貌似绝大多数时候我们对一个人 taste 的理解，是 ta 的表达，比如文字是否精准，谈吐是否得体，审美是否独到。这容易观察，也容易模仿

最近和那些独立思考有“taste” 的朋友聊天，会问他们一个问题：你把钱投给了谁？买过什么资产？看好身边哪个团队？

有些着实让人大跌眼镜，明明谈吐很 oceanic 却给出了极其下头的选项

现在我更倾向于兴哥十五年前那条微博的理解：Everytime you spend money, you are casting a vote for what kind of world you want.

因为观点可以包装，选择无法伪装。每一次花钱都是一次投票。每一次投票，都在暴露你真正相信什么。所以 taste 的本质不是 ta 说了什么，而是 ta 把有限的时间、金钱、注意力投向了哪里

说出来的是观点，投出去的才是信仰

是 00 后啦（至少身体很诚实

比如 NotebookLM 从去年仅有的 “Audio Overview”，隔三差五增加到了今年的这些

古典理论里，用户也不是指人，而是一组最大公约数需求的集合

想了下为什么我会成为现阶段 AI 语音输入（法）的用户

过去的输入（法），连接对象是人，比如同事、朋友、用户，尤其在 Slack/Email 里面需要注重准确和格式，它的心理压力天然较重，需要 “想清楚了再开始”

而 AI 语音输入（法）更像是口喷工具，可以无脑，所以我看有不少人把 AI 语音输入（法）用在一切需要打字的地方，这对我来说还不太能接受

旧世界里的习惯很难改变，但与 Agent 交互是个增量场景，这也是我能接受 AI 语音输入（法）的原因，比如给豆包手机下指令、给 Claude Code 提需求

所以之前刚用 Typeless 的时候，还好奇它会如何解决这种矛盾和冲突，果然，用的交互方式是长按 fn🌍，而没有在原有的输入法里切换

管它三七二十一给马先装上内燃机，是找到汽车这种形态的必经之路吗

手机上的 typeless 用了有段时间，老觉得怪怪的，忍不住去官网看了一下（主要是不相信这同一个团队做的）原来丫是山寨的

埃马德·莫斯塔克（Emad Mostaque）在他的 《最后的经济学》里提到了一个叫 “丰饶陷阱”的概念，指的是 AI 将带来智能领域的“后稀缺”，整个社会将会有近乎无限的生产力，但当前基于稀缺性的经济体系无法处理这种丰饶，反而会将其视为灾难（如大规模失业、经济崩溃），导致“丰饶被误解为贫困”

Emad 最被我们熟知的身份是 Stability AI （开源了 Stable Diffusion 模型）的创始人，他最早是宏观对冲基金经理，这本书有意思的地方就在于 Emad 这种横跨旧经济规则制定者和新经济范式构建者的双重身份，使他的洞察尤为深刻

经济角度或许有些危言耸听，但就我的体感而言，日常的内容消费似乎也存在着类似的 “丰饶陷阱”，以至于有限的注意力与丰饶的内容供给之间出现了匹配上的矛盾，具体表现是这几年我单纯消费内容的需求在减少，转而倾向于自己挖掘内容，说时髦点叫自己生成内容，出现了生成即消费的场景。背后的原因除了生理上的注意力有限，更多是因为知道 AI 参与了做工从而对内容的稀缺性看低了

周末跟 Substack 的朋友交流，提到这几年平台里的内容供给爆发式增长，虽然不能简单归因是 AI 带来的，但 AI 使得生产力提升大概率会是其中一个因子吧，与此同时内容消费者的停留时长等关键指标却下降尤为明显（不知道国内的微信公众平台是否也有类似的趋势）

从这点来看，无限供给的生产力原本可以带来丰饶的内容生态，但这种力量却没有作用在内容消费上，就像 Emad 举的例子里，工厂发明了“高效机器”以至于能近乎免费地生产出人们需要的商品。这原本是天大的好事，结果因为这台机器的出现，反而导致了工厂主害怕产品卖不上价而限制生产。最终，无限的生产能力没有被视为福祉，反而导致经济瘫痪和普遍贫困

之所以出现这种情况，本质还是旧社会的规则还停留在“物品/信息越稀缺越有价值”的框架里，而 AI 驱动的丰饶正使得这套规则在新社会中全面失灵

所以我一直对 “低成本”、“平权” 这样的叙事无感，就像在内容领域里，当生成成本趋近于零，“丰饶”是既定事实时，新的价值单元和互动范式大概率不会是现在这样，比如有没有可能“生成”与“消费”的边界融合了，用户在创造的过程中完成了意义的获取？

同样的意思，美国 VC 的“I backed him…” 就比某些中国 VC 口中的“他我们投的”更让人如沐春风

王冠在播客里提的“AI 应用要能产生内生数据”和姚顺雨 3 个月前表达的 “创业公司要设计出不同的交互才能不被模型公司吞噬”有种不谋而合的共振

真正的 AI native 恐怕是“造血能力”吧？

---
王冠

适合去做应用层创业的技能，核心其实还是跟数据有关，我们把它称为“第三份数据”。这是一种产品内生数据，简单来说，就是在你的产品形态出现之前，这个世界上并不存在的数据。

