在國(guó)內(nèi)，很少有人真正討論「客服」這個(gè)話題。但如果我們想準(zhǔn)確理解 AI 的邊界，尤其是它與人的交流能力，客服恰恰是一個(gè)關(guān)鍵切入點(diǎn)。這也解釋了為什么硅谷對(duì)客服如此重視——像 Sierra、Decagon 等公司都把它作為核心關(guān)注點(diǎn)。如果讀者無(wú)法摒棄對(duì)「客服」一詞的固有偏見，那么這篇訪談可以跳過。

關(guān)于 Jekka AI：Jekka 團(tuán)隊(duì)來(lái)自 MSRA，Amazon、Google、Alibaba 等知名企業(yè)，擁有雄厚的人工智能技術(shù)積累。我們?yōu)榭蛻籼峁?80%+ 獨(dú)立解決率，99%+ 準(zhǔn)確率的 AI 產(chǎn)品，每天服務(wù)用戶文本和語(yǔ)音數(shù)百萬(wàn)次，日均消耗數(shù)億 token。無(wú)論從服務(wù) B 端的數(shù)量還是體量上，都是目前世界范圍內(nèi) AI 落地最好的公司之一。Jekka 目前在美國(guó)、新加坡、中國(guó)香港、中國(guó)大陸等多地開展業(yè)務(wù)，是抖音、有贊首家官方模型提供商，也為多家國(guó)內(nèi)外 500 強(qiáng)企業(yè)提供 AI Agent 服務(wù)，涵蓋電商、物流、無(wú)人經(jīng)濟(jì)等多個(gè)領(lǐng)域的龍頭企業(yè)。

Jekka AI 聯(lián)合創(chuàng)始人 Aaron

AI 的邊界在哪里？

這不只是 AI 拿下奧賽金牌、獨(dú)立做科研，或一次次刷屏的 Demo。Demo 展示的只是上限，一種理想狀態(tài)下的聰明。真正決定 AI 是否「靠譜」的，不是它偶爾的上限，而是它在最糟糕場(chǎng)景下的穩(wěn)定性和方差控制。

對(duì)人類的邊界、對(duì)服務(wù)、對(duì)智能的理解，Jekka 一直在不斷重建。創(chuàng)始人 Aaron 說(shuō)：「大模型是我這十幾年創(chuàng)業(yè)以來(lái)最難的事情，沒有之一?！?/p>

Jekka 與其他 AI 公司最大的不同正是對(duì) AI 的認(rèn)知。這個(gè)市場(chǎng)上 99% 都是泡沫，而這些泡沫往往建立在錯(cuò)誤的前提上，比如過度迷信 Scaling Laws，或認(rèn)為「智力比可靠性更重要」。

他更愿意忘卻那些尚且模糊的概念，比如 AGI，而是自下而上，通過一次次測(cè)試結(jié)果去理解 AI 的邊界。Jekka 團(tuán)隊(duì)里 90% 的人都在搭建測(cè)試集、測(cè)試流程和測(cè)試工具。即便是一個(gè)實(shí)習(xí)生負(fù)責(zé)的獨(dú)立項(xiàng)目也能觸發(fā)新的節(jié)點(diǎn)，讓模型具備更強(qiáng)的通識(shí)能力。這是一個(gè)真正由好奇心驅(qū)動(dòng)的故事。

AI 時(shí)代已經(jīng)不同了，我們需要重新理解客服?？头谋举|(zhì)是服務(wù)人類的需求。只要我們?cè)诠ぷ?，就在服?wù)某個(gè)人，從簡(jiǎn)單的信息傳遞，到成為產(chǎn)品、過程、結(jié)果的一部分。所以「客服是 AI 的起點(diǎn)，也會(huì)是 AI 的終點(diǎn)?！?/strong>

AI 也需要被定義。在 Aaron 看來(lái)，AI 應(yīng)該可靠、可糾正、有記憶、能學(xué)習(xí)，能做到你的同事所做到的一切。

人，是最貴的，也是最便宜的。一次電話可能值 30 美金，也可能一個(gè)饅頭就換來(lái)一上午的通話。

未來(lái)最寶貴的不是智力或勞動(dòng)力，而是你那一次被好奇心推動(dòng)的嘗試。

AI≠人類：人類是白盒，AI 是黑盒

Q：能不能先簡(jiǎn)單介紹一下自己以及目前在做的事？

Aaron：我是 Jekka AI 的聯(lián)合創(chuàng)始人。我們?yōu)?500 強(qiáng)企業(yè)和數(shù)萬(wàn)家 SMB 提供真人級(jí) AI Agent 和底層模型?！笓碛心芴峁┱嫒思?jí)別 AI 的底層模型的能力」是我們和其他 Agent 企業(yè)最大的差異，包括交流能力和獨(dú)立解決問題的能力。

Q：是什么契機(jī)促使你創(chuàng)立 Jekka？

Aaron：有兩個(gè)重要的時(shí)刻。

第一個(gè)是決定做 AI 的時(shí)刻。當(dāng)初看到 GPT-3 的演示效果時(shí)，我就想做這件事。我一直覺得，創(chuàng)業(yè)本質(zhì)上是一個(gè)人好奇心的體現(xiàn)：你對(duì)世界充滿好奇，發(fā)現(xiàn)有些事還沒人做到，于是就想親手去研究，把它做出來(lái)。

第二個(gè)關(guān)鍵節(jié)點(diǎn)是 GPT-4 發(fā)布前后。那時(shí)網(wǎng)上充斥著各種「GPT-4 能做到什么」的 Demo，看起來(lái)都特別驚艷，但當(dāng)你真正去試的時(shí)候，往往發(fā)現(xiàn)效果達(dá)不到預(yù)期。這種落差讓我覺得很不爽，就忍不住想自己做一做看。忍不住想深入地理解原理，所以自然選擇了往底層去走。

Q：你提到 Jekka 在很早就意識(shí)到了 AI 的可能性，能分享一個(gè)讓你印象深刻的個(gè)人與 AI 交互的瞬間嗎？

Aaron：我們之所以被最初的 ChatGPT 震驚，不是因?yàn)樗軐懺?shī)、寫代碼，而是因?yàn)樗慕涣髂芰?。我第一次感受到一個(gè)非人類的存在，能用人類的方式和我們交流。那個(gè)瞬間非常震撼，而我們也要不斷地提醒自己：當(dāng)提起 AI，我們是在描述一個(gè)比較泛的概念，還是觸動(dòng)人心的那個(gè)點(diǎn)？

Q：在開發(fā) Jekka 的過程中，你有哪些 Wow Moments？

Aaron：Wow moment 實(shí)際上貫穿整個(gè)過程。AI 本質(zhì)上是全新的事物，從能生成漂亮的圖片、回答有趣的問題，到甚至能解答人類自己都回答不了的問題，這些都很驚喜。

