AI 时代创业：HeyGen 创业手册

原文作者：Joshua Xu

校正/编译/注释： Kimi-K2-0905、杨盛

阅读全文：8640字

原文链接：来源原文作者的X长文分享

导读：建议电脑面前阅读，手机屏幕太小了，思维都被框住。分享这篇文章，是想说它被低估了。
沟通视频为什么重要，因为这是一个分销的世界，这是一个传播的世界，我是没想到他2020年这个定位特别准，他们是比manus出去更早的一个华人团队。让我想起了最近思考的一个问题就是主播是可以指挥AI员工作为新的生产资料. 这本手册我觉得没什么注释，非常一线的经验。可以说是2026年第一篇太有价值的手册了。 除了橙色的字体是我做的一个详细解读。
我相信他们是下一个ARR1亿美金。

heygen 背景2020 年 12 月：在深圳创立，最初叫 Surreal，主做「AI 生成营销代言人视频」给企业客户。2021 年：拿到红杉中国、真格等机构的种子轮融资，累计完成约一千万张图片/视频订单，验证了 AI 代言人视频的需求。2022 年：公司迁往洛杉矶，并更名为 Movio，以便获取更先进算力、同时主攻美国企业客户。2023 年 4 月：再度品牌重塑为 HeyGen，从「代言人视频」转向更完整的一体化 AI 视频生成工作室；同年 Q2 起公司整体实现盈利。2023–2024 年：ARR 从 100 万美金（2023 年 3 月）增长到 3500 万美金以上（约一年后），累计服务全球 8.5 万+ 客户，保持周更级别的产品更新节奏。2024 年 6 月：完成 6000 万美金 Series A，估值约 5 亿美金，领投方为 Benchmark，历史累计融资约 7400 万美金；同时彻底注销深圳主体、让早期中资股东退出以降低中美政治风险。对PM

• 把技术抽象简化成用户能懂的样子
• 先做出能跑的原型，别写传统需求书
• 熟知市面上所有 AI 工具，并每天使用它们

对工程师

• 补充产品经理容易遗漏的技术洞见
• 极速决策，立即执行

AI 时代焦点：

• 专注构建，而非文档

• 直接和产品经理搭档，快速做原型

• 借助 AI 助手（Cursor、ChatGPT 等）写代码，速度瞬间翻倍。过去我们总说行业里有 10 倍工程师，如今 10 倍不敢说，但有了 AI 编程工具，人人效率都比两年前至少翻了 3 番。

正文：

如何在动荡世界里踏浪前行、快速交付、稳操胜券

目录

• 我们正在打造什么

• 前言

• 第一部分：核心思想

• 第二部分：我们的节奏

• 第三部分：运营原则

• 第四部分：团队架构与普适原则

• 第五部分：核心产品团队

• 第六部分：增长产品团队

• 第七部分：通信协议

• 第八部分：要避开的反模式

• 第九部分：在战时取胜

• 结语

引言

我们正在打造：人人都能用的视觉故事

我们的使命： 让每个人都能轻松进行视觉叙事。

我们把视频分成了两类：

• 沟通视频 ——商业动态、教学、访谈、播客、解说。这类视频旨在解释、传达或分享信息。（最适合使用脚本式剪辑）

• 电影级视频 ——高制作水准的广告、电影、音乐视频、预告片、高端品牌内容，旨在打动人心、激发灵感或提供娱乐。（最适合时间轴剪辑）

我们的目标是让沟通视频人人可享。 说人人，就是零基础到专业级全覆盖。产品足够简单，几分钟就能做出一条高质量视频。

前言

这本书为何存在

传统软件开发已死。曾经稳固的地基如今在我们脚下位移。AI 时代，重大突破每隔几个月就降临一次，昨天的极限转眼成了明天的默认配置。

在 HeyGen，我们不与这种不确定性对抗，而是顺势而上。我们把整个开发理念都建立在“驾驭 AI 浪潮”之上，而不再追寻那早已不复存在的稳定技术根基。

这本书记录了我们如何思考、如何打造、如何取胜。献给每一位 HeyGen 同仁——工程师、设计师、产品经理——以及即将加入的你。当脚下的地基不断晃动，我们用这样的方法工作，把动荡化作竞争力。

