为什么我们正处在 AI 硬件热潮的开端 | Caitlin Kalinowski（前 OpenAI、Meta、Apple）
Why we’re at the beginning of the AI hardware boom | Caitlin Kalinowski (ex–OpenAI, Meta, Apple)
嘉宾：Caitlin Kalinowski
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 · 00:00–1:38:46§01原文文稿 · 00:00–1:38:46
尤其是在实验室里，人们逐渐意识到，AI 的发展速度正在变得近乎垂直增长，以至于你坐在键盘后面用 AI 能做的事情将会饱和。那发生之后，下一个前沿就是物理世界：机器人、制造业和工业化。
生活在未来，并设计未来。
未来两年，战争领域的变化可能比消费电子领域还要大得多。我们需要在无人机上的投资远多于航空母舰。
想象一下，十万架无人机从中国飞来，直奔我们而来。
我确实认为，为了军事安全，我们需要大幅度重新实现国家的工业化。我很希望我们重新学会如何大规模制造，如何更加独立，因为现在与你结盟的人，未来未必还是盟友。
你曾与一些最具传奇色彩、最成功的建设者共事，比如 Steve Jobs、Mark Zuckerberg 和 Sam Altman。
Sam 很擅长说：‘为什么不能更多？为什么不能增长 100 倍，或者 10,000 倍？你的想法太小了。’而对 Steve 来说，他为公司、技术人才和卓越所设定的标准从未动摇。
要创造一个让人感觉像人一样、能够建立连接的机器人，需要什么？
如果你走进一个房间，机器人只是像这样：‘……’那会很诡异。你希望这些设备不具威胁感，显得柔和，并对你做出反应。Pixar 和 Disney 可能是世界上最擅长这类设计工作的公司。
有一颗名为内存价格的流星，正在冲向消费硬件、机器人和实体 AI。
作为一个行业，我们陷入麻烦了。
今天我的嘉宾是 Caitlin Kalinowski。Caitlin 是硅谷最受追捧、成就最高的硬件负责人之一。她曾参与 Apple 最初的 Unibody MacBook Pro 团队，并担任 MacBook Air 和 Mac Pro 的技术负责人。她领导过 Meta 的 AR 眼镜硬件团队，其中包括打造 Orion（他们最先进的 AR 产品）的团队。在那之前，她负责 Meta 的 VR 硬件团队，参与设计了 Rift 和 Quest 等所有令人惊叹的 VR 设备。最近，她加入 OpenAI，帮助从零开始组建机器人和硬件部门。机器人、硬件和实体 AI 现在非常火热。每家 AI 公司以及许多初创公司都在推出和开发 AI 硬件产品，而 Caitlin 数十年来一直处于这个新兴领域的中心。这场对话转向了许多不同方向，其中有很多是我没有预料到的。我希望未来几个月能就硬件构建这一主题制作更多节目。在开始之前，别忘了访问 lennyspProductPass.com，那里有一组专为 Lenny 的 Newsletter 订阅者提供的超值优惠。接下来，让我们请出 Caitlin Kalinowski。（00:02:35）：Caitlin，非常感谢你来到这里。欢迎参加这档播客。
非常感谢你的邀请。我很高兴来到这里。
我们会聊很多不同的方向，我会在各个话题之间跳转。我想谈谈 VR。长期以来，很多资金、资源和聪明人一直投入 VR。Meta 花了，我不知道，大约 100 亿美元。他们甚至把公司改名为 Meta，以押注 VR 是我们将生活其中的元宇宙的未来。现在感觉很多人正在退出。感觉 Meta 在后退，Apple 也随着 Vision Pro 的表现而退缩。尽管硬件非常出色，尽管你和你的团队打造的产品——我有几台设备，体验简直很神奇，前所未有——它还是没有流行起来。发生了什么？VR 还有机会普及吗，还是未来会属于 AR 或其他东西？
我不认为我当时能准确猜到事情会这样发展，但我的看法是，VR 帮助我们理解如何相对于一个模拟世界和真实世界在空间中定位物体，以及如何把这两个世界连接起来。我们解决了 SLAM，也就是利用摄像头进行空间定位的方法；我们解决了许多深度传感器的深度应用；我们理解了人类如何在空间中感知视觉数据。所有这些技术当然很适合 VR，我认为 VR 游戏很有意思，虽然它确实是一个小众领域，但我觉得这是个有趣的小众领域。现在我看到，这些技术都在机器人领域得到应用，因为你需要理解机器人如何在空间中移动，需要理解它距离周围一切有多远。如果你戴着 VR 头显操控机器人，那使用的也是同样的真实技术。（00:04:16）：所以对我来说，我把它看作一条漫长技术弧线中的一个阶段。坦白说，作为一个现在不常使用 VR 的人，我很高兴我们当初做了这件事，但我并不认为它……我当然预期它会变得很大，否则我也不会在 Oculus 工作。我认为，脸前戴着东西所带来的社交影响，可能是它没有普及的部分原因。当然，我们从 Google Glass 中也了解到这一点有多重要。当你遮住脸时，要让它具有社交性是很难的。
这很有意思。所以，投入 VR 的资金和创新实际上已经证明非常有用。于是感觉那些投入了大量精力和资金的公司，在下一步上已经领先了。你认为事情会朝这个方向发展吗？你觉得接下来会怎样？是 AR 眼镜，还是其他东西？未来会是什么？
我相信 AR 眼镜会成为未来的一部分，因为我确实认为，作为社会性生物，我们一直低头看手机对我们并不好。如果你能维持社交联系，同时获取信息，我认为这就是我们的方向。我们最近参与打造的 Orion AR 眼镜有些超前，因为它使用的波导和 MicroLED 还没有准备好大规模生产。良率还不够，成本仍然很高。我认为 AR 眼镜很可能会沿着这条路发展。随着我们逐渐解决眼镜的输入问题，也就是当你在移动或身处公共场合时，如何与它沟通，以及如何安静、无声地与它沟通，我认为，一种大部分时间关闭、需要时才打开的显示屏，会成为未来的一部分。（00:06:10）：这只是其中一部分。另一部分是，技术从 VR 发展到 AR，再发展到现在我称为机器人或实体 AI 的领域，但你必须退一步看自动驾驶汽车、无人机、当然还有机器人、整体自主系统和制造业。所有这些技术都需要同样的零部件，也就是我们在 AR/VR 领域打造的那些相同部件。
VR 的情况很有意思。打造产品时总有一个问题：当某件事不起作用时，到底是执行得不好，还是这个想法本身就是坏主意？这通常很难判断。AR 的感觉是，人们投入了如此多的努力，花了十年、几十年试图让它成功，但它就是没有成功。所以我们终于可以知道，好吧，现在确实没有什么办法能让它奏效。我完全同意你的看法。问题只是：‘我不想坐在沙发上，与世界隔绝。’即使我能通过它看到其他人，也还是会觉得：‘嗯，我不需要这个。它没那么重要。’
在 AR 领域，你会开始获得越来越大、越来越大的显示范围。但 Orion 的优点在于，它拥有 70 度视场角的双目显示。通过这个原型，你可以感受到未来真正会是什么样。很难描述使用这样一副眼镜是什么感觉，但当你真正戴上它，突然就会觉得：‘哦，我有沉浸感了。视场足够宽。我有沉浸感了。’这会让人很清楚地意识到，我认为未来会朝这个方向发展。
本期节目由本季冠名赞助商 WorkOS 提供。OpenAI、Anthropic、Cursor、Vercel、Replit、Sierra、Clay 以及数百家其他成功公司有什么共同点？它们都由 WorkOS 提供支持。如果你正在为企业构建产品，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痛苦。WorkOS 将这些阻碍交易的功能变成开箱即用的 API，并提供专为 B2B SaaS 打造的现代开发平台。我投资的每一家开始向高端市场拓展的初创公司，最后都会使用 WorkOS，这就是因为它们是最好的。无论你是正处于种子轮、试图拿下第一个企业客户的初创公司，还是正在全球扩张的独角兽，WorkOS 都是最快成为企业就绪并解除增长阻碍的途径。它本质上就是企业功能领域的 Stripe。访问 workos.com 开始使用，或者直接加入他们的 Slack，那里的工程师会真正回答你的问题。（00:08:35）：WorkOS 让你可以用令人愉悦的 API、完整的文档和顺畅的开发体验更快构建产品。今天就访问 workos.com，让你的应用做好服务企业的准备。（00:08:45）：好，我想谈谈机器人和机器人技术。几个月前，我和一群普林斯顿学生见面。他们大多是计算机科学专业的学生，他们告诉我，普林斯顿的计算机科学专业入学人数正在下降，而且趋势还在持续。我确认过，很多大学确实如此。有很多图表显示，计算机科学专业的入学人数在下降，而真正增长的是硬件和机器人专业。对一个长期从事这个领域的人来说，我想这一定很奇怪，因为硬件从来没有这么受欢迎。那种‘哇，现在大家都明白了’的感觉怎么样？
这非常奇怪。突然之间，所有人都在问硬件、机器人和物理世界的问题，而这从来不是一条光鲜的职业道路。人们一直是因为热爱它才进入这个领域。它的收入从来没有其他职业那么高，也从来没有像现在这样处在我们讨论事物的最前沿，当然 Apple 的硬件传统可能是个例外。所以从某些方面说这很好，从另一些方面说又非常奇怪。
硬件有哪些出人意料的难点？很多软件公司和很多人会想：‘好，酷，我们要做硬件。这就是未来，现在的护城河就在这里。’但他们真正开始做之后会想：‘这到底是怎么回事？’当人们说‘好，我们要做硬件’时，有哪些他们可能没想到的事情？会遇到哪些出人意料的挑战？
