AI 创业真相：你看到的魔法，背后全是“抢跑”和“博弈”

00:02AI是人类历史上最激动人心的技术革命，也是我们这一代人最大的挑战与机遇。我们这些从业者就是一群充满好奇的炼金术士，想通过不断的猜想、实验，搞出黄金或者放个烟花。不论结果如何，过程应该都会很好玩。

00:19我是任鑫，创业过两次。卖过两家公司。2011年我创业，金叶酒店特价卖给了京东，在京东内部做了京东到家。2015年我再次创业，做了对话式人工智能公司Get。这一轮AI浪潮里，我加入了美元基金云九资本，积极投资和孵化AI产品。

云九资本

00:38我是徐文浩，曾经做过国内最早的机器学习广告系统，每天处理百亿的广告流量，最终呢公司被收购。2016年呢，我创办过一个AI聊天机器人的公司BotUp。这轮的AI浪潮里啊，我再次创业，来做AI for Shopping，担任首席技术官。

00:56我和任鑫呢是大学同学，现在都在搞AI，都算是一线实战的AI炼金术士。在这档播客中啊，我们会定期交流彼此最新的实践和观点，也会邀请我们欣赏、有动力的朋友们啊，一起来分享碰撞。希望通过这些深入的对话与交流，能帮助我们所有人点燃炼金的炉火。

01:19欢迎大家来到AI炼金术，然后今天就是拖着徐老师。最近有什么好玩的？你最近在干嘛？我

01:25最近在在看广告投放的数据。

01:27OK。那有没有没有什么经验可以分享一下？

01:30目前还没有什么经验吧。你你知道我原来也自己做广告平台的嘛，其实我然后我自己之前创业也做过电商嘛。AI这个产品跟之前的电商或者自己做广告平台还不太一样。呃。因为实际上我过去没有自己动手操作过广告投放。

01:45你的操作是你直接操作，还是你你们也找了找了很多agency在帮你？其

01:51实之前更多的是依赖agency，现在更多的是agency在操作，但但我自己在分析数据嘛。对对。以前可能可能是更多的是看宏观的数据，现在可能会看看更多细致的数据。我我觉得有一个体会啊，就是这个跟之之之前管R&D以后其实有个比较大的差别，就是管研发的时候你自己是个expert，

02:11就你自己是个专家，对吧？然后呢，你觉得诶我这个，然后AI这个能力你用，你觉得判断它行不行？然后开始看广告投放呢，你发现，哎呀，你很想说，哎，我们要不要用AI？但是你立刻得回答一个问题，就是那我到底该干什么呢？因为他讲的其实都很有道理，或者说，但是比方说你今天让我写个应用，我可以web coding，

02:31对吧？我可以找一个工具来，对，我写了它操作，我就很难快的验证。但今天让我投广告，假设有一个AI产品啊，此时此刻我们还没有用。对，我说我web，我我也web coding，我说，哎，你看一下我的广告账户，我说你给我一些操作建议，

02:44不然它其实我不太敢点确认那个键。

02:47OK。如果他也是小规模帮你测呢，这样子说，哎。我有三个假设，然后我帮你按照第三个假设测一下。如果是你，因为你说的是看数据嘛，那是量化的一个marketing嘛，相对应该好

02:59做。所以我现在在干一件事情的，我都还不是说搞AI。我现在是把所有的广告平台的官方文档跟教程自己人肉从头到尾读一遍。就是我觉得这是一个蛮有意思的角色上的转变。做一个你非常擅长、你过去已经有非常多经验的事情，我的选择是说其实我不需要，对吧？

03:19就是我立刻就可以动手，我也不需要去读什么课，我也不需要去读什么tutorial，我甚至不会去读。比如即使我去用一门我没有用过的program，呃，编程语言，对吧？我的第一个反应也是，我直接，我觉得我可以立刻上手。就是就站这个身份是做以平台的身份来做啊，就是不是以那个甲方的，就是做投放用户的身份来做这个事情，

03:43对吧？所以你会发现说，而且那那也是好几年前了嘛，而且那个自己做平台跟今天平台能够提供的能力也会有差异。你就面临那个，我我相信这个就跟很多今天没有任何技术的背景的人来做web coding，他会面临的问题其实是类似的。我他到底有什么能力呢？

04:01我能不能把这个能力发挥出来呢？董老师。我到底该不该花时间去读那个，呃，去去学一下编程，还是说没关系，我不需要学编程。但目前在做广告投放的过程中呢，我的感觉是，我不确定我干的这个事情算不算在学广告投放。但是我的感觉是你还是得去做一下pretrain。

04:21你得把广告平台用过的所有知识自己人肉先看一遍，而不是立刻说我在操起这个工具来就立刻就去，

04:29就去操作了。其实要学的不是这层的东西啊，就有点像，假设是你的另外一个联创，就是那位不会写代码的联创，他现在想要来做web coding，应该他先要学的东西不是代码，而是说他理解一下技术架构，然后技术栈，然后他先从宏观开始理解起。

04:51你的话为什么会去看比如说广告投放系统，你不是应该看比如说STP啊、定位啊，然后或者说美国市场的，比如说三板斧到底比如说有有哪几种套路性的打法，你不是应该先从，或者什么customer journey啊，应该先看这种东西。

05:08我觉得这有几个差别嘛。我觉得第一个是说，不是说我去管，我在看marketing，我只是在看广告投放。这个我解释一下，我只是在看广告投放的数据而已，我只是在看，呃，或者这样讲，我干的这个事儿本质上是一个优化效率的事儿，而不是一个strategy的事儿。

05:26第二个呢，我觉得其实我对于这个说只看strategy这个事情，其实我自己是不太buy in的。就是说，哎，我们第一个strategy，我们recruit一些人，这个事情就能做成。这个事情我其实是从我历史的工作的经验，我其实是不太相信这件事儿的。

05:43换句话说呢，我觉得说，呃，中国古话叫什么，叫宰相必起于州部。猛将必发于卒伍。你想把这个事儿干好，你说我自己没操作过啊，我有一个很gaming strategy，这个事情我觉得大概率就是你失败的概率是远远高于成功的概率。

06:01那些，就是不不会有不会写代码的架构师，是吧？

06:04呃，对。不会有不会写代码的架构师，不会有说，哎呀，我数学公式看不懂，但是我是很好的一个researcher，这个我觉得是不现实的嘛。就是你当然可以说你做过很长一段时间，但你现在可能hands on写code的时间很短，这个没问题。

06:19但是我甚至我比较极端的认为，就是说你不太写code的，比如说你两三年不写code的，你不花一点时间去自己写一点，读一点code，我觉得也很难把这事儿做好。对吧？就是因因为你很难做正确的判断嘛，就是这个事儿我到底需要多少人，需要多少时间。

06:39别人告诉你说这个事情它容易或者简单，这个是到底是真的还是假

06:43的？现在基本上很多的AI应用都要做营销嘛，营销里面，但是大部分现在其实是上来先批PR，然后做比如说KOL，这一块就不在你的那个考虑范围。你你考虑的既然是量化的话，那就是广告，那还是可以看数字的。其实这一块也也我相信很多在听的同学也会好奇，就是有有哪些还真的可以看数字的，还可以优化的，是Facebook广告吗？

