MCP 奇点降临：企业工作流迎来史诗级进化

00:06历史上你会去看我们的很多应用啊，包括今天很多火的应用，其实它就是在解决一个不同的工具应用之间的互操作性的问题。随着现在MCP的服务越来越活跃，我相信一个AI OS的空间雏形其实已经存在了。

00:28组织协调其实两部分嘛，一方面是我们底层的同频，一方面是事情上的跟进嘛。现在越来越觉得就是未来的那个所谓的控制会更强，你真的要同频的话，其实就是底层的那个prompt的同频，一层一层一层一层叠，所以这样子也是可以做到说，呃。

00:44一起协作效率也会更高。

00:50理论上讲，你所有的服务都应该有MCP，都有完善的文档。然后你的所有的这些代码库都能很容易地测试。你所有的任何一个产品经理提一个需求，它还能自动发到沙盒上，让别人去验收。那你的效率会大规模提升。

01:12那个，欢迎大家来到AI炼金术啊，这一期是徐老师主动要求的。看完那个谷歌的那个发布会之后，也就是整个人受到大为震撼，是吧？然后说，来来来，聊一聊，来一聊，我们聊一聊。来来来，徐老师，说说您的震撼。

01:26其实我觉得是三场发布会，其实不是谷歌，其实是OpenAI先开了个发布会吧，就是他们发了那个Claude X One嘛，然后是Google发了一堆发布会，对吧？然后发布了一堆功能，对吧？就所有人都觉得，哎，又有一批一批创业公司要倒下了。

01:41对。然后之后是Claude又发了那个Claude 4的那个Sonnet跟Opus嘛，对吧？然后怕又有一堆做这个AI coding的人可能要倒下了。就我不知道这个是一个预感，还是一个就是的确是整个大的整个行业发展到一定阶段。

01:58就是其实上两个礼拜准备在写一些内部的memo，然后就有几个预测嘛。第一个是，呃，之前跟一些朋友聊，很多人会说想要去做AI OS。聊这个时候呢，我第一个反应其实我没听懂，我也没想明白什么是AI OS。哦不，还Claude发之后，那个微软还开了发布会，差点忘了。

02:19微软Build，前一阵用了很多MCP。突然想明白了AI OS应该是个什么东西，然后觉得，诶，想写点东西。呃，对，对，还没写呢，那个微软就发了这个

02:32Build，对吧？第二个呢？前一阵因为内部开始比较多地用这个coding agent开始尝试写一些东西。啊，写了之后，诶，突然想明白了，说，诶，觉得这个AI coding这个事儿可以深入聊一聊。因为我觉得有一些，呃，比较明确的，就是针对engineering新一代的这个技术团队组织的想法。

02:56然后然后就看到Claude X One，Google发了那个叫叫Jules，是吧？也是个coding agent嘛。就是第一个感觉是自己反应怎么这么慢，其实早有迹象，觉得应该早一点朝这个方向走。倒不是说我们自己来做这个事儿，而是说你从团队啊、组织的角度，其实应该尽早为这些事儿做好准备。

03:18先聊聊AI OS吧。就是说我们有一个朋友，他们原来在做的一些是偏，呃，一些偏视觉生成的产品。然后在GPT-4 Image出来之后，哎，他觉得这产品这这日子没法过了，觉得，哎呀，我这累积了几年的这个这个，觉得自己特别厉害，对吧？

03:35累积几年产品在一些垂直领域做得特别好，然后别人一个新的模型级别的产品出来，你觉得。然后呢，他觉得一个比较大的机会是AI OS。然后呢，一开始呢我其实没有想明白什么是AI OS。上个礼拜那段时间在一直用各种MCP，然后我突然就想明白了。

03:51就是我理解，其实所谓的AI OS，其实是你需要有一个中心化的入口，能够让所有的这些你日常使用的这些工具，能够通过AI可以互相之间可以可可以互操作。因为两个事儿，第一个事儿是我们内部其实开发了很多MCP的工具。就是把很多内部原来的服务啊或者工具啊包装成MCP。

04:17啊，这个可以讲，这个反正具体是什么大家不知道。但是但是呢我相信很多公司都在做这个事儿。然后呢，这些工具呢其实也想暴露给非研发团队用，这些MCP工具的。但是研发团队呢用的这个MCP的，怎么用这个MCP呢？其实是用Cursor在用这些MCP。

04:35对，所以研发团队其实因为日常大家都写代码嘛，大家就用Cursor，然后用个MCP呢就配一下。后来呢我们就发现，给非研发同学用这些东西呢，最好找个MCP的客户端，对不对？然后我们研究了一下呢，可能最合适的还是Cursor。

04:50很多人都连连知识管理都最后都用Cursor来就整个来做了。

04:54那为什么呢？我觉得有两个。第一个当然是Cursor，它其实研发团队已经摸了一遍怎么来Cursor配MCP，然后已经使用了。第二个我觉得Cursor这类工具有一个巨大的优点，就是说因为它是个编程工具。是什么呢？

05:08就是你的MCP调用任何一个东西，然后或者你的agent调用任何一个东西，你生成了代码之后，其实在Cursor里是可以运行以及预览的。就是你不需要一个代码的沙盒去运行很多东西。你你有很多别的工具，它也有一些这种预览的功能，对吧？

05:26你去找一个别的这种聊天的客户端，它也有预览的功能。但是它的预览功能往往受限于编程的语言或者开发的框架。它比方说我如果是个JavaScript的东西，我可以自动预览一下。但假设今天是个Python的东西，或者是个Java的东西，它就不能预览或者执行。

05:46但Cursor的好处是说，它其实是个开发环境，所以大家默认说，诶，我会配置这些环境里面，代码就能直接执行。用Cursor这个库，为什么让非研发，比如今天是个产品经理啊、运营啊，他为什么也要用MCP这些东西？其实是说，今天假设外部有大量的包装好的工具可以被AI调用。

06:05但是往往呢，其实你是需要它们互相之间能调用。这个时候我们想要的不是一个扣子，对吧？或者不是个defi这样的固定的，我人工去拖拉拖拉定一个workflow。比方说我有个工具可以调API搜一下Google，我有一个工具可以把Google里面的这个内容，

06:28比方说调另外一个API能够去生成一个网页，或者说有另外一个工具定了，说可以调用一下，可以把这个文本说给我画幅画，对吧？打个比方。而且呢，它不仅可以调这些外部工具，对吧？你内部大概率你的公司内部业务里也有各种各样接口。

06:46如果你把它也包装成了MCP，其实你也可以用，对吧？假设你今天是，假设你今天是Deify，你可以把你所有的workflow又包装成一个MCP的入口，它也能去运行执行。假设你今天做了一个Kimi，据说在做这种AI的社区，那你可能要自动生成内容，大概率它内部是有这样的服务的。

07:05当它去筛选生成一些内容的时候，你也可以用这样的工具。这个时候你就会发现呢，就是其实你需要的是各个可被AI调用的工具之间的互操作性，就互相之间它们能够串联起来。这是第一个体感。就是说，诶，我觉得说今天一个MCP的客户端很多时候它就有点一个AI OS的雏形了。

07:29第二个呢，我一直用一个launcher，这个产品我们之前也聊过，叫做Recast。就是在用Recast的过程中，它也包了很多这个AI的功能和工具啊。包括你今天买Recast那个AI版，它其实是什么G，呃，什么Claude的模型呀，OpenAI的模型呀，

07:47Grok的模型啊，什么都能用。其实相当于是个POE嘛。尽管它做了，它也做了很多就是MCP的支持啊，做了。但是呢我就发现它有一个特别傻的功能，就是说它有一个功能叫做notes，就是你可以记笔记，对不对？你notes记完了，假设这个notes里你想说，哎，把这个notes里我要去搜一下，你还得把那个notes复制粘贴出来。

08:10然后呢，再重新打开它的那个chat的功能，再把它输进去。然后你再拿到个答案，然后你又拿到这个答案呢，你又想把它复制粘贴出来，再切换到它的那个notes里，然后你再把它贴回去。然后这个事情你就觉得特别傻。因为其实一下子让我我明白了一个事儿，就是AI的OS其实你需要的是个什么呢？

08:30就是一个我称之为叫做任何环节的应用之间可以互相操作，任何一个AI能力在任意一个环境可以互相操作。

08:39那不就应该微软做吗？

08:40啊，对啊。所以过了两天，就是我当我突然想明白这个事儿，诶。我觉得这当中可能是有机会的。然后微软不就发了那个说它的下一代操作系统里就自带了那个AI的MCP嘛。对，它就是说我直接把我的操作系统作为一个MCP的客户端。

