真实世界 AI 泡沫的故事
可以听听这一期播客
真实世界 AI 泡沫的故事
可以听听这一期播客
AI探索指南
- 如果你想听一些比小说更精彩的
真实世界 AI 泡沫的故事
可以听听这一期播客 - 把自己"产品化"：罗振宇如何设计一个能"自动成功"的20年人生项目？
开场：一个疯狂的赌注
如果有一个项目，要耗费你20年时间，中间还有连续4到5年几乎没有流量、没有赞助，甚至连你的团队都会产生动摇——你敢做吗?
大多数人会摇头。太长了，太不确定了，风险太高了。
但罗振宇不仅做了，还在公开场合说："这是我这辈子最划算的买卖。"
他说的是"文明之旅"——一个从公元1000年开始，每周更新一期，一期讲一年，一直讲到1912年的历史内容项目。20年，912期，超过1000万字。
当他宣布这个计划时,前员工、播客主持人羽白的反应是："我目瞪口呆。他到底在想什么？是不是疯了？"
更疯狂的是，罗振宇已经清楚地预见到了这个项目最艰难的时刻：
"从岳飞死后到明朝建立，这200年史料不清晰，尤其是元朝那将近100年，连大家熟悉的人都很少。这会占我制作周期的4到5年——没有流量,也很可能没有赞助商。那会是我极其艰难的4到5年，会发生在我60岁前后。"
他不是不知道会经历什么，恰恰相反——他已经把所有的"劫难"都算清楚了，然后依然选择开始。
为什么？
因为他发现了一个秘密：有一种项目，只要做完，就等于做成。
规模即护城河：《资治通鉴》的启示
罗振宇的这个秘密，来自一本写于1084年的书——司马光的《资治通鉴》。
《资治通鉴》写得好吗？当然好。但罗振宇说，它成功的第一要素不是"质量"，而是**"规模"**。
"这个规模往那儿一搁，大家去查过去的史实，就自然会去找它。谁也不会再去搜索那些零碎的史料了。所以规模本身，就决定了它的价值。"
这是一个反直觉的洞察。
我们习惯于认为，成功=质量×努力。但罗振宇告诉你：在某些赛道上，成功=规模×时间。
一旦你的规模足够大、持续时间足够长，"质量"反而成了第二位的因素。因为没有人能绕过你。
他用"跨年演讲"验证了这个逻辑：
"原来中国没有一个叫'跨年演讲'的东西。但因为你干了这个活，中国某个圈层的人每到年末就会觉得：好像是个事儿，我在等这个事儿。到12月31号晚上相关的东西刷屏，大家会觉得——正常。"
你看，他为这个世界的平淡湖面，制造了一丝纹理、一个小波纹。而且到点就出现，即可预期。
这就是"自我产品化"的威力：你不是在做一个项目，而是在向世界输出一种秩序。
长期主义的降维打击
更绝的是，罗振宇说他做的所有项目都带有一个特征：
"你一模仿，你就在给我抬轿子。"
什么意思？
因为他占据了"开风气之先"的生态位。只要你做长期主义的事，所有跟风的人，都在帮你往上拉高这件事的关注度。
这是一种降维打击。
别人在拼"这一期节目做得好不好"，而他在拼"这个项目能不能坚持20年"。
别人的成功取决于这一次的表现，他的成功取决于是否开始、是否坚持。
这就像爬珠穆朗玛峰。当你已经到了四号营地，天气晴朗、装备齐全、向导就位——这时候，登顶几乎是确定的事。
罗振宇说：
"珠峰就在头顶，我已经到四号营地了，旁边几个向导说'你只要上,我扛都给你扛上去'，今天又是个大晴天，一点风都没有，所有装备电池都充满了——你说不上吗？"
他不是在冒险，他是在收割确定性。
终局画面感：从"老罗"到"罗老"
但为什么大多数人做不到长期主义？
罗振宇给出了一个关键答案：因为他们没有清晰的"终局画面感"。
"很多人做不到，是因为他们构想不出那个终局的画面。链家创始人左晖说过，做事、创业、做公司，本质上就是你那个终局的画面感是不是清楚。"
罗振宇的终局画面是什么？
"70岁那年，我终于把自己从'老罗'熬成了'罗老'。我做了这么大一个活，拍在桌面上，甭管是对学界、对祖先、对后辈，我都交代得过去——1000多万字,这是当代个体结构化写作的最大规模作品。"
