开场0:00
欢迎收听 《 十字路口 》， 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会 。 十字路口是乔布斯对苹果公司的一个比喻 ， 形容它站在科技与人文的十字路口 ， 伟大的产品往往诞生在这里 。AI 正在给各行各业带来改变 ， 我们寻找 、 访谈和凝聚 AI 时代的 " 积极行动者 "， 和他们一起探索和拥抱新变化 、 新的可能性 。
我是主播 Koji 杨元成 ， 联合创办了 《 接旁 》《 新世相 》 和 《 躺倒 》。 我相信科技 ， 尤其是 AI， 会在未来 10 年彻底改变社会 ， 赋能人类 。
欢迎大家找我聊天 ， 碰撞想法 ， 链接下一个可能性
。
我是主播 Ronghui， 目前在一家专注科技投资的风险投资机构工作 ， 之前在 《 第一财经周刊 》 担任驻硅谷记者 。
节目开始之前想跟大家说 ， 这期节目我们设置了一个抽奖福利游戏 。 具体的规则是 ： 在评论区告诉我们你对本期节目的想法 ， 用文字或者表情包 emoji 都可以 。
然后我们会让 ChatGPT 来抽奖 ， 获奖的朋友将收到由 《 怒喵科技 》 提供的 iPhone 配件等礼品 。 好 ， 那我们就开始吧 。
十字路口 ， 我们今天邀请到李楠 ，他是 《 怒喵科技 》 的 CEO，也是之前魅蓝的总裁 。 请到李楠 ， 很显然了 ， 我们是想和他聊一聊 AI 硬件这个赛道的最新变化 ，以及李楠身处在瞬息万变的一线创业 ， 最近一段时间他自己有哪些新的变化和新的想法 ，有哪些新的认知出现了 ，有哪些曾经的想法被否定了 ， 还有哪些过去的观点现在反而更坚定了
。 那为什么要请到李楠来和我们聊 AI 硬件呢 ？ 首先 ， 李楠正在积极投身于 AI 硬件的创业 ，他的品牌 " 怒喵 " 正在开发一款预计在年底会上线的 AI 耳机产品 。
那同时， 李楠在消费电子硬件的市场有着非常丰富的经验 ， 曾经做出过单款千万级别以上的现象级爆品 。在平均售价高达 4000 元人民币的 " 怒喵 " 机械键盘上， 目前全球市场份额也是第一名。
而在硬件的工业设计方面 ， 李楠和他的团队曾经获得过 IF 设计金奖 ， 这在硬件设计领域是非常高的荣誉 ， 索尼也只拿过 4 到 5 次这样的金奖 。
最后呢 ， 李楠总是能提出非常多富有创意并且有前瞻性的想法 ， 这些想法有趣 ，而且往往能引发业界的思考与广泛的讨论 。
那我们今天先从第一个问题开始哈 ， 那李楠 ， 你会认为截至目前最成功的一个 AI 硬件产品是什么 ？
产品哲学2:44
最近最成功的应该还是 Meta Glasses， 它就是在这两年已经有了一定用户基础的音频眼镜上面增加了一个摄像头 。
哎 ， 我记得你一直以来都是对它的好评度很高的啊 ， 那目前你自己有在用它吗 ？ 使用的频率是什么样的 ？
对 ，因为那个实际上我买过它的第一代产品 ， 然后呢 ， 它是一个无摄像头的正常的音频眼镜 。 这个产品是第二代嘛 ， 所以其实每代我都会买 。
这个产品是非常克制的设计 ，但是在市场上的反馈是目前所有 AI 硬件里最好的 。 像那些特别天马行空的 ， 比如 AI Pin， 反而扑街了 。
这个其实我觉得对我们还是有很大的启发的 ， 尤其是 ， 嗯 ， 让我们联想到了另外一个人 ，是在街头时尚行业的 ， 叫吴二九 ， 然后他说的那句话叫做 ：" 其实好的设计不需要颠覆性创新 ， 只需要改 3%。"
哎 ， 这个其实也是之前我看李楠你在一个地方有聊到过的 ， 就是你觉得有两种做硬件产品的哲学 ， 尤其在 AI 硬件产品上， 一个是就是别瞎搞 ， 领先半步 ， 就基于已有的硬件去加 AI， 比如说给录音机加上 AI， 就有一个卖得很爆的 Claude 这个产品出现 。
而另外一个产品设计的哲学是一定要创新 ， 要从最根本的变革去想问题 ， 去重新定义硬件 。 因为现在软件发生了决定性的变化 ， 那硬件也可以有机会从零开始 ， 再去基于软件的新能力做颠覆性的设计 。
那现在听起来 ，在这两个设计哲学里面 ， 你已经选择了第一个 。
呃 ，不 ， 这这个我选不选无所谓啊 ，但是 ， 呃 ， 我可以很明确的说 ， 这两个都是对的 。 呃 ， 就是颠覆性创新的产品我们知道很多了 ， 比如说 iPhone， 对吧 ， 呃 ， 包括 AirPods， 然后呢 ， 那个 ， 呃 ，3% 的产品其实我们见到了更多 ， 比如说 ， 呃 ， 只加了一个摄像头的 Meta Glasses， 或者是吴二九那个只把耐克的鞋从正勾改成倒勾 ，其他啥都没改 ，但是就爆了 。
就是这种 3% 产品我们见了很多了 。 我认为这两个都是成功的路径 ，而且这两个是完全不同的能力 。
呃 ，但胜率而言 ， 颠覆性创新的胜率更低 。
哎 ，以你自己的创业风格来说 ， 你是更想做 3% 的创新 ， 还是想做颠覆式的创新 ？
呃 ， 当我在刚入这个局的时候 ， 我认为是应该做颠覆性的创新 。 当我在这里面被毒打了有 15 年之后， 我认为应该先做好 3%。
我在这 15 年的职业生涯里 ， 见过无数的人犯无数的错误 ，其中一个最典型的错误 ， 会交很多的学费的 ， 就是起步一个亿人民币起的学费的 ， 就是以为自己是乔布斯 。
哎 ， 你有以为自己是乔布斯的时候吗 ？
曾经 ，有那么傻逼 。
对 ， 可以讲一讲在那个时候以为自己是乔布斯的时候 ， 做了什么样的产品和决定啊 ？
呃 ， 就是魅族 Zero 嘛 ， 拿了 IF 金奖 ，但是实际上并不具有良好的量产性 ，以及很难销售到很好的成绩 。
那个创造的过程是快乐的吗 ？
我说 ， 我说这两种都是对的 ，是因为其实它们都是有一个完善的逻辑 ，并且有合理的例子的 。 说到颠覆性创新和只改 3%，其实它都是逻辑上合理的 ，而且它都有成功的例子跟牛逼的人物 。
我们说颠覆性创新的逻辑 ， 本质上是从技术变革的根本来思考问题 ， 就是我们的算力是传统算力的情况之下， 它本质上是死代码 ， 所以我们必须针对某个具体的场景 、 某个具体的问题 、 某一类具体的人提供解决方案 。
所以我认为以前的场景 ， 用户痛点的方式在 ， 呃 ， 传统算力下是有效的 ，但是 ， 呃 ，AI 是完全颠覆传统算力的 。
所以老黄给它起了一个新的名字 ， 叫加速算力 ，而加速算力所代表的智能是通用智能 。 那如果你的算力的根本变了 ， 那你来去设计产品的基本的方法论是否仍然适用呢 ？
我认为高度可能不适用了 。 因为你看 Meta Glasses， 它分辨了场景 ， 确定了人群 ， 解决了痛点吗 ？ 其实没有 。
莫名其妙卖了 200 万 ， 它真的让我们某种情况之下的 ， 呃 ， 问题被解决了吗 ？ 没有 。 所以 ， 所以我认为对 ， 这是颠覆性创新的一个根本的思维方式 。
我们用技术进步来去对应 ， 呃 ， 产品的解决方案 。 传统算力下它是被限制的 ，但是通用智能跟加速算力下， 这种思维方式有可能过时了 。
呃 ， 这就很像是对 ， 当我们有了电的时候 ， 我们去给马车安空调 ，而不是当我们有了电的时候 ， 我们设计一个电驱动的新的汽车 。
嗯 ， 那这是颠覆性创新的思维方式 。 所有人在这个局面里面呢 ， 就无论是当年的黄总 ， 还是以前 OPPO 的老板 ， 或者是小米的人 ，他们都经历过以为自己可以颠覆性创新的阶段 。他们都以为自己可以在发现科技变革之后的一个真正的产品原型 ，但真正发现这个产品原型的人非常非常少 。
那些以为自己是乔布斯的人， 我在手机行业内见的 ， 基本上都赔了一个亿以上 。 嗯 ， 然后那 OK， 那我们说第二条路径 ， 我认为也是成功的 。
最典型的例子 ， 吴二九把这个道理说得特别明白 ， 就我只改 3%。 而且他身体力行啊 ，他只是把耐克的那个鞋的 ， 呃 ， 耐克的勾的方向调转了一下 ，但这个你敢直接动耐克最经典的品牌商标 ，并且把它调转 180 度 ， 这个行为让所有人都觉得我操牛逼 。
那这种 3% 的逻辑 ，其实是我今天 ， 呃 ， 越来越接受的逻辑的一个很重要的点是 ， 当你慢慢地理解了所有产品背后的道理之后， 你会发现可能并不是所有人都错了那么多 ，也许只是很多天才在无数实践之后只差那么一点点 。
而且这有可能才是产品定义的真实的状况 。
你觉得乔布斯在去做 iPhone 的时候也是 ， 就你觉得他想的是 3%， 还是他想的是颠覆式啊 ？
呃 ， 乔布斯从来都是颠覆式创新 ， 所以这是我觉得其实乔布斯不能参考的一个很重要的原因 。 乔布斯进入任何一个行业 ，他想的都是你们全错了 。
我告诉你们真正的正确答案是什么 。 呃 ， 举例而言 ， 实际上乔布斯在 iPhone 的第一场发布会里曾经说过 ，BlackBerry 是傻逼 ，因为它弄一个全键盘 ，但是我们的屏幕不能用 N 吗 ？
然后呢 ，HTC 也是傻逼 ，因为那个 HTC 在操作屏幕的时候还需要指点杆 ，而我们人身上就有手指啊 ， 难道你不能用手指指指点点吗 ？
所以其实乔布斯不是 3% 的故事 ， 乔布斯是发现产品原型 ，并且做颠覆性创新的故事 。
我其实有点意外啊 ， 就是因为李楠 ， 你在我心中是这个神一样的这个市场人和产品人， 对吧 ？
我觉得就是连你今天都在告诉我说你想去做 3% 的创新 ，而不再去追求颠覆式的创新 ， 这就有点像这个 ， 就之前比如说有一句这个 Founders Fund 的 Peter Thiel 讲的话 ， 就是我们曾经梦想会飞的汽车 ， 到最后大家都在搞 140 个字的 Twitter。
你觉得你自己这个变化是 ， 你会感到就是有一点这个不甘心吗 ？ 或者你会怎么理解现在自己的这个状态 ？
我觉得第一 ， 我不认为 3% 和那个颠覆式创新太有高下 。 就乔布斯跟吴二九同样牛逼 ， 就吴二九像一个神一样的 ， 跟那咔手指轻轻一点 ， 然后把一个产品点石成金 ， 这种能力跟乔布斯颠覆一个行业的能力同样神奇 。其实乔布斯的信息是很全面的 ， 见识是足够多的 ， 然后在这个见识下面 ，他仍然能有颠覆式创新的想法 ， 那他有可能是真的
。 而我见到的很多以为自己在颠覆性创新的人， 最终我今天看仅仅是因为他们见识不够 。
以为自己在颠覆 ，其实是在重走老路 。
对 ， 实际上早就有人干过 。 对 ， 然后 ，而且他一旦 ， 呃 ， 自己形成了这个想法之后， 我拿出来别人已经做过的事情给他看的时候 ，他会给自己找一堆的借口 。
对 ， 所以我觉得中国的创业者最最小心的是两个榜样 。 第一个榜样是乔布斯 ， 我见过至少有名有姓的行业大佬 ，10 个人以上为此交了一个亿以上的学费 。
