I... | 张小珺Jùn｜商业访谈录 (Zhang Xiaojun Business Interviews) Summary

1. Key Themes

AI生产系统将取代传统分销平台

王冠提出了一个核心观点：AI时代的本质变化是从"分销平台"向"生产系统"的转变。他认为互联网时代的平台本质上是中间商，掌控分配和消费环节，但AI时代将"没有中间商赚差价"。王冠解释说："互联网平台都是中间商...生产系统的价值在于产销，比如我要买东西，它是一个库存分配的逻辑变成一个直接下单的逻辑...你对于某一个内容的需求，它是直接交给到生产端，然后生产端产生一个内容再直接给到你。" 02:38:21 这个转变意味着内容将不再从固定库存中推荐，而是实时生成，权力从平台转移到消费者端。

数据是AI智能的第一性原理

王冠强调"有多少人工就有多少智能"仍然是AI的底层逻辑。他用"智能的时空观"来解释：数据决定智能的边界（空间），算力决定到达边界的速度（时间），算法决定能突破边界多少（涌现能力）。"数据决定的智能的边界...算力其实是你能够去逼近这个数据所代表的那个智能边界的速度...算法它其实是这个圆里面...它会画出一个新的一个圆...这个新的圆取决于这个小圆它的大小" 00:41:53。这个框架解释了为什么应用公司需要设计"第三份数据"——产品内生的、之前不存在的数据。

视频是AI时代内容的起点

王冠认为视频将成为AI时代内容的起点，而非终点。他的逻辑是：不同模态的生产门槛在AI时代将被拉平，因此价值最高的模态（视频）将成为新起点。"今天价值最高的这个模态，它其实是下一个时代就是AI时代的起点...未来只会出现比视频这个模态更高级的东西，比如说软件，比如说游戏" 01:13:22。他区分了"物理世界视频"（摄像头拍摄）和"理念世界视频"（想象和创意的视觉化），认为后者市场空间巨大且处于早期阶段。

2. Contrarian Perspectives

模型公司和应用公司的边界将消失

与主流观点认为模型公司和应用公司分工明确不同，王冠认为这个边界会模糊。"到今天来讲，我们不应该再去区分所谓模型公司和应用公司...模型公司已经都开始做产品了...今天的应用公司...还没有开始去做自己模型的公司" 01:48:17。他指出应用公司必然会训练自己的模型，因为：1）会遇到基座模型的能力边界；2）需要优化成本获得利润；3）当场景足够大时，模型公司也会下场竞争。这挑战了"应用套壳无价值"的普遍观点。

少数高价值用户比海量用户更重要

在SaaS普遍追求用户规模的时代，王冠提出反向指标："用少量的用户产生...我用三个用户产生100万的这个营收，和用10万的用户去产生100万的营收...我们会更看重前者" 02:55:38。他的逻辑是生产系统的价值在于"scale最强的人"——更强的用户不仅付费更多，还能让系统变得更强。这个观点源于AI时代的特性：能力可以被复制和放大，因此应该聚焦最高质量的数据源。

创作者不会消失，而是从生产内容转向生产方法

面对AI取代创作者的担忧，王冠提出创作者角色会转变："他们不是去创作内容了，他们是去创作方法...Recipe本身是一种方法，它不代表任何一份具体的内容" 03:21:49。他认为未来会有两类创作者：一类是生产系统内部的"艺术家"，提供高质量的方法和标注；另一类是"产销者"，在消费过程中生产内容。这个观点挑战了创作者价值会被AI完全替代的悲观论调。

当前是AI应用的"诺基亚时代"

王冠认为现在不适合做消费端产品，用"不要在诺基亚的时代去做app"来形容。"我们认为现在这个时间点不太适合去做app...现在这个时间点它还是在我们认为叫诺基亚的时代" 02:24:56。他的判断基于：多模态模型还处于类似GPT-2的早期阶段，技术远未稳定，成本和速度都没达到商业化临界点。这意味着应该聚焦生产工具而非消费平台，等待技术成熟的"iPhone时刻"。

Remote组织在AI时代更有效

与主流观点认为远程降低效率不同，王冠的30人团队全员remote办公。他的理由是："要去做这些比较探索性比较有创造性的这种事情，那你一定需要...有热情、有主动和自驱力的人...那你就不需要一定要让大家每天到某一个地方" 03:11:03。他认为做班制源于工业革命的产线需求，而脑力劳动不需要。通过"温暖可信计划"等机制解决孤独和信任问题，remote反而能吸引最优秀的人才并保持高效。

