孔某人 2025-03-21 16:27 北京
Goolge Labs的组织设计感觉更加适合现在AI应用层的探索。
Goolge Labs的组织设计感觉更加适合现在AI应用层的探索。
文稿同样经过文字凝练以降低阅读成本。
title:Josh Woodward:Google Labs is Rapidly Building AI Products from 0-to-1url: https://www.youtube.com/watch?v=3-wVLpHGstQdate: 20250318
摘要
（根据个人偏好而有所取舍）
Google Labs是一个专注于快速开发创新型AI产品的部门，其核心使命是通过快速实验和迭代，从零到一地探索用户真正需要的新型AI应用。它在Google内部保持独特的组织定位，独立于传统的大规模产品部门，但又能有效地与搜索、Chrome及DeepMind等部门密切合作。Google Labs团队尤其强调行动速度，一般将产品开发周期限定在50到100天之内，快速验证创意并获得真实的用户反馈，以适应当前AI技术飞速变化的市场环境。
在人才与团队构成上，Labs不仅汇聚了许多在Google任职多年、拥有丰富经验的成员，也大量吸纳了拥有创业背景的新型人才。团队通常采用精干的小规模架构，比如由四五人组成的小团队，以保持决策快速灵活。人才方面尤其注重具备深厚AI模型知识与敏锐用户洞察力的“独角兽型”人才，也会有选择性地邀请作家、音乐家、电影制作人等外部创作者共同参与，帮助产品设计更贴合实际创作场景，超越单纯技术功能的层面。
文化方面，Google Labs强调对失败的容忍与实验精神，鼓励团队大胆进行高风险的尝试。在晋升、薪酬方面也需要针对性的设计。在评价产品成功时，他们没有采用Google主流部门的标准，即动辄数十亿级别的用户规模，而是将获得一万名左右的周活跃用户视为值得庆祝的重要里程碑。这种规模上的差异为Labs提供了更灵活的探索空间，也更适合早期产品的市场验证。
在决策模式上，Google Labs采取了一种“自上而下”和“自下而上”融合的方式。一方面，团队领导层从Google整体战略视角出发，确定具有潜力的方向，比如软件开发或创造力的未来。另一方面，各个小团队则自主从具体用户痛点出发，迅速迭代出产品原型。他们不会提前设定严格的季度或年度研发计划，而是依靠市场与用户反馈灵活调整方向。当产品发展到一定阶段后，有些项目会毕业转交给Google DeepMind等更适合规模化的部门，而某些更特殊的项目（如Notebook LM）则可能长期保留在Labs内，以便继续探索其商业模式和用户价值。
除了组织和运营方式，Josh Woodward也分享了他对AI产品趋势的具体看法。他提出，传统以文本为主的prompt交互方式正在发生转变，虽然精致复杂的prompt工程在专业领域仍会存在，但普通用户未来更倾向于通过图片、语音、视频等多模态输入方式，直接给模型提供直观的上下文。
同时，他认为视频生成技术已经进入快速发展的阶段，物理效果、场景和镜头控制等关键能力都已经接近成熟，但计算成本与可控性方面依然存在瓶颈。他提到Google Labs的Mariner项目也在积极探索AI代理直接操控电脑的能力，目前这种技术尚处在能力探索与市场验证同步推进的早期阶段。在企业端复杂流程场景中，agent技术已经展现出一定潜力，但在精度和用户交互体验的细节上仍需大量迭代。
此外，他特别关注了长上下文能力所带来的巨大变革机遇。如果AI模型能够持久记忆和深入理解用户数据，它可能会彻底改变人们的工作流程与个人知识管理体验，形成类似“第二大脑”的强大交互模式。在AI编程方面，Josh提到，这种技术的价值是双重的：一方面可以帮助没有编程经验的普通用户迅速创建简单的软件应用，另一方面还能大幅提高专业工程师的生产力，甚至自动完成代码的维护与演化。
2025年看好的方向：agent、视频、编程。
正文
00:00:00
Josh Woodward:
在多年构建产品的过程中，我发现一个很普遍的现象。每个人都在谈论产品市场匹配，说"当你看到它时就会知道"以及诸如此类的话，这确实是对的。但至少对我而言，我一直感觉在产品开发的早期阶段，我们经常对产品进行大量迭代，有时却忘记了对市场进行迭代。找到合适的市场方向与找到合适的产品同样重要，你必须将这两者连接起来。
我想在Mariner这个早期项目中，我们正处于这样的阶段。我们在探索的问题是：计算机或AI模型是否可能驾驭你的电脑？答案是肯定的，这代表了一种巨大的新能力。至于它的准确性如何？有时准确。它的速度如何？目前完全不快。这就是我们现在在能力和用例方面所处的状态，接下来的挑战是找到合适的市场。
Sonya Huang:
今天，我们很高兴欢迎Google Labs的Josh Woodward加入我们。Google Labs是负责开创性AI产品的团队，比如Notebook LM和计算机使用代理Mariner。作为Google的实验部门，Google Labs负责探索未来技术发展方向，思考我们与技术的交互方式。Josh正在通过展望几十年后的世界，帮助重新想象人类与AI的互动方式。从"写prompt已经变得过时"这一引人深思的观点，到多模态AI成为默认用户体验的趋势，他将分享Google Labs的快速创新文化，并让我们一瞥生成视频等领域的未来发展。
Josh，非常感谢你今天加入我和Ravi的对话。我们很期待了解你在Google Labs的工作。也许可以先从你在来这里路上提到的一个有争议话题开始——"写prompt已经过时了"。你这是什么意思？
Josh Woodward:
我确实认为这种方式已经过时了。我们将来回顾这个时期的终端用户体验时会说："难以置信，我们竟然试图在这些小文本框中编写段落级别的prompt。"