第一部分

核心理念

我们的核心哲学

快鱼吃慢鱼，做到极致。抓住 AI 浪潮，拥抱研究的不确定性，提前半年下注；打造灵活产品，模型一升级就自我进化，绝不牺牲品质。

根本转变：从基石到浪潮

AI 时代，我们没有稳定的技术地基。每隔几个月，AI 技术就翻天覆地。模型能力成谜，瞬息万变。

我们正站在一生仅见的科技窗口期。接下来 12 个月，AI 就是我们这代人的战时机遇。我们有机会再造下一个谷歌或 Facebook。机会此刻正在爆发，我们必须把强度调到极限。这就是每个人加入 HeyGen 的原因，也是我们站在这里的理由。

关键区分： 当我们说“拥抱不稳定”，指的是底层 AI 技术基础——模型、能力、研究突破。我们绝不接受服务可用性、产品质量或用户体验的任何不稳定。即便底层的 AI 技术不断变动，我们的产品也必须始终坚如磐石。

这不是缺陷，而是机遇。我们顺流而上，不与浪潮对抗。

传统时代：

• 打好稳固基础

• 以长久为念

• 提前规划12到18个月

• 打磨，再上架

• 顺序开发

AI 时代（我们的做法）：

• 乘科技之浪

• 为“自动进化”而生

• 实打实地规划两个月（对齐模型升级周期）

• 边做边学

• 并行试错

这与敏捷开发有何不同

传统敏捷假设技术相对稳定、能力可预测。而我们所处的环境，基础技术每隔几个月就翻天覆地。我们的方法继承了敏捷精神，却针对技术动荡而非稳定迭代做了优化。

浪潮驭者的优势

对手们忙着找安稳之地，却被下一次跃升打了个措手不及。我们按“模型一升级就自动变好”来设计，选择踏浪而行，而非逆风硬扛。

看清什么会变、什么不变： 我们得搞清楚，短期内可能变化的是哪些（模型、能力），而大概率不变的是哪些（用户流程、核心问题）。围绕不变的东西做产品/系统，同时搭上模型进步的顺风车。

顺势而为的典型案例：

• 情境学习、微调与 RAG 方法之辨

• 语音模型的后处理优化

• 多厂商系统优化

质量悖论

我们既要快，又要做到最好。看似矛盾，其实：长期来看，快反而让我们质量更高、更快交付价值。对手一个月上线一个功能，我们一周上线五个实验，学习速度是他们的五倍。这种学习复利，最终堆出碾压级产品。

快速并不是指功能发得快，而是把客户价值送得快（还要学得快）。速度只为一个终极目标：做到最好。

尤其是视频内容，质量决不能有丝毫妥协。用户不会因界面精致就爱上产品——他们爱的是能把问题解决得漂漂亮亮的产品。我们的唯一衡量标准：平台上人人都能做出的平均视频质量。

第二部分

我们的节奏

我们的节奏：两个月一波

为什么是 2 个月？ 这样既能契合模型迭代节奏，又能快速调整策略，同时保持专注。

我们的节奏

• 两个月路线图规划 ——与 AI 演进周期同步。与领导层、技术负责人及产品经理（设计可选但鼓励参与）深入复盘产品与战略。最好线下进行，以最大化产出并穿透噪音。全面透明、坦诚评估表现，必要时调整战略。

