Koji
广翔，和大家打个招呼。
朱广翔
Hello，大家好，我是广翔。
那我们还是十字路口的老传统，从快问快答开始，帮助大家了解广翔。请问广翔，你的年龄？
朱广翔
93年，现在22岁。
不对，可能还停留在22岁的记忆里，梦想自己22岁。那和我一样，32岁，马上要到33岁了。你的毕业院校？
朱广翔
清华大学。
你的MBTI和星座？
朱广翔
MBTI是ENFP，快乐小狗；星座是双鱼座。
ENFP是最让人羡慕的MBTI，是不适合做技术的MBTI，适合做产品，比较感性。
朱广翔
对，很适合做产品。
一句话介绍一下秒搭。
朱广翔
一句话做应用。这个应用不是AI玩具，而是真的可以商业落地的，所以秒搭是中国商业应用最多的平台。
目前的收入和利润情况方便讲吗？
朱广翔
我们不看ARR，但是我们只看用户的ARR。
这个我们待会儿展开聊一下。前面的那会儿都会剪，是吧？
朱广翔
对。比如说一开始我说错32岁，那里也是会剪的。
做秒搭之前在做什么？
朱广翔
其实做过很多很多产品。在百度，秒搭是我带的第8个团队。
1. 代码被自己取代
广翔，之前我了解到，其实你初中就开始写代码，然后写了20年，到博士毕业，结果参加工作没几年就不写代码了，开始做产品经理。
朱广翔
对，而且做着做着，还做了一个让别人也不要写代码的产品——秒搭。
你有同事有一次开玩笑说，好像你造了一个车轮，碾过了自己的过去20年。听到这句话，你的感受是什么？
朱广翔
被车轮碾过了自己。首先，我确实是一个比较叛逆的人。我是我们学院建院10年以来第1个换导师的人。
第1个换导师的人？
朱广翔
对。当时我换导师，也是因为发现AlphaGo下赢了李世石，当时就决定转做强化学习。
换方向在叉院是一个多难的事情？
朱广翔
建这个院到我换导师之前，就没有人换过。当时甚至都没有这个流程。
是因为什么原因那么难？
朱广翔
我觉得大家还都是好学生、老实孩子，大家不太去做一些常人看起来像异教徒的事情。
是不是因为换导师这件事本身就带有一种被——
朱广翔
因为它带有很多不确定性。一个是说，这个研究已经做了很长时间了，你要再换一个方向，还要从零起步，那你的毕业时间可能要延长。
那你怎么想的？你不担心自己好多年都毕不了业吗？
朱广翔
就是走弯路。我可能做旧的时间越久，走弯路的时间就越长。如果以整个人生作为界限来看，早一年、晚一年毕业，其实无所谓。
所以你一开始走的是什么弯路，后来换到了什么样的新路？
朱广翔
我一开始是做机器学习，这不是弯路。后来我把机器学习开始找应用的时候，第1个场景是计算生物学。其实当时在转方向之前，我已经够毕业了。毕业要求是够5的影响因子，而我当时已经到20了。
我当时主要研究蛋白质的三维建模，还拿过中国的年度十大进展，算是AlphaFold的前身。
AlphaFold后来是用更大的模型做的。这不是很有潜力的方向吗？为什么要换？
朱广翔
因为生命科学离工业界、实业界还是有点远，它还是偏研究型的，可能要50到100年才能看到显著的成果。现在还是在研究阶段，比如说我能看清某个结构，但并不是说把看清的这个结构马上变成能治病的药。
做强化学习的时候，我看到李世石代表人类智慧都打不过机器人了。机器人真的可以做一些决策，做一些智能，所以当时就转做强化学习。我也是清华最早一批做强化学习的人。
就是在人生的十字路口，非常果断地做出一些选择，但这些选择其实也付出了一些代价。
朱广翔
是。我也是这一届里唯一一个不干程序员工作的人，毕业之后就做产品经理了。写了20年代码，白写了。
我做了4年，然后换了8个团队。本质原因就是，我一直在看整个行业大盘的趋势是什么。现在虽然说我被车轮碾过了自己，放弃了20年的功底，但我觉得我还是放弃得很彻底。我觉得自己走了20年弯路。
其实我觉得，历史从来都是用车轮碾自己的。
讲一个小故事。你知道C语言的编译器是用什么写的吗？
朱广翔
用汇编语言。
第1版的编译器就是用汇编语言写的。所以说，汇编语言造了一个轮子把自己碾死了。因为有了编译C的编译器之后，就只需要去用C语言了，再也不会用汇编了。
朱广翔
对，学汇编就是一场噩梦。
对。它当时第1个版本就是用汇编语言做了一个能编译简单C的编译器，然后我们再用简单C去写一个能编译复杂C的编译器，就这样不断迭代下去了。它也是用不断用车轮碾自己的过程。
所以，整个计算机发展史，你看，最开始是机器语言。机器语言就是电脑自己的语言，只有它看得懂，就是“0101”，人根本看不懂，只有机器能看得懂。
朱广翔
对，只有机器能看得懂，这是机器的语言。
汇编语言就是用接近人的语言去告诉机器该怎么做。
朱广翔
这就是汇编语言。
再往后是高级语言，比如C、Java、Python。它是用接近人类的语言告诉我想怎么做，而不是告诉机器怎么做。因为汇编语言每句话描述的是CPU该干什么、资源管理该怎么做；C语言描述的则是我想做一个什么算法，想实现什么样的应用，做什么样的工程。
我是用接近人的语言去说我自己想干什么。那再下一步，把这条曲线拟合到极限，是不是我不用类人的语言，而是直接用人类语言说我要干什么？其实就是现在的Web Coding，本质上就是表达。
所以这套计算机的发展曲线，就是用车轮碾自己的过程，上一代语言被下一代语言碾压过去。
刚才你提到，自己觉得放弃得晚了，应该早一点放弃。
朱广翔
对，应该早一点放弃。
这个很有趣。比如今天新表达仍然有程序员团队，对吧？那你看到这些程序员的时候，是什么心情？
朱广翔
他们也在自我碾压。因为现在秒搭的需求有一半是由秒搭生成的，秒搭的代码差不多有80%是由AI写的。所以说他们也在自我革命，他们也是用新的工具去生产，而不是用以前的方式去生产了。
2. 从怀疑到相信
一开始你做秒搭的时候，是怎么理解这件事的？你是一开始就充满信念感，觉得无代码应用构建平台是一定会发生的未来吗？
朱广翔
最开始我是不信的。把时间倒回到2024年下半年，那时候还没有DeepSeek，大家都不知道什么是CoT、什么是Thinking，也不知道什么是工具调用。工具调用有一些浅度的实现，比如通过Function Call去实现，但那个时候其实各家的Coding模型都不行。
