144. 对阳萌的4小时访谈：消费电子死与生、第三类公司、端侧模型、产品方法、游戏模式

Hello，阳萌，给观众朋友们打个招呼。

Hello，小珺好，我是安克创新的创始人阳萌。很高兴来到你的节目。

我看到你们说，要从一家做生意的公司转型成一家做深科技的公司。这个到底是世界变了，还是你变了？

大家听到安克的时候，第一反应可能是最早认识这个品牌，是因为充电宝。当听到安克要做芯片、做具身智能这些复杂的东西时，大家会很好奇：这是不是一个公司的自然进化，一步一个台阶踩着往上走的自然过程？

那我们还是从原点来聊一聊吧。我们也很想让观众和听众知道安克是谁，你是谁。因为我看你的成长经历，好像一路都是别人眼里的好学生：长沙雅礼中学、北大计算机系，然后去美国读博，虽然肄业，之后又在 Google 工作了 5 年，还获得了 Google 的最高奖项 Founders’ Award。

你的成长经历是一个出格的人，还是一个不出格的人？是一个好学生吗？

我肯定是个不出格的人，肯定是大家眼中的那种好学生，并且自己心里好像也是以好学生为标准来要求自己的。

顺便说一下，Founders’ Award 其实也是一个集体奖项，不是颁给个人的奖项。

1. Google Replaced Academia

讲讲我的经历。我本科是学计算机的，毕业之后跟着大家一起去美国读书。

为什么是“跟着大家一起”？

因为那会儿系里前 1/3 的同学，可能都申请了海外的学校，然后去美国读博士了。现在不一定是这样了，但我们那会儿是 2003 年，差不多是 23 年以前，还是这样的一个趋势。

我去的是 UT Austin，当时在北美的计算机科学排名还可以。我的教授叫 Reuben Mooney，他是机器学习界很先驱的人物，做过几任 ICML 的主席。机器学习一直是我特别喜欢、特别兴奋的东西。

但是去了之后，体感不是特别好。因为我们那会儿都在做一些很小的数据集，很难想象，一整个数据集可能就只有 2 万多篇路透社的文章。你的各种算法调整，就是看在 2 万多篇文章里分出来的 20%的测试集，也就是 4,000 多篇文章上面，有一个点、两个点的差异。

然后你就觉得，好像它的实际意义也感觉不到。

所以 2005 年的时候，我去 Google 实习，一下就从 四十一张网页跳到了做算法。你知道，Google 那时候每天就是几个亿的搜索量。你能改变哪怕千分之一的搜索，其实都是很大的数字，所以就觉得特别有实际价值，真的有用。

所以我没有回去读博士，就留在 Google 了。

辍学了，是吧？

对。其实辍学是一个意外，不是一个深思熟虑的选择，应该说是一个内心的召唤。

当你今天做过很实际、能产生价值的事情之后，再回到象牙塔里面去做那些钻牛角尖、好像不知道价值在哪里的事情，你就觉得有点不太愿意了。

当时有人反对吗？这是你做的第一个叛逆的决定吗？

那肯定是个很大的决定。因为家里当时希望我把博士读完，然后再说。但我觉得自己是真的读不下去了。

其实我的选择一直很一贯：我一定需要创造特别实在的价值，而不是那种虚幻的、特别遥远的东西。我希望能够站在今天，看得见我们能够做到的实在价值。

你没有想做科研，是吧？

在那个时候，读博士本来就是做科研的。我觉得做科研可能也分成两种类型的同学。

一种是有能力在今天完全发明一个全新的架构或者框架，打开一个全新方向的人。另一类是在已有的方向上做改进，或者跟具体的问题做结合。

前一类的人非常少，可能每 5 年、10 年才会有一个大牛出来，真正打开一个巨大的方向。绝大部分人像我一样，其实都是在后面一个方向里做很多加法。

我们那会儿有一个大的矿脉，叫支持向量机，也就是 SVM。它算是继决策树之后，机器学习界的一个大突破，应该是 1997 年、1998 年左右被发明出来的。当时特别火热，因为效果特别好，能解决很多实际问题。

但到我读博士的时候，也就是 2003 年、2004 年，基本上这片矿能看得见的地方也挖得差不多了。所以我就感觉，自己没有找到特别能够创造实际价值的东西。

回到 Google 那边，你会觉得它真的能改变很多人的生活，所以我就去了。

你当时是怎么面对周围人反对的声音的？

因为我是个 I 人，所以这个决策并没有咨询过很多人。我的父母虽然表示反对，但毕竟我已经长大了，其他的就还好。

2005 年我开始在 Google 实习，2006 年正式工作。2005 年暑假实习之后，他们给了我一个 offer，所以 2006 年年初我就去 Google 工作了。