我认为目前这种情况正在出现一些分化。一方面，作为开发者和AI工程师，你应该看看我们现在在实验室里编写的prompt，那些精美得像艺术品一样的多页prompt。但对于终端用户来说，他们没有时间做这些事情，你几乎需要成为某种"AI窍门大师"才能解锁模型的真正能力。所以我们看到更多的需求和吸引力，我现在就已经在行业的其他产品中看到类似趋势。目前大家更关注的是如何将自己的资产作为prompt，例如拖入PDF或图片，重新组合这些内容，以此来避免编写长段落文字。因此，我认为未来会有明显的分化。作为工程师和AI工程师，你可能会继续编写长内容，但对于世界上大多数人来说，我们可能正处于一个即将消逝的阶段。
Ravi Gupta:
所以上下文的形式将会改变，对吧？你仍然需要给模型提供某些内容，但可能可以通过图片来传达，或者通过"直接看看这组文档"来传达。
Josh Woodward:
是的，还有你的声音、视频，所有这些方式都可以。这些模型非常渴求上下文，所以上下文本身不会消失，但我们现在正在押注的是上下文的类型和传递方式，这些正在非常快速地变化。
00:03:26
Sonya Huang:
我喜欢这个观点。好的，我们将在本期节目中深入探讨prompt和多模型的未来。不过在我们开始之前，能否请你谈谈什么是Google Labs？它的使命是什么？也请你告诉我们你在Google内部的定位。
Josh Woodward:
是的。关于Google Labs，如果有人听说过它，我们很久以前就有一个Labs，但它后来沉寂了一段时间。这个新的Labs大约是在3年前，我开始参与的时候重启的。
Google Labs本质上是一群构建者的集合。我们尝试打造人们喜爱的新AI产品，可以是面向消费者的产品、企业对企业(B to B)产品或开发者产品，都是从零到一的创新。
它往往吸引了一个有趣的人才组合，可能是在Google工作多年的人，但也有很多创业公司创始人和前创始人。我们把这些人聚集在一起，基本上是探讨某个领域的未来会是什么样子。比如创造力的未来、软件开发的未来或娱乐的未来，然后他们组成小团队，开始构建和发布产品。
这就是Labs的运作方式。它基本上是位于Google大型传统产品区域之外的，但我们仍然有很多合作。这之间有一种有趣的相互作用关系。我认为这正是它有趣的地方——你可以参与并与搜索、Chrome或Google的其他部门合作，但同时你也有空间去探索、实验，甚至尝试颠覆创新。这就是我们正在做的事情。
Ravi Gupta:
你如何在Labs内部创建你想要的文化？如果你想想看，在这种创新实验室里，失败率肯定比其他部门要高得多。你们肯定需要用不同的成功指标来衡量。是不是因为Google整体规模如此庞大？你想在Labs中创建什么样的文化，又是如何创建的？
Josh Woodward:
我们真的非常以打造一个快速行动的文化为荣。从一个想法到落实到用户手中，我们的目标是50到100天。为了实现这一点，我们会采取各种措施。速度真的非常重要，尤其是在当前AI平台正在快速变革的时刻。
另一个我们非常关注的理念是"大事从小做起"。在Google这样的环境中，你周围都是拥有数十亿用户的产品。但人们常常忘记，所有这些产品最初都是从解决一个用户的一个痛点开始的。对我们Labs来说，如果一个新项目能获得1万名周活跃用户，我们会非常兴奋，会庆祝这一成就。这对我们是个大事。而在Google其他团队，他们的仪表盘甚至不计数这么低的数字，对吧？我的意思是，我们正在做的事情规模很小，可能更像是你们所合作的公司。
我认为我们的另一个特点是，由于我们位于Google大团队架构之外，我们一只脚踏在外部世界中，我们与创业公司和其他机构一起共同创造和构建；另一只脚踏在Google DeepMind内部。这让我们既能了解研究前沿在哪里，更重要的是，能预见它将走向何方。所以我们经常尝试引入一些前沿能力。
所以我们特别看重那些极具创造力的人，那些将自己视为"弱者"并拥有强烈奋斗精神的人。我们有一份完整的文档叫做"Labs in a nutshell"，其中我最喜欢的部分是"Who Thrives in Labs"，里面列出了大约16到17条特质。这就是我们构建文化的方式。
但你确实必须要将"失败"正常化。你必须在晋升、薪酬等方面采用不同的思考方式，所有这些你在一家公司中也会做的事情。
00:07:00
Sonya Huang:
你刚才提到与Google DeepMind的联系，能够了解研究前沿，我觉得这非常酷。在你看来，Labs里理想的产品开发者画像是什么样的？是具有研究背景的人？是来自成功消费类产品背景的人？还是说存在既擅长研究又精通产品的"独角兽"？
Josh Woodward:
我们会尽可能多地寻找这种"独角兽"，实际上我们已经找到了一些，这很棒。我们确实会寻找那种既具有深厚模型专业知识，又有消费者敏感度方面的人才。
Sonya Huang:
这样的人真的存在吗？
Josh Woodward:
他们确实存在，如果能找到他们当然很棒。而且我们也找到了一些培训或发展人才的方法。我们经常思考的另一个问题是：如何引入那些可能不是传统意义上你会寻找的人才？我们总是处在一个有趣的领域，寻找那些被低估的、也许在简历上不突出但很有潜力的人才。当你与他们互动，查看他们的GitHub历史时，我是说，有各种不同的信号可以参考。但，对，这就是我们思考人才问题的方式。
Sonya Huang:
真的很棒。那你们是怎么决定接下来要做什么项目的？是自下而上还是自上而下的方式？这个过程是怎么运作的？
Josh Woodward:
嗯，很好的问题。我们其实是采用了一种有点混合的方式。从自上而下的角度看，我们会关注那些符合Google使命、对Google有战略意义的领域，因为毕竟我们是在Google内部。所以我们会在这个更广泛的背景下思考我们自己的定位。
比如说，我们可能会思考：软件开发的未来会是什么样子？Google有上万名软件开发人员，很明显AI将在这个领域带来巨大变革。所以我们会考虑能否为其他Google员工构建工具，同时也思考如何向外部提供类似的解决方案。这就是我们的那种自上而下的视角。