07:09还是你们要去投投什么广告平台，然后去买买SEO，买SEM的还是干嘛？

07:15我觉得这个都会做嘛，其实这两个东西我觉得都挺有意思。第一个是，呃，PR跟投广告这两个事情不是矛盾的。但是呢，我觉得这个时代产品硬投广告肯定不是个好的逻辑。应该这样讲，就是因为我觉得很多今天大家做那个AI产品，大家抱的还是那个那个互联网爆发式增长的那个目标。

07:35就大家抱的那个目标不是我做一个产品，说我投一些广告，我的ROI是一比二，对不对？然后我有个20%的毛利，我一年有个两百，呃，有个一千万美金的收入，有个一百万美金的利润。如果是抱着这个目标，我觉得硬投广告完全可以，你不需要做任何PR。

07:52但是呢今天大家都想想的那个是说，哎呀。我的估值要十亿美金、一百亿美金、一千亿美金，我今天所有量化指标都是虚的，甚至我这个数据都是冲出来的，对吧？也没关系，只要别人看中我的，想要收购我，对吧？或者我搞搞点大新闻，我要收购别人。

08:07比如Perplexity，它就PR做得很好。我相信它也投广告，我没有去看过他们的数据，但是，对吧？它动不动，呃，在Twitter上创始人说，哎哟。TikTok要被关了，我来说过TikTok吧，对吧？这个这个话你就知道是扯，TikTok肯定不会卖给他。

08:21但是呢，他反正就吸引一些流量。前一阵呢，他在疯狂发这个免费的code。因为我创业这个也经历过很多失败，有很多失败经历，也看到周围有很多公司，呃，阶段性融资很成功，但是这个数据也是撒出来的哈。就是我觉得他比方说过去一段时间在冲那个数字，目标应该就是，哎，人家不说苹果也想考虑收购Perplexity嘛。

08:44那这个时候，那肯定不是按利润来收购，对不对？你肯定现在Perplexity是没有利润的，那我肯定想什么DAU啊，或者订阅用户数，对不对？那我不得把这个数据往上刷一刷，那多刷一百万用户，我可能就多挣十亿美金，对吧？这个不是事实啊，这是我用阴暗的心理揣测一下，对吧？

09:00就是，但是呢，我我的假设还是说大家除了做PR还是得投广告的嘛。因为你PR它是个阶段性的吧，这个密集性的新闻发出去，大家很好奇，过两礼拜就忘了嘛。你最后还是得量化的去投广告。那投广告你还是得量化的来看这个东西啊，不管是投什么Meta、TikTok，对吧？

09:17Google的广告，投Apple的Apple Store的search什么你都得投嘛。这个我觉得你其实是回避不了的。而且这个可能是一个既比较数据化，又跟产品可以比较紧密的结合嘛。就它其实是一个微观优化的工作，它不是个宏观优化或者战略优化的工作。

09:33对，

09:33一讲到PR这边的话，就是，嗯，如果是要比如说热闹，我跟那个朱鹤聊了一下嘛，他的观点就是现在你要不然就是go viral，要不然你就go home。不能病毒式传播的话就拜拜。然后越来越多的团队就觉得说，嗯，现在基本上靠广告都会亏得挺惨的，尤其是融了资的。

朱鹤

09:53就不融资的那些靠靠广告，就是他们是能够上品的，否则他们不会投嘛。但融资的投广告的那个成本，现在，呃，甚至包括投KOL都是都是血亏。那都是血亏的情况下，只有一种情况可以赚，就是这件事情它是，就是可以引发很多的自来水。那自来水的引引引发的前提条件就是，它不能是一个公司发布了一个产品，也不能是产品介绍，

10:20也不能是融资新闻，而是必须要让大家看到了一个魔法，大语言模型或者说某种模型的能力，就是内力已经到一个地步了。然后有人基于这种内力发明出了一个招式，这个招式比如说就看起来像魔法一样。就是类似于我们在那个DeepSeek R1第一次看到那个推理链，类似于Manus那时刚出来的时候，

10:41看到一个鼠标在那边点来点去的。反正你必须要看到魔法，就是一旦不是魔法，只是一个产品，那很有可能那个传播链就是一级传播就断。一级传播就断的话，现在算下来好像账都是亏的。

10:55人家Manus它非常火，对不对？呃，我。其实很好奇，那但是他他的那个PR到现在已经过去了一段时间了嘛，就是他营销过去的第一个月过去，他第二第三个月开始，那他实际的比如说广告投放也好，营销费用也好，跟他的收入以及他的呃成本。

11:14对，

11:14跟收入比肯定是惨的了，但是跟它的势能来比的话，目前认为它还是成功的。

11:22市场短期是投投票机嘛，长长期还是春种器嘛。势能的好处是能帮助你解决一些问题，比方说融资的问题，合作的问题。然后我今天有势能，所以我我能够融到下一轮资，对吧？对。不

11:36仅仅，就是你可以把它当做，比如说Manus好了，其实比如说你后来用Jasper或者Fellou，其实差距没有那么大。但是因为差距没有那么大的话呢，后面来出来的就拿不到它那个印象，所以它的那个品牌的那个印象还是在那里的。它品牌印象在那里。

11:55你可以把它当消费品，

11:56合理的逻辑啊，占一个身位嘛。就是说在这个品类上，你因为你第一个推出，可能此时此刻你的很快可能别人技术比你好，或者别人怎么样，过了一个月他呃发布了，但是因为你这个身位在那里，其实你还是占很多便宜的嘛。

12:12品牌也是个价值。

12:13这个我非常同意。

12:15所以我觉得不光是为了融钱啦，就是还是有点用的，只是这个用到底能撑多长时间，尤其是当它被，比如说被，假设我现在做一个，哪怕做得跟Manus一样好。我的营销成本真的就打不上去，除非我又有一个魔法，就是显著比Manus好。如果不是显著比它好十倍的话，其实就挺麻烦的。

12:35但是呢，Manus的问题，他们的问题就是他们是通用的，通用的。其实巨头它是天然有分发的那个能力的，比如说Google升级了，Google或者OpenAI出了一个显著比它好的，这个时候就不需要品牌，直接盖。

12:49这这个我我刚刚想就想问这个问题啊，其实Manus也好，Perplexity也好，今天它的它的挑战是说，它很有可能只有短期被收购的价值，时间拉得越长，越通用的产品可能就就没有机会了嘛，对吧？就比方说Perplexity，如果按它今天的这个用户量，按道理来讲，它没有必要被收购。

13:11但雅虎当年要十亿美金收购Facebook，最后没有谈拢。为什么？某种程度上讲，那是因为Facebook的那个体量一定要被收购吗？不一定，对吧？Facebook的用户其实也已经非常多了，收入也已经非常高了。

13:25他按道理来讲，他也不一定要被收购，对吧？但是为什么其实那么早就会被曝出来被AI收购？因为，呃，今天不管是ChatGPT也好，还是Claude也好，还是Gemini也好，还是Google的这个AI Model也好，其实又比你大十倍。

13:40就是你有搜索，但是今天ChatGPT默认自带搜索了，自带的这个Search功能。至少我今天我用，呃，我是个ChatGPT订阅用户嘛，我用O3。我用那些搜索啊，用这个DeepSearch啊，我肯定就不用Perplexity了，我就不用Perplexity。

