--- id: "WkmbKwcJk7k" title: "当软件像牛奶一样便宜，我们还要交付什么？——与郭宇聊 Agent 时代及 Vibe Coding 之后的路" channel: "INDIGO 数字镜像" host: [] guests: ["郭宇"] date: "2026-10-09" updated: "2026-10-20" duration: "1:12:09" duration_seconds: 4329 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=WkmbKwcJk7k" canonical: "https://pod-exp.pages.dev/WkmbKwcJk7k/" transcript_jsonl: "https://pod-exp.pages.dev/WkmbKwcJk7k/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 智能体","AI 编程","创作者经济"] series: ["AI 与软件"] --- # 当软件像牛奶一样便宜，我们还要交付什么？——与郭宇聊 Agent 时代及 Vibe Coding 之后的路 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** 郭宇回顾从支付宝、北京创业到加入今日头条、字节跳动的经历，并讨论抖音早期发展的偶然性，以及后来独自在东京用 Agent 和 Vibe Coding 开发产品的体验。对话围绕软件成本大幅下降后，开发者如何处理决策负担、组织分工、责任归属以及新的价值交付方式展开。 ## [0:00] 开场摘录与嘉宾介绍 · YouTube **郭宇：** 最开始我们根本没有想到抖音会发展成后来的样子。有很多人喜欢故意在视频字幕里打错字，结果一加错别字，完播率反而显著提升。未来我们得到的任何软件，都会像牛奶一样便宜。硅谷有很多不靠谱的创业公司，尤其是小公司，只是围绕大模型的一点边角料做产品。人们不一定需要最强的模型，也许只需要最适合自己的那个。让专业用户（Pro User）变得更强，一个人就能同时管理几百个 Agent Server，一个人就足以承担过去五六十人公司的规模。 **郭宇：** 但对包括日本公司在内的大企业来说，它们有很多顾虑，因为出了问题没人能承担责任。我觉得上班这件事始于工业革命，也应该在 AI 革命之后结束。你可以用半天完成过去两周的迭代，但你需要思考的问题比以前复杂得多。我看到不少工程师朋友都有些倦怠。倦怠之后，很多工程师，包括我自己，都在重新思考究竟什么值得做。 **主持人：** 你为什么在 X 上这么出名？这么多人愿意来看郭宇真人坐下来聊天。 **郭宇：** AI 越发达，人与人之间的情感连接只会越重要。 **主持人：** 欢迎回到 INDIGO TALK。这一期我请来一位认识多年的网友——郭宇。郭宇，先和大家打个招呼吧。我其实都不用怎么介绍你：经常看 YouTube、刷 X 的朋友，大概都知道你，非常有名，今天终于把你请来了。也请你自己介绍一下，毕竟有些观众还不太熟悉你。 **郭宇：** 大家好，很高兴来到 INDIGO TALK 录这期播客，我是郭宇。如果你在网上看过我的经历，可能对我已经有一点了解。我再简单介绍一下。2011 年我在支付宝工作，那是我在中国互联网行业的第一份工作。2013 年，我第一次接触到……我当时还在支付宝做过一次分享……我是那年四月接触到比特币的，当时价格刚好是 100 美元。 回头看 2013 年，很多来自南方城市、南方科技产业中心的人都往北京跑。那时中国的移动互联网开始爆发，大家都在从功能手机转向智能手机。我以前在支付宝的一些同事，也开始去做移动 App 的公司，或者 OPPO、vivo 这样的新手机品牌。所以那一年，很多人都去了北京。后来因为生活中发生了一些变化，我下定决心，在 2014 年到北京加入朋友的创业公司。我们在中关村苏州街干了大概十个月，睡过地板。当时做的是多说和图虫，微博基金也投了一部分钱。所以我和 Indigo 其实很早就有某种联系，只是当时还没见面。 **主持人：** 对，对。我 2013 年还在微博，负责开放平台的业务和投资，也负责 API。多说、图虫我都知道。 **郭宇：** 对。后来这也成了字节跳动收购我们的一个契机。因为微博早期也投资过字节，他们大概通过这种方式实现退出。总之，2014 年 12 月，我们公司……我接到了振宇的电话。他说回来聊一聊，今日头条想收购我们。当时他可没说“字节跳动”，说的是“今日头条”，因为没人知道字节跳动。我心想，今日头条是什么？那会儿北京其实有非常多创业公司，我也见过不少。 ## [4:01] 进入今日头条之前 · YouTube **郭宇：** 比如很早期的 36 氪，还有刚起步的 Keep，很多产品都在初创阶段。但今日头条并不算特别酷的产品。2014 年它刚完成一轮 1 亿美元的 C 轮融资，我们这些年轻人很少用今日头条。 **主持人：** 我记得我们应该也参与过那一轮。 **郭宇：** 对，你们投了。也就是那时，我才开始了解今日头条、字节跳动这家公司究竟是干什么的，因为之前我们都完全不清楚。加入以后，甚至有一位员工干了几个月就走了，觉得这家公司不太靠谱。 **主持人：** 太可惜了。 **郭宇：** 对。我们进今日头条时，公司已经从锦秋国际搬到盈都大厦了。盈都大厦就在知春路地铁口附近。 **主持人：** 对，知春路那边。 **郭宇：** 楼下有个沃尔玛，楼上是办公室，印象里大概占了两层。我当时根本不了解这家公司和它的产品。刚进去的一段时间，我们还在维护创业公司原来做的东西，后来才逐渐参与今日头条的一些核心产品。现在可能会把那种团队称为“中台”，不过如今似乎也没人这样说了。字节当时的组织方式是有一个非常强的业务支持部门，为各个产品提供支持；还有一个非常强的商业化部门，帮助不同产品完成广告和变现。 ## [5:38] 2015 年第一次认识 AI 驱动的公司 · YouTube **郭宇：** 就在那时候，我第一次意识到，原来有公司真的是由 AI 驱动的。 **主持人：** 那是哪一年？2015 年还是 2017 年左右？ **郭宇：** 2015 年。 **主持人：** 2015 年还没有抖音，但已经靠 AI 运转了？ **郭宇：** 对，还没有抖音，但这家公司的产品全部依靠推荐算法。我后来做分享时常讲一个挺有意思的故事。张一鸣当时让我们每个人都用公司的产品，还鼓励我们向亲戚朋友推广，最好让身边所有人都装上。有位亲戚用今日头条，却不想看到某一类新闻，于是点了“不感兴趣”。几天之后他告诉我，首页还是会出现类似内容。 我就去问推荐算法工程师：这个坏案例已经反馈了，为什么还是推相似内容？他们大概解释说，自己其实就是调参数的，每次做检索和实验，不能保证百分之百拦截这些内容。