智東西（公眾號：zhidxcom）
編譯 |? 陳駿達
編輯 |? Panken
OpenAI的(de)董(dong)事會(hui)主席，居然勸大(da)家別再做(zuo)大(da)模型了？
智東西8月2日消息，近日，海外知名科技博客Lenny’s Podcast放出了與OpenAI董(dong)事(shi)長、Agent創企Sierra創始人Bret Taylor的一則高信息量對談。在這場時長90分鐘，實錄字數近2萬字的對(dui)談中，Bret Taylor深度分享了他(ta)對(dui)AI行業(ye)(ye)未來發展格(ge)局與高價值(zhi)創業(ye)(ye)方向的見解(jie)。
在(zai)正(zheng)式閱讀采訪(fang)內容之前(qian)，我(wo)們(men)有必要首先了解下Bret Taylor傳(chuan)奇(qi)的職業生涯(ya)。
2003年，他在斯坦福大學碩士畢業后，成為谷歌最(zui)年輕(qing)的(de)產品經(jing)理，并(bing)打(da)造出上線首日即獲得千萬(wan)流量的谷歌地圖，徹底重(zhong)塑了本地生活行(xing)業。
2007年離開谷歌后，Bret Taylor創辦了社交媒體公司FriendFeed，并發明了信息流(liu)（Newsfeed）、點贊(zan)按鈕等現代社交媒體中的核心元素。他最終以近5000萬美金的價格將FriendFeed賣身Facebook，而自己則加入Facebook擔任CTO一職。
2012年，Bret Taylor離開Facebook，創立協作文檔企業Quip，最終將Quip以7.5億美元的天價賣身Salesforce，而他本人則加(jia)入Salesforece，最終擔(dan)任聯(lian)席(xi)CEO一職。
2023年初，當生成式AI技術剛剛興起時，Bret Taylor又果斷離開Salesforce，創辦Agent創企Sierra，同年，他還加入OpenAI，并擔(dan)任(ren)董(dong)事會主席(xi)。
可以說，Bret Taylor過去20多年的職業生涯，每一步都精確踏在風口上，而他橫跨CEO、CTO、COO、CPO、產(chan)品經(jing)理(li)、工程師、董(dong)事(shi)會成員等所(suo)有不同層級、不同崗(gang)位的成功經歷，對AI時代的所(suo)有創業者都依舊有借(jie)鑒意(yi)義。
這場訪談的核心(xin)信息如下(xia)：
1、AI市場將出現三大板塊——模型、工具與應用。模型市場的新創企已沒有活路，除非能像馬斯克那樣籌集數十億美元的資金。工具市場面臨著前沿模型公司的沖擊，價值將在應用(yong)層集中釋放。
2、谷歌地圖從失敗產品谷歌黃頁發展而來，這表明在新技術出現時，與其直接將過去的體驗數字化，不如創造全新體驗，回答新客戶“我為什么要用它”的問題。
3、Agent就是新時代的應(ying)用，會是AI產品的(de)主要形態之一。由于其高(gao)度自動化、結果可衡量的(de)特點，Agent讓(rang)企業能直接看到AI帶來的(de)生產力提升(sheng)，從而促進購買(mai)。其模式與SaaS公(gong)司類似，利潤率更高(gao)。
4、AI不應按Token計費，而是應該按結(jie)果計費(fei)。在結果(guo)導向的(de)計費(fei)模式(shi)中，供(gong)需(xu)雙(shuang)方目(mu)標統一：企業希望靠AI產(chan)品(pin)拿到滿意的(de)工作成(cheng)果(guo)，而AI公司打造出能交付好結果(guo)的(de)產(chan)品(pin)才能賺到錢。
5、隨著AI取代人類編程，寫代碼的成本不斷降低，而Python等為了讓人類編程(cheng)更加輕松(song)的(de)語(yu)言(yan)，其實并不適合AI的(de)特點。我們亟需為AI重構(gou)一套既適合(he)構(gou)建復雜系(xi)統又(you)便于靈活調整的編(bian)程系(xi)統。
6、由于產品能力不足，現有AI編程工具往往會在生產場景中幫倒忙。此類問題大部分都是由于模型缺乏足夠上下文(wen)，可通過MCP解決這一(yi)問題。
7、做AI應用，不能只等著底層模型自己進步。模(mo)型(xing)的進(jin)步終將發生，但如果想提(ti)前兌現AI的潛力，就得靠(kao)應用(yong)(yong)中的工程設計，這也是(shi)應用(yong)(yong)型(xing)AI公司存在的根本原(yuan)因。
8、AI產品市場化有三種模式——開發者主導、產品驅動和傳統直銷。前兩種模式雖受創業者歡迎，但難以將規模做大，或是適用范圍有限，許多AI公司選錯策略，應考慮進行更(geng)多直(zhi)銷。
9、學習計算機不等于寫代碼，編程可能會被AI取代，但理(li)解(jie)原理(li)，掌(zhang)握系統性思維，在(zai)AI時代仍舊是軟件工程的(de)基礎。
10、創業者需要對自己的身份保持靈活，愿意不斷變化，并且能夠準確判斷：我現(xian)在做什么工(gong)作，才能產生最大的影響力。
11、鼓(gu)勵孩(hai)子們(men)將AI作為(wei)生活的一部(bu)分。ChatGPT可以促(cu)進教育平權，但也會(hui)導致擁有強主觀能動(dong)性與弱(ruo)主觀能動(dong)性的學生的兩級分化。
以下是Bret Taylor深度(du)訪(fang)談的(de)(de)完整編譯（為(wei)提高可讀性，智東(dong)西調整了部分(fen)問(wen)答的(de)(de)順序(xu)，并(bing)在不違(wei)背原意的(de)(de)前提下進行了一定的(de)(de)增刪(shan)修改）：
一、AI市場將出現三大板塊，價值將在應用層集中釋放
主持人：我們先來聊聊AI的商業戰略。現在很多創業者最關心的問題之一是：我該做什么？基礎模型公司會不會把我做的事情直接吞掉？你一方面在創業做AI，一方面又是OpenAI的董事會成員。你認為AI市場會如何演化？創業者應該把精力放在哪些地方，又該避免哪些方向？
Bret Taylor：我(wo)認(ren)為(wei)AI市場可以分成三個主(zhu)要板塊，它們最終都會是相當(dang)有(you)分量的市場。我(wo)講(jiang)(jiang)講(jiang)(jiang)我(wo)的整體判斷。
第一(yi)類是“前沿模(mo)(mo)型市場”或(huo)者說(shuo)“基礎模(mo)(mo)型市場”。
我(wo)認為(wei)這個市場(chang)最終只(zhi)會(hui)被少數(shu)幾家超級規模公司和大型(xing)實驗室(shi)掌(zhang)控，就像現在的(de)云基礎(chu)設施服務市場(chang)一樣。原因(yin)很簡單，打(da)造一個前沿模型(xing)是(shi)資(zi)金密集(ji)型(xing)的(de)事情。你(ni)必須(xu)擁有巨額的(de)資(zi)本(ben)支出能力，才(cai)能訓(xun)練出這些模型(xing)。
所有試圖做這件事的初創公司，要么已經被收(shou)購(gou)，要么即將被收(shou)購(gou)，比如Inflection、Adept、Character AI等。我認為這一市場目前并沒有一個適合初創公司的可行商業模式，原因是模型訓練所需的資本投入實在太大，而且初創公司沒有足夠的融資空間，無法撐到達到“逃逸速度”。同時，基(ji)礎模型本身作(zuo)為資(zi)產，它的價值衰減非常快，所以你(ni)必須(xu)擁有規(gui)模優勢，才能從中獲(huo)得合理回報(bao)。
我認為，幾(ji)乎(hu)沒有創(chuang)業者應(ying)該去打(da)造基礎(chu)模型（主持人補充：除非你是馬斯克）。是的，馬斯克他確實不一樣，他有能力籌集數十億美元的資本。我猜你的聽眾大多數都沒有這個能力。而他是這個時代最厲害的創業者之一，他就是不同，大(da)家(jia)不要拿自己去(qu)和他比(bi)。
市(shi)場的另一部分是“工具層(ceng)市(shi)場”。
很(hen)多(duo)人都在“淘金熱(re)”中(zhong)賣鐵(tie)鍬(qiao)，這里(li)面包括數據標注服務、數據平臺、評估工具，還有一(yi)些專用模(mo)型，比(bi)如ElevenLabs的(de)(de)語音模(mo)型就非常優秀，被(bei)很(hen)多(duo)公司使(shi)用。這個(ge)市場的(de)(de)核心問題在于(yu)：想在AI時代取得成功，需要哪些工具和服務？
但這個市場也有風險，它距離“太(tai)陽(yang)”太(tai)近了。就像云服務市場里，各種云平臺提供商（AWS、Azure等）自己也都在往上游走，提供各種工具。這種靠近基礎設施層的公司，很容易被平(ping)臺商直接替代。
當然(ran)，也有真(zhen)正有價值的公司，比(bi)如Snowflake、Databricks、Confluent等。但也有不(bu)少公司因為(wei)基礎設施平臺自己推出(chu)類似功能而(er)被淘(tao)汰。
對(dui)這類(lei)公司(si)來說，最大的(de)風險是：基(ji)礎模型公司(si)某(mou)天在開發者大會上，可能突然就推(tui)出了創企提供的(de)工具，那(nei)該怎么(me)辦？
