智東西編譯陳駿達(dá)編輯Panken

OpenAI的董事會主席，居然勸大家別再做大模型了？

智東西8月2日消息，近日，海外知名科技博客Lenny’sPodcast放出了與OpenAI董事長、Agent創(chuàng)企Sierra創(chuàng)始人BretTaylor的一則高信息量對談。在這場時長90分鐘，實(shí)錄字?jǐn)?shù)近2萬字的對談中，BretTaylor深度分享了他對AI行業(yè)未來發(fā)展格局與高價值創(chuàng)業(yè)方向的見解。

在正式閱讀采訪內(nèi)容之前，我們有必要首先了解下BretTaylor傳奇的職業(yè)生涯。

2003年，他在斯坦福大學(xué)碩士畢業(yè)后，成為谷歌最年輕的產(chǎn)品經(jīng)理，并打造出上線首日即獲得千萬流量的谷歌地圖，徹底重塑了本地生活行業(yè)。

2007年離開谷歌后，BretTaylor創(chuàng)辦了社交媒體公司FriendFeed，并發(fā)明了信息流（Newsfeed）、點(diǎn)贊按鈕等現(xiàn)代社交媒體中的核心元素。他最終以近5000萬美金的價格將FriendFeed賣身Facebook，而自己則加入Facebook擔(dān)任CTO一職。

2012年，BretTaylor離開Facebook，創(chuàng)立協(xié)作文檔企業(yè)Quip，最終將Quip以7.5億美元的天價賣身Salesforce，而他本人則加入Salesforece，最終擔(dān)任聯(lián)席CEO一職。

2023年初，當(dāng)生成式AI技術(shù)剛剛興起時，BretTaylor又果斷離開Salesforce，創(chuàng)辦Agent創(chuàng)企Sierra，同年，他還加入OpenAI，并擔(dān)任董事會主席。

可以說，BretTaylor過去20多年的職業(yè)生涯，每一步都精確踏在風(fēng)口上，而他橫跨CEO、CTO、COO、CPO、產(chǎn)品經(jīng)理、工程師、董事會成員等所有不同層級、不同崗位的成功經(jīng)歷，對AI時代的所有創(chuàng)業(yè)者都依舊有借鑒意義。

這場訪談的核心信息如下：

1、AI市場將出現(xiàn)三大板塊——模型、工具與應(yīng)用。模型市場的新創(chuàng)企已沒有活路，除非能像馬斯克那樣籌集數(shù)十億美元的資金。工具市場面臨著前沿模型公司的沖擊，價值將在應(yīng)用層集中釋放。

2、谷歌地圖從失敗產(chǎn)品谷歌黃頁發(fā)展而來，這表明在新技術(shù)出現(xiàn)時，與其直接將過去的體驗數(shù)字化，不如創(chuàng)造全新體驗，回答新客戶“我為什么要用它”的問題。

3、Agent就是新時代的應(yīng)用，會是AI產(chǎn)品的主要形態(tài)之一。由于其高度自動化、結(jié)果可衡量的特點(diǎn)，Agent讓企業(yè)能直接看到AI帶來的生產(chǎn)力提升，從而促進(jìn)購買。其模式與SaaS公司類似，利潤率更高。

4、AI不應(yīng)按Token計費(fèi)，而是應(yīng)該按結(jié)果計費(fèi)。在結(jié)果導(dǎo)向的計費(fèi)模式中，供需雙方目標(biāo)統(tǒng)一：企業(yè)希望靠AI產(chǎn)品拿到滿意的工作成果，而AI公司打造出能交付好結(jié)果的產(chǎn)品才能賺到錢。

5、隨著AI取代人類編程，寫代碼的成本不斷降低，而Python等為了讓人類編程更加輕松的語言，其實(shí)并不適合AI的特點(diǎn)。我們亟需為AI重構(gòu)一套既適合構(gòu)建復(fù)雜系統(tǒng)又便于靈活調(diào)整的編程系統(tǒng)。

6、由于產(chǎn)品能力不足，現(xiàn)有AI編程工具往往會在生產(chǎn)場景中幫倒忙。此類問題大部分都是由于模型缺乏足夠上下文，可通過MCP解決這一問題。

7、做AI應(yīng)用，不能只等著底層模型自己進(jìn)步。模型的進(jìn)步終將發(fā)生，但如果想提前兌現(xiàn)AI的潛力，就得靠應(yīng)用中的工程設(shè)計，這也是應(yīng)用型AI公司存在的根本原因。

8、AI產(chǎn)品市場化有三種模式——開發(fā)者主導(dǎo)、產(chǎn)品驅(qū)動和傳統(tǒng)直銷。前兩種模式雖受創(chuàng)業(yè)者歡迎，但難以將規(guī)模做大，或是適用范圍有限，許多AI公司選錯策略，應(yīng)考慮進(jìn)行更多直銷。

9、學(xué)習(xí)計算機(jī)不等于寫代碼，編程可能會被AI取代，但理解原理，掌握系統(tǒng)性思維，在AI時代仍舊是軟件工程的基礎(chǔ)。

10、創(chuàng)業(yè)者需要對自己的身份保持靈活，愿意不斷變化，并且能夠準(zhǔn)確判斷：我現(xiàn)在做什么工作，才能產(chǎn)生最大的影響力。

11、鼓勵孩子們將AI作為生活的一部分。ChatGPT可以促進(jìn)教育平權(quán)，但也會導(dǎo)致?lián)碛袕?qiáng)主觀能動性與弱主觀能動性的學(xué)生的兩級分化。

以下是BretTaylor深度訪談的完整編譯（為提高可讀性，智東西調(diào)整了部分問答的順序，并在不違背原意的前提下進(jìn)行了一定的增刪修改）：

一、AI市場將出現(xiàn)三大板塊，價值將在應(yīng)用層集中釋放

主持人：我們先來聊聊AI的商業(yè)戰(zhàn)略?，F(xiàn)在很多創(chuàng)業(yè)者最關(guān)心的問題之一是：我該做什么？基礎(chǔ)模型公司會不會把我做的事情直接吞掉？你一方面在創(chuàng)業(yè)做AI，一方面又是OpenAI的董事會成員。你認(rèn)為AI市場會如何演化？創(chuàng)業(yè)者應(yīng)該把精力放在哪些地方，又該避免哪些方向？

BretTaylor：我認(rèn)為AI市場可以分成三個主要板塊，它們最終都會是相當(dāng)有分量的市場。我講講我的整體判斷。

第一類是“前沿模型市場”或者說“基礎(chǔ)模型市場”。

我認(rèn)為這個市場最終只會被少數(shù)幾家超級規(guī)模公司和大型實(shí)驗室掌控，就像現(xiàn)在的云基礎(chǔ)設(shè)施服務(wù)市場一樣。原因很簡單，打造一個前沿模型是資金密集型的事情。你必須擁有巨額的資本支出能力，才能訓(xùn)練出這些模型。

所有試圖做這件事的初創(chuàng)公司，要么已經(jīng)被收購，要么即將被收購，比如Inflection、Adept、CharacterAI等。我認(rèn)為這一市場目前并沒有一個適合初創(chuàng)公司的可行商業(yè)模式，原因是模型訓(xùn)練所需的資本投入實(shí)在太大，而且初創(chuàng)公司沒有足夠的融資空間，無法撐到達(dá)到“逃逸速度”。同時，基礎(chǔ)模型本身作為資產(chǎn)，它的價值衰減非?？?，所以你必須擁有規(guī)模優(yōu)勢，才能從中獲得合理回報。

我認(rèn)為，幾乎沒有創(chuàng)業(yè)者應(yīng)該去打造基礎(chǔ)模型（主持人補(bǔ)充：除非你是馬斯克）。是的，馬斯克他確實(shí)不一樣，他有能力籌集數(shù)十億美元的資本。我猜你的聽眾大多數(shù)都沒有這個能力。而他是這個時代最厲害的創(chuàng)業(yè)者之一，他就是不同，大家不要拿自己去和他比。

市場的另一部分是“工具層市場”。

很多人都在“淘金熱”中賣鐵鍬，這里面包括數(shù)據(jù)標(biāo)注服務(wù)、數(shù)據(jù)平臺、評估工具，還有一些專用模型，比如ElevenLabs的語音模型就非常優(yōu)秀，被很多公司使用。這個市場的核心問題在于：想在AI時代取得成功，需要哪些工具和服務(wù)？

