2026-07-19 22:32:00
Peter 2026-07-19 22:32 北京
以下文章来源于：过程即奖励
过程即奖励因上努力 果上随缘
Ambi 正式开放内测。
产品就是我们的认知在这个真实世界的投射，上次说的是我们相信的，这次想说一下我们技术和交互上的选择和理念。
我们做 ambi 最大的出发点，在于智能平权的时代，我们希望改变 AI 跟人的交互方式，让人能够更大程度地使用智能。 所以我们做软硬结合垂直一体的硬件，我们做多端的产品，我们做实时交互让AI走到环境里来而不是异步互动，这些在这次内测都能体验。（注：软硬结合的产品用apple watch上的app来替代，只能达到我们自己硬件理想态的30%的效果）
除了这些，我们还有一个一直没有公开的一个功能——Sidekicks。
我一直在思考一个问题：既然智能平权了，无时无刻地使用智能，真的就代表“最大程度”地使用智能吗？从第一性原理去思考，无时无刻地使用“尽可能多”的智能，才叫最大程度地使用智能。
我们现在看到很多产品，包括海外 Thinking Machines 做的 Real-time Interactive的产品和 Demo，遵循的是“Listen, Think, Act”的逻辑。但你会发现，它们都只会 Act 一个事情，和你互动。
这是不对的。
大模型刚出来也只能和你问答和你互动，但是现在是agentic时代可以给你做任何事情。同样，实时和你互动不应该只是和你说话问答，而是实时去 agentic的做任何事情。
从技术上来看，大家实现的方式是后面有一个reasoning模型，前面有一个负责语音互动的模型。但是，为什么是一个呢？为什么只能互动呢？我们从最本质的问题去思考，我们带着AI在现场，你希望这个AI只能和你聊天？你希望在现场的这个AI是2024年的ChatGPT？
所以，我们技术、产品、交互的判断和选择是，要让智能最大程度的服务人，应该竖切一刀，横切一刀：
竖切一刀 (Anytime, Any environment)：在当下，任何环境都有智能随时服务你。
横切一刀 (Real-time Interactive Agents) ：任何时刻，都有不止一个智能在同时服务你。
我们把这个叫Attention Loop，不是 Listen (see) - Think - Interact而是Attention - Listen (see) - Think - Act
参与内测的朋友，打开Sidekicks（伙伴）页面，创建一个新的伙伴，说出下面的咒语：帮我创造一个新的伙伴，当你在 Listening 的时候，帮我XXXXX （提出你想要的在过程中就帮你做好的任何事）
你就能实现：你不是带着一个 AI 在场，你是带着一群 AI 在场。
你在最大限度使用智能。
——分割线——
过去一年的时间，其实经常都会思考，到底什么叫世界级公司？什么叫 Global Company？是海外有很多人吗？真的是业务遍布全世界吗？直到我看到了 General Magic（通用魔术）的纪录片，我才真正找到了这个答案。
所谓的世界级公司，首先你得保证你是有世界级的心态：你觉得你是走在世界的最前端，你是在改变世界。你有勇气在创业的第一天，就觉得这段旅程无论成功与否，都是一段伟大的、值得被记录的旅程。
所以就在我看完《General Magic》（通用魔术）纪录片的那个晚上，当我想明白了什么是“世界级公司”的那个晚上，我联系了一位国际电影节的获奖导演，说：“你下周飞过来吧，你给我们拍一个纪录片，从我们创业最开始就记录下来。”
因为我相信，我们做的事情——软硬结合、垂直一体，改变人跟 AI 的交互方式，让人能更大程度地使用智能——是值得被记录的，而我们也在改变世界的路上。
所以3周前开始，我们就有导演一直跟拍我们创业的全过程，明年也会做一个90分钟的大银幕片子，去申报国际电影节。因为时间太仓促了，只有四周的时间，我们刚好撞上了产品发布，所以导演只完成了深圳的采访，也剪了一个小的样片。希望通过这个小的样片，可以让大家看到我们的一些想法和愿景。短片里面还漏了我们在SF、在北京、在上海、在西安办公室的同学，以及和大家一起努力创造的场景，后续都会陆续更新。
在上一家公司，我一直有一个愿望：既然我们在记录语言，而语言是最古老的事情，为什么我们不能开一个博物馆，去记录那些大模型无法识别的声音、大模型无法做到的事情？但因为各种原因，我的这个想法最终并没有落地。
后来，我盯着ambi的 logo 发呆，越看越喜欢。它像一座桥，像一块小小的玉，也特别像一个充满生命力的小把件——就像一个可以随时系在你的腰带上、放在你的身上跟着你、随时可以把玩的可爱物件，和我们的产品一样。
所以在那一刻，我给我们负责装修的小伙伴发了个微信：我们 7 月底新装修、新搬的办公室里，需要有一座窑。
对，你没看错，就是景德镇的那个窑。
所以以后来我们办公室参观、合作，甚至只是拜访路过的朋友，你都可以在我们提前准备好的、跟我们 logo 形状一样的土坯上，画上你喜欢的釉色。然后我们会在窑里烧好，再寄给你。
希望你烧出来的这个瓷块和我们的产品一样，值得把玩，穿越时间。
当然，我猜我们也有幸能够成为第一个办公室里有窑的 AI 公司。（傲娇！ 就是啥都要争第一！
有的时候不得不感叹时间的奇妙。配图是凯凯和技术同学在北京发版完，早上 5 点的北京的样子。（而我小时候最喜欢挂在嘴边的，就是凌晨 4 点的洛杉矶。）
更有意思的是，我上一次这样的通宵达旦、这样的夜不能寐、这样的在乎一个产品，恰恰好是我跟凯凯刚认识的时候，也是 13 年前我创业米公益的时候。而就在上周，我们米公益被收购、退还给投资人的所有股票都已经解禁，彻底走完了一个轮回。命运和时间总像在无意中画下有意思的连接。
我们又找回了激情。
似乎又来到了一个新的轮回。
就在刚走完上一个开始于 13 年前的轮回的时候。
而这次出发的理由，恰好和上一次一模一样，我们想改变世界。
诚邀想改变世界的朋友加入我们。
可以关注我们的公众号 ：关于下一代 AI，我们正在寻找另一种答案
当然，你也可以直接找我。
2026-07-19 22:32:00
原创 曲凯 2026-07-19 22:32 北京
谁不爱打逆风局？
23 年的时候，大家不知道 AI 行不行，我们还在探讨的是 AI 到底是一波多大的机会，该对标什么，以及相信 AI 的也没有办法看清模型和应用之间的关系如何，像 Character.ai 的模型和应用一体的模式一度成为了最优解，最后的结果是市场在摸索中浅尝辄止地投资模型和应用在内的 AI，谁拿到的钱都不算多。
24 年上半年的时候，整体 AI 都很凉，市场连模型带应用一起质疑，记得 24 年 4 月份 GPT4o 发布的时候，市场反响平平，今天回头看我们才知道 4o 对开启推理和 Agent 的跨时代的意义。直到 24 年下半年，整个市场开始回温，尤其在应用市场表现最明显，也许可以称之为一种价值回归，从那个时候开始，市场开启了为期两年的大厂高 P 的创业时代，夸张点说，字节里每个产品线中最有能力的口碑最好的人是谁，可能一些投资人都要比张一鸣本人还更了解。
25 年开端，大家开始讨论模型算法是阶梯上升的，预训练不再 scaling 了，算法撞壁了，本来市场可能会发生一次剧烈的回调，但 deepseek 和 manus 横空出世，生生为模型和应用续上了一条命，这一年里，字节的高 P 几乎是出来就能靠团队和故事连融三轮。
到了今年，26 年，智谱、minimax 接连上市，很多业内的人觉得这是一个见顶的信号，觉得智谱会重蹈上一波 AI 四小龙的覆辙，甚至有人觉得其市值跌到发行价的几分之一才算合理，同时 Openclaw 爆火，也有很多人觉得应用又会迎来一波类似 manus 的大浪潮，在今年上半年，全国可能有上千个公司和团队同时在做 openclaw 相关的创业项目。
但到了今天，结果是，模型的势能达到几年来最强，而应用市场的冷度跌回谷底，甚至是比谷底还低。随之而来的变化是，有的机构跟我说谁还看应用啊，有的机构说应用赛道已经死了，而有的机构投了十多个世界模型的项目。
“不看应用了”，“应用赛道死了”，这个说法是我从业十多年从未听过，也从未想过有一天会听到的话，但它就真切的发生在了今天的市场上。当技术脱离应用、甚至把应用打死了，这个技术到底算是个什么技术。
回头看，不得不承认，市场在奖励早年选中了模型的人，虽然我也仍然觉得模型最终会被 commodify，但短期内模型的价值显而易见，如果这是一场竞赛，那模型已经把应用打的只剩了最后一格血，是的，我并不觉得应用死了，但似乎是真的已经濒死。
我最近见了很多有点颓废的应用创始人，他们在转型，在想该怎么办，在庆幸账上还有钱，在尝试各种解法，却唯独没有想要再出来融资的，因为所有人都在跟他们讲，我们不投应用了。
这里面有客观事实的原因，比如模型吃掉一切的显著证据，比如投资人的非理性、盲从和 FOMO，但我也经常和创始人讲，这次真的不能只怪投资人。
相似的市场、相似的技术，美国的模型能力还显著更强，但我们看到了很多美国市场中 ARR 上亿美金的应用公司，而国内可能甚至找不出几家 ARR 上千万美金的公司，这里的原因是什么呢？
过去几年，我们跟所有的创始人说，你要做海外市场，创始人在融资的时候也对所有投资人说，我要做海外市场，这套话术似乎变成了一种融资时候彼此的默契，但真的做起来，有多少人是在表演型创业？有多少人在内网发英文的宣传视频，最终用户变成了翻墙的中国人？
因为 Token 成本的问题，因为付费意愿和能力等的问题，做海外市场这个大家默契下的说法自然是有其正确性在的，但最终因为创始人的选择、能力和既有惯性等原因，真正做到这点的十不足一，而我们看到的真的坚决出海的公司往往真的有让人惊讶的成绩，比如上过我们播客的 Dify、WorkMagic、Ace Studio 等公司都默默做到了千万刀的 ARR，这里面还包括出国后整个面貌焕然一新的 Meshy 等等。
海外的空气真的更香吗，我相信并不是的，但海外的付费意愿和能力是真的强，这是我们必须要承认的客观现实。
所以，我是真的希望应用公司能更加争气，交付更多的结果出来，不管 Manus 和 Liblib 这类的公司承受了多少争议和骂名，我也始终觉得他们是应用中的一些硕果仅存的代表公司，也真心希望他们能发展的更好，甚至在未来能反向夺回模型现在所侵占的市场和声量。
再讲回模型市场这几年的发展，我觉得最有趣最值得研究的几家公司并不是 Anthropic 或 OpenAI 或 Deepseek，其实是智谱和 google，智谱从似乎落后到第一，google 则是从落后到全民看好再到今天被大家放弃，这都是在一两年内发生的事情。这些似乎都是在模型市场中反复发生的可验证的事情，到今天为止我仍然不觉得模型的战场已经结束了，明天的智谱会不会是今天的 google？Anthropic 能半年超过 OpenAI，是不是也能半年又落后？
