张鹏对谈傅盛、王俊煜、潘乱：大模型时代，产品经理的机会在哪里？
随着 GPT-4 的发布，我们可能已经进入了大模型时代。随之发布的新产品，还有文心一言、Microsoft 365 Copilot、Midjourney V5、Google PaLM API 等等，基于大模型开发的各种新产品也开始涌现：Notion AI、New Bing、Jasper……大模型带来了全新的创新机会，产品经理们的春天到来了，但也有人说，大模型可能会让很多产品经理和工程师失业。
大模型时代，到底需要什么样的产品经理和产品？创业的共识又是什么？
关于这些问题，Founder Park 组织了一场圆桌讨论，由极客公园创始人 & 总裁张鹏和「乱翻书」主理人潘乱共同主持，特别邀请到互联网时代的优秀产品经理：猎户星空董事长傅盛、阅览室创始人王俊煜，来一起聊一聊 GPT-4 发布的划时代意义，以及从产品的视角，解读现阶段初具规模的大模型应用。
注：圆桌讨论时间为 3 月 16 日，GPT-4 发布后，OpenAI 宣布 ChatGPT 支持插件前。
01
GPT-4 很震撼
文心一言需要完善
潘乱：GPT-4 感觉特别震撼，文心一言，就像 Robin（李彦宏）一开始所说，的确存在差距，我觉得说得也蛮诚恳的，就是应该先上路。对于这次直播的反应，我觉得其中一方面原因是因为大家对它的期望过高，另一方面也有点苛责，毕竟现在这已经是最好的东西了。当然，目前它框架已经很好了，但仍需要更多的训练来完善。
张鹏：没错，我觉得你说的很有道理。毕竟，ChatGPT 已经经过多次实验和数据模型调整，成为了目前非常优秀的对话模型。对比之下，即便是文心也需要经过长时间的测试和数据处理才能达到同样的水平。当然，这并不是说文心不好，我认为它能在国内跑得起来也是一件好事。
傅盛：毕竟，GPT-4 才刚刚发布时，大家都很热衷于比较，这也是人们的本能反应。但从录播形式方面来看，百度可能有一些考虑，比如网络等问题，而这种形式可能并不被大家所接受。但总体来说，百度在中文方面还是有实力做出一个效果的，至少我认为还是有一定的水平和表现。而我和我的团队目前也在试用百度的接口，等试用结束后再做评价。
潘乱：文心一言是国内目前能做出的最好的大模型了吗？
傅盛：这个问题很难回答，因为很敏感。就我个人来看，百度一直专注于这个领域的研究和发展，而其他公司要从头开始研发可能是比较浪费时间和资源的。一般来说，训练模型需要的时间是很长的，单次可能需要一两个月，而百度能够在这么短的时间内推出文心项目，并且做到了这么好的体验，这是相当了不起的。
大模型成为云服务的差异优势
张鹏：今天的发布会我通过远程观看了大部分内容。除了这个令人惊叹的文心项目，还注意到两个值得关注的问题。一是李彦宏提到的未来云的定义可能会有所变化，包括芯片、架构、模型和应用等方面。我个人认为这个技术栈的变化非常值得关注。另外一个是模型即服务 (MaaS)，这个服务可能是未来的一大趋势。当然在今天发布会上，我们看到的文心项目主要是针对消费者端的，但实际上这个项目对于百度智能云发展也有着非常重大的意义。百度智能云过去确实相对于其他云平台来说非常弱势，但是我看到了飞升的机会，这次发布会可能会成为百度智能云起飞的助力，所以我非常看好百度智能云。
傅盛：我同意张鹏的观点，微软将 OpenAI 整合到云服务中，如果要申请 OpenAI 的接口，除了通过官方渠道进行申请外，还需要在微软云平台申请，这样微软云就成为了独一无二的合作伙伴，其他云服务商就不具备这个特点。据说很多企业都在微软云上开户，这样的企业开户已经排了一条街了。由此，微软云的业务得到了发展。而像亚马逊云这样的云服务商则没有这个服务。
潘乱：没错，如果我们从商业竞争的角度来看待微软的动作，例如为什么微软要服务于 OpenAI，并与 ChatGPT 进行融合，其实就是因为微软的核心在于生产力、平台和云服务。微软想让 OpenAI 最终为它的云而服务。至于一个融合了 ChatGPT 技术的 New Bing 出现后，谷歌要跟进还是不跟？跟进的话，搜索利润肯定会大幅下降，不跟进也会有利润降低的风险。在这样的竞争环境下，谷歌的核心现金流就面临着重大问题。如果谷歌无法持续跟进，那它就无法继续作为云服务的领军者，从而让微软云有机会争夺领导地位。这就像当年京东降低图书价格打败当当的情形一样，不管跟进还是不跟进都很尴尬。
GPT-4 逻辑推理确实更强
