95. 对Manus创始人肖弘的3小时访谈：世界不是线性外推，做博弈中的重要变量

摘要

• 肖弘的核心创业方法不是线性预测终局，而是在可承受成本内提前埋伏，并努力成为能改变其他玩家选择的变量。 2019年，他判断个人微信外挂会被干掉、但不知道什么时候，于是提前约半年做好企业微信SCRM；2025年，他又在模型能力尚未完全成熟时先搭建能写代码、调用API、操作浏览器的Agent。肖弘强调：“世界不是线性外推的，要让自己成为博弈中的那个重要的变量。”

• 第一段创业最值钱的教训，是商业模式、融资规模和产品体验不能服从一个更大的资本故事，而要回到真实需求。 微信编辑器放弃广告撮合、选择直接卖SaaS，登录即展示付费方案后收入“很多倍增长，可能达到一个数量级”；竞争对手可能因更高天花板叙事融入更多资金，也承担了更难兑现的目标。肖弘的纪律是：“资本应该是工具”，投资人的日常意见权重“应该跟一个KOL差不多”，严肃分歧再放到正式会议或董事会解决。

• Monica的冷启动不是靠自然增长碰运气，而是用一次并购买下了最稀缺的时间窗口、用户样本和可控的启动量。 团队在2023年春节后收购ChatGPT for Google，用其每天数千至上万新增为新产品导流、访谈和校准PMF，同时保持两个品牌独立，逼迫团队重新学习海外增长。Monica接入海外支付、确定价格后，半个月内便达到最初“每月赚50万元人民币”的低目标；后来Monica和ChatGPT for Google都达到数百万用户，但前者是数百万会员用户，后者是数百万活跃用户，不能都表述为月活。

• 出海决策建立在一笔粗糙但有效的账上：海外软件付费意愿约为国内5倍，美元汇率约7倍，即“5×7=35”；即使团队能力因语言和经验只剩一成，仍“好像还能多赚3倍”。 肖弘承认团队无人长期海外生活、英语巅峰可能停在高中，但认为窗口期里“勇气”比先花半年搭海外组织更重要。海外的分散市场、语言与文化差异增加了成本，也提供了多个“小山头”和更大的战略纵深。

• 模型公司掌握能力跃迁的时间，应用公司则负责把跃迁变成普通用户可感知的产品价值，两者并非零和。 Monica选择集成几乎所有听说过的模型与多个终端，代价是无法决定能力何时出现，优势是可以快速切换供应商并选择不同模型；肖弘因此把模型长期视为商品化趋势，把品牌、工作流、用户理解和go to market看成更持久的积累。“模型先行，但壳也要进化。”

• 新Agent产品的核心不是再给Chatbot堆功能，而是让模型自己规划、写代码、调用API和浏览器，并在云端虚拟机里反复执行。 产品将从同步的“A问B答”改成异步协作：先给出Planner和步骤，执行中持续汇报，用户可中途纠偏；测试中，它能定位YouTube视频的指定秒数识别动物，也能抓取Elon Musk的推文后做语义分析。肖弘判断模型“刚刚好”跨过可用线，但当时只有Claude 3.5 Sonnet表现出较强的长程规划和逐步解决问题的agentic能力。

• DeepSeek给应用创业者的最大增量，不只是更便宜的模型，而是证明技术创新可以通过免费、展示思考过程和联网，直接转化为用户体验与传播。 肖弘认为Perplexity通过网页引用增强可信度，DeepSeek则把思考过程展示给大众；OpenAI的o1因付费门槛和简化展示错过了让大众感知Reasoner的机会。DeepSeek把第一梯队模型质量和新的体验直接交给用户，因此无需KOL投放也能引发传播；它也让模型商品化和开源追赶更接近现实，降低了应用公司对API价格与原厂下场的焦虑。

• 组织策略必须随所处位置切换：没有红利时本分经营，确认自己领先时则应更激进地招人、占用户和扩大窗口优势。 肖弘承认2023年对Monica不够激进，2024年又曾把困难线性外推；到2025年，他重新强调“AI不会放过任何一个春节”“大厂能理解你的创新时，就是很危险的时候”。他的终局判断也不是某个确定产品，而是“用时代的年龄思考”，在AI二年或三年保持自己的节奏、全球化竞争，并且“不要做空”模型能力的非线性跃迁。

精读

1. 第二次创业从一名被验证过的产品型创始人开始

• 蝴蝶效应创立于2022年6月；第一次访谈发生在2024年秋天，当时公司刚完成一轮被肖弘归为A轮的融资。他生于1992年、时年32岁，自我描述的MBTI是INFP。

• 肖弘2015年从华中科技大学毕业后直接创业：先做微信公众号编辑器，累计服务数百万编辑者；2019年再孵化企业微信SCRM，2020年把两款产品一并出售给一家独角兽公司。

• 第二次创业从生成式AI应用切入，最早做出Monica。张小珺把他放在“不从大模型起步、而是在模型之上做应用”的样本位置，重点追问这一路径如何获得用户、收入与长期壁垒。

2. 留在武汉同时制造了信息差优势和资源短板

• 最初留在武汉并非宏大战略：公司注册时肖弘还没毕业，团队在熟悉环境里连续试错；后来做微信插件、再决定出海时，快速go to market又比搬家和重新学习海外运营更紧迫。

• 武汉让团队远离北京、上海的风口交流，但信息源反而变成Twitter、YouTube、海外独立开发者和科技博主。肖弘说，这使团队“身在武汉”，学习渠道却更像海外创业者或清迈、越南的独立开发者。

• 代价同样明确：武汉不只缺顶尖算法工程师，中层管理人才也供给不足；融资距离更悬殊。2020年团队寻找约1000万至2000万元人民币时，两个竞争对手分别完成了3000万美元和2亿元人民币融资。

3. 大学里的交叉能力比成绩更早定义了肖弘

• 肖弘长期待在华科的技术社团“联创团队”，同时负责学校微信公众号运营。他不是代码最强的人，却能把一点技术与内容运营结合，做查成绩、查电费等功能，由此形成产品上的组合优势。

• 他在写加减乘除计算器时，后来共同创业的技术合伙人已经能和设计师做塔防游戏；这让他很早接受“还是要做自己擅长的事情”，自己转向产品，并持续拉这位同学负责技术。

• 博客《异次元软件世界》训练了另一项基本功：要向别人讲清一个软件好在哪里，就必须研究产品、竞品和品类，再把差异表达出来。肖弘认为，这段写作经历后来直接帮助了产品经理生涯。

