小俊: Hello，大家好，欢迎收听张小俊商业访谈录，我是小俊。这是一档由言级世界工作室出品的深度访谈节目，我们希望和你一起从这里探索新世界。今天这期节目很特殊，我们的录制时间是2025年12月1日，嘉宾是Minus联合创始人兼首席科学家季超（Pic）。就在刚过去的凌晨，Meta宣布全资收购Minus。而在这期节目伊始，也就是月初，收购事件尚未发生。最终，这次节目成为了Minus最后的访谈。

季超: 大家好，我叫季超，朋友叫我Pic。我是Chief Scientist。今天很荣幸能参与这个节目的录制。

早期创业经历与AI启蒙

小俊: 你从小的经历感觉就很与众不同，4岁就去了美国，二年级又回国，高中开始创业，大学辍学了又创业，然后又读完了研究生。你讲讲你的这段经历吧。

季超: 首先得从我的家庭背景说起，我觉得我很幸运。我的父亲是北大物理系教授，是传统意义上的科学家。我母亲算是老一辈中关村连续创业者，现在可能可以叫企业家。所以，我从小在这两种不同的风格中一块成长，我可能就在两者中取了一个中间点，就是所谓科技创业者。我从小其实不是那种聪明孩子，学习也就一般，但是比较喜欢自己瞎琢磨。

季超: 我比较幸运的是，我很早就找到自己喜欢做的事。那时候大概是2009年，苹果其实推出iPhone之后的第二年，对我来说有一个大的改变，就是App Store的出现。App Store对我来说是特别重要的一个转折点。因为在App Store之前，其实很多人像我一样，喜欢自己捣鼓软件或做东西，但是你缺乏一个很好的全球化变现的能力。这时候对于一个高中生来说，如果你只是在瞎捣鼓一些课外的东西，这个东西其实是比较离经叛道的。你没有一个很好的第三方指标来证明我的这个爱好其实有价值的。而App Store的出现给了我一个契机，就是说我可以向我的父母、同学乃至老师证明，我搞的这个东西是能产生经济价值的。所以，我算是中国第一代软件出海的创业者，当时还在上高中。

季超: 我当时做了一个第三方的OS浏览器，浏览器小火过一点。用的是最朴素的那种，就是copy，每卖一份就赚一份固定的销售额的模式。所以很幸运，很早的时候就有了比较稳定的现金流。那个软件从第一个版本到最后大概赚了30多万美金，对高二高三的学生来说算是开心的。关键是它的销售模式清晰，我不需要去考虑太多的应用内付款或者增值模式，我只是非常老实地卖一份，你给我一份钱。所以，维护成本比较低，是一个当时还成立的商业模式。但后来大家都知道，移动端软件已经不太支持这种朴素的商业模式，因为大家都知道，先免费获取客户。

季超: 当时是一个好的情况，因为那时从桌面互联网到移动互联网，是一次平台或者简单来说有一个硬件媒介的变化。有一个新的媒介出来，即使你是传统的BAT这些大厂，还是海外公司，大家都是跟开发者一样，众生平等，都在做一个全新的尝试。那时候其实有一段，在我看来可能是蛮荒期的一个阶段，所以你有很多机会去做这样的事，大家还没有反应过来后来的诸多商业模式。但你看反观现在AI，我觉得很难的一点是，AI虽然是一个新的技术突破，但实际上没有一个全新的平台出现。所以这次我觉得没有存在那个蛮荒期，无论是巨头还是创业公司还是个人开发者，大家的反应都一样快，做得都非常干脆利落。所以我觉得我算是赶上了一个好时代。

第一次创业的终结与第二次创业的开启

小俊: 第一次创业怎么结束的？

季超: 第一次创业，我觉得没有一个明确的结束时刻，其实它是我创业的一个起点。那时候我觉得还不能严格意义上来说称为创业，因为我只是一个学生个人开发者，用一个最朴素的商业模式获得了一定的现金流。当时你有一定的现金流，同时你要做一定的市场推广。我也没有团队，就一个人自己在国内外论坛上发帖。当时国内没有很成熟的支付渠道，因为现在你可以用支付宝、微信或者信用卡付款，但当时我记得只能支持国际信用卡，所以中国国内基本没有什么付费。

小俊: 哎呀，这感觉跟现在AI也挺像。

季超: 当时我就想，既然国内我很难获得现金流，那我在国内就只能赚吆喝。所以我那时候会破解自己的软件，在国内论坛上发，就是你没钱就给我捧个人场。你在这样做的时候，其实就获得了一些来自于资本界的关注。那时候也很好玩，我当时高二高三的时候，参加了一个当时感觉比较有创业氛围的中关村创业活动。我有点想不起来是哪一个了，然后当时就认识了真格基金。这个故事非常简单，当时徐小平（徐老）问：“小伙不错，想创业吗？”我当然不想创业，因为我有一个稳定的、边上学边躺着赚钱的现金流，我何必要创业呢？但我觉得毕竟是徐老师，大家可能当时都是比较熟悉的，因为他应该也是从那个体系出来的。当时我回家跟我父母提了一下这个事，这方面确实感谢我父母，他们就说这个你是值得去好好考虑一下的。

季超: 那个时候对我来说也是陷入一个纠结。我可以有几个选择，对吧？我也可以申请学校去上一个好大学，跟大多数人一样的路。但另外一点，我觉得给了我一个特别好的正反馈，就是你只要创新，也许就能有回报。当时比较天真，就说我搞出一个好东西，自然就会有一个好的结果。然后当时我渐渐意识到这是一个常态，我很幸运，踩中了一个时代的机遇。那好，其实我什么时候都能继续去读书，所以我就想，那我其实现在优先考虑的应该是一个机会成本。所以当时我就拿了Term Sheet，决定大学不上了，要去创业。

季超: 为什么接受真格的Offer？其实也是他们给我一个承诺，我觉得这个承诺兑现至今，就是他们不会管我干什么，我爱干嘛干嘛。我觉得这个对于一个学生来说，我能有了一个最好的选择。所以当时我就拉上另外几个同学，比我大两届，他们已经保送去北大了，但是又被我忽悠出来。但当时我们其实已经意识到，如果你还在做这样朴素的按copy赚钱的模式已经不太行了。那个时候已经感觉到很明显，因为当时已经又过了两年了。这时候你会发现，无论是国内还是国外，尤其像第三方iPhone浏览器的市场里，已经出现很多不同的玩家了，巨头已经回过味了。所以我们就觉得这个东西一定会走向一个免费或者免费加增值的这条路。

季超: 但当时我们还做了一点最后的尝试，这也其实是后面一切的起点。我们觉得既然要卖一款付费的浏览器，我们应该在功能上有比较大的跃进。首先一点，当时的交互体验确实比较好。当时还有另外一个背景，那时候无论是国内还是国外，都是3G初期的一个阶段，移动互联网远没有现在这么流畅。那时候大家可能还会更多关注，比如网速慢的时候怎么办？弱网环境怎么办？所以当时我就提出要解决一个问题，就是我们能不能去预测用户的下一次点击。那时候我还记得大家用Facebook，国内应该是用人人网（校内网改名叫人人网）。我记得那时候很多人都觉得移动端的网页似乎比当时那些比较初期的客户端要好，所以很多人其实是在用移动浏览器进行一些社交媒体的使用，你会经常有那种翻页、下一页的操作。后来有更多人在手机上看新闻。

季超: 我当时就觉得，如果能准确预测用户下一次点击，我可以进行预加载（pre-loading），提前加载下页的内容，让它的响应会更快。这个其实也就机缘巧合之下，让我进入了自然语言处理（Natural Language Processing, NLP）领域。大家可能不太了解这个了，因为Transformer模型把一切给统一了。2011年开始就为这个需求研究这个方向。我觉得我幸运，我感觉一直在学习的东西都是因为具体的需求，刚好也跟自己的兴趣吻合，所以就接触了这个行当。

季超: 那个浏览器真正意义上的结束是什么？它发现了更好的处理方式。因为它的模式一直是单纯的，就渐渐成了一个没有人去维护的状态。比如说，到最后应该是系统不断更新，它的兼容版本跟OS兼容，以至于就架了，这是一个自然死的过程。我觉得幸运的是，让我人生的第一个产品就同时满足了出海加AI，加上变现这件事，所以有一个很好的开始。

小俊: 现在反过去说，浏览器这个事情，你当时怎么做，有可能后来摸到移动互联网大牌吗？

季超: 我觉得当时我收到过一些收购的Offer，也许卖了也挺好的。因为我觉得浏览器可能从古至今，包括今天很多团队也在做浏览器，我觉得一直都有一个点，就是它其实不是特别适合一个创业者或者一个颠覆者的形态来做。它其实更像是巨头你已经有了分发的渠道之后去锦上添花。所以我如果回看当时的话，我不认为以现在的我的经验或阅历，我能做出什么更好的选择。

投身NLP与大模型冲击

小俊: 第二段创业呢？

季超: 第二段创业其实就是刚才讲的，第一次真正的创业，就是在做这个浏览器，意识到这个领域真的非常有意思。但那时候其实也很有趣，2011年距离一个石破天惊的时刻还很远。其实2013年是Google推出一篇论文，第一次能够把——也不是第一次——较为可靠且高效地把离散化的自然语言变成稠密向量。这个其实对我来说，是我认为我心中最石破天惊的一个转折点。因为他头一次能让我们比较方便地把一些源自其他技术，像深度学习领域的方法，应用在自然语言处理领域。

季超: 像当时2011年前大家做自然语言处理，可能关注几件事。比如说你要进行比较复杂的分析，可能有一个技术叫依存句法分析（Dependency Parsing）。但现在可能这个词已经过时了，新一代做AI的人都不知道这个。中文的话，那时候我们还会关注额外的所谓分词（Tokenization）。它跟现在大模型的Token可能会更原始一点，因为中文本身它会有这个要切分的问题。当然不止中文，日语、德语都有拆词（Composition）的问题。所以那时候做的还是一些比较怎么说呢，自然语言处理而做的一些专有解决方案。它按现在话说是不太Scale的，因为你需要很重的标注才能做好，而且你的模型也没有那么强大。所以当时给我最大的一个触动是2013年，这个出来。

季超: 我觉得这一下新世界的大门就打开了。这个让我真正意识到我的兴趣可能其实是在NLP，而不是在继续做浏览器。也很感谢当时真格兑现他的承诺，我说我不想做浏览器了，真格随便。当时我就看中了NLP，但其实也是看中另外一个市场机遇。当然回过头看，我觉得是错的。这是怎么回事呢？当时的2013年，已经开始有传闻，说苹果在筹备一款可穿戴式设备，其实也就是后来的Apple Watch。这个当时给了我特别大的想象空间。因为我当时觉得那个时候的搜索还是你输入一个问题（Query），然后它给你10个蓝色的链接。这个东西能够Work的根本原因是我们在与电脑这样的一个大屏幕进行交互。那假设未来，比如可穿戴式设备或者语音界面（Voice Interface）更加成熟的话，那这一个交互模式可能就不Work了。

季超: 所以当时我想解决的一个问题是什么？就是说我能不能以一种更结构化且更紧凑的形式，把知识跟用户之间的交互进行一次革命。这个当时就引向了一个方向，现在可能叫语音搜索（Voice Search）或者对话式搜索（Conversational Search）。这个东西我当时会觉得这就是下一代的Google。我作为一个创业者，我会不会是当年的Google，当年的雅虎？所以我们团队大家都很兴奋，然后我们想解决的这个问题逐渐也就细化了下来。这其实是一个非常技术驱动的问题。我当时在想，如果你想用更紧凑的结构去回答用户的任意问题，那其实你需要的不能是网页的原始信息。因为大家都知道搜索引擎的工作原理，当时可能就用倒排索引。就是你输入一个关键词，它会把所有包含这个关键词的网页，通过一些排序算法进行排序，Top N给你。所以你用户输入的问题，最后获得的东西仍是原文，是自由文本。

季超: 这个自由文本，你想象一下，如果Apple Watch不可能在上面反复滚动去读完。如果你是车机或者像Ring这种Face的话，你也不能让他去朗诵那么长的文本，因为人的听力带宽，你会很着急。所以我们觉得当时从技术层面来讲，它缺的是什么？是一个高效紧凑的表达形式（Representation）。而那个时候我们想到的一个概念，其实是知识图谱。知识图谱现在也是一个半截身子埋在土里的概念，老词。但是当时我们也是有追求的团队。我们再往下深挖，到底是什么限制了知识图谱这个概念真正落地呢？我们当时找到的一个切入点是，我们认为知识图谱其实完全都不够完备。因为那时候你能找到的知识图谱，无论是通用的还是行业领域的，它其实大量依赖于人的编辑。

季超: 比如说如果你要在一个行业内，当时有做一些什么工业领域的知识图谱，比如科学领域知识图谱，其实都需要一些专家进行标注。比如说你要标注三元组（Subject-Predicate-Object）这样的形式进行标注。而通用或者说通识领域的知识图谱，当时世界上有几个比较大的平台，有一个叫做Freebase，好像后来被Google收购了。他们就以一种众包的形式让大家贡献这些知识。后来它应该演化成了Wikimedia下面的一个项目，叫做Wikidata。它里头做的就是比如说关于你张小俊是一个实体，下面有各种你的属性，比如说你的出生日期，工作场景，节目是什么，这形成实体之间的关系，就是知识图谱。但很明显，这个东西完全依赖于人类。那这个东西我觉得是我们探测到的一个瓶颈。所以我们想找到一种技术来把这件事自动化。

季超: 那当时的技术供给能做到什么呢？就是刚才讲到那个年代的NLP还在一个比较初期、混沌的阶段。当时要做的事情可能已经有的方案是这样：你可以首先进行命名实体识别（Named Entity Recognition, NER），就相当于你读一篇文章的时候，你把里头所有的实体能够由一个AI模型来标记出来。那这样你就只获得了实体，比如说张小俊是一个实体，这档节目是一个实体。但是所谓知识图谱，图谱之间是要有边的，那这个边是怎么来的呢？当时有另外一项技术叫做关系提取（Relation Extraction），就是对于两个实体之间，我能测到说张小俊是这一档节目的主持人。那么主持人其实就是一个边或者叫谓语。

季超: 这样的话，我们用这两套技术能构建怎样的知识图谱呢？就是说我如果能限定领域，那么我能进行很好的实体识别。我能限定提取关系的类型，我也可以进行这个工作。比如说我提前知道这世界上有“什么节目的主持人是谁”这是一种关系，“人的出生日期是什么时候”这是一种关系。那很明显这个东西好像不可枚举，因为任何两个实体之间的关系，它应该是一个无限级。所以我们就意识到当前的技术肯定是有局限性的。那么我们当时就投入到了一种新技术的研发。后来的话，这个技术在学术界的定义应该叫做开放式信息提取（Open Information Extraction）。它跟刚才这些技术的区别是，我不需要提前定义一套规则，或者说我不用规定哪些东西是实体。因为传统意义上的命名实体识别可能关注几类，比如人名、地名、组织名这些东西。你看这其实又是一个白名单机制，我们要避免这层白名单，同时在进行关系提取的时候，我们要避免提前预设的这些关系，完全变成一个无大纲形式的提取。

季超: 我们做到一个技术是什么？就是说AI在阅读一篇文本的时候，它能够自己识别这里头有哪些潜在的东西是实体，以及这些实体之间的关系是哪些，并把它们提取出三元组，并持续自动地构建一个知识图谱。所以这个在当时我觉得还是很重要的一个技术，而且我们选择了最苦的一条路，就是我们从零训练模型。而且你想这件事是2013年底、2014年，我非常幸运又不幸地赶上了NLP技术最跃进的那几年。所以我们一开始的话，当时是一条，我们团队分两边，一边在做基于传统的依存句法分析的解决方案，我这边在做基于词向量的解决方案。然后做了几年之后，我们发现这个东西好像可以。后来开始用LSTM去做，后来是LSTM加Attention。再到后来呢，我得加实在输入层的信息，失真就大了。因为那时候如果你用基于纯词向量的方法去做的话，它无法分析清楚一个完全同名的不同含义。

季超: 我举个例子，比如孙悟空，孙悟空可能是我们中国传统西游记中的孙悟空，也可能是日本七龙珠里头的孙悟空。其实后来还有王者荣耀里头的孙悟空。如果你完全基于这种技术去做，你会发现同样一个词在不同上下文中的意义都被压缩在了同样一个512或768维的向量中，所以很苦恼。能不能再进一步？它其实就需要有一个上下文相关的编码方式。那时候我觉得那几年是非常幸福的，一方面是，你基本想什么，这世界上就会发生什么。那时候后来解决了上下文相关这个问题。但是不幸的就是每一次这种技术迭代，过去积累的都用不上，所以很苦。然后就等于2014年底一直到2018年，才把我们当时所有的模型自训练做出来，非常痛苦。

小俊: 很早之前就做大模型了？

季超: 总共加起来，我们就有两个模型，总共加起来大概是两个0.3B的模型。那时这叫大模型，但现在这已经不算什么了。后来也很早地遇见一些问题。比如当时像它默认情况，如果我没记错，它的Context Length或者Sequence Length是512个Token。如果你去掉它一开始的Token，跟互联网完全不匹配。所以我们2018年就开始解决。但是我们解决的，如果我没记错，后来一直当时做的一个产品叫做Maggie，是来自于我喜欢的一部动画里的一个超级计算机。它做的事就是如刚才所说，能够从网上、各领域文本构建、更新知识图谱。我做的应该是叫Open Information Extraction。这个项目至今我觉得这是我智力和我的编程和Research能力的巅峰。再后来就是人就已经逐渐老动化了，水准开始下降。但是那段时间的话，我们做到后面就会觉得很痛苦，就是外界的创新实在是太多太快了。直到2019年的某一天，我拿到了GPT-3的Early Access，我觉得天要塌了。

小俊: 哈哈哈。为什么？

季超: 因为是这样，我刚才讲的，我们当时选择很苦的一条路，就是一切我们都要做垂直整合，模型自己做，产品自己做。那好，我其实每一次模型产品的迭代，我等着我底下模型都完成。那时候模型现在比起来简直非常非常小，但是同时也很恶心，自己去搞。所以我们当时迭代的周期基本是2到3周能有一个模型的迭代。但是2到3周在当时的外部简直是巨变。然后拿到GPT-3的时候，我测了一下，我觉得天塌的原因是什么？我们把同样的任务，我拿GPT-3，我随便写了一个Prompt。那时候大家没有什么Prompt的艺术，都胡写。我发现它跟我们自己训练的端到端模型五五开，你知道吗？而且我当时就意识到一个问题，就是它虽然现在很贵，但是它是一个通用解。

季超: 那个时候我们在NLP领域，大家互相交流，你会有很明确的感觉。比如我跟别人自我介绍，就是说“你好，我是XX团队的，我们是做信息抽取的。”然后这边可能是做机器翻译的，这边是做客服系统的。大家精锐分明，互相学习。但GPT-3出来之后，它印证了一件事，就是好像我们做的不同任务是能够大一统的。其实它不是第一个工作，之前Google的T5出来已经有这个苗头了。但是那时候大家还觉得T5太大了，做得很难，但是你要垂直领域还得看我们。但GPT-3出来之后，就彻底把我们那条心给摁死了，你知道吧？所以当时我的第一反应就是赶紧公司。

小俊: 卖了吗？卖给谁了？变现了是吧？

季超: 其实你很先进，我听下来就是你2011年做的事情，感觉和现在大家做的事情差不多。

季超: 我觉得就是顺着做了一遍。我觉得不能这么说，应该说大家在每一个阶段遇见的问题是类似的，但是你每一个阶段其实都未能解决，大家再次遇到同样的问题。从512个Token到现在的20万Token，只能说历史会押韵，但不一定会重复。

创业目标与产品思考

小俊: 你当时做这些，你的目标是什么呀？因为我感觉你一直在顺着这个技术往上爬，但是你的目标是什么呢？

季超: 我觉得这是个很好的问题。上一次创业我觉得我没有想通，一个是可能那个时候还是年轻。包括现在我看到很多跟我那时一样年轻的创业者，大家我觉得优点是什么？遵循自己的本心，你喜欢什么，先去做。当你往好点说，如果你看中了一个技术问题，且这个技术真的别人没解决的话，那往往可能是符合第一性原理，就是一个重要的待解决的问题。所以当时我们遇见，如果你现在切到产品侧，可能会有几个问题。第一点就是我们会觉得应该做一款很成功的搜索引擎来替换掉Google。但实际上首先我们低估了搜索引擎本身这件事。当时很多人不知道，这个项目我们没有使用任何第三方的搜索，我们从爬虫到索引引擎全是自己去建的，手写的。我觉得那是我工程能力巅峰。

季超: 后来我们其实低估了一件事，就是说你光靠技术解决不了非技术问题。比如说现在我都不太看好你再做一个新的搜索引擎。因为很多数据源跟Google已经形成了一种互利互惠、可循环的关系。你作为一个搅局者入场，你无法重复Google过去20年来积累的这些数据源。所以当时我们就觉得产品一方面是我们的技术和非技术原因没做好。另外一点，我们当时很期望发生了，就是说有一个新一代的可穿戴式设备或者全新的人机界面的出现。这个东西可能到今天为止，也许可穿戴没有充分落地，同时新的人机界面也许直到Agent才真的落地。所以我觉得产品层面的错误，一个是技术，一个是可能确实是早了。但是创业就是这样，你早一步是先驱，早一步就是先烈。我商业上没有想得特别清楚，一开始想的是完全把这做大。后来做了很多年技术不断迭代，就想能不能直接做To B，但明显团队的基因不是这样的。

季超: 所以我觉得那一段创业经历，让我学到了很多，当然特别爽，因为那是一个我觉得很多创业者梦寐以求的状态，就是我就想把我人生的夙愿给做完。夙愿是我自己从头基于一切都是自己写自己做的模型去解决没有解决好的问题。Google这个事已经解决好了，没觉得哪里没有解决好。

小俊: 是这样？

季超: 首先Google是通过收购Freebase获得了一个很好的社区。当时有一个并行的项目叫Knowledge Graph什么东西。我们跟他做对比，就是头对头的对比。我们当时在最高置信度下的准确度能达到89点几，所以我们的准确度比Google高，不中文支持，别语反向，伯语。我觉得我自己去演练了向量搜索，现在可能也比较常态了。当时跟特定合作方，有一套技术叫做持久化内存。我们自己写了一套向量，搭建了整套这个东西。就是我把我这辈子想试的技术，都以合理的方式花投资人的钱搞定这个项目，做得挺轻松的。

独角兽公司的工作经历

小俊: 所以你去了独角兽公司工作了一年半？

季超: 那段工作经历其实非常开心，非常开心。

小俊: 为什么？是个大公司吗？

季超: 当时还是一个独角兽状态，相当于在临上市前的一年多。但是当时又刚好赶上GPT-3，当时我是因为GPT-3的出现，我意识到危险。所以相当于我在出来之后一直干到了GPT-3之后。那相当于我在那家公司从零做起了AI的业务。所以那段期间怎么说呢，这个公司的一个工作模式，当时很多人不喜欢，就是说好像所有的Research或者算法岗位，大家都在公司内部打榜。因为那是一家To B的公司，To B的一个经典问题，就是说你如何去量化用户的收益。你除了最终的经营指标以外，其实也需要一些过程指标。当时有一个部分团队的任务是说，我把所有用户的需求转为可量化。那这个呢就是算法岗最喜欢的事情就是打榜。所以那时候我的主要工作就是打榜。

季超: 打榜又很开心，因为当时公司内部的一个激励方案很有趣。公司内部有类似于Kaggle那样的榜单系统，你赢的越多，你的奖品是什么呢？你能获得更多的显卡，所以你会进入一种强者恒强的状态，你知道吗？所以我当时一个人能存好几十张卡，堆卡的资源闲置。但是我就可以去捣鼓很多我想试的东西，因为总有客户会需要。所以我可以做很多的实验。同时我的算力是最充足的，我能用。所以我在那一年半里头，我一直霸榜在第一名。所以我觉得那段经历特别开心的。

小俊: 以前上学的时候，好像没有这个劲头是吧？

季超: 以前上学的时候，那时特别喜欢比分数的学霸这种类型？好像不是吧？不是，因为我好多课我都没上。所以我特别感谢我的高中，当时在北大附中读书。我觉得我特别幸运，遇见了一群超级开明的老师。开明到什么程度？有的课不想上，老师说那你就不上了。后来学校还给了我一个，也不要一个小屋，我们有一个计算机社团，就相当于我在学校里头有一个不用上课，可以去办公室、空调、电脑，让我好好捣鼓我喜欢的东西。所以我得太幸运。

