美丽的姑娘你睡了吗作为全球最早投身无代码开发平台的企业之一，Airtable自2013年成立以来，经历了七轮主要融资，总计融资14亿美元。2021年12月，公司在由芬兰投资机构XN领投的7.35亿美元F轮融资后，其投后估值达到了117亿美元的顶峰，一举成为“十角兽”公司。

　　但生成式AI革命到来，Airtable的百亿美元估值神话直接腰斩，使其成为受AI冲击最严重的公司之一。

　　据统计，到2025年第一季度，Airtable的市场估值已被大幅修正至40亿至50亿美元之间，较峰值缩水超过六成。估值暴跌随之而来的是剧烈的裁员。Airtable在2022年裁员20%后，又在2023年再度裁员27%。在这段艰难时期，一条宣称“Airtable已死”的推文（尽管事后被证实基于错误数据）仍在网络上病毒式传播。

　　在2023年之前，Airtable的核心价值在于其“让软件创建大众化”的使命。它通过一个直观的、类似电子表格的界面，成功地将复杂的数据库功能简化，让非技术用户也能构建定制化应用，从而在无代码运动中占据了领导地位。

　　然而，大型语言模型（LLM）的爆发式增长，从根本上动摇了Airtable的立足之本。随着生成式AI技术的成熟，一种更符合人类直觉的交互方式——自然语言——开始崛起。业界甚至出现了“Vibe coding”（氛围编码）的概念，即用户仅需通过自然语言描述需求，AI就能自动生成功能性软件。

　　Airtable的创始人Howie Liu 随即主导了一场激进转型：把整家公司按 AI 重新组织架构，自己则成为每天写代码的“IC 型 CEO”（IC，Individual Contributor，个人贡献者），并带领公司实现了超过 1 亿美元的自由现金流。

　　在AI原生时代，许多公司曾经引以为傲的核心资产正迅速被AI瓦解。Airtable的经历极具代表性，他们如何在 AI 时代“重启”已经走过十余年的业务，帮助大家穿越这场每家公司、每个产品都在经历的“存续之战”？

　　今天分享的这篇文章，系Howie Liu 日前做客播客的访谈，他分享的内容信息量很大。节目中谈到一个非常有趣、而且他本人就是典型样本的趋势——CEO 正在重新成为个人贡献者，亲自下场写代码、做产品、亲自带项目，我们把这种现象称为“IC 型 CEO”。

　　节目还会聊到他认为产品经理和产品负责人、工程师与设计师，在这个新世界里要补齐的具体技能；以及他如何把公司重组为两支队伍：“快思团队”和“慢思团队”，并由此显著加速了他们在 AI 上的投入产出。

　　1、受丹尼尔·卡尼曼启发的“快思—慢思”团队结构：Airtable 如何实现 AI 功能周更；

　　2、为什么 Howie 不是“天天用AI”，而是“每小时用 AI”，以及他如何成为全球 Airtable 内推理（inference）成本第一的重度用户；

　　3、AI 时代CEO 为何必须重回一线做 IC，以及如何重构日程让其成为可能；

　　4、为什么“玩”AI 工具应当成为强制项——Howie 如何要求员工取消一周所有会议去深度试用；

　　Lenny Rachitsky：受宠若惊。我也很期待。你们这一路走了多久？13 年？更久？

　　Lenny Rachitsky：一定经历了很多起伏。我们会聊这些，也会聊一路上的经验教训。先从我猜想对 Airtable 来说非常意外的一个“低谷”开始。可惜的是，每当我想到Airtable，就会想起它——也许别人也是。

　　就是那条几年前超级火的推文：有人贴出一堆数据，说 Airtable 已死，融资高估、收入撑不起估值，“Airtable RIP”。到底发生了什么？有多少是真的？

　　Howie Liu：基本都不是真的。更让我惊讶的是这条推文为何会如此病毒式传播。后来我去看了这位作者的其他推文，他好像在 CB Insights 工作——讽刺的是，那家公司做的正是“私营公司数据要准确”。但他贴的数字在我们的收入体量、增长率等方面都离谱地不准，是倍数级的误差。

　　聊以安慰的是，我发现他还“抨击”过其他公司，比如上一次是 Flexport——也是那种“Flexport 要完了、估值过高”的腔调。更诡异的是，这些并无数据支撑的“辛辣观点”却偏偏在 Airtable 这条上火了。

　　后来《All-In》播客也谈到了这件事（他们节目很火，我也听）。这条推文被当成一个入口，去讨论“上一代高估值、十角兽（Decacorn）公司在当下环境里会怎样”。不过《All-In》几周后做了纠正，承认数字不准，并且调整了他们对 Airtable 的看法。

　　Lenny Rachitsky：那句老话怎么说来着？“谣言尚在全球传遍几圈，真相还没起床穿衣。”

　　Howie Liu：是啊。那次我很快上了一课：关于“梗”和传播性。我并不擅长社媒，但算是学到了点东西。

　　Lenny Rachitsky：Twitter（现 X）的激励机制常常与真实背离，人们更愿意转发“好看”的内容而非真实。

　　Howie Liu：总体上我还是更喜欢马斯克接手后的 Twitter——更大胆。我欣赏这种不满足于现状、持续做产品变革的劲头。他们改了很多东西。但我也确实经常在时间线里被推送各种耸动内容，而且这对我也“有效”，我会忍不住点进去、参与讨论。结果就是这类内容更容易扩散。

　　Lenny Rachitsky：还有个新功能：截推文图会自动加个大的水印……总之那边从不缺热闹。

　　Lenny Rachitsky：换个话题。我非常期待聊一个新趋势，而你是前沿代表：CEO 重新成为 IC，亲自下场、回到“泥地里”写代码、做产品、亲带项目——“IC 型 CEO”。你为什么要这么做？相比几年前，你的日常发生了什么变化？

　　Howie Liu：就我个人而言，原因很简单：创业之初我就是这么干的。我写后端代码，思考平台的实时数据架构，也做前端和交互。对“纯软件”的产品来说，技术本身就是产品，不是“技术只是一个附庸”的那类重运营模式。更进一步，Airtable 是让别人“搭应用的平台”，所以技术细节（从架构到前端 UX 的每个小决定）就是价值本身。你不能把“工作要完成（Jobs to be Done，JTBD）”的研究、流程设计和“工程实现”割裂开——很多神奇的产品—市场契合，诞生在那些微妙的细节里：浏览器端的可能性、实时架构的边界，等等。

