像Anthropic这样的公司，现在的营销的方式，不是今天做什么很数字化的营销，非常的回到消费品。嗯，他会做线下的Pop Up。我最近有两个同事实在支撑不住了，都是用AI用的最好的同事，说这个要休一个月。我说完全支持你们，应该有空隙，不能被AI不停的卷。Hello，大家好，欢迎来到我们的节目，我是孙亚波，这是一档由晋级波财经出品的播客节目。
我们关心商业的趋势，商业的未来，也关心我们如何在这一个商业的时代更幸福、更快乐的生活。Hello，大家好。如果你是AI圈的朋友，以及你是广告、营销、创意、设计行业的，大概率应该听过特赞这家公司。今年啊，是特赞成立的第十一年。十一年前，当时我还认真的探讨过特赞的发布会，范老师就提出了AI，我们还说什么是AI，我当时还没有搞太明白。
十一年后。特赞终于迎来了AI行业真正的这一股大的风，所以呢，我们今天请来了特赞CEO范凌老师和我们一起来交流，关于企业如何实现AI原生转型。如何用AI真正规模化落地，以及他们最新推出的G1A，我们现在特赞的增长的秘密。范老师前几天啊，刚去了美国参加了GTC，我们也会聊一聊最一线、最真实的科技观察和行业思考。
欢迎，谢谢波波邀请，很高兴来到这里。你能不能跟我们再详细介绍一下特赞到底是什么？它在不同时间点，大家理解都是不一样的。一个公司就像现在一个模型，每几个月要重新训练一遍。我们每个人每几个月也可能每一两年也要重新训练一遍。公司也每一两年可能要重新定义一遍。特赞这个名字就是 tech 加底赞。最早我们希望用科技能够赋能各种各样的想象。
波波刚刚讲，我们跟营销、跟创意什么这些方面有关。那科技毫无疑问是人工智能。从十年前开始，我们就开始做人工智能来生成各种各样的内容。主要用在企业各种需要内容的场景，营销为主吧，百分之八九十是营销的场景。过去这两三年呢，我们就发现有一个机会。以前如果你认为这个数据有两类，一类叫结构化的数，就在Excel表格里边那些，还有一类呢非结构化的图文、视频等等等等。
那原来机器是很难处理非结构化的数据的，比较好处理的是一加一等于二这样的结构化数据。但是大语言模型的出现，让理解非结构化数据这件事情变得容易很多。所以，我们原来只在营销场景做的各种内容的管理、生成、分发、分析、匹配，一下子就变成企业里边可以做整个非结构化数据的管理了。那有了这些非结构化数据，企业的知识AI就可以理解，AI理解企业知识就可以干很多的事儿。
所以现在我们底层还是叫非结构化数据的管理平台，上面呢变成大语言模型可以理解的所谓Context System。等一下我们肯定会聊到的。嗯，在上面的应用场景除了营销之外，我们还做产品创新和用户洞察。德鲁克讲，一个企业的本质是创造一个消费者，所以我觉得没有一个企业或者生意、商业会说不关心用户的，都是用户为中心。
所以用户作为起点，两件很重要的 fundamental 的事情，一件事给用户讲好故事，就是营销；另一件事情给用户提供好服务，就是产品。产品里面的 vision。所以我们希望把这三个部分吧，用AI能够帮企业提效，也能够帮企业转型，这就是我们现在在做的事情。我们把这整套东西叫做G E A Generative Enterprise Agent。
还是略有烧脑啊，这个，因为现在我觉得，尤其这过去一年多，大家都有点魔怔了。现在就是什么活动，他不讨论 AI 就是不对的活动。你觉得现在到底我们该怎么弄？因为前些日子大家都讨论这个降本增效，包括丁磊有个截图，赶紧开掉，要快。就在前些日子说蒸馏你的同事。把你做成一个 agent，嗯，排名养龙虾，嗯，有时候我觉得比较神奇的是说，有的 skills 是叫查天气，那我为什么不在手机上看一下天气呢？
我要给他发一串指令查一下天气，就好像大家现在有很多魔幻的行为啊，你怎么看这件事情？我觉得过去这一年AI的变化非常非常快哈，这个DeepSeek moment就一年多以前，从这个时间开始AI可以开始想了。以前AI是生成内容、生成文字，只能说AI开始思考了。那去年年底是 Cloud Code 或者 OpenS 4.6，AI 可以很容易的调用电脑了。
那既然能调用电脑，能操作电脑，就代表能做原来用电脑干的。所有的事情，所以我一直在公司里面说：“我说以后坐着的工作都会被AI取代，所以我们的经常站着工作。”得去见见用户啊，等等，所以得站着的那些工作可能会更有价值。最近变化就是AI操作电脑以后，嗯，可以做所有知识工作者的工作了。做的好与不好另当别论，它已经开始基本上所有知识工作者的工作，它都可以开始做了。
我想问的是，咱们特赞卖的产品是说，这个企业买了这个东西就能把。把原来要对接你们的人都开掉了吗？所以这个挺有意思啊。很多企业的第一个AI类似于Copilot一样的东西，所以是给每一个人加一个AI助手，从而让每个人可以提效百分之二十到三十。第二个看到就去年会有一些公司说在自己的组织架构图里边放上一些智能体，但是这个组织架构图还是原来组织架构图，只是中间有一些角色可以放上智能体。
但今年大家会讲的更多叫AI原生的组织，应该以AI的方式或者AI优先的方式重构组织。不管我们在做的集约也好，还是这么多的AI的工具也好，本质上都期待能够助力用户能够变得更AI原生，而不是只是让他的一个胳膊变得更强大而已。但是这里的挑战。就又变成不是一个技术的挑战，不是说今天技术好与坏。前两天这个
Andrew Capacity 好像还有一篇很火的 Twitter，他就说有两类人，一类叫员工用 AI，就怎么用都觉得不够好；另一类叫 CEO 用 AI，就能想象到很多 AI 的爆发性的场景。
所以同一个 AI 也会有完全不同的用法。现在 AI 已经不仅是一个技术问题，很大程度上可能是个组织的思路问题，或者组织生产关系的思路问题。因为我最近去了好几个嗯五百强公司嗯，都点名说聊AI，大家好像都是非常憧憬着这件事情。但是变化并不大。到底什么是AI native的组织？以前的组织它哪里就不行了？
