Adam Mosseri：AI 是真实性的助力
Adam Mosseri: AI is a tailwind for authenticity
嘉宾：Adam Mosseri
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
本篇目录1 章节
§01原文文稿 · 00:00–1:08:04§01原文文稿 · 00:00–1:08:04
不，我认为品味非常重要。在构建东西变得更容易的世界里，更重要的是把时间花在先想清楚应该构建什么上。我认为最能从中受益的人，是那些能清醒判断 AI 擅长和不擅长什么、同时也对它未来可能擅长或不擅长什么有直觉的人。
Instagram 的算法了解了哪些人类行为，而人们可能没有意识到？
我觉得人们以为算法对每个人的兴趣和偏好有着远比实际更细致的语义理解。
与其他平台相比，AI 内容的兴起对 Instagram 是逆风还是顺风？
我认为这会是顺风，但也会是一种挑战。在合成内容泛滥的世界里，我觉得人们会寻求创造力、真实感和人与人之间的连接。我不认为我们应该过滤掉 AI 内容；我认为应该让你知道内容是不是由 AI 生成的。不过，这件事很难做到。
随着 AI 越来越多地参与产品开发周期，你认为人类的思维在哪些方面仍最有价值？
这是个好问题，我想——
今天的嘉宾是 Instagram 负责人 Adam Mosseri。Instagram 的月活用户超过 30 亿，相当于全球每三个人中就有一个，想想都令人难以置信。在加入 Instagram 之前，Adam 曾参与设计并领导早期的 Facebook 新闻推送，也带领团队打造 Facebook 排序算法。八年前，他从创始人 Kevin Systrom 和 Mike Krieger 手中接管 Instagram。他先是设计师，后来成为产品经理，如今负责 Instagram。Adam 也常常站在产品变化和争议的风口上，本期我们会谈到这些。在开始之前，别忘了访问 lennysproductpast.com，Lenny’s Newsletter 订阅者可以免费获得一年的精选全球 AI 产品。下面请听 Adam Mosseri。（00:02:09）Adam，非常感谢你来做客，欢迎来到播客。
谢谢邀请，很高兴来这里。
你做产品已经很久了，也见过 Meta 和 Instagram 内许多团队的运作方式。到 2026 年，一个典型的产品团队是什么样？与几年前相比，团队的运作方式或应有方式有哪些最明显的变化？
今年变化很大。很长一段时间里，像我们这样的大公司，典型团队大概有两三名 Android 工程师、两三名 iOS 工程师、两三名服务端工程师，可能再加一名通才、一名 PM、一名设计师、一名数据科学家，以及一名研究员——如果运气好的话——总共十来个。这样配置的原因是，写代码的人需要有人审查代码，而且熟悉那套代码库；各项职能也因此更加专业化。我认为初创公司很不一样。（00:03:14）但今年情况正在改变。我们采用了所谓的 pod，也就是小型团队：大约四到六名更偏通才的工程师，再加一名 product staff。这是 PM 的一种演进：借助最新工具，PM 可以承担设计师、数据科学家和研究员的一部分工作。除此之外，团队按需配备专才。如果项目需要定价策略，就需要资深数据科学家；如果体验上有很大创新，就需要非常资深的产品设计师。（00:03:57）因此，我们根据工作需求组队，核心团队通常缩小到六七人。这是我们今年正在经历的重大转变。协调的人少了，团队往往行动更快、决策更好，也不那么像由委员会设计。AI 确实能调整和提升生产力，但我认为小团队本身也往往更有效。
本期节目由本季冠名赞助商 WorkOS 呈现。OpenAI、Anthropic、Cursor、Vercel、Replit、Sierra、Clay 以及数百家成功公司有什么共同点？它们都由 WorkOS 提供支持。如果你在构建企业产品，就会感受到集成单点登录、SCIM、基于角色的访问控制、审计日志以及大公司要求的其他功能有多麻烦。WorkOS 以现代开发者平台和即插即用 API，帮你扫清这些交易障碍。我投资的创业公司里，几乎每一家开始向高端企业市场拓展时都会使用 WorkOS，因为它们是最好的。（00:05:18）无论你是想拿下首个企业客户的种子轮初创公司，还是正在全球扩张的独角兽，WorkOS 都是让产品满足企业需求、打通增长最快的路径。它就像企业功能领域的 Stripe。访问 workos.com 开始使用，或者去他们的 Slack 提问，那里有真正的工程师等着解答。WorkOS 通过出色的 API、完善的文档和顺畅的开发体验，帮助你更快构建产品。今天就访问 workos.com，让你的应用满足企业需求。（00:05:48）我很喜欢这个思路。六七人的团队具体怎么组成？如果规模减半，哪些岗位会变少？