• 他给大学生的具体建议颇朴素：“多请一下你身边觉得优秀的同学吃饭。”当年请技术社团同学吃东北菜就能建立关系；毕业后再挖同样的人，代价可能已变成“天天请他们吃米其林”。

4. 2015年的自信被一年无用户迅速击穿

• 注册公司后，团队做过校园匿名社交、二手集市和若干App，用户与收入都没有起来。此前两位创始人在学校各自做成过事情，毕业后的连续失败因而是一次沉重的负向反馈。

• 到2016年8月，钱基本花完，团队甚至接外包维持；几个人约好国庆后去北京上班。肖弘最担心的不是赚不到小钱，而是“机会成本特别高”，继续困在武汉民居里会被科技行业的列车甩下去。

• 最后的尝试是参加PingWest内容产品Hackathon：团队把熟悉的微信公众号痛点做成Chrome插件，本来只想拿几万元奖金，却意外得到刘源和真格基金的关注。

5. 一场Hackathon把“准备上班”改成了百万融资

• Hackathon后第二天，团队被邀请去真格和投资委员会交流；对方直接递出一份签字即可拿钱的SAFE，金额约100万元。肖弘形容：“今天这个时候还想着接下来去上班，明天这个时候已经拿到了一张百万的投资协议。”

• 投资判断里还有偶然性：刘源多年后仍记得肖弘穿着Pink Floyd T恤，以为他是文艺青年；肖弘说自己只是会听，并非狂热粉丝，后来仍送了刘源一本很厚的乐队专辑封面书。

• 那时团队把100万元视作“永远花不完”的钱，并用极其粗糙的市场测算自我鼓励：1000万个公众号运营者、20%渗透、每人每月10元，对应每月2000万元收入。真正重要的是先走到第一步，而非证明天花板。

6. 两年只做用户、不做商业化，是第一笔昂贵学费

• 100万元大约花了一年多到两年；到2018年底，编辑器已有数十万用户，却几乎没有收入，更多用户反而带来运营、维护和迭代成本，团队只能再融资解决现金流。

• 新一轮融资给投资人的故事是“接下来做商业化”。肖弘复盘，2016年底至2018年底几乎全部精力都给了增长和产品更新，对怎么赚钱缺少系统研究，这是明显的时间配置错误。

• 他承认早期存在产品人的“洁癖”：把商业化天然理解成伤害体验。今天看，这种抗拒更多是不成熟；好的理念都有适用范围，而无人约束的学生创业者可能更晚才被现实打破洁癖。

7. 直接卖软件打败了更性感的广告平台故事

• 公众号工具面临两条路：一条是聚合流量主和广告主、抽取撮合佣金；另一条是按SaaS方式直接向使用者收订阅费。前者听上去天花板更高，团队最终选择了后者。

• 肖弘的机制分析是：程序化广告撮合更应该由腾讯完成；非程序化商单的核心是商务能力，也不必先做一个软件获客。竞争对手相当于先做A、再赌没有优势的B，“A是不是一定要做”本身也存疑。

• 结果是，走广告平台路线的竞争产品后来消失，认真卖软件的公司反而持续存在。团队内部用“本分”统一思想：做的就是软件，让用户买软件，收入又会反向激励产品变好。

8. 一个登录弹窗把产品经理逼成了销售

• 商业化阶段杠杆率最高的改动，是用户刚注册、登录时便弹出付费方案。传统产品思路会先让用户丝滑体验、免费尝试若干次，再在功能卡点收费；团队读到的硅谷销售方法却要求在onboarding时直接提出购买。

• 这项改动让收入增加“很多倍”，肖弘估计可能达到一个数量级。他后来用产品语言解释：注册时用户最有耐心，聚合页面能一次展示多项价值，比单个功能受阻时的局部价值感更饱满。

• 更早商业化也让团队更早获得正反馈、建立know-how；若第一次实验成功，创始人会更有信心检验其他模式。肖弘认为，创业者不只要学习产品，更要有意识地给商业化分配时间。

9. 收入让增长从玄学变成了可计算的单元经济

• 工具产品不同于网络效应平台，其增长可以拆成获客成本、服务成本和用户价值。只要单元经济成立，理论上就能持续扩大投放，不必等待自然传播创造奇迹。

• 团队完善商业化和内部数据系统后，可以衡量买入1000名用户贡献多少收入、是否覆盖获客与服务成本。看似会伤害增长的收费，反而给增长提供了预算边界和可复制性。

• 这段经历后来直接进入Monica的Day One原则：产品与商业化同步做，不再先攒用户、两年后才问收入从哪里来。

10. VC很贵，真正的代价发生在公司成功时

• 肖弘把资本定义为“N种工具之一”：投放是一种增长工具，融资也是；钱能完成什么具体事项，决定是否应该使用它，而融资本身不是公司进展的目的。

• 他提醒创始人，VC不是便宜的钱。项目失败且无职业道德问题时通常无需偿还，但如果公司成功，创始人交出的股权价值可能远高于借款利息；这种不对称也正是风险资本合理之处。

• 更危险的成本不是财务回报，而是钱迫使组织兑现错误的大故事。肖弘坚持：“哪怕最后你这个事情是更小的”，做正确的小事仍比用充足资源做错误的大事好。

11. 投资人不是老板，随手转来的文章也不是战略命令

• 第一次创业时，投资人转一篇文章、提一个概念，肖弘会“消化半天”，猜测背后的意图。后来他意识到，投资人可能只是随手分享，而Founder的过度反应会把大量同事带向并不存在的要求。

• 团队内部的尺度是：“投资人业务的权重应该跟一个比如说KOL差不多。”若投资人确实坚持某项判断，就严肃开会、记录立场，必要时进入董事会，而不是让双方长期互相猜测。

• 张小珺追问是否应该把投资人当Boss，肖弘明确回答“不应该”。Founder一个决策可能动用大量资金并改变整个团队方向，杠杆率越高，越需要区分日常信息与正式治理。

12. 千万元收入的“小生意”变成了自有风险投资基金

• 到2019年，公众号编辑器收入接近1000万元并有不错利润，但运营者数量增速放缓，天花板逐渐可见。肖弘一度郁闷：“做了半天好像也就是个生意、小生意。”

• 转折来自重新核算：产品已经成熟，维持体验和竞争力只需留下少量产品、研发和运营人员，其余团队可以探索新方向。内部由此提出：“如果每年自己可以投资自己一千万，我们应该干什么？”