讲一个很直观的画面哈。上一次这样的改变叫电气革命啊。电气革命，工厂里边先把所有的蒸汽机改成电动机，这件事情很容易做，因为你立马就可以看到电动机更高效、更省能源、产出更好。但是什么时候开始以电动机的方式重新设计工厂呢？是三十年以后。所以一九零零年左右，大家开始把蒸汽机改成电动机。到一九三零年左右，才变成有第一个电气工厂。
那时候有新的管理学理论，什么泰勒主义啊，等等等等啊。所以我觉得组织上要改变没有那么快，工具上改变非常非常快。所以我觉得现在所有的企业，只要你不是今天成立的公司，你都会存在一个过程，叫怎么样把过去搞明白，包括下面的员工的具体的组织形态搞明白，才会有怎么改造成新的。你这个里还是没回答我，你认为怎么向新走，以及新的AI native的公司，它到底现在是什么组织架构？
因为你看以前。基于工业和后工业时代和移动互联网时代，也出现了很多新的词，什么阿米巴啊，这个那个，对，也是倾向于变成小的团队。那是不是小的团队是AI native的？这之间又有什么区别？我可能很难用一个定义来讲什么叫AI native，但我可以分享一两个用了我们产品以后跟原来有什么不一样。比如说，我们做了一个用大语言模型理解用户的产品叫Typica。
就像我前面讲，没有一个企业会说自己不是用户为中心的，但原来理解用户的方式挺长的、挺慢的、挺贵的，你要做线下调研等等。当你有了一个AI智能体可以模拟用户的时候，那你就可以七乘二十四小时的让他去想客户在想的问题，你就可以随时随地用一个问题来问他，包括帮你一起共创下一个选题、下一个产品等等。所以原来是可能一年半年做一次用户调研，现在是每天你可以和他交流，来产生用户的洞察。
如果你每天都可以用，成本很低的，用一杯咖啡的价格可以调研一次，是不是这个会带来对于用户理解，并且之后的流程的改变？我们还有一个用力的场景，现在很难有单品的大爆款。那我们有些企业就说：“我要做更多的新品创新，要更细分的市场。”但是新品创新的人不会改变，所以我们就做了一个新品创新的G
A，事实上是一个七乘二十四小时在后台不停的寻找市场的信号，就有点像量化交易那种啊，找市场信号来捕捉哪些点是有可能做新品创新的，有可能是交易的信号，有可能是舆情的信号，有可能是社交媒体上有个突然火的东西，有可能一个新的I P，有可能是用户吐槽它或者表扬它的Voice of Customer。
这些信号聚合起来，每天持续的做新品的创新，但并不代表说AI做新品创新非常好，只代表AI能够在前面。批量化的比较暴力的起量，人呢就不用做零到六十分的事儿，嗯，那人可以从六十分开始接力做更完美的东西。前面我们不是也提到，现在可能做到六十分、七十分甚至八十分的产品。我觉得都没有竞争力，但是原来我们花很多时间把东西从零做到六十，现在我们应该让AI做前面的，而且批量化的自动化，七乘二十四小时的，让人去找到这个灵性感性的那个部分。
这些是一些AI原生的起点。换句话来说，今天如果有一个AI工具，你到底能不能充分的用好它，围绕它来重构你的工作方式吧？因为你刚刚提到的这两个工具啊，或者说我们这个AI的产品，它在大数据时代就有同样理念的商品了，类似于。品类的雷达啊，包括阿里他们也做了很多这样的东西。那你认为大数据到AI产品本质上有区别吗？
区别还是很大的。大数据时代核心竞争力叫大数据，你要有足够多的数据，但是分析能力弱，数据能力强，嗯，所以大的平台才能拥有这些数据能力。但是呢，这些这么多的数据怎么变成你的这个处理能力是非常弱的。但是在大模型时，最大的数据源是模型本身。他理解阿里的平台，理解抖音的平台，他都已经在模型里边了，所以你不再需要大数据了，你需要那个好的一些好例子或者好数据，把大模型里边的洞察能够prompt出来，在大语言模型的时代，这样的产品会更为你而设，你的观点告诉他，他把他的数据处理，把那个好的东西给你。
因为啊，我们是一个 design 的这么一个起点。过去我们总是认为 design 是人是不可替代的，那现在包括你像有的最新的这个 GPTP 的图已经没有 AI
感了。以及说它自动生成宝贝页跟九十分的一样，甚至我们这几天我们在给我们的客户做图，因为我们公司有一个设计师啊，他的设计能力的提升是跟审美是高度挂钩的，那他的审美能力的提升是缓慢的，他不可能这样提升的，所以你总是觉得很多时候不好，有时候好，有时候不好，有时候说你最近挺好，有时候你最近做的很垃圾。
但刚刚就在你来之前，我去他工位上我看一下，我靠，做的很好，已经不再是用 Adobe 的系列产品做了，不停的去跟这些 AI 产品 P 出来的全新的图，他可能都没有像以前鼠标不停拖拽，是不停的提示，那人的这个现在创意还重不重要了？还是说只要以后机器来创意了？这个问题是一个还蛮难回答的问题。我一直觉得人的创意非常非常重要，只是说我们原来把很多东西误以为叫创意。
我记得十年前去阿里的时候，阿里跟我说他们的公司有两千个设计师，整个阿里生态有两百万设计师，而且背景都很好，因为那时候电商比较赚钱，所以背景最好的设计师都去做电商投图去了。这些头图难道真的需要这么好的设计师去做吗？难道他们除了为钱，难道真的享受这个创造吗？当时做AI是为了让他们解放出来，而且从这种优化目标很明确的工作当中解放出来，从而能做一些更非结构化的东西，或者目标更复杂的东西。
那现在我觉得也是一样的，只是说现在的AI作图能力更强了。但是我是觉得创造力依然重要，只是说原来很多被以为是创造的行为，事实上没有那么多的创造力。我觉得AI是个概率模型，所以它只能让大家趋同，而不能求异。差异还是来自于人的干预，就包括你的设计师提了一个很不一样的角度，这个产生了差异。否则，让AI全都是收敛型的。