可以把它想象成——我来自俄克拉荷马州，夏天我们经常去钓鱼——就像你在尝试找出哪个是钓鱼的好鱼塘一样。我们会花很多精力去确定这些像是"鱼塘"的领域。
但与此同时，我们也让各个团队，通常是四五人的小团队，自己提出要解决的具体用户问题。这就是我们有点上下结合的地方。我觉得对于其他团队来说，他们可能会看着我们做的事情，觉得有点混乱。你知道，我们没有那种跨季度的研发规划图，我们就是尝试活到下一个不管是什么的一万用户里程碑，然后再尝试增长。但我要说的是，这就是那种有点混合方法的精髓所在。
00:09:19
Ravi Gupta:
你们构建的产品中，有什么是你现在感到兴奋的？
Josh Woodward:
如果你曾经使用过Gemini API、AI Studio、Notebook LM或者VO2，或任何这些产品，这些都是我们在Labs开发的。我想我可以谈一个可能更知名的产品和一个即将推出的产品。
我非常兴奋于Notebook LM的发展方向。我认为我们发现了一种很有价值的模式，用户可以将自己的资料导入系统，AI能够真正地深入理解这些内容，然后你就能基于此创造新的内容。可能你听过去年推出的那个播客，有很多产品都在沿用这种模式，值得关注这个领域。使用这种模式可以做很多事情。
我认为真正有趣的是它给用户提供了很大的控制权。用户感觉自己是在驾驭AI。我们团队有个术语，实际上是我们一位营销人员提出的，叫"AI摇杆"，意思是你可以控制AI。这真的很有意思。
我要说的是，现在有很多新产品正在开发中。我们对VO2、Google的图像模型和视频模型，以及它们如何结合在一起感到非常兴奋。所以在这个领域我们有一些非常有趣的产品即将推出。我认为生成式视频技术已经从"几乎可能"的阶段转变为"已经可能"的阶段，现在我们可以确实地讨论这个技术了。
有趣的是，这些模型运行仍然需要大量计算资源。比如VO2需要数百台计算机同时运行，所以成本非常高。但就像我们在基于文本的模型上看到的那样，无论是Gemini还是OpenAI和Anthropic的模型，它们的成本在过去一年中已经降低了大约97倍。
如果我们假设视频模型的成本也会按这样的曲线下降，那么这些VO2模型，作为一种全新的技术，将会变得更加普及。VO2真正突破了高质量视频和物理效果方面的难题。它使得动作、场景等方面都非常真实，符合物理规律。如果你和那些AI电影制作者交流，他们会谈论一个术语叫"cherry pick rate"，这是指你需要运行多少次模型才能筛选出一个真正好的结果。而现在使用VO2这样的技术，cherry pick rate已经降到只需一次。得到了我想要的效果。这种模型对指令的理解和执行能力，以及符合你需求的能力真的非常棒。
所以我认为当你把这些技术整合到工具中时，人们现在能够以全新的方式传达他们的想法。
Sonya Huang:
你认为在AI视频生成领域，哪些问题已经解决，哪些问题还未解决？因为我记得去年有很多讨论称生成式视频是一种物理模拟器。它能够模拟物理学，这真的很惊人。物理学方面的问题已经解决了吗？还有哪些已经完成，哪些还需要解决？
Josh Woodward:
我认为物理学是很难永远解决的问题，但它已经非常接近解决了。我可以说它已经足够接近了。
回想六个月前、一年前或几年前，你会看到Will Smith吃意大利面的视频，那简直是一场灾难。甚至去年还有那些刀切手指的视频，结果手上有六个手指，你知道，那就是我们当时的水平。
所以我认为在物理学方面有了巨大进步，照片般逼真的画质也有了非常大的提升。场景跳转、镜头切换和不同类型的摄像机控制的能力，这些也几乎接近解决了。
所有这些问题都有解决的路径，但我们仍然需要解决效率和服务成本问题，可能还需要更多思考应用层面的问题，因为我认为这是另一个巨大的机会。正如我们在AI的其他模态中看到的，你有模型层，你有工具层，而真正的价值我们认为是在这个应用层。所以我认为围绕视频重新思考工作流程非常有趣，而且目前这方面还很开放。
Sonya Huang:
你认为这些模型是否能够在应用层面让视频变得可塑？比如，如果我想在不同场景之间保持角色的一致性，这些模型是否具备这种能力？或者我认为你需要模型的可控性，才能在应用层面进行操作。模型需要达到什么程度的成熟度，才能在应用层面实现这些神奇的效果？
Josh Woodward:
是的。我这周刚和几位AI电影制作人交流，他们真正感兴趣的正是你所说的：角色一致性、场景一致性、摄像机控制。这几乎就像我们需要打造一个AI摄像机。想想现在正在拍摄我们的这些摄像机，这是几十年来为特定类型的输入输出而逐渐完善的技术。我认为我们正处于一个需要创造新型AI摄像机的临界点。
当你实现了这一点，你就可以生成无限数量的场景。比如说，"哦，你现在穿着红色毛衣，让它变成蓝色"。而且不仅仅是在那个场景中，而是在整个两小时的电影中都能实现。所以我们开始看到各种各样的原型，我们内部也在研发这些东西，它已经到来了。
我们正在彻底改变那些过去要么太昂贵、要么太耗时、要么需要特定技能水平的事情。我们团队内部讨论如何同时"降低入门门槛并提高上限"——也就是如何让产品更容易被普通人使用，同时让专业人士能够用它彻底突破质量界限，创造出令人惊叹的作品。这就是我们在视频领域看到的情况，它正好处在这两者都在发生的阶段。
00:14:51
Ravi Gupta:
Paul Graham最近有个很有意思的推文或帖子正好讨论了这个观点。根据技术进步的速度，他认为你应该去构建那些现在还不太能正常工作且价格昂贵的东西。因为这些东西肯定会变得可行，而且它们的成本肯定会大幅下降。我想这一点对你们在视频领域的工作也很适用吧？
Josh Woodward:
那确实就是我们的工作方式。现在我记不清具体数字，但每个生成的8秒视频片段成本都高得离谱，但我们基本上是在为未来构建产品——在那个世界里，你可以毫不犹豫地同时生成5个视频。过去几年做AI的一个重要原则是，确保你的产品能够与模型变得更智能、更便宜、更快速的趋势保持一致。如果你的核心产品价值能从这些趋势中受益，你就在一个好位置上。如果这三点中任何一个不支持你的产品，那就要质疑产品的存在意义了。这就是我对此的看法。
