作者： indigo
Youtube： INDIGO数字镜像
嘉宾： 郭宇，字节跳动前资深员工 / 退休程序员
这篇文章沿着对谈的脉络，从字节往事讲到工程师角色的转变，从 Agent OS 讲到智能的分层与商品化，最后落在一个看似遥远其实已经到来的话题上：当工作不再是人生的必选项，我们，尤其是年轻人，该怎么活。
2015 年，郭宇在字节第一次见到由神经网络驱动的产品；十年后，他在东京一个人用 Agent 做出三十多个产品，随后陷入倦怠。这期 INDIGO TALK，我们从抖音如何意外胜出聊起，谈到 Vibe Coding 背后的决策负担、Agent OS、智能的五个层次，以及软件为何会像牛奶一样便宜。当软件随时生成、用完即丢，我们真正要交付的是什么？最后，当工作不再是必选项，年轻人该如何选择？
01、2015 年，第一次见到“AI 驱动的公司”
早在大语言模型出现之前，字节跳动就已经是一家由神经网络驱动产品的公司，连工程师自己也无法完全解释系统为什么这样运作。
郭宇的科技职业生涯始于 2011 年的支付宝。2013 年 4 月，他在支付宝内部的一次分享会上第一次接触到比特币，当时价格正好是 100 美元左右。那一年也是中国移动互联网真正爆发的起点：功能机向智能机迁移，大量南方科技城市的从业者涌向北京，他在支付宝的不少同事也纷纷跳去做移动应用开发，或者加入 OPPO、vivo 这类智能手机品牌。
2014 年，因为一些个人生活上的转折，郭宇下定决心北上，加入朋友在中关村苏州街的创业公司，团队做的是多说和图虫，晚上直接在办公室打地铺。有意思的是，这家公司的部分投资来自微博基金，而当时 Indigo 正在微博负责平台业务与投资，两人那时并不相识，多年后在这期节目里才把这段交集对上号。也正是因为微博早期同样投资过字节，这层关系成为了后来被收购的契机。
2014 年 12 月，郭宇接到沈振宇的电话，说今日头条想收购他们。他的第一反应是："什么是今日头条？"那时没人知道字节跳动这个名字。当年北京满街都是有意思的创业公司，36氪、刚起步的 Keep 都比头条更 Fancy；头条虽然刚完成 1 亿美元的 C 轮融资（Indigo 补充说微博当时也参与了这一轮），但在年轻人里用的并不多。并入之后团队里甚至有员工待了几个月就走了，觉得这家公司"不太靠谱"。
真正让郭宇意识到字节与众不同的，是一个小故事。张一鸣要求员工把自家产品推荐给亲戚朋友，郭宇有位亲戚装了今日头条，对某类新闻特别反感，就点了"不感兴趣"。可几天后，类似新闻依旧出现在首页。郭宇去找推荐算法的工程师反映这个 Bad Case，对方的解释让他大为惊讶：他们其实也是调参工程师，每次实验设定的召回策略并不能百分之百拦住这类内容，他们自己也说不清系统内部到底是怎么运作的。
"某些代码就已经是跑在一个 Black Box 里面，就像现在普遍的神经网络驱动的大语言模型一样，你不知道它具体是怎么样工作的，你只能通过实验来不断地改进，去逼近你想要得到的效果。" [05:45]
这正是今天所有人面对大模型时的处境，只不过字节在十年前就已经习惯了。在郭宇待过的支付宝和他了解过的创业公司里，没有一家的产品是由神经网络驱动的；而在字节，产品和业务被拆成一个强大的业务支撑部门（当年叫中台）和一个强大的商业化部门，推荐算法是贯穿一切的引擎。
Indigo 在这里插了一段微博的花絮，正好形成鲜明对照。同一时期微博也在改进信息流，但用的还是偏人工的规则算法。微博的根本难题在于它是关系网络优先，和今天的 X 一样，关注关系非常重要。一旦用推荐算法过滤内容，用户就会投诉："我关注的人发的东西为什么看不到了？"微博在推荐流和关注流之间来回拉扯了很久，最终没能做好。两家公司的分野，某种程度上在那时就已经注定：一个是从社交关系出发，一个是从算法出发。
不过郭宇也提醒，文字和图片类的推荐产品即便依赖神经网络，它能覆盖的受众和能达到的效果，远不及后来的视频推荐。2015 年对字节来说其实是很艰难的一年：还没有抖音，头条的 DAU、MAU 和留存都进入了瓶颈，大批员工离开。
02、抖音是一场意外
抖音的成功并非事先押注的结果，而是在与火山小视频的长期内部竞争中，凭借出色的"用户泛化"胜出。
很多人以为字节从一开始就把宝押在了抖音上，郭宇说事实并非如此。张一鸣最初想做的是一个更大众化的视频推荐产品，所以大量资源投给了定位面向大众的火山小视频。抖音在 2016 年起步时只是一个很小的团队，名字也不叫抖音，而是叫 Z，产品形态非常像 musical.ly。
转折出现在收购 musical.ly 之后。Alex（朱骏）加入，产品形态和背后的推荐引擎都得到了显著增强。抖音和火山的竞争反反复复持续了四五年，最终抖音完成了一件关键的事：用户泛化。
