AI Native了，然后呢？谈谈这个时代的品牌和好品味

本文整理自沈帅波 × 范凌播客对谈。

沈： 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。

范： 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 + design。最早我们希望用科技赋能各种各样的想象力，跟营销、创意这些有关。科技毫无疑问是人工智能，从十年前开始我们就做 AI 来生成各种各样的内容，主要用在企业营销的场景，百分之八九十是营销。

过去这两三年，我们发现了一个机会。以前数据有两类，一类是结构化的数据，在 Excel 表格里面那些；还有一类是非结构化的，图文视频等等。原来机器很难处理非结构化数据。但大语言模型出现，让理解非结构化数据这件事变得容易很多。所以我们原来只在营销场景做的内容管理、生成、分发、分析、匹配，一下子就变成可以做整个企业非结构化数据的管理了。

上面再变成大语言模型可以理解的，就是 Context System。在应用场景上，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。所以用户为起点，有两件很重要的事情：一件是给用户讲好故事，就是营销；另一件是给用户提供好服务，就是产品创新。我们希望把这三个部分用 AI 帮企业提效、转型，这就是我们现在在做的事情，我们把这整套东西叫做 GEA——Generative Enterprise Agent。

沈： 大家都有点魔怔了。什么活动不讨论 AI 就不对，还有"蒸馏你的同事"、"全民养龙虾"……有的 skills 是叫查天气，我为什么不在手机上看一下天气呢？你怎么看这件事？

范： 过去这一年 AI 的变化非常快。DeepSeek moment 就一年多以前，从那时候开始 AI 可以开始想了——以前 AI 是生成内容、生成文字，那一刻 AI 开始思考了。去年年底是 Claude Code 或者 GPT-4.6，AI 可以很容易地调用电脑了。既然能操作电脑，就代表能做原来用电脑干的所有事情。

所以我一直在公司里说，以后坐着的工作都会被 AI 取代。我们得经常站着工作，得去见见用户。站着的那些工作可能会更有价值。最近的变化就是，AI 操作电脑以后，可以做所有知识工作者的工作了——做的好与不好另当别论，但他已经开始基本上把所有知识工作者的工作都可以开始做了。

沈： 企业买了你们的产品，是说能把原来对接你们的人都开掉了吗？

范： 这个挺有意思的。很多企业第一个 AI 是类似 Copilot 的东西，给每个人加一个 AI 助手，让每个人提效 20% 到 30%。去年会有一些公司说在组织架构图里放上一些智能体，但组织架构图还是原来的，只是中间有些角色可以放到智能体。今年大家讲的更多是 AI 原生的组织，应该以 AI 的方式或 AI 优先的方式重构组织。不管我们做的 GEA 也好，还是这么多 AI 工具也好，本质上都期待能够助力用户变得更 AI 原生，而不是只是让他的一个胳膊变得更强大而已。

但挑战又变成不是一个技术的挑战。最近有一篇很火的推文说，有两类人：一类是员工，用 AI 怎么用都觉得不够好；另一类是 CEO，用 AI 能想象到很多爆发性的场景。所以同一个 AI 会有完全不同的用法。现在 AI 已经不仅是一个技术问题，很大程度上是个组织的思路问题，是组织生产关系的思路问题。

沈： 我最近去了好几个五百强公司，大家都憧憬 AI，但变化并不大。到底什么是 AI native 的组织？以前的组织哪里不行了？

范： 讲一个很直观的画面。上一次这样的改变叫电气革命。工厂里先把所有蒸汽机改成电动机，这件事很容易做，你立马可以看到电动机更高效、更省能源。但什么时候开始以电动机的方式重新设计工厂呢？是 30 年以后。1900 年左右大家开始把蒸汽机改成电动机，到 1930 年左右才有了第一个电气工厂，那时候才有了新的管理学理论，泰勒主义等等。

所以组织上的改变没有那么快，工具上的改变非常快。现在所有企业，只要你不是今天成立的，都会存在一个过程：怎么样把过去搞明白，包括员工具体的组织形态搞明白，才会有怎么改造成新的。

沈： 你还是没回答我，怎么向新走？AI native 的公司，它到底是什么组织架构？

范： 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。

比如我们做了一个用大语言模型理解用户的产品叫 Atypica。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，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，你就可以 7×24 小时让他去想客户在想的问题，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。原来可能一年半年做一次用户调研，现在每天可以和他交流来产生用户洞察。如果每天都可以用一杯咖啡的价格调研一次，是不是会带来对用户理解的根本改变？

