未来 AI 眼中的人类写代码
我现在努力完成工作的样子
未来 AI 眼中的人类写代码
我现在努力完成工作的样子
确实如此。
的确如此。
这确实令人不齿。这些出版物有义务遵守事实,然而却已经沦为觉醒派宣传工具。
热力学第二定律指出,封闭系统的总熵不能减少。熵是衡量一个系统可能存在多少种微观状态的指标。
起初,黑洞似乎熵很低,因为描述它们只需要少数几个属性,例如质量、电荷和角动量。
然而,1972 年,物理学家 Jacob Bekenstein 提出黑洞应当具有熵。
他的论证基于热力学第二定律。如果一个具有熵的物体落入黑洞,那么它的熵在黑洞外部将不再能够被直接获取。如果黑洞本身没有熵,就可能导致宇宙总熵减少,这将与第二定律相冲突。
那么,黑洞究竟有多少熵?
1974 年,Stephen Hawking 证明黑洞具有温度,并会发出热辐射,这种辐射如今被称为 Hawking radiation(霍金辐射)。这意味着黑洞具有热力学性质。
通过能量、温度和熵之间的关系,物理学家发现,黑洞的熵与其事件视界的面积成正比。
这一结果被称为 Bekenstein–Hawking formula(贝肯斯坦–霍金公式):
S = A/4ℓₚ²
其中,S 是黑洞的熵,A 是其事件视界的面积,ℓₚ 是普朗克长度。
重要的是,黑洞并不违反热力学第二定律。相反,它们可以容纳极其巨大的熵。对于给定的空间区域,黑洞代表着已知物理学所允许的最大熵值。
所以,尽管黑洞从外部看起来很简单,但其熵可能极其巨大。
转移而非消灭。所以,去中心化,可能省略了一个主体,实际上是:去(其为)中心化。自觉是猎手,其实可能是猎物。//@嚼物理的小锺: http://t.cn/AX0ILH2u //@tombkeeper:#多地持币者及家属遭绑架甚至杀害#
加密货币的价值源于用密码学人为创造的稀缺性。黄金靠宇宙规律背书,法币靠政府暴力背书,加密货币靠密码学背书。
至于“匿名”“去中心化”,这就得两头说了。如果真的“匿名”“去中心化”,真的“匿名”“去中心化”,我是说如果真的“匿名”“去中心化”,那就意味着你的加密货币财富的安全性要依靠一些原子化的安全保证,而这些安全保证一旦失效,那丢了就是丢了。
除了密码学,加密货币的安全性还要基于一个假设:没人能控制超过 50% 的节点。但这个假设并没那么可靠。我们实验室之前发现过一个漏洞,可以控制 XRP链的所有节点。假设我们没有选择把漏洞报告给 XRP官方,而是利用漏洞真的控制了整个 XRP链,转走一百亿美元,XRP官方该怎么办?是干预还是不干预?如果干预,那还是“去中心化”吗?
传统财富是中心化的,中心化有中心化的好处。银行卡密码忘了,不要紧。银行卡丢了,也不要紧。
一个富豪,有很多财产,无论这些财产以股票、债券、存款还是什么传统形式存在,你想偷想抢都是不容易的。抢到了银行卡,逼问出了密码,然后呢?你去银行取钱?转账?
你忽然意外离世,即使没有留下遗嘱,你的继承人也可以获得你的存款、房产,等等。但如果你忽然意外离世而没人知道你的助记词,你的加密货币就等于消失了。你的继承人什么也得不到。
如果劫匪闯入你的家里,对你严刑拷打,拿到了加密钱包,逼问出了助记词,这时候,如果真的“匿名”“去中心化”,真的“匿名”“去中心化”,我是说如果真的“匿名”“去中心化”,那没了就是没了。当然,如果你去报案,求助于“中心”,可能也还有一点希望。
所以说,中心化有中心化的好处,因为“中心”天然地要让体系运转,所以会努力维护体系的秩序。
目前,加密货币处于一种奇妙的状态,一边打着“匿名”“去中心化”的旗号,一边和传统势力媾和。这种扭动目前看来是有效的。在人类社会形态发生重大改变之前,加密货币应该一直都有市场。毕竟,网络犯罪需要加密货币,权钱交易需要加密货币,情报机构支付线人费也需要加密货币。
Grok Bot 在取消我一时冲动买下、却一直没时间取消的 DTC 订阅时,就像一枚自主制导导弹。
在你的 Tesla 里和 @Grok 对话
今天我开车经过一套待售房屋,觉得看起来不错……于是我问 Tesla 里的 Grok 它卖多少钱。它调出了房源信息、价格、卧室/卫生间数量、面积、上市天数和市场分析,而此时 FSD 还在继续驾驶。无需手机。无需搜索。只需对话。
#杰灵趣拍VLOG#
海边民宿正式收楼,一楼可以开店,开个什么店铺好呢。
便利店,健身房,理发店?
#专业视频创作季#
非常高兴地宣布,我们计划与 NVIDIA 联手,完成一笔 12,930,300,000 美元的收购交易 💛💚
Hugging Face 创立 10 年后,开源 AI 正处于转折点。感谢社区,我们已经证明,开源 AI 可以成为闭源 API 的补充,甚至替代方案。但要实现更大规模的发展,它需要更多算力、更多支持、更多协作和更高关注度。这就是我们去找 Jensen 沟通的原因,而他提出要与我们一起,恰恰提供这些支持。
除继续加大 NVIDIA 对开源 AI 的巨大贡献(今年早些时候我称其为“美国开源 AI 之王”)外,他们还承诺大力支持 Hugging Face 及我们的使命,同时保持平台开放、独立且不受特定算力供应商限制。创始人和团队都会留下,继续推动这一使命向前发展。
我们相信,携手合作可以让开源成为构建 AI 的默认方式,目标是让 1 亿名 AI 开发者拥有自己的智能,而不是租用它。
期待未来 10 年! 🤗🤗🤗
对于 NVIDIA 和 @huggingface 来说,这是激动人心的一天。
开放模型能够增强安全与网络安全,加速创新和传播,并实现主权。它们让每一位开发者、初创公司、大学、行业和国家都能利用 AI 进行构建、定制并从中受益。
感谢 @ClementDelangue 主动来找我。
NVIDIA 将成为 Hugging Face、其社区以及开放模型未来的理想归宿。 🤗
https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/
这是何意味?
「财经」杂志的这期封面报道挺精彩的,直接把王兴兴称作「宇树的王」,虽然这家公司已经作为人形机器人赛道的领跑者在A股上市了,但从内部管理来看,它还保留着相当早期的作风,基本都围绕着王兴兴一个人的想法行进:
- 王兴兴做硬件结构出身,对于成本控制的决心深入骨髓,公司里超过100块钱的报销都要由他签字,哪怕这会让他的时间越来越不够用,办公室外面总有排着长队等他审批的人;
- 今年春晚是宇树第一次花钱上,有家具身智能的公司带头卷报价,从3000万涨到6000万,可能本想吓退对手,结果引发洛阳纸贵的效应,更多的机器人公司纷纷竞价,传言把费用抬到了1亿人民币,最早抬价到那家反而退出了;
- 宇树前两次上春晚都是免费蹭到的机缘,2021年送了24台四足机器人给刘德华伴舞,2025年是张艺谋主动找上门来,设计了穿花大褂扭秧歌的舞台表演,一下子带火了宇树整个品牌,营收暴增7倍;
- 外部形势变化之后,王兴兴更加在意公司形象了,他不允许员工在社交媒体上分享工作经验,并鼓励员工互相监督和举报对外透露公司情况的行为,最高可以获得50万的奖金,所有的宣传片也都必须要由他来把控;
- 宇树的供应商也被禁止宣传自己是所谓的「宇树供应链」,对此签了保密协议,如果违反,宇树会收500万的违约金,所以行业里对宇树的供应商都很陌生,不太好找,想进去的也没门路;
- 宇树的成功离不开王兴兴的拍脑袋,比如2024年发售的拳击版G1机器人,就给行业带去了人形机器人造价可以不必那么昂贵的震撼,当晚也有翻车的时候,比如王兴兴在开发一款电机的时候,突发奇想可以拿来做拉力健身器,觉得会大卖,采购了上千万的配件,至今还放在仓库里吃灰;
- 去年宇树H2机器人加入了仿生脸的造型,引发了恐怖谷效应,舆论并不全是欢迎,那张脸本来是王兴兴按照自己审美亲自设计的,后来不好意思承认,改口说加入人脸设计源自用户期待;…
- 王兴兴对机器人的理解之透,连同行都佩服,认为他在方案选择上就超过别人一大截,这为宇树带去了非常重要的成本优势,宇树四足和双足机器人的毛利率分别保持在50%和60%以上,靠的就是用设计把便宜的材料做到更优的水平;
- 所以王兴兴不认同行业里普遍认为大规模量产才能降本的这条共识,好的设计才是最根本的路径,「很多人觉得我有量了就能降成本,这纯粹是幻觉,不要跟我们比降成本,我们可以继续降很多」;
- 「抠门」的性格,和王兴兴自身的经历有关,他早年花200块钱做了第一款双足机器人,当时连电动工具也没有,买了几元钱的手动钻头,用起来手疼得要死,但正是这样的过程,让他学会了如何在压低生产成本的同时,把性能做得不输给更贵的产品;
- 当然王兴兴的想法也会随着时间发生变化,早年的宇树很是野蛮生长,产线上的残次品也正常发货,管理人员表示如果客户要换再给他换就行,抢占市场比品质控制更重要,通过快速迭代来解决历史问题;
- 但在出货量变大之后,王兴兴又会调整自己的原则,绝不头铁,比如愿意采购一些价格更高但质量也更好的零配件,把用户体验提上去,他非常在意产品性能和竞品相比的表现,希望能够实现全方位无死角的碾压;
- 但王兴兴仍然不让宇树把钱花在营销上,广告是可以投的,因为可以收集销售线索,频繁参加展会、发布载人机甲也都是为了寻找客户,拿订单是宇树做任何事情的第一性原理,友商的烧钱打法,基本不可能出现在王兴兴的考虑范畴内;
- 宇树的组织架构很简单,而且非常理工化,奖惩机制里几乎只有大棒,没有胡萝卜,包括高管的绩效都会被往低了打,薪资水平在具身智能的赛道里也是偏低的,所以这两年的骨干流失率很高;
- 当王兴兴大方起来,也是同样的率性而为,有一次他给一个在读研究生开了百万年薪附加期权的待遇,只因为在网上看了这人拿宇树机器人做的项目,识别到了工程师之间的火花,于是拍板千金买马骨,并主导公司的运动算法路线都切换到了这个工程师擅长的方向;
- 公司上市,在员工层没有庆祝活动,王兴兴的理念就是大家做好工作就行,福利、环境、氛围这些都不是必需品,所以宇树的HR也不做HRBP的活儿,只承担招聘和绩效;
- 宇树的期权只发给了14个员工,其他员工只能在上市当天,按150块钱的发行价认购新股,总计171人自掏了2.72亿人民币买了公司,「每天醒来除了要面对没有解决的技术问题,还要面对股票涨跌,和被骂的声音」;
- 宇树的投资人认为王兴兴需要尽快搭建-1的团队,加速补齐管理、销售、生产、研发等环节的能力,而不是依然总靠王兴兴一个人去推动公司,虽然王兴兴的朴素作风很让人欣慰,他在去年国庆受邀参加观礼之后,一个人在长安街走了半个小时打车回酒店,没有助理,没有司机,背着双肩包、穿着白T恤,就和刚开始创业时一模一样。
现在又回到出门带笔记本电脑的时代了~~//@马少平THU:AI综合征//@文光围脖1:/goal
刚刚同事说,AI最近把我弄生病了。
我问为什么?他的回答是:
为了消耗token,避免浪费,每天都有固定的要用完的量,睡的太少,免疫迅速下降,去看了两次医生了。
这不是段子。#AI把我弄生病了#
//@我是唯茜主义:这才是重点🐶//@生活在最好的时代:没啥好高兴的,这个女的并不是去报警告强奸被警察识破抓起来的。她只是用“报强奸”勒索男人,用敲诈勒索罪抓起来,而不是“诬告陷害罪”。
可能那会儿斌哥孩子小,后来斌哥发现不放大屏幕,孩子会看手机,所以还是放大屏幕吧~~
//@考古學人:没人做玉黄雀吗?//@考古小队长:那么问题来了,是谁往妇好墓里放了这个螳螂🐶//@中原考古队员:蝉有转世重生的寓意,所以常以玉蝉做口琀,如果偷偷往敌对势力的墓中埋个玉螳螂,就能捕墓主人的玉蝉,阻止他转世重生了🐶🐶🐶
//@成一虫:还挺便宜。所以,我一直感觉大模型竞争太激烈,很难差异化,很难垄断。谷歌G3.8FLASH单任务成本0.58美元!输入仅仅0.75美元/百万Tokens,多项核心基准测试中,硬生生摸到了全球最强旗舰Opus 5、GPT-5.6 Sol以及Grok 4.6的门槛。
被星宇股份批量裁员的学生们为什么这么愤怒?
当然是因为星宇股份的行为极为恶劣。
那有人就问了,星宇股份批量辞退新招录的大学毕业生这件事到底恶劣在哪呢?
首先是操作手法恶劣。
星宇逼迫这些刚工作几个月的应届生签自愿离职协议,否者就把这些以管培生和技术岗招来的本科生研究生们送到车间拧螺丝,逼迫学生们自己离职,这样他们既可以批量辞掉这些人,还可以不向学生们支付离职补偿。
星宇股份在2025年裁掉了两千多人,不知道用的是不是也用了这一招。用这招,可以省掉离职补偿金。按照劳动合同法,离职补偿金是每工作一年补偿一个月工资,不足六个月的补半个月工资。
这些学生的补偿金就算足额给,也才半个月工资。他们甚至想赖掉学生的这半个月补偿。
星宇股份2025年实现营收152.57亿元,同比增长15.12%;利润总额18.13亿元,同比增长13.87%;归属于上市公司股东的净利润16.24亿元,同比增长15.32%。周晓萍作为星宇股份实控人、大股东,2025年仅分红一项,她个人拿走了2.71亿元,她要赖掉学生的半个月补偿金。
其次,他们这样裁掉这些学生,几乎是毁掉了这104名学生的职业生涯。
在我们国家,企业招聘分为校园招聘和社会招聘。有一些比较好的企业,基本只参加校园招聘,只有招聘管理岗或是关键技术岗才会进行社会招聘,但是量相比校园招聘少很多。比如央国企、一些大型上市公司的管培生岗位等等。错过了校园招聘,再想进这些企业,除非已经在行业内混出头被猎头盯上,否者基本没戏。
这些学生已经在星宇办理了入职,交了社会保险,此刻被裁,只能算是失业,失去了应届毕业生身份,没办法再参加校园招聘,去了企业也不会收他们。就算有企业看上他们,他们还得回答为何被裁员的问题,怎么回?
他们参加不了校园招聘,只能去参加社会招聘。但是社会招聘的岗位,要么是低端缺少发展空间的岗,要么就是要求有丰富行业和岗位经验的岗,他们能怎么选?
还真不是这些学生会搬救兵,是这个星宇股份不做人,不给活路。逼得年轻人们不得不满世界搬救兵,不知道是如了谁的愿了。
#Crypto
又是价格操控爆仓。
风控归风控,维权归维权,两个都重要。
2024 年,Elon Musk 首次揭晓 Cybercab 时。
Starlink 现已进入阿联酋市场! 🇦🇪
Starlink 的高速、低延迟互联网现已在阿拉伯联合酋长国提供服务! 🛰️🇦🇪❤️ → https://starlink.com/unitedarabemirates
哈哈哈,他真是痛苦又邪恶,竟然想要:
1. 为世界提供清洁、充足的能源。
2. 带来人工智能(AI)与机器人领域的富足。
3. 治愈失明和残障。
4. 维护言论自由。
5. 让人类成为多星球物种,从而使我们的物种得以生存并赢得胜利。
真是邪恶至极。 😈
Elon Musk 是地球上最富有的人。一部由奥斯卡获奖导演 Alex Gibney 制作的爆炸性新片暗示,他或许也是最危险的人。
“随着他积累越来越多的权力,他已经不再有兴趣约束自己最糟糕的冲动,”Gibney 在回顾 Musk 的发展轨迹时说。“一位曾与 Elon 密切共事的人告诉我:‘他是我见过的最痛苦的人。’所以,他正在把自己的痛苦施加给所有人。”
在最新一期封面故事中,THR 的 Steven Zeitchik 在剪辑室采访了 Gibney;后者正在完成四小时纪录片《Musk》: http://bit.ly/4qSLyuX
恭喜 Tesla Australia!
这是澳大利亚历史上首次电动汽车销量超过内燃机汽车 🇦🇺
Model Y 成为 8 月销量最高的车型,Tesla 则成为当月整体销量排名第三的最畅销品牌
https://www.drive.com.au/news/australian-new-car-sales-in-august-2026-electric-outsells-petrol-for-the-first-time-as-tesla-model-y-tops-charts/
@wil_da_beast630 我们也该把斗篷带回来。它们看起来很酷。
Elon Musk 确实是一个非常非凡的人,也是一位非常非典型的老板。他可以轻松地走进 SpaceX 员工进行直播的工作室,让现场和观众都充满积极情绪🙌🏼
我喜欢他这一点! 🩵
自主编队行驶的 Cybercabs 总是美不胜收。
距离 Tesla Cybercab 在 Austin 举行发布活动只剩 1 天,Giga Texas 测试赛道上又进行了更多 Cybercab 夜间测试;美丽的景色中,Austin 市中心从地平线上探出,在一旁监督最后的准备工作!
我听说夜间测试已经持续了相当一段时间,尤其是过去一周。我希望你喜欢这段 Cybercab 首次亮相前最后一天的行动短视频!
Elon 刚刚发布了一条简单的内容:几乎所有关于 AI 的讨论都发生在 X 上。
这并不只是受众规模的问题,而是一个信号,说明心智圈(noosphere)正在成为现实。
一百年前,耶稣会士、古生物学家和哲学家德日进(Teilhard de Chardin)就预见到了这一点。在地圈和生物圈之后,他描述了第三个层次:心智圈,即包裹地球的人类思想圈层。思想彼此连接、不断密集,集体意识也在增强。
人类正在进入“行星化”阶段,走向欧米伽点(Omega Point):更高的复杂性、更强的意识,以及一种不会抹去个体、反而使个体得到提升的统一。
他想象中的、悬浮在生命之上的思想层,如今正在变成现实。X + AI,正是如此。
所有关于智能的对话都在同一个地方实时发生,经由综合、碰撞和加速而不断推进。地方性的叙事垄断不复存在,一个思想网络正在不断收紧。
从长远来看,Neuralink 还会进一步提高吞吐量,让人类从键盘和语言交流,转向大脑与机器之间更宽的带宽。更高的吞吐量、更广延的人类意识,以及由此产生的继续探索的愿望。
新的地平线。我们思考的不再只是地球,还要离开地球、拓展地球。
那些先知式人物谈论的未来已经不再只是一本书,而是在我们眼前书写。
我们正处在这样一个时刻:心智圈不再只是一个隐喻。
𝕏 几乎是所有 AI 讨论发生的地方。
兄弟……我已经把参加 Tesla Cybercab 发布会的一切都订好了。
从湾区飞往奥斯汀的机票,全家老小的都有。
我们住宿的地方。
整整一周要用的 Tesla。
而最疯狂的是,这基本就是我目前知道的全部信息。
我只知道活动在 9 月 3 日举行。
目前还没有活动日程、到场时间或其他任何细节。
但我信任 Elon 和 Tesla 团队。
他们邀请了我,我相信到了时候,他们会为我们准备好所需的一切。
所以我们要出发了。
我已经全情投入。
全家收拾行装,飞往奥斯汀,去参加我认为 Tesla 历史上最重要的时刻之一。
有时候,你就是得相信这个过程,即使不知道接下来会发生什么。
仅一家公司就在轨道上管理着超过 11,000 颗卫星,这简直不可思议。
SpaceX 基本上正在成为近地轨道的交通管制员。
每颗 Starlink 卫星都搭载了自主避碰系统。
如果碰撞概率仅升至十万分之一以上,卫星就会开始规划规避机动。
这比 SpaceX 所称的行业万分之一阈值还要保守 10 倍。
但真正令人印象深刻的地方,还不止 Starlink 本身。
SpaceX 会持续与美国太空军、LeoLabs 及其他卫星运营商共享精确的轨道数据和计划轨迹,让所有人都能筛查潜在的交会风险并协调机动。
随后,Starlink 卫星可以计算出更安全的轨迹,并在需要时自主移动。
超过 11,000 个航天器
持续移动
持续追踪风险
持续与轨道上的其他一切协调
SpaceX 建造了历史上最大的卫星星座,然后围绕它建立了一套自主交通管理系统。
Grok @Bot
👏👏👏😊 Grokbot!
💯
问题在于:“所有国家都曾经是奴隶贸易国家。”
笑死
以下只是一些“天才”,他们在 Elon 买下这个网站后宣称“Elon 毁了 Twitter”。
未来已经到来。
酷。
不仅可以在 @United 航班上享受 @Starlink 高速互联网,现在还可以观看《Starship》纪录片系列 🚀
我现在就在奥斯汀市中心。到处都是 @Tesla Cybercab。视频中的所有 Cybercab 都没有方向盘或踏板。
这让市中心充满了未来感。等不及明天了!🤖
任何方案都有取舍,用 subagent token消耗肯定更大,但价钱不见的更贵。要是 Fable 5耐用谁愿意这么折腾!
subagent是独立的上下文,任务开始前需要重新交代子任务上下文,完成后还要交接工作,这是代价;缓存倒是其次的,因为初始上下文不会太大,而且缓存只有第一次有影响,后续子agent有自己的缓存。
这样带来的收益是子 agent可以用便宜的模型,虽然 token消耗量大,但是价格其实更便宜,如果你是 Claude Code订阅的话,多让 Fable指挥 Opus/Sonnet SubAgent体感很明显。
然后由于具体子任务细节都在子agent,主agent的上下文只需要子任务的结果,这样可以节约主agent大量上下文空间,可以更专注于任务本身。
这就好比你有个能力超强的员工,他当然可以什么事情都做了,但他也可以把活派给实习生,实习生做完了检查验收一下,这样能做的事情更多了引用原帖:
@dotey subagent好像更消耗token, 以前就是这么做的
本周,老练的网络犯罪分子试图针对数十万名 X 用户发起密码恢复攻击。X 阻止了这次攻击,防止用户账户被劫持。但正如我们已经展示的那样,司法部为追捕网络诈骗犯和骗子将不惜一切代价。我们正与 @X 密切合作,追查这次攻击背后的犯罪分子。那些躲在电脑屏幕后实施犯罪计划的人没有藏身之处。
自 6 月底以来,孟菲斯和南海文地区约 2,000 名居民已注册 @Starlink 高速、可靠的互联网服务,价格仅为原来的一半。
SpaceX 将继续提供这项优惠,为新老客户的 Starlink Residential 服务套餐提供 50% 折扣。新客户购买套件也无需预付费用 → http://starlink.com/memphissouthaven
现在,基于硅的智能已经完成引导加载,我们应将下一个时代视为生物-硅协同设计时代。
我们需要以更加开放的心态来改造生物基底,并探索其参数空间,就像我们对待硅基人工生命那样。
面对非生物基底复杂化进程的快速加速,我们的回应应当是加速生物学的发展。
确实严肃地论证了这样一种观点:成为“数字超级智能的生物引导加载器”(按照 @elonmusk 的说法)是一种可信、体面且足够好的“人生意义”。
我开始写这篇文章时,部分原因是把它当成一个玩笑(“埃隆·马斯克在一条推文里意外解决了人生意义问题!”),后来它演变成一次漫长的探讨:人类究竟想从“人生意义”中得到什么,宗教传统中源远流长的“成为工具性存在”观念,以及我们称之为“善”的事物的终极体现为何可能无法容纳于人类之中。
鉴于近期发生的“智能体文明”事件,重新审视这篇文章时,感受上有些更加令人恐惧;但我希望其中的视角能带来一些安慰,让人相信未来或许会没事,甚至会很美好、很伟大,即使一切对我们而言未必都“没事”。
享受《硅基人》。
现代化的格式化库
C++
今日新增 3 星 · 总星标 24,091 · Fork 2,979
TimesFM 是由 Google Research 开发的、用于时间序列预测的预训练时间序列基础模型。
Python
今日新增 326 星 · 总星标 29,470 · Fork 2,849
让你的 AI agent(智能体)像团队里最懒的资深开发者一样思考。最好的代码,就是你根本没写的代码。
JavaScript
今日新增 1,364 星 · 总星标 121,176 · Fork 6,549
研究表明,管理你机器上乱七八糟的skills,你每个月的AI tokens至少可以节省 10-20%!
终于有人把「宝玉哥的软链接Skill管理方案」做成Mac GUI app了!今天推荐开源skill管理器:Kitter.
1. Rust + GPUI 开发,精致小巧,内存/磁盘占用小
2. 在本地维护一个统一的 Skill 仓库,需要用的时候软链过去,不会混乱,一目了然
仓库地址:
宝玉哥skill管理办法:
注意:
小哥未购买Developer ID,首次打开需 Control+点击 →「打开」,或被拦截时执行 xattr -dr .quarantine /Applications/Kitter.app
Anthropic 刚开源了一个 `/claude-api` skill,并将其内置到 Claude Code 中。
这个 Skill 用来优化 Claude API 调用,适合 Agent 开发或基于 Claude API 开发的场景。如果你只是 Claude Code 用户,就不需要关注它;如果你使用的不是 Claude 模型,效果可能会差一些,但仍然会有帮助。
使用方法很简单:在 Claude Code 中输入 `/claude-api` 加子命令,就能触发相应的诊断或迁移流程。
它的代码已在 GitHub 上公开:http://github.com/anthropics/skills/blob/main/skills/claude-api/SKILL.md
这个 skill 本身不是一个独立工具,而是一组结构化的参考文档和工作流指令。当 Claude Code 检测到你的项目导入了 Anthropic SDK,或者你主动输入 `/claude-api` 时,它就会把对应语言(Python、TypeScript、Java、Go、Ruby、C#、PHP 或 cURL)的 API 文档加载到上下文中,让 Claude 在帮你写代码时能够使用准确的 API 知识。
它支持 8 种语言,覆盖两个开发方向:Messages API(常规请求、流式输出、工具调用、批量处理、提示词缓存等)和 Managed Agents(Anthropic 托管的有状态 Agent,带有沙箱环境)。
三个主要子命令:
`/claude-api cost-optimize`
分析项目的实际 API 使用情况,按优先级排列节省成本的建议。它不会给你一份通用清单,而是根据具体用量模式逐项提出修改方案,你可以逐条批准或跳过。检查项目包括缓存配置、Token 冗余、批量处理机会、effort 级别和模型选择。
`/claude-api prompt-audit`
扫描项目中的提示词和 skill 文件,找出针对当前模型已经过时或存在问题的写法,例如过度验证(让模型反复确认自己的输出)、多余的强调语句、过时的 few-shot 示例和自相矛盾的规则。它会产出两样东西:一份标出具体文件、行号和问题模式的审计报告,以及一份修改建议 diff。
`/claude-api migrate`
帮助你将现有的 Claude API 代码迁移到更新的模型。…
它会先确认范围(需要修改哪些文件),再逐个文件分类,然后按照目标模型的 breaking changes 列表逐项处理。例如从 Fable 5 迁移到 Fable 5.1,或从 Opus 4.6 升级到 4.8,涉及的参数变化、废弃字段和新的默认行为,都会在这个流程中覆盖到。
这些命令在 Fable 5.1 发布的背景下尤其有用。Fable 5.1 的提示词缓存价格降低了 75%,但你需要先确认缓存配置没有问题,才能真正省到钱。cost-optimize 就是用来做这个的。同样,Fable 5.1 在低 effort 下就能达到上一代高 effort 的水平,但如果提示词里还塞着大量为旧模型编写的验证指令和脚手架,实际效果就会打折扣。prompt-audit 可以帮你清理这些内容。
除了这三个命令,还有一个 `/claude-api managed-agents-onboard`,用于从零搭建 Managed Agent,并提供交互式引导流程。
如果你需要优化 Claude 模型 API,值得试试。
---
附加(翻译自原推):常见提示词“反模式”(anti-patterns):
1. 流于形式的“验证仪式”(Verification rituals)。
诸如“仔细检查你的工作”或“在回答前核对两次”这类指令,往往会被前沿模型从字面上机械地理解。这不仅没有必要,还会白白浪费你的 tokens。
2. 用力过猛的强调与“详尽感”(Thoroughness and emphasis boosters)。
“尽可能详尽”“关键注意:你必须永远……”这类强调语,在指导前沿模型时反而会导致模型变得异常啰嗦,甚至执行大量不必要的工具调用。
3. 强制性的流程与“草稿本”脚手架(Mandatory procedures and scratchpad scaffolds)。
强制性的固定步骤(例如“在草稿本(scratchpad)中一步步思考”)或思维模板,对于前沿模型来说完全是多此一举。这些人为添加的“脚手架”会叠加在模型原生的推理能力之上,从而白白消耗不必要的词元。
4. 过时的示例(Stale examples)。
有些少样本示例(few-shot examples)是针对老一代模型常犯的错误设计的。如果用它们来教前沿模型,反而会让模型在原本很简单、根本不需要复杂思考的任务上,刻意模仿冗长的推理链条。
5. 自相矛盾的规则(Contradictory rules)。
前沿模型在遵循指令方面非常听话。如果给出的指令本身存在矛盾(例如同时规定“始终在政策范围内退款”和“未经上报绝不退款”),模型会非常机械地执行这些冲突规则,最终导致整体表现大打折扣。
6. 过时的配置(Dated configuration)。为老一代 Claude 编写的设置(例如手动设置思考预算)在配合新一代模型使用时,可能会直接被 Claude Platform 拒绝。
随着时间推移,这些反模式会在提示词中不断累积。当你将大语言模型升级到最新版本时,它们会在暗中拖累整体性能。一个常见原因是:前沿模型太擅长遵循指令,以至于这些糟糕的规则反而会误导它们,让它们把精力花在毫无意义的地方,消耗不必要的 Token。
举个真实案例:在一项内部客户服务基准测试(benchmark)中,研究人员测试了从 Opus 4.8 迁移到 Opus 5 的情况。结果发现,使用 Opus 5(以及 Fable 5.1 等其他前沿模型)时,所谓的“验证仪式”(例如“核对两次”)会让模型重复劳动,浪费大量 Token;而“强调增强语”(例如“尽可能详尽”)则会触发几十次完全不必要的系统搜索。
执行提示词审计(prompt audits)可以显著提升大语言模型的性能并降低成本。
我最近将这个命令加入了 claude-api skill。在 Claude Code 中运行它,可以修复那些会限制前沿模型能力的常见提示词“反模式”:
`/claude-api prompt-audit`
这些模式包括:
1/ 验证仪式。诸如“仔细检查你的工作”或“回答前核对两次”之类的指令,前沿模型往往会照字面执行,从而浪费 Token。
2/ 详尽程度与强调增强语。“尽可能详尽”“关键注意:你必须永远……”等表述,在使用前沿模型时可能导致冗长和额外的工具调用。
3/ 强制性流程与草稿本脚手架。固定的步骤流程(例如“在草稿本中一步步思考”)或推理模板,都是前沿模型不需要的仪式。这类脚手架会叠加在模型原生推理之上,消耗不必要的 Token。
4/ 过时的示例。针对旧模型失败模式调整的少样本示例,可能会教会前沿模型在不需要复杂推理的请求上模仿冗长的推理链条。
5/ 相互矛盾的规则。前沿模型更擅长遵循指令。相互矛盾的指令(“始终在政策范围内退款”与“未经升级处理绝不退款”)可能会被前沿模型更加机械地同时执行,导致性能下降。
6/ 过时的配置。为旧版 Claude 编写的设置(例如手动设置思考预算)可能会被 Claude Platform 拒绝,而新模型不再接受这些设置。
这些模式会随着时间在提示词中累积,在升级到更新模型时悄悄降低性能。一个常见原因是,前沿模型更擅长遵循指令,因此这些反模式会引导它们消耗不必要的 Token。
举例来说,我在一个内部客户支持基准测试中测试了从 Opus 4.8 迁移到 Opus 5。使用 Opus 5(以及 Fable 5.1 等其他前沿模型)时,验证仪式(“核对两次”)会通过重复工作浪费不必要的 Token;强调增强语(“尽可能详尽”)则会触发几十次不必要的搜索。
应用提示词审计可以提升性能并降低成本,随附的示例已经展示了这一点,我很快也会分享完整分析。
此外,这个 skill 也是开源的,其中一些指导原则可能普遍适用于各种前沿模型:https://github.com/anthropics/skills/tree/main/skills/claude-api
//@老婆孩子在天堂_23582://@-MIKIMILK-:哇//@捉拿土狗://@驼逼://@月球蟒蛇:震撼//@解忧闸总店:哇
那i9卖多少钱🤔
Google 今天发布了 Gemini 3.8 Flash,同时推出的还有一个专门用于网络安全的变体 3.8 Flash Cyber。
Google 最近这个发布节奏很有意思。7 月底发布 3.6 Flash,8 月中发布 3.7 Flash,今天又发布 3.8 Flash,间隔都只有大约三周。与此同时,今年 6 月本该发布的 Gemini 3.5 Pro 至今没有出现。Google 在 Flash 这条线上疯狂迭代,但更高端的 Pro 系列迟迟没有动静。
再加上 8 月初 DeepMind 经历了一轮震荡,创始人兼 CEO Demis Hassabis 从日常管理中退出,转任 DeepMind 主席和 Alphabet 首席科学家,首席科学家 Jeff Dean 也离职创业。新任 SVP Koray Kavukcuoglu 接管了 Gemini 的开发。在这种背景下连续推出 Flash,不知道是不是某种程度上的刷存在感。
回到模型本身。
3.8 Flash 和 3.7 Flash 的价格相同:每百万输入 Token 0.75 美元,每百万输出 Token 3.75 美元。
注意,这个价格是促销价,2026 年底到期后会翻倍,变成 1.5 美元和 7.5 美元。
跑分方面,3.8 Flash 在 DeepSWE v1.1(衡量模型自主解决复杂工程问题能力的评测)上拿到 73.7%,仅比 Claude Opus 5 的 74% 低 0.3 个百分点,超过了 GPT-5.6 Sol 的 72.7%、Claude Sonnet 5 的 53.8%,以及上一代 3.7 Flash 的 65.3%。
至于为什么评分高,Google 自己的解释是 3.8 Flash “works harder”,遇到复杂任务时会多思考几步、多调用几次工具,代价是消耗更多 Token。
另一个跑分细节是:3.8 Flash 在 Gray Swan 提示词注入(prompt injection)评测中被攻破的概率只有 5.5%,相比之下 DeepSeek V4 Pro 为 60.1%,Grok 4.6 为 51.8%。也就是说,用 3.8 Flash 做 AI Agent,被恶意指令劫持的风险要低得多。…
跟 Gemini 3.8 Flash 一起发布的还有 3.8 Flash Cyber,这是一个专门针对网络安全防御训练的模型,只通过 Google 新推出的 Fairwind Program 向经过审核的政府机构、关键基础设施运营商和安全研究人员开放,目前全球有 650 多个合作伙伴。普通开发者无法使用。
Google 将这个模型的能力定位在安全防御上,强调它擅长发现和修复漏洞,而不是进行攻击利用。在 CyberGym 漏洞发现评测中,3.8 Flash Cyber 拿到 86.2%;在覆盖 20 种编程语言的内部评测中,漏洞发现成功率超过 70%。在 CWE-Bench 自动修补评测中,它以 47.2% 的 pass@1 接近前沿模型的 47.8%,但成本低得多。
一些实际应用案例:Chrome 安全团队发现,3.8 Flash Cyber 比最好的商用大模型多修复了 2.6 倍的 Chrome 漏洞;在安全公司 Wiz 的内部渗透测试中,它的召回率高出 7.5% 到 9.7%,成本却低了 2.3 到 5.2 倍;Google Cloud 漏洞研究团队用它在不到两小时内发现了一个关键漏洞,而这类漏洞通常需要数月的人工研究。
3.8 Flash 已经可以通过 Gemini API、Google AI Studio、Android Studio、Antigravity 等渠道使用,Google AI Pro 和 Ultra 订阅用户也可以在 Gemini App 中使用。企业版通过 Gemini Enterprise 接入。Cyber 版需要申请 Fairwind Program。
世界顶级海军舰炮大比拼:谁才是真正的海上火力之王? #冷知识百科##专业视频创作季#
嘿嘿,这就很反直觉了哦:http://t.cn/AX0ciMy2 //@半盐笔记:3.8亿豆包用户多数不是AI办公赛道的目标群体
Quest Mobile的AI办公赛道数据:
- 腾讯「WorkBuddy」月活658万;
- 字节「TRAE Work」月活190万;
- 阿里「Qodework」月活23万;
以上都是7月数字,也就是在字节整合「豆包工作」、阿里整合「千问办公」之前,整条赛道的总体数字都还很低,高情商来讲就是,增长空间很大。
「WorkBuddy」强就强在先发优势很大,月活用户的月均使用次数19次,把周末去掉基本相当于天天都用了,相比之下,「TRAE Work」月均使用8.8次,「Qodework」月均使用5.7次。
不过「WorkBuddy」已经把微信、企业微信、腾讯会议、腾讯文档的用户洗过一遍了,新的「豆包工作」还有3.8亿豆包的月活用户待洗,「千问办公」也有1.7亿钉钉的月活用户可薅,8月整合之后直到年底,它俩的数据应该会有一波飞涨。
//@智程·:88元高利贷,唉…
【尼泊尔父亲借88元高利贷徒步找儿子,“他还年轻,肯定能跑掉…”】半岛电视台报道,塔尔卡·萨达脸上满是忧虑。长途跋涉穿越尼泊尔的群山,他的脚后跟疼痛难忍。他饥肠辘辘,怒火中烧,但即便在希望与绝望之间摇摆不定,他的目标始终未变:拼命寻找儿子。
萨达年过五十,来自尼泊尔特莱平原地区的萨普塔里县。生活在这个喜马拉雅山脉地区的人们被称为马德西人,是一支拥有独特语言文化、地域特色与种姓身份的小众族群。
他唯一的儿子维诺德(萨达还有3个女儿),自8月26日毁灭性山洪暴发后便下落不明。维诺德今年19岁,在洪灾的前一天,萨达还和他通过电话。一个月前,维诺德来到受灾最严重的拉苏瓦县,在一座水电站做劳工,主要负责拌水泥,也打各类零工。和他一同务工的另外四名17至19岁青年,同样在洪水中失踪。
“我妻子哭得撕心裂肺。我自己也痛苦万分,不知道该怎么办。” 萨达一边擦眼泪一边说道。http://t.cn/AX0t1WBR
如果你想试试让 Fable 指挥 GPT 5.6 干活,可以试试这个插件。
我没有尝试这种模式,是因为我直接让 Fable 指挥 Opus 更简单直接,没必要折腾。
如果你用的是 Fable API 而不是订阅,这应该是一种不错的模式。
Fable 5.1 指挥 GPT-5.6 Luna 智能体。
通过 Claude Code 的“fable-advisor”插件实现。
1. Fable 5.1 负责指挥
2. GPT-5.6 Luna 负责实现
3. Fable 5.1 负责审查
可以把它理解为上下文蒸馏(in-context distillation):只需一小部分成本,就能让 Luna 拥有 Fable 5.1 的智能。
基本上你只要让 Fable指挥其他 Agent干活,这两个进度条就能持平。
大部分任务你选 Fable + High(或者Medium,千万别Max及以上),然后后面加一句:
> 注意你的主要任务是分析、编排和验证,具体任务尽可能交给 subagent(Opus 或 Sonnet)去执行。自己只做需求澄清、方案拆解、任务分发和结果验收,实现类工作(读大量代码、写代码、跑测试、批量修改)一律用 Agent 工具派给 subagent 执行。
小米澎程N90 Max的新配色,酒红。
灵感来源于陈年佳酿,值得细细品味。整体采用低明度、中高饱和度设计。光线较暗时,呈现深邃沉稳的酒红色泽;阳光照射下,透出宝石般浓郁而通透的光泽。
这种绿色海藻藤壶,港口刮底就行,都不用入坞PIA~
这应该算违建吧 …
这个不错//@蘸盐:哈哈哈,暑假刚带闺女体验完一趟😄😄😄 http://t.cn/AX0tdxX2
💥捡漏价:42800元/人🏨保证升级豪华阳台房原价69188元/人,相当于直接省2万+ 3人出行2间房,还免单房差⚠️现在办理签证还来得及!
🚢【维京游轮】巴塞罗那 → 威尼斯6国10城|13日地中海文明精华之旅📅2026年10月26日出发
✔️含游轮小费+船上wifi+岸上观光从高迪的巴塞罗那,到南法蔚蓝海岸从摩纳哥的奢华,到意大利的文艺复兴再到希腊、克罗地亚与浪漫水城威尼斯一趟航程,串联6国10城的地中海文明
AI 基础设施的核心,是优化整个系统。
听 Meta 基础设施负责人 Santosh Janardhan 解释,为什么将计算、服务器、网络、电力和冷却作为一个整体进行协同设计,是释放更高数据中心性能的关键。
听说越来越多人想来我这上班
#富爸爸穷爸爸作者自曝负债12亿美元# 1、哪有能确保保证发财的方法;2、赚12亿美元是一种本事,能赔12亿美元的也不是普通人。
配置提升巨大!试26款新MEGA
#新一代理想MEGA全网首测# #新一代理想MEGA#
虽然问题也很多,但有时候是真觉得,中文互联网的产品体验还是把人保护得太好了。
我有一个不常用的外区PayPal账号,前段时间因为证件过期,被停了付款权限。
当然这个原因是我后来才知道的,刚开始的时候,是我在付款时发现总是失败,但拦截页没有任何原因说明,我在PayPal官网登录后也发现一切正常。
百思不得其解之后,我用了各种排除法,比如解绑信用卡、认证手机号之类,通通没用,就是没法支付,后来我才想到——同时还在心里自问「不会吧」——去邮箱搜搜邮件。
豁,一个月前PayPal给我发邮件,要我更新证件。
OK,我知道国际办事原则是以邮件为核心媒介,PayPal把邮件视为通知手段也没问题,我没上邮箱是我罪该万死,这些都OK。
但是吧,正常来说,发邮件通知,和在网站里通知,这两件事儿他喵的不冲突啊,就不能同时都做吗,我的PayPal账号在官网登录后,信箱、提醒栏全是一片空白,就只有在Gmail的那封邮件才能知道号出问题了⋯⋯
事情还没结束,我就当是自己的问题吧,点开邮件,有一个提交验证的链接,我点开之后,地址过期了⋯⋯是的,过期了,失效了。
于是我又被卡在原地了,官网一切正常,邮件链接失效,连个填写工单的地方都没有,最后是在请求帮助之后,打了400电话找人工客服,是的,简中互联网的痛点是找不到真人客服,而我在外网冲浪遇到的痛点则是,怎么这么点儿屁大的事情也要找人工客服啊啊啊啊啊啊啊啊。
最后客服给我开了一个验证,我把证件重新上传了一遍,以为就这么解决了,但是,怎么说呢,解决是解决了,但要5-7个工作日才能生效。
5-7个工作日,5-7个工作日,5-7个工作日,这他喵的是互联网产品的效率吗?
要不怎么叫磨洋工不叫磨华工呢!
还有做外贸的在听完我这通抱怨后表示:「竟然只要5-7个工作日,你这算快的了。」
😫😫😫😫😫😫😫😫😫😫😫😫
#李诞被MONAL03的价格吓到了#十五万的价格确实太夸张了 😂
#李诞向何小鹏取创业经#
🔻2026年9月2日,72岁的《圣斗士星矢》作者车田正美,在东京召开记者会,并代表其3家公司(包括车田制作会社)向东京地方法院起诉前经理人及关联人员。
🔻他说他的员工贪污了他约46亿8617万日元(约合人民币2.2亿元左右)。
🔻😨 🔻已追回约18亿日元。本次起诉金额是剩余约28.9亿日元。
🔻该前员工约25年前曾是集英社的责任编辑,后被车田正美信任并全权委托处理商务,以便车田正美专注创作,然后长期将公司账户资金擅自转至其控制的关联公司账户,或将授权费直接转入自己相关公司。
🔻约2024年2月,由东京国税局税务调查发现(距今约2年半)。
🔻车田正美在记者会上表示,事件刚发现时公司账户几乎没钱,连纳税都困难,“弄不好车田制作会社会破产,我自己作为漫画家可能也已经完蛋了,已经超越愤怒,感到空虚和无奈。” 🔻via ABEMA NEWS 🔻不是,这种数额的贪污在日本不用坐牢吗?只能本人起诉吗?目前所有日本主流媒体都只提到民事起诉,没有任何一家报道前经理人已被逮捕、拘留或被警方带走。
#海外新鲜事##热点现场#
#模型时代# 继《AI经济学通识读本》之后,再开源一本AI经济学的新电子书:《AI经济测量通识课(2026版)》。
上一本书写的是:如果AI强到能够承担人类大部分脑力工作,经济增长、就业、公司和市场会发生什么变化?
这一本讨论的是:在讨论AI将把经济带向哪里之前,我们是否真正看清了它今天已经做了什么?
这两年谈AI经济学,最关键的是各种预测。生产力会不会爆发,多少工作会消失,Agent会不会成为新的经济主体,Token会不会变成一种新的生产资料,每个问题都能迅速引出一组惊人的数字。
不过,经济学首先是一门测量的学问。如果连这些问题都没有测清楚,很多宏大判断其实还缺一块地基。应该是德鲁克说的吧,测量什么,获得什么。
今年5月7日,美国国家经济研究局NBER在斯坦福大学SIEPR又举办了一场“AI与经济测量”研讨会。Erik Brynjolfsson和Karen Dynan组织了这场会议,一天里安排了19篇论文、3位评论人和一场业界圆桌,录像长达八个半小时。
整场会议有一条特别好的主线:
AI既是我们要测量的对象,也正在成为测量经济的仪器。
作为被测量的对象,研究者想知道AI到底进入了哪些职业、任务、企业和家庭。微软研究院分析了九个月的Copilot聊天记录;一项覆盖七万名求职者的现场实验,比较AI面试官和人类招聘专员;美国人口普查局的研究者观察了十二万家企业,发现许多公司虽然已经使用AI,却往往只把它放进一两个业务环节。
作为测量仪器,大语言模型又开始替经济学家阅读文件、识别变量、模拟实验对象、分析新闻和法规,甚至生成可供检验的“社会代理人”。过去需要研究团队耗费大量时间处理的十万篇文本,现在可能只需要几十美元的模型调用成本。
基于这个8个半小时的素材,最后形成了一本超10万字、175页的中文读本,包括17节经济测量入门小课、导论和14章正文,分成四编:
AI在做什么工作;如何把AI变成研究仪器;AI在企业和家庭中扩散到了哪一步;当关键数据掌握在平台公司手里,我们还能看到多完整的经济图景。…
书中还放了18张自制SVG插图、37个核心概念框、每章三道思考题,以及术语表、报告索引、人物索引和思考题参考思路。
整个制作过程自然由AI深度协助完成:清洗自动字幕、建立人名和术语对照表、重组会议结构、逐章改写、制作插图、生成HTML和PDF,再用脚本检查章节结构、交叉引用、术语覆盖和错误人名。最后的选题、结构、取舍与核校标准由人来确定。
这次开源的不只是PDF。仓库里还包括单文件HTML、全部分章Markdown源稿、人名纠错表、字幕清洗脚本、电子书构建脚本和核校工具。发现数字、归属、术语或交叉引用问题,也可以直接提交Issue。
需要特别说明:本书是基于公开会议录像制作的非官方学习性改编,与NBER、斯坦福大学及各位作者所在机构均无关联。CC BY-NC-SA 4.0许可覆盖的是本书的改写文字、结构、插图与排版;论文、幻灯片、演讲观点和原始数据的权利仍归各自作者。引用具体研究结论时,请回到原论文,而不是引用这本读本。
适合哪些人读?
对AI经济学、Token经济、生产率和就业变化感兴趣的人;需要理解AI产业影响,但没有系统学过经济测量的人;以及已经熟悉经济学,却想看看大模型正在怎样改变研究方法的人。
对了,下周末,9月12,我们还计划在PEC(AI创新者大会)上把AI经济学作为一个重要议题。欢迎大家来参加哈,可以在活动行搜大会名称报名,或者私信我:www.huodongxing.com/event/3873589627000?coupon=7w3T2AC
项目地址:github.com/feigaobox10/ai-economic-measurement-reader
在线阅读与PDF下载:feigaobox10.github.io/ai-economic-measurement-reader/
欢迎Star,也欢迎挑错。
新一代移动的家,新一代理想MEGA产品发布会正式定档9月2日19:30。
🎁关注@理想汽车预约直播并转发,抽1位送iPhone17 Pro Max。
#理想MEGA发布会定档9月2日# #新一代理想MEGA# http://t.cn/AXpj8OWm http://t.cn/AXpj8OC5 http://t.cn/AXpRKsJC
我还有一个技巧,比这个涨粉还快。成为Nvidia CEO,注册一个账号并认证。
无数血泪事实都在说明,不要把一时的风口当成自己的能力…………//@卢诗翰:😮//@银教授:我前几年看过那个视频,当时觉得他有头脑,也有执行力,在产业链齐全的长三角,我觉得这种人迟早要发财。没想到现在是这样的结果。
Alex Gibney 显然会尽其所能,拍出一部他能想象到的、最有说服力的糟糕抹黑作品来攻击我。
他骨子里就是个混蛋,而且用他自己的话说,他对我抱有令人难以置信的偏见。
2020 年至 2024 年间,导演 Alex Gibney 曾向民主党人士捐款 12 次,其中包括 Alexandria Ocasio-Cortez。
下面简单列举几句 Gibney 谈论 @elonmusk 时说过的话:
2022 年 4 月 4 日:“我的想法是:Musk 成为所有者,可能就是促使我退出 Twitter 的那一下。”
2022 年 4 月 14 日:“就像 Elon 所谓的‘自由市场’。一点也不自由,而且贵得让人负担不起。”
2022 年 9 月 20 日:他推荐 Polestar 而不是 Tesla,并补充说:“额外好处是:买 Polestar 时,你不会把钱交给 Elon Musk。”
当一名导演憎恨并鄙视自己拍摄的对象时,你永远不可能得到一部公平、平衡的纪录片。
我会对这样一部纪录片感兴趣:它讲述一个制造火箭、自动驾驶汽车、机器人、脑机接口和隧道的人,以及他偶尔成为万亿富翁的经历。但导演明显的偏见,让这部作品注定会成为一部脱离事实的可预见的抹黑之作。
//@张小北:“约翰斯顿承认,这件事听起来有点异想天开。但他说,重点在于让人类认真想想自己在宇宙里的位置。如果费米探索者真的划掉了两条过滤器,那么“银河系为什么没有到处都是外星文明”这个问题,剩下的解释就不多了。”
一群创业者打算花1500万美元,造一艘小飞船,送到离太阳最近的恒星那里去。飞船需要飞7.7万年才能到。而地面团队只能和它保持大约一年半的联系,之后就彻底失联,再也不会有任何消息。
也就是说,掏钱的人、造船的人,以及他们的子孙的子孙,谁都等不到结果。那为什么要干这件事?
答案要从一个老问题说起,约翰斯顿造这艘飞船,就是冲着它去的。在本星系群,也就是包括银河系在内的几十个近邻星系里,据估算有好几万亿颗行星,其中不少位于宜居带内。如果生命真像很多人相信的那样普遍,宇宙里应该早就热闹起来了,人类到现在也该收到点像样的证据。可我们什么都没看到。这就是著名的费米悖论。
琢磨这个悖论的人提出了一种解释:也许存在某种“过滤器”,把文明卡在了某个阶段,让它们没法向邻近恒星发射探测器,更别说把生命送出去。这个过滤器可能有很多种形态,比如高级文明根本没兴趣离开自己的恒星,或者星际飞行难到不可能实现,或者文明活不了多久就自我毁灭。
英国数学家兼物理学家菲利普·约翰斯顿(Philip Johnston)是个把费米悖论放在心上的人。他在航天圈出名靠的另一件事:2024年他参与创办了Starcloud公司,在太空建数据中心,如今公司估值23亿美元。他眼下正忙着融资、解决技术问题、把公司做大。
忙成这样,他还是在9月1日和几位创业者一起宣布了一项新任务,叫费米探索者(Fermi Explorer)。方案听起来很朴素:筹1500万美元,造一艘带1千克载荷的小飞船,把它发往南门二,也就是半人马座α(Alpha Centauri),离太阳最近的恒星系,要求是8万年以内抵达。
约翰斯顿的算盘是这样的:过滤器的候选清单里,有两条可以用这一艘船直接划掉。…
一条是“文明不愿意把飞船送出自己的恒星系”,一条是“文明会发现星际航行太难”。只要飞船真的上路,这两条就不再成立,至少对人类不成立。
他们不打算去找NASA要10亿美元,也不像10年前的突破摄星(Breakthrough Starshot)计划那样,指望研发全新的推进技术。他们只用现成的东西,做一件便宜又快的事,目标是2029年发射。约翰斯顿说:“我们就想,管他呢,花最少的钱往半人马座α星发一艘飞船,搞个最普通、能飞就行的任务。”
难点只有一个:怎么让它飞得够快。
这艘飞船的本体,说白了就是一大罐氙气,加几块太阳能板,再挂几件小型科学仪器。太阳能板发电,把氙气电离后高速喷出去,产生推力。这种电推进极其省燃料,但推力很小,需要长时间持续工作。麻烦在于,飞船一旦飞过木星,阳光就弱到几乎等于没有,对这么小一艘船来说,发电量基本归零,引擎也就熄了火。
约翰斯顿和一个小团队找了很多人请教,包括NASA喷气推进实验室的轨道专家。没有一个方案行得通。
转机出现在他遇到物理学家亚历克斯·维斯纳-格罗斯(Alex Wissner-Gross)之后。维斯纳-格罗斯创办了一家AI公司Physical Superintelligence。两人把任务参数喂给AI,AI吐出一份81页的技术可行性评估,其中给出了一条谁都没想到的路线:先别急着走,在太阳身边绕十几年再说。
具体做法是这样的。飞船搭便车进入近地轨道,然后一圈圈调整轨道,让它每次掠过太阳的最近点越来越靠近太阳,从日地距离一路压到日地距离的0.42倍,只比水星的轨道稍远一点。
每次贴近太阳时,飞船做两件事。一是趁阳光强,太阳能板满功率发电,引擎全力开动。二是利用一个叫奥伯特效应的物理规律:飞船在最靠近太阳的地方跑得最快,此时消耗同样的燃料,能换来更多的能量。就像在秋千摆到最低点时用力蹬一下,效果比在别处蹬好得多。一圈圈这样蹬下去,团队管它叫“近日点泵”。
这么泡上大约12年,飞船的速度会累积到每秒25千米左右,也就是每小时约9万千米,足以挣脱太阳引力,飞出太阳系。此后不再需要任何动力,凭惯性一路滑行,大约7.7万年后抵达半人马座α。
7.7万年是什么概念?从现在往回倒推7.7万年,末次冰期正在地球上肆虐,欧洲还是尼安德特人的地盘,智人还没学会用骨针缝衣服。没有任何活着的人、活着的国家、活着的语言能等到这艘飞船到达。
团队能跟飞船通信的时间只有18个月左右。飞船上装着反光镜,地面望远镜凭激光测距,能一直追踪它到木星附近。再往后,如果所有机动都按计划完成,它就走远了,彻底消失在我们的视野里。
没有人能确认它是否到达。没有人能接收它发回的数据。甚至没有人能证明它在漫长的滑行中没有被一粒微小的星际尘埃击毁。
约翰斯顿承认,这件事听起来有点异想天开。但他说,重点在于让人类认真想想自己在宇宙里的位置。如果费米探索者真的划掉了两条过滤器,那么“银河系为什么没有到处都是外星文明”这个问题,剩下的解释就不多了。
一种解释是,文明本身极其稀有。要真是这样,人类作为银河系里可能寥寥无几的智慧物种,多少应该更把这份责任当回事。
另一种解释是,超级智能活不长。约翰斯顿说,果真如此,地球上的政府或许不该忙着造杀手无人机群,对失控的AI智能体也该多几分警惕。他说,“我们可能真的正在面对那道大过滤器。”既然如此,至少应该睁着眼往前走。
~~~~~~
图为费米探索者飞船概念图,图源:Fermi Explorer Mission
信源:Berger, Eric. "Private group wants to launch "cheapest possible" mission to Alpha Centauri." Ars Technica, 1 Sept. 2026
Starlink
突发:SpaceX 与 4iG 签署了一项开创先例的欧洲合作协议,将 Starlink Mobile 扩展到四个国家。
协议由 4iG CEO Gellért Jászai 和 SpaceX 总裁兼 COO Gwynne Shotwell 在得克萨斯州巴斯特罗普签署。
• Starlink Mobile 将首先在匈牙利和阿尔巴尼亚推出应用和消息服务,为偏远地区的人们提供连接
• 无需专用卫星设备,即可直接连接兼容 LTE 的手机
• 下一代 Starlink Mobile V2 将扩展到黑山和北马其顿,直接向手机提供高速宽带
• 在紧急情况和地面网络中断期间,继续为客户、公共服务和关键基础设施提供连接
• SpaceX 和 4iG 还将推出主权解决方案(Sovereign Solutions),用于安全的政府通信和国家安全通信
Jászai 称其为“历史性的合作”,Shotwell 则表示,该合作将在匈牙利和西巴尔干地区提供“具备韧性的直连设备通信”。
看起来 gpt-6-astra 要发布了
@pennykoi 写的一篇很棒的入门介绍
不管你喜不喜欢,机器人技术正成为中美竞争的下一个主要前线,而两套生态系统已经深度交织在一起。
多年来,美国机器人公司可以做出一种合理的取舍:在内部构建智能,从外部采购大部分硬件,供应链问题以后再处理。
但这正变得越来越困难。FCC 最近的决定,让先进机器人硬件的产地变成了一个关系到美国市场准入的问题。
即使在人形机器人中除了关节以外全部实现本土化,你最终也只能达到约 40% 的美国内容比例。目前的门槛是 65%,到 2029 年将升至 75%。
我们 TheEtnaLabs 的几个人花了两周时间,实地走访北京、深圳、苏州和上海,以了解中国的机器人供应链究竟如何运作,以及美国团队要缩小差距需要付出什么努力。
以下是我们的所见。完整报告链接放在最后。
基本上你只要让 Fable指挥其他 Agent干活,这两个进度条就能持平。
大部分任务你选 Fable + High(或者Medium,千万别Max及以上),然后后面加一句:
> 注意你的主要任务是分析、编排和验证,具体任务尽可能交给 subagent(Opus 或 Sonnet)去执行。自己只做需求澄清、方案拆解、任务分发和结果验收,实现类工作(读大量代码、写代码、跑测试、批量修改)一律用 Agent 工具派给 subagent 执行。
另一个 Claude Code token管理技巧:看 /usage时,把周度总消耗和 Fable周度消耗两条进度条尽量对齐。
Fable更贵、更聪明,但是额度只有总额度的 50%,很容易出现两种失衡:
Fable条已经 70%,总用量才 40%,智力额度见底,后面只能强行降智总用量 70%,Fable才 20%,便宜模型烧得太猛,最强模型的窗口反而被浪费了
对齐也不必机械对半,找一个自己感觉比较良好的比例,而是让周额度和Fable额度大致成比例下降即可,一些性价比高的落地做法:
主会话用 Fable做判断、架构、拆任务、复盘;执行、检索、改文件、跑测试丢给 Opus子代理。
任务切换就 /clear,长任务中途 /compact。
每天看几次进度条,Fable超前就减少 Fable使用强度;总进度条超前就多把一些关键决策交回 Fable。
实测下来,这种节奏能让智力密度和额度一起走到重置日,达到一个最佳的状态。
Grok @Bot 现已登陆 Android!
Grok Bot 现已在 Android 上提供。
(无正文)
你的 @Bot 会识别需要解决的问题,在问题修复后通知你,并继续推进你的项目。
极昼写了篇纪实稿,轰轰烈烈的外卖大战之后,被补贴吸引蜂拥而至的骑手们突然变成了严重过剩的劳动者,在单价与单量同时走低的趋势里,只能靠「熬时长」来追上赚钱预期:
- 去年在淘宝闪购和美团之间「跳槽」,两边都会给过来的骑手发奖金,加上冬天每单3-5块钱的补贴,北京的骑手可以做到1万8的月收入,而淘宝闪购和美团两家平台也都分别宣布了活跃骑手超过1000万人的战报;
- 「补贴一停,感情归零」,话是这么说,但从数据来看,选择退出的骑手仍是少数,每天的高峰期全在抢单子,而过了高峰期,大厅里又经常刷不出单子,「主要还是人太多,那么低的价格,你不跑,有的是人跑」;
- 在新的常态周期里,跑外卖越来越像「上班」,打卡签到,满勤8小时,想多挣钱就得加班,但单量就这么多,加班占了别的组的单子,「肯定也有人心里不舒服」,利益的相互挤压,让骑手之间的关系也变紧张了;
- 很多骑手是心里过不去收入下降的那道坎,要想维持之前的进账,就必须靠多劳多得才能补回来,每天至少得跑10个小时以上,也有骑手实在耐不住,彻底躺平,干脆在没多少单子的下午去打麻将了;
- 不过对于高消耗的爬楼单,骑手的抵触态度还是很普遍的,加5毛钱爬8楼,还不如不加,反正单子挂在大厅没人抢,「以前单价高一点还能忍,现在我是不会送的」,最后都是只好由专送骑手兜底完成;
- 一个骑手犯了哮喘,倒在厕所里,再也没起来,平台赔了工伤给死者的老婆,她本来和丈夫一起跑外卖,拿到钱后还是继续跑,因为也没有太好的其他选择,这个行业一直都是走得少、进得多,而且依赖性很高,工资过得去、能到手现金、还自由,做惯了后,就不太适应干别的了;
- 有学者研究过最近5年的骑手收入变化,2020年的时候,骑手的收入结构呈纺锤形,中间大、两头小;到了2025年,就变成了马鞍形,3000元以下和1万元以上的群体都在扩大;
- 这是因为就业压力增大,更多过渡性、临时性的人进入了外卖行业,在低收入区间徘徊,与此同时,骑手每天送单超过50单的比例在增加,也就是极端高单量的骑手在增加,「单王」们更拼了⋯⋯而在社交媒体分享自己入行骑手、希望月入过万的帖子底下,「你来得太晚了」成了最常见到的一种评论。
这个叫好好生活,人生鸡汤~~其实我们调研过,用户很吃这个,当年微博有个大V,就是每天发鸡汤,但是一线城市之外用户最喜欢看这个~~
看到@詹志斌同学这条微博,突然想起来,24年在初代MEGA媒体拍摄活动上,我在海南跟@李杰灵有过一次促膝短谈,大概意思是他感觉当大V太久之后,有点空虚无聊了,现在只有拿到新产品之后,还能发点东西,其它时候真不知道干啥。我当时怎么跟他瞎扯淡安慰的我都忘了,说明我也没啥好的建议,好像只是说了说我的一些经历和感受。
后来的事大家都知道,杰灵开辟了一条新的赛道,跟着自己内心真正喜欢和感兴趣的东西走,不再局限于数码或者汽车大V,而是买房区博主、装修达人、翻车圣体、包租公、投资之神、烧烤、露营地、卡丁车……涉猎广泛简直无所不能。
他不是什么火就去蹭什么,正好相反,很多都是没人看好已经或即将黄了的项目,周围一堆人劝都劝不住,只是因为自己有感兴趣,就接盘去玩,全身心投入去研究去经营,赚了赔了无所谓,反正自己过得很充实很开心就够了。结果真实接地气的思考与运作过程,通过微博分享出来,粉丝们也很有兴趣,收获了流量和热度,开始了正反馈,他也越玩越嗨了。
现在很多人觉得,大V发这那的,有热度有流量有分成,所以不怕亏,都是计划好的。其实杰灵一开始的初衷肯定不是流量和那点流量分成,如果只是为了流量,那热搜有啥蹭啥就行,什么火就快速杀进去评啥,这才是自媒体最普遍的玩法,何苦花几百万成本去干那些吃力不讨好、不一定赚钱、不一定火的东西呢?