王俊煜：还没有特别明显的感受。说实话，OpenAI 用了一些巧妙的手段吸引了大家的目光，例如它能够识别图像、梗图，将手绘图变成网站或代码等等。但在线上使用的版本中，这些功能是体验不到的。我一直在测试一些比较泛的逻辑能力，例如 GPT-3.5 里的知识推理、素质培养、类比推理等，它在这方面的表现并不理想。所以一直在关注 GPT4 的改进，看起来它还有一些改进的空间，但更深的研究我还未研究到。
傅盛：GPT-3.5 重燃了我对于编程的兴趣，就想试着在没有任何人帮助，也不查询网页资料的情况下去编写出一个程序。按照它的推荐，就试着用 python 写贪吃蛇的程序，结果 3.5 版本代码就老出错，我就把错误贴给它，它就会告诉我怎么改，但是一直也没跑起来。昨天 4.0 发布后，我用了之后，修改的代码就可以直接跑起来了。
很多人说能写贪吃蛇是因为有模版，其实不是的，这完全是它一步一步生成的，所以我觉得 4.0 相比 3.5 的逻辑能力的进步还是很大的。
多模态会改变很多东西
张鹏：看到 GPT-4 对于图片的识别，还有多模态的功能，你们当时在想什么，是不是已经有一些产品的画面了？
王俊煜：我原来考虑的文本多一些，多模态虽然有一点口风但还是有点意外，它主要的进展还是可以理解图片的逻辑和图片里的内容。有了视觉能力其实就可以去理解真实世界，当然也很容易理解其它界面。我的一个想象是未来每个人可以雇一个便宜的助理，可以帮助你识别文本、图片以及音频、视频的内容。
但是图片理解的环节有个细节，把手绘草图转换成网站的功能里，草图里的按钮是等列显示出来的，这说明它是理解了图片中隐含的逻辑的，当然也会有一些局限，比如我看到生成的代码里，其实没有太多去理解网站本身的架构和语义，只是简单把字号放大，并没有用精确的语义代码去定义标题字体，不过这些都是挺好改进的。
潘乱：GPT-4 的多模态功能，视频、语音都可以识别之后，最大的想象力是不是跟机器人的结合？
傅盛：基本跟万物都能结合了。我们很早就做了语音、视觉这些，但是语义是属于另一个种类的事情，语义一通就百通了。可以用语言描述图片，就具备了用语言去抽象的能力。比如视频上，AI 就可以直接解析视频了，也不需要像我们一样每秒 24 帧地去看。语言、语义是完全两个领域的事情，机器人后续很快就可以实用化，可以用语言来进行真正的交互了。
张鹏：我觉得傅盛只说到了第一层。在多模态的功能加入后，很多事情都有了想象力了。比如运动相机拍摄视频，一般是拍了 20 分钟，可能精彩的就一部分，还需要自己导出到手机上剪辑，想做点效果还得手动加滤镜。我认为未来这些都是让 AI 帮你生成，它可以告诉你视频里有哪些画面，甚至告诉你怎么剪辑，不过对于一般人来说，AI 就直接给帮你剪辑和加特效了。等于你拍摄的所有东西，都有一个 standby 的摄影师和剪辑师，随时帮你剪辑。这对于飞行机器人、无人机影响都很大。以前的机器人要解决的更多是下半身的问题，现在也要关注上半身的问题了。
傅盛：我把这个东西抽象成两层，第一是交互的界面会发生变革，第二个是整个决策的能力。它的决策力已经可以提升整个社会的生产力，这种影响将冲击到每一个初阶的脑力工作者，因为机器人可以替代他们的工作。
02
大模型时代的终端和搜索
会如何改变？
潘乱：想问俊煜，你是最早一波参与移动互联网的玩家，很多人觉得大模型现在的阶段特别像移动互联网早期，你怎么看待？
王俊煜：我觉得特别像是 06、07 年的移动互联网，今天还是需要比较大的想象力去想象未来可能是什么样。坦白讲，06 年的时候我们想象不出来未来的互联网是什么样的，那时候我用的是中关村买的二手黑莓，可以使用 Opera、可以上 Twitter，可以收发 Gmail，但是也仅此而已。
你很难想到 07 年 iPhone 在发布的时候加上了 3.5 寸的触摸屏。即使在这个时候大家对于未来的想象相对成型一些，但是不管是乔布斯还是别人，可能都没有想到在未来十年，移动互联网上最具有优势的应用会是文本聊天，像微信、WhatsApp 这样的文本聊天软件。更别说 15、16 年出现抖音、快手这样的应用，还有今天我们用到的视频号这样的应用。
今天的 ChatGPT 其实不是一个给 C 端用户使用的产品，他们会有很多误解，比如为什么它给出的这些信息这么不准确，其实 C 端用户都没办法理解 GPT 使用训练语料是截止到 2021 年 9 月的，他们可能以为跟 Siri 或者 Google Assist 一样的用法，可以让它来讲段子或者相对来说比较高深的哲学性问题。