专才会更少，有时甚至一个都没有。团队可能由四名工程师和一名 product staff 组成，没有数据科学家、设计师、研究员或内容设计师；product staff 这个通才负责支持所有这些工作。（00:06:14）各项职能显然正相互交融，整个行业都在思考这意味着什么。比如大公司数据科学家的许多工作相当机械：有些确实需要艺术和科学的结合，另一些则主要是提取和管理数据。（00:06:37）我们正在构建一些内部工具。传统的数据科学问题之一是漏斗分析：比如要分析用户创建 Reels 的过程，就查看每一步以及用户在哪一步流失，再找出改进机会。现在借助内部工具，基础漏斗分析更容易自动提取，不必再让数据科学家定制完成大量工作。因此 product staff 现在或许能做这件事，而一年前还做不到。（00:07:11）团队里于是会有更多通才。真正需要专门能力时，再找更资深或更有创意的专家，例如出色的产品设计师，或极有才华的数据科学家、研究员。
这很有意思，和我刚刚听到的完全一致。我之前请来过 Claude Code 和 Cowork 的工程负责人 Fiona Fong。她是 Boris Cherny 的经理。她说现在招聘的两类人，一类是品味出色、能端到端把想法做出来的构建者；另一类是在某个特定领域有深厚专长的人。
品味真的很重要，我非常认同。Boris 以前在 Instagram 工作过。
噢，是这样。
对，他曾经在 Instagram 做过一段时间的高级个人贡献者。我很高兴看到他如今活跃在 Threads 上，某种程度上也成了 Claude Code 的门面人物，真了不起。他做得非常出色。
他确实很厉害，现在都成名人了。
确实，他已经有自己的小天地了……没错。在这个当下有点失控的世界里，我认为品味非常重要。构建东西更容易了，所以更应该把时间用来想清楚究竟应该构建什么。（00:08:28）很多设计师现在都对岗位感到焦虑：其他通才、工程师和 product staff 都可能在做设计。但我对设计和设计师的前景仍相当乐观，因为他们往往有品味。我认为这是更难被自动化取代的能力。设计当然也面临其他挑战，但我目前看好设计师。
我一直也这么觉得。现在构建东西太容易了，而 AI 产出的东西……你一眼就看得出来这是 Claude 设计的，也看得出这是 Codex 做的。
每种工具都有自己的风格。你用氛围编程做应用时，我们就会说：“哦，这是 Codex 应用”，或者“哦，这是 Claude 应用”。
对，还有 Replit、Lovable，你能猜出来。我也一直觉得设计应该蓬勃发展，但不知为什么还没有。如果看看设计师岗位数量，大致是在原地踏步。我觉得缺少的是深入理解业务的 PM 能力：理解什么能推动业务增长、怎样才算成功，也就是业务这一面，而不仅仅是品味这一面。
是的。我认为你会看到这种变化……Instagram 有一位资深设计师 Nate，最近转到了 product staff 岗位。因此，设计岗位的定义以及什么样的人算优秀设计师会更难说清，因为他们不一定继续留在传统设计岗位上。优秀设计师往往不只对交互和视觉设计有见解，也会对产品策略、业务乃至上市策略有强烈看法。（00:10:13）我认为我们一些最出色的 product staff 会是从设计和数据科学转过来的，他们想扩大影响范围。他们过去就已跨职能发挥影响力，如今职能边界大幅模糊，他们可以直接参与更多工作。他们在名义上或许是通才，但某种专业技艺显然特别突出，也有能力和鲜明观点，在其他领域做出有根据的决策。（00:10:46）因此，我不认为我最强的设计师都会继续做设计。多数可能仍然会，但我能想象其中不少人转岗。不过我也应该检查自己的偏见，毕竟我当年在 Facebook 是设计师，后来也换了岗位。
不，设计师很棒，我很喜欢他们。这很有意思。过去就有总经理模式，不同职能的人都可能成为总经理。product staff 这个岗位看起来也类似，不同职能的人都可能转为 product staff。
是的。PM 以前也有这种情况，但现在更明显了。从某种意义上说，这可能是通才的时代，但我仍认为非常优秀的专才很重要——那些真正专注、深入钻研的人。我希望自己也是那样。我一直很向往出色的机器学习工程师、AI 研究员或制鞋匠；我觉得那是世界上最酷的事。但我的特质并非如此。我从来没有在哪件事上特别拔尖，我一直更擅长涉猎广泛，这就是我的优势。
我也有同感。回到 product staff 这个概念：在这些新组建的 pod 里，有 product staff、工程师，可能再加一位深入研究某个领域的专才，比如定价算法。这样看来，一些相邻岗位这些年可能更容易受到冲击，例如数据科学、用户研究。你提到设计师会焦虑。你觉得这些领域的人应该考虑转到其他岗位吗？
到处都有焦虑。我和许多其他公司的从业者聊过，大家确实都担心竞争、岗位替代，以及技术快速发展带来的意外或不可预见后果。（00:12:44）我认为职能边界会继续模糊，但各类职能仍有空间，只是形态不同。并非所有人都能成为高级个人贡献者，但他们都应该朝着资深方向成长。不能只留一批资深数据科学家、一个新人都不培养，否则将来谁来成为新一代资深数据科学家？因此公司需要招聘、指导并培养人才。也许团队整体更小，而尚未朝顶尖专才发展的成员会更多转向通才岗位。我认为这是相对平稳的过渡方式。但公司不仅要投资于今天各职能的资深人才，也要培养明天的人才；否则几年后可能会后悔。这是我的看法。（00:13:36）当然，谁也不知道几年后的世界是什么样。所以我最想强调的是，不要对自己的预测过度自信，因为当下的变化实在太快。
