他们还没毕业，就在用AI搭建自己的世界｜五源小酒馆Vol.30 x AI Native创造者
AI Native一代在构建什么？
这一期五源小酒馆，我们请到了三位非常年轻的 AI Native 创造者——即将大学入学、拿下阿里全球数学竞赛AI 赛道预赛第一的涂津豪；正在MIT读大四、毕业后即将入职一家顶尖AI 创业公司的刘安迪；以及曾从清华到湾区创业的陈春宇。
他们聊了聊：AI 如何介入他们的学习与创造？又如何成为他们探索世界、构建工具的一部分？哪些产品让他们眼前一亮，哪些问题值得用AI去重构？什么样的人真正推动了创新，又怎样成为这样的人？在轻松的分享中，也藏着一代AI原住民的现实判断、行动方法，以及，一点点改变世界的野心。
【本期嘉宾】
邢曜鹏 五源投资人（主持人）
陈春宇 湾区创业中
刘安迪 MIT大四学生
涂津豪 即将大学入学
以下为播客内容的精选：
第一次接触AI
邢曜鹏: 欢迎收听五源小酒馆，我们邀请了三位令人欣赏的年轻人，他们有的是AI领域非常先锋的创业者，有的是在 AI 时代非常有意思的技术的创新者。不妨可以先聊聊你这几年在做什么，以及 AI 是如何改变你的。
涂津豪: 我是高一接触到 AI，我记得当时 GPT 刚发布，因为我刚进国际班，就开始用 GPT 辅助学习，比如背单词、记忆训练等。后来准备托福时，不想总麻烦老师，我就试着来用它写一些提示词，让AI来进行一些类似批改这样的任务，这个方法效果不错，我也分享给了同学，慢慢在小范围内推广开了，也基于此做了一些修改。
2024 年初我报名参加了阿里一个AI相关的比赛，拿了还不错的成绩。到了高三上学期，我在准备大学申请，有时课堂内容没完全理解，老师会发笔记，我就直接把笔记喂给AI。但有时候它生成的内容超纲或者跑题，我就改写提示词，让它先列出所用笔记中的知识点，再开始解答。虽然模型能力没明显提升，但使用体验明显更好了。这大概就是我过去几年围绕 AI 应用所做的一些探索与尝试。
邢曜鹏: 关注Richard（涂津豪）的朋友都注意到了，他在GitHub上提及的Thinking Cloud项目非常出圈。而且，他在高二、高三期间，就已经在大模型公司参与Prompt Engineering及数据提示工程相关工作。也请春宇分享一下过去几年接触技术、从中获得灵感，进而决定基于新技术创业的经历。
陈春宇: 其实，我与大模型的初次结缘要追溯到2020年GPT-3刚出来的时候。那时我在清华选了一门科学史课，老师让我们探究硅谷和 128 号公路区域的科技发展差异，正巧那时候 GPT-3 正好刚上线，于是他布置了一个作业，亲自去了解它，最好是上手试一试。我第一次进了 OpenAI 的官网。因为当时还需要邀请，我最后是在一个终端游戏里用上了模型——一款基于 DND 的文字冒险游戏。DND 游戏本身就有大量用户自创的 workflow 和 prompt。为了完成科学史作业，我硬着头皮和它"斗智斗勇"，结果写着写着，内容竟跑偏成了精灵和矮人的奇幻冒险，整个过程十分有趣。
当时，我压根儿找不到一个能用的前端，只能在一个 terminal 应用上操作。那时候我还不太会写代码，整个过程对我来说既陌生又新鲜。
2021 年我开始正式创业，先做了一段时间游戏，后来又尝试了其他项目，一直持续到 2022 年 11 月，那时我已经积累了一些用户，也融到了资。
巧的是，有天我刷朋友圈，看到一位清华学长发了一条链接：
"chat.openai.com"，还配文说他们组最近完成了一项小成果，欢迎大家去体验。他是 ChatGPT 的首批开发者之一，我点进去一看，感觉这东西不简单。果然没多久到春节，整个世界都因它发生了翻天覆地的变化。这段经历对我来说，是过去几年里最有意思、也最具转折意味的瞬间之一。
邢曜鹏： 安迪在过去几年接触到新的大模型、新技术时，体会是怎样的？