这个画面会激励他。
虽然是"意淫"出来的，但他会被激励：
"我会觉得，我七十岁人生就完成了这么伟大的一次登顶。你觉得现在今天晚上吃点苦，那又怎么了？这不是很划算的事情吗？所以我心中是偷着乐、窃喜的。"
这才是长期主义的真正燃料——不是毅力，而是对终局的清晰想象。
为什么"文明之旅"酝酿了20年？
很多人可能不知道，罗振宇在二三十岁的时候，就已经在构思这个项目了。
"至少有二十年了。我刚开始甚至想做一个私人网站，界面我都设计过——主页不是对话框，而是一个进度条。拉开就是五千年，你可以以任意尺度把它拉开，一直拉到每一年、每一月、甚至每一天。我这一生就在这个可以不断拉开的进度条里填充内容。"
为什么是中华文明？
因为中华文明有一个独特的优势：连续性和默认知识。
"我们的共享默认知识，在所有文明中是最多的。比如我们俩聊天，我说'你怎么跟祥林嫂似的'，我不用解释，你就明白我在说什么。这就是高语境语言的力量。"
这意味着，只要顺着年份一年一年讲下来，它会开掘出太多此前没被开掘的内容资源。
这是一座富矿，而他是第一个系统化开采的人。
把自己"产品化"：节奏比内容更重要
但要完成这样一个长期项目，光有想法还不够。你还需要把自己产品化。
什么叫产品化？
罗振宇说：
"就是你必须嵌入到他人的生命。你做播客,不能三个月更一期、半年更一期,或者一天更八期——你不能按照自己的节奏来。你只有向世界输出秩序、形成节奏，让别人知道'我怎么用你'，你才能真正产生价值。"
他用"刷牙"来比喻这种节奏的重要性：
"一天不刷牙有什么问题？也没啥问题。但你就不舒服。重要的是每天上床前或起床后你得把牙刷了，你才觉得自己生活在一个讲卫生、对自己有要求的节奏里。所以到点把这活干了——这更重要。"
节奏本身，比内容还要重要。
因为节奏是生理基础，是呼吸、是心跳。你不进入新节奏，你自己不舒服，就像你听一个没有节奏的音乐，人是无法接受的。
这也是为什么罗振宇在完成"60秒语音"的十年之约后，必须启动"文明之旅"——因为生命失去了栏杆，你就无法每天扶着它往前走。
如何对抗60岁的"至暗时刻"？
回到开头的问题：罗振宇已经知道，在60岁前后，他会面临4到5年的"至暗时刻"——
没有流量。 没有赞助商。 要跟自己的疲惫感和艰难感做斗争。 还要说服团队，这个项目仍然值得坚持。
他怎么对抗？
答案是：他不需要对抗，因为他已经接受了。
"这个劫难就是现成的,摆在那儿，你躲也躲不掉。"
当你清楚地知道困难在哪里、什么时候会来，困难就不再是"意外"，而是"计划的一部分"。
而且，他知道过了这4到5年，进入明朝之后，"整个全球尤其是1492年哥伦布大航海开始之后，世界史内容开始丰富，那时候就比较轻松了。"
他不是在盲目坚持，他是在执行一个已经推演过无数遍的剧本。
普通人能学到什么？
看到这里，你可能会说："罗振宇有资源、有钱、有团队，我学不来。"
但其实，他的底层逻辑,任何人都可以借鉴：
1. 找到你的"终局画面感"
不要只想"我今年要赚多少钱"、"我要升职"。
问自己：10年后、20年后，我希望别人怎么评价我？我希望在什么领域留下什么痕迹？
把这个画面想清楚，越具体越好。
2. 选择"规模决定价值"的赛道
不是所有事情都适合长期主义。
但如果你做的是内容、教育、社区、个人品牌——这些领域，规模和时间本身就是护城河。
你不需要每一期都做到极致，你只需要持续做、做得够多、做得够久。
3. 把自己产品化，输出稳定的节奏
不要按照自己的心情来。
设计一个可持续的节奏（周更、双周更、月更），然后雷打不动地执行。
节奏一旦建立，你就嵌入了别人的生活，你就成了他们时间表的一部分。
4. 接受"劫难是计划的一部分"
长期项目一定会有低谷。
