1 关于 AI 产品变化的思考，模型应该会普通商品化

1. Jasper ：你要写一个marketing的文章，你要填空——听众是谁，主题是什么——填完之后帮你输出

2. ChatGPT：把代码再复制粘贴到一个比如Python脚本再去运行，如果有bug还要再把报错报给ChatGPT

3. Cursor: 本质上还是 chatbot，因为大部分人不会真的去关注代码写什么，但相较 chatbot 自带上下文 一个主线，它当然越来越符合人的习惯，而且能力越来越强大，而这种能力的强大是随着LLM能力外溢出来。 模型能力在快速进化，但是“那个壳”也需要进化。每一代模型能力进化之后，甚至不一定是原厂，是一个第三方厂商把它的用户可感知价值给呈现出来。 如果没有 Cursor，我相信 Claude 3.5 Sonnet，可能在 Claude 里面也能写代码，但就不会那么流畅。 我自己总结出来的定律叫做：“新时代的安迪比尔定律”，无论底座模型怎么提升，应用层都可以把他吃掉

安迪比尔定律 来源于安迪和比尔盖茨的一次对话，原文：Andy gives, Bill takes away 不管Andy Grove造了什么，他是Intel代表，Bill Gates就会吃掉它——Intel因为摩尔定律在，可能18月之后成本下降了、算力上升了，但18月之后Windows也会把它的能力吃掉。可能Windows更图形化，或者提供了更强大能力。

4. 当然对于有模型的公司，我们是非常尊敬的。这一波主要进步是他们的创新和努力带来的。但这不是冲突的或者零和的，叫做“做应用”还是“做模型”的问题。 而是，即便是有模型公司在发展，也需要一些主要围绕用户视角、产品视角的公司去做一些工作。不是非此即彼的。

2 预判方向，提前布局

1. 模型厂商自己很难做提前准备，原厂像ChatGPT，我感觉它在发布时不觉得自己会那么火；包括DeepSeek在发布时，我相信，这一切不是它预料的——原厂基本准备不足。

2. 专业的或者应用厂商，总是在模型先发出来之后，PMF可能才完成。比如Cursor。它这个产品更早有，当时用的可能是OpenAI模型。

3. 相当于是先在那里等着模型能力变强

4. 可以开源一个创业idea：你预判下一个能力是什么，先把这部分应用给好好做好

[!NOTE] 小红做微信工具的时候已经验证了这个方法论，在微信封禁外挂广告之前提前做好布局，等待这一刻到来然后先发优势吃掉市场 但这一点其实很困难，尤其考验决策者，最近看《大空头》也可以感受到；你坚信自己对未来的判断没有错，但无法确定到来的时间点，在这个过程中你需要持续不断的投入，这不仅折磨自己，也折磨团队

3 模型厂商和应用层是否存在竞争

3.1 现状

1. 今天我们看到所有国内、国外模型公司，都有自己的应用和开放平台的——基本都做了Chatbot和一个开放平台，第三方可以通过API调用它，这里有个事情是：我们对AGI的理解是什么？它应该还是有公共产品属性的，原厂应该不会什么事都做。

2. 有巨多的事，它不会每个事都做。比如说特定行业的事，一般不会做

3. 特别辛苦的事，它可能也不会做，或者说需要很多工程师的

4. 有些当然可能有窗口期——比如长期看它会做，短期还没顾得上——这种事情在今天很考验创业者。有些人选择做，有些人选择不做

5. 所谓窗口期复杂就复杂在——也许你做得很好，它就不做了——这不是逻辑推导出来的。你假定它一定会做，或者它一定不会做，都不一定。有可能真的在生态里面，有一个领头羊做得很好，可能原厂也就不会做了。

[!NOTE]

1. 具体的业务不会参与，例如模型一般都会做翻译文本功能，但不会做具体的本地化工具，因为这还涉及到项目管理，权限管理，数据管理等其他工作

2. 需要很多人力的不会做：绝大多数模型公司追求的是高尖团队，让这些人才去做具体产品太浪费了，但招募大量工程师也会影响公司管理，二者不兼容

3.2 用博弈的方式思考，而不是逻辑推断

1. 第一，模型公司自己也会做应用。应用公司应该非常尊重模型公司。因为，大部分的能力或者说进展都是模型公司提供的。

2. DeepSeek的出现，开源的出现，对大家冲击这么大，对应用公司来说应该更乐观。你真的是关注你的应用，关注use case、关注用户、关注增长，而不用担心哪一天模型厂商要一个很高的毛利，哪一天模型厂商决定要做你要做的事情，跟你形成竞争关系。

3. 好好做技术，好好做产品，市场会奖励。

4. 我觉得founder还有一个思考模型叫做“用博弈的方式思考”，博弈不是说零和或竞争，而不是“用逻辑推理的方式思考”。逻辑推理就是，比如，百度有最好的算法工程师，百度一定会把推荐这件事做掉，这叫逻辑推导。博弈的方式思考就是，因为你的出现和其他player的出现，可能使得整个环境不一样了。

[!NOTE]

1. 如果真的要入局，那么就要把自己当做变量的一环

2. 很多 timing 只能等待，但竞争格局是可以靠个人来博一个变化的

4 DS 相关思考

1. By the way，在所有人中，我感觉DeepSeek对要不要做Chatbot，反而是最佛的，它是在12月份才有自己的App，更早有网页版。你看它的App，会觉得真的“套壳”——只是把模型能力用一个最简单的基础的“壳”展示出来。

2. 另一个角度：如果（DeepSeek）没有做这件事，这次影响和传播不会那么大。因为很多用户是用上了、看到了它的App，看到思考过程，有巨大用户体验提升，又导致大量传播——但这一切是意料之外。

