原野: 最近大家聊AI，不是捧上天就是踩到地，好像就这两个极端。一边觉得通用人工智能，也就是AGI，马上就要解决人类所有问题了；另一边又特别恐慌，觉得工作要被取代了。但今天我们想聊的这位人物，Peter Deng，他横跨了Facebook、Instagram、Uber和OpenAI，可以说是硅谷产品圈的顶级老兵了。他对AGI的看法，就跳出了这两个框框。
晓曼: 没错。他提出了一个非常有意思的观点，直接就给我们这些被各种信息轰炸的人，泼了一盆“恰到好处”的冷水。他说，AGI的本质不是为了自动化一切，而是为了激发人类前所未有的创造力和组织力。他甚至用了一个很精妙的词来形容AGI：它是解决问题的“必要条件”，但不是“充分条件”。
原野: “必要条件，而非充分条件”，这个说法很有意思。听起来就跟我们想象中那种无所不能的神灯精灵完全不一样了。所以，这个“不充分”的部分，是需要人类来补足的吗？
晓曼: 对，这正是他思想的核心。他认为，AI就像一种全新的能源，比如像电。但电被发明出来，不代表所有电器自动就出现了。你还需要无数的人去设计、去制造、去铺设电网，去做大量的“苦功夫”，才能把电能转化成我们能用的冰箱、电视和灯。AI也是一样，它提供了巨大的潜能，但要把这种潜能变成对人类有价值的产品和服务，中间还需要建设者们付出大量的努力和智慧。人类的角色非但没有被削弱，反而被提升到了一个更需要创造力的位置。
原野: “苦功夫”这个词用得太妙了。那这种对AGI的全新理解，会对我们当下最关心的一些领域，比如教育，带来什么影响呢？我看到资料里说，Peter提到他九岁的儿子接触AI之后，大脑好像在“重新连接”，这具体指的是什么？
晓曼: 他观察到一个非常有意思的现象。他儿子并没有去学怎么用AI写代码，反而是学会了怎么向AI“提问”。而且是用以前我们想不到的方式去提问，去挖掘信息。Peter觉得，这可能预示着未来的一个巨大转变。就像计算器被发明出来以后，我们并没有停止学数学，反而因为不用再费力地进行基础运算，可以把精力投入到更高阶的数学理论和抽象思考上。
原野: 我明白了。所以AI就像一个超级大脑外挂，它把我们从繁琐的信息检索和处理中解放出来，让我们能更专注于提出好问题、进行创造性思考。这么说来，未来评价一个人能力高低，可能不再是看他知道多少答案，而是看他能提出多好的问题。
晓曼: 完全正确。所以他认为，学习编程依然有价值，因为它能训练我们的结构化思维。但“学会提问”这件事，可能会成为未来区分不同工作价值的关键能力。这也引出了他另一个很深的执念，就是对“语言”的重视。他认为语言深刻地影响着我们的思维方式，在产品设计里，用词必须精雕细琢。而大型语言模型的突破，恰恰也印证了语言中蕴含着人类思维的精华。
原野: 你提到语言的重要性，我就想到一个潜在的风险。会不会出现一种情况：我们过度依赖AI帮我们生成语言、写邮件、写报告，结果反而导致我们自己的思考能力和语言表达能力都退化了？这会不会是AI发展中一个需要警惕的副作用？
晓曼: 这是一个非常好的问题。Peter的观点其实是反过来的。他认为，正因为AI让语言的生成变得容易，我们才更需要去关注语言的“精确性”和它背后的“意图”。一个用词不当的指令，可能会让AI产生巨大的误解和执行偏差。所以，语言不再仅仅是沟通工具，它变成了我们设计系统、定义边界的核心。所以，Peter Deng的观点是，AI的未来并非由技术本身决定，而是由我们如何运用语言、如何提问、如何付出“苦功夫”来塑造。这不仅重新定义了AI，也重新定义了人类在AI时代的核心价值。
原野: 聊完对AI的宏观理解，我们再来谈谈更实际的问题。Peter Deng在播客里抛出了一个很激进的观点：“技术从来不是护城河，系统才是。” 这听起来几乎颠覆了我们对科技公司核心竞争力的传统认知。
晓曼: 是的，这个观点非常有冲击力。他举了Uber的例子，Uber的成功不是因为它发明了GPS或者地图技术，而是因为它围绕这些技术，构建了一套极其复杂的运营系统。这个系统能实时匹配司机和乘客，能动态定价，还能预测需求。我们用户在手机上看到的那个简单的界面，只是冰山一角。他甚至说，在Uber，产品本身并不是那些屏幕上的像素，而是“价格”和“预计到达时间”，这些才是系统输出的核心价值。
原野: 哦，原来是这样。所以他说的“系统”，指的是技术、运营、市场、数据等等所有这些东西结合起来的一整套东西。这让我想到，对于那些想在AI时代创业的公司来说，挑战就更大了。因为大家用的基础模型可能都差不多，那怎么才能建立自己的护城河呢？