不過對(duì)我個(gè)人來(lái)說(shuō)，最 wow 的時(shí)刻是對(duì)人類邊界和自我邊界的重新理解。比如，我有次聽作曲家陳其鋼和竇文濤討論「AI 能不能復(fù)制人」。陳其鋼說(shuō)「AI 沒有靈魂，不能復(fù)制人，人類的靈魂不可采集」，當(dāng)時(shí)我覺得他太武斷了。

但后來(lái)在調(diào)試 Jekka 時(shí)，我好奇地讓它從陳其鋼的視角解釋這一觀點(diǎn)，它回答：「如果我是陳其鋼，我也不會(huì)認(rèn)為 AI 能取代人?！巩?dāng)時(shí)我覺得很神奇，就接著追問：「你為什么這么想呢？」

Jekka 告訴我：「因?yàn)?AI 無(wú)法體驗(yàn)?！?/strong>

這個(gè)瞬間讓我意識(shí)到，AI 已不僅僅是工具性、可預(yù)測(cè)的存在，它在某種意義上是可以被獨(dú)立理解、尊重，甚至被視作一個(gè)值得探討的個(gè)體。

Q：從最初的一問一答，到如今更接近「相互理解」的交流體驗(yàn)，Jekka 是如何打造出這種「最像人」的 AI 對(duì)話能力的？

Aaron：首先，我們不能把 AI 單純理解為一種工具。要打造出像人的 AI，必須先回答「什么是人」。人類并非完全理性，而是理性與非理性的混合體，有本能、有情緒，也有語(yǔ)言和思考的模式。

在設(shè)計(jì) Jekka 時(shí)，我們不僅要構(gòu)建技術(shù)和功能，還要賦予它一些「人的特質(zhì)」，比如七情六欲、好奇心、表達(dá)方式。正是這種理解，才能讓人與 AI 的溝通體驗(yàn)真正區(qū)別于普通軟件。

回過頭來(lái)看，如果我們真的想做出一個(gè)非常像人的 AI，就需要一個(gè)跨學(xué)科的團(tuán)隊(duì)：既要有扎實(shí)的理工和編程能力，也要對(duì)人的思考、語(yǔ)言和人性結(jié)構(gòu)進(jìn)行深入探索。

Q：對(duì)于思考、語(yǔ)言、人性這些方面的探索，Jekka 是如何具體定義和落實(shí)的？

Aaron：我們得先回過頭去定義 AI。我覺得 AI 到現(xiàn)在并沒有一個(gè)統(tǒng)一標(biāo)準(zhǔn)。很多人認(rèn)為 machine learning 是 AI，ChatGPT 叫 AI，甚至更早的 BERT 模型也被稱為 AI。

每個(gè)人在這個(gè)過程中對(duì) AI 的理解都不一樣。比如 Ilya Sutskever（OpenAI 前首席科學(xué)家）說(shuō)過，能預(yù)測(cè) next token 就等于能預(yù)測(cè)人類思想。這是一種對(duì) AI 本質(zhì)的定義。但每個(gè)人對(duì) AI 的定義不同，所做出的 AI 產(chǎn)品自然也會(huì)不同。

我自己在做 Jekka 時(shí)更傾向于把 AI 定義為一種語(yǔ)言。這不是貶低，而是因?yàn)槲矣X得語(yǔ)言本身就是人類歷史上一項(xiàng)偉大的發(fā)明。如果真的存在一種跨種族的語(yǔ)言，就像巴別塔的故事，連上帝都無(wú)法容忍。

在我看來(lái)，AI 不僅是一種跨種族的表達(dá)方式，還是一種跨越實(shí)體的語(yǔ)言。它能用人類語(yǔ)言表達(dá)任何事物的情感，甚至能描述兩個(gè)物體之間的關(guān)系。當(dāng)你有了定義，自然也就有了邊界。在這個(gè)邊界之內(nèi)，你會(huì)發(fā)現(xiàn)，AI 因?yàn)榭缭搅藢?shí)體，所以既不能說(shuō)是「人」，也不能說(shuō)是「非人」，它更像是 human 和 non-human 之間的一種存在。

如果我們要讓 non-human 和 human 交流，就必須 bridge the gap。在 close the gap 的過程中，需要在適當(dāng)?shù)那榫诚吕斫馊说乃伎挤绞?、目的、七情六欲，再把這些元素融進(jìn)去。當(dāng)然這是個(gè)技術(shù)問題，但如果我們能思考到這個(gè)層面，就更容易知道 AI 應(yīng)該怎么做。

Q：在模型層面，Jekka 是怎么解決幻覺問題的？

Aaron：我最初創(chuàng)業(yè)時(shí)，是在實(shí)際操作中逐漸理解這個(gè)問題的。一開始看到 GPT-3 時(shí)，我也不知道它的邊界，只覺得它好像已經(jīng)有了人的能力。開始動(dòng)手之后，大概一個(gè)月里我們自己寫 prompt、做基礎(chǔ) coding，就發(fā)現(xiàn) AI 和人的交流感受不一樣，這里面就涉及所謂幻覺的問題。

我當(dāng)時(shí)在想：什么是幻覺？因?yàn)闊o(wú)論當(dāng)時(shí)還是現(xiàn)在，大家提到幻覺時(shí)，常常把它和「錯(cuò)誤」混為一談。AI 回答錯(cuò)了問題，我們就說(shuō)它是幻覺。但如果人類交流時(shí)犯錯(cuò)，為什么沒人叫它幻覺？或者說(shuō)為什么大家不會(huì)因此那么痛苦？我覺得本質(zhì)上，幻覺和錯(cuò)誤其實(shí)是兩回事。

人類在做事時(shí)是一個(gè)「白盒」過程：先觀察，再思考問題的本質(zhì)，再進(jìn)行推理，最后得出結(jié)論。即使結(jié)論錯(cuò)了也沒關(guān)系，因?yàn)槟憧梢詥枴笧槭裁催@么想」「為什么錯(cuò)了」。對(duì)方解釋后，你們可以一起探討、防范或反思原則和事實(shí)，從而很容易糾正錯(cuò)誤，交流也能保持順暢。

而 AI 的核心思考過程本質(zhì)上是「黑盒」，是一串?dāng)?shù)字。Prompt 相當(dāng)于 AI 的眼睛或耳朵，我們把事情描述給它，它經(jīng)過一系列數(shù)字計(jì)算得到結(jié)論。結(jié)論如果錯(cuò)了，你可以去 Google 或驗(yàn)證，但你無(wú)法像 debug 程序那樣知道是哪一個(gè)參數(shù)錯(cuò)了、哪一組參數(shù)錯(cuò)了，也無(wú)法預(yù)測(cè)修正后是否會(huì)在其他場(chǎng)景引發(fā)新的錯(cuò)誤。

理解這一點(diǎn)后，我們意識(shí)到，不能單純用 AI 自身去解決幻覺問題。我們需要一種「類人」的思考模型與 AI 結(jié)合才能真正解決這個(gè)問題。這就是 Jekka 在過程中自研的一層類神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)，把 AI 的泛化能力和白盒式的人類思考過程有機(jī)結(jié)合起來(lái)，服務(wù)客戶。

