Podcast Interview · 逐期深读

连续创业者Albert复盘:从追求赔率到优化胜率的AI创业思路演变

本期背景与内容导览

本期由42章经创始人曲凯对谈连续创业者Albert。官方shownotes把Albert过去三年的探索概括为:2023年追求平台与互动内容的“赔率”,2024年转向“优化胜率”并找到PMF,2025年AI Coding发展后又把重心转向“智能”。本期真正有价值的不是给这几步贴上“反复横跳”的标签,而是听他解释每次转向怎样由产品体验、技术成熟度、市场结构和团队状态共同触发。 Albert自述团队到2025年10月前仍主要做影像产品,同时观察“智能”;影像方向更快找到PMF后,智能投入收缩。更早的互动内容尝试留下两个失败判断:当时AI生成内容难与头部人类内容竞争,而单纯降低创作门槛也不能解决平台分发问题。2024年初,他研究美国利基市场后,把问题从“成功能有多大”改为“哪些事情现在更有把握”,团队于2024年6月找到PMF并开始增长;shownotes与主持人口径称上一款产品达到“小几千万美元ARR”,本期未披露财务口径或外部凭证。 AI Coding带来的第二次转折包含组织实验:老项目因历史代码包袱难以全面AI化,团队在新项目要求人工代码量为零、工程师不参与需求研发。他称实验顺利,并据此探索“哪类高价值人群需要Coding平权,以及什么交付形式能释放模型能力”。这些仍是团队自述,不能扩写为已验证的通用研发流程或所有岗位都可取消工程评审。 后半期集中讨论胜率、赔率和组织。Albert把VC偏好大故事、创始人控制变量、段永平式的消费者导向与张一鸣式的强者文化放在同一条思考线上。他的核心强判断是“真正一流的企业家都在优化胜率,赔率是等来的”;但曲凯不断追问大目标是否仍有意义、赛马是否提高胜率、胜率是否导致保守,说明这不是无需条件的定律。节目结尾的招聘与彩蛋也补全了Albert的自我校准:他强调心态、提问和接受不完美,并承认“sharp”可能只是极端表达,听起来有道理并不等于实践正确。

42章经 · 2026-03-07 · 1:05:51

原对话:沿提问、回答和转折完整展开

下面先按节目顺序重建。主持人在追问什么,嘉宾如何以自己的经历、例子和推理作答,尽量保留在具体语境中;案例中的事实、数字和判断先归属于发言人。随后才进入本文的机制解释与独立判断。

00:00:02–00:27:58连续对话 1

00:00:20–00:06:15从追求“赔率”到反思AIGC内容创业的困境

  • 你最近在忙啥?
  • 要不我们从头捋一下吧。从23年开始,你给大家讲讲这3年来你在做的一些尝试,然后包括一些思路吧。

曲凯先请Albert介绍近况。Albert说正在研究能否通过交互突破释放模型能力。曲凯以官方shownotes所称的“小几千万美元ARR”概括其上一款产品成绩;这是主持人与节目简介的口径,Albert没有在本期展开收入计算或审计材料。

Albert纠正“试了很多方向”的印象:到2025年10月前,团队仍相对专注影像,对智能一直保持观察,但参与、思考和实际尝试有限。2024年前后两边都曾探索,影像更快找到PMF,智能投入便收缩,他直言因此错过了一些机会。这是理解后续转向的前提:他并非同时把两条路线都做到同等深度。

回顾2023年,他把第一阶段概括为“看赔率大于看胜率”:先问事情若成功能创造多大价值、形成多强壁垒,自然会偏向超强网络效应、规模效应和平台形态。他此前做连接与内容,于是寻找以内容为载体的新连接平台,把互动内容视为区别于传统图文、视频的新媒介。当时的因果设想是:互动内容需要逻辑,AI Coding若能降低逻辑创造难度,就可能扩大供给并形成新平台。

实际推进暴露了三层问题。第一,Coding发展不及当时预期。第二,团队完成两个demo后,Albert自己的体验是“太烂了”,无法回答用户为何不玩现有游戏、不刷抖音。两个demo分别是偏图像、视频的2D交互,以及把手机摇杆或PC上更像游戏的控制方式引入互动空间。由此他提出一个强判断:创作门槛越高的模态供给越稀缺,用户时间有限,只消费最头部内容;当时AI只能做到60至80分,而“80分的内容其实就是垃圾”。所以面向消费的AIGC内容在他的判断中不成立,面向表达可能有价值,因为创作者可以只为表达,而非赚钱或影响力。

第三,降低门槛不等于平台成立。他追问降低门槛牺牲了什么,也承认AI未来可能突破创作自由度与门槛的权衡;但即使工具成熟、供给爆发,分发仍是障碍。偏游戏的互动内容很难提供超越Steam、App Store或TapTap的价值,偏2D影视互动的功能也未必不能被现有容器迭代。他因此判断平台机会很难,同时明确说这不是后来转型的最核心原因,下一段的中美市场认知才是。

赔率 vs. 胜率本期的工作定义是:赔率问成功后回报上限与壁垒,胜率问当前做成的把握。它不是可直接计算的统一概率模型;Albert后来还把方向的重要性直觉与路径上的控制变量分开。
想象力 vs. 智能Albert用于区分Kill Time的过程性娱乐体验与Save Time的结果性任务交付。早期他把图像/视频生成与前者、语言模型与后者相连,但他也明确说理解与生成正在探索交汇,不能当成永久技术分类。
PMFProduct-Market Fit,产品与市场需求的契合。在本期,‘更快PMF’是Albert对影像产品更快获得市场正反馈的自述,不自动等于利润、留存、收入规模都已公开验证。
容器承载内容和交互的产品形态,包括上下滑、推荐、创作与消费流程等。新内容若仍可在旧平台消费,单纯生成质量提升不必然产生新平台。

话题推进:互动内容的体验与平台分发困难并不是Albert后来转型的唯一原因;下一段转向更核心的中美市场认知、PMF和AI Coding实验。

00:06:15–00:12:45转向“胜率驱动”:从找到PMF到拥抱AI Coding

Albert把转型核心归因于市场结构认识的变化。他认为自己早期执着连接平台,是受中国市场特点影响:若没有强规模或网络效应,初创公司很难在巨头竞争中占优,胜率很低。研究美国市场后,他看到大量规模未必极大、但有一定胜率空间的利基市场。这个中美比较是他的经验判断,不是本期给出的统计结论。