08:56就这个就回到那个，就我们去翻历史上你会去看我们的很多应用啊，就包括今天很多火的应用，其实它就是在解决一个不同的工具应用之间的互操作性的问题。你去想，就我今天去浏览器插件里，比如说，呃，沉浸式翻译，它是不是就是说我想把这个翻译能力嵌入到一些场景。因为在那些场景，我想调用翻译能力。

09:22其实不太方便，我不太容易复制，复制粘贴出来，这个实在太累了。包括像Recast这类，呃，我们叫launcher，呃。包括它前几代产品啊，就是Recast出来之前也有其他的苹果上的这种，就我们叫快捷启动器嘛。就经常有一类应用，我知道，就像Alfred，经常这类应用都会自带一个功能，叫做多个剪贴板。

09:47你去想想为什么需要，就是会有一个多个剪贴板的需求。就是因为我在不同的应用之间要把这个东西复制来复制去，让它们互相之间可以操作。今天为什么为什么比如像Monica这样的产品很火，它相当于说啊，因为今天大家去用应用的时候，可能百分之七八十的时间都在浏览器里。

10:08所以呢，我就在浏览器里把各种场景跟互操作性给做了，然后把我自己作为那个中间人。我我是觉得说随着这个现在MCP的服务越来越活跃，呃。我相信一个AIOS的空间雏形其实已经存在了，当然这个机会很难抓啊，这个机会很有可能就大家仔细思考一下，

10:30它还又是一个巨头的机会，对吧？你你每

10:32一层都有人在在抓，就是比如说像上到飞书这一层，然后再往上的话，可能是Google，它它有全生态这一层，然后再到安卓系统和Windows系统、Mac系统这一层。

10:46但但是我觉得没有关系啊，就是你你可能不追求垄断，你可以追求追求一个被收购的机会啊，至少在海外我觉得是这样的。那个随着MCP的这个服务越来越火，最近不有一个人专门做了个本地的MCP服务，叫做OpenMemory MCP，还是叫什么OpenMemory MCP。

11:03他说他这个MCP只提供一个功能，就是你你把我这个接进来，然后呢，他做的功能就是你

11:09啊所有大语言模型都认识你。

11:11呃，不是，是说你自己历史调用的这些MCP中，这种有价值的记忆会被存在这个MCP Memory的服务里。然后呢，未来这个你自己用AI就会越来越强嘛。因为这个就跟ChatGPT做了那个记忆功能是一样的。就是我们很多时候用AI觉得很蠢，就是一句话老要跟它重复讲，或者我有一些prompt，对吧？

11:34你存了，每次得复制粘贴出来，或者把它找出来。比方说，我假设就做一个叫做Memory这个功能，有可能它是一个被收购的机会。我打个比方说，它不一定是一个说我能做成AIOS的机会。

11:47而且OS的话，就早几天跟另外一个朋友聊了某一个垂直行业，这个垂直行业会有非常多的就是人，其实就是每天要开好几部手机，开好几个，甚至要给浏览器换不同的cookie。然后就在想说能不能做一个这个垂直行业的浏览器，肯定做的不会有Menas好，也不会有Fellou好。

12:09但是呢，可以根据这个垂直行业的从业人员帮他们设计，比如说十个典型场景，然后再设置五个有点灰色的场景，然后就就就靠这十五个工，十五个特殊的工作流，有可能就比如说一百万人就会用这个，就有可能打垂直也是有可能的。

12:26这我觉得接下来会有一个比较大的趋势，就是因为我觉得其实今天AI有很多很强的能力，那我觉得还是因为没有被封装好，所以用起来不太方便。其实我之前用ChatGPT用过一个功能，就是ChatGPT它可以说预约它定时给我发一些提醒。

12:44之前现在大家习惯用AI的方式还是你给AI安排工作。就我今天想起来了，我有一个工作安排安排给你。随着AI能力越来越强，假设你所有的交互，所有的这些东西都是跟它讨论出来的，应该反向来反向过来让它来给你安排工作。你应该说你每天礼拜每个礼拜早上给我想一想，对不对？

13:04我一直问你各种问题，写各种计划，假设都在你这里，假设你能够拿到我所有的MCP的这些调用，所有的我这聊天记录，你应该礼拜一早上告诉我说，你看哈，你这个礼拜重点就应该干这三件事，你今天必须要找谁谁谁，把这个什么项目跟进做了，明天要找谁，对不对？

13:24把这个验收一下，但这个其实这个的前提是你所有的信息都能打通嘛。

13:30大家想的都差不多到一起了，我早几天正在实验这个做法。但是它的前提是我那个写第二大脑，就是Second Brain的那个Tiago Forte，他最近在卖一个课，然后收人一万美金一个。其实本质上就是教人家写一个五千到一万字的叫做master prompt，然后就把自己的生辰八字啊什么乱七八糟都写进去。

13:54然后我我就在试着说，写完之后我写了一个大概四千字的，然后已经放进去之后，它基本上可以告诉我说我这一周应该干嘛了，但还有点不太对，所以我觉得我应该把我的周总结和周计划也放进去。应该他就会给我很好的建议了。对。现在给的已经还还可以了，就是一个五六十分吧。

14:16对。但是但是我觉得我把周周总结和周计划放进去的话，应该可以给出八十分的东西。而且已经给的很好了，就是我我现在有四千字，四千字的custom instruction放进去。其

14:26实我第一个好奇，你是花了一万美元买的这个课吗？

14:29我没有买这个课，但是我之前听过少男一个观点叫做最最好最好的东西永远是免费的。就是他已经为了宣传他这个课，他其实已经把精华讲出来了。他的YouTube上其实我听了一遍之后，我大概因为我也平时早就在用嘛，我大概已经知道他的精华在哪里了，

14:46然后我就自己搞了一套，已经管用了。

14:49但是我觉得这些的前提啊，就是说今天我觉得是大家在使用AI中还是有很多摩擦的。就是如果AIOS这个事情会最终会发生，其实我觉得有很多机会就是怎么去减少使用AI过过使用的这个摩擦。有太多的动作今天其实我想想就很傻，对吧？就是这个事儿呢，比如在公司里啊，就是商量这个事儿，哎，应该他去做。

15:12那么他会说好的。但是如果你不去记一个to do，说定一个deadline，至少有百分之有一半吧，我觉得这个事情最后可能就无疾而终了。那但实际上，这个事儿完全可以由AI自动触发，说他应该去记一个to do，他应该来自动来催你，

15:29他为什么一定要有个人来催你呢？

15:31呃甚至于我用那个master prompt的那个方法的时候，其实它也可以用在组织上面。组织协调其实两部分嘛，一方面是我们底层的同频，一方面是事情上的跟进嘛。事情上的跟进就应该用那个提醒嘛，它自己来提醒。但是组织上的同频，举个例子，假如你们公司有一个价值观叫做呃猫是比人类更高贵的生物。

15:53假设你们认为猫最高贵，那这件事情你在传统的组织就要反反复复洗脑嘛，对吧？然后再把它注入流程，然后员工阳奉阴违，其实你也不知道。但是如果每个人都有一个OS，是是，然后公司统一的话，你在公司用的OS又跟公司接通，公司就会把它写在底层代码里面。

16:11比如说你写的每篇文章，它都会检查你有没有体现到这个猫比人更高贵这件事情。现在越来越觉得就是未来的那个所谓的控制会更更强，你真的要同频的话，其实就是底层的那个prompt的同频，一层一层一层一层叠，所以这样子也是可以做到说那个呃一起协作效率也会更高。

16:30就是回过头来讲啊，就是就是我们上次也聊过，就是的确你会发现说，哎呀，年轻人在用AI上应该能比我们用得更好，因为我们有太多的历史上的best practice，会导致你对事情的一个估算是本能性的错误的。呃，我举个例子啊，就比方说我们公司有十个研发，对不对？

16:52你习惯性的去估算说你能做什么事情的时候，尽管有AI。因为我写了很多年代码，对我带了很多年团队，假设我有十个研发，我习惯性估算说我该做什么事，我会按照我有十个研发来估我该做什么事。但实际上，今天你应该认为比如说一个研发能当三个人用，打个比方，你应该定义一个研发能按照按照以前的三个人来用，

