赌错、失败、倒霉、不幸运、要适应、可能被淘汰，是这个世界的常态。
AI 时代的硬件应该是怎么样的？Meta Ray-Ban 智能眼镜销量突破两百万，AI Pin 发布又扑街，带给创业者什么启示？
本期「十字路口」邀请到在硬件领域非常资深的创业者「怒喵科技」创始人兼 CEO 李楠，从他对 Meta Ray-Ban 智能眼镜的好评开始，和我们分享他对 AI 硬件的实际创业经验和思考——他讲了一个非常值得思考的总结：中国创业者最应该小心两个榜样：乔布斯和雷军。
此外，李楠也和我们讲述了自己曾经尝试做乔布斯式颠覆式创新的经历，现在认为 3% 创新与颠覆式创新同样有价值的心态转变。当然，本期大量篇幅都与 AI 硬件有关，也包括他作为「很会营销的人」怎么看现在的营销状况，以及一些对李楠而言很有影响的人生经历。
微信收听：
小宇宙收听：
Meta 眼镜的成功 & AI 硬件设计的两种哲学
🚥 Koji 今天我们邀请到了怒喵科技的 CEO 李楠，也是之前魅蓝的总裁。我们想和他聊聊 AI 硬件赛道的最新变化，以及他在瞬息万变的创业一线中的新想法和认知变化。想了解最近一段时间他自己有哪些新的变化和新的想法、有哪些新的认知出现了、有哪些曾经的想法被否定了、还有哪些过去的观点现在反而更加坚定了。
为什么邀请李楠来聊 AI 硬件呢？原因有几点：
李楠正积极投身 AI 硬件创业，他的品牌 「怒喵」正在开发一款预计年底上线的 AI 耳机产品。
李楠在消费电子硬件市场经验丰富，曾做出单款千万级线上爆品。在平均售价高达 4000 元人民币的怒喵机械键盘上，目前全球市场份额第一名。
在硬件工业设计方面，李楠和团队曾获 iF 设计金奖，这在硬件设计领域是极高荣誉，连索尼也只获得过 4 到 5 次金奖。
李楠常能提出富有创意且前瞻性的想法，不仅有趣，还能引发业界思考与广泛讨论。
让我们从第一个问题开始：你认为截至目前，最成功的 AI 硬件产品是什么？
👦🏻 李楠 我最近认为最成功的产品应该是 Meta Glasses。它的成功并非源于天马行空的创意，反而是因为其相对保守的策略。Meta Glasses 实际上是在过去两年已经积累了一定用户基础的音频眼镜基础上，增加了一个摄像头。
🚥 Koji 我记得你一直以来都是对它的好评度很高的。那目前你自己有在用它吗？使用的频率是什么样的？
👦🏻 李楠 我买过 Meta Glasses 的第一代产品，那是一副普通的音频眼镜，没有摄像头。这个是第二代产品，每一代产品其实我都会买。我认为这个产品设计非常克制，但在市场上的反响是目前所有 AI 硬件中最好的。相比之下，那些天马行空的设计，比如 AI Pin 反而失败了。
这给了我们很大的启发，让我想起了街头时尚行业的一位人物 Virgil。他说过一句话:「其实好的设计不需要颠覆性创新, 只需要改 3%。」
🚥 Koji 这个我记得李楠你之前有聊到过的，你谈到过做 AI 硬件产品有两种哲学。
第一种是「别瞎搞」或者说 「领先半步」，在现有硬件基础上加入 AI 能力。比如给录音机加上 AI，就能打造出卖的很爆的 Plaud 出现。
另一种是颠覆式创新，从根本上重新定义硬件。因为软件发生了革命性变化，硬件也有机会从零开始，基于软件的新能力做全新设计。
目前听起来，在这两个设计哲学里，你已经选择了第一个。
👦🏻 李楠
我认为这两种创新路径都是对的。颠覆性创新的产品我们见过很多，比如 iPhone、AirPods。那些只做了微小改变的 3% 创新产品我们也见过不少。例如 Meta Glasses 只是增加了一个摄像头，或者耐克鞋只是把标志从正钩改成了倒钩，但都取得了成功。
这两种创新需要不同的能力，都能成功，但从概率上看，颠覆性创新的成功率可能更低一些。
🚥 Koji 以你自己的创业风格来说，你是更想做 3% 的创新，还是想做颠覆式的创新？
👦🏻 李楠 当我在刚入这个局的时候，我认为是应该做颠覆性的创新。当我在这里面被毒打了有 15 年之后，我认为应该先做好 3%。我在这15年的职业生涯里，见过无数的人犯无数的错误。其中一个最典型的错误也是会交很多的学费的，就是起步一个亿人民币起的学费的，就是以为自己是乔布斯。
🚥 Koji 你有以为自己是乔布斯的时候吗？
👦🏻 李楠 曾经有那么傻逼（笑声）。
🚥 Koji 可以讲一讲在以为自己是乔布斯的时候做了什么样的产品和决定吗？
👦🏻 李楠 魅族 zero 拿了 iF金奖，但是实际上并不具有良好的量产性，以及很难销售到很好的成绩。
🚥 Koji
那个创造的过程是快乐的吗？
👦🏻 李楠
是快乐的。其实我说这两种都是对的，是因为其实它们都是有一个完善的逻辑，并且有合理的例子的。说到颠覆性创新和只干 3%，其实它都是逻辑上合理的，而且它都有成功的例子跟牛逼的人物。
我认为颠覆式创新的逻辑应该从技术变革的根本来思考问题。在传统算力的情况下，我们必须针对具体场景、问题和用户提供解决方案。但 AI 完全颠覆了传统算力，黄仁勋给它取了个新名字叫 「加速算力」，而加速算力所代表的智能是通用智能。如果算力的根本发生了变化，那么设计产品的基本方法论很可能不再适用。以 Meta Glasses 为例，它并没有针对特定场景或解决具体痛点，却莫名其妙卖出了 200 万台。这说明在通用智能和加速算力的时代，传统的思维方式可能已经过时了。
我认为这反映了颠覆性创新的一个根本思维方式。在传统算力下，我们用技术进步来对应产品的解决方案，这种方法是受限的。但在通用智能和加速算力的时代，这种思维方式可能已经过时了。这就像在有了电之后，我们不应该去给马车安装空调，而应该设计一种全新的电动汽车。这才是颠覆性创新的思维方式。所有人在这个局面里面，就无论是当年的黄总，还是以前 OPPO 的老板，或者是小米的人，他们都经历过以为自己可以颠覆性创新的阶段。他们都以为自己可以在发现科技变革之后的一个真正的产品原型。但真正发现这个产品原型的人非常少。
那些以为自己是乔布斯的人，我在手机行业内见到的基本上都赔了一个亿以上。
另一种成功的路径是只做 3% 的改变。就像 Virgil 把耐克鞋上的标志调转了 180 度，这个看似微小的改变却让人印象深刻。这种 3% 的逻辑让我意识到，当你深入理解产品背后的原理后，会发现可能并不是所有人都犯了大错，而是很多天才在无数实践后只差那么一点点。这或许才是产品经理的真实状况。
🚥 Koji 你觉得乔布斯在做 iPhone 的时候，是以 3% 的方式还是颠覆式的方式去实现的？
👦🏻 李楠
我认为乔布斯的创新方式并不适合作为参考。他进入任何行业时，总是试图颠覆现有模式，提出全新的解决方案。就是 「你们都全错了，让我告诉你们正确答案是什么」。以 iPhone 的首次发布会为例，乔布斯直言不讳地批评了当时市场上的主流产品。他指出 BlackBerry 的全键盘设计忽视了触摸屏的潜力，而 HTC 使用指点杆操作屏幕则没有充分利用人类最自然的工具——手指。乔布斯的故事不是关于微小改进 3% 的故事，而是关于发现产品原型并进行颠覆性的创新。
🚥 Koji 我其实有点意外，因为李楠你在我心中是神一样的市场人和产品人。而今天你却表示，不再追求颠覆式创新，而是专注于 3% 的渐进式创新。这让我想起 Peter Thiel 曾说过的一句话：「我们曾经梦想会飞的汽车，最后却只得到了 140 字的推特。」
我很好奇你是如何看待自己的这种转变的。你会感到不甘心吗？或者说，你是如何理解自己当前的状态的？
👦🏻 李楠
我认为 3% 改变和颠覆式创新并没有高下之分。在我看来，乔布斯和 Virgil 都是非常杰出的人物。乔布斯颠覆整个行业的能力，和 Virgil 轻轻一点就能让产品点石成金的能力，对我来说都如同神迹一般神奇。
其实乔布斯的信息储备十分全面，见识也非常广博。在这样的基础上，他仍能产生颠覆性创新的想法，这很可能是真正的创新。而我所见到的许多自认为在进行颠覆性创新的人，从今天的角度来看，他们的想法仅仅是因为见识不足所导致的。
🚥 Koji 以为自己在颠覆，其实是在重走老路。
👦🏻 李楠 对，实际上早就有人做过这样的事情或者说创新。而且他一旦自己形成了这个想法之后，我拿出别人已经做过的事情给他看的时候，他会给自己找一堆的借口。
我认为中国创业者最应当警惕的是两个榜样。第一个是乔布斯。我亲眼见过至少十位知名行业大佬，为效仿乔布斯付出了超过一亿元的代价。
第二个榜样则是雷军。交了「雷军学费」的人主要是小米生态链的所有人。你只需看看他们现在的故事就能明白，他们都付出了相当大的代价。事实上，雷军的成功在于他卓越的成本控制能力，这一点常常被许多人低估了。