这是模型层。产品侧，当时Manus也没有，大家对AI的理解还是Chatbot。就在那个节点，我们要做一个用No Code去做应用、做小程序、做网页的产品，当时基本上没人信。
现在回忆起来，2024年下半年已经感觉很遥远了，像史前时代一样。
朱广翔
对。
你刚才说的时候，我突然想到，我们那个时候其实录过一期播客。有一位嘉宾说，有一个ChatGPT的重大发布一定要重视，就是Function Call。我的印象非常深，当时他热情洋溢地讲，我还觉得真的有那么重要吗？
现在看确实非常重要。
朱广翔
是的，时间过得好快。2025年感觉发生了非常多事情。
所以一开始不信，后来是因为什么原因，做着做着你就相信了？
朱广翔
其实当时确实不信。我们内部做Demo，还是有点定制化，面向少数几个场景。当时大部分能力真的不行，智能不行，就用人工来凑，人工智能嘛。
所以当时用了很多半工程化、半模型的方式把东西做出来。后面做着做着，我自己从不信变成了信。
第1个点就是，我去对外讲这个产品的时候，发现我的用户比我先信了。一开场我说“一句话做应用”，底下人都不知道我要干什么，以为是传销，不明所以。我一边讲，一边演示，很多人看完之后会说：“哇，我真的看到了。”
哈木木特本来还在底下玩手机，马上就睁大眼睛看了，大家的眼睛明显放光了。很多人看完我的演示之后，自己也想到了很多场景，觉得确实可以用这种方式更方便地做出来。
我突然也回忆起来，自己以前确实有过很多场景，可以通过产品去满足。比如我读博的时候，导师要求我们每个人做一个学术主页，这还算是个人级的场景。
朱广翔
再往后，第2个让我转变思维的瞬间，是有一天我在网上用百度搜索，搜到了一个网站。后来我同学跟我说，这个网站就是用你们秒搭生成的。
我一下子回忆过来，感觉好像突然有一种《楚门的世界》的感觉。我一直在认真浏览的一些内容，突然有人告诉我，这些都是AI做的。
你没有意识到那是秒搭做的。
朱广翔
对，我都不知道是AI做的，更不用说是秒搭做的。后来我回头仔细琢磨了一下，还是没看出来。
之后我找这个作者聊了一下，才发现这个作者是一个50多岁的医生。
他做了一个什么网站？
朱广翔
他们整个医院的官网，而且已经变成了一个真实上线、医院一直在使用的官网。在百度搜索里，搜出来第1条、带官方Logo的，就是他们用AI做的。
这是我第1次看到，至少是我看到的第1次真正上线到业务场景、真正帮他解决问题的案例。当然，可能更早就已经有了，只是我没有看到。
而且这不是你们在收集用户案例的时候发现的，是你自己偶然发现的。
朱广翔
对，偶然发现的。
这个冲击也很强。
朱广翔
是的。这就是从不信到相信的一些转折点。它让我看到，我们做的应用能够满足更大的场景，一些严肃级场景、企业级场景。
3. 用户ARR才是目标
前面你也提到，你们不看自己的ARR，看用户的ARR。这个可以展开讲一讲吗？
朱广翔
我们为什么可以完全不看自己的ARR？实际上，我们对用户和管理者许诺了一个我认为更底层原理的指标，就是要做秒搭用户的ARR。
这是什么意思呢？Robin今年在百度世界大会上说过一个道理：我们的产业结构正在发生变化，以前是正金字塔，现在逐渐往倒金字塔发展。
以前的正金字塔是什么意思？我们有3层，最上面一层是应用层，中间是模型及平台，底下是算力硬件。回忆过去整个AI圈，谁最赚钱？大家都会想到老黄，显卡赚了最多的钱。底下是最厚的，再往上模型赚了其次的钱，再往上应用基本上都是赔钱的。
所以以前是一个正金字塔。但真正比较健康的结构应该是应用层赚最多的钱，它赚到价值之后，把一部分收入回馈给工具层、模型层；工具和模型因为使用了硬件，再拿出一部分给到硬件层。这样才是一个持续、持久、健康的产业模式。
秒搭考虑的是一个倒金字塔的产业结构。我们希望扶持非常多的人，把自己的应用做出行业价值，赚到自己的钱。
最近有一个词比较火，大家都在讲OPC，也就是一个人公司。出现了很多一个人公司，通过秒搭自己赚了十几万。
朱广翔
通过秒搭赚到最多钱的用户是谁？我们没有统计过最多是多少。我偶然了解到，有一个人赚过十几万，还有一家小公司赚到了70万。再往上的话，我就没有统计了。
你刚才提到不看自己的ARR，看用户的ARR，但你们要怎么统计用户的ARR呢？
朱广翔
我们做了一个筑梦计划，去扶持他们完成自己的商业梦想。他们会主动联系我们，但这只是小众，肯定还有更多人是在水下、没有被我们统计到的。
刚才提到的这个赚了十几万的个人公司，以及赚了70万的小公司，他们分别做什么？
朱广翔
那个超级个体赚了十几万，网名叫皇阿玛。他做了3个项目。
第1个项目是漫剧平台，赚了12万。第2个是门窗店官网，卖了3万。
很多人会问，为什么一个官网能卖3万？一般来说，3000元就差不多了。
朱广翔
其实他发现了一个核心痛点：门窗用户想知道装到自己家里是什么样子。所以这个官网多了一个功能，用户上传自己家里的图片，再选择一种门窗，就能在线上看到装上之后的样子。
这样提升了用户购买的意愿，门窗店老板特别满意，就给了他3万元。
第3个是汽车喷漆工具，喷漆之前可以看到，假设喷上这种漆之后会是什么样子。它也是一个AI工具。
秒搭现在也不支持他写代码，对吧？
朱广翔
对，他完全是通过秒搭生成的。他做了很多应用，发到了秒搭广场。第1单的用户直接在网上给他留言联系他，最后成交了这一单。
那赚了70万的那家小公司呢？他们也是过去不写代码的公司，还是过去写代码但用了秒搭之后换了另外一种工作方式？
朱广翔
他们以前实际上是一个传统的交付公司，有12个人组成的研发团队，注册了17家公司，去接各种政府项目和行业项目。用了秒搭之后，他们换了4个项目经理。
原来的项目周期都是半年到1年，有了秒搭之后，基本上1周就能交付一个项目。他们当时才用了1个多月，现在已经交付了2个项目，分别赚了40万和30万，加起来就是70万。
一个项目是给养老院做一套管理系统，另一个是给一家企业做一套内部办公平台。
所以再说回来，不管是超级个体还是一个人公司，我们的目标都是明年做1万个这样的超级个体。比如说一个人赚十几万，1万个超级个体就是十几亿，应用层就有十几亿收入。