其实怎么样把 ChatGPT 用好，我觉得还是需要比较深的钻研。就比如大家会说的一句黑魔法就是「Lets think step by step。」如果对它说这么一句话，可能就可以促使它去解决一些它本来很难解决的一些问题。我觉得这都是非常神秘的，需要在早期非常多地去摸索的用法。但今天还是有一些应用，我觉得已经是能够放到我们的日常工作流里面，其实会有不少用到 ChatGPT 的地方。
张鹏：我跟俊煜的感觉是有一点像的，说像 2010 年可能还要稍早一些，10 年的时候因为 iPhone 的出现已经能清晰地看到一些明确的移动互联网的通道，换句话说，那个时候已经能看到 mobile native 的一些逻辑了，移动时候应该有的一些常识已经逐渐能够显现出来了。
但今天我们聊大模型的时候，还是不太能说出来 Generative AI 的 native 是什么。但我的感觉是在今天，产品群体、创业群体的活跃和兴奋度是非常高的。
王俊煜：2010 年的时候 iPhone 已经出了三年了。
潘乱：没错，但是今天 GPT 不是也出到 4 了嘛。
王俊煜：对，但我觉得今天的 GPT 还是有点像黑莓时代。
张鹏：这个我也同意，目前还没有到一个真正的 iPhone 时刻，GPT-4 算是刚刚接触公众，3 代的时候大部分人的认知还是有限的。
大模型会重塑手机形态
张鹏：大模型对于手机厂商是好事还是坏事？
潘乱：我没有太深入地思考过这个问题，但是如果顺着自然语言往前走的话，在相当长的一段时间内，手机还是大家最便携的一块屏幕，后来可能就不是手机了，而是像电影《Her》里随处可见的可穿戴设备一样了。
张鹏：有个说法是，云端的东西会变得更重要，手机可能会因此变得更好卖。
王俊煜：我最近听到有人说 OpenAI 应该做手机，我觉得这个想法有点意思，但这不代表能成功。其实这十多年来，不断有人想重新发明手机，但其实最后都证明，单点上的创新很难让用户从已有的生态系统里迁移出来。
但接着想的话，今天的手机桌面和 app 图标的形态，其实就是 iPhone1.0 的形态，这件事情是有路径依赖的，就像键盘一样，大家都知道它不是最科学的布局，但是因为第一代键盘就长这样，所以大家习惯了。手机也是类似的，商业角度上会有些悲观，从这个角度来看，为 AI 的时代重新设计一个手机，用户愿不愿意换？我是有些悲观的。哪怕今天的手机桌面，按照移动互联网的形态来看也不是最佳的。我们每天使用最多的是微信，每次都要去寻找微信的图标，这一步如果能省掉其实就省事很多，但微信现在也没有接入苹果的通知栏直接回复的功能。
今天的手机形态能优化的地方已经非常多，可能比 AGI 带来的机会还多，但大家其实也都没有做。也许未来会有某种新的设备出现，对于人的某种感官是个补充，相对来说又没有那么侵犯隐私，那我觉得是有机会的，但我觉得大多数人是没有那么在意效率的。我们以前做公司做了很久之后，发现很多人人其实没那么想用日历，因为大多数人没有忙到这种程度，不需要日历。
今天移动互联网上最 dominate（有统治地位的）的应用，往往不是效率产品，而是帮你更好地娱乐，去 enjoy yourself，这可能是我们去想这个问题容易有的曲线。
张鹏：所以最好的创业者就是不断地追求用最极致效率的工具，然后给大家创造最不需要效率的产品。傅盛会觉得手机的形态和未来的发展，会因为大模型有所变化吗？
傅盛：手机的分叉点肯定到了，本质上是因为交互的改变，交互从图形变为语音是一次巨大的改变。这次的改动不是从端上开始，是从大模型这件事。因为逻辑变了，这个时间拐点，大家对端的依赖会极度下降，可能玩游戏还需要手机性能，大部分看东西记事，对性能的需求没那么强了，可能说句话就解决了。
张鹏：我比较同意傅盛的观点，我的直觉是端的重要性在往后退，云的重要性在往前提。比如刚才的例子，拍摄的很多视频，如果拍完直接传到云端，未来就在那里直接生成我的人生故事，云才是重要的，端是不重要的。
傅盛：iPhone 实现了一部分，用网络相册把很多人套牢了，如果以后变成大数据模型，就可以拿来分析你的个性了。