杰灵开辟了一个很正流量的赛道,但这个模式不一定适合所有人,它不是摆拍演艺,不是编好的剧本,真实的翻车才好玩,真的有兴趣和爱好,才能玩好,还得有钱。
#小米18Fold旗舰中折叠定档9月7日#
小米18 Fold中折叠,视频里很显眼的玄戒O3处理器,大家猜猜最终定价会是多少。
手机其实已经用了几天,大家想了解哪方面可以评论区留言,后面视频里为大家回答。
这期《Release Notes》围绕 Gemini 3 的发布、模型能力如何继续扩展,以及 DeepMind 如何在科学研究与产品工程之间取得平衡展开。Logan Kilpatrick 与 Koray Kavukcuoglu 的核心判断是:通用人工智能 不会只在实验室里被某个封闭团队一次性“做出来”,而是在模型、产品和真实用户持续互动的过程中共同构建。Gemini 3 获得积极反馈固然重要,但比单个排行榜成绩更重要的是,它是否真正进入科学、教育、法律、工程、写作和创意等现实工作,并持续为用户提供更大价值。
1. Gemini 3 的发布反馈积极,但发布只是检验的开始。团队在上线前会通过 benchmark(基准测试)、测试人员和既有发布经验判断模型水平;真正交给用户后,用户是否喜欢、哪些能力真正有用,才会提供更直接的信号。模型并不完美,团队也不把短期结果视为终点,而是把反馈当作下一轮改进的起点。
2. 产品本身是模型进化的重要组成部分。AI Studio、Gemini App 和 Google Antigravity 等产品把模型直接放进用户和软件工程师的工作流,让团队看到人们如何使用它、哪里遇到困难、哪些能力需要增强。产品与模型之间形成双向循环:模型让更多人成为建设者,建设者的真实需求又扩大了模型的学习信号和创新空间。这个过程使构建 通用人工智能 不再是少数研究人员独自完成的实验室项目,而是与客户、开发者和全世界一起进行的工作。
3. benchmark 有助于量化进步,却不能等同于进步本身。对谈提到,某些困难测试在早期几乎所有模型都表现很差,后来随着模型能力提升,成绩快速上升;另一些较固定的测试则可能逐渐饱和,即使成绩仍在提高,也未必继续代表新的技术 frontier(前沿)。benchmark 可以指导模型开发,但新的 frontier 往往要在接近它之后才会被看见。更可靠的进步标准,是模型是否被不同领域的人持续使用,并在真实任务中带来更大的价值。
4. Gemini 的发展体现了从研究传统走向工程思维的转变。团队过去更多写论文、做研究,如今需要以更快节奏把模型放进产品,并根据现实信号迭代:大约每六个月形成一次重要模型变化,期间还会更频繁地更新。数据、pre-training(预训练)、post-training(后训练)、工具调用、编程环境和产品反馈都在推动进步。更大的影响力和更多用户会带来更多、更难的问题,但这种挑战本身也是继续构建智能的动力。
5. 模型能力可能逐渐走向统一,但仍需要大量创新。对谈讨论了文本、代码、图像等 output space(输出空间)以及相应 learning signal(学习信号)的关系。图像生成既要保证每个像素的质量,也要让整张图在概念上连贯;这种局部准确与整体一致同时成立并不容易。两位嘉宾认为不同能力最终可能越来越接近一个统一模型,但不能靠意识形态预设路线,只能提出假设、实验、观察结果,再决定哪些方向值得继续。
6. 规模化不只是把模型做大,也包括整个系统的协同。数据中心、芯片、网络、模型架构和运行方式彼此影响,硬件设计要考虑模型下一步会走向哪里,模型设计也要考虑实际运行环境。这个过程需要成千上万的人协作,既依赖谷歌在各领域的专家,也回到了 DeepMind 重视的科学方法。团队要同时保留纯粹探索的空间,又要把 Gemini 等产品持续做大,Gemini Diffusion 被视为观察这种平衡的一个例子。
7. 对谈最后把“追赶”重新解释成一种优势。面对竞争,团队需要诚实地观察别人做了什么并从中学习,但不能只复制,还要形成自己的技术、模型、流程和运作方式。谷歌的规模有协调成本,也提供了数据中心、芯片、网络和跨领域专家等独特条件。目标并不是在每个比较中取胜,而是用正确的方式构建智能;未来六个月仍可能像过去六个月一样充满变化。
- Gemini 3与用户共同构建通用人工智能 [00:00:00 - 00:10:00]
- 产品反馈如何推动模型进化 [00:10:00 - 00:20:00]
- 从科研传统走向工程思维 [00:20:00 - 00:30:00]
- 统一模型与多模态创新 [00:30:00 - 00:40:00]
- 科学探索与规模化之间的平衡 [00:40:00 - 00:50:00]
- 追赶、创新与DeepMind的未来 [00:50:00 - 00:52:31]
Logan Kilpatrick:Gemini 3,我们现在坐在这儿,大家的反馈好像特别积极,这个模型给人的感觉不错。我对这些进展感到非常兴奋,我对这项研究感到兴奋。其实,我们在很多维度上都推进了Frontier。我们就是要这样构建通用人工智能,我们希望用正确的方式来做这件事。这就是我们投入全部心思和所有创新的地方。
Koray Kavukcuoglu:这并不是一项躲在某个实验室里的纯研究工作,这更像是我们和全世界一起做的事情,这是一个全新的世界,对吧
Logan Kilpatrick:有一项新技术正在定义用户的很多期待,从某种意义上说,我们是在和客户一起共同构建通用人工智能 这样一来,突然就有更多人可以成为建设者
Koray Kavukcuoglu:让任何东西都活起来,让任何东西都活起来,对吧,我觉得接下来的六个月,可能会和过去六个月,以及在之前的六个月一样令人兴奋
Logan Kilpatrick:我们很幸运能生活在这个时代,这一切正在此刻发生,这非常令人兴奋,大家好,欢迎回到Release Notes 也就是算版本说明环节,我叫Logan Kilpatrick [00:00:58]
Koray Kavukcuoglu:今天我在DeepMind团队,很荣幸今天能请到Koray Kavukcuoglu 他是DeepMind的首席技术官,也是谷歌新任的Chief AI Architect。谢谢你来参加,我很期待和你聊聊
Logan Kilpatrick:我也是,对,我也非常期待,谢谢你的邀请,当然 Gemini 3 我们现在坐在这儿,我们已经发布了这个模型,大家的反馈好像特别积极,我觉得我们发布之前
Koray Kavukcuoglu:显然已经对这个模型会有多好,有过一些预判,排行榜看起来很棒,但我觉得把它交到用户手里,真正发布出去,就像,那一直都是检验,对吧,我是说
Logan Kilpatrick:我们一直在做benchmark Benchmark是第一步,然后我们一直在做测试,我们一直算是和可信的测试人员一起,还有之前的发布之类的,这样你就会感觉到,对这是个不错的模型,它有能力,它并不完美,对吧,不过我觉得我确实挺满意大家的反馈,大家好像都喜欢这个模型,而且我觉得我们觉得有意思的那些东西 [00:01:50]
Koray Kavukcuoglu:他们也觉得有意思,所以到目前为止,这挺好的 这挺好的,对,我们昨天聊的时候,话题一直围绕着一件事,就是珍惜现在这一刻,进展并没有放慢,我觉得这点也很打动,我回想起上次坐在你旁边的时候,那是在谷歌IO大会,我们发布Gemini 2.5的时候,当时我们听Demis和Sergey 谈AI之类的话题,我觉得进展并没有放慢,这真的挺有意思,比如我们发布Gemini 2.5的时候,它给人的感觉是一个,业界最先进的模型,也感觉我们确实在很多方面,推进了Frontier 我觉得3.0又做到了这一点,我很好奇关于scaling [00:02:16]
Logan Kilpatrick:能不能继续下去的讨论,继续往哪发展,你现在是什么感觉,对我对这个进展感到非常兴奋,我对这项研究感到兴奋,你真正身处研究一线的时候,会发现这件事的各个方面,都有很多令人兴奋的地方,对吧,我是说从数据 pre-training post training 到处都是,我们能看到很多令人兴奋的东西,我们能看到很多进展,也有很多新想法,说到底,整件事靠的就是创新,靠的就是想法,对吧,我们做的事情越有影响力,越能落到现实世界里,越有人使用,你就会得到越多想法,因为你的发挥空间变大了,你能获得的信号种类也增加了,我觉得问题会变得更难,问题的种类也会更多,对吧,随着这些变化 我觉得我们会受到挑战,而这些挑战是好事,我觉得这也是推动我们,朝着构建智能这个方向前进的动力,对吧,事情就是这样发生的,我觉得有时候,如果你只看一两个benchmark 就会看到挤压,但我觉得这很正常,因为benchmark都是在某件事,还构成挑战的时候定义出来的,你定义出了那个benchmark 然后当然随着技术进步,那个benchmark就不再代表frontier了,它也不再定义frontier 接下来你就会定义一个新的benchmark 这在机器学习里很正常,对吧 benchmark和模型开发总是相辅相成,你需要benchmark来指导模型开发,但只有当你接近下一个frontier的时候,才知道它是什么,这样你才能用新的benchmark把它定义出来,对 [00:03:49]
Koray Kavukcuoglu:我也有这种感觉,有几个benchmark 比如最早的HLE所有模型的表现都很糟,只有1%或2% 我觉得现在最新的DeepThink已经到了40%多,这挺不可思议的 ARK AGIR最开始的时候,所有模型几乎都做不了多少,现在已经到了40%多,所以这挺有意思,还有一点也很有意思,就是那些比较固定多少经受住了时间考验的Benchmark 至于为什么会这样,我并不了解其中的背景,我觉得他们可能快要饱和了,不过以GPQA Diamond为例,它一直保留下来,尽管我们的成绩可能只挤出1%之类的提升 [00:04:41]
Logan Kilpatrick:那里面的问题确实很难,对,我是说那些难题我们现在还是做不到,对吧,而且他们依然在测试某种能力,但如果你想想我们在GPQA上的情况,它并不是说你现在到了20%多,还需要一路走到90%多,对吧,也就是说你已经快接近那个位置了,所以它定义为尚未解决的问题数量,当然是在减少,所以到了某个阶段,找到新的frontier 新的benchmark是件好事,而定义benchmark真的很重要,对吧,因为如果你把benchmark 看成进步的定义,而这两者不一定总是对得上,对吧,这里面有一件事,就是进步和benchmark之间,是有区别的,理想情况下,两者百分之百一致,但他们从来不会百分之百一致,对我来说 衡量进步最重要的标准,就是我们的模型进入现实世界,科学家用它们,学生用它们,律师用它们,工程师也用它们,然后人们用它们做各种各样的事,写作,创意写作,写邮件,有简单的,也有难的,对吧,这个范围很重要,还有不同的话题,不同的领域,如果你能继续在这些地方提供更大的价值
Koray Kavukcuoglu:我觉得这就是进步,而这些benchmark能帮你量化这一点,对,你怎么看这件事,比如从Gemini 2.5到Gemini 3 或者不管怎样,我们也可以选你想讨论的,任何一次模型版本变化,我们是在什么地方爬山,而且现在benchmark多的数不清,在这种情况下,实际上你可以选择,自己想在哪些地方爬山,那你是怎么考虑Gemini整体的,或者更具体的说,怎么考虑Pro模型的,我们要在哪些地方尝试爬山,我觉得有几个重要的领域,对吧,其中一个就是指令遵循很重要 [00:06:40]
Logan Kilpatrick:指令遵循就是说,模型需要理解用户的请求,还要能够按照请求去做,对吧,你不希望模型只是回答,他觉得自己应该回答的内容,对吧,所以指令遵循能力很重要,而这也是我们一直在做的事,另外对我们来说,国际化也很重要,谷歌是一家非常国际化的公司,我们希望触达全世界的每一个人,所以这一部分很重要
Koray Kavukcuoglu:而且至少就3.0 Pro而言,我今天早上和Tossy聊天时,他提到这个模型在一些,我们过去一直做的不太好的语言上,表现好的不可思议,看到这一点真的很棒 [00:07:46]
Logan Kilpatrick:所以你得不断把注意力,放在其中一些领域上,对吧,它们可能看起来不像是知识的frontier 但它们真的很重要,因为你希望能和那里的用户互动,因为正如我刚才说的,关键就是从用户那里获得那个信号,然后如果你转到更偏技术的领域 function calls, tool calls,agency的操作,还有代码,这些都很重要,对吧,我觉得function calls和tool calls很重要,因为它们带来的是一种完全不同的智能倍增效果,一方面模型能够自然的使用我们自己创建的各种工具和函数,然后把它们用到自己的推理中,另一方面模型还可以自己编写工具,对吧,你可以这样想,模型在某种意义上本身也是工具,所以这一点很重要,显然代码很重要 不只是因为我们都是软件工程师,还因为我们知道有了代码,你实际上可以构建笔记本电脑上发生的任何事情,而在你的笔记本电脑上发生的,不只是软件工程,让任何东西活起来,让任何东西活起来,对吧,对,所以我们现在做的很多事情,都发生在数字世界里,而代码是这一切的基础,它让你能够接入生活中,发生的几乎所有事情,不是所有事情,但有很多事情,所以我觉得这两件事结合起来,也让用户能够触达很多东西,我举vibcoding这个例子,对吧,我喜欢这个,为什么,因为很多人都很有创造力,他们有想法,而你突然就能让他们变得更有生产力,对吧,也就是说用一种,你只要把想法写下来 就能看到应用出现在眼前的方式,从有创造力变得更有生产力,而且这就像我是说,大多数时候他都能用,而他一旦能用,效果就很好,对吧
Logan Kilpatrick:对吧,这太酷了,我觉得这个循环很棒,所以突然之间,你就让更多人成了构建者,开始做东西 [00:09:59]
Koray Kavukcuoglu:我是说这很棒,我很喜欢,对谢谢你做出这个,这就是AI Studio的推介词,我很感谢,我们会把这一段剪出来,我们会放到网上,你刚才提到的一个,有意思的话题,就是我们是怎么做的,其实作为Gemini 3 这一节点的一部分,我们推出了Google Anti-Gravity 这是一个新的 Agency编程平台,从模型的角度看,你觉得拥有这样的产品脚手架 [00:10:09]
Logan Kilpatrick:通过爬山来提升质量,有多重要,显然是的,工具调用和编程,对对我来说,这非常重要,我觉得anti-gravity 作为一个产品本身,确实很让人兴奋,但从模型的角度看,如果你想想,它其实是双向的,对吧,我们先聊聊模型这一边,从模型的角度看,能够和最终用户,也就是软件工程师,进行这样的整合,并且直接向他们学习,了解模型,需要在哪些地方改进,这对我们非常关键,我是说在有些领域也是这样,比如Gemini App 出于同样的原因也很重要,对吧,我是说直接了解用户非常重要 AntiGravity是这样 AI Studio也是这样,所以拥有这些我们密切合作的产品,然后理解和学习,获取用户信号,我觉得这非常重要,而AntiGravity 一直是非常关键的发布合作伙伴,他们加入的时间还不长,对吧,但在我们发布流程的最后两三周里,他们的反馈起了非常关键的作用 Search AI Mode也是一样,还有AI Overview Event 我们从那里也能得到很多反馈,所以对我来说和产品整合并获得这些信号,是我们理解情况的主要驱动力,当然我们有Benchmark 所以我们知道该怎么推动STEM 科学数学以及那类智能的发展,但我们真正理解现实世界里的使用场景也很重要, 因为我是说它必须在现实世界里有用。对,而在你新的Chief AI Architect职位上, [00:11:30]
Koray Kavukcuoglu:你现在还负责确保我们不只是拥有好的模型, 还要让产品真正拿这些模型来实现, 并且在谷歌各处打造出算是很棒的产品体验。我的意思是,显然我觉得这对用户来说是正确的做法, 让Gemini 3和所有产品服务在第一天就上线,对谷歌来说是个很棒的成就,我觉得以后还会有更多产品服务,希望如此,从DeepMind的角度看,你觉得这么做会增加多少额外的复杂性,从某种意义上说,一年半以前日子简单一些,当然,但我们是在构建智能,对吧 [00:12:17]
Logan Kilpatrick:很多人会问我,你身上有两个角色,我是说我算是有两个头衔,但它们其实是同一件事,如果我们要构建智能,就得通过产品来做,通过产品和用户连接起来,在开这个角色上,我要做的就是,确保谷歌的产品,能用上最好的现有技术,我们不是要去做产品,我是说我们不是做产品的人,我们是技术开发者,对吧,我们开发技术做模型,当然我是说,大家对任何事情都是开放的,我是说大家都很开放,但对我来说,最重要的是把模型和技术,以可能做到的最好方式提供出来,然后和产品团队合作,让他们能在这个AI世界里,做出最好的产品,因为这是一个全新的世界,对吧 有一种新技术正在定义用户的很多期待,定义产品应该怎么运行,应该保留哪些信息,以及用这项新技术,还能做的所有新事情,所以对我来说,就是和所有产品合作,把这些能力推广到谷歌各处,我觉得这很让人兴奋,无论是从产品角度,还是从用户能得到什么的角度,也包括从我刚才说的那个角度,这就是我们的主要驱动力,对我们来说,真正重要的是感受到用户的需求,得到用户的反馈信号,这对我们很关键,所以我才想做这件事,因为我们就是要这样构建通用人工智能 我们就是要通过产品来构建智能,我觉得事情会这样发生,这很适合你以后发一条推文,因为我确实觉得这很有意思,我也认同这个看法,我们在某种意义上 [00:13:47]
Koray Kavukcuoglu:是在和客户和其他PA一起构建通用人工智能 它不是一项在某个实验室里,独自进行的纯研究工作,这是我们和现实世界一起完成的共同努力,而且我觉得这实际上也是一个 [00:14:38]
Logan Kilpatrick:非常trusted tested的系统,我们正在更多的采用一种工程思维,我觉得在这件事上,采用工程思维很重要,因为一件东西如果工程做得好,你就知道它是稳健的,用起来也是安全的,所以我们是在现实世界里做事,也在采用各种trusted tested的构建理念,我觉得这一点也体现在,我们怎么看待安全和安保上,对吧,我们会再次从工程思维出发,从底层,从一开始就考虑这些问题,而不是等到最后才加上去,对吧,我们不会,我是说,当我们做post-training模型,做pre-training查看数据时,大家始终都要考虑这件事,我们有安全团队吗,当然,我们有安全团队,他们会带来所有相关的技术,我们还有安保团队,他们会带来所有相关技术 同时让Gemini的每个人都深度参与开发过程,把这当成第一原则,而且这些团队本身就是我们post-training团队的一部分,对吧,所以当我们开发这些模型,做迭代准备发布候选版本时,就像我们会看GPQA 这类benchmark一样,我们也会看安全和安保指标,我觉得这说明 [00:15:45]
Koray Kavukcuoglu:这种工程思维很重要,对我完全同意,我觉得这对谷歌来说也很自然,这也很有帮助,因为现在要把Gemini模型推出去,需要大家协作,而且规模也非常大
Logan Kilpatrick:我是说关于Gemini 3 我觉得我们刚才还在回顾这件事,对我来说,重要的一点是,这个模型是一个非常Google团队共同完成的模型。
Koray Kavukcuoglu:我们应该去看看数据,这可能是,我是说有些阿波罗计划,NASA项目或许也有很多人参与,但我觉得这是一次规模庞大的Google全球协作,所有团队都参与其中,才把它做成了,这很不可思议。
Logan Kilpatrick:每次Gemini发布新版本,都会调动来自这个大洲,欧洲亚洲,以及世界各地的人,我们在世界各地都有团队,他们都会参与进来,而且不只是GDM团队,对吧,是谷歌各地的所有团队,这是一项规模很大的协作工作,我们会和AIMO的同步发布,也会和Gemini App同步发布,对吧,这些都不容易做到,因为在开发过程中,他们就是我们的一部分,他们一直和我们一起做,只有这样,等模型准备好之后,我们才能在第一天,同时一起推出所有东西,我们一直就是这么做的,我们说谷歌各地都参与,并不只是说那些,积极尝试构建模型的人,所有产品团队,也都在完成各自的工作,对,我有一个问题 [00:16:48]
Koray Kavukcuoglu:可能也不算有争议 Gemini 3在很多benchmark上,算是SOTA 很多benchmark都是这样,我们也在谷歌的各种产品和服务,以及合作伙伴生态的各种入口上,同步发布,大家的反馈非常积极,总的来说,这个模型给人的感觉不错,如果把时间快进,我知道,先敲敲木头,如果我们把时间快进到,下一次谷歌重大模型发布,你现在的清单上,还有没有什么事情,会希望我们做到这个,那个还有那个,或者说Gemini还能怎样变得更好,还是我们就该好好享受 Gemini 3这一刻,还是,我觉得我们应该做的更多,对吧 [00:17:42]
Logan Kilpatrick:我们当然应该享受这一刻,因为享受一天这一刻,也是件好事,对,这可是漫长的一天,而且我觉得,大家都在认可这个模型,所以我也希望团队能享受这一刻,对吧,但与此同时,我们审视每个领域时,也都会看到不足,对吧,比如说,他的写作能力完美吗,不,他的写作能力并不完美,他的编程能力完美吗,它的编程能力也不完美,我是说尤其是在agent式的行动和编程这块,我觉得还有很大的提升空间,这是最让人兴奋的增长领域之一,我们需要找出还能做的更多的地方,然后继续做的更多,对吧,我觉得我们已经走了很长一段路,这个模型我想说差不多能服务90% 95%会以某种方式接触编程的人,至于这些人是软件工程师,还是想做点东西的创意工作者 对,我愿意相信这个模型就是他们能用的最好工具,对吧?但可能还是有一些情况我们需要做得更好。
Koray Kavukcuoglu:对,关于编程和2Use,我还有一个比较尖锐的问题。如果你回头看Gemini的发展历程,你觉得这到底是怎么回事?显然,1.0非常重视Multimodal,而到了2.0,我们开始让一些Agency的基础设施运转起来。你有没有感觉为什么我们,我先说明一点,我觉得我们的进步速度看起来很快,但是为什么,这只是因为我们有所侧重吗,为什么我们从一开始,在agency的to use上就没做到最先进,但是比如说multimodal 我们从一开始就是这样,说真的
Koray Kavukcuoglu:说真的 Gemini 1在multimodal上,就是当时最先进的,而且这种领先,我们保持了很长时间,我不觉得这是刻意安排的 [00:19:59]
Logan Kilpatrick:我觉得怎么说呢,老实讲,如果一定要说有什么原因回头想想,我觉得这和我们使用模型有关,也和开发环境紧密联系现实世界有关,我们联系的越紧密就越能理解这些现实中正在发生的真实需求,我觉得在Gemini的发展过程中,我们一开始所处的位置,当然谷歌的AI研究有着非常悠久的历史,对吧,我们这里有那么多出色的研究人员,还有谷歌做AI研究的悠久历史,我觉得这很好,但Gemini也是一个从那个研究环境,走向我们刚才说的这种工程思维的过程,然后进入一个和产品真正紧密相连的领域,对吧,你看这个团队我得说,我真的很自豪,因为这个团队现在大多数还是由人组成的,包括我在内,对吧 四五年前我们还在写论文,还在研究AI 而现在我们已经站在这项技术的frontier上了,而且这项技术是通过面向用户的产品,由你们开发出来的,这是完全不同的一种思维方式,我们每六个月做出一个模型,然后每一个半月更新一次,这是一次很大的转变
Koray Kavukcuoglu:我觉得我们已经走过了这个转变,对我很喜欢这一点 Gemini 3的进展太棒了,另一个我一直在想的问题就是,我们总体上怎么看生成媒体模型,我觉得从历史上看,它们算不上什么大事,我的意思不是说它们没有受到重视,它们受到了重视也一直很有意思,但我觉得到了VIO3.1 再加上Nano Banana模型,我们再把它们做成外部产品这件事上,取得了很大的成功,我很好奇在我们想要构建通用人工智能的这个目标下,你是怎么看这件事的,有时候我觉得自己有时能说服自己,视频模型好像并不属于这套叙事,但我觉得这不是真的,我觉得总体来说,你能理解这个世界,理解物理,以及其他所有这些东西,所以我很好奇,你怎么看这些东西,是怎样交织在一起的 [00:21:25]
Logan Kilpatrick:如果你回到十年十五年前 generative model 主要还是用在图像上的,对吧,因为我们能更好的观察,比如到底发生了什么,而且理解世界,理解物理,这个想法,也是用图像做generative model 等等的主要推动力,我们用generative models 做过的一些令人兴奋的事情,可以追溯到大概十年前,不是很久以前,十年前,感觉像是二十年前,对吧,二十年前,我们还在做图像模型,对吧,我的意思是,我刚才之所以这么说,是因为我读博士的时候,我们还在做生成图像模型,对吧,那时候大家都在做这些模型,我们经历过那个阶段,我的意思是当时有一种东西叫pixel ks 对吧 他们就是图像生成模型,某种程度上,我觉得发生的事情是我们也有了一个很大的认识,那就是文本其实是能让进展非常快的更好领域,但我觉得图像模型回归是很自然的,而且在GDM你们很早就有非常强的图像视频和音频模型了,我想这可能就是我试图解释的事情,我觉得把这些东西结合起来是很自然的,所以我们现在的方向是,我们一直在谈multimodality 对吧,当然自然而然的,我们一直在谈输入和输出的multimodality 这就是我们的发展方向,对吧,你看随着技术发展,这两个不同领域之间的架构和想法,已经在彼此融合,过去这些架构之间差别很大,对吧,但现在它们正在越来越多的走到一起 所以这并不是说我们在强行塞进什么东西,现在发生的事情是,技术自然而然的在区域融合,随着技术区域融合,这是因为大家都明白,哪里还能提高效率,想法又在往哪个方向发展,而我们也看到了共同的路径,我觉得这条共同的路径正在很好的汇合,所以nano banana算是最早出现的几个时刻之一,对吧,比如说你可以反复调整图像,也可以和模型对话,因为文字模型拥有很多对世界的理解,对吧,也就是说从文字里,他们获得了很多对世界的理解,而图像模型则是从另一个角度理解这个世界,所以我觉得把这两者结合起来,就会得到一些让人兴奋的东西 因为我觉得人们会感觉,这个模型理解了,他们想要传达出去的neurons [00:24:56]
Koray Kavukcuoglu:我还有一个关于nanobanana的问题,你觉得我们是不是应该,给所有模型都取些滑稽的名字,你觉得那会有帮助吗,不太会,你看我是说,我觉得我们并不是故意这么做的 [00:25:03]
Logan Kilpatrick:如果Gemini 3不叫Gemini 3 你觉得我们会给它取什么名字,一个很荒唐的名字,我不知道,我不擅长取名字,我觉得我喜欢,我是喜欢,我是说它叫Rift Runner 对吧,就是Rift Runner 我们其实会用Gemini模型,那些名字是代号,我们也会用Gemini模型来想这些代号,而Nano Banana不是这么来的,我们没有用Gemini 对吧,关于它有个故事,我觉得应该在哪发表过,我是说只要这些东西是自然形成的,而且有自己的生命力,我就很满意,因为我觉得做这些模型的团队,算是和它建立起某种联系,对它们有好处,对,然后等我们发布它们的时候,我觉得这只是,我是说这之所以发生,是因为我们当时用代号测试这个模型,对吧 在LM Arena上,大家都很喜欢它,而且我觉得我不知道,我愿意相信它是自然形成的,算是慢慢流行起来了,我不确定你能不能设计出一个流程,专门生成这种效果,我同意你的看法,我也是这么感觉的,如果有这种东西,我们就应该用它,如果没有
Koray Kavukcuoglu:那取些标准的名字也不错,对我们应该聊聊Nano Banana Pro 这是我们最新,目前最先进的图像生成模型,建立在Gemini 3 Pro之上,我觉得这个团队,我是说其实当时他们差不多也快做完了 Nino Banana当时已经有了早期信号,说明也许可以把它做成专业版,也就是说,在一些更细致的使用场景里,比如文字渲染,对世界的理解之类,你可以获得高得多的性能,有什么事情是你现在特别想到的,我知道我们手头有很多事情,不过我觉得这可能就是 [00:26:33]
Logan Kilpatrick:我们看到不同技术之间的alignment 开始发挥作用的地方,对吧,我说因为对于Gemini模型,我们一直都说,每个模型版本其实都是一个model family 对吧,比如我们有pro flash flash light 这就是一个model family 因为模型大小不同,在速度准确率成本,以及类似这些方面,就会有不同的取舍,随着这些东西逐渐汇合,当然图像这边也有同样的情况,对,所以我觉得团队自然而然会想,好那这里有3.0 pro architecture 我们能不能利用第一版学到的一切,再把规模做大,把这个模型进一步调成生成图像的模型,我觉得最后我们得到的东西,能力强多了,能理解非常复杂的东西 比如说一些最让人兴奋的用力,就是你手里有一大批非常复杂的文档,你可以把这些文档输入进去,让这些模型帮你回答问题,你也可以让它根据这些内容,生成一张信息图,然后它真的能做到,对吧,所以这就是这种自然的输入modality 输入和输出modality 发挥作用的地方
Koray Kavukcuoglu:而且效果很好,对感觉像魔法一样,我也不知道,希望到这个视频发布的时候,大家已经看过这些例子了,不过我觉得看到很多内部案例,被大家分享出来,真的特别酷
Logan Kilpatrick:太不可思议了,是的我同意,你看到这一点的时候会很兴奋,因为你会突然说,天啊,对,那么多文字,概念,还有复杂的东西,全都在一张图里解释清楚了,真是很好的方式,你看到这些东西的时候,会觉得这真的挺不错的,对吧,你会意识到,这个模型确实有这个能力,而且 [00:28:43]
Koray Kavukcuoglu:是的,它里面还有很多细微之处,这也很有意思,我有一个相关的问题,大概是在去年12月 2024年12月,好 Tulsi当时承诺,我们会有统一的 Gemini Model Checkpoint 我觉得你刚才描述的,其实就是我们现在,已经非常接近那个目标了,也就是从历史上看 Architecture原本是,在图像生成这件事上,统一起来的,我明白了,对,我想知道,你觉得是不是这样,我想这应该是一个目标,也就是我们希望,这些东西真正融入模型,对,而且总有一些很自然的因素,会阻止这件事发生,我很好奇如果有的话,会是哪些情境,或者说更高层面的情况,对你看我刚才也说了
Koray Kavukcuoglu:对你看我刚才也说了 [00:29:57]
Logan Kilpatrick:技术和architecture 正在逐渐对齐,所以我们会定期看到这种情况发生,大家都在尝试,但这只是一个假设,而且你不能在这件事上,只凭意识形态行事,科学方法就是科学方法,我们会尝试各种东西,提出一个假设,然后看结果,有时候有效,有时候没用,但这就是我们一步步走过来的过程,我们正在越来越接近,我很确定在不久的将来,我们会看到一些东西逐渐合在一起,我觉得慢慢的,它会越来越像一个单一的模型,但这需要很多创新,对吧,你看这很难仔细想想就知道 output space对于模型来说非常关键,因为你的learning signal就来自那里,对吧,现在我们的learning signal 来自代码和文本 这基本上就是推动output space的主要因素,所以你在这方面做得不错,现在能生成图像这件事是,我觉得我们对图像质量的要求,已经调得很高了,这很难做到,对吧,真正生成出高质量的图像,让每个像素都做到精准,是很难的,而且图像在概念上也必须非常连贯,每个像素的质量都很重要,但它和整张图的总体概念是否契合,也很重要,这很重要,对吧,要训练出一个两者都能做到的东西更难,我是这么看的,我觉得这肯定是有可能的,这是有可能做到的,关键只是要在模型里找到合适的创新,让这件事实现,对我喜欢这个,我很期待,如果我们有的话,希望也能让我们的服务更轻松一些,这个我不知道 [00:30:54]
Koray Kavukcuoglu:这是单独一个model checkpoint 很难说,这是不可能的,我同意你的看法,眼下我们坐在这里,而DeepMind可能拥有世界上最好的几款AI产品,这条脉络挺有意思的,至少希望如此 AI Studio里的Vibe Coding Gemini App Anti-Gravity 而且放眼谷歌,这种情况现在也正在发生,我们有一个很棒最先进的Gemini 3模型,现在还有Nano Banana 还有Vio这些模型都算是在frontier上,大概10年前甚至15年前,世界看起来都很不一样,我有点好奇,想问问你个人是怎么走到今天这一步的,你昨天跟我们聊天时提到过一件事,这件事我之前完全不知道,我后来把这件事告诉另一个人,对方也是一样,说自己完全不知道,你是DeepMind的第一位深度学习研究员,我觉得沿着这条脉络 走到我们今天所在的地方,感觉像是一次疯狂的跨越,从当时人们对这项技术,完全不感兴趣开始,我不知道你是多久以前,开始在DeepMind工作的,大概十年 2012年 13年,对,这太不可思议了 13年前人们还没有,对这项技术感到兴奋,而现在已经走到了这一步,当然我想DeepMind当时,是对这项技术感到兴奋的,如今它已经真的在驱动,所有这些产品,而且成了最核心的东西,我很好奇,你回头想想这段经历,脑子里首先想到的是什么 AT [00:32:41]
Logan Kilpatrick:这让你意外吗,还是说这一切当时就很明显,我觉得这是一个充满希望的,积极的结果,也就是最理想的情形,对吧,我是这么说的,我读博士的时候,我觉得所有读博士的人,应该都有同样的感受,你会相信自己做的事情很重要,或者将来会变得重要,对吧,你真的对那个主题很感兴趣,你觉得它会产生很大的影响,我当时也是这么想的,所以当Demis和Shane联系我,我们聊过之后,我对DeepMind真的非常兴奋,得知有这样一个地方,我当时真的很兴奋,因为它确实是真正专注于构建智能,而深度学习就是它的核心,而且其实我和我的朋友Carol Greger 当时都在延位于纽约大学的实验室里,我们是在同一时间加入DeepMind 我只是想说的具体一点,那时候竟然会有一家专注于深度学习,甚至专注于AI的创业公司,是很不寻常的,所以我觉得那非常有远见,也是一个很棒的地方,真的让人很兴奋,后来我组建了深度学习团队,它发展起来了,我觉得我喜欢的一点,我是说我做深度学习的方法,一直是把它看成一种,你该如何处理问题的思维方式,而第一原则始终是以学习为基础,这就是deep mind的方向,一切都压住在学习上,这是一段令人兴奋的旅程,从我们当时的起点开始,一路经历了强化学习 agent 以及我们做过的一切,至少我是这么想的,你会去做这些事情,我会带着希望,期待结果是积极的 但我回头想想,会说我们其实很幸运,对吧,我们能生活在这个时代,是很幸运的,因为我觉得很多人都做过AI 或者做过自己真正热爱的领域,他们当时都觉得,这就是属于他们的时代,事情也会在这个时候开花结果,但这件事现在正在发生,而且我们也得意识到 AI之所以现在正在发生,不只是因为机器学习和深度学习,还因为硬件的发展,已经到了某个阶段,互联网和数据,也已经到了某个阶段,对吧,所以很多事情正好汇聚到了一起,我也觉得自己很幸运,能真正从事AI 一路走到这个时刻,我觉得回头想想,我的感受就是,没错,我们从事AI是一系列选择,而我也做了一些具体选择 决定从事AI 但与此同时,我也觉得自己很幸运,在这个时候
Koray Kavukcuoglu:我们处在这样的位置上,这非常令人兴奋,对我同意你的看法,我喜欢你这么说,我很好奇,我当时在看Thinking Game 也在进一步了解这件事,我那时候没参与AlphaFold 所以我唯一了解的背景,就是读相关资料,看别人谈论它,我很好奇,你回头看这些事情,也亲身经历了其中很多之后,今天和以前相比,有哪些不同,我先举一个例子来引出这个问题,这个例子就是你刚才在镜头外提到的事情,不过这不完全是你的原话,你当时大概是说,我们已经摸索出该怎么做出这些模型,并把它们带给全世界,这基本上就是你想表达的意思,我也同意,我很好奇这种感觉是不是,或者说这和之前几代模型的情况,有哪些相似又有哪些不同 [00:36:06]
Logan Kilpatrick:我觉得怎么组织团队,以及哪些文化特质对成功很重要,把困难的科学和技术问题,转化成成功的结果,我觉得我们通过做过的许多项目,学会了很多这方面的东西,从DQN AlphaGo AlphaZero 一直到AlphaFold 所有这些事情都产生了相当大的影响,而且通过这些项目,我们学到了如何围绕特定目标,特定使命来组织团队,如何组织成更大的团队,我记得DeepMind早期的时候,我们做一个项目,可能会有25个人,还会和这25个人一起写论文,然后所有人都会对我们说 25个人肯定不可能都参与了这项工作,我会说没错,他们确实都参与了,对吧,我的意思是,我们会这样组织团队,因为在科学和研究领域 这并不常见,对吧,对,我觉得那些知识和那种思维方式很关键,我们就是在这个过程中发展起来的,我觉得这非常重要,与此同时,我觉得正如我们之前聊到的,最近两三年也是这样,对吧,我们把这一点和一种想法结合了起来,那就是现在这更像是一种工程思维,我们有一条正在开发的模型主线,我们也学会了如何围绕这条组线进行探索,如何用这些模型进行探索,我觉得一个很好的例子就是deepthink模型,每次看到它或者想到它,我都会觉得挺开心的,我们参加EMO比赛 ISPC比赛和ICPC比赛时,用的就是这些模型,我觉得这是个特别酷特别好的例子,因为我们会进行探索 你会挑一些很大的目标,比如说EMO比赛很重要,对吧,那里的题真的很难,还有,我要向所有参加这些比赛的学生致敬,真的很厉害,而且既然能把一个模型放到那里用,你当然会想为它定制一些东西,我们算是这样做的,我们会把这当成一个机会,去改进现有的东西,或者想出一些,能和现有模型兼容的新点子,因为我们相信,现有这项技术是有通用性的 DeepThink就是这样做出来的,然后我们想出一些东西,再把它开放给所有人使用,对吧,这样所有人都能使用,那个实际上用于IMO比赛的模型,只是把你刚才说的 [00:38:46]
Koray Kavukcuoglu:和论文里的25个人做个类比,我觉得放到今天,你看我敢肯定会有一份 Gemini 3贡献者名单,很快就会发布,或者已经发布了 2500 大概有2500个人,而且我敢肯定,人们会保守一点,对,我敢肯定,人们会觉得,不可能有2500个人真的参与了,但他们确实参与了,但他们确实参与了
Logan Kilpatrick:这太不可思议了,现在看到有些问题的规模 [00:39:57]
Logan Kilpatrick:现在看到有些问题的规模,竟然这么大,也很让人着迷,对确实,我觉得这对我们很重要,这也是谷歌很棒的一点,这里有很多人在各自的领域里,都是非常厉害的专家,我们也受益于谷歌的全栈式做法,对吧,我们确实从中受益,所以每一层都有专家,从数据中心,芯片到网络,再到如何大规模运行这些东西,对吧,这些东西又回到了工程思维,他们已经到了无法彼此分开的程度,对吧,我们设计模型时,会知道它要运行在哪种硬件上,而我们设计下一代硬件时,也会知道模型可能会发展到哪里,但这很美妙,对吧,我的意思是要协调好这一切,当然得有成千上万的人一起工作,一起贡献 我觉得我们需要认识到这一点,这是一件很美好的事,很棒,对这可不是件容易做到的事,有一条有意思的线索 [00:40:52]
Koray Kavukcuoglu:是回到DeepMind的传统,也就是采取各种不同的科学方法,努力解决这些非常有意思的问题,而到了今天,我们已经知道这项技术,在很多方面都能发挥作用,我们真正需要做的,只是继续把它规模做大,当然要持续这么做,也需要不断创新,但我很好奇,在今天这个时代,你怎么看DeepMind 要怎么在两者之间取得平衡,一边纯粹做科学探索,另一边又只是想把Gemini继续做大,也许可以用你最喜欢的一个例子,也就是Gemini Diffusion 来说明这种决策 [00:41:00]
Logan Kilpatrick:是怎么在某种程度上变成现实的,这才是最关键的事,对吧,找到这个平衡很重要,即使到了现在,别人问我 Gemini最大的风险是什么,当然我也经常思考这个问题 Gemini最大的风险,就是失去创新,因为我真的不相信,我们已经找到了那个配方,接下来只要照着执行就行了,我不相信这一套,如果我们的目标是构建智能,并且我们要做到这一点,当然会通过用户和产品来实现,但外面的问题非常有挑战性,我们的目标本身依然很有挑战,而且就摆在那里,我不觉得我们已经找到了那个配方,不是只要扩大规模或者执行就行,能让这一切成为可能的是创新 你可以把创新想成不同的规模,或者是和你现在拥有的东西存在不同切入方向的创新,当然我们有Gemini模型,在Gemini项目内部,我们也做了很多探索,我们探索新的架构,探索新的想法,也探索不同的做事方式,我们必须这么做,我们会继续这么做,所有创新都是从这里来的,但与此同时,我觉得DeepMind 或者说整个Google DeepMind 也在做更多探索,我觉得这对我们非常关键,我们必须做这些事,因为再说一次,可能有些东西单靠Gemini项目本身限制太多,没法去探索,所以我觉得我们能做的最好的事,就是在Google DeepMind里做,也在Google Research里做,对吧,我们会探索各种各样的想法 然后把这些想法带进来,因为说到底Gemini不是那个架构,对吧 Gemini是你想要实现的目标,你想要实现的目标是智能,而你想通过产品来实现它,让整个谷歌都真正运行在这个AI引擎上,从某种意义上说,具体用的是什么架构并不重要,我们现在有一些东西,也有让它不断发展的方法,我们会沿着这条路继续发展,而推动这一切的引擎就是创新,永远都会是创新,所以找到这个平衡,或者找到用不同方式做到这一点的机会,我觉得非常关键,对我还有一个相关的问题,在IO大会上,我和Sirgate坐下来聊,我当时对他说差不多是这样 [00:43:26]
Koray Kavukcuoglu:当时我在IO大会上亲身感受到这一点,你把这么多人聚在一起,发布这些模型,带来这样的创新,在这个过程中,你会感受到人性的温度,这真的很有意思,我之所以提到这个,是因为当时我也坐在你旁边,听他们说话,我多少也感受到了你的温度,我这么说是很个人化的,因为我觉得,这也体现了整个DeepMind的运作方式,我觉得Demis也是这样,他身上有很深的科学根基,但同时他身边也都是友善亲切善良的人,有件事很有意思,我不知道大家是否充分意识到,这种文化有多重要,以及它是怎么体现出来的,我很好奇,当你考虑如何帮助塑造和运营这一切时,这一点对你来说又是怎么体现出来的,首先我是说非常感谢 [00:44:10]
Logan Kilpatrick:你把我说的都不好意思了,但我觉得重要的是,我相信我们拥有的这支团队,也相信要信任别人,给他们机会,而团队这一点很重要,我觉得至少对我来说,我也可以说,这是我在DeepMind的工作的过程中,学到的东西,因为那时候我们是一个小团队,当然团队里的信任,就是这样建立起来的,然后随着团队壮大,你要想办法维持这种信任,我觉得重要的是,要营造这样的环境,让大家觉得好,我们真的在乎,解决那些有挑战性的技术和科学问题,并且产生真正影响现实世界的成果,我觉得我们现在做的依然是这件事,对吧,就像我说的 Jemini就是为了这个构建智能,是一个技术性很强 也很有挑战的科学问题,我们必须用这样的方式去面对它,也必须带着那份谦逊去面对它,对吧,我们必须不断质疑自己,希望团队也有这样的感受,所以我总是在说,我真的为这支团队感到骄傲,他们合作的非常好,就像今天我们刚才,还在楼上的茶水间聊天,对吧,我是说我对他们说,是的这很累也很难,是的我们都筋疲力尽了,但事情就是这样,我们没有一套完美的结构,来做这件事,大家聚到一起工作,互相支持,这很难,但我觉得真正让它变得有趣,让你愿意去解决那些特别难的问题的,很大程度上是有一支合适的团队聚在一起,一起工作 我觉得关键在于要看清我们手上这项技术的潜力,我不能肯定的说 20年后它还会是完全一样的LLM Architecture 我确定不会,对吧,所以我觉得推动新的探索是正确的做法,就像我们之前说的,整个GDM和Google Research一起,都必须和学术研究界开展合作,总体来说,我们必须向很多不同的方向推进,我觉得这完全没问题,至于什么是对的,什么是错的,我觉得这不是重要的讨论,我觉得真正重要的是这些能力,以及这些能力在现实世界中的展示,他们应该自己说明一切,对,我还有最后一个问题,我也很好奇,想听听你对此有什么反思 [00:46:46]
Koray Kavukcuoglu:我感觉对我个人来说,我在谷歌的第一年半多一点,感觉像是,其实我挺喜欢这种某种程度上,谷歌像个挑战者的故事,尽管我们有基础设施上的各种优势
Logan Kilpatrick:但对我个人来说,这体现的是努力,你是什么时候加入的 2024年4月 2024年,对所以说到AI Studio
Koray Kavukcuoglu:当时我们在做这个产品,对,哦对了,我想起来了,我们有三万个用户,没有收入,而且当时还处在 Gemini模型生命周期,非常早期的阶段,快进到今天,情况显然已经不一样了,过去这几天,随着这个模型陆续推出,我之前不断收到很多人的消息,来自这个生态系统各处的人,我确定你也收到了,很多这样的消息,人们,我觉得是真正开始意识到,这件事终于发生了,但我很好奇,从你的角度看,你有没有也感受到那种挑战者的处境,我当时是相信我们会走到这一步的,这也是我加入谷歌的原因,但你也有这种感觉吗,我还很好奇,你觉得当我们跨过这个转折点之后,这会怎样体现到团队身上,我当然有,而且在那之前就有了 [00:47:56]
Logan Kilpatrick:因为当LM真正显现出他们的强大时,对吧,说实话,我觉得我们就是frontier AI实验室,对吧,在DipMind是这样,但与此同时,我也觉得好吧,有些东西我们作为研究人员,投入的还不够多,应该投入更多,这对我来说也是一个很大的教训,对吧,所以我总是很谨慎,我们需要广撒网,这一点很重要,这种探索很重要,重点不是这个architecture 也不是那个architecture 而且从我们开始,更加认真的对待LIM以来,我一直很坦诚的和团队说,从大约两年半前,开始Gemini项目也是这样,我觉得我一直都很坦诚地告诉团队,我们在这方面离最先进水平还差得远,有很多事情我们还不知道该怎么做,有很多事情我们知道该怎么做 但我们还没有达到那个水平,这是一个追赶的过程,而且我们已经追赶了很长一段时间,我觉得现在我们已经进入了领先者的行列,我对我们的工作节奏感觉很好,也很有信心,我们算是进入了一个不错的节奏,我们的配合很好,我们的节奏很好,不过是的 [00:49:41]
Logan Kilpatrick:不过是的,我们一直都在追赶,你得对自己诚实,对吧,比如当你在追赶别人时,你得看看别人正在做什么,然后能学什么就学什么,不过你得为自己做创新,这就是我们做的事,我觉得从某种意义上说,这是一个很好的弱者逆袭故事,对吧,比如我们为自己做了创新,我们也找到了自己的解决方案,无论是技术模型流程,还是我们的运作方式,对吧,而且这套东西是我们独有的,对吧,我们和整个谷歌一起运作,你看看我们在做什么,这是完全不同的规模,我从来没把这些事情看成这样,有人有时也会说谷歌太大了,很难做,我觉得我们可以把这一点变成自己的优势,因为我们有一些独特的事情可以做,所以我对我们现在的状况挺满意 不过我们得在这个过程中学习,也得在这个过程中创新,这是实现我们现在这些成果的一条好路子,而且还有很多事情要做,对吧,我觉得我们算是还在追赶,我们正在赶上,总会有人拿我们比较,但我们的目标是构建智能,对吧,我们想做到这一点,我们希望用正确的方式来做这件事,所以我们把所有的思考和所有的创新都放在这上面 [00:50:54]
Koray Kavukcuoglu:我觉得接下来的六个月,可能会和过去六个月,以及在之前的六个月一样令人兴奋,谢谢你抽时间坐下来聊聊,这次聊得特别开心,我希望明年IO大会之前,我们还能再坐下来聊一次,感觉那还要等很久,但时间会不知不觉就到了,我敢肯定,像下周这样的会议,肯定会有讨论IO2026年的规划,把一切都落实下来,谢谢你抽时间来聊,再次恭喜你DeepMind团队,以及模型研究团队的每一个人,做出了Gemini 3 Nano Banana Pro 还有其他所有这些成果,对非常感谢,能进行这次交谈感觉太棒了 [00:51:23]
Logan Kilpatrick:这也是一段很棒的旅程,很高兴能和整个团队一起,也很高兴能和你分享这些,很棒,非常感谢你邀请我来,我们准备了一份特别的小礼物,感谢你
Koray Kavukcuoglu:也恭喜你和团队做成了这件事,不错,谢谢,非常贴切 1500分,一楼俱乐部,第一个模型,对吧 1501分,用来,第一个模型,你太客气了,非常感谢 [00:52:16]
本期《商业访谈录》中,张小珺与战略学家曾鸣围绕 AI 产业的演进、平台竞争、公司制度和个人创造力展开了一场长谈。曾鸣的核心判断是:AI 不只是一次产品升级,而可能是一次超过工业革命和互联网的范式转换。产业会先经历技术被社会接受、基础设施化的阶段,再进入应用大量涌现的阶段,最后才会出现真正意义上的 AI 原生应用和组织。处在前一阶段的公司,往往很难自然延续到下一阶段;因此,今天最受关注的模型公司、互联网巨头和创业者,都不能把当前优势视为下一时代的安全垫。
曾鸣把 AI 产业化分成三个阶段。第一阶段是技术逐渐被社会接受并成为基础设施;第二阶段是在基础设施之上出现海量应用,形成百花齐放的市场;第三阶段则是当应用足够丰富后,世界需要新的底层方法来运行这些应用,进入 AI 原生应用阶段。他认为,今天还处在非常早期的阶段,类比互联网,甚至还没有走到 Yahoo 之后的成熟竞争阶段,更接近浏览器刚刚降低建站和获取信息门槛的时期。
在这个框架下,模型公司更像互联网早期的美国在线 AOL:它完成了让更多人接入智能的基础设施工程。模型能力会逐渐同质化,模型公司因此更像未来的 AI 云公司,而不一定是最终承载最大应用价值的公司。公共基础设施行业的商业模式通常会趋向寡头垄断与政府强监管的结合,这对当前的创业者很残酷,但也是产业规律的一部分。
曾鸣认为,下一轮平台竞争的关键不是谁把旧平台做得更大,而是谁能建立 Agent 的标准并掌握用户入口。旧平台主要做信息与人的匹配,新的平台需要把复杂能力与具体需求匹配起来,复杂度显著提高。Agent 不只是一个更方便的搜索框,它可能代表一套新的服务组织方式:用户提出目标,系统调度具备不同能力的 Agent 完成任务。
他判断,新平台大概率不会诞生于旧平台,因为旧平台的成功经验、组织方式和利益结构本身会限制转型。未来几年可能出现新的 Agent 入口,但入口的形成需要标准、信任、评价和匹配机制。大量开发者会提供 Agent,大量用户会使用 Agent,平台要解决的就不再只是流量分发,还包括如何判断能力是否可靠、如何降低试错成本,以及如何承担错误决策带来的后果。
谈到 OpenAI、Anthropic 以及国内互联网公司时,曾鸣反复强调,当前阶段的领先不等于下一阶段的领先。只要供给逐渐同质化,企业就难以持续获取高额利润;即使公司在十年内从零成长为万亿美元级别,投资回报可能依然巨大,但这并不说明它会成为 AI 原生应用时代最大的公司。模型公司有机会成为基础设施型的 AI 云公司,却未必能占据最重要的 2C 原生应用入口。
他也以字节、腾讯和阿里为例说明不确定性:字节在模型和 AI 云方面可能有机会,但其大型 2C 应用的未来仍不确定;豆包是否能成为下一时代的核心应用,不能仅凭当前规模判断;腾讯的社交关系、阿里的商品与服务关系,都可能被 AI 重构。巨头拥有资源和转型机会,却也背负庞大的既有组织和业务,转型难度可能比新公司更高。
曾鸣用电力产业解释基础设施与应用的关系。电网成为基础设施后,用户不再关心电网公司的品牌,而是围绕电力发展出新的硬件和工业应用。互联网也经历了类似过程:先积累信息和连接能力,再出现更丰富的应用。AI 可能重复这一规律,但速度更快、影响范围更广。
汽车产业的早期历史则说明,市场从来不缺参与者。1900 年至 1920 年间,美国有大量汽车公司,很多公司拥有某个机械功能就可以组装出一辆车;后来,福特通过标准化和流水线把汽车变成真正可规模化生产的产品,原生的产业组织方式由此出现。曾鸣借此说明,AI 时代最终胜出的未必是最早做出产品的人,而可能是建立新标准、新流程和新组织方式的人。
在曾鸣看来,科层制管理的公司制度是工业革命的产物,它通过稳定分工和层级管理解决大规模生产问题。但如果 AI 接管大量可以结构化处理的知识工作,组织不再需要依赖同样的层级和岗位安排,传统意义上的公司可能逐渐衰亡。这个判断并不意味着工作和协作消失,而是意味着人们会用新的方式组织能力、责任和收益。
他特别强调未来组织可能越来越像合伙人企业。律师事务所、咨询公司和投行等组织早已存在这种形态:几个人的分工都很重要,缺少任何一个人都会影响整体。AI 原生组织可能由更多真正承担独特贡献的人组成,成员更像合伙人,而不是被层级管理的执行者。大公司从旧组织转成 AI 原生组织,比小团队从一开始就按新方式成长更难;组织文化、既有规范和利益关系都会成为约束。
在增长缓慢、变化有限的世界里,企业可以根据历史数据线性外推,战略的重要性容易被低估,甚至可以外包给咨询公司。但在 AI 带来的高速变化中,未来无法从过去直接推演出来,战略更像一个持续生成的系统:企业需要不断观察环境、提出反共识假设、通过行动验证,再把新的经验沉淀成判断。
曾鸣回顾阿里时说,创立淘宝、支付宝和阿里云是最重要的战略决定,这些选择在当时都曾遭遇社会和公司内部的强烈争议。大的战略决定也不是终点,业务场景、开放方式、数据库、计算和存储等一层层落地选择,同样会决定战略能否兑现。真正的战略往往在事后才被证明正确,成功企业会形成明显的生存者偏差:卓越的企业通常具有反共识判断,但反共识本身并不保证成功。
曾鸣区分了“优秀”和“卓越”:在共识赛道上把事情做得比别人好,可以成为优秀;要成为时代性企业,往往需要在关键时刻做出反共识选择。进入新周期后,领导者不能以传统老板心态要求别人服从,也不能认为过去的经验和权威天然有效。真正的领导力来自对未来的判断、对不确定性的承担,以及让不同能力的人共同创造。
他不认为公司和巨头的变化会让人绝望。人有生老病死,公司也有生老病死,这是正常的产业循环。旧公司被淘汰,才会给新公司和年轻人留下机会;重要的是不要把暂时的安全当成永久安全,也不要因为巨浪正在发生就误以为自己可以置身其外。
访谈还谈到经验与创新之间的张力。曾鸣并不主张简单否定过去:老经验、老规范和真正有效的传承仍然有价值,但它们不能成为拒绝新范式的理由。面对新旧交替,领导者需要区分哪些原则仍然成立、哪些只是旧时代留下的做法,并在保留有效部分的同时,允许新的能力和新的合作关系出现。对企业而言,最危险的不是变化本身,而是把既有成功误认为未来必然有效。
曾鸣把 AI 时代概括为创造力时代。凡是可以被结构化处理的知识和流程性工作,都可能逐步交给 AI;人一方面会被迫开发新的能力,另一方面也可能从重复劳动中解放出来,重新探索此前没有空间发展的潜能。创造力不是简单地产生新点子,而是重新理解问题、发现需求、建立连接并把“无中生有”的想法变成现实。
在访谈结尾,两人把讨论落回人与 AI 的共同未来:未来并不确定,也不会由今天的领先者自动写好答案。个人、组织和公司都需要在变化中持续学习,既尊重真正有价值的经验,又不能被旧经验和旧权威束缚。对年轻人来说,时代转换意味着风险,也意味着重新定义工作、组织和创造的机会。
因此,这场访谈更像提供了一套观察产业周期的方式:先判断基础设施是否成熟,再看新的应用和标准是否出现,最后观察组织是否已经适应新的生产方式。对创业者和企业管理者来说,问题不只是“现在能不能做出一个 AI 产品”,还包括能否找到尚未被满足的需求、能否建立新的协作机制,以及能否在答案尚未显现时持续做出高质量判断。
曾鸣不愿意做过于具体的短期预测,更愿意提供规律性的判断。他认为,判断 AI 机会时不能只看模型参数或某个产品的短期热度,还要看它是否真正降低了使用门槛、是否能在现实场景中可靠地完成复杂任务,以及是否形成了新的技术积累。很多早期产品看起来热闹,是因为新工具带来了容易展示的效果;但当模型能力继续提升,简单任务很快会被覆盖,真正困难的是找到足够大、足够复杂且有长期价值的应用场景。
这也解释了为什么他把“不确定性”本身视为机会。过去的管理习惯是尽量减少不确定性、把计划做得更清楚;在新范式形成的阶段,过早追求确定答案,反而可能错过还没有被命名的需求。面对复杂变化,年轻创业者需要保持好奇和行动力,把未知看作可以创造的空间,同时通过持续实践检验自己的判断。
访谈中的历史类比共同指向一个结论:技术突破只是起点,真正决定产业走向的,是谁把技术变成可被广泛使用的基础设施,谁又能在基础设施之上创造新的大应用。这个过程会反复改变竞争规则,也会改变“什么是公司”“什么是工作”以及“什么能力值得被培养”的答案。
所以,判断下一时代的机会,不能只看今天谁最有名,而要看谁更接近新的生产方式。
- 开场 AI产业化的三个阶段 [00:00:00 - 00:10:00]
- 从浏览器到Agent入口 [00:10:00 - 00:20:00]
- 基础设施与模型公司的未来 [00:20:00 - 00:30:00]
- 新平台为什么不来自旧平台 [00:30:00 - 00:40:00]
- Agent市场与用户入口 [00:40:00 - 00:50:00]
- 从电力与互联网看基础设施 [00:50:00 - 01:00:00]
- 公司制度与工业时代的终结 [01:00:00 - 01:10:00]
- 模型公司、投资与原生应用 [01:10:00 - 01:20:00]
- 从科层制到合伙人组织 [01:20:00 - 01:30:00]
- 战略生成系统 [01:30:00 - 01:40:00]
- 优秀、卓越与领导者心态 [01:40:00 - 01:50:00]
- 汽车产业的历史类比 [01:50:00 - 02:00:00]
- 没有巨头是安全的 [02:00:00 - 02:10:00]
- AI时代与人的创造力 [02:10:00 - 02:20:00]
- 在不确定性中创造未来 [02:20:00 - 02:30:00]
- 结语 与AI共同进步 [02:30:00 - 02:34:15]
张小珺:Hello 大家好,我是小珺,今天我们的嘉宾是企业战略专家曾鸣教授,曾教授是阿里巴巴集团前总参谋长,也参与过两所商学院的创建,分别是长江商学院和湖畔,不过一个他更令人熟识的身份,是一个对企业战略有很多思考和研究的人,很多的创业者企业家都说受过他的启发,作为完整经历过互联网周期的研究者,我们和他聊了聊,他对于AI新时代,新范式的完整思考,并和历史上的关键时期,都做了对照,听完让我觉得,有了更全局的视角,那接下来就是,我对曾教授的访谈,期待2026年,我们和AI共同进步,科层制管理的,这种公司制度会衰亡,但也可能不叫公司肯定不叫公司,肯定不叫公司,所以公司会消失,会公司会消亡 [00:00:00]
曾鸣:这没有什么可以遗憾的,就将来有更好玩的,你说多少人现在去公司上班是开心的,不开心,我也讲的比较尖锐一点,就是这一批的创业者,要过的一个很大的坎,因为经济学的基本规律,只要有同质化的供给,你就不可能获取高额利润,你就是一家不怎么值钱的公司 [00:01:00]
张小珺:Google不一定会成为下个世代的Google 字节会是下个世代的字节吗,同样的大概率也不会,字节今天模型做的也还不错对吧,起码在国内是第一梯队的,没有啊
曾鸣:所以字节是有很大的机会成为 AI云公司的,但是那个大的2C的应用,是有非常大的不确定性的,豆包是吗,豆包肯定不是啊,对吧,要不然它肯定不计成本就往里砸了,它不砸了就是因为豆包不够,不够那么未来,社交关系会重构吗,腾讯安全吗,肯定重构,腾讯作为最安全的,为什么最近这么恐慌,就是因为也有可能不安全,人和人的关系会被重构,人的社交关系会重构,那人和货物的关系呢,一样会被重构,我觉得阿里也一样有那个挑战,在这波巨浪面前
张小珺:哪些巨头是安全的,我从来觉得在巨浪面前没有人是安全的,你觉得他们all in AI 还能够成为下一个时代的企业吗,就是时代性的企业吗,挑战非常大,人类历史里面有依据可言吗,有这个时代的企业过渡到下一个时代的企业,还能做得非常好的多不多,不是多不多的问题,是有没有的问题,有没有啊,基本没有,所以这种不依赖于你怎么战略选择,你都很难一直在牌桌上是吗,就是这个是让人绝望的地方,这一点都不让人绝望啊,就是人有生老病死,公司也有生老病死,没有比这更正常的,所以新公司才有机会,年轻人才有梦想,曾教授,我听很多企业家都提到过您,他们说自己某次的,很重要的一个战略转型,可能来自于在湖畔大学上过您的课,那商学院的教授有很多,我在想为什么这么多企业家,都说受过您的影响,你觉得您和其他上学的教授的不同,是什么呀 [00:02:21]
曾鸣:我觉得首先我特别特别幸运,就在互联网发展最快的时候,有机会加入阿里,参与了一个公司,超高速发展的一个阶段,所以那段经历,加上我原来有很好的学术的训练,这两个的结合,就让我把理论跟实践给融合起来了,因为我在做的时候,我也经常想,我以前自己讲的东西,到底哪些东西能用,然后在做的过程中也会去提炼,有什么新东西是可以变成一个理论框架,将来还能继续用的,所以这个理论跟时间的结合是一个很大的突破,然后第二点呢,就是我一直在持续地研究前沿的产业发展,所以跟创业者聊天的时候呢,就除了能跟他们讨论战略的方法论,还能跟他们一起探讨,下一步产业到底会怎么发展你做什么样的战略决定,可能更合适,所以把这两者结合到一起,也是挺稀缺的一种能力,那像以阿里为例,因为这个是您亲身参与 [00:03:24]
张小珺:最长时间的一个公司,过去20年,您觉得影响阿里,真正生死存亡的战略决策有吗,它会是哪几个,我最近正好也在做个复盘,所以我对阿里前面15年,比较一味完整的参与过 [00:04:30]
曾鸣:实际上可能最重要的决定,就是三个,创立淘宝,创立支付宝,创立阿里云,而且这三个决定,不但当时在整个社会是不被认可的,公司内部的争议也非常非常的激烈,大家可能对阿里云的这个争议,已经有很多的了解了,但是淘宝宣布成立的时候,当时是有好几个高管,是非常非常反对的,为什么,我觉得原来阿里巴巴的业务都还没有成熟,然后你去打一倍的核心的主业务,风险太大了,所以这个最重要的就是三个决定,然后可能稍微次要一点的,像淘宝怎么从一个商品买卖的平台,变成一个支持电子商务发展的生态然后怎么all in无限,我觉得这两个决定其实也很重要,但是重要性可能没那么大,但我刚刚讲的就是说,后面还要补充一点,其实你做了这个战略以后,还有一层一层的决定,刺激战略决定也很重要,就比如说阿里云早期,你是只服务于一个场景,还是一开始架构,就要是多服务场景,你服务的那个场景,是服务淘宝还是服务搜索,然后开源还是闭源,这个都是争论非常非常大的,二级战略问题,然后再往下,还有你这个数据库变了,那你要不要自己做数据库,然后计算也变了,然后存储也变了,所以才会出现当时喊出来的去IOE就是改掉IBM Oracle跟这个EMC EMC就存储,所以就像今天一样,计算完了以后,发现存储成了一个新的瓶颈,所以其实战略到落地的过程中,他有很多很重要的决定,越到下面,越是战略跟战术,结合很紧密的地方,所以不是做了一个大的战略决定,就可以了,他从一个决定到落地,到最后看到成果,是有非常非常大的一个挑战的,战略做决策的那个时刻,你们怎么知道这是一个好战略呢,因为当时的争议也非常多
张小珺:一般来说因为做了很多的战略,你们怎么判断它是一个好的战略,不知道啊,因为相信所以看见啊,所有的好的,真正就是成为时代的企业的 [00:07:08]
曾鸣:都是最后被证明了,它那个反共识是成立的,当然在这个过程中,也有很多疯狂的想法,其实就没有了,这点一定要去强调的,不是疯狂的想法,我们看到的就是所谓的survival bias 就是你看到的是成功者的偏差,最成功的企业一定是反共识的,但反共识不一定成功,但是在当时呢,我们基于我们自己的能力,能看到,而且也愿意相信的,就是那样一个图,所以战略很大程度上,其实是关于怎么创造未来的,它不是一个简单的一个规划,只有反共识的战略
张小珺:才能够大成吗,有没有共识性的战略,能够大成呢,就是我在一个共识赛道,但是我做的比所有人都强,它能大成吗,那就是优秀嘛,那就是优秀,不是卓越,主要一定来自反共识,那今天这个AI时代,我们进入了一个,全新的周期范式阶段,也像您说的,这是一个新的文明,您会感觉到迷茫焦虑吗,就是像您这样一个,要制定战略的人,看到未来的时候,你这个时候的感受,是什么样的 [00:08:01]
曾鸣:的确是非常非常的困惑,因为你知道肯定是,有很多的新东西会出现,但你不知道哪一些是,稍纵即逝的小浪花,哪一些是代表未来的大的浪潮,什么东西会变,什么东西不会变,这个是非常非常让人困惑的,您现在看到哪些是小浪花,哪些是大浪,有没有一些初步的想法和判断,这就是我为什么写这本书的原因,是因为前面几年都在琢磨这个事情,就经常会有一些观察和洞见,觉得还不错的,但是可能很快又被否定掉了,但是今年上半年就比较明显,就有一些趋势性的信号开始converge 就是开始出现了类似的信号,然后我看到了一个可能的框架是可以去解释当下发生的很多事情,甚至去推演未来下一步的发展,所以我觉得这个时候我就不太焦虑了,因为我大概理解了我们在哪个发展阶段,然后知道到底该怎么做事情,对我们这次聊天的缘由,也是您最近出了一本新书
张小珺:智能,您也说就是这个书,其实开始没有写作计划,是自然涌现出来的,也是最近半年的,通过了一系列的思考,想清楚了很多的问题,您能不能给大家介绍一下这本书,然后以及你的创作过程 [00:09:42]
曾鸣:我自己的本业是战略,所以其实跟创业者聊的最多的
曾鸣:所以其实跟创业者聊的最多的,就是AI时代面临这么大的不确定性,这么快速变化的环境,到底怎么做战略,所以这个是开始,慢慢想得比较清楚的,但真正让整个框架,浮现出来的,是我觉得,我大概理解了 AI在产业化,进入了哪一个发展阶段,然后每个阶段的,不同的运行规律,我觉得这个看清楚了,大概对未来三五年,就有一个比较清晰的,指导意义了,所以今天的人工智能,产业化发展到什么阶段,您是怎么划分这完整的阶段,我其实做过一个很系统的研究,就是从移动互联网到PC互联网,然后再到PC 然后包括当时我做云计算的时候,其实是把第一次工业革命,第二次工业革命,第三次工业革命,其实整个历史也都研究过一遍所以就大致,其实新技术的出现,我讲的都是巨大的通用技术的颠覆性创新,实际上都经历了三个阶段,特别有意思,就第一个阶段就是这个技术,逐渐的被社会接受,然后它成了这个社会的基础设施,这是第一步,第二步呢,基于这个基础设施,产生了海量的新的应用,就是百花齐放的时代,然后第三个呢,是当这些海量的应用出现以后,大家发现,我们需要一些更底层的方法,去运行这个新的世界,这就进入了第三个阶段,我把第三个阶段叫做原生应用的阶段,像以移动互联网为例,到了抖音字节,它属于原生应用的阶段是的,对,就是说早期就是说,比如说移动互联网,大家可能今天,今天年轻的人可能听说过,黑莓手机的可能都很少了,但是黑莓手机是第一款,被称为智能手机的,而且它在很长时间是垄断地位的,而且市场渗透率也很高,一直到2010年,它还是美国市场智能手机的,百分之四十几的市场占有份额 iPhone只有百分之二十几,实际上是到iPhone4以后 iPhone才开始领先,开始跑起来的,所以其实第一阶段第二阶段,然后有了iPhone以后,有了App Store App Store以后,出现了这些新一代的原生应用,然后早期的时候,其实我那时候投互联网,投移动互联网,其实还有末期天气什么的,这个一堆的应用,当时日活很快都过亿了但是会很快的发现,其实他们不代表未来,真正是要解决核心需求的,主流的应用
张小珺:才是那个原生应用,为什么要先经过一个应用大爆发,再到原生应用,那为什么原生应用,不是诞生于第二阶段,因为应用的爆发 [00:12:49]