举一个可能不那么恰当的例子，在没有 ChatGPT 这种产品形态之前，历史上其实没有一份数据是通过自然语言对话的方式，去解决各种奇奇怪怪问题的。这份数据的诞生，完全是因为有了 ChatGPT 这样一个形态，背后有了一个可以响应这种对话输入输出的模型，随着飞轮慢慢转起来，我们才发现越来越多的问题原来都可以通过对话来解决。你要追根溯源的话，用对话去解决各种问题，本质上就是一份源自 ChatGPT 的内生数据。

所以我们会认为，ChatGPT 对于所有做应用的公司来说，都是一个非常好的参考样本。它通过创造一份之前不存在的数据，建立起了自己的产品价值以及所谓的壁垒。只是因为 OpenAI 原本就是做模型的，所以它天然就有自己的模型，它不过是在做产品的第一天，就把模型那个环节的工作给补上了而已。

对于未来要去做应用的公司，大家其实也要参考这样一个路径。在做产品的过程中，可能从第一天开始，就要去设计出一份之前这个世界上不存在的数据。这份数据是因为你设计了这样的产品形态才产生的，并且在未来，这份新的数据能够回流，被运用回你自己的模型中。只有这样，才能回答那个核心问题：你做的这个事情，到底该如何和底层那个越来越通用的模型保持一个安全的距离。

---
姚顺雨

我觉得创业公司最大的机会，就是能够设计不同的 Interface，或者说重构人和数字世界的交互方式。

目前的模型公司，其实都在做类似 ChatGPT 的产品。ChatGPT 的本质是让你像和人交互一样，去进行和数字世界的交互。你的对面有一个像人一样的东西，你和它聊天、给它布置任务，或者让它帮你做深度研究、写代码，但它的核心逻辑始终是一个像人一样的、助手式的交互方式。

如果你能够利用模型通用的能力，但是创造出不同的交互方式，那你就能创造巨大的机会。我觉得本质上来说，Cursor 就是创造了一种新的交互方式。它不是一个像人一样的交互，而是一个像 Copilot 或者说全新的协作方式。当你写代码的时候，它能给你提示，或者帮你编辑一些东西，现实中没有人和人是这样交互的，但这恰恰是它的价值所在。我觉得最终模型的能力是会产生超越 ChatGPT 这种交互方式的 Super App 的，在这种情况下，创业公司最大的机会就是探索新的交互方式，并且能够接得住模型溢出的能力，这两者缺一不可。

如果你做的是旧的 Interface，然后利用这些新的模型，那你很容易被 ChatGPT 取代；如果你的交互方式很像 ChatGPT，那你更没有什么理由不被它取代。反过来，如果你做新的交互方式，但模型没有继续变好，没有新的溢出能力，那你也很难做。所以对于创业公司来说，最好的机会就是你做新的交互方式，同时模型不停有新的溢出能力，让你能够赋能这些新的交互。

当然，ChatGPT 也可以跟进创业公司的交互，但是拥有一个 Super App 其实对于大公司来说是把双刃剑，因为当你已经有了一个成熟的交互方式时，必然会形成路径依赖。就像 2020 年的 Google，它有无限的资源和钱，有 Transformer，有最好的 Research，但它最自然的本能想法是“我怎么用这些东西提升我的搜索引擎”。同理，当你有像 ChatGPT 这样一个 Super App 的时候，很自然地，你的 Research 就会围绕这个 App、围绕这种对话交互方式展开。

即便你是大厂，是 Google 或者 OpenAI，你会去探索新产品，但你大部分资源还是会围绕你 Super App 的交互方式，这恰恰是创业公司的机会。

像 Her 这种形态，虽然还是 Assistant，只不过它是语音而非文字。我觉得这显然是一个很有价值的形态，因为人和人交互已经几百万年了，这对人来说是最自然的。但这个生态位我觉得 ChatGPT 是占主导的，因为这间模型公司一开始做的事情就是这个。

所以我认为那些“不显然”的事情，也就是基于“不像人”的交互方式，才是机会所在。Cursor 是个很好的例子。从网络发展史上看，Google 也是个很好的例子，当时搜索框是一个很新的方法，没人见过，很奇怪；反而是 Yahoo 从网络形态上更像黄页，是一个让人熟悉的交互方式。但最终 Google 这种让人不熟悉的交互方式赢了。我觉得 Assistant 或者像 Her 这种和人一样的交互，肯定是最重要的交互方式之一，但也肯定会有足够多的机会，让新的交互方式产生。

除了 Cursor，我觉得 Canvas 也是一个好的尝试。你可以基于现在的一个任务，在线生成一个最符合当前情境、个性和任务的前端界面，你可以让这个东西对不同的事情表现得很不一样。这是一个显然值得探索的方向，尽管这个事情显然也很难。