但這個市場也有風(fēng)險，它距離“太陽”太近了。就像云服務(wù)市場里，各種云平臺提供商（AWS、Azure等）自己也都在往上游走，提供各種工具。這種靠近基礎(chǔ)設(shè)施層的公司，很容易被平臺商直接替代。

當(dāng)然，也有真正有價值的公司，比如Snowflake、Databricks、Confluent等。但也有不少公司因為基礎(chǔ)設(shè)施平臺自己推出類似功能而被淘汰。

對這類公司來說，最大的風(fēng)險是：基礎(chǔ)模型公司某天在開發(fā)者大會上，可能突然就推出了創(chuàng)企提供的工具，那該怎么辦？

可能會有很多人需要你的工具，但問題是，如果基礎(chǔ)模型公司推出了和你類似的工具，人們?yōu)槭裁催€要選擇你？工具層這個市場的潛力很大，但也比較危險。

第三部分是“應(yīng)用型AI市場”。

我認(rèn)為這部分將由那些構(gòu)建Agent的公司主導(dǎo)。Agent就是新時代的應(yīng)用，這會是AI產(chǎn)品的主要形態(tài)之一。我的公司Sierra幫助企業(yè)構(gòu)建能接電話、接客服聊天的Agent，用于提升客戶體驗和服務(wù)效率。

還有像Harvey這樣的公司，為法律和準(zhǔn)法律領(lǐng)域構(gòu)建Agent，比如反壟斷審查、合同審查等等。也有做內(nèi)容營銷的公司，還有專做供應(yīng)鏈分析的公司。

我覺得這類公司更像是“軟件即服務(wù)（SaaS）”的模式，它們的利潤率可能會更高，因為銷售的產(chǎn)品是業(yè)務(wù)成果，而不是模型的副產(chǎn)品。

當(dāng)然，它們也得向基礎(chǔ)模型公司“交稅”，為使用底層模型而付費(fèi)，這也是為什么這些模型提供商最終會發(fā)展成極其大規(guī)模的公司，但它們的利潤率可能會略低一些。

我認(rèn)為應(yīng)用的市場將變得不那么技術(shù)化。如果你思考一下最純粹形式的軟件即服務(wù)，人們并不會去問你用了什么數(shù)據(jù)庫，而是關(guān)心你的功能和特性。

我認(rèn)為Agent的未來也是如此，隨著時間推移，產(chǎn)品會比技術(shù)本身更重要。就像我之前用的比喻，1998年Salesforce成立時，僅僅是在云端運(yùn)行一個數(shù)據(jù)庫就是一項技術(shù)成就。

而如今，沒有人會問你這個問題，因為你只需在AWS或Azure上啟動一個數(shù)據(jù)庫就行了，毫無難度。

我覺得今天，在模型之上組織一個Agent流程聽起來很復(fù)雜、很高級、很困難，但我確信三到四年內(nèi)，隨著技術(shù)進(jìn)步，這一切都會變得容易。

逐漸地，當(dāng)人們談?wù)撘患褹gent公司時，它會看起來有點(diǎn)像SaaS公司。你會更少地談?wù)撊绾翁幚砟Ｐ?，就像現(xiàn)代SaaS產(chǎn)品中很少有人會問你用了什么數(shù)據(jù)庫一樣，而是會更多地詢問你的工作流程和你帶來了什么商業(yè)成果。你是為銷售團(tuán)隊創(chuàng)造潛在客戶？還是在降低采購成本？不管你提供什么價值，這個方向都會逐漸發(fā)展下去。

我對此非常興奮。我并不認(rèn)為初創(chuàng)公司應(yīng)該去構(gòu)建基礎(chǔ)模型。你當(dāng)然可以嘗試，如果你對未來有愿景，那就去實(shí)現(xiàn)它，但我認(rèn)為這是一個已經(jīng)趨于集中、競爭激烈的市場。而我對另外兩個市場非常感興趣，尤其是隨著構(gòu)建Agent變得越來越容易，我們將會看到大量“長尾”Agent公司涌現(xiàn)出來。

我最近瀏覽了一個網(wǎng)站，列出了市值排名前50的軟件公司。毫無疑問，前五大公司是像微軟、亞馬遜、谷歌這樣的巨頭，但接下來的50家全都是SaaS公司。其中有些公司令人興奮，有些則非常無聊，但這正是軟件市場的發(fā)展軌跡。

我認(rèn)為我們會在Agent市場看到類似的趨勢。它不會只是客戶服務(wù)或軟件工程等幾個巨大市場，還會覆蓋許多目前人們投入大量時間和資源的領(lǐng)域，而這些領(lǐng)域完全可以被一個Agent解決。但這需要創(chuàng)業(yè)者真正深入理解某個業(yè)務(wù)問題。我認(rèn)為AI市場的巨大價值，將在這一領(lǐng)域釋放。

二、為何全力押注Agent？流程自動化、結(jié)果可衡量

主持人：這太有啟發(fā)了。這讓我想起我曾在播客上采訪MarkBenioff，你們曾是Salesforce的聯(lián)合CEO。他對Agent極度癡迷，全程都在談?wù)揂gentForce。顯然你們看到了某些關(guān)鍵趨勢，覺得必須全力投入Agent，這是未來的方向。那么，你認(rèn)為人們到底忽視了什么？為什么這會是軟件工作方式發(fā)生重大變革的關(guān)鍵？

BretTaylor：去和經(jīng)濟(jì)學(xué)家，比如LarrySummers（他和我一起在OpenAI董事會）交談，他們會從經(jīng)濟(jì)角度看技術(shù)的價值所在：技術(shù)推動了經(jīng)濟(jì)的生產(chǎn)力增長。

回顧歷史，生產(chǎn)力的大幅躍升出現(xiàn)在上世紀(jì)90年代。很多我交流過的人都認(rèn)為，那次飛躍是第一波信息化浪潮——企業(yè)開始使用ERP系統(tǒng)，把會計等內(nèi)容搬進(jìn)了電腦和數(shù)據(jù)庫，甚至是主機(jī)系統(tǒng)。

我們說的還不是PC時代，而是更早期的企業(yè)信息化。那種變化是真正顛覆性的。想象一下，一個跨國企業(yè)的賬本在計算機(jī)化之前需要多少人力才能完成。而信息化徹底改變了整個部門。

我舉個例子來說明這個生產(chǎn)力提升。我父親剛退休，是一位機(jī)械工程師。他說自己在70年代末進(jìn)入工程行業(yè)時，公司大多數(shù)人都是繪圖員。也就是說，你有一個設(shè)計方案，但需要為每個樓層、每個角度繪制視圖，然后提供給承包商。

▲GM公司技術(shù)中心，展示了前CAD時代的工程設(shè)計（圖源：RareHistoricalPhoto）

而現(xiàn)在，他所在公司已經(jīng)沒有繪圖員這個職位了。設(shè)計圖直接在AutoCAD上完成，現(xiàn)在甚至用Revit建模，直接出3D圖紙，繪圖這個流程已經(jīng)完全消失了。這項工作根本不需要再做了。設(shè)計和繪圖的分工也不存在了，只剩下設(shè)計本身。

這就是真正的生產(chǎn)力提升。機(jī)械工程公司的職責(zé)是做設(shè)計，繪圖只是為了交付給施工方的中間產(chǎn)出，它本身并不增加實(shí)際價值，只是供應(yīng)鏈的一部分。

從PC時代開始回顧軟件產(chǎn)業(yè)發(fā)展史，我們確實(shí)獲得了生產(chǎn)力提升，但遠(yuǎn)不如最初那次飛躍顯著。我并不清楚原因，但這很有意思。技術(shù)帶來的生產(chǎn)力提升，并沒有如很多人預(yù)期的那樣全面實(shí)現(xiàn)。

我認(rèn)為Agent將再次拉動這條曲線，就像計算機(jī)早期那樣。因為軟件正從幫助個人提高效率，邁向自主完成完整任務(wù)。因此，就像機(jī)械工程公司里不再需要繪圖員那樣，未來也不會再需要人工去做某些工作了。這意味著這些人可以轉(zhuǎn)向產(chǎn)出更高的作。