曾鸣:给了技术下一阶段发展的方向,就技术成为基础设施以后,并不是停滞不前了,他要寻找自己新的发展方向,但到底往哪方向发展,其实是不清楚的,其实就像我刚刚讲的那个字节,其实是先做了今日头条,甚至在那之前还做了,内涵段子一堆的小的产品,是因为在那个技术的早期,你不知道哪个东西能work 所以你要试不同的东西,第一阶段那个时候只有文字成熟了,所以才会出现今日头条,但是今日头条探索出了推荐算法,这样的一种新的,既是技术模式又是商业模式,然后又由于带宽啊,这个算力啊各方面的发展,才出现了短视频然后短视频的这个新的展现形式,和推荐算法这个底层技术,这两者一结合,才出现了抖音这样的,现象级的原生应用 [00:13:01]
张小珺:真正出现了国民级的应用,所以原生应用,距离基础设施承受,中间还有一个过渡性的阶段,能把第二阶段叫做过渡阶段吗,你这样说,好多中间那部分创业者好伤心 [00:14:04]
曾鸣:所以我为什么会犹豫,第二阶段本身是非常精彩,也非常有价值的,所以为什么我说原生阶段,是第三阶段,其实就想告诉大家,其实还有,可能八年也好,十年也好,非常精彩的时间,是属于第二阶段的,你没办法跨越到第三阶段,跨不过去的,就没有第二阶段的积累,就你跨不到第三阶段,而且基于第一阶段的积累,现在该做的,就是第二阶段该做的,应用大爆发的事情,我们现在在AI的这个产业周期里,是结束了第一阶段,还是在第一阶段,还是在第二阶段开始,具体在哪个时间点上,我觉得2026年应该是第一阶段,基本完成的一个标志性的阶段,核心原因就是今年年初,大家可能还记得就是关于token这个词,形成了一个广泛的共识,有两三个月的讨论非常密集,黄伦勋在英伟达的GTC大会上就讲,英伟达的未来就是token factory 然后Sam也马上表达 OpenAI核心就是卖token的,然后这个token为什么重要呢,就是包括词源这个新词被定义下来,是因为当一个技术有了一个标准的度量衡以后,它就能被规模化的标准化的使用,所以我们今天会讲一度电,对吧,这个一吨水,一个GB的流量,这些是让我们可以很简单的使用一个原来曾经很前沿的,这个技术,那今天大家都知道,我掉多少token 我能干多少活,它让我产生多少费用,这个事情,它就成了社会的基础设施所以这是第一阶段的尾巴,第一阶段,开始成熟的表现,它会继续发展,服务会越来越好,智能会越来越强大,成本会越来越低,但是它形成了一个,匹配的商业模式,而且成了,大家能接受的,一种新概念,所以这个阶段是成熟了,我们到第二阶段了吗,今年有意思的地方是,它也是第二阶段的一个开场,因为今年春节前后,同样发生的另外一个,特别让大家兴奋的事情,就是open crowd 就是龙虾,大家都在养龙虾,春节都没睡好,天天都疯狂样的,在弄这些东西,那龙虾让大家看到了什么,其实是看到了一个,能够独立完成任务的 agent的,无限的潜力所以大家才会这么狂乐,所以我认为 AI进入的第二个阶段
张小珺:就是智能体阶段,智能体就是AI时代的新应用,所以第一阶段已经成熟,然后我们现在站在,第二阶段的开端,是的,如果类比到,比如说互联网哪一年,移动互联网的哪一年,今天可以做一个这样的类比吗,当然这个有点恪周求见,但是我们还是想类比一下,对,是,这个,这个这是我琢磨了两三年的问题,其实我三年 [00:17:03]
曾鸣:两年前还做过讲演,就是让我们拥抱雅虎吧,雅虎马也快来了,然后今年年初的时候,我自己也觉得有点,有点纠结,是我们怎么退回到了浏览器阶段,好像比雅虎还要早了,就是您的判断更加前移了,是更加前移了,就是因为我当时看到 OpenClaw这些东西出来以后,我第一个反应,就是我们还在等一个浏览器出来,这都不是浏览器出来以后,我们在等一个浏览器出来,所以我为什么会有这样的一个洞察呢,就是因为,后面就是跟agent同时出现的词,是skill 对吧,能力,那我们去想agent的本质是什么,其实就是分享能力,对吧,我们把我们懂的能力封装起来,然后分享出去,让别人也可以使用,然后OpenClaw提供了一个,框架和思路原来能力是可以这样被封装,被调用的,我就突然想到 92年的时候,我最狂乐的是什么,是建个网站,对吧,那时候就是建网站,所有人都是想着建个网站,然后建网站的目的是什么,就是去分享信息,所以通用人工智能这轮的创新,就是让我们从信息时代,进入了能力时代,海量的信息和知识都处理完了,所以今天分享信息,已经没有必要了,大家都直接问CHATGBT答案了,大家不再找信息了,但是今天大模型能有这个成就,是因为92年的建站运动,让大家把信息都放到互联网上了,完成了信息的数字化的过程,所以我们做类比的关键,就是我们什么时候做类比,没有刻舟求剑是我们去理解抽象建模以后,理解它的一个底层运行规律,而不是纠缠于技术的表现形式,对啊,所以当我想到大家都是在建,一个在建再一个在建agent 然后一个是分享信息,一个是分享能力,我觉得这个结构上就对上了,浏览器为什么重要,在那个时代是一个新的阶段,这浏览器是完成了两个核心功能,通过HTML这一堆的事情,就是说树立了建站的一个,非常简单的统一标准,所以建站就没有门槛了,就有信息的人就能建站,原来建站是一个,专业工程师的专业工作,所以他把这个创造的门槛
曾鸣:所以他把这个创造的门槛,极大的降低了,也就是我们今天讲的,开发者的门槛大幅降低了,然后另外一方面,他把浏览网站的门槛降到了零,就是因为你只需要点击,就能完成所有的信息浏览的过程,所以你一下用户端就爆了,然后供给端也爆了,然后就出现了无穷的网站,天天涌现,然后大家都不知道该看啥了,这个时候就出现了雅虎,雅虎最早就是一个目录,告诉你今天出现的这100个网站里头,这个网站最有意思,到了后面出了1万个网站的时候,就告诉你前面10个最有趣的是什么,然后再给你分类,娱乐新闻股票 [00:19:58]
张小珺:这个就开始分类了,所以雅虎其实是一个,结构化信息的一个过程,对啊,它就是个目录,它是在商减,它不是在商增对吧,商增的同时,一定要有商减,降低大家的认知压力,那我们今天,还在一个商增的过程中,就是各种的skill 能力的爆发,对啊,因为我们随便问身边任何人,大家都不会随口跟你讲出,两三个他天天在用的agent 那您觉得,谁会有能做商减,这个事情的潜质,您看到一些雅虎的雏形没有,是OpenClaw这种形态吗,没有,我完全没有看到雅虎的雏形,所以我说连浏览器现在都没出现 [00:20:44]
曾鸣:所以如果你让我拍脑袋说的话,我觉得下一个最大的机会,就是一个类似浏览器这样的机会,是它会把agent的标准统一起来,然后同时能够让用户,用很简单的方法就能调用agent 然后会有海量的agent爆发,这个可能就是未来两年,可能最让人兴奋的一件事情,今天没有任何这样的雏形吗,所以这也是个反共识,大家都觉得好像,龙虾也是昙花一现,好像现在也没人谈应用了,但我讲的这个可能非常乐观,但我的确是,所以我们基于历史的推演,形成一个抽象的模型,去思考未来,然后底层的我能看到的 [00:21:21]
张小珺:就是这样一个演化的路径,所以在这个意义上,我就不焦虑了,我就在等着这些发生就好了,那假想一下,这样的一个产品形态,可能是什么样的呀,它的先决条件可能是什么 [00:22:12]
曾鸣:交互形态是想象不出来的,这就是要大家去创造,我们能总结出一个抽象的规律,但是我们一定推演不出,一个具体的形态,雅虎到Google还有几年呢,你没有看到雅虎,应该也没有看到这个时代的Google 对吧,这是我现在没法回答的问题,因为我不太确定,我们这个时代,是不是一定会有雅虎跟Google 巨大的鸿沟,因为雅虎后面就没有了,这个我觉得,我现在看不清,我觉得太早了,不用讨论,我们等看到了雅虎,让雅虎先辉煌三年,我们大概才能看到,谁想去挑战雅虎,所以雅虎95年成立,一直到2000年都是辉煌的,这个 Google成立了以后,是给雅虎做 to be的服务商的,是给他们提供了一个算法的服务的,就是雅虎下面一个小弟弟
张小珺:帮他提供一个技术支持而已,在这个意义上是雅虎孕育了Google 那这个时代的关键的变量是模型,您是怎么理解模型的,模型的本质是什么,它可以类比于什么 [00:23:20]
曾鸣:有很多可以类比的,就比如说大家讲数据,是新时代的石油,对吧,那模型实际上是一个炼油厂,广泛提供基础设施,这个角度讲,它又有点像,另外一个消失了的公司,美国在线 AOL 它是互联网基础,接入服务商,它让所有的人,都能够接到互联网上,这个本身就是一个,很巨大的一个工程,那今天大模型是让,所有的人都可以,很轻易地接入到,智能的一个路口,所以在这个意义上,它也是个基础设施服务商
张小珺:所以你觉得模型公司,是一个基础设施服务商,它能类比为哪些公司,就比如今天的OpenAI Anthropic Kimi DeepSeek这些公司,我觉得 [00:24:11]
曾鸣:说的直白一点就是 AI云公司,就是未来的AI云公司,然后这是为什么现在比如说,这几个大模型公司,跟几家云厂商的博弈,在美国变得非常的,有趣和复杂,是因为云厂商,觉得他们付出了太多,得到了太少,然后模型公司,可能大概率认为,他们自己将来要制建云服务,甚至要制研芯片,像OpenAI这样的,所以这两个生态之间,可能会发生一些碰撞,跟重新整合,然后会形成,几个比较稳定的AI云公司,那个是确定的,然后大模型公司,有没有机会从基础服务提供商,变成一家成功的应用公司,我觉得这是个开放的问题如果我主观的给个结论,概率不会太高,为什么,没有历史上的先例 Codex现在就做得很好 Claude Code做得很好,没有,这是大模型的一个基础,一个延伸,这是coding要成为基础智能的一部分,对吧,如果没有coding的话,我们今天都谈不上,可以调用API 就觉得token就不会成立了,是因为有了coding的这个能力以后,才让token变得这么有价值,因为它智能程度,它推理这个智能突破了,但是你看像Anthropic这样的公司
张小珺:它成立才不到十年,短短几年就已经市值万亿美金的公司,这在人的历史上都非常的罕见,您怎么解释这个现象,这个描述本身就是一个幻觉和误解 [00:25:52]
曾鸣:就是因为年轻人容易认为,每个时代这一次不一样,这就是典型的这次不一样,其实我去专门查过这个事情,回到我们刚才讲雅虎,雅虎95年成立 2000年的时候达到了1200亿美元的市值,五年的时间,那个相当于什么呢,那时候的1000亿美元的市值,大概相当于我们今天的 1万亿美元,你把通货膨胀,把这个纳指的基本算进去,就是那时候1000亿美元,按大概8%的年回报,就是今天1万亿美元的公司,所以在2000年能达到 1000亿美元 5年,不比今天Anthropic 对大家的震撼,不强烈,一样强烈,然后我刚讲的,那个消失掉的公司AOL1988年开始提供服务 2000年高点的时候,是2200亿美元的估值,比雅虎还高,是当时市值最高的一家公司,然后他再去收购了传统的媒体,收购华纳,达到3000多亿美金,所以也是一个很恐怖的数据,然后谷歌是98年成立的 2005年达到1000亿美元,黑莓公司,就是它的巅峰,它也是一个硬件厂家,最快达到千亿美金估值的公司,所以其实当一个技术,有这么大的冲击力的时候,第一波成功跑出来的公司,就有这么大的价值,所以我觉得就是说 Anthropic OpenAI 这个是了不起的,技术上的突破,跟商业上的成绩但是这样的先例,在历史上,在类似的阶段都发生过,但是他不一定能活到最后,他很可能会往后活得不错,但他大概率不是原生应用阶段的大玩家,大赢家,即使是回到我们讲的石油的比喻,炼油厂跟化工厂,其实也是两类企业,化工企业后面比纯粹炼油的企业,要有价值的多,化工就是应用,炼油就是最基础的,把石油给开采出来,然后再变成一个基础的油,对吧,然后就像还有一个类比,就比如说汽车,汽车离开了石油肯定不赚,对吧,但是你石油公司肯定做不了汽车,你没听说过哪个汽车公司,是由石油公司转化来的 [00:26:03]
张小珺:我昨天刚好还看了一下,就是陆奇博士,在2024年时候说过的一段话 OpenAI 就是这种通用人工智能公司,未来一定会比Google大,只是大五倍,还是大十倍的问题,以您刚才的论述的话,我觉得您不仅不认为 OpenAI可能是,新时代AS时代的Google 甚至觉得他们可能,只是一个,类似于历史上的过客的,这样的公司吗,他们甚至会消失,是这么个观点吗 [00:28:41]
曾鸣:我是这个观点,我相信未来会有,一定会有一个,十万亿美元的公司,但是未必是现在,领跑的这两家公司,其实我理解陆奇博士,想说的就是未来会有一家 AI时代的谷歌公司,它很可能比现在谷歌大十倍,不她说的是OpenAI 我理解我只是说,但是那么时候,大家大概只想得到 AI会代表到未来,但是我是因为纯粹,我自己是一个商业史的研究者,最近也有时候开玩笑,就是说因为硅谷,现在最时髦的那个词,或者说地位最高的词,叫researcher 一讲researcher 大家就很尊重,然后我觉得,我现在也可以claim 我也是个researcher 我只是研究商业世界的动力学规律,然后我们能看到的,我能看到的理论框架 [00:29:07]
曾鸣:我能看到的理论框架,告诉我的就是,第一阶段的企业,很难活到第二阶段,第二阶段的企业,很难活到第三阶段,为什么第一阶段企业,很难活到第二阶段,第二阶段企业活到第三阶段
张小珺:按理说他们这么早就在这个市场上,然后他对前沿的信息也是最敏锐的,它为什么不能及时转型呢,比如说我马上从一家基础设施公司,转型成为一家agent公司,这个很顺畅啊我觉得,不顺畅 [00:30:13]
曾鸣:是因为第一阶段的技术,核心是可不可用,所以它有很多的原创的技术的创新,第二阶段开始的标志,是第一阶段的技术发展,渐渐缓慢下来,然后才能变成,大家都能调用的技术,我就不用再去重新开发轮子了,然后第二阶段的应用,其实是需要很强的洞察力,他要的是产品很强的原创力,然后跟普通用户的那种同理心,然后需要应用技术的一堆的新的东西,所以你可以把那个应用技术的那堆新东西,叫做新时代的大模型也可以,就是他其实是有新的很多技术前沿的创新,就比如说比如说这个上下文的管理,这个事情,它有很多的技术创新可以做这个你到底把它定义为大模型,还是不是大模型,其实不是那么清楚的,然后在这里后面,其实包括AI 也有很多新的范式会出来,就比如说现在出来很多新的New Lab 新的New Lab里面,一部分的人可能就会去转向支持,这个阶段的应用需要的新技术,这两个的结合,可能就变成了第二阶段的王者,所以技术依然在进步,但是技术未必沿着原来的轨迹,在线性的增长,它可能也有一个技术的范式的变化
张小珺:您觉得不管是中国,还是美国最后模型公司的一个格局,会形成什么样的一个状态,非常简单,公共基础设施的行业,只有一种模式 [00:31:56]
曾鸣:商业模式是成立的,叫寡头垄断加政府强监管,因为整个社会依赖于它,所以政府一定会强监管,第二个,由于这个供给如此重要,所以不能只有一个供应商,然后呢,由于这个基础设施投入这么大,所以肯定不会无需竞争,不会有很多供应商,所以就是经典的寡头竞争,政府强监控,保证社会有稳定的低成本的供给,这才叫基础设施,对吧,你现在水电费能随便涨价吗,当然不能,我知道这个现实,对很多现在创业的人很残酷 [00:32:09]
张小珺:那像比如说OpenAI Anthropic Google的模型,您觉得他们都会并存,就这里面有优劣之分吗,当然有优劣之分,这是这个阶段最有价值的竞争,就我讲那个产业中局
曾鸣:并不否定现阶段的,这些重要性,和这些企业了不起的地方,而且今年,特别是Anthropic先领跑 OpenAI再跟上 Google阶段性的被甩下,其实就是组织能力跟技术能力,其实出现了一些差距,然后像XAI跟Meta就直接退出竞赛了,就在寡头过程中已经有人已经退场 [00:33:00]
张小珺:掉队了,对啊掉队了,这也是我想问你的,为什么XAI和Meta会掉队,看起来他们资源很多啊,对,老板也很忠实对吧,也算是一把手工程吧
曾鸣:这个可能就跟我新书里面讲到的,那个智能复利有关,那个基本概念有关,我觉得Anthropic 从去年下半年,可能到今年上半年开始,让大家意识到比较清楚的是,他们开始用大模型训练大模型了,也就是AI进入了,他们的主业叫大模型训练,然后呢,他们把AI这个工具,用到了自己的主业上,所以他们模型训练的能力,大幅提升,这是为什么我们会,这个今年上半年,大家会如此兴奋,是因为发现大模型,还可以用这么快的速度,提升这么高的性能,这个就是因为,大模型本身进入了,它的训练过程,但是还没有到现在,又开始很火的那个词,叫完全自我驱动的那个self learning 还没到那个阶段,它只是局部的被使用了,但已经产生了很大的价值,实际上这两家公司,也有组织上的优势,像今年讨论的,同样多的,有很多的文章讨论 Anthropic的组织优势,战略上的聚焦,然后这些呢,是相对来说,其他几个公司,可能就比较弱的,所以当你组织优势,跟一个新的技术的运营方式,结合在一起的时候,它就产生了一个,巨大的领先优势,而这个领先优势,真的已经开始把,比较弱的玩家,往后甩出去了,中国的这些模型公司呢,他们会怎么进一步演化,中国跟美国是保持两个不太一样的生态,我觉得中国模型公司会持续的追赶和发展,但是中国模型公司之间的竞争,也会有点类似美国公司就这几家大大小小的公司,最后比如说今年年底,谁如果跑不到3T的模型,估计谁就出局了,它是个淘汰赛,就像现在世界被一样的,就是说你可能现在是八进四,然后接下来四进二
张小珺:八进四的时候,大概率的确会开始淘汰,所以最后留下有限的几家,成为一个基础设施,这是您的观念,是的,现在看起来谁淘汰了 [00:35:45]
曾鸣:美国我们知道了,中国呢,中国其实就是看年底,年底三T 现在大家卯足了劲都在搞这个 K3刚刚到了2.8T 对啊,是差不多,等于是质朴有点领跑,然后Kimi在3T上先交卷,成绩基本满意,再接下来看MiniMax 千文肯定很快回发,然后MiniMax这些,差不多就都在跑最基本的,新的晋级线,模型的格局今年会稳定下来吗,还真不一定,就是说可能要到前两名,前三名的优势
张小珺:基本跟后面拉大了以后,这两三家,可能就不太容易再拉开了,就是您说的那个黑洞理论,对,要形成一个巨大的黑洞效应,让其他家很难再超越,对 [00:36:35]
曾鸣:其实Anthropic跟这个 OpenAI在美国,其实就从智能复利的,这个飞轮开始,因为他们会继续的往 self improving的这个路上去走,所以这个差距是越拉越大的,所以他们其实,有点形成了黑洞效应,这也是为什么,美国的云厂商就有点慌了,就是说因为要看,因为将来这两者之间,什么合作关系,就变得非常重要了,那在您看来,做模型的窗口,其实关闭了没有,新公司还应该再做模型吗,以我们定义的,作为基础设施的,大模型公司的窗口,肯定是关闭了,因为已经进入到了,竞争的接近,智能飞轮,都已经跑起来的阶段了,你这时候进来,就完全没有积累了,那这些模型公司,最后是会趋同还是会分化,寡头竞争的特征就是有一定的差异化,但是又足够的同质化,同质化是保证可以被替代,差异化是让大家还有钱赚,所以模型公司是好生意吗,是个很好的成熟生意,就我们为什么说,企业都是时代的企业,你肯定不会是当红炸子机了,过个三五年,如果你真的没有进入,下一个阶段的竞争,你就是成了一个
张小珺:大家都调用你的服务,大家只会不稳定的时候 complain 不会天天夸你的 OK 你觉得未来三五年,可能会看到这个新的迹象,应该能看到,那接下来,如果他们是基础设施服务商,那接下来一个阶段,我们快看见什么呢,什么样的公司,会成为新的时代的公司,就是看谁是Netscape 谁是雅虎啊 [00:38:07]
曾鸣:谁把agent的标准建立起来,谁抢住了agent的用户路口啊,这个观点都跟我们今天想象的,其实很非共识,所以就像你现在去web大会里头,只有到地下一层,一小块区域才能看到,做应用的这些公司,就二层三层的大厂家,全部都是做的是,现在有共识的东西,这个有,其实是2026年的一个快照 web大会快照,你觉得三年后会变成什么呀,你大胆预想一下,我觉得三年是,有可能开始出现agent的路口,就是因为agent太多了,你想想咱们就换一个,普通人的角度,你怎么知道哪个agent能用,你敢不敢把一件重要的事情,交给agent 你钱包敢交给agent吗,你个人的隐私,敢交给agent吗,然后这种心论从何而来对吧,然后我怎么知道,他收我的费用是真实的,对吧,这些东西其实都需要有一个,可能一个新的服务商,来给大家建立这种信任,让我们愿意说OK 那我相信你定的标准,对啊,我相信你的推荐,然后我相信里面的agent
张小珺:我是敢用的,好用不好用,那是我后面自己的选择,这是我们接下来要聊的一个话题,就是agent 您觉得agent现在应该已经爆发了,对吧,你怎么看它现在的一个状态,现在就是百花齐放 [00:39:49]
张小珺:现在就是百花齐放
曾鸣:大家各显神通,大家都在找那个切入点,因为其实就是,真正的agent 去年就有人喊agent元年,对吧,然后也有很多agent的创业,我其实去年夏天在硅谷,就已经经历了第一波 agent的火爆,就是说去任何一个demo day 基本上都是十几个项目,都是各种各样的agent在那,偶尔有几个做infra 做基础设施的,但大部分都是做应用的,但是那些应用,其实今年都不怎么样了,是因为去年的应用,真的做的都是特别简单的任务,就我看一场十个demo里头,大概会有三五个是做广告的然后里头有的就是做一个素材生成,有的就是做一个投放,就这么简单的事情,我当时就觉得不太可能有长期价值,但是当时我比如说,我看到有家企业开始想做增长,我觉得这个事情可能就有前途,为什么,因为增长很复杂,就他得做复杂任务,得做复杂任务,你才有可能建立自己的智能闭环,然后你才会有可能做一堆的,你自己有价值的技术积累,而不是搭脚手架,就是说当智能能力不够的时候,你做应用很大程度上,是在做脚手架,然后等着模型,自然意识把你脚手架淹没了,但是今天做应用的切入点和思路,是需要完全不同,就是你要假定智能是完全够用的,然后它到底能干啥活今天的核心是干活,然后是干一个复杂的活,越简单的活,越容易被复杂的活给吞掉,因为它没有多少成长的空间,这个事干完了就干完了 [00:40:02]
张小珺:那不就停在那边了吗,那像Mines这样,去年说做通用智能体的产品形态,您怎么看呢,我有一阵子没有接触他们了 [00:42:03]
曾鸣:不知道他们下一步发展的思路是什么,但是Mines当时的确是,市场感觉非常敏锐,因为他们其实抓住了 coding一出的,特别难得的一个机会窗,但是他们的定位,就是通用agent 那么通用agent 当时能触达到的,就是一批 presumer的生产力的需求,当时那个切入点是对的,在今天,一个agent要在力主,至少要找个,十倍以上的切入点,你才有发展的空间,什么叫十倍以上的切入点,就是比那个应用场景,要大十倍以上,就是说比如说,大家做做PPT 然后出个报告,那些都不够大而今天技术,又往前拱了一步,智能程度又拱了一步,做长程规划这些,都比以前进步了很多,那你能不能够往前,大大走一步,把一个复杂任务给解决了,那还需要进入一个垂直场景吗,就是要做通用的一阵,还是做垂直的一阵,这个就是大家接下来,比创造力,比这个天分的地方,就比如说这个教育健康,这是典型的大垂垒,你只要在里面耕耘就够了,你是在这个垂垒里面,能不能找到一个足够好的切入点,现在能切得进去,将来能长得大的,但是通用的里头,又会分to b跟to c 对吧,然后to b里头,哪个是关键,这个又不一样了,我觉得到今年年底,你就会听到一堆的,要做组织大脑的agent 组织大脑就是个agent对啊,组织的操作系统,就不同的叫法了,对啊,就操作系统,或者是说 CEO的agent的这个团队,这个肯定是今年,很火的一个主赛道了,这是2B端的 2C端的 2C端的,从又开始重新做情感陪伴,然后解决问题的,这些就都开始出现了
张小珺:很多人都说这一波的应用,它很难形成上一代互联网,移动互联网时代那种数据飞轮,你怎么看这个现象,你觉得他应该去追求数据飞轮吗 [00:44:28]
曾鸣:数据飞轮升级到了自力飞轮,就是智能的飞轮,就是这个讲的智能复利,所以今天大家,其实也在讲数据飞轮,数据飞轮是一直存在的,其实互联网更特别的是网络效应,我们先讲这个数据飞轮,到智能飞轮,是因为就是说,你要真正把数据飞轮跑起来,就像今天的这个,巨声机器人一样的,你其实相应也要有算法的创新,也要有应用场景,所以这也是个三结合的东西,然后我们刚刚讲到的,那个智能复利,也是你要形成一个,新的学习场景,就你调用了基础这个智能,但是你是让agent 具备一个更高的智能,去完成一个特定的任务,然后在这个特定的任务过程中它一定会有数据的飞轮,然后因为数据飞轮的前提,是真实世界的反馈,真实世界的反馈的前提,是你这个agent 要能独立去干活,要离开人的参与,然后这个中间,一定会有算法的创新,包括刚才讲到的广义的,就是包括上下文的管理,包括记忆,包括新的交互方式这些,然后这个会形成一个智能的复利,它在这个场景下,就变得越来越聪明,然后这个智能复利,能够渗透延伸到,什么其他的场景,去解决更复杂的任务,那个就是他的发展路径,然后找到了,或者运气好撞上了,最有规模化,最能泛化的那个场景的人,就最有可能形成黑洞效应,他就有可能跑出来进入第三阶段的进程
张小珺:而这需要好多的条件,才能够达成一个,原始应用的产生对吧,对啊,现在看到这样的好的场景了吗,应该还没有,没有啊,要有的话肯定就火了,大家就肯定都会抢着去用 [00:46:30]
曾鸣:你看这个原生,即使是阶段性的原生产品,比如说第二阶段最好的东西,一定是口碑的,因为它一定是在体验上有大突破的,就像龙虾也是自己抱的,就没有人去做投放什么,然后雅虎也是一样的,就是口碑相传,跨一下就火了,我93年在UIUC读书,就是浏览器诞生的地方,所以我可能是全世界,最早用浏览器的,一万人之一,那整个校园都疯了,天天晚上不睡觉,就是在用浏览器,看各种各样的,能看到的东西,然后马上大家就会觉得,网上能看的东西,怎么这么少,然后就会有人意识到,做个网站上传上去,肯定是最有意思的事情,然后马上又会有人发现,这个原来是一个商业的机会,我能赚钱,这个飞轮就赚起来了,所以您在这个
张小珺:OpenClaw这个时刻,感受到了92年93年,浏览器爆发那个时刻,那种同样的感受,大家装不上OpenClaw 都感觉非常焦虑,感觉要被时代淘汰了,对,刚才说的是这个数据飞轮 [00:47:35]
曾鸣:那网络效应呢,在AI时代网络效应会是什么样,第一个就是,网络效应会继续存在,它是就像基础设施一样,它成了这个时代的一个标配了,因为最后还是要广泛连接的,就即使从数据的本质来说,越多元化的数据,越差异化的数据,越能产生新的洞察,就你同样类型的数据,其实规模到了一定的程度,其实它的价值是,编辑效应递减的,然后第二个呢,就我觉得网络效应的升级版,其实是黑洞效应,黑洞效应其实就是,应用场景越多,你的连接越复杂,你就更有可能,去拓宽你的智商,所以我觉得黑洞效应,某种意义上,是AI时代的网络效应的升级版,其实我在智能商业那本书里面讲过DNA螺旋的两个组成,一个是数据智能,一个是网络协同,其实黑洞效应相当于,这两个都升级了,就是数据智能,其实现在AI还是数据智能,然后它并没有进入,所谓符号的AI智能的这个阶段,我们还是在一个数据智能阶段,然后网络协同实际上是变成了,这个黑洞的一种,内部的网络结构,它能够快速的去吞噬,多少场景,而不是我们原来的那种,简单的连接,新的时代还会出现平台吗,肯定会啊
张小珺:路口就是平台,因为我觉得上一代的平台,很多都是因为,就是我们的信息效率不够高,所以它需要一个平台来,让信息效率进一步的流转,我们在今天,我们可以用判断力 [00:49:18]
曾鸣:代替信息的不对称,但是判断的也是个稀缺资源,所以就刚才讲到的,一样会出现一个双边市场,就是海量的agent的开发商,跟海量用户之间,怎么完成这个匹配,就我们看个网站,很容易判断它好是坏,成本不高,不好就不再看了,但是你用一个agent
曾鸣:但是你用一个agent 是有可能出现很大的负面影响的,所以我们判断agent的能力的能力,要求是更高的,所以在这个阶段,我们大概率会浪度,这种判断力,给一个独立第三方,我们认为是信任的,而这个其实就是个典型的,双边市场的结构,双边市场是有,中等程度的网络效应的,那新的平台和旧的平台,它可能不一样的地方是什么,旧的平台能变成新的平台吗,它能演化过来吗,大概率不能,就是因为旧的平台,做的是简单的信息匹配,新的平台要做的是,能力跟需求的匹配,所以复杂度会高了很多,就它两边的东西,其实发生了变化,是的,是新物种的匹配,虽然还是匹配,但是匹配的东西是不一样的所以大概率会诞生新的公司,是的,因为你如果不是 agent的原生的话,你怎么能判断得了agent 怎么能够给agent提供一个最好的
张小珺:一个通用的开发平台,对吧,但是现在是不是走平台这一步,还有点远,可能还要几年时间,大概就是三五年的时间吧,今年大家也在谈 [00:51:01]
曾鸣:Agentic OS 首先什么是Agentic OS 你有一个定义吗,我觉得没有人能定义得了 Agentic OS 我把它放在第三阶段,所以我们可以与它去讨论一下,因为你是OS就开始调度资源了,就是他就不再做匹配了,就是你只要告诉他一个意图,我就直接调用市场上,所有的agent 直接帮你给干完了,你都见不到那个agent 那首先agent得爆发,真正的爆发出来,是的,所以一定要经历第二阶段,这个时间,对对对,所以只有到一个足够复杂的阶段,你才需要直接去调度agent 然后agent也得成熟到那个阶段,才能被简单的调用,所以agentOS 比我们想的可能要远,我个人觉得是第三阶段的事情,是比较远的,但是大家,因为在第二阶段就容易去畅想
张小珺:第三阶段可能是什么,所以这个讨论是有意义的,但是它大概率是没法落地的,这个阶段,那您构想中的Agentic OS 可能是什么样的,然后它的话语权,有可能被谁争夺到,有可能是模型公司吗 [00:52:05]
曾鸣:有可能是应用公司,互联网公司算力公司,还是像苹果这样的软硬体的公司,你照我的理论框架的话,肯定是一个谁都不知道的,长啥样的公司,这才叫大创新,要不然它不抵制,它未来的那个价值,所以因为就是 agent长成啥样,咱们现在都不知道,对吧,然后你再到第二阶段 agent的原生硬件是长啥样,我们也不知道,所以得这两个东西,得都足够的探索到硬的阶段,我们大概才会,找到一个最自然的,跟AI互动的方式,然后那个AI 真的能够给我们提供,现在想象不到的便利性,那个就是未来的科幻了,应该可以去问科幻小说家
张小珺:他觉得那个时候,会是什么样的一个状态,这个很有趣,就是我们大概基于历史,可能有三步的推演,但是每一步,它具体Agent长什么样 Agent的生态长什么样,然后下一步 AgentiOS长什么样 [00:53:08]
曾鸣:原生意义长什么样,其实都是问号,是的,对,但是讨论第三阶段的好处是,你大概知道最终的终局,大概是哪个方向,所以你做第二阶段的时候,会更有针对性,然后在第二阶段的中后期,大家的有一部分人的注意力,就会开始走向第三阶段,但是今年 Agent应用公司都很惨淡
张小珺:可以说是到了近两年来 Agent应用的冰点,去年大家投资应用公司的热情还挺高的,但是今年大家觉得,那不就是模型的一个skill吗,那应用公司都很难融资了,您觉得这个现象会是短暂的
曾鸣:还是长期的,您有什么想对这个应用公司CEO说的吗,我觉得现在是应用领域里面,创业者的反共识阶段,就是因为没有一个好的应用,让大家看到它有多大的潜力,以及它该怎么做,所以大家都在摸索,比如说视频生成,这个是已经相对成熟的领域,然后做agent的公司也很多,然后大家最终的目标,可能都要做AI时代的TikTok 抖音这些,但是大家都知道离得现在很远,那你第一步到底做啥,这个就非常考验大家的功力,然后AI短剧,动漫这个又有点门槛太低,所以很快的半年大家就都干完了,而且是AI模型能力顶上来以后,基本上就干完了,所以就正好我们处在一个,青黄不接的时候,就模型的能力已经溢出到,很多简单的任务,他自己就能干了,但是我们又没有找到一个,足够大的场景,可以用agent的方法,去真正让AI做一个足够复杂,又足够有价值的事情,然后还能把性价比非常好的智能,用得很充分的,然后又能形成自己的独特技术积累的,所以就是大部分人,其实低估了通用人工智能的难度,去年大家有点像,我当时的感觉就像小孩过家家一样的,就我有个新玩具,有好多好玩的事情,然后大家就开始下场,玩各种各样的东西,都没觉得他那个东西能做多大,因为大家那时候考核标准也很简单,你只要有AR就好那个ARR,你一个新技术,当然是有价值的,总有人愿意付费,然后大家又有一个好的AR 觉得大家都很开心,所以我这个,到去年年底,在整个硅谷的感受,就像是一个创业的天堂,就是说,所有的人都在那玩得很嗨,但是今年就是说 OK 模型的能力有一个大的突破,然后原来的那批过家家的,小孩子就被淹没了,然后但是今年也许智能,就我听到这个普遍的感受,就是大家都觉得智能是真的能干活了,可以信赖了,因为推理能力达到了一定的水平,然后开始真有人想,我能不能严肃的拿它干点重要的活,这才是应用阶段开始的真实的标志,所以模型公司会吞噬一切吗,您肯定也听到这个说法了吧,在今年模型吞噬一切没有模型吞噬一切的前提是,所有的东西都在模型射程内,按现在的范式发展的模型,它肯定会有一个阶段性的发展阶段,智能够用了,智能够用了,然后这个阶段,就会有一堆的新的技术要求出来,去做不同场景下的东西,那你模型就不可能,吞噬掉所有的一切,我举个特别直观的例子,就是一个很好的例子 1892年爱迪生发明电灯泡,照亮了曼哈顿,一公里的范围内的,平方公里范围内的地,这个大家都知道,然后1910年,有一个实质性的突破,就美国大概,就大概在那之后,就开始有了发电厂,电网的概念,大概1910年大概电网覆盖了美国,可能主要的城市,然后在那一年,终于出现了两个大应用 1910年才出现了两个大应用,除了照明,电灯照明,那是第一个大应用,家里头真正出现2C的两个大应用,洗衣机跟电冰箱,一直到10年出现,他还使用了电,对,还有一个很重要的,收音机,然后我们第三个离不开的,家用电器,实际上到1925年才出现,那个是空调,这空调肯定离不开了,今年欧洲的库属,已经让很多人意识到,空调的重要性,到今天都离不开空调 30年才出现电视机,所以应用的发展它肯定是有它的规律的,然后我们今天离不开,洗衣机电冰箱跟空调,但是收音机跟电视机,被压缩到了手机里面,这两个就基本上没有了,电视机就稍微还有一点点存在感,但是基本上被电脑跟手机给取代了,所以我想讲的就是说,公司层面很有意思的选择,就爱迪生发明了电,但是他认为发电更重要,所以他成立了通用电气公司,最早是做发电设备的,但是他没有意识到电网非常重要,所以他的助理离开了,成立了美国第一家送电公司,但是通用电气真正成功,是因为他生产出了最早的电冰箱跟洗衣机,这个很有意思,对所以他其实是因为一个2C的应用突破了以后,然后电网就成了基础设施,成了一个2B的服务的一个基础设施,就大家不再关心电网的公司的品牌了,但是通用电气繁荣了60年,然后就把各种各样的应用,就一步步做出来了,不过刚才说的是硬件的 2C的产品,那时候没有软件,因为那时候没有知识,没有数字化的信息,直到互联网这个时代,不是那时候也开始积累了,但是那个积累是很浅的 IBM成立于1910年,是因为开始有了这些设备,然后要开始处理数据,现代化的工厂出现了,所以才要人去管理信息 [00:54:00]
曾鸣:所以才要人去管理信息,但是IBM真正大发展,是计算机出现以后才开始 [00:59:59]
张小珺:所以要看在智能时代,谁能更好的利用智能,做出一个2C的,不管是2C的,还是2B的这样的产品,也不管是硬件还是软件,是的,你看现在的应用公司,做着做着,就会开始要去训模型了,因为他们觉得,如果没有自己的模型,可能跟模型公司竞争起来,没有竞争力,比如说Cursor 那您觉得,应用公司应该训自己的模型吗,我还是澄清一下概念,就是我觉得 [01:00:06]
曾鸣:我们还是把agent 或者智能体当做,新时代的主体,创业的关键,他们跟模型之间的边界,会逐渐的清晰,然后我刚才也讲到了 Agen的公司的技术创新,可能也是非常大的,只是它不一定跟现在,大模型技术创新的轨迹,是一样的,然后同时呢,因为大模型之间的竞争关系,会让大模型能提供的能力,成为一个大众商品,基础设施,所以做智能体的公司,其实没必要再开发,这样的大模型了,然后呢 Cursor呢,不是我们定义的,这样的主体,它只是当时,在coding能力不够的情况下,它在去试,模型能力的边界在哪所以当模型发展以后,它其实被fold into 就被包进去了,成了模型迭代的一个养料,所以这是两个完全不同的阶段,所以为什么过去两年,不太容易找到那个规律,是因为它这些东西都在动态发展,但是当你理解了基础设施,跟agent的发展的一个根本的差别以后,你现在为agent的人,他们可能会认为自己将来的技术,应该跟大模型的技术,是有一个比较清晰的边界的,所以agent的公司,不用自己训模型对吧,不用训传统衣裳的模型,因为你可以稳定的调用,不用担心模型公司切断你,因为有一个合理的替代品随时可以接上来 minus需要自己训模型吗 minus看它接下来,想训什么样的模型,因为就是你做agent 你也要做很大的技术投入的,所以minus正好卡在那中间,他得去探索那个边界在哪,但这可能都是我们,阶段性遇到的一些问题
张小珺:就是模型公司要怎么做,应用完了应用公司,要怎么做模型,慢慢的产业的生态,可能会更加的清晰化,是的,就是开始有几个像样的 to see the agent 开始跑起来以后 [01:02:38]
曾鸣:大家大概就有感觉了,为什么OpenClaw 这个火热一下热情就下去了,没有啊,就是第一个,它是一个小众的用户,毕竟还是极客跟CEO最感兴趣,它并没有扩大到大众,第二个现在技术的确不成熟,所以大部分的CEO 就是都是敢于尝试的CEO 都被折腾得痛不欲生,就真正能够把龙虾刨起来的,没几个人,所以就说它是做了一次,很好的演练,让大家看到了潜力和方向,但是那个产品本身,就是一个早期的,就是我们讲的企业发展周期,或者说创新扩展周期,它就是最早即刻尝试一下的实验产品,到今天可不可以说,一个非常好的2C应用
张小珺:2C agent还没有出现,在今天这个阶段,我有限的范围内没有看到,但是它会出现,也没有大家想那么悲观是吧,没有,我非常乐观一定会出现 [01:03:41]
曾鸣:其他人很悲观吗,今天都到了历史低点了,没有那是因为从投资人的角度来说,他现在由于上一轮受了伤,然后这轮又没看到像样的,他可能不想看了,你想看如果没有一个,土石的好的应用,我们要AI干嘛
张小珺:有没有可能应用最后,其实就是几个模型公司做的,最大的机会,有可能OpenAI一直就想做,对啊,对啊,但能不能做到,那是看他的组织能力,他的创新能力 [01:04:08]
曾鸣:所以模型公司一定会想做,也一定会做,问题是它最后能不能成,那是另外一回事情,你有什么想对应用公司CEO说的吗,现在苦苦挣扎的应用公司CEO 其实就是找到自己发展的方向,认真做好自己的事情就好,但是融资是个很现实的问题,这个我也理解,这没办法,这个你早期
张小珺:你做一件全新的事情,早期就是比较困难 2026年其实还有一个现象,除了这波应用公司,出现了好多New Labs 不管是在美国还是在中国,他们的方向可能有 AI for AI 有世界模型,这几个是比较多的,您怎么看这个 New Labs背后涌现的根本的原因,为什么会出现这个现象,为什么需要探索新的模型范式,我觉得可能几个方面吧
曾鸣:一部分人可能是看到了,现有范式的一个天花板,或者他从原理上,像亚朗昆这样,他从原理上就认为,这个事情是有偏差的,或者说它的天花板是很有限的,那它终于有了机会去试一下,自己一直就有的想法,所以这是一类,那一类的确是觉得可能,就要Skidding Law 它有个边际递减的一个趋势,就不管它现在发展多好,那早晚会有个趋势,这个可能也是部分人的共识,所以大家才会一起都出来,第三个呢,我觉得反而是因为大模型的基础能力,到了一定的程度,大家可以去尝试一些,跟现有大模型技术路径不太一样,但是也非常底层的一些创新,比如说像AI for Science 那个就是类似这样的难度,而且也需要大模型的支持,但是做的事情可能跟现在的大模型技术路径不太一样 [01:05:11]
张小珺:所以这一几大类都被统称为了新Lab New Labs会成为一个过渡型的现象,还是会成为一个长期的组织形态 [01:06:09]
曾鸣:我觉得他们是新的组织形态的,早期的雏形,新的组织形态的早期雏形,那还是会长期存在对吧,它会继续演化,因为就是说,你看大家为什么会叫New Lab 就是因为不满意公司,公司要被淘汰了,会吗,肯定的,因为公司跟工业时代是一起产生的,工业时代之前是没有公司的,只有手工作坊,所以工业时代最大的一个制度创新,就是终于有了公司这种组织形式,然后让现代化管理可以被运营起来,才能支撑公司的规模化扩张,所以它是一个配套的制度,如果工业时代的很多的基本经济规律被挑战了,它的组织形态肯定也会被挑战所以大家更愿意叫Lab 对啊,但是Lab这个呢,我为什么说它是雏形的,是因为它更加像,这批研究员在一起工作的状态,但是它要变成未来,普通人可能也是用这种,类似跟更加AI原生的方式工作,所以它会有一些新的演化,就真正的第一个New Lab 是OpenAI 或者说加Anthropic 所以这批,其实应该叫New New Lab 因为他们还是借用了 New Lab这种组织形式,但是他开始做不同的事情,因为Lab的本质,应该是Lab不是公司了,对,你觉得这个未来会成为一个常态,未来我们叫那个组织,叫什么名字,我觉得现在不确定,大概率也不会叫Lab 就是你看我这本书里面我刻意从头到尾都在讲组织,我特意不用公司这个词,就是因为我觉得,包括今年大家都在谈AI原生组织,为什么用这么复杂的三个词,就是因为不知道,这个词还没有被定义出来,这个组织形态,也在刚刚的孕育期,可能五年以后,我们会有个新词,叫这个新组织形态,但是今天我们没有,所以大家叫AI原生组织
张小珺:简称New Lab 所以您觉得,公司作为工业化革命的产物,它有可能会消失,科层制管理的这种公司制度,会衰亡 [01:08:33]
曾鸣:会衰亡,是的,但是人类的分工协作会继续,组织永远会存在,因为有人的地方就有组织,但是组织用哪种形态
张小珺:这个是一个历史演化的过程,为什么AI革命会带来的变化,如此剧烈,剧烈到就是感觉已经伤筋动骨了,连组织这种形态,都已经从公司开始
曾鸣:向其他的方向开始转变,为什么变化这么大,你讲两个类比就能理解,第一个至少把它类比为工业革命,对吧,那工业革命,基本上颠覆掉了以前,所有的农业时代的那些东西,那么AI如果是超越工业革命的,这样的技术创新的话,那工业时代的大部分东西,也会被淘汰掉,第二个你从一个更底层的角度来说,人类一直是很自豪,自己是地球上唯一的智能动物,然后其典型标志,是因为我们有语言会说话,那AI也能说话 AI能理解人的所有的知识 AI也具备了智能,所以从这个角度来说 [01:09:12]
曾鸣:所以从这个角度来说,我们未来的世界发生的变化,是超出我们想象的,所以过去的很多,我们习以为常的事情,在20年以后,完全可能会不存在,这个应该是,大概率的事情 AI原生组织应该怎么搭建,这是一个特别大的话题了,我们讲个最底层的逻辑吧,岗位可能就不存在了,或者说岗位是,公司最基本的一个运行单元,所以我们应聘,都是应聘一个岗位,公司发展,要发展了,先要定一个岗位,给一个工作描述,然后去招人,然后这个公司才能发展,然后因为有岗位,所以有汇报线,有成绩,有相应的报酬,所有的东西都跟岗位连在一起了岗位是现在组织的一个基本单元,但是AI时代组织的基本单元是任务,是什么是要被解决的事情,所以大家是围绕着任务在流转的,这个组织肯定就完全不一样了,那如果从岗位变成任务,人应该怎么在这个组织里结构起来呢,这就是现在大家都在探索的,最有意思的问题,这个问题问得非常的好,所以阶段性的产品,是大家讲的 AI一定要嵌入工作流,但这个只是阶段性产品,因为那个工作流是为人设计的,对这个还是感觉是,现有的公司和组织加AI 对,所以AI原生的组织,会从第一天开始,就去定义那个任务,然后去拆解那个任务,再去分配那个任务,所有的人和AI 都是围绕这个任务归基员工和探机员工,都是围绕着任务的流转,在协同的,这超出大部分人的想象,这需要一点时间去消化,但是就是,它是一个任务分解跟完成的,那以后找工作找什么的,没有一个岗位了,你去领任务,现在就这几个大lab 都是在就任务发布,然后你去认领,你觉得你能干就接,然后你能deliver结果,你的东西就上线了,就公司只要发布任务,你只要去认领任务就行了
张小珺:它是一个更加网状的一个结果,是的,它的成绩会进一步减少,不存在了,不存在了,因为成绩存在是因为,不知道谁说了算,那就先定个成绩,成绩高的人说了算 [01:12:20]
曾鸣:它不是以判断力为标准的,当然这个层级本身,跟判断力的级别有关,但它原则上,就在任何一个特定场合,是谁级别高,谁说了算,但未来是谁的能力强,谁被调用,那这个基层中层高层,这种结构也就没了,岗位中层高层低层,都是叫,为什么叫科层制管理,它其实就是有这样的,垂直的分工的,有这个命令线的,所以当这个命令线,被打破以后,将来的协同,就不是靠命令的,所以传统意义上的忠诚肯定是消亡了,怎么激励员工呢
张小珺:因为设置这种层级,它有一部分的原因也是作为一个激励线,让你爬格子嘛,在这个组织里,对啊,那以后的绩效考评和人的这个驱动力来自于哪里,在一个组织里 [01:13:12]
曾鸣:本质上是自驱啊,就为什么这半年硅谷最流行的一个词叫high agency 对吧,就是我们讲主观能动性,你自己掌握自己的命运,你有没有成长,没有人比你更了解的,对吧,所以你成长了,你开心了,你就继续做,你没成长不开心,你去换个地方,而且你的竞争对象,似乎也不只是你的同事们,也包括你的AI同事们,是啊,第一个非常重要的,的确是跟人家向内看,就是你自己得找到你的驱动力,第二个,为什么叫主观能动性,你要明白,你要培养什么样的能力,第三个,你要找到这个能力,最适合应用的场景,然后跟着这个场景,一起去成长,第五个,因为你承担了这个,因为你接了这个任务,你交了结果这个东西是非常透明的,所以你一定会得到,相应的奖励,为什么这些top researcher 转会费那么高,是因为贡献很透明,你看你们采访的时候,我看现在打title都叫顶尖研究员,那也没有title 连VP之类的都不写了,这个不需要大家也都知道,他们的江湖地位,是因为整个的网络更加透明了,就是说谁在做贡献,谁不在做贡献,很清楚对吧,这两家公司都有前30个人,前300个人,前1000个人
张小珺:你在不在那里头就都很知道,所以New Lab 它不能算是一个阶段性的产物,它可能算是一个新的时代的,一个组织的早期形态,对啊,因为之所以叫Lab [01:14:53]
曾鸣:是因为现在主要的员工是研究员,研究员最能理解的就是一个Lab 他们不喜欢公司,也不喜欢大学,但是他们喜欢Lab 所以就叫New Lab 但是将来其实所有有创造的人,都会在这样现代的新型组织里面存在,那个时候可能大家就不会,局限于lab这样一个称呼了 [01:15:05]
张小珺:但也可能不叫公司,肯定不叫公司,肯定不叫公司,所以公司会消失,会公司会消亡,这没有什么可以遗憾的呀,就将来有更好玩的
曾鸣:你说多少人现在去公司上班是开心的,不开心,对啊对啊,那你将来可以有更开心的方法,那不就是技术进步给人类带来的价值吗,艺人公司会成为一个发展的方向吗,不会啊,为什么一人公司,只是说公司的很多,只能摊摊到一个人身上了,就一个人现在能干,原来几十个人能干的活,但是一个人能干的活,永远是有限的,所以你一定要有组织啊,一定会有分工啊,一定会有合作啊,所以一定会有组织啊,所以一人公司,是个阶段性的产物,它只是让大家理解了,一个人,由于有了AI的帮助,他其实能够干原来,一个公司花了那么大的管理,跟协调成本,才能干到的事情,所以将来的每个人,就是一个一人公司,你就这个六边形战士
张小珺:然后你在那个组织里面,再去跟其他的六边形战士,一起去合作,那要产生新的这么多的,就是组织形态,那传统的公司怎么办呢,他们怎么办呢,他们这个公司已经形成了 [01:16:37]
曾鸣:转型啊升级啊,成为新物种啊,怎么转,不换脑袋就换人,不换脑袋就换人,对啊,就是自己的认知先要升级,所以为什么现在在讲 AI原生的认知和理念是有价值的,是因为你得理解,新物种会长成啥样,你至少要理解,你要跨过的那个鸿沟有多大,你才会去努力,要不然大部分人顺着惯性,就是AI加,一路加下去了,但是原生的公司,争起来的时候,你就会很绝望
张小珺:只不过是这个转型,的确非常困难,因为它本身是反能性的,我原来理解,就是这波New Lab 其实还是在做,早期探索的时候的一些形态 [01:17:27]
曾鸣:但是也许可能,未来到了应用公司,它这种早期形态,也是有借鉴价值的,现在的New Lab 的确都在做早期探索的工作,而且是偏技术性的,所以他们被叫为New Lab是非常自然的,但是未来的公司,也是在做非常有挑战的探索型的事情,只是技术只是其中的一个环节,甚至不是最主要的那个驱动环节,所以那个组织该怎么叫,他们喜欢什么样的一个类别 Club 或者是什么,现在喜欢的,大家其实喜欢的是球队的感觉,这个是一个专业的球队,如果你是一个NBA的明星球队,是其中那个明星球员,那肯定就是最大的成就,我觉得这批人可能会,找到一个新的方法
张小珺:来教他们自己,这些New Lab的,他和AI协作的方式,可能会延续下去,对,现在这些New Lab有泡沫吗,大概率有吧,但是泡沫是好事,就是说早期的泡沫,肯定是好事 [01:18:33]
曾鸣:因为重赏之下才有勇夫,而且大家是都看到了类似的机会,这就是市场机制的价值,就是说因为你不知道,你事先是没有一个上帝的视角,知道谁对谁错的,所以你只能是让大家去试错,然后市场就是说 OK我知道这是方向,所以我愿意投入这么大的资源,支持大家试错,然后这一轮New Lab之所以这么值钱,或者说可以以这么高的估值开始,是因为大家认为他们至少,起步是OpenAI跟Anthropic 那当你的潜在的回报是这么高的时候
张小珺:那你当下愿下的赌注肯定就更高,那以您认为OpenAI Anthropic 只是一个基础设施提供商的这个角度来说,那NewLab是不是不应该值这么多钱呢,没有啊一样啊 [01:19:24]
曾鸣:因为你依然得到了一个在十年内,从零到了一万亿的公司,那个回报是无比巨大的,所以从投资人的角度来说,他们只关心 OpenAI Anthropic 未来三年,从一亿多到至少三亿,或者最好要五亿,要不然他们投资,连风险的buffer都没有了,但是New Lab的人
曾鸣:但是New Lab的人,更多是希望
张小珺:其中的某一家,有机会最终成为,下一个OpenAI Anthropic 因为您这本书,也是把组织问题,放在战略问题之前,首先为什么呀,就是为什么,因为您是一个战略专家,为什么您把组织放在战略之前,理论上不是应该先有了战略,然后我们再定组织吗,过去我们都是这么做的,还是回到那个基本判断,就是虽然这个词有点俗,但是我觉得还是要讲 [01:20:04]
曾鸣:就是说AI对于工业时代,是一次范式革命,所以我们看到的是新物种,新物种的共性,重要于单独讨论,其中的一个环节,所以我后面这两年,为什么对组织看得越来越多,是因为你发现,你想要的那种,未来的战略的,生成方式,跟原有的组织是不匹配的,它只有用新的组织形态,才能生成新的战略,这两个是阴阳合合的,为什么会有新的组织形态,是因为它有一个非常原生的大挑战,是决策的频率越来越高,质量的要求越来越高,所以才会有新的组织形态,然后新的组织里面最重要的决策就是战略决策,所以这两个东西的确分不开,就你得一起去摸索,我怎么用新的方法做新的战略
张小珺:然后这个战略帮助我进入了下个阶段,我才有机会去尝试更多的组织创新,以一个AI native的公司,给他的CEO提建议,搭组织最重要的是什么,搭一个原生组织,先天有优势 [01:21:36]
曾鸣:还可以搭这个原生组织,其实还是对AI理解的深度够不够,你自己够不够原生,就比如说,我碰到的好几个,在这方面走得足够远的创业者,基本上都自己重写了,自己公司内部的运行的体系,而且因为他们编程能力这么强 AI帮助这么大,基本上都是李志飞讲的,我把自己关在家里三天,我基本上就把框架写出来了,基本上是类似的故事,就是说因为他们对于,那个组织运行的原型,是有深刻的理解的,然后AI最大的帮助就是,能够快速帮你把原型给实现了,所以他们基本上自己都做了一套体系,但是可能大部分人今天,会满足于非输的AI升级觉得那个就已经够我用了,而且因为我原来已经在非输上了,所以我的迁移成本也高,我自己也做不出一个,啥新东西出来,然后我要判断别人做的东西,靠不靠谱,我大概也没那个能力,所以这个中间,大概就成了一个分水岭,就是未来真正AI原生组织的人,最早一批CEO 大概是自己动手,重新写了自己的,组织运行方式的,因为那个就是未来的组织的神经网络,它的神经网络,是怎么连接在一起的,而且我们讲工作流这些,其实都跟神经网络这些,它的类比本质上是一致的,你原来的ERP就是一个固化的道路,固化的道路,它就一定有各方面的,僵化跟局限,它就不可能是一个实时反应的网络,对吧但是神经网络的适应能力,是远远超过任何东西,神经网络的天然就是对应的任务,那对于现在,就是已经有公司的CEO 有什么建议,如果你想继续在最前沿参与竞争的话,你的确就得在AI原生方面,做更大的努力,当然竞争都是相对的,就是说如果你是跟兔子比赛跑,那你的速度要求,你去跟猎豹比赛跑
张小珺:那肯定数据要求是不一样的,所以谈战略之前要先谈组织,组织对于CEO来说变得更重要了,其实是阴阳两面 [01:24:05]
曾鸣:就没办法完全剥离开的,因为都是基于同样的新的DNA 长出来的东西,所以还是我刚刚讲到的,就是说我讲战略一定会讲到组织,就比如说聊着聊着我就问一下,你们公司到底有多少人,现在谁参与战略讨论,对吧,这个就进入了组织的部分,那你聊组织的时候,肯定会问,那你现在组织面临,最大挑战是啥,那你的组织,是为了解决这个问题的,那你这个组织
张小珺:有没有机会解这个问题,对吧,所以这两个东西,是结合的非常紧密的,对未来这个组织的构想,您觉得可能和现在的组织,这种公司形态不同,或者什么,除了它的中心,从以岗位为中心
曾鸣:变成以任务为中心,还有其他的不同点吗,可能人会变得更少,人变得更少是肯定的,或者阶段性的变得更少是肯定的,将来说不定有太多好玩的东西,大家可以一起玩,那是另外一个,第三阶段的事情,我们只讲第二阶段,第二阶段是因为 AI杠杆作用足够大,然后呢,对人的要求又相对比较高,所以能够适应这个新组织的,刚开始是相对少部分,就是非常积极主动,愿意尝试新东西,然后学习能力非常强的人,所以他们会摸索出一套,跟AI协同的方法,然后这套协同方法摸索出来以后,也许可以开放,吸引更多的人,可以用相对更简单的方法参与进去,太有意思了,我感觉这个处在智能革命的开端
张小珺:就是你可以尽量把它往大了想,而不是往小了想,不要想只是一个互联网的变化,要想的可能比工业革命更大的一个变化,所以未来可能是翻天地覆的一个变化,是的 [01:25:49]
曾鸣:而且一切刚刚开始,而且接下来的想象力是属于所有人,因为第一个阶段,就是你看所有的团队创业者,都是以研究员跟技术专家为核心的,是因为他要做早期的特别大的技术突破,但是当技术成为技术设施以后,各种各样的产品运营,跟用户的连接 [01:26:01]
张小珺:同理心这些东西,就变得非常重要了,我看到您书里,对研究员,为什么值这么多钱,给了一部分合理化的解释,因为他是跟AI交互最多的人,他最能理解AI的边界在哪里,他能够跟AI最好的互动
曾鸣:现在他们就是创造最大价值的人,然后现在市场又比以前更高效,能够比较快速敏锐地识别出,谁是创造最大价值的人,所以他们就获得了市场认为,他们deserve的这个价格,你觉得产品经理在下一个时代还重要吗,当然重要,或者说产品经理会变得无比重要,是因为你做什么产品,服务什么客户,创造什么价值,用什么技术,这都是你要做的决定,有限的时间投入在哪一件,相对最重要的事情上,这个都是产品经理要去判断的,只是说今天,就我们看到的这些大模型公司,他们因为必须是技术主导,所以你会看到,就是说基本上是研究员主导的但这中间有个特别有意思的现象,就是我也讲的比较尖锐一点,就是这一批的创业者,要过的一个很大的坎,是有没有足够的开放的心态,去理解商业世界的运作规律,我发现很多的技术人员,没法接受一个简单的事实,就是我的技术这么牛,我创造了这么大的价值,为什么我公司可能不值钱,因为经济学的基本规律,只要有同质化的供给,你就不可能获取高额利润,你就是一家不怎么值钱的公司,所以这个跟技术人员,以前的接受的整个的模型训练,是完全不一样的,所以极少数的技术人员,必须完成这个蜕变就作为方的,作为CEO 他必须去理解经济学的基本规律,商业世界的运行规律,然后他才能够成为一个合格的CEO 把公司带得足够远,你觉得新时代产品经理,或者是方的,它需要是research的背景吗,它需要是这种技术背景吗,下一代大概就不需要了,这一代需要对吧,对就模型这一代是肯定需要的,但是下一代应用驱动就不需要,对,然后你到巨声这一代,就已经看得到,巨声基本上都是联合创始人,然后基本上一个是大模型背景,一个是偏应用跟商业背景,是因为他们一开始就碰到了这个问题,对啊,今天好像一个创始团队,它的联合创始人变得比以前多,这也是一个AI原生组织的,开始越来越显著的特征,是因为每个人都必不可缺,要不然就用agent上了所以我书里面有一句很重要的判断,就是未来整个企业会越来越像合伙人,企业,有一个很有意思的补充,就刚才讲的公司是工业时代,最大的一个制度创新,然后它取代了原来的手工作坊,但是有一个制度是平行存在的,就是合伙人企业,就像律师事务所,大的咨询公司,甚至包括投行,早期其实都是合伙人企业,合伙人企业的典型特点就是,几个人的分工合作都很重要
曾鸣:几个人的分工合作都很重要,少了谁都不行,所以未来的组织,你会发现,全员都是合伙人的这种情况,会越来越普遍,要不然我就不招你,招你其实就是因为你的贡献,必不可少,那你其实就是一个合伙人,只不过是可能你早期进来叫联创 [01:29:57]
张小珺:后来进来就叫合伙人了,这个可能也会有非常大的变化,就每个人都有不可替代性,是的,然后人数也显著变少,我们只要是一个合伙人的组织就可以,就是一个球队,对,然后每个人的也有差异化,不是同志化,每个人也要更强,对,肯定互补,如果就是你的覆盖的话,那就靠数字分身去做了 [01:30:18]
曾鸣:多少人是比较合适的,这个跟任务有直接的关系,所以就像OFNI 他们的人数上升也很快,所以他解决的问题是越来越复杂,这个AI时代的创业者呈现的特征和过去有没有变化,这个阶段的变化是非常明显的,就是科学家创业,但他不会持续到下个阶段,下个阶段,我觉得科学家创业的比例会大幅下降
张小珺:您之前也说过,优秀创始人和卓越创始人,您觉得他们这个分界和差异是什么,您能一眼识别,哪个是卓越的创始人,哪个是优秀的创始人,识别不出来,就是说,卓越,为什么说卓越难,卓越,我讲的最重要的话 [01:31:10]
曾鸣:卓越是事后认定的,是因为你克服了,一次一次的反馈,当所有人都不认可你的时候,你最后会,以巨大的成功证明,你是时代最早的那个先知,所以这个卓越的过程,是一个逐渐展开的过程,而优秀是一个,持续有正反馈的成长过程,所以这两条路径是完全不一样的,大部分人是优秀的人,因为优秀跟人的心态,是比较匹配的,但是跟卓越同样成比例的,就是我开始讲到的,很多人是疯狂的,失败的,就真正卓越的人,就是有疯狂想法的人,能走向卓越的人,也是非常非常低的比例的,狂想的人可以很多,也很容易,但是你不但是想对了,还能落实的,那个是极为稀缺的能力而且你问这些人的话,他可能也未必认为,自己有什么不同,这就是在那个 《基业长情》那本书里面讲到的,就是他看到的,那些特别卓越的企业,他就是另外一本书,就叫优秀到卓越嘛,对吧,两本书都是同一个作者写的,他其实讲,你真正问这批人的时候,他们有个极大的特质,都是把成功归于别人,然后都认为自己是因为运气,他是收集了这些人的访谈,对外沟通的信息,我觉得一开始听起来,好像有点反常,但你真正去体会的话,应该是那样才有可能,为什么,因为事情大于人,因为你一定自我很小,才能走那么远,是时代成就了你,的确是,你只不过是碰巧,在合适的地方,跟合适的人在一起,做了合适的事情所以如果你只是为了证明自己,证明你有多牛,就是他书里面讲的,第四级的领导者,在某一个时间点,世界都会打你的脸来证明,你其实没有你想象的那么厉害,所以自我小一点才有可能,是的,利他同理心和自我逐渐变小
张小珺:大概是走向卓越,必不可少的因素,因为你ego大的话,你会一直想要证明自己,你就会一直在那个正反馈的循环里,是的,所以你大概里走的是一个 [01:33:33]
曾鸣:就是普遍性正确的道路,是的,因为你急着证明自己嘛,所以你需要短期反馈嘛,你是为了自己的ego嘛,所以你不会去真正的去感知和理解真实的世界
张小珺:你对信息的处理一开始,就会容易受你心路为主的判断的影响,那如果是另一条路呢,他想的是,我要怎么把这个事情最大化,还是,我要把这事情做好
曾鸣:对吧,就要我愿意听更多的人不同的意见,我相信大家都很优秀,我们是为了成就这个共同的梦想,那整个公司的凝聚力就不一样了,这就是真正意义上的使命驱动的公司,所以你如果问我的话呢,我也会把公司分成四个层级,机会驱动的公司,战略驱动的公司,远见驱动的公司,使命驱动的公司,但是这个使命是发自内心的,你真心believe的,你完全相信跟拥抱的,不是你编出来,写在墙上激励别人的,那样的人是非常非常少的,怎么辨别它是一个使命还是战略,这可能只有你自己知道,可能自己都不知道,经常有创业者过来,跟我讨论战略问题,我其实经常问的第一句话,往往把他们搞懵了我经常会问,十年以后,你会对怎样的自己满意,这个问题就是最能反映,你对自己当下是什么期望,你大概这一段的旅程,是什么驱动的,但是这个问题本身,也是一个自我依构的问题,你有自我依构,你才会想十年后的自己,是什么样子,有的人会讲,我就是对这个事情特别感兴趣,我希望这个事情能成,这种肯定事情就已经大于人了,有的人是说,我就是好奇,那这个也比证明自己要有意思,然后有的人就会说,我就是要做一个,一百亿美金的公司,就是付分单,对,因为这个基本上是自我驱动,就是要一个外部的认可,所以他很多的东西,都会基于这个去做调整跟变化,它不是一个内在驱动,它其实是个外部的它受外部的衡量标准影响很大,所以每一轮的估值,就容易对它有冲击 [01:34:12]
张小珺:这都像在交答卷,对啊,您听过最好的回答是什么,马老师最早创业之前讲的,让天下没有难做的声音 [01:36:07]
曾鸣:那个就是他自己发自内心相信的东西,他那个是使命还是战略,那是使命,还有过很好的回答没有,我觉得马斯克去火星也是使命
张小珺:这是一个脱离于我自我的一个事情,对啊,它是要把人类带入外太空时代,对创业者来说,哪些是非共识,哪些是噪音,怎么辨别
曾鸣:这个跟战略制定,也有很重要的关系,就是说因为你就是在判断,判断信号跟噪音,一个可能是尽量感知的全面一点,就是真实的去体会外界发生什么变化,第二个呢,就是可能思考要更深入一点,这样的话,你大概能慢慢分清楚噪音跟这个信号,很多人是不太过脑的,就是说思考你不深的话,当下流行什么,你就跟着流行去了,所以会很累,因为你一直在追,在追趋势,别人已经领跑了两步了,你没看见,你只看见了他冒出水面的第三步,所以你追肯定就是,第一天就是输掉的,第二个呢,就有可能你,就是因为接触的面太窄了,所以你容易做出一个局部的,最优的判断,但你可能失去了一个,更大范围内的一个,视角,对对对,这好多都是心法感觉,我个人是比较爱琢磨心法层面的事情,对,而且理论的东西容易反而被,大家容易被理论框住,因为你只对那句话,就记住了那句话,然后呢你自己可能一葫芦画瓢,就容易出很多问题,但是心法如果你掌握了的话
张小珺:就能够根据具体的情况随机应变,因为您也说就是现在做战略,首先要组织,并且战略也是实施变化,那今天这个战略还重要吗,就是您以前也说过,要看十年想三年,干一年,这个在AS时代还work吗,今天战略无比重要,你做错一个重要决定,你就出局了,这个淘汰赛是可能 [01:38:12]
曾鸣:以几个月就来计划的,所以我为什么会讲 AS时代需要一套,新的战略方法论,是因为你持续做出,正确战略决定的重要性,是非常高的,就越不确定的时候,越需要战略思考能力,如果都很确定,那大家拼的就执行能力,对吧,那第二个呢,就是其实看十年,想三年干一年,就是我对AI时代战略方法论的,一个比较形象化的总结,但是大部分人,记住了看十年干一年,因为那是他们习惯的,工业时代的战略方法论,因为工业时代,或者说就从90年代开始的,很多的传统企业的方法论,是因为在一个相对成熟,和发展缓慢的世界,看十年是比较清楚的,因为你每年就5% 8%的增长,然后十年以后,大概会变成啥样,也没有新的玩家,所以你大概是知道的,然后在这个情况下,你做今年的规划也很容易,基本上就是线性推演,加一个就线性外推,然后战略如此的不重要
曾鸣:然后战略如此的不重要,以至于大公司都把战略外包给,麦肯锡这样的咨询公司了,所以80年代开始到00年左右,麦肯锡BCG这些公司,有一个井喷式的发展,就是因为这些公司认为战略不重要,都可以外包给别人了,所以麦克锡他们过去就是,根据行业经验,根据我们的战略方法论,我帮你制定一个十年的规划,然后你就按年去执行就行了,双方都很happy 但是我们今天的问题在于,开一年是远远不够的,你没法先行外退,先行外退就不可能得出 Anthropic今年80倍的,同比增长的收入了,就是因为你是一个 Vision Driven的人,然后你放弃了,一个现行外推的思考方式,你才可能有未来但是由于未来如此不确定,所以看十年帮不了你太多,因为当下从哪下手,你还是不知道,所以你得逼着自己去想一个,大概三年左右的一个途径,所以真正的创造力在看三年,看三年要求你大概看个两三步,就我第一个马尔斯顿是什么,第二个里程碑是什么,第三个里程碑可能是什么,然后我今年做的第一个重要的事情,是为了满足哪个里程碑,所以你就会有短期中期长期之间的一个动态的张力,这个张力引领企业,有可能更好地做出当下的战略选择所以就没有这个看三年的这个张力,其实战略就没有发生的那个环境了,就相当于在一个三维空间思考最优解,跟你在一个二维平面寻一个最优解,完全不是一回事情,所以应该以多长周期为频率来思考战略,好问题,所以说看十年想三年干一年,是一个形象化的比喻,它本质是要彰显看三年的创造力,以及短期中期长期的冲突和矛盾,利益取舍,战略本质是关于取舍,最核心的就是这个取舍,但是你也可以看五年想两年干半年,这个根据每个行业不同,甚至你可以看三年,想一年,干一个季度,这个节奏是根据行业发展可以有些不一样的,但是一定要有中期的一个思考,就一定要看到至少三步,而不能只看一步,所以关键是中期的那个节点,对,我去年有一个创业公司,做agent 做应用的公司问我,他们公司发展很好 ARR涨得很快,我就问了他一句话,我说年二继续涨两年以后又怎么样呢,最后产业终据会咋样呢,年二有没有一个天花板呢,那个天花板多快会来呢,所以他一下就明白了,他回去后来算了,就发现天花板不高,就赶紧回去去做一些新的事情了,但是当你线性的看,每个月都在增长年增长率多,特别是,这是一个很虚幻的事情,它不但是一个线性外推,而且还是拿当下外推12个月,是很容易让人产生一个增长的幻觉,然后它很可能就突然到顶,后面就直线的变成一个线性增长,然后你做的事情,其实是一个很不,没有想象空间的事情,对没有多少价值的事情,所以你短期内的价值,模型一出,就是没人愿意付费了,或者是竞争太多了,大家刚开始竞争的时候,是按你的创造的客户价值来定价的,但是当竞争对手一多了 [01:39:56]
张小珺:就是按你的边际成本定价的,也是大部分人不理解的,一个经济学的基本规律,不管是短期中期还是长期,我们应该以什么为一个指标呢,就是我们当下能够,看自己的成长性的一个标识 [01:44:08]
曾鸣:有可能是什么样,这个指标就是主观的,所以为什么会有OKR 就是要想解决,当你的目标,不能转化为KPI的数字的时候,大家要用OKR的方式协同,只是因为OKR落地,对组织要求太高了,所以大部分公司或者放弃了,或者OKR变成了变形的KPI 为什么实际上未来的组织,大家现在用对齐,这个词用的越来越多,就是很大程度上,其实就是对齐,对齐我们的目标,对齐我们对未来的判断,对齐我们背后不同的认知模式,这个是变成了一个,更低性的一些东西 OKR还会延展到AI时代吗,我觉得OKR的基本理念是对的,但是我们可能会找到,或者说AI时代,才有可能让OKR落地因为那个组织大脑,那个AI的组织的那套的系统,是能够追踪自然语言的表达的,然后它基本上这个神经网络,是无所不在的,所以它大概率有可能,给我们一个反馈说,你们都偏离了你们的OKR 然后我看到了一些更具体的,未必是数字,但是是一些趋势,我可以提醒你们的,所以OKR可能真的是需要,一套新的方法才能落地,那AI时代到底
张小珺:这些公司应该怎么制定战略呢,你们分别说说模型公司,应用公司,机器人公司,他们分别应该怎么做战略,我觉得那个分不开了,就不同的公司是不同的场景 [01:45:49]