那第二个榜样就是雷军 ， 这交雷军学费的人， 就小米生态链所有人， 你今天看一下他们的故事 ， 全都交了学费 。
嗯 ， 就是其实雷军赢 ，他的成本领先的能力是完完全全被很多人低估的 。 就是小米的成本领先的能力 ，不仅仅是依赖于它极高的公司内部效率 ，以及它对供应链的大量的订单的追加和成本的压榨 。
而且在这种情况之下， 最终小米自身的生意的盈利能力其实是偏弱的 。 所以雷军的这个模式必须匹配资本市场极强的能力 。
我在私募阶段 ， 我能持续地融到非常非常多的钱 ，并且我一定能把它带到公开市场 ，而且我能做长期的良好的市值管理 ， 即使如此都没太管理好市值 ， 对吧 ？
所以说 ， 呃 ， 如果你不能完成这一整套 ， 你如果在私募市场没有坚定的大规模的资本支持 ， 你不能最终走到公开市场 ，并且管理好市值 ， 让所有的人获得回报套现 ， 那这个逻辑就是不成立的 。
那走小米这条路的人 99% 是去不了公开市场的 ， 去的人里面可能 90% 是破发的 ， 对吧 ？
那你现在认为乔布斯不能学 ， 呃 ， 雷军不能学 ， 你自己在学谁 ，以及你会鼓励大家学谁 ， 作为这一波 AI 硬件的创业者们 ？
对 ， 所以我们在这个行业里面 ， 呃 ， 我们有各种各样的诱惑 ， 谁又蒙中了一个产品 ，在三个月之内赚了 1.6 个亿 ， 呃 ， 或者是 ， 呃 ，Elon Musk 又发布了一个什么 ， 呃 ，Robotax 改变了全人类的出行方式 ， 我们有各种各样的诱惑的时候 ， 对我们最重要的是 ， 我们要知道自己的能力的原点 ， 我们要知道我们自己做产品的真正的根据 ， 对吧 ？
如果我们这个东西搞不清楚 ， 那我们就无所适从 。 今天想学乔布斯 ， 明天想学小米 ， 后天想学华为 ， 这中国创业者的常态 。
回来再聊一下 AI 硬件啊 。 李楠有一个挺有趣的观点啊 ，是认为 Meta Ray-Ban 它不是从需求场景这样出发去做的一个硬件产品 ， 反而可能是你认为它成功的原因 。
眼镜市场13:50
嗯 ， 这个可不可以再稍微展开讲一讲 ， 就你认为它内部是怎样做出来这个产品的 ， 你猜测它的 workflow 是什么 ？
23 年的 3 月份 GPT 发布 ， 然后与此同时 ，其实我们迅速地建立了一个 ， 呃 ， 包含美国那边的研究者和中国这边的创业公司等等的这么一个网络 。
然后实际上在 2023 年的下半年就形成了一个共识 。 这个共识是什么呢 ？ 是大模型一定会多模态 ，而多模态的最优先的事项就是视觉 。
如果你倒推 Meta Ray-Ban 的发布时间 ， 你会发现你至少得往前推 8-12 个月的时候 ，Meta 比我们更早的时候就认定了 ， 呃 ，AI 一定会有视觉能力 ，而且这个能力会有高度的价值 。
当 AI 拥有了高度的视觉能力的时候 ， 我们在眼镜上面做的事情是给 AI 眼睛 ，而你回到当年 2023 年下半年其他的所有眼镜类产品的产品定义上的时候 ， 你会发现这帮人一门心思地在给眼镜做显示 。
带显示的眼镜的逻辑是我如何服务人， 我如何满足某个场景 ，而带摄像头的眼镜的逻辑是 AI 有了视觉 ， 那么它要拥有眼睛 。
所以我觉得这是一个最简单的解释 ，但这个解释也是我们猜测 Meta 内部的情况 。 但是呢 ， 这是一个最简单最简洁的能解释为什么所有人都在做显示 。
搞光波导的时候 ， 呃 ，Meta 往眼镜上塞了一摄像头 ，因为我们事先就知道 AI 一定拥有视觉 ， 那么它一定需要视觉传感器 。
那 Facebook 肯定比我们更早知道 ， 我们也是知道他们的一些内部消息的 ，他们的确在看显示了 ，因为我已经 ， 呃 ， 把摄像头加上去了嘛 。
那么那个在镜片上做光波导的确是一个选项 。 呃 ，但是呢 ， 与此同时， 产品定义的逻辑只有两个根据 ，其他任何人做任何事情都跟我没关系 。
嗯 ， 我第一根据是消费者洞察 ， 第二根据是科技进步的发展 。 所以我们认为对摄像头和 ， 呃 ， 计算机 AI 拥有的视觉的这个技术进步不会停止 。
现在真正的多模态只有 GPT-4o 是原生多模态数据训练的 ， 那么接下来 ， 呃 ，LLaMA 一定会搞定 。 这是一个 ，而且 GPT-4o 的适用能力没有被 100% 的挖掘 ， 这是技术进步方面我们的根据 。
第二个是消费者洞察 ， 我们在中美通 ， 美国通过 Discord， 中国通过 QQ 收集了一堆的买了 Meta Glasses 的用户 。 那 Meta Glasses 用户的槽点 ， 就 Meta Glasses 有多优秀就不说了 ，因为太多人说过了 。
槽点的前三名很有意思 ， 第一名跟任何高大上的东西都没有关系 ， 第一名就是他妈的没电 。 我上午戴上还贼牛逼是个 AI 眼镜 ， 到晚上吃饭的时候变成了一个普通眼镜 。
第二个槽点是我不能用 GPT-4o，因为所有人都知道最聪明的多模态 AI 不是你 Meta 的 LLaMA 3 吗 ， 对吧 ？ 不能用 GPT-4o 让我感觉很遗憾 。
然后第三个槽点是还是有那么一点点的重 。 所以基于这些消费者洞察跟 ， 呃 ， 我们相信的科技进步方向 ， 那么我们认为 OK， 大模型的视觉能力需要进一步挖掘 ，而与此同时我们要解决 Meta Glasses 这三个最重要的问题 。
第一是它没电 ， 所以我们要把续航想办法做长 。 然后第二个是我不连 Meta， 我连 GPT-4o 在美国市场卖 ， 对吧 ？
然后你可以用最先进的视觉大模型 。 呃 ， 那第三个呢 ，是 OK， 你想你认为太沉了 ， 我们不再给你加新的功能了 ， 我们把它做得更轻 。
你指的是怒喵在做的吗 ？
对 ， 我指的是我们在做的 。 嗯 ， 所以我相信 Meta Glasses 的下一步迭代有可能会上光波导 ， 它会让眼镜变得更重一些 ， 或者维持现在重量上光波导 。
但是一个更轻的维持现有产品功能的产品 ， 呃 ，也有胜的机会 ，也有赢的机会 。
我们其实看到有特别多的眼镜相关的产品啊 ，Amazon 自己也做了一个 Amazon Echo Frame， 最大的亮点是用它的那个 Alexa 语音助手 ， 还有一些初创公司 。
就其实我每次看到这些眼镜的时候都会想到一个问题 ， 就是 Google 会不会让 Google Glass 起死回生 ？
高度有可能 ， 就是我们看行业发展 ， 实际上是我们有一个指标 ， 这指标是是否出现原型 。 那 ， 呃 ， 到底什么原型 ，其实有 100 种定义的方式 ，但是有一种定义的方式是最客观的 ， 就是看销量 。
我们行业内认为 iPhone 第一代产品真正的销量实际上是 70-140 万条 ， 全球 。 呃 ， 那么我们认为任何低于 70 万的产品都不会是一个品类的原型 。
呃 ，Meta Glasses 的销量已经突破 200 万了 ， 现在应该 。 所以 Meta Glasses 高度有可能是一个下一代 AI 时代的 ， 呃 ， 个人随身设备的产品原型了 。
当过了销量这个门槛之后， 我们再看 Meta Glasses 到底做对了什么 。 那么当一个产品的单款销量突破 140 万这个原型门槛之后， 真正会发生的事情不是它做了什么 ， 就是 Meta Glasses 下一步加显示做得更重 ， 扑街也是高度可能的 。
真正的事情是行业其他人在干嘛 。 那华强北我们很熟啊 ， 就是现在我见到的关于眼镜的案子 ， 二三十个肯定是有的 ，有没有四五十个的问题 。
所以实际上 Meta Glasses 的成功带动了大量的华强北的人疯狂地在做各种眼镜的方案 。 呃 ，而且成本可以干到不可想象 ， 就是我见到 300 块钱成本的方案 ， 我已经很惊讶了 ，有人竟然可以用智能挖耳勺做一个成本更低的方案 。
你知道智能挖耳勺你现在就可以在淘宝上买到啊 ， 它是有蓝牙的 ，有摄像头的 ，而且还可以同传 。 呃 ， 那个 ， 呃 ， 你耳朵里的图像到手机上， 正好 ， 哎 ， 做眼镜行业可以有 ，而且贼便宜 。
所以那个 ， 那么这就意味着 ， 呃 ，Meta Glasses 不但用销量证明了自己是一个新品类原型 ，而且行业内相信了这个事情 ，并且在蜂拥而上 。
那么一个可预测的事情 ， 眼镜会在很短的时间之内被中国品牌干到 99 美金 。
对 ， 就是在这样的一个状况之下， 就是 ， 呃 ， 创业者要怎么做 ， 或者你自己选择怎么做 ？
首先我们看大盘 ， 我认为一定不是百万级的问题了 ， 一定是几千万级 、 三千万级 、 五千万级 ， 甚至一个亿的市场规模了 。
因为他们那帮人把这事搞得太便宜了 ， 对吧 ？ 而与此同时， 我们问的真正的问题是 ， 呃 ，OK， 当小米模式发生 ， 然后所有的人蜂拥而上， 市场规模迅速扩大的时候 ， 我们赢的核心能力是成本领先吗 ？
呃 ， 那我们可以很肯定地回答不是 ， 对吧 ？ 因为竞争太激烈了 ， 我不排除这里面有能做到成本领先的人。
可是他紧接着要回答一个问题 ， 哎 ， 那小米下场了我怎么办 ？ 呃 ， 所以我们其实在魅蓝的阶段 ， 我们跟小米做过竞争 ， 我们是知道对 ， 我们与其做小米的敌人， 真实情况之下， 魅蓝是小米的朋友 。
我们对小米维持一个 2:1 的转化率 ， 我们只是解决那些对小米感兴趣但是不满意的人的问题 。他们觉得小米没审美 ， 对 ， 你那个没有设计 ， 就是最好的设计是胡说八道嘛 ， 对吧 ？
那 OK， 我们给你原创的设计贵个 10%， 你是不是考虑一下 ？ 所以证明这条路是可行的 。 那同样在眼镜行业内 ， 这个逻辑的本质是中国人太擅长用一半的价格做 60 分的产品了 。
我们是不是擅长用 1/3 的价格做 70 分的产品呢 ？ 不是 。 我们在魅蓝的时候 ， 实际上是用一半的价格做了一个 70 分的产品了 。
那安格瑞喵实际上我们证明了中国人可以用 7 倍的价格做 90 分的产品 。
所以在你的这个判断里面 ，不是去卷成本卷低价 ，而是现在就想着用更高的这个成本去做一个更高端的产品 ， 之后去做一个垂直人群的市场 。
呃 ， 我觉得关键的是量化 ， 就是这个方向其实谁都可以说得出来的 。 那么我们就做一个假设啊 ， 就是说当这个市场迅速地被那个一半价格的 60 分产品扩大了之后， 呃 ， 我期待他们上的越多越好 ， 价格杀得越狠越好 ， 最好给我干过 5,000 万或者一个亿的基础用户量 。
那么会发生一件什么事呢 ？ 其实典型的消费升级 ， 就是说我们已经体验到了这个东西了 ， 然后我们发现我们这个太便宜的玩意有各种各样的问题 ，他们一定会寻求消费升级的 。
那应该怎么来量化这两个市场呢 ？