我们只能说今天应该已经没人像 23 或 24 年那样质疑 AI 这波机会的体量，但我们也仍然处于 AI 剧烈而动荡得快节奏变化的中早期阶段。
智谱的唐杰老师前些天的公开信中提到“DeepSeek R1 的出现，标志着 Chat 范式的探索已经基本结束，而智谱是在后 DeepSeek 时代的模型训练范式中押中了 Coding 和 Reasoning”。
我觉得智谱今天的成功回头看，除了战略的胜利、人才密度的胜利等等之外，同时也有一定的运气因素，但凡他们的多模态或 C 端应用能做的好些，是否会、是否能这么专注的赌中 Coding 的机会呢？
但不论如何，chat 时代胜利的是 OpenAI、是 Deepseek、是字节豆包，Coding 时代暂时胜利的是 Anthropic、是智谱（OpenAI、Kimi 等其他公司在快马加鞭地追赶），但下一个时代也已经明显到来，唐杰在同一封公开信中说，未来要压住的是长程任务、是自治智能体等，而海外的 Claude Tag 和 GPT Work 也竞争的飞起。
我们对模型的进展和竞争局势的理解总是有很强的滞后性，腾讯的混元和 workbuddy 能在这里弯道超车字节吗？智谱还能持续领先吗？Deepseek 又会充当什么角色？一切都仍然言之过早。
那在这个市场情况下，应用创业者们该如何自处？
要回答这个问题，我们先引申出另外一个老生常谈的话题，那就是投资到底是投人还是投事儿，比如市场中经常讲 IDG 就是典型的投人风格，红杉则是投事儿投赛道的风格。
在我看来，事儿变得快的时候就只能投人，事儿已经稳定了那就可以投事儿，所以越早期的市场往往人的权重越高，越后期的市场甚至职业经理人反而能呈现更好的结果。（说句题外话，如果如此，那红杉为什么投资做得好？我的答案是因为有钱，因为可以全行业全阶段覆盖。早期批量撒，后期精准补枪，就能解决一切的问题。）
所以今天的应用创始人，第一，我反而觉得是处于历史上最好的时候，因为竞争没了，泡沫没了，可以真的回归用户、回归产品、回归初心，这就像 23 年和 24 年初市场给我们的感觉一样，逆风局打的才有意思，噪音多了泡沫多了，难免劣币驱逐良币。（我们经常开玩笑讲，如果把 23 年上过 42章经 播客的创始人都投一遍，最终的回报表现可能优于大多数基金，这也侧面印证了市场最终也是会奖励在低谷期或者说非共识阶段敢于出来的创业者的）
像大厂高 P 这个标签中就很容易混入一些其实在当下不那么适合创业的人，大厂高 P 创业本质上是一种信息套利，但信息套利也分两种，一种是对锤子的，即对模型的了解，另一种是对钉子的，即对用户需求的理解，但 ai 时代信息套利的空间被大大压缩了，而且锤子已经明显溢出了，钉子却不足，未来我们希望能看到更多从钉子出发的产品和项目。
第二，大家要默认我们就是要随波逐流，随模型的波，逐资本的流，要默认我们今天做的事情中只有一部分是值得坚持的，更多还是要锻炼团队、锻炼组织，要不断地转型和寻找新机会，要不断地尝试如何用更新更好更智能的方式来服务同一批用户和解决同一类问题。
第三，不要为了融资讲故事，一切还是要回归到用户和问题上。我们可以褒义上的随波逐流，但不能被市场逼迫到把自己从良币变成劣币。
Ambi 的创始人莫子皓，在做一个通过软硬结合的方式改变人类现有和 AI 交互方式的产品，让智能真正平权，这两年我跟他聊 AI、聊硬件学会了一件事，就是把很多事情反过来想。
大家做许多产品让人去问大模型，并且让大模型去给答案，
我们选择让大模型主动问人并且主动给出答案。
大家做许多产品让大模型和人对齐，一步一步引导大模型产出好结果，
我们选择让人和大模型对齐，让大模型引导人一步一步问出好的问题。
所有人都在服务使用工具创造价值的人，程序员 / 设计师 / 文档使用者，
我们选择服务用对话来创造价值的人，销售 / 顾问 / 非文档使用者。
前阵子他融资的时候，我下意识的给他建议说可以讲讲模型的故事，他问了我一个问题说，我随时可以招到很好的算法的人，我们自己团队其实也有训模型的能力和经验，但为什么现在这个节点要做模型？是啊，他们工程上做的非常好，产品体验也很好，未来的某个节点也会做自己的端侧模型，但今天为什么要讲模型？就因为要融资吗？我最终还是说不出口。所以反过来想，就因为资本热点是模型，讲模型做模型就是对的吗？
一切最终还是回到那句话，所有公司终会回归到用户价值的实现上。
Manus 曾经经历过 5000 万美金估值聊遍市场没有人投资的时刻，经历过达到 1000 万美金 ARR 还被拖延和压价最终不到一亿美金估值的时刻，风水轮流转，足够强的团队总能在夹缝中寻找到机遇，最终打一个漂亮的翻身仗。
就像 Codex 桌面应用负责人在最近一期播客中所说的：“今天的所有产品和创始人，都是模型的期权”。今天的积累会在未来的某个时刻兑现，随着模型更成熟，期权会逐渐变成有价值的资产，而重点是在这个过程中，期权不要清零。
最后，再说下我对于今天整体 AI 是市场的判断。
我们看到二级市场 AI 硬件供应链中惊人的涨幅，我们看到智谱的万亿市值，我们看到具身、世界模型等领域仿佛回到了 2021 年的 SAAS 市场，我们也看到字节等公司中炒股实现财富自由退休的案例，这些是否是市场走到一个阶段性尾声的标志呢？
我不知道当资本从语言模型、图片模型、声音模型、视频模型投到世界模型之后，还能有什么故事可讲，也不知道具身和世界模型能什么时候会真的落地，但我相信一些世界运转最底层的规律和常识，比如合久必分、分久必合，市场不会有一家公司长期独大，一家模型公司不可能长期在万亿、十万亿甚至百万亿的路径上走下去，并吃掉一切，我也相信当大多数人都隐隐觉得这个市场好像有些不对劲的时候，那就真的是有些不对劲。
历史上，我们其实经历过 IBM 用 MIPS 的模式收 CPU 算力钱的时代，经历过运营服务商通过短信和流量赚的盆满钵满的时代，而我们正在经历英伟达产业链和模型公司通过 token 赚钱的时代。运营商在短信和流量上赚了接近十年的钱，AI 从 GPT 3.5 算起到今天已经接近 4 年的时间，且其演进的速度明显快于历史上任何一个周期，那未来市场会如何发展，token 免费、智能平权的时代是否很快就会到来？到那天是不是又会有很多人讲模型赛道没了，我们现在只看应用？
正如经济学家卡萝塔在她的《技术革命与金融资本》这本书中所说，历史上几波大的科技革命都经历过导入期（其中包括爆发期和狂热期）、转折点（即泡沫破裂，典型就如 2000 年的互联网泡沫）、最后再到展开期（即技术真的落地，真的走入经济、社会的各个角落）。
那如果 GPT 3.5 代表了爆发期的开始，今天我们是否已经站在了狂热期？转折点距离我们到底还会远吗？
思考事物本质
42章经
2026-07-05 21:00:00
原创 曲凯 2026-07-05 21:00 新加坡
很多人都搞错了组织建设和招聘中的轻重缓急
魏小康是我认识的移动互联网时代里最懂组织和招聘的人之一，且是一个少有的既深度参与过字节组织建设，也深度参与过美团组织建设的人。他目前正在创业，开发一款 AI 招聘产品。
本期播客原文约 18000 字，本文经过删减整理后约 9000 字。
编辑整理：陈皮
曲凯：你先后在字节和美团做过招聘负责人，在美团也做过 AI 产品经理。
小康：对。我是 2017 年到 2020 年 12 月在字节，对应抖音增长最快的几年。
2020 年 12 月到 2026 年 1 月，我在美团。那时候中国移动互联网还在增长，但增速已经开始下滑，所以各家公司的组织能力会更明显地体现出来。外界对美团的组织能力有很多争议，但在我看来，中国互联网圈里真正懂怎么做零售的，只有美团和拼多多。
字节和美团很多操作看起来是反着来的，但如果刨根问底地看，两边文化和创始人的底层观念其实是一样的，只是业务类型不一样。
曲凯：那我们先从创始人开始聊。像张一鸣和王兴这样优秀的创始人，有什么共同特质？
小康：1）学习能力强，且好奇心重。2）Ego 小。3）有很强的动力。4）精力好。
曲凯：我们挨个拆一下。你说的学习能力强，体现在什么方面？
小康：就是我们正常理解的学霸，学东西很快。
但我认为，学习能力过一个门槛就好。企业家不需要奥赛金牌级别的智商，只要能把某个行业到底怎么运转搞清楚就够了。从纯智力水平上讲，如果要做一个几十亿美元的公司，可能在 985 里排前 1% 就足够了。
但学习能力还要结合两方面。
一是好奇心。有些人学习能力强，但好奇心不重，那 Ta 可能只是被应试教育训练得很好，对很多事情没有真正的探索欲。而优秀创始人遇到一个东西，会想搞清楚为什么是这样、为什么不是那样。
二是行业的大浪潮。王兴 2021 年做过一次内部分享，大概意思是：我们要清晰地认识到，我们只是时代浪潮里的一个水花。因为有这个浪，我们才起来了。
大佬们的这种认知也引申到了优秀创始人的第二个特性，就是 ego 小。
我对 ego 小的定义是，一个人既很自信，又很谦虚。Ta 能够在各种挫折里坚持自己的判断，不被打倒，也能真正听得进去别人的意见。
曲凯：但 ego 和自信有时候很容易混。一个人如果不够自信，甚至没有一点 ego，可能也不会出来创业；但 Ta 又不能 ego 太大。
所以最后是不是还要回归理性？也就是 Ta 要很理性地知道自己哪些方面能力强、能做成什么；也能理性判断，某个人讲的逻辑和论据是合理的，所以应该听。
小康：有一部分是靠理性，或者说实事求是。还有一部分可能是 Ta 经历过很多挫折，但能够重新站起来，所以对某些东西有信心。
曲凯：所以很多成功投资人喜欢投经历过挫折的创始人，因为觉得这个人被打磨过。
小康：对。尤其是在大赛道里创业，一定会经历非常激烈的竞争，中间会有很多挫折。如果一个人之前没有经历过这些，可能一次失误就完了。
这也是为什么动机很重要。当一个创始人的动机足够强时，哪怕经历了很多挫折，Ta 也愿意坚持往下搞。这个动机可以是各种各样的，比如想让世界变得更好一点、想多挣点钱，也可能是想成就一件事。
曲凯：很多人会说，不管招人还是投人，都应该找家庭条件没那么好的人，因为这样背景的人更有动力。但张一鸣和王兴应该都不缺钱吧？
小康：至少他们跟特别穷没有关系（笑）。而且物质上的苦是一种苦，创业者经历更多的是精神上的苦。比如事情特别难搞、最得力的下属被人挖走、对手发起舆论攻击等等。
曲凯：是。然后你说的第四点是精力？
小康：对。创业很需要精力。我忘了是谁说过，雷总基本不怎么运动，睡得也特别少，但依然可以保持非常旺盛的精力，能开一整天会。
