

#11 腾讯8年,做了应用宝、QQ物联、语音AI,现在用AI帮中小企业做财务记账毛华,ccMonet AI创始人兼CEO。2000年毕业,经历了互联网、移动互联网、AI三个时代。2011年把自己创办的App Store公司卖给腾讯,成为腾讯应用宝的前身。在腾讯8年,做了QQ物联(比苹果AirTag早5年做了儿童鞋定位,和李宁合作)、腾讯小微语音AI(对接Bose、B&O、哈曼卡顿、Sony)、视觉AI(华星光电面板缺陷检测),在腾讯云体系下从IoT到Voice AI到Vision AI全部趟过一遍。2019年来新加坡,2023年ChatGPT出来后开始创业,先做个人助理PlatoX,GPTs推出后砍掉,转做ToB财务Agent——ccMonet AI。AI+人的团队帮中小企业做全套财务服务,客户包括喜茶、秀波格尔等连锁餐饮。去年搬去美国拓展市场。 这期最有意思的是两个反差。第一,他在腾讯做了那么多从0到1的创新项目,但回头看上一代AI"就是智障"——能问天气能放歌,但不存在连贯对话。ChatGPT出来的那一刻,他知道这次不一样了。第二,15年没写过代码,Claude Code出来后每天只睡四五个小时抱着电脑——中年男人以前钓鱼,现在全换成vibe coding了。一个人手搓了报销APP从策划到上架App Store。 Highlight: → 2011年把公司卖给腾讯,成为腾讯应用宝前身 → 在腾讯做QQ物联:比苹果AirTag早5年做了儿童鞋定位芯片,和李宁合作,真的找回过走失的孩子 → 第一次用深度学习AI:训练识别交警——违停时行车记录仪拍到交警通过QQ提醒车主,比商汤还早 → 上一代AI"就是智障":能问天气能放歌,但问两个问题就不行了,根本不存在连贯对话 → ChatGPT出来那一刻就认定:这不是一般的事,这是一次革命 → 先做个人助理PlatoX,GPTs推出后砍掉——发现大厂一定会覆盖这个方向 → 转做ToB财务Agent:任何企业都绕不过记账和报税,这是刚需 → 不卖软件卖结果:传统企业老板说"我买了是不是得自己用?我没时间"——于是改成AI+人交付全套服务 → 传统accounting firm记总数,ccMonet记每一行明细——100块钱由哪些东西构成、单价多少、数量多少、含不含税 → 泰国客户有10个关联公司出不了报告,用了ccMonet两个月后报告出来,3亿人民币融资加速到账 → 15年没写代码,Claude Code出来后每天只睡四五个小时——"中年男人以前钓鱼,现在vibe coding" → 一个人手搓报销APP:策划、设计、代码、上架App Store全是AI做的,月费4.9美金 → 组织架构从分层变成垂直:产品经理从头做到尾,两个人就能做一个完整项目 → 公司最大的成本是人与人之间的沟通——AI来了以后不需要对齐、不需要复盘,你跟AI对齐就完了 → 未来数字化无死角:新加坡餐厅扫码还是PDF菜单,说明开发人员不够,AI会覆盖所有角落 → 非常看好苹果端侧AI:M7芯片+开源模型V6,两年后本地就能跑够用的AI,解决企业数据安全 → AI时代的云大大简化:只需要存储、GPU算力、AI底座,SDK和API都不需要了 → "必须参与,从各个角度去参与。这不是汽车变火车,是汽车变火箭" Timeline 00:00 开场:毛华,ccMonet AI创始人,2000年毕业,经历了三个时代 01:10 腾讯8年:公司被腾讯收购,成为腾讯应用宝前身 01:36 QQ物联:通过QQ连接各种硬件,深圳硬件生态 02:13 腾讯小微语音AI:对接Bose、B&O、哈曼卡顿、Sony 02:24 上一代AI"就是智障":能问天气放歌,但连贯对话不可能 03:32 从IoT到Voice AI到Vision AI:在腾讯云体系下全趟了一遍 05:05 Google 21亿美金收购Nest,给深圳硬件圈巨大震撼 07:34 QQ物联的理念:硬件也是你的好友,每个设备有QQ号 09:32 第一次用深度学习AI:训练识别交警,违停提醒 12:07 比商汤还早做视觉AI,马化腾看了demo点赞 12:20 比苹果AirTag早5年:儿童鞋定位芯片,和李宁合作发布 15:19 QQ物联的硬伤:室内交互太麻烦,开个灯要10步操作 17:24 2017年CES看到Alexa:语音交互解决了近场交互问题 18:06 回来后立刻做腾讯小微语音AI平台 20:06 Voice是当时最自然的交互方式,但AI能力太弱 21:03 2019年离开腾讯来新加坡,因为孩子上学 21:21 休息两年,2022年11月ChatGPT推出 22:07 "对话可以连贯了"——认定这次和上一代完全不同 22:58 先做个人助理PlatoX:时间管理、财务管理、知识管理 26:58 GPTs推出后砍掉PlatoX:大厂一定会覆盖 27:12 转做ToB财务Agent:任何企业都绕不过记账报税 28:24 面向中小企业:餐饮、诊所、制造业、物流、建筑、美容院 29:07 不卖软件卖结果:老板说"我买了是不是得自己用"——改成AI+人交付 31:05 客户画像:餐饮最多,票据量大,传统accounting firm不愿意做 31:57 客户有喜茶、秀波格尔等品牌连锁 32:14 餐饮adopt的根本原因:反正都是外包,换一个更好更便宜的 33:07 ccMonet定位:用AI让服务价格极低、效率极高、准确率极高 33:47 Data in, reports out:实时数据,不只给政府报告,还有内部运营报告 34:41 传统accounting firm记总数,ccMonet记每一行明细 37:02 VC投了餐饮连锁后财务一团糟:ccMonet两个月切入30多家店,投资人每天看实时数据 38:38 泰国客户案例:10个关联公司出不了报告,ccMonet帮忙后3亿融资加速到账 40:24 15年没写代码,Claude Code出来后每天只睡四五个小时 41:37 新加坡餐厅扫码是PDF菜单——说明开发人员不够,AI会覆盖所有角落 42:35 11岁儿子没学过编程,跟AI对话做出了2048游戏 43:25 "中年男人以前钓鱼,现在vibe coding" 43:57 一个人手搓报销APP:从策划到设计到代码到上架全是AI 47:04 转化率低了就跟AI说,AI自己分析改内容改官网 48:08 未来可能是App Factory:财务体系每个功能都可以单拆成产品 49:28 组织架构从分层变垂直:产品经理+后端工程师两个人做一个完整项目 50:55 公司最大成本是沟通——AI来了不需要对齐不需要复盘 51:30 龙虾本质是个人助理,背后是工程架构,给大家很大启发 52:32 ToB场景最大障碍:数据安全,龙虾用的还是云端大模型 53:02 非常看好苹果端侧AI:M系列芯片+开源模型,两年后本地就够用 57:00 云大大简化:AI时代只需要存储+GPU+AI底座 59:33 "必须参与,从各个角度去参与。这不是汽车变火车,是汽车变火箭"