呃 ， 我们是有一个比较经典的快速计算公式的 ， 就是 ， 呃 ， 如果你的对手的价格是 100，他创造了一个 5,000 万的市场 ， 那么大概你可以认为在一倍价格上， 就是 200 块钱上 ，有一个 1/4 规模的市场 ， 就是大概 1,000 多万 、1,250 万的市场 。
而在这个市场里有多少竞争对手呢 ？ 其实很少 。
这个有没有例子呀 ？
呃 ， 太多了 ， 就是我们调研过那个电风扇行业 ， 调研过冰箱行业 ， 然后调研过手机行业 ，但手机行业在一定的历史期间内被苹果太强大的能力扭曲了啊 ， 苹果用一个极贵的价格拿下了接近 40% 的市场 ，但最终全都回归这个规律 ， 就是 mainstream 产品一倍价格的产品拿下 70% 多 ， 然后 premier 一倍价格的产品拿下 20% 多 ， 最终 lecture 7 倍价格的产品拿下不
到 10%。在所有品类内长期来看 ， 这是一个很平均的历史规律 。 那如果我们从消费者心理来分析的话 ， 对 ， 我是屌丝 ， 我他妈的买不起 ， 能用就行 。
那这个时候我买小米 ， 当我有了一定的经济基础的时候 ， 我不能跟这帮人一样 ， 对吧 ？ 我想消费升级 ， 对 ， 我买一倍价格的更好的产品 。
呃 ， 就是比如说是魅族吧 ， 当然也有其他 ， 比如华为 。 但是当我是一个特别有钱的人， 我的钱这一辈子都花不完的时候 ， 你会有另外一种完全不同的想法 ， 就是我一定不能跟那些人搅和到一起去 。
所以 3、4、5 倍价格是没有市场空间的 ，因为 premier 用户咬咬牙也买得起 ，但是 7 倍价格 premier 用户会觉得太疯狂了 ， 对吧 ？
有必要吗 ？ 那 OK， 我买 。
所以怒喵的键盘也是从这个角度去做的市场定位吗 ？
对 ， 我们调研了一下全铝合金的键盘 ， 小米卖 500， 那我们说 OK， 那我们卖 3,500，7 倍 。 所以我们是从 3,500 起跳的 。
有没有什么对新一代消费者的一些洞察 ？ 就比如说接下来会买眼镜的人跟 10 年前买 iPhone 的人会有什么区别吗 ？
有很大的区别 ，是因为眼镜这个产品的能力很弱 ， 本质上 Meta Glasses 它就不是一个 AI 设备 ， 对吧 ？ 它连 AI 的功能都没有 ， 它是一个很弱的连接能力的一个传感器 ， 或者说你它只是让你拥有了 AI 的眼睛跟耳朵 ，但是大脑还在云上呢 。
所以把 Meta Glasses 算作一个 AI device 这事本身就是一个错误的说法 。 但是呢 ， 我们认为传感器实际上是硬件行业最大的价值之一了 ，因为你让我们训大模型 ， 对吧 ？
我们其实也训不了 ，但是呢 ，AI 训大模型的人 ，他需不需要在真实的物理世界里让拥有视觉跟听觉的 AI 拥有真正的传感器呢 ？
他是一定需要的 。 所以在 AI 的革命里面 ， 我们是一定不能缺席的 。 我们最大的使命之一 ， 就把传感器在真实的物理世界全部布下去 。
所以传感器是有高度价值 ， 我觉得这是 Meta Glasses 这个品类必然成功的一个很根本的逻辑 。 如果我们分析这个商业模式的话 ， 你可以把做大模型的人， 无论是 LLaMA 3 或者 GPT-4o， 看作是挖金子的 ，他们会挖到金矿 ，而我们其实不是挖金子的 ， 我们不是 AI 公司 ， 我们是卖牛仔裤的 。
现在其实三个最热门的所谓 AI 硬件的风口 ， 分别是眼镜 、 项链和耳机 。 那我们之前其实一直在聊的是眼镜 ， 这是不是意味着这个李楠你现在这三个方向里面也最看好眼镜 ？
我个人不是这么认为的啊 ， 第一当然眼镜我是很看好的 ， 最重要的东西是眼镜是必须的最好的随身的 AI 传感器 。
嗯 ，但是呢 ， 它并没有真正的模型 ， 它也没有真正的加速算力 ， 它并不是一个 AI 设备 ， 它只是一个牛仔裤 ， 它不是金矿 。
端侧AI26:39
但是呢 ， 我认为真正的端侧 AI 已经出现了第二个设备 ， 就是 Tesla 的电车呀 ，Tesla FSD V12 已经发布了百万级的用户 ， 然后呢 ， 它是一个真正的端侧 AI，而且那个端侧 AI 能替你开车啊 ， 目前口碑爆炸 ， 表现很好 。
所以这是第二个真正百万级别的过了我们金线的端侧 AI 设备 ， 它是一个真正的 AI， 它是机器人。 所以 Elon Musk 说那个我们不是一家电车公司 ， 我们跟中国那些人都不一样 ， 对吧 ？
跟比亚迪不需要比较 ，因为 Tesla 是个机器人公司 ， 它之所以是个机器人公司 ，是因为 Tesla FSD V12 让 Tesla 的汽车拥有了一个本地的端侧模型 ， 这个模型有可能是混合的 ，但它接管了你的自动驾驶 ， 它有感知能力 ， 它有决策能力 。
第二 ， 真正的过了品类原型金线的产品是 Tesla 的 FSD V12 时装的电车 。
因为做 AI 硬件肯定绕不开端侧模型嘛 ， 那你们应该也是大量的在测各种各样最新的端侧模型 ， 所以比较想这个请你展开讲一讲目前就你测到的和观察到的这个端侧模型的一些行业进展 。
正是因为我们认为对 ， 本质上眼镜不是一个 AI 设备 ，而 Tesla FSD V12 是一个端侧模型的真正的 ， 呃 ， 硬件的具有 ， 呃 ， 随身大脑的设备 。
那么我们就问一个问题 ， 就是说在眼镜越来越轻的情况之下， 我们是无法上端侧模型的 。 电车能最先上端侧模型 ，是因为它有几乎不受限制的电力跟算力 ，因为它很大嘛 ，而且它可以布更多的芯片 ，也不太受空间的限制 。
那么端侧模型在眼镜上不现实 ， 一直拉到 Tesla 上很现实的这个坐标轴上面 ， 端侧模型能最终延伸到多小的设备上， 这是真正的问题 。
端侧模型最大的问题是什么呢 ？ 其实我觉得还不是空间 、 算力 、 内存等等问题 。 端侧模型对我们而言 ， 我们认为这个坐标轴无限向眼镜靠近的最本质的问题是功耗 ，因为设备越小电池就越小 ， 它能工作的时间就越短的情况之下， 功耗是至关重要的 。
而我们之所以认为那个 ， 呃 ， 对话式的模型在端侧没有机会的很重要的原因是它太费电了 。 那个如果 GPT-3 级别的模型在那个手机上， 我们测算过它的能量消耗 ， 就是大概它跟你说 30 句话就把手机的电耗光了 。
可是有一个模型跟 Tesla FSD V12 给我们一个很大的启发 ， 就是模型一定是跟你聊天的嘛 ， 呃 ， 虽然它有 AI GC， 它在生成语言 ， 对吧 ？
但是它一定是跟你聊天的嘛 。Tesla 的模型不跟你聊天的哦 ， 它只是用来感知世界的情况 ，并且给你控制汽车而已 。
暂服有两个中国的学生搞出的另外一个模型叫章鱼 ， 这个章鱼只有一臂 ， 然后拥有一定的视觉能力 ， 它也不是跟你聊天的 ， 它是为你控制你的硬件的 ， 它学会了安卓的所有的 API，而这个模型我们测的功耗非常好 。
我跟那个创始人之一大概聊过 ，他的意思就是说 AI GC 当它针对一个语言的无限级去生成回复的时候 ， 它是超级耗电的 。
如果你有效的限制了它生成的范围 ， 你只需要在这几个 API 里面去做选择的时候 ， 它就会突然的变得很省电 。
我觉得这个是我们目前测到的所有端侧模型里最至关重要的一个认知 ， 就是模型一旦训练完成 ， 部署到设备上， 理解是省电的 ，但是生成是耗电的 。
所以我们未必需要等待端侧模型进一步的降低功耗 ， 或者是发现新的比传输能力更好的神经元等等的东西 ， 我们只需要把需求去调整一下 ，也许 ， 呃 ， 端侧模型就可以在更小的设备上去做有效的应用 。
所以我认为目前如果我们拉那个 bar， 我不会拉到眼镜 ，因为眼镜要做得更轻 ，但是我会拉过手机 ， 比手机更弱的更小的设备上面是有机会上端侧模型的 。
举例而言的话 ， 就是充电宝 ， 或者是那个更小一点的头戴 ， 轻量化头戴耳机都是有机会的 。
但眼镜的话 ，因为这个位置太重量太敏感了 ，有可能我们还优先把它做轻 。
哎 ，在刚才提到类似 Octopus、 章鱼这样的端侧模型 ， 它因为重点在于理解 ，而不重点在于生成 ， 所以它把能耗效率都做得很高 。
那在这样的背景之下， 你能想到什么样的事可以因此而发生 ？
所以如果我们回归那个场景用户通电的逻辑 ， 你会做出 Plot。Plot 是一个很好的产品啊 ，因为其实旧的方法论未必生产不出好的产品 ，而且他们也在短期之内赚了很多的钱 ， 应该上亿了 。
呃 ，但是呢 ，以我们对端侧模型的能力的理解啊 ，其实我们认为最终所有的硬件都会重做的本质 ，是我们今天终于有机会用自然语言控制硬件了 。
我们关注的是用自然语言的理解能力去生成对硬件的控制能力 ，而不再关注通过自然语言的理解能力来用自然语言回复跟你聊天了 。
这是我对端侧模型一个最大的期待 ，而且我们会去发布类似的产品 。
你觉得这个预期的时间是什么时候呀 ？ 在另外一个播客里面说到过你们的产品预期是年底 ， 现在有什么更新吗 ？
我们的硬件 demo 应该很快就回来了 ， 然后接下来就是匹配软件 。 然后其实我们想达成的目标很简单 ， 就是你可以用自然语言来控制硬件 ， 然后呢 ，不需要读说明书 ，不需要研究那些按钮 ， 还有莫名其妙的出名的菜单了 。
对 ， 可能就是很简单的这些改善 ，也许对于用户体验来说只有 3%，但真正在技术上面其实是革命性的 。
如果它有端侧模型 ， 它能理解你 ，并且能替你控制这个硬件 ， 那么它就是一个完全不同的新的东西 ， 真正体现了加速算力对用户的价值 。
我再举个例子吧 ， 就比如说那个三年之后的空调 ， 它一定不是拿遥控器在弄了吧 ， 那它一定布一个让你在空调周围三四米的时候 ， 它能听得见你说话 ，并且你跟它说的话不用非常的精确 。
它说 ， 哎 ， 这风是不是吹得有点难受 ， 它就会自动的调小一点 ， 对吧 ？ 然后就是类似这种 ，其实也是一个非常容易想象的未来 。
那说不定明年的 CES 上可以看到很多这样子的新的样品 。
嗯 ， 对 ， 我认为是的 ， 就是因为甚至我一臂的模型所需要的算力并不是非常高 ，以及成本并不是非常贵嘛 。
呃 ， 很有可能一些很邪门的产品都会上端侧模型 。 举例而言 ， 就是也许你的桌桌面充电管理的那个玩意儿 ， 就是有什么三个 C 口 、 两个 A 口 ， 再加一个排插的那种东西 ， 它都可以上端侧模型 。
但如果家里到处都是这个 ， 感觉这个有时候一些话也会不会被误读 ？
呃 ， 这个是一个八卦啊 ， 某品牌的扫地机器人会利用自己的麦来决定在它的品牌 APP 里面是否给你推送避孕套广告 。
这个听起来很妙 ，因为它如果推这个 ， 那它应该也推很多别的 ， 对吧 ？ 其实就说明它在窃听嘛 。