可(ke)能會(hui)有(you)很(hen)多(duo)人需(xu)要(yao)你的工具，但(dan)問題是(shi)，如果(guo)基(ji)礎模型公司(si)推出了(le)和你類似的工具，人們為什么(me)還要(yao)選擇你？工具層這個市(shi)場的潛力很(hen)大(da)，但(dan)也(ye)比較危險(xian)。
第三部分是(shi)“應用型AI市場(chang)”。
我(wo)認為(wei)這(zhe)部(bu)分將由(you)那些構建(jian)Agent的公(gong)(gong)司主導。Agent就是新時代的應用，這(zhe)會是AI產(chan)品的主要形態之一。我(wo)的公(gong)(gong)司Sierra幫(bang)助企業構建(jian)能(neng)接電話、接客(ke)服聊(liao)天的Agent，用于提升客(ke)戶體驗和服務效(xiao)率(lv)。
還(huan)有(you)像(xiang)Harvey這樣的(de)公(gong)司，為法(fa)律和準(zhun)法(fa)律領域(yu)構建Agent，比(bi)如反(fan)壟斷(duan)審查(cha)、合同(tong)審查(cha)等等。也有(you)做內容營銷(xiao)的(de)公(gong)司，還(huan)有(you)專做供(gong)應鏈(lian)分(fen)析的(de)公(gong)司。
我(wo)覺得這類公司更像是(shi)“軟件即服務（SaaS）”的模(mo)式(shi)，它們的利潤率(lv)可能會(hui)更高，因為銷售的產品是(shi)業(ye)務成果，而不(bu)是(shi)模(mo)型的副產品。
當然，它們也得向基礎模型公司“交稅”，為(wei)使用底層模型(xing)而付費，這(zhe)也是(shi)為(wei)什(shen)么這(zhe)些模型(xing)提供商最終會發展成極其大規模的公司，但它們的利(li)潤率可能會略(lve)低一些。
我認為(wei)應(ying)用(yong)的(de)市(shi)場將變(bian)得不(bu)那(nei)么技術化。如果你(ni)思考一下最純粹形式的(de)軟件即服務，人們并不(bu)會去問你(ni)用(yong)了(le)什么數(shu)據庫，而(er)是關心你(ni)的(de)功能和特性。
我(wo)認為Agent的未來也是(shi)如此，隨著時(shi)間推移，產品會比技(ji)術本(ben)身更重(zhong)要(yao)。就像我(wo)之前(qian)用的比喻，1998年Salesforce成立(li)時(shi)，僅僅是(shi)在云端(duan)運行一個數據庫(ku)就是(shi)一項技(ji)術成就。
而如今，沒有人會問(wen)你這個問(wen)題，因為你只需(xu)在(zai)AWS或Azure上啟(qi)動一個數據(ju)庫就行了，毫無難(nan)度。
我覺(jue)得(de)(de)今(jin)天，在模型之上組織一個(ge)Agent流程聽(ting)起來很(hen)復雜、很(hen)高級、很(hen)困難，但(dan)我確(que)信三到四年內(nei)，隨著技術(shu)進步，這一切都會變得(de)(de)容易。
逐漸地，當人們談論一家Agent公司時，它會看起來有點像SaaS公司。你會更少地談(tan)論如何(he)處(chu)理模型(xing)，就像現代(dai)SaaS產品中(zhong)很少有人會問你用了什么(me)數據庫一樣(yang)，而是會更多地詢問你的工作流程和你帶來(lai)了什么(me)商業成(cheng)(cheng)果。你是為銷售團隊創造潛(qian)在客戶？還(huan)是在降低采購成(cheng)(cheng)本？不管你提供什么(me)價(jia)值，這(zhe)個方(fang)向(xiang)都會逐漸發展下(xia)去(qu)。
我對此非常(chang)興奮。我并不(bu)認為初創公司(si)應該去構(gou)建(jian)基礎模型。你(ni)當然可以嘗試，如果(guo)你(ni)對未來(lai)有愿景，那就去實(shi)現(xian)它，但我認為這是一個已(yi)經趨于集中、競爭激烈的市場。而我對另(ling)外兩個市場非常(chang)感(gan)興趣，尤其(qi)是隨著(zhu)構(gou)建(jian)Agent變得越(yue)來(lai)越(yue)容易，我們(men)將會看到大量“長尾”Agent公司(si)涌(yong)現(xian)出(chu)來(lai)。
我最近瀏覽了(le)一個網站，列出了(le)市值排名前50的(de)軟(ruan)(ruan)件公(gong)司。毫(hao)無疑(yi)問(wen)，前五大(da)公(gong)司是像(xiang)微軟(ruan)(ruan)、亞馬遜、谷歌這(zhe)樣的(de)巨頭，但接下來的(de)50家全都是SaaS公(gong)司。其中有些(xie)(xie)公(gong)司令人興奮，有些(xie)(xie)則非常無聊，但這(zhe)正是軟(ruan)(ruan)件市場(chang)的(de)發展軌跡。
我認為我們會在Agent市場看到類似的趨勢。它不會只是客戶服務或軟件工程等幾個巨大市場，還會覆蓋許多目前人們投入大量時間和資源的領域，而這些領域完全可以被一個Agent解決。但這需要創業者真正深入理解某個業務問題。我認為AI市場的巨大價值，將在這一領域釋放。
二、為何全力押注Agent？流程自動化、結果可衡量
主持人：這太有啟發了。這讓我想起我曾在播客上采訪Mark Benioff，你們曾是Salesforce的聯合CEO。他對Agent極度癡迷，全程都在談論Agent Force。顯然你們看到了某些關鍵趨勢，覺得必須全力投入Agent，這是未來的方向。那么，你認為人們到底忽視了什么？為什么這會是軟件工作方式發生重大變革的關鍵？
Bret Taylor：去(qu)和經(jing)濟(ji)學家，比如Larry Summers（他和我一起(qi)在(zai)OpenAI董事會）交談(tan)，他們會從經(jing)濟(ji)角度(du)看技術的(de)價值所在(zai)：技術推動了經(jing)濟(ji)的(de)生產力(li)增長(chang)。
回顧(gu)歷史，生產力的(de)大(da)幅(fu)躍升出現在上(shang)世紀90年(nian)代。很(hen)多我交流過的(de)人(ren)都認(ren)為，那次飛躍是第一波信息(xi)化浪潮——企業開始使(shi)用(yong)ERP系(xi)統，把會計等內容搬(ban)進了電腦和數據庫，甚至是主機(ji)系(xi)統。
我們說的還(huan)不是PC時代，而(er)是更(geng)早(zao)期的企業信息(xi)化(hua)(hua)。那種變化(hua)(hua)是真正顛(dian)覆性(xing)的。想象一下(xia)，一個(ge)跨國企業的賬本在計算機化(hua)(hua)之(zhi)前需要(yao)多少(shao)人(ren)力才(cai)能完成。而(er)信息(xi)化(hua)(hua)徹底改變了整(zheng)個(ge)部(bu)門。
我舉(ju)個(ge)例子(zi)來說明(ming)這個(ge)生產力提升。我父(fu)親剛退休(xiu)，是(shi)(shi)一位機(ji)械工程(cheng)(cheng)師。他(ta)說自(zi)己在70年代末進入工程(cheng)(cheng)行(xing)業時，公司大(da)多數人都是(shi)(shi)繪(hui)圖(tu)員。也就是(shi)(shi)說，你有一個(ge)設計方(fang)案，但需要為每個(ge)樓(lou)層、每個(ge)角度繪(hui)制(zhi)視圖(tu)，然(ran)后(hou)提供給承包商。
▲GM公司(si)技術中心，展示了前CAD時代的工程設計（圖源：Rare Historical Photo）
而現在(zai)(zai)，他(ta)所在(zai)(zai)公司已經沒有繪圖(tu)員(yuan)這個(ge)職位了。設(she)計圖(tu)直(zhi)接在(zai)(zai)AutoCAD上(shang)完成，現在(zai)(zai)甚至用Revit建模(mo)，直(zhi)接出(chu)3D圖(tu)紙，繪圖(tu)這個(ge)流程已經完全消失了。這項工作根本(ben)不需要再做了。設(she)計和繪圖(tu)的分工也不存在(zai)(zai)了，只剩下設(she)計本(ben)身。
這就是(shi)(shi)真正的(de)(de)生產力提升。機械工程(cheng)公司的(de)(de)職(zhi)責(ze)是(shi)(shi)做(zuo)設計，繪圖只是(shi)(shi)為了交付給施工方的(de)(de)中間產出，它本身并不增加實(shi)際(ji)價(jia)值，只是(shi)(shi)供應(ying)鏈的(de)(de)一部分。
從PC時代開始回顧軟件產業發展史，我們確實獲得了生產力提升，但遠不如最初那次飛躍顯著。我并(bing)不清(qing)楚(chu)原因，但這很(hen)有意思。技術帶來(lai)的生產力提升，并(bing)沒有如很(hen)多(duo)人預期(qi)的那樣全面(mian)實(shi)現。
我(wo)認為Agent將再次拉動這條曲線，就像計算機(ji)早期那樣。因為(wei)軟(ruan)件正從幫助個(ge)人提高(gao)效率(lv)，邁(mai)向自(zi)主完(wan)成(cheng)完(wan)整任務(wu)。因此，就像(xiang)機(ji)械(xie)工程(cheng)公司(si)里(li)不(bu)再需(xu)(xu)要繪圖(tu)員那樣，未來(lai)也不(bu)會再需(xu)(xu)要人工去做某些(xie)工作了。這意味(wei)著(zhu)這些(xie)人可以轉向產出更高(gao)的作。