• 团队随后尝试小程序、相册、图片编辑、社交账号数据监控等多个方向。盈利产品可以持续向新业务供给现金，团队也由此探索新的机会。

13. 企业微信机会来自同时理解客户和平台

• 2019年底，企业微信邀请大量开发团队了解新版：企业微信将与个人微信互通，并在聊天界面开放一块可供第三方开发的区域。团队当天便决定立项SCRM。

• 多数团队看到的是API限制：企业微信允许发送的营销内容远少于个人微信外挂，表面上不符合客户“越多广告越好”的需求。肖弘多想了一层——微信不可能长期容忍无限群发，否则生态一定失控。

• 因而推导出三步：个人微信外挂大概率会被治理；封堵同时，合理的企业需求会被导向企业微信；等治理发生后才开发至少落后一个月，所以“不仅要干，要立刻干”。

14. 对必然但不知何时发生的事件，准备越早越好

• 肖弘把这套战术概括为：面对“几乎一定会发生、但不知道什么时候发生”的事情，在能承受的成本内越早准备越好。最优状态当然是自己决定时间，但平台创业者通常只能提前埋伏。

• 团队2019年11月底立项、12月上线，并在文档里写清关键触发器：平台开始治理外挂时，要“不遗余力”告诉市场，合规且功能完整的替代品已经存在。

• 盈利的老产品提供了等待权。肖弘曾在内部宣称，他们可能是赛道里“最有钱的团队”：新To B公司首轮融500万元未必敢月烧100万元，而自己赚的钱可以在关键阶段果断投入数十万元甚至更多。

15. 没有正反馈的半年，错误收入最容易改写战略

• 产品上线后半年几乎没有用户，激情很快被消耗。肖弘用系统宕机作对比：有明确反馈时所有人都会主动修复；没有反馈时，管理者每天安排任务，组织战斗力也会下降。

• 2020年春，一家大型公司提出私有化和定制开发，商务流程一度推进。销售团队终于看到大单正反馈，但研发投入会拖慢标准SaaS，团队最后道歉退出。

• 能抵御诱惑，也得益于老业务赚钱：这笔定制收入并非组织生存所必需。肖弘认为，若没有现金流，团队很可能被一个与战略无关的订单带走。

16. 外挂被封当夜，提前准备换来十万级传播

• 2020年5月，团队晚上10点获知个人微信外挂被治理，凌晨2点便发出文章，核心信息是“外挂被封不要紧，可以改用企业微信上的合规产品”。

• 对一个垂直To B SaaS而言，那篇文章一夜超过10万阅读，说明大量商家同时寻找替代品。团队随即在私域运营者关注的公众号密集投放，反复建立品类认知。

• 他们追踪“无提示状态下的第一提及率”——用户想到SCRM时首先说出谁。肖弘把这场仗视作漂亮的timing兑现：模型或平台能力无法由自己决定，就必须在触发时把窗口吃满。

17. 产品、增长和商业化之外，资本突然成为新战场

• SCRM增长一度为赛道最快，恰逢2020年To B SaaS融资狂热；但团队没有完成大额融资，竞争对手的资源很快变成自己的数倍。

• 肖弘形容那种挫败：好不容易学会组团队、做产品、做增长、做商业化和预判，“又来了一个新的维度叫资本”。他偏好资源充足的仗，因此当时并不浪漫化资本劣势。

• 随后同时出现VC融资、中型厂商和大厂的小比例投资，以及产业公司的并购邀约。每个选项都有人证明“很好”，信息过载与FOMO反而比押注单一判断更折磨人。

18. 出售公司首先是对团队负责，其次是识别泡沫

• 最终选择并购，最根本的考虑是团队：一群人从毕业开始创业五年，需要一个milestone和现实回报；再往后五年，家庭与父母年龄都会改变每个人承担长期低薪风险的能力。

• 业务层面的警报来自一家VC的祝愿：“希望你们成为中国的Salesforce。”肖弘相信对方真诚，却反问企业微信本身尚未成为Salesforce，为什么其上的SaaS可以承载如此高期待。

• 他觉得做到约10亿元人民币收入尚能想象，百亿元级预期则可能令组织变形。张小珺总结这是“在好的时候结束战争”，肖弘认可timing仍是决定性变量。

19. 并购没有改变住房，却修正了成功后的自我认识

• 出售并未让肖弘完全财务自由；到访谈时，他仍住在第一次创业租下的房子。其常识是“由俭入奢易，由奢入俭难”，连习惯公务舱这种小变化都可能抬高下一次创业的心理成本。

• 他感谢并购方让自己继续留在To B行业。若卖掉公司便离开，可能会把成功全部归因于个人能力；实际经历2021年至2022年资本环境急剧恶化，才看到狂热冷却后的行业真相。

• 这段下行周期把早期膨胀重新压回谨慎：繁荣时的错误决策不会在当下暴露，却会在泡沫破裂后集中收费。

20. 第一次创业的第一结论、第二结论仍然都是Timing

• 肖弘观察到，2013年至2014年创业的师兄们普遍抓住了移动互联网红利；自己只晚一两年、2015年毕业，能抓的大机会已明显减少。“回过头来说还是timing重要。”

• 产品、增长、商业化、竞争和融资都是可训练技能，但这些技能的重要用途，是判断营销、融资、产品和出售的时间点。Timing本身不可复制，判断能力却能不断积累。

• 第二次创业也沿用这个尺度：如果为了在海外设公司、学英语花掉半年，得到的可能只是“英语更好的CEO”，失去的却是已经存在的市场窗口。

21. 第一段创业的强项，也预埋了第二段的弱点

• 团队很擅长在大平台上做补充、在看似不高的天花板里找到生意，也熟悉对平台变化打提前量。Monica从Day One商业化，正是把旧经验直接转成新纪律。

• 但平台能力意味着天花板与控制权受限；过度擅长timing也可能培养机会主义，只追逐短期窗口，不愿在长期能力上持续投入。

• 肖弘因此不把强弱项割裂：“你的弱项很多时候就是你的强项定义的。”完全不做基座模型既失去能力发布时间的掌控，也换来可以使用全世界模型的自由。

22. 第二次创业最初只想继续“给人类做好工具”

• 真格再次成为第一个、也是当时唯一的投资人；刘源把第一次创业给他带来的收益全部投给了新公司，支持原团队开张。多年前肖弘曾回答，资源充足时最想做的是“给人类做好工具”，刘源还记得。

• 2022年9月，团队读到红杉美国关于生成式AI将改变世界的文章，开始系统研究方向。

• 最初尝试Stable Diffusion和一个在Twitter泄露的二次元模型，还做过已停止的生成图片App。肖弘觉得图片与未来视频更接近娱乐和“杀时间”，而团队禀赋仍偏工具，因此没有继续重押。

