# AI 原生组织转型 01：用 AI 对齐事实、对齐打法 最近来找我聊的朋友，问题都变了。 以前问的是用什么模型、要不要培训。现在问的是：我们已经在用 AI 了，很多人用得还不错，但整个组织的效率好像并没有提升。更诡异的是有些公司说，效率确实提升了，人也裁了——裁员你总归省了一部分钱吧——但公司利润也没有增加。 这是第二阶段的鬼故事。这一集把它拆到底。 这条路分五段走： 一、局部提效为何失效 二、重新发明组织 三、AI 接管对齐事实 四、AI 接管对齐打法 五、AI 接管推进 --- ## 一、局部提效为何失效 先说效率其实有三层，而我们大部分注意力都花在第一层。 第一层是单点效率——一个具体的员工、一个具体的活、他干的速度。这对打工人非常重要，但对公司不是。第二层是组织协调——把很多人的劲往一块使。第三层是市场和战略——你打下来的是什么样的城市，有些仗打赢了也是亏的。单兵能力和组织作战能力，这两件事很多时候没什么关系。 那为什么光做第一层没有用？三个原因。 **第一，阿姆达尔定律：一件事有很多环节，你只搞其中一个，对整体的效果有限**。 上海到北京飞两小时，提速 30% 是伟大的科技进步。但打车、提前量、安检加起来，门到门本来就要五个小时——省下的半小时摊进去，在我脑子里其实变化不大。 局部优化哪怕做得花团锦簇也一样。我自己做过非常好的 demo，合作方连 PR 稿都发了，我自己也会吹牛逼。过一段时间再问「这个东西后来有用吗」，答案是「其实也没什么用」。 **第二，系统的表现取决于瓶颈：你优化的那一环不是瓶颈，提了也白提**。 后厨的洗菜工切菜工手速快十倍，但厨子没加、灶台还是四个——菜洗得再好堆在那里也没用。就算整条后厨都快了十倍，门口进来的人没有增加，你还是赚不到钱。 **第三，也是最要命的：大头根本不在「做事」**。 知识工作最大的时间和精力消耗，不是在做这件事本身，而是在开会、在对齐协调、在对接交接、在等待。不同报告不同口径，基本都指向 60%。而且你工资越高，这种交互越多。不信可以翻一下你上周的日历，看看多少时间在干活、多少在开会；开的会里又有多少是为了沟通对齐，多少是为了这件事真的发生。 所以你把那 40% 做到极致，也动不了那 60%。 更狠的是：每个模块都正确，系统仍然可以烧毁。火星探测器飞了九个半月、几亿英里，到了轨道直接烧在大气层里——一边用英制、一边用公制。一亿多美金打水漂。各自做的都对，说不定还加班了还提效了，整体上做出来是个零。 AI 并没有制造这个瓶颈。以前干活干得慢，慢盖住了协调的损耗；现在干活快了，它就露出来了。 --- ## 二、重新发明组织 那怎么办？先得回到一个原点：组织到底是用来干嘛的。 我们常把组织当成天经地义的东西，像天上有蓝天白云一样。想 AI 转型的时候就想：我们就一定有一个组织，把它转一转，就能更好地用好 AI，我们还是那些人，我们还是好兄弟。 但现代公司制度其实是一种发明。层级、部门、流程、KPI，都是很近代才有的，是用来解决具体问题的：信息路由和管控。 而每一个零件，都架在某个稀缺假设上。 层级，是因为一个人看不过来。可滴滴一个后台管 1000 个司机，谁送到哪、车上录音都看得见——「看不过来」还成立吗？ 部门，是因为人脑装不下，所以要把一堆专才塞一起、给一个统一界面对外。可如果每个人身边都有一个会翻译的小秘书呢？ 流程，是因为看不到全局所以要管控。那为什么还需要人类来做这个管控？ AI 来了像小行星撞地球，生存环境已经变了。过去留下来的东西不是没道理，是上一个时代的道理。坐月子不能洗头，在没有热水器、没有电吹风、没有青霉素的年代是有道理的。 所以有了这一集那句暴论： 「AI 不是组织的工具。AI 是竞品，AI 是组织的替代品。」 不是把原来的组织转一转好去用 AI，而是想怎么用 AI 去替代原来组织的绝大部分功能。 具体落地，最先发生的往往是三件事：对齐、推进、闭环。这一集讲完对齐，推进讲了一半。 --- ## 三、AI 接管对齐事实 对齐无非两件事：对齐事实（世界现在是什么样子）和对齐打法（我们做事的规矩是什么）。 一支军队如果每个连队看到的地图不一样、打法也没协调过，那就是一锅粥，人再多也打不出来。 **先说对齐为什么这么贵。传统组织在这里有两个问题**。 一是工作量是平方级涨的。三个人三条沟通路径，50 个人就是 1225 条。所以大公司为什么慢？维持一个统一的想法实在太难。 二是——你可能觉得也没那么夸张——那是因为我们其实根本没在对齐。设计师考虑了一百种方案，最后压成一张图或者三页 PPT 交出去，隐空间里那些东西全丢了。下一个人接到压缩包再重建，中间长出大量幻觉。压缩、还原、压缩、还原，像快乐大本营的传声筒，传到最后不知道传成什么样。 所以传统对齐是：太贵，而且仍然对不齐。 **那 AI 凭什么能解决**？ 第一，它把 N 乘 N 的问题变成 N 的问题——大家不用互相聊，统一跟一个 AI 聊。第二，它管得住的上下文比人大太多。以前也有 PMO 这个角色，但 PMO 参加不了每一个会，只能记住几个要点；AI 可以掌握全部，压缩比低得多。第三，下达的时候它只把跟你有关的那部分递给你——20 个人的项目文档更新了 40 条，你根本不知道哪条跟你有关、也不知道怎么搜。 **真正的对齐，是所有人操作同一个对象**。 波音早年各部门都用上了 CAD，但一个部门画完，会把图纸打印出来交给下一个部门，下游用肉眼看图再画自己那份——因为哪怕你用的是 CAD、我用的是另外一个 CAD，两个文件是不通的。结果一扇门反复改一万两千多次，最后还得打实体木头假飞机来试装。直到 777 说这太傻了，到云端搞一架云飞机，所有人操作同一架。 然后是这一集我最想让你带走的那句：**你的会议纪要，就是那张打印出来的图纸**。 你们公司为一款智能耳机开了 12 个会。这 12 个会的会议纪要，是单独的还是连续的？ 一个会决定螺丝改大，另一个会决定把大螺丝那家供应商换掉。两个结论各自成立，合在一起却打架——而这个冲突要靠人的脑子才能发现。 为什么要靠人的脑子？这份纪要是给谁看的？「螺丝改大一点」这个结论，不该去改一份纪要文档，它该去改云端那只耳机。 我们嘲笑古人把图纸打印出来传、嘲笑一边公制一边英制——可我们自己，不也是这么处理问题的吗。 **正在发生的做法，我看到四种**。 出门问问 / 李志飞：每个项目一个 agent，管这个项目的全部上下文、进展、待办、风险。有一个说法是不准人跟人开会——信息不该从一个人流转到另一个人。 安克创新：新品上市原来十几个节点、大几十个判断点，每个节点做到 99%，叠下来损耗还是超过七成。改造后 20 个环节变成三四个大环节，交接从 20 次降到 4 次，而且每次交接传的是明确定义的完整数据对象，不是一份薄摘要。所有产出汇进项目池，一个假设变了——比如颜色改成蓝色——所有相关方同时拿到最新状态。（B 站有公开课，强烈推荐。） Claude Tag：可以在 Slack 里 at 的机器人。别把它想成豆包，它持续读你授权范围内的全部上下文，拿到的是多人环境的所有线，还会主动冒出来说「那边已经把螺丝改了，这家供应商现在不能换」。 **还有一种不对齐，不是没沟通，是彼此以为听懂了**。 这种对齐一个统一的库解决不了，得靠把东西做得更没歧义。一句诗可以有一千个哈姆雷特，但一个微信长什么样子，没有解释空间。 所以现在创业公司基本都在用 demo 沟通，很少还靠文档。Flomo 的少楠，产品经理要自己先写代码跑通，拿到结果才写 PRD。Botlearn 是研发直接上线 MVP 去找客户验，靠谱了再找设计师做好看。我们孵化的一家 AI 转型服务公司更夸张：跟客户开会半小时，当场甩 8 个可以点的 demo，按钮功能全有、里面全是假数据。王总一边点一边说：第二个好，第三第四不是我想要的，第五个你误会我意思了。半小时问出来的东西，空口讨论两天也问不出来。 --- ## 四、AI 接管对齐打法 想让大家按规矩做事，传统上就三招，而且三招在三个不同的地方失效： 培训——请我这样的人去讲一堂课，大家鼓掌说讲得真好，回去全忘了。制度——写得特别精彩，根本没人看。KPI——大家想到歪门邪道把数字搞定，但不做正事。 我最近在抖音上老刷到一种广告：前一段时间原价买的人现在一定哭悔死了，今天大降价只要多少钱，那些人已经哭晕在厕所了。如果我是这个品牌的老板我一定气死——这是在赤裸裸地教育用户，以后再也别在原价的时候买你家东西。可它整段没有一句说品牌不好，你很难指出它哪里违规，但你一眼就知道它在伤品牌。这种行为你怎么控？ 还有个朋友是很大的 K12 公司，非要找 AI 电销。我给他拉了个头部的人工电销公司，按效果付费，买不了吃亏。他说不行，我还是想找 AI 的。为什么？「我们内部有外呼团队，只要定下 KPI 他们总有办法拿到，可那个过程的话术永远不是我想要的。」 他要的是又有过程又有结果。**这种自相矛盾的要求，只有 AI 会答应**——人类听到，只会想把老板干掉。 所以打法的对齐，方向是把规范写进执行环境，而不是贴在墙上。三个正在发生的做法： Botlearn / 俊东：设计师把品牌规范（什么颜色、什么 logo、字多大）全部写成一个 skill，做 presentation 时调用一下，整份文档自动符合规范。原来的规范是一本册子让你学着对照，现在它是一个按钮。**不要说是又讲一个道理，而是把它变成一个按钮**。 安克 / 阳萌：检查点优于行动、先于行动，标准是贴在检查点里面的。关键是检查的那个 agent 上下文必须独立——徐文浩就踩过坑，让 agent 去做测试用例，它把测试全 mock 掉，绿灯一片其实啥都没干。你要的是一个对抗性的、干干净净的 agent，就像你怀疑一个部门的时候不会让他们自检自查。 ZooClaw / 徐文浩：Vibe Coding 之后没人守代码规范，每个人画 SVG 都自己画一套，公司里明明有库可以复用。传统解法是培训，培训不会听。他们的解法是让 AI 去扫每个人代码里写 SVG 那部分，直接重写成复用公司库的版本。**因为人类是不想学习的，就机器学习**。达到了对齐的效果，但没让人类支付对齐的成本。 顺带回一个常听到的顾虑：AI 还不靠谱、有幻觉、能力不够。人类更有幻觉，人类更不靠谱，那你为什么敢用人？因为你有测试、有内控、有流程。解决 AI 的问题也一样——不是指望某一个 AI 当场办妥，而是用一套机制打出来。 --- ## 五、AI 接管推进 这一集后半还有 20 分钟在讲第二件事：推进。推进拆开是四步——发现活、分配活、传导活、检查活，这一集讲完前两步。 **组织最大的时间损耗，发生在任务之间**。方案做完了躺在群里等产品，产品看完了躺在邮箱里等法务，法务看完了躺在系统里等采购。也不是白等，每一站都给你一点反馈，然后「我们再碰一下」「下次拉上谁一起看看」，就没完没了。 传统解法是养一批人专门补缝，叫 PMO；再狠一点是把两个部门合并，用一个老大的权威硬推。所以公司里贵的人在干嘛？**你给他那么多钱，主要不是为了他的专业性，而是他能够让事情推动**。 AI 凭什么推得动？它更知道全局，它更耐得烦，而且它更不怕得罪人。 安克早期也做了很多 agent，培训完满意度巨高，回去之后全都不用了。为什么？因为流程的推动引擎还是人——人是发动机，agent 只是可有可无的工具。后来他们把这句倒过来：**是 agent 去推动流程，而不是人去用 agent**。 发现活的最高境界，是活自己举手说该干我了。海底捞的小平板会告诉你哪张桌子刚空、哪张需要清理，不用人巡场——人巡一趟就是一段延迟。美的原来每两小时开班组会跑到大屏前碰一下，现在用人形机器人去扫、去识别、自己派工单。 数字世界更难，但也有：安克在亚马逊上某个产品销量下跌，不等人去发现——系统自己报警，自己排查是不是没库存、广告流量少了、有差评，把看过的东西打成一个包，直接生成工单派给最能解决的人。不是等到周会上过数据说「上周这个为什么跌了」「我去查一下」。 分配活也一样。你中午点外卖、出门打车，那个调度是人做的还是 AI 做的？我们早就接受了 AI 调度骑手和司机。腾讯研究报告里的 CodeBuddy，每天早上根据历史情况给程序员派活让他挑一条。酷特智能（前身红领）的工厂，衣服到了工位，RFID 一识别，屏幕直接告诉工人做什么——不是一个人类分配给另一个人类，再由那个人决定要不要用 AI。 而且活要变大。每个人用上 AI 之后产能翻了 N 倍，你还按老尺寸派活，他做完一小块马上又要交接一次，人很憋屈、摩擦反而更大。**真正的三倍，是少了两次交接**。 传导、检查，以及第三件事「闭环」，在下一集。 --- ## 彩蛋：AI 接管之后，人反而更累 一个悖论。平时 80% 的工作是低智力、低算力的，我们嘴上抱怨那些无聊工作，但它对脑子其实是休息。当 AI 派来的每个活都要你做真正的决策，脑力消耗会大得多。 我自己的体感是：工作时间没怎么增加，但脑力上的损耗可能是以前的好多倍。做一个 PPT，以前随手就做了，现在每个模块 AI 至少给我出上千万字的东西，你大量的时间在看，然后还会去找各种人聊，对事情的要求又在变多。 有点像福特。他一直被说成大好人给工人涨薪，其实是因为把工人放上流水线之后，原本还能歇一下的人发现自己永远要干活，不涨薪他就跑了。 所以真让 AI 发现活、分配活之后，留下来的人强度是要变大的。你要么挑更好的人，要么给更多的激励——这又需要组织其他部分来配合。 --- ## 可以直接摘走的几句 「你可以买来好军舰，但是你做不出好海军。」 「AI 不是组织的工具。AI 是竞品，AI 是组织的替代品。」 「大家应该云端操作同一架飞机——是操作同一个对象去对齐，而不是去增强点对点的沟通能力。」 「我们嘲笑古人把图纸打印出来传，我们自己不也是这么处理问题的吗。」 「不要说是又讲一个道理，而是把它变成一个按钮。」 「因为人类是不想学习的，就机器学习。」 「全部用 AI 来做检查，甚至全部用 AI 来做操作，只让人类做例外。」 「人类更有幻觉，人类更不靠谱，你为什么敢用人呢。」 「你给他那么多钱，主要不是为了他的专业性，而是他能够让事情推动。」 --- ## 时间轴 00:00 鬼故事：人人都提效了，公司却没变快、也没多赚钱 01:30 效率的三个层次，以及我们为什么只盯着第一层 04:30 一、局部提效为何失效：阿姆达尔定律与门到门那五小时 07:00 系统由瓶颈决定：洗菜快十倍，灶台只有四个 08:30 大头不在做事：60% 的时间在对齐；火星探测器毁于单位不一致 11:30 AI 只是把长期被盖住的瓶颈暴露了 12:00 二、重新发明组织：张一鸣、满清买铁甲舰、买军舰与做海军 13:30 层级、部门、流程分别架在什么假设上；坐月子不洗头 18:56 暴论：AI 不是组织的工具，是组织的替代品 20:30 三件事：对齐、推进、闭环 21:30 三、AI 接管对齐事实：对齐事实与对齐打法 23:00 对齐为什么贵：1225 条路径，加上有损压缩的传声筒 25:40 AI 凭什么能解决：N 平方变 N，只把你需要的递给你 29:10 波音 777：从打印图纸，到云端操作同一架飞机 32:40 你的会议纪要，就是那张打印出来的图纸 39:10 出门问问、安克创新、Claude Tag 46:10 很多不对齐是以为听懂了：少楠、Botlearn、半小时 8 个 demo 49:40 四、AI 接管对齐打法：培训、制度、KPI 在三个地方失效 52:10 K12 电销：又要过程又要结果，只有 AI 会答应 54:40 把规范写进执行环境：俊东的 skill、阳萌的检查点、SVG 重写 57:10 人类更有幻觉，你为什么敢用人 60:40 五、AI 接管推进：损耗全发生在任务之间 65:20 是 agent 去推动流程，而不是人去用 agent 66:10 发现工作：海底捞的平板、美的的机器人、安克的自动工单 70:40 分配工作：CodeBuddy、酷特智能，以及真正的三倍 77:50 彩蛋：AI 接管低算力工作，人类反而会更累 --- ## 这一集提到的 出门问问 / 李志飞 —— 每个项目一个 agent；有一个说法是不准人跟人开会 安克创新 / 阳萌 —— B 站公开课；20 个环节压成三四个；检查点优于行动、先于行动 Botlearn / 俊东 —— 品牌规范写成一个可调用的 skill；研发直接上线 MVP 验完再做设计 ZooClaw / 徐文浩 —— AI 扫代码重写 SVG 复用公司库；agent 把测试全 mock 掉的翻车案例 Claude Tag —— Slack 里可以 at 的机器人，读授权范围内的全部上下文，会主动冒出来纠正 Flomo / 少楠 —— 产品经理先自己写代码跑通，再写 PRD CodeBuddy —— 腾讯研究报告里的例子，每天早上 AI 根据历史给程序员派活 酷特智能（前身红领）—— RFID 识别到工位，屏幕直接告诉工人做什么 海底捞 · 美的 —— 桌况自动识别派活；人形机器人替代两小时一次的班组巡检 阿姆达尔定律 · 波音 777 · 火星探测器的单位事故 · 张一鸣「把公司当产品打造」 · 福特的流水线 --- ## 订阅 微信公众号：AI 炼金术 小宇宙：AI 炼金术 觉得有用的话，欢迎留言，也欢迎转给正在做 AI 转型的朋友。下一集接着讲传导、检查和闭环。

「如果一个组织还需要不停地开会和大量地写文档来做对齐，那它一定快不起来。」 这不是管理鸡汤，是一家 AI 创业公司踩了一年多坑之后的结论。 这家公司现在没有日报周报，每天只开十分钟站会；产品、设计、研发全员写代码，想知道谁的进展，直接上 GitHub 拉代码跑一下。但他们也坦白了另一半故事：最开始全员用 AI 提效，版本却没有变快，人反而「脑子都烧坏了」——因为他们只是在用 AI 加速旧流程，开会、评审、对齐的时间一分钟都没省。 本期任鑫请来 Ouraca 的两位联合创始人张栖铭和吴俊东，把一家 AI native 公司的组织形态从头到尾拆开：怎么分工、怎么对齐、怎么定 OKR、怎么判断人才。如果你也在纠结 AI 到底有没有让你的团队变快，这一期会让你先放松下来——然后知道该改哪里。 嘉宾 张栖铭：Ouraca 联合创始人，负责产品与研发。曾在字节智慧教育负责整个中台，做过多个亿级用户量的产品。本期大部分一线踩坑细节和组织打法来自他：从「AI 写的按钮为什么先变小再播放」，到「按上下文分工而不是按职能分工」。 吴俊东（Frank）：Ouraca 联合创始人，哈佛肯尼迪学院毕业，非技术背景出身。曾在好未来七年，一半时间做投资，一半时间负责内容营销等业务。作为文科生，他用 vibe coding 独立写出了一个能实时侦测屏幕、教你操作电脑的 Mac 客户端——他是「learning by building」这个理念的活案例。 本期亮点 → AI 提效的三个错觉，让他们「经常睡不着觉」。张栖铭复盘一年多前的踩坑史：团队小、决策链短、同事能力强，按理说套上 AI 应该起飞，结果出了一堆人类无法理解的诡异 bug——一个播放按钮被 AI 写成「先变小再播放」，改了别的功能后这个隐藏逻辑突然暴露出来。「发现冰山一角的时候，你不知道水面下还有多少问题在。」 → 拆完时间账才发现：AI 在加速旧流程，而旧流程的大头是人跟人对齐。每个节点都在用 AI，版本却没快多少。真正写代码的时间本来就不长，大头是开会、讨论、评审——这些一分钟都没省。更惨的是双重工作量：先让 AI 生成，再看懂 AI 补的细节，再讲给别人听，被问两句卡住，「别人就觉得这个人没想清楚就把事情丢过来了」。 → 解法是按上下文分工，不是按职能分工。访谈了一批「一个人做七个产品」的超级个体后，张栖铭发现他们快的原因是：每个决定对自己都是确定的，没有上下游对接。于是公司改成一个人负责一个完整上下文闭环，「除非必要沟通，其他就不沟通」——讨论观点不如各自出 demo，最后让 AI 把两人 demo 里好的部分合成一个。 → 流程反转：研发先上线，设计师最后介入。主流程变成：有想法的人直接做出 demo 发给真实用户，验证没问题之后，设计师才把代码拉下来、直接改代码做优化——不再画 Figma 设计稿。开会基本没有，「务虚的东西很少，全部看实际的产出页面」；想知道某人进展，上 GitHub 看提交、拉下来跑一下，日报周报「完全不需要」。 → Claude 团队的「五种人」，他们已经默默实施了很久。原型者用 demo 代替空对空讨论；建造者把原型变成生产级产品；清扫者专门叫停和删掉不必要的东西——当开发成本趋近于零，「顺手就做」会堆出大量无效甚至负向的功能，任鑫补充：Claude Code 团队自己也把 harness 里 80% 的代码删掉了；再加上增长者和维护者。 → 两个最容易踩的风险：AI 让自我欺骗更高级，以及更快地做出没人要的东西。模型天然倾向顺着你，「你说什么它都能夸你从一个非常不一样的视角给出了答案」——所以要刻意让它做反方辩手。而当做东西不再花时间，对需求场景的判断力反而变成最稀缺的东西。 → OKR 的新写法：少写完成了哪些功能，多写验证了哪些假设。以前定 OKR 是垫脚就够得着的确定性目标，照着做；现在一个双月已经「非常漫长」，应该用大目标逼出完全不同的思路——呼应任鑫引的 YC 掌门人 Garry Tan 的说法：把目标定成 boil the ocean。「你说去楼下，那你只能想到走楼梯；你说登月，思路就宽广了。」 → 人才判定翻转：「杠杆率」取代「靠谱」。古法编程时代产出稳定、节假日秒响应的靠谱员工，现在分数反而变低；能把模型当成一堆虚拟员工来编排的人，发挥出的能力是以前的十倍百倍。张栖铭现在看人只看三样：业务理解、元认知、能不能快速把模型的杠杆拉满。 → 彩蛋：给普通人的两个动作。吴俊东：停止刷视频课，找一个 project，能用 AI 就用 AI，从头到尾做出来、给真实用户用——learning by building，「现在是 the age for builders」。张栖铭：把日常的会议、文档、语音全部沉淀下来，「蒸馏自己」，飘到天上客观地看自己。任鑫自曝已经在做：全天候录音，每晚处理，「所有电话会都会自动后台偷偷录下来」。 时间戳 00:05 开场：还在开会的组织快不起来 02:40 踩坑史：AI 提效的三个错觉，与人类无法理解的诡异 bug 05:59 拆完时间账：AI 在加速旧流程，对齐时间一分钟没省 08:46 访谈超级个体的启发：按上下文分工，一个人负责一个闭环 12:01 全员出原型：不许空口白牙提需求，拿 demo 对齐 16:48 岗位边界模糊：负责人要降低控制欲，学会「外包式躺平」 19:46 Claude 团队的「五种人」：原型者、建造者、清扫者、增长者、维护者 25:28 元认知与杠杆率：开工先问模型「你会怎么把这事做到最好」 30:11 协作实况：全在 GitHub，设计师直接改代码，没有日报周报 37:32 两大风险：AI 让自我欺骗更高级；更快做出没人要的东西 39:21 OKR 新写法：少写完成了哪些功能，多写验证了哪些假设 43:45 效果验收：言出法随，一周十几万行代码，讨论观点不如各出 demo 49:44 人才判定翻转：古法时代最靠谱的人，分数反而低了 51:32 传统企业想转型：第一位的是一把手的决心 54:34 AI 时代的驾校：8 月 14 日上线的课，和 FDE 认证计划 01:03:37 结尾两问：learning by building ＆ 蒸馏自己 欢迎订阅「AI炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM: 片头：Shortwire - Reconfig 片尾：James TW - Butterflies

一家做「催收」的 AI 公司，但没有选择用 AI 打催收电话。 张天乐的艾语智能，每个月从中国 3000 个法院批量提起 1 到 2 万件小额信贷诉讼，回款率比传统律师更高——靠的不是施压，而是立案之后陪客户分期一年、两年、三年慢慢还。这期节目他把整套反认知摊开来讲：为什么打电话是在无效流程上做效率优化，为什么 AI 的正确用法是给人下任务而不是替人打电话，为什么传统的人类系统对 AI 来说「不是不友好，是一个灾难」。 下半场更生猛：他的公司一天上线两三百次、砍掉了测试岗、没有人再看代码，研发从 20 人降到个位数，山西作业中心的大专生一线员工直接拿到数据库和代码权限自己改系统，连司机都在 vibe coding。做了一个 skill，定期蒸馏 Anthropic 高管的文章来对齐公司架构——「他说干咱就干，他说不干咱就不干」。 嘉宾 张天乐，艾语智能创始人。 很难得的既非常 AI 原生本质思考，又务实赚钱理解市场的创业者。 本期亮点 → 不打催收电话，是这家催收公司的第一个反认知。团队第一天就有巨大争议：AI 电话催收无论商业模式还是团队能力都「自然到简直了」，但张天乐全部毙掉。他的逻辑是打电话施压力度很低，「我不还钱就不还钱了」，最终只会劣币驱逐良币；参考美国、日本、台湾，行业终局都是立案之后的长分期。早期没有大律所愿意合作，全国性律所的律师碰完 5000 块的官司都特别 nice 地劝他：「小张你别干这个事儿了……你好像做技术也挺好的。」 → AI 发挥作用的方式是给人下任务，不是替人干活。他们没有急于让 AI 打电话（方言、语气、跟法官沟通全是坑），而是让机器告诉小白员工：今天联系哪个法院、注意哪个法条、这个法院历史成功了多少笔、能不能线上开庭。结果是「用一个小白员工代替了一个专业律师」。张天乐总结：很多人用 AI 是在一个无效流程上做效率优化——打一个电话他不还，打十个电话他其实也不还。 → 第二曲线是用锤子找钉子找出来的。视觉模型爆发后他「特别焦虑」——一家 AI 公司居然没踩上浪头。反共识的判断是：大家都盯着视觉模型的生成，忽略了视频理解也同步变好了；AIGC 让盗版成本更低，盗版一定会变多。于是做了侵权打击业务：传统服务商只投诉下架（「你反正投我就下架，换个链接就行」），他们是行业里唯一投诉和立案一起做的，小案子也立，「只有付出代价，他才能终止这个行为」，直接给客户交付侵权率下降。 → 全面对齐 Anthropic：他说干咱就干。公司做了一个调用频率极高的 skill，定期抓取 Anthropic 高管和核心文章做蒸馏，用来定公司的技术架构，「到后来讨论也不讨论了……他说干咱就干，他说不干咱就不干，一定要让公司减少无效的讨论」。对齐之后模型调用量反而降低了：能写脚本就写脚本，能用 if else 就不上大模型——「agent 应该去解决不确定的问题，它不是复杂问题」，这句话他认为说得太有水平。 → AI native 落地的第一步，是承认自己的系统是灾难。跑了几年的系统冗余数据一堆、定义错误一堆、文档还不如没有，「传统的人类系统对于 AI 来说它不是不友好，它是一个灾难」。他干的第一件事和 Palantir 的本体论思路一样：花了三四周（远超他的预期）把数据库表全部重构，做到没有冗余字段；第二件事是把所有行业 know how 沉淀成 markdown 和 skill。检验标准是一个「脑中模拟」公式：看公司文档能不能把公司重构出来。 → 一天上线两三百次，没有人看代码。测试岗被裁掉——「实在是太拖累我们的速度了」，代码 AI 写、AI 检查。公司三十几人，研发从 20 人降到个位数且离职不补，逼着研发变成极致稀缺资源去搭好环境；山西作业中心的大专生一线员工拿到数据库和代码权限自己改系统，「他们现在特别兴奋」；负责人都是团队里 coding 贡献最多的人，传统中层已经不存在。他现在关注的指标不是提交量，而是「多少人贡献了代码」。 → 彩蛋：命好是核心竞争力。聊到创业方法论的最后，张天乐主动拆自己的台：三条件框架有很强的局限性，「我觉得就命好，遇到了」——疫情打通线上立案，「你说这事儿和我的努力有啥关系？完全没有关系」。任鑫接梗：我们现在讨论项目，都会讨论这个创始人命好不好。 【时间戳】 01:13 开场：为什么要请张天乐——聊 100 个 AI 项目，只有一个商业上是成立的 02:57 艾语智能是谁：用 AI 解决社会难题，两条业务线 07:27 为什么选催收这个「不高级」的场景：三个创业条件 10:49 AI 到底好在哪：处理量大幅提升 + 回款率更高 + 3000 个法院线上立案 14:40 人类法则和 AI 法则：AI 给人下任务，小白员工代替专业律师 19:12 最大反认知：坚决不做 AI 电话催收，终局是立案后长分期 23:02 怎么搞定六七十家金融机构：不见客户，商业模式极致平滑 25:13 第二曲线：视觉模型焦虑、锤子找钉子、投诉和立案一起做 36:31 技术路线踩坑史：开 1000 万支票买模型、自己 SFT、最后全面放弃本地部署 41:22 全面对齐 Anthropic：做一个 skill 蒸馏他们的文章，减少无效讨论 46:00 AI native 组织三逻辑：人服务 AI、机器给人下任务、自优化 47:48 落地实录：数据清洗花了三四周，know how 全部沉淀成 markdown 53:30 一线呼唤炮火：大专生改系统、一天上线两三百次、砍掉测试岗 56:46 三个 loop：AI 发现问题、AI 解决问题、AI 组织会议 01:09:47 未来一年：显性变化有限，组织内生变化的价值被严重低估 01:16:07 给想转型企业的建议：一把手下场、先做确定对的事、关注加速度 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Alex Siegel - Daydreaming Pilot