刘安迪: 我是从高二开始接触 AI 的。当时我在准备信息竞赛，我们的竞赛老师开了一门选修课叫"人工智能概论"，那时候还没有 GPT，学的主要是深度神经网络，我一下子就被吸引住了。当时，我正准备申请美国的学校，年级主任问我文书怎么写。我说我觉得AI特别厉害，将来必成大器。年级主任就和我讨论了很久，探讨AI为什么能这么厉害，我给他讲梯度下降、反向传播，还类比人类的学习过程。特别巧的是，那天还有个我喜欢的女生，本来是来找他聊文书的，结果看到我在讲 AI，就默默坐旁边听。我一讲就是五个小时，天都黑了。最后李主任说："你去写吧。"那时候我真的挺沉迷神经网络的。
后来我凭借竞赛成绩申请上了 MIT。新生欢迎会上，我跟同组的人说，我的目标是"为机器人谋福祉"，我觉得它们和人类没什么本质区别。到了大二期末，我刚上完一门自然语言处理课。最后一节课老师提到最近有个新东西——Transformer，好像还能解数学题。我一听就来了兴趣，想着能不能基于这个做点什么。
MIT 经常有很多活动邮件，我就想做个模型来解析邮件，自动提取时间和地点，变成一个清晰的日历视图。我拉上一个同学一起做这个项目。当时还有另一组竞争对手，他们用的是正则表达式。我觉得大模型更强，就坚持用它，虽然他们起步早、人数多，但我们两个小团队靠大模型提前完成了，还抢先上线，拿到了 1000 个用户，而他们只有 100 个——因为他们那个规则系统基本跑不动。从那以后我就变成了大模型的忠实信徒。基本上我现在写项目都不手写代码了。
邢曜鹏： 从我们当下的视角来看，技术发展日新月异。巧的是你们三位正处在不同的人生阶段。我们特别好奇，在你们看来，在你们观察到的世界里，过去几年里，技术带来的最大的改变是什么？
陈春宇: 就我的观察而言，这几年技术的最大变化是——AI 已经可以完成绝大多数不涉及物理操作的工作任务。大家可能还在担心工具链不够完善、交互体验不够好，觉得真正能替代人类的 AI 得等 AGI。但其实现在的模型，已经可以胜任大部分白领工作，甚至很多其他岗位。
这不代表 AI 有多强大，而是反过来说明——我们日常的很多工作，本身难度就不高。很多岗位不过是执行既定规则、重复既定流程，而这些 AI 现在都能做，尤其是具备多模态能力之后。当然，目前社会还是需要大量岗位，公司也在招人。但从长远来看，真正"必要"的工作并没那么多。这可能会引发一场新的生产关系变革。
在我看来，至少从生产力的角度看，吃饭、穿衣、住房这些基本需求，AI 已经有能力帮我们解决。接下来更有趣的问题，是：当这些都不再是难题，人类还能做什么？我们会进入一个截然不同的社会阶段。
刘安迪: 就我看来，目前AI对世界的改变似乎还没那么大。虽说科技领域已经在用AI改变很多东西了，但就我回国看父母、爷爷奶奶，发现对大多数普通人而言，AI带来的改变其实并不明显。大家焦虑的可能就是AI跑任务比人的效率要快。
对我们这些用 AI 的人来说，改变就很直观：一个人能做的事变多了。 比如我，以前可能只能当程序员，现在还能写市场文案、做访谈、整理文字、润色内容。很多过去要五个人做的事，现在一个人加上 AI 就能搞定，因为 AI 是个很强的generalist。
涂津豪: 我比较同意安迪说的一点是，AI目前的影响可能暂时还不大。不过我的观察是，身边很多人对AI模型的认识还停留在比较浅的层面，比如觉得3.5版本的模型写代码能力不强。这可能是因为他们平时不怎么接触AI，不了解最新动态，所以不信任AI，也不愿意把任务交给AI去做。其实这就是信息差的问题，取决于你平时接触 AI 的频率和深度。
改变，启发
邢曜鹏: 我们最近听到一个有趣的说法——未来可能 1% 的人调用 99% 的 token，去拓展科学边界、推动智能上限。而另外 99% 的人则可能像生活在"技术保护区"中，不用工作，但也不再创造生产力。这背后其实反映的是，资源差距在加剧。你们怎么看这样的未来？你们希望生活在什么样的世界？