一小部分人就能完成更多事情，推動經濟的整體生產力提升。企業軟件銷售會經歷與客戶之間關于“價值”的討論。你需要設計一套略顯復雜的邏輯，比如：假設你在銷售一個銷售類軟件，如果每位銷售人員的業績提升5%，那么你們公司就應該因此多賺多少錢，所以你應該支付我們一百萬美元。這樣的討論往往很難(nan)精確(que)歸(gui)因(yin)。
這(zhe)也是(shi)為什么銷售生產(chan)力(li)軟件會如此困難(nan)，我是(shi)通(tong)過(guo)切(qie)身經驗學到的。很難(nan)評估讓每個(ge)人的效(xiao)率提(ti)升(sheng)10%到底價值幾何。你真的讓他們(men)效(xiao)率提(ti)高了10%，還(huan)是(shi)其他因素在起作用？你其實并(bing)不清楚(chu)。
但現在，當一個Agent真正(zheng)完成了(le)一項任務，不(bu)僅確(que)實(shi)(shi)以非(fei)常現實(shi)(shi)的(de)方式推動(dong)了(le)生產力提(ti)升，而且(qie)這(zhe)種提(ti)升是可衡量的(de)。這些因(yin)(yin)素結合在一起(qi)，讓我(wo)覺得這是我(wo)們(men)看待軟件的(de)(de)(de)(de)方式上的(de)(de)(de)(de)一次跨越式變化，因(yin)(yin)為它可(ke)以自主(zhu)(zhu)完成工(gong)作，這種自主(zhu)(zhu)性本身(shen)就更直接體現了它對(dui)效(xiao)率(lv)的(de)(de)(de)(de)推動作用，并且是可(ke)以量化的(de)(de)(de)(de)。因(yin)(yin)此人們(men)對(dui)它的(de)(de)(de)(de)價(jia)值判斷(duan)也(ye)會不同，這也(ye)是我(wo)相信軟件應該基(ji)于結果來(lai)定價(jia)的(de)(de)(de)(de)原因(yin)(yin)。
我覺得它對軟件行業的變革意義堪比云計算，甚至從技術角度來看可能更甚。從商業模式的(de)轉(zhuan)變角度(du)來看，肯定是一次有“前后(hou)時代”之分(fen)的(de)重大變革(ge)。我不知道還有多少人還在銷(xiao)售永久授權(quan)的(de)本地部(bu)署軟件，但(dan)現在應該已經非常少了。
我認為我們(men)將經歷(li)類似的轉變，整個市場會轉向Agent，轉向基(ji)于(yu)結果(guo)的定價方(fang)(fang)式。并不是因(yin)為那是唯一的選擇，而是市場會自然地(di)推動大家走向那條(tiao)路，因(yin)為這顯(xian)然是構建和(he)銷售軟(ruan)件的正確方(fang)(fang)式。
三、按Token定價不合理，Agent應按結果定價
主持人：前段時間我和另一位嘉賓討論了AI公司的定價策略，他非常認同你的觀點——如果可以，就應該按結果定價。提出的邏輯和你剛才講的一樣。你能不能簡單解釋一下“基于結果定價”是什么意思？然后再以Sierra為例說明它是怎么運作的？
Bret Taylor：我先從(cong)Sierra的例(li)子講起，然(ran)后再泛化(hua)一下。我們在Sierra幫助公司構建面向(xiang)客(ke)戶(hu)(hu)的AI Agent，主要用于客(ke)戶(hu)(hu)服務，也更廣泛地服務于客(ke)戶(hu)(hu)體驗(yan)。
如(ru)果你在(zai)(zai)使用(yong)SiriusXM收音機時遇到問題(ti)(ti)，你打電話(hua)或在(zai)(zai)線聊天(tian)時接待你的(de)就是我們的(de)AI Agent Harmony。如(ru)果你用(yong)的(de)是ADT的(de)家(jia)庭(ting)安保系統，警報(bao)器出了問題(ti)(ti)，你也可以和他們的(de)Agent溝通。還有(you)Sonos音響等很多(duo)消費(fei)品牌(pai)都(dou)在(zai)(zai)用(yong)我們的(de)產品。
運營(ying)電(dian)(dian)話(hua)客服中心時，每接一(yi)個電(dian)(dian)話(hua)都有(you)切(qie)切(qie)實(shi)實(shi)的成(cheng)(cheng)本(ben)，大部分是人力成(cheng)(cheng)本(ben)。一(yi)通普通電(dian)(dian)話(hua)的成(cheng)(cheng)本(ben)可能在10到20美(mei)元之間(jian)，雖然其中有(you)一(yi)部分是軟(ruan)件或(huo)通信費用(yong)，但(dan)主要還是接聽者的薪資(zi)。
如果Agent能夠接管(guan)這個電話并成功解決(jue)問題，這在(zai)行業中(zhong)被稱為(wei)(wei)“呼叫分流”或(huo)“問題封閉”，本質上(shang)意味著你節省(sheng)了大約15美元，因為(wei)(wei)無需人工介入(ru)。
在我們的行業里，只要Agent能解決客戶的問題，客戶滿意，且無需人工干預，我們就按照事先約定好的價格收費。我們稱之為(wei)“基于問題解決的計費”。
當然也有其(qi)他(ta)結果導(dao)向的(de)(de)模(mo)式(shi)，比如我(wo)們(men)的(de)(de)一(yi)些銷售類Agent是按銷售傭(yong)金(jin)來(lai)計(ji)費的(de)(de)。我(wo)們(men)確(que)實把(ba)Agent視為客戶體驗的(de)(de)一(yi)部分(fen)，像(xiang)是品牌的(de)(de)禮賓服務(wu)。我(wo)們(men)希望我(wo)們(men)的(de)(de)商業模(mo)式(shi)與客戶的(de)(de)業務(wu)模(mo)式(shi)高度一(yi)致。
正如你說的，Agent需要是自主運行的，結果(guo)必須(xu)是可衡量的。雖然(ran)這并非(fei)總能(neng)做到，但在(zai)大多數情況下是可行的。
這套模式特別(bie)好的(de)一(yi)點在于，任何(he)一(yi)個首席財務(wu)官或采購負(fu)責人，在面對(dui)主要供應商時，看著(zhu)那長長的(de)賬(zhang)單往往會感到困惑，很難判斷(duan)自己到底(di)有沒有從合同中獲得期望的(de)價值。
按用量計費的方式，尤其是在基礎設施領域比較流行的那種，是朝這個方向邁進的一步。但我并不認為“按Token數”就是(shi)衡量(liang)AI價值的好方法。我常用一個(ge)(ge)類比：現在(zai)大多(duo)數編程(cheng)(cheng)Agent是(shi)按Token或使用量計費的，就(jiu)像那個(ge)(ge)著(zhu)名的蘋果(guo)工程(cheng)(cheng)師(shi)的故事(shi)——他有個(ge)(ge)差勁(jing)的經理要求(qiu)他每(mei)天報告寫了多(duo)少行代碼，這種(zhong)衡量方式對所有工程(cheng)(cheng)師(shi)來說都是(shi)荒謬的。
他后來在日報上報了一個負數，因為那天他重構了代碼，刪了很多行，這是他對這位上司的反擊。我覺得Token計費就和那種邏輯類似。你用了很多Token，好像看起來不錯，但真正的(de)問題(ti)是(shi)：你有沒(mei)有產(chan)出一個高質(zhi)量的(de)Pull Request？
這(zhe)正是關鍵所(suo)在(zai)。我(wo)(wo)認為基于結果(guo)定價和基于用量定價之間有本質(zhi)區別，尤其是在(zai)AI領域，兩者甚至(zhi)都(dou)未必相關聯。你可以接(jie)一個很長的電話卻沒解決客(ke)戶問題，客(ke)戶可能還(huan)會在(zai)網上留下差(cha)評、再(zai)次打(da)電話，那所(suo)有的投入都(dou)白費了(le)，甚至(zhi)造成(cheng)了(le)負面(mian)價值。我(wo)(wo)非常(chang)相信這(zhe)種模式。
這種模式還統一(yi)了供(gong)需(xu)雙(shuang)方(fang)的(de)目標。每一(yi)家科(ke)技公司都希望自己被視為合作(zuo)伙伴，而非供(gong)應商(shang)。而在上述場景中(zhong)，我(wo)們確(que)實是每一(yi)個客(ke)戶(hu)的合作(zuo)伙伴，因為我(wo)們在追求同一(yi)個目標。
我覺得(de)軟件(jian)行業就應該朝這個方向發展。這當然對公司的組織形態有很(hen)高要(yao)求，你(ni)必須真正能幫助(zhu)客戶(hu)實現他們的目(mu)標(biao)，不能只是把軟件(jian)扔過去了(le)事，因為如果(guo)沒實現結果(guo)，你(ni)根本不會拿(na)到錢(qian)。
采用(yong)這種模式(shi)后，公司就會(hui)變得極度以客戶為(wei)中心(xin)。我覺得這會(hui)讓軟件行業變得更好，從(cong)第(di)一性原理的角度看就是(shi)對的，對采購方(fang)也(ye)是(shi)合理的，對整個世(shi)界而言也(ye)是(shi)正確的方(fang)向。
四、AI編程給企業“幫倒忙”，出錯往往因為缺乏上下文