我们还有一个场景，现在很难有单品大爆款。很多企业说我要做更多新品创新，要更细分的市场。但新品创新的人不会增加，所以我们做了一个新品创新的 GEA——7×24 小时在后台不停寻找市场信号，有点像量化交易那种。交易的信号、舆情的信号、社媒上突然火的东西、新的 IP、用户吐槽或者表扬的 voice of customer，这些信号聚合起来，每天持续做新品创新。

这不代表 AI 做新品创新非常好，只代表 AI 能在前面批量化、比较暴力地出量。人就不用做 0 到 60 分的事儿，从 60 分开始接力，做更完美的东西。原来我们花很多时间把东西从零做到 60 分，现在应该让 AI 做前面的，批量化自动化，让人去找到那个灵性感性的部分。

沈： 大数据时代就有品类雷达这样的东西，阿里他们也做了很多。大数据和 AI 产品本质上有区别吗？

范： 区别还是很大的。大数据时代，核心竞争力是数据——你要有足够多的数据，所以大的平台才能拥有这些数据能力。但这么多数据怎么变成处理能力是非常弱的。

大模型时代，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，这些都已经在模型里了。所以你不再需要大数据了，你需要一些好例子或者好数据，把大模型里边的洞察 prompt 出来。大语言模型时代，这样的产品会更为你而设——你的观点告诉他，他把数据处理，把那个好的东西给你。

沈： 人的创意现在还重不重要？还是说以后机器来创意了？

范： 这个问题还蛮难回答的。我一直觉得人的创意非常重要，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，阿里跟我说他们公司有 2000 个设计师，整个阿里生态有 200 万设计师，而且背景都很好——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了。这些投图难道真的需要这么好的设计师去做吗？当时做 AI 就是为了让他们从这种优化目标很明确的工作中解放出来，从而能做一些更非结构化的东西。

现在也是一样，AI 作图能力更强了，但创造力依然重要。只是原来很多被以为是创造的行为，事实上没有那么多创造力。AI 是个概率模型，它只能让大家趋同，不能求异。差异还是来自于人的干预——你的设计师提了一个很不一样的角度，这个产生差异，否则让 AI 全都是收敛型的。

但有一个改变：原来产品经理、设计师做完以后要去找开发。现在设计师对结果的真实控制比原来容易很多。原来做一个网页，设计师的眼睛是像素级的，前端工程师可能是毛估估的。现在设计师自己就可以把这些都实现了，我觉得这是大大赋能了有创造力的人。

沈： GEA 和现在很多公司做的数字员工，本质区别是什么？

范： 我们有一些历史原因。原来我们帮大概 200 家世界 500 强的企业管他们的数字资产——图文视频这些非结构化的东西，这些就是大语言模型要读的上下文。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很多工作是创造内容，现在未来很多工作叫 farming——来打理这些上下文。这些上下文本来就存在我们系统里，所以我们很自然地从上下文的维度切入进去。上下文像是土壤，模型像是种子，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。

第二个是，我们不想只做一个数字员工。我们想重构一件事情——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？我们希望用 AI 重构企业里最核心的营销、产品创新和用户洞察这三个领域。

沈： GEA 和现在很多公司做的数字员工，本质区别是什么？

范： 我们有一些历史原因。原来我们帮大概 200 家世界 500 强的企业管他们的数字资产——图文视频这些非结构化的东西，这些就是大语言模型要读的上下文。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很多工作是创造内容，现在未来很多工作叫 farming——来打理这些上下文。这些上下文本来就存在我们系统里，所以我们很自然地从上下文的维度切入进去。上下文像是土壤，模型像是种子，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。

第二个是，我们不想只做一个数字员工。我们想重构一件事情——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？我们希望用 AI 重构企业里最核心的营销、产品创新和用户洞察这三个领域。

沈： 这三个领域以前特别依赖手感和第六感。那你觉得以后这个事情会变吗？

范： 手感依然很重要。最近有个词突然出现，好多人在讲——复旦王德峰教授、张笑宇，都在讲 tacit knowledge，隐性知识，就是手感。上海话叫"搜司"，你说不清楚的那个感觉。用同样的原材料烧出来的饭就是不一样的味道，这就是手感依然重要。