陈春宇: 我觉得这种结构其实历史上一直存在。以前也是少数人掌握大多数资源、资金或人力，现在只是换成了 token 而已，区别不大。真正的变化在于：少数人调用资源的效率变得更高了。 以前你要组织 2000 个人协同，光沟通就会损耗很多。但现在有了 AI，就像安迪做 MIT 校园活动日历的例子，一个人可以发 2000 个 prompt，每个任务都标准执行、没有分歧。这种效率，是过去不可能实现的。所以问题不在于"99% 的 token"是不是太多，而是这些 token 对少数人来说越来越好用了。
刘安迪: 确实像春宇说的那样，AI agent 的确比人更省沟通成本。但从人类幸福的角度来看，这不一定是件好事。就像《人类简史》说的，农业革命提高了生产效率，却并没带来更多幸福。AI 也一样。一方面不平等在加剧，另一方面发展节奏太快，让人很难规划未来。我觉得这些变化，对人类来说其实挺危险的。
邢曜鹏: 在你们成长过程中，有没有遇到过特别不一样的人，给过你们重要的激励或启发？
刘安迪: 我有个打竞赛的同学，他特别有意思。他的信条是"持续优化"——每天都要逮着一件事打磨到极致，然后换下一件。高中的时候，他沉迷玩《炉石传说》，连课都不上，就琢磨怎么优化卡组。后来上了大学，他连开车都要优化到极致，每次停车入库都要做到完美。一开始我觉得他这样做没什么用，优化游戏和开车能有啥好处？但后来我才明白，他不断优化本身也会训练自己的思维效率。他优化《炉石传说》花了六个月，优化开车花了三个月，接下来就开始优化搞研究和其他更有用的事情。他还总结出一套自己的方法论，比如怎么推进 research、如何准备前期资料、如何拆解任务。我觉得他是那种典型的"指数型成长"的人。
涂津豪： 我可能不是被具体某个人启发的，更多是观念上的影响。从高一开始，我会听很多 podcast 和采访，尤其是很多公司内部分享，像是访谈或者 CEO 的演讲。去年有一场采访我印象特别深。那个 CEO 讲到，AI 不是被 program 出来的，而是被 train、被 grow 出来的。这种观点给我触动挺大，也影响了我对 AI 本质的理解和未来的想象。
邢曜鹏: 春宇在创业过程中有没有哪个人对你特别有启发？
陈春宇: 其实对我来说，很难说出"最"有影响的一个人，因为不同阶段、不同方向，很多人都带给我启发。比如，我认真学习了张小龙的产品思考，从他身上学到了很多产品方面的东西。他强调人的需求其实很简单，但要做出好产品却非常难。他那句"我说的都是错的"，我印象特别深。我们现在的产品团队里，有心理学、人类学背景的人，经常会从很抽象的角度去讨论需求，会花很多时间去思考一个根本问题：用户到底在意什么？
另外Cursor 的创始人也影响过我。他们让我意识到，做出一个很厉害的东西，其实没有我们想象得那么难。一开始我还在纠结是不是要先做些"练手"的产品，慢慢过渡。但后来我意识到，如果你知道自己想做什么，就可以直接去做，哪怕会碰壁。
还有我早期的天使投资人，他直接跟我说：你格局太小了，别搞小工具，去做大事。当时我还在做群聊工具，他一说我突然醒了。他让我意识到：做小事和做大事的难度差不多，但大事更值得做。我当时才二十出头，想了想要是做个 ToB 的小SaaS，现在也能赚钱、过得体面。但如果我想真正不受限地做一个有突破性的东西，可能就得趁这个时候去试。所以，对我来说，这一路上遇到的人，不断在刷新我对"值得做的事"的定义。
邢曜鹏： 刚好想问一下安迪，你现在在MIT，身边有很多科技和年轻的创业团队。你跟他们打交道的过程中，有什么启发吗？