一小部分人就能完成更多事情，推動經(jīng)濟(jì)的整體生產(chǎn)力提升。企業(yè)軟件銷售會經(jīng)歷與客戶之間關(guān)于“價值”的討論。你需要設(shè)計一套略顯復(fù)雜的邏輯，比如：假設(shè)你在銷售一個銷售類軟件，如果每位銷售人員的業(yè)績提升5%，那么你們公司就應(yīng)該因此多賺多少錢，所以你應(yīng)該支付我們一百萬美元。這樣的討論往往很難精確歸因。

這也是為什么銷售生產(chǎn)力軟件會如此困難，我是通過切身經(jīng)驗學(xué)到的。很難評估讓每個人的效率提升10%到底價值幾何。你真的讓他們效率提高了10%，還是其他因素在起作用？你其實(shí)并不清楚。

但現(xiàn)在，當(dāng)一個Agent真正完成了一項任務(wù)，不僅確實(shí)以非常現(xiàn)實(shí)的方式推動了生產(chǎn)力提升，而且這種提升是可衡量的。這些因素結(jié)合在一起，讓我覺得這是我們看待軟件的方式上的一次跨越式變化，因為它可以自主完成工作，這種自主性本身就更直接體現(xiàn)了它對效率的推動作用，并且是可以量化的。因此人們對它的價值判斷也會不同，這也是我相信軟件應(yīng)該基于結(jié)果來定價的原因。

我覺得它對軟件行業(yè)的變革意義堪比云計算，甚至從技術(shù)角度來看可能更甚。從商業(yè)模式的轉(zhuǎn)變角度來看，肯定是一次有“前后時代”之分的重大變革。我不知道還有多少人還在銷售永久授權(quán)的本地部署軟件，但現(xiàn)在應(yīng)該已經(jīng)非常少了。

我認(rèn)為我們將經(jīng)歷類似的轉(zhuǎn)變，整個市場會轉(zhuǎn)向Agent，轉(zhuǎn)向基于結(jié)果的定價方式。并不是因為那是唯一的選擇，而是市場會自然地推動大家走向那條路，因為這顯然是構(gòu)建和銷售軟件的正確方式。

三、按Token定價不合理，Agent應(yīng)按結(jié)果定價

主持人：前段時間我和另一位嘉賓討論了AI公司的定價策略，他非常認(rèn)同你的觀點(diǎn)——如果可以，就應(yīng)該按結(jié)果定價。提出的邏輯和你剛才講的一樣。你能不能簡單解釋一下“基于結(jié)果定價”是什么意思？然后再以Sierra為例說明它是怎么運(yùn)作的？

BretTaylor：我先從Sierra的例子講起，然后再泛化一下。我們在Sierra幫助公司構(gòu)建面向客戶的AIAgent，主要用于客戶服務(wù)，也更廣泛地服務(wù)于客戶體驗。

如果你在使用SiriusXM收音機(jī)時遇到問題，你打電話或在線聊天時接待你的就是我們的AIAgentHarmony。如果你用的是ADT的家庭安保系統(tǒng)，警報器出了問題，你也可以和他們的Agent溝通。還有Sonos音響等很多消費(fèi)品牌都在用我們的產(chǎn)品。

運(yùn)營電話客服中心時，每接一個電話都有切切實(shí)實(shí)的成本，大部分是人力成本。一通普通電話的成本可能在10到20美元之間，雖然其中有一部分是軟件或通信費(fèi)用，但主要還是接聽者的薪資。

如果Agent能夠接管這個電話并成功解決問題，這在行業(yè)中被稱為“呼叫分流”或“問題封閉”，本質(zhì)上意味著你節(jié)省了大約15美元，因為無需人工介入。

在我們的行業(yè)里，只要Agent能解決客戶的問題，客戶滿意，且無需人工干預(yù)，我們就按照事先約定好的價格收費(fèi)。我們稱之為“基于問題解決的計費(fèi)”。

當(dāng)然也有其他結(jié)果導(dǎo)向的模式，比如我們的一些銷售類Agent是按銷售傭金來計費(fèi)的。我們確實(shí)把Agent視為客戶體驗的一部分，像是品牌的禮賓服務(wù)。我們希望我們的商業(yè)模式與客戶的業(yè)務(wù)模式高度一致。

正如你說的，Agent需要是自主運(yùn)行的，結(jié)果必須是可衡量的。雖然這并非總能做到，但在大多數(shù)情況下是可行的。

這套模式特別好的一點(diǎn)在于，任何一個首席財務(wù)官或采購負(fù)責(zé)人，在面對主要供應(yīng)商時，看著那長長的賬單往往會感到困惑，很難判斷自己到底有沒有從合同中獲得期望的價值。

按用量計費(fèi)的方式，尤其是在基礎(chǔ)設(shè)施領(lǐng)域比較流行的那種，是朝這個方向邁進(jìn)的一步。但我并不認(rèn)為“按Token數(shù)”就是衡量AI價值的好方法。我常用一個類比：現(xiàn)在大多數(shù)編程Agent是按Token或使用量計費(fèi)的，就像那個著名的蘋果工程師的故事——他有個差勁的經(jīng)理要求他每天報告寫了多少行代碼，這種衡量方式對所有工程師來說都是荒謬的。

他后來在日報上報了一個負(fù)數(shù)，因為那天他重構(gòu)了代碼，刪了很多行，這是他對這位上司的反擊。我覺得Token計費(fèi)就和那種邏輯類似。你用了很多Token，好像看起來不錯，但真正的問題是：你有沒有產(chǎn)出一個高質(zhì)量的PullRequest？

這正是關(guān)鍵所在。我認(rèn)為基于結(jié)果定價和基于用量定價之間有本質(zhì)區(qū)別，尤其是在AI領(lǐng)域，兩者甚至都未必相關(guān)聯(lián)。你可以接一個很長的電話卻沒解決客戶問題，客戶可能還會在網(wǎng)上留下差評、再次打電話，那所有的投入都白費(fèi)了，甚至造成了負(fù)面價值。我非常相信這種模式。

這種模式還統(tǒng)一了供需雙方的目標(biāo)。每一家科技公司都希望自己被視為合作伙伴，而非供應(yīng)商。而在上述場景中，我們確實(shí)是每一個客戶的合作伙伴，因為我們在追求同一個目標(biāo)。

我覺得軟件行業(yè)就應(yīng)該朝這個方向發(fā)展。這當(dāng)然對公司的組織形態(tài)有很高要求，你必須真正能幫助客戶實(shí)現(xiàn)他們的目標(biāo)，不能只是把軟件扔過去了事，因為如果沒實(shí)現(xiàn)結(jié)果，你根本不會拿到錢。

采用這種模式后，公司就會變得極度以客戶為中心。我覺得這會讓軟件行業(yè)變得更好，從第一性原理的角度看就是對的，對采購方也是合理的，對整個世界而言也是正確的方向。

四、AI編程給企業(yè)“幫倒忙”，出錯往往因為缺乏上下文

主持人：我們剛剛聊到了一些關(guān)于生產(chǎn)力提升的話題?，F(xiàn)在媒體上對AI是否真的能提升效率抱有很多懷疑，比如“AI到底在做什么”、“真的讓人更高效了嗎”。最近有一項研究顯示，AI甚至讓工程師效率變低了。除了我們剛才談到的客戶體驗之外，在你們公司，或者你們合作的其他公司中，還有看到明確的生產(chǎn)力提升嗎？

BretTaylor：我對AI提升生產(chǎn)力非常看好，但我確實(shí)認(rèn)為目前很多工具和產(chǎn)品還比較不成熟。舉個例子，現(xiàn)在幾乎每家軟件公司都會使用類似Cursor這樣的工具來輔助開發(fā)者。多數(shù)人現(xiàn)在把Cursor當(dāng)成自動補(bǔ)全的工具來用。

它還有很多Agent功能，OpenAI的Codex、Anthropic的Claude等都有類似功能，很多編程Agent方案正在涌現(xiàn)。

但其中一個問題是，由于技術(shù)還不成熟，Agent生成的代碼里經(jīng)常會有錯誤，而檢查他人或者Agent生成的代碼，實(shí)際上比修改自己寫的代碼還要難。

如果生成的代碼經(jīng)常出錯，你需要花費(fèi)大量的認(rèn)知精力和時間去修復(fù)。事實(shí)上，如果它給你的客戶帶來了各種問題，你可能表面上是開發(fā)了很多新功能，但其實(shí)卻把系統(tǒng)弄得更混亂，效果適得其反。

