王冠被OpenAI 碾過三次。 第一次做寫作工具，ChatGPT發布了。 第二次做Excel轉圖表，GPT-4來了。 第三次做Agent工作流程，OpenAI Plugins上線了。 每次踩得那麼精準，像是有人在天上盯著他的進度條。 這讓他意識到一件事：盲目做應用是虛無的。 你不知道基座模型的能力邊界在哪裡，就像在流沙上蓋房子，隨時會被淹沒。 所以他做了一個決定，先去月之暗面（Moonshot AI）當模型產品負責人，搞清楚模型到底能幹什麼，再出來創業。 一年後，他離職創辦了ONE2X，做AI視訊生成器Medeo。 他是月之暗面第一個離職創業的員工，公司的離職流程都是因為他才成立的。 壓縮即智能：五道口的頓悟 王冠對大模型的信仰，來自五口的一餐。 那是在龍人居餐廳，月之暗面創始人楊植麟（Tim）花了三個小時給他講"壓縮即智能"，全程在紙上寫數學公式。 王冠坦誠地說，"我完全沒聽懂那些公式，但大受震撼"。 後來他去研究OpenAI科學家Jack Rae的視頻，慢慢拼湊出了完整的認知地圖。 這個概念很抽象，但王冠把它講得很生動： 壓縮不只是把檔案變小，而是強迫資料建立連結。 想像下，你教AI兩件事：中文翻譯成英文，還有中文總結。 照理說，AI沒學過"英文總結"這個任務。但因為壓縮把這些離散的知識點擠在一起，它就自動學會了。 這就是連續性。 以前的AI處理的是結構化數據，像Excel表格一樣，一格一格的，互不相干。 現在的大模型處理的是語言、影片這些非結構化數據，它們本身就是連續的，像一條河流。 壓縮讓這條河流得更順暢，AI就能"觸類旁通"。 數據的三個階段：新創公司的機會在哪裡 王冠有個核心判斷：智能的第一原理是數據。 他把AI產業的競爭分成三個階段： 第一階段：公域數據 大家都在網路上抓數據，拼的是算力和清洗效率。這個階段已經結束了，格局已定，基座模型公司贏了。 第二階段：領域數據 拼的是"我有你沒有"的私有數據，像是醫療、金融這些產業的歷史累積。這利好大廠和傳統巨頭。 第三階段：內生數據 這是新創公司的機會。 什麼叫內生數據？就是世界上之前不存在的數據。 ChatGPT出現之前，沒有海量透過對話解決問題的自然語言數據。 ONE2X做影片生成，就是要創造一套描述影片製作過程的語言（DSL），這套語言本身就是新資料。 只有透過設計新的產品形態產生內生數據，並把它訓回模型，創業公司才能建立壁壘，不被基座模型的"自然延伸"碾壓。 生成系統：一個完整的閉環 王冠不喜歡"套殼"這個字的貶義用法。 他說，殼可厚可薄，System 2才是核心競爭力。 基座模型（System 1）大家用的都一樣，產品的勝負取決於你在模型之外建構的"殼"，也就是上下文（Context）。 ONE2X的架構分三層： 底層：DSL（領域特定語言） 把影片製作這件複雜的事，抽象化成一組有限的"原子能力"。就像圍棋，規則是封閉的，所以可以計算。 中間層：Context（上下文） 這一層的核心任務就是降低"熵"。 什麼是熵？就是不確定性。 用戶說"做個高大上的影片"，這句話的熵很高，AI不知道怎麼執行。 System 2要把這句話轉換成精確的指令。 同時，它也要約束AI智能體的行為邊界，確保它不會亂調用工具，輸出可控。 頂層：Environment（環境） 這不只是軟體介面，而是一個讓人和AI共同活動的"環境"。 使用者在這裡的每一次操作、每一次修改，都是在為系統產生高品質的資料。這個環境本質上就是一個標註平台。 王冠舉了個例子：廚師做飯，油溫多少度，翻炒幾下，這些隱性知識如果不記錄下來，AI就學不會。 Environment要做的，就是把這些"火候"全部顯性化。 物理世界vs理念世界：影片的兩個戰場 王冠對視頻賽道有獨特的劃分。 物理世界的視頻，是鏡頭拍攝的，對應抖音、快手這些短視頻平台。 王冠把它比喻為"夜店、超市、生活廣場"，娛樂、八卦、賣貨，供給已經很充分了。 理念世界的視頻，是AI生成的，對應知識、藝術、精神信仰。王冠把它比作"圖書館、歌劇院、大教堂"。 這類內容以前因為製作成本太高（例如耐吉的高端廣告，或是把一篇文章視覺化成影片），一直是稀缺的。 ONE2X要做的，就是佔領這個"理念世界"。 他還有個更大的願景：讓影片從"創作"變成"表達"。 古代寫字是創作，需要筆墨紙硯，門檻很高。 現在發微信是表達，門檻極低。