提前预判、提前接受，把低谷当成爬山的必经之路，而不是意外的灾难。
结尾：当一件事足够大、足够久
罗振宇在访谈中说了一句话,让我印象特别深：
"对我来说,我干一件确定能成的事儿。这多好，天下哪有这么划算的买卖？"
什么叫"确定能成"？
不是因为你特别聪明、特别努力，而是因为你选了一个只要做完就一定能成的事。
《资治通鉴》是这样。 "跨年演讲"是这样。 "文明之旅"也是这样。
当一件事足够大、足够久，你就不是在做事，而是在创造一个事实。
而事实，是无法被任何人忽视的。
所以，如果你也想做一件长期的事，不妨问自己三个问题：
我的"终局画面"是什么？
我能不能设计一个"只要做完就算成功"的项目？
我能不能接受中间4到5年的"至暗时刻"？
如果三个答案都是"能"，那么恭喜你——
你已经找到了你人生的珠穆朗玛峰，而且你已经站在四号营地了。
剩下的，只是扶着栏杆，一步一步往上走。
from 知行小酒馆
对话罗振宇：把自己创造出来
这期给我触动还不小，希望也能给你启发~ - 去年和字节四位“大佬”面试交流
今年他们已经走了两位
即便是大如字节也容不下大的梦想 - 我们10月做的小玩具，完全免费的 AI 音乐生成器
Next Music 正式发布了🎉
- Suno v5 级别的音乐生成，音质拉满
- 支持垫歌翻唱，让经典老歌重现
- 支持 MV 导出，可添加任意 GIF 图，一键制作动感 MV
更重要的是，以上这些，完全免费，没有任何套路。
祝大家玩得开心。
也欢迎模型厂商来赞助我们的开销哈。
https://music.nextaibar.com/
Invalid media: video - Kimi 有新动作了，K2 的推理版本终于要来了#ai创造营#
- 友好探讨一下 这个真的不是皮套人嘛？其实现在人形机器人挺成熟的了，我也知道有小鹏机器人的没有皮套的照片，我相信小鹏是能做出来的，但是如此流畅类人的走路姿势不仅是算法要求很高对结构也要很高的要求，人类走路姿势是由肌肉的舒张收缩，大部分机器人是由电机，结构上有很大差别，舞台上这个我很怀疑是不是真人，第一就是头部这个位置的阴影，很像是人耳。第二就是走路时候肌肉线条的变化，我深表怀疑。如果这个真的是机器人那小鹏是真的牛
- 我们10月做的小玩具，完全免费的 AI 音乐生成器
Next Music 正式发布了🎉
- Suno v5 级别的音乐生成，音质拉满
- 支持垫歌翻唱，让经典老歌重现
- 支持 MV 导出，可添加任意 GIF 图，一键制作动感 MV
更重要的是，以上这些，完全免费，没有任何套路。
祝大家玩得开心。
也欢迎模型厂商来赞助我们的开销哈。
https://music.nextaibar.com/ 
- 谷歌说 Gemini 2.5 一堆模型会在 11 月 18 号停用，那估计最迟我们 18 号就能用上 Gemini 3.0 了#ai创造营#
- 我们要参加 2025 NVIDIA 创业企业展示啦，求大家帮忙投个票，打开文章划到最后，找到“火星回响”就行，拜托大家了 🙏
我能不能见老黄，就靠大家了...
https://mp.weixin.qq.com/s/P_RLBo47hhwCvquZNWMEbQ - 李飞飞 (Fei-Fei Li) 论大语言模型 (LLM) 的局限性： “自然界中没有语言。你走进大自然，天上不会写下词语给你。自然界是一个遵循物理法则的 3D 世界。” 语言仅仅是生成的信号。
- 我之前还坚信 AI 会大幅减少专家与普通人的差距，但看完这个视频我开始怀疑我自己这个观点了... AI 似乎更该视作是一个能力增幅器，初始能力越强（aka 专家），那 AI 加持以后的能力增幅也就越大... 而且这个增幅都不是线性的，是指数级增加的... 这让普通人可咋活...