他们反馈10%给到我们，我觉得不算过分吧？这样我们能赚1亿，再掏出1000万给到底层硬件和算力这些能力，这就是一个非常健康的倒金字塔结构。
所以我们相信，只要用户能赚到钱，我们早晚也能赚到钱，整个行业会持续发展。我们的目标就是用户的ARR，也就是我们帮助多少用户赚到钱。
4. 模型延长线风险
如果必须说一个风险，如果有一天秒搭失败了，你觉得是因为什么原因？
朱广翔
如果失败了，有可能是我们误判了模型的延长线。我们以为自己做的事不在模型延长线上，结果不小心做到了模型延长线上，被模型内化了，这可能是最大的风险。
我觉得所有AI产品最好的方式，是和模型保持15度的夹角。产品的方向一定不能和模型正交，否则就没法吃到模型的红利。
你们的15度夹角是什么夹角？
朱广翔
就是说，我可以通过多模型路由架构用到世界上最好的模型，把模型能力用到这些能力上；同时，我们还有很大一部分是模型没法马上内化的东西。
比如语音能力、后端能力，以及端到端内化整个产品开发的能力，从产品设计到最后的部署和分发，这些短时间内没法被内化的能力，就是我们的夹角所在。
你也提到，短时间内不能被内化。但放到中长期来看，不管是秒搭，还是Cursor、Bolt.new，你觉得这些产品都会被大模型吃掉吗？
朱广翔
如果从无限长的长期来看，会被吃掉。
之前我也看过毕超的访谈，他用“缸中之脑”的比喻，说环境是永远无法被内化的。其实这一点上，我有点不一样的观点：模型确实短时间内很难内化环境，但从终局来看，环境也是可以被内化的。
因为我以前是做强化学习的。其实现在大模型用的这一套理论，强化学习都玩过。你看我毕业论文里出现最多的一个词，那时候还是小模型时代，最多的一个词就是Agent。现在又是Agent。当时我导师就专门研究Multi-Agent，现在又是Multi-Agent，包括工具调用、思考、CoT，其实之前都出现过。
强化学习领域分成两个大的方向，一个叫Model-Free，一个叫Model-Based。Model-Free就是说，我不内化环境，我使用外部环境，去和环境交互获取信息。Model-Based就是说，我要内化环境，把环境放在缸中之脑里。虽然没有去和环境交互，但我在脑子里都过了一遍。
可以举个例子。比如说从百度去清华，如果我在每个路口都去问路，慢慢走到清华，这就是Model-Free。世界是我的环境，从百度到清华的这条路就是我的环境。我没有对环境进行预先建模，只是去探索，然后走过去。
另一种方式是看地图再走过去。地图就是对真实环境的建模，它把环境内化到了地图里。我看完地图之后，就知道有几条路径，哪条路短，哪条路长，哪条路快。这个过程就是我去制作地图、绘制地图的过程，也就是建模环境的过程。
环境本质上就是一个MDP，也就是马尔可夫决策过程。基于当前状态和当前Action，去预测下一个状态和下一个Reward，这就是一个方程。这个方程也可以被学习、被写进神经网络里。一旦它被写进去，环境就被内化了。
具体到刚才说的Cursor、Lovable和我们这些大模型产品，环境也可以分成几类。比如有一类是IDE。
IDE本质上其实就是我们前面说的编译器。
朱广翔
对。IDE一方面是和程序员交互，作为记事本去写东西；更内核的实际上是编译器。
关于这一点，我很早就有一个“暴论”。我很早就和我们团队同学说，Cursor一定会被Claude干掉，因为IDE不是本质，本质是编译器。
我自己写代码基本上不用IDE，在记事本里打开就直接写，命令行也可以直接写，用Vim也可以写。后来有了Claude Code，它通过命令行的方式，确实洗掉了很多Cursor的用户。
IDE交互不是本质，真正的本质是后台编译器。编译器就是Cursor这类产品的环境。这个环境能不能被内化？前面说过，编译器本身也是一段代码，它包含语法树、词法解析、语法分析，以及中间代码的转换，最后转换成原始机器码。
如果这段代码被大模型学进去，以后大模型可以自己去执行代码，不需要通过真实的编译器去执行代码，那Cursor这类产品可能就没了。
再往后，操作系统也是代码。Manus和我们都有一个虚拟机，里面装各种软件、各种环境，能调用各种工具，运行各种东西。这个虚拟机本质上就是一个操作系统，操作系统也是一些代码。
如果这些代码被模型学进去，模型也可以自己Replay所有事情，不需要外部环境，我们也就被内化了。
这很有趣，还是把这件事推到极端的一系列假设。
朱广翔
是的。
在这样的极端想法之下，你觉得秒搭最后会变成什么？
朱广翔
那时候就是模型级产品。但这个时间周期非常长。要内化一个编译器这种复杂度，我感觉至少需要3到5年；要内化一个OS级的操作系统，可能需要5到10年。
你觉得这一定会发生吗，还是或许也不会发生？
朱广翔
或许不会发生，或者说这是一个概率事件。因为我们现在也看到，当代码生成变得非常重量级的时候，会出现更高的幻觉和更高的不确定性。这个问题可能会阻碍这件事成为现实。
所以在这个概率事件没有发生，或者短时间内没有发生的时候，产品和模型保持15度的夹角，就是又能快速迭代、又能享受到红利的最好状态。
你能想到什么样的产品，是非常完美地利用好了这15度的夹角？
朱广翔
其实就是Manus。它的夹角位置处得很好，所以我们非常欣赏Manus的产品经理。
我们内部开玩笑说，我们招什么样的人？产品经理就招Manus这样的，研发就招姚顺宇那样的。
5. AI Coding四大天王
秒搭现在也可以说是所有互联网大厂的兵家必争之地。AI Coding是一个已经被验证、具有很大商业价值的场景。可不可以请广翔给我们科普一下，放眼全球所有的AI Coding工具，它们大概可以分成怎样的派别？
朱广翔
先看国外。国外现在我们内部叫“四大天王”，关注比较多的是Lovable、Replit、Bolt.new、v0，这4家各有特色。
Lovable的开发和部署过程都比较轻量化，模板多、教程多，对外传播也多。他们有一个宗旨，叫“人人都是CMO”，大家都要做好产品、讲好产品。
听起来像刘德华。
朱广翔
是的。
第2位是Replit，它更专业一点，部署功能做得更加灵活、全面，在企业场景下使用更方便。它支持各种数据库配置，把后端部署这部分做重了。