所以如果你赶上了一个好时代，又具备以上四点特征，剩下的事情就是坚持搞下去。只要运气不是特别差，基本就能做出一番事业。
但这四点都是个人层面的，还有一个能不能把公司做成的最重要的点，就是 Ta 能不能把组织建设好。
我会把组织拆成两块：
1）怎么把人很好地运转起来。
按人的流程看，大概可以分成「选、用、育、励、汰」五个环节：如何选出好人，如何用好，如何培养，如何激励，如何淘汰。
按传统 HR 模块看，可能是招聘、文化、薪酬、绩效等等。
2）怎么让业务和人结合起来运转。
这更偏业务管理和项目管理，比如如何定业务目标，如何把业务目标拆解到每个人身上，如何让大家形成合力，如何识别哪个业务做得好、哪个业务做得不好。
在组织建设里，这两块应该占据公司和团队最多的时间精力。
曲凯：我们先展开讲讲第一大部分？
小康：首先讲下文化。
文化是公司非常重要的基石，但不需要花很多时间去搞。其实「文化」这个词都有点重。在字节就叫「字节范」，美团叫「领导力原则」。说白了，就是我们到底怎么干活、怎么做事。
所有头部公司的文化基本都差不多。比如字节讲坦诚清晰，美团讲敢于说真话、勇于听丑话；美团讲追求卓越，字节讲追求极致。沃尔玛、宝洁也差不多，因为能做成事情所需要的科学方法是类似的。
那怎么保证大家能坦诚清晰、实事求是？
原则很简单：以身作则。
公司里那十几个核心成员都这么干活，并且能把什么是被鼓励的、什么是不被鼓励的讲清楚，就够了。下面的同学自然会跟着学。
曲凯：一开始的时候，创业公司可能都不一定能总结出这些所谓的文化。它就是一种潜移默化的做事方式和为人方式。
小康：对。第二块是绩效。我觉得创业公司早期不需要搞绩效，应该先拿速度。
一方面，创业公司的创始人就应该能够看到最一线的人，很快判断清楚谁干得好、谁干得不好、该给多少钱。如果 Ta 判断不清楚，还要像大公司那样搞 360 评估、层层 review，那就甭干了。
另一方面，如果一个创业公司发展稍微理想一点，增长比较快，这时激励多一点少一点没有那么大影响。举个例子，一家公司今年估值翻了 5 倍，一个人年薪从 100 万变成 300 万，另一个人变成 320 万。那大家都涨了很多，而且是背靠背的，所以差别没那么重要。
等公司很大了，几个合伙人一眼看不到下面，增长也开始变慢，可能才需要更科学、更公平的绩效体系。
第三，关于职级和晋升体系，我看到有些创业公司已经在搞。但我可能认知不够，我觉得没必要。
这套体系本质上是要告诉大家，每个阶段的同事应该长什么样、应该往什么方向努力。但现在 AI 发展这么快，这些人该长什么样也没几个人能讲出来。而且搞这套东西会花很多时间，也会导致员工奔着晋升标准去做事，甚至还要写材料、参与评审。这些时间不如拿来好好搞业务。
曲凯：那培训呢？
小康：美团和字节都很重视培养人，但我们都有一个最基础的理念：
人是培养不出来的。
人都是打完仗之后，淘汰、筛选出来的。
美团有一个 721 理念，大概意思是，人的成长 70% 靠打仗，20% 靠跟好的前辈或者优秀的人学习，10% 靠公司组织的培训。
所以培养人，最重要的是给大家战场。尤其在今天，工作十几年的人和工作三五年的人，对 AI 时代很多事情该怎么做的理解，可能差不多。只要有了战场，优秀的人自然就会冒出来。
曲凯：能打出来的人，有什么共性？
小康：基本就是弱化版的创始人。
算法对智商要求可能高一些，但对其他业务来说，我认为 985 里前 10% 水平的智商已经够用。再加上意愿强一点、勤奋努力一点、精力好一点，就可以了。
曲凯：但字节和美团里应该都是这样的人？最后是什么决定了谁能跑出来，谁跑不出来？
小康：如果是年薪一两百万以内的人，只要前面讲的那几点没有明显短板，且有一两个长板，就已经够了。
如果是年薪一两百万以上的人，就会有一些额外要求。拉开差距的主要是两点：
一是动机。年薪两百万以上的人，会遇到完全不一样的挑战，可能有更多挫折和竞争。这个时候钱又基本够用了，能让 Ta 把一个业务坚持搞下去的，主要就是动机。再一个就是精力要好。
曲凯：选择也很重要？哪怕在同一个公司里，一个人选择去哪个部门、敢不敢选择新业务，也会有不同的结果。
小康：对。但在 AI 领域里，选择会更多和动机绑在一起。有的人今天依然可以选择在上一代技术框架里搞算法，一样可以挣到三五百万。但有少数人会选择来搞 AI。
曲凯：所以最后真的看选择，选择又和人的性格、家庭背景等各种因素相关。过去几年，选择去豆包、AI 应用公司，还是几家大模型公司，回报可能完全不一样。我相信去了智谱和 MiniMax，但中间走掉的人也挺多的（笑）。
小康：是。两三年可能就是十倍，甚至百倍的回报差距。
再往下就是人这部分最重要的模块：招聘。
我认为要让人很好地运转起来，80%、90% 的时间都应该花在招聘上。招聘可以继续拆成几个环节：
1）想清楚需求到底是什么。
2）找供给，也就是这些优秀的人在哪里。
3）判断。通过笔试、面试、背调等各种方式，搞清楚谁好谁不好。
4）谈判。谈判包括谈钱，但更重要的是谈预期：你到底想做什么事，我能不能给到你。
5）入职跟进等等。
但我发现很多创业者或者中高层都搞错了轻重缓急。他们会在后面的面试环节花很多时间，但在前面花的时间不够。
其实应该反过来，在「想清楚需求」和「找供给」这两件事上，花掉 70%、80% 的时间。
先说需求。
在现在这个阶段，要彻底想清楚需求很难。但这里有一个悖论：等你真的需要用人的时候，那个优秀的人可能三四个月之后才会进来。
所以你应该每隔一段时间就反复想三个问题：
我的业务问题对应需要什么样的人？需要多少个？什么时候需要？
想清楚之后，就要提前储备、提前建联，甚至提前招进来。
可大部分人是遇到问题了，才想着要去招人。这是不对的。
再说找供给。
这是整个招聘工作，乃至整个公司建设里最、最、最、最、最重要的事情，没有之一。它直接决定组织能建成什么样，以及能不能打赢。
曲凯：你说的供给，就是人？
小康：适合你业务需求的优秀人才。找供给又分成三个子问题：第一，什么是好供给；第二，我需要什么样的好供给；第三，我怎么扩、怎么搞定这些供给。
那具体怎么找呢？
首先，你得对市场有判断。比如你做多模态方向，或者偏硬件方向，那你就要盘清楚整个市场里有哪些公司在做这块事情、它们分别做得好还是不好、这些公司里大概有多少个好手。这样你才能对要招什么样的人有概念。
而且你还要认清现实，明确自己到底需要什么水平的好手。可能你并不需要某个方向前 3% 的人，中上的人就足够了。
曲凯：但你刚才说人的成长是打仗打出来的。那我要招人时，应该招一个已经打出来的人，还是招一个更 junior 的人？如果招 junior 的人，怎么判断 Ta 能不能打出来？
小康：这要看业务需求。
如果你要做的事已经有成熟解决方案，比如 AI 电商，那能招到一个这个方向的好手，快速把所有资源配好，当然最理想。但如果你做的是一个很新的东西，比如 AI 时代的搜索怎么做，新手和老手的差距就没那么大。
曲凯：那最理性的选择是不是招一批人，把他们放到战场上打，打出来的留下，没打出来的淘汰？
小康：不是。组织是服务业务需要的，不是服务淘汰需要的。你应该根据业务痛点，组一批最有概率把事情做成的人。
而且创业公司资源一般不充沛，前几年没有资格说搞一批人过来淘汰。只能一方面尽可能找到能马上帮我们解决业务痛点、又比较好的人；另一方面更现实一点，把差不多好的人先用起来。
这是节奏把控问题。
这也是为什么我看好 90 后、95 后的创业者。因为他们在这个圈子里打过一段时间仗，能很快从之前的团队、同事、同学和朋友中攒起一个团队。
曲凯：但创业公司还要考虑人的成长性？假设今天我招一个熟手，可能是能解决当下的问题，但未来公司转型，或者遇到 10 倍难度的问题，这个熟手会不会不一定能跟上？
小康：所以需要你自己对组织和业务进展有判断。
如果你确定短期内找不到那个高潜的人，可以先招个熟手进来，只要这个人和公司文化契合就行。过一两年，如果 Ta 跟不上业务节奏了，公司内部总有一些没那么难的事情可以让 Ta 做。还不行的话，好聚好散，把该给人家的都给到就好。
然后在供给这点上，除了明确什么是好供给，以及我需要什么供给，最难的其实是扩供给。你得搞清楚整个市场的好人在哪，还得能触达到他们。
触达这件事只能各显神通，尽可能把周围所有资源用起来，比如你自己有没有足够的圈子、在社媒上有没有足够的影响力、亲朋好友愿不愿意帮你。创业公司影响力不够，跟大公司竞争天生有劣势，所以最重要的渠道其实是熟人社交圈内推，然后才是猎头、招聘网站等。
当你找到好供给之后，很多时候一眼就知道那个人是个好人。而且因为是亲朋好友推荐来的，也已经有过背调，通常比较靠谱。反倒是从其他渠道找来的人，你需要花很大力气去评估。
坦白讲，那些大佬们面试的时候，至少百分之十几、二十的判断也是错误的。创业时，则最少会有三分之一的比例看走眼。
曲凯：找供给这部分其实和投资里的 sourcing 蛮像的。但看走眼到底是因为什么？因为我有一个相反的观点：你和一个人聊三五分钟，大概就能感觉到这是个什么样的人，而且准确率还蛮高。
小康：好的人很容易识别。但如果一个不靠谱的人精心准备，Ta 也很容易瞒过你。
曲凯：50、60 分的人，和 70、80 分的人可能确实不好判断。然后我的经验是，90 多分的人，有时候反而会和 10 分、20 分的人混淆，就他们都很神奇，有可能特别厉害，也可能特别糟糕。
小康：有些人确实很难判断，跟对方的表达也有关。所以我认为，对大家现在这个阶段，在判断环节里，面试当然重要，但最重要的还是找靠谱的人去做背调。如果你周围有一些靠谱的人，也可以想办法把 Ta 周围靠谱的人拉进来。
找到人之后就是谈判了。在谈判中，钱其实还好，更多谈的是预期。
因为今天加入创业公司的大概有两拨人。一拨可能是去不了大厂，或者不爱去大厂；另一拨是奔着创业团队来的。
真正好的候选人，大概率不是为了涨薪而来，而是想做成一些有意义的事情。或者说，你需要找到这样的人，而不是找一个一定要跟你纠结工资到底是 38500 还是 34500 的人。
我见候选人时，一般最关心的是 Ta 三五年之内到底想要什么。如果能帮 Ta 把这个问题解决掉，剩下谈钱都很好谈。
而且大家也不用太纠结钱这件事。我自己的看法是：
今天之后的每一天，都是你最好招人的时候。
因为随着 AI 发展，以后的供需会越来越紧张，你会越来越难招人。所以今天你给一个好的人多少钱，都是赚的
曲凯：但「三五年后想要什么」这个问题，很多人自己也不知道？
小康：这确实是一个很难的面试题。
你得刨根问底，帮 Ta 把真正想要什么、不想要什么分析清楚。有点像心理咨询或者职业规划 session。
