8万家公司如何用AI构建产品：产品即有机体、组织架构图的消亡，以及为什么到2026年智能体数量将超过员工 | Asha Sharma（微软AI平台CVP）
How 80,000 companies build with AI: products as organisms, the death of org charts, and why agents will outnumber employees by 2026 | Asha Sharma (CVP of AI Platform at Microsoft)
Guests: Asha Sharma
Full transcript · Read the full conversation in order, with its original context.
Contents1 chapter
§01文字稿 1§01文字稿 1
他说，我们才刚刚开始触及“智能体社会”究竟是什么样子的皮毛。
我们正在接近这样一个世界：优质产出的边际成本趋近于零。我们将看到对生产力和产出的指数级需求。要应对这种需求，靠的是智能体。当这一切发生时，组织架构图就开始变成工作架构图。你就不再需要那么多层级了。
我们之前在聊你提出的一个概念：我们正在从“产品即制品”转向“产品即有机体”。
因为这些模型现在已经非常有效，你会想要开始把它们调优到特定类型的结果上。突然之间，这些东西就成了活的有机体，随着交互越多就越变越好。我认为，这是每一家公司新的知识产权：能够思考、生存和学习的产品。
现在做规划简直太疯狂了。当动不动就有“好了，GPT-5发布了”这种事，谁还能规划产品路线图呢？
我们的思路是：我们现在处在哪个“季”？第一季也许是AI的原型验证阶段，然后全都围绕模型和推理模型，而现在则是智能体的降临。
今天我的嘉宾是Asha Sharma。Asha是微软AI平台的产品首席副总裁（原文如此，Chief Vice President，疑为公司副总裁 CVP），负责AI基础设施、基础模型和智能体工具链，同时还领导核心AI部门的应用工程、负责任AI和增长工作。她此前曾担任Instacart的首席运营官，以及Meta的VPR产品（原文如此，疑为产品副总裁），负责Messenger、Instagram Direct、Messenger Kids和Remote Presence。她还是家得宝（Home Depot）和Coupang的董事会成员，并且是跆拳道二段黑带。（01:32）：Asha的角色非常独特而罕见，让她比世界上几乎任何人都看得更多：她能看到AI的走向，也能看到对于构建大规模AI产品的公司来说，什么有效、什么无效。在我们的对话中，Asha分享了她所看到的一系列趋势和预测，其中很多是我没听别人谈过的：为什么我们正在走向从“产品即制品”到“产品即有机体”的世界，为什么图形用户界面正在被代码原生界面取代，为什么后训练是新的预训练，即将到来的智能体社会，在今天以及未来，成为一名成功的构建者需要具备什么，还有她从与之密切共事的Satya那里学到的、最重要的一条领导力经验。（02:09）：如果你喜欢这档播客，别忘了在你常用的播客应用或YouTube上订阅并关注。另外，如果你成为我的时事通讯的年度订阅用户，你就可以免费获得15款出色产品为期一年的使用权，包括Lovable、Replit、Bolt、n8n、Linear、Superhuman、Descript、Wispr Flow、Gamma、Perplexity、Warp、Granola、Magic Patterns、Raycast、ChatPRD和Mobbin。请访问lennysnewsletter.com并点击product pass了解详情。下面，有请Asha Sharma。（02:35）：本期节目由Enterpret赞助。Enterpret是一个客户智能平台，被Canva、Notion、Perplexity、Strava、Hinge和Linear等领先的CXN产品团队（原文如此，疑为CX和产品团队）所使用。为了利用客户之声并打造一流产品，Enterpret会实时整合所有客户对话，从Gong录音到Zendesk工单再到Twitter帖子，并提供给你的团队用于分析和行动。（03:01）：Enterpret的独特之处在于，它能够构建并更新针对特定客户的知识图谱，对所有客户反馈做出最细粒度、最准确的分类，并把这些客户反馈与收入和CSAT等关键指标联系起来。如果把你的客户之声项目现代化、实现代际升级是你2025年的优先事项，就像Canva、Notion、Perplexity和Linear这些以客户为中心的行业领导者一样，请联系enterpret.com/Lenny的团队。拼写是E-N-T-E-R-P-R-E-T.com/lenny。（03:35）：本期节目还由DX赞助，这是一个由顶尖研究人员设计的开发者智能平台。要在AI时代蓬勃发展，组织需要快速适应，但许多组织的领导者难以回答一些紧迫的问题，比如哪些工具有效、它们是如何被使用的、究竟是什么在驱动价值。DX提供领导者驾驭这一转变所需的数据和洞察。（03:58）：借助DX，Dropbox、Booking.com、Adyen和Intercom等公司能够深入了解AI如何为其开发者创造价值，以及AI对工程生产力产生了什么影响。想了解更多，请访问DX的网站getdx.com/lenny，即getdx.com/lenny。Asha，非常感谢你的到来，欢迎来到播客。
谢谢邀请。
我想从一个我们在录音前聊过的话题开始，这是我以前从没听说过的概念，我认为它会对大家的思考很有帮助，那就是你提出的这个观点：我们正在从“产品即制品”转向“产品即有机体”。谈谈这是什么意思，以及大家需要在这里理解什么。
