开场介绍0:00
所以秒哒是中国商业应用最多的平台 。
通过秒哒赚到最多钱的用户是谁 ？
我先说个暴论 ，Cursor 一定会被 Claude 干掉的 。
你会担心秒哒也是成为一个这样骑大招赶晚集的产品吗 ？
我们这团队没一个正常人 ， 我最大的优点是不听老板的话 。
如果不是百度做的 ， 我就会用一下了 。
这块还真要想一想 ， 送命题啊 。 他们都会直接骂我 ， 我写了 20 年代码白写了 。 我觉得我们给模型太多的自由 。
怎么忍心怪你犯了错 ， 是我给你自由过了火 。 嗨 ， 我是 Koji。 啊本周十字路口的嘉宾呢是朱广翔 ， 是百度秒哒的产品总经理 。 广翔和大家打个招呼 。
诶 Hello 大家好 ， 我是广翔 。
好 ， 那我们还是十字路口的老传统哈 ， 我们从快问快答开始来帮助大家了解广翔 。
嗯 。
那请问广翔你的年龄 ？
年龄 93 年 ， 现在 22， 啊不对 。 但可能还停留在 22 的记忆啊 。
梦想自己 22， 那和我一样 。
32， 马上要到 33 了 。
OK， 然后你的毕业院校 。
清华大学 。
你的 MBTI 和星座 。
MBTI 是 ENFP， 快乐小狗 。
哦 ， 哇 。
星座是双鱼座 。
ENFP 是最让人羡慕的 MBTI。
是不适合做技术的 MBTI， 适合做产品 ， 比较感性 。
对啊 ， 很适合做产品 。
对对 。
嗯 ， 然后一句话介绍一下秒哒 。
就是一句话 ， 做应用 。 这个应用呢不是 AI 玩具 ， 而是真的可商业落地的 。 所以秒哒是中国商业应用最多的平台 。
咱们目前的收入和利润的情况方便讲吗 ？
我们不看 AR， 但是我们只看用户的 AR。
我们待会儿展开聊一下这个啊 。
所以前面的那种都会剪是吧 ？
对对 。
对 ， 比如说一开始我说错 ，20 年年龄那种也是会剪的 。
对 。
啊 。
嗯 。 做秒哒之前在做什么 ？
其实做了很多很多产品 。 在百度呢 ， 其实秒哒是我带的第八个团队 。
广翔之前我了解到其实你初中就开始写代码 。
嗯 。
然后写了 20 年 ， 到博士毕业 。
嗯 。
结果参加工作没几年 ——
嗯 。
...... 就不写代码了 。 开始做产品经理 。
对 。
而且做着做着还做了一个让别人也不要写代码的一个产品 ， 秒哒 。 然后你有同事有一次开玩笑说 ， 就好像你造了一个车轮 ， 碾过了自己的过去 20 年 。 听到这句话你的感受是什么 ？
车轮碾过2:01
对 ， 车轮碾过了自己 。 首先我确实我自己是一个比较叛逆的人 ， 然后我是我们学院 、 化工院 10 年以来第一个换导师的人 。
第一个换导师的人 。
当时我换导师也是因为发现 AlphaGo 下赢了李世石 ， 当时就决定转做强化学习 。
换方向在差院是一个多难的事情 。
建这个院到我换导师之前就没有人换过 ， 当时都没这个流程 。
是因为什么原因那么难呢 ？
我觉得大家都是好学生 、 老实孩子 ， 大家都不太去做一些这个常人看起来异教徒的事 。
是不是因为这个换导师感觉像一种背叛 ？
因为带有很多不确定性 ， 一个是说这个研究已经做了很长时间了 ， 你要再换一个方向 ， 你要从零起步 ， 那你的毕业时间呀可能要延长 。
那你怎么想的 ？ 你不担心自己好多年博士毕不了业吗 ？
就是走弯路 ， 我可能做旧的时间做得越久 ， 我走的弯路其实越长 。 我可能以整个人生作为界限来看的话 ， 那些时间早一年晚一年毕业其实无所谓 。
所以你一开始走的是什么弯路 ， 然后后来换到了什么样的新路 ？
我一开始是做机器学习 ， 这不是弯路 。 后来我把机器学习开始找应用的时候 ， 我找的第一个场景是做这个计算生物学 。 其实我当时在转方向之前 ， 我其实已经够毕业了 ， 它这个毕业要求是说我要够五的影响因子 ， 我当时已经到二十了 。 我当时主要研究蛋白质的三维建模 ， 然后还拿过中国的年度十大进展 。
AlphaFold。
算是 AlphaFold 的前身 。
OK。
AlphaFold 是后来用更大的模型做的 。
这不是很有潜力的方向吗 ？ 为什么要换 ？
因为生命科学其实它离这个工业界 、 实业界还是有点远 ， 它还是偏研究型的 ， 可能 50 年到 100 年才能看到显著的成果 。 现在还是在研究阶段 ， 比如说我能看清某个结构 ， 但并不是说把看清的这个结构马上变成能治病的药 。 做强化学习呢 ， 我当时看到李世石代表人类智慧都打不过机器人了 ， 机器人真的可以做一些决策 ， 做
一些智能 ， 然后所以当时就转做强化学习 。 我也是整个清华最早一批做强化学习的 。
就是在人生的十字路口非常果断地做出一些选择 ， 而这些选择其实也付出了一些代价 。
是 。 然后我也是这一届里边唯一一个不干程序员事情的人 。 我毕业之后就做产品经理了 ， 然后写了 20 年代码白写了 。 然后我也是我们公司 ， 我做了四年 ， 然后换了八个团队 。 本质原因就是因为我觉得我一直是在看整个行业大盘的趋势是什么 。 现在虽然说我被车轮碾过了自己 ， 然后我放弃了 20 年的功底 ， 呃但是我觉得我
还是放弃晚了 。 我觉得走了 20 年弯路 。 其实我觉得历史从来都是用车轮碾自己的 。 说一个小的一个故事啊 ， 就是你知道这个 C 语言的编译器是用什么写的吗 ？
汇编语言 。
第一版的编译器是用汇编语言写的 。 所以说就是汇编语言造了一个轮子把自己碾死了 。 因为我有了编译 C 的编译器之后 ， 那我就只需要去用 C 语言了 ， 就再也不会用汇编了 。
对 ， 学汇编就是一场噩梦 。
对对 。 然后它当时第一个版本就是用汇编语言做了一个能编译简单 C 的 ， 然后呢 ， 这样我们再用简单 C 的 ， 然后再去写一个能编译复杂 C 的 ， 然后就这样迭代下去了 。
嗯 。
就它也是用不断地车轮碾自己碾过去的 。 所以整个计算机发展史 ， 你看从最开始是机器语言 ， 机器语言就是电脑自己的语言 ， 就只有它看得懂 ， 就是 01 码 ， 人根本看不懂 。 对 ， 只有机器能看得懂 ， 这是机器的语言 。 那汇编语言呢 ， 就是用接近于人的语言去告诉机器该怎么做 ， 这是汇编语言 。 然后再往后高级语言 ， 就像
我们说的像 C 啊 、Java、Python， 它是用接近于人类的语言告诉我想怎么做 ， 我不是告诉机器怎么做 。 用汇编语言每句话描述说你 CPU 该干啥 ， 资源管理该怎么 ， 怎么办 。 然后呢 C 语言呢就是说我描述的是我想做一个什么算法 ， 想实现一个什么样的应用 ， 做什么样的一个工程 。 然后那我是用接近于人的语言去说我自己想干什么 。 那再下
一步 ， 那把这个曲线去拟合到极限是什么 ？ 我就是不是用类人的语言了 ， 我就是用人类语言说我要干嘛 ， 其实就是现在的 Vibe Coding， 其实就是秒哒 。 所以说这套计算机的发展曲线就是用车轮碾自己的过程 ， 上一代语言被下一代语言给碾压过去 。
那你刚才提到自己觉得自己这个放弃得晚了 。
对 。
应该早一点放弃 。
对对 。
那这个很有趣的是 ， 比如今天其实秒哒仍然有程序员团队的吧 。
嗯 。
那你看到这些程序员的时候 ， 你是什么心情呢 ？
他们也在自我碾压 。 因为他们现在就是秒哒的需求 ， 有一半儿是 ， 是由秒哒生成的 。 然后呢 ， 秒哒的代码有百分之八十差不多是由 AI 写的 。 所以说他们也在自我革命 ， 他们也是用新的工具去生产 ， 不是以前的去生产了 。
一开始你说秒哒的时候 ， 你是怎么理解这个事情的 ？ 你是一开始就充满信念感 ， 觉得无代码的一个这种应用的构建平台是一个一定会发生的未来吗 ？
秒哒缘起6:22
最开始我是不信的 。 我们把时间倒回到 24 年下半年的时候 ， 也没有 DeepSeek， 大家都不知道什么是 COT， 什么是 thinking， 然后什么是工具调用 。 当然工具调用有一些浅度的实现 ， 就比如说通过方式 copy 实现 。 而且那个时候呢 ， 其实 coding 模型各家都不行 ， 就是模型层啊 。 产品侧 ， 当时 MINDUS 也没有 ， 大家对 AI 的理解还是 chatbot。 就在那个节点 ， 我们要做一
个 no code， 去做应用 、 做小程序 、 做网页的一个产品 。 那当时其实基本上没人信 。