Sonya Huang:
你认为我们距离视频生成的经济模式变得"正向"还有多远？也就是说，生成视频的成本低于它所创造的经济价值的时候？
Josh Woodward:
哇，这个问题很难。这是一个你永远不能确定的预测。我不确定。但我可以说，当我们为即将推出的一些工具建模成本时，我们正开始将语音合成(VO)加入其中，我们发现除了产品和应用层面的创新外，我们可能会需要在商业模式方面进行创新。
我指的是，我们最初的想法是建立一个订阅制模式，然后在此基础上按使用量收费。这可能是一种方式。
另一种方式是基于与创意人员的交流得到的。无论是好莱坞的专业人士还是新兴的AI电影制作人，他们通常会说："我想要这个输出，我愿意付这么多钱。"这是一种按产出付费的模式。这种按产出付费的模式，有点类似于你在其他情况下看到的，一些AI公司也开始这样做了。在传统电影和视频制作中，这类似于制片人的项目制作思维。但现在我们是在考虑将这种模式应用到个人创意层面，这很有趣。这更像是一种潜在的拍卖模式。
我认为这里有很多可以探索的空间。考虑到技术发展的速度，我认为视频生成经济变得有趣的时间尺度大概是以季度计算，而不是很多很多年。我相信这条路径是存在的。
00:17:18
Ravi Gupta:
你刚才提到了几次进展的速度。你认为它在加速吗？你在DeepMind有独特的视角，我们可以把这作为判断趋势的风向标。
Josh Woodward:
是的，可以作为一个参考样本。
Ravi Gupta:
我们现在处于什么阶段？我们在加速吗？我们是否处于一个疯狂的轨道上并保持这种状态？对，我很感兴趣。
Josh Woodward:
我一直以为它会放慢速度，但在过去三年里它从未放慢过。你会想，预训练可能正在趋于平稳，但突然间推理时间计算又开辟了一个全新的视野。我认为现在的情况非常有趣。我们团队有一位作者，我们刚刚雇佣了他，他的名字是Steven Johnson。他共同创立了NotebookLM，他谈到了一个概念叫做"相邻可能性"。他写了一本关于创新历史的精彩著作。我觉得现在的状态就像你走进一个房间，有很多门正在打开，通向这些相邻的可能性。而且不只是一个房间和一扇门，是一个房间里有大约30扇门你可以去探索。这就是从内部的感受。
Ravi Gupta:
我真的很喜欢这个关于房间和相邻可能性的比喻。我要偷走它，也许以后当成我自己的点子。
Sonya Huang:
典型风投做派。你认为未来的视频消费形态会是什么样子？像是我还会看由好莱坞制片厂制作的好莱坞风格电影，只是成本效率更高？还是我会看到根据你对我的了解动态生成的、只为我观看的内容？作为消费者，你认为未来的消费形态是什么？
Josh Woodward:
这是一个可能会向很多不同方向发展的问题。我来分享一些我们感到兴奋的事情和我们所看到的趋势。
我认为未来的娱乐内容会更具可引导性。现在你坐在沙发上这样滚动浏览内容或者将内容投屏到电视上看。未来的内容会更加可引导，你可以在想要的时候插入意见，也许将其引向某个方向。我们认为这是一个重要的发展领域。
另一个方向是个性化。就像你提到的，如果你想想现在的YouTube、TikTok以及那些能够判断你兴趣的算法，设想这种个性化会变得更加极致，可以根据你愿意与模型分享的信息进行精细调整。我认为还有一点是，很多内容将会实时生成。
我们的另一个理论是，就像10-15年前出现了一批创作者群体推动了YouTube等平台发展一样，未来会出现一种转变，可能是一群不同的人，我们把他们视为策展人，他们会策划内容并与模型一起合作来创造东西。
我认为这个循环的另一个环节是如何对所有这些内容进行重新混合。这是我们所设想的未来娱乐的另一个重要部分，人们会说："我有点喜欢这个，但让它更像那个吧。"
如果你想想，在某种程度上，这样做的成本、时间和所需技能可能只是点击一个按钮或描述一下你想要的，然后你就能得到不同的版本。这就是我们看到的一些发展方向。
将会很有趣的是看看这些比例是否会保持不变。我们知道，现在很多时候大约90-95%的人只是平台的消费者，而创作者群体非常小。这种平衡会发生变化吗？
但我看到了一些完全不同的方式来思考具有这些原生控制功能的内容平台。例如，我们会期望用户界面拥有一个"加入"按钮，而现在我们的界面可能有播放、暂停等功能，或者是收藏内容的星号、点赞等，未来会不会有新功能，当你点击加入后，它会说："嘿，Sonya、Ravi，你们想聊些什么？"你明白我的意思吗？
我认为这是完全可能的。我们现在正在NotebookLM中构建这种功能，所以你可以想象这一切向前发展。你会有虚拟形象或拟人角色，可能有或没有唇部重制动画、语音克隆，所有这些技术都能以全新方式结合起来。
00:21:24
Sonya Huang:
你认为电影和游戏开始变得模糊了吗？
Josh Woodward:
是的，我认为这确实是非常有可能的。现在电影或视频内容、游戏以及世界构建和3D之间正在发生一种有趣的交叉融合。目前我们还不清楚这将走向何方。但现在有很多领域，我们看到各方面的经验正在相互借鉴，甚至一直到一些训练技术，我们也在发现类似的融合。
Sonya Huang:
这其实是我的一个问题。如果你看所有正在构建生成式视频模型的公司，有些人是直接从像素流入手，而另一些人则是从3D角度切入，他们认为要真正做好视频，你需要掌握3D技术。你对此有什么看法吗？
Josh Woodward:
是的，我们实际上现在在这两方面都有投入。我不知道，我真的不知道我们在这个问题上将走向何方。
所以在3D方面，我们启动了一个项目，基本上就是拍6张鞋子的照片，然后创建一个3D旋转效果，我们把它放在搜索上。这个效果非常棒，填充细节的方式令人惊叹。但有趣的是，随着我们沿着这条路走下去，当类似V3这样的技术出现后，你不再需要6张照片了，只需要两三张就可以了。你基本上可以一夜之间处理整个产品目录，为谷歌索引过的每一个产品创建3D模型。这样你就得到了任何物体的3D对象，无论是书架、椅子还是其他任何东西，可以从任何角度进行平移、倾斜、缩放、重新打光。现在它就像一个可以放在任何地方的对象。这就是从3D角度的方向。