这是一个相当有意思的转变，尤其是在过去一年左右，因为我到微软的时候，正好是OpenAI和大型基础模型刚刚出现之后，紧接着就出现了模型的爆发，包括专有的和开放的前沿模型，它们在推动前沿曲线向前，所以这些模型既更高效，而且我们也开始在其中不少模型里看到领域级别的专业能力，再到最近，模型现在可以调用工具、调用函数、采取行动，我认为这就催生了一类新型产品，并且已经开始取得一些成功。（05:26）：于是突然之间，产品不再只是我们交付出去的那种静态制品，不再只是“嘿，想出一个点子或洞察，去解决一个问题，把它推向世界，也许再稍微改进一下，然后配上一个仪表盘”。突然之间，整个KPI变成了：一个产品团队的新陈代谢如何，也就是能否摄入数据，然后消化奖励模型，再产生某种结果？因为这些模型现在已经如此有效，你会想要开始把它们调优到特定类型的结果上，无论是价格、性能还是质量。所以这相当令人兴奋，因为突然之间，这些东西就成了活的有机体，随着交互越多就越变越好，从很多方面来说，我认为这是每一家公司新的知识产权，这是一种完全不同的方式，去构建产品，甚至去思考那些能够思考、生存和学习的产品，这有点令人兴奋。
所以当我听到这个，我想到的是我邀请Michael Truell，也就是Cursor的CEO上播客时，他谈了很多，说他们最大的护城河是他们从人们使用Cursor中获取的数据，比如接受某些建议、不接受另一些建议。你说的就是这个吗？只是公司从人们使用其产品中收集的专有数据，还是说除此之外还有别的东西？
我认为后训练之所以兴起，只是因为模型本身已经非常强大。到今年，Nathan Lambert做了一项我觉得很有意思的研究，涵盖了所有顶级排行榜，结果显示，一旦模型达到300亿参数，要训练一个模型、往一次预训练运行里投入数十亿个token所需的资本支出，在经济上就不划算了，你就可以开始在循环上做优化。所以是的，从很多方面来说，我认为使用你自己的数据是做到这一点的最佳方式，但你也可以合成生成数据。（07:16）：你得设计奖励，你得真正把它部署出去，你得严格地做A/B测试。你得找到最适合它的待完成任务（job to be done）或使用场景。然后，是的，这会产生你可以从中学习的数据。我从没见过任何产品只靠一个循环。我认为那是多条并行运行的轨道，像装配线一样，如果你愿意这么说的话，并由此产出结果。
那么，我们正走向“产品即有机体”这个论点，基本上只适用于模型公司吗，还是也适用于，比如说，SaaS企业、工具和面向用户的工具？
你看，我认为软件这个基本单元正在改变，其中的制品是一个模型，与软件组件本身并存。所以从很多方面来说，我认为软件产品最终都会成为模型优先的产品，如果你愿意这么说的话。
这让我想起我刚请Nick Turley上过播客，我们在开始录音前聊到过，他是ChatGPT的负责人，我问他GPT-5发布后ChatGPT会有多大变化，他说：“还是一样的东西，它们是同一个产品。只是由模型来告诉我们在ChatGPT这个产品里该做什么。”（08:32）：这也让我想到另一件事：你会想，为什么GPT-5不能自己构建自己的用户界面，随着你使用它，它就自己演化。它在Canvas之类的东西里有点在这么做，但当你谈到“产品即有机体”这个想法时，我想到的另一层意思就是：产品、用户体验可以根据你的使用方式而改变，并自动演化，而无需产品团队做任何事情。
我百分之百相信世界正走向那里，而且我的体验应该与你的看起来和感觉起来都不同。这一直是我在个性化领域所做的事，但将来你可以即时做到这一点。所以我认为那会是一个相当有趣的世界。我还认为，它对智能体来说看起来会不一样，对高级用户和新用户来说也会不一样，诸如此类。
让我把视野拉远一点，问你这个问题。你和很多在你的平台以及其他平台上构建AI产品的公司合作。我想有些做得非常出色、势头很猛，有些则在挣扎。你发现，那些做得很好、在构建非常成功的AI产品上取得很大成功的公司，与没做到的公司之间，有哪些共同的模式？
是的，我认为有些东西更广泛地适用于组织本身，还有些东西适用于构建AI产品的人。所以从更宏观的角度看，我认为成功的公司正在出现一种模式。第一，他们拥抱AI，并且每个人都变得精通AI。（09:58）：所以我认为每个人都在日常工作流程中使用某种副驾驶或某种AI，这是第一步，这样大家就不会害怕它，并理解我们如何能够抬高上限、降低下限，适用于各种技能和任务。第二，在此基础上，他们开始问：“好，我如何能把一个已有的流程拿来，应用AI让它变得更好？”那可能是客户支持之类的事，或者把欺诈案件的处理周期从15天降到10天。（10:26）：走完这整个循环：梳理流程、应用AI、看到某种影响，然后感受到损益表，或者说那种内在收益是什么样子。第三件事就是：“好，很棒。既然你已经看到了影响，每个人也都在使用它，那你如何真正用它来拉动增长？”这可以是改善客户体验，从而让你的LTV或留存提升。也可以是共同创造一组新的概念或品类。（10:56）：也可以是从嵌入式的智能体走向具身的智能体，然后能够承担指数级数量的任务。我认为公司失败的地方在于，他们是为了AI而做AI。他们同时启动一大堆项目，却没有一份蓝图来理解它到底是怎么运作的、他们的技术栈是什么样子，而且他们没有把它当作一项真正的投资，所以他们没有把度量、可观测性和评估这些都建立起来。（11:24）：它会端到端地完成这件事。我认为对企业来说棘手的是，技术在不断变化。去年在AI领域大约推出了7万个企业级工具。很难知道你该为了什么结果使用哪一个。所以你真的需要押注一个平台，或某种应用服务器类型的层，让你可以把东西换进换出，不被任何一种技术、任何一个工具所束缚，因为现实是，整个局面都会改变。（11:54）：我觉得你必须为“斜率”而不是为你当前所处位置的“快照”来构建。