那现在回忆起来 ，24 年下半年已经感觉很遥远 ， 像十年前 。
对对对 。
你刚刚说的时候 ， 我突然想到我们那个时候其实录了一些播客 ， 然后有一个嘉宾就说 ， 有一个 ChatGPT 重大发布 ， 一定要重视 ， 就是 Function Call。 我印象非常深 ， 当时他就是热情洋溢地讲 ， 然后我觉得它真的有那么重要吗 ？
现在来看非常重要 。
是的 ， 是的 。
时间过得好快 ，25 年感觉发生了非常多事情 。
对 。
对 。
所以一开始不信 ， 后来是因为什么原因 ， 做着做着你就相信了 。
其实当时确实是不信的 。 我们内部做 demo 它还是有点定制化的 ， 就是面向于少数几个场景 ， 当时大部分能力真的不行 ， 就是智能不行 ， 人工来凑嘛 。
嗯 。
人工智能 。 所以说当时用了很多半工程化 、 半模型的方式把东西给攒出来了 。 后面做着做着 ， 我自己是从不信变成信了 。 第一个点就是 ， 我去对外讲这个产品的时候 ， 我觉得是我的用户比我先信了 。 在一开场 ， 我说这个一句话做应用 ， 底下的人都不知道我要干嘛 ， 以为传销 。 对 ， 然后不明所以 ， 然后我就一边讲 ， 然后
一边演示 ， 然后很多人看完之后 ， 哇 ， 我真的是看到了啊哈 Moment， 本来是在低玩手机的 ， 马上就瞪起眼来看了 ， 就大家眼睛就明显放光了 ， 就这种感觉 。 他们很多人说 ， 哦 ， 他看了我的这些演示之后 ， 他自己也想到了很多他的场景 ， 确实可以用这种方式去更方便地做出来 。 我突然也回忆起了 ， 就是我自己以前曾经确实有过
很多场景 ， 确实可以通过我自己产品去满足 。 就比如说我当时在读博的时候 ， 导师要求我们每个人做一个学术主页 ， 然后这是还是算是一个个人级的场景 。 然后再往后 ， 我觉得我第二个比较让我能转变思维的一个瞬间呢 ， 就是有一天我在网上就用百度搜索 ， 然后我搜到了一个网站 ， 然后呢 ， 这个网站回头我同学和我说
， 说这个网站是就是用你们秒哒生成的 。 我一下子回忆过来 ， 感觉好像我突然有种楚门的世界的感觉 。 我一直在认真浏览的一些内容 ， 突然有人和我说这都是 AI 做的 。
你没有意识到那是秒哒做的 。
对对 ， 我都不知道是 AI 做的 ， 不用说是秒哒做的 。 然后呢 ， 我就回头去仔细地琢磨了一下 ， 还是没看出来 ， 然后后来我就找这个作者聊了一下 ， 才发现这个作者是一个五十多岁的医生 。
哇塞 。
他 -
做了一个什么网站 ？
他们整个医院的官网 ， 而且就变成了一个真实上线的医院一直在用的官网 ， 而且在百度搜索搜出来第一条打了官方 logo 的就是他们用 AI 做的 。 然后这是第一次我看到了 ， 起码是我看到的 ， 当然可能有更早的就已经出来了 ， 但是我看到的起码第一次是说它是真正上了业务场景 ， 真正帮他解决了问题 。
而且这个并不是说你们在收集用户案例的时候发现的 ， 这是你自己偶然 -
对 ， 偶然发现的 。
哦 ， 所以这个冲击也是很强的 。
对 ， 是的 。
然后这就是不信到信的一些转折点 。
对对 ， 就这其实让我看到了说 ， 我们做的应用呢 ， 能满足更大场景 ， 一些严肃级场景 、 一些企业级场景 。
对 ， 因为前面你也提到 ， 你们不看自己的 ARR， 看用户的 ARR， 就这个可以展开讲一讲吗 ？
用户ARR9:41
我们可以完全不做 ARR 的原因是什么呢 ？ 就是我们实际上是对我们的用户和对我们的这个管理者许诺了一个我认为是更第一性原理的指标 ， 就是我们要做秒哒用户的 ARR。 这是什么意思呢 ？ 就是说其实 Robin 在今年社业大会说过一个道理 ， 就是说我们的产业结构正在发生一个变化 ， 以前是正金字塔 。
嗯 。
现在逐渐往倒金字塔发展 。 然后以前正金字塔是什么意思呢 ？ 就是说我们有三层 ， 最上面一层是应用层 ， 中间是模型及平台 ， 底下是算力 、 硬件 。 那我们回忆过去整个 AI 圈谁最赚钱呢 ？ 其实都会想到是老黄 ， 显卡赚了最多的钱 ， 然后呢 ， 这是最底下是最厚的 。 再往上 ， 那模型赚了其次的钱 ， 再往上应用基本上都是赔钱
的 。 所以说以前是个正金字塔 。 但真正比较健康的结构呢 ， 是说应用层赚最多的钱 ， 它赚到了价值之后 ， 它把它的这个一部分的 ， 啊收入 ， 然后它回馈给中间的这些工具层 、 模型层 ， 然后呢 ， 工具层 、 模型因为它使用了硬件 ， 他们再拿出一部分来给到硬件层 ， 这样才是一个持续然后持久的健康的一个产业模式 。 那秒哒
呢 ， 其实就是考虑一个倒金字塔的产业结构 ， 那我们是希望能扶持非常多的人 ， 把自己的应用做出它的行业价值 ， 赚到它的钱 。 我们最近有个词比较火啊 ， 就在讲这个 OPC， 就是一个人公司 ， 出现了很多一个人公司 ， 通过秒哒 ， 他自己赚了十几万 。
通过秒哒赚到最多钱的用户是谁 ？
我们没有统计过最多显示多少 。
嗯 。
但是我自己偶尔 ， 就是偶然间了解到的 ， 有赚我十几万的一个人 ， 还有小公司赚到了七十万 ， 然后再往上的话我就没再统计了 。
但是你刚才提到 ， 你不看自己的 ARR， 看用户的 ARR， 但你们要怎么去统计用户的 ARR 呢 ？
我们做了一个这个筑梦计划 ， 去扶持他们去完成他自己的商业梦想 ， 那他们会主动找我们联系 ， 但这只是小众 ， 肯定还有更多人我们是水下没统计到的 。
嗯 。
对 。
那像刚才提到的这个十几万的一人公司和 -
对 。
赚七十万的那个小公司 ， 他们分别做什么呀 ？
那个超级个体 ， 呃赚十几万的 ， 然后他的网名叫黄阿玛 ， 他做了三个项目 ， 然后第一个项目呢是慢剧的平台 ， 这个是赚了十二万 。 然后再一个呢 ， 就是一个门窗店的官网 ， 卖了三万 。 啊当然这里很多人会问说为什么一个官网能卖三万 ， 一般来说三千就差不多了 。 其实他发现了一个核心痛点 ， 就是门窗 ， 用户想知道说装
到自己家里是什么样子 。 所以说它这个官网还多了一个功能 ， 就是说用户上传自己家里的那个图片 ， 然后再选择一个门窗 ， 能 -- 在线上就能看到装上之后的样子 。 所以说它这样的话就提升了用户购买的意愿 。 然后这个门商店老板特别满意 ， 然后就给了他三万块钱 。 然后第三个呢 ， 就是一个汽车喷漆的一个工具 ， 就是喷
漆之前能看到假设喷上这个漆之后会长什么样子 ， 也是一个 AI 工具 。 因为秒哒现在也不支持它写代码 ， 对 ， 它全是通过秒哒生成的 。 它做了很多应用 ， 发到了秒哒的广场 ， 然后第一单的用户呢 ， 就直接在网上给他留言 ， 联系他 ， 最终落了这一单 。
那像七十万的那个小公司呢 ？ 他们也是过去不写代码的公司 ， 还是他们过去写代码 ， 但用秒哒之后他换了另外一种方式在工作 。
他们以前呢 ， 实际上就是一个传统的交付公司 ， 十二个人组成的研发团队 ， 然后注册了十七家公司 ， 然后去接各种一些政府项目 ， 一些行业项目 。 然后呢 ， 他们在用了秒哒之后 ， 换了四个项目经理 ， 原来的项目的周期就是半年至一年 ， 然后用了秒哒之后 ， 基本上他们一个周就能交付一个项目 。 就他们才刚用一个多月吧
， 然后现在已经交付了两个项目 ， 分别赚了四十万和三十万 ， 所以加起来是七十万 。 一个是给养老院做了一套管理系统 ， 还有一个是给一个企业做了一套办公的内部平台 。 所以说 ， 再 -- 说回来 ， 就是说他们不管是超级个体还是一个人公司 ， 那我们的目标呢 ， 就是明年做一万个这样的超级个体 ， 比如说一个人赚十几万 ，
那一万个超级个体 ， 那就是十几亿 。 所以说应用层就有十几亿 ， 那他们反馈百分之十给到我们 ， 我觉得不太过分吧 ， 那我们也能赚一亿 。 然后呢 ， 我们再掏出一千万来给到我们的硬件 ， 用到底层的 S 的这些能力 ， 这样就是一个非常健康的倒金字塔结构 。 所以说我们相信只要我们的用户能赚到钱 ， 那我们早晚能赚到钱 ，
然后整个行业会持续发展 。 所以说我们的目标就是用户的 AR， 就是我们帮多少用户赚到钱 。
十五度夹角13:55
如果你必须说一个风险啊 ， 如果有一天秒哒它失败了 ， 你觉得是因为什么原因 ？