第3家是Bolt.new。它背靠云IDE公司，IDE能力做得比较好，所以IDE做得很不错。这是针对比较专业的开发者，在开发环境和开发过程中提供更多能力，而且它也支持多种语言，把整个前端开发过程做得更重。
第4家是v0。v0把前端交互设计做得非常极致，有很多高仿真、高还原的能力，能让设计师的原图在应用里体现出来。它是一个以前端为中心的应用。
所以说，Lovable代表轻量化，剩下3家都各有自己的长板。
国内除了秒搭，可不可以再讲一讲你们会关注哪些友商，不管是创业公司还是来自大厂背景的？
朱广翔
国内的话，秒搭专注于做无代码应用生成，和我们直接对等的产品其实比较少，比如美团的No Code、马上飞、响指。
但我们发现一个现象：从去年下半年开始，原来不做无代码的玩家都开始涌过来，甚至是跨行的，做Chatbot、做陪聊的，也会往这个方向渗透。
第1类，是有IDE往无代码开发渗透。典型的比如Trae，以前Trae就是一个IDE，后来Trae推出了一个模式叫SOLO，可以一句话做应用。腾讯的CodeBuddy、阿里的Qoder，其实都是类似的，它们原来做IDE，现在也在做No Code。
第2类，原来是做通用智能体的。它们原来的任务也是无代码，比如做PPT、做Deep Research、做定时任务，现在变成了能无代码做应用。典型代表就是Manus，Manus 1.5主要增加了Web Coding能力，可以做网页。
国内也有很多和Manus对标的产品，比如扣子空间。
第3类，是原来做低代码平台、做拖拉拽、做工作流的，也在往Web Coding迁移。比如今年扣子宣布改名，改成了扣子编程。
我们在国内虽然直接竞品非常少，但间接竞品非常多，因为大家都意识到这可能是一个未来。
6. 秒搭的竞争壁垒
在这样激烈的竞争里面，你们的差异化或竞争优势是什么？
朱广翔
第1个就是，秒搭是个活的。它会逐渐成长，会自我迭代，主要有两方面。
第1方面，我们基于数据飞轮，实现了一套模型和智能体自成长、自我演进的架构。用户对秒搭每一次使用的点踩、点赞，以及应用是否上线、是否正式发布，还是反复修改一直没有上线、一直卡在那里不停修改，这些信号都会反馈给模型。
模型学会这些之后，下一次就能生成得更好。除了模型以外，智能体的整体策略也是动态的：如何调用工具、如何生成铺底代码、如何指定各种智能体任务、如何调度，都会根据用户的实际使用反馈，调整整个机制设计。
第2方面，我们还提供了一个非常全面的插件系统，去扩展秒搭的能力。比如打开地图，可能需要百度地图的服务；或者需要联网搜索，就需要百度搜索。
总结来说，秒搭面向的是小白人群。这些人需要端到端的服务，不管是生成、部署、上线还是运维，都希望有人提前帮他完善好，所以需要很多能力。
第2点是，现在大家可能看到很多模型都在卷前端，前端很好看，但如果真实数据想要长久保存、长久使用，还是需要后端去管理。后端包括数据库、认证系统、支付系统，以及后端逻辑。
可以把它理解成脸和大脑。脸就是前端，要好看；大脑就是后端，要执行复杂逻辑、存储数据。
朱广翔
对。这个后端能力，秒搭做得是独一档的。
在整个后端赛道里，Top 1或者全球领先的玩家叫Supabase。Supabase去年下半年发了一篇博客，说有3家领先的AI Builder和它合作：第1家是Lovable，欧洲之星；第2家是Bolt.new，美国之星；第3家是MeDo，MeDo就是秒搭的海外版，算是亚洲之星。
所以说，他们是官方认可了我们的一些进展。
为什么后端在现在这个语境下，和之前有什么不一样？刚才说数据库、认证，听起来像上个时代的事情。
朱广翔
上个时代确实也有数据库，但是面向AI的数据库也有自己的特点，这两种数据库完全不一样。
第1点，它的尺寸和灵活度不一样。上个时代的数据库都非常大、非常重，要存储海量数据，主要任务是存储。而这个时代的数据库非常小、非常灵活，数量非常庞大，因为它是面向应用的，可能每个应用都带一个数据库。
它还要非常灵活，随着应用的尺寸灵活扩缩容，需要非常高、非常极致的弹性。
可以说一个数据：秒搭1周创建的数据库，比我们做传统To B服务的数据库团队做了7年累计的总数据库量还要多。所以它需要支持非常高的弹性，去生成大量很小的数据库，这需要很强的云能力。这里是我们通过云技术自研的一套能力。
第2点，上个时代的数据库是给人看的、给研发看的。研发通过SQL和工程代码去管理数据库，进行增删改查。
而这一代数据库是给AI看的，它需要对数据库的各种逻辑进行改造，做各种MCP，做各种面向Agent的优化，以及上下文方面的能力，这些都需要改造。
第3点，去年年底的时候，我们实现了一个能力：一个Query就能生成既有前端交互、又有后端存储的应用。
当时Lovable要N个Query才能做完这件事。它先要一个Query，说我要做一个什么应用；应用生成完之后，AI会问是不是要挂一个数据库，以及哪些逻辑要写到数据库里；用户确认之后，还不能直接把数据库生成出来，还要跳转到Supabase去配置数据库，比如申请一个项目、填好各种参数，再把配置好的Token拿回来填进去，然后继续往后走。
它要经过好几步，因为它基于一个非常通用的Base和自己的产品，来回跳转。而我们是把这两个东西原生放在一起的。
所以它会根据用户的Query，如果发现需要后台，就把这些东西直接接好，直接给你生成一个带数据库、带前端，而且数据库和前端互相联动的现成应用，面向小白的体验会更好。
后来我们看到Lovable也专门迭代了一个版本，在下半年叫Lovable Cloud，专门把Supabase那套东西嵌到Lovable里面。它只是减少了跳转过程，但体验还是割裂的，还是需要额外配置，没法通过一个Query完全原生地完成。
我在理解，这其实不是他们做不到，而是他们的产品选择。
秒搭有一个我觉得非常偏执、极端的选择：不给用户看代码，用户不能改代码。包括刚才提到的，用户一句话生成出来的应用如果有后端数据库，你们也不给他看数据库的表结构，也不让他修改。
这和Lovable是不一样的。Lovable可以把这些开放给用户，让大家去改代码、改数据库。所以我觉得，这好像是产品哲学和设计理念上的不同。