张鹏：对，正好你们刚才提到了隐私问题，云在未来变得更重要，那么面对隐私，我们就要有一个思想准备：如果想通过云端 AI 提升自己的能力，或者自己的生活质量，就要做好真正花钱的准备。因为如果你想用免费的，它一定是通过某种方式转换价值的。它不是服务于你的，你的助理一定是服务于你的，而且你要为你的助理付钱。你的数据只能使用来为你的幸福服务，而且不能背叛你，这也就意味着你要需要花钱的，相当于雇一个助理。这里面，隐私和信任的问题就变得超级重要。
某种程度上，如果简单地解决隐私问题，就需要付费，让数据公司能够站在保护隐私的方向完成商业闭环。如果是免费的，反倒不敢用了。
GPT 会重塑搜索产品的形态
王俊煜：Bing 现在是我的首选搜索引擎。我一开始会觉得这是一个很取巧的办法，把聊天框和搜索框用透明胶粘在了一起，挺生硬的。也能理解为什么 Google 一直宣称自己做了 Bard，但是一直不愿意放上去，可能 Google 也觉得基于自然语言的交互和搜索框基于关键词的交互不是一回事。我现在使用 Bing 也是以提问为主，不怎么用搜索关键词，当我遇到一些复杂的问题时，我就会选择使用 Bing。因为 GPT 可以将结构化数据转化为自然语言，并在很短时间内提取文档中的关键信息。这有点像我们几年前讨论的听播客和读文章的区别。对于阅读来说，需要一种能力，而听播客则不需要，因为听播客是一种自然语言的交流方式。
我现在的默认浏览器并不是 Bing，所以当我知道我需要找什么时，我还是会用 Google，但是当问题稍微复杂一些时，我会使用 Bing 来提问。比如关于代码写作相关的，它会问我一些问题，我再去回答，其实跟真人讨论挺像的，通过更交互的方式去获得信息。其实能够猜到它的一些原理——通过传统的搜索引擎去找到 4-5 篇文章，然后通过 GTP 的能力去做整合。在很着急的时候，这还是比自己去读要快很多的。这是能带给我的很新的体验。
潘乱：我觉得整体的能力还是 GPT 的能力，向它提问和之前搜索的预期是不一样的，之前的搜索是发现路径，现在的搜索直接是目的地。
张鹏：以前的搜索是给你一个通向你的目标的通道，现在的提问更像是个向导，直接给你导到最终目的地。这是有区别的。
王俊煜：其实它的原理，还是把最后搜索结果里的 3-4 个网页提取出来，然后直接输出结果。从商业模式上来看，的确会对网站的流量有一些挑战，但其实后面接的还是传统的搜索引擎。
傅盛：这个会对网站生态有一定影响，但是到底会怎么影响，还是需要再看看。比如 GPT 会不会变成巨无霸，还是我们在和它的应用中还是能做出一些东西的？为什么谷歌这么紧张，包括百度也要赶紧开发布会，搜索厂商是必然要被革命的。New Bing 发布后，微软最近月活过亿了，以后可能搜索的收费模式都会改变，以前的排名机制是谁有钱谁排前面，之后可能则是内容越真知灼见越能帮用户节省时间，越有价值。
ChatGPT 是一种结构化数据的自然语言界面
王俊煜：ChatGPT 是 GPT-3.5 的一个非常好的演示，MIT 曾经写过一篇文章讲 ChatGPT 本身的开发过程，他们实际上是先有这个模型，然后再想着用聊天做这个演示。但似乎把所有人都带到一个陷阱里，都认为这是用来做聊天的模型。实际上，当他们在讲述 ChatGPT API 时，文档里面也提到他们在后面将其进行了翻译处理，然后提交给模型。
张鹏：这种与 AI 之间的自然语言的交互交流，算不算是这个时代里必备的一种素质？
王俊煜：我有一个朋友木遥在微博上说过，ChatGPT 是「作为一种服务的自然语言界面」，一种结构化数据的自然语言界面。GPT-4 这次通过了律师考试，其实大家可以把法律文件理解成一种代码，律师的日常就是互相解释和翻译代码，最后以合同这种代码的形式达成共识。GPT 很擅长做这件事情，包括写程序也是，将自然语言翻译成机械能懂的语言，然后再翻译回来，大部分产品经理其实也是在做这样的事，将业务需求交给 UI 翻译成设计稿，再交给工程师翻译成代码。
抽象来说，GPT 的功能就是把各种结构化的语言转化成自然语言呈现给我们。按照木遥的说法，服务业大部分的工种都在做这件事情，律师、财务、产品经理、设计师等。大部分工作可能都会被取代，但好处是你可以专注在一些 AI 代替不了的工作。
张鹏：刚才我们还说产品经理的春天来了，现在怎么感觉是冬天来了。傅盛怎么看待这个问题？
傅盛：我觉得是春天来了。跟所有行业面临的问题一样，初阶产品经理肯定会面临危机，因为主要的日常工作——把需求转换成界面，都会被取代。产品经理的真正意义是找到用户场景和用户需求，然后去设计产品，交付给用户。现在这种情形下产品经理反而能够更快去实现产品原型和效果，因为基础框架已经特别简单了。