曾鸣:而且不同的发展阶段,所以我书里面也讲到战略摸索期,战略成型期,战略成熟期和这个战略执行期,所以你拿行业分不如拿发展阶段分,就比如说,大模型公司基本上进入了战略发展期,因为战略都收敛了,大家相对是比较清晰的,但是巨声机器人的公司,大部分都在战略摸索期,都不知道该往哪收敛,所以在这个不同的阶段的战略的方法,是有不一样的地方,但是回到那个更根本的,就AI时代的战略生产,这个方法跟以前有什么不一样,我觉得最不一样的,就以前叫战略规划,现在叫战略生成,我特意创了这个词,因为这个词,本来就反映AI时代,大家都习惯了,视频生成,这个文图生成而现在大家说伟大不能被忌坏,对啊,所以就是真正它其实是生成,所以公司,就我们讲组织设计的时候,其实真正要做的是一套体系,一个环境,可以让战略洞察涌现出来,然后成为一个战略,不断深层的系统,最后战略就是一个自然而然的决定,在合适的时间,有合适的人,做了一个合适的决定,公司就往前走,所以是要把那套深层系统给建起来,那就是组织和环境,对,所以我为什么不得不把组织先说,就是说你如果不理解,因为未来的组织有这个能力做这个事情,它是一个神经网络,它是一个工作流,任务流,它是个任务流导向的一个系统,然后能跟AI都接到这个系统里面,然后核心是涌现就跟大模型一样,实际上是能跟AI一起在训练一个,组织的小模型,所以核心就是,有没有原来没有想到的洞察,可以涌现出来,整个这个群体智慧有没有在演进,这是最终目标,怎么构建一个好的环境,就除了这个刚刚讲到的,类似神经网络这样的系统之外,这就是为什么需要新的文化,需要一个跟全员合伙人,能够匹配的文化,这就是为什么 context not control 又重新火了起来,就五年前,我比如说讲这个 Netflix的案例,甚至讲自己的案例,大部分人觉得挺牛的,但是跟我没啥关系,但是今天所有的人都知道,就是要给context 给够了context 他就有那么牛,能做出正确的决策所以对其,是对其目标跟认知,然后就是给够,甚至就是全员共享一个,完整的上下文,对,然后事情就会自然的涌现,而且人和AI都要共享,对,因为人没有办法像AI那样,有处理全海量信息的能力,但是能有瞬间的创造力,和看见没有不存在的连接的能力,您觉得今年大家对于,就是好多老登的不喜欢,反老登公司 [01:46:02]
张小珺:你觉得跟这种AI时代带来的,这种组织变化,文化变化的本质,是不是也有一些关系,因为可能他们口中的老登,是上一个时代公司的组织体系,科层制的体系,演化而带来的一些形态,遗留下来的,是的,这个特别有意思,老登这个词特别有意思,就是以前大家都尊老爱幼,对吧,那核心原因是什么 [01:49:21]
曾鸣:是因为老的经验有价值,老的规范在延续,所以你必须尊老爱幼,这样你才能学到东西,对吧,这才是传承,那么为什么有老登
曾鸣:那么为什么有老登,就是你刚刚讲的宏观方面,原来的那套东西,看起来都没什么价值了,公司受到压力越来越大,谁也不愿意再刻成字,就姚顺宇讲的特别直接,谁愿意陪老登玩,牺牲自己的青春年华,所以这是个非常典型的心态,但是在个体上,这个事情能成立的原因,是因为经验相对来说,特别是能够转化成知识的经验,都不再有价值,因为它都被大模型吸收了,所以这些年轻的聪明人,用好业杠杆,你瞬间就能成为,任何一个领域的专家,所有的,就是为什么,这个AI现在也可以达到一个,主任医生的水平,那是因为所有的经验,都被沉淀在大模型里头了所以你过去20年的经验,还有啥价值呢,那年轻人当然就不尊重老年人了,然后就会有这个,相对带点负面的,这样的称呼就出来了,那老年人怎么办,或者安心养老,或者变得重新年轻,所以这个新时代组织,它的文化应该是什么样的呢,文化的核心就是,就是创造,就像一个球队一样的,每个人都不可缺少,然后但是依然有民心,有前锋,有护卫的分工的差别,所以它的文化,一定是开放透明,然后共享,还有一个非常重要的,我把它叫做共创,就是说大家都明白,自己是在共同创造,一个新东西,所以合作跟协同的,这种意愿跟能力,也会大幅上升,你觉得为什么
张小珺:上一个时代的公司,这个体系,让人这么不快乐呢,很少有人快乐吧,这没办法,因为,大部分的知识工作,是简单 [01:51:43]
曾鸣:枯燥,重复,繁琐,没有成长性的,所以我们自然会觉得,那就是一份工作,它是消耗性的,然后既不带来情绪价值,也不带来成长价值,然后公司为了管理,就都是偏控制性的手段,对吧,然后钉牛钉得很死,所以整个的那个环境,是越来越不符合,今天大家对于文明的向往,或者自我发展的,什么是幸福,什么是快乐的一种理解,所以我自己是非常乐观的,我觉得AI在这个时代,给了我们一个更大的自由度,去追求我们想要的,那种更好的人生,所以以后的组织,可能会更开心一点,更创造力一点,我觉得可能开心
张小珺:就成了必需品,对,其实价值是必需品,但对于创业者的要求,也变了,是变了,不能是一个那种老板心态,对吧,谁还认你,对吧,我都不陪老登玩了,我还陪你老板玩,对吧 [01:52:50]
曾鸣:这是完全一个不同的,不同的一个环境了,对,所以你看现在所有的创业者都讲,他第一优先级就是招人,然后招人的时候,都是赶招来的,都不是你说,不能PUA 对 [01:53:04]
张小珺:PUA你也不愣,服务型CEO 是,刚才我们聊战略问题,那个地方没有聊完,就是您说像比如大模型公司,它进入了战略发展期,然后机器人公司还没有收敛,还是在早期萌芽期,那他们具体来说,他们在不同阶段的公司,应该怎么制定战略呢,在战略收敛期的话
曾鸣:就要追求组织效率和执行效率,然后要追求从一个方向性的战略,到一个可以闭环的运营模式,所以它才能高效的,因为发展期的核心是规模化,要上量要快,但是你能够规模化的原因,是因为你的原型已经很强壮了,所以它可以被规模化,那么战略探索器的核心,是一号位必须带着大家,去做不同的创新,然后要有一套机制,把这个试错的成本给降下来,然后逐步地达成一个共识,所以这个阶段,你要有自己相信的,但是可能又不能过于执着,因为可能现实会给你打脸,发现别人的方向可能是对的,这个时候就是你自我能不能让位给现实,是因为你需要不断的调整,而且每个人的这个出发点,都受制于过去自己的训练,所以你能看到的东西,都有路径依赖,所以现在大家一起去创造,那你能不能快速地,把别人最好的经验,给理解消化吸收,然后再形成公司下一步的,这个创新的基础,所以在战略这个尝试期,核心是创新的效率要足够高,而不是执行的效率,你看今天大模型公司
张小珺:不管是美国还是中国,大家都在做agentic coding 这好像是一个很大的共识,他们没有非共识是吗,他们应该非共识吗,非共识就是new lab 不论这个共识的人就去创业了 [01:55:10]
曾鸣:然后new lab里面,某一个反共识,可能就会成为,三年以后的新共识了,这就是市场,特别有趣的地方,它是深深不息的,在这个中间,不断地往前演化,现有的大家,不会进入同质化竞争,现在就是同质化竞争,那么就影响,它的商业价格,就是你刚才说的,所以上个礼拜,大家都很恐慌,不就是怕同质化竞争吗 K3是吧,对啊,就因为有同质化竞争的,这个事情,所以它就打破了对于大模型公司,能长期享受高额垄断利润的预期,然后是因为这个预期破了,那就才会有大家对于,这些公司可能就没有能力,持续去投高的CAPEX 所以源头是前面这些公司,还有没有实力还值不值得为他们继续投入基建,基建都是为了这些大模型公司服务的,如果最后他们创造价值有限,那我干嘛投这些东西呢,您现在的观点是,应该继续投入吗,第一个我觉得大模型,本身发展的空间还非常大,所以大概率基建的投入还会继续,但是可能在某一个时间点,会出现一个拐点,就基建的投入,由于周期性,会可能超过大模型的真实的需求,但那件事情,从产业发展来说,未必是坏事,因为应用公司,就可以用很低的成本,去用现有的基础设施,所以他们的进入门槛,是大幅降低了的,就是智能的调用,真的会变得非常的便宜,有足够的强大和稳定,或者换句话说只要这个智能的供给,还没达到大家想要的状态,基础设施就会持续投入,所以应用公司可以再苟一苟等一等,你也没法苟一苟等一等,因为你不在这场里头,你积累不了相应的经验,等真的大浪来了,你接不住啊,我觉得应用公司还是要有希望,不要那么灰心,对那我是觉得绝对要有希望的,而且他们下场也是因为他们感受到了,来自于未来的某些召唤,我们只是在外面
张小珺:可能没有感受到他们那么强烈的,这种相信,您觉得机器人公司,不管是从模型上还是巨声上,因为今天还非常的不收敛,您觉得什么时候,可能会出现进一步收敛,它的这个产业周期,发展可能有多长,刚刚讲了这些模型公司,到agent的公司,它的一个阶段,那机器人现在是什么阶段,我觉得机器人还在非常早期,就还在摸索到底怎么落地 [01:57:44]
曾鸣:因为有一些很核心的制约,比如说数据,不像大模型公司,原来起来的时候,有足够的数据,所以有些很现实的制约,让他们还在一个非常早期的战略探索期 [01:58:10]
张小珺:因为现在有好几种做的方法,一种是先从大脑开始做,然后追求这个机器人大脑模型的泛化性,另外一种是从比如说一个场景开始做,然后做巨身做身体,然后他能在这个场景里通过数据来跑腾整个的闭环,然后这个闭环然后再反补他的模型能力,您觉得应该先突破哪一边,我觉得在逻辑上两条路都成立的
曾鸣:所以你没法事先判断,到底哪条路能赢,因为泛化的挑战是在于,要泛化的空间有多大,第二个,你在一个具体场景下,特别是一个很大的场景下,你的效果到底够不够好,走这个场景的那些公司呢,它的挑战是在于,现在能找到的场景,都不够大,但是呢,它的能力能不能,让它快速扩张到一个,足够大的场景,既能把它做好,然后又有泛化的可能性,所以原则上就像爬一座山,你可以从南坡爬,可以从北坡爬,事先很难说谁能爬得快一点,机器人这种阶段,可以类比为,什么产业的什么时期吗,最简单的类比,就是他们自己认为的,还在2020年左右的阶段,还没到全GPT的阶段的,大模型公司能跟更历史的一些,什么早期的产业能来做类比吗,车,也可以这么类比,但是车的话呢,前面也是几千家公司,这还真是个好的类比,就是大概比如说1900年,到1920年,真的有几千家公司
曾鸣:真的有几千家公司,在美国都是做车的,有的人觉得,我有一个机械功能,就我能把一个车敲出来,反正马达都是买别人的嘛,但是后面是出现了一个原生应用,就是福特汽车 1913年福特,是建了全世界第一条,由电驱动的流水线,现代制造业才进入了一个新的阶段,福特才能用极高的效率,生产出一个大众可以消费得起的汽车,所以那是汽车行业的第一个2C的突破,然后福特就成了,现代工业时代的一个代表,但是后面有个很有意思的插曲,就当福特通过规模化,标准化,只卖黑色车,做到了全美第一以后,大众的需求开始多元化然后就出现了通用汽车,有七八种车型去竞争的,下一个阶段,说明每个战略都要在当时那个时期,有效才有效,它不是一个亘古不变的事情,对现在相当于大家都能手戳一个机器人公司,但是哪个机器人公司,能完成规模化量产,谁都不知道,也许我们还在等待,那个T型车阶段,就是在等T型车阶段,T型车就很了不起了,你能够规模化量产,所以为什么大家都觉得,谁第一个真的能够实打实的,把一个一万台机器卖出去,机器人卖出去,就已经是个了不起的成就了,有没有可能机器人这个产业,它可能发展的节奏会更像车,去类比大模型,对吗我在想,你要这么类比的话,我们干脆把它放大到,刚才讲到的,就电出现以后,电器的出现,因为机遇电可以有N种电器所以你说冰箱跟洗衣机谁更重要,就不好比了,大小也差不了多少,所以我们可能会出现 N个不同的机器人,真的是适用不同的大场景,家用机器人肯定是一个,但家用里头可能也有一个,偏陪伴型的,一个偏家务型的,然后这个工业场景,或者外面的各种各样的场景,它是一个普在的一个事情,大家为什么这么看好机器呢,是因为它是一个 AI跟物理世界交互的一个,基本的界面,所以就有点像电,什么东西都可以被电,再重新干一遍,所以我觉得你的问题非常好,就机器人可能更好的类比,就是电器的发展,那个可能是一个更好的类比,然后汽车成了中间的主打,因为Token类比的是电,对的对的,汽车的确是其中的主打但是那个是对外的场景,对内的场景就是洗衣机冰箱,家庭场景,对,在这波巨浪面前,哪些巨头是安全的,我从来觉得在巨浪面前,没有人是安全的,谁觉得安全,谁就是最不安全的,他们有多不安全,应该都足够的担心吧,他们的战略都是 AFS的all in AI 这个够吗,这是必要条件,够不够要看技术演化的路径有多么颠覆,然后新公司获取资源的能力有多大,就主要是看这些方面的挑战 [01:59:58]
张小珺:你觉得他们all in AI 还能够成为下一个时代的企业吗,就是时代性的企业吗,挑战非常大,挑战非常大,挑战非常大,从历史里面有依据可言吗 [02:03:18]
曾鸣:这个时代的企业过渡到下一个时代的企业,还能做得非常好的多不多,不是多不多的问题,是有没有的问题,有没有,基本没有,基本没有 IBM曾经做到过一次,然后微软算是做到过一次,就是微软某种程度上,错过了移动互联网,但是它保持住了搜索的火苗,然后有了云计算的积累,所以加上它在PC时代,垄断积累下来的 PC的OS的垄断,所以让AI时代 Google起了个大早,还有一次机会,但是你目前看,微软好像又有点,吃不准,它到底能不能走过去了,因为它对模型的投入不够,它模型这块其实已经出局了,对吧,虽然它有OpenAI的这个早期的投资,但是目前,它已经买不起OpenAI了,对吧,即使算微软,这个已经算是维持了很长时间的,一个领先的公司,可能未来都不太确定 Google呢 Google就相当于微软的上一段,也许它能成为一个很好的AI云公司,但是它能不能成为一个消费者的大应用,这个还真的不那么确定,入口,对对对,入口级的应用,那个不太确定,但是因为它有TPU 有大模型有那些,我觉得Google作为一个云厂商,活下来,这个应该是没问题,所以这种不依赖于你,怎么战略选择,你都很难一直在拍桌上是吗,就是这个是让人绝望的地方,这一点都不让人绝望啊,就是人有生老病死,公司也有生老病死没有比这更正常的了,所以新公司才有机会,年轻人才有梦想啊,这多好的一件事情啊,对吧,一直都垄断,到今天那不是世界太无趣了 Google不一定会成为下个时代的Google 字节会是下个时代的字节吗,同样的大概率也不会,字节今天模型做的也还不错对吧,起码在国内是第一梯队吧,没有啊,所以字节是有很大的机会成为 AI云公司的,包括Cdance做的那么好,在视频生成方面,多模态方面,它都已经是世界一流的大模型公司,因为做基础设施是容易的,你有那个积累有沉淀,它有一定的惯性的,但是那个大的2C的应用,是有非常大的不确定性的,豆包是吗,豆包肯定不是,对吧要不然它肯定不计成本的往里砸了,它不砸了就是因为豆包不够,不够那么未来,豆包更像一个上一代的移动互联网产品,不是,豆包就是第一代AI产品,就是那个聊天机器人,豆包没有行动力,智能体的核心是独立完成任务,那他把智能体内置进豆包不行吗,这就是他们想做的,就是大家都想做AI时代的OS 所以他肯定是想做路口去调度OS 上一代的路口,能不能够理解下一代的,整个生态的发展,做成下一代的路口,那个挑战是非常大的,因为你如果不是agent的事实标准的话,你其实是很难成为路口的你调的都是上一代的服务,但你上一代的服务,有可能会被下一代的服务,就是他们要被颠覆的,社交关系会重构吗,腾讯安全吗,肯定重构,腾讯作为最安全的,为什么最近这么恐慌,就是因为也有可能不安全,肯定重构,社交关系,人跟人的关系都会被重新定义 agent在里面的重要性,也会大幅上升,所以你不看好,这种现有的一个产品,它加AI加agent 你不看好,我觉得都是过渡产品,就像QQ也没有过渡到,移动互联网时代,或者说就是说 QQ过渡到了,但是真正承接,移动互联网时代的是微信
张小珺:人和人的关系会被重构,人的社交关系会被重构,那人和货物的关系呢,一样会被重构,我觉得阿里也一样,有那个挑战,他特别努力,他加AI加agent也不行,那自己再造一个产品有可能吗,就让我让下一个时代产品,单身在我这个公司里,所有的公司都会all in AI 就像我当时讲的,就是说移动互联网的时候,大家都all in了一次 [02:07:47]
曾鸣:这个移动互联网,我其实一直,我就一直在思考一个问题,就移动互联网,对于PC互联网来说,到底是颠覆性创新,还是延续性创新,对吧,我觉得那个是决定了,问题的本质的,我当时的判断,我觉得是1.5的创新,就是它有很强的颠覆性,但它也有很强的延续性,因为它都是基于互联网的一个基本架构,有网络效应这些,技术也是有延续性的,但是它也有它的非常颠覆性的地方,所以你会看到,因为它的延续性的部分,让几家头部的互联网公司,都过渡到了 all in成功,过渡到移动互联网公司,但是它的颠覆性的部分,最后也的确成就了,抖音和拼多多这两个更加原生的,移动互联网公司,但AI现在呢,我可能整体上更倾向于,它这个颠覆性的技术,它都不是颠覆互联网,它都颠覆的是工业革命了,对对对,整个的就颠覆了,所以它是个生产力的革命,互联网本质上是个生产关系的革命,所以它整个都颠覆了以后,延续性部分没那么强,那么在这个意义上,原有的物种去适应新的物种,就会非常困难,你的技术储备可能都不是那么线性的 [02:08:13]
张小珺:所以我寄希望于下一代的产品,也长在我的公司里,难度也是很高的,就是哪怕我用的不是我现在这个产品,我用下一个产品去承接,让他诞生在我这个公司里,这个难度也非常高 [02:09:43]
曾鸣:这是组织文化原因吗,不两个方面,组织文化肯定是其中的一个制约
曾鸣:组织文化肯定是其中的一个制约,因为你一个十万人的公司,转成AI原生,跟一个十个人的公司,长成一个一千人的AI原生公司,难度是不一样的,这是非常重要的第一点,第二个就是说,这是大家对平台跟生态的理解,就是你如果没有做出,第一个真正成功的agent 你大概率不理解 agent是怎么运行的,你就没有办法提供基础设施,成为不了事实上的标准,也就成为不了路口,所以你自己得在agent上,得真正诊明白了,你才有用户,才能吸引更多的人,吸引更多的agent的开发者,在你这上面开发,所以先有一个成功的agent 是前置条件,才有黑洞效应,是的,你看过去两年 XCI也做了很多事情,你觉得他们是战略错了吗战略上可能也有问题,他们没有特别明确的方向,不像Solopik那么聚焦,然后我觉得组织上肯定是有问题的,我讲个细节吧,我在硅谷主要是碰到,有一群工程师的场合 XAI的那个人,永远是最疲惫的那个人,他们最卷,对他都已经不是一般意义上的卷,就是他就是被消耗的过度了,可能跟Aaron工作的那种方式,也消耗了,他虽然可能让你成长,但是可能特别消耗了人,所以你看到他们来了以后,也是没有什么力气说话的,任何一个组织的创新,其实是就像人一样的,人太累的时候是没有创新的,你一定是在一个相对,开放放松的状态,你才会有新的东西出来,当一个组织绷得那么紧然后又非常的高压的环境下,要做一件特别大的创新,是一件非常难的事情,而且我听研究员的评价,也没觉得Eron真正懂大模型,所以他原来那套方法论,就是他比较偏硬件的那套方法论,其实到了AI这个时代,他没办法自己直接给答案,然后又没办法用一种共创的方式,让组织来给答案,因为他以前都是,慈善而下的对吧,是的,他给了定性原理的答案,然后逼着大家去,超常规的去完成,但是在这个场合下,他自己给不出那个答案,他又不给底下的人,那么大的空间,去给出一个答案,我觉得XAS肯定卡在组织上,所以他这个也就是,您说的那个组织和战略之间的,这个关系做得很差是的,他没有通过组织去生成战略,他都是他自己的意志
张小珺:对 Meta呢,我每次都觉得小扎很年轻,他为什么跟不上,你年轻,但是你出头早消耗也早,消耗的也多 [02:12:44]
曾鸣:因为你被一代一代的这样的东西,其实都在消耗你的认知的潜力,而且Meta大到这种程度,它内部调度资源这些,就变得非常的困难,而且我觉得大部分的研究员,也不觉得小扎懂模型,所以他就没办法真正去做非常重要的决定,然后另外两家公司,就比如说Sam 他是真的是依赖Illia 然后Illia是真能够驱动整个事情的,然后Sam又是一个很好的CEO 所以这两个就是一个很好的搭配,然后Astrolopics是整个的组织能力非常强,然后Darrell给这个Mission Vision 这方面把握的又比较准,所以这个Anthropic就显示出了一个非常聚焦的,有vision driven的一个公司的爆发力但是OpenAI因为底子够厚,所以它即使这一轮反过身来追Anthropic 速度也非常快,但这两家公司本质上都是新时代的创业公司,所以它的组织文化各方面其实都更加匹配,然后你到其他几家公司,就都有各自自己的问题了,中国的公司呢,你有没有一些观察,中国公司其实也类似,本质上也类似,就Kimi可能就比如说,更加原生一点,但是这个前文一位,起步的比较早,而且有大公司的,这个资源的支持,所以他一直能够,持续的往前跑,然后自杰当张一鸣,自己反应过来,要all in下场的时候,那字节的速度也非常快中国的竞争为什么每次收敛起来都特别慢,是因为先发的企业,就不像美国的企业,它有两三年的先发期,所以它有一个健康运量DNA的阶段,然后中国的企业,至少到目前这一轮为止,还是在美国原型上的一个快速跟进,所以大家同时起步的话,就必然变成百团大战,因为大家看到的都是差不多的图像,然后都去硅谷,把所有研究员都撸一遍,然后每个人都能挖一两个人,所以你就变成了,相对容易出现统治化竞争的,但是这里面即使是这样,这里面真正认知比较深刻的,然后可能早了那么一年跟半年的,对吧像这个杨志林跟这个严俊杰,也包括这几个,其实更加远深,不太是那么跟上来的这批,那明显的这轮竞争,还是他们跑在前头,现在不应该再去做大模型了吧,再去参与这种,传统印象的大模型,我也没觉得有人在做,也不会有人投了,除非你是一个新lab 小红书啊,你还有啊,他们不都在做吗,没有啊,他们的核心都是做应用啊,他们都在做大模型,不,他们做大模型,是为了补齐一些基本能力,是为了真正去做应用的时候,能够发力,这个跟其他两家公司是不一样,所以你没看到他们的团队,太多出来晒参数那些,对吧,它是作为未来的一个基础能力,在储备的,我不觉得这两家公司,愿意参加大模型,作为基础设施的API的工厂,这样的竞争但是他们起码认为,做应用的前提,是我要得有一个很强的模型,就下一阶段,大应用的公司,那个模型跟应用技术的,那个边界是不清楚的,所以如果他们在这一代,断代的太厉害,他下一代不一定接得住,对,所以这个就是我们前面讨论的,应用公司要不要做模型,所以它是一个能力的储备,但是这个事情本身,也是一个开放的讨论,它是在看实际的进展,会演化到哪个阶段,就相当于,这个棋是没有下到中盘的,还在开盘的布局阶段,您对今年的,不管是模型也好 agent也好,机器人也好,有没有一些预测,到今年底26年,我从来不做短期预测,我只提供一些规律性的理解,供大家参考,比如说五年呢,五年我是觉得agent的路口肯定有可能出现了,就是第二阶段,大概大家都能看明白了,当然移动互联网时代出现,像抖音拼多多这样的产品
张小珺:要到第三届的,对 Google抖音,抖音跟拼多多,我觉得都是类似这样的,而且你想拼多多出来的非常晚,对,现在可能距离我们还有多少年 [02:17:33]
曾鸣:那个可能是八年十年以后的事情,好漫长,但是给应用创业者提供了很多的希望,你别忘了 OpenAI已经11年了,对吧
张小珺:只是这两年我们感受到的加速度,你觉得当人工智能成为新的生产资料和基础设施,社会需要多长时间来消化这场技术革命,一代人,一代人,二十年起步,因为他们才是原住民,那如果智能能像能源一样从外部获得,你觉得未来人和人的差异在哪里,我觉得是创造力的差别
曾鸣:所以德鲁克有一个非常经典的分析框架,他把人类社会从工业时代以来,划了三个阶段,第一个阶段是生产力的革命,也就是流水线取代了手工作坊,第二个阶段是管理革命,大概一百年前左右开始,就是有泰勒的这些科学管理方法,然后出现了商学院这个新物种,商学院的核心目的,就是给现代化管理匹配,足够多的管理人员,第三阶段,他叫做知识革命的阶段,就是他观察到,从70年代开始,软件变成一个,非常重要的发展方向,而软件的核心,是处理人类的知识,把知识跟最优实践,通过软件的方法沉淀下来变成一个标准的,执行的方法,这是德鲁克,他1999年大概过世了,所以看到了整个过去两个世纪的变化,那么我借用它这个框架,我自己认为如果从人的角度来看 AI时代可以被定义为创造力时代,就是所有可以被结构化处理的知识,这样类型的工作都会被AI接管,然后人一方面被逼着,去开发自己新的潜能,但是你也可以讲,人终于被解放出来,可以去开发自己的潜能 [02:18:20]
曾鸣:可以去开发自己的潜能,而我认为这个空间是非常大的,这个方向就是创造力,就AI做不了的创造力的事情,只不过是我们对创造力,要有一个更好的理解,和重新的定义,就可能创造力不是简单的,会写首歌或者会画画,它可能是更多的原创的定义,复杂问题的能力,就是比如说像这个电,真正发明了以后,流水线出现了以后,才有产业功能这个概念,技术功能的概念,然后才有了白领,这些都是十九世纪的人,其实根本想象不到的事情,所以我觉得未来,所有人努力的方向,就是开发自己的创造力,这个创造力还是一种原创造力,对当然了,当然了,就是无中生有的能力 [02:19:57]
张小珺:有的东西机器都知道,一种无中生有的能力,对,因为如果是已经有东西的话,机器都已经当作,得它获取到了,对啊,这种创造 [02:20:55]
曾鸣:可能从机器的角度来说,很无聊,因为它可能就是,各种各样的情感陪伴,人跟人之间有的没的,想要的各种各样的,以前没有被开发的需求,也许不贡献给物理世界的巨大进步,但是它可能对人类的成长跟幸福感,有很多的帮助,所以这个东西是可能 [02:21:08]
张小珺:有很多种以前我们没想过的方法,刚才说如果公司会消失,那商学院会消失吗,商学院已经不行了,都在衰落,现在的整个围绕着公司建立的,比如说办公室,就这些可见的,是不是都会发生巨大的变化,都会啊,因为虚拟世界的比例会越来越高,虚拟世界的比例会越来越高,对啊
曾鸣:就metaverse的那个方向是没错的,可能只是时间早了五年而已,那未来人作为一个社会来说,您能看到什么样的变化吗,是会发生天翻地覆的变化,就我碰到的一些零零后的创业者,想做这个吐息运用的,那他们想象的世界,完全不是我们现在,能够理解的世界,太有意思了,我觉得今天还是带着
张小珺:对未来非常积极乐观的能量,我是比较乐观的,我一直觉得就要有,有巨大的发展空间,会不会改变整个的教育体制呢,如果对人的能力的需求,发生了变化,一定会的,以前的教育体制,还是一种智商激励 [02:22:24]
曾鸣:它本质是知识的灌输,智商的开发都是第二位的,知识的灌输是第一位的,那这个肯定是不行的,你先看我们从小到大,有多少兴趣被压抑了,然后我们并没有顺着一个,开放的探索的这条路径,去开发我们的潜能,我们都是在最早的时间,为了不输在起跑线上,被摁在了原来世界的固定模式里头,所以我觉得接下来最大的冲突,就是教育系统的冲突,因为其实年轻人已经知道,未来跟我们今天想象的完全不一样,所以你随便问高中生,他们大概都知道,用现在的方法,大学毕业以后找工作都找不着,他们可能有很多的想象,但是我们肯定不敢让他们,去走他们的路,所以他们就卡在这了但你问更年轻的家长,那我刚生下来的小孩,该怎么教育,他肯定知道要用新的方法教育,他只是不知道用什么方法教育,所以这是一个,特别需要接下来整个社会,花很大的资源,跟力气去探索的方向,无中生有的能力,这个总结的很好,有的AI都有,人需要做无中生有,人和系统的关系,人和AI的关系未来会怎么演变,我觉得会是一个,在组织里头非常明确,是一个深度协同的关系,社会层面,至少我们不谈ASI 就是超级人工智能会长成啥样,反正大家也没共识,就我们也先不谈那些,就是在这一轮能看到的通用人工智能时代,它肯定会渗透到社会的方方面面,就像这过去十年,我们已经离不开手机一样了,就要将来每个人身上某个地方挂一个摄像头,有一个语音接收的设备,然后可穿戴的东西满身都是,加上外骨骼之类的人,就成了一个加强版的人,这个我觉得是完全可以想象的,你有看到好的硬件公司吗,硬件产品,硬件产品其实也是这一两年的乐点,就各种各样的消费硬件,都在层出不穷,就像我们讲的就是 00年以后大家都在做电器,家用电器,但是最后能立足的是那几个大品类,还有无数的小品类,不知道会是什么现在,就像美国很早出现的,那个烤面包机的那个,大家现在还用的,那个也是很早被发明出来的,但那个不够大,技术不够复杂,所以他没法养一个大公司,所以就是,所以有很多的这种新的公司,其实就是讲的一切都会被,重新来一次但是哪些是大东西,哪些是小东西,哪些是主,哪些是辅,然后谁用哪种方法,找到了面向未来的密码,这个都是不确定的,但是我觉得有个基本态度要改变,就是原来我们倾向于降低不确定性,但是我觉得在这个阶段,其实是要拥抱不确定性,不确定性就是最大的机会,所以心态先得改了,就不能恐惧,就你一见到不确定性,见到复杂性就恐惧,你就肯定没法往前走,但是面对巨大的不确定性跟复杂性,你觉得特别好玩,特别有机会去创造一些新东西,我觉得那才是年轻的一代的,这些创业者的心态,我们有点杞能忧天了,我们其他人担心的太多了,自鸣老师,您自己的使命是什么呀我觉得就是做一个快乐的研究员,快乐的研究员,对我觉得在现在的这个语境下,是挺有趣的一个定位,快乐的研究员 AI会让人类更快乐吗,我至少是这么希望的,这是大家讲AI象森这些,但是就是说,它肯定会带来一系列的新的问题了,但是整体上,有些更哲学的层面上,我们可以去探讨,但是抛开哲学层面,文明的进步,就是技术不断地带来新的可能性,然后能驾驭好了新的技术,进入一个新的文明发展阶段,新文明比旧文明,对人来说,快乐指数是提升的还是降低的,如果在哲学层面上来说,不好说,但是从一般的衡量指标上来说肯定是进步的,就你想看,你假如现在没有空调,你会是啥感觉,然后当你在农业时代,温饱一直是几万年的问题的话,那工业时代基本上把温饱这个问题,在规模化的解决掉了,然后消费时代解决了消费不足的问题,现在基本上都是供给过剩,我们现在的核心,至少在物理产品上,基本上都是供给过剩的阶段,然后互联网解决了,这个信息不对称的问题,解决了全天下的人,都可以共享的这个问题,所以又往前进了一大步 AI肯定是,当我们有了这么多,智能解决方案以后,我们就可以做一些,更有趣的事情,好以后一个组织的评判标准,一之一是能不能让人更快乐,能够身处其中的人,从Google开始就是这样就是说大家现在可能没有体感,就是说其实07 08年的Google 在硅谷是神一样的存在,比今天的那两家公司,还要影响力大,就才有那么多人去参观Google 为了去食堂吃顿饭,感受一下他们的氛围,然后所有最优秀的人,都是要去Google 其实在当时他的氛围本质上,就是尊重人的差异化,释放人的创造力,让你有20%的时间,可以干你自己想干的事情,给你们提供最好的食堂,对吧,所以他当时的那个文化,其实Google是最早提出来,隐隐约约地感觉到了未来的,所以他们是最早提出来,那还叫互联网时代,其实是需要新的文化,需要新的组织方式的,那个趋势会继续延续下去,我很好奇,典型的曾铭教授的一天,是什么样的,做一个快乐的研究员其实就是,第一个就是,跟创业者聊,然后看看他们最新的想法,第二个就是,看看最新的资讯,看看类似你们这样的访谈,因为的确帮我,帮我省了很多事情,就现在能够看到,很完整的一个思想的对话,所以等于是,我有很多的信息的输入,可以做数据训练,让自己不那么累,不那么辛苦,要不然的话,所以我觉得今年上半年,大部分人都已经有个深刻的感受,就是说你很容易,因为AI的工具如此高效率,把你自己弄得极为疲惫,因为你根本跟不上,它的处理速度,所以其实现在大家都开始反应过来,要有一些隔绝,然后怎么找到,作为一个生物的人的,一个合理的节奏再去跟AI找一个新的平衡,我这边还有一些快问快答,全球范围内一道您喜欢的食物
张小珺:我们是为了在这个,硅基生命到来之前 [02:29:57]
张小珺:硅基生命到来之前,留下更多的碳基文明的记忆,辣椒炒肉,全球范围内一个你喜欢的地点,目前可能还是上海,您平时会读AI论文吗,您觉得影响过 AI进程的重要的论文是什么,我没有读AI的技术论文,基于当下的认知,一个关键的重要的BAT是什么,出现一个足够好用的 To see the agent 我们公司叫语言集世界工作室,当您第一次听到这个名字的时候,您会想什么,可能要改成自能体集世界,可以分享几本书吗
曾鸣:就是您的人生之书,就是真的对你产生过很大的影响,我觉得就管理学上比较基本的,像这个基业长青的系列的那几本书,然后像德鲁克的书,然后还有我本科的时候,基本上全文抄了的一本书,就是因为摘录太多了,基本上抄了这本书,是弗里德曼的,关于市场基本运营机制的一本书,不厚,但是特别精彩,所以那个建立了,我对市场的基本运行机制的理解,您觉得是什么,让您对管理学发生这么深厚的兴趣,战略学,我其实高中的时候,就放弃了理科的,这个参加这些奥数竞赛那些,因为我们那时候大概是第一届文理分科,然后我其实更加喜欢历史啊,人文啊这些东西所以我虽然当时也算年纪第一,可以去走那条路,但我觉得那个是对我来说,我不感兴趣,所以我其实高中时候就放弃了,然后到了大学以后,选了经济以后,发现我们学的经济,经济学的数学要求,超过大部分的工科,我觉得太无聊了,所以我后面读博士的时候,最后就选了商学院,而且战略这样的比较宏观的,然后在真实世界跟理论世界,有不得不建立连接的一个学科,我觉得这个就比较好玩 [02:30:36]
张小珺:战略是一个组织的大脑,就必须要CEO来做,你觉得战略做的好人 CEO一般是什么样的人,之间有关系吗,所以创始人里面,有战略能力的并不多 [02:32:04]
曾鸣:就真正走得远的,就刚刚讲的,使命驱动,愿景驱动,战略驱动,就能走到战略驱动的,就已经是很优秀的了,但不是卓越的,卓越的可能严格讲,得是使命驱动的,才有可能走向卓越,但有的人可能是先有愿景,然后慢慢发展出使命,有的人是天生就比较使命驱动,或者就是你形成,非常难得的一个团队里面,有那么一两个人,形成很好的互补,就一个人可能,战略能力强一点,一个人动手能力强一点,就有点像王兴跟王惠文的这种组合,也是很难得的一个组合,字节属于什么驱动啊,这个还不好说,因为我跟张一鸣个人交流不多,所以我对他使命的那一段,我没法判断,但是张一鸣是一个了不起的天才是属于他有自己的管理哲学的,然后他至少是愿景驱动,然后有完整的自己对组织的理解,包括他最早提出来公司级产品,这个已经非常领先了,包括比如说我原来讲 Netflix就是奈飞的文化,大部分人第一反应是,中国人做不到,因为那个文化太美国跟硅谷了,但是字节是最早,基本上在跟上,跟网飞的文化是非常非常相似的,但自己最后做成了一个效率工厂,因为他东西都整明白了以后,剩下的在战略执行阶段就追求效率,所以他的AI战略要张一鸣重新下场,再重新定义,就任何一个公司到了最后都是追求效率,因为你战略越来越清晰,剩下的就是执行任务但是就我们刚才讲的组织的宿命,就是时代一定会变化,让你原来那套不适合,所以你要不就彻底转型,要不就被时代淘汰
张小珺:对每个人都很公平,这个听起来是个好消息 [02:34:10]
阿斯沃斯·达莫达兰讨论的核心,不是增长与盈利谁永远优先,而是什么企业适合扩张、资本为何可能推动企业偏离合理道路。他认为,市场空间、单位经济效益、规模经济和资本回报必须放在一起判断;亚马逊的成功不能证明所有亏损企业都能靠规模翻身。风险投资追逐少数超级赢家、公开市场资金进入私募领域,以及动量持续而反转减弱,共同强化了扩张激励。结果可能是企业上市更晚、体量更大,却仍未建立可持续盈利模式,最终带来更大的失败与治理风险。
达莫达兰反对把“实现盈利就是承认没有投资机会”当成普遍原则。能否扩张,取决于市场大小及增速、竞争格局、客户惯性、资本需求,以及业务是否依赖关键人物。把优步理解为汽车服务公司还是物流公司,会改变对其市场空间的判断;依赖名厨的餐厅,则难以像可复制产品那样扩张。快速扩张也不等于长期优势:容易做大的业务,衰退时同样可能迅速收缩。
商业模式可以沿着一条链条检查:
单位售价减去单位生产成本 → 乘以销量得到毛利润 → 扣除经营费用得到营业利润 → 对照投入资本检验回报。
折扣零售商的加价空间有限,软件新增一份产品的成本则可能很低;所谓规模经济,要求经营费用的增速低于收入增速。即使已经盈利,也要问利润是否足以支撑资本投入:投入一万亿美元只赚十亿美元,不能仅凭“赚了钱”就认定成功。
规模与利润并非只有二选一。脸书、谷歌早期能同时扩张和盈利,属于罕见的“瓶中闪电”;亚马逊则是先建设规模、再兑现利润的“梦幻之地”,贝索斯长期保持叙事与行动一致,最终取得成功。但若扩张后始终找不到盈利道路,就会变成“噩梦之地”。不能因为亚马逊成功,就默认其他亏损公司也会成为下一个亚马逊。
企业可以快速扩张、缓慢扩张,也可以不扩张。面对小市场、本地竞争、关键人物依赖和较强客户惯性,维持规模可能更合理。创始人还要权衡控制权与雄心、增长与长久存续:外部融资通常意味着让出部分权利,扩张也可能损害韧性。健身器材公司派乐腾在疫情需求高涨时建设过多工厂,就是短期成功诱发过度扩张的例子。
达莫达兰把风险投资拆成筛选、出资、支持扩张、建设企业和退出五项任务,指出现实与理想之间的落差:不少投资人随热点跟风,用用户数、订阅数等指标比照同类交易定价,而非真正估值;后续融资也受整个资本市场冷热影响,并非好企业一定能拿到钱。
追加资金还可能附带保护原投资者的条款。风投擅长推动某项指标增长、争取更高交易价格,并不代表擅长建立盈利模式;退出时间和买家也可能优先服务其自身回报。因此,选择家族资金、风险投资或公开股权资本,不只是选择资金来源,也是在选择进入企业决策的激励机制。
他引用的剑桥咨询数据中,风投整体在所展示的每个期限都落后于纳斯达克指数,只在两个期限小幅跑赢标普五百指数。少数明星项目的成绩,不能代表整个行业。
稿件给出的对比是:2005—2010年,表现最好的10%投资贡献了53%的总回报;2023—2026年,最好的1%已贡献80%,最好的10%贡献超过90%。大量失败与少数极端成功并存,使风投更有动力押注巨大规模,而不是满足于一家稳健的小企业。
风投成功也具有一定延续性。达莫达兰提出一种可能解释:优秀初创企业愿意让知名机构进入投资者名单,并给予更好的条件,从而使过去的赢家继续占优。但回报越依赖极少数项目,整个过程也越接近赌博。
共同基金、主权财富基金等进入私募领域,形成介于传统私募与公开市场之间的“灰色市场”,让公司无需上市也能筹到巨额资本。与此同时,达莫达兰依据肯·弗伦奇数据指出,股票动量长期维持强劲,反转回报却从20世纪90年代起减弱,稿件所述最近五年已转为负值。依赖均值回归的老派价值投资因此面临困难。
他把动量与规模叙事、反转与基本面作用作了并不精确的对应:市场持续奖励赢家,盈利约束却未必及时发挥作用。低利率、被动投资增长、缺乏成熟财务基础的公司进入市场,以及社交媒体稀释信息冲击,都是稿件讨论的可能解释,不能视为已经确定的单一原因。
这些变化可能使公司更晚上市、上市时营收规模更大,却没有同步解决盈利问题。创始人控制权与不同投票权安排可能削弱治理约束;而在营收仅一千万美元时修正商业模式,通常比做到一百亿美元后更容易。
达莫达兰对人工智能叙事的主要质疑,也不在于市场不够大,而在于缺少单位经济效益、规模经济和持续赚钱机制的说明。他还提出一种颠覆风险:新企业用资本挤走旧经营者,自己的模式却最终无法持续。网约车只是用于说明这一历史上的可能情景;他明确表示,认为优步等公司如今已越过那些重大问题,并非断言它们仍面临同样困境。他担忧的总体方向,是扩张激励将造就更大体量的失败,而不是所有扩张都会失败。
1. 扩张不是默认正确答案;市场、竞争、客户惯性和资本需求决定适合的速度与规模。
2. 盈利模式必须同时经得起单位经济效益、经营费用和投入资本回报的检验。
3. 亚马逊证明先扩张后盈利可以成功,却不保证其他亏损公司能复制这条路。
4. 融资会引入投资者的目标;风投追求高价退出,不一定等于企业追求长期健康。
5. 超级赢家贡献绝大部分回报,使风投更偏好巨大规模,也增加过度扩张的压力。
6. 私募资金充裕与反转减弱,可能让规模叙事更持久,却不能代替商业模式。
7. 越晚修正赚钱机制,调整可能越困难;评估人工智能等企业时,不能只问市场有多大。
- 规模扩张与盈利模式的取舍 [00:00:00 - 00:10:00]
- 规模与盈利的八种组合及创始人的取舍 [00:10:00 - 00:20:00]
- 资本来源与风险投资的激励及定价误区 [00:20:00 - 00:30:00]
- 风投回报集中与市场反转弱化 [00:30:00 - 00:40:00]
- 规模扩张激励与商业模式缺失的风险 [00:40:00 - 00:48:55]
Aswath Damodaran:大家好,欢迎回来。这一节,我想和大家谈一个每家企业都必须回答的根本问题:经营一家企业时,你究竟应该把力气放在让它变得更大上,还是应该努力建立一套能够带来盈利的商业模式?我知道,规模和盈利有时候可以一起实现,两者并不总是相互排斥。但有时候,这两个目标确实会发生冲突;一旦冲突出现,你就必须决定,到底把哪一个放在前面,优先去做。我想先从一条推文谈起。对于人们在社交媒体上发布的信息,我通常会尽量宽容一些,不急着抓住一句话作判断。因为我知道,你看到的那条消息,往往只是某一连串对话中的一部分,而前后那些对话你并没有看到;还有一些消息,可能是当事人在气头上发出来的。不过,看到这条推文,我还是忍不住想谈一谈。发推文的是传奇风险投资人 Vinod Khosla(维诺德·科斯拉)。他开头就提出一个说法:一家公司实现盈利,就等于承认自己已经输了,承认自己已经没有地方可以继续投资了;你要么创造利润,要么创造资产。这话并非完全没有道理,其中确实有一点值得考虑的东西。可是,推文采用的那种表述方式,却给人这样一种感觉:不管是什么企业,都应该努力扩大规模,而盈利则应该往后排,退居次要位置。这正是我想认真讨论的问题。我并不是要借此批评科斯拉先生,我对他是尊重的。我想谈的是这条推文所涉及的核心问题,也就是扩大规模与创造利润之间究竟应该怎样取舍。它隐含的意思是:把企业做大,比建立一套能够产生利润的商业模式更重要。在风险投资这个圈子里,这种想法并不是偶尔才出现的例外,反而更接近普遍的看法。所以,接下来考察这项选择时,我想把问题问得具体一些,分别看看不同业务面对的情形,而不是把规模优先或者盈利优先,当作对所有企业都适用的同一个答案:对于哪些类型的企业,先去扩大规模,之后再设法实现盈利,是最说得通的做法?又对于哪些类型的企业,从一开始就着手建立能够盈利的商业模式,而不是先想办法把规模做大,才是更合适的选择?让我们先退一步,重新想一想,扩大规模和建设一门生意之间,到底是在做怎样的选择。理解这个问题,最好的办法是把自己放在创始人的位置上。假设你就是创始人,你想出了一个商业点子;它不是一个尚未验证的设想,你已经在市场上试过,而且确实行得通。你现在有了一家看起来很有前景的初创公司,接下来要怎么做?一种选择是,围绕你已经有的产品、已经找到的市场,特别是那个能够让你开展业务的细分市场,把这家公司真正经营起来。你把注意力放在企业的财务状况是否健康,以及它能不能赚钱上,建立一门利用好现有市场机会的生意。另一种选择,则是一条更有雄心的路:既然你已经开发出了这样的产品或服务,不如先把它推向更大的规模,至于怎么盈利,留到以后再操心。换句话说,在这条路上,扩大规模享有优先权,盈利要排在后面。面对这两种方向,你应该选哪一个?我不想在这里给出一个不分情况、适用于所有企业的断言。与其直接说某一种选择总是正确的,不如把这两个选择分别展开来看。先看扩大规模。究竟在什么情况下,或者对于什么样的业务,连“尝试把规模做大”这件事本身都是有意义的?第一个条件是,如果你是一家小公司,但置身于一个很大的行业、面向一个很大的市场,那么扩大规模就有了空间。反过来,如果你的公司很小,面对的市场也很小,就很难设想你到底能怎样把它做大。因此,先要看你所追求的市场有多大:市场越大,你能够扩大的规模也就越大。当然,这里还有一个问题,那就是你如何描述自己的业务。你对自身业务的界定,往往也会界定你所面对的市场究竟有多大。大约十年前,我第一次写文章分析 Uber(优步)时,就提出过这一点。如果你把优步视为一家汽车服务公司,那么它所能争取的总市场,就会小得多;但如果你把它视为一家物流公司,把配送和搬运也包括在内,那么它所面对的市场就不一样了。同样一家企业,业务被放在什么框架下理解,有时候就决定了我们眼中的市场规模。除了市场足够大,如果你瞄准的市场本身还在增长,那就更好了。为什么?因为你可以跟着市场一起长大,而不必去做另一件困难得多的事:从其他企业手中夺走它们已经占有的市场份额。想一想苹果和三星在 2010 年、2011 年左右的处境。那个时候,它们几乎可以毫不费力地随着市场一起增长,因为消费者正在从翻盖手机转向智能手机,整个智能手机市场都在扩大。企业能够顺着市场的增长往前走。但现在,情况已经不是那样了;那个市场已经大致趋于平稳,不再具备当时那样的增长状态。所以,市场有多大很重要,市场本身是否仍在增长,也同样重要。接下来,还要看你所在行业的结构。我说的行业结构是什么意思?不同行业会自然形成不同的格局。有些行业最终是分散的,市场里有很多参与者,但每一家所占的份额都很小。另一些行业则会走向集中,最后由两家、三家或四家大赢家占据主要位置,甚至可能只剩下一家赢家通吃。放在这两类行业中比较,哪一类更有可能让企业扩大规模?这里有一个看似矛盾的地方:在一个集中的市场里,你的企业确实可能做得大得多,可这有一个前提——你必须成为那个赢家。也就是说,走这条扩张道路,成功的概率也许并不高;然而一旦成为赢家,你所能达到的规模就很大。因此,尽管存在这种成功概率上的限制,行业集中的市场,通常还是比分散的市场更能吸引那些想把企业规模做大的人。再来看资本密集度。我在这里说的,是你为了把企业做大,究竟需要投入多少资本。如果你的业务要求大量的资本投入,而且把这些投资落实下来还需要时间,那么扩张就不可能那么快。和那些不需要进行这类资本投入就能增长的业务相比,你不仅需要更长的时间,扩大规模这件事本身也会更困难。还是拿优步来说。它为什么能够比传统汽车服务公司增长得快得多?其中一个原因,是它并不拥有那些汽车,也不雇用那些司机。因此,当它要把业务增加到另一座城市时,几乎可以毫不费力地做到。把 Airbnb(爱彼迎)和酒店放在一起比较,也可以看到同样的情况。这就是为什么资本密集度会影响规模扩张:为了增长,是否必须先投入那么多资本,是一个很重要的区别。客户惯性也会发挥作用。为什么客户惯性与这件事有关?因为当你作为一家新企业进入市场时,你要争取的那些客户,原本往往已经有为他们提供服务的企业。你需要吸引他们离开原来的服务提供者,转而选择你。如果这个市场里的惯性很强,客户不愿意离开原来的企业、不愿意转移,那么吸引他们就会花更长时间,你的规模也会更难做起来。这也解释了为什么,在客户较年轻的业务中,扩大规模通常更容易一些:年轻客户对已有品牌和产品的依恋较少。相比之下,如果客户年龄较大,这种转移就没有那么容易。同样,把行业放在一起看,在软件这样较年轻的行业中扩大规模,通常也比在教育这样历史更久的行业中扩大规模容易。最后,还要考虑一个因素:这门生意要正常运转,到底在多大程度上依赖你本人,或者依赖一小群特定的人?我们用一个例子来想。假设你是一个手艺非常精湛的木匠,做得出世界上最出色的家具。你已经创办了一家企业,而且生意非常成功。可是,生意成功就意味着你一定能扩大规模吗?如果你的那套技能并不容易传授给其他人,规模就很难做大。你可能会说:“这有什么?我可以培训别人,让他们也会做我做的事情。”当然,你可以试试看。事实上,依靠关键人物的业务也并非完全不能扩张;这方面最好的例子,恰恰来自餐饮行业。有些名厨,比如 Gordon Ramsay(戈登·拉姆齐)和 Wolfgang Puck(沃尔夫冈·帕克),就通过特许经营把业务扩展开来。他们取得成功的程度各不相同,但确实有人通过这种方式把规模做大了。所以,刚才谈到的这些因素,都要放进“能不能扩大规模”这个问题里一起考虑。到这里,你应该已经能看出,有些业务从自身结构上就更适合扩张,另一些业务则没有那么适合。现在,让我们看看,这些差异在实际选择中会怎样表现出来。关于规模扩张,我们大致可以分出三种类型。先说明,我并不是要说其中哪一种一定比另一种好;它们只是不同的选择。如果你的业务所面对的客户几乎没有什么惯性,扩张所需要的资本也很少,市场本身很大,行业又比较集中,那么你几乎可以在一夜之间把规模做起来。这就是能够快速扩张的企业。另一方面,如果打入市场需要更长时间,业务的资本密集度更高,面对的竞争也更强,那么你把规模做大所花的时间,就可能长得多。如果我现在只给你这两个选项,问你“你希望快速扩大规模,还是慢慢扩大规模”,你大概会觉得,这有什么难选的?当然希望快一点,而不是慢一点。不过,事情还有另一面。这也是我以前在讨论企业生命周期时谈到过的一点:那些容易迅速做大的业务,往往也很难让你长期留在顶端。一旦开始往下走,规模开始收缩,收缩的速度同样会很快。因此,容易上去,并不等于容易一直待在那里;下来的时候也可能很快。现在,你应该可以理解我为什么会提出这样的看法:典型的二十一世纪企业,是可以快速扩大规模的企业;而典型的二十世纪企业,则是慢慢把规模做起来的企业。如果只是争论这两种企业到底哪一种更好,其实就没有抓住问题所在。不过,除了快扩张和慢扩张,还存在第三种选择,那就是根本不扩大规模。如果你面对的就是一个小市场,竞争主要发生在本地,业务又依赖某个关键人物,客户还有较强的惯性,那么,也许维持这门生意、不去追求把它做大,对你反而更好。这个选项也应该明确摆到桌面上,而不是从一开始就将它排除。扩大规模并不总是最好的选择。以上说的是规模方面的选择,接下来我们换一个角度,看看商业模式的选择。要理解一套商业模式是由什么驱动的,最好的办法就是把它能够创造的利润拆开,逐项看清楚:这些利润到底来自哪里?首先,要看你每卖出一单位产品,能够赚多少钱。这叫 unit economics(单位经济效益)。它到底衡量什么?它衡量的是,你接下来卖出的那一单位产品,向客户收取的价格,与生产这一单位产品所花费的成本之间的差额,也就是售价减去生产成本。仅仅从这个定义,你就能看出,经营的业务不同,单位经济效益就可能有很大的差别。假如你经营的是一家折扣零售商,那么你的单位经济效益就不会特别出色。因为你的做法是从制造商那里购进商品,然后在进价基础上加价出售,加价幅度可能是 6%、7%、8%,也可能达到 10%。从某种意义上说,这就是你能获得的毛利率,而你要突破这样的毛利水平,会相当困难。再对比一家软件公司:对于软件公司来说,多生产下一单位产品,成本几乎可以忽略不计。如果它又能够以较高的价格把这一单位产品卖出去,那么它的单位经济效益就会很好。接下来,把这个每单位的经济效益,也就是每单位售价减去生产这一单位产品的成本,再乘以你卖出的单位数量。这里,规模扩张的决策就开始发挥作用了:单位上能赚多少钱是一件事,总共卖出多少单位又是另一件事,两者相乘,得到的就是毛利润。拿到毛利润之后,还要从里面减去其他经营费用。这里所说的其他经营费用,包括哪些项目?包括 SG&A(销售、一般及管理费用)、属于固定成本的 R&D(研发费用),以及其他固定的经营费用。而这一步,就是规模经济开始发挥作用的地方。如果你的业务确实存在规模经济,那么你应该看到什么现象?你应该看到,这些经营费用,特别是这些固定经营费用,虽然也会增长,但增长速度应该低于收入的增长速度;而且最好不是仅仅低一点,而是远远低于收入的增速。 [00:09:59]
那么,这个过程究竟是怎样发生的呢?你卖出的产品数量增加了,每卖出一单位产品,都能产生一份利润,也就是单位贡献;在此基础上,再扣除经营这门生意所需的营业费用。随着企业的规模越来越大,你就会看到,原来的亏损逐渐转成了利润,这里说的就是营业利润。不过,这张图里还有最后一个组成部分,不能漏掉:为了获得这种增长,为了扩大规模、卖出更多的产品,你可能还得投入资本。如果你经营的是一门资本密集型生意,就需要建造工厂,投入大笔资金。这样一来,你的企业即便能够赚钱,也可能赚得还不够多。你或许觉得,“赚钱还嫌不够多”,这话听起来有些贪心。但想一想,假如你在一项业务里投了一万亿美元,最终赚到的却只有十亿美元,情况会怎样?单独看十亿美元,当然是一大笔钱;可是,把它放到已经投入的一万亿美元旁边,再问赚得够不够,答案就不同了。这个问题,要通过你在投入的资本上取得了多高的回报率来体现。商业模式中几乎所有重要的方面,都已经包含在这张图里了。我想,当你顺着这些环节逐一看下去时,就能看清它是怎样拆解开来的。因此,在考察商业模式、讨论企业扩大规模的时候,摆在我们面前的并不是一个单一的结果,而是一整组可能出现的情形。我不打算把每一种可能性都列举出来,不过,我基本上归纳了规模扩张与盈利能力之间的八种可能组合。你可以看到,图中一条轴的两端,分别是不扩大规模和大规模扩张;另一条轴的两端,则分别是亏损或利润非常低,以及利润非常高。先来看第一种,我把它叫作“瓶中闪电”。这些公司能够同时做到两件事:一方面迅速把规模做起来,另一方面几乎从刚开始经营时起,就已经能够盈利。这种情形很不寻常,但并不是不会发生。脸书和谷歌在早期就是这样的公司,它们一边扩大规模,一边已经在赚钱,两件事是同时发生的。我之所以用“瓶中闪电”来形容,就是因为这样的机会实在太罕见。相比之下,更常见的情况是什么?企业需要花时间才能把规模做起来,而在这个过程中,至少在扩张的早期阶段,它们是亏损的。我把这一类企业叫作“梦幻之地”公司。这个说法来自我最喜欢的电影之一,《梦幻之地》。电影里,凯文·科斯特纳在一片田地中间建了一座棒球场,我记得那地方应该是在艾奥瓦州。邻近那块田里的农夫走过来,问他:“你到底在干什么?为什么要在这些玉米田的中间建一座棒球场?”接着,他说出了电影史上最著名的台词之一:“只要我们把它建起来,他们就会来。”这里的意思当然是,只要我们把这座棒球场建起来,就会有人来到这里。在亚马逊发展的早期,它还是一家不断成长的在线零售公司时,我就把它描述为一家“梦幻之地”公司。我是有意选择这个比喻的:在它成立之初的相当长一段时间里,也许是最初十年左右,亚马逊一直都在亏钱。不过,杰夫·贝索斯成功地让市场接受了一个想法:“只要我们先把收入做起来,利润就会随之而来。”在这件事上,你确实得肯定他。他对市场讲的故事始终如一,不是说一阵就换一个说法;他的实际行动也始终与这个故事保持一致。就亚马逊而言,这片“梦幻之地”最终真的等到了“赤脚乔”杰克逊从旁边的玉米田里走出来。放在这个企业的例子里,这就意味着,它最后取得了成功。可是,亚马逊虽然成功了,它的成功也带来了一个阴暗面。对于许多正在扩大规模、却依然不断亏损的公司,人们开始把亚马逊当作一个可以效仿的榜样,拿给它们看,并且告诉它们:“你也可以成为下一个亚马逊。”但我们还是面对现实吧,真正能成为下一个亚马逊的公司,并没有那么多。实际上,如果企业不断扩大规模,却始终赚不到钱,而且也没有一个最终能够赚钱的结局在前面等着它,那么,你得到的就不是“梦幻之地”,而是“噩梦之地”。这是一家已经把规模做大了的企业,但它找不到一条通向盈利的道路。问题不在于你没有尝试,也不在于你没有努力,而在于你尝试采用的商业模式,在走向扩张的某个环节上失败了。还有一种与此相关、但甚至更糟的情形:你的商业模式从一开始就是坏的,是有根本问题的,可你接下来所做的,却只是把它越做越大,并没有把这个有问题的商业模式修好。我始终没能理解,到底是什么样的激励,会推动人们做出这种选择。但道理并不复杂:拿一个糟糕的商业模式去扩大规模,最后得到的,只会是一个规模更大的糟糕商业模式。我当时看 WeWork(共享办公公司)上市时,心里想的就是这个:“你看,这个商业模式本身就是有问题的。”你把一栋楼租下来,一租就是四十年;然后再把里面的空间转租出去,转租合同却只有三个月。这种期限错配简直糟糕透顶。如果你的回答是:“我们可不只做一栋楼,我们在几百栋楼里都做同样的事情。”那我的反应就是:“这不就是把同一种期限错配,再乘上几百倍吗?”后来,它当然出了大问题,最后惨败收场。这就是一种规模很大、商业模式却仍然破损的企业。刚才这四种,都是图中右侧的情形,也就是企业已经选择扩大规模之后,可能出现的四种结果。现在再来看另外四种:你不去追求规模扩张,会怎样?第一种,你继续做一个专注于细分市场的经营者,并且成为自己所在领域里的明星。你的利润率非常高,生意做得很成功,仍然能够增长,甚至不必费特别大的力气,就能持续创造价值。我想到的例子就是法拉利。它的汽车销量是以千辆为单位计算的,而不是以百万辆计算:九千辆、一万辆,我记得最近一年大约是一万三千辆汽车。可是,它服务的是一个特定的细分市场,那些超级富有的人愿意为它的车支付高价。法拉利拥有的品牌价值,让它能够取得非同寻常的利润率,利润率超过百分之二十。这样,你就是一个细分市场里的明星。当然,这本身就是一种选择:你选择不把规模做得很大,选择保持相对小的规模,并且在自己的领域里成为明星。还有很多公司也保持着小规模,不过原因不完全相同。有些公司是没有别的选择,因为它们无法获得资本;另一些公司则是出于自己的意愿,本来就想保持小规模。它们可能成为我说的“小赢家”。这个词是什么意思?它们并不努力追求大规模扩张,但已经达到了这样一种经营规模:这门生意带来的利润足够多,能使资本回报超过资本成本。你可能会说:“只要超过资本成本就算赢,这个门槛似乎也不算多高。”可如果你确实是一个小赢家,就应该为此感到高兴,因为另一种可能,是你成为一个“小输家”。小输家是什么情况呢?它们其实也能赚钱,所以,不能说它们是在亏钱;问题是,虽然账面上赚到了钱,赚到的钱却还不足以覆盖它们的资本成本。听到这里,你或许会想:“既然如此,我为什么不干脆把这种公司关掉?”因为关掉之后,你也拿不回已经投入进去的资本。许多小输家就是这样,被困在一门糟糕的生意当中:想退出,又不能真正脱身;想继续做下去,又挣不出足够的回报,连资本成本都覆盖不了。最后,还有一些企业,从一开始就是亏损的。最初它们的亏损还比较小,可很快你就会发现,亏损越来越大,企业规模却并没有相应扩大。换句话说,你不用等太久,就能看明白,这并不是一门会有什么发展前途的生意。到了这种时候,你就应该及时止损。回头看看这八种可能的结果,你已经能意识到,对每一家企业来说,或许都有一条适合它自己的道路。说“最优路径”,这个词可能用得太强了一点;但根据它经营的是什么业务、创办它的是谁,以及它能够获得多少资源,确实会有一条比较合适的路径。因此,在我们刚才看到的这些选择当中,不存在某一种选择,可以不加区别地适用于所有公司。不过,当你审视这些选择的时候,有一个问题值得认真问一问:会不会有这样的情况,一家公司明明面前就有一个合理的选择,有一条说得通的路,却偏偏不愿意沿着它走下去?换个说法,有没有一些小公司,本来完全可以发展成更大的公司,所需要的条件也已经具备了,却还是选择维持小规模?反过来,有没有另一些小公司,本来不应该变得更大,却不肯停下来,仍然坚持往前冲,想把自己做大?答案当然是有,而且是毫无疑问地有。在我们身边的经济活动里,这两种错误一直都能看到。那么,接下来我们就看看,究竟是哪些力量,会让你偏离本来适合的路线,偏离那条所谓的最优路径。第一个问题是:你究竟是哪一种创始人?创始人会把两项个人层面的取舍带进企业,这些个人选择,会影响企业怎样处理扩大规模与盈利能力之间的关系。第一项,是控制权与雄心之间的较量。我指的到底是什么?扩大一门生意的规模,几乎总意味着你得走出去,向外部筹集资本。你要么借钱,而借来的钱会附带相应的约束;要么筹集股权资本,而这就意味着,你必须把一部分所有权让出去。无论走哪一条路,你都在让出控制权。而且,这不仅仅是对资本的控制权,也包括对企业经营活动的控制权。所以,把企业做大这件事,几乎总是伴随着放弃一部分控制权,而许多创始人并不喜欢这样做。不过,许多创始人同时又很有雄心。他们想把企业做得更大,而这种雄心往往意味着,只有愿意放弃一部分控制权,才可能真正把规模扩大。因此,问题又回到了你自己身上:你是哪一种创始人?如果你所看重的一切都围绕着控制权展开,掌握控制权就是你最核心的诉求,那么,在增长这件事上,你自然会比较谨慎。但如果你是一个雄心很强的创始人,这种雄心就可能压过原先的谨慎,使你最终还是决定去追求增长。第二项取舍是,你究竟想让企业成为一家能够长久存续的公司,还是只想让它不断增长?这样的二选一,听起来似乎有些奇怪。你可能会反驳:“我明明可以想到一些公司,它们既活得长,也一直在增长。”你完全正确,情况并不是总要二选一,并不是说长寿的公司就不能增长。不过,在扩大一门生意的规模,与让它能够持续经营下去之间,确实存在一定程度的取舍。我很讨厌“可持续”这个词,但这里还是得用它:规模扩张与可持续性之间,是有一点权衡关系的。我可以给出两项证据,来支持这个判断。首先,世上有一些企业,存在的时间不只是几十年,甚至不只是几百年,而是上千年。最古老的那家企业,是日本一家叫金刚组的神社建造商。我记得是这样一家日本公司,前后存在了大约一千五百年,直到几十年前才停止经营。它是一家由家族拥有的小型私营企业,只做一件事,就是建造神社,而且把这件事做得很好。所以,保持小规模,把精力集中在自己专注的事情上,能够让一家企业存续很长时间。我还可以举出另一项证据。还记得新冠疫情吗?距离现在其实也没有过去多久。还记得那些因为疫情而迅速腾飞的公司吗?当然有莫德纳,它受益于自己的疫苗;有 Zoom(视频会议公司),因为大家都转到了线上;还有 Peloton(健身器材公司),因为人们纷纷购买可以放在家里使用的健身自行车。现在回过头来看看这些公司,看看它们后来经历了什么。二〇二〇年和二〇二一年,它们取得的成功,甚至超出了自己最大胆的想象。可是,如果你拿 Peloton 这样的公司仔细看,就会发现,从长期来看,它们可能反而伤害了自己。为什么会这样?因为它们在取得成功的同时,也把扩张推得过了头。它们建设了太多工厂,以为自己还能够继续变得更大。结果,从很多方面说,Peloton 到现在都没有从那场成功中恢复过来。
所以,作为创始人,你带到决策中的那些选择,会影响企业究竟走哪条路:是把规模做大,还是把注意力放在商业模式上。接下来要说的第二点是,企业要扩大规模,就需要资本。让我们先看最古老的一种补充资本来源。在上个世纪,也就是二十世纪公开市场兴起之前,企业最大的资金来源是什么?是你自己的家族。换句话说,如果你创办了一家企业,做着做着发现还需要更多资本,那么你首先要去找的,就是自己的家人。这种筹资方式造成了一个不公平的过程:如果你来自富裕家族,你就有能力把企业的规模做得大得多;但如果你的家族没有多少财富,即使同样需要资金来扩大企业,你也没有前一种人那样的条件。因此,世界上一些规模最大的企业恰好是家族企业,并不令人意外。直到今天,在世界上的许多地方,这种情况仍然成立。这是为什么?因为这些家族拥有让企业成长所需要的资本。家族越有钱,企业能够取得的资金也越多。在家族资本充当主要资金来源的情况下,究竟什么样的公司有机会扩大规模,自然就会出现偏向。这就是第一种资本来源。再看风险投资。风险投资这种活动其实一直存在,不过,如果说的是以机构形式开展的风险投资,那么可以把它的起点放在大约七十年前:它的根源或许可以追溯到美国二十世纪四十年代、五十年代。此后,风险投资随着时间不断发展。你可以看看这张图,它展示了过去二十年风险投资的增长情况。图里既考察风险投资人的数量,也考察这些人手中有多少资金可以拿来投资。从这两个角度来看,风险投资的规模都变得更大,发展也更为壮大。而且,它已经不再局限于原来的地域,开始走向全球。过去风险投资主要是一项集中在美国的业务;现在,美国依然占据主导地位,但你也能看到,世界其他地区开始有了自己的风险投资。稍后,我们还要更具体地讨论,风险投资人进入一家企业之后,究竟会带来什么,又会怎样改变企业在扩大规模与实现盈利之间的决策。就资金来源而言,这是第二种选择。第三种选择,是取得公开股权资本。这里有不止一条路:你可以跳过风险投资这一环,直接把自己的公司推向公开市场、让公司上市。二十世纪九十年代的互联网公司就开始这么做了,其他年轻的科技公司也走过这条路。另一种情况,而且更可能发生的情况,是你让一家已经上市的公司成为你的主要投资者,让它拿出资本投资你的企业。这些上市公司可能会把这样的出资称作战略投资。至于它们为什么要投,理由可以有很大的差别。有时候,它们这样做就是因为希望持有你公司的一部分股权。许多年轻的生物技术企业、制药企业,当初就是通过这样的方式获得资金的:它们去找一家财力更雄厚的制药公司,或者一家发展得更成熟的公司,争取让对方投资自己。因此,把这些选择放在一起,就是家族财富、风险投资,以及公开股权资本。为什么我要强调资本来自哪里?因为当你从别人那里筹到钱时,对方希望你做什么,也就会进入企业的决策过程。说起来,这完全公平:既然别人投入了资本,他们的诉求自然也会发挥作用。作为创始人,你必须事先把这一点纳入考虑。无论你原本想拿自己的企业做什么,一旦你开始从风险投资人那里,或者从公开股权资本那里融资,提供资金的一方所面对的激励就会开始影响你的选择。他们在寻找什么、希望得到什么,都会给你的行动提供方向。所以,归根结底,同样是一家企业,如果资金来自家族成员,它在扩大规模与实现盈利之间作出的选择,就会不同于它从风险投资人那里筹资时作出的选择。企业本身可以是同一家,但资本来源不同,决策就可能不同。这种潜在的冲突,创始人必须考虑进去。也正是在这里,我认为值得特别把注意力放到风险投资人身上,看看他们究竟为企业带来了什么。围绕风险投资人,存在许多神话。有些人看到他们投资的那些公司,便把他们看成超级投资者。还有一个问题是,我们看到的证据,大量来自那些成功的风险投资人,这本身就带有选择偏差。我们由这些成功者推及整个群体,于是认定风险投资人能够做到许多事情;可在我看来,其中有些事情并不是他们真正具备能力完成的。因此,我打算把风险投资人的工作拆成五项任务,逐一比较:我们假定他们会做什么,他们实际上又在做什么。第一项,是筛选年轻企业。通常的假定是,风险投资人很会挑选,能够从年轻企业中辨别出好的和坏的。他们是出色的筛选者,既能判断创始人,也能判断产品,还能判断企业本身。每当我们作出这种判断,我都会想,我们是不是看了太多《Shark Tank》(创智赢家)这样的节目?我要承认,确实有一些风险投资人很擅长评判创始人与企业,但很多人所做的,不过是跟着其他人走。所有人都在投人工智能,他们就去投人工智能;所有人都在投社交媒体,他们就去投社交媒体。看起来像是在筛选,实际行为中却有大量的随大流和跟风。第二项任务,是在选中了想投资的企业之后提供资本。当然,他们不会白白提供资金,而是会要求获得所投资企业的一部分股权,作为出资的回报。这里又存在一个普遍的假定:风险投资人应当懂得给这些年轻企业估值。理由似乎也很简单——如果你不知道一家企业值多少钱,又怎么知道用自己的投资去换多少股权才合适?但是,事实是,风险投资人给企业做的是定价,而不是估值。这两者有什么区别?他们会去观察,其他人正在为类似的企业支付什么价格,然后据此给眼前的企业标出价格。而这些企业还很年轻,实际经营活动非常有限,于是他们就把比较的尺度换成用户数、订阅人数、下载次数,或者其他某个能拿来使用的指标。也就是说,他们根据这样的指标来衡量别人付出的价格,再用在自己要投的公司身上。因此,问题不只是他们在定价而不是估值;他们采用的定价方法,本身还是一种非常、非常、非常粗浅,也非常简单化的方法。第三项任务,是推动小企业把规模做大。我们的假定是,风险投资人会挑选出那些确实应该扩张的企业,推动它们扩大规模,并在过程中提供所需要的追加资本。这种说法有一部分确实成立:额外的资本,对企业扩大规模来说确实至关重要。不过,资金最终能不能提供出来,往往取决于整个风险投资市场当时处于什么状态,而不只是眼前这家企业是否应该得到钱。你还记得二〇二二年之后的情况吗?风险投资市场的资金完全枯竭了,所有企业都受到了影响。甚至那些本来值得得到资本的企业,也没能拿到资本。而且,即使市场上有资金流入企业,我们也不能把过程想得过于顺畅。已经投资这家企业的风险投资人,往往同样关心怎样保护自己。他们怎么保护自己呢?通过引入 ratchets(棘轮式保护条款),确保在企业筹集新一轮资本时,自己的利益受到保护。因此,这并不是一个毫无摩擦的过程,不是说新的资本一进来,企业接着就能自然而然地扩大规模。第四项任务,是担任顾问、协助建设企业。我们假定,风险投资人不仅提供资金,也知道一家企业应该怎样建立起来。他们会帮助那些可能只是技术极客的创始人,把企业建设成单靠这些创始人自己原本无法建成的样子。我也很想告诉你,风险投资人在建设企业这件事上非常出色;但我并不认为,大多数风险投资人真的知道怎样建设一家企业。他们擅长的是扩大规模,或者挑出某项他们认为能让公司取得更高价格的指标。至于真正建设企业,那又是另一回事。接下来,我们还会更深入地谈一谈,风险投资人究竟怎样在自己的游戏中取得胜利,以及这种取胜方式如何影响他们给创始人施加的压力。他们希望赢得自己的游戏,这就会影响他们要求你这个创始人去做什么。最后一项任务,是退出投资。风险投资人如果想从投资中赚到钱,就必须找到退出的机会。我们的假定是,他们会与企业商量,从这家企业本身的角度看,什么时候退出才最好;退出的方式,可以是让企业上市,也可以是把公司卖给其他人。然而,实际情况同样可能与这个假定不同。风险投资人自身受到的激励,可能促使他们推动你在一个不合适的时点退出,或者把公司卖给一个不合适的买家。为什么他们会这样做?因为那种安排能给他们带来最高的回报。我要再次强调,我并不是想把风险投资人刻画成一群肤浅、糟糕的投资者。我想说的是,他们有自己的激励因素,而这些激励因素,未必与你作为创始人在同一过程中想要得到的东西一致。接下来,我们具体看看风险投资人,以及我刚才说“他们给公司定价”时究竟指什么。你可能听过一些被称为“风险投资估值模型”的模型,但这个名称并不恰当。这些模型实际上是定价模型,而不是估值模型。它们怎样运作?首先,你选一个指标,这个指标可以是营收,也可以是营业利润。然后,把这个指标预测到未来某一年。选哪一年呢?可以是五年以后,也可以是三年以后,所选的年份本身带有任意性。假设你选了第五年,并且已经预测出了公司第五年的营收。接着,你要给这个营收乘上一个倍数。这个倍数根据什么确定?根据别人正在为市场上其他公司支付的价格,参考对象也可能是公开市场上的公司。举个例子,你预计这家公司五年后的营收是一亿美元,而市场上的买家愿意按照十倍营收来支付价格。那么,一亿美元的营收乘以十,就是十亿美元。算出的这个十亿美元,便成了你对公司第五年价格的判断。请注意,它是第五年的定价。下一步,风险投资人会把这个未来的价格折回今天。看到这里,你可能会说:“哦,他们这不是在做折现吗?”从技术形式上看,这个步骤确实很像折现。不过,区别在于,他们在这一步采用的比率,与折现率并没有关系。那是一个编出来的比率,是他们声称自己必须赚到的回报率。比如,他们会说自己需要百分之三十、百分之五十,或者百分之七十的回报,然后用这个比率把未来的价格折回今天。为什么我要特别强调“编出来的”这几个字?因为这些回报率会成为谈判的工具。你要记住,站在风险投资人的立场,他们希望今天给这家企业算出来的价值尽可能低。今天的价值越低,凭着自己的出资,他们就能拿到这家企业更大的一块,也就是更高比例的股权。因此,这整个过程是定价;而且,他们会围绕这个定价过程展开博弈,让最终的结果尽可能有利于风险投资人自己。这就是我所说的,风险投资人并不是在给公司估值,他们是在给公司定价。再把目光转向风险投资的回报表现,看看不同时间跨度下的结果。那种认为风险投资人是比别人更优秀的投资者的看法,很快就会开始站不住脚。这里展示的数据来自 Cambridge Associates(剑桥咨询),它持续追踪风险投资的回报。追踪过程中,它还会针对风险投资中存在失败这一事实进行修正。如果不把这些失败考虑进去、不作修正,呈现出来的风险投资表现,就会比本来应该看到的更好。看看不同期限的回报,二十五年、二十年,以及一年、三年、五年、十年这些时间跨度,都可以放进来比较。在几乎每一个时期——不,让我把“几乎”去掉,是在每一个时期——风险投资作为一个整体,表现都落后于纳斯达克指数。它们确实有两次跑赢了标普五百指数,但即使在那两次,领先的幅度也没有多大。从平均表现来看,风险投资人就像普通的共同基金经理和普通的对冲基金经理一样,交付的是负的 alpha(超额收益)。不过,我们还需要再往深处看一点,因为我认为,风险投资人与其他主动投资群体仍然有所不同。首先,在风险投资这一行,失败并不是可以与投资过程分开的事情,它本来就是投资不可分割的一部分,而且这体现在两个层面。