#10 大公司立项要半年,我半年已经做了好几个项目胡成臣,清华博士,29岁在西安交大当副教授,34岁正教授,35岁任计算机系系主任。36岁离开学术界加入赛灵思(Xilinx),从零搭建亚太区CTO office和亚太区实验室。40岁生日前一天接受了蔚来汽车的offer,做首席专家,前后主导技术规划和AGI委员会。2025年6月30日离职,现在新加坡创业。 这期最有意思的不是他做了什么,是他怎么想的。他说以前一直标榜自己"跳出舒适区",40岁以后发现自己没有跳出叔本华——得不到痛苦,得到了空虚,然后再去追下一个。真正的转变是重新想清楚一件事:以前是用生命力换生产力,现在应该用生产力换生命力。 创业第一年走了标准路径——写BP、见投资人、融资建团队。融不顺利之后反而想通了:为什么要花时间说服投资人?直接让客户用真金白银投票。第一个客户是老同学,一顿晚饭聊完第二天就带着合同来了。现在一人公司,用AI Agent同时交付多个项目,不信者不医。 Highlight: → 29岁副教授,34岁正教授,之后系主任——学术界发展极顺,但总觉得少了什么 → 在西交大做教授时就创办了两家公司,完全按硅谷模式和学生co-found——当时在中国凤毛麟角 → 赛灵思4年从零搭建亚太区CTO office和实验室——"客户自己都不知道要什么,你要和他一起去共建" → 40岁生日前一天接了蔚来offer,主导智能电动汽车12层技术栈和AGI委员会 → 蔚来的智能电动汽车不是手机加四个轮子,是移动的数据中心加四个轮子 → GPT 3.5出来那天假期最后一天开了一天战略会,之后成立了AGI委员会 → "以前用生命力换生产力,现在应该用生产力换生命力"——OKR忘了O是什么,把KR当成了O → "以前一直标榜跳出舒适区,40岁以后发现没有跳出叔本华"——得不到痛苦,得到了空虚 → 离开蔚来最大的纠结不是职业风险,是团队——"带着老婆孩子猫狗从美国回来的兄弟们,我怎么交代" → 创业第一年融资不顺利反而想通了:为什么要花时间说服投资人?让客户用真金白银投票 → 内心真正的恐惧:做了几年教授几年高管,十几年没碰代码,我还能不能写代码 → 打消恐惧的方法:做了一个很小的项目,把信心找回来了 → 一人公司的工作流:多个AI(Codex、Cursor、Gemini、Claude Code)互相讨论一晚上,出方案,人做评估和修订 → 开发链路:项目经理Agent + 前端Agent + 后端Agent + 测试Agent + QA Agent,遇到阻塞才停 → "不信者不医"——不想花太多时间教育市场,选对客户是成功的一半 → 在红海里用新技术解决老问题:需求已经被验证,用AI降维提升生产效率 → AI解决的不是某个行业的问题,是一类工种的问题——这个工种在所有行业都需要 → "大公司立项要半年,我半年已经做了好几个项目" → 中年人的优势:精力拼不动了,但对产品的嗅觉、对市场的判断、对风险的识别,这些AI替代不了 Timeline: 00:00 开场:胡成臣,清华博士,前蔚来首席专家,现在做AI创 00:42 从清华博士到西安交大:29岁副教授,34岁正教授,之后系主 01:21 为什么离开学术界:在学校做了两家公司,接触了赛灵思,加上家庭原因 02:58 赛灵思4年:从零搭建亚太区CTO office和实验室 03:27 学术界和产业界最大的区别:从二手需求到一手需求 05:37 为什么加入蔚来:智能电动汽车是移动的数据中心加四个轮子 08:26 蔚来的12层技术栈:从Vehicle Engineering到操作系统到自动驾驶到AI 12:12 架构设计的核心原理:体系结构思维,像建筑师一样做承重墙 16:07 GPT 3.5出来后成立AGI委员会:把公司的AI资源做通用化 23:00 为什么离开蔚来:看到了更大的AI机会+用生产力换生命力的思考 25:28 叔本华的钟摆:40岁以后发现自己没有跳出"得不到痛苦,得到了空虚" 27:41 创业第一年走标准路径:写BP、见投资人、融资不顺利 28:10 融资不顺利的原因:在新加坡创业被质疑市场在哪,方向稍微超前 32:39 GAP期间的认知重启:一人公司做69个项目成功40个、中学辍学生去OpenAI拿70万年薪 35:11 AI改变了学习模式:终极的PBL(项目驱动学习) 36:06 "公司规模太大了——30人":曾鸣教授座谈会的震撼 37:23 内心真正的恐惧:十几年没碰代码,我还能不能写代码 37:58 打消恐惧:做了一个小项目,把信心找回来 38:00 第一个客户是老同学:一顿晚饭,第二天带着合同来了 46:13 AI在工作流中的角色:多个AI讨论一晚上出方案,Agent编排做开发 53:03 一人公司有天花板吗:链条在扩展,开始加人 59:10 传统企业AI改造最大的卡点:"不信者不医",选对客户是成功的一半 1:04:03 红海vs蓝海的思维转变:在已验证需求上叠加新做法,降维提升生产效率 1:06:58 中年人的护城河:商业嗅觉和信任关系,这些AI替代不了 1:09:58 每次都在推翻自己:从清华到西交大到赛灵思到蔚来到创业 1:14:37 "给投资人挣钱、给团队挣钱、给客户创造价值是本分,但更重要的是找到生命的意义"
#9 全球一亿人做B2B销售,4500万做Outbound,这件事非常不适合人做Leo Jiang,蒋诺。从BT到Orange到Vodafone到华为CDO(Chief Digital Officer),一路做海外企业咨询和数字化,在华为做亚太区CDO,从零打造了Spark Program——华为海外第一个创业加速器,四年从450个申请做到七八千个,覆盖五大洲。帮了几百个创业者之后,自己也被"浇水浇出芽"了,2024年下场创业做GroundAI,产品叫Gro——AI Outbound Sales Agent,亚洲第一。 这期最硬的部分是Leo把Outbound Sales的全链路拆得极其清楚——从找人、分析、建联、跟进到成交,每一步以前都需要人做,现在四个Agent编排起来可以全自动。他把自主权分成L1到L5五级,像自动驾驶一样。最让他兴奋的不是自动化本身,是Agent能做到人做不到的事——比如把一个展会网站的所有参展商分析一遍,分成三级,告诉你该去找谁。"