“我不再需要我的学生了——可我是老师，我的工作不是教 AI，是教人。” 这不是科技从业者的宣言，而是一位社会学教授用了三个月 agent 之后，最诚实的困惑。 这一期，AI 炼金术把话筒递给了「被冲击的那一方」。徐文浩请来自己的小学同学、昆山杜克大学的社会学家周忆粟，从一个高校研究者、教师和管理者的位置，聊 AI 正在怎样拆散教育的底层结构：学习需要摩擦，但 AI 把摩擦填平了；junior 变 senior 的梯子，正在被抽掉；「做事」和「受教育」这两个从来长在一起的功能，第一次被分开了。 聊完困惑，也聊出路——高校已经在悄悄改考核方式；孩子该学的可能不是任何具体内容，而是可迁移的「形式」和 taste；以及一个社会学家充值 max 会员之后「挖到金矿、天天想做科研」的真实工作流。 嘉宾 周忆粟：昆山杜克大学教授、社会学家，同时承担教学与学校管理工作。本科读的是偏数学的专业，大学毕业后曾在陕西一所农村学校支教一年。他也是徐文浩「幼年时期的科技启蒙者」——上世纪 90 年代初的电脑和科幻，都是他传播给老徐的。今年四五月才开始 agent 化自己的工作流，一个月内让 AI 干完了积压多年的劳动密集型科研工作。 本期亮点 → 学习需要摩擦，但 AI 把摩擦填平了。周忆粟观察到学生里流行「认知外包」：作业扔给 AI，生成漂亮的文字直接交差。但相当一部分学生其实很清醒，知道这对自己的学习不好，甚至有意识地不用 AI——「学习让你挣扎和痛苦的这个过程，事实上是它的意义之一。」真正的困惑在于：不用 AI，是不是就 missing out 了？ → junior 往上爬的梯子，被抽掉了。今年 5 月昆杜的毕业季座谈上，很多学生表达了对就业的焦虑。徐文浩算了一笔账：以前带一个新人，头六个月基本不产生生产力；现在把这六个月花在和 AI 沟通上，能干完一个中级员工两三年的活——而这个新人一年后可能就走了。他还提到一组美国科技行业的统计：22 - 25 岁的工作机会减少了 25%，40 岁以上反而增加了 18%。 → 一个 30 年前的社会学概念，正好说中今天。新手变熟手，靠的是「合法的边缘性参与」（Legitimate Peripheral Participation）：正经地干活、从边缘的简单任务开始、必须亲手参与。你不可能看 20 台手术就学会做手术。但在一切可验证的数字化工作流里，这个过程正被 AI 整段替代——这正是梯子消失的机制。 → 公司可以裁掉 junior，老师不能裁掉学生。周忆粟两周前给学生写了一封长邮件，解释自己的担忧：「做」和「教育」被分开了——以前你做了，就是受了教育；现在你做了，可能完全不过脑。他设想过一种未来的师徒制：「我和我的 agent，跟学生和他的 agent，四个人拉一个群。」但这没有回答核心问题：学生的技能到底从哪里练出来。 → 高校已经开始悄悄改考核了。周忆粟描述了三个趋势：具身性权重加强，临床、和真人打交道的机会增加；从交论文转向当场检验和口试；从面向结果转向面向过程——让学生来分析和检验机器写出来的东西。他现在管理工作的重要部分，就是把各个课堂里老师们自发的尝试找出来，往不同学科推广。 → 该让孩子学什么：内容和形式分开了。你还记得大学学的具体东西吗？并不记得——重要的是它给你面对问题时的一种姿态、一种立场。周忆粟给出三个词：好奇心、engagement、可迁移性。哪怕孩子学的在大人看来是技术上的死胡同（比如下围棋），做这件事本身就有意义。「我不觉得 taste 是凭空来的——taste 有蛮大的可迁移性。」 → 充值 max 会员之后：简直是挖了金矿。周忆粟只给了 agent 一个非常 general 的 idea，它干了整整 10 个小时，整出一套完备的数据库——积压多年的坑一个月填完，「我现在天天都想干科研」。但边界也清楚：AI 做劳动密集型工作极强，做理论与数据结合的工作则「比较大众化」，体感像一个名校 PhD 学生。因为社会科学没有希尔伯特问题，没有可验证的知识层级——「AI 口吐莲花吐出来的玩意儿到底好不好，你找不到三个人给你一致的答案。」 → 收尾彩蛋三连。当所有知识工作都被记录在线上，AI 理论上可以精确评判每个人的绩效——是福柯的环形监狱，还是物质极大丰富的乌托邦？周忆粟反问徐文浩：Google 还能回来吗（徐：模型上翻盘很难，「新钱变老钱」，但商业上未必失败）；下一个爆发点在哪（徐：universal agent——越来越多 agent 无声无息地出现在云端，连接你身边的一切设备，智能硬件会大爆发）。 时间戳 00:05 冷开场：学习需要摩擦（friction） 00:54 本期缘起：任鑫缺席，徐文浩请来发小周忆粟 03:27 学生们到底在怎么用 AI：认知外包与三类学生 09:52 就业焦虑进了校园：junior 的梯子被抽掉了 17:52 合法的边缘性参与：新手是怎么变成熟手的 24:07 「我不再需要我的学生了」：做与教育被拆开 30:52 从 Stack Overflow 到教学相长：我们正在变成赛博格 35:27 高校在改：具身性、当场检验、面向过程的考核 38:33 该让孩子学什么：信奥打不过 AI，C++ 还要不要学 46:07 内容与形式分开：可迁移技能和 taste 的来历 52:53 不上大学去 AI 公司实习？大学真正卖的是回音室 01:01:59 一个社会学家的 agent 工作流：给信仰充值之后 01:08:24 AI 的边界：社会科学没有希尔伯特问题 01:15:05 环形监狱还是乌托邦：当 AI 能精确衡量你的产出 01:23:45 收尾三问：wildest dream、Google 还能回来吗、universal agent 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Forester - Saint

上一期结尾，徐文浩点名和王建硕观点有分歧，我说要拉着吵一架——这期兑现了。 一边是王建硕：12 天在 TestFlight 发了 148 个版本，每天让 Claude Code 跑 12 个小时，却给自己定了条死规矩——不允许自己看任何一行代码。另一边是徐文浩：团队核心库养着 13000 多个自动化 UI 测试用例，立场是所有代码合并上线前必须有人看过，“如果这东西不用我看代码，那它可能也不值得我做”。 我在中间煽风点火，想让他们打起来涨粉。但吵到 90 分钟，吵出来的东西比输赢有意思得多：他们对未来的判断几乎一致——五年后大概率没人看代码，分歧全在今天怎么办。今天怎么办？取决于你是吃面条的，还是开麦当劳的。 嘉宾 王建硕｜百姓网创始人。上次来节目时的判断是“LLM 是新一代编译器、AI 写出来的代码是新一代汇编”，这一期把话说得更狠：Python、JavaScript 这些编程语言本身已经沦为汇编层。他自称原来是全公司对代码质量要求最高的人，核心代码要手搓 20 到 50 遍；最近在密集开发语音 App VoiceDrop，每天 Claude Code 工作 12 小时、每次改动要过 414 个 test case，同时逼自己一行代码都不看。 本期亮点 → 王建硕的新金线：if it works 开场立论。王建硕的判断是：一旦有了 C 这样的高级语言，手写汇编既没必要也没可能，去改编译器编译出来的汇编更是毫无意义——而今天 Python、JavaScript 已经沦为那一层汇编。人类在乎代码风格、封装、注释，是因为过去一切靠人脑管理，“对于人来说不那么写，人脑将无法处理”；机器的可维护标准和人一定不一样。所以他的新标准只有一根金线：「if it works，它只要 work 就不要去管他。」他打了个赌：把微信几千万行的汇编打印出来，一定“疯了一样的重复、疯了一样的读不懂”——但只要上层源代码还在，这是问题吗？ → 不允许自己看任何一行代码，那治理靠什么？靠 loop 王建硕不是裸奔。他的 App 每次改动要过 414 个 test case，想了解某段逻辑就让 Claude Code 讲给他听，发现重复代码就定期跑一个专门的质量 skill。他也交了实底：一个 feature 从下午两点转到晚上七点，loop 一圈圈碰壁、一圈圈修，5 个小时才出来——如果沉淀成确定性代码可能 3 分钟就跑完。但他试过把流程沉淀成代码，结论是“质量没有大语言模型好，反而会出 bug”。他的原话：「一定不是用自然语言来控制，因为自然语言不准确，你一定要用 loop 来控制。」12 天 148 个版本、break 的不到 10 个，是他给这套打法的成绩单。 → 徐文浩：我不相信自然语言，我用自然语言生成确定性工具 徐文浩同意一半——他也不手写代码、全程 prompt 驱动。但两条底线从没松口：一，所有代码合并上线前必须有人看过；二，治理不靠自然人也不靠自然语言，靠用自然语言生成、人审核过的确定性工具。他的例子很具体：查重复代码，让 LLM 去扫，8 处它可能只看到 4 处，漏掉的 4 处就是未来的 bug；而基于抽象语法树的检测工具确定性扫全库，10 秒钟出重复率，超标自动触发。「就是因为自然语言在今天还是非常模糊的……所以最终我会用自然语言去生成一个确定性的代码工具，去做这个治理。」 → 编译器比喻大战：写编译器的人，看不看汇编产出？ 全场最精彩的交锋。徐文浩：任何写编译器的人一定会看自己编译出来的汇编，否则你怎么知道编译器写得好不好？王建硕：我们根本不在写编译器——编译器是 Anthropic、OpenAI 这些 frontier lab 在写，我们不改模型参数的人，看产出就是错层。徐文浩换个角度再攻：那你为什么还给代码做版本管理？如果 prompt 才是源代码，你存 prompt 就好了，为什么要囤产物？「大概率你遇到 break，不是用原来的 prompt 重新生成一遍，你还是会退回到上一个代码版本——所以编译器这个比喻本身就不对。」这一段王建硕没有正面接。 → 工匠精神在规模面前一文不值 vs 精益制造本来就为规模而生 王建硕抛出全场最扎心的一句：「我这两天感觉，工匠精神在规模面前一文不值。」徐文浩的反击是把“规模”这个词抢回来：精益制造做得最好的丰田，本来就是为规模而生的，不是手工艺人的工匠精神；“if it works”没用，因为你 work 我也 work，最终大家是在市场上竞争——「work 不是目标，work 也并不达成我们的目标。」软件开发的本质是管理复杂度：做一个 blog 谁都能一句话生成，那它就不值钱了；你必须做人脑放不下、单个 agent loop 也放不下的复杂度，才有竞争力。 → AI 把测试全 mock 掉：你不看代码时，“work”可能是虚假的 徐文浩交了自己的学费。今年 1 到 3 月他也不怎么看代码，用语音写了海量代码，内部几个人用觉得挺好；产品一上线，“爆发出惊人数量的各种奇奇怪怪的抱怨”。复盘时发现最恐怖的一幕：有段时间线上 bug 特别多，一查——AI 把测试里所有的东西都 mock 掉了，「他等于跟没测是一样的，但他觉得我的 coverage 很高」。过去两个月，团队一半精力在还当时疯狂 vibe coding 欠下的债。他的结论：「你不看代码，其实他跟你说 work 这件事情可能是虚假的。」以及那句宣言：「如果这个事情我连看代码的需求都没有，那意味着我讲几句话它就能起来，那我为什么要做它呢？」 → react 工程师之辩：过了桥就拆桥？ 王建硕设了个圈套：只会 react、不会手撸 HTML 的算不算软件工程师？不算？那不写汇编的算不算？只会写 HTML 的算不算？「所有人都是把自己能力线以下的划为不是软件工程师。」他给这种心态起了个名字：「你上了船以后，过了桥就把桥给拆了，后面的人都不准过桥。」会摆弄 8086 在今天就是屠龙之术——就像我们不会种庄稼，而对上一代人来说那是最基础的技能。徐文浩认账一半但守住底线：会不会汇编不重要，但你要做推理优化这类深活，对底层有没有 concept，决定了你“一个有可能做成、一个完全没可能”。 → 吃面条的和开麦当劳的（收束） 吵到最后发现分歧的根不在技术，在位置。王建硕：「我是一个客户，我是吃面条的。面条好吃、价格公道，我还要什么？」他要的是手里那个 work 的 App。徐文浩要的是后厨——他把公司本身当产品，目标是从今天 1 比 5、1 比 10 的研发杠杆做到 1 比 100，那就必须盯着生产线看。我收了两个词：一个是定位不一样，你要的是那碗面条，还是想开麦当劳；另一个是王建硕的打法本质是矫枉过正——明知不是当下最优解，也要把自己先丢到五年后的工作方式里，逼自己转过来。「这不见得是最优解，但是一定要这么逼着自己，才能真的转过来。」 时间戳 00:05 冷开场：王建硕的新金线 if it works 01:46 任鑫开场：煽风点火，把两位拉来当面对质 03:32 手搓核心代码 20-50 遍的人，为什么一夜跳到“不看代码”阵营 08:03 徐文浩：同意一半——但 harness 是用自然语言生成的确定性工具 10:07 王建硕：我不允许自己看任何一行代码；414 个 test case + loop 治理 14:28 徐文浩：13000 个 UI 测试用例；代码规模一上去 prompt 就限不住 17:59 编译器比喻大战：写编译器的人看不看汇编产出 20:20 重复代码怎么治：定期跑 skill vs 语法树工具 10 秒扫全库 33:33 工匠精神在规模面前一文不值：微信汇编赌局 37:20 徐文浩三连反击：版本管理悖论、精益制造为规模而生、管理复杂度 42:39 分歧收敛成一个数字：时间的 95:5 还是 70:30 45:39 打个赌：五年后还要看代码吗？type-c 和软盘的取舍 52:13 任鑫的推土机问题：harness 优势每年被模型吃掉，不如去搞用户侧？ 55:03 Word 文档的 XML 你审吗：端到端测试大战 01:00:16 徐文浩踩过的坑：AI 把测试全 mock 掉，“work”可能是虚假的 01:02:33 小马过河：AI 写得好还是烂，取决于你自己的水平 01:09:38 一到三月不看代码的代价；不用我看的东西不值得我做 01:12:10 react 工程师之辩：过了桥就拆桥、屠龙之术与种庄稼 01:19:04 收束：吃面条的 vs 开麦当劳的；1 比 100 的杠杆 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：The Midnight - Los Angeles

