口。
三合一闭环;别人停在通用 persona / 个体合成受访者。
可解释、可回溯到群体欲望,不是黑箱——Aaru 连大选都预测反了,我们卡更深的群体心理层。
最接近 Artificial Societies(企业传播社会风洞)、核心 Quilt.AI、最强威胁 Aaru——我们靠符号键合 + 叙事变异 + 群体级情动涌现 + 全自动产线区分。
别人造更多内容，我们算清该造什么，再造得更准。
人格模拟系统，内核是群体心理引擎——投钱之前，帮企业算清：什么符号点燃谁、内容会怎么传播，再产出更靠谱的内容。