#95 是肖弘在 2024 年秋季与 2025 年春节后两段录制合成的 3 小时 22 分钟访谈。它从 2015 年创业、微信生态和插件治理，走到 GPT-3 冲击、Monica、Manus、DeepSeek 以及云端 Agent 的沙盒与回滚。最有穿透力的不是“做一个更强模型”，而是如何在模型快速变化时提前购买选择权，把一次模型事件转化为用户可见的结果、分发与反馈。
以下先按节目自身的推进讲清楚原文：主持人问了什么，嘉宾怎样回答，哪些经历、案例和转折把后面的结论串起来。这里先不替嘉宾下判断。
| 时间 | 章节 | 关键问题 |
|---|---|---|
| 00:00–17:04 | 大学与第一次创业 | 为什么从微信编辑器、SCRM 和 Hackathon 进入创业？ |
| 17:04–52:27 | 平台博弈与产品选择 | 如何在第三方插件治理前，把 CRM 做成用户习惯而不是定制项目？ |
| 52:27–1:05:55 | 资本、团队与出售 | 资本为什么是新技能维度，出售又如何避免组织泡沫？ |
| 1:05:55–1:28:04 | Monica 的起点 | GPT-3 API 冲击后，为什么先做浏览器插件和海外市场？ |
| 1:28:04–1:48:38 | 模型与应用 | 自有模型、无模型、多模型和品牌分发分别承担什么角色？ |
| 1:48:38–2:15:15 | 模型像芯片，产品像整机 | “新 Andy—Bill 定律”如何解释 AI 应用的价值迁移？ |
| 2:15:15–2:36:01 | DeepSeek 与应用事件 | 为什么 o1 与 DeepSeek 的产品体验会改变用户对模型的理解？ |
| 2:36:01–3:05:00 | Agent、环境与安全 | 代码、API、浏览器、沙盒和云端电脑如何组成行动空间？ |
| 3:05:00–3:22:47 | 重要变量与未来工作 | 在白领收缩、全球化和模型商品化之后，创业者如何下注？ |
节目包含两个录制阶段，主持人对“今年/去年”的指代需按录制时点理解；本文不把后来的行业结果倒灌成当时的必然结论。
下面按节目自己的推进，把上表中的主题展开成连续讲解；其中的判断、数字和经历先按嘉宾/作者在节目中的说法呈现，尚未进入本文的独立审计。
肖弘从武汉、华中科技大学和微信编辑器讲起：早期项目既要解决真实的内容生产问题，又要预判平台会如何治理第三方插件。他们没有被短期定制收入锁住，而是选择先做产品、等待用户，甚至在六个月没有用户时继续打磨。这个选择把一次性合同换成了可复用的产品资产。
当平台最终收紧插件，产品已有十万级文章与品类心智，说明创业者可以在约束出现前购买时间。但这不是鼓励赌命，而是要求把赌注限制在可承受成本内：提前做的能力必须能在多种平台状态下复用，且有明确的停止条件。
定制项目能快速回款，却容易把团队锁进客户需求和不可复用代码。
产品化等待用户更慢，但平台变化时拥有更强的迁移速度与品牌记忆。
2022 年 GPT-3 API 让肖弘看到语言模型可能成为新的能力层。他没有先做大而全的研究平台，而是从浏览器插件、ChatGPT for Google 和海外用户访谈开始，把模型能力嵌入已有的搜索习惯。目标价位、用户场景和分发渠道先于模型自研，这使团队可以快速观察什么结果真正有价值。
后来把多个模型与多个生态放进一个助手，反映出产品公司的现实取舍：自有模型带来时序控制、成本和差异化；不自研则能选择最适合任务的模型、避免把研发资源押在单一技术路线。模型会像芯片一样逐渐商品化，产品、品牌、渠道与服务因此变成新的组合资产。
访谈把 AI 应用类比消费电子：模型像芯片，产品像整机，用户购买的是完整体验而不是零件参数。模型越强，产品壳越需要重新设计——更长的上下文、更少的提示词、更高的自动化和更强的结果编辑能力。模型公司与应用公司之间不是简单的上下游关系，而是不断重新划分价值边界。
应用仍有几个不能被 API 自动提供的资产：对用户的理解、场景中的隐含约束、错误时的兜底、与支付/身份/权限的连接，以及把模型能力转为可传播的产品语言。DeepSeek 让“强模型可以更开放、更便宜”变得具体，也让纯 API 壳的脆弱性暴露得更明显。