放弃大模型，加入Minus

小俊: 第二段创业终止的那一刻，你在做什么呀？你在想什么呀？

季超: 我当时的想法是这样，我知道有一个新技术出现，可能要杀死我，那这时候我的选择是什么呢？当然是选择加入了。当时的想法是这样，我刚刚经历上一次创业的一个创伤，就是自己要做垂直整合，真的很痛苦。每天醒了之后，比喻是醒，感觉海水在上涨，但是不知道涨到什么程度，也许第二天醒来就已经到鼻子了，就很恐怖的感觉。当时我想法还是我喜欢创业，但是呢我不想做垂直整合了。所以当时会有一个比较天然的想法，那时候大家会把AI创业分为几个层，比如说那时候有模型层，有基础设施层以及应用层。当时我想“哦，那我面前其实也就三条路嘛。”那时候其实到了2022年底、2023年，大家看到国内很多大模型公司都动了。当时我跟所有人都聊过，但是没人能说服我这个东西到底该怎么办？因为我觉得我不太想再体验这种特别难受的状态。所以我的更多目光看向了所谓基础设施层跟应用层。但这时其实也有一个问题，就是大家当时一直在说这个事，但是没人知道真正的AI应用该长什么样。尤其你想2023年年终的时候，真正有PMF或者说有一定量产的产品，这东西一定不是天地利人和的状态。我至今也觉得我想用，但想我做我就看一些机会。同时的话，也就去摸索一段时间，待一段时间，算是轻创业。

季超: 后来，其实也是当时认识了小红，就是我们现在Minus的CEO。他是怎么说服我加入的，或者说为什么我要从第二轮创业之后去开始这个事。

小俊: 你中间隔了多久？

季超: 当时就是那一年半的时间。在独角兽公司待了一年半。

小俊: 那段时间你就明确不想做大模型，不想去打任何一个大模型公司？

季超: 我几乎跟所有大模型公司聊过。

小俊: 你有喜欢的吗？

季超: Google。

小俊: 海内外都聊了是吧？

季超: 海外聊的是当时海外没几家，海外也基本都聊了。国内的话也都聊了。包括当时那个为什么是Google，你不是要干掉人家的吗？

季超: 就是你没干掉他，你才会格外尊敬他。当时我的想法，就是我想找一款AI产品，不是我自己去主导，而是一个很空的画布，大概是这样的一个感觉。因为上次创业到最后，我其实还学会了一个很重要的点，就是我意识到我根本不是做CEO的那块料，我既不喜欢商业化，我也很讨厌管人。所以我觉得这是交了一个学费，就是我知道我不该做CEO，我应该找一个比我适合做CEO的人。

小俊: 你觉得你是哪些方面不适合做CEO呢？

季超: 我觉得完全就是一个情绪上就很抵触。

小俊: 情绪上？为什么CEO哪些比较烦你的人性？

季超: 首先有一点就是说，我喜欢跟电脑打交道，但我觉得人太复杂了。你的组织在随着变大的时候，你会发现这个复杂度是指数级增长的。我觉得我不是那块料，我搞不定太多人与人之间更微妙的事情。

小俊: 你看起来比小红要开朗很多。

季超: 不不，其实我们公司除了张涛以外，全都社恐。我只是开朗的内向，你知道吗？就是我在跟你聊具体的业务的时候，我能讲很多，但是其实我是INTJ，就INTJ烂大街的，大家都不多。所以就是觉得首先管人，我觉得我不太行。第二点，我有的时候会陷入一种特别追求正道的思路。什么叫正道？就是你有一个能够赚钱的方向和一个能够把一个特别有趣的技术走到底的方向，我毫不犹豫地油门踩死，往右走。但是我知道这一定是错的。所以呢，我需要有一个人能把我管住，就是在我又想发癫的时候把我摁住。所以也是经过创业之后，我充分意识到自己的不足。所以我当时想得非常清晰，就是我不想当CEO，不想当一号位。第二，我想找一个能够探索的画布，我说的是画布，而不是一个已经成型的一个产品，然后去迭代它。因为我觉得当时所有人不过都是在下注，没有谁说真正有一个非常系统性的方法去知道接下来AI产品要做什么。

小俊: 什么叫所有人都在下注？

季超: 就是当时大家都在基于自己的直觉判断，去说我要做一个什么东西，我要做一个什么东西。但其实我已经经历过几次这样的创业，我在想我能不能这次做得正规一点，就是我们能不能像字节跳动一样，有一点数据思维。所以当时我就觉得我不应该自己在丛林中去一种，就是我因为相信所谓去做的的事情。我应该有一个过程去更多的观察。那观察用户最好的方法是什么呢？就是有一个初步PMF，但又非常空的画布在那。所以当时我跟小红，当然因为他也是真格投的，也是像我们这老一辈创业者，现在都已经是中年的年纪了。

季超: 当时他做一款产品叫Monica，Monica现在也有很多人用。我们现在都在同一实体下面。这款产品它其实是一个Chrome的插件。我当时觉得这个产品的形态非常戳我，是为什么呢？因为首先它没有改变任何用户习惯，浏览器仍使用你熟悉的Gmail，没有因为AI侵入你生活而改变什么。所以用户的原本轨迹不是被强行改变的，你的观测是一个无感的观测。第二点是什么？就是很多人你只关注一个方向，因为不能一个界面中的叠加不素复高，叫Evernote，你每增加一个东西都稀释价值。但浏览器插件的绝妙之处是，它的功能其实是基于跟视频理解，只会在你自动编写或者改动的这些功能，只在Gmail或Notion出现。所以它其实消解了功能增加带来的复杂度爆炸问题。所以我觉得浏览器插件是一个绝妙的观察用户到底在怎么用AI的一个窗口，它甚至不能叫一个产品形态，它是一个空的Container，一个空的画布。所以我觉得这款产品是绝佳的，作为进入AI应用时代的门槛。

小俊: 观察到了什么？

季超: 观察到一些非常有趣的东西。待会儿在讲为什么可能都会讲这块，就是我觉得这是非常值得做的。但是我其实也没想好，就是其实你有别的插件，那为什么要跟小红合伙呢？首先就是我很幸运跟他交流之后，发现他太适合当CEO了。怎么说？就是他擅长所有我不擅长的东西。而且其实如果你反过来说，你在看当今国内外AI创始人一号位的整体版图的话，你会发现小红有一个非常稀缺的特质，他很正常，他身心健全，没有任何不良嗜好，没有任何极端思想。这不是一个正常的指标，这已经很难得了，你知道吗？

小俊: 觉得现在整个这个行业有很多人比较偏执或者怎么样。

季超: 但讲真，其实就是你没有乔布斯的命，却得了乔布斯的病。

小俊: 你在说你自己吗？

季超: 对，而且我经过这个惨痛的失败之后，我意识到这一点，但是他们还没有意识到。所以就是我觉得小红身上最可贵的品质，他特别正常。

小俊: 相信常识是吗？

季超: 对，还是你会说话。相信常识，且相信团队。而且就是好多事情的判断，他会更加的怎么说，你既可以说是数据驱动，也可以说是直觉驱动。但是他是一个真正的能把公司从一个阶段持续带到下一个阶段的人。而我可能如果自己从头做的话，我只会在我喜欢的那一个阶段很爽。所以我觉得太难得了。

小俊: 哪些细节能让你第一次就觉得他很正常？

季超: 我觉得不是见第一次，我们见了几次，其实很多次，包括后来也是一起吃了两三次饭，然后也长谈了很久。最后他怎么打动我加入呢？还是因为一句话，他说：“我知道你做过浏览器，你做过搜索引擎，你做过语言模型，你想不想在一个产品里把这三个事都重新做一遍？”我觉得好呀，这个听起来还挺吸引人的。然后当时就加入了。当然加入之后也非常清晰的一点，就是这次创业，我不是来做Monica的，就是Monica是我们大家的一个学费。比如说整个这个公司的一个Cash Cow，就是它产生现金流。但是我们一定加入，把这个团队团结起来，包括后来张涛，还有更多的合伙人加入，我们是要一起搞一个全新的事情的。

小俊: 在你们多次的常谈和聊天中，你觉得哪些细节让你觉得他非常的正常？

季超: 我觉得还是对比出来的，因为同一个阶段，我一定不止跟小红有所接触。怎么正常呢？我觉得别的创始人都太艺术家了。

小俊: 你就比较艺术家是吧？

季超: 你如果这么划分的话，不敢说艺术家，我不配这个词。别的创始人我觉得太艺术家了。小红非常的现实。或者说包括整个现在我们公司的运行，我觉得都是很稳健的。甚至有时候我们内部反思会觉得有点保守。但这才是一个怎么说，更尊重常识。

小俊: 你这个词说得好。你说谁是艺术家？我们可以毙掉。

季超: 太多了。我举例子，比如说你知道Perplexity那个产品吗？知道。然后你知道Poe了。像这个Poe，我见过他。还有那个做那个Character.ai。你都见过我，大家都会来找我聊一聊。我就觉得大家都太艺术家了。

小俊: 身心不够健康是吧？

季超: 很偏执，你知道吗？就是多少有点抑郁，多少有点抑郁，多少有点抑郁。小红也有时候会抑郁，但他就比较，有时候是对对对对，但他不属于抑郁，他整体是比较阳光，而且不会那种时不时发癫。

小俊: 现在这些都对于创业者来说，你觉得不是优点了是吗？

季超: 我觉得不是优点，绝对不是优点。我觉得这是很大的一个变化。以前移动互联网时代，我还挺喜欢这类人的，因为你的边际成本很低。你可以去赌一把，搞一个大的，看用户是否能找到一群跟你共鸣的人，逐渐去做大。但其实我们觉得现在AI这个行业，首先Token一直在下降。但其实我们心中隐隐觉得它更像传统的制造业。它一直有一个固定的成本在那。你如果没有任何优化的话，随着用户量的增加，你的成本是线性提升的。所以这整个事对经营的操作能力的要求比上一代移动互联网创业要高很多。

小俊: 这个有趣。

季超: 我觉得是高很多的。所以移动互联网更喜欢艺术家。

小俊: 对，移动互联网时代喜欢艺术家。

季超: 而且你能很低成本地获得一批初始用户。但是AI我觉得不是，AI不是这样。

大模型与应用公司的分野

小俊: 但是你从一开始就Pass了大模型这几家公司。

季超: 是的，我都聊了。但这个原因完全是因为PTSD。

小俊: 但是大家会觉得AI时代不一样的是，可能大模型和产品是一体化的。所以说拥有大模型的公司更有可能做出好的产品，就是他们那个沿途下单的理论。你从一开始就不认可吗？

季超: 我认可这件事，但是我认为有一个时间问题。我现在的观点，其实是可能都不用太久，也许比如说6个月之后，你不用再区分模型公司跟应用公司，基本上每一家头部应用公司都有做模型的能力。其实这已经Cursor跳出来了，Cursor这家有一种“各说各话，泾渭分明”的状态。但Cursor他们那个模型叫Code Llama。我觉得首先就是做模型或者垂直整合这件事，它其实最影响的是你初期的迭代速度。我上一次创业最痛苦的是，你在不确定的时候你做自下而上的迭代，你被你的模型迭代所影响。其实这个不仅是创业公司的问题，你哪怕你强如OpenAI，我非常尊敬他，他们一直非常尊重自下而上的模式，所以它能产生很多新的创新。但如果你首先你以一个产品引领的思路来看的话，你某种意义上来说，你在买模型彩票。因为即使你有一个比较好的Roadmap，其实你在最后完成Post-training那一刻之前，你都不知道这个模型到底能不能达到你想象中的需求。所以很多时候你是因为有些突破，所以反向引导产品的走向。这个我觉得我之前已经吃过这个亏，这是第一点。

季超: 第二点，我刚才讲的就是模型。你即使能通过很多的，比如说你优化你的Pipeline，你增加你的人手，或者让你整个链条更加流畅，来增加你的迭代速度。但其实这个世界上，只要产品经理存在，你一定是追不上产品经理的脑思维的活跃度。所以我觉得比较健康的反应是，当你的产品已经初具PMF，其实已经到了一个比较稳定的状态下之后，你以增加稳定性或降本或突破天花板的思路再去做模型。这是一个先后的问题。

小俊: 你当过CEO，然后也当过旁观CEO的人。身心健康对AI的创业来说有价值吗？有意义吗？

季超: 我觉得非常大。因为你很有可能会受挫，或者说你必然受挫。但是身心健康的人是打不死的，就是你能够一次次很谦卑地重新站起来，再去很冷静地看待外界的变化，来回馈到你的决策思路上。这其实我觉得在我加入Minus公司之后，看见无数次，就是大家没有那种因为我是一个身心不健康或者我有过度执念，而选择一种蛮干的思路。我们整体就非常理智。

小俊: 你们从几月聊到几月份，然后你加入？

季超: 中间隔了很久，我有点记不清了。但我前前后后应该有4个多月。我记得我第一次跟小红见面的时候，是在北京环宇汇下楼的时候，他说他刚跟你在这见了，你是在那里答应了他加入Minus。

季超: 有可能，哎呀，这一年过得太快了，好多细节都已经想不起来了。我最后正式加入，应该是2024年3月。年初加入的。所以2023年底开始聊的。

小俊: 同期你也聊了很多那个时候出来做AI应用的公司。

季超: 不仅是AI应用，刚才讲那三层，其实都聊了。

小俊: 大模型公司你有喜欢的公司吗？

季超: 大模型的话肯定都聊了。反正当时其实可能比现在看起来会更欣欣向荣一点。当时我比较喜欢两家，我不是马后炮，我觉得确实也是当时判断比较好，应该三家。我比较喜欢千问和Kimi。当时也很有趣，很早就跟他们有接触。因为那时候我之前的一次创业在做知识图谱构建，且同时我们自己从零搭建整个搜索引擎的Infra。所以其实我们有很大的预训练数据集。所以当时很早就跟Kimi的朋友认识了，但后来我没有把数据单独卖给他们，我直接把我们当时做的数据集开源了。也算是给大家留下一点遗产。

季超: 千问的话，也是因为跟他们团队的很多人都比较熟。当时就觉得千问做得非常扎实，而且它是真正第一个非常宽松的开源模型。我的尊敬程度非常高。另外一点就是它让我看到了大厂里头一群年轻人能干出来的事情的一个表现。我觉得非常非常难得。然后Kimi的话，一方面也是真格投资的，甚至当时投Kimi的时候，因为我在真格，所以当时也交流比较多。我觉得首先这个公司是比较有品位的。

小俊: 品位？是的，这个很要技术品位。

季超: 我觉得具品位这个词，现在大家经常说，我可能会关注一个非常具体的一个指标。对不起，不该叫指标，不能这样去。大家常说品位，我觉得该怎么体现出来呢？品位可能体现在你的Evaluation或者你内部的Benchmark上。甚至我觉得这可能是创业公司唯一，对不起，不是创业公司，所有AI公司唯一的护城河。就是因为你自己内部的衡量指标，无论是对于模型的Benchmark，还是对于你人的激励，其实决定你这家公司和产品该走的这个方向。所以我觉得这个还是很不错的。

小俊: 那个点觉得我不应该去大模型公司，而应该去应用公司的人非常爽眼。

季超: 我觉得这就是我刚才说我特别幸运的一点，就是我提前吃了很多大家后来才吃的亏。

小俊: 他们今天开始吃了没？

季超: 我觉得很多人已经在吃了，且付出了更惨痛的教训。比如说现在很多之前讲的国内大模型公司，可能从最开始不是什么百模大战嘛，其实当时99个都已经先死掉了。最被大家提起的几家，其实也有一些已经渐渐退出了这个赛道。我觉得这挺正常的。而且自从GPT-4o出来之后，我觉得还对大家产生了很大的客观冲击。它让一个模型的保质期变短了特别多。大模型我觉得最痛苦的是什么？如果说我以前的痛苦是来自于我要做垂直整合，我快速迭代的话，现在变成了一种，如果你只做模型，你不是SOTA就没有意义。但一个SOTA模型，你的保质期其实只有1到1个半月。

季超: 这是一种非常激烈的不进则退的状态。而且大模型，我刚才讲的，以前我们做NLP的时候，其实你能有很多不同的，你可以叫赛道吧。比如我做信息抽取，你做什么东西，你所谓的好的指标是多远的？而Transformer或者说你这种Encoder-Decoder式的模型，它其实统一了各种任务的建模。虽然大家也说我要做多模态，我要做Agent怎么样。但是世界上能够衡量的指标的维度其实非常非常清晰的，你几乎没有多少腾挪的空间。但做产品的稍微美妙的地点，就是你起码能够自己定义什么是好，所以你起码能在一个错位的赛道上去跟别人竞争，你有更多的发挥空间。

小俊: 今天追求SOTA还有价值吗？

季超: 我觉得一定是有价值的。这个我觉得无论是模型公司还是应用公司，都要追求SOTA，这是一定的。因为还是刚才讲的一句话，就是你的Evaluation，或者说你关注的，你选择的，决定了落地。为什么觉得其实模型公司都同时做模型公司，同时做应用公司？其实你看Meta本身已经是两家公司，一个模型公司和它有强关联但不绑定，始终就是一个双向都很强的公司。之前还一直会关注，但巨大的Token消耗给了他们很多正向的激励。他们加大了对用户产出的投入，对开发者的把控也非常好。像比如大家对于Claude、Scale都给出很高的评价，这也是一种产品能力。但是我觉得这可能就是大家都会走向这条路。反过来说，我觉得如果最后不再分大模型公司跟应用公司的话，那我认为其实做出一款好的应用，且被大家喜欢的应用，比做出一款够好的模型难得多。因为模型这个东西，它的知识流通在业内是非常非常快速的。尤其在硅谷，没有秘密。你可能一个老公在OpenAI，他的老婆在Google，你知道吗？所以这个东西一定会流通的。所以我觉得到最后其实会变成一个应用之争，然后每个应用背后会绑定一些模型。

小俊: 所以未来模型公司和应用公司是没有那么泾渭分明的？

季超: 我觉得不会那么泾渭分明。

小俊: 你刚才说你当时还聊了一些海外的公司，包括Google，你还聊哪些公司？当时对他们怎么看？

季超: 2023年对吧？2023年。其实当时几乎所有在做模型的公司我都聊了。当时2023年初我也录了一个，真看好。当时比较重点，那个可查，不是诸葛亮年关。这个待会可能聊我这错。第二点，关注就是自然语言系统的边界，说Function Calling或者互动这些东西，关注一点就是多模态，但还一直相信这个，因为这也是大家常说的，技术进步是通用方法投入，增加人为专家知识。就当方面看好。很早买票。

小俊: 这是谁的股票？

季超: OpenAI。当时我就心里会觉得Google最后一定会很厉害。但是它确实用了很久才很厉害。

AI浏览器项目的挫折与Minus的诞生

小俊: 你加入Minus是2024年3月份，然后到2024年10月份，你在做什么？

季超: 这个其实也是我忘了小红之前有没有跟大家分享过一件事？就是他为什么叫我加入，且用那句话说服我，就是说“你想不想做浏览器、搜索引擎和大语言模型再做一次？”因为当时我觉得我们大家整体做了一个错误判断，就是因为当时Monica已经有了一定量的用户量。我们会觉得，也许我们可能是当前世界上最懂用户怎么在浏览器里用AI的团队。那么我们的一个直觉的惯性外推，就是说我们要不要做一款浏览器。这个想法是比较有数据支撑的。我刚才讲的就是比较理性地看这事。因为Monica当时已经是资金流正向的，且增长还不错。但其实有一点很好玩，就是如果你去看Chrome的插件商店，你能看见所有别的产品的一个活跃和下载量，因为他这个是一个透明的生态。当时你看整个插件生态里头的头两名分别是去广告的AdBlock和帮大家改语法的Grammarly。其实他们做了很多年，产品都没问题。但他们最多都停留在大概5000万左右这个量级。5000万确实是很大的，对一家创业公司来说。但如果你跟整体Chrome这个浏览器的日活比的话，Chrome的日活我记得能有20亿吧，没记错。但我觉得好像我做到底，只能渗透1%的Chrome用户。因为插件真的是一个形态比较高阶的一个模式。好多普通用户甚至不知道Chrome能装浏览器插件。所以我们当时第一直觉是，也许我们被插件这个东西给约束住了。

季超: 我们当时想得天真，我们能不能跳出插件，而变成一款独立的就是一个原生的浏览器用户的电脑上。同时这样的话能做一些别的事情，比如我们可以做端侧模型。当时这就是一坑。当时我们就开始做浏览器，大家兴奋加入，马上就开始，一直到4月做，还内部就有一个能用的浏览器产品。然后这个我们其实内部摸了一圈之后，意识到这事有问题。

小俊: 怎么有问题？

季超: 这个有问题点非常好玩。就是我们当时做了。当时张涛加入了。

小俊: 几月份？

季超: 我是4月份加入，涛哥应该在一两个月之后就加入了。

小俊: 给大家介绍一下你们这几个Co-founder，因为大家分不清楚你们这几个人。

季超: 我觉得这是一个特别棒的一件事。为什么我先开个玩笑，就是为什么我觉得不当CEO很好？因为虽然Minus的宣传片基本是我出镜。为什么是你出镜？因为要说英语。这时候自然有人支持，有人骂，他们看着宣传片骂，多说“这小红太坏了。”所以就是感谢小红帮我挡了很多枪。

季超: 是这样的，整个Minus这个团队或者蝴蝶项目这家公司，我们有6位合伙人。

小俊: 我都不知道。

季超: 对对对，其实主要就是平时在外面可能露脸稍微多一些的是张涛，我们的CPO。他会负责很多的，无论是产品，以及更多，比如说与外部的对接，包括一些对外宣讲。这事是张涛。张涛之前也是一个非常非常厉害的连续创业者，他经历了什么？豌豆荚、神策，后来光临之外都做过。

小俊: 他负责产品。

季超: 他负责产品以及对外的这些合作。然后是小红，他是我们的CEO。还有我们的CTO，潘潘，以及我们的CMO，慧杰。他们三个其实是之前就一直在一起创业，做过两三家公司。他们其实是Monica的原始创始人这三位。再之后就是我，还有我们的COO，CC。他是一直负责，比如说公司运营、财务相关的同事。所以我们有6位同事是合伙人。

小俊: 现在创业公司团队会变得更大是吗？

季超: 它需要能力更复合。我觉得其实是这样的，首先现在可能有一个外界的观点，好像说在AI时代，团队会变得更小。我们觉得这个东西首先你不应该作为一个指标，或者它应该是一个被动的指标，就是我得不为团队规模而进行任何特殊的优化，我们只会自然而然地去观察团队规模的变化。但我觉得确实如你所说，有一点，就是现在你很难去分清各个能力项，因为你很难做到完全正交。比如我们做AI这个行业的话，其实你的Research跟Engineering是很深耦合的。而产品你又在同时引导你到底这个系统架构该怎么做。所以确实就是我们这6个人基本全都是连续创业者，而且之前大家可能都扮演过不止一个岗位。所以我觉得这也是大家合作比较好的一个点。但与此同时，你又很难得找到一些大家在自己领域做得更深，又能听得进去别人话的人。我们是一个非常难得的团队，因为6个人都是身心健康，无不良嗜好，且关键不极端。

小俊: 你说的不良嗜好都是什么样的不良嗜好？

季超: 我开玩笑，至少我们烟酒我们都不太沾。

小俊: 你们的决策机制是什么样的？

季超: 我觉得这是我们一直在持续改进的一件事。我觉得创业公司在不同阶段，或者说你在解决不同的事的时候，你需要不同的决策模式。我们认为虽然我们是连续创业者，但其实我们也都不成熟。最近在逐渐走向一个更理智的方式。我们可能这样总结，就是说你要把你的管理分成几种不同类型。一种是专制的，或者有BDF（Benevolent Dictator For Life），就是仁慈的终身独裁者，我们叫极权式的。还有一种就是民主式的。我们觉得如果你把你整个决策分为三个阶段的话，就是可能叫GPA，就是Goal。你在定目标，然后就是你要定优先级（Priority），有不同的选项。在这决定这三个事的时候，你要用不同的模式。你在定Goal的时候，你应该是一个比较专制的模式，就相当于也许是CEO，他应该就把大家的目标给定死。而在决定Priority的时候，应该是一个专制加民主的决策形式。比如可以，首先有一个人能拍板，但是大家能充分发挥自己的意见，因为这块会涉及更多不同的专业这些东西。而大家提供方案的时候是一个充分民主。因为在这个阶段，也许我们觉得可选方案的数量甚至比质量更重要。因为很多时候如果你没有足够多的数量的话，你的决策空间其实一直是非最优的。就好比你训练了一个模型，但你的Benchmark本身就有问题，那你挑什么呢？所以我觉得这是一个混合的模式。但我们还都非常业余，最近也在不断学习这事。