所谓泛化，用郭宇的话说，就是把一个 18 岁到二十多岁年轻人爱用的产品，慢慢变成一个 7 岁到 70 岁都能用的产品。当抖音完成了这一点，火山原本要承担的历史任务也就被抖音完成了，两者最终合并。2016 年 12 月，团队做了十几个月的抖音和火山陆续推出，到 2017 年，字节的整体境况才真正得到大幅改善。
这段时间郭宇一直在中台，支持的业务换得很快。他做过视频直播，参与过当年风靡一时的答题直播产品《百万英雄》，字节在央视春晚相关的节目上投了大量资源，用户可以在手机上实时答题赢取百万奖金。后来他长期负责所谓的 Micro Runtime，也就是跑在抖音和 TikTok 里的小程序引擎。游戏和各种 JS Bundle 可以动态发布上去，你刷着视频、刷到广告，再往下刷可能就是一个能直接玩的小游戏，这套东西最早就是郭宇做的。
他把自己定位为一个技术执行者：在头条多年，一直没有带团队，也不想带。
03、50 元的获客成本与东京的意外落脚
当连字节这样的"应用工厂"都难以获得新用户时，郭宇判断移动互联网周期已经结束；一场疫情让他意外地在日本开始了新生活。
2019 年，有一个数据让郭宇印象很深：从外部拉一个新用户进来，成本已经高达 50 多元人民币。连字节这种 Retention 做得极好的"App 工厂"都很难再拿到新用户，他意识到，这个时代他能做的事情基本都做完了。
2019 年年中他决定离开，离职交接拖了大约半年。2020 年春节，他回家后去日本旅行，结果疫情爆发，国际旅行中断，他再也没能回到北京，连电脑交接都是同事们半年后回京才帮他办完的。他就这样在日本办了长期居留签证，后来拿到永住，一直生活至今。
其实早在 2019 年想离开时，郭宇就列过一张表比较各个目的地。新加坡是很多字节老员工的选择，主要是为了转变税务身份，但他在深圳长大，不喜欢热带气候。加拿大也是他早期很认真考虑的选项，如果当时选了加拿大，疫情期间的快速移民通道他大概率就走了（Indigo 补充，那时几乎所有人都通过了）。最终他选择东京，是因为综合评分更高，而且当时他已经决定离开科技行业，去过一个普通人的生活。
在他看来，科技行业的机会主要是北京的机会，而那一轮移动互联网周期已经基本结束。直到 2022 年底 AI 浪潮再次爆发，他真正的休息时间其实只有两三年，而这两三年恰好被疫情覆盖。
"离开字节是一个蛮机缘巧合的事情，它不是一个那么完整的体验，因为疫情的打断。" [11:13]
Indigo 认识郭宇正是在那段时间，2021 到 2022 年的 Clubhouse 上。Indigo 回忆，疫情期间他自己也开始在 X 上写作，当时最强烈的感受是整个时代突然加速了：居家办公、新的治疗方法，尤其是 SpaceX 的火箭回收。他的合伙人们 2019 年投资 SpaceX 时，纯粹是为了星辰大海，甚至觉得"这事肯定不太靠谱"。再往后，2022 年 11 月 30 日 ChatGPT 诞生，美股市场一下子被 AI 拉了起来，两人也在 X 上因为美股和 Crypto 互动多了起来。
04、从执行者到“全员”，Vibe Coding 的真实代价
AI 接管编码之后，工程师并没有变轻松。一个人要扛起过去一整个小队的决策负担，这才是倦怠的根源。
Indigo 梳理了这几年的脉络：2022 到 2024 年是 Chatbot 时代；2025 年年中，Andrej Karpathy 提出的 Vibe Coding 开始流行，大家在 Cursor 里写代码，再往后走向完全自动化的编程。他注意到郭宇很快就进入了高强度的 Coding 状态，于是问：这一次的"实施"，和当年在字节当工程师时有什么本质不同？
郭宇的回答直指核心：最重要的变化是身份。编码能力被 AI 接管之后，工程师退位成了观察者。
在传统科技公司里，一个小团队决定做什么，以一到两周为一个迭代周期，设定目标、开发、设计、测试、发布、观察实验结果。有了 Agentic Coding 之后，这样一个周期可以被压缩到一两个人、半天时间完成。
听起来是解放，实际上是加压。你现在要同时是工程师、架构师、设计师，最重要的是产品经理。设计、架构、技术执行，AI 大多能帮你处理得很好，所以你必须变成一个善于提问的人。
"本质上是你要去约束语言模型的语言空间。你要知道以什么样的语言和它沟通，可以得到你想要的结果；你需要知道什么样的语言结构，可以让它持续地推进这件事情。" [16:30]
这里有个很好的类比：过去写代码像是你亲手砌墙，现在像是你站在工地上指挥一支永不疲倦的施工队，但图纸、优先级、哪面墙拆了重砌，全得你来决定。而且因为 Agent 在 Loop 里不停地跑，你还要知道它如何根据实验结果自我调整方向。写代码于是从一种相对简单的脑力活动，变成了一种复杂得多的脑力活动。