13:55尽管我其实是有Perplexity的Pro的版本的，之前还是买了那个Linux Newsletter拿的这个免费的code。占身位这个事情固然没有错，但是这个身位到底是个什么身位，本身也比较重要。

14:08可能这件事情就是两难嘛，我上周就泡在深圳工厂里面，这种东西呢就是听起来真的是太不sexy了，就就市场天花板看起来巨小的那个项目。但但是它就是短期内绝对没有任何任何牛逼团队会去做的事情，然后就就可以就可以晚一点。但是呢你如果做比如说Perplexity，呃。

14:30你去看看Bing，好像在整个搜索市场份额里面只有小几个点吧。然后它它一年也有大几十亿美金的收入，就是这件事情虽然你看着巨不靠谱，比如说千分之一成功率好了。那那你乘上那么大一个蛋糕，乘上千分之一也是好大一笔钱。就这家公司也是超值钱的。

14:49虽然我们可以评价说它的成功率巨低，但是它那块饼确实它相对英伟达大了那么多倍，所以好像最后算下来其实都差不多。就是你把成功率乘以那个最后那个饼的大小，其实世界就很公平了。

15:03我我觉得还不太一样啊，就比方说我们回到搜索这个，Bing是因为有微软在背后烧钱支持了Bing很多年。然后但如果我抛开Google啊、Bing啊这些巨头的搜索，那其实市场上也是有搜索引擎的，比如像DuckDuckGo，比如说去年有一个产品很火叫Kagi，K-A-G-I，他们都有一些说，但是这些的实际的市场又要再小非常多。

15:27就是我觉得那些才更像一个创业公司能做的，能占据的搜索市场的体量，它最终还是占了一个细分的人群，它不是占了一个市场的一个百分比。

15:38嗯，那是因为他们没做起来嘛，然后大家现在battle的其实就是市场在巨变。那鬼知道Google犯不犯什么错误，到时候如果又出现一个分叉点的话，你你在这个牌桌上，比如说你花五亿美金好了，然后买了一张牌，可以，它这张牌其实现在看是必输，但是这张牌可能可以在比如说一年之后技术有一个巨变的时候，

16:01你可以看下一张牌。如果你到时候没有没有这张牌就没有，但是那个筹码堆在那里实在是太大了，所以你要不要要不要买一个看牌权，呃。一年前大家中国的大语言模型大家要不要投？你不投的话，你你没你你连看牌都没有吧，对吧？

16:17你要不要看一张？那你们那边投放的话，现在有什么可以那个那个，刚刚我们在讲PR什么KOL的这种虚这种虚的嘛，那实实在在的投放的话，现在有什么心得体会吗？

16:29呃。这个其实倒还没有太多，而且太细的可能真的有，太细的到时候也没法讲。但但我自己更多的我觉得还是说换到那个方法论的那个体会，就是你当你从另外一个角色，不是我是一个我在这个领域已经是一个你觉得你是专家了，可能已经觉得自己是，呃，咱大言不惭一点讲，对吧？

16:48在那个program里，我觉得我可能是前百分之一或者千分之一，对吧？我觉得哎，我我觉得哎呀很有用，能帮助我他的。但是如果你要去学一个看一个新的领域，我我发现就是你还得老老实实从Pertrain做起。你得从啊读基本的document，把所有的操作都熟悉一遍，看它到底能干什么。

17:07然后，这个当中AI我觉得也很有帮助，它主要的帮助是什么，是提升学习效率。就是你看完之后，你读完呃一篇文档或者读完tutorial读一半，对吧？你可能内心有很多疑问，那传统的学习方式是你得从头到尾都读一遍，读完了之后，然后可能你往往是说，

17:25哎，我得去找一个专家或者找一个什么培训班去学习一下，对吧？因为光看文档其实看不明白，但今天你的确不太需要了。你基本上，我觉得从入门到中等水平掌握，你是可以靠自己跟AI了。但是专家，最终你还是得找一个专家去问他很多问题，让他给你很多答案。

17:45因为我周围也有一些朋友做投广告投放投得非常好嘛，得来的一个结论是什么呢？就是说，专家最有用的价值是什么？是他跟你说是这样，你就相信了。最重要的并不是说他能不能给你一些你完全没有想到的idea，而是你觉得这有一二三四五，你跟他说这样对不对，

18:04这样对不对，那样对不对，他说对啊，我就信了。他说不对啊，那我就放弃。但是问AI呢，有时候我，今天的我，我还不敢说AI说的我就一定相信。

18:14我这两天有跟你非常深刻的一模一样的感受，是因为我也我也在处理一堆一个很复杂的问题，然后的话呢，GPT就会给我很多非常伪光正的建议，然后因为它也align了嘛，对吧？他只能给个光，只能给个光正的建议，但是贵司有某人他经历过很多次这种类似的事情，然后我就去详详细细地问了一下，

18:38然后他的亲身经历是怎么样子的，然后哦，原来是这样的，然后我就信了他这个版本。就这样了啊，就这样处理了。就不不不不管了。GPT会给你分析16个方面，然后全是伪光正的，然后你根本就没法下手。所以真人还是很有必要的。

18:53最后其实也就是，嗯，对，就是还是第一还是有很多水面下的信息。第二个呢就是你也得选个人信。方方面面，各个角度都有道理，你最后还是得选一个信任。最后败的还是信任。

19:06包括我们自己做产品，就是就是我们做一些这种偏时尚类的产品，我觉得发现也是那个问题。一样的，就是呃你可以说GPT告诉你很多答案，然后呢我们算就做了很多自动化的评测，我们做了。但是呢，比如我们自己的算法人看，就算法的同事去看这个评测，他觉得不对，觉得GPT太苛刻了。

19:27我这个其实结果挺好的。我说，那你你说服不了我，对吧？你也不是这个领域的专家，我说这样，我们还是找一些美国的这个领域的专家帮我人工去标了一下，看他跟GPT的一致性到底是怎么样的。然后我发现还蛮有意思的，第一个呢，你会发现GPT还是靠谱的，他跟专家的一致性大概能能够达到80%。

19:48但是的确呢，你也会发现，呃，这个还有20%是就是不太一致的，这这当中有主观的部分，也有GPT有时候他还是很扯，有他是个多领域专家。对吧？他多了一个专家呢，有时候就会呃在一些犄角旮旯的地方吹毛求疵，提出一些奇怪的问题。我们比方说说，我们说，哎，这个时候搭配一个黑帽子比较好看，对吧？

20:12他就出了一个黑帽子，但他黑帽子可能那个帽子前面有一个黄颜色的，比如花纹，GPT会说这个帽子不够黑。哦，他

20:20觉得黑帽子就应该纯黑，是吧？

20:22嗯，对。所以我我我觉得还是蛮蛮有意思，就是你会发现说，尽管今天模型已经非常强大了，但是呢，你这个专家还是逃不掉，对吧？但如果你真的能做一个专家的话，你你我觉得你还是就是就还是有工作的。而且呢，我我现在越来越觉得，如果你真的是一个专家的话，GPT应该就没办法真正的彻底替代你。

20:44就这一轮的AI，对吧？我我觉得一个是信任关系。第二个我觉得发现一个蛮有意思的现象是什么呢？真的有很多knowledge其实

20:55从来没有在互联网上出现过。就像你说的，你去咨询一些，哎，非伟光正的建议，这个事情其实互联网上就很少。如何如何坑别人的钱，对吧？肯定不会有人去写这个东西。打个比方，那这个可能过于夸张了，但是也不会有人写说如何被有可能别人要坑我钱，我做哪些防范工作不会被坑。