目前做影片還是創作，像寫情書。未來應該變成表達，像說話一樣自然。 只有當一種模態從創作變成表達時，才會誕生偉大的產品。 生成系統將取代推薦系統 王冠有個大膽的判斷：中間商將死。 網路平臺本質上是"經銷平台"，掌握流量分配權，剝削創作者。抖音、淘寶都是這樣。 生成系統是"產銷一體"，沒有庫存，沒有流量分配，直接對接需求與生產。 使用者想要什麼，AI直接生成，不需要在海量內容裡檢索。 這意味著推薦演算法這個"中間商"不再需要了。 隨之而來的，是貨幣的變更。 在內容供給無限的時代，"注意力"（流量）不再稀缺，稀缺的是"信任"。 未來用戶不會為流量買單，而是為創作者的品味（Taste）和配方（Recipe）付費。就像Substack那樣，我信任你這個人，所以訂閱你。 未來的創作者：兩極化 王冠認為，創作者群體會分化成兩類。 金字塔尖的藝術家/專家 這些人不會被AI取代，反而會被放大。 系統是他們能力的擴大機，把他們的高級智慧複製成千上萬份。 他們的每一次操作、每一次修正，都是在為系統提供高品質的"內生資料"。 他們是生成系統能夠不斷進化的核心驅動力。 廣泛的"產銷者" 對大眾而言，創作不再是為了商業目的，而是回歸到"產銷一體"。 就像退休老幹部在家寫毛筆字，創作過程本身就是一種消費。 使用者生成內容是為了滿足自己的精神需求，價值在生產完成的那一刻就實現了，不需要依賴外部流量變現。 王冠把這叫做"勞動即消費"。 AI時代的產品經理：不再只是畫原型 王冠自己就是產品經理出身，他對這個角色在AI時代的價值有深刻的思考。 PM的核心工作不再是畫原型，而是設計智慧的邊界。 具體來說，分三個層面： 設計System 1：定義模型的能力邊界 模型即產品，模型本身是值得設計的。 PM需要把業務Know-how轉化為數據，定義什麼叫"好"的結果，建立評測標準。 建構System 2：設計上下文與環境 PM的核心競爭力在於Context Engineering（上下文工程）。 透過設計Agent框架、工作流程和知識庫，為模型提供高品質的輸入。 策略核心：設計"內生資料"閉環 PM必須設計一種全新的產品形態，使其在運行過程中產生世界上以前不存在的資料。 這個產品本質上是一個"標註平台"。 王冠說，PM還要扮演"美學"和"標準"的製定者。 不是所有數據都是好數據，PM需要具備極高的品味（Taste），去定義什麼是高品質的輸出。 組織即環境：員工是智能體 ONE2X是一家很特別的公司。 全員遠程，沒有管理崗，沒有KPI，甚至連考勤都沒有。 王冠把它定義為"產品工作室"（Product Studio），而不是傳統公司。 他的組織哲學很簡單：把公司視為一個"環境"，員工是"智能體"。 這個概念來自於強化學習。 在強化學習裡，你不控制智能體，而是建立一個環境，讓智能體在其中自主活動。 王冠說，管理的核心不是KPI考核，而是對齊"獎勵函數"（Reward Function）。 每個員工進入公司都帶有自己的目標，可能是對科技的熱愛，可能是不想讓公司死掉。 組織的智慧在於找到一種方式，讓個人的目標向量在公司前進的方向上有最大的投影。 為了解決遠距辦公的孤獨感和信任問題，ONE2X建立了"溫暖可信計劃"。 公司內部有個"朋友圈"，大家在飛書裡建立話題組，分享生活八卦、寫小作文。 透過這些非工作內容的交流，建立類似線下的溫暖感和人際信任。 王冠說，坐班制是工業革命的產物。腦力勞動不需要依附於物理產線，遠距辦公配合"溫暖可信計畫"更適合產品工作室模式。 狹義AGI：一個自動化的賺錢閉環 關於AGI（通用人工智慧），王冠有個非常務實的定義。 他不談全知全能，也不談自我意識。他說的是狹義AGI。 什麼是狹義AGI？ 在一個特定商業領域（如炒股），AI能自己賺錢，用賺的錢買算力和數據，再優化自己賺更多的錢。 當人完全退出這個Loop時，狹義AGI就在這個領域實現了。 這不是突然到來的"奇點"，而是一點一點發生的。 例如在程式設計（Coding）或語言處理領域，這種現像似乎正在被點亮。 諾基亞時代的策略：累積數據，等待iPhone時刻 王冠有精準的類比：當下是AI的"諾基亞時代"。 我們現在看到的AI應用，很像諾基亞手機上的計算機或貪吃蛇。 在這個階段做複雜的行動互聯網式APP是不合時宜的。 策略是什麼？ 