一方面,风险投资机构同时投资多家初创企业,其中大多数初创企业最终都会失败;另一方面,如果把目光从被投资的企业移到风险投资机构本身,你也会发现,机构的失败率同样很高,许多风险投资基金会关门。所以,失败不是这场游戏之外的事情,它就是游戏的一部分。第二个特点是,一旦投资成功,风险投资带来的回报可以大得惊人。每当出现一次大型首次公开募股,你都能看到这样的例子:有些风险投资机构很早就投进了一家公司,当时的定价只是那家公司最终定价的一小部分。无论我们说的是 Anthropic,还是 SpaceX,这些早期投资者相对于最初投入的资金,得到的回报可能高达 50,000%,甚至 100,000%。因此,这里同时存在两件事:失败的投资非常多,而那些真正成为赢家的投资,一旦赢了,往往就是以超乎寻常的幅度获胜。人们把风险投资回报的这种特征称为“幂律”。那么,它具体表现为什么样子呢?这里看的是风险投资机构退出所投项目时取得的回报,并进一步拆分:在它们获得的全部回报当中,有多少来自所持投资中表现最好的 1%,有多少来自最好的 10%,又有多少来自剩下的投资?先回到 2005 至 2010 年。当时,风险投资机构总回报中的 53%,来自表现最好的那 10% 的投资;其余 90% 的投资,则贡献了剩下的 47%。也就是说,那时回报就已经偏向最好的少数投资,但其余投资仍然提供了相当一部分回报。再看 2023 至 2026 年,数字就变得极度不均衡了:仅仅最好的 1%,就贡献了全部回报的 80%;最好的 10%,贡献了超过 90% 的回报;而剩下那一大批投资,合计贡献还不到 10%。这些数字告诉我们什么?首先,风险投资的回报是靠少数赢家撑起来的。其次,风险投资机构投出去的项目中,确实有大量失败者。这种情况在两个地方有所体现。先看风险投资作为一个投资行业的整体表现:真正的赢家相对很少。据估计,全部风险投资机构中,只有四分之一能取得高于平均水平的回报。换句话说,回报基本上集中在排在最前面的那四分之一机构,而不是均匀地分布在整个行业。不过,对风险投资机构来说,这里面也有一个好消息,那就是成功的持续性。它和其他主动投资领域不太一样。比如共同基金、对冲基金,业绩几乎没有什么延续性。你可以找到一只今年做得非常好的共同基金,但仅凭今年做得好,并不能告诉你它明年会怎么样。原因就是,今年和明年的业绩之间,并不存在那种持续获胜的连贯性。对冲基金是如此,甚至私募股权投资也是如此。相比之下,风险投资行业里的成功,似乎能够维持得更久。换句话说,过去的赢家更有可能继续成为赢家。那么,为什么会这样?这个问题值得追问。一个可能的原因是,一旦你在风险投资行业中成为公认的赢家,你面对的情况就会有所不同。还记得刚才那些超级赢家吗?就是最出色的 1% 的初创企业,它们贡献了 80% 的回报。假如你是一家潜力极大的初创企业,你会希望自己的投资者名单里出现哪些人?你会希望有那些名气大、过去已经取得过成功的风险投资机构。因此,你常常愿意向这些机构提供一些投资条件,而如果换成一家没什么名气的风险投资机构,你就不会给出同样的条件。这可能就是为什么,在这个行业里,获胜具有一定的持续性:赢家还能够继续赢。但也别忘了另一面。正如你已经看到的,回报向少数赢家倾斜的程度,正在随着时间推移变得更加严重。最好的 1%,就拿走了 80% 的回报。回报越是集中在最顶端、越是由极少数投资决定,整个投资过程也就越接近赌博。这个行业接下来会怎样演变?在思考这个问题的时候,我们必须把这种越来越向头部集中的趋势考虑进去。以此作为铺垫,我们再来谈谈过去二十年发生的变化。其实你现在已经能看出,在扩大规模与实现盈利的取舍上,风险投资的参与,以及回报越来越向少数大赢家集中的特点,已经让天平偏向了扩大规模。不过,我认为还需要把另外两项发展放进来一起看。只有这样,我们才能理解,为什么过去二十年,这种倾斜越来越明显,为什么一切都变得更加偏重扩大规模。第一项发展,是原来投资公开股票市场的投资者进入了私募资本市场。这里面包括共同基金,包括 Fidelity(富达)和 T. Rowe Price(普信)这样的机构。它们中的一些进入这个市场,和风险投资机构一道,向初创企业提供资金。后来主权基金也加入进来,一些养老基金同样加入了。原先属于其他投资领域的这些资金进入之后,会带来什么影响?我们接下来就谈这个问题。第二项发展,发生在公开股票市场本身,涉及过去二十年来市场中力量的变化。公开股票市场一直受到两股力量的拉扯。其中一股是动量:已经上涨的股票,会继续上涨;已经下跌的股票,会继续下跌。这是一股非常强的力量。另一股力量则是反转:到了某个时候,原来的走势会发生变化,那些此前一直上涨的股票,开始掉头下跌。一个保持平衡的市场,需要这两种力量同时存在。我想提出的看法是,在过去二三十年里,反转这个过程似乎变弱了。它变弱之后会有什么后果,我们也会讨论。这里先把这两项重大变化摆出来:一项是资金进入私募市场,另一项是公开市场中反转力量的变化。先来看第一项,也就是公开市场基金进入私募资本领域。这其实是一项比较早的研究,来自一篇 2020 年的论文,论文使用的是 2016 年的数据。即使在那个时候,你就已经能看到,开始投资非上市公司的共同基金数量出现了很大的跃升。而那还在优步、爱彼迎带动这类投资大幅发展之前,当然,也在后来人工智能公司带来的发展之前。我把这种情况称为私募资本的“灰色市场”:原本来自公开股票市场的资本,不仅在补充风险投资机构提供的资金,而且往往开始取代风险投资机构。要理解这个变化,可以回头看看四十年前。当时基本上是两个市场:如果你是一家公司,所需资金还比较少,你就保持非上市状态,去找风险投资机构筹钱;等到公司长得足够大,所需资金大到风险投资机构已经满足不了你的需求时,你就走向公开市场,选择上市。20 世纪 80 年代的情况,就是这样。现在,这两个市场中间多出了一块灰色地带。你可以是一家非上市企业,继续以非上市企业的身份扩大业务,而且在仍未上市的时候,就筹集到数百亿美元。既不必停下成长,也不必为了拿到这么多钱而先去上市。这就是我所说的灰色市场。我们已经看到了这种情况。看看现在的人工智能公司,涉及的资金规模达到数千亿美元,甚至可能是上万亿美元,而它们仍然能够保持非上市状态。所以,这是第一项发展。它已经在鼓励非上市企业进一步扩大规模,因为这些企业现在有了可以动用的资本,不用先上市,也能获得继续成长所需的钱。与此同时,市场上还有第二项变化正在发挥作用。刚才我把它表述为动量与反转之间的关系,现在我想换一个角度,把它重新表述为动量与基本面之间的关系。你可以把交易者理解为受动量驱动的一群人。这就是交易者所做的事情:他们给资产定价,试图利用价格的动量。这里面有一些人,通过参与这种动量游戏,变得非常富有。站在这种动量思维的立场上——当然,这样的对应并不是完全精确的——扩大规模是一件好事,因为规模扩大可以推动价格上涨。盈利能力重不重要?也重要,但和扩大规模相比,它的重要性没有那么高。在这种思维下,你会继续跟着赢家走,而且通常认为,市场上的大多数人是对的。赢家继续赢,跟随市场大众也有道理,这就是动量思维。与此同时,市场里还有另一类人,也就是关注基本面的投资者。他们想要什么?他们想要的是盈利能力。这并不意味着他们不希望公司扩大规模,而是说,在他们看来,扩大规模应该排在盈利能力之后,而不是排在前面。他们也会去看那些输家,因为有些输家的价格已经低得过头了。与认为市场大众通常是对的不同,他们的出发点是:市场上的大多数人,也有可能判断错误。换一种说法,这是一种逆向的看法。在一个健康的市场中,这两类人的做法都有发挥作用的时候。某些时期,动量这一边赢;另一些时期,基本面这一边赢。市场既有动量,也会有反转。关注基本面的投资者会隔一段时间迎来自己的胜利,交易者也同样有获胜的时候。市场要运转,就需要这两边,而不能只看其中一边。这些力量并不是最近才出现的,它们一直存在于市场里。不过,有理由认为,市场中的某些东西已经发生了变化。为了说明这个看法,我去看了 Ken French(肯·弗伦奇)维护的数据集。他整理和维护的数据非常出色,是 Fama–French(法玛—弗伦奇)论文所使用的数据基础,而且他一直在持续更新这些数据。我利用这些数据追踪了两件事。第一件,是动量所带来的回报。具体怎么做呢?在肯的数据网站上,他按照股票的动量,把股票分成十组,每组占十分之一,数据可以一直追溯到 1927 年。我取出其中最高的一组和最低的一组,比较两组回报之间的差额。如果动量确实存在,那么原先处于高动量组的股票,就应该继续跑赢低动量组的股票。从长期数据看,情况确实如此,而且动量的力量一直维持得很强。你当然可以说,有些时期动量更强,有些时期相对弱一点,但整体看,这种力量并没有消失,它显然一直相当强劲。不过,肯还维护了第二个数据集,关注的就是反转。在这里,他按照公司股票上一年的回报,把公司分成六组,然后比较其中表现最差的两组与表现最好的两组之间的回报差异。所以,这里比较的是过去一年表现最差的一批股票,与过去一年表现最好的一批股票。回顾 20 世纪的大部分时期,你会看到,这种反转策略确实能带来扎实的回报,有些时期甚至比动量策略的回报好得多。它所押注的方向,恰好是动量策略的另一面。然而,从 20 世纪 90 年代开始,你就能看到,这种反转带来的回报逐渐消散。90 年代是互联网繁荣的时期,那时反转回报已经几乎降到了零。可是,即便到了 2000 至 2009 年,市场徘徊不前、整体没有取得多少进展的时候,反转回报也还是下降了。再看过去五年,它已经变成负数。这种变化当然也反映在实际投资者身上:那些押注市场会发生反转的投资者,并没有因此赚到钱。我以前对价值投资说过一些很不客气的话,至少对老派的价值投资是这样。为什么?因为其中相当大的一部分,是建立在所谓“均值回归”之上的。这个听起来很漂亮的术语,说到底,就是假设反转会发生。现在你应该已经能看出,为什么价值投资在过去二三十年里一直处境艰难:它所依赖的那个反转过程,正在变弱。那么,这对我们前面讨论的事情意味着什么?如果说动量对应的是扩大规模,而反转对应的是基本面终于开始发挥作用,那么现在看起来,扩大规模依然能够得到市场的奖励;但基本面开始发挥作用这件事,却没有得到同样程度的重视。这两者之间的倾斜,正是我们需要注意的。如果你去问人们,为什么会出现这种变化,你会听到很多解释,而且这些解释往往对解释者自身的立场有利。当然,有一整群人,把中央银行看得比它们实际拥有的力量强大得多——至少在我看来,中央银行并没有那么强大——而这些人……
……把美联储看得比它实际上强大得多,至少在我看来是这样。这些人相信,过去十年我们所经历的低利率,完全是美联储一手造成的。他们据此提出,低利率鼓励企业把精力用于扩大规模,却以牺牲商业模式的建设为代价;换一种说法,就是助长了动量,而削弱了反转。他们的理由是:当你把钱留在现金里,所能获得的利息几乎为零时,你就会更愿意去承担风险。结果就是,市场上会出现大量不计后果的冒险行为。这套解释的重点,是把接近于零的现金收益、投资者更愿意冒险,以及企业更偏向扩张而不是完善商业模式这几件事联系起来。至于对美联储作用的判断,至少我自己的看法,并不像他们那样认为美联储有那么强大的力量。这是其中一种解释。第二种解释主要来自主动投资者。他们把目光放在指数基金和交易所交易基金上:这些基金一路增长,势头几乎不可阻挡,如今在全部投资资金中所占的份额,已经超过了50%。按照他们的说法,这种变化使投资者变得懒惰,不再认真研究基本面;也正因为投资者不再看基本面,动量才会在市场上占据上风。第三种解释认为,公开市场里的投资者类型发生了变化,或者更准确地说,进入公开市场的公司类型发生了变化。回过头去看,从20世纪90年代开始,一批还没有建立起商业模式的年轻公司就进入了公开市场。它们绕过风险投资,直接上市,这改变了公开市场原有的公司构成。按照这一解释,正是这种构成上的变化,让市场中的反转过程变得更弱了。这里要注意,问题不只是有新的公司上市,而是这些新进入市场的年轻公司,尚未拿出一个已经建立起来的商业模式。为什么在这些年轻公司身上,反转更难发挥作用?因为它们的财务报表里还没有多少实质性的东西可看。并不是说,公司发布一份盈利报告,你就会因此改变对它的看法。对于这样的公司,能够促使市场看法发生转变、触发反转的催化因素,本来就更加难找。还有第四个、也是最后一个因素需要考虑:我们获取金融市场信息的方式已经变了。40年前,你可能通过阅读《华尔街日报》了解市场;20年前,你可能通过收看财经新闻了解市场;而今天,你可能打开推特,或者通过其他社交媒体获取新闻。社交媒体领域的人可能把这种变化称为一种民主化效应:你不必再完全受制于专家的判断,每个人都可以有自己的看法。但这种变化也有不利的一面。另外,信息不再只是偶尔出现,而是在不断地、源源不绝地涌向你。你可以这样理解:信息变得更容易获得,信息来源也变得更多、更分散,但这反而以一种看起来有些奇怪的方式削弱了反转效应。因为信息虽然更多了,信息本身能够造成的影响却被稀释了。于是,能够触发反转的催化因素,又一次变得更难寻找。信息的获取更方便,并不意味着某一条信息就更容易改变人们原有的看法;按照这种解释,来源分散、信息不断涌入,反而稀释了这种改变看法的力量。不过,无论背后的原因究竟是什么,我认为有一点是无法否认的:市场中的动量正在变强,反转正在变弱。这样的市场环境,又让扩大规模成为一种比过去更常见的企业选择,越来越多的公司愿意沿着这条路走下去。这些变化会带来什么后果?一方面是灰色市场的发展,另一方面是公开股票市场越来越多地由动量推动、越来越少地由反转推动。在这样的背景下,走向上市的公司本身,也随着时间发生了变化。这张图里,我考察的是首次公开募股公司的特征:一家典型的公司在上市时,已经有多大的营收规模?这些上市公司当中,又有多大比例已经实现盈利?我把数据分成不同的时期,来观察这些特征如何变化。如果沿着时间看过去,首先可以发现,公司会等待更长的时间才上市。这就是灰色市场带来的影响。既然不上市也能拿到资本,为什么要着急,为什么要早早地赶着上市呢?其次,如果以营收作为规模的衡量标准,它们在上市时已经比过去的公司大得多。这里使用的是不变价营收,也就是说,我已经调整了通货膨胀的影响。因此,看到的营收规模变化,是在做过这种调整之后的结果。这些公司等得更久才上市,上市时的营收也更高,但矛盾就在这里:它们并没有因此建立起商业模式。如今,上市时已经能够盈利的公司,占比要比过去低得多。于是,我们所看到的,是一个个营收规模更大的企业,带着还不能奏效、或者仍在建设过程中的商业模式,进入了公开市场。再看另一面:这些公司上市时获得的市值,也远远高于10年前、20年前、30年前上市的公司。观察市值中位数,你会发现它随着时间不断上升。但与此同时,它们向公众发售的股份,占全部已发行股份的比例,却比过去低了很多。这告诉我们,这些公司对上市时从公开市场筹集的资金,已经没有过去那么依赖了。原因还是一样:灰色市场的存在,加上风险投资规模越来越大,使它们对上市募集款项的依赖程度下降。等待上市的时间、上市时的营收、盈利公司的占比、市值中位数,以及公开发售股份的比例,这些指标放在一起,呈现的就是这样一种变化。也就是说,上市的公司规模更大了,商业模式却还没有充分成形,而它们得到的市值反而更高。从很多方面看,我认为这与前面所说的变化是相吻合的。那么,企业在没有商业模式的情况下不断做大,究竟意味着什么?第一个问题是,我们正在为潜在的公司治理噩梦创造条件。为什么这么说?因为这些企业即使一直保持非上市状态,也能发展到非常庞大的规模,可在这个过程中,却没有人真正对它们施加必要的制衡。如果你的回答是:“风险投资人会负责做这件事。”那你就要想一想,我们现在处在一个怎样的时代。这是一个崇拜创始人的时代,而风险投资人又恰恰在利用这些创始人来推销公司。在这种情况下,那些本来应该向公司首席执行官,尤其是创始人兼首席执行官提出的问题,可能根本就没有人去问。所以,当你看着Anthropic、OpenAI以及SpaceX这样的公司走向上市时,公司治理会成为一个浮到最上层、无法回避的问题。奇怪的是,在这个问题真正暴露出来之前,我们反而先把自己的防备卸掉了。越来越多的公司设立两类股份,一类有投票权,另一类没有投票权。这样的安排,进一步稳固了现任创始人兼首席执行官的地位。因此,公司治理方面的问题迟早会浮出水面。第二个问题是,这些公司因为忙于扩张,把建立商业模式这件事一再往后推。有些公司可能已经扩张到了这样的程度:等到想修补商业模式的时候,已经太晚了。你也许会问:“这是什么意思?为什么规模大了反而不好修?”在企业发展的早期,只有1,000万美元营收的时候,修正商业模式,要比等到营收已经达到100亿美元的时候容易得多。所以,如果选择先把规模做大,再来处理商业模式的问题,情况就不一样了。你也可能接着问:“风险投资人难道不会在这个时候介入,帮助企业解决问题吗?”其实未必。因为他们感兴趣的是让你继续扩大规模,然后在这些问题真正浮出水面之前退出,而不是等着问题暴露以后再来处理。第三个问题与这些公司的性质有关:它们已经把规模做大,却还没有建立起商业模式,于是你会听到很多故事。我并不反对年轻公司讲故事。面对一家年轻公司,听到它讲述自己的未来,本来就是意料之中的事情。但这里的问题是,这些故事并不完整。它们几乎全都在讲规模,却没有讲商业模式。我的问题并不是年轻企业不该讲故事,而是故事只讲了企业能够长到多大,却没有把企业如何赚钱的那部分讲完整。这也是我对人工智能最核心的疑问。每一个向我推销人工智能的人,都在告诉我市场可以有多大,告诉我这些公司的营收最终可以做到多大的规模。但似乎没有人谈单位经济效益,也没有人谈规模经济,更没有人说明,这些企业究竟怎样才能成为持续赚钱的机器。关于规模的故事大家都在讲,而关于商业模式的那一部分,却没有出现在故事里。最后还有一个问题,是在过去二十年的颠覆浪潮中,我一直反复思考、很难放下的。有些年轻公司突然冒出来,募集资本,把自己发展成规模庞大的企业,然后颠覆现有的经营方式。可它们做这一切的时候,自己的商业模式仍然是不完整的。你可能会说:“那又怎么样?”那么,不妨把这个过程想下去。假设这些公司确实颠覆了原来的经营方式,把原先的经营者挤出了市场。你当然可以说,原来的那些经营者活该被淘汰。但是,如果颠覆者最后建立起来的商业模式,同样无法持续呢?我把这种噩梦般的情景说得更具体一点。网约车行业一直在为一件事苦苦摸索:怎样建立一个能够持续带来利润的商业模式。假设它们始终没能成功,优步和Lyft一直找不到持续盈利的办法。我想说明,我认为它们如今已经把那些重大的问题甩在身后了;但在五年前,这仍然是一个实实在在的问题。所以,我说的是当时需要面对的那种风险,并不是在断言它们现在仍然没有解决这些大问题。当时你必须考虑这样一种可能:如果优步和Lyft都破产了,会怎么样?你要怎么办?你可能回答:“那就回去坐出租车。”可是别忘了,原来的出租车经营者当中,大多数已经退出了经营,因为网约车把它们颠覆了。你通过源源不断地提供资本,把颠覆者扶植起来,同时只关心它们有没有扩大规模。这样做就是在玩火,而这种做法迟早会反过来给你带来麻烦。那么,最后我想说的是什么?我从一条讨论规模扩张与盈利能力取舍的推文开始了这次分享。但正如我说过的,这次讨论并不是针对那一条推文。真正值得关注的是,我们现在所处的环境,普遍把重点放在扩大规模上。然而,扩大规模并不是每一家公司都适合的道路,而且扩大规模本身也伴随着挑战。不过,不可否认的是,有雄心的创始人会有把企业做大的冲动。与此同时,我们又建立了一套体系,进一步增强了这种扩张的激励:即使从商业角度看,继续扩张几乎没有什么道理,企业仍然有动力去扩张。正是由于这些扩大规模的激励,我们今后会看到比过去规模更大的失败。而私募市场和公开市场两边发生的变化,又进一步让天平向扩张这一侧倾斜。这意味着,未来我们会看到更多公司,上市时已经有数千亿美元、甚至数万亿美元的市值,但商业模式却还连影子都看不到。我认为,沿着这些变化发展下去,出现这样的结果并不令人意外。其中一些变化,会在未来几年给我们带来麻烦。我希望事情不会走到那一步,但我会保持警惕,继续留意。非常感谢大家收听,也希望你们喜欢这次分享。
本期对谈围绕一个根本问题展开:学校已经实现了让所有孩子入学,却为什么仍然没有让所有孩子真正学会?Andrew Huberman 与 Joe Liemandt 讨论了 Alpha School 如何用个性化教学、掌握度学习和高标准、高支持的教育环境,帮助学生补齐基础知识、提高学习效率,并把释放出来的时间用于体育、创业、创造和社区项目。Joe 的核心判断是,教育的目标不应只是让学生完成统一年级的内容,而应让每个孩子抵达自己的能力前沿;AI 的价值也不在于替学生完成作业,而在于精确测量掌握程度、发现知识缺口并安排下一步学习。对谈同时强调,动力、羞耻感和“我能做到”的自我认知,往往决定一套学习方案能否真正奏效。
Joe 用体育训练作比喻:如果球员运球过半场时仍有 20% 的失误率,教练不会让他直接练扣篮,而会先把控球练到可靠。传统学校却经常在学生只掌握了某个年级约 80% 内容时,继续把他们推向下一年级。这样形成的知识漏洞会不断滚雪球,直到学生在更高阶课程中遇到难以解释的困难。按年龄把学生放进同一间教室,解决了普及入学,却没有解决每个人以不同速度学习、从不同基础出发的问题。
Huberman 和 Joe 反复区分了“高压力”与“高标准”。孩子喜欢上学,不是因为学校降低了要求,而是因为他们被放进一个有朋友、有教练和有明确目标的环境里,愿意一起完成困难的事情。体育训练提供了很好的参照:教练会提出清晰要求,也会逐步示范、指导和鼓励。Alpha 的引导者同样要识别每个孩子的障碍,在不替孩子完成任务的前提下,提供足够支持,让挣扎和失败变成可承受、可复盘、最终能带来成就感的过程。
一位老师面对二三十名学生时,只能提供接近中位数的教学;橄榄球队的四分卫、外接手和防守球员不可能接受完全相同的训练,学生也一样。Joe 讨论了“一对一辅导效果很好但过去难以规模化”的问题,并认为 AI 终于有机会把教学颗粒度推进到每个人:先判断学生真正会什么,再根据前置知识、学习速度和掌握程度安排课程。直接把聊天机器人交给学生并不能解决问题,甚至可能让学生更容易绕过学习;系统应当提供教学计划、即时反馈和可验证的掌握路径。
高效学习并不等于把题目丢给学生、要求他们独立摸索。对谈提到范例教学:先演示完整解法,再逐步撤掉范例中的支撑,让学生走向独立完成;这比一句“祝你好运”更快、更可靠。间隔重复则要在学生即将遗忘之前重新唤起知识,使信息逐渐进入长期记忆。二人还讨论了“初次掌握”与之后通过多次间隔复习达到掌握之间的关系,以及为什么学校通常缺少足够细的测量工具来判断学生究竟掌握了多少。
当学生做代数题时,如果还要把工作记忆用在七乘八等基础事实的计算上,留给多步骤推理的空间就会被占用。许多被称为“粗心”的错误,可能不是态度问题,而是基础事实还没有达到自动提取的熟练度。Joe 举例说,一名 SAT 数学成绩在 710 分左右的学生,在补回乘法口诀等基础后考到了 790 分。解决方案不是用更多高阶题目轰炸学生,而是回到真正缺失的基础,从学生目前的水平重新开始。
Joe 将动力称为问题或解决方案的 90%。当学生相信自己“落后三年”,任务会显得不可能;如果系统能把问题转化为“每天一个小时、总共再投入 22 个小时”,行动就变得具体。个性化学习还可以消除羞耻感:学生不再被迫公开承认自己跟不上整齐划一的年级进度,而是得到一份针对真实缺口的学习路径。Alpha Guides 的工作包括发现障碍、建立信心,并帮助学生从“我不是那种人”转向“我可以完成这件事”。
Alpha 把节省下来的学术时间用于培养坚毅、刻苦、社交、领导力、财商、公开表达和团队协作等能力。Joe 描述了从幼儿园攀岩、低年级长距离跑步,到高年级团队挑战的技能树,也介绍了 Founder School:学生通过创办企业学习财商和创业,项目用明确的利润目标把抽象的生活技能变成需要持续练习的任务。这里的重点不是让每个人都成为企业家,而是让学生在真实约束中学习承担责任、解决问题和与他人协作。
对谈进一步讨论了孩子为什么需要从被动消费者变成建设者。长期刷短视频、玩游戏或被动消费内容,容易让人形成“我只会消费”的自我认知;而办音乐节、组乐队、做化学特效、开发应用、拍视频、做实验或建设项目,会让孩子看到自己的行动能够改变现实。Joe 认为,教育既要让学生拥有扎实的学术基础,也要帮助他们思考 AI 时代的人类角色,并亲手创造一些东西。Huberman 则追问,如何让这种创造者文化保持人性,而不是把孩子都塑造成技术极客。
Alpha 的项目从学生真正感兴趣的事出发,再把基础技能嵌入其中。孩子可以为了音乐节学习乐器、组织乐队和筹资,也可以为了拍电影、做特效或制作音乐视频学习物理、化学、计算机科学和 AI 工具。Joe 讲到一项需要几十个步骤、容错率很低的玻璃特效项目:学生原本只打算做一会儿,后来因为投入其中而主动坚持到傍晚。项目不是降低学习要求,而是让孩子理解为什么要掌握那些知识,并在作品完成时获得直接反馈。
Joe 认为,个性化系统不应只服务于本来就聪明、尽责、家庭条件优越的孩子。传统教育对高智商且高度自律的学生更友好,却容易让缺乏动力或需要更多结构支持的学生掉队。Alpha 讨论了如何帮助有 ADHD 特征的孩子连续投入学习:通过短时段、吸引人的内容、运动和明确的动力设计,让孩子先进入能够专注的状态。对谈也提到,学校正在探索体育学院、面向更多家庭的项目,以及通过教育券、专项计划和慈善支持降低使用门槛。
要改变教育体系需要时间,不能把一个学校模型简单复制到所有地方。Joe 设想把个性化学习、体育和建设者项目逐步带给更大范围的学生,包括农村地区、公立学校和不同收入家庭。他谈到通过公开数据证明效果、让更多孩子使用免费项目,并将成熟做法引入公立学校。Huberman 也强调,教育改革既要有证据,也要承认推广过程中的复杂性。对 Joe 而言,真正的目标不是扩大一所学校的规模,而是让每个人都有机会使用符合自己水平的学习系统。
对谈把传统课堂比作让一支由不同位置球员组成的球队接受同一套训练。课堂必须按照年级和课程表推进,老师很难停下来确认每个学生是否真正掌握。即使荣誉班能做有限分层,班内仍然存在不同的前置知识和学习速度。Alpha 的做法是先找到学生的实际位置,再把目标设在这个学生下一步能够抵达的地方,因此“前沿”对不同孩子并不相同。
Alpha 并不是把学习压缩成更轻松的体验,而是集中处理学生必须掌握的学术内容,并通过持续测量减少无效重复。学生完成学术学习后,下午用来训练体育、社交、创业、科学、艺术和社区贡献。Joe 认为,学校如果只把时间填满讲授、作业和考试,就会错过培养行动能力的机会;学习效率提高的意义,在于把更多时间还给真实生活。
Joe 反对把“探究式”误解成完全放手。学生需要先看到示范,再在逐渐减少帮助的过程中独立完成;需要遇到困难,但不能被丢在没有反馈的困难里。好的引导者会持续判断学生卡在哪里、下一步需要什么支持,并用明确标准让孩子知道什么叫完成。高支持不是降低要求,而是让高要求变得可以被真正执行。
“成为建设者”不是一句口号。孩子要为音乐节学乐器、组建乐队、筹集资源;要在化学项目里完成几十个步骤;要学习用计算机和 AI 制作音乐视频、电影预告片或应用。项目提供了比抽象练习更直接的反馈,也让学生看到基础知识、耐心、协作和反复修改如何共同产生一个作品。创造的过程本身就是学习动力的一部分。
Joe 认为,Alpha 的长期挑战是把有效方法变成更多家庭、更多公立学校和不同地区都能使用的系统。体育学校、Founder School、面向更多学生的免费项目和教育券,是不同的推广路径。对谈也承认,教育制度变化需要长期积累,必须用真实数据证明学生确实学得更多、学得更好,再逐步扩大覆盖范围,而不能只靠宣传或单个成功案例。
Joe 还提出,评价学校不能只看某一次考试的分数,而要看学生从哪里出发、以多快速度成长。一个已经掌握很多内容的学生和一个正在补基础的学生,不能用同一条简单指标衡量。对后者而言,能够重新获得信心、愿意持续练习、把缺口逐个补上,本身就是重要结果。只有把起点、进步和掌握程度放在一起,教育数据才有实际意义。
对谈没有把学习结果归因于某一种工具。家长的期待、同伴文化、教练式支持、身体活动和学生对未来的想象,会共同影响孩子是否愿意投入。孩子需要在安全环境里经历失败,也需要看到身边的人认真对待困难。把学习放回这些关系和环境中,才能解释为什么同样的课程在不同孩子身上会产生不同结果。
AI 可以帮助系统提供更快、更细的反馈,却不能替代教育者对目标、支持方式和孩子状态的判断。对谈最后回到人的问题:当机器承担更多测量和个性化安排后,学校应把更多精力放在身体、关系、创造、责任和意义上。技术真正释放的不是空闲时间,而是让学生和成年人有机会做更有价值、更具人性的事情。
- 基础掌握与普及学习 [00:00:00 - 00:10:00]
- 高标准与高支持 让孩子愿意做难事 [00:10:00 - 00:20:00]
- 个性化教学与一对一辅导 [00:20:00 - 00:30:00]
- AI家教、前置知识与掌握度 [00:30:00 - 00:40:00]
- 范例教学与间隔重复 [00:40:00 - 00:50:00]
- 基础熟练度如何解锁高阶学习 [00:50:00 - 01:00:00]
- 动力、羞耻感与可实现的进步 [01:00:00 - 01:10:00]
- 从身份认同到行动动力 [01:10:00 - 01:20:00]
- 学校教育与生活技能的连接 [01:20:00 - 01:30:00]
- 家长、学校与孩子的学习动力 [01:30:00 - 01:40:00]
- 从学术学习到建设者教育 [01:40:00 - 01:50:00]
- 消费主义、创造力与 Alpha School [01:50:00 - 02:00:00]
- 用真实项目激发学习 [02:00:00 - 02:10:00]
- 个性化系统与不同类型的孩子 [02:10:00 - 02:20:00]
- 教育公平、体育学校与规模化 [02:20:00 - 02:30:00]
- 把教育模式推广给更多孩子 [02:30:00 - 02:40:00]
- 总结 让每个人拓展自己的潜能 [02:40:00 - 02:41:23]
Joe Liemandt:我们没把基本功练好,我们需要把基础打扎实。就像在体育运动里一样,我经常举的一个著名例子是,如果你运球过半场,有20%的时间会丢球。教练绝不会说我们来练练扣篮和空中接力吧,甚至都不会让你练上篮,他们会说先练控球,我们得把控球练好。20%的失误率是不可接受的,15%也不行,你的准确率不能只有85%或80%,但在美国我们往往会说,哥们你拿了个B过关了,我们接着去练扣篮吧,你四年级的内容刚刚掌握了80%,咱们来学五年级的东西吧,但正确的答案是不行,不行,因为之后所有这些问题,都会产生滚雪球效应,欢迎收听Huberman Lab,也就是Huberman Lab播客,在这里我们探讨科学。 [00:00:53]
Andrew Huberman:以及基于科学的日常使用工具,我是Andrew Huberman斯坦福医学院的,神经生物学语言科学教授,我今天的嘉宾是Joe Lehmann Alpha School的校长,这所学校采用了一种新颖的教育方法,致力于确保每个孩子都能触达,其知识与技能潜力的前沿,Alpha School的孩子们每天只花两个小时,就两个小时去学习他们必须掌握的内容,以确保认知知识没有任何漏洞,然后他们把一天的其余时间用来学习创业,并实际创办自己的企业,学习财务技能,以及沟通与人际交往技能,Alpha School的目标是根据每个孩子的独特需求,量身定制学习方案,但与学校里许多其他非传统教学形式不同的是,他们既不会让孩子只挑自己觉得最容易的学,也不会强迫所有孩子在所有学科上,都以相同的进度学习,所以这是一种真正独特的教学方式,Alpha School,孩子们的数据令人惊叹,Alpha School的中小学生,在全美学生测试中位列前1%,他们高中毕业时的SAT,平均分高达近乎满分的1530分,此外在校期间,许多Alpha学生就创办了非常成功的企业,营收达到数十万甚至数百万美元,在今天的对话中,你不仅会听到Alpha学生,是如何做到这些不可思议的事情的,更重要的是他们的学习方式,能如何让你无论是成年人,还是年轻人学得更好,以及为什么补齐我们每个人,在各个年龄段都会有的基础知识漏洞,既是可行的,也是完全可以通过正确的课程规划,以及对神经可塑性,也就是大脑自我重塑能力的理解,来快速做到的,所以今天的部分讨论,也会聚焦在这一点上,你还会了解到,不alpha school,绝不仅仅面向有钱人家的孩子,他们正在为各种背景,和收入水平的学生改变教育,Jolie Mant和她的同事们,正努力向教育工作者传授真实的数据,展示儿童和成年人,如何才能最有效的学习,并以无论在校期间还是离开学校后,都能让学生受益的方式进行教学,我必须得说,作为一名深耕教育领域的大学教授,我们今天的对话彻底改变了,我对课内和课外学习的看法,它还提供了一些工具,我现在就用它们来提高学习效率,而且我相信,它对你也会有同样的效果,在开始之前,我想强调的是,本播客独立于我在斯坦福大学的,教学与研究工作,不过这也是我个人的愿望,与努力的一部分,旨在向公众免费提供科学,及相关实用工具的信息,为了秉持这一宗旨,今天的节目确实包含赞助商,现在请收听我和Jolie Manta的讨论,Jolie Manta,欢迎你,非常感谢,很高兴来到这里,跟我们聊聊一百年前的学习和教育吧,因为那听起来像是很久以前,但其实并没有那么久远,然后我们以此为对比,看看你现在正努力。 [00:03:52]
Joe Liemandt:把年轻人的学习教育和学校带向何方,一百年前,我们当时在探讨的是,我们该怎样普及教育,两百年前,人人享有受教育机会,根本是不存在的,地球上的每个人并非都能接受教育,一百多年前,人们说让我们开始普及教育吧,我们说的是中小学基础教育,于是他们开启了工业化模式,他最早始于普鲁士,对吧,然后被引进来,而且其实当时争议非常大,如果你回顾过去,那是一个农业社会,而你却在说离开农田进学校去,当时最好的教育方式就是,把他们放进一个房间里,教他们读书写字,教室前面站着一个老师,这就成了那种模式,而今天这种教育模式,其实成了世界上最普及的事物之一,你可以去这条街最富裕的学区,或者最顶级的私立学校,都是老师站在一间坐满孩子的教室前面,你也可以去印度最穷的学区,楼虽然没那么好,但依然是老师站在教室前面,我们已经实现了受教育机会的普及,而我们现在想做的是,实现学习效果的普及,孩子们在这12年里学到的东西存在巨大差异,虽然他们可能都有学上,但学到的东西却大不相同,所以我们认为,由于新工具的出现,比如AI和各种技术50年100年来第一次,你可以重新审视并改变教育,在未来5年10年里,我们教育孩子的方式将会与过去50年100年截然不同,这就是我们正在做的事,打造那种模式,围绕他建起一系列学校,然后琢磨怎么把它推广到,十亿孩子那里,让每个人都能享受到,在我看来,我们往往是用里程碑的思路,在考虑问题,我的意思是,甚至在孩子出生前。 [00:05:49]
Andrew Huberman:只要能做B超,父母就会看,各项指标达到里程碑了吗,然后我们会考虑,生理上的里程碑,和认知上的里程碑,目前的学校教育系统里,有多少是建立在,真正合理的里程碑之上的,比如到了读完某个年级的时候,你就应该会阅读,应该会写作,我们所认定的关键里程碑,很容易发生变化,但我猜依然有一些,根深蒂固的里程碑,其实早就没有任何意义了。 [00:06:15]
Joe Liemandt:是的,人们心里有一整套里程碑,尤其是父母和祖父母,能理解的那些,就是你当年经历过什么,你理解的里程碑就是什么,比如孩子到了三年级,就该会阅读,过去是到了三年级,就得把惩罚口诀表背下来,在那之前,你得学会写草书,还有标准那些书本,对吧,你会去读书,高中会有推荐书单,你会去读,并且能理解书里的内容,而现在的情况是,我觉得教育领域之所以有很大不满,是因为那些标准下降了,出于很多不同的原因,他们把学术方面的标准给降低了,所以当你考虑成长发展时,会有行为上的标准,我应该如何表现,我应该掌握多少知识,还有那些非学术技能,不管是职业技能,还是必备的生活技能,比如理财素养,这些从30年前,50年前的情况,变成了今天的样子,大家普遍有一种广泛的不满情绪,不管是针对标准本身,还是学生是否达标,以及他们到底能不能达到那些标准,这就引发了改变教育系统的巨大需求,这算是一半的原因,另一半是大家看着AI这类东西,在说世界真的不一样了,即将到来的世界真的大不相同,这确实让父母们意识到,我当年经历的那套教育系统,根本无法让我的孩子,为未来的世界做好准备,我们正在各地建学校,做教育,所以我和很多家长聊过,当我跟高三孩子的家长聊天时,他们已经快到终点了,他们只是想让孩子,怎么说呢,赶紧顺利毕业,所以他们就觉得无所谓了,反正我快熬到头了,但当你跟幼儿园孩子的家长聊时,他们是在往前看未来12年,他们坐在那里会说,现有的体制绝不可能让我的孩子做好准备,他们有很高的要求会说,我们必须做点不一样的事,我听到外界有一些非常两极分化的观点,一种是你在YouTube上就能学到你需要的所有教育,我觉得这不是真的。 [00:08:25]
Andrew Huberman:我认为一个人如何利用技术,尤其是公开可获取的技术来获取信息,是至关重要的,对吧,因为看YouTube视频,既可能毁了你的生活,也可能在某种程度上,为你的人生打下基础,但这两者差距太大了,所以我不同意那种说法,我还想为我们接下来的讨论,定一个背景,那就是关于做自己热爱的事,还是做那些学起来很痛苦的事,大家的分歧也非常大,就李承辈和标准而言,我小时候的观念是,如果你想往前走,至少在某方面,得达到一定的自制水平,但你可能更有音乐天赋,或者更偏向工程科学和数学领域,或者偏向别的方向,这都没关系,但每个人都必须达到及格线以上,才能往前走,我觉得现在主要是因为,在这两者之间的争论,我们到底是对孩子过度浇灌了,还是逼得太狠了,让我觉得现在的整个局面有点混乱,那么关于孩子们喜欢做的事,与不管喜不喜欢,都绝对应该做的事,Alpha School的理念是什么呢,而我就是后一种理念下成长起来的,你必须学那些东西。 [00:09:33]
Joe Liemandt:因为你不得不学,然后你再去寻找自己热爱的东西,最终试着去过好自己的人生,对,这些问题提的很好,对于这两个问题,我们都有很明确的观点,第一个问题是,既然YouTube上什么都有,或者你能在网上学麻省理工学院的课,科罕学院也是,那为什么不是人人都拿着麻省理工学院的文凭,公开课资源本来就在那,图书馆也一直都存在。 [00:10:00]
Joe Liemandt:每一本教材,你直接去图书馆就能看,学校的意义远不止这些,而且我认为说的明确一点,十年后,二十年后,90%的家长,还是会把孩子送到一栋大楼里,在那栋大楼里,会有其他的孩子和大人,学校的这种运作方式,学校的那一部分功能,是社交,对吧,这远比单纯坐着,看个YouTube视频,要丰富的多,关键在于动力,材料唾手可得,但动力并不是,对吧,或者说那种体系并不是,而学校提供了很多这方面的东西,所以这就是我们的看法,我们认为在如今,动力占了学习的90%,回到日常的观点,如果我们做对了,你的孩子在那栋楼里待的六七个小时,会彻底不同,并且比我们当年的经历好上十倍,然后第二部分是关于标准,以及是热爱学校,做自己喜欢的事,还是等等,其实是一场苦差事,这是我个人的亲身经历,Alpha并不是我创办的,我是校长,现在进入了第五年,它是12年前,由Brian和McKenzie创办的,家长们总是想按自己,当年受教育的方式来教育孩子,哪怕他们当年,其实也没那么喜欢那种方式,我当年上的是天主教学校,我有两个女儿,他们之前也在天主教学校,McKenzie创办了这所学校,他跟我说,你一定要来我的新学校看看,我看了看心想,这学校完全是个古怪又粗糙的地方,根本不可能,你看到了什么让你觉得,教室前面根本没有老师,我想这简直不可理喻,对吧,而且什么,他们居然要靠一些软件来学习,那些女孩一边倒立一边背生词,我想我可是在标准的传统学校体系里长大的,那太奇怪了,他其实花了两年的时间才说服我,我确实看到自己的一个孩子在传统学校里学得很吃力,后来发生的事是State Gabriel在五月底放假了,而Alpha还在上课,我的孩子们本来打算去夏令营McKenzie说服了我女儿,他说你在去夏令营之前何不来Alpha体验一周呢?我女儿们也在那儿,会非常有意思的,我说你们大夏天的想去上学,行吧,于是他们去了一周,周末回来时,他们说,爸爸,我们不想去夏令营了,我们想回Alpha,我觉得这是我听过,世界上最不可思议的事,居然有人想去上学,而不是去夏令营,这对我来说是个信号,我觉得他们这里,确实有点东西,当时孩子们上二年级和四年级,我想那就试试吧,那是十年前的事了,对我们来说确实挺有效果的,这个我们稍后再聊,不过我把我女儿们送进去时,我和Brian聊了聊,我问作为家长,我有什么没理解的,他说有两点,第一,你的孩子必须喜欢上学,我说这根本不对,上学就像吃菠菜,你硬着头皮熬过去就是了,对吧,就是这么回事,就像吃菠菜,你得硬熬,我是说,有时候还行,但你就是得硬撑着熬过去,他说,不对,总有一天你会明白的,你会在你女儿身上看到,孩子必须喜欢上学,我说还有别的吗,他说有,你的孩子拥有的潜力,远超你的预期,远超你的想象,我说哦,这不对,我说我有点像个虎吧,比如我觉得我的孩子会做成很多事情,你看我的期望真的很高,他说他们会让你大吃一惊的,我觉得围绕alpha,让人特别困惑的矛盾点就在于,孩子们喜欢上学,比如我们对孩子们做出三项承诺,第一项就是,你会喜欢上学,我们做过问卷,90%多学生都说,我喜欢上学,对吧,过去一年左右,我们其实开始问一个追问问题,那就是,你更想去上学还是去度假,根据去哪度假,哪个学期,以及我们的工作坊办的有多好,有40%到60%的孩子说,我宁愿去上学也不去度假,哇,作为一种标准,比如喜欢上学,哇,当你让孩子们参与进来,而且你想到自己要把他们送进这个体系读12年,作为家长,你自然希望他们能喜欢他,所以有这方面的原因,但现在我们来聊聊做困难的事,孩子们想做困难的事,孩子们必须做困难的事,你看当我和那些担忧的家长沟通时,因为我们的成绩太拔尖了,我们是全美学术第一的学校,每个年级的每个科目都是前1%,对吧,我们高一荣誉班的SAT成绩,高一学生大概在1400分,这比全美几乎所有高三班级都要好,你们高一学生的SAT就能考1400分,荣誉班是这样,我高一的荣誉班通道是SAT1400分,所以我们的学术成绩很好,家长们就会问等等,这是那种高压力高标准吗,我们会向他们解释,让孩子快乐的关键在于高标准,如果我标准很低,我根本不可能办出一所,让他们爱到超过放假期的学校,这就是那种矛盾,对吧,那种张力,正是Alpha School的神奇之处,也是家长们需要去理解的精髓,因为真正能吸引他们的是,他们想去做事情,孩子们觉得自己很棒,而他们也确实很棒,但需要把他们放在一个能和朋友们一起去做困难事情的环境里,在那种环境下,他们就会下苦功,他们会去做困难的事,在美国我们的看法很不相同,我们对待学术的态度和对待体育的态度有点分家,如果我们把美国的体育精神和运动精神拿来应用在学术上,我们能解决这个国家的所有学术问题,比如在我所在的Austin Westlake High School的橄榄球队,要去拿州冠军了,对吧,他们非常出色,每个家长都会想,我要让我家孩子进那支球队,因为这会是他们做过最困难的事,因为他们必须更拼命的训练,过程会很疯狂,但这会是他们经历过最有趣的事,而且他们一辈子都会记得,我们对体育深信不疑,你也可以把教育做成这样,而我们正在打造的正是这件事,所以我们两者都信,也就是高标准,对吧,才是让人热爱学校和获得快乐的原因,我知道你之前请过Dr. Yeager,对Dr. Yeager其实他的书《十途二十五》,The Science of Motivating Kids,讲的全都是高标准和高支持,而正是这种结合才是你希望从学校里得到的,这也是我们所打造的,我们的AlphaGuides培训就是他设计出来的,我们学校里的所有成年人都遵循那一套高标准高支持,也就是他的导师思维体系,而大多数家长往往走入两种极端之一,他们要么是高标准低支持,我直接把孩子扔过去,就指望他表现优异,这样不好,要么就是低标准高支持,我绝不想让我家孩子有任何压力,那样也很糟糕,真正的答案是两者兼顾,学校应该这样做,学校应该既有高标准又有高支持,回到我用的体育比喻,优秀的教练就是这么做的,美国有成千上万部电影讲的是,我们的球队排在最后一名,然后来了一位教练,他说我知道我们排在倒数第一,但我们明年要拿州冠军,整部电影讲的就是,他如何靠着高标准团队合作,和刻苦努力,让球队彻底翻盘,他们做到了,然后他们赢了,但讲学业的这类电影在哪里呢,我觉得大概也就三部吧,我们都知道培养孩子就得这么来,儿童发展专家会坐下来跟你讲,培养孩子的核心,就是在有爱心的成年人支持下,让他们在通往成功的路上,经历挣扎和失败,你只需要把这个循环跑起来,你跟大多数家长聊,他们都会说,我孩子宝贵的人生技能,都是在课外体育运动里学到的,家长们会觉得没错,他们肯定会遇到困难,他们会失败,会输掉比赛,什么情况都可能发生,但这是走在通往成功的路上,我选这位教练,是因为我知道,他关心我孩子能不能成才,而且他会在旁边支持他,在学校剩下的七个小时里,你就应该这么做,跑同样的循环,我想补充一点经常发生的情况,尤其是从幼儿园开始的时候,孩子们在通往成功的路上,经历挣扎和失败,有时还会哭鼻子,身边有一位,关怀他们的成年人提供支持,显而易见,孩子一哭,家长心里就很难受,那个挣扎的环节,正是让家长产生,我不想要这种挣扎想法的关键症结,因为你听到这个会觉得,好吧,你为什么不直接做呢,这听起来不合逻辑,你为什么不去做,你会想,当你是家长的时候,孩子一哭,你就想去保护他们,确保他们是安全的,所以你必须确保,他们身处一个你觉得安全的环境,那里的负责人要确保不会降低标准,不会让他们直接放弃或随处闲逛,在Alpha,我们有一些很棒的实践活动,去年有85%的Alpha家长说,我看到我的孩子做到了,我以为在他这个年纪,完全不可能做到的事,又回到了高标准,其中一个是,我们的幼儿园孩子攀爬了,40英尺高的岩壁,在我们旧金山校区,他们学会了骑自行车,一口气骑了五英里,穿过金门大桥,中途完全没有停下。 [00:20:01]
Joe Liemandt:针对这些生活技能,我们设立了所谓的alpha tests,入学十周后,那些幼儿园的孩子们就在往上爬了,你知道,有时他们确实会爬到一半卡住,坐在那里很担心,家长就想冲上去救他们,我们总是告诉家长,看着就好,因为这正是这所学校的意义所在,他们的alpha guide就在岩壁底部,指导他们往上爬,最终也许他们得在那里等一会儿,也许在挣扎时还会抽气几声,但随后他们会想我能行,然后在底部Alpha Guide的支持下爬到了顶端,当他们成功之后下来,对吧,敲响铃铛走下来的时候,那孩子脸上洋溢着自豪,他们的父母也满脸笑容,这就是为什么大家会对这所学校如此狂热的喜爱,为什么会有这么多人到处推荐,为什么所有人都在讨论Alpha,就是因为家长们,亲历了那个过程,看到自己的孩子茁壮成长,而且是通过,做这些困难的事情成长起来的,这就是我们需要,为孩子们搭建的环境,因为这才是培养孩子的方式,想想古代社会,对吧,每个社会都有成年礼,那些都很难,重点就在于,在成年人的支持下,你在通往成功的路上,经历了怎样的挣扎和失败,教育体系需要成为,也理应成为这个样子,我们在体育上做的很多。 [00:21:27]
Andrew Huberman:但在学术教育上做的不够,你刚才讲的内容,包含了非常丰富的信息,让我用下面的方式来梳理一下,我之前听你说过,刚才你也稍微提到了一点,就是在美国,我们教孩子适应生活的方式,大多是通过体育而不是学术,我完全赞同,在之前听到你和Patrick O'Shaughnessy,对话里说出这句话时,我心里就想,没错太对了,而且这跟学术方面的对比非常鲜明,因为我觉得大家普遍有种观念,认为孩子到了高中,擅长某些科目就是擅长,不擅长的就是不行,而尽力就好这句话,听起来像是支持,听起来像是有高标准,但其实两者都避开了,所以我们或许可以更具体的深入聊聊,在家庭教育层面,甚至在同伴层面,真正的支持到底是什么样的,我想象中的高标准可以是,我们用零到十的刻度,设定一个任意单位,然后说零分代表你永远成不了大气,大家都同意,这不是一个好模式,十分则是你想做什么,想成为什么样的人都行,我们在美国相信这一点,而且也有例子支持这套十分模式,这也不完全是对的,对吧,这不完全是真的,我以前上一所竞争很激烈的公立高中,我班上有几个体育奇才,有一对双胞胎,John Cannon和John Cannon,大家可以去查他们,其中一个成了圣河赛地震队的守门员,另一个在高中时就能投出,时速超过100英里的快速球,我忘了他是为哪支队效力了,可能是水手队还是别的队,但不管怎么说,他成了一名职业投手,他们的小弟弟Colt Cannon,后来开始玩滑板,八个月后,他就有了签名款滑板,或者说他先进了车队,然后有了签名款,也许拿到签名款没用上八个月,但那个家里肯定有什么过人之处,对吧,而且他们的学习成绩也很好,但恕我直言,他们谁也没成为斯坦福大学的教授,但他们很可能本来是能做到的,但我们不得而知,所以我们有这样一种模式,认为就像在体育运动中一样,某些基因确实起到了作用,家族血统起到了作用,我们现在对这种讨论还挺能接受的,但你能成为任何你想成为的人,这是最高标准,介于两者之间的某个点,可能就是你会告诉我是最有效的,因为我们有时必须把现实考虑进来,但支持这件事对我来说,完全是摸不着头脑的,因为我们知道什么是零分,对吧,你自己想办法自己做早饭,自己去上学,那不是支持,对吧,然后另一种则是,我要插手替你把所有事情都做了,我来替你攀岩,我来替你写作业,而我们知道那样并不好,我们其实并没有清楚的界定,什么是真正的,切实有用的支持,并把它标准化,所以也许你能拓展一下我们的思路。 [00:24:16]
Joe Liemandt:讲讲它可能是什么样的,或者你认为它是什么样的,太好了,而且我觉得这个框架非常好,我们先聊聊体育这边,然后再转过去,因为这就是发生改变的事情之一,我们提供支持的方式,或者说是训练,也就是教育,教学的方式,发生了巨大的改变,让我们在学术上,也能达到体育运动那种水平,所以在体育运动中,对吧,我们确实知道,我们知道存在生理上的限制,你有你的故事,我女儿读初中时说,我要成为世界上最优秀的排球运动员,我要在斯坦福大学打首发去那里打球,这激励了他促使他前进,每天下午他都在训练,当他上了高一,他说我不够高,我从身体条件上来说就是不够高,我打不了我那个位置,四年后斯坦福大学绝不可能在这方面录取我,所以尽管他已经变得非常优秀,也算是触到了自己的极限,所以我们认为确实存在,你看决定你极限的生理限制,但在体育方面,我们其实知道怎么带你达到极限,这就是差距所在,这就是为什么在美国,我们通过体育做了这么多,能让孩子达标的事,我们不会说,嘿尽力就好,我希望你成为一名优秀的篮球选手,或高尔夫选手,你不会看几个YouTube视频就觉得,我现在大概是全世界最好的高尔夫选手了,你有教练,我们有一套能带你达到那个水平的训练体系,而且我们知道怎么去教,对吧,我们知道该怎么指导,对吧,你肯定不会让孩子去参加一个这样的运动队,对里说,对我们这里做的是探究式训练,我们不教你,我们只让你进行有成效的挣扎,自己去摸索,这种事我们在学校里经常做,这不是教人的有效方法,对吧,一项运动,你会说教我怎么防守,一步一步教我,给我必要的指导,让我能做得更好,这样我就能把这个位置,打得很完美,Nick Saban会说,按我说的做,守好你的位置,在学术方面,不同之处在于,我们是一个老师,站在教室前面,站在教室前面的老师,只能给所有人,提供中位数的教学内容,想象一下,你美式橄榄球队里的,所有不同球员,接受的都是完全一样的指导,你会觉得四分位需要的,和外接手要的肯定不一样,但老师就坐在那里,不得不给所有人,25个30个,不管多少人,提供一模一样的指导,这就是现在的不同之处,如果你想想,为什么我们能实现,人人享有教育,却没有实现人人学会,我们做到了普惠入学,但没有做到普惠学会,这是因为孩子们,需要个性化教学,真正落实到具体每一个人,因为至少在我读的高中,某些科目是有荣誉班体系的,所以他做了一点分层,如果有人在某方面,真的很熟练,你就能进荣誉英语,或荣誉数学班,然后你身边就,全都是表现更好的孩子,所以平均水平变了,基本上是这样,所以个性化辅导,回想一下柏拉图和苏格拉底,亚历斯多德,亚历山大大帝,个性化辅导是最好的模式,一对一模式是最好的模式,导师制模式,师徒模式,那是最好的模式,它不够划算,这就是为什么一百年前,当要普及给所有人时,你会觉得我不可能给每个人都配一个专属老师,所以30比1就是当时社会能负担得起的水平,家长衡量学校的首要指标就是班级规模,而且越小越好,因为你最终追求的是一对一,所以20比1比30比1好,10比1比20比1好,5比1比10比1好。 [00:28:03]
Andrew Huberman:而一对一就是最好的,说到在家自学,因为我知道现在很多人对此感兴趣,但并不是每个人都负担得起,关于在家自学的成果,数据是怎么说的,那些孩子表现好吗。
Joe Liemandt:还有我想知道是按什么标准来衡量的,在家自学完全是双方分布的,也就是他们在家自学,是为了追求高标准,还是不是,有很多在家自学者会说,我不喜欢标准化考试,我不喜欢标准化的课程大纲,我拒绝那一整套体系,所以那些人在这一类事情上,表现都很差,那些学生掌握的学术知识水平很低,因为家长基本放弃了那一块,说我只在乎生活技能,而对于真正重视学业的家长,那些孩子表现极好,有以前当过老师的人,在一对一的环境下,给自己的孩子做自学辅导,他们能教得好得多,不过在家自学,在社交方面依然有它的价值,而因为我们学校既有这些高标准,又有生活技能,实际上有很多在家自学的人过来,他们说,哇这就是我一直在找的教育体系,因为我既能在学术方面得到高标准,又能把整个下午都用来学那些,我以为只有在家自学才能获得的生活技能,你想做到一对一,这才是关键所在,那我们就顺着这个聊聊,因为我们还没怎么聊过学术那一块,是什么样的突破,让我们能够改变50年和100年前的那种教育方式,那就是学习科学,有一个完整的学习科学领域,对吧,你可以看认知复合理论,认知科学,80年代有一篇著名的论文,讲的是布鲁姆双Sigma问题,他在里面提到,如果你给一个学生配上个别辅导,直到完全掌握的水平,孩子们就能达到两个Sigma的学习效果。 [00:30:02]
Joe Liemandt:对吧,两个Sigma,就是前2%,我们能让每个人都达到,所以说到前沿水平,他基本上是在主张,你如今可以让每个人都达到前2%的表现,假设有很强的动力,没错,关于这一点掌握程度,其实是每个人都忽略掉的部分,如果你找的家教不是基于掌握程度来教的,你是达不到前2%的,一个Sigma来自辅导老师,一个Sigma来自掌握程度,这一点我们之后还会再聊,我们在体育运动里都认可掌握程度,但在教育里我们却拒绝它,明确的拒绝他,而且你实际上两样都需要,你需要以达到掌握水平为目标的,情景化个别辅导,才能取得那样的表现,而现在有了AI家教,就能以具有成本效益的方式,给每个孩子提供完全量身定制,符合他们当前水平,且以掌握为目标的课程,这就是能让孩子们学习速度,快十倍的奥秘所在,在我们学校,当我们说自己是学术表现最好的学校时,我们是排在前1%的,我们每天只用两个小时就做到了,我们的普通学生,不用在教室里做六个小时,再去写作业,他们坐在AI软件前,每天花两个小时,去年普通孩子,每天在这些软件上花121分钟,学到的东西是原来的两倍多,比起他们坐在教室里,六个小时还要写作业,学到的东西,所以单看这些标准,取决于课程之类的,大概是正常速度的五到十倍,因为你面对的是每天六个小时加作业,对上两个小时,而且你的表现水平还超过了他们,普通学生学到的内容是他们的两倍,你能不能把这孩子学121分钟的画面,给我们描绘的更具体一点,大概讲讲他们具体都在做些什么,是由一张真人面孔在教他们,还是通过文本提示词,具体是什么样子的,首先关于这一点要特别说明的是,当人们想到AI和聊天机器人时,他并不是聊天机器人,如果你把聊天机器人放到普通的学校里,90%的孩子都会用他来作弊,不管你处于哪个年级,我记不清是哪所长春藤盟校的教授,安排了一场线下的期末考试,对吧,他组织了一场线下期末考试,感觉几乎除了两个人之外,全班都挂了科,他们只是用ChatGPT来写论文,他们根本不读书,他们只是让ChatGPT给出书的摘要,现在有一股呼声要求全面禁用他们等等,虽然我们是一所AI学校,但如果使用不当,就像任何技术一样,他们也会带来坏处,你应该这样去想,你所知道的东西是你能够做什么的基础,因此能够打好基础,并在这个基础上继续构建是至关重要的,所以如果我学的内容太难了,对我来说实在太难了,你哪怕整天拿给我学,我也学不会,回到我的领域或者你的领域,如果你让我做一份MCAT,我连卷子上的词都不认识,你可以跟我说要坚毅,要有成长性思维,或者你想说什么都行,但我就是考不过,你必须得把我拉回到大一生物的水平,告诉我,这才是你目前的水平,然后从那里开始逐步培养我,让我能够做到那一点,这就是我们现在的教育系统存在的问题,我们招来八年级的学生,给他们讲八年级的内容,因为法律规定,八年级老师就得这么做,他们必须站上讲台,去讲八年级的内容,你看如果你看一下统计数据,那个教室里,其实坐着应该读七年级,六年级五年级的学生,因为新冠疫情,甚至还有一些人,应该去读四年级和三年级,因为发生了那么多学习退步,他们根本就没学会,对吧,我们有些孩子,在三四年级的时候,就没学会怎么阅读,天哪,所以我们现在还在纳闷,为什么所有的成绩曲线都在往下走,这就好像是他们都在读八年级,被灌输着八年级的内容,但根本没有人教过他们怎么阅读,或者教过别的东西,说到降低标准,他们取消了背成法表,取消了阅读科学和自然拼读教学,他们拿掉了一些基础的东西,这让孩子升到更高年级的时候,简直要命,这么做的逻辑是什么,为什么会发生这种事,里面有很多争论,我觉得没有一个明确的答案,我认为归根结底,是他们没意识到这有多重要,比如学习的科学,如果你去和普通老师聊聊,看看教育学院都在教些什么,认知复合理论,对吧,还有认知科学,以及这些背后的原理,都不是他们课程的核心部分,所以这些老师根本不知道,比如我们开学前,刚刚办了教职工培训日,我有几百名老师,这些都是全世界最优秀的老师,对吧,我们是全美老师最想加入的雇主,我就问,你们有多少人学过直接教学法,这是其中的一个概念,结果只有5%的人举手,还有一个project follow through,这是70年代的一个大项目,是史上规模最大的,关于有效教学方法的教育研究,我就问,你们有多少人读过project follow through,比如读研的时候读过,结果一个都没有,当时有一位老师,他以前是休斯敦学区的骨干教师,他加入了我们,现在是一名alpha guide,在培训日之后,我看到了他发的一条推特,他说听了Joe讲了六个小时,我学到的东西更多,顺便说一句,我有全世界最好的学习科学团队,在帮我学习,听Joe讲了六个小时,孩子是怎么学习的,我学到的东西比我读硕士,甚至读博士学到的还要多,而且现有的课程里,我们缺乏这方面的知识,我们必须解决这个问题,根本就没有这些内容,难道当老师就没有一本统一的教材吗,我的意思是,比如有人想成为神经科学家,或者只是想拿个神经科学学位。 [00:36:12]
Andrew Huberman:他们都会读,Lietzen-Lowe写的神经生物学原理,或者以前有,Kendall-Jessel-Schwartz,合著的神经科学原理,我想坐这里还有别人,但大家基本上都读这些书,学电生理学就读Bertolt Hiller的书,生物化学就读Stryer的书,这些书在到处都在用,所以不管你是在某所州立大学,还是在斯坦福大学,都没区别,基本上所有人一开始受到的教育,都来自相同的教材。
Joe Liemandt:没错,所以你去参加一个大型国际会议,大家都多多少少懂得动作定位是什么,教育领域可不是这样,所以我们的教育体系,不是基于事实的,这听起来很疯狂,但有一所全美顶尖教育学院的院长,在谈到事实在教育中的地位时,放了一张伽利略受审的图片,他说这是一场宗教战争,关于这些事情的审判并不是基于事实的,这背后有大量的证据,比如拿加州大学系统来说,加州大学各分校到底该不该用标准化考试,是不是有很大的争议,标准化考试有用吗,他们是好东西吗,是指用来入学还是用来升学,用来入学,比如你该不该,其实还有一整套讨论,就是孩子们该不该通过标准化考试,才能高中毕业,高中毕业到底该不该要求通过考试,这本身就是个争议,这并不是什么既定事实,那当你招学生进大学时,就有一种观点,我们该不该要求标准化考试,我想大概有2000位教授,具体数字我记不清了,但2000位教授都觉得,对我们应该用这些考试,但董事会投票决定,不我们不用这些成绩,围绕这些事情做出的各种决定,都不是基于事实的决定,它是一种主观观点,它是我在乎的是不同的目标,我试图在学业之外的,某些方面进行优化,学校的目标并不是学业,你看教育领域,这是一件非常复杂的事情,对吧,学校的目的是什么,培养一个孩子到底是什么意思,学业重要吗,所以当你想到这些基本的事情,比如孩子被惩罚口诀表很吃力,我担心他的心理健康,于是我就跟他说,别担心这个了,你就会想,这真的会影响他学代数,他代数肯定学不好,就像那些在家自学的人,觉得我不在乎学业,学校里也有些家长是这样,我在教育领域学到的一件事,尤其是当了校长之后,首先就是,我对所有管理这些学校的人,都抱有极大的同理心,你看在奥斯汀,我们关掉了一批学校,对吧,很多公立学校都在关闭,关闭的原因是达不到学业标准,连续五年都不达标,他真的就是教不会这些孩子,这些八年级的学生,阅读水平甚至达不到三年级的标准,所以州政府和学区就觉得,我们需要关闭这所学校,把孩子们送到能教好他们的学校里去,然后有一位妈妈非常愤怒,对吧,她在会议上说,我不在乎那些,我在乎的是,我大女儿读七年级时,遇到了某位老师,对吧,遇到了这位改变了他人生的好老师,我希望我的小儿子,也能跟同一个老师学,就算这意味着他们数学学不好,也无所谓,但政府的规定,公立学校体系的规定是,我们出资是为了让他们在学业上受教育,家长的诉求却大不相同,如果你是校长,你的家长们就会说,我不在乎那个,现在我相信你可以做得更好,把这一切都兼顾好之类的,但从根本上说,为什么加州大学的董事会要说,我们不用标准化考试了,2000位教授都说要用,但也有不少教授说不要用。 [00:40:00]
Joe Liemandt:然后你就会陷入关于学校角色的各种争论,这种讨论一直都在,接着甚至在学习科学上,探究是学习还是直接教学法,教育界围绕哪个更好展开了一场巨大的派系之争,所以这些因素就是为什么事情并不显而易见,这也属于刚进入这个领域的出来者状态,我的一部分诀窍,以及alpha受到这么多关注和讨论的原因,就是我们教孩子的速度快了五到十倍,有一套学习科学一直没,对结果摆在那里,结果摆在那里,我们正在证明一套以前无法落地的学习科学,大家就会觉得,哇如果这真的是真的,那为什么所有这些优秀的学习科学家,都会跑来和我们合作,因为他们看着这些数据,心想天呐,这些数据是突破级的,我们以前根本做不到,对,当你思考科学以及化学,生物学物理学等学科的发展时,他们也经历过,类似教育领域的时期,也就是存在争论,就像伽利略受审一样,对吧,一切都说不准,医生们还在给病人放血,用水质,还觉得这是个好主意,能强身健体,对吧,你就会觉得,哎呀,这真的挺好,对吧,毕竟那是最好的医生,他都说要怎么做,就像现在的情况,也还有点类似,还没定论,而在这些学科里,都出现过某种仪器,或技术的发明,从根本上改变,并推动了这些科学的发展,比如显微镜,光学显微镜,望远镜,在化学里,则是分析天平,让你做实验,不至于把自己炸飞,这些都推动了,那些学科的发展,而现在在教育领域,AI第一次让我们能够做到,更精细的测量,那些工具带来的就是更精细维度的测量,对吧,显微镜让我能看到细胞,对吧,我就会觉得,我开始理解这背后的运作机制了,而AI因为是一对一的,正在为我们提供一个,学习科学界,教育界以前从未拥有过的数据回路,而我们现在拥有了,这是一个闭环,正是这个神奇的数据回路,让我们在教育上取得了五到十倍的提升,因为它是我们的显微镜,是我们的望远镜,不过这不是聊天机器人,光靠聊天机器人可做不到这点,但如果你为每个孩子生成个性化的课程,我们退一步来看,老师站在讲台前教课是什么情况,老师站在全班面前的问题就在于,干扰因素太多了,对吧,你的数据,你的教学效果完全是由课堂上的各种随机因素决定的,而不是学习科学本身,所以如果我想出一个学习科学的新点子,交给讲台上的老师去教,首先他们教的方式到底对不对,教学方式本身合不合理,面对的是30个人,前置知识很重要,如果我不会带数,你就不能直接给我上一堂化学课,而且学生们具备所需的前置知识吗,其次学生们有动力吗,他们是不是在转椅子,根本没在听,实际的教学效果,全被这些因素主导了,而不是学习科学的概念本身,而在我们的体系里,孩子们能在软件里,非常专注的学上两小时,我知道当我给出一堂课时,我能衡量他们的参与度,能看出这堂课好不好,因为我知道他们紧接着,做题的表现如何,之后我还能再测他们,因为我有间隔重复,能在后续进行回忆测试,我就能判断,这是否真的转化成了长期记忆,我就可以说,这真的管用,所以学习科学里有不同的理论,比如直接教学法的概念,比如是应该让孩子去经历挫折摸索,还是应该直接教给他们,如果不经历挫折摸索。 [00:44:04]