这里面我经常问的一个问题是：过去几年里，到底什么会让你开心？是事业上的成就感？是影响他人？是被他人认可？是挣了一点钱？还是什么？
我们想招的人，可能都是比较资深、比较好的同学。普通加一点钱不会让 Ta 快乐，那你就更要找到最底层驱动 Ta 的点，再结合行业和 Ta 的情况，判断 Ta 未来三五年到底需要什么。
曲凯：大多数人能想明白吗？
小康：大厂里绝大多数人都没想明白。我经常问两个问题：你为什么想离开这里？下一份工作你想得到什么、解决什么问题？这两个问题一抛，就会发现 80%、90% 的人都没想清楚。
曲凯：我之前在即刻发过一句话，我觉得挺有道理（笑）：
不要因为想离开一个地方而去另一个地方。
但很多人就是这样，在这边待得不舒服，那边正好有个机会，就赶紧过去了。
这里顺便想问一下，大家经常说字节和拼多多会给一个人两倍薪水，让 Ta 干三倍的活。这背后是什么逻辑？当然，我们讨论的是字节某段时间的策略。
小康：假定一个人之前拿的是 100 块，正常跳槽市场可能会给到 120、130。当年字节的做法可能是给 140、150，然后让 Ta 大小周。拼多多可能更狠一些，直接给到 170、180，让 Ta 单休、加班时间更长。从实际角度来说，这肯定是划算的。但 AI 时代是否要这么搞，值得商榷。
曲凯：明白。然后就是第二大块，「怎么让业务和人结合起来运转」。你前面说这部分涉及各种目标拆解，但这也适用于创业公司吗？创业公司一开始目标比较简单，有必要拆得很细吗？
小康：不一定要拆得很细，关键是对齐。这些事每个月可能要花几个小时讨论，但讨论好了，起码能帮大家省 10% 的时间。
因为哪怕只有三个人干活，你也会发现，你的理解和另外两个人可能不一样。如果是十个人，我认为至少会搞错 10% 以上的信息。
那如果你做的是短平快的业务，字节那种 OKR 可能就是比较好的参考形式；
如果你做的是长链条业务，比如今天很多 AI 加传统行业的改造，我建议可以参考亚马逊和美团的运营计划。这套东西对于成千上万人怎么配合协作，都非常有用。
曲凯：那正好讲讲比较经典的海外公司的组织和招聘方式？
小康：以扩供给这件事为例吧。很多人有个错误认知，以为大厂是因为有钱，所以花了很多人做招聘。但其实不是。
Google、OpenAI，包括字节，在早期就投入了足够多资源去扩供给。到今天，Google 还有好几千人的招聘团队。
曲凯：几千个 HR 吗？这些人每年能招来多少人？
小康：这不是均匀分布的。比如销售、审核就相对好招，但研发很难招。如果是招研发，一个招聘同学带两三个实习生，一年能招到 40 个左右入职，在大厂里就已经是比较理想的指标了。
但创业公司招人本来就比大厂难，所以我认为这个指标应该砍半。而且 AI 时代我们需要的是好手，不需要平平庸庸的人。所以如果你的 HR 一年能给你招 10 个好手，就足够了。如果 Ta 每个月能给你招一个好手，这个 HR 就太棒了。
曲凯：那创业公司在特别早期，是应该先招一个 HR，还是创始人自己就是最大的 HR？
小康：应该先招一个 HR。
不过这个时代和上个时代的招聘会有很大不同。这个时代的 sourcing，很多时候应该由业务同学自己做。因为你有了 AI，可以写很多工具去找人、筛人，这才是最快的。
筛完之后，你可以让 HR 去联系。在今天，HR 主要承担的是 AI 和真实世界的连接工作：找到联系方式，联系这个人。
曲凯：听起来对 HR 的要求好像没那么高？
小康：其实不是。招聘这个行业里好的人没有那么多。
再回到 Google。Google 和 Amazon 可以放在一起对比着讲，它们基本就是字节和美团分别学习的对象。
Google 和字节的业务是短周期、短链条、高毛利率。这类公司的大原则是：
想方设法把好人都弄进来。
他们会有专门的 sourcing team。这个 team 不为具体岗位负责，只负责找到好人。之后会有专门的面试委员会，而且这个委员会在很长一段时间内也不面具体业务，而是几个人背靠背地考察一个人的基本面、聪明程度和各种能力。面完以后，几个人坐下来讨论候选人是否符合公司的招聘标准。如果符合，就把 Ta 弄进来，再看内部有哪些团队可能适合这个人，也和候选人商量，看 Ta 对哪个部门感兴趣。
而 Amazon 和美团，包括很多硬件公司，是另外一套逻辑。这些公司的业务是零售加科技，我把它叫长周期、长业务链条、低毛利率，因此他们的原则是：
组织里的人需要持续迭代。它们会在中间层招一批很好的同学，剩下大部分可能是行业中上水平的同学。
具体的招聘逻辑是，他们每年会做很重的运营计划，花一两个月把明年业务到底要达成什么目标、对应需要什么样的人、可以拨多少人力成本全部搞清楚，然后开始招。招的过程中也依然是背靠背面试，面完之后，大家一起讨论这个人到底符不符合岗位要求。
Amazon 还有一个要求：新招进来的人必须符合现有团队前 5% 水平，公司每年会淘汰 10% 的人。这样操作下来，基本三四年这个团队就洗了一遍。
这两套方法对创业公司来说可能还没那么适用，但背靠背面试这些最基础的理念是通用的。
曲凯：那世界上的业务形式和组织形式能穷尽吗？一个初创公司创始人该怎么选适合自己的组织？
小康：不一定能穷尽，但可以按照周期长短、业务链条长短、毛利率高低，画一个三维坐标轴。
除了前面那两大类，还有其他类型。比如我们做招聘，业务周期还算短，但链条和毛利率都在中间水平。如果一定要对比，可能更像上个时代的大型 SaaS 公司，或者一些中等的平台型公司。
曲凯：那在 AI 时代，招人这件事有什么变化吗？或者有什么观点是你没那么认可的？
小康：我有两个和市场主流不太一样的观点。
第一，我认为 OPC 不太靠谱。我还是认为，每个方向都需要一两个好手，大家一起形成合力。AI 今天确实能干很多事，但如果每个方向都有一个好手、带着 AI 一起干，这个公司应该能做出更伟大的成就。
我甚至会认为，搞 OPC 是对这个时代和自己的浪费。
因为今天最差最差也是 PC 互联网刚开始的时代。如果回到 90 年代或者 2000 年左右，你非常懂互联网，那你完全有机会做社交、门户、搜索这样很大的事情，没有必要只做一个个人站。
第二，我知道很多 VC 投了 00 后，或者非常爱投 00 后，但我会有些不一样的看法。
商业竞争是非常残酷的。每个赛道里留出来的时间窗口，往长了说最多两年，往短了说可能半年、一年。
这就要求一号位和 Ta 的整个团队，要有快速融资、摸清方向、建好团队的能力。这非常难，对 00 后其实不公平。毕竟他们刚出校门没几年，不认识几个人。别的不说，他们能在每个方向攒一个好手吗？何况后面还要面对各种困难和竞争。
所以我认为在未来两三年，00 后去跟 90 后、95 后打，是不公平的。不过我相信 00 后在四五年后那一波更能有好的结果。
曲凯：但比如在大厂，大家打仗的时候也不看年龄，肯定会有 00 后突然脱颖而出，成长特别快？
小康：我理解你的意思。但做一号位和在公司里负责增长或者研发，是两码事。
如果你说一个 00 后跟着张一鸣干研发，干得特别好，我信。但你硬逼一个 00 后，在竞争激烈的赛道上，和几个已经攒好团队、融了很多钱、竞争经验很丰富的团队打，还是吃亏。或者说，历史上很少见到这样的成功。
曲凯：这里正好也可以聊到投资人喜欢给创始人打的一些标签。大家可能会觉得工作时间长、有资源的人比较「油」，有高管气质，不落地，创新速度不够快。而年轻人会更无知者无畏，就是干、就是上，说不定就能撞到机会做起来。
小康：所以现在得找到那些 80 后、90 后里面纯粹的人。Ta 们是真的想改这个行业，并且还在一线。
曲凯：我特别喜欢「纯粹」这个词。就是这个人得成熟，同时又有少年感。
所以你现在实际选人的方式有什么不同吗？
小康：有些可能是大家都知道的原则：要选懂 AI 的人，团队要比较精干。
但就我观察下来，很多创业公司执行得不是特别好。比如很多创业公司甚至不能保证招来的人 100% 会 AI coding。
会 AI coding 应该是现在招人的硬条件。程序员肯定要 100% 会 AI coding，其他模块最好也是。
这背后对应的问题是，AI 时代到底要怎么把人组织起来。我自己的体感是，这个时代的组织有两个变化，很大程度上都是 AI coding 带来的。
第一，不再有产品、前端、后端、测试、算法这些区分，一个人就能全流程搞定各种环节，协作沟通会少非常多。
第二，公司效率会大幅提高。对于非产研团队，比如销售、增长、审核，如果他们会编程，团队效率可能翻 5 倍、10 倍，而且也不太需要给他们配产研团队了。
曲凯：明白。最后聊一下你自己现在做的事情吧。
小康：我在做 AI 招聘方向的创业。
首先，我认为招聘工作一定会 AI 化。招聘本质上是供需两端匹配，而目前的匹配效率很低。AI 应该会大幅改善这一点，并且尽量减少人在里面的低效参与。
第二，目前招聘市场，尤其是蓝领招聘市场，除了效率问题，还有很严重的欺骗问题。中国的工人、服务员等蓝领求职者，99% 都被骗过。我们希望能帮中国几亿求职者少被骗，更快找到合适的工作，多赚点钱。这是我们很朴素的愿景。
42章经
思考事物本质
2026-06-28 21:00:00
原创 曲凯 2026-06-28 21:00 北京
到底该怎么做好组织建设？
AI 时代的组织建设，一直是个很热、也很重要的话题。
到底该怎么理解组织建设？围绕组织，最重要的环节和话题是什么、有什么方法论？现在公司到底需要什么样的人、怎样找到并招到这些人？AI 介入之后，人与业务该怎样重新分工、一起运转？创业公司能不能从大厂的组织建设中学到什么？
在最近一期播客中，我们邀请了互联网行业资深人力资源专家及 AI 产品经理魏小康，聊了聊他对组织建设和招聘的系统思考。
小康曾创办互联网猎头公司 Offercome。2017 年，公司被字节收购，他随后加入字节，担任招聘负责人，并在 2020 年加入美团，担任招聘负责人和 AI 产品经理，目前正在创业，做一款 AI 招聘产品。
播客中，我们聊出了一套 AI 时代组织建设的框架，但还有很多问题可以讲得更细、更透。所以我们会邀请小康在北京做一场线下分享，和大家一起交流探讨。
具体报名信息请见上方海报。活动时间为北京时间 7 月 4 日（周六）下午 14:30，线下进行，免费参加。本次活动限 50 人（非投资行业），我们会优先通过回答更认真、跟我们背景更匹配的朋友，具体通过情况请以工作人员通知为准。
期待和大家认识 & 交流！
2026-06-28 21:00:00
原创 曲凯 2026-06-28 21:00 北京
泡沫中不能说的秘密