17:17你还应该按三十个人来规划你该做什么工作。

17:20甚至于更极端嘛，上次我跟你分享过那个美国那家创业公司的那个例子，就SaaS人，极小的团队，然后把所有的那个领域的所有的SaaS全部做了一遍。我觉得怎么花。现在确实我们想象力太有限了。

17:36所以我我我的这这体会我觉得是说，其实我我觉得在MCP这个渗透到一定程度之后呢，我觉得它其实开始进入了一个快速加速的过程。它的确是说，你只有你如果只能串两个工具，不太有用。当你串上十个工具就特别有用，而且你会很有很强的倾向或者意愿去串第十一个工具。

18:00这边可以举个例子吗？为什么MCP有这么大作用？我我们我们办公室也在用啊，但是就用它比如说用来3D打印，操作Blender那个工具，就还是还是各把两个工具在用。

18:12比方说我们今天呃，假如我们今天在做搜索，我举个例啊，会有人在线上反反馈一个说，哎，这个搜索结果不好，就我们叫bad case。那传统意义上，技术团队有很大一部分工作是有人拿到一个bad case，然后我去分析日志，所以我去看，

18:29嗯。因为搜索有很多个环节嘛，就是说我改写你的搜索词，根据你的输入改写你的搜索词，去搜索，去召回，去排序，最后选出答案，对吧？传统这是一个工程师啊，我自己写一个工具，然后我去分析日志。但今天其实假设整个搜索链条里的所有的服务你都能用MCP暴露出来，你把它接进来，然后说哎你看啊，

18:53你给他个你告诉他说哎。搜索就这么几个环节。用户问了这个东西，拿到这个结果不太好，你帮我查一查这是为什么。他他变成了一个就是我觉得在工作中，比方说这个是搜索的，假如你今天去做小红书的内容，其实说哎，你发说这篇帖子不太好，你帮我去查一查为什么。

19:11因为你是个公司啊，背后有大量的系统，它是由很多系统串联起来得到这个结论。大家去去分析这些问题的时候，如果你背后的这些系统的每个环节都是能用MCP暴露出来的，你可以让机器帮你去查这些问题。

19:26就所以所有的重复性的劳动都可以，因为我们的劳动大部分就是动脑子以及在系统之间点鼠标嘛。因

19:34为我我我相信就是大家就是稍微工作过几年，或者说你会发现公司里其实有一类人原来特别有用，就是这类人的性质很像胶水。就我们很多希望有些人他推动能力强，他推动能力强，他不一定是说我技术水平高或者我业务水平高。往往呢他是熟悉内部人头。

19:53第二个呢。他这个人比较务实，就任何一个问题，他很快的他就去找这个人找那个人，最后能追出结果来。但是能追出结果来，这个其实这个人其实就是原来承担了公司内的操作系统这个角色。很多时候，你很多时候公司里会有一些PMO，对吧？他其实不是说他最懂技术或者最懂业务，但是他知道这个人是干这个的，那个人是干什么。

20:15他先去问这个人，得到一个答案，然后去问下一个人，然后等他问完五十五个人，这个问题可能就解决了。那这五个人做的这个事儿能不能包装成MCP？那么这个PMO我就不需要了，我用个机器就能解决，我可以把这个机器给到任何一个人。

20:31很有道理。因为一般我们想到MCP，想到的其实是让一个工具，让它比如说翻译给大语言模型，让它好用。但是实际上组织里面往往是工具之间的串联嘛，对吧？串联然后使用。所以其实一个工具，比如说你你说你会用Photoshop，然后用MCP去用Photoshop，

20:53就是也好像也感觉不到什么价值。但是如果是每次是好几个工具的话，那其实中间会有一个胶水的人的这部分工作，其实是可以极大地提高胶水这个人的效率，而不是提高那个用用Photoshop的那个那一步的效率。前几天也看了一篇文章，它也是在讲类似的一个观点，就是我们经常会看到的就是比如说一个具体工种的一个替代，

21:19但是其实是整个系统会变，整个系统价值分配啊，什么都会变。你这个其实整系统啊，这个很很有道理，我我之前也没有这么想。我觉得

21:27主要因为我在上班，上班你就会面临很多非常具体的问题，你必须得去想一个办法把它有效率地解决。然后AI编程我觉得这个也是比较惊艳的。就是说，对AI编程大家之前反正我觉得有两类观点吧。一类观点是很多老程序员始终觉得这东西效率比较低，或者说只能帮助我，对吧？

21:48只能辅助我解决问题。呃。第二类观点呢就是比较激进，觉得说Vive Coding我就能把整个应用给做了，对吧？包括现在有很多独立开发者，就之前在某用有一段时间一直在用Cursor的Agent模式。然后最近那个Codex One啊、Claude Code啊，这些东西都，呃，Codex One是发布了，

22:07Claude Code从beta转成正式版了，然后Google发了那个东西。包括我有一个以前的同事说，哎。他他就特别震撼，他说他业余时间在做一个比较pure tech的项目，在写一个schema的一个呃VM。然后他说他有个问题调了半天没调出来，但是他试了一下，用那个Google发的、谷歌发的那个Agent Coding，

22:28说他发现人家一把一把就过了。就是而且这些工具的一把过不是说他在Cursor里，比如说我填一些prompt，而是说他在这个开源项目在GitHub里，他比如开一个issue，对吧？描述一下需求，然后你绑了那个，他就偷偷在后台开始工作了。

22:45过一段时间给你提交了一个叫pull request吧，叫叫做合并请求。然后他看了一下，哎。的确，他调了半天没调对，原来调出来代码，人家AI一把调对了。而且这个写得非常有条理，包括那个comments一二三四五，干了什么也给你写得很清楚。

23:01然后，哎，一下子他他觉得说，哎呀，他说以前他只关心pure tech，现在也得关心关心业务了。不关心业务感觉也没什么活可以干了。然后呢，我们内部其实也有一些这种体会，包括Claude Code最近不是发了那个benchmark嘛，

23:17我不知道你你有没有关注里面的一个benchmark，叫做SWE-bench，就是Software Engineering Bench。它应该是有两种策略，一种策略是七十二，就主要利用模型自己的能力，呃。就是pass one，就是一遍过，另外一个应该是多遍过，大概是百分之八十。

23:35SWE-bench它是什么数据集呢？我跟大家解释一下，它不是那种就什么编程比赛的数据集，它不是这种LeetCode，对吧？就是给你出个算法题，你去做一下。它呢其实收集了大概两千多个GitHub上的这些项目的仓库。这个仓库里可能有一个issue，就是有一个需求，它可能是个bug fix，或者可能是个功能的要求。

23:58然后呢，它就是给一个沙盒，给一个当时的这个codebase，当时的这个代码库以及这个需求，然后看看AI直接去，相当于说有人在GitHub上提了个需求，或者提了个bug，AI直接能够解决的概率，解决的成功率是多少。大概是两千三百个case，

24:17可以解决百分之八十了。

24:18对。大概是我可以讲一讲一下，大概之前在Claude Code的这最新的一版之前，最好的指标大概是69%还是70%左右。这个是O3跟那个Gemini 2.5 Pro。再之前在可能GPT-4或者GPT-3.5的时代呢，大概在50%以下。

24:35可能GPT-4在50%左右，可能GPT-3.5可能只有20几到，反正40%不到，具体指标我反正记不太清了。这个第一个是AI coding现在能力的确已经非常非常强了。而且它这个强，我觉得它已经不是一个辅助编程的逻辑了。其实会变成一个你能不能给它提个需求，它自己把这个事儿给做了。

24:58但是呢，其实这个需求其实是有要求的。你不能说，哎，你帮我做一个能挣钱的APP，它其实需求是不明确的。但是GitHub的issue呢，很多需求其实是非常明确的。就我可能已经有一个代码库了，然后我说这里有个bug，我能告诉你复现步骤是什么，你帮我解决。

25:15对吧，或者说，哎，我想有个功能，我预期的、我期望的表现是怎么样的，一二三四五会列得比较清楚。这个意味着什么呢？意味着如果你能把你的代码库的需求提得比较清楚，AI是可以把这个事情干的。而且它很重要的什么呢？AI还可以并行的同时干好几件事。

25:36它跟你用Cursor去Vive Coding不太一样，Vive Coding其实你提升你的效率的上限是有限的，因为你始终有个人摁在那里，对不对？然后你给他提了一些prompt，他啪写了一堆代码，然后就算你不懂代码，你狂点save，你也会再去点一下运行，