这大概就是我在企业层面看到的情况。我认为构建者本身也在发生相当根本的变化。每一次技术变革的降临都会催生一组不断变化的角色，比如从大型机到个人电脑，有了整个车库工程师的现象，而当我们从服务器走向云和移动时，出现了SEO专家、CDN、增长PM（原文为growth VMs，疑为growth PMs）、用户研究、前端、后端等等。（12:30）：而现在我认为我们正在看到“通才”的降临，我认为全栈构建者正在迎来他们的复兴：如果拿一个普通组织来说，发布一个产品大概需要10个步骤。可能是安全审查，可能是撰写规格文档，可能是用户研究，还有什么呢？五个以上的职能部门，也许六七个。我这已经算对一个正常组织很慷慨了，然后你还有六七个层级。所以突然之间，要把一个产品推出去，你就有了500个不同的接触点要走完，而当一周内有500个可用的模型或500项新技术时，这是不够的。（13:15）：所以我真的相信全栈构建者这个概念。你在许多正在崛起的AI原生公司身上都能看到这一点。我甚至看到一些已经存在了50年的企业也开始这样运作。我认为这给你带来速度和吞吐量，然后让你拥有完整的循环，从而能更快地开始真正地新陈代谢、完成整个过程。
这绝对是这些对话中反复出现的主题：PM、工程和设计的维恩图正在趋于重合，你的角色里也包含越来越多其他学科的内容。所以PM需要在设计或工程方面提升自己。
是的，我完全同意。我认为这里关键在于“循环”，而不是“赛道”。所以我认为，无论你是什么职能，你都必须痴迷于去理解产品的效率或成本、你所追求的实际奖励或系统设计、实际的UI和UX，以及这些东西对智能体或人究竟如何呈现。你必须很快在这方面变得非常擅长。
我喜欢你刚才用的这个说法：循环而不是赛道。你能多说说吗？
哦，这只是回到我们之前关于信号循环的讨论，以及产品如何演化、成为这些活的有机体而不是制品。如果你想想如何把这个循环做得非常好，我认为那就是产品，那就是知识产权，那就是每个组织的未来；我认为反馈会变得持续不断，可观测性会成为一种文化，而且我认为在未来的劳动力队伍中，职能之间的界限会开始变得模糊。
为了让这一点更具体，有没有哪个产品或公司是这方面做得很好的好例子，真正过着这种循环式的生活？
我认为从AI的角度来看，我们在这个领域看到的大多数公司都在这样做。我可以讲几个我们正在合作的例子。显然在编程领域，你提到了Cursor。GitHub有非常相似的功能，我们使用的是一个模型集成，这些模型在30个不同的国家（原文如此）针对所有语言进行了微调，然后在循环中迭代，生成下一组建议或代码补全之类的东西。（15:25）：我们有一款面向医生的AI产品叫Dragon，我们看到了巨大的差异：一边是使用合成数据微调，另一边是由专家标注了60万次医患互动，并真正把这些数据喂给模型、持续优化以产出结果。我记得根据不同的运行，我们的字符接受率在30到60之间（原文如此，应指百分比），后来提升到了大约83%。而这只需要一个小团队，而不是庞大的组织，他们能够跨职能在这个循环中迭代，所有那些界线都消融了。
这非常有意思。所以我听到的是：如果你能收集事情进展如何的数据，然后花大量时间创建高质量的标注再反馈回去，对其进行微调，基本上这就是大优势，是你在很多这类事情上取胜的方式。好的。顺着这个思路，你告诉过我的另一件你一直在观察到的事情，我想多听听，那就是从GUI……你当时提到的是从GUI转向代码原生界面。谈谈这意味着什么，它是什么样子，以及这对构建产品的人意味着什么。
我认为这回到了“未来成为一名产品创造者意味着什么”这个问题。我认为每个人的本能反应都是GUI，但如果你回顾历史，数据库从桌面下沉到了SQL，云过去全是控制台，而现在是Terraform。所以我认为我们看到的，其实就是历史上上演过的同一种模式，开始在AI中上演，而AI中的一切都像摩尔定律一样，变得更快了。所以我认为这只是在加速，而且你想想，一串文本流与大语言模型的连接更好。（17:14）：所以我认为有一系列趋势在促成这样的未来：产品的关键在于可组合性，而不是画布。我认为产品创造者真的需要围绕这一点重塑思维方式，因为我认为我们花了过多的时间去思考某样东西的UI，而不是它如何组合、智能体将如何能读取它。你如何真正获得无限的规模？协作如何开始运作？所以我认为这是一种新的思考方式，尽管在这些变革中，这长期以来一直是一种趋势。
那么这里的预测是，会是像Claude Code那样的终端体验吗，还是说由智能体来承担，还是两者都有？你分享的是这个意思吗？
是的，你看，要是我们谁能知道答案，那就太棒了。我只是认为，终端之所以很棒、写代码时感觉很好，是因为它能通过文本流与大语言模型交互。我认为两者可以同时成立：人类会继续提交代码，并会找到新的方式来做到这一点，无论是在IDE里、在GitHub和Copilot里，还是在某种新的开发环境里；我也认为我们会和智能体一起这样做，智能体之间也会彼此这样做，我们会从那里继续演化。
我们请Bret Taylor上过播客，他是Sierra的创始人，他有一个类似的预测：所有软件公司都将成为智能体公司，而你在这里说的本质上就是，你的软件将只是在后台运行的东西，GUI会少得多。你认为它仍然会是我们逐渐习惯的这种聊天界面吗？它是与智能体交互的主要界面吗，还是那里会发生别的什么？
我认为对话是一种非常强大的界面。我做过消息产品。我认为它非常适合许多形式的沟通，但它不是唯一的沟通形式。今天我们用电子邮件互相协作。我们用文档。每个人都用Word和PowerPoint。有十亿人生活在制品的世界里，我认为这些制品可以成为整体图景中非常重要的可组合部分，而且我认为它们应该如此。所以我对此感到兴奋。我认为聊天会很重要，但肯定不够。