朱广翔
刚才有一点需要补充：代码我们确实不给用户改，但是给用户看。我们是可以生成代码的。
我们希望用户怎么修改呢？不是让他直接上手，通过编辑器或者IDE去修改，假设他看得懂代码。用户可以截图、截选一段代码，然后告诉秒搭：“帮我这样改。”秒搭也会分析代码，只是把这种具有破坏性的输入行为禁止了。
数据库方面，秒搭支持用户查看生成的表结构、管理表、上传和下载数据。
可以改数据库表结构吗？
朱广翔
也可以，可以编辑列和行，就像使用Excel一样。
我们认为，像白领一样使用各种办公软件的能力，要开放给用户；而需要培训、需要专门学习一个专业才能理解的代码能力，就不开放给用户。
所以写代码不行，但数据库编辑和管理可以，只是这些东西很多都是更原生地写在Agent里的。
了解。再说回秒搭的差异化，除了刚才提到的几点，还有别的吗？比如我注意到，秒搭可以做小程序，这显然是刚才提到的国外四大天王不可能做的。这在你们看来是重要的差异化吗？
朱广翔
是的。刚才说了两点，一个是秒搭是活的，一个是有非常强的后端能力。
秒搭定了几大场景。比如小程序，面向小程序这种特殊语言、特殊依赖包和特殊环境，我们都做了训练，也有专门的Agent逻辑，这是在私域。
在公域，用户要的是流量。百度本来就是做网站分发的，所以我们也打通了各种搜索引擎，不止百度搜索，也包括必应、谷歌。用户在秒搭生成的应用，可以一键分发到公网，让更多人被看见。
所以我们在场景化上往深走了一层，从应用开发、部署到分发、管理，都是一站式的。
还有其他差异吗？或者其他你认为的亮点？
朱广翔
我们有一个独一无二的流程，叫产品经理智能体流程。
大部分Web Coding产品是一个Query进去之后直接写代码、出结果，而我们是Query进去后，先出来一个需求文档、一个产品文档，让用户确认，用户也可以修改。确认、对齐之后，再往后写代码、执行。
我们说“一句话做应用”，但这一句话其实不是需求，而是创意、灵感、Idea。怎么从创意变成真正的产品需求，让研发智能体听懂，这中间实际上相差十万八千里。
所以我们做了一个非常专业的产品经理智能体。
再往下，我们还建立了一套Benchmark，叫秒搭Bench。目前还没有对外开放，但很快会发布论文。
这个Benchmark评估什么？
朱广翔
评估应用生成。以前有评估代码生成的，比如大家都知道的SWE-bench，它是软件工程领域的Benchmark，主要基于软件的一些Bug修复。
各种Coding模型去刷SWE-bench，相当于替换了一个程序员；而秒搭替换的是一个产研团队，所有逻辑都要跑完，才能端到端地帮用户交付一个应用。
在面向小白的场景下，所有环节都需要有自己的Benchmark，更好地衡量每个环节。
这里引用姚顺宇的一句话：AI下半场，评估比训练更重要。
朱广翔
确实。一个产品的Benchmark决定了产品的Taste，而我们在每个环节都有一套Benchmark。这套Benchmark实际上就是秒搭的壁垒，也是秒搭Taste的构成。
这个Benchmark比较容易评估的是做得对不对，但秒搭要做一个应用、一个网站，大家对它的审美也有要求。它好不好看，在评估上要怎么做？这是一个非常主观的事情。
朱广翔
关于姚顺宇说的那句话，我可以再补充一句：评估比训练更重要，但实验室里的评估不是真评估，在用户场景里的评估才是真评估。
大家经常看各种榜单，各种模型都在刷榜。但很多人都知道，那个榜单看看就好，因为在使用场景里，模型的顺序和榜单上的顺序完全不一样。
好不好看、可不可用，实际上要看用户用脚投票。我们可以通过用户的后验行为来分析。比如用户觉得好看，可能马上就会想把它上线，然后转发给朋友去分发。
分发之后，其他用户使用时也会留下痕迹。其他用户经常交互、经常点击、经常查看、经常停留的地方，其实都是证明它好看的信号。
如果让用户来评估，会不会受限于秒搭早期用户的审美？他们的审美不一定是最广泛的，也不一定代表今天大家普遍认可的审美。
朱广翔
对于可用性，大众的认知还是比较接近的。对于审美这种比较主观的判断，确实不同的人是不一样的。
为了降低这种Bias，我们会把用户评价作为一部分；内部也会有一个由设计师组成的专家团队，作为一部分；产品经理和运营也会构成一部分。我们会通过多个渠道综合完成评估。
刚才我们说了很多差异化和竞争力，还有补充吗？
朱广翔
最后一点，我们还有一套多智能体、多模型的路由架构。
生成应用这个场景看起来小，其实非常大，有100多个任务。这套架构会基于我们的Benchmark自动评估。我们画了很多小方格，当前任务、当前方格下最好的模型是什么，最好的Agent逻辑是什么，然后自动切换到相应的模型和逻辑。
可以举个例子：如果Benchmark是菜谱，模型是食材，那么这套路由架构就是炊具。我们面向菜谱，把食材炒成用户最想吃的菜。
所以这套架构也是我们的核心竞争力。
很有意思。之前有些播客里，Lovable的创始人也说自己是开餐馆的，他们用了类似的比喻。
朱广翔
对，人心餐馆。
7. 百度押注未来应用
我们录播客最开始提到，一开始你其实不信这件事，好像这是公司的一项安排。可以讲一讲，当时公司的战略是怎么形成的吗？
朱广翔
我觉得百度一直是用两年后的技术来指导当前的产品发展。当时虽然技术还不行，但他们觉得两年后一定行。
还有就是，全球只有3000万程序员，但全球有80亿人。80亿人每个人都有想法、业务场景和需求。如果他们都能变成创造者，创造产能会远大于3000万程序员。
而且对他们来说，这是从零到一，是从不行变成行，所以市场空间会更大。
了解，赌一个未来。
接下来聊聊百度。在百度做一个产品，在外界看来还是会有一些滤镜。想问一问广翔，在百度做秒搭，你遇到了哪些摩擦力？另一方面又遇到了哪些助力？可以讲讲你的感受吗？
朱广翔
这块还真要想一想，送命题啊。
首先，第1个助力，我觉得没有百度就没有秒搭。最早落地的No Code应用生成，本身就是百度的基因。因为百度是技术思维驱动、比较理想主义的公司，没有那么看重当前一城一池的得失，而是站在两年之后的技术上，预测现在要做什么。
