摘要

Google 的 AI 翻盘与其说源于一次重组，不如说是多年复利式投入、更紧密的产品与研究协作，以及“惊人的专注和紧迫感”最终兑现的结果。 Lenny 开场提到 Gemini 登顶 App Store，以及市场对 Nano Banana 的兴奋。Stein 表示，产品和模型按月持续改进，如今已到达临界点：前沿模型终于足够有用，消费者开始切身感受到多年积累的进步。
Stein 不认同“Google 已死”的论断，因为 AI 正在扩大人们的搜索范围，而不是取代 Search 原有的大量导航、交易和事实查询需求。 Google Lens 的视觉搜索在已经达到“数十亿、数十亿、数十亿”规模的基础上，同比仍增长70%；用户会拍下鞋子、作业或书架，再提出过去用关键词搜索很难表达的问题。
Google 的 AI 竞争资产，是前沿模型、分发能力和实时结构化信息的组合，而不只是嵌入 Search 的聊天机器人。 AI Mode 可以调用每小时更新20亿次的500亿件商品、Maps 中的2.5亿个地点、金融数据和整个互联网；AI Overviews 与 Lens 也越来越像通往同一对话系统的预览入口。对投资者而言，关键在于 Google 能把既有搜索意图转化为更丰富的查询，而无需用户去别处培养新习惯。对于即将推出的视觉版本，Lenny 认为它可能威胁 Pinterest；Stein 则强调，它不同于 Nano Banana，后者是图像编辑器。
AI Mode 的 query fanout 会把一个提示拆成潜在数十次后台搜索，将模型推理与实时信息、垃圾信息识别、权威性信号及可供核验的链接结合起来。 因此，Stein 对 AEO/GEO 的答案是渐进式的：满足用户意图，提供原创且有可靠来源的信息，并聚焦 AI 正在促使人们更频繁提出的建议、操作指南和复杂问题。“归根结底，确实有东西在搜索。”
AI Mode 的定位是信息产品，而不是通用型心理治疗师、创意伴侣或电子表格工作台。 Google 的押注是，用户会从“关键词语”转向五句话的自然语言请求——比如排除4家去过的餐厅、同时照顾朋友的过敏需求，再寻找户外约会地点——并继续获得权威来源和追问能力。
这次发布的速度证明，只要确信度足够高，Google 仍能像创业公司一样运转。 一个5至10人的团队在这次对话前约1年启动，找到几个“闪光时刻”，邀请约500名外部测试者直言产品何时糟糕，通过 Labs 扩大测试，随后在美国大范围上线。Stein 认为，未来大约1年的产品迭代，可能会为之后许多年建立消费者习惯。
Stein 的产品操作系统，把持续不满与硬核数据仪表盘结合起来：愿景负责定义更好的世界，留存曲线和根因分析则检验产品是否真的走到了那里。 团队应观察第7天、第30天和第90天留存，找到 S 曲线趋平的位置，并把投入转向新的增长引擎——在这些引擎上，单个改动仍可能带来10%、20%甚至4%的提升。他对“精益崇拜”的反驳是，真正困难的突破往往不是没有内部共识，而是共识形成后团队仍长期人手不足。
Instagram Stories 与 Close Friends 说明，产品可以采用已经验证的格式而不只是照搬，也说明复利式改进可能需要很长时间。 Stories 通过相册上传、暂停、创作工具和一致的产品入口，最终变成 Instagram 原生功能；Close Friends 则用了两三年修复令人困惑的设计和误译，直到名单达到约20–30人，并在 Stein 的例子中产生2条私信回复后才真正奏效。更大的规则是“清晰胜过聪明”，同时要有足够谦逊承认第一版失败。