23. GPT-3让自然语言第一次像通用软件接口

• 2022年11月，肖弘在OpenAI Playground试用GPT-3 API：贴入销售与客户对话，只用自然语言要求提取称呼、联系方式和项目阶段，模型便能按格式输出，无需专门NLP工程。

• 他还让模型拼出武汉二手冰箱的检索链接、替自己回复英文邮件；这些体验让他觉得“很魔法”，也意识到它会成为每天工作中真正使用的能力，而不只是娱乐内容。

• 关键变化不是某项功能精度，而是产品团队可以极低成本做出过去需要数据、标注、算法工程师协作的体验。

24. Jasper暴露出的三个弱点构成了Monica的起点

• ChatGPT发布前，Jasper是GPT-3应用的代表。其创始人公开庆祝团队从年初9人扩到200多人，肖弘却把快速扩编视为反规模效应：人越多，管理摩擦越大，执行速度可能下降。

• Jasper面向企业、价格较高；肖弘基于计算产业成本持续下降的朴素判断，推测会出现由个人或professional自行采购的市场，而非全部依赖企业预算。

• 团队的目标刻意压低为“一个月赚50万元人民币”。肖弘说“降低期待是人生幸福的根源”：若一开始要求建立超级平台，ChatGPT突然发布时，项目可能当场被取消。

25. “5×7×0.1”给一支没出过海的团队足够勇气

• 选择海外首先有现实原因：当时国内模型与监管条件尚不成熟，海外模型直接服务中国用户，规模变大后可能出现监管风险。

• 更直观的内部算式是：海外软件付费意愿约5倍，美元兑人民币约7倍，“五七三十五”；团队因语言、文化和经验不足，战斗力乘0.1，结果“好像还能多赚3倍”。

• 肖弘承认这并非严谨数学，但它帮助团队快速达成共识。创始团队无人长期海外生活，口语很差，却决定先抓机会，再解决主体、收款、语言和本地运营。

26. ChatGPT发布迫使产品从Web表单转向上下文插件

• 项目立项早于ChatGPT，后者发布后团队重新讨论是否继续。低目标让答案变成“每月50万元应该仍能做到”，但产品形态必须调整。

• 只做Web无法回答“为什么用户不直接打开ChatGPT”；Jasper式表单也在对话交互面前迅速失去优势。团队因此把Chatbot搬进产品，同时选择更不拥挤的浏览器插件。

• 插件可以随时呼出，也能自动获得当前页面context：写邮件、发Twitter、看YouTube或GitHub时直接提供对应能力，不必在网页与ChatGPT间来回复制粘贴。这沿用了第一次创业做Chrome插件的经验。

• 张小珺追问为何不做App，肖弘承认误判过一个窗口：ChatGPT官方App发布前约两三个月，ChatOn、Ask AI等“套壳”产品确实获得大量用户和收入；当时团队既缺精力，也低估了机会。

27. 独立开发者是寻找PMF的高信号样本

• 团队重点观察独立开发者，因为这类人没有大公司预算或战略任务，产品只要还活着、还有用户，一定程度上说明已经解决了真实问题并找到了传播渠道。

• Perplexity、ChatGPT for Google等早期产品都呈现小团队、快速迭代和Twitter营销特征。后者只在Google结果右侧展示ChatGPT回答，却极其符合当时用户直觉。

• ChatGPT for Google由华科师兄、网名wong2的开发者完成，在Hacker News发布后快速增长。团队最初只想向他买广告，随后意识到可以直接收购产品与可控的启动量。

28. 收购ChatGPT for Google买的是时间而非代码

• 2023年春节期间，肖弘每天晚上检查Monica进度，最大的焦虑却是go to market：产品可以持续迭代，但“PMF跟数学一样，没有就是没有，不是你努力一下、再努力一下就能搞定”，埋头研发不一定产生用户。

• 节后首个工作日，他没有去公司，而是飞到上海谈收购。对独立开发者而言，把产品继续商业化、增长和组团队意味着离职创业；对肖弘团队而言，这些恰好是第一段创业已补齐的技能。

• 交易的关键价值，是在AI供给稀缺、全球需求陡增时获得可控的启动量。等KOL回复、逐个渠道投放都不可预测，而窗口期本身不能暂停。

29. 资产导流比广告投放更敢于试错

• Monica上线后，ChatGPT for Google每天导入数千至上万用户，团队用这些人做问卷和访谈，快速判断哪里好、哪里不好、需求是否具有代表性。

• 肖弘区分了两种支出：广告费花掉便消失，管理者会犹豫；收购形成的产品仍是资产，即使导流实验效果一般，底层用户和品牌还在，因此可以更果断地压缩冷启动周期。

• 他坦言，如果没有这次并购，不知道还能怎样完成冷启动。同期其他小团队即使做出类似产品，增长也明显慢于Monica，窗口优势很快固化。

30. Monica的名字、价格和收入都从降低摩擦出发

• 浏览器里很多快捷键已被占用，M没有被占用；团队又希望产品像一名AI助手，于是寻找M开头、常见但不泛滥、听到便能拼写的人名，最后选中三音节的Monica。

• 名称并非来自《老友记》，尽管后来很多用户觉得角色性格与助手意象契合。肖弘强调，英语不强的团队尤其在意“念出来就能写出来”。

• 产品接好海外支付、确定价格后，上线半个月内便实现最初每月50万元人民币的目标。它验证了Day One商业化，也让团队迅速得到正向反馈，而非先用两年教育自己怎么收费。

31. 保留两个独立产品，是为了逼团队学习增长

• 团队没有把ChatGPT for Google直接改名为Monica。原产品增长来自“ChatGPT for Google”这一搜索词、口碑和既有品牌，贸然改名可能把自然新增一起清零。

• 更深的组织原因是：若每天自动新增数万用户，同事找到每天新增200人的方法也不会被重视；重新做一个从零增长的品牌，小成果才足以形成训练团队的正反馈。

• 独立产品策略让团队踩中Twitter等社交媒体对AI内容的流量红利，也保留了失败后再合并的安全垫。到2024年，ChatGPT for Google已有数百万活跃用户，Monica也有数百万会员用户，并且Monica已经超过了ChatGPT for Google。