我此前没做过推荐系统，听着非常好奇：连你们自己都不知道它为什么这样工作吗？听他们解释后才明白，神经网络驱动的产品，本来就是通过不断实验来改善效果的。那个时候已经有一些代码运行在黑盒里了，和如今典型的大语言模型很相似：你无法确切知道它如何工作，只能用实验不断朝着想要的结果优化。 所以从那时起，我就觉得今日头条是一家很特别的公司。此前不论阿里巴巴、支付宝，还是我知道的其他创业公司，都没有把神经网络和 AI 作为产品的核心驱动力。十年之后这变得很普遍了。但对字节来说，2015 年非常困难：没有抖音，今日头条的日活、月活和留存都遇到了瓶颈，很多员工离职，非常可惜。到了 2016 年 12 月，我们花了十个多月做出了抖音和火山；产品上线之后，2017 年公司的整体局面才明显好转。 **主持人：** 我补充一个当时的故事。你们在做推荐算法的时候，我们也在微博改进信息流。那时我们觉得很奇怪，因为自己的推荐技术并不好，仍然依赖很多人工处理。微博又有一个问题：我们把社交关系放在第一位，也就是你关注了谁。就像现在 X 上大家会抱怨：“我关注的人发了内容，为什么看不到？” 当年我们也试着用推荐算法做筛选，从一个大池子里过滤信息，可用户就不断投诉。微博长期夹在推荐流和关注流之间，反复纠结，后来那条路也没有真正走通。 ## [8:41] 抖音的意外成功 · YouTube **郭宇：** 对，我再补充一点。文字和图片的推荐产品虽然也依赖神经网络，但它所能触及的用户规模，以及最终产生的效果，和抖音这种视频推荐产品不在同一个量级。根本差别还是受众。实际上后来我们并没有把所有资源都押在抖音上。张一鸣最早想做一个更大众化的视频推荐产品，所以很多资源给了火山视频，因为火山最初面对的就是大众群体。 抖音和火山之间的竞争持续了四五年，来来回回。最终，抖音自己完成了用户群扩张：原本主要是十八到二十岁、二十多岁的年轻人使用，后来逐渐变成从七岁到七十岁都能用的产品。抖音实现了火山原本要完成的历史任务，于是两个产品合并了。所以最初我们根本没想到抖音会如此成功。2016 年刚开始时，团队也非常小，甚至还不叫“抖音”，我记得可能叫 ZZ Video 之类的名字。 **主持人：** 后来收购了 musical.ly，对吧？合并之后又改了产品？ **郭宇：** 因为它的产品形态本来就与 musical.ly 很像。收购 musical.ly、Alex 加入以后，整个产品形态，包括推荐算法、底层核心引擎，都有了明显升级，同时又成功扩大用户群，最终成了极其主流的产品。最初确实没人料到。 我自己长期在平台团队，支持的业务变化很快。有时会支持一段时间的直播业务。我们做过一个叫《百万英雄》的产品，你可能知道。 **主持人：** 这都成历史了。 **郭宇：** 对。那时候在央视春晚上花了不少钱，大家用手机看直播，边看边答题，像知识竞赛一样。 **主持人：** 就是奖金一百万的那个？ **郭宇：** 没错。 **主持人：** 当时主持人还火了一阵。 **郭宇：** 是，挺有意思。再后来我们支持过一个所谓的 Micro Runtime，也就是抖音和 TikTok 上运行小程序的微型运行环境。我花了很长时间做那个东西。可以把游戏、各种 JS bundle 动态发布到里面。你刷过一个视频继续往下滑，看到广告，再往后可能直接出现一个能玩的小游戏。最初这些东西我也参与建设了。所以我基本一直是个一线工程师，虽然在头条待了很多年，但从来没带过团队，也不想带。 ## [11:24] 50 元获客成本，以及意外定居东京 · YouTube **郭宇：** 到了 2019 年，就算字节跳动这么擅长留存、被称作“App 工厂”的公司，获取新用户也已经很难了。有个数字我记得特别清楚：从外部拉来一个新用户，成本要超过五十元人民币，挺夸张。我觉得在那个时代，自己能做的事情差不多已经做完了。所以 2019 年年中就想离开，交接又花了大约半年。2020 年春节我先回了家，随后去日本旅行，紧接着疫情爆发，国际旅行受限，没法回北京。最后连离职手续和归还电脑，都是半年之后同事帮我在北京处理的。 **主持人：** 那你就一直待在日本了？ **郭宇：** 当时是。一次旅行竟然把我留在了日本。后来我先拿到长期居留签证，又拿到了永住资格，就住在这儿了。所以离开字节并不是一个干净利落、完全按计划进行的过程，疫情突然打断了它，很多事情都非常偶然。 **主持人：** 也是命运的安排。疫情确实改变了许多人的命运，对很多人来说是非常重要的人生转折。我大概在 2021 或 2022 年的 Clubhouse 上认识你，当时可能一起参加过节目。那时你已经离开字节，生活进入比较自由的状态。你有没有想过获得自由之后怎么生活？还有没有别的事情想做？尤其是待在日本的情况下。 **郭宇：** 其实 2019 年准备离开时，我就列了好几个选项。有朋友去了新加坡，那是字节老员工很常见的选择，可能主要想通过去新加坡改变税务身份。但我不太喜欢热带气候，虽然从小在深圳长大，却不喜欢那种天气。我还把加拿大放在清单里，而且很早就考虑过。如果当时选加拿大，我可能会在疫情期间通过 Express Entry 过去。 **主持人：** 当时好像申请的都批了。 **郭宇：** 对，基本都批了。最后选择留在东京，是因为我把各种因素打分之后，觉得日本总体得分更高。那时候我已经决定退出科技行业，过普通人的生活。 **主持人：** 你当时就决定不继续做科技了？ **郭宇：** 对。我觉得科技行业的机会主要集中在北京，而移动互联网这一轮我们能做的基本都做完了，整个周期似乎已经结束。回头看，一直到 2022 年底 AI 再次爆发，中间其实只有两三年真正可以休息，而且恰好和疫情重叠。 那几年我开始自己在 X 上发帖、写文章。2021 年疫情期间，我写过一篇文章，大意是整个时代似乎进入了新阶段，很多事突然加速。一方面是疫情带来的居家生活、远程办公和新的治疗方法，另一方面是 SpaceX 的火箭回收，当时特别震撼。我们几个合伙人从 2019 年就开始投资，投 SpaceX 完全是为了“星辰大海”，简直像是给马斯克捐款，最初没有任何收益预期，我还觉得这个项目未必靠谱。但后来技术进步越来越快。特别是刚才提到，ChatGPT 在 2022 年 11 月 30 日问世。 **主持人：** 你也炒美股。那时候我在 X 上关注了你，我们都关注美股和加密资产，平常也有些互动。AI 后来突然把美股市场带起来了。 ## [15:40] Vibe Coding：从执行者变成整支团队 · YouTube **主持人：** 前面说到 AI 的发展，大家都知道 2022、2023、2024 到 2025 年，早期主要是聊天机器人时代。2025 年年中开始，Vibe Coding 流行起来。这个词应该是 Andrej Karpathy 提出的吧？ **郭宇：** 对，应该是他提的。 **主持人：** 随着模型能力提升，人们先用 Cursor，再用越来越自动化的编程工具。