小米的成本领先优势不仅仅源于其极高的公司内部效率，还依赖于对供应链的大量订单追加和成本压榨。而且在这种模式下，小米自身的盈利能力其实相对较弱。所以雷军的这种商业模式必须匹配极强的资本市场运作能力。
这种能力体现在几个方面：首先在私募阶段能持续融到大量资金，并且能够成功将公司带入公开市场，还要能够进行长期有效的市值管理。即便如此，小米的也没太管理好市值。
如果一个企业无法完成这一整套资本运作，比如在私募市场缺乏坚定的大规模资本支持，或者无法最终进入公开市场并有效管理市值，让所有投资者获得回报和套现机会，那么这种商业模式就难以成立。
事实上，选择类似小米路径的企业中，可能有 99% 无法到达公开市场。即使成功上市的企业中，也可能有 90% 面临破发的风险。
🚥 Koji
你目前认为乔布斯不能学，雷军不能学。那么我比较好奇，你自己在学谁，以及你会鼓励 AI 硬件的创业者去学谁？
👦🏻 李楠
在我们所处的这个行业中，诱惑无处不在。有人可能因为一个产品在短短三个月内就赚了 1.6 亿，或者马斯克又推出了什么革命性的 Robot Taxi，彻底改变了人类的出行方式。面对这些眼花缭乱的诱惑，最重要的是我们要清楚认识自己的能力原点，明确自己做产品的真正根据。如果我们无法厘清这些关键问题，就很容易陷入迷茫。
遗憾的是，许多中国创业者常常陷入一种摇摆不定的状态：今天想学乔布斯，明天想学小米，后天又想效仿华为。
🚥 Koji
你有一个很有趣的观点，认为 「Meta Ray-Ban 不是从需求场景出发去做的一个硬件产品」这一观点反而是它成功的原因。你认为他们内部是如何做出这个产品的，它的 workflow 是什么样子的？
👦🏻 李楠
2023 年 3 月，GPT 模型发布。我们迅速建立了一个包括美国研究者和中国创业公司在内的广泛网络。到 2023 年下半年，我们形成了一个共识：大语言模型必将走向多模态，而在多模态发展中，视觉将是最优先的方向。
如果我们回溯 Meta 发布 Ray-Ban 智能眼镜的时间，会发现他们可能比我们更早意识到 AI 将具备视觉能力，并认定这种能力具有巨大价值。当 AI 拥有了强大的视觉能力后，我们在眼镜上所做的就是为AI 提供 「眼睛」。回顾 2023 年下半年，其他眼镜类产品的开发方向主要集中在为人类眼睛提供显示功能上。这些带显示屏的眼镜的逻辑是如何服务人类、满足特定场景需求。而带摄像头的眼镜则基于另一种逻辑：既然AI 已经具备视觉能力，那么它也需要 「眼睛」。
这是一个简单而直接的解释，虽然是我们对 Meta 内部情况的推测，但它能够清楚地说明为什么在所有人都在开发显示功能、研究光波导技术时，Meta 却选择在眼镜上安装摄像头。因为我们预见到 AI 必将拥有视觉能力，因此它需要视觉传感器，而 Meta 肯定比我们更早洞察到这一点。
我们了解一些内部消息，知道他们确实在研究显示技术。因为已经加入了摄像头，那么在镜片上做光波导确实是一个选择。但是，我们制定产品定义的逻辑只有两个依据，其他公司的任何决策都与我们无关。
我们的第一个依据是消费者洞察，第二个是科技进步的发展趋势。
我们认为，对摄像头和计算机视觉 AI 技术的进步不会停止。现在真正的多模态 GPT-4o 是原生多模态数据训练的。接下来，Llama 模型一定会完善这一点。而且 GPT-4o 的视觉能力还没有被完全挖掘，这是我们在技术进步方面的判断依据。
在消费者洞察方面，我们通过美国的 Discord 和中国的 QQ 集了一批购买了 Meta Glasses 的用户反馈。Meta Glasses 的优点已经有很多人讨论过了，我们主要关注用户的主要槽点，前三名很有意思。
第一名与任何高大上的功能无关，而是电池续航问题。用户反馈：「上午戴上时还很厉害，是个 AI 眼镜，到晚上吃饭时就变成了普通眼镜」。
第二个槽点是无法使用 GPT-4o。因为所有人都知道最聪明的多模态 AI 不是 Meta 的 Llama 3。
第三个槽点是设备还是有点重。
基于这些消费者洞察和我们对科技进步方向的判断，我们认为需要进一步挖掘大模型的视觉能力。与此同时，我们要解决 Meta Glasses 的三个最重要问题：
首先是续航问题，我们要想办法延长电池寿命。
其次是 AI 模型问题，以连接 GPT-4o 的形式在美国市场卖，让用户可以使用最先进的视觉模型。
最后是重量问题，我们不再增加新功能，而是专注于减轻设备重量。
🚥 Ronghui
你指的是怒喵在做的吗？
👦🏻 李楠
对，我指的是怒喵在做的。所以我相信 Meta Glasses 的下一步迭代有可能会上光波导，它会让眼镜变得更重一些，或者维持现在的重量再上光波导。但是一个更轻的、维持现有功能的产品，也有赢的机会。
🚥 Ronghui
我们观察到市场上涌现出许多智能眼镜相关产品。比如 Amazon 推出了 Echo Frame，其最大亮点是集成了 Alexa 语音助手。还有不少初创公司也在这个领域有所尝试。每当看到这些新兴的智能眼镜产品时，我都会思考一个问题：Google 是否会让 Google Glass 起死回生？
👦🏻 李楠
非常有可能。在行业内，我们有一个指标。这个指标是定义是否出现产品原型。我们通常用销量来判断一个产品是否成为原型，这种方式是最客观的。iPhone 第一代的全球销量在 70-140 万台之间，我们认为低于 70 万台的产品不足以成为一个品类的原型。而 Meta Glasses 的销量已经突破 200 万台，超过了这个门槛。所以 Meta Glasses 很有可能成为下一代 AI 时代个人随身设备的产品原型。
当一个产品突破了原型门槛后，重要的不是它做了什么，而是行业其他人的反应。我在华强北看到了大量关于智能眼镜的方案，可能有 20-30 个，甚至 40-50 个。Meta Glasses 的成功带动了华强北大量厂商疯狂研发各种眼镜方案，而且成本被压得非常低。我见过 300 元成本的方案，甚至有人用智能挖耳勺做出更低成本的方案。这些智能挖耳勺有蓝牙、摄像头，可以将耳道图片传输到手机上，价格非常便宜。
所以这意味着 Meta Glasses不仅用销量证明了自己是新品类的原型，而且整个行业都相信并蜂拥而上。可以预见，中国品牌很可能在短时间内将智能眼镜的价格压到 99 美元，甚至更低。
从创业者角度看待产品创新
🚥 Koji
所以在这样的情况下，你觉得创业者要怎么做，或者你自己会选择怎么做？
👦🏻 李楠
我认为我们首先要看整体市场规模。这已经不再是百万级的问题，而是几千万级、3000 万级、5000万级，甚至上亿的市场规模。因为竞争对手已经将价格压得很低。
与此同时，真正的问题是：「当小米模式出现，所有人蜂拥而上，市场规模迅速扩大时，我们的核心竞争力是否是成本领先？」答案显然是否定的，因为竞争太过激烈。虽然不排除有人能做到成本领先，但他们随即就要面对一个问题：「如果小米也进入这个市场，该怎么办？」
在魅蓝阶段，我们曾与小米竞争过。事实上，魅蓝更像是小米的朋友，而非敌人。我们对小米保持了 2 : 1 的转化率。我们只是解决了那些对小米感兴趣但不满意的人的需求。他们认为小米缺乏审美，不认同 「没有设计就是最好的设计」这种说法。我们提供原创设计，价格略高 10%，这证明了这条路是可行的。
同样的逻辑也适用于眼镜行业。中国人擅长用一半的价格做出及格（60 分）的产品。那么，我们能否用三分之一的价格做出 70 分的产品呢？实际上，在魅蓝时期，我们用一半的价格做出了 70 分的产品。而在怒喵的案例中，我们证明了中国人可以用 7 倍的价格做出 90 分的产品。
🚥 Koji
所以在你的这个判断里面，不是去卷成本，卷低价。而是去用更高的成本去做一个更高端的产品以服务垂直人群的市场。
👦🏻 李楠
我认为关键在于量化。这个方向其实谁都可以说出来，但关键是如何量化。让我们做一个假设：当市场被半价的 60 分产品迅速扩大后，我希望他们能尽可能多地上架产品，价格杀得越狠越好，最好能达到 5000 万或 1 亿的基础用户量。这时会发生什么呢？其实就是典型的消费升级。用户体验过这些产品后，会发现这些便宜的产品存在各种问题，从而寻求更好的选择。
🚥 Ronghui
那应该如何量化这个市场呢？
👦🏻 李楠
我们有一个比较经典的快速计算公式：假设你的竞争对手的产品定价为 100元，创造了一个 5000 万的市场。那么你可以大致认为，在 200 元的价位上，会有约四分之一规模的市场，也就是大约 1250 万的市场规模。而在这个市场中的竞争对手其实很少。
🚥 Ronghui
这个有没有相关的案例？
👦🏻 李楠