我觉得如果失败了 ， 有可能是我们误判了模型的延长线 ， 然后我们以为我们做的事不是模型延长线上的事 ， 结果呢 ， 不小心做到了模型延长线上 ， 被模型内化了 。 这可能是最大的风险 。 就是我觉得所有 AI 产品最好的方式呢 ， 就是说要和模型保持一个十五度的夹角 ， 我产品的方向一定不能和模型正交 ， 这样的话就没法吃
到模型的红利 。
所以你们的十五度夹角是什么夹角啊 ？
就是说我能去通过多模型路由架构去用到世界上最好的模型能力 ， 用到这些能力的同时 ， 我们还有很大一部分是模型没法马上被内化的 ， 语音的能力 ， 像这些后端的能力 ， 像端到端去内化整个产品开发 ， 从产品设计到最后的部署 、 分发 ， 就这些短时间没法内化的 ， 这些都是我们的那个夹角所在 。
所以你也提到 ， 比如说短时间不能被内化 ， 马上不能被内化 。
嗯 。
但是在 -- 放到中长期呢 ， 你觉得不管是秒哒也好 ， 还是 Cursor， 还是 Bolt New， 就所有的 ， 你觉得会被大模型吃掉吗 ？
如果从非常无限长的长期来看的话 ， 会被吃掉的 。 其实之前我也看李超的这个访谈 ， 他用缸中之脑的比喻来说 ， 其实环境是永远无法被内化的 。 其实这一点上我其实有点不太一样的观点 。 模型确实短时间内很难 ， 但是从终局来看 ， 环境也是可以被内化的 。 因为我以前是做强化学习的 ， 其实现在大模型玩的这一套理论 ，
强化学习都玩过 。 你像我毕业论文最多的一个词 ， 我那时候还是小模型时代 ， 我当时最多的一个词就是 agent， 现在又 - 又是 agent， 而且当时我导师就专门研究 multi-agent 的 ， 而现在又是 multi-agent， 包括工具调用啊 、 思考呀 ，COT， 其实之前都是有过的 。 那在强化学习领域里边分成两个大的方向 ， 一个叫 model-free， 一个叫 model-based。Model-free 就是说我不内化环境 ， 我外用环境 ， 我
去和环境交互获取信息 。Model-based 就是我要内化环境 ， 我把环境就放在缸中之脑里 。 我虽然没有去和环境交互 ， 但是我脑子里都过了一遍 。 我可以举一个例子 ， 比如说我们从百度去清华 ， 怎么走 ？ 我去每个路口 ， 每个路口去问路 ， 就慢慢走到 ， 这就是 model-free。 世界是我的环境 ， 我到清华这个路是我环境 ， 我对环境没有预先的建模 ， 我
就是去探索 ， 然后走过去 。 另外一种呢 ， 就是我看地图走过去 ， 其实地图就是对这个真实环境的一个建模 ， 它其实就是把这个环境内化到了地图里 。 然后我看完地图之后 ， 我知道说有几条路径 ， 哪条路径短 ， 哪条路径长 ， 哪条路径快 。 那其实这个过程呢 ， 就是我去生产地图 ， 我去画地图的过程 ， 就是建模环境的过程 。
其实环境本质上就是一个 MDP， 马尔可夫转移过程 ， 就是说基于当前的状态和当前的 action， 去预测下一个状态和下一个 reward， 那这就是一个方程 。 这个方程它也是可以被学习 ， 被 learning， 被写到神经网络里去的 。 一旦它被写进去了 ， 那其实环境就被内化了 。 那具体到像刚才说什么 Cursor 呀 、Labo 呀 ， 像我们呀 ， 对于大模型产品 ， 其实环境也分成这
么几类吧 。 比如说一类是 IDE， 然后 IDE 它本质上其实就是我们前面说的编译器 。
嗯 。
它当然 ，IDE 一方面是和成员交互 ， 能去做一个记事本 ， 去写东西 ， 更内核的实际上是编译器 。 所以呃 ， 关于这个点 ， 当时我也很早也有过暴论 ， 我很早就是和我们团队同学说 ， 我说 Cursor 一定会被 Claude 干掉的 ， 因为 IDE 不本质 ， 本质的是编译器 ， 因为我自己写代码 ， 我基本上不用 IDE， 我就是在记事本打开就直接写 ， 就我在命令行也
可以直接写 ， 用 VIM 也可以写 。 所以当然后来有了 Claude Code， 它就通过命令行的方式 ， 它就洗掉了很多 Cursor 的用户 。 所以 IDE 交互不本质 ， 它本质上是那个后台编译器 。 编译器就是它的环境 ， 是 Claude Code 和 Cursor 这类产品的环境 。 这个环境能不能被内化呢 ？ 我们前面说的 ， 其实编译器本身也是一段代码 ， 它就是一些语法树 ， 语法解析 、 语法
分析 ， 然后去做中间语语法转化 ， 以及转化成原始机器码 。 那这段代码呢 ， 如果被大模型给学进去了 ， 那以后大模型可以自己去 run 代码 ， 它不需要通过一个真实的编译器去 run 代码 ， 那这个时候像 Cursor 这类产品可能就没了 。 然后 ， 那再往后 ， 其实操作系统也是一个代码 ， 就是我们不是说像 Manis 和我们都是有个虚拟机 ， 里边装
了各种软件 ， 装了各种环境 ， 能调用各种工具 ， 跑各种东西 。 那其实这个虚拟机本质上就是一个操作系统 ， 操作系统也是一些代码 ， 那这个代码被模型学进去之后 ， 那这个模型也可以自己去 replay 所有的事情 ， 那也不需要我们去外部环境了 ， 那我们也被内化了 。
我觉得这很有趣啊 ， 这还是一个把这个事情推到极端的一些 -
对 ， 极端的假设 。
... 想法 。
是 ， 是的 。
诶 ， 那在这样的极端的想法之下 ， 你觉得秒哒最后它会变成什么 ？
那这时候就是模型 ， 模型即产品 。 但是这个时间周期是非常长的 ， 比如说要内化一个编译器的这种复杂度 ， 我感觉起码得三五年时间 ， 再内化一个 OS 级的操作系统 ， 可能得是五至十年时间 。
你觉得这一定会发生吗 ？ 还是或许它也不会发生 。
或许也是一个不会发生 ， 或许是个概率 。 因为我们现在也看到说 ， 当代码生成非常重量级的时候 ， 就会出现更高的幻觉 ， 更高的不确定性 ， 那这个问题可能也阻碍了就是这个事情成为现实 。 所以说在这个概率性事件没有发生 ， 或是短时间内没有发生的时候 ， 产品和模型保持一个十五度的夹角 ， 然后这是一个又能快速迭
代 ， 然后又能享受到红利的一个最好的状态 。
竞争与差异19:01
你能想到什么样的产品是非常完美地利用好了这个十五度夹角 。
那其实就是 Manus， 它其实这个夹角位置处得很好 ， 所以说我们其实非常欣赏 Manus 的 PM。 我们内部开玩笑说 ， 我们招人招什么样的人 ，PM 也招 Manus 这样的 ， 然后研发就招姚圣宇那样的 。
秒哒在做的事情 ， 现在也可以说是所有的互联网大厂的兵家必争之地嘛 。AI Coding 是一个被验证的 、 有很大商业价值的场景 。 那可不可以请广翔你来给我们科普一下 ， 放眼全球所有的 AI Coding 工具 ， 它们大概可以分成一些怎样的派别 。
那我们先看国外 ， 国外的话 ， 现在我们内部叫四大天王 ， 就是关注比较多的 Labo, Replit、Botnew、V0， 这四家也各有特色 。 像 Labo 的话 ， 就是它的开发和部署过程都比较轻量化 ， 然后呢 ， 模板也比较多 ， 教程也比较多 ， 然后对外的这个传播也比较多 。 他们有个宗旨是说人人都是 CMO， 大家都要去做好产品 ， 讲好产品 。
听起来像刘德华 。
是的 ， 是的 。 对 。
嗯 。
然后第二位呢 ， 那其实就是 Replit， 更专业一点 ， 它的部署功能做得更加的灵活 ， 更加的全面 ， 它在企业的场景下会用得更方便 ， 它能支持各种数据库的配置 ， 把这个后端部署这块给做重了 。 然后第三家呢 ， 就是 Botnew， 一个云 IDE 公司 ， 其家的 DE 能力做得比较好 ， 所以 IDE 做得挺好的 ， 然后这也是针对于一些比较专业开发者 ， 能在开
发环境开发的过程会提供更多的能力 ， 而且它在开发的时候也支持多种语言呀等等的 ， 就是它的把整个前面开发过程做得更重了 。 然后第四家 V0。V0 呢 ， 它是一个把前端的交互设计做得非常极致的这个公司 ， 它有很多高仿真 、 高还原的一些能力 ， 可能让设计师的这种原图能在它的应用里体现出来 。 其实它是一个以前端为中
心的一个应用 。 所以说 Labo 是比较均衡的 ， 各家剩下三家都各有自己的长板 。
那在国内除了秒哒 ， 可不可以再讲一讲你们会关注哪些 ， 不管是创业公司还是来自大厂背景的友商 。
