Top Tweets for #Software2

王冠被 OpenAI 碾压过三次。 第一次做写作工具，ChatGPT发布了。 第二次做Excel转图表，GPT-4来了。 第三次做Agent工作流，OpenAI Plugins上线了。 每次都踩得那么精准，像是有人在天上盯着他的进度条。 这让他意识到一件事：盲目做应用是虚无的。 你不知道基座模型的能力边界在哪儿，就像在流沙上盖房子，随时会被淹没。 所以他做了一个决定，先去月之暗面（Moonshot AI）当模型产品负责人，搞清楚模型到底能干什么，再出来创业。 一年后，他离职创办了ONE2X，做AI视频生成器Medeo。 他是月之暗面第一个离职创业的员工，公司的离职流程都是因为他才建立的。 压缩即智能：五道口的顿悟 王冠对大模型的信仰，来自五道口的一顿饭。 那是在龙人居餐厅，月之暗面创始人杨植麟（Tim）花了三个小时给他讲"压缩即智能"，全程在纸上写数学公式。 王冠坦诚地说，"我完全没听懂那些公式，但大受震撼"。 后来他去研究OpenAI科学家Jack Rae的视频，慢慢拼凑出了完整的认知地图。 这个概念很抽象，但王冠把它讲得很生动： 压缩不只是把文件变小，而是强迫数据建立联系。 想象下，你教AI两件事：中文翻译成英文，还有中文总结。 按理说，AI没学过"英文总结"这个任务。但因为压缩把这些离散的知识点挤在一起，它自动学会了。 这就是连续性。 以前的AI处理的是结构化数据，像Excel表格那样，一格一格的，互不相干。 现在的大模型处理的是语言、视频这些非结构化数据，它们本身就是连续的，像一条河流。 压缩让这条河流得更顺畅，AI就能"触类旁通"。 数据的三个阶段：创业公司的机会在哪儿 王冠有个核心判断：智能的第一性原理是数据。 他把AI行业的竞争分成三个阶段： 第一阶段：公域数据 大家都在互联网上抓数据，拼的是算力和清洗效率。这个阶段已经结束了，格局已定，基座模型公司赢了。 第二阶段：领域数据 拼的是"我有你没有"的私有数据，比如医疗、金融这些行业的历史积累。这利好大厂和传统巨头。 第三阶段：内生数据 这是创业公司的机会。 什么叫内生数据？就是世界上之前不存在的数据。 ChatGPT出现之前，没有海量通过对话解决问题的自然语言数据。 ONE2X做视频生成，就是要创造一套描述视频制作过程的语言（DSL），这套语言本身就是新数据。 只有通过设计新的产品形态产生内生数据，并把它训回模型，创业公司才能建立壁垒，不被基座模型的"自然延伸"碾压。 生成系统：一个完整的闭环 王冠不喜欢"套壳"这个词的贬义用法。 他说，壳可厚可薄，System 2才是核心竞争力。 基座模型（System 1）大家用的都一样，产品的胜负取决于你在模型之外构建的"壳"，也就是上下文（Context）。 ONE2X的架构分三层： 底层：DSL（领域特定语言） 把视频制作这件复杂的事，抽象成一组有限的"原子能力"。就像围棋，规则是封闭的，所以可以被计算。 中间层：Context（上下文） 这一层的核心任务是降低"熵"。 什么是熵？就是不确定性。 用户说"做个高大上的视频"，这句话的熵很高，AI不知道怎么执行。 System 2要把这句话转化成精确的指令。 同时，它还要约束AI智能体的行为边界，确保它不会乱调用工具，输出可控。 顶层：Environment（环境） 这不只是个软件界面，而是一个让人和AI共同活动的"环境"。 用户在这里的每一次操作、每一次修改，都是在为系统产生高质量的数据。这个环境本质上是一个标注平台。 王冠举了个例子：厨师做菜，油温多少度，翻炒几下，这些隐性知识如果不记录下来，AI就学不会。Environment要做的，就是把这些"火候"全部显性化。 物理世界vs理念世界：视频的两个战场 王冠对视频赛道有个独特的划分。 物理世界的视频，是摄像头拍的，对应抖音、快手这些短视频平台。 王冠把它比作"夜店、超市、生活广场"，娱乐、八卦、卖货，供给已经很充分了。 理念世界的视频，是AI生成的，对应知识、艺术、精神信仰。王冠把它比作"图书馆、歌剧院、大教堂"。 这类内容以前因为制作成本太高（比如耐克的高端广告，或者把一篇文章可视化成视频），一直是稀缺的。 ONE2X要做的，就是占领这个"理念世界"。 他还有个更大的愿景：让视频从"创作"变成"表达"。 