大模型使用的语料不会短期消耗完
潘乱：我一直好奇一个问题，按照现在的发展速度，人类的语料库数据很快就会被用完了，可能也就这 2-3 年，那之后怎么办？
王俊煜：这个不好说，我觉得现在很多数据其实没有被使用或者被记录，这也跟存储成本高，存储下来没有用有关系，比如把我每天听到的东西 7*24 小时记录下来。
潘乱：这些日常的数据很多应该不是高质量的数据，不是为了更好的计算服务的。
张鹏：我觉得需要先定义一下数据，我们今天说的数据，可能不仅包括你收到的信息，你在看消息时的反馈表情、停留时长等也应该是数据，但这个大部分时候还没有被记录。感觉我们今天对于数据的定义和大模型时代对于数据的定义是不一样的。
大预言模型出来之后，所有人类用人类语言留存下来的相关信息都变成了有意义的数据，都可以去训练和学习。而以前，比如训练自动驾驶时，你需要对照片进行标注，但训练过程中真正能获得的结构化学习数据是很少的。现在自然语言处理带来了指数级数据提升，而多模态又会带来如视觉方面的更多数据，这一切都体现在数据的定义中。
李志飞认为应该还有 8-10 个数量级的数据提升空间，因为这里包含了多模态和更多的东西。它不会像我们想的那样在几年内结束，随着能力提升，数据会诞生更多的数据，这可能会让它再次突发，所以不太可能看到它的终点。
03
大模型时代的优秀应用
应该是什么样的？
潘乱：把视觉的维度加进来之后，GPT-4 会给内容创作的产品带来什么样的变化？比如基于 GPT 的产品 Descript，之前一般是播客创作或者直播剪辑用的多一些。
王俊煜：播客的制作一般是录一个小时需要剪辑 4-5 个小时，有大量重复的、琐碎的体力活，今天其实大部分的创作工作都是这样的。之前和一位杂志主编聊天，他说其实所有的人都害怕写文字，害怕写文章，对所有人来说这都是痛苦的事情，即使是专业的编辑和记者。
但是现在 GPT 出来后，我现在就经常用 Notion 写产品文档，会给它几个要点，让它展开，可能废话很多，但起码是一篇完整的文档，这至少使这个过程变得不那么恐惧，起码有一个起点。最近我正在试用 GPT-4，会在我的笔记本上随机选几条笔记，它们可能与一个特定话题有关联，或者都比较抽象。然后我会看它是否可以将这些笔记组合成一篇文章。虽然效果可能听起来有点荒谬，但最终合成的文档至少是可以看的东西。这些技术已经大大降低了创作门槛，减少了很多工作量。
所以我觉得，如果一个人不需要这么痛苦地写作，甚至不需要像我们一样花费多年的时间在学习语文上，他也可以轻松地表达自己的思想，那么这个世界会发生很多改变。虽然现在我们不知道会发生什么。你可以通过结构化的方式表达你的思想，将你的思想充分地表达给别人，并不需要掌握写作这样的技能。写作真的是一门非常难的技能。
张鹏：我同意，其实我跟潘乱都是写文章的人，但即使我喜欢写完的感觉，写作过程仍然非常痛苦。因此，如果有人使用 ChatGPT 生成一些初步的东西，然后你再去修改，那你的修改成本就会比写作成本低得多。对任何人来说，这都是很有用的，就像 Sam Altman 和 OpenAI，我们为什么觉得他们很厉害？他们致力于解决资本主义所面临的普惠问题，即如何把能力赋予更多人使用。
ChatGPT 技术可以被所有人使用时，你会发现本质上每个人都能够拥有初级的助理。虽然现在还需要提高使用技巧，但我相信未来会有更多种类的产品，让大家更好地利用这个基础能力。而且，像傅盛所说的那样，每个人都可以拥有 5 个助理，或者说一个助理可以拥有 1550 种不同的能力，这都是有可能实现的。
Notion AI 挺好用，但需要更进一步
张鹏：李志飞（出门问问创始人）最近特别痴迷 Notion 的 AI 功能，Notion 似乎已经成为了他的小助理，遇到什么事情都会试着去交流。想问下你们对于 Notion 的体验如何，AI 是不是在你们的工作流中已经起到作用了？
傅盛：用的不多，我觉得它的扩充功能和用 ChatGPT 的体验差不多，就没有特别惊艳。反而我觉得 AI 的功能拓展上还有很多点可以做，现在的界面过于简单了。可能也是因为对于行业来说，这个功能太新了，只是能加上去用户都会觉得好。
王俊煜：我用得还蛮多的。但我也同意傅盛老师的看法，它在 AI 整合方面还比较薄弱。本质上只是批量销售 GPT 的 API。我甚至算了一下价格，其实相对于购买 GPT 来说还是比较划算的。但对我来说，因为我的文档都在这个平台上，省去了第一步将它复制粘贴到 GPT 的过程。我只需要写一个简单的 prompt 就可以使用，这其实等于省去了两步。