而在视频角度或者说世界构建方面也很有趣。我们制作了一个小原型。我们想到，"如果能为每个教室重现登月场景，给教师一个工具，让他们可以把孩子们放在月球着陆舱下降的过程中，那不是很酷吗？"所以我们构建了这个项目。实际上它有点吓人，因为我们还建了一个小侧面板，你可以在那里注入问题，比如说"哦不，后面有东西着火了"，它们可以模拟各种情况。我们用这个玩得很开心，但有趣的是，模型可以根据指令，比如你说"向右看"，它就会实际填充那个方向的细节。
这就是你开始感受到的东西。这种界限正在模糊，我想这就是为什么我们现在两边都在投入。我们真的不确定未来会怎样。
00:23:42
Ravi Gupta:
每个人都在讨论代理。
Josh Woodward:
是的，没错。
Ravi Gupta:
计算机代理。你能和我们谈谈Google Mariner吗？
Josh Woodward:
是的，没问题。Mariner one我们去年12月推出的。这个项目其实挺有趣的，因为我们开始看到这种能力在模型中自然发展出来。我们想了解如果让这些模型控制你的计算机或浏览器，会发生什么，好的和坏的方面都有。
这是一个很好的例子，我们从"嘿，这种能力正在显现"到"让我们现在就把它做出来"。目前它是一个Chrome扩展，只是因为这样可以快速构建并把想法放到人们手中。84天，非常快，非常有趣，在过程中创造了很多美好回忆。
但我认为有趣的是，你能看到Anthropic、OpenAI，当然还有Google和这个领域的其他初创公司都在想同样的事情——模型不仅仅是关于知识、信息和综合分析及写作。它们可以做事情，它们可以滚动页面，可以输入文字，可以点击，而且不仅能在一个浏览器的一个会话中做这些，还能同时在后台处理无限多个任务。
所以我认为对于Mariner，我们真正追求的是，当然近期目标是看它能否在你的浏览器中完成任务，但更大的问题是当你拥有这样的东西，不仅是一个，而是基本上无限多个随时可用的情况下，人机交互的未来会是什么样子。这就是我们通过这个项目在追求的目标。
Sonya Huang:
关于Mariner，我想了解你认为它在近期内的理想使用场景是什么？因为我看到的所有演示视频，不仅是Mariner的，还有更广泛的计算机使用场景，都是类似于"让这个代理帮我订机票"或者"在DoorDash上帮我订披萨"。这些功能很好，但说实话，我其实挺喜欢自己亲自完成这些事情的。
Josh Woodward:
是的，你在手机上处理这些事情已经很在行了。
Sonya Huang:
订机票是我生活中的乐趣之一。那么你认为在消费者领域，有哪些可能成为"杀手级"应用的场景？
Josh Woodward:
嗯，有趣的是，（Agent，或Mariner）可能不是在消费者领域，而是在企业领域会有更大潜力。当我们对Mariner进行用户研究时——因为我们有受信任的测试者在使用它并提供大量反馈——我们发现它主要应用在解决"高耗时活动"上。"Toil"是一个有点老式的词，现在不太常用了，但当人们谈论它时，通常是指"这件事让我感到烦恼，而这个工具正在帮我解决它"。但有趣的是，更多的这类应用场景出现在企业端。
举个昨天听到的例子，有个团队在做共享浏览器的场景。想象一下，你在某个呼叫中心工作，客户打电话来求助，目前呼叫中心客服需要通过一种非常复杂的方式远程接管客户出问题的设备，浏览内容并为他们解决问题。他们表示，他们非常希望能用Mariner来完成这项工作。
另一个我们听到的有趣例子是关于销售团队的。这些人接到客户电话后，需要完成一系列后续步骤，他们只想把这些任务一次性完成。这通常涉及更新不同的系统，这些系统很可能都是他们付费订阅的各种SaaS服务，界面很笨拙，操作很耗时，他们只想让Mariner来处理所有这些工作。
这些就是自然而然出现在企业端的一些有趣案例。我不知道，你自己心目中有没有发现你特别喜欢的用例？因为我们已经发现了一些，但我们还在探索中。
00:27:19
Sonya Huang:
我很好奇。我在思考我日常生活中有什么繁琐工作。嗯，可能是和Ravi交谈？我开玩笑的，我开玩笑的。和Ravi交谈其实是我一天中最好的部分，这点我可不想撒谎。
Ravi Gupta:
我喜欢这个框架，即使我们没有确切的使用场景。这个框架就是思考你日常中什么事情是你不喜欢做的繁重工作，那些占用你时间的事情。我认为这实际上就是催生DoorDash或Instacart这类产品的相同逻辑，对吧？你看我是怎么把Instacart引入到这个话题中的。在企业端，你们是怎么测试的？是与现有客户测试还是与Google Cloud客户测试？具体来说，你们会与哪些企业合作来测试产品？
Josh Woodward:
是的。在这方面，我们会覆盖大大小小的企业。会有一些云服务客户，我们有很多云服务客户总是想要最新最好的技术，就直接说"给我们最新的东西"。这些公司内部通常有类似实验室的部门，对吧？这些就是很棒的测试环境。我们也和很多初创公司合作。如果有其他人听到这个对此感兴趣，可以给我发信息，让我知道，因为我们一直在尝试从市场的不同角度学习。
我多年来构建产品的经验是，大家都在谈论产品市场匹配。人们说你看到它时就会知道了，诸如此类的话，这确实是对的。但至少对我来说，在构建产品的初期，你会对产品进行大量迭代，但有时候会忘记对市场也进行迭代。找到正确的市场和找到正确的产品一样重要，你必须将这两者连接起来。
我认为这正是我们目前在Mariner这些早期阶段所处的状态。就像，计算机或AI模型能否驱动你的电脑？是的，这是一个巨大的新能力。它准确吗？有时候是。它快吗？目前完全不是。这就是我们目前在实际用例能力方面的情况，然后就是找到正确的市场。简单来说，在这些早期阶段，我们会非常快速地尝试很多东西。