你在 Google 学会了什么？

我觉得在 Google 学了太多东西。无论是企业文化，比如“不作恶”、努力去创造，还是具体的方法——今天你发现它思考问题、解决问题的很多方法，其实都是潜移默化地在那个时候埋下来的。

还有今天公司的氛围。Google 一直是一个非常平等、开放、透明的氛围，所以后来我创业、做公司的时候，也把这样的氛围带到了自己的公司里。

比如我没有自己的办公室，跟大家坐在一起。我们开会的时候也很平等。所有的会议室都不是墙，而是玻璃，你一眼就能看见里面在发生什么。

平等和透明带来了开放，开放又提供了相互碰撞和创造的环境。所以我觉得，人生的第一家公司对自己的影响其实蛮大的，我很感谢它。

我听说你是不是跟 Jeff Dean 还有一些直接的接触？

我跟 Jeff Dean 交过 changelist。我改他的代码，改完之后他帮我做 code review。如果这也算接触的话，那我觉得算是有过接触。

其实 Jeff Dean 可能接触到或者接触过公司里相当一部分人。因为你当时进 Google 的时候，会发现所有的骨干代码，从最开始的 Google File System、MapReduce、Bigtable，到里面主要类的文件头，第一个作者都是 Jeff Dean 或者 Sanjay Ghemawat。

所以那个大神就在那儿，你会感觉整个世界都是他创造的，而我们在他创造的世界里做很多改进工作。这跟学术界的感受是一样的：有人能够创造一个世界，然后我们在里面把这个世界做得更好一些。

但是你想做那个创造世界的人吗？

那个点我觉得自己没有那么强烈。好像能够创造一个世界，这件事对我来说没有那么强的冲动。

你在 Google 是一个什么样的工程师？是一个非常 standout 的，还是一个很中规中矩的工程师？

中规中矩的工程师。

我代码写得不太多，因为我偏抽象性思考、架构性思考，愿意跟大家讨论问题的定义、问题的拆解。

所以我们的 manager 很快就把我 promote 到了 tech lead，也就是带 4、5 个人，具体承担一个模块的任务。后面就跟大家对外做问题沟通，对内做系统架构。

说实话，Google 的工程师是不需要管的。大家每个人都很愿意去做很多创造性的事情，但是怎么把一个方向跟客户理清楚，回来跟团队达成共识，当然自己再写一部分代码，这些事情还是要有人做的。

你怎么开始做安克早期的事情的？当时是不是还在 Google？

2. Anker Began in E-Commerce

我那个时候的女朋友，后来成为我太太，她在硅谷。因为她是文科生，所以有一段时间其实没有工作。我们就在想，一起找一件事情让她做。

其实我 2003 年去美国的时候就开始在网上买东西。最开始是在很多不同的网站买东西，到了 2008 年、2009 年，你就发现基本上是在亚马逊购物，因为它的体验、丰富度、价格，包括物流，都最好。

但我们发现，亚马逊上有很多东西，它的选择并不是最好的。所以我当时的女朋友、后来成为我太太，就跟我一起想：能不能在亚马逊上开始卖一些东西？这也算是给她这个文科生，在美国不太好找工作的同学，找一件事情做。

最开始就是卖一些东西。但你很快就会发现，电子商务本身，卖不是最困难的问题，从哪里找到最好的产品，才是最难的事情。

2011 年我就从 Google 离职，拉上了当时 Google 中国区销售负责人赵东平。东平和我两个人，一个做产品，一个负责全球销售，我们一起创立了安克这个品牌。

安克最早其实是一家电商公司。当时我们的名字还叫海翼电商，名字里就带着“电商”。我们从中国开始找，很快就发现找不到好的产品，所以必须跟工厂定制，定制最好的产品，然后卖到美国去，当然不能卖得太贵。

最开始，因为相关的电商人才全国哪里都没有，我们就想把公司建在长沙，自己培养电商人才。这么多年下来，我们在长沙的电商团队确实非常稳定，一直是自己培养起来的校招生。

那个时候你做一个 Google 工程师，然后回国创业做充电宝，大家能理解吗？

说实话，后面很多年跟大家介绍的时候，我都不会特意提充电宝。包括到今天，我们也希望把“充电宝”这个标签从身上撕下来。

因为我们想做的，还是创造真实客户价值的事情。换句话说，是真的能让人满意、带来价值。只是那个时候没有一个听起来很 fancy 的东西，可以让我们创造那么大的价值。

当时在渠道里，我们明确看到能给客户带来价值的东西，其实就是充电类产品。因为回到 2011 年，智能手机快速发展，那会儿一天的电都用不完，所以充电宝是大家都非常需要的东西。