　　Figma 也类似：我们几乎同期创立，都花了两年半亲手打磨，才发布。再看从那时到现在，尤其是当下的生成式 AI 时刻：在一个成熟化的 SaaS 阶段，创始人会自然而然被“人和流程”的扩张拉离一线细节；对某些业务这也许没问题——重点是把已验证的模式放大，用“更钝”的工具推动增长，比如更“钝”的路线图、更“钝”的 GTM（Go-to-Market）执行。

　　但现在不同了。我认为几乎每一个软件产品都必须“再创业（refound）”。AI带来的不是“桌面到移动”或“本地到云”这种一次性的形态迁移，而是一个持续快速演进的范式转移。每一次模型迭代、每一种新能力的释放，都会隐含全新的交互形态与UX模式，需要被重新发明。要在这个时代保持相关性并不断“再找”产品—市场契合，你就必须亲临细节，而不是站在一万米高空“堆人头”。你要理解何为正确的产品体验、何为匹配它的商业模式，以及整个引擎如何配套运转，才能真正吃到这些能力的红利。

　　Lenny Rachitsky：你提过“首席品味官（chief tastemaker）”，要做到这点，就必须像你说的那样亲自下场。

　　Howie Liu：没错。而且现在，如果你不参与“熬汤”，其实很难“品汤”。AI的特性决定了你不能只看截图或预录视频就判断“我们够不够大胆、产品化是否到位”。你得去“玩”。既要玩打包好的应用与解决方案，也要直接摆弄底层原语：用API或对话界面和模型“掰手腕”，把它们推到边界。就像主厨拿到了全新食材，必须亲手熟悉它们，才能做出新菜。

　　Howie Liu：我会再加一档：每小时。甚至可以用更底层的指标——推理成本（inference cost）或算力消耗来衡量。

　　Howie Liu：对。我很骄傲地说，我现在仍是 Airtable AI 的“最贵用户”——不仅在公司内部，曾经在所有客户中我也是全球第一。我会“故意浪费”——不是瞎用，而是有意地在高潜在价值的问题上豪掷算力。举例：我会对大量销售通话的长文本逐段做 LLM 调用，抽取各类洞察（比如功能需求、总结等）。我们现在还有一种类似“LLM 的 MapReduce 能力”：当上下文窗口放不下全量内容时，先将语料切块、分别调用模型，再对结果进行一次聚合调用。确实很贵：你在大量数据上跑昂贵模型，然后再对聚合结果再跑一遍。

　　但花几百美元换来的，是“一个极聪明的幕僚把过去一年的所有销售通话逐字读完，给我送来产品、市场定位、分层与细分的洞见”。这无价。你为类似的洞察给咨询公司付上百万美元都不夸张。所以，只要用得聪明，AI 的价值与成本比是“离谱地高”。更多人应该大胆、进取地把算力砸在这些高价值问题上。

　　Lenny Rachitsky：直到有人发推说，你把公司的 AI 账单烧穿了（笑）。

　　Lenny Rachitsky：创始人和 CEO 听完可能会想：好，我也要这么做。但现实里你还有很多事、很多一对一。你如何重构自己的日程？

　　Howie Liu：我首先减少了默认的一对一。不是我不愿意和大家单独相处，而是固定的一对一会挤占我基于“实时洞见”去发起更及时讨论的空间。最好的会议应该是“以紧迫为驱动”的：当我和一家新创公司交流学到新东西，或刚刚捕捉到某个灵感，我就希望立刻把它带回Airtable的某个功能讨论里，启发EPD（工程/产品/设计）同学。这样的会议应该由“真材实料的Alpha（增量洞见）”触发。

　　当然，在线下见面时，我会留出更长时间做“无结构的人与人的交流”，比如一起吃个长午饭、散个步——质量高于频率，避免被“每周例行”绑架。中间则是一些主题会，比如我们现在有每周一次的 AI 冲刺例会——目前 EPD 大概有一半在做 AI 能力，我们追求快速迭代。我会不断追问：一家 AI 原生公司（比如 Cursor 或 Windsurf）会怎么推进？我们的节奏和他们一样快吗？我们是否同样善用最新能力？这就是我时间使用上的最大变化：更高的强度与紧迫感。

　　Howie Liu：我们对 EPD 做了重组。过去几年我们经历了几轮不同的组织方式。最初是按“功能面”来分：有的团队负责搜索，有的负责移动体验，等等。好处是能在各自代码与产品域里深耕；坏处是思维天然趋于“增量改良”，而不是围绕“使命/结果”去跨越多个面的大动作。

　　后来我们按业务单元分：比如面向企业级客户的 BU，要解决可扩展性——能否支持海量数据与复杂用例？是否具备将应用推向一万、两万座规模的能力？此外还有自助与体验的“Teams”支柱、AI 支柱、解决方案支柱、基础设施支柱。这种方式更“整体”，比如 Teams 可以贯穿设计多个触点，而非只盯一个功能。但当我们全面发力 AI 时，它仍不足以让我们像 AI 原生公司那样高速出击——你看 Cursor 之类的产品，几乎每周都有“大更新”，它们并不会被“这条线走企业、那条线走别处”的切分牵制，产品像一个整体、以极快速度前进。

　　所以我们又做了新一轮重组：现在有一支“快思团队”（正式名为AI Platform），目标是“几乎每周”推出新的能力，而且每个都要让人“下巴一掉”的那种价值感；以及一支“慢思团队”。“慢”并不代表好坏，而是另一种必要的执行模式：那些需要深度预谋的大赌注——比如我们的数据存储HyperDB要支持数亿级记录，这不是一周能黑出来的东西。

　　两支队伍相辅相成：快思团队创造大量“漏斗顶端”的兴奋与关注，也能带动企业级用户；慢思团队则让这些种子生根发芽，长成更大规模的部署。我看到不少 AI 原生公司有一个挑战：顶端流量很大，来了一批“AI 观光客”，但难点是如何把它转化为更持久的留存与扩张。