肖弘观察到，o1 的重要之处不只在分数，而在于用户第一次明显感知到模型“花时间思考”；DeepSeek 则把推理、开放和低成本带入更大范围的产品讨论。模型思考被看见，才会改变普通用户对 AI 的期待；否则技术进展只停留在开发者圈层。
这也解释了应用公司的机会：在模型事件出现时，谁能最快把新能力放进搜索、写作、代码、研究或办公的具体界面，谁就能获得一轮用户反馈。但窗口不会永远开放，平台会迅速把成功模式原生化。产品要把一次流量高峰变成可持续习惯，必须继续提供独特上下文和结果责任。
访谈把 Agent 拆成环境感知与执行：代码可以改文件、API 可以调用服务、浏览器可以操作网页，三者组合才构成行动空间。仅仅把多个 API 串起来，无法处理动态网页、权限变化、错误恢复和“做错了会怎样”的问题。
| 组件 | 负责什么 | 必须补的验证 |
|---|---|---|
| 观察 | 读取页面、文件、状态和任务上下文。 | 来源、时间、权限与数据新鲜度。 |
| 规划 | 把目标拆成可执行步骤，决定何时调用工具。 | 计划是否可解释，是否存在循环与越权。 |
| 执行 | 写代码、操作浏览器、调用 API、修改环境。 | 沙盒、最小权限、幂等性与人工确认。 |
| 恢复 | 发现失败、回滚状态、换路径或请求帮助。 | 错误分类、恢复成功率与事故审计。 |
云端电脑和虚拟沙盒的意义，是把开放式行动变成可以复制、暂停和回滚的环境；它们不是附属基础设施，而是 Agent 能否扩展的训练与责任边界。
肖弘的策略不是预测所有变量，而是控制自己能控制的变量：选择合适的市场、构建可迁移的能力、把反馈做快、在领先时加速。资本不是终点，而是购买人才、时间和试错次数的工具；出售公司也可以是给团队兑现、避免泡沫和保留长期精力的理性选择。
产品速度、用户访谈、模型抽象、权限设计、现金流和组织节奏。
平台政策、模型发布、资本市场、竞争对手和宏观需求。
用低成本准备应对外部变化，用明确里程碑决定是否 All-in。
原文讲解到这里。接下来才进入本文的结构化抽象、证据分层和独立判断。
肖弘多次强调“世界不是线性外推，做博弈中的重要变量”。这句话不是成功学，而是一种在高不确定性下配置选择权的方法：提前用可承受的成本做能力准备，等待技术或平台约束变化；一旦信号出现，迅速把准备好的能力包装成产品，形成用户、收入和反馈，进而改变下一轮博弈。
在平台治理、模型能力和用户需求尚未确定时，先建立低成本、可迁移的能力。
把一次模型突破变成浏览器插件、助手、云端电脑或可交付工作，而不是只讲参数。
用沙盒、权限、回滚和结果评价把开放式行动变成可承担的任务。
以下卡片是本笔记此前整理出的独立洞察，现统一放在核心判断之后，避免与嘉宾/作者原文混读。
“在可承受成本内越早准备越好”是一条有用经验，但单独看很容易变成幸存者叙事。更可操作的表达是：选择权价值取决于事件发生的概率、准备后能领先多少、反馈能否迅速回收，以及准备成本和锁定成本。公式不是财务估值，而是迫使团队把“感觉会发生”拆成可讨论的变量。
| 访谈节点 | 可见信号 | 采取的动作 | 真正买到的选择权 | 应记录的反事实 |
|---|---|---|---|---|
| 微信外挂治理 | 平台生态明显不可持续，但时间未知。 | 提前做企业微信 CRM，并拒绝定制诱惑。 | 在规则变化当天拥有合规替代品。 | 若治理晚两年，团队是否仍能承受等待？ |
| GPT-3 API | 通用模型可完成过去昂贵的信息抽取。 | 先做浏览器插件和海外场景，目标设得很低。 | 先买用户理解、支付与分发经验。 | 若 ChatGPT 很快原生覆盖，哪些资产仍可迁移？ |
| ChatGPT for Google 收购 | 独立开发者拥有自然增长和明确需求。 | 收购现成分发与用户反馈，而非把钱直接烧在广告上。 | 缩短 PMF 验证时间，增加真实访谈样本。 | 增长若只来自品牌词，移植后能否独立复现？ |
| 云端 Agent | 模型开始能写代码、调用工具并多轮修复。 | 先搭可丢弃的虚拟电脑、浏览器和异步交互。 | 提前拥有新能力的安全容器。 | 若模型能力停滞，环境本身是否仍有客户价值？ |
这个账本的关键不是预测准确，而是让团队保留退出权：赌注要小到可以等待，能力要通用到能迁移，反馈要快到能修正。否则“提前布局”只是把不确定性转成更长时间的沉没成本。