32. 只做海外市场，把专注用在最缺乏的能力上

• 国内模型逐渐可用后，团队多次讨论是否进入国内，2023年的结论仍是只做海外。海外认知本就不足，若同时服务两个市场，Monica在最关键的窗口期会被稀释。

• 核心用户集中在北美与东亚，包括美国、加拿大、日本和韩国。产品支持几十种语言，多数由AI翻译完成，效果“好像也还不错”，但这只解决了最基础的本地化。

• 海外不是一个统一市场：货币、汇率、时区、语言和审美都不同。日本网站的信息密度与美国风格差异很大；若产品明显不像本地制造，美国用户未必理解为跨国品牌，反而可能降低信任。

33. 分散市场增加复杂度，也给创业公司留下纵深

• 肖弘把国内比作“一块大平地”：统一市场的赢家很大，因此所有团队都愿意正面硬卷。海外则像多个小山头，美国之外还有欧洲、日韩等市场。

• 一处竞争失利，可以在另一种语言、文化或区域里聚焦和休整；这种分散为创业公司提供空间纵深，但也要求更细的用户理解。

• 他把出海第一步归为“勇气和信念”，主体、收款与本地运营反而是可查资料、可请教朋友的具体问题。第一次到美国参加SaaS大会后，他最大的收获是发现早期美国创业公司“也没有太多差别”，因此更敢竞争。

34. 2023年的红利消失后，增长回到基本功

• 2023年AI应用供给稀缺，做对少数简单事情就能增长；之后创业团队、大厂应用和同类产品显著增加，旧动作不再产生同样结果。

• 肖弘认为，组织首先要承认此前的顺利包含红利，否则只会抱怨“去年这样做明明对，今年怎么不行”。红利结束不是执行突然变差，而是竞争基线发生了变化。

• 新阶段没有戏剧化捷径：加深全球用户理解、提前判断技术能力、补组织和流程，一点点把产品做好。他称之为“本分”，也承认自己曾因困难把挫折线性外推，状态随之变差。

35. Monica要做的不是插件，而是模型与终端的总入口

• 浏览器插件只是起点；Monica后来已有Web端和移动App，官网定位为“All-in-one AI assistant”。用户可以访问不同模型，也能在不同设备与工作流中使用。

• 肖弘列举的入口包括Chrome、App、WhatsApp、Messenger、Telegram、Slack、VS Code和JetBrains。核心是“集成所有模型，也出现在所有生态里面”。

• 大厂应用通常与自家模型绑定，大模型创业公司也倾向只服务自己的模型，因此不会认真完成跨模型、跨终端整合。肖弘认为，只要用户需要而巨头因战略原因不愿做，就存在可做空间，“大不大再说”。

36. 有模型决定能力何时发生，无模型获得选择自由

• 肖弘承认，第一梯队Foundation Model公司拥有巨大优势：它们不仅预测能力会出现，还能决定何时出现，并直接拓展人类能力边界。

• Monica Day One不做基座模型，首先是资源约束，而非哲学洁癖。应用团队的思考方式是：已有模型又进步了多少，怎样把这种进步变成更好的用户服务。

• 这是一体两面：没有模型便缺少timing控制，但可以选用全世界任何模型；拥有模型则控制力更强，却往往必须优先使用自家能力。

• Pica、Mem0和Supermemory在今年年初加入后，团队也训练了一些“小而经济适用”的模型。肖弘不排除未来进一步做模型，但条件应是资源具备、用户需求明确且外部供应商无法更好解决。

37. “贸工技”提供了一条从产品走向技术的路径

• 一位前辈用“技工贸”和“贸工技”解释路线之争：外界常把华为视为技术先行，前辈却认为它Day One也先把生意做好，随后真正补强工程和技术。

• 肖弘借此理解自己的路径：先让产品和商业成立，等模型能力更易获得、任务需求更明确，再把必要技术掌握到组织内部。

• 这并不否定模型公司的价值，而是产业成熟后可能出现分层。应用与模型不是必须二选一，技术边界和组织资源变化时，答案也应动态变化。

38. 品牌可能比一时的模型效果更耐久

• 肖弘认为科技行业长期低估品牌。DeepL早年凭借优于Google Translate的翻译体验形成心智；即使今天LLM可能做到更好，它在新一轮AI浪潮中仍继续增长。

• Grammarly甚至直接采用OpenAI模型，却保留了“写作与语法场景最佳工具”的用户认知。真正沉淀下来的未必是某一代算法优势，而是用户想到任务时先想到谁。

• 张小珺进一步把Founder参加播客与品牌建设联系起来；肖弘认可品牌是产品做得比别人好的重要原因之一，但没有把播客单独定义为护城河。

39. AI应用更像一门消费电子生意

• 团队用消费电子类比Monica：官网标注使用ChatGPT，像手机强调Snapdragon 888或“Intel Inside”；核心模型是一颗关键芯片，但并非所有任务都需要最贵的芯片。

• 具体场景可以调用小模型、自研模型或开源模型。上游模型访问也像供应链：GPT-4稀缺时，团队要与微软沟通、承诺更多消费，争取更早获得配额。

• 前端功能容易相似，差异转向产品设计、品牌和go to market。Kimi在B站找垂类博主，是把同一种能力翻译成不同用户听得懂的语言。

• 模型调用产生持续成本，因此AI产品更像“原子生意”而非近乎零边际成本的“比特生意”：向用户订阅收费、管理毛利和供应链，都是产品定义的一部分。

40. Foundation Model正在把小团队重新放回牌桌

• 肖弘以拍照估算卡路里为例：过去可能要收集数据、标注并组织算法团队；今天支持多模态的Foundation Model已能让一两个人做出可用体验，即使精度仍可能不完美。

• 他引用一种四类玩家框架：大公司有资金、渠道和生态；OpenAI、Anthropic等先行模型创业公司享受技术红利；独立开发者能用创意迅速造出“魔法”；最难的是资源和收入都不上不下的中型公司。

• Monica把自己定位成“大号的独立开发者”：人数更多，但仍应关注用户、快速试验，并相信外部模型，而不是用组织规模模仿大厂。

41. AI商业模式仍传统，API也缺少云计算式锁定

• 肖弘认为当时尚未出现令人意外的商业模式：ChatGPT、Perplexity等以订阅为主，Perplexity开始测试广告；国内产品是否能靠会员贡献足够收入仍不明确。

• 他不把Foundation Model API视为特别好的生意。云计算迁移麻烦，天然形成锁定；模型API接口却容易替换，Monica把GPT-4换成Claude连测试只花约一天，内部称为“秒切”。

• 结果是供应商更容易落入性价比竞争。若用户可感知的模型差异放缓，速度和成本成为主要变量，对模型无关型应用更有利，但肖弘仍希望行业不要“撞墙”，继续创造真实用户价值。