我们就想，赶紧把这个价值空白弥补起来。

你 quit 之后，家里人说什么？

我爸爸是老师，我妈妈其实不太管我的学习，所以我爸还是表达过反对意见，觉得我是不是应该先把博士读完。但在我之前 quit PhD 的时候，家里人其实也没有说特别多。

反过来，我妈其实是国企销售的负责人。她当时问我：“你创业需要钱吗？”

我说：“还是需要一些启动资金的。外面有投资人愿意投资。”

我妈特别乐，说：“你这事靠谱吗？”

我说：“我觉得还挺靠谱的，这事肯定能做成。”

我妈就说：“靠谱的事儿咱们用自己的钱做。”

所以她给了我 300 万，算是我们的天使投资人。

你妈是你的天使投资人？

对，只是最后她把钱要回去了，没有拿股份，所以大家并没有看到这个。

她为什么把钱要回去了？

从她的角度，她就是希望支持我，把这件事情做起来。也不算是“要回去”，就是她希望支持我把这件事做起来。

然后她说：“长期来看，怎么样能把这个事情做得更好？”

你想创业的种子，是在哪一个时刻种下的？是在学生时代、Google，还是别的时候？

其实我一直对真实地给客户带来价值这件事情特别兴奋。看得见让别人满意，看到别人因为你的产品而变得更好，这件事一直是我的兴奋点。

所以其实一直都有这样的创业动力。

我们最早从电子商务开始起步。因为中国当时没有今天这么多做海外电商的人才，所以我们回了长沙。东平也把家从北京搬到了长沙，在长沙孵化、培养了一个电子商务团队。

很快，2012 年初我就搬到深圳来，因为我们发现，卖不是困难的事情，好的产品才是最难的事情。而你真的要有好的产品，就要来到创造产品的地方——深圳。

东平是一个什么样的人？为什么你创业之初选择拉上他？

东平很好玩。我的性格是一个 I 人，INTP，特别习惯用逻辑和框架思考，特别理性，也特别内向。

东平跟我是截然相反的。他是 ESFJ，完全相反。我们俩就像地球的两极，南极和北极，风格差异巨大。

而且你会发现，我们在一起 15 年了。你觉得我们的性格是更接近了，还是更往两边走了？

你这么问我，那估计是往两边走了。

我们确实发现，15 年下来之后，因为有一个人可以安全地看着你的背面，有一个人可以把你不太好的一面看住，你反而会更大胆地往自己擅长的那一边走。

你们是怎么认识的？

我回 Google 之后准备创业，Google 的同事觉得，应该做海外业务的同学都要买 Google 的广告，于是就把我介绍给了当时 Google 在中国的广告销售团队。