精读

1. Google 的 AI 动能来自复利，而非一次戏剧性干预

Lenny 开场提到一个出人意料的事实：Gemini 已经登上 App Store 第一名，超过 ChatGPT。多年来，外界一直在追问，为什么 Google 强大的研究能力始终没有转化为一款成功的消费级产品。Stein 确认 Nano Banana 引发了市场兴奋，同时指出，用户也开始重新发现 Google 各项产品中原本就已嵌入的强大 AI 能力。
Stein 无法对自己离开 Google 期间发生的每一项组织调整作出诊断，但他对眼下的体验判断明确无疑：团队拥有“惊人的专注和紧迫感，快速交付优秀产品”。产品团队、Google DeepMind 研究人员、技术负责人和管理层协作得足够紧密，终于把长期研究投入转化为消费者可以直接使用的产品体验。
他的解释拒绝英雄叙事，也不归因于某个一次性转折点。真正的动能来自“每个月都在无情地改进产品或模型”，直到复利式进步跨过某个阈值：人们开始喜欢这款产品、更多使用它，并突然意识到，底层其实已经积累了很久。

2. AI 正在扩张 Search，而不是抹去它的核心职能

Lenny 直白保留了看空逻辑：ChatGPT 和 Perplexity 似乎让结果页和点击链接变得过时，于是“Google 已死”的说法甚嚣尘上。Stein 对实际产品观察给出了明确回答：“我认为 Google Search 的核心并没有真正改变。我们没有看到这种变化。”
原因在于 Search 的广度经常被低估。人们仍然需要电话号码、价格、路线，或缴税时的支付页面；即便对话式答案如今覆盖了一类新问题，AI 也没有消除这些基础需求。
Stein 反而把 AI 称为“扩张性的”：更多好奇心可以得到满足，于是人们会提出更多问题，也会表达过去难以用关键词搜索处理的需求。增长来自扩大可服务的查询范围，而不是假定每一次 AI 互动都会替代旧的搜索。
Google Lens 是他最有力的证据。视觉搜索在已经达到“数十亿、数十亿、数十亿”规模的基础上同比增长70%；用户会拍鞋子寻找卖家，拍下作业请求解答第2题，或拍下书架询问下一本该读什么。

3. AI Overviews、Lens 与 AI Mode 正在汇聚为同一套 Search 系统

Stein 将 Google 的 AI 搜索产品拆成3个组件：AI Overviews 在普通结果上方提供快速答案；Lens 处理视觉和多模态搜索；AI Mode 则把这些能力整合进端到端的对话体验，建立在前沿模型之上，并专门为 Search 设计。
底层信息资产是这套叙事的核心。Google 的 Shopping Graph 包含500亿件商品，每小时接收20亿次商家更新；Maps 则包含2.5亿个地点。AI Mode 还可以调用金融信息、互联网上下文以及方便用户进一步调查的链接。
产品整合已经在减少用户对入口的选择成本。一个复杂的自然语言查询可以先生成 AI Overview，再继续进入 AI Mode；Lens 拍照后也可以先给出初步解读，再转入同一场后续对话。
Stein 最终希望做到的是，用户“不需要去想自己应该在哪里提问”。Google 推出明确的 google.com/ai 入口，是因为产品当时还很新，需要集中收集反馈；但目标体验是在文字、相机、快速答案和深度对话之间保持一致。

4. Google 押注自然语言会释放其既有的搜索意图

Lenny 引用 Alex Rampell 的框架：创业公司往往先拿到分发，等在位者来不及快速创新，然后提出 Google 已经走到了“现在轮到 Google 了”的时刻。Stein 的回应是，用户其实早就在向 Google 询问这些结果；缺少的只是能够回答他们提交的化学题图片或复杂计算的 AI。
行为上的门槛，是让用户知道 Google 已不再要求他们使用“关键词语”。用户可以输入一段5句话的请求：寻找约会夜餐厅，排除4家已经去过的店，指定户外用餐，还要考虑朋友的过敏情况——过去他们根本不会想到把这种需求输入 Search。
Lenny 认为 Ask Jeeves “出奇地有先见之明”：它在技术尚未成熟时，就提出了像和人说话一样提问的想法。Stein 认同这一判断，只是这个想法出现得太早。