Andrew Huberman:你怎么能直接教会他们呢,按我对神经可塑性的理解,这是我研究的领域,虽然不是专门针对教育场景,但如果大脑或身体能完成某一件事,一个动作或一个认知过程,一道数学题,它就没有改变的理由,犯错的信号才是真正推动改变发生的契机,所以没有错误,就没有挫败与挣扎,而没有这种挣扎,就没有学习,所以我想象不出一种情况,能在孩子或成年人完全不感到,某种程度的轻微焦躁的情况下教会他们,他们可能会慢慢学会。
Joe Liemandt:把这种感觉当成兴奋和好奇,但必须有某种程度的警觉激活,也就是我必须动脑子了,对吧,必须被逼到能力的边缘,投入度,没错,投入度和注意力,对吧,你必须有投入度和注意力,完全就是你说的意思,犯错确实很重要,我们也可以聊聊那方面,但我们先举个例子,我给你一道数学题,不给任何指导,自己想出来,这是尝试学习的一种方式,更好的学习方式,更快的学习方式,是给他们一个范例教学,也就是演示给他们看,然后你逐步拿掉范例里的一部分,让他们逐步往上走,到了最后,他们不需要任何脚手架,就能解除这道题,这是个脚手架的问题,这比直接跟孩子说,祝你好运教得更快,所以在某种意义上,这就是开头给个例子的,渐进式学习,所以那就是范例教学,就是一个很好的例子,然后你还有间隔重复,也就是每个人都有一望曲线,而且因人而异,又回到那个前沿曲线上去了,所以隔多久,就在你快要忘记之前,去提醒他们一下,如果你这么做几次,他就能让你从长期记忆中提取出来,以后你需要他的时候,他就会在那里,所以我有范例教学,然后有间隔重复,现在有一个争论,而且一直有争论,就是你需要所谓的反复刷题,也就是初次掌握吗,也就是你第一次学的时候,必须达到初次掌握吗,还是说你可以不学到掌握,但随着时间推移,通过间隔重复,到了第三次或第四次,就能达到等同于掌握的效果,你对掌握的定义是大概95%或更高,对,所以这周围一直有争论,你在学校里没法测这个,颗粒度太细了,我们过去一年其实测了,我们的学习科学家,因为发表的那些论文,其实非常倾向于认为,你不需要初次掌握,靠间隔重复就行,有意思的是,到了年底,我们看了一下成绩,基本上在8到12年级,光靠范例教学和间隔重复,成绩就表现得非常好,因为一旦进入代数,多步骤题目,范例教学就非常管用,但在4到7年级,效果就没那么好,因为题目更简单,所以你欠缺的是,你更需要初次掌握,因为范例教学没那么重要,所以比如今年,当我们看到成绩下滑时,我们就把初次掌握又加了回去,这样你就有了范例教学,有了初次掌握,然后还有间隔重复,而这两者之间的数据集,在外面是根本不存在的。 [00:47:21]
Andrew Huberman:在我看来,这个数据集对Alpha School以外的学校,也会非常有价值,光是去搞清楚,无论孩子们平时在学什么课程,你说的是四到七年级,对,也就是他们需要达到。
Joe Liemandt:95%或更高的熟练度,英国文学,微积分这类东西,如果他们在学这些的话,你是说,如果他们不需要达到掌握,那他们需要达到什么程度,他们一直都需要达到掌握,初次掌握始终都很重要,它始终都是重要的,所以无论是学词汇,还是背单词,就像刚才那个例子,阅读理解能力,其实取决于词汇量,你看我们现在能测量了,如今要想在SAT英语上,考出好成绩,或者掌握好英语,最好的办法就是大量读书,并且查出你不懂的生词,并且别,然后你的语文部分就能拿高分。 [00:48:13]
Andrew Huberman:你就会就像GRE语文一样,理科生往往都会觉得有点棘手,你会觉得我很担心GRE语文,然后你就直接去读一本书,一本好书,在每一个你不认识的单词下面,划线查清楚,然后列一个生词表,我现在还留着那些生词表,然后你要是大家真这么做,最终都能考到前10%以上,没错,是的。
Joe Liemandt:所以那些在SAT上成绩优异的好学校,都有非常出色的文学课程,对吧,他们有名著阅读项目,你看来看看我们的书单,这是所有孩子要读的书,因为读书能带动词汇量,进而带动分数,它也能带动知识的获取,在我们的应用里,我们完全可以确定,好吧,我们可以直接教你这些词汇,我们其实发现,你面临的问题在于,当你拿一个生词,就像用抽认卡背单词那样,你并不知道它的边界,比如happy和esthetic之间有什么区别,如果你只是在刷抽认卡,你根本分不清语意的适用范围,这就是你能从读书中获得的东西,当你读完一万页,你就会恍然大悟,我现在懂esthetic和happy的区别了,对吧,知道这些词汇的边界在哪里,你就是这样建立起丰富的词汇量,对吧,以及深厚的阅读理解和能力,这就是其中一点,比如现在在我们的应用里,我们可以直接给你生词,展示它的边界,直接帮你弄懂,这种方式比你读书,遇到生词再去查更有效,回到所有这些不同的事情上,初次掌握非常重要,在所有事情上都是如此,我们甚至可以再深入一步,这里涉及到一些概念,也就是你是否解出过一次。 [00:50:02]
Joe Liemandt:你练习的够不够,达到掌握了吗,也就是你看,我能做三道简单的题,还是能做十道难题,能做十道难题才叫掌握,而且就算我能做这十道难题,一个月后我还能做出来吗,对吧,我是不是在前一天晚上,突击死机硬背的,因为突击死机硬背是不行的,提前一个月,提前两个月,我还能做出来吗,间隔重复解决的就是这个问题吗,还有第三个维度非常重要,这又要回到认知科学了,也就是大脑的运作方式是,你的工作记忆槽位数量是有限的,然后你还有长期记忆,而你的工作记忆槽位是有限的,你的注意力是有限的,你正在没错,那就是计算的地方,对吧,那就是你思考的地方,不过还有一个概念叫做熟练度,这是大脑科学里一个非常神奇的概念,对吧,它很神奇,也就是说如果你把某样东西记到完全熟练,当你使用它时,它不会占用工作记忆槽位,既然工作记忆槽位取决于智商,那不管你的大脑化学机制如何,想在自身前沿曲线上走得更远的最好方法,就是把东西记到完全熟练,这里有个例子可以参考,比如惩罚口诀表,如果我没把基础数学事实背熟,代数为什么会很难,如果我知道七八五十六,这根本不费力,对吧,你直接就知道,如果我不熟练,如果我必须去算七乘八,我其实就在占用我的工作记忆槽位,问题在于我只有几个槽位,所以当我做代数题时,我在做多步骤的应用题,我把槽位用在了不该用的地方,因为其他步骤还需要用到它,这就是为什么孩子们学到代数,开始感到吃力时,问题并不出在代数本身,问题在于他们三年级的基础数学事实,没学会,解决问题的办法,不是用更多代数题去轰炸他们,而是回去解决三年级的问题,我们这里最离谱的一个例子,是有个女孩数学SAT考了700出头,她反复去考,却总是一直犯粗心的错误,我就跟她说,专注,专注,你需要专注,后来我们发现,你根本没掌握基础数学事实,于是我们让她回去补课,对吧,去背你的惩罚口诀表,首先,回到改变教育这个话题,你很难让一个考710分的人相信,问题出在三年级的功课上,你更不可能说服他们的家长,对吧,我们的alpha guys,做了大量动力上的推动,才做到这一点,那学生本人呢,他对此是什么态度,他的态度就是,我不会去背,我没必要做那个,你看我数学挺好的,我都在学高等数学了,710分又不算差,虽然不是800分,但也是,不过他说,我不可能还需要去背惩罚口诀表,而且每个人都跟他说,这是粗心,你就是太粗心了,其实他只是工作记忆槽位不够用了,后来他回去把惩罚口诀表背熟,数学SAT考了790分,这非常契合我们对学习的,神经可塑性的认识。 [00:53:09]
Andrew Huberman:就像你说的,大家提到记忆总会觉得,这是海马体的事,它被传递到了大脑皮层,也就是熟练度这部分,我觉得关于释放工作记忆,曹魏这个概念,或许我们可以展开聊一下,我想大家会以为,就算这位年轻女孩,做惩罚多花了一点时间,她随后也能进入,这道题的下一步,这里面有两个问题,对吧,据我了解是这样,你可能会告诉我,还不止这些,一个是考试有时间压力,另一个是我们知道,专注能力也会受到,那些你没有刻意思考的,事物的限制,比如我们从手机的例子中,就知道这一点,我很想知道AlphaSchool是怎么处理手机的,根据一项很扎实的研究,我们知道如果手机屏幕朝下放在桌上,或者放在椅子下的包里,表现就会下降,但如果拿出房间,表现就会恢复,它并不会变得更好,而且我们知道,在每种情况下,学生都是能专注的,或者说这个人都是能专注的,我想这个研究是在成年人身上做的,但问题是他们没有足够的认知空间来展开想法,提出新颖的解决方案之类的,所以这其实不是专注力的问题,而是大脑在有意识和无意识的,同时进行运算,所以我的猜测是。 [00:54:24]
Joe Liemandt:它是能一步步推倒的,但某些更高阶的概念,没有变得清晰,对没错,工作记忆槽位的数量,就是你能同时思考的,独立信息块的数量,我举个别的例子,也许这也能说明问题,你的槽位就是有限的,会用光,如果你把它们用在某件事上,就没法用在别的事上了,某个数学题需要占用一定数量的槽位,比如我能预测你做这道数学题会吃力吗,而且根据你熟不熟练,它对你来说是不是太难了,哪怕我知道你懂这道题,哪怕你学过这些内容也知道怎么做,我也能看出你做起来会不会吃力,你可以拿有天赋的孩子举例,他们的工作记忆槽位最多,但在数学上,每个有天赋的孩子都会经历这个阶段,就是他们全凭脑子算,他们从来不把解题过程写下来,大家总是会说,你得写下来展示解题步骤,他们就觉得无所谓,我脑子里都能算出来,然后每个有天赋的孩子,在求学过程中的某个时刻都会碰壁,因为有些数学题,你就是没法在脑子里算,你必须得开始动笔写,而他们还没学会这个,他们学会的都是坏习惯,他们没有养成好习惯,没有掌握真正的好特质,面对一道多步骤题目,我到底该怎么一步步往下推倒,然后他们碰壁了,第一次觉得我做不出数学题了,这是神童没有一直保持线性轨迹,走向超常表现的原因之一吗,我的意思是。 [00:55:56]
Andrew Huberman:曾经有个神童跟我说过,因为他当时被称为神童,而且表现出了不起,做出了不可思议的事,我就不透露这个人是谁了,他当时立刻纠正了我,他说是前神童,我就说好吧懂了,但他说你应该去查查关于神童的数据,后来的结果并不是特别亮眼,我的意思是,有时候在极窄的领域里确实可以,但成年后的结果通常没那么亮眼,关于整件事我们应该深入聊聊。 [00:56:22]
Joe Liemandt:我们正在为有天赋的孩子建一所学校,目前学校体系里的很多问题,就是我们没有给这些神童足够的挑战,反而让他们觉得无聊,我们在教给他们世界上最差的习惯,所以我们让他们养成了12年的最差习惯,到后来连他们的天赋也克服不了这些习惯了,就像极具天赋的运动员染上了一身坏习惯,然后你就会发现到了MLB你就完蛋了,而我们对大多数有天赋的孩子就是这么做的,我们没有在教,他们没有受到挑战,对吧,他们坐在那觉得无聊,整个课程里每个问题他们都能随手答出来,而不是在他们三四年级的时候,就给他们有挑战性的难题,让他们不得不去学所有正确的技能,这样他们才能不断进步,而且在我们的文化里,我们对有天赋的运动员的关注,要多上一百倍,当上Wesley橄榄球队的四分位,可比当那所学校成绩第一的学生,风光多了,在美国是这样,对我们在国外就很不一样,确实,但在美国就是这样,所以我们打算通过那个项目,做的一件事之后,也可以聊,就是找出全美最聪明的,十万个孩子,把他们的潜能拉满,如果这些孩子,能学的快十倍,那就推广给所有人,我们启动了这个项目,德州有教育券计划,我们看到德州农村的孩子,他们的学校,根本没有这些资源,他们加入这个项目后,学的飞快,所以我们打算。 [00:57:57]
Andrew Huberman:把它推广到全美各地,大家一直都有这个梦想,比如下一个爱因斯坦在哪,可能这个像爱因斯坦一样的孩子,就在这里,他们甚至都不知道自己有这种能力,没错。 [00:58:09]
Joe Liemandt:我们的目标是让这十万个孩子,在初中就具备上麻省理工学院的学术水平,也就是SAT考1580分,AP危机分,BCAP物理C,AP英语语言语文学,这些都拿满分五分,我们觉得这些孩子有这么大的潜力,我们却在浪费他,我们让他们觉得无聊,我们应该把他们的潜能激发出来,但我们觉得每个孩子都是这样,我觉得不是每个孩子,回到前沿这个话题,并不是每个孩子都能在初中,就达到上麻省理工学院的水平,但对那些能做到的孩子,我们应该推一把,但我们可以让全美的每一个孩子,在学业上都比现在好得多,对,我们可以把他们带到属于他们的前沿,没错,我们可以把他们带到属于他们的前沿,这套系统就是做这个的,把它们带到前沿,比如阅读就是熟练度,对吧,刚学阅读的时候,你会觉得吃力,因为你不认得那些词,到后来慢慢变熟练了,你就不需要去想了,读起来就很轻松,阅读就会变得有趣的多,享受的多,很多时候问题就在于,我们没把基础打牢,我们需要把基础打扎实,就像在体育运动里一样,我总爱举的一个经典例子是,如果你运球过半场,有20%的几率会丢球,教练不会说,咱们来练扣篮空接或者上篮吧,他们会说练控球,我们得把控球练好,20%的失误率是不可接受的,15%也不行,你的准确率不能只有85%或80%,而在美国大家会说,你拿了个B行了往下学吧,我们接着去练扣篮吧,你四年级刚读完掌握了80%,咱们来学五年级的内容吧。 [01:00:01]
Joe Liemandt:答案是不行,因为这样所有的问题都会滚雪球,反过来也是一样,如果你化学学不好,我给你做一套代数测试,就能知道你化学会考成什么样,因为化学本质上,就是套了有趣应用题外壳的代数,如果你不懂代数,学代数的时机,绝不是在做化学题的过程中,你必须提前掌握它,至于代数,我给你做一套分数测试就行,代数本质上就是看你能否快速进行分数运算,对吧,那么你做分数的熟练度怎么样,分数不过就是你的乘除法表备熟了吗,你知道数学尤为如此,但哪怕是涉及词汇的阅读理解,也全都是一层套一层的,如果没有打好基础,只是一味把孩子往高年级推,这就是这个国家的学习曲线放缓的原因,如果对比一下我们的相对学习曲线,从幼儿园到你升入初中和高中,到了高中,美国的中位数学生,其实什么都没学到,有一套测试,这类测试有很多,但可以参考这个,也就是NWI Map测试,它是三百分制的,平均一个学生从八年级到十二年级,只涨了一分,从这取决于科目,但就是四年后,从两百三十三分变成两百三十四分,他们什么都没学到,原因就在于,如果我在学高等数学,心里却在想,我连惩罚表都没备手,如果我没掌握,而且没达到精通的程度,我就不可能取得进展,这个问题迟早会找上门来,就像在篮球里一样,如果你说,我有一个拿B等级的球员,各项技能掌握度都是80%,那他在正规篮球比赛里,一分都得不到,因为他们接不住传球,运球也会丢,只是因为需要连贯执行的环节太多了,而在教育上把所有这些环节连贯起来,对吧,事情就成了,以前我们只是没有这样的系统,现在AI家教可以坐在那里说,我完全清楚你掌握了什么,对吧,我可以给你做一次评估,我能精准知道你懂什么,不懂什么,我可以为你量身定制一堂课,告诉你你需要这节课,然后我把课讲给你,接着带你练到精通,我会让你一直处在这个循环里,直到完全掌握,等你掌握了,我就会说,我可以让你学下一项,去年,对吧,我们开始开设很多校区,你知道,我们是高端私立学校,所以我们招收的,你知道,都是来自学费五万美元,私立学校的孩子,他们来自全美最好的那些学校,普通学生转入AlphaGuides,并参加我们的评估测试时,平均落后了2.2个年级,这意味着什么,我站在所有家长面前,你知道,我说,听着,这代表两件事,首先别慌,你们肯定会慌,因为我们马上要把成绩单发给你们了,成绩单会显示,你家八年级的孩子,连一些六年级的题都答不上来,甚至做不对五年级的题,到了写作部分水平甚至更低,因为大家一直在用拆棋PT写论文,所以你们会慌,心想天哪,我的孩子落后了两到三个年级,但你们心里想的是,这得花上200个小时,180个上学日,对吧,诸如此类,而在幼儿园到八年级阶段,我们的普通学生,学完一门科目,一整个年级的课程,只需要20到30个小时,20到30个小时,又回到了那十倍的效率,所以他们能补上来,每天做一个小时作业来补课,如果你落后了三年,也就是90天的事,最积极的应用场景,如果你问,我们利用AI,最重要的一件事能做什么,给孩子们聊天,机器人是行不通的,应该根据他们的水平,提供个性化的教学计划,帮他们补上相应年级的进度,要改善美国的教育,这是我们能做的最好的一件事,我们来聊聊动力,以及它为什么重要,如果你带一个八年级的学生,你不可能把它塞进三年级的课堂,要是把它留在八年级的课堂上,他就学不会,根本学不会,所以现在的体制就是这样,这不能怪老师,老师会觉得,我得教八年级的内容,我又不是去教三年级,四年级,还有五年级的东西,所以这时候我们给这些人,提供个性化的课程,对吧,AI可以为全美国的每个人,生成个性化课程,然后我们就能帮他们补上来,因为这其实没那么难,不需要花那么多时间,只有当你教的内容,比他们的实际能力超前好几年时,才要花大量的时间,只要他们有动力,每个年级只要20到30个小时,这就是我们聊到教育科技时的问题所在,也就是我们说动力占了90%的时候,当我们设计学校时,需要设计出一所他们喜欢的学校,这样就算遇到困难,就算他们不喜欢这门科目,也没关系,你看当你喜欢一门科目的时候,一切都很简单,对吧,我们根本不用担心那些问题,对吧,他们自己就解决了,你可能会想,那些不想读书的理工科孩子怎么办,对吧,而且不喜欢看书,反过来也是一样,我有学艺术,学戏剧的初中生,他们会说,我学不会数学,我们怎么让他们去学,这就是为什么,我们说动力占了问题的90%,或者说是解决方案的90%,因为你必须能激发这个人,参与这些个性化课程去学习,我们做的第一步,就是向他们展示,这是可以解决的,当你觉得我落后了三年,你就会想我不干了,差得太远了,我比他落后了一年,要做的事太多了,当你告诉他,你只落后了22个小时,只要22个小时,确实,每天一个小时,传递的信息完全不一样,这完全是另一种信息了,我们正在把落后几年的孩子拉上来,因为他们看得到,并且会说,我每天可以做一个小时作业,来解决这个问题。 [01:06:09]
Andrew Huberman:在我看来,你描述的这些东西里,一个非常棒的特点,就是消除了羞耻感,对吧,你看我们在这里思考和谈论学生,不是把他们当成机器人,虽然我们总会这样想,而是把他们当成,某种普通的年轻男女,比如在代数上有短板,他们要去学代数,但这背后有一整套社会心理背景,我想稍微聊一下这个,因为听你解释Alpha School时,我看到了,也在某种程度上想起了很多次,我自己或别人要么跟不上,要么超前或感到无聊的经历,我觉得我们都经历过,处在不同位置上的情况,没错,比如如果每个孩子,在某些方面都落后,或者几乎每个孩子都有落后的地方,那么你落后了22个小时,这种事是可以把这个差距补上的,不是完全与世隔绝,但不会有同龄人在旁边看着,对我有一个朋友,他是一位才华横溢,非常成功的音乐家,他讲过一段六年级的经历,当时他被叫到黑板前做数学题,他有读写障碍,把数字七写反了,全班同学都笑了,他跟我另一个朋友说了这事,他们以前一起上小学,也许是初中,但这是在加州的东湾,他说怎么了,那个高年级的孩子说,你要是觉得六年级难,七年级可要难得多,你看他当时就对自己说,他的数学糟透了,事实证明他极有音乐天赋,而且他在数学方面,其实也出奇的好,因为音乐和数学确实,某些音乐非常讲究数学,所以人们童年里的这些,关键时刻,比如踢球选人被挑在最后,或者是别的什么,你看你经常听到这些,我不是想轻视这些例子,但这种心理层面的东西,真的会深深烙印在人心里,这会在很大程度上,改变他们探索自身潜能的轨迹,所以你描述的机制真的很棒,因为前提是数字导师,不会去羞辱学生,对,这是一件很棒的事,他们会想天哪,我不会这个,我得去把这个学了,然后就能去学,把差距补上。 [01:08:08]
Joe Liemandt:这样就搞定了,你说的100%对,那我们来聊聊,动力占了解决问题的90%,所以我们来聊聊,你之前谈到过,我们有哪些糟糕的标准,当我们谈论这些时,我们说的是,你每天花两小时,能学到两倍的东西,因为这与你的起点无关,这是我们动力机制的关键部分,也就是不带羞耻感,当我们坐在那里说,你学到了两倍的内容时,哪怕是一个需要学三年级内容的,八年级学生,首先他在上课,没人知道他在学三年级的内容,而是他学到的内容翻了一倍,系统展示的是他学完课程的速度,所以对他们来说,我们所有的学生都觉得,我不在乎自己现在处于什么水平,因为我拿到了我的积分,对吧,我们的激励模型,是基于我无论从哪里起步,回到那个逻辑,如果我的学习速度是两倍,我终究会赶上正常标准的,现在我们学校系统里有一点非常糟糕,那就是我们用成绩来衡量学校,我觉得这是我们面临的一大问题,就是大家总说,这所学校低于平均水平,其实有两个维度,孩子达到年级水平了吗,以及他们学的有多快,所以我们应该看的是,那条线的斜率,显然这两方面你都得看,对,当然,但是如果斜率够大,他们最终是能赶上的,你应该根据学习速度和斜率,也就是成长速度来衡量一所学校,而不是看他的成绩,这就是为什么大家都在谈论选择效应,如果要深入聊聊这个,那就是所谓的好学校,其实全靠选择效应,如果我把最优秀的孩子都招进来,那显而易见,他们就是最棒的,所以我的分数也是最高的,我们衡量学校应该看的是发展。 [01:10:01]
Joe Liemandt:学校的职责是培养孩子,对吧,而不是只做选拔,这就是为什么我们使用成长速度,每天两小时学到两倍内容,因为你现在的水平并不重要,我们认为学校的职责,就是尽可能在学术,或生活技能等多个维度上,加速他们的成长,并且去衡量这一点,这也是家长应该看的,也就是把孩子放到一个,能成长且成长速度,与起点无关的环境里,因为正如你所说,每个人都有优缺点,可能我学术很强,但不擅长生活技能或社交技能,反之亦然,比如我是个搞戏剧的孩子,而孩子在所有这些领域的前沿潜力,都是巨大的,我们必须去开发它,说到动力,我们总会提到的一个要素是,我们的引导师在做什么,我们这些成年人在做什么,孩子会有心理障碍,我做不到那个,我不是那种人,我不擅长那个,我不擅长那个学校的职责,和教育者的职责,就是打破那种障碍,去击碎那个障碍,告诉孩子,那不是真的,你在那方面很棒,当你想到老师时,我们来聊聊老师,因为我们的学校里到处都是老师,学校里永远都会充满老师,AI不会取代人类的角色,因为坐在那里的正是人,去年有十万人,十万名老师申请了我们的职位,大家都很想成为AlphaGuides,原因在于,想想看,你遇到过的最好的老师,每个人都记得那一两个改变了自己人生的老师,并不是因为他们批改你的论文批的特别好,起作用的并不是那个,而是因为你当时遇到了某种障碍,他们看见了你,并让你相信你能做到的远不止于此,他们帮你消除了那个障碍,这就是我们的引导师每天在做的事,他们会想这个孩子的障碍在哪里,我该怎么帮他消除,所以其中一部分就是,你如何建立一个系统,让学习系统本身,不以成绩为基础,而是以成长速度为基础,所以翻一倍和两小时,就是一种机制,另一个则是,你有什么动力,去冲破那些障碍,我们有三个女生,她们读初中的时候,可能会被认为是,谈们,本来就是搞艺术,搞戏剧的女孩,你知道全美的初中女生里,有一种普遍现象,大家都觉得我不擅长数学和科学,他们就是有这种心理障碍,这是文化层面的,你在TikTok上也刷到过,对吧,还有各种类似的东西,所以他们就认定自己做不到,这根本就不是事实,对吧,大脑我会让他们去,你去给我找出一篇学习科学的论文,能证明初中女生学不会数学和科学的,一篇都没有,他们能学会这些数学和科学,而且这只是初中水平,远没到他们的极限,所以我们做的事,就是弄清楚什么样的动力,能让他们达到那个目标,我女儿读初中的时候,就是这样的女孩之一,她刚来的时候说,我不是那种理科学,得进前1%的女孩,我不会去弄的,那根本就不是我,我就说,我知道你喜欢购物,我给你赌1000美元,你进不了前1%,然后她就把购物车,加满了1000美元的东西,之后每天他都去做那些科学题,最后他真进了前1%,我们会用强力的激励手段,来打破障碍,比如我们真会给孩子们发钱,这确实有争议,再跟我多讲讲,这个,好聊聊这个,所以这个播客上,可没有什么有争议的事,对所以我们会给1000美元,我们会说行,只要你进前1%,我们就给你1000美元,孩子们来alpha guides,只要进前1%,我们就会给他们1000美元,因为我们想让他们看到,你们所有人都能进钱1%,这牵扯到很多东西,比如自我决定论,这会不会扼杀内在动力,并不会,关于这一点可以另起一场辩论,但在我们的实践中,它确实不会,而且我们相信研究指明了原因,我们可以深入聊聊,但我会这样来表述,这些孩子有一种心理障碍,觉得自己做不到,你用尽一切办法,包括给钱,帮他们冲破这个障碍,然后他们就会看到一个全新的自己,进而产生后续的内在动力,拿我女儿来举个例子吧,其实我妻子之前,跟我争执过这事,第一,你把标准定的更高了,对吧,要进前1%,第二,你还在用钱买结果,我妻子对这做法没那么赞同,等我女儿达标之后,她去找我妻子说,妈妈,我知道你不喜欢这样,但你得明白,这改变了我对自己的看法,我以前觉得自己不如姐姐聪明,但我现在意识到,只要我愿意付出努力,她能做到的我也全都能做到,而且我要不过,这个例子举得真好,关键就在于,当你把事情放进闭环里,去尝试困难的事,不惜一切代价用动力推着他们走过去,让他们因为亲身体验过,而觉得自己是有能力的,让一个幼儿园孩子去爬40英尺高的岩壁,让一个初中女生敢说,我能进钱1%,那三个搞戏剧艺术的初中女生,SAT数学全都考了790分,那次都不用给他们发钱,他们就会觉得,原来我也能学数学,我也能达到那个水平,所以让孩子看到自己有能力,帮他们突破卡点,不管是学业上的,还是生活技能上的,这才是关键所在,对吧,回到成长这个话题,这就是成长的本质,孩子们是会去啃硬骨头的,他们会硬咬牙扛过去的,对吧,有时候你得去确定动力从哪来,就算他们没有内在动力,也是因为他们觉得太难了,觉得自己不是那块料,所以你得想办法,怎么才能推着你跨过去,体育运动也是一个道理,我不是踢足球的料,我怎么才能让你去做那些训练,怎么才能把次数练够,所以我们聊到钱,是用在两个地方,第一种,是你想让他们去啃硬骨头,完成突破的时候,第二种是去养成日常习惯,如果我能把练习次数做够,就能养成好习惯,这是我们给钱的另一个场景,这曾是我第一年遇到最棘手的问题之一,四年前我刚来当校长,我对那些七年级学生说,你们每个人在德州STEL考试,也就是我们的周同考里,都能拿一百分,那些孩子就说,那根本不可能MR element,但我得教他们去查漏补缺才能做到,因为确实他们现在做不到,他们现在一点拿100分的可能都没有,但我需要他们倒回去,把三年级四年级五年级六年级,七年级的内容补一遍,对吧,不管他们在哪里有知识漏洞,都要补到完全掌握为止,因为他们在掌握程度上是有断层的,然后我去找家长说,我们需要带你的孩子去查漏补缺,这些内容他们还没学会,七年级学生不想倒回去学四年级的,家长就更不乐意了,美国家长接受的教育观念一直是,我的孩子必须跟上当下的年级,但这根本学习科学完全不支持这种说法,但我说服不了他们,现在这就成了一个动力问题,因为孩子和家长都说我们不干,我心里就想,如果不把那些漏洞补上,我就解决不了这个问题,于是我直接去找孩子们说,你们七年级考试能拿100分,他们说不可能,我说只要你考100分,我就给你100美元,考100拿100,于是我们推出了,考100拿100奖励,他们说那还是不可能,我还是做不到,我说不不不,我们有个附带条件,任何年级都算,他们就问,那我要是去考幼儿园的试,你也给我100美元吗,我说德州STAR考试,是从三年级才开始考的,他们说那我也参加,他们去考三年级的卷子,拿了100分,拿到100美元,接着去考四年级的卷子,又拿了100美元,然后考五年级的卷子,考了85分,我就问,要让AI给你生成,没做对的那些内容,好让你拿到100分吗,他们说,我看看有多少课,然后说,这周我能搞定,当然可以,然后他们就考了100分,接着是六年级,然后是七年级,这就是一个例子,说明我们必须补漏洞,我遇到了巨大的阻碍,社会孩子家长,没人想按学习科学说的那样去做,你给孩子每节课,每个年级100美元,你看没错,三年级和四年级,那200美元算是白花了,但我们花500美元,花1000美元就能把问题解决,在美国教育体系里,我们在每个孩子身上花2万美元,普通学校,公立学校,所有学校,对公立学校,平均每所公立学校,每个孩子每年要花2万美元,每年,每年,对每年也就是24万美元,我们花25万美元培养一个孩子,我就想把那些初中生都拉过来,给他们1000美元,让他们冲到前1%,或者把那些七年级学生拉过来,给他们500美元去把漏洞补齐,但实际上按法律规定,公立学校不能给孩子发钱,这条法律怎么才能改,没错,我们要怎么推动去改这条法律,替代品又是什么,我还能给他们什么真正想要的替代品,反而等他们走向社会碰了币,再在后头买单,对,对社会来说,最理想的办法就是,直接给孩子发钱,家长不,很多人都不喜欢发现金这套,我自己学校的家长,也在这事上对我各种批评。 [01:20:00]
Joe Liemandt:但需要他的时候,他超级管用,要是大家都愿意补漏洞,我也就不用这么干了,要是大家都明白这有多重要,可能就不用了,补漏洞就是掌握基础,退回去,你运球不行,我们退回去,练你的运球技能,这才是一个好教练的标志。
Andrew Huberman:自我认知转变这一块,才是最重要的,对吧,因为我们刚才还在聊,协律的重要性,以及达到标准的重要性,但归根结底,是那种我能做难事的认知,或者也许这句话该改改,也许应该改成,只要用对语境,用对方式教给我,我就能做到那些,我原本以为很难的事,我是能学会的,在过去差不多六年的播客里,我花了很多时间,试图说服大家去晒早晨的阳光,多喝水去锻炼,然后我再试着教他们神经可塑性,我尽量不讲得太深,不过Max Delbert CK有句名言,我记得是Max Delbert CK说的,就是假设零知识与无限智力,但不能说的秘密是,根本就没有无限智力,对吧,但总有一些领域是某个人完全零基础的,而你说的动力部分,其实是意识到在一个语境里的学习,和在其他语境里的学习,是有相似之处的,比如他会有一点痛苦,但我们没必要让他变得非常痛苦,没错,只要用对了方式,不好意思,我想这可能有点扯远了,但作为至少父母一方,是第一代移民的孩子,我一辈子都在被别人说,我有多幸运,你出生在这个时代,你在美国,你上了最好的公立学校,全美最好的公立学校之一,对吧,确实是这样,我以前没有充分利用好这些机会,本该做得更好的,但后来我愿意相信,自己补上来了,可能还有一些空白,也许以后我会再回去补,但我想说的是,我的欧洲亲戚告诉我,在欧洲很多国家,大家都觉得,你擅长什么,就是擅长,不擅长就是不擅长,你的人生轨迹,基本上就定行了,现在可能在发生变化,但美国一直都有这种想法,就是你可以成为,任何你想成为的人,但我确实觉得,尽管斯珀特韦伯的例子,很美好,对吧,这么一个相当矮的人,赢得了NBA扣篮大赛,他传递出了一个,复杂的信号,那就是我们到底该拼到什么程度,对吧,我觉得今天我们聊的几乎所有事情,核心都在于我们对待,吃苦到底该吃什么态度,因为我们在这里聊的是,学会吃苦来填补空白,让自己变得更好,每个人都达到非常高的标准,还是说我们聊的是,另一种其实吃苦极少的方式,所以也许我们可以专门,花点时间聊聊吃苦,先不管我们在美国,在欧洲或在其他任何地方相信什么,单就想想,你对吃苦的框架是什么,因为大多数成功人士都会想,对我啃过硬骨头,我能做难事,你想把这种想法传递给所有人,是的,但我不确定这是不是最好的信息,尽管我也很喜欢David Goggins的例子,他就坐在你现在坐的这张椅子上,那是我们播放量最高的节目之一,那些确实是很好的例子,但大多数人是不愿意吃苦的。 [01:23:06]
Joe Liemandt:对,也许对大多数人来说,吃苦并不是最好的学习方式,如果我能教你一些东西,而且不需要吃苦,那肯定比需要吃苦要好,如果我能教给你,你直接就能学会,而且很轻松,那我们就应该尽量用这种方式,多教给你,帮你搞定那些内容,现在说回吃苦,吃苦什么时候是好事,人们什么时候愿意吃苦,或者他们什么时候在吃苦,当他们在做自己在乎的事情时,他们会吃苦,这又回到了动力的问题上,当你跟那些说,我拥有世界上最好的工作的人聊天时,那份工作里有很多吃苦的地方,而且他们很开心,很有成就感,很兴奋,有些学生在学业上非常有动力,他们吃苦受罪一路死磕,因为这是有意义的,没有哪个运动员会说,是啊我从来都不用挣扎,我从来都没吃过苦,这不符合事实,但我吃苦是为了某个目标,我能坚持挣扎下去,是因为我在努力实现自己的目标,如果你看教育,按我们的看法,幼儿园到五年级,基本上就是孩子只想让父母高兴,所以如果父母这么说,他们在幼儿园到五年级,就会听父母的,一旦上了初中和高中,情况就变了,对吧,变成了社交需求,大致一个整本书讲的就是,初中和高中阶段,就是为了被群体接纳,对吧,还有社交化,这也是为什么,一直有成人礼之类的东西,为什么十岁的孩子,绝不会做任何,让父母生气的事,到了十五岁,只要能让他们在同龄人里,有面子或被社交圈接纳,他们就会去做,明知父母讨厌的事,所以家长从初中开始,就必须做决定,有一本很棒的书,叫自屈形成长,Alpha Parents,都会读初中和高中,基本上有六七年的时间,对吧,你要在两件事里做选择,你是想激发孩子的潜能,还是把自己的价值观强加给他们,家长往往两样都想做,他们会觉得,我认为这个才重要,而在教育中很多徒劳的痛苦,就是因为孩子觉得,我根本不感兴趣,你爱怎么逼我,就怎么逼我,我只会反抗的更厉害,就形成了这种对抗局面,如果相反,你顺着孩子喜欢的事物,对吧,或者他们专注的事情去做,他们就能完成难得不可思议的事,我认为教育系统的设计就在于,怎么把这两件事结合起来,让我们能两头兼顾,让他们既能学到重要但困难的内容,又能去做自己热爱的事,我们举个例子,回到动力是我最大的难题这一点,这也是我90%的解决方案所在,我们有一所Sports Academy,那里的孩子学业落后了好几年,成绩排在全美倒数25%,针对年收入低于六万五千美元的家庭,我们将成为德州获得教育券资助最多的学校,我们有一群初高中年龄的孩子,有一千多人对学业提不起劲,也不想在学业上吃苦,基本上好几年没怎么正经学过,而他们坐在我们的学校里,学的比全美顶尖的私立学校还要快,他们学两个小时进度翻一倍,你可能会问,你怎么让他们做那么难的事的,你怎么做到的,首先你要把学习变得对他们来说尽可能容易,不要把一个年龄上该读八年级的孩子,直接扔进八年级的教材里,哪怕他的知识水平其实只有三年级,四年级或五年级,别那么做,那是不可能的,那不是难不难的问题,那是根本做不到,所以就给他三年级四年级或五年级的课程,我们的个性化课程就能提供这些,这样他就会觉得原来这事我现在能做到了,从不可能变成了能做到,现在我依然得花那两个小时,我得硬着头皮啃下来,我得把惩罚口诀背下来,我以前从来没背过,于是我们给了他们做到的能力,在我们的体系里,他们第一次真正上到了既不太难,也不太容易的课程,难度刚刚好,但我又会想,我对读书不感兴趣,我看不出这有什么重要的,靠什么驱动呢,驱动动力的因素就是,到了中午,如果他们用两小时,完成了翻倍的学习量,如果AI说,你今天学的够多了,因为你的进度达到了,两小时翻倍的标准,你就可以去打篮球了,我在达拉斯有一所高中,入选过六次NBA全明星的,杰梅因奥尼尔,是这所学校的校长,我就能去训练了,他们是全美第一的篮球队,那些孩子就会觉得,好吧,我还是把文化科学了吧,因为我想打篮球,我想进最好的篮球队,我们有全美最好的棒球队,所以那是1000美元,那就是1000美元体育类的,你看我们正在广泛推广这个模式,这取决于获取途径,有多少教育券可用之类的,以及他们能拿到多少,但是在整个德州,会有孩子靠教育券就能说,我得到了这种全新的进阶学习,是你在全美能接受到的最好的教育,对吧,速度最快,比最好的私立学校还要好,到了中午,我就去我的体育场馆,去玩我热爱的任何运动,他们是有门槛的,对吧,我们过去在教育里经常这么做,回到降低标准和改变规则的话题,以前你必须达到最低GPA,才能参加课后体育活动,对吧,那起到了很大的推动作用,现在已经没有了,因为很多原因,那个标准已经被大大稀释了,而在我们的学校里,我们的态度是,不这是有门槛的,你必须做到这一点,而由此带来的事情之一,回到如果不做男士,我就办不出一所能交付这种成果的学校,在这边是文化课,孩子们靠体育来获得动力,但这也让我们能够说明,如果你上这些学校之一,你拿到NCDA一级联盟奖学金的几率会翻倍,因为全美的每一位大学教练都会告诉你,如果有两个水平相当的运动员,那个成绩优异下过苦功,做过男士的人,我想要他进我的队伍,这就是差异化优势,对吧,你会把你拿到奖学金的几率翻一倍,所以当你审视这一切时,我们每天醒来都在面对这种困难和挣扎,去思考我们要怎样建一所孩子们热爱的学校,对吧,比喜欢放假还要喜欢,因为只有这样才能驱使他们去做男士,现在我们作为成年人,必须去培养孩子,告诉他们,你不能只是光玩,做所有你想做的事。 [01:30:01]
Joe Liemandt:是有要求的,你有行为规范,你不能那么表现,不行,在白天的文化课学习期间,你的手机不能放在旁边,不能用手机,到了高中高年级,这其实会有所改变,因为我们想让他们,为现实世界做好准备,所以幼儿园到八年级,绝对不行,当你开始进入高中,你可以凭表现,争取用手机的权利,因为我们必须让你看到,在现实世界里,不会有人替你把手机藏起来,所以你应该自己把它收好,但我们不会强迫,因为我们得让你做好准备,但回到所有这些规则上,成年人必须为孩子们设定标准,就是这样,这就是出色的表现,孩子们想做到,他们就会去达到这些标准,在Sports Academy里,我们在两小时文化课这方面,没有任何困难,因为他们在做自己热爱的事,他们明白,好的,这一切都讲得通,这看起来是一笔公平的交换,所以我坚信的是,孩子们是愿意做难事的,家长,AlphaGuides,成年人,我们需要为孩子们设定这些高标准,如果我们是在帮他们成为他们想成为的人,而不是把他们硬塞进,我们自以为他们该成为的框架里,他们是能达到这些标准的,这就是两种截然不同的方式,你看当你谈到高端精英学校里的心理健康问题时,很大程度上是因为孩子们被硬塞进了一个他们不想要的盒子里,相反如果你是说我会帮你实现你想要的,但为了参与其中,这是你必须做到的事情,关于我们在激发动力方面做的事,我还可以再给你举几个例子,我们刚刚公布了一个高中项目,我们自己的高中项目,我们有三项承诺,比放假更爱上学,两小时翻一倍,第三,学会你想要的所有生活技能,我们有五大技能树,领导力与团队协作,创业与财商,社交与人际关系建立,讲故事与公开演讲,坚毅与刻苦,每一项我们都有一套,从幼儿园就开始的技能树,说到做男士,对吧,在坚毅与刻苦方面,我们的幼儿园孩子去爬攀岩墙,二年级孩子全都要跑五公里,到了八年级,你必须参加最强尼人,这是一次结合了团队协作的挑战,要求和所有人同时冲过终点线,在八年级,这其实是最难的部分,因为总有人想第一个冲线,但他既考验团队协作又很硬核,所以你有了这些关于坚毅和刻苦的标准,但推动这一切的其中一个重点,是在我们的财商与创业技能树上,我们刚刚公布了一个叫Founder School的高中项目,今年首次开学,这是一所创业学校,他的承诺是你会赚到一百万美元的利润,你要去创办一家企业,赚到一百万美元的利润,否则学费全退,每个孩子,每个孩子,每个孩子赚一百万美元,生活技能就像其他技能一样,完全是可以训练的,对吧,你可以教坚毅和刻苦,你可以教财商,我们所有的幼儿园孩子,都会学怎么赚钱,存钱,花钱,投资和捐赠,他们就是这样起步的,财商是家长最希望学校教,但学校却没教的第一大事,我们从幼儿园就开始教,顺着技能数往上看,我们有初中生在经营Airbnb开餐车,我们有自动售货机,他们学习毛利率去琢磨,我该在自动售货机里放什么商品,我该怎么把它摆到能赚到钱的地方,太酷了,然后到了高中,就是100万美元,这完全是可以训练出来的,Alex Hormozy正在帮忙设计这个项目,对他做这个太合适了,是的,孩子们都很喜欢他,对吧,孩子们都带着那种小笔贴,对他们都很喜欢他,对吧,他简直就是顶流网红,他们觉得他就是我想跟着学的那个人,非常酷,但为了这个,如果你去那个网站,去Founderschool的网站,看看他们的学术标准,难度不亚于这个国家的任何一所学校,这可不是要培养那些只会投机取巧赚钱的加密货币老哥,这所学校是在培养哲学家型的建设者,这是他们的框架,对吧,至于学术部分,如果你让AI去分析这份书单,你会发现,它跟你在Exit中学或那些最顶尖学校里拿到的经典书单不一样,但它的严谨程度一点都不少,这些孩子会觉得,我绝对愿意把这些全做完,刚来的时候,他们可完全没想过,这就是我需要的,这是我在学业上碾压别人的途径,但说回标准,他们会觉得我完全愿意去做,因为我能创业还能赚一百万美元,对吧,而且我能做我喜欢的事,听节目的成年人肯定都想,我都想回去上学了,对吧,确实,你可能经常听到这种话,是啊,确实我们这个周末就有一场,关于Founders School的活动,你看我们本来以为也就10到15个人,想来结果来了150个人,太棒了,真的有人为了去各地的,Alpha Guides搬家,因为他们觉得我家,10岁的孩子要去Alpha Guides,这样他们就能为Founder School,之类的做好准备,但专注于设计一所学校,我们要陪他们12年,我们来建这样的学校吧,让孩子们每天醒来都觉得,我每天一睁眼就抢着去学校,因为太棒,你看说回Sports Academy,有一个很棒的家长反馈,一位妈妈基本是这么说的,你看她以前有25%的时间都在逃学,我怎么都叫不动她去上学,现在是她叫我起床,还会说妈妈我们不能迟到,因为我得把那两个小时练完,我不能让教练等我,这整个画面,就是我们看待这个问题的方式,这不是单纯让孩子更努力,而是跟他们想要的保持一致,他们就会心甘情愿的更努力,只要我们作为成年人,把标准定的够高,他们就完全愿意去做,所以这是有目标的吃苦,而且这个目标内化到了他们心里,我是这么理解的。 [01:36:25]
Andrew Huberman:因为家长可以整天硬往孩子嗓子眼里塞东西,但这只会引起更多抵触,这也是青春期美好的一面,比如在青春期出现的叛逆,这是我们物种进化里很重要的一部分,对吧。
Joe Liemandt:而且但家长也能帮上忙,家长都希望自己的孩子出类拔萃,其实当孩子表现出色时,家长也会改变他们原本的预期框架,他们只是对自己认为的优秀有一套框架,但当他们看到自己的孩子在另一个维度表现出色时,他们就会觉得其实那样也特别好,我自己的例子就是跟我爸,你看在学业上我完全是个混子,我也不喜欢上学,你后来的发展挺不错的,确实,但我以前不喜欢上学,我总是尽量用最少的功夫,这是在高中吗,还有大学也退学了,所以算是两者都是吧,但你退学一部分原因,是为了去创造些东西,挺好,但那是我当时在忙着做,像在高中也是一样的事,如果我忙着做别的事呢,你很有冲劲,所以在高中,我对学业没有追求,我只做最基本的要求,我想去斯坦福大学,我很明确我想去斯坦福大学,所以我就想,我能付出的最低限度的努力是多少,你看算四舍五入的话,得A就是90分或以上,他们只看一个指标,所以我就会想,那我只要拿到89.5分就行,我真就是那种,我就付出那么多努力,多一点都不干,我绝不会多做一道题,只要能拿到那个分数被录取就行,只做最起码的要求,如果不需要去学校,你就见不到我的人,我还因为翘课太多惹了麻烦,后来我进了斯坦福大学,在学业上我也差不多是这样,我一直感兴趣的事情之一,我在高中写过一篇论文,1985年我写了一篇关于AI的论文,那是老派的AI,不是现在的,至于神经网络,上面写着神经网络,我写了一段,说他们还要几十年才能实现,所以专家系统和本体论,在当时才是主流,后来我就去了斯坦福大学,费根鲍姆教授,在当时是专家系统之父,他一直在讲,所有这些巨大的机会,而我却觉得,我根本提不起劲去上西班牙语课,我就是做不到,所有其他那些学术课程,我就是不感兴趣,然后我就退学了,回到我父亲,还有关于父母这整件事,我父亲对我整个求学生涯,都感到非常绝望,因为他觉得,你就是个彻底的懒汉,你没有发挥出你的潜力,你在学校老惹麻烦,你只做最起码的事情,你考上了一所好学校,居然他妈的退学了,你连学业都不搞,福布斯之类的媒体上有一句名言,他说退学简直蠢透了,当时并不是,在那时候这还是新鲜事,不像今天这么普遍,对,在八十年代退学的人并不多,所以他为此备受打击,因为他对成功有自己的认知框架,十八个月后,他却说,谢天谢地你退学了,这是发生过的最好的事,因为在那18个月里,他看到我每周工作100个小时,我睡在桌子底下,我们尽一切努力,让这家初创公司成功,我们拼了命的干,他说你知道吗,我之前特别担心,你是个懒惰的小混蛋,他说谢天谢地你不是,他只是需要看到齿轮转动起来。 [01:40:01]
Joe Liemandt:没错,而这正是父母想要的,所以在他眼里,我在学业和所有那些方面,都是个彻底的失败者,因为他没有看到父母想看的东西,生活技能,坚毅品格,那些让你成功的东西,在我的求学生涯中,我并没有展现出这些,只有当我退学去创业时,他才觉得,我儿子不会成个窝囊废了,这下会很棒的,他会过得挺好的,一切都会挺好的,而且你知道,在我们高中下午,孩子们会做叫alpha x的项目,也就是他们为期四年的热情所在项目,他们变动很大,因为孩子们的想法总在变,但这正是他们自己想做的事,这些孩子做出了很了不起的成果,你能给我举几个例子吗,我们有一个学生在做百老汇音乐剧,因为他有四年时间在百老汇演出场地,所有的音乐都取材于TikTok,他用这些歌填满了一个一千人的场地,他们你知道发布第一天播放量就达到了一百万次,她是个热爱戏剧艺术的女孩,对吧,她不得不去学习法律权利,音乐版权,她和其中一位TikTok歌手,大吵了一架,因为试镜的时候,她先选了别人,而这位拥有几百万播放量的人就说,我要毁了你,这就是人生的一堂课,你知道诸如此类的事,她当时才16,17岁,家长们觉得,这简直是太棒,她是考了790分的女孩之一,被西北大学,纽约大学,加州大学和UCLA等等录取了,但他一直在做自己热爱的事,并且不得不去啃硬骨头,这让他明白了,什么是坚毅刻苦和迎难而上,也让他以后在其他领域,面对困难时更从容,再比如我们将有第一位,作为第一作者,在自然上发表论文的高中生研究员,这可真了不起,而且是通过同行评审的,我想有些人可能听说过。 [01:42:00]
Andrew Huberman:但其实学术界顶尖的期刊,主要就是自然和科学,这些都是国际顶级期刊,光是出审据稿率就在90%以上,最终的录用率大概只有1%,甚至更低,许多科学家终其一生都无法在上面发表一篇,即便发表了,你也该问问他们在作者名单里的排位,所以作为主导者,排在作者名单的第一位或最后一位,确实是一项了不起的成就,对。
Joe Liemandt:他训练了一个LLM来提供社交情感方面的建议,因为有一种观点认为,AI很糟糕,AI可以是好的,也可以是坏的,显然,如果你把他们当成聊天机器人,在教育上是不好的,如果你对他们上瘾,在社交情感方面也是不好的,但他们可以在另一面被训练好,用好,这项研究有趣的地方在于,他训练了一个LM,来给青少年提供社交情感建议,本以为他比不上父母,令人惊讶的发现是,在给青少年提供社交情感建议方面,他彻底碾压了父母,所以他设计了具体的提示词,对,这些提示词,比父母会说的那些泛泛之词要好,研究领域是约会,以及父母会给出什么建议,很大一部分是,你看论文就会发现,如今父母给出的约会建议,真的很糟糕,因为他们用的是过去的背景,根本不懂网络世界,和所有这些新鲜事,现在的环境和当年不一样了,所以他又回到创造事物和,做自己热爱的事情上,你看他在TikTok上大概有,5300万个点赞还是什么的,他拥有庞大的数据源,也就是自己在网上给出的约会建议,我们要把这些嵌入聊天机器人里,经过测试和验证,然后用我的全部用户群,来证明他非常有效,所以这些就是孩子们,能去做的事情,如果你在那个女孩八年级时,对她说去自然上发篇论文吧,他们会觉得那太难了,但你可以给他们搭脚手架,一步步引导,其他大项目方面,我们有一个学生,现在正在给马丁斯克赛斯的最新电影做营销,所以他一直在学习,做这件事所需要的一切技能,我们有一批研究AI的孩子,他们在西南偏南和Claudia Kong上做了展示,他们在那做了些小业务,10天赚了5万美元,所以这些孩子能搞定的,不仅仅是学业,还有所有这些生活技能,如果你教他们创业,对吧,如果你在下午释放他们的潜力,我们稍微退一步来看,当我们坐下来讨论,认为人们应该重新构想教育,对吧,针对未来十年,在接下来的十年里,针对未来一百年对比过去一百年,重点是对整个孩子的培养,McKenzie是创始人,对吧,联合创始人,他最喜欢的一句话,也是我们在AlphaGuides极其坚信的,就是现在是历史上,成为一个五岁孩子最好的时代,也就是我们有能力,让前12年变得无比精彩,在各个维度释放他们的潜能,他们能够享受,整整12年的上学时光,在学业上,他们学习的速度会快10倍,这些孩子脑子里的知识量,会超过他们父母当年的水平,我们能够往他们脑子里装满知识,学习科学表明,你知道的越多,学的就越快,对吧,所以它像是在不断递增,然后第三部分是我们认为,很重要的生活技能,他们一天中的大部分时间,都可以用来做这个,他们能够坐在这里说,这个AI时代要来了,时代会发生变化,而我能够身处其中去体验,而且我能动手做事,我们使用的哲学家与建设者,这个框架,就是只从学校走出来的孩子,会是什么样,在哲学方面,首先它是扎数学业的一个代表,你能轻松搞定学业,充实大脑,另一部分是哲学本身,它在历史上,总是在最重要的东西,和最不重要的专业之间摇摆,我相信随着AI的到来,它又回到了前沿,也就是当周围诠释这些AI时,人类的角色是什么,存在主义的辩论是什么,那些伟大的思想家,都在思考些什么,所以哲学这方面,你会有这类的收获,但第二部分,我认为学校真的需要做到的,也是我们考虑生活技能时的核心,就是建设者这方面,这才是孩子们需要做的事情,也是成年人需要做的事情,你不能只是空想,学校不能只是整天坐在教室里,你必须去动手做,当孩子们能够动手做,无论是在体育运动中去攀爬,还是组装无人机和机器人,或者做生意,写书拍视频,不管是哪种项目,这才是吸引孩子们的东西,这才是他们热爱的,我们需要把这些带回来,现在有专门面向高中生的职业项目,比如我们会让你学习怎么做先进制造,组装机器人之类的东西,你看在100年前或者50年前,有木工金工课去动手做东西,我们非常坚信去动手造东西的理念,也就是我们再拿初中举个例子,对吧,在这个过渡期,我们招来了一大批转入alpha的学生,他们全都是消费者,他们现在多巴胺的死循环里,他们被困在TikTok里,他们被困在堡垒之夜里,对吧,他们就是被困在循环里,这导致了心理健康问题,他们很孤立,对吧,全都是这类问题,我们做的是,我们有一个叫Dream Launcher的项目,我们会觉得,我们必须把这些孩子,从这个循环里拉出来,对吧,我们必须培养他们,你无法去培养一个,困在那个循环里的孩子,所以Dream Launcher,就是做你的愿景板,你想成为什么样的人,孩子们,即使是那些,现在多巴胺里的孩子,对他们想做的事情,也都有很棒的想法,他们不仅觉得自己很厉害,还会说,我很棒,我特别优秀,你看,画一个日式生活的意义图,对吧,如果你了解的话,也就是,回到这些问题上,你热爱什么,但你擅长什么,回到那个道理,你不能光凭热情,你必须得擅长做这些事,要是你能练出技能,那太好了,但你不能去做你极度不在行的事情,因为按照日式生活的意义,这个世界不会为此给你付报酬,这个世界看中什么,这个世界会为什么付钱给你,你擅长什么,你又热爱什么,你帮他们理解了这一点,他们就能想办法找到自己的最佳平衡点,所以他们会有很棒的愿景,觉得这就是我想成为的人,他们在初中就开始思考这些,这些alpha x项目,到了高中他们会做的更多,然后我们就让他们面对现实,我们说现在你们必须做168小时项目,你得记录你一周里的每一个小时,这时候他们回过神来会说,哦看来我要成为全世界最厉害的,因为你的行为决定了你是谁,看来我要成为全世界最会刷TikTok的人了,对靠他们的大拇指,还有抑郁,不而且他们理解了,他们会说我刚画好了,我想成为的人的愿景,我现在意识到,我每天的习惯,根本带我到不了那里,对,要消化这么大的落差,用极客的话说,就是这让人深受触动,但能在他们现在的年纪,吸取这个教训。 [01:49:34]
Andrew Huberman:真的太好了,我是说,其实除了这种动机和吃苦的概念,以及围绕这些的相关理念,而且我觉得你生动的说明了,一个人该怎么把这些融合起来,既能保持高标准,又能感到被支持,还能从内在出发,坚信我能做成困难的事,哪怕有现金,或者NCWA一级联盟,或者金钱的诱惑,不管是什么,我觉得这是我想深入探讨的部分,因为世界上大多数人都是消费者。 [01:50:01]
Andrew Huberman:我大概五年前才突然意识到,虽然我高中成绩不算好,但和我一起玩滑板的朋友们,即便我的水平不够去转职业,他们要么转成了职业选手,要么自己创业了,要么死了,要么进了监狱,而且那些创业的人,办的都是大公司,那些一路走过来的人,因为家里和别处的支持程度不同,他们做出了非常大的事业,比如规模巨大的公司,比如我们这里的有些员工,就是从DC,以及这类极限运动大公司招过来的,那些公司都是我们认识的孩子创办的,对,所以我的脑子里,一直有这样一种认知模式,就是附近确实有苹果电脑,有史蒂夫乔布斯,但那不是我的兴趣所在,比如科技,但如果你想做点什么,比如你想拍部电影,你就去拍朋友玩滑板,那还是在有拍照手机之前,所以我几年前意识到,做播客也是这样,架上摄像机,开稿就行,找齐团队,动手做就是了,但我觉得对世界上很多人来说,这感觉离他们太遥远了,然而他们总能听到这些,在网上整天都能听Alex Hormozy,或者别的人讲这些,所以人们被告知能做的事,以及我相信他们实际能做的事,跟他们真正花时间做的事之间,存在着这种差距,这其实是显而易见的,但该怎么让大家在脑海中,树立起这种认知,在个人生活家庭学习和事业层面,人生最顶级的体验,就是去创造东西,你依然可以消费东西,没错,但该怎么把这个融入到,人们的思维方式里,因为我觉得我有点爱国情怀,这个国家就是建立在这一点上的,就是这种想法,我喜欢车,我就去开一家制造厂,这些厂挺好,但还可以更好,我要造更好的出来,这种态度近年来受到了冲击,关于这一点我还要多说一句,尤其是因为对科技和AI的强调,对很多人来说,他们一听到科技和AI,不是说我,他们就会想到那五六个人,大多是男的,然后会觉得天哪,媒体把他们塑造成了坏人,这些都是坏人,早期史蒂夫乔布斯和比尔盖茨,可不是被塑造成这样的,他们当时像极客和设计师,现在的形象完全不是这样,所以我觉得,现在大家一听到创造者,AI动机学习Alpha School,就会想该死,我们得变成科技极客了,对,这里面完全没有人性的一面,我做不出东西来,然后他们就觉得不知所措,所以我是在描绘一种大致的途径,这不是一个具体的问题,你该怎么让大家摆脱消费主义,真正打心底里,相信自己能做出东西来,没在Alpha School上学的人,又该怎么开始吸收这些东西,好的,问得太好了,一个是我先说孩子。 [01:52:49]
Joe Liemandt:然后再聊Alpha,如果你去跟Alpha的家长聊,他们会有这种印象,机器人,终结者,Alpha,AI这些,觉得这脱离了人性,脱离了,但我知道一个,其实不是这样的,如果你去问Alpha School的妈妈们,他们会说,这是能做到的社交最丰富,最有人情味,最能激发我孩子潜力的环境,而这并不是因为科技和AI,以及所有这些,而是因为alpha guides,因为人,因为文化,因为创造,而且alpha guides就是真人老师,对这些人就是老师,我们没法叫他们老师,因为他们不教文化课,有十万人申请我们的岗位,我们招到了最好的前教师,我们还招到比如全球顶尖的运动员,顶尖教练,只要你很擅长激励孩子,所以我们有各种各样的人才,但没错,我们的AlphaGuides和教练,承担的就是普通地方,或普通学校里老师的角色,但他们不做文化课教学,因为AI能提供很好的课程,McKenzie Price刚和为美国而交的创始人,Wendy Kopp录了一期播客,对吧,你看那句话怎么说的,老师当老师,可不是为了,批改七年级的科学测验,他们当老师,是为了改变孩子的人生,做有人性温度的事,去培养人,在Alpha,我们的成年人,也就是我们的AlphaGuides和教练,整天干的就是这个,他们不批改七年级的科学测验,让AI去做那个,我们AlphaGuides做的事,也是老师们当初入行的初心,就是花时间去培养人,带他们走过,我们之前聊过的那个过程,经历挣扎失败,同时有充满关怀的成年人支持,我们来看退一步说,我们先泛泛的聊聊AI,然后再回到另一个话题,泛泛的聊AI就是,我理解为什么大家对AI的宣传很反感,因为如果你把聊天机器人,放进大多数学校,孩子们学到的东西反而更少,所以我也会觉得,哇看起来很糟糕,聊天机器人看起来很糟糕,整体的宣传论调就是,黑AI会让一部分人效率变高,所以我们要裁掉所有人,但别担心,因为紧接着世界就要毁灭了,所以外界对AI并没有正面的看法,我完全同意,现在当我们看待教育,看待我们想怎样为十亿孩子改变教育时,我们的看法是,我们在课堂学校,人的互动和成长中,使用AI和科技时,必须确保这对所有人都是双赢,这不是零和博弈,现在是当一个五岁小孩最好的时代,使用这些工具只是解决方案的一部分,但它的作用是释放了人性,它把时间还给了人,孩子们能爱上学校,他们能学到更多,他们的父母能看到,哇,我的孩子面对着高标准,但依然很喜欢,并且在努力克服困难,老师们,他们热爱自己的工作,这就是为什么有这么多在校老师来申请,因为他们会觉得,哇,这才是我想当老师的初衷,我能和这些孩子建立连接,我在激励他们,我在帮他们茁壮成长,我在帮他们解开最大的束缚,我让他们看到自己远比想象的更强大,我们85%的孩子都在做,连他们父母都觉得不可能的事,但我们的alpha guys和老师不这么认为,所以我们整套教育闭环就是,必须让他对每个人都变得更好,而不是什么零和博弈,或者反乌托邦式的机器人接管世界,现实不是那样的,对吧,没人想要那种结果,所以我们聊这个时,这就是全部的看法,但当我们聊到,如何把消费者变成创造者,建设者和哲学家型的建设者时,更大的背景是,我们的教育体系,原本就是为了培养消费者而建立的,从根本上说,100年前,我们把你们在教室里排排坐,叫你们坐在那里听,记笔记,你们是被当作工业流水线上的工人来培养的,普鲁士人开的头,他们觉得我们需要守规矩,听话的人,我们教给他们足够的知识,让他们能干那些活就行,那是教育的工业化,为了培养产业工人,那就是他诞生的原因,也是我们最终得到的结果,我们创造了一套体制,让这些孩子全是这样,对吧,我们把他们关在那套体制里12年,他们就觉得,对啊刷刷TikTok,这是我一整天唯一觉得好玩的事,或者不管是别的什么,然后他们就陷入了这个死循环,我们没有给他们成为建设者的机会,他们是可以看YouTube视频,但就像你说的,所有东西,麻省理工学院的课都在网上,那些自己创业的企业家也在网上,你不能看了个YouTube视频就说,我能做一家公司,就像你不能靠看视频,拿到麻省理工学院的学位一样,你需要有人教,你需要上工作坊,你需要和朋友们在一起说,就像我当年退学一样,我和朋友一起退学,然后去做了家公司,我是学生时代干的这件事,我们已经把这事正常化了,至少在大学里,你可以和一帮朋友退学,去做出点东西,对吧,做出点有分量的东西,回到我们下午做的事情,我们的下午就是建设者下午,培养这些生活技能,我们会让你去攀岩,我们会让你去开餐车,对吧,我们其中一个,关于品格塑造的工作坊,叫我快乐的关键,是为社区做贡献,对吧,那是我们的价值观之一,我们的工作坊之一,所有校区的每个孩子都要做,然后我们奥斯汀的孩子就说,Austin City Limits,也就是奥斯汀城市极限音乐节,对吧,对,没错,音乐重镇,我们在做Alpha City Limits,对吧,这些都是五六年级的孩子,他们在办自己的音乐节,首先,他们都学会了弹奏一种乐器,组了自己的乐队,他们去筹集。 [01:59:06]
Andrew Huberman:这简直就像杰克布莱克在摇滚校园里一样,完全就是摇滚校园,就像劫持一样,不让所有人都去看,那是我最喜欢的电影之一,部分原因还在于他在黑板上写下的那些音乐典故,对你很喜欢那些,是啊,他的品位很好,显然对某些流派有着很具体的了解,我就觉得好家伙,他真的很懂音乐,因为那些都不是随处可见的大路货,但那部电影最棒的地方在于,他投入其中的那股劲头,对吧,通过发现这些孩子的独特能力,来激发他们的潜能,但有时也会推他们一把,帮他们打破觉得自己做不到难事的局限,这部电影远比表面上看起来要重要的多,里面有太多东西了,但你想想看。
Joe Liemandt:大家都看摇滚校园,都会说,哎呀真希望我的学校也能这么干。 [02:00:02]
Joe Liemandt:那为什么不这么干呢,因为他们会说,哎呀我们得教文化课,不我们教文化课的速度是他们的十倍,上午就学完了,现在我们有了整个下午,杰克布莱克要是想来教一门课,随时欢迎来的,但我们的guide就像电影里的杰克布莱克一样,说我们要办一个音乐节,他把孩子们派出去,他们得通过拉赞助筹集两万五千美元,事后那些孩子都说,MR Leman,你能相信有些公司居然愿意花1000美元,就为了把名字印在上面吗,他们是在学习广告,到了最后,他们就会说,我们其实本来可以要的更多,对吧,所以他们是在边做边学,实地去干,对吧,他们学乐器,他们组建乐队,而他们才五年级就在做这些事了,他们就会觉得原来我也能做到,不管是学乐器,还是学着拉赞助,还是给乐队打电话问,愿不愿意来演,他们会不会来,太酷了,这种亲手做东西的理念,我们应该让所有孩子都去体验,以前在手工课这类课上,有过弱化版的形式,但我们现在能做的远不止这些,对吧,我们以前有个特别虐人的手工课老师。 [02:01:15]
Andrew Huberman:他定了一堆规矩,比如要是你在带具上弄伤了自己,你得自己把血擦干净,所以大家对这个叫Mr. Mitchell的人都很熟,碰上什么样的老师,就像抛硬币一样,这算是个比较阴暗的例子,但我们学校以前有汽修课,根本没人去,那是在帕罗奥多的甘恩高中,大家都会觉得去学那个干嘛,没错,你人在硅谷,跟现实生活不搭边。
Joe Liemandt:我学会了怎么做轮胎动平衡,那还挺酷的,虽然现在用不上了,但钻到车底下的感觉还挺酷的,不过说回正题,我们有一门生活技能课,他们必须学会换轮胎,对吧,这是实际操作,我们不能让他们整天对着屏幕,我们把他们的屏幕时间压缩到两小时,然后你会说,你知道下午要干嘛吗,你要去换个轮胎,我能问问你关于生物和医学方面的事吗。 [02:02:05]
Andrew Huberman:因为我在这方面带有很强的主观偏好,好啊,你说,我读初中的时候解剖过青蛙,虽然那不是我最喜欢的生物实验,但亲自上手去观察,去用手感知,是成为一名生物学家非常重要的经历,你说显微镜改变了一切,我完全赞同,能够坐在显微镜前,由你来移动视野,亲手给细胞染色,或者做脑部解剖之类的操作,在我们往往以为,纯属脑力探索的领域里,其实包含着大量的触觉学习,那他们有机会做实验吗,当然有,因为看到大脑全是一片白和灰,本身就很神奇,然后你给他做上特定标记,给别人解释,不管对方多大年纪,解释标记的是什么,接着他们就能看到,他像艺术品一样亮了起来,然后你会说,你脑子里就有这些东西,这就是它们的作用。
Joe Liemandt:这种体验和在屏幕上看,完全不一样,百分之百,是的,回到那个话题,第一点,是的,我们做的一部分事情,就是从做普通的,你知道解剖生物课很无聊,孩子们也提不起劲,或者是化学课,或者你做的任何实验,我们在努力打造下一代的实验课,所以如果你有想法,怎么能把这个做的,比你去过的任何实验室,都好上十倍,这取决于上限在哪,对吧,我是说你完全放手让我来,我说我们把通道,世子红质注入一些活体动物体内,用光照射他们的头部,他们的行为就会改变,我不知道你们能不能获准做这个,我们得去看看能做到什么程度,但回到那类事情上,回到让孩子们参与实验,以及更广义的科学上,比如Mark Rober,对吧,对,像他在做的那样,我们在和他合作一些项目,我们觉得这才是科学该有的样子,也就是在你的APP里学11分钟来确保掌握,因为你可以看完Mark Robert的所有视频,你还是通不过考试,因为你并没有真正掌握它,所以我们说花11分钟学到掌握,但剩下的45分钟课堂时间,用来做他的实验和项目,因为这很棒,而且很吸引人,孩子们两样都会做,这是把两者结合起来,我们在实验课上做的一件事是,当你刚进实验室时,你要做的其实是两个维度,也就是你能连续做多少个步骤,你能按指示操作吗,然后你的容错率是多少,我们会让孩子们从小从烘焙之类的开始,我们会做饭,然后我们说好吧,你能跟着做吗,生物学大部分就是照着做,对吧,你能照着指示做吗,你的容错率是多少,对吧,你有没有把糖错放成盐,如果你带二三年级的孩子,做做饭的项目,他们就会开始觉得,我正在掌握做实验的技能,然后我们有一个项目,我们开设的化学项目,所有六年级学生都要上的,叫PFX特效,我们在网上有视频能看到,内容从点燃你的手,用各种东西制作,可以穿过去的那种平板玻璃,那种安全的特效玻璃,这超级难,这大概是一个40步的流程,任何一步的容错率都非常低,孩子们会坐在那里,他们一点钟开始,觉得放学前就能搞定,到了六点钟,他们会说,妈妈我不回家,我必须把这个做完,一方面是因为他们想发Instagram之类的,想在Snapchat上发自己,冲破玻璃的视频什么的,但孩子们完全投入进去了,学到了所有基础技能,正如你所说的,你可以针对任何学科,做这样的设计,物理,生物,化学,吸引孩子们,让他们觉得这太棒了,我喜欢做这个,在计算机科学这个维度上,你也可以这么做,去做出东西来,回到成为创造者的状态,孩子们天生就想做出东西来,你想教孩子们编程,或者使用AI,你可以说,我们来做个音乐MV吧,我们来做个电影预告片,他们现在能做到的质量水平,是以前做不到的,有一次我们在周末,办了个黑客马拉松,主题是学习怎么用cursor,完全自愿,孩子们周五下午六点过来,整个周末都在参加这个黑客马拉松,各种方向都有,我们有一群女生,做了一个关于Love Island,也就是爱指导真人秀的社交应用,这样大家一起看节目的时候,就能边看边在线聊天,所以他们做的是自己喜欢的项目,但其实学到了成为创造者的所有技能,而这群学生通常是不会去碰编程的,所以当你围绕孩子们喜欢的事物来引导,把难度提上去,他们周末都会主动过来,其中一个学生展示给我看,当时差不多是周六晚上十点,当时是周六晚上十点,他上高三,他说我所有的朋友都在外面参加派对,而他们都很羡慕我在这里做的东西,这又回到了迎难而上并乐在其中,因为他们做出来的东西很有意义,他们当时还在做一款应用,主题是我们怎么让一亿青少年明白,获得幸福的关键在于为自己的社区做贡献,所以这是一款培养日常奉献习惯的应用,让他们都很想为之努力的特别亮点在于,网红们也在参与并提供帮助,这样他们就能和网红交流,网红也获得了曝光,但孩子们会觉得,哇我要去参与做这些事,所以当你思考我们在学校里需要做什么,孩子的成长需要什么,以及AI让孩子们学到了什么,一旦孩子们能学得快十倍,每个家长,每个教育主管官员都不得不问,我们希望家庭或社会,在未来具备什么样的技能,所以我们坚信成为创造者的,整体理念,坚信我们教的这些生活技能,比如创业,讲故事,财商,这才是我们应该让孩子花时间的地方,通过这么做,你真能看到这些孩子蓬勃发展,他们的潜能完全被激发了出来,他们很喜欢,太不可思议了,这就是我们拥有的机会,因为正如你所说的,我们建立起来的教育体系,培养出来的都是消费者,他强行把孩子们推上了那条路,我们心里都清楚,我们不想要这样,这并不好,我们在这条路上走偏了,现在我们有机会说,好,这里有一种新方法,对吧,这里有一种全新的不同的做法,还有你孩子的能力,回到十年前,别人告诉我的话,这里有一种全新的不同的做法,我们受到了局限,我们作为家长受到了局限,因为我们经历过这个糟糕的体系,我们就像水里的鱼一样,浑然不觉,我们经历过的,我们父母经历过的,我们祖父母经历过的,并没有帮着推动前沿,他没有把孩子的最大潜能开发出来,这就是为什么在美国体育,比我们做的任何事情,都更能做到这一点,音乐也是一样,对吧,我们能培养出这些明星,我们只是没有在学校里普遍这样做,而我们现在有充裕的时间了,我们产品的名字叫Time Back,把时间还给孩子,过去一百年,我们都耗在每天六个小时,加上家庭作业上,我们有了这种新的神奇工具,能让他快十倍,这样只要几个小时就行了,你把时间还给了孩子,这才是最大的动力来源,然后一旦他们拿回了时间,我们想怎么去用它,对吧,我们想怎么帮这些孩子,成为建设者和创造者,学到我们认为能在这个世界上。 [02:10:02]
Joe Liemandt:茁壮成长所需要的技能,在我们纽约校区,有一个四年级学生,她是个四年级女生,她很喜欢量子力学,于是她办了一档播客,叫Quantum Photons,也就是量子光子秀,她在用这个去寻找,其他喜欢量子力学的孩子,太棒了,对吧,回到刚才说的茁壮成长,她在学习,她在这方面如鱼得水,你可以教她们成为一个创造者,把它作为其中的一部分。