国内的话 ， 秒哒是专注于做无代码的应用生成 ， 和我们直接对等的产品其实比较少 ， 像美团的 No Code、 马上飞 ， 像响止 。 但是我们发现一个现象 ， 就从去年下半年开始 ， 原来不做无代码的那些玩家们都开始涌过来 ， 甚至是跨行的 ， 做 chatbot 的 ， 做陪聊的 ， 也会往我们这里去渗透 。 举几个例子 ， 比如说有 IDE 往无代码开发去渗透的
， 像典型的像 Trait， 以前 Trait 就是一个 IDE， 后来 Trait 出一个模式叫 Solo， 就是能一句话做应用 。 然后呢 ， 像腾讯的 CodeBody， 像阿里的 Coder， 其实都是类似的 ， 他们原先是做 IDE， 现在也在做 No Code。 然后再一类呢 ， 就是说原来是做通用智能体的 ， 他们原来那些任务也是无代码 ， 想做 PPT 啊 ， 做 Deep Research 啊 ， 做一个定时任务啊 ， 现在变成了能无代码做应用 。 那他
们这种 ， 比如说典型代表就是像 Manus，Manus 1.5 主要就是增加了 Web Coding 能力 ， 能做网页了 。 国内的话也有很多和 Manus 对标的产品 ， 比如像 Code 空间之类的 。 然后第三类呢 ， 就是原来做这些低代码平台的 ， 做拖拉拽的 ， 做工作流的 ， 也在往这个 Web Coding 去迁移 。 比如说今年 Codes 宣布它改名了 ， 改成 Codes 编程 。 我们在国内虽然说直接竞品非常少 ， 但
是间接的竞品非常多 ， 因为大家都意识到了这可能是个未来 。
那在这样激烈的竞争里面 ， 你们的差异化或竞争优势是什么 ？
第一个就是秒哒是个活的 ， 它是会逐渐成长的 ， 会自我迭代的 。 主要有两方面 ， 第一方面呢 ， 就是我们基于数据飞轮 ， 实现了一套模型和智能体的一套自成长 、 自我演进的一个架构 ， 就是说我们的用户在被秒哒的每一次的使用的点踩 、 点赞 ， 然后以及它应用的上线 ， 它应用是否被正式发布了 ， 还是说它应用在反复的修
改 ， 一直没有上线 ， 然后一直在卡在一个地方不停地改 ， 这些信号呢 ， 都会去返回到模型里去 ， 让模型去学会 ， 以后我下一次我就能去更好地生成了 。 然后除了模型以外呢 ， 智能体 ， 我们的智能体策略也是一个动态的 ， 它也会如何调用工具 ， 如何去生成铺底代码 ， 如何去指定各种智能体任务 ， 如何去调度 ， 那其实也是
会根据用户的实际使用去反推它的整个机制设计的 。 然后这是第一类 。 第二类呢 ， 就是说我们还会提供了一个非常全面的插件系统去扩展我们秒哒的能力 ， 比如说能打开一个地图 ， 可能是需要一个百度地图的服务 ， 或者是需要去上网 ， 联网搜索 ， 那需要百度搜索 。 总的来说就是因为秒哒面向的是小白人群 ， 这些人群呢
， 其实它需要端到端地去帮他服务 ， 不管是生成 ， 还是部署 ， 还是上线 ， 还是运维 ， 所以说它需要很多能力帮它去提前完善好 。 那第二点呢 ， 现在我们大家可能看到很多模型都在卷前端 ， 比如说前端很好看 ， 但是可能我真实数据想长久地存下来 ， 长久地用起来 ， 那其实还是需要一个后端去管理的 。
这个后端包括数据库 ， 包括认证系统 、 支付系统 。
对对对 。 包括像数据库啊 ， 支付啊 ， 像健全 ， 然后像这个后端的逻辑 ， 我们可以这么理解 ， 就是脸和大脑 ， 我脸就是前端要好看 ， 那大脑呢 ， 后面要有执行复杂的逻辑 ， 还要存储一些数据 。 那这个后端能力呢 ， 其实秒哒是做的独一档的 ， 在整个后端实际上也是一个小赛道 ， 在这个赛道的这个 top one 或是全球领先的玩家叫
Supabase， 然后 Supabase 在去年下半年发了一个博客 ， 说这个它有三家 leading 的 AI builder 和它在合作 。 第一家是 Labo， 欧洲之星 。 第二家是 BotNew， 美国执行 。 第三家是 Midu，Midu 就是秒哒的海外版 ， 算是亚洲之星 。 所以说他们是官方认可了我们的一些进展 。 那为什么呢 ？ 后端在现在这个语境下和之前有什么不一样 ？ 刚才像说数据库啊 ， 健全 ， 听起来是上时代的
事 。
对 。
但实际上稍微补充一下 ， 就是上个时代确实也有数据库 ， 但是面向 AI 也有数据库 ， 这两个数据库是完全不一样的 。 它有什么特点不一样呢 ？ 第一点就是说它的这个尺寸和灵活度是不一样的 ， 你像上个时代的数据库都是非常大 ， 非常重 ， 我要存储海量的数据 ， 它的主要任务是存储 。 而这个时代的数据库呢 ， 它非常小 ， 非
常灵活 ， 数量非常庞大 ， 因为它是面向应用的 ， 可能每个应用都带一个数据库 ， 而它非常灵活 ， 可能随着我应用的尺寸 ， 我灵活地去扩缩容 ， 它需要很高的弹性 ， 非常极致的弹性 。 然后可以说一个数据就是秒哒一个周创建的数据库 ， 比我们做传统 To B 服务的一个数据库团队 ， 它做了七年累计的总数据库量还要多 。 所以
说它会要需要我们支持一个非常高弹性去生成非常很多很小数据库的这样一个特征 ， 这需要很强的云能力 。 所以这里是我们通过云的技术做一套自研的能力 。 然后第二点呢 ， 就是说上一时代的数据库是给人看的 ， 是给研发看的 ， 研发通过 SQL， 通过工程代码去管理一个数据库 ， 在线改查 。 而这一代数据库是给 AI 看的 ， 它需
要对数据库的各种逻辑都需要改造 ， 做各种 MCP， 做各种逻辑 ， 做各种面向 agent 的一些优化 ， 上下文的一些能力其实都是需要去做改造的 。 这是第二点 。 第三个其实就是去年的时候 ， 我们在年中的时候我们就实现了一个能力 ， 我们一个 query 就能去生成既有前端的交互又有后端的存储 。 那而当时的 Labo 实际上它要 N 个 query 才能做完这
件事 。 它先要一个 query 说我要做一个什么应用 ， 然后呢 ， 应用生成完之后 ，AI 会问他说 ， 你是不是要挂一个数据库 ， 然后把其中的哪些逻辑写到数据库里 。 然后呢 ， 用户就需要确认 ， 确认完之后它还不能直接把数据库生成出来 ， 它要跳转到 SolrBase， 就在 SolrBase 那里去把数据库进行一个配置 ， 比如说申请一个项目 ， 然后填好各种参数 ，
然后再把配置好的那些 token 拿过来 ， 再填回来 ， 然后再去往后走 ， 它要经过好几步 ， 因为它是基于一个非常通用的 Bus 和它自己的产品 ， 它来回跳转 。 然后而我们是把这俩东西原生就是在一起的 ， 所以说它会根据 query， 用户的 query， 如果发现需要 ， 后台就把这东西接好了 ， 后台就直接给你吐出来一个带着数据库 ， 带着前端 ， 而且数
据库和前端是互相联动的这样一个现成的应用 。 所以说我们面向小白的体验会更加好 。 当然我们后来看到像 Labo 它也专门迭代一个版本 ， 在下半年叫 Labo Cloud， 就专门说把 SolrBase 那一套东西嵌到了 Labo 里边 ， 它只是减少了跳转这个过程 ， 但是它的体验还是隔离的 ， 还是需要在里边去进行额外的配置 ， 所以它还没法是通过一个 query 完全去
原生 。
我在理解这个其实是不是他们并不是做不到 ， 而是这是他们的一个产品选择 。 其实像秒哒有一个非常我觉得偏执 、 极端的选择 ， 是你们不给用户看代码 ， 用户不能改代码 。
对 。
然后包括到你刚才提到的这个用户一句话生成出来的 ， 如果有后端数据库 ， 你也不给他看数据库的表结构 ， 也不让他修改 ， 那这个和 Labo 就是不一样的 。Labo 就是可以把这些开放给大家去改代码或者改数据库 。 所以我觉得这好像是产品哲学的设计上的这种理念的不同 。
对 ， 刚才有一点是说 ， 代码是说我们确实不给他改 ， 但是给他看 ， 我们是能生成出来代码的 ， 然后我们希望他改的方式是什么呢 ？ 不是说直接上手通过编辑器去 IDE 修改 ， 然后他假设看得懂 ， 他可以通过截图 ， 就是说我截选一下这段代码 ， 然后告诉秒哒说 ， 哎 ， 你帮我怎么改 。 秒哒也是能分析代码的 ， 只是说把他的这种