朱宁教授是上海交通大学上海高级金融学院金融学教授，研究领域包括行为金融学、中国宏观经济与金融市场、泡沫等。节目里，我们聊到了当下的 AI 与泡沫、底层的投资常识和方法论等话题。
本期播客原文约 24000 字，本文经过删减整理后约 8600 字。
编辑整理：陈皮
曲凯：您研究了这么多年经济和泡沫，最核心的几条认知和结论是什么？
朱宁：在任何一次泡沫和危机里，人类都会反复出现三个行为特征：
第一，人非常自信，会觉得自己有很强的预测能力、是很优秀的投资者。虽然不是股神，但好像跟巴菲特的差距也没那么大。
第二，人特别愿意进行线性外推。比如昨天股市涨了，大家就会想明天大概率还会涨。这既和我们的过度自信有关，也和人类在长期进化中的思维固化有关。所以我特别喜欢黑格尔的一句话：「人类从历史中学到的唯一教训，就是人类无法从历史中学到任何教训」。
第三，人是社会动物，有非常强烈的从众心态。很多人对市场完全不了解，但只要看到周围有足够多的人在炒股，而且赚到了钱，就会跟着参与。
所以很多人在投资过程中，并不会进行本该进行的思考、分析和学习，而是在用诺奖得主卡尼曼教授所说的「启发式思维」去决策：
我看见了什么、听到了什么、别人在做什么，我就怎么做。
曲凯：我的切身体验是，很多趋势事后看可能是泡沫，但一开始它其实是个挺好的东西，大家也认可它有价值、是大方向。中间起来以后，就开始有人质疑它是不是泡沫，然后有些人会一直观望，觉得它涨太多了。但它又一直涨。最后这些人终于觉得，再不进去就要错过了，可一进去，泡沫好像就该破了。
朱宁：这是很现实且很普遍的情况。
我在耶鲁的导师席勒教授（2013 年诺贝尔经济学奖得主）曾写过一本书叫《非理性繁荣》，讲的就是这个过程。
什么叫非理性繁荣？
泡沫只要不破，它就是非理性繁荣。等它破了，我们才管它叫泡沫。
所以研究泡沫是一个特别有趣，也特别烧脑和复杂的话题。我们永远无法事先说明，这一定是个泡沫。
那我们能做什么呢？有两点：
第一，多元配置。
人过度自信的一个表现是，如果认为自己会赚钱，就 all in，反之就什么都不买。可如果一个人在非理性繁荣的早期不愿意参与，等到了晚期发现别人都赚钱了，就会觉得自己踏空了，要把失去的时间和钱补回来。这种时候，往往就可能步入价值陷阱。
第二，不要期望赚到全世界所有的钱。
举个例子。巴菲特年轻时其实通过交易可可赚到过钱，但到了投资后期，他经常讲：全世界一定有人靠炒可可期货赚钱，但那不是我的投资风格。我仍然希望找到好的价值公司，长期持有。
但很多投资者都没有这样的认知。也恰恰是在这种想赚所有钱的贪婪里，人更容易犯错误。不但赚不到大钱，还有可能亏大钱。
所以现在很多朋友问我 AI 股票还能不能买。我经常跟他们讲，这就不是正确的问题。更重要的问题是：如果你买了 AI 股票，多赚的钱对你有什么意义？如果亏了钱，对你会不会有冲击？
曲凯：您刚才讲巴菲特，我想起来他还讲过另一句话，大概意思是大家总是太着急赚快钱，不接受慢慢变富，所以总想找一个地方 all in。
朱宁：对。其实巴菲特和查理·芒格创业时，还有第三个人李克·盖林。这个人跟他们一样聪明，只不过巴菲特和芒格愿意慢慢变富，而李克·盖林总想一天吃成胖子。结果在 70 年代，李克·盖林为了加杠杆、筹措流动性，把自己的股份廉价卖给了巴菲特，一定程度上也成就了巴菲特后来的财富。
很多时候你必须意识到，长期来看，短期多赚 5 个点、10 个点并没有那么重要。更重要的是不要出现重大回撤、能够长期保持正确的投资理念。
能够预测短期涨跌的人是凤毛麟角。如果你真有这个本事，根本不用来投资，直接去买彩票就好了。
所以对一般投资者来说，巴菲特分享过一个经验：投资不是先想能赚多少钱，而是想最坏的情况发生时会不会亏钱。「守住底线、不亏钱」，也是他能长期借助美国经济和股市赚到这么多钱的重要原因。
曲凯：那大家经常说巴菲特最厉害，但如果他不是生活在过去几十年的美国，而是生活在其他地方，会怎么样？
朱宁：这是个很深刻的问题。我曾经问过席勒教授：关于经济和投资，你最想知道答案的问题是什么？
他说他很想知道，在投资成功的过程中，到底运气和能力各占多大比例。换句话讲，多大程度上是趋势，也就是我们说的 β；多大程度上是能力，也就是 α。
我个人觉得，β 是不可或缺的，甚至可能更重要。如果必须在能力和运气之间挑一个，我一定会挑运气。
巴菲特自己也在很多场合公开讲过，他和查理·芒格能取得今天的成绩，最重要的原因之一，是中了「卵巢红利」：生在美国，是白人，获得了教育，而且赶上了美国经济增长的红利。
但这不意味着能力就不重要了。不然出生在美国那个时代的人有很多，为什么就巴菲特成了首富？
所以我们也经常讲，你永远没法赚认知以外的钱。就算有人运气好，但通过运气赚的钱，以后也可能会加倍还回去。
很典型的例子就是《股票作手回忆录》（讲述交易成败与人性弱点的经典投资读物）中利弗莫尔的故事。他在 1929 年通过做空市场赚得钵满盆满，但后来越来越自信，进一步加大杠杆，几年后再次做空时爆仓，最后终结了自己的生命。
所以我们一定不要低估大势、时代和趋势的影响，但这也不意味着我们就可以躺平、觉得靠着大时代就够了。在整个大潮之下，个体的思考能力、对金融的了解、对趋势的判断，仍然会对投资业绩和事业成功产生很大影响。
曲凯：我记得有一位美国教授做过研究，说在经济不好和经济好的时候毕业，应届生后来的平均财务水平会有很大差异。在经济差的时候毕业的人，不管多强，平均来看，事业发展可能都赶不上经济好的时候毕业的人。所以时代和命运确实很大程度上决定了一代人。
我自己还有一个感觉：人一辈子总会经历几波大的浪潮。一个人刚毕业时，可能会赶上一波浪潮，但还没什么积累和认知，只是身处其中。到第二波浪潮时，一些比较优秀、有认知的人可能已经有意识了，但因为是第一次亲自经历，还是不太敢决策。直到第三波时，这些人有了前两波的经验，才能比较好地抓住大的机会。
朱宁：我大体认同你的看法。你刚才讲的研究我也读过，是斯坦福一位研究劳动经济学的教授做的一系列研究之一。他还研究过是什么造就了一个成功的投资银行家，发现那些在波谷、低峰时加入华尔街的人，长期来看，反而可能在华尔街的事业发展会比较成功。
原因有三个。第一，在市场不好的时候还选择进入华尔街，说明 ta 真的喜欢这个行业。第二，这时候还能进得去，说明 ta 能力很出色。第三，ta 进去以后，如果等来一个大的浪潮，就可能一下子赚够。
再回到你说的那几波浪潮。不只金融从业者，很多人都会经历类似的过程，包括我自己。我 1997 年去北美留学，经历了 1997、1998 年的互联网泡沫；2008 年全球金融危机时，我作为雷曼兄弟的高管，也经历了雷曼的波峰和最后破产；过去 10 年在国内，又赶上了房地产这波泡沫。
不过我个人对于投资和财富的理解，也在这个过程里逐渐深化了。
所以我也经常跟更年轻的朋友分享，理财这件事一定要尽早开始。即使一开始没赚钱，你收获的经验和能力，某一天也会变成钱。而且人总要花一些时间去理解钱是怎么赚来的、怎么亏出去的。
巴菲特 95% 的财富都是在 65 岁以后赚到的。一方面是因为那时他的原始资本更多，另一方面是因为他对投资的理解进一步深化了，能够把钱投得更好。
曲凯：我也特别同意尽早投资这个事。我最大的一个理由，就是你年轻时一个月可能只能赚 5000 块钱，那亏 1000 块钱就会让你心疼得不得了。这 1000 块钱，可能能让你体验到以后要亏很多钱才能学到的东西。
朱宁：这是个很好的点。这确实是一种降低学习成本的方式。
曲凯：对，还有一个大家常说的点，就是很多伟大的公司都是在市场特别不好的时候成长起来的。因为市场很好的时候，人们很难清醒地意识到自己赚的是什么钱。就是大家都在电梯里做不同的动作，最后上上下下，其实可能是电梯自己在上下。
朱宁：没错。其实散户往往会在牛市里明显跑输大盘。熊市里市场不好，大家都比较谨慎，反而不会犯特别大的错误。
曲凯：但大家总有一个想法叫「这次不一样」。到底该怎么判断这一次是不是真的不一样？
朱宁：之所以会出现泡沫的最重要的原因之一，就是大家不信邪，都相信这一次不一样。从 17 世纪的郁金香泡沫，到几年前国内的房地产泡沫，皆是如此。
但投资中最可怕的四个字，就是「This time is different」。
你相信这次不一样很可怕；你相信它没有变得不一样，其实也很可怕。因为未来是不可知的，无论相信哪一种，都有概率犯错。
如果非要说，我认为每一次都没有太多不一样，但在发展过程中肯定又有一些不一样。不过，这种不一样是不是足够改变整个估值体系，或者改变人的行为？我个人是持保留态度的。
那如果不可能判断这次是不是不一样，人还能怎么做？
就是思考和调整自己能冒多大的风险。
我们总是花太多时间思考自己的判断是否正确，却很少思考：对应这个判断，我应该投入多少资金，承担多大风险。
曲凯：道理都懂，但一个普通人可能资产没那么多，却想赚更多的钱，那应不应该冒更高风险去搏一搏？
朱宁：想多赚钱无可厚非。年轻时反而是一个人对一夜暴富最有欲望的时候，但我有两个建议：
第一，你要知道自己的风险偏好是什么。如果你有本事每次都梭哈，并且亏光了不沮丧，还能重新开始，那你当然可以靠这种承担风险的能力去赚钱。
但很多人是想冒险赚大钱，却没有承担风险的能力或者意愿。
我经常讲，赚钱是为了生活，生活不是为了赚钱。如果你亏钱以后，整个生活质量都被拉低很多，那这个钱就不要去赚。
第二，人有两种赚钱的方式，一种是财务投资，一种是人力资本投资。前者可能来钱快，但风险更大；后者会慢一些，但确定性更高，也可能帮助你成为一个更好的人、提升整个人生的质量。
这两者不可偏废。不过我们作为教授总会相对保守一点，特别不愿意看到有人去梭哈，结果运气又差了一点，因为这可能会对一个人的长期规划和发展造成很大的负面影响。
不过二级市场有一个好处，就是你可以决定投多还是投少，也有很多配置选择，没必要让自己每次都做出那个绝对正确的判断。
曲凯：明白。我们再回到泡沫。有没有一些方法，能让我们识别出现在是在泡沫或者趋势的哪个阶段？
朱宁：前美联储主席、诺贝尔经济学奖得主伯南克说过：大萧条是宏观经济学的圣杯。我认为，如何预判泡沫见顶，就是行为金融学的圣杯（笑）。
曲凯：这点很有意思。我之前听过人说，做二级市场的人里面，有一派特别理性，会把数字和业务研究到极致；另一派则会把人研究到极致。所以您是觉得，泡沫更多是和「研究人」相关？
朱宁：我可能不会定义得这么窄。
泡沫一定是我们行为经济学研究的重要内容。我们至少会认可，人会犯错误、会有情绪、资产价格可能会严重偏离基本面价值。
但我们研究时也会尝试用各种量化的方式。比如，其中有一种方式对我挺有启发，是研究价格上涨的斜率。
为什么斜率很重要？
因为斜率能看出资金的消耗情况。假设市场上的资金有限，如果某件事涨得太快、太猛，就很可能不可持续，因为它消耗的资金太大。