21:15其实你也找不到这样的信息。这个就是说明有很多knowledge就是还是非纸面化的吧。第二个呢，我觉得还是说一旦到了一个领域的最头部，你你的本身的很多细微上的评判，就是第一个你现在人也没有办法完全表达清楚。第二个是就是很多时候因为大语言模型最终还是说我不管给你的图还是给你写了很多的文本，你想把这个事情描述得非常清楚，

21:41其实本身又很难。因为你没有办法真正把所有的context都提供给模型，对吧？就像，就像任老师你要去提供这个东西，你也不可能说，哎呀，从你从上小学到今天的简历都填在里面。你填个五千字已经了不起了，对吧？你没办法说，哎呀...我原来经历过这些事情，所以我我的偏好是怎么样的。

22:01那那GPT的确只能给你一个比较光明正大哈，看起来没错的这个答案，对吧？但是很多时候我们想要的又不是这个东西。

22:08所以AI最先取代的其实就是就是你当一份工作，如果它里面大量的东西是基于呃所谓品味直觉，或者你要读空气，或者说你要有一些隐性经验，甚至你要喝茅台，反正就各种各样这种事情的话，它相对来讲它的未来的价值还是存在。但是如果它是基于一个明确的document，它的输入假设说是越明确的document，它的输出也是越明确的document，

22:38这个工作就就越容易被取代。或者说它的工作的同质性越高，因为同质性越高的话它在互联网上的文本应该理论上来讲方法论就越多嘛，就这这一类人做的都是这么一模一样的事情，可以相互替换的话，那这样看起来很多工作还是会被剩下的，那比之前想的还是稍微乐观一点。

22:58那另外再再问你一下，你知道大规模的在公司里面在，就是很多很多的你们的那个内部的能力和资源都已经MCP化，然后在上面有agent的调过来调过去。

23:10我正在推行干这个事儿，呃。已经的只是很小一部分，我我其实没有具体记过数啊，就是但是我觉得，就是我们定目标，就如果定目标的话，我们会看就是比如我们有多少把他们这多少的code是MCP写的，比方说我们会去定目标说，哪些环节我们判断不应该再加人了，

23:28即使这个任务可能非常繁重，包括我们会做一些现在更多其实在做一些激进的工作嘛，你确保你的确能给AI提供足够的context，就提供足够的上下文。

23:38那你们现在进展的感受有什么感性的体会吗？

23:41就是无论是内部推动还是工作量其实并不容易啊，就是你很容易说，哎呀。就说我们，我下，我们下周希望要做发一个新的版本。晚上想想千条路，早上起来走老路，对吧？Human Sounds]有点儿有点儿有点儿怕累。我觉得这个其实挺难的，是难在哪了？

23:58这个就是为什么我觉得回到那个我们刚才讲广告投放说要看，要自己去看tutoria啊，看这些东西的，我觉得都是一样的嘛。就是说，因为一旦你变成一个自上而下的管理推动的逻辑，很多事就会变成一个，哎呀，那不行。因为我背着KPI对不对？

24:16我背着KPI就意味着说，哎呀...我下周有个版本要交付，那我能不能先交付这个版本再做另外一件事情？或者说，哎呀，你给我下了这个KPI，那我先把这个数量给冲上，但实际上质量有没有冲上其实不一定，对吧？对不对？这这个我觉得其实在在任何一个公司都很容易发生啊，除非你是非常早期的创业公司，就比如你我真的只有十个人，

24:41对吧？那这信息，你到你到三四十个人，其实你内部其实已经会分团队了。但你你到三四十个人，你内部已经不可能说这三十个人是完全的点对点交互了。你就会面临说，呃，大家又有自己要要交付的任务，对吧？又有这个习惯跟文化上的变化嘛，对吧？

25:01我觉得我们已经是属于容易变化的，因为所有愿意加入我们的人都是相信AI的。第二个，已经其实他不是说今天之前从来不用AI写code，他其实已经用Cursor写了很长一段时间了。但其实你今天让他习惯发生变化，也也没有那么容易。

25:19甚至有些人是非常拥抱AI的，他哎，他觉得我说的也对，他在尝试这个习惯发生改变，也很痛苦。这个是我发现的一个新的问题啊。就是我们之前有一个假设说，本来呢我一个人一天让AI陪着，我只能解决两个问题。那我把这五个问题描述清楚，我但是呢我不用陪AI。

25:40我可以单独描述五个问题还是六个问题，那AI今天就能解五个甚至十个问题。但是你会发现啊，其实陪着agent写两个工作的工作强度其实不高的。但是呢，自己想六个问题，把这个东西想想清楚，把它描述清楚的话，其实工作强度很大。对，花的时间可能都是一天，但是你会发现后者的工作强度其实非常大。

26:02就是它其实是个高强度的脑劳动。你把一个事情想清楚然后描述清楚，你可能描述三件事情，你已经五件事情，你已经今天累得不行。但你陪着AI写两个问题呢，其实今天干完了，哎呀。我干了挺多活，其实挺轻松的。

26:18我现在大量都是这种事情，我会开开两三个那个O3 Pro，因为他们太慢了嘛，开两三个tab在同时，两三件事情事情一起做。但是这样子确实就一一两个小时下来就觉得好累。而且最后都是卡在我这里，最后我都不不不是嫌弃他不够能干，而是我已经读不下去。

26:38而且像你上次讲的那个比如说你会尝试让AI安排日程啊什么的，像这种就是属于在我们比如说播客里面讲讲就觉得哎好像很fancy，然后我事后也试，就也也好难的好难的。

26:51可难了。我觉得难，这些难都不是技术问题。我觉得我自己的观察，有有非常多都是习惯问题。这个习惯问题其实跟这个技术都没有关系嘛。就是原来安排日程也没有那么麻烦，安排日程往往麻烦在哪里？

27:04往往麻烦在不是所有人都用同一套pattern来work。就是我发给你邀请，你一定会确认或者拒绝。或者甚至你填一个maybe也行。有有很多日程邀请方式，其实大家是不响应的。那这个日程你AI怎么安排的？

27:17AI说我给你约个会，然后你既不说yes也不说no，也不说我我知道了。不，你也不说我知道了，就我有空我尽量参加。所以这这个难在难在这里。而且难难难在哪里呢？不难在一线员工，一线员工你说，哎，你为什么不回答？

27:33你催他一两次。难难在领导，对吧？难在说你问他，他不回

27:37你。那要做一个agent，专门负责催。所以那个，那你们现在有没有什么小的最佳实践啊，就是哪个小流程让MCP跑通了的，然后可以说的部分？

27:49我们现在主要还是在写写，我主要还是在写代码。直接在GitHub issue里让Claude Code，就xCloud Code，然后Claude Code帮我们写代码。我觉得是我们跑通了，然后再努力推动的。遇到的挑战就是说，呃，看似这个一个人能多干很多事，但实际面临的挑战是你会发现其实优秀的工程师的确他能干很多事，