我们对多个行业进行了深入调研，包括电风扇、冰箱和手机行业。手机行业在某个历史阶段曾被苹果的强大能力扭曲，苹果以极高的价格占据了接近 40% 的市场份额。但最终，所有行业都回归到了一个普遍规律：主流产品以一倍价格占据 70% 以上市场，高端产品以两倍价格占据 20% 以上市场，而顶级产品以七倍价格占据不到 10% 的市场。
从消费者心理来分析，这种分布反映了不同群体的消费需求。对于经济能力有限的消费者，他们会选择性价比高的产品，只要能用就行。当消费者有了一定经济基础，会追求消费升级，选择略贵但品质更好的产品。而对于非常富裕的消费者，他们会追求与众不同，选择价格极高的产品来彰显身份。
值得注意的是，3 到 5 倍价格的产品往往缺乏市场空间。这是因为高端用户咬咬牙也能买得起，而顶级用户则会认为这个价位不够 「疯狂」，无法满足他们彰显身份的需求。相比之下，7 倍价格的产品能够满足顶级用户的这种心理需求。
🚥 Koji
所以怒喵的键盘也是从这个角度去做市场定位的吗？
👦🏻 李楠 对。我们调研了一下全铝合金的键盘，小米卖 500。那我们说 OK，我们卖 3500，七倍的价格差距。所以我们是从 3500 起跳的。
🚥 Ronghui
有没有什么对于新一代消费者的一些洞察。比如说接下来会买眼镜的人跟 10 年前买 iPhone 的人会有什么区别吗？
👦🏻 李楠
我认为 Meta Glasses 与 AI 设备有很大区别，因为它的能力相对有限。本质上，Meta Glasses 并不是一个真正的 AI 设备，它甚至没有 AI 功能。它更像是一个连接能力较弱的传感器，让用户拥有了 AI 的 「眼睛」和「耳朵」，但「大脑」仍在云端所以将 Meta Glasses 称为 AI 设备本身就是一个误导。
但是我们认为传感器实际上是硬件行业最具价值的领域之一。虽然我们可能无法训练大模型，但训练大模型的人需要在真实物理世界中让拥有视觉和听觉的 AI 获得真正的传感器输入。因此在 AI 革命中，我们是不能缺席的。
我们的重要使命之一就是将传感器布置在真实的物理世界中。这也是 Meta Glasses 这类产品必然成功的根本逻辑之一。
从商业模式的角度来分析，我们可以将开发大模型的公司（如 OpenAI 或Anthropic）比作 「挖金子」的人，他们可能会发现金矿。而我们并不是在挖金子，我们不是 AI 公司，我们更像是 「卖牛仔裤」的人。
🚥 Koji
现在最热门的 AI 硬件风口分别是眼镜、项链和耳机。我们之前一直在聊的是眼镜，这是不是意味着你在现在这三个方向里也最看好眼镜？
👦🏻 李楠
我个人对此有不同看法。我确实很看好眼镜这个产品。它是目前最好的随身 AI 传感器，这一点至关重要。但是它并没有真正的模型，也没有真正的加速算力，因此不能被称为一个 AI 设备。它只是一个 「牛仔裤」，不是一个「金矿」。
我认为已经出现了第二个真正的端侧 AI 设备：特斯拉的电动汽车。特斯拉 FSD V12 已经向百万级用户发布，这是一个真正的端侧 AI。它不仅能替你开车，目前的口碑和表现都非常出色。这是第二个达到百万级别、跨越了我们设定门槛的端侧 AI 设备，它是一个真正的 AI、是一个机器人。
正如埃隆·马斯克所说，特斯拉不仅仅是一家电动汽车公司，它与中国的其他汽车制造商不同，也不需要与比亚迪等公司进行比较，因为特斯拉本质上是一家机器人公司。之所以这么说，是因为 FSD V12 让特斯拉的汽车拥有了一个本地的端侧模型。这个模型可能是混合型的，但它已经接管了自动驾驶功能，具备感知能力和决策能力。
功耗问题解决后，真正的端侧 AI 已经出现了
🚥 Koji 因为做 AI 硬件肯定绕不开端侧模型，那你们应该也是在大量的测试各种各样最新的端侧模型。所以比较想请你展开讲一讲，目前就你测试和观察到的这个端测模型的一些行业进展。
👦🏻 李楠
正是因为我们认为眼镜本质上不是一个 AI 设备，而特斯拉 FSD V12 是一个真正具有端侧模型、随身大脑的硬件设备，我们就不得不思考一个问题：在眼镜越来越轻的情况下，我们无法在其上搭载端侧模型。电动汽车能最先搭载端侧模型是因为它几乎不受电力和算力的限制，体积大，可以布置更多的芯片，空间限制也不大。
那么端侧模型最终能延伸到多小的设备上？这是一个值得探讨的问题。端侧模型最大的挑战其实不是空间、算力或内存等问题，而是功耗。设备越小，电池就越小，工作时间就越短，因此功耗变得至关重要。我们认为对话式模型在端侧没有机会的一个重要原因就是它太耗电了。
我们测算过，如果在手机上运行 GPT-3 级别的模型，大约只能进行 30 句对话就会耗尽电量。
但是特斯拉 FSD V12 给了我们很大的启发。模型不一定要是用来对话的。虽然它有 AIGC 的能力，可以生成语言，但它主要用于感知世界并控制汽车。斯坦福两位中国学生开发的 「章鱼」模型也给了我们新的思路。这个模型大小只有 1b，拥有一定的视觉能力，它不是用来对话的，而是用来控制你的硬件。它学会了Android 的所有 API，而且我们测试发现它的功耗非常低。
我和这个大模型的创始人之一交流过，他的意思是，当 AIGC 针对语言进行无限生成回复时，它非常耗电。但如果有效限制了它的生成范围，只需要在几个 API 中做选择，它就会突然变得很省电。这是我们目前在所有端侧模型中发现的最重要的认知：
模型一旦训练完成，部署到设备上，做「理解」是省电的，但「生成」是耗电的。
所以我们未必需要等待端侧模型进一步降低功耗，或发现新的比 Transformer 更好的神经网络结构。我们只需要调整需求，端侧模型就可能在更小的设备上得到有效应用。我认为目前如果我们要划定一个界限，我不会把它划到眼镜上，因为眼镜需要做得更轻。但我会把它划过手机，比手机更小、算力更弱的设备上是有机会搭载端侧模型的。
举例来说，充电宝或更小一点的轻量化头戴耳机都是有机会的。至于眼镜，因为这个位置对重量太敏感了，我们可能还是会优先考虑让它变得更轻。
🚥 Koji 在刚才提到类似 「章鱼」这样的端侧模型，它因为重点在于理解，而不重点在于生成，所以它把能耗效率做得很高。在这样的背景之下，你能想到什么样的事情可以因此而发生？
👦🏻 李楠
如果我们回归用户痛点和场景需求的逻辑，像 Plaud 这样的产品确实是一个很好的选择。这证明了传统的产品开发方法论仍然能够产出优秀的产品，而且他们在短期内也取得了可观的经济收益，据估计已经达到上亿规模。
但是基于我们对端侧模型能力的理解，我们认为所有硬件最终都会进行重新设计的本质原因是：我们今天终于有机会用自然语言来控制硬件了。我们关注的重点已经从利用自然语言理解能力来生成对话回复，转变为利用自然语言理解能力来生成对硬件的控制指令。
这是我对端侧模型的一个最大期待，也是我们未来产品开发的方向。
🚥 Ronghui 你觉得发布产品的预期时间是什么时候？你在另外一个博客里说到你们的产品预期是年底，截至目前有什么更新吗？
👦🏻 李楠
我们的硬件演示版本即将发布，紧接着会配套相应的软件。我们的目标很明确——让用户能够用自然语言控制硬件设备。这意味着用户无需再阅读繁琐的说明书，也不用研究那些难懂的按钮和菜单。
这种改变可能看起来只是提升了 3% 的用户体验，但在技术层面却是革命性的。如果设备内置端侧模型，能够理解用户意图并直接控制硬件，那么它就成为了一种全新的产品形态，真正体现了加速算力对用户的价值。
我可以再举一个例子来说明这种变革。想象一下三年后的空调，它很可能不再需要遥控器。取而代之的是一个远场麦克风，能在空调周围 3~4 米范围内捕捉用户的语音。用户不需要使用精确的指令，只要说「这风是不是吹得有点难受」，空调就会自动调小风力。这样的未来其实并不难想象，而且很可能很快就会实现。
🚥 Ronghui
说不定在明年的 CES 上可以看到很多这样子的新样品。
👦🏻 李楠 我认为是的。甚至我觉得 1b 的模型所需要的算力并不是非常高，成本并不是非常贵。很有可能一些很邪门的产品都会上端测模型。举例而言就是也许你的桌面充电管理的那个玩意儿，再加一个排插的那种东西，它都可以上端测模型。
🚥 Koji 如果家里到处是这个麦克风，那会不会有时候一些话会被误读？
👦🏻 李楠 有个八卦是这样的，说某品牌的扫地机器人会利用自己的麦克风来决定在它的品牌 APP 里面是否给你推送避孕套广告。
🚥 Koji 这个听起来很不妙，这意味着它在窃听。它会给你推这个，也应该会推很多别的东西。
👦🏻 李楠 用户最终会主动或被动地用自己的隐私数据换取便利，这个趋势其实一直没有改变。在调研 Meta Glasses 时，我们遇到了另外一群用户，他们的想法让我想起了《三体》中相信三体人会拯救人类的 「拯救派」。这些用户甚至向我们提出了一些超出预期的需求，比如希望 Meta Glasses 的摄像头能够全天候开启，只要佩戴就持续录像，并将所有视频实时传输给 AI，让 AI 能够帮助他们记住一天中发生的所有事情。