我喜欢这样和计算机科学领域的人解释。你知道，计算机科学领域的人编写代码，通常会编译代码、运行代码并调试，但他们每天、每小时，或者在任何需要的时候都可以编译代码。而在硬件领域，我们只有四五次‘编译代码’的机会。
一年四五次，还是？
总共。
好，一辈子就这几次。
对。所以，如果你在做硬件，每次主要构建都要在 CAD 中重新设计，然后必须发布。一旦发布，就完成了量产前的最后一次‘编译’。如果这是一个量产设备，那就结束了。你不能通过网络推送更新。（00:10:52）：所以我们的做法不同，我们必须采取不同的方法，也就是更加保守。你必须在项目过程中做更多可靠性检查和测试，因为一旦最后一次‘编译’完成，就结束了。你制造所有零件，把它们组装起来，它们就进入世界。唯一的替代方案，是几年后发货一款新产品来替换它。因此我们必须更加保守，也必须耐心，因为想想看，一个销量数百万的产品，如果你画出设备中任何一个部件组装后的图表，你会得到一条曲线，处在正负三个标准差甚至更大的范围内。也就是说，如果有两个零件需要配合，你会拿到这个零件的最小版本和那个零件的最大版本，然后必须让它们在各处都能装配在一起。（00:11:45）：人们不太会想到这一点，但零件差异其实很大。因此，我们必须在制造过程中解决最后的半个百分点，这样最后一次‘编译’、最后一次构建完成时，产品就真的做好了，能够获得较高良率，能够有效地制造并盈利，也不会有太多退货。这就是我们正在进行的游戏。
听起来非常困难而且复杂。人们会说：‘软件真好，你只要写点代码，发出去就行了。太棒了。’你认为为什么现在大家都开始热衷于机器人和硬件？背后的驱动力是什么？
我在旧金山的 AI 世界里看到的情况是，尤其是在各个实验室，人们逐渐意识到，AI 的发展速度正在变得近乎垂直增长，以至于坐在键盘后面用 AI 能做的事情将会饱和。我不知道什么时候会饱和，其他人也不知道，但一旦发生，下一个前沿就是物理世界。（00:12:45）：所以我看到实验室、大型科技公司和初创公司同时意识到：‘好，这件事要来了。我们将拥有能够非常快速地解决数字世界问题的复杂系统。其实我们已经拥有它们了。它们会变得更好、更全面、更有能力。’如果把这看作一条前沿，你已经能看到隧道的尽头。现在我不知道那会在什么时候出现，但我们能看到它最终会饱和，或者至少人们认为会饱和。那发生之后，下一个前沿就是硬件，再下一个前沿是机器人、制造业、工业化、现实世界中的感知层、移动现实世界中物体的能力，最终我们希望还能延伸到太空。
最有趣的发展方向之一是人形机器人。我们的肉脑似乎总是更容易被外形和行为像人的机器人吸引。现在有几家公司走在很前面：Tesla 的 Optimus、Figure、NEO，还有其他几家。你怎么看目前这些人形机器人的状态？距离人形机器人出现在我们身边还有多远？
我们可能已经接近了。和许多人一样，我担心大型、强力的人形机器人在人员旁边运行的安全问题，因为我们必须有足够的数据证明那是安全的。有些设计做了重要的安全考量，1X 的 NEO 就是一个很好的例子。它们基本上把质量集中到内部，这样会安全得多。更柔软的机器人更安全。
澄清一下，你是说它们更轻，所以机器人撞到你时产生的冲击更小？
对。可能撞到你的部位，在这个例子里可能是手臂，如果它更轻、更柔软……这里有两个方面：一方面是手臂在空间中运动，另一方面是驱动器在旋转，所以本质上你必须把这两部分的能量都加起来。这是你必须担心的冲击问题。然后你还要考虑手臂的顺应性。如果它只是坚硬的，冲量就很高；如果它柔软且可压缩，冲量就会更低。因此，当机器人在人身边运行时，你确实必须考虑这些问题。（00:15:09）：所以在我的领域、我的世界观里，人形机器人仍然是原型，而且是先进的原型。我们现在需要做的是证明这件事总体上能运作，这正是我们目前所处的阶段。一旦有了能工作的原型，接下来通常，至少在我的领域里，你会继续修改它们，让它们更便宜、更容易制造、良率更高、更安全。我认为下一步就会发生这些。在我看来，它们还没有完全准备好。现在你可以买到能为你做各种事情的中国机器人，但如果你看说明书，上面会写：‘任何人都不能在距离这台机器人三英尺以内的地方。’现在，你不会看到很多强大到足以完成有意义工作的机器人没有这条警告。
这太有意思了。有趣的是，一边听说中国有挥舞双截棍的机器人和人一起跳舞，一边又听到你说这些。我从没想过它们失控时可能造成的冲击这一点。我想稍后回到这个话题，但只从时间线来看，你的现实判断是什么？人形机器人要多久才能大规模地在街道和人们家中活动？
在我看来，问题在于规模化。规模化是一个巨大的挑战。对我来说，我过去所说的规模通常意味着数百万台，但即使只说几十万台也一样。你首先要得到一个能运行的好设计。然后你必须让它足够可靠，使它能够日复一日地运行，而不需要太多人工干预或维修，这本身就是一个问题。（00:16:47）：但你面对的第一个问题是供应链。这是我希望我们能多谈一点的事情：进入这台机器人的每一个零件都来自某个地方，而许多零件可能会变得更受限制或更难制造，也可能更难在这个国家组装机器人的子组件和关键部件。因此，现在人形机器人以及其他机器人都严重依赖一条非常复杂的供应链，我们必须解决这个问题。许多人正在努力把生产迁回美国，但这非常困难，因为例如，我们这里还没有很好的驱动器公司。
驱动器就是那个小手臂，我不知道……你会怎样向不懂机器人技术的人解释驱动器？
驱动器就是电机。你给它输入动力，也就是电力，然后它输出运动。
酷。
而且，大多数机器人都有一个基本上会旋转的转子，转子上有齿轮，然后由它驱动肢体、头部、手指或其他部位。所以驱动器可以很小，也可以很大。
好，太棒了。我经常听到这个词，但总觉得‘我不完全知道它是什么意思’。谢谢你解释。我想进一步谈谈供应链，因为我知道你对此思考很多。比如说机器人领域的供应链现状如何？现在发生了什么？有哪些组成部分？挑战是什么？
你可以从原材料开始思考，磁体就是一个很好的起点。比如，我们需要能够获得原始磁材。然后我们需要加工它们，再把它们集成到驱动器中，围绕磁体制造驱动器。之后，我们还要把驱动器集成到子组件或机器人本身中。在过去 25 年里，这条链上的每一层基本都外包给了中国、日本和韩国这样的国家。（00:18:44）：完全坦白地说，我也参与过把工程知识转移到亚洲的过程。在亚洲，相关专长历来在于规模化，以及以更低价格制造大量这类零件。我们跨越这些国境形成了一种共识，大体上就按照这种方式运作。当然，我们这个国家仍然在制造一些东西，亚洲也在进行设计和 AI 工作，但长期以来事情基本就是这样。为了拥有安全的供应链，我们需要开始在这些层级和供应链堆栈中建立一定程度的自主性。
有意思的是，你关注的是这些驱动器。它们是瓶颈吗？是机器人中这个非常具体的部件吗？
可能是。如果我们拿不到磁体，就必须设计使用不同材料的新型驱动器。它们可能更大，在空间利用上可能不那么高效。所以磁体很重要。驱动器本身也很重要，因为如果我们出于某种原因买不到它们，就无法制造机器人。因此它们是基础性的。还有一些类似的基础技术，本质上都依赖材料科学的突破。当然还有电池和驱动器。原始零件、压铸件和机加工零件就没那么关键。我们认为这些可以获得，但我觉得全世界的每个人，不只是这个国家的人，都开始思考供应链，因为你会遇到各种中断，不管是新冠疫情还是战争，你都会看到事情变化得有多快。
好，这是个愚蠢的问题。为什么是磁体？它为什么属于供应链的一部分？我们为什么需要磁体？
这是个很好的问题。你有一圈磁体，南北极相反的磁体沿着圆环交替排列，然后中心有一个旋转的东西。它之所以旋转，是因为本质上有交变电流，所以磁体会让转子转起来。
哇。我们需要一堂 YouTube 物理课，讲讲物理是怎么运作的。好，太有意思了。说到中国，我现在想到、也会联想到的是观看乌克兰和俄罗斯之间的战争，尤其是无人机，以及这个世界因为你现在可以制造这种飞过去炸人的小型无人机而变得多么疯狂和不同。机器人也是其中的一部分。这对现在的每个国家来说都像是一种存在性威胁：大规模制造这些东西的能力。你有什么建议？为了在这个未来中繁荣发展，而不是陷入麻烦，我们应该做什么、改变什么？
你提到了无人机，这是另一个很好的例子。让无人机上的转子旋转，和让机器人手臂运动，本质上需要同样的技术。它们使用的基本技术和供应链基本相同。因此，至少在军事方面，我们需要尽可能拥有独立的供应链。我认为这一点很重要。我认为其他国家也应该这样做，但这并不是只针对我们。（00:21:46）：我确实认为，为了军事安全，我们需要大幅度重新实现国家的工业化。你永远不知道未来会发生什么，而现在与你结盟的人，未来可能不再是盟友。我认为西方盟友正在经历许多地缘政治变化，形势正在不断转变。因此，我很希望我们重新学会如何大规模制造、如何批量制造、如何加工原材料，以及如何更加独立。这样下一次新冠疫情或其他事情发生时，我们不会陷入麻烦，也不会失去保护自己的能力。
我想到的是，Marc Andreessen 曾在某个播客上展示过一张图：想象一下，十万架无人机从中国飞来，直奔我们而来，我们该怎么办？我们对此没有准备好。我不想把所有时间都花在这些阴暗的话题上，但这确实是现实。
Palmer Luckey 是我的朋友，我们并非在所有事情上都意见一致，但我确实认为，我们在如何应对这个问题的一些重要方面上意见相同。我认为他说我们需要在无人机上的投资远多于航空母舰，是正确的。我认为那是旧式的思维方式。这些当然是军队的重要组成部分，但这种‘我们有这个、我们有那个、我们有这个，我们的飞机从这里起飞’的思维已经过时了。不，AI 正在改变一切，军事技术的变化速度极快。要观察这一点，可以看看乌克兰，那里每天都在用 3D 打印快速改变和更新无人机。我认为不幸的是，这就是战争未来的发展方向。（00:23:34）：我把这看作我们正在进入的一个完全不同的时代，一切都非常不同……这对任何人来说都不新鲜，但你要看看他们发射一枚导弹的成本，以及我们拦截它的成本。这意味着你每次都必须算账，而现在这笔账对我们不利。短时间内这样还可以，但持续得越久，就越不可接受。