他们觉得这个同学好像比较有意思，他不只是想卖东西，还想做好的产品，于是把我介绍给了当时团队的 leader 东平。

东平很擅长销售和卖东西。他觉得，如果能找到一个人一起创业，工程师负责做产品，他负责销售，这是一个很好的组合，所以我们就一起创业了。

有人跟我提过东平，说他在你们公司非常重要，因为他负责了海外所有渠道的搭建。

我们公司开玩笑说，我管产品相关的事情，东平管所有我不管的事情。他是一个非常好的创业搭档。

这么多年，我们一直是并排坐在一起的。因为我们都没有自己的办公室，都是坐在外面的工位上，他的工位和我的工位紧挨着。

你创造的第一个产品，是不是安克的充电器？

我们自己做的第一个产品是充电宝。它在当年其实非常超前：贴在手机背后，很薄，同时带一根内置的线。

基本上到 10 年以后，你才看到整个市场朝那个方向走。

讲讲这个产品的研发过程。这应该是你们第一个产品，也是第一个爆品。

这是我们自己研发的第一个产品，但客观地说，它并没有特别爆。

因为那个时候产品形态还比较超前。当年所有充电宝都不带线，我们虽然做出来了，但当时的营销能力还比较弱，没有能力把一个产品真正带到用户面前，让用户了解它、喜欢它。

所以酒香也怕巷子深。那个产品之后没有特别爆。后来研发团队建起来了，我们就持续一款一款地做产品。

第一个你眼中的爆品是哪一款？

第一个特别爆的，其实是我们叫“口红”的充电宝。它用一颗圆柱电芯做出来，尺寸跟口红差不多大。

那个产品放在包里特别方便，给手机大概能补一半的电。所以在它的生命周期里，应该卖了几百万台。那应该是 2013 年。

2013 年，创业两年。那两年你们公司的营收和利润是不是都还不错？

3. The Business Scaled

从零开始的时候，增长速度肯定是非常快的。我对具体数字记得没有那么清楚，印象里 2012 年肯定应该已经是过亿的营收。

我和东平选择的这条道路，确定性是蛮强的：左边能看见需求，右边能够确定性地找到，或者定制出好的供给，中间的桥自己搭起来没有任何困难。所以确定性是很高的。

所以你们是一个很容易发现商机的团队吗？

我觉得应该说，我们是一个很务实的团队。每一次都是站在自己的能力上，往前够那一步——够得着的那一步。

我们在公司里经常说，我们是一个踩稳了一个台阶，就一定会努力够下一个台阶的公司。

回到你最开始的问题，从充电宝做到今天的芯片、机器人，其实就是稳稳当当地把每一级踩稳，然后一定会去够下一级。它是一个必然达到的状态。

在创业最初，你考虑过融资吗？

其实我们的现金流一开始就是正的。每一轮循环，从采购到销售，都能产生不错的利润，所以一直没有真实的融资需求。

我们第一次融资是在 2017 年。那会儿融资，跟今天 DeepSeek 融资有点像，不一定是因为需要钱。

我们最开始从电子商务开始，每一轮循环从采购到销售，都有不错的毛利，所以公司的现金流一直是正的，并不需要融资。

2017 年第一次融资，也不是为了资金，而是因为我们当时给员工发了很多股份，大家不知道这个东西到底值多少钱。我们就想找当时头部的 VC 投一些钱，相当于定一个价格。这样大家手里的股份就有了明确的价值。

定价对你们的好处是什么？

定价的好处，是让拿到股份的同学实打实地相信，这个股份真的值这么多钱。

你跟他说股份值这么多钱，他总觉得你说的靠不靠谱。但当一个头部 VC——当时是 IDG——真金白银掏这么多钱买股份时，你再跟他说“我给你发的股份值这么多钱”，他就比较容易相信了。

这跟 DeepSeek 今天融资的策略其实是一样的。

我觉得不一定。DeepSeek 到底是不是需要钱，我其实不太知道。因为大模型公司逻辑上是需要融很多钱的。

如果是去年的这个时候，定价可能确实有需要，因为市场上没有一个完整的定价。但今年年初，像智谱已经上市之后，我觉得 DeepSeek 的同学也可以参照智谱的价格，给自己手里的股份定价。所以我觉得它的需求没有那么强烈。

但你们当时是在完全没有资金需求的情况下出来融资定价的，对吗？

对。

我们当时第一是没有可比的参照系，没有同类型的公司融资了多少钱。

在电商里认真做产品的公司，当时是没有的。因为做电商的公司，大家不停在想买和卖；而产品公司当时也很少。所以我们确实需要做一个定价出来。

后来你们也启动上市，这件事在融资的时候就已经决定好了吗？

我们上市的目标很明确，就是希望员工能够把股票变现。

最后选择上市地是中国，也是觉得在中国，员工变现股票可能拿到的收益更多。

如果把你们公司 15 年的发展历史分成几个节点，你会怎么划分？

4. Anker Adopted the Shallow-Sea Strategy

我觉得前 10 年是一个阶段。前 10 年，我们从一个品类做到很多个品类，从一个渠道做到很多个渠道，从一个国家做到很多个国家，是一个非常自然的延伸过程。

首先，我们会把用户群分成 4 个人群，叫 1 系人群、3 系人群、5 系人群和 7 系人群。

1 系人群是在这个品类里只愿意花最少的钱，买一个基本能用的东西，也就是最便宜的东西。3 系人群要买性价比最好的东西。5 系人群希望有不错、稳定的性能和很好的质量，愿意付一定溢价。7 系人群则要最贵、最好的东西。

举个例子，比如奶茶。最便宜的奶茶是 6 块钱一杯的蜜雪冰城，这是一系。性价比最好的可能是 10 块、12 块的一点点。再往上，比较稳定的，比如 15、16 块的沪上阿姨。性能最好的喜茶，可能是 20 多块钱。

再换一个品类，比如汽车。最便宜的四轮车是 4 万块钱的奇瑞 QQ，所以一系的车是 4 万块钱。最贵的车基本上是奔驰、宝马、奥迪，均价大概在 40 万左右。你会发现，一系是 4 万块，七系是 40 万块。

中间回到燃油车时代，比亚迪大概在 10 万左右，大众、丰田基本上在 15、16 万。很多时候它们用的是同一款发动机、同一家合资厂的发动机，装在比亚迪里卖 10 万，装在大众里卖 16、17 万，但都有人买。