🚥 Koji 这类用户的存在可能并不令人意外。我认为他们可能是对隐私极不敏感的群体，或者是安全感极强、从未经历过相关伤害的人。
👦🏻 李楠 对，所以我觉得在 AI 时代，用户里即会出现拯救派，也会出现反抗派。
🚥 Ronghui 那你是哪一派？
👦🏻 李楠 我不知道。此时此刻我只能发现自己的使命：首先是要补齐传感器这一环节。AI 已经拥有了听觉和视觉能力，但它还需要更多的传感器来感知世界。与此同时，我希望能够在尽可能多的设备上部署端侧模型，让我们长期以来生产的各种 「死」的 3C 电子产品真正 「活」起来，为用户带来更多价值。至于未来究竟会演变成哪种形态，我其实并不太在意。我现在的重点是把眼前的工作做好，把这些基础铺设完善。
🚥 Koji 活在当下，既往不恋，未来不杂，纵情向前。
👦🏻 李楠 对，因为这两个使命真的不容易。
创业方法论的升级：不要高估自己的胜率，比钱更重要的是时间
🚥 Koji 这次和之前的创业，不管在魅族还是做怒喵的机械键盘或者之前的那些产品，你自己有哪些方法论上的升级吗？
👦🏻 李楠
在创业过程中，我认为 99% 创业者都高估了自己产品定义的成功率。很多人认为自己的第一次尝试就能命中靶心，或至少接近目标。
我认为产品定义并非一个连续的过程，它更像是一个非黑即白的结果：要么大获成功 （拿 200分 ），要么彻底失败 （只拿 20 分）。
根据我的经验，大多数创业者的成功率可能不到 20%。因此，我建议创业者不要高估自己的成功概率，而应该做好充分准备。即使你运气好，第一次就成功了，那也可能只是侥幸。我建议至少准备三次尝试的资金，如果融资能力强的话，甚至可以准备五次。这是我在方法论上的一个重要升级。
除了资金之外，时间也是一个关键因素，特别是在硬件领域。无论是复杂的手机还是相对简单的键盘，开发一个高质量的硬件产品通常需要 12 个月的艰苦努力。如何节省时间比节省资金更为重要。
基于我之前在软件领域的经验，我们相信快速迭代的重要性。我们一直在探索如何将软件开发中快速、短周期的迭代方法应用到硬件开发中。最终我们形成了一个相对简单的方法：利用成熟的 3D 建模和渲染技术，我们会为一个确定的产品概念制作约 7 个非常逼真的虚拟样品。然后我们会让优秀的营销人员为这些 「虚拟产品」制作 7 张精美的宣传海报，就像真正的产品发布一样。
这个过程可能会很耗费精力，而且其中 6 个方案最终会被淘汰。但这种方法可以大大缩短硬件研发周期。通过在我们积累的私域社区中测试这 7个虚拟方案，我们实际上在 12 个月内完成了 7 次产品方向的测试。
🚥 Koji
用户知道这些产品是假的吗？
👦🏻 李楠
用户知道。我们在向用户展示这些概念时，我们会坦诚地表示这些只是初步构想，询问他们的意见。有些用户可能会直接批评，但也有用户会表现出极大的兴趣。这种方法使我们能在 12 个月内完成相当于 7 次迭代的工作，大大提高了我们找到正确产品定位的机会。通过这种虚拟化的方式，结合强大的市场营销能力，我们能够在没有实际产品的情况下，生动地展示产品概念，甚至制作概念视频。这种方法极大地提高了我们在硬件开发中的效率和成功率。
🚥 Koji 其实这个事是所有做硬件，甚至就是做实体消费产品的人都希望实现的。就听起来它不是一个非常复杂才会想到的方法论。但在怒喵你觉得能够真的执行落地，这背后比较主要的原因是什么？比如是什么样的企业文化，或者什么样的大家没有看到的一些工作流？
👦🏻 李楠
我认为这种方法的成功很大程度上源于我之前在软件领域的经验，我深信迭代的力量。对于那些不理解或不相信这种方法的人来说，要投入相应的资源可能会很困难。
这种方法确实对我们的工业设计团队提出了更高的要求，也导致了营销团队的扩大，这些都是额外的成本。很多人可能会质疑为什么要把那 6 个最终会被淘汰的方案做得那么完美。如果他们不理解或不相信这种投入的价值，最终就不会采取这种方法。
我们成功的另一个关键因素是，我们在自己的私域社区中聚集了一群富有想象力、对新技术充满热情的用户。这些用户总是在畅想未来的产品，以拥有代表明日科技的产品为荣。他们非常乐于参与这种讨论，并不认为这是无意义的空想。
当我们的团队与这些用户进行深入互动时，就会产生一种奇妙的化学反应。这种反应能帮助我们快速发现一个硬件产品的正确定义。通过这种方法，我们能在 12 个月内完成相当于其他公司 7 次迭代的工作，大大提高了我们找到正确产品定位的机会。
🚥 Koji
在生成式 AI 刚刚问世时，我相信大家都对 AI 抱有许多幻想。随着时间的推移，我们发现有些幻想确实不切实际，已经破碎了。但同时也有一些进步仍然值得我们期待。所以在你想象中那些被破碎的梦想里面，让你觉得最印象深刻的是什么？以及现在还留下的，你觉得最有可能能实现的又是些什么？
👦🏻 李楠 我们一直在尝试探索 AI 能力的极限，但我们的方向可能与他人不同。对我们而言，最关键的是评估端侧 AI 的功耗。作为曾经的软件工程师，我清楚地认识到 AI 革命的关键所在。它是人类历史上首次出现的通用智能，其特点是会犯错。正是因为它会犯错，才带来了与以往写死逻辑完全不同的可能性。
所以我对 AI 的革命性是没有任何怀疑的。
但同时我即做软件，也做硬件的工程，我并不过分关注 AI 是否能像科幻电影中的角色那样。我真正关心的是，当我们拥有了这种可能会犯错但能处理更广泛问题、覆盖更多场景的通用智能加速算力时，我们能做些什么更好的事情。
我们将这种思维方式简单总结为一个词：improve。我们不应该过分关注我们的欲望是什么，也不要为目前做不到的事情感到遗憾。我们真正需要思考的是，我们能否在今天的产品基础上向前迈进一步。只要能往前走，它就有价值，就是一种进步。
因此我们用 improve 的思维方式去探索 AI 能力的边界，探索它的最低功耗。这就是我们作为工程师的思维方式。
311 大地震后的领悟：当下的重要性
🚥 Ronghui
我们来聊聊个人经历吧。你前面提到要知道自己能力的原点，要知道做产品的真正的根据。可以说一说你自己意识到这些的时候是发生在什么时刻吗？
👦🏻 李楠
从日本 3·11 大地震之后，我明白了两件重要的事：
第一，当你意识到下一秒可能就会被洪水、核泄漏或地震夺去生命时，此时此刻你所拥有的全部能力、资源和知识，就是你能交付的最好结果。不要期待明天，也不要期待下一秒。当你需要做决定时，就果断做决定，只要不让自己后悔就行了。
第二，无论是乔布斯的未来预测能力有多强，还是小米的营销能力有多出色，我们所拥有的本质上只是我们对当前整个技术行业的理解，以及对当前整个消费市场的理解。我们所有的产品创新一定是以这两个方面为基础的，而不应过分关注埃隆·马斯克又发射了什么火箭，或者小米在某个地方创造了怎样惊人的销量。
🚥 Ronghui
在日本大地震那会儿，你当时是一个什么样的职业阶段？你是经历了地震这个事情吗？
👦🏻 李楠
当时我的妻子和孩子都在东京，我想回上海，但机票被炒到两万多一张还买不到。后来我们把他们送走了，只剩我一个人留在东京。那时我在 NEC 工作，我发现在这座拥有 4000 万人口的城市里，地铁仍然照常运转，便利店每天准时开门，店员平静地收钱，仿佛一切如常。
在日本文化中，一直有一个概念叫 「当下」。它告诉我们不要考虑太多无关紧要的事情。过去是人无法改变的，未来是只有神才知道的。对于人类来说，我们能把握的只有此时此刻。这种文化和道理我一直都明白，日本的茶道等传统艺术也一直在传达这种思想，包括日本人常说的 「一期一会」（强调人们应当珍惜每一次相遇，认真对待每一个时刻，因为它们都是独特而不可重复的）。
然而只有在那个时刻，当我真的非常不确定下一秒是否还能活着的时候，我才突然深刻理解了「当下」的真正含义。我意识到我更不能浪费现在的每一秒。
🚥 Koji
经历了 311 之后，你的决定不再是基于明天和未来可能会发生什么，而是今天此刻我已经有了哪些东西。在这样的一个做决定的 mindset 之下，回忆一下在怒喵的这个创业历程当中，有哪些决定是这么做出来，并且你觉得做的很好、很对的？
👦🏻 李楠
在魅族和目前的工作中，我所有的决定都遵循这个原则。以我第一次担任营销副总裁为例，当时手头有约 70 万的库存需要处理。如果不迅速处理掉，魅族可能在 4 个月后就会倒闭。许多人都在问我，如果公司倒闭了怎么办？我的回答是，那是 4 个月后的事。还有人质疑当初为什么下了这么多订单，为什么不能少一点？我说，那是 6 个月前的事。重要的是，此时此刻我们该怎么办？