主持人：我們剛剛聊到了一些關于生產力提升的話題。現在媒體上對AI是否真的能提升效率抱有很多懷疑，比如“AI到底在做什么”、“真的讓人更高效了嗎”。最近有一項研究顯示，AI甚至讓工程師效率變低了。除了我們剛才談到的客戶體驗之外，在你們公司，或者你們合作的其他公司中，還有看到明確的生產力提升嗎？
Bret Taylor：我(wo)對AI提(ti)升生產力(li)非(fei)常看好，但(dan)我(wo)確實認(ren)為目前很多工(gong)具和產品還比較(jiao)不成熟。舉個例子，現(xian)在(zai)(zai)幾乎每家軟(ruan)件公司都會使用(yong)類似Cursor這樣(yang)的(de)工(gong)具來輔(fu)助(zhu)開(kai)發者。多數人現(xian)在(zai)(zai)把Cursor當成自動補全的(de)工(gong)具來用(yong)。
它(ta)還(huan)有(you)很(hen)多Agent功能(neng)，OpenAI的(de)Codex、Anthropic的(de)Claude等都有(you)類似功能(neng)，很(hen)多編程Agent方案正在涌現。
但其中一個(ge)問題是，由于技術還(huan)不成熟，Agent生(sheng)成的(de)代(dai)碼里經常會有(you)錯誤(wu)，而檢查他人或者(zhe)Agent生(sheng)成的(de)代(dai)碼，實際上比修(xiu)改自己(ji)寫的(de)代(dai)碼還(huan)要難。
如(ru)果生成的(de)代(dai)碼(ma)經常出錯，你需要花費大量(liang)的(de)認知(zhi)精力(li)和時間去修復。事實上(shang)(shang)，如(ru)果它給你的(de)客戶帶來了(le)各種問題，你可能表(biao)面(mian)上(shang)(shang)是開發了(le)很多新功能，但其實卻(que)把(ba)系統弄(nong)得更混亂，效(xiao)果適得其反。
目前有幾種有趣的技術路線。首先是很多AI創業公司正在開發代碼審查工具。我(wo)認為“Agent的自我(wo)反思是非常關鍵(jian)的一點，用AI去監督AI其實非常有(you)效。
你(ni)可以這樣想：如果你(ni)做了(le)一個Agent，準確(que)率(lv)90%，這其實并不算太好。但要開發另一個Agent去找出(chu)那10%的錯誤，聽起來卻是個可以解決的問題。
假設這個“審查Agent”準確率也有90%，那么將兩者組合起來，整體準確率(lv)就可(ke)以(yi)達到99%，這(zhe)其實(shi)是(shi)一個數學問題。
可以用(yong)(yong)一個系(xi)統(tong)(tong)來(lai)生(sheng)成代碼，再(zai)用(yong)(yong)另一個系(xi)統(tong)(tong)來(lai)審查它，本質上就是用(yong)(yong)計算力(li)來(lai)換取認知(zhi)(zhi)能(neng)力(li)。可以層層疊(die)加認知(zhi)(zhi)、推理、判斷過程，從而產出更穩健的結(jie)果，這(zhe)點讓我非常興奮(fen)。
另一個關鍵是(shi)“根因分析(xi)”。我們公司有(you)一位工(gong)程師專門負責服務我們Cursor實例的MCP服務器。我們的理(li)念是(shi)：當Cursor生(sheng)成了錯誤的代(dai)碼時，我們不只(zhi)是(shi)去修(xiu)復它(ta)，而是(shi)要找到根本原因(yin)，確保下次它(ta)能生(sheng)成正(zheng)確的代(dai)碼。
這本質上是一種“上下文工程”。我們要思考的是：Cursor缺少(shao)了(le)什(shen)么樣的上下(xia)文信息，才導(dao)致它無法產出(chu)正確的結果？
五、學計算機不等于寫代碼，掌握系統性思維很重要
主持人：你提到仍然把自己定位為工程師，聽說你還會靠寫代碼放松。現在不少大學生在問：還值得學編程嗎？未來幾年這個領域會不會發生巨變？
Bret Taylor：我仍然覺得“學(xue)計算(suan)機科學(xue)”和“學(xue)寫代碼”是兩(liang)回事。學計算(suan)機科學依舊非常有價值，因為(wei)它不只是寫代碼。理(li)解大O記號、復雜度理(li)論、算(suan)法(fa)，知道為(wei)什(shen)么兩個復雜度相同(tong)的算(suan)法(fa)在(zai)實踐中(zhong)性能不同(tong)，為(wei)什(shen)么緩存未命中(zhong)很重要——這些知識的意(yi)義遠(yuan)遠(yuan)超出敲代碼本身。
寫代(dai)碼這件(jian)事，我認為(wei)會(hui)從“人往終端或VS Code里(li)敲字符”變(bian)成(cheng)(cheng)“人操作一臺(tai)代(dai)碼生成(cheng)(cheng)機”，我認為(wei)這會(hui)成(cheng)(cheng)為(wei)軟件(jian)工(gong)程(cheng)的(de)未來。不過，要用(yong)好(hao)這臺(tai)機器，需要系(xi)統(tong)思維，而(er)計算機科學正是培養系(xi)統(tong)思維最好(hao)的(de)學科之一。
最終，AI會承擔大量軟件開發工作，但人的任務是操作這臺機器去打造產品、解決問題。要有很好的系統性思維，必須理解技術與商業問題的交集，并設計能真正解決客戶問題的系統。系統思維(wei)永(yong)遠是做產品最難的部分。
舉個簡(jian)單例子：在(zai)Facebook設(she)計(ji)NewsFeed時，設(she)計(ji)師用Photoshop做的原型永遠完美——照片漂亮、文字優雅、長度剛好、評(ping)(ping)論(lun)友善。一(yi)旦上(shang)線，真(zhen)實數據進來，NewsFeed立刻慘不忍睹：照片質量差(cha)、文字長短不一(yi)、評(ping)(ping)論(lun)里還(huan)有人罵你(ni)。
▲早(zao)期的Facebook信息流（圖源：Version Museum）
這時你才明白：用Photoshop設計(ji)NewsFeed是最簡單的(de)(de)，真正難的(de)(de)是設計(ji)一(yi)個(ge)系統，讓它在(zai)你無法掌控輸(shu)入(ru)的(de)(de)情況下，依(yi)舊輸(shu)出令人愉悅的(de)(de)內容和視(shi)覺體(ti)驗(yan)。我們后來強制設計(ji)師(shi)必須用真實(shi)(shi)、凌(ling)亂的(de)(de)數據做原型，逼他們把(ba)過程(cheng)做得更貼近(jin)現(xian)實(shi)(shi)。
AI生(sheng)成代(dai)碼、生(sheng)成設計(ji)以后，你(ni)仍(reng)然需要在腦子(zi)里構建(jian)這套系統，理解什(shen)么(me)難、什(shen)么(me)易、什(shen)么(me)可(ke)能(neng)、什(shen)么(me)不可(ke)能(neng)。AI也能(neng)幫(bang)你(ni)做這件事。
我認(ren)為，隨著AI Agents的出現，以及(ji)AI某些領(ling)域(yu)的能力接近“超(chao)人(ren)”水平，我們所(suo)使(shi)用的工(gong)具(ju)會出現深刻的變(bian)化。
人類(lei)不(bu)(bu)應(ying)再(zai)依賴于特定的(de)(de)行事方式，不(bu)(bu)應(ying)再(zai)糾結于“我現在擅(shan)長的(de)(de)事情，未來可能就沒用了”這(zhe)種(zhong)問(wen)題。就像NASA早期(qi)用人類(lei)充當計算器一樣，未來的(de)(de)人們可能會驚(jing)訝：“原來你(ni)們以前是一行行手寫代碼的(de)(de)？”
別因為“以后不用手寫(xie)代碼”就不去學(xue)這(zhe)些學(xue)科(ke)，就像有人(ren)會說“我以后(hou)用(yong)不到數(shu)學(xue)就不學(xue)數(shu)學(xue)”。學(xue)數(shu)學(xue)的(de)價值在于(yu)培養人(ren)的(de)思維方式，同樣的(de)，計(ji)算機科學(xue)的(de)基礎知識，仍將是未(wei)來構(gou)建軟件的(de)基礎。
尤其是在與比你聰明的系統協作時，它生成的代碼你未必能一行行讀完。你(ni)需要具備足夠的(de)能力，去(qu)約(yue)束它、引導它產出想要的(de)結果，這(zhe)需要大量(liang)技巧(qiao)。
六、Python對AI而言“太糟糕”，應為AI打造專用編程系統
主持人：這讓我想起你最近在一檔播客里提到的一個觀點——你認為應該出現一種新的編程語言，這種編程語言更適合大模型而不是人類。能展開說說嗎？
Bret Taylor：我不確定它該叫“語言”，我傾向叫“編(bian)程系(xi)統”，因為“語(yu)言”這個詞可能太窄。如(ru)果把過去40年(nian)甚至更久(jiu)的(de)計算機史簡化版(ban)一下，大概的(de)過程就是(shi)：先造硬(ying)件，再用打孔卡(ka)告訴機器(qi)干什么；接(jie)著出現操作系統、分時系統，于是(shi)有了(le)C、Fortran等高(gao)級語(yu)言；再往上抽象，就很少有人寫匯編、寫C語(yu)言了(le)，更多人用Python、TypeScript。