有摧毁性的这种输入行为把它给禁止了 。 然后数据库其实秒哒是支持用户去看到它生成的表结构 ， 去管理它表的 ， 去上传和下载的 。
那可以改数据库表结构吗 ？
也可以啊 ， 就是对列和行的一些编辑嘛 ， 就像用 Excel 一样 。 所以说我们就认为说能像白领一样去用各种办公软件的这种能力呢 ， 我们要开放给用户 ， 而像这个需要培训 ， 需要专门去学习一个专业才能懂的这种代码能力呢 ， 我们就不开放给用户 。 对 ， 所以说写代码不行 ， 但是数据库编辑管理是可以的 ， 只是说我们是更加原
生 ， 就是说这些很多东西是写在 agent 里的 。
了解 。 然后再说回这个秒哒的差异化哈 。
嗯 。
然后除了刚才提到的几点 ， 还有一些别的吗 ？
对 。
比如说我有注意到秒哒是可以做小程序 ， 这显然是这个刚才我们提到的国外的四大天王不可能做的 ， 这是一个在你们看来重要的差异化吗 ？
对 ， 是的 。 刚才说了两点 ， 一个是秒哒是活的 。
嗯 。
然后一个是有非常强的后端能力 。 秒哒我们定了几大场景 ， 比如说小程序 ， 我们像面向小程序这种特殊的语言 ， 它的特殊的依赖 ， 包括特殊的环境都做了专门的训练 ， 然后专门的 agent 的逻辑 ， 然后这是在私域 。 那像在公域的话 ， 那用户要的其实就是流量 ， 因为百度本来就是做这个网站分发的 ， 所以说我们也打通了各种搜
索引擎 ， 也不止百度搜索 ， 包括像必应啊 、 谷歌这些搜索都打通了 。 那用户在秒哒生成的应用呢 ， 可以去一键分发到公网 ， 让更多人被看见 。 所以说我们面向场景化更往深走了一层 ， 就是从应用的开发到部署 ， 到分发 ， 到管理 ， 其实都是一站式的 。
那还有一些其他的差异吗 ？ 或者一些其他你认为的亮点 。
我们有一个独一无二的流程 ， 叫产品经理智能体的一个流程 。 大部分的 Vibe Coding 就是一个 query 进去之后直接写代码 ， 然后出结果 ， 而只有我们是 query 进去 ， 先出来一个需求文档 ， 一个产品文档 ， 让用户来确认 ， 用户也可以修改 ， 然后 OK 了 ， 对齐了 ， 再往后写代码 ， 然后再执行 。 我们说一句话做应用 ， 那一句话其实不是需求 ， 一
句话那是创意 ， 那是灵感 ， 那是 idea。 但是怎么从创意到真正的产品需求 ， 能让研发智能体听懂的 ， 这个实际上是十八般千里 。 所以说我们做了一个非常专业的产品经理智能体 ， 然后再往下呢 ， 就是说我们还建了一套 benchmark， 就是我们叫秒哒 Bench， 还没有对外开放 ， 但很快我们就会把论文发出来 。
这评估什么的 benchmark。
就是评估应用生成 ， 就是以前有评估代码生成的 ， 像大家都知道什么 Sweet Bench， 就是软件工程的一个 ， 它主要是去基于这种软件的一些 issue 的修复的一些 benchmark， 就像各种 coding 模型去刷 Sweet Bench 那些模型 ， 它相当于去替换了一个程序员 ， 而秒哒替换的是一个产研团队 ， 所有的逻辑它是全跑完才能端到端地帮用户交付一个应用 。 我们这种面向
小白的场景下 ， 就需要所有环节都要有自己的 benchmark， 去更好地衡量它们 。 当然再引用姚盛宇一句话 ， 就是 AI 下半场评估比训练更重要 。
嗯 。
确实 ， 一个产品的 benchmark 就决定了一个产品的 taste， 而我们在每个环节其实都有一套 benchmark， 这套 benchmark 实际上就是秒哒一个壁垒 。 就是秒哒的 Test 构成 。 对 。
那这个 Benchmark 我理解它比较容易去评估的是一些做得对与不对的地方 。
嗯 。
但是因为秒哒要做一个应用 ， 做一个网站 ， 大家 ——
对 。
对它的审美 ， 长得好不好看还是有要求的 。
嗯 。
那在这样的评估上要怎么做呢 ？ 这是一个非常主观的一个美与不美的东西 。
对 ， 刚才说到那个舜宇的那个下半场的句话 ， 我可以再给它补一句话 。
嗯 。
就是确实评估比训练更重要 。 在实验室里的评估不是真评估 ， 在用户场景里的评估才是 。 大家经常看到各种榜嘛 ， 就是各种模型都在刷榜 ， 但其实很多人都知道 ， 那个榜就看看就好 ， 因为在使用场景里边 ， 顺序和榜上顺序是完全不一样的 。 那像刚才您说的 ， 就是说那好不好看 ， 可不可用 ， 实际上是要看用户的用脚投票
的 。 这种的话 ， 其实我们可以通过用户的后验行为来分析 ， 就比如说用户觉得好看了 ， 他可以马上会想把这个上线 ， 然后呢把它转发给朋友 ， 去分发 ， 然后分发完之后 ， 别的用户会使用的时候还会留下痕迹 。 别的用户会经常交互 ， 经常点的一些东西 ， 会经常看的一些东西 ， 经常停留的一些东西 ， 其实都是信号来证明它
好看 。
如果让用户去评估 ， 那会不会受限于或者受困于秒哒现在的早期这些用户的审美 ， 因为他们的审美不一定是最广泛的审美 。
嗯 ， 对 。
或者不一定是代表着可能今天最被大家向上看的那样的审美 。
对 ， 对 。 如果对于可用性的话 ， 大众的认知还是比较像的 。
是 。
然后对于像审美这种比较主观的这些判断 ， 确实不同人是不一样的 。 那这种的话 ， 我们为了去降低这个 bias， 我们会把用户的作为一部分 ， 我们内部也会有一个真的由设计师构成的一个专家团队 ， 也作为一部分 ， 然后我们的产品经理和运营也会构成一部分 ， 就是会有多个渠道去综合来实现这个评估 。
那刚才我们说到差异化和竞争力啊 ——
嗯 。
说了蛮多了 ， 还有补充吗 ？
那就说最后一点 ， 实际上我们还有一套多智能体多模型的路由架构 ， 生成应用这个场景 ， 它看起来小 ， 其实非常大 ， 有一百多个任务 ， 然后这套架构会自动地基于我们的 Benchmark 去评估 ， 这个 ， 我们画了很多小方格 ， 但在这个任务下 ， 这个方格下 ， 最好的模型是什么 ， 最好的 agent 的逻辑是什么 ， 然后我们会自动切换到相关的东
西上面去 。 我们可以举个例子啊 ， 就是如果说 Benchmark 是菜谱 ， 模型是食材 ， 然后我们这套路由架构呢 ， 实际上就是我们的炊具 ， 我们可以面向我们的菜谱 ， 把这个食材炒成一盘用户最想吃的菜 。 所以说我们这套架构也是一个我觉得我们的一个核心竞争力 。
蛮有意思的 。 之前有些播客 ， 这个 OEO 的创始人也说 ， 他觉得自己是开餐馆的 。 他用了类似的比喻 。
对 ， 对 ， 人参餐馆 。
在我们录播客最开始提到 ， 一开始你其实不信这个事情 ， 这好像是 ——
对 。
公司的安排 。 可以讲一讲当时公司这个战略它是怎么形成的吗 ？
我觉得百度一直是用两年后的技术来指导当前的产品发展 。 当时虽然不行 ， 但他们觉得两年后一定行 。 还有就是全球就三千万成员 ， 但全球有八十亿人 ， 那八十亿人每个人都有想法 ， 都有自己业务场景 ， 都有自己的需求 ， 那他们要是能变成创造者 ， 那他们这个创造产能是远大于三千万成员的 ， 而且他们对他们来说是从
零到一 ， 是从不行变成行 ， 所以市场空间会更大 。
了解 。
嗯 ， 赌一个未来吧 。
百度内摩擦33:37
哎 ， 我们接下来聊聊百度啊 ， 因为在百度做一个产品 ， 就是在外界看来还是会有一些滤镜 。 所以想问一问广翔 ， 就是在百度做秒哒 ， 你遇到了哪些摩擦力 ， 然后同时另一方面你又遇到了哪些助力 ， 可不可以讲讲你的感受 ？
啊 ， 这块还真要想一下 ， 送命题啊 。 我觉得首先第一个助力呢 ， 其实我觉得没有百度就没有秒哒 。 最早的去落地的一个 No Code 的应用生成这个事儿呢 ， 其实这就是百度的基因 ， 因为百度是一个技术思维驱动 ， 然后比较理想主义 ， 没有那么去看当前一城一池的得失 ， 而是说站在两年之后的技术去预测现在要做什么 。 所以说
当时坚定地去投入做了秒搭 。 我们帮老板亏了很多钱 ， 但是我们还活下来了 ， 就是因为他们对技术是有这个追求的 ， 是有信念的 。 所以说这个事情是受到了助力 。 然后我们的阻力的话 ， 阻力的话就是和一般大厂都一样 ， 就是说人越多 ， 想法也越多 ， 所以说需要有一个互联网专用的词叫对齐 。 好像我们在对齐上花的时间
会比较长 。