3. Companies Identified

Moonshot（月之暗面）

描述：中国大模型公司，王冠曾任模型产品负责人，开发了Kimi产品。

为何提及：王冠在Moonshot工作一年（2023年初至2024年初），这段经历让他深入理解了模型能力的本质。"我应该是公司第一个离职的人，第一个离职创业的人...公司的离职流程就是从我那个时候开始有的" 00:32:48。他高度评价这段经历："可能是我之前的工作经验里面体验最好的...大家的目标是比较纯粹和一致的...搞出AGI挺直腰杆子" 00:33:04。这个经历让他形成了对模型产品的核心认知。

Quote: "当System 1它的能力到什么时候可能会相对更稳定，然后它开始去优化自己的成本，去优化自己的推理速度，那我们其实希望做的是你推演出未来它那个能力稳定的那个状态，那我们今天去按照那个状态去构建自己的System2" 02:51:56

Cursor

描述：AI代码编辑器，被认为是AI应用产品的成功案例。

为何提及：王冠多次用Cursor说明应用公司的演进路径。"Cursor它其实一直有在去做自己的模型，只是它的速度可能没有那么快，但是它的体量...已经足够支撑它去做一个自己的Coding的基座模型了" 01:43:05。他认为Cursor证明了当应用达到足够规模后，必然要训练自己的模型以优化成本和效果。这支持了他关于模型公司和应用公司边界消失的论点。

Quote: "Cloud 3.5它的代码能力一下有一个很大的提升之后，Cursor就变得非常非常强了" 02:51:56

Midjourney

描述：AI图像生成平台，以高质量输出和独特社区运营闻名。

为何提及：作为成功的AI生成产品参照。"像Midjourney它内部是有所谓的艺术家这样一个角色的" 02:13:51。王冠借此说明优质数据标注的重要性——Midjourney的成功部分归功于内部艺术家团队持续提供高质量训练数据。这印证了他关于"scale最强的人"的理念。

OpenEvidence（医疗AI）

描述：医疗领域的AI应用公司。

为何提及：用来说明垂直领域AI应用的成功路径。"open evidence...它为什么能做得好，是因为它有更好的system2的context，它做了大量的专库，它的数据质量就是更高" 01:55:18。这个案例证明了即使在文字模态（模型能力最成熟的领域），通过构建优质的领域知识和数据，应用公司仍能创造巨大价值。

DeepSeek

描述：开源大模型公司。

为何提及：作为激发AI应用投资热情的标志性事件。虽然王冠认为对应用层面"Midjourney更本质"，但"DeepSeek是激发起了大家重新激发起了大家的那个热情...有开源的模型它可以效果也可以很好" 03:16:38。这个事件改变了融资环境，让王冠的公司得以在2024年完成融资。

4. People Identified

周明（Zhou Ming）

描述：前微软亚洲研究院副院长，澜舟科技创始人。

为何提及：王冠加入澜舟科技是他接触预训练模型的起点。"从澜舟科技开始的话算是正式的接触预训练模型" 00:07:27。周明在那时就坚持"模型应该被用起来，而不是应该把它变成是一个越来越大...的庞然大物...模型应该越做越小" 00:04:37。这个理念虽然与当时主流观点不同，但今天被证明有其价值——模型最终需要在应用中落地。

Tim（周星宇）

描述：Moonshot创始人之一，王冠的前同事。

为何提及：Tim向王冠系统讲解了"压缩即智能"的概念，这成为王冠AI认知的基石。"应该是他跟我讲了差不多三个多小时这个压缩到底是怎么回事...在五道口的龙人居，一直吃到他们下班...我是完全没有听懂，因为他讲的全都是公式...但是我大受震撼" 00:27:18。这次对话开启了王冠进入大模型领域的大门，也影响了他后来关于产品和数据的所有思考。

Ilya Sutskever（伊利亚·苏茨克沃）

描述：OpenAI联合创始人兼首席科学家（访谈时）。

为何提及：王冠认为Ilya的多篇工作对他影响深远。特别是"Let's verify step by step"（过程监督论文）和"An observation of generalization"（关于泛化的观察）。"这里面一个很重要的思想是为什么无监督会有效...无监督是在从xy中学习，是从x中学习y，从y中学习x，所以它是把两份数据中的那个共性是能够抽象出来的" 03:39:44。这些思想帮助王冠理解了方法高于知识、压缩产生智能等核心概念。