我注意到你很快就重新进入了写代码的状态。你在字节的时候也主要是亲自动手做工程。现在的“动手实现”和过去本质上有什么不同？Vibe Coding 给你什么样的感受？ **郭宇：** 我觉得最重要的变化，是当 AI 接管了写代码这件事，你退到观察者的位置时，首先得适应整个身份的转变。传统技术工程师就像你刚才讲的，是执行者。我们有一支小团队，决定做什么，按一周半或者两周一个迭代周期，确定目标，完成开发、设计、测试、上线，再观察实验结果。现在有了 Vibe Coding 和所谓 Agentic Coding，过去两周的迭代，一两个人半天就能完成。 最开始我就觉得自己的角色必须改变。直到今天，我和很多人其实仍在适应。因为这意味着我必须处理很多过去不擅长的事情，还要想很多过去不需要想的问题。 **主持人：** 我猜猜是什么问题：你既要做工程师，又要做架构师、设计师，还得当产品经理。 **郭宇：** 产品经理其实是最重要的角色。无论设计、架构还是技术执行，现在 AI 都可以完成得很好。你必须擅长提问，知道如何找到合适的语言空间。本质上，要用语言约束模型的输出空间，知道怎样表达才能获得你想要的重要结果；还要知道怎样构造语言和指令，让它持续推进任务、不断运行实验。因为过程是一个循环，你也需要理解怎样根据实验结果改进下一轮尝试、调整方向。 所以编程反而成了一项比过去更复杂的脑力活动，而不再是相对简单的执行工作。 **主持人：** 所以并没有真正变容易？ **郭宇：** 对，并没有。半天能做完过去两周的事情，但需要思考的问题复杂得多。现在你只有自己一个人。我把每个人都看作 Creator、Craftsman 或 Craftswoman，也就是创作者或手艺人。只要你决定做点什么，就需要面对过去整个小型执行团队才会考虑的复杂选择，因为所有人的角色都得由你来扮演。 决策都要你来做。AI 现在还不能完全自动替你决策，不仅因为它缺乏上下文，更主要的是它没有自己的意图（Intent）。没有意图，就不可能替你完成全部决策。我也不知道现在很火的个人助理、个人 Agent，在积累足够丰富的上下文之后，是否能从只给建议发展到主动替你做决定。至少目前做不到。 所以每个人现在面对的精神负担都比以前重，要想的事多得多。从 2025 年十月、十一月到今年二月、三月，我看到很多工程师朋友在高强度工作一段时间后出现倦怠。连续两三个月废寝忘食，把以前一两年才能做的事情做完，是很正常的。人的大脑消耗的能量其实很少，跟不上 AI 的速度。不断决策会影响我们的自主神经系统，让人非常焦虑，难以平静下来认真思考。经历倦怠后，我和很多工程师都在重新想：究竟什么值得做？我们应该以什么节奏与 AI 协作？ **主持人：** 我接着补充你说的“工程师变全能”这个话题。过去一个月左右，我开始想把自己的知识管理、交易相关工具、信息管理做成产品并推出去。以前没那么多写代码的需要，最近做起来才发现，当年我在微博带产品团队、管技术和多个产品时，学会的那套写需求的方法依然很有价值，比如写规格说明、PRD 和文档。现在不需要以前那么详细，但先把思路整理清楚，再交给 AI，得到的东西往往比直接让它自由发挥更可用。当然，有时也可能限制它。所以我通常先给需求，和它一起制订执行方案，再让它去执行。这个阶段我还是把规划放在前面。你刚才说的我很有共鸣：首先自己得有想法，其次得成为产品经理，再去约束它。 **郭宇：** 不过你也知道，Claude Code 最近已经决定放弃 Plan Mode，因为 Agentic Coding 的循环本身已经足够强了。 ## [21:38] 规划模式、控制感和模型进化 · YouTube **郭宇：** 你当然可以先和它聊三十分钟，把所有要执行的规格仔细列出来，再让它一次性朝目标执行。但现在大家更想要的，是让它全天二十四小时持续运行。持续运行可以覆盖你原来希望通过计划解决的事情，因为我们人类能想到的可能还没有 AI 多。过去半年我几乎不用 Plan Mode 了。 这又带来一个问题：SOTA 前沿模型不停变化，Harness，也就是 Agent 的执行框架不断演进。你作为人类工程师，也得不停适应它的变化，这同样让不少人感到疲惫。 **主持人：** 我自己会觉得，如果不和它讨论具体执行方案和过程，就失去了一点掌控感。不知道你有没有类似感觉？我还是很希望自己参与其中，知道它究竟怎样实现。当然，有些事情我可以把抽象层次再提高一点，完全不关心代码怎么写。但有些业务层的逻辑我还需要理解。即使把一件事上升到更抽象的层次，我也仍然想知道它具体怎么做、为什么这么做。有时候我不做计划，让它先完成，再请它把思路告诉我，让我也学一点。等于让它反过来教我，这是我现在常用的一种方法。 **郭宇：** 明白。 ## [23:01] 软件不再是写死的代码 · YouTube **郭宇：** 我最近的体验是，自己越来越愿意放手。除了刚才说的身份变化，我认为还有一个更重要的变化：软件本身不再是硬编码、固定不变的东西。你当然可以用最先进的模型迅速做出一个软件，把 Web App 或 iOS App 的界面交给别人，让他们按照固定流程使用。但软件在根本上已经发生变化。 我记得有一天，和好朋友东旭聊了整整一个通宵。那时大概一二月份，他已经在同时控制几百台虚拟机，让它们连续运行一整晚去完成一个非常大的任务，一天烧掉几十亿 token。他当时说，感觉自己可以用这样一个矩阵式的 Agent 网络去构造任何软件。 我后来意识到，不仅软件的形态和结构变了，编写软件也成了一种按需行为：为了完成一项任务、实现一个目标，临时编写一个东西，做完就可以丢掉，也可以只给自己使用。 以前，我们用 AI 推荐引擎对软件中的内容做千人千面的个性化；现在，连软件本身都可以彻底因人而异。你的软件是你的，我的是我的，两者也许互不兼容，但根本不必兼容。因为我们只是想借助即时生成的软件，实现自己或某个规模很小、存续时间很短的组织的目标。所以软件本身正在改变，工程师也必须迅速调整思考方式。 包括我自己，曾经连续三四个月做了很多 Vibe Coding 产品。 **主持人：** 我看过，应该有十几个吧？ **郭宇：** 实际上做了三十多个，很多还没发布。 **主持人：** 三十多个，那确实不少。 **郭宇：** 对，公开的只是其中一些。但这和我们以前在字节做 App 工厂其实没什么区别。过去很多产品在发布前就死掉了，或者发布之后达不到目标、ROI 不符合预期，于是被砍掉。我们也停止过大量觉得没有意义的产品。 我发现自己在这个过程中还沿用着上一个时代的产品思维：为那些不会写代码的人开发软件。尤其是最近两三个月，这件事本身正经历很大的变化。我称之为 First Class Harness，也就是第一层执行框架，像 Claude Code、Codex（现在与 ChatGPT 的使用入口关联起来），或 DeepSeek Harness、DSH。