有意思的是，ChatGPT，史上增长最快的第一名产品，也许是史上最重要、影响最深远的产品，它就是聊天。
是的，很棒。
它行得通。
我认为我们得问自己的问题是：它会永远只是聊天吗？
是啊，是啊。Nick的描述是，我们正处于ChatGPT的MS-DOS时代，这很有意思。这和你说的正好相反，就是说也许你从那个开始，然后必须转向GUI，然后也许又会回去，但他说将会有一个Windows版本，到时候会更容易搞清楚到底在发生什么鬼事。
是的。你看，我认为这很聪明。每家公司都应该把AI带到用户所在的地方，而ChatGPT的所有用户都在使用聊天，这是一个出色的产品，而我们在世界各地有很多人，以许多不同的方式工作，我们应该思考如何使用AI来支持这一点。
那我们来聊聊智能体。你花了很多时间与智能体打交道，构建智能体，帮助公司构建智能体。是的。有一句我特别喜欢的很棒的话。你说过，我们才刚刚开始触及“智能体社会”究竟是什么样子的皮毛。我真的很喜欢“智能体社会”这个想法。未来它实际上会是什么样子？
哦天哪。有意思的是，你之前跟我说起你两岁的孩子，而我的儿子Ron刚满一岁，我甚至无法想象他两岁时的生活。我就觉得那太遥远了，到时候会发展出什么来。你看，我认为未来工作会看起来非常不同。我认为我们正在接近这样一个世界：优质产出的边际成本趋近于零。而我认为当这种情况发生时，我们将看到对生产力和产出的指数级需求。（21:20）：而我认为要应对这种需求，靠的是智能体，是那些嵌入式的智能体，以及它们的工具和软件部件。我认为这类东西会有很多，远远多于我们今天使用的软件。然后我认为还可能出现一批具身智能体被开发出来，而我们现在已经开始看到了，对吧？你可以把一个拉取请求分配给Copilot。你可以创建一个具备智能体能力的软件开发代表，它可以为你做一部分潜在客户开发和挖掘。（21:50）：所以我认为当这一切发生时，工作架构图开始变成工作架构图（原文如此，前文开场片段中为“org chart starts to become the work chart”，此处疑为“组织架构图开始变成工作架构图”）。我认为任务和吞吐量会变得比以往更加重要。我还认为你就是不再需要那么多层级了。我认为整个组织的构造在几年后可能会开始看起来不同，所以我对此相当兴奋。我认为会议仍然是会议，还会有些怪怪的，但我认为那会变得好一点，而且我认为会有很多变化。（22:24）：我认为对普通员工来说，我的希望和乐观看法是，他们将能够扩展自己的技能组合，因为现在他们有了自己的智能体技术栈，可以带着它去上班，就像你可以自带设备一样，而且你可以开始获得一组你以前从未拥有的技能。所以如果你想想，美国大概有两千万人处在这个领域，他们的技能提升20%，对GDP来说就是相当指数级的，所以挺有意思的。
你说的“工作架构图变成组织架构图”这个评论是一个如此深刻的概念，因为我不知道这是不是你的本意，但我想象的是：你组建这些团队，这是你们的使命、目标和KPI，团队由人组成，然后说“好，酷，先去做这个”。而当你说话时我意识到：“好，但如果由智能体来做，那就是它们的提示词，去推动转化。”然后你有所有这些智能体，那就是组织。这是转化与上手引导团队，那是一群智能体在各自干活。你的意思是这样吗？
是的，我认为今天我们是这样想的：“嘿，在组织架构图里谁向谁汇报，谁负责这些领域？”而我认为归根结底，当你拥有一批能干的智能体，人们也能胜任更多事情时，你就不会再从层级和向上沟通的角度去思考，而是开始摸索面向外部的、以任务为基础的那类机会。我认为在组织里，永远是人来决定如何使用AI，以及我们想把它应用到什么上。（23:58）：但是的，令人兴奋的是，当出现一个新问题或新任务时，你如何自动决定把它分派到哪里？谁在处理那项任务？你要怎么去处理它？你如何观察它是否在做正确的事，如果没有，你如何对它进行微调，所有这些。所以我认为，我只是在推测，存在这样一个世界，那可能相当令人兴奋，而且我认为这很棒，因为我们能完成更多的事。
你谈到一点，审查工作会变得越来越重要。如果你有一千个智能体在干活，那就是，天哪，要看的东西太多了，还要确保它们在做正确的事。你认为这会如何演变？也就是扩大你审查所完成工作的能力？
是的，我认为我们谈过的那种循环会变得越来越重要，比如微调、自我修复的可观测性、真正好的评估，所有这些。好消息是，今天已经存在为数十亿人管理这类事情的系统，所以我认为我们不必重新发明轮子。如果那样的世界真的实现，肯定会有一堆新的东西要学，但我认为管理设备、策略和群组访问权限，所有这些都是已解决的问题，这很好。
本期节目由Fin赞助，它是排名第一的客户服务AI智能体。如果你的客户支持工单正在堆积，那你需要Fin。Fin是市场上性能最高的AI智能体，平均解决率达59%。Fin甚至能解决最复杂的客户问题。没有其他AI智能体表现得更好。在与竞争对手的正面对决中，Fin每次都赢。（25:39）：是的，换用新工具可能让人害怕，但Fin可在任何帮助台系统上运行，无需迁移，这意味着你不必彻底改造现有系统，也不会让你的客户遭遇服务延迟。Fin受到超过5000位客户服务负责人和Anthropic、Synthesia等顶尖AI公司的信赖。而且由于Fin由Fin AI引擎驱动，这是一个持续改进的系统，让你能轻松地分析、训练、测试和部署，Fin也能持续改善你的结果。（26:07）：所以，如果你准备好改变你的客户服务、扩大你的支持规模，不妨试试Fin，每次解决仅需99美分。此外，Fin附带90天退款保证。请访问fin.ai/lenny了解Fin如何为你的团队服务，即fin.ai/lenny。所以这里很多东西，感觉都属于未来。我知道其中很多已经在发生，人们正以各种不同的方式使用智能体。你和你的团队有没有发现过，除了编程之外（我想编程是很大一部分），以某种方式使用智能体带来价值的地方，就是任何让你觉得“哇，这太重要了”的事情？