目前有幾種有趣的技術(shù)路線。首先是很多AI創(chuàng)業(yè)公司正在開發(fā)代碼審查工具。我認(rèn)為“Agent的自我反思是非常關(guān)鍵的一點(diǎn)，用AI去監(jiān)督AI其實(shí)非常有效。

你可以這樣想：如果你做了一個Agent，準(zhǔn)確率90%，這其實(shí)并不算太好。但要開發(fā)另一個Agent去找出那10%的錯誤，聽起來卻是個可以解決的問題。

假設(shè)這個“審查Agent”準(zhǔn)確率也有90%，那么將兩者組合起來，整體準(zhǔn)確率就可以達(dá)到99%，這其實(shí)是一個數(shù)學(xué)問題。

可以用一個系統(tǒng)來生成代碼，再用另一個系統(tǒng)來審查它，本質(zhì)上就是用計算力來換取認(rèn)知能力?？梢詫訉盈B加認(rèn)知、推理、判斷過程，從而產(chǎn)出更穩(wěn)健的結(jié)果，這點(diǎn)讓我非常興奮。

另一個關(guān)鍵是“根因分析”。我們公司有一位工程師專門負(fù)責(zé)服務(wù)我們Cursor實(shí)例的MCP服務(wù)器。我們的理念是：當(dāng)Cursor生成了錯誤的代碼時，我們不只是去修復(fù)它，而是要找到根本原因，確保下次它能生成正確的代碼。

這本質(zhì)上是一種“上下文工程”。我們要思考的是：Cursor缺少了什么樣的上下文信息，才導(dǎo)致它無法產(chǎn)出正確的結(jié)果？

我認(rèn)為，那些希望在軟件工程等部門實(shí)現(xiàn)生產(chǎn)力提升的人，如果想要現(xiàn)在就看到效果，就必須停止等待模型能力的升級，轉(zhuǎn)而進(jìn)行根因分析，弄清楚每一行糟糕代碼的根源，并提供正確的上下文，構(gòu)建合適的系統(tǒng)，讓模型今天就能勝任這項工作。

這類工作可能會逐漸減少，對上下文工程的依賴也會減輕。但現(xiàn)在，你必須把這件事當(dāng)作一個系統(tǒng)來思考。我看到很多人仍在等待模型自己變得更好。我想說，那終究會發(fā)生，但如果你想現(xiàn)在獲得成果，你就得付出努力。這正是應(yīng)用型AI公司存在的原因。

雖然工作并不簡單，但它是可以做到的。對于那些使用像Sierra這樣的平臺的客戶來說，沒錯，AIAgent不完美，但我們正在打造一個系統(tǒng)，讓客戶可以持續(xù)改進(jìn)，形成正向循環(huán)。

如果你想把自動化解決率從65%提升到75%，我們有無數(shù)工具幫助AI實(shí)現(xiàn)這個目標(biāo)。識別優(yōu)化機(jī)會，搞清楚用戶不滿的原因，思考我們還能為Agent增加哪些新功能來提升解決率——你可以讓AI幫你大海撈針式地找出關(guān)鍵問題，這才是優(yōu)化這些系統(tǒng)的正確方式。

主持人：我以前從沒聽說過通過增加上下文來改進(jìn)Cursor的做法，具體是怎么實(shí)現(xiàn)的？你是搭了一個MCP服務(wù)器，所有內(nèi)容都要經(jīng)過它，還是加了Cursor的規(guī)則？這個方法到底是什么？

BretTaylor：這已經(jīng)有點(diǎn)超出我的理解范圍了，但基本上就是用MCP，這就是你給Cursor提供上下文的方式。我認(rèn)為，如果模型本身能力沒問題，卻做出了錯誤決策，那問題就在于上下文不足。

要找出你的產(chǎn)品和代碼庫與這些編碼Agent可用上下文之間的交叉點(diǎn)，然后從根本上修正問題，這就是核心原則。

五、學(xué)計算機(jī)不等于寫代碼，掌握系統(tǒng)性思維很重要

主持人：你提到仍然把自己定位為工程師，聽說你還會靠寫代碼放松?，F(xiàn)在不少大學(xué)生在問：還值得學(xué)編程嗎？未來幾年這個領(lǐng)域會不會發(fā)生巨變？

BretTaylor：我仍然覺得“學(xué)計算機(jī)科學(xué)”和“學(xué)寫代碼”是兩回事。學(xué)計算機(jī)科學(xué)依舊非常有價值，因為它不只是寫代碼。理解大O記號、復(fù)雜度理論、算法，知道為什么兩個復(fù)雜度相同的算法在實(shí)踐中性能不同，為什么緩存未命中很重要——這些知識的意義遠(yuǎn)遠(yuǎn)超出敲代碼本身。

寫代碼這件事，我認(rèn)為會從“人往終端或VSCode里敲字符”變成“人操作一臺代碼生成機(jī)”，我認(rèn)為這會成為軟件工程的未來。不過，要用好這臺機(jī)器，需要系統(tǒng)思維，而計算機(jī)科學(xué)正是培養(yǎng)系統(tǒng)思維最好的學(xué)科之一。

最終，AI會承擔(dān)大量軟件開發(fā)工作，但人的任務(wù)是操作這臺機(jī)器去打造產(chǎn)品、解決問題。要有很好的系統(tǒng)性思維，必須理解技術(shù)與商業(yè)問題的交集，并設(shè)計能真正解決客戶問題的系統(tǒng)。系統(tǒng)思維永遠(yuǎn)是做產(chǎn)品最難的部分。

舉個簡單例子：在Facebook設(shè)計NewsFeed時，設(shè)計師用Photoshop做的原型永遠(yuǎn)完美——照片漂亮、文字優(yōu)雅、長度剛好、評論友善。一旦上線，真實(shí)數(shù)據(jù)進(jìn)來，NewsFeed立刻慘不忍睹：照片質(zhì)量差、文字長短不一、評論里還有人罵你。

▲早期的Facebook信息流（圖源：VersionMuseum）

這時你才明白：用Photoshop設(shè)計NewsFeed是最簡單的，真正難的是設(shè)計一個系統(tǒng)，讓它在你無法掌控輸入的情況下，依舊輸出令人愉悅的內(nèi)容和視覺體驗。我們后來強(qiáng)制設(shè)計師必須用真實(shí)、凌亂的數(shù)據(jù)做原型，逼他們把過程做得更貼近現(xiàn)實(shí)。

AI生成代碼、生成設(shè)計以后，你仍然需要在腦子里構(gòu)建這套系統(tǒng)，理解什么難、什么易、什么可能、什么不可能。AI也能幫你做這件事。

我認(rèn)為，隨著AIAgents的出現(xiàn)，以及AI某些領(lǐng)域的能力接近“超人”水平，我們所使用的工具會出現(xiàn)深刻的變化。

人類不應(yīng)再依賴于特定的行事方式，不應(yīng)再糾結(jié)于“我現(xiàn)在擅長的事情，未來可能就沒用了”這種問題。就像NASA早期用人類充當(dāng)計算器一樣，未來的人們可能會驚訝：“原來你們以前是一行行手寫代碼的？”

別因為“以后不用手寫代碼”就不去學(xué)這些學(xué)科，就像有人會說“我以后用不到數(shù)學(xué)就不學(xué)數(shù)學(xué)”。學(xué)數(shù)學(xué)的價值在于培養(yǎng)人的思維方式，同樣的，計算機(jī)科學(xué)的基礎(chǔ)知識，仍將是未來構(gòu)建軟件的基礎(chǔ)。

尤其是在與比你聰明的系統(tǒng)協(xié)作時，它生成的代碼你未必能一行行讀完。你需要具備足夠的能力，去約束它、引導(dǎo)它產(chǎn)出想要的結(jié)果，這需要大量技巧。

六、Python對AI而言“太糟糕”，應(yīng)為AI打造專用編程系統(tǒng)

主持人：這讓我想起你最近在一檔播客里提到的一個觀點(diǎn)——你認(rèn)為應(yīng)該出現(xiàn)一種新的編程語言，這種編程語言更適合大模型而不是人類。能展開說說嗎？