为什么 AI 不能替你做这些决策？郭宇认为，不仅因为它缺少上下文，更根本的是它没有主动的意图。没有意图，就无法替你做所有决策。现在火热的 Personal Agent 在拥有足够丰富的上下文之后，能不能从"给建议"走到"主动决策"，他不确定，至少现在还做不到。
结果就是心理负担的暴增。郭宇观察到，从 2025 年 10、11 月到 2026 年两三月，身边很多工程师朋友都出现了 Burnout：他们废寝忘食地工作了两三个月，完成了过去一两年的工作量。
"人类的大脑消耗的能量很低，它也没有办法跟上 AI 的速度。我们面临要做太多的决策，会影响我们的植物性神经，让整个人变得很焦虑，没有办法平静下来去真正地思考问题。" [18:30]
倦怠之后，包括郭宇在内的很多工程师都在重新思考两个问题：什么事情真正值得做？我们应该以什么样的节奏和 AI 协作？
观点碰撞：要不要做计划？
在这里两人出现了一段有意思的分歧。Indigo 分享了自己最近一个多月的体会：他想把自己的知识管理、交易和信息管理工具做成产品发布出去，发现当年在微博带产品团队时那套写 Spec、写 PRD 的方法依然有用。文档不必像过去那么精细，但把思考理清之后再交给 AI，交付结果的可用性会比直接让它跑好得多。所以他习惯先和 AI 讨论出一版执行方案，再让它执行，Planning 在前。
郭宇则走得更远。他提到，Claude Code 最近已经取消了计划模式，因为 Agentic Coding 本身已经足够强。过去你可能会先花半小时把所有 Spec 计划得非常详细，然后一次性跑完；而现在大家更希望它能 24×7 不间断地运行，这种持续运行本身就能覆盖你过去想计划的所有事情，"因为我们能想到的东西其实没有 AI 那么多"。他最近半年已经很少使用计划模式。随着 SOTA 模型和 Harness 不断进化，人类工程师也得不停适应，这本身就是倦怠的另一个来源。
Indigo 坦言，如果不和 AI 一起讨论实施方案，他会缺少掌控感。有些事情可以往上抽象一层，代码怎么写他完全不管，但 Business 层的逻辑他必须清楚。所以他常常让 AI 做完之后，再让它把思路讲给自己听，"让它教我"。郭宇则表示自己最近放手放得更多。这两种姿态其实代表了当下人机协作的两种节奏：一种是保持在 Loop 里理解系统，一种是退到目标层，信任过程。
05、软件不再是写死的代码
推荐引擎让内容实现了千人千面，Agent 则让软件本身千人千面。当软件可以即时生成，软件的"分发"就失去了意义。
郭宇认为，比角色转变更重要的变化，是软件本身的性质变了。
他讲了一个通宵夜聊的故事。今年一两月份，他的好朋友东旭已经能同时控制几百个虚拟机，连续跑一整晚去完成一件大事，一天消耗几十亿 Token。东旭当时说，他觉得靠这种矩阵式的 Agent 网络，可以做出任何软件。
这让郭宇意识到，软件不仅形态结构变了，编码本身也变成了一种即时行为：为了完成某个任务、达成某个目标而写，用完就可以丢，或者只给自己用。
"以前我们以 AI 驱动的推荐引擎，是把我们做好的软件的内容面向所有人做到了个性化。但现在连软件本身，你都可以完全 Customize。你的软件是你的软件，我的软件是我的软件，我们互相之间的软件可能并不兼容，也没有必要去做兼容。" [22:50]
这个对比很精妙。十年前，大家用的是同一个今日头条，只是看到的内容不同；今天，大家可能连 App 都不是同一个了。
郭宇自己花了三四个月 Vibe Coding 了三十多个产品，很多没有发布。他起初觉得这和在字节没什么区别，当年作为应用工厂，也有很多产品胎死腹中，或者上线后没达到 ROI 被砍掉。但他后来发现，自己仍在沿用上一个时代的思路：为那些不会写代码的人做软件。
这件事正在被所谓的 First Class Harness 瓦解。郭宇的定义是：由 SOTA 模型实验室亲自打造的第一层 Harness，比如 Claude Code、Codex（郭宇提到现在已并入 ChatGPT），以及 DeepSeek Harness（DSH）。它们的进步已经把大量软件需要完成的功能内化了。你想用它搭一个 CRM 或者各种管理系统，两分钟、五分钟、十分钟的事。对于这类需求，把软件做好、放进应用市场分发给大家用，已经有点失去意义了。
06、Agent OS，当 Agent 成为操作系统的一等公民
操作系统的下一步，是从"以应用为中心"转向"以 Agent 为中心"；未来我们租用的计算资源，很可能都是由 Agent 操作的 Virtual Agent Server。