嗯 ， 最终用户会在主动或者被动的情况之下出卖自己的隐私数据来换取便利 ， 这个趋势其实从来没有变过 。
嗯 ，而且我们在调研 Meta Glasses 的时候 ， 遇到了另外一群用户 ， 这群用户我们叫做 ， 呃 ， 三体里面的那个拯救派吧 ， 相信三体人会拯救人类的那一派 。他们甚至不停的给我们提这样的需求 ， 说我能不能让 Meta Glasses 那个摄像头常开一天 ， 只要我戴着它就开着 ， 然后把所有的那个视频全都串流给 AI， 然后让它能帮我记住我一天发生的所有事情 。
啊 ， 这样的人存在应该不意外吧 ？ 我觉得他是对隐私极不敏感的一些人， 或者安全感极强 ， 从来没有受过伤害的一些人。
对对对 ， 所以说用户会出现拯救派 ， 会出现那个反抗派 ， 这个在 AI 时代我觉得都会出现的 。
那你是哪一派啊 ？
我不知道 ， 我此时此刻我只能发现 ， 第一 ， 我的使命是把传感器给布上， 对吧 ？ 因为 AI 拥有了听觉 ， 拥有了视觉 ， 它需要传感器 。
而与此同时呢 ， 我希望 ， 呃 ， 端侧模型在尽量多的设备上布上去 ， 让我们长久以来生产的各种死的 3C 电子产品变成真正活的东西 ， 能更好的给用户带来价值 。
至于未来到底是哪一派 ， 我真根本就不 care， 就是我先把我这这点事办好 。
嗯 ， 活在当下， 既往不恋 ， 未来不杂 ， 重情向前 。
对 ，因为这两件事真的不容易啊 。
创业心法35:16
就这一次创业啊 ， 和之前创业 ，不管在魅族还是做怒喵的机械键盘 ， 或之前的那些产品 ， 呃 ， 你自己有哪些方法论上的升级吗 ？
我认为啊 ，99% 的创业者高估了自己产品定义的胜率 。 对 ，他们都觉得老子第一枪绝对命中靶心 ，不是 10 环也是 8 环 。
但是其实产品定义这个事本身 ， 我不认为它是个靶子 ， 就是它只有 200 分和 20 分两种结果 ， 它没有所谓的 60 分或者是 120 分这种中间状态的 。
所以说那个绝大多数人的胜率 ， 我认为绝对是低于 20% 的 ， 就是 1/5。 我个人的建议是你不要高估你的胜率 ， 你的胜率不会高于行业平均的 。
就是我这么多年， 我评估下来我的胜率可能就 20%。 所以你最好多准备几枪的钱 ， 然后你运气好 ， 第一枪中了那也是蒙的 ， 对吧 ？
但是 OK， 你后面有更多的子弹 ，但是万一你运气不好呢 ？ 我建议准备至少 3 枪 ， 然后如果真的融资能力很强 ， 准备个 5 枪 ， 然后这是第一点 。
所以这可能算是一个方法论的升级吧 。 但是呢 ， 又有另外一个问题 ， 就是我们钱可以用这种办法来解决 ， 可是对于我们而言 ，其实有一个比钱更重要的要素是时间 。
因为硬件的周期是很长的嘛 ， 就是说实话 ， 我做一个足够良心的硬件 ， 无论是那么复杂的手机 ， 或者是那么简单的键盘 ， 我觉得最终都是 12 个月 ，是很努力的 ， 很辛苦的 12 个月 。
如何节省时间是一个比如何节省钱更重要的问题 。 我以前是做软件的嘛 ， 我们是强烈的相信迭代的 ， 就是我们不要事先判断过多东西 ， 我们做一个 MVP 最小可用化产品 ， 然后迅速的让用户看到 ， 然后迅速的来修改 。
所以我们其实一直在研究如何用软件迭代的快速的短周期来去迭代硬件 。 那最终其实我们形成了一个比较简单的办法 ， 就是因为今天的虚拟技术 ， 包括 3D 建模 ， 包括渲染 ， 都已经非常非常的成熟了 ， 所以我们会用很好的工业设计师 ， 然后对于一个确定性的产品去生产 7 个左右的非常真实的 demo， 然后我们会再让我们非常好的 ， 呃 ， 营销
人员针对这些假的产品去写 7 张非常漂亮的 ， 就跟真正产品发布一模一样的海报 。 然后这样也许会很费劲 ， 然后这里面注定会有 6 张废稿 。
可是呢 ， 这样会大幅度节省我们硬件研发的周期 ， 我们研发一个硬件 12 个月 ， 别人研发一个硬件也 12 个月 。
但是其实我们在这里面通过我们积累的思域社区的测试 ， 用这 7 个假的东西 ， 最终七选一的方式 ， 我们测了 7 个方向 。
用户知道这是假的吗 ？
用户知道 ， 就是那个我们在一张一张拿去吹牛逼的时候的口径都是我们不一定做 。 对 ，但是你看这行不行 ？
嗯 ， 然后有些人用户上来就骂说啥 ， 对 ，但有些用户就说 shut up, take my money 就是别别废话 ， 给钱 。 嗯 ， 所以其实你可以认为别人 12 个月迭代一次 ， 我们可以 12 个月迭代 7 次 。
用这种假的虚拟的方式 ，以及极强的市场营销部门 ，他们可以在没有产品的时候把这产品说得天花乱坠 ， 甚至还能拍出假的视频 。其实这个事是所有做硬件 ， 甚至就是做实体消费产品的人都希望实现的吧 。
就听起来它不是一个非常复杂才会想到的方法论 ，但在怒喵你觉得能够真的执行落地 ， 这背后比较主要的原因是什么呀 ？
是什么样的企业文化 ， 或者什么样的没有大家没有看到的一些工作流 ？ 我觉得还是因为我是以前做软件的嘛 ， 我相信迭代 ，但是那些人他不相信的时候 ，他又很难去投入 。
比如说这对我们整个的工业设计人员的水准提高提出很多的要求 ， 然后呢 ，并且让我们的营销团队的膨胀了 ，其实都是额外付出的成本 。
然后很多人可能觉得 ， 哎 ， 我那 6 个废稿我为什么要搞得那么好 ？ 他不理解这些投入的价值 ，他也许知道 ，但他不相信的时候 ， 最终他不会这么干的 。
还有就是我们真的是把整个社区里面非常有想象力的 ， 非常 early adopter 的这些用户给聚集到我们自己的私域社区里了 。
然后这些用户成天在琢磨明天的产品 ，他们以买到只有我自己拥有 ， 然后但能代表明天技术的产品为荣的时候 ，他们会非常乐于参与这种讨论 。他们不认为这是一种无意义的意淫 。
那么我我们跟我们的这种团队这么辛苦的跟这些用户产生互动的时候 ， 这种化学反应会让我们快速的发现一个硬件产品的正确的定义 ，而且能让我们在 12 个月之内比别人多迭代 7 次 。其实在这个生成式 AI 刚问世的时候哈 ， 我相信不管是你也好 ， 还是社区里面这些拥抱新的可能性的用户也好 ， 大家对 AI 应该都是有非常多幻想的 。
但是到了今天 ， 很可能有些幻想大家发现它不切实际 ， 破碎了 。 呃 ，但是还是有一些进步仍然值得期待 。
所以在此时此刻 ， 你会想象中被破碎的梦想里面 ， 让你觉得最印象深刻的是什么 ？ 以及现在还留下的 ， 你觉得最有可能能实现的又是些什么 ？
其实我们一直在尝试去探索 AI 能力的极限 ，但是呢 ， 我们的方向可能别人不一样 。他们算那个 9.11 减那个什么 9.7 能不能算对这些事 。
嗯 ，但是对我们而言 ， 我们最至关重要的还是评估端侧 AI 的功耗 。 因为我以前是做软件的 ， 我是非常清楚的知道 AI 的这个革命的点在哪里 。
它是一个人类历史上第一次出现的一个通用智能 ， 然后它的特点是会错 ，但是正是因为它会错 ， 它带来了一个跟以往写死的逻辑完全不同的可能性 。
所以我对 AI 的革命性是没有任何怀疑的 。 但同时我又是做软件跟硬件工程的 ， 所以我并不 care 我们如何幻想 AI 最终像不像一个那个科幻电影里的角色 ， 比如说 anyway 任何一个角色的样子 。
我真正关心的是 ， 当我们拥有了一种有可能会错 ，但是它是通用智能 ， 它能处理更广泛的问题 ， 覆盖更多场景 ， 加速算力的时候 ， 我们能做什么比以前更好的事情 。
所以我们把这种思维方式简单的总结为一个词 ， 叫 improve， 就是我们不要关心我们的欲望是什么 ， 我们也不要去悔恨我们目前做不到多少 。
我们真正的问题是 ， 我们能否在今天的产品上面向前走那么一步 。 如果能往前走 ， 它有价值 ， 它就是一种 improve。
所以用 improve 的思维方式去 ， 呃 ， 探索 AI 能力的边界 ， 去探索它的最低功耗 ， 这是我们作为工程师的思维方式 。
311地震41:49
啊 ， 我们也来聊聊个人经历吧 。 你前面说到要知道自己能力的原点 ， 要知道做产品的真正的根据 。
嗯 ， 可以说一说你自己意识到这些的这个时刻发生在什么时候吗 ？
从日本 31 号大地震之后， 对 ， 我想明白了一件事 。 第一 ， 呃 ， 当你在下一秒就有可能被什么洪水 、 核泄漏 、 地震给搞死的时候 ， 此时此刻你所有的能力跟所有的资源跟所有的知识 ， 就是你能交付的最好结果 。
就不要期待明天 ，也不要期待下一秒 。 你今天要做决定 ， 你就做决定 ，而且你这个决定只要做的别让自己后悔就行了 。
这是第一点我想明白的事 。 然后第二点我想明白的事是 ， 无论乔布斯有多强的未来预测能力 ， 然后无论小米有多强的营销能力 ， 我们所拥有的东西 ， 本质上只是我们对于整个今天技术行业的理解 ，以及我们对于整个今天消费市场的理解 。
我们所有的产品创新一定是以这两个东西为根据的 ，而不在乎 ， 哎 ， 到底那个伊隆 · 马斯克又发了什么火箭 ， 或者是 ， 嗯 ， 小米又在什么地方创造了奇迹性的销量 。
可以补充一下上下文吗 ？ 就是在日本大地震的时候 ， 当时你是 ， 当时你是在一个什么样子的职业阶段 ？
然后， 呃 ， 你是亲历了这个事吗 ？
当时我老婆孩子都一起在东京 ， 回上海的机票我也炒到 2 万多一张还买不到 。 然后， 呃 ，但是后来我们把它送走了嘛 ， 然后就剩我一个人在东京 。
然后当时我在 NEC， 然后其实我会发现 ， 哎 ，4,000 万人的城市大概啊 ， 然后呢 ， 地铁照常运转 ， 然后呢 ， 那个 ， 呃 ， 便利店每天开门收银员 ， 跟那很平静的收钱 。
文化里一直有一句话叫当下， 就是说我们不要考虑那么多有的没的 ， 然后过去是人无法改变的事情 ， 未来是神才懂得的事情 。
对于人而言 ， 我们能把握的只有此时此刻 。 这种文化和道理我一直都清楚 。 然后日本的茶道等等东西一直在讲述 ， 包括日本人所说的一期一会 。
但是只有在那个时候 ， 我他妈的非常不确定下一秒还活不活着的时候 ， 我才突然明白为什么是当下， 对吧 ？
那我更不能浪费现在的这一秒 。
就经历了 311 之后， 你的决定不再是基于明天和未来可能会发生什么 ，而是今天此刻我已经有了哪些东西 。
那在这样的一个做决定的 mindset 之下， 回忆一下， 比如说在怒喵的这个创业历程当中， 有哪些决定是这么做出来 ，并且你觉得做的很好很对的 ？