• 6-12个月的战略押注——预判并迎接下一次重大突破

• 双周承诺清单 ——产品与工程共同决定并排序，各团队为具体交付成果许下承诺

• 每日上线 ——改进、功能或实验每天实时发布

理念： 短周期让我们与 AI 发展的节奏同频。长到足以做出有价值的东西，短到能在技术格局生变时迅速调整。

浪涌冲浪实验

重要提示： 本框架更适用于现有的产品和增长领域，而对需要更长探索周期的新功能与研发领域则不太适用。

• 第 1 天： 定义假设与成功指标

• 第 2 天： 打造 MVP（真正极简）

• 第 3-5 天： 向部分用户推送

• 第 2 周： 分析、学习、确定下一步

好的实验具备以下特征：

• 快得像按天算，不是按周

• 科学且数据驱动

• 给出明确指令：继续、转向或停手

• 宁要大刀阔斧，不要小修小补（我们还没成熟到可以优化）

失败的试验：

• 大多数实验都会失败——这本在意料之中

• 带着教训的失败 = 胜利

• 没有学到东西的失败，才是真正的失败

• 别让实验久到没法定论

以惊涛之势拍板

框架：这是单行道门还是双行道门？

• 单向门： 只有那种一旦做了几乎回不了头、而且对业务影响特别大的单向门决策（比如砍掉一个市场、彻底改收费模式），才值得开很多会、慢慢权衡，这种情况其实很少。

• 
  

• 双向门： 绝大多数日常产品/策略选择其实都是双向门：做了发现不行还能改、还能回滚，这类就让 PM 赶紧拍板，马上做实验上线，而不是拉一堆人对齐共识。

• 
  

• 讨论时： 一旦大家在争论一个方案，规则是：先问一句这事能不能用实验验证？如果能，就别继续讨论了，直接去做实验，让数据说话。

少数不可回头的大事：慢下来、认真想。

其他 90% 的事：快速决策 + 快速实验，用结果纠正自己，而不是用讨论说服对方。

决策沟通

• 立即通过 Slack 沟通，明确单人负责并注明执行时间

• 各团队间信息全透明

• 分享的是上下文背景，不只是计划

• 明确说明每项决策该与谁沟通

六个月水晶球

我们按两个月做现实规划，却须为战略押注预判6到12个月。这需要：

• 随着 AI 研究取得突破

• 洞悉算力走向

• 预判模型能力

• 构建能随时受益未来升级的灵活架构

在飞速前行的同时，管理好技术债

核心原则：为灵活与可替换而构建

• 构建拥抱变化的抽象层（注意：别在时机未到前过度抽象）

• 假设文档，而非实现

• 把一切版本化，越狠越好

• 设计随模型进化而提升的系统

技术债务的时间分配

我们的原则：把削减技术债当成对未来速度的投资。只要技术债的清理能切实提升团队产能和系统稳定，我们就鼓掌叫好。技术债任务必须跟业务收益和速度提升直接挂钩。

第三部分

行事准则

1. 速度即一切（绝不妥协）

新现实： 在 AI 时代，学得最快的团队赢，就这么简单。

• 几天发货，不是几周

• 拿不准？先上线个实验再说

• 动量比完美更重要

• 动作慢是唯一不可饶恕的罪过

实际应用：

• 用最小可行产品验证点子，而非打磨成品

• 先做到能验证的“好”，好过姗姗来迟的“完美”

• 先上线个不完美版本，不行就砍掉，用户真用就一路打磨到最好

• 有缺陷的代码比功能不完美更致命，因为缺陷会阻断学习

速度是一种态度

速度不仅是跑得有多快，更是一种思维方式。我们不会说“为了保险，等周一再上线”，这句话暴露出缺乏紧迫感、缺乏更快学习的渴望（白白损失2～3天的宝贵数据）、责任感不足，以及对自身执行力的怀疑。这种心态让我们无法取胜。真正的赢家会迅速承担责任、上线、学习、调整。

行动优先 > 完美主义

若你追求正确无误，步伐就已太慢。别怕犯错，怕的是学得太迟。

2. 拥抱技术浪潮

别再追技术稳定了，那玩意儿不存在。AI 地基每两个月就翻一遍。产品设计得让它随模型升级自动变好。抽象层得天生迎接变化。要让用户体验乘风于 AI 进步之上，而非藏着掩着。

3. 持有异议，全力投入

我们身处战时，而非和平年代。人人都可建言献策，但必须速断速决。决策既定，纵使曾持异议，也要全力投入。因迟疑而导致的战略缺陷，远比一个能迅速修正的草率决定更致命。

4. 以创新为用户创造价值

用户爱的是解决问题的东西，不是漂亮的界面。创新和用户的喜爱紧密相连。我们用 AI 革新视频创作方式，打造以前无法实现的神奇体验。可若创新不解决真实痛点，就一文不值。

新手入职的挑战：

• AI 产品的能力差异巨大，全看用户水平高低

• 我们的责任：教人用案例，而非只罗列功能

• 成功 = 任何用户都能达到的平均质量

• 衡量的不是视频创作，而是视频质量

5. 自建还是外购：一条铁律

哪种方式用户体验最好，我们就怎么来。

• 自主研发：Avatar 视频模型（没有外部服务商能达到我们的质量门槛）

• 外部提供商： 语音（质量尚可，资源受限）

• 不谈面子，只拿结果

第四部分

团队架构与通用准则

A. 通用团队架构

所有团队都遵循同一核心架构： 产品经理+工程+设计+数据科学

B. 通用角色定义

产品经理：交响乐的总指挥

核心职责范围（全体 PM 均需）

• 决策与优先级设定的核心动因

• 直接与领导层共商战略

• 把每个功能背后的“为什么”攥在自己手里

• 让工程、数据科学、设计三方同频共振

PM 能力：

• 快速搭建可用的 MVP，做出交互原型

• 把技术抽象简化成用户能懂的样子

• 坚持以原型为先

AI 时代的进化

• 先做出能跑的原型，别写传统需求书

• 用 Figma 设计稿或 UX 原型当文档

• 为尚未诞生的能力提前布局

• 熟知市面上所有 AI 工具，并每天使用它们

工程师：极速建造者

核心职责：

• 极速决策，立即执行

• 补充产品经理容易遗漏的技术洞见

• 以灵活为目标，为快速迭代而设计

• 深刻洞察问题背后的“为什么”