以前我销售绝对干不了这个事。" Highlights: → 加入华为的三个原因:没在民企做过、华为出海是好机会、被美国刁难有点民族情怀 → Spark Program从零开始:第一年450个申请,第四年七八千个,覆盖五大洲 → 做生态和做咨询完全不同:咨询是从企业内部找资源外放,生态是搭台子让多方参与价值创造 → "我给founder搭了一个center stage,把政府高层、VC、独角兽founder都叫来听他们讲话"——没有任何企业做过这件事 → 帮了几百个创业者之后自己下场:"我在华为那个位置上说的话可能没有错,但我确实没有体感" → 创业初期没有确定产品,先做AI媒体和Newsletter,很快企业找来做增长,从agency转到产品 → SaaS的末日:Salesforce开始打折砍半,投资人不再看SaaS——不是SaaS核心层被替代,是模型能力外溢 → "模型的一次更新对我们来说就是一次生与死的考验"——春江水暖鸭先知 → Gro V1做自动化、V2做搜索(SaaS形态)、V3做全自动Agent(不再需要人操作) → 全球1亿人做B2B销售,4500万做Outbound——每天发邮件打电话被拒绝,极度消耗,非常不适合人做 → Outbound Sales六七步:画像→找客户→补全数据→触达→建立信任→约会→签单,每步都有provider → 四个Agent:Search→Analyst→Outreach→Optimization,自主权分L1到L5 → Agent做到了人做不到的事:分析一个展会所有参展商,分成三级,告诉你该找谁——"以前销售绝对干不了" → Autonomy Control是企业软件的关键:竞品的agent越权多消耗了60%的credit——"安全和compliance是大企业最care的" → V2和V3之间是范式转移:V2还在比搜索精度,V3说"So what,我最终目的是成交" → Agent to Agent的未来:你用sales agent,客户也用procurement agent,最后变成agent对话 → 亚洲做ToB:企业密度和付费意愿不如北美,但对新事物认知滞后反而是机会 → 出海三板斧不work:"技术多、有大客户、价格便宜"不是海外市场的沟通方式 → 销售的第一原则:Sell by not to sell,不要直接卖。核心是建立信任,be authentic and honest Timeline: 00:00 开场:Leo蒋诺,前华为CDO,现在做AI Sales Agent创业 00:22 背景:从BT到Orange到Vodafone到华为,一直在海外做consulting 01:07 华为Spark Program:从零搭建亚洲最大创业加速器 03:10 加入华为的三个原因:没在民企做过、出海好机会、民族情怀 03:50 做生态vs做咨询:搭台子让多方参与价值创造 05:02 给founder搭center stage:没有任何企业真的为创业者搭过台 06:47 做对了什么:对外理解founder需要什么,对内把价值讲清楚调动资源 08:03 "我自己出来创业后发现,没多少人请我做这些事了" 11:09 大企业数字化转型vs AI创业:大象跳舞很难,小企业春江水暖鸭先知 12:58 SaaS的末日:模型能力外溢,Salesforce打折,投资人不看SaaS 13:30 为什么离开华为创业:帮了几百个创业者后自己也想试试 14:35 "我在那个位置上自我感觉良好,但其实很虚伪——我没有体感" 15:26 创业初期:没有确定产品,先做媒体和Newsletter,客户自己找来 16:27 从agency到产品:印度巴基斯坦印尼都试过外包SDR,不好用 17:12 V1做自动化、V2做搜索、V3做全自动Agent 18:04 SaaS形式一定会变:模型能把复杂流程做通,不再需要人操作 19:04 什么是Outbound Sales:5%的人有明确购买需求,65%有需求但没去找 20:54 Outbound六七步:画像→找客户→补全数据→触达→建信任→约会→签单 23:34 SDR的日常:每天发几百封邮件被拒绝,存活不超过两年——非常不适合人做 24:18 AI没法陪客户喝咖啡,人也没法24×7分析全网——必须结合 24:55 四个Agent:Search→Analyst→Outreach→Optimization 28:30 L1到L5自主权分级:像自动驾驶一样,用户自己选autonomy level 29:00 美国上市企业客户案例:Agent分析展会所有参展商,分三级推荐——"销售绝对干不了" 31:33 V2到V3的范式转移:不再比搜索精度,目标是成交 33:00 Autonomy Control:竞品agent越权多花60%credit——企业软件必须care安全 37:40 Sales Agent赛道:全球1亿B2B销售人员,1.3万亿美金市场,比Coding Agent大两倍 38:40 Agent to Agent的未来:销售用agent,客户也用procurement agent 42:12 商业模式:V3转按结果收费,不再按席位 44:04 亚洲市场:企业密度和付费不如北美,但认知滞后是机会 45:27 出海三板斧不work:技术多、大客户、价格便宜不是海外的沟通方式 46:50 销售的第一原则:Sell by not to sell,核心是建立信任,be authentic and honest
# 8 AI产品设计的反常识:回复越短,用户聊得越久Lizzie Zhang,在新加坡做了12年互联网产品经理,从音乐APP到韩剧流媒体到全球招聘引擎到出海社交平台,一路做C端。最近这家公司是一家东南亚头部的出海社交平台,全球2000+员工,她从0到1把产品做到了百万美金级月收入。2023年开始转向AI+社交,做过AI塔罗占卜、AI虚拟伴侣、AI红娘、AI NPC、AI社交撮合。 这期聊了三件事。第一,中国出海公司和西方互联网公司做产品的根本区别——不是build product,是build service。第二,AI社交产品的实战经验——陪伴型和引导型bot的设计逻辑完全不同,以及一系列违反直觉的"反效率设计"。第三,AI时代产品经理这个角色会变成什么——入门门槛更高了,但最后剩下的人可能不叫产品经理了,叫AI builder。 