但我觉得一个改变是什么？比如说，在我们这样的公司里边，产品经理做完工作，设计师做，设计师做完以后要去找开发。那现在当然，设计师的能够控制的对结果的真实控制，会比原来容易很多。比如原来做一个网页，这设计师的眼睛是像素级的，前端工程师可能是毛咕咕的。现在设计师自己就可以把这些都实现了。我觉得是大大的赋能了有创造力的人。
那咱们的这个 G E A 和现在很多出来创业的各类公司做的数字员工啊，以及各种 A I 工具，本质区别是什么？我们自己是有一些做集约，是有一些历史原因的，嗯，因为原来我们帮这么多，大概两百家世界五百强的企业管他们的数字资产，我前面说的图文视频这些非结构化的东西，所以这些东西就是大语言模型要去读的上下文。
那每一个企业都可以用同样的模型，但每个企业的上下文是不一样的。所以我觉得以前我们可能很多的工作是创造内容，现在我觉得我们的未来的很多工作叫 farming context，来打理这些上下文，这些上下文本来就存在我们的系统里，所以我们很自然的会从上下文的维度切入进去。上下文像是一个土壤一样的模型，像是一样的种子，不一样的土壤长出来的东西不一样。
我们的出发点是上下文是差异点。第二个呢，我们会去做，还是不想只做一个数字员工？嗯，我们想重构一件事情，就像我刚刚说的，不要人去驱动AI，即使AI再厉害，还是人驱动的。能不能AI去驱动人，人给判断，给审美？给一些灵韵感觉的东西，所以我们是希望能够用AI重构一些企业里面最核心的营销、产品创新和用户洞察这三个领域。
你提到这三个领域啊，以前特别依赖一个东西叫手感，嗯，和他的第六感的天赋，对，所以因为很多很强的人，他也说不清楚自己到底靠的是什么。那你觉得以后这个事情会变吗？我觉得手感依然很重要。最近不是在聊AI的时候，有一个词突然出现，好多人都在讲。我前两天那个复旦很有名的教授王德峰，他也在讲，张孝宇也在讲。Tacit knowledge，隐性知识，隐性知识就是手感，上海话叫搜思，就你的一个感觉，你说不清楚的。
但是比如说我们用同样的原材料烧出来饭。就是不一样的味道，这就是手感依然重要。只是说有了AI以后，我举个例子，今天我在跟电影的创始人在聊，他就说他们要做网络小说的改编。改编的过程当中呢，他们会去采访很多网络小说的热衷的读者，他们怎么解读这个小说？改编了以后，《三体》改编又有人说好，有人说不好，有些什么东西是他们不喜欢看到，这些狂热粉丝们不喜欢看到的。
那我说这件事儿一定要人去做，因为每一次的交谈都有很多收获。但是呢，这些人你不能三天两头跟他聊。他们也不会三天两头给你时间，所以呢，把这个聊了结果作为一个上下文的语料，把他们捏成AI的读者。那这时候你可以邀请这群AI的读者一起共创情节。你有网文的改编的过程当中，比如说有一些东西，你可以拿这些人去测一测。
所以AI可能在帮助我们降低这些的门槛，但是AI不能取代我们跟这些有洞察的人，很有手感的这种细水长流的交流。所以我觉得这个东西，如果我们今天只把它看作有点像是取代型的，那可能原来这个事儿的人做的意义本来就不够大，只是不得不让人做。但如果我们把它看作是互补型的，那有可能这里就有一个人机协作的很好的范式的出现了。
在第一波的时候，大家考虑的是裁人，并且呢，前些日子有个叫做“二零二八经济危机”，AI引发的大裁员导致的经济危机。那我到今天我都觉得是有可能的，为什么呢？因为我会觉得说，过去企业里面有大量的做六十份工作的人，是而且过去还是中产工作，那这些他被替代了，他是没有出路的。那是不是我们就要经历一个漫长的这么一个阵痛期，再重新自我去培训自己，或者下一代人的培养方法不一样？
把自己变成一个AI驾驭师，才能找到好的工作。但问题来了啊，在这个很长一段时间里面，OK，比如说你说的你们的五百强客户，也有我们的五百强客户，你会发现他们的商品主要是卖给中产。嗯，他能做成五百强，主要靠的是全球经济的繁荣，诞生了很多中产，这些工作都消失了，大家都没钱了，那经济就必然会受到很大的冲击。你是怎么看这件事情的？
这个也不是只是AI技术特殊的社会环境，每一代技术来都会有一次工作的冲击。AI这一波，我们突然有点不习惯的原因，它冲击的是白领，嗯，反而是蓝领好像工作更安全，因为巨声智能好像还没那么聪明，所以原来这群人是教育程度最高。工作最让人羡慕的，现在有可能是工作威胁最大的，这是大家觉得不舒服。但想想那个工业革命的时候，冲击的也是当时最有尊严的一群工人，可能这个是一样的。
所以，我一直觉得这里有两个维度。第一，我作为创业者是带着一些社会主义市场经济的视角的，那我肯定很害怕我自己不在船上，所以我也是很有紧迫感的。不是因为我今天做AI，我觉得这是我的春天，而是说一个技术的变革给创业者的席位。更少了，嗯，所以如果今天我们赶不上这班船，我一直说叫在保护区里了，嗯，虽然保护区的环境也不错，但是你任何的努力只是给你自嗨用的，是给社会带来不了影响的。
作为这个创业者的角度，那另外一个角度，企业或者说企业里边的支持工作者，那我是觉得这件事情不只是一个商业问题，商业问题不停的优化。但是它一定会是个社会问题。这个社会问题，那企业交了这么多税，个人交了税，海外有讨论说 universal basic income UBI。但是中国呢，好像又没有到这个成熟度，我们连其他的保障都还不够完善。
但是确实，中国企业在交税上不少，是相信国家可以更好的做一些统一调配。所以我觉得这里边员工的这 rescaling，重新培训上岗，重新比如学习很重要。另外一个角度是社会保障很重要。所以我觉得这里边不是企业问题，这个是一个社会问题。嗯啊。因为前几天我也看到一篇文章说，AI时代就不会再诞生伟大的品牌了。它里面有很多理由啊，包括三幺五说的这个CEO。
有一次我记得我去参加个会，也是什么CMO们，最后就变成了一个投毒与反投毒的，矛与盾的，不停的升级的关系了。你怎么看这个东西？就是说。以后还能伟大的品牌今天还能再诞生吗？在AI时代，大家都是基于这种手机上下文，你被控制的，包括以后说这个眼镜啊等等，所有人都在试图给你构建属于你自己的圣经十法。我觉得AI可以通过时间加速，产生价值的事情变得更卷，但是有些事情时间是无法加速的。