这也是为什么在我的观察里，2008 年之后泡沫不是变少了，而是变多了。因为量化宽松以后，市场上的钱太多了。而且在低利率时代，安全资产收益率太低，大家就会被迫冒风险、被迫投机、被迫加杠杆。在这个过程中，会有大量资金的重新配置。所以如果说这一次有什么不一样，这可能是一种不一样。
那再回到如何判断市场见顶的问题。我在 2015 年股灾时曾经写过一篇文章，叫《泡沫中不能说的秘密》。
泡沫中不能说什么？
不能说什么时候见顶。
你一说什么时候见顶，它就一定到不了顶。
用博弈论的想法看，你永远无法在泡沫里预测顶端，因为总有人革命意志不坚定，还没到顶就先撤了。但泡沫之所以存在，一定是因为有人相信它不是泡沫。只要还有人相信它不是泡沫，泡沫很可能就还不会见顶。
我经常讲一个例子。2000 年三四月份，美国有个很成功的对冲基金老虎基金清了盘。它的创始人在此前一两年里一直做空纳斯达克和互联网，因为他觉得这个东西绝对不靠谱。但他一直做空，市场却一直涨，直到他被市场压垮，说我不干了。结果他前脚清盘，过了一两个月，纳斯达克就见顶了。
所以泡沫要见顶的一个近期信号，就是「空翻多」。当所有认为这是泡沫的人，都承认「这可能不是泡沫吧，我也得买一点吧」，反而可能是让泡沫破裂的最后一棒。
而长期信号，就是很经典的那个例子：当乞丐、擦鞋匠和美甲师都告诉你如何通过股市赚钱时，市场就离见顶不远了。
曲凯：现在的版本就是，当小红书里大家都在说什么事时，可能就已经快见顶了（笑）。
那一个人所在的圈层和最终收益结果有什么关系吗？
朱宁：我觉得有很大关系，尤其是对一般小白和散户投资者来说。
因为我曾经在北美做过一系列研究，发现大量个人投资者或者散户，主要信息来源既不是研报，也不是调研和走访，而是身边的朋友。
而你在哪个圈层，决定了两个问题：
第一，你是不是能听到一些新的趋势、未来的发展方向，甚至是很基础的知识，比如投资怎么赚钱、泡沫是什么。
第二，你什么时候能听到这些消息。信息有瀑布效应。拿 AI 来举例，最核心圈层可能三年前就知道 AI 很有前景，早早布局；PE 圈层可能两年前已经介入；二级市场的机构投资者可能去年入场。但很多散户可能现在才听说 AI 和光模块很重要。此时，这些板块可能已经被前面的投资者透支了。早期投资者的配置成本低，没什么好怕的；对后知后觉的散户来说，当你听到这个消息时，全世界其他人也已经听到了。你再介入，就容易变成接盘的人。
所以我也经常跟散户讲，圈层不只决定你的知识和能力，也决定你在和谁为伍、和谁竞争。
席勒教授给我《投资者的朋友》那本书的序言中，有一句话特别好：
投资是一项反人性的活动，也是一项竞争性的活动。
如果你觉得自己能赚钱，那你有没有想过这个钱是从谁身上赚来的？巴菲特也说过，如果你进了一个牌桌，坐下玩了一会儿，还没发现桌上谁是那个傻瓜，那你就是那个傻瓜。
所以大家很多时候要想一想，是你知道得更多，还是和你在二级市场里同场竞技的人知道得更多。如果在你的圈层里，你都不一定是信息最完备、投资能力最强、判断最准确的人，你怎么去和专业投资者、机构投资者竞争？
曲凯：但 AI 来了以后，套用一下刚才的话：这次会不会不一样？因为现在很多人会跟 AI 聊天来获取信息、让 AI 帮忙分析股票。所以信息差是不是越来越少，散户和个人的参与度会越来越高？
朱宁：绝对会。AI 确实是特别伟大的技术，它在很多地方实现了信息甚至能力的平权。
但我觉得未来散户可能会越来越多地通过 ETF、指数基金来参与市场。这也是现在在中美都能看到的趋势。如果你仍然停留在个股投资，大家会看到，从年初到现在，下跌的股票比上涨的股票还要多。但指数仍然在上涨，美股尤其明显。
最终，指数、ETF 和机构可能会更快地占据市场。
这是因为，虽然 AI 能让个人拥有更强的投资能力，但它也会带来两种幻觉：一方面是大模型自身的幻觉，另一方面是散户的幻觉。大家会觉得自己有了 AI，就能和机构拉平，但事实上机构仍然有更多专业优势，而且个人比机构更容易犯错误。
曲凯：明白。那这两年，我们实际感受到的各种迭代和变化都越来越快，很多人也在讲价值投资是不是失效了，就大家不讲长期主义了、只看眼前半年的事情。我不知道您有没有发现这个趋势？
朱宁：绝对有。别说我了，可能巴菲特都觉得有。
曲凯：所以他退休了是吧（笑）。
朱宁：哈哈哈，不过我们也要看怎样界定价值投资。如果你把价值投资定义为「用低于企业价值的价格买入企业股票」，并且有像巴菲特那样的耐心和资金长期持有，那肯定没错。
但这里有两个需要注意的地方：
第一，你怎么定义自己有没有赚钱。
第二，你用多长的时间维度衡量有没有赚到钱。如果用 2 年的维度评价巴菲特，他很多时候都是跑输大盘的。拉长到 60 年，他才成为一个传奇。
所以我个人觉得，价值投资本身并没有消亡，也没有失效。
大家不要忘记，1998 年到 2000 年互联网泡沫，以及 2008 年全球金融危机发生时，巴菲特的价值投资都在被人嘲笑。但至少这两次事后都证明，长期、耐心、价值的投资理念笑到了最后，也笑得更好。
曲凯：明白。那我们聊了很多经济和泡沫，也聊到了 AI、互联网这样的具体行业。但最后，很多东西似乎还是取决于最底层的一两个政策？比如加息、降息。那宏观经济、国家政策，和 AI 这样的大资产类别或者整体叙事之间，到底是什么关系？它们会如何决定不同领域的走势？
朱宁：这是一个特别及时，也特别重要、特别干货的问题。
受咱们之前讨论的启发，我觉得这个问题有点像长期趋势和短期波动之间的关系。
历史学家尼尔·弗格森做过一系列「反事实」历史研究，就是看如果没有发生某件事，历史是不是还会重演。大致结论是，历史仍然会按照自己的方向和步伐行进。一个很重要的原因是，政策很多时候反映的就是当时的经济现实或者社会心态。
所以从这个角度来说，我认为该来的还是会来。我相信市场有非常强的生命力。政策或许可以熨平很多短期周期，但很难改变长期趋势。这和人性、人的行为还是有很大关系。
举个例子，联储的政策可以在 2000 年互联网泡沫崩盘后，迅速把美国经济从冲击中拉出来。
但结果是什么？
就像经济学家批评的，最后它又吹出了一个房地产泡沫，来给互联网泡沫买单。现在可能又是为了给房地产泡沫买单，吹出新一轮 AI 泡沫。
所以我从去年就在讲，在联储不出台特别极端政策的情况下，我个人认为美股的估值水平很难维系下去。当然，这个过程可能会持续很长。到今年，整个纳斯达克才不再上涨，但「七姐妹」还在涨。所以社会心态，或者说席勒教授讲的「叙事经济学」，还是非常重要。
目前为止，AI 基本上填满了科技泡沫该有的所有选项。而且它还有一点特别吸引人：确实赚钱。所以它在可持续性上又向前走了一步。
但赚钱和它是否配得上当前的估值，是两个完全不同的概念。所以联储的利率水平或者资金的紧张程度，确实有可能成为压垮骆驼的最后一根稻草。
曲凯：我补充一下，现在大家说 AI 赚钱，是指 Anthropic、OpenAI 这些大模型公司赚钱。但由此也产生了另一个担忧，就是使用这些模型的人，好像还没有很明确地赚到钱。
然后说起叙事，我想到一级市场的叙事也总是此起彼伏。一个市场冷下来时，不知道从哪里又会蹦出一个新东西，然后大家迅速围绕它形成共识、展开投资。
比如，几年前大家还觉得具身智能不太靠谱，但慢慢形成共识后，它就拿到了特别多的钱。当它拿到足够多的钱时，这些资金有可能让一个原本没那么靠谱的东西，也变得靠谱起来。
我不知道您在研究中有没有遇到过这种现象？资产和叙事之间到底是什么关系？
朱宁：叙事当然特别有价值。它会调动资本，也会调动人的能动性，改变资源配置。前者无疑会加速投资周期和新技术的进步。后者也特别重要。一个很有说服力的指标，就是清华这类学校里学生的专业选择。
但我仍然相信，技术是第一性的。叙事更多是推波助澜，而不是无中生有。你可以给大树多施肥、多浇水，让它长得比过去快一些，但不可能让它长到天上去。
比如，我对具身机器人就有所保留。我有时会想，人并不是因为长成人的样子，才统治了世界。那为什么具身机器人一定要长得像人？
再比如，如果一种新技术完全没有前景，即使有叙事，也可能像 10 年前的 O2O 一样，昙花一现就过去了。
不过，AI 无论从技术、应用还是社会层面，确实都能看到进步。
曲凯：是。那我们聊了这么多，最后该怎么给泡沫下定义？是不是一定要等它破了，回头看才知道是泡沫？还是说，只要符合一些标准，我们就可以认为它是泡沫？
朱宁：泡沫的发生，有四个必要但不充分的条件：
第一，有新概念、新产品、新技术。没有泡沫发生在大家已经非常熟悉的事情上。从这个角度看，泡沫也不可避免，因为总会有新事物诞生。
第二，有非常宽松的流动性，市场上有很多钱。
第三，有政府支持。
第四，有缺乏经验的投资者或者年轻投资者进场。恰恰是年轻投资者更能看到技术未来的潜力，也更愿意用真金白银去投资。
不过，虽然泡沫往往会伴随这四个条件，但并不是每一次这些条件凑齐以后，泡沫都会破裂。
比如六七十年代电子管、晶体管那一轮，过程中也有波动，但整体仍在上涨，直到 70 年代初中东原油危机爆发，整个市场才出现较大调整。即便如此，它也没有出现互联网泡沫那种腰斩，甚至跌掉三分之二的情况。
所以与其想泡沫明天会不会破，不如想：在现在这个阶段，我正确的投资决策和选择应该是什么。
曲凯：所以跌多少算是泡沫？
朱宁：我个人觉得跌 40%、50% 就算是泡沫了。
曲凯：那您见过这么多经济周期和个人财富的变化后，有没有形成一些不一样的财富观和人生观？
朱宁：我有几点可以分享。
第一，财富只是人生的一部分。还是回到前面讲的，人挣钱是为了活着，但活着不是为了挣钱。
第二，钱也是一种责任，未必越多越好，也未必每个人都能驾驭。就像《蜘蛛侠》里的那句话：能力越大，责任越大。以我对一些成功人士的近距离观察来看，我们有的挑战和困惑，他们可能都有；他们还有很多我们没有的挑战和困惑。
第三，财富有点像魔戒，会找到它认为应该拥有它的人。心理学家跟踪过中了六合彩、大乐透的家庭和居民，结果非常一致：中彩票不但没有提升这些人的生活质量，反而给他们的生活带来了很多挑战、问题和麻烦。
所以有时候与其追求财富，不如提升自我，更好地与财富和解，也更好地享受生活。
曲凯：最后我想问，您会接触很多不同的人，其中有很有钱的人，也有很多学生。不知道您有没有观察过，这些人里哪些人更开心？当然这可能很难量化。
朱宁：行为经济学的开山鼻祖卡尼曼教授说过一句对我很有影响的话：
我们每个人讲起幸福时，其实是在讲两个不同的概念。一种幸福，是你当时是否幸福；另一种幸福，是你回忆起来，在记忆里是否幸福。
这两者很多时候非常不同，甚至可能相互矛盾。所以评价谁更幸福，确实非常困难。千万不要把自己和别人比较。每个人都有不同的背景、基因、价值观和爱好，每个人的人生都是一段非常独特而宝贵的旅程，把自己的旅程过好，就够了。