如果软件的意义在改变，那互联网和操作系统的下一步是什么？郭宇注意到，已经有人在基于 Linux 做全新的发行版，把 Agent 而不是 Application 当作一等公民，让 Agent 来操作整个系统。不过一个新操作系统要补齐基本的 OS API 和复杂应用的功能，需要很长时间的积淀。
所以 OpenAI 走了另一条路：买了大量 Mac mini，用来训练下一代模型操作这些 Mac。他认为这条路相当合理，因为 Mac 本身就是一个非常好的 Unix 发行版，在创意和影视制作等领域有极其成熟的工具和软件生态。
由此他描绘了一个近未来的图景：你在手机上用的东西，连接的其实是一台远程的 Mac，可能是你家里的那台，通过 OpenAI 的 Tunnel 或者你自己的 Cloudflare Tunnel 连回家，或者连到你在东京的服务器上。从更长远、比如五年的尺度看，这台被远程操作的计算机一定会特化，变成某种专门的 Linux 发行版。今天你租一台机房服务器，要自己装 Ubuntu、装一堆软件；以后，所有算力租用都可能变成 Virtual Agent Server，一个 Agent 操作整个系统，替你完成要做的事。
Indigo 用自己最近在玩的 Grok Bot 补充了实感。它背后的 Linux 环境很有 Agent OS 的味道：有小浏览器、有文件管理器、有终端，你想看可以进去看它在干什么，但大多数时候根本不用打开，跟 Agent 说就行，所有 Agent 共享这一台 Computer。他还做了个实验：在家里的 MacBook 和 Mac mini 上都装了客户端，云端那台电脑就能知道这两台设备的存在，在一台上发指令就能经由另一台的客户端去访问它。于是云端虚拟机做总协调，两台本地机器参与执行，资料全部打通，而他自己一行命令都不用敲。
郭宇则分享了 Codex 从二月起就支持的两种远程能力：一种是传统的 SSH 端口控制，另一种是通过 Codex 自身的 WebSocket 连接穿透内网，让你从任何机器甚至手机控制所有计算资源。OpenAI 并没有把它当作卖点宣传，但功能一直都在。郭宇自己的机房有好几台裸金属服务器，现在他连买机器都可以交给 Agent：购买后服务商会把初始 root 密码发到 Gmail，Agent 读到密码，登录、装上自己的密钥对、删掉密码，之后一切都由它自己运维。
但第一次这样做时，他心里想的是另一件事：
"如果 OpenAI 被攻击了，或者它的连接被劫持了，其实就变成世界上最大的肉鸡集群。因为你可以通过一个 Agent 来操作数十万甚至上百万不同的计算资源。" [29:55]
当所有人都通过 Agent 管理电脑时，中心化的 Agent 通道本身就会成为一个巨大的安全单点。这是 Agent OS 图景里不能忽视的暗面。
07、智能的五个层次
不是每个人都需要最强的模型，而是需要最合适的模型。智能正在按场景分层，从个人便利、个人生产力、企业协作、娱乐生成，到科研探索。
Indigo 把话题拉回用户界面：交互层正在变成 LUI（Language User Interface），每个人让模型为自己生成需要的界面。但这里有个 Gap，做过产品和技术的人知道怎么描述需求，普通人未必。
郭宇认为需求是分层的，并举了 Meta 最近发布的 Muse 为例（目前仅对美国用户开放）。它要解决的是普通人的简单需求：自动打电话订餐厅、在陌生国家旅行时预订东西、管理各种信息。它不需要一个单独的 App，而是集成在 Instagram、WhatsApp、Messenger 这些 Meta 已有的通讯渠道里，围绕 Agent 把所有沟通串起来。过去你要用一堆软件拼出一条工作流，现在不需要工作流了，说出你临时的需求，它就不断处理直到达成目标。
郭宇对此深有体会。他今年三四月做过一个替人打电话的产品，发布后有不少葡萄牙语、西班牙语用户在用（Indigo 说自己也用过并推荐给别人）；后来他又做了一个想把电话、邮件和各种沟通全部集成、交给 Agent 自动管理的产品。可到了快十月，超级应用已经把这些基础功能内置了。这再次印证了上一节的判断：特化软件的分发，正在变得没有必要。当然，更复杂的创造仍然需要围绕 Claude Code、Codex 这类 SOTA 模型来做。
顺着这个思路，Indigo 给出了他的五层框架，起点是一句判断：大家并不需要最强的模型，可能只需要最合适的模型和最合适的场景。
第一层是 个人便利型 ，像 Muse 这样把日常连接和琐事集成起来。
第二层是 个人生产力型 ，写代码、做创作，用的是 Claude、Codex 这类有更强界面的模型。
第三层是 企业生产力协作 ，比个人更专业，需要 Agent 融入企业工作流，比如让模型直接学会用 Mac mini、用 Linux，把企业里的系统串起来，对模型要求更高。