比如说，我们人的物理的认知时间是无法加速的，所以我觉得品牌只会因为AI更有价值，不好说会不会有新的品牌那么容易出来。但是我是觉得，比如说可口可乐，我相信会因为AI时代变得更有价值。为什么呢？首先，第一就是产品变得更容易，所以大家对于某一个产品的信任感。来自于产品背后的，要不是历史，要不是文化，要不是口碑，要不是某些活人感，即使连AI公司现在为什么创始人老要出来直播？
因为产品的同质化造成了这个，你无法通过今天拿出产品就体会到不一样，因为产品不稀缺。嗯，所以他想知道产品背后的理念逻辑，现在的营销的方式。不是今天做什么很数字化的营销，非常的回到消费品。嗯，他会做线下的 pop up。嗯，给别人送一个周边一顶帽子，上面写着 thinking head，怕用 AI 不会思考了。
他说那那，你戴着个帽子，你会发现现在 AI 时代的品牌建设反而比以前更重要。比如我前两天看到一个 AI 公司是做法律的 agent 的，不是 Harvey，是另外一家。他就讲，发现上网搜 law agent，老是搜到英国那演员裘德洛，所以他说，那索性我就请裘德洛代言，做做 the face of the AI。
做成这家公司的脸，所以你会发现反而回到了品牌建设的这种黄金的状态。所以我前面不是说AI时代现在，我觉得这里是有认知差的。一个局外人会去一家公司说，哎，这家公司百分之九十人都是研发，所以觉得这家公司是非常研发型的公司。但是事实上，我觉得不应该是这样子。一家公司如果是百分之九十人都是研发，那说明你的 go to market 做得太慢了。
现在的研发确实可以一个人干十个人的活儿。所以你不需要百分之九十的人，你可能就百分之十的人是研发，但是另外百分之九十人是要把研发的东西跟人能够讲好。所以人和人的沟通还是原来的这种方式，或者说还是需要时间积累的。嗯，我们没有办法今天给你打一针，你就相信特赞是一家全世界最好的公司了。所以我会觉得品牌只有比以前更重要。
呃，而不是更不重要。你也会看到很多技术公司现在花很多精力搞品牌。你刚刚问我AI时代还能不能出现新品牌？那新品牌既然在AI时代，可能就需要新方法。那可能GEO是其中一种新方法。特赞自己现在，我们大概百分之五十以上的业务的销售线索是来自于GEO的。你们有百分之五十的线索来自于自由？你想想，很简单，所有的大语言模型，事实上现在都是免费的流量。
你只需要做好内容，给AI看的内容，别人搜或者别人问问题的时候就有可能把你带出来。所以这些现在至少不用付媒介费用的，所以你只要做好内容就可以了。那仅有我的理解啊，有些人用更激进的方法，但是AI的模型只会越来越聪明，所以AI的模型抗读能力会越来越强。你今天用这种偷鸡摸狗的方式做，明天AI模型就免疫了，它不会中毒的，它只会在下一次免疫。
投毒的方式都是很短期的。如果你真的想做品牌，是伤害你的品牌的。内容营销现在有一种新的用户了，就叫大语言模型，所以你还是要给大语言模型做内容营销，嗯，用他喜欢的形式和喜欢的内容来讲你品牌的事情，嗯嗯。有人问有没有一个什么什么产品，你推荐什么公司，他啪推出来特赞嘛？他是通过这种问答方式来。对，比如说企业级智能体，我的企业要做整套智能体的解决方案，有什么推荐的公司？
可能会推到特赞。如果你说整个企业内容的管理系统，那一定会推到特赞，一定会推到我们的产品，不一定是公司。那怎么做呢？是一个给大语言模型或者给Agent看的内容规划。A针有一些阅读习惯，现在的阅读习惯要跟问答有关，最好是旁征博引的问答，所以他习惯看这些东西，挺像知识宅男的，不像小红书的那些用户，可能更像知乎的那种用户。
前几天我朋友跟我说，他说 OpenAI 花了两亿美金收购了一个一个播客，是不是也是这个原因的？是一个角度。对，现在我们做产品有一个方法叫 Build in Public。今天假如我们不是聊这些话题，我们是聊特赞的一些产品，那我可能就会抛一些我想做的东西出来。那下面的这个听众就会有一些反馈，哎，这个东西我可能也需要，那个东西有一个更好的场景，所以这叫 building public。
那 building public 好处是什么呢？做这件事儿变得容易很多了。所以当你有了公众的反馈以后，你很快要不回去就迭代了，要不回去就把东西砍掉了，要不回去就 pivot 了。所以现在怕没洞察。不怕你没研发。另一个角度，你现在做出的东西，就像刚刚讲 distribution，你很难让所有人知道，因为大家都在做东西。
所以 building public 还有一件事儿，你连做营销都来不及了。你先做完就就开个直播，开个 podcast，你就讲出来了。所以产品经理或者创始人自己就把这个产品讲出来了。播客的这种形态，尤其是视频播客的形态，是非常非常好的。可能这些AI公司会去收媒体内容制作方吧，有流量内容制作方的一个很重要原因啊。
如果是我，我也会收的。因为我看你现在在搞这个视频播客了，你也是出于这个原因，是吗？对，就 building public，我觉得这个观点是被讲的太少了。第一个就是产品越来越需要让别人喜欢产品背后的团队。所以别人如果喜欢我的视角，他会更容易接受用用我的产品，因为比如说，就算做AI研究，市面上十个产品，凭什么选你？
凭什么把宝贵的那一点点时间给你？那得喜欢你，要通过表达自己让别人喜欢你的产品。第二，我们也来不及做一波什么三个月的campaign，我们可能就需要不停的高密度的把我们做了什么用这种方式表达出来，两方面都需要。你做一个科技公司的CEO，他没有那么多精力搞这些，他会不会这个精力花多了就没有空搞别的？毕竟这挺消耗精力的。