这类第一层 Harness 通常由最前沿模型公司和研究实验室构建。 随着这些工具发展，过去许多必须靠单独软件提供的功能都被它们吸收、内化了。如果让这种第一层 Harness 替你做一个 CRM 或各种管理系统，可能只需要两分钟、五分钟、十分钟。面对这些需求，软件甚至不需要作为一个独立产品存在。过去开发、打包、分发软件，让别人下载使用，放进应用商店供所有人安装的模式，某种程度上正在失去意义，因为软件随时可以生成。 所以我们现在思考的，包括我自己正在经历的一个重大转变，就是这个。当然，我也必须适应新的身份：像创始人一样去思考究竟应该做什么。 ## [26:41] Agent OS：让 Agent 成为操作系统的一等公民 · YouTube **郭宇：** 更重要的问题在于：互联网下一步、操作系统的下一步究竟会是什么样子？如果你关注 AI 新闻，就会发现已经有人在构建全新的操作系统，大多是基于 Linux 做一个新的发行版。它不再让应用程序成为一等公民，而是让 Agent 成为一等公民，让 Agent 操作整个操作系统。 当然，做一个新操作系统，从基础 OS API 到复杂应用的基本能力，都需要漫长的积累。OpenAI 其实走了另一条路：买了很多 Mac，让下一代模型直接使用这些 Mac。这是个不错的选择，因为 Mac 本身是一套很成熟的 Unix 系统，工具链很完善，从创意工作到电影制作，都有很成熟的软件。 我认为这是比较合理的路线。未来你在手机上使用的东西，可能通过 ChatGPT 连接到远程的一台 Mac，比如放在家里的 Mac。它可以通过 OpenAI 的隧道、我自己设置的 Cloudflare Tunnel，回到我的家或东京的服务器。本质上，就是远程操作一台计算机。 再往长远看，这台计算机肯定会越来越专门化，变成某种 Linux 发行版。再往后看五年，所有计算资源，也就是现在机房里的服务器，可能都会改变。今天你在数据中心租一台服务器，自己装 Ubuntu 或其他 Linux 发行版，再安装一大堆软件。未来这些服务器可能就变成大纲里引用过的所谓 Virtual Agent Environment，也就是 Virtual Agent Server。我们租到的所有计算资源，也许都是由 Agent 操作整个 OS、替我们处理各种事情的虚拟 Agent 服务器。 **主持人：** 我来猜一下。我最近用 Grok Bot 比较多，不知道你有没有关注。 **郭宇：** 有，Grok Bot 很极客，也挺有趣。 **主持人：** 它底层那套 Linux 其实很像 Agent OS。因为你需要的时候，可以进去看它在干什么。它有一个小浏览器、小型 Finder 或文件管理器，还有 Terminal。但大多数时候你根本不用打开这些东西，只需要和 Agent 对话。所有 Agent 共享一台计算机，这就是 Agent OS。 我还做过一个实验：我在家里的 MacBook 上装了 Grok Bot，又在 Mac mini 上也装了一份。安装好之后，云端计算机就知道两台设备都接入了。我告诉它现在自己用的是哪台计算机，它说“你正在 MacBook 上”。我问它能不能访问另一台，它说可以通过 Mac mini 上的 Grok Bot 连接，只需要我授权。这样就形成了一种协作关系：云端计算机负责总体协调，Agent 在自己的环境里运行，也能连接本地机器。我的 MacBook、云端虚拟机和 Mac mini 因而可以共享数据。 在它的虚拟 OS、或者叫 Agent OS 里，我也完全不需要懂命令行。只要说“帮我安装 Node”“帮我安装这个那个”“我需要解决某个问题”，它就会自动安装，还会告诉我“不用打开终端，直接说要做什么就行”。整套设备就连成一个小网络，很好玩。 **郭宇：** 我也分享个事情。从今年二月开始，Codex 就支持远程 SSH 和所谓的远程控制。我在 X 上分享过两者的区别：一种是通过常规 SSH 端口控制；另一种实际上是 Codex 自己建立 WebSocket 连接，穿透私有网络，让你能通过另一台电脑、任何设备甚至手机，控制自己的全部计算资源。 ## [30:44] Agent 远程控制的安全风险与大众需求 · YouTube **郭宇：** 不过他们并没有把这点当成营销卖点。事实上，ChatGPT 的 Codex App 一直支持这些功能。我后来在自己的机房部署服务，有几台裸金属服务器跑着各种东西。买好服务器之后——现在甚至连购买也可以交给计算机——所有部署都能自动完成。服务商会往 Gmail 发一封邮件，里面有初始随机 root 密码。Agent 拿到密码，登录服务器，安装自己的密钥对，然后可以把密码删除，后面的事情全由它处理。 我第一次这样管理计算资源时，第一反应是：如果 OpenAI 被黑了，或者连接遭到劫持，会怎样？它会变成全球最大的僵尸网络。因为一个 Agent 就能控制几十万甚至上百万计算资源，这非常可怕，是重大安全风险。未来人人都通过 Agent 管理计算机，这会成为一个很严肃的安全问题。 **主持人：** 总结一下我们前面谈的：首先，软件本身及用户界面发生变化。交互层越来越像 LUI（Language User Interface，语言用户界面），形式极其灵活。不是把所有功能调好、固化成一套界面，再发给每个人使用。人们不一定需要那样做，因为每个人都可以让基础模型生成自己需要的界面。 但这里又有一个问题：我们这些做过产品、技术的人知道怎样描述需求，可普通人可能不知道怎样表达，才能得到想要的结果。这中间有门槛。你怎么看？ **郭宇：** 我觉得需求本身有很多层次。最近大家都在讨论 Facebook 的 Muse。Muse 这种产品，解决的是人们的简单任务，比如自动处理邮件、打电话。你如果关注我的 X，会发现今年三四月份左右我自己也做过一个类似东西。 **主持人：** 对，我试过，也推荐别人用过。就是那个打电话的产品。 **郭宇：** 谢谢。它发布后有很多欧洲人一直用，葡萄牙语、西班牙语用户都有。现在大家更容易用 Facebook 的 Muse，当然目前它只向美国用户开放。归根结底，这种产品满足的是大众市场非常简单的需求：我要打电话预订餐厅；到一个不熟悉的国家旅行，需要预约服务、管理信息。这些任务不再需要独立的专用软件。 Muse 实际上融入了 Facebook 的各种消息应用，像 Instagram、WhatsApp 等。它不需要额外发布一个 App 让用户下载安装，而是把这些沟通渠道和 Muse 紧密结合，再通过 Agent 管理。以前日常生活中，要用很多软件和工作流来做这些事；如今甚至不需要预先定义工作流。你只需要临时告诉它目标，它就能围绕目标持续工作，直到办成。所以我觉得这是个很好的例子。 之前做 Tuwa 时，我想覆盖一部分功能，主要是电话；做 Wanman 时，我想把各种软件整合起来，让 Agent 自动管理电话、邮件以及复杂的沟通。