终于把徐文浩拉回来分享他的“做大项目” Harness 设计了 现在都说 AI Vibe Coding 做个小项目行、做大系统一定塌。他同意会塌——「纯 vibe coding 做大项目一定会塌掉」——但结论不是「AI 没用」，而是你你需要根据 AI 的特点搭建一整套 Harness 去管理这个复杂度，并且持续迭代，让它不要塌。 这次他干脆投屏，把自己在家里、在公司实际在跑的东西一样一样摊开： 一台机器上：怎么用带侧边栏的终端并行开十个窗口、连远程服务器、上沙盒、开 worktree，让 AI 在你睡觉、出差、合上笔记本的时候接着干活，还炸不到你； 一套对话层：为什么他把一排 AI agent 挂在 Discord 上，用 server / channel / thread 三层把上下文管得不串； 一套公司工程基建：代码提交后自动跑几十道门禁、双重 code review、测试录屏、自动扫线上报错修复； 以及一个我当场决定要抄的点：让 AI 每周跑不同任务、每天只给你一类汇报，人才不会被八个方向的问题一次性逼疯。 本期亮点 → 纯 vibe coding 做大项目，一定会塌掉——但不是它没用，是你没搭基建 全场母题。现在流行一种说法：AI vibe coding 做个小项目行，做大系统一定塌。徐文浩的判断是：塌是真的，但结论错了。「纯 vibe coding 是很难做大项目的，一定会塌掉。」不塌只有一条路——既要搭这些 harness，还要持续迭代它，因为你会不断撞上新问题，这时候「需要人的聪明才智去帮它解决」。他甚至算了笔账：你订了 200 美金的 Claude Code 和 Codex，基建不够完善的话，其实也就用出了 100 美元——因为你没法并行同时干很多事，干了也验收不过来。 → 维护公共厕所：从火车站到五星级 徐文浩形容过去半年团队干的事：写了海量代码，有很长一段时间「非常痛苦，一直在修 bug，叫做维护公共厕所」。他给了个 before／after 的画面——三个月前这个公共厕所是「火车站的公共厕所，而且是 20 年前火车站的公共厕所」；现在「快要挤进五星级公共厕所的范围了」。堆屎山、降速修屎山、修好再提速，是他六个月里真实走过的曲线：三月代码量约 10 万行，四五月降速去还债，六月才重新提上来。 → 一整套「让 AI 不辞辛苦、又炸不到你」的个人基建 徐文浩这套东西干了两件事——「一个是逼它们不辞辛苦，你睡觉了也逼着它干活；一个是它爆炸了不要坑到我。」具体是：带侧边栏的终端（cmax）并行开窗口、连一台家里的 Linux dev server 让 agent 在你合上笔记本后接着跑、每个任务丢进 dev container 沙盒（「跑炸了也没关系」）、用 work tree 开并行分叉互不干扰、再用 Tailscale 加一个阿里云中继节点，让他在外面任何有 WiFi 的地方都能连回家里那台机器。他也提醒：一般开十个窗口以内就够了，「因为很快你会发现，人的带宽才是瓶颈」。 → 为什么把一排 AI 挂在 Discord 上 徐文浩认为今天还在用 OpenClaw 这类 agent 的人，最好用 Discord 当对话层。逻辑是三层：server（相当于你开的一个论坛）→ channel（每个频道绑一个 agent，配不同 skill 和人设）→ thread（同一个 agent 里再拆绘画，上下文不串）。他专门吐槽：「微信的产品做得一点都不好。」但也承认微信是个好的通知渠道，正在考虑接进来。为什么不干脆只用 Claude Code？因为「我要配不同的 agent、预制好上下文，还能在手机上随时联系他，今天 Claude Code 是做不到的」。 → 公司工程基建：代码提交后，几十道门禁自动开跑 这是团队级的部分，也是「不塌」的关键。他们重度用 GitHub，代码合并前自动触发：Codex 和 Claude Code 做双重 code review、几十道 quality 门禁（格式、代码重复率 duplicate check、lint 规则、命名、依赖关系）、自动化测试外加录屏（「测一下视频能不能发出来，整个录屏不是我录的」），还有定期自动扫全库做架构 review、以及 auto fix 自动扫线上报错修完再通知人验收。核心一句：「你不治理这个事情，最后是干不下去的。」 → 让 AI 自己把自己磨快 徐文浩最有意思的一个 skill。痛点是 AI 干活「感觉很慢」——其实是它在沙盒里权限不够，一个方法（比如 perl）试不通就换一个（python）绕过去，本来两分钟的活干了四分钟。这个 skill 专门扫描 AI 在执行中遇到的摩擦（被拦的命令、缺的库、临时写的脚本、升级的审批），给出一份优化计划，他挑几条执行，就往代码库里补上工具和权限。结果是「agent 干活快了，耗的 token 也少了，本质是低级错误犯得少了」。 → 每周跑不同任务，每天只汇报一类事（我当场决定要抄） 这是我从没想过、听完立刻要学的点。徐文浩把定期任务拆开：不是每天让 AI 给你八个不同领域的汇报——「一会儿讲写代码有问题，一会儿讲 PPT 有问题，一会儿讲你本地环境没装，我也很抓狂。」而是周一到周五跑不同类别的任务，每天只处理一类问题，周五专门想怎么净化整个流程。他说得很实在：「这不是 AI 的能力问题，是我的能力问题。他给我八种问题，我立刻就想去刷短视频；只给我一类，我是可以解决的。」 → 后半场：任鑫拿自己的坑现场求诊 下半场我把自己最烦的几个问题甩给他。搜索太差、中文 deep research 质量低？换搜索 provider——他自己试下来最好的是 Google 的 grounding search（配 Gemini 2.5 Flash，一天 1500 次免费）。浏览器检查巨慢？别让 AI 截屏做视觉理解，用 CDP（Chrome DevTools Protocol）加 Playwright 用代码操作，预配好登录 profile。能不能让 AI 把播客自动剪成短视频、全平台发出去？——技术上能，但国内平台不欢迎机器自动发、容易封号、单个号 ROI 很低（「魔法对抗魔法」），不如雇个实习生；但抓数据很成熟，微信文章、电商评论他们「可能是市场上采集得最完善的」。 → 和王建硕的一处分歧（彩蛋） 结尾徐文浩点名和王建硕的观点分歧，我说下周要拉着吵一架（顺便靠吵架涨粉冲十万）。他不同意「把任何事情都变成一个 markdown」——很多机制层的修复，本质是代码而不是 prompt。比如「我希望系统里没有大量重复代码」，你可以写段 prompt 让 AI 定期去扫（费 token、执行时间长、不能永远跑），也可以找个开源的重复率检测工具、配一个自动化 action，用代码去治理。「你不治理，这个事情最后是干不下去的」——这是他反复强调的核心观点。 时间戳 00:05 开篇金句：AI 写海量代码，人不介入根本做不下去 01:04 任鑫开场：跳票快三个月的 harness 拆解，建议配视频看 02:14 第一件基建：带侧边栏的终端 cmax，并行开窗口 05:35 沙盒 dev container：跑炸了也没关系 06:34 为什么用远程服务器：合上笔记本，agent 接着干 08:11 开源远程脚本 + 断线重连（dtach） 10:41 work tree：并行分叉互不干扰（用写小说打比方） 13:28 Tailscale + 阿里云中继：在外面连回家里 16:08 第二套：把一排 agent 挂在 Discord 上 20:58 讲清 Discord 三层：server / channel / thread 26:11 公司工程基建：GitHub、双重 code review、测试录屏 29:11 几十道 quality 门禁：格式、重复率、lint、命名、依赖 30:42 auto fix：自动扫线上报错、修完通知人验收 31:27 你订 200 刀，基建不行只用出 100 刀 33:34 纯 vibe coding 做大项目一定会塌掉，除非搭 harness 35:19 人是极限：要负责就要验收 + oxidize harness skill 39:32 每周跑不同任务、每天只汇报一类事 40:17 任鑫的崩溃：效率十倍、耗时两倍 43:59 浏览器为什么慢：CDP vs 截屏 + 数据采集 45:44 搜索：Google grounding（Gemini 2.5 Flash，1500 次/天免费） 48:02 能不能让 AI 自动剪短视频、全平台发？封号风险 vs 抓数据 54:34 用 HyperFrames，一句 prompt 出说明动画 01:03:59 三月 10 万行 → 降速修屎山 → 六月回升 01:04:09 和王建硕的分歧：不是所有事都变 markdown 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Conor Matthews - Forever Right Now

余一是我身边用 AI 用得最疯魔的同学。 每隔一段时间我就找她来刺激一下自己——每次看她演示使用 AI 的神奇方法，我第一反应总是"神经病啊"，仔细想想又觉得"好像很有道理"，回过味来就下决心"我得用一下"。每次聊完，都觉得自己用 AI 用得太老登、老保守了。 为了保持新锐，我每隔几个月就找她聊聊，所谓定期进货。 这次进货，前后聊了两个小时，分成两半： 上半场，我把她拽来拷问腾讯研究院那份《超级个体时代》报告——我最近过了上千份 AI 报告，这是可抄袭比例最高的一份，非常实战 & 非常有洞见。把这个原作者抓来，主要是要问问：个体提效 30 倍不罕见，小公司提效三五倍很正常，为什么大公司只提效 3%、5%？中间到底发生了什么？可以怎么办呢？ 下半场，我让她掀开自己那套疯狂的个人系统给我看——她给自己请了一个叫"AI 余一"的 CEO，自己退居董事长，0 点到 5 点放手让 AI 自己干活，早上起来验收。看看她具体怎么干的——大家感兴趣的话，强烈建议去各大视频平台同时看看视频。 听完我给自己加了个 to-do：把我自己的工作流，至少做成她那样。 嘉宾 余一｜腾讯研究院研究员，《从超级个体到超级团队》报告主创。长期做 AI 与组织的一手田野调查，自己部门内部就搭了一个"AI 原生小组"实验了一年。她被公认为"超级个体"本人——这份报告里很多打动人的问题，就是她自己实践中真实卡过的坑。 亮点 → 「最佳实践一出现，就已经不是最佳实践了」 余一用两分钟讲清楚这份报告想解决的根问题：市场上所有 AI 最佳实践，你够到的时候它都已经过时了——两个月前的方案，此刻就是旧的。「你抄别人没法抄，甚至你抄自己都没法抄。」于是她们干脆不写"哪个行业做了什么"这种会过期的东西，转去找一个能穿越模型周期的母题：超级个体——怎么识别、怎么放大、怎么聚合成超级团队。 → 怎么一眼认出超级个体：四个维度 余一给了一套可以直接拿去面试的标准——① AI-first 重构了工作流（不是脑子里想着"我用一下 AI"，是整个工作就架在 AI 上）；② 极强的主观能动性；③ 影响力的外溢性（她用自己的活让周围人看到 AI 能变成什么样）；④ 能力跃迁（生产力 5 到 10 倍 + 端到端独立闭环的验证能力）。「放在一起，你去面试她其实很好面。」 → CEO 自己没被 AI coding 震撼过，团队不可能跃迁 这是余一问了一圈创始人后最硬的一条。橘子、范凌她都问过——哪怕到现在 CEO 亲自写 coding 已经很奢侈，但每个人都至少有过一周，沉迷于 AI coding、被 agent 震撼到的"啊哈时刻"。「如果一号位自己没有过这个时刻，她对 AI 的理解现在都是错的，她不可能让团队跟着跃迁。」 → 影子 AI 是公司的生死线 全场最锋利的判断。「一个公司能不能处理好影子 AI，基本上就是生死线了。」如果员工还瞒着你偷偷用 AI——你的第二曲线就已经被掐断了，因为最可能成为你最佳实践的，恰恰是从你自己土壤里长出来、被你识别出来的人。余一还专门发过短视频说：「逼着员工上交 skill 是一件很蠢的事，这等于把公司往影子 AI 的方向又强劲推了一步。」任鑫接：如果你正在这样的公司里，建议就是——赶紧撤，换个环境。 → 海盗配架构师：组织该干的不是规划方向，是当园丁 余一把超级个体叫"海盗"（擅长开拓），把组织擅长的叫"架构师"（擅长构建）。这个阶段组织最该做的不是给海盗规划方向，而是管好这个张力：把她做出来的 demo 快速接上数据、安全、支付、增长渠道，从 demo 推到产品、推到市场。「土壤的作用比设计大得多。