但有了 AI 以后有个变化。比如今天我在跟一个电影公司的创始人聊，他们要做网络小说的改编。改编过程中，他们会去采访很多热衷的读者，了解他们怎么解读小说改编——三体改编有人说好有人说不好，这些狂热粉丝不喜欢看到什么。这件事一定要人去做，因为每一次交谈都有很多收获。但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。所以把聊的结果作为上下文的语料，把他们捏成 AI 的读者，这时候你可以邀请这群 AI 读者一起共创情节，在改编过程中拿这些人去测一测。

AI 可能在帮助我们降低门槛。但 AI 不能取代有洞察的人、有手感的人细水长流的交流。如果我们把它看作互补型的，那有可能这里就有一个人机协作的很好的范式出现了。

沈： 有人说会有 2028 经济危机，AI 引发大裁员。过去企业里有大量做 60 分工作的中产，被替代了没有出路，这是不是有可能发生？

范： 每一代技术来都会有一次工作的冲击。AI 这波让大家不习惯的原因，是他冲击的是白领，反而是蓝领的工作好像更安全。以前这群人教育程度最高、工作最让人羡慕，现在有可能工作威胁最大——这是大家觉得不舒服的原因。但想想工业革命的时候，冲击的也是当时最有尊严的一群工人。

这里有两个维度。第一，我作为创业者，是带着社会主义市场经济视角的。我肯定很害怕自己不在船上，所以很有紧迫感。不是因为今天做 AI 觉得这是我的春天，而是说一个技术变革给创业者的席位更少了。如果赶不上这班船，就是进保护区里了——虽然保护区环境也不错，但你任何的努力只是给自己嗨，甚至是给社会带来不良影响的。

第二个角度，这件事不只是一个商业问题，一定会是个社会问题。海外有讨论 universal basic income，中国可能还没有到那个成熟度。所以员工的重新培训上岗、重新学习很重要，社会保障也很重要。这不是企业问题，是一个社会问题。

沈： 有人说 AI 时代不会再诞生伟大的品牌了。你怎么看？

范： AI 可以加速通过时间产生价值的事情，但有些事情时间是无法加速的，比如人的物理认知时间。所以品牌只会因为 AI 更有价值，不好说会不会有新的品牌那么容易出来。

但我觉得，比如可口可乐，我相信会因为 AI 时代变得更有价值。为什么？产品变得更容易复制了，所以大家对某一个产品的信任感，来自于产品背后的历史、文化、口碑或者某些"活人感"。即使连 AI 公司，现在为什么创始人老要出来直播？因为产品同质化，你无法通过拿出产品就让别人体会到不一样，产品不稀缺，所以大家想知道产品背后的理念，或者这个人可不可爱。

你知道像 Anthropic 这样的公司，现在的营销方式不是很数字化的营销，非常回到消费品——做线下的 pop-up，给别人送一顶帽子，上面写着 "thinking head"，怕用 AI 不会思考了。前两天还有一个做法律 agent 的 AI 公司，发现上网搜 law agent 老是搜到英国演员裘德·洛，索性就请裘德·洛代言，做成公司的脸——反而回到了品牌建设的黄金状态。

现在我觉得有一个认知差：一个局外人看一家公司 90% 的人都是研发，觉得这很好，很研发型。但事实上这说明你的 go to market 做的太慢了。现在研发确实可以一个人干十个人的活，你可能就 10% 的人是研发，但另外 90% 的人需要把研发的东西跟人讲好。人和人的沟通，还是需要时间积累的，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。

沈： 你们有 50% 的线索来自于 GEO？

范： 很简单。所有大语言模型现在都是免费的流量入口。你只需要做好内容——给 AI 看的内容，别人搜或者问问题的时候就有可能把你带出来。所以现在至少不用付媒介费用，你只要做好内容就可以了。

有些人用更激进的方法，但 AI 模型只会越来越聪明，抗毒能力越来越强。你今天用偷鸡摸狗的方式做，明天 AI 模型就免疫了。投毒的方式都是很短期的，还伤害你的品牌。

现在有一种新的用户了，就叫大语言模型。你要给大语言模型做内容营销，用他喜欢的形式和喜欢的内容来讲你品牌的事情。比如说企业级智能体，别人问有什么推荐的公司，就可能推到特赞。那怎么做呢？是给大语言模型或者给 agent 看的内容规划。AI 有一些阅读习惯，跟问答有关，最好是旁征博引的问答——挺像知识宅男的，不像小红书的用户，更像知乎的那种用户。

沈： OpenAI 花 2 亿美金收购了一个播客，是不是也是这个原因？

范： 现在做产品有一个方法叫 build in public。假如我们今天不是聊这些话题，而是聊特赞的一些产品，我可能就会抛一些我想做的东西出来，下面的听众就会有一些反馈——这叫 building in public。

