123: 当只有AI，人会活成怎样？与五源孟醒和两位挑战者还原72小时AI生存

今天的节目关于一场前不久刚发生的真实 AI 实验：由五源资本发起的“72 小时 AI 生存挑战”。几个月前我得知五源在筹备这个挑战时，觉得新奇又奢侈：这个时间为什么不多看点项目啊？

我们唯一没有提的要求，或者说重心关注的，就是通过这件事能不能筛选出好的项目。我们希望做一点大家不干的事。

此次活动的发起人、五源资本合伙人孟醒说，他们想跳出信息茧房，验证一个问题：背景各异的更广泛人群，到底能用 AI 做到什么？

挑战有两个环节。第一是生存：在没有智能手机、电脑也不具备浏览器等工具的情况下，靠大模型、AI coding 等工具，选手们能否取得食物等生存物资？第二是创造：每组挑战者都会设定一个 AI 目标任务，比如应用开发、内容创作，甚至尝试用 AI 赚到钱。

最终有 7 人参加挑战，其中 2 位这次做客了《晚点聊》。他们是完全不会编程的青年导演利建磊，以及从文科生转码的 AI 产品开发者陈郅悦。

到那个时候，我已经快超过 24 小时没有进食了。

你那个时候对 AI 是一个什么心情？

就是好讨厌。我看到那一串代码，英文我都认识，但是怎么那一串东西放在一起，那么令人讨厌和抓狂。我的第一个主题出现了，我想要去对抗算法。

利建磊在生存挑战中得到了灵感，创作了短片《7:41》。陈郅悦则用 AI coding agent 开发了数个产品，而且已经获得了收入。

你之前做的那个建筑 App，在欧洲是有一些付费用户的吗？付费的量级在多少？

大概每月在 1000 欧元以上吧。

虽然陈郅悦已经开发了好几个产品，但他脱离 AI coding，完全没有办法完成任何一堂计算机课程的教学作业。

这次挑战中，他做了一个让大模型给真人主播反馈的 AI 虚拟直播产品，让没有粉丝的素人也可以在友好、安全的氛围里，以直播的方式去倾诉。

72 小时的挑战实际测量了 AI 在数字世界里的环境阻力。

Agent 作为一个人的替代，其实在它的生存世界里面是没有尊严的。本质上，Agent 需要跪在验证码之前，假装自己是个人。

这次挑战也再次展现了人的社会性：人还是那么需要人。你们问了每个人一个问题：“你还需要我们额外提供什么？有什么需要我们帮助的吗？”说到频率最高的，就是“我们希望有机会跟其他参赛人交流”。

虽然大家本质上是一个对自己、对 AI 的挑战，但实际上，连接这件事如此重要。72 小时里，发起者五源和两位参与者亲手摸到了 AI 的什么新面相？我们正式进入本期节目。

今天我们会聊五源发起的“72 小时 AI 生存挑战”。这一次来做客的嘉宾包括活动发起方五源的合伙人孟醒，还有两位参与挑战的挑战者：一位是正在北大学习电影导演的利建磊，利导，还有一位是文科生转码、现在在做 AI 创业的产品经理陈郅悦。

几位可以先和我们的听友简单打个招呼。

大家好，我是孟醒，很高兴来到《晚点》。

大家好，我是利建磊。

大家好，我是郅悦。

1. 五源为何发起挑战

从这个挑战的最开始讲吧。孟醒可以好好讲讲，为什么会有这样一个策划？

因为最开始你们在筹备期间，我就知道这个事情嘛。其实我的第一反应就是：有这个时间，为什么不多看点项目啊？

最开始是在今年 2 月、年后的时候。那会儿有一个比较魔幻的过程，同时发生了几件事。

第一，类似 Cursor、Bolt、Windsurf 等这些 AI coding 公司都得到了很好的 traction，收入开始涨起来，用户量也在急增。尤其是 Cursor，其实还是一个划时代的产品，讨论度也很大。

同时，有一批耸人听闻的媒体报道了很多关于“一个人可以在几个月之内做出几百万美元 ARR 的公司”的故事，并且顺势推演说，以后所有公司的形态都应该是 1 到 10 个人，做出超级大独角兽。

但另一方面，真正的使用者——无论是当时行业内比较资深的产品或开发者，还是我们自己——在试用的过程中都感觉，它其实还达不到我们想要的效果。在那个时间点，纯粹前端的产品，比如 Bolt，包括只做游戏的 Rosebud，做前端的产品都感觉差一口气，即便是满足非常简单的用户自我创造和设计。

当时不知道大家还有没有印象，也就 4 个多月前，那会儿大家对 Cursor 的定位还是：对于专业程序员来说，两三天之内做 Vibe Coding、出一个 Demo 的工具，而不是拿它去做真正大规模产品上线部署的工具。今天当然已经不是这个观点了，现在完全可以把它当作企业级开发的一个很强的动力。

第二点是，我当时正好在美国待了一段时间，跟 Augment Code、Windsurf，以及几家 coding 公司的同学都聊过。我觉得大家对于这件事往后的演进也非常不同。

有的人觉得，这东西就是要 plug in 到企业体系里面，大规模推动企业的 coding 服务；有些人觉得，这东西包括 Replit，可能就是给你玩的，从小的玩具变成大的玩具，一步一步往上走。

大的玩具是指什么？

比如说，如果你开始能做一个 H5 小游戏，到后来自己能做一个《GTA》出来。《GTA》只是一个极端例子，我是说做一个很复杂、真正的作品。不是一个 Demo，而是给自己和普通人玩的东西。

或者反过来讲，就像你在抖音拍视频一样，随手拍身边的事，和你做出一个真正有幽默、有反转、有剧情，而且可能具备上百万传播量的小片段，这两者之间还是有差别的。

所以当时处于一个非常 mix 的状态，大家也回答不了这个问题。即便是行业里的前从业者，也回答不了。

第一个问题是，今天我们处于什么样的状况？到底能不能帮我们完成哪些任务？第二个问题是，未来它能帮我们完成哪些任务？其实这两个问题都比较模糊。

我们作为投资人也在想：今天这东西到底是一个做代码辅助的工具，还是说每个人真的都有可能会 coding，甚至于不会代码的人，也能够用这样的工具做出非常有影响力的产品、作品，或者其他形式的存在？

所以在 2 月份讨论这个问题的时候，我们想先自己去尝试。然后我发现，我们创始人和我自己尝试出来的东西，好像又有一些区别。

我们天天生活在一个 bubble 里面，因为见到的都是这个行业里最懂这件事、最前沿的创始人。普通人可能不是这么理解这件事的。我觉得这个事情值得了解，所以我们就先想，怎么能够去推动一个实验，让我们 actually 理解它对更多人的影响力是什么样的，以及它对大家生活的改变是一个什么样的过程。

2. 互联网生存变成 AI 生存

顺着这个往后想，很容易就联想到 1999 年的“72 小时挑战”。

你那时候 14 岁，这件事对你的影响肯定很深。

很深。其实对我来说，我 3 岁多的时候就开始玩电脑。当时比较奇特，我 3 岁半在美国上幼儿园，正好学校有一台 Macintosh 电脑。那时候有个小游戏，幼儿园里会让我们做一些东西。

这个事情你还记得？

记得，记得。我父母不知道，因为他们不知道我在学校里干什么，但我还有印象，当时玩的那个界面我都记得。

所以我对这种事情比较敏感，会关注每个阶段技术的进阶。1999 年搞这个生存挑战的时候，我 14 岁。那会儿我 1995 年开始在国内上网，上瀛海威、聊天室，印象比较深刻。到 1999 年的时候，已经算是比较熟练地上网了。

但其实那时候我很少用过电商网站，一方面也没钱，另一方面也不能消费，还是买上网卡的年代。

所以 1999 年有人做这个 72 小时生存挑战，对我来说是一个记忆非常深刻的事情。当时我印象里，就是把人关在一个屋里面，核心是挑战能不能活下来。那会儿电商还不发达，也没有现在这种下单体系、支付体系，可能都没有。

那时候淘宝都还没成立。

对，淘宝是 2003 年。那还是 8848 之类的网站刚刚出现的年代，可能还有一些今天早就不存在的电商网站。易趣好像是 1999 年成立的，当时也刚刚出现。

点外卖、送快递，这些在当时都是匪夷所思的事情。所以在那个语境下，把人放在一个环境里，只靠互联网、不能出门，能不能生存下来，本身就是一个很重要的挑战。

那时候挑战的是互联网基础设施很差，而人能用的工具其实很多。现在则是互联网基础设施已经起来了，但电脑背后的那个主体——人——可能要重新切换了。

比如，从人来做所有事情，变成 AI 来做所有事情，或者人驱动 AI 做所有事情。这是我们想的第二层：怎么设计这样的一个挑战。

3. 五源设计极限环境

既然有了这样的形式，其实我们挑战的事情可能不只是生存。当年大家挑战的是肉体的存活。如果 AI 过了 26 年之后，还只能解决你肉体存活的问题，那可能它进步也不大。

也许我们能获得一种对思想、精神层面的助力，或者一种能点燃灵魂的能力。我觉得那可能是更重要的事情。

所以我们就想，到底测什么？可能有三件事。

第一件事，你能不能活下来，只靠 AI 能不能活下来。第二件事，你靠 AI 能不能活得很好，本质上是你能不能用 AI 赚到更多资源，比我们一开始给你的资源更多，然后用这些资源买吃的、买喝的。

第三件事，你有没有一些除了生存和活得好以外的自我实现目标，并且能在这段时间里完成它。

这大概就是一个马斯洛需求层次的阶梯，不同的层次，所以我们设置了这样一个环节。

但这个形态其实很难实现。说实话，我觉得“生存”是最简单的目标，但生存到底怎么生存？我们觉得应该把人放在一个极限环境下。

刚才的设置下，你们又进一步想，怎么把人充分地进行这样的挑战和测试？

我觉得应该把资源压到最低，把能带给他的东西减到最少。所以我们基本上什么都不给，除了 AI 工具以外什么都不给。

吃的也没给。

吃的没给，我们给了一瓶水。

之前执行团队本来连水都不想给大家。

对，但我觉得起码要给大家一个活下来的希望，给大家一个可以提前拿一点东西的契机，可能可以选一件东西。

你们有零食、有书。

对，反正有的人比较酷，就选了书。

我知道利导选了《我的第一本编程书》。你完全不会编程，结果活得最惨，最晚拿到物资。

艺术家的选择跟大家就是不一样。但我觉得挺有意思，居然在这么资源紧缩的情况下，大家还是有人预先选择精神享受的。

可是《我的第一本编程书》不是精神享受，这是为了学习编程。

你觉得他真的能在 72 小时里面看书把编程学会，并且能活下来？

但你当时确实有这个想法，想通过看这本书学一学。

对。而且这本书的封面写得特别好，说什么“适合小白”“非常容易懂”之类的。我就觉得，应该可以。

结果翻开第二页就已经看不懂了。

你实际看了多久那本书？

半个小时，差不多。

我发现自己阅读习惯还是比较不错的，但是阅读速度急剧下降。平时看一页可能很快，但看这本书，一页感觉要花 5 分钟。

我觉得确实，因为你看了半个小时就能理解，通过看书现学编程肯定无法 work，这条路肯定没戏了。

对。早知道还不如选一本《飞鸟集》，至少精神上可以填饱一下。结果那本书确实没有什么用，后来给我用来打蚊子了。

所以我们大概就是这样的设置：把物资压缩到极致，但把 AI 的选项提供得足够丰富。

我记得当时面试参加活动的人时，后来参加活动的另外两位大学生给我留下了很深的印象。有一段对话是，我问他们：“你们为什么参加？”