小俊: 呵呵。有什么样的是小红会拍板的吗？有什么事情是他个人会拍板的吗？

季超: 会的，我觉得小红还是作为产品方面的最终决策者。我们觉得这是非常重要的一点。我们包括我自己都比较相信一件事，就是与其悬而未决，不如赶紧试试。因为很多时候我们在做一个新的领域的时候，第一你过往经验不一定有用。第二点就是你现在想更多，其实你没有额外的信息输入，你仍然是基于你模型内部的参数化，没有一个检验结果。那你在想太多，你不如先把这事干了，拿到你的Result再去做。所以这一直是我们的核心指导思想。

小俊: 所以他做CEO和你做CEO的区别，可能是你可能是技术驱动，他可能是产品驱动的。

季超: 这会导致你们公司的基因是一个产品驱动基因。是的。但是我觉得小红我非常尊敬他，他也充分尊重我。比如说对于一些技术方面的决策，我也是可以做技术领域的BDF，我是可以当技术方面的独裁者，这也是可以的。

小俊: 所以整体是自上而下还是自下而上？

季超: 我觉得我们在逐渐从一个自上而下的体系，尽量去变成自下而上。因为随着团队的扩张和团队成员质量的不断提升，我们觉得自下而上会有更大的动力。像之前的话，比如说我们在一个纯粹的快节奏过程中，你可能自上而下是一个更稳健的做法。我们逐渐更成熟。

季超: 我们刚才在聊2024年10月做的事情，但围绕一款AI原生浏览器，当时做出来产品的形态。我们当时的切入有几个是说我们要练一个端侧模型，一操作用的电脑完全产生消耗，同时也是充分尊重用户的隐私。这里就埋了第一个坑，就是你拜托你做的是一款浏览器，浏览器本身就是联网的，为什么要追求一个离线端侧运行？现在想来可能有点傻。第二点就是用户其实大都不关注你到底是离线还是在线，他们要的是效果。当时电脑做苹果芯片，你其实也就跑一个3D做的模型，就已经是极限了。那用户会拿你跟云端的旗舰模型去对比，你的效果一定会差一些。这是我想的第一点，现在觉得很可笑。

季超: 第二点，其实至今有很多人在做的事情，就是让AI接管用户的浏览器，来完成一些自动化的工作流。我们也做了，但是我刚才讲为什么不对劲，讲几点吧，可以细数一下。第一点就是说如果你让AI接管用户的电脑，你会发现一种很奇怪的使用体验。比如说我让AI去帮我在一个网页上完成填表。那这时它填了一个字段之后，我一屏幕，我想看看下面，其实打破了AI****可解释性（Explainability）的工作流程。那这拉了回来，这体验很奇怪。好，你有一个特别聪明的实习生，但你好像非要把你跟这个实习生一起共用一个电脑，这体验就很怪。就是两个人在一起抢一个系统，而实际上所有操作系统软件本质上来说，还是为一个人同时使用设计的。所以这个体验就不好。

季季超: 第二点，我们发现什么样的任务真正有价值？因为包括现在也有很多人在做所谓GUI Agent，就是用户界面自动控制的Agent。你会发现，如果你让他去完成一些你通过简单几次点击就能完成的任务，你觉得是很亏的。因为你的迅速决策比AI还要快。你即使让他，比如很简单地帮我点一个外卖，他可能每两步之间，每两个两步之间推理可能也会5秒10秒这样一个时间。当然现在会更快，但你会觉得正好没有产生多大的价值，对吧？我干更快，这是我们常见的一个想法。AI真正有价值的，应该是那种长任务，是它的范围很广，它也许超过了我的能力，或者说它运行很长时间，且运行时间或者多步，几乎是一个必然的。因为这种任务我才不愿意做，我才想给AI做。但这时候会有一个问题，因为你做的是一款原生的AI浏览器，那这时候AI其实是在你的电脑上运行。虽然我模型在你这，但它持续操作你的电脑，那就很尴尬。我不能把我的电脑盖上。我电脑盖上之后，我的电脑就休眠了，就卡死了。那怎么样？在AI持续进行长任务的时候，我还要一直盯着他们，保证我电脑不睡眠吗？我自己又不好干别的。所以我觉得这两种体验我们用来都觉得非常奇怪。

季超: 当然，这只是一个模模糊糊觉得奇怪的一个点。其实更大的一个问题是，我们觉得团队没能回答一个核心拷问，就是到底做了这样一款原生的AI浏览器之后，有什么是我们本来的Chrome加Monica做不到的？后来好像没有。然后我们就开始逐渐变得理智，我觉得这个过程也很重要。就是当你做完一个产品的时候，你会站在一个想说服自己的立场上。即使我们都是中年的连续创业者，大家还是会有这样惯性，刚做完一个东西，我起码自己还是偏心于自己。当你逐渐发现更多这些问题暴露出来，趋向于一个冷静的判断，觉得这事不对。

季超: 人类历史上浏览器的迁移，其实有几次，好像也就两次。一次是从网景（Netscape）到IE，还有一次是从IE到Chrome。这两次变革的根本原因，其实还是你的渠道分发能力所决定。IE是通过预装，Chrome它可能稍微复杂一点。一方面，当Google已经成为事实上大家的首页，且IE有一些非常严重的技术安全问题，这是一个历史机遇。但是如果我们现在一个Chrome运行优的插件，在一个生态里头，用户有多大的动力，愿意为AI把浏览器换成一个新的？

季超: 就开始思考这个问题，但是心里还是没有最终下决定要怎么办。直到后来老天帮忙，我们有一天上网看Twitter，发现我们很尊敬的一家美国创业公司叫做The Browser Company。他做了一款浏览器，可能很多朋友用，叫做Arc。是一款主打设计，但后来也有一些AI功能的一个浏览器。它很受一些小众极客的喜欢。比如它率先做了那种竖排的边。然后呢，他突然那个创始人说，我决定Discontinue，就是我不做Arc了。这是一个很大的决定。然后他说的原因一下就跟我们共鸣了。他说：“我做这么久，我甚至无法说服我的亲戚朋友换Chrome。”所以我们觉得好吧，他已经把我们心里的担忧黑纸白字地写出来，我们就觉得可能真的浏览器不适合创业公司去做颠覆。

小俊: 做两遍浏览器吧？

季超: 这是我的第二遍浏览器，又得到了相同的结论。当然，可能之前我没有这么想过这个问题，因为那时候还是像我刚才讲的，凭爱好在往前冲的这样一个状态。而这次我们其实很理智地想这件事，觉得这个不太对。但是也是比较幸运，当时看到一些别的苗头。

小俊: 几月份停的这个项目？

季超: 当时是这样，我们从我加入2024年4月开始做浏览器，其实到8月就可用了。但是8月、9月甚至一直快到10月的时候，心里还是有些波动。所以真正停了，就算是9月底吧。

小俊: 应该是小红说他当时就觉得浏览器有点不对，但是不敢跟团队说，原因是因为你们都是被他用浏览器忽悠进团队的，所以觉得特别是你吧？

季超: 我跟张涛吧，应该说。但肯定是这样，这也是小红比较好的一点。就是他非常会考虑大家的一个感受，而不是以艺术家的方式去解决一些问题。但是那段时间其实反过来看，我觉得特别宝贵。就是大家在一个很自然而然地形成共识的过程中，逐渐逐渐放下浏览器这件事，处于一种几乎无所事事的状态。当一群不太笨的人无所事事的时候，就会产生很多很好的想法。

小俊: 所以你们是怎么达成这个要放弃浏览器的共识的？是他来找你说的吗？

季超: 每个人心里都会提前感觉到有一些不对。我觉得一个最典型的一个点，就是当你一款产品你觉得已经打磨好之后，你突然觉得不是特别酷。这个产品，如果我按今天的话，我给断言说，如果一个产品做完，你觉得不太酷，就别发。你都觉得不酷，没人会觉得酷。

小俊: 不是特别酷，这个表达艺术家。

季超: 这是非常艺术家的一件事。因为我此刻站在用户的立场上，就是如果你本该最喜欢这个产品的人，你都不觉得喜欢，那你怎么能奢望用户会喜欢你呢？我不是以一个决策者的角度来说这件事，我是在站在用户的身份去想。

小俊: 在一个新的时代，把上一个时代产品重新做一遍，你觉得是一个好的创业思路吗？

季超: 我觉得这个话不能非常一概而论地去判断。我有一句特别喜欢的一个名言，叫做“For every complex problem there is an answer that is simple, clear, and wrong.”（任何一个复杂问题，总能有一个简单清晰但错误的回答）。我觉得我们很多时候都在过度总结一些事情，所以我觉得这件事我不能二元地直接去切分它。但我觉得这确实是值得警醒的，因为很多时候大家选择这种做法是基于一种思维的惰性。你在参考过去一个时代的成功因素，并想用一种新技术去把它再做一遍。但其实你要考虑到环境的一个外部环境的一个变化。所以我觉得这不能二元地去切分。

小俊: 你们放下了AI浏览器这个产品，但是其他团队还有在探索的，你觉得AI浏览器的未来会怎么样？

季超: 我觉得我不能替别的浏览器做主。而且我不是说因为我们放弃这事就一定不对，是因为我们团队自己达成了共识，是我们可能做这个东西的收益不是特别明显。因为你想，如果我们选择另一种心态，就是说“好吧，这个产品好，不是特别酷，但既然你已经做完了，我们就发出来看看。”但这时候会把你带入到一个比较不好的漩涡中。就是当你发了一款产品之后，一个负责任的团队会持续维护它。但这会带来很大的机会成本。就是我们可能因为要不断进入一种自证的循环中去，错失明明更有价值的新的机会。而如果有一个团队，现在已经把AI浏览器做到一个他们已经比较满意的一个程度的话，那我觉得你进入一个自证的循环，应该是对的。因为你可能今天是一款所谓的AI浏览器，但你沿着你自己选择这条路，你也许会发展出一个完全不一样的一个产品形态，没人知道会怎么样。所以我觉得我不能替别人做这个决定。

小俊: 你看，小红说服你加入，说的是在一个产品里把浏览器、搜索引擎和大语言模型全部重做一次。然后到了2024年的9月、10月，你们决定放弃浏览器这个项目。你当时心里有波动吧？你的真实想法是啥？你会觉得被他骗了吗？

季超: 我觉得其实不会。我刚才讲到一点，就是他只是最后用这句话把我劝服我加入，但我肯定不会只因为一句话就被说服。所以我觉得我非常珍惜的一段还是首先我们通过Monica真正拿到了一张理智的AI应用的船票。这是非常重要的一点，就是Monica。我觉得这个产品的意义是非常非常大的。第一，它是一个正向现金流的产品。这个词我可能会说很多很多遍。一个团队，如果有一个正向现金流的产品，你在做第二个曲线的决策的时候，你会变得非常理智。或者说你既大胆也理智，我们之后敢豪赌很多东西，是因为我们知道Monica一直在帮我们赚钱，所以我们会以一个非常客观又大胆的方式去做决策。

季超: 第二点就是Monica真的让我们知道用户如何用AI，让我们理解了Context的重要性。或者说Monica这款产品跟ChatGPT最大区别是什么？如果你在用ChatGPT的话，你一定要做的一件事是把你要看的网页内容复制粘贴到对话框中。而Monica就是一个在被动不主动观测Context的Agent，你只要用浏览器插件，Context的传递就非常通畅。这给我们很大的启发，以及更具体就是我们知道一些用户的整体行为习惯。当然我们非常注重用户隐私，不会探测你个体。但你其实通过一些宏观的统计数据，能看出很多模式。

Minus的命名与核心理念

小俊: 为什么这些产品都是M开头？还包括你之前的公司。

季超: 对，这个我觉得很好玩。我第一个产品叫Moma浏览器，M开头。第二款产品叫Maggie，M开头。然后Monica，M开头。Minus也是M开头。我觉得这完全就是一个巧合。可能M开头的产品运气都不会太差。Minus可能有一点私心，因为名字是我起的。

小俊: 怎么取的这名字？

季超: 这个名字其实当时我们纠结过很多名字，但是后来真正让我们想通这件事的一个点，是我们想明白了自己该做什么。当时做浏览器依稀有一个感觉，就是模型在解决的是智力。但是再强的智能，你也不能把环境给内化掉，所以你一定是需要一个“手”来去触及到现实世界中。否则你再强的思维，你只是一个理论物理学家，或者说甚至你可以说是一个缸中之脑。所以我们想做的是让智能真正去触及现实世界。所以让我想到了其实是MIT的校训，叫“Mens et Manus”，是一个拉丁语，翻译成中文应该叫“心与手”或者“新手合一”。我们觉得别人都已经在“心”，或者说“心智”这件事上做很远的探索，所以模型公司使命如此。而我们要做的其实是那个“手”，所以Minus就是拉丁语“手”的意思。

从AI浏览器到通用Agent Minus

小俊: 说说你们在那段闲散的无所事事的时间里，怎么产生这个Idea吧。

季超: 对，这个其实是到10月。其实是一个渐进的过程。我觉得又一次是上天赏饭吃。当时大家还在正常运营，同时也会做一些实验。但是当时我们会发现那个阶段下已经有一些AI产品很受欢迎，尤其是AI Coding领域的。那时候像Cursor，包括后来的Code Llama，其实有很多用户。我们作为工程师，我们肯定会用嘛。我们发现公司里很多非工程师都在用Cursor，这就让我们很意外。因为Cursor的产品形态仍然是一个IDE，就是集成式开发环境，是写代码的人才用的一个东西。我们发现比如公司的运营同事，他居然在用Cursor去写博客。我们的数据分析同事在用Cursor进行数据分析和可视化。这就让我们非常意外。因为本来是一个最专业的产品形态，有很多非原始设定的目标用户群在用。然后我们就会去站在他们身后去观察他们，你们到底在怎么用Cursor？

季超: 很好玩，就是因为左边都是代码，右边是他的跟AI聊天的窗口。很多这些同事他们也不会写代码，他们根本不看左边的东西。他们就是在不断地跟AI去交流，让他去把一个事情完成。AI通过编程的方式，以编程或者代码为媒介，去完成一些非编码任务。这其实是非常重要的一点，是让我意识到编程不一定是垂直能力，编程其实是一个通用能力，它是解决通用任务的一个媒介。那这时我们要想的就是Cursor这个形态，对他们来说不是最优的。有几点。

季超: 一个是我们刚做那个浏览器尝试的时候学到的，就是说它不应该跑在你的电脑，要不然它不能解放你长任务中的注意力问题。其实Agent解用户的Agent模型，云端去运行，一步步去执行。有异步之后，其实能带来另一件事，并发。你能多个不同任务同时去跑的话，这才是真正的成倍提升效率。这是第一点，Cursor这种应该跑在云上。第二点就是代码这件。作为一个工具，而不是它一个主要的呈现。因为对于很多人来说，看见代码是有一点天然的紧张感的，对吧？尤其它跑在你的电脑上，Cursor会经常问你一些权限，就是说“我觉得我想安装这个软件，我能不能把这个文件删掉？”其实这个对于很多用户来说，你看不懂技术名词之后，你唯一的选择就是“好，接受，接受，接受。”但这很恐怖。我们有一个朋友，他当时就用Cursor，他也不懂技术，就瞎用，结果把他的网卡驱动卸载了，电脑上不了网。所以我们觉得不行，应该就是用同样技术代码，技术复杂度包装起来。

季季超: 第三点就是这个产品面向的人是谁？其实不应该是专业的工程师，专业工程师这个领域的竞争已经几乎饱和，它是一个绝对的主航道。所以我们应该面向用户，按我们话说叫Prosumer，或者说所有的脑力工作者，但你不是程序员。我们觉得应该改变一种产品形态。然后幸运的是在浏览器中做了很多技术积累。比如说我们Chromium内核非常了解，我们自己也做了整套调度系统。那对我来说，这不用那么难，我们要做的就是把整体AI浏览器这个东西搬到云上。所以我们当时内部立了一个项，然后也是我瞎拍脑袋起了一个项目代码，叫AirBnB。是什么意思呢？叫Browser in Browser in the Air，就是浏览器里运行的浏览器，且跑在云上。所以也比较幸运，我们并没有浪费太多当时做浏览器期间的技术积累。所以当时从10月，9月底、10月开始正式搞，其实也就6个月就把Minus做出来。

季超: 而且实际上Minus不是3月做完的，Minus其实1月就做完了。

小俊: 从几月开始搞？

季超: 我们从9月底开始搞，然后其实到2025年1月中，Minus基本已经做完了。但当时我决定说我们不该马上就发。

小俊: 为什么呀？

季超: 因为是这样，当时我们能拿到最好的模型是Claude 3.5s two，就是Claude 3.5的第二次迭代。它初步具备了一些Agent能力，但是它其实会有一些问题。比如说大家可能从技术角度来讲，首先它缺乏一个真正Reinforcement Learning能力。另外一点，我当时已经听到了一些Rumor，就是他们应该在两个月后会有一次模型发布。当然我也不知道最后到发布期会有多好。但是我觉得我们最好能把我们发布的时间点跟下一次模型迭代对齐。这样的话，其实我们的产品发布的一瞬间，能享受到最大的一个代际提升，模型的溢出。所以就是我们应该再多花一个半月的时间去打磨这款产品，然后跟下一次模型的迭代对齐在一起发布。

小俊: 那你们从放弃浏览器那个项目到Minus，中间很短时间。

季超: 其实你可以说短也不短。我觉得当时真正意义上可以堪称无所事事的时间，有两周半。

小俊: 哈哈。这么短？那很短啊。

季超: 是啊是啊。其实那段时间不能无所事事，我们都在很积极地做很多不同的实验。

小俊: 那那时候焦虑吗？

季超: 我不焦虑，一点不焦虑。这就为什么我们说有一款正向现金流的产品很重要。当时我们想法就是大家想想吧，虽然可能烧了一些钱。

小俊: 需要多少钱做那个浏览器啊？

季超: 浏览器其实还好，因为我们当时投入的人力可能也就十几个人。除了人力以外，其实没有太多别的成本。

小俊: Monica当时能给你赚多少钱？

季超: Monica其实在Minus上线之后，我们的投入可能少了一些，但是现在可能又抓起来了。但当时Monica已经有接近12个Million，就1200万美金ARR，而且它是一个盈利的产品。

小俊: 现在1200万美金ARR不算什么。

季超: 但是那个时候作为一款产品，我觉得是很棒的一个成绩。这是ARR吗？非常重要的一点就是我们一直在强调什么是ARR。就是把一个月内获得的年复算在当月之，必须得到每一个月。我们内部看ARR或者就一个口径，就是你看你数据以及你移动端数据要有太多种方法去把这个数字造。但这个就是你自己骗自己，这也一种产品来说，这可能你要优化的一个指标，对模型来优化的方个都共同决定你的得这个是非重要。

季超: Monica之前的话，有一种复合的收费模式，除了订阅以外，就是你可以额外地去增加一些单次的充值。但是我们觉得这样的话，给用户确实有很大的灵活度，但其实也给用户造成了很多困扰。所以我们现在在不断去简化这些定价方案。目前的话我们基本就是你可以很简单地理解为你有一个免费的方案，以及一个你可以自由选择订阅金额的一个方案，默认是40美金一个月。

小俊: 你从3月到9月加入这家公司以后，这半年你对他的感受有什么变化吗？

季超: 我觉得有一些变化吧。首先就是它跟我之前所在的创业模式特别不一样。之前的可能是一种非常慢节奏且谨慎的状态。因为一旦你要做一些技术层面的决定或者堵住的话，你会比较慎重。但是如果你是家完全以产品驱动的话，你会发现整体的节奏会快特别多。甚至一开始说实话，我有些不适应，就是我会觉得好多事为什么这么草率？

小俊: 为什么产品会更快？

季超: 产品一定更快。因为产品的话，你的迭代成本首先会更低一点。因为刚才讲你没有垂直整合模型这个问题嘛。第二点就是你如果一切都以敏捷开发的话，甚至很多时候你也说我先发了，再看看有没有什么问题，我再修。但是你知道如果你自己训练模型，你进行数据清洗的代码，你最好别让AI写。因为你写好之后，可能会有一个几十万美金的成本，你的心理压力程度是不一样的。就是经常你要做技术或者模型层面的工作时候，你很多做的事情是有后效性的。就是你做的这件事，你做完之后很难被轻易纠正，或者说它就会在历史长河中留下一些问题。但产品的话，你的掉头会非常快。所以我觉得这个团队很好地适应了这点，可能花了一两个月时间。

小俊: 很多研究员或者技术风格的人，不喜欢这种方式，他就会觉得他的技术文化比较，他觉得太快了，他觉得没有真正的技术。对你来说没有这种问题嘛？

季超: 我觉得是这样，技术这个东西起来非常好的一件。如果你是家硬科技公司，因为可能你最终的差异化所在。但首先如果你是一家产品公司，那么你就不该有BAT这个概念，或者说你会进行一些轻量级的可逆的。大家不是经常说什么双向门决策，单向门决策。如果你作为一家产品公司，在天天想着什么东西，那我觉得你们是一个处于一个比较拧的状态，这个还是调整下。其实这么说吧，我们所有的都不会有那么重的，没有技术，技术也有。但是所有的技术不会是那种比如说我需要两个月的时间去看到下一个预训练Checkpoint后，我再决定怎么样？那种“黄国兴衰在此一举”这种不会有。像比如说一些模型公司的话，我觉得你还是要有一些，这是我觉得这种不一样。

小俊: 那你们是什么呢？产品形态？

季超: 一个产品形态。其实你可以说一开始不训练模型也是一个赌注，因为那我开始做这个决定，可能大家逐渐也许是在到处游说之后接受这件事。但是那时候很多人还是不太看好所谓Prompt Engineering。尤其是我们当时开Shell。

小俊: 对，Shell这个词其实我挺喜欢的。

季超: 因为Shell这个词，它言语上来说，你可以从操作系统叫Shell。Shell可不是一个低技术门槛的事。而且Shell跟Shell也有高低。我可以举一个比喻，如果Monica它明显是一个套壳，它其实是像生鱼片，就是说它生鱼片的好坏基本完全取决于原材料，就是你海里捞出那个鱼怎么样，你几乎是一个煤炭加工的状态，就给用户。所以你的价值增加是很浅的。但是像Minus这种东西，它仍然是一个壳。但是呢它不是生鱼片，它也许是什么水煮鱼或者什么。因为海鲜果没有没有吃过，可能不知道它是不是很复杂的一个东西。什么四川水煮鱼这种东西，ChatGPT最大的区别是什么？整个系统里只有两个元素，人（用户）以及模型。你以一个往复的形式去交互。但有一个第三个元素，是环境或者叫Runtime。这个东西其实是很重的一件事。所以你Agent这个壳可能跟ChatGPT相比，完全就不是一个厚度的壳，它是地壳一样厚的一个壳。

Minus的挑战与通用Agent的价值

小俊: 所以Minus做出来最难的是什么呀？

季超: 我觉得有几个非常难的点。第一个就是你启动越早，你越难。首先你能相信Minus这个东西能够做出来，这个是我认为第一个很难的事情。

小俊: 第一个Idea是什么？

季超: 第一个Idea其实就是从浏览器的自动化放上云端去。这个我觉得大家都会看到的一个点。我刚才讲的，大家一起商量。但是我觉得我们看到Cursor之后，Cursor帮我们把很多事情理清了。所以我们一直都非常尊重Cursor这个公司，它给我们很多的Idea。我觉得这个就是第一个点，就是其实好多人说造出原子弹没那么难，但知道原子弹能被造出来是最难的。当时我们相当于我们定义了所谓通用Agent这个词。而在这个时候，我们觉得首先我们能够相信能举公司之力吧，那么多人，那常5个人开始做实验。遇见一点好的苗头，我们就会从Monica那边调动更多的同学进来。

小俊: Monica当时有多少人运营？

季超: Monica当时团队应该有几十个人。你这边5个就这个格，而且我们还分两边，就我跟张涛，我们在北京。小红就Monica团队主要在武汉。北京这边理解创新业务事业部，一个找第二曲线，对，找第二曲线是一个渐进加码的过程。一个合理的做法，不是说“不做了，去搞新的”，而是逐步去做。我觉得这是第一个，就是这种产品形态的东西是能够被制造的，这是第一个。