Build in public 的好处是，当你有了公众的反馈，你很快要不回去迭代，要不就把东西砍掉，要不就 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，你很难让所有人知道，大家都在做东西。所以 build in public 还有一件事，你连做营销都来不及了——先做完就开个直播、开个播客，讲出来了。产品经理或者创始人自己也就把这个产品讲出来了。

播客，尤其是视频播客的形态，是非常好的。可能这就是 AI 公司去收媒体内容制作方的一个很重要的原因。如果是我，我也会收的。

沈： 作为科技公司 CEO，做内容不会消耗太多精力吗？

范： 我的工作不是做内容，这是你们工作室做的事情，要有选题、精挑细选、制作等等。对我们来说，只需要把我们的产品讲出来，把产品背后的故事讲出来就可以。所以我没有花那么多时间，而且这个过程很有收获。

当你的用户跟你说，我听了你哪一个视频号，觉得这个产品功能我有共鸣，所以我用了你的产品，但我觉得你这个产品的结果不够好——这对我们做产品非常有帮助。虽然我们做的是 enterprise，但 enterprise 里边每一个也是一个个体。你能打动这些个体，你才能打动这个企业。我做内容花的时间没有那么多，你看我经常断更的，但收获很大，远远不是只是今天要去露脸卖货，而是能够把自己的想法表达出来。

沈： 你们最得意、最想强烈推给大家的产品是什么？

范： 两个东西，一个底层一点，一个是快速可以应用的。

每一个企业都要更好地了解自己的用户，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，用户数据每个对象都是死的；有了大语言模型以后，他就在模拟一个用户一样地想问题，还可以跟你交流。这个产品相当于把你的用户资产活化，可以用来获得用户洞察。甚至有一个开发者调了我们的接口用来做投资——他觉得很多投资是和情绪有关的，他模拟了很多股民的情绪来决定在 Polymarket 上在哪一个话题交易，这是有了大语言模型才能做的。

我叫它新瓶装旧酒——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：理解用户。现在全球大概有 10 万个用户，五一以后大概 5 月 10 号是我们产品一周年。一年里做了 10 万个用户，40% 在海外，30% 几在国内，发展比我们想象快。

另外一个，我前面提到每个人都能用同样的模型，但为什么有些人用这些模型解决得好，还是和上下文有关。所以我们做了一个上下文系统——在 AI 时代没有上下文就相当于你裸跑。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，驾驭模型来帮你解决问题，上下文是其中最重要的一环。

沈： 怎么在 AI 时代做产品选择？工具层出不穷，今天学了明天就淘汰了，大家很混乱。

范： 我有一个产品观点的框架。我画了四个象限：老瓶装老酒（原来的产品什么也不变）、老瓶装新酒（原来产品上加一堆 AI）、新瓶装老酒（AI 原生产品，做原来熟悉的市场）、新瓶装新酒（利用 AI 做一个原来没有在的市场）。

我不知道哪个是最优解，但我知道哪个是最差的——不是老瓶装老酒，而是老瓶装新酒。

为什么？一个企业的本能在 AI 时代，就是把原来的东西上加点 AI，比如做软件的加一堆 AI 功能。但你想想，当你加了 AI 以后，你的毛利率是降低的，因为你消耗了 token；客户看到你这产品跟原来差不多，只多了一些功能，付费意愿也没有提高；产品本身难度又增加了。吃力不讨好。但这是一个企业最容易做的决定，产品经理也好、业务 leader 也好，最容易的决定就是"我把这支笔上面加点 AI，我还是做笔的，但是是个 AI 笔"——我是觉得这是最错的一个选择。

那为什么老瓶装老酒没那么差？因为既然你的产品是上一代的产品，客户愿意继续付钱，这就相当于是你的收获期，直到客户再也不选择这个产品。你没有增加投入，所以也没那么差。

我们自己的做法是先做新瓶装新酒。Atypica 的起点根本不是说我看了市场应该做这个，而是我和我的 CTO 在想我们应该怎么做一个 AI 原生的产品。我们两个人做了半年，都是业余时间晚上周末做的，做着做着觉得过程挺有收获，客户反馈也很好。新瓶装新酒做完之后，我们就开始勇敢地做新瓶装老酒——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。GEA 就是这么出现的。

我看很多上一代技术公司，1000 个研发都在对老产品进行 AI 改造，我就都会建议他们的 CEO：不如放 1% 的人在那维护，剩下 99% 的人要不新瓶装老酒，要不新瓶装新酒去做。