所以当时公司坚定地投入做秒搭。我们帮老板亏了很多钱，但是还能活下来，就是因为他们对技术有追求、有信念。
阻力的话，和一般大厂都一样：人越多，想法也越多，所以需要有一个互联网专用的词，叫“对齐”。我们在对齐上花的时间会比较长。
我在B站看到一些介绍秒搭的视频，评论区有人说：“如果不是百度做的，我就会用一下。”这是不是也是一种阻力？你看到这样的评论时，心情是什么？
朱广翔
可能是说，我们的产品和一些传统产品的调性不太一样。我们这个团队，很多人都会说“没一个正常人”。
没一个正常人。
朱广翔
对。首先说我自己，再说我们团队的同学。
前一阵聚餐的时候，我有一个校招生跟了我半年，他要去下一个岗位了，因为他是轮岗。在他离开的时候，他跟我说，他觉得我最大的优点是不听老板的话。
我回头想了一下，我们团队的技术工程师，内部俗称“高工”，他们也不听我的话，甚至会直接骂我。
所以我觉得这点还挺不一样。我们很多研发确实比较凶，会挑战很多人。
本质上，是因为我们团队只有一个指标，就是上帝指标：用户说了算。我们最后吵得不可开交的时候，就去看微信群里大家怎么说；把事情发到社区里，看用户怎么选。
当然，这只是一方面“不正常”。还有很多不太正常的地方。比如我们的运营，很多人来自各种职业，有数字游民，在外面四处游荡，后来在秒搭落地生根。
还有人深扎到用户群里，我都不知道他到底是百度的人，还是用户的人。他每天都会给我们分享：海南的用户给他寄来的椰子上刻着秒搭；有位老师把全班同学做的应用做成合集寄给他；还有一位大哥用秒搭赚了40多万，邀请我们的运营同学过年去他家吃年夜饭。
我们的产品同学也都非常有个性，虽然都很年轻，像一帮小孩，想法天马行空，经常互相吐槽。
现在网上有一个很流行的说法，百度“起大早赶晚集”。你会担心秒搭也成为这样一个起大早赶晚集的产品吗？
朱广翔
目前来看，肯定是赶大集，赶的不是晚集。我自己还是非常自信的，我觉得它肯定还是一个早期产品。
我们录播客的时候，正好有非常多新的趋势和产品在诞生，也有很多和秒搭多多少少有一些关系。想请广翔和我们一起聊一聊。
8. 云端对抗本地
第1个是Claude Code。我们录制的这一周，正好是它在海内外刷屏的时候。你看到Claude Code时，感受是什么？
朱广翔
我想到毕超当时讲的一个理念：云上实际上有独特优势，而Claude Code是在本地化的，和IDE应该是一个赛道。
秒搭也是选择在云上，因为我们服务的是小白用户。如果他直接操作电脑，把东西装在本地，还拥有无限的文件权限和办事权限，可能会把电脑搞崩。
所以大家要买一台新的Mac mini，不敢在自己的电脑上搞。
朱广翔
对。而我们和Manus是类似的，实际上是在云上有一套虚拟机，里面想装什么就装什么。而且这个虚拟机是面向应用的，可能你开发一个应用，就给你新开一个虚拟机。
就算这个应用把虚拟机搞坏了，也可以换一个应用，重新再来，不用担心安全性问题。而且效率也会非常高，因为可以开1000个Agent、1000个虚拟机，同时干1000份工作。
9. Skills管理上下文
最近大家聊Claude Skills非常多，你怎么看Claude Skills？
朱广翔
我先说个暴论：其实Claude Skills就是把我们去年的一些Trick公开出来了。当然不只是我们，我们的同行可能也都已经做过类似的工作。
Skill的本质是一个动态加载能力，本质上就是上下文管理。我们如果把上下文一股脑扔给模型，要么会超长，超过窗口；要么虽然没有超长，但注意力会分散，因为要处理的事情太多。
动态加载、渐进式披露的方式，就是需要哪些加哪些，需要哪里点哪里。它可以更加灵活地管理上下文。
秒搭去年年中专门做过一次很大的迭代，就是为了解决这个问题。相信早期用秒搭的用户都有过这样一段惨痛记忆：当时用户修改的轮数一多，比如改到50轮，就改不动了；改什么秒搭都说“对不起，我改不了了”。
其实就是因为上下文管理有问题。我们当时及时做了改造，做了一套像Skill一样的说明书、说明文档。每次AI会先读说明书，判断该加载哪些工具、哪些MCP、哪些代码、哪些上下文，然后再把这些内容路由、拼接到系统Prompt里，继续往后执行。
这个对用户是不可见的。
朱广翔
对，用户直接感受到的就是，上线这个功能之后，可以无限轮修改。修改多少轮都不会有问题，每一轮修改的成功率也更高，好像模型变得更加聚精会神了，每次只专注做好一小部分事情。
这和Claude Skills本质上是一个原理。所以我们内部经常开玩笑说，Skill把我们的秘诀公开出去了，大家都会了。
当然，Skill很厉害的一点，是把这套原理和逻辑标准化，作为一个通用的行业方案，造福了大家。这样一来，大家又站在同一起跑线上，行业里的秘密也变成了公开的事情。
现在出现了非常多Skill集合站，可以直接把Skill一键部署到Claude里使用，也可以一键传到Manus里使用。
那秒搭之后会考虑让用户自己导入一些Skill，或者开放一个Skill广场，让用户选择Skill来用吗？
朱广翔
其实我们原来的规划里就有这一步。
Skill有两个层面。第1个是后台隐式管理上下文，用了和Skill一样的原理，这是刚才说的第1步。第2个是把这个能力开放给用户，让用户扩展更多能力。
这一步我们已经做了一部分。在秒搭里，它叫插件。在整个Web Coding工具里，只有秒搭把插件系统作为一级目录，大部分产品都没有这个概念，或者只是一个附带功能。
整体上我们定义了3种插件。
第1类是API插件，通过API服务的形式接入应用。
第2类是Prompt类插件，通过写一段超长Prompt，描述一个复杂流程。这和现在很多市场上流转的Claude Skills内容很像。把市场上那些内容，包括Claude Skills、Code Skills的Prompt贴过来，实际上也一样能用。
第3类是Code类Skill，让传统编译器执行代码。比如写一个格式转换能力，通过代码处理字符、文件和格式，用一些Python函数实现。这个能力就可以独立定义成一个Skill插件。
10. 反共识者的下一步