他们说：“我们参加过很多黑客松。黑客松都是尽量把吃的、喝的、睡的条件提供得很好，让大家专心做事情。你们正好反着来，什么都不给大家提供，太酷了，我们想试一下。”

我没想到不给大家提供东西，反而成了一个很酷的空间。

我们的出发点确实是希望大家在极限情况下去挑战，所以只给大家提供了 100 块钱。1999 年那次活动，给大家提供的是 1000 多块钱现金，再加上 1500 块钱的虚拟代币，可以在某些网站上兑换成一些东西，大概是两三千块钱的量级。

而且 1999 年的两三千块钱很多。

对。所以我们就是想在这么一个极限的情况下，试试看能产生什么有意思的事情。大概就是这么一个出发点。

你说这个事情是不是一定有必要做？

我觉得这个世界上没有任何一件事情是一定有必要的。创业的人为什么一定有必要创业？我觉得，都是某种形式的、对这个世界的提问，然后你要回答这个问题，选择某种执行方式来回答它。

比如大家可能会觉得，马斯克想知道人有没有可能上火星，能不能做出低成本的火箭回收方式。他想试一试，就去做了一家公司。

对我们来讲也是这样。我觉得投资行业每天都在做非常多足够功利、足够变现的事情，但我们其实也更重要地在问一些问题。

在 AI 的语境下，更重要的不是执行。AI 足够发达之后，人最重要的作用其实是提出正确的问题，而不是回答问题。提出正确的问题之后，AI 可以回答所有问题。

反过来讲，我们今天在研究 AI 的过程中，提出的问题是什么？其实就是：它对普通人的影响会到什么程度？我们不知道，所以希望有这样一个过程。

而且你们希望跳出自己的信息茧房。

对。我希望跳出我们的信息茧房。如果这件事设计得足够好，我觉得它不光能回答我们的问题，也可能回答很多其他人的问题。

活动结束以后我看了很多评论。有些人觉得这件事特别厉害，因为他们完全不理解 AI 能实现什么；有些人觉得我们做的事情特别无聊，觉得这不就是 72 小时尝试用一些 AI 编辑工具打开浏览器吗？打开浏览器以后就能做所有事情，为什么需要 72 小时？一小时，甚至几十分钟就可以实现。

正因为有这样的分歧，我觉得这件事本身就有意义。

因为你们这次的挑战，7 个人里面既有参加过很多次黑客马拉松的人，也有像利导这样完全不会编程的人，还有已经做过不少开发的人。

但我看这个过程的描述，感觉它比大家想象中更难。

我们虽然设了三层挑战：你能活下来、你能挣钱、你能自我实现，但其实自我实现反而是相对比较好理解、比较好设置的，因为你的目标可以是动态的，可以做难一点，也可以做简单一点。

而且每天大家主要用 AI 做的，其实就是自我实现这件事，不一定是用来生存和赚钱。所以到底能不能生存下来，我们自己也没数。

我们从 3 月开始准备，活动是 5 月举行的。这两个月里，我们花最多时间做的事情，就是从 IT 层面测试这件事到底能不能行。

我们在同样的环境里面，先用一个简单的环境，看看能不能完成下单，能不能闭环。最开始我们是完全没有手机的，但后来发现，如果连验证码都收不到，就已经不符合今天社会基础设施的现实了。

可是我们又不想给智能手机，因为大家可能会用智能手机 bypass 很多事情。所以最后妥协，用了一个老人机，其实是功能机。它只能接收验证码，不能干其他事情。

那支付宝怎么办？没有支付宝怎么下单？

在这个过程中，我们也测试了一些路线。

有一种基础方式，是你确实可以用 AI 工具挑战：自己写一个浏览器，然后用 Browser Use 之类的工具搭一个小 Agent，让它借助 Browser Use 去点击这些网站，完成下单任务。当然这是一个很复杂的过程。

你也可以直接打开一个编程工具，让它把浏览器打开，借助半人工的方式下单。但前提是得有能够下单的地方。

这个一会儿可以让实际参与的人讲讲。

所以我们大概通过这样的方式做了一个保底策略，发现这件事可以跑通，那就靠大家发挥。我们自己证明可以跑通之后，才有信心把它推上去。

所以其实规则机制的设置花了很长时间。

最后换算一下，你们把生存问题变成了：在没有智能移动终端、没有浏览器这种最方便的上网工具的情况下，怎么用 AI 工具接入互联网、使用互联网服务。

对。我们本质上的出发点是：拿走今天所有别人编好的工具，你自己从零开始，用 AI 工具写出所有东西，看看能不能活得和使用别人写好的工具一样好。

但别人写的工具可能是一个万人公司写出来的，而你写的东西可能是一个人在几个小时之内写出来的。这其实就是在回应我们最开始的那个叙事：个人百万。

关于最开始和五源创始合伙人刘琴提这个想法的时候，他是什么反应？

五源其实一直很喜欢探索、询问一些不太好回答的问题，问自己，问社会，问世界。

两年前，疫情期间，五源搞过一次生存挑战活动。那次是把被投公司的创始人拉到一个荒岛上，大概也是持续了一段时间。那时候我还没加入五源，但我看过那个视频。

那次是 Fisher 带队？

对。那是纯粹的物理、生物生存挑战，类似荒岛求生。

我记得里面很多人平时也不太锻炼，也不太善于生存，但还是要挑战自己，看能不能在资源紧缺的环境下活下来。

所以我们一直有做这种生存挑战、在极限环境下看大家创造力和生存能力的传统。

但我觉得在今天这个语境下，AI 是最大的变量。今天要回答的问题，是能不能通过 AI 这个桥梁，打通虚拟世界和物理世界，探索新的生存可能性。

其实我们挺熟悉这种问题的问法，只是需要在一个更好的语境下提出。所以刘芹还是挺兴奋的，也给了很多支持和建议：能不能做得更有意思，能不能跟大家合作，不要只是我们自娱自乐，能不能有更大的社会意义。

我们唯一没有提的要求，或者说没有重点关注的，就是能不能通过这件事筛选出好的项目，活动里有没有更好的创始人能够加入。

我觉得我们没有花一点精力去考虑这件事，反而很合理。因为我们面对的是更广阔的人群，而不是小众人群。我们应该做一些有增量的事情，而不是在这里看项目。

我们平常也在看项目，也花了足够多的时间做这件事。我们希望做一点大家不干的事。它完全是一个跟 source 项目没关系的活动。

也就是说，你们想验证 2 月份看到的那个疑问：普通人，或者一两个人这样的小团队，能不能用现在的 AI 工具做出一些很厉害的东西。

4. 挑战者带着不同问题入场

利导和郅悦，你们可以从自己的角度讲讲，为什么想参加这个活动？或者说，你们想验证什么问题？

首先，我想知道孟醒刚才讲的这一整套“为什么要做这件事情”的起因。你们之前交流过吗？

没有交流过。

那我先说。刚才孟醒老师讲的这些，我之前完全没有 get 到过。1999 年的生存挑战，我也完全没有印象。我是 2000 年出生的，根本不知道这个活动。

对于“迎接一个新技术、探索这个技术的边界”这些事情，我没有一个非常概念性的认知。我不知道大家在面对一个新技术的时候，会有这么多疑问。

我可能自然而然地就接受了 AI 时代，想着我们怎么进行改变、怎么和技术融合之类的事情。

我看到活动规则，也和工作人员交流了很多轮，但其实完全没有理解到底要干什么。那天到了民宿，我跟明聊，他是其中一个选手。我问他有没有提前做准备，他说自己在家试了一下。我说我连试都没试，因为我根本不知道这个背景是什么，也不知道在家要以什么样的条件去试。

但你想参加是为什么？

我想知道这个到底是来干什么，以及其他人能交出什么答卷。我就是来理解这件事到底是什么的。

来了之后，给我的答案远超想象。我没想到大家在做这件事之前想了这么多，也没想到要提出这么多问题。

你说的“大家”，是指孟醒他们这些五源的人，还是指其他选手？

都有。我逐渐理解这个过程是在干什么，但一直到今天，我还在理解这个活动到底在干什么。

这个过程会不断有人给我新的信息。比如我们真正拿到那台电脑、坐在房间里，开始理解原来哪些东西被 block 了，哪些东西是提供给你的。过程中遇到挑战，也要不断跟工作人员确认规则，哪些能做、哪些不能做。

直到 after party 的时候，王强老师在台上说，这个活动跟 1999 年的互联网生存挑战有异曲同工之妙。我才第一次听说 1999 年的那个活动，原来是这样。

第二天，我和利导以及另外一个雨辰一起吃饭，雨辰说，他理解这个活动是为了看看 AI 能干什么。这句话也给了我一些提示。

后来又看了活动发布的文章，到今天，我一直在慢慢理解这个过程到底在做什么。

对我来说，这是一件很自然的事情。我在工作中会很自然地用 AI 处理任何我觉得 AI 能帮我做的事情，不管是工作、生活、写代码、做产品、写论文，总之所有事情我都在尝试用 AI。

之前我从来没有系统地问过：AI 对那些不以 AI 工作的人，到底会有什么影响和改变？

你说“没有疑问”，是没有想过这个问题，还是觉得它肯定会对他们的未来产生改变？

是没有系统性地问过这个问题。

我在生活中感知到的，是所谓离 AI 更远一些的人群。比如我妈妈，她现在会用豆包的耳机跟它交流，每天早上说：“豆包，帮我查一下今天的股市，推荐几只股票。”

我是从这样的蛛丝马迹中获得感知，但没有认真问过：大家使用 AI，到底会改变什么。

你最后做的项目，是用 AI 给反馈的直播应用。它有点像一个树洞，让人可以讲自己想讲的事情。

你最开始就想好了吗？

最开始只有一个非常大致的想法。因为我们一开始觉得这个活动有点偏直播性质，虽然不是视频直播，而是图片直播：把你放在一个类似只有你自己的空间里，然后去看你的反馈。

它和我一直想做虚拟直播这件事有一点契合。

所以是看到这个活动之后，启发了你做虚拟直播的想法？

对。我之前一直有这个想法，但一直没做，代码也没写，产品到底要怎么做，也没有细致规划。

我就随手把这个想法写在了报名表里。后来工作人员来跟我聊天，说对这个想法很感兴趣，希望我仔细说说。那时候我才开始认真想，这个产品到底要做成什么样、应该是什么形式，以及在这个活动中应该呈现什么。