季超: 第二点，其实开始做之后，我们也确实犹豫过，要不要开始去训练模型。因为当时你能拿到可用的模型，真的是很难受的。Claude 3.5s two算是一个里程碑吧，但今天眼光看它的稳定性、可靠性，非常差。直到今天模型都没有解决的一个问题就是，怎么说呢？现在大部分模型我认为仍然是为Chat场景而进行训练的，可能会进一步去讲这个问题。所以当时遇到的一个客观挑战，就是我们要不要通过自己训练模型弥补模型的不足。但是我是觉得我们又是在一个技术快速上升的阶段，刚进步有多得，这个该另外一件一个应该充分相信框架是来提升的。这是第二个当时做的Bet。

季超: 然后其实第三个Bet是什么呢？就是我们已经看见Cursor获得了很大的成功，且很多人心里也会有一种想法，就是说我们是不是该做和Cursor类似的事。但这个东西就是我们觉得，做中国很多人可能现在也在做这个事情。但是这当时就至少我心里还是比较坚持的。因为可能一直以来我创业获得的正反馈都来自于创新。所以我觉得这还是挺开心的，就是我们应该去做一些有差异的事情，而服务好一些，而不是跟他们在一起去卷。这是当时做的三个判断。然后好像都多都是我不做什么。我觉得思考很长时间决定我不做什么，我觉得不做什么真的特别重要。因为AI，我觉得大的一点让创业公司的产能变得很大。所以好像以前比我之前移动互联网创业的时间，可能大家没有那种“我不做什么”的自由吧。就是我在做某一个领域，我要做一新的领域或者业务时候，我受很多的约束。所以外部的因素会阻止你一些过于天马行空的想法。

季超: 当时大家像眼中的机会多，AI又充分解放了生产力。所以我觉得每天都要回答就是“不做什么”。现在觉得都是一个相对克制的产品。后像有一些别的AI公司，我觉得我增加很多不同的Tool，就是给AI、给Agent增加很多不同的工具。而我们每个月都在想，我能删掉什么。所以就是仍然是“不做什么”的事，我们始终要想的一个命题。

小俊: 即使是通用Agent。是不是一个很重要的点，是在那个时候没有做一个中国版的谁谁谁，那时候是一个没有一个对标的。

季超: 我觉得至少我自己的几次创业，我从来没有想过对标。

小俊: 为什么你们要做一个通用Agent？

季超: 这是一个特别好的问题。按传统的创业理念，大家可能应该是这样：选中一个或找准一个垂直领域扎进去做深，这可能更正常的一个做法。但实际上我是有几个不同的角度的观察，既有技术，也有产品形态的思考。首先是技术层面，我上一次创业其实就经历了一种专有模型被一个大一统模型吃掉的体验。所以现在这套技术体系之下，即使你在做一个垂直的，背后用的是什么？无非还是通用模型。你可以做Agent，但你可能会见模型探索，这再讲。

季超: 另外一方面本质上是什么？它其实是一个通用模型，加上一个计算机。因为每一个绘画背后都会有一个单独隔离的虚拟机，沙盒虚拟机。这个东西，图灵机不是有一次叫图灵测试嘛？就是理论上来说，它是能够去模拟或者运行任何算法的。首先这样我们就看到Agent底层的两个技术供给，其实是通用的。那么走垂直其实是在上面加约束，这是第一个技术判断。

季超: 第二点就是我们一开始就像做Monica一样，我们好像没有做特别大的使用场景上的限定，是一种类似于达尔文的形态在观察。就是说如果我给用户提供的是一套通用技术架构的话，我获得的优势是什么？就是用户可以按他的想象力去使用这个产品。同时我们作为创建这个产品的人，我们的使命是通过观察用户的整体的集体行为模式（Collective Behavior Pattern），去捕获到头部的场景，再让我们的产品团队去做最后一公里的优化。就像我们一开始拿出来之后，我们在宣传中和我们所有网页中都是天南海北的什么类型的东西都有。我们不要把用户先提前做一个引导，让他用什么。逐渐我们发现用户喜欢做网页，用户现在做批量的文件处理。然后我们发现“哦，那这些可能是值得我们的产品团队介入，去做一些定向优化的。”所以是一个完全由用户所塑造的产品，且同时又保留了极强的通用能力。

季超: 通用能力的话带来产品方面的第二个点就是说，我认为很多能力最后会收敛。比如说深度研究这个领域可能还比较新的一个概念。但实际上你看现在所有不同产品的深度研究能力基本比较收敛了。尤其像ChatGPT，但这当然确实还会有些差异。但这个能力已经逐渐在所有产品中都具备了。那这又让我想起以前做搜索引擎的体验就是，或者这么说，你为什么用Google，而不是用Bing？如果你每天只查那些最头部的Query，最头部的那些查询词的话，你发现你几乎用哪一个主流的搜索引擎，它的第一页结果都是质量接近的。那为什么我还得用Google呢？因为Google永远能在你的长尾Query中给你惊喜。那这样解决的一个问题是什么？就是说，如果你能够让这些长尾用户获得满意，他其实能够更容易地获得我们叫做“Moment”，就好像这个东西只有在这儿才能被解决。

季超: 我举个例子，当时有一个分子生物学家，他用Minus，他觉得非常惊喜是什么呢？他想用Minus功能，但是他的实验仪器导出的一个非常小众的数据格式，他用别的产品是做不了这件事的。他把这个文件上传给Minus之后，Minus说“这是一个很奇怪的文件格式，我先去研究一下。”研究好之后，自己去GitHub下载了一个开源项目，来解析了这个数据格式，后再继续去完成分析。所以这种长尾的没有人会专门为他做的场景，有一款通用产品能够解决，这个用户会获得极大的满足感。而且这些长尾不等于低频，因为这是这个人他每天的工作呀。所以对于单个人来说，这是一个Recurring持续的任务，这是产品层面的第二点。

季超: 产品层面第三点也解决了一个频次问题。就好，如果要做一个垂直Agent，你在用户心中，你建立心智其实比较难的。讲真，比如说ChatGPT可能是很多人每天的事情。但是就像你在每一个Onboarding都会遇见一个团队，要做一个旅行规划Agent一样，旅行规划这东西对于普通老百姓来说，可能一年就两三次三四次，频次太低。你让用户记住你是很难很难的一件事情。你作为一个通用产品的话，其实你有更大的概率来服务用户的方方面面。这样你能有更好的频次。

季超: 但同时你要做通用Agent，你有不同的技术方案选择。比如说有一些产品，它可能也追求通用，但实际上可能只是把不同的功能放在了同一个界面下，它本质是多个产品，只不过共享一个域名而已。而我们会非常非常坚持的一件事，就是说Minus是一个单独的Unified的统一Agent框架。所以用户在Minus中进行不同任务的时候，它的上下文，它的记忆是可以自由流转的。所以我们能做到的事情就是跟垂直的功能相比，我们永远能多做一步。我举例，世界上其实很多能做网页的AI，或者就是网页构建器。但实际上，对AI来说，一个好看的网页没有那么难，真正难的是如何让这个网页它的内容言之有物。那这样其实它可以同时先完成Research，然后再基于获得的Research去做出一个网页。然后与此同时，这个网页还有真正的实际的后台，有数据库。用户如果把网页分享到互联网上，有更多别人在用它这个网页的话，Minus才能在继续在一个Session内帮你去分析这个网页的流量，甚至能帮你做出一个Idea，做出一个PPT，再给你发邮件发给你的潜在投资人。所以其实Minus能够做到的是所有的垂直场景之后，再多加一步，且能产生一个内部的网络效应。我觉得这是通用Agent所带来的很重要的一个点。

Minus的边界与模型厂商的合作

小俊: 它的边界会在哪里？

季超: 我觉得它的边界其实取决于几个不同的维度。首先就是刚才讲到，Agent这个系统中它分为三个元素，用户、环境和模型。其实三个东西都有边界。首先我先不说用户，用户边界最有趣的。就是第一点是环境。环境我觉得是Agent最重要的一个东西。因为环境里头其实决定了Agent跟外界所能接触的这个边界。比如现在Minus选择了一个最为通用的环境，就是一台虚拟机，一台Ubuntu系统。但这块我现在做很多的投入。我有一个内部的虚拟化团队，有些朋友误区就是像给一个用户分配一台电脑，其实不是的，每一个虚拟化背后是一个独立的一次性的沙盒。所以其实我们的Sandbox是非常大的。甚至有时候我们内部开玩笑说，Minus其实是一款个人云计算产品。因为你真的是让不会编程的人也能去操作云计算，并享受云计算带来的算力，并用在日常生活中。

季超: 但这块其实会有很多的边界要解决。比如说如何更多的沙盒。这其实我们最近也不是最近几个月前推出一个功能，叫Broad Research，就是它不是深度研究，是广域研究。比如说你在别的AI中去尝试完成这个任务，比如帮我去找一批AI营销公司的CEO，并把他的LinkedIn发给我。你会发现你给任何Agent都会失败。因为既受限于Context，也受限于模型本身一些懒惰啊这些问题。Agent会聊到他们可能在找，比如10个15个CEO之后，质量会急剧下降。Minus能说这个任务很难，我能要启动100个Agent，然后去并且去完成进行汇。虚拟化这块边界扩宽，这是第一层。

季超: 同时我还在不断去增加能够使用的虚拟机的形态。我只是有一个基于Linux内核的虚拟机。但是我们就没有选择Docker这条路，Docker其实简单，但绑定专业的软件。Windows生态里有。其实我们又选择比较重的一路，虚拟化Windows。所以这块也是我们在不断推的一个边界。与此同时，除了Function Calling这种形式，就是模型跟外界沟通，可能常见叫Tool Calling，叫工具调用。但实际上，如果你给了模型一个完整的虚拟机的话，其实虚拟机内的预装软件也很有趣。就好比你Windows系统自带了很多专业软件的话，那其实你的可选的范围，你的动作空间又会变得更广。所以实际上我们还自己，你可以说我们在维护一个专门为Agent设计的Linux发行版本，里头内部有很多只有Agent才知道怎么用的一些工具来完成一些事情。这是我在环境这方面在探索的东西。

季超: 在模型方面，这时候也可以讲一讲。我们虽然不自己训练模型，但我们一直在作为无形的大手在干预着这个事。这个很好玩，就因为当你有足够的影响力之后，你的一些需求，其实是能够影响模型的发展的。这也是我们最获得非常大正反馈的一件事。就是因为Token消耗量巨大，所以我们自然是几乎所有模型厂商的头几名的客户。所以我们有很深的合作。

小俊: 你们Token消耗量有多大？

季超: 这个数据我可能不太好透露。但可以讲的一点就是，我们在各个模型厂商基本应该都是Top 2到Top 5的消耗量。

小俊: 全球范围内？你们怎么Cover这个成本？

季超: 这就是为什么要做一款能够赚钱的产品，用户的钱变成了Token的消耗量。

小俊: 你们现在就是可以Cover吗？

季超: 我们现在几乎能Cover。而且这个优化的曲线其实非常快。其实今年3月发布的时候，我们确实是Negative，就是负利润。但现在我们很快就要打平，甚至打正了。

小俊: 这么快就打平了？

季超: 这我觉得就是技术演进带来的一点。同时你也不能被动接受，这一定要去影响模型厂商的决策。这就回到我刚才讲的这个Token消耗量大概是多少倍。你行一个估价，估Token成本去计算，这个计算它是Compound，但你输出Token估1，但比是11。想象一的度，就你估你可以说是一个几十倍，甚至上百倍消耗量。且比较贯彻的一点就是我们不会为了成本或者速度去缩减Token的消耗量，我们一定是以质量为先的。所以甚至我们以消耗更多的Token为荣。张涛有一个梦想，就是他想造一个7乘24小时烧Token的机器。

季超: 所以我讲就是消耗很多Token之后，你会获得很大的影响力。同时因为包括我在内的团队，很多人以前都是做过模型的，就是我们知道这个东西该怎么改进。但我们自己不能，我们把这个东西能不能外包出去，深作我直接需求，不需要我们构甚至包。两个月新出那个定义和Prompt和他实是我写的。所以就是我们能够让他去帮我们实现一些东西。这里其实有很多要去探索的东西。

季超: 比如我刚才提到，大部分模型是有的。ChatGPT他发生你很大的变化，不是在基座，而是在于你的后训练（Post-training）输出。你早期的ChatGPT，你问他说“北京天气如何？”，他其实不是回答你，而他在尝试补全，甚至复读“东京天气怎么样？纽约天气怎么样？”他其实在模仿你的Pattern，但不再回答你。而InstructGPT和后来ChatGPT其实通过后训练所实现的是让模型知道我应该去回答这个问题。但这里你看ChatGPT会存在一个天然的问题，叫做无论用户的问题有多么复杂，他都会倾向于在一轮回答中回答完毕。但这个其实跟Agent的一个基础假设是不一样的。Agent基础假设其实就是Google的那篇ReAct。我每次都跟人讲，我觉得这个抽象非常好。Agent做的事情，就是在在一个循环中，基于用户的输入或者来自环境的一个观察，叫做Observation，去在你的动作空间中选择最有可能的下一个Action，去选择下一个动作。所以很明显，对Agent来说，接到用户的一个复杂输入之后，它正确的做法不是急于在一轮内回答全部，而是很有耐心地逐步尝试，基于上一步的观测，去调整自己的方案，去预测下一步。

季超: 所以如果你仔细去想的话，其实Agent的工况。而这里头会带来很多细节问题。比如很多现在的模型会有一个耐心问题。为什么会说模型，比如回答问题，尤其你强行用Chat模型完成长链路的Long-Horizon Agent任务之后，你发现模型干的质量越来越低。一定程度上来说，就是它缺乏这样一个真正在现实的Agent Trajectory，就是Agent轨迹中进行训练的过程。或者说它的Data Mix，就是它的训练数据混合中是有Agent的Ask。实际上它被Dominate，它的Data Mix其实还是为Chatbot而设计的。数据模型的学习能力是极的，你数据的其实会影响模型的一格。比如模型输出到一定程度，或者它的输入Token长度，某范围之内感受到一种无形的叫Context Pressure，就是上下文压力，它会影响你输出下一个Token的概率，就叫Sequence Token。就是模型当它认为该输出这个Token，其整个任务就结束了。其实模型是能感觉到这种压力的。所以这块其实是一个很不好的事情。它让我们用模型任务做会着一个常见的现象，就是你会发他到后开疯狂用，很总结个关键关键关键，这是一个常见的。

季超: 另外就是模型其实没有为现代Context Engineering做过一些专门训练。我举个例，刚才我提了一嘴，说2023年初我就一直到处忽悠Long Context，但我现在有新的想法。我现在有一个暴论，我觉得200K以上的Context就不重要了。为什么呢？因为比起更长的Context，重要的应该是模型具备Compression，就对压缩这件事的意识，对压缩这件事的意识。这个怎么解释呢？如果你让你的Context，你的上下文长度无限单调递增的话，即使有KV Cache存在，它是能让你的Latency，你的延迟和成本较低。但其实它仍然是使你有一些你是一个增长这过程，但这是不值得的。其实重要的应该是什么？模型知道说我Context已经很长了，我看我能不能把我一些Context中的信息去Offload，就是把它外化到比如文件系统中。就我有一部分记忆，就像人一样，我这个东西不用脑子里一直装着。人的记忆挺差的，就是我的工作内存很差。但是我知道这我以整理成一个文档放在我的，下次知道该什么去。或者说我知道我过去做了很多事情，但是其实有一段东西它不重要，它只是一个过程。那这时候我可以进行一个压缩（Compression），就是说我把我中间的一段历史变成一个很紧凑的表达。但模型明白这段东西不凭空消失，是被压缩。意识到被压缩这件事，专门训练模型，没有很好的训练的。

季超: 另外还有刚才讲到的就是Claude 3.5s two它还没有很强的Reinforcement Learning能力。但Reinforcement Learning这个词是非常大的一个，怎么说，最表面的Reinforcement Learning现象可能是像Self-Refinement，就用户一个问题之后，模型的输出，最终答案之后有的内部的训练。但这你盲目地用，你会发现一些问题。比如说，你会发现它的Instruction Following能力，就是它遵循指令能力其实下降了。另外出现幻觉，幻觉和工具调用概率上升。所以，你直接把解决竞赛编程、数学而设计的ChatGPT模型平移到Agent场景下之后，你会发现其实你的效果是下降了。那这时候我们应该去改变这块的训练模式。比如说你可能更关注一种叫Thinking，就是交错式思考。刚才讲的就是按照Google的ReAct来说，就是你获得一个Observation之后，你不要立即着急去预测下一个Action。在这块进行一个中间，但相对为短暂的我之前做了这些事情，那下一步我该做什么？该这个结构，而不是像比如说你让OpenAI系列模型去解决一个数学题，用户给了很短的一个问题，它想了几千个Token在脑内，这是不对的。这时场景会产生一些负面效果的。但是不幸的就是这个其实可能说起来简单，但是大家做得说实话都不是特别好。就是目前模型公司做得不是特大的改进空间。我期待是接下来进展。

季超: 幸运的是，因为我们影响力会比我天天给模型公司洗脑重，然后他们也确实积极改进，包括后来兴奋。对吧？就是他们能以非常快的节奏去把我们之前遇见的一些问题，实实在在地变成模型。而又很开心的是，头部旗舰模型的成果会逐渐影响似乎开源的模型，大家也会跟进。所以就是我很开心的一点就是，好像全世界都在帮我们一起去训练模型。但我们却没有自己掏出很多钱去砸进去，而是说我们让用户使用了一个很好的产品，用户付了我们的钱，我们为用户创造了价值。同时我们通过这个获得影响力来影响别人来帮我们训练很好的模型。这样的话，其实节省了很多我们内部的Research带宽，我们可以真正去投入一些非共识或者小众的事情去做。

小俊: 你们沟通最多的模型厂商是谁啊？

季超: 这个其实都是非常均匀的。因为我觉得现在不同的模型厂商之间其实是比较分化的。我不是说他们这个技术路线分化，应该说他们关注的点是很分化的。这可能也是有被动的选择。比如说你要讨论真正的，我不是说竞赛编程，就是那种偏现实工程的多轮编程，那确实OpenAI还是最好的。包括GPT-4o可能很多人对他有点低估了，这个我觉得是一个非常大的演进。所以他们在Coding方面是非常领先的。然后像Claude很明显它的多模态领域，尤其多模态的理解，就多模态输入方面是非常强劲。而Google有独有的资源，唯一的能使用到Google引擎式，具备视频理解能力。尤其YouTube的视频的理解能力的话，那你一定要选Google Gemini。Google Gemini在偏纯推理方面投入非常大，是一个强劲的领先。你有榜个选择。别这还有些模型都各有特色。

小俊: 应用人幸的间点，你们的反馈改进的多，觉得看效率吧。

季超: 之前的几家Google响应都快，当不同的场景使用模型。所以大家就是在解决问题的效率，客观程度上来说，也受限于这个问题的难度。

小俊: 你教会了他们，他们可以反过来抄你们的产品，但是你们没有那么快地抄他们的模型怎么办呢？你们的壁垒是什么？

季超: 首先有一点是你发现，比如说一些模型公司，他们偶尔会发布一些，我得到这里开心又无语。因为基本就是我们之前在讲的这个东西，比如他们直接写成了一个Paper出来。比如说什么Chain-of-Thought，也是我们上线一个月后，他们发布了。最近那代码方式调Prompt那个Closure这些东西，也是我们都一直在就带的东西。但我觉得这个是没有关系。因为这个就是一个竞合关系。我真正的优势是什么？有两点。第一点，因为我们对于不同的场景使用不同的模型没有关系，我们永远能够为用户提供最好的体验，这是第一。第二点是什么呢？就是他们的速度，一旦是垂直整合，其实你一定是没有我们快。因为产品方面的迭代是非常快的。

小俊: 他们是分化的，你们纯综合了。

季超: 对，是的。所以刚好反过来了。

小俊: 这很有意思。

季超: 这个很反直觉。是的。如果都直觉的事，我觉得也轮不到我们做。

小俊: 为什么会这样？为什么会一个应用公司开始做一个综合的事情，而有模型公司变成垂直整合，他们越走越窄？

季超: 我觉得这就是这个公司一开始的根是什么。我觉得我们可以拿OpenAI作为一个案例吧。我刚才一直在讲，我非常尊重OpenAI，他是一个真正怎么说呢，很尊重自下而上模式的人。有很多朋友在，就是他是真的能够通过一小群人的一个创新，逐渐逐渐往上走，变成一个产品。但实际上我认为这就是我刚才讲那个叫买模型彩票这件事。你的实现方式是基于一个突破来做一个场景。但是对于我们来说，我们是所有外部的创新，对我们都是一种养料，都是一种供给。那我们就不用做选择，我们不用买这个模型大乐透。

季超: 作为应用公司来说，其实跟模型公司相比，我觉得还有另外一个优势。就是大家常常觉得好像智能的提升不需要用户。这个至少从今年年初，比如GPT-4o出来之前有很多的用户，但式能获得一些提升。但我觉得对链路环境强相关的场景下，其实用户是非常关键的。但是用户的使用轨迹以及Feedback是留存于应用层，而不是流动到模型层的。所以其实应用公司有独特的数据飞轮。这就是Agent。他们可以一个较低的成本，在一个训练基座去开发出一个基本。但是成本很低，且专门适配自己的模型。所以觉得这是未来可能半年的一个重要的一个变化。但会看见更多的应用公司在利用自己的数据飞轮，模型的式出产，可以持续迭代。

Minus的用户画像与产品理念

小俊: 你用户画像是？

季超: 刚才讲了一个最笼统的定义，叫做Prosumer。我切几个比较常见的画像来讲。比如说第一类，我们叫做在互联网公司或者技术公司里，但不是程序员的人。比如说广义来说的白领或者说远程工作者。第二类我们叫做Freelancer或者Solo Entrepreneur，就是美国其实有很多那种独立自己去自负盈亏，你可能在做外包，你可能在做自己有一个很小的一个生意。这些人他们是一类用户。然后第三类比较大的用户就是所谓的金融和Consulting，就咨询行业的这些人。我觉得他们都有一个比较大的共性，就是有比较强的自驱力，且与此同时，他们的任务是高价值的，这个很好玩。

季超: 然后我们发现其实做Agent就很有意思的一点，就是它不是在做工具。至少对于我们来说，如果你做这个通用Agent的话，不是在做工具。你其实在做一个类似于人的东西。如果你做的是个垂直Agent，你可能还是在做一种新的工具。但如果你做一个通用Agent，其实在做一个人。一个垂直工具，比如说汽车公司做的是司机，像Midjourney做的是设计师。对，但是它其实是设计师用的一个工具。而Minus作为一个通用Agent，我甚至可以用LoveWord。因为抽象层级是什么？就是我们在设计说让Agent能使用哪些工具，或者你跟外部交互的边界是什么时候？我们一直是这样一个类比。就说我是一个人，一个普普通通的人。我能做很多事，因为我有一个电脑。我电脑的Interface界面是什么？我的手右手用鼠标，左手用键盘，眼睛能看屏幕上的内容，能听见它的声音，没了。就是一个远程工作者用这样简单的标准接口，其实就能完成几乎无穷无尽的种类的任务。

季超: 最近我们也看到一个比较欣喜的结果，就是OpenAI最近发布了一个新的一个叫Remote Worker Benchmark，叫远程劳动力指标。它甚至竞争。看它的评判标准很有意思，评判AI系统它完成的工作，让一个现实的客户愿意为之付款，无法区分是人还是AI完成。这个当然就虽然我们现在是SOTA，但实际上我们完成率只有2.5%，所以其实离百分百还很远的一个距离。但这块其实这个Benchmark我们看中的原因就是它完美契合了我们想象的这一点。就是对于通用Agent的衡量指标，就是它能完成多少远程工作者能完成。因为这个解读空间就只有2.5%。但是也许能够去让全世界2.5%的GDP获得加速，这是一个很好的梦想。而且大家都知道，进展仍然是存在。很多人说的，进展速度好像变慢了。但实际上我觉得Evaluation是重要的，因为它能指引我们去的方向，还是也是方向嘛。所以我觉得也许到了2026年，我们乐观一点，可能Agent能刷到20%到30%，能占相当大的一个经济生产规模。