目前，我们在很多工作流中都有AI和智能体，我最喜欢的一个，就是现在我的工程伙伴们不在的时候（原文如此，语义不甚清楚）。所以当某个东西出故障时，我会加入线上站点故障处理的电话会议（原文为live site bridges），比如一件很简单的事：你能自动获得刚刚发生的一切的摘要，因为通常有15个人在说话，你其实不知道事故是从哪里开始的、会在哪里结束，等等，然后突然之间我就有了这个摘要，我可以弄清楚情况、提问并获得更新。太棒了。我认为整个DevOps领域都在改变。（27:17）：我们用Spark来创建原型（原文如此，Spark，疑指GitHub Spark），团队里的每个人都被期望会写代码，但有时仅仅通过聊天、用真实的话语交谈，就能让你得到一个更有趣、更有表现力、更能反映你创造力的原型。所以我们用这个。我认为每个人都在用AI写作。每个人都在用AI寻找提升效率的方法，撰写文档之类的东西，所以我认为它无处不在，这很酷。不过，我认为就与智能体协作所能实现的可能性而言，我们才刚刚触及皮毛。
每次有人问我怎么用AI，我总是这种感觉。它就是无处不在。我现在做的每一件小事里都掺着它。我甚至不知道该怎么形容。
是啊，很难想起一个它并不真正存在的世界了。
是的，我有个合作的产品经理，Peter Yang，他说起他就是，“没有AI的话我甚至不知道怎么写战略文档了。以前的人没有……是怎么做到的——”
你认为未来还会有战略文档吗？这会很有意思。
我曾写过一篇文章，讨论PM工作中哪些技能最有可能被AI取代，而战略是人们争论最大的一项。你可以争辩，我不知道，我们简单聊聊。你会觉得，如果某个AI掌握了你所有关于市场走向、你的指标、你今天的产品的信息，它会非常擅长为你制定战略。许多人认为，这是AI在很长一段时间内真正不擅长的一件事，因为那需要所有这些人类判断力的东西。我不知道，你有什么想法吗？
我认为世界上一些最具影响力的产品，需要一系列确定性的、符合逻辑的输入，以及创造力、想象力、判断力和远见的火花，而这些没有人类是无法实现的。微软的愿景是一座软件工厂，而创造出微软所做的一切并不是必然的。Instacart的情况是，当时有web bands（原文如此，疑为Webvan），而web bands没有成功，但Instacart成功了，因为它用了不同的思考方式。（29:40）：这是通过迭代，以及一系列你不真正走过这个过程就学不到的东西而实现的，比如iPod，你向前推进。所以我认为这一点是存在的。我认为，针对每一个想法、每一种需求的文档本身，将开始淡化为应用程序和生产力套件中的各种不同制品，这只是一种不同的工作方式。
是的。你最初的问题，我没有完全回答，但我认为很重要。你问的是我们是否还需要战略文档？我想，不管怎样，每个人都需要在战略上保持一致，也许它不是一份文档。
没错。
是的，可能是其他某种制品。
如果你以正确的方式构建一个组织来跟上AI，你需要的对齐机制，不同于传统的工作方式。
那我就实际问问你这一点。现在做规划简直太疯狂了。当动不动就有“好了，GPT-5发布了”这种事，谁还能规划产品路线图呢？好吧，很好。对你来说，为你的团队制定实际的路线图和战略，什么方法有效？你规划多远？你多久需要重新思考一切？
我先声明，每个人都还在摸索，而且当你在一个较大的组织里时，摸索起来比在小得多的组织里要难得多，在小组织里你可以自己主导某件事，两者各有利弊。那么我们是这样做的。公司历来如此，至少在我们的产品团队里，是以“学期”来做规划的。（31:10）：可以把这理解为每六个月有一次战略，回顾过去、展望未来，诸如此类。我认为这非常有价值。不过，六个月这个想法，以及真正理解前方在发生什么变化，要想避免一个过度成型的局面，确实很有挑战。所以我们的思路是：我们现在处在哪个“季”？而一个让人很不舒服的“季”，可以由行业中正在发生的或来自客户的一组长期性变化来标示。（31:40）：所以你可以这样想：第一季也许是AI的原型验证阶段和早期的GPT工作，然后全都围绕模型和推理模型，而现在是智能体的降临，这个阶段可以持续一年，可以持续六个月，也可以持续三个月。但关键是让每个人都认同这样一种理念：长期性的变化是什么？我们需要解决哪些客户问题？赢是什么样子？（32:06）：让每个人都有这种共同的认知。北极星指标是什么，是我们要做的事情。我们做的第二件事是，我们有一种比较宽松的季度OKR。比如，“好，如果我们相信那一点，下个季度我们需要做什么，才能真正让自己走在通往那里的路上？”然后在此基础上，团队以小队的形式运作，他们设定四到六周的目标，针对各个问题领域去争取，逐层支撑到那个大目标上；尤其是作为公司的平台，以及作为我们Azure客户使用AI的平台，我要说我们一直在经历大量的变化，我认为我们必须保持一种开放的心态，因为这就是我们所处的业务。（32:47）：我认为另一件事是，我们试着在系统中留出余量（原文为Slack），不仅是为了计划之外的事，也是为了“斜率”。我认为我们必须持续思考，我们将如何在我们的思维中颠覆这个平台，以及我们需要投资什么才能使之成为可能。所以我们试着两者都做一点。
太棒了。所以我听到的是：有“季”这个概念，大家保持一致，“好，这是智能体的时代，这是现在正在发生的事。我们要围绕智能体来确立我们的战略。”然后有这些宽松的季度OKR。你大致规划三个月，然后在系统中留一些余量，以应对变化。
是的。
目前这一季是智能体吗？你会如何描述我们现在处在哪一季？
是的，是智能体。智能体的崛起。
智能体的崛起。听起来像一部《终结者》电影。你对下一季可能是什么有感觉吗？有没有“哦，这个可能是接下来要来的”这种想法？