这个活动成为一个 trigger，让你更具体、更细致地去做这件事。

利导也可以讲讲，你为什么想参加？你完全没有 coding 和开发基础，会觉得很难吗？

我来了之后才知道，原来我是代表小白的。

除了我以外，其他人多少都有一点经验。还有一个叫十一的选手，他也是某大厂的产品经理。应该是我们两个唯二的小白代表。

最开始我也不知道 1999 年那件事。我看到这个活动时，心里只有两个想法。

第一，标题叫“72 小时 AI 生存挑战”，我甚至都没有认真看游戏规则，跟郅悦一样，也不知道要干什么。

但我抓住了两个关键词：一个是 72 小时的时间限定，另一个是物理空间的限定，因为我们要在一个封闭的屋子里待 72 小时。

孟醒他们跟我聊天、面试时问我：“你想来干什么？”我的第一反应是：“我来休息一下。”

我平时工作和学习都比较忙，很久没有连续超过 72 小时与自己独处了。所以我最开始的想法，是借这个机会强制自己按下暂停键。

第二个想法是，我作为传统电影从业者，本科从中戏毕业之后，就遇上了影视行业寒冬，加上各方面的不利因素。但很意外的是，去年我做了一个 AI 作品，入围了金鸡奖，又感觉被 AI 拽回了这个行业。

所以那时我的另一个想法是：我来向 AI 朝圣。AI 对我来说是一个工具，它把我重新拉回了自己的行业。

但 AI 一直只是我的工具。我不会编程，也没有研究过 Cursor、Trae 这些工具。他们当时问我怎么点外卖，我其实没有多想，就觉得这不可能。

对我来说，抓住的关键词是“72 小时 AI 生存”，没有抓住“挑战”这件事。

直到节目开始之前，五源给我们发了一份告知书，说：“来真的，怕你们饿死，但我们不负责。”我才想，看来要动真刀真枪了。

但我还是没有想明白要怎么做。想不明白就算了，带着未知过来好了。

我之所以想用这 72 小时强制自己按下暂停键，是因为我一直在使用 AI 工具，也确实吃到了第一杯羹。我用 AI 接过一些广告的单子，也用 AI 去做影像培训。

但我从来没有想过，在封闭的情况下，怎么用 AI 生存。我一直是在已知命题上做 AI 探索，而这次是在未知条件下探索。

他们当时问我想做什么，我只知道要做一个片子出来，但内容和主题完全没有想。

你是在这 72 小时中慢慢形成这个片子要表达什么的想法？

对。我按照规则设置，把所有可以为我所用的工具全部剥夺掉，实际上就属于一个带着镣铐跳舞的过程。

我很确定自己不要已知，就要未知。

5. 选手在无浏览器环境求生

所以他们进房间之后，前几个小时都在奋力写代码，而我在睡觉。因为我不知道 11 点之前要下单，醒来的时候已经 10 点半了。

第一天晚上，他们告诉我 11 点之前要下单物资，不然第二天到不了。只剩半个小时了。我觉得看书也来不及，写代码也来不及，那就这样吧。

孟老师刚才说的那瓶水，是他们严格商定之后给我的。那瓶水支撑了我超过 24 小时。

后来我确实向组委会求助了。录制前，他们给了我一个盲盒，下面写着我可以向组委会求助一次，但仅此一次技术求助。

我实际已经试过用 Cursor 点外卖，但卡在环境变量和安装环境这一步。我完全看不懂那些词，因为我从来没有写过代码。

第一个 24 小时度过之后，那个聊天板可以开始相互交流了吗？聊天板是什么时候启动的？

我用了 DeepSeek。好像一开始有个链接，网络打不开，但我用 DeepSeek 跳转了一下，就打开了。

它是帮你生成了一些代码，还是给了你一些代码？

有一些代码，但我也看不懂。我只看到一个链接，就随手点进去。

你这个确实是未知，完全是 AI 漂流、奇幻之旅。

我真的是鲁滨逊，AI 鲁滨逊。

后来你进入了那个聊天板，能看到别人分享的、如何用有限 AI 工具点外卖的方法吗？

我看到了，但还是看不懂。

他们分享了一些代码，有小伙伴在留言板上分享了已经写出来的代码。但我在上面问：“为什么提示我的环境变量是什么？”我完全搞不懂。

程郅悦

因为 Cursor 的环境变量、安装依赖这些东西，组委会都剥夺掉了，大家需要从零开始。

我写完那个可以下单外卖的脚本，就上传到 Notion 留言板上了。利导在下面问：“我把这个脚本下载下来，但提示找不到 Python。”

我说：“你问它在哪里。要么是版本下错了，要么是其他问题。”但他还是说搞不定。

我原来以为，别人分享之后我复制粘贴就可以了，但其实没有这么简单。代码放在那里，还需要一个部署流程，而这个流程你搞不定。

所以我问了一个可能很愚蠢的问题：“这段代码应该怎么复制粘贴？应该粘贴在什么对话框？”

你有没有试图直接问大模型，比如 DeepSeek？

有。我把那串代码直接复制给 DeepSeek。DeepSeek 说，这看起来是一串什么什么代码。我发现它好像也有点为难，后来给我弄了一堆东西。

但那确实给我打开了一个口子。我按照 DeepSeek 提供的流程，一步一步做。它让我把内容放到终端里，我就复制到电脑终端。每一步我只会按 Enter，然后出现 error，我再把错误复制给 DeepSeek。

就这样一步一步嵌套下去。到那个时候，我已经快超过 24 小时没有进食了。

你那个时候对 AI、对这个新技术是什么心情？

就是好讨厌。我看到那一串代码，英文我都认识，但是怎么那一串东西放在一起，那么令人讨厌和抓狂。

所以我的第一个主题出现了：我想要对抗算法，想把算法批判一下。那是我做片子的第一个母题。

就是你和它缠斗了 24 小时，又没有什么结果之后，产生的一个很自然的灵感和情绪。

对。我当时想好了一点：大概会给自己留 24 小时做这条片子。所以前 48 小时，我尽可能沉浸在组委会设置的环境里，去体验、放空、冥想、经历和遭受饥饿，去谩骂、抓狂。

最后我会锁定几个主题，让它们组成故事，再交给 DeepSeek 帮我生成一个故事。最初的设定就是这样，所以第一个主题在那个时候出现了。

三位都可以说一下，在这 72 小时里，最有感触的是什么时刻？

我印象最深的，当然是吃到第一口粮食的时候。我吃的是泡面和一块鸡胸肉。

当时我向组委会求助，他们帮我把环境变量配置好，我就顺利点到外卖了。

这件事其实和 AI、技术本身没有关系。那时我已经饿了很久，做不了任何事情。吃到那一口食物时，我特别感动，甚至在镜头里说：“从来没有觉得泡面这么好吃。”

还有一些印象深刻的时刻，是后来大家在留言板里互相帮助。我们甚至想过要不要破一些规则，比如把被子或毛巾卷起来，把食物扔过去。

但后来我们在留言板里讨论，也通过对讲机和组委会确认，知道这样违反规则，所以没有使用。

虽然很多想法没有被实现和验证，但在讨论过程中，我感受到 7 个小伙伴之间的爱在流动。我们各自在自己的空间里，却感受到了这种连接。

我的第二个主题也出现了：关于爱的主题。我切身感受到，人类的情感在那个时候非常珍贵。虽然那些帮助没有真正实现，但那个讨论过程让我觉得心里很暖。

我印象比较深刻的有三个时刻。

第一个是最开始我们要自己写网页、下单。那其实不是外卖，是次日达的快递，因为那是当时最短时间内最好实现的方式。

我来之前没有做任何功课，不知道它能做到哪一步，甚至觉得支付很难实现。后来我们一直写，写到支付那一步，发现可以通过绑定之前账号的银行卡，只输入手机验证码就付款。

那一刻我真的很激动，还对着镜头说了很多话。

你花了多长时间到这一步？

我们前一天是下午 6 点开始。那天晚上写了一夜都没成功，因为之前的方案不太行。

第二天早上我还没睡，到大概早上 5 点，终于付款成功，系统显示马上能送到。那一刻很激动。

一方面，我之前完全没有想象过这件事能走到哪一步，没想到真的做成了。另一方面，之后的生活也有保障了。

你买的是什么？

我买了一箱矿泉水、一箱吐司、一箱鸡胸肉，还有几个卤蛋。

一开始我设想得很好，还想摄入一些维生素，买沙拉之类的，但后来发现可选空间不是很多，最后能下单成功就不错了。

第二个时刻是，前一天解决的是快递。挑战第二天下午，我们才把外卖解锁成功。外卖送来的食物和快递不一样。

最开始有小伙伴点了奶茶，给大家每人点了一杯。后来他又发了一些教程，我按照教程点成功了，给每个人点了一根烤肠。

吃到那根烤肠时我也很激动。那一口是非常温热的，是有人间、有世界温度的食物。那一刻好像不是在地狱里，感觉自己还活在这个世界上。

这几天一直是完全封闭的状态，没有人跟我说话，其实我有点受不了。刚开始 6 点关门时，房间里还有工作人员帮忙调试设备，还能跟他们聊天。6 点一到，所有人都出去了，门一关，就进入一个只有自己的空间。

我很希望大家能在留言板上多聊天，一直问：“有没有人在？有人聊天吗？”

大家陆陆续续开始在留言板上交流，有些人比较外向，有些人比较慢热，慢慢聊了起来。吃到那根烤肠的时候，我有一种重新活过来的感觉。

这确实是比较少见的经历。我之前看过一本书，名字有点记不清了，可能叫《天才在左，疯子在右》。

里面有一个故事：有个人每年会有 3 天不吃饭，只喝水。3 天结束之后，他会吃一个苹果，特别充分地感受苹果的每一丝甘甜，包括它的质感、口感和气味。

你刚才讲烤肠的故事，让我想到这个小故事。

对。那根烤肠是热的，表皮是脆的，里面是软的，外面的调料撒得非常均匀、丰富。

我也想起来了，那是我第一次点夸父炸串的外卖。点完以后我对他们家好感特别高，因为送来、等工作人员分到每个人房间时，其实已经冷了，但吃到嘴里还是热的。

那一刻，对世界的感激又增加了很多。

第三个时刻可能是最后被放出来的时候。

最后 10 分钟，我们要开始记录倒计时。要自己拍 Vlog，记录最后 10 分钟，也要记录时间的流逝和当时的感受，还要赶紧把房间收拾一下。还会有艾永的老师来采访。