5. AI Mode 专注信息，不覆盖聊天机器人的所有场景

Stein 将 AI Mode 定义为“一种向 Search 询问任何问题的方式”，重点优化旅行规划、购物、研究以及其他以信息为基础的需求。它的预期优势包括上下文、实时数据、链接，以及让用户能够对照权威来源核验答案。
AI Mode 也可以改写文字，但 Google 并不主要瞄准创意陪伴、生产力工作流，或上传电子表格并生成图表之类的任务。Lenny 用一句话概括这种区别：“AI Mode 不是你的心理治疗师。”
这种更窄的定位也决定了界面和模型设计。用户偶尔可能会以聊天方式打招呼，但实际使用集中在学习或完成信息任务上，因此 Google 优化的是无摩擦的信息获取与深度探索，而不是塑造一个通用聊天机器人的人格。

6. Query fanout 让网页发现继续留在 AI 的响应闭环中

AI Mode 构建答案时会执行“query fanout”：模型可以在用户提示后追加数十个相关搜索，将这些查询发往 Google 的系统，在必要时调取实时数据，再根据返回材料组装答案。“归根结底，有东西在搜索。它不是人，但确实发生了搜索。”
Stein 认为，这项能力的独特之处在于，模型可以把参数化记忆和推理能力，与 Google Search 识别垃圾信息、评估权威性、检查结果以及判断何时直接链接到特别有用来源的机制结合起来。
他对 AEO/GEO 的建议仍从传统质量信号出发，而不是另起一套技巧：满足用户意图，引用来源，贡献原创信息，避免重复那些已经被重复“500次”的内容。Google 的人工评测指南依然有效，因为 AI 仍在研究和筛选信息。
真正发生变化的是需求端。内容创作者应研究人们如今会向 AI 提出什么问题，尤其是建议、操作指南和复杂需求，并为这些不断扩大的类别构建最好的内容，而不是把 AI 可见度当成与实用性无关的独立指标。

7. 自然语言操控正在降低构建 AI 产品的成本

Stein 最新的观察是，AI 界面变得越来越像人类沟通，速度快得惊人。就在几个月前，用户还需要“咒语式”提示词、角色指令或大量后训练，才能让模型稳定地按要求工作；如今，他们越来越可以像给工程师写需求一样，直接描述想要的行为。
一家创业公司现在可以把内部数据、API 文档、schema、URL、使用条件，以及需要格外谨慎处理的问题提示交给模型。模型可以自行判断何时增加推理预算、调用工具或执行代码，而不必把每一种行为都通过权重更新编码进去。
这意味着复杂产品开发的门槛正在向更多团队开放：“越来越多时候，我认为你不需要做大量这种重型微调。”Lenny 将其与 AI 产品设计联系起来：评判标准应当是一次人类互动，而不只是上一代软件界面。

8. 视觉对话是超越文字聊天的下一轮扩张

Stein 认为，AI“诞生并成长于文字模态”，所以过去即使用户提出重新装饰书架这样的视觉需求，系统通常也只会生成一段文字。多模态系统则可以直接帮助用户寻找灵感、购物，以及处理那些“看到可能性”比阅读描述更重要的需求。
在 I/O 上公布、目前正在逐步推出的 AI Mode 视觉版本，可以为一个带有深色调的“中世纪现代风”办公室生成灵感图板。用户随后可以要求画面更明亮、更偏奶油色、更具加州风格或更有海岸感，系统既能理解图像，也能理解对话中的细化要求。
Lenny 认为，这类视觉灵感功能可能威胁 Pinterest，并猜测其内部使用的是 AI Mode 中的 Nano Banana。Stein 纠正了这一点：Nano Banana 是图像编辑器，而这里的体验是从互联网搜索图片，再让用户与视觉结果进行对话。不过，编辑自家客厅的照片，未来可能会成为互补功能。