2024年初,他从“赔率追问”切到“胜率追问”:AI是长赛道,应先找确定性较高的事参与,在过程中锻炼团队、积累认知、找手感。具体做法包括研究哪些技术已经ready、哪些既有用户问题仍未解决,以及他上期播客谈过的“历史重复的回响”。团队自述在2024年6月找到PMF,随后scale和增长较顺利;他认为此后的招人、定义核心指标等工作与传统互联网公司没有本质区别。这部分说明“优化胜率”在他的实践里既包括选题,也包括用常规经营方法把已验证的事做扎实。

到2025年9月前后,外部挑战和寻找新机会共同推动新项目。老项目的架构与代码量已很大,AI只能局部修改,组织AI化推进不顺;新项目则设置“人工代码量为0”的极端约束,设计、工程化工作全部交给AI,工程师不参与需求研发。他称项目跑得很顺利,到2025年底回看时,认为Claude Opus对规范的遵循能力使非工程师写需求更可行。原文没有说工程师转为需求评审或代码审查,也没有给出质量、速度、成本对照,不能补成一套通用流程。

他由此形成两个产品问题。其一,Coding能力应该平权给哪类高价值人群:他举Cursor面向程序员,转录作“Laubo”的产品面向设计师,Replit面向产品经理,说明同一底层能力可以按人群重做容器,并处理Coding之外的配套问题。其二,不同任务需要不同交付形式,交付不应限制模型,而应放大模型在场景中的能力,所以Coding Agent未必都应是chat-based。团队正在研发相关产品,他称在特定任务上易用性和效果超过自己使用Cursor等工具的体验,但未公布产品、任务或评测。

最后他把三年形容为“矫枉过正”、在极端中游走:从全优化赔率,到选非常利基的市场、用科学方法scale并“做到理论上应该做到的样子”,再到2025年决定忘掉部分旧积累、全面转向智能。这是他对自身路径的复盘,不等于每次极端摆动都被证明正确。

话题推进:曲凯从这段长复盘中提炼出“想象力与智能”“胜率与赔率”两条主线,先追问两类AI应用的区别。

00:12:45–00:17:19区分“想象力”与“智能”:Kill Time vs. Save Time

  • 你在很多次都讲过,你们把AI分成想象力跟智能,这两个大的方向。我觉得这是一个我们可以讨论的。
  • 其实你所谓的想象力就是更偏图像、视频、互动类内容,对吧?
  • 多模态里面一条是工具产品,另一条是陪伴或互动内容,这两条线你怎么看?

从00:12:48.75起,机器转录的说话人标签与问答角色发生交换:标记为“Albert”的发言者在梳理问题并提问,应为曲凯;标记为“曲凯”的回答者应为Albert。以下按官方身份与上下文恢复归属。

曲凯把长回答提炼成“想象力与智能”“胜率与赔率”两组问题。Albert解释,他最初用这组划分回答AI服务Kill Time与Save Time的差异:前者让用户消磨时间并获得过程性体验,后者帮助节省时间、成本并交付结果。他当时把图像、视频生成模型与前一类联系,把语言模型与后一类联系;这是创业选择的工作框架,不是技术上的严格互斥分类。

他也主动给出反例和不确定性:两类模型当时尚未很好交汇,Gemini及转录所称“Nano”的尝试显示理解能力可能提升图像生成,但他明说“我也不是专家”,无法断言两条模型路线是否最终交汇。对创业而言,Kill Time与Save Time的区分仍有意义;对当前团队而言,正在探索的恰恰是怎样把智能更好用于图像、视频等场景。

曲凯随后把图像、视频方向拆成专业创作者工具和陪伴、互动内容两条线。Albert认为陪伴需求真实,但商业化效率与演化路径难评价;工具当时确定性最高、商业化更清晰,只是产品形态仍像上一代,把提供服务的能力换成Diffusion等模型。

他对泛娱乐时机的判断主要建立在成本上:模型提供更好的效果并收取溢价,上一代是否降价是平台商业决策,实际推理成本也未必下降。若想用最好模型做非工具、非生产力娱乐产品,他认为当前商业模式很难站住,因此有影响力的泛娱乐产品可能仍需时间。这里的“几乎不可能”是他在节目时点的强判断,不是对所有价格、所有玩法的永久否定。

话题推进:在工具与泛娱乐的判断之后,曲凯进一步追问:如果不能只凭更好的AI内容获胜,新平台需要怎样的容器与交互?

00:17:19–00:23:28AI时代能否诞生下一个“抖音”?

  • 所以现在很多人讲要做下一个抖音,重点是不是不在生成好内容,而在新的容器与交互?
  • 抖音早期交互没有多大创新,是不是基础设施和成本变化让它定义并推广了新模式?

曲凯把讨论推到“为什么不是只做出更好的AI内容”。他先承接Albert的80分与90分比较:用户不在意生产方法是否新,只比较最终体验。随后他补充“容器”的作用:短视频上下滑和推荐机制并不要求每条内容都顶级,容器可以培养习惯、影响行为;如果新内容需要长时间参与,用户决策与参与成本更高,没有容器创新就会回到极头部供给竞争。

曲凯进一步提出平台迁移问题:即使AI能生成更好内容,如果仍能上传抖音,用户未必需要新平台。新机会需要一种与内容契合的新交互,使体验只能或最好在那里发生。Albert补充,最好的内容会流向变现效率最高的地方,而规模与网络效应使现有平台占优;只做好剪辑工具,产出的内容仍会流向抖音或Netflix。因此“工具成功”与“新平台成功”必须分开。

但曲凯没有接受“抖音只靠容器创新”的简单故事。他回顾早期短视频,认为基础设施、流量成本等变化让过去难做的事变得可能,真正闭合的产品形态由用户、模态类型、内容类型共同定义。他举小红书:图文承载有用内容,服务一二线城市女性;早期抖音:短视频、运镜卡点、分段拍摄和音乐,服务擅长唱跳、形象与镜头表现的人;内涵段子:图文混排、搞笑与低俗内容,对应其所说的下沉市场个体户。以上均是Albert对平台历史的解释,不是平台官方定义。

这个框架还解释后续扩张。内涵段子从既有娱乐内容向短视频跨模态较难,单一题材垂类难抵挡模态迁移;抖音占住短视频,小红书占住“图文有用”,购物分享可继续扩展到化妆、求助等,因为一些内容在图文中的表达效率高于短视频。他强调成功是很多巧合与设计叠加。

反例是转录作“火银”的早期全屏视频产品:它一度有较高热度,却定位动态桌面分享社区,Albert认为内容形式与用户、模态不匹配,最终消失。产品名称及“一度很高”的具体指标均不能从转录确认,不自行改写为其他已知产品。

话题推进:讨论完容器与用户、模态、内容类型的闭合后,曲凯把问题收束到AI时代是否还会出现新的抖音级产品。

00:23:28–00:27:58AI时代的新平台预测与影像模型格局

  • 所以你现在相信会有下一个AI时代的抖音吗,还是其实就是抖音?
  • 你们和Higgsfield在大方向上类似,它在那个时间节点做对了什么,为什么起来得这么快?