BretTaylor：我不確定它該叫“語言”，我傾向叫“編程系統(tǒng)”，因為“語言”這個詞可能太窄。如果把過去40年甚至更久的計算機(jī)史簡化版一下，大概的過程就是：先造硬件，再用打孔卡告訴機(jī)器干什么；接著出現(xiàn)操作系統(tǒng)、分時系統(tǒng)，于是有了C、Fortran等高級語言；再往上抽象，就很少有人寫匯編、寫C語言了，更多人用Python、TypeScript。

▲用于早期計算機(jī)的打孔卡（圖源：Wikipedia）

每一次抽象層提高，都讓我們用更少的力氣去干更大的事。今天再讓人用React寫一個可拖拽地圖，很多工程師都能很快搞定，這在當(dāng)年GoogleMaps時代是驚世駭俗的壯舉。當(dāng)Salesforce成立時，把數(shù)據(jù)庫放到云端都是一件很困難的事情，能做到這點(diǎn)就已經(jīng)是一條技術(shù)護(hù)城河了?，F(xiàn)在，技術(shù)的護(hù)城河在不斷縮窄，但產(chǎn)品的護(hù)城河依然存在。

如果我們假設(shè)寫代碼的人力成本趨近于零，那么我們過去幾十年圍繞“提高人類程序員效率”打造的所有抽象層的工具、語言，都需要重新評估。

我常開玩笑說，Python大概是大模型生成最多的語言，因為它在訓(xùn)練語料里無處不在，數(shù)據(jù)科學(xué)家又愛它。但從AI角度看，Python簡直糟糕：慢、難驗證、運(yùn)行時錯誤多。它之所以存在，是為了讓人寫得舒服，像偽代碼。

未來如果我們只需要操作代碼生成機(jī)，我們根本不需要在乎語言對人類多“符合人體工學(xué)”，只在乎兩件事：機(jī)器生成的代碼能否被快速驗證“確實(shí)做了我想要的事”；如果不對，能否很容易地進(jìn)行改掉。

這就引出對“編程系統(tǒng)”的新需求。比如Rust之所以有意思，是因為編譯器能靜態(tài)保證內(nèi)存安全，編譯通過就等于沒有內(nèi)存泄漏。如果讓AI生成一百萬行C語言，你很難判斷有沒有泄漏；生成一百萬行Rust，只要編譯過就基本安全。

我們需要更多這種設(shè)計。如果人無法完全信賴AI的代碼，需要逐行閱讀、核驗代碼，那這將極大地限制編程的效率。如今，問題的關(guān)鍵就在于如何給人提供這種自動化核驗的工具。

AI的自我核驗當(dāng)然是一種方式，讓系統(tǒng)具備自我反思能力，確實(shí)是提高魯棒性的一種有效手段。但我認(rèn)為，如果不用再擔(dān)心寫代碼是否繁瑣，就可以重新考慮一些傳統(tǒng)的技術(shù)手段，比如形式化驗證、單元測試等。

把這些技術(shù)疊加起來，我腦中會浮現(xiàn)出一個畫面，就像《黑客帝國》里的那個人，看著屏幕上流動的綠色代碼，思考：我怎樣才能構(gòu)建出一個讓操作者能夠高效產(chǎn)出極其復(fù)雜、規(guī)模龐大的軟件系統(tǒng)，并且確信它是正確的系統(tǒng)？

從這個目標(biāo)出發(fā)來做設(shè)計，那你可能會改變編程語言、系統(tǒng)架構(gòu)，甚至所有相關(guān)的構(gòu)建方式。最有意思的是，這一過程中我們可以放寬許多限制，比如——“寫代碼是免費(fèi)的”。這真的很酷。

那么在這種前提下，你會想做什么？哪種語言、編譯器、測試框架、自我反思機(jī)制或監(jiān)督模型才最適合？我認(rèn)為這不是單一的編程語言問題，而是整個編程系統(tǒng)的設(shè)計問題。

一旦我們構(gòu)建出這種系統(tǒng)，它將真正賦能創(chuàng)造者、開發(fā)者們，讓他們得以構(gòu)建出既復(fù)雜又魯棒的系統(tǒng)。我對“vibecoding”感到非常興奮，但我不認(rèn)為“快速生成原型”曾是軟件開發(fā)的核心瓶頸。

真正的挑戰(zhàn)，是如何構(gòu)建日益復(fù)雜的系統(tǒng)，并具備靈活改動它們的能力?？梢曰仡櫹庐?dāng)年Netscape瀏覽器從1.0到2.0的重寫過程，很多人認(rèn)為這就是它輸給InternetExplorer的原因之一。

寫出一個系統(tǒng)并不難，難的是維護(hù)它，并保證它的魯棒性。我覺得我們正處于定義“下一代軟件開發(fā)體系”的初期階段，我非常期待它將如何演化。

主持人：當(dāng)你這樣的人在談?wù)撘蛟煲环N類似《黑客帝國》的編程體驗，并認(rèn)為這可能是未來的開發(fā)方式時，我真的覺得我們已經(jīng)身處未來了。我迫不及待想看到它成真——這將是一次偉大的機(jī)會，也是一個非常有趣的項目。

七、市場策略應(yīng)與產(chǎn)品類型匹配，AI公司應(yīng)重視直銷模式

主持人：現(xiàn)在很多AI初創(chuàng)公司在市場化方面遇到困難。各種AI應(yīng)用、產(chǎn)品層出不窮，你在AI產(chǎn)品，特別是Agent類產(chǎn)品的市場落地方面，有哪些經(jīng)驗值得大家借鑒？

BretTaylor：我認(rèn)為成功的市場落地路徑其實(shí)就那幾種，關(guān)鍵是要選對匹配你產(chǎn)品類別的方式。

第一種是開發(fā)者主導(dǎo)。

Stripe和Twilio就是這個典型，他們的市場策略是吸引某個工程師，通常在CTO負(fù)責(zé)的部門里，這些人有選擇工具的決策權(quán)。這種方式適用于平臺類產(chǎn)品。

如果你的產(chǎn)品是幫助某個業(yè)務(wù)部門的，那就不適用，因為這些業(yè)務(wù)線通常沒有專屬的工程師團(tuán)隊，也沒有權(quán)限去隨便下載庫或接入服務(wù)。如果你的客戶是初創(chuàng)公司，這種方式特別管用，因為初創(chuàng)團(tuán)隊的工程師常常有決策自由去選擇他們喜歡的服務(wù)，來解決創(chuàng)始人提出的問題。

第二種是產(chǎn)品驅(qū)動增長。

雖然每家公司的產(chǎn)品都很重要，但這里的意思是用戶可以直接在官網(wǎng)注冊，通常可以試用，也可以用信用卡買幾個賬號。這適用于使用者和購買者是同一個人的情況。小型商業(yè)軟件幾乎都屬于這類，因為個體戶什么都得自己處理。

比如早期的Shopify，還有很多類似產(chǎn)品，主要面對小型商家，這種方式非常合適。但如果使用者和購買者不是同一個人，這方式就不靈了。比如報銷軟件，用的是普通員工，買的是財務(wù)部，用信用卡購買就不合邏輯，因為實(shí)際使用者并沒有公司信用卡。

第三種是傳統(tǒng)直銷。

直銷曾一度被認(rèn)為過時了，但如果我想到最強(qiáng)的直銷公司，很多都來自O(shè)racle體系，比如SAP、ServiceNow、Salesforce、Adobe等。他們都通過傳統(tǒng)銷售流程向大企業(yè)的業(yè)務(wù)線銷售產(chǎn)品。

由于產(chǎn)品驅(qū)動增長一度很火，很多公司也跟著走，確實(shí)也能催生出優(yōu)秀產(chǎn)品。但如果產(chǎn)品驅(qū)動增長，導(dǎo)致你完全沒有和真正的軟件購買者打交道，那你是不會成長的。

我最近看到越來越多AI公司開始重新重視直銷方式。因為AI的很多機(jī)會，確實(shí)是使用者和購買者不同的情況，確實(shí)需要這種市場推進(jìn)方式。

很多創(chuàng)業(yè)者的問題是，選擇了某種市場策略，卻沒有認(rèn)真思考客戶是怎么購買軟件的。怎么評估軟件的價值？我認(rèn)為人們需要從第一性原理出發(fā)，更加深入思考。