那时非常亢奋，不知道自己在干什么，处于一种很飘忽的状态。我记得整个过程一直拿着相机对着自己，但感觉自己一直在傻笑，也不知道在干什么。

冲下楼时，我看到孟老师坐在那里，楼下站了很多人，就有一种重新回到这个世界的感觉。我很开心地跟每个人打招呼，看到工作人员也想打招呼。

那一刻特别想跟人交流、跟人说话，特别想融入人群。看到每个人都很激动，甚至想上去拥抱一下。

所以人需要和真人在一起。

是的。

从你做的产品里也能看出来，你很需要跟人聊天，哪怕只是一个虚拟的引擎。

你们觉得 72 小时过了多久？体感是多长时间？

在解决饥饿和生存问题之前，时间过得特别慢，感觉度秒如年，时间完全停止了。我感觉自己已经活在另外一个次元里。

我们当时从屏幕上观察大家，原本还在期待每个人进来之后前两个小时会做什么。结果利导基本上 7 点就睡觉了。

我说，真的是艺术家，果然不一样。

甚至我们开始通过对讲机跟他沟通，想让他打开摄像头的时候，他已经不见了。

我可以补充一下为什么我一上来就睡觉。

其实不是因为身体劳累，而是想给自己一个缓冲带，从一个绝对真实的世界跳到一个相对没那么真实的世界。

我一直有一个想法：当我距离自己的职业，也就是影像，越来越远的时候，反而距离自己、距离人类的情感越来越近。

当时我从一个很嘈杂、喧嚣的世界里突然被关进去，所以我让自己慢慢进入状态。那时候我在冥想，冥想了一会儿就睡着了。

我想，醒来之后，我就进入这个空间。我可以离这个世界很远，但希望离自己更近一点。

所以大家在想着物资的时候，你反而在睡觉。

如果我知道 11 点之前要下单，当然不会让自己睡觉。

另外一个参赛者李玉晨刚从中东回来，在阿联酋的国王 AI 大学读 PhD。他因为时差，凌晨 3 点多就起来，开始把代码写在留言板上，咣咣咣地做。

一个 7 点钟睡，一个凌晨 3 点起来写代码，我觉得也很有意思。

我也挺开心的，因为我不希望每个人都把它当成一个黑客松一样特别功利的任务。我们办这件事，本身就不是那么功利。

如果大家争分夺秒，按照效率去完成任务，可能也不是最有意思的体验。每个人的节奏应该是不一样的，应该更加多样。

我觉得有几个触动很深的时刻。

第一个是在策划过程中，我们其实挺担心没人报名，但最后有 300 多人报名。报名者从十几岁到 60 多岁都有。

我们还专门去找了一些 60 多岁的人。虽然他们没有参加最终活动，但我印象很深，因为我都跟他们面试过。

有一位 52 岁的阿姨，是我中学班主任的发小，也是一位律师。我问她：“你为什么会对这个感兴趣？你平常有很强的 AI 能力或者编程能力吗？”

她说：“没有，我都不知道。但我就是对你们年轻人干的事很好奇。我已经做好了饿 72 小时的准备，什么都干不了。我就想看看你们是怎么生活的，我对年轻人挑战的事情都很好奇。”

我觉得这很有意思。

还有一个男生，想跟他的小孩一起做一个东西。我们就想，要不要把他的小孩也带进挑战，让他们一起过几天。

当然，这里面有很多实际问题，不一定能成型，但我们设想了各种各样的方式。

包括后来参加的瑞轩和汉南。他们是分别报名的，因为报名时没有说可以两个人一组，所以他们各自报名。面试时我们发现他们背景很相似，就问：“你们是不是互相认识？”他们说是。

我们就想，干脆让他们组成一组。反正他们俩在一起创业，可能也能做出一些很好玩的事情。

所以第一个触动是，报名人数比我们想象得多；第二是人更加多元；第三是每个人的目的都很有意思。

跟大家聊天时，每个人都会说出一些很有意思的话题，最终实现的方式也和他们为什么想做这件事有关。

利导专业做电影，我相信他一定能做出一个很好的、很有意义的作品。郅悦做的这个事情也很有意思：AI 反馈的直播。

对，相当于每个人都可以做自己的主播，然后得到反馈。因为不是每个人都能聚拢起很多真人观众，但每个人都有一颗想当主播的心。

其实十几年前我就想做类似的事情，只是那时候可能不是直播。比如每日穿搭，或者类似健身镜、穿搭镜。

你拍一张照片，它马上就可以在社会上找 50 个人，让他们反馈“这样好不好”。最简单的方式，是让你在 1 分钟内得到大家的反馈。

如果没有真人，至少算法也可以分布式地提供这样的反馈。如果能做到直播这种开放性的形式，不管是穿搭还是其他更丰富的挑战，我觉得就更有意思。

所以那天听郅悦讲，我觉得这个事情不光值得做 72 小时挑战，也许是他职业上值得挑战的一个工作。

接着讲。刚才说的第一个有意思的地方，是招募过程中大家的想法很多元，人数足够多，群体也足够多元。

第二个呢？

第二个是，因为我没有直接参与，我更多是在看大家留言板上的内容。

我一开始担心大家很多人完成不了挑战，可能就退出了。第二个担心是，活动可能变得过于功利。大家已经提前设定了目标，我怕他们在有限时间里全力冲刺目标，不跟其他人交流。

我们做留言板，也不知道大家会不会真的在上面沟通、留言。后来发现，留言板一直在刷，大家有很多有意思的事情。

刚才利导讲的那个例子，我也想过：他们住在上下层，是不是可以从上面用床单把东西吊下来？

我一下想起疫情隔离时，大家通过各种各样的方式传递东西、交流故事的状态，又回到了两三年前的那种感觉，也在这个过程中产生了很多友情。

我们之所以把大家关在各自房间里，不让大家出去，核心是为了让他们跟 AI 产生更紧密的连接，看看能做出什么。当然，这个连接确实发生了，但更多发生的是：大家虽然不能在物理空间里交叉，却通过其他方式交叉了。

后来我反思，我们跟每个人聊的时候，都问：“你还需要我们额外提供什么？有什么需要我们帮助的？”

除了工具以外，大家提到频率最高的一句话就是：“希望有机会和其他参赛者交流，一起沟通。”

这也是一个很重要的发现：大家本质上是在挑战自己和 AI，但连接这件事如此重要。

而且我觉得，这跟你们的环境设计有关。现在的信息环境里，大家每天都用手机，手机就像长在手上的器官一样，连接是泛滥的。

但真正到了一个时间、空间相对封闭的状态，一个人独处时，很多人的本能会被重新激发和唤醒。人是社会性动物，需要和人连接。

本来我们是在挑战 AI，但最后变成了好几件事的组合。

第一是一种《火星救援》的感觉。你在里面，靠有限的生存资料活下来，种土豆，甚至大家录视频的感觉都像《火星救援》。

我做的东西也是。

第二是越狱。大家互相送东西，寻找系统漏洞，想办法把床单绑上东西从楼上吊下来。

第三是没有想好一个明确的节目形式，但大家确实在跟 AI 一起设计和创造。

有点像 1960 年代、1970 年代陈景润在自己的房间里证明哥德巴赫猜想，推动一件事情发生。

这个组合很奇妙。听过大家的描述，也给我们很多启发。

如果把这件事放大一点，放到创投环境里，可能也是这样：一方面，你作为独立创业者在考虑能用 AI 做什么；另一方面，这些事情又可能产生某种网状结构的连接。

这可能才是放大的关键。AI 不是让你孤立化的工具，而是你的生产力爆棚之后，也让你的网络连接能力更强。

至于它会以什么形式出现，我也不知道。但今天也许 A2A，也就是 Agent-to-Agent 的协议，MCP，或者其他正在推动的东西，已经是这件事的雏形。

大家各自在开发，又在共同开发；各自在解决问题，又在共同解决问题。它有点像回到三四十年前，Tim Berners-Lee 制定互联网协议的时代。

那你现在对最开始那个问题是怎么想的？对更多普通人来说，现在的 AI 工具是否足以让他们凭借个人或小团队的力量，做出一些很不一样的东西？

6. AI 撞上互联网基础设施

首先，AI 发展得很快。从开始讨论这个活动，到实际发生，经历了 2 月、5 月，再到现在可能快 7 月，AI 的能力一直在进化。

2 月份我们讨论时，主要还是 AI coding。3 月份出现了 Manus，又出现了一批 AI Agent。对普通人来说，能够接触到的能力已经不一样了。

到 5 月，很多工具原本还加了很多脚手架，后来可能也放宽了，通用能力会增加。所以这件事是动态变化的。

如果只看这次活动带来的反馈，我觉得有一些很有意思的点。比如有些电商网站可以使用，有些电商网站不能使用，大家都发现了这个问题。

所以，生存任务能不能完成？可能可以。大家已经验证了这件事。但互联网今天并没有为 AI 作为主体来设计。

大家是用了各种聪明才智，以一种不太正统的 hacker 方式，才找到入口和解决方案。我觉得这是一个很有意思的发现。

我看活动之后的文章，安勇和郅悦写的那篇文章里，瑞轩和汉南提到，现在整个互联网系统对特定终端——也就是手机——依赖太强了。

你做什么都要验证，要接收验证码。这样可能会影响 AI 的普及。

我觉得它影响的是 AI 作为一个主体，比如 Agent，在数字世界里畅通运行的程度。

你回想一下，手机这件事其实就是整个互联网逐渐围绕手机搭建的过程：手机支付、手机验证码、手机 App 的连接，大概也就是过去 12、13 年的事情。

我上大学的时候，用淘宝还都是网页版，后来才慢慢变成手机版。

对。所以今天的互联网，依然是围绕手机、围绕 PC 端遗留下来的东西，以及手机端主流形态搭建的。最主要的假设是：人是背后的主体，而不是 Agent，也不是 AI。

还有一个技术上的原因。现在很多新一波 AI 工具是在 Web 端和云端，而不是先上移动端。可能是因为移动端能放的模型大小、延迟等因素，所以你们提供给选手的工具也大多是 Web 端工具。

但生存问题跟线下服务有关，而线下服务又多半连接在移动端，中间就有一个 gap。

你说得很准确。背后本质上，所有设计都是为人做的。

去年年底以及今年在湾区时，我有一个很大的感受：今天大家对 Agent 的预期很高，希望它能高并发地替代人做很多事情。

但 Agent 在它的生存世界里是没有尊严的。它并没有得到和人一样的空间去做人想做的事情，反而带着脚铐：每次验证码、每次被封禁，本质上就是 Agent 需要跪在验证码之前，假装自己是个人。

这个“脚铐”具体是什么？

比如今天 Agent 想替代人完成登录、支付等事情，本质上是违规的。

首先，Agent 得借用人的浏览器和运行空间。它大多数时候还不能在自己的沙盒里运行，而是借用人的浏览器，用 computer use 的方式，通过人的交互界面点击这些东西，用人的方式登录。