3. 今天大家可能也会想，开源火了，要不要开源？要不要构建技术品牌？各种各样的思考。但最重要的是，DeepSeek一直按自己的节奏在做——Be Yourself！

4. Perplexity的CEO发了一条推特说，在AI时代有两个巨大体验创新：一是，Perplexity把这句话从引用哪个网页标注出来，增加结果可信度。二是，把LLM思考过程展示出来。

5. 它把技术上的创新点，以一个用户可感知的方式展示了出来，而且这个展示不仅是产品层面展示，比如免费，可能一般你不会把它当做一个产品策略，而是一个商业化或经营策略。OpenAI不放出o1思考过程，可能没有那么用户导向——它在想别人拿到这个就可以去训模型了——会有一点竞争（思维）。

[!NOTE]

1. 模型厂商做Chatbot 主要目的不是为了盈利，而是能展示自己模型能力

2. 不要应激，按自己节奏来

3. 开源的影响力远超人们想象，不只是让其他人能用，更重要的是产品心态上，坦坦荡荡，一往无前

5 产品形态思考

5.1 我们应该有个虚拟机

1. 我们在开发Monica的过程，就是给它做了一大堆API，把各种各样API都往上接。但你有没有发现——这个事情很像做功能机——功能机就是，诶，用户需要这个？好！当时的手机厂商就专门做一个feature phone。Feature phone的感觉就是，一个一个feature加起来的phone。

2. 但真正的Agent，应该是自己能写代码，调用API并执行。它能搞定很多长尾任务，而且不需要开发者自己写，这才是符合大家对Agent的想象。

3. Red，极致是不够的，个性化才够——做到极致你就是hao123，做到个性化你才是Google。这是非常具有启发意义的一句话，我们花了很多时间研究。

4. 有一天我在用Windsurf的类似YOLO模式，我发现，我给它说一个问题，它说，好，我现在去Github上下这个代码去搞一个什么事情，然后再去写——那一瞬间我就被闪电击中一样的感觉！——它居然在用工具，而且会用人类工具。

5. 所谓Agent应该是，能解决长尾需求，能调用各种各样工具。最好被调用的工具，当然就是存量代码和它自己编写代码，通过API去搞定事情。

6. 有个人问比尔盖茨：为什么Windows跟我谈，说这个东西打开可能会危害电脑，yes or no？靠！你微软都不知道，我一个普通用户怎么会知道？

7. 所以我自己觉得，那个架构叫做一个虚拟服务器、一个浏览器，能够自己写代码去调用API，它就能胜任各种各样长尾任务——这是我们在做的事情。

[!NOTE]

1. Hao 123 是一个静态网站，能解决的事情很多，但始终有限；google 是一个动态的搜索引擎，不仅能帮你找到常用网站，还能根据你的搜索词提供全球范围内的信息，甚至包括你从未想到的资源。它的算法会根据你的历史行为推荐个性化结果

2. 长尾需求之所以被称为长尾，是因为这种“需求”是动态的，比如，你搜索“如何修理自行车轮胎”，Google会给你教程、视频和附近修车店的信息。

3. 因此 Manus 采用了自主编码的形式，而不是 MCP 接入 api 的形式

4. 如果需要编码那就需要一台虚拟机，保证服务稳定性的同时，降低对用户的干扰

5. 结合上述：满足用户主流+长尾需求，有一台虚拟机，进而达成对用户真正的解放

5.2 应该是异步的

• 所以今天的 Chatbot，都是同步的。还有一些朋友会用一个描述叫“瀑布式的”，就是 A-B-A-B。但人类聊天不这样。你发一条消息给我，可能我过很久才回，在过很久回的过程中，你又给我发两三条消息，我一起回你几个 topic。或者某位同事说要做一件事，做到一半我发现搞错了，我跟他说搞错了我重来。

• 它会告诉你它要干哪几个事，接下来就是干那几个事，有进度会告诉你——这是我们对最美好实习生的幻想

• 如果你刚才说去搞定这个事，他说：好，我会这么做，每一步有结果之后都同步给你。而且中途你可以跟他说：哦，我当时的需求错了，你能不能再这样？他说：好，我改变一下，最终要完成产出我再给你；这是我们在做的，会更像人类。

[!NOTE]

1. 这点很像之前谈到的社交类产品，发布朋友圈的形式，AI 给你不定期回复

2. 异步很像人类，但像人类就一定是好的吗？暂时还没有想通这点

3. 其实这里的关键不在于像不像人类，而是在于有些复杂工作就是需要时间，就行模型要变聪明就得要输出思考内容

4. 时间拉长，从产品体验上就必然要做成异步，不能让用户一直等在这里

5. 换个思路，人类之所以会是异步，会不会是因为人类效率太低了呢？如果真的有个全知全能的上帝可以瞬时解决问题，那还需要异步吗？（笑）

5.3 模型的长程规划能力

• 今天我们测试全世界只有Claude Sonnet 3.5，能够把我们刚刚所说的架构跑起来——我们内部管这个叫Agentic（独立行动并自由做出选择的能力）的能力。

• 传统Chatbot的对齐方式，在训的过程中，就是假设一轮对话要尽可能解决你的问题。所以大家训模型都是按这样教它。但我们测试下来只有Anthropic的Claude Sonnet 3.5，有长程规划能力和逐步解决问题的能力。

[!NOTE]

1. 感觉这是模型训练的一个通病，只关注本轮中用户提出的问题，然后作出回答；但人的思考方式会更长远一些，推测你背后的意思，猜你后面要说什么，然后提前处理

2. 但反过来想，如果把做计划当做一项工作，长期和短期的差别到底在哪呢？