AI 时代焦点：

• 借助 AI 助手（Cursor、ChatGPT 等）写代码，速度瞬间翻倍。过去我们总说行业里有 10 倍工程师，如今 10 倍不敢说，但有了 AI 编程工具，人人效率都比两年前至少翻了 3 番。

• 做出能逐步长成上线系统的原型

• 专注构建，而非文档

• 直接和产品经理搭档，快速做原型

设计师：化繁为简的人

核心职责： 定义简洁而极致的体验

设计使命： 作为视频创意工具，我们的设计必须达到世界级水准。任何低于这一标准的方案都无法让工具惠及大众。因此，设计的首要原则就是极简。把 AI 功能做出来并不难，难的是在保持高品质的同时让它好用至极——这正是我们设计团队的核心使命。

核心职责：

• 快速搭建可用的 MVP，做出交互原型

• 把原型打磨成让消费者爱不释手的好产品

• 确保所有功能无缝融入 HeyGen 产品框架，建立并维护贯穿始终的设计标准

• 坚守原则：连奶奶都能轻松上手，简单到极致

• 主导简化工作——要是奶奶不会用，设计师就得标出来并解决它

• 拥有设计体系，让后续开发一致又快速

• 简化产品营销

• 验证之后，打磨视觉、统一体验

聚焦 AI 时代

• 熟知市面上所有 AI 工具，并每天使用它们

核心原则： 设计师专注在验证后把事情做到极致，而非前期过度探索，以此保证开发速度。他们是“连奶奶都觉得超级简单”这条铁律的首要守门人——这条验证后的设计准则，才是真专业要发力的地方。

数据科学家与产品经理：最佳分析拍档

数据科学职责：

• 指标说明与验证： 逻辑与定义的权威依据

• 统计分析： 相关、因果、因果推断

• 建立 PostHog 无法实现的先进实验指标

• 基于成熟的产品功能打造机构级仪表盘

• 需要高级 SQL/Python 的复杂分析

• 轻量级数据工程与建模 （管道、转换）

• 数据科学原理与词典的知识分享

产品经理职责：

• 熟悉该区域的核心指标 ，能发现异常模式并及时展开调查

• 借助 PostHog 分析监测趋势与使用情况（产品分析、用户分群、行为事件）

• 从 Hex 主表拉取简单数据

• 主动管理实验生命周期， 包括预测试/回测和清理工作。

• 定义实验设置 ——曝光、分组、成功指标

• 识别需用于衡量的额外事件必需用于衡量的事件

• 进行初步实验评估， 以确定最佳方案。

• 理解区域总体指标与公司战略之间的联系 ，能在发布决策中做出高判断的取舍

• 得自己用 PostHog 做数据分析还得在 Hex 里写点简单查询

共同职责（数据科学家与产品经理双方）：

• 实验影响分析 ——对齐结果与解读

• KPI 定义 （如 AER、留存率、转化率）

• 联合实验复盘需要更深层分析时

• 排查异常模式

C. 平等伙伴，不同赛道

产品经理负责厘清“做什么”

• 把问题框出来

• 定义目标

• 带来清晰的洞见与背景

工程师定义“怎么做”

• 与产品经理和设计师共创解决方案

• 负责可行性、权衡取舍与落地执行

设计师确保简洁：

• 让复杂的 AI 触手可及

• 守住“外婆测试”这条底线

• 创造愉悦体验

数据科学家提供事实：

• 用数据验证假设

• 科学衡量影响力

• 实验方法论引导

大家都清楚“为什么”

• 这事值得一做的理由是什么？

• 我们要解决什么问题？为谁而解决？

• 为什么是此刻？为什么选这条路，而不是别的？

• 这一步如何推动业务前进？

D. 打造原型的流程

理念： 在传统软件里，PM+设计+工程师构成黄金三角；在快节奏的 AI 开发中，我们优先追求速度与学习，而非完美的流程。

灵活的伙伴模式： 不同团队里，产品经理与设计师的合作方式可以多样。有些产品经理具备丰富 UX 经验，适合把原型一路推到头；有些设计师对 AI 原理吃得很透，也能跳进来主导原型。