小俊: 你数据飞轮是什么？

季超: 数据飞轮，我得讲几个非常好。就是如果你用Minus的话，输出了你不满意的东西。第一，反应可能有两种，一种是简单点，点那个重试键（Retry），它就重新再输出一遍。你就相当于再Reroll一次，看会不会好一点。或者说，你就直接去改你输入的那个原始Prompt。但我发现在Agent场景下，用户会教这个Agent。举例，让它帮我筛选简历，但标准跟我想要的的不太一样。我就说“哎呀，你这不对啊，你这个我喜欢的这种，你要注意下次Excel或怎么。”其实我一直在教Agent，这是Teaching。这是第一点。第二点是什么？就是如果有一些任务不涉及我的个人偏好，但很有可能就是做不对。但这时候呢我会去Fix，我会帮它修改。比如说你这不对，我帮文件改了正确的格式。获得这两个数据其实非常困难的。当你有的用户量之后，你进行一件是你可以说大一叫做基于Collective Intelligence做到一种在线学习。但在线学习它其实能达到的一点就是我们即使不碰模型，其实你也能够获得一种叫做Self-Evolving的能力。当然它是Parameter-Free，不涉及参数化。但是通过更多的用户使用之后，我们能够将更多的通用的、公用的失败模式（Failure Pattern）以及用户共识性的东西变成系统原生的一部分。就变成一种整体上来说，用的人越多，我的失败率越低。我完成同样任务的轮次，开销越小。这是第一种数据飞轮。

季超: 第二种是什么？第二种就是说我们仍然会回答用户最朴素的反馈，就比如打一星到五星作为一个指导。因为这个东西能回到什么？就是我们刚刚讲的Evaluation很重要。但实际上Agent的自动化Evaluation，我认为现在还是非常亟待改善的。因为即使你有一些自动化Metric，我们一开始会很关注这些东西。但实际上我们发现真正上线之后，我们在这方面表现好的架构和模型，其实用户的真实评分不一定高。因为用户关注点跟你这些理想化的还是挺不一样的。举例子，比如说用户更关注的是你做出这个，你的长宽比是否超过了16比9，你这个网站是否是属于比较易用且好看的？

季超: 刚才讲16比9的你能自动对吧？但什么叫网站好用，可易且易用？这东西你很难通过一个完全自动的Reward Model去实现。所以我们非常依赖于用户给的这个直接的反馈，且有一个固定的团队，就做Evaluation，而且是主观Evaluation。所以这块是真正能够通过用户的反馈来指导我们迭代的一个方式。

小俊: 这是多少人团队？

季超: 我们是这样，我们有一个专门的Evaluation团队，现在不到10个人。但是他们会同时负责这个系统的搭建。我们内部有很完善的Evaluation体系，以及自动化。且同时我们从产品团队会有一些比较的同事，专门就是负责主观Evaluation。所以是技术和产品团队一个交集，大概有10多个人，加上不断轮转的很多实习生。

Minus的核心指标与模型优化

小俊: 你们现在核心关注的几个指标会是什么呢？

季超: 我觉得有几个。第一个就是说我们从Interface，还是刚才讲这个界面角度来说。接口层面，还说你可以抽象成几个不同的维度。首先我一直在说Coding，Coding非常重要。虽然Minus不是一个IDE，但Coding其实是一个灵魂。所以我们当时对Coding是非常关注的，但是刷爆了。这是编程的一个维度。第二点就是Minus虽然没有直接进行Computer Use，就是说我们不是通过GUI去完成很多事。但实际上我们用了很多Browser的API，所以这块我们也很关注这种GUI的理解能力，这是一个维度。但是这也就是所谓多模态输入的一部分。

季超: 第三类是什么？就广义的Tool Calling能力。Tool Calling能力是怎么说？大家非常关注，但实际上到了这个复杂度的并不多。因为Tool Calling的复杂度非常高，它有多种不同的Action，它不仅有原生这种Function Calling。包括你在使用我们自己自定义的这个版本的时候，它其实有很多命令行工具。它不是以模型原生去存在的，而是存在于系统中，就让模型能够基于一些使用文档来学会使用特定软件的能力。这也是非常关键。我们从模型的原子能力情况下关注这点。但其实还有一些非常难量化的东西，就是我们刚才讲的，比如说美学性和对错误的自我意识。这个错误的自我意识我觉得也是重要。是有低维度度，种度是说你在看很多，你能看见的是，无论你看到其实都是模型的过程中去完成的一个状态。多时候有的时候模型需要自我意识到这个错误，该怎么修复？当然，这是最理想的。常见一种情况是，用户先发现了一个错误，并指正它。而如果你是经常用AI的时候，你可能会有一个很沮丧的体验，就是无论是Code还是Excel，你发现一个问题，你让AI修。AI说“太好了，我已完美修复”，其实不修好，引入另一指标难去追踪。因为可中设计真这是高度的一种种错误，是指他做出了一个能用的东西，但是他无法好的这个东西推到下一个，就是从可用到好用的这种错误。我们还是把它定位定义为一种错误，因为我们觉得能解决的。比如说跟很多别的这种Agent，即使都能做网页，再基于我们通用能力，每页我自用的浏览网页。一、我数据库里的记录是否都对上了？所以这个我觉得能够个错误的个途径。

小俊: 刚才有些表达，比如说模型的懒惰，模型有耐心，情感到压力，模型比较着急。还有包括杨志林以前说长文本影响智商，模型的状态，好像跟人还比较像，这是为什么呀？

季超: 我觉得我们只是在用人习惯的词来描述这个，我觉得模型跟人一点都不像。或者说强行把模型或者Agent与人的常用思维体系去对齐，这事是不对的。

小俊: 你刚才不是说你们做的是一个人吗？

季超: 对，但是我们是做的是能完成人做的事情的一种系统。但你不该与人的分工或者策划去要求模型。我举个体子，就比如说很多做Agent公司或者一些开发者，通过一种惯性思维，就说我要让我的Agent系统中分为设计师（Designer）、程序员（Programmer）这些东西，就是你在给模型增加很多不同的角色。我们觉得这其实不太对。因为回想一下，为什么人类社会会有这个问题呢？是因为很可惜，我们每个人都不太全能。所以你在一个组织架构下，你必须要有这样的分工。但其实我们在组织架构下，又有多少信息在我们通信之间损失了呢？有多少在合作中增加了很多摩擦呢？实际上模型比人更加全能的一个东西。所以你应该充分利用模型优势，而不要生搬硬套人带来的约束。我是想表达这个意思。

小俊: 那模型应该怎么分类？

季超: Agent分类这个话题，我觉得你只能从输入和输出角度来看。

小俊: 你觉得不用分类？

季超: 我觉得不用分类。

小俊: 所以你能做的是通用Agent。

季超: 不是不是不是，我我想说的就是输入输出的意思是什么？就是通用Agent是把更多输入的责任交给了用户。然后呢，你做垂直Agent是在输入这侧，你会做很多比我们要多的事情。就比如如果你要做一个垂直领域，你输入的数据可能就来自于一个用户不太可能自主产生的或者自主提供的一个过程。一定得深入，就结合到某一个已经在运行的业务系统来获得这个输入。它的输出，也不是以一个标准化的形式去给出的。可能它是无缝传递给了另外一个系统中。所以我觉得它一定输入输出有跟通用Agent有不同，它且决定了哪一个是哪一种Agent。但中间的技术方案，我相信会是趋同的。

通用Agent与Agent OS

小俊: 你们为什么做通用Agent，而不是做一个Agent OS？

季超: 我觉得首先作为一个有职业素养的程序员，我们会尽量回避OS这个词。为什么？这是一个圣杯，我不配。这是第一点。然后第二点就是我们觉得OS这个东西，其实你如果严格定义来说，它是一个中间层。当然你也可以说Agent是很多东西的中间层嘛。但实际上我认为现在Agent还没有到这一步，就是用户的文件，用户的软件其实不在你这，这是一个客观的现象，对吧？所以在你没有获得这些东西之前，你不要称自己为一个OS。

小俊: 谁适合做这个？会有这个生态位吗？

季超: 我觉得是这样，我们跟Microsoft都有直接合作。所以我认为不是说有谁做了一款开天辟地的Agent，而是现在所有的操作系统都会逐渐具备Agent能力。且很开心的一点就是我们发现现有的操作系统厂商在一个相当开放的心态在做这件事。比如说接下来大家可以关注Microsoft 365 Copilot，你可以到在里面。所以我觉得这个东西就像我们之前做浏览器一样。我更相信的不是突然出现了一个Agent OS。所有最后的生态会是什么？一个格局。我觉得是垂直领域的，应该是一个百花齐放的状态。

小俊: 也会多一些To B的垂直Agent会多一些？

季超: 对，为什么？我指的是海外市场。因为首先有一点，目前因为我们现在只做海外，我们觉得可能尤其就我不敢说海外这么大词，就说美国市场吧。美国市场我感觉现在大部分创业者都在想一件事，就是我要做一家给另外一家创业公司使用的产品，并卖给另外一家公司。就是我觉得很多美国创业者已经失去了做To C的勇气和心气儿。

小俊: 你说美国华人创业者还是美国的创业者？

季超: 甚至华人好一点，华人还有梦。我觉得像我们就是比较勇的这种，我们还敢做这个事。为什么？为什么丧失了这种？不过过去十年，美国To B确实更好一些。我觉得其实与其说丧失，应该说他们这边的环境更形成了这样一种正反馈，就他们的退出机制非常好，很成熟。

小俊: 卖公司嘛。

季超: 对，你可以卖公司，或者说你自己做To B，你也有一个稳定的收入，你自己独立上市，独立发展都没有问题。所以就是这是他们这种成功的路径，决定了美国资本市场的一个倾向。所以就是在美国这种像我这种跳出来做To C，那确实是一个很异类的一个东西。当然这也就会有有人愿意下大注嘛。

小俊: 谁愿意下大注？下了什么大注？

季超: 就像我们现在就获得了一些亚洲的投资。我只能这么说吧。但像国内的话，我觉得上一代创业者，就是这代创业者。我们在移动互联网时代，很多人都是做To C获得了很正反馈，也更勇一些。所以我觉得这确实是两边的环境和持续的反馈的一个结果。

小俊: 所以你觉得没有垂直To C的Agent的生态位吗？

季超: 我觉得一定会有，一定会有。但是这块其实会比较微妙。我们团队有另外一个同学，他之前是做一款剪辑软件，后来也是被腾讯收购了。他其实给我说了一个很好的观点。就说做垂直To C的应用很难的一种模式是什么？就是比如说你要给剪辑师做一款更好的剪辑Agent。他说，这是非常非常难的，因为专业的人士会对这有极高的要求。这个用户会有一种从风险控制的角度来看待这个事。比如说你一个工作流很复杂，你但凡有一个环节没做好，那对这个专业人士来说，这个东西就是零分。因为它是一个乘法关系，你就不能用。但是你应该做一种什么样的Agent呢？是做一个给非剪辑师用的，但是却有剪辑需求的人做的Agent。比如说自媒体，这样的话，你会变成一种给原本就有这个需求但做不了的人，他是一个竞争力。这个我觉得是非常重要的一点。这句话其实影响我很深。

季超: 我们现在经常跟我们的用户或者交流常说，虽然我们的产品通用Agent很像人，但是我们从来不以替换人的思路来想这个事。因为如果你要给别人一种说“我要替换人”这样的心智的话，所有人都会从一个Control的想法去想，就我刚才讲的一个环节，不不但其应该是一思路去想让你已经高效的雇员，或者说你是一个自驱的一个人。你获得了这攻击之后，你能让你的产能提升。那这是一个更良性且更现实的做法。所以这个生态还会怎么样？通用的、垂直的呢？我觉得会有很多偏娱乐的Agent出现，就广义的。这可能是接下来看怎么走。有一些尝试，比如Character.ai他们给每一个人做一个虚拟的代理，以Agent的形式进行社交。我觉得好，但得实在是没这方面这产。

小俊: OpenAI适合做所有产品？你觉得ChatGPT会抢夺你们的生态位吗？

季超: 我觉得一定是会有竞争的。但是我们现在观察到的现象是什么？首先就是在ChatGPT Agent出来之前，我们可能要经常回答他的一个问题，就是“做了你们怎么？”如果讲，我其实是用市面上所有最好的选择，仍然是在他的领域有所专长，这是第一点。第二点是什么？其实跟他们一个用户心智有关。ChatGPT仍然是OpenAI的一部分，我觉得他是一个打透了的产品，就是ChatGPT的竞争已经结束了，所有的用户都在使用。但实际上有Agent需求的人，客观来说是少了一个量级的。我们其实一直是在自上而下去，是我们一开始触达的用户。其实Minus怎么火起来的，其实都硅谷精英们，他们发现这个东西真的好用，能给自己提效。所以一直都是在服务一个相对比ChatGPT单价更高的用户群。其实对于那种比如说快速的问答或者一些低价任务，包括我自己，我也是不用Minus，用ChatGPT的。所以我觉得这是一个分层的市场。我们会长期专注，为真正有高价值需求的人提供他能找到的最好的AI，而不是跟ChatGPT去抢夺一个最广的底层的用户群。

小俊: 所以Chatbot和Agent用户不完全是一波人？

季超: 它是不完全重合的，它不完全重合。他们包括我们，但是实际上我们一定要去满足的就是那些有最高质量需求的用户。就是他这些人肯定用过ChatGPT，但是他们仍然会选择Minus这样的一群人。其实是ChatGPT没有把这个部分的用户需求满足好。或者就是说我们得保证我们永远能提供比ChatGPT的Agent更好的体验。

小俊: 那这是现阶段，未来呢？未来他们会赶上来吗？

季超: 那我们也会赶上这个。我就常说就是小公司怎么跟大厂竞争？就赶紧成为大厂。

小俊: 你们现在距离大厂还有多远啊？

季超: 还很远，还很远。但是再做了，再做再做。

小俊: 长期来看理想状态的Minus应该是什么样的？

季超: 理想状态，其实我想回到刚才我们谈了一个问题但没说完，就说边界是什么？这三件事。刚才讲到，其实有三个系统，系统中有三个元素，一个是模型，一个是环境，一个是用户。其实我们接下来更关注的不敢说未来形态，因为对创业公司聊3个月后的都慌聊。接下来这三个月内我们会关注点，其实用户也是一种边界，也是一种瓶颈。是什么？就是现在无论AI多么智能，或者说Minus跟ChatGPT相比，有一个最大的变化，就是它输出不简简单单是一段话，是一个Action，是一系列Action或者不同的产物。但实际上它的起点，到目前为止，大家看到的好像还是一个Prompt。但实际上对用户来说，输入Prompt是很闹心的一件事，而且它有更多的问题是很多Context没能带入进来。所以我们一直在想，如何去优化这样的一个事。

季超: 刚才提到就是张涛想一个7乘24小时推理的机器。所以，我们接下来会比较投入的一个方向，也可能代表未来一段时间的Minus是主动性。这个词其实我觉得是带货的，不是这个词，其实应该是Agent这个词的本意。Agent的本意其实来自于Agency，就是能动性、主动性。但是呢之前的话，大家可能更关注的是一个结果的呈现。但是现在到了关注就好做出关注。到了输入Context现，我们把这件的更好。但是我们觉得不应该做成像Poe那种，就是它每天给你推很多东西，这实在占用用户的。而真正能为付钱，真正获得价值的用户，他其实需要生产力效率提升的。我们关注的应该是Agent主动去完成。我们内部已经有很多怎么主动完成，可能我不方便透露太多。但可举例一个场景，比如我们面试完之后，用第三方系统，我们需要去写Review，写评价。描述这些东西。但其实我们在面试过程中，我们可能用Minus进行记录。那可能我们自己要干的事，假如没有这套新的AI的话，那我们就得自己基于我昨天的记录，然后去填写这些评价。但用了Minus，醒来之后，它帮我自动记录，填到最后只让我接受与否。所以其实应该解放出来的就是用户的这层瓶颈，让Agent逐渐发挥出来，我觉得是一个短期未来关注的开始。

小俊: 我觉得是你们想让大家能够方便地去理解你们，你们用一个通用Agent这个概念。你觉得通用Agent长期来看是最合适的描述名词吗？

季超: 我觉得不一定，甚至说不是为了让用户更好理解。你知道我视频非常粗糙，整个工期大概就3块剪的是吧？为什么那块有一个黑屏？因为中间那块其实发生了一个很傻的事。当时我们那是在我们办公室一楼录的，背后有一个保洁阿姨走进来了，所以我们必须在那掐一个，就是得剪一帧，给我一个黑屏。那完了，那这就只能给一个定义了。然后大家一想，就是如刚才一开始说的，我们也没想好这玩意到底是这个你怎么定义它，对吧？它到底是为谁去服务的？因为我们想的是去观察，去做达尔文，就想有一个壳，然后大家进来，不是一个壳，它是一个Playground。然后呢，那好，责任就到了我，因为我得写那个视频的稿子。那这个我们可能叫什么？所以整个这个概念就是拍脑袋想的。

小俊: 是拍脑袋想的？

季超: 对，然后就被大家采纳了，所以我觉得特别对不起。

小俊: 哈哈。

季超: 但是我们觉得这个词其实它偏技术了。因为它来自于所谓General Purpose Agent，这个看上去好像是为了占一个位置设计的这个词。

小俊: 就是为了占位。因为你都说2025年是Agent的元年嘛，看上去你们想占那个最大的生态位，然后取的这个词，其实不是因为了，是因为挡住保洁阿姨起了这个词。

季超: 呵呵。这是一个从市场角度来说，我觉得不是一个很好的选择。因为对于不了解技术的人来说，这是什么东西？这是一个很奇怪的东西。所以我们现在接下来更想强调的一点，就是说做通用Agent是因为我们的一个技术选择。就刚才解释了，我们独特的技术架构，让不同的场景之间具有泛化性，且增强网络效应，一直强调能力。但实际上这个功能我们只开发了不到一个月，但它效果目前绝对是SOTA的。这就为我们实在一套统一的一个架构之下长出来的那个最后一公里。但是这用户来必么我们未来对用户的沟通，其实完全就跟客群去讲，说你是一个企业，那你可能更关注就内部工具的构建，一个的内部构建工具，它帮你个环节起来。所有的垂直的产品，强调甚且能多做定义这个词未大家其实也不用太。这个东西它就是一种新的东西而已。

小俊: 那比如说大家需要一个负责设计的Agent吗？

季超: 我觉得也许是需要的，因为它要融入你特定的工作流。就好比你设计领域，如果没有AI，你往回看，也会同时存在Final Cut Pro跟剪映这样的情况。

小俊: 你觉得Minus会收敛吗？你说收敛是指收敛到某几个垂直的领域。

季超: 不会。我们会是这样，我们会做很多的，我们叫做场景。就比如说现在其实我们头部几个场景，就刚才讲的批量文件处理、网站生成、Slides生成。但我们从来没有单独做过一款产品，叫Minus Slide或者Minus Builder。它仍然是在这样一个统一的Agent架构之下，由我们的产品团队去优化最终最后一公里的体验。所以Minus永远是一个不断优化头部场景，且保持很强长尾能力的一个系统。这是一个选择。对，这是一个选择，刻意的选择。

小俊: Minus这样的Agent，比如说Midjourney这种设计类的Agent，你觉得他们长期来看关系是什么样的？

季超: 我觉得是这样，Midjourney一定会越做越专业，可能会有一定的设计能力。但是就像我刚才讲，给设计师用的是给有设计需求的非设计师用的，且同时还存在另外一种关系。就是为什么我们非常强调我们现在有一个概念叫Connector或者Integration，就是连接与集成。其实Minus之所以它是一个通用Agent，它就能模仿一个人。它的模仿人用各种工具。比如说自己内部我们经常拿Minus调试。那实际上如果你是一个设计师，你其实你的工作每天也不是百分百都在设计。比如有的说你需要基于一个设计稿，基于一个产品需求去做出一个设计。那你甚至也许有一个用法，就是比如说你们在用Figma或Notion来讨论一个产品，你可以让Minus帮你盯着，然后让Midjourney去完成这个事。所有人觉得都不是一个竞争关系。我们是一个网络中的节点。

小俊: 那价值其实不是在网络节点，是在网络的边上。

季超: 你怎么看Cursor和Code Llama现在关系啊？我觉得这个是比较尴尬一点。就是他们选择了一个最激烈的一个点。就是一个怎么说，AI Coding它不是一个语。它是一个通用能力。但是呢我觉得Cursor这家公司非常厉害。所以呢就是它一方面是启发了Minus很多。另外一点就是我觉得Cursor的人才储备是不逊于这些头部公司的，或者说就是头部公司中跟Cursor直接竞争的那个团队的实力跟Cursor是可比的。我刚才讲了一点，就是创业公司跟大厂对比的方法，就是成为大厂。我不是说在规模上超越他，因为大厂不会倾注其所有资源与你一个人打。我们现在要做到的就是我们在做Minus这件事的人，这个团队比比如说某些大厂想做Minus的人的团队强得多，这就可以了。所以我们现在有将近100个人。

季超: 我觉得还有一个点就是Cursor选择空间还是Cloud要多一些，就是Cloud Code仍然是Cloud的一个延伸。当然我现在还在说，大家都在分化Cloud，在Coding方面有一些独有的优势。但实际上正因为是主赛道，所以大家追家发完全追静，前方面非领先。所觉得对Cursor说有点类似于我一个状态，就是大家都在盯着这一个方向打，所以它有一定的灵活度。我觉得这个战争还没有结束。

小俊: 那你Minus作为一个应用公司，跟他的长期关系什么？

季超: 你得能赢得。首先没有任何竞争。我们Coding主一定是。不觉得我们会输，就像我们已经跟ChatGPT打了第一仗，我们从效果上至少还是赢的。

小俊: 你们中间慌过没？

季超: 其实基本就焦虑，没。我们肯定会焦虑，但焦虑不是源于这个。我觉得整个从一开始就莫名其妙火了，到后来有太多事值得我们焦虑。所以其实就竞争是一种最常态化的焦虑，它不会占你人生中大部分的焦虑。

小俊: 好吧，你们焦虑的是什么？

季超: 每个不同阶段当然就不一样了。比如说我们刚才说到了2024年9月、10月份，后面每个时期的焦虑是什么？2024年9月、10月份，其实在做完到发布前，这段时间是没有任何焦虑。因为Enjoy，对吧？而且就是我们也都就所谓这个中登型连续创业，我完，们这终一定会火，是一个极有信心的一个状态，就一定会成。所以就是并没有太多的焦虑。

小俊: 你做的过程中，哪个时候觉得一定会成？

季超: 其实就是当我们跑完了几个例子之后，我们当时也就自己内部也没想好做什么。当时我记得是张涛吧，跑了一个例子，是找办公室。然后Minus自己去找资料，查地图，写程序，然后最后做出交互复制网站，还提供一堆选项之后，我们觉得这个太酷了，一定能成功。但是就后来一次次的跑不同Case之后，信心越来越强。当时是觉得一定一定没问题。

小俊: 那段时间，你们办公室的状态是什么样的啊？

季超: 就很嗨啊。当时我们是在北京的E-Park，是一个共享办公室。而且很小，我记得刚开始的时候，北京这边工位只有6个。

小俊: 我去过那个地方。

季超: 对对对对，但是那个地儿我觉得特别棒的。他们那一楼环境特别好，就是我们拍最早视频那个地。当时那个状态是什么？我们都特别对不起周围的邻居，他们就经常听见有一个奇怪的办公室，突然“我操”，以前都是我跟张涛跟别的同事在嚎叫。

小俊: 我去的时候，那天没人。

季超: 有可能。整个工区都没有人。对对对。所以那一块就是完全不焦虑。

发布后的焦虑与邀请码争议

小俊: 那段时间发布后就开始焦虑。说说你们发布的时候的考虑吧。你知道外部对你们最大的几个质疑之一，就是为什么要弄邀请码，以及是不是过度营销。

季超: 好，这两个问题我终于可以回答了。我们其实很早就想去公开回应这个事，但我们觉得你瞎回应也没意义。我们当时内部就说你没做到1亿美金ARR之前，就不用答应这个事。现在当然我们可以回答这个问题了。