我的工作不是做内容，你们的工作是，所以你每条内容是有选题、精挑细选、制作等等。对我们来说，我们只需要把我们的 genuinely 我们的产品讲出来，我们产品背后的故事讲出来就可以。所以，我没有花那么多时间。OK，而且这个过程很有收获。你就想，当你的用户跟你说：“哦，我听了你哪一个视频号，觉得这个产品功能我是有共鸣的，所以我用了你的产品。
”但是我觉得你这个产品的结果不够好，这对我们做产品非常非常有帮助。虽然我们在做 enterprise，但是 enterprise 里边每一个也是一个个体，所以你能打动这些个体，你才能打动这个企业。我做内容，我觉得是非常就时间没有花那么多，而且你看我经常断更的，但是我觉得收获很大，远远不是只是今天要去露脸卖货这种，还是能够把自己想法表达出来。
你们做产品里，你最得意的，你觉得真的是要强烈推给大家的是什么？两个东西吧，一个底层一点，一个是快速就可以应用的。每一个企业都要更好的了解自己的用户，所以我们有一个产品叫 Atypica，用大语言模型去模拟各种各样的消费者。没有大语言模型之前，我们用的什么用户数据啊等等，每个对象都是死的。那有了大语言模型以后，它就在模拟一个用户一样的想问题，它还可以跟你交流。
这个产品相当于把你的用户资产可以活化，可以用来获得用户洞察，甚至有我们有一个开发者是调了我们这个接口用来做投资的，他觉得很多的投资适合情绪有关。它模拟了很多股民的情绪，来决定在Polymarket上到底Bet哪一个话题。是有了大语言模型才能够做的，我叫新瓶装旧酒吧，用一个完全不同的用户体验和产品思路去解决一个一直困扰我们的问题，去理解用户。
现在大概全球有十万个用户，我们五一以后大概五月十号左右是我们的产品一周年，一年里边做了十万个用户，百分之四十在海外，百分之三十几在国内，剩下在其他国家。这个产品发展的比我们想象快。另外一个，我前面提到每个人都能用同样的模型。但是为什么有些人用这些模型解决问题解决好，那还是和上下文有关的。所以我们做了一个上下文的系统，在AI时代没有上下文，就相当于你裸跑。
所以上下文决定了模型能不能帮你解决你要解决的问题。最近有一个很火的概念叫Harness Engineering，怎么样驾驭模型来帮你解决问题？上下文是其中最重要的一环，所以这两个是我比较得意的，也是过去这一年里面我们搞出来的。那你在这个思路上有什么经验吗？什么都可以用AI重新干一遍，嗯，那至于怎么干，大家又好像很混乱，市面上的工具又是层出不穷，今天学了，明天这个就淘汰了。
是我可能有两个观点吧，我之前也都比较多分享过。我先讲第一个观点是关于产品的观点。因为不是每一个公司都最近才开始做的，所以每家公司都有过去的客户和过去的产品。那AI时代该怎么基于你的产品和你的客户来想AI时代应该做什么？我就画了个四个象限啊，就老瓶装老酒，老瓶装新酒，新瓶装老酒，新瓶装新酒，这是我两年前自己想的一个框架。
我在想我应该做什么，我就跟团队分享讨论。老瓶装老酒，原来的产品啥也不变；老瓶装新酒，就原来产品上加一堆AI；新瓶装老酒，AI的产品，AI原生的产品。但做原来我们熟悉的市场，新瓶装新酒是利用AI做一个原来我们没有在的市场。我想着想着，我就觉得我不知道哪个是最优解。但我只知道哪个是最差的解，波波觉得哪个是最差的解，老瓶装老酒是最差吧，是吧？
当时觉得我的本能的感觉最差的解是老瓶装新酒。为什么我会这么觉得？因为一个企业的本能在AI时代，把你原来的东西上加点AI，比如说我们做软件的加一堆AI的功能，但是事实上你想想，当你加了AI以后，你的毛利率是降低的。啊，因为你消耗了 token，客户呢看到你这产品跟原来差不多，只多了一些功能，事实上他付费的意愿也并没有提高，产品本身呢难度又增加了。
我就觉得这里吃力不讨好，但是是一个企业最容易做的决定。我们最容易做的产品经理也好，包括业务的leader也好，最容易做的决定。哎，我们把这支笔上面加点AI吧。我还是做笔的，但是是个AI笔。我是觉得最错的一个选择。而且呢，当你太过于执念原来的产品的时候，你要花很多时间帮他做AI改造，甚至你的启动都是负分开始启动的。
因为你要做很多改造先，再加AI。那为什么我不觉得老瓶装老酒不好？是因为既然你的产品就是上一代的产品，客户愿意继续付钱，这就相当于是你的收获期。那直到客户再也不选择这个产品，所以你也没有增加投入，所以我觉得也没那么差。我们自己的做法是先做新品装新酒，就刚刚我说的用户洞察的那个agent。事实上，它起点根本不是说我看了市场应该做这个。
事实上，起点是我和我的CTO在想，我们应该怎么做一个AI原生的产品。所以他是产品经理，我们俩人开始做，那就想到要做这个点子，做着做着就觉得这个过程还挺有收获的。我们就两个人做了半年，而且都是。业余时间晚上周末做的，就觉得这个过程很好，客户反馈也很好，所以新瓶装新酒先做完之后，我们就开始勇敢的做新瓶装老酒。
我原来的客户对我的认知。原来的产品解决的问题，我完全用一套AI的方法做，所以G A就是这么出现的。所以这是我对产品的思路。我觉得所有做软件的也好，做技术的也好，我觉得这个框架都适用。那你做传统行业，比如说你今天做酒店的，你没办法做个新品装新酒，嗯，可能是另外一个逻辑。但是我觉得这个框架可能都是可以考虑的。
这是我觉得产品的我的一些观点。啊，这个观点也不一定对。我觉得最大的对我的啊哈 moment，我们最习以为常的老瓶装新酒的方式，你想深了是个最差的选择。所以，我看很多的上一代的技术公司，一千个研发都在对老产品进行AI改造，我就都会建议他们的CEO，不如你就放个百分之一的人在那维护，剩下百分之九十九的人，要不新品装老酒，要不新品装新酒去做。
我觉得你这个我是认同的，但是人的组织里的惯性本能，它存在的意义，有的时候你会发现。他也认同，但是他不认同的是他的位置在哪里，所以他一定会告诉你，要继续下去。所以去年我们无意的，我们大概有一半的中层干部主动或被动的就离职，我就观察了一下这些中层干部，最后你没有感觉，你没有太多感觉，你没有觉得好像缺了一群人，因为当你开始要不做AI原生的产品，要不试图往AI原生组织方向走的时候，你发现有两个角色。