我在魅族跟怒喵的所有决定都是这么做的 。 就是当你说 ， 你举例而言 ， 我第一次做营销副总裁 ， 然后呢 ， 我手里有 ， 呃 ， 大概 70 万的库存要处理 ，而那个时候如果我不迅速的处理掉 ， 呃 ， 魅族可能 4 个月之后就死了 。
呃 ， 所有人都在跟我说 ， 卧槽 ， 如果死了怎么办 ？ 我说他妈那是 4 个月之后的事 ， 对吧 ？ 然后呢 ， 又一帮人跟你说 ， 说妈的当时怎么下了这么多的单 ， 为什么不能小下一点 ？
我说他妈那是 6 个月之前的事 ， 对吧 ？ 那所以此时此刻我们怎么办 ？ 然后出了三个方案 ， 然后呢 ，以我当时的能力跟知识 ， 我无法判断哪个是最优的 。
所以跑到北京 ， 然后找到销售的真正牛逼的人， 然后让他们给我讲这三个方案背后的道理 。 然后最后听明白了之后回到珠海 ， 然后出了第四个方案 。
这个方案的代价呢是 8,000 万人民币 ， 然后但是能处理掉所有这些几十亿的库存 。 然后最后说 ， 啊 ， 那如果这个方案不成怎么办 ？
我说那也是下个月的事 ， 对吧 ？ 此时此刻我们决定干不干吧 ？ 然后大家说干 ， 结果的确那个把库存处理掉了 。
那个营销高人是怎么找到的呀 ？
基本上是找了友商的销售高管 ， 然后京东的销售高管 ， 然后运营商渠道和线下渠道的销售高管 ， 让他们比较全面的覆盖渠道不同的形态的 ， 呃 ， 逻辑 。
然后我觉得我那三个方案让我下面的人出了之后， 我去北京跟这四个人聊完之后， 我真正理解了中国手机销售的全渠道的内在逻辑 。
前面应该是一个压力非常大的时刻 ， 哎 ， 就是你应该是新官上任 ， 面临巨大的压力 ，而且时间一直在倒计时 。
但是我这个人的特征就是 ， 我既不失眠 ， 头发也好好的 ， 然后我下面管营销那个人是个秃子 ， 然后我下面管销售那个人是长期失眠 。
你之前的成长里面的哪些经历让你练就了现在这样的稳定心态 ， 很有韧性的风格 ？
我觉得有两点啊 ， 第一点真的是 ， 就是当你意识到未来不是你应该考虑的事情 ， 过去也没有悔恨的必要的这种当下的文化 ， 你真正理解了之后， 你的压力会小很多 。
但是还有另外一点是天生的吧 ， 就是有些人在压力面前他的反应是消极的 ，但有些人在压力面前他的反应是积极的 。
呃 ， 所以你判断你应不应该创业 ， 我建议你首先要回忆一下你的逆风时刻 。 如果你明显的表现为越逆风越兴奋那种状态 ， 那 OK， 你是适合创业的 。
但如果你没有这种状态 ， 那你要小心一点 。
那可不可以理解为 ， 就其实 ， 呃 ， 你之前也比较喜欢日本的文化 ， 然后对他们讲的这些东西比较有自己的参悟 ， 然后在这个 311 的当时是在一个比较极限的情况下把这些东西都体现出来了 ？
我认为这是两种境界 。 第一种境界是知道 ，有些人可能根本就不知道茶道在讲什么 ，以及一期一会到底什么意思 。
呃 ，但另外一种境界是相信 ，但是你真的要相信的时候 ， 你不经历那种下一秒就要挂掉的情况 ， 你是我认为你是不会相信的 。
就像今天我们讲的 ， 对 ， 你是做颠覆性创新 ， 或者你做 3%，有些人其实也是知道的 ， 甚至他以为他是相信的 ，但真正去做的时候 ， 你会发现这个人不信 ， 这个人还以为自己是乔布斯 。
iPhone 1648:05
啊 ， 我们也来聊一聊行业观察吧 ， 马上就要发 iPhone 16 了 ， 李楠你对这个 iPhone 16 的新功能有什么样子的想法 ？
呃 ， 前面提到了一个词 improve 改进 ， 呃 ， 你觉得 iPhone 16 会有什么样子的 improve？
我看了苹果的这个架构 ， 我有一个很深刻的感受是什么呢 ？ 是苹果实际上自己没有真正的很强的模型能力 ，但是苹果又不想承认 。
比如说如果是我 ， 我云端直接用 GPT-4o 就好了嘛 ，因为它的确是目前各方面评分最高 ， 能力最全面的模型 。
消费者在 MetaGlass 的调研里面也明确的说 ， 我不想 ， 我连 Llama 都不想用 ， 我想用 GPT-4o，但苹果非在云端给搞一自己的模型 ， 对吧 ？
所以我觉得苹果是心有不甘的 ，因为在非加速算力时代 ， 苹果实际上是整个价值的核心 。 它不但生产手机 ， 它生产芯片 ， 它很快会搞定那个 model 通讯 ， 然后呢 ， 苹果制造自己的系统 ， 无论是 macOS 还是 iOS， 它是整个价值的核心 。
而在 AI 时代 ， 如果苹果没有自己的极强的模型能力 ， 实际上苹果也变成一卖牛仔裤的了 。 所以我觉得苹果接受这个现实可能还需要一点时间 。
嗯 ， 把这个问题扩展一下， 就是大家都在讨论下一个硬件是什么 ， 很有可能它它是一个挂在身上， 或者是戴在头上， 很容易 ， 或者是很容易被拿出来的一个东西 。
那 ， 呃 ， 苹果其实它它作为一个这么有积累的一个公司 ， 大家都说它的这个创新空间变小了 ，但是手机仍然是我们生活中一个非常重要的一个设备 。
呃 ， 所以换 ， 所以再扩展一下刚才那个问题是说 ， 你觉得苹果如果要 improve， 它会很着急要 improve 什么 ？
就我推测一下那个苹果的那个模型 ， 就是以我们现在对于端侧模型的认识 ， 苹果大概在它手机上布了一个 3B 左右的端侧模型 ， 然后呢 ， 那云端的模型它的确放了一个自己的 ， 然后同时它会转发给 GPT-4o 嘛 ， 它大概是这个架构 。
那在这个架构下， 我认为苹果真正的金矿实际上是那个端侧模型 。 就像我们刚才说的 ， 端侧模型一旦部署 ， 它的理解是相对而言省电的 。
所以我相信苹果的端侧模型会大幅度改善 Siri 理解自然语言的能力 。 嗯 ，而且据我所知 ， 苹果也跟那个章鱼团队有接触 ， 所以他们一定会在理解的基础上做这么几件事 。
第一是替你更好的控制硬件 ， 对 ， 学习 iOS API， 对吧 ？ 那第二个是呢 ， 当我需要处理一些更复杂的任务 ， 转发给云端 AI 的时候 ， 这个端侧模型在基于一个良好理解的情况之下， 可以为云端模型解决更好的上下文 。
因为它是系统级别的一个权限 ， 所以它可以收集更完善的 ， 呃 ， 场景及环境的数据 。 苹果有一个专利 ， 大家可能都没有注意到是关于 AI 的 ， 就是那个专利是根据你现在手机屏幕上显示的界面来猜测你在干什么事 。
对 ， 所以当苹果手机上的需求被发生的时候 ， 它转发给端侧模型的时候 ， 这个端侧模型能帮助云端模型更好的理解这个现在的环境和背景 。
然后所以那个模型的 promoter 会比别的手机更好 。 然后呢 ， 第三个呢 ， 就是这个苹果的端端侧模型会代替所有的那些 Siri 模型更好的管理你的数据 ， 确保隐私 ，因为这件事的确会比较敏感 。
所以我觉得如果苹果在 iOS 16 上能把这三件事通过它这个端侧模型做好 ， 那么会是苹果手机真正的价值 。
至于云端 ， 对 ， 它老老实实的交给 GPT-4o 就 OK 了 ， 别瞎折腾 。
说到这个 ， 就是苹果那个专利哈 ， 就它能够根据你屏幕来判断你在做什么 。 我讲一个可能和 AI 硬件没有关系的一个小故事 ， 就最近我还挺感慨的 。
就前几天去吃晚饭 ， 然后那个服务员就说 ， 呃 ， 点评好评可以送饮料的 ， 我就把手机给他 ， 然后我就发现他都开始会用 AI 来写了 。
然后我说你用的啥 AI？ 他说他用的搜狗输入法写好评 ， 就搜狗输入法在那个屏幕上调起的时候 ， 就可以哐哐哐写好评 。
本来如果他让我写那个 ， 我是可以自己写的 ， 我是用那个海螺 AI， 它有一个辅助气泡 ， 我点一下， 它就会截屏 ， 截完屏之后海螺 AI 会判断 ， 哦 ， 这是点评写好评的页面 ， 就哐哐哐帮我写了 ， 我就一键贴进去就行 。
我觉得大众点评如果发现它的用户评论开始失效的时候 ， 它甚至会直接在评论下面给你一个判定 ，98% 的概率是 AI 生成的评论 。
前段时间还有另外一个这个有点小火的 ， 呃 ，AI 产品 ， 一个软件叫链小语键盘 ， 它讲的是这个 ， 呃 ， 谈恋爱的时候你不要用搜狗输入法 ， 用我的输入法 。
然后当他发现这个女朋友发来一句话 ， 然后你打的那个回复不够好的时候 ， 它会在输入法的旁边提醒你 ， 这个时候你应该如此这般的去回复 ， 能达到更好的效果 。
如果你的对象知道你在用这样的一个键盘 ，他会是一个什么样的心态 ？ 我发现在这里就有截然不同的两种想法 ， 一种想法是觉得我被大大的侮辱了 ， 或者被大大的敷衍了 ， 我非常生气 。
但后来我发现有另外一种更成熟的想法 ，他是认为沟通本来就是需要学习和进步的 。 对 ， 呃 ， 只要我相信他本质是爱我的 ，他只是在不断的提高自己的沟通技巧 ， 那这个对我来说是喜闻乐见的 。
我们本质上把所有的科技进步都看作是人的器官的延伸就好了 。在这种情况之下，AI 也是我们自身能力的延伸 。
就今天不用手机是很傻的一种行为 ，但真的出现过抵制智能手机的人呢 ， 包括在现在的美国 ， 还有一些人用所谓的 dumbphone， 就是 OK， 你 smart， 对吧 ？
我就用傻手机 。 无论是手机或者是智能眼镜或者 AI device， 都是人的新的器官的情况之下， 呃 ， 我觉得对输入法用 AI 来帮你修饰一些回复 ，也无非就是你多了一个外脑而已嘛 。
最终科技进步是每个人的器官的一个加强 ，而这种加强有可能在某种程度上限制别人的自由 。 嗯 ， 那在这个过程当中， 我们可能需要检讨 。
可是如果最终给整体社会带来的便利超越了对你个人自由的那么一点点的侵犯 ， 经过一段的时间 ， 最终社会会接受这个状况的 。
我并没有去抢你的钱 ， 我也没有限制你的人身自由 ， 最终这个问题会被社会接受 ，以及会被技术解决的 。
对 ， 可能被接受 ，也可能被技术去解决 ， 或者被一些新的政策或者理念来去给它对抗掉 。 我们聊一聊 ， 比如说华为 、 小米 ， 甚至老罗他们在做的这些 AI 硬件 。
硬件洞察54:39
我大概知道他们在干什么 ， 本质上跟我们的产品逻辑并没有真正的关系 。 然后但是我可以提供一些数据供大家参考 ， 就是说我觉得第一点是产品原型一定不是凭空出现的 。
呃 ， 这一点很多人因为对历史的不了解 ，他会以为 iPhone 是一个石破惊天的东西 ， 可其实 iPhone 之前已经有了大量的触控屏设备 ， 只是没有电容触控而已 。
呃 ， 什么 ， 呃 ，PDA、 诺架的 MIMO 设备 ，以及那 ， 呃 ，Sony 的 TH5 等等等等这些 ， 然后包括 Handsprint， 产品原型不会凭空出现 ， 它在前面一定有一些有一定量级的产品 。
所以今天我们在看 Meta Glasses 的时候 ， 我们看它短短时间之内突破 200 万 ， 我认为是一个原型的标志的时候 ， 我们再看前面 。其实我觉得看清楚前面很重要 。