买比亚迪的人会怎么看买大众的人？买大众的人又会怎么看买比亚迪的人？跨品类抽象来看，人群其实可以根据消费习惯分成这 4 群，也就是 1、3、5、7。

那你觉得安克前 10 年做的是一个几系的品牌或者产品？

你会觉得我们很多产品偏高端、中高端，那是最近几年才给你的印象。

是最近几年才开始的吗？

最开始那 10 年，很多人会说安克是“海外的小米”。如果这么说，我们就是一个三系品牌，因为大家理解小米是以性价比著称的，至少在雷总希望高端化以前是这样。

但真正买过安克产品的人会知道，安克的东西其实并不便宜，往往比市面均价贵 20%，甚至 30%。背后是很好的品质在支撑。

你看安克产品在网上的星级，从一星到五星，我们通常都是 4.5 星甚至更高。所以前 10 年我们其实是一个五系公司：把产品做到品质很好、很稳定，有一定溢价，但不太多，然后扩展到很多品类。

这也跟我们最开始的渠道有关系。因为在亚马逊买东西，你一定会挑星级好的东西去买。

当然，你有一个选择，是刷评、刷单，把自己刷到五星。但我和东平一直希望把事情做得长长久久。要把事情做长久，就不能做那些 cut corners、违规、越界的事情，所以我们一直不刷评、不刷单。

在不刷评、不刷单的情况下，产品还要做到 4.5 星，其实就会倒逼产品经理和研发团队，把产品品质做到特别好。

所以你看到的安克产品就是品质很好，有一点点溢价。这就是前 10 年的安克，也是我们的第一个阶段。

大家以前说安克，都会说它是一个在中国知名度不高、但在海外知名度很高的公司。这是你们主观选择的吗？是哪一年做出的选择？

这肯定是主观选择。因为我们最开始选择亚马逊这个渠道时，美国、日本、欧洲这些国家的亚马逊发展得最好。中国的亚马逊后来也关闭了。

当我们从这个渠道长出来的时候，自然就是那些国家长得更快。

你们考虑过做中国市场吗？

最早很长一段时间没有做。一直到 2018 年、2019 年，当时有很多人从海外代购我们的产品，回中国在淘宝上卖。我们觉得这好像也不应该，所以到 2019 年、2020 年才开始做中国市场。

为什么那么晚？很多人可能会觉得，你是不是觉得中国市场太卷了，所以就不卷了，悄悄做海外？

中国的消费升级，的确是在 2017 年、2018 年之后才开始。

很简单，那会儿你去淘宝上买充电宝，最早的均价可能是 30、50 块钱。一直到 2017 年、2018 年之后，大家对更好产品的追求才越来越明显。这个时候，相对五系的产品在中国才开始有市场。

所以你们做的是一个五系产品定位，但那时候它还不匹配中国市场，第一步匹配的是欧美、日本市场。这也是一个主观选择。

这些定位都是事后分析、归纳、总结时提出来的。那会儿你只知道要把产品做好。亚马逊上一个好的产品，其实就是一个五系产品，所以这跟我们最早选择的渠道有很大关系。

你最早选择在 Amazon 开始，是因为你觉得这是一个蓝海吗？在那个年代，为什么你发现了这个商业机会，其他人没有发现？

那个时候肯定是非常蓝的蓝海。

我一天到晚在亚马逊上买东西，因为我是一个特别懒得去线下店的人，基本上所有东西都在线上买。

我 2003 年刚去美国读博士的时候，基本上会去各种网站买东西。但几年下来，你慢慢发现，基本上只在亚马逊买东西，因为它的选择丰富度、价格、质量保证和时效都最好。

你在买一些东西的时候，会发现好像买不到真正最好的选择、最想买的东西。后来我们就自己做了。

但回头看，你说我们当时经过深思熟虑，有今天的商业眼界和战略思维，然后选择了这个品类，我觉得不一定。以今天的认知，我大概率不会选择这个品类。

为什么不喜欢？

不是不喜欢。你会发现，这个世界特别公平。

前面我们没有经历融资困难，过得也很顺，但这几年其实过得挺痛苦。

你顺了多少年？

一直到 2022 年，我算是顺了 11 年。

11 年也不缺钱，产品也挺顺，还上市了。

对，2020 年上市，然后一直觉得好像能够开拓、做得更好。

在你非常顺的那 10 年里，你们怎么选择一个品类或者产品？你们进还是不进？

我们的品类延伸是蛮自然的。

最早做了充电相关产品，做了充电宝之后，你发现大家也缺充电器、充电线，所以这一条线就做起来了。沿着智能手机继续看，你会发现大家还缺耳机、蓝牙音箱。当时还有保护壳，只是那个品类我们做得不太成功。