两人法则： 原则上，一名产品或设计加一名工程师（共两人）即可做出原型。我们不为照顾情绪而追求共识，只为加速验证想法，让团队尽快打磨出更好的产品。

人人都有机会把新点子做成原型。AI 时代值得折腾的东西无穷无尽（就像我们黑客马拉松里做的那些，真的惊艳）。关键是得有一支能打硬仗、拍板如飞的团队。

通用之道

1. 先搞原型： 产品经理/设计师和工程师直接搭档，快速把点子做出来、测起来

2. 证明它有效： 在大量投入设计前，先让真实用户验证概念

3. 设计打磨： 一旦验证可行，设计师就会在保持简洁的前提下，把体验打磨进我们整个产品框架

4. 可投产： 每个从原型晋级的功能都必须设计精良

为什么能行：AI 功能充满巨大不确定性，大多数原型根本跑不通。为未被验证的概念过度设计只会浪费时间。但所有面向用户的功能都必须达到我们的质量门槛。

第五部分

核心产品团队

聚焦：打造并打磨核心产品功能

核心产品团队专注于打造产品的基础体验——开发那些定义 HeyGen 本质和功能的特性。他们致力于提升用户体验质量、功能完备性，并推进长远的产品愿景。

核心产品团队特征：

• 复杂功能开发周期更长

• 专注产品体验与用户旅程

• 强调设计系统与一致性

• 打通整个产品生态

• 我们做的是一款商用工具，但要想让创意工具真正好用、让 HeyGen 突破 1 亿用户，愉悦的产品体验至关重要

核心产品门槛

标准只有一个：每一次体验都要做到绝对顶尖。差一点都嫌不够。怎么做到？速度拉满，迭代次数甩开对手五条街。

零缺陷愿景

我们要追求零缺陷。如今尚未达成，但那是我们不变的北极星。当你使用最棒的创作工具——Canva、Figma 或 CapCut——极少碰到 Bug，因为精准对创意工作至关重要。作为创作工具，可靠不是锦上添花，而是用户信任与流程连贯的生命线。

第六部分

增长产品团队

实验引擎理念

增长团队与核心产品团队打法截然不同。我们是实验引擎，追求的就是速度、学习和影响力。所有原则都指向一个目标：提升我们的迭代速度。

核心增长原则

工程只是手段，影响力才是目的

我们不只交付代码，我们交付结果。AI 时代，代码不值钱，影响才值钱。别为了漂亮而优化，也别过度设计没人要的功能。要“快出成果”：先上最关键的 20%，拿到 80%的结果；验证有效再迭代，等价值坐实再精修。

实验是用来学习的，不是拿来赢的

安全的实验算不上真正的实验。我们要做的是：冒聪明的风险、押注大胆的假设、不怕快速犯错，才能更快在下一次做对，从而加速学习。

增长团队焦点

增长型产品经理：实验的指挥家

• 与团队一起集体做决定

• 掌握指标与学习闭环

• 深入理解用户痛点与商业价值

• 清晰界定问题，明确目标与背景

• 厘清“是什么”——界定问题，明确目标，理清思路

• 与工程团队对齐“为什么”——这件事为何值得做？为什么是现在？

• 快速启动实验，行动至上

• 对结果负责，而不仅是产出物

增长工程师：速度机器

• 与产品经理和设计师共创方案

• 自己评估可行性、权衡并执行，才能造得更好、更快、更智能

• 先对准“为什么”，再细化“怎么做”