天哪，我不知道，但我认为，你看，今天在我们的服务上部署了超过15,000个智能体，至少是在Azure服务上。公司里还有一堆其他平台，我只想说，我认为我们真的应该专注于确保我们拥有所有的对齐、问责、可观测性和评估，以让这些智能体变得出色。（34:11）：我认为Manus在这个领域的突破在于，他们可以做这些工具调用循环，并让智能体执行时间更长的任务，而真的没有其他平台能做到这一点。我认为类似这样的东西至关重要。记忆至关重要。我认为还有一堆构建模块，让智能体在实际应用中不够完整，我认为在我们继续前进之前，必须在细节上下足功夫。
所以就是智能体一直到时间的尽头，直到超级智能出现，然后我们就在海滩上悠闲度日。
是的，智能体一直到dank memes（原文如此，语义不明），你看。是的，我认为酷的地方在于，三个月后可能会有新的东西出现。13个月后可能会有新的东西出现。我们对一组构建模块有着坚定的信念，我们想提供这些模块，让这些智能体经久耐用、具备高耐力，所以这就是我们所专注的。
你说有15,000个智能体，这是什么意思？是你可以使用的15,000种智能体，还是说那是有多少个进程？
不，那是客户。15,000，我想我应该重新说明一下这个数字。是15,000个客户创建了智能体。我认为智能体的数量实际上是数百万个。
有15,000个客户在你的平台上构建某种特定的智能体，它们正在运行，而智能体的数量达到数百万个，就在云端运行着。
是的。没错。
好的。太疯狂了。这里有一些疯狂的数字。好，让我换个稍微不同的方向。你身处大量AI风暴的中心，看着其他一切正在发生的事情。有没有什么事，你希望在踏入这个角色之前就知道，让你觉得“好吧，我明白了。我没想到会这样”？
我刚接手这个角色时，它被形容为“巨兽的腹中”，而我职业生涯的大部分时间都在构建处于机器学习与应用或业务中心的产品，我认为令我惊讶的是，许多经验都可以迁移：造就一个优秀平台的东西，也造就一个优秀的产品。而对我来说，真正驱动这一点的，往往是看不见的工作，而不是像素。（36:26）：举个例子，我工作过的第一批公司之一叫Porch Group。我是第七位员工，我们知道我们想帮助人们照料他们的家，我认为我们发明了很多功能，比如家居报告，或者管理你家的方式，或者房屋风格灵感功能，你可以看到所有的房子，并绘制每一个房间。而我们在那里期间本可以做、也确实做了的最重要的一件事，是创建了一个匹配平台，把600万专业人士、1,300种服务类型、37,000个邮政编码以及北美所有的房主匹配起来，以真正照料他们的家，这就是一场寸土必争的游戏，通过优化那个引擎，从根本上创造更高质量的线索。（37:15）：这就是让我们达到第一个5亿美元估值的原因。这最终也是我们在其基础上构建其他垂直服务和软件平台的基础，是公司的知识产权。消息产品也是如此。我得到的第一条经验是，你看，WhatsApp获胜并不是因为它有贴纸、动态或深色模式。事实上，我甚至认为它获胜时并没有所有这些东西。它靠几个前提获胜：一是电话簿，你知道当你使用WhatsApp时，你能联系到每一个人，因为你有他们的电话号码，而这些正是你使用消息产品时在乎的人。（37:54）：是可靠性和速度之快。我可以给我在印度的祖母发短信，并知道她总能收到我的短信，然后是隐私。当你每天向你最在乎的四个人发送200条消息时，你想确保没有其他人能读到这些消息，所以端到端加密真的很重要。所以靠的不是数百个功能，而全在基础设施和平台上。（38:21）：Instacart也一样，Instacart有很多受人喜爱的功能，但归根结底，它是十亿件商品，每分钟更新3,000次，把杂货从房主喜爱的商店送到他们手中。所以我希望我早点知道这一点，因为我认为那会缩短我的学习曲线，让我明白对平台来说重要的不是所有这些功能，而是数据驻留。（38:46）：这样德国那家微调模型的医院就可以放心地这样做，数据不会离开该地区，还有可用性、可靠性。确保你拥有企业所需的正确工具选择，以及检索知识的正确方式，而这就是我们已经构建的平台，只是当时我没有完全意识到这些经验可以迁移。
嗯哼。这真的很有意思。所以我听到的是，人们低估了那些简单的、处在马斯洛层次结构底层的东西，它们帮助你在平台上获胜，尤其是在消息平台上，包括可靠性、隐私，我不知道，可用性。
是的，性能、可靠性、隐私、安全，所有这些。
嗯哼。让我问你一个完全不同的问题。我们之前本来要录这期节目时，你说“哦，我有一个跟Satya的大会议，我得去开”。于是我们改到了另一个时间。很少有人能与Satya共事，他是一位相当成功的领导者。你从他身上学到了什么，关于，我不知道，领导力或产品打造？
我学到了乐观是一种可再生资源。这家公司50年来一直有各种理由不会成功，却依然成功了，即便它在AI时代取得了早期成功，也遇到挑战、取得其他成功，而这个领域发展得如此之快，我认为他创造能量、运用他的乐观来重新点燃每个人对使命的投入的能力，令人难以置信，我认为这是文化中如此重要的一部分。人人都谈成长型思维，那是真实的，是文化中很重要的一部分，但我认为，在一个竞争完全白热化的人才市场里，能够创造能量、让我们需要去做的事情变得清晰，并运用乐观来每一天为每一个人重新点燃承诺，这相当了不起。
你认为这是他与生俱来的东西，还是他为了替大家创造这种乐观而下功夫培养的东西？
我不知道。我们应该去问问他，但我对此印象非常深刻。
有意思的是，很多事情归根结底就是氛围。就是这种氛围，想象一下，不只是他所用的言辞，而是他散发出的这种能量，乐观和能量。
想一想。我们都选择了……有个人刚跟我说了这句话，我觉得说得太好了：“我们每天都选择对孩子关上门，去为某件事情工作。”所以你必须做一件让你深受触动的事，并且你深信它会让世界变得更好，我认为这就是为什么这是氛围。我认为你必须追随并拥有一种责任感，去服务一个比你自己更大的使命。