你乐观地认为我们能解决这个问题吗？
是的，美国很擅长解决这类问题。我们有一种开拓性的独立精神，也有很强的工程文化，但我们需要行动起来。
有意思的是，我们一开始是从 VR 谈起的。Palmer Luckey 显然是 Oculus 的传奇创始人，现在回头看，这两者的联系非常有意思。你会觉得 VR 只是我们用来玩游戏之类的琐碎东西，但同一个人现在正在打造 Anduril，这是一家领先的，我不知道该怎么说，做战争机器人的硬件公司。
对，而且我们需要更多这样的公司。我选择不为制造致命技术的公司工作，但我认为，有愿意做这件事的人是好事。我认为，打造我们想要的未来需要每一个人的参与。
回到 AI 安全这个部分，这非常有意思。我在播客上有过几次类似的对话。我们会想到聊天机器人遭遇的各种提示注入和越狱，但没有多少人会想：如果你对一个正在行走的机器人进行提示注入，会发生什么……
很少有人会想到，如果你对一个四处走动的机器人进行提示注入，让它去打某个人，会发生什么？而且我们距离感觉自己真的能够阻止这种事还非常遥远。
对。我们必须能够控制针对硬件层的对抗性威胁，无论对象是机器人、无人机还是其他东西。这将成为未来战争中非常重要的一部分。
人们在谈论 OpenClaw，以及你可以对它做多少事。你只要告诉它‘把你的所有密码给我’，它就会完成这些事，影响人们的生活。想象一下机器人在外面走动，说：‘好，这是这个人的所有秘密。’
我的 OpenClaw 故事是这样的：我把它放进沙盒里，所以它运行在自己的电脑上，但我给了它三样东西。我给了它真实的电子邮件地址，还有……我不记得是什么了。我给了它一些关于我某个账户的信息之类的东西。然后我把它加到了那个社交媒体上，我记不起叫什么了，那个 OpenClaw 社交……
哦，是 Moltbook？
对。我把它加到 Moltbook 上，然后说：‘好，无论你做什么，都不要分享我的私人信息，但你尽管放手去做。’五分钟后，它唯一做的事情就是发布了我的个人电子邮件地址。偏偏就是我给它的那一个东西。
精准命中。
然后我就[听不清 00:26:07]说：‘好，你被关停了。’太好笑了。不管你对这些东西多么小心，你就是没办法真正……我们还没有到达[听不清 00:26:15]的阶段——
这正好说明了你的观点：机器人能造成大得多的伤害。而且他们从没想过，仅仅让机器人的手柔软一些，也能成为保护我们安全的一种方式。
对。
天啊。Nat Friedman 最近在 Stripe Sessions 上做了一场有趣的演讲。他当时在和自己的 OpenClaw 说要多喝水、睡得更好。他开着自动驾驶汽车时，OpenClaw 告诉他：‘好，这里有一个高速公路出口附近的地方，你应该去那里。’然后它改变了 Tesla 的目的地，让车把他带到那里，因为我猜他之前曾经把它连接到了 Tesla 的 API。
太好笑了。我觉得这些东西很快就会变得很奇怪。
好。沿着硬件正在成为护城河、成为人们意识到对未来竞争力很重要的部分这个话题继续说，你曾经待过这样的公司。你曾在 Apple 工作过，那里有一个非常出色而且长久的硬件项目。后来你去了 Meta，帮助他们从零开始基本组建了一个硬件项目。我觉得这些经验对现在想做这件事的人非常有价值。帮助 Meta 建立硬件项目是什么体验？对于那些想在自己公司做这件事的人，你有什么经验可以分享？
Apple 在这方面一直是业内最佳，这有很多原因。第一，在 Apple，硬件是第一等级的公民。很多公司不会把硬件充分纳入核心产品开发讨论，但 Apple 是个例外。Apple 还教会了我以及许多其他人很多东西。回头看我在那里工作的那个时期，我非常幸运，因为看看当时在那里工作、现在已经在整个行业担任重要职位的那些人就知道了。我在 2007 年到 2012 年底之间在那里工作。（00:28:01）：我认为这归功于 Apple 在训练人们思考复杂的相互依赖的决策和风险方面非常出色。我当时没有意识到他们正在这样做，但回头看，你会看到他们真正致力于硬件卓越，致力于遵循正确流程来进行非常好的硬件实验，并找出最好的结果。（00:28:32）：但这背后还有更深的一层，那就是理解为什么我们要这样构建产品，以及我们要实现的关键结果是什么。John Ternus 几天前似乎也谈到了这一点，他说到柜子的背面。不知道你有没有看过那个视频，但 John 基本上说，他受到 Steve Jobs 的影响，了解到有一位做柜子的工匠会把柜子的背面也完成，而这件事有多么重要。（00:28:57）：这在 Apple 体现得非常深，每一个设计决定，甚至设备内部的设计决定，都会被考虑。这不只是审美决定。它实际上迫使那里的工程、工业设计和运营团队思考：‘我们究竟在做什么？对于这个部件、这个组件、这个消费产品来说，核心是什么？真正重要的是什么？’（00:29:24）：如果你足够有条理地做这件事，真正重要的东西往往会浮现出来，最后看起来非常简单。所以你现在看到许多那个时代的人具备这些能力，部分原因就是他们理解如何做到这一点。Mac 发展的早期，Mac 的销量还没有那么高，质量也没有那么高，但到那个时期结束时，Mac 已经非常受欢迎，销量也高得多。（00:29:55）：所以我认为这产生了很大影响，而我只是其中很小的一部分。我是第一代 MacBook Pro 的散热负责人，后来逐步负责 MacBook Air 的后续迭代以及圆柱形 Mac Pro。但我很幸运能和这些已经做了很久的人共事，并向他们学习。（00:30:15）：所以你必须带走这些经验，离开之后尝试提炼出来，并向新的团队解释。Oculus 实际上是一个靠折腾硬件起家的初创公司。Oculus 最初来自一群通过论坛认识的人，你可能知道这一点，Lenny，他们把 PlayStation 或 Super Nintendo 改装成可以背在身上的便携设备。（00:30:41）：因此，公司内部原本就有一种非常适合硬件团队基因的精神。收购发生时，我在 Meta 这一边。收购之后，他们仍然保有快速迭代的精神。收购前他们可能已经做出了 Crescent Bay，但后来我们面临的挑战是把这种做法专业化，提高良率、提高产量，并降低第一代 Rift 的成本。
我听到的一个经验是，要非常注重细节。我不知道这个词是否准确，但就是关注最终产品的每一个要素。因为正如你所说，重点不只是柜子的背面。我会想到棕色 M&M 的故事：乐队在合同里写明房间里必须有棕色的 M&M，因为这意味着对方读过合同。重点并不是 M&M，而是测试他们是否读了文件。你的意思大概是这样吗？
我认为重点是理解你为什么要做正在做的事情，然后让每一个设计决定都支持这个目标。这需要大量细节、大量坚持，也需要始终如一。但理解你为什么做这件事、最终目标是什么，我认为才是关键，而且要让这种理解扩展到软件和用户体验，也扩展到硬件。
能不能举个例子，让我们更具体地理解？
Quest 2 就是一个很好的例子。我们大幅降低了 Quest 2 的价格，而我们必须理解自己要做什么：我们要让 VR 大众化，让更多人接触 VR。实现这一点的唯一方式就是降低价格。因此我们基本上为了成本重新设计了整个产品，这最终让它成为有史以来销量最高的 VR 头显。（00:32:37）：这并不容易，因为我们必须移除摄像头、移除组件、改变材料、改变制造流程。但当所有人都认同要让更多人接触这款产品，而实现方式是降低成本时，这个目标就会推动其他一切。它依然是一款质量很高的产品，我认为退货率也很低，是一款非常强的产品。有趣的是，它甚至可能比我们不这样做时更强，但它达到了我们的价格目标。
好。回到这个问题：假设一家公司说，‘好，我们需要做一些硬件。我们要自己做眼镜，要做一个小型手机设备，或者做一些神秘的东西，不管 OpenAI 在做什么。’你还有什么建议？我知道不可能说‘你只需要知道这些就够了’，但还有哪些事情值得大家思考？
尽早确定目标并坚持目标非常重要。硬件在开发过程中不像数字产品那样能够适应大量变化。所以如果你一开始说：‘好，我们要做价格 300 美元的产品’，结果做到一半又说：‘哦，其实必须是 150 美元’，那你几乎已经浪费了前期的大量时间。（00:33:49）：因此，你需要提前想清楚自己想做什么，并把这些目标写下来。我喜欢称它们为 KPI，但本质上就是把目标写下来，并尽量少改变。这非常困难，事实上可能是最难的一件事。因为如果你正确地完成这件事，并正确排列这些事情的优先级，你就知道能不能发货，也知道什么时候完成了。（00:34:16）：硬件的一个挑战是，我们之前说过只能‘编译’四五次。每次构建和迭代设计，都意味着另外三个月、四个月、五个月，或者其他时长。因此你要在功能集合、质量和时间之间安排好节奏。（00:34:34）：而在硬件领域，时间很重要，因为如果你的产品比竞争对手早几周上市，你可能会获得所有媒体报道和关注。这非常残酷。你比竞争对手早一天发货，都可能值很多钱，可能对你来说值 1,000 万美元。我这是随口举例，并不知道具体数字。所以你必须把这点和迭代次数平衡起来。如果你一开始就知道目标是什么，并且达到了目标，那么你就知道可以发货了。而且工程师往往永远觉得自己还没完成，我在硬件方面也有同样的问题。（00:35:06）：所以这件事非常微妙。这是第一点。第二点是，我们往往先设计自己知道如何设计的东西，但正确的方法其实是先设计最难的部分。举个例子，这里没有任何知识产权问题，所以我显然不会分享任何知识产权或内部信息。有一次，我们必须让线缆穿过一台笔记本电脑设备的转轴。因为当时不确定这些线缆能不能装进去，架构师就从这里开始。他研究直径以及如何分开线缆，并确保它们能装进去，然后才确定转轴设计。（00:35:45）：很多人会从自己熟悉的部分开始，比如：‘我们要用这个显示屏，所以我先把它放进 CAD，再做其他事情。’但最优秀的架构师会先观察瓶颈在哪里、什么地方会失败，然后先在那里进行详细设计。（00:35:58）：另外还有几点：客户接触或互动最多的部分，需要比其他部分多得多的迭代。以电脑为例，你接触触控板最多，然后可能是键盘。因此这些东西必须非常好，手感要好，响应要正确，而且必须高度可靠。至于更外层的其他部件，可能不需要那么多迭代。因此，你必须增加人们接触或互动最多的部分的迭代次数。这些是我写过的一些原则，但它们只是你在尝试快速构建产品时学到的经验。对于那些想做硬件的人来说，最后一个非常关键的要点是：你永远不能等待。（00:36:48）：时间永远不够。所以如果你知道有事情需要做，就必须现在做。我从 Apple 的 Shelly Goldberg（我认为她现在已经是副总裁）以及我在 Apple 时的 Kate Bergeron 等人身上学到，如果你知道某件事需要做，就必须立刻做，因为两天后就会有一个意外从拐角处出现，而你需要用那段时间修复它。因此，把你知道需要做的事情一件件堆起来并立即清除，即使从技术上说你还有更多时间，这种效率上的坚决果断是我从她们身上学到的。