　　Lenny Rachitsky：太有意思了。我从未见过这种“快思/慢思”的组织法。对于快思团队，什么样的人最适合？需要大量引入“外来者”吗？

　　Howie Liu：我们是“混搭”。公司从未停止招聘。就算我们做过两次 RIF（裁员），缩减过规模，EPD 仍在持续引进优秀人才。自认为“我们已经拥有所有需要的人”是傲慢的。我们一直在寻找新视角与新技能。快思团队尤其需要高度自治、具创业者气质的人——不一定非得是前创始人（比如 Rippling 常通过收购引入创始人，我们也做过类似尝试）。关键是能“全栈式地”思考问题——不仅理解技术层，更要聚焦“惊艳时刻”的设计：我们到底想创造什么“Wow因子”。

　　举个即将上线的例子：用户不仅可以通过与我们的多模态智能体 Omni 对话来描述并迭代要打造的应用、用现有 Airtable 能力去生成；我们还会让它进行代码生成，补齐最后一公里的高度定制功能或可视化。比如你可以说：“给我生成一种非常具体的地图视图，要有这种热力效果和这种图标，点击时触发这个行为。”这里有海量不确定的设计抉择，你要把设计思维与模型一次生成（one-shot）的技术约束揉在一起；如果一次生成不够，还要设计合适的人机流程：审批、复审、再提示（re-prompt）……这要求有人能在开放式问题面前不被吓到，反而兴奋其间，通盘拿捏产品与技术。

　　Lenny Rachitsky：我们开始聊天前我刚玩了一下，做了个很可爱的“创业型 CRM”。和 Omni 聊天的过程很顺滑，配色也很漂亮，这点让我印象深刻。

　　Howie Liu：我想补充一点。我骨子里还是个产品/体验（UX）人——那才是我的热情所在。为了运营公司我学了很多“配套技能”，但那些更像是这段旅程里的必修课。真正让我兴奋的，还是去想一个产品该做什么、该如何呈现、该如何对用户“表现与响应”。在我看来，这就是产品的本质。

　　我对 UX 的理解也不仅仅是“外观皮肤”或能在 Framer 里拼出的原型，而是更深一层：这个产品应当具备哪些能力？要用什么表达和行为让用户理解、用起来顺手？当然，接下来还要推敲技术可行性和实现路径。但在当下很多 AI 产品里，被明显低估的是“如何把强大的能力正确地货架化/商品化（merchandise）”。我们给用户的视觉隐喻与可供性（affordance）普遍不足，很难让人一下子看懂这些底层能力到底能做什么。以 ChatGPT 为例——它极其成功，我完全不是在贬低它——你进来默认就看到一个空白的聊天框（现在底部会有一些建议）。从一个产品 UX 的视角，我会更渴望更丰富的可视化隐喻、颜色层次，以及更充分利用网页界面的“画布”和交互丰富性，去把模型能做的那些事更好地表现与引导出来。这也是我们在 Airtable 里一直努力做的：把系统可能处于的各种“状态”显性化，甚至用色彩把它们强化出来。

　　Lenny Rachitsky：这跟我最近的对话很呼应。我刚和 OpenAI 的ChatGPT 负责人 Nick Turley 聊过，他提了两点和你说的特别契合。第一，他常挂在嘴边的问题是：这件事是否“最大化提速”了？如果它很重要，我们要怎么做才能更快？你整套“快思团队”的做法，正是在把速度这件事讲清楚、落下去。

　　第二个观点是，在 AI 世界里，你往往在发布之前很难知道它到底能做什么、用户究竟想拿它做什么。所以你得先放出去，让市场告诉你它该成为什么。

　　Howie Liu：我完全同意，尤其是第二点。很明显，AI 产品既有 PLG（产品主导增长，Product-Led Growth）路径成功的，也有偏销售驱动的。比如Palantir 的 AIP 部署就非常销售主导，不太可能靠“自助注册—自发扩散”的 PLG 模式切进去；又像 Harvey 这样的法律行业 AI，也主要靠销售推进。

　　但在我看来，让用户真正获得AI价值的最佳方式仍然是“体验式”。销售动作可以做 Demo、做 PoC，但如果你能直接把门打开，允许任何人自己注册、亲手试用，那会强大得多。回过头看，ChatGPT 大概是史上最成功的 PLG 产品之一吧——就体量而言，他们宣布了 7 亿活跃用户，是每周活跃（WAU）吗？差不多是“地球上每 10 个人里就有 1 个每周在用”。这太疯狂了，在不到三年的时间里达成。我不认为如果一开始不能“随手就试”，他们能爬到这么高。虽然从严格的“引导能力展示”看，ChatGPT 最初并没有把各种用法都展开给你看，但它把试用摩擦 降到了极低——用户可以直接问任何问题，立刻感受它的魔力。即便早期不少人专门找刁钻问题去“难住它”，这种魔力依然足够吸引人，大家还是都去用了。

　　Airtable 的成长路径也是从PLG 起步的；后来我们往上打企业市场，销售执行占比上升，但通常还是建立在企业内部的 PLG 扩散之上。未来销售依然重要，不过我个人现在的一个目标，是把精力更多转回到 “由构建者主导的采用”（builder-led adoption）：用产品内的真实体验去“展示”，而不是靠 PPT 去“讲述”，让大家在 Airtable 里亲手把 AI 的价值做出来。这不只是“新手体验（NUX）”问题，而是要把整段产品体验都重构为 AI 中心。过去，我们的助理更像侧边栏的“第二入口”；现在我们把智能体做成了在 Airtable 里完成一切的默认方式 ——你可以把 Airtable 里的应用视为一个由智能体操控、使用的“可操作对象”。

　　Lenny Rachitsky：顺着这个说：今天上 Airtable 官网，感觉跟很多 AI 建站/造应用的平台都挺像——“告诉我你想做什么，我来帮你建”。你怎么看这股风潮？接下来会怎样？效果好么？

　　Howie Liu：“vibe coding（氛围编码）/用 AI 造应用”这件事，确实有强烈的魔力。这也正好印证了我们刚讨论的：底层模型能力的演进，会驱动产品形态和 UX 形态同步演进。早期的模型——比如最初的 ChatGPT、GPT-3.5 时代——远不如现在聪明，你很难让它“一次成型”地产生一大段复杂代码，更别说从零搭出一个完整的全栈应用。那个阶段的最佳形态就是 GitHub Copilot：一次补全几行代码，而不是让你聊天说“帮我从头构建一个完整应用”。