▲用于(yu)早期(qi)計算機的打(da)孔卡（圖(tu)源：Wikipedia）
每一次抽象層提高，都讓我們用更少的力氣去干更大的事。今天再讓人用React寫一個可拖拽地圖，很多工程師都能很快搞定，這在當年Google Maps時代是驚世駭俗的壯舉。當Salesforce成立時，把數據庫放到云(yun)端都是一件很(hen)困難的(de)事情(qing)，能做到這(zhe)點就(jiu)已經是一條技術護城(cheng)河了。現(xian)在(zai)(zai)，技術的(de)護(hu)城河在(zai)(zai)不斷縮窄，但(dan)產(chan)品的(de)護(hu)城河依然存在(zai)(zai)。
如果我們(men)假設寫代碼的人力成本趨近(jin)于零，那么我們(men)過去幾十年(nian)圍繞“提高人類程序(xu)員效(xiao)率”打(da)造的所有抽象層的工具、語言，都需要(yao)重新(xin)評估。
我常開玩笑說，Python大概是大模型生成最多的語言，因為它在訓練語料里無處不在，數據科學家又愛它。但從AI角度看，Python簡直糟糕：慢(man)、難驗證、運(yun)行時(shi)錯誤(wu)多。它之所以存在，是為了讓人寫(xie)得(de)舒服，像偽代碼。
未來如果(guo)我們(men)只需要操作代碼(ma)生成(cheng)機，我們(men)根本不(bu)需要在(zai)乎語言(yan)對(dui)人類多“符合人體(ti)工(gong)學”，只在(zai)乎兩(liang)件事：機器生成(cheng)的代碼(ma)能(neng)(neng)否被快速驗證“確實做(zuo)了我想要的事”；如果(guo)不(bu)對(dui)，能(neng)(neng)否很容易地進行改掉(diao)。
這就引出對(dui)“編程系統”的新(xin)需(xu)求。比如Rust之(zhi)所以(yi)有(you)(you)意思，是(shi)因為(wei)編譯器能靜態保證(zheng)內存(cun)安(an)(an)全，編譯通過就等于(yu)沒有(you)(you)內存(cun)泄(xie)漏。如果讓(rang)AI生(sheng)成一百(bai)萬行(xing)C語言，你很難判(pan)斷有(you)(you)沒有(you)(you)泄(xie)漏；生(sheng)成一百(bai)萬行(xing)Rust，只要編譯過就基本安(an)(an)全。
我們需(xu)要更多這種(zhong)設計。如果人無法完全信賴(lai)AI的(de)代碼，需(xu)要逐行閱讀、核驗代碼，那這將極大地限制編(bian)程的(de)效率。如今(jin)，問題的(de)關鍵就在于如何給人提(ti)供(gong)這種(zhong)自動化(hua)核驗的(de)工具(ju)。
AI的自我核驗當然是一種方式，讓系統具備自我反思能力，確實是提高魯棒性的一種有效手段。但我認為，如果不用再擔心寫代碼是否繁瑣，就可(ke)以重新考(kao)慮(lv)一些傳統的(de)技術手(shou)段，比如形式化驗證(zheng)、單元測(ce)試等。
把這些技(ji)術疊(die)加起來，我腦中會浮現(xian)出(chu)一(yi)個(ge)畫面，就(jiu)像《黑客帝國》里的(de)(de)那個(ge)人(ren)，看著屏幕上流動的(de)(de)綠色(se)代碼，思考：我怎樣才(cai)能(neng)構建出(chu)一(yi)個(ge)讓(rang)操作(zuo)者能(neng)夠高效產出(chu)極其復(fu)雜、規模龐大的(de)(de)軟(ruan)件系統，并且(qie)確(que)信它是正(zheng)確(que)的(de)(de)系統？
從(cong)這(zhe)(zhe)(zhe)個目(mu)標出發來做設計，那你可能會(hui)改變編程(cheng)語言(yan)、系統架構，甚至所有(you)相關的(de)(de)構建方式。最有(you)意思的(de)(de)是，這(zhe)(zhe)(zhe)一(yi)過程(cheng)中(zhong)我們可以放寬許多限制，比如——“寫代碼是免(mian)費的(de)(de)”。這(zhe)(zhe)(zhe)真(zhen)的(de)(de)很酷。
那么在這種前提下，你會想做什么？哪種語言、編譯器、測試框架、自我反思機制或監督模型才最適合？我認為這(zhe)不(bu)是單(dan)一的編(bian)程(cheng)語(yu)言問題(ti)，而是整(zheng)個(ge)編(bian)程(cheng)系統的設(she)計問題(ti)。
一旦我們(men)構建出這種系統(tong)，它將(jiang)真正賦能創造者(zhe)、開(kai)發者(zhe)們(men)，讓他(ta)們(men)得以構建出既復雜(za)又(you)魯(lu)棒(bang)的系統(tong)。我對“vibe coding”感到非常興奮，但我不認(ren)為“快速生成(cheng)原型”曾(ceng)是(shi)軟件開(kai)發的核(he)心(xin)瓶頸。
真正的(de)挑(tiao)戰(zhan)，是(shi)(shi)如(ru)何構(gou)建日益復雜的(de)系(xi)統，并具備靈活(huo)改動它(ta)們(men)的(de)能力。可以回顧下當年Netscape瀏覽器(qi)從1.0到(dao)2.0的(de)重(zhong)寫(xie)過程，很多人認為這(zhe)就(jiu)是(shi)(shi)它(ta)輸給Internet Explorer的(de)原因之一。
寫出一個系統并不難，難的是維護它，并保證它的魯棒性。我(wo)覺得(de)我(wo)們正處于定義(yi)“下一代軟(ruan)件(jian)開發體系(xi)”的初期階段，我(wo)非(fei)常期待它(ta)將如(ru)何演(yan)化。
主持人：當你這樣的人在談論要打造一種類似《黑客帝國》的編程體驗，并認為這可能是未來的開發方式時，我真的覺得我們已經身處未來了。我迫不及待想看到它成真——這將是一次偉大的機會，也是一個非常有趣的項目。
八、從谷歌版黃頁到谷歌地圖，創造全新體驗是成功產品關鍵
主持人：你在職業生涯中獲得了許多難以置信的成就，我們稍后會談到這些。但我想先從反面案例開始，聊聊你犯下的重大錯誤。你在構建產品時犯下的最大錯誤是什么？
Bret Taylor：這件事可能算(suan)不上最大(da)的(de)錯誤(wu)，但對(dui)我來說意義(yi)重(zhong)(zhong)大(da)——這是我作為谷歌產品經理的(de)第一次重(zhong)(zhong)大(da)失誤(wu)，也(ye)成為我作為產品經理成長(chang)過程中(zhong)的(de)重(zhong)(zhong)要轉折點。
我(wo)(wo)在2002年(nian)底或2003年(nian)初(chu)加入谷歌，是最早(zao)的助理(li)產(chan)品(pin)(pin)經理(li)之一，起(qi)初(chu)負(fu)責搜(sou)索(suo)系統，將索(suo)引規模從(cong)10億擴展到100億。表(biao)現(xian)不錯后，我(wo)(wo)得(de)到了Marissa Mayer（谷歌第(di)一位產(chan)品(pin)(pin)經理(li)）的信任，被安(an)排負(fu)責一個(ge)全新產(chan)品(pin)(pin)項目。
對我(wo)來說，這是(shi)一次(ci)重要機會，也面臨很多人(ren)的審視，畢竟我(wo)是(shi)個剛起步的年(nian)輕(qing)產(chan)品經理。
交給我的任務是：做本地(di)搜(sou)索(suo)。當(dang)時(shi)黃頁仍占主導，谷歌擅長搜索網(wang)頁，卻(que)不擅長找水(shui)管工或餐廳，因為這類信息當(dang)時(shi)在(zai)網(wang)上并不豐富(fu)。即使存(cun)在(zai)，你(ni)也(ye)需要更精準(zhun)的結果——比如在(zai)舊金山(shan)找水(shui)管工，而(er)不是(shi)曼(man)哈頓。這既是(shi)技術問(wen)(wen)題，也(ye)是(shi)產品(pin)和內容問(wen)(wen)題。
我作為產品經理負責的第一版產品叫谷歌本地（Google Local）。現在回頭看，基本上(shang)是Yahoo黃頁翻(fan)版(ban)，只是把黃頁(ye)搜索嫁(jia)接(jie)在谷歌搜索之(zhi)上。通過精心構造的查詢，你(ni)可以在搜索結果頂部看到這些列表(biao)，我們還有一個(ge)獨(du)立站點。
▲谷歌(ge)本地測試版（圖源：Version Museum）
谷歌(ge)本地重要到甚至(zhi)出現(xian)在谷歌(ge)首頁的導航欄里，與網頁、圖片并列。谷歌(ge)首頁幾乎(hu)任何(he)鏈接都能帶來巨大流量，但(dan)盡管這樣，谷歌(ge)本地表(biao)現(xian)并不好。在擁有谷歌(ge)首頁鏈接的情況下表(biao)現(xian)不佳，實在有點尷尬(ga)。
對產品經理來說，沒有比這種流量更好的機會了，但谷歌(ge)本(ben)地(di)產品只(zhi)是“還行”，并沒有差異化。回頭想(xiang)，人們為(wei)(wei)什(shen)么要(yao)用(yong)它(ta)而(er)不(bu)是(shi)Yahoo黃頁(ye)？甚至為(wei)(wei)什(shen)么要(yao)用(yong)這(zhe)些產品(pin)而(er)不(bu)是(shi)黃頁(ye)本(ben)身(shen)？它(ta)們只是(shi)把以前的黃頁(ye)數字化(hua)了(le)。