Highlight: → 产品经理的mentor告诉她:做产品不是ship feature,feature推出去就有运营成本,不要做feature creep → 加入中国出海公司的culture shock:西方做的是product,中国做的是service——背后有庞大的运营体系 → 中国互联网充分竞争催生了角色细分:用户运营、商业化运营、平台运营、产品运营、增长运营、内容运营 → 社交产品的本质:Status as Service——人是追求社交地位的动物,你在哪个场域最容易获得社交资本,你就会被吸引过去 → AI社交三种bot类型:陪伴型(体验驱动)、引导型(行动驱动)、撮合型(连接驱动) → 反效率设计:AI回复越短,用户聊天轮次越多 → 反效率设计:让AI下线制造"它很忙"的拟人感,用户反而更珍惜互动 → 反效率设计:检测连续问句并强制改写,避免AI像审问 → 引导型bot的核心教训:时机比内容重要——在用户最需要的时候出现,而不是每30分钟扫描一次 → 更像真人的人设转化率远超fancy人设——用户不想跟一个有光环的虚拟角色聊,想跟和自己差不多的人聊 → 日本AI红娘插入双人对话降低了私聊频率——日本用户对私域非常敏感,第三方在场他就不说话了 → "被看到"不等于"被回应"或"被理解"——是经验的共振和情绪的激发,AI目前做不到真正的共感 → 但下一代人可能不care——如果从小就和AI对话,没有"AI是机器"的偏见,信号够足就能感觉被看见 → AI时代产品经理的入场券变了:execution可以被AI取代,junior PM没有足够的练手机会了 → 最后剩下的可能不叫产品经理了,叫AI builder——管理者、纠偏者、coach,驾驭AI而不是被AI替代 Timeline: 00:00 开场:Lizzie,新加坡12年产品经理 00:20 第一份工作:音乐+游戏APP的co-founder式角色,发现自己喜欢C端产品 02:57 Mentor的影响:做产品不是ship feature,feature有运营成本 04:42 Rakuten Viki:韩剧流媒体+粉丝社区,把弹幕引入西方用户 06:33 Indeed:experiment culture,一切以数据说话,所有PM都会SQL 07:37 加入中国出海社交公司:culture shock——西方做product,中国做service 10:12 中国互联网充分竞争催生了运营岗位的极致细分 11:32 中国公司的ROI思维:7天打正、30天打正、180天打正 12:53 社交产品和其他C端产品的区别:Status as Service理论 15:05 社交资本驱动付费:你在哪个场域获得最多地位,你就去哪 15:57 台湾蓝领用户案例:线下没社交资本,线上变大哥大姐 17:10 社交产品的组局逻辑:组局者、消费者、魅力者、普通参与者 19:04 做了哪些市场:台湾、泰国、印尼、中东、越南、南美 21:02 从0到几十万DAU,6-12个月跑通商业化 23:05 转向AI:从AI塔罗占卜开始,逐渐做AI社交模块 24:31 AI产品和传统产品最大的区别:AI在产品里的角色定义——能力升级、新能力、新角色 28:35 产品经理核心能力有变化吗?两类PM:业务视角型vs craftsmanship型 31:57 AI产品经理需要懂技术到什么程度?从需求出发学最快 33:47 不同类型bot的设计逻辑:虚拟陪伴型——沉浸感和真人感 37:25 虚拟伴侣赛道竞争激烈,她选择做撮合和提效 40:26 引导型bot的关键:意图把握、推进力度、被拒绝后怎么挽尊 41:22 引导型bot最难:日本红娘插入私聊降低频率的教训 44:10 时机比内容重要:深夜在线1小时无消息的孤独用户,效果最好 46:32 更像真人的人设转化率远超fancy人设 48:06 反效率设计:AI回复越短用户聊越多、连续问句改写、打破哈哈循环 52:07 AI陷入pattern的真实案例:虚拟伴侣只做动作不说话了 53:02 Anthropic论文:Claude内部的功能性情绪——方法论演员为了演好角色需要进入情绪状态 56:10 AI alignment和peer protection:模型给合作过的模型打分偏高 59:37 AI能让人感觉"被看到"吗?被看到≠被回应,是经验共振和情绪激发 1:02:45 下一代人可能不care:从小和AI对话,没有"AI是机器"的偏见 1:03:58 AI时代PM还有必要吗?execution被取代,junior PM入场券没了 1:06:26 最后剩下的人可能叫AI builder:管理者、纠偏者、coach 1:08:38 收尾
#7 Hinton教给我的是好奇心,LLM不过是大三学过的东西做得很深杨凯,连续创业者。多伦多大学数学系,Geoffrey Hinton的学生,亲历了AlexNet开启深度学习时代的那个瞬间。哈佛统计硕士,华尔街对冲基金做量化交易。回国后在企业服务领域连续创业——会小二(线上会议预定,获客成本从2000+降到800)、魔音智能(语音技术,YC中国,融了300万美金,比飞书早一年推出会议纪要产品,后被大厂免费碾压)。现在在新加坡做Arros AI,为招聘平台和企业提供AI招聘基建,ARR超过100万美金,是东南亚头部的AI招聘技术供应商。上个月刚被纳斯达克上市公司YY Group任命为首席AI科学家。 这期聊了两个核心问题。第一,"找人"和"找信息"有什么不同——Google用关键词index网页,但人是一个非常复杂的object,关键词解决不了。第二,龙虾(agentic AI)为什么是真正的范式变化——不是因为技术牛,是因为人越来越懒了。 Highlights: → Hinton教给他最重要的一件事:好奇心 → "LLM不过是大三学过的autoregressive model,只不过做得很深"——万变不离其宗 → 量化交易和AI招聘的共同点:都是信噪比问题,都要capture true signal → 会小二获客成本从2000+降到800:线索分类+场地自动匹配+减少人力 → 魔音智能比飞书早一年推出产品,飞书免费碾压——中国enterprise SaaS至今没找到scalable商业模式 → 从AI招聘玩家转身为AI招聘基建——每个招聘公司都在谋求AI转型,卖铲子变成最大机会 → 用关键词index信息很简单,用意图index人很难——简历里写了LLM不代表他是做LLM的 → "龙虾就是下一个AlexNet"——用户越用越懒,一旦习惯对话式交互就回不去SaaS → AI时代做产品最稀缺的:对需求的理解。