但接近十月时已经能看到，大型超级 App 开始把这些基本能力直接做进去。因为这些 Agent 能力可以帮助多数人解决日常需求。 更复杂的创作当然还需要更先进的 SOTA 模型。你可以围绕 Claude Code 或 Codex 做创作，却不太可能主要靠 Muse 完成复杂创作。虽然它也能做一些类似事情，但如果创作要求更高，就需要更前沿的模型。 ## [34:45] 专用软件分发的意义正在降低 · YouTube **郭宇：** 对大多数人的需求来说，像 Muse 这样的产品已经可以很轻松地完成基础任务，不再依赖专门软件。于是，专用软件的分发——英文叫 Distribution，我一时想不起中文怎么说——对，就是“分发”，现在也就不那么必要了。 ## [35:11] 智能的五个层次：适合比最强更重要 · YouTube **主持人：** 接着你刚才说的，我昨天正好想到一个分类。我们似乎已经来到这样一个阶段：人们不一定需要最强的模型，而是需要适合相应场景的模型。过去两年之所以不断追逐最强模型，或许是因为大众需求还没有稳定下来。 我大概分成五类。第一类就是你说的个人便利模型（Personal Convenience Model），比如 Muse，把日常联系、各种琐碎工作整合进模型。第二类是个人生产力模型（Personal Productivity Model）：我要写代码、创作艺术作品或做其他创造性工作，这时 Claude、Codex 或其他模型，通过更强的接口就能发挥作用。 再往上第三类是企业生产力协作，可能需要更专业的能力，使 Agent 和模型适配企业内部的工作流程。就像你刚才提到的 Agent OS，让模型学会使用 Mac mini、Linux，再在企业内部把不同系统连接起来，对模型的要求也可能更高。 第四类我觉得字节很有优势，就是娱乐与生成模型。现在有 Seedance，再加上红果的平台，我感觉已经形成了“AI 生成、人类消费短剧”的闭环。观看仍然由真人驱动，不过他们还做了别的东西。你最近不是分享过一款工具吗？ **郭宇：** 对，BytePlus 做了一个面向海外创作者的工具。 **主持人：** 对，他们基本上从卖视频生成模型，走向提供整套视频创作工具和服务，全部打包起来。个人需要便利，但更大的个人需求可能是娱乐。Seedance 或其他短剧生成、AI 交互游戏生成，未来很多小游戏和移动游戏不需要开发者直接编写了。品牌或专业创作者通过社交平台的信息流，生成可以互动的游戏，让用户直接玩。随着这些技术和元宇宙设备发展，我觉得字节和 Meta 仍会握有重要入口。两家公司都在做元宇宙，只是前几年这个概念出现得太早，晚几年也许就合适了。 第五类是科学探索，可能真正需要最强、最前沿的模型。我在录制前也提过，这类模型公司未必把顶级能力公开放给所有人使用，而是与实验室、大型药企或研究机构合作，签年度协议：“你来使用，我们分享最终收益。”我认为国防合同也可能采取类似模式。这就是我沿着你刚才的思路总结的五种层次。 **郭宇：** 说到这里，我觉得企业采用 AI 仍处在尴尬阶段。如果关注新闻，微软刚推出一套新的、面向企业工作的操作系统式方案。据我理解，以前他们用 Copilot 来操作 Office，现在把 Office 放到 Agent 之下，让 Agent 操作 Office。你可以看微软 CEO 的推文。虽然仍保留 Copilot 这个品牌，但实际是想把 Copilot 变成某种操作系统，加快以 Agent 为中心的自动化工作流程进入企业。 公司依然犹豫。一方面，不知道怎样用这类技术改变组织结构和提高效率。可以通过裁掉不再需要的岗位降低成本，但仍不明白如何围绕 Agent 重建整个信息流和资金流。目前还没有看到大企业真正全面转向以 AI 为中心。 ## [39:13] 企业责任、边缘 AI 和真实渗透率 · YouTube **郭宇：** 小公司、所谓的一人公司（OPC）或小团队，会自然而然采用这些工具作为新方案。但大企业，尤其包括日本公司，有太多顾虑：出了事情没人能够承担责任。这个变化实在太大，只有 CEO 或董事会敢拍板。中层管理者也许看得到机会，却不敢行动。有时他们甚至不敢用 DeepSeek 这类中国模型处理某些任务，担心知识被蒸馏或公司内部信息流到其他企业。所以我觉得企业采用还处于非常早期。 你前面提到 AI 数据中心的电力，也是大问题。在模型层面，我们已经可以看到一种重要的分级：用于研究的前沿模型、用于创作的 SOTA 模型和生产力模型，下面还有满足个人日常需求、响应更快、成本更低的模型，再往下是类似 DeepSeek 这样的便宜模型，使用时几乎不必太顾虑成本。 这意味着可以实现非常广泛的自动化，比如管理农场、管理各种工厂。我把这些统称为“现场 AI”（On-site AI），因为现场 AI 需要边缘计算：一天之内可能有海量信息要处理。比如一个摄像头，一天会产生大量画面，而系统只需要识别特定事件。假设是牧场，要判断哪头牛可能跑出来了，首先得识别牛。它不可能把每一张照片都传给 OpenAI，只能在边缘端让极低成本的模型全天二十四小时不断运行。 所以以现在 2026 年十月这个时间点来看，AI 在社会、组织结构和商业上的渗透仍非常初级。如果从投资角度判断，哪怕进展正在加速，我们真正完成的可能只有百分之二到三，大量问题还没解决。 ## [41:19] 2% 的专业用户与智能的商品化 · YouTube **主持人：** 我也觉得，现在真正能充分使用 AI 的主要还是专业用户（Pro Users），也就是那些积极学习、研究新东西的人。他们最先用起来。AI 产品不像游戏或传统软件：所有功能已经摆在屏幕上，点按钮就能出结果。它一开始是一张白纸，用户首先得有想法，然后才能启动、使用。 大多数人可能比较懒，或者从未认真思考怎样提问、怎样说明自己的需求，也可能根本没有想法。每天上班，老板交代任务，完成就走，回家躺在床上看电视。所以现在 AI 可能分成两种用途。一种是让专业用户更强大：像你一个人做三十多个 Vibe Coding App，同时管理几百台 Agent Server，一个人就能达到以前五六十人公司的规模，可以指挥一支 Agent 大军，相当于把你的能力放大十倍。 但很多普通人未必有这种机会。看看 Gemini、ChatGPT 的用户调查，很多人仍把它们当搜索引擎，每天问一些搜索引擎也能找到答案的问题，只是用起来更方便一点，就到此为止了。我觉得从人口分布来看，可能只有百分之二到三能成为专业用户。绝大多数人需要另一种 AI 形态来填充时间——就是刚才说的字节正在做的事情。 **郭宇：** 大众消费和娱乐一直是字节的核心。占据人们的注意力，再通过广告变现，广告是最终的商业模式。不过，红果 AI 短剧这种产品的商业逻辑现在仍然很不确定。即便像你说的，闭环已经形成：向 Seedance 付费生成视频，上传到红果，别人可能付费观看。 