第四层是 娱乐生成 ，Indigo 认为这是字节的强项：Seedance 配上红果短剧平台，AI 生成、人类消费，已经形成内循环；BytePlus 还做了面向海外创作者的工具，把视频生成模型的售卖和整套创作服务打包在一起。
小游戏、互动游戏可能都不再需要人来做，品牌和专业创作者生成内容，通过社交平台的信息流分发；随着头显设备普及，字节和 Meta 这两家都在押注元宇宙的公司会占据入口优势，"之前的元宇宙只是诞生太早了"。
第五层是 科研探索 ，需要最顶尖的模型，而这类模型模型公司可能根本不会公开，而是和药企、研究机构签年度框架协议并做利润分成，国防订单大概也是类似形式。
郭宇在此基础上补了两块。
一是企业采用仍然很尴尬。微软刚发布了面向企业工作的新形态，把 Office 的层级降到 Agent 之下，让 Agent 去操作 Office，Copilot 实际上变成了一个操作系统（品牌名仍然保留）。微软想加速以 Agent 为核心的自动化工作流在企业中落地，但企业依然迟疑：它们知道可以裁员省钱，却不知道如何围绕 Agent 重建整个组织的信息流和资金流。One Person Company 和小团队会自然而然地拥抱它，大企业（包括日本企业）则顾虑重重，因为没人能为这件事负责，只有 CEO 和董事会能拍板，中层看到了机会也不敢动。他们甚至不敢用 DeepSeek 这类中国模型，担心内部信息被蒸馏、被泄露给其他企业。
二是他称之为 现场 AI 的一层：最便宜、最快的模型，用于高度自动化的场景，比如管理农场和工厂。这类场景必须依赖边缘计算，因为一个摄像头一天要处理的信息量太大了。比如一个牧场要识别哪头牛跑出了栏，你不可能把所有图片都传给 OpenAI，只能用极便宜的模型在本地 24 小时运转。
把这些放在一起，郭宇给了一个投资视角的定位：
"在 2026 年 10 月这个时刻，AI 对人类社会、组织结构和商业的影响，仍然处于非常非常早期。我们虽然在加速，但能做到的事情可能只完成了 2%、3%。" [39:30]
08、2% 的 Pro User 与智能的商品化
AI 是一张白纸，只放大有想法的人；而对大众市场而言，AI 生成内容会走向完全竞争，智能本身终将像牛奶一样便宜。
Indigo 观察到，AI 的用户分布也停留在早期：先用上的是 Pro User，那些活跃、爱学习、爱研究的人。原因在于 AI 不像游戏或传统软件那样把按钮摆在你面前，它是一张白纸，你得先有想法才能启动它。而大多数人上班领导派活、干完走人、回家躺着看电视，没有想法，也没想过怎么提需求。
于是 AI 呈现出明显的两极：对 Pro User，它是十倍放大器，一个人能做三十多个应用、管理上百台 Agent Server，相当于过去五六十人的公司；而从 Gemini、ChatGPT 的各种调研来看，大多数用户仍然把它们当作更方便的搜索引擎。按人群分布，可能也只有 2% 到 3% 的人能成为 Pro User，剩下的人需要另一种 AI 来填满时间，这正是字节在做的事。
郭宇对这条路的商业前景持保留态度。消费娱乐一直是字节的核心中的核心，靠抓取注意力、用广告变现。但像 AI 短剧这类产品，盈利方式仍不确定。即便形成了闭环，你付钱给 Seedance 生成视频，再上传红果让别人付费观看，在经济学上它也会变成一个完全竞争市场：总有人用更便宜的 Token、花更多时间做更多实验，把价格压低，直到售价只比生成成本高一点点，再扣掉算力和电费，利润微薄到没有意义。
"如果一个市场是完全竞争市场，它最终的定价就会和成本几乎没有任何差异。" [42:30]
Indigo 接过话头：这就是硅谷现在很多人相信的，智能会变成 Public Goods，彻底商品化。郭宇用了一个很贴切的比喻：
"我们去超市买牛奶很便宜，是因为有大量集中化的工厂在生产牛奶。把软件看成是牛奶，未来我们获得任何软件、任何帮助我们达成目标的东西，它的成本都会变得像牛奶一样便宜。" [42:50]
所以郭宇的重心正在转移：从创造软件，转向思考软件本来要达到的那个目的。
09、迷茫，以及等待环境成熟
在新范式下，与其急着沿用旧思路做软件、找用户、搞分发，不如像早期字节那样，花时间观察，等待环境真正成熟。
郭宇坦言自己现在有些迷茫。前段时间他在新加坡和尤雨溪聊了半小时，对方把创业公司卖给 Cloudflare 之后同样有些倦怠，在想下一阶段做什么。除了回归个人生活和家庭，郭宇觉得需要想得更深一些，比如观察三到六个月，再决定把最重要的精力放在哪里。
这让他想起字节自己的历史。字节 2012 年成立，用了两年验证第一个想法：推荐系统在图文上能否奏效。2015 年 3 月在冲绳的年会上，大家讨论的最重要的话题，是整个环境终于让人们愿意用手机流量看视频了，视频推荐因此进入成熟期，值得一试。