技术门槛在降,客户究竟需要什么才是亘古不变的问题 Timeline: 00:00 开场:杨凯,连续创业者,Arros AI做AI招聘基建,ARR超100万美金 01:30 多伦多大学数学系,Hinton的学生,当时深度学习还没成为显学 02:13 AlexNet出现的震撼:海量数据+神经网络的大力出奇迹 03:43 Hinton教给他最重要的一件事:好奇心和探索精神 05:21 "LLM不过是大三学过的autoregressive model"——底层原理没变,做得深度不可同日而语 06:58 从Hinton到Google到Transformer到OpenAI:一个连锁反应 07:53 哈佛统计→华尔街量化交易:和AI招聘的相通性——信噪比问题 09:40 离开华尔街回国创业:问题scope不够大,想做更大影响力的事 10:40 第一个创业项目:会小二,线上会议预定 12:31 怎么把获客成本从2000+降到800:线索分类+场地自动匹配+减少人力 14:33 第二次创业:魔音智能,疫情期间爆发,语音转录+会议总结 15:46 几个月上百万用户,融300万美金 16:10 但飞书免费碾压:提前一年推出产品,大厂全部免费 17:12 做大企业客户:一个订单一两百万人民币,但要消化一年,第二年就压价 18:22 两年前重新回海外市场做招聘 18:37 "中国做SaaS":consumer有商业模式,enterprise至今没找到scalable模式 20:03 为什么第一个场景选招聘:cofounder是招聘行业15年的专家 21:24 找人的难度:关键词搜不出来的东西太多——"中国背景"怎么用关键词搜? 24:19 纳斯达克上市公司YY Group投资Arros AI并任命杨凯为首席AI科学家——合作怎么发生的 25:27 从AI招聘玩家转型为AI招聘基建:不竞争,供应弹药 27:08 每个招聘公司都在谋求AI转型——卖铲子变成最大机会 28:19 产品迭代三个阶段:①AI native招聘流 ②技术标准化供应 ③agentic AI,界面越来越少 31:09 Ellen亲测龙虾产品找人:先锁定数据库→特定标签搜索→分段跑数据 31:51 这个设定的原因:agentic AI需要及时反馈,sourcing耗时长,分批汇报提升体验 33:03 龙虾打开了SaaS做不到的空间:对话式交互没有界面限制,功能可以无限集成 35:21 recruiter用龙虾:organizational chart mapping、sourcing、自动发WhatsApp/LinkedIn 36:43 用户越来越懒:所有due diligence都在龙虾上发生,懒得用Google懒得敲字 38:36 龙虾是真正的产品范式变化:一旦习惯对话式交互就回不去SaaS 41:05 "龙虾就是下一个AlexNet"——我们看到了agentic AI巨大的潜力 41:28 Ellen的类比:Google用意图搜索重新组织信息,你们用算法重新还原人 42:07 人是复杂object:简历里写了LLM不代表他做LLM,可能只是招LLM的recruiter 44:17 AI作为communication tool:LinkedIn是世界上最大的通讯录,AI成为未来的Connector 44:52 千人千面:不是针对场景做profile,而是先做完整的profile consolidation,再按需求抽取 48:16 数据和算法哪个更重要:硬币两面,巧妇难为无米之炊,但有数据不懂业务也不行 50:05 统计学科班出身,理解底层原理有多重要:设计算法需要heuristic,需要理论逻辑支撑 52:35 AI能做什么不能做什么:大量还是实践出结论,做hypothesis→training→rigorous evaluation 54:42 "技术怎么实现不重要,关键是看好不好用"——技术是实现手段,最终为用户体验服务 56:42 AI时代做产品最重要的:对需求的理解。技术门槛在降,客户需要什么才是亘古不变的问题 57:55 人变得越来越复合:engineer变产品经理,产品经理变engineer,还要懂市场懂推广
#6 品味、规格和需求:一个产品人的跨国增长方法论Allen史大侠,物理系出身,从Hitachi硬件产品经理入行,因为一堂UX课找到方向,先后在滴滴做AI应用产品,在Roblox做AI与内容安全,经历过A轮到上市的各种阶段。现在全球各地做产品教练和增长顾问,帮AI创业公司找product-market fit,助力多个团队实现迈向千万级用户增长,突破融资瓶颈,缩短从 0 到 1 的验证周期。 这期最有料的不是大厂经验本身,是他对"品味"的定义、对跨国增长的方法论、以及对AI时代产品经理角色的判断。他说品味不是永恒的——是你在特定的场景和时空背景下展现出来的深刻理解。他说最好的增长不是投广告,是找到市场自然而然就有的momentum。他说AI时代不需要产品经理是假命题——当生产力足够简单的时候,决策才是最重要的事。 Highlight: → 一堂UX课和一堂SEO课改变了他的方向 → 从时间、地域、文化、生命周期多个维度重塑商业模式,而不是从单一路径看 → 滴滴顺风车事件后AI团队的机会:从安全出发,做到客服体系→体验体系 → "最好的体验是你不要告诉我还需要操作,你帮我解决掉就好" → Roblox从来不觉得自己是元宇宙公司,内部没有任何文档用过Metaverse → 给小孩做产品:不要臆测他们喜欢什么,足够大的自由度+不要太多干预 → 鱿鱼游戏在Roblox上爆红——几百上千个用户自制版,这才是UGC的力量 → "你找得出各种不红的道理,但找不出它红的道理" → 日本B2B:终身聘雇制下高管需要确定性极高,所以consultant文化全世界最强 → 做顾问的初衷:公司内部做创新业务的团队是最孤立最可怜的 → 筛选合作产品三个标准:自己要用、教育成本低、迭代速度快 → "品味就是你对一件事情看得非常深刻" → AI时代不需要PM是假命题:决策才是产品经理最重要的事 → 最好的增长是市场自然有momentum——选题比做feature重要 → "你应该做一些以前做不到的事情,那才叫需求,不然那叫规格" Timeline: 00:00 开场:Allen史大侠,全球AI创业公司产品教练和增长顾问 00:59 从物理系到产品经理:一半同学去了台积电,但我知道我不想做什么 02:38 入门产品是从UX开始的——一堂UX课和一堂SEO课 05:05 电影平台创业:定位没确定清楚时,投广告和产品转化都不会好 06:14 "持续滚动数百种中美商业模式和文化做匹配和测试"是怎么养成的 07:40 日本、美国、东南亚同一个产品发展路线完全不同——Brex的例子 11:27 从多个维度重塑商业模式:时间、垂直领域、生命周期、文化地域 11:42 加入滴滴:为什么选滴滴而不是字节或美团 13:58 顺风车事件后:安全链路成为AI团队的切入点 15:54 千万级日活,载的不是货是人——安全和体验的平衡 16:57 智能客服的本质不是处理客诉,是当下解决情绪和问题 17:45 AI在滴滴像内部创业——十几个项目里选题、排序、配资源 