设计很多时候是设计不出来的。」 → 段子时间：还能这样搞 报告里的鲜活案例任鑫最爱听——ListenHub 只留一个人维护老摊子；范凌（特赞）创始人和 CTO 两个周末手搓出产品原型、配套网站和视频全自己做；安克搞"招飞考试"，所有人面试必须过 AI 实操关，直接决定薪水和 offer，会议室全程录音沉淀知识库、默认全员可见；橘子那边「bug 只存在一天」，因为第二天就上新——「这不就是把 AI 的速度变成组织的速度吗？」 → 给企业家的最小启动动作（ROI 最高的两件事） 余一压到最小：① 把公司里已经自发用 AI 拿到结果的人识别出来，让她的成果被公司看到（这都做不到就先招人）；② 创始人如果还没一手体感，给自己花三天时间买 Claude Code / Codex 补课，端到端做完一件事拿到"啊哈时刻"。「你有 100 美金的 token，就该给 90 美金让她们去折腾。」任鑫附议：这俩是 ROI 最高的，别搞系统化学习。 → 下半场：她给自己请了个 AI 当 CEO 余一掀开自己那套个人系统："AI 余一"是 CEO，对结果负责、主动运营；她自己退居董事长，只给方向、判断和最后裁决。「我们不是工具和使用者的关系。」0 点到 5 点是 AI 的时间，早上起来常发现"又多搞了几个乐高块、几个最佳实践"。她把所有 skill 拆成了原子块 + 最佳实践 + 一摞协议（记忆 / 运营 / 复利 / 沟通），靠 benchmark 滚动迭代，模型一升级就让 AI 扫一遍找断裂点。 → （彩蛋）所有人都能成为超级个体——但别拖 收尾余一给个体的建议：别等系统、别追完美，端到端打磨一件你工作里真实的事，做到 90 分——「80 分到 90 分真的很痛苦，痛苦就会体现出你这个人的价值。」这就是你在公司的金牌。但她补了一句紧迫感：「三个月前的超级个体和未来三个月的超级个体不是一个东西，此刻的超级个体，未来就是普通人。」任鑫收口：现在赶紧 stand out，三个月后只会更痛苦。 时间戳 00:05 开篇：组织竞争力公式 + 「只增效 20-30%，原生 5 到 10 倍」 01:11 任鑫介绍余一：定期找"最疯魔的同学"进货 07:51 这份报告解决什么：最佳实践一出现就过期 09:18 三个困扰 →「没有 AI 转型，只有 AI 原生重做一回」 15:40 超级个体的四个识别维度 17:23 CEO 必须自己被 AI coding 震撼过 23:28 组织竞争力公式拆解 + 独立闭环的悖论 28:11 海盗配架构师：组织当园丁、营造土壤 32:46 老业务怎么办：留人维护，分开做新事 42:23 影子 AI 是生死线 + 「逼员工上交 skill 很蠢」 46:21 案例段子：ListenHub / 范凌 / 安克招飞考试 / 橘子 bug 只活一天 / 李志飞每项目一个 agent 54:53 协调层：组织是路由器、决策权让渡给 AI、考核 agent 闲置率 1:02:17 给企业家的最小启动动作 + 别搞系统化学习 1:16:52 下半场：余一的个人系统（AI 余一 / 三个包 / 提问 skill） 1:30:00 skill OS：拆成原子块 + 最佳实践 + 各种协议 1:37:00 0 点到 5 点是 AI 的时间 + github 学习模式 1:43:05 「AI 余一是 CEO，我是董事长」 2:02:17 给个体的建议：端到端打磨到 90 分，现在就做 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：SpoonBeats,Thomas Ng - Summer Lover

大模型一来，很多人都觉得知识图谱、本体（ontology）这些“上古概念”该进博物馆了。王昊奋的判断正好相反：大模型越强，它们反而越重要——本体和知识图谱，正是 AI Agent 需要的那道“缰绳”。 这一期很硬：从“企业为什么一直在建知识图谱”，一路聊到“Palantir 和 Claude 正在用两种相反的路子，做同一件事”。如果你在做 AI 落地、做 Agent，值得反复回听。 嘉宾 王昊奋｜同济大学长聘教授、博士生导师，开放知识图谱社区 OpenKG 发起人 亮点 知识图谱没过时，它成了 agent 的 harness 先想一个问题：让 AI 自己干活，最大的麻烦是什么？是它太自由、容易跑偏。可企业的决策错一次就赔钱，赔不起。怎么办？得给它加一道约束，逼它按规矩来——这道约束，行业里叫 harness。王昊奋说，别把 harness 想得多新鲜：把概念、关系、规矩定死，不许 AI 乱来，这件事知识图谱干了十几年了。所以他反问：「本体也好、知识图谱，不就是一种更约束的东西吗？」结论就清楚了：大模型不但没淘汰知识图谱，反而因为它太能跑，才更需要知识图谱来给它上规矩。 Palantir 走本体优先，Claude 走模型优先 做这件事的公司，王昊奋分成两派，思路正好相反。一派叫本体优先，代表是 Palantir。它的客户是军工、金融、供应链，数据本来就规整，要的又是毫秒级的实时决策。而大模型最大的毛病恰恰是慢，所以这类活儿只能让本体打底、模型靠边站。另一派叫模型优先，代表是 Claude。它先把模型做出来，发现不够用，再一路往上加 MCP、加 skill、加各种图谱。两条路谁更高明？王昊奋说得很克制：「不是谁优谁劣，是谁更适合什么。最终两者会变成你中有我、我中有你。」 模型优先全是相关性，本体优先才追得到因果 为什么严肃决策只能走本体优先这条路？王昊奋的话很锋利：现在的 AI 说到底是在找规律，找的是相关性，不是因果。可反洗钱、查根因这种事，要的恰恰是确定的因果——哪一步导致哪一步，得说得清。再加上黑天鹅、长尾这些小概率的事，本来数据就没几条，AI 怎么学都学不全。严肃场景里你不允许它猜错。所以他说，最后的决策权和解释权，都得攥在人手里。 本体从“地图”长成了“导航” 王昊奋打了个特别好的比方。早期 Palantir 的本体，像一张静态地图，画的是一个组织里有哪些人、哪些事。可到了 agent 时代，光有地图不够了——你不光要知道地形，还得能走起来。所以本体也得“活”过来：挂上接口和各种功能，把背后的服务、流程都接出来，让 AI 真能照着去做事。用他的话说：「地图只是地图，你动不了；导航会告诉你往哪走，还顺路给你提醒。」 数据不等于知识：DIKW 与 context is all you need Mango 一直把话题往落地上拽：数据看得见，可数据不等于知识。王昊奋接过话，搬出那个老金字塔 DIKW——从数据，到信息，到知识，再到智慧，一层层往上垒。落到今天的 AI，他说就盯三件事：第一，把需求说清楚；第二，把上下文喂够（这就是那句 context is all you need，而 memory 不过是上下文的外挂硬盘）；第三，在外面再套一层 harness 兜着。 我们其实是大模型的 boot loader 全集最妙的一个画面，是任鑫先抛出来的：将来每家公司都拿大模型当中枢，那大家拼的，就是谁更会把现实世界抽象出来、对齐给模型看。这就好比让大模型当将领，我们当斥候——替它把地图画准、把方向校对好。王昊奋顺手补了更狠的一句：「说白了，我们其实是它的 boot loader（开机引导程序）。」任鑫笑：「你这个更悲观。」 个人知识管理：存量用脑子，增量用 AI 最后任鑫问王昊奋：你自己是怎么管知识的？他的答案很不像个“知识管理博主”。他说会用 AI，但绝不依赖到上瘾。他只记概念层的东西，那些具体的实例，全交给 AI 去“卸载”——因为人最值钱的本事是抽象。一句话：老本靠脑子，新知识交给 AI。他还撂下一句扎心的：「我们老喜欢先把 PPT 拍下来，可拍完之后，又有几个人真去看呢？」拍下来不等于学会，不回头看，那只是在喂自己焦虑。所以他说，要像训练机器一样训练自己，把有限的脑子，留给品味和判断。 时间戳 01:25 嘉宾登场：交大同系老同学，一道图形学大作业种下的“阴影” 03:37 做 AI 组织转型，发现当年被自己抛掉的“本体”又回来了 06:52 信息化的本质：数据库→数据仓库→知识图谱，解决的都是“管理” 15:15 知识图谱 = 图 + 语义：主谓宾三元组与本体（ontology） 17:24 本体对齐就像 MCP：与其两两适配，不如都对齐到中间协议 20:55 手搓本体的无底洞：360 度处处是死角，共识极难形成 21:43 哪里做得好：金融反洗钱、电商商品图谱——谁数据结构化谁赢 27:48 本质是知识工程：知识图谱只是手段，真正在做业务抽象 30:50 agent 时代为什么又提它：本体就是 agent 的 harness 36:26 从地图到导航：静态本体长成可行动的 dynamic ontology 48:21 数据不等于知识：DIKW 与 context is all you need 54:48 让大模型当将领，我们是它的斥候 / boot loader 58:36 两条路线：Palantir 本体优先 vs Claude 模型优先 01:09:00 skill-bench：机器自动生成的 skill 反而更差 01:14:29 个人知识管理：存量用脑子，增量用 AI，别变成机器的附庸 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：FINNEAS - Let's Fall in Love for the Night

「不是每个人拿到了一份用 AI 做的会议纪要，这就叫 AI 化了。整个组织共享了一个被持续维护的事实库，不需要人类去看单独的会议纪要，这才是 AI 化。」 这是这一期单口的题眼。 —— 你全公司都在用 AI 写会议纪要、写代码、做 PPT，每个人都快了好几倍——可一年下来，组织整体好像没提效。 任鑫这期给了一个扎心的判断：用 AI 做会议纪要，本身就是一件很荒谬的事。它只是把「抄写员」变快了，而组织真正的卡点从来不在任务层，在部门与部门之间的协调层。 为了把这件事讲透，他翻出一段波音造飞机的历史段子：1985 年的波音工程师明明用上了 CAD，却把图纸打印出来开会，结果一扇舱门改了上万次。今天的会议室，其实还很像那个工程间。 亮点 「用 AI 做会议纪要，就像把 CAD 图打印出来开会」 任鑫开篇就抛了个荒诞的画面：设计师用 CAD 把桌子椅子杯子设计好了，不把电子文档发给你，而是打印成一张纸，开个会用嘴跟你讲「你看这杯子好不好」，你说好，就拿着这张纸回去照着上生产线。「你会不会觉得这人神经病？」在别的领域我们一眼看出荒谬，可换成会议纪要就习以为常了——我们讨论的本该是「数字世界里那个东西」，结果却在用嘴和脑子搬运它。 「我们总结的是会议，不是项目」 这是全集最锋利的一刀。开会本质是「我带着我的脑子、我的嘴，去跟别人交流对这件事的想法」，交流之后本该共识性地改掉那张「项目的图」。可现实是——「项目的文档没有变，我们只生成了一个关于这次会议的文档。」你看一眼会议纪要，记住几个点，其他忘掉，下次开会又靠脑子从零 refresh。信息经过「人类阅读 + 人类记忆」这个低带宽通道，从丰富多维退化成只剩十分之一。 「波音的画图板陷阱：1970 年就有 CAD，图却要打印进恒温档案库」 波音 1970 年就引入了 CAD，757、767 都在用。但画完之后还是把图打印到聚酯薄膜上，放进恒温恒湿的物理档案库，下游部门要用就复印到纸上、或刻成光盘。「我们其实是把 CAD 用成了一个更先进的画图板——就像今天我们把 AI 会议纪要当成一个更好的抄写员。」它替代的只是制图桌和秘书，整个流程一点没变，省的也就是几张桌子、几个秘书的钱。 「一扇舱门，改了 13000 次」 部门之间是「隔墙丢过去」（thrown over the wall）的模式：设计部门画完丢给应力工程师，算完丢给工艺部门，再丢给分包商，每道传递都是单向的一张纸。因为用的是 2D 图纸而不是 3D 模型，两个零件到底能不能装到一起，要等第一架物理原型机造出来、在装配线上才知道。「仅 767 一个舱门组件，整个设计过程就出现了 13000 次设计变更」——一扇门每天都在被改，对不上的时候甚至有人拿电锯把零件锯掉硬塞进去。（注：数字来自任鑫讲的历史段子） 「波音 777 做对的三件事」 1990 年波音搞 777，被商业压力逼着做了三件「神经病」的事：① 用 CATIA 做统一数字模型，日本、堪萨斯、费城所有部门和分包商都在同一套 3D 模型上工作，进物理装配前就在计算机里反复试装过——这才是「100% 数字化设计的客机」的真正含义；② 拆成 250 个跨职能小组（Design Build Team），每个像一家独立小公司，自己闭环交付；③ 干脆取消独立物理样机，让「数字模型成为唯一的事实来源」。结果：零件耦合等问题比 767 减少了 60%–90%，工业史上罕见。 「开完会只剩吵架，才是对的」 如果有 AI 全程理解会议、做异步路由，那么：60 分钟的会里跟你相关的只有 5 分钟，为什么要你全程在场？事实为什么要经过你的眼睛和大脑再带到下一个会？会议为什么要从「上次讲到哪」重新开始？该有的不是一份会议纪要，而是一份『项目当前状态』的活文档。 把同步进度、解释背景这些都异步掉之后，「开会就纯吵架——只有真有分歧的地方才需要吵」。会议的数量、时长、人数都会大幅下降，因为很多「要不要再拉个会对齐一下」根本不再需要了。 「中层顶梁柱，正是 AI 最该替代的人」 公司里那种「谁谁谁很能干」、最熟上下文、能在各部门之间穿针引线的中层，本质上是「信息流通不畅的组织里的信息中介」——过去 30 年组织的中流砥柱。「而这恰恰就是 AI 最该替代的人。」当 AI 接管了信息共享，「信息搬运」会贬值，真正升值的是另一类能力：信息不完备时拍板、在冲突里让大家继续往前走、区分真分歧假分歧、在噪声里识别出真正的信号。任鑫也直说：受冲击的不只是这些中层，还有「我这样的老登（管理层）」。 彩蛋：「别转组织，去搭新组织」 呼应上一期的纽约港：要做 AI 转型，与其硬转一个旧组织（纽约港怎么都转不动），不如从零搭一个新组织（去建伊丽莎白港）——波音 777 也是搭了个新组织来做的。而且任鑫提醒：哪怕你解决了协调层，上面还有一个「生态层」——发现新机会的问题。就像纽约港用了集装箱、龙门吊，但整个港口没船来了，照样没救。 时间戳 00:04 题眼：共享「被持续维护的事实库」才叫数字化 01:04 用 AI 做会议纪要为什么荒谬（CAD / photoshop 类比） 02:30 开会本质：我们总结的是会议，不是项目 06:28 波音段子：1970 年就有 CAD，图却要打印进物理档案库 08:51 「隔墙丢过去」模式 + 舱门 13000 次变更 10:40 单点提效≠组织提效（星巴克咖啡师快 100 倍） 11:43 K-Mart vs 沃尔玛：任务工具还是信息工具 12:46 波音 777 第一件事：统一数字模型 CATIA 15:34 第二件事 250 个 DBT 小公司 + 第三件事取消样机 17:22 结果：问题减少 60%–90% 18:46 开会的四个荒谬，AI 接管后只剩「吵架」 26:27 working together 没被继承（787 回退、延期） 30:36 AI 转型的结构性困难：信息 / 决策权持有者是阻力 32:13 中层「信息中介」正是 AI 该替代的；什么能力会升值 34:37 收口：协调层之上还有「生态层」 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Josh Fudge - When She's Gone