我和Marissa、Larry（谷歌創始人(ren)(ren)、前CEO）等人(ren)(ren)進行了(le)一次艱難的產(chan)品評審，雖(sui)然沒(mei)有要被炒魷魚，但我的“光環”確實黯淡了(le)一些。他們(men)給了(le)我一個機(ji)會做(zuo)(zuo)下一個版(ban)本，我的團隊(dui)花了(le)大量時間(jian)思考如何做(zuo)(zuo)出更(geng)吸引人(ren)(ren)的東西，而不(bu)是簡單(dan)的數字化黃頁(ye)，也不(bu)是簡單(dan)復制其他產(chan)品。
最終，我(wo)們找(zhao)到(dao)了一(yi)(yi)條思(si)路，這(zhe)一(yi)(yi)產(chan)品(pin)就是谷歌(ge)地圖(tu)。我(wo)們原本的搜索結果(guo)旁放了一(yi)(yi)個小(xiao)地圖(tu)，但(dan)一(yi)(yi)直是產(chan)品(pin)里最丑的部分，內部也常吐(tu)槽。但(dan)如果(guo)顛(dian)倒層級，把地圖(tu)作為畫布會怎樣？
我們找到了Lars和Jens Rasmussen兩兄弟，他們正在做地圖產品。把他們招進公司后，我們開始探索這個方向，最終把(ba)地(di)圖(tu)、本地(di)搜索(suo)、行車路線等當時各自(zi)獨(du)立(li)的產(chan)品類別(bie)整合成谷歌地(di)圖(tu)，重新定義了行業，也改變了我的職業生涯。
作為產品領導者，這讓我徹底改變對產品的看法：你可以從從(cong)功能和(he)特性的角度思考問題，但(dan)也該思考“人們(men)為什么要(yao)用它(ta)”。谷歌地圖推出(chu)第一(yi)天就有約1000萬(wan)人(ren)使(shi)用，這(zhe)在當時(shi)互聯(lian)網(wang)的規模下非(fei)常驚人(ren)。
▲2005年，谷歌地圖測試版（圖源(yuan)：Medium）
2005年8月，我們整合了收購的(de)(de)Keyhole（后來的(de)(de)谷歌地球(qiu)）提供(gong)的(de)(de)衛(wei)星圖(tu)像，當天(tian)就有(you)9000萬人使(shi)用(yong)，每個人都(dou)想看看自己家的(de)(de)屋(wu)頂(ding)長什么樣(yang)。
谷歌地圖成功背后的經驗是：新技術出現時，與其直接將過去的體驗數字化，不如創造全新體驗，回答新客戶“我為什么要用它”的問題。谷歌地圖真正原生地利用了平臺優勢，這(zhe)是紙質(zhi)地圖做不到的，是重大(da)突(tu)破。
衛星圖像雖不是谷歌地圖最重要的(de)部分，卻是“錦(jin)上添花”，形成(cheng)了(le)病毒式傳播，甚至(zhi)上了(le)《周(zhou)六(liu)夜現場》這(zhe)檔爆款電視節(jie)目，那一刻我們感覺(jue)這(zhe)款產品真的(de)成(cheng)了(le)。這(zhe)也說明產品設計時要區分“為什么(me)用它(ta)”和“長期價值(zhi)”，這(zhe)些經驗和教訓伴隨著我后續所有產品的(de)設計過程。
主持人：這故事太棒了，一是讓人知道即使像你這樣成功的人也曾在谷歌CEO面前犯下大錯，二是產品方面的經驗，在現有的產品上稍作改進，往往很難成功，要找全新體驗、差異化、更有吸引力的東西。
九、優秀創始人應保持身份靈活，做能產生最大影響力的事
主持人：我們換個角度，來聊聊你的成功。你幾乎把產品經理、工程師、CPO、COO、CTO、CEO等角色都干了個遍，極少有人能在所有這些層級和角色里都取得成功。你認為哪些心態、習慣或工作方式，是你刻意培養，并認為最有助于你取得成功的？
Bret Taylor：這(zhe)確實是(shi)我(wo)引以(yi)為傲的一(yi)點，我(wo)為自己戴過(guo)不(bu)同“帽(mao)子(zi)”感(gan)到高興。有趣的是(shi)，當我(wo)和只在其中一(yi)份工作中認識的同事見面時，他們(men)往往用那段經歷(li)定義我(wo)。
Facebook的人把我當工程師，谷歌的人當我是產品經理，Salesforce的人則覺得我是“穿西裝的老板”，甚至懷疑(yi)我根本不(bu)會寫(xie)(xie)代碼，盡(jin)管我周末(mo)仍會寫(xie)(xie)點代碼作為消遣。
我(wo)一(yi)(yi)直堅持(chi)一(yi)(yi)個原(yuan)則：對自(zi)己的身份保持(chi)靈活(huo)。我(wo)通常(chang)自(zi)稱工程師，但更廣義地說，我(wo)認(ren)為自(zi)己是一(yi)(yi)個構建者(zhe)（Builder）。我(wo)喜歡打(da)造(zao)產(chan)品，而(er)公(gong)司是實現這(zhe)一(yi)(yi)點最有效的方式(shi)之一(yi)(yi)。我(wo)也相信(xin)技(ji)術與資本主義結合能帶來巨大(da)成果。
因此，想做出真正有意義的東西，成為優秀的創始人，就不能固守某種身份，而是要(yao)隨時變成公司最(zui)需要(yao)的(de)角(jiao)色(se)。
每位(wei)創(chuang)始人(ren)都會告訴你，銷售是(shi)他們工作的重要部分：要向(xiang)投(tou)資人(ren)推(tui)銷公司(si)，向(xiang)候(hou)選(xuan)人(ren)推(tui)銷職位(wei)，向(xiang)客戶推(tui)銷產(chan)(chan)品。你還需要良好的設計品味，不只是(shi)產(chan)(chan)品層面，也(ye)包(bao)括(kuo)營(ying)銷和獲(huo)客等。如果你做的是(shi)技術(shu)公司(si)，技術(shu)必須優先，這也(ye)是(shi)這個行業(ye)能夠不斷顛(dian)覆的原因。
我尤其感謝Sheryl Sandberg（Facebook、Meta前首席運營官(guan)），她改變了我面對新工作的方式。
當時我剛成為Facebook的CTO，這個職位一開始只是帶一個小團隊，我的角色更像是資深技術架構師。后來扎克伯格重組了公司，我突然負責平臺、移動、產品、設計、工程，直接(jie)管理的人從幾人擴展(zhan)到(dao)上千人，是我帶過最大的團隊(dui)。
▲Facebook時期的Bret Taylor（圖源：alchetron）
雖然我在谷歌(ge)也做(zuo)過管理(li)，但規模小很(hen)多。這次上(shang)任Facebook CTO，我其實做(zuo)得一般。有一次我在修(xiu)改一份(fen)發給(gei)合作伙伴的PPT，一邊改一邊抱怨質量太差。
Sheryl把我拉(la)進(jin)會議室，給我上(shang)(shang)了一(yi)(yi)堂管理課：你要把團隊帶到你的高標(biao)準上(shang)(shang)。如果有人達(da)不到，那計(ji)劃(hua)里是否也包(bao)括請他們離開(kai)？這是非常直接的反饋，像是在(zai)給我上(shang)(shang)管理學第一(yi)(yi)課一(yi)(yi)樣(yang)。
她(ta)是(shi)那(nei)種(zhong)反饋很直(zhi)、甚(shen)至可(ke)能讓人(ren)不(bu)舒(shu)服的人(ren)，但你知道她(ta)是(shi)在乎(hu)你，所以(yi)會認(ren)真聽。那(nei)晚我回家越想越不(bu)舒(shu)服，有點防御心：她(ta)說得對嗎(ma)？我真的搞砸了嗎(ma)？
第二天醒來，我想通了：她是對的。我意識到我在潛意識里把工作范圍局限在我喜歡做的事上，花時間做我熱愛的產品和技術，想著“我(wo)是老(lao)板，可以做(zuo)自己想做(zuo)的事”，而不(bu)是問(wen)“我(wo)負(fu)責的團隊今天最需要什么？”
當我(wo)(wo)換一(yi)種(zhong)(zhong)方(fang)式看待工作(zuo)，我(wo)(wo)的行(xing)為(wei)也隨(sui)之改變(bian)。讓我(wo)(wo)驚訝的是(shi)，我(wo)(wo)竟(jing)然(ran)喜歡上了這種(zhong)(zhong)方(fang)式。我(wo)(wo)原以為(wei)自己只(zhi)喜歡做工程和(he)產品，但當我(wo)(wo)讓一(yi)個組(zu)織(zhi)變(bian)得更成功，那(nei)種(zhong)(zhong)成就感遠超預期。
比如，平臺遇到(dao)合(he)作伙伴問題，我花時間處理合(he)作，看(kan)到(dao)平臺更健康，合(he)作伙伴也更成功，我為(wei)此感到(dao)自豪。我因此變得(de)更好。我意識到(dao)，真正讓(rang)我熱愛的(de)，可能不是(shi)寫代碼(ma)或設(she)計產品，而是(shi)“產生影響”。
那次對話讓我養成一個習慣：每天(tian)醒來，我都會問自(zi)己，“我今天(tian)做什么，才能產生最大(da)的影響力？”就像一個外部顧問團隊在提醒我：聚焦這些事，才能最(zui)大化目(mu)標。
有(you)(you)時(shi)是招(zhao)聘(pin)，有(you)(you)時(shi)是產(chan)品，有(you)(you)時(shi)是工程，有(you)(you)時(shi)是銷售。我(wo)變得更自省(sheng)，也更愿(yuan)意做原本不喜歡的事，因為當我(wo)看到我(wo)產(chan)生(sheng)的影(ying)響時(shi)，我(wo)就喜歡它們了(le)。