- 黄仁勋：我每天都在用 AI，但 90% 的人用错 AI 他们把AI当拐杖... “我不是让它替我思考，而是让它教我不知道的东西，或帮我解决原本无法合理解决的问题。” “不要把AI当成拐杖，而要把它当成放大你思考的工具。” 大多数人都“用错了AI”，因为他们： 把AI当作偷懒的工具；
3. 避免研究和产品对立 没有规则时，双方无休止扯皮。有了3个月法则，季度初就说清楚什么能做、什么做不了，该等还是该绕路。
三、20个小团队的自治实验
光有3个月法则还不够。ElevenLabs真正激进的是：20个完全自治的小团队。
每个团队5-10人，拥有完整产品决策权。没有副总裁审批，没有跨部门协调会，团队自己决定做什么、怎么做、何时发布。
大部分公司不敢这么干：资源浪费、方向分裂、质量失控。
Mati的答案是：ownership带来的收益远超成本。
"当团队知道这件事完全取决于自己，他们会拼尽全力。如果每件事都要等审批、等资源协调，速度慢10倍。"
但ElevenLabs也不是放任自流，有三个关键机制：
1. 6个月验证期
新团队有6个月证明自己。无法展示价值（用户增长、收入贡献或技术突破），团队解散，成员重新分配。残酷但高效的自然选择。
2. Lead层的跨团队协调
虽然没有副总裁，但有Lead层负责研究、创意工具、AI代理、销售、运营等大方向。Lead不做决策，但在团队间建立连接。
"如果我看到团队A的东西可能帮到团队B，我会建议他们聊聊。"Mati说，"Lead需要极强的上下文切换能力，同时理解20个团队在干什么。"
3. 强制减少透明度
最反直觉的一条。
大部分公司追求透明——所有团队进一个大Slack群，信息完全共享。ElevenLabs反其道而行之：主动限制信息流动。
"如果把人加进所有频道，他会忍不住读所有消息，然后分心。我们发现，减少透明度反而让团队更专注。"
每个团队只知道自己的目标和相关依赖，不需要关心其他19个团队在做什么。专注比透明更重要。
四、呼叫中心里的AI研究员
这套架构能运转，还有个前提：找到真正热爱的人。
Mati在GitHub扫描开源语音项目时，发现一个质量极高的模型。代码漂亮，架构清晰，明显是高手。
联系作者才发现：这人白天在呼叫中心接电话，晚上回家研究AI。
没有名校学历，没有大厂背景，LinkedIn空白。他只是热爱语音技术，所以业余时间做了开源项目。
Mati毫不犹豫招了他。现在，这人是ElevenLabs最顶尖的研究员之一，负责所有数据处理。
"我们不看简历，只看代码。"Mati说，"有真实产出，背景不重要。"
在欧洲，Mati发现了一群被低估的人才。
"在美国，社交时都聊工作。但在欧洲，工作和生活分开，没人愿意晚餐谈工作。"Mati说，"但欧洲也有一群人，非常渴望找到能拼命做事的公司。他们不是不想干，是没地方干。"
ElevenLabs的欧洲团队，成了公司里最拼命的一群人。
五、为什么去中心化反而更快？
为什么20个小团队，比一个大团队更快？
传统AI公司是集中式研究：
所有研究员在一个大Lab，聚焦几个核心模型
产品等研究突破后再开始做
资源集中，但速度慢——任何环节卡住，整个流程停滞
ElevenLabs恰恰相反：
20个小团队并行探索，每个独立试错
研究和产品双轨并行，研究做不出来的，产品绕过
单个团队可能失败，但总有团队会成功
这是分布式试错的逻辑。
就像生物进化：不是一个物种慢慢进化到完美，而是无数物种同时试错，适应环境的存活下来。
ElevenLabs的20个团队，就是20个"物种"。6个月内能验证价值的继续，验证不了的淘汰。
前提是：接受一定的混乱和浪费。有些团队确实在做重复的事，有些方向确实不对。但这些"浪费"的成本，远低于"等待一个大团队慢慢试错"的成本。
六、什么样的公司适合这套玩法？
Mati承认，这套模式有明确的适用边界：
1. 你需要极强的Lead 去中心化不是放任自流。Lead需要极强的跨团队协调能力、上下文切换能力。这样的人很难找。