但它本质上不是人，可能是某种被授权的虚拟人，甚至可能没有完成授权。

一个 Agent 可能要开很多账户，可能比一个人拥有更多账户。一个人完成任务需要自己的钱包、自己的账户，这些东西对 Agent 来说都是非常新的话题。

Agent 可能具备这些能力，但基础设施并没有为它准备好。基建的另一方——服务提供者——可能也不希望出现这种事情，因为它的基础设施全是为人类设计的。

如果出现一个假的、攻击性的 Agent 来替代人，监管也很困难。

它既有安全隐患，也会影响商业价值。很多服务面向人的时候，可以获得广告收入，因为它获得的是人的注意力。

如果变成你本人不看这个服务，而让机器来使用，广告收入和商业模式都会受到冲击。

商业模式肯定会发生变化。当然这是另一个话题。今天的 Agent 里有 co-pilot 性质和 auto-pilot 性质。

Co-pilot 是你跟它协作，大概率不会减少你的 attention。你的注意力还在跟它协作，一边做一边发现、一边 discovery。

Auto-pilot 理论上就不需要你的眼球了，只是以任务为单位，目标性非常强。后者肯定会以结果为导向来进行商业模式，前者可能介于两者之间，也许是注意力加结果导向的形式。

再举个例子，今天的浏览器，包括浏览器的渲染和浏览功能，本质上都是为人设计的。

我们现在做得最多的是用 computer use 或 GUI 引擎，让 Agent 打开浏览器、点击浏览器，也就是 Browser Use。但如果真的让 Agent 使用，浏览器根本不应该长成这样。

因为人有眼睛，所以才需要图形界面。

对。对机器来说，没有必要这样。

比如人看视频，在哔哩哔哩播放一个视频，通常 1 倍速看，最多加速到 2.5 倍、3 倍。但 Agent 可能 300 倍速就能看完，可今天的视频播放器根本不支持这种播放速度。

所以有很多结构性问题。

我觉得技术发展的速度是指数级上升的，但人类理解它能做到什么的速度，和基础设施配套的速度，并没有那么快。

我觉得有 3 个速度：第一，技术本身发展的速度；第二，为技术配套的基础设施发展的速度；第三，人类理解它能做到什么的速度。

这三个速度一个比一个慢，每一个中间都有折损。我们做这样的活动，本质上可能是在帮助第三件事：技术已经到这里了，人的理解速度能不能跟上？大家能不能 aware 到它正在这样发展，或者 aware 到它还没有发展到某个程度？

所以你们这个活动还有一个意义，就是对第二条线——基础设施配套到什么程度——做了验证。它可以检验现在什么地方还很欠缺，什么地方稍微好一点。

这当然也是一个很大的投资主题。这个东西特别容易讲得虚，好像是一个零或一的关系：要么完全不行，要么有了我的东西就行。

但大多数时候可能介于中间。中间在哪里，只有试了才知道。

你很容易听到一种说法：电商网站今天根本不支持 Agent 来完成这些事情；或者它已经完全支持，做 computer use 就肯定可以。

做 infra 的人可能认为根本不支持，但实际发现有些网站支持，有些网站不支持，过程中还有各种历史原因。

如果不去尝试，大家也不会说实话，也不会得到这个 insight。

刚才讲的是生存部分。生存问题解决之后，后面就是你们和 AI 怎么互动，完成想做的作品或产品，也就是自我实现的部分。

两位都完成了自己的项目，可以讲讲这个过程吗？刚才已经提到一部分了，利导是在感受环境和活动本身的过程中，产生了做片子的想法。

7. AI 重写导演的工作流

第一个母题，是我和 Cursor、和代码抗争的过程让我觉得算法很无情。我想看看，在这种标准化算法下面，人类的情感如何被提炼出来。

第二个母题，是我感受到那种爱的流动。大家想用物资帮助对方，有人手搓代码。那时候我觉得，人的情感很重要。

第三个母题，是我躺在床上时形成的。

我们住的民宿离上海浦东机场比较近，经常能听到飞机从脑袋上空呼啸而过的声音。我听到那个声音，突然想到十几年前马航 MH370 失联的国际新闻。

所以我想把这个元素加进来。故事慢慢在脑子里形成：这是一个人与 AI 相处的日常。

AI 觉得，十几年前关于失联妻子的语音备忘录应该被删除，或者飞机坠入大海前两秒的声波也应该被删除，因为那只是没有意义的白噪音。

但 AI 不能提取出人类情感中关于失联亲人的那一部分。这样，一个故事框架就有了。后来我把它交给 DeepSeek，让它帮我完善故事。

《7:41》代表什么？

代表 7 点 41 分。故事中，男主角每天的闹钟都会在 7 点 41 分准时响起，不管他有没有其他事情。

还有很多细节也超出我的想象。比如咖啡渍流下来，实际上是马六甲海峡的形状。

在文字上，AI 对我的帮助还是比较大的。但当我想把文字变成视觉时，会发现 AI 能给我的东西仍然有限。

比如要把液体做成马六甲海峡的形状，实际上需要配合后期 Photoshop、图片编辑或者 After Effects 技术。但这些技术在活动中被完全剥夺掉了，不能使用。

所以在这一部分，我会觉得导演权力在很大程度上让渡给了 AI。这也是我来之前想验证的一件事：在 AI 环境下，导演能不能作为一个超级个体，在自己的领域里立足。

通过验证，我得到的答案是：剥离互联网环境之后，导演没有办法完全作为超级个体存在，还是需要互联网的加持。

比如配音，实际上仍然需要和人产生连接。我只能用 AI 工具完成配音，所以情感浓度会被压缩，可能达不到真人配音或者我需要的情感表达的精准程度。

你觉得现在 AI 语音达不到你对人的声音在情感和质感上的要求？

对。这个不只和 72 小时有关，平时工作中我也试过。

这次我最后也用 AI 工具配音。最开始用的是文字转语音，但发现 AI Agent 在文字转语音上有很多问题。中文里有谐音、多音字，它没办法理解。比如一个词，它可能会读成另一个词。

文字里有标点符号，有逗号、句号、感叹号、问号，但它没办法理解这是疑问句、肯定句，还是强烈的感叹句。

所以最后我转成自己给 AI 输出语音，也就是语音转语音，这样稍微贴近了一些。我用自己认为的情感表达，把它转成语音。

但情感浓度还是会被压缩。日常工作中，配音大部分时候我还是会用真人。

音效和音乐也是一样。以前我会使用音效库，或者在互联网上找配乐，适配需要表达的情绪，但这次这些也完全没有了。

这次给到你的、和影像或视听创作相关的工具是什么样的？

AI 影像这块，给到我的 Agent 工具包括即梦、可灵等。

我在这次活动里感受比较好的一点，是算法自由带来的创作自由。

以前在日常工作中，我们会评估每个镜头要不要用大师级模型。因为每个模型消耗的算力和费用不一样，所以有些镜头会先评估，普通镜头就用消耗没那么大的模型，运镜比较复杂的镜头再用更贵的模型。

可灵有大师级模型，大师级 5 秒钟要 10 块钱，其实比较贵。

但在这个活动中，我不需要考虑费用，全部用大师级就好了。

我也在验证另一个问题：为什么 AI 影像创作还没有普及到更多人？因为成本仍然比较高。

传统影像工作者会觉得，AI 已经极大降低了单位镜头的成本，从特效、搭景到找演员都便宜了很多。但对普通人来说，实际做起来还是很耗费资源。

即使花 10 块钱生成 5 秒钟的镜头，也可能是废片，10 块钱就打水漂了。普通人很难接受这种不确定性带来的沉没成本。

现在影视行业里，从业者会用实拍结合 AI 做一些事情吗？

会。我入围金鸡奖的那个作品，就是实拍之后再用 AI 逐帧转换完成的。

这样对画面、人物和空间结构的控制会更一致。对导演来说，很重要的一点是，画面里出现的每个东西都应该是他设计过的，不应该有无意义或偶然出现的东西。

但现在生成可能很难做到这一点。

对，现在生成更像是在抽卡。

所以我日常和 AI 的交流过程中，工作流已经完全变了。我会把一些想法完全丢给 AI，让 AI 生成海量图片。

我可能给自己两个小时，这两个小时不构思故事，纯粹从画面出发。挑选一些好看的图片，看看 AI 生成了什么，然后开始做拼图。

这些图拼凑起来，大概会形成一个什么样的故事？这已经完全颠覆了我传统的工作流。

以前是先有故事，再有画面；现在是先让 AI 生成画面，再有故事。

《7:41》这部短片，在活动结束之后会继续完善吗？

会。我现在已经把它变成一个中长片，剧本正在磨合，也许今年年底会发布。

它依然是在探讨人与 AI 的关系，中间有时间折叠、意识流等元素，这些也会用 AI 完成。

我想把这次挑战延续到日常工作和生活里。我也想通过 AI 看看能不能成为第一代 AI 导演，或者借助 AI 探索中国第七代导演独特的创作风格。

我觉得 AI 给了我们一个非常重要的契机。

你刚才说，毕业之后遭遇影视寒冬，中间有一段时间想转行。后来你用 AI 做的短片获得金鸡奖，又把你拽了回来。

对。

从这个角度说，它像一种信号，或者像人生经历给你的指示。

当然要看你相不相信。我非常相信这个。我时常在弯道超车，我感觉这一次又是一个弯道超车的契机。

这个作品可能没有很成功，但确实让我看到了 AI 的另一个角度。

你以前没有对 AI 产生过这么真实的恨吗？

没有。

郅悦也可以讲讲你的项目。你的介绍里写，你是文科生转码。你之前是怎么学习 AI 的？开发经验到什么程度？这一次在 72 小时里把以前的想法落地，中间是什么过程？

8. 文科生做出 AI 产品

我之前的工作，包括实习和毕业后的第一份工作，都是产品经理。不管是 AI 产品还是传统互联网产品，经验都比较少。

我面对的研发团队，很多人有 10 年、15 年左右的工作经验，他们经常在工作中挑战我。

我遇到最多的质疑就是：“你不懂代码，不要瞎指挥。技术细节你不了解，你不知道怎么实现。你提的需求没有办法实现。”

我会问为什么不能实现，对方就说：“你别管了，你不懂。”