广翔，有没有什么和大家不一样的、所谓反共识的建议，是你认可但觉得今天大家还不认可，或者还没有意识到的？
朱广翔
我觉得我干的这件事本身就是反共识。No Code就是异教徒，AI Coding大家也都是异教徒。
今天看起来可能已经不太是了，但从Day 1开始，我们一直被认为是异类、是反共识。因为当时大家都在卷IDE，Cursor满足了程序员的PMF，大家都不觉得小白有一天真的能自己做应用。
但我们坚持下来了。回看去年，国外在2025年做AI Coding类产品，你猜一共有多少个？
这很难统计。上万个应该有吧？你们是用什么方式统计的？
朱广翔
我们看Product Hunt榜单，至少说明是正儿八经的产品。至少有200多款AI Coding产品。
这里面有一个规律：上半年基本上都是IDE；从下半年开始，No Code的比例大于IDE，而且后来远远超过了IDE。
所以从现在的数量和收入来看，我们当时确实选对了。虽然一开始是异教徒，是反共识，但现在感觉已经变成共识了。
包括Manus、Claude Code这些原本不在同一赛道的产品，也开始往No Code去卷，大家慢慢变成了共识。
对于工程师，你有什么建议？他们应该怎么做，去拥抱这种新的变化？
朱广翔
如果我重新读一遍大学，可能不会再学计算机专业。我可能会更早学计算机，甚至在幼儿园就学计算机、学Web Coding；但到了大学，我可能真的会学一个更垂直的专业，比如法律、金融。
我现在其实挺羡慕那些把应用做得好的人。因为我们可以看到，把应用做得好的人，并不是谁代码写得好，而是谁真正懂业务、懂场景。
比如我们有一个用户，是中石化的工程师。他不会写代码，但做了一款矿井设计软件，已经真实应用在大庆油田、青海油田和长庆油田。他还出去授课，每次去石油大学上课，学生也会用他的软件完成毕业设计。
这款软件是他用秒搭做的，没有写一行代码。在他用秒搭之前，他们公司采购过一款软件，花了140万元。那个软件是程序员写的，但程序员不懂业务，不懂矿井设计的物理逻辑，也不懂展示和查看方式，所以设计出来的软件他们根本不用，也用不起来。
软件要做好，需要垂直知识。这个用户懂石油行业。如果把计算机作为通识课，之后再学一个垂直行业，可能就在这个垂直领域里做出具有独立壁垒的东西。
如果你有小孩，会让他现在在幼儿园和小学阶段学Web Coding，还是先学一些最基础的编程知识？
朱广翔
我会让他学Coding，把它作为教具，培养自己的思维；再学Web Coding，把它作为实用工具，更早实现自己的想法。
就像我当时从初中开始写代码，一开始学的不是C，而是Pascal，不知道有没有人知道。Pascal其实不是一个实用语言，已经相当于半淘汰、半入土了，但它和C很像，变成了教学级语言。学它只是为了学习这种思维，真正使用时还是要用C。
类似地，未来C可能会变成博物馆里的代码，只用于教学和教育；真正使用时，大家可能都用Web Coding、用AI来提升效率。
11. 2025年的选择与失误
我们现在回顾2025年，广翔，你认为你和秒搭团队做对了哪些事情，又做错了哪些事情？
朱广翔
2025年我们做得最对的一件事，就是在低代码和无代码之间选择了无代码。也就是说，Web Coding一定会取代Workflow。
我前面说过，我是个叛逆的人，也一直在顺应行业趋势。我会先思考大盘，看大盘的终局是什么。
基于当时的能力，显然做Workflow是最直接能落地、最能赚到ARR的。但因为我是强化学习出身的，我比较理想主义，也比较感性，所以我思考了强化学习之父Sutton的观点。
他在2019年写过一篇非常著名的博客，《The Bitter Lesson》，中文叫《苦涩的教训》。他回忆做AI这么多年来得到的最大经验，其中一个核心观点是：能够把算力发挥好的方法，才是最高效的。
反过来说，如果过多依赖人工经验，就会让方法变得很复杂，从而失去泛化能力，也失去对算法智能的利用。
他还说了路径：如何把算力用好？有两个方向，第1个是Learning，第2个是Search。它们恰好对应今天的Model和Agent。
计算有两种，一种是模型内计算，一种是模型外计算。模型内计算是各种神经元处理各种链路上的数学运算，最后输出结果。它通过提前拿很多数据Learning，把经验固化在神经元里，再通过计算现场生成。
第2种是模型外计算。模型已经固化在那里，我让模型和环境不断交互。站在不同的位置，看到的事情不一样；基于不同的环境输入，做出不同的决策。
模型外计算就是Agent，本质上就是Search。Agent就是在探索和利用之间做平衡：到底是挖掘，还是继续探索；是看一个新方向，还是把旧方向挖深。它本质上就是Search。
所以他当时成功预言了现在的两件主流事情：Model和Agent。
说回为什么我坚定地选择No Code。No Code就是更好地发挥算力，更少依赖人的经验。Workflow其实不是很本质，它像是把人的经验固化成一些节点，强制结构化，这样就不够灵活。
所以我们看到今年扣子改名了，改成了扣子编程。当然我觉得它可能已经有点晚了。
回到当时，做这个选择并不容易。当时有纠结过吗？
朱广翔
其实当时做这个决策，技术还不够成熟。基于当时看到的所有现象和用户需求，其实并不支持我们做这个判断。
我们还是回到第一性原理。首先看市场空间：全球有3000万程序员，但全球有80亿人。很多人不是程序员，反而更接近用户场景。我做程序员，耽误了我去接触一些行业；而不做程序员的人，一生都在耕耘自己的行业，所以他们更懂需求、更懂场景、更懂用户。
他们直接自己去做应用，天花板可能比程序员更高。
我们还有一个观察。百度每年有一个Hackathon，也就是黑客松比赛。我一直做了好几年评委，发现一个现象：最开始没有大模型的时候，基本配置是产品设计加几个研发。
有了大模型之后，第1年可能还有程序员；到了去年，很多队伍已经完全没有程序员了，产品和运营直接参加，最后依然能得奖。而且获奖作品也不是谁代码写得好，而是谁的创意好。