古代写字是创作，需要笔墨纸砚，门槛很高。 现在发微信是表达，门槛极低。目前做视频还是创作，像写情书。未来应该变成表达，像说话一样自然。 只有当一种模态从创作变为表达时，才会诞生伟大的产品。 生成系统将取代推荐系统 王冠有个大胆的判断：中间商将死。 互联网平台本质上是"分销平台"，掌握流量分配权，剥削创作者。抖音、淘宝都是这样。 生成系统是"产销一体"，没有库存，没有流量分配，直接对接需求与生产。 用户想要什么，AI直接生成，不需要在海量内容里检索。 这意味着推荐算法这个"中间商"不再需要了。 随之而来的，是货币的变更。 在内容供给无限的时代，"注意力"（流量）不再稀缺，稀缺的是"信任"。 未来用户不会为流量买单，而是为创作者的品味（Taste）和配方（Recipe）付费。就像Substack那样，我信任你这个人，所以订阅你。 未来的创作者：两极分化 王冠认为，创作者群体会分化成两类。 金字塔尖的艺术家/专家 这些人不会被AI替代，反而会被放大。 系统是他们能力的放大器，把他们的高级智慧复制成千上万份。 他们的每一次操作、每一次修正，都是在为系统提供高质量的"内生数据"。 他们是生成系统能够不断进化的核心驱动力。 广泛的"产销者" 对于大众而言，创作不再是为了商业目的，而是回归到"产销一体"。 就像退休老干部在家写毛笔字，创作过程本身就是一种消费。 用户生成内容是为了满足自己的精神需求，价值在生产完成的那一刻就实现了，不需要依赖外部流量变现。 王冠把这叫做"劳动即消费"。 AI时代的产品经理：不再只是画原型 王冠自己就是产品经理出身，他对这个角色在AI时代的价值有深刻的思考。 PM的核心工作不再是画原型，而是设计智能的边界。 具体来说，分三个层面： 设计System 1：定义模型的能力边界 模型即产品，模型本身是值得被设计的。PM需要把业务Know-how转化为数据，定义什么叫"好"的结果，建立评测标准。 构建System 2：设计上下文与环境 PM的核心竞争力在于Context Engineering（上下文工程）。 通过设计Agent框架、工作流和知识库，为模型提供高质量的输入。 战略核心：设计"内生数据"闭环 PM必须设计一种全新的产品形态，使其在运行过程中产生世界上之前不存在的数据。 这个产品本质上是一个"标注平台"。 王冠说，PM还要扮演"审美"和"标准"的制定者。 不是所有数据都是好数据，PM需要具备极高的品味（Taste），去定义什么是高质量的输出。 组织即环境：员工是智能体 ONE2X是一家很特别的公司。 全员远程，没有管理岗，没有KPI，甚至连考勤都没有。 王冠把它定义为"产品工作室"（Product Studio），而不是传统公司。 他的组织哲学很简单：把公司视为一个"环境"，员工是"智能体"。 这个概念来自强化学习。 在强化学习里，你不控制智能体，而是搭建一个环境，让智能体在其中自主活动。 王冠说，管理的核心不是KPI考核，而是对齐"奖励函数"（Reward Function）。 每个员工进入公司都带有自己的目标，可能是对技术的热爱，可能是不想让公司死掉。 组织的智慧在于找到一种方式，让个人的目标向量在公司前进的方向上有最大的投影。 为了解决远程办公的孤独感和信任问题，ONE2X建立了"温暖可信计划"。 公司内部有个"朋友圈"，大家在飞书里建立话题组，分享生活八卦、写小作文。 通过这些非工作内容的交流，建立类似线下的温暖感和人际信任。 王冠说，坐班制是工业革命的产物。脑力劳动不需要依附于物理产线，远程办公配合"温暖可信计划"更适合产品工作室模式。 狭义AGI：一个自动化的赚钱闭环 关于AGI（通用人工智能），王冠有个非常务实的定义。 他不谈全知全能，也不谈自我意识。他说的是狭义AGI。 什么是狭义AGI？ 在一个特定商业领域（比如炒股），AI能自己赚钱，用赚的钱买算力和数据，再优化自己赚更多的钱。 当人完全退出这个Loop时，狭义AGI就在该领域实现了。 这不是一个突然到来的"奇点"，而是一点一点发生的。 比如在编程（Coding）或语言处理领域，这种现象似乎正在被点亮。 诺基亚时代的策略：积累数据，等待iPhone时刻 王冠有个精准的类比：当下是AI的"诺基亚时代"。 我们现在看到的AI应用，很像诺基亚手机上的计算器或贪吃蛇。 在这个阶段做复杂的移动互联网式APP是不合时宜的。 