25:51看看它运行得怎么样。所以它的速度的上限其实是人跟它互相交互的一个过程。但是如果是用Claude Code啊和Codex这些，而且它是背后偷偷在一个沙盒的运行，人的瓶颈变成提需求了。理论上讲，你应该每以后一个工程师应该每天上班来跑过来，啊我手上有个需求，对吧？

26:14我把它解释得非常清楚，然后提了，然后有一个AI偷偷在解第一个，然后他写第二个，有一个AI偷偷写第二个，他回来只要去做验收跟合并就好了。但是呢，其实你今天去看大部分公司的代码库或者大部分公司，我觉得是做不到这一点。因为呢，他们的基础设施不够完善。

26:34第一个是说，很多公司的代码库，比方说，它能不能在一个沙盒里跑起来，就已经是个问题了。所以我看到Codex出来的时候，很多人喷说，你这个代码都不能联网，Codex那个沙盒不能联网，那能实现什么需求？但是呢，如果你的基建是做得比较好的，就是你每个代码，你每一个代码仓库都有自己的单元测试，都有自己的沙盒环境。

26:57那其实它不需要联网，它应该在沙盒里把我这个内敛需求给做掉。或者你的公司的基建更完善一点，它可以联网。我回到我们前面说，假设你线上有很多服务都有MCP。你有一定规模的公司，你不是一个人写一个小工具嘛，它通常有十几个人说我写一个服务，你写一个服务，

27:17互相之间要调用，要联调，对不对？其实公司里大家之前为什么觉得AI能够提供的效率比较有限，是因为他觉得自己有很多工作是在跟人打交道。就是我是个前端，我要跟后端打交道，说你的接口长什么样啊？或者怎么样啊，我给你联调，我有个错报给你啊。

27:36跟人打交道这些事情能不能通过MCP包装成机器就自动能够获取我的信息？你公司线上那些服务长什么样子，它输入输出怎么样？假设你能不能有一个我们叫舞台环境，它都可以去调了测试的。

27:53你暴露给它，让它去写代码，而不是你得把它描述得非常清楚。你是不是所有的代码都有一套自动化的测试？我写完了，我，哎，你告诉AI，你每次写完自动跑一下这些测试，这些测试都得通过。所以说我觉得AI coding接下来有一个，有一件事，就不同的公司会拉开巨大的差距。

28:12就是大家围绕AI coding这件事情有没有把基建做得很好。大家有没有把今天我一个普通的工程师，一个新人工程师入职，啊，很多公司入职是非常痛苦的一个过程，对吧？先先得入职之后，先得拿台电脑，先得把环境搭建起来。有些公司做，好的公司做得很好，可能给你的机器环境已经帮你搭好了。

28:34做得差一点的公司，可能搭个环境要花三天，不停地问旁边的老大哥。如果这些摩擦能够通过MCP，通过我把我公司的基建做得比较好，理论上讲你所有的服务都应该有MCP，都有完善的文档，然后你的所有的这些代码库都能很容易地测试。你所有的任何一个产品经理写一个、提一个需求，它还能自动发到沙盒上，让别人去验收。

28:59那你的效率会大规模提升。就是我认为AI coding接下来要要干一个什么事呢，就是要让一个公司的技术的基建，针对AI写代码是可横向扩展。以前我们都讲服务要叫可以可扩展，对吧？包括现在很多头部的大公司，我觉得就国内的互联网公司有一段时间我觉得就喜欢用赛马的机制呀，

29:26喜欢这个招一堆人来立刻做一个新业务呀，一开始不考虑代码质量啊，都是说我靠堆人来进行横向的扩展。比较典型的说很多公司说自己是APP工厂，很多公司喜欢说我就AB测试，你们两组人干一样的活，看谁做得更好。接下来，我觉得说对于一个公司要变有效率，要取决于说你的基建对AI是不是scalable的。

29:50一个AI，一个agent，一个agent，一个比较powerful的AI，比如说给你个O3。它是不是很容易接进你的公司的系统里，快速地把所有的活儿都给干完？这个事变得非常非常重要。就是我们可以去想象一下，你公司里每天这些工程师也好，产品经理也好，其实真正花在做核心、有挑战的事情跟决策上的时间有多少？

30:16有多少时间是在干具体的活？又有多少时间其实是在做信息交换跟摩擦？但是AI有一个非常强的能力，是说去信息交换跟摩擦。如果你的基建做得比较好的话，它是不需要去问别人的。因为组织里会，公司里常常会有一个事儿，这个事儿其实你写了文档的，但是我一个新员工进来，对不对？

30:38我其实不知道文档在哪里，呃。所以好的公司的基建通常会有，比如说入职手册啊，会有好的这个知识库，你都去看一遍，对不对？但这件事情如果做得好，那意味着AI看是比你人看要快得多。假设你干任何一个事儿，比方说你说我要去跑一个数据报表，它要挑战你所有的这些数据啊，数据表是不是有清晰的描述，

31:03每个字段是不是有清晰的含义，甚至你设置了一些可以用来验证的小的数据集。如果有的话，你今天做数据报表应该不需要人，因为AI写SQL比一个刚毕业的大学生写SQL那可厉害多了。所以我是觉得说接下来如果要变得有效率，其实是公司应该花很多精力去解决一个什么问题。

31:25怎么让你的整个公司的，我们叫infrastructure，是AI accessible的？你所有的这些信息，所有的这些接口，是不是能比较结构化地、有效地提供给这些AI agent去来完成工作？如果你发现AI完成不了，第一个反应不是AI太弱，而是说我给它，我到底有什么信息或者有什么context没有提供给它。

31:49如果可以提供给它，能不能包装成一个MCP server，或者包装成一个知识库，让它很容易地能够获取到。换句话说，从我的视角，AI coding的这个能力最终会导致什么呢？就是原来大家是流水线上的那个工人。今天你要去想说我怎么去设计这个流水线，就是Claude Code到这个SWE benchmark到80%，

32:11以及说这些外部的沙盒的这些环境的完善，使得大家应该从这个角度去考虑AI coding。它不是说我能不能写这么个东西。因为我们大量的日常需求其实是简单的，日常大家今天做个小产品，其实需求没多复杂。但是你是不是有好的所有的这些代码库是干什么的，文档是什么，AI能不能查到？

32:34如果能查到，它其实是能在一个复杂以及很重要的变成一个设计，就是你的整个系统的设计的好不好，意味着AI是不是能管理的好不好。如果你的设计是一团糟的，原来代码就一团糟，就很难干这个活。如果你原来的代码设计、模块啊、职责啊、领域划分是清楚的，那AI其实干这些活是快的，因为它很容易的能够top down去解决这些问题。

32:58这个我觉得会拉开不同的公司之间的，就数量级的迭代速度的差异。这个

33:05这个太吓人了，这个就不光是你刚刚讲的那个代码嘛，就是加上MCP之后所有业务流程嘛。然后我们明显地可以知道说智能水平就是会进步嘛，每半年快一代嘛，那可能至少升级个版本号，升级个0.5嘛。那这样子的话，谁已经做好了准备，然后最快地接到了最新的，就是公开模型好了，

33:31其实它的效率就很容易有十倍百倍的提

33:35高啊。是这样的，因为前一段我记得谁说那个Claude说他们80%到90%的代码是AI写的，那个时候我还有点不屑一顾，我觉得他们肯定是吹牛皮。你咋统计有多少代码是AI写的？你今天用Cursor，Cursor出来你tab tab，但你得人看一眼确认一下，你改了两个变量名，

33:53那代码到底算AI写的还是算你写的？但是如果说，但是Claude Code其实这个工具他们发beta也发了一段时间，我相信他们内部可能更早在用。所以从合理的逻辑上来讲，你完全是通过这些工具，的确它可以完成很多需求。而且这个不只是做功能啊，比如今天说我这算法想要优化一下，比如说我有个机器模型的模型想优化，我有沙盒，

34:16我告诉它怎么启动这个沙盒，怎么我的数据集在哪里，我怎么去调用这个代码在哪里，其实模型是可以自动去就是你可以让AI agent自动去，然后你告诉它训练之后，它怎么可以检查训练的进度，对吧？其实这个agent完全也可以做到自己去优化一个特定模型的效果，在固定的数据集上，对吧？

34:41当然今天可能比较难的说让他去找数据集，这个在开放世界探索的事情他是做不了。但是有大量的我们觉得的高技能的活儿，其实对AI来讲，如果是个套路化的，对他来讲没有那么难。对吧？今天大家去训练，所谓训练一个模型，哎呀。无非是拿这个数据集，开源代码上好，先跑第一版，然后去调参数，对吧？