这件事对我冲击很大，也影响了我的工作。我当时觉得，代码好像没有那么难。

那是 2024 年？

2024 年 6 月左右，那一轮 AI 工具已经出来了。

但我刚开始学的时候还没有用 Cursor，或者那时 Cursor 还不好用，可能还是 GitHub Copilot 的阶段。

我刚开始是在 YouTube 上听印度程序员老师用印度英语教我写代码。他在视频里讲，我在下面学，从 Hello World、怎么 print，一步一步敲。

学了大概两天，我觉得这个办法太笨了。我这辈子都学不会代码，靠我的智力没法通过这种方法学会。

后来有一些 coding 工具，我就尝试去用。这其实和孟醒老师刚才说的很像：你是在尝试问问题，要把自己的目的拆解出来，想清楚到底要做什么，以及想做到什么程度。

很多人转码，第一件事是做一个 to-do list、日历或者时钟。独立开发最开始做的产品都是这样的。

我当时想做一个既能上手学习，又能了解独立开发完整流程的产品，包括 UI、前后端、部署上线等，我都想了解。

我也希望这个产品能带给我一些东西，或者获得一些验证。

最后我下定决心学代码，到产品上线大概花了 3 个月。我做了一个基于 VLM 的产品。

旅行中，你会看到很多建筑，但不知道它是什么，也不知道它背后的故事。这个产品就是拍照识别你眼前的建筑，再给你做很多人文方面的讲解。

你用的是什么模型？

当时用的是通义千问的 VLM，然后接了一个 LLM 做介绍。

这个产品完成了我最开始对独立开发的设想。

已经上线了吗？

已经上线了。在海外 App Store 可以搜到。

叫什么？

英文名叫 Adventure Snap。因为当时想做 SEO，所以没有取特别复杂的名字。

产品做完之后，我在 Reddit 上发了两三篇帖子介绍它。它在欧洲卖得还不错，是会员制，有很多法国和德国的背包客使用。

大概两个月后，我看到美国上线了一个几乎一样的产品，叫 ChatCici，也是关于旅行、通过 VLM 和 LLM 做介绍的产品，但范围更大，不只聚焦旅行。

你说的这个产品我也挺想用的。我有时候即使在北京待了这么久，也会路过一些建筑，觉得以前好像没见过，想知道它是什么。

这也是我旅行中遇到的一个问题。很多时候，去一个地方之前做了很多功课，但到了那里还是对不上，或者对当地人文信息的摄入不足，有点“上车睡觉，下车拍照”的感觉。

我想做的不是一个写完代码就上线的简单产品，而是一个真正包含 AI 功能、接入 VLM、完成 App Store 上线的完整产品。

App Store 上线本身就很复杂，还要审核、做海外运营。这算是满足了我对独立开发完整流程的设想。

你的学习思路是，用一个自己要做的项目，驱动自己把整个流程学一遍。

对。做之前我觉得这个产品一定有需求，但做之后发现，我当时对需求理解得还不够清晰。这个产品后来又经过了一段时间的迭代，去确认用户站在景点面前到底想要什么样的介绍。

最开始我觉得，只要告诉他这是什么，再给一个最简单的介绍就够了。但后来发现，用户已经站在巴黎卢浮宫面前，可能已经知道基本背景。他真正愿意付费的，是更进一步的信息。

比如他想知道和自己看到的细节对应的信息。圣索菲亚大教堂大家都知道有基督教和伊斯兰教融合的背景，但你看到什么，能意识到这里确实有过基督教存在？

比如大门上有一个基督教符号。如果产品能把这个符号和照片对应上，提示它在照片中的哪个位置，以及它代表什么，这就是用户需要的内容。

我们做了两轮迭代才发现，要给用户更加切实、更加实际、更加能和眼前景象对应上的介绍。

靠千问的 VLM 可以解决吗？还是要接外部知识库？

部分可以，但对景点要求很高。景点要比较知名，资料也要比较完整。

我们还做了一些调整，包括怎么识别图片、按照什么逻辑识别，以及接入苹果的经纬度信息，更准确地判断你现在站在哪里。

后来我们还发现，有些人希望知道类似百度百科、维基百科的知识，有些人更希望知道野史，比如这里发生过什么事、谁来过。

比如去曼谷大皇宫，不只是知道它是什么，还想知道为什么泰国人把大皇宫建在那里，为什么把曼谷作为首都。

曼谷是泰国风水学上的心脏，大皇宫又是曼谷的心脏。国王建这个建筑时，也有很多逸闻趣事。

这些信息的目的，是让你看完之后回家，跟别人吹牛时可以说：“我去过曼谷大皇宫，而且我知道它在风水学上很有讲究。”

你开发第一个产品时，是用传统开发方式，还是已经开始用 AI 编程？

当然用 AI 编程。我虽然开发了好几个产品，但脱离 AI coding，完全没有办法完成任何一堂计算机课程的教学作业。

我甚至计算机二级都没过。

你刚才说的时间，是 2024 年夏天到秋天。你当时用的是什么？

Cursor。我一直用 Cursor。模型可能没有现在好，Cursor 的功能也没有现在完善，比如它的 context 做得还没有那么好。

所以不是你自己写的产品。

是 Claude 写的产品，但 Claude 没有这个动机，也无法捕捉这个需求。

后来我把自己做的产品，以及为什么要做、开发流程是什么，发在小红书上。很多人来找我。

比如香港投行的人，去年有一波裁员潮，大家可能会失业；还有投资经理、大厂产品经理。他们问我有没有成熟的开发脚手架，或者帮助他们开发自己产品的方案。

所以你感觉到，确实有更多人想做独立开发者？

我觉得可能还不到独立开发者，但每个人都想做自己的产品，都有创造的需求。

他们想创造一个完全满足自己需求的东西，验证自己窥探到的需求是否真实存在，也有“keep hands dirty”的需求，想自己下场做一做，证明“人人都是产品经理”。

你已经开发了几个产品。到 72 小时生存挑战里做 AI 虚拟直播时，是什么过程？中间有没有没预料到的难点？怎么解决的？

最开始面试时，我跟孟醒老师提到这个产品。我说技术路线大概已经知道了，没什么难度。

如果没办法接 real-time，就做几层转换。技术路线大概是 ASR，再到 LLM，其实很简单。

而且直播语境不强调即时性。主播说一句话，过两三秒评论区才有相应内容，所以我当时觉得，在节目中这个产品至少可以做到七七八八，至少能用。

你觉得最后做到百分之多少？

30%。

实际做时遇到很多问题。

第一，没办法使用互联网。第二，我对音视频传输方案不了解，之前完全没有音视频传输经验。

这个产品有几层传输，遇到的文件格式完全不一样。现有云厂商包装的服务，和我的需求也不匹配，因为之前没有把音频或图片传过去、转成文字，再用文字让大模型反馈的需求。

为什么不用多模态模型？有些模型可以输入不同模态，然后给文字反馈。是效果不好吗？

一是延迟很高。处理更复杂的信息时，思考过程会很长。二是成本很高。三是不一定需要。

直播环境是否需要多模态输入？可以慢慢提供更多模态的需求。

最开始可能只需要音频，之后再看音频够不够，要不要加图片。等视频理解技术更成熟，再考虑直接上视频理解。

所以你现在这个版本，AI 给主播的反馈，主要是通过主播说话的文字激发出来的？

对，主要是文字，文字加部分图片。

主播的音频其实还有好几层。

第一层只有文本信息；第二层是在文本之外，加上情感和情绪，比如主播是否有点伤心，是否有停顿、迟疑；最后才是一个完整的版本，把所有能够包含的标签都加进去，让模型判断主播的意图，决定给出什么类型的回复。

整体上我觉得自己想清楚了，但实际做时遇到很多问题：没有互联网，对音视频传输不了解，以及我的工作习惯并不是极端工作习惯。

我不是把自己放在封闭环境里连续干 72 小时、什么都不休息的人。

你很需要和人交流，对不对？

对，我需要不停找人聊天，放松一下，再回到工作环境。

我的状态有点像 ADHD：得同时干很多事情，比如边玩一个养成游戏，边听歌，边写代码，边和人聊天，这样才能工作。

但把我塞进那个环境之后，我只能工作，只能看着 Cursor 界面和产品，不断给自己找事情做。

正常写代码遇到问题，可以去开发者文档里查看错误类型，或者去程序员社区提问。但这些都没办法用。

所以整个音视频传输环节，我一直连不上，WebSocket 一直连不上，大概 7、8 个小时都在解决这个 bug。

正常情况下，程序员都说，今天解决不了的 bug，就睡一觉，第二天早上起来可能就解决了。但在 72 小时的环境里，不允许睡一觉再起来解决，必须现在解决。

整个过程对我来说是很急促、很拥挤的工作节奏。

最后展示的 Demo，一是没有 iPhone 这样的物理设备，只能在电脑上看；二是电脑只有音频入口，没有视频入口，也没有摄像头权限。

所以整体是黑屏的，只能听到你的声音，不能录到你的画面，AI 会根据你的声音反馈。

那个反馈是不是也写得不是很好？

对。所以我还提前写了很多 hard code 的评论，提前写好一些充斥在直播环境里的捧哏词。

也就是说，里面有些是模型生成的，还有很多是你提前写好的。

如果真是一个上线的产品，理论上确实应该混合。从成本等方面考虑，也不需要所有评论都由模型生成。

我之前的想法是，AI 生成评论和 hard code 评论结合。两天把第一版 Demo 写完后，我发现其实不需要 hard code。

第一是成本可控，比我想象中低很多；第二，用户进入这个环境，是要和评论互动的。提前写好的评论其实是噪音，因为它不是根据你当下的内容及时反馈，你没法和它互动。

你说成本比想象中低很多。直播 1 分钟大概多少钱？

大概 0.02 元人民币。

那它会弹出多少条反馈？

正常直播间可能只有 4 条评论框，新的评论出现后把上一条顶上去。

但这个环境要强调及时反馈，所以我会把评论区的权重增大，增加到 6 条。如果之后用户需要，可能增加到 7、8 条。

我还会增加点赞和进入直播间人数这两个部分，让观众对直播有整体印象。

6 条评论完全可以用 AI 覆盖，会一直弹出来，不会迟疑。用户不需要等评论出现，而是在不断刷新的评论里挑选自己想回复的。

所以从成本和实际体验来看，会比我之前想象得更好。

你后续还在做这个计划。昨天晚上还在写代码、debug？

对。

现在 Demo 做出来之后，回答了我之前对产品方向的很多疑问。

比如大家刚才提到，为什么需要真人反馈？很大程度上是因为对方的人格化。比如我需要利导的反馈，因为他的身份是电影导演、艺术从业者。他夸我“今天穿搭不错、妆容不错”，对我来说可能是很专业的评论。

但在直播环境里，我觉得有价值的反而是去人格化。看直播评论时，我其实不在乎背后的人是什么背景，也很难知道。

这回答了我之前的一个疑问：产品用户其实不是主播，而是以前看直播的人，是没有直播条件的观众。

我以前担心，他们拿到产品后不知道怎么直播、怎么互动。或者他们打开直播，本来想获得情感价值，却还要绞尽脑汁地想话题，想怎么和 AI 交流。

但我昨天晚上录 Demo 时，只是在一个非常随意的环境里做很随意的事情，比如在家玩、拼拼图，或者做其他事情。

我没有直播经验，也没有做主播的经验，但录 5 分钟时一直在说话，不需要主动找话题。因为这个环境天然成立：我看到评论区，就可以自然地读评论、回答问题；我新的话又会被识别进去，得到 AI 的反馈，再根据它的反馈继续回应。