按照我们传统的做互联网的方式来说，它本质上就是 GPT 的一个入口渠道，今天所做的增值其实并不多，除了 Notion 以外，现在有很多笔记产品都添加了类似的功能，其中包括 Craft、国内的 Cubox 前两周也加入了类似的功能。我经常使用 Notion 来改写文章、做总结、提取会议记录和提取 Todo 等，这些实际上非常实用，可以整合到整个工作流程中。
但是我认为今天大家所做的都还是比较浅显的，包括一个名叫 Mem 的产品，声称使用 GPT 来整理个人知识库，但本质上来说，他们并没有索引个人知识库，只是用了 AI。他们与你的企业知识库没有任何关系，因为你知道 GPT 的 API 长什么样子，大概也能理解他们做的事情还很浅显，还没有付费去使用更高级别的 API。实际上今天还是一个类似于黑莓的时代。你可能会觉得他们写出的内容可以理解，但非常沉闷和平凡。它们可能会使用你不喜欢的词汇，它们无法理解你想要的味道和口感，你需要做一些简单的 prompt 来详细说明这些要求，但这很累。
它们还没有办法更自动化地理解，去学习我的过去的写作风格是什么，我喜欢什么样的摘要方式等。这些都是在今天的基础上比较容易想象的。包括大家说的飞书加上 AI，我认为很容易想象飞书加入后能做到什么程度，至少能和 Notion 平齐，大家需要进一步思考，如何使得这个产品比 Notion 更进一步。
基于 GPT 的个人助理必然会出现
潘乱：我觉得一方面是大家创作的能力被无限增强，另外其实是特别利好微信。因为你最主动的表达、大量的互动都在微信里，以后可能训练 AI 都需要这些跟别人交互的数据。
张鹏：在俊煜看来，个人数据和 GPT-4 的结合，对于所谓助理能力的加持是不是一个很重要的维度？如果想要大模型更熟悉我，还需要我给它更多数据，对于这个你是怎么思考的？
王俊煜：大概 2010 年左右，有一个和 Dropbox 同时期出现的应用——Greplin，你可以在这里绑定各种云服务的账号，然后它会检索你的所有个人数据，这样你就可以随时搜索。网站在 2013 年被苹果收购。打通的想法很好，但是阻力也很大。第一个就是对于隐私的担心，第二个是，对于绝大部分用户来说，额外付出的成本比获得的便利要多，大家大概率不会去做这件事。
其实今天的 Siri，如果你愿意的话，是可以让它记住很多消息的，但是这样交互的 ROI 还是太低。但是我今天有个比较乐观的想法是，AGI 的出现会不会让这件事的回报足够高，以至于让大家愿意花费一些额外的成本去做这件事？
或者说到了一个阈值后，就对于用户足够的有用，允许大家愿意把更多的数据交给它。但这些都是在生态链不变的情况下的假设，如果生态链发生了变化，比如说微信的数据能直接拿到，那当然会有很大的变化，不过这个可能在今天看来就过于可怕了。
张鹏：如果基于微信能长出一个很强的个人助理，个人数据可以被用来训练大模型的助理，那微信岂不是成了最牛的操作系统？
潘乱：我觉得首先要看数据使用权归谁，是不是归腾讯？然后数据能不能这样用。
傅盛：出现个人助理我觉得是必然，也有可能就是颠覆微信的机会。每一代互联网的变化都会涌现新的变化，当年马化腾说不推出微信可能腾讯就危险了，如果 Facebook 不收购 WhatsApp 估计也危险。个人助理这件事肯定大家都在盯着，这是最容易想到的，也是能做到的。
未来的知识库 AI 应该会察言观色
张鹏：刚才所说的 Mem 是一个知识库管理工具，感觉俊煜是一个超级有知识管理习惯的人，你对于这个软件的体验怎么样？
王俊煜：我其实不做知识管理，因为我不管理，我的梦想是我记下来，它替我管理。
Mem 现在体验下来还是蛮失望的，因为感觉它吹嘘的很多功能跟实际的体验还是差别太大。它今天做的 99% 的功能，我觉得跟 AI 一点关系都没有，剩下 1% 里面的 0.9% 又跟 Notion 其实是一样，AI 只跟单条笔记有关，并不能索引整个的系统。
潘乱：感觉大家都是 ChatGPT 的外包商。
王俊煜：对，大家的功能都很浅。
傅盛：现在其实比的是拼手速，谁接了这个 API 都可以宣称自己是 AI 了。
张鹏：你会期待它做到什么程度？