那么在 Meta Glasses 出现的前三年发生了什么呢 ？ 音频眼镜这个品类 ， 华为的销量从 20 万上到 50 万 ， 又上到了 70 万 ，而这就意味着全行业可能是已经是一个几百万的保有量了 。
所以说原型不会没有信号 ， 一定不会没有信号 ，不会凭空出现的 。 这是华为的状况 。 小米的话呢 ， 的确他们跟进了音频眼镜 ， 呃 ， 甚至他们不是因为 Meta Glasses 跟进的 ，他们应该是看到了华为卖的好又卖的贵 ， 所以他们跟进了 。
就典型的 ， 对 ， 我用 1/10 的价格做一个 60 寸的产品 ， 然后那个卖的很便宜 。 嗯 ， 然后我相信今天他们会重新踏上风口 。
对 ， 我只要加个摄像头 ， 我就是 Meta Glasses， 这是运气的一部分 。 老罗的产品有点太慢了 ， 这点我不太看好 。
我知道他在做什么 ， 经过了数次推倒重来 ，但我觉得不见人， 这么长时间不见人不是一个好的状态 。
在整个 AI 硬件的领域里面啊 ， 就是有没有什么你今天认为是常识 ，但是一般人他们不知道或者不认可的事情 ？
嗯 ， 我觉得最大的一个 ， 呃 ， 常识是其实 AI 眼镜不是 AI 设备 。 对 ， 它一点都不加速算力 。 嗯 ， 然后类似这种 。
然后呢 ， 我觉得很多人低估了传感器 ， 绝对低估了传感器 。 这个行业里面 ， 包括行业内以及投资人经常问一个他妈的蠢得要死的问题 ， 就是说 ， 哎 ， 你看那个这这个设备能干这件事 ，他们会问 ， 哎 ， 那我手机也可以啊 ， 我装个 APP 不行吗 ？
对 ， 我说他妈的那个揣在兜里 ， 然后拿出来会占用你的一只手 。 然后这个价值实际上我以前是绝对说不通的 ， 没有人信的 。
直到 Meta Glasses 的销量突破 200 万的时候 ， 忽然有人说 ， 哎妈 ， 当时你说的有道理 ， 对吧 ？ 然后我们的确需要一个 ， 呃 ， 从兜里拿出来的设备 ， 然后具备所有 AI 需要的传感器 。
对 ， 所以其实知道是一码事 ， 相信是另一码事 。 然后很多人相信需要真正的事实 。
还有哪些傻叉问题啊 ？
还有就是我觉得还有一个很大的误区 ， 就 AI 识错实际上是很重要的好处 。 这就意味着它可以比以前那些写死的代码 ， 本质上代码都是 if 跟 else 的各种变化 ， 它是真的可以比那些写死的代码提供更柔软的通用智能的能力的 。
我觉得理解这点真的非常重要 ， 理解算力的根本性质非常重要 。 因为我们常说软件决定硬件 ， 对 ，是因为 iOS 的那种可以兼容电容触控的不精确的算法 ， 决定了我可以用手指去操那么爽的操控一个屏幕 。
但是更深层的是什么在决定软件 ？ 实际上是算力的性质决定了软件 。 今天我们从传统算力进化到加速算力的时候 ， 算力的性质变了 。
所以有人会说所有的软件都会重写 ， 那也必然意味着所有的硬件都会重做 ，AI 会吞食掉软件 。 这个不是我说的 ，是当年 OpenAI 的一个创始人说的 ， 叫做软件吞食世界 ，但是 AI 吞食软件 。
而这件事他好几年以前说了 ，也没有人相信 ，是的确有很多人知道 ， 直到 Tesla FSD V12 发布一个端到端的感知决策一体的模型 ，在车上真正跑起来之后，Tesla 说他们把自动驾驶的代码量从 30 万行一下子干到了 1 万行以内 ， 只有几千行 。
所以这件事真正发生了 ， 软件曾经吞食了世界 ，但今天 AI 在吞食软件 。
我觉得是一个非常有趣的一个说法哈 ， 就是 AI 会出错 ， 这个它不是一个坏事 。 可不可以有一个更具体一点的一个例子啊 ， 就是怎么样把它的出错 ， 呃 ， 反而扭转回来 ， 变成一个好事 ， 甚至变成某种功能 ， 某种价值 ？
因为我以前是程序员啊 ， 然后呢 ， 我觉得 ， 呃 ， 这个职业生涯让我学会了很重要的一件事 ， 就如果输出错了的话 ， 一定是人有问题 ，不是机器有问题 。
因为整个冯诺依恩架构的这种模式决定了在非常非常罕见的情况之下它会错 ，但绝大多数情况下它是不会错的 。
它的确定性几乎是接近 100% 的 ，但正是因为如此高的确定性 ， 导致了它实际上是一种非常傻的算力 。
它只能根据确定的输入去处理确定的情况 。 你搜索那个黑神话悟空 ， 你能搜索到那个你想看的视频 ，但是如果你你搜索一个 ， 哎 ， 关于美猴王的游戏 ， 你是绝壁搜索不到的 。
正是因为这种算力的特征 ， 呃 ， 实际上我们大概用了几十年的时间不停的规训所有的用户 ， 你要理解传统算力的特征 。
所以你要知道 ， 呃 ， 你必须得用正确的关键词 ， 然后你不能用这种模糊的方式来去做事情 。 但其实这是反人类的 。
而今天你会发现大模型拥有了这种模糊的能力 。 如果你现在问 GPT-4o， 我们可以试一下， 就是说最近很火的一个关于孙悟空的游戏是什么 ， 它也许会给你正确答案的 ， 对吧 ？
那这种能力是以前的软件算力完全不具备的能力 ，但是它必然会有代价 。
但这个在讲的我理解 ，其实它是变得更包容了 ，而不是它会出错 。 它会出错是它输出的时候它会有一些幻觉 ， 或者它会有一些这个事实上的误差 。
那这个如何理解它是好的呢 ？
正是因为 OpenAI 允许错误 ， 才导致了规模效应真正生效 。 就是它拥有这么柔软的理解能力的天然的代价就是它一定会错 。
因为我们不是通过一个确定性的写死的几乎不会错的 if else 的逻辑来去输出结果了 ， 我们是通过一个我们训练出来的 ， 我们也不知道里面到底是怎么回事的一个极大规模的神经网络来去输出结果的 。
这里面的工作原理 ， 甚至我们自己都不是百分之百搞明白的情况之下， 它有可能吐出各种各样邪门的东西 。
所以我们如果不允许错误 ， 我们就不会拥有今天的 AI。
我觉得这其实是接受了一定的容错度 ， 换来了海阔天空 。
对 ， 换来了真正的通用智能 。
就现在李楠你在做 AI 的这个耳机的时候 ， 和过去开发产品的经历 ， 你会觉得有哪些不同吗 ？ 这些不同有哪些是因为 AI 而来 ，有哪些是因为人生阶段或者创业经历的不同而带来的 ？
我觉得我经历过两个比较明显的阶段 。 第一个阶段是那个前让我是长期的看各种那个关于 AI 的 paper 等等东西的时候 ，但是呢 ，GPT-4o 在 2003 年 3 月的发布 ， 让我突然意识到这个规模法则是真的 。
呃 ， 我们以前也是知道规模法则 ，但是我们没想到有这么好的效果 。 嗯 ， 所以这个是让我一下子相信了超大规模的神经网络是有效的 ，是真正理解人类自然语言的 。
这个是很震撼的一刻 ， 然后你可以叫做 iPhone 时刻了 。 基于这种加速算力和这种通用智能的能力 ， 对真正的硬件应该是什么样的 ，其实我们也迷茫了很久 。
我包括有一段时间我们觉得 AI Pin 特牛逼 ，因为的确那个团队的背景很牛逼 ， 然后投资的机构也都包括 OpenAI 自己嘛 。其实在寻找关于加速算力的产品原型的时候 ， 我们也是很迷茫的 ， 就是必须得承认我也不是乔布斯 。
嗯 ， 然后我们看好过 AI Pin， 我们否定过那个 Robbie Tarvan，但同时我们对于 Meta Glasses 我们也没有那么强的 ， 呃 ， 辨识度 。
但直到 Meta Glasses 的销量最终超过 50 万条的时候 ， 我们觉得有点不对劲了 。 对 ， 然后我们判断它他妈会不会过那个识别金线 ， 它会不会过 70 万条的金线 。
嗯 ， 然后所以这是第二个 iPhone 时刻 。 我觉得后面的路就看得很清楚了 。 就是因为直到今天 ， 呃 ，iPhone 2007 年发布 ， 今年 2024 年， 对吧 ， 这么长的时间里面 ， 没有人真正颠覆过 iPhone 的这个产品原型 。
所以我们所有人在 iPhone 上面做的事情都是因谱 。 然后相信 Meta Glasses 奠定的这种传感器在兜外面为人提供 AI 的实时辅助的这个基本模型会稳定很久 。
像刚才提到啊 ， 曾经一度你会认为 AI Pin 不错啊 ，但后来发现这个 ， 呃 ， 判断是 ， 呃 ，有调整 。 那有没有类似这样的对产品的判断 ， 或者对一些想法的观点的判断 ， 大概在一年前 、 半年前你还是相信的 ，但今天你自己给它推翻了 ？
团队效率1:03:54
对 ， 我们当时认为 AI Pin 对的地方是它的确是把传感器从兜里拿出来了 ，但是我们对它有一个很高度怀疑的地方是我们觉得这佩戴不太自然跟方便 。
然后一个很重要的问题就是 ， 就是如果你是年轻人穿帽衫 ， 这 AI Pin 好像不太容易戴 ， 容易掉嘛 。
然后， 呃 ，但真实 AI Pin 口碑扑街有一个很重要的原因 ， 我认为它是做了显示 ， 它做了那个激光投影在手上那东西 。
它虽然很炫酷 ，但它带来了更高的耗电 、 更大的发热等等这一系列的问题 。 所以最终 AI Pin 的口碑扑街 。
一个很有意思的事情 ，在 Meta Glasses 发布之前 ， 所有做智能眼镜的人都在做显示 ， 所以我们认为至少在短期之内 ， 呃 ，6-12 个月之内 ， 显示可能是一个不必要的功能 ， 它有太大的代价 。
这点我相信可能跟很多人的认识是相反的 。 甚至其实我们有一个明确的消息 ， 就是 Meta 很有可能在下一代产品里迭代带显示的眼镜 。
我也听了你在那个脑放电波里面聊的关于 AI Pin 的问题 。 我自己其实很好奇的一点是 ， 大家会觉得他们加的这个都激光投影的这个功能带来了非常多非常大的这个功耗的问题 。
作为一个外行 ， 我其实很好奇的一个问题是 ，他们的团队这么的豪华 ，他们自己会想不到这个问题吗 ？
我觉得你们真正定义过产品的时候 ， 你们会发现一个非常有意思的事情 ， 就是因为软件产品的周期很短 ， 所以其实会存在超来超去的事情 ， 甚至可能你真的一个设计泄露了 ， 然后最终就会导致那个别人把你干掉了 。
但是硬件没有这把事 ， 很奇怪 。 你用语言来描述一个你认为 12 个月之后上市的硬件的时候 ， 听的那个人绝逼不可能真正听懂你要干嘛 。
就聊的是同一个 idea，但做出来的可能是 1,000 个不一样的产品 。
对 ，因为这个硬件长达 12 个月的过程中， 你可能需要做大概 ， 呃 ，也许真的有 1,000 个决策 ，而这 1,000 个决策里可能有 10 个是生死攸关的 ， 没有概率两个人会完全判断一样 。
而且很有意思的是 ， 如果你说 OK， 那此时此刻我给你们两个人同样的一笔钱 ， 你们自己弄团队 ， 你们 12 个月之后把这两个产品拿出来 ， 你们用使用同样的 idea。