9. 持续不满是不断改进的起点

Stein 将自己最核心的产品特质定义为两种观念的具体体现：持续投入全部精力，始终把努力导向积极产出；同时拒绝停止改进。只有不懈推动而没有改进是不够的，只有改进而缺乏持续压力，也很少能跨过临界点。
这个说法源于一次破冰问题。有人让他的妻子用1个词形容他，她回答：“不满。”但她的解释改变了这个看似负面的评价：他不是单纯不开心，而是在相信世界可以更好的时候，不愿接受眼前的现状。
Tony Fadell 的水果贴纸故事，是 Stein 对这种心态的具体演绎：贴纸刺破桃子，果肉“流血”；被扔掉的贴纸又落在垃圾桶旁，顾客只能弯腰把它捡起来。大多数成年人会习惯这种摩擦，优秀的产品思考者却会继续追问：“为什么我要容忍这个？”
AI Mode 也源于同样的不满。Google 发现，用户会在查询后加上“AI”，试图强行得到 AI 回答，而更难的问题往往根本得不到 AI Overview。团队的第一反应是：“这太荒谬了。”随后他们提出了更大的问题：为什么 Google 不能对所有问题都做到这一点？

10. 指标是工具，不是产品判断的替代品

Stein 不接受“把产品做得更好”和“推动 KPI”二选一。流程应从一个问题，或一个更好状态的愿景出发，再通过数据埋点判断做出来的产品是否真的改变了用户行为。
对一款早期产品，他可能会观察留存的“J形曲线”：第7天、第30天和第90天分别还有多少用户，以及曲线是趋于平稳，还是继续流失并最终归零。通过这一关后，产品才有资格谈增长、口碑传播，以及机会能否做大。
对于核心指标一周下滑5%的成熟产品，指标可以帮助定位病灶：地区、设备、人口特征或具体使用场景。根因分析能够找到需要治疗的位置，但仪表盘无法开出药方；“你必须自己思考怎样把它做得更好。”
资源配置应遵循 S 曲线和边际回报递减。如果再增加50个人几乎无法推动一个已经成熟的功能，团队就需要寻找新的增长驱动；一旦这个驱动带来10%、20%或4%级别的变化，就值得获得更多投入。否则，团队可能只是在“自我庆祝”，却没有证据表明用户真的在乎。

11. Stories 的成功，在于把竞争对手的发明当成一种产品格式

Instagram 面临的生死问题，不是它是否发明了限时的竖屏分享，而是这种格式是否更好地服务于 Instagram 分享生活、建立连接的核心任务。Stories 降低了发布压力，取消点赞，让内容自动消失，也适配移动屏幕；Stein 明确承认 Snapchat 发明了一种真正强大的产品格式。
早期把 Instagram 已有的信息流做成限时内容的尝试失败了，因为这扭曲了用户已经理解的产品。团队后来做了一个独立入口，让它适配 Instagram 的整体系统，同时加入自己的创作工具、复杂滤镜、霓虹涂鸦和高分辨率相册上传。
一些微小的不满也很关键。当时 Snapchat 还不允许上传照片，Stories 也不能暂停；Instagram 则让用户保留相册里的记忆，并在内容播放过快时按住屏幕暂停。这些细节让功能显得原生，而不是机械复制。
Lenny 保留了创始人关于 Instagram“偷走”Snapchat 点子的指责。Stein 的反驳以用户为中心：信息流和 Stories 都已经成为产品基础组件，就像 Facebook 之后许多产品都采用了信息流；拒绝一个有用的格式，可能就是“剥夺用户获得更好产品的机会”。

12. 成熟产品通过增加协调但有区别的新基础组件实现增长

Stein 以谦逊态度看待大型产品：做产品就像打高尔夫，因为“你永远只差一杆就会把球打飞”。他的第一步，是弄清用户为什么选择这款产品、哪些部分在增长、哪些已经成熟或开始衰退，以及用户需求发生了什么变化——对 Instagram 而言，用户已经从公开信息流广播转向 Stories、私信和私密分享。
Jobs-to-be-done 分析可以防止团队误以为下一个答案必须由当前界面提供。Instagram 不需要一张能做更多事情的方形照片；Google 也不只是需要对结果页做一次细微调整。两者都需要从第一性原理出发，回应用户真正要完成的任务。
新格式应当互补、协调，同时在视觉和体验上明显不同。把一条会消失的内容藏在普通信息流的位置里，会违背用户对空间的预期；因此 Stories 拥有独立且易识别的一行，AI Mode 则采用全屏对话体验，同时与核心 Search 保持连接。
Stein 警告，不要原封不动地搬运另一家公司成功的功能。对方的用户、场景和预期可能完全不同；真正要做的是理解外部格式证明了什么，再按照自身产品的本质和惯例重新构建。