Benedict Evans 最近上过这档节目，他也表达了同样的看法：“我们不想知道正在发生什么。”
是的，是的。我很喜欢他，会记得去听那期节目。
你刚才谈到品味。这让我想到，你会面试和招聘很多人。在如今这个环境里，你越来越看重哪些特质？哪些特质的重要性正在下降？
有些标准一直没变。很长时间以来，无论招聘什么职能，我都会看三点：有没有韧劲和干劲，是否有股冲劲；是不是学得快；以及是否有一定、最好很强的自我认知，能接受反馈，知道自己擅长什么、不擅长什么。如果具备这些特质，就能不断成长，也能在团队里有效合作。随着 AI 让完成工作更容易，判断力、主动性和适应能力会更加重要。
俄语，对吧。
我认为学一门新语言时，一个很重要的因素，也是我猜测最能预测你能否学会口语的因素之一——我没有研究数据支持——是你愿不愿意听起来像个傻瓜。你愿不愿意开口说，接受纠正而不觉得受冒犯，然后一点点进步？你必须勇于尝试。（00:15:44）我觉得这也适用于使用 AI。你要愿意尝试、犯错、接受反馈，不要因为第一次结果不好就放弃。
我听几个人提到，AI 好像正在重新定义人们的影响力和成功：一些以前表现不佳的人，现在能借 AI 做好过去不擅长的事，于是开始蓬勃发展、构建各种东西并帮助他人。你也看到这种情况吗？AI 是否在扶起一些人、同时压低另一些人？
是的，工作本身变了。以工程为例，过去工程师可能有 40%、50% 甚至 60% 的时间在写代码；现在不是这样了，尤其是你去问那些 AI 实验室的人。他们大部分时间都在规划和审查代码。这是完全不同的工作。你可能讨厌这些工作，却喜欢亲自写代码；也可能相反。AI 会让一些人受益，也会让另一些人感到失去原本喜欢的部分。问题不只是生产力提升，还包括工作内容和个人优势如何变化，以及人们能否适应。
你提到现在 AI 写了我们所有代码。几个月前有人发帖说了一句话，一直留在我脑海里：“记住，我们以前可以免费写代码。”
我认为你仍然可以免费写代码，只是要用更小的模型。不过确实如此。[00:19:58 无法辨认]
我想确实是这样。有些模型几乎免费，但这还是很疯狂。现在完全就是——
想想模型的成本：你现在为一个模型支付多少钱，获得什么水平的智能？一年前，同样的价格能买到什么？总有一天，继续提升的增量价值会变得不那么重要。我觉得小项目和编程领域已经快到那个阶段了。模型的重要性还会继续扩展……本周你看 Fable，还有明显的 Mythos，它们能力很强。
Kevin Weil 还是 OpenAI CPO 时曾在节目里说过一句名言：“模型现在是它们有史以来最差的时候。”这仍然很难想象，但它们只会变得更好。说到 token、支出和投资回报，Meta 因 token 支出排行榜而出名。
这是个糟糕的主意。不要做 token 支出排行榜。
好。那你谈谈这个吧：现在你怎么看工程师和产品团队的预算？可以随便花吗？有没有预算上限，或者你发现了什么有效做法？
目前我们通过关掉一些愚蠢的做法，把成本控制住了一些。制造一个只会烧 token、却创造不了多少价值的东西并不难。一旦认真比较投入的钱和产出的价值，人们可能会发现：“这主意根本不划算。”现在我们没有给工程师设 token 限额。实际上，我认为对任何人都没有这种限制……我们更希望大家根据工作需要使用工具，同时留意是否产生价值。
回到刚才的话题：我们从自己写所有代码，走到接近所有代码都由 AI 写的阶段。现在的转变好像不仅是让 AI 写代码，而是让 AI 一次就写对。如今编程变成了引导 AI；你需要纠正它多少次，成了编程工作的一部分。软件开发生命周期正在逐渐被 AI 吞噬。接下来哪些环节仍需要人？
就像我们说过的品味，还有判断力，尤其是战略判断。你可以让 AI 对战略提出反馈，但短期内不会让 AI 自己制定战略；即使让它做，也是在你设定的边界内，例如目标、愿景、约束、职责和预算。（00:24:27）这更像管理工作：你要定义要做什么、检查结果、理解上下文并作出取舍。AI 可以承担更多执行，但人仍要设定方向并判断输出是否符合实际情况。
我一直觉得 AI 应该特别擅长战略。你可以把市场、竞争对手、指标、数字和增长情况都给它，然后问怎么赢。按理说，掌握这么多信息的 AI 应该很擅长制定策略。
它可能做得到。但我的经验是，如果不非常主动地引导它，它就做不好。我说的不是把它引向某个答案，而是提供约束条件。制定战略时有很多因素：技术现状、团队成员及其动力、可获得的资源。有时一个纸面上很好的想法，实际并不可行。策略也涉及组织状况和人的因素，不能只看市场信息和指标。我需要把这些背景告诉 AI，反复引导它，才能得到可用的建议。
是的。Mythos 现在很擅长说“这事我做不了，我们继续下一项吧”。它有各种限制。
Claude 一直有点不客气，但我其实很欣赏这一点。我真的喜欢它，因为我不想要那种只会说“你说得太对了，抱歉我刚才那样说”的模型。我想要的是真正的智能，而不是一味讨好人的回答。
你提到人们对策略感到兴奋，这一点很有意思。我读过一个概念，可能是 Cory Doctorow 提出的，叫“半人马”和“反向半人马”。半人马就是人的身体、马的……我保证这会讲到重点。人的上半身、马的下半身。