我们提出了 3 个方案。以我当时的能力和知识，无法判断哪个是最优的。于是我前往北京，找到真正精通销售的专家，让他们为我分析这 3 个方案背后的逻辑。听完他们的分析后，我回到珠海，提出了第 4 个方案。这个方案需要花费 8000 万人民币，但能处理掉所有价值几十亿的库存。
有人问，如果这个方案不成功怎么办？我说，那也是下个月的事。此时此刻，我们需要决定是否执行这个方案。最后，大家一致同意实施，结果我们确实成功处理掉了库存。
🚥 Koji
那个营销高人是怎么找到的？
👦🏻 李楠
我找了几位覆盖不同销售渠道的销售高管：友商的销售高管、京东的销售高管，以及运营商渠道和线下渠道的销售高管。这些人代表了手机销售不同渠道的形态和逻辑。
我先让我的团队提出了 3 个方案，然后我带着这些方案去北京与这 4 位销售专家进行深入交流。通过这次交流，我真正理解了中国手机销售全渠道的内在逻辑。
🚥 Koji
那个时候应该是你压力非常大的时刻，一方面你是新官上任面临着巨大的压力，而且同时时间也在一直倒计时。
👦🏻 李楠
我个人的特征是既不失眠，头发也保持得很好。相比之下，我手下负责营销的人已经秃顶了，而负责销售的人则长期失眠。
🚥 Koji 你之前成长里面的哪些经历，让你练就了现在这样的稳定心态和很有韧性的风格？
👦🏻 李楠
我认为造就我现在这样稳定心态和韧性的原因有两点：
第一，当你真正理解 「当下」的文化，意识到未来不是你应该过分考虑的事情，过去也没有悔恨的必要时，你的压力会小很多。
第二点是天生的性格特质。有些人在面对压力时会产生消极反应，而有些人则会积极应对。我发现自己属于后者，在压力面前能够保持积极的态度。
所以你判断你应不应该创业，我建议你首先要回忆一下你的逆风时刻。如果你明显的表现为越逆风越兴奋的那种状态，那 OK 你是适合创业的。但如果你没有这种状态，那你要小心一点。
🚥 Ronghui 那可不可以理解为以前你比较喜欢日本的文化，对日本文化里讲述的这些东西也有自己的参悟。然后在 311 那个比较极限的时刻，把这些东西都体现出来了？
👦🏻 李楠 我认为这涉及两种境界。
第一种是知道，有些人可能根本不了解茶道在讲什么，也不明白「一期一会」的含义。
第二种境界是相信。但要真正相信，我认为你必须经历那种下一秒就要失败的情况。就像我们今天讨论的，无论是做颠覆性创新还是做 3% 的改变，有些人可能知道这个道理，甚至以为自己相信。但真正去实践时，你会发现自己其实并不相信，反而还以为自己是乔布斯。
对苹果公司的看法
🚥 Ronghui 马上就要发 iPhone 16了，你对 iPhone 16 有什么新的想法以及你觉得iPhone 16 的 improve 是什么？
👦🏻 李楠 我对苹果的 AI 架构有一个深刻的感受：苹果实际上并没有非常强的模型能力，但又不愿意承认这一点。如果是我，我会直接在云端使用 GPT-4o，因为它目前在各方面评分最高，能力最全面。消费者在市场调研中也明确表示，他们不想使用其他模型，而是希望使用 GPT-4o。但苹果却坚持在云端搭建自己的模型，这显示出苹果心有不甘。
因为在非加速算力时代，苹果是整个价值链的核心。它不仅生产手机、芯片，还很快会搞定 model 通讯。苹果制造自己的系统，无论是 macOS 还是 iOS，都是整个价值的核心。然而在 AI 时代，如果苹果没有自己极强的模型能力，实际上就会沦为 「卖牛仔裤」的角色。我认为苹果可能还需要一些时间来接受这个现实。
🚥 Ronghui
大家其实都在讨论下一个硬件是什么。苹果作为一个非常有积累的公司，大家都会说它的创新空间变小了，但是手机仍然是我们生活中一个非常重要的一个设备。所以你觉得如果苹果要 improve， 那么它会很着急要 improve 什么？
👦🏻 李楠
我来推测一下苹果的模型架构。以我们现在对端侧模型的认识，苹果在手机上部署了一个约 3B 参数的端侧模型。在云端，它确实放置了自己的模型，同时也会转发请求给 GPT-4o。在这个架构下，我认为苹果真正的金矿其实是端侧模型。而且，端侧模型一旦部署，在模型「理解」这个能力上相对来说是比较省电的。
我相信苹果的端侧模型会大幅改善 Siri 理解自然语言的能力。据我所知，苹果也与 「章鱼」团队有接触。他们可能会在理解的基础上做以下几件事：
替你更好地控制硬件，学习 iOS API。
当需要处理更复杂的任务，转发给云端 AI 时，端侧模型可以基于良好的理解情况下，可以为云端模型提供更好的上下文。因为它有系统级别的权限，所以可以收集更完善的场景及环境数据。苹果有一个可能被忽视的 AI 相关专利，是根据手机屏幕上显示的界面来猜测用户在做什么。当用户的需求被发送到端侧模型时，这个模型能帮助云端模型更好地理解当前的环境和背景。因此，该模型的 prompt 会比其他手机更有效。
苹果的端侧模型会替代所有那些私有模型，更好地管理用户数据，确保隐私。
我认为，如果苹果能在 iOS 16 上通过端侧模型做好这 3 件事，那将是苹果手机真正的价值所在。至于云端，我建议他们老老实实地交给 GPT-4o 处理就可以了，不要瞎折腾。
当下 AI 产品的实际应用
🚥 Koji
最近我有个有趣的经历，让我感慨 AI 的普及速度之快。前几天去餐厅吃晚饭时，服务员告诉我点评可以送饮料。我把手机递给他，竟发现他开始用 AI 来写点评了。好奇之下，我问他用的是什么 AI。他告诉我是搜狗输入法，在屏幕上吊起时时就可以快速写好评。这让我想起我自己平时用的是海螺 AI，它有个辅助气泡功能，只需点一下就能截屏，然后 AI 会自动识别是点评写好评的页面，并快速生成内容，我只需一键提交就行了。
👦🏻 李楠 我觉得大众点评如果发现他的用户评论开始失效的时候，它甚至会直接在评论下面给你一个判定，98% 的概率是 AI 生成的评论。
🚥 Koji
最近我注意到一款名为 「恋小语」的 AI 产品引起了一些关注。这款软件的主打功能是在恋爱聊天中提供实时建议。当你在回复对方消息时，如果 AI 认为你的回复不够恰当，它会在输入法旁边给出更好的建议，以达到更理想的沟通效果。这个产品让我思考了一个问题：如果你的对象知道你在使用这样的 AI 辅助工具，他们会有什么反应？我发现人们对此有截然不同的两种态度。一种观点认为这是一种侮辱或敷衍，可能会让人感到非常生气。另一种更成熟的看法则是，沟通本来就是需要不断学习和进步的过程。只要相信对方本质上是爱你的，那么他们使用 AI 来提高沟通技巧，其实是一件值得欢迎的事情。
👦🏻 李楠 我认为，我们可以将所有的科技进步都视为人类器官的延伸。在这个框架下，AI 也可以被看作是我们自身能力的延伸。今天不使用智能手机在某种程度上可能被认为是一种落后的行为。尽管如此，我们确实看到过有人抵制智能手机，包括在当今的美国，还有一些人选择使用所谓的 「傻 」手机。但无论是智能手机、智能眼镜还是其他 AI设备，本质上都是人类新的 「器官」。因此使用 AI 辅助的输入法来帮助修饰回复，不过是多了一个 「外脑」而已。科技进步最终是对每个人的器官的增强。这种增强可能在某种程度上会限制他人的自由。在这个过程中，我们需要反思和权衡。如果最终给整体社会带来的便利，超越了对个人自由的些许侵犯，那么经过一段时间，社会可能会接受这种状况。值得注意的是，这种 「侵犯」并不涉及抢夺财产或限制人身自由。我相信随着时间推移，这个问题最终会被社会接受，并通过技术手段得到解决。
🚥 Koji
可能最终会被接受，也可能被技术去解决，或者被一些新的政策或者理念来去对抗。
对国内 AI 硬件的看法 & 常识与误区的思考
🚥 Koji 我们聊一聊比如说华为、小米，甚至老罗他们在做的这些AI硬件。
👦🏻 李楠
我大概知道他们在干什么。但是本质上跟我们的产品逻辑并没有真正的关系。但是我可以提供一些数据供大家参考。在讨论产品开发时，我认为有几个重要的观点值得分享：
产品原型绝不是凭空出现的。很多人因为不了解历史，可能会认为iPhone 是一个突破性的发明。但实际上，在 iPhone 之前已经存在大量的触控屏设备，只是没有电容触控而已。比如 PDA、诺基亚的 MIMO 设备、索尼的TH系列等等，这些都是 iPhone 的前身。
这个道理同样适用于现在的 AR 眼镜市场。当我们看到 Meta Glasses 突破 200 万销量时，我们应该回顾一下它出现之前的市场状况。在 Meta Glasses 出现的前 3 年，音频眼镜这个品类就已经在快速发展。以华为为例，他们的销量从 20 万上升到 50 万，又上升到 70 万。这意味着整个行业可能已经达到了几百万的保有量。所以说，产品原型的出现一定会有前兆，不会毫无征兆。