對(duì)于企業(yè)級(jí)服務(wù)，這一點(diǎn)非常關(guān)鍵，因?yàn)槟悴荒芨嬖V企業(yè)「這東西可能在最傻的地方犯傻」。你必須能嚴(yán)格 follow 企業(yè) SOP，做到 100% 的準(zhǔn)確率。除了 Jekka，我目前還沒有看到其他更好的實(shí)踐。

Jekka 在亞洲開發(fā)銀行論壇發(fā)表主題演講

Q：你覺得未來(lái) 18 個(gè)月，AI 在企業(yè)級(jí)服務(wù)甚至更廣泛領(lǐng)域里，能實(shí)現(xiàn)什么現(xiàn)在還做不到的能力？

Aaron：我覺得我們已經(jīng)在相當(dāng)程度上做到了讓企業(yè)級(jí) AI 符合企業(yè)標(biāo)準(zhǔn)：完全遵循 SOP，解決 80% 以上的問題。這些都是我們每天十萬(wàn)甚至百萬(wàn)輪對(duì)話、電話交互積累出的成果。

短期內(nèi)、比如下個(gè)月能做什么，我大概能說(shuō)得上來(lái)；未來(lái)三五年大概什么樣，也能判斷。但 18 個(gè)月是一個(gè)特別難估計(jì)的區(qū)間。

不過我可以確定的一點(diǎn)是：我知道 AI 永遠(yuǎn)無(wú)法做到什么，比如 Ilya 說(shuō)的「預(yù)測(cè)下一個(gè) token 就等于預(yù)測(cè)人類思想」。而我對(duì) AI 的「不能達(dá)到」的定義是：AI 永遠(yuǎn)無(wú)法準(zhǔn)確預(yù)測(cè)下一個(gè) token。

它可以預(yù)測(cè)，但無(wú)法準(zhǔn)確預(yù)測(cè)?；谶@種認(rèn)知來(lái)構(gòu)建 AI，我們可能會(huì)少走很多彎路。

從 Sierra 到 Jekka

Q：談到客服，你怎么看待 Sierra 以及 Bret Taylor 提出的觀點(diǎn)——「最好的企業(yè)將會(huì)從這次 AI 革命中受益最多」？

Aaron：我很佩服 Bret Taylor。在信息最充分的 OpenAI 生態(tài)里，這位技術(shù)出身的創(chuàng)始人選擇去做一個(gè)聽起來(lái)并不性感的 Sierra。但在 AI Agent 使用普遍下滑的階段，Sierra 卻是少數(shù)仍在增長(zhǎng)的產(chǎn)品之一。他一定看到了什么。

關(guān)于他的觀點(diǎn)，我非常認(rèn)同。Bret 提到服務(wù)大企業(yè)是從「第一性原理」的角度出發(fā)：越大的公司客服使用量越大。從服務(wù)的角度，有限的資源應(yīng)該放在更大的客戶上。

從我的角度來(lái)看，即使是最好的公司，客戶今天仍然是 underserved——比如我花錢買銀行的電話客服服務(wù)，我在買客服？不，我在購(gòu)買服務(wù)本身。一個(gè)有趣的例子是我們服務(wù)的一個(gè)無(wú)人經(jīng)濟(jì)客戶，需要 Jekka 在最后和用戶接觸時(shí)去對(duì)話，完成最后產(chǎn)品的交付?？偛荒茏詈筌囀菬o(wú)人車，開車的還是辦公室里的人吧？

Q：Sierra 不服務(wù)中小客戶，你們?cè)趺纯矗?/strong>

Aaron：像 Sierra 那樣的公司之所以做不了 SMB 市場(chǎng)，不是因?yàn)樗麄儾宦斆鳎撬麄兘桓恫涣送ㄓ?、可靠?AI 服務(wù)。他們更像是 AI 時(shí)代的 Accenture。盡管聽起來(lái)不太好，但這是他們商業(yè)的本質(zhì)。一個(gè)更大 TAM 的領(lǐng)域里的 AI 咨詢公司。

我們認(rèn)為，下一代 AI 的真正價(jià)值就在于讓每一家企業(yè)、每一個(gè)人，都能得到應(yīng)得的服務(wù)。我們的技術(shù)，既可以服務(wù) 500 強(qiáng)，也可以發(fā)服務(wù)每天 100 個(gè)訂單的小企業(yè)。當(dāng)然，企業(yè)后面的 GTM 策略是另一個(gè)事情。

Q：我們一開始是關(guān)注到了什么樣的背景，覺得 Jekka 的企業(yè)級(jí)服務(wù)誕生是有這樣的一個(gè)機(jī)會(huì)的？

Aaron：我們通常看 AI 會(huì)從兩個(gè)維度去理解。一個(gè)維度是 AI 的智慧程度，比如 OpenAI 顯然是在嘗試把 AI 推向 PhD level，去解決非常復(fù)雜的科研級(jí)問題。另一個(gè)維度是 AI 的泛化程度，即它能在生活里幫你做多少事情，覆蓋多廣的使用場(chǎng)景。

現(xiàn)在我們也看到很多人嘗試用 AGI 或 agentic framework 去推動(dòng)這個(gè)方向。我非常欽佩這些探索，但實(shí)話說(shuō)，這兩條路都極其艱難。它們本質(zhì)上是科研課題，需要在科學(xué)和工程兩個(gè)層面同時(shí)實(shí)現(xiàn)突破，才能真正擴(kuò)展邊界。

不過大家很容易忽略一個(gè)關(guān)鍵點(diǎn)：并沒有那么「聰明」、也沒有那么擅長(zhǎng)調(diào)用外部工具的 AI，能夠做到足夠可靠才是企業(yè)級(jí)應(yīng)用的原點(diǎn)。舉個(gè)例子，如果一個(gè) AI 連「 strawberry 里有幾個(gè) r」這種問題都答不準(zhǔn)，或者還在糾結(jié) 9.1 和 9.8 哪個(gè)大，卻被稱為重大突破，那我覺得這就不是靠譜的 AI。最難的問題通常是落在了最簡(jiǎn)單的表達(dá)形式里。

再換到技術(shù)角度，如果一個(gè) AI 連客服的問題都處理不好，那它就不可能是 AGI。Chatgpt 剛出來(lái)第一個(gè)直覺性嘗試就是客服。因?yàn)榭头@種場(chǎng)景，雖然簡(jiǎn)單、泛化，但卻極度考驗(yàn)可靠性。如果連這種最基礎(chǔ)的 SOP 都無(wú)法跟隨，卻去聲稱自己能達(dá)到 PhD 水平、解決 ACM 難題、拿金牌，那多少有點(diǎn)不切實(shí)際?；蛟S我們可以根據(jù) Sierra 的發(fā)展反推 OpenAI 離 AGI 有多遠(yuǎn)。