马的身体。对，对。
马的身体由人掌控。我们更希望自己掌控局面。反向半人马则是我们想避免的 AI 状态：AI 控制着我们，我们只是在执行它的命令。
也就是马头长在人身上。
对，正是如此。
太可怕了。
从某种意义上说，Uber 司机和 DoorDash 配送员的工作就是如此，这并不理想。我认为很多人面临的风险就在这里：如果 AI 给我们制定策略、告诉我们“要构建这个”，没人会愿意做。所以这是一个很有意思的反例，也说明我们几乎不希望 AI 替我们决定战略。
是的，目前确实有很多事需要谨慎。我绝不会想当然地认为，只要某个工作流程可以外包给 AI，就应该这么做。有些流程确实能带来双赢，但也有些流程的风险超过收益。
本期节目由 Mercury 呈现。超过 30 万名创业者喜爱的全新银行服务，如今还推出了 Command。我使用 Mercury 已超过六年，从没想过离开。Mercury 就像是产品人而非银行家打造银行的结果。它让你轻松、甚至可以说有趣地发送发票、转账，以及为团队成员创建虚拟卡。你的银行有 API、终端原生 CLI 或适配 AI 的 MCP 服务吗？我想没有。（00:29:57）他们最近还推出了 Command，这是直接内置于 Mercury 的对话界面，可以充当你的财务运营助手。我用 Command 转账、查看开支最多的类别、分析现金流。就在今天，我还查了过去一年某个赞助商给我带来了多少收入。我只要问：“过去一年我从 X 赚了多少？”十秒后就能得到答案。简直太酷了。访问 mercury.com 了解更多，几分钟内就能在线申请。Mercury 是一家金融科技公司，并非 FDIC 承保的银行。银行服务由 Choice Financial Group 和 Column N.A. 提供，两者均为 FDIC 成员。（00:30:37）好，回到产品领导力。一路走来你学到了什么？录制前我们聊到一些心得，其中你提到，最优秀的产品领导者往往不那么像愿景家，而更像策展人。我很想听你展开说说。
确实有时会遇到特别出色的产品领导者，他们像点子机器，能不断提出想法。但我认为很多优秀领导者有品味，有某种特质，能吸引优秀人才愿意与他们共事；他们最终更像策展人——筛选人才、想法、技术和策略。对我来说，如果招聘某个领域的优秀负责人，我并不在意策略是他提出的还是别人提出的；我关心的是是否有出色策略、大家是否认同，以及团队是否能很好地执行。（00:31:39）优秀产品领导者当然也会有自己的想法；没有自己的点子，也很难成为优秀策展人。但他们接受一个现实：不可能事事都由自己想出来，所以需要营造环境，让好点子自然浮现并得到选择。因此，策展的不只是想法，有时也是团队和人才。
我很喜欢这个观点，完全认同。我觉得很多人加入团队后，只想做愿景和战略，不想亲自做事——“别让 AI 进来，我来负责战略。”
对，正是如此。
我很喜欢你说策展团队想法极有价值这一点。人们往往低估了团队需要一位优秀策展人的价值。
是的。有时关键不只是判断谁优秀、哪个想法好，还要看放在更大的背景下什么才行得通。比如组建团队时，我考虑的不只是某个人是不是该岗位的强力候选人，也会考虑他如何融入领导团队。以信任与安全领域为例，我有工程负责人、product staff 负责人、数据科学负责人、设计负责人和研究负责人。我需要确保五个人彼此互补，要看各自的技能，也要考虑各自的短板。（00:33:16）这更像艺术而非科学，我还需要判断团队氛围是否合适。彼此信任、配合默契的领导团队，通常能解决大多数问题；缺乏信任和默契时，任何小事都可能变成问题。团队化学反应很难科学量化，但确实重要。我认为一些最优秀的领导者，尤其是产品领导者，会本能地或有意识地寻找合适人选，组建有活力、善于协作的团队。
听起来很温暖，很有人情味。
没错，反过来的情况也有。我职业生涯中遇到过很多次：我觉得两个人都很优秀，甚至非常喜欢他们，但他们就是无法合作。这不是能力问题，而是性格不合。有时候你只能承认这一点，把他们分开。
我想转而聊聊 Instagram 这个产品和平台，以及你们从中学到了什么。先问一个问题：Instagram 算法了解了哪些人类行为，而人们可能没有意识到？
最常见的误解之一恰恰相反：人们以为算法对每个人的兴趣和偏好有着远比实际更细致的语义理解。过去五到十年推荐系统的进步，很大程度上来自大型嵌入模型等技术，它们生成的结果人类无法直接读懂。它们不可解释，就是巨大的向量。我可以把向量给你看，但那只是一堆七维空间里的数字。我们谈算法“知道”什么时，往往会用语义概念来想，觉得它知道我喜欢冲浪。其实并非如此，它只有一个与冲浪恰好相关的大数字。（00:35:31）不过我认为这正在改变。大型语言模型带来的能力之一，是可以用英文或你喜欢的语言，描述这些过去难以解读的表示大致对应什么，甚至它们本身意味着什么。我这周发过一条关于“你的算法”的内容：我们查看你互动过的东西，它们都处在一个嵌入空间里。可以把嵌入空间想成一张地图，把视频放到地图上，彼此接近的视频就比较相似。现在我们可以让 LLM 描述地图上的某个区域，它可能会说：“那是对深度手冲咖啡的极致迷恋。”这很神奇。