28:09但他的工作强度其实变大了。就是同样时间段的工作强度变大。

28:14但是这不是从老板的角度，对吧？也是压榨的一种，对吧？我又没有让你加班时间，然后对，但实际上让他的脑力产出变多了嘛，好像也不是坏事。

28:26对，嗯。我觉得一半儿，其实这个其实我我还要观察，我觉得我们要观察一段时间，因为有可能是它的产出能变多，但可能没法变多那么多。但是好处也许是它不用加班了。所以我我觉得很有一种可能性是什么呢？

28:39比如说我们去打踢足球，对不对？比如说一场足球比赛九十分钟，只能九十分钟了。你不能说为了让大家看得开心一点，踢一百八十分钟，因为后面九十分钟可能质量就会特别差，就没有意义了。就NBA对吧，一年打八十场，对吧？这个虽然联盟可以想尽各种方法，再多压榨个三场五场出来，但是人的体力可能就是八十场了。

29:01你你要让他打，比如说每天都打一场，可能反而比赛的质量是下降的。

29:07你是觉得说他的脑力主要是耗在哪里呢？要跟AI工作的话，大量的时间我其实是在说我要定义问题，以及把合适的context给AI定位准。我其实是在就就时间都花在这个事情上面。你那边觉得是花在也是也是这件事情上面？

29:27我自己的体会也是，就是把问题描述清楚。其实就是把，就是挑战就是把我要想要解决的问题想清楚以及描述清楚。我觉得大大部分人写代码的习惯是边写边想的。就我写，哎我我我我其实没有想好全盘是怎么样的，然后我先想，哎，我这里要先用一个这个这个弄了，

29:48然后再哎发现搭了不对，我再回头改。但是你如果希望让Claude Code帮你做这个事儿，你可能得一开始就想，想得特别清楚。

29:57那有没有可能把想得特别清楚这件事情中间有一半的活让AI来干呢？比如说变成AI问你十二个问题，哎。然后你你就只是要语音跟他聊会儿，然后他就帮你把架子搭出来。

30:12我觉得有有可能，这个也是我们内部在讨论的，我跟一些工程师在讨论的。但我觉得这有有两个挑战。第一个挑战它就回到那个我对基建的要求就更复杂了。比方说，因为比如你有很多大客户，有很多应用，互相有服务之间有调用，对吧？比如我有个搜索，有很多个模块。

30:30那如果我自己想得特别清楚，我在这个模块里去描述一下我在这个模块里的改动就好了，对不对？你希望AI清楚，它就需要知道各个模块之间的关系是什么样了。那那其实你对文档的要求，就是你对context、对基建的要求其实就提升了。所以我觉得是可以的。

30:47当然了，就像回答那个问题，就是你对基建会有更高的要求。

30:51但反过来想，好处就是你如果搭了这么一套基建，就感觉这个确实蛮放大效率的。就是相当于为AI做了一套基建吧。

31:01对对对对。就是围绕AI去搭建你的研发流程嘛，或者围绕AI去定义你的公司流程嘛。我觉得这其实是非常非常合理的嘛。你就想现在的公司流程其实也一直在变嘛，从流水线到精益，对吧？它就是两种方式啊。

31:18这两种方式是围绕今天新的，还有围绕的是这个Artificial Intelligence，是人肉智能，对吧？比方说精益是为什么？精益是说，哎，我的这些市场需求策划发生了变化。某种程度上也是说我能够来参与建设这些东西的工程师的能力也发生了变化，对吧？

31:36为什么大家都都去讲什么Scrum的，比如研发以前讲Scrum的团队这样，它其实是本身基建本身在变化，我就让组织发生变化嘛。本身组织发生变化，我就去让基建发生变化

31:50吧。我最近也是在被，呃，因为大规模因为用AI也在推着我在改变我的各种工作习惯，嗯。就比如说上上一次我应该跟你分享过，就是我发现录音是个巨牛逼的事情，尤其是Gemini，既然脑子大了嘛，对吧？然后我就很多会议开始录音了，然后录完之后我就直接丢给Gemini，然后让他各种角度，不光是做会议纪要，

32:12我其实根本不care会议纪要，我其实还在让他在帮我干活，相当于利用会议的这个context给他，然后发现干得很好。但是我我最近还就刚买了那个小米的那个眼镜，因为它也可以录音，还可以有一些时候因为还要拍拍那个照片啊什么的，

32:28我就觉得我我要提供更多的context，所以我其实在为着会议录音来制备硬件。但是我也发现说除了制备硬件以外，我发现，呃，它其实现在的效率是其实卡在我的工作习惯上。比如说其实它是能够对那些录音做很好的处理的。但是呢，比如说我我这几天不是泡在深圳工厂嘛，我每个会议其实我没有清晰的定义这个会在干嘛，以及是哪几个人，

32:57以及每一场会的目标，其实我们并没有定义好，以及我没有提前告诉他，经常是聊到哪是哪。那这样子的话呢，它的那个效率其实被这个降下来的。如果我提前把这些定义好了，它再出那个结果又会好一个台阶，就又又又卡回到我身上了。就是我的上下文又提供得不够。

33:16然后我现在又要为了它去重新在我设置日程的时候，我现在在逼自己说，你要讲清楚。你最后做这事儿是为了干嘛？然后你到时候录音的时候，你把这一段可以拷进去啊，然后就就就反倒逼自己。

33:29我称之为这个AI，今天AI带来的能力是带来能力，导致大家的工作习惯要把一个同步的工作习惯变成个异步的工作习惯。就是我现在规划，我现在规划说，啊，规划很清楚了，我比如写成了一个document，写成了一个文档，或者写成了一个，啊，想清楚，然后抛出去，然后那个事情再具体落地。

33:48就是以前其实大家还是同步的工作习惯嘛，我早上开始，开始早上来开始干，干完了今天就结束了。其实今天可能是早上来啥都别干，你先你先说，哎，列出来我到底要干哪些事情，这个都写完了啊，然后再扔出去去干，对吧？然后你就说其实应该先休息，休息完了，然后再等这个活儿回来，我们再去验收。

34:08验收完了，好。我就应该去就再休息，就是我举个例子啊。我我我打个比方，也许未来的工作习惯是，我早上上四个小时班，然后家中休息四个小时，然后再验收四个小时，然后这一天的八小时过去了。

34:31就刚刚讲的更累的那种情况，是因为它每次又是等个什么五分钟到十五分钟不等嘛，但是你又你又懒得等嘛，所以我会开N个tab。我甚至甚至我基本上跟ChatGPT是同开的，那这样子的话就相当于会有三三四件事情可能在同同步进行，甚至于会极端到，呃，一件事情里面有可能我会看到它答案出来了，我可能会先问一个问题在下面先再打一下，

34:59然后再再再拖回去，看它上一个上一个已经讲到哪里了，然后再再跟它讲。所以这样子其实就是一直在高密度的吸收和高密度的处理。但是我每过五分钟、十分钟，我要切一下脑子，又切到另外一件事情上。因为另外一边的答案出来了，就相当于你有三个，你有你有五个不同职能线的下属。

35:21但是你现在布置工作，他们是每十分钟跟你就说——哎，老板，我汇报一下。然后切切得稀碎。他不是四个小时，他现在是十分钟跟你汇报一下。

35:32但是能不能变成说，假设你有四十个下属或者二十个下属，那你是不是就是我二十个任务都看完之后，再回过头来一个个接收？就是这个是我说能不能，就是因为其实切换上下文是非常痛苦的，就或者说对脑力的消耗是比较大的，这个是我自己的观察呀，