42章经
思考事物本质
2026-05-31 21:00:00
原创 曲凯 2026-05-31 21:00 北京
创业不能用太多左脑，而是要用心。
本期播客原文约 25000 字，本文经过删减整理后约 8000 字。
编辑整理：陈皮
曲凯：梦琪创业这一年，其实走完了很多 AI 软件创业者这几年的典型流程：
字节背景，一个梦幻团队，讲一个当下 AI 里很流行的故事，融几轮钱，然后随着技术和热点变化 pivot。当然，也和大家一样遇到了今天这个软件行业的低点。
但现在的低点和 23、24 年还不太一样。那时候是整个市场都冷，但现在具身、AI 硬件都很热，反而软件创业者会更难受。
梦琪：你一上来就有点把我架在火上烤哈哈。但软件行业现在确实挺惨。
其实去年 5 月之后能融到大钱的软件创始人，都应该给 Manus 磕一个，因为是 Manus 让 Agent 在国内变成了一个热门标的。不过那一批做 Agent 的公司，很多都和 SaaS 没有本质区别，最后都是服务企业客户，只是靠着 Agent 这个概念，拿更多钱和更高估值。
曲凯：所以你后面也开始感受到，软件创业很难回答差异化的问题？
梦琪：对。我大概在今年二三月份的时候有点扛不住了，因为我回答不了几个问题：
你跟 Claude Code 的区别是什么？如果 Claude 来做你这个事，甚至 Claude 生态里某个人突然想做你这个事，写个 skill 就把这件事做了，你怎么办？
所以我那时候一度觉得，自己做软件真是脑子进水了。。
曲凯：这里面一个核心变量，还是 AI coding 起来了？
梦琪：是。Coding 变强这件事是指数级发生的，那种推背感特别强。所以我也替这个行业的创业者，包括我自己挽个尊哈哈：确实没人能预料到模型会变得这么强。
但我也想讲一个相反的逻辑。
虽然今天很多创业者都会被质疑：谁谁谁用什么工具、多快就能把你这个东西做出来。但你真的回头看，过去这一年里，真正可用的产品可能不到 10%。你看 Manus 刚出来的时候，很多人都说它就是个套壳。但到今天，这个赛道也就跑出了 Manus 和 Genspark。
曲凯：对，这也是我想问的：如果 AI 这么强了，为什么过去一年，甚至过去三年里，真正跑出来的产品还是非常少？
梦琪：因为大部分产品都没有体验可言。
我用了很多产品，会觉得这个行业里诈骗公司特别多。它们讲的和实际 deliver 的价值往往不匹配。而那些火起来的产品，就真的该火。倒不是因为它们的 idea 有多特别，而是人家真的能 deliver 自己承诺的价值。
我之前有一个比较悲观的判断：未来就是全明牌，没有一个 idea 是你能想到、我想不到的。但我乐观的部分是，每个赛道都有机会，因为每个赛道里都可能会有一家真的在乎体验、真的会做产品的公司出来。不过，可能还是比较难做出差异化。
曲凯：如果现在有很多可用的产品，才需要讨论差异化吧。现在实际情况是能用的产品就没那么多。
所以你们这一年也 pivot 过好几次。你们一开始定的方向，为什么最后没有做出来？为什么要转型？
梦琪：我们一开始想做一个垂直 Sourcing Agent，比如帮品牌找达人。这个过程中我们做了几大决策，当时觉得太自洽、太英明神武了，但现在回头看，基本都是错的。
第一个错误，是选错了场景。
我们当时认为 Sourcing 是一个比较能泛化、场景迁移程度比较高的场景。如果能把达人找明白，那之后或许也可以找明白候选人、专家，甚至客户。
曲凯：我听到这里有个很深的感触。你刚才提到差异化，我觉得现在没有差异化的不是产品，是叙事。
很多人今天跟我讲要做一个什么事情，我都会觉得这件事已经听了好几年了（笑）。比如 Sourcing 过去几年就一直有人在讲，但还没有特别好的产品。
梦琪：对。而且我会觉得单靠 Sourcing 这个场景是喂不饱公司的，需要拓展。因为 Sourcing 可能只占这个行业用户工作的 30%。等于你是在一个巨大的价值链条上，选了一个对 AI 来说的 low-hanging fruit。真正最浪费时间和人力的，是后面来回来去沟通的过程。而我们的产品却跳过了这部分。
曲凯：你说单做 Sourcing 场景喂不饱公司，是从融资叙事角度，还是从挣钱角度？
梦琪：挣钱。
曲凯：但如果这个市场很大，你们当时体量又很小，为什么不能先把某个事情做到足够好？
梦琪：因为我们当时对 Sourcing 这个场景已经比较悲观了。这件事的百分之七八十都取决于数据质量，可我们没有这些数据，还得从 SaaS 公司接 API。
曲凯：所以你说要拓展，潜台词就是你觉得当时的方向已经不对了？那纯理性讲，那个时候是不是应该完全放弃这件事，去做新的东西？
梦琪：这是个非常有趣的思维实验。
站在那个时间点，我们确实发现 Sourcing 这个场景的价值点不够，但觉得这是强度问题，不是能不能做的问题。
所以我们思考了要怎么加强度。有两个选择：一个是纵着打，把达人营销这个增长场景打深，往全链路做；二是横着走，既然能找达人，那就也去找候选人、客户。
我们最后选择了前者。这是当时做对的一个决策。也不能所有决策都错，要不也太惨了哈哈。
这个决策的思路很简单。就好比我现在掌握了面粉和鸡蛋两个原材料，拿这些材料既能做大饼加鸡蛋，也能做意大利面。但现实里没有人会同时来你的店里说，给我一份大饼加鸡蛋，再给我一份意大利面。
也就是说，找人这种场景非常难 cross sell。很难有人一上来就同时有找用户、找客户、找达人、找候选人的需求。
所以我们决定把增长这个场景做深，过程中也交付了几个大家耳熟能详的大客户。
但做到去年 12 月份，我非常清晰地感受到，垂直 Agent 可能就不成立。这也是我们犯的第二个错误。
一开始选择做垂直 Agent，是因为通用赛道太拥挤了，恨不得有几十家公司都想做出 Manus。我们不想加入混战。
但后面我发现，垂类 Agent 都有两个结构性困局：
第一，垂直 Agent 公司在一定阶段，都会被迫成为一个 agency。因为你的客户本来不用你的产品，但你又想挣钱，那最后就变成你要出一个人去服务他们。
我甚至看到过更极端的案例，就有些公司虽然做出了一个垂直 Agent 产品，但这个产品连他们自己都不用。这个产品做出来，只是给投资人看的一个景。真正挣钱还是靠服务。
第二个困局是，说破大天，垂直 Agent 还是一个 toB 业务。而今天在中国做 toB，本来就非常难。在海外做，华人的天花板也非常明显。
意识到这两个困局之后，我特别焦虑，跑到旧金山待了两个多月。我特别想知道，是我想象力匮乏、能力不够，所以垂直 Agent 没做成，还是这件事本身就不成立？结果我去聊了那边各种各样的垂直 Agent 公司，发现大家的困境都挺像。
曲凯：不过美国的好处是，它本来 toB 和 SaaS 就能赚钱，应该还是能拿到订单的？
梦琪：但这次我彻底对美国创业生态祛魅了哈哈。那边有很多骚操作。比如，可能会有十家公司相互充流水。你给我 5 万，我给 ta 5 万，ta 再给你 5 万，最后形成一个很复杂的机制，审计是审不出来的。
当然我们没参与啊，就还是要尽可能维持自己的道德标准。
曲凯：但如果你真的能混进那个圈子，目标就是融资，可能会融得不错？因为 PPT 上可能会多几个美国头部 SaaS 公司客户（笑）。
梦琪：所以如果创业是服务虚荣心，突然就会变成一件非常简单的事。因为目标函数很清晰，约束条件基本没有。但如果你追求的是自己内心承认「我干得真好」，反而是比较难的。
然后我们犯过的第三个错误，就是过度服务专业用户。
在这种产品里，有两类人会给你反馈。
一类是创始人。他们要给自己的产品做增长，所以会来用你的产品、提需求，但他们不专职做这件事。另一类是公司里专门负责达人营销的人，我们管这类人叫专业用户。
这两类人提的需求完全不一样。创始人更在意结果，不想管中间那么多过程；专业用户更倾向于微操，希望自己确认、定义指标、筛选。
我们选择服务专业用户，是因为当时很流行一个概念，叫蒸馏专家的经验和知识，也就是把一些高认知能力浓缩进产品，再把产品卖给非专业用户。
但如果过度服务专业用户，本质上就是在给专业用户做工具，最后你做的其实还是 SaaS。
举个例子。你问一个专业剪辑师需要什么样的 Agent，ta 会一直给你提需求，直到你长得跟剪映差不多。
所以这个产品做到后面，我觉得完蛋了。创了半天业，结果做出的产品，就是这个行业里 8 年前 SaaS 公司的样子。
于是我们决定转型，而且要从 toB 改成 toC。
曲凯：为什么要放弃 toB？
梦琪：第一，如果做 toB，我就不应该创业，也不应该融资。因为我以前做过几年 toB，有一些积累，其实不融资也能做起来。
第二，对我个人来说，toB 也不值得创业。创业应该追求一个比较高赔率的事，但 toB 对我来说没有那么令人兴奋。它完全是一个我知道自己能做好，然后逻辑驱动、机会驱动出来的事，不是那种「老娘今天就干这事了，不干这事我得难受死」的事情。
第三，toB 业务不太能吃到新模型能力跃迁的红利，顶多是提升内部开发效率。但你真的有 10 倍、20 倍地把某个问题解决好吗？没有。这就很痛苦。
而且那会我觉得自己天天盘概念和逻辑，被一些概念带偏了，却没有用心感受自己到底想做什么。
曲凯：我记得你刚开始创业时，RL 特别火，你们好像也找过做 RL、算法的人。所以你是怎么从讲一个很新的故事，最后一步步做到一个听起来像传统 SaaS 的事情的？这是一个「堕落」的过程吗？
梦琪：首先，很多一开始的决策，就不是基于真正的市场需求，也不是基于你想做什么事，而是基于虚荣心、追风口、装 B。
虽然我们当时讲 RL 的故事讲得还挺溜，但其实是被市场和投资人给 RL 了哈哈。包括招这些人，也是为了显示自己有能力把这些人招来。
我这里也下一个暴论：大部分纯应用创业公司就不该招任何算法，快放人家去训模型吧。留人家在你这里，纯属是为了给投资人展示一个豪华团队，多融点钱。
第二，性感的逻辑落地的时候可能就不性感。
比如我们当时的逻辑是，增长比较容易做 RL，因为它有很清晰的反馈信号。但现在这听起来就很可笑。
创业公司做个毛线的训练？就算你有这样的数据，也确实能训，但你训 vs. 基模厂商随便改一改，很明显后者能带来的效益大多了。
所以刚拿到融资的时候，都是创始人的愚昧之巅。
你会觉得自己讲得太好了，怎么这么聪明，怎么这么能拽概念，怎么这么能总结。但真正做了事以后才会发现，落地是如此恶心，细节是如此多，你就得一个个交付，一个个去干。
总之我们意识到了各种问题，然后开始转型。不过我们在彻底停掉 toB 产品之前，已经在做一些 C 端尝试了。我希望能慢慢来，有一个过渡，保护好团队的士气和信心，因为这是不可再生之物，不能一次又一次地消耗。