再往后到 2016 年，大家开始讲物联网，也就是今天所有产品都应该带上 IoT，所以很自然地就进入了 IoT 品类。

有想过做手机、做汽车吗？

我们下意识觉得，那些特别大的品类不太应该去碰。

到 2020 年第一次做战略系统性思考时，我们意识到，这种直觉背后其实有一个逻辑体系。我们把品类分成“超级品类”和“中小品类”，也叫深海和浅海。

把一个行业打开看，你会发现里面规模特别大的品类叫超级品类。消费电子里，手机是 5,000 亿美元，PC 是 2,000 亿美元，电视是 1,000 亿美元，这是前三名。第四名是平板，只有 600 亿美元。

从第一名的 5,000 亿到第四名的 600 亿，规模已经差了 10 倍。这就是我们说的深海。

浅海里，今天 500 亿美元以下可以数出一两百个品类。比如充电宝是一个 50 亿美元的品类，充电线也是 50 亿美元。再比如耳机，可能是 200 亿到 300 亿美元。消费类无人机全球每年销售额大概不到 50 亿美元，也属于浅海。

很多人对这个观点有误解，会认为浅就代表简单。其实我们的“浅”代表规模小。市场规模决定了一个品类的饱和投入，也就是要把这个品类做好，大概需要投入多少人。

在规模比较小的品类里，饱和投入不会太大。反过来，你做平板、电视、手机，甚至做汽车，最起码都需要几千人的研发团队，才能把品类做好。

我们有一个德州扑克的比方。如果一个品类是一张德州扑克的牌桌，所谓浅海，就是盲注在几百万的品类。整场游戏打下来，输赢可能就是几个亿、几十个亿，这就是浅海的小——规模小。

超级品类则是盲注可能在 5 个亿。你带着 50 亿上桌，可能打 3 局、5 局牌就没有了，这就是深海的品类。

你们过去 10 年最早是根据直觉一直往前走，没有复盘过。直到 2020 年，才开始对过去的阶段性发展进行复盘和总结，总结出了浅海战略，对吧？

对。前 10 年，这也是我作为 CEO 做得不够好的地方。我没有特别认真地、系统性地拉着公司的人一起思考：我们到底做多少品类，为什么做这么多品类，做哪些品类，为什么做这些品类。

更多时候，我和同事都是凭着直觉往前走。

站在 2020 年，你觉得安克当时是一个什么样的公司？

回到 2020 年的逻辑框架，消费电子里有 4 个超级品类，还有很多中小品类。那时候我们大概做了十几个中小品类。

在这些品类里，我们有相当一部分做的是五系产品，极少数是七系。当时我们的安防在北美卖得很贵，卖得也挺好，所以安防是七系。

还有一些品类，本质上是一个三系品牌。所以当时我们做了十几个品类，以五系为主，有一个品类是七系，还有好几个品类是三系。

这其实是一个相对发散的公司，并不聚焦，也没有特别清楚自己要到哪里去，以及为什么要到那里去。

前 10 年公司凭着直觉做成这样，跟你的性格有什么关系？回到 CEO 个人身上，是什么样的性格影响了这个结果？

还是回到价值创造。前 10 年一方面比较快乐，因为我们确实在给客户创造价值；另一方面，2016 年开始，我去湖畔读商学院，是第二期学员。

当时有人问我：“你的品类会不会变成一个千亿品类？”

我的答案其实很吓人。我说，如果只看充电宝这个品类，它不但一定不会变成千亿品类，大概率过几年就会死。

因为从抽象角度看，消费电子是一个产品来得快、去得也快的行业，速生速死。比如你买过 MP3，如果像我这个年纪，大概率还买过磁带机或者 CD 机。这些产品从开始买到不再买，中间的跨度也就 10 年。

充电宝从 2012 年开始流行，我们当时觉得它可能也就有 10 年到 15 年的生命周期，到 2022 年或者 2027 年之间，大家就不会再买了。

事后看，这个判断有一点偏差。现在充电宝还没有到消失的节点，但我们相信充电宝这个品类一定会消失。

这让你产生了某种恐惧？

对。当你开始问战略问题时，就会对自己的品类产生恐惧。

中间有几年，你会想，我们怎么能做一些不会消亡的品类？

有吗？当时看到过什么品类？

当时还真看到过一个品类，就是电子烟。

因为你会理解，尼古丁大概率是人类不会消失的需求。前面的几百年，是通过燃烧摄入尼古丁；从燃烧变成用电加热摄入尼古丁，这个转变大概率会发生。发生之后，它大概率就不会再变。