35:52对吧？就是你切换上下文，你不停地被人打断嘛。某种程度上讲，就是我觉得用AI还好，那个打断还是你主动选择的，对吧？那你在公，我在公司里，对吧？就是往往是不停地会有人会有人被打断。

36:04公司里总是总是有些人像万事通一样，什么事情大家都要来问他一下，所以你就很痛苦，对吧？但是那但是如果是这样的话，那么是不是就怎么能够让这个打断集中在一段时间里？就是这段时间你就是用来就是验收跟答疑的，那段时间就是你用来规划的，然后规划的时间你就是要避免被打断嘛。

36:23我突然觉得我的工作也有问题，我我其实应该是用比如说用GPT-4o，然后让它通过向我提问，把这件事情更clarify清楚。但是我现在用O3 Pro的话，相当于我还是跟它来回轮次太多了，这是不对的。这个这个就必然会导致我的时间被切碎。

36:42我应该先用GPT-4o就一次性的，比如说它向我连续地提一堆问题，我就聊，把这事先定义清楚一点，更清楚。然后比如说用O3 Pro可能就比如说三个来回搞定。我我现在有些真的是已经来回过二十几次了。你想O3 Pro的那个速度，有的时候二十分钟给我回了一圈，我在想你做deep research是什么？

37:02那二十个来回很可怕呀。

37:04我以前应该是看过Twitter，说那个Jack Dorsey同时在管Twitter跟Square嘛，就是他在同时管两个公司还是三个公司。但是他同时管两个公司或者三个公司，他的逻辑他不是说同一天在三个公司不同切换，对吧？他说礼拜一我就只管这个公司的事儿啊，礼拜二我就只管那个公司的事儿。

37:24就是我的假设是说，他是他是董事会主席嘛，当时是Twitter的，还是还是CEO，我忘了啊。就是但是本质上他的逻辑是说，就是我，他不干活嘛，他只发火出去以及做决策嘛，对吧？我觉得这个工作可能跟你的工作也更像吧。就是那这个合理的逻辑是说，那我还是应该尽量把这个整个大的东西能够发出去，然后未必你能发三个五个六个，

37:49但是尽量避免说，比如一天甚至在一小时内，在三个问题内切换。我觉得这个跟人的生理构造是矛盾的。

37:57没有，我觉得人类还是，就是或者我就是还是在还是偷懒，就是因为把事情想清楚确实是更难的。然后你跟它交互起来确实是更容易的，所以我在逃避那个。其实前面我刚才听你讲，我就想前面明明显我可以设计一个流程，快速的互答，把问题想清楚，但是我就天然地逃避困难的事情。

38:20人是个很弱小的物种啊，就是你当当这个这一轮的AI能力出来，你觉得做智能上人也是个很弱小的物种。O3你随时问它，对吧？就是我比如说晚上有时候到七八点，真的是很困了，有有时候有同事要找我讨论问题，我说不行，我们得明天，因为今天我脑子已经有点转不动了。

38:38然后O3你开两个对话窗口，切上下文，对它也没有难度，对吧？对人来讲，你切上下文其实是挺痛苦的。所以很多时候，我觉得这个流程改造也不完全是说针对AI改造，是针对人的生理构造，它能承受一个什么样的工作强度，怎么样它人的这个产出相对大一点，结合今天AI能够提供能力去改造这个流程，不而不是完全围绕AI来改造流程。

39:06就是我觉得之前说完全围绕AI改造流程这句话其实也也不客观。很多时候是说怎么围绕我人和AI组合情况下来改造这个流程。而且这个流程呢不是为了人在单个任务上方面，而是人的整体效率能不能提

39:22升。那你在这方面有没有什么设计的原则或者方法，你现在有什么感受吗？

39:26没没有，我现在还在摸索跟实验中。

39:30虽然我给其他公司做过顾问啊什么的，是跟他讲说你组织要转型，但是我现在越来越自己个人身上觉得说，可能先得从个人做起。就是我们个人如果连个比如说什么日程表啊什么的，我现在都搞不出来的话，觉得组织要改其实也更更不容易。而且我觉得现在这个东西看起来越是个个人的放大嘛。

39:52这个我其实觉得又觉得有点不一样，就是我来看广告投放之后呢，我又觉得它不是不完全是一个个人的放大。不止这样讲，我开始看广告投放之后呢，就是我本来也不太相信一人公司啊，但是我又觉得说，就是你组织规模也不是三个人公司或者怎么样，它还是会最终会有一定的规模的。

40:10所以它最终还是有，就是我今天不知道这个边界在哪里，是可能不是一千个人，

40:15是不是？因为你你看的那些广告系统都是老系统，而不是现在所谓那个比如说那个Ad agency这种，呃，AI ads agency。那如果是这种的话，是不是其实那种一人公司他就找一个这种AI agency帮他投啊？

40:31就是一旦到市场上，它始终是个竞争跟博弈的过程。竞争环境下，凭什么你一人公司，就是说你找个AI的agency，别的十人的公司有个人专门就是研究广告投放，一定效率比你低呢？这个事情是不一定的。我说它不一定有答案啊，就是因为十个人之间有一个成本，叫做内部的沟通交流成本，对吧？

40:54这个产品的产品经理是一个，假设产品经理是个人，研发是一个人，广告投放是一个人，这是三个人。那么三个人对这件事情的想法可能不一样，你没有办法完全做到指哪儿打哪儿，对吧？就是心意相通，即使非常信任，这个当中也有交交流、交易成本。

41:10如果是你临时组的一个团队，这个成本可能更高，对不对？但一人公司也面临一个问题，就是你的人的脑力是有极限的。你说你决定用了一个AI产品，你怎么能判断它这个AI产品做出来的东西是好还是坏的呢？市场上有十个AI产品，你为什么选这个产品，不选那九个产品？

41:29我至少觉得说短时间内你还是很难做到。你可能，呃，我今天不知道它是个十人公司，还是个五十个人公司，还是个两百个人的公司。但我觉得一人公司、三人公司，我觉得还是很难真正做到一个比较大的体量跟规模的。所以如果说它最终还是个十人公司或者五十个人公司，那这五十个人公司怎么组织也是非常重要的。

41:54嗯。那就可能不是说对，那就是每个人独当一面嘛，相当于复仇者联盟。全是超级英雄嘛，背后自己自己带着一群agent嘛，有可能他就挑，

42:05对。但是但是你不知道啊，你你不知道他是一个两个人之间是步炮协同，还是两个特种兵，对吧？这其实就是两种两种组织形式了，对吧？一个是我有不同的兵种，你干这个我干那个，我们通过一些，呃，原则或者这个东西配合起来。一个是说，呃，全攻全守，对吧？

42:21我们俩都能干，但是我们两个并肩子上，但互相互相弥补一下对方的后背。

42:26我刚是在想说，人类到底在这个过程当中，当然比如说信任啊、什么脸啊什么的，这个我是信的。我在想能力上到底有什么是……因为你你挑不好AI的人的话，其实这这个问题其实挑人也存在嘛。就比如说你挑是挑哪个做marketing的去信，对吧？

42:46因为都超过，找或者找五个coder，我现在的水平根本也挑挑不出来。其实这个问题都存在，除了信任之外，到底有没有真实的能力，是人人有超过AI的。除了我刚刚想到的就是那种local的知识，比如说我就知道王局长喜欢喝什么，对吧？