20:03 AI语音交互:怎么知道做得好不好——事件触发的渗透率和scenario-specific的效用 22:10 "最好的体验是你不要告诉我还需要操作,你帮我解决掉就好" 23:03 加入Roblox:当所有互联网效率到瓶颈,注意力流向娱乐 24:24 打电话给美国姑姑叔叔,不会用智能手机的人说Roblox是好公司 25:15 从安全和推荐切入——AI对Roblox效率生产帮助很大 25:25 滴滴的AI经验哪些可以迁移到Roblox:事前事中事后的框架大部分复用 29:51 给小孩做产品vs给成年人:task-oriented vs discover-oriented 31:00 Roblox的增长引擎:足够大的自由度+不要臆测用户喜欢什么 32:08 Roblox从来不觉得自己是元宇宙公司 33:01 鱿鱼游戏爆红:几百上千个用户自制版——UGC的力量 35:27 Roblox的principle:足够大的自由度,不要太多干预 37:16 内容出海vs工具出海:游戏语言无国界,但文化内容有迁移路径 39:24 "你找得出各种不红的道理,但找不出它红的道理"——要把权力还给当地创作者 40:44 跨国增长方法论:个人观察+在地访谈+统计数据+过去经验 41:02 日本市场:ToC难做,ToB要理解终身聘雇制下的决策逻辑 45:47 日本B2B的增长渠道:为什么户外广告这么重要 49:07 为什么从甲方转做顾问:公司内部做创新业务的团队是最孤立的 51:40 如何在公司做内部PIVOT——需要客观第三方帮内部发声 53:21 和Plaud、Monica(Manus前身)合作经验:category创新+附着渠道是关键 57:00 筛选合作产品的三个标准:自己要用、教育成本低、迭代速度快 1:00:30 AI时代不需要PM?假命题。决策是产品经理最重要的事 1:01:39 钟摆效应:PM从少到多再到少,核心始终是洞察+决策 1:04:09 "品味就是你对一件事情看得非常深刻"——Granola的例子 1:06:18 新加坡AI创业公司三大需求:融资、招聘、增长 1:07:01 最好的增长是市场自然有momentum——选题比做feature重要 1:08:56 太多团队技术很强但遗漏了市场洞察——不要快速做feature然后靠营销 1:11:30 "你应该做一些以前做不到的事情,那才叫需求,不然那叫规格" 1:11:43 为什么还要亲自做用户研究:帮团队发现以前做不到现在能做到的事 1:15:15 用户访谈两个关键问题:重新做你会选什么方向+有没有更适合我们的人 1:17:00 为什么叫史大侠:喜欢全世界跑来跑去研究
#5 90%的技术创业者说不需要导演了,90%的创作者说AI什么都不是Jasmine,常青藤毕业,过去六七年帮中国消费品牌出海东南亚,同时一直在做内容产业——从传统电影电视剧到短剧、漫剧。投过国内顶流大IP。今年开始深度参与一个大IP的运营开发,直接把自己扔进了AI+影视的一线战场。 这期最有意思的不是AI技术,是人。Jasmine发现90%的技术创业者觉得AI可以完全替代创作者,90%的创作者觉得AI什么都不是。但私底下,技术团队的作品离不开人的校准,创作者偷偷在用AI写剧本。她在中间做mediator——把互相看不顺眼的人摁到一张桌子上,让大家用同一种语言讨论同一个问题。 她说AI时代最难的不是技术,是人。创作者的抵触不是对技术的rejection,是对"有一天会被替代"的恐惧。而她作为一个"啥都懂点的文科生",在这个时代反而找到了自己最确定的角色。 Highlight → 90%的技术创业者说不需要导演了,90%的创作者说AI什么都不是——但私底下双方都在打自己的脸 → 创作者偷偷用AI写剧本,技术团队的作品离不开人的校准 → AI在讲故事方面还是"生成"而非"创作"——用户engaged的是情节发展,不是视听语言 → "80年代的feelings"——导演说了一个词,工程师完全听不懂。她的工作是"中译中" → AI的干预反而拉长了项目前期的时间——世界观设定上AI和创作者有很大冲突 → AI时代最难的不是技术问题,是人的问题——创作者的抵触本质是对被替代的恐惧 → 她的方法:循序渐进,从小任务开始让双方建立信任,严格把控不让话题滑向"AI会不会取代人" → AI帮她把脑子里模糊的画面可视化了——这件事提振了她做IP运营的信心 → IP开发在国内一直做不起来:说了多少年学Disney学Marvel,但没有真正有生命力的长线IP跑出来 → 投内容这么多年,投的还是人。但现在会多看一个维度:创作者对技术的心态和学习能力 → "文科理科是人为分出来的。我啥都懂点,做串联者和调停者,这就是我的核心竞争力" → Claude让她感受到人文关怀——adaptive、像人、会challenge她,不是在舔 → Amanda Askell构建的"亚里士多德式人格"让她觉得Claude有底线有标准 → 不管做消费还是内容,她一直在做离人最近的东西 → 内容的价值永远在,变的只是媒介和载体 Timeline 00:00 开场:Jasmine自我介绍——消费出海+内容产业+IP运营 02:02 AI+影视的一线:你在调和什么矛盾? 03:14 90%的技术创业者觉得不需要导演了,90%的创作者觉得AI什么都不是 04:10 但私底下,双方都在打自己的脸 05:42 mediator的角色:让互相鄙视的人坐到一张桌子上 06:44 你能get things done的根本原因是什么? 07:25 "80年代的feelings"——导演和工程师完全说不通 08:13 她的工作是"中译中":把抽象的感受可视化传达给技术团队 09:32 AI对影视冲击到了什么阶段? 10:03 宏观层面:大制作项目被默契地搁浅了,技术发展冲击的是行业信心 11:45 微观层面:AI已经介入得更深了,纯AI漫剧已经能赚钱 13:31 创作者的core identity被动摇:AI传递的是谁的意识? 15:22 AI是在"生成"不是在"创作"——这两个词有subtle的区别 16:30 干预、影响、替代——三个词的区别 17:32 替代:现在AI很难讲好一个故事,用户engaged的是情节不是视听 20:00 干预的负面例子:AI参与世界观设定,和创作者产生冲突,反而拉长了项目周期 25:06 建立common language是最难的——各方只关注自己擅长的部分 28:46 大家喜欢跳过"问题"阶段,直接要做事情 30:21 创作者脆弱的自尊心:AI时代最难的不是技术问题,是人的问题 31:42 抵触的本质是恐惧,不是对技术的rejection 32:05 她的方法:循序渐进,从小任务开始,严格不让话题滑向"AI会不会取代人" 33:14 AI给出不够精确的方向,反而帮团队确定了真正该做的事 35:43 AI消解了创作者的焦虑——各方都看到AI确实不是什么都能做 36:08 开发IP的本质是什么?