曲凯问是否会有AI时代的下一个抖音。Albert先回忆自己离开字节时的判断:当时除微信外,他认为没有日活过亿的native mobile app,而中国手机活跃规模很大,通讯之外理应有娱乐产品。他也承认自己当时低估短视频,后来才看到它成为全民级产品。这段自述说明他的预测方法既包含长期需求判断,也包含对错具体媒介的承认。

类推到AI,他认为智能水平已很强,未来所有活跃设备都可能与智能交互,娱乐需求中智能会成为重要参与者。他不能判断最终由抖音、豆包、ChatGPT还是新公司提供,但认为智能驱动的娱乐会非常大,新产品形态出现的概率很高。这是明确的市场预测,不是已发生事实。转录中“ChatGPT现在6亿DAU”“中国手机活跃量78亿DAU”等数字保留为待回听和待核口径,不能换算成MAU或自行改成“七八亿”。

随后话题转向Higgsfield。Albert回忆团队2025年中赴美交流时,自己已看好它,但认为其收入与资本市场口碑并不理想;曲凯把“口碑很差”修正为不至于那么差,只是大家见多了一波流特效工具,担心其像Pika或节日特效一样快速起落。这里的争议是Higgsfield能否摆脱增长型产品的短周期,而非双方已经提供留存数据。

Albert先不直接比较单点功能,而给出影像应用的两个结构条件。第一,视频模型是“多超多强”,不同模型在不同场景、阶段各有优势,因此聚合站与全家桶有价值:用户希望用更少钱获得更多模型服务。第二,影像需求分散且广泛,从独立社媒创作者到公司与个人都存在,因而更通用的产品有机会。转录中的“Sora 2、Vue 3、可灵”按原词记录,其中“Vue 3”不擅自改为其他模型。

他接着补上下一段的约束:能把有限创意用好的创作者有限,自然语言到想象图像之间有巨大信息损失,所以模板可以定义审美、降低用户成本。这些因素共同指向“全家桶+模板化审美社区”的产品形态,但他说自己团队早就想明白形态,说明仅仅想对产品长什么样并不足以获胜。

话题推进:Albert对新平台的预测转向具体竞品Higgsfield,并开始从模型格局、需求与创作约束解释其产品形态。

00:27:58–00:53:55连续对话 2

00:27:58–00:31:46Higgsfield如何通过“三分真七分假”的营销,成功封装模型能力

Albert把Higgsfield的形态推导补完整:模型能力强,也不等于用户能把创意转成理想图像;创作者能力和语言—图像信息损失都是约束,因此阶段性赢家可能是聚合多模型、用模板定义审美并降低使用成本的产品。他说团队在迭代早期已列出这些约束,但行业内有类似形态的产品很多,真正的差异在“把模型能力卖出来”。

这里的机制是用户意愿与实际交付之间的落差。视频、图像模型迭代很快,一些效果一个月前做不到、一个月后可能做到;AI宣传抬高用户意愿,但用户若第一次尝试发现交付很差,第二次尝试的门槛就升高。应用产品因而需要把刚出现的能力封装成用户能感知的效果,同时管理预期。

Albert认为Higgsfield擅长分装能力并展示交付。他举转录所称的“Soul”对应角色一致性,以及“drag to video”、灯光控制等功能,认为其社媒展示比转录所称“Retake”等同类产品更会卖能力。产品名和功能拼写均只按转录保留,不额外补写LoRA实现或竞品技术细节。

他的强评价是展示“三分真七分假”:团队内容理解很好,知道如何show、怎样扬长避短,普通用户却难以复现同样效果。他把这归结为对内容的sense和素材选择,而非仅说随机挑到好结果。这是Albert对竞争者的个人评价,不是对宣传真实性或实际留存的外部审计。最后他明确反对把“套壳”当贬义:用户不在意底层是不是壳,只在意问题是否解决;在这一阶段,用好模型并且show好,本身就是重要能力。

套壳本期指在第三方模型之上做产品、交互、工作流、展示与交付。Albert强调用户只看问题是否解决,因此不能用是否自研底模单独判定价值。
用户意愿与交付能力宣传提高尝试意愿,实际结果决定能否兑现。第一次失败会抬高再次尝试门槛;封装、展示与真实可用性需共同观察,不能把社媒演示等同稳定交付。
优化胜率在Albert的用法中,是选择更可控制、更符合既有积累与消费者价值的行动,而非只做低风险小事。定义重要问题的直觉仍决定赛道潜在回报。
消费者导向以能否为消费者创造价值决定是否采用新技术。它回应‘只做擅长的事会保守’的质疑,但并没有消除资源、时机和组织执行约束。

话题推进:Albert对Higgsfield展示能力的分析引出“套壳”话题,曲凯顺势追问怎样才能把壳套好。

00:31:47–00:36:18“套壳”的本质:如何成为“套得又好又快”的赢家

  • 如果让你给AI创始人建议,到底怎么样能把一个壳套好?