小米也进入了音频眼镜市场，但他们并不是因为 Meta Glasses 才跟进的。他们可能是看到了华为卖得好又卖得贵，所以决定以十分之一的价格做一个及格线上的产品。现在他们可能会借着这股风潮，简单地加个摄像头就宣称是Meta Glasses 的竞品。这在某种程度上也是运气的成分。
老罗的产品开发进度似乎有点慢。我知道他在做什么，经过了多次推倒重来，但长时间没有产品面世并不是一个好现象。
🚥 Koji
在整个 AI 硬件的领域里面，有没有什么你今天认为是常识，但是一般人他们不知道或者不认可的事情。
👦🏻 李楠
我认为有一个重要的误解需要澄清：AI 眼镜并不是真正意义上的 AI 设备，它一点都不加速算力。很多人低估了传感器的重要性。
在这个行业中，包括业内人士和投资人，经常会问一个不太恰当的问题：「这个设备能做的事，我用手机装个 APP 不就行了吗？」
手机需要从口袋里拿出来，还会占用一只手。这个观点在过去很难得到认同。直到 Meta 眼镜的销量突破 200 万时，人们才开始意识到我之前说的有道理——我们确实需要一个不用从口袋里拿出来、又具备所有 AI 所需传感器的设备。
所以其实，知道和相信是两回事。很多人需要看到实际的成果才会相信。
🚥 Koji
还有哪些有误区的问题？
👦🏻 李楠 我觉得还有一个很大的误区。我认为 AI 犯错并不是一件坏事。它是真的可以比那些写死的代码提供更柔软的通用智能的能力。理解这一点非常重要，因为它揭示了算力性质对软件的深层影响。我们常说软件决定硬件，就像 iOS 的电容触控算法决定了我们可以用手指流畅操控屏幕。但更深层次上，是算力的性质决定了软件。当我们从传统算力进化到加速算力时，算力的性质发生了变化。所以有人会说所有软件都需要重写，硬件也需要重新设计。有人预言 AI 会吞噬软件，就像软件曾经吞噬了世界一样。这是当年 OpenAI 的一个创始人说的。这个观点在几年前还不被普遍认可。直到特斯拉发布了 FSD V12，一个端到端的感知决策一体化模型在车上成功运行。特斯拉宣布他们将自动驾驶的代码量从 30 万行减少到了几千行以内。这标志着 AI 真正开始吞噬软件的时代已经到来。
🚥 Koji
我觉得是一个非常有趣的一个说法，就是 AI 会出错，它不是一个坏事。可不可以提供一个更具体一点的例子，如何把它的出错反而扭转回来，变成一个好事，甚至变成某种功能、某种价值？
👦🏻 李楠 我作为前程序员的经历让我深刻理解了一个重要原则：如果输出错误，通常是人的问题，而非机器的问题。这源于冯·诺依曼架构的特性，它几乎百分之百的确定性使得错误极为罕见。
但是这种高确定性也意味着传统算力其实是相当呆板的。它只能根据确定的输入处理确定的情况。举个例子，你搜索 「黑神话悟空」，能找到相关视频。但如果搜索 「关于美猴王的游戏」，可能就搜不到任何结果。
这种算力特征导致我们花了几十年时间不断训练用户：你必须使用正确的关键词，不能用模糊的方式搜索。这其实是违背人性的。
而今天，大语言模型拥有了处理模糊信息的能力。比如，如果你问 GPT 4o 「最近很火的一个关于孙悟空的游戏是什么？」，它很可能会给出正确答案。这种能力是传统软件和算力所不具备的。当然这种灵活性必然会带来一些代价。
🚥 Koji 我可以理解为机器在接受信息的时候变得更包容了，而不是它会出错了。它会出错是它输出的时候会有一些幻觉，或者它会有一些事实上的误差。那这个如何理解它是好的呢？
👦🏻 李楠
正是因为 OpenAI 允许错误的存在，才使得规模效应真正发挥作用。这种柔软的理解能力自然会带来错误的可能性，这是不可避免的代价。我们不再依赖几乎不会出错的 if-else 逻辑来输出结果，而是通过一个我们训练出来的、规模庞大的神经网络来生成输出。
这个系统的内部工作原理甚至连我们自己都无法完全理解。在这种情况下，它可能会产生各种意想不到的结果。因此，如果我们不允许错误的存在，就不可能拥有今天这样的 AI 技术。
🚥 Koji 我觉得这其实是接受了一定的容错度，换来了 「海阔天空」。
👦🏻 李楠 换来了真正的通用智能。
现在与过去在硬件开发上的不同 & 对 AI Pin 的一些看法
🚥 Koji 你现在在做 AI 耳机的时候，拿和过去开发产品的经历作为参考，你会觉得有哪些不同吗？这些不同有哪些是因为 AI 而来，有哪些是因为人生阶段或者创业经历的不同而带来的？
👦🏻 李楠 我经历了两个重要的阶段。第一个阶段是在长期关注 AI 相关研究的基础上，GPT-4 在 2023 年 3 月的发布让我突然意识到规模法则的真实威力。尽管我们之前就知道规模法则，但 GPT-4 的效果远超预期，让我深信超大规模神经网络确实能真正理解人类自然语言。这是一个非常震撼的时刻，可以称之为 「iPhone时刻」。
基于这种加速算力和通用智能能力的突破，我们开始思考真正的硬件应该是什么样的。在这个过程中，我们也经历了一段迷茫期。我们曾看好过 AI Pin，也否定过 Rabbit R1，对 Meta 的智能眼镜也没有很强的辨识度。直到 Meta 眼镜销量突破 50 万台时，我们意识到可能有些不同寻常。我们开始判断它是否会突破 70 万台的关键阈值。这成为了第二个「iPhone时刻」。
从那时起，未来的道路就变得清晰了。回顾 iPhone 自 2007 年发布至今，这么长时间里没有人真正颠覆过 iPhone 的产品原型。我们在 iPhone 上所做的大多是输入方式的改进。我相信 Meta 眼镜奠定的这种模式——在体外为人类提供 AI 实时辅助的基本模型——会在相当长的一段时间内保持稳定。
🚥 Koji
曾经你一度认为 AI Pin 不错，但后来调整了这个判断。有没有类似这样的对产品、一些想法和观点的判断，你半年或者一年前还是相信的，但今天你自己给它推翻了？
👦🏻 李楠
我们当时认为 AI Pin 正确的地方是它确实将传感器从口袋中取出。但我们高度怀疑其佩戴方式是否自然便捷。比如，对于穿帽衫的年轻人来说，AI Pin 可能不太容易固定，容易掉落。
AI Pin 口碑不佳的一个重要原因，我认为是它采用了激光投影到手上的显示方式。虽然这种设计很炫酷，但却带来了更高的耗电和更大的发热等一系列问题。
有趣的是，在 Meta 眼镜发布之前，几乎所有做智能眼镜的公司都在做显示功能。但我们认为，至少在短期 6 到 12个月之内，显示可能是一个不必要的功能，因为它的代价太大。这个观点可能与许多人的认识相反。甚至我们有明确消息显示，Meta 很可能在下一代产品中迭代带显示功能的眼镜。
🚥 Ronghui
作为一个外行，我很好奇的一个问题是：既然 AI Pin 的团队如此豪华，他们难道没有想到激光投影带来的功耗问题吗？
👦🏻 李楠
在真正定义过产品的过程中，我发现了一个非常有趣的现象。由于软件产品的开发周期较短，经常会出现相互模仿的情况。如果一个设计不慎泄露，甚至可能导致被竞争对手抢先推出类似产品，从而打败你。
但是硬件产品的情况却很不一样。当你用语言描述一个预计 12 个月后上市的硬件产品时，听的人几乎不可能真正理解你的意图。
🚥 Koji
语言上聊的可能是同一个 idea，但是做出来的可能是 1000 个不一样的产品。
👦🏻 李楠
在长达 12 个月的硬件产品开发过程中，我们可能需要做出多达 1000 个决策。在这 1000 个决策中，可能有 10 个是至关重要的，而且几乎不可能有 2 个人会做出完全相同的判断。这里有一个有趣的思考实验：如果我们给 2 个团队相同的资金和相同的初始想法，让他们在 12 个月后推出产品，最终的结果会让人大吃一惊。尽管出发点相同，但 12 个月后这 2 个产品之间的差异会如此之大，以至于你会怀疑它们是否真的源于同一个想法。我之所以有这样的认知，是因为我曾经在手机行业工作。即使在商业间谍横行的情况下，我认为过度保密并没有必要。因为即便给予竞争对手 12 个月的时间，让他们组建一个团队来复制我们的产品，他们最终做出的东西也会与我们的产品完全不同。
这一年做的最好的决定
🚥 Koji
在过去这瞬息万变的一年里，李楠你认为自己做的最好的一个决定是什么？
👦🏻 李楠
我认为我做得最好的决定与 AI 并无直接关系。为了能让我们推出 AI Device 的产品，我首先把团队裁了 40%，同时销售额翻了 1 倍，然后达成了真正的盈亏平衡。