35:02调参数你去看那个loss下降的曲线，你根据这个曲线，人有一个经验这个判断。但这些判断能力其实大模型都有，而且没有其实是你可以给他的，其实你可以把人的经验灌输给他的。我自己的有一个判断是说，我们内部从研发，从工程到那个内部的这些数据处理，再到简单的模型调优，

35:26都可以未来逐步交付给AI去做。就是你很多活儿你不太需要的人力会大幅度减少。当然有些活儿，比如说前端反而你可能还得有人，你得看那个界面长得好不好看，fancy不fancy，交互体验怎么样。我觉得这个就要找出那个不一样来，感觉反而AI不太好做。

35:46但是你如果是面向企业的这种B端工具，其实也能做掉。

35:50我得抓芒果来找你再深度聊一下，这事是可以干的，现在就要做准备了，说不定现在开始干，然后比如说明年的这个时候的话，就真的这一个比如说十个人的公司就可以有一千人公司的效率。

36:04第一个是我觉得说这个会带来两代人，第一个是年轻人跟中老年人肯定会有差别。中老年人中可能有一小部分人会有很高的价值，在一段时间内，更长时间我不知道，就是我其实也有点害怕了。一段时间内，我这种人还有点价值，因为我发现今天啊这个系统大的架构怎么设计，包括我刚才讲的这些东西，

36:25应该要不要在内部做，肯定是我能想出来我来去推动，对吧？一年两年以后呢，这个事很难讲。我的基本上一个判断，包括我接下来肯定就在我们公司，我肯定会干这个事儿。我相信，其实我觉得今天如果大家在用AI，其实要回答已经不是说啊我要不要用Cursor，我要不要用AI辅助写代码，

36:44而是说你应该想一想，我内部的整个组织信息流程怎么搭建，让AI怎么搭建给AI accessible，怎么让你所有的内部你人能够获取到这些东西，AI能不能获取到。然后它如果能够获取到，给它这个agent的能力，它能不能把一些事做了。

37:04人要做的变成说把任务切分成一个AI可解决级别的任务，就你不还是不能你给AI那个任务说我想发大财，对吧？你帮我想一下这个问题怎么解决。但是你完全可以说我要出具体我要出这样一张报表字段是什么。然后你AI应该自动帮你把这张人人报道生成，甚至应该自动帮你发布到一个环境里，你去看一眼，你觉得没问题点一下accept，

37:30而且它可能是已经自己拿别的数据做过交叉验证，能验收了。然后你如果你去写一个功能，可能也是这样，它给你提一个PR，然后它所有的自动化测试都已经测过了，而且它也布到了一个舞台环境，你可以去验收了。你看验收一下，看一眼没带accept，这个功能就写完了。

37:50未来应该是每天早上过来，任何一个就是传统的或者说所有的工程师，你的角色都应该改成架构师或者产品经理了。这个过程中会使得那些能够清晰地结构化地表达自己需求的人的价值会变得非常大。你每天早上过来就是给清晰地给AI布置五个任务。

38:11然后去吃午饭，吃完午饭回来，来验收这五个任务，然后再布置五个任务，去吃晚饭，然后吃完饭回来，再验收这五个任务，然后再布置一批任务，回去睡觉，等明天早上来。

38:24没有，你这个路上再走一步，应该是AI自己有一个你的助理AI在布置任务，然后他会过来说老板对不对？就有点像王健林和王思聪每天应该也很忙，但他们的忙应该就是大部分想的事情都已经有职业经理人搞定了，已经布置下去了，但是会来跟你老板请示一下说还是这样子。

38:45我们先做到这一步，我们先做到这一步，因为我觉得做到这一步去完善自己的基建，当然这个基建你也可以靠AI来帮你完善。你说我现在代码没有测试，AI能不能帮我补一些测试，对不对？我代码没有文档，你AI能不能帮我来补文档，你可能都需要，但是我觉得是大家应该尽快去完善这套基建。

39:05然后对吧，我甚至认为你要让你组织现在是AI ready的，AI ready不是说啊我组织的人力为AI做好了什么准备，而是你组织里的流程、功能、信息一定要暴露给AI可用。你的任何一个内部的服务都应该有个MCP server，你任何一个这种文档性的东西，AI都应该通过MCP或者通过RAG的search能够检索到。

39:30你的舞台环境，AI应该能够直接触发了发布上去。

39:35所以最简单的要求就是说你里面人能够碰到的东西的话应该都有MCP，嗯。很有道理。一种方法是因为我们也在找机会嘛，一种机会就是我们去找一些产品的机会，还有一种就是如果有时间的话，也找不到什么明确产品机会的话，可以先把公司的组织形态先打磨好，相当于这个造产品的这个大机器，

39:56把公司先打磨，至少到时候手脚更快一点，比如说，诶，我同时可以我这个APP工厂同时可以出一千个，对吧？你只能出两个。

40:04对，我觉得这个这个我们我们叫这是个借假修真的过程吧，也许你今天产品方向不一定百分之百对。但如果你能把这套流程转起来，你能用很少的人很快地做很多事儿。但如果你这套流程转不起来，今天你暂时领先了，很有可能别人会用十倍的速度来把你给迭代掉。

40:30除了OS，那是Build的发布嘛，然后coding你看到的是那个GPT和那个Claude发的嘛，然后还有一件大事就是Google。然后我看他每翻一页PPT都在想做这个公司要死了，太可怕了，他一次性丢了一堆东西出来。而且，对，我们两个这这这两天不是都在玩那个玩那个Veo3嘛，对吧？

40:49那个太吓人了。我

40:50我是，但是我不遇到一个bug，我用不了那个Frame to Video。我不是，我是看他半下，我说我一定得用一下，因为我自己有一个就是Claude Code跟这个Build这两个，我觉得带来一个强烈的危机感，就是你觉得你已经在这个行业里，你已经花了很多时间，但是你其实始终离跑在前面的人是落后的。

41:11他不是落后在能力上，他是落后在原能力上，对吧？Meta ability，呃，落后在那个你对这件事情的基本的组织判断上。因为因为以前以前有一种说法，就是前一阵，对吧？就是我这这个我们其他的合伙人去美国说一个人能当一百个人用，对吧？

41:28我说你这鬼扯，我一个人能当三个人用顶天了。但是今天如果说我们真的能把所有的这infra都搭建完成，一个人当一百个人用也许夸张了，但是一个人当五个人十个人用就有机会了，对不对？然后等到AI能力下一步进一步进化，就像你说的，连分活这个事，连分活这个事如果都是AI干了，那的确一个人当一百个人用这件事情不是没有可能的。

41:53因为公司里大部分人干的事其实是一个人肉编排器。我举个例子啊，就比如说运营，比如说我们说很多很多大家做内容运营，啊，我去网上找找最近有什么热点，去看看竞对有什么帖子，然后我拿过来，围绕我们这里我想一些idea，然后那个我做一些内容给我请示一下了我老板，

42:13我老板说就用这个，或者是你自己背KPI，你自己把这个东西放上那个平台试一试，试一下之后可能看数据反馈。再把那个效果不好的下掉，效果好的再去找一些。它其实是个非常流程式的活。而且其中的很多判断能力可能这个人还不如AI。今天你说这个东西，比如说，哎，这个东西fashion不fashion。

42:36AI可能判断比你马路上随便招一个普通的运营人员要强的。这个东西梗出不出效果，可能AI能力是更强的。而这些动作，如果你的每一项能力你都能包装成，都MCP比较稳定的提供出来，这个活其实AI就能替代掉。你只需要那个更senior的人去想，哎。

42:56我怎么去优化这个流程？传统的公司有那么多人，他的那个层级结构就是那个比较聪明比较厉害的那个人，啊不，大老板说，哎，我把这东西拆成了一些KPI，对不对？拆了个指标给你，然后这个业务的部门他去想说，哎。那我怎么，我所谓的管理能力，我制定一个流程，制定一个考核机制，传授一些方法论，对不对？

43:20然后下面的一线的人去做执行。

43:22所以就是以前也是人类来定这个嘛，最开始就是全部为人来设计嘛。那现在的话，设计的人的思想也是说我在人的流程里面加入一些机器嘛。但是真正你要搞好的话，其实你应该以机器为中心嘛，对吧？主要就工厂考虑事情先考虑机器，先考虑现在最好的机器怎么用，然后在不得不的地方可能排上一些人，