43:06对，这种或者谁谁谁这种领域知识，就是其实我需要的是他的领域数据嘛，因为不是所有的东西都已经被建模了嘛。那其实除了这种东西以外的话，好像没有什么东西啊，就是所有的只要是方法论型的东西。

43:21我们今天用AI，大部分人用AI参与的不是一个考试游戏，参与的本质上是个竞争跟博弈的游戏。呃，就像最近刚刚中考高考，对吧？其实最后不是看你分能考多高，是看你排名能排到哪里。所以只要是没有天下大同，你人在这个的过程中是在于说，不同的人大家在用了AI之后，在博弈中谁能够胜出。

43:46就是那个人他没办法，市场上随便挑个AI，他也没办法随便再挑个人呀。对吧？人人更更非标。

43:54我觉得人和AI的配合，甚至是可能是说我和这个AI配合得更好，他和那个工具配合得更好。因为可能每个人的偏好偏向也不一样。因为无论是投广告还是写代码，它其实都没有标准答案，对不对？有，有人写代码，喜欢说我把架构搭得非常干净，对吧？

44:10Model repo，我喜欢高性能，我就喜欢写C++，对吧？反正我熟练，对吧？有人说不是的，我一开始就喜欢超快猛，我就Node.js线上。呃，是不是一定对，不一定，是不是它们不存在这两个东西本身有对错，可能面对的问题不一样，市场竞争环境不一样，

44:28这个都不要。我觉得投广告也是一样的。有人的逻辑是说，哎……我其实是特别注重创意，对不对？我这只要创意做得好，这个投放策略差一点没有关系。有人是特别在意说我这个数据怎么优化，对吧？

44:41我优化数据优化得好，我创意只要不断迭代版本就好了。虽然我不一定能够，对吧？我就不停地做这个微观优化，做微创新，我最后也能跟你做得一样好。但是这个就是可能人的偏好也不一样，不同的产品或者AI的模型的能力也有偏差。即使是今天大家都说AI能力很强，我们也都，对吧？

45:01北美预三家，Claude、OpenAI、Gemini都很强。但是其实到任何一个具体问题上，三个的效果还是有差异的，对吧？就就就像足球来说，C罗跟梅西两个人，踢法也不一样，对吧？有人觉得梅西强，有人觉得C罗强，也许更多的人觉得梅西强，但是也不代表任何一个球队都应该把梅西加到自己队伍里来，

45:25对吧？

45:26对，你这些我都认可。我的意思就是，比如说我可以调度C罗，可以调度梅西啊什么这种，市场上无数的球队我都认。我调度的时候，为什么我需要雇一个叫做调度经理，或者说我为什么不雇一个AI调度经理？就好像人类在这个过程当中，就是我我在请三个人类的意义，就当然信任啊什么的，我选选选选选部分我先不管。

45:51效用层我好像觉得没什么必要，我找个AI管这些AI嘛，对吧？你帮我每次三个都试一下，哪个适合什么场景，什么。布拉布拉布拉布拉。然后你也了解我的口味，现在跟AI聊，我觉得最多两年，它应该会在就是所有的思考型的事情上方方面面超过我。

46:07就有的时候会觉得说好像确实没什么，没剩下什么事儿。当然除了我自己满足自己的这些事儿啊，我还是会很想干的。但是从我的被利用价值上来讲的话，我并不觉得好像一定会有一些令我能做到它做不到的被利用价值。除了比如说我可以，比如说约人吃饭，是吧？

46:26我一直我刚才讲那个博弈的一直是这么一个逻辑，这个逻辑是一个什么逻辑呢？就是说AI一定对代表这个事情有一个最优解。但是很多事情也许没有最优解，做广告没有，博弈中是有均衡的嘛，对吧？就是上策均衡也好，纳什均衡也好，有均衡。就是，呃，比如上策均衡，就是我能找到一个最优解。

46:47但是呢，有很多问题它可能没有最优解，那没有最优解到底选哪个呢？没有最

46:52优解就自己看偏好吗？

46:54所以我觉得人在这个过程中，第一个你提供了一个东西叫做偏好嘛，然后在这个偏好有可能赢，有可能输。

47:00对，我是说我肯定会来提供这个偏好，我的意思是。比如说过两年你要创业，我是说你好像是没有必要一定要拉上我。除了我们的关系以外，就是就是因为你你按自己的偏好，那个比如说营销就选白色，不选黑色就就结了嘛。你不需要靠我的判断了，因为我的那个只是偏好，它对于最后的效用其实是没有太大帮助的。

47:23可能现在还会有一点帮助，但是我相信两年之后真的是一点帮助也没有。

47:27我的假设在博弈过程中，偏好对效用是有帮助的。了

47:31解。但是现在大家就是流行的那个政治正确的说法确实这么说的啦，而且会把它因为偏好讲的就好像没有用嘛，但现在一般会把它很美化，讲成叫taste，这样子听起来就很挺高级了。

47:44taste就有高低之分嘛，偏好就是左右的区别。

47:47现在现在那个那个经常听到就是taste嘛，说最后最后的堡垒就是谁谁谁的taste。因为你如果觉得效用上有差别的话，那其实就是taste。效用上如果没差别，只是偏好，那就真的是偏好，我就加了一个随机数进

48:01去。对，你当然可以说是taste啊，就是我觉得是，但是taste随着时间也在变迁嘛，对吧？就是今天你的taste，今天你的taste高级，但明天你的taste就被低级了嘛。就是就所以我为什么我是认为偏好，它不是亘古不变的嘛。

48:15那

48:15具体一点，最近有没有看到什么好玩的事情，或者好玩的新闻，或者好玩的新产品？

48:21我觉得最近的新的那种不是AI agent的审美疲劳吗？最近的新闻就是，哎，人家都说，哎呀，我做了一个牛逼的agent，你看它能干很多，不管是垂类啊、通用还是怎么样。然后大家已经听到agent这两个字现在有点吐了，就是不想跟你讨论agent这个。

48:35说你一交付agent就觉得你是个骗子吧。

48:38你当心这个回旋镖，估计是错打到你自己头上。

48:43我是说你接一接他，别人觉得你是骗子，没有说接一接的人就是骗子。

48:48现在其实很多agent都挺好用的啦，只是确实好多啊。

48:52就是因为最近就大家都讲说，哎呀。就没有什么壁垒，要看年轻人，要看速度。哎呀。但我觉得这个事情吧，如果是这个结论其实也挺可怕的，就是什么，就一代新人胜旧人。就是你今天看到的速度是因为，其实大家都抢跑。

49:08我我觉得今天所有，每个做出来，大家觉得哎，好像这个产品还不错，其实不是因为这个团队速度快，还是因为这个团队提前判断抢跑了一下，对吧？就是我先抢抢跑，就比如Manus，我觉得是它其实也是抢跑吧，它可能比较早，觉得不管是说我有更好的信息、更好情报，

49:27或者我赌这个，我提前干了这个事。包括我们现在，反正很快大家也能看到我们产品的这个，其实我们这事情已经做了挺久了，只是我们从来没有做过PR而已。其实你你说，哎，是我们特别厉害，就花了仨礼拜做出来一个特别牛逼的东西，我们团队特别牛逼，其实我觉得其实也不是，