坦率地說，我覺得很多公司其實(shí)應(yīng)該更多地采用直銷。盡管有些直銷公司的產(chǎn)品質(zhì)量名聲不太好，但這只是個別情況。我很高興看到直銷正在市場中重新獲得重視。

主持人：我覺得這個信息是很多創(chuàng)始人需要聽到的，尤其是那些不具備商業(yè)背景的創(chuàng)始人，他們對“銷售”本能抗拒，認(rèn)為自己不擅長。但有時候你必須變得擅長這件事，這就是你能否成功的關(guān)鍵，不能只靠產(chǎn)品帶動增長。

八、從谷歌版黃頁到谷歌地圖，創(chuàng)造全新體驗是成功產(chǎn)品關(guān)鍵

主持人：你在職業(yè)生涯中獲得了許多難以置信的成就，我們稍后會談到這些。但我想先從反面案例開始，聊聊你犯下的重大錯誤。你在構(gòu)建產(chǎn)品時犯下的最大錯誤是什么？

BretTaylor：這件事可能算不上最大的錯誤，但對我來說意義重大——這是我作為谷歌產(chǎn)品經(jīng)理的第一次重大失誤，也成為我作為產(chǎn)品經(jīng)理成長過程中的重要轉(zhuǎn)折點(diǎn)。

我在2002年底或2003年初加入谷歌，是最早的助理產(chǎn)品經(jīng)理之一，起初負(fù)責(zé)搜索系統(tǒng)，將索引規(guī)模從10億擴(kuò)展到100億。表現(xiàn)不錯后，我得到了MarissaMayer（谷歌第一位產(chǎn)品經(jīng)理）的信任，被安排負(fù)責(zé)一個全新產(chǎn)品項目。

對我來說，這是一次重要機(jī)會，也面臨很多人的審視，畢竟我是個剛起步的年輕產(chǎn)品經(jīng)理。

交給我的任務(wù)是：做本地搜索。當(dāng)時黃頁仍占主導(dǎo)，谷歌擅長搜索網(wǎng)頁，卻不擅長找水管工或餐廳，因為這類信息當(dāng)時在網(wǎng)上并不豐富。即使存在，你也需要更精準(zhǔn)的結(jié)果——比如在舊金山找水管工，而不是曼哈頓。這既是技術(shù)問題，也是產(chǎn)品和內(nèi)容問題。

我作為產(chǎn)品經(jīng)理負(fù)責(zé)的第一版產(chǎn)品叫谷歌本地（GoogleLocal）?，F(xiàn)在回頭看，基本上是Yahoo黃頁翻版，只是把黃頁搜索嫁接在谷歌搜索之上。通過精心構(gòu)造的查詢，你可以在搜索結(jié)果頂部看到這些列表，我們還有一個獨(dú)立站點(diǎn)。

▲谷歌本地測試版（圖源：VersionMuseum）

谷歌本地重要到甚至出現(xiàn)在谷歌首頁的導(dǎo)航欄里，與網(wǎng)頁、圖片并列。谷歌首頁幾乎任何鏈接都能帶來巨大流量，但盡管這樣，谷歌本地表現(xiàn)并不好。在擁有谷歌首頁鏈接的情況下表現(xiàn)不佳，實(shí)在有點(diǎn)尷尬。

對產(chǎn)品經(jīng)理來說，沒有比這種流量更好的機(jī)會了，但谷歌本地產(chǎn)品只是“還行”，并沒有差異化。回頭想，人們?yōu)槭裁匆盟皇荵ahoo黃頁？甚至為什么要用這些產(chǎn)品而不是黃頁本身？它們只是把以前的黃頁數(shù)字化了。

我和Marissa、Larry（谷歌創(chuàng)始人、前CEO）等人進(jìn)行了一次艱難的產(chǎn)品評審，雖然沒有要被炒魷魚，但我的“光環(huán)”確實(shí)黯淡了一些。他們給了我一個機(jī)會做下一個版本，我的團(tuán)隊花了大量時間思考如何做出更吸引人的東西，而不是簡單的數(shù)字化黃頁，也不是簡單復(fù)制其他產(chǎn)品。

最終，我們找到了一條思路，這一產(chǎn)品就是谷歌地圖。我們原本的搜索結(jié)果旁放了一個小地圖，但一直是產(chǎn)品里最丑的部分，內(nèi)部也常吐槽。但如果顛倒層級，把地圖作為畫布會怎樣？

我們找到了Lars和JensRasmussen兩兄弟，他們正在做地圖產(chǎn)品。把他們招進(jìn)公司后，我們開始探索這個方向，最終把地圖、本地搜索、行車路線等當(dāng)時各自獨(dú)立的產(chǎn)品類別整合成谷歌地圖，重新定義了行業(yè)，也改變了我的職業(yè)生涯。

作為產(chǎn)品領(lǐng)導(dǎo)者，這讓我徹底改變對產(chǎn)品的看法：你可以從從功能和特性的角度思考問題，但也該思考“人們?yōu)槭裁匆盟薄９雀璧貓D推出第一天就有約1000萬人使用，這在當(dāng)時互聯(lián)網(wǎng)的規(guī)模下非常驚人。

▲2005年，谷歌地圖測試版（圖源：Medium）

2005年8月，我們整合了收購的Keyhole（后來的谷歌地球）提供的衛(wèi)星圖像，當(dāng)天就有9000萬人使用，每個人都想看看自己家的屋頂長什么樣。

谷歌地圖成功背后的經(jīng)驗是：新技術(shù)出現(xiàn)時，與其直接將過去的體驗數(shù)字化，不如創(chuàng)造全新體驗，回答新客戶“我為什么要用它”的問題。谷歌地圖真正原生地利用了平臺優(yōu)勢，這是紙質(zhì)地圖做不到的，是重大突破。

衛(wèi)星圖像雖不是谷歌地圖最重要的部分，卻是“錦上添花”，形成了病毒式傳播，甚至上了《周六夜現(xiàn)場》這檔爆款電視節(jié)目，那一刻我們感覺這款產(chǎn)品真的成了。這也說明產(chǎn)品設(shè)計時要區(qū)分“為什么用它”和“長期價值”，這些經(jīng)驗和教訓(xùn)伴隨著我后續(xù)所有產(chǎn)品的設(shè)計過程。

主持人：這故事太棒了，一是讓人知道即使像你這樣成功的人也曾在谷歌CEO面前犯下大錯，二是產(chǎn)品方面的經(jīng)驗，在現(xiàn)有的產(chǎn)品上稍作改進(jìn)，往往很難成功，要找全新體驗、差異化、更有吸引力的東西。

九、優(yōu)秀創(chuàng)始人應(yīng)保持身份靈活，做能產(chǎn)生最大影響力的事

主持人：我們換個角度，來聊聊你的成功。你幾乎把產(chǎn)品經(jīng)理、工程師、CPO、COO、CTO、CEO等角色都干了個遍，極少有人能在所有這些層級和角色里都取得成功。你認(rèn)為哪些心態(tài)、習(xí)慣或工作方式，是你刻意培養(yǎng)，并認(rèn)為最有助于你取得成功的？

BretTaylor：這確實(shí)是我引以為傲的一點(diǎn)，我為自己戴過不同“帽子”感到高興。有趣的是，當(dāng)我和只在其中一份工作中認(rèn)識的同事見面時，他們往往用那段經(jīng)歷定義我。

Facebook的人把我當(dāng)工程師，谷歌的人當(dāng)我是產(chǎn)品經(jīng)理，Salesforce的人則覺得我是“穿西裝的老板”，甚至懷疑我根本不會寫代碼，盡管我周末仍會寫點(diǎn)代碼作為消遣。

我一直堅持一個原則：對自己的身份保持靈活。我通常自稱工程師，但更廣義地說，我認(rèn)為自己是一個構(gòu)建者（Builder）。我喜歡打造產(chǎn)品，而公司是實(shí)現(xiàn)這一點(diǎn)最有效的方式之一。我也相信技術(shù)與資本主義結(jié)合能帶來巨大成果。

因此，想做出真正有意義的東西，成為優(yōu)秀的創(chuàng)始人，就不能固守某種身份，而是要隨時變成公司最需要的角色。

每位創(chuàng)始人都會告訴你，銷售是他們工作的重要部分：要向投資人推銷公司，向候選人推銷職位，向客戶推銷產(chǎn)品。你還需要良好的設(shè)計品味，不只是產(chǎn)品層面，也包括營銷和獲客等。如果你做的是技術(shù)公司，技術(shù)必須優(yōu)先，這也是這個行業(yè)能夠不斷顛覆的原因。