太酷了。让 LLM 看这些数字，再推断你感兴趣的主题。真棒。
或者让它看那些视频。
也看视频。
两种都可以。你还可以把概念嵌入同一个空间。嵌入技术是 LLM 底层的核心，整个机制都依赖它。（00:36:50）所以现在我们让你“查看自己的算法”。你能看到我们认为你感兴趣的主题，也可以调整、添加或删除主题。这样做是为了在社交媒体应用越来越被推荐机制主导的世界里，把一些自主权还给用户。目前还有许多事做不到，但以后可以做到。比如你可能提出非主题类要求：“多给我看有趣的内容”“多看看朋友”“不要给我看高中同学孩子的照片”。甚至可以说：“别连续给我看七张照片，但连续六张可以。”你能想到的偏好，我们都可以考虑。（00:37:36）这方面还有很多工作要做，我对此很兴奋。过去的误解是，直到最近为止，我们对你的了解没有你想象中那么多。大致流程就是：“你喜欢这些照片；另一些人也喜欢它们，还喜欢其他照片；所以你可能也会喜欢那些照片。”这只是简化说法。但直到现在，我们才真正变得像人们多年来以为的那样复杂。
这很有意思。我想到，大家最终都会经历从只看关注对象的动态，到使用算法推荐的全球信息流这一转变。人们总觉得：“我只想按时间顺序看所有认识和关注的人，这才是我最喜欢的信息流。”但事实一再证明并非如此。算法信息流推荐你可能喜欢的内容，实际互动会高得多。
这很难处理。我这周发了一条关于自主权的内容，评论区把我批得很惨，这就是工作的一部分，我理解。但时间顺序信息流有几个问题。其中一个是个人兴趣与系统规模化运作之间的张力。如果完全按时间顺序排序，每个人都会有动力尽可能多发内容，因为一发布，就会出现在所有关注者信息流的最上方。结果信息流会被职业账号、尤其是大公司和出版商的内容淹没。《纽约时报》一天能发布 50 条，你最好的朋友一周可能只发一条，信息流就会被占据。（00:39:31）这部分是系统机制带来的激励。设计这类系统有点像设计一座城市：要想清楚机制如何运作、会产生什么激励、人们会如何响应，以及最终会发生什么。另一个问题是，有时最有意思的内容恰恰不是最新的。新近程度是相关性的一个重要输入，但不是唯一因素。我妹妹昨晚订婚了，她住在德国。
恭喜！
没有，她没有订婚。她去年结婚了，所以我最近才老想到这件事。
好吧。
但假设她刚订婚，而我因为她住在欧洲、我们有时差而错过了消息，我真的更想看我兄弟的 Po’boy 三明治照片，还是先看我妹妹的动态？（00:40:16）确实很难。我希望找到合适的平衡：让用户自主决定体验，同时设计出合理的系统。考虑的不只是商业利益，虽然那当然重要，我不会假装它不存在；也要考虑整个社区。我们试过默认使用时间顺序信息流，或者让用户自行设为默认。结果不只是使用量下降，整体情绪也变差。个人刚做出选择时可能很开心，但几个月里不断被不太感兴趣的内容轰炸后，我们通过大规模调查发现，用户对 Instagram 越来越不满意。
顺着这个话题，如今大家都会问你 AI 内容会怎样影响一切。我想问一个我没见别人问过的问题：与其他平台相比，AI 内容的兴起对 Instagram 是逆风还是顺风？这会帮助还是损害你们？
我认为这会成为顺风，但也会是一种挑战，不只是因为内容变多。显然，我们是注意力驱动的广告业务，内容更多，潜在注意力也会更多，但这并非没有代价。我认为我们目前还不太会给 AI 内容排序。AI 内容里既有很棒的，也有很糟糕的；你应该只看到感兴趣的内容，而不看到不感兴趣的。（00:41:40）不过我认为，多年来各行业的权力一直在从机构转向个人，我也说过很多次。体育就是最容易理解的例子：如今运动员比球队更有影响力，这在我小时候并非如此。在这样的世界里，我们应该投资于个人；对 Instagram 来说，尤其要投资创作者。我广义地说创作者，不只是推广品牌内容、制作平台原生视频的网红，而是所有借 Instagram 等平台开展自己事业的人。你可以是记者、艺术家，也可以售卖自己缝制的围巾。你以自己的身份创作和分享内容，帮助自己实现目标。（00:42:31）多年来我们一直在朝这个方向努力。这始终是我负责 Instagram 以来最重要的两三个受众群体之一。在合成内容泛滥的世界里，我认为人们会更多而非更少地寻求创造力、真实感和真实的人，这会对我们有利。这不代表平台上不会有 AI 内容；AI 内容有好有坏，我们会像处理其他内容一样处理它：不安全的内容会被移除，有趣与否则由排序和个性化决定。（00:43:08）人们会更主动寻找不同视角，因为 Instagram 从来不只是内容本身，也在某种程度上关乎内容背后的人、他们的视角、分享的原因和观点。我认为这些会变得更重要。我们并非什么都做得最好，但我们是最大的创作者平台；从我们对创作者的定义和使用我们平台的创作者数量来看，我认为 AI 会成为我们的顺风，因为人们会寻找真实的人。
这和你前面说的一点有关：像《纽约时报》这样的公司可以大量生产 AI 内容，而个人创作者做不到。你是说也希望保护个人，让他们即使面对海量 AI 内容仍能表现出色。