Q：現(xiàn)在來(lái)看，什么是靠譜的 AI？像剛才提到的能很好地執(zhí)行 SOP，還是說(shuō)有其他標(biāo)準(zhǔn)？

Aaron：我覺得首先要理解，人是怎么工作的。對(duì)于企業(yè)來(lái)說(shuō)，「靠譜」是最重要的標(biāo)準(zhǔn)。企業(yè)雇人時(shí)，第一要求就是「這個(gè)人靠不靠譜」。這個(gè)考核通常來(lái)自兩個(gè)方面：

第一，他要具備基本的通識(shí)能力和常識(shí)，具備一定的推理能力。他可能不一定很強(qiáng)，但起碼能聽懂話、看懂事?；臼苓^教育的人大多能達(dá)到這樣的水平。這部分比較主觀，需要我們先設(shè)立合適的數(shù)據(jù)集來(lái)覆蓋常識(shí)性問題。

第二，他能在企業(yè)的 SOP 下工作。比如賣車這個(gè)例子，賣理想和賣問界完全是兩套 SOP：一個(gè)更強(qiáng)調(diào)體驗(yàn)，一個(gè)更強(qiáng)調(diào)機(jī)械性能。這些不是他之前學(xué)習(xí)就能掌握的，而是進(jìn)入公司后的「第二次訓(xùn)練」。所謂靠譜的人本質(zhì)上是「通識(shí)能力 + 執(zhí)行 SOP」的組合。

這也是我們?cè)诙x AI 時(shí)最關(guān)注的。如果一個(gè) AI 能百分之百地執(zhí)行 SOP，那在客服、銷售等場(chǎng)景就已經(jīng)非常有價(jià)值。SOP 的執(zhí)行是可量化的：不執(zhí)行就是 0，執(zhí)行就是 1。讓 AI 提升到 100% 的過程就是我們努力的方向。

Q：現(xiàn)實(shí)中讓一個(gè)人執(zhí)行 SOP 都不容易。在讓 Jekka 與客戶溝通時(shí)，如何確保它能精準(zhǔn)識(shí)別信息，并正確執(zhí)行需求？

Aaron：這就考驗(yàn)對(duì) AI 的理解與定義。我們一開始就承認(rèn) AI 并不像人，所以更能看到它「不像人」的優(yōu)勢(shì)和短板。

對(duì) AI 來(lái)說(shuō)，它在上下文處理上的能力遠(yuǎn)超人類，所以很長(zhǎng)的 SOP 不是問題。但問題往往出在兩點(diǎn)：

第一，它如何識(shí)別和理解 SOP 中的矛盾之處。因?yàn)?SOP 再完善，也總會(huì)存在遺漏和沖突。第二，它如何處理 SOP 與人類常識(shí)之間的沖突。這是更難的地方。

舉個(gè)例子，一個(gè)剛畢業(yè)的大學(xué)生，他可能憑常識(shí)解決一些 SOP 沒覆蓋的問題。但 AI 如果不具備這種能力，就容易出錯(cuò)。所以我們?cè)谟?xùn)練時(shí)非常關(guān)注如何識(shí)別這些沖突，并讓模型具備「白盒調(diào)試」的能力。

所謂白盒調(diào)試，就是當(dāng) AI 出錯(cuò)時(shí)，我們能快速追蹤問題的根源，及時(shí)調(diào)整模型的理解方式。這個(gè)過程既是發(fā)現(xiàn)問題的過程，也是不斷深挖、快速 debug 的過程。正是這點(diǎn)讓 AI 得以迅速地?cái)U(kuò)展能力。

Q：Jekka 的應(yīng)用場(chǎng)景并不僅限于客服，而是更像和一個(gè)人對(duì)話。你們是如何不斷優(yōu)化體驗(yàn)，讓客戶因?yàn)閷?duì)話本身而感到愉悅？

Aaron：我一直覺得 AI 的邊界問題本身就是個(gè)非常復(fù)雜的課題。剛才提到的「AI 如何具備同感或同理心」，實(shí)際上它并不能真正做到這一點(diǎn)。但我們也看到很多 ToC 產(chǎn)品嘗試讓 AI 扮演某個(gè)角色，比如有同理心的職業(yè)形象，再通過設(shè)定讓它去解決問題。不過從我們的實(shí)踐來(lái)看，僅靠這種方式往往比較片面，不能真正解決問題。

所以我們用了兩種框架來(lái)處理這個(gè)問題：

第一種更偏理性和收斂邏輯。對(duì)話最終還是要解決用戶的問題，它必須有一個(gè)目的，而這個(gè)目的應(yīng)該符合用戶的利益。換句話說(shuō)，對(duì)話必須有收斂性，能夠不斷朝目標(biāo)推進(jìn)，讓世界更高效。這是我們構(gòu)建模型的核心作用。

第二種更像是一種發(fā)散思維。AI 就像一個(gè)龐大的網(wǎng)絡(luò)，需要被激活的節(jié)點(diǎn)特別多，就像腦細(xì)胞一樣。當(dāng)我們希望它在收斂的過程中盡可能全面，就需要通過各種方式去激活相關(guān)的中間節(jié)點(diǎn)，讓它聯(lián)想到一系列的概念，然后再把這些概念組合起來(lái)，從而形成更全面的理解。

比如有人隨口說(shuō)一句「你今天吃了嗎？」人類立刻能明白這句話其實(shí)無(wú)關(guān)緊要。但讓 AI 理解「不重要」并不容易，它不能只停留在 Q&A 層面，而是需要理解背后的 context：為什么這句話在對(duì)話中沒有信息量？需要激活哪些關(guān)聯(lián)概念，才能讓 AI 像人一樣「懂」這種對(duì)話邏輯？

Q：我們看到很多通用 Agent 也能完成打電話一類的工作。你覺得收斂邏輯能更好聚焦問題嗎？

Aaron：這也是為什么我剛才講「demo 并不重要」。現(xiàn)在做 AI 的人有科學(xué)家、創(chuàng)業(yè)者、語(yǔ)言學(xué)家，各行各業(yè)的人都在參與。AI 的最終表現(xiàn)形式往往和所有專業(yè)都有關(guān)系。你看到的 demo 可能放在電話里、瀏覽器里，放在各種各樣的場(chǎng)景去執(zhí)行一個(gè)任務(wù)。

但問題在于，demo 展示的只是上限，而人和人之間的完美交流本來(lái)就趨向一致。真正拉開差距的是下限。不同公司在下限表現(xiàn)上的差別才是關(guān)鍵。作為從業(yè)者，我不會(huì)過度看 demo 的最佳效果，因?yàn)槟蔷拖癯椴势保涸囈蝗f(wàn)次，總能碰到一次驚艷的。