42. OpenAI与Anthropic展示了模型公司的两条优等生路线

• 肖弘认为ChatGPT的消费者价值仍被低估：OpenAI之所以能获得远高于Anthropic的估值，很大程度来自ChatGPT在全球用户心智中完成的巨型广告。

• 他引用当时的收入结构称，OpenAI的C端订阅显著大于API和企业收入；Anthropic则可能约80%来自API、20%来自Claude订阅。前者走模型到应用的端到端路线，后者靠足够强的模型服务大量企业和应用公司。

• 在Monica内部用量里，Claude 3.5超过GPT-4o，团队也认为效果很好。肖弘由此判断，模型公司至少可以选择把消费者应用做深，或把API做到第三方不得不用。

• Llama持续开源、Gemini依托大厂生态，也会长期存在；肖弘认为模型公司总体不会有无限多家，但没有断言国内外结构一定趋同。

43. 第一类AI应用是在主场景留下的破绽里生长

• 肖弘把过去两年的应用分成三类。第一类是主场景补充：ChatGPT早期不联网，而接一个搜索API并展示来源并不复杂，Perplexity便获得了长达一年多的窗口。

• Perplexity后来不只回答搜索，还试图让内容直接在自身平台产生，类似小红书同时承载内容生产与搜索。资本和用户基础让它在补洞之后继续扩大边界。

• Monica也属于这一类：浏览器插件天然携带页面context，补上官方Chatbot需要复制粘贴、难以嵌入工作流的空档。

• 肖弘提醒，这类机会可能减少：当OpenAI等原厂认真补齐Chatbot和联网能力，单纯依赖领导者疏忽的窗口不会永久存在。

44. 第二类应用把模型能力变成可传播的视觉玩法

• 图片和视频领域更容易出现“模型即应用”：新模型先创造一种过去不存在的效果，产品再把效果包装成社交网络里能模仿、分享和传播的玩法。

• 肖弘举Pika的“Crush It”为例，用户因新鲜效果主动尝试；Viggle则让一个人物模仿另一个人物的动作，生成内容适合传播到TikTok。

• 这一类增长的因果链是模型能力跃迁→玩法出现→社交传播→用户涌入，产品价值与底层模态进步绑定得更直接。

45. 第三类应用用容器承接垂直领域的能力外溢

• Cursor代表第三类：Foundation Model已经能写出相当不错的代码，核心能力外溢出来，却缺少一个能处理文件、差异、运行和报错的容器。

• 肖弘曾在Monica里与模型对话，手工新建文件夹、复制代码、比较差异，花了几天做Chrome插件；后来才意识到，自己承担的全是可工程化的边缘工作，Cursor Composer已经把它们自动完成。

• 他把这称为“巨大错误”：最难的写代码已由Claude 3.5 Sonnet等通用模型解决，产品公司只需把剩余工作流装进正确的壳，便可能生成新的垂直产品。

46. Cursor的传播由外行点火，再反向教育内行

• Cursor先让平时不写工程代码的产品经理、运营者和科技KOL感到兴奋：他们第一次能自己写小工具，于是录屏、发Twitter并主动推荐。

• 传播进入工程师群体后，专业用户发现补全等能力；其中一些功能在VS Code与GitHub Copilot里早已存在，却因Cursor的交互和品牌表达才被看见。

• 肖弘举公司内部对话：工程师惊叹Cursor有某项功能，CTO回答VS Code插件也有。这个链路表明，垂直产品的资深用户反而可能低估边缘用户所感知的跃迁。

47. 产品是否过渡，不该由宏观恐惧直接裁决

• 张小珺问Monica会不会死于产品形态过渡。肖弘的回答是，企业通常死于“钱花完了”或“不想做了”，两者当时都没有迹象，而且现有增长与收入证明它至少做对了一些事。

• 真正要区分两种错误：某个需求本可做得更大，却因理解不深而低估；或某个窗口本来短暂，团队却把阶段性正确当成长期真理。

• 解决办法不是笼统判断“插件会不会消失”，而是持续看具体用户需求，并让Founder保持调整能力。宏观结论太早，反而会掩盖可验证的事实。

• 对“能做商业产品，却未必做得出大家伙”的评价，肖弘也不接受其前提：没有成功企业家在Day One知道事情必然很大，“对大的执念反而容易有问题”。

48. 从Jasper到Agent，每一代模型都要求一个新壳

• 2025年春节后的第二次访谈里，肖弘串起一条产品演进线：Jasper用表单填空；ChatGPT改为自然对话；Monica和豆包加入context；Cursor进一步通过写代码直接执行需求。

• 这条线同时满足两个方向：交互越来越符合普通人习惯，能力越来越强。Cursor早已成立，却直到2024年七八月Claude 3.5 Sonnet出现后才真正爆发，说明模型能力先到，产品PMF可能突然跳变。

• 肖弘总结：“模型能力在快速进化，但是那个壳其实也需要进化。”原厂未必及时展示全部用户价值，第三方应用可以把新能力翻译成普通人可感知的体验。

49. “新时代的安迪—比尔定律”描述模型与应用的追逐

• PC时代的安迪—比尔定律是Intel提供的新算力会被下一代Windows吃掉；肖弘借此判断，不论LLM变得多便宜、多强，应用层都会用更复杂的交互、工具和任务吞掉能力。

• 模型从写作、问答、检索，继续进化到写代码、调用API和操作浏览器；应用不会只享受降价，而会“无情地消耗巨量token”，把能力转成更长的执行链。

• 半导体行业也提供分层类比：若没有台积电，就不会形成专业制造与Fabless设计公司的分工。模型与应用可能经历同样过程，初期垂直整合，成熟后逐渐专业化。

50. 原厂不会做完所有应用，窗口也会被玩家反向改变

• 几乎所有模型公司都同时做Chatbot与开放平台；Chatbot符合大众对AGI“一句话什么都能干”的想象，因此看起来是原厂必做入口。

• 但AGI也带有公共产品属性，原厂不可能覆盖所有行业、长尾流程和“脏活累活”。特定行业需要大量工程与运营，交给生态并通过API收费，可能更符合模型公司的利益。

• 更复杂的是窗口并无固定终点：原厂也许以后会做，也许看到第三方领头羊足够成功后选择不做。创业者假定“它一定会来”或“它永远不来”都可能错。

• 肖弘用企业微信SCRM类比：逻辑上平台可以自己做，但生态公司先做得足够好，平台便可能决定交给生态。这正是玩家行为改变终局的博弈。

51. DeepSeek把Reasoning变成了大众可见的体验

• 肖弘认为DeepSeek的关键产品创新，是把模型思考过程展示出来；Perplexity用网页引用增加可信度，DeepSeek则让普通用户直观看到“它怎么想”。