如果你喜欢 AI 内容，那很好，你应该能拥有一个全是 AI 内容的动态。如果不喜欢，动态里就不该有这类内容。对我来说，关键是……我理解人们为何关注此事，也知道我们正处于范式转变和革命之中。但我不认为应该根据创作工具来评判内容，而应看内容本身、表达的观点以及内容背后的人。我不认为应该过滤 AI 内容，而应告诉用户内容是否由 AI 生成。我也认为应该让用户了解发布者更多信息，比如身份、所在地、改过几次个人资料，以及账号是三天前还是三年前创建的，这样他们才能判断是否相信或信任对方。但不应仅仅因为使用了什么工具就作出价值判断。
有没有哪个 AI 内容创作者是你特别喜欢的？你会觉得：“这太棒了，我爱看这些 AI 视频。”
有。她叫什么来着？Plastic Dream Sequence？是这个名字吗？
酷。[00:45:12 无法辨认] 我去看看。
去看看吧，Plastic Dream Sequence。我手机里有，我再确认一下。内容是一些像玩偶、芭比娃娃一样的形象，用小小的剪影和片段唱歌，简直太奇妙了。有点古怪，但又很棒。它显然是 AI 做的，也没有假装不是；但它有鲜明的创意和审美视角。每次我刷到都会想：“是的，我们现在就能做出这种东西了。”然后我会看上 30 秒。
我这里已经打开了，很想看，但先不看了。太棒了。
Ifonly.ai 也是一个例子。创作者在法国，我想在巴黎。他会用不同的工具和模型制作并动态化一些梦境般的场景：用一个模型生成图像，再用另一个模型生成视频、音乐等。他显然有自己的审美。你可以把他看作画家，只不过绘画工具换成了这些模型。
你对信息流中的 AI 内容和人类内容有没有什么构想？你说过或许要标记内容。用户会区分 AI 账号和非 AI 账号吗？你怎么想？这还在探索中吗？
最终可能会走到同一个方向，但标记内容和标记账号是两回事，两者都有价值，也都值得探索。如果内容由 AI 生成，我认为用户应该能知道。不过这不容易：我们现在能够检测，随着模型进步，可能会失去这种能力。所以我们还应坦诚说明自己判断的把握程度。（00:46:56）我认为用户应该能直接问：“这是 AI 做的吗？”我们可以告诉他们很可能是、不能确定、肯定不是，或者肯定是。长期看，也许标记由相机拍摄、也就是非 AI 内容，比标记 AI 内容更实际，原因有几个。（00:47:17）账号层面也很重要。假账号是新型垃圾信息渠道。AI 创作者本身没问题，但有人会利用假账号售卖虚假补充剂，例如扮作 AI 僧侣，既不说明是 AI，外表也不容易识别，只是利用某种审美或刻板印象牟利。我们必须想办法打击这种滥用。所以我认为用户应当获得足够信息，再自己作出判断：账号背后是真人吗？内容是真实创作的吗？
你看社交内容平台时，有没有哪家做得好的功能或方法让你很欣赏，甚至有些羡慕？
有不少，很多平台都做了很多事。我一直特别欣赏 TikTok 的推荐系统能让小众人才脱颖而出，而我们最近才开始赶上。在排序和推荐领域，可以说基于利用的排序——听起来不太好，但意思是利用已有数据；也可以说基于探索的排序，主动探索用户可能感兴趣、甚至自己还不知道感兴趣的内容。通过展示已知很多人喜欢的内容来提升互动要容易得多；更难的是主动测试内容，比如：“你喜欢 Bieber，也许还会喜欢 Afropunk，我们给你看一点，看看效果如何。”（00:49:12）我认为探索型排序特别有利于小众创作者和小创作者，因为这样他们有机会找到原本看不到他们、甚至不知道自己会感兴趣的受众。因此过去几年我们投入了很多排序工作，不只是提高互动，还要增加原创性、让更多内容脱颖而出，并提高新近度，紧跟文化潮流。这些工作有很多受到 TikTok 和字节跳动的启发。（00:49:44）我认为我们正在追赶。在若干领域，据我们所知甚至已超过他们，还有一些仍然落后。但我任职期间，我们首次有望把推荐做到行业最佳。他们应该因启发了这项工作而获得认可。
干得漂亮。
再看看吧，还没到那个程度。他们叫我“失望的爸爸”。团队总说：“你能不能别总摆出失望爸爸的样子？”所以我在试着更慷慨地肯定大家的成绩。
你这么说，但许多非常成功的领导者都有一个共同点：永远不满足，总觉得——
是福也是祸。
……这就是所有问题所在。确实。（00:50:35）说到创作者，我觉得这也是全球算法的好处之一。人们会抱怨信息流不显示所有朋友的内容，但有了这种全球推荐信息流，新的创作者就能触达广泛受众，对很多人来说这非常有益。
我公开谈很多有争议的问题，评论区经常把我批得很惨，这没关系。我主要想表达的是，事情几乎总有取舍，很遗憾，不可能样样兼得。你希望永远看不到不感兴趣的内容，那就也会一直看到最普通、最泛化、最平庸的内容。你希望发现新鲜有趣的东西，那就偶尔会看到不合口味的内容。排序如此，其他重大争论也一样有取舍，比如隐私与安全，两者之间会有冲突。公司要不要扫描你的消息？争论双方都有很大的代价。（00:51:47）通常我和立场很坚定的人争论，并不是想说服他们，因为他们往往已经下定决心。我只是想把各方面的利弊都摆出来，让其他围观的人了解。
说到被评论区围攻，你确实身处很多棘手局面的中心：调整信息流、卷入 Cambridge Analytica 诉讼等等。你总是站在争议中心。你是主动想：“对，我要迎上去，这是我必须做的事。”还是扎克伯格要求你：“Adam，你得站出来面对这些问题”？这是怎么开始的？