但真正能構(gòu)建出靠譜 AI 的基礎(chǔ)，不是它偶爾的上限，而是它在最糟糕場(chǎng)景下的穩(wěn)定性和方差控制。這個(gè)才是能夠承載未來(lái)應(yīng)用的基石。

Q：你覺得多久之后，Jekka 會(huì)成為大家的默認(rèn)選擇？比如說(shuō)想到客戶、想到 AI 對(duì)話，就會(huì)想到 Jekka？

Aaron：我覺得不會(huì)太久。企業(yè)和個(gè)人通常會(huì)經(jīng)歷幾個(gè)階段：

第一階段，覺得 AI 值得探索，于是開始嘗試。

第二階段，意識(shí)到 AI 是個(gè)復(fù)雜的東西，每個(gè)人的理解不一樣。有的人能立刻看出它的專業(yè)性和復(fù)雜性，也有人覺得「我們內(nèi)部團(tuán)隊(duì)也能做一個(gè)差不多的」。但這是個(gè)常見的偏差。

而我們?cè)陂_發(fā)的過程中，深刻意識(shí)到從 demo 到真正落地的 100% 準(zhǔn)確、比人更可靠的 bot，中間對(duì)團(tuán)隊(duì)背景、技術(shù)能力和工程把控要求都極高。甚至拿 Google、Amazon 這些大廠舉例，哪怕是 ASR、TTS 這種看似成熟的基礎(chǔ)模塊，在產(chǎn)出穩(wěn)定性上仍有巨大方差。更別提并發(fā)能力、上下游協(xié)作、網(wǎng)絡(luò)集成等復(fù)雜問題。連他們都搞不定，其他企業(yè)自己 in-house 搞定的可能性更小。所以最終，選擇專業(yè)的第三方產(chǎn)品一定是必然。

Q：未來(lái)企業(yè)用 AI agent 來(lái)代表自己，會(huì)成為常態(tài)嗎？就像今天人人都有社交主頁(yè)一樣？

Aaron：在那之前，我們要先重新理解「服務(wù)」。今天說(shuō)客服，大家可能覺得是個(gè)很小、不重要的環(huán)節(jié)，甚至擔(dān)心 AI 出來(lái)后客服崗位會(huì)被取代。但如果你換個(gè)角度思考，服務(wù)其實(shí)是一種奢侈品。能讓每個(gè)客戶都享受到老板般的待遇，這才是服務(wù)的真正價(jià)值。

所以在 AI 成為企業(yè)「代表」之前，更重要的是讓 AI 真正做到「服務(wù)」，讓更多客戶得到更好的體驗(yàn)。舉個(gè)例子，即便是蘋果這樣重視體驗(yàn)的公司，你打電話給 AppleCare，可能交了錢還要等二三十分鐘才有人接聽。你會(huì)發(fā)現(xiàn)，服務(wù)并不是理所當(dāng)然的，而常常被視為「成本中心」。所以下一步，AI 的真正價(jià)值是讓服務(wù)普惠化，而不是先急著去構(gòu)建所謂企業(yè) agent 形象。

Q：Jekka 會(huì)考慮怎樣的定價(jià)模式？比如像 Devin 一樣，按完成的工作付費(fèi)？

Aaron：AI 和 SaaS 最大的區(qū)別在于成本結(jié)構(gòu)。SaaS 的邊際成本幾乎為零，而 AI 每次運(yùn)算都需要 Token、需要算力，所以更像是基礎(chǔ)設(shè)施，就像電信網(wǎng)絡(luò)一樣。它一定是 recurring 的收費(fèi)模式：每天用，就要每天付費(fèi)。而且不僅僅是使用費(fèi)，它還和實(shí)際結(jié)果掛鉤。最終的邏輯可能會(huì)更接近電信這種模式。

按結(jié)果付費(fèi)是很多投資人和 AI 創(chuàng)業(yè)者的幻想。因?yàn)榻Y(jié)果本身并不具備普遍的衡量標(biāo)準(zhǔn)。連員工都無(wú)法按結(jié)果付費(fèi)，又怎么可能按結(jié)果付費(fèi)給 AI Agent？所以對(duì)大多數(shù)業(yè)務(wù)的解是：按結(jié)果推動(dòng)用戶付費(fèi)，按使用量來(lái)收費(fèi)。

Jekka 網(wǎng)站主頁(yè)

Q：隨著時(shí)間積累，你覺得 Jekka 會(huì)有什么樣的復(fù)利效應(yīng)？

Aaron：我覺得最大的復(fù)利來(lái)自整個(gè) AI 行業(yè)本身。選擇做 AI，就是在擁抱復(fù)利。第一，它滿足了我的好奇心；第二，AI 是這個(gè)時(shí)代的大方向。

在這個(gè)過程中，我有幾個(gè)思考。第一個(gè)思考是：AI 的未來(lái)到底會(huì)發(fā)展成什么樣？當(dāng)然，我沒有能力去準(zhǔn)確預(yù)測(cè)未來(lái)，但我猜十年后，這個(gè)世界會(huì)變成一個(gè)「摩擦極小」的世界。

為什么這么說(shuō)？因?yàn)榻裉煳覀冊(cè)诠纠镒鋈魏问?，只要團(tuán)隊(duì)一大，就會(huì)涉及大量的溝通和協(xié)調(diào)。解決問題本身往往不是最耗時(shí)的，真正耗時(shí)的是溝通。而如果把 AI 理解為一種「通用語(yǔ)言」，它會(huì)讓交流變得非常輕松，效率提升后，每件事情的完成方式都會(huì)被改變。效率越高，勞動(dòng)力就會(huì)越廉價(jià)。甚至可以說(shuō)，AI 作為算力，比人更快、更高效，這是很直觀的理解。

但如果再往深里想，人類消耗的大量時(shí)間其實(shí)都耗在交流和協(xié)作上。從純粹生物學(xué)角度來(lái)說(shuō)，一口飯就能刺激無(wú)數(shù)神經(jīng)元，某種意義上可能比英偉達(dá)的顯卡還要高效。所以真正的瓶頸不是「計(jì)算」，而是「溝通」。當(dāng) AI 改變這一點(diǎn)時(shí)，整個(gè)社會(huì)的生產(chǎn)邏輯都會(huì)被重塑。

第二個(gè)思考是，如果把 AI 本身當(dāng)作一種語(yǔ)言，它會(huì)把人類的所有表達(dá)和知識(shí)沉淀下來(lái)，從而讓我們進(jìn)入一個(gè)「智力最集中」的時(shí)代。但在這樣的時(shí)代，智力本身也會(huì)變得廉價(jià)。比如說(shuō)，過去 ACM 的題目，五年、十年前只有全世界頂尖的人才能解出來(lái)；今天可能隨便一個(gè) AI「摸彩票」也能解答。換句話說(shuō)，智力的稀缺性正在快速下降。