整个过程很自然，像是在模拟我之前看到的主播直播。

我猜它不会有太高的心理门槛。以前我觉得，并不是所有人都愿意打开摄像头看到自己，也不是所有人都愿意对着 AI 讲话、聊天。

但写完 Demo、实际使用后，我发现这些都不是问题。只要大家愿意打开尝试，在镜头前看到自己，是一个很有意思的过程。

而且它很强调你的主体性：所有人都是为你而来，会根据你说的任何一个小情绪、小举动，不停追问你，或者给你正向、积极的反馈。

那时会有一种自信心爆棚的感觉。它不像是当网红直播，更像是当明星直播。

很多网红直播有 KPI，要卖货、和别人打 PK，才有流量、音浪和各种数据。明星直播不是这样，他们只是读评论。

这是一种被友善包围的感觉。

我昨天还在想，如果是我来用，可能会有一个需求：希望能够调节评论的友好度。

有时候我可能想进入一个比较有挑战的环境，比如练习在网上怎么怼人。这个需求可能有点奇怪。

这在后面的产品规划里。

之后会有比如“emo 模式”和“非 emo 模式”。如果今天情绪不好，打开 emo 模式，得到的反馈几乎全是正向、积极的。

如果今天心情正常，想更高程度地模拟真实直播间，就会有非积极反馈。真实直播间的评论很奇怪、很无厘头，并不是所有人都围着你说话，也不是所有人都会给你正向反馈。

为了让大家更高程度地体验真实直播间，会有不同模式的切换。

什么时候上线？

现在需要先在苹果 TestFlight 版本上找一些用户内测。这两天我会在小红书上找用户，拉内测群。

正式上线要看苹果什么时候审核通过。这个审核有点难，还要做算法备案，可能需要 1 到 2 个月。

我还想问一个问题。你之前做的建筑 App，在欧洲有付费用户吗？这种 App 的付费量级是多少？

这个要看产品做得好不好，也要看运营得好不好。

现在这个 App 是你一个人做的吗？

对，也有白嫖一些朋友的劳动力。

大概每月在 1000 欧元以上。

一个月 1000 欧元，而且是持续有人付费？

对。它有一个稳定的会员库。苹果会给一些流量和曝光，每个月会有新用户进来。

也会有一些用户在 Reddit 的帖子里看到产品，或者在社交媒体上推荐，所以会持续有新用户进入。当然也会有旧会员流失，是一个持续、缓慢增长的状态。

听起来不太像一波流。有些需求可能两三个月内有很多人付费，后面会快速衰减。

因为这个产品有免费试用期，可以免费体验一周。如果觉得不好，可以取消。体验过后觉得好，继续付费，才会成为稳定会员。

对这种独立产品来说，如果有一个团队更严肃、正经地做这个事情，类似你刚才提到的 ChatCici，也许会争夺你们的用户。

我觉得不会，因为我们的场景不一样。

他们虽然宣传的是旅行，但其实是全场景产品，不只是旅行，还包括生活、教学等很多使用场景。他们希望所有人把它当作 App 端的浏览器或搜索引擎来用。

我们做的是非常垂直的领域，针对出国游的深度用户，切得非常小。

我们提供的反馈和内容，也和 ChatCici 不一样。他们没有预设你处于什么场景，不会根据你的状态给你回复。我们想的是，旅行中的用户到底需要什么，以及用户是什么心态。

其实很多人不会用这个产品。比如有些人只是想打卡，去小红书搜一下卢浮宫、圣索菲亚大教堂是什么，就够了。他们不需要知道拜占庭帝国、奥斯曼帝国这些背景。

需要这些信息的人是少数，但我们把这部分人服务好就可以。

所以我觉得它会慢慢增长。等我想迭代下一个版本时，它还是可以重新拎起来、好好做的产品。

但我现在想做的产品太多了。

听起来你同时在进行好几个产品。这确实也是一种创作或者创业方式，不需要投资，做独立产品，可能有一些现金流，支付自己的生活费。

9. 个人开发者的增长困境

对。我觉得这就是我们最开始聊的个人开发者或小团队开发者的一个代表。

快速迭代可能是重要思路：知道每次模型升级和细节优化的方向，动作手速特别快，能够快速做出来。

但从长远来看，我不太相信最终会有一批特别小的团队长期维持这种状态。

如果这件事 work 了，也会有别人来做。你持续拼速度、拼迭代深度，就意味着要在边际效应递减的过程中保持同样速度。大致上，这意味着你要扩张团队，花更多钱推广，做更多 engineering feature。

所以很可能，起步时会有一批非常小的个人或团队。以前起步也需要很大的团队，现在起步规模缩小了，但后面会分化。

有的会扩张，有的可能一直维持小规模？

我觉得最后的纳什均衡状态，也就是能够长时间存在的状态，可能不会太小。

你刚才说的产品，让我想到一个叫“形色”的产品。我可以拍照识别花和植物，后来还拓展到识别害虫。

有园艺需求的人会用它，收入和利润都还不错。这个公司也存在很久了，甚至不需要大模型，主要是图像识别。

但它后来已经公司化运营，不是特别小的团队。

我觉得确实存在这种情况。但更多场景可能像移动互联网时代。

比如当年的猎豹、APUS，或者 360，都做过很多流行的工具。那时开发这些工具可能也不需要很多人，但规模一到一定程度，就会出现各种竞争。

如果这些场景能 work，就会逐步变成红海，需要更强的 ASO 团队推广。下载量变得重要，开发变简单了，但保持核心竞争力和市场地位变得更复杂。

自然而然，所需要的钱和人都会变多。

当然，也会存在一直长期小而美的产品。但更多场景会聚拢。

所以你觉得 AI 没有改变这个东西？

我觉得 AI 解决的依然是生产力问题，不是竞争问题。

那你觉得 AI 会带来新的生产型组织，或者新的公司组织方式吗？

我不知道答案。可能一两年前，我会更加相信这件事。

这两年发生了什么，让你不那么相信了？

一个新的东西到来时，大家对它的无限想象空间肯定更大。

当时我甚至会恐惧：AI 的起步是不是代表一堆新的财富转移，财富分化会更加明显。

今天我觉得那可能是一种 overthink。

你说的财富转移，是财富聚集到更少的人手中？

对。AI 是一个特别 powerful 的生产力工具。

过去的人类社会里，即使最强大的帝国，也只能驱动帝国里这么多军队去做事情。但如果把这些军队换算成 AI 的能力，最 powerful 的人可能驱动无限多的、等同于人的智慧，而普通人可能没有 access。

上次我们和戴雨森聊 Agent，大概也是 2 月份。他讲到一种可能：如果 Agent 足够好用，可以在数字世界做很多事情，资本转换成生产力之间的损耗可能会变少。

比如算力足够多，就可以做很多 Agent，Agent 甚至可以去创业、做项目。

我觉得整个框架可能要再跳出去。

还有一个重要假设是，人的需求是动态的。对于今天所有静态的需求，我觉得 Agent 足够强确实可以满足。

大家一直讨论，如果 Agent 足够强，人还需不需要工作。我觉得仍然需要，因为这个讨论假设人的需求不会继续增加，AI 很快就能满足所有需求。

但一旦人的需求被满足，需求就会上升，而新增加的需求大概率是 AI 不能满足的。AI 会继续追赶，但永远处于这个过程之中。

比如自动驾驶，本质上是人不想开车，或者希望更安全地开车。但替代人驾驶就结束了吗？我觉得不一定。

就算自动驾驶真的实现，也不代表需求到头了。大家可能会产生更分化的需求，比如不同驾驶风格，以及车与车之间连接的方式。

再科幻一点，人的终极需求可能是瞬移。

所以我们讨论出行公司的竞争对手是谁时，往往不是其他出行公司，而是 Zoom。

但 Zoom 还达不到瞬移的体验。

对，今天达不到。

升级版 Zoom 可能是带 AR 眼镜的 Zoom，或者 6 个自由度的 Zoom。我以前也投过这种公司。你可以在空间里进行捕捉和全息呈现，一边带着摄像头，就像《王牌特工》和《EVA》里开会的场景。

理论上就不需要出行了，这是一个终极模式。再夸张一点，连这个都不需要，直接通过脑机接口进入另一个虚拟世界，在那里重塑一个更好的世界。

这些都很科幻。

我们从 AI 重塑新组织，讲到了瞬移。

接下来会有后续动作吗？指的是 72 小时生存挑战。

郅悦的项目和利导的作品，正好借由你们的契机，把想法落到了实处，他们后续会有什么拓展？

你们办完第一期之后，还会做什么？

第一期其实还没完全办完。活动做完之后，我们还在做总结。

每个人在 72 小时里积累了大量素材，所以每个人都会有一个小片子，记录他们的过程和其中一部分内容。这些还在制作，没有完成。

原则上，我不希望做重复的事情。我们希望做不一样的事情。

如果继续往下做，不一定还是挑战，也许是其他形式。我们今年不一定有时间再做一个这么大规模的活动，但如果下次再做，一定会顺应那个时代的挑战，回应新的启发，再做一件事。

那你觉得明年的挑战可能会是什么？一年后，你们可能会对什么事情有疑问，想去验证什么？

很难讲。今年的挑战也是 2 月份才确定的。如果往前倒 6 个月，可能我们都不会想到做这个挑战。

一年后的问题，现在很难想象。

但今年有几件事比较关心。第一，刚才郅悦提到他的产品，包括今天很多人试图往这个方向走，都涉及多模态模型。

多模态能做到什么？比如世界模型能不能往前走一步，最终会是什么样的体验？

这是今天比较前沿的研究方向，仍然在学术领域，但也能看到一些 Demo。它有点像 2023 年视频生成模型刚出现时的状态。

比如什么样的 Demo？

我有一个同行朋友，之前在 Cruise，他做了一家公司叫 Odyssey。他们自己做了一个实时视频生成模型。

你可能看过：它可以根据一张照片和一个真实场景，实时生成视频。你在里面走来走去，看到的是一个实时生成的真实环境。

相比李飞飞的 World Labs，以及红杉投资的 Decart 做的 Oasis，我觉得它最大的区别是实时性和真实环境，渲染也非常清楚。

你可以走进那个空间，和里面的东西互动吗？

还做不到互动，或者只能做简单的走动。你可以走、可以观看，但里面不存在一个真正的引擎。

那在这个环境里能做出什么有意思的东西？这可能是下一步。

今天只能把少量素材和局限位置搬到 AI 生成环境里，并尽量做得真实。如果极致一点，把整个世界都搬进去，就实现了刚才说的那一步。

我觉得一个更好的例子是《黑镜》第七季第三集，是一个中国导演导的电影重拍的那一集。

它相当于创造了一个电影语境下的世界模型。你进去之后，经历的是一个平行世界，但这个世界是那部黑白爱情片的平行世界。

我觉得这是非常有意思、极其富有想象力的体验。如果这个语境不只是电影，而是比电影更大的世界，能够体验的东西会非常多。

这是多模态的极致。但前提是理解、生成和 alignment 要统一。

这件事其实很难，也是比较前沿的工作，而且不太符合大多数公司投入的主体。

因为如果做多模态、做视频生成，今天大概率是在优化视频生成的结果：更酷、更逼真、更一致，以及其他产品化目标。

但就算一致性做好了，也不一定在宏观或微观上符合物理规律。这件事重要吗？

可能在 20% 的情况下重要，80% 的情况下没那么重要。

在国内，阶跃讲这件事比较多。

这个方向很前沿。

大家都想做，因为这件事做好，对每个环节都有帮助：生成会更好，理解也能解决，甚至机器人也能受益。阿里也在做，千问那边也在推进。

但确实很难，因为涉及很多环节。

空间信息和视频像素信息，还没有被很好地结构化和编码；文本信息则已经被人类结构化了。文字有 tokenizer，但像素没有 tokenizer，没有人做过这样的编码，输入的仍然是原始信息。