49:42对吧？然后呢，为什么会又一代的，就是一代一代传出来，哎。在这个领域特别厉害，其实大家都是还是花了挺多的研发投入的。可能大家看着走得很快，

49:53对。而且抢跑这件事情我现在也觉得就是真的是一个还蛮聪明的策略。其实最近。最火的几个其实本质上都是等到Claude升级了嘛。然后Claude一升级的时候，你把这个内功用某种花里胡哨的轻功招式把它展现了出来，就能够让大家见证奇迹的时候嘛。

50:13但是那个奇迹的内功其实是Claude升级了。然后如果这样的话，其实这是一个很有效的策略啊，你看Cursor也好，Manus也好，就甚至于包括那个Grandal啦。对。他们就明明确的说，他们就不去做，比如说那个时间延长啊，什么乱七八糟的事情。

50:31他们说这个大语言模型会搞定的呀，然后然后搞定了我们就好了呀，完全不做。比如说把时长拉长之类的工程优化，之前只能录三十分钟，等到context window大了，他们自然就好了。这个策略好像也是挺对的。

50:46这个策略呢，就是我觉得很多人对这个策略又会担心一个事儿，你抢

50:50在那里，大语言模型没没升级吗？

50:52呃。不是不是，我觉得是被抢在其他人在垂类上做了一些特殊的动作，比你抢的更快嘛。就比方说，比如录音，录音我可以做时间更，就是我做产品跟你一样，我多花点钱。因为光做一个比如说语音的AI note taking的模型，其实成本没有那么高。

51:11你做通用的事儿，你可能必须得等模型升级。但是你做一些细分的场景，你一定要等那个模型升级嘛，其实不一定，你可以自己做那个模型。

51:20对。但是反过来就是大家会觉得你做了这个模型的话，你会被下一代的通用模型直接又盖掉嘛。对，你note taking比如说比4.0好，但是你可能比5.0就差嘛。然后我就提前先做市场或先做别的，先做比如说用户体验，先做UI。

51:39我觉得这个就是你得多融点钱都做嘛。我觉得抢跑这个策略没错啊，包括这个等模型升级这个策略也没错啊。就是说，呃，但是还是挺容易进入这个，这这类公司你面临两个挑战嘛。第一个是说你做得不错，但是巨头下场来和你竞争，对吧？这巨头自己下场来和你竞争，你就会比较难受嘛。

51:59第二个是说同行里和你竞争，就是说他资源比你更丰富。这些公司产品做得不错，跑出来了，也融到很多钱，他就会回过头去去补那个模型嘛，就像Cursor它要训自己的模型，对吧？但是他又会遇到你说的那个问题，他会发现说，哎呀，好像我自己训模型是搞不过Claude的，对吧？

52:21搞不过什么Gemini。这个其实挺难回答，比如Cursor干了那么多事儿，验证了那么多AI code很强，会不会有一天发现它其实只是为Gemini培训培育了一下市场。就是你看这么有意思的一个新的时代，可以参与参与一下，对吧？

52:36你不能抱着那个心态说不是，这个我必须成为Google那样的公司，那你就当然很难了，对吧？你还是得把心态放平，就是可以努力卷，但是你不要说这个，这这个事儿只只能只有我能做成，对吧？

52:50就是很多东西我们有的时候想太多就就不动，但是实际上你做个note taking，说不定迭代了几版的话，对。

52:58这个就是我回到那个，就是说大家可能今天看的都是媒体上popular那些，我们其实也知道有很多这种，就我就投广告，我就我就是ROI，我就做一些小的应用，呃，对吧？它其实也是很profitable的，为什么大家一定要去选择做那个说我把融来的钱去点一个大的烟花这件事情上？

53:19嗯，

53:19你刚讲的这个的话，我现在看到嗯很多团队跟我聊的话，我觉得真的是非常之扯，都是作为作为朋友聊啊，就是都是跟我讲说，哎。我们这个AI应用不打算维护了。我说什么？就是投放一波，然后说模型肯定会升，肯定会升级，这个东西之后是没有胜算的。

53:38我们就我们就只算这这这一个版本的ROI。然后就直接收了一波钱，然后这个产品之后就不维护了。很极端。

53:47我也不对啊，我这样我这样讲，举个例子啊，就是，嗯，我极端一点讲说，其实到今天，eBay这家公司还是非常赚钱的。就是，那你就去想，从电商的角度，eBay之后其实已经好几轮升级迭代，为什么还有人用啊，对吧？就就即使做二手电商，其实很多细分品类也有人切出去了，对吧？

54:09Poshmark切Poshmark啊，什么realreal切的这种服装的，什么StockX切的鞋的，就是亚马逊上现在也能卖used的产品了。但是eBay的市值，eBay的今天的交互体验，各种平台其实就那样，对吧？你说他有多好，肯定没有，对不对？

54:27而且，我我讲难听点，eBay已经是一个没有人真正为这个公司负责的了，founder也不在了，对吧？就可能是高管CEO，对吧？然后董事会就是，呃，布拉布拉，就就就这样一个没有真正为他负责的一个founder级别人物在那里，

54:47对吧？但它仍然是个三百四十亿美金的公司，也非常profitable。我是觉得你今天做了一个AI产品，它如果是赚钱的，你也不用不维护啊，它赚钱就你你你就靠运营效率让它一直赚钱嘛。

54:59你刚讲这个我突然想到就是有一个刚好有个东西要请教你一下，然后另外就是如果有读者对这几个领域熟悉的话，欢迎留言。我我最近在看一些呃传感方面的东西，就是在看说有没有可能我们打开我们的数据的边界。就比如说我们现在都是用可见光在做东西嘛，就比如说你刚说的那个识别这个识别那个，它也是用可见光嘛。

55:24但是其实还有非可见光嘛，比如说你在晚上看到那边有只狼，对吧？现在很多人用红外做枪瞄，然后做观鸟，对吧？然后我我最近也在考虑要不要用红外，因为我最近在健身嘛，用红外来判断我的肌肉到底哪块练到位没有，就红外嘛。那另外还有就是声音，比如说很小声的声音，对吧？

55:45它那边有个小鸟叫了一声，或者说蚊子在飞，是吧？然后你能不能一个激光把它打下来，或者说超声和次声。那这里面其实还有很多可以搞的东西。你有看过考虑过这个领域吗？或者它对应的可能就是什么打蚊子啊，或者枪瞄啊，就是打猎啊，然后观鸟啊。

56:05健身啊，这些东

56:06西。没有考虑过，但我知道这这类领域其实高校一直有研究的嘛，就是比如说医学影像，就是这种领域吧。就是B超的B超的图像，或者说是那个什么核磁共振的图像，还有这个遥感的图像。但是具体到呃日常C端的应用，其实没有太听说过，对。

56:27我就是刚刚在趁机打个广告，有人对什么观鸟啊，美国的打猎的市场啊，或者说那个呃专业运动的什么运动什么肌肉什么的激活的市场感兴趣，呃就就有经验的同学感兴趣，我也感兴趣，我找我已经做了很多deep research了，然后的同学可以留个言。好的啊。

56:45那个，欢迎大家关注AI炼金术。然后，谢谢。好，那么今天先这样。

56:50好，谢谢大家。拜

56:52拜。好，谢谢。拜拜，拜拜，拜拜，拜拜。