"如果我们没有进入一个成熟的环境，用户不知道要怎样使用我们的产品，我们还按照十几年前的创业思路去做软件、去触达用户、把软件分发给他们，这件事情本身是不是就没有太大意义？" [44:45]
话题由此转向下一代。郭宇说他很羡慕现在的小孩，他们生在这个时代，没有包袱，压根不会想"我要做个东西卖给谁"。Indigo 也聊起自己刚上大学的孩子：没什么赚钱的念头，更享受自己的爱好，以前喜欢地理就天天研究、天天做东西，在 Reddit 上的社群感很好。生活压力消失之后，下一代可能会更多地顺着兴趣社群走。郭宇补充，日本在泡沫经济之后就进入过这样的社会状态，而 AI 可能把全世界的下一代都带到这里；如果真像 Elon Musk 说的那样，十到十五年后人们不再需要钱、机器人干所有的活，这种状态就很可能成真。
10、Everything is Media
在 AI 内容泛滥、信噪比极低的时代，真人本身成为最稀缺的差异化；我们交付的不再是软件，而是媒体。
Indigo 分享了自己的思考。他今年在硅谷见了太多不靠谱的小公司，做的都是模型的边角余料，正如郭宇所说，软件不用存在了，这些功能也就没有价值。但他认为有一样东西会越来越重要：人和人之间的连接。
"人和人的情感连接，在 AI 智能化越来越发达的时候会越来越强。我真的想看一个活人在这里讲自己的东西、做分享，这会很有趣。" [46:50]
他给自己定了一个小目标：把自己产品化，或者说把自己的 Attention 产品化。他大量的思考会被 AI Agent 自动整理成可以阅读、可以分享的内容，社群成员甚至希望他直接开放 API，让他们的 Agent 去读他的 Agent 写下的东西，完成又一次信息传递。他想交付的，是把自己的注意力交付给别人，形成思维碰撞的连接，就像这期节目一样：两个人把注意力高频集中再释放给观众。
"这就不是软件，这就是媒体。Software is media, everything is media。你每生产一个 Vibe Coding 产品，那个动作、那个结果都是 Media 的一部分。用户拿过去消化完，满足了，就跟刷了一个短视频一样，明天还想再看你发一个。" [48:10]
这样的内容会围绕某个主题形成 Community，比如美股和一级市场，人们依然愿意在里面和人交流，KOL 依然会出现。
郭宇用 Zara Zhang 的例子呼应了这个判断。她不是程序员出身，却做了很多 Keynote 相关的产品，在网上很火。她发过一条推特：想让初创公司的产品 Demo 获得更多流量，唯一要做的就是真人出镜介绍产品。郭宇的解释是，AI Slop 越来越多，任何人都能用 AI 造出想要的东西，信噪比变得极低；在内容极度丰富的时代，真人出镜本身就是最大的差异化，前提是你出镜得足够好，不能乱说。
接着郭宇讲了一个字节内部的经典案例，揭示了这种差异化背后的机制。抖音每隔一段时间就会冒出一个完全不知名的素人，被推到全网流量中心，往往是因为他在冥冥之中 Hack 到了推荐算法里最符合人性的部分。字节有专门的团队对抗这种行为。最经典的技巧是在视频字幕里故意写错别字。郭宇起初以为是为了规避审查，后来才发现是因为加了错别字之后完播率会大幅提高：大家会回头去看那个字到底是不是写错了。这个技巧很快被识别并屏蔽，但工程师永远不知道创作者下一次会怎么 Hack，因为算法虽然是他们造的，他们也只是调参工程师，无法干预其内在逻辑。
"不管我们是分发 AI 的内容还是分发真人的内容，本质上也是在 Hack 这种心智模型的流量。现在 AI 内容多、真人内容少，你做得杰出，在前期流量池的实验效果就会更好，你会被投放到更大的流量池里去。" [51:40]
由此郭宇回到了他自己的核心问题：我们到底在分发什么？是软件，还是通过软件讲述的故事、建立的个人品牌，抑或借个人品牌达成的商业目标？过去从 A 到 B 到 C 到 D 的顺序，现在可能整个倒过来了。
"如果我们可以绕开软件而达到这个目的，也许我们就不需要软件本身。如果我们所有的目的都是通过智能达到的，那我们有智能本身就足够了。" [52:35]
他用娱乐行业来说明：对大多数人而言，目的就是消磨时间，无论看短视频、看红果的 AI 短剧还是刷 TikTok，最终都是消耗时间，中间的产品形态并不重要。抖音之所以抢走了腾讯一大块份额，是因为打游戏就没法看短视频，看短视频就没法打游戏，长视频也是一样。所有娱乐产品看起来形态不同，对用户时间的争夺却是直接的。推而广之，如果把工作和人生目标都看作目的本身，那么 To B 软件、工厂软件、个人 App，中间软件的形态是什么，也许根本不重要。
11、工业革命，还是文艺复兴？
这场变化像珍妮纺纱机一样改变了达成目标的手段；而当基本需求被满足、时间被释放，日本平成一代的生活方式或许预示了全人类的下一站。