沈： 我认同，但组织里的惯性本能，他明白道理但不认同他位置在哪里，所以一定会告诉你要继续下去。

范： 所以去年我们无意之间，大概有一半的中层干部主动或被动地离职。我就观察了一下，最后没有太多感觉，没有觉得好像缺了一群人。

因为当你开始做 AI 原生的产品，或者试图往 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，不太需要调配资源。第二叫安排进度——就那么几个人，例会都不用开，吃饭的时候聊一下就决定了。所以原来只做调配资源和管理项目的中层干部，存在感就很弱。要不我们对他不满意，要不他自己对自己不满意，觉得自己没有价值。

中层干部要不就往上走，承担原来 5 倍到 10 倍的目标；要不往前走，成为一个 IC，自己把活干了。

这是一个变化，不是有意的，我们没有规划说要裁多少人——我们慢慢就变成这样子了。

原来公司的形态都是按工业化的方式来组织的，职能划分比较细致，职能与职能之间的协作用 SOP 等等的方式。AI 带来一个变化是反工业化的——它是让我们人的能力更完善，更像回到文艺复兴。我通过 AI 补齐了我的一些盲点，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：这几个人每天在一起干活，但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——前端工程师甚至可以做产品，产品经理可以写前端。

慢慢我们就变成了 Pod 的制度——没几个人组成一个 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。那是不是职能不重要呢？也不是，我们把职能变成叫 community——一个人进来，可能是销售，但他也可以在不同的 community 学其他的技能，像研发、产品、做解决方案这些能力。Community 变成只关心你的个人成长：能不能教你 AI 工具，能不能教你这个领域的方法，从而让你利用 AI 有能力。Community 里边有一个很重要的 leadership——除了技能很重要之外，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。

沈： 你们人比去年多了还是少了？

范： 我们比去年多了，因为我们的增速比原来要求更高。我们今年大概翻倍的增长，去年是百分之五六十。我们人的低谷是 2023 年，做过优化。2024 年、2025 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。AI 时代是大航海时代，不是在原来地盘上精耕细作，是去发现新大陆的时代，优化人力不是我们的目标。

沈： 上下文越多，AI 越像官僚体系里的舔狗——揣摩你的心思，给你闭环，你并没有得到客观结果。前几轮如沐春风，后来慢慢就觉得不对劲。你怎么看这件事情？

范： 首先要相信技术，下一代的模型会解决一部分这样的问题。你遇到这个问题，是因为你开始深度使用 AI 了，不只是要跟他前几次对话就要一个快的结果，你开始想控制他、要求他了。

所谓 context engineering，就是通过各种各样工程化的手段，让上下文不停地变得更有效，而不是又长又臭。这是个技术和工程问题，可以解决的。

还有一个维度，企业使用有一个流程常常会被忽略的，叫 evaluation，评估。你今天证明 AI 能做这件事，不代表证明 AI 能稳定地做好这件事。所以后边有一个很长的过程叫 evaluation，不停地要对齐使用场景和 AI 输出之间的关系。这里边有很多像人类数据标注的工作，不停地告诉 AI：你不要老拍老板马屁，你要客观地描述现实。要不停地这样输入 AI，改变它的输出，从而保证稳定的输出。

沈： AI 提效有瓶颈吗？你们的 AI 客户，最后发现他还是得雇很多人来对接，而且普遍都非常忙，工作几乎没有办法用 AI。

范： 这个有两面性。第一，我如果晚上 9 点钟在公司走一圈，肯定还有不少同事在加班。你会发现他们不是因为工作效率低、能力弱加班，加班恰恰是因为他们强，而且他们用 AI 还用的很好。他们停不下来。AI 是大大地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，说要休一个月，我说完全支持，应该有空隙。不能被 AI 不停地卷——上下文越来越懂你，越来越吹捧你，你越来越想用他，想干更多有野心的事儿。这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。

第二，一个 AI 公司真的只有 10% 是研发，90% 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 介入这个过程。我们还是单线程的。所以现在 AI 的最大制约因素还是人：决策用什么、AI 怎么用的还是人。

如果你的用户还是人，那我建议还是放下技术公司数据化的坚持，不要说 90% 是研发。增加点做增长和 go to market 以及客人沟通的人，可能大家就会闲一点。

沈： 你现在正在开发什么很重量级的东西？

范： 刚才讲了两个——理解用户的 agent 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 自动每天帮你重新写一遍你的上下文。一个是 AI 很好的应用场景，不是取代人，而是理解人；另外一个是企业要用好 AI 的很重要的基座。