• OpenAI的o1更早采用Reasoning路线，却有付费门槛，只展示简化思考过程，而且当时不能联网。张小珺坦言自己只知道它代表新技术路线，却几乎感受不到用户体验提升。

• DeepSeek还联网，国内用户感受到的输出也更详细。肖弘观察到，过去大家以为用户喜欢短答案；当Chatbot普遍过度总结后，用户反而愿意看它“多讲一讲”。

• 底层质量同样重要：DeepSeek Reasoner把国内许多用户的体验从普通基线拉到第一梯队，写作更详细、聊天更有“情商”。技术跃迁与可感知设计叠加，才形成代际感。

52. DeepSeek最难复制的部分，是长期按自己的节奏做事

• 肖弘觉得DeepSeek的App在2024年12月前后才出现，形态简单，团队似乎并未以超级应用姿态经营；但若没有这个“套自己的壳”，全球普通用户也未必能直接感受模型进展。

• 它此前一直开源，没火时也开源；爆发后，其他公司会重新讨论开源、技术品牌和消费者产品。肖弘认为最值得学的不是机械模仿开源，而是“be yourself”。

• DeepSeek没有给KOL投放费用，却在全球一百多个国家登上总榜第一。对经历过移动互联网的应用创业者而言，这像看到百米选手跑进十秒，证明最疯狂的产品传播仍可能发生。

• 至于是否继续做Super App、怎样商业化，肖弘明确说“不确定”。今天的位置很好，却不代表组织目标已经固定，OpenAI的路径也与其CEO选择密切相关。

53. 真正的Agent不是API功能机，而是能自己找工具

• Agent概念自2023年的AutoGPT等项目便广泛传播，却长期低于预期，核心原因是模型不够聪明，无法可靠完成多步任务。

• Monica过去为每个需求手工接API：搜索、知识库、文件、PPT、画图逐项增加。肖弘越来越觉得这像Feature Phone，“用户需要一个功能，就再加一个功能”。

• 理想Agent应自己规划、写代码、调用API并处理反馈，不需要开发者预先枚举所有功能。前辈白鸦提醒他的那句话成为转折：“极致是不够的，个性化才够。”

• Cursor、Bolt.new、Lovable、Windsurf等产品让代码执行越来越面向小白。资深工程师仍能挑出问题，但普通用户得到的爽感持续增加，显示通用Agent所需的基础能力正在成熟。

54. Windsurf的自动纠错让工具使用出现“闪电一击”

• 肖弘试用Windsurf类似YOLO的模式时，代码缺库报错会自动回到模型，由模型继续处理；他在节目中把YOLO解释为“You Only Look Once”，强调模型可以继续处理这类错误。

• 更震撼的瞬间，是模型主动说要去GitHub下载代码、再继续完成任务。GitHub存放着人类创造的大量工具，模型一旦会寻找并组合这些工具，能力边界就不再等于开发者预装的API清单。

• 他形容那一刻“像被闪电击中”：Agent终于不只是回答，而是在使用外部世界、接受环境反馈并继续行动。

55. 云端虚拟机、浏览器、代码和API构成Agent底座

• 本地编程工具仍会询问是否执行命令、是否安装库，让用户点yes或no。肖弘质疑这种安全甩锅：真正的小白不知道风险，确认并没有提供有效判断。

• 因此他设想把执行环境放进云端虚拟机。代码、命令和浏览器操作都在隔离电脑上运行；任务完成后可以释放实例，环境损坏也可重建，不危及用户本机。

• 他设想的完整架构是：一台虚拟服务器、一个浏览器、可自行编写代码并调用API的模型。浏览器覆盖没有API、只能通过Web使用的知识和服务，代码则连接存量工具与临时工具。

• 肖弘认为，这套架构足以胜任大量长尾任务，也比单独为工程师设计的Devin更接近大众Agent。

56. Agent交互必须从同步问答变成异步协作

• 传统Chatbot是瀑布式“A—B—A—B”：用户发一句，模型回一句；回复中途再次输入，还可能打断前一个回答。复杂任务却需要等待、分叉、重试和中途纠偏。

• 新产品先把需求拆成Planner，告诉用户准备完成哪些步骤；执行中持续汇报进度，用户发现方向错了，可以补充信息或要求重做，系统再调整最终交付物。

• 肖弘用“最美好的实习生”作类比：他不会秒答所有问题，而会说明计划、查资料、逐步同步结果；用户也不必一直守在对话框前。

• 新产品与Monica分开发，是因为原产品已有同步使用习惯。一个“没有负担”的入口，更适合检验异步任务与消费级Agent的新假设。

57. 多步任务让用户第一次触及模型隐藏的能力边界

• GAIA测试中有一道题，要求识别某个YouTube视频指定时间画面里的动物。团队发现Agent真的打开视频、使用YouTube快捷键精确定位，并依据画面而非字幕给出答案。

• 另一类任务是抓取Elon Musk的全部推文，再按语义分析规律；Agent可以调用Twitter API取得数据、处理并输出报告。这类工作已超出传统聊天，但仍属于用户可描述的任务。

• 肖弘认为搜索、问答不会因Agent消失；新形态只是把Chatbot的边界向外扩展，让原本需要复制粘贴、运行脚本和多次追问的任务成为一次委托。

• 模型并非完成一个步骤就结束，而会遇到报错、把反馈重新作为输入、继续尝试。执行与反馈闭环，是Agent比单纯Reasoner更接近人类的地方。

58. 模型刚跨过可用线，但Agentic能力仍不均匀

• 团队测试时，肖弘称当时全世界只有Claude 3.5 Sonnet表现出长程规划和逐步解决问题能力：先列出一二三四，再让前一步结果进入下一步。

• 传统Chatbot通常按“一轮尽可能解决全部问题”对齐；Agent需要不同数据和训练方式，学会规划、调用工具、观察环境与重试。肖弘强调具体训练know-how属于Foundation Model公司，自己只是从应用侧观察差异。

• 他判断模型能力在2024年底至2025年初“刚刚好”允许团队搭出基础版本，但成功率仍不够高。Operator等产品也证明，模型还需要更聪明、成本更低。

59. 消费级定位必须从价格和外观同时成立

• 新产品仍应像普通Chatbot，而不是暴露成编程工具；底层可以大量写代码，用户看到的却应是自然语言任务、计划、进度与结果。

• 肖弘不愿复制Devin面向工程师、约500美元的高价定位，也把OpenAI约200美元的高价方案视作可被低价切入的空间。“当一家公司开始收很贵的费用，你永远可以把它用低价打下来。”