王俊煜：不讲技术原理的话，我会期待我用自然语言提问一个知识库里的问题，它可以回答，而且能够举一反三，在看似不相关的事物中找到联系。甚至更进一步，产品经理其实可以想更多，它们应该可以更好地理解我所掌握的和未掌握的知识，甚至不需要我显式地记录下来，更聪明的产品能够通过观察我的行为和言辞来了解我掌握什么，不仅仅是依靠技术原理，应该是能够察言观色的。
04
大模型时代需要怎么样的产品经理和工程师？
张鹏：关于接 API 的问题，现在不少产品可能接个 API 做一个简单的 feature 就对外宣称自己是 AI 了，这可能是有点丢产品经理的人，产品经理并不是这么想问题的。我觉得我们聊聊，大模型时代的产品经理应该是什么样？现在的产品经理需要哪些 native 的东西？古典产品经理敢于想象，敢于定义需求；后来的数据型产品经理就主要负责 A/B Test，前者似乎没什么用了。现在是不是能定义需求的产品经理的时代又回来了？
傅盛：我觉得现阶段是有机会的，但是行业怎么个发展还得看跟技术怎么结合。这是一个怎么去预先找到需求的时代，有点像移动互联网早期，有一堆专业工具，如何找到你的用户群。今天 ChatGPT 虽然很火，但我估计有 80% 的人估计还是没听说过的。所以这个时候，产品经理自己需要先学会这个东西，花较多的时间去了解这个东西，知道它的核心能力的边界在哪里。
因为产品经理如果不了解具体的功能，是很难设计出一款好产品的。它的能力边界在哪里，可以设计哪些功能等，这是需要发挥主观能动性去完成的。以后可能任务型的工作都是 GPT 完成，主动性的工作由产品经理来完成，这才是产品经理真正的意义和特长之所在。
在我看来，今天所有的产品都值得被重做一遍，这是一个非常好的机会，也是一次大的变革，产品经理应该是站在最好的位置上的。
潘乱：调用 API 并不是什么问题，实际上问题在于每个人的能力和参与度。比如有人在 ChatGPT 上发布了一个 Chrome 插件，类似于 New Bing 的体验。最初，他们做了一个谷歌上的插件，之后被即刻员工买下来，在此基础上进行了很多拓展。他们很像 2011 年的张一鸣团队，试图不断尝试和测试需求。有些团队需要像百度或其他团队一样进行硬攻，但有些团队需要迅速获得正反馈，因为持续获得正反馈更重要。
王俊煜：关于调用 API 的事情，我也觉得问题不是特别的大。可能有两种场景：一种是已有产品，接上 API，我觉得这是对于已有产品的增强。另外一种直接用 API 做的产品，我和潘乱老师的看法不太一样，可能不太像张一鸣在 2011 年做的头条、内涵段子等产品，更像是 2007 年在 iPhone 上做的指南针等产品，就是基于 iOS 的若干 API 做的 app，这个的创造性有多大？这是一个问题。产品的厚度还是比较薄的，我还是会不断提醒自己，不要像是早年做了一个简单的指南针工具，做了一个优化产品那样就很开心。
我特意去看了下豌豆荚的 2011 年的排行榜，上面很多优化类产品现在已经消失了，虽然当时的用户反响不错，但是当它走向更大众的人群的时候，其实会有不太一样的需求。另外我觉得古典产品经理，核心能力还是把用户的需求和解决方案对接，其实也不是创造需求，本质上需求不是创造出来的，是挖掘出来的。一个人必定有某些需求，只是原来被摁住了，没有被释放出来。
在 AI 这个新的领域中，产品经理的能力仍然是与人打交道和对人有洞察力的能力，这是比较古典的一种能力。现在的问题是，每个人能在一天 24 小时内能做多少事情？这个问题甚至可以由 AI 和 AGI 来解决。但是从另一个角度来看，当年拿到 iPhone，人们可以理解它能做什么，这并不难。现在拿 GPT 来讲，不仅是产品经理和工程师，而且学术界都还在探索它究竟能做什么。你看到的很多论文都在使用 ChatGPT 来研究它的应用。因此，对于产品经理来说，理解 GPT 将来能做什么是更难的，这个门槛变得更高了。
即使我们的工作没有变化，仍然需要对接和挖掘人们的需求，用解决方案来实现它。但是要理解这个解决方案的难度似乎变得更高了。在 2010 年或 2011 年这样的时代，我们招聘产品经理或产品设计师，只要他们对于用户体验有 sense，就是一个很大的优势。因为当时大多数产品并不关注用户体验，但今天来看，这个门槛在提高。