曲凯问怎样把“壳”套好。Albert先拒绝以成功者姿态给建议,反而复盘团队在利基市场中生意太好、存在复利和利润,导致自我麻痹,对行业跟进和对智能的理解都慢了。他区分“做生意”和“做事业”:前者在他看来并不复杂,后者仍需回归本质,不能过多投机取巧。这一自我批评是理解他后来再次极端转向的重要组织背景。

曲凯总结三项条件:对模型足够理解,能感知新能力或即将出现的能力;有内容和产品审美,把能力真正用起来;执行快,因为先使用新模型的人更可能获取其阶段价值。Albert补充,技术变化令行业焦虑上升,强beta带来随机性,一些不本质的做法会阶段性有效,于是大家容易学习别人的营销和拍视频方式,实际上是在“优化随机”。

他没有把本质与速度二选一,而承认难以判断:可以更有定力地寻找本质,也可以像《随机漫步的傻瓜》所说那样凭强执行捕捉偶然。如果商业sense和经营节奏好,优化随机可能帮助冷启动;否则“靠运气赚的钱会靠本事输掉”。转录中被学习的公司写作“minus”,不猜成Pika或其他产品。

曲凯把“赢”定义为阶段性数据、估值上涨,并补充资源、客户、收入,甚至补贴token会放大杠杆。他预测未来一两年多模态仍会快速变化,“套得又好又快”继续重要;智能方向则从Chatbot外壳转向AI Coding Agent和垂直Agent。Albert纠正为“Coding平权”,曲凯回应“套壳的结果就是平权”,最终落回用户只关心能否交付结果,而不关心用了哪种模型或Coding技术。

话题推进:从多模态产品的套壳、执行速度与随机性,对话转向另一条主线:智能与AI Coding。

00:36:19–00:40:35转向“智能”:区分生成与理解,Coding是智能的显化

  • 你现在对智能怎么看?多模态与智能结合,当下有什么新认知?
  • Coding有什么想聊的吗?你自己有什么体会?
  • 你再讲讲怎么理解胜率与赔率,为什么许多创始人在优化赔率?

曲凯把话题从生成转向智能。Albert解释,自己一直避免把图像、视频生成笼统称“多模态”,因为他更想用多模态指理解能力,而理解属于智能。他认为Gemini 3的理解能力进步明显,并把Google的优势主要归于算力和找到可scale的方法;这是嘉宾对行业技术来源的解释,节目没有给出模型对照或训练细节。

他进一步问:理解能力的提升能否反向提升模型本身的智能,而不只改善视觉理解?他说业内对此相对乐观,也继续思考“当眼睛戴了脑子会怎么样”。这些问题与预测应同“Gemini已实现某种确定架构”分开。世界模型在此处只被简短提及,没有展开成另一套完整论证。

曲凯指出团队过去几年没有充分利用智能这一大杠杆,并举转录作“minus”的产品为正面例子。Albert回答“现在也不晚”,同时给出一个较难理解但应保留的强观点:不是语言模型本身神奇,而是“智能的显化要通过Coding完成”,只有Coding才能超出原本智能的界限。他认为过早投入也未必有用,至少要到Sonnet 3.5、再到Opus这类模型能力后才更能发挥。这解释了他为何在2025年转向,却不证明此前所有智能投入都无效。

关于亲身体会,Albert坦言自己不懂Coding,但曾借助Coding Agent完成个人任务,因此希望把能力平权到更多高价值场景和人群。他判断Coding Agent融资与收入虽大,渗透率仍很低;曲凯估计当前Agent或Coding用户只有百万级、未到千万级,并预测未来会有日活上亿的产品。两者都属于节目中的估计与预测,不能写成行业统计或确定结果。

话题推进:对多模态理解与Coding平权的讨论,引出更底层的创业策略问题:为什么创始人会优化赔率,胜率又意味着什么?

00:40:36–00:48:38一流企业家都在优化胜率,赔率是等来的

  • 按你这么讲,优化胜率与赔率就不是不同选择,而是清晰正确与否的问题了?
  • 你觉得赛马是不是一种优化胜率的方法?大公司做AI更像攻城还是守城?
  • 你从优化赔率到优化胜率,实际行为转变是什么?

曲凯问为何许多创始人优化赔率。Albert先给出融资解释:VC优化赔率,大故事更容易拿钱;曲凯补充中国创业者可能受退出渠道影响。Albert又区分两类人:少数人像他一样由巨头竞争推导出“只能优化赔率”,更多人可能只因这样好融资,甚至没有意识或无法区分胜率与赔率。

他的核心论证来自对成功企业家的事后解读。张一鸣被他描述为胜率驱动:从PC互联网末期做搜索、持续关注信息分发,字节先做转录作“连段子”的产品;2014年视频产品已很多、海外转录作“One”的产品已热门,他仍未急于入场,到2016年条件成熟才做视频。黄峥被描述为长期积累电商、供给、流量和供应链经验,再抓住拼多多的结构性机会。两者均包含Albert的转述与解释,不是本期独立核实的企业史。

王兴案例用于回应“美团看似与过去完全不同”。Albert转述自己向王兴求证后的回答:做团购的人中,“懂线下的没有我们懂线上,懂线上的没有我们懂线下”,做校内时已管理约200人、转录作“DJ团队”的团队。由此他认为表面跨界背后仍有能力积累;“DJ”是否指地推需要回听,不直接替换成确定事实。

他再举转录所称“小红”:2017/2018年做浏览器插件,2023年仍做浏览器插件,后来做转录作“minus”的知识工作者生产力产品,并说自己与对方交流后确认其也在看胜率。原稿擅补“Axton”“Monica”“minisforum”等名字均撤回;能保留的只是Albert用这条路径说明持续关注同一问题、复用优势。

由此他提出“一流企业家都在优化胜率,没有人优化赔率”“运气是优势被时间放大的结果,赔率是等来的”。曲凯把它整理为:可以选择潜在赔率高的方向,但路径上的每一步优化胜率。Albert又补一个条件:选择事情时要有定义重要问题的直觉,所以“优化胜率”不是只在低风险小项目里求精。

两人随后辩论大目标。曲凯认为“先做其他产品、最后做成抖音”也可能是好方式;Albert坚持真正胜率驱动者在第一天会说要解什么问题,而非说要复制抖音,并以张一鸣A轮BP的信息分发叙述反驳“第一天就说下一个Google”。这不是大愿景有无价值的一致结论,而是“从问题出发”与“从事后平台形态倒推”的冲突。

关于字节赛马,曲凯认为多个团队能提高方向获胜概率;Albert先说如今更像人才多、内卷,随后承认大规模公司的决策已难用单一胜率/赔率描述。曲凯以“攻城与守城”解释:新公司只需一个切入点,大公司担心AI、VR或手机等新变化颠覆自己,必须多处防守。Albert进一步认为AI已超出传统攻守框架。对“大力出奇迹”,曲凯转述自己印象中字节内部人士或张一鸣曾否认,并将其解释为看清高胜率后敢大投入;Albert同意其胜率追问,但再次提醒创业公司难照搬字节体量。

话题推进:胜率/赔率及大公司攻守的讨论,过渡到Albert最近研究段永平、并比较其与张一鸣组织哲学的体会。

00:48:39–00:53:55从张一鸣和段永平身上学到的不同:强弱者思维与平常心

  • 你从这两个人(张一鸣和段永平)身上你看到了什么?你觉得这两个人有什么不同的点?
  • 所以你从段永平身上学到了什么?你跟张一鸣那边不一样的点?
  • 优化胜率是不是会容易让人变得更保守,更不愿意改变?
  • 你能不能给大家再解释一下这句话(把一件事做到理论上应该有的样子)你的一些想法?