我尤其感謝SherylSandberg（Facebook、Meta前首席運(yùn)營官），她改變了我面對新工作的方式。

當(dāng)時我剛成為Facebook的CTO，這個職位一開始只是帶一個小團(tuán)隊，我的角色更像是資深技術(shù)架構(gòu)師。后來扎克伯格重組了公司，我突然負(fù)責(zé)平臺、移動、產(chǎn)品、設(shè)計、工程，直接管理的人從幾人擴(kuò)展到上千人，是我?guī)н^最大的團(tuán)隊。

▲Facebook時期的BretTaylor（圖源：alchetron）

雖然我在谷歌也做過管理，但規(guī)模小很多。這次上任FacebookCTO，我其實(shí)做得一般。有一次我在修改一份發(fā)給合作伙伴的PPT，一邊改一邊抱怨質(zhì)量太差。

Sheryl把我拉進(jìn)會議室，給我上了一堂管理課：你要把團(tuán)隊帶到你的高標(biāo)準(zhǔn)上。如果有人達(dá)不到，那計劃里是否也包括請他們離開？這是非常直接的反饋，像是在給我上管理學(xué)第一課一樣。

她是那種反饋很直、甚至可能讓人不舒服的人，但你知道她是在乎你，所以會認(rèn)真聽。那晚我回家越想越不舒服，有點(diǎn)防御心：她說得對嗎？我真的搞砸了嗎？

第二天醒來，我想通了：她是對的。我意識到我在潛意識里把工作范圍局限在我喜歡做的事上，花時間做我熱愛的產(chǎn)品和技術(shù)，想著“我是老板，可以做自己想做的事”，而不是問“我負(fù)責(zé)的團(tuán)隊今天最需要什么？”

當(dāng)我換一種方式看待工作，我的行為也隨之改變。讓我驚訝的是，我竟然喜歡上了這種方式。我原以為自己只喜歡做工程和產(chǎn)品，但當(dāng)我讓一個組織變得更成功，那種成就感遠(yuǎn)超預(yù)期。

比如，平臺遇到合作伙伴問題，我花時間處理合作，看到平臺更健康，合作伙伴也更成功，我為此感到自豪。我因此變得更好。我意識到，真正讓我熱愛的，可能不是寫代碼或設(shè)計產(chǎn)品，而是“產(chǎn)生影響”。

那次對話讓我養(yǎng)成一個習(xí)慣：每天醒來，我都會問自己，“我今天做什么，才能產(chǎn)生最大的影響力？”就像一個外部顧問團(tuán)隊在提醒我：聚焦這些事，才能最大化目標(biāo)。

有時是招聘，有時是產(chǎn)品，有時是工程，有時是銷售。我變得更自省，也更愿意做原本不喜歡的事，因為當(dāng)我看到我產(chǎn)生的影響時，我就喜歡它們了。

我把這一切都?xì)w功于Sheryl。她讓我意識到反饋的力量，也讓我在給別人反饋時常常想到她——這些時刻甚至能改變職業(yè)生涯的軌跡。

主持人：我最大的收獲是這個問題：“我今天做什么，才能產(chǎn)生最大的影響力？”這是一個非常有力的思維工具，值得時刻記在心里。很多時候你一開始可能不愿意去做銷售或招聘，但如果那是最有影響力的事，你去做了，也許會發(fā)現(xiàn)自己其實(shí)挺擅長，而且也喜歡。

BretTaylor：我想再補(bǔ)充一點(diǎn)。對創(chuàng)始人和產(chǎn)品經(jīng)理來說，有一個常見的陷阱是講錯故事，比如把“人們不喜歡我們的產(chǎn)品是因為X”當(dāng)成事實(shí)，告訴公司里的所有人，然后據(jù)此調(diào)整戰(zhàn)略，如果判斷錯了，可能會導(dǎo)致公司方向徹底跑偏。

當(dāng)你失去一筆交易時，銷售往往會歸咎于“價格太貴”，但真正的原因可能是客戶根本沒看到你的價值——問題在于產(chǎn)品缺乏差異化。結(jié)果，你圍繞定價做文章，卻忽略了更深層次的產(chǎn)品問題。

就像分手時人們不會直說“我不喜歡你了”，而是習(xí)慣性地說“不是你的問題，是我的問題”，因為我們總想維護(hù)關(guān)系的和諧。類似地，用戶或客戶在調(diào)研中給出的反饋也未必準(zhǔn)確，你必須深入分析、抓住核心。

可惜，很多初創(chuàng)公司的創(chuàng)始人容易陷入“單議題選民”陷阱：工程師只信工程能解決一切，產(chǎn)品設(shè)計師只信一次redesign，而BD背景的人只信大合作?，F(xiàn)實(shí)中，沒有哪一種方法能一招搞定所有問題。

真正優(yōu)秀的創(chuàng)始人，會清楚地認(rèn)識到自己是有偏好的，人天然會更傾向用自己的強(qiáng)項去解決問題，但你需要保持警覺，時刻注意自己是不是因為習(xí)慣而選擇了這一方向，而不是遵循真理。

創(chuàng)始人需要一個能夠坦誠對話的聯(lián)合創(chuàng)始人和領(lǐng)導(dǎo)團(tuán)隊，共同驗證思路，確保方向正確。盡管“今天我能做的最有影響力的事是什么？”是一個極好的思考框架，但要準(zhǔn)確回答它，卻比你想象的要難得多。

十、谷歌背景創(chuàng)始人常常忽視商業(yè)化，董事會和高質(zhì)量建議有必要

主持人：你從過去的失敗中學(xué)到了什么教訓(xùn)呢？

BretTaylor：我們本來是要聊聊我的失敗的，有點(diǎn)跑題了（笑）。FriendFeed是我的第一家公司。高峰期我們只有12名員工，卻是我共事過最優(yōu)秀的一群人。我和JimNorris、PaulBuchheit（Gmail之父）、SanjeevSingh（Gmail首位工程師）一起創(chuàng)辦，核心成員來自谷歌和Gmail。

我們做了一個社交網(wǎng)絡(luò)，發(fā)明了Newsfeed（信息流）和“點(diǎn)贊”按鈕，這些功能之后都很流行。當(dāng)時我們發(fā)現(xiàn)平臺上有很多評論都是“Wow”、“Nice”這樣表示“我看到了”的內(nèi)容，而我們想讓評論區(qū)里有真正的討論。點(diǎn)贊按鈕就是這一問題的解決方案。

不過，我們只在土耳其、意大利和伊朗流行了起來，后來伊朗封了我們，只剩土耳其、意大利和硅谷。直到今天，還有人說“我愛FriendFeed”，我就說“那太好了”。

▲FriendFeed界面（圖源：CNET）

但它不是一個成功的商業(yè)模式。我們是“關(guān)注型”社交網(wǎng)絡(luò)，用戶關(guān)注特定用戶，獲取信息，更像Twitter而非Facebook，分享的是新聞、興趣、科研等內(nèi)容。那年夏天，奧巴馬和奧普拉等人都入駐了Twitter，我們被徹底碾壓。

我們團(tuán)隊幾乎全是工程師，埋頭打磨產(chǎn)品。而Twitter專注拉名人入駐，這是“關(guān)注”場景下顯而易見的策略：如果要打造一個基于關(guān)注的社交網(wǎng)絡(luò)，那就得拉一些值得關(guān)注的人加入。雖然我們功能更多、上線更快、幾乎零宕機(jī)，但我們卻輸了，這一失敗和產(chǎn)品本身沒有任何關(guān)系。

這也說明了谷歌出身的創(chuàng)業(yè)者一個通病：在谷歌太順了，產(chǎn)品經(jīng)理往往忽視分發(fā)、設(shè)計，甚至不思考商業(yè)模式，因為從廣告上已經(jīng)賺得盆滿缽滿。相比之下，PayPal黑幫這樣的人在創(chuàng)業(yè)上學(xué)得更多，我們被現(xiàn)實(shí)打臉了。

我可以說出FriendFeed產(chǎn)品方面的很多問題，但我認(rèn)為那不是失敗的關(guān)鍵。我后來逐漸補(bǔ)齊了短板，但如何準(zhǔn)確判斷應(yīng)該做什么是很困難的。沒經(jīng)驗時很難有直覺。

