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"

一个月前，伊朗对阿联酋发动导弹袭击。Wesley在阿布扎比被爆炸声惊醒，每隔半小时一波警报，导弹碎片落在两公里外的大学里。他连夜驱车东撤到阿曼边境，一周后又回到阿布扎比继续上班。Wesley本科北大信科毕业，现在是MBZUAI（中东AI大学）的研究员，正在孵化一个叫AudarAI的项目——做以阿拉伯语方言为核心的Voice AI。这期对话覆盖了战争亲历、中东AI生态的真实面貌、为什么大模型做不好阿拉伯语、主权AI为什么不是口号，以及为什么语音会成为下一个时代的AI接口。 Highlights → 战争亲历：每隔半小时一波警报，导弹碎片落在2公里外 → 战火中和BCG照常开会："没必要推迟" → 短期影响不大，长期影响的是信心——信心影响资金和人才流动 → MBZUAI：用阿联酋总统名字命名，校长是CMU机器学习系主任，Sam Altman去年来访 → AudarAI：阿拉伯语优先的Voice AI，从方言切入 → 阿拉伯语方言之间的差异不是英式vs美式英语，是普通话vs粤语 → ElevenLabs情感表达做得好，但方言口音不行——两者不矛盾 → 语音是下一个时代的AI接口：人与AI的交流方式必须和人与人保持一致 → 主权AI在中东是真需求：你不控制AI，怎么保证下一代的国民认同 → G42更像中国国企，不像硅谷——受中美角力影响很大 → 中东AI机会：能源第一，金融、医疗健康紧随其后 Timeline 00:00 开场：Wesley从阿布扎比来新加坡出差 01:00 战争亲历：导弹来袭，每隔半小时一波警报 02:20 连夜驱车东撤到阿曼边境 03:50 战火中上班：和BCG照常开会 05:00 长期影响是信心——信心影响资金和人才 05:40 MBZUAI：中东AI大学的背景和发展速度 08:40 Sam Altman来访、杨立昆来访 09:30 中东AI投入以阿联酋和沙特为主 09:50 战后一个月，科研和创业氛围有什么变化 11:20 AudarAI：阿拉伯语优先的多语言Voice AI 12:45 阿拉伯语方言差异：不是口音，是普通话vs粤语 14:10 为什么大模型做不好这件事：只做标准语，日常没人这么说 14:25 竞争格局：ElevenLabs情感好但方言不行 16:10 Voice AI的成熟度落后文本大模型一到两年 16:30 语音领域的玩家：ElevenLabs、Minimax、千问Audio 16:40 为什么选择做AI Audio：计算机与音乐的交叉 18:40 音频模态的特殊性：介于文本和图像之间 21:00 最大的技术挑战：延迟、准确率、多语言混说、打断检测 24:55 为什么做Arabic First：大模型不会为你适配方言 27:45 策略：先做阿联酋方言，再沙特，再GCC，一步步往外推 28:20 OpenAI和ElevenLabs处理阿拉伯语的真实体验 31:25 不懂阿拉伯语怎么做阿拉伯语AI：模型不需要懂语言，评估需要 33:40 模型差异不大了，最终比的是数据和工程 33:50 延迟瓶颈：端到端 vs 级联管线的trade-off 36:10 离线部署：看客户需求，灵活支持云和本地 37:25 主权AI在中东是真需求还是政治口号 39:10 教育的concern：AI原生一代的国民认同问题 41:45 G42的真实面貌：更像国企，受中美角力影响大 45:00 中东AI的机会：能源、金融、医疗健康 47:30 一句话：语音会是下一个时代的AI接口 49:50 收尾

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

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