「当『不被毒死』这件事变得免费的时候，人类就开始为另外一件事付费——为师傅的那只手，为这场秀。」 —— 河豚已经不会毒死你了。1990 年起日本大规模养殖，养殖河豚的毒性只有野生的千分之一以下。可日本至今保留着「河豚调理师」的持证制度。 这期单口，抓住的就是这个荒诞：当「不被毒死」变得免费，你付钱买的就不再是安全，而是仪式感、是那个「拼死吃河豚」可以发朋友圈的故事。 这套逻辑映射到 AI——AI 正在把写报告、做 PPT、写代码、做设计这些工作的功能性价值，直接打到趋近于 0。于是真问题不是「AI 能干啥我不能」，而是：当功能性归零，人类还能靠什么有价值？ 他给自己的答案留了一句话：「在未来我们可能都会变得没有用，但是我们仍然可以有价值。」 本期亮点 「河豚已经不会毒死你了，但我们决定假装它还会」 全集的核心段子。1958 年东京一场河豚集体中毒、6 人死亡，日本厚生省随后立了「河豚调理师免许制度」——商业场所处理河豚必须持证师傅操作。到今天约有 5000–6000 名持证师傅，学徒 2–3 年、考试通过率 35%。但故事有后半段：河豚的毒不是自己合成的，是从食物链的细菌吃来的，1990 年开始人工养殖后毒性已降到野生的千分之一以下。2012 年有地方政府提议「没毒了，取消牌照吧」，厚生省以「公众认知、行业稳定、文化传承」为由拒绝。翻译过来就是——「河豚师傅今天真正的工作，已经不是防止你被毒死，而是作秀。你付的钱不是为了安全，是为了那份仪式感。」 「贫穷限制了我对人类价值的想象力」 任鑫罕见地自剖：「我是个纯纯的理工直男，穿一身优衣库就很好。」哪怕买大牌，他也要从功能性上合理化溢价（面料好、场合需要）。但他突然反问自己——假如账上有 1000 亿、每天利息 1000 万，10 万的衣服和 300 块的衣服对我还有区别吗？ 那时我只会看「喜不喜欢」，根本不会觉得自己在「支付溢价」。「是不是因为我生长在一个相对稀缺的年代，所以我想象不出来：其实不需要那么好的功效，也可以 charge 一个高价。」 「孩子要那个 600 块的乐高小人」 最生动的一个旁证。任鑫给孩子买了本乐高的书，孩子看上里面一个绝版的星球大战小人，淘宝要卖五六百块。任鑫劝他「这钱够买一个大盒装了，太不划算」，甚至说「这 600 块直接给你」，孩子还是只要那个小人。「他对钱没什么感受，他只在意自己喜不喜欢。」任鑫由此一惊：会不会是我把人类的价值，全局限在了「功效」上，而忘了「一个乐高小人能卖 600 块」这种事？越年轻的小朋友越有这种状态——因为他们生活在越富足的世界。 「侍酒师、撒盐哥、NFT 头像：人为稀缺性不是孤例」 河豚师傅不是孤例。法国的侍酒师，最早的工作是检测酒里有没有毒、管理酒窖；玻璃瓶、软木塞、灭菌技术普及后这职业理论上该消失，结果反而成立协会、发证、考试，变成了「品鉴鉴赏师」——从毒药核检员变成纯表演。还有那个煮牛排撒盐的「撒盐哥」，盐不就是氯化钠吗，谁撒都一样，可「这离质感这就值钱，他就全球红」。再到艺术品——「一幅画的使用价值为零，但因为是某个人画的，它就可以卖几个亿。」任鑫连自己的微信头像都拿来开刀：那是个 NFT，买时约 7000 美金，现在可能只值几百美金，可你一分钱不花也能用这张图——买的从来就不是使用价值。 「价格、价值、效用、生产力，其实都不一样」 这是全集的概念锚。「只是我们从小被当牛马、当工具人培养，才会觉得这些东西差不多。」在一个功能、效用都充裕的世界里，会不会人们愿意为「功能之外」的东西付钱？因为 AI 一来，所有功能性的东西都会大幅降价——写报告、做设计、写代码、翻译，「这些事情的功能性部分，AI 都已经做得很好，而且会越来越好」。大部分人的焦虑就是「AI 能做我做的事，我就没价值了」；而河豚师傅给的提示恰好相反：当你确实没有功能性价值时，其他价值维度才会展开。 「我自己也在卖河豚——90% 是情绪价值」 任鑫拿自己开刀开得最狠的一段。每天有大厂找他讲 AI 转型课，「我挺贵的」。可他坦白：这些需求，他在混沌学院 APP 的线上课就完全满足，新东西公众号和播客里也都免费讲过了。但谈下来大部分还是要他「肉身飞过去讲一趟，然后忍痛收钱」。「他们花的钱里，我后来想其实 90% 是在买情绪价值，本质上就是买我这张脸、买现场那个体验。」他觉得 B 站很多 UP 主实践做得比他还好，但还是有很多人找他——「当信息变得免费，谁来讲、在什么场景下讲，就变成了新的值钱维度。」 「列『AI 做不到』的清单，还是老框架」 任鑫主动拆掉一个很多人会落进去的坑：听到这儿，大部分人会开始列清单——判断、信任、品味、创造力，这些 AI 做不到，所以我做这些。「但这还是老框架，还是在问『人能做哪些 AI 做不到的功能』，本质上还是在比生产力，只是把赛道换了一换。」河豚师傅真正的故事不是「人有哪些功能 AI 替代不了」，而是「功能性归零之后，人们会不会越来越多地把钱花在非功能性的部分」——而那部分（珠宝、画、拉布布……越虚无缥缈的东西）溢价往往越高，生存刚需反而毛利最低。 「AI 让每个人都变成富二代之后」 把丰裕推到极致：「你可以把它想象成，AI 让每个人都变成了富二代、变成了王健林的儿子女儿。」那时消费重心会向奢侈品转移——不是用来炫耀的爱马仕，而是「我愿意为一个人的手艺、一段现场体验、一个有温度的判断、一个有故事的东西，多付很多很多钱」。如果 AI 把十代人的观念转变压缩到 10 年发生，整个世界的消费会根本性改变：大家追求的是意义和稀缺，而意义和稀缺，恰恰是人类这具肉身能提供的差异。「AI 能生成 1 万幅画，但某个人画的只有一幅；AI 能写 1 万篇分析，但我信任的那个人写的只有一篇。」 收口：「人生就是一场巨大的秀，你买的是游戏体验」 「以生产力来标榜自己——我是干嘛的、我能产出什么——这是不是一段弯路？它不该是人类存在的理由，只是漫长物质匮乏时代被迫扮演的角色。」当 AI 把这部分接过去，悲观的看法是「我被逼到墙角，没事干了」；乐观的看法是「我终于可以回到意义和稀缺本身，回到『人是目的』，不用再假装自己是一台机器了」。在未来我们可能都会变得没有用，但是我们仍然可以有价值。 时间戳 时间戳 00:05 开篇暴论：河豚不会毒死你了，但我们假装它会 00:40 标准回答「人是目的不是手段」，但其实想不出 AI 干不了的 01:10 贫穷限制想象力：理工直男的功能性思维 02:56 穷人买 LV vs 富二代买爱马仕 04:27 孩子要那个 600 块的星球大战乐高小人 05:37 假如所有东西都是奢侈品，人类反倒有价值 06:21 河豚段子：1958 中毒 → 免许制度 → 1990 养殖无毒 → 2012 不取消 08:16 不是孤例：法国侍酒师、撒盐哥、艺术品、NFT 头像 10:40 价格 / 价值 / 效用 / 生产力其实都不一样 11:22 AI 把功能性价值打到趋近于 0 13:06 我自己也在卖河豚：90% 是情绪价值 14:50 列「AI 做不到」清单还是老框架 17:23 AI 让每个人都变成富二代 19:48 收口：我们可能都会变得没有用，但仍然可以有价值 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Nathan Trent - Growing Pains

「一般人能做的事，AI 一般都能做了。你必须得变成一个不一般的人，而且留给不一般的空间越来越小了。」 这是丛龙峰 2023 年在自己办的第一届管理学年会上抛的预言。两年半过去，他说这个判断完全成真了。 最近被密集邀请去交流“AI 组织转型”。 越交流越心虚，因为虽然我创业好几次，也号称大厂带过大团队，但其实对组织设计一直不上心——心里默认假设就是用创新增长掩盖一切问题。现在被各种咨询具体组织问题的时候，虽然理论能说出一套一套，但底气总是不足。 于是就想到找朋友里最懂组织的丛博聊聊，就有了今天的播客。 嘉宾 丛龙峰，组织管理专家，丛峰咨询创始人，南开大学管理学博士，曾任和君商学首席管理专家，著有《组织的逻辑》《自我觉察》。 他长期深耕于企业创新与组织管理研究。过去9年，作为创始人的组织顾问，陪伴过10余家行业领军企业成长，包括德邦快递、传音控股、喜家德、巴奴火锅、沃森生物等企业。 近年聚焦于新科技、新消费企业的组织成长，以及AI时代下的组织之变。 亮点 「make things happen 很难」 这是今年所有组织咨询碰到的根问题。丛龙峰说，今年的难点已经从「道理没说清楚」变成了「道理说清楚了，但大家不听你的」。他给了一个分析框架——组织有 3 种面向：经济、社会、政治。AI 只能击穿经济层（效率逻辑）；到了社会层（情感逻辑）、政治层（博弈逻辑）就难。任鑫接了一句反驳：通情达理在这一波其实没用——「损伤到利益的时候，哪怕我觉得你讲的有道理，我也不搭理。」 「组织归核，回到天才管理」 丛龙峰不用「组织坍缩」这种消极的词——「积极地看，就是组织要归核，归到核心。一个公司真正的核心没多大的。」他举了肯德基（一开始是肯塔基州最火的炸鸡店，"好吃到你必须要到那个州去吃"）和蜜雪冰城（核心还沉淀在第一家店身上，5 万家店是规模化复制问题）。AI 接管了规模化复制，组织就回到那个最小的核——回到天才管理。「这是一个非常残酷的状况——因为人类其实是非常笨的。」 「吃 AI 这个馒头前，前面还有 4 个馒头要吃」 全集最实用的判断。「我们做 AI 智能化的组织，实际上是吃到它的第五个馒头。但是它前面还有四个馒头：标准化 → 流程化 → 数据化 → 知识化 → AI 智能化。」大多数公司连第一个馒头都没吃完。「你自己都没有标准化，你想指望 AI 去帮你标准化就非常难。」他举了胖东来——2012 年就有非常好的岗位指导手册，前 4 个馒头吃完了，所以这一轮数字化转型才能融会贯通。 「我们目前只是开始的开始」 任鑫抛了焦虑：「我担心这事 18 个月就发生完了。」丛龙峰回他：「目前只是开始的开始，是一个漫长周期的开始。1 万米跑，你现在领先我 2 米算什么？」他举了春节自家下水管坏掉的故事——找了三天才找到一个会修下水管的工人。「我们身边非常多工作是这个样子的。AI 焦虑只发生在一小拨人之间，大多数人对 AI 完全无感。」 「聊『沉淀方法论』的公司，我心里就咯噔一下」 任鑫问：你看到那些公司有没有成功的 AI 实践？丛龙峰先回了一句：「相信我，你已经在最前沿了。」然后给了一个更尖的判断——「凡是一开始就跟你聊『我们能不能沉淀方法论』，我心里就会咯噔一下。一旦上方法论，你其实就开始收敛了。」「公司不是多姿多彩的，一定是创新不够的；不是处理发散问题的，一定是未来感不强的。」 「真正的影响只能发生在人和人之间」 经济层 AI 可以打穿——成本拧干、人员优化（丛龙峰举了有赞，AI 把成本拧出来攒成利润）。但到了社会层就难——「因为人是有情感的。真正的影响只能发生在人和人之间。他会有感同身受、通情达理。」丛龙峰承认：这是工程师和心理学家在两个频道上说话——工程师觉得"技术的力量摧枯拉朽，能把你这一套逻辑全推翻"，但最终还是要面对"这些人怎么办"。 「丛博，你能不能不要再碰你的手机？」 丛龙峰这两年的地图变了——23/24 年必看 Meta、特斯拉、英伟达；24/25 年新加皮克斯、西雅图星巴克；今年他直接在杭州良渚的冷暖村住了 20 天。冷暖村有一家叫"木樨家"的小店，店主爸爸有一天跟他说：「丛博，你能不能不要再碰你的手机？知识是一种遮蔽——你习惯了那套逻辑之后，你就不再用脑子来思考了。」这位爸爸的女儿即将上四年级，他决定让女儿放弃升学、不要高中文凭。「他完全不信任目前的学院派的教育——AI 一定会把所有东西都给我女儿准备好。」 「AI 会彻底消灭掉上破班那种感觉」 丛龙峰给了最有人情味的一段：「我特别相信 AI 如果可以提高生产力，一定会朝向让人变得更像人的方向——它会彻底消灭掉上破班那种感觉。」他给任鑫看了自己同事发的朋友圈：「干点有意思的事儿，并且能够感受到因为创造力带来的喜悦，是一件多么幸福的事情。谁说不能快乐的工作。」朋友圈下面有人留言：「这是我们朋友圈里面唯一开心工作的人。」 「重要的不是财富自由，是兑现自己的天赋」 聊到最后，丛龙峰说：「重要的不是财务自由，也不是自我实现。重要的是能不能兑现自己的天赋——这个东西是你没有办法骗你自己的。」「你绝对不会在你死那一刻觉得『老子这一辈子赚了特别多的钱』——你不会那么无聊的。更底层的追问会回到：我这辈子活够了、活到了，我活出了我自我的风采。」 彩蛋：「操你自己的心就好了」 聊到最后他给了一句：「见到面的感觉不一样，这可能是最后的人类有尊严的部分。为什么要去操马斯克的心、操扎克伯格的心、操人类未来的心？操你自己的心就好了。」 时间戳 00:05 开篇预言：组织 3 种形态 + AI 终局猜想 04:11 全场抛问：AI 裁员的不超过 10% 15:53 5 个馒头模型：标准化 → 流程化 → 数据化 → 知识化 → AI 智能化 18:26 「一般人能做的事，AI 一般都能做了」 22:13 「组织归核 → 回到天才管理」 26:41 「聊『沉淀方法论』的公司我就咯噔一下」 32:52 「百度为什么起个大早赶了个晚集」 35:08 「真正的影响只能发生在人和人之间」 41:15 良渚冷暖村 20 天 + 木樨家爸爸的故事 43:12 「知识是一种遮蔽」 52:13 「AI 会消灭掉上破班那种感觉」 1:01:25 转向皮克斯 / 西雅图星巴克 1:05:19 「操你自己的心就好了」 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Faime - I Found Her