最初是在 Facebook 新闻推送时期。我以前负责新闻推送，当时我的想法是，争论无论如何都会发生，我们不如参与进去。所以我开始在 Twitter 上非常活跃，因为当时记者主要在那里交流；我觉得去他们的地盘参与讨论会显得更谦逊。Twitter 一度成了我生活里最阴暗的地方，因为我关注的全是我们最大的批评者。这不是在批评 Twitter，只是我当时自己的选择。事情就是从那时开始，后来逐渐发展。（00:53:15）无论好坏，我们已经成为许多人日常生活中非常重要的一部分。我们影响很多人，肩负很大责任，也经历许多变化。变化自然带来焦虑、压力和审视。我们做出过很好的决定，也犯过错；受到过我认为不公平的批评，也受到过公平的批评。我们得接受这种广泛的讨论会持续下去。我觉得最好还是公开谈论，清楚解释我们在做什么、为什么做、有哪些取舍。有人不同意也没关系。我们公开谈自己的工作，未必能赢得朋友，但长远来看，人们通常更害怕不了解的东西，也更害怕那些神秘、难以接触的人。（00:54:09）所以我努力以坦诚、容易接触的方式站出来。我犯过错，有时很享受，有时又很讨厌，不过事情大致是这样开始的。还有一次很有意思的讨论，发生在很久以前扎克伯格的高管团队里：我们是一家社交媒体公司，但沟通方式和新闻稿却非常传统。有人提出：“为什么不直接使用自己的平台？”我当时不在讨论里，却插进去试着调解。这也是我后来被卷入其中的原因之一，因为 Mark 说：“好啊，那你试试，看效果如何。”
每次你说了让人不同意的话，都会有很多恶意涌向你。有什么办法能帮你应对？
你得试着把它放在更大的背景里看。事情始于 2009 年，我负责重新设计 Facebook 新闻推送。我们在 2009 年 3 月上线，我当时是设计师、一名个人贡献者，还是刚入行的初级设计师。收到的第一条评论就非常侮辱人，我想里面有恐同和反犹内容。我们刚发布产品，大家坐在那里看评论流，第一条就是。那条评论写道：“哪个剥削人的脏话消音消音玩意儿设计了这垃圾？”我当时想：“就是我。”（00:55:43）我非常受打击，那时还是个 25 岁的年轻人。后来我想，如果一个人每天在办公桌前花三四十分钟，整理照片、给朋友写信、阅读，而我突然把桌子重新摆了一遍，既不告诉你、不提前提醒，也不解释原因，你肯定会生气，而且很合理。那时发生的事，只是同时发生在数百万人身上。（00:56:17）所以我试着换个角度看，也努力离开网络一会儿，陪陪孩子、到户外走走。有些月份这完全不难，有些月份则真的非常折磨人。
这让我想到你们把信息流改成连续滑动视频体验时引发的著名反弹，整个社会都抗议了。
对，那段时间确实很难熬。
是什么让你觉得：“好吧，我们确实错了，应该退回去”？是什么让你决定改变方向？
那件事把三四件事混在了一起。我们测试了把信息流改成视频浏览器的设计，只面向 iOS 上 4% 的用户，只是早期测试以收集反馈，根本不会全面推出。与此同时，我们大力投入 Reels 和推荐非关注账号的帖子；一些创作者觉得自己的触达量下降，并把原因归咎于排序变化。（00:57:22）这四件事被混为一谈。一些知名创作者公开抨击我们，媒体报道了反弹，进而引来更多创作者加入，形成相互放大的回声效应。但我们从未打算推出那种设计，它只是早期测试。我们后来继续发展视频、投资创作工具、排序和推荐，这推动了此后几年大部分增长。
这件事证明了他们的观点。
我认为我们当时确实有点太急了。我的心得并不是不该测试那个设计，而是本可以解释得更好、推进得慢一点。负责 Instagram 这样的平台，就必须合理、现实地把握产品演进速度。（00:58:31）我宁愿每隔几年经历一次这样的反弹，但产品持续进化并保持相关性，也不愿没有视频、私信、快拍或排序——那我们今天可能也不会做这档播客。积极推进的代价是偶尔犯错并承担后果。
对你们这样的规模来说，做实验风险很高。只要有人发现测试，我就会想：“糟了。”
你们得有沟通策略。任何可能引发争议的设计变化或测试，我们都会事先讨论：“如果泄漏——不是会不会泄漏，而是什么时候泄漏——我们要怎么说？主动说明还是等外界问再回应？信息是什么？”不能向 30 亿人推出新东西而不先测试，但以我们的规模做测试，也不能指望媒体不报道。所以即使还没决定是否上线，也得准备好如何说明，开发周期因此比过去复杂得多。
是的。Anthropic 的增长负责人推出了定价实验，结果在 Twitter 上引发轩然大波。他说：“这只向 1% 的用户开放，我们只是[01:00:02 无法辨认]。”大家却说：“不是吧，Anthropic，拜托。”
尤其是定价，真的要特别谨慎。我们都从中吸取了教训。我觉得大家应该多交流经验。
“这些事别这么做。”怎么避免一整天都被互联网骂。
是啊。我很乐意和 Anthropic 那位[00:01:18 无法辨认]聊聊。
我觉得他没事，挺好的。（01:00:22）好，接下来是播客里的两个固定环节：失败角和热座角。先说失败角：你做过哪件彻底失败的事，后来帮助你变得更好？
很多呢。
太多了。
我举两个例子。在加入 Instagram 之前，我作为 PM 做的第一个项目叫 Facebook Home，它是在操作系统层面分叉 Android 的项目——
我记得这个。