太棒了。让我总结一下你的建议。第一，明确目标，我想稍后回到这一点。第二，先做最难、风险最高、需要实际构建的部分。第三，关注人们使用最多的部分，比如触控板和键盘。我想谈谈这一点。第四，就是现在就做。即使你以为还有更多时间，也不知道拐角处会发生什么，最好——
你确实没有更多时间。不是说你不知道拐角处会发生什么，而是如果你在做硬件，你实际上就没有更多时间。
好。关于目标，目标大致有哪些类别？比如你提到的成本，‘我们需要把价格控制在 300 美元以下’。还有哪些目标类别值得大家思考？
在 VR 领域，显示分辨率或角分，也就是每度有多少像素，实际上是关键指标之一。因此你需要理解自己的关键指标是什么。为什么它是关键指标？因为那决定了你的视觉范围。想想 MacBook 上的 Retina 显示屏。他们找到了人眼能够看到的指标，可能稍微超过了一点，然后就按照这个指标打造了产品。那么在这之后，你是否还真的需要继续在显示屏分辨率上施加同样大的工程压力？也许不需要。（00:38:38）：所以 VR 还没有达到这个水平，甚至远远没有。量产 VR 还没有 Retina 显示屏。因此，提高分辨率就是一个例子。在电脑上，显然还要考虑时钟速度、能够并行运行的进程数量、重量、价格和功能。我们做 MacBook Air 时，事情变得很清楚：由于采用机加工，有些功能，比如环境光传感器，已经不再合理。因此，对于我们的目标，也就是重量和尺寸，我们必须愿意直接舍弃这些功能。如果你有这些上层目标，就能很快做出工程决策。（00:39:24）：我听说 Elon 在这方面做得非常好，他会定义一克重量的价值与成本之间的关系，基本上会使用工程比率，并给这些比率设定数值。我认为这非常聪明。
有意思。所以这是一种很容易做出的权衡：‘好，这个公式告诉我们，在这个情况下，重量没那么重要。’
对。如果你能做到这一点，决策就会很容易自然地得出。
说到 MacBook Air 和重量，我记得 Steve Jobs 传记里有一个非常经典的场景：他拿着一个牛皮纸信封走出来，MacBook Air 就在里面，然后把它拿出来，所有人都说‘不可能’。你参与了这件事吗？从一开始大家就想做这样的产品吗？
如果我没记错，最最初的 MacBook Air 是一款产量很低、采用机加工的设备，但更像是在证明能够做出什么。那就是我记得的牛皮纸信封版本，它的侧门可以打开，露出接口，底部还有这样的形状。（00:40:39）：再下一代就是我们熟悉的 MacBook Air，基本上是楔形的，形状不同。所以我参与的是楔形版本，也是后来实现更大产量的版本。但牛皮纸信封版本证明了电脑可以用 CNC 加工。因此，它们在产品路线图上各自都有非常重要的作用。
回到你说应该关注人们使用最多的东西这个观点。众所周知，Apple 把这个键盘搞砸了。蝴蝶键盘的情况持续了很长一段时间。你当时是不是闭着眼睛[听不清 00:41:16]？到底发生了什么，Caitlin？
我没有直接参与那个键盘，所以没法谈它发生了什么。但显然，这是必须做对的事情。我想说，现在的 MacBook 键盘非常棒、非常出色，但我不知道当时发生了什么。我认为那不是我当时负责的设备。
不错，很安全。确认安全。沿着这个方向说，Apple 有一点很出名，就是不听人们想要什么。这是 Steve Jobs 的一个经典特点。他不会四处做用户焦点小组，也不会询问用户、做用户研究，但不知怎么就能持续打造出极受欢迎的产品。你认为他们做对了什么？还是说他们其实做了很多用户反馈访谈之类的事情？最终是怎么运作的？
我已经离开十多年了，所以不知道他们现在在用户反馈方面做什么。不过，Lenny，我觉得这件事经常被误解。我的理解是，如果你想打造新东西，客户不知道自己想要什么，因为他们从来没见过它。（00:42:23）：比如 iPhone，这不是我参与的产品，但如果你要打造一部带触摸屏的新 iPhone，就不能真的去问一百个人想要什么，因为他们会说希望屏幕上有键盘。我认为你说的就是这种理念，而且这对任何打造带有新功能的新产品的人都成立。我尽可能组建过负责新产品的团队，这些产品要么属于新的类别，要么采用新的制造流程，要么包含以前从未做过的东西。（00:42:47）：当你思考这类问题时，不能真正使用从同一个领域、同一类产品中学到的东西。这样做行不通，因为你实际上不会得到正确答案。（00:43:05）：我认为这正是 Steve 所说的：如果你从根本上改变某件事，就无法获得直觉。你的客户不知道自己想要什么，因为他们没见过它。但如果你把产品展示给他们，他们一定会知道它很棒，也一定会知道这就是他们想要的。如果你陷入与客户不断迭代反馈的循环，就很难从零到一地做出新东西。所以在我看来，虽然我不能确定，因为我没有和他谈过，但这就是我的理解。
我非常高兴向你介绍本季合作赞助商 Vanta。Vanta 帮助包括 Cursor、Ramp、Duolingo、Snowflake 和 Atlassian 在内的超过 15,000 家公司赢得并证明客户信任。（00:43:52）：得益于 AI，团队正在以前所未有的速度构建和发布产品。但结果是，你的产品和业务引入的风险也比以往任何时候都高。我接触的每位安全负责人都感受到保护组织、业务，更不用说客户数据的压力在不断增加。因为事情发展得太快，他们一直在被动反应，只能猜测优先级，并勉强使用过时的解决方案。（00:44:19）：Vanta 可以自动完成合规和风险管理，支持 35 多种安全与隐私框架，包括 SOC 2、ISO 27001 和 HIPAA。这帮助公司快速实现合规，并持续保持合规。比以往任何时候都更重要的是，信任有能力决定你的业务成败。访问 vanta.com/lenny 了解更多。作为本播客听众，你可以获得 Vanta 1,000 美元的折扣，网址仍是 vanta.com/lenny。（00:44:46）：我要换个完全不同的方向。回到硬件的组件，我问了一些人应该和你聊什么。其中一位是 Matic 的创始人兼 CEO Mehul Nariyawala。我从没当面说过他的姓，所以希望没有念错。顺便说，我很喜欢我的 Matic。不知道你有没有 Matic，但它就像——
我有两台，还给朋友买了两台。
哦，这可是很有力的推荐。对。它基本上是一台神奇的机器人吸尘器，能真正正常工作。他的问题，也就是他建议我问你的问题，是关于内存价格的。他的描述是：有一颗名为内存价格的流星，正在冲向消费硬件、机器人和实体 AI。到底发生了什么？
是的，作为一个行业，我们陷入麻烦了。我不是这方面的专家，但我认为原因与 AI 有关。我也认为供应链受到了限制。我一直在建议初创公司和企业提前购买内存，如果负担得起，就储备足够的内存来熬过价格上涨。（00:45:58）：这一类事情在新冠疫情期间也发生过。我们经历了很多供应链中断，获得足够的内存就是挑战之一。所以我们也必须提前购买。我不说是哪家公司，但我当时合作的公司也必须提前购买内存。今天我想和你谈的部分内容，就是这些供应链中断。如果内存或硅这样的关键组件被大量技术产品使用，却受到供应限制，你能做的事情并不多。（00:46:32）：你要么付更高的价格，要么已经提前买够了库存来熬过这段时间。这是仅有的真正选择。当然，提前购买存在风险，价格也可能下降。我认为挑战在于，内存这类产品的供应链存在延迟，通常不能足够快地适应需求，也不能足够快地适应新的产品类别。又或者，在这次的情况中，数据中心正在消耗大量内存，而它们对成本的敏感度可能没有 Matic 这样的消费电子产品那么高，所以它们会直接支付更高的成本。这很棘手，也是我们一直必须处理的问题。
价格上涨了多少？问题有多严重？你觉得它会怎么发展？
其实这是个很好的问题，Lenny。我不知道会发生什么。我认为价格可能会翻倍，但不知道会在什么时间范围内。如果我知道价格会在什么时候翻倍，我就会做交易，但我不擅长这个。如果我能预测这些事情，我早就从事另一份工作了。不过，我们肯定会经历一次供应链冲击。
而且价格已经涨了很多。如果你说会翻倍，但现在已经涨了。我不知道，我看到过 6 倍之类的数字。
真的吗？我没意识到已经这么严重了。
那是我看到的一个数字，别把它当作引用。你说得对，据我所知，这是 AI 驱动的，就像你需要……你说到内存，它指的是 DRAM 之类的东西。那么，当我们谈论内存时，内存到底是什么？这里发生了什么？