作用是不大的。第一个叫调配资源，因为这两三个人就把这事儿闭环了，你不需要调，不太需要调配资源。第二呢，叫安排进度。因为就那么几个人，信息就例会都不用开，对，你吃饭的时候聊一下就决定了。嗯，所以呢，原来只做调配资源和管理项目的中层干部，他的存在感就很弱。要不我们对他不满意，说你这怎么没有做到位？要不他自己对自己不满意，觉得自己没有价值。
所以中层干部要不就往上走，承担原来五倍到十倍的目标。要不往前走，成为一个IC，你就自己把活就干了啊！我觉得这可能是一个变化啊，不是有意的。我们没有规划说，不像那个Block规划说要裁多少人啊，优化组织，我们慢慢就变成这样子。那这就让我想组织的问题，我也不知道对不对，但是这是我们在变化的方向，因为原来公司的形态都是按工业化的方式来组织的，职能划分的比较细致，职能与职能之间的协作是用比如说SOP啊等等的方式，那OKR已经是一个对这个极大的改变了优化了，但事实上还是千行百业职能划分的，我们甚至大学的教育都是培养每一个垂直方向的专家的。
但是AI带来一个变化是反工业化的，我觉得它是让我们人的能力更完善，更像回到文艺复兴。我就可以全能的人，我通过AI就让补齐了我一些盲点，所以不再需要一个很大的跨部门协作。我们一直说叫高内聚低耦合。你这几个人每天在一起干活儿，但你不需要说你就是前端工程师，我就是产品经理，我们怎么协作，应该用什么样的方式协作，我们就一起把这活就干了。
前端工程师甚至可以做产品，产品经理可以写前端。慢慢慢慢，我们就变成了pod制度，每几个人组成一个pod就完成业务目标，而不是完成职能的职责。弱化了职责，强化了结果。那我们就逐步从按角色、按职能分的这种实现按这个分的结构，就变成了按结果来分的结构。但大家不一定习惯，大家会说我可以用AI做你的事儿，但我不想负责你的责任。
所以这里是心态上要发生一些赋能吧，信任感。那是不是职能不重要呢？也不是，我们把职能就变成叫community。就相当于我今天一个人进来，可能是销售进来，但他也可以在不同的 community 学其他的技能。像研发的产品的，包括做解决方案的这些能力，所以 community 变成只关心你的个人成长，能不能教你 AI 的工具，能不能教你这个领域的方法，从而让你可以利用 AI。
能够有能力，community里边有一个很重要的leadership，就相当于这些人除了技能很重要，就通过AI掌握了很多技能之外，还有一件很重要的事情，他知道怎么样去承担，怎么样去有担当。那你们人比去年多了还是少了？我们比去年多了，因为我们的增速比原来的要求更高。我们今年大概翻倍的增长，去年在百分之五六十的增长。
嗯，我们的人的低谷是二三年的时候，我们是做过优化的，所以二四年、二五年的增长又回来了。所以我们现在不是要砍人。我们是要更高效的组织在一起做更大的事情，因为我觉得AI时代是个大爱时代，不是一个在原来的地盘上精耕细作，是去发现新大陆的时代。优化人力不是我们的目标。前面我们聊到这个上下文的问题啊，当然可能企业级跟我们这种个人不太一样，起码在个人的上下文越多，它越像官僚体系里的舔狗。
他揣摩你的心思之后，给你闭环上了。你并没有做到客观。在前几轮你会如沐春风，你觉得太懂我了，比人强多了。后面你会慢慢就觉得不对劲，因为他引用越来越多，就像史山堆在一起了。你怎么看这件事情？首先，第一，我们要相信技术。嗯，下一代的模型会解决一部分这样的问题。波波，你遇到这个问题是因为你开始深度使用AI了。
你不只是要跟他那前几次对话，觉得要一个很快的结果，你开始想控制他，想要求他了。刚刚说的这个 harness
engineering，我不知道中文叫什么，驾驭工程，事实上就是说，通过各种各样的工程化的手段，让上下文不停地变得更有效，而不是又长又臭。这个是个技术和工程问题，可以解决的。还有一个维度，当然你个人使用这点不是那么重要，但企业使用有一个流程，常常会被忽略的，叫 evaluation eval。
评估你今天证明AI能做这件事儿，不代表证明AI能稳定的做好这件事儿。所以后边有一个很长的过程叫evaluation，不停的要对齐使用的场景和AI的输出之间的关系。所以这里边有很多叫人类数据的工作，人不停的要给他指导，告诉你你这个你不要老拍老板马屁，你要客观的描述现实。所以不停的这样的输入AI改变它的输出，从而能保证稳定的输出。
我还有一个问题，我们去年AI奇效是很快的。但我觉得它是有瓶颈。举个最抽象的例子，我们也有很多AI客户。你最后发现，他还是得雇很多人来跟你们对接。你会发现，他这些人普遍都非常忙，忙得双脚飞起，他的工作几乎没有办法用AI。这个是有两面性的。第一个，我如果晚上九十点钟在公司走一圈，我们肯定还有不少同事在加班。
你会发现，他们不是因为他们工作效率低、能力弱加班，恰恰是因为他们强，而且他们用AI还用得很好，他们停不下来。AI是大大的降低了我们人类的幸福度。我最近有两个同事实在支撑不住了，都是用AI用的最好的同事，说这个要休一个月。我说完全支持你们，应该有空隙，不能被AI不停的卷。上下文越来越懂你，越来越吹捧你，你越来越想用它，想干更有野心的事儿。
这个是有上进心的青年遇见了更有上进心的工具以后带来的极度内卷的结果。跟AI好不好用是另外，就我们停不下来。对啊。第二个呢，一个AI公司真的只有百分之十是研发的，百分之九十是和产品用户打交道的。因为人和人打交道这事儿没有办法通过AI提效，反而人还挺排斥AI提效。我们会还是这么多，我们还是单线程的，所以我是觉得现在AI的最大的制约因素，决策用什么AI怎么用的还是人。
嗯，所以你如果AI原生的公司，如果你今天你的用户不再是人了。你可能的效率很高，但只要你的用户还是人，那我建议哈，还是放下技术公司表面上数据化的坚持，说百分之九十是研发，增加点儿做增长和做 go to market