从逻辑上推演，这个品类长出来、稳定之后，应该不会再变，也不会消失。

但后来发现，电子烟是一个强监管品类，确实不太适合创业公司做。

当然，不会消失的品类还是有的。比如空调会消失吗？洗衣机会消失吗？但这些品类长期来看已经有人在做了。

我们真正找到这个问题的答案，是在 2019 年。当时看到一本讲 IPD、讲华为的书，里面讲的是怎么把在一个品类里做成功的能力体系化，并且通过组织，系统化地做好更多品类。

换句话说，把人的能力沉淀到组织里，然后这个组织就能做更多品类。

我们开始在公司里推动组织变革。公司原来有几个事业部，由事业部负责人做产品决策。后来我们在事业部下面长出了产品线组织，在销售区域里长出了商业线组织。

总而言之，就是把公司从少量的人做决策，变成划分更清楚的一个个决策单元，并且赋予这些 leader 更大的决策权限。

在那之前，都是你一个人管吗？

产品并不是。我们很早就做了事业部化，是几个事业部负责人在管产品。

你不在一线管产品，是吧？

我不在一线管产品。

2020 年开始做变革，不只是增加产品线，而是让公司的权力和业务真正运行在一个系统里。你理解，有事业部之后，好像还是事业部负责人说怎么做就怎么做。

最大的变化不是事业部下面增加了一层产品线，而是让整个公司运行在一个系统化的方式里。

2020 年开始提出浅海战略，并且对组织做了变革，这是一个非常关键的时间点。但你刚才也讲到，前面 11 年非常顺，到 2022 年就变得不顺了。

你觉得当时提出的战略和组织是正确的吗？

今天看来是对的，但 2022 年的时候，我们非常怀疑，甚至很绝望。

为什么 2022 年会遇到那些危机？

5. 2022 Brought Systemic Failure

从现象来说，我们当时建立的产品线，在真实商业竞争里，竞争不过各个行业的独角兽公司。大家一度会问：凭什么公司的一个产品线能够打得过外面的一家独角兽？

当时确实遇到了系统性失败，所以产生了一股压抑、甚至绝望的情绪。

后来我们理解到，并不是今天有一个流程系统、有一套阵法，产品线就能够打赢仗。

如果公司没有清楚的使命、愿景和价值观——到底要做成什么样子，为什么要做成这样，以及怎么样做成这样，还有这些东西在人身上的映射——那么再好的流程和方法，最后也打不赢仗。

有了流程方法和价值观，就能打赢吗？这是公司战斗力的问题。怎么提升公司的战斗力？

今天一个成功公司的管理方式，跟它做的品类数量有关系。

做很少品类的公司，一年可能就几个产品，需要做的决策不太多。这时应该相信一群很有能力的人把决策做好，而不需要设计一套系统和流程，让一群人去分担这些决策。

反过来，一个品类很多的公司，如果由一个人或者少数几个人做决策，一定不能让公司长期持续发展。所以就需要设计一套系统，让不同层级的人各自做好应该做的决策。

公司的运营方式，首先跟品类的复杂度有关。

你们就是一个品类多的组织。

对，我们是一个多品类组织。

你当时说有 27 个产品线，接近 20 个都打不赢别人。是不是因为产品线扩得太多了？

跟多肯定有关系。但少一点就一定能打赢吗？

我觉得最大的差异不在多和少，还是在于今天有没有核心竞争力。往下看，是不是真正有领先的核心技术；往上看，是不是有一群人因为明确的使命聚在一起，以及他们的行为方式能不能真的达成这个使命。

你现在解决 2022 年的困难了吗？怎么解决的？

从结果来说，今天肯定比那时候好很多。

你做了什么？

最近几年，我们一直在大力推动从公司使命、愿景、价值观出发的变革。

怎么变革？换人？

换人是最简单的，但通常不是目的。

目的还是要讲清楚，这家公司到底要做成什么样。

回到公司前 10 年，我们做的是一个五系公司：品质很好，加上一些微创新。从第二个 10 年开始，我们在战略研讨时觉得，长期来看并不希望自己只是一个五系公司。

还是回到之前说的，站稳一个台阶，就希望迈下一个台阶。我们觉得，真的要做很好的用户价值，把事情做得特别漂亮，需要做极致创新，而且我们有能力在这个基础上做极致创新。

所以要做几系？

要做七系，要做七系的公司。也就是再迈一个台阶。

好像打游戏一样，一开始选的不是 hard 模式，而是 easy 模式。打得很好了，就想去打 medium；medium 难度也打得不错了，就想去打 hard。

你刚才提了几个问题：作为 CEO，你觉得要进多少个品类，为什么进这个品类，哪些品类进、哪些品类不进？今天你们是怎么做这些选择的？

说实话，今天大多数品类，都是在我们有选择能力或者选择意识之前就已经做了，是被继承下来的。

这里有一个真实的例子。我们做 UV 打印机，可以在任何物体上打印漂亮的、带一点 3D 效果的图案。它的喷头是爱普生提供的。

今年 2 月，爱普生 CEO 来我们公司拜访。介绍产品时，他先从技术介绍，说爱普生做了 MEMS 技术，这个技术做得很深，并从这个技术里衍生出 1、2、3 个品类。