我有在 B 站看到一些介绍秒哒的视频的评论区有提到 ， 哎 ， 如果不是百度做的 ， 我就会用一下了 ， 就这是不是也是一种阻力 ？ 你看到这样的评论的时候 ， 你的心情是什么 ？
可能是说我们的产品和一些传统产品这种调性不太一样 ， 因为我们这个团队呢 ， 实际上很多人都会说我们这团队没一个正常人 。
没一个正常人 。
对 ， 对 ， 因为我 —— 首先我说我自己 ， 然后也是我们同学啊 ， 就是我们前任聚餐 ， 然后我有一个校招生 ， 我带了他半年 ， 然后他要去下一个岗位了 ， 因为他是轮岗 ， 然后在他走的时候 ， 他和我说 ， 他说他觉得我最大的优点是不听老板的话 。
然后呢 ， 其实我又一回想 ， 我们团队的一些技术工程师 ， 我们内部资深高工 ， 他们也不听我的话 ， 他们都会直接骂我 。 所以说其实我觉得这点还挺不一样 ， 我们很多研发确实会比较凶 ， 然后会对很多人其实有挑战 。 其实本质上是因为在我们团队呢 ， 只有一个指标 ， 上帝指标 ， 就是用户说了算 。 我们到最后吵到不可开交
的时候 ，OK， 我们去看微信群 ， 看大家怎么说 ， 我们把这个事儿放到我们社区里 ， 看用户怎么选 。 当然这是一方面不太正常 ， 那也有很多不太正常的点 ， 比如说像我们的运营 ， 很多是来自于各种职业 ， 呃 ， 有这个数字游民 ， 在外面四处游荡 ， 后来秒哒落地归根 。 然后还有呢 ， 就是深扎到用户群里 ， 我都不知道他是百度的人
还是用户的人 。 这个同学每天都会给我们分享 ， 比如说他海南的用户给他寄来的叶子 ， 上面刻了秒哒 ， 然后这个老师把他们全班同学做的这些应用做成一个合集寄给了他 。 然后呢 ， 还有一个大哥用秒哒赚了四十多万 ， 然后这个请我们这个运同学过年去他家吃年夜饭 。 然后像我们很多产品呢 ， 其实也是非常个性的 ， 啊 ，
实际上都很小 ， 很年轻 ， 都是一帮小孩 ， 想法天花乱坠 ， 然后我 - 我们也经常会互怼 。 对 。
然后现在网上有一个很流行的说法啊 ， 就百度起大早赶晚集 。 也会担心秒答也是成为一个这样起大早赶晚集的产品吗 ？
技能与趋势36:32
目前来看肯定是赶了大集 ， 赶的不是晚集 。 我自己还是非常自信的 ， 我觉得肯定还是一个早集 。 对 。
然后我们录播客的时候 ， 正好有非常多新的趋势和新的这个产品在诞生 ， 然后有很多也很秒答多多少少有一些关系 ， 所以想请这个广翔我们一起来聊一聊 。 然后一个是 Cloud Bot， 就我们录的这一周啊 ， 正好是它在海内外大刷屏的时候 。
嗯 。
你看到 Cloud Bot 的时候感受是什么 ？
我想到那个季奕超 ， 其实他当时讲了一个理念 ， 就是他认为云上的实际上还是有独特优势的 ， 而他这个是在本地化的 ， 就是和 IDE 应该是一个赛道 ， 然后秒答也是选择了在云上 ， 就是因为我们认为说我们服务的是小白用户 ， 他其实如果直接操作电脑 ， 把一个东西装在本地 ， 然后呢能有无限的文件权限 、 拜师权限 ， 可能会
把电脑就搞崩了 。 所以说 -
所以大家要买台新的 Mac mini 嘛 ， 就不敢在自己的这个电脑上搞 。
对对对 ， 对 。 而我们呢 ， 和 Manus 是类似的 ， 实际上是在云上有一套虚拟机 ， 那里边想装啥装啥 。 而且呢这个虚拟机是面向应用的 ， 可能你开发一个应用 ， 就给你新开一个虚拟机 ， 这个应用就算是我这个虚拟机搞毁了 ， 那我换一个应用 ， 我重新再来 ， 所以不会担心有安全性问题 ， 而且呢效率也会非常高 ， 因为我可以开一千
个 Agent， 然后开一千个虚拟机 ， 干一千份工作 。
最近大家聊到 Cloud Scale 非常非常多 ， 然后你怎么看 Cloud Scale？
我先说个暴论 ， 其实 Cloud Scale 就是把我们去年的一些 trick 给公开出来了 。
嗯 。
当然不止我们啊 ， 我们的同行其实可能大家都已经做了一些类似的工作 。 其实 Scale 的本质就是一个动态加载的能力 ， 其实就是上下文管理 ， 因为我们直接把上下文一古脑扔给模型 ， 要不然就超长了 ， 创作出超长 ， 要不然就说不超长 ， 但是它注意力分散了 ， 因为要处理的事太多了 ， 而它这种动态加载 ， 渐渐是披露的这种方
式 ， 就是我需要哪些加哪些 ， 需要哪里点哪里 ， 它这个就是说会比较灵活地去管理上下文 。 然后像在秒答 ， 去年专门做了一个很大的迭代 ， 在去年中的时候就是解决这个问题了 。 因为当时我们的用户反馈 ， 相信早期用秒答的用户都有这样一个历史的一个惨痛的一个记忆吧 ， 就是说当时用户改的轮数一多 ， 就改到五十轮
就改不动了 ， 改啥秒答都说 ， 哎 ， 不好意思 ， 我改不了了 。 其实就是因为我们上下文管理有点问题 ， 所以我们当时就及时做了一个改造 ， 做一个像 Scale 一样的一些说明书 ， 说明文档 ， 就是每次这个 AI 会先读一下那个说明书 ， 说我该加载哪些工具 ， 加载哪些 MCP， 加载哪些代码 ， 加载哪些上下文 ， 然后我再去路由到真正把那些
东西 pin 到我的系统 prompt 里去 ， 去往后执行 。
这个是对用户这个不可见的 ， 对不对 ？
对对对 ， 用户直接感受到的就是我们上线一个功能之后 ， 他可以无限轮修改了 ， 修改多少轮它都不会有问题 ， 而且他每一轮修改的成功率也会更高 。 就感觉模型好像更聚精会神了 ， 它更专注了 。 我每次只专注干一小部分事儿 ， 和 Cloud Scale 本质上是一个原理 。 所以说我们就内部经常开玩笑说 Scale 把我们的这个 ， 我们的秘诀给公
开出去了 ， 大家都会了 。 当然 Scale 它比较牛的一个点是 ， 它把这套原理和逻辑标准化了 ， 作为一个通用的行业方案 ， 然后给造福了大家 。 所以这个时候大家又站在同一起跑线上去了 ， 这个行业里的秘密变成了公开的事情 。
是 。 现在出现了非常多 Scale 的这个集合站 。
对对对 。
然后你可以直接把这个 Scale 一键部署到 cloud 去用 ， 也可以一键 -
对 。
... 就直接传到 Manus 去用 。
对 。
哎 ， 那秒答之后会考虑 ， 就是说 -
嗯 。
... 让用户自己导入一些 Scale， 或者 -
嗯 。
... 你们也开放一个 Scale 广场 ， 让用户可以选 -
对 。
...Scale 来用吗 ？
对 。 其实我们原来的规划也是有这一步的 ， 因为 Scale 有两个层面 ， 一个就是说我们后台隐式地去管理好上下文 ， 用了和 Scale 一样的原理 ， 这是刚才说的第一步 。 第二步呢 ， 就是说把这个能力开放给用户 ， 用户再去扩展更多的能力 。 那这一步呢 ， 我们原来在规划里就是其实也已经做了一部分了 ， 在秒答里叫插件 ， 在整个 Vibe Coding
所有工具里边 ， 只有秒答是把插件系统作为一级目录 ， 大部分产品都没有这个概念 ， 或者是一个附带的一个功能 。 我可以说一下整体我们的规划 ， 就是插件定义为三种插件 ， 第一类就是 API 插件 ， 就是说它通过一种 API 服务的形式去接到应用里 。 那第二类插件呢 ， 就是 prompt 类插件 ， 就是说我通过去写一段超长的 prompt 描述一个复
杂的流程 ， 这个其实和现在很多市面上流转的这种 Cloud Scale 的内容是很像的 ， 把市面上那些各种包括像 Cloud Scale、 像 Code Scale， 把它们的那些 prompt 贴过来实际上也一样也能用 ， 这是第二类 Scale。 第三类 Scale 呢 ， 实际上就是 code 类 Scale， 它是让传统的编程让这个代码去执行的 。
嗯 。
比如说我写一个格式转化的一个能力 ， 通过 code 把一些这个字符怎么处理啊 ， 文件怎么处理 ， 格式怎么处理 ， 通过一些 Python 函数实现的 ， 这个就可以独立定义成一个 Scale 插件 。
广翔有没有什么和大家都不一样的所谓的反共识的一些建议是你认可但你觉得今天大家不认可或者还没有意识到的 ？
反共识建议41:13