处理。可以这样理解处理内存：想想硬盘或固态硬盘上的内存，在很多情况下，你把暂时不用的文件放在那里，或者存放正在处理的文档和图片。它们可能处于服务器上的冷存储中，也可能使用某处的硬盘。（00:48:18）：通常，这些内容不需要非常快速的访问。但如果你在运行一个程序，程序的一部分实际上会在 RAM 中运行。显然内存有不同类型，服务器也有不同类型的机架。有些服务器机架实际上专注于这种类型的内存，有些则更专注于我们所说的冷存储或较慢的存储。现在，这不是我的专业领域，但我做过的大多数产品，可能所有产品，都有 RAM。我们必须弄清楚如何处理它。对我来说，主要是封装问题：应该把它放在哪里？它是否需要易于访问？选择哪种 RAM？速度需要多快？成本是多少？这些通常就是我们的权衡。
更多 RAM 的瓶颈是什么？只是生产内存的公司无法以这样的速度生产，因为需求太大了吗？
对，事情正是这样发生的。
这正是一个很好的例子，说明制造硬件有多难。只要一个部件无法获得，整个产品就完了。
对，只要缺少一个部件，你就什么也造不出来。
假设 Matic 是一个例子，有多少个组件需要组装，而且不能有任何一个组件缺货？
我在脑子里算一下。他们可能有 50 到 150 个部件，也可能更多。我没看过他们的 CAD，所以不知道设备内部是什么样，但里面确实有很多东西。设备有明显会四处移动的轮子，还有吸尘器，同时也有拖把，当然还有集尘袋。他们还有一个用来——
他们有集尘袋，还有拖把用的液体储液箱。他们有一个我认为基于 SLAM 的系统，可以看到你的房间并绘制地图，识别每个表面是什么。我相信这些信息会留在设备上，不会上传到云端，这也是我们在 VR 中采用的做法，我认为这是很好的隐私实践。当然，他们还有无线模块，用于连接设备，让你能够与设备通信。他们会有 SoC 芯片、RAM 和 PCB。如果把这些部件上的所有东西都算进去，比如 PCB 上的每一个小电容之类，很容易就有数千个部件。具体取决于你怎么计算，但这不是一台简单的设备。
而只要有一个部件无法获得，就够了。
对。假设有一个供应商给你提供压铸件，但它倒闭了。你也许三个月后能找到另一家供应商，五个月后才能按数量拿到，或者高数量生产可能还要更久。这是可以恢复的。如果你的硅片供应中断，买不到硅片，也就买不到芯片。现在你必须重新设计电路板，并找到可能可行的替代品。这是灾难性的重新设计。如果你拿不到想要的 RAM 和想要的外形规格，这也是我所说的……本质上，这同样是灾难性的重新设计。你现在必须重新设计产品的整个内部结构，为这些新东西确保供应链，在生产线上重新制造，再次测试，并完成所有可靠性测试。这绝非小事，所以我们才会重视供应链。（00:51:41）：因此，组件有一个层级。在消费电子领域，我们通常从硅片和显示屏开始，它们通常是我所处领域里交付周期最长的东西。在机器人领域，驱动器很难获得，即使只是为了做原型也是如此。有时买一个驱动器就需要一两个月。
所以这就是为什么 Elon 出名地会直接开始自己制造所有东西。
当你看看他在 Tesla 上所做的事情，以及他如何把供应链垂直整合起来时，Starlink 其实是一个更好的例子。我听说它基本上是‘输入硅片和芯片，输出产品’，那是一座相当惊人的工厂。我很想有一天去看看。但这正是垂直整合发挥作用的地方：如果你实现了垂直整合，很多组件都在内部，很多东西也由自己制造，那么你确实能更好地适应供应链冲击，而他确实这样做了。硅片本身难以获得时，他能够在创纪录的时间内重新设计 PCB，并适应采购新的硅片。对于采用更传统供应链的公司来说，这会是更具灾难性的事情。
我想，设计一种新的硬件时，你必须做出的一个重大决定，是在使用市场上已有的、价格便宜的现成组件，还是说‘好，我们要做一些新的东西’之间进行选择。软件里也有类似问题，比如使用设计系统还是重新做一套。设计新的硬件时，你如何思考这种平衡？
很简单，我能用现成组件时就会用，尤其是在原型阶段。原型阶段是我们工作中非常重要的阶段，因为目标是证明这件事总体上能不能运行。你能让它工作吗？所以它往往不需要是最终那个漂亮的产品，可以是一个丑陋的版本。你可以做一个工业设计模型，展示最终产品会是什么样，但实际上我们称之为‘看起来像什么’和‘工作起来像什么’的模型：‘它会是这个样子，这是它的工作方式，这是一个能工作的原型。’只要有一个很大的前提，人类通常很擅长这件事，那就是你展示的东西能够融入工业设计。对于年轻公司来说，情况不总是这样，但这正是我们的目标。（00:53:59）：因此在原型阶段，什么能工作就用什么，现成的、速度快的、你能迅速获得的东西都可以，然后同时保持对最终设计真正能容纳什么的判断。它有能力吗？这些工艺、组件和材料是否真的能适应你需要的尺寸和新重量？这也是计算的一部分。进入量产和最终设计阶段后，要看具体情况。如果我在做 Matic，而且能买到现成的轮子或现成组件，我肯定会买来装进去。但我们经常做的是高度定制的东西，因为我们又有那些 KPI：‘我希望它是这个尺寸，我希望它是这个重量，我希望它是这个颜色。’现成零件往往不够好，不是因为它们不能工作，而是因为它们并不是为我们要做的事情精确设计的。
这就是现在这些无人机如此便宜的原因：有大量零件原本是为其他用途创新、制造并实现规模化的。现在我们手上有了这些零件，就能组装出非常便宜的无人机。
对，对，完全正确。
太棒了。你多次提到 CAD，这让我想到 CAD 已经存在很长时间了。AI 是否正在影响硬件的构建方式？显然，AI 正在以巨大的方式影响软件构建。它是否改变了你以及构建硬件和机器人的人的生活？
是的。我想先拉远一点看。大部分硬件工作都会进入原型、3D CAD，也就是设计三维零件、组件和部件，并确保它们能正确协同工作；然后要确保供应商能以合理的数量制造这些零件和组件，并达到我们想要的公差；最后再把它们组装起来。这基本就是我们的流程。现在，AI 能够进行 CAD 还处于非常非常早期的阶段。我举个例子。Claude 可以做本质上属于曲面或点云的东西，但那不是真正的 CAD。在我的领域里，真正的 CAD 是密集的，有形状，也有几何关系；你需要有一个关于曲面如何运作的方程，它是一个在 CAD 中设计的实体，是一个实心实体。因此现在 AI 还没有真正做到 CAD。（00:56:13）：我认为它最终很可能会做到。这可能会成为我们这个领域最大的变化之一：能够快速设计、提高速度。CAD 中有很多非常有趣的事情，但在我职业生涯初期，我们必须制作定制螺丝，还要为每件东西画二维图纸。CAD 里有很多工作没有那么有趣。公差叠加是必须做的：七个部件如何装配在一起，它们是否始终能够正确装配？但这并不好玩，也许对某些人来说有趣，但对我不是。因此，如果 AI 能完成这些事情，就太棒了，你可以专注于真正有趣的工作。（00:56:53）：另一个很好的例子是 PCB。印刷电路板内部有很多层，顶部还有组件。如果你打开过计算器或电脑之类的东西并看过内部，就知道我说的是这种印刷电路板。现在越来越明显，AI 可以很好地在这些电路板内部进行布线，也可能能够完成基本的组件选择和电路板布局。所以这就是我们现在所处的阶段。Lenny，我们还没有到这样一个阶段：日常机械或电气工程的核心工作由 AI 完成。但作为工程师，你可以在策略、规划以及梳理所面对的复杂依赖关系方面大量使用 AI，这些工作都可以做。我现在就把它用于高层规划和询问信息。（00:57:48）：当我查看还有谁在做类似产品时，我会用 AI 来构建数据库。它们当然并不完美，很多时候会有错误，但速度快得多。AI 目前很擅长处理 Excel，而 Excel 当然是工程师最喜欢的工具之一。因此，快速创建和修改 Excel 表格的能力听起来不性感，但实际上能大幅加快核心工作之外的设计流程。
我喜欢 Excel 总是出现在所有事情的底层。无论我们做什么，哪怕要去火星，背后可能都有一个 Excel 表格在推动这一切。
很可能。
所以你分享的内容很有意思：AI 已经影响了硬件和机器人构建工作，但如果它能做到真正的 CAD，就已经处在即将产生变革的边缘。
对。我的大问题是，要实现这一点需要什么？许多 AI 都建立在 LLM 之上，而 LLM 本质上是文字生成器、文字猜测器。它们比这复杂，但本质上就是在做这些事。你也见过基于视频训练的视频模型，但这些模型并不理解……它们不擅长处理我需要的问题。比如我需要知道：‘拿一张纸，把它折四次，然后这样做。当你重新把它展开时，孔会在哪里？’这些 LLM，甚至视频模型，都不知道怎么回答。它们无法理解摩擦、重量、接触、压力、摩擦力和表面纹理。它们做不到这些，而这些正是工程领域理解并制造东西所需要的核心能力。（00:59:26）：所以未来某些世界模型或许能够做到这一点，我猜我们可能需要让这些模型成为 CAD 和其他实体工程工作的基础。我的挫败感是健康的那种挫败感：我想要面向工程的 Codex，想要面向硬件工程的 Codex，这会非常有价值。我经常把 Codex 用于其他事情，但我希望它能服务于我的领域。因此我认为，可能需要新的模型类型。
在我看来这就是一个机会。我知道有很多 World Lab 公司。Fei-Fei 曾经带着 World Labs 上过播客。我想名字就是 World Labs。对。然后我知道 Google 正在构建 Gemini。你觉得这些是正确的方向吗？还是说我们现在真的需要一些完全不同的东西？
我其实不知道 Fei-Fei 最近在做什么，但她显然是一位出色的机器人专家，我很想进一步了解她的工作。我得查一下。我看到的情况是，我们现在拥有的东西以及正在构建的模型会成为解决方案的一部分，但不会是全部。
回到机器人和人形机器人。我们之前聊天时谈到了这一点，你的看法是，人形机器人不一定能解决我们面对的许多问题，也不一定能抓住现有的许多机会。谈谈你对人形机器人和非人形机器人的看法。