曲凯请Albert比较张一鸣与段永平。Albert把段永平的Right Business、Right People概括为商业模式与文化,并把它同创业做更有把握的事相连。他转述段永平早期认为原有消费电子生意不够好,但手机出现时又必须抓住,否则公司会死;手机业态更有平台属性,商业模式有所改善。其重点不是“从不改变”,而是在多轮浪潮中仍留在消费电子,持续积累并寻找值得解决、能形成差异化价值的问题。

Albert认为段永平把复杂事物简单化、回到商业原点。与之相比,他强烈评价字节是“非常不好的学习对象”:一是字节的标准容易让人以为事情可以做到完美,忽略真实执行距离;二是他所谓第一性原理需要庞大资源,普通创业公司更要在约束下思考。这是他对学习对象可迁移性的判断,不是否定字节方法在其自身环境中的作用。

组织层面的对照是“强者思维”与“弱者思维”。他欣赏张一鸣所说和一流的人做有挑战的事,但认为操作难度很大;段永平更强调文化,假设大家都是普通人,在好文化、值得创造价值且能差异化的方向下,普通人也能做出大成绩,并认为黄峥也有相似强调。这里的强弱不是能力排名,而是对人才、文化和资源前提的不同假设。

曲凯提出最重要的反诘:一直做擅长的事,胜率自然高,是否会因此保守、错过AI?Albert的回答不是“永远不转行”,而是把判断对象从创始人熟悉度改为消费者价值:若AI能让消费者受益,就应拥抱;若其他方式更能服务消费者,也可以选择。他认为追求赔率时目标容易变成市占率或估值,生意才出问题。曲凯将其总结为结果与目标导向,Albert进一步限定这个目标是消费者导向。

最后解释“把一件事做到理论上应该有的样子”。Albert把它称为理想国和指导方针,真实状态离它很远,关键是在看见不完美时仍尽力推进,同时接受不完美。曲凯把它理解成“做正确的事”,Albert纠正:这里说的是“正确地做事/把事情做正确”,属于how,不是why。方向选择与执行质量因此不能混为一句口号。

话题推进:曲凯以“优化胜率是否保守”继续追问,随后请Albert解释“把一件事做到理论上应该有的样子”,为下一段2026年方向作铺垫。

00:53:55–01:05:50连续对话 3

00:53:55–00:55:292026年的AI创业:利用多模态与Coding平权

  • 你觉得2026年是一个什么样的时机,做什么样的事是正确的?

曲凯问2026年做什么样的事是正确的,承接上一段“正确地做事”与方向选择之别。Albert先强调AI仍是长期机会,再给出两条他称为“道”的主线。

第一是他所定义的多模态理解能力:不是泛指图像、视频生成,而是让模型理解多模态信息,并判断这种能力值得被利用。第二是Coding平权及配套交互:找到适合具体场景的交互,使获得Coding能力的人能真正释放模型能力。

他把“术”放在另一条层级:如何show能力、如何理解用户对效果的预期,都可以积累。这与前文Higgsfield案例相呼应,也提醒读者“道”是长期方向,“术”是展示、交付与预期管理,不应把阶段性营销技巧当成全部战略。此处只是方向判断,没有披露新产品细节或时间表。

道与术本期‘道’指多模态理解、Coding平权与交互等长期方向,‘术’指展示能力、理解用户预期等具体经验。两者不能被合并成单一技巧。
Sharp曲凯用来形容Albert的敏锐和犀利;Albert自己把它部分归结为极端、绝对的表达,并强调语气强不等于实践正确。
把事情做正确Albert将其明确区别于‘做正确的事’:前者是how,即在方向既定后尽量提升执行质量;后者是why,即方向本身是否值得。
AI社会(科幻设想)结尾思想实验中的模拟社会,不是团队正在研发的产品或已验证经济系统;递归预测、平行世界和现实收益都只属想象。

话题推进:Albert说完2026年的两条“道”与可积累的“术”,曲凯把胜率/赔率框架转向个人求职选择。

00:55:29–00:58:09求职者的胜率与赔率:优化能力,而非赌博式选择

  • 去你公司的人,他到底是在优化胜率还是优化赔率?他这个问题作为一个应聘者,他应该怎么思考?

曲凯把胜率/赔率框架用于求职:有人只问哪家创业公司好,他会先问对方要什么、能接受多大风险、想要现金回报还是更大股份、能否接受创业高失败率。Albert认为求职者本质上都在优化自己的胜率,即能力、视野和信息质量,并认为这样反而更可能得到赔率。

曲凯给出反例:若不认可公司所做的事,也觉得人不行,仅因听说公司明年上市或近期融资很好就加入,是典型只看赔率。Albert认同,并进一步说求职应看自己想获得什么能力、和什么人工作、解决自己的什么问题。这个反例是主持人提出的思想实验,不是某个真实员工的经历。

曲凯再把“能力持续发展,总会在本公司或下一家公司遇到足够赔率”说得很确定,Albert立即收回一部分:“也不是”,最后仍要放平心态。他用转录听似“看什么样分解”的话表达选择公司像选择看什么风景,能力最终能否变现并非唯一重要的事;原词需回听,不能改写成确定的企业愿景或职业收益承诺。

Albert把这种平常心归因于段永平,并对中国文化中的急功近利与美国一流从业者的心态作比较。这是他个人观察与评价,不是跨国实证。曲凯认为拥有这种心态比优化赔率更难,双方把讨论从“怎样押中一家上市公司”转回“愿意过怎样的工作过程”。

话题推进:在求职心态之后,曲凯进一步追问:具体到加入Albert的团队,员工究竟能获得什么能力与成长环境?

00:58:09–01:00:41招人标准:心态是基础,意愿决定机会

  • 如果一个人去了你们那里,他能优化什么、学到什么能力?
  • 从个人能力和‘术’的角度,你想招什么样的人、让他做什么、锻炼哪些能力?