做FriendFeed時，我不是找不到名人加入，而是根本沒去找有經(jīng)驗的人咨詢相關(guān)問題。科技圈信息很多，難的是選擇聽誰的。我們當(dāng)時太專注產(chǎn)品，沒請外部人指出問題，也沒請教行業(yè)專家。這讓我成為董事會和高質(zhì)量建議的堅定信徒。

主持人：如何判斷誰的意見值得聽？

BretTaylor：這確實(shí)需要判斷力。有一點(diǎn)很重要：一個人表達(dá)意見時的自信程度，和意見的質(zhì)量往往并不正相關(guān)?，F(xiàn)在播客這么多，有時我對非常熟悉的話題，發(fā)現(xiàn)最自信的說法其實(shí)錯得離譜，卻極具說服力。所以得靠判斷力。

一個辦法是：不僅問“我該怎么做”，還問“我該去問誰”。你會發(fā)現(xiàn)有些人總被反復(fù)推薦，那就是強(qiáng)信號。

另外，問建議時不要只問“做什么”，還要問“為什么”。像個兩歲小孩一樣不停地問“為什么”，直到你理解對方給出建議的框架。

其實(shí)，大部分建議往往來自極少數(shù)經(jīng)歷，人們會說“永遠(yuǎn)別做X”或“永遠(yuǎn)做Y”，但那其實(shí)只是某次經(jīng)歷讓他們后悔或慶幸。得多問問不同人的意見，據(jù)此整理出你的第一性原理，應(yīng)用時要分情況，而不是簡單照抄。

說到底，判斷力來自自省和復(fù)盤。如果你做了一個糟糕的決定，花時間反思為什么，并持續(xù)提高自己的判斷力——這才是優(yōu)秀創(chuàng)業(yè)者或產(chǎn)品經(jīng)理的核心能力。

其次，當(dāng)聽取建議時，一定要弄清建議的來源和背后的原因，這樣你才能形成自己獨(dú)立的觀點(diǎn)；同時要意識到，任何人的建議基本都不具備統(tǒng)計顯著性。

十一、ChatGPT將促進(jìn)教育平權(quán)，主觀能動性變得空前重要

主持人：我特別喜歡問像你這樣站在AI前沿的人，你是怎么教你孩子的。我知道你有孩子，我覺得等他們長大后，世界會非常不一樣。你會鼓勵他們學(xué)些什么東西，是你覺得和過去幾代人不一樣的，可以幫助他們在AI無處不在的世界里取得成功？

BretTaylor：我不確定我的教育方式有沒有變化，但我確實(shí)一直在鼓勵他們把AI作為生活的一部分。我在回想，其實(shí)我1997年考AP微積分考試的時候，那時開始可以使用圖形計算器。我一直在想，在允許使用計算器之前和之后，微積分考試內(nèi)容有沒有發(fā)生變化？我猜是有的。

因為一旦允許在考試中使用計算器，就必須確?？荚囶}目不會因為是否使用計算器而給學(xué)生帶來不公平的優(yōu)勢，這就迫使出題人重新思考題目設(shè)計，用來考察的是微積分知識本身，而不是計算能力或圖形計算器能完成的事情。

我認(rèn)為，現(xiàn)在的大部分教育體系并沒有假設(shè)每個人口袋里都有一個超級智能。如果你讓學(xué)生寫一篇關(guān)于某本書的作文，其實(shí)他們完全可以用ChatGPT這類產(chǎn)品“編”出一篇文章。如果他們足夠擅長提示詞工程，甚至老師可能都看不出來是AI寫的。

那么該怎么辦？我們該如何以不同的方式教育孩子？對老師來說，現(xiàn)在真的很難，因為教育還沒完成像當(dāng)年“加入計算器”的那種轉(zhuǎn)型?，F(xiàn)在我們用來評估學(xué)生的很多方法，都已經(jīng)被ChatGPT這類工具打破了，正處于一個很尷尬的階段。

但我認(rèn)為依然可以教孩子如何思考，也可以教他們?nèi)绾螌W(xué)習(xí)。我們的教育系統(tǒng)終究可以趕上技術(shù)發(fā)展的步伐。事實(shí)上，我覺得這些AI模型可能是人類歷史上最有效的教育工具之一。如果一個老師的教學(xué)方式不是你喜歡的風(fēng)格，現(xiàn)在你可以回家請ChatGPT用另一種方式教你。我的孩子在考試前會用ChatGPT來做自測，他們可以選擇語音模式或聊天模式，比用抽認(rèn)卡效果更好。

我女兒帶回了一本莎士比亞的書，有一頁她看不懂，她拍了張照片，ChatGPT解釋得比我好得多。我覺得，今天這個世界上每一個孩子都擁有一個專屬的個性化導(dǎo)師，能以他們最擅長的方式教學(xué)——無論是視覺、聽覺還是文字閱讀。我們現(xiàn)在有一個平臺，不僅能教學(xué)，還能出題、測驗。我覺得AI是一個“行動力放大器”。對于那些有主觀能動性的孩子、渴望學(xué)習(xí)的孩子來說，他們等于擁有了所有曾教過他們的好老師的能力集合。而他們可以隨時調(diào)用這種能力。

我家孩子中，老大學(xué)會了編程，她正在做一個網(wǎng)站，每次她問我問題，我都讓她自己去問ChatGPT，并不是因為我想當(dāng)個討人嫌的爸爸，而是我覺得她必須學(xué)會使用這個工具，因為它真的太強(qiáng)大了。所以我真心希望她們能學(xué)會如何建設(shè)性地把它融入生活。

話雖如此，我對現(xiàn)在的公立學(xué)校老師非常有同理心。這太難了，因為技術(shù)的變化速度遠(yuǎn)快于教育系統(tǒng)的適應(yīng)速度，尤其是在學(xué)生評估這一塊，現(xiàn)在的確對老師是巨大挑戰(zhàn)。我也擔(dān)心，因為這些技術(shù)放大了主觀能動性，反過來，如果孩子沒有主觀能動性，情況可能也會很糟糕。

當(dāng)然，我知道圖形計算器不等同于ChatGPT，但我們曾經(jīng)設(shè)法成功地讓作業(yè)、課堂教學(xué)和考試與已有的技術(shù)工具相適應(yīng)，我相信我們這次也能做到。從更積極的角度看，我自己就是上公立學(xué)校的，有時候你會遇到一些很差勁的老師，而現(xiàn)在孩子們有了另一種出路。不再只有富人家的孩子才能請得起家教，現(xiàn)在每個孩子都可以獲得輔導(dǎo)。

如果你是一個在數(shù)學(xué)方面很有天賦的孩子，但你所在的學(xué)校沒有開設(shè)高級統(tǒng)計學(xué)課程，那么現(xiàn)在可以自學(xué)了。我覺得這能極大地推動教育的普惠，特別是對那些有主觀能動性的孩子來說，這真的令人興奮。我真的希望，現(xiàn)在某個11歲的孩子，10年后能創(chuàng)辦一家了不起的公司，而ChatGPT會是他最主要的導(dǎo)師，幫助他走到那一步。我覺得這太酷了。

主持人：我現(xiàn)在有一個兩歲的孩子，我感覺人生像進(jìn)入了一個又一個的階段，比如說什么時候給他手機(jī)、什么時候讓他用Snapchat之類的東西——這些年孩子們都在用什么?，F(xiàn)在還多了一個新問題：什么時候該給他們開通第一個ChatGPT賬號？

BretTaylor：我個人的看法是，ChatGPT不同于前面提到的那些。我不認(rèn)為手機(jī)對在校學(xué)生或兒童有多大好處，我是主張盡量晚一點(diǎn)給孩子手機(jī)的。但ChatGPT更像是谷歌搜索?？诖镉袀€讓人上癮、推送不停的設(shè)備是一回事，而用AI來學(xué)習(xí)是另一回事。我覺得這兩者完全不同。

我真心認(rèn)為AI本質(zhì)上就是一種“公共產(chǎn)品”。以前還沒有ChatGPT的時候，幾乎沒有家長會問“我孩子什么時候能用谷歌搜索？”因為那是不同類型的工具，我也是這樣看待這類新技術(shù)的。