我对我们的产品经理和团队中其他人的指导是——因为我们有工程师和用户体验设计师，他们都会参加这些测试会议——不要看仪表盘，现在数据量太小。要看客户的眼睛。当你向他们展示东西时，他们是否眼前一亮？这就是你需要跟随的信号。这个阶段更像是艺术而非科学。
Ravi Gupta:
我们能回到刚才关于上下文的观点吗？因为我一直在思考这个问题，特别是考虑到你在Google工作的背景。我们回到刚才说的上下文问题。你提到用户可以带入自己的数据，但我在想，是否存在这样一种可能：用户可以选择让Google使用已经掌握的用户信息？毕竟Google已经知道很多关于我的事情，比如我的搜索记录、Gmail内容、日历安排等。是否有可能用户只需选择加入，表示"我不想重新提供所有数据，只想让你利用已有的信息来创造神奇体验"？Google似乎比任何公司都更适合做这样的事情，你们在这方面的优势非常独特。这是Google Labs可以在实验中探索或者已经有可能实现的方向吗？
Josh Woodward:
我们团队内部确实在做一些这样的尝试，我们会使用团队成员自己的数据进行实验。我自己就选择加入了很多这类项目，基本态度是"把所有数据都拿走，来做些好东西吧"。我认为你会在Gemini应用中看到一些这样的功能逐渐实现，比如你可以链接不同的数据源。这也是我们正在积极探索的领域，我们在研究哪些类型的数据最有意思、最有用，当然也要确保有适当的控制措施，让人们感到"好的，我不是在毫无保留地交出所有数据"。所以这确实是我们正在实验的方向，但目前大部分实验主要是在团队成员自己的数据上进行的，因为我们还在尝试弄清楚这个领域。
Ravi Gupta:
你得单独告诉我们，现在他们掌握了你的所有数据后，能为你创造什么样的神奇体验。
Josh Woodward:
我认为立即能想到的一些强大功能是，在我自己的数据上，我感觉拥有了一个真正的"第二大脑"。一直以来都有关于"第二大脑"和思考工具的愿景，我觉得现在已经可以非常接近实现这一点。Gemini模型在处理长上下文方面特别出色，它有这种令人印象深刻的短期记忆能力。Gemini 2就是我们现在真正努力发挥优势的领域，我们在积极探索如何更好地利用这些能力。比如怎么使用这些能力？
Sonya Huang:
关于Mariner，我想问个类似我之前在VO上问过的问题。你认为什么时候计算机使用技术会足够准确和快速，能够实现你刚才谈到的那些用例？
Josh Woodward:
是的，这也是个难题。按照目前的发展速度很难预测，对吧？我是说，不仅仅是Google内部，其他AI实验室也在每一两个月就推出新版本。所以你可以想象，仅今年一年我们就可能看到每个产品推出4-6个新版本，对吧？再次强调，这只是我们已知的情况。
我认为目前比较棘手的领域是计算机精确性或如何精确导航屏幕上的XY坐标。你几乎需要屏幕上的经纬度定位，而这方面仍然存在一些非常有趣的锯齿状边缘问题。
我认为另一个重要领域更多是关于人的因素。比如何时需要人类参与，何时不需要，用户何时希望参与，何时不希望参与。这涉及到如何创建合适的交互机制，例如"嘿，我正要购买东西"的提醒，或者"5美元以内的消费我可以接受，但超过这个金额不行"之类的设置。明白我的意思吗？这需要大量几乎是硬核的HCI研究，真正深入理解同理心，了解如何设置这些控制机制。但我不认为包括Google Mariner在内的任何系统已经完全解决了这个问题。我们目前采用的是一些简单粗暴的控制方式，比如"不要购买任何东西"、"不要同意任何服务条款"等相对粗糙的规则。但我认为人们未来会需要更细粒度的控制方式。这些是我认为目前尚未完全解决的问题。
不过，坚持那个原则，就是相信模型会变得更智能、更快速、更便宜，预计今年将会有大约4-5-6或7个版本的更新。是的。
00:33:31
Sonya Huang:
我有一个元问题。为什么所有研究实验室都在同一时间点聚焦于计算机使用功能？这是偶然吗？是不是所有技术恰好在同一时间汇聚了？这里到底发生了什么？
Josh Woodward:
这是个好问题。我不了解其他实验室的具体情况，但当你阅读创新历史时，会发现很多发现往往在同一时间段内出现。
我认为现在这些模型代表了一种新范式，很多人都看到了其中的潜力。我想还有人员在不同实验室间流动，促进了这些想法的交叉传播。
这感觉就像是编程领域的情况，对吧？你现在已经看到很多agent相关的东西在涌现，这让人感到很有趣，但也让你时刻保持警觉，对吧？因为这体现了一种"弱势者心态"（underdog mindset）。你是这样吗？
Ravi Gupta:
你们打算招聘其他作家吗？我问这个是因为我在想，我记得Matt Ridley是那个写过关于相邻创新这类话题的作家。还有可能是Steven Johnson？为什么你们招聘了Steven Johnson？这是怎么发生的？你们会考虑引入更多没有明显背景的人进入labs吗？
Josh Woodward:
是的。关于Steven的简短故事是这样的：重启Google Labs的这个人叫Clay Cole，他很棒。我们是共同朋友。我和他都是Steven的大粉丝，我们基本上读过Steven写的所有东西。Steven是一个很有趣的人物，因为几十年来，他一直在寻找完美的思考工具。所以Clay Cole给他发了邮件，我们当时都是他Substack的订阅者。我们联系他说："我们喜欢你，愿意来和我们一起工作吗？我们可以帮你建造你一直想要建造的工具。"
这就是事情的开始。那是2022年夏天，所以这是在任何ChatGPT时刻或其他类似事件之前。然后Steven接了电话，他说："好的，我们开始吧。"于是他加入成为一名访问学者。当时这个职位体系根本不存在，我不得不和我们的HR人员一起想办法创建一个他可以担任的角色。这在那时是非常不常规的做法。从那以后就水到渠成了。
当然，我读过Matt的很多书，但我不认识他。他会很棒的。所以如果他正在听这个，Matt在听的话...