我认为人形机器人周围存在一轮炒作周期。这并不意味着它们不非常有趣，我认为这个领域会有赢家。但我经常听到的说法是：‘我想要一个通用的机器人形态，让它什么都能做。’我不知道这是否行得通。我认为不同类型的事情需要不同类型的机器人。比如，如果你有一台笔记本电脑，想把键盘拧到机身上，我不认为这是一项适合人形机器人的工作。这是专用机器人的工作，是一个专门为这台笔记本电脑设计的制造机器人，只负责把十颗螺丝拧进外壳，而且每天要重复一万次，或者每周一万次。那是一台专门为这项工作设计的专用机器人。（01:01:34）：我认为有趣的是，你可以为自动化机器人设置标准化的柜体尺寸，而且可以随着时间推移修改它们。我觉得，一个非常有意思的领域会是如何制造能够适应和改变的制造机器人，但你不会希望人形机器人做这件事。真正去看看中国现代制造工厂里一级供应商的顶尖生产线，就会发现生产线上本来就没有多少人。整条印刷电路板生产线基本上已经没有人在操作了。原始电路板经过回流焊和检查，整个过程都没有人参与，除非某个地方出问题，才会有人跑过去修理。（01:02:21）：机械装配也是一样。最先进的生产线基本不需要很多人。过去可能有 200 个人，现在可能只有 10 个人。因此，我们已经在许多最先进的制造环节中超越了人力劳动。我们实际上不需要用人形机器人替代人类，只需要更多这类专用机器人。所以我猜，我们会在一些目前由人类完成的长尾工作中使用人形机器人，这些机器人会很重要；但我们也会有用于建筑的机器人、用于电气工作的机器人、用于低产量装配的机器人，也许还有用于物流的机器人，它们大多数看起来都会彼此不同。
这完全说得通。听你说这些时，我想到，似乎会有一个重大时刻：机器人能够制造其他机器人。你提到的 CAD 也很关键，一旦 AI 能为硬件开发完整设计，那将是一个重要时刻。你觉得我们距离这个循环有多近？这个循环会从机器人制造并设计彼此开始。
如果你说的是机器人通常制造与自己不同的其他机器人，那么我认为会发生。但措辞很重要。我不认为会有一台机器人制造它自己，我不认为事情会是这样。如果你可以说：‘我想制造这个东西，我希望它完成这些事情，我希望它大概长这样，这是图片’，那么未来即使作为业余爱好者，也可能从一张二维图片进入复杂的三维 CAD、组件设计、与供应商沟通零件如何制造、获得他们的反馈，再不断迭代并完成几次构建。我认为这在未来是可能的。开始时它会和人类做得一样好吗？不会，但它会发生。（01:04:17）：Lenny，这里的最大挑战其实是数据。CAD 数据是任何人拥有的最有价值的知识产权之一。Samsung 或 Matic，就拿 Matic 来说，它们不会愿意把自己的 3D CAD 交给模型供应商、模型制造者或制作 AI 模型的人，让对方用这些数据训练出优秀的 CAD 能力。这是专有信息，是秘密武器。因此，我有一个重大问题：这些数据从哪里来？这也是我认为业余爱好者更适合作为起点的原因，因为他们不担心 CAD 的神圣性和数据去向。他们不在乎。他们想做出东西，并希望有人帮助他们更快地完成。（01:04:55）：我对这种起步方式很感兴趣。比如，一个业余爱好者可能并不精通印刷电路板设计，也许他们并不在乎。他们只想让自己的无人机更快，赢过另一个人的无人机之类的。我认为你会先看到这些事情从这里开始，然后大型现有企业可能会更慢，因为它们拥有专用工具，也非常重视知识产权隐私。
关于 AI 模型需要哪些数据来训练，这个想法很有意思。我听说各个实验室正在购买 2021 年之前的代码，比如 GitHub 仓库，因为那是在 AI 影响代码之前，那时人类编写的代码更多。还有 Mercor、Surge 和 Handshake 这样的数据标注公司。感觉这可能是一个很大的机会：这些公司开始销售数据，创建这类 CAD 文件。
完全可以。我认为一个非常好的想法是，建立一个能够在本地部署的 AI 系统，也就是放在公司自己拥有的数据中心里，然后用公司的数据训练它。我认为这最终可能会实现，但你需要大量 CAD 数据。因此你需要一个拥有大量 CAD 数据的基础模型。我们必须想办法做到这一点，这会非常有趣。然后，我们还要想办法把它安全地放进公司的内部环境，让公司用自己的数据继续训练。我不知道这会不会相当于 MCP 层，或者最终会是什么，但从长远看这似乎是可行的。
我想问你一个我姐姐建议的问题。她其实长期接触 VR，曾在 Oculus 工作，随收购加入了公司，也帮助制作了许多 VR 内容。她在 VR 世界里待了很久，现在正在做其他事情。她想让我问你：要创造一个让人感觉像人、并且让人产生连接感的机器人，需要什么？
这是个很好的问题。相对来说，我从事机器人领域的时间还不长，所以必须尽可能快地学习尽可能多的东西。一位对我帮助最大的研究员叫 Leila Takayama，她是这方面的专家。她向我解释，人类对于其他存在进入一个空间后会如何回应，有着某种预期。当有人走进房间时，你会对他表示注意。你可能不会和他交谈，但会抬头看一眼。我们彼此之间会传递很多非常复杂的非语言线索。如果你走进一个房间，机器人只是……那会很诡异，而且制造诡异感很容易。除了少数值得注意的例外，我对现在很多人形机器人的诡异程度感到有些意外。总体来说，你希望这些设备不具威胁感，希望它们显得柔和，并且对你做出反应。（01:07:47）：你希望感觉到它知道你在那里，注意着你，是来帮助你、让工作生活更轻松的。你也希望它在做某件事之前明确表达意图，或者让你看出它的意图。我学到的一点是，如果机器人突然转身并开始做一大堆事情，会吓到你。但如果机器人先看一眼，再转身行动，就没那么令人不安。因此这里有很多细节，我建议大家去看看她的研究。这里有很多出色的研究，讨论如何让任何机器人在社交场景中，对进入或离开房间的人做出恰当回应，同时通过身体动作传达自己的意图，而不是让你受到惊吓。
感觉我们可以从 Pixar 和那些长期思考这些问题的动画工作室那里学到很多。
是的。我认为 Pixar 和 Disney 可能是全世界最擅长这类设计工作的公司，尽管它们还没有大规模地做那么多实体产品。看看它们如何通过角色表现情绪、意图、亲和力和互动性，就会发现它们确实处于世界级水平。
不知道你怎么样，但我非常期待家里有一个机器人帮忙做事。他们最近开始发布一些视频，展示机器人做家务。至少在原型阶段，它们可以洗碗、叠衣服，还能做其他事情。我的感觉是：好啊，请赶快来帮我做这些。你怎么看家里的机器人？
我很感兴趣，但我的伴侣没那么感兴趣。所以我很幸运，有一个标准很高的伴侣。她以前绝对不会乘坐 Waymo，只坐过一次 Waymo，现在再也不想乘其他东西了。她当然愿意改变立场，但产品必须足够好。她非常喜欢 Matic，那东西很棒，但她的标准很高。因此，我认为要让她愿意把家用机器人放进家里，它必须非常出色。但我把这当作挑战。
我妻子完全一样。她会说：‘我不想让这东西和 Matt 一起待在我们家里。哦，等等，这太可爱了。’最近的例子就是自动驾驶 Tesla。她以前总是说：‘不，别这么做。’最初它确实没那么好，但现在她会说：‘我不想开其他车了。开自己的车感觉太荒谬了。我不想再这么做。’这种变化快得令人难以置信。
在我看来，这两者有很大区别，这是一个重要的类别差异。一辆更安全、能够自动驾驶的汽车，与一辆由人驾驶的汽车之间有很大差别，因为你已经有一个人驾驶汽车的存在证明，也有相关数据。谈到家庭机器人时，参照标准是什么？现在有一个过去不存在的东西在做事。如果它做得不好，你拿什么来比较？如果它在任何方面不安全，你又拿什么来比较？在我看来，要让很多人接受它，这个等式比汽车难得多。因为你可以说：‘Waymo 挽救了生命。’不管你是不是乘客，乘坐 Waymo 的死亡人数都只会是其中一小部分。当你已经看到旧金山的人开始调整自己在 Waymo 周围的行为，与面对其他汽车时不同，你就会看到基于信任而产生的行为变化，这非常酷。（01:11:18）：但如果你谈论的是一个过去不存在、也不是在替代某种东西的新产品，那就更难推销，而且你需要讲一个不同的故事。
关于 Tesla 自动驾驶，有件事需要有人解决。你经常停在路口和别人对视，然后示意：‘你先走，你先走。’或者有人正要过马路，你会说：‘好，你先走。’但 Tesla 只会按自己的方式行动，于是它经常让你看起来像个混蛋：‘哦，不是我在驾驶，也不是我在控制。’
对，我遇到过一次这种情况。你几乎会希望车头有两只小手，可以打手势说‘你先走’之类的。我们在十字路口决定谁先走时，实际上有多么依赖这种人与人之间的联系，真是令人惊讶。
好。稍微拉远一点看，像你这样的人很酷的一点是，你正在思考并打造未来才会存在的东西。你有点生活在未来、设计未来，是少数能够瞥见事物发展方向的人之一。所以我想问，假设五年后，我们日常使用的机器人和设备会有什么不同？你对未来有什么愿景？大致会是什么样？
在这份工作中，我们必须做一件疯狂的事：努力生活在未来，而且要生活在足够遥远的未来，这样我们不仅能为两三年后的产品设计，也能让产品逐步走向六年后的目标。因为在我的领域里，做出一个东西、不断迭代它、朝最终目标迭代，通常比一次性把东西完美做出来容易得多。因此，你不仅要知道第一个产品应该是什么样，还要知道第三个产品，或者说这个产品最终的理想形态大致会是什么样。你确实必须思考未来并生活在未来。（01:13:06）：我有一个奇怪的特点：我喜欢思考未来，但同时也是个怀疑论者。你确实希望我保持怀疑，因为如果我觉得一切都会顺利，硬件就不会成功。你希望我不断说：‘这个不行，那个不行，这个也不行’，担心所有可能出错的事情。所以，我的内心存在一种有趣的分歧：我希望未来是什么样，我认为未来会是什么样，以及未来实际上会是什么样。我正在努力猜测。因此，对我来说很清楚的一点是，尤其在未来几年，AI 将从根本上改变我们工作的方式以及我们做的事情。你已经能看到这种变化。显然，任何写代码的人现在都不再经常手写代码。（01:13:52）：我认为接下来任何知识工作都会受到影响，进而逐步影响我们的经济和工作。但实体世界变化的速度似乎没那么快，除了无人机和自动驾驶汽车之外。你会看到越来越多机器人，但我不认为五年后会有 2,000 万台机器人。我不认为速度会那么快。我们还需要在供应链可靠性、原材料获取方面做大量深入工作，还需要想办法让这个国家重新拥有能够制造高科技产品的工厂。这需要很多工作。但在此期间，你会开始在街道上看到许多奇怪的东西。你可能会在街上看到机器人。Lenny，你所在的地方以前见过送货机器人吗？