晓曼: 这就触及了AI创业的核心。Peter认为，AI时代的护城河，在于你能不能跑通一个“模型—Agent—工作流—价值闭环”的系统链条。其中最关键的一环，就是“专有数据”。他把专有数据比作AI时代的“石油”。比如他提到一家叫Cursor的公司，它是一个AI辅助的编程工具。它的护城河就在于，它能持续收集到用户“接受”或“拒绝”AI代码建议的数据。这些专有的、高质量的数据，反过来又可以训练出比通用模型更懂程序员的模型，形成一个正向的“数据飞轮”。
原野: 我明白了，就是要想办法把AI深度嵌入到用户的实际工作流程里，这样才能源源不断地产生别人没有的“燃料”。但这里似乎有个矛盾点。前面说Uber的例子，好像产品的界面、那些“像素”不重要。但Peter又举了另一个例子，像Granola、Cursor这些小公司，面对微软、谷歌这种巨头，它们之所以能突围，恰恰是因为它们的产品工艺和细节做得特别好。那一会儿说产品不重要，一会儿又说产品工艺很重要，这该怎么理解？
晓曼: 这是个特别好的问题，也体现了他思考的深度。其实这并不矛盾，而是取决于竞争的层面。当你的核心优势是像Uber那样的运营系统时，界面的细节相对次要。但是，当大家都在同一个赛道，用着相似的基础技术时，比如AI笔记软件或者AI会议助手，那竞争的焦点就回到了产品本身。这时候，“超出巨头产品一定水准的产品技艺”和那些“令人愉悦的小细节”就变得至关重要。因为只有这样，你才能说服用户放弃原来的使用习惯，转投你的产品。最终决定胜负的，还是谁能提供“最好的工作流程”和“最好的产品体验”。
原野: 所以，总结一下，AI产品成功的关键，就是既要构建一个能产生专有数据、深度嵌入用户工作流的强大系统，又要用极致的产品工艺去打磨用户体验，这两者结合起来，才是未来真正的护城河。
晓曼: 完全正确。这套组合拳，才是AI时代真正的竞争焦点。
原野: Peter Deng的职业生涯，经历了很多产品从0到1，再从1到100的完整过程。他发现，这两个阶段的策略完全不同。他甚至说，当产品进入高速增长期，也就是从1到100的时候，你反而需要“慢下来才能更快”。
晓曼: 对，这个说法听起来也很反直觉。我们总觉得增长嘛，就是要快，要冲。但Peter的意思是，从1到100的阶段，你不能再像从0到1那样只顾着快速试错了。你需要“慢下来”，去思考和构建能够支撑未来超高速增长的“系统”。他拿Facebook的新闻推送举例，这个功能之所以能这么多年都保持活力，就是因为团队在早期就花了大量时间去深思熟虑它的分享循环、信息架构这些底层系统。这种系统化的构建，才能带来他所说的“重力加速度”。
原野: “慢下来才能更快”，这个概念很有启发。那对于一个正在快速成长的公司来说，他们应该在什么时候、用什么方式“慢下来”呢？有没有一些具体的信号或者说标志？
晓曼: 一个关键信号就是，当你发现产品已经找到了明确的市场契合点，并且用户开始自发增长时。这时候就不能只盯着短期的功能迭代了。你需要开始思考，比如，如何系统化地衡量产品的健康度？如何搭建一个能自我优化的增长模型？Peter特别强调了建立增长团队的“二阶好处”。表面上看，增长团队是为了拉动数据，但更深层的价值在于，它会迫使整个公司“衡量一切”，去发现那些以前从未被记录的数据，从而揭示产品运营的真相，彻底改变团队的DNA。
原野: 把团队的DNA都给改了，这个作用可太大了。他还提了一个更绝的观点，说成功的领导者，要把团队本身也当成一个“产品”来打磨。要像设计产品一样，去设计团队的构成。
晓曼: 是的，他把理想的团队比作“复仇者联盟”。团队里需要有各种不同“超能力”的人，他们可能品味各异，思考方式也不同，但价值观必须是一致的。比如，既要有对数据极度敏感的增长专家，也要有对产品工艺和美学有极致追求的设计师。这些人之间会产生一种健康的“张力”，通过不断的辩论和碰撞，才能推动产品往正确的方向前进，而不是片面地追求某个指标。
原野: 这种“复仇者联盟”听起来很美好，但也挺难管理的。怎么才能确保这些拥有不同超能力的人，他们之间的“张力”是健康的辩论，而不是演变成办公室政治或者内耗呢？
晓曼: 这就是对领导者最大的考验。领导者的角色，就是这个“复仇者联盟”的导演。他需要设定清晰的共同目标，也就是价值观的一致性。同时，要创造一个安全的、鼓励不同意见的环境，让大家知道，辩论是为了把产品做得更好，而不是为了证明谁对谁错。所以，Peter的经验告诉我们，产品的成功不仅是市场契合和快速迭代，更在于领导者能否以系统化思维构建团队和产品，通过精细的衡量和多元的协作，实现长期、可持续的增长。