在"iPhone時刻"到來之前（即端到端多模態模型成熟、成本極低、推理極快之前），應該要做離模型最近的生產力工具。 這樣既能感知模型變化，又能累積資料（System 2/Context），為未來真正的超級APP做準備。 王冠也引用了一句詩來描述通用Agent和垂直Agent的關係：「千江有水千江月，萬裡無雲萬里天」。 垂直Agent（千江月）在各自領域有獨特智慧和數據，這是應用公司的機會。 通用Agent（萬里天）試圖涵蓋所有，但在過渡階段無法在所有領域都做到極致。 最終兩者會殊途同歸：通用做深垂直，垂直擴展邊界，在效果與成本的極致比拼中相遇。 蝴蝶穿花：老子的入世哲學 聊到個人哲學，王冠說自己深受道家影響。 但他做了個有趣的區分：不喜歡莊子的"大鵬展翅"，更喜歡老子的"蝴蝶穿花"。 大鵬展翅是逍遙、避世、飛得高。 蝴蝶穿花是在花叢中飛行從不走直線，而是在障礙物中游刃有餘。 王冠說，創業者應該像蝴蝶一樣，積極入世，順應環境變遷解決具體問題，而不是追求虛無的超脫。 他還分享了一個讓他感到"驚悚"的冷知識：一代人只有25到30年。 作為一個30多歲的人，他意識到自己現在做的產品，其實是在服務"下一世"的人（即比他小25-30歲的人）。 這種時間觀讓他跳脫了當下的焦慮，用更長遠的眼光看產品演進。 北極星指標：系統的智慧程度 ONE2X的北極星指標不是DAU（日活），而是系統的智慧程度。 王冠說，3個專家用戶產生100萬營收，優於10萬個一般用戶產生同樣營收。 為什麼？ 因為專家使用者（高美感/高能力）的操作能為系統提供高品質數據，提升系統的"智慧程度"。 智慧怎麼量化？ 不是看生成了多少內容，而是"消耗更少的Token達到同樣的效果"。 就像做數學題，一眼看出答案的人比反覆演算的人更聰明。 Token消耗越少，代表系統越聰明。 這是一個完全不同於網路時代的衡量標準。 一個意外的驗證 為了驗證產品的商業價值，王冠自己做了一次"小白鼠"。 他用Medeo的早期版本製作視頻，發在微信視頻號上。作為一個沒有刻意運作的號，竟然跑出了200多萬播放量。 更驚訝的是，他一開始不知道視訊號碼有流量分成，直到有一天系統提示有錢到帳（幾百塊）。 這讓他確信，即使是目前的半成品工具，也能讓一般人透過內容獲利。 還有個更瘋狂的故事。 B站和視訊號碼上某位頭部的AI內容博主，為了使用他們的產品，借遍了周圍朋友的谷歌帳號來充值積分。 他們把能買的積分包全部買光並充值到上限，依然覺得不夠用，最後直接聯繫到王冠團隊求助。 這讓王冠團隊意識到，頭部創作者對高效率生產工具的渴望是驚人的。 反共識的20個觀點 如果要總結王冠的想法，這裡有20個最核心的反共識觀點： 關於智能的底層邏輯 1. 智能的第一原理是數據，數據決定邊界，算力決定速度，演算法決定湧現 2. 壓縮即智能，核心在於"連續性" 3. 從"擬合結構"到"擬合世界" 4. 狹義AGI是"賺錢-進化"的自動化閉環 關於產業競爭 5. 產業發展的三個階段：公域→領域→內生 6. 護城河在於"內生資料" 7. 當下是AI的"Nokia時代" 8. "殼"是核心競爭力，Context is Everything 9. 通用與垂直的終局：千江有水千江月 關於產品方法論 10. 生成系統將取代推薦系統 11. 產品架構三層論：DSL→Context→Environment 12. 上下文工程的核心是"降熵" 13. 北極星指標：系統智慧度 14. 環境即標註 關於內容生態 15. 影片是AI時代的"起點"而非終點 16. 物理世界vs理念世界 17. 從"創作"到"表達" 18. 金錢變革：從"注意力"到"信任" 關於組織與哲學 19. 組織即環境，員工即智能體 20. 蝴蝶穿花，積極入世 尾聲 王冠最愛的食物是白米飯。 在快問快答環節，他說自己不喜歡旅遊，也沒有全球視野的美食偏好。 白米飯相容性最強，和任何食物搭配都有滋味。 這或許也隱喻了他做產品的思維：做最基礎、最相容的底座。 在AI的諾基亞時代，大多數人在追逐流量和變現，王冠選擇了一條更難的路：造一座影片的圖書館，累積內生數據，等待iPhone時刻。 他說，一代只有一世。 那就用這一世，做點不一樣的事。 --- 基於播客張小珺Jun 商業訪談錄，使用Prompt產生。
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。