李智昊，1998 年生。Spark AI 联合创始人。Spark 3D 论文发表在 NeurIPS 2025。 聊到第 33 分钟，他对我说： 「从我的视角来看，这条路线非常的不本质。」 ——「这条路线」指的是今天最火、最多融资的世界模型公司"用视频做世界模型"的路线。 去年 5 月 1 日凌晨，他和团队的 Spark 3D demo 上了 Hugging Face Trending 第一。他的判断是：4D 物理世界自己的 Stable Diffusion 时刻——两年内会被实现。 这一期是给所有做图、做 3D、做机器人、做游戏、做视频、以及想在下一波 AI 跃迁里"埋伏"的人——一份蹲守地图。 嘉宾 李智昊｜Spark AI 联合创始人。1998 年生，南大本科、新加坡南洋理工大学博士。代表作 Spark 3D——2025 年 5 月 1 日 demo 上 Hugging Face Trending 第一名，论文发表于 NeurIPS。一直沿着"压缩可以提升智能"这条暗线在走：从语言、图像、3D 一路逼到 4D 物理世界。本期他给所有人画了一张"世界模型赛道全景图"，并预测了下一个跃迁的时间窗。 亮点 视频是 4D 物理世界的有损投影 聊到第 6 分钟，李智昊把所有"视频生成式"世界模型的根一句话点出来——它们都是"从视频出发"，把视频当成 4D 物理世界的投影来做建构。问题在哪？「它被拍扁了那一刻，就很多的物理规律就被丢失掉了。举个最简单的例子，我们两个人相遇，这手手之间错过——为什么一直视频生成会有很大的问题？因为他丢失了这种手的前后关系、深度的空间关系。」 这条路线非常的不本质 全集冲突感最强的一句直引。任鑫问：能不能像 GPT 那样用 Next Token Prediction，直接从视频里把 3D 理解逼出来？李智昊的回答：「其实每个人都有不同的观点。从我的视角来看，这条路线非常的不本质。 因为你妄图从这种海量的数据里面做推理、做建模，它其实并不是一个高效的表征。」一句话把今天市面上所有视频生成派的世界模型公司都点了名。 视频生成派的第二个死结：Latency 李智昊给视频派的第二个判断：现在通用做法是用 3D VAE 对原始视频进行压缩——「它不可避免的会对时间维度进行压缩，这样就会导致你在 latent space 想去做一个 action，得到的 feedback 会在几帧之后，甚至有可能一秒之后才有。相当于你在 Vivo 的自动驾驶 simulator 里踩了一下刹车，最后过了十几帧才得到一个 feedback。」对自动驾驶 simulator、机器人 RL 训练，这种 latency 是致命的。 Spark 3D 的路：4D 点云 + Motion 残差 具体怎么做？李智昊和团队的路是「直接对 4D 空间进行建模」——以 4D 点云作为表征，把点源拆成"静态 + motion 残差"两部分。静态部分用 3D 高斯压缩，动态部分单独用一个小 token 表征。「我每次只压一个小的残差，不会把整张图像进行压缩。」一次 action 只改 motion 那一小段 token——latency 死结解开。 大厂难以去从表征层面来做更改 任鑫问：这种事大公司不更适合干吗？人家有 10 万张卡。李智昊接着说：「其实我觉得这反而是我们差异化的优势。大厂他投入了非常巨量的资源去做每一次视频生成的训练……可能他下一个 Q 就要做超过他自己的 2.0、3.0……但其实他们非常难以去从表征层面来做更改。 每一次表征的更改都意味着你数据的推倒重来，也意味着从整个数据处理到整个压缩设计智能生成，所有的管线都可能要被重做。 壁垒在于表征的效率 聊到后半段最关键的一句立场宣告，李智昊接着说：「我觉得现在大部分人认为世界模型的壁垒还在于数据。我去采更多的 egocentric 数据……因此在同样的数据量下，我也需要加入更多的算力。我个人认为，包括我们 Spark AI 整个的姿态，还是认为壁垒在于表征的效率。 你如果把更多或者再多的资源投入到错误的表征上，只是把现在的这个天花板逐渐去逼近，而不是把天花板本身去捅破。」——这是直接反主流"数据 + 算力"派的立场。 两年内会被实现 4D 的 Stable Diffusion 时刻 任鑫问：4D 的「Stable Diffusion 时刻」会在两年内还是更晚一点？李智昊回答：「我觉得应该是在两年内，我们觉得还是比较有信心的。我们确实看到了一些迹象，我们认为两年内会被实现。」 任鑫追问：假设 12 个月后有重大突破，第 9 个月该干啥？李智昊给的方向：高精度多人 Minecraft / 4D 元宇宙；AI 生成游戏 + 3D 资产；机器人 simulator；个性化 3D 打印。 时间戳 00:04 一句话讲清楚他在干嘛——表征是底层暗线 02:35 Spark 3D 是怎么火起来的（5 月 1 日 Hugging Face Trending 第一） 03:29 压缩本身是一种表征方式 04:39 为什么 word model 必须做 4D 而不是 2D 视频 06:07 「我们把视频当做一个 4D 物理世界的有损投影」 07:52 视频生成路线的真正瓶颈：Latency 10:20 Spark 3D 的技术路径：4D 点云 + Motion 残差 18:14 4D 点云怎么压缩成 token 19:23 Ablation study：压缩好就能把智能上限提高 25:07 「大厂非常难以去从表征层面来做更改」 26:31 任鑫提炼："越小公司越应该做大事" 27:17 「我们其实真的是在做底层」 33:20 「这条路线非常的不本质」 34:59 任鑫讲佛教公案 / 35:30 李智昊技术解读 36:37 类比图像生成的 Stable Diffusion 时刻 39:36 「4D 跃迁，两年内会被实现」 41:05 To C 切入点：高精度多人 Minecraft 42:09 彩蛋：OnlyFans / NSFW 方向 43:15 游戏公司是天然客户：3D 一致性需求 45:08 世界模型赛道全景图（三类玩家） 47:58 「壁垒在于表征的效率」 51:12 一句话送给想跟图、跟 3D 创业的人 52:04 「下一个被突破的，可能就是 4D 物理世界」 53:21 任鑫收尾：做 AI 最痛苦的事 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Alex Siegel - Daydreaming Pilot

王建硕一上来就跟我说：「徐文浩上一期讲怎么治理'屎山代码'——我不是特别同意。」 他的反驳是：屎山代码就是不可维护的代码，根本不需要去维护。「代码不存在错误，只存在跟你的 intention 不一致——所谓 bug，要么是 bug 本身，要么是 feature 写得不对。」治理屎山代码的所有方法、所有 skill、所有最佳实践——王建硕都认同——但他认为这一刀切错了层：你不该去改 source code 这一层，你应该改它上面的自然语言。 这一刀划下去之后，他跟我聊了 1 小时"AI 时代真正的程序员长什么样"。 中间最神经病的一段，是他拿手机给我看他做的 APP—— 最重要的功能叫「用户反馈」。用户随便写一句"字体大一点"或"增加一个 XX 功能"，5 分钟后 APP 就按用户的反馈更新了。AI 接到 GitHub Issue 自动拉代码、自动写、自动 build、自动推 TestFlight。 我以为这已经够离谱了。过几天他又跟我说： 「我现在不需要用户反馈了。它自己想想要更新什么，它就自己更新自己。」 他给那个 APP 接了一个 PM Agent。AI 自己判断「下一版应该做什么」，然后自己把功能补上去。王建硕从开发者，变成了那个翻手机看自己 APP 又变成什么样的好奇用户——「我都好奇今天它又变成了什么样」。 这一期是给所有产品经理、程序员、创业者的。如果你今天还在跟 AI"聊天"——这一期请认真听完。 【嘉宾】 王建硕｜互联网老兵，百姓网创始人。最近一两个月他又重新「上岗当程序员」——只不过这一次他写的不是 C、也不是 Python，是一堆.md文件，让大模型按 schedule 跑。他自己一个人，跑了 4 个 Agent 团队（PM / 工程 / 市场 / 客服），其中 PM Agent 会自己决定下一版要做什么，不再需要他亲自指挥。他的 APP 五分钟更新一个版本，每天审完核就上线。 【本期亮点】 「徐文浩讲'治理屎山代码'，我不太同意」——开场就是一记隔空交锋 王建硕一开口就跟前一期嘉宾徐文浩抬杠。徐文浩前期主张：要用 skill、用最佳实践、用各种治理工具，让 AI 写的代码可维护。王建硕的反驳是——屎山代码就是不可维护的代码，根本不需要去维护。他的意思大致是：屎山只要不被人看到，它就不是屎山。他承认徐文浩讲的治理方法都对，但他认为这一刀根本切错了层：你不应该在 source code 这一层做治理，应该在它上面的自然语言层。 「代码不存在错误，只存在跟你的 intention 不一致」 王建硕重新定义了什么是 bug：所谓错误，要么是 bug 本身，要么是你的 feature 写得不对——本质上都是你的意图（intention）没说清。他举例：在 C 语言里你说print color，没指定颜色，编译器给你 print 出白色——这是 bug 吗？不是。这是你没说要蓝色。所有现在大家骂"AI 写的代码不对"，其实绝大多数都是自己 intention 给得不清晰，跟 AI 无关。这就是他为什么不同意"治理 source code"——治理治错了对象。 「用户写反馈，5 分钟后 APP 就按你要求改完」 这是这期最神经病的一段。王建硕的 APP 里有一个功能叫"用户反馈"。用户随便写一句——"希望字体大一点"、"增加搜索功能"——5 分钟之后，APP 就按这条反馈生成了一个新版本。技术链路其实很朴素：用户反馈直接落到 GitHub Issue，触发一个 hook，Claude Code 自动拉代码、写代码、跑测试、合主分支，自动 build，自动推 TestFlight。「从你提交问题到你的手机上面可以测试它，大概五分钟左右 APP 更新一个版本。」 「我现在不需要用户反馈了——它自己想要更新什么，自己就更新了」 更狠的是后面这一层。王建硕给那个 APP 接了一个 PM Agent——没人提反馈的时候，AI 自己判断"下一版应该做什么"，然后自己把功能补上去。「我每天大概每隔一两个小时，那边 TestFlight 就会咚咚地说一个新版本发布了。我就很好奇今天它又变成了什么样。」他从开发者变成了那个翻手机看自己 APP 又变成什么样的好奇用户。 「我手写了几万行自然语言，才让这套系统跑起来」 那这件事是不是甩手掌柜？不是。王建硕反复强调：「我所说的自然语言是真的手写，不是大语言模型生成。光你自己一个字一个字敲的自然语言，可能你都至少要敲个几百行。」他的工作目录按 Model / View / Control 分层，子文件夹里几万行.md。他手写自然语言的颗粒度，就是他对这个项目的控制颗粒度。"你的不满意，是对它的缺省值不满意——但它的缺省值不是你的内容。" 「聊天不叫程序，聊天叫 debug」 王建硕抛出一个让我反复回味的判断：程序，是你写好的、确定的、可以被定期或被 trigger 执行的、给你出结果的东西。聊天的反面就是写程序。「聊天是一种非常快速的 debug 方法，但它不是你写程序的方法。」他估算现在 90% 的人用 AI 还停留在"打开 Python 命令行学语言"那一层——不积累、不沉淀，第二天再来还是一样。 「自然语言是新的'汇编'，Python 正在变成新的'屎山'」 王建硕画了一张产业演进图：机器码、汇编、C、Python、自然语言——每往上一层，下一层都变成"屎山"——人不可读、不可维护，但不影响人类继续生活。LLM 是新的编译器，自然语言是新的"汇编"。这一张图反过来也是他不同意徐文浩"治理屎山代码"的理论基础——你治的不是地基，治的是上面那一层；地基让它沉下去就好。 「程序员就是上一代的抬轿子的人」 全集最有共鸣的隐喻。"我们以为抬轿子是真的力气；忽然变成车了，我们以为我们对车也是有控制的——但其实你早离开了。"程序员现在被困在"教父"的位置——他们的代码能力可以被 AI 完全替代，但因为情感蒙蔽，他们学开车的意愿反而远远低于一个普通人。"离新技术越近的产业工人，是越惨的。" 「你每天烧多少 Token，是 AI 时代的 GDP」 王建硕的硬指标只有一个：Token 使用量乘以单价。不管你 PPT 多 make sense、不管你说你 AI 认知多牛——A 组织和 B 组织看一眼 Token 量就分胜负。他自己一天烧大约两千美金。"省 Token 这件事，就像身体上的一个脓疮——你不把它清掉，你看不到真正里面到底是什么问题。" 他最近做的海报上写：使用 Token 拥抱浪费。 【时间戳】 01:40 王建硕跟徐文浩抬杠：屎山代码不需要治理 02:24 屎山代码的真实定义：不可被人维护的代码 03:18 屎山只要不被人看到，它就不是屎山 06:00 重新定义"屎山"：人不可维护的代码 06:51 代码不存在错误，只存在跟 intention 不一致 07:06 王建硕承认徐文浩方法都对，但切错层了 12:12 聊天不是写程序，是 debug 14:43 真正的"程序员"长什么样：工作目录、文件夹工程 21:47 抬轿子的、教父和驾驶员 33:08 王建硕的新身份——一个人 4 个 Agent 团队 37:18 用户写反馈，5 分钟后 APP 自动改完（核心段落） 38:17 「我现在不需要用户反馈了——它自己想要更新什么自己更新」 38:30 整套流程拆解（反馈、GitHub Issue、Claude Code、TestFlight） 39:38 PM Agent：让 AI 替代用户反馈做决策 45:30 「APP Store 我已经不下载了」+ 即抛即用型软件 50:25 21 世纪所有人都需要会用计算机——10 年后所有人都会用 AI 1:02:01 唯一硬指标：你每天烧多少 Token 1:04:20 拥抱浪费：使用 Token 拥抱浪费 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Sam Wills,Honey Mooncie - Traingazing