Ravi Gupta:
他可以来和我们谈谈。
Josh Woodward:
可以和我们两个都谈，没错。我要说的是，我们已经这样做了很多次。我们实际上已经引入了音乐家，现在我们正在尝试找一位访问电影制作人，这很酷。所以这已经成为一种模式，Steven开创了这种先例。他是第一个这样做的人，这在labs中很有价值，我们如何共同创造？我们不想只是制作东西然后扔出去，我们实际上希望与行业中的人共同创造产品。
我们发现，当我们这样做时，你实际上会远远超越"哦，那只是个很酷的AI玩具功能"的阶段，而是真正融入到工作流程中。如果你与像Steven Johnson这样写过十几本书的作者合作，他有特定的思考方式，几乎是对信息来源和引用的一种尊重，所有这些都体现在NotebookLM中。我们在音乐和视频领域也在做类似的事情，效果很好。还有其他领域也是如此。
00:36:47
Sonya Huang:
目标是创建可以从1发展到100再到A然后达到10亿的独立产品吗？或者目标是找到像NotebookLM这样的产品市场契合点，然后将它们整合到谷歌母舰中？
Josh Woodward:
是的，这很有趣。我们最初的想法是构建产品然后让它毕业，这是一种传统的孵化器模式。随着项目的进行，情况变得更加多样化。我们确实按照这种模式操作了一些项目。
比如AI Studio和Gemini API，我们让它们毕业，现在它们由DeepMind运营。而像NotebookLM这样的项目，我们决定在可预见的未来将其保留在Labs中，因为它是一种完全不同的物种。像NotebookLM这样的产品只有通过AI才能实现，目前我们正在开发的很多项目也是如此。我们需要看看这些项目中有多少能够获得逃逸速度，能够独立发展起来。我们真的对将这些项目转变为可持续发展的业务非常感兴趣。
这也一直是我们关注的重点——大胆冒险。这呼应了你提到的不是所有项目都会成功的观点，因为如果所有项目都成功，那就说明我们没有真正冒险。你知道，我们在寻找这种平衡。我们通常从思考"能否将这个想法变成业务"开始，然后反向推导。如果最终项目毕业并被整合到Google其他部门，对我们来说仍然是好结果。另一种好结果是停止项目，切断损失，完成我们的百日冲刺或其他周期，然后转向下一个项目。
Sonya Huang:
你在节目开始时提到你们尝试做一些自上而下的思考，关于什么是我们应该构建的最有趣的pools。你对2025年最有趣的pools有什么预测？比如你们在哪些方向招聘人才？你们在关注哪些领域？你们在与DeepMind团队co-creating什么？
Josh Woodward:
现在agent领域有很多发展，视频领域也有很多发展。我们之前谈到了computer use的一些东西，但我对这些方向的思考有点不同。我们有一个文档叫做"Labs is a collection of futures"，里面有82个关于未来的预测，这当然很危险——做一个关于未来的预测就已经很冒险了，更不用说82个。
我们团队进行的思想实验是这样的：想象你在一个像这样的房间里，突然天花板打开，一个小太空舱降下来，我们都跳进去，它把我们送到未来。那是2028年，你可以出来，有5分钟时间环顾四周，记下一切，然后被带回现在，然后写下你所看到的。这就是这份文档的内容。比如，未来的知识会是什么样子？未来会怎样？
Ravi Gupta:
老式的prompt已经过时了。你给团队的这个prompt相当不错。
Josh Woodward:
我正在告诉你们这个，没错。所以我们就是以这种高层次的方式思考问题。比如说，未来的知识会是什么样子？我们认为其中一个预测，这82个预测中的一个是，知识会变得无限可重组，任何输入的东西都可以被转换，在输出时成为任何东西。如果你相信这一点，那么你就会做出某些押注，并且构建产品时会以这种未来为导向。这可能就是其中一个方向。
但回到可能很多人正在关注或构建的领域，我确实认为我们现在正处于视频的关键时刻，也处于具备思考和推理模型的agent领域的关键时刻。我认为还有一些可能现在有点被忽视的领域。我仍然认为编程领域今年会有重大突破。这些是我现在最关注的几个领域。
00:40:04
Ravi Gupta:
你们也在做实验室之外的编程方面的工作吗？
Josh Woodward:
是的，我们在做。实际上，现在在Google，25%的所有代码都是由AI编写的。
Ravi Gupta:
是的，我看到这个数据了。是Jeff的团队提到这个的吗？
Josh Woodward:
对，是他的团队说的，没错，确实如此。而且这个数字上升得很快，显示了该领域进步的速度有多快。
我认为这个领域有两种思考方式，就像我们之前讨论的"降低门槛，提高上限"这个概念。一方面，如何让那些以前从未写过代码的人也能编写代码？这是一个巨大的机会。
Ravi Gupta:
就像Sonia可能的情况——你知道，我自己一直在编程，但Sonia和许多人可能没有这样的经历。
Josh Woodward:
嗯，确实很有趣。其中一些最有趣的创新正在这个领域发生。我不知道你们有没有尝试过Replit的agent功能？真的非常有趣。
举个例子，几周前的一个周末，我和我四年级的儿子在一起。我们家当时正在努力实施家务分配系统。我们创建了一个家务跟踪应用，只用了28分钟，花费了45美分就完成了。现在我们都是这个应用的日活跃用户。这就是一种让普通人进入软件世界的方式，在这个软件丰富的环境中，这真的非常令人兴奋。
我们在Google也有一些类似的项目正在进行。另一方面，我们也在思考：如何让一个受过专业训练的SWE程序员效率提升10倍甚至100倍？我认为在这两个方向上都有一些很有价值的探索值得关注。
Sonya Huang:
你认为AI领域当前什么被过度炒作了？
Josh Woodward:
哦，这是个有趣的问题。我希望我们能超越聊天机器人界面一点。这是一个感觉我们在很多地方过度使用的领域，包括Google在内。我也发现很多人只是在各处硬塞入AI功能。像AI本身有点被过度炒作了。我希望我们能更精确地分析AI的破坏性以及它适合应用的领域。我们正在努力思考很多关于工作流程的问题，而不仅仅是在现有产品上添加AI功能。
我认为这可能有点——现在有一种竞赛感，你看到的是第一代AI被匆忙地集成到各种产品中。这让我想起了我刚加入Google时的情景，那正好是iPhone开始兴起的时候。2007年当Steve Jobs走上舞台说"这是iPhone"。如果你看看三年后的App Store，大约2009年左右，这与我们现在在AI革命中所处的阶段差不多，那时的App Store上有被压缩成手机尺寸的网站、手电筒应用和放屁应用。这些是当时下载量最高的东西。
所以我认为我们现在正处于这样一个阶段，真正的有价值应用将在今年、明年、后年开始出现。那时你会开始看到像Uber、Airbnb、Instacare这样真正改变你做事方式的东西。这就是我对这个问题的看法。
Ravi Gupta:
好的，既然Sonya问了你关于过度炒作的问题，我来问你一个关于雷达下、被低估的问题：在AI领域，有哪些方面值得更多关注？
00:43:01
Josh Woodward:
我们讨论了一点关于编程的话题。我还有一个想法是，如果我们能够开发出能够编写代码、自我纠正、自我修复、迁移等功能的代码模型，这将完全改变发展曲线。我认为这是一个巨大的变革，顺便说一下，虽然它已经被炒作了很多，但我依然认为它被低估了。它可以被更多地炒作。这是第一点。
我认为我们还没有完全内化长上下文或无限上下文的概念意味着什么。这不仅涉及到我们之前讨论的个性化问题，还与如何让类似 mariner 的系统持续运行的问题有关。长上下文的概念非常重要，你会看到很多来自Google的相关内容，但我们也正投入大量资源，因为我们认为这是一个具有战略意义的杠杆，特别是在你获得更多代理型链式工作流程时。
可能还有一个。我认为目前对于"品味"的讨论还不够充分。如果你相信价值将主要体现在应用层面，如果你认为AI生成内容中总会有一定比例的低质量内容或劣质输出，那么你就能看到一些这方面的趋势。我认为在这种情况下，好的品味和优秀的设计将变得尤为有价值。这并不一定意味着内容必须由人类创造，尽管我认为随着人类创作的内容变得更像手工艺品般珍贵，它可能会获得更高的价值。但与此相关的是，我想说的另一个被低估的领域是：真实性、真相以及何为真实。我认为这些方面在未来会变得比现在更加重要。
Ravi Gupta:
我非常坚定地同意你关于无限上下文能够实现什么的观点。如果你想想生活中你拥有最多共享上下文的关系，可能就是与配偶的关系，对吧？想想看，在这种关系中，你可以仅仅通过一个眼神的闪动，对方就能完全明白你的意思。他们立即就能知道你的意思，知道什么时候该离开派对或者其他任何可能的情况。
Josh Woodward:
没错，就是这样。
Ravi Gupta:
这就是我们对无限共享上下文的愿景所能达到的高度。
Josh Woodward:
我们知道这是能达到的上限。
Ravi Gupta:
对。想想看，我们现在距离这种理想状态还有多远，现在我们只是在输入文字内容。你刚才提到的关于如何通过不同方式沟通以及通过记忆功能让AI更了解用户的观点非常重要。我认为在这方面有太多的宝藏等待挖掘，让AI能够持续学习和理解是非常有价值的。但关键是要给它提供正确的上下文和它所需的一切。
Josh Woodward:
你知道吗，无论是Sequoia投资的公司还是像Google这样的公司，最痛苦的事情之一就是当长期员工离职时，所有的上下文知识都随之离开。所以我认为这一点是完全正确的，无论是个人关系还是工作关系中，上下文的价值都是无可替代的。
Sonya Huang:
我们要用一个快问快答环节来结束了。你最喜欢的新AI应用是什么？
Josh Woodward:
我之前提到过的。我现在用Replit玩得很开心，非常喜欢它。他们的新agent功能，还有他们在手机上做的一些东西，我觉得真的很有意思。
Sonya Huang:
你知道，我们的合伙人Andrew Reid以快速创建惊人的模因而闻名，特别是关于"现在创建应用程序如此容易"的内容。他经常创建这些发给我，它们真的很棒。
Josh Woodward:
是的，我们有这种"一次性软件"的概念，你知道，就是你创建一个应用，使用一次，然后用完就丢掉它。
Sonya Huang:
你认为今年会真正爆发的应用或应用类别是什么？
Josh Woodward:
视频。
Sonya Huang:
给AI领域人士推荐一份内容或读物？
Josh Woodward:
哦，这是个有趣的问题。你知道，这不是传统的AI相关推荐。我想很多听众可能会期待那类内容。但我要说，在假期期间，我读了很多书，其中一本是《乐高故事》，讲述了乐高的历史，现在已经是第三代家族所有制了。我推荐这本书。这是一个非常有趣的故事。
这是为什么：公司历史上有一个关键时刻，当时他们有260种产品。对于许多正在收听的创始人来说，你可以想象你的公司可能会朝各种不同方向发展，你正在努力找方向。而当时的CEO，也就是创始人的祖父，基本上确定了那些小积木才是核心。"就是这个了。"然后他把整个公司押注在这上面。他购买了一些极其昂贵的机器。所以我觉得这很像...我很喜欢读传记，而这是一本真正脱颖而出的书。
Ravi Gupta:
Josh有着令人难以置信的好读书品味，他有一个很棒的阅读清单，他很慷慨地与我分享过。这个清单经过精心整理，有非常好的格式，告诉你哪些是你真正必须阅读的，哪些不是。所以对所有听众，你们应该认真对待Josh的建议。
Sonya Huang:
我真的非常想要一个优秀的AI阅读应用，这是我愿望清单中的应用，部分原因是我记忆力很差。但从我读过或听过的所有内容来看——这与地球上所有书籍是不同的集合——有很多事情都只在我舌尖上，很多想法可以互相连接，但它们都躺在某种深渊中，对我来说都很难访问。所以我希望有一个应用可以浮现出那些我曾有过的想法，我读过的东西，以及当我思考两个不同读物时产生的那种更深层次的思考。
Josh Woodward:
以及它们之间的联系吧。
Sonya Huang:
跨越它们的联系。
Josh Woodward:
这是个好主意。
Ravi Gupta:
我觉得即使在其中，像是纸质版、Kindle版和有声书版本能够无缝交织在一起，你知道，即使只是最基础的层面，这样你就可以持续关注你喜欢的内容。然后我们可以实现你所说的那个版本。
Sonya Huang:
创业项目相关的问题？预训练技术是否正在遇到瓶颈？同意还是不同意？
Josh Woodward:
可能稍微同意吧。我认为在预训练方面还有一些潜力可以挖掘，但我觉得很多研究重点已经转移了。
Sonya Huang:
NVIDIA股票，做多还是做空？
Josh Woodward:
我不提供股票建议。指数基金。
Ravi Gupta:
你有没有和Demis坐在一起说过，"看，我们两个人之间，有一位获得了诺贝尔奖"？你有没有这样开始对话？因为这确实是事实啊，你知道的，在你们两个人之间，有一位获得了诺贝尔奖。
Josh Woodward:
这是单向的关系。获得诺贝尔奖的是Demis和John Jumper，不是Joshua Woodward。
Sonya Huang:
好的，在AI领域还有其他反主流的观点吗？
Josh Woodward:
其他反主流观点？我想我就用这个来结束吧。
首先，我认为现在是多么令人惊叹的时代啊，能够活着并且参与创造，因为我感觉我们正处在一个窗口期，各种相邻的可能性空间正在开启。
其次，我想鼓励正在收听的人们真正思考，当然，市场上有各种模型和竞争，但请深入思考你正在将什么样的价值观融入到你的公司中。因为我认为这是那些关键时刻之一，我们正在创造的工具将会塑造接续的几代人。人们思考这一点非常重要——你是想要替代和消除人类，还是想要放大人类的创造力？比如，当我思考视频领域时，我明确站在想要放大人类创造力的一边。
在我们的硅谷，常常会有这样的时刻，事物发生变革，这些变革通常会影响几代人，它们可能带来好的影响，也可能带来坏的影响。所以我想鼓励那些正在创业的人们，当你拥有这项只会变得更聪明、更快速、更便宜的令人难以置信的技术时，请好好利用它，并思考你的技术可能带来的长远影响。
交流与合作
如果希望和我交流讨论，或参与相关的讨论群，或者建立合作，请加微信，联系方式请点击 -> 专栏简介 及 联系方式 2024。
本文于2025.3.21 首发于微信公众号