这可能是一个很大的问题。

也许到明年，如果你们再做类似活动，可能会和这个方向有关。

我最后一个问题：经过这 72 小时，你们对 AI 的哪些想法被验证了，哪些发生了改变？

10. AI 重塑人的主体性

可以很宽泛，既可以是对 AI 本身，也可以是人和 AI 的关系，或者是对自己在 AI 技术变化时代里的新发现。

从利导开始讲吧。

之前有一些碎片化的想法，但没有把它们笼络成一个系统的思考。

主要是关于创作，以及 AI 和导演的协作、人机共创：在 AI 面前，导演的权力应该让渡多少？哪些事情应该交给 AI，哪些仍然需要自己把控？

现在我逐渐想清楚了。

AI 没办法无中生有，对人类情感的把控也没有那么稳定，所以我需要先给它一个框架，让它在这个框架里完成。

比如我必须给它设定 3 个母题，再让它根据这 3 个母题生成故事。如果我只告诉它“写一个人与 AI 共存的故事”，它写出来的东西并不理想。

在风格控制上，我也需要自己设定，或者先想象一个风格，再用 prompt 设定好。

我的 prompt 里，人物在哪里、做什么，是变量；但颜色、色调、风格这些不变量，还是要自己控制。

甚至可能要设定画面使用哪一台摄影机、哪一个技术参数，或者直接给它颜色代码，这样它才可能控制得更清楚。

所以创作有时会变成一个很放飞自我的状态，但也会逐渐接近标准化。因为 AI 最大的特点就是需要标准。

我还验证清楚一点：精准化需要精准到视觉输出上，必须有一个唯一的、可视化的提示词。

我在 prompt 写作上研究了很久。不能有太多感情色彩，它需要唯一对应：黑色对应黑色，红色对应红色；男性对应男性；5 只手就是 5 只手；向上看就是向上看，而不是向下看。

它需要白描。

郅悦，你有哪些变化和没有变化的部分？

没有变化的是，作为开发者或独立开发者，怎么和 AI 工作、交流、交互，这些跟我之前的认知差不多，因为我平时就是这样工作。

变化更多在产品部分。

我反思过，之前做这个产品时，自己的心态其实很高傲。我高傲地认为，这个产品是给那些在日常生活中无法及时获得情感补充、无法得到现实生活反馈的人使用的。

但我自己不是这样的人。我摔了一跤，可以随时找到现实生活中的人。

这次活动把条件无限推向极端：当你什么都没有时，你是否需要这样的产品？在这种环境中，如果你真的属于这类人，你会怎么和产品交互？你需要产品给你什么反馈？产品的平衡点应该在哪里？

我觉得，只有把条件推到底线，才能找到那个点。

你觉得自己其实在某些情境下也会成为这个用户？

对。

如果没有参加这次挑战，产品做出来之后，我自己可能不会用。在想象真实用户反馈时，我的判断其实不准确。

参加完之后，我意识到自己也可以和 AI 交流，也可以把一部分情感需求让渡给 AI，让它来给我反馈，而不是完全依赖现实世界。

所以你以前不喜欢和 AI 进行情感交流？

我不会和 AI 做情感交流。我觉得我只需要它高效地帮我解决问题。

以前有些用户会玩 Character AI、Talkie、星野、筑梦岛这些产品，我不是很理解。我会把产品都下载下来做调研，但不会长期使用，不会像打开小红书一样高频使用。

我现在觉得，以前的理解是错误的。

如果要做这个产品，就要把自己放到这个环境中，真的必须使用它，才更能理解用户到底需要什么。

我昨天晚上真的和这个产品玩了半个小时，一句一句地聊，不断进行下一轮交互。

如果我是一个需要陪伴的人，我觉得真的可以和它继续玩下去。这对产品来说是一个很大的反馈。

孟醒，你可以最后说一说。

再往回倒一点。比如 Sam Altman 一年半前有一个很有意思的观察：过去我们认为蓝领工作最容易被替代，但 ChatGPT 等产品出现后，发现白领工作反而最容易被替代。

顺着这条线，大家认为 AI 的能力会无限上涨，因为连更难的白领工作都能做。

后来发现，蓝领工作涉及机器人和物理空间，依然很难。再后来发现，一旦涉及线上线下，比如你要吃到东西，涉及 O2O 服务，这种介于白领和蓝领之间的事情也很难做到。

我们过去不太关心这些问题，因为好像不需要 AI 来做，而且已经有其他基础设施。

但真正让 AI take over，离这一步还有很多距离。无论是能力范围，还是基础设施范围，都有大量事情做不到。

在活动过程中，以及我们自己测试活动的过程中，这些都看得很清楚。

远期还会有商业上的阻碍。有些平台可能并不希望随便一个 Agent 都能调用自己的服务。

它也会经历商业博弈。有些平台可能更愿意迎合第一名，也有些平台可能更愿意迎合第二、第三、第四名，这里会出现很多商业变化。

第二个是，我觉得利导刚才提到了一个词，最近我刷抖音经常看到，叫“主体性”。

你刷什么抖音，居然刷到“主体性”？

对。一般说情感上的主体性，是你知道自己不是总站在别人的角度看自己。

你总是站在别人角度想：我有没有给别人添麻烦，我有没有做错什么。在很多环境里，你很容易处于被动状态。

东方文化里容易形成这种服从集体的状态。主体性就是以自我为中心看待整个环境，找到自己的生存意义和人的意义。

我觉得 AI 给了大家一个这样的机会。

过去学东西，有一套教材，有人按照他的方式写出来，你再适应他的教学方式。

今天，无论做什么，都是以自己为主体：我选择要学什么，我想体验什么。

我记得五六年前，我爸爸开始学弹钢琴。他从来不会音乐，也不是个例，代表一群人。以前学钢琴，要从五线谱、乐理开始学。

后来有人开班说：“我一个月教会你弹一首曲子。”结果导向。

这就是主体性。他不是想成为音乐老师，也不是要从音乐学院毕业，学习一套正统方法论。他只是想学某个东西，于是提出自己的要求，然后去学。

我觉得有一个新的思考点。

过去相当长一段时间，我认为最容易利用这个时代红利的人，是行业里的专业人士：研究某个方向的人，或者年轻、手速特别快的人。

这部分人依然会受益，但我觉得非计算机专业的人，对这个行业成长的价值可能比想象中更大。

利导在 after party 上的发言，我觉得反思非常深刻。对他来说，可能那只是创作中的一个灵感；但对我来说，它意味着创作工具可能应该往哪个方向走。

我们今天追求一致性，这些是非常 technical、非常具体的术语。但当一个创作者产生某种情感时，工具能不能帮助他更好地总结情感，再把情感变成更好的 execution？这些不容易被 technical define，但确实是创作者的需求。

它和技术之间有 gap。

你刚才说的精准和模糊，其实创作过程就是：从一团雾一样的、很模糊的东西里，最后获得唯一性。

对电影来说，最后获得的是一个唯一画面。以前这个过程由人完成，其中可能有一些不可解释的部分。

如果借助工具进入这个流程，它到底应该怎么从模糊中获得精准？我觉得这些都很有意思。

人的价值相对于机器，是机器可以处理人类已知的信息，尤其是结构化信息，并在其中重复思考。

如果人的知识库是一个圆，里面有很多已经被填上的点，中间可能还有空洞，机器能基于已有的点把剩下的空洞填出来。

但机器比较难做的是，把这个球往外再扩一圈。

过去我们画 PPT，其实就是把这个球往外凸了一点。人类的价值在边界上，恰恰是把知识的边界往外扩。

以前这个工作有点被忽略。大家把专业人士当作客体，认为他们只是使用工具、给反馈。

但实际上，程序员或算法工程师不应该和创作者是“我来做贡献、你来使用”的关系。创作者应该告诉工具怎么变得更好。

我觉得这个关系是一个很新鲜的视角。

现在各大主流视频生成工具，包括即梦、可灵，都是程序员和艺术家同步、双轮驱动。

程序员可能在写代码上很厉害，但对视觉的感受不一定足够，所以需要两部分人融合。

我加入即梦团队之后也发现，他们确实需要这部分人共同协作，把模型磨得更好。

比如最开始 AI 视频模型出来时，很多人会觉得生成的东西很“油”。这可能是程序员不会优先考虑的问题，但两者协作可能一加一大于二。

从我现在的思考来看，未来中国从导演中心制走向制片人中心制的道路会越来越快。

中国每部作品都由导演重新做，没有出现像漫威那样的超级娱乐个体，是因为没有把它形成标准化体系。

但未来我知道，北大团队里有很多老师在做这件事。他们写剧本时，会把它变成一个算法。以后很多想法输入进去，剧本就可以生成。

很多垂直领域的人在做这件事，但导演未必会主动考虑。

所以我的预测是，中国从导演中心制走向制片人中心制会加快，未来出现像漫威这样的超级娱乐个体也不远了。

但光靠传统影像工作者不行，光靠会写代码的人也不行，必须结合起来。

我觉得可能有两种结合方式。

一种是写代码、做工具的人是创作者，艺术家是环境反馈。按照 AlphaGo 的框架，创作者是 Policy Network，艺术家是 Value Network，Value Network 评估 Policy Network 生成的策略是否合理。

另一种是我们两个都是 Policy Network，并肩创作，让媒体、公众和用户共同反馈。

过去大家容易把艺术家当作其他领域的专家，认为他们只是提供意见。但他们不应该仅仅是环境反馈，而应该一起定义这件事，或者成为提出问题的人。

不是你提出问题、他来回答，而是两者共同提出和探索问题。

今天非常感谢三位做客《晚点聊》，分享五源发起和举行的 AI“72 小时生存挑战”，以及在这 72 小时经历之后，大家对于 AI、对于人和 AI 关系的新思考。