我觉得我干的这个事其实就是 ， 就是反共识 。No code 就是异教徒 ， 秒答就是异教徒 。 今天看起来可能不太是了 ， 但是我们从 day one 开始一直被认为是异类 ， 是反共识的 ， 因为当时都在卷什么 ？ 都在卷 IDE， 因为 Cursor 成了满足了成员的 PMF， 大家都不觉得说小白有一天他真的会能自己去写应用 ， 然后当时我们就坚持下来了 。 到了今天 ， 实
际上我们回看去年 ， 你看我们看国外啊 ， 国外去年在二五年 AI Coding 类的产品 ， 你猜猜共有多少个 ？
哇 ， 这个好难统计啊 ， 上万个应该有吧 。 你们是用什么方式统计的 ？
呃 ， 我们就看上 PS 榜 ， 起码说明是正儿八经的 ， 有二百多款 。
哇哦 。
AI Coding。 然后有个规律 ， 上半年基本上都是 IDE 的 ， 从下半年开始 ，No code 的比例要大于 IDE， 而且后来是远大于 。 所以说从我现在受众量来说 ， 其实我们当时选对了 。 其实虽然一开始是异教徒 ， 一开始是反共识 ， 但现在感觉变成了共识 ， 包括我上面有说像 Manus、Codes 这些 Trick 之类的 ， 不相关的赛道的人都开始往 No code 去卷了 ， 其实大家也慢慢变
成了共识 。
对于工程师你有什么样的建议吗 ？ 他们应该怎么做去拥抱这种新的变化 ？
嗯 ， 如果我再重新读一遍大学 ， 我可能不再会学计算机专业了 。 我可能会在我更早的时候 ， 在我幼儿园的时候学计算机 、 学 Vibe Coding、 学秒答 ， 然后在我大学的时候 ， 我真的要学一个更垂直的专业 ， 比如说学法律 ， 比如学金融 。 就是因为我现在还挺羡慕的 ， 就是因为现在我们可以看到那些把应用做得好的人 ， 并不是谁代码写
得好 ， 而是谁真正懂业务 、 懂场景 。 比如说我们有一个用户啊 ， 他是一个中石化的工程师 ， 他不会写代码 。 他做了一款软件 ， 就是一个矿井的设计软件 ， 然后已经真实地应用在了大庆油田 、 青海油田 、 长庆油田 ， 而且他还出去授课 ， 每去石油大学上课的时候 ， 那学生也都用他的软件去完成自己的毕业设计 。 他这款软件
呢 ， 他在公司里 ， 就是他是用秒哒做的 ， 没有写一行代码 。 在他用秒哒写之前 ， 他们公司是实际上采购了一款 ， 花了 140 万 ， 然后采购出来的那个软件呢 ， 就是让程序员写的 ， 程序员不懂业务 ， 不懂矿井设计的一些物理逻辑 ， 一些展示的查看方式 ， 设计出来的软件其实他们都不用 ， 用不起来 。 所以说就是软件要这个做好
是需要有个垂直支持的 ， 比如他这个人 ， 他是懂石油行业 。 那如果说我把计算机作为一个通识课早就有了 ， 然后后边再学一个垂直行业 ， 那我可能会在这个垂直领域内跑出自己的一些有独立壁垒的一些东西 。
那如果你有小孩的话 ， 你会让他现在在幼儿园和小学阶段去学 Vibe Coding， 还是你会让他仍然去先学一些 ， 比如说最基础的编程知识 ？
我会让他学 coding 作为教具去培养自己的思维 ， 然后学 Vibe Coding 作为实用 ， 去让他更早地去实现自己的想法 。 就像我当时 ， 其实我从初中开始写代码 ， 我一开始学的不是 C， 学的是 Pascal， 不知道有没有人知道 。Pascal 实际上它就不是一个实用 ， 它已经相当于是被半淘汰的 、 半身入土的一个语言 ， 但它和 C 很像 ， 它就变成一个教学级的 ， 学它
只是为了学习这种思维 ， 真正用还是要用 C。 所以说类似的 ， 可能未来就是在博物馆里的这个代码了 ，C 可能就只是用来教学 、 教育用的 ， 但实际上要使用的话 ， 可能用 Vibe Coding， 都用 AI 来去真实去提升更高效率 。
我们现在回归 2025 年 。
2025对错44:35
嗯 。
广翔 ， 你认为你和秒哒团队做对了哪些事情 ， 又做错了哪些事情 ？
二五年我觉得我们做的最对的一个事情就是在低代码和无代码间选了无代码 。 也就是说 Vibe Coding 一定会取代 workflow。 我前面说了 ， 我是个叛逆人 ， 我也是一直在顺应行业的趋势 ， 我会先思考大盘 ， 看大盘到底什么是终局 。 基于当时的能力来看 ， 那显然做 workflow 是最直接能落地的 ， 最能赚到 AR 的 。 但是因为我是强化学习出身的 ， 我感觉
我自己一个 FP 嘛 ， 还是比较理想主义的 ， 比较感性的 。 我就思考了 ， 其实我想到了 Sutton， 就是强化学习之父 ， 他 19 年写过一个很著名的博客 The Bitter Lesson， 就是苦涩的教训 ， 然后他回忆了说做 AI 这么多年来 ， 他受到了最大的几个经验 ， 他说的一个事儿就是能把算力发挥好的这种方法是最高效的 。 然后反过来说呢 ， 就是说如果我过多
地依赖了人工经验 ， 会让这个方法变得很复杂 ， 从而失去了一些泛化能力 ， 从而失去了对算法的智能的这种利用 ， 这是他说的这个核心的结论 。 当然他也说了路径 ， 那我如何去把算力给用好呢 ？ 他说了两点 ， 有两个路径 ， 第一个就是 learning， 第二个就是 search。 其实恰好对应今天的 learning 就对应 model，search 就对应着 agent。 其实计算有两种 ， 一个是模
型内计算和模型外计算 。 模型内计算就是各种神经元去处理各种链路上的这些数学运算 ， 最终输出一个输出 ， 那这个其实是通过预先拿很多数据 learning 好 ， 把这经验固化到神经元里 ， 然后通过计算自己推理去线上生成 。 然后第二块模型外计算 ， 就是说我模型已经有了 ， 固化在那里了 ， 那我把模型和环境不断地交互 ， 我站在
不同的位置看到的事情是不一样的 ， 我基于不同的环境的输入 ， 我做出的不同的决策 。 这个模型外计算实际上就是 agent， 实际上就是 search。 其实 agent 就是一个去如何平衡搜索的 exploration 和 exploitation 的 ， 就是如何到底是挖掘还是再去探索 ， 我要开一个新方向 ， 还是说我挖旧方向去挖深挖 ， 它其实就一个本身上就是一个 search。 所以说他当时就成功预言
了现在两个主流的事情 ， 就是 model 和 agent。 绕远了 ， 再说回他这个本身 ， 就是他为什么知道了我要坚定地选 no code， 因为 no code 就是一个更好发挥算力 ， 更少地依赖人工经验 。 其实 workflow 是一个很不本质的东西 ， 它像是用人类经验固化出来一些节点 ， 强制地给它结构化了 ， 这样的话它就不够灵活 。 所以我们看到了今年 Code 改名了 ， 改成了
Code 编程 。 当然我觉得它可能已经有点晚了 。
做选择再回到当时还是不容易的 ， 当时有纠结过吗 ？
其实当时做这个决策 ， 因为当时的技术还不够成熟 ， 所以基于当时所有看到的现象 ， 所有的用户需求来说 ， 其实不支持我们做这个判断 。 然后我们还是回归就是第一性原理吧 ， 就是说首先看市场空间 ， 全球有三千万程序员 ， 但是全球有八十亿人 ， 而且呢 ， 八十亿人 ， 很多人他不是程序员 ， 反倒是更接近用户场景 。 我做
程序员耽误了我去接触一些行业 ， 而不做程序员的人 ， 他一生就在耕耘这个行业 ， 所以他更懂需求 ， 更懂场景 ， 更懂用户 ， 他们直接就自己去做应用 ， 他做的上限 、 天花板是要比程序员要更高的 。 其实我们还有一个观察 ， 就是在百度每年有一个 Hackathon， 有个黑客松比赛 ， 我们发现一个现象 ， 因为我一直做评委 ， 做了好几年 ，
最开始没有大模型的时候 ， 基本上就是标配 、 产品 、 设计和几个研发 。 然后有大模型之后 ， 第一年的时候可能还有程序员 ， 到了去年 ， 基本上大部分很多队伍就完全没有程序员 ， 就是产品和运营直接参加 ， 到头一样能得奖 。 而且得奖的作品呢 ， 并不是谁代码写得好 ， 就是谁创意好 。
我觉得这个很有趣 ， 就想起一句话 ， 就是原来会说这个 Talk is cheap，show me the code。
嗯 。
是吧 。 但最近有一句新的话叫做 Code is cheap，show me the idea。
Idea is cheap，show me the app。 去叫 GPT 了 ， 把应用直接拿出来就行了 。