张鹏：我同意，现在产品经理需要更深层的技术理解和对场景的理解，以及对于技术边界的深刻理解，这与黑莓和移动互联网早期的简单工具调用 API 不同。他们需要更深入地投身其中，但也要有足够的敏捷性来转换，最终找到产品的 native 的本质。像机器学习这样的模型，被张一鸣用来改变信息分发，最终发展成为了类似微信、美团或字节这样的产品。这不是一个 feature 级别的功能，它需要更深入地理解技术和场景，需要更多的投身和探索。也像潘乱所说，他们需要跳入水中，不断地尝试和探索，在这个过程中找到 GPT 的本质。
潘乱：我觉得今天的一切都在加速，很多人也在等待这样的机会。移动互联网早期有很多非共识的机会，但今天大家对于大的趋势、机会判断的能力和响应的意识比之前强了无数倍，真的不用认为现在是处于早期了，因为所有东西都在加速。今天已经是正规军在作战了，不像早年能给大家留很多真空时间。
初阶程序员可能会被取代
张鹏：前两天看到一个激烈的讨论，谷歌的总监认为未来 3 年可能我们就不需要程序员了，然后我们也看到了 GPT-4 的能力，未来程序员这个角色要往哪走？会变成什么样？
傅盛：想法还不成熟，简单说一下。第一，我觉得初级程序员肯定要被消灭。第二，以后肯定是全栈工程师的时代，拼的是逻辑能力和业务结构能力。其实和产品经理会越来越像，对业务需要有足够的理解，只靠一些技术能力是有点困难的。
张鹏：那之后产品经理一个人是不是一个产品团队了？因为有 GPT 帮你写代码。
王俊煜：极端点说，那为什么还需要产品经理？
张鹏：所以这件事就变成我们到底该怎么理解未来的产品团队，它的能力到底是怎么构成的？
王俊煜：如果生成式 AI 的目的就是生成，例如将某个人的想法变成现实。那么关键就是这个人如何产生对人类的洞察，并挖掘出需求。那样的话，许多初级产品经理可能会被自动化所取代，因为这些事情都可以通过各种变量和粗暴的奖励来实现。我赞同傅盛老师的观点，许多初阶岗位可能不需要太久就会消失。
潘乱：我觉得人类还是不要对自己太自信了。这件事到最后是否跟人有关系还值得商榷，科幻电影里的情境大概率会实现，我们碳基生命会成为硅基生命的引路人。我们的进化速度与他们压根没法相比，因为他们实际上比我们更强大。AI 为什么要为我们服务，我其实是想不通的。
大模型时代创业的共识和边界
张鹏：在这个时代中，我们也将面临同样的问题。虽然现在是一个让人兴奋的时代，所有的东西都值得重新做一遍，这是有共识的。但是如何在这个过程中做得更好，找到真正有价值的那个点，这个边界在哪里，我认为并没有太多的共识。这个问题可能并没有得到明确的答案。
潘乱：我们现在看到的边界更多是大模型本身的边界，现在都是基于 API 做开发，受限于 API 本身的能力限制，所以也没法更深地满足需求。
王俊煜：谈到「所有的东西都再做一遍」，我认为这也存在一些陷阱。如果我们想象过去十几年的移动互联网，实际上它是同样的逻辑，互联网上的所有东西在移动互联网上再做一遍。最终成功的都是传统的桌面互联网老巨头。例如，即时通讯仍然是被腾讯主导，新的搜索引擎并没有产生。至于在美国，社交领域暂时还是 Facebook 主导，你真的能在移动互联网上成功吗？新公司实际上还是传统互联网的公司。
张鹏：从互联网时代迁移到移动互联网的中间。虽然仍有一些掉队者，但是很多互联网时代的巨头已经成功迁移过来了。我认为这次成功迁移率只会比上次更高，而不会更低。因此，留给创业者的机会并不是像你想象的那样广阔而随意的，它是受限制的。虽然机会很广泛，但你能够利用的机会可能并不那么广泛，因为大部分巨头都会涉足。因此，如何找到真正的共识点，将你有限的能力、时间和资源真正运用在此之上，这是很关键的。我认为真正的大机会就在这里，但是现在我们看到很多创业公司只是为了 API 而 API，这也考验了你对这些事情的理解深度。你需要判断这件事情是否很有趣、值得做，但是不是你应该做的，因为你做了会变成大公司的产品经理。
傅盛：我觉得巨头在很长一段时间内都必须推出自己的大模型，如果没有大模型就会被淘汰，这是一个现实。巨头之间的核战争已经开始，巨头不会从应用层面入手，因为只有推出大模型才能真正收割更多。谷歌使用的不会是 ChatGPT，腾讯使用的不可能是文心一言。此外，后来者需要更加开放，否则它们就已经落后了。
GPT4.0 在半年前已经完成，而 GPT5.0 正在开发中。后来者需要尽快拉拢开发者，否则会被其他公司抢走。可能有的巨头动作会慢一些，但他们会给应用一个时间。现在看来，没有推出大模型的巨头都将被淘汰。因此，我认为在这方面应用仍然有很大的机会。
张鹏：是的，在 OpenAI 和微软的联盟面前，所有巨头都众生平等的落后了。