我(wo)(wo)把(ba)這一切(qie)都歸功于Sheryl。她讓我(wo)(wo)意識到反饋(kui)的力量，也讓我(wo)(wo)在給(gei)別(bie)人(ren)反饋(kui)時常常想到她——這些(xie)時刻甚至能改變職業生涯的軌跡。
主持人：我最大的收獲是這個問題：“我今天做什么，才能產生最大的影響力？”這是一個非常有力的思維工具，值得時刻記在心里。很多時候你一開始可能不愿意去做銷售或招聘，但如果那是最有影響力的事，你去做了，也許會發現自己其實挺擅長，而且也喜歡。
Bret Taylor：我想再補充一點。對創始人和產品經理來說，有一個常(chang)見(jian)的陷(xian)阱是講(jiang)錯(cuo)故事(shi)，比如把(ba)“人(ren)們(men)不(bu)喜歡我們(men)的產品(pin)是(shi)因為 X”當成(cheng)事(shi)實(shi)，告訴公司(si)里的所有(you)人(ren)，然后(hou)據(ju)此(ci)調整戰略，如果(guo)判(pan)斷錯(cuo)了(le)，可能會導致(zhi)公司(si)方向(xiang)徹底跑偏(pian)。
當你失去一筆交易時(shi)，銷售往往會歸咎于“價(jia)(jia)格太貴”，但真正的原因(yin)可能是客(ke)戶根本沒看到你的價(jia)(jia)值(zhi)——問題在于產品缺乏差異化。結(jie)果，你圍(wei)繞(rao)定價(jia)(jia)做文章，卻忽略(lve)了(le)更深層次的產品問題。
就(jiu)像分手時(shi)人們(men)不(bu)會直說“我不(bu)喜歡你(ni)了”，而是(shi)習慣(guan)性地說“不(bu)是(shi)你(ni)的(de)問題，是(shi)我的(de)問題”，因(yin)為我們(men)總想維護關系(xi)的(de)和諧。類似地，用戶(hu)或客戶(hu)在調研中給(gei)出(chu)的(de)反饋(kui)也(ye)未(wei)必準確，你(ni)必須深入分析、抓(zhua)住核心。
可惜(xi)，很多初(chu)創公司的創始人容易陷入(ru)“單議題(ti)選民”陷阱：工程(cheng)師只(zhi)信工程(cheng)能解決(jue)一(yi)切(qie)，產品設計師只(zhi)信一(yi)次redesign，而BD背景(jing)的人只(zhi)信大合作。現實中，沒有哪一(yi)種(zhong)方法能一(yi)招搞定所(suo)有問題(ti)。
真正優(you)秀的(de)創始(shi)人(ren)，會清楚地認識到自己是有偏好的(de)，人天然(ran)會更傾(qing)向(xiang)用自己的強(qiang)項去解決問題，但你(ni)需要保持(chi)警覺，時刻注意自己是不(bu)(bu)是因為(wei)習(xi)慣而選擇了這一方向(xiang)，而不(bu)(bu)是遵循真理。
創(chuang)始人(ren)需要一(yi)個(ge)能夠坦誠對話的聯(lian)合創(chuang)始人(ren)和領導(dao)團隊(dui)，共同驗(yan)證(zheng)思(si)(si)路(lu)，確保方向正確。盡(jin)管“今天我能做(zuo)的最有影(ying)響力的事是什么？”是一(yi)個(ge)極好的思(si)(si)考框架，但要準確回答它，卻比(bi)你想象的要難得多。
十、谷歌背景創始人常常忽視商業化，董事會和高質量建議有必要
主持人：你從過去的失敗中學到了什么教訓呢？
Bret Taylor：我們本來是(shi)要聊聊我的(de)失(shi)敗的(de)，有(you)點跑題了（笑(xiao)）。FriendFeed是(shi)我的(de)第一家公司。高峰(feng)期(qi)我們只有(you)12名員(yuan)工(gong)，卻是(shi)我共事過最優秀的(de)一群(qun)人(ren)。我和(he)Jim Norris、Paul Buchheit（Gmail之父）、Sanjeev Singh（Gmail首(shou)位(wei)工(gong)程師）一起(qi)創(chuang)辦，核心成員(yuan)來自(zi)谷歌(ge)和(he)Gmail。
我們做了一個社交網絡，發明(ming)了Newsfeed（信息流）和“點贊”按鈕，這些功能之后都很(hen)流行。當時我(wo)們發現平臺(tai)上有很多評論都是“Wow”、“Nice”這(zhe)樣表示(shi)“我(wo)看到了”的(de)內容，而我(wo)們想讓評論區里有真正(zheng)的(de)討論。點贊按鈕就(jiu)是這(zhe)一問題的(de)解(jie)決方案。
不過，我們(men)(men)只(zhi)在土耳(er)其、意大(da)利和伊朗流(liu)行(xing)了(le)(le)起來，后來伊朗封了(le)(le)我們(men)(men)，只(zhi)剩土耳(er)其、意大(da)利和硅(gui)谷。直到(dao)今天(tian)，還有人(ren)說“我愛FriendFeed”，我就說“那(nei)太好(hao)了(le)(le)”。
▲FriendFeed界面（圖源：CNET）
但它不是一(yi)個(ge)成(cheng)功的商業模式。我(wo)們(men)是“關注(zhu)型”社交網絡，用戶(hu)關注(zhu)特定用戶(hu)，獲取信息，更(geng)像(xiang)Twitter而非Facebook，分享的是新聞(wen)、興趣、科研等內容。那年(nian)夏天，奧巴馬和奧普(pu)拉等人都入駐(zhu)了Twitter，我(wo)們(men)被徹(che)底(di)碾壓。
我們團(tuan)隊幾乎全是(shi)工程師，埋頭打磨產品。而Twitter專注(zhu)拉名人(ren)入駐，這(zhe)(zhe)是“關注(zhu)”場(chang)景下顯而易見(jian)的策略：如果要打造(zao)一(yi)個基于關注(zhu)的社(she)交網絡(luo)，那就得拉一(yi)些值得關注(zhu)的人(ren)加入。雖然(ran)我們(men)功能更(geng)(geng)多(duo)、上線更(geng)(geng)快、幾乎零宕機，但(dan)我們(men)卻輸(shu)了，這(zhe)(zhe)一(yi)失敗和產品本(ben)身沒有任何關系。
這也說明了谷歌出身的創業者一個通病：在谷歌太(tai)順了，產(chan)品經理(li)往往忽(hu)視分發、設計，甚至不思考商(shang)業模式，因為從廣告上已(yi)經賺得盆滿(man)缽滿(man)。相比之(zhi)下，PayPal黑(hei)幫這樣(yang)的人在創(chuang)業上學得更(geng)多，我們(men)被現(xian)實(shi)打(da)臉了。
我可(ke)以說出FriendFeed產品方面的很多問(wen)題，但我認為(wei)那不是(shi)失(shi)敗(bai)的關鍵。我后來逐(zhu)漸補齊(qi)了短板，但如(ru)何準確判斷應該做什么是(shi)很困難的。沒經驗(yan)時很難有直(zhi)覺。
做FriendFeed時，我不是找不到(dao)名人加入，而(er)是根本(ben)沒去找有經(jing)驗的人咨詢相關(guan)問(wen)(wen)題。科技圈信息很多，難的是選擇聽(ting)誰的。我們當時太專(zhuan)注(zhu)產品，沒請外部(bu)人指出問(wen)(wen)題，也沒請教行業(ye)專(zhuan)家。這讓我成為董事會和高(gao)質量建(jian)議的堅定信徒。
主持人：如何判斷誰的意見值得聽？
Bret Taylor：這確實需要判斷力。有一點很重要：一個人表達意見(jian)時(shi)的自信程度，和意見(jian)的質量往(wang)往(wang)并不正相關。現在播客(ke)這么(me)多(duo)，有時我對非常熟悉的話題，發現最自信的說法其實錯得離譜(pu)，卻極具說服(fu)力(li)。所以(yi)得靠(kao)判斷力(li)。
一(yi)個辦(ban)法是：不僅問“我該怎么做(zuo)”，還問“我該去問誰(shui)”。你會發現有些(xie)人總被(bei)反復推薦，那就是強信號。
另外，問建議時不要只問“做什么”，還要問“為什么”。像(xiang)個兩歲(sui)小孩一樣(yang)不(bu)停地問“為什(shen)么”，直(zhi)到(dao)你理解對方給出建議的框架(jia)。
其(qi)實(shi)，大部分建(jian)議(yi)往往來自極少數經歷，人們會說“永(yong)遠(yuan)別做X”或“永(yong)遠(yuan)做Y”，但那其(qi)實(shi)只是某次經歷讓他們后悔(hui)或慶幸。得多問問不(bu)同(tong)人的意見，據此整理出你(ni)的第(di)一性原理，應(ying)用時(shi)要分情況，而不(bu)是簡單照抄。
說到底，判斷(duan)力(li)來(lai)自(zi)自(zi)省(sheng)和復(fu)盤。如果你做了(le)一(yi)個糟糕的決定，花時(shi)間反(fan)思為(wei)什么，并持續提高自(zi)己的判斷(duan)力(li)——這才是(shi)優(you)秀創(chuang)業者或(huo)產品(pin)經(jing)理的核(he)心能力(li)。