刘安迪： 我觉得他们最大的特点就是——**目标特别明确。**很多人做事很杂，结果就是什么都做不好，他们给我的感觉是，每天都围绕一个核心方向反复打磨，不是像普通大学生那样"过日子"，而是每天都在推进自己真正想做的事。这种专注力让我挺受启发的。
陈春宇： 这点我也很有共鸣。**专注并不意味着一条路走到黑。**关键不是从不试错，而是别同时扔太多球——清楚当下最想做什么，把其他暂时放下，力量才集中得起来。
刘安迪： 是的，有一篇 essay 讲过"坚持"和"固执"的区别，**坚持的人锁定的是大目标，过程可以灵活调整，固执的人连路径都不肯变。**比如你想做一个伟大的工具产品，如果发现方向不对，就该换。但目标不动摇，这才是坚持。
"我什么事情都会问ChatGPT"
邢曜鹏： 回到你们正在探索的技术本身。能不能分享一下你们最近最关注、觉得最有意思的 AI 产品或模型？以及你们自己的使用体验？
刘安迪： 我目前最关心的两个产品是 Cursor 和 ChatGPT。Cursor 是因为我每天写代码，而且我已经几乎不手动写代码了。在 MIT，我们还有个每周日的活动叫"Sunday"，要求大家用 AI 写代码，不能自己动手敲。另一个是 ChatGPT，主要因为我最近在做 AI therapy 的项目，也在研究用户的情绪痛点。结果发现很多和 ChatGPT 聊得好的人，没啥明显痛点，反而真的能获得情绪缓解。
我现在碰到什么事情都问ChatGPT。我有个习惯，就是每天所有事情都会记在日历里。比如今天和谁吃饭，聊了什么，下一步要做什么，遇到事情都会问它。比如我和一个女生跳舞，你觉得她喜欢我吗？我也问ChatGPT。我今天心情不好了，为什么心情不好，你怎么看？结果发现ChatGPT作为一个心理导师真的很厉害，原本我需要两个小时自己解决情绪问题，交给它半个小时就解决了。
涂津豪： 我最近印象最深的还是 OpenAI 的 GPT-4o（o3）。 无论是从模型能力还是产品实用性来看，它都是目前最让我震撼的。它的一个关键能力是：**在思考过程中主动调用工具。**早期的模型虽然有 function calling，但往往只能"调用一次就结束"，很难在使用工具后继续思考并调整下一步。而 o3 不仅能 search、cross-check、crop 图片，还能连续决策、自己 loop 一个完整的链条，像一个真正的 agent。比如之前有人让它识别一张图片的拍摄地点，它就不停地放大细节、搜索对比，这种能力在没有复杂 prompt engineering 的情况下，**几乎是首次在模型里看到。**过去这种效果通常要靠 workflow 手工搭建，现在它可以自己完成。
OpenAI 内部好像都称它为 "deep research"模型， 因为它集成了 memory、image creation、web search、Python 等一整套工具。虽然它还做不到真正的深度研究，但它能在五分钟内快速给出一份准确、重点明确的回答，这点对我来说非常实用。目前从实用性来看，我还没见过哪个产品能超过 ChatGPT——尤其是像 GPT-4o 和 o4 mini 这样的强 agent 模型。
陈春宇： 我对各种产品其实都挺平常心的，但可以分享一些最近用下来觉得不错的体验。比如 Menus。 刚开始第一个月我们拿它做了二十多个任务，真的像有了个实习生。虽然它也有"实习生毛病"——偶尔理解错需求、出点 bug、幻觉一下，但整体帮了不少忙。
我觉得一个通用型 agent 是有意义的。比如以前我做问卷，要自己写内容、打开 Google Forms 一步步填，再发出去。有了 ChatGPT，我可以先生成中英双语版本，但最后还是得手动复制粘贴。Menus 不一样，我直接跟它说：帮我生成问卷、前后端都搭好、再搞个数据看板。它就能一口气做完，虽然不是完美，但对我来说最关键是省时间。