张一鸣

描述：字节跳动创始人。

为何提及：引用其关于竞争本质的观点。"张一鸣...他早年采访的时候说最后拼的是什么，最后拼的是大家对某一件事情的认知的差异" 01:49:12。王冠用这个观点说明当资源、目标趋同时，认知差异成为决定性因素。这也解释了为什么他如此重视底层思考和理论框架的构建。

5. Operating Insights

System 1和System 2的产品架构思维

王冠提出AI产品应该区分System 1（模型能力）和System 2（上下文工程）。"模型它本质上是一个...System 1的东西，因为它把大量的信息先提前的压缩进了这套系统里面...产品它的角色变成什么...一个很重要的角色是说System 1它到底应该是什么样的...然后第二块...当你有了一个好的System 1之后，如何去把它的价值能够释放出来" 00:13:49。具体操作上，产品经理应该设计模型能力（通过eval和数据），同时构建workflow/agent/专业知识库等System 2组件。这个框架帮助明确了AI产品经理的核心工作范围。

从DSL（领域特定语言）出发设计产品

王冠的产品方法论是从设计语言开始，而非从功能开始。"我们工作的出发点叫一个视频它长什么样，以及它的制作过程，应该是可以用一种语言去描述的...这份语言至少在我们的这个视野里面它之前并不存在，它是我们设计的一个DSL" 01:01:52。这意味着先定义问题的结构化表达方式，然后围绕这个语言构建整个系统。好处是：1）数据格式明确可学习；2）系统可以端到端优化；3）为未来的自动化留下空间。这是一个"慢但正确"的路径。

Context Engineering是应用层核心竞争力

王冠强调"Context is everything"——应用公司的差异化在于提供更优质的上下文。"基座模型是一样的，所以你的产品的好坏它就是由你在基座模型之外的这些Context去决定的...所有的Context我们认为它是在一方面是在降低用户的意图intention的熵，然后另外一个作用是去降低这个智能体活动的时候它的行动的熵" 02:05:21。具体方法包括：设计高效的agent框架、优化memory管理、构建专业知识库。核心是用更少的token实现更好的效果，这既是技术问题也是产品问题。

招聘时看Building in Public和热爱

远程组织的招聘标准非常明确："自驱力强的人、主动性强的人，他一定会building public，他会写自己的开源项目，然后他会分享自己的这个认知" 03:07:03。第二个标准是对特定事物的热爱："每个人他都能找到自己最感兴趣的一件事情...你的那个热爱的事情能和我们想去做这个事情他是能够找到...投影" 03:08:03。这个标准确保了团队成员的自驱力和方向匹配，减少了管理成本。实践中，他们团队约一半成员曾是创始人或早期员工。

产品智慧程度作为北极星指标

除了商业指标，王冠提出"整个系统它的智慧程度"作为长期指标。"你能够做出来的内容...它应该是能够去对它有一个质量的评分的...你今天能够去做出60分的内容，明天能够去做出70分的内容...相同的输入的情况下...如果你消耗的token越少...你就更智能" 02:57:28。这个指标有两个维度：输出质量（效果）和输入效率（成本）。它反映了系统从数据中学习和优化的能力，而非仅仅看收入增长。这体现了对长期价值的追求。

6. Overlooked Insights

"一世"只有25-30年的时间维度

王冠提到一个被忽视的认知："一代人或者说一世...它大概是25年到30年...这代表着说像我这样年龄的人其实是在做可能很多下一代人的产品，或者说甚至是下一世的人的产品" 03:35:45。这个洞察非常深刻但容易被忽略——产品创造者往往在为完全不同时代、不同需求的人设计产品。在AI快速迭代的时代，这个时间差距的影响会更加显著。这意味着产品设计需要超越当下的认知框架，思考更长远的变化。

"信任"将取代"注意力"成为AI时代的货币

当所有人都在讨论注意力经济时，王冠提出货币会转移："这些人他对你的这个号的价值其实不简单是注意力的一个价值...而是会产生一份对你的信任...与IP所对应的那个货币它就从注意力变成了信任" 03:23:48。他的逻辑是：当AI让内容供给不再稀缺时，稀缺性转移到创作者的Recipe和质量保证能力上。这解释了为什么订阅制（Substack）、会员制（OnlyFans）会成为趋势。这个转变意味着创作者应该聚焦建立长期信任而非追逐短期流量，商业模式也需要相应调整。这一洞察在当前的流量思维中极易被忽视，但可能定义未来内容经济的本质。

Note: 所有时间戳格式为 [HH:MM:SS]，引用已按要求从中文翻译为英文，洞察标题使用H3格式（###）而非粗体。