小俊: 到了是吧？

季超: 早到了。所以呢我们想说到的其实几个呃一个月以前应该是。现在的话我们就可以正式回应这个事。首先，我觉得邀请码这个东西，是我们为所有人趟了一条很重要的河。我不是说创造了邀请码这个概念。是这样，当时我们以前不是Chatbot，当时讲到了它的消耗量可能是Agent这个形态消耗量的几十几百倍。当时我做完之后，我们为什么要用邀请码机制？上线前决定用这个东西，是因为我们在最后决定发布之前，有的云厂商（Provider），就是推理供应商，聊了之后，我们惊讶地发现了一个事实，就是世界上能够在第二天立即到位的算力，比想象中少太多了。所以当时的情况是，所有我们使用的云和模型厂商都没法提供这个量。所以当时比如我们用Cloud说，“你们千万别放开，你如果放开，我们会挂。”所以对我们来说，我们唯一选择方式就是去控量。那控量方式是？选一个类似邀请码这种机制嘛。所以当时确实我觉得有别的更好的方法，说不应该有明确一个码样个东西，定向邀请这些东西。但没有想太多，这个东西就做了。

季超: 但实际上，我们后来就在跟所有合作伙伴一起不断迭代过。其实后来大家意识到了，原来它这个消耗的算力模式是不一样的。就刚才讲的这个Token从3比1变成比如100比1，所以逐渐逐渐就因为Agent的出现，大家去适应一个工作负载。后我再用邀请得有点奇怪，我帮大家出了这样一条路，云厂商也已经准备好了，你还何必去这？你想当我们直接放开，觉得可能体验会比现在还要好。因为如果充足的算力，大家不那么。当时真的没有那么多算力，我们没那么崩。如果我们把这提前做好，那我们何必用邀请码？云厂商和模型厂商都没有准备好。是那句话，我们准备好了，你的成本是住，不但为我们产品有信一几十万美金吧，我得没关系，绝个产品一定能成账多少，当时也没太多吧。是之前还有融资额，反正是钱是够花的，但是其实也也很紧张。但是我们觉得这东西一定能着，根本不慌，就是绝对没问题，使劲烧。

季超: 所以很的，但是当时那个情况描述一下，当时比如我们跟云厂商打电话，我们说我们现在需要加到多少多少TPM。上线前是吧？上线前上线当天，我们能不能实时加？这么问，你要下个月还月？我今天下没法，物理面卡插机跟的关就过程。包括支持，就对我们来说是雪中送炭级别的支持。这就从别的，比如别的项目的可用区，把临时调资源。我过了年初，大家都没有预料到今年的Token消耗量会指数级增长，输入输出比例、消耗量，人参与的频率，因人触发一次的行动，他会持续自我工作。而且如果你按ReAct这个模式去看的话，它的Context其实是一个Attention-Only，就是止增的状态。如果你从模型视角看是哪一轮迭代的时候，你需要重新Pre-fill前面所有的输入。当然你会我有KV Cache在这，但是它的输入投入量是非常非常大的。其实每一轮会越来越大，越来越大，越来越大。所以当时就是没有这样一款真正的Agent出来之前，云厂商没有准备好。

小俊: 这是第一点。但是你说的是你们上线当天给他们打电话，那这个邀请码决策是在这之前就发生了呀。这个决策是怎么下来的呢？

季超: 就是我们需要一个控量的方法。但是因为我们也没有更好的办法，就只能选择就是用邀请码或者定向邀请。但我定向邀请会是一个更好的做法。为什么？因为邀请码这个东西，我们没有意识到这个东西，我们知道产品一定会火，但没想到会被炒。我觉得非常不好。

小俊: 定向邀请不能炒？

季超: 但是如果没有炒的话，可能烘托不出来这种氛围。但问题是我们在国内没有意义，就是包括Monica，我们上一款产品，其实我们都一直出海。我觉得这个其实也是我们觉得非常的一件，就是你想中国这么多企业在响应号召进行出海。无论AI或者比如说这种做衣服，你选择不同Market很正常的一件事。我们其实在中国，比如突然火起来，其实我们没有一个直接的作用，反而会让我们承受很大的压力。所以是为什么当时上线是选择10点多？因为那是北美市场的早晨。所以就是我是为了北美市场选择时间。

小俊: 这个是邀请码。炒作呢？

季超: 炒作。好，这个问题要非常郑重地回答一下。我可以直接这么说，如果我们在3月份发布的时候，如果没有任何付费的宣传，我死全家。这个是我可以说到这个程度。就是你想我们为什么要宣传，有必要吗？因为我们要做的是什么？我们要做的是海外的Prosumer市场。那我们该做的是什么？应该是去让那些真正我们要用的用户去用起来。而如果我们在国内，比如说有人觉得我们买这些自媒体，其实对我们来说没有任何好处。那有人就问，那这些文章到底是哪来的？我觉得有两点回答很重要。第一点就是我们自己都觉得很酷的东西，我相信大家一定会觉得很酷。对他们来说，这是一个内容，他们值得去写。第二点是什么？我觉得可以用张涛一句话，这是我们多年广结善缘的结果。我们都不是第一次创业了，我们这么多年了一直比如说比较积极无私地分享我们很多东西，我们也会上比如说一些播客，或者经常写一些文章去跟大家分享我们一些见解。其实渐渐渐渐的，以前可能跟我们一起成长的很多小伙伴，他也许成为了很厉害的投资人，也许成为了一个自媒体人。那这时候他看见你的朋友在做一款产品的时候，你是不是自然就发出一个朋友支持，应该去写一下？我觉得大家把这个创业和媒体之间这些关系，想得有点太复杂了。我可能也许我是叫什么这个一个偏见。我觉得好像这个整个市场好像挺单纯的，就是你做出一个好的东西，且刚好是你的朋友的时候，大家就会愿意帮你一下。这是一个广结善缘的结果。

小俊: 但是我觉得Minus火了一天，它的热度好像迅速就降低了。你觉得为什么？

季超: 因为我们在国内没有任何持续的，这个就是我们其实在国内是处于一个我们可以叫灭火的这样的一个状态。因为我们觉得如果你把我们这个东西，比如过度地进行一些曲解，或者怎么对我们来说没有好处。我们只是一款AI产品出海的一个应用。我要给我们赋予太多的这些东西。所以你看我们当时在国内，我们所有团队没有任何对外发声。其实都是别人以一个第三方的角度来阐述我们。所以我们觉得在国内的热度降下来是好的。那在海外呢？在海外的，觉得这个就是我们想要看到的。当时是说有人说我们在海外做营销，我拜托你能买吗？这些东西你不可能买到的对吧？就是我们首先让我们的用户群，就是最Prosumer这些人看到这产品的价值。他们用起来，然后他们去自上而下地去影响更多去使用。是我们希望看到的。所以这个流程肯定没有国内突然火那么快，但其实也没有多长的时差。基本就是当国内3月5号晚上莫名其妙就火了，但其实美国基本就在三天之后就开始自下而上就火起来了。而且我们去看了，这两边链路基本完全不重叠。

小俊: 链路不重叠。

季超: 对，是的。就是海外火起来，完全就是比这些人他们先用起来，他们的影响力，再自上而下地影响。国内确实是媒体还有些们了多的内容。

小俊: 你们当时准备的邀请码有多少个？

季超: 邀请码其实动态地加的。就说我们跟云打电话，“现在比能加20万，我大家能加这么多码。”然后更来的码就经给朋友以成什么是那种我不好意拒绝，所以就成了一个谁跟我比熟们给内知道。我们指望他在国内规模的邀请码传播，怎么只是一种礼节性的给下这个会让网络上多用户的感受。不因为你们说你们有邀请码，这好像也是一种承诺。但是后来这件事就不了了之了。

小俊: 觉得邀请码不了了之不不了。

季超: 之后，我们用了极快的速度，大概不到一个，我们就把邀请码去掉了，就可以随便用了。所以我觉得这不是不了了之，我这是最负责任的一个做法。就是我们在云厂商和模型厂商的支持下，终于不用邀请码了。毕竟是我们很贵啊，贵，我觉得不是我们的问题。因为真的就是当时可以说一句实话，本。因为当时的Token还非常非常贵。我们其实已经是在补贴用户，让他们来体验AI Agent这个形态的产品。

小俊: 你们当时的定价逻辑是什么呀？

季超: 拍的，拍的。这个是我们觉得我们非常有问题的。第一是商业化能力其实还是比较有限的。第二，我们的PR或者说这个能力其实也很差。我们当时定价的逻辑特别简单，就是好像是20美金一个月，而且我们死活想不通的，为什么是20美金一个月？后来当然也跟别人聊，他们觉得当时也是拍脑袋拍的。但是没办法，人家就有一个Benchmark在这。所以当时我们想，那我们就是从20跟40开始呗。然后就延续至今。因为这个东西会有一个很大的惯性，就是你最好不要太随意地去调整你的价格。

小俊: 让用户可能会就已有用户，你最真实的用户可能体感不好。

季超: 对，所以这块我们就没有太大的一个变化。

小俊: 定价没有什么逻辑是吧？

季超: 定价没有什么逻辑。

小俊: 为什么不选择比他便宜呢？

季超: 因为是这样，其实这个定价没太所谓。因为Minus其实你无论你是给多少钱，你获得的是一个Credit的数量。它是本质，其实是一个按量付费的东西。所以只是就保证一个基础订阅的价格在那行。

小俊: 那现在你们已经跑正了？

季超: 马上跑正，马上跑正，马上跑正。因为其实是你要区分不同的Tier嘛。因为我们还是有很多的免费用户。我们认为免费用户也是，你可以说这是一种我们的社会责任或者怎么样。就是我们希望有更多的人能够体验AI Agent这个形态。

Minus的团队与文化

小俊: 在Minus整个就是做出来到火这个过程中，小红的决策是什么呢？

季超: 我觉得几乎所有的决策的最终决策人都是他。太多了吧，这你让我如何去枚举。从做到火，那几乎所有产品的决策最终都是他了。

小俊: 有什么是你们之间有一些争论的，然后最后谁听了谁的？

季超: 这其实我觉得我们之间的争论都会非常务实。这种讨论，就比如说一些关于到底要不要做一个单独这些东西。然后最后的结论其实都是我们赶紧做一个试试。所以其实到现在为止，不同用户用的Minus可能完全不一样。因为我们可能海量的Agent在跑。当然就是最终呢我们觉得最好的决策就是你限制一下时间。就是别为这个事，比如一天一天反一直犹豫，一直犹豫的，赶紧做做就好。

小俊: 现在在市场上去找反馈。

季超: 对，是的。

小俊: 你觉得你们今天的生态位是稳固的吗？

季超: 我觉得不是稳固的。或者说对于大部分创业公司，包括我们在内，其实我们都没有活着的权利。活着的权利是自己持续跑才能争取来的。

小俊: 火了之后生活发生变化没有？

季超: 有啊，就非常忙。尤其是就那几天。

小俊: 那几天是什么状态？

季超: 那几天其实就是颠倒黑白。因为我们其实非常理智，国内其实骂我们也好，或者称赞我们，我们都怎么说？就是没有办法，我们也不想回应什么东西。但真正就是我们的客户在哪里，我们要关注什么。所以那段时间真正的痛苦来自于颠倒黑白。因为我们要支撑，比如说各个时区，现在用户其实遍布世界各地嘛，真的是每一个大洲上都有很多我们的用户。所以那段时间我们团队也没有现在这么大，大家可能真的就是在不断地救火。就因为今天可能这个系统挂了，明天那个系统挂了，所以天天就是在救火，所以非常疲惫。

小俊: 能睡几个小时？

季超: 那段时间，我记得从第一周到第二周，基本每天就是零散的，可能加起来睡个三四个小时，都是那种间断性的。

小俊: 每天还是每周？

季超: 每天。

小俊: 办公室状态更嗨了是吗？还在那个小办公室？

季超: 那办公室。后来，当时这就是我们武汉有大的一个团队。大家就这也是我们经常反思的一点，就是我们好像跨区域协作能力蛮差的。所以当时大家想，那算了，大家赶紧出差吧。我们就赶紧在那个我们楼上租了一个大的办公室。武汉同事赶能飞过来就飞过来。大家不要在什么线上工作，赶紧线下，一起来讨论方案。然后那时候其实办公室氛围没有更嗨，真的就是非常非常疲惫。甚至当我们那个书架摆更多东西叫什么补剂营养品？

小俊: 补剂？

季超: 对，反正就是那段时间真的就是大家精神状态都很差。

小俊: 我听说你们那时那段时间融资给投资人开会。

季超: 对，那段时间很好玩。就是跟投资人开会，我们都是站着开。对对对。其实是这样，当时我们还挺感谢投资人的，你知道吗？因为确实每天白天的时候，我们看见的网上大多是一些比如骂我们的东西。而是真的就跟投资人好好讲的时候，得到正反馈，是我们一天中最最温暖。那个时候你知道吗？就是好吧，动的还是动的。

小俊: 你怎么看待你为什么被骂？

季超: 我觉得有几点。首先一点是我最近意识到的一个事，这是我觉得最惨的一个点，就是很多国内用户骂我们的根本原因是你用的根本不是Minus。借这个机会，我一定要非常非常郑重地强调一下。你在国内搜到的所有Minus都是假的，那都不是Minus，那都是来蹭我们热度的人。所以就是我们有一部分被骂的原因，是你用的那个东西就是一个山寨。另外也能理解，因为一个产品突然火起来，大家会觉得你过度营销或者怎么样。但刚才也回应了，如果我当时有这种行为的话，我死全家。这是一个很关键的一个点。但是我其实站在用户角度，我也能理解。因为你听说有一个很新奇的东西，但是它没有提供服务。大家的愤怒，我也是能理解。我觉得这是一个Gap，这是Gap是理解的。但是现在对我们来说，我们的团队能力是有限的。我们很难去说服务于所有的用户。比如我们甚至说让大家能在一起。因为我们的沟通能力，大家都在起团队有限盯有市场去做这东西，觉得不是一个让一些用户没用到，但这就是我们能力所限。

小俊: 中国市场未来会好好做吗？

季超: 我觉得这个比较难。对于我们来说，我们也没有那么多的资金去进行一些怎么说，补贴性这东西。我们之所以一开始选择出海，其实原因也非常非常简单，就是因为海外的用户对生产力工具的付费意愿更强。真非常的一个东。讲，有点像工业生产，而不是传统互联网这边界为零的东西。所以我们就会非常非常慎重地去做这件事。我们要保证自己能活下去，再去讨论这事。目前我们在活着的边缘。

小俊: 那中国这部分的功能由谁提供？

季超: 我觉得这个功能其实还是比较充裕的吧。在Minus出来之后，在接下来几个月中，看见有大量类似AI云产品出现，而且很多也是我们国内团队去做。所以觉得这个挺好的。但是真正我觉得难点就是他们会跟我们遇见一就是你到底要补贴到什么时候，你如何去把你的产品商业化跑通，决定能走多远。

外部合作与技术决策

小俊: 聊了什么有趣的人？

季超: 其实非常少。因为我们现在分工是这样，可能张涛跟小红会去建更多的外部合作。但是像我跟潘潘，我们还是要保证这个产品的持续迭代，所以刻意我应该去少见一些人。

小俊: 为什么海外很多巨头都愿意见你们？

季超: 我觉得几方面吧。一方面是这样，很多时候他们是同时具有云和模型业务的。比如说像Google，比如像Microsoft，那自然就是一个非常好的合作。相当于我们是他们非常大的客户。但与此同时，他们其实也在探索新的机会。在比如说前阵跟Microsoft发布了新产品。那话，你所有的电脑从一个PC变成IPC，那我们可能是这样生态版图中的一部分。然后更多的一些就是因为我们作为一个Agent，整个行业的一个代表，其实我们能给他们的一些东西，其实是影响未来他能服务更多人的一个的。像刚才讲到，比如说我们一些合作跟Microsoft这合作。其实我们也在主动把很多我们在构建过程中遇到的东西，以标准形式提供给更多开发者。Agent开发者大会直接就当着全场所有用户，所有开发者说“Minus有一只都可以用。”我觉得这，还是让我们挺有成就感。就是我们不仅做了一款很好产品，且我们的技术也在帮助更多人更好地构建。

小俊: Minus 1.5，中间有什么How吗？

季超: 我觉得这有一个最大的How，就是通过一个新的版本号是最好的，让用户理解有更新的方式。这个很好玩，就是大家可能已经习惯了像基座模型以版本来断，就比如说GPT-3、GPT-4对吧？那实际上我们做Agent或者做系统的时候，你很多时候还是在一个Feature来不断去强调说这一个更新这些更新。但用户的实感可能没有那么强。所以Minus 1.5它其实不是一个突变，它很好玩，它只是把我们过去一系列的东西以1.5形式打包了一下。其实很多新的Feature都是在过去几个月中迭代去上线的。但这个过程用户就能直接体现到，体体感到，“哎，好像非常不一样。”但说实话，其实1.5发布那一刻的更新没有那么大。就这种很好玩的一个发现。

小俊: 对，你得让用户意识到你有变化，用户才能真的去感受到变化。

季超: 对，这是第一点。然后第二点就是Minus 1.5非常大的一个技术的演进，就是我们把任务完成的速度进一步提升了。而且这个是一个无损的提升，就是说简单点就是Minus 1.5能够用更快的速度完成简单的任务。但在更复杂任务上去投入更多的In-Time的一个Compute，这方面也是比较大的一个差别。但是放到这个平均体感上来说，应该快了3到5倍。

小俊: 你那天还发朋友圈说，今天Minus有两件大事，一个是1.5发布，另一个恐怕要老了写回忆录再说了。是什么事？

季超: 呵呵呵呵。

小俊: 通用Agent未来会是什么关系？因为所有的Agent也会变成这样的。

季超: 但是实际上这个不是能力所决定的，我觉得是用户群决定的。比如说，对于所有人来可能不一人都高价值脑力劳动务，但自然的通过去做点就成一个AI时代大的入口。这是一个传播链路的这用描。我要保证就说对个用户，我们能永提供最好的体验，他们的需求里道不？某些场景下。但是对我来无所谓。因为我只是拿它完成一Easy，但们质敏感，做过一双试抽5用，我们悄悄会用。另外一个模型，让后就发现那块用户的满意度直接就下降了。所以我们其实在服务最挑剔的一群人。而他们永远要的就是此刻这一个时间点上AI能提供的最高的水平。

小俊: 火了以后飘过没有啊？

季超: 什么叫飘？飘就是飘了啊。不会，因为我们其实每天收到的负面反馈会比正面反馈更多。

小俊: 那会很悲伤吗？

季超: 也不会，因为我们都是老灯啊。中年。就其实就怎么说，就有点心里憋着一口气。就说，为什么现在我们可以站出说这事。开，就我们之前觉得说什么也没用，你还得打铁，需要自身硬。

小俊: Minus会有多大？它能服务多少用户？

季超: 我觉得不想用“服务多少用户”来衡量。我们还是说到底对于每个用户能产生多少价值，就是说对于一个高价值用户，他可能把Minus的用量是一个普通用户的1000倍。这实际每天都在发生。我们经常有一个用户，一个能给我们几千美金。为什么？因为他不断有很多高价值任务要跑。所以我觉得追求的不是DAU，这是我们很早就想清楚这件事，而是把最有高求的用户，高价值用户的高价值做到最好，体现在可能更多的是我们的营收，而不是DAU。

小俊: 这个是小红的想法吗？

季超: 这个我觉得就是大家Aligned后的一个想法。

小俊: 所以你们的公司指标是营收，不是DAU。

季超: 不是DAU。这个有趣。

小俊: 你觉得这个创业逻辑跟互联网时代是不是不一样？

季超: 我觉得完全不一样。原因是因为公司有Token消耗。不是，就是两点嘛。可能刚才我们都多少Cover到了。第一点就是AI其实不是一个平台变化，AI是一个技术增量。所以就是其实它怎么说，以前的优势是能够惯性发挥的。所以其很多场景下是传统的强者，加上AI，强者恒强，强者更强了。虽然这次听起来比较悲观，但是应该说强者具有先发优势，且较好地利用了这一点。这是第一点。然后第二点是什么？就刚才讲到这个边际成本的问题，就是目前为止，AI还是更像制造业，而不是像互联网。

小俊: 哦，这个还挺理智的。

季超: 不理智，早死了。

小俊: 所以你们没有试图去讲一个“我要做全球第一的通用Agent”或者是“全球最重要的入口”这样的一个故事。

季超: 这是两个命题。我们一定要做全球最好的通用Agent，这是一定要做最好的通用Agent。最高质量就是在当今一刻，如果你抛弃一切成本或者什么东西，我们永远提供最高的质量，这是第一点。

小俊: 如果有一个人来用低价打你们呢？

季超: 因为你们要，那我不用更低的价格打死他。那他们可以不要大厂就可以不要营收。

小俊: 哦，你说来卷是吧？

季超: 对啊。但这个东西其实是这样，我觉得对于一些用户来说，他们其实价格不是那么敏感。就包括现在Minus用户，其实我们也觉得Minus确实是挺贵的一个产品。但是我们的用户问我的问题，你知道是什么？是说Minus现在你收我40美金一个月，你能不能让我看看？如果我愿意付200美金，它效果能变好多少？所以我觉得这个Minus完全不一样的。所以就是这种定价的优化基本不在我们的路线图里。

小俊: 你们没有想要做最重要的那个AI入口之一吧？这是一个目标吗？

季超: 我觉得首先一点就是可能不存在单一的AI入口吧。就好比比如说现在移动互联网的入口是什么？哦，好像确实是存在一些。但我觉得就是对于我们服务这个客群，就以我们自己为例，我们自己一定是用户，我们自己手机上也有。这是一个当你足够的市场的时候，这些人会自己知道什么时候用什么产品。之前那个a16z有一个很好玩的一个调查，就说如果你的手机上装有某些某一个软件的话，那么这个用户的手机上安装另外一个软件的概率的最大异常值是什么？这个说法可能有点绕。就说对于一般人来说，可能你安装某个软件的概率是怎样。但是如果一个用户他手机上先装了一个软件，那突然哪个软件的安装概率突然提升？你发现装了有这些用户，他们的最大异常值全是ChatGPT。

季超: 所以几乎是在跟所有这并存的一个状态。当然这其实是好的解读。坏的解读，就是我们觉得目前其实远远没有渗透到所有我们想服务的用户。因为目前还是就是最业内或者相对来说比较这个科技圈的人充分了解，但方方面AI产品垄断效应。但是就是怎么说是AI产品的垄断是你能垄断一个类型。但是这个类型吧可能也在不断地产生，算不上垄断。为近，势头也很好，但你能垄断一种心智或者一个类型的心智，它能建立一个品牌。建立一个品牌，像比如说Google搜索引擎，一个统一90%市场或者高度成熟市场格局不敢说。但我搜索引擎市场认知，也做搜索阶市场常特殊。因搜索引擎其实一是内容里就。供给是无法因为技术的迭代而具备颠覆的。所以搜索引擎是一个非常容易强者恒强的领域。因为你已经跟太多人产生了利益的关联，包括你的广告商，你的内容商。但是Chatbot目前为止可能还是因为到现在ChatGPT也才，哦，刚好三年。我觉得还是一个比较早的状态。比如如果你现在只是2002年的Google的话，现在一切还不好说。而且好像还没有产生网络效应。

小俊: 对AI产品的网络效应，我觉得是好问题。

季超: 我觉得没有看到任何一个真正网络效应的AI产品，这是为什么？因为所谓的网络效应，我觉得更多是你能有两种吧，一种叫Someone Else's Work，就是说你能基于其他人的产出进一步地去贡献。这是一类。然后另外一类可能就是完全是由于用户关系所带来的网络效应。但这些东西其实在这两个场景里，AI乎都是附加值，对吧？AI是附加值，附加值不加了，它为什么就能进一步连接人类？或者说AI不是产生这两个要素的关键点。AI是能够帮你提效，能够帮你完成任务，能够给你产生结果，产生交付。

小俊: 那可能新的网络不是人和人的，是AI和AI的，或者人和AI的。

季超: 哦，要这么说的话，我觉得是有的。就包括我刚才一直在强调一个词，叫比如说基础能力或原子能力的网络效应。就刚才我们讲过，增加能力非常谨慎。但是我每次都要保证就是这个能力能跟别的能力形成组合拳。用了组合，这个就是什么意思呢？比如说最我们加入了一个看图的能力，看图能力。想法很简单，就只不过是说希望Minus能看一看它生成的图好不好。后来，你发现加了看图或者多模态输入能力之后，Minus开始自己学会去检查自己做的网页是否能玩得通。所以就是你增加一个基础能力，同时能你所有通用产品交叫粒子能力网络效应。我们经观察到你力个指数形式提升，这是第一点。就是说Agent之间的网络效应的话，那看怎么解读。比如我觉得个广域搜索能力其实也是一种，也许是Agent之网络效应嘛。就是一个Agent可以调度很多别的Agent，它们之间还能互相通信，去共同完成一个单独的一个Agent无法完成的任务。也有些人尝试，就是说让Agent加入到人的工作上下文中，我们也在试带来一个的是带，但更都人人之无形中产生的块多。人之间的网络效应。那目前来看，这可能还是因为偏专业吧，没有大家想象中那种爆发式的网络效应。然后如果你说就是像比如说AI之间社交的这个形态的话，那我觉得这可能不像是我们这种就做市场的人所能看到，那可能更多是偏娱乐。这个领刚讲是代替人去社交，这可能也是一种网络效应。