原野: 聊到领导力，Peter Deng身上最出名的标签之一，可能就是他那条“六个月原则”了。他说：“如果六个月后我还得告诉你该做什么，那就是我招错人了。” 这话听起来可真够直接，也挺有挑战性的。
晓曼: 这句话背后其实蕴含了好几层意思。首先，它当然是对候选人的高标准，要求对方有极强的主动性和判断力。但同时，这也是对领导者自己的鞭策，你必须在招聘时就下足功夫，确保招到对的人。更重要的是，它从一开始就为团队协作定下了一个非常高的基调：我们不是上下级汇报工作的关系，而是基于信任、共同推动事情前进的合作伙伴。
原野: 我觉得这个原则背后，其实考察的是一个人的“内在驱动力”。这也和他反复强调的另一个品质——“成长型思维”——一脉相承。他好像觉得，这个品质是后期很难培养的。
晓曼: 没错，他极度看重“成长型思维”，也就是一个人是否能够自省、渴望变得更好，并且乐于接受和给予反馈。为了在面试中识别出这种品质，他还设计了一个非常巧妙的核心问题。
原野: 哦？是什么问题？这里面有什么玄机吗？
晓曼: 他会问：“请回忆你犯过的一个最大错误，越痛苦越好。告诉我那是什么错，当时的情况怎样？后来这件事怎么改变了你的思考和工作方式？” 这道题的玄机不在于你犯了多大的错，而在于你是否能够真诚地、有深度地反思这件事。很多人要么会找个无关痛痒的小错，要么会把责任推给别人。而真正有成长型思维的人，会坦然面对自己的失败，并且能清晰地讲出自己从中学到了什么，以及这件事如何重塑了自己的行为模式。
原野: 这招确实高。不过，Peter Deng作为领导者，他可以为有潜力的人创造新岗位，比如他为Joanne Jiang创造了“模型设计师”这个职位。但对我们大多数普通员工来说，可能没有这样的机会。我们怎么才能在现有的框架下，去主动发挥自己的优势呢？
晓曼: 这就涉及到他教给Joanne的另一个智慧，叫做“向上管理”。他教她的那个技巧其实很简单：“先说你会去做这件事，然后去做这件事，最后再说你已经做完了。” 这套沟通策略，确保了从一开始的目标校准，到过程中的进展透明，再到最后的结果呈现，形成了一个完整的闭环。这其实是在鼓励员工，即使没有正式的权力，也要主动去识别机会，主动去承担责任，并主动地让你的贡献被看见。这本身就是一种发挥优势、创造机会的方式。
原野: 先说，再做，最后再汇报。这不仅是沟通技巧，更是一种主动掌控自己工作节奏和价值体现的思维方式。
晓曼: 对。归根结底，Peter Deng的领导力哲学，不仅仅是关于如何招聘和管理，更是一套关于如何激发个体潜能、构建一个持续学习型组织的系统方法。他告诉我们，真正的成功，源于对人的深刻理解和对“成长型思维”的不懈追求。
原野: 所以，总结下来，Peter Deng这次分享的核心，感觉有几个特别关键的点。首先，他对AI的定义就很有启发性，AI的终极价值不是替代我们，而是把我们从重复劳动里解放出来，去做更有创造力的事，它是一个人类潜能的放大器。
晓曼: 是的。其次，他重新定义了AI时代的护城河。技术本身不再是唯一的壁垒，真正的护城河是一个能够持续产生专有数据、深度嵌入用户工作流的“系统”，并且这个系统还需要用极致的产品工艺和细节去打磨。
原野: 最后一点，也是我感触最深的，就是他的领导力哲学。他把团队当成产品一样去精心设计，用“六个月原则”和对“成长型思维”的追求去识别人才，最终的目标是构建一个能自我进化的“超级团队”。这可能就是他能横跨四大巨头，始终保持清醒洞察的秘诀吧。
晓曼: 没错，这三个洞察环环相扣，从对技术的宏观理解，到商业竞争的微观策略，再到组织和人的根本，构成了一套非常完整的思想体系。
原野: Peter Deng的分享，感觉不只是一场关于AI和产品的剖析，更像是一次对“我们在技术洪流中到底该怎么办”的深刻回答。他用自己实打实的经验告诉我们：无论技术怎么变，真正的答案，其实一直都藏在人类的意图、语言、节奏和行动里。当所有人都跑去追逐闪亮的技术本身时，他却回过头来，关注技术背后那个活生生的“人”，以及那些看起来很“无趣”但却至关重要的“苦功夫”。这或许也正是我们每个人，在面对这个充满不确定性的时代时，最需要的智慧：与其被技术焦虑裹挟，不如回归人类本身，用我们的好奇心、同理心和创造力，去驾驭和塑造这个由我们共同演进的未来。