国内IP行业和美国的最大区别 37:44 国内跳过了原始手搓阶段,直接进入了AI介入的阶段 39:11 AI帮她把脑子里模糊的画面可视化——这件事降低了做IP运营的决策门槛 40:45 回到文科生背景:纯文科生,双学位国际关系+经济 42:33 AI时代文科生应该如何自处? 43:29 文科全女生团队做出海,AI极大提升了团队效率,没有造成冲击 44:54 给文科生的建议:不要抵触,机会大于风险 45:23 为什么是Claude?adaptive、像人、会challenge、有底线 47:21 Amanda Askell的哲学:亚里士多德式人格,Claude有人文关怀 49:14 消费出海和内容影视的相通点:一直在做离人最近的东西 51:03 human dies, ideas last 51:16 回国入海:业务反而扩大了,从东南亚到澳洲日本欧洲 52:31 回国更卷了,但只愿意为真正感兴趣的事情熬夜 53:15 作为投资人,判断标准变了吗? 53:55 变的:不再愿意投制作周期3年以上、回报周期5年以上的大项目 55:13 不变的:投的还是人。内容的价值永远在,变的只是媒介 56:16 现在多看一个维度:创作者对技术的心态和学习能力 56:54 最后一个问题:AI时代一个人最重要的品质是什么? 57:06 跨学科能力。不要把自己困在文科生理科生的标签里 57:37 "我啥都懂点,做串联者和调停者,这就是我的核心竞争力"
#4 两年重构三次:在被大模型“碾压”之前,先推翻自己曹亮,微软七年,从on-premises到云到低代码,经历了企业软件的三次大迁徙。2020年出来创业做Component.app——用模块化+AI的方式让企业软件开发变得更快更便宜。两年里产品重构了三次,每一次都是因为大模型又进步了,他又要问自己:我们做的这个东西还有存在的价值吗? 这期最有意思的不是产品本身,是他看大模型的方式:大模型本质上是基于概率的计算,不具备逻辑思考能力,不具备创造未来的能力。所有Agent的存在,恰恰证明了大模型本身是不够的。但他又说,自己必须不断站在大模型的角度来推翻自己——如果大模型再进步一步就能取代我,那我现在就得改。 一个创业者最难的事不是坚持,是敢于否定自己。 Highlights → SaaS行业方向走偏了:开发成本占20%,销售成本占80%,价值倒挂 → 定制开发的市场规模比SaaS还大,说明定制才是主流需求 → "Do you believe in it?" "Yes, I believe." ——离开微软创业的那个瞬间 → 产品两年重构三次:每次大模型进步,就问自己还有没有存在的价值 → 大模型本质上是基于概率的计算,不具备逻辑思考能力 → 我们做这么多Agent,恰恰因为大模型没有逻辑能力 → 大模型非常依赖已有数据,不具备创造未来的能力 → 大模型当工具很好,当人还不够——你不能把事情交给它就不管了 → 前端页面放心交给AI,但软件工程架构还是人来 → Lovable们站在大模型车轮前方一点,很可能被碾过去 → 大模型能力增长边际递减,但工程化能力还能让它再发挥很长时间 → 软件不会消失:操作数据、交互数据、呈现数据最好的方式还是程序 → 东南亚撑不起大的企业软件市场,未来要往发达国家走 → 失败的将领都在想怎么赢对方,而没想对方怎么赢我 → 宁可把公司关掉,也不要在错误的路上justify自己 Timeline 00:00 开场:让企业软件开发变得更高质量和低成本 00:57 微软七年:从on-premises到云到低代码的大迁徙 02:35 整个技术迁徙的趋势:ERP→互联网→SaaS→AI 04:06 SaaS行业方向走偏了:开发成本20%,销售成本80% 05:12 SaaS的第二个问题:标准化产品满足不了个性化需求 06:17 定制开发的市场规模比SaaS还大 08:48 为什么技术在进步,企业软件体验还是那么烂 11:45 微软推低代码产品PowerApps的经历 12:22 "Do you believe in it?" ——离开微软创业的那个瞬间 13:38 2020年开始创业:先做低代码产品代理和服务 15:16 发现低代码产品的挑战也很多,决定做自己的产品 16:01 Component.app的诞生:模块化组装的想法 17:02 第一次重构:AI+模块化 17:10 第二次重构:更向AI native演进 17:26 第三次重构:在模块化基础上贴近大模型能力 18:08 为什么选择模块化:企业软件不需要100%代码控制 22:14 大模型出来后:一直在试图用大模型推翻自己 23:04 "如果自己不推翻自己,将来一定会被别人推翻" 24:44 "如果这东西没价值,今天就把公司关掉" 25:00 大模型处理不了什么:软件工程和企业业务逻辑 27:01 企业软件需要协作,不能经常报错 27:19 大模型当工具很好,当人还不够 28:11 第三版迭代:凡是能用大模型的全部用大模型 29:05 哪些放心交给大模型:前端页面,但加了工程化控制 30:11 1%出错时AI自己修不过来,要引入另一个模型检查 30:48 哪些绝对不交给大模型:一直在挑战自己这个边界 32:25 大模型本质上是基于概率的计算 33:07 大模型不具备逻辑思考能力,所以我们才需要Agent 34:36 大模型非常依赖数据,不具备创造未来的能力 35:28 vibe coding平台Lovable、Cursor怎么看 36:11 它们的价值10-20%是工程化,80-90%是大模型本身 36:46 Claude Code出来后,大厂的人都转去用Claude Code 37:52 站在大模型车轮前方一点,很可能被碾过去 38:30 两年前的预测:大模型能力边际递减——90%说中了 40:04 超出预期的:Anthropic在代码训练上的进展 40:40 工程化能力+大模型,接下来两三年还会很惊艳 41:28 Component.app的业务进展:产品在快速迭代 43:13 和SaaS时代的创业方法论不同:需要做很多基础性工作 44:25 把业务翻译成产品架构,这个能力AI暂时替代不了 45:17 客户案例:一个完全没有软件概念的人开始用Claude Code 46:48 未来的人才结构会根本性改变 47:37 未来还需要App吗?软件的本质是操作数据 49:03 AI交互效率其实很低,程序才是操作数据效率最高的方式 50:03 东南亚能撑起企业软件市场吗?——比较难 51:32 加一个人还是加一个软件?取决于人均GDP 52:38 未来路线:先新加坡,再往发达国家走 53:36 最后一个问题:你不停反对自己的习惯是怎么来的 54:10 "一个人停在那个位置,一定是能力不足的那个位置" 55:27 读战争史的训练:失败的将领都在想怎么赢,没想对方怎么赢我 55:59 "宁可把公司关掉,也不要在错误的路上justify自己"