小俊: 如果一个公司要做某一种Agent，可能希望被调用，有建议。

季超: 我觉得这个东西其实你不需要为Agent做任何优化，这是我们非常坚持一点。就是其实是这样，你看现在我们觉得做AI最大的难点是什么？我们反向来思考这个问题，是因为就像自动驾驶一样，自动驾驶是物理世界所有的基础设施是为人而设计。而现在赛博世界所有的这些基础设施，包括网站、网页，或者各都是为人而设计。所以我们想法是我不能指望Agent世界就为Agent做好了准备。而实际上我们应该去不断地让两侧相向而行。比如说最简单一点，就是现在大家有Function Calling概念？那实际上Function Calling也面临诸多问题。比如说生态不成熟，很多开发者提供的Function Calling服务本身质量就参差不齐，且大部分的服务其实是没有Function Calling的。所以Minus的选择是说，如果有Function Calling，当然很好，我可以用Function Calling。但是别忘了Minus是一个通用Agent。如果一个程序员通过AI的形式去调用一个服务的话，可以自己学这文档，然后自己通过AI来使用。如果再不你这个服务，连API都没有，那你总是给人用的话，那你大概率有个网页，那会再一次降级。通过浏览器去模拟人的方式去使用这个东西。所以我觉得对第三方来说，你不用为Minus或者说未来的通用Agent做任何适配，应该是我去适配。

小俊: AI网络可能会形成什么样的网络？

季超: 我觉得这个词很大。我知道有一个OpenAI的那个图。但我觉得这可能只是OpenAI的观点吧，可能不算是一个非常共识的一事。我们可能还是从更务实的角度去出发。我觉得就是如果你是它的主动性的话，那网络可能会形成，就是相当于有一部分垂直，其实掌握一部分数据性的差异。比如说有些数据只能在某一个垂直领域获取。那可能我觉得它的网络与其说是一个全联通的网络，更像一个新型的，就是说新型的，就是说它有一个调度者，有像你刚才说入口概念，它利用不同的Agent。但是呢它可能难以形成一个完全互通的网络。

小俊: 所以通用Agent会成为那个入口。

季超: 我想是的。

小俊: 为什么会是这种结果？

季超: 我觉得因为就还是刚才那点，就是如果你做垂直Agent，你在做一个工具。如果你在做一个通用Agent，你在模拟一个人。所以做垂直Agent呢应该是为像Minus这样的公司做，为AI做，还是为人做？我刚讲这就是两条路嘛。就是如果你想做一个给专业人士，就刚刚讲的就是你如果想做一个剪辑Agent，且为现有的剪辑师去做的话，那你要做得非常非常专业，这是给人用的。但如果你想做一个为非剪辑师但有剪辑需求的人做的产品，那你可以考虑做一个非常简单应用的界面，同时也暴露出足够多的API，然后我们一起把这个生态给做好。对不起，API或Function Calling。

小俊: 呵呵。你说你坚信纯血派Agent，什么叫纯血派Agent？

季超: Agent这个词的定义，其实就是一个很含糊的事。我觉得大部分时候，大家会把两个概念混在一起谈，一个叫做Agent Workflow，一个叫做Agent。方面有一个写情。就说很多人说Agent要追求一个稳定性的话，那你可能更多的是在一个Workflow的方式去做Agent。但在我们眼中，这个不叫Agent，这个就是Workflow。而我们认为什么叫纯血派Agent？就是说它其实没有人为的约束，而是说完成一个任务的所有过程和方式是由智能本身决定的。这个我觉得它的天花板会非常非常高。当然你跟现在此刻来对比的话，可能Agent Workflow的可复现性会好一些。但是我觉得这是一个可以解决的问题。所以我们非常坚信，就是要做纯血派Agent，由智能主导的Agent，而不是以规则主导的Agent Workflow。这才是更符合我们刚才讲的Lesson这一个事，用通用的方法，投入更大的算力去解决问题，而不是加入更多的人为知识。

小俊: 这在你的实际工作中有做过这样的类似的选择吗？

季超: 有了有了有了，这是我们每天都要讨论的一件事。就是可能比如说舍弃过什么，其实舍弃东西非常多。我举一个比较简单的例子，就是说你要让一个Agent做数据可视化工作，对吧？那么比较简单的，比如产品驱动的纯产品驱动做法应该说“好，那我要保证所有语言下的数据可视化的效果非常非常好。你不能因为有不同的语言而产生比如字体乱码这些问题。”那可能把这块成一个叫你叫做Sub-Agent，或者你很多单独的Prompt，就当你比说数据可视化应该注意什么什么什么东西，写一大堆的Guardrail。你每增加一条约束，其实你都在减小模型的Diversity，减少模型的一个多样性。那这是我们的做法是什么呢？其实就刚才讲的，我们只不过是加入了一条查看图片的能力。而这样的话，我们期望的是什么？是智能能够通过自己查看这张图，自己发现说“哦，我原来有字体这个字体选择的错误，致中文渲染失败”，而去修改。这样其实解决的不是一个问题。比如说它还能检查到这个画的图，其实有两个元素重叠了。那其实能够去修复它。

季超: 还能变成一个，从就是我就打鸭子这种，在堵所有的漏洞，变成一种你在让智能的泛化性在帮你解决更多你还未发现的问题。所以我觉得这是纯血派Agent的一个思维方式。当然，你做这种直接去修补这个事永远很有吸引力的，而且这更符合传统软件工程和产品经理的直觉。那这时候就是我要站出来的职责，就是拦住所有人，不要这么干。

小俊: 呵呵。你还说市场上关于AI Agent的做法都是错的呀？展开讲讲。

季超: 没有没有没有都是错的。像刚才我讲了一点，就是很多人过于执着于让Agent模仿人类的分工这件事。我是非常不认同这一点。我就说就是不要把人因为生而为人的限制搬给AI，你应该站在模型的角度去思考问题。或者说我们在做产品的时候，经常说一句话，就是如果你真的是在做Agent，你同时在做两个产品。一个是给人用的，一个是给AI用的。而这两个东西的思维模式是不一样的。但你就需要一个很好的技术架构，把两者融合在一起。

小俊: 给AI用会是什么样的啊？

季超: 对不起，给模型用的。就这么说吧，模型其实它的思维模式跟人是不一样的。或者说它根本就不是人。而人的话，你是因为你有一些先天的训练，所以说我是一个设计师，我更懂什么，我是一个程序员，我更懂什么。但讲真大家用的模型，现在其实都是一个通用LLM。那这块其实这个假设就是错的对吧？那其实你应该做的事情是减小它犯糊涂的概率。而这块的话，你的做法不应该是说我赋予你一个人格，你怎么怎么样？而你应该是通过一些Context Engineering的技巧，比如说可约束解码、Action Space的设计，这些技术来让他更好地去完成他自己分内的事，但又不让他丧失全能性。我说的可能有一点空泛，但是可以参考我之前发的各种文章。

小俊: 所以把Agent的人格化是一种人的自恋。

季超: 对，是的。这也是贝特森（Gregory Bateson）说的。

小俊: 是吗？贝特森有这句话，好的时候会给大家去读一下这个。那我太同意了。

Minus的组织与未来展望

小俊: 你们的组织有发生过变化吗？Minus出来之后。

季超: 有的，而且我觉得这个其实不仅不该说叫变化吧，就是我们也在探索一种新的可能性。因为在此之前也没有所谓真正的那种纯粹的Agent公司。然后我觉得现在我们结构的话，可能有几个比较特色的点可以分享一下。就是比如说我们现在还是大部分人都是研发。但是团队的话会比以前的这种软件开发会更奇怪一点。当然你传统的，比如说移动端前端都在，然后商业，这都有。但我会有两个很好的团队，一个团队叫Sandbox，其实就是负责这个虚拟化运行环境的团队。他们要维护的是一套给Agent使用的操作系统。这刚才讲的就是负责给Agent做产品的人。另外还有一个我们就叫做Agent Team，由这个所谓的Agent工程师，他可能负责的就是说整体架构的开发。还有一部分就是评估团队，还有一个很小的Research Team，这三部分共同组成。Agent Team大概有这二三十个人。我觉得这个是传统意义上来可能会被融比。广义的后研发当中，发现它其实比较不一样。因为他在做的这个事情不是面向人的，是面向模型的一个工作。

小俊: 他们的工作主要包括些想不到的呀。

季超: 意想不到的，我觉得对我来说当然都是意想得到的事情。但是我觉得有几点吧，就是好像Sandbox团队在做的事情，更像是在教一个不会用电脑的人，如何更好地用电脑。而这个Agent Team在做的事情，其实是说如何设计一套稳健但统一的架构，让我们能够持续地跟上模型的进步。这个其实是很有意思的一个话题，就是因为模型进步的速度真的非常快。可能如果你考虑到不同厂家都在迭代，那基本是一个以周为单位更新的一个变化。主要的工作是框架，保证能跟上。所以我自己有一套好玩的方法论，我们叫做弱到强的衡量。这什么意思呢？是你，其实整个Agent中你有两个外部变量，对不起，不要外部变量，就有两个重要的变量，影响你的质量。一个是模型，一个是框架。那这块你要做消融对比，那这块做法是什么呢？因为模型的未来的变化，我们要保证每一次模型迭代，我们的框架能够受益最多。那我们做法就说我们先把一个当前版本的框架进行锁死，然后呢选一个同源的模型家族。比如说同样你都你拿它的弱版本跟强版进行对比，然后你不断调整你的框架，之后能够期望就说，模型变强的时候，我获得的增幅是最大的。这块就是我们Agent Team经常关注的一个点。

小俊: 文化有变化吗？

季超: 文化的话，我觉得有一些。可能从Monica那款产品呢，它是一个非常大而全的产品。当时很全，但做法不是说在单点击破之前，可能更多是觉得用户有需求，我就要去做。我的做法，是用一个最快的路径，点点到点最短的一条路去实现。而其实我们会有非常非常多的考虑，就是说你这样一条路你是能走通，但你有没有跟别的原子能力产生网络效应。所以现在我们做每一个新功能前都会非常非常慎重，而是要保证说每新增的一个单点的能力都不是一个单点。这句话说得好绕，是每增加的一个新能力，都能让系统整体获得一个收益。所以是一个非常节制的状态。这以前心态不同。

小俊: 你们放弃过什么Feature？

季超: 放弃的Feature非常多。比如说很多语音相关的事，我们其实都放弃了。

小俊: 为什么？

季超: 语音输入当然觉得很有用。但比如说这种语音的输出或者主动调用一些东西，我们觉得首先这类东西不一定要由我们第一方来全部做完。因为我们跟大家不是竞争关系。比如我会直接让Minus连接我去使用，这没问题。还有一些功能，就比如说像生图跟生视频。虽然我们有这功能，但我们没有非常大力地去优化它。因为我觉得这个东西是一定会做得很好的一个基建上面的事情，我们没有特别多差异性的事，我们没必要非常深入地去做。然后更多的这些事情，其实我们都是以一种非常开放的心态去做。就是如果这个通用Agent自己的泛化能力就能解决的话，那我们没必要去专门去做这件事。因为我们很可能投入不够，去给用户做了一个次品，这个是不好的。因为别忘了，我们用户是高价值，有最高要求。他们值得。

季超: 你一直在强调，你们跟所有人都不是竞争关系。我觉得这是事实。这就是我们做海外市场之后发现的很好玩的一点。就是他们可能因为之前SaaS领域做得实在是太成熟了，所以就是不同服务之间的互联互通。即使一个技术层面的事，其实也是一个你可以想涉及到Branding的一个概念。就比如说我们经常会跟比如像Notion这样的创业公司一起做联合发布。因为很都是一个当我有一个能当这条边连通的，它产生的价值非常非常大的。而且我一次甚成串接多个服务。我刚才讲到的我自己的使用场景是Notion三个服务之们都串在一起。所以我觉得与其跟每一个竞争，你去做一个比不过别人的东西，你为什么不让大家一起去做呢？这觉得就是我们获得了很的一个Monica学到的经验。就如果你要做很多单独的Feature，做起来一直爽，但是你要维护它并保证功能是长期有竞争力的，是很累很累的。那可能会导致你的团队无限膨胀，这是一个不好的情况。应该去分利用人做好的西，产生一Synergy，而不是去跟别人直接去硬碰硬。

小俊: 你过去这大半年做过哪些重要的技术决策？你作为首席科学家。

季超: 我觉得有几个。第一个就是我们没有盲目地去追RAG这条路。对，就是刚才讲到的，其实你按现在比较朴素意义上的RAG on Model，你会导致False Positive跟这个多的增加。所以这个是我们当时做的比较重要的一点。我们用了一个比较另类的方法，就有一个单独的Planning Stage来做的这个事。然后还有一个比较大的一个点，是我们对于Function Calling的决策是非常保守的。这个其实Function Calling出来之后，整体业界都非常嗨，然后很多人就开始去接。但实际上我们当时就觉得这个会严重污染你的Action Space，而且会导致你的缓存命中率。就是因为你每次你是动态发现工具和卸载工具，都会导致你这个缓存命中率下降。而缓存命中率下降会严重影响你的成本。所以当时我们也是花了一些精力，我们去研究了一套，就是不在原始Action Space内的Function Calling调用方法。这个后来当然也被称为Toolformer。

季超: 然后还有一些像我们其实整体对Context Engineering做了非常多的工作的。而且这块我基本全都给共享出来了。像比如说对于文件系统的使用啊什么这些东西。我觉得就是一些连续的技术方面的决策吧。我觉得没有哪一个是最重要的一点。因为我觉得做Agent，其实跟训练模型很像，就是你其实更重要的是做对100件小事，而不是做对三个大事。

小俊: 你有后悔的决策？

季超: 肯定也有。比如说但我觉得后悔的可能都是更细微这些事。因为我们调整得非常快，所以很难形成真正后悔的东西。

小俊: 对模型就是在模型决策上，你有什么后悔的决策没有啊？在用模型还是训模型？

季超: 训模型是有一些。比如说一开始有点太迷信小模型。

小俊: 哦，其实参数量还是很重要。

季超: 还会迷信小模型。对，因为当时其实有一点是这样的一个假设，就是说对待会可以换一个方法来回答这个。我先说完这个吧。当时的想法是Agent其实能更高频地与外界进行数据和环境的反馈的获取。那我们当时想是不是有一种可能性，就是小模型跟大模型里头，一部分参数量都用在了参数化的记忆或者知识。那对于Agent来说，是不是参数化知识没有那么重要。而如果你小模型有足够强的工具使用能力的话，知识是可以动态弥补的。但后来发现怎么说，实验结果是不是的？但我们在反思，为什么也许是这样，你很难去完全分离。什么是知识？什么是记忆？哪些是泛化能力？哪些是参数化的背。后来发现这是不现实去区分的。所以大参数量还是有用。

小俊: 我听过一种说法，就是说他们觉得只有你一个是研究员，或者说你的研究工作是独立于所有人的。他们觉得这种研究员的配置和管理方式或者组织方式跟不上现在全球竞争。

季超: 我觉得这个问题。首先它的一个技术假设是错的。不止我一个人，我们是正常招Research Engineer。另外一点就是说我觉得首先一点是跟上所这件事是不成立的，就是我们的目标不是说要跟上模型方面的工作。我刚才一直在强调一点，就至少现阶还是一个共建的关系。或者用一个更利的角度来说，是我们成功的把型训练这包出去。那么这样其实就用户给我们的钱同时服务了用户，且让我们有影响力，让别人帮我们去模型。那我们内部Research Team更关注的其实是一些非共识性的东西。包括其实很多Context Engineering工作是要做大量实验的，这些东西不是一个怎么靠工程能解决前在这没有什分享的是首个他现在的解读有有狭义和广义的就义关注。说到底不能通过持续的改变参数而获得一些改变。这是一个严格上的定义。但实际上，我发现现大家把三件事混在了一起。第一种呢可能就刚才讲的这是狭义Online Learning。第二种应该是Mass Personalization，就大规模个性化。第三种，其实不是Online Learning，而是更像我上一代创业Long Context，这解决规模性化，其不一。刚基用同的一行为的式，甚至你Prompt式去动态注入一些Learning型，为发改实更高效的为。如果你为每个用户，即使你比很小向那个解决方案，其实你也让每一个用户有一个不可复用的参数在那里头。那么你的推理效率可能会得更也有些清号称能，但推理效率还。规模效应，成本降Latency。

季超: 大规模个性化，你不一定要以Online Learning或参数化的形式去完成，这是第一点。第二点就是说到底是要持续学习，还是说在线学习，这个我觉得是一个非常大的区别。这个更多是看你的目标是什么？你建模的任务是一个理想分布，时而改的情况，你要持续学习的。我想象的些领域，金融市场也今天的正确答案不一定是明天的正确答案，为一个真是很有价值的。但实际上你现在一些所谓的Learning Practice实，我觉得它只能称为一个On-Policy的持续学习。像说，举有些公司他们我通过持续在线去收集用户的一些接受率和接受和拒绝率，来优化一补全的准确率。但你看这一个任务，其实并不会因为时间的改变而影响他的理想分布，只是一个据收集并性优化的型之。但你会发现，如果你的任务本身不具备这种动态性能，其实你很快会让这个你去你会打透这个，所以它不是一个有持续提升空间的事情。所以我觉得这个东西还需要去去看。

季超: 没有立注应型型，才与其充分的去无限的去扩展，不如让模型学会这个Compression。就刚才讲的让型意识到自己的上下文可能会被压缩出更好的一个选择，更了解文件系统如何去Load，这是第一点。第二点就是刚才讲的关这个Reinforcement Learning的优化的目标，不要以这个纯中脑的式者工具集成的推重完全竞赛编程。数完。一个思路。第三点，其实可能跟Agent的工况有关。在Chatbot的场景下，永远是用户跟模型交替执行。这样的话，就是用户跟Agent，你等我，我等你你等我，我等你。实刚出来的时候，有一个让大家都觉得非常新奇的体验，就是说，Agent在持续工作的过程中，用户可以随时插嘴，要么是改变目标，要么是补充信息，甚至去终结它。这很多型还没有完全掌握一交互的模，它可能跟用是处于一个异步的空间中，这也是我觉得非常值得去做的。

季超: 第四点就是我觉得模型应该更关注一些，就是说对于错误的处理和恢复能力。这个东西，我知道领域其实已经有了一些更多的关注吧。因为其实如果你把部署在真实环境中，就错实一个常态。因为可能来自于比环境的报错，说系统一定会有问题，资源受限，或者你写这个代码会报错。但实际上有很多是非代码性的错误。就比你一个或者一个批量文件处理的过程中，遇见很多意料之外的事发生。你发现有一些模型，它可能要么会放弃掉，要么他可能会甚至陷入一类似循环的状态。最好的模型应该是他永远能找到一条别的路去尝试。这个是需要专门去训练的一个事。目前我比较想强调的就是这几点。

小俊: 你的微信为什么一直叫微信小助手？

季超: 我觉得就是一个娱乐精神。而且很早的时候就叫了这个名字。当时就想看一看，有哪些跟微信官方很像，但是仍然能被使用。想叫文件传输助手，但是意料之中，都不能用。后来因为微博的那个官方号叫微博小秘书，所以我试叫微信小秘书。然后后来腾讯也果然禁止别人再叫这个名。然后那我觉得就保留了嘛。

小俊: 这次创业跟之前两次有什么不一样的地方？

季超: 我觉得首先现在创业的成本比以前还是要高不少的。

小俊: 高多少？直观感觉。

季超: 因为之前刚才讲的就是你如果做移动互联网的话，其实你边际成本很低。但现在的话其实上来就是挺重资产的一个投入。上线第一天，那基本就是几十万美金。

小俊: 几十万美金？

季超: 对，所以这是第一点。然后第二点就是我这是一次让我们充分参与全球竞争的一次创业。然后我们甚至经常内部开玩笑说，就是有一种从CBA打到了NBA的感觉。然后确实就感觉可能我们之前哪怕在Monica的阶段，金伟觉得好像我们做得还不错了。然后到现在的话，虽然我们说现在可能已经1亿ARR了。但是如果你在横向看同样的这些各行各业的头部选手的话，我们好像又不算什么，就可能这就是一个NBA的平均水平。所以就觉得还是在学习中。

小俊: 过去一年对小红有什么新的认识吗？

季超: 对的，新的认识对小红。我觉得是比较符合预期的。就刚才讲的就是情绪依然很稳定。但我觉得可能更多了解，就是我觉得，即使像他这样，可能比我经验更丰富的连续创业者，其实在很多时候还是依然会有很多人性的脆弱。就比如说我们经常讲，好像我们不在意或者怎么样。但其实有时候听到一些东西，大家心里还是觉得挺尖锐的。然后小红可能比我没有我那么没心没肺。就是他很多时候还是比较容易受到这些事的影响，他会不开心，甚至就是就很着急嘛。我觉得这也就是团队在一起的好处，就我们可以互相分担一下痛苦。虽然小红经常说一句话，就是说“接下来一段时间我可能很抑郁，你们不用帮我。”但是谁会真的就放他不管的嘛，对吧？

小俊: 哦，他反而情绪不稳定是吧？

季超: 或者不是不稳定嘛，就是他的情绪是稳定，但他很容易就是低落。他不会那种就很忽然怎么样。他没有，那我刚刚讲那个就是艺术家那个问题。对，但是他也是比较容易受伤的一个，更感性一点。

小俊: 对其他团队其他几个成员呢？你觉得你们之前是什么样的协作关系？

季超: 我觉得是这样，大家其实在共同的话题上讨论能非常多。因为刚讲的就是每个人其实都有很综合的经验。但实际上现在的话大家因为术业有专攻嘛，比如跟张涛的合作就会非常有意思。就是张涛，其实真的现在是我们觉得是他出差圣体，就是经常要去全世界各地去参加一些比如跟合作伙伴的活动啊这个东西。所以张涛更多是给我们带回一些比较新的方向性的内容。我觉得这其实可能是做CPO这个角色的最高境界。就是他其实是不仅是一个对内的产品的指导，更多的其实是一个对整体行业有产品洞察的输出，并带回了来自交叉的观点。带回了交叉观点，回到给我们。所以其实张涛很多时候给我们是一些非常宏观的一些建议，但是很快都能落下去。比如刚刚讲的Broad Research是张涛在飞机上，就是他综合了很多不同的想法之后，我们一起讨论出来。

季超: 后来像更多的这边呢，我们可能觉得我们正在有一个大的思想转变。之前或者过去一年中，我们常得是一个增长，是我们内部开采着西瓜皮。就是其实我们几乎就没有什么定向的增长动作。这可能是我们刚才讲的，就是让用户自发选择的一个负面作用。就说我们从没有引导过，或者说我们想获取哪一类的用户，完全就是什么用户用，我们服务他们。但实际上如果你从一个获客和增长的角度来看的话，这好像不是非常主动，或者不是非常可控。所以我们觉得就是我们接下来有一个转变，就是可能更多由产品驱动，采西瓜皮成一个我们服务我们的增长，去做很多的功能性质的东西。这是一个大的一个变化。然像内部运营的话，觉这一直都是贯穿始终的，没有什么跟大别的公司有特别不一样的点吧。

小俊: 产品和模型谁的话语权更大？产品和技术在你们公司。

季超: 产品跟技术我觉得是这样。我们首先明白，技术是要服务于产品的，但是技术基本对很多事是有一票否决权。比如说就是刚才讲到，比如说产品可能会有一些非常诱人的快的做法。刚才讲到的就是一些事情，你是否要放弃纯血派Agent这个想法，而采用一种快速的这种。那这种情况无论是我还是技术，都会站出来直接阻止这件事发生。

小俊: 那你们大概是产品两票，就是小红和张涛，然后你和潘潘是技术两票啊。

季超: 不，我们非常反对投票这个概念。因为我觉得投票这件事，其实是在异化团队。就是因为如果不同的观点的话，那大家可能会为自己的观点去服务。你应该看的是目标，而不是就是投票的一个手段。大家如果目标是一致的话，那你一定能去达成一个共识，但不是通过明确地去站队去投票，所以我们几乎不会搞投票这个事。