对 。
Vibe Coding 一下 。
是 。
直接变成 app。
今天没有任何人有理由就是拿这个 idea 来 pitch， 对吧 ？
对对对 ， 然后这一块还可以再接着说 。 一方面是市场空间大 ， 然后其实第二方面来看的话 ， 就是因为当时做 IDE 很火 ， 大家都觉得 IDE 真正能赚到钱 。 但其实我们可以这么想 ， 用 no code 的人一定不会用 IDE， 但用 IDE 的人可能会用 no code。 其实就像我 ， 典型的程序员 ， 我可以用 IDE， 但是呢 ， 如果有 no code， 我会变得更懒 ， 我变成 lazy coder， 我会愿意
去用这些产品 。 其实对我来说 ， 其实 IDE 还有一点不太好的体验 ， 用这个跑步去类比 ， 就用 IDE 的感觉像什么呢 ？ 因为 IDE 就是 AI 和人一起协作 ， 有点像两人三足比赛有没有参加过 ？
参加过 。
我和 AI 把腿绑到一起去跑 。
嗯 。
我需要理解它的状态 ， 我需要知道它的过程 ， 它需要理解我 ， 需要知道我的过程 ， 我们俩有信息交互 ， 但是跑得会很费劲 ， 这感觉会有互相有牵绊 ， 然后而且会很累 。 而像秒答这种 No Code 产品呢 ， 它相当于跑接力 ， 就 AI 跑九十九步 ， 然后呢人跑一步 ， 而且人不需要理解你九十九步咋跑的 ， 你把接力棒给我就行了 。
这还挺好玩的 ， 就不是四乘一百接力对吧 ？ 其实是九十九步加一步的接力 。 人只需要接过棒 ， 最后负责冲刺 。
对 ， 人可能是第一棒 ， 人说 ， 哦 ， 我想好了 ， 我要做个啥 ， 给你 ， 你去跑吧 。
OK。
到最后跑到终点 。
嗯 。
对 ， 所以说我觉得它体验上肯定要好于 IDE 的 。
其实计算机发展一直都是这样的 ， 最早我们 P 图一定要用 Photoshop。
对 。
后来有了 Instagram， 有了美图秀秀 。
对 。
就加个滤镜 。
对对 。
但原来其实搞一个滤镜是需要那劳费劲了 。
对对 ， 需要去拼各种东西 。
对 。
就打包 ， 不断地打包 ， 不断地简化 。
是的 。
对 ， 其实写代码也是 。
嗯 。
其实最开始有高级语言的时候 ， 那很多写汇编语言不屑一顾 。
嗯 。
说什么高级语言 ， 说什么 C 啊 、Java， 你能帮我去更好地管理我的内存吗 ？ 帮我管理好计算调度吗 ？ 不能 。 而我 ， 我用汇编写的效率会更高 。 那个时候那些程序员是不愿意用高级语言的 。
就是骄傲感的 。
对 ， 很有骄傲感 ， 像今天一样其实 。 但是随着时间的流逝 ， 低门槛的吸引力是远超出人想象力的 。 人本身都是追求懒惰的 ， 所以说后来高级语言趁虚而着手 ， 直接就完全碾压了 ——
嗯 。
做汇编的 。
嗯 。
然后我相信未来一样 ， 可能用自然语言了 ， 也会直接碾压用高级语言的 。
刚才我们说 2025 年做对了什么 ， 然后做错了什么呢 ？
做错了 ， 我觉得我们给模型太多的自由 ， 就是我们的机制是为了能发挥模型的潜力 ， 会让模型它会自己发挥 。 呃 ， 用人去类比的话 ， 模型还是一个自负的年轻人 ， 他非常自负 ， 因为他认不清楚自己的边界 。 就我们经常会发现一个现象 ， 就是模型明明它不懂这个东西 ， 它不会这个东西 ， 但是呢 ， 它就硬干 ， 结果到最后干
错了 ， 干出幻觉了 ， 然后呢 ， 其实它还不知道 。
怎么那么像张信哲那首歌 ， 怎么忍心怪你犯了错 ， 是我给你自由过了火 。
对对对 ， 是的 ， 是的 。 但它还有另外一点 ， 它是年轻人 ， 它有成长性 ， 它今天的边界可能明天就不是边界了 ， 然后而且这个边界的突破是以每个月去 ， 去迭代的 。 所以说我们之所以放它一个自由的架构 ， 也是说在期待未来它会去自己打破这个边界 。 那其实换句话说 ， 这也不一定说做错了 ， 这可能是提前做对了 ， 只是越
过一超前了 。
那有没有真的做错的 ？
真的做错的也有 ， 就是我们其实运营做得太晚了 。 我经常听用户每次和我说 ， 就说 ， 为啥你们不宣传呢 ？ 为啥你 ， 你们这产品还挺好用的 ， 为啥就不讲呢 ？ 你像我们团队 ， 我们半年都没有运营团队 ， 我们第一个运营还是半年之后才加入的 。 而且呢 ， 我们至今为止 ， 我们都没有独立的运营预算 ， 我们都是蹭内部的流量 。
出海展望51:41
所以说这个我们要做得更精细和更好一些 。
所以你现在愿意出来这个上播客 ， 愿意多讲 —— ... 多分享 ， 对吧 ？
对 ， 感谢现在的这个机会 。
哎 ， 如何看待现在非常多做 To C 的 AI 的应用啊 ， 国内的都在出海 ， 你们也出海了吗 ？
对 ， 我们也出海了 。 我觉得很多人都说国内没有 PMF， 但其实我不认同这一点 。 我觉得我们中国其实别的赛道不说 ， 在应用开发这个市场上还是在世界第一等的 。 中国的应用市场是世界上最繁荣的 。 像我们有最领先的移动支付 ， 呃 ， 像我们有最领先的社交 ， 像包括我们的信息流产品 ， 跑得比国外快 ， 而且呢 ， 中国人又多 ，
场景就多 ， 需求就多 ， 有巨大产值的市场 。 那我唯一要做的事情是什么呢 ？ 我们培育用户一起成长 ， 把这个蛋糕做大 。 就像那个倒三角 ， 用户能赚到钱了 ， 那他给我们分钱 ， 那用户有 AR 了 ， 那我们早晚会有 AR。 而中国有这么大的这个市场 ， 肯定是有很大 AR 的这个潜能 。 明年和我们的用户一起成长 ， 我们做出 1 万个超级个
体 ， 就是这 1 万个超级个体需要什么 ， 我们产品就长什么样 。
哎 ， 我听说你们内部也有一个十字路口 ， 那是一个什么 ？
对 ， 比较巧啊 ， 就是当时我们团队刚建立的时候 ， 我们说就要做一个创业氛围的一个团队 。 我们的产业运营是闭环的 ， 就是我们所有角色都是在一起 ， 没有人有兼职 。 啊 ， 因为大厂一般都喜欢兼职嘛 ， 仲裁化 ， 各种人负责 N 个角色 ， 有 N 个 OKR， 我们所有的 OKR 都是秒答 ， 然后我们所有的人在一起办公 ， 这也很难得 。 在大厂
里能有一个工区 ， 我们都坐在一起 。 当时排工位的时候 ， 当时我就想说怎么样更高效地沟通 。 我当时就画了一个十字路口 ， 十字路口有四个角 ， 分别是产品 、 运营 、 工程和策略 。 然后在这四个角 ， 我们产生了大大小小的所有决策 ， 都是在这个十字路口产生的 。
然后你的工位是在十字路口中间 。
我的工位要 ， 要避开十字路口 ， 因为太吵了 。 但是我会去走到十字路口和大家去交流 。 所以说那个十字形折角 ， 我们就叫十字路口 。
哦 。
非常巧 。
投资结尾53:38
哦 ， 也是一种缘分 。
对 ， 是一种缘分 。
我们最后一个问题是一个十字路口的经典的 ， 很喜欢问嘉宾的问题啊 。
嗯 。
如果今天广翔给你 300 万美金 ——
嗯 。
然后你必须投出去 ， 呃 ， 投 3 个人 。
嗯 。
天使投资 。
嗯 。
不管他是准备创业还是已经在创业的朋友 。
嗯 。
你会投给谁 ？
我当然会投给秒答的用户 ， 因为他们能把它变成 3 个亿 。
嗯 。
而且我们真的是投了 300 万美金 ， 就是我们有注梦计划 ， 就是我们会让有创业想法 ， 有一些苗头的 ， 会给他提供一个创业的支持 。
好 ， 那除了秒答用户 ， 不能投秒答用户 ， 这个感觉是太官方了 。 如果真的就是我是好奇 ， 比如说你身边的朋友 ， 你觉得谁如果创业最可能会成功 ？
那这个还真要真想一想 ， 就是 ， 呃 ， 觉得能成功的呢 ， 他不会让我投 。
不管他让不让你投吧 ， 都可以 。
那我肯定会投 Gemini。
那其实你可以买股票呀 。
我主要不炒股 ， 炒股我肯定会买 。
为什么那么看好它 ？ 是和大家看法一样吗 ？ 还是有一些你看到的我们没看到的东西 ？
也算是一样其实 。
嗯 。
就是首先谷歌是一个技术基因的公司 ， 然后呢 ， 它又有最大量的数据 ， 就是它模型好不好 ， 其实还取决于数据 ， 它的搜索数据知识能全用上的话 ， 没有人比不了的 ， 然后 Cloud 比不了的 。 再一个呢 ， 它掌握分发渠道 ， 谷歌它有全球最大的分发渠道 ， 所以它从身位上 ， 从能力上 ， 从它的积淀上 ， 其实都是顶尖的 。