• 基础价格决定产品究竟是大众消费品还是企业工具；重度用户因真实计算成本支付更多可以理解，但入门门槛不能先把普通人排除。

• 团队计划先做小范围测试，通过具体示例控制预期。肖弘不假定它“什么都能做”，因为产品经理的重要职责之一正是让用户知道当前边界。

60. 三个春节说明AI窗口总会出现意外

• 2023年春节，团队已在ChatGPT发布前立项Monica，ChatGPT突然出现后反而更紧张，春节仍在线开会，并在节后立即收购ChatGPT for Google。

• 2024年春节的意外是Sora，但全年更多像2023年的线性外推：多模态、图片和视频虽震撼，方向已可想象；团队主要继续做Monica。

• 2025年本来只为Agent加班，DeepSeek又成为现象级事件。肖弘的概括是：“AI不会放过任何一个春节。”

• 他由此区分可预测维度和未知维度：一旦context、多模态或Agent被提出，可以推测其量的增长；真正关键的跃迁，往往来自尚未被提出的新维度。

61. 确认领先后，经营纪律要切换成进攻纪律

• 肖弘承认2023年的Monica“不够激进”：即使第二次创业让招聘和组织更成熟，团队仍按经营良好公司的方式扩张，可能错失了大规模招人、抢用户的窗口。

• 2024年遇到挫折时，他又曾把困难线性外推，觉得以后都会很难。技术重新跳变后回看，旧状态并不代表未来，只代表当时尚未出现新维度。

• 新规则是：没有红利时把用户、产品和组织扎实做好；若确认自己完成创新并领先，则要更快、更激进。“大厂能理解你的创新的时候，就是很危险的时候。”

62. 创业的节奏来自相信一件事，而不是追逐每次热点

• 肖弘把理想心态概括为：对技术进展保持乐观，减少得失心，按照自己的节奏推进。模型持续创造红利，所以今天仍是创业的好时代。

• 他很少谈“热爱”，却用一个极端念头解释：疲惫开车时，他想若自己出事故，只能给合伙人打一个电话，会说“别管我，继续往前推进”。那一刻事情本身比个人得失更重要。

• 这种投入不能由资本故事强制制造，必须来自产品突然完成超预期任务时的兴奋。看到Agent操作YouTube、调用GitHub，团队会产生“真的在制造一个生命一样的东西”的感受。

• 工作强度仍然残酷：他和联合创始人常从早9点工作到晚11点；对work-life balance的回答是“只有work，没有life，更没有balance”。

63. 世界不是逻辑推导，而是玩家彼此改写的博弈

• 肖弘区分逻辑推理与博弈思维：若百度拥有最好的算法工程师，便推导出百度必然赢推荐，这是静态逻辑；现实中，新玩家出现会改变所有参与者的策略。

• DeepSeek的开源与全球传播，促使Sam Altman公开反思不开源是否有误；这不是此前能由单家公司资源禀赋线性推导出的结果，而是一个Player加入后改变了环境。

• 他甚至假设：若ChatGPT最初由第三方应用公司做出，OpenAI也许会选择纯平台路线。反过来，生态产品足够成功，也可能让原厂放弃亲自进入。

• 因此创业者的三步是：相信世界动态变化；尽量让自己成为重要变量；实现方式仍只有“be yourself”，把自己相信的事情做到足够好。

64. “时代年龄”比创始人的生理年龄更值得下注

• 肖弘向高中生和大学生Hacker分享：“用时代的年龄思考，而不是用生理的年龄思考。”若从2022年底或2023年初算起，2025年只是AI二年或三年。

• 他2015年毕业时没意识到移动互联网已近尾声，早两三年创业的师兄得到明显更大红利；这次不想再用个人年龄遮蔽产业所处的早期位置。

• 组织目标不是先写下“Super App”，而是让一群伙伴跟着技术红利做事并享受过程。商业回报受太多外部变量影响，学习、技术进步与完成产品则更可控。

65. 中国AI创业者应该更激进地参与全球竞争

• 肖弘把当下视为AI与全球化两条主线叠加。他不是地缘政治专家，只是认为各方似乎都在变得更保守、更孤立主义；在这种背景下，中国创业者更应进入全球市场历练。

• 创始团队无人长期海外生活、英语水平可能在高中达到峰值；若把肖弘与一位在美国生活过的Founder并列，他承认自己也可能先选后者，但真正竞争不应停在简历比较，而要看谁做出了产品。

• 他的朴素判断仍是“全球市场更大”，市场可以支付创始人的学费。海外办公室、语言和本地用户理解都要补，但不能在巨大机会来临时先用半年证明自己准备充分。

66. 对AI最疯狂的想象，是不要做空任何尚未出现的能力

• 肖弘不知道堆更多算力最终会把模型推到哪里，但认为不能假设未来几年进展变慢。Pichai在英伟达客户答谢会被问及什么会令黄仁勋惊讶时，转述的回答是“basically nothing”——任何突破都可能发生。

• 他的口号是：“文明其精神，野蛮其体魄，其他交给AI。”Reasoning仍主要在思考，Agent还能执行、使用工具并把环境反馈纳入下一步，更接近人类行动。

• 他甚至判断，白领生活方式“可能是人类的一段弯路”：人类历史上长时间坐着、高强度脑力工作且缺乏运动，只是近百年的异常状态。

• 若AI承担大量智力劳动，白领工作时间可能大幅收缩，人重新投入身体健康与精神生活；至于释放出的时间做什么，要等变化真正大规模发生后由社会共同回答。

67. 控制不了地缘政治，就把能控制的日子过扎实

• 第二次创业让肖弘更接受外部不可控：模型发布时间、地缘政治、竞争者动作都只能作为输入，不可能由自己安排。Founder能做的是把产品、组织和判断做好。

• 他借DeepSeek解释“贪嗔痴”：贪是对顺境的执着，嗔是对逆境的不满，痴是对世界真相的无知。创业者容易既想回到红利期，又怨恨困难期，这两种执着都会扭曲动作。

• 理想的一天并不奢华：早上读书，同事起床后处理工作，再继续学习。春节反而快乐，因为外部沟通减少，可以集中做可控的事情。

• 快问快答里，他选热干面、公司办公室，以及《人类群星闪耀时》和《幸福之路》：前者让人有干劲也更焦虑，后者负责把焦虑降下来。给新创业者的最后建议，则是先把复杂垂直流程做好，等待模型“魔法”抵达。