郭宇把这场变化比作工业革命，比如 18 世纪的珍妮纺纱机：最终目的是制造衣服，用人手还是用机器根本不重要，达到目的就行。Indigo 顺势指出，人的目标层次在上移：以前目标是写软件，现在只需要提要求，让 AI 把界面做出来，或者干脆没有界面，把事情从 A 搬到 B 就完成了。那么在 Agent 极度发达的时代，人的目标感和意义会变成什么样？
郭宇讲了一个他刚"退休"到日本时的故事。他常开车出去玩，有一天开到千叶的九十九里滨，看到很多人在冲浪，而那天是工作日。后来他才知道，日本有相当多年轻人不再做正式工作，而是做アルバイト（临时工）。在他们看来，临时工自由，收入和正式员工差别也不大，这主要得益于日本贫富差距很小，做什么工作收入都差不多。于是他们做三休四：一周打三天工，剩下四天去冲浪，去做任何想做的事。
"当你的物质欲望极低，或者你所有的需求都被这个社会满足的时候，你就可以自由自在地追寻任何你真正想做的事情。这些事情有可能是你的兴趣，也有可能因为长久的兴趣变成了你的事业。" [55:50]
他举了奥运会的例子：日本有些滑板之类项目的选手并非传统意义上的职业运动员，只是因为从小到大常年的兴趣积累，有了专业的经验和技巧，然后选择去参加奥运会。这不像 F1 车手那样需要巨额投资才有回报，而是兴趣导向的自然结果，也是所谓"平成废宅"社会发展多年之后很重要的一个体现。
当然郭宇也承认，对大众而言，大部分人还是会想着怎么消磨时间。但在大众之中，总会有比例足够的一小部分人借助 AI 极大地提高生产力，从绝对数量上看会比传统教育时代多得多，而且更加平等。过去出生在乡村的小孩没法接受标准的大学教育，想做软件也做不到；现在只要他愿意改变自己，就能得到他想要的东西。
他借用了字节内部一直讲的一个哲学概念：如果你把抖音看成信息茧房，天天沉浸在想看的东西里，你当然会变成废物；但如果你把它看成面向更大世界的一扇窗，主动调教你的推荐算法，你就可以学任何想学的东西。他记得抖音上有个西部偏远山村的孩子，特别喜欢走秀，就用塑料和破布做衣服，在农田里走秀，靠不断发视频，最终真的去了米兰走秀。
"在传统的时代，你无论再怎么传播你的想法，也只会被你的同胞和乡亲认为是神经病。但是有了这样的工具之后，你可以利用它登上更大的舞台。AI 也是一样的。" [58:00]
郭宇认为，我们这一代人的童年属于上个世纪，难免有思维定势；下一代没有这些包袱。从比例上看大众依然会消费娱乐，但 AI 带来的变化太过巨大，哪怕只是一小部分人，也会创造出爆发性的生产力和创造力，"我们会看到很多以前想都没想过的东西"。
Indigo 则更愿意把它称作一次 文艺复兴 。就像十四、十五世纪，生产力突然提升，贵族们花大钱供养门客和艺术家，科学和艺术一同繁荣。日本的平成一代已经经历过类似状态，只是成因是经济模式而非 AI；而现在，全球的下一代都会因为 AI 带来的生产力提升而拥有更多时间。
这是一把双刃剑：时间变多，可能意味着找不到工作。但贫困的底线也在不断抬高，"你现在再差，也比 300 年前的国王过得好，你什么电子设备都有"。Indigo 认为，上班这件事从工业革命开始存在了一百多年，也应该在智能革命之后消失。人会分化：一部分人无欲无求，刷短剧、玩游戏也能活下去，只要不危害社会就好；另一部分人，那些 Think Different 的人，人类这个物种里总有这样的人，否则我们早就灭绝了，他们会抓住这次 AI 文艺复兴。
"我们现在有了无限可能的工具。你只要有无限可能的想法，你就可以做无限可能的事情。" [61:55]
他设想，再过一两年，只要你脑子里有足够的能动性和人类独特的创意，与 AI 混合，就能做出大量的作品，也就是 Artifact，或者全新的媒体形态；有了这些作品，认同你的人会迅速聚成 Community，一起参与创作。社会结构可能从"进入公司去工作"，变成"Pro User 创造媒体，许多人围绕媒体建立社群，形成循环的小世界"。所以，社交媒体依然重要。
12、给年轻人的建议，别守着下跌的股票
不要再把工作当作金饭碗；短期的焦虑，是在逃避一场长期的滑坡。
最后 Indigo 请郭宇这位"创业被收购、提前退休、又撞上 AI 革命"的过来人，给年轻人一些建议。
郭宇先描述了两类年轻人。一类很焦虑，觉得很快会失业，或者根本找不到工作，因为 AI 带来的降本增效让企业的职位变少了，对未来感到渺茫。另一类是还没遇到这个问题的孩子，他们对 AI 充满兴趣，以前做不了的玩具和游戏现在自己都能做。这两代人恰好处在边界上，是 AI 对现实生活影响最具标志性的两代。再往后，比如现在两三岁的孩子长大时，AI 已经是再熟悉不过的东西，就像老人用微信、他们用 QQ 一样司空见惯。