这让我想起一句话，我在这档播客里引用过几次，它对人们的触动很大：唯一会记得你加班到很晚的人，是你的孩子。
好吧。我不知道我们这是要聊到哪儿去了，但这就像，现在你就像是，嗯，是啊。
太沉重了。我们聊得太远了。哦天哪。好吧。那我问你这个。是什么在驱动你？
我们本可以说是我们的客户，我们本可以在这个问题上走另一条路。
这才是真东西。是什么在驱动你？是什么在驱动你？是什么让你对自己正在做的工作保持兴奋？
AI将从劳动力的角度帮助我们做什么，从医疗健康的角度帮助我们做什么。我母亲患有癌症，我常常想，我们是否能在我有生之年找到办法攻克她所患的这种癌症，而三年前我从没想过这是可能的。所有这一切都意义深远，而我个人现在经常思考的，既然我们知道自己生活在这样一个时代，在使用如此强大的技术，就是它的影响，以及我如何才能最好地构建一个平台，让人们能够利用它。（42:52）：所以我在微软工作的原因是，公司的整个精神就是：我如何帮助个人和企业取得越来越多的成就。而对我来说，夜里除了GPU之外我还会想的是：我的儿子将来会有同学吗？这并不是因为智能体会取代他们，而是因为生育率在下降。我们成长的90年代，平均出生率大约是三，而现在是2.3，据估计到2050年将低于更替水平，我认为AI可以对此产生如此大的影响，而且已经在产生影响了。（43:42）：我刚读到伦敦的一家医院，能够通过使用AI来匹配卵子和精子来提高怀孕率，同时还在降低成本。你也看到了昨天的ChatGPT-5发布。关于ChatGPT如何在医疗健康领域提供帮助，有一个很了不起的故事。斯坦福是我所构建的平台的大客户之一，他们正在研究用AI进行肿瘤审查，而正是这类事情将推动人类向前，延长我们的寿命，并让我们有幸解决百年难题。所以这就是我感到兴奋的原因，这就是我做我所做之事的原因。
是的，尤其是在你的角色里，你在构建使这一切成为可能的平台，我能看到这有多大的影响力。Asha，在进入我们非常令人期待的快问快答环节之前，关于我们之前聊过的任何内容，你还有什么想补充、分享或者再强调的吗？
我们稍微提到过，但我认为，随着智能体以及能够思考、行动和推理的产品的降临，将会出现围绕RL的新一波浪潮，我深信这会成为下一季，或至少未来几季中最重要的产品技术之一。
RL是强化学习吗？
是的。是的，没错。我相信我们将看到在后训练上花的钱和在预训练上花的一样多，而在未来，会更多地花在后训练上。我们稍微谈到过Nathan Lambert的研究，他的评估是，当一个模型达到300亿参数时，对其进行微调和优化更合理；根据调查，现在有50%的开发者在做微调，我们知道微调是好的，但如果你真正走完整个循环，就能获得更好的结果。（45:30）：所以我认为这里有很多东西，我认为将会出现一整套全新的基础设施、平台和公司，全都围绕技术栈的这一部分。所以我认为，对于平台领域来说这是个令人兴奋的时代，对于创办公司并思考这些问题来说，也是个令人兴奋的时代。
我想确保大家真正理解你在这里说的内容，因为并不是每个人都真正理解后训练和预训练。要理解两者区别，最简单的方式是什么？以及为什么投资转向后训练是如此重大的事？
我是这样想的：创建一个基础模型，需要大量的算力、大量的科学。我们看到的是，专业能力方面，科学家的成本或平均价值正在急剧上升，而且我认为我们看到的这种专业能力目前并不是遍布世界各地。所以做这件事是一笔巨大的资本支出投资。（46:33）：随着我们一开始谈到的这场模型爆发，针对不同领域有很多好模型可以选择。所以我认为你在经济上能获得更多杠杆，在品味上也能获得更多杠杆，即你想如何真正地引导一个模型，如果你在做强化学习或某种微调，就可以开始针对某种结果（如价格、性能、质量）去优化现成的模型。（46:58）：如果你这么想，这并不疯狂，对吧？排序是一个由来已久的优化问题，你不会只想拿现成的东西，因为世界上有很多出色的框架、UI和组件，比如到处都有的React组件。你仍然想把体验针对一组使用场景或一组人群进行定制。我认为这只是同样的产业逻辑。
那么在实践中，这意味着有一个GPT-5模型。你是说，有很多机会，有一种效率高得多的花钱方式，就是拿类似这样的模型，然后在你拥有的额外定制数据上训练它，无论是数据还是仅仅强化学习，甚至可能有人类参与，来让它与你想要实现的目标对齐？
对，数据可以是你自己的数据，可以是你购买的数据，可以是合成数据，也可以是别的东西，但我认为我们将开始看到越来越多的公司和组织开始思考：我如何适配一个模型，而不是我如何原样拿一个现成的模型，或者投入大笔资金去构建我自己的模型。
是的，我记不清了。我知道Cursor，他上播客时分享过，他们有一堆模型来支撑你使用Cursor的体验，而随着时间推移，他们会有自己的东西。我忘了是谁，Windsor（原文如此，疑为Windsurf）还是其中某个家伙，现在只用自己的模型，不再只是接入Claude。
我更倾向于模型系统阵营。我相信模型的多样性。我认为在Claude这样的体验中，Sonnet 4对一组使用场景来说很棒，而GPT-5则适用于不同的使用场景。我认为有些任务你关心模型的延迟。你可以接受思考时间，或者你想要快速检索之类的。我认为美妙之处在于，有很多模型可以帮你实现这些，所以我更认同模型系统，而不是“一个模型统治一切”。
这是正确的术语吗？我还听过“集成模型”，模型的集成。
我所理解的模型集成，是由多个模型组成的一组，然后你可以独立地微调和部署它们，但在这个阶段，我们都在自创不同的术语，来定义那些我们深信不疑、但数据点有限的事物，因为一切都变化得太快了。
是的。就这样，我们进入了非常令人期待的快问快答环节。
我对我们的快问快答环节非常兴奋，我要把灯调暗了。