我现在也在用 Notion AI，主要是他们刚上线的邮箱功能。我觉得体验比 Superhuman 好不少。Superhuman 在湾区挺火的，但它的快捷键奇怪、界面设计太个人化，很多基础 UI/UX 甚至不过关。反倒是 Notion AI 做得更实用，邮件归类、文件处理这些 AI 功能都挺细致，甚至还给了我一些产品灵感。下一步我特别感兴趣的是 Figma AI。它跟设计工具结合得非常紧密，设计出来的效果就是实际前端。我觉得这是 AI 产品和原生工具深度融合的一个典范，很值得关注。
如果有无限资源，
你关注什么问题
邢曜鹏： 如果你们有无限的资源去做一个AI产品，你们最想解决世界上的什么问题？
刘安迪： 我最想做的是一个AI personal coach，能拥有我生活的全部 context，像"第二个我"一样帮我做决策。我平时习惯把每天的事全都记录下来，比如每小时发生了什么、跟谁吃饭聊了什么。做决策时，我会把关于某个人或某件事的文档全都喂给 AI 让它参考。但这很花时间，很多细节也记录不到。如果有一个 AI 能把我所有生活数据整合进去，再结合整个互联网的信息和超强算力，那它可能比我自己还懂我。这会是一个非常有用的产品。
陈春宇： 我可能要分两方面说，应用层面的话，**就算我有无限资源，我还是会做现在的事，节奏也不会变快。**因为不是有钱就能搞定问题，保持节奏、找到对的人、专注解决问题更重要。我们现在想做的，是一种新的通讯工具：一方面帮用户更好地整理接收到的信息，别被打断；另一方面让你在发信息时也能更高效，比如用 agent 来自动约时间、选地点，功能还在迭代中。
但如果放眼更远的未来，我更想研究的是复杂系统的可解释性。像神经系统、细胞系统、甚至大型语言模型，它们都很复杂，但我相信背后可能有某种共通的结构。我会想资助圣塔菲研究所，或者干脆自己去做研究，去探索 AI、生命和信息的底层逻辑。
涂津豪： 我还是更关注日常可用性。像刚才提到的 personalized AI，我是蛮看好的。虽然现在影响范围还不算大，但这个方向的设计逻辑是对的，也能支持很多突然冒出来的小想法快速落地。
我最近也在试用 ChatGPT 的 memory 功能，虽然整体不错，但确实存在一些问题。比如它记忆对话的细节，有时候会混淆不同场景的信息，甚至"幻想"出我没说过的内容。我试过把它记下来的内容导出来看，发现不少地方和我实际说的对不上。但就方向来说，我还是挺认可这个产品形态的，只是实现上还有提升空间。
邢曜鹏： 刚才大家提到了几个模型演进的重要特质：像无限 memory、更智能的人机交互，以及复杂系统的可解释性。那你们怎么看 AGI？如果未来真的出现了 AGI，你觉得它真正需要突破的是什么？
陈春宇： 我之前和一个学弟聊过这个问题，他用一个很有启发性的坐标轴来解释模型能力：一条是 context 的长度，一条是任务的难度。现在的大模型，context 可以拉得很长，几乎能输入全世界的信息，但任务难度还是受限的。我们用自然语言能表达的问题，其实有复杂度上限——有些问题，比如黎曼猜想、NS 方程，连"清楚地表述"都很困难。
所以我觉得，**真正的 AGI，不是把已有语言逻辑做得更强，而是能构造全新的概念和工具，去解决那些人类根本还无法表达的问题。**到了这个阶段，它才算超越了人类智能的极限。现在很多关于 AGI 的讨论，更多是概念炒作，离真正的"文明变革"还远。
邢曜鹏： 你这让我想到 Sam Altman 有句挺神秘的话：下一代技术的意义，可能不在于工业革命，而更像是文艺复兴。安迪你怎么看？
刘安迪： 我也挺认同这个方向的。**如果 AGI只是工具，那我们只是用新工具满足旧欲望。**但如果它能真的影响我们的思维方式、带来文化层面的变化，那就真的很值得期待了。
涂津豪： 我总体也差不多的看法。最终还是要看它能不能真正影响我们的日常生活。不管 AGI 发展到哪，关键还是它能不能让我们活得更好、更有意义。