小俊: 你们讨论谁会更强势一些呢？

季超: 其实讨论的过程中没有人强势，但我们会期待CEO来做一个最终的决定。所以讨论的价值，我觉得不是说讨论出一个结果，而是说更多的人提供出更多的方案。就刚才讲的Alternatives，就是一件事。其实如果目标是确定的话，你有越多的可选方案越好，不一定是你要想办你想出一个最高质量的。要不然的话，你供给大家做决策的选项都不够多。

小俊: 现在这个公司是100人，之前两公司的团队大概规模多大？

季超: 我以前带过最大的团队也就10个人左右。

小俊: 第二家公司10个人？

季超: 是的。

小俊: 你觉得AI时代的公司的组织方式和协作方式发生变化，就是组织。组织有没有变化？

季超: 我觉得组织的话变化其实可能没有大家想象中那么大，但反而组织中多了很多的AI，这其实也是我们比较在主动引导的一件事。就是像我们公司有一个很优厚的条件，就是说如果你使用任何AI产品，不只是Minus。比如说你使用别的第三方的AI产品，我们都尽量全都报销。我们非常鼓励程序员，比如用各种Agent。然后对于非程序员的话，你有各种能提效的工具，你都全都可以使用。因为我们觉得作为一家AI公司，你首先员工去了解现在到底发生了什么，业界的前沿是什么东西。所以我们觉得与其说是整体的组织结构变化，不是发现更多的人可能让他自己有了两倍10倍的生产力提升。但他并没有还没有到一种就是AI能够替代哪些岗位的一个状态。

小俊: 你是不是不喜欢管人啊？

季超: 我非常不喜欢管人。一开始就说了这一点，我觉得管人很痛苦。

小俊: 呵呵。你为什么不喜欢管人？就是人的复杂度比AI还要高？

季超: 而且就是人的复杂度其实是怎么说呢？会随着人数增加还是指数级增长的一个复杂网络。但其实程序你写得好的话，你也有足够好的设计模式的话，整体的复杂性增长是可控的。

小俊: 你性格很开朗，你为什么不喜欢管人？因为你除了觉得人复杂，还有什么原因吗？

季超: 我觉得就是它是很占用我的带宽的。因为我觉得我的体力其实挺差的。

小俊: 没看出来。

季超: 我只是跟你聊的时候能聊的比较多，但其实我体力是挺差。就是如果我一天我把更多的时间花在了管人，或者说广义的非技术层面的事的话，我每天我的有效输出就会变得少很多。而现在的话就是我认清了一件事，就是与其去弥补自己，或者去补强自己哪方面的能力，不如把这方面能力外包出去，还是自己做最擅长，要不值得呀。

小俊: 你觉得AI时代能帮助人更好地做人吗？

季超: 我觉得一定是可以的。就是如果用一个最极端的想法来讲，就是我们不喜欢的事都被AI所取代的话，那剩下的东西其实就是人自己嘛，对吧？就是很多时候大家对AI的恐惧有点像。比如说当年纺织机被发明出来，他们会担心说“啊，如果有那么多纺织机，纺织女工是不是都要下岗了？”但实际上确实是很多人不再做纺织女工，但他们获得了全新的工作和全新的生活。你也解放了很多东西。我现在就是大家对AI的这种恐惧和人的取代的核心恐惧在于你AI用得不够多。我觉得就是像以前，比如有了汽车，你能去更远的地方。在10年前，你可能要学会用电脑才能找到更好的工作。现在我就是学会跟AI共处之后，其实没有那么多的恐惧。反而是给你解放了更多人的一面。

AI的未来与行业观察

小俊: 你对于1年后的AI或者AI的世界有什么想象？

季超: 我不敢想象，因为我觉得我们的事业只能有3个月的事业。

小俊: 3个月后呢？

季超: 3个月后，我觉得就是首先就是大家在Minus这件事上会有很大的一个进展，就是头一次可能让人跟AI交互的时长变短，但是产出价值变高。第二呢，我觉得应该还能看见一次较大的成本降低。这可能像Claude 4.5已经给大家一点曙光。

小俊: 你怎么看现在大模型产品的SOTA排名一直在变？

季超: 我觉得这个是一个比较意料之外的事情。就是因为国内或者说开源的，我们先不说吧。就说像国外这个头三名就是OpenAI跟Google跟Meta，他们其实之间我一开始预期是可能有人会掉队。因为当时我是用一种比较朴素的思想在想，就是到底谁掌握硬件，或者谁掌握Tool Calling。但目前来看，可能就是因为大家还是在一个比较分化，比较Diverse的方向在努力。但是实际上你的这个排名最后衡量的其实是一个综合的体验。所以如你仔细看的话，他们可能其实是通过一些长板来拉出了一个平均值，较高。所以我觉得这个是确实跟想象中不太一样。但是这个事这么看来，可能也会在持续一段时间。

小俊: 模型竞争什么时候可以看到重点？

季超: 模型竞争没有重点。

小俊: 这是为什么？

季超: 我不做模型产品的竞争有重点。产品其实也是没有重点的。

小俊: 什么时候会有一个相对的稳态？

季超: 移动互联网可能到什么时候稳态？是当真正用户的时间被瓜分完了之后，出现了移动互联网的稳态。

小俊: 可以这么说吗？好像是。

季超: 对。但是我觉得现在AI的有限资源是什么？AI目前至少我们努力的方向是不占用用户的时间，而为用户创造价值。所以这一个约束条件消失了。那什么时候会达到稳态呢？

小俊: 那是因为你们做的相对还是帮人提效的，还是工具类的产品，对吧？

季超: 当然你不想说你这个工具。不，或者说不是因为是工具类，而是因为Minus或者说Agent，它其实是在减少与用户直接交互的时间，但在持续后台创造价值。所以就说人跟产品交互的时长不是一个有限的约束条件。像之前，比如娱乐互联网时代，无论你做哪一个类型的产品，你都绕不过你本质上在跟抖音竞争。因为抖音占据了很多用户的时长。但现在我觉得AI是不一样的。

小俊: 那AI时代肯定会出现AI时代的抖音，就AI时代让大家更好地娱乐产品。

季超: 对。但是我就说你娱乐时间，你可以多花在这个AI的抖音上没有问题。但实际上因为你能调度很多异步的Agent，大家都在跟你不交互的前提下给你提供价值，你也会为他付费。所以我就说它不会因为用户的总注意力时长而产生一个瓶颈，导致稳态。所以我现在还没有想出来，就是AI时代到底什么是产生稳态的那一个约束条件？

小俊: 你觉得今天在这个AI的浪潮的哪个时间段？特别像你过去创业哪个时间点。

季超: 我觉得有点像2018年。就是因为你刚才的一个约束条件，说各像我上次创业AI创业的时候的哪个阶段。就是现在大家可能看到了，像当年Transformer出来之后的那一阵疯狂。然后BERT给大家带来了第一批应用的落地。但实际上现在也暴露出了当前范式的一些。你不能说增长乏力，就Scaling肯定还是有用的。但大家一直在期待一个下一次的阶跃性变化。但是2019年的GPT-3可能是我心中那一个阶跃的一个点。

小俊: Scaling Law停止了吗？

季超: 我就没有停止。因为Scaling Law你要看狭义的Scaling Law，其实不是大家想的那么复杂。你关注的只是Loss曲线。我觉得这个东西肯定还是能降的。

小俊: 广义的呢？

季超: 广义的大家就经常觉得说我固定就是比如投入多大的算力。因算力基本等于你这个模型参数乘以一个Token训练的Token量嘛。大家就期待说我加多少倍之后能解锁多少新的场景。这个东西我觉得是很难保证的。因为你不一定就说你模型在翻多少倍之后，就以前没被发现的能力就涌现出来。但实际上现在我们觉得即使模型的能力没有解锁全新的使用场景，现有很多的场景，你的质量其实也是不够的。但是其实对于用户来说，质量往往可能更重要。这样的话，你做产品的团队能把这事进一步深挖。所以就是我觉得当前很大的问题，不是说有哪些需求没被满足，是它的完成质量还需要提升。

小俊: Agent一定是有用的，但明年会爆发。

季超: AI已经爆发了，已经爆发了。AI已经爆发了。只不过就是我觉得大家可能没看到那种，就是你想象中那种一片生机就冒出很多。但处一状才讲，就是场景，大家都在挖。但实每一个场景可能差一口质量的一口气。可是质量决定完成度，决定是模型能力决定的吗？我觉得很多方面既有模型能力，也有你这环境的适配如何获取，以及整个这个东西是需要一个就是整个Ecosystem去共同进步的。像我刚才讲的，你在使用过程中，很多时候是一些人为的你机验证给拦住了。者说，有些网站就是不想让AI来访问，这块要很多的一些技术的场因素去合作。但是这块目前也看见很多很积极的进展。支付这些东西支付其很多。会变得更顺畅一点。

小俊: 所以2026年Agent会进一步爆发。

季超: 我觉得一定是。

小俊: 在你眼里的Agent公司，除了你们还有谁做得比较好？

季超: 我觉得做Agent的公司非常多。像，比如说你如果看垂玉的话，像Perplexity。然后Midjourney，那就更多了。我觉得目前几家像OpenAI领域真是强者，如连。但还有这Character.ai他都很强。然后更多的我觉得To C端的看见不够。因为真前做To C端的跟我们是做提效的，而效还是刚才只举几个子吧。

小俊: 2026年的市场会有什么变化？更多To C端呢？

季超: 我觉得不一定更多To C端。我觉得应该是渗透到更大的人群，就是前来还是一个怎么说呢？对，多用还是一个，Word还没有那么多真正用起。但目前说的很多反馈，我我觉得开心的一个就说他觉得这个版本越过了生产力工具这条门槛。就之大家会得是帮我提效，但不是我的主要生要素。但现多一多用，真在拿来作为他的工作的主力。因为我帮他产生收入。我觉得就是形成一个更健康的飞轮。接下来我觉得会有更多的Agent迈过这条坎。

小俊: 我刚刚听你讲，我觉得非常的乐观。你心里的隐忧是什么呀？对于Minus。

季超: 我觉得我心里对Minus最大的隐忧其实是失去特色。这是最大的一点。但是呢这是从外看，而从内看的话，我其实最害怕的点是Minus变得复杂。这个其实是怎么说呢？是一种要克服很强的吸引力的一件事。因为你在产品增长的过程中，有一个很便捷的方式是做更多的功能。但是我还是就刚才很相信Steve Jobs那句话，就是你每增加的一个东西，都在稀释所有别的东西。所以我希望Minus能一直保持这样一个克制走下去。但是呢你又不能因为保持克制而影响了持续的增长。所以我觉得对对外和对内最大的隐忧就是这两点。

小俊: 你觉得Minus会死于竞争吗？一个大厂的竞争。

季超: 我觉得不会。或者说其实死于竞争的时候，你其实产品已经到了一种非常非常好的状态。像大家比如经常说，“我担心Cursor会不会怎么样？”“我担心Llama会不会断供？”拜托，你能考虑被断供，你产品已经是一个非常非常好的状态了。所以我觉得Minus更大的可能性不是因为竞争而输掉，而是因为。但是你也可以说是竞争吧，就是你当你失去了独有的价值之后，用户。这好像也算是竞争啊。那那我回答是对，那那就有可能因为竞争而死掉。

小俊: 你怎么看海外那几家模型厂？

季超: 你说那个我觉得其实也不止这几家了，像OpenAI已经的比较多。就是很尊重他们文化。但是接下来他们也是产品或者重的一部分，那就不知道他们如何去调节这两方面。就是大，他们也知道就模型乐透这件是不靠谱的。但是那你又如何尊重一个研究自由。所以我觉得这是他们要搞清楚的一个点。但也许他们可能就会分化成两个完全目标不同的公司也是有可能的。我觉得他接下来最不刚拿了两笔很大的融资嘛。我觉得他们可能接下来需要多在算力方面有一些投入。因为这几家目前他们可能在这方面建设稍微落后一点。但另一方面，他们可能在开发者的社区中的一个影响力是非常非常强的。因为你会看到，其实包括Meta，还这事都是在带节奏。所以他其实有一个开发者社区内的根基的，所他一定要以这种形式去做一些。怎么呢？他。独有事，且我觉得他的优化目标跟也不一样。其实我觉得他关注点叫做高经济价值。其这个关注点比较相像。就到底哪些东西能够产生足够的经济价值？他就去优化什么，而不是以一加为引个的状。一。他们在方不知道解决么，让大家看见很希给大家带来的正向信号，就是强有力的证明了Training还是以继续的。另外一点就是他们在多模态和数据面的积累，这是Google非常强的。而Google的，的个引，就包括个Google搜索引擎，这是他们人相持久的通术去追。所觉得Google在信息领先是一个很好玩的状态。

季超: 我觉得Google他已经十足地意识到，Chatbot这场战争已经结束了。他可能更赌的一个东西是Pixel and Pixel-Out。他觉得现在我们看见的所有的软件或者是文本，你其实都是以像素的形式呈现在用户眼前。那么他应该按他的第一性原理思考，他应该是直接去生成一切。他不仅是这个AI，他认为就是一切我们所看到的东西，任何模态都应该统一成Pixel。当然也许会有这个音频之类的东西。而且Google DeepMind可能在Infra方方面的投入也是非常有特色的。他们会非常相信就是自己要把这个Infra做出一套比较差异化的方案来。

季超: 然后Meta的话，我觉得最近杨乐坤走了，也许是个积极信号。他们可能会投入到一些更朴素且有快速成效的工作中来。

小俊: 你怎么看杨乐坤？

季超: 杨乐坤当然这业界态是值得尊敬的。但我觉得就是他在一家商业机构内做这样的一个角色，有其痛苦之觉得，他能找到一个他的自由空间去好解放。想看田觉得他他之前研究方向我觉得非常有意思，就叫Self-Supervised Learning。我觉得他解决了非常本质的一个问题，就是现大得应该上交大和清华吧一个团队近有篇工作讲到是上增模型稳定，就说通过RAG模型一次推理过达正确答案概率。但实型能解答一个问，还是在其质量比个不通过多次采样的话，其大概率。那。轨迹是能够被采样出来的那这其实暴露了一个问题，就是你通过LVR这种方式去做的话，其实你只是在用一个接近于搜索的方式去解决这个问题。但由于你是在文本空间的Token Space去进行这个采样。那去进。但你这个过程就已有一步，就你基于你要进行一次随机采样预测，Token再继续下。但是呢体验动的一个研究方向就觉个是非常好的。为你没有进行这一次Self-Correction，其实你可以某种意义上来就没有你。其实在一个近乎于平行的维度时，考虑多种可能性，效率是高的。就RAG你可能能做到就说消耗的的能源或者成本小于我进。但实际上你在用户视角下的Latency还是很多，而这个能解决这一个问题。而且它其实一定程度上实现就的。所觉得验动的这向它之前有很多。

季超: 我都觉得非常有意思。像我记得那个Attention Is All You Need，Think，还有Streaming LLM那篇Paper也是袁董做的。我觉得很有意思。我不知道他今天会做什么。很期待他和杨乐坤是一个研究Buddy吗？

小俊: 他们研究方向什么不一样？

季超: 没有。我觉得不一样。我觉得袁董的研究方向更加务实。

小俊: 哦，对。

季超: 不不不敢妄议，不敢妄议。

小俊: 你觉得Meta为什么在这波AI，他有很好的人，为什么在这波AI里做得不好？比较落后。

季超: 这个问题，我觉得太大了。这其实中间涉及很多人事上的事，包括你知道团队已经换了好几波人了。所以我觉得有很多场外因素吧。

小俊: OpenAI的人才流失，你觉得对OpenAI有影响吗？

季超: 我觉得会有一些吧，包括像Google DeepMind他们可能我听说接下来可能看To B方向的机会。同时我记团队也走了几位柱心。但是我觉得OpenAI这家公司，我觉得他只要个创新文化还在的话，我觉得仍然是最有可能诞生新式的公司之一。

小俊: 他会成为新的社交网络替代吗？

季超: 我觉得这个比较难吧，当然说不准，因为这个产品大家都在探索。

小俊: 你怎么看Anthropic那家公司？

季超: 那家公司我觉得目前神秘了，我不敢说什么，就得产。但他抽象层之有个第三方的服务，包括些型厂商或那个接口。但实际上对个它的约束有点太多了。而这个得他是抽象为了四组。关键吧。本上很多你自己需要做的实验都能搞定。我觉得得本有。得他们逐优好可中小规模研究团队去用一个产品时，他们也是开源模型进步。团队做得非常好。因为就是对于做研究来说，有同源同家族模型或者同源模型的不同参数版本是非常重要的。这方面，千问提供的光谱一直是最全的。所以我觉得就是。

小俊: DeepMind的成败主要看千问。你觉得Mira啊，Miramar，ATI？

季超: 我没有跟他直接交流过，但是从都认识人的口中对他评价都非常非常高。明显他的号召力很好。

小俊: 你对于这些硅谷的AI各个舰队的一把手，在你内心有没有太强弱的一个排名？

季超: 其实这几个舰队真正的一把手，我觉得他们性质非常不一样。像可能真正的技术一把手只有Demis Hassabis（DeepMind），对吧？像Dario Amodei（Anthropic）当然也是。如果你让我从纯粹的狭义技术角度来说，我肯定觉得Demis Hassabis这位是我最佩服的一位。第二点没有第二位的话。

小俊: 嗯。

季超: 哦，当然Ilya Sutskever（OpenAI）也是同样优秀啊，但是大家可能都在期待Ilya交出的新作业是什么？剩下一些，我觉得他们都是更复合的人才，你难以用单一维度去评价。

小俊: 国内呢？

季超: 国内的话，我想想国内现在还在牌桌上的。哎呀，这话说的得罪人，就是国内的话，国内就不评了吧。

小俊: 容易挨打？前段时间，杨志林和杨舜宇都来过我播客。他们的观点你有什么认同和不认同的？

季超: 首先杨舜宇的观点我一般都比较认同。尤其他有那句暴论，叫那个“以前都是小公司抄大厂，现在大厂抄小公司，互相抄。”虽然我觉得前半句本来也不一定是这样，本来就互相抄。但最近确实大公司抄小厂的事更多了。然后那个还有就是他之前那个杨舜宇那个文章写这个下半场这个事嘛。我觉得下半场这个概念很好，现在感觉很多人都在沿用这个概念。我觉得他这个观点我都非常同意。然后杨志林那个我也听完了。我觉得杨志林他有一个很简短的观点，我是非常同意的。就是在这个登山的过程中，只要问题能够被定义，问题一定能解决。这个其实也是我们很多时候做任何事的信心的一个根本的来源。

小俊: 不认同的呢？

季超: 不认同的。我觉得杨舜宇那期所有观点我全都认同。然后杨志林那期的话，我觉得其实我觉得他的观点也比较保守，所以没有什么特别明显的。当然有一点啊，我觉得他提到一嘴是说那个“如果不训练模型的话，做Agent是逆向工程。”这点我是完全不同意的。因为对我们来说不仅不是逆向工程，反而是在给别人带节奏。

小俊: 他是垂直整合吗？你们是逆向工程吗？

季超: 他们是垂直整合。对，他的观点是给他们整合进模型里。我觉得这个东西其实如果你从一个严格定义来说，你是无法整合进模型的。因为模型无法你圈认外环境。

小俊: 你怎么看世界模型？

季超: 不敢评论，不懂。

小俊: 不懂不懂？

季超: 对。

小俊: 你们多模态做得怎么样？

季超: 多模态的话其实是这样，多模态我们更在意的是多模态的输入，而不是多模态的输出。多模态输入的话，作为Agent场景下，其实有一个很重要的观察。就是现在其实很多开源的多模态模型，你如果是简单的就图文输入的话，其实大家处理都比较好像Q&A任务这些东西。但实际上你在Agent场景中有一类情况是多模态输入作为Tool的Result。我举个例子，比如说你让浏览器看一个页面，那你可能会把浏览器的截图返回，或者你让用一工具读一图片，图片是以Result去返回。这个东西。其实在训练的过程中，我觉得可能目前的重视程度还不够，这块的质量会有些下降的。

小俊: 你还买英伟达吗？

季超: 目前没有了，目前没有了，目前不超过了。

小俊: 你那年见老黄，他跟你说什么？

季超: 我问了他一个灵魂问题，我就说“接下来一年，你觉得什么事会让你感到意外？”老黄说什么事都不会意外。所以我觉得这其实就有点像杨志林之前说的那个，就是只要问题存在，问题一定能解决。我觉得这个就是整体AI圈的乐观观点的代表。

小俊: 最近有很多人开始讨论AI泡沫，你怎么看？

季超: 我觉得一定是客观存在的。但不是说因为以这AI没用，我觉得就是你是会有一些比如过度建设或者怎么样这东但我觉得这都是在可接受的范围。我们人类历史上干的比这个疯狂的事多得多。

小俊: 你最乐观的预期和最悲观的预期都是分别是什么？

季超: 我觉得悲观预期就是下个月死掉。这是所有创业公司一样的悲观预期。就是我刚说的，我没有权利活着，我们是在努力地获得一个活着的权利。而最好的一个预期，就是我们希望让所有的有高价值工作的白领，都能获得一个7乘24小时不断推理的AI伙伴。

小俊: 如果下个月死了，你会去干嘛？

季超: 我会歇一会，太累。

小俊: 呵呵呵。你现在工作时长是多长时间？

季超: 我现在每天大概10点半到公司，晚上干到几点就完全看情况了。

小俊: 几点一般来说？

季超: 一般来说我们大家基本办公室人大家都会待到大概10点半往后。其实这也么我选一个在一家WeWork里头的Work，在里头空调一直开到10点以后，没有空调了，没有空调大，待多久没空调情况在那边办公室就是我们得团队在在不断的扩大。这过程中，如果提前选一个办公室方面，前期投入大，不灵活嘛。WeWork云计算一以动态扩容。

小俊: 新加坡的生活怎么样？便利？

季超: 新加坡适应便利度还好，实，跟国内觉得中国团队在新加坡可以快的适应一个非本质的一区，是不是有点无聊。而且我认为这对创业公司来说是一个大分。

小俊: 你建议公司第一天去新加坡吗？

季超: 这个东西其实看你的目标用户是谁。我们去新加坡的原因其实也讲过，就是有两点。第一是我们团队其实可能因为管理能力比较差。我们之前在国内，比如北京跟武汉两地的时候，我们都会觉得沟通成本很高。那我们首先有一个希望是大家能在一个地方办公。但另外一方面，就我们既然要服务全球市场，我们学校做很多的这就是合规方面的工作。比如说然ISO 27001、ISO 27701，还有像GDPR全都是我们全都通过了。那这块你就需要，就是你既然要服务哪个市场，就要选择一个合适的总部。所以我觉得这都是一个很正常的选择吧。如果你要做全球市场的话，你可以早点考虑这个问题。但如果你主要做国内市场，那肯定。

小俊: 你怎么看别人说你跑路了？

季超: 我觉得跑路这个词就不对。因为我们其实一直就有新加坡这个实体。所以就是而且我们一直就做的是一个全球市场。所以你既然你的客户在哪，你就要去哪。就好比像听努维链，他们也没有我面的业务。这个是中国出版企业大家都会做的一件事。只不过能因为我们是AI公司，大家能获得一些额外的关注点。

快问快答

小俊: 最后几个快问快答。一个全球范围内你喜欢的食物。

季超: Mac and Cheese，垃圾食品。

小俊: 一个全球范围内你喜欢的地点。

季超: 北京。

小俊: 一个少有人知道，但必须知道的知识点，可以是一个冷知识。

季超: 海带不是动物。

小俊: 谁不知道啊？我周围人都不知道。难道你知道哪些第一个知道的？

季超: 因为海鲜过敏，我经常跟大家解释，海带不是动物。

小俊: 基于所有读过的书推荐两本必读书。

季超: 我其实平时读书特别少。我正在读线条小狗的画册。

小俊: 你心目中影响AI进程的几篇论文。

季超: 第一个讲的就是我刚才说那个ReAct那篇Paper。你忘了他叫我什么？然后名叫影响AI进程度有也太少了吧。大家肯定都会说Transformer，但我不想说这朋坏啊。我觉得是T5。

小俊: 对对。给予你当下的认知。一个关键的重要的Insight是什么？

季超: 毕业，接下来的进步需要用户的参与。

小俊: 好了，今天的节目就是这样。这里是商业访谈录，是一档由言级世界工作室出品的深度访谈节目。你可以到公众号关注我们的工作室，获取更多的信息。我们的公众号是语言及世界（Language is World）。我们希望和你一起从这里探索新的世界。