　　随着模型变强，新形态就冒出来了。Cursor 在这方面做得很早，用更 智能体化（agentic） 的方式，让模型能处理更复杂的任务、生成更大的代码块。现在有了 Composer，你甚至能在 Cursor 里直接说“给我做一个3D 射击游戏”，看它把项目结构拉起来、逐个文件填充，很多时候还能真的跑起来。大势所趋就是这样：模型越来越聪明。

　　回到 Airtable 的初心，其实一直都是把“自建应用”的门槛降下来。使用应用的人远多于会自己构建或改造应用的人；能否把定制软件变成人人可用的生产力，这一直是我们的愿景。今天看，这条路还在，只是实现路径“换了引擎”。如果我们今天从零再创Airtable，我们也会把筹码全压在这条 AI 原生的路径上。

　　同时要诚实地评估：像我们这样“先于GenAI 出生”的公司，转入 AI 时代的跑道，不能自欺欺人。不是在官网上挂几句 AI 口号、加两三个 AI 功能就算“完成转型”。要做的是回到“白纸”视角：如果从零开始，用完全 AI 原生的方法，怎样表达与实现我们的使命？再看一眼：我们现有的产品与业务里，有哪些可复用的积木？每一块是优势，还是包袱？这题没有放之四海而皆准的答案，得看具体产品。

　　如果你认真内省后发现，用现有那些块反而不如重来干净，那也许就该把公司卖掉，如果你还真正在乎这份使命，就去开启它的下一次化身。就我个人而言，我想得很清楚，也很有信心：Airtable 的这些无代码原语/组件，确实能让我们更好地把这套愿景落到地上。原因在于：在“业务应用”这个具体赛道里（我们聚焦的是CRM、库存管理、案件流转这类B2B/业务场景，不是去做爆红的消费级小游戏），让智能体去从零写满代码，在可用性、可靠性、安全与上下文管理上都会很脆弱——复杂度一上来就“语境崩塌”。而我们已经有一整套能被智能体操控的“高层级原语”：比如实时协作、富交互的CRUD数据界面，各类视图与布局引擎、自动化与业务规则……换成编程语言的比喻，这些 Airtable 的乐高式组件，就是一套更富表达力的领域专用语言（DSL）。智能体可以直接用这些“积木”拼装，而不必每次都从 SQL、HTML、JavaScript 开始把每个细节手写一遍。

　　这样我们就能把两种优势结合起来：一边是可靠、成熟、颗粒度合适的“高质量乐高”，另一边是智能体替你自动装配。而当你需要“落回” 图形界面（GUI） 手动微调时，非技术用户也能看懂正在发生什么、参与到构建过程。相反，如果底层只有黑盒代码（比如 V0、Lovable 或某些低代码/自研体系），非技术用户既看不懂，又无法靠一次次重试提示词把它拽回正轨。我们追求的是类似“开发者在 Cursor 里批量生成代码，同时随时能回到 IDE 做精细编辑，最后打磨到可上生产”的那种手感。若不是出于这种“我们能做得更好”的笃定，我不会以今天这种形态继续经营公司。

　　Lenny Rachitsky：我在和很多与你同处转型阶段的创始人交流：公司做了十来年，AI 崛起了——得想一条更好的新路。我在总结他们的共性做法，帮更多公司少走弯路。你刚才已经提到一个关键：如果今天从零开始，你会怎么做？再加一问：我们是否有某种不对称优势可继承？这确实是关键成分。再回到你之前说的两点：其一是把紧迫感与节奏感构造成“快思团队”；其二是创始人要高频亲自和 AI 打交道，成为真正的 IC。就此延伸一下，你的日常到底长什么样？除了整天和 Omni 互动，探索它的能力边界、不断迭代，你还做什么来帮助你判断公司接下来该做什么？

　　Howie Liu：第一，我会尽可能多地去亲自试各种AI产品——不仅是Airtable自家的。既有“新奇心”的驱动，也因为总有很酷的新Demo出来。比如 Runway 推出沉浸式世界引擎，我会立刻去玩；Sesame AI 做了很酷的可打断式语音对话 Demo，我也去体验。哪怕短期内这些能力和我们不直接相关，我也想摸清楚外部的边界。我还会给自己设一些“小副本”——周末项目之类——逼自己以真实动机去用它们。比如做个“好玩的小视频短片”：用 HeyGen 的头像，配上 AI 生成的搞笑脚本；如果选了个有意思的话题，我会先用 ChatGPT 做一轮深度研究，再让它润色出一版剧本；然后把脚本切段，喂给 HeyGen 生成视频，下载播放，仅仅为了好玩。老实说，熟练之后，这些事一两个小时就能做完。

　　这样做的好处不止是“理解模型本身”（这也很重要——比如昨天 GPT-5 发布了，我就第一时间拿一堆个人用例去实测）。更重要的是理解模型放进不同产品形态后的表现：当你给它不同的工具调用（tool calling）、不同的结构化流程，或者更智能体化的工作流，而不是只看ChatGPT 的“出厂形态”，你才能真正被“哪些产品形态可以被这代模型点亮”所启发。何况，这件事本身就很有趣——它不完全可预测，你永远在开盲盒；再想想五年前还没有这些东西，那会儿所谓 AI 更多像是高级回归、预测分析，和今天完全是两回事。现在能不断上手新东西，本身就很让人兴奋。

　　还有个现实原因：AI 的节奏比以往任何技术赛道都快。在成熟的 SaaS 时代，你当然要研究友商，但你大概一年盯一次 Salesforce 或 ServiceNow 的发布会还说得过去。现在等不起——每周都会有“大版本/新产品”。而且，正如前面讲的，很多能力必须亲身体验，不是看看 TechCrunch 的稿子、刷一条推就够了，得自己上手玩一把，才知道它到底是什么。

　　Lenny Rachitsky：回到团队层面。对产品团队——PM、工程、设计——你在期待上有哪些调整，能帮助他们在这个新世界里更成功？

　　Howie Liu：首先，我会一再强调：去“玩”这些东西。我说的“玩”，是真正意义上的“玩”——带着好奇心去探索，不是勾勾选项、把任务对付完。这样的状态更有趣、更有能量，也更能学到东西。我会以身作则，经常把我在各个产品里做的尝试用链接或截图分享出来。