策略是什么？ 在"iPhone时刻"到来之前（即端到端多模态模型成熟、成本极低、推理极快之前），应该做离模型最近的生产力工具。 这样既能感知模型变化，又能积累数据（System 2/Context），为未来真正的超级APP做准备。 王冠还引用了一句诗来描述通用Agent和垂直Agent的关系："千江有水千江月，万里无云万里天"。 垂直Agent（千江月）在各自领域有独特智慧和数据，这是应用公司的机会。 通用Agent（万里天）试图覆盖所有，但在过渡阶段无法在所有领域都做到极致。 最终两者会殊途同归：通用做深垂直，垂直扩展边界，在效果与成本的极致比拼中相遇。 蝴蝶穿花：老子的入世哲学 聊到个人哲学，王冠说自己深受道家影响。 但他做了个有趣的区分：不喜欢庄子的"大鹏展翅"，更喜欢老子的"蝴蝶穿花"。 大鹏展翅是逍遥、避世、飞得高。 蝴蝶穿花是在花丛中飞行从不走直线，而是在障碍中游刃有余。 王冠说，创业者应该像蝴蝶一样，积极入世，顺应环境变化解决具体问题，而不是追求虚无的超脱。 他还分享了一个让他感到"惊悚"的冷知识：一代人只有25到30年。 作为一个30多岁的人，他意识到自己现在做的产品，其实是在服务"下一世"的人（即比他小25-30岁的人）。 这种时间观让他跳出了当下的焦虑，用更长远的眼光看产品演进。 北极星指标：系统的智慧程度 ONE2X的北极星指标不是DAU（日活），而是系统的智慧程度。 王冠说，3个专家用户产生100万营收，优于10万个普通用户产生同样营收。 为什么？ 因为专家用户（高审美/高能力）的操作能为系统提供高质量数据，提升系统的"智慧程度"。 智慧怎么量化？ 不是看生成了多少内容，而是"消耗更少的Token达到同样的效果"。 就像做数学题，一眼看出答案的人比反复演算的人更聪明。Token消耗越少，代表系统越智能。 这是一个完全不同于互联网时代的衡量标准。 一个意外的验证 为了验证产品的商业价值，王冠自己做了一次"小白鼠"。 他用Medeo的早期版本制作视频，发在微信视频号上。作为一个没有特意运营的号，竟然跑出了200多万播放量。 更惊喜的是，他一开始不知道视频号有流量分成，直到有一天系统提示有钱到账（几百块钱）。 这让他确信，即使是目前的半成品工具，也能让普通人通过内容获利。 还有个更疯狂的故事。 B站和视频号上某位头部的AI内容博主，为了使用他们的产品，借遍了周围朋友的谷歌账号来充值积分。 他们把能买的积分包全部买光并充值到上限，依然觉得不够用，最后直接联系到王冠团队求助。 这让王冠团队意识到，头部创作者对高效生产工具的渴求是惊人的。 反共识的20个观点 如果要总结王冠的想法，这里有20个最核心的反共识观点： 关于智能的底层逻辑 1. 智能的第一性原理是数据，数据决定边界，算力决定速度，算法决定涌现 2. 压缩即智能，核心在于"连续性" 3. 从"拟合结构"到"拟合世界" 4. 狭义AGI是"赚钱-进化"的自动化闭环 关于行业竞争 5. 行业发展的三个阶段：公域→领域→内生 6. 护城河在于"内生数据" 7. 当下是AI的"诺基亚时代" 8. "壳"是核心竞争力，Context is Everything 9. 通用与垂直的终局：千江有水千江月 关于产品方法论 10. 生成系统将取代推荐系统 11. 产品架构三层论：DSL→Context→Environment 12. 上下文工程的核心是"降熵" 13. 北极星指标：系统智慧度 14. 环境即标注 关于内容生态 15. 视频是AI时代的"起点"而非终点 16. 物理世界vs理念世界 17. 从"创作"到"表达" 18. 货币变革：从"注意力"到"信任" 关于组织与哲学 19. 组织即环境，员工即智能体 20. 蝴蝶穿花，积极入世 尾声 王冠最爱的食物是白米饭。 在快问快答环节，他说自己不喜欢旅游，也没有全球视野的美食偏好。 白米饭兼容性最强，和任何食物搭配都有滋味。 这或许也隐喻了他做产品的思维：做最基础、最兼容的底座。 在AI的诺基亚时代，大多数人在追逐流量和变现，王冠选择了一条更难的路：造一座视频的图书馆，积累内生数据，等待iPhone时刻。 他说，一代人只有一世。 那就用这一世，做点不一样的事。 --- 基于播客张小珺Jun 商业访谈录，使用Prompt生成。