曲凯追问加入Albert团队具体能优化什么。Albert首先谈的是精神状态而非技能清单:对创业更有耐心,相信在上述“道”的指导下终将创造价值,因此遇到极端情况能淡定;同时对机会与事物本质保持饥渴,Stay Hungry、Stay Foolish,也保持peace and love。

他给的极端例子是老业务假设没了,公司突然从盈利变成剧烈亏损,自己仍能正常面对,因为经历过多次类似时刻。这是假设性压力情景与个人心态自述,不是在宣布老业务已经消失或公司已经亏损。对感兴趣的事,团队会不遗余力弄清为什么有意思、本质是什么、能创造什么价值。

曲凯继续把问题压到具体能力,问“术”上能锻炼哪些能力、想招什么人、做什么。Albert仍把心态视为基础,并提出“能力由机会决定”:有想法、有意愿的人在公司可以有非常多机会,能力上限更多由自己的意愿和想法决定。面对困难,组织要接受困难必然发生,再讨论问题究竟是什么。

这段体现了他对组织授权和自驱的强调,但不能把“无穷多机会”理解为无边界资源、明确培养体系或每个人的成长保证。节目没有给出岗位、任务所有权、反馈机制、薪酬或具体培养目标,招聘宣传与可核验工作条件应分开。

话题推进:招聘话题结束后进入彩蛋,曲凯从外界对Albert“sharp”的评价出发,询问这种用户感知与产品判断如何形成。

01:00:41–01:02:31彩蛋一:Sharp的本质是极端表达与持续提问

  • 大家觉得你很sharp,对人性和用户感知很强,也擅长巧妙解决问题。这些能力怎样形成?
  • 觉得有问题和提出问题,不完全是同一件事吧?

彩蛋中,曲凯问Albert对人性和用户的感知、找到痛点并用巧妙方法解决的能力,是后天怎样训练的。Albert先拆开“sharp”与正确性:说话极端、绝对容易显得sharp,满口胡言但很绝对也可能显得sharp;像AI一样说很多听起来有道理的话,实践后可能完全不是那样。这是他对全篇强观点的重要自我限定,不能把语气强度当证据强度。

他也否认用户场景主要由自己一人发现,很多方法来自团队讨论。团队需要有人持续提出重要问题,推动大家评价当前方案是否足够好,再修正方案。他认为进一步追溯会回到同理心、想象力和提问意愿。

Albert开玩笑说同事可能都不想和他聊天,因为他总拉着人说“我觉得这个可能有问题”“这个可能不对”“这个不是最终的样子”。曲凯指出“觉得有问题”和“提出问题”不完全相同,Albert回应这只是开场白,实际会继续讲自己想到的事情。这个交锋保留了提问式管理与单纯否定之间的张力,也避免把他的持续challenge自动等同于有效组织机制。

话题推进:Albert解释持续提问与团队讨论后,曲凯把问题切换到技术成熟、推理成本极低时的科幻产品想象。

01:02:31–01:05:50彩蛋二:算力无穷的终局——嵌套的虚拟社会

  • 假设技术成熟、推理成本足够低,你会想做什么很酷的产品?就当写科幻小说。

第二个彩蛋要求把技术成熟、推理成本极低当作科幻前提。Albert的设想不是现有产品计划,而是“再造一个AI社会”。他先构造故事:一个相信一切注定、可被证明的AI信徒,集合全世界算力,把脑科学、生物学、物理学等他称为第一性原理的约束注入模型,让其演化,并在适当时候借助外力调参,使它逐渐对齐地球从生命出现到人类今天的发展。

这个人物的动机是穷尽算力预知未来。可当他暴力计算时,模拟世界停在某一刻:那个世界里也有人构建所有算力预测未来,于是形成递归。Albert把这总结为对未来的想象也处在不断预测未来之中。这是思想实验,不是技术可行性证明,也没有论证物理世界可被完整规则注入和精确复现。

把故事往产品方向前移,他希望成为虚拟社会的观察员甚至参与者:其中有人赚钱、生活,像一场直播;用户可在任意角落扮演角色、重新过人生或创业。进一步可以有多个乃至数百个世界,各自有经济系统,参与者在其中获得收益并反哺现实。

曲凯联想到马斯克或他人关于现实世界很可能是虚拟的说法,Albert认同这与自己的递归想象相关。两人的共识是科幻趣味,不是对模拟假说的证明,也不能把虚拟收益反哺现实写成已经设计的商业闭环。节目随后结束。

话题推进:虚拟社会与递归预测的科幻畅想是本期最后一个话题,节目在此结束。

以上是原对话的分段阅读。下面才开始提炼论证、解释机制并给出本文自己的判断。

主要论证:观点怎样由经历与例子支撑

他从追求平台赔率转向优化胜率,再从影像转向智能,不是一次直线式成功,而是三次由不同证据触发的选择。

Albert · 00:03:17;00:06:15;00:08:27;00:11:53;00:31:55

2023年的互动内容demo让他看到内容质量与分发的双重障碍;2024年对美国利基市场的研究和影像PMF,使团队选择先获得确定性正反馈;2025年新项目的AI Coding实验和外部压力,又使他判断智能能力已超过预期。利基生意的舒适同时也造成行业跟进变慢,所以‘优化胜率’并未自动解决长期方向问题。

成立条件:这是Albert对个人与团队经历的复盘。ARR、PMF、新项目效果均为节目自述,缺少外部财务与产品对照;不能把每次转向都写成已被结果证明正确。

AIGC面向消费的内容与面向表达的创作要分开;降低创作门槛不足以同时解决内容质量和平台分发。

Albert · 00:03:48;00:04:12;00:04:55;00:05:28

面向消费时,用户拿它与头部人类内容比较,60至80分的生成结果不占优;面向表达时,创作者可能只为自我表达,评价函数不同。但即使工具突破自由度与门槛的权衡,游戏或影视互动内容仍会进入现有分发平台,未必形成独立平台。

成立条件:质量分数、头部1%等都是口头化表达。该判断针对其当时体验与互动内容设想,不证明一切AI内容消费都无效,也不否定新交互容器带来的例外。

新内容平台需要内容、容器、用户和分发共同闭合,单纯提升生成质量或做好创作工具并不够。

曲凯与Albert · 00:18:12;00:19:24;00:19:52;00:20:50

曲凯强调容器可以培养行为习惯,Albert强调好内容流向变现效率最高的平台。Albert又以用户、模态、内容类型解释小红书、抖音和内涵段子的冷启动与扩张,说明新交互必须与只能或最好在新容器中体验的内容结合。