但没想到，我们很快就跑出了一个 C 端产品，叫 tryclico。
它是一个浏览器插件，只解决一个问题：大家浏览器会开一堆 tab，工作时要一直切，找不到信息。
后面我们也加了一些能力，比如它能跟随你的光标，你能随时唤起它，让它帮你写各种东西。
以及后来我们发现，大家电脑上不只会开浏览器，还有 Lark、Slack 等各种窗口，所以很自然地又会想，是不是应该扩大产品的行动范围，做成一个桌面客户端。
也是在做这个客户端的过程中，我对软件反而更有敬畏心，也没那么焦虑了。
大家都说现在 AI coding 很强，做一个产品特别快。但我现在对这种言论都嗤之以鼻。
就这么一个听起来蛮简单的客户端产品，我们已经做了三个月。截止到录音前，已经做到第 49 版了。
软件是由上万个细节组成的，你得一点点把那上万颗屎吃掉。你多吃一个，用户体验就好一点。
其实我做现在这个产品时，被气哭过好几次。它真的太难做了，要适配不同版本、不同型号，非常多细节调不明白。
我记得有一次，我在 Palo Alto 的 Blue Bottle 调产品，没调出来，当时气得捶了两下桌子，震到了隔壁桌。结果他们说，能让你这么情绪化的产品，一定是个好玩的东西哈哈。
好在到现在，这个产品虽然还有一些 bug，但它已经是目前我看到的客户端产品里非常稳定、可用的一个产品了，给了我很多信心。
所以我们从 B 转 C 的过程还比较幸运。其实我们的组织本来就更适合做 toC，因为我们同学都挺刚烈的，可能会在群里跟客户抬杠（笑）。但做 toB 不能这样，被包养就不要谈独立人格。
然后在转型做 C 端的过程中，我还有几个收获。
第一，toC 要想挣钱，大概有两个方向：一是大 R 模式，二是健身房模式。
所谓大 R 模式，就是你找一批 ARPU 特别高、token 消耗量非常大的用户，比如一个月能在你这消耗 5 万美金的人，然后把他们维护好。这种方式本质上就是做 token 生意。你不需要特别多用户，可能一两万就够吃了。Lovable 就是这种模式。
而健身房模式，就是用户给你订阅费，但你赌 ta 不用你，或者赌 ta 的 token 用不满，然后赚一些差价。但在高竞争情况下，这种方式很难留下特别高的毛利，也很难有特别好看的净利润。
第二的收获是，对 C 端产品来说，只要你能缩短用户意图和解决方案之间的距离，就有价值。而要做的重中之重是体验。
就像现在大模型已经这么强了，很多人还是会用翻译插件，就是因为它解决的是一个非常明确的意图。而只要你的产品体验比直接用 ChatGPT 或 Claude 好，你就有活着的价值。
而体验还可以往下拆。
我认为这一代产品，70% 的精力可能要花在交互上。一方面是要做到更快、更便捷、更好、更舒适；另一方面，很多交互本身是在提供情绪价值。而因为做生产力大家都是一样的烂，所以情绪价值反而变得非常重要。
不过，以前我以为生产力和情绪价值之间有一堵很高的墙，但其实 Steam 上的很多产品，早就打破了这种界限。比如上面有番茄钟、todo、清单类产品，甚至还有给 ADHD 的产品。你很难定义它到底是游戏，还是生产力产品。
未来产品品类可能就会变得模糊，尤其在软件如此容易被创造的情况下，你的上限就是想象力。
第三个收获是用研方法。其实 Reddit 是一个非常好的用研渠道，推荐大家最大限度用好它。
Reddit 里首先能挖掘很多数据，但这只能给你一些静态结论。我们的做法是，把每个产品决策都拆成决策漏斗，然后给每一层决策都设计大概 40、50 个帖子，目的就是收集大家对痛点、需求的反馈。反馈收上来之后，我们会做大量验证，最后再做成能力。
这种做法对判断优先级特别有帮助，能让我们更 solid，也更克制。
我是 ENFP，非常发散，恨不得一天给产品提 800 个方向，而且以前也会想追新概念，做一个技术弄潮儿。但其实用户只想解决他们的问题。
我这一年反思下来，做产品要克制住那种一定要装 B、一定要保持领先的心态。
创业者会有很多牵引力，可能来自同行、投资人、用户、员工。但我最大的牵引力，就应该来自用户。我应该花大部分时间去思考：用户的问题到底是什么、需求是什么、解决它的最短路径是什么。最短路径往往来自第一性原理。
曲凯：是。过去几年，尤其在 AI 时代，很多创业者太习惯拿锤子找钉子了。这件事在某个阶段也没什么问题，但 AI 变化太快，如果你用锤子找钉子，就要不断学习这个锤子。
梦琪：对。而且这种思路还很容易带有 AI 创业者的俯视感。比如我们原来做 toB 垂直 Agent 时，会觉得用户已有的解决方案不是最优解，非要给他们雕了花的、钛合金的锤子。这就像一个人不穿秋裤，ta 自己不觉得冷，但我觉得 ta 冷，就想让 ta 穿上我这条 AI 秋裤（笑）。
可是从客户角度看，传统 SaaS 可能已经很够用了，何况有些 AI 方案的 ROI 不一定高。
以及，AI 的出现可能对「拿着锤子找钉子」这件事本身，就有一个非常彻底的颠覆。以前你看到一个钉子，就想发明一个锤子。但以后有没有可能有一个特别强的锤子，什么钉子都能钉？
曲凯：那就是模型了。
梦琪：是。这个行业里决定软件创业者精神状态的最大牵引力，就是模型的发展。当它发生变化时，所有人都会同等权重受到影响。一个团队但凡没点定力，或者没融到比较多的钱，都不太有信心坚持到最后。
我们做这个产品时也会想，把它打磨得不错可能需要 3 到 6 个月，但这个产品寿命会不会只有一年多？是不是剩下只有 6 个月能挣钱？那我得赶紧想办法挣钱。
所以 AI 完全改变了我们的思维方式，也改变了商业模式。你没法再像以前一样做长期规划，能想清楚下个月的事就很好了。
曲凯：这有解法吗？可能就是不要做软件创业，去做具身（笑）？
梦琪：哈哈哈，或者卖数据。
曲凯：我在想，你现在在做的，包括一些当下比较有水花的产品，和之前很大的区别是，它们解决的是 AI 时代带来的新问题？就是大家本来就在用 AI 了，那怎么能更好地管理窗口、怎么更好地去用 AI coding，都是新的场景和需求。
梦琪：我不是很认同。我们现在很多用户反而不是非常典型的 early adopters。
事实上，现在很多人还没有用上 AI。2 月份我在旧金山做了一些田野调查，逢人就问：「你知道 Whisper Flow 吗」？Whisper Flow 在 101 公路上打了非常大的广告牌。但你猜有多少人知道？
只有 40% 的人知道。然后在这 40% 里面，可能也只有 20% 的人会用。
所以，这个世界是动态的、参差的、分层的。
我特别讨厌一类文章，就是说「XXXX，XXXX」的那种。我觉得写这种文章的人都是脑子有病。
商业社会里的竞争不是一瞬间完成的，而是在动态地博弈。比如，不是抖音出来，快手立刻就会死。
但现在自媒体特别喜欢把一个非常漫长、可能有点枯燥的竞争和动态演化过程，压缩成几秒钟发生的短剧剧情。我愿意称之为 AI 行业的番茄和红果哈哈。
而现在有些公司还不需要最领先的技术。甚至美国和欧洲还有一大堆公司，连数字化都还没上完。
所以我现在反而比较乐观，充满期待。有几方面原因：
第一，只要这个行业渗透率还足够低，虽然行业结构决定了大部分利润会被御三家吃走，但剩下公司喝个汤其实也还不错。甚至你喝到的汤，可能比过去做 SaaS 吃到的肉还要多。
第二，需要被解决的问题还有很多，但不是全人类都有创造欲望，也不是人人都能真的自己做出产品。这里我也再次推荐所有创业者都去泡 Reddit。你一泡 Reddit 就不焦虑了，因为会发现很多尚未被解决的需求。
第三，即便一个人能自己做出产品，这也仅仅是开始。有人说过一个很好的比喻：
做软件就像维护草坪。
草坪的修剪成本，往往比铺草坪还高。现在大家 vibe coding 的过程是快乐的，但后面解决 corner case 和维护的过程是痛苦的。
所以我认为软件依然大有可为。
曲凯：明白。那如果现在让你重新选，你会不会继续留在字节吃肉？还是依旧会选择出来创业喝汤？
梦琪：哇，你这个问题太 deep 了。
在我最痛苦那两个月，我也无数次问过自己：你为什么创业？你要是不创业，是不是还挺爽？
官方版本的答案是，我还是会创业，而且我很享受且擅长创业，我就应该干这个事，是 meant-to-be。
非官方版本是，说实话，三四月份的时候我不想干了。我觉得做这些破软件真的没有意义。因为当时我们刚转型做 toC 产品，遇到了特别多困难，然后又眼看着这个行业陷入无尽的虚无。
但最近我又热情满满。我觉得要是我做不出来，别人也做不出来。这个行业但凡有一个人能做出来，那一定是我。
曲凯：这种心理上的 up and down 也很正常，但你底层还是热爱创业。
梦琪：以及我们足够幸运、足够臭不要脸，且拿到了融资。
不过，很多人认为你得一直融资，但我一直想找创业中真正的充分必要条件。
我认为融资好不是充分必要条件。你看新消费那一波，融得最好的可能现在最惨，因为回购也回购不掉，收入又扛不住估值，投资人和创业者都很痛苦。
团队有大牛也不是充要条件。有时大牛只是挂名；或者大牛足够落地，但赛道不一定好。
所以我后来越来越觉得，创业这事也挺玄学。我们就应该看手上有什么牌，然后把这些牌打好。
我原来也希望找到一个科学方法论，但现在觉得，创业不能用太多左脑，而是要用心去做这个事情，真的把你的用户当成具体的人。
这也是为什么我不想做效率工具。效率工具只关注你的问题，不管你是谁、有什么社会关系、今天心情怎么样。
我想做的产品，首先它能解决你的问题，不然就是一个只提供情绪价值但不靠谱的下属，没意义。
但与此同时，我在乎用户是谁。DAU 对我来说不是一个数字，背后都是具体的人。我跟这些人聊得越多，他们在我心里的形象就越立体，我们之间的连接也会越多。我觉得这种连接非常珍贵。
曲凯：是。最后，其实你们的经历都很典型，但有一件事是大家普遍会做、而你们没做的，就是做很大的宣发，说自己是全球首款之类的？
梦琪：对，我们完全没有做。
我还是想低调一点。而且去年除了 Manus 是真的作为「世界首发」拿到了比较好的流量和留存，其他很多产品都是一波流。我觉得做这种宣发有点浪费钱，交作业的意味也有点太强。可能也是我比较抠吧哈哈。
不过更深层次的原因，可能是因为我对那个产品不满意，或者说我不相信。
我不得不承认，那是一个机会主义者为了迎合市场做出来的证明题。
但做现在这个产品以来，我的状态变了。我想做一个简答题。不管别人是不是觉得它垃圾，我都会倾尽全力去做，因为我很爱它，它就是我的 spark 所在。
人内心深处那种火、那种光、那种 spark，是 AI 代替不了的。这是我们最宝贵的一部分。
42章经
思考事物本质