然后我想一秒钟后灯就会重新亮起来。好的。第一个问题，你发现自己最常向别人推荐的两三本书是什么？
工作方面？大概是《Thinking Machines》（原文如此，疑为《Thinking in Systems》），讲的全是治本而不是治标。典型的例子是，如果你想解决交通问题，你实际上不会设置减速带或限速，你得解决步行便利性和出行问题，以及人们为什么真正会使用汽车。除此之外，个人方面，Instacart的首席营销官向我推荐了《明日，明日，复明日》（Tomorrow, and tomorrow, and tomorrow），我上个月读了，去年读了，前年也读了，因为我太喜欢了。这是一个横跨十年的美丽故事。
嗯哼。最近有哪些你真正喜欢的电影或电视剧？
《F1》（Formula One），看了两遍，还有《For all mankind》（原文如此，即《For All Mankind》）。《For All Mankind》我喜欢第四季。我不知道，我喜欢对太空竞赛可能是什么样子进行另类设想。
你有最近发现并真正喜欢的最爱产品吗？可以是科技产品，可以是小工具，也可以是服装。
我刚加入家得宝的董事会，我们正在做一个小的翻修项目，所以有这个新的，嗯，对我来说是新的，DEWALT的电池包，它们用软包电芯，所以轻了50%，但电力一点没少，对于钻机和那些我需要单手举起来、感觉很沉的东西来说太棒了。所以我很喜欢。（50:59）：我们还在测试这个新的Brilliant智能家居系统。它是一块四英寸的高分辨率中间件，让你可以连接所有东西，而我已经对真正使用你的家所需的所有技术的爆炸式增长，达到了不满的顶点（dissat）。所以它可能就是那个能留下来的中间件，不过我们拭目以待。
你说的是dissat吗？是dissatisfaction（不满）的缩写吗？
是的。抱歉。我在说缩写词。
哇，我从没听过dissat这个词。我喜欢。顺便说一句，我喜欢你在家得宝的董事会里。这是工作光谱上截然不同的一端。
是的，太棒了。第一次董事会会议上，慈善事业负责人，她已经在公司工作几十年了，她说：“欢迎来到地球上最伟大的公司。”这相当特别。
他们就像是，“微软。”你从与他们共事中学到了什么，并且带到了微软的吗？
你看，这是新的，是今年的事，但我长期以来一直在做具有那种影响力的产品。所以我在Porch的时候，是专业人士。在Instacart，我们有60万名购物者，显然，家得宝有店员。我最喜欢这家公司文化的一点是，他们有一个倒金字塔结构，不是高管在顶部，而是店员在顶部，门店本身就是总部，而传统意义上的总部则是支持部门。（52:35）：所以它是如此以客户为中心，而当我思考出色的执行力，以及创建这些持久的长期机构，还有文化、理念和领导力是如何形成的，我就会想到这一点，我还会想到，归根结底，AI将对每一个人、每一份工作产生影响。能与我们这个圈子之外的人相处，真正努力去了解他们真正的痛点和问题，了解他们如何看待AI、如何看待技术，以及我们需要做什么，这一点很了不起。
好的，还有两个问题。你有没有一句你发现自己总会回头去想的人生座右铭？会与朋友或家人分享的？
我过去使用“最小化遗憾”框架，它很棒，我用了很长时间。我认为大概在我步入成年、开始组建家庭之类的事情之后，我的世界观有了一点变化，变成了全是关于最大化选择权价值，它赋予了那些我自然而然在乎的东西，比如家庭、健康、信任和关系。（53:51）：这给它们带来了一个全新层次的价值，因为突然之间，学会在周末休息，可以在未来产生复利，拥有良好的健康可以在未来产生复利。你不必拿这些去与额外的工作时间做交换，也不必拿家庭的重要性等等去做交换。所以我认为我的世界观是，当我70岁时，不是回顾我这一生去数遗憾的数目，而是真正向前看，看我还将拥有多少次冒险，因为我已经积累了这些技能、信任、人脉、家庭和影响力等等财富。
说到技能，网上告诉我你是跆拳道二段黑带。为什么？哦天哪。这是真的吗？然后我有一个关于它的问题。
这是真的。
好的。太了不起了。为什么会觉得尴尬？这是件了不起的事。
任何时候只要谈到关于我的事，我通常都会觉得尴尬。
好吧，没问题。你从跆拳道中学到了什么，对你的生活或工作有帮助？
跆拳道更多是心理层面的，而不是身体层面的。所以我认为我们所有的工作和做产品也是一样。我认为那是头脑的清明，是勇气。是把事情做到底、坚定不移的志向。所以我认为这就是它字面意义上教给我的东西，除了冥想之外，而冥想大概花了我全部的时间才真正学会冥想、清空头脑。但是，是的，我认为这很棒。我认为每个人都想象着飞行的psychics（原文如此）或者跑上墙壁，你也可以做那些事，但真正的价值在于这一切的心智追求。
你也可以做那些事。哇。好的。我没问题了，我得去学一学了。Asha，这期节目太棒了。还有，哦，其实是最后两个问题。如果大家想跟进任何内容，希望有人联系你，大家可以在网上哪里找到你？听众怎样才能对你有所帮助？
你可以通过LinkedIn、电子邮件或短信联系我。我想这些都是可以找到的。至于你怎样才能帮到我？我认为我们都处在这段旅程的早期，伟大的平台是建立在伟大的使用场景和伟大的客户之上的，所以如果你有反馈、有想法，或者你希望AI能够帮你做到更多的事情，我很乐意听到。我认为所有这些变化的特点是，所有这些新产品和新使用场景将在各个地方被开发出来，所以我一直在思考的是，我们如何才能成为支持这一切的平台。
太棒了。Asha，非常感谢你的到来。
谢谢邀请。
大家再见。非常感谢收听。如果你觉得这期节目有价值，可以在Apple Podcasts、Spotify或你常用的播客应用中订阅本节目。另外，也请考虑给我们评分或留下评论，这真的有助于其他听众发现这档播客。你可以在lennyspodcast.com找到所有往期节目，或了解更多关于节目的信息。下期节目再见。