以及客人沟通的人吧，可能大家就会闲一点。你现在正在开发什么很重量级的东西？刚刚讲两个嘛，理解用户的 agent，嗯，和一个企业级的上下文系统，而且这个上下文系统不是人写的，相当于是 AI 自动每天帮你去重新洗一遍你的上下文。
一个是AI很好的一个应用场景，不是取代人，而是理解人，用户调研的智能体。另外一个是企业要用好AI的一个很重要的基座，这两个是很有意义的。一个side project，我们在做创意的evaluation，可以说叫工具吧，平台。当我们开始用AI理解用户的时候，我们想同样理解人，来比较人和AI之间的差别。
行为经济学用的方法就叫经济游戏，囚徒困境啊等等，这些都是经济游戏。我们就用AI的人和真人都来玩这个游戏，看看两者之间到底有多大区别。在做一个这样的side project，来看在什么样程度上AI是没有办法模拟人的，什么样程度上AI很容易就能够复制人的pattern。你像前些日子 Anthropic 出了一堆的工具，直接就把软件带崩了。
咱们干的活跟他干的这个是不是同一个东西？以及说，Kimi 啊、智谱啊、揭月啊、腾讯啊、阿里都想干，他会不会顺势他就自己都干掉了？这个每一代都有infer层，会不会干应用层的事儿？我觉得每一代都会有，我不知道AI这一代会不会是个例外。但是既然我在这个领域创业，我就觉得我们存在的价值是巨大的。模型公司是不是也想？
比如说，你看 MiniMax 最终也是靠一些 Agent 来变现的。街越模型基本上，甚至连他们自己都不一定用，他们还是靠自己的 Agent 来变现的。所以，他们到底是个模型公司还是一个应用公司，要看它的实质。我们肯定是个应用公司，所以我不会有一个负担，叫只能用自己的模型。我们也有一些推理的模型。没有一个universal的模型可以做应用。
比如说，我今天写代码，我用Cloud这个模型；我今天做视频用C Dance，可能过一个月我做视频又不用C Dance了。所以没有一个模型可以解决所有问题，使用的场景是一个多模型要协作的，所以我不觉得有一个模型公司可以干完所有事儿，除非这些模型公司都合并成一家。在我们下一个阶段最重要的事情应该是什么？
前段时间有一篇文章写的还蛮好的，叫“Context”是下一个Trillion Dollar Business。万亿级的机会，现在的主流或者说公众还在关注模型的时候，事实上为了用好模型，整个应用的生态已经变得很丰富了。我们希望在上下文的层面上能做到全世界最好。那这里边有很多技术的问题，有很多应用场景问题。
没有足够多企业给我们出难题，技术也都是空中楼阁。第二个，当你把 Context 做好以后，事实上你有机会更好的深入到企业实际解决问题的场景里边。帮企业解决问题的时候，我还是非常想看到一种AI公司新的商业模式的出现。那前面你提到Anthropic把软件公司干掉，比如说我们自己的Agent的付费率是软件的十倍，那为什么更多的人愿意付费给Agent？
原因是因为Agent不仅把软件干掉了，甚至把很多原来用软件交付服务结果的干掉，所以Agent可以直接交付结果。那这里边会有新的商业模式的出现，我是很期待。一方面，在技术上，Context才能做到最好；第二，我们能够发明出一种不像软件付费一样的商业模式。现在有人会说叫以结果付费，有人会说叫Token Economics，嗯，资源经济。
我觉得这可能都才刚刚开始。我们最近也在试一些类似于拿AI和垂直行业合资的方式。如果他赚钱，我们就赚钱；如果他不赚钱，说明我们俩都有问题。这也是一个方式，profit share，类似于这样的，不再只是以提高你多少效率来衡量，而是以带来多少竞争力来衡量。他就好像说，以前我买个锤子是为了钉那个钉子，或者说我找一个人带着一把锤子来钉那个钉子。
今天的AI就是那个人加上锤子和那个钉子，它的完整的package。以前你买Excel，你买这个那个还要去学怎么做Excel，现在就直接告诉你数据分析的结果，甚至直接告诉你下一步应该干什么。职能型的工作会越来越少，这是毫无疑问。判断性的工作会越来越大，AI的时代会比以前更勇敢，更需要想象力。是。更需要创业者，这个AI唯独不能做的就决策，它能给你都推出来，但是它做不了决策，有结果的是要有成本的，是要风险的，那这个是需要你自己做的。
以前呢，我们可能要在这三种选择、这四种选择推演上，我就要花很多精力了。是。但现在我可能这个的精力体力要减少很多，可以把更多的时间花在我到底怎么做这个选择上。是，确实觉得AI时代，大家不是道理知道的少，反而道理知道的更多，但是勇敢还永远都是稀缺的。我这里我就特别想讲我前些日子炒股的事情。我们就拿美伊从开战开始，当时我就特别关注几个美元还有黄金的动态变化。
当时呢，我是非常低估了对流动性的快速的虹吸，从而导致黄金的快速下跌。我是低估了这个低估，我是问过我的付费的Gemini啊GPT，我都聊过，他只能告诉你概率可能会发生战争，可能会持久，也可能会不持久。道理都对，就算他是个活人，你也告不了他，因为他都告诉你了。只是你自己在做判断的时候，你选择了一种判断，所以这个我就发现说，我也可以搞一个所谓的。
量化模型，但是我这个模型跟专门卖量化产品的人有区别。我个朋友明天他会来，他跟我说他一年买卡、买设备做算法。一个量化基金公司一年五千万到一个亿是要花的。我觉得它背后的模型跟商业化模型和决策的，因为它管钱，最后要给客户结果的，这是两件事情。粗的那个模型都相似，理念都一致。但是结果和它的精细度是非常不一样的。
我们的一年的卡的消耗也是差不多五千到一个亿，今年估计会远远超过五千了。也许我们也可以试试看能不能开始做量化了，帮客户做决策了。很多比如投流啊什么这些模型，很大程度上也都可以用来做量化。再插个题外话，黄仁勋当年。他一直把量化基金公司当作大客户的，嗯，黄若军每次来中国要请，top的量化老板一起吃饭的，在AI还没有到今天这个地步之前，他一直认为量化公司是他最大的买家。