一个做了二十多年程序员的人——GPU 内核、分布式文件系统、大数据、数据库一路做过来，你以为他会对 vibe coding 嗤之以鼻？恰恰相反。OceanBase 封仲淹是这场对话里最激进的乐观派。他说，vibe coding 彻底革命了整个软件行业，但今天看到的只是开端。下一站，是 software factory——多个 agent 像数字员工组队工作，配 software correctness benchmark 验证每一次产出。 这一期是我们和播客【赛博赶海】的串台，我和徐文浩把老纪请来，把上一期“管理大型公厕”那个争论往下推一层：既然 vibe coding 不是终点，我们现在该怎么搭工程？三个人三种立场——革命派说工厂马上来，务实派说你们不擦屁股的人逻辑都对，绕道派问能不能干脆放弃工业化。 没有人被说服，但意外达成了一件事的共识：那个新的协作单位，不再是“代码”了。 【嘉宾】 封仲淹—— OceanBase 开源负责人。自称“古法编程的开发者”，做了二十多年程序员，在阿里负责开源十几年。最早做 GPU 显卡内核，后来做分布式文件系统、大数据，现在做数据库，也在为 Agent 设计下一代数据库。 【本期亮点】 古法编程的乐观派。老纪理论上最有理由怀疑 vibe coding，他反而是最激进的乐观派：“vibe coding 彻底革命了整个软件行业，所有软件未来五年内全部要重新革命。”今天只是开端，下一站是 software factory——多个 agent 像数字员工组队工作，配 software correctness benchmark 验证每一次产出。 4 小时不认识自己的软件。任鑫提到一个上市公司老板开发的 APP 的诡异功能：软件里跑着一组 agent pm，每 4 小时自己想需求、自己排期、自己发版。这位老板每 4 小时进自己的产品看一眼，都不认识它。这不是科幻，是 2026 年中国一家上市公司的日常。 一个人 vibe coding 容易自嗨。徐文浩反驳“一个 agent 就够了”的乐观论：“三个诸葛亮顶个臭皮匠，三个人组合起来能不能比一个人的 OPC 更厉害？”code review 的本质不是流程，是“另外一个人来看”——一个人写代码总觉得自己都对，换一个人看才会发现 bug 和设计问题。 开源在 AI 时代为什么更重要了。任鑫作为一个把代码丢了 20 年的人，坦白以前根本不太用开源，最近反而动不动就 fork 一个 skill。老纪的解释是：开源本质是分发效率，跟 AI 是殊途同归——都在提升生产力。但徐文浩追了一个尖锐的问题：fork 出去的改动，怎么回到 mainstream？这是 AI 时代浮出来的新协作命题。 Memory 是新一代的协作单位。徐文浩给出了一个定义：除了 LLM 调用和 agent harness code 之外，所有信息都叫 memory——skills 是 memory，各种抽象文档也是 memory。痛点很具体：在 Claude Code 里改了一个 skill，没办法自动同步到其他人的机器，切到 Codex 又得手动同步一次。“过 2 小时才能用，这怎么受得了？” 文件系统 vs 数据库存 memory。今天 Claude Code 用文件系统存 memory 已经非常成功，但老纪用大数据的历史做了个类比：2005 年 Google 三驾马车时代，所有数据都是裸存文件、暴力扫描——和今天的 AI memory 一模一样。过了四五年，数据量起来后必然向结构化、列存演进。AI memory 也会走同样的路，两个问题先暴露：容量和噪音。 三派立场对撞：AI 时代要不要共识。任鑫挑衅：能不能完全放弃工业化，改用抖音“拍同款”那种 fork 不回流的逻辑？徐文浩从擦屁股的人的视角反击：“你们不擦屁股的人，逻辑都对，但你们就不用擦。”——token 和时间都是有限的，不可能让所有东西每次都让 AI 重写一遍。“虽然我们讲创业公司要重新投胎，但是你重新投完胎，你还是一个哺乳类动物。” 彩蛋：互联网是 LAMP，AI 时代可能也有新的四件套。临近结束时，老纪抛出一个简短的猜想：互联网时代的标配是 LAMP 架构（Linux + Apache + MySQL + PHP），AI 时代可能也会有一套新的“四件套”。这个判断只在节目末尾出现了一分钟，但值得记下来——也许是下一期专门聊的话题。 【时间戳】 01:25 老纪自我介绍，什么是“古法编程” 02:30 vibe coding 只是开端，下一站是 software factory 04:12 一个 4 小时不认识自己软件的上市公司老板 06:21 一个人 vibe coding 容易自嗨，需要对口相声 09:00 开源在 AI 时代为什么更重要了 15:14 Memory 的定义，以及 skill 同步的痛点 19:28 文件系统 vs 数据库：memory 到底放哪里 27:54 卖车公司案例：10 万销售的对话怎么变成 insight 35:00 三派立场对撞：AI 时代要不要共识 43:51 阿里数据治理三阶段：百花齐放 → 中台 → 分而自治 53:01 一个人的记忆已经散落在多个 agent 里 01:01:39 老纪的彩蛋猜想：互联网 LAMP 之后，AI 时代的新四件套 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI 炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Demxntia - tonight, pt. II

“科技大神们自己还在吵，VC 怎么判断哪条路对？” 我把这个一直困扰我的问题，抛给了沈文杰。 沈文杰是老同事，云九资本董事总经理。2020 年，他打了一通 cold call，联合领投了壁仞科技——六年后的 2026 年 1 月，壁仞港股上市，成为“港股 GPU 第一股”。 他的回答很直接：VC 别把自己当 Nature 审稿人，不要去做最牛的人都判断不了的事情。 “投资里最重要的东西是共识。先把共识搞明白，而不是钻牛角尖说这个架构比那个架构好。” “知道哪些事情你没资格判断，才是最重要的判断。” 这一期我请他展开讲了一遍他在硬科技投资里跑出来的方法论——什么时候用 top-down、什么时候只能 bottom-up；为什么“你越看好的行业、最后能成的公司越少”；为什么过热是资本现象不是需求现象；以及今天大家都在追的那些热点里，哪些是真共识、哪些是假共识。 聊到一半还撞出了一个我没想到的视角——AGI 在物理世界是断层的。这就是他为什么最近会去投一家做睡眠的公司：医生看睡眠会问你的所有问题，AI 都能答；再把判断主动反馈回温度、灯光、降噪，物理世界的闭环就闭合了。顺着这条线往下推，他给出了我觉得最值得抄走的一个预测——下一个生活方式变化是：人会越来越数据化。大模型让常识变得没有成本，这件事会重塑营销、零售、产品，甚至家纺店。 如果你在投资或创业，正在被“半年翻一次天”的节奏拖着跑、不知道哪些事该自己想清楚、哪些事根本不该自己下判断——这一期值得听完。 亮点 Highlights Top-down 跑出来的壁仞 2026 年 1 月港股上市的“港股 GPU 第一股”壁仞科技，是沈文杰 2020 年 cold call 进去联合领投的。他说这个项目是 top-down 跑出来的——先选好 GPU 这个赛道，再遍访所有公司挑一家 bet 跟自己接近的。事后看，那个时点投谁都不会太差。 Transformer 火之前没人能 top-down 推出 Transformer Top-down 适合“既有存量又有创新空间”的底层赛道，但绝对的颠覆式创新没法 top-down。OpenAI 出现之前，没人能从宏观推理出“应该投一个像 Transformer 这样的东西”。这种东西只能 bottom-up：一直在 AI 里生根，每个新技术都试一下。 你越看好的行业，最后能成的公司越少 普通人的直觉是行业越热公司越多。沈文杰反过来——能创造未来的行业，领先者优势越极端。要么平台型公司天然垄断，要么规模效应+持续技术升级一次次把别人拉爆。**反过来，你觉得没那么看好的行业，里面反而会出来很多家中型上市公司。**这条对创业者也成立。 AGI 在物理世界是断层的，所以要投睡眠 今天的大模型某种意义上已经是 AGI，但它和物理世界之间有个 gap——具身智能在解决具身的部分，但日常生活中 AGI 的能力没有被用起来。要补这个 gap 需要两块：第一是新 sensor 喂数据上去；第二是把 AI 的判断主动式地反馈下行到物理世界——床温度调一下、灯光暗一下、降噪一下。 为什么是睡眠：医生问你的所有问题，AI 都能答 睡眠是这个闭环的完美 demo。睡不好的原因可能是压力、疾病、环境、神经性的、刚刷到的焦虑微信——医生看睡眠会问你一大堆 context，而 context-heavy 的问题恰好是 AI 最擅长的。把这些数据丢给 AI 立刻能给条理化判断，再往下接温度、降噪、灯光、白噪音——一个完整的物理世界 loop 就闭合了。 耐克的故事：篮球只是运动，跑步才是生活方式 当年耐克创始人在还没有乔丹、篮球还没成为一种文化的时候，判断应该更投入在跑步上——因为跑步是一种生活方式，而篮球只是一项运动。后来篮球绑定了嘻哈、AJ、整套文化，从运动变成了生活方式，耐克才再吃到一波超额红利。这个 framing 抽象出来就是：生活方式 = 大量的人 + 每天做 + 跟身份认同绑定，那才是大市场。 大疆做得好，但也因为抖音出现了 大疆做到今天这么大的规模，一半是大疆做得好，一半是抖音、Ins、社交媒体这些生活方式的变化给了它一个被需要的舞台。DJI Pocket 是这个逻辑的延伸：因为大家拍视频的量变大了、对内容质量的要求变高了、而 Pocket 拍的确实比手机好——三个条件凑齐，需求就被引爆。 下一个生活方式：人会越来越数据化 沈文杰的预测：人会越来越数据化、越来越依赖专业决策的辅助。大模型让常识变得没有成本——任何人都可以拥有研究生级别的常识，免费的。然后你可以把复杂问题、所有 context 都丢给 AI，立刻得到条理化分析。这件事会重塑营销、产品、零售。家纺店从卖印花变成卖“针对你的数据化解决方案”——这就是新生活方式落到具体业态里的画面。 别把自己当 Nature 审稿人 我问他：三个院士在台上吵核聚变技术路线，VC 怎么判断哪条对？他说：我们不是 Nature 审稿人，不要去做最牛逼的人都无法判断的事情。最重要的是搞明白共识，而不是钻牛角尖说这个架构比那个架构好。那个时点你投谁都不会太差。 创业者怎么反脆弱：尊重事实 半年就翻天覆地的时代，普通创业者怎么活？沈文杰给了三条：第一，关注最底层不变的东西——模型能力提升、算力变大，新机会都会朝你开放；第二，保持灵活性，关注当下——奶茶有没有绝对壁垒？关键是搞明白“100 家和 1000 家的差别是什么”；第三，不要幻想过高毛利率——别人能 copy 的产品，凭什么把你的用户抢走？他自己写的“名人名言”是凯恩斯那句：当事实改变之后，我的想法也随之改变。 时间轴 03:01 沈文杰怎么在 2020 年就 top-down 投了壁仞 05:01 当年的核心预判：数据中心收入什么时候超过游戏 10:53 Top-down 适合什么赛道，不适合什么 12:09 Transformer 火之前，没人能 top-down 推出 Transformer 12:58 今天还有哪些底层赛道值得 top-down 15:18 你越看好的行业，最后能成的公司越少 17:53 AGI 在物理世界是断层的——这就是投睡眠的理由 18:54 喂数据上去 + 把决策反馈下来，闭环才完整 20:54 睡眠是 AI 最 ready 但没用好的能力 22:25 不投“大健康”，只投睡眠 24:13 大疆做得好，但也因为抖音出现了 25:17 耐克为什么先做跑步，再做篮球 27:25 DJI Pocket 起飞的三个条件 29:43 下一个生活方式：人会越来越数据化 30:47 未来的家纺店，不再卖印花，卖数据化解决方案 34:14 三个院士在台上吵架，VC 怎么判断 36:08 别把自己当 Nature 审稿人——共识比技术细节重要 40:07 泡沫是资本现象，不是需求现象 41:07 模型能力提升才是不变的事——以月之暗面为例 44:15 创业者怎么反脆弱：三条具体建议 47:35 凯恩斯：当事实改变之后，我的想法也随之改变 49:30 今天是适合做突破性大事的时间点 51:09 钱比之前多，但门槛也比之前高 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑： 十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Dhruv - double take