许多人认为，要实现更大的销售规模，就需要更多的人力。但这个观点已经被事实颠覆了。以埃隆·马斯克收购推特后的操作为例，他将推特的员工数从接近 8000人裁减到了约 1500人。然而，在这个规模下，推特反而创造了历史上的流量新高，而且用户体验依然良好。我们公司的经历也印证了这一点。在裁掉 40% 的员工后，我们的销售规模反而翻了一倍。这是为什么呢？主要是因为人员精简后，公司内部的消耗减少了，决策变得更加清晰，效率也随之提高。这个案例质疑了 「人越多，效能越高」这一传统组织领域的常识。AI 的出现让这种趋势变得更加极端。例如，我们原来可能需要 5 个左右的平面设计师，现在只需要 1 个；以前可能需要一个较大的程序员团队，现在只需要 2 个人写代码就足够了。所以 AI 真的在让我们可以用更小的团队干更大的事情。
包括 Midjourney、包括一系列的 claude 生成代码的能力，这些已经是真正的生产力工具了。大家对 AI 的期待可能是完全摆脱人，但真实情况之下是 AI 能让极少数人去承担更多的工作，让更多的人失业。
我做出的两个最正确的决策是：
通过优化资源配置，我让公司能够在不依赖外部资本的情况下，腾出足够的资源去开发 AI Device。这使我们能够独立完成整个开发循环，保持了战略的自主性。
我们将各种 AI 应用融入到工作流程中，通过精简和提升效率，迫使我们在各个层面都使用 AI 服务来增加产能。这不仅提高了我们的工作效率，更让我们对 AI 有了更深刻的理解。
对 AI 会让很多人失业的看法
🚥 Koji
其实 AI 对部分工作的取代，这是一个已经在发生的事实。我们身边大量的在看到这样的故事，以及它是来势汹汹不可抵挡的。但另一方面，它确实伤害到了非常多人的工作，甚至收入，甚至家庭。那你会怎么看这个问题？
👦🏻 李楠
Sam Altman 等科技界领袖都提出过 「基本生活保障」的概念。他们认为，随着 AI 极大提升少数精英的工作效率（可能是十倍的提升），大量人可能会失业。因此我们应该为这些失业的人提供基本生活保障。
Altman 已经拿出了大量资金进行了一项实验，为一些人提供了 3 年的基本收入。最终实验结果表明，仅仅发放金钱并不能真正提升这些失业者的生活质量和健康水平。这个问题确实存在，虽然我们可能无法完全解决，但我们确实需要想办法应对。
Altman 的最新解决方案是，如果发放金钱不能解决这些人的问题，那么我们可以发放算力。比如，让这些失业的人免费使用 GPT-4o 一定时长，使他们能够创造收入。这种情况在历史上曾经发生过，比如当年东北的下岗潮。
事实上，尽管我们有各种文明进步，但我们最终还是生活在一个 「适应或淘汰」的世界里。如果一个人没有主动适应这个时代的能力，那么就只能接受被淘汰的结果。
个人最近的思考
🚥 Koji
你最近常思考的问题是什么？
👦🏻 李楠
最常思考的问题就怎么搞进度。
🚥 Koji
现在进度卡在什么地方？
👦🏻 李楠
卡在各种地方。硬件产品开发有一个显著特征：我们必须在 demo 出现之前，协调驱动电子、嵌入式软件、工业设计和结构等各个领域的工程师，让他们正确理解并构想这个产品。这个过程通常很漫长，容易出现各种差错。目前我们正处于 demo 尚未完成的阶段。在这个阶段，团队成员对产品的理解以及功能定义还存在许多争论。这是因为大家都还没有一个具体的实物参考。我相信一旦 demo 完成，大家的意见会迅速统一。因为当你真正看到实物并开始使用时，你就能迅速理解这个产品的核心定义所在。这就是为什么 demo 如此重要。现在我的主要工作就是不断催促各个团队：结构设计完成了吗？电子部分准备好了吗？嵌入式系统进展如何？我们需要确保各个环节都能按时完成，为最终的 demo 做好准备。
🚥 Koji
还在等待这个 demo 的过程中，你的心情更多是兴奋，是恐惧，还是什么？
👦🏻 李楠
我会尽我所能，运用我所有的知识，努力完成我想做的事情，不留遗憾。如果我尽力了，那就是我能得到的最好结果。因此，我既不会过分期待，也不会恐惧，只专注于把事情做好。
🚥 Ronghui
你刚才说到你在意的是自己有没有尽力把你想做的事情完成了。你想做的这个事情是什么？以及你对怒喵的目标是什么？
👦🏻 李楠
我认为最有价值、最应该着手做的事情就是当下最重要的。这并非是期待明天、三个月后或明年必须完成的事情。有人可能会认为这是一种短视，但在我看来，这是在当前时刻充分发挥自己能力、做出最佳决策的方法。这种思维方式对我的身心健康都有好处，不会让我过分焦虑或失眠。但这确实引发了一个问题：我们是否过于短视？是否只能看到 3 年内的情况，而看不到 3到5 年后的远景？亚马逊的老板说，如果以 1 年为周期做决策，你会面临无数竞争对手。但如果以 3 年甚至 5 年为周期做决策，你的竞争对手可能就少之又少了。
当我们谈及 3 年或 5 年的决策时，我们究竟是在谈论自己的愿望，还是我们对未来的预见？我认为应该是后者。
我们需要培养一种前瞻性思维。但这种能力的培养并非一蹴而就，它需要在行业中不断预测、不断受挫、不断学习。
我相信这种能力在一定程度上是可以习得的，而非天生的。有趣的是，这种能力与 AI 大模型的特征颇为相似。如果你想培养这种前瞻性思维，能够预见 12 个月甚至更远的未来（这对硬件行业尤为重要），你必须接受一个事实：你一定会犯错，而且要为错误付出代价。当你习惯了这一点，你就会逐渐培养出往前看六个月或一年的能力。当你的预见期超过 12 个月时，你在定义硬件产品时的成功率就会提升。
比如，此刻我就能对 6 个月后的市场状况做出判断，预测某些产品的定价策略。智能眼镜会被那帮人做到 99 美金，甚至 29 美金我都相信。
🚥 Ronghui
从看你之前的采访以及跟你聊天的感受，我感受到你给人的印象是一个非常冷静的人。这种冷静是源于你的性格，还是由于硬件行业的特殊性所培养出来的？毕竟，正如你所说，在硬件行业中，我们需要具备看到 12 个月后的能力，还要能够区分哪些是我们的愿望，哪些是我们真正能够实现的目标。
基于这些观察，我很好奇你能否分享一下你在创业过程中学到的一些经验和教训？
👦🏻 李楠
在我年轻时，我曾在各种地方写东西，常常与各种人争论。现在回想起来，那些争吵中最让我愤怒的部分，恰恰是对方说对了的地方。经过三五年的论战，iPhone 最终取得了决定性的胜利。之后，我又与一些人就 ARM 平台从移动端回归桌面的问题进行了几个月的争执，结果也证明了这一预测的正确性。这些经历让我意识到两点：
第一，如果你想预测未来，难免会说错一些事情。
第二，每个人的观点都有其道理，但当我们被情绪左右时，往往会忽视对方正确的部分。我认为，完全看透未来是一项 「神的工作」。如果我们想在一定程度上拥有这种能力，就不能被人性的情绪所左右。这可能就是为什么我在这方面显得比较冷静，甚至可能被认为有些 「冷血」。
🚥 Ronghui
感觉是一种被生活毒打了之后，仍然还对生活有热情。
👦🏻 李楠
我认为失败和挫折是常态。在创业过程中，我们会经历很多次失败。但我很幸运，因为我是迈克尔·乔丹的球迷。乔丹作为篮球之神，曾说过一句令我印象深刻的话：「你们都知道我很厉害，但我清楚地记得我投失了无数次绝杀。」
他甚至能精确地说出失败的次数。这让我突然意识到，即使是像乔丹这样赢得无数荣誉的传奇人物，在他的职业生涯中也曾多次在关键时刻失手。想象一下，在几百场比赛中，当所有人都相信他能够绝杀制胜时，他也曾失败过。
这个认知让我明白，失败并不是什么新鲜事。即使是像乔丹这样的 「神」也会失败。这种思维方式帮助我更好地面对创业过程中的挫折，保持积极的心态，并从每次失败中汲取经验教训。
所以赌错、失败、倒霉、不幸运，或者是需要适应，或者有可能被淘汰，应该是这个世界的常态。
🚥 Ronghui
我觉得你说话的方式和有些时候讲了一些很 sharp 的观点的时候，表达出来的观点是丧的。
👦🏻 李楠
对，我就是很丧。
我相信倒霉的事情一定会发生。
但是人嘛，人不就是来处理这些事情的。
预测未来最重要的是发布任何想法
🚥 Ronghui
我最近浏览了你的微博，这让我回想起我最初了解魅族就是通过你的微博。我注意到你至今仍在坚持更新微博，这在当今社交媒体环境中是相当少见的。除了那些以博主身份为生的人之外，很少有人能像你这样持续地在微博上表达自己的想法。
我很好奇，是什么驱使你能够如此长期地坚持在微博上分享你的观点和经历？这种持续表达的动力源自何处？你是否认为这种持续性的分享对你个人或职业发展有特别的意义？
👦🏻 李楠
因为我们是要去预测未来的。我发布的每一条内容都是不经编辑的原始想法，你可以将其视为我用自己的影响力和信誉进行的一场预测。如果预测正确，我可以证明自己的洞察力；如果错误，别人也可以拿来批评我。