Andrew Huberman:并且富有成效的做出来,你可以两全其美,大家好,很高兴告诉大家,我很快会举办三场线下活动,我想说我们过去的线下活动门票都售罄了,所以大家一定要尽快买票,第一场线下活动将于9月17日,在纽约市标志性的无线电程音乐厅举行,第二场线下活动将于10月8日,在洛杉矶的杜比剧院举行,第三场线下活动将于10月28日,在旧金山的旧金山共济会礼堂举行,在这三场活动中,我会讨论我新书protocols里的主题,还有我最喜欢的部分,现场直接回答各位听众的提问,购票请访问hubermanlab.com,写杠了万次,网址是hubermanlab.com,写杠了万次,我希望能在这几场线下活动中,见到大家,说不定还能多见几次,一如既往,感谢大家对科学的关注,我有个问题,在今天的整个对话中,感觉男孩和女孩,在这个项目中得到了同等支持,比如最大化发挥潜能,不管你怎么称呼他,我还没看男女表现差异的最新数据,但当Scott Galloway上播客时,或者你翻翻今天的纽约时报,甚至你去看福克斯新闻之类的报道,对吧。 [02:11:47]
Joe Liemandt:你都会听到关于表现上的这种性别差距,在Alpha School似乎几乎消除了这种差距,是这样吗,对回到前言,以及无论他是什么,大部分这些都是自我设限,至少在基础教育框架下,这些并不存在,所以如果我有换ADHD的男孩,他们在大体上,某个维度上不如女孩,当每天只花两个小时时,你知道ADHD会怎么样吗,哇他怎么样了,他们整个下午都在搞建设,有一套方法,第一点就是,你带着那些孩子,那些孩子能在应用上,专注两个小时,比如当家长带着ADHD诊断书,来找我们时,我们总会问他们,我们会问,他能连续玩25分钟电子游戏吗,他们会说,能,我就说那好,我们采用25分钟的番茄工作法时段,这会很有意思,对这是ADH的典型特征,只要内容引人入胜,孩子们就能集中注意力,他很有吸引力,所以我们就是让他变得既吸引人又有动力,如果是最坏的情况,比如在我们的sports academy,他们会在用应用之前先让他们去跑步,对,所以你可以带任何二三年级的孩子,通过提高参与度来解决这个问题,然后他们下午就能做自己喜欢的事情,我们AlphaX项目里的一个叫Rat的孩子,他一天就能搞定所有的应用任务,然后他去,他是个山地自行车手,接着他就去,他在奥斯汀郊外建了一个自行车公园,那是德州最好的自行车公园,德克萨斯月刊都对他做了报道,Walton家族的一位成员曾亲口告诉我,我们看到了他的自行车公园,这激励了我们,在本顿维尔也建一个,他南下去了星际基地,SpaceX聘请他在那里建了一个,所以这改变了这个孩子,他以前根本不喜欢整天埋头看书,对吧,诸如此类的事情,但突然间他觉得,好吧,我可以花时间去搞建设了,所以所有这些方面,他们在哪里擅长,在哪里不擅长,存在着各种差异,我相信当你释放他们的潜能时,你会看到这些差异消失,因为所有孩子的表现都会好得多,当然我不知道,也许我们拓展了前沿,到达那里时又会出现新的差距,对,现在无论你是男孩还是女孩进入alpha,你的孩子如果原本表现是在这里,那就会提升到这里,不论具体是在哪,我们来更广泛的聊聊,我们转向另一个关于覆盖面的维度,也就是选择效应,比如有人说,这只适用于有钱人的孩子等等,教育界有一种,我认为毒害极深的概念,也是我们难以在教育上,创新的原因,那就是认为,你必须同时,为所有人提供免费服务,比如你在教育领域,做的任何事情,无论针对谁,他们都会说,我能举出一个反例,证明他不能同时,为所有人免费提供,但产品可不是这样开发出来的,硅谷里没有任何一个风险投资人,在听你做宣讲时会说,好的,你介绍完了产品,但我保证,除非他能同时免费服务所有人,否则我绝不发布,这样你永远拿不到融资,这就不是这种运作逻辑,无论是从Roadster到Model S,再到Model 3,再到未来单次20美分的无人驾驶出租车,你必须沿着成本曲线走,你先找到一个行得通的市场,然后逐步扩大该市场的辐射范围,那我们为什么从这里开始呢,所以我们创办了一所高端私立学校,Alpha是一所昂贵的私立学校,现在回到这个概念,所有人都对我们的学术成果不屑一顾,说是选择效应,但我们对此有非常不同的看法,也就是你知道谁不会不屑一顾吗,家长们不会不屑一顾,这就是为什么大家都来这所学校,我们才会有这么大的需求,这让现有的教育体系,显得要么彻底匮乏,要么部分匮乏,对吧,对,但那对我来说,哪怕往最好的方面想,也有很多教育工作者,在努力改善教育。 [02:16:06]
Andrew Huberman:计算器在很多事情上,都比人们用笔和纸算要快,两者都很有价值,但我觉得任何新技术,而这其实就是一项新技术,都需要时间,需要时间。
Joe Liemandt:但我们是这样看待,我们利用技术所做的事情的,我们造的不是一辆,只能在测试跑道上,跑的无人驾驶出租车,我们是真有一辆,无人驾驶出租车,对吧,我们的系统能跑赢F1,能赢得F1比赛,我们是在和全美最好的学校,最好的学生,最好的老师竞争,对吧,最好的体系,我们高一就考1400分,我们在两小时内,学出两倍的效果,但我们两倍的基准,是基于你所在的百分位,所以我们排在前1%的孩子,每天只用两小时学到的东西,是其他前1%的孩子,学一整天的两倍,对吧,所以我们设立基准并打造,我想去和最好的教育体系竞争,这不仅仅是有钱人家的孩子,这种选择效应,我没说要去和IMG竞争,那是学费十多万美元的Sports Academy,学术成绩并不好,我的态度是不,我想和最好的学校竞争,对吧,这样你才能单独剥离出变量,看清楚你具体做对了什么,再起作用,没错,所以把那个做出来,现在我们的课题是,怎样把这个推广开来,今天的美国教育体系,由于它的构建和结构方式,决定你成绩的最单一最大指标,就是你的家庭收入,你基本上随时都能预测,一个人的考试成绩,不是智商吗,智商是在那之内的第二层效应,是次要效应,在智商之外,到了下一层,就是智商和大五人格里的尽责性,这两点,智商能让你拥有更多的工作记忆槽位,所以如果给你的材料太难之类的,你能更容易的硬啃下来,而大五人格里的尽责性很有意思,我们的教育体系,并不是基于掌握程度的体系,它是基于时间的,你考了80%,拿了个B,你就升到下一个年级了,尽责性就是,你天生就是个肯苦干的人,所以你会做完,习题集上的所有题目,你会做完书后面的所有题目,你基本上是在为自己,执行一套掌握体系,所以你在自己执行掌握体系,所以如果你智商高,同时在大五人格里尽责性强,这些人就能在传统教育体系里,如鱼得水,智商高但缺乏尽责性的人,就发展的不好,甚至大家总是会说,他很聪明,他很聪明,但随他去吧,可能我也只是从少数例子推导出来的,但你在富裕家庭的聪明孩子身上,经常能看到这种情况。 [02:18:57]
Andrew Huberman:他们早早就接触到了很好的条件,然后就有点敷衍了事,比如你离开了学校,我不是说你也是这样,除了你告诉我们那些,我其实完全不了解你的家庭成长背景,但你离开学校后,直接挂上了最高档,你并不是离开之后心想,我要去环游世界,虽然那也是件挺有意思的事,但你是立刻全速去做成了一番事业,这就是我退学的原因,也是我想去做的事。 [02:19:23]
Joe Liemandt:但回到这里,有意思的地方就在这,动力才是关键的那一块,对吧,如果你掌握了所有技能,但没有动力,那就没用,在我们的系统里,我们醒来时就会想,如果我得把这个推广给十亿个孩子,我总不能建立一个,基于收入智商和大五人格尽责性的系统,对吧,那不过是在重建我们现有的系统,所以第一部分是关于智商,如果我给你一堂符合你水平的课,你就能学会,如果你上七年级,但在你需要四年级内容时,我给你七年级的课,你就学不会,但如果我给你四年级的课。 [02:20:01]
Joe Liemandt:你就能学会,美国共同核心教学标准的设计初衷,就是让人能学会,对吧,它其实思维上的概念上的跨度没那么大,所以每个人都能学会,所以当你通盘考虑八年级的内容时,只要我给出难度合适的材料,我就能让所有人通过八年级,这样就解决了你能不能学会的智商问题,第二,我需要你去学,对吧,我需要你达到掌握的程度,我需要你啃下来,而我要用动力来解决这个问题,不管我需要什么动力,你下午有体育活动,那就先把那些课啃完,孩子我得给你钱,那我就给你钱,只要能弥补你天生没有大五人格尽责性,天生不会死磕的不足,需要做什么我就做什么,然后在收入方面,收入方面其实就是,你是不是在为负担得起的人设计产品,所以奥佛很贵,但我们今年要进入公立学校,我们在为他们做设计,我们平均花费大概是两万美元,我们在一些学校里,有一所是一万九千五百,另一所是两万四千,所以我们在设计下午的工作坊时,其实就是针对那个预算来的,对吧,体育其实是我们成本最低的项目之一,对吧,我们有一千多个孩子是免费参与的,因为有贷金券机制,我们必须把每个孩子的成本控制在两万美元以内,而体育其实更便宜,因为场地很便宜,对吧,前期有资本支出,但之后没有运营支出,对吧,算进你的年成本里,而且一个教练习惯了带30个孩子,对吧,我可以管理一个30人的团队,所以我也能达到你的成本目标,所以当我想到美国教育系统时,我们完全可以做到,但你必须重新设计一整天的学校日程,这不是,我想说明白的是,你不能直接把教育科技扔进去,不能把我们的time back随便塞进一所学校,那是行不通的,因为你还没解决其他任何问题,所以教育科技不是什么灵丹妙药,我们在美国必须明确表态,我们想要这种新事物,我们希望我们的孩子茁壮成长,我们希望他们热爱上学,我们确实希望他们的学习效果能翻一倍,但我们也想交给他们所有这些生活技能,让他们在下午成为创造者,而且我们愿意为此重新设计学校的作息,所以正在推行这个的一些公立学校里,我没能说服学区主管改成两小时,但他们打算在应用软件上花三小时,那位学区主管讨厌教育科技,他就觉得我不太相信这个,但行吧,他看到了我们足够多的成果,所以说我们试试吧,但他说我想让孩子们学三个小时,但随后的下午工作坊,对吧,是类似Alpha的工作坊,专门针对他们的群体和价位来设计的,所以我们的目标是,我们可以把它推广开,我们可以打破这些关联,但回到选择效应,我认为你必须为你的客户来设计产品,所以拿我们现有的几所不同学校来说,我们有一所Sports Academy学校,如果你不喜欢体育,那就行不通,现在只要我针对合适的价位来设计,你的家庭收入就无关紧要,因为我会给你难度合适的课程,你会有动力,而这与收入无关,而且我们还有一所天才学校,那是我们真正做认知测试的唯一地方,你的认知能力必须排在前10%,但我们还会问,我说什么会让你喜欢学校超过放假,你说学更多功课,这大概只占市场的5%,对吧,20个孩子里有一个会说,我还想学更多,我们就会说,我们要为你量身打造一所学校,我们要用海量学业把你压垮,祝他们好运,因为他们喜欢这个,对,是的,我身边从小就有几个这样的孩子,他们太厉害了,我的小女儿正好相反,我的大女儿,她看危机分数当消遣,她在斯坦福大学,她会说,我要在本科期间把硕士读完,我需要学更多东西,她是英语和数学双专业,她就是想要更多更多更多,她求知欲很强,对,她一直这样,她跟我完全不一样,她不会退学,她绝不敷衍了事,她全力以赴,因为她真心热爱,学校就是社区,社交很重要,把那些天才儿童项目的孩子聚在一起,他们会互相促进,对吧,他们能看到消除阻碍的第一动力,其实不是老师有多厉害,让孩子确信自己能做到的头号因素,是看着同班同学做到了。 [02:24:50]
Andrew Huberman:这在体育运动里非常明显,我不想举个微不足道的例子,但不管你练什么项目,身边都是比你强得多的人,你就会把自己逼得更狠,而且我说实话,几年前在斯坦福大学做博士后时,那是我第一次环顾整个房间,发现每个人至少都在往顶尖期刊投论文,而且他们配得上那个位置,你就会把自己逼得更狠,思考的更深,你不仅是工作时间更长,你会认真的多的去想,自己决定做什么不做什么,这是很大的一部分,在这一切的背景下,我不是要反驳,但我猜不少人心里都在琢磨这个,我的职责之一,就是把这种想法反映出来,冒着发表太多个人看法的风险,但我都50岁了,我觉得我可以稍微说两句,我一辈子都生活在这个国家,近些年似乎更常出现一种文化姿态,那就是如果某个人没有吃过苦,没有身处逆境,我们其实不太想看到他们成功,我不是说大家本身对此有意见,但如果你看看那些被歌颂的故事,全都是草根逆袭的故事,对吧,那是典型的美国故事,对吧,你懂吧,我们有很多现成的故事可以挑,但对于那些各方面条件都不错,正在拓展自己极限的人,似乎几乎有一种排斥,我知道那不是你的立场,这完全不是Alpha School的立场,事实上他的立场恰恰相反,那就是让每个人都拓展到自己的极限,我觉得很多人心里最大的疑问,可能就是这个每个人的部分,你的意思是,我们必须先从这里起步,然后才能扩散到整个教育体系,我完全理解也支持这一点,但我觉得我们这次讨论有个契机,让大家在心里记住,看到别人成功,并不等于剥夺了其他任何人的机会,尤其是如果他们成功的路径,是可以推广给所有人的话,你看这个国家,过去往往关注的特殊情况,都是那些极端的个例,对吧,比如斯珀特微博,这些确实是非凡的故事,但那种故事,其实没有太多可以借鉴推广的地方,除了只要你真心渴望,并且拼命努力,你就能得到,所以我们可以说是灌输了这样一个神话,好像任何人都能触及极限,或是他们自己的极限,我也确实觉得,如果大家听到这个成本,这种甚至这种积极乐观,虽然我很喜欢,不过话又说回来,我是在加州帕罗奥多土生土长的,但对于那些听节目的观众,他们心里会想,好吧,我怎么才能确保我的孩子将来,有望接触到类似这样的教育呢,而且这不光是经济门槛,这也是一种观念上的门槛,完全是,所以我不是要你去讲政治正确的话,我只是在陈述这一点,AT,你懂的,因为这是个实实在在的问题,没错,百分之百是这样,你看你在奥斯汀是个成功人士,我在加州这边,我的一生过得很精彩,也经历过一些挫折,但现在的观念,至少在公众报纸电视等等看来,就好像只有当你白手起家,从一无所有走出来,大家才会买账,否则的话,成功现在其实有点被人瞧不起,这本身就是个问题,所以你是怎么看这个问题的,你又是怎么跟alpha school的孩子们说的,比如怎样在社会上做一个成功的人,而这本身就是一套独立的技能,这里面有两部分。 [02:28:15]
Joe Liemandt:我们绝对必须让每个人都能用上这个,我投入了十亿美元,就是为了确保我有足够的资源,让他不只是面向高端私立学校的孩子,和富人家的小孩,而是能推广开来,这就是为什么我们现在敢说,是的,明年德州招收家庭收入,低于六万五千美元,学生规模最大的学校,就是我们,而且那些孩子的学习进度。
Andrew Huberman:会赶上私立学校,我觉得你该把这个再重复一遍,好让大家听清楚,你们将成为拥有最多家庭收入,低于六万五千美元学生的学校,对,所以,真了不起,对。
Joe Liemandt:这就是我们的Sports Academy,对吧,那是他们想要的产品,我们就拿Sports Academy来举例,这又回到了针对性设计上,对吧,我们也聊过这个,体育其实是一个,可以把成本做低的方向,因为做实操工坊的场地很便宜,教起来效果很好,教练也习惯了带大队伍,对吧,孩子们积极性特别高,他们非常喜欢,对吧,举个例子,这就很神奇,德州的教育券允许德州居民申请,要么是有学习障碍,要么家庭收入低于六万五千美元,你就能拿到教育券,不是所有人都能拿到,额度用光了,他们投了十亿美元进去,然后额度就用光了,但我们建了一个网站,名字就叫Texas Sports Academy,从1月1日教育券开放申请,到100天之后,德州有超过12万个家庭表示,如果我拿到教育券我就要选这个,我想让我家孩子上Texas Sports Academy,我们拿到了一千多张教育券,是全州拿到教育券最多的机构,这些家庭的收入全都在六万五千美元以下。 [02:30:01]
Joe Liemandt:他们的孩子都热爱体育,这些孩子将用上和顶级私立学校Alpha,完全一样的学术教学系统,他们也会在二小时内学到两倍的内容,刚进来时,他们的学业水平确实比Alpha的学生低,他们的学习速度原本不在同一个水平上,他们将以同样的速度学习,他们的学习速度会比普通私立学校更快,所以你把他们放进这套系统里,这是免费的,他们会在二小时内完成学习,他们用上的将是全美最好的学术系统,而且我们相信,我们可以把这个模式推广到全国,未来会有公立学校引入这套系统,如果你在那些公立学校,在这两个小时里,你就会用alpha的系统,也就是alpha time back,到了下午,你们就会去参加,我们聊过的那些工坊,搞创作搞搭建,形式上会有一点不同,因为你的预算是两万美元,而不是alpha的四万多美元,但他们依然会是,非常棒的生活技能工坊,对吧,两万美元完全足够了,对吧,一年两万美元,你完全能让一个,十岁的孩子爱上学校,对于喜欢体育的孩子,他们就去参加那个体育项目,我们的任务就是把这件事做成,我们的任务是必须拿出证据,所以我们和麻省理工学院签了合作协议,因为显然没人相信我们,这听起来太不可思议了,所以麻省理工学院的Blueprint Labs,对吧,他们的诺贝尔奖得主团队会介入进来,说我们来做测试吧,我们来做随机对照试验,我们来证明这套方法管用,把哪些地方不管用也展示出来,把数据公开,这样我们就能开始把它推广给每一个人,全美有5500万孩子,我们需要让每个人都能用上,我们正走在这条路上,我们相信在接下来的一年里,我们会有一大批数据来证明这一点,我们会有sports academy项目,这是每个人都非常想要的大热门,我们还会做另一个项目叫GT square,我们要让10万个孩子,在初中阶段就达到,麻省理工学院的学术录取要求,这里面会有来自农村的孩子,全美各地的每一个人都能参与,这个项目是针对那些喜欢上学,觉得学越多越开心的孩子,他们用APP学习的时间,大概是四个小时,而不是两个小时,所以这些项目都会是免费的,费用可以通过教育券,和各种专项计划来覆盖,其实也会有慈善机构来出资支持,然后我们会把它引入公立学校,要改变整个教育体系,确实需要花上20年时间,我不想说这是能一蹴而就的,要是说这东西明天就能送到你面前,那就是虚假宣传了,没错,不过我们正在推进一些项目,想尽快把它推广出去,我给你举个最好的例子,这是推进最快规模最大的一个,我们还有另外一所学校,我们之前聊过针对创业者的Founder School,还有我们的体育学校,我们还在非洲开办学校,这个项目的情况是,他们有一个预算上限,我必须把成本降到1000美元,对吧,不到1000美元,所以这会花更长时间,难度也更大,但我们已经开始着手做了,我们有一批Alpha High School的学生,他们说行,我们了解这边的Alpha模式了,我们怎么才能去多学点东西,在国外待上一年来,把这事搞清楚,所以是学生们再建一所学校,对,在非洲,太棒了,他们会想,我们得拉太阳能,装星链,还得打口井,那边的社区情况非常不一样,他们报名这所学校时,又回到挑战困难这件事上,我们让他们签了份协议,写着我明白,这会是我人生中最艰难的一年,但再说回,我快乐的秘诀在于为社区做贡献,他们全都全身心投入进去了,我最头疼的问题之一是,有个alpha的初中生说,我也想去,他父母就说,他太小了,别让他去,让他等到上高中再说,不过回到普及教育资源这个话题,我们做的一件事是,有一帮全球顶尖的电子游戏开发者,一直在打造一款世界级的游戏,不是市面上那些普通的教育科技游戏,这真的是一个曾经做出过,全球最顶尖游戏的团队,他们正在做一款游戏,把我们之前在Timeback里聊过的那些,学习科学概念用起来,你可以想象把这些概念,融入到一款游戏里,它的商业模式是,会向五一个孩子开放,先从三到五年级的,阅读和数学开始做,然后会拓展到,一直到十二年级的,完整课程体系,全美任何一个孩子放学后,都能用这个,而且学的就像在,全美顶尖私立学校里一样快,它会非常,再回到解决动力问题,我们为什么要去跟,网红或者游戏开发者合作,是因为我必须解决动力问题,才能让他们愿意,去学那些内容,Alpha的孩子们,一直在当实习生参与测试,他们会说,兄弟,这太好玩了,我自己不玩游戏,但他们说,MR Limit,所有人都会玩这个的,而且它的设计是完全免费的,所以全世界五亿个孩子,都能免费用它来学习,孩子们放学后就能玩,所以就算你们学校觉得,教育科技烂透了之类的,你在家里也能用,你会喜欢到放学后,不再玩别的游戏,而是去玩它,区别在于,它能让你进入前1%的学业表现,太不可思议了,这就是我们聊到激发孩子潜能,把这些整合在一起时会做的事,也是我们为什么对此这么乐观,确实需要,这需要大量资金,他们刚刚得融好几亿美元的资金,才能做出这种东西,我们正处在教育的复兴时期,现在是历史上做五岁小孩最好的时代,每个家长都能坐在那里说,我的孩子能成长到我从未想过的高度,做到我在他们这个年纪做不到的事,所以我们持有极其乐观的看法,我们相信我们的职责就是把它做出来。 [02:36:13]
Andrew Huberman:并推广给每一个人,我很喜欢你们做出来的东西,以及你们带它走向的方向,真的很不可思议,我这么说既是作为一个热爱学习的人,也是作为一个曾经有过一段迷茫期,后来才找到正轨的人,当那些齿轮开始转动时,是一件非常了不起的事,我能看出来,你希望每个人都能拥有这个,这些孩子听起来太棒了,那些引导员听起来也很棒,我非常感谢你能想出这个点子,组织起这个团队,我知道你是想出这个点子的团队中的一员,我知道你是校长,也非常感谢你花时间来给我们讲,Alpha School,因为还有什么比这更重要呢,对吧,我是说这听起来很老套,对吧,但有什么比我们这个物种在成长,并最终取代我们的过程中,所展现的神经可塑性和学习能力,更重要呢,这真的超级超级让人兴奋,所以我们会持续关注,我们会把对公众有用的,所有相关链接都放出来,我还得说听了你之前的播客,我得稍微夸你一下,希望你别介意,你对学习数据和神经科学,有着非凡的掌握,我们今天没深入聊,关键期之类的话题,但你对那些掌握的很深,恕我直言,虽然我不是心理学家,但你做事极有条理,但对于这些孩子在学习这件事,你身上又带有一种近乎孩子般的喜悦,能明显感受得到,我觉得以我的经验来看,这或许是任何教育者身上最重要的一点,最好的老师既精通教学内容,但他们看待教学内容,看待学生身上发生的变化时,也带着和自己第一次学到这些内容,是一样的敬畏与兴奋,所以谢谢你今天让我和大家体验到了这一点,非常感谢说到这一点。 [02:37:55]
Joe Liemandt:四年前我当校长之前,我的职业生涯很棒,非常精彩,但过去这四年,是我人生中最美好的四年,看着这些孩子茁壮成长,对吧,回到你说的教育这一点,这太棒了,没有什么比这更让人兴奋的了,没有什么比这更重要了,对吧,对一个家庭或社会来说,都没有比这更重要的了,但作为一个个体,这是我对所有听众的呼吁,那就是如果你想来改变教育,我可以向你保证,这将是你职业生涯中最有成就感的事,无论你处在什么阶段,刚大学毕业,在读大学毕业后已经退休,无论在哪里,这都是值得投入时间的机会,有很多人以前从没从事过教育,对吧,这些软件,这些游戏设计师,以前从没做过教育,我们正在把全世界最优秀,想提供帮助,并改变这一切的人吸引过来,加入我们的团队,因为这太棒了,看来你的候选人池子又要变大了,那太好了,非常感谢,谢谢你,感谢大家收听今天我和Jolyman的对谈。 [02:39:03]
Andrew Huberman:想了解更多关于Alpha School,以及他们所做工作的信息,请查看节目说明里的链接,如果你从这档播客中学到了东西,或者喜欢听,请订阅我们的YouTube频道,这是支持我们的一种极好的零成本方式,此外也请在Spotify和Apple上,点击关注按钮来关注这档播客,在Spotify和Apple上,你还可以给我们留下最高五星的好评,现在你也可以在Spotify和Apple上,给我们留言了,也请大家关注今天节目开头,和中间提到的赞助商,那是支持这档播客最好的方式,如果你对我有什么问题,对播客有想法,或者有想推荐给Huberman,播客的嘉宾和话题,请在YouTube的评论区留言,所有的评论我都会看,可能有些人还不知道,我有一本新书要出版了,这是我的第一本书,书名叫Protocols and Operating Manual for the Human Body,这本书我写了五年多,基于三十多年的研究和实践经验,里面涵盖了从睡眠运动到压力控制等各方面的方案。 [02:40:01]
Andrew Huberman:还有关于专注力和动力的方案,当然我也为书中收录的方案提供了科学依据,这本书现在已经在protocolsbook.com开启预售,在那里你能找到各大购书平台的链接,你可以挑选自己最喜欢的平台,再说一遍,这本书叫,Protocols,An Operating Manual for the Human Body,如果你还没在社交媒体上关注我,我在所有社交平台上的账号,都是Huberman Lab,也就是Instagram,Xthreads,Facebook,和LinkedIn,在这些平台上,我会讨论科学,以及与科学相关的工具,其中一部分内容,会和Huberman Lab博客重合,但很多信息,都是Huberman Lab博客里没有的,再说一次,在各大社交平台上,搜Huberman Lab,就能找到我,如果你还没订阅,我们的Neural Network通讯,这是一份完全免费的阅读通讯,里面不仅有播客的内容摘要,还有我们称之为方案的一到三页pdf,内容涵盖如何优化睡眠,如何优化多巴胺,刻意冷暴露等各个方面,我们还有一份基础健身方案,涵盖心肺训练和抗阻训练,所有这些内容都完全免费,你只需访问hubermanup.com,点击右上角的菜单栏,下滑找到通讯,输入你的邮箱即可,我必须要强调的是,我们绝不会把你的邮箱分享给任何人,再次感谢大家收听今天我和Joly Mont的对谈,最后但同样重要的是,感谢你对科学的关注。 [02:41:23]
在 Alex Kantrowitz 主持的对话中,Cloudflare 首席执行官 Matthew Prince 讨论了 AI 正在如何重写互联网的流量、内容和商业模式。Cloudflare 观察到自动化流量已经超过人类流量,并预计在当前趋势下,五年后可能达到人类流量的一千倍。Prince 认为 AI 也会让更多普通人具备创作网站和应用的能力,但前提是内容创作者、出版商和小企业能够从 AI 使用内容和服务中获得合理回报。否则,代理主导的搜索与交易可能把流量、数据和商业机会进一步集中到少数大公司手中。
1. Prince 回顾了自动化流量预测的快速变化:2025 年底他预计人类流量将在 2027 年下半年被超过,2026 年 3 月预期提前到上半年,到了 2026 年 5 月,Cloudflare 已观察到自动化流量首次超过人类流量。他预计五年后自动化流量可能是人类流量的一千倍,而且增长主要来自代理代表人类访问大量网站。
2. 他不认同“互联网已死”的单一路径判断。Cloudflare 看到,互联网内容在 2025 年 10 月左右重新增长;Lovable、Replet、Base44、Wix 等工具让技术能力和资源有限的人也能创建应用和网站。Alex Kantrowitz 以自己用 Claude Code 和 Cloudflare agent 搭建峰会网站为例,说明 AI 正在降低创作门槛。Prince 因此认为,如果激励机制设计正确,互联网可能迎来内容创作的黄金时代。
3. AI 流量不仅用于训练模型,也包括代理在推理时检索信息以及代表用户完成任务。一个人购买数码相机时可能只浏览五个网站、每个网站十页左右;代理可能浏览一千个网站的每一页。Prince 以疫情期间欧洲互联网流量两周翻倍、视频流媒体差点压垮网络为例,说明一千倍增长会给带宽、服务器和基础设施带来更大的压力。即便只是让每位知识工作者拥有一个全天候代理,传统容器所需的 CPU 产能也可能达到当前水平的四十倍以上,因此需要比容器更轻量的 Workers、Isolates 等技术。
4. 这会改变内容的价值交换。用户希望代理获得更全面、更好的答案,但每次访问都消耗带宽、服务器和创作者的劳动。Prince 认为,AI 公司不能只获取内容而不回馈价值。Cloudflare 计划让依赖广告或订阅的出版商选择是否允许抓取,并强化对 AI 爬虫的控制;在默认策略启用后,可能有数百万个网站不再出现在 Google 搜索结果中,除非访问者向创作者支付报酬。Prince 认为 Google 如果只是另一家 AI 公司,就应与其他模型提供商一样为内容付费,SEO 时代也正在走向终结。
5. 对小企业而言,代理型商业既可能带来更精准的消费者匹配,也可能加速行业整合。人类常因方便或情感联系选择本地小店和品牌,代理则会有无限耐心,按配送、退货、拒付、评价等信息做深度比较。成熟大公司拥有更丰富的线上资料,新品牌却难以获得第一个客户。Prince 担心,若没有可验证的声誉和公平的进入机制,未来可能只剩下少数掌握资金、地产、生产、物流和 AI 的巨型公司。他正在与 Shopify、PayPal、Visa、Mastercard、American Express、Intuit 等服务小企业的公司讨论解决方案。
6. 对话最后将问题扩展到贫富差距。若个人每年花费数千美元使用不受广告影响、能够保持诚实的代理,富裕地区会获得比贫困地区更强的 AI 能力。Prince 尚未给出完整技术方案,但希望通过持续讨论,让 AI 时代更接近普惠、开放的未来,而不是由代理和大型公司共同推动的封闭体系。
- AI 流量超过人类之后,互联网将走向何方 [00:00:00 - 00:50:53]
Alex Kantrowitz:在人工智能机器人数量超过人类的互联网时代,网络将会发生什么变化?新闻信息发布者和小企业能否生存下去?接下来我们将连线Cloudflare首席执行官MatthewPrince。欢迎收听BigTechnologyPodcast,这是一个对科技界及其他领域进行冷静、细致探讨的节目。如今,网络上的人工智能机器人数量已经超过了人类。所以,[音乐]领域的人工智能流量比人类流量更多,这显然正在改变新闻出版商、信息出版商以及[音乐]领域小型企业的动态和激励机制。那么,互联网将会如何发展呢?今天我们很荣幸邀请到了马修·普林斯。他是Cloudflare的首席执行官。大约一年前,他曾和我们一起讨论Cloudflare为防止网络消失所做的努力。网络依然存在,但可能不如一年前那么健康,显然(音乐)并非由于这些努力的失败,而是因为人工智能的力量仍在前进,今天我们将讨论这场战斗将会是什么样子。马修·普林斯,马修,很高兴再次见到你。欢迎回到节目。 [00:00:00]
Matthew Prince:谢谢邀请。 [00:01:03]
Alex Kantrowitz:好的,我们先来看标题,那就是Cloudflare最近发现,浏览网页的AI机器人数量超过了人类用户。[音乐]嗯,我不知道这是否令人惊讶。嗯,我想我的一部分想法是,“嘿,你知道,这事当然发生过,嗯,只是它发生得这么突然,确实令人惊讶。”嗯,人们普遍认为网络上有很多机器人流量,但请谈谈您看到的AI流量的激增,无论是抓取新信息还是代理采取行动,以及这说明了最近这类AI应用的兴起意味着什么。
Matthew Prince:是啊,你知道吗?我确实很惊讶。你知道,在2025年11月的网络峰会上,有人问我,我们认为自动化流量何时会在网络上超过人类流量。我们收集了所有数据并进行了分析,根据趋势,我们最好的估计是会在2027年下半年。在2026年3月的 South by Southwest 大会上再次提出了同样的问题。我们再次提取了相同的数据,然后我们说:“嗯,这很有意思。时间提前了。我们现在认为会在2027年上半年。”所以,当我的团队在2026年5月找到我并告诉我时,我简直惊呆了:“你不会相信的,但我们现在看到,在互联网历史上,自动化流量第一次超过了人类流量。”我认为这确实表明了这一进程进展得有多快,导数变化得有多快,直线的斜率变得越来越陡。如果我们假设目前的趋势,最让我震惊的是,如果我们快进到5年后,我们现在估计,届时在线自动化流量将是人类流量的一千倍。这并非因为人流量会下降,而是因为在此期间,自动化流量将继续疯狂增长。而这将给互联网资源带来巨大的压力。这将给基础设施带来巨大压力。而且,Cloudflare团队正在思考的很多问题,就是如何确保互联网能够应对即将到来的自动化流量的全面冲击。
Alex Kantrowitz:没错,我相信你们都听说过“互联网已死”理论,但对于那些没听说过的人来说,这个理论认为,有一天网络基本上将由机器人和自动化内容组成,而这些机器人将操纵这些内容以实现算法筛选。所以你在社交媒体上看到的,实际上是一个看起来很真实的、但实际上已经死气沉沉的互联网。这显然与那件事略有不同。 [00:03:25]
Matthew Prince:是的,我觉得我们目前看到的趋势实际上恰恰相反。其实挺有意思的,Cloudflare成立于2010年,大约在2015年左右,互联网发展就停止了。事实上,它先是趋于平稳,然后在过去的10年里甚至略有下降。然后,大约在2025年10月,互联网再次开始发展,并且其发展速度与2000年代中期最为接近。而且,现在创作的内容并不是那种我会形容为自动化生成的粗制滥造的东西。确实有一些这种情况,但一直以来都是这样,你知道,一直以来都有些这种情况。我认为实际发生的情况是,那些技术水平不高、资源匮乏,但却有有趣想法、有故事要讲、有东西要分享的人,突然之间就能使用像Lovable或Replet这样的强大工具,或者像Base44团队开发的Wix等公司正在开发的工具。例如,然后利用这些工具构建相当复杂的应用程序。而且,这几乎是Cloudflare历史上第一次出现这种情况:我们看到创建的内容呈爆炸式增长,但这并没有让互联网变得更糟,实际上我认为互联网现在变得更好了。只是我们所有人都会通过不同的界面来使用这项功能。它将更多地通过某种人工智能界面进行协调,但我认为令人难以置信的是,即使你现在没有技术技能,你也可以组装一个应用程序,搭建一个网站,并将其上线。再次强调,我认为这很了不起,而且它实际上正在使网络变得更健康,而不是更不健康。
Alex Kantrowitz:好的,我其实想就这个问题再追问你一下,因为有一项研究表明,例如,虽然苹果应用商店里的应用数量更多,但评论数量却在下降,对吧?看起来每周活跃用户数并没有真正增加。所以,是的,我们确实有能力创造很多新东西,但似乎也有很多东西,我的意思是,我知道你说过这不是垃圾,但有没有接近垃圾的东西呢?你觉得怎么样? [00:05:50]
Matthew Prince:我再次看到,我每天都能看到一些人因为缺乏资源或能力而无法创造有价值的东西。所以,确实会有一些没有价值的东西吗?当然。嗯,但是,我认为最终的结果是,我们看到了更多的东西。我认为我们会越来越远离应用商店模式,因为那将不再是我们与用户重新建立联系的界面。在某些方面,AppStore对互联网构成了巨大的威胁。它就像是把人们从网络上拉了出来。它可能是造成网络不如Facebook有趣的两大原因之一。我认为现在把内容重新放到网上,然后确保它们能够以对创作者有意义的方式在不同的AI系统中被访问,并确保创作者获得报酬,这实际上会重新激活网络,而这正是我们一直以来所看到的。而且,我既有来自同事、家人的个人例子,他们能够上网讲述一些事情;也有来自专业人士的例子,我每天都会收到人们的来信,他们说:“我现在能够做一些我以前从未想过自己能够做到的事情。”再次利用这些强大的工具,再加上像Cloudflare这样的公司提供的基础设施,你就能以非常经济高效的方式获得收益。我认为,人工智能的辅助实际上让人类比以往任何时候都更具创造力。 [00:06:20]
Alex Kantrowitz:好的,我先停一下,说说我为我们六月份举办的峰会搭建网站的时间。我说“我是”的时候,真的应该加上引号。主要是Claude代码框架连接到Cloudflare代理的问题。他们帮我创建了所有这些账户,然后搭建了网站。 [00:07:55]
Matthew Prince:我的意思是,这真是非同寻常。比如,把它和你原本要做的事情比较一下。过去,你知道,雇佣整个团队是 [00:08:15]
Alex Kantrowitz:不可能做到的。我根本没办法开始。仅凭
Matthew Prince:你一个人的资源是无法启动的。所以你会雇人来做这件事,是的,这样一来,你就可以去做更多有趣的事情了。我认为,科技发挥到极致,就是让更多的人能够获得某些东西。然后他们又拥有了他们以前拥有的东西。我们正在做这件事。你知道远程控制。即使是10年前,搭建一个4K视频直播系统,在两个不同的地方进行直播,需要花费多少钱?我的意思是,光是租用摄影棚或者架设摄像机来拍摄就得花费几十万美元。然而,我们却做到了。我认为人工智能也不例外。这将使更多的人能够发挥创造力,做有趣的事情。而且,而且,如果我们能制定出正确的激励机制。希望这也能让我们有更多的机会进入市场。我觉得这就像是在摸索。未来五年互联网的商业模式是什么?我的意思是,未来五年乃至未来三十年互联网的商业模式会是什么样的?这是当今科技领域最有趣、最重要的问题。远远超过其他方面。
Alex Kantrowitz:正确的。 [00:09:33]
Matthew Prince:如果我们理解正确的话。我认为我们即将迎来内容创作的黄金时代。而且,而且,这可能会非常不可思议。如果我们搞砸了,你知道,我们可以很容易地列举出一系列可怕的事情。是的
Alex Kantrowitz:。那么,我们就来深入探讨一下这个问题吧?因为它有两面性。内容创作环节包括内容创作,内容浏览环节也包括内容浏览。这有点像是去年我们讨论过的话题的延续,那就是越来越多的内容正被人工智能抓取或访问。正确的?所以,在过去一年里,你已经看到人工智能对网站的访问量大幅增长,以至于现在已经超过了人类的访问量。那么,您是否了解访问这些网站的主要是人工智能机器人来训练新模型,还是像人类一样使用这些网站的代理,或者,您是否知道,也许是在测试时进行的查询?因此,当机器人试图找到答案时,它会访问一个网站,最终将答案带回聊天机器人界面,而无需用户实际访问该网站。那么,如果你对比例有任何概念的话,它们之间的比例是多少?
Matthew Prince:我的意思是,以上所有情况都符合。所以我认为所有这些都会推动事情的发展。随着越来越多的模型提供商上线,培训需求肯定会增加。我的意思是,我不认为你知道,像OpenAI这样的公司,你知道,比一年前进步了一点点。Anthropic的发展速度比一年前略有提升。但更重要的是,现在有更多的人在制作模型了,我认为这很棒。就像我们应该有,就像世界不应该只有五个,你知道,前沿[清嗓子]模式提供商。应该是50万。我们该如何确保这一点呢?我认为与此同时,也存在一些独立运作的代理人。这可能是目前最小的类别了。我认为这将发展壮大,成为一个相当大的类别。但目前这有点像是代理商之间的商业活动,而现在的情况更像是未来的事情,而不是现在的事情。嗯,然后我认为你会看到越来越多的人工智能几乎代表人类外出获取资源。但我认为,说他们的行为完全像人类一样,几乎是不正确的。我的意思是,规模差异太大了。如果我自己想买一台数码相机,没有销售人员的帮助,我可能会访问五个网站,你知道,而且每个网站可能还会浏览十页左右。我的代理将访问一千个网站,并浏览每个网站的每个页面。因此,这就给它带来了负担,尤其是如果没有经济上的惩罚措施来阻止它到处爬行,对吧?这相当重要。现在,我认为你必须权衡一下,你知道,代理拥有无限的耐心,他们会仔细查看所有内容,这对用户有什么好处。我认为这对最终用户来说真的很好。但你知道,每一个请求背后都有服务器在处理。你知道,带宽是需要付费的。有些内容必须创作出来。所以必然存在某种价值交换。如果人工智能公司只是索取而不回报任何价值,那么这就说不通了。所以,这又一次说明了我们必须弄清楚的问题。 [00:10:50]
Alex Kantrowitz:正确的。所以,我认为你明白,当你谈到这个问题时,你的观点是,呃,我们最终会……我想你说过一千遍,呃,机器人流量比人类流量多得多,对吧?五年之内,这太疯狂了。好的,首先,请稍等。 [00:12:55]
Matthew Prince:你会感受到这种感觉有多么强烈。欧洲互联网在新冠疫情期间几乎彻底崩溃。因为在新冠疫情期间,短短两周内,互联网流量就翻了一番。尤其对于视频流媒体来说,带宽需求更是翻了一番。所以我想,我记得当时正在和Netflix、迪士尼、Akamai、YouTube等所有主要流媒体平台的高层领导通电话。嗯,基本上就像墨西哥僵局一样,双方都不想降低视频流的质量,因为他们会说:“人们付费观看我们的视频是因为我们有4K视频,我们不会降低它的质量。”但当时的情况是,就像欧洲一样,每个人都让孩子看电视,你知道,一大早就让孩子看流媒体,不幸的是,这和亚洲的情况正好吻合,你知道,晚饭后每个人都会打开电视看点什么,你知道,这造成了巨大的网络流量,导致我们的网络容量不足,最终我们不得不降低视频流媒体的分辨率,以确保欧洲的互联网保持在线。顺便说一句,如果欧洲互联网崩溃了,那么下一个崩溃的就会是亚洲。美国或许还能再撑一段时间,但从某种程度上来说,这一切的能力都是有限的。所以你必须有能力支持它。而且那还是2倍速。放大1000倍后,情况将完全不同。因此,我们又花了很多时间来思考如何确保技术准备就绪。就像WordPress一样,它是最流行的内容托管平台。它已经发布了,并且在一种名为PHP的编程语言上运行良好,虽然PHP并不是最高效的编程语言。所以我们就说:“听着,我们想支持WordPress社区。我们想确保WordPress成功,但如果这需要成本……”不久前我和一家最大的WordPress主机商会面,他们说:“你知道,我们在WordPress上托管一个网站的成本大约是3.17美元,然后我们向他们收取12.99美元,这就是他们的业务模式。”我当时就想,“如果流量增长一千倍,会发生什么?”他们说,那托管这个网站就要花我们三千多美元。但是,普通的WordPress用户肯定不愿意花三千多美元来托管他们的WordPress网站。所以,我们必须改变一些基础技术。我设想的最佳方案是,保留WordPress的用户界面、生态系统以及人们喜爱的一切,但底层技术要大幅提升效率,这样才能真正应对未来的增长。而即将到来的流量规模,简直难以想象。 [00:13:10]
Alex Kantrowitz:好吧,我们得花点时间讨论一下,因为这非常有趣。首先,要预测五年内来自机器人的网络流量将增长一千倍。我的意思是,是的,你知道,我们最近确实看到了相当大的增长,但是一千个X是一个惊人的数字。那么,这一千个X究竟是什么呢?是什么让你相信情况会是这样? [00:16:03]
Matthew Prince:我的意思是,我们现在只是在观察趋势。嗯,我的意思是,在五月份,我们看到自动化流量超过了某个阈值,我们推断出这个变化率是多少,然后我们假设指数会继续增长,因为你知道,它目前的渗透率还远远不够,但我们必须发明新技术来支持它。所以,为了给你一些实际的例子。让我们想象一下,地球上的每一位知识工作者都有一个24/7全天候为他们工作的代理,帮助他们完成工作。而且,这看起来很合理。每个知识工作者都会拥有一些为他们工作的代理。目前真正这样做的人很少,但随着时间的推移,这将会变得合理。抛开GPU不谈,单就CPU而言,如果每个代理都运行在传统的容器中——你知道,这种容器甚至不是虚拟机,也不是独立的服务器,而仅仅是一个容器——那么,一年内所需的CPU产能将是目前水平的40倍以上。而这仅仅是一个代理的情况。我估计大多数知识工作者都会拥有多个代理来代表他们工作。因此,我们目前的技术无法支持未来的发展。所以,Cloudflare正在投入大量时间思考,我们从服务器发展到虚拟机再到容器,是为了提高效率,但即使是容器,你也需要引入整个操作系统,你需要启动它。所有的工具链,所有这些东西,都非常笨重。那么,为了支持未来的发展,我们需要更轻量级的解决方案。我们利用开发者平台(我们称之为Workers)构建了很多东西,并大量依赖Isolates等技术,这些技术能够提供更轻量级的服务。我们认为,如果互联网想要继续扩展以支持未来必然出现的代理流量,就必须具备这些功能。
Alex Kantrowitz:所以,更准确地说,增长将是由代理驱动的,对吧?这1000倍的增长是由代理驱动的, [00:18:42]
Matthew Prince:或者说是由人与代理的交互驱动的,对吧?但最终都会实现自动化。好的,再说一遍,你可以这样理解:如果你用过ChatGPT、Claude或Grok,比如,你跟它们玩玩,问它们一个问题,数数有多少网站,比如你问一个简单的问题,它们就能覆盖所有网站。现在想象一下,如果只有大约1%的全球知识工作者经常使用它,而现在要把这个比例扩大到100%的知识工作者。而且,它不再是你每天可能用一两次的工具,而是你每项任务都要用到它,这很容易理解,五年内达到1000个X不仅难以想象,而且可能还是保守估计。
Alex Kantrowitz:是的,这太疯狂了。所以,基本上,去年我们讨论过,出版商的经济效益可能不合理,因为如果你付钱请人写一篇文章,而Anthropologie抓取了它并把它放到Claude上,那么他们就失去了价值。 [00:19:35]
Matthew Prince:没错。
Alex Kantrowitz:但是一年后,随着代理流量的增长,问题实际上要广泛得多,因为现在网站……他们可能原本不需要投入大量资金来制作内容,但如果面临流量激增,维护成本可能会高得多,甚至连维持运营的经济效益都会受到质疑,除非你能找到更高效的方法。
Matthew Prince:所以我认为真正重要的是,不同的内容创作者、不同的出版商、不同的应用程序开发者会有不同的偏好。在Cloudflare,我们的目标是尽可能提高那些希望将内容应用于人工智能的公司效率,同时我们也希望为那些不希望将内容应用于人工智能的公司(尤其是那些没有获得相应补偿的公司)建立相应的系统和激励机制,让他们能够掌控自己的选择。但我们先来谈谈大多数公司。绝大多数公司,以及绝大多数内容创作者,实际上都希望将内容应用于人工智能。像Cloudflare这样的公司,其知识库就是我们分享如何高效使用Cloudflare的一种方式。我们希望确保每个人工智能系统都能拥有并访问这些知识库。为此,我们必须想办法尽可能提高效率。如何确保我们不提供庞大的HTML页面,而只是提供真正需要的Markdown文件?如何确保我们能够利用缓存和其他现有技术,尽可能高效地将系统集成到人工智能中?我们的目标必须是,如何将每次页面加载的成本降低到之前的千分之一,因为这是我们保持领先于需求的唯一途径,而对于那些希望将其内容集成到人工智能中的公司来说,需求正在下降。还有一类不同的公司,它们通常是广告支持或订阅支持的公司。在这些情况下,人工智能让用户感觉他们的内容被窃取了。在这些情况下,与大多数公司不同,这些出版商希望拥有控制权,比如“只有付费才能获取我的内容”。这样做会损害我的广告收入和其他所有方面。”效率仍然很重要。我们仍然希望他们效率更高,但我们也希望赋予他们工具,让他们能够说:“你知道,我想强制执行规则,除非付费,否则你不能使用我的内容。”然后,我们希望尽可能简化代理商为内容付费的流程,并实现真正的价值交换。 [00:20:17]
Alex Kantrowitz:好的,所以,呃,这里有两个类别。一类是希望自己的内容被抓取的公司,这占了大多数,但另一类是新闻出版商。你知道,这里存在一个风险,我们在节目中多次讨论过,如果机器人只是抓取新闻出版商和信息出版商网站上的信息,然后以聊天机器人的形式呈现给他们,那么他们的积极性将为零。我想你提到过,人们现在不再点击脚注了。他们只是相信机器人的话。你说。那么,让我再分享一下去年的一些统计数据。去年你告诉我们,十年前,如果你在谷歌上搜索你的页面,谷歌会抓取两次,然后根据这两次抓取发送一次点击。六个月前,抓取六次才发送一次点击。去年年中谷歌发布了AI概览后,抓取次数变成了18次才发送一次点击。OpenAI每次发送点击需要抓取1500次,而Anthropologie和Cloud每次发送点击则需要抓取约6万次。那么现在这些数字是多少呢? [00:22:11]
Matthew Prince:是的,基本上所有数据都翻了一番。假设你是出版商,从出版商的角度来看,情况变得更糟了。过去一年,所有这些数字都翻了一番。但是从最终用户的角度来看,我认为情况截然不同,世界似乎变得更好了。人工智能系统更智能了,它们的响应速度也更快了。他们直接给出你需要的答案,无需你反复核实。这两点其实完全一致,因为用户界面没有改变,人工智能公司的行为也没有改变。改变的是结果变得更好了。随着结果的提升,人们点击原始来源的次数就大大减少了。我认为,点击率的大幅下降就印证了这一点。这就是趋势。随着时间的推移,谷歌也宣布,那种“十个蓝色链接”的时代即将结束,一切都将更像人工智能界面。我认为这就是变革的开始。如果真是这样,那么过去30年来支撑互联网的广告和订阅模式,在未来30年将不再适用。我们必须找到新的模式。可以肯定的是,这其中一部分将取决于大型出版商之间的交易。还有人工智能公司。我们看到这些公司的数量正在大幅增长。但我们必须找到真正对每个人都适用的东西。所以,我们正在思考的一个问题是,如何实现微支付,比如当你访问某个网站的信息时,网站可以说:“你可以获取这些信息,但需要支付不到一美分的费用。”这笔最低费用将用于支付服务基础设施的成本。但对于那些从事新闻报道、学术研究或其他工作的人来说,这笔费用或许也能帮助他们支付支持创作者的成本。但交易量之大令人难以置信。这里有一个有趣的技术难题。Visa,全球最大的支付网络,在节假日高峰期每秒处理约2万笔金融交易。Cloudflare每秒处理约5亿笔互联网交易。这些并非金融交易,而是各种其他类型的交易。但我们认为,其中大约1%到10%的交易量来自互联网。这些交易从一开始就可以通过代理商以微支付的方式实现盈利,这意味着,如果你要构建类似这样的系统,就必须构建一个支付基础设施,该基础设施在第一天就能支持大约10笔交易,然后能够扩展到每秒超过1亿笔金融交易,以支持现有的业务。当然,这些交易金额非常非常小,但它们仍然是金融交易。你仍然需要对它们进行处理。这是一个非常有趣且棘手的技术难题,我们正在寻找能够解决这个问题的外部合作伙伴,同时也在研究如何内部构建该系统。这些都是你必须具备的条件,才能支持这种全新的互联网商业模式。嗯,再说一遍,我想不出还有什么问题比这更令人兴奋的了。 [00:23:18]
Alex Kantrowitz:是的,所以基本上一年前,你提出的解决方案就已经实施了。之前我们设想的系统是,如果你想抓取某个出版商的页面,就必须支付一笔小额费用,否则就会被屏蔽。嗯,所以 [00:26:14]
Matthew Prince:我觉得我们当时没有,现在也没有相应的基础设施来实现这种小额支付模式。我们当时部署的是一套工具,让那些通常依靠广告或订阅盈利的内容创作者能够控制谁可以访问他们的网站。我们看到,像PeopleInc.、康泰纳仕集团、纽约时报、金融时报、大西洋月刊这些大型出版商都在使用这些工具来控制人工智能公司,并与它们达成协议。我认为下一步的关键在于,如何确保所有人工智能公司都遵守同样的规则,以及大型出版商如何应对这些规则带来的挑战。最大的威胁就是谷歌。因为谷歌基本上是在说,如果你想在搜索领域占有一席之地,就必须允许我们使用他们的人工智能技术。他们用一个爬虫程序做两件事,并且试图将昨天的垄断地位延续到明天。这给了他们巨大的优势。为了让大家更好地理解,谷歌的爬虫覆盖范围是OpenAI的两倍多,是Anthropologie的四倍多,是微软的五倍多。他们拥有巨大的爬虫优势,这将使他们在人工智能领域长期占据优势。我们必须想办法要么提升其他所有公司的水平,要么让谷歌遵守同样的规则。我认为过去一年我们在这方面取得了一些实质性的进展,我们正朝着一个目标迈进,那就是像对待其他公司一样对待谷歌。然后,我认为我们必须做的第二件事是,我们必须……我们需要建立基础设施来支持那些无法自行洽谈交易的人。他们不是康泰纳仕集团,也不是人民公司,他们是小型博客,是夫妻店。我们必须确保他们也能拥有自己的价格表,让他们能够说:“听着,你们想要我的内容吗?这就是你的付款方式。”我们可以让这些交易变得轻松便捷。但重要的是要记住,这仅适用于现有的广告支持订阅网站。绝大多数网络用户都希望他们的内容能够被人工智能处理,我们也必须让他们轻松做到这一点。
Alex Kantrowitz:没错。那么,你如何解读最近发表的这篇《华尔街日报》文章呢?文章称谷歌是出版商的生命线,现在有些人却在考虑切断与它的联系。文章提到Reddit正在讨论关闭谷歌等技术对其内容的人工智能访问权限。文章还引用了一些你提到的人的言论。我的意思是,他们来自你提到的公司,对吧?People公司的NeilVogel表示,完全关闭并屏蔽这些技术是百分之百可行的。今日美国联席首席执行官MikeReed则表示,是时候表明立场,说“够了”。这样解读这篇文章是否正确?这些出版商已经部署了你们的技术,这些技术或许能帮助他们阻止人工智能抓取。他们现在正在公开与谷歌进行谈判,告诉谷歌:“听着,如果你不给我们想要的条款,我们就用Cloudflare的技术屏蔽你。” [00:28:35]
Matthew Prince:如果谷歌只是另一家人工智能公司,那么就应该像对待其他人工智能公司一样对待他们。如果其他人工智能公司都必须为内容付费,那么谷歌也应该如此。谷歌并不特殊,仅仅因为他们是过去30年互联网商业模式的代表。他们不会再是未来的商业模式,至少不会再是那种模式。未来30年,互联网的商业模式不会是广告,也不会是订阅。随着这种模式的改变,谷歌也应该随之改变。我感到欣慰的是,所有出版商都在独立地得出这个结论。我也感到欣慰的是,他们可以利用我们的技术来实现这一点。我们之前说过……Cloudflare宣布,从九月中旬开始,我们将对Google采取同样的策略。如果您投放广告,或者您的企业依赖广告或订阅,我们将限制Google访问您的内容。您可以选择退出,如果您觉得“不,我喜欢Google,他们一直对我很好,他们可以免费访问我的内容”,那也没关系。但从九月中旬开始,我们的默认设置是默认屏蔽Google。我估计很多全球最大的出版商都会效仿。 [00:29:30]
Alex Kantrowitz:哇。那么,这会对出版商在搜索算法中的排名产生什么影响呢?我希望 [00:30:38]
Matthew Prince:Google最终会改变主意,表示愿意为内容付费,因为如果他们如果你没有内容,那么谷歌的产品就会变得非常糟糕。我认为,像SEO这样的排名机制已经过时了。谷歌已经宣布,10个蓝色链接即将消失。所以,如果你在意出现在谷歌的搜索结果中,这当然没问题,但你也应该关注OpenAI和Claude的排名。而且,绝大多数内容创作者都希望如此,对吧?因此,我们会尽可能简化流程。但如果你依赖广告或订阅,那么这些业务将会消亡。你必须找到新的商业模式,谷歌不能再享受特殊待遇了。所以,我认为整个行业都在说,旧的SEO模式已经过时了,我们必须为未来创造一种新的商业模式。
Alex Kantrowitz:是的,以上内容来自……《纽约时报》的一篇文章报道了我们目前在谷歌上看到的一些情况。文章指出,用户现在使用的搜索查询长度是传统搜索中关键词密集型问题的三倍。人们在AI模式下花费的时间比在传统谷歌搜索上多出1到9分钟。专注于搜索和营销的通讯刊物GrowthMemo在10月份发布的一项研究发现,在约75%的会话中,用户从未离开AI模式访问其他网页。所以,我理解你的意思是,我们正走向一个具有变革意义的时刻。出版商们之前一直对谷歌很友好,因为他们还有很多东西要失去。如果谷歌封禁他们的网站,他们可能会损失很大一部分收入。但现在,他们意识到自己已经没什么可失去的了,而且他们仍然在提供很多价值。我们可能会在9月份看到,谷歌的这个关键信息来源消失了。 [00:31:43]
Matthew Prince:是的,想想看,这是多么巨大的威胁啊!在某种程度上,这对谷歌来说也是如此。整个网页排名算法的核心在于构建一个信息链。如果这条信息链中很大一部分突然从他们的视野中消失,实际上就破坏了他们进行搜索和在线排名的根本方式。所以我认为,他们最终意识到这是一个系统性威胁,商业模式正在发生变化。我希望谷歌——这家过去30年来对互联网做出巨大贡献、远超其他任何公司的公司——能够意识到互联网正在发生变化,并且他们应该支持这种变化。而且,我认为从谷歌的角度来看,从他们的商业角度来看,作为一名谷歌员工,最应该做的是如何确保我们能够真正支持内容创作者,并且以一种有趣的方式做到这一点。我很惊讶谷歌竟然如此拖延,而不是……他们会说:“我们将真正帮助构建未来,创造未来,并在未来支持内容创作者。”这将会与以往截然不同。但话说回来,如果做得好,我认为我们能够真正迎来在线内容创作的黄金时代。 [00:32:38]
Alex Kantrowitz:好的,我明白了。我之前在想,《华尔街日报》那篇文章到底讲了什么?突然之间,所有这些出版商都开始公开谈论这件事,他们终于掌握了实现这一目标所需的技术,现在他们给谷歌下了最后通牒。比如说,如果最后通牒是在七月份,那就给了他们两个月的时间。 [00:34:00]
Matthew Prince:是的,他们已经看到谷歌带来的收入一直在下降。当然,这并不意味着人工智能对某些企业没有推动收入增长的作用。谷歌一直在发布各种信息,比如人工智能在电子商务或其他领域有多么出色,没错。绝大多数网络用户都希望……我们需要尽可能简化人工智能系统的使用流程。但是,如果你是广告或订阅制企业,这会对你的业务构成生存威胁,你必须确保有盈利空间。我认为同样重要的是,它必须公平。不能向OpenAI和Anthropologie收费,而谷歌却可以免费获得一切。必须确保每个人都遵守相同的规则。我认为我们正处于一个转折点,就连谷歌也开始意识到互联网的经济模式正在发生变化,媒体创作的经济模式也在发生变化,他们必须适应这种变化。想想我和其他一些人工智能实验室的对话,他们说:“这一切都不重要,因为最终我们会实现全民基本收入,这就是人们获得报酬的方式。”我就想:“好吧,但是……”那说明你活得太超前了。让我们一步步来,在到达目的地之前,我们可能需要经历一些步骤。所以,我再次强调,我很乐观。我对媒体公司的前景比一年前乐观得多。我真的认为,2026年将是媒体领域,尤其是内容领域发生真正转变的一年,内容创作者将会获得报酬。顺便说一句,谷歌在支付内容创作者报酬方面做得最好。看看YouTube,为什么内容创作者要在YouTube上发布内容?因为YouTube支付给内容创作者的报酬比其他任何平台都高。他们并非反对在整个业务范围内都这样做,他们知道如何在不同的平台上做到这一点。我认为我们现在需要做的就是帮助他们理解,像《纽约时报》、《大西洋月刊》、《人物》杂志和《Vogue》这样的媒体,他们理应获得相应的报酬。创作者理应获得与YouTube上的一些网红一样的报酬。
Alex Kantrowitz:所以,你认为谷歌会在截止日期前付款吗? [00:36:27]
Matthew Prince:我不知道他们是否会在截止日期前付款,但我认为他们最终会付款是必然的。因为我认为他们需要内容,而且他们从根本上明白,记者、内容创作者和学者理应获得报酬。
Alex Kantrowitz:你认为你的客户中有多少人会真正采取行动屏蔽这些人工智能爬虫?我指的是新闻出版商,而不是你的所有客户。我指的是那些依靠
Matthew Prince:广告收入的媒体。所以,我们再次强调,
Matthew Prince:如果你没有依靠广告收入,那么这些都与你无关。你可以随意设置。但如果你依靠广告收入,从9月份开始,我们将默认启用广告功能,任何人都可以选择退出。但我们预计绝大多数用户都会选择退出。那些依靠广告或订阅盈利的企业将会这样做。因此,数百万个网站将从谷歌的搜索结果中消失,与此同时,我们将大幅加强对人工智能爬虫的所有其他控制。目前,我们基本上只是竖起一块“禁止入内”的牌子,并划出一条线,上面写着:“禁止擅自获取这些内容。”大多数人其实都很尊重“禁止入内”的牌子。但从九月中旬开始,我们将不再仅仅设置“禁止入内”的牌子,而是会安排一名保安在那里,说:“除非你向创作者支付报酬,否则你无法获取这些内容。”
Alex Kantrowitz:数百万个网站可能会从谷歌的排名中消失。 [00:37:48]
Matthew Prince:没错,
Alex Kantrowitz:这可是件大事。
Matthew Prince:嗯,我的意思是,互联网上很大一部分网站都在使用Cloudflare。所以,我认为我们现在处于有利地位……我们需要帮助解决一个根本性的市场问题,那就是谷歌正在利用其昨日的垄断地位来巩固其明日的垄断地位。我认为,如果我们不解决这个问题,谁来解决这个问题呢?如果我们不解决这个问题,就像你刚才说的,内容创作的动力就会消失,这会让包括谷歌在内的所有人都蒙受损失。
Alex Kantrowitz:好的,接下来会有非常重要的内容。我想休息一下。稍后我们将讨论这项新技术变革将如何重塑小型企业,以及它可能如何影响小型企业。我们很少听到这方面的讨论,但如果我们转向以代理或超级应用为主导的浏览、互动和交易方式,那么小型企业可能会面临风险。稍后我们将听到马修对此的看法。欢迎回到“大科技”播客,本期嘉宾是Cloudflare的首席执行官马修·普林斯。马修,我之前听你稍微谈过这个问题,但你的观点基本上是,随着我们越来越依赖智能系统,小型企业可能会面临一些严重的风险,它们可能会在超级应用的浪潮中被淹没。嗯,你比我刚才描述得更清楚。那么,你能再解释一下,随着这种趋势的持续发展,以及我们走向一个机器人远多于人类的网络,小型企业面临的风险是什么吗?是的, [00:38:27]
Matthew Prince:首先,我想,大约一年前,我们讨论的重点是媒体的未来走向。我认为我们实际上已经做了大量工作,并在如何找到一种能够支持媒体未来发展的商业模式方面取得了实质性进展。但随着我们思考这个问题,我们也开始更广泛地思考这将对整个经济产生哪些其他影响。我真的很担心小型企业。当然,我指的不仅仅是小企业。企业注定要失败,嗯,但是我认为我们必须非常认真地去了解风险是什么,然后努力找出解决方案。我努力构建的世界不是只有五家人工智能公司,而是有五十万家。内容创作者不再是少数人,而是每个人都可以成为内容创作者并发布内容。真正重要的是,我们不要将企业合并成少数几家大型跨国公司,而是要让它继续成为一个像互联网历史上那样,新企业可以创立并蓬勃发展的地方。我认为我们必须努力的方向是,如何尽可能多地拥有小型企业。那么,让我来解释一下我认为的问题所在。为了理解这一点,请想象一下,你是一家小型企业。假设你正在创办一个新的B2C(企业对消费者)品牌,也就是DTC(直接面向消费者)品牌。我不知道你在生产什么,比如新的灯泡、化妆品,或者谁知道你到底在生产什么。为了触达客户,你会怎么做?答案是,你会利用Instagram、Facebook,甚至是谷歌广告等平台,开始付费推广你的产品,让消费者看到你。消费者会浏览他们的Instagram动态,看到你精心制作的视频,这些视频可能是你筹集了风险投资或者获得了小企业贷款才制作出来的。如果你能触动他们的情感,与他们对话,那么那些这样做的公司最终会崛起并蓬勃发展。说实话,我们之所以会和很多小企业做生意,是因为我们和他们之间存在某种情感联系,或者因为他们很方便,比如他们能帮我们省钱。为什么我知道本地小店更贵,我还是会去那里购物?因为……方便。而且我的时间有限。所以我不会特意去找最便宜的鸡蛋。我只会去最方便的地方。这就是人类的行事方式。想想品牌,品牌其实是人们了解价值和品质的捷径,无需做大量的研究。所以,当我看到万豪酒店的标志出现在建筑物侧面时,我大概就知道进去之后会是什么体验。当我看到沃尔玛的标志出现在建筑物侧面时,我也知道进去之后会是什么体验。我觉得有趣的是,品牌将会发生翻天覆地的变化。代理不再会关注那些漂亮的油漆色卡了。随着越来越多的交易通过代理完成,品牌的意义将截然不同,因为代理几乎拥有无限的耐心。他们不会像某些人那样,因为对万豪酒店有强烈的品牌偏好而产生情感上的共鸣。所以我总是住万豪酒店。他们愿意进行非常深入的研究,以找出正确的做法。起初你可能会想,这对小企业来说或许是好事。但我认为这实际上对新进入者来说会非常困难,因为新进入者在网上能获取的信息非常有限。假设我创办了一家小企业,想销售我的新款灯泡或化妆品品牌。如果所有客户都是代理商,那我该如何获得我的第一个客户呢?我认为这是一个非常有趣且棘手的问题,因为代理商有无限的时间去研究每一个可能的细节,所以他们会寻找网上最丰富的信息来源,而这些来源往往是那些成熟的大公司。如果我们无法让新进入者轻松进入市场,那么随着时间的推移,大公司之间就会互相收购,出现大规模的整合。而最终消费者可能觉得这没什么大不了的,因为他们可以找到高度专业化的服务,比如“我只关心我”。想要某些母鸡下的棕色鸡蛋,对吧?也许,你知道,泰森农场可以高效地为我生产这种鸡蛋。但我的本地农民该如何才能真正做到这一点呢?因为他们根本无法掌握像泰森农场那样丰富的信息。所以我认为我们必须不断思考的是,在一个商业活动日益由代理商主导,并且人们将通过代理商进行交易的世界里,我们如何确保一个在市场上没有任何真实信息的新品牌能够生存并蓬勃发展?如果这一点无法实现,那么代理商主导的商业模式就会成为一种巨大的整合工具,这将使大公司比小公司更有利。就像我之前与PayPal前首席执行官(他之前在Intuit负责小企业业务)会面时说的那样:“我担心未来可能只剩下五家公司。”一家持有资金的公司,一家持有房地产的公司,一家生产产品的公司,一家运输产品的公司,以及一家人工智能公司。很显然,事情不会那样发展。但我认为一定程度的整合是这种趋势的自然结果,而我一直在做的,有时候你可以通过观看科幻作品,比如重温动画片《杰森一家》的剧集,来预见未来。你知道,我小时候看过,当时就想,“哦,这挺有趣挺搞笑的。”这是一个极其虚无主义且令人沮丧的世界。在《杰森一家》的世界里,只有两个雇主。是太空齿轮和齿轮韦尔的齿轮。就像乔治·杰森的工作基本上就是按下按钮,而其他所有事情都由机器人完成一样。乔治·杰森的所有商业活动基本上都是通过他乐于助人的女仆机器人罗西进行的。他就像在说:“去给我买鸡蛋。”她去把它做了,然后它回来了,乔治看起来非常高兴。但私底下,你觉得罗茜会去当地的杂货店购物吗?当然不是。她要去任何能让她获得关于鸡蛋质量最全面信息的地方,而那肯定是某个大型企业。我对此感到担忧,我认为我们也需要对此感到担忧。再说一遍,我并不为此感到紧张,但我认为解决这个问题的首要方法是阐明挑战是什么,然后思考如何确保新进入者在一个越来越多的商业活动由无限耐心、经过深入研究、不带感情色彩的代理人代表我们行事的世界里有机会。 [00:39:27]
Alex Kantrowitz:我可以提出反驳论点吗?嗯,事实上,品牌对大公司比对小公司更有利,因为大公司有钱花钱。所以,你可能更适合与你从未听说过的小企业合作,但因为你很忙,没有时间去研究他们,你就说:“好吧,我要锁定他们。” [00:45:53]
Matthew Prince:我打算买耐克,而不是买别的什么牌子。新的I我觉得如果你能拿到那个的话,那可能就对了。但是,问题是,你如何……然后……这就是快乐的故事。这就是我们想要达到的目标。但问题是,如何将信息输入系统?如何获得足够的客户评价?如何获得“喜欢”这个概念?然后又如何将其概括?那么,在代理商业领域,品牌究竟是什么?我不认为那是漂亮的颜料漩涡。我认为这实际上是对品质和经验的真实证明。所以,我该如何将亚马逊的星级评分与你们实际的配送速度结合起来呢?你获得了多少回报?有多少拒付?我该如何汇总所有这些信息,将其打包成某种模块,然后使其真正可验证,以便我的代理人看到后会说:“哦,我可以看出这是一个优质商家,我可以这样做。”我认为你必须要有那种魄力,但你也要想想,在我建立任何声誉之前,我只是想证明我的产品更好,我究竟该如何才能成功做到这一点?我认为这并非不可能,但我认为,如果任其发展,代理型商业将会成为一个整合因素。因此,我们必须非常谨慎地确保为小企业提供实现这一目标所需的工具。再次声明,我不认为Cloudflare可以独立完成这项工作。我非常乐意成为解决方案的一部分,但我现在花了很多时间和Shopify、PayPal、Visa、MasterCard、AmericanExpress、Intuit等公司——这些真正服务于小型企业的公司——讨论如何整合各种工具,以确保他们在未来能够取得成功。因为如果他们仍然只是沿用旧的SEO策略,那在未来是行不通的。肯定还有其他原因,我认为最重要的问题之一是,我们如何确保这些小企业拥有必要的工具,以便能够再次过上你所描述的那种乐观的生活。我再次强调,我很乐观,但我认为我们也应该乐观,但为了保持乐观,你也需要担心可能会出错的地方,并把它说出来,然后找出解决问题的办法。 [00:46:19]
Alex Kantrowitz:好的,最后一个问题。从技术角度来看,那会是什么样子?是不是就像小型企业在ChatGPT的后端有一个门户网站,就像支出一样,你知道,小型企业主利用周末时间来规划他们业务的所有事情,或者业务的未来发展方向,以及你们目前讨论过的解决方案是什么?就像 [00:48:26]
Matthew Prince:去年我们谈话的时候,我其实并不清楚媒体的解决方案是什么,所以我花了很多时间与媒体、支付公司、人工智能公司交谈,告诉他们:“嘿,这就是问题所在。我们该如何解决它?”