其次，當聽(ting)取建議(yi)時，一定要(yao)弄清(qing)建議(yi)的(de)(de)(de)來源和背后的(de)(de)(de)原因(yin)，這(zhe)樣你才能形成自己(ji)獨(du)立的(de)(de)(de)觀點(dian)；同(tong)時要(yao)意(yi)識到，任(ren)何(he)人的(de)(de)(de)建議(yi)基(ji)本都不具備統計顯著(zhu)性(xing)。
十一、ChatGPT將促進教育平權，主觀能動性變得空前重要
主持人：我特別喜歡問像你這樣站在AI前沿的人，你是怎么教你孩子的。我知道你有孩子，我覺得等他們長大后，世界會非常不一樣。你會鼓勵他們學些什么東西，是你覺得和過去幾代人不一樣的，可以幫助他們在AI無處不在的世界里取得成功？
Bret Taylor：我不確定我的教育方式有沒有變化，但我確實一直在鼓勵他們把AI作為(wei)生活的一部分。我(wo)在回想，其實我(wo)1997年考AP微積(ji)分考試的時候，那時開始可以使用圖形計(ji)算器。我(wo)一(yi)直在想，在允許使用計(ji)算器之(zhi)前和之(zhi)后，微積(ji)分考試內容有沒有發(fa)生(sheng)變化？我(wo)猜是(shi)有的。
因(yin)為一旦允許在考(kao)(kao)試(shi)中(zhong)使用計(ji)(ji)(ji)算器，就(jiu)必(bi)須確(que)保考(kao)(kao)試(shi)題目不(bu)會(hui)因(yin)為是(shi)否使用計(ji)(ji)(ji)算器而給學生帶來(lai)不(bu)公平的優勢，這(zhe)就(jiu)迫使出題人重新思考(kao)(kao)題目設(she)計(ji)(ji)(ji)，用來(lai)考(kao)(kao)察(cha)的是(shi)微積(ji)分(fen)知識本身，而不(bu)是(shi)計(ji)(ji)(ji)算能力或(huo)圖形計(ji)(ji)(ji)算器能完成的事(shi)情。
我認(ren)為，現在的大部分教育體(ti)系并沒有假設(she)每個人口袋里都有一個超級智能。如果你讓學(xue)生寫(xie)一(yi)篇(pian)關于某本書(shu)的作(zuo)文，其(qi)實他們完全可以(yi)用ChatGPT這類產品“編”出一(yi)篇(pian)文章(zhang)。如果他們足(zu)夠擅長提示詞(ci)工程，甚(shen)至老師可能都看(kan)不出來是AI寫(xie)的。
那(nei)么該怎么辦？我(wo)們(men)該如(ru)何以不(bu)同的(de)方式教育孩子？對(dui)老師來說，現(xian)在真的(de)很難，因為教育還沒(mei)完成像當年“加入(ru)計算器”的(de)那(nei)種(zhong)轉型。現(xian)在我(wo)們(men)用來評估學生的(de)很多(duo)方法，都已(yi)經被ChatGPT這(zhe)類工具打破了，正處于(yu)一個(ge)很尷尬的(de)階段。
但(dan)我(wo)認為依然可(ke)以(yi)(yi)教(jiao)孩子如(ru)何思考，也(ye)可(ke)以(yi)(yi)教(jiao)他們如(ru)何學(xue)習。我(wo)們的(de)教(jiao)育系統終究可(ke)以(yi)(yi)趕上(shang)技術發展的(de)步伐(fa)。事實上(shang)，我(wo)覺得這些(xie)AI模(mo)型可(ke)能(neng)是人類歷史上(shang)最有效的(de)教(jiao)育工具之一。如(ru)果一個老師的(de)教(jiao)學(xue)方(fang)式不是你喜歡(huan)的(de)風(feng)格，現(xian)在你可(ke)以(yi)(yi)回家(jia)請(qing)ChatGPT用(yong)另一種方(fang)式教(jiao)你。我(wo)的(de)孩子在考試前會用(yong)ChatGPT來做自(zi)測，他們可(ke)以(yi)(yi)選擇語音模(mo)式或聊天模(mo)式，比(bi)用(yong)抽認卡效果更好(hao)。
我女兒帶回了(le)一(yi)(yi)(yi)本莎士比亞的(de)書，有(you)一(yi)(yi)(yi)頁她看不(bu)(bu)懂，她拍了(le)張照片，ChatGPT解釋得(de)比我好得(de)多。我覺得(de)，今(jin)天(tian)這(zhe)個(ge)世界(jie)上每一(yi)(yi)(yi)個(ge)孩子都擁(yong)有(you)一(yi)(yi)(yi)個(ge)專屬(shu)的(de)個(ge)性化導師(shi)，能(neng)(neng)以(yi)他們最擅長的(de)方式教學(xue)——無論是(shi)視覺、聽覺還是(shi)文字(zi)閱讀。我們現在有(you)一(yi)(yi)(yi)個(ge)平臺，不(bu)(bu)僅(jin)能(neng)(neng)教學(xue)，還能(neng)(neng)出題、測驗(yan)。我覺得(de)AI是(shi)一(yi)(yi)(yi)個(ge)“行動(dong)力(li)放(fang)大器”。對于那些有(you)主觀能(neng)(neng)動(dong)性的(de)孩子、渴望學(xue)習的(de)孩子來說，他們等于擁(yong)有(you)了(le)所(suo)有(you)曾教過(guo)他們的(de)好老師(shi)的(de)能(neng)(neng)力(li)集合。而他們可(ke)以(yi)隨時調用這(zhe)種(zhong)能(neng)(neng)力(li)。
我(wo)家孩子中，老大學會(hui)了編程(cheng)，她正在做一個(ge)(ge)網站，每次她問(wen)我(wo)問(wen)題(ti)，我(wo)都讓她自己去問(wen)ChatGPT，并不(bu)是(shi)因為我(wo)想(xiang)當個(ge)(ge)討人嫌的爸爸，而是(shi)我(wo)覺得(de)她必須學會(hui)使用這個(ge)(ge)工具，因為它真的太強大了。所以我(wo)真心希望她們能學會(hui)如何建設性地(di)把它融(rong)入生活(huo)。
話雖如此，我對現在的公立學校老師非常有同理心。這太難了，因為技術的變化速度遠快于教育系統的適應速度，尤其是在學生評估這一塊，現在的確對老師是巨大挑戰。我也擔心，因(yin)為這些技(ji)術放大了(le)主觀能(neng)動性(xing)，反過來，如果(guo)孩(hai)子沒(mei)有主觀能(neng)動性(xing)，情況可能(neng)也會很(hen)糟糕。
當然，我(wo)(wo)知道圖(tu)形(xing)計(ji)算器不等(deng)同于ChatGPT，但我(wo)(wo)們(men)(men)曾經設法成(cheng)功地讓作業(ye)、課堂教學和考試與已(yi)有的技術工(gong)具相適應，我(wo)(wo)相信我(wo)(wo)們(men)(men)這次也能做到。從更積極(ji)的角度看，我(wo)(wo)自己(ji)就是上(shang)公立學校的，有時候你會遇到一些很差勁(jing)的老(lao)師，而現在(zai)孩子(zi)們(men)(men)有了另(ling)一種出路。不再只有富人家的孩子(zi)才(cai)能請得起家教，現在(zai)每個(ge)孩子(zi)都可以(yi)獲得輔導。
如果你是一個在(zai)數(shu)學(xue)方面(mian)很有(you)天賦的(de)(de)孩子(zi)，但你所在(zai)的(de)(de)學(xue)校沒有(you)開設高(gao)級統計(ji)學(xue)課程，那么現在(zai)可(ke)以自學(xue)了(le)。我(wo)覺得(de)(de)這(zhe)能極大地推動教育(yu)的(de)(de)普惠，特(te)別是對那些有(you)主觀能動性的(de)(de)孩子(zi)來說，這(zhe)真(zhen)的(de)(de)令(ling)人興(xing)奮(fen)。我(wo)真(zhen)的(de)(de)希望，現在(zai)某個11歲的(de)(de)孩子(zi)，10年后(hou)能創辦一家了(le)不起的(de)(de)公司，而ChatGPT會(hui)是他最主要的(de)(de)導師，幫(bang)助他走到那一步。我(wo)覺得(de)(de)這(zhe)太(tai)酷(ku)了(le)。
主持人：我現在有一個兩歲的孩子，我感覺人生像進入了一個又一個的階段，比如說什么時候給他手機、什么時候讓他用Snapchat之類的東西——這些年孩子們都在用什么。現在還多了一個新問題：什么時候該給他們開通第一個ChatGPT賬號？
Bret Taylor：我(wo)個(ge)人的看法是(shi)，ChatGPT不同于前面提到(dao)的那些。我(wo)不認為(wei)手機對在校學(xue)生(sheng)或兒童有(you)多大好處，我(wo)是(shi)主(zhu)張盡量晚一點給孩子手機的。但ChatGPT更像(xiang)是(shi)谷歌(ge)搜索。口袋(dai)里有(you)個(ge)讓(rang)人上癮、推送不停的設備是(shi)一回事(shi)，而用(yong)AI來學(xue)習是(shi)另一回事(shi)。我(wo)覺(jue)得這兩者完全(quan)不同。
我真心(xin)認為AI本質上就是(shi)一種(zhong)“公共產品”。以前還沒有ChatGPT的(de)(de)時候，幾乎沒有家長會問“我孩子什么時候能用谷歌搜索？”因為那是(shi)不同類型的(de)(de)工具，我也是(shi)這樣看待這類新(xin)技術的(de)(de)。
最新評論