我跟你说 ，12 个月之后这两个产品上市的时候的差异化之大 ， 一定会让你惊掉下巴 ， 你完全想不到 ， 卧槽 ， 这是一个 idea。
这是一个很有意思的事情 。 但是我真的是因为当年做手机的时候 ， 双方简直就是商业间谍已经横行到这个地步的时候 ， 我觉得对 ， 我没有必要保密 。
对 ， 然后呢 ， 反正 12 个月之后你用一个团队跟我们做同样的竞品 ， 你做的东西根本会完全不一样 。
哎 ，在过去一年里面啊 ， 就是这一年我理解是外面还是瞬息万变的一年嘛 。 然后李楠你会认为自己做的最好的一个决策是啥 ？
我觉得我做的最好的决策跟 AI 是没有关系的 。 就是我为了能让我们上 AI device， 我首先把团队裁了 40%， 同时销售额翻了一倍 ， 然后达成了真正的盈亏平衡 。
我们做更大的销售规模 ， 我们需要更多的人。 但是呢 ， 那个这个故事已经被 Elon Musk 用事实颠覆了 。 就是实际上他把推特从接近 8,000 人裁到了 1,500 人， 然后推特实际上是在被裁到 1,500 人左右的规模的时候 ， 创造了推特历史上的流量新高 。
然后推特我们还很正常的用 ， 对吧 ， 用的挺好 。 但是我裁掉了 40% 的人， 最终导致我们公司的销售规模翻了一倍 。
那为什么呢 ？ 是因为没有那么多人在里头去搞消耗了 ， 然后决策更清晰了 ， 对吧 ， 然后效率更高了 。
所以人越多带来的效能越高这件事本身有很大的疑问 ，而这是一个传统的组织领域内的一个常识吧 。 但是 AI 让这件事变得更极端了 。
就是我原来可能有 5 个左右的平面设计 ，但是今天我全干掉我只剩下一个 。 然后我以前可能有一个更大的程序员团队 ，但是我现在只有两个人写代码 。
所以 AI 真的在让我们可以用更小的团队干更大的事情 ，而且包括 Midjourney， 包括嗯 ， 一系列的 ， 呃 ，Claude 生成代码的能力 ， 已经是真正的生产力工具了 。
大家对 AI 的期待可能是完全摆脱人 ，但真实情况之下 ，是 AI 能让极少数人去承担更多的工作 ， 让更多的人失业 。
我最正确的决策是第一 ， 我让公司可以腾出足够的资源去投 AI device，在不依赖任何外部资本的情况之下， 我们能完成这个循环 。
第二就是我们通过这种精简跟各种 AI 的应用 ， 融入我们的工作流 ， 提升效率 ， 让我们更深刻的理解了 AI。
我们被强迫在各个层面用各种 AI 服务去提升效率来增加产能 。其实 AI 对部分的工作的取代 ， 这是一个已经在发生的事实啊 。
我们身边大量的在看到这样的故事 ，以及它是来势汹汹不可抵挡的 。 但另一方面 ， 那它确实伤害到了非常多人的工作 ， 甚至收入 ， 甚至家庭 。
那你会怎么看这个问题啊 ？ 无论是 Elon Musk 还是 OpenAI 的那个奥特曼 ，他都说过一个词叫基本生活保障 。 就是他认为未来当那个极少数精英可以通过 AI 来增加效率 ， 可能是 10 倍的提升的情况之下， 意味着大量人失业 ， 那么我们应该对剩下那些失业的人来发一个基本生活保障 。
而且奥特曼已经拿出了好像是几千万美金还是几千万人民币做了一个实验 ， 好像发了有几年， 有三年， 然后最终的结论是好像发钱不行 ， 就是并不能真正提升这些失业的人的那个生活质量和健康质量 。
这这个问题的确是一个问题 ，但这个问题真的不是我们能解决的问题 。 但是呢 ， 它是需要想一些办法的 。
然后奥特曼的最新的解决方案是 ， 我们如果发放钱不能解决这些人的问题 ， 那么我们可以发放算力 。
就是我可以让这些失业的人免费使用 GPT-4o 多少多少时长 ， 让他们来去创造收入 。 这件事其实在历史上发生过 ， 就当年东北的那个下岗潮 ， 对吧 。
所以最终 ， 嗯 ， 我们虽然有各种文明 ，但是我们最终生活在一个适应或者淘汰的世界里 。 我觉得如果一个人没有主动适应这个时代的能力的话 ， 那么你就只能接受淘汰的结果 。
哎 ， 你最近最常思考的问题是什么呀 ？
最常思考的问题 ， 嗯 ， 就怎么搞进度 。 对 。
现在卡在什么地方 ？
各种卡 。 因为那个硬件产品的一个很大的特征是 ， 呃 ， 我们必须得在一个 demo 出现之前驱动电子 ， 呃 ， 嵌入式软件 ， 然后工业设计结构等等的所有工程师去正确的想象这个产品 。
然后呢 ，但实际上这个过程是很漫长的 ， 你会出现很多的差错 。 然后真正 ， 呃 ， 加速实际上是在 demo 出现之前 ， 然后我们正处在这个 demo 还没回来的状态嘛 。
所以其实大家对这个产品的理解 ，以及这个产品的功能等等 ， 还是有很多争论的 。 但是我相信对 demo 回来了之后， 大家会迅速的统一意见 。
因为一旦你见到了实物 ， 然后你开始使用 ， 你就会迅速的 get 到这个产品的那个定义的点在哪里 。 所以其实 demo 是很重要的 。
我现在就是成天在催各种你那结构好没好 ， 你那电子好没好 ， 对 ， 你那个嵌入式怎么样了 ， 然后这种 。
哎 ，在等待这个 demo 的过程中， 你的心情更多是兴奋 ，是恐惧 ， 还是是什么呀 ？
我是不是尽了我所有的能力 ， 然后用了我所有的知识 ， 然后在今天没有太多遗憾的把我想做的事完成了 。
对 ， 如果我完成了 ， 那这就是我能达到的最优结果嘛 。 对 ， 所以我其实也不会期待 ，也不会恐惧 ， 就是把事办了 。
你刚刚说到的 ， 你在意的是自己有没有尽力把想做的事情给完成了 。 嗯 ， 你想你想做的这个事情是什么 ，以及你对怒喵的目标是什么 ？
营销观察1:11:57
我想做的事情本质上是我认为此时此刻最有价值的 ， 最应该去着手做的事情 ，而不是我期待明天或者三个月之后， 或者是明年一定要完成的事情 。
那这个东西在有些人看来也许是个一种短视 ，但是在我看来 ， 这是一个 ， 呃 ，在此时此刻运用自己最大的能力来获得一个最好的决策的最优办法 。
所以其实 ， 呃 ， 对 ， 我的头发还是挺好的 ， 然后， 呃 ，也不会失眠 。 但这里面的确有另外一个问题 ， 就是说我们是不是会太短视 ？
我们是不是看到三年， 看不到三年或者五年嘛 。 就是比如说 ， 如果你以一年为维度在和所有人竞争的时候 ， 你会有无数的竞争对手 ，但如果你用三年甚至五年来去做决策的时候 ， 很有可能你已经没有多少竞争对手了 。
亚马逊的老板说的 ， 比如说我用三年跟五年做决策的时候 ， 我这三五年是我的愿望 ， 还是我看到的未来 ？
我觉得肯定不是自己的愿望 ， 应该是第二种 。 所以我们应该建立的还是一种向前看的能力 ，但这种能力的建立其实是不可强求的 ， 还是依赖于你在这个行业里面持续的预测 ， 持续的被抽脸 。
就这个能力 ， 我认我在一定程度上认为是可以学习的 ， 这个不是天生的 。 而且我觉得这个能力跟 AI 大模型的一个特征很像 ， 就是如果你想建立这种向未来看 ， 甚至能看到 12 个月之后 ，因为我们做硬件必须得看到 12 个月之后 。
如果很牛逼的人看到三年甚至五年之后， 你如果想建立这个能力 ， 你一定要接受一点 ， 就是你一定会错 ，而且你会为你的错误付出一些代价 。
所以当你习惯了这一点的时候 ， 我觉得你会慢慢的拥有一种往前看 6 个月或者往前看 12 个月的能力 。
当你往前看的时间超过了 12 个月的时候 ， 你定义硬件产品的胜率会提升 。 就比如说此时此刻 ， 我就相信对那帮人肯定给我干 99 美金 。
对 ， 嗯 ， 然后甚至 29 美金我都信 。 对 ， 所以这就是 6 个月之后对市场状况的一个判断 。
嗯 ， 我在跟你聊天 ，以及看你之前的采访直播的感受 ， 都会觉得你是一个呃 ， 特别冷静的人。 这个是因为你本身性格是这样的 ， 还是因为像你刚刚说到做硬件本身 ， 它是硬件这个行业 ， 它是有一些非常特别的特点 ？
你要看到 12 个月以后， 然后要区分有哪些是你的愿望 ， 还是有哪些是你真正能做成的事 ？ 那可不可以说一说 ， 就是你在创业的这个路上 ，有什么比较大的这种学到的经验教训吗 ？
当年在那个 iPhone 或者在哪里写东西的时候 ， 跟各种人争吵 ，因为当时很年轻嘛 。 我觉得我跟那些人对骂的一个很重要的收获是 ，是他说对了 。
当我跟这些人去论战了可能有三五年的时间 ， 最终 iPhone 获得了决定性的胜利 。 再后来我又跟一些人争执了可能有几个月的时间 ， 最终 ARM 平台真的从移动端返工到桌面 ， 就是我的预言都正确的时候 ， 我会发现第一 ， 如果你想预测未来 ， 你一定会说错一些东西 。
然后第二呢 ，是嗯 ，其实所有人都有道理 ，但是呢 ， 如果你被情绪左右的时候 ， 你会忽视他说对的部分 。
所以我觉得就是看透未来是一个神的工作 ， 那他有 。 如果你想一定程度上拥有这种能力的时候 ， 你不能带来人的情绪吧 。
所以我相对而言 ， 可能在这方面会比较的你说的冷静一点或者冷血一点 。
听起来感觉是那句话被生活督导了 ，但是仍然还对生活有热情 。
我倒霉是常态 。 对 ， 就是会失败很多很多次 。 嗯 ， 我很幸运 ， 我是乔丹的球迷 ， 就乔丹是篮球之神 ， 对吧 ，因为我当年看他的比赛 。
然后乔丹说过一个很有名的话 ， 说 OK， 你们都知道我很牛逼 ， 对吧 ，但是我清楚的记得我投失了无数的绝杀 。他会非常精确的说出那个投失的绝杀数字 ， 所以你会突然在那一刻意识到 ， 妈的 ， 乔丹赢下了这么多荣誉 ， 这么牛逼 ， 背后是他有几百场比赛 ， 所有人都相信他的时候 ，他出手绝杀失败了 。
那你倒霉并不是什么新鲜事 。 对 ， 然后乔丹也一样 ， 神也一样 。 对 ， 所以赌错失败 ， 倒霉不幸运 ， 或者是需要适应 ， 或者有可能被淘汰 ， 应该是这个世界的常态 。
我觉得你说话的方式跟有的时候讲一些比较尖锐一些的观点的时候 ， 表达出来的那个感觉是啊 ， 丧丧的 。
啊 ， 对 ， 我就是很丧 。 我相信倒霉的事情一定会发生 ，但是人嘛 ， 人不就是来处理这些事情的吗 ？
啊 ， 我说这个话我没有什么评价的意思 ， 只是就是聊天下来的一个感受 。 嗯 ， 我其实也去看了一下你的微博 ， 就发现啊 ， 首先我曾经知道魅族 ， 就是因为看你的微博 ， 看你的微博 。其次是我发现你现在还在发微博 ， 好像我感觉好像除了要做博主 ， 现在仍然在持续的更新微博的人已经不是很多了 。
然后想问一下， 就是你的这种持续的表达的这个动力是什么呢 ？
呃 ， 对 ，因为那个我们是要预测未来的 。 预测未来的最重要的点就是我发的任何的东西 ， 我发了之后我不编辑 。