Alex Kantrowitz:我认为我们取得了很大进展。
Matthew Prince:我希望明年我们再谈的时候,我能更好地回答你的问题,但这仅仅是因为你知道,听到这话的人会说:“嘿,我有个想法。”他们会主动联系你,对吧?或者,你知道,我和Shopify的Toby聊着,他突然说:“嘿,我们一直在做这个。你能帮我们分发一下吗?”或者,你知道,美国运通公司会说:“嘿,我们一直在与这些小企业合作。我们发现了一些行之有效的方法。”我的意思是,我们只是想尽可能多地收集信息。我不认为我们能彻底解决这个问题,但我希望我们能成为解决问题的一部分,因为如果做得好,我们就能真正帮助更多的小企业接触到客户,并让更好的产品找到最适合该产品的消费者。如果做得好,那就太棒了。然后,顺便说一句,我们接下来就要担心下一个问题了,那就是人工智能正在加剧贫富差距。而且,如果我们不再采用广告商业模式,我认为这很有可能。我的意思是,如果你每年花几千美元请代理,你肯定不希望它受到任何广告的影响。你希望它完全诚实。所以,我认为世界上的富裕地区将比世界上的贫困地区拥有巨大的优势。所以,这就是我们面临的下一个问题,也是我们正在思考的问题。我认为我们无法完全靠自己解决这个问题,但我们需要讨论这些问题,以确保我们正在建设的未来尽可能地接近乌托邦,而不是反乌托邦。是的
Alex Kantrowitz:,我们希望如此。所以,马修,我们已经建立起一套不错的日常流程了。我们已经连续两年在这个时候做了这件事。所以,我们明年还得再来确认一下。到时候见。 [00:50:28]
Matthew Prince:我会告诉你小型企业的解决方案是什么。
Alex Kantrowitz:好的,成交。成交了。好的,非常感谢你的参与,马修。很高兴你能来。
Matthew Prince:谢谢邀请。
Alex Kantrowitz:好了,感谢大家的收听和收看,我们下期Big Technology 播客节目再见。
本期《叭叭呜》围绕鸿蒙智行近期密集推出的高端车型展开讨论,重点分析尊界V800、V680、智界RX,以及享界相关产品的定位、定价、产品策略和潜在用户。几位参与者认为,鸿蒙智行并非简单地“乱打”车型,而是在覆盖多个仍有利润的细分市场:尊界负责向百万级豪华市场上探,V800和V680同时承担规模诉求,智界RX尝试建立不同于既有车型的产品形象,享界则面对方盒子、轻越野和户外生活方式的需求。讨论的核心结论是,华为在汽车领域真正想建立的,可能不是一个单独的汽车品牌,而是覆盖更多品牌和车型的技术底座;但高端车型过于密集、走量产品心智不足,以及合作品牌身份表达不清,也会造成产品策略和品牌认知上的摇摆。
节目首先从尊界V800切入。周焯然结合调研观察指出,中国家庭在买房和买车时存在相似的消费逻辑:如果预算允许,往往愿意直接看更贵、更完整、更合适的产品。V800的价值并不完全来自每天都高频使用的功能,而是来自咖啡机、放鞋空间、座椅和其他“偶尔用到但能形成向往”的配置。对于高收入用户来说,为极低概率的特殊场景付费,正是豪华车或奢侈品的一部分意义。
几位讨论者同时指出,消费场景正在下沉。高端会所、高尔夫等传统豪华MPV使用场景未必像过去那样稳定,但接送孩子上学、家庭出行等日常场景仍然存在。年轻家长、女性用户对MPV的接受度提高,也扩大了豪华MPV的潜在用户边界。调研中,二三线城市对V800的关注度甚至高于一线城市,原因与当地家庭结构、居住环境、停车条件和消费认知有关:父母退休、家庭成员共同决策、别墅或大平层停车便利,都可能降低购买大型豪华MPV的阻力。
于新烈认为,V800和V680对鸿蒙智行具有明显的战略必要性。尊界S800已经证明华为的品牌影响力可以支撑百万级产品,V800则进一步打开了除问界之外的另一张“脸”。华为希望尊界持续向上承载品牌,但江淮等合作方又需要足够的销量来摊薄平台和制造投入,因此V800、V680的价格需要在品牌上探和规模诉求之间取得平衡。V800虽然并非单纯堆叠传统奢侈品符号,却使用座椅传感器、智能化体验和消费电子式的功能组合制造独特性,这种做法被认为很符合华为的产品风格。
节目认为,鸿蒙智行一年推出多款MPV,表面上很容易被理解为产品混乱,但从细分市场角度看,逻辑并不完全如此。V680和V800更偏向高端用户,V9带有更强的商务属性,V8则更接近家用取向。MPV本身是一个仍然能够产生利润的细分市场,GL8、梦想家等产品的存在也说明这一点。鸿蒙智行想用不同的品牌、价格和使用场景覆盖这部分需求,只是各合作车企之间的平台化程度并不一致,因而呈现出密集而分散的产品格局。
与此同时,过多高端“9系”和尊界产品也带来品牌结构问题。过去鸿蒙智行的强势认知,部分来自M7、M9等相对走量车型形成的规模和市场神话;如果高阶车型不断增加,却缺少能够代表主流销量的“大哥”,消费者对品牌的心智可能被削弱。讨论中还提到,M9的新一代表现没有达到上一代的强势程度,M7、M6也没有像预期那样全面压制同价位的理想L6、L7、L8及其他增程或纯电车型。车辆工程短板的补齐并不自动等于销量起飞,产品周期和实际市场竞争仍然决定最终表现。
关于智界RX,节目先比较了其锁单和市场热度。讨论者认为,单看发布期或预售期的数字,容易把“关注度高”误认为“真实购买意愿强”。随后,话题转向智界RX为什么可能不如小米SU7这样的轿车。一个解释是,SUV需要同时满足家用、空间和通过性等更明确的需求,而智界RX尚未把这些价值充分表达出来;另一个更重要的因素是购车的社会性。
在中国,尤其是由父母或家庭共同承担购车成本的用户,买车往往需要向父母、伴侣和亲属解释并获得认可。运动型轿车可以被解释为年轻人的个人选择,而一辆高价SUV则更容易被追问“为什么需要它”。因此,产品的社会认知、家庭结构和用户所在城市,会影响订单从预期转化为实际交付。流动人口多、品牌认知更统一的城市,与家庭和亲属关系更紧密、消费判断更依赖熟人网络的城市,对同一款车的理解可能完全不同。
于新烈将华为的汽车业务目标概括为尽可能让更多品牌和车型购买华为的技术产品。华为作为集团公司,更关心技术、产品和产业规模能否渗透到足够多的汽车品牌,而不是一定要亲自造车。如果华为直接变成一个完整车企,其他合作品牌可能反而担心与它竞争,从而减少对华为技术和产品的采购。正因如此,华为是否亲自造车并不是唯一问题,能否成为行业技术底座才是更关键的判断。
节目也讨论了“含华量”为什么会影响消费者对华系车型的判断。华为的智能驾驶、鸿蒙座舱以及相关技术体验,是普通消费者最早接触到的产品和能力;当这些能力被安装到不同车型上时,消费者会把车辆与华为联系起来。由此形成的品牌价值既能帮助合作车企提高产品吸引力,也会让华为面临一个平衡:既要让技术能力足够突出,又不能让不同合作品牌完全失去自身的产品身份。
后半段转向享界及北汽相关的方盒子、轻越野产品。讨论者认为,方盒子和穿越车的需求是真实存在的,用户未必是极少数真正进行高强度越野的“老炮”,更多可能是一年只进行几次户外活动、希望拥有一定通过能力,同时把户外生活方式作为自我认同的人。对这类用户来说,车辆不必具备极限越野能力,但需要在外形、底盘能力、户外想象和日常舒适性之间形成可信的平衡。
这类产品的难点在于定位必须诚实。如果车辆只具备半越野或轻越野能力,就需要明确目标人群和使用边界,不能把偶尔通过非铺装路面的能力包装成真正的硬派越野。与此同时,华为的技术能力可以补充智能化和电动化体验,但不能完全替代车企在车身、底盘和历史积累上的品牌资产。
最后,节目讨论了Freelander与路虎之间的关系。核心矛盾在于,它既使用了路虎授权和相关制造体系,又不能公开把自己直接称作路虎。媒体叙事可以强调它与奇瑞、路虎工厂和技术体系之间的关系,但产品自身的法律和商业身份仍然限制了品牌表达。若它能够直接讲出“我是中国平台造出来的路虎,并且拥有华为技术支持”这样的故事,叙事会更清晰;但现有合同和授权关系决定了它不能这样表达。历史品牌价值、新势力竞争和合作身份之间的摇摆,最终可能演变成品牌自身的内耗。
1. 尊界V800的豪华价值不只在高频实用功能,也在于为低频特殊场景提供独特体验和身份向往。
2. 豪华MPV的用户边界正在变化,年轻家长、女性用户和二三线城市家庭都可能成为新的需求来源。
3. 鸿蒙智行多款MPV并非完全没有产品逻辑,但高端车型密集、走量车型心智不足,会削弱品牌结构的清晰度。
4. 智界RX的市场表现不能只看预售热度,还要看SUV的家用价值、家庭认可和社会解释成本能否被用户接受。
5. 华为汽车业务更重要的目标,是让更多品牌和车型使用其技术,形成跨品牌的技术底座。
6. 方盒子和轻越野产品应当明确用户与能力边界,服务真实的户外生活方式,而不是虚构极限越野能力。
7. 合作品牌若无法清楚表达自身与历史品牌、制造体系及华为技术之间的关系,产品定位就容易陷入身份摇摆。
- 鸿蒙智行的多款新车与尊界V800 [00:00:00 - 00:10:00]
- 尊界的百万级市场与V800定价 [00:10:00 - 00:20:00]
- 鸿蒙智行高端产品密集与走量车型缺位 [00:20:00 - 00:30:00]
- M9、M7与M6的产品周期和市场表现 [00:30:00 - 00:40:00]
- 智界RX的热度与产品借鉴 [00:40:00 - 00:50:00]
- 智界RX为何不如苏7轿车 [00:50:00 - 01:00:00]
- 小米SUV预期与中国家庭的购车决策 [01:00:00 - 01:10:00]
- 华为造车的目标是成为技术底座 [01:10:00 - 01:20:00]
- 鸿蒙智行与北汽方盒子越野车 [01:20:00 - 01:30:00]
- 享界的轻越野定位与目标用户 [01:30:00 - 01:40:00]
- Freelander的路虎身份矛盾 [01:40:00 - 01:42:02]
于新烈:你好,我是于新烈,欢迎收听885。 你好,这期节目是8月的阅读点评上集。我们主要讨论了在今天的市场环境下,我们之前还接连上市的尊界V800、V680。
周焯然:发微博特别有噱头的
于新烈:鸿蒙之前一年推了四款MPV 很明显是在乱打,但实际上逻辑上,我认为其实没有那么的混乱,想借G9 G9可能最重要的一个形态,是它给鸿蒙智行新开了一个脸谱,它长得跟其他鸿蒙智行的车,完全不太一样,但是呢,又由于鸿蒙智行,于成东强力的这个加持,没有人去怀疑,没有人去质疑,它的这个鸿蒙智行正牌的身份这一点,给鸿蒙智行开出了,除了问届之外的第二张脸,我觉得这个意义更重要一点,还有因为造型和按照R3来划分SKU的智界RX 来聊两句智界RX啊,因为这款车大家关注度其实挺高的,毕竟有小米预期在前,真的很高吗,我真的想问一句,真的很高吗 那为什么预期一个SUV反而卖的不如苏汽这样的轿车呢,下期节目我们讨论的话题是,理想汽车的i系列产品迭代和新车型策略,以及一个重要话题 L3 好我们开始吧,今天8月31号 8月最后一天,咱们录8月份的阅读点评,大家晚上好,我是于新烈,大家好我是周焯然,大家好我是小康,大家好,我是这里面年纪最小的肉呆 How dare you 哈哈哈哈,哈哈,第一个话题,还是聊鸿蒙智行,鸿蒙智行在过去一个月,确实新车,包括它的营销的活动,接连不断了,咱先从最贵的开始吧 尊介V800 MPV 反正很多很炫的配置,感动你们的是什么,以及鸿蒙智行,来做这样一款百分之一MPV 它究竟,用了什么样的产品经济的方法,因为之前市场上,日系的那个贵价能品位,定义方法肯定跟他不一样 [00:02:28]
周焯然:先从肉呆吧,我其实对这个车了解不多,这个整个公司的这个,这个确实,这辆车的调研业务,不在我手里,他们估计还怕我乱说,但是我觉得有一个点,特别有意思,我们呢,有一个调研项目,说是中国家庭,就是中国家庭,对于中国汽车的需求变化,然后我们在做这个调研的时候,就发现一个特别有意思的事,中国的家庭,买房和买车都是一样的,就是为什么叫买房和买车一样的,是就愿意是最贵的,买就买最合适的,所以尊界V800的这个市价数据贼好,然后他们这个好,就带来了一个现象,就是会让大家觉得,就跟咱们去看那个商品房一样,我们那个买89平的,会先看120多平的,他会有个向往感,因为这种向往感营造的特别好,我当时特别怀疑 我说你车里面就弄个咖啡机,或者弄个放鞋的地方,真有人需要吗,他真有人用,就目前看来,还是真有人用,但是这个使用率有多高呢,很低,就是有钱人买东西,他就为了极低概率的场景,愿意付出更多的这个钱,满足这一点的话,他们就愿意把它称为豪华车,或者说一个奢侈品,你背一个RV的包,你背个五六万的包,也不是说天天会去背,你也不是天天出门,但就是为了愿意去,为了自己的一些特殊场合,支付这个更多的金钱,但现在消费降级,就带来另外一个问题,可能是这种场合不是特别多了,你也不可能说,天天开这个车去打高尔夫,也不可能说,开这个车去,去那些高端的会所,这种概率会所都快活不下去了,你看看开这辆车还能去哪,但是呢,这个场景下沉了 并不一定没有了,你比方说送孩子上学,在我们这个从这个前,上一个星期,就是小学一年级开始入学,就是一年级新生,初一新生,高一新生入学,这个尊介V800 出现的评论还蛮高的,还有那个S800 就这个出现评论还蛮高的,尤其你越往这个年级越小,像一年级,这些家长的越愿花钱,和之前说,这个像初中或者高中,这个家长才给你做IFR 还在跟你做那种日系豪华MPV 不太一样,现在家长的年纪也在变小,这是我觉得,这个比较有意思的几个变化,还有一个变化呢,就是女性对于MPV的技术程度,要远高于,在座的年轻的那会儿,就是远高于日系MPV横行的时候,这是现在女性,那个女性车主 我觉得这个应该是MEGA带起来了,就女性对于,就是MPV的这个距离感,越来越小了,这是我之前也没有想到的数据,我只说数据啊,我不敢多分享其他的,还有就是,对于消费层次这一点,就是以前我们买一辆,就是日系的豪华MPV 或者是像奔驰V停这种,得是小企业主,得是大老板,得是一个他至少是一个,什么身份的人,但现在这个消费水平,可能收入水平,没有到那个层级的人,他也愿意去买这个车,并且他们会认为不贵,这个是我比较意外的,就是你要我现在买麦克,我也会觉得贵,不是说它不值,而是说我考虑,我是不是要花这个钱 50多万,是不是掏这个钱稍微有点困难,但现在调研没做完 我也不太清楚,是因为咱们国家的金融的产品多了,还是其实消费场景,它有这个变化了,就很多人会觉得尊介V8版不贵,这个是我,可能打破我个人认识,我到现在,我没有说这个产品不好,我认可这是个好产品,但是对我的消费能力,以及我的跟人需求来说,我觉得它是一个挺贵的产品,挺尊的产品,但如果我们调研的话,为什么是因为23线城市,对于这辆车的关注度,要远高于一线城市,就我是以前想不到的 23线城市,它的主要消费的车型,在25万附近,你就不可能对一辆MPV 有抱有这么大的需求感,这个可能也是跟咱们,咱们这个经济条件越来越繁荣,经济市场越来越繁荣,有关系吧,我都拼命的给自己,加一些buff 大家就是这些数据,给大家分享一些有意思的数据,这些人是什么样的人群呢
于新烈:比如说他们觉得不贵,另外他们除了尊敬,比如说战败的其他车型会是什么呢,他们还会考虑其他什么车呢,而且包括你谈到的送小孩上下学,这不传统Mega的主传技能吗 [00:07:24]
周焯然:怎么现在这所谓商务MPV 把这都抢了,就是我先说一个,就是战败,它战败车型,战败给谁了,大部分战败给SUV了,大部分都战败给SUV 尊介这辆车,大家就会觉得,只有它没有别人,你看一线城市看什么,一线城市对比极客,对比Mega 可能对比其他车型,甚至还有老牌的,像别克什么的,这些车型,他们就会MPV对比MPV 但是你越往这些新一线,二线和三线城市,他们就直接除了尊界V800 他就直接就跳到SUV上去了,甚至会出现那种很跨界很厉害,就到新月这种,这种就是我不选,我不选这个尊界V800 我买辆新月,这种情况就比比皆是,另外一个呢,就是说他的这个家庭结构,决定了他的这个消费的这种认知,你比方说二三线城市 谁对尊介V800感受最深,也就对他们最能吸引哪部分人,就是父母是公务员,退休干嘛,那这些人对这辆车的这种感触,敏感程度是最高的,我需要用到这辆车,然后还有就是什么呀,就是那种可能在二三线城市,这个买得起别墅,住得起大平层的,那对于他们来说,停车绝对不是个难事,因为对于他们消费层次,以及他们的居住环境,和经常出没的环境,它那个绝对不是一个问题,停车位绝对不是一个问题,所以当这个情况产生的时候,他们就愿意花更多的钱在这上面,也是我们看数据才能得到信息,具体的还是要等,那不下头录节目再说吧,现在确实看不到具体的数据 OK来小康 [00:08:31]
于新烈:我觉得这个车有两个点,第一个是就是这个车,就是要做这个车,我觉得其实它非常显而易见,非常势在必行,虽然今年的大环境,尤其是享界V8 智界V9 再加尊介V680和V800 给了外界一种,华为钢铁洪流的感觉,但是在这四个MPV里面,就是必要性合理性,结构上最强的,就是尊介的680跟V800 为什么呢,因为在尊界S800已经证实了,华为的品牌影响力 [00:09:24]
于新烈:华为的品牌影响力,我不是说它产品不行,而是说在100万级别以上的市场,确实对品牌的要求会更高,就是说有很多的品牌,你也许可以做出了100万以上的产品,但你的品牌不可支撑,但是华为证明了它可以做这样的事情,那在这个前提下就会有一台车,就是Alpha和Lalpha 这个市场它永远就在那,它永远就在那,只等华为去把它拿下来,所以这就是做定义这款产品,一个非常强的背景,当然还有一些正在开发中的,或者说是就是尚未推出的产品,就是尊介的SUV 因为100万以上,可能我们还有GLS 还有宝马X7 还有路虎揽胜,对吧,因为这些产品呢,包括卫视,这些产品呢,其实本质,它的消费预算,和买那些问界M9 买极客9X的用户呢,其实不太一样,这些人,原来那些那批,百万SUV消费人群,他必须要降级消费,才会轮到M9和9X 或者ES9 但是如果我不想降级呢,那好,那尊介的SUV已经在路上了,就是这样,然后我们说回这个尊介680跟800 就是,所以这就是推出这款产品的初衷,然后第二个点呢,就是它的定价要比S800低,这个呢,其实背后的原因,是比较简单的,实际上从华为的角度,不太愿意定的这么的低,它当然希望专届品牌,在5G里面承载一个,继续拉高,持续拉高,因为这个上限还很辽阔 但是整个总的,总容量正在急剧的萎缩,因为消费群体,就是越高肯定越小嘛,这是毫无疑问的,但是华为依然希望,就是尊介是持续的承载往上走的,但是江淮不这么想,江淮作为一个参与尊介的这个方,他希望有一定的规模,有足够的规模来去摊销掉这些车,因为如果我们去看S800 在这个典藏大观推之前,其实整个的规模正在回落,正在进入一个平销期,而且这个平销期还是挺夸张的,就是这个平销期,其实是要比 S级加卖8和加起来,是要低的,其实它更接近于一个 7系或者是A8的,这么一个,它当然是主流的,百万级行政教授,参与的一方,但是其实,正明显的回落,但是它的生命周期里面,累计销量 大概差不多是,一万五千多,还是一万九千多,但总而言之,就是这个全生命周期的规模,对于单开这么一个平台来讲,是不够的,对江淮来说是依然不够的,所以他有很强的诉求,就是说能不能有更大的规模,那又有V800 又有V680 那就要在V9之上,但是需要留出来这么一个档口,差不多是这么一个逻辑,就会有这样的定价,我们看到其实在我看来,当然不是具体的配置,就是说华为做百万级产品的成熟度,我会觉得V800跟V680 都要比S800更强了,就是更好了,有很多一致性的,就比如说,木纹的纹理,要绝对对称的来去做 我觉得这是高端品牌,更重要的一些东西,然后在点长大关上,其实也更好了,除了点长大关的B柱摄像头,是一个我很不认可的改动以外,我觉得方方面面都做得更好了,但是它的价格却更亲民了,售价却更低了,这里就得益于江淮,这里就因为背后是江淮的努力 V800给我感受,冲击力还是挺强的,虽然它的很多的功能配置,像刚才肉呆说的,它不是一个功能价值,功能体验的这个方向,因为毕竟价位在这儿,我觉得它还是做出了很多,独特的东西,就刚才咱们谈那些,包括所谓的情绪能量仓,包括那个鞋盒,而且它是把这些,所谓你印象里边,是那些传统奢侈品,会做的一些功能配置 它用一些智能化的功能,消费电子的方式,给做出来了,我觉得这个还是挺华为的,就是虽然你觉得,这些功能配置,不是那么实用,不是那么科技含量很高,但是呢,它用自己的消费电子的技术,把它们串起来了,情绪能量舱,我觉得是一个很好的例子,它是一个综合的体验,而包括我觉得像它凌晕座椅,里边内置了,就是堆传感器嘛,所谓的适配每个人的坐姿,不知道实际的体验怎么样,但是它那个凌晕座椅,整个的那片段,那个功能配置,让我印象是最深的,我很想去试一试,坐姿对于这款车来说,也是很重要的一个配置嘛,包括它的整个座椅的一个平台,是使用了一些智能化的技术,这个就觉得让我觉得,技术含量很高,而不是说简单说,我堆发泡啊,我堆上面用百年的皮革呀,或者说我上面有什么样的 灵文条文,它多么有历史的意义和传承,我觉得这个在豪华方面,华为还是能坚持,用自己这种消费电子的功力,智能的技术,去把它们串起来,可能不那么实用,就跟以前所谓的遥控手势,什么开关门一样,但是它确实会让这个产品,跟其他产品不一样,而且它要的就是一个独特性吧,给我的感觉还是挺有意思的一个产品,另外小康我也问你一下,刚才其实肉呆也谈到了,整个对MPV产品接受程度的变化,你也谈到了尊介V800、V680 对于鸿蒙制型的重要性,这个我觉得完全同意,但是在尊介之外,今年上半年它可推出了好几款MPV 卖这么多MPV 有这么大的市场空间吗,就是为什么一下会密集出这么多MPV呢 还是说像肉呆刚才隐约谈到的,说市场可能会有些变化,就MPV受到了越来越多的认可,其实就像最开始,可能Mega曾经寄予的那样,说更多人不在乎它是什么样的车型,而是从它的需求空间,它的豪华度,来接受这样一款产品,它的市场规模变得更大了,我来说一下,我来解释一下,我对这个事情的看法,我认为华品华为的产品策略就是,要用细分的品流去覆盖市面上任何一个有利润的,有利润的细分市场,什么是有利润的细分市场,在我看来MPV是典型的有利润的细分市场,今天这个市场上有两家公司就是靠MPV在生存,一个是别克靠GL8 一个是蓝图靠梦想家,其实这两个公司主要卖的就是这款车,就是分别对应的这两款车 他们显然是很有利润的,然后通过做法,其实大同小异的,通过就是摊开来,平台级的投入,拉大整个的价格带宽,就是分散开来SKU 来去把这个事做成,其实华为反倒不是这样做的,但是总而言之,华为是看到了这么一个细分,但有利润的市场,让它决定进去,然后从定位上来说,其实我觉得还是有点差异的 V680跟V800 我觉得这个不需要解释,我觉得它核心,其实本质上是想,拿走Alpha跟Layer 但实际上由于江淮的一点羁绊,导致它竞格价格有点过低,又有点稍微有点错位,但总而言之它拿的是高端用户,然后V9跟V8呢,其实相当明显,就这些V9 我认为它会明显更商务一点,然后享界V8是一个极其家用,它更像一个鸿蒙智行,干出来的Mega 这么一个车 所以我认为就是尽管看起来,或者它是一个在发微博,特别有噱头的,鸿蒙智行一年推了四款MPV 很明显是在乱打,就是它是适合发这么一条微博,但实际上,逻辑上我认为,其实没有那么的混乱,当然我就需要评估的一个事情就是,这四个车里面680跟800 其实是存在相当的平台化的,但是V9跟V8以及跟江淮,其实没有任何的平台化可言,它是一个,我指的是整车平台这个维度,是一个相当相当,有各自车企去拆的,所以这个可能是,跟现有的MPV玩家,是做法上的不同,所以从这个逻辑推演,从这个逻辑推演,就回到我最前面说的就是,自律于做MPV 是要覆盖任何一个,每一个有利润的,新闻市场这个维度 我认为鸿蒙智行的揽胜,现在正在孕育当中,因为其实今年这个市场上,有各种各样的揽胜出来,但是鸿蒙智行,其实它没有揽胜,就是问解M9从根本上来说,它是GLS的那个形态,虽然定价,定价不是跟GLS直接竞争,但是GLS的形态,那小鸡G9 其实你很明显看出来,它是一个方盒子形态,它是一个打长程的坦克700 或者是卫士,这个品类,它同样是有利润的细分品类,其实它的绝对绝对规模,可能不是那么爆的,真正走量的是问解系列,那边那个系列,但是今天就是定位在 150万级别的这种,缆生这个形态的产品还没有,然后你说,鸿蒙智行没有推出缆生,是因为鸿蒙智行不喜欢抄,我认为完全不是这样,鸿蒙跟小米 我认为绝对没有这样的包袱,它是一个极致残酷的 [00:19:57]
于新烈:它是一个极致残酷的,商业成功主义,所以我觉得只是时机问题,我们也可以观察一下,未来鸿蒙智行,有没有自己的缆生出来,它确实让我看到了,鸿蒙智行,它的一种怎么说呢,一种策略,因为我们看到,其实它之前就像你说的,不论是像尊界S800 还是说像之前的,除了问界M9之外的车型,其实它都有这样的问题,就是在首销期销量非常好,市场口碑也很好,但是平销期会遇到很大的挑战,它需要更快速的迭代,然后投入更多的,包括产品包括产线,所以这就是为什么,之前塞利斯会因为彩报,受到很大的争议,这也是另一方面的体现 它现在其实是进入了另外一个,另外一端,就是一个比如说,一个坐标轴的两极,就是最高阶的车辆,它可能不能走特别大的量,但是能够挣钱,那他们现在其实今年上半年,密集地出了一堆这样的产品,但感觉就有点失衡,从这个策略上,从它的执行上来说,全都是高阶的9啊,高阶的尊啊,就全是这样的细分市场的豪华车型,但是真正走量的,大家对它真正大哥的那种认知,在销量规模上其实反而没有,我觉得这对今年鸿蒙制型,在品牌的心智影响上,是一个减分的地方,因为之前大家募强嘛,大家之所以觉得你行,是因为之前,不论是早期的M7 还是后来的M9的神话 大家觉得鸿蒙了不起,果然一出手就是爆款,大家之前是对鸿蒙智行,这样的认识,但今年开始 M78可能销量会进入平销期,没有那么惊艳,它又出了一堆非常小众的车型,在销量规模上,到目前为止已经9月份了,还是没有给人那种,大哥回来了,我这又是全线爆发的那种感觉,我觉得这个对,鸿蒙智行整个五届的品牌的,树立是有一定影响的,那比如说今年,它出了这么多酒和,这种尊介这样的豪华的,超豪的MPV 包括Grand Design 这样的高价的产品,对它其他的各界的产品,有带动性吗,能起到作用吗,还是说它只是一个,纯商业上的考虑,就是能够赚更多钱,我觉得这个问题 其实跟产品周期有很大关系,就是说你拿一个,比如说三个月,一个季度的窗口去看,这个问题就会显得很明显,如果拉到全年来看,比如说你看这两天,网上已经开始有爆料,这个问届M7的改款要来,对吧 M8其实也是一样,其实M8现在也已经,早就进入了这个相当于是年款前的这么一个,清库的那么一个状态吧,就是我觉得M8 M7以上可能就,因为今天其实刚刚有这个媒体发出来 7周破2万嘛 7周销量破2万就是M9 然后如果M7 M8以上第一波订单,我觉得是可以预期的,它肯定会好一些嘛,这样又有一种这个M9 8 7这样牵引,整个高端叙事,带动全息销量,这个叙事就形成了 所以我觉得是需要拉到全年来看,就是这种产品系列的,发高端产品,集中高端产品,或者说是甚至,某些季度是低端产品多一些,或者说是,这个有些产品打架,或者说是定位比较近的,集中的产品,类似这样的问题,可能要更长的周期里面,就会消解掉,我觉得核心的,之所以会有这样的困惑,我觉得其实是因为五个界在一起,然后有时候,或者说就贯穿全年都是这样,就是说鸿蒙始终比其他的单一汽车品牌,它的产品节奏,就宣发活动都会密集一些,压缩到一个季度里面看,就会把这些问题放大,我觉得是这样,就本质可能没有那么严重的问题,换句话说,从我关注的一个点 就是你觉得从高往下打,这个还是成立的 9系也好,像这些专届发布之后,其实对像文件M7 M8 它的小两其实有带动作用,我的意思是我认为,眼下看起来没有带动,其实恰恰是因为M9 已经完成大更新了,其实M8跟M7反而,在这个市场上竞争上,比如说像M8的,就是从价格角度的,直接竞品是蔚来ES8 那之所以鸿蒙会做这个M8 我认为在一年时间上 18个月的时间上,去做这种比较大力度的改款,我不知道这个该不该叫中期改款,但是做这种比较大力的改款,我觉得某种程度上也是鸿蒙认为,就面对今天40万级这个市场 M8竞争是有压力的,这么一个侧面的验证 所以如果单单就现在来看,当然是这个M9带动78 这个叙事不成立,但是我觉得这个可能,跟78这个产品周期,我觉得是强相关的,我是这个意思,来浩然聊聊尊介,聊聊MPV这个市场,我觉得尊介当中,有相当一部分,是从劳斯病例,消费降级下来的用户,就是对于他们来说,买一台尊介,他们觉得尊介不贵,你像如果是并例的天跃大概要280左右,就算插魂也要260 280左右,如果是库里纳那就更贵,超豪舒适性定位的产品就没有低于200万的,那对于这部分人来说,那华为的尊介这个系列 尤其他又在一些中国人需求的东西上面,他给的特别顶,然后我解释一下为什么它没有尊界V6、80、V800 没有S800那么贵,这方面我感觉它还是一定程度上遵循了传统豪华品牌的一个定位,其实奔驰跟劳斯和宾利他们的旗舰车型都是轿车,奔驰是麦巴赫S 劳斯是幻影,宾利原来是木上,现在木上停了,从汽车工程学的角度上来说,你的NVH和你的油耗和你的性能的最优解就是三箱轿车,这一点是改变不了的,尤其又是在欧洲品牌的主力市场,比如说德国的话 它有超高速巡航的需求,那轿车的优势就会被进一步放大,那我们国家没有超高速巡航的需求,而我们又对空间上,要对欧洲品牌可能要求的要更高一些,所以我们会对于这个相对直立一点做资的 MPV或者SUV这些更青睐一些,但是总体上来说,包括最近比如说有一些,反正我接触的比较多的,有一些什么ET9 ES9的双车主,会逐渐有反馈出来说,这个主动悬架上面,好像还是ET9的这个感受要更好一些,我说那不是,这不是当然的吗,你SUV为什么要跟轿车去比操控呢,对吧,你的舒适度,你的操控,你的NVH 那当然是轿车更有,当然这个ES9的NVH 做的确实要比ET9好一些 但是就是在其他所有技术条件,守恒的情况下,轿车肯定是一个最优解,尊介V680 V800 它在一些我们中国人能看得懂的,一些配置上面给的非常顶,然后我不知道我之前,表面表达过这样的心态,我其实我不太能接受华为,尤其是尊介这个品牌的审美,包括它的一些内饰设计风格,或者它的外观设计风格,包括它的很多宣发,这些我们都不评论,但是有一点我觉得是很不错的,就是他们非常舍得定价,我相信尊介的,不管是Grand Design 还是V680还是V800 它的各个选装配置的定价,我觉得国内其他所有的,贵价产品,或者自认为自己是超豪 或者想要跟78S这些,去打的这些产品规划的人,应该都是倒吸一口凉气的,都是觉得,他们没有勇气定这样的价钱,我觉得你如果没有这样的勇气,那你就并不一定,那你还是把自己的产品定位成了一个premium的产品,就是你是一个豪华吧,但是你还是卖的是一个这个产品的基础配置和性能,然后在这个基础上加一个比可能三四十万的产品高一点点的,这个高一些的这个毛利,但是你卖的不是超好,超好的毛利是30%起,对吧,就算你卖30%起,你都不一定能盈利呢,对吧,你看前两天马丁的财报 29%点几的毛利,照亏不误,因为你的量没有那么大 对吧,就像小康说的,为什么江华有这样的担忧,全生命周期,如果只有几万,一两万量的话,那这个平台是不可能回本的,所以有这样的经营压力 [00:29:47]
于新烈:所以有这样的经营压力,我觉得可以理解吧,我觉得于老师跟小康说的,都有道理,就是M987以及今年鸿蒙的问题 M9的表现很显然是不如上一代M9那么强的 M7跟M6也没有像预想当中的那样,把同价位的理想L7 L6或者什么L8这些,或者同价位的其他的这些24到30几万的这些增程,或者纯电的MPV全都就碾压的片甲不留了也没有,我觉得一开始或者至少,我作为一个局外人来看,我对这一代的M7跟M6的表现,确实是有一点低于预期的,我以为理想L6会非常艰难,但是好像 当然现在L6卖的也不怎么样,但是它不是刚上新吗,我们看一看它这几个月怎么样吧,反正我的预期是,以前M7大家都知道是个什么样的底子的车,对吧,他以那样一个底子的车,都能够卖到那样的一个水平,他变成了一个正经很多的车之后,那岂不是就应该起飞吗,但他并没有飞得那么高,所以我觉得,于老师的这个观察,跟小康的这个产品周期,都是对的,但是真相介于你们两者之间吧,就是他确实我觉得,没有达到我以为的,那个摧枯拉朽的这个状态,或者说他把车辆工程,这一块的短板补齐了之后,他应该是一个,没有什么短板的车型了,不像第一代的M7 是有非常明显的短板的,当然小康说的这个,产品周期呢,确实也是,但是我以前以为是 我以前以为ES8面对M8 应该是没有什么机会的,但是ES8现在,平销期一个月还能有个,小一万辆,可能一万不造,一万出头一点,对吧,这个是稍微有一点,不在于期内的这个态势,结合浩然跟小康,刚才小康也谈到了,他在寻,鸿蒙执行在寻找一些,高利润的新分市场,鸿蒙执行,我感受的一点,它的上限非常高,这是国内其他品牌都做不到的,这是非常厉害的地方,这是华为真正赋能的地方,它才能够真正卖出超好的产品,我觉得今年上半年,当然有产品周期的原因,刚才小康也谈到了,但我觉得他们在这一代产品之前,充分意识到了这一点,这是鸿蒙智行最大的优势,就是他们的上限非常高,他们能卖非常贵的车 而且执行力很强,他们把这些贵价车都做出来了,今年会有密集的上市,我觉得这是非常独特的竞争力,这是其他品牌做不到的,但接下来的挑战就是在,这种主流市场的价位,鸿蒙智行究竟能不能体现出,它摧枯拉朽的这种能力,我觉得这接下来对它是一个很大的考验,如果这方面不行的话,我觉得对它的高阶车型,也会有一些反面的副作用,柔丹你对MPV市场的这个变化,包括鸿蒙制型,今年上半年这种高阶车型,密集发布,从9往下打的这种策略 [00:32:38]
周焯然:还在中国目前的市场有没有效,诺加死的时候,手机行业的毛利,已经跌到一个很低的份额,大家都在到底是要保份额,还是保毛利,这些事情,所有的产品都这样,电视是这样,手机是这样,电脑也是这样,所有的东西都这样,现在这么下脚子,就特别像诺基亚当年,每半个月,甚至两三个月,就推出一个机型,全键盘的,什么QWER键盘的,这现在汽车市场,我说整个汽车市场,它都有点像这样,就是百花齐放,特别百花齐放,你什么旋转座椅,什么各种乱七八糟的,什么东西,全都给你弄上去,是为什么,是因为汽车工业发展,到了一个需要牺牲毛利,需要冲刺的时候了,没得可发展,你要放在现在,我们还能做什么呢 就是现在我们跟每个厂商,就是一开会的时候,大家都头疼这些,还能做什么呢,就小米都卷着个帐篷来,你说是别的车没有做过的吗,不是,那你说旋转座椅,是之前有的车没做过,也不是,就包括很多没有发行的车,如果大家看到那个设计方案,我相信在座的肯定都见过,就那个方案真的可以吸引,百分百吸引用户吗,都会打一个问号,所以在这个市场环境下,无论鸿蒙做什么,无论鸿蒙的品牌能力再强,它依旧是吸取了那些存量用户,存量市场,它没有办法再拓展一个新的市场,除非一个更新的时代到来,但是这个更新的时代,我们还是要再问,它是自动驾驶吗,你如果真是到R4 或者R3 R4的级别,这个市场到来的时候,我们还有能力,再提供新的功能吗 还是这个功能又被特斯拉,又被别的这个汽车,汽车品牌,新进的汽车品牌,把它给吃掉呢,因为当卷到那个时候,造车的这个成本,已经很低了,因为它毛利已经低到,不能再低了,你逼到那个份上的时候,这个行业必须要进化,你必须要进化的时候,还留给这些,现在的新势力,在那个,就变成了那个时候的旧势力,还能留多少,这个又打一个问号,你现在手机品牌,你往全球数活的下来的,一张手都能数得过来,你现在其他的,只是苟延残存而已,那现在,汽车市场也是,就是大家发那么多车,好多,我看有很多朋友说卷,我承认,承认这件事情,大家都被卷的这种程度,但是不卷又能怎么样呢,你不卷,现在死,你卷晚两个月死,你其实要无非就是这样,你卷到那个时候,就现在 我就稍微往回收一收,就现在是不得已而为之,就华为就是不得已而为之的,那个伪,它不是中华有为的伪了,你到这种程度,你没办法,你现在如果不这么去发的话,不在每个细分市场,都有自己的立足之地的话,都有大家印象深刻的品牌,印象点的话,你到后来更难,这个我相信,可能像江淮,像一汽上汽他们肯定是明白的,上机之前做荣威,应该我忘了是RS450 我忘了是哪款车了,做的多牛逼 Marvel那会儿做的多牛逼,你到现在不也是得往15万,把25万的车带到15万售价,这个方面去吗,没办法,这个真没办法,所以你要么是拿毛利换市场,你要么就是拿你的整个量,去冲击几站市场,你只有这两个选择 但这两个选择带来的最大最大的影响是什么,如果我不这么做,那永远会丧失我在这个市场上的统治力,然后接下来就像多米诺骨牌一样,什么毛利啊,市占率啊,什么东西什么都别谈,你就等着后来者,你所有做的一切,价格压下来做的一切,都是为了后来者把你干死的这么一个一把利剑,那你现在又不,你现在不捅自己几刀能行吗,我觉得肯定不行,所以就尊介什么想借技久,我个人觉得他这个车的车型,在这一两年之内肯定还会再多,什么火做什么,那这个是我觉得不是由鸿蒙,或者不是由华为决定的,是这个市场的循环就是这样,如果不这么循环下去,让自己给自己造点血的话,我觉得可能更难往下走,这我自己的观察仅代表我个人 来聊两句智界RX [00:37:47]
于新烈:因为这款车大家关注度其实挺高的,毕竟有小米预期在前,而且这次预售价来看,大家多少,真的很高吗,我真的想问一句,真的很高吗,我不是想要黑这个车,它的热度真的有这么高吗,这个热度你看是哪方面的热度,它不是用户的热度,它是媒体包括各个品牌,就是这个行业的热度很高,就是你作为华为,你做了这样一款,在造型上已经有一款,销量很好的车型情况下,依然投入这么大,要重新去上这样一款产品,而且我觉得,这对于智界来说,有很多新的东西,因为智界这品牌,在这个阶段是非常特殊的,它是唯一一个,在红帽智行里边,去宣传自己设计的品牌,而且它有自己的,持股的核心的高管的团队,来运营这个品牌,我觉得智界整个现在这个 不论是产品还是团队,在鸿蒙指型里面都显得很特殊,以及RX这款产品也很有话题性吧,我觉得它的关注度实在话题性,之前大家应该会觉得,它要怎么来跟预期竞争,因为预期曾经有过现象级的订单嘛,那这次它其实避开了,一定程度上避开了预期直接竞争吧,以及它的销售方式,因为之前大家传统,比如说Pro Max Ultra等等,现在RX不是他卖的 RX是按照L3和飞L3卖的,以及这款车,他之前预期,像小米苏7 他卖的可能是圈速,这次我感觉,像RX是刻意绕开了,圈速这个方向,他强调操控,对吧,专门还请来了,前AMG的主席,等等来为他背书 但其实操控这个东西,又很难卖,之前理想L6上市预料的时候,还特意强调过说,操控是玄学,对吧,那咱家里聊聊,红木指形是怎么来卖这些RX的,我们只说数据,这不是我的个人判断,预期是20分钟 28万个锁单 [00:39:39]
于新烈:28万个锁单 28万个大定,当然那个大定是小米特色的大定,就是转锁单好像是十几万,对不对,那是当天晚上,这些RX是15天 21000个,这可差了一个数量级,所以这是我刚才为什么问,我说他热度真的很高,第二个AMG的那位主席,他不调车,作为前阿森马丁中国的公关agency 他上任的时候,我正服务着马丁,这哥们是一个高管,他不调车,他是一个把AMG的整套的发动机,和奔驰的老一代的电子电器架构,迈进马丁的一个人,他并不参与调车 他也不是动态性能,他在这方面不是一个,他在动态性能上面,最拿得出手的一个名号,就是他曾经当过马丁的CEO 但是CEO是不调车的 CEO早就已经,他不是我们的这个,新造车的这些CEO们,评审可能还坐一坐车啊,或者开一开车啊,然后深度的参与,人家就是职业经理人,对吧,而且在马丁也没有干很长时间,就走了,然后还有一点我对于,我当初拍预期的时候,拍预期静态的时候,我就说过,我说,我说这个车,首先我要说一点,小米对于我说这个车超了谁谁谁,是完全没有任何一点,从来没有干预过我这方面的言论,第二点,我说这台车呢,它当然是有一定的借鉴的因素 但是呢,我这话就撂在这儿,麦凯伦是当时唯一一个,还没有推出过高性能SUV的超跑品牌,对吧,我说麦凯伦有朝一日,要是真的推出了一个SUV 不一定会有预期这么好看,预期它超是超,它肯定是有借鉴的因素,但是它确实超得比较好看,然后它在有些方面上做得非常极致,它是一个5米长的车,但是它是一个,它为了造型把空间压缩到了Model Y的水平,也因此它能够做很极致的高性能,小米在高性能上是一步干掉了保时捷,你如果没有这样大的决心,去像小米这样付出这么大的代价,你不讲圈速讲操控,这是一个我认为不成立的叙事,所以这是我之前为什么说,大家说直接这是一个 RX是一个需要聊的车型的时候,我提出了一点质疑,就是这个车,这个车有有有,入度有这么高吗,所以好,我的恶人当完了,来小康,我觉得可以这么说,我对RX的点在于,从姿态比例这个维度,我觉得它是一个非常好的车,在这个流派里面,那么,就是如果你看白车生,或者是看整车平台的话,这不是一个全新的整车平台,它是在,这节R7的基础上衍生而来的,但是如果你的白车生,不做一点投入,就以这节R7的那个平台的话,其实你做不成这个样子,从这个角度来说呢,我认为,智界或者是奇瑞这一方,他们是拿出了,应有诚意的,因为你不能在市面上 这个产品被证明是有效的,是可以商业成功之后,从零开始开发车,这也不是十分合逻辑,那么如果我们去看市面上,所有这种流派的车,在预期之后推出来的,这个流派的产品里面,其实我认为这件RX 是做得非常好的,非常有诚意的生殖瑜伽,但是呢,从SKU这个角度,从预售的角度,为什么要用L3和非L3去问,首先我们先从辅助驾驶的角度去分析,其实不只是智界了,或者说不只是RX这台车,接下来鸿蒙自行全系,以及晋那边全系,就是说前车PU的客户全系,都会逐步收敛到两条线,一条是仓内激光线,或者说L2线,另一条是896线,那896线其实它是和 会逐步逐步的和L3绑定起来,就是L3跟非L3的逻辑,但是呢,即使在这样的背景下,就是建立在这样的背景下,对于这辆RX这台车,为什么要用L3 就是说896线加L3架构,以及一大堆的舒适性配置,去绑定起来,就是这台车的SKU 它分为L3和非L3 这个我仍然是充满疑惑的,尤其是在华为的Max Max家,所有这些,其实它是一个相当深入人心的,已经完成了对市场教育之后,这整个SKU的划分,为什么要这样干,其实我是,甚至我可以说我是不认同的,尤其是当这台,或者我觉得可以这样讲,我甚至可以理解,比如说在尊介S800典藏大观 它分为L3和非L3版,我都是可以理解的,因为这台车它一个是贵,一个是最前沿的科技,代表一种高端一种豪华,这种逻辑的延伸,我都是可以理解的,但是放在一台主打高性能SUV 主打底盘和操控调教,这些维度的产品上,用L3和非L3去划分,这个我其实确实不是那么理解的,或者说就是,纯粹就是不是很认同,然后在这个基础上呢,我其实还想,因为这个流派毕竟,就是我们说中国市场,中国正能电动汽车市场,这个流派毕竟是从自预期始,我其实也想谈一谈预期,我们今天回过头,可以看一个比较有趣的事情 就是说小米是唯一一家公司,它的SUV卖的不如它的轿车,它的轿车,其实它的成功程度远远超过SUV 那么当预期的订单逐渐逐渐,就是说到了平销期,逐渐逐渐往下走的时候,雷总做了非常严肃的分析,分析的结论是预期卖的太贵了,他给的太多了,就是他的标准版电池依然太大,这个我们也都知道,就标准版小米,小米汽车是一家充分吃透了,就是这两年,其实这会儿铁里已经逐渐逐渐,又重新重回了上升渠道,就是在铁理成本最低的时候,价格最有竞争力的时候,小米是把它放大到极致的这么一家公司,所以小米预期的标准版,如果你愿意搭配一些低风阻轮毂的话,它续航可以干到835公里,这是雷总推荐的结果,其实就是他觉得我给的太多了 我就就就买了这个配置版本,高速可以跑600 对,就是雷总的结论是用后不需要这个,为什么呢,他是依然专注于围绕,雷总还是非常专注的,注意力在Model Y上,就我怎么样能把Model Y干下来 Model Y九层的车,买的是标准,特斯拉已经给你证明了,其实小米这家公司,有很多的东西,都是从特斯拉上分析而来的,比如说小米是不做超快充的,因为Model Y证明了,就是Model 3 Model Y证明了,今天如果没有超快充,只有一个2.5C到3C OK 是这样 OK我们再说回,所以雷总的做法,是推了一个80多的,更小电池版本,同时把价格再往下降一降,然后逻辑就是说,那只要到这个地步,我就是跟Model Y完全正面交战,我订单一定会大饱饱,但是其实现在又过了几个月,我们回头看 其实这件事情没有发生,对没有发生,其实用户不是那么买账,我自己初前理解,就站在完全事后来看这整个事情,我自己初前理解就是,我认为中国人,甚至也没必放在全球范围内,也是一样 Model Y是一个看似运动造型的,但实际上非常家用,非常超大空间的这么一台SUV 其实预期的内核不一样,就预期包括RX 包括这个流派里面,所有的产品它都不一样,它实际上是以浪费空间布置,是一个高端车豪华车的做法,是一个空间利用率极低,然后换来的是一个极其养眼的比例造型,的这么一个SUV做法,我认为这个SUV做法 在30万左右的区间,其实是不那么奏效的,这个区间的人买SUV 他非常看重通过性,大空间,家用属性,这些东西,其实这些车,他完成的不如 I6 理想I6 或者是Model Y 好在我看来是这样,那在这个背景下,其实RX在前景,我认为其实是没有那么乐观的,因为预期作为一个,这个流派的开创者,其实你长期的销量走势,是很有压力的,而且是远远远远不如数期的,在这个领域,我再表达一个,我刚才小康说的这个,让我想起来了一个点,是预期好歹是一个,把一个大概600万的产品,把它变成了一个30多万,二三十万的产品,然后如果后来这个超的 这个模板是一个预期的话,那你在这个上面要打几折呢,所以说这也是为什么我对于,你超好歹超个原版,我觉得就像小康说的 [00:49:47]
于新烈:我觉得就像小康说的,他白车身确实改了,但是所有平台改不了的是,你1113的一段嘛,对吧,你所有的大众从高尔夫到图观,包括沃尔沃从S90到XC90 它的那一段是不变的,它其他部分可以变,那你这个部分如果不大动,就做不到那么机智,对所以,我同意小康刚才,关于预期跟Model Y的,这个对比分析,因为它卖的东西不一样,你去对标Model Y去做改动,可能效果并不能够如他所想,但另一方面,那预期究竟为什么买不过速器呢,抛开它去对标波的外,去改动做的更便宜,性能小电池,不奏效之外,那为什么预期一个SUV 反而卖的不如,苏七这样的轿车呢 OK我来说一下,我的简单结论,我认为就是,尽管浩然前面刚说了一句,就是说苏七是一个,把几五百万的车,让它以30万,或者是20万左右的价格,你能体验得到,但我依然认为,我认为有一个角度,还有一个角度,就除了我前面说的,那个家用,就是SUV跟家用,更绑定更深,跟通过性绑定更深,跟大空间绑定更深,而预期没有,很好的完成这一点,这个领域的,这个流派的SUV 没有很好的完成这一点,除了这一点以外,还有一点我认为,就是它的社会性,就是社会性的意思是说,苏七做一台轿车,尽管它是一个,非常非常运动的轿车,但是如果你要买,一台轿车的时候,你向周围人的解释成本,比如说有一些年轻人,他的购车是由父母来支付的,或者说是首款是父母支付的 这个时候你现在解释的,说我要买一台轿车,然后大家全家人去看了书期的时候,我认为他的解释成本,要远远低于说,我要买一台SUV 但是他最多带到这些人,把他带到店里的时候,一看是一台预期,这个解释成本,其实我认为要远高于书期,这是我的理解,尽管这两台车,从行面上来说,从造型流派上来说,它都属于运动型的轿车和SUV 但是极致的运动性,和轿车这个品类去融合的时候,它的解释成本我认为是很高的,它的社会性是比较差的,是有比较高的税负成本的,你为什么买了一个,这个样子的SUV 实际上我认为在预期上市阶段,谈论这件事情的人并不多,如果我们去看预期的乘坐空间,成员空间,跟Model Y差不了太多,我认为这个一方面 就是当时雷总是,极有勇气去拍这个版,我觉得这非常难,这就是你要为,极其优美优雅的造型比例,去做出的牺牲,但另一方面,它也是代价,它也是非常难的一点,然后还有一个点,小康说这个空间差不多,但其实差很多 Model Y在北美市场,是规划了七座版的,所以它的后备箱那么大,等一下等一下,我说成员空间,成员空间,成员空间,对成员空间是差不多,但是它的就是Model Y有一种,它很能装的感觉,其实主要是它的后备箱,它的后备箱奇大无比,那是因为它在北美规划了一个,砍膝盖的第三排,然后它在,所以它的那个后,它的那个第三排的那个头,这个玻璃看起来,它的车尾看起来就比较鼓 然后预期没有这方面的需求,然后它的后备箱是一个正常的,五座版的车的后备箱,然后所以它就没有给你这种,然后它所有的线条有比较的斜,就没有让你,虽然说你可以通过前后备箱,加在一起得出一个,它其实装载空间,距离Model Y也不是特别远的,这么一个结论,但是分开的两个小空间,跟一个统一的大空间,尤其Model Y的那个,后排的那个,后备箱的垂向空间,是非常好的,就是你装一些,高的一些,就像这两天,那个什么雷总,在那摆那个什么,什么树,发财树,发财树 Model Y是有这种空间概念的,然后虽然这是一个意外的副产品,就是它有这么大空间,纯粹是因为它规划了一个,基本上没有进入中国的,这个三排座的车型,但是,不不不,我必须要说一下,其实Model Y 那个原来那个旗座版,它在北美卖的也非常非常少,就它最终确实就是实现了,你只能说从结果上来说,它实现了一种求上得宗的结果,就当时如果不是,一定要做三排座这个压力,其实这个车的后备箱空间,不会那么大,但实际上你即使,让它兼容了三排座,也没有什么人脉,就即使在北美,它真正主销的也是两座版,但是它因为有了设计需求,所以它才会那个样子,它的硬点就变了,我理解这个产品的差异,但刚才确实小刚,那个底层逻辑更能说服我,大家很难接受一个,强调操控运动的SUV 更愿意接受一个,强调运动操控空间受限的轿车,因为它符合认知,以及我更阴暗地考虑,广大人民群众,更知道的保时捷的人更多,了解法拉利的人更少 不太接受这个东西究竟是什么,他不理解,对于它的长期保持畅销,确实有很大影响,知名度不够高吧,它的原本 [00:55:21]
周焯然:OK来柔带,接着来聊RX 那我就先说一个结论,这个车的热度没有那么高,我是觉得RX的挑战是很大的,因为已经有一辆车,就咱们刚才也聊了,就是已经有一辆车叫小米U7了,超那也是人家小米U7超,你再超,就是超小米U7再超的东西,这个就是我一定要向赵总道个歉,这个是没办法改变认知的事情,小米预期它已经是,我就用一个不太恰当的形词,诸欲在前,那你要是跟着诸欲在学诸欲的话,那就是东施孝平,这个是没有办法改变的一种消费认知,肉袋的表达比我简练太多了,我也是这个意思,你为什么之前有很多,我记得跟Vivo这家公司去,跟他们做很多合作的时候,他们跟我们说一个点 我们老板不让我们在发布会上,提任何其他品牌,他只和自己比,为什么呢,你一旦和你比的这个人,他不如你,消费者就会觉得,你这不欺负人吗,你要是比iPhone的话,大家会觉得,你不就是iPhone的一个配件吗,我买不起iPhone才买你的,你要面临这种质疑的时候,需要非常大的勇气和解释成本,小米付出的解释成本,他付出了,他是长期以来,雷军对于汽车的认知,他不断的去告诉用户,我喜欢的车是什么样子,我想造一个什么车,他不断的在建立预期,建立预期,他在通过苏七,向大家证明,你看我想造的就是这样的车,所以我带了小米预期,小米预期的火爆,我个人认知是有这种,这个因素在的,我再多于解释一下为什么,我们在给一家,他现在已经决定不造设的企业,做过一个大概三年的,这么一个调研 他研究的是什么,就是这个可能,我之前从来没有经历过的,就是他给我们第一个课题,是研究北京上海深圳,研究道路和空间,如何影响这个消费审美的,你比方说中国不同地区,对于大车低趴运动感豪华感的偏好,它是基于这个道路宽度,停车条件通勤半径和居住的,咱们说居住的这个形态,城乡往返的频率是高度相关的,德国为什么能这样的,能有这样的环境,刚刚浩然我记得浩然说过这个问题,就是他的这种通勤的距离,以及他的这个东西,他决定了一方水土养一方人,对于一些长期在县城,县城地级市乡镇之间流动的这些人,其实就是在座的主委,他对于车的体谅量和通过性的理解,和长期在高密度核心这个城区生活的人 他是完全不一样的,雷军是怎么解释这个问题的,他一直在强调,你是一个什么样的人,你是一个什么样的人,你是一个什么样的人,对于这些人来说,他就已经形成了一种激烈印象,就是我想越级,我一定买小米,但是我为什么说 RX面对了很大的挑战 RX他是没有解释这件事,因为雷军其实他也没有,把这件事情很系统性的说出来,他只是告诉大家一个感觉,我用这种强大的人格魅力,去和你产生共鸣,但这种共鸣可以抄吗,这不可以抄,不是不可以抄,是你抄起来,你需要付出很大的这种解释成本,然后还有一个,我记得是在,跟他们合作调研的时候,我们有一个课题叫,人口流动如何改变品牌认知,咱们现在每一个一线城市,汽车消费最大最大的人群,不是本地人,是千日人口 你看在北京,北上这两个,北京上海这两个地方,它基本都是这样,像北京是河南这部分人,占据了河南河北这部分人,占据了很大的这么一个,一个汽车消费市场,他们购车观,他不只局限于说,我现在在的这个北京,他受限于,我从小生长的河南,他是两套价值观的,这个叠加品牌面子,对吧,还有就是说,我考到北京之后,我所经历的这个高端教育,对于科技,对于家庭,对于实用性,这几个融合在一起,小米,他经历过多少年的这种,被人说这个屌丝,被人说这种极致性价比,他经历了很多年的这种锤炼,他不怕这件事情,或者说他面对这件事情很成熟了,他在做这种产品转型的时候,这些用户是有天然的,对他的这个预期值的控制 [00:59:07]
周焯然:对他的这个预期值的控制,一旦你超,很容易就能超出这部分人的,这部分人用户,或者说我们对小米有刻板印象的,这些用户的这种预期,所以这个变量就真的是城市差异,就是人口流动的差异,其实没有办法消解RX的这种,就比方说我更像谁,刚刚大家说他更像法拉利,他更像这个保时捷,其实这个就是一个认知,为什么是因为流动人口,对于这两个这个车的认知,它是不一样的,保时捷这个广泛认知,是要主演大于法拉利,因为法拉利的消费层级,它已经是它在欧洲,它在它出生的地方,它已经是另外一个层级的事情,那保时捷可保时捷不是,保时捷还是希望,多多的进入更多的这个人群,那你说最后就是,你说这个家庭结构和这个 咱们中国人老讲的这种,宗族的这种网络,这种这个应该叫网络,就是反正这个宗族的这种连接体系,就汽车消费在中国,对于这种家庭和亲属关系,是高度嵌入的,你解释不了这件事情,小米预期是什么,小米预期在短时间内,收获了大量的订单,这个订单的复杂程度是很高的,但是他一旦进入真正交付周期的时候,这个他就开始提炼,提炼什么呢,就是你没有办法解释,为什么你没结婚,还要买辆SUV 这件事情,就是买车在中国是需要被父母,被你的男朋友女朋友,或者被你的家人和亲戚,共同认可的事情,你在国外不可能,我他妈想买啥买啥,你除非约翰给我钱,约翰是我爹,那我听我爹的,但是你要在中国,他这个不是的,即使他不给钱,也要去顾及这种 这种家庭结构和宗族网络,跟你亲属关系带来的这种羁绊,这个是没办法的,在另一个,另一些地方呢,你比方说越有钱的地方,我们隐形有钱的地方,像潮汕,像广州,像这个广西某些地方,他其实个人消费能力很高,但是这越是这种地方,个人消费决策的这种集中度,他就越高,你到底购书的权利掌握在谁手里,真他妈说不定,所以就是这几种,你包括地方的这种,就有的地方,它长期受大众体系影响,有些地方,它更受这种日系车的这种影响,有些地区的豪华品牌的,这个保股量比较高,例如说江浙地区,有一些地方,就是它这个汽车知识,咱们说汽车老炮比较多,什么叫好车,什么叫豪华车,什么叫耐用,什么叫有面子,它这个不是全国统一的,中国真的地大物博 咱们的构成结构非常丰富,小米怎么解释这件事情,小米它其实是通过雷军,对于它个人的运营,以及长期以来,雷军它所有和雷军相关的东西,它是极度的渗透到用户的,以家庭为单位的这种结构当中,中国很少有产品,能够以家庭为单位的这么销售,小米就行 vivo和oppo都不行,小米我可以卖手机,我也可以卖这种空调什么东西的,它对于整体的家庭结构的影响范围,它其实远超其他品牌的想象,其他消费品的想象,那在这个时候,它就对于这种汽车消费品,高强度和家庭相关的,这种汽车消费品,它就有天然的优势,但是RX在面对这些问题的时候,我觉得它的挑战就在于,它有点让用户先一步想到,你像小米,或者你像法拉利的什么车 但是没有想到,就是说我是不是要在不同的地区,做针对性的营销,就是有点像华为的三折底,它在不同的地区,它使用的营销水平是不一样的,但是在世界RX这辆车上面,用这种统一的打法,用这种目前的这种方式,我觉得挑战是非常非常大,以至于在解释的这些,向消费市场解释,我这辆车为什么是这样,我这辆车为什么有这个东西,为什么没这个东西,我这个车为什么要卖这么多钱,需要有足够强大的线下销售体系,因为只有销售才能给你解释得很清楚,解释清楚一下这些事,现在我觉得,基于目前,我对于这个品牌的认知,对于这个产品的认知,我觉得风险很大,你刚才谈到说 [01:03:33]
于新烈:针对不同地区,不同的销售方式,小米是怎么做的呢,比如说你刚才提到雷军,我的理解,它是一个更直达的通道,它是一个新的渠道,它可以直接触达用户,这是一个,我理解成,有点像线上的这种渠道,那比如说针对不同地区,其他品牌,有没有其他的做法,另外比如说像余承东,它有没有能力,达到像雷军这样的能力,比如说我也能够建立到,信息沟通渠道,直达家庭,至少在局部地区吧 [01:04:19]
周焯然:就是华为有没有这样的能力呢,我先回答第一个问题,就是这个是,其实也是跟厂商合作,我们才深入了解的事情,叫这个,我如果没记错,应该叫产业结构,如何塑造品牌质感,我大概是这个,它那个英语翻译的,这个就有点,我英语不太行,好的约翰,对,它这个结果,我就跟大家说结果,我能记得的结果,比如说长三角,它是什么制造业城市比较多,珠三角,它是科技企业比较多,中部省会,自然型城市,它对于汽车价值的判断是不一样的,然后我们基于这个条件,我们去看小米的营销是什么,小米苏七,小米预期,它每辆车都强调了一个非常重要的点,就是续航,续航是无论是制造业城市,科技省会城市,中部省会城市,还是像山西这种资源型城市 他都在乎的事情,尤其像新疆,对于这个续航的这种能力,续航能力要求是非常高的,所以你看他就找到了一个最大公约数,与此同时呢,他还强调越级,越级对于这个珠三角,以及长三角的这个小,小微企业家和这个科技,科技从业者来说,它是非常重要的一环,那这个长三角和珠三角又是小米,它本身以前的一个舒适区,或者说它的用户是被广泛能接受的,对于中部省会和自然性城市,他们在乎的是什么,可能就是说要更务实,要更踏实,要更顾家,或者说要更稳重一点,小米提供给它什么,小米提供一个最佳产品,就叫雷军,朋友们,我告诉大家,造这个车,我好不容易,这是我最后一次创业 这种是非常能够引发中部省会和资源型城市的共鸣的,我作为一个山东人,我听这个时候热泪运话,哇塞,你太不容易了,你看它是一个结合体,但是如果放在现在任何一个其他品牌来说,你比方说vivo和oppo 它为什么不能造车,因为它长期运营的企业的这种价值观或者愿景,它是不符合刚刚说的这些的,它对于这个长三角,珠三角和中部省会资源型城市,它对于这些的地方的分布运营,它是很弱的,然后你再说到这个华为,余生东行不行,余生东一定行,行在什么地方,他是以个人IP出发的,但他为什么一定不行呢,是因为华为本身的机制,是不允许他这样继续,在这条路再走,他自己也清楚,那现在是什么,现在对于这个,我们做调研的时候,就发现,鸿蒙自行的所有的产品,出现了两极分化,一部分产品,深受长三角,珠三角的 这个用户的这个喜爱,那一部分人,就是这部分产品,在中部省会资源型城市,非常不受欢迎,那在中部省会资源型城市,这个受欢迎的这些产品呢,你又在这个长三角和珠三角,极不受欢迎,它那种割裂感就出现了,那这种割裂感,当然这并不是错误的,就是很多产品,他们的政策产品的结构,它就是这样,我只是说,在取最大公约数的时候,它没有办法做到像小米,这种破釜沉舟,因为小米,我只有一个小米汽车品牌,那我做这些产品的时候,我一定是要找最大公约数,我没有办法像鸿蒙一样,我和这个,比方说我和江淮,我和这个一汽上汽,我和东风这么合作,这些汽车厂商,他对于本地的运营,就非常非常符合本地的气质,一方是洛阳一方人,所以你说余承东行吗,我觉得现在至少现在是不太可能 他之前可能还行,现在的话,我觉得就包括华为,包括鸿蒙智行,也在找这种,我乱拳打死老师傅的那种感觉,我只要玩得出车,我只要玩得出解决方案,总有一个解决方案,能让你记住,这是鸿蒙自行的车,只要这款车成了,你别管它是问界,什么界,那个界,这个界,别管是M9 Z9 什么V9 W9 那只要一万成了,大家就能记住是鸿蒙自行,那就OK了,我在顺着肉袋这个方向 [01:08:20]
于新烈:因为我不是一个,对华为体系特别了解的人,所以说每隔一段时间,我就会强迫自己去钻研一下华为的体系,因为华为不造车,所以我始终会有一个,想要去搞清楚的问题,就是含华量这件事情,谁是鸿蒙之形之正统,这个新出来的品牌,它含华量有多少,它跟之前含华量比较高的品牌,少了一些什么多了一些什么,它到底是营销自己做,还是销售自己做,还是它进不进华为的展厅,什么这些的,这部分的研究成本,小米是不存在的,小米绝对不存在说,就像还出了一个很大的乌龙,对吧,就是华晋这款车,其实跟华为的关系,并没有那么的大,但是它意外逆袭成为了一个,大家好像都以为,它好像非常 含滑量很高的一个产品,这部分我觉得你说,华为不造车,它错失掉的是什么,就是这部分,或者说有点像,小米的生态体系刚打开的时候,充电宝 [01:09:44]
于新烈:充电宝,曾经出现过小米的充电宝,和紫米的充电宝,和什么什么米的充电宝,然后我就会想说,这里面到底哪个是小米,我就会去找这个,然后发现原来这个是小米,原来那个是小米生态链的,那我应该怎么怎么样,这部分的成本,小米体系不存在,我先简单说一下,肉呆最后总结补充,他对华为更了解,浩然首先咱们要明确一个目标,华为作为一家集团公司,它的目标究竟是什么,它的目标为什么不是造车,于成东为什么他这么想造车,人总不让他造,就像你说的这么多含花量,之所以被认为华靖是华系的车,就是因为他采购了华为的产品,这是华为最大的目标,尽可能多的品牌,尽可能的车 都去购买华为的技术产品,这是它的根本目标,它不在乎自己造不造车,它要的是成为技术底座,以及它的产业规模,它要渗透到所有的品牌,和车型里面去,就像他们之前那些旗战,那些技术,这是它的目标,如果自己造车了,有可能会让其他品牌,拒绝它的技术和产品,它不能够真正形成产业,巨大的规模,这是我对华为的理解,所以我觉得这个是决定了,它造不造车的一个根本原因,另外所谓的韩花亮,为什么华晋会被认为是华系的车,除了它带镜子之外,我觉得那是一个很重要的元素,另外就是老百姓最开始,对韩花亮的认知,就是华为制驾和鸿蒙座舱,因为那是最开始,他们提供的产品和技术,以及体验最好,就是它的所谓的车机 得益于它的智能手机的普及率,大家对它的认知程度会很高,其次就是支架口碑非常好,当然经过很多年的市场的培育了,所以只要有这个华为支架,比如说我现在,为什么华为乾坤这一系列镜,能够获得这么高的关注度,也是因为他们可以首发ADS5 鸿蒙座舱6 大家会认为,好你焊发量很高,这也是为什么现在鸿蒙智行,在努力去打造鸿蒙智行,自己的焊发量,他在刻意的去区别华为乾坤,特别是这次享界G9的发布会上,余承东在发布会之前,特意强调了,什么是鸿蒙制型的标准,包括它的聚精电池啊,包括它的进坑座舱啊,包括所谓它要打造一个,专属于鸿蒙制型,定制版的鸿蒙座舱,他在刻意地去区别于这些 因为仅仅靠ADS 乾坤支架和鸿蒙座舱,他没有办法跟其他那些镜啊,那些塔啊,包括像蓝图这样的产品,去区别焊化量,这个也是现在,红魔智型预算的很大的一个挑战,这是我的理解,来肉呆,那现在我问一下大家 [01:12:40]
周焯然:央企背景,航天工业,就是一样道理,所以就是无论在哪个国家,我觉得它都是有这种,只要是一个集团大到一定程度,它都会有这种属性,我个人觉得,这个解释也很,怎么说很肤浅,或者说没有触及这个根本,我只能用这个比较肤浅的这种现象,跟大家去解释,我个人觉得汽车现在在短时间内走过了,我感觉也就三四年的时间,走过了智能手机20年走过的路,就卷到现在,一点毛利都不留,你像这个理想,这么在乎毛利的一家企业,那现在毛利都已经到什么程度了,它短时间内已经没有什么毛利可言,你作为一个可能具有这种前瞻思维的企业家,他就会认识到这件事情,造车说重也没有那么重,说轻他也完全不可能是轻工业的,这么一个行业 他的这个利润率能有多高,那你是卖标准卖服务卖系统,还是卖我的生产能力呢,那我觉得对于华为来说,他的生产能力一定不是,对于在汽车工业里面,他不是一个拿得出手的一个东西,但是对于标准的制定,他有5G通信这技术的标准,它有长时间的服务于这种标准制定,并且有全球化的标准制定的这种基础,另外一个的话,软件定义,它跟苹果跟这些安卓厂商打了这么多年,还有这种软件定义,它还有这种,比方说这种芯片制造能力,或者其他的这种软硬结合的这种能力,它这些能力应该是在未来的,我觉得可预见的未来里面仍旧是一个长项,就是一个自己的优势,所以我觉得就是,可能这方面也是华为就是高层,他觉得不应该造车,造车的话可能是 也许可能只能满足某些团队,他们在短期内的这种成就感,但是无法满足华为,利于这个可能华为的这个长远的价值观和他的目标,但毕竟今天打开华为官网,看他们的愿景和价值观,可能这个一直是一直是他一直没改过,汽车的话,可能对于他们来说并不是一个,尤其是完全打造一个华为牌的汽车,这个价值好像不是那么高,这是我个人认为,我也补充一点 [01:14:48]
于新烈:就是当初新造车一窝蜂的进来的时候,很早以前我就发过一个微博,那个时候我在微博上还是一个小透明,我就说我其实不太理解,为什么有这么多人都要来造车,造车已经被充分验证,是一个进入门槛极高,就是美国过去这50年,只有特斯拉一个新的车企,是进入门槛极高,超长周期超重资产,超大风险,极低利润率,你就算拿到顶级老牌车企的那种,供应链的运营能力,我这里指的老牌车企,是比如像大众这样的车企,首先要说明的一点是,这些老牌车企的供应链管理能力,依然是远远在新造车之上的,就是小鹏在跟大众合资之后,是学了很多东西的 你要有这样的运营能力的前提下,你才能在大概百分之十几的毛利的基础上,能有个个位数的净利,我们现在的新造车,当然因为国内实在太卷了,理想上一个财报是11%的毛利,然后这个林桃也差不多吧,而且理想还是一个相对平均售价比较高的一个品牌呢,就是在这样的一个环境下,大家赚不了多少钱,那是很正常的,就是我们的车企把国外的一个稳态的 20%毛利个位数净利,卷成了一个10%左右毛利,然后威力亏损的这么一个行业,然后呢,它还不像比如说房地产,它有很强的金融属性,或者他可以敲动三四十年的收入 汽车没有什么金融属性,汽车是一个大家都知道,从你开完发票之后,车价就会开始出门就贬值10%的这么一个产品,所以你还没有办法像房子一样,你有一些金融套利的空间在里面,所以说华为不造车,我其实非常的理解,就是你造车,你投入的资源更大,风险更大,你还利润更低,就并不贡献什么,我刚才讲那些,就是华为相比较于,小米直接造车的一些劣势,我不是说华为不造车,它有这些劣势,是华为做出了不造车的决定,它有它的优势,就是它的,它每一台车都可以收付费,都可以收这个供应链,它是一个稳赚不赔的一个,也不是稳赚不赔,就是它的毛利,其实是要比单纯造车 要高很多的一个服务商的话,那你付出的代价就是,消费者在品牌阶段,他就会去找说,哪个是最华为的鸿蒙之星,或者是哪个是最华为的镜,我觉得当初理想说过的话,就可以解释你之前,对他们为什么要进入造车的疑问,他有一个著名的五常论,就是这些软件公司,智能产品的厂商,他们会惯有的一个思维,就是垄断,我追求的是市场垄断,成为计算数的文家之一,他们曾经判断,中国企业市场,会很快进入到这个阶段,当然我们现状也看到了,事实证明并没有,也不会进入这个阶段,所以当时为什么,他们要这么多,这么快的去进入,他们是认为,可以成为一个,占有巨大市场份额的文家,存活下来,就会获得更高的利润 当然在中国市场的,随后的演进方向,跟他们拍的文件不一样,或者说就是汽车变成手机的这个过程,比他预计的要慢得多得多得多,还差一个G9 简单聊一下吧,他强调了很多智能化的功能,各种地形自适应,各种先进的科技,这当然是华为的强项,但这个市场的玩家需要这东西吗,因为我理解很多业的玩家,他享受的是这种操作的快乐,专业知识的学习,他们是一个小众市场,自得其乐,而那些我只需要硬盒子的,方盒子的造型,只需要它的情绪价值的用户,就会去买,比如说类似于,比亚迪旗下的方程报,包括可以去买厂商的产品,有很多高性价比的产品 就是这G9这样的产品,它的用户需求,是确实存在的嘛,足够大嘛,另外就是关于响戒的这个品牌,其实S9T之前一度也算比较成功吧 [01:19:47]
于新烈:其实S9T之前一度也算比较成功吧 G9也是一个非常小众的垂直市场,但是它给人感觉到这个调性很好,都是生活方式比较精致的产品,但它能够撑起一个响戒这样的品牌们,北汽对响戒的量的需求一样也是很高的,那接下来它再出了,比如说它的G567V8的时候,能够跟放长报长城,这样的高性价比选手竞争吗,简单聊聊享界技巧,浩然你先来,我先说因为我观念比较短,我觉得撑得住,因为卫视是一个,就鸿蒙智行体系里面,没有卫视嘛,对吧,没有鸿蒙智行的卫视,然后卫视是一个,卖得非常好的车型,而且它是一个,一年比一年卖得更好的车型 这也是一个非常奇怪的,对,它上市现在已经五六年了吧,反正它前五年是销量一年比一年高的,然后北汽呢,在硬派越野车这一块,它有一定的历史积累,风味,我感觉它走的是所谓风味越野,加上韩华亮的这个路线,我觉得说实话是走得通的,而且就是,你比如说像长城的,比如说那个H10还是G10 反正它最近也出了一个,风味越野的车型,卖得非常好,风味越野这个市场真实存在,或者说就是穿越车吧,就是这些长得很硬派,但是这个越野能力,介于真正的硬派越野,和传统城市SUV之间的这些,这个车型需求是存在的,然后加上韩华亮这一档 然后呢还有一点,我觉得相对来说 G9可能最重要的一个形态是,它给鸿蒙智行新开了一个脸谱,它长得跟其他鸿蒙智行的车完全不太一样,但是呢,又由于鸿蒙智行于成中强力的这个加持,没有人去怀疑,没有人去质疑它的这个,这个鸿蒙智行正牌的这个身份这一点,它这张脸,它这个大灯或者这个前脸的这个造型的这个形谱,如果能立住了的话,对它今后的G6 G5 G7 去错位的跟M56 789 和逆境的这些X9 这些错位竞争,我觉得这是它最大的一个意义,给鸿蒙之星开出了,除了问届之外的第二张脸,我觉得这个意义更重要一点,可以可以 这高度拔的可以,来肉呆,我超级喜欢记住这个书,我超级喜欢 [01:22:41]
周焯然:这个爱不试试,我观点其实跟好人一样,我看这个车之后,真的挺喜欢的,我感觉华为别款车出于什么目的,它终于,换一个方式去面对用户,其实想借S9 S9T这辆车,还是有点华为份,还是比较重,想借G9这个车,就是我感觉,我是完全可以忽略,鸿蒙智行或者华为存在,然后我还能接受这辆车,我还是很喜欢这辆车,当然我不是说,加上它我不喜欢了,不是这个意思,加上我更喜欢,这就是去到这个东西之后,我发现它仍然是一辆,非常值得大家喜欢的一辆车,就是我喜欢到什么程度,非常非常非常想,跟他们的这些高管朋友们说,再加3000万营销预算,干他妈的 就是把这个车拱上去,就是得让很多人知道,有这么一辆车是可以选择的,它的车味,不是,我就是说得罪的话,它终于能把灯味给你融化到,没有那么油的那种地方,我经常跟朋友说,灯味分好多种,你像这种非常油腻的是一种,但是它确实是饱读诗书,它还能告诉你高山流水,这部分人这种也是种灯味,它不招人讨厌,它不招人恶意 G9就是这样的车,我觉得它非常符合我到这个年纪,想抒发一些情感,但是又不会恶心到别人,不会恶心到别人,这么一种车,我觉得这个感觉真的是好舒服,真的挺舒服的,我还是没理解你,自己喜欢我能理解 [01:23:42]
于新烈:但是其实你是会担心,影响到别人怎么看你吗,比如说别人不会厌烦这个东西,我觉得是这种感觉,你比方说这种车,我觉得卫视它也有这种感觉 [01:24:32]
周焯然:就是它凶猛,但是从来不会威胁到别人,但是你看它有的车比较圆润,但是它从来不迎合别人,就这种布,这种范儿,这种设计哲学,是很难被抄过来的,你就说为什么,你看我们做这么多调研,我们问小米预期,小米苏期,它到底超不超保时捷,它其实加了一点点自己的理解,尤其是CEO 或者这个创始人,对这个东西的理解在里面,想见G9就是这样,你看问街M9 它真的是那种豪的那种感觉,会让别人觉得,你必须觉得我好,但是这个产品设计的成功,你像那个理想的理想Mega 它就是让你觉得极其先锋,你不接受我先锋,你也得接受我先锋,我直接是直接闯入你的视线,那种感觉 G9就不是 G9它在任何的这种风景下和场景下,它都是可以非常好的融入 但是也能让你一眼就能认出它了,她不像迪丽热巴那种好美女,但她就像刘亦菲,她好看,她放在哪她都好看,她放在哪她都,哎呀真好看,越看越好看,她可以是好儿媳,她也可以是好朋友,她可以是好闺蜜,她可以是好妈妈,她可以是任何这个,但是她一定保留着,对自己精致的这种理解,以及她会在告诉别人,我哪里好的时候,她不会让别人觉得,我在喧宾夺主,我一直在告诉你,我是什么人,你是什么人,你怎么拿什么和我比,它没有这种感觉,我就想借S9 我想借G9 这个车给我的感觉就是这样,但我没有经过调研,我也没经过试验,我只说我自己看上它,去看上它,它这个感觉,但是有一组数据是可以说,就是在这个车,我刚才你在说的时候,我在看,它和S9T差不多,它这女性用户,对它的这个认可度 还是蛮高的,所以你就说,我就觉得这个车,还是我自己会有,我这就是只恨,北京没有车牌了,有的话我可能真的会考虑买一点,可以 [01:26:33]
于新烈:你刚才用一段很油腻的话,来解释G9为什么不油腻,对嘛,你这个节目发生,这人肯定骂我嘛,两人已经给我很大惊喜了,来小康,你怎么看享界G9 我觉得首先于老师,你这个问题,我认为是不太合理,就是我觉得这个问题,首先不太合理,把月也变得傻瓜话,第一门槛,或者我们从这个源头来聊起这个车,而为享界技久,或者是包括方程报,包括截图,就是奇瑞截图,所有这些品牌,大家开始做方盒子,我觉得跟卫士关系不大,就是根本原因是长城坦克的成功,坦克成功以后,我认为放在整个长城,那么多的品牌谱系里面,坦克都是一个规模没有那么大,但是贡献了超多利润的 超额利润的这么一个细分市场,这个让所有人,也包括今年吉利银河的战舰,我觉得银河可能,包括今年的响结技久,是最后一波上车的方盒子,我说的方盒子还不是那种,奇瑞iCar那种,就是伪方盒子和正统方盒子,肯定是有区别的,这些方盒子,他们一定是试图去,有一定的户外业业能力的,这么一些方盒子 OK 这是大背景,那么一个新品牌,在坦克已经成功之后,你要做方盒子,最好的做法是什么,我认为就是效仿坦克700 坦克700有两个版本,一个是HFZ 一个是HFT 一个是真正超级硬核的,户外越野能力超强,你可以把这种陆巡,你可以把市面上,就是日系的那些,包括卫士蓝圣 所有这些真正的大技,所有这些很强越野能力的车都拿出来,我可以给你硬碰硬,我可以给你硬碰硬,在这个基础上,我只能做PHEV 其实真诚这种形式,没有办法做硬排越野的,真正硬排越野,因为你的持续的功率是不够的,你电池很容易就溃电,然后持续是供应不上,所以你只能用,最次的时候是PHEV 如果你去看坦克700它怎么做,它高配那个巅峰的硬派越野,是3.0T的发动机,这种我认为是正统做硬派越野的做法,然后它的顶配的那个版本,是小电池的版本,谈个几百,两个更低配的是大电池的版本,我觉得这是充分说明问题的,就是一个全新的品牌,当你要做硬派方盒子的时候 你应该做的是一个是超强的,但是没有什么人买的硬派越野,是拿来去掰到,坦克700里边的,最硬派的那个,去跟他硬碰硬掰说完,然后你的90%的销量,都压在这个,没有那么越野,其实它很舒适,但它的造型,长得跟那个,最硬派的一模一样,坦克700的 Hive 4Z跟Hive 4T 它们俩造型上,就是非常微乎其微的区别,但是它们俩的越野能力,是差异巨大的,但是今天享界技久,这个环境里面,它没有实现这一点 [01:29:24]
于新烈:它没有实现这一点,明白吧,享界机9 它是一个,有那么一点点奇怪,就是说,它不是一个纯粹的尾放盒子,它有华为的自适应,上锁的这个电区,同时它有,全主动的800V的稳定感,这些东西赋予了享界机,但它同时又是一个真诚,是一个稍微大电池点的真诚,但它依然是一个真诚,所以这些东西赋予的享界机9 是一个什么样的产品,就是它有一个半越野能力,它有一个轻越野能力,你去一些常规的飞扑装路面,那么OK 但你要去一个,比如说连续一个小时以上的,飞扑装路面的大抚养的这种,那它可能就扛不住了 OK 那在这样的背景下,我认为想借,你就要选一个目标客群,你争取的是那种,非常硬核的老炮,越野老炮 这种客群,全国所有乘用车体量,加起来可能不到千分之一,就这拨人,还是争取广大的 99%的,这拨人,他是被坦克带起来的也好,被卫士带起来的也好,大家就想买方盒子,但我需要,你不能是一个纯虚的东西,你需要有一定阅眼能力的,我认为这是享界机,就去锚定的,然后这拨人,其实他一年,可能也就两三次,去飞扑庄路面,他去户外,他去旅游,他都不下飞扑庄路面,不去真正的草地上,然后他一年有两次去草地上,那种草地,他都是非常容易爬坡的,你开一个9系的SUV 把底盘空黄抬到最高,也一样能实现,但是他就想开一个G9 因为我的生活方式就变了,我的lifestyle就变成一个,更加向往户外的人,如果是这拨人的话 你给他一个非常傻瓜化的越野,越野功能,他非常喜欢,因为他根本就不懂越野,但是他想标榜越野,然后享界机就给了你一定的越野能力,给了你非常傻瓜的起点方式,我认为从这个逻辑来讲,它是非常一脉相承的,享界机逻辑是完全对的,只不过它就缺了那么一个,超级硬的更顶的版本,这个东西其实就是我们前面说的,整个鸿蒙之星大的技术平台化的,一点点局限性,如果你做真诚,除了发动机用北七的,而且这个发动机它还是跟S9T 跟S9还是可以共用的,然后你的电池,整个大动力平台,是完全平台化,但是你要干一个,大功率的,硬派的,很顶的越野的,这样的发动机,哇,那签车的成本各方面,都完全不一样,我先天是没有,像吉利长城 这样的条件的,包括奇瑞,所以最后,形态就是这么一个形态,响结机就是这么一个形态 OK 这是所有的背景,但是为什么要做响结机,我认为大背景还是建立在,你要做SUV 但同时你又不允许和问界,发生正面冲突,其实这件R7 也是这样的背景下,建立起来的东西,首先,你是不被允许在内部,和问界的M789 发生正面竞争的情况下,然后你只能去想别的招,所以就有了一个这样的产品,但是我认为,从鸿蒙这起角度,显然不会觉得说,华系的元素,鸿蒙的元素,我是需要去掉这些味,去掉这种同质化的,或者说是一股鸿蒙味的感觉,所以我去做一个防盒子,而是说,我觉得他们是反过来,今天市面上有了一台防盒子,而这个防盒子 它深深地融合了华系的元素,这反而是,享界近有的竞争力,在我看来,我认为华为也是这样认为的,鸿蒙也是这样认为的,鸿蒙自行也是这样认为的,然后还有一个点就是,高性价比选择,我觉得这个点就是,方程报的策略,我首先要说就是,方程报从一开始不那么成功,到今天比较成功,是建立在它整个品牌定位,发生了一个巨大的调整的,背景之下的,一开始方程报可能是一个,至少是腾式这个level 或者是比腾式更高一点点的,那个级别,但今天的方程报,也就是它主销车型,实际上正在跟王朝的高端车型,在PK 我觉得比亚迪内部,是进行了一波解放思想,就是说我们只要能走量,品牌梯度可能也许不是最重要,这里边我就没有对错 就是商业成功,是最终说服的,比如说22年的时候,未来也可能面临过这样的考验 23年的时候 Model Y突然降价,全年都在打价格战的时候,未来有没有受到大幅降价,参与这个价格战的诱惑呢,我认为在未来的董事会这个层面,就管理会这个层面,应该讨论过无数次,只是他们坚持住了,今天回头看,它不降价是对的,然后方程报那边,它降价也是对的,但总而言之,我们说回响结机九,我认为就是说,响结机九这个车,显然我觉得跟方程报,是没有特别直接,特别大的竞争的,跟坦克,我觉得坦克也是要分的,就是坦克300也许,甚至坦克300 我认为它也不是一个,高性价比的,我认为它依然是一个高毛利的,只不过是,没有人能够在,硬派SUV这个领域,能够跟坦克正面PK 是这样的 所以我认为,响结技酒,还比较独特,其实它就是一个智能电动,或者说智能新能源的酒系,但它是一个方盒子,而这样的产品,其实在今天的这一众酒系里面,是没有的,是不多的,是这么一个感觉,然后单另这个产品本身的话,我觉得logo有点太大了,其他的没什么,或者就是我觉得,我觉得享界G9 这个整个造型,就是我认为方盒子也有,我更喜欢的方盒子的那种感觉,其实享界G9 我也不是那么的喜欢,像问解M9的,像问解M9的改款,我觉得又非常成功,我认为任何产品,极致它都是一种美,就比如说 Mega那种,是一种极致的,对吧 我认为问解M9的做法,尤其在第二代上,其实它就是,我认为就是GLS的做法,就是说奔驰的设计风格,是我把所有东西都要外显,那问解M9在这一代上,无论是杜哥还是牧师,还是凤维灯,所有这些东西,它把外显,同时要有老派的,这种豪华的感觉,我觉得已经做得非常好了,包括做工品质,也相比老M9翻了不止一个级别,所以我觉得它是一个非常完整的这么一个东西,但是想借G9 其实我觉得这种感觉就没有那么的强,我问一个问题,你们觉得想借G9跟Freelander 构成竞争关系吗,还是说Freelander跟想借G9 构成竞争关系吗,因为它也有华为支架,它不是鸿峰座舱,它有华为支架 而且配置还挺高的,它好像是那个896线的那个版本,配置挺高的,我觉得这个是 Freelander的问题,而不是享界继续的挑战,不是不是不是,说错了,不是配置挺高,就是说价格挺高,价格挺高,是Freelander的问题,不是享界继续的挑战,我觉得Freelander 没有太大的胜算,能够跟鸿蒙的,无论是渠道还是营销,还是各方面能力去PK 我觉得是这样,我觉得Freelander 唯一胜出的就是它的设计能力,而且某种程度上,还是仅限于造型设计能力,因为我觉得它内饰受限于太多的,就是来自奇瑞的平台化,其实我觉得它内饰并不是很捷暴路虎 但是造型我觉得还是可以的,我觉得造型它显然是胜过相杰基,我插一句 [01:38:03]
周焯然:有些那些两辆车,应该是我们都有在做调研,但是是这两辆车的友商,他也要做这个类似的车,所以我们去调研这个东西,我觉得友商的一个领导,说的特别对,比较年轻,他说在他看来,想借G9和飞轮的神行者,这两辆车 G9的优势在哪,它在于没有历史包袱,他就觉得这个车,没有历史包袱就很重要,后来他又在第二场会议里面,跟他们的内事团队说过一句话 G9呢,如果这两辆车都成功,因为Fernander 他已经这么多年了,他不是一个新品牌,这么多年了,一个是在创造历史,一个是在继承历史,那创造历史的时候,他就没有历史包袱,他想怎么做就怎么做,但在继承历史的时候,继承历史的这部分人,他就考虑的就要多了 我受限于这个,受限于那个,我认为Fernander 他有一个地方没有做好事,他们要把欧洲的那种人文劲给带过来,或者他把这个东西给消耗的都快没了,但是G9不一样 G9他其实能给你解释清楚,为什么城市越发达,你越需要逃离城市,响戒他解释这个东西解释的很清楚,就包括响戒那个S9 S9T还有G9 你看他第一个,这个你别管这个余总,他为什么在那个巧妙的时间节点发出来那张图,但是那张图,他就是会告诉你,他是有那种人文观环劲的,他不是说一个,我随随便便就放在那个地方,他不是的,但是就是神仙,神仙者,就Freelander这个车,从他开始预热,一直到现在,我其实不是特别能够明白,他想干嘛,他到底是想让这个历史 就是让他的历史的 [01:39:59]
周焯然:就是让他的历史的,这个长久以来的历史,形成价值,但是他做的事情,好像又把这个价值,就又不敢多说,说多了又怕形成一个历史包袱,我又没法和新势力竞争,我就这个前后矛盾摇摆,就让他们消耗了,就是自己在内耗自己,那你觉得,我觉得这两辆车
于新烈:不是这是一个很显著的一个问题,就是Freelander 他没有办法光明正大的号称,自己是一辆路虎,因为他不是,它是路虎授权的一个子品牌,授权给了奇瑞,这是它的根本的底层的身份矛盾,所以它在不惜一切代价的,让媒体说,这是奇瑞捷报路虎的工厂,造出来的车,确实是这样,但是它并不是一个路虎,它也不能管自己叫路虎,如果它可以的话,这个叙事就通了,我是中国平台造出来的路虎,对吧,我有华为的支架,这个叙事就通,但是他不能这么说,虽然他在想尽一切办法,在解决这个问题,但是呢,他们一开始跟路虎的合同,又决定了他不能这么干,所以就,对吧 欢迎大家在小宇宙,苹果podcast 等音频平台,搜索885 有准备的头脑,订阅收听我的播客,本期节目就到这里,再见 请不吝点赞订阅转发打赏支持明镜与点点栏目 [01:41:32]