• 以极限速度拆分实验

• 痴迷于学习闭环与数据

• 不仅停留在“告诉我该做什么”，更能深入理解问题的本质

• 有了“为什么”，就能化被动为主动，用更少的迭代创造更大的价值

• 速度至上，别管架构多完美，先做出影响力

• 打造能够改变公司轨迹的实验引擎

增长差距

增长团队玩的游戏，跟核心产品团队不一样。核心产品忙着打磨功能，增长团队却要在极速试错里快速学习。我们要拼速度，所有原则都为它服务。

第七部分

通讯协议

直接、异步、高效

核心理念：

• 异步优先： 分布式办公，能异步就别同步

• 会议红线： 如果有成员与超过 5 人的团队开了 3 次以上同步会，立即亮红灯

• 时间焦点： 把时间花在打造产品上，而不是开会

• 线下面对面： 把线下时间用在最大化沟通效率和团队建设上

决策： 立即通过 Slack 沟通，明确单人问责和执行时间。团队间完全透明。共享背景，而非仅分享计划。清楚说明每项决策需通知给谁。

反馈： 直截了当——做得好就是好，做不好就是差。聚焦工作本身，而非个人。接受反馈时：针对的是工作，不是你。人人都有进步空间。

第八章

应避免的反模式

🚨AI 开发的七宗罪

1.完美架构

• 花好几周设计所谓可无限扩展的架构。现实：你只有一百个用户，真正的问题不是扩展性，而是没人真爱这个产品。

2.研究性瘫痪

• 挂在嘴边的是我们还需要更多用户研究，做了几个月访谈，却迟迟不见产品面世。

• ✅更聪明的做法：先上线，快试错，再优化

3. 稳固基础的幻想

• 一直等AI 技术稳定一点再搞，还像2019年那样去创业做AI产品

• ✅现实：它永远不会稳定，你要做的是学会冲浪，而不是等风停

4. 共识陷阱

• 人人同意等同于无人上心。

• 立场要强，但可以随时用数据和事实推翻。

• ✅有冲突，说明你找对了方向

5. 质量借口

• 老说还没准备好，再打磨一下。

• 就好把润色、完美当理由，实际上是在逃避把东西给真实用户。

• 
  

• ✅有信心就先发，再根据用户反馈快速提升质量

6.大爆炸式发布

• 闷头搞 6 个月超级大版本，憋一个惊天发布。结果你还在憋，竞争对手已经上线 N 轮，踩完坑、学完经验。

• 
  

7. 沉没成本谬误

• 总说这上面已经投了这么多时间和钱了，不能停。不敢砍掉失败方向，只是继续往坑里扔资源。

• 
  

  ✅失败要快，及时止损，把学到的东西留下，把代码删掉也没关系。迅速淘汰失败选项。

什么时候该真正慢下来

质量关卡（不容讨论）：

• 阻碍从实验中学习的 bug

• 安全漏洞

• 那些主动拉低体验的功能

• 影响客户的重大变更

战略性停顿（虽罕见，却关键）：

• 那种一旦做了就很难回头、而且会深刻影响公司业务走向的单向门决策。

• 决定未来六个月走向的技术架构

• 当用户反馈指向根本方向转变时

• 法律或合规要求

红色预警灯

听到这样的说法，就要竖起红旗：

• 🚨“再想想”→我们已经落后了

• 🚨“我们必须让所有利益相关者保持一致” → 决策瘫痪即将来袭

• 🚨“技术要是变了怎么办？”——会变，先上线再说。

• 🚨“等下一代模型吧”→对手可没等

• 🚨“我们需要更强大的方案”→先要有用户

• 🚨“还能再打磨打磨”→先上线，用户真在乎再说

第九部分

战时制胜

我们为何必胜

• 我们的上线速度是竞品的 5 倍： 实验越多，收获越大

• 学习会沉淀出更好的产品： 别人避之不及的，我们照单全收

• 动荡是我们的优势： 老牌对手跟不上节奏

• 我们只关心核心： 用户要品质，学习要速度，差异靠创新

我们的七大冲浪原则（愿景）

1. 快马加鞭，绝不让步

2. 打造极致的产品体验

3. 质量至上（尤其是视频的画质）

4. 有异议也执行

5. 拿不准？先上线个实验再说

6. 拥抱不稳定的 AI 发展——乘风破浪

7. 融合激发创新

结论

踏浪前行

三年前，我们根本无法想象 AI 如今的能力。那时连 ChatGPT 都还没出现。再过三年，今天最尖端的技术也会显得落伍。唯一不变的是变化；唯一的策略是顺势而为；唯一的目标是用户价值。

我们没有所有答案，但拥有更珍贵的东西：全行业最快的学习闭环。

每天，我们都在做选择：要么追求虚假的安稳，要么乘风破浪。我们选择乘风。我们选择打造产品，让它们随着 AI 的进步神奇地变得更好。我们选择快速发布，更快学习，赢得胜利。

欢迎来到软件开发的未来。一起造点惊艳的东西。

记住：速度要与质量齐飞。创新要与集成并重。速率要与使命同向。快速行动。绝不妥协。乘风破浪。

 

后记：

人会评估和验证什么呢？我观察到，我感受到，我需要，所以我请求。Ryo说的雕塑挺有意思的。

感谢读完！希望对你有帮助。

参考：