但在经济学上，它会变成完全竞争市场。总有人能以更便宜的 token 成本，投入更多时间、做更多实验，价格就会持续降低。最终可能只比模型生成成本高一点点，利润会薄到几乎没有意义。因为还要用计算机处理全部内容，还要支付电费。从宏观经济学看，完全竞争市场最终的价格趋近于成本。 **主持人：** 也就是谁都赚不到钱。 **郭宇：** 对，没人赚钱。于是它可能变成一种公共品。现在包括硅谷在内，有人相信智能会成为公共品，被彻底商品化。当然，这会极大提升生产力。你想想，我们去超市买牛奶，为什么牛奶便宜？因为有很多集中化工厂大规模生产牛奶。未来也可以把软件看作牛奶。为我们完成工作、实现个人目标所需的各种软件和其他工具，都会变得像牛奶一样便宜。这是非常大的变化。 ## [44:36] 迷茫、倦怠，以及等待环境成熟 · YouTube **郭宇：** 其实我的关注点已经从“创造软件”转向下一阶段：创造软件最终究竟是为了实现什么？但坦白说，我现在也挺迷茫的。前阵子我和尤雨溪（Evan You）在新加坡聊了大约半小时。他把创业公司卖给 Cloudflare 之后，也有些倦怠，正在想下一步做什么。除了更多关注私人生活、回归家庭，我认为我们还需要深入想一些问题，可能先观察三到六个月，再决定主要精力投向何处。 这让我想起，字节是在 2012 年创立的。他们花了两年验证第一件事情：推荐系统能否在图文推荐上起到显著作用。但后来真正等到了 2016 年。其实 2015 年三月，我们在冲绳开年会时就讨论过：现在的环境终于允许人们在手机上用移动数据看视频了。只有到了这个时候，视频推荐才具备足够成熟的条件，值得一试。 所以我一直在想，如果环境还不成熟，用户甚至不知道该怎么使用我们的产品，我们却沿用十年前创业的逻辑，开发软件、找到有需要的用户、再把软件分发过去，这整件事情是不是已经没有那么大意义？ 我特别羡慕现在的小孩，他们没有我们这一代人的包袱。他们在这样的时代长大，可能根本不会想着“我要做个东西卖给别人”，因为这件事可能没什么意义。孩子根本就不这么想。 **主持人：** 对。他们好像过得特别随性。其实我自己现在也挺放松的，这些孩子更无欲无求。 **郭宇：** 真的无欲无求。 **主持人：** 我家孩子也刚上大学，完全没有赚钱的欲望，就是享受自己的小爱好。 **郭宇：** 我家孩子以前特别喜欢地理，每天研究地理，也每天自己做些东西、玩一玩，还会上 Reddit。他们很有社区感。 **主持人：** 对，我们成长时有很多生活压力，他们没有。未来生活如果更富足，年轻人可能更多地围绕兴趣社区聚集，因为压力很小，只需要跟着爱好走。我觉得日本在很富裕的一个阶段、泡沫经济结束之后，整个社会就逐渐进入过类似状态。AI 可能会把我们的下一代引向这种状态。如果马斯克的那些宏大说法成真，十年、十五年之后我们不再需要钱，机器人替我们完成所有事情，我觉得也不是不可能。 **郭宇：** 有可能，确实有可能。 ## [47:37] Everything Is Media：我们究竟在交付什么 · YouTube **主持人：** 你刚才说下一代的生活状态，又说自己正在寻找意义、寻找下一个软件，或者不一定是软件，而是下一个值得交付的东西。我也分享一下自己的经历，其实有许多疑惑和你一样。以前我也投一些小公司，经常问：你们开发产品、开发软件，然后融资，是为了什么？过去两年尤其是 2026 年，我去了硅谷很多次，发现那边有不少很不靠谱的创业公司，尤其是小公司。 **郭宇：** 对，只是围绕大模型剩下的一点边角料做东西。 **主持人：** 就做一些非常小的功能，我觉得那些产品几乎没有价值。但你刚才说，软件本身都未必需要存在了，也就不必再专门开发这些功能。 我现在倒觉得，人终究还是需要和人产生联系。为什么你在 X 上这么有名，大家又为什么愿意看真实的郭宇坐在这里说话？因为 AI 越聪明、越先进，人与人之间的情感纽带反而会越来越强。我真的想看到一个真人在这里，讲自己的事情、分享自己的体验，那才有意思。所以提供真实的人味，我认为很重要。 那么具体怎样提供呢？我曾经给自己定过一个小目标：把我自己产品化。我可以发推文，你也可以；如果把我个人的注意力（Attention）变成一种产品，能不能让大家进入一个类似社区的地方？我想的很多事情，由 AI Agent 自动整理成可以分享、可以直接阅读的东西，其他人就能获得我的注意力。 我以前有过社区和一些小群，有人希望我为社区提供 API，好让他们直接阅读，让自己的 Agent 读我的 Agent 为我写下来的东西。Agent 与 Agent 之间再传递一次，也很有意思。 因此，我真正想交付的是我的注意力，并借此与别人建立连接，让不同想法碰撞。就像今天我们两个在这里聊天，非常开心，可能有许多观众也会觉得有趣，因为我们把注意力高度集中到一场对话上，再把它释放给大家。这并不是软件，而是媒体。 软件就是媒体，Everything Is Media，未来一切都是媒体。你交付的不是软件，而是媒体。你每一次 Vibe Coding 做出产品，整个过程和结果本身就是媒体的一部分。用户拿来消化、体验，满意了，就像看完一条短视频：“今天好爽，明天还想再看你做一个。”你明天再 Vibe Coding 做一个，就这样不断给他刺激。 围绕某个主题，它又会产生社区感。比如你现在关心美股，我也关注美股，同时做一些一级市场投资，会有很多人感兴趣。大家还是喜欢和真人交流，KOL 也会出现。所以我觉得人与人之间的连接特别重要。这是我个人的想法，也想听听你的看法。 **郭宇：** 我以前关注过一位创作者 Zara Zhang，她本来不是程序员，却围绕 Keynote 做了很多产品，在网上很受欢迎。她有条推文让我印象特别深：现在如果想让创业产品的 Demo 获得更多流量，最重要的一件事，就是让一个真人出镜，亲自介绍你的产品。 我觉得原因就在于 AI 生成的低质量内容越来越多，人人都能用 AI 制造各种东西，信息的信噪比就变得很低。在内容极度充裕的时代，你必须让自己与众不同，而最重要的差异化方式就是真人出镜。那样，你的内容虽然只是互联网中的一小部分，却可能是最醒目的一部分。 **主持人：** 当然，你还得擅长出镜，不能只是随便说几句。 **郭宇：** 对。其实早在独立创作者的时代，这种依靠差异化竞争的现象就很普遍了。 ## [51:39] 内容算法、注意力竞争与软件的终极目的 · YouTube **郭宇：** 很多差异化策略，本质上是“破解”推荐系统。你刷抖音时，隔一阵子就会冒出一个原本默默无闻的普通创作者，突然获得巨大流量，也许只是因为他碰巧抓住了算法里最贴近人性的某个特点。当然，里面也有技巧。 我们在字节时有专门的团队对抗这种算法利用行为。一个很经典的技巧就是错别字。很多创作者故意在视频字幕里打错字。我一开始以为是为了规避审查，后来发现，加了错别字之后，视频完播率竟然明显上涨，因为观众会回头核对错字。这样典型的算法利用手段很快会被算法工程师发现，再加以过滤。 