所以我對(duì)未來(lái)的判斷是，AI 會(huì)讓人們有更多機(jī)會(huì)去嘗試新的東西。今天的社會(huì)機(jī)制是獎(jiǎng)勵(lì)結(jié)果的：能賺錢、能產(chǎn)出結(jié)果，公司就能存活。但在不遠(yuǎn)的將來(lái)，可能是我們這一代人就能見到的未來(lái)，「時(shí)間和嘗試」本身會(huì)在價(jià)值創(chuàng)造中獲得更高權(quán)重，而不僅僅是結(jié)果。這會(huì)對(duì)社會(huì)的分配方式帶來(lái)很大的影響。

至于具體會(huì)走向哪里，誰(shuí)知道呢？這也是我覺得很玄妙但令人期待的地方。

交流的本質(zhì)是一致的

Q：用 AI agent 來(lái)做服務(wù)，你覺得 Jekka 最大的優(yōu)勢(shì)是什么？

Aaron：我覺得最核心的優(yōu)勢(shì)在于，我們對(duì) AI 有一個(gè)相對(duì)準(zhǔn)確的定義，并且能在這個(gè)定義的基礎(chǔ)上往下推演，最終實(shí)踐出一個(gè)真正符合用戶需求的產(chǎn)品。這件事其實(shí)非常難。

今天只要談到 AI，就繞不開兩個(gè)問題：AI 怎么被控制？Prompt 怎么寫？寫 prompt 和控制 AI 本身就涉及科研。而在這個(gè)過程中，我們也有一些獨(dú)特的 secret sauce，可以讓它把 SOP 執(zhí)行得特別好。這算是我們的獨(dú)門絕學(xué)。就像可口可樂的配方一樣，不會(huì)拿出來(lái)細(xì)講。

我們單說(shuō) prompt engineering，prompt 應(yīng)該由誰(shuí)來(lái)寫？是模型服務(wù)商來(lái)寫，還是企業(yè)自己請(qǐng)人寫？這都說(shuō)不通。比如讓 OpenAI 的研究員來(lái)為某個(gè)電商企業(yè)寫 prompt，這顯然不現(xiàn)實(shí)，他們可能對(duì)工程很了解，但對(duì)具體行業(yè)的理解肯定不足以把問題解決好。

而反過來(lái)看，絕大多數(shù)企業(yè)也沒有人真正接受過專業(yè)訓(xùn)練，能把整個(gè)上下游流程用 prompt 寫得很完美。在這種情況下，要讓 AI 真正落地，就必須建立起一整套完整的流程，并且結(jié)合對(duì)人的專業(yè)化訓(xùn)練。

Q：Jekka 如何和客服領(lǐng)域里的明星公司 Sierra 競(jìng)爭(zhēng)？

Aaron：面對(duì)競(jìng)爭(zhēng)，得先換個(gè)角度看問題。我們不是在談?wù)摽头?SaaS，是服務(wù)這個(gè)世界每一個(gè)客戶的每一個(gè)人，如果我們可以不帶偏見的重新審視 AI 客服。在 AI 背景下，這個(gè)市場(chǎng)的 TAM（潛在市場(chǎng)）太大了，我們都只是其中的一個(gè) player。

此外，世界上總要有人來(lái)寫 prompt。如果是 Sierra 自己寫，那就如我之前所說(shuō)的現(xiàn)狀，Sierra 像一家咨詢公司 Accenture，僅此而已。如果是客戶自己寫，大多數(shù)客戶其實(shí)并不專業(yè)于此。

我們相信還有第三條路。

Q：在 Jekka 觀測(cè)到的案例里，商家用戶的第一訴求通常是什么？

Aaron：其實(shí)很簡(jiǎn)單，商家的訴求就兩件事：第一，把事做掉；第二，賺錢。因?yàn)?business is business。無(wú)論是完成任務(wù)還是創(chuàng)造利潤(rùn)，本質(zhì)上都依賴于一整套完整的流程。大公司流程更嚴(yán)謹(jǐn)，小公司可能更松散，但歸根到底，商家最核心的訴求就是：AI 能不能讓流程穩(wěn)定、完整地跑出來(lái)。

Jekka 韓國(guó)和摩洛哥團(tuán)隊(duì)緊密合作服務(wù)本地客戶

Q：未來(lái) 3-5 年，你預(yù)想的 agent 會(huì)怎樣融入日常流程？比如一打開交互界面，會(huì)是什么樣？

Aaron：我覺得第一個(gè)價(jià)值點(diǎn)就是讓人和人之間的交流更快、更準(zhǔn)、更及時(shí)。我們的產(chǎn)品解決的是「用戶和公司之間溝通不暢」的老問題。這并不新，但為什么最近半年有這么多客戶，甚至 500 強(qiáng)企業(yè)用起來(lái)？就是因?yàn)榻Y(jié)果立刻可見。

比如一個(gè)客戶，使用我們之前咨詢轉(zhuǎn)化率可能是 3-4%，用上之后一天之內(nèi)能提升到 8%、10%，甚至 15%。這不是因?yàn)?AI 多「聰明」，而是因?yàn)椤讣皶r(shí)的交流」本身創(chuàng)造了巨大的價(jià)值。大家網(wǎng)購(gòu)時(shí)可能都有體會(huì)：?jiǎn)栆粋€(gè)商家沒人回，換一個(gè)立刻回復(fù)的商家，你就會(huì)下單。能否及時(shí)回復(fù)決定了結(jié)果。

所以如果說(shuō)未來(lái) 3-5 年 agent 會(huì)帶來(lái)什么，我認(rèn)為第一個(gè)價(jià)值就是解決「即時(shí)性」。只要人和人之間的交流不再因?yàn)闀r(shí)間產(chǎn)生誤解，而是能最快速達(dá)成一致，那后面很多事情都會(huì)被推導(dǎo)出來(lái)。包括我之前提到的，智力會(huì)變得廉價(jià)，勞動(dòng)力會(huì)變得廉價(jià)，社會(huì)的分配邏輯可能會(huì)往另一個(gè)方向發(fā)展。

Q：Jekka 在出海服務(wù)北美的用戶。你沒有關(guān)注到海內(nèi)外用戶有何異同？還是說(shuō)交流的本質(zhì)訴求其實(shí)是一致的？

Aaron：交流的本質(zhì)訴求是一致的，但交流的預(yù)期是不一樣的。拿北美來(lái)舉例，很多人說(shuō)出海客戶更愿意付錢，這確實(shí)是真的。原因在于他們的社會(huì)發(fā)展階段，雇傭一個(gè)服務(wù)人員的成本可能是國(guó)內(nèi)的 2-3 倍，而國(guó)內(nèi)又可能是東南亞的 2-3 倍。所以在人和人的「價(jià)格」層面上，各地確實(shí)是不一樣的。