　　比如，我会直接在某个原型工具里把一页新品落地页搭出来，然后把链接发给大家看，而不是像过去那样先写个文档讨论。又或者，我会把“深度研究”的实际对话线程分享出来：不是只给你一份“完美备忘录”，而是把我如何提示、如何迭代、如何让它汇总出最终结论的全过程都展示出来，让大家也能跟着学、跟着做。甚至我还说过：谁想整天（甚至整周）清空会议日程，就去吧——直接说“是我要求的”。腾出一整块时间，把你认为和 Airtable 相关的所有 AI 产品都玩一遍，就去做。

　　其次，是执行方式的转变：原型优先于文档/Deck。我希望看到能互动的Demo，而不是只在Deck或PRD（产品需求文档）里“用语言描述”。你可以写“我们要让 Omni 在某类搭建上做到多好”，但那只是文字；真章要在原型里见——拿几个真实场景试一试，看看手感如何、是否太慢、是否需要把中间的推理/步骤显性化、要不要加个进度条……这些感受，只有可用的开放式原型才能给你。整体而言，执行更像是在实验/游乐场里快速迭代，而不是过去那种“资源配置 + 时间排期”的确定性甘特图——不是“给这个问题配几个人、8 周到里程碑、季度发版”，而是持续试、快迭代。

　　Lenny Rachitsky：在这三种职能里，谁利用这些工具提升产出最成功？你觉得这会如何改变每个角色的长期形态？

　　Howie Liu：我观察下来，关键还是个人的态度和一点点“多面手”气质。无论PM、工程还是设计，只要能跨到另外两个领域，都有巨大优势——所谓“独角兽型”选手。比如，一个设计师如果对技术恰到好处地“有点危险”：懂一点模型工作原理、明白工具调用怎么接，就能构思乃至在原型工具里做出更真实、有说服力的交互概念，而不是停留在“静态稿”。今天很多产品的价值就体现在交互本身——以 ChatGPT 为例，表层 UI简到不能再简，真正的“设计”发生在引擎盖下：它如何响应你的不同提问、你发出指令后发生了什么。

　　同理，也有很懂产品与体验的工程师，能把整体雏形原型起来；也有设计师即便不写代码，也能用原型工具把端到端体验跑通。AI工具让这类“跨界思维”的人更具优势——他们不必先走完漫长的CS学徒之路，就能把想法化为可运行的东西。PM也一样：有些PM在积极往技术深处钻，亲手上手，而不是把自己的角色仅仅理解为“写文档/写PRD”。

　　Lenny Rachitsky：会不会有哪个角色更“危险”，未来数量会变少？

　　Howie Liu：总体上讲，同样的事可以用更少的人做完。这并不意味着我们要去“瘦身”，而是因为待做的事并不是一个“固定清单”。至少对我们这种“元平台”来说并非如此——我们是让别人用 AI 去构建任何业务应用的平台，而这些应用在运行时又会进一步调用各类AI 能力：在创意生产里动态生成图像、在深度研究里整合外部知识、在“找项目/找客户”的场景里用 AI 去爬网筛选符合条件的公司……从定义上，我们就是在赋能客户去构建覆盖极广谱AI 能力的应用。

　　也因此，我们面前几乎是一个无限维的能力空间。我常对团队说，好消息是：我们像走进了一片果园，地上都是唾手可得的低垂果实——不只是低垂的苹果，甚至有一只只巨大的西瓜就躺在地上。你只需要走上前二十步把它捡起来，而不是非要去爬五十英尺高的椰子树，冒着风险去够那颗难摘的椰子。现在地上有太多“西瓜”了。

　　走出去，先把那些最大的“西瓜”找出来，一个个拿下。这背后的意义是：只要我们把这种文化建立起来——而且我确实认为这是一种可习得的工作方式。我一直相信人的成长潜力。如果你真的有成长型思维（growth mindset），尤其愿意在夜晚和周末投入时间；或者像我经常对同事说的，干脆请一天、甚至一周专门学习这些东西——你就能更流畅地掌握这套方法。这样，我们就会拥有一支能够以更高杠杆、更快速度处理更多事情的团队。

　　所以我愿意相信：愿意“上车”的人会变得越来越有效率。这并不是说“作为 PM，我的角色要完全过时了。”不是的。它意味着作为 PM，你要开始变成 “PM+原型手”的混合体 ，并且具备一定的设计感。

　　顺带说一句，过去几十年里，最好的工程（ENG）、产品（PM）与设计（Design）文化，本质上一直都是跨学科的。比如早年的 Google，PM 规范里就要求 PM具备一定技术素养，能理解工程上的边界与约束；同时也要懂设计。我还记得我的联合创始人 Andrew 在 APM 项目时，会系统地读设计书，甚至细到视觉设计与色彩理论。对设计师而言也是同理：你在 Apple 做设计（哪怕是硬件设计），也必须理解相关技术能力与实现原理。工程师亦然。Stripe的工程文化就很好——工程师会从产品与业务需求出发思考。在 Stripe 的很多产品组里， DRI（Directly Responsible Individual，直接负责人） 并不总是 PM；有时就是工程师来牵头说“我们需要做的就是这个”。

　　Lenny Rachitsky：所以你的意思是：产品、工程、设计这三条线，都需要至少再擅长一条彼此相邻的能力。理想状态当然是三项都强，但至少要再补一门——比如 PM 更懂设计，工程更懂产品管理。

　　Howie Liu：我甚至会再往前走一步：我认为每个角色都需要在三项能力上都达到一个“合格基线”——在此基础上再在自己的专长里深耕。比如你可以是一个特别擅长交互与 UX 的设计师，同时在“技术可行性”与“产品叙事/定位”上也要“懂到足以做出正确判断”。

　　Lenny Rachitsky：要做到这一点，你反复强调的一个关键建议就是：持续使用这些工具。不断探索它们“能做什么”，它们会反过来教会你很多东西。

　　Howie Liu：对，“用工具”会让你暴露在可能性面前。这就像你想成为一名出色的工业设计师——椅子几乎是工业设计的“Hello World”。你不会在真空里、对材料（胶合板、钢材等）与既有形态一无所知的情况下，试图闭门造车做出“世界上最好的椅子”。你应该先去研究经典：看看 Eames 椅，坐一坐、拆解式地观察它的结构与工艺；广泛梳理既有作品的谱系。这就是我所说“去玩这些产品”的意义。