当然，我们永远不知道创作者下一次会怎样钻算法的空子。虽然工程师设计了推荐算法，但他们实际上也只是调参数的人，没法彻底控制模型内部的逻辑。所以无论分发的是 AI 内容，还是真人内容，本质上都是在竞争人的心智和注意力。现在 AI 内容特别多，真人内容反而少；如果真人内容做得足够好，自然更容易吸引关注。在初始流量池的实验结果更好，就会被推送进更大的流量池。 你刚才说的“Everything Is Media”，我认为是非常重要的趋势。我们如今分发的究竟是什么？是软件本身，还是借助软件分发故事、打造个人品牌、通过个人品牌变现？这些过去顺着 A、B、C、D 一步步进行的环节，可能整个顺序都要倒过来。 正如我之前所说，这就是我们必须适应的重大变化，也是我一直在想的问题：创造软件究竟要达成什么目标？如果跳过软件也能达成那个目标，也许软件本身根本不需要存在。 **主持人：** 对，如果所有目标都能通过智能实现，那么有智能就够了。 **郭宇：** 对大多数人来说，假如目标只是消磨时间，不管看的是普通短视频、红果上的 AI 视频，还是 TikTok，最终都是在消费时间。所以娱乐产品到底采取什么形式并不重要。抖音抢走了腾讯大量用户时间，因为玩游戏时就不能看短视频，看短视频时也不能打游戏。长视频也是一样，所有娱乐产品都在直接争夺用户时间。形式不同，但竞争是直接的。 如果把工作和生活中的目标，都看成我们希望把时间投入何处、得到何种结果，那么中间的软件形式——商业软件、企业级 ToB 软件、工厂软件、个人 App——究竟是什么，也许完全不重要了。我认为这是我们这个时代将要面对的最大、最关键的变化。 ## [54:56] 工业革命，还是文艺复兴？ · YouTube **主持人：** 我觉得这实际上是一场工业革命，就像十九世纪左右的珍妮纺纱机。人的最终目标是做出衣服，至于衣服由人手工制作，还是工厂里的机器生产，其实不重要，只要达成目标就好。未来也是一样。 **郭宇：** 对，你刚才说到最终帮助人达成目标，我觉得值得继续想。过去也许软件本身就是目标，像“制造衣服”是目标，但对我来说真正的目标是“穿上衣服”。所以我们看待目标的层次需要再往上移。许多中间工作已经不必做了，比如编写软件。现在我知道自己不需要亲手写代码实现一套流程，只要提出要求，让它生成需要的界面，甚至不需要界面——把东西从 A 移到 B，或者让别人能看到它，事情就结束了。 **主持人：** 那么当 AI Agent 变得非常强大，人类最终追求的目标、人生的意义又会怎样改变？人会成为什么？ **郭宇：** 我想大众的生活可能还是和今天差不多。只是当基本需求更容易得到满足之后，很多人会转向自己的爱好。人的寿命可能也会更长。在更长的人生里，人们追求的可能不再是一份职业，不再是当某家公司的一个螺丝钉，而是真正想做的事情。 这有点像你刚才讲的日本：泡沫破裂以后，所谓平成“躺平”一代的生活方式。我刚退休、住到日本时，经常开车四处转。有一次到了千叶县的九十九里海滩，看见很多人正在冲浪。我很好奇，为什么工作日也有这么多人在冲浪？后来才知道，日本有不少年轻人越来越不愿意找全职工作，而是打零工，叫 arubaito。对他们来说，打零工带来自由，而且收入未必比全职差太多。 当然，这和日本贫富差距比较小有很大关系，不同工作之间的报酬差别未必很大。于是他们每周打工三天，休息四天，剩下时间做自己想做的事，比如冲浪。这样一种生活，实际上接近于物质欲望很低、基本需求已经被社会满足之后，自由追求真正热爱的事情。 兴趣可能就是兴趣，但多年以后也可能成为职业。日本一些奥运选手，比如滑板选手，并不一定从小就是职业运动员。他们只是把滑板当爱好，一年年积累兴趣和技能，后来达到专业水平，才决定参加奥运会。我觉得这很能说明平成这一代生活方式经过多年发展产生的结果。它不同于 F1 赛车手那种投入大量时间、期待职业回报的路线，更像是兴趣自然推动出来的结果。 对大众来说，大多数人可能还是想着怎么消磨时间，因为他们并不觉得自己的时间有很高的价值。但大众当中依然会有相当数量的人借助 AI 大幅提升生产力。绝对人数会远远超过传统教育体系能培养出的创作者，而且机会更平等。 一个出生在偏远村庄的孩子，过去可能无法接受标准的大学教育，想做软件也无从下手。现在即使是农村孩子，只要愿意改变、愿意主动学习，也可能做成想做的事情。这其实对应我们以前在抖音一直谈的一个非常重要的理念。 ## [58:56] 从信息茧房到创造力的解放 · YouTube **郭宇：** 如果你把抖音当成信息茧房，每天沉浸在自己想看的东西里，当然可能越来越无所作为。但如果把抖音当成观察更大世界的一扇窗，主动训练自己的推荐算法，就有机会学习任何想学的事情。想种植物、想养花，就可以主动学习怎么栽培和照顾花草。 抖音上有很多这样的创作者。我记得有一个西部偏远山区的孩子，特别喜欢走秀。他一直用塑料碎片、破布做衣服，在田间地头走台步。后来因为不断发布这种视频，竟然真的走上了意大利米兰的秀场。 在过去，你没有渠道向所有人分享自己的想法、愿望和故事。无论怎样表达，邻居、村里人可能都觉得你疯了。但有了这样的工具，就能登上更大的舞台，追求更高的目标。我觉得 AI 也一样。 对于我们这种上一代人——童年在上个世纪——可能已经形成了固定的思维方式。下一代的小孩却没有这些限制。所以我认为，以绝对人数来算，会诞生非常多有创造力的人。当然，按比例算，大多数人还是喜欢娱乐、消费、玩耍，但 AI 带来的变化巨大。即使只有很小一部分人释放出创造力，绝对规模也能带来爆发式生产力和创造力。未来会出现很多我们此前连想都不敢想的东西，这是非常有趣的时代。 **主持人：** 对。我之前可能在某个节目里说过，这一轮当然可以称为工业革命，但我更愿意把它叫作一场文艺复兴。 **郭宇：** 文艺复兴，对。 **主持人：** 就像十五到十六世纪，生产力突然提高，许多贵族花大量金钱支持门客、艺术家，结果艺术创作蓬勃发展，科学和艺术都兴盛起来。现在我们又进入了这样的时代。 刚才你讲日本平成这一代，特别好。日本其实已经经历了某种类似状态，只不过那时没有 AI，主要是经济模式造就的。如今在全球范围，我们的下一代会因为 AI 带来的生产力提升，拥有更多时间。 不过更多时间也是一把双刃剑：可能意味着找不到工作、没工作可做，当然就有更多时间。但即使没有工作，整体生活水平还是可能不断提高，社会的贫困下限也在上升。今天条件最差的人，可能也比三百年前的国王拥有更多便利设备。在这个时代，大家有更多时间，便会出现两种选择。 我们这一代乃至上一代，从小就被灌输“必须上班”的观念。工业化以后，上班作为一种社会制度已经存在了一百多年。我觉得上班起于工业时代，也应该在 AI 革命之后结束。人们不再必须上班。像日本年轻人选择零工，是因为那是他们自己真正想要的生活。当人有更多财富和时间可以自由分配，就会按兴趣选择事情。于是人群开始分化。 