原文对 o1 与 DeepSeek 的对比，真正有价值的不是“谁的 benchmark 更高”，而是展示了技术如何被翻译成用户可感知的路径。第一层是能力：推理质量、工具调用或成本发生变化；第二层是界面：思考过程、引用、进度和失败被看见；第三层是分发：免费/开放、入口和分享机制让更多人能试；第四层是反馈：用户把结果带回工作，形成口碑、数据和支付。
因此“o1 错过体验创新”是嘉宾的产品判断，不是对模型技术的否定。它指向一个可复核的问题：同一能力若以不同的可见性、价格和入口呈现，普通用户的理解、留存与任务完成是否会显著不同。未来评估模型发布，应把能力分数和首次成功时间、分享率、长期复用、单位成本放在同一张表，而不是只看发布会当天的峰值。
#95 已经给出一个接近产品架构的答案：虚拟服务器提供可丢弃的计算环境，浏览器打开现实世界的长尾工具，模型可以写代码、调用 API 并多轮修复。若要从 demo 进入高频使用，还需把“谁允许它做什么”显式化。一个可运营的运行时至少包含：目标与预算、身份/密钥、状态快照、工具权限、执行日志、结果验证、异常升级和销毁策略。
| 运行时层 | 要解决的问题 | 失败时的责任 | 可测试指标 |
|---|---|---|---|
| 任务合同 | 目标、范围、预算、截止时间和不可接受后果。 | 规格含糊导致的错误不能甩给用户。 | 需求澄清率、超预算率、取消率。 |
| 身份与权限 | 账号、密钥、付款、文件和第三方授权。 | 最小权限、可撤销、可审计。 | 越权拦截率、密钥暴露、授权撤销延迟。 |
| 沙盒与快照 | 代码、浏览器和 API 的隔离与回滚。 | 错误修改可恢复，不能污染主环境。 | 回滚成功率、恢复时间、隔离逃逸。 |
| 验证与升级 | 判断结果是否完成，何时请求人类。 | “请点 yes/no”不能把系统责任转移给小白用户。 | 严重错误率、人工接管原因、证据完整性。 |
这就是为什么节目里对“让用户确认”有明显警惕：确认框若没有上下文、风险解释和可回滚性，只是在把责任推给最不懂的人。真正成熟的 Agent 应该先在云端环境里承担可恢复失败，再把需要人类判断的少数节点连同理由、影响范围和替代方案交出来。
这期创业史还提醒一个常被忽略的时间点问题：同一句“模型是商品”在 2022、2024 和 2025 年的含义不同。模型能力、API 价格、用户教育和平台治理一直在移动，因而不能用今天的产品结果反推当时的选择必然正确。更好的复盘方式是回到当时可见信息，检查团队是否做了低成本实验、是否保留了替代路径、是否把失败转换成下一次产品设计。这样既能尊重创业者的判断，也能避免把幸存者叙事误当成普遍方法。
| 主张 | 证据状态 | 怎样进一步核验 | 当前限制 |
|---|---|---|---|
| 提前预判平台治理能带来窗口期 | 来自创始人亲历口述，时间线清晰但属于单个案例。 | 比较同类平台、准备成本、上线时点与治理后留存。 | 不能从一次成功反推出所有平台变化都可预测。 |
| 模型会商品化，应用可通过多模型获得选择权 | API 可替换是工程事实；长期价格、质量和迁移成本仍需观察。 | 跨模型 A/B、切换天数、任务质量、毛利与用户迁移。 | 顶级模型在关键任务上的差异可能长期存在。 |
| DeepSeek 的体验创新来自展示思考、开放与低门槛 | 嘉宾产品观察；官方模型能力可核对，因果贡献需对照实验。 | 同能力不同界面/价格/可见性下的首次成功、留存和分享。 | 不能把产品传播结果单因归于“思考过程展示”。 |
| 云端 Agent 需要虚拟机、浏览器和工具调用 | 架构推演与公开产品方向一致，完成率和安全性仍是开放问题。 | 在受控任务集上报告成功率、回滚、越权、成本和人工接管。 | 不能因能调用工具就宣布通用 Agent 已成熟。 |
正文以 #95 的完整逐句材料为主；本期在 2024 年秋季与 2025 年春节后分两次录制，主持人已在节目中做时间说明。用户数、收入、融资、估值、团队规模、产品完成率和未来职业预测均按嘉宾口述或节目语境处理。本文不把后续 Manus 相关行业事件倒灌成录制时点的必然性。
证据顺序：节目原始材料 → 公司/模型一手资料 → 本文分析。完整精确文字、章节阅读版、SRT 与审计结果保存在私有材料区；公开页提供结构化深读，不复刻整期逐字稿。