2. 你的产品要足够模块化 如果产品高度耦合（如操作系统、数据库），20个团队各干各的会导致灾难。ElevenLabs能做到，是因为产品足够模块化：TTS、STT、音乐生成、AI代理相对独立，可以并行开发。
3. 你的团队要足够成熟 小团队完全自治，意味着每个人都要有独立决策、快速执行的能力。如果大部分是新手，他们会迷失在自由里。
七、AI时代的组织哲学
ElevenLabs的故事给了一个关键启发：
在AI时代，组织架构本身就是产品。
传统公司优化"如何让大团队高效协作"——所以有层级、流程、KPI。
但在AI时代，速度和试错能力比效率更重要。你需要的不是一个完美的大模型，而是20个快速迭代的小模型。
3个月法则、20个小团队、无职级制度，这些看似混乱的设计，本质是一种反脆弱性的组织。
单个团队失败不要紧，还有19个在继续；研究3个月做不出来不要紧，产品可以先上。
系统的韧性，来自局部的冗余和混乱。
Mati说："如果你想做一个慢慢打磨的大模型，那就集中所有资源，建一个顶级Lab。但如果你想快速迭代、快速试错，那就把团队拆成20个，让他们自己探索。"
这是两种完全不同的哲学。OpenAI、Google DeepMind选择了前者——集中资源，打磨GPT、Gemini。ElevenLabs选择了后者——分布式探索，每个团队都是独立的增长引擎。
没有对错，只有选择。
但至少，ElevenLabs用3年证明：小团队，也能打败巨头。
三个问题给你：
你的研究和产品，是等待关系，还是并行关系？
你的组织架构，是为了"协调效率"，还是"试错速度"？
你愿意接受20%的混乱，来换取80%的自主权吗？
在AI时代，组织本身，就是你的竞争力。
from a16z
ElevenLabs CEO: Why Voice is the Next AI Interface
更多深度AI访谈精华：aihuangshu.com- 20个小团队打败谷歌：ElevenLabs如何用「3个月法则」重构AI组织
一家AI语音公司，没有副总裁、没有层级，20个5-10人的小团队完全自治。
听起来像组织管理的灾难——重复造轮子、方向不一致、资源浪费。
但ElevenLabs用3年时间证明，这套看似混乱的体系，反而成了对抗谷歌、亚马逊的秘密武器。基础设施团队从3人扩展到11人，产品线从单一语音合成扩展到音乐生成、AI对话代理，建立了10,000个声音的市场，向创作者支付了1000万美元。
CEO Mati透露的核心武器，是一条简单到极致的规则：如果研究团队3个月内搞不定，产品团队可以用任何方法先上。
一、9个月的拉锯战
2022年，ElevenLabs最高频的用户需求是：能不能加个滑块，调节语速？
这在传统音频软件里是标配。但Mati和研究团队的态度是：绝不。
"我们不想变成上一代音频编辑工具——100个滑块，需要专业培训才会用。"Mati说，"AI应该自动理解，什么场景用什么语速，不需要人工调节。"
研究团队开始攻关：让模型根据上下文自动判断语速。新闻播报，语速稳定；对话场景，语速自然。
1个月过去，没搞定。3个月、6个月，依然没进展。
产品团队急了："这需求10行代码就能完成，为什么要等？" 研究团队委屈："相信我们，再给点时间。"
这是所有AI公司的两难：等研究突破，产品错过窗口期；用临时方案，研究努力被浪费。
9个月后，研究还是没突破。产品团队加了滑块，用户满意度立刻飙升。
这场拉锯让Mati意识到：公司需要一个明确规则，平衡研究理想主义和产品现实主义。
二、3个月法则：AI时代的组织协议
解决方案简单到意外：
如果研究预计超过3个月，产品可以用任何方法先上——调用其他模型、写传统代码、甚至手工处理。
为什么是3个月？
"我们要求研究团队规划每季度能交付什么，哪些是长期项目。"Mati解释，"3个月是一个季度，这是我们能接受的等待上限。超过这个时间，市场不等人。"
这条规则背后的三层逻辑：
1. 给研究足够尊重 太短（1个月）研究没时间创新；太长（6个月）产品被拖死。3个月是双方的平衡点。
2. 承认AI研究的不确定性 传统软件可以精确排期，AI不行——你不知道模型优化需要1周还是1年。超过3个月的，默认高风险，产品不必等待。