　　当然，只看不做也不行——你最终要亲手去做：做第一把椅子，再做第二把、第三把……我自己的产品/UX直觉就是这样打磨出来的。当年在学校里并没有什么系统的 UX 课程（CS 也更偏学术，少有“把一个应用做出来”的实践）。也许现在少数学校（如 Stanford、MIT）有更实用的 UX 课，但对大多数人仍不容易触达。所以我基本靠试错和研究其他产品来学习；同时不断给自己立“周末项目”。比如：我想做一个“像 Yelp 一样”的应用，有地图视图和列表视图；当我在地图里拖拽移动时，列表能自动更新。这样我既能尝试 UX 的改进，也能检验技术上哪些环节更难、如何让它真正跑起来，以及在哪些地方用设计手法或可供性去匹配技术边界。

　　Lenny Rachitsky：我很喜欢你那条建议：找一个对自己有用又好玩的真实项目去做。有个必须解决的问题，会倒逼你把事情做成。

　　Howie Liu：对，这可以是夜晚和周末项目，也可以是你日常工作中的项目。比如在我们的 AI Platform 团队里，我并不会规定“你得去捡哪一个西瓜”，而是鼓励他们自己去挑、去试。我们在组里还有不同的 pod，其中一个叫Field Agents，负责在应用内部运行的智能体（不是搭建应用的那个，而是代替用户去做事的那个），比如帮你做网页研究、分析文档，未来甚至可能从 PRD 或想法直接生成功能原型。我对他们说：能赋予这些 Field Agents 的“超能力”几乎是无限的；我不会逐条画线让你们照抄——可以让我参与评审，但请你们主动发散实验，原型出几条不同方向。比如，给表格中的每一行数据（对你来说可能是播客嘉宾）加一个“一键深度研究”按钮，批量对所有嘉宾跑深研，把结果并列展示在表格里——先把原型做出来，看看手感与呈现如何。

　　Howie Liu：现在已经开放了。一次深研大概是一美元出头。有人会说“这也太贵了”，做 50 次就是 50 美元一个月。但你想想，它帮你节省的是数小时的人力研究成本。

　　Lenny Rachitsky：我还真的雇过研究员帮我做嘉宾背景，四五百美元一次。那这“一美元”简直太值了，而且我之前一直是手工做的。

　　Lenny Rachitsky：还有一个技能我想快速聊聊：eval（评测）。很多嘉宾都提它的重要性，你也很重视。为什么这是一项必须补齐的能力？

　　Howie Liu：我听了你和几位嘉宾（包括 OpenAI 与 Anthropic的负责人）的那几期，他们都不约而同强调了 eval 的价值。我想补充一个视角：当你在做一个全新形态/全新体验的产品时，不要一开始就上 eval，而要先上 “vibes”——先以开放式的感觉与直觉去检验“这玩意儿大体能不能跑得通”。比如我们在做“自定义代码生成”能力时，不是先定义一套 eval，然后不断改 prompt、改模型或改智能体流程来刷分；因为你必须先定义“好”的样子。我更倾向于先大量即兴试验：随手换不同提示词，看它表现如何。等到你把基本的形态骨架摸清楚、明确要服务的核心用例簇之后，eval 才更有用。

　　换言之，在找 PMF 的早期——不论是一家全新公司，还是在现有产品上做一次幅度很大的新能力——你要更有创造性地“先把东西扔到墙上看看什么粘得住”。比如我们在实现一个“长时运行的爬网研究智能体”：它会上网研究特定对象或实体，但它的输出不是一份报告，而是一张清单——可以是公司、人、电影、漫画衍生系列，几乎什么都行。第一步要做的是：用脑子先穷举一批跨度很大的用例去试；拿回结果后你会发现它在哪些类型上表现更好。这个时候，eval 才真正有用：你可以围绕那簇“有价值的用例”，用更程序化的方式去度量每次改动的提升。到这一步，产品形态也许已从“完全开放”收敛为“有边界、有选项”的能力：比如明确它能研究的人/公司等实体类型，并提供更显式的筛选条件与提示结构。此后，你再去系统化比测不同模型、不同提示、不同流程的效果，就更有意义了。早期不要被 eval 过早束缚住发散。

　　Lenny Rachitsky：说得太好了。就像“双钻模型”：先发散，再收敛。

　　Lenny Rachitsky：让我总结一下：要把公司切到新轨道，首先是重置节奏与紧迫感；其次是尽快放出去、通过真实使用来学习，而不是无休止打磨；第三是鼓励大家去“玩”，甚至给出成块时间取消会议、清空日程；第四是回到“白纸”提问：如果今天从零出发，为实现同一使命会怎么做，最好还能叠加我们独特的存量优势；第五是高频与 AI 对话——“每小时多次”。还有什么关键点别漏了吗？

　　Howie Liu：还有一点：尽可能打破角色壁垒。不只是 EPD 三角，在非产品职能也一样。以市场为例：传统分工可能是一个人管投放与归因，另一个人写广告文案，PMM 提供定位与素材，还有别人去做 Demo 资产。现在我推市场团队也往“全栈”上走：就像 EPD里理想状态是“在一项上很深、在另外两项上足够能打”，市场也可以这样。销售同理：AE 需要具备 SE 能力。以往销售可能不够熟产品，要依赖 SE 做演示；在 AI 产品里，这基本行不通——你必须流畅地讲解与演示。总体心智就是：角色收敛、全栈拿结果。作为 AE，你的目标是让客户看见价值、签下单子；那么原本对市场资产、对 SE 的依赖，能否尽量下沉到自己身上，以便在需要的时候你可以独立完成闭环？这对所有想在 AI 时代竞争的公司，都是一条很好的增补。

　　Lenny Rachitsky：这几乎像是回到了初创阶段：大家一起上手做事，而不是各守各的“头衔”。我把它想成一条“倒 T 型”——你在某个领域很强，但在相邻领域也要有不断抬高的基线；每个人的维恩图在收拢重叠。