对于正被迫找工作的人，他最重要的建议是：不要再把工作当作人生宝典和金饭碗，不要把工作视为必选项。不工作，你面对的选择是无限的，这在短期会放大焦虑，因为你不知道自己要干什么。
"但之所以你选择了不工作这件事，其实是在逃避一个长期的滑坡。" [65:00]
他用投资做了一个类比：一只股票被套牢时，你要决定的不是卖出的具体价格或者亏多少，而是两件事，第一，有没有更好的机会；第二，它是不是正处在一条非常非常长的下坡雪道上。如果工作本身就在长下坡上，守着它才是最大的风险。
他讲了父亲的故事。改革开放后，很多在国营企业或单位工作的人想南下深圳、广州"下海"，却害怕一种今天的人难以理解的风险：工龄会消失。所以他父亲南下时，每个月专门花几百块钱办停薪留职，担心闯荡失败还得回来。结果几年后，那座矿山倒闭了。东北的朋友对此感受更深，下岗工人实在太多了。
所以第一步是转变思路。不把工作当作核心目标，短期会焦虑，但长期看这个选择无疑正确。当然这也要看工作内容：如果是去沉闷的单位端铁饭碗，或者为此去考研，他觉得根本没必要；但如果你有能力加入前沿的 AI 实验室，成为创造这一切的人，那份工作值得去做。
至于不工作之后怎么探索世界、怎么赚到想要的收入，郭宇给了一个非常具体的建议：去南方看看，看看深圳人是怎么面对这一切的。他读大学时有两个潮汕室友，2010、2011 年那会儿根本没想过毕业去上班，因为家族观念就是"宁可做个小老板，也不给人打工"。他们自己也说不清这个观念从何而来，但它一代代传下来，已经成了刻在脑子里的思想钢印。
"他觉得打工永无出头之日。这个想法我觉得放在 AI 时代很受用：做自己的老板，做自己的 OPC。如果你不知道怎么做自己的老板，去深圳看一看。" [68:20]
Indigo 补充，美国的湾区和旧金山也是这样的地方。他特别认同股票那个比喻：守着一直下沉的股票，真正昂贵的是机会成本。放弃之前先选好能上涨的方向，再调过去，"投资最重要的就是不要丧失机会成本"。
延伸思考
把这期对谈放在一起看，会发现一条贯穿始终的暗线： 黑箱、注意力与目的 。
2015 年，字节的工程师已经在和一个自己也解释不清的系统共处，靠实验逼近效果；十年后，所有使用大模型的人都处在同样的位置。区别在于，当年只有推荐工程师需要这种心态，如今每个用 Agent 干活的人都需要。郭宇和 Indigo 关于"要不要做计划"的分歧，本质上就是面对黑箱的两种姿态：一种是保持理解与掌控，一种是在目标层上信任过程。可以预见，随着 Harness 继续进化，后者会越来越可行，但前者所代表的"判断力"并不会因此贬值，反而会成为区分 Pro User 与普通用户的关键。
第二条线是注意力。字节的商业本质是捕获注意力；Indigo 的 Everything is Media 是把自己的注意力打包交付；郭宇讲的错别字 Hack，则是注意力争夺战的微观样本。当软件和内容的边际成本都趋近于零，稀缺的只剩下真实的人的注意力和真实的人本身。这或许意味着，未来的"产品经理"和"内容创作者"会逐渐合流成同一种角色。
第三条线是目的。从珍妮纺纱机到 First Class Harness，手段在不断被替换，而人被逼着往目标层上移。这在个人层面是机会，在社会层面却带来真正的难题：当大多数人的目标是"消磨时间"，而只有 2% 到 3% 的人能把 AI 当作放大器，平成一代式的从容生活需要一个前提，即较小的贫富差距和完善的社会保障。日本的样本之所以成立，恰恰因为"做什么工作收入都差不多"。AI 时代能否复制这一前提，而不是把差距进一步拉大，或许才是"文艺复兴"能否真正惠及多数人的关键问题。
精华收获
AI 并没有让工程师变轻松，它把一整个团队的决策负担压到了一个人身上。真正的瓶颈已经从写代码转移到提问和判断，而人脑的节奏跟不上 AI 的节奏，所以找到和 AI 协作的可持续节奏，与学会使用工具同样重要。
推荐引擎让内容千人千面，Agent 让软件千人千面。当软件可以即时生成、用完即丢，"做好软件再分发出去"这一整套上一代的创业逻辑就需要被重新审视。先问清楚软件要达成的目的，如果能绕开软件达到目的，就不必再造软件。
智能会分层，也会商品化。不是每个场景都需要最强的模型，而在完全竞争的内容市场里，价格终将逼近算力成本。智能会像牛奶一样便宜，稀缺的会是意图、判断和真实的人。
在 AI Slop 泛滥的时代，真人出镜、真实的思考和人与人的连接成为最强的差异化。你交付的每一个作品，本质上都是媒体，而围绕媒体会长出社群。
对年轻人而言，最重要的不是找到一份稳定的工作，而是判断自己是否正站在一条长长的下坡雪道上。短期的焦虑是为避开长期滑坡付出的代价；如果不知道怎么做自己的老板，就去深圳、去湾区，看看那些从不打算打工的人是怎么活的。
注：本文基于节目字幕整理，引文为口语整理，已做轻度润色。