《为什么软件永远会有 bug？因为软件只是结构的低维投影》 我们习惯把 bug 当成程序员粗心的结果，好像只要“多测试、多 review、多加人”，一个系统就能趋近完美。 这是错的。 从结构的角度看，bug 根本不是错误，而是宿命。 要理解这个，你必须先知道软件究竟是什么。 ⸻ 一、软件不是世界本身，它只是一次“压扁”后的投影 真实世界的结构是什么？ •高维 •动态 •弹性 •充满例外 •充满隐含条件 •彼此耦合、互相影响 而软件是什么？ 是你强行把一个高维结构，压到一个低维、静态、可执行的层里。 •把人类复杂行为压成流程图 •把动态业务压成状态机 •把模糊逻辑压成 if-else •把外部世界的不确定性压成数据结构 只要发生“压缩”，就必然有折损； 折损意味着信息缺失； 缺失意味着误差； 误差显影之后，就叫——bug。 你以为是代码写坏了， 其实是结构在反抗降维。 ⸻ 二、bug 是现实结构在突破低维世界时留下的裂缝 为什么很多 bug，事后回看都“挺合理”？ 因为那些本该存在的边界条件，在高维世界里本来就是正常的。 只是低维软件承载不了， 直到某一天现实强行来一脚， 投影扭曲了，裂缝出现了。 这就是 bug。 你会看到： •业务变一点点，系统就崩一块 •用户行为一偏离预期，就触发异常 •外部接口稍微变化，就开始报错 •环境波动一下，整个系统行为失真 这不是系统脆弱。 是低维投影永远追不上高维真相。 当两个维度之间存在差异， 错误不叫错误，叫宿命。 ⸻ 三、为什么 bug 修不完？因为真实结构永远在变 真实世界不是静态的。 它每天都在生长、分裂、融合、塌缩。 软件却是一次性的投影。 你今天把它投影完， 明天现实结构就已经变了。 于是你就看到软件生命周期里永恒的三件事： 1.投影过期 2.结构变化 3.维度差暴露为 bug 当维度差积累得够大， 你不是修 bug， 你是在试图重新投影整个世界。 这也是为什么老系统到后期只能重写 —— 不是代码坏了，而是旧投影和新结构的宇宙常量不匹配了。 重写不是激进，是物理。 ⸻ 四、下一代软件工程的方向：减少折损，而不是写更干净的代码 传统软件工程一直在关注： •写更少的 bug •更严格的流程 •更多的测试 •更多的人力堆砌 这些解决不了本质问题。 因为他们没有触到维度差。 未来的软件必须变得更高维： •自描述（结构能让系统自己理解自己） •自修复（错误能自动趋向自洽） •自演化（投影能随结构实时更新） •协议驱动（用结构化协议替代代码性的拼贴） •结构保持（系统不崩，而是自动“保持”形状） 未来的软件不是静态的产物， 而是动态维持结构自洽的生命体。 你能明显看到：这已经在向 AGI 的范式靠近。 ⸻ 五、金句总结 软件之所以有 bug，是因为软件只是现实结构的低维投影。 bug 不是错误，是结构在提醒你：维度不够。 理解这句话， 你对软件的认知立刻从“工程”跃迁到“结构物理”。

OpenAI、Anthropic、Block在Linux Foundation搞了个AAIF，三家一人捐一个核心标准，Google、Microsoft、AWS全来当陪跑 一流的公司做标准，二流做品牌，三流做产品——谷歌这次只能算站台选手，多少有点尴尬 初始的三个标准各干啥？ https://t.co/2TwhTuLGFO：让所有代理一眼看懂代码仓库怎么操作。根目录一个markdown就行，写清楚：装依赖、跑测试、代码风格、PR格式，省得你给每个工具单独写规则 MCP：让代理像用浏览器一样随便调用工具。MCP是过去一年最猛的协议，1万+公共服务器，ChatGPT、Gemini、Copilot、Cursor都直接兼容。想让代理动Slack、Notion、数据库？MCP一键搞定，SDK月下载快1亿次，完全取代自己写的一堆破胶水代码 goose：让企业把代理关在自己机房里跑，不怕数据跑丢。这是Block开源的本地运行时，模型随便换，网络彻底断掉也能跑，完美解决企业“数据不能出墙”的死穴。跟前面俩一接，就是完整闭环 三件套齐了，生产级Agent才算真正落地，2026年你写的代理，99%会跑在这仨东西上，跟今天没人能绕开HTTP一个道理。今天不把https://t.co/2TwhTuLGFO建起来、不把MCP服务器跑起来、不用goose玩一次本地代理，明年就得去看老师们高价开的课🤣