　　Lenny Rachitsky：拉远到更长的时间轴看：过去十多年里，你在“造产品、建公司、带团队”上，学到的最反直觉的教训是什么？那种和传统创业箴言相悖的？

　　Howie Liu：我听过你和 Brian Chesky 的对谈，也留意到你后来在YSV 讨论的“创始人模式（founder mode）”。那些观点和我自己的体会高度共鸣。创业早期，你必须多面手且在细节里：从技术到设计，到商业化，到免费增值模型（freemium），到市场打法、官网呈现……全都纠缠在一起，无法切割成若干“装配线”。你需要一支紧密的小团队，把这些纵深地整合思考，才能做出第一次“产品—市场魔法”。

　　随着规模扩大，很多“运营专家”“大公司投资人”的建议，会把你推向“工业化”：建立一个个“领地”，请来一排高管，每个人管好自己的“泳道”，彼此弱耦合。用工厂的比喻，这有它的效率——每条泳道都能更专注地放大产出。问题是，你会丢掉整合式的系统思考，丢掉“下大注”的能力。Brian 在那期节目里说得很透：一家真正重视产品的公司，CEO必须扮演好CPO的角色；产品才是一切的根。你不能永远只靠放大既有GTM执行，而要不断在产品上做“台阶式跃迁”：推出下一幕、下一种关键能力、甚至一次重生。这要求的是完全不同的运营与领导范式——这与我们在“AI原生时代”的倡议是一致的：大胆设想整体性的大目标，同时在执行端高频试错、快速出货、以学促进。

　　我的“元教训”是：很多建议在某些情境下是对的，但不能只听结论。每个人的“先验分布”不同，像一个个被不同语料训练出来的LLM：有人受“ServiceNow/Oracle 语料”影响，有人受“Facebook 语料”影响，我则更多来自“Airtable 语料”。我现在更关注“推理链”：你为什么这么建议？比“就这么做”更有信息量。比如Airbnb取消传统意义上的PM，这个结论未必可以一刀切，但动因非常值得借鉴。理解动因，再结合自身语境去落地，可能得到不同结论，但依然受益于那条“推理链”。

　　Lenny Rachitsky：“创始人模式”和你说的“IC 型 CEO”其实是一回事：下到细节、亲自尝试，而不是把一切都外包给高管。

　　Howie Liu：对，任何事情走极端都不好——过犹不及就会变成微观管理，这不是“创始人模式”的本意。关键是拿捏好平衡：毫不掩饰地重视那些真正重要的细节，并且把跨部门的细节穿起来，才能做出非增量的成果。否则大家都只在各自领域里做局部优化，永远达不到全局最优。

　　另外，对于合适的人来说，“当个 IC”其实更有趣。我个人最“失联”的阶段，恰恰是我以为自己应该远离细节、做一个“规模化 CEO 模板”时。有人说“CEO 做的决定越少越好”“越少接触细节越好”，只在顶层监督指标；也许在某些成熟业务里行得通，但我愈发怀疑这种纯“放手—流程管理”能不能真的奏效。就算短时间里业务还能“惯性滑行”，对我来说，亲自下场的感觉要更振奋；很多我欣赏的操盘手和领导者，也是因为这个，才让工作真正有意思——他们不希望自己的角色被“自动化”掉。

　　Lenny Rachitsky：如果你能回到十年前，给过去的自己悄悄说一句，能少走很多弯路，那会是什么？

　　Howie Liu：不要远离那些你既擅长又热爱的细节。我的意思是，如果你的热情在“做产品、做产品设计”，哪怕公司有时的确需要去做很多别的事——规模化、市场与运营、搭建一支很大的团队，而这些本身又会衍生出一堆需要被管理的事务，甚至催生出一份“专为管理更大团队而存在的新工作”。显然，身为一家规模化公司的 CEO，你不可能把这类责任全都撇开不管。但别丢了你热爱的本质——那些当初让这款产品诞生、让这家公司成立的东西。很多伟大的公司，都是从某个“神奇的产品—市场契合的洞见”起步的。不要离它太远，无论你后来肩上多了多少其他任务，都要确保那仍然是你的第一优先级。

　　Lenny Rachitsky：大家确实很少讨论这个点：很多人是带着一个令自己兴奋的想法去创业，做着做着项目成了，又被长期“绑定”在上面。一路往前，有时方向会被推着走，偏离了最初让你兴奋的东西。所以时不时回到你真正热爱的那件事，太重要了——那几乎是你能长期坚持下去的唯一方式。

　　Howie Liu：太对了。在我看来，这也是“喜欢亲手构建产品/业务的创业者”和“主要看到一个商业或财务机会，不想错过就去抓的人”之间的差别。后者并非不可取——有整片行业都在追逐“阿尔法”（超额收益），比如私募股权，目标就是理性地寻找 Alpha。

　　但我认为，最好的产品型公司，往往由那些真心热爱产品的人来经营。你能感受到这种气质。比如一些 AI 公司里，Sam（Altman）就真的热爱在 AI 一线%的时间都花在接近模型与研究上，他会这么做；他自己也说过类似的话。再比如 Brian Chesky 和 Airbnb——很明显，他们不是为了“抓住酒店的套利机会赚大钱”才做的 Airbnb。

　　Howie Liu：是啊，但不仅如此——他们爱那个产品本身，也热爱他们构建产品的方式。以设计为中心的产品、公司、文化——这才是能让你在同一家公司长期工作仍然充满喜悦的根源。

　　Lenny Rachitsky：进入我们的快问快答之前，还有什么你想补充、想留给听众的话吗？

　　Howie Liu：我想再强调一句，尤其是对做 EPD 的听众，特别是P（产品）这条线的同学：在这个时代，所需能力不是非黑即白、天赋注定。这其实是一次号召：去把你现在还不够熟练的那部分能力补起来。

　　我真心相信：每个人都能学会写软件，如果你愿意。没错，并不是人人都会成为“海明威级”的写作者，那在工程上也类似——但每个人都可以达到足够好、能办事的工程水平。你可以去上训练营，做一些编程练习。我们不应该把这些学科神秘化到“过了半生就再也学不会”的地步。人的大脑是可塑的，优质的学习资源非常多；而且很多时候，关键在于动手试错，靠“夜晚和周末的小项目”去学会这些东西。在 AI 原生时代，每个人都可以成长为更全能的“独角兽型”产品/工程/设计混合体——唯一的障碍，就是你有没有现在就开始动手。