13. AI Mode 的1年建设说明小团队何时应当扩张

AI Overviews 提供了最初的信号：用户已经在提出自然语言问题，希望获得更直接的访问方式，也需要传统结果页难以容纳的追问能力。一个小团队搭建了空白屏原型，加入搜索、推理、多轮记忆，以及比 Overviews 背后的 AI 更强大的模型版本。
最初团队约有5至10人，在前一年夏秋之际组建。早期版本整体表现很差，但出现了几个“闪光时刻”，其中包括一次为 Stein 女儿规划外出活动的回答：整合了公园信息、有用链接、Maps 数据以及步行便利性。
在进入 Labs 之前，团队邀请约500名外部信任测试者参与，其中包括亲友，并鼓励他们报告每一次崩溃和不合常理的答案。反馈改善后，Google 开放 Labs，以获取更大规模的查询数据；随后在美国面向用户上线，并开始向更多国家和语言扩展。
Stein 的资源配置经验与“精益崇拜”相悖。小团队在形成内部确信之前很有价值，但技术难度高的产品经常因为团队长期维持最小编制而“胎死腹中”；Close Friends 的缓慢迭代也体现了投入不足。产品验证之后，管理层应为团队提供足够资源，真正打造一款面对外部用户的强产品。

14. 清晰、因果与谦逊拯救了 Close Friends

Stein 假想中的产品书有3个核心章节：深入理解用户，严谨分析问题，以及“以清晰而非聪明为设计原则”。最后的尾声是谦逊——持续质疑自己、倾听用户，并始终接受自己可能犯错。
他的 Jobs-to-be-done 检验，关注的不只是用户如何使用产品，还包括用户为什么第一次“雇佣”这款产品。他更看重追问因果发生的那一刻：用户当时在哪里、在做什么、是什么触发了这个决定，因为那次“重大雇佣”比功能愿望清单透露出更多信息。
Close Friends 最初把私密 Feed 和 Story 帖子混在一起，加入了特殊个人主页，并使用不一致的绿色标识。更糟糕的是，Stein 认为它最初可能叫“Favorites”；在一些市场，这个词被误译成“最好的朋友”，导致用户只添加1个人。那个人很少看到或回复帖子，于是建立连接这一情感任务没有完成。
数据显示，名单达到20–30人时，循环才真正运转起来：可能有2个人通过私信回复，从而产生预期中的连接感。经过两三年，Instagram 将功能限制在 Stories 内，改名为 Close Friends，推荐名单成员，并把绿色环形标识展示到 Story 外部。Finsta 的使用方式也帮助团队理解了小群体分享的真实需求。

15. 好奇心连接了 AI 协助与原始来源

Stein 留下的核心原则是“保持好奇”：持续追问产品为什么失败、别人为什么不同意，以及世界为什么如此运行。AI 是“终极好奇心引擎”，但他仍将其与旧论文、免费 PDF、书籍和原始来源结合，而不是只依赖摘要。
Search Live 在当周退出 Labs 后，AI Mode 已可以在 Google App 中提供全屏语音对话。Stein 年幼的孩子会要求“和 Google 说话”，询问动物、历史或学校话题；他认为，这种体验正在让孩子们自然成为 AI 原生用户。
他的 Stamped 故事则提供了好奇心的行动版本。25岁时，面对一款推荐应用的冷启动难题，Stein 和联合创始人给 Scooter Braun 发邮件，声称第二天会到洛杉矶，随后收到早餐邀请，并立即从纽约飞了过去。
Braun 表示愿意提供帮助，甚至可能担任顾问；Stein 和联合创始人随后见到了 Justin Bieber，后者使用这款产品推荐自己喜欢的歌曲和其他内容。Bieber 的参与帮助产品吸引了用户。Stein 得出的教训与明星策略关系不大，重点在于速度：“现在就做，灵活一点，立刻行动。强烈的紧迫感通常胜过长时间思考。”

一个原教旨主义产品经理眼中的世界 | 对谈理想 SVP 范皓宇第158期——2025年10月10日