这让我想起一句话，原来会说“Talk is cheap, show me the code”，对吧？但最近有一句新的话叫“Code is cheap, show me the idea”。不对，应该是“Idea is cheap, show me the app”。别讲PPT了，直接把应用拿出来。
朱广翔
对，Web Coding一下，直接变成App。今天没有任何人有理由只拿着Idea来Pitch。
这部分还可以接着说。一方面是市场空间大，另一方面，当时做IDE很火，大家都觉得IDE真的能赚到钱。但我们可以这么想：用No Code的人一定不会用IDE，但用IDE的人可能会用No Code。
朱广翔
对。就像我，典型的程序员，我可以用IDE，但如果有No Code，我会变得更懒，变成Lazy Coder，愿意使用这些产品。
对我来说，IDE还有一点不太好的体验。用跑步来类比，IDE像什么？像两人三足比赛。
参加过。我和AI把腿绑在一起跑。
朱广翔
我需要理解AI的状态，知道它的过程；它也需要理解我、知道我的过程。我们之间有信息交互，但跑起来会很费劲，彼此有牵绊，而且会很累。
而No Code这种产品更像接力跑：AI跑99步，人跑1步。人不需要理解AI前面99步是怎么跑的，只要把接力棒交给我就行了。
这还挺好玩的，不是4×100接力，而是99步加1步的接力。人只需要接过棒，最后负责冲刺。
朱广翔
人也可能是第1棒。人说：“我想好了，我要做一个什么东西，你去跑吧。”然后AI一路跑到终点。
所以我觉得，它在体验上肯定会好于IDE。
其实计算机发展一直都是这样。最早我们修图一定要用Photoshop，后来有了Instagram、美图秀秀，加一个滤镜就行了。
原来做一个滤镜可费劲了，需要拼各种东西。
朱广翔
对，不断打包、不断简化。写代码也是这样。
最开始有高级语言的时候，很多写汇编的人不屑一顾，说高级语言、C、Java，你能帮我更好地管理内存吗？能帮我管理好计算调度吗？不能。我用汇编写，效率会更高。
当时那些程序员不愿意用高级语言，有很强的骄傲感。其实今天也是一样。
但随着时间流逝，低门槛的吸引力远超人的想象。人本质上都在追求懒惰，所以后来高级语言就彻底碾压了汇编语言。我相信未来自然语言也会直接碾压高级语言。
刚才我们说2025年做对了什么，那做错了什么？
朱广翔
做错的地方，我觉得是给了模型太多自由。
我们的机制是为了发挥模型的潜力，让模型自己发挥。用人来类比，模型还是一个自负的年轻人，非常自负，因为它认不清自己的边界。
我们经常发现，模型明明不懂这个东西、不会这个东西，但它就是硬干，最后干错了，产生幻觉，而且自己还不知道。
很像张信哲那首歌：“怎么忍心怪你犯了错，是我给你自由过了火。”
朱广翔
对。不过它还有另外一点：它是年轻人，有成长性。它今天的边界，可能明天就不是边界了，而且边界突破是以每个月的速度迭代的。
所以我们之所以采用一个给它自由的架构，也是期待它未来能够自己打破边界。
换句话说，这也不一定算做错了，可能是提前做对了，只是有点过于超前。
那有没有真的做错的？
朱广翔
真的做错的也有。我们运营做得太晚了。
我经常听用户说：“为什么你们不宣传？为什么你们的产品明明挺好用，却不出来讲？”
我们团队有半年都没有运营团队，第1个运营是半年之后才加入的。而且到现在，我们都没有独立的运营预算，都是蹭内部流量。所以这件事我们应该做得更激进一些。
所以你现在愿意出来上播客，愿意多讲、多分享。
朱广翔
对，感谢这次机会。
如何看待现在有很多To C的AI应用，国内的都在出海？你们也出海了吗？
朱广翔
我们也出海了。
很多人都说国内没有PMF，但我不认同。我觉得中国在应用开发这个市场上，还是世界独一档的。中国的应用市场是世界上最繁荣的，有最领先的移动支付、最领先的社交产品，信息流产品也比国外发展得快。
而且中国人多，场景多、需求多，是一个有巨大产值的市场。
我唯一要做的事情，就是和用户一起成长，把蛋糕做大。就像倒金字塔，用户赚到钱之后，再和我们分成；用户有ARR，我们早晚也会有ARR。
中国有这么大的市场，肯定有很大的ARR潜能。明年我们和用户一起成长，做出1万个超级个体。1万个超级个体需要什么，我们的产品就长成什么样。
我听说你们内部也有一个“十字路口”，那是什么？
朱广翔
比较巧。当时团队刚建立时，我们想做一个有创业氛围的团队。我们的产研运营是闭环的，所有角色都在一起，没有人有兼职。
大厂一般流行兼职、中台化，一个人负责N个角色，有N个OKR。我们所有人的OKR都是秒哒，而且所有人都在一起办公。这也很难得，在大厂里能有一个工区，让大家坐在一起。
当时排工位的时候，我就在想，怎么样才能更高效地沟通。我画了一个十字路口，十字路口有4个角，分别是产品、运营、工程和策略。
在这4个角上，我们产生了大大小小的所有决策，所有决策都在这个十字路口产生。
你的工位是在十字路口中间，
我的工位要避开十字路口，因为太吵了。但我会走到十字路口，和大家交流。
朱广翔
所以这个十字形的区域，我们就叫“十字路口”。
非常巧，也是一种缘分。
朱广翔
对，是一种缘分。
最后一个问题，也是十字路口经典、很喜欢问嘉宾的问题。
如果今天给广翔300万美元，然后你必须把钱投给3个人做天使投资，不管他是准备创业，还是已经在创业，你会投给谁？
朱广翔
我当然会投给秒哒的用户，因为他们能把它变成3个亿。
而且我们确实投了300万美元。我们有筑梦计划，会为那些有创业想法、已经有一些苗头的人提供创业支持。
除了秒哒用户不能投，感觉这太官方了。如果真的只是好奇，比如你身边的朋友，谁如果创业最可能成功？
朱广翔
这个还真要想一想。觉得能成功的人，他也不会让我投。
不管他让不让你投，都可以。
朱广翔
那我肯定会投Jenna。
其实你可以买股票。
朱广翔
对，我主要不炒股。炒股的话，我肯定会买。
为什么这么看好？和大家的看法一样，还是有一些你看到、但我们没看到的东西？
朱广翔
也算是一样。
首先，Google是一家技术基因的公司；其次，它拥有最大量的数据。模型好不好，其实也取决于数据。如果它的搜索数据支持能全部用上，其他公司还比不了。
再一个，它掌握分发渠道。Google拥有全球最大的分发渠道，所以从身位、能力和基因上看，它都是顶尖的。