43:44所以它的设计逻辑是不太一样的。对，应该这样搞。但这样搞最后还是要有那个该做什么产品嘛。那你现在是怎么怎么想的？我觉得现在没什么产品可以做了呀。

43:54看特别看完那个Google发布会之后就愈发的觉得说，就就我们现在很惨啊，就是很多产品都半发不发的卡在这里。但是我在想说万一我已经发了，其实也很惨。

44:07对，哥啊，就第一个是说现在世界还是分布不均匀的嘛。就Google虽然发了很多，我举个例子，Veo3出了，对不对？我相信用Veo3生成过视频的人还是很少的。至少我觉得短期内各种套利空间其实是非常充足的。从现在到未来两三年是个巨大的套利套利空间时代。

44:29就是你假设你想明白这个事儿，我觉得还是有很多事儿可以做的。我极端一点讲嘛，就是代做小视频行不行嘛，对不对？而且代做小视频你完全可以可以做一个代做小视频的agent，所以我觉得在但是呢你今天想要做个大事儿可能变得很难。就你说我今天原来想有很多人想做Sora，OpenSora，对吧？

44:48想做基础模型，那就就很惨嘛。

44:51哎，对了。现在这些视频视频模型怎么办？对对对。

44:55就跟GPT image问出来那些做图片生成的怎么办一样啊？那做可控图片生成的出来怎么办一样啊，对不对？

45:02这个Veo3出来真的太吓人了，可这个它对于语言的理解，对于物理世界理解，那个那个画面，那创业公司就就就每一页我都看到觉得说有我都想得到几家创业公司，然后就觉得啊，如果我是他我该怎么办，就觉得好纠结啊。

45:20就我觉得有好几种出路啊，就是一种是说是不是干点脏活累活，对吧？就是称之为原来总想想说，哎。你原来总想做拼多多，对吧？那今天能不能做个拼多多商家去卖货？对。

45:32这是这是两种生意模式，但是做拼多多卖家，做拼多多的卖家去卖货，这是个脏活累活，但是也许在一个有红利的时代更容易生存下来，这是个比方哈。第二种是说，如果我们能够把组织调成说，利用AI变得比其他人更有效率，那是不是应该变成一个矩阵式的打法，

45:54而不应该是赌一个产品的打法，对吧？这可能是另一个思路。我觉得说最传统的那种思路是，比方说啊，我做个特别厉害的模型，在某一个领域，呃，干翻别人，这个可能比较难。你可能得结合更多细节的产品啊、线下啊的事儿，才有可能变成一个比较大的事儿。

46:14不然的话呢，感觉是有挑战的。当然，我们在一些细分环节，尽管Google发了很多东西啊，我呃，我们觉得在一些细分环节，我觉得我们东西做得比他发的那些东西其实做得好。然后我们看怎么调整一下，能不能蹭一下热度。到时候。没有，能

46:30这样你妈就很牛逼了。很少有人能够这样。

46:33那么在在一些非常细分的细分的地方，但是客观来讲，假假设今天我做的比较好，我觉得很难做到，就是如果你不做去更重更深的事儿，你完全就比如说啊，他有这个功能，我也有这个功能，我今天做的比他好，你过一年之后，肯定就应该是搞不过他了。

46:51那怎么办呢？就是找细分一点，找找细一点，然后做一千个。

46:57我觉得要么就是做矩阵式的，就是我并不追求单个东西大，通过组织效率，然后通过数量能够，对吧？这个其实原来的传统的中国出海团，很多传统的出海团其实挺擅长这个事的。是原来他是能够组织起人来干这个事。今天你能不能组织起AI来干这个事？

47:16然后你需要的人就变少了，对吧？另外一个就是能不能干点脏活累活，干点巨头们不可能去干的活。

47:24那你讲的比如说公司要经过这个转型，这个事情本身，如果它真的有可以把一家公司提供比如说一百倍的效率的话，这件事情本身有没有机会呢？就有点像比如说Glean，Glean。它就不是就公司什么企业，就是那内部知识库可以把它打通，然后你就方便用大语言模型干嘛。

47:43这也是一家不小的公司嘛。既然看准了这个方向，就这个方向本身有没有一个产品级的机会啊？不是那种讲课，因为这个教了也没用。对，产品级的机会有没有？

47:53我觉得这个当中有一个机会是确定性的，就是但第一个确定性的是咨询类的机会，我觉得不是讲课，这是埃森哲这种公司的机会。就是我相信就是之前大家都讲数字化转型，对不对？那AI化转型这件事情，其实呃有了一个真正可落地的实现路径跟方式了。

48:14那

48:14你再讲讲什么叫做落地的实现路径和方式，就帮他们搞一个MCP，然后改流程嘛。

48:21或者你可以这样这样讲，其实你就是要做一个自，就是我觉得这是个很很典型的咨询类的可做的case，应该是什么呢？你做咨询，摸清楚他今天的非常细的业务流程跟系统是怎么样的，能不能包装成MCP跟agent，然后maybe还需要human in the loop，

48:39需要有人在中间，但是他能够极大的提升组织效率。但

48:43是私有化工具太多了，你搞搞MCP也搞不过来。我们现在其实在工厂里面那个其实就是有有那个工业软件的MCP，但是其实没有现成的可以搞，就是要全套真的要搭呀。

48:56呃，对。但是所以我说他是个像埃森哲这样的机会，他其实是一个咨询加可实施的过程。这

49:03个钱赚的人蛮

49:04辛苦的。不不不辛苦的钱很快就轮不到大家来赚了。产品的机会呢，我觉得当中会有比较多的中间件的机会。传统的大体量的产品啊或者怎么样，能不能通过MCP暴露出来？怎么把外部的各种三方工具通过MCP跟沙盒能够包装起来？

49:21我觉得这个当中有一系列的产品机会。我举个例子，因为我认为今天有很多的产品它不是为AI准备的。我举个例子，今天大家写服务都会去写一个接口文档，接口文档其实本身服务里比如说这些编程语言都已经有了，对不对？所以这个事情你不需要重新写一遍，简单包一下MCP也很容易。

49:44但是今天所有的这些程序的接口文档都不会告诉你线上这个服务的请求量是怎么样的，它的延时是怎么样的。但如果一个人的程序员去设计流程跟接口的时候，他其实是要关心这些事的。这一类的信息，你看传统上在另外一类产品里，就是线上会有监控的系统，会有我们叫tracing的，

50:08就是追踪的系统。那么怎么把追踪的系统跟这个文档能够关联起来，其实就是一个小的中间件的机会。就是所以我说这当中是有很多产品机会的，很多小的产品机会，以及这些小的产品也许能够放在一起变成一个suite。这就是上次你讲过做这些广告创意的公司，传统意义上，呃，做投放的、做创意的、什么追踪数据的都是分开的。

50:36但是对一个agent来讲，对于你想希望一个agent把广告投了。其实你希望是我都能看到，在一个地方看到，甚至我能够看到更多的，比如说站内的，比如说公司内部的这些更详细的监测数据，甚至有很多原来没有想到的。就像你说的，更规模化的做AB测试，人可能做不了那么多，那AI可以做。

50:56其实所有的很多东西你想想都有，但你细微地去想一想，是不是把所有的信息都暴露了给了AI？其实没有。好，

51:02可以做这个。嗯，还有什么可以做的吗？就就最近觉得没什么好做。主要反正做了的话，市场上就会十个，然后大厂还有一个在后面等着。

51:12我觉得Video 3出来了，真的有很多偏创意类的事可以做，就是这个事情本质上还是个审美的事。其实在有些场景下，模型能力越强是好事。你

51:21是说做内容或者做做垂直，相当于做Midjourney？

51:25不是做Midjourney，我觉得做Midjourney的机会就反而很小嘛。你其实还是想它更像一个平台。但是我举个例子，就是胡编的，我能不能今天做一个教小朋友拍电影的应用，我告诉他怎么用镜头，怎么用，怎么去讲画面或者怎么样。

51:40原来其实这事儿你没法做，或者你很难做，但今天是可以做的，对不对？而且你不应该训一个自己的模型，你就应该用别人的模型来做这个事儿。原来你想当电影导演，对吧？说教小朋友做一个怎么教小朋友当电影导演的APP，就我胡编的，我现编的。