像小汽车一样的东西，不是人形的。对。
对，对。这样的情况会继续发生。我认为，我们会继续感觉自己生活在未来，但安全将成为机器人技术的关键。我认为未来两年，战争领域的变化可能比——
例如，未来两年，战争领域的变化可能比消费电子领域还要大得多。
哇，这句话信息量很大。
对。
我完全同意。没有什么比战争更能激励创新、持续改进以及试图领先于对手。
尤其是在民主受到威胁的时候。我的意思是，我认为我们正处于这样一个阶段：需要用这些视角思考未来，并凭借我们的能力保卫这些事物，同时也希望任何地方都永远不必发生热战。
说到这里，我必须问你一个问题。最近，至少在 Twitter 上，你因为离开 OpenAI 而出名。你发了一条推文，用简短的说明说自己要离开，获得了 700 万次浏览、5 万，我不知道，8,000 个点赞。到底发生了什么？你为什么离开 OpenAI？发生了什么？
我在推文中说，我在 OpenAI 高管团队里有很多非常在乎的朋友，我认为他们都是非常好的人。但我觉得，关于战争部交易公告的决策过程、决策速度、治理方式，以及缺少明确的护栏，并不是我认为应该采取的方式。两件事可以同时为真。（01:16:35）：所以 Lenny，我希望的是存在第三条道路。你会看到很多人只是随公司行动，也会看到一些人对公司采取焦土式态度。在这个情况下，那对我没有意义。我并不这样看待这家公司。OpenAI 是一家了不起的公司，我曾在那里帮助建立机器人项目，并吸引了我认为世界上顶尖的机器人领域人才。（01:17:02）：因此，我很在乎这群人。我不知道该怎么说，你可以不同意朋友，也可以觉得他们做的事情不好、不对。这就是我的结论，也是我发推文的原因。因为这件事本来就会被报道，所以我在报道发生前先发了推文。
这是一个很好的机会，你可以悄悄告诉我 OpenAI 正在做什么。那个机器人设备[听不清 01:17:30]，就当是你和我之间的秘密？
我真希望我能说。你知道，Lenny，我们这份工作有趣的一部分，就是能在所有人之前看到一些东西；但另一面是，我们不能谈论任何内部信息或知识产权。我能说的是，团队非常强大，我非常非常感激有机会在那里提供帮助。（01:17:49）：但在那件事发生之后，我也觉得是时候离开了……我无法继续在那里工作，因为你不知道下一次会发生什么。我希望我的决定能让其他人更容易谈论自己的边界并坚持边界。接下来会怎样，我们拭目以待。
说到组建团队，这正是我一定想问你的事情。我之前说过，我问了一些人应该和你聊什么，其中一个人好像是同事或前同事，叫 Marianna[听不清 01:18:20]。你和她共事过吗？
共事过。
好。
她是我的朋友。对。
好，她是你的朋友。她这样评价你：‘你作为领导者的卓越之处在于能够招聘优秀的团队。在所有人都担心工作的时代，我很好奇她认为哪些类型的人不可或缺。’谈谈你在为团队招聘人员时，学到了什么、会寻找什么。
对。我很幸运，在招聘方面已经投入了很多时间，也积累了很多实践经验。因此，我有一套招聘优秀人才的策略。当你在做从零到一的新事物、进入新行业时，我们现在面对 AI 和机器人就是这种情况，因为这些领域都非常新，你不能指望团队里全是过去做过完全相同事情的人，因为这种事情不存在。完全相同的事情不存在。也许有机器人专家造过一千台机器人，但据我所知，没有人造过我感兴趣的、能够像这样在世界中移动并实现数百万规模的机器人，因为以前从未有人做到过。（01:19:23）：所以你必须开始思考，如何组建一支能够做新事情的团队。好的一点是，在机器人领域，自动驾驶汽车和自主车辆是很好的人才来源，因为那里既有感知技术栈，也有很多关于安全的权衡，而且包含大量困难的硬核工程。因此我会从那里寻找人才。当然，你也需要能够从零开始设计机器人的硬核机器人专家。这些人其实都是混合型人才，即使他们可能拥有某个专业的学位，他们也是真正的通才。（01:19:56）：所以我寻找的关键原则之一，是寻找很多非常强的通才，他们能够把在其他领域学到的东西应用到新领域，也要寻找有丰富构建经验的人。你需要一些做过你正在做的新东西的人，也需要一些把其他东西扩展到[听不清 01:20:14]规模的人。因此，你必须考虑这些方面。（01:20:15）：而年轻人会让这件事非常有趣，Lenny。真正原生使用 AI、以至于 AI 已经融入工程流程的 AI 原生人才，本质上只有 20 岁、21 岁或 28 岁的人。我很难找到三十多岁、真正完全 AI 原生的人。因此，我们需要这些年轻人教我们如何思考。我有机会和几位这个年龄段的人共事。他们解决问题的方式完全不同，因为他们从一开始就用 AI 处理一切，而且实际上速度快得多，看着他们工作非常有意思。（01:20:54）：所以，我们要想办法让这些 AI 原生人才教会我们这些其他人：当我们这些人——我想可以说你我都是数字原生者，我们在成长过程中也许还没有互联网，但我们属于第一代互联网人，十几岁时就经历了互联网——应该如何理解 AI。（01:21:16）：我们是很重要的一代，因为我们拥有最早的一批新技术。记得我在 Stanford 大一时，我们第一次有可以访问的数据库，我觉得我们用它来分享电影和音乐之类的东西，但无论当时具体是什么，这些东西都是新的。因此我们在这些技术中是原生的，这给了我们创造新技术的巨大动力。但我们必须接受自己并不是这些新技术的原生使用者，而确实需要一些有热情、充满期待、愿意学习并且掌握这些技能的人。
你说的最后一类人，是这个播客谈招聘时非常常见的一个趋势。它对‘年轻人已经没有工作了，初级职位会被 AI 消除’这种说法构成了很酷的反叙事。
我不这么看。我认为我们需要他们。我也认为我们需要培养新的技术人才。显而易见的问题是，如果团队里没有资深和初级成员，会发生什么？但我认为真正组建这些团队时，你会发现两者都必须有。必须同时拥有两者。团队规模可能只是比过去小一些。当硬件领域的 AI 革命发生时，我不知道它会如何影响团队，这会非常值得观察。
我听到的意思是：寻找能够根据任务需要灵活调整的通才；让负责规模化的人和负责从零到一的人形成组合；还有我听过的最好的说法——本质上是那些很厉害、AI 原生的应届毕业生，他们什么事情都优先使用 AI。
对。而且当然，我们还没谈到使命契合度，而这实际上是统一团队的东西。如果每个人加入时都认同使命，会有很大帮助，尤其是在 AI 研究人员和硬件人员组成的团队里，因为我们来自非常不同的世界，沟通不畅的情况很多。因此，让大家感到我们都在朝同一个方向努力非常重要。（01:23:08）：在确认其他条件都符合之后，我还很依赖自己对人的直觉。很难解释这意味着什么，但通常就是你在一个人身上寻找的那种火花：他是真正受到激励的，被学习和卓越驱动，也愿意向身边的人学习；他会根据新信息更新自己的观点，并且想要赢。这些是在组建团队时真正重要的事情。
太棒了。好，再问几个问题。有件事我一直想问：你曾与一些最具传奇色彩、最成功的建设者共事，比如 Steve Jobs、Jony Ive、Mark Zuckerberg 和 Sam Altman。你不必把四个人都讲一遍，但能不能说说你从这些人中尽可能多的人身上学到的一课？
我先从 Sam 说起，因为最近和他共事。Sam 很擅长说：‘为什么不能更多？为什么不能增长 100 倍，或者 10,000 倍？你的想法太小了。为什么不把这件事想得更大？’每当我们谈论重要事情时，他都会这样说。我意识到，自己在某些方面想得太小，而他在进行全球性思考。一位有雄心的领导者给予这样的推动，我认为非常有帮助。所以我从他身上学到的很重要的一点，是他愿意大规模地放手去做，并根据影响范围投入资源，也就是说，他愿意用非常大的数字来思考。这在根本上非常重要。（01:24:54）：我认为 Steve Jobs 的特点是，他为公司、技术人才和卓越设定的标准从未动摇。标准一直在那里，你要么达到它，要么达不到。这种标准贯穿了整个公司。当你是一个年轻、有雄心的人，听到‘这还不够好’时，实际上会受到极大激励。它产生的效果并不完全像你以为的那样。如果有人告诉你：‘这需要更好，你需要在这上面花更多时间，你需要更认真地思考，’或者‘这没有达到我们的质量标准[听不清 01:25:35]’，这会产生影响。我想你不会希望再听到这句话，所以它非常有激励作用。（01:25:41）：至于 Mark Zuckerberg，我必须说，他把公司运营得非常好。公司的技术部门如何运作、我们如何进行评审、如何做决策，决策都会下放到公司尽可能低的层级，以保持速度。我以前没有充分意识到这种做法有多么清晰、运行得多么好。硬件组织和公司其他部门的协作方式非常明确：‘这是我们的目标，我们会进行这次评审，并在评审中做决定。如果不需要评审就能决定，你就直接决定。这是这个项目的目标。’（01:26:33）：执行得非常好。在一家快速成长的公司里做到这一点很难，达到这种程度非常难。他和 CTO Andrew Bosworth 会参与技术决策，能够阅读可能长达 20 页的报告，[听不清 01:26:52]权衡，理解内容并参与技术讨论，而这只是我那周负责的事情，他们一个月里可能要做一百次。这一点令人印象深刻，也是我从他们身上学到的东西。