……后来还和 HTC 做了一款硬件产品。那是一次彻底失败。我从那一年到一年半里学到的东西，可能比职业生涯中任何一年都多，因为此前我只是设计经理。项目上的 PM 辞职后，我宣布自己转做 PM，随后一头扎进运营商、OEM、认证流程、Android 和操作系统，学到了很多。我也很高兴最终让项目结束，因为它已经拖了很久。有时，最好的办法就是认真执行一个可能没有市场契合度的想法，从而判断它一开始到底是不是好主意。（01:01:33）我在 Instagram 任职期间另一个重大错误是 Reels 的首个版本建立在 Stories 上。Stories 当时增长势头很强，那是 2019 年左右，我们想把 Reels 做进增长最快的功能里。但 Stories 并不是稳固基础：看完率相对低，内容数量也远超多数人能消费的程度。（01:01:59）结果，大多数 Reels 根本没人看到，随后就消失了。如果我们在 2019 年夏天就推出 2020 年夏天才上线的 Reels，我认为 TikTok 仍会很重要，但不会像现在这么大。它真正起飞是在疫情期间，许多人待在家里，有大量空闲时间想找乐子，也不介意手机开着声音。（01:02:32）TikTok 在 2020 年爆发，而我们错过了时机。我当时作为设计师，尽量不往产品里增加新东西，而是扩展已有功能原语；但我确实错了。看看过去八年的整体业务发展，这是一个影响重大的岔路口。
你们创造了很多经济机会，也让 TikTok 得以成长。
是啊，这挺好的。我很高兴他们存在。
我想问最后一个问题：你对孩子的屏幕时间有什么规定？我知道你有三个孩子。如今很多人担心 Instagram 对用户、尤其是孩子不太好。很多科技高管在打造产品时不让孩子使用设备。作为 Instagram 负责人，你如何看待自己孩子的屏幕时间？
对我来说，关键是设定界限，也要进行教育、和孩子沟通。但我的孩子还太小，不能使用社交媒体。他们分别 10 岁、8 岁和 6 岁，不过每人都有一台 iPad。他们需要通过完成任务赚取使用时间，通常就是坐下来做作业。每做三次、每次半小时，周末就能用 90 分钟。你必须设定界限，不能孩子一开口要就给他们。我认为这很重要。我对他们用设备做什么也有明确看法，会审核他们能安装哪些应用。我认为家长应该审核孩子下载到设备上的应用。Meta 长期以来也在政策层面推动这件事。我觉得这些都很有帮助。（01:04:22）当然也有例外，比如坐飞机，主要是为了熬过去。我不知道你有没有……各位家长——
我会成为家长的，是的。
对，长途飞行就是“好吧”。十小时或八小时的航班，你得让旅途顺利度过。（01:04:40）另一个我开始和十岁孩子尝试的事是……学校方面很有意思。我支持越来越多学校禁止课堂上使用手机，这大概有利于教育。我也知道在 AI 时代，人们担心孩子使用 AI 会失去批判性思维能力，我认为这个担忧合理。但我也担心孩子不会使用 AI 会处于劣势，这需要平衡，我觉得两方面都要顾及。（01:05:14）最近我和大孩子一起尝试氛围编程。他特别喜欢电子游戏，于是我说：“好，我们来做个游戏。”他做出了一个有 19 个关卡的平台游戏，看起来像我小时候玩的八位机版《超级马里奥》。每关都有主题和不同怪物，还有商店，可以买不同皮肤或武器。一个还在用三根手指打字的十岁孩子，只花几小时和我一起坐下来，就能做出这样的东西，简直不可思议。但我的目标是让他学会创造东西、动脑思考，而不只是玩游戏；我会陪着他一起做。（01:06:03）重要的是设定界限，把活动范围限定在你认为适合孩子的事情上。每个孩子都不一样。但我认为要让孩子具备数字素养和 AI 素养，否则他们会处于劣势；同时也不能放任不管。
这对我个人很有帮助。我有个三岁的孩子，也正在摸索这些事，这让我能想出一些应对策略。
这确实是个问题，而且你离那一步没那么远，真的不远了。再过几年就会发生。
明年一起氛围编程吧。
我不敢相信。我六个月前试过，完全不行；现在有了新模型，效果惊人。
他们喜欢用哪个平台？他是 Claude Code 用户吗？
是的，我十岁的孩子现在就在用 Claude Code。
太棒了，好。
不过我们还要继续观察，看看情况如何。
Adam，我就不耽误你了。非常感谢你来做客。你真是个非常棒的人，显然也特别坦诚、思路清晰——
谢谢，我很感激。
……你对每件事都思考得很深入，所以非常感谢你来参加节目。
谢谢你邀请我。我一直是节目的粉丝，很高兴终于有机会聊一聊。
我也非常感谢。最后问一个我会问每位嘉宾的问题：听众怎样做能帮到你？
我只想说……你甚至不必告诉别人，但请记住，这个世界和技术都很复杂，事情几乎总有取舍。你完全可以不同意我或我们作出的决定，但也请记住，做决定的是一个个真实的人，我们只是在努力尽力而为。我确实欢迎批评、质疑和反馈。但请了解，这些有争议的讨论远没有很多人说得那么简单。
说得好。Adam，非常感谢你来做客。
很高兴，谢谢你，Lenny。
各位，再见。（01:08:06）非常感谢收听。如果你觉得节目有价值，可以在 Apple Podcasts、Spotify 或你常用的播客应用中订阅。也欢迎评分或留下评论，这能帮助更多听众发现节目。你可以在 lennyspodcast.com 查看往期节目或了解更多。下期再见。