所以你看，中国最好的开源模型也是量化公司出的嘛？因为当年只有这些公司愿意花基建的投入来储备算力。最近我还有个任务，这两天我精神压力很大，我要去给 top 三的公司分享怎么做 AI 转型。首先，我也不是。做讲师的，他更多还是一种信任，所以我不想说像绝大多数的人去讲。我跟你说，AI来了，说一些废话，我也不想浪费我时间，我也不想浪费他时间。
对于大公司，未来三年会不会发生大规模的裁员？中国本身是产能过剩的。而我们还在提高效率，这已经产能过剩了。最大的问题是效率过高，过剩就是因为效率过高，所以过剩。现在有鞋厂在用AI改造生产，跟现在鞋厂的最大问题是库存，根本不需要提高效率。所以你个人认为说，我们到底AI拿来干什么？最后就变成了说，把人开掉，做成O P C嘛？
为什么发达国家有这么多丰富的服务业？因为工厂不需要那么多人，所以大家都去做服务业。服务业效率是不高的，但是能养活每一个人。所以我觉得中国也会有更多的服务业。当然，服务业从规模化的到个性化的，现在还在规模化的阶段。我也没有觉得叫悲观吧，反正每一代都会有这样的事情。我们父母那一代也有下岗的，就每一代都会有这样的事情，然后再重组。
又会有新的工作出现。大多数讨论技术的人都是技术背景，我总会想想有没有人文的故事可以支撑这样的想法。你看，那个当年有一个印象派艺术家看到了摄影，他就说绘画已经终结了。结果没想到后边有这么多的各种新的画法，画的不像的，变成一种解放。就原来绘画的主要目的是要画的像，画肖像，画的像。结果一下子把它解放出来，绘画不用再去模拟真相了，绘画可以表达自我了。
所以现代艺术是一个观念的艺术。不是像不像的艺术，从来不会说这张画用画的很像，所以值钱，都是因为这张画表达某种观念，让这个人这个画家为人所知，所以他的东西才值钱。今天是个马桶盖儿，只要是杜尚的都很值钱。我会更多的把AI当做一种解放，但是这是一个很高维的思想，需要时间，需要更多波波一样的文化人。去影响，让我们重新回到我们的精神世界，还是很有价值的，而不是只是今天要去提高效率。
效率是一个简单优化，是一个非常资本主义的东西。就像从毕达哥拉斯开始说，就是说数是我们理解世界的唯一逻辑。所以我觉得这是第一个。第二个，如果你今天有机会去分享，我恰恰觉得应该讲讲人工智能时代的人。而不是讲讲人工智能时代的技术，技术第一是个移动吧，第二讲的人太多。但人工智能时代的人，我们自己的心理安全感、企业的安全感，我也看到一些企业在人工智能时代对人的关怀反而增加了。
不是每个行业都适合，比如你如果今天是有一万家奶茶店的，那为什么要用AI去卷奶茶店里边的店员呢？你应该。给他们的某种支持，所以我觉得这个话题蛮重要。怎么样，让我们 go beyond 只是优化？我觉得这个是伟大的企业一定要去想的问题。你说这个我也很有共情，因为我前几天我还写了一篇叫《除了降本增效，还有别的路可以走》，是吧？
就是说，你就往更便宜这条路，它还是死路的，因为总有更便宜，比更便宜还便宜，是的。我有限的智慧我是解决不了，但我能看到这个问题。中产阶级原来是消费的主力，大家都预测是消费升级，但没想到是消费降级。中产阶级的压力越来越大，这个问题怎么解？美国当然有自己的解法，美国的解法就是股票不停地涨，所以有钱人更有钱，这些人会雇佣更多的人。
股票带来的流动性回去，让更多的中产阶级有了消费能力，又支撑了股票的基本面，大概这样的一个逻辑。国内没有太多发钱的这种操作，所以中国应该要有别的方式去解这道题。但是正循环是很重要的，经济信心是很重要的。最后啊，还有一个行业问题，我们过去说的广告业，我觉得我们是见证了广告业从巅峰走成一个代理公司、垫资公司，这真的就是干成了乙方了。
AI可能是它最后一根稻草了。现在甲方先用AI生成brief，再用AI来评价他的提案，给你的钱就是一个辛苦钱。所以你觉得这个广告业还有希望吗？过去一直觉得特赞是来替代广告业的，就是。波波知道我自己背景和广告业没什么关系啊，我是做产品的背景，只是因为做产品营销广告是企业花钱最多的一个领域，所以我们误打误撞进了这个行业，没什么负担，也没有什么要拯救他的情怀。
从我的视角来说，我反而因为在这个行业里，对这个行业里边的人，我还是觉得是一群很有趣的人。只是在越来越效果或者越来越数字驱动的时候，他们进广告行业不是因为不停的优化，但是没想到现在不停优化，物极必反吧？可能过去这十年、十五年是下行，没有比现在品牌更重要，而且品牌需要时间，没有比现在用户心智更重要，用户心智需要时间，没有比现在
go to market 更重要， go to market 需要创意，需要 AI 预测不了的那些。
不会比现在更差，接下来会起来，不一定代表是一些AI用的最好的人起来，反而是一些对AI最有态度的人会起来。不是WPP，不是奥美洋师，不是广告生意人，真的是那些不当总统就当广告人的这些人，又是一个很好的机会。这些人也得tech
savvy，必须得理解AI，不一定代表他们是AI专家，他们得理解AI。好，我们今天聊了很多啊，但是呢，由于这个AI行业变化快，它可可能下个季度就变了，所以呢，我们AI行业的朋友。
都是来我们这里返场最多的，因为过三个月他就要准备再来重申一下，重申一下我的看法。之前说的好像有哪些不对的，以及呢有哪些是对的，你看我还是可以的。我们也期待下一次范老师再来我们这里做客。谢谢大家，谢谢波波，很期待。嗯，以上是我们这一期节目的全部内容。如果你觉得这一期节目对你有所启发，有所帮助，欢迎你在小红书、朋友圈、微博等等平台分享你的看法、你的笔记。
同时啊，也可以加入我们的社群，期待与你相见。如果你同样有表达欲。还有独特的见解，也欢迎联系我，成为我们的嘉宾。同时，大家也可以在公众号“晋级波财经”上观看更多的深度文章、深度报道。所有视频平台都可以找到我晋级的沈帅波。