成立条件:平台案例是嘉宾事后解释,并非唯一因果。基础设施、算法、创作者生态和商业化也可能共同作用,三要素框架不能单独预测平台胜负。

Higgsfield的阶段优势在于把快速变化的模型能力封装并展示出来,管理用户意愿与真实交付之间的落差。

Albert · 00:27:02;00:27:58;00:29:00;00:30:04;00:30:23

多模型各有优势使聚合有价值,语言到图像的信息损失使模板和审美社区有价值;但类似产品很多,Higgsfield更会通过素材与功能包装show能力。‘三分真七分假’强调普通用户难复现宣传效果,而非节目验证了造假比例。

成立条件:这是竞争者视角,缺少统一产品测试、留存、复购和用户预期数据。不能从拉新与社媒表现推出长期壁垒。

他所谓‘优化胜率’不是只选小事,而是在重要问题与高潜在回报方向中,让路径尽可能利用积累、控制变量并服务消费者;‘赔率是等来的’。

Albert · 00:40:36;00:43:23;00:44:06;00:48:15;00:51:55;00:53:29

他用张一鸣、黄峥、王兴和转录所称‘小红’说明连续积累,用段永平说明商业模式、文化与消费者导向。曲凯则追问大目标、赛马与保守风险,促使他把概念进一步限定为:方向需要重要性直觉,执行是正确地做事,新技术若有益消费者仍应拥抱。

成立条件:成功案例存在选择与事后归因偏差;胜率无法只凭叙事计算,也不能证明所有一流企业家都遵循同一原则。大公司的攻守与资源配置不能直接套到初创团队。

他把Coding看作智能显化和能力平权的重要方式,但真正产品问题是人群、场景、容器与交付形式。

Albert · 00:08:38;00:09:34;00:10:15;00:10:33;00:36:35;00:38:05

新项目的零人工代码实验使他看到非工程师参与需求的可能;不同人群需要不同产品,而不是都使用IDE或chat。交互应让交付放大模型能力,团队当前探索也围绕特定任务的易用性与效果。

成立条件:个人任务和团队项目体验不能替代系统性质量、成本、安全与维护评估。‘只有Coding才能超出智能界限’是强判断,不是已证明的唯一技术路径。

机制与术语:对象、输入输出和中间过程

从旧项目历史包袱到零人工代码实验

原文能确认的链条是:老项目架构和代码量大,AI只能局部修改,组织提效受阻;新项目设定人工代码量为零,设计与工程化交给AI,工程师不参与需求研发;模型对规范的遵循提高后,非工程师写需求更可行。输出是团队对AI原生组织和新产品方向的进一步探索。

对应节目:00:08:18;00:08:38;00:08:58

例子来源:嘉宾原例重述,不是本文虚构场景

嘉宾原例重述:使用节目自己的对照:同一团队在老项目只能让AI做局部修改,在新项目则以零人工代码作为约束。原文没有说工程师转为代码审查、产品经理必须按某模板拆需求,也没有给出测试、运维或安全流程,因此这些不能补成标准步骤。

Coding平权的产品拆分:人群 × 场景 × 交付

输入是模型Coding能力。先选择尚未被服务的高价值人群,再识别该人群的任务,最后设计容器与交付,使用户不必面对通用IDE或统一chat界面。输出是面向特定人群的任务结果,而不是‘会写代码’本身。失败可能来自人群价值低、任务定义错误、交互不匹配,或交付仍限制模型。

对应节目:00:09:47;00:10:15;00:10:33;00:11:05

例子来源:嘉宾原例重述,不是本文虚构场景

嘉宾原例重述:Albert举Cursor面向程序员、转录作Laubo的产品面向设计师、Replit面向产品经理,说明同一能力被包装给不同用户。团队正在研发的产品只称在特定任务上效果更好,没有公开足够信息判断其具体切口。

内容平台的容器与三要素闭合

用户、模态类型与内容类型共同定义初始产品;容器再通过交互和分发影响使用习惯。若创作工具产出的内容可自由流向旧平台,新工具不自动获得平台网络效应;若新交互使内容体验与新容器强绑定,才可能出现独立平台机会。

对应节目:00:18:25;00:19:52;00:20:50;00:22:51

例子来源:嘉宾原例重述,不是本文虚构场景

嘉宾原例重述:小红书案例是图文、有用内容与其所述一二线城市女性的匹配;转录作‘火银’的产品虽有全屏视频,却以动态桌面分享为内容,被Albert用来说明交互先进但三者不匹配。

模型能力封装与用户预期落差

模型迭代产生新能力,宣传先提高用户意愿,产品需要把能力封装为可理解、可尝试的交付。如果演示远好于普通用户结果,第一次失败会提高再次尝试门槛。因而展示有助于拉新,但长期成立仍需真实交付、留存和复购。

对应节目:00:29:00;00:29:21;00:29:51;00:30:23

例子来源:嘉宾原例重述,不是本文虚构场景

嘉宾原例重述:Higgsfield被Albert用作例子:模板与全家桶降低使用成本,Soul、drag to video、灯光控制等被精心展示;‘三分真七分假’是对演示与普通体验差距的强评价,不是量化审计。

胜率框架的三层拆分

第一层是选什么问题:需要判断重要性与潜在回报,不能只做容易但无价值的事。第二层是路径:利用既有积累、控制超出能力的变量、在时机成熟时投入。第三层是组织与目标:以消费者价值而非估值或市占率指导采用新技术,并通过文化与提问提升执行。

对应节目:00:43:44;00:48:15;00:49:21;00:51:55;00:53:29

例子来源:嘉宾原例重述,不是本文虚构场景

嘉宾原例重述:段永平案例恰好显示三层不能简化成‘守旧’:长期留在消费电子是积累,手机出现时又必须抓,因为关系消费者与公司生存;Albert随后把‘做正确的事’与‘把事情做正确’分开,进一步说明方向和执行是不同问题。

持续提问的组织机制与表达陷阱

Albert描述的团队过程是有人提出重要问题,推动成员评价方案,再修正方案;同理心、想象力和提问意愿支持发现用户场景。‘sharp’的极端表达能加速传达强观点,却不提供正确性保证。

对应节目:01:01:04;01:01:22;01:02:08;01:02:22

例子来源:嘉宾原例重述,不是本文虚构场景

嘉宾原例重述:他反复对同事说‘这个可能有问题/不对/不是最终的样子’。曲凯提醒‘觉得有问题’和‘提出问题’不同,说明有效机制需要把否定转成可讨论的问题,而不是只靠挑战语气。