问题比答案更为重要
邢曜鹏： 今天我抛出了很多问题，相信这也是个让大家相互认识的好机会，希望大家之后能有更深入的交流。接下来进入自由环节，你们每个人能不能抛出一个或者两个问题？
陈春宇： 我想问两个问题。第一，你觉得 AI 出现之后，**在认知层面，它有没有可能帮你更好地认识自己？**第二，在行动层面，它有没有办法通过一些微小推动，比如识别你发的一张照片、分析你的一段行为，帮助你变得更好、更接近你想成为的人？
刘安迪： 我最近在尝试用AI做一件事。我有日历，就给每个时间段的心情打分，从1分到5分。然后用这些数据找规律——哪些时刻是高分，为什么？我发现这是一个可以被 AI 自动化的自我理解工具，它能告诉我到底喜欢什么、不喜欢什么。
还有一个很头疼的问题，如何把认知转化成行动。我做了一个很原始的尝试，我有一个文档叫安迪的人生原则，列了我总结出来的各种能指导我行动的见解。我每天早上看日程时，会选几条出来提醒自己执行。但我在想，如果 AI 能持续读取我的行为、理解我的原则，就像一个实时耳机助手告诉我"现在该做什么"，那我可能会轻松很多。
涂津豪： 我挺认同安迪说的。对我来说，我也希望 AI 能**激励我去做那些我知道该做、但不一定马上能做的事。**但目前的模型往往只能在某个瞬间给点反馈，还不太具备强情境感知，也难以持续引导行动。所以我觉得这方面还有不少空间。
刘安迪： 我想问，你们认为在这个时代，接下来应该培养什么能力？
陈春宇： 我最近和一些客户聊过这个话题。现在很多人的能力，其实已经比不上 GPT-4o 那样的模型了。那组织到底需要什么样的人？我觉得，最重要的不是专业能力，而是主观能动性——你知道自己想做什么、愿意做什么。AI 只是工具，关键是你有没有行动力、是不是一个值得合作的人。
未来大家会频繁地在不同角色之间切换，所以**比起技能，更重要的是你的特质：**是不是上进、有责任感，能不能熟练使用工具。更深一层是：**你知道自己想成为什么样的人吗？**技术的门槛在降低，但这个问题如果你能想清楚，就没有什么真正挡得住你。
刘安迪： 我觉得他说得特别好的一点就是，你需要知道你想要什么。现在有了 AI，很多时候你只要知道自己不满意的地方，然后去问它怎么改，它就能告诉你方法，你只要照做就行了。
所以现在比的不是执行力，而是你有没有能力表达清楚：我在哪、我想去哪。我想起《圣经》里一句话："Ask, and you'll get an answer. Knock, and the door will open." 有了AI之后，感觉越来越像这样。你懂如何问一个好的问题，或者直接问很多个好的问题，那你就更容易达到目标。
涂津豪： 我也特别同意，对于我来说，善于问问题确实很重要，不管是问模型、问周围人还是问自己，这确实是一个很重要的特质。
邢曜鹏： 如果你们给十年后的自己说一句话，你们会说什么？
陈春宇: 我给十年后的自己说一句话，可能会倾向于“我希望你已经在为你最大的好奇心而开始行动了”。
涂津豪: 虽然这话可能有点俗，但我觉得还是“follow your heart”。我听过很多次这句话，直觉上我还是比较信任自己第一次的判断，所以未来我希望自己能一直跟着直觉走，包括自己的判断。因为十年的时间跨度确实很长，很难具体定位。
刘安迪： 我会说**“I hope you enjoy the journey”**。因为在有AI的情况下，人生可能越来越像一个过程导向，而不是结果导向的东西。因为如果AGI出现了，那大家的结果其实差不太多，所以还是要享受过程吧。
五源寻找、支持、激励孤独的创业者，为其提供从精神到所有经营运作的支持。我们相信，如果别人眼中疯狂的你，开始被相信，世界将会别开生面。
BEIJING·SHANGHAI·SHENZHEN·HONGKONG