我們經(jīng)常會(huì)在書里看到類似的討論：同樣是一個(gè)漢堡，為什么北美的比中國(guó)的貴？不是因?yàn)樵匣蚍?wù)本身不同，而是因?yàn)楸泵赖墓べY水平高，讓服務(wù)變得稀缺。舉個(gè)例子，在北美你打電話可能很久才有人接，但在國(guó)內(nèi) 1-2 分鐘內(nèi)就能響應(yīng)?？焖夙憫?yīng)在國(guó)內(nèi)是一個(gè)非常重要的服務(wù)指標(biāo)，但在北美，消費(fèi)者并不會(huì)有這樣的預(yù)期。

不過從另一個(gè)角度看，這也意味著在北美，誰(shuí)能做到更好的服務(wù)，就能形成巨大的競(jìng)爭(zhēng)優(yōu)勢(shì)。我們一家北美物流客戶就是北美第一家能做到真正 24/7 電話接聽、能現(xiàn)場(chǎng)解決問題的公司。其他同行都做不到，所以它形成了代差級(jí)的領(lǐng)先。這就是北美和國(guó)內(nèi)用戶在需求層面的根本不同。

Q：除了 24/7 響應(yīng)，Jekka 有沒有在其他場(chǎng)景實(shí)現(xiàn)了某個(gè)具體需求的提升？

Aaron：我覺得 24/7 響應(yīng)本身就是 AI 在全球范圍內(nèi)最有價(jià)值，但也是最被低估的 use case。它在不同國(guó)家的表現(xiàn)差異非常大。

比如我們有一個(gè)日本客戶，起初我們以為日本客戶的付費(fèi)意愿不會(huì)像北美那么強(qiáng)，畢竟北美的人力更貴。但那位客戶告訴我，在日本，一旦雇傭一個(gè)人，往往意味著長(zhǎng)期甚至終身的責(zé)任。再加上語(yǔ)言環(huán)境的限制，他們只能在日本本地招聘。

但哪怕是找兼職大學(xué)生來(lái)做客服也很難找到合適的人。即使外包到大連、菲律賓這樣的呼叫中心，成本依然很高，一個(gè)兼職客服的月成本可能要到 2–3 萬(wàn)人民幣一個(gè)月，這在國(guó)內(nèi)幾乎難以想象。

所以問題的關(guān)鍵不只是一個(gè)靜態(tài)結(jié)果，而是多重因素的疊加：語(yǔ)言密度、人口結(jié)構(gòu)，以及人均 GDP 等等。這些都決定了 AI 在不同地區(qū)的價(jià)值體現(xiàn)。

Q：現(xiàn)在很多人擔(dān)心 AI 會(huì)取代工作，客服更是經(jīng)常被提到首當(dāng)其沖。你怎么看？

Aaron：我不太喜歡危言聳聽?，F(xiàn)在確實(shí)有些人會(huì)販賣焦慮，說(shuō) AI 一定要學(xué)，不學(xué)就會(huì)被淘汰。

但我自己的看法是，人類目前其實(shí)是 underserved（服務(wù)不足）的。顧客并沒有享受到真正像老板一樣的待遇。在這個(gè)階段，AI 只會(huì)把客服從簡(jiǎn)單的服務(wù)提升到更高級(jí)的服務(wù)，用戶的預(yù)期也會(huì)越來(lái)越高。

比如我剛才提到，中國(guó)有很多 24/7 的公司，北美反而沒有。當(dāng)你把 24/7 做到極致后，用戶下一個(gè)要求可能就是：能不能參與產(chǎn)品設(shè)計(jì)？能不能讓評(píng)論被更好地尊重？能不能獲得更多有價(jià)值、甚至是非標(biāo)、長(zhǎng)期的服務(wù)？

如果客服能從成本中心變成可衡量 UE 和 ROI 的一部分，對(duì)行業(yè)的影響會(huì)非常大。比如剛提到的物流客戶，24 小時(shí)在線，80% 的回訪評(píng)分是五顆星，他們?cè)谕瑯映杀鞠鲁薪恿?5 倍的電話量。如果溝通已經(jīng)這么方便，我們?yōu)槭裁催€需要打開手機(jī) App 下單？

我?guī)秃芏嚯娚坦舅氵^賬：他們把客服當(dāng)成成本中心，招得很少。但客服創(chuàng)造的價(jià)值往往是純利潤(rùn)的 10-20%。理論上，他們?nèi)绻芽头龅阶羁?、最周全，利?rùn)是可以提升的。只是很多公司還沒意識(shí)到這一點(diǎn)。

以上是個(gè)世俗的算法。但更本質(zhì)的原因是：人類值得被服務(wù)。

做一件最能激發(fā)好奇心的事

Q：你覺得 Jekka 內(nèi)部算是一個(gè) AI-first 或者 AI-driven 的團(tuán)隊(duì)嗎？在打造 Jekka 的過程中，這種思維在交流或工作流程上有沒有什么體現(xiàn)？

Aaron：我覺得 AI 創(chuàng)業(yè)對(duì)團(tuán)隊(duì)有兩個(gè)基本要求。第一個(gè)是完全自上而下的輸出是行不通的。AI 本質(zhì)上需要在大量實(shí)踐中不斷摸索模型或 use case 的邊界。它不像傳統(tǒng)軟件開發(fā)，只要招來(lái)一群合格的工程師就能復(fù)現(xiàn)別人實(shí)現(xiàn)過的東西。

AI 不一樣，它經(jīng)常會(huì)在某些點(diǎn)上出現(xiàn)「死角」。你需要它完成一個(gè)簡(jiǎn)單的任務(wù)，比如數(shù)幾個(gè)數(shù)字，但它就是做不到，不管你怎么調(diào)試 GPT-5 也做不到。所以我們?cè)趫F(tuán)隊(duì)里非常鼓勵(lì)大家不斷嘗試，并且把這些嘗試留痕。

所以我們會(huì)搭建大量的基礎(chǔ)設(shè)施（Infra）。這也是 AI 創(chuàng)業(yè)和傳統(tǒng)創(chuàng)業(yè)的很大區(qū)別。AI 是概率學(xué)、統(tǒng)計(jì)學(xué)的產(chǎn)物，它的 debug 方式完全不同于軟件編程。軟件調(diào)試是確定性的：A 輸入一定得到 B 輸出，不行就修改。但 AI 不一樣，你需要在不同時(shí)間點(diǎn)、不同模型、甚至一個(gè) prompt 里換個(gè)詞，都去測(cè)試。我們團(tuán)隊(duì)里大概 90% 的人都在建設(shè)測(cè)試集、測(cè)試流程和測(cè)試工具。

Jekka 辦公室照片墻

Q：在組織架構(gòu)上，會(huì)不會(huì)是工程導(dǎo)向或者運(yùn)營(yíng)導(dǎo)向？

Aaron：AI 本質(zhì)上不是一個(gè)純理科的東西，它很感性，很像文科。我們的理念就是：AI 的邊界是通過 case 和測(cè)試結(jié)果不斷探索出來(lái)的。很多時(shí)候，這些結(jié)果不是工程師或數(shù)據(jù)科學(xué)家提出來(lái)的，而是用戶在使用、或者運(yùn)營(yíng)在調(diào)試時(shí)發(fā)現(xiàn)的。所以關(guān)鍵是如何讓用戶、運(yùn)營(yíng)、技術(shù)、算法在同一個(gè)流程里，把數(shù)據(jù)沉淀下來(lái)并完成測(cè)試，這才是高效開發(fā) AI 應(yīng)用的核心。