独立判断:这些对话改变了什么理解

本期最有解释力的不是‘胜率胜过赔率’,而是Albert的经历显示:局部胜率优化可能与长期方向失灵同时发生。

推理:利基市场带来PMF、利润和复利,正是胜率策略想要的结果;但他又承认这让团队自我麻痹、对智能跟进变慢。因此‘找到正反馈’只能证明当前产品循环有效,不能证明团队仍在最重要的问题上。第二次极端转向既是重新选择赛道,也是对前次优化目标的纠偏。

竞争解释与边界:不能据此说胜率策略必然保守,因为他把消费者导向当作防止守旧的约束。真正需要检查的是:团队是否定期重新评估方向重要性,而不只优化现有核心指标。

‘所有一流企业家都优化胜率’在证据上是事后归因,但‘方向赔率、路径胜率’比原句更可用。

推理:成功案例无法估计反事实胜率,也难以区分能力积累、时代窗口和运气。对话内部其实已形成更细框架:选重要问题需要直觉,执行要控制变量,遇到有益消费者的新技术仍须改变。这不再是否定赔率,而是把赔率放在方向层,把胜率放在行动层。

竞争解释与边界:竞争解释是成功者在不同阶段动态调整风险,而非始终遵循一种哲学。若把‘胜率’定义得足够宽,任何成功都能事后被解释为有把握,概念就失去可证伪性。

Coding平权的关键验证不在生成代码数量,而在交付闭环是否由目标用户独立完成。

推理:零人工代码是便于观察能力边界的极端实验,却不等于产品可维护、可靠或成本更低。Albert自己的框架也要求按人群与任务重做容器,因此更应观察非工程师能否从需求走到可用结果、处理异常并持续迭代,而不是只看一次demo或代码占比。

竞争解释与边界:老项目与新项目的差异可能来自项目复杂度,而不只模型能力。需要相近任务对照、后续维护成本和故障责任数据,才能判断组织角色是否真的改变。

Higgsfield案例把拉新机制讲清楚了,却没有完成长期产品价值的证明。

推理:精选素材和功能包装能降低认知成本,帮助新能力迅速被理解;但普通用户难复现恰恰可能扩大预期落差、抬高再次尝试门槛。对话同时提供这两个方向,因此不能把‘会show’直接当作护城河。

竞争解释与边界:另一种解释是其在模板、工作流、稳定性或社区上确有产品优势,只是本期没有展开。留存、复购、普通用户成功率和单位经济性比社媒展示更能区分两种解释。

组织部分的关键矛盾是高标准提问与资源约束,而不是强者文化和弱者文化谁更先进。

推理:Albert既想把事情推向理论最好状态,又承认第一性原理和一流人才协作需要资源,普通团队必须在约束下工作。持续提问如果没有明确问题、负责人和停止条件,也可能只增加焦虑;他自己对sharp的反思正好提供了这个限制。

竞争解释与边界:两种文化可能在不同任务上有效:探索难题需要高密度人才与挑战,规模化执行需要文化、流程和普通人可复制的方法。本期没有足够材料给两种组织做绩效排名。

尚未解决的问题与可检验的下一步

待解问题:新项目的零人工代码实验能否经相近复杂度、持续维护和非工程师独立交付的对照验证?

下一步信息或小实验:选取老项目与新项目可比的完整任务,记录需求到上线时间、返工、缺陷、维护、推理成本和人工介入;区分初次生成与一个月后维护。

怎样的结果会改变判断:若非工程师能稳定完成交付且全成本下降,Coding平权的组织主张增强;若只在简单新项目有效、维护时工程师大量介入,则应缩小结论。

待解问题:‘优化胜率’能否被写成事前可检验的决策记录,而不是成功后的万能解释?

下一步信息或小实验:在项目开始前记录重要问题、可控变量、关键假设、预期回报、停止条件和转向触发器;项目后对照,而不是只讲路径连续性。

怎样的结果会改变判断:若高胜率判断持续对应更好的资本效率且不错过关键窗口,框架更有解释力;若胜率只能事后描述、转向总由外部冲击触发,则它更像叙事而非预测工具。

待解问题:Higgsfield式能力展示最终提高还是降低用户的长期信任与使用?

下一步信息或小实验:比较普通用户与宣传素材的任务成功率、首次到第二次使用转化、留存、退款与复购,并区分精选模板任务和自由创作任务。

怎样的结果会改变判断:若模板帮助普通用户接近展示效果并持续复用,说明封装确实降低门槛;若首次落差后流失明显,则‘会show’主要带来短期拉新。

待解问题:Albert团队能否同时保持现有业务的胜率优化与对新方向的开放,避免再次靠极端摆动纠偏?

下一步信息或小实验:观察是否出现固定的新方向评估、消费者问题复盘、小预算试验与明确资源切换机制,而非只在旧业务受阻后全面推倒。

怎样的结果会改变判断:若团队能连续进行小规模方向探索并保留有效旧积累,说明其组织学习已超出单纯极端转向;若再次经历长期舒适后突然全盘重启,原有风险仍在。

待解问题:持续提问怎样转化为可执行的组织学习,而不只形成sharp的表达和否定?

下一步信息或小实验:抽查讨论是否形成明确问题、证据、方案修改、负责人和复盘;同时记录无效挑战、重复讨论与决策延迟。

怎样的结果会改变判断:若提问提高问题识别和方案修正质量,Albert的机制得到支持;若多数讨论停留在‘不对’而没有可检验下一步,则它只是管理风格。

影响理解的转录疑点

先读00:31:47—00:36:18与00:40:36—00:54:38:前一段是利基成功造成组织麻痹的直接复盘,后一段完整呈现胜率/赔率的定义、反诘和边界。再回读00:06:15—00:12:45的AI Coding实验,可避免把方法论语录与亲历证据分开。最后读01:00:41后的彩蛋,Albert对sharp可能错误、持续提问和科幻想象的自我限定,会改变对全篇强观点的理解。

证据边界与资料索引

本页依据整期机器转录、官方节目介绍与章节逐段重建,未宣称逐字人工听审。说话人、专名、数字和时间可能存在识别误差;原声仍是最终核对依据。嘉宾关于公司、市场、研究、个人经历与未来的说法按口述保留,不自动等于独立核验的事实。

原节目:优化胜率而非赔率,把一件事做到理论上该有的样子|对谈连续创业者 Albert

本页使用的公开文字或字幕来源

返回顶部