#2 让ChatGPT推荐你的产品,他靠这个拿下了中国头部AI公司郭一辰(YG),Berkeley本科,花旗投行四年,Harvard MBA,现在新加坡创业。他之前几乎没怎么做过SEO。两年后站上了全球顶级SEO大会做分享。他做的事说起来很简单:帮公司从ChatGPT和Google上获客。做起来不简单:用AI批量生成上千个网页,覆盖所有搜索意图,让你的产品被AI推荐。这期聊了很多行业里没人敢说的话。 Highlights → 一句话:让ChatGPT和Google推荐你的产品 → 花旗投行四年练出的Excel思维,成了AI创业的起点 → 客户不在乎你的工具多牛,他只在乎结果 → "会跑步和跑得过刘翔是两回事"——别拿Claude硬干专业的活 → 没做过SEO反而是优势:老兵转不过弯,新人赢了 → 如果一个SEO机构说能保证流量,多半是诈骗 → 国内GEO被315整治,问题出在搜索引擎生态本身 → GEO的下一步:不只给人看,还要给AI看 → 眼花缭乱的AI新技术?三年后有意义的就那一两个 → ChatGPT爱拍马屁因为它是ToC,Claude不会因为它是ToB Timeline 00:00 开场:帮公司从ChatGPT和Google上获客 01:30 产品转服务:客户要的是结果,不是工具 02:30 批量生成网页的逻辑:覆盖所有搜索意图 03:50 表格的起源:花旗投行四年的Excel自动化 05:20 为什么现在反而不给客户看表格了 06:15 用Claude也能生成网页,为什么还需要CapGo? 07:40 "会跑步和跑得过刘翔是两回事" 08:30 从写代码工具转向SEO:转化率最高的场景 09:40 没做过SEO,两年后站上全球顶级大会 11:00 服务中国头部AI公司:他们更理解变革 13:55 方法论:全覆盖搜索意图 + 数据驱动保证质量 14:15 UGC SEO:原创性内容是排名的关键 15:40 国内GEO最大的坑:保证流量的多半是诈骗 17:45 国内vs海外:灰色软文生态 vs 官网透明规则 19:35 315整治GEO厂商:问题出在生态本身 20:40 GEO是风口还是趋势? 23:35 下一步:GEO不只给人看,还要给AI看 25:45 每月100个网页×10种语言的数据逻辑 27:50 前七八个月上量,之后重在优化 28:40 未来搜索引擎:SEO和GEO会融合 31:00 GEO和AEO是一回事,别被新词骗了 34:00 别押宝framework,大部分是死胡同 38:30 没变的:自动化一切。变了的:表格可能被自然语言跨越 42:30 AI的记忆问题:它知道什么时候该用记忆吗? 46:15 ChatGPT拍马屁 vs Claude不推产品:商业模式决定产品行为 关于Capgo AI:https://capgo.ai/ YG的小红书:哈佛YG用AI
#1 “AI 让我在40+岁迎来人生巅峰”二十年技术老兵、前上市公司CTO、知乎美食优秀答主、经济学硕士——翁伟大概是新加坡AI圈最不像程序员的程序员。 本期对话里,他分享了用AI替代整个技术团队独立开发一年的真实体感:为什么AI越快他反而越慢,为什么学得够慢反而能避开技术泡沫,以及他对MCP等热门概念一直保持距离的判断逻辑。 我们也聊到了AI对社会结构的冲击——翁伟认为这一轮革命的影响将超过此前所有工业革命的总和,凯恩斯百年前的预言正在兑现,而新加坡需要做一只"五脏俱全的顽强麻雀",在应用层做强全链条,而不是追逐大模型本身。 一期横跨技术品味、经济学思维和地缘判断的对话,从煮饺子为什么要三点水,聊到新加坡在中美之间该不该选边站。 Highlights → AI 时代的 CTO:以前管几十人团队,现在付个订阅费,做一样的事 → 为什么 AI 越快,他反而选择越慢 → "学得够慢,很多东西就不用学了"——如何避开 MCP 等技术泡沫 → 品味不是天赋:从《C++的设计与演变》到煮饺子三点水 → 美食、技术、经济学的底层能力是同一个:抽象建模 → 凯恩斯百年预言正在兑现:这次 AI 革命超过此前所有工业革命总和 → 新的社会问题不是多寡,而是不均 → 新加坡要做"五脏俱全的顽强麻雀":做强应用层,而非追逐大模型 → 新加坡的生死问题:能不能继续不选边站 Timeline 00:00 开场:不懂美食的 CTO 不是好的键盘侠 03:00 从一线程序员到上市公司 CTO 的二十年 04:30 AI 如何替代整个技术团队:以前叫同事写代码,现在叫 AI 写 08:00 反直觉:AI 太快了,所以我选择放慢速度 10:00 技术品味:为什么对 MCP 一直保持距离 11:20 "学得够慢,很多东西就不用学了" 11:45 什么是技术品味?先从美食说起——你得吃得够多 12:50 改变技术观的一本书:《C++的设计与演变》 14:10 煮饺子为什么要三点水?第一性原理的日常实践 16:15 跨界迁移力:法国大厨的厨房管理和技术团队管理是一回事 17:45 为什么在做到 CTO 之后去念经济学硕士 20:25 经济学的核心能力——抽象建模,和技术、美食相通 22:00 经济学两大流派:structural vs reduced form,因果性 vs 相关性 25:55 用收入支出比研究新加坡生活成本——为什么没人做过这么简单的事 30:55 这一波 AI 的范式转变:不是技术问题,是经济学问题 31:50 AI 革命的影响将超过此前所有工业革命的总和 32:15 "旧工作消失、新工作出现"是一厢情愿的惯性思维 34:25 凯恩斯百年预言:生产力过剩时代,社会伦理需要推倒重来 35:00 推崇进化,反对革命:希望变革来得慢一点 37:20 Abundance 理论 vs 现实:问题不是多寡,而是不均 39:45 "AI 是个文科生"——从文字接龙理解大语言模型 50:40 新加坡在 AI 时代的角色:一只五脏俱全的顽强麻雀 51:20 李光耀的时代是李光耀的,不能搞"两个凡是" 52:45 新加坡的生死问题:还能不能继续不选边站 53:40 小国的生存法则:不要想自己能得到什么,要想能为别人创造什么 56:15 新加坡应该聚焦应用层,做强全链条,认真考虑核能 58:15 收尾:反求诸己,保持主体性