Q：你在組建團(tuán)隊(duì)時(shí)，最看重的標(biāo)準(zhǔn)是什么？

Aaron：剛才說(shuō)到對(duì) AI 的標(biāo)準(zhǔn)就是對(duì)人的最低標(biāo)準(zhǔn)：他要有一個(gè) common sense（常識(shí)）。但常識(shí)其實(shí)非常稀缺，反而有點(diǎn)反直覺。

我們也特別重視好奇心。因?yàn)楫?dāng)所有 infra、測(cè)試數(shù)據(jù)和工具都流程化之后，真正決定事情走向的是個(gè)人的好奇心，看把好奇心落實(shí)到日常工作中能帶來(lái)什么結(jié)果。這也印證了我之前說(shuō)的：未來(lái)最寶貴的東西不是智力或勞動(dòng)力，而是你好奇心推動(dòng)的那次嘗試。這在 Jekka 內(nèi)部已經(jīng)開始有一定的體現(xiàn)了。

Q：能不能分享一個(gè)例子，說(shuō)明團(tuán)隊(duì)里這種「好奇心驅(qū)動(dòng)」的探索氛圍？

Aaron：Jekka 在過去兩年主要在做兩件事：一是讓問題能有效收斂，這是我們底層技術(shù)的核心；二是探索如何通過激活不同節(jié)點(diǎn)，讓 AI 具備更強(qiáng)的通識(shí)和聯(lián)想能力。

第二點(diǎn)其實(shí)不可能靠自上而下的方式實(shí)現(xiàn)。有一次，一個(gè)實(shí)習(xí)生（后來(lái)成為正式員工），在實(shí)習(xí)期間獨(dú)立根據(jù)命題，用了一種類似「詞云激發(fā)」的方式，把人類可讀的 prompt 換成了人類不可讀的詞向量，不同的輸入塞進(jìn)我們的測(cè)試平臺(tái)，結(jié)果模型表現(xiàn)比原來(lái)更好。沒人能說(shuō)清楚它為什么有效，但它確實(shí)在產(chǎn)品流程里發(fā)揮了重要作用。這就是典型的好奇心驅(qū)動(dòng)的成果。當(dāng)然這需要很好的 infra。

Q：你創(chuàng)業(yè)十余年經(jīng)歷過很多起伏，你覺得有哪些經(jīng)驗(yàn)是可以分享或復(fù)用的？

Aaron：我覺得創(chuàng)業(yè)十幾年最大的變化是心態(tài)。剛開始時(shí)，會(huì)很容易被周圍各種事情影響，甚至?xí)岩恍┩饨绺约簾o(wú)關(guān)的事情硬套到自己的經(jīng)歷上，覺得之間存在因果關(guān)系。但走到現(xiàn)在，我更傾向于先對(duì)自己要做的事情有更透徹的分析和理解，堅(jiān)持自己對(duì)機(jī)會(huì)的判斷和把握，更在乎自己內(nèi)心真正的想法。

這個(gè)世界本身就是一個(gè)多維、像草臺(tái)班子一樣的地方，到處都是機(jī)會(huì)。喜歡創(chuàng)業(yè)的人，最核心的動(dòng)力就是看到某個(gè)問題「實(shí)在看不下去」時(shí)，就特別想自己去干。社會(huì)有這么多問題，這么多維度，你總能找到一個(gè)切入點(diǎn)。所以最終還是遵從內(nèi)心，在自己最有熱情、最有趣、最能激發(fā)好奇心的過程中去做事。

Q：你的 superpower 是什么？

Aaron：我一直不太確定自己算文科生還是理科生。高中學(xué)奧賽，拿過全國(guó)一等獎(jiǎng)；高三又去學(xué)文科；出國(guó)讀書時(shí)先學(xué)文科，學(xué)完后快畢業(yè)時(shí)又去學(xué)理科；后來(lái)還讀了 Quant 的 PhD。整個(gè)過程就是在文科和理科之間不斷跳，所以我自己形成了一種很強(qiáng)的代入能力，以及在代入后自洽的能力。我覺得這是一個(gè)挺有趣、在周圍人里也相對(duì)獨(dú)特的能力。

Q：聽下來(lái)，你既有很多深層的追問，也能落到執(zhí)行上。你的經(jīng)歷里有沒有一些關(guān)鍵瞬間影響了這種思考方式或標(biāo)準(zhǔn)？

Aaron：有的，比如做 AI 時(shí)一定會(huì)碰到「文生圖」「文生文」這些問題。什么是美？這個(gè)問題本身特別主觀。但因?yàn)槲矣欣砜票尘埃蜁?huì)忍不住嘗試去定義「美」到底是什么。比如本科時(shí)學(xué)過藝術(shù)史，我會(huì)想：衣服褶皺和人體比例協(xié)調(diào)時(shí)算不算美？夸張之后算不算美？AI 生成的東西是落在上一個(gè)類別、下一個(gè)類別，還是完全達(dá)不到「美」？這個(gè)過程就會(huì)逼著我去解構(gòu) AI 的能力和表達(dá)方式。解構(gòu)的過程既不是純理科的，也不是純文科的。

Q：如果對(duì)其他創(chuàng)業(yè)者說(shuō)一句話，你會(huì)說(shuō)什么？

Aaron：如果世界上有一件值得做的事，我覺得 AI 是現(xiàn)在最值得探索的。創(chuàng)業(yè)跟環(huán)境沒關(guān)系，再難的環(huán)境也有人創(chuàng)業(yè)。它是一種內(nèi)心的驅(qū)使，一種沖動(dòng)。如果你有這種沖動(dòng)，那就去做。一個(gè)人活在這世上，會(huì)有一個(gè)瞬間要把使命感和沖動(dòng)結(jié)合在一起。無(wú)論成敗，這件事都超越了個(gè)人存在于世界的意義。

Q：如果 Jekka 能在關(guān)鍵詞搜索里排第一，你希望它和哪個(gè)詞一起出現(xiàn)？為什么？

Aaron：我希望它和「human」綁在一起。功能和生產(chǎn)力層面，Jekka 肯定會(huì)做到世界第一，這是我們的核心使命。但我更希望它有人性，能和人類的生存結(jié)合在一起，而不是被孤立成一個(gè)物體或工具。它應(yīng)該是一種溝通的橋梁，連接人與人、人與物，真正對(duì)人類文明有幫助。我希望最終 Jekka 能達(dá)到這樣。

本期音頻內(nèi)容同步上線真格基金播客「此話當(dāng)真」，歡迎收聽～

文｜Cindy
播客｜Neya & Ruitong