　　Lenny Rachitsky：这个结尾很鼓舞人心。我也想再强调：从没像今天这样容易学习。你可以直接和“超级智能”对话，一边做一边学。

　　Howie Liu：真的。我会直接打开ChatGPT，问它：“这类应用该怎么做？”甚至“Manis这种开放式智能体，你会怎么从零构建？”——它就像一位顶尖的架构师/工程师/产品经理/设计师/家教合体，任何问题都不会嫌你蠢，而且24×7 在线。这是学习这些东西最不可思议的时代。

　　再加上各种交互式开发工具：任何人都可以下载Cursor，让它先帮你生成代码，然后自己再读代码、搞清楚它在干嘛。我回想当年入门开发：先学 C++，再学 PHP 和JavaScript。早期做前端单页应用（大概 2008–2010 年）简直是“黑魔法”：想要圆角？你得开Photoshop 手工画个圆角、切成小图，在页面里精确地把那一像素的透明图摆在盒子的边上……各种匪夷所思的招数。而现在一切都顺畅、可及太多了——你和“真正令人愉悦的成品”之间的那些繁琐鸿沟，被大幅压缩。从没哪个时代，做东西这么好玩。

　　Lenny Rachitsky：你还记得当年的spacer.gif吗？为了对齐排版，用一个不可见的一像素图片到处垫来垫去——天哪（笑）。能活在这个时代真是太神奇了，Howie。好了，快问快答环节，五个问题，准备好了吗？——开始。

　　问：你最常推荐给别人的两三本书？Howie Liu：我最近逼自己多读点小说，因为它真能让大脑“重启”。如果有人还没读过《三体》，强烈推荐——我喜欢那种能拓展思维边界的科幻。这其实是“作弊”，因为它是三部曲（笑），但三本都很棒。Lenny Rachitsky：我也爱那套书。给个心得：读到第一部的一半多开始真正“上头”，别轻易放下。Howie Liu：我连第一本都挺喜欢的，但确实有点像《盗梦空间》：每一本都像再下沉一层，一层套一层，太过瘾了。

　　问：最近特别喜欢的一部电影或剧？Howie Liu：我刚开始看 《The Studio》，就是 Seth Rogen 那个……对，Rogen 那个。Lenny Rachitsky：超级紧张的那种。Howie Liu：真的很紧张（笑）。《硅谷》当年太“贴脸”了，我看得整个人都在尴尬。《The Studio》更像是好莱坞的“圈内梗”，而我又不在好莱坞，所以看着反而很解压、也挺聪明好笑。我在湾区和洛杉矶两地跑，剧里很多人物原型在现实里都能对上号。

　　问：最近让你爱上的一个产品（软件/硬件/服饰皆可）？Howie Liu：给两个答案吧。软件方面，我很喜欢 Runway——这家公司和产品都很强。基本每次出新模型都能把可控性与精细度再往前推一截，离“生成出你心里那个视频场景”的逼真度越来越近。他们做的沉浸式世界生成 demo 也很酷。老实说，我也喜欢这种弱小团队打强队的故事：谷歌在追，OpenAI在追，不到百人的团队却能频频打出上限、把视频体验做得这么棒。另一个很“宅”的实物爱好：我最近迷上了一小圈手工/小批量的日本服饰品牌——用百年老织机做布料的那种“老派工业化”。比如loopwheeler机器，转得很慢、效率很低，但做出来的 T 恤穿感特别好。在一切都越来越快、五年前的技术都显得过时的年代，回到老工艺反而更让人珍惜——也许听上去有点“文青”，但我就喜欢这种复古的质感。Lenny Rachitsky：现在但凡带“手工、小批量、日本”标签的，基本都很顶（笑）。有推荐的牌子吗？Howie Liu：可以去旧金山 Valencia Street 上的Self Edge看看，他们专门做这种选品：牛仔裤、T 恤都有。像Studio D’Artisan之类的品牌他们都有。还有一个挺有意思的公司叫Toyo（東洋）Manufacturing，听着像大财阀，其实一点都不是，反而是小众的日本复古服饰制造商。他们下面有几个子品牌，还把一个二战后美国的老牌子买了商标——有点像 Hanes 那种当年的大牌，叫Whitesville（名字来历我也不清楚）。他们现在把这些经典版型与叠线几乎一比一复刻出来，连当年的包装图案都重新做了。特别妙：美国战后美学 + 日本小厂工艺的结合。

　　问：有没有一个你常用的座右铭/思维框架？Howie Liu：我最近在听 Paul Conti（医生，同时也是心理学家）和Andrew Huberman 的长访谈，也看了他的书。他从神经科学/认知科学出发，谈“如何构建你看待人生的框架”，有一点我记到现在：把谦卑与感恩放在地基上。每个人的起点不同——我自己家境并不富裕，但因为在美国长大，能早早接触电脑与互联网，从免费资源里学到很多，这是运气。我真切感到：当你以谦卑与感恩拥抱世界和未来，它会变成一种自我实现的预言。你更开放、更感恩，好的机会、好的人、好的事就更愿意靠近你。道理容易说，实践很难，但它会渗透到你每天的状态里，甚至影响你整个人生。

　　人生只有四千周，而企业生存期更短，跨越10年经营期的企业少之又少，企业要想有质量地活下去，活得更好更久，“极简增长”就是看透并掌控事物本质的那个关键点。

　　选对了路，路就不会远。盛景推出《极简增长 立竿见影》在线课程，期望能够帮助更多的企业走上增长道路。未来有多近，在于我们已经走了多远。未来有多远，在于我们与谁同行。期待与你同行、共勉。

　　欢迎大家点击底部【阅读原文】观看《极简增长 立竿见影》的在线视频课程，了解如何用极致简单的增长方法论，实现快速增长。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　华为nova15曝光：直曲屏+红枫影像+Ai自拍辅助构图，这次线 Ultra突然曝光：骁龙8E5配双高动态镜头，真的帅炸了！

　　vivo S50再次被确认：潜望长焦+300万性能跑分，小直屏也未缺席！

　　领跑珠城20万+成交！凯旋新世界，凭何成为全球资本青睐的“恒稳资产”？