一部分人可能无欲无求、没有上进心，只想看短剧、打游戏，现在已经很多了。只要不对社会造成太大伤害，他们也能生活下去。但另一部分人会不一样，因为人类这个物种非常特别，总会有一些人…… ## [1:02:58] AI 文艺复兴与新的社区组织方式 · YouTube **主持人：** 总会有那些“Think Different”的人，总有些人拥有不同想法，否则人类这个物种早就不存在了。他们会抓住这场 AI 文艺复兴带来的最好机会，利用所有工具。 我昨天还在想，现在我们拥有的是真正具有无限可能性的工具。只要你有无穷无尽的想法，就可能做无穷无尽的事情。我们处在一个可以充分闪耀的时代。再过一两年，AIGC 和智能继续进步，只要一个人有足够的主动性（Agency）、有独特的人类创造力，愿意把这些和 AI 结合起来，就能做出非常多作品，也就是 Artifacts，或者各种不同形态的媒体。 有了这些东西，就会很快围绕它们形成社区。认同你的人加入进来，大家共同创作。我觉得未来社会可能从“人进入公司上班”，逐渐变成“专业用户创作媒体，很多人围绕媒体建立社区”，然后在其中形成某种自我循环的小世界。 **郭宇：** 所以社交媒体还是很重要的。 **主持人：** 对，社交媒体依然重要。我把这点补充完整了。那我们再设想一下未来。 ## [1:04:28] 给年轻人的建议：不要守着一只持续下跌的股票 · YouTube **主持人：** 这就来到最后一个话题了。我们前面其实已经碰到过这个边界。你在某种程度上是年轻人的榜样：创业、被收购、退休，已经获得了成功，现在完全可以按自己的方式生活。恰好 AI 革命到来，给了人类具有无限可能性的工具。在这样的时代，我们能给年轻人、同龄人，或者稍微比我们年轻一些的人什么建议？ **郭宇：** 我觉得现在年轻人的处境非常分化。一部分人很焦虑，担心马上失业，甚至根本找不到工作。随着 AI 降本增效，企业招聘岗位变少，很多人对未来看不到希望。 另一部分人可能还没有面临这些问题。小孩子其实对 AI 非常感兴趣，因为它能让他们做出以前做不了的各种东西，比如新玩具、以前不会开发的游戏，有太多可以玩的东西。 我相信，对 AI 在现实生活中的作用和影响来说，这两代人——正处于转型期的人和更年轻的一代——将是最具有时代特征的两代人。再往后的孩子，比如今天只有两三岁的孩子，等他们长大，AI 已经是生活中完全熟悉的东西，他们不会觉得这有什么特别。就像老人用微信、年轻人用 QQ，都只是很平常的事情。所以你的处境也取决于现在年龄多大。 如果已经到了不得不找工作的阶段，就只能不断调整自己的目标。我认为最重要的一点，就是 Indigo 刚才说的：不要再把工作奉为人生的圣经、当作金饭碗。不要觉得人一定必须上班。如果你不去上班，其实有无限种选择。 短期内，这反而可能增加焦虑，因为不知道该做什么。但之所以选择不走那条路，是为了逃离一个长期下滑的趋势。打个投资的比方：假设你被套在一只亏损的股票里，必须决定要不要退出。关键不是某个具体价位、亏多少时卖出，而是有没有更好的选择。你要问：自己是不是正站在一条非常漫长的下坡路上？ 如果上班这件事也正处在长期下坡趋势里——比如改革开放之前，很多工人，包括我父亲，在所谓金饭碗的集体工厂、国有企业或单位工作。他们觉得去南方深圳、广州经商风险极大，其中一项今天不太容易理解的风险，就是失去已经积累多年的工龄。 我父亲当年南下时，还专门每个月付几百块钱办停薪留职。为什么要保留岗位？因为他担心出去经商失败，还要回来继续上班。可几年之后，那座矿还是关闭了。东北的朋友对这种经历应该更有感触，因为当时有大量工人下岗。 所以我想对现在找工作的年轻人说，最重要的第一步是改变思维方式。不要把找一份工作看成必须追求的核心人生目标。短期会焦虑、会不知道该干什么，但从长远看，这可能是正确的方向。 当然，也要看究竟是什么工作。如果是一个非常无聊的单位，只是想抱着所谓铁饭碗，或者有人为了逃避选择而去读研究生，我觉得完全没必要。但如果你有机会进入最前沿的 AI 实验室，成为其中真正的创造者，那样的工作依然值得做。 ## [1:08:32] 自己做老板、机会成本与节目结束 · YouTube **郭宇：** 至于不去上班还能选择什么、怎么探索世界、怎么赚到自己想要的收入，我觉得中国南方的孩子往往比北方孩子更熟悉，因为广州、潮汕很多家庭都是在做生意的环境里长大的。所以深圳是一个很有意思的地方。 给那些即将找工作、又感到迷茫的听众一个非常具体的建议：第一，不要执着于寻找稳定工作；第二，可以去南方看看，看看深圳人是怎样面对这些问题的。 我上大学时有很多朋友，其中两位室友来自潮汕。大概在 2010、2011 年，他们毕业时根本没想过要上班。我很好奇，他说家里就是这个观念：宁可自己做点小生意，也不要替别人打工。他自己也说不清家里为什么会有这种想法。但观念一代代传下去，到他这里已经留下不可磨灭的印记。所以他不会给别人打工，宁可自己开个小店、做个小生意。 **主持人：** 潮汕、福建那边确实很多人是这样。 **郭宇：** 对。生意可能很小，但他就是不想替别人打工，因为他们觉得打工永远没有出头之日。我觉得在 AI 时代，这种想法特别有价值。 **主持人：** 对，自己当老板。 **郭宇：** 对，做自己的一人公司（OPC），或者以其他方式做自己的老板。如果完全不知道怎么创业，就去深圳看看。我觉得你会认识不少有经验的人，从他们身上学到非常有价值的东西。 **主持人：** 对，深圳是这样。美国湾区、旧金山其实也有类似氛围。挺有意思的。你刚才那个炒股的比喻特别形象：如果手里有只股票持续下跌，趋势一路向下，卖掉之前也许先找到另一个更有上行可能的方向，再切换过去。 **郭宇：** 对。机会成本非常高。 **主持人：** 特别高。投资最重要的，是不能白白丢掉机会成本，错过了就没了。 **郭宇：** 对，我觉得这是很重要的判断。 **主持人：** 今天聊得特别好，也很开心。从郭宇在字节的经历开始，很多细节我是第一次听他讲；然后聊到 AI Agent、Vibe Coding，软件用户界面会怎样改变，再聊到我们提前设定的 Agent OS，以及它应该怎样协作。之后谈了不同层次的智能、不同人如何使用它、智能会不会商品化，再由智能商品化聊到这个时代最重要的事情。我还用文艺复兴作了类比，最后又谈到这场新文艺复兴之后年轻人应该做什么，以及怎样看待时代变化。 我感觉我们刚好聊了七十分钟。我的节目一般是六十到七十五分钟，今天节奏刚刚好。谢谢郭宇今天做客 INDIGO TALK，这是你第一次来。希望以后有合适的机会，比如模型又进步了，我们再录一期，让大家看看郭宇又用 Vibe Coding 做出什么新东西，或者也许不能再称作“产品”了：我们不再开发软件，而是向粉丝和大家交付某种特别的服务（Service）、某种体验（Experience），让大家感受到你的新想法。 希望下次再聊。 **郭宇：** 好，感谢今天的邀请。谢谢 Indigo，下次见。