所以就你可以认为这是用我的影响力跟信用的一场赌博 。 对了 ， 翻出来说自己牛逼 ， 错了就被别人翻出来抽你的脸 。
所以其实对 ， 我发微博基本上是这个目的 。 这样的话 ，其实慢慢的会让你有一些那个很确定性的证据 ， 让你可以反思我们以前哪些地方看对了 ， 哪些地方看错了 。
很多人会选择把它记在自己的日记本里 ，不会公开 。
但是不会公开有没有代价呀 ？ 对吧 ， 我其实现在是非常期待有人翻出我以前的东西 ， 说你看你傻逼吧 ， 你说错了 。
那那样我会真正去反省一下当时是哪里的判断不对 ， 对吧 。 所以其实从这些地方学习是一个很重要的能力 。
我甚至认为这些东西给我带来真正的回报 。
这些东西你指的是什么 ？
就是那些说错了又被翻出来打脸的东西 。 所以这跟 AI 是一样的 。 你是怎么判断 ， 或者你是怎么看待错误的 ？
嗯 ，在大模型的规模化的真正生效之前 ， 所有人认为计算机出错是不好的嘛 。 但是当呃 OpenAI 接受了出错的时候 ， 它真正的把一个有效的通用智能训练出来了 。
所以我认为就是我们判断看待错误的方式可能没有那么 ， 就像所有人都高估了自己的胜率一样 ， 所有人都低估了自己错误的价值 。
我之前看了一些关于你的文章 ， 看到有一个关于你的评价是说你是一个很会做营销的人。
我应该还算是可以 。
你觉得现在的这个时代跟 10 年前 、15 年前的那个营销方式 ， 就你自己做事的方式有什么特别大的不一样吗 ？
我们现在有一个比较深刻的感受 ， 就是其实那个视频已经被非常广泛的接受了 ， 所以导致其实文字被极其严重的削弱了 。
我甚至认为广告行业的文案已经不重要了 ， 大家真的不太习惯看三行以上的文字了 。 然后这是一个比较大的变化 。
然后第二个变化实际上是消费者的注意力真的在越来越短 ， 这件事会对营销产生非常大的影响 。
以前的广告有 60 秒 ， 甚至有 30 秒居多 ， 甚至有 60 秒的广告 ，而且很多经典的广告是这个长度的 。
但是今天我觉得 15 秒的广告可能都长了 ，也许你需要 7 秒就把事说清楚 。 所以嗯 ， 消费者的注意力在迅速的丧失 。
但是在这种情况之下， 会产生另外一个问题 ， 就是在今天网络上的营销会更多的需要情绪的驱动 ， 就是因为大家的耐心太少了 ，以及时间太短了 ，以及消费的又是视频这种可以调动情绪的内容 。
那么逻辑和事实没有那么重要了 。
你最近有看到什么觉得特别好的营销的案例吗 ？
我印象比较深刻的是奥运会 ， 就是因为奥运会这个东西在营销行业内是一个烂题 ， 就是所有人每四年都必须得做一次 ，而且一大堆人一起去做嘛 。
然后呢 ， 几乎就所有的知识跟玩法都被玩玩烂了 。 这届奥运会我见到了一个很牛逼的案例 ， 叫做金牌上面要有钻 ，有一个卖钻戒的公司 。
然后呢 ， 找到一对 couple，是那个女的夺金了 ， 还是那个男的夺金了 ， 之后去跟他送钻戒 。 然后所以是金上加钻的这么一个策划 。
我觉得这个非常有意思 ，是以前没有做到的事情 ，而且它有非常好的传播效果 ，而且成本应该不是特别高 。其实它不需要一个大卡 ， 金上加钻 ， 当然夺金的运动员很宝贵 ， 可是他并不需要那种顶流的大咖 ， 所以它的成本是可控的 。
然后第二个呢 ，是那个实际上它是有一定的风险 ， 让这个营销行为变得更加的真实 。 就是你有可能是银上加钻 ， 对吧 ， 或者甚至你有可能是没拿到奖牌加钻 。
然后所以这个风险带来了更高的悬念和让这件事情变得更加的真实 、 可信和自然 。 然后第三个呢 ， 就是其实它是完完全全的情感驱动 ， 就是这钻到底什么级别 ， 或者是卖多少钱通通不重要 ， 关键是这个 couple 要结婚 。
对 ， 然后我们磕 CP。 然后所以这个案例给我留下了挺深刻的印象 。
在消费电子或者是科技领域 ，有什么营销的案例是你印象特别深的吗 ？
现在真正的高传播的流量还是以撕逼为主 ， 这点是呃 ， 中国的消费电子营销互相撕逼 ， 我也是有重大贡献 ， 呃 ， 很小的贡献吧 。
但是现在愈演愈烈的这种撕逼的风气 ，是今天整个消费电子行业的一个特征 。 而这里面比我们以前更极端的是 ， 当然我们也是品牌粉丝的始作俑者了 ，但是今天的这些饭圈粉丝会更极端一点 。
今天可能会做一个没有那么宗教的品牌姿态 ， 可能会更有效 ，因为我们就看数据嘛 。 就是实际上你看到这些撕逼的时候 ， 背后驱动的流量跟它真正的互动量的比例是 1%。
就是说有 100 个人看到有一个人留评 ，在这里面撕逼的人可能有 10%。其实呢 ， 如果你这么看的话 ，是 1/10,000 的人在被你的品牌驱动 ，在网络上各种搞来搞去的 。
当然他会制造了一些流量 ， 然后呢 ，但是他收获了很多好感吗 ？ 并不是 。 所以我觉得嗯 ， 很多人忽视了那 99%， 就是在我们的传播中的所谓的沉默的大多数 。
然后如何获得这些人的好感跟认同的一个品牌 ， 然后如何在姿态上面相对而言没有那么炸鸡血 ，但是有比较好的品味的品牌 ，也许会有一个比较大的大众上的消费电子机会 。
你现在有看到什么案例吗 ？
大疆是一个我们认为很好的消费电子品牌 ，而且大疆这个品牌不撕逼 。 还有就是我比较喜欢的呃 ， 品牌调性实际上 GoPro 创立的 ，但是 Insta360 同样发扬光大了 。
就是说当然也跟它的产品特征有关 ， 就是 GoPro 跟 Insta360 不在呃 ， 自己官方以外的地方宣传自己产品的性能和参数 。他们宣传的东西全部都是使用这些设备拍摄出来的视频的内容 ，而这些内容体验的全部都是这些产品的使用者的一种你从未体验到但是你会向往的生活 。
对 ， 我以前做记者的时候也参加过挺多 GoPro 的活动 ， 印象特别深的是有一次他们是在一个圆顶的一个建筑里面 ， 把他们拍的那些视频投在那个圆顶上， 然后那些就是人在自然中的那些极限运动的视频 ， 真的看了之后会让你觉得世界很美好 ， 想要去探索 。
对 ， 所以我们把这个东西叫 FABE， 就是 F 是 features， 然后呢 A 是 advantage， 然后呢 ， 中国品牌基本上在 F 跟 A 这边去折腾 。
然后呢 ， 当他们谈论 A 的时候 ， 我比谁好的时候 ， 就会陷入到撕逼的循环 。 然后他们在这一路走到黑 ， 然后演变成了今天的饭圈跟网络上的各种攻击 。
但是其实我们可能忘了后面两个词 benefit 跟 experience， 就是说 OK， 那我产品的优势到底对消费者有何真正的价值 ？
这种价值最终会让消费者的生活产生如何与众不同的体验 。 然后其实我觉得 GoPro 开创并被 Insta360 继承的 ， 甚至也被大疆继承的这个东西 ，是真正的 experience 级别的品牌 ，是中国的 experience 级别的品牌 。
啊 ， 我觉得你对硅谷的这些科技公司的观察和得到的信息 ，其实也比很多人多很多 。 所以也挺好奇你怎么看 ， 就是硅谷接下来的一个这些公司的一个格局 ， 会反以及会发生一些什么样子的变化 。
就比如说今年 5 月 、6 月的时候 ， 几个公司都接连发布了一大堆跟 AI 相关的东西 ， 然后这个月马上就要发 iPhone 16 了 。
前几年我记得也有很多人在说这个 Facebook 一直很头疼的一个问题 ， 就是它一直都没有占据一个入口 。 那就是综合这些吧 ， 呃 ， 根据你得到的信息 ， 你怎么看接下来这几个公司会发生什么 ， 然后这个格局会变成什么 ？
我是这么看的啊 ， 就是说其实那个嗯 ， 呃 ，OpenAI 实际上呃 ， 已经 ChatGPT 改变了一个很重要的整个科技行业的事情是什么呢 ？
是核心价值被突然转移了 。 就是英伟达一下子变成了最牛逼的公司 ，是因为它提供加速算力的基础设施 ，而 OpenAI 成为了最火热的公司 ，是因为它提供了新的生产力下的核心价值 。
如果我们以前说核心价值可能是芯片 ， 可能是那个呃 ， 就是手机芯片 ， 或者是可能是手机系统的话 ， 那今天大家说其实核心价值有可能是基础算力 ， 或者是那个 AI 的能力 ， 或者 AI 的规模 。
这个变化呃 ， 目前在硅谷还没有完全那个抹平它的震荡 。 然后所以呃 ， 我们刚才说的苹果会调整 ， 它要么去研发出一个可以跟 OpenAI 比肩 ， 甚至更牛逼的模型 ， 重新拿回这个皇冠 ， 要么它就接受自己是个卖牛仔裤的地位 。
所以我觉得围绕着这一点会有很多的新的故事发生 ， 比如说 Llama 3 必须得进化到 GPT-4o 的级别 ， 然后呢 ， 它得达成用原生多模态训练 ，并且拥有真正的多模态能力 。
然后与此同时，Claude AI 的能力在迅速的增长 。 对 ， 它是不是会成为第二个 OpenAI？ 而英伟达一定不是唯一的赢家 。
对 ，因为我知道大概有 5-6 个公司在想办法搞英伟达 ， 我们怎么也成为基础算力的供应商 。 而与此同时， 我们强烈关注的还是小模型的进展 ， 就是端侧模型在一个电力跟算力几乎不被限制的电车上落地之后， 那么它一定会向手机的方向去普及 ，而且一定最终会超越手机 。
那关于端侧模型的所有的 paper 我们会看的 ， 就是无论是 7B 的 、3B 的 、1B 的 ， 然后他们拥有什么样的能力 ，他们拥有什么样的特征 。
有些比如说功耗 ， 我们就得真正自己测 。 端侧模型我们还比较期待的是中国这边 ，因为嗯 ， 中美对抗的这个大格局已经形成的时候 ， 我们在云端模型上面可能会落后比较多 ，但是在端侧模型上面 ，其实我们有机会重新基于 RISC-V 以及 RTOS，以及一个端侧小模型构建一个全新的技术站 。
而这个技术站其实会有一些好处的 。 然后最大的我们关心的东西还是延迟会更好 ， 功耗会更低 。
所以其实我们会大概这么看整个的那个脉络 。 那这里相关的公司是英伟达 、OpenAI、Meta 以及 Claude 以及那个呃 ， 一些芯片公司 ， 像除了英伟达之外的 Intel 可能在准备新的东西 。
然后同时我们放弃掉了一些事情 ， 比如说现在苹果能否搞定机态这个事 ， 我们完全就不关心了 。
虽然以前是一个很大的问题 。
好 ， 那我们今天就先聊到这 。 然后谢谢李楠做客 《 十字路口 》， 今天我们聊了很多 ， 收获也很多 ， 然后也希望以后还有更多的机会跟李楠交流 。
嗯 ， 谢谢 ， 我们回见 。
如果你认为有朋友也会喜欢本期 《 十字路口 》 的内容 ， 请转发微信推荐给他们 。 最后欢迎你加入 《 十字路口 》 的会员群 ， 我们会在群里每天放送 AI 全球新闻 ，并且鼓励大家在群里聊天互动交朋友 ， 寻找未来的同路人。