我们还在做创意的 evaluation 工具/平台。当我们开始学习理解用户的时候，我们想同样去理解人，来比较人和 AI 之间的差别。行为经济学用的方法叫经济游戏——囚徒困境等等，这些竞技游戏。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，来看在什么程度上 AI 没有办法模拟人，什么程度上 AI 很容易就能复制人的 pattern。

沈： Anthropic 出了一堆工具，直接把软件工带崩了。Kimi、腾讯、阿里都想干，他会不会顺势把应用层都干掉了？

范： 每一代都有 inference 层会不会干应用层这个问题。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。

你看 MiniMax 最终也是靠一些 agent 来变现的，他们甚至连自己的模型都不一定用，还是靠自己的 agent 来变现。所以他们到底是个模型公司还是个应用公司，要看实质。我们肯定是个应用公司，所以我不会有一个负担说只能用自己的模型。

没有一个 universal 的模型可以做应用。我今天写代码用 Claude，做视频用 Sora，可能过一个月做视频又换了。没有一个模型可以解决所有问题，使用场景是一个多模型协作的。所以我不觉得有一个模型公司可以干完所有事，除非这些模型公司都合并成一家。

沈： 下一个阶段最重要的事情应该是什么？

范： 前段时间有一篇文章写得很好，叫 "Context 是下一个 trillion dollar business"——万亿级的机会。现在主流还在关注模型，但事实上为了用好模型，整个应用生态已经变得很丰富了。我们希望在上下文这个层面上能做到全世界最好。这里有很多技术问题、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，我非常想看到一种 AI 公司新的商业模式出现。我们自己的 agent 的付费率是软件的十倍。为什么更多的人愿意付费给 agent？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了——agent 可以直接交付结果。

现在有人会说叫以结果付费，有人会说叫 token economics。我觉得这可能都才刚刚开始。我们最近也在试一些类似拿 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。Profit share，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。

沈： 以前我买个锤子是为了钉钉子，今天的 AI 就是那个人加上锤子和钉子，完整的 package。

范： 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，更需要创业者。

沈： AI 唯独不能做的就是决策——他能把所有选项推出来，但做不了决策。有结果的决策要有成本、要承担风险，这个是需要你自己做的。

范： 确实。AI 时代大家不是道理知道的少，反而道理知道的更多。但勇敢，永远是稀缺的。

沈： 大公司未来三年会不会发生大规模裁员？中国本身产能过剩，还在提高效率，鞋厂的最大问题是库存，根本不需要提高效率。AI 到底拿来干什么？

范： 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。服务业效率不高，但能养活每一个人。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到个性化，现在还在规模化阶段。我也没有觉得悲观，反正每一代都会有这样的事情，我们父母那一代也有下岗，每一代都会有，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。我总会想有没有人文的故事可以支撑这样的想法。当年有一个印象派艺术家看到了摄影，说绘画已经终结了。结果后边有这么多新的画法，画的不像的变成一种解放——原来绘画的主要目的是要画的像，摄影出来以后，绘画不用再去模拟真相了，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。从来不会说这张画因为画的很像所以值钱，而是因为这张画表达某种观念。今天是个马桶盖儿，只要是杜尚的都很值钱。

我会更多地把 AI 当做一种解放。让我们重新回到我们的精神世界，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。

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。技术第一是个移动目标，第二讲的人太多了。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。比如你今天有 1 万家奶茶店，为什么要用 AI 去卷奶茶店里边的店员呢？你应该给他们某种支持。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。

沈： 广告业还有希望吗？

范： 我自己背景和广告业没什么关系，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领域，所以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，我反而觉得这个行业里的人是一群很有趣的人。只是在越来越效果化、数字驱动的时候，他们进广告行业不是因为要不停地优化，但没想到就变成了不停的优化。物极必反。

现在没有比品牌更重要的了，而且品牌需要时间；没有比用户心智更重要的了，用户心智需要时间；没有比 go to market 更重要的了，go to market 需要创意，需要 AI 预测不了的那些东西。

接下来会起来的，不一定是 AI 用的最好的人，反而是对 AI 最有态度的人会起来。不是 WPP，不是奥美阳狮，不是广告生意人，而是那些"不当总统就当广告人"的这些人——对他们而言又是一个很好的机会。这些人也必须得理解 AI，不一定代表他们是 AI 专家，但得理解 AI。