这种做法的意义在于，它能够提供确凿的证据，让我反思过去的判断。通过回顾这些预测，我可以清晰地看到自己在哪些方面的判断是准确的，哪些是错误的。这个过程不仅帮助我不断完善自己的思维方式，也让我在行业中保持敏锐的洞察力。
🚥 Ronghui
很多人会选择把这种预测记在日记本里，而不会公开。
👦🏻 李楠
我认为，如果不公开表达，就没有真正的代价和反馈。实际上我现在非常期待有人能翻出我过去的言论，指出我的错误。这种批评会促使我真正反思，分析当时判断失误的原因。
所以其实从这些地方学习是一个很重要的能力。我甚至认为这些东西给我带来真正的回报。
🚥 Ronghui
这些东西你指的是？
👦🏻 李楠就是那些说错了又被翻出来打脸的东西。
我认为我们看待错误的方式与 AI 的发展有着相似之处。在大规模语言模型真正发挥作用之前，人们普遍认为计算机犯错是不可接受的。然而当我们开始接受错误的存在时，我们才真正培养出了有效的通用人工智能。这让我意识到，我们对待错误的态度可能不应该那么消极。就像 AI 通过不断的试错和学习来提高自身能力一样，我们人类也应该从错误中学习和成长。
就像所有人都高估了自己的胜率一样，所有人都低估了自己错误的价值。
对如今营销的看法 & 最近印象深刻的营销案例：金上加钻
🚥 Ronghui
今天看了一些关于你的文章。看到一个关于你的评价是说你是一个很会做营销的人。
👦🏻 李楠
在营销这块我还算是可以的。我观察到两个显著的变化在影响当今的营销和传播方式。
视频内容已经被广泛接受，导致文字内容的重要性大大降低。我甚至认为，在广告行业中，文案的重要性已经大不如前。这是因为人们现在不太习惯阅读超过三行的文字。这种变化对内容创作和传播产生了深远的影响。
消费者的注意力持续缩短，这对营销策略产生了重大影响。过去，30 秒甚至 60 秒的广告很常见，许多经典广告都是这个长度。但在今天，15 秒的广告可能都显得太长了。现在，我们可能需要在 7 秒内就把信息传达清楚。这种注意力的急剧下降带来了新的挑战。在这种情况下，网络营销越来越依赖于情绪驱动。由于人们的耐心变少，可用时间变短，加上视频内容能够充分调动情绪，逻辑和事实在营销中的重要性相对降低了。
🚥 Ronghui
你最近有看到什么特别好的营销的案例吗？
👦🏻 李楠
在营销行业中，奥运会是一个经常被反复使用的主题。每 4 年，众多企业都会围绕奥运会开展营销活动，以至于各种创意和手法都显得有些陈词滥调。在最近的一届奥运会上，我看到了一个非常出色的案例，让我印象深刻。这个案例名为 「金牌上面也有钻」，是一家销售钻戒的公司策划的。他们找到了一对参加奥运会的情侣运动员，在其中一人夺得金牌后，向他们赠送了钻戒。这个创意巧妙地将 「金牌」和 「钻戒」结合在一起，形成了 「金上加钻」的概念。我认为这个营销策划非常有创意，是以前未曾出现过的新颖想法。它不仅传播效果出色，而且成本可能并不高。
这个 「金上加钻」的营销案例之所以成功，我认为主要有三个原因：
它不需要顶级流量明星。虽然奥运冠军很珍贵，但相比娱乐圈的顶流明星，成本还是相对可控的。这使得整个活动的投入更加合理。
这个营销活动带有一定的风险，反而增加了其真实性和吸引力。比如，运动员可能只获得银牌，甚至可能没有获得奖牌。这种不确定性为活动增添了悬念，使整个事件显得更加真实、可信和自然。风险带来的不确定性反而成为了吸引公众注意力的亮点。
这个案例完全依靠情感驱动。钻戒的级别或价格并不重要，关键是这对运动员情侣即将结婚，满足了人们对 「磕CP」的情感需求。它巧妙地将奥运会的竞技精神与爱情故事结合，触动了公众的情感共鸣。
🚥 Ronghui
在消费电子或者是科技领域的产品有什么营销案例你是印象比较深的吗？
👦🏻 李楠
我观察到目前消费电子行业的营销策略中，以「撕逼」为主的高传播流量模式仍然占据主导地位。作为曾经参与其中的人，我不得不承认，我对这种营销方式的盛行也负有一定责任。但是现在这种互相攻击的风气已经愈演愈烈，成为整个行业的一个显著特征。相比过去，现在的品牌粉丝表现得更加极端。
这种情况下，我认为采取一个不那么 「宗教化」的品牌姿态可能会更有效。根据数据分析，我们发现这些 「撕逼」内容虽然看起来热闹，但实际上真正参与互动的人数比例很低。通常，100 个看到内容的人中只有 1 个人会留言，而真正参与 「撕逼」的可能只有 10% 左右。这意味着，实际上只有万分之一的人在被品牌驱动，在网上积极参与这些争论。
虽然这种方式确实能带来一些流量，但它并没有为品牌赢得多少好感。我认为很多人忽视了那 99% 的 「沉默大多数」。如何获得这些人的好感和认同，才是品牌应该思考的问题。
我建议品牌在姿态上应该相对温和，不要过于激进，而是要展现出良好的品味。这样的品牌可能会在大众消费电子市场上获得更大的机会。
值得称赞的电子消费品牌营销：大疆，GoPro，Insta360
🚥 Ronghui
你有看到什么案例吗？
👦🏻 李楠
大疆是一个我们认为很好的消费电子品牌，而且大疆这个品牌不撕逼。
我特别欣赏 GoPro 创立的以及 insta360 发扬光大的品牌调性。这种营销策略与他们的产品特性紧密相关。这两个品牌几乎不在官网之外的地方宣传产品的性能和参数。相反，他们的宣传内容全部聚焦于使用他们设备拍摄的视频。这些视频内容展现的是产品使用者的生活方式 —— 一种可能你从未体验过，但会让你向往的生活。
🚥 Ronghui
我以前在做记者的时候，也去参加过 GoPro 的挺多活动。有一次他们在一个圆顶的一个建筑里面，把他们拍的视频投在圆顶上。那些人在自然世界中的极限视频真的会让你感受到世界很美好，想要去探索。
👦🏻 李楠
我们把这个概念称为 FABE，分别代表Features（特性）、Advantage（优势）、Benefit（利益）和 Experience（体验）。
中国品牌往往过于关注 F 和 A ，即产品特性和优势。当他们谈论优势时，常常陷入「比谁更好」的撕逼循环。这种做法一直持续，最终演变成了今天我们在饭圈和网络上看到的各种攻击行为。
但是我们似乎忽略了后两个重要元素：Benefit 和 Experience。我们应该思考的是，产品的优势对消费者有何真正的价值？这种价值最终会如何让消费者的生活变得与众不同？
我认为，GoPro 开创并被 insta360 继承，甚至也被大疆继承的，正是真正的 Experience 级别的品牌。这些都是中国的 Experience 级别的品牌。
硅谷观察：接下来硅谷公司的格局有何变化
🚥 Ronghui
你对硅谷科技公司的了解较多。你如何看待这些公司未来的格局和变化？最近几个大公司发布了许多 AI 相关产品，苹果即将发布 iPhone 16。考虑到 Facebook 缺乏入口的问题，结合这些信息，你认为这些公司未来会有什么发展，整体格局会如何变化？
👦🏻 李楠
我认为 ChatGPT 和 OpenAI 已经改变了科技行业的核心价值格局。核心价值突然转移，英伟达因提供加速算力的基础设施而成为最重要的公司，OpenAI 则因提供新的生产力核心价值而备受瞩目。过去我们认为核心价值可能在于芯片或手机系统，但现在可能是基础算力、AI 能力或 AI 规模。这种变化在硅谷还未完全平息。
苹果面临两个选择：要么研发出能与 OpenAI 比肩或更强的模型，重新夺回行业领导地位；要么接受自己作为硬件提供商的角色。围绕这一点，我预期会有许多新的发展。例如，Llama 必须进化到 GPT-4o 的水平，实现原生多模态训练和真正的多模态能力。
与此同时我们也在关注 Cloud 能力的快速增长，它是否会成为下一个 OpenAI ？而英伟达虽然领先，但并非唯一的赢家。我知道有 5-6 家公司正在努力成为基础算力的供应商。
我们也非常关注小模型的进展。端侧模型在电力和算力几乎不受限制的场景（如汽车）中落地后，必然会向手机方向普及，最终可能超越手机的应用范围。我们密切关注各种规模（7B、3B、1B 等）的端侧模型论文，研究它们的能力和特征。有些特性如功耗，我们需要亲自测试。
在端侧模型方面，我们对中国的发展比较期待。在中美科技对抗的大背景下，中国在云端模型上可能落后较多，但在端侧模型上有机会基于 RISC-V、RTOS 和小模型构建全新的技术栈。这个技术栈可能在延迟和功耗方面更有优势。
我们关注的主要公司包括英伟达、OpenAI、Meta、Cloud 以及一些芯片公司。除英伟达外，英特尔可能也在准备新产品。与此同时，我们不再关注一些过去重要的问题，比如苹果能否自主开发基带芯片，这在现在已不再是焦点。
🚥 Ronghui
好，我们今天就先聊到这儿，然后谢谢李楠做客十字路口。我们今天聊了很多，收获也很多，然后也希望今后还有更多的机会跟李楠交流。
👦🏻 李楠
谢谢，我们回见。