51:56刚才现编的

51:57也很有道理啊，这是在还是一个有的存在的需求。但是之前的生产力水平达不到，因为电影这事儿实在是搞起来太贵了嘛。然后你也不可能让他说，那这个你看俯拍是这样，然后那个横拍是这样，然后把重点放在男生身上是这样，把重点放在女生身上是这样。

52:16那现在其实就是言出法随嘛。

52:19所以所以我我我倒不觉得机会没有，反而机会其实是很多的。但是这个机会可能不是那个平台级的那个做一个Video 3的机会，对吧？所以那些融了很多钱，说我要做个比别人都厉害的模型，这件事

52:32就变得很难了。对对对。现在可以搞点小的，就比如说你之前不是提可以做个翻译嘛，对吧？做个做个播客翻译，呃，打个广告，有有一期已经上线了，对。大家可以去听一下，然后我们可以看看播客翻译的效果怎么样。

52:47这种东西其实像小宇宙也会自己翻嘛，对吧？然后也会有一堆人在翻。

52:52这些我觉得这事儿是这样的，就是你不能从竞争终局去考虑，有些事儿就是谁先做得快吧。就是你说Monica、Fider做的这些事儿，人人都能做，他做得快嘛。他把这头两年两三年的红利吃掉，他不就去做Manus了嘛。Manus可能接下来也不太好做，对吧？

53:08因为开源版的最近出了一个开源版的叫AI Agent，我们看了一下，基本上把Manus所有的功能都做了，对吧？但是但是我觉得现在就在一个技术快速变动的时代，你很难就定义终局来做事儿，你你那样就是做不出来嘛。定义技术终局来做事儿，那就是AGI，对吧？

53:27AGI之后你做啥都没有意义。那最好的方式是早上出去健身，晚上回来看脱口秀。

53:34那你还看到什么好玩的？这周不是好多发布吗？还有什么感想？

53:38没有了。我觉得这这个就就我觉得这两件事儿想明白，就是特别是coding这个事儿，因为本身这个这个对我的工作会有重大的影响，就是你可能得把呃组织形式啊到底该怎么做事儿，这个事儿可能都得做大的调整。

53:55有没有可能我基于你的这个想法，就是我不做公司，因为公司你说Accenture啊什么，其实赚不了几个钱。

54:02我我觉得真不是啊，我我觉得像Accenture这些公司都是阶段性非常赚钱。就是当这个概念火了，它抢到那个身位，啪就赚了一波钱。然后但但但是它是一个只能赚那一个时间阶段钱的机会吧，就跟上半年在国内帮人接一下DeepSeek做RAG问答一样，

54:23它是个赚钱的机会。

54:24对，我是在想说那样子，就是现在如果要我来搞这个事儿的话，我就很容易被薅

54:29进去。但是我我说实话，我觉得这是个大机会啊。这本质上是我相信这个世界上下来的所有公司都需要做AI转型。你

54:39其实真的是要深到业务流里面，就好像我说我要泡在工厂。就我感觉我比如说同时搞两三家公司，我就已经完了，就很难规模化这事儿。当然我现在是本着我要学习的态度。

54:50但但我觉得这个规模化可能就要想一些别的方式了，maybe你应该开个培训班，对吧？找很多聪明的人，想教会他们怎么帮别人做AI转型。不过你或者你就真的开一家Accenture嘛，AI时代的Accenture，对吧？

55:04可以考虑，但我现在刚刚还是在想，因为做惯了To C的产品嘛，还是在想这件事情有没有可能还是从To C的角度。比如说我假设有一群人，他每天的工作就是，呃，Notion、Google、Gmail打开什么，他有常见的常见的几个软件。

55:22然后他每天的工作流是，比如说其实就是很差的一个工作流。其实你就把常规的，比如说知识管理的那个流程帮他优化一下，但是自动化的优化，不是说让他学习一个道理。学习道理那些课反正也卖得掉嘛，那种什么Hara什么的、Second Brain这种老美那种课也卖得掉嘛。

55:41那其实就是帮他把这几个软件打通了，然后相当于有一个人在帮他整体管起来了。这样子是不是是一个产品级的机会？它就不是一个咨询嘛，但是它就不是肯定不能To B，To B太非标了。To C的话其实是存在一类人的，比如说就是学习爱好者或者什么样的，一群人，然后有或者说就是引高营销的或者怎么样，

56:05是不是有一个C的产品的机会？我在想

56:08啊。我觉得有一个我叫做小B，但其实是面向，就是你刚才说的，比如说我就是给那些卖货铺货的人，我就是给那些发小红书的人，我就是给那些什么拍抖音的人，然后它有一个标准化的套路，能不能变成，呃，利用今天的这些MCP的能力跟跟工具整合成一些workflow。

56:33对。只是之前卖workflow的话，你很多时候是卖一个道理嘛。比如说你应该怎么看抖音的什么数据，然后回来怎么检查，然后你的怎么样。那假设，或者先假设你的脚本是写在一个飞书文档，剪辑是用剪映，然后那边是用那个，呃，发到抖音上。

56:50假设这三个都已经MCP了，理论上来讲就有点像它应该自己可以去分析那个数据，自己来重新写脚本，然后指挥我拍啊，拍还是人类拍。拍好之后，剪映那边会按照东西来重新剪，然后再自动发嘛，然后再自动搞嘛。

57:05拍视频我不知道能不能啊，或者剪视频能不能那么智能。但是我觉得有很多的工作是可以做的，比如发小红书，比如发图文类的内容啊，或者是说一些这种片，一些一些数据分析、人肉调整的这些动作啊，其实是都可以来这么做的。

57:21对。但是讲到如果真的是这么规模化的话，感觉应该自己来做矩阵号啊。

57:26解释，我觉得有一类机会，就是围绕AI跟MCP去做这种监控跟统计功能。比方说你有所有的MCP，然后所有所有的这些服务，你应该去做一个，呃，帮助你计费计时，计算成功率，计算每个步骤成功率的工具产品。呃，这个产品能够帮助你去迭代，要不要调prompt，要不要换更好的模型。

57:51我们刚才讲的是正向的嘛，你有一个agent，有很多MCP能去做很多事情了。然后呢，你需要有一个它的监管者或者考核者，可以做一个这样的产品。对。

58:04但这个就感觉需要第一件事完成之后，这个东西才卖得掉。

58:08这这个我觉得是个长期的产品类型的机会啊，就跟就这个公司就像互联网大数据时代的这种DataDog呀什么，对吧？就是那个是帮你监测什么AI的，这AI这些就是像什么Appsflyer啊这种，对吧？AI时代也需要它自己的Appsflyer，对吧？

58:25你公司内部也需要新一代的DataDog。其实

58:28还挺有道理的。我觉得你很多的idea都很好，很好做成BP去骗钱。

58:35就是为什么我把这个抛出来呢？是这这事儿我自己有需求。就是你一旦发现你要为AI ready，你会面临很多问题。比如说这个接口可以调，但这个接口调起来可能很贵，你怕它调爆了，你需要你，你又需要把这个准备得做好。

58:49确实AI转型，刚刚讲到这一波是个大机会。因为现在我几乎每天都有传统企业来找我，已经开始收费，帮别人聊聊天了。我很快就会成为中国美元基金历史上第一家盈利、运营成本为负的孵化器。

59:05Human Sounds]对，

59:08听你讲起来其实是可以大做一下，而且可以做得更认真一点，就是把它更科技一点，就是帮它真的把MCP也搞好。然后流程，而不光是讲了一个AI转型的一个道理，说你可以做这个这个这个，有点像开脑洞，像Accenture那样把实施给做掉。对。

59:26我们之前实施是倾向于做做产品的MVP，而不是帮它内部降本增效，我们不想碰。但是按你这样讲，内部降本增效这一层是可以做得很有技术含量的。

59:37哦，对。而且我觉得是个巨大的市场啊，就是所有人都有，就所有老板都有这个需求。而且这件事情在今天这个时代又是能做到的。它跟以前那个，它比以前你讲数字化转型啊什么的降本增效，说实话实际多了。你这事情做完真的就是裁一批人啊，这就很残酷，对吧？

59:54真的能有那么好的效果吗？就是你说写文案画画儿这事嘛，但是你刚刚讲的这个这个MCP它要做。它内部系统那些一个个搞的话，搞完之后还要协同，好像也没有那么见效快。

1:00:08这句话不是说搞完有没有那么容易见效快，而是这件事有没有那么容易搞。对新公司来讲，搞起来容易；对老公司来讲，搞起来难。对新公司来讲，我今天选编程语言，我就应该选Python。为什么？因为SWE本是mark选的语言就是Python。