这是多么不可思议的一组经历，而且还是完全不同类型的工作场所。我不知道这些地方还能不能更不一样。
我知道。我认为这正是我寻找从零到一机会的原因。因此，当你寻找从零到一的机会时，它通常就在某个完全不同的地方。
你现在成了这个市场上的抢手人才，毕竟你已经是自由职业者了。但另一方面，我想带你进入‘失败角’。我觉得，做硬件、做实体产品的人一定有很棒的失败故事。有没有一个你构建或参与过的项目失败了，以及你从中学到了什么？
这是个很好的问题，但让人不太舒服。我最喜欢的失败之一其实发生在 Quest One 上。当时处于 EVT 阶段，也就是 Quest One 过了一半的时候，我们发现，为了降低成本，我们从五个摄像头减成了四个。我们之前谈过，为了让更多人能够购买，必须降低价格。（01:28:06）：事情发生在圣诞节前，我从负责计算机视觉的团队负责人那里听到：‘天啊，摄像头的数据不工作了，我们无法锁定用户戴头显时所在的位置。’于是我们调查后发现，他们对规格的理解和我们对规格的理解不同。在工程领域，我们通常使用正负范围，例如这个例子中可能是 0.15 毫米上下。但在他的领域，他习惯于全局规格，也就是整体误差在 0.15 毫米以内。因此，我们对规格有不同的解读。（01:28:54）：问题是，我们对规格的理解意味着他无法达到理解头显在空间中位置的目标。所以我们必须重新设计，而这时已经处于 EVT 阶段，也就是你希望工程设计基本完成的时候。
EVT 是什么的缩写？
它指的是我们第一次把所有应该完成的东西一起‘编译’硬件的时候。组件是最终组件，材料是最终材料，你会在量产工具上制造这些组件，而不是只用机加工来制作。因此这是一件大事。我们必须做的是选择优先级。我们有四个浮动摄像头，必须把下面的两个固定在一起，放到一个支架上，使它们之间的相对距离符合他所需的规格，然后让另外两个保持浮动。因此，这是一次架构变更，也是一次失败。也就是说，我们在理解规格上失败了，在产品设计上也基本失败了，但根源是误解了规格。我们最终适应了过来。实际上，我们保持了构建进度，也按时发货了产品，但过程非常紧张。（01:30:10）：后来事实证明，新设计其实更好，因为固定的一对摄像头提供了空间的真值来源，另外两个摄像头再与这个真值来源重叠。因此效果很好。我认为结果不错，但当时是一场紧急抢修，我们当然希望能早四个月发现问题。
这又是一个硬件有多难的例子。你弄错了一个规格，然后只能说：好吧，我们浪费了一周做出无法工作的东西，现在还要过四个月重新处理硬件供应链。
对，确实很棘手。
所以最终发货的 Quest One，就是把摄像头移动了之后的版本？
对。你看，Quest 正面的两个摄像头彼此更靠近，而不是像底部的摄像头那样分开。
哇，Bos 和 Zuck 对这件事是什么感觉？
我不记得这件事，可能说明结果还好。我认为我们解决了问题，重新设计了产品。我们必须改变材料和支架。我想我们必须使用钢材，才能保持所需的公差。但最后效果很好，价格、成本和良率都没问题。所以我认为我们适应过来了。
而且那是有史以来销量最高的 VR 设备。对吗？
我认为是。
好。
我没有最终的销售数据，但对。
好[听不清 01:31:25]。好，Caitlin，我们已经聊了很多。还有什么想分享的吗？还有什么想留给听众的吗？可以是再次强调我们已经分享过的某一点，也可以是其他你想说的内容，比如‘我还想分享一件事’。
我认为，我们正在进入可能是最令人兴奋的时代之一。对我们所有人，包括我自己来说，感到担心和害怕都很正常，但我也认为，这是一个让人们取得非凡进步、让个人能够比以往做得更多的机会。因此，我正努力拥抱这一面。（01:32:01）：这些新工具和新的工作方式令人害怕，但如果你拥抱它们，现在每天使用这些 AI 工具，并每天把它们应用到自己正在做的事情上，你就会处在未来的最前沿。因此我想鼓励每个人保持创造力，使用这些工具，享受使用它们的过程，弄清楚它们的边界在哪里。每当新模型出现时，都要再次测试，因为了解我们面对的是什么、边界在哪里非常重要。但我从未像现在这样对个人的力量感到兴奋。
那么，Caitlin，我们进入了非常精彩的闪电问答环节。我有五个问题要问你。准备好了吗？
准备好了。
第一个问题：你最常向别人推荐哪两三本书？
最近我主要在读经典作品。《新日之书》是一本很棒的小说，我非常推荐。我想书名是这样，我有一阵子没读了。我喜欢《达洛维夫人》。我觉得它是一本非常有意思的、关于转变的书，也是 Virginia Woolf 写的一本战后作品。所以我非常喜欢它，觉得它很棒。（01:33:12）：我认为 Herodotus 的《历史》非常不可思议。他经常出错，但它也是第一部历史著作，而且在许多情况下，他会去寻找关于事件的第一手或第二手记录。这是从一个与今天完全不同的时代观察世界的一种方式。这些就是我喜欢的一些书。我会再确认第一本书的书名并发邮件告诉你，但我想应该就是这个名字。
好。我们会在节目说明里链接正确的书。最近有没有特别喜欢的电影或电视节目？
我最近非常喜欢《亢奋》。我对新一季《亢奋》很感兴趣，想了解这些角色，也想知道接下来会发生什么。
我每次看那个节目都觉得压力好大。
它是一部情节剧。我觉得你必须把它当作肥皂剧来看，这样才会觉得有趣。如果你过于从字面或现实角度理解它——
好，这很有帮助。你最近有没有发现特别喜欢的产品？可以是硬件、应用、衣服或小工具。
我很喜欢 Vollebak 的衣服。他们制作非常有趣的服装，本质上是以材料科学为基础设计新衣服。他们把新的材料科学成果做成衣服。这个品牌很值得关注，也很有意思。
Vollebak。
V-O-L-L-E-B-A-K。
Vollebak。很酷。你有没有经常在工作或生活中想起的人生格言？
你见过那张图吗？那里有一根树枝，分出很多树枝，你在这里，然后从这个点又分出很多树枝。
[听不清 01:34:43]，对。
对。你知道它是谁说的吗？我以前不知道。我经常想到它，因为人很容易困在未来或过去，而无法停留在当下。我在这方面有困难，但那是一种很好的提醒：你每天都可以选择，每天都可以决定自己想做什么。有时事情不会按你希望的方式发展，有时你会后悔自己做过的事，有时你会为自己做过的事感到骄傲，但这些其实都不重要。重要的是眼前的事情。
你说这句话时，我们要么把那张图片显示在屏幕上，要么把它链接到节目说明里。它的力量很强。最后一个问题。有一位很了解你的人分享了一个非常有趣的细节：你曾聘请一位博士辅导你学习古希腊和古罗马的基础知识，并深入钻研这些内容。到底是怎么回事？是什么驱使你把这些事情研究得这么深？
这已经非常接近[听不清 01:35:35]的领域了，但我找到了一份诗人 Joseph Brodsky 写的书单，内容是一个人为了用英语进行有深度的对话应该读过哪些书。这是一份很有个人偏好的书单，而且内容很重，包括《旧约》《吉尔伽美什史诗》，一直延伸下去。但我发现，它很好地提炼了我们过去所说的西方经典，而我确实在公立学校教育和大学里学到了很多东西，但从来没有真正从通常所说的西方经典中学习过。（01:36:14）：所以这份书单算是对那些教育的补充，其中也有一些更近代的新书。我觉得有一个东西可以作为学习依据非常有意思。当我开始具体读希腊悲剧时，我发现自己的背景知识不够，无法学到想学的东西。只读文本并不能让我充分理解。因此，我找到了一位非常出色、愿意辅导我的博士后，于是可以向他问各种问题。他就像一本百科全书，什么都知道。（01:36:44）：我可以问他：我们正在读的这部希腊悲剧发生时，土耳其正在发生什么，雅典正在发生什么，这位悲剧诗人可能在回应什么。他都能回答。拥有这样一个可以交流、核对想法的人真的很有趣。
太酷了。你做了这件事真的很酷。即使 AI 能做很多类似的事情，有时人类更有趣，更适合交谈，感觉也更好。
对。我发现，在基础层面，阅读 AI 的内容并与 AI 沟通非常有帮助，但如果要理解当时的文化背景以及作品的意义，它就不够用了。
因为我们不是二十多岁的人了。我们习惯了和人类交流。
[听不清 01:37:25]错了。
我不认为这是错的，只是我们不是以这种方式长大的。我想大学生可能会说：‘我为什么要这么做？我这里有 Claude。’
对。
太酷了。我喜欢这个故事。这次谈话太精彩了。你非常厉害。如果大家想在线找到你、联系你，或者不知道，想试着聘用你，可以去哪里找你？最后一个问题，听众怎样才能帮到你？
我有一个网站，网址就是我的名字加上 .com。我也在 LinkedIn 上。大家可以帮助我思考未来。我认为这不是一个单人游戏，而是一个多人游戏。我们要一起弄清楚想要什么样的未来，未来应该是什么样，人类在未来中应该扮演什么角色，以及我们希望为自己保留什么、想如何增强自身能力。（01:38:09）：现在我们处在一个反乌托邦式的小圈子里，感觉一切都像是……未来很可怕。要避免这种情况，我们需要共同设计自己的未来，弄清楚希望未来是什么样。在小说、文学和对话中描绘一幅图景，然后把它构建出来。我认为这是可能的。
我喜欢这个想法。最近几期播客里也出现过类似的观点，这是一个很好的提醒。Caitlin，非常感谢你来到这里。
这次谈话非常有趣，Lenny。谢谢你的邀请。
大家再见。（01:38:47）：非常感谢大家收听。如果你觉得这期节目有价值，可以在 Apple Podcasts、Spotify 或你喜欢的播客应用中订阅节目。另外，也请考虑给节目评分或留下评论，这会帮助更多听众找到这档播客。你可以在 lennyspodcast.com 找到往期节目或了解更多信息。我们下一期再见。