1:00:25对老公司来说，我已经选了Java了，我总不见得把Java用Python再重新写一遍。你

1:00:30说这个倒是很有很有道理。如果我改不了老公司的话，我其实可以第一步，我先把我的孵化器内部做成是这种已经彻底的AI native的公司。比如说我效率提高二十倍，假设我真的能做到。做到了之后的话，我就拿这个卖点说我可以帮你一把创业公司，我就不去做老公司了。

1:00:48真的改起来很烦的，就直接做出创业公司好了。我我给他讲大道理，然后帮过去把它比如说变成AI native，这这一套提效，然后我们用这个来占股份。然后基金投点钱，孵化的意思就不一定是那个投点钱嘛，或者讲点道理嘛，我们是可以帮你的，真的增效十倍的，

1:01:07那这个孵化的逻辑也说得过去。哎，也可以这样，做新公司会容易一些，确实不要做。老公司，

1:01:12或者做老公司的做法，未必是帮他的，就不是去改他的流程，而是把某个流程写成一个新的MCP服务。

1:01:21对。就是每一件事情都会比你想象当中耗费多十倍的时间。

1:01:24这事儿都是这样的，今天讲道理都容易啊，落地其实都需要时间跟精力，而且也需要它既是一个你改造流程的机会需求，也是个改造组织的需求。就是你的组织内部的人也要认可这个事情。这个也是为什么创业公司，比如今天我就想做一个新的创业公司，会更容易，因为大家更愿意觉得，哎，

1:01:43我没有那些包袱，我不觉得必须是是这样的。但是，呃，为什么年轻人更容易？就是说如果说是一个工作三年的人，哎，我已经做了三年的运营，我不觉得说，我我觉得我的这些技能本身是有价值的，而不，他不太就更不容易退出来说，今天未来可能的角色不叫运营。

1:02:04而是说运营跟产品应该是一个人，我我胡说啊，或者你不应该叫后端开发，后端开发跟产品应该是一个人。这怎么让在组织内部说你既要去做这个呃系统的改造，也要做人跟组织流程的改造嘛，甚至是你要的绩效考核机制的改造，你可能都得做。所以为什么我说它是一个咨询加实施的，如果对老公司，它其实是个咨询加实施的项目。

1:02:30如果是新公司，你应该利用这个东西搭好自己的基建，然后靠迭代速度来战胜老公司。

1:02:37没，你你讲这个我明白，我现在也确实在做一些这样的。有一个点就是是靠个人的能力在相当于我我在教练一些公司在转转型嘛。但是基本上还是靠个人能力，就是连我写了一些文档，有一些流程方法论啊什么的，但是其实各过程当中发现个人能力占的80%吧，

1:02:56流程占20%，方法论。那你现在有没有什么这种方面的流程方法论，或者你受到了哪几个比如说其实已经有一些更比我们走在前面的人的影响，我可以有一些什么学习的东西吗？就框架性的东东西，还是说其实大家现在都是靠个人能力在往前突？

1:03:13就我没有看到有谁写的特别体系化的这个东西，因为我觉得所有人都在探索说AI native的组织应该是什么样子的。对，就其实我我刚才讲这些，就是说对，其实本质上也还是大道理，对吧？就是说你应该怎么样，可能提了一点点可以落地的建议。

1:03:30啊，但是我觉得就对我们来讲也是说内部这个事情怎么落地。假设给自己建一个框架，先尝试能不能用这种方式来运转。因为我觉得我们就处于，处于还改得动，就还没不是个老公司，但是可能不够那么新。就如果今天你重新去打造一个组织，可能组织结构也跟我们这种已经成立一两年的公司会不太一样。

1:03:54我觉得我可以研究一下这个，然后我们自己先改。然后因为因为芒果比我更极端，所以他接受你这种观点应该是一秒都没有种的事情，然后他就会直接搞。我觉得他是他是搞得下来的。我可以在理念上把它想清楚，然后我是可以写PPT的，他是真的能把它落地。

1:04:10你今天还解解答了我一个很大的心结，就是我之前一直别人找我做那个，比如说教他们一下怎么怎么转转型，或者说搞一个AI的一个第二曲线的时候，但是听你这样讲好像这件事情本身是一个很高级的事情。哈哈，这下可以吆喝一下了。

1:04:26我觉得这是特别有价值的一件事情，因为所有的公司接下来我觉得都需要，我们不讲AGI到不到来这个事情话题，但是我觉得从二二年底到这周，我觉得是个非常大的节点。这个节点就是为什么我觉得它是个大的节点呢？就是因为OpenAI、Google跟Claude其实同时发了这个Code Agent的这个产品。

1:04:48然后他们这个产品的能力其实也已经越过了一定的基准线。这个意味着你分配一个独立的任务给AI去干活这件事情开始慢慢成立了。接下来其实要回答的问题是，我怎么能更好地分配给AI干活。毕竟它可以24小时不眠不休，只耗token，对吧？

1:05:10其实其实就是虚拟的来想的话，就是机器人已经已经半成熟了，可能明年就成熟了。比如说他的手指头比较大，我们的键盘不对，或者说我们的办公室里面的楼梯太多了，他会摔跤。我们现在赶紧先做这个改造，然后再为他设计工作流。这

1:05:25事儿是模型一定要做的。模型再怎么powerful，它还是需要说你能够把你的系统已经有的系统跟信息暴露给它。这件事情你是一定要

1:05:35做的。因为他的能力我相信就是明后年肯定就比我们强了嘛，那其实我就是要把context给他，以及把我有的一些他没有的能力，比如说我可以指挥一个人去送外卖，那这个东西把它变成接口，让它可被调用。我的能力和我的上下文都要share给他，然后我的欲望share给他，然后让他根据我的欲望去他自己想办法去干的时候可以理解我的上下文，

1:06:01并且使用我share给他的部分能力。

1:06:04就是我不知道AGI会不会来，之前其实你觉得哎呀AI很牛逼很兴奋，但是它到底一个阶段性的边界在哪里，其实我我觉得没有想明白。但是我觉得这个礼拜这些东西发了，包括最近一直的一些实际使用的体会，我觉得一个阶段性的边界，就在AGI之前的那个边界，

1:06:23我已经想明白了。但是这个边界从工作的角度来讲，一定会让绝大部分人失业，包括我。啊不是，以前我可能还觉得不包括我，现在我觉得是包括我。但既然包括我，心态就会好很多。以前的想法是说哎呀我要再厉害一点，我要再干点AI干不了的事。

1:06:42现在不是，现在是说，我应该把所有的工作准备准备好，让AI都能干，我可以不用干活。

1:06:50但是我现在觉得说就是牌子可能更重要，有可能AI比如说两年后就比我强了，但是呢这张脸可能大家还不知道这件事情，可能两年之后还有人来找我付支付高额溢价。然后其实背后是AI干的，所以我们赶紧把AI的说明书要会要持续更新。

1:07:10你老人家给你写文章。好的，

1:07:12更新一下，更新

1:07:13一下。好的好的好的，来，那我们就定期聊聊天，然后也欢迎大家就是关注我们，然后推荐给朋友们，对吧？这么深度的讨论很少有的。然后对，然后关注那个我们的还有公众号，然后呃点击徐文浩的头像或者我的头像，应该还会看到我们新开的用AI做的那个把海外的最新的播客转录成中文的播客。

1:07:35啊对，我现在也不知道它名字是什么。但是反正你点点点我们头像应该会有吧，等到这一期上线的时候应该有了，然后应该会音质和那个语言的那个风格应该会效果会好到超乎你想象的。对，所以大家可以去订阅一下。在这件事情上就是一个下prompt的角色。

1:07:53对对。某位的小朋友出现比较多，大家看看，除了我们两个名字当中，还有另外一个名字出现了，那位同学干活比较，对，他的贡献比较大。对，

1:08:03我们就出了出主意，对不对？就有一个人肉agent把这个事给干了。

1:08:07好的呀。那大家那个关注我们，然后推荐给推荐给朋友们，然后定期可以听我跟徐文浩聊天，我们也会各自找一些呃业内的朋友来来聊天，所以关心这一块的话，面向未来的话，可以呃推荐推荐啊。对对对，好。那今天大家就到这里，那我们再约个时间接着聊。

1:08:27好，谢谢大家。拜拜。

1:08:29好，好，就这样。谢谢，拜拜，拜拜，拜拜。