轮到我时，我也跟他讲，我们做了充电、影音、家庭自动化，在这些方向下面大概做了很多品类。

他很真诚地问我：“阳桑，你们好厉害，做这么多品类。”

我当时听完，结合今天的认知，觉得很惭愧。回头再看，我觉得更理想的方式应该是：今天你有一个很好的底层技术，依托于这个底层技术，延伸到一个、两个、三个品类。

马云打过一个比方，说创业像在一栋大楼的第一层。你在一层看到的事情，就是一层能看到的事情。慢慢创业，如果做得好，就不断往上，从 10 层、20 层、30 层。

到了更高楼层，你对整个世界的理解、对应该怎么做的理解，都应该提升。

你现在在几层？

我觉得今天游戏的难度已经到了 hard 往上的程度，但估计还没有到 nightmare。

你觉得拓竹现在在第几层？

我觉得拓竹走的是一条完全不一样的路线。

如果我们一开始选 easy，然后一层层往上打，他们可能一上来就选了一个非常难的模式。前面很困难，但前面打通之后，后面其实会容易很多。

长期看，你觉得哪条路径更好？

我觉得跟个人性格和时代特点都有很大关系。

个人性格上，你是一上来就打最难的，还是选择从相对容易的开始？另外，今天大家的认知，以及整个时代的包容度，可能也让大家一上来打特别难的游戏变得更容易。

所以个人性格和时代共同叠加，最后会产生不同的选择。

陶博是一个什么样的人？

我跟陶博只打过一次交道，没有熟到可以发表观点。

你之前以拓竹为例，复盘过你们当时 24 个产品，其中有 20 个打不赢别人。你当时总结说，你们当时的一号位更适合创新，但在抓执行方面做得不够。

但我在想，拓竹是整个公司 all in 一个产品，他们也可能是 CEO 工程师。你们产品线这么多，是不是不管怎么选人，都可能打不过这样一个专注于单一品类的公司？

并不是说有一个特别好的一号位，就一定能打赢外面的独角兽。

最后还是回到这个公司在这个领域有没有好的底层技术积累。商业化能力、渠道和品牌肯定可以复用，但如果在这个品类里完全没有技术积累，肯定会更困难。

2022 年你们遇到了一系列危机。后来对深科技的探索，是对它的一个解法吗？这里面有因果关系吗？

6. Anker Shifted Toward Seven-Series Products

2022 年的挫折，促成了我们最大的变化。

第一，收缩到更少的品类；第二，往下深挖深科技和极致创新的技术；第三，讲清楚整个公司到底要创造什么样的产品，以及我们需要什么样的价值观，才能创造出这样的产品。

2023 年，我们成立了 2023 实验室，去做深度技术。大家刚刚看到的存算一体芯片，就是这个实验室过去几年的成果之一。

另外就是使命、愿景和价值观的变化。

2020 年，我们提出了 1、3、5、7 的概念。当我们认真思考战略、形成抽象框架之后，就发现消费者可以分成这 4 个人群：过去我们做的是什么，未来想做什么，接下来怎么做。

从一个五系公司变成七系公司，是非常不容易的过程。

最基础的五系公司，大家能做得很好的是把品质做好，在产品上做改良和微创新。那时公司的价值观叫“讲道理、求卓越、共成长”。

“求卓越”包括“三个超越”：超越昨天的自己，超越最好的同行，超越消费者最本质的需求。

看起来每天都在这三个台阶上往上迈，好像已经走到第二个，下一阶段走到第三个。但你会发现，公司本质上不是三级台阶。

前两级，也就是超越昨天的自己、超越最好的同行，其实是在一条确定性的道路上往前走。当你想超越消费者本质的需求时，往往需要脱离现有轨道，走上一条完全不同的路。

这条路可能没有人走，甚至有人走过但死在路上。你要敢于走这条路，或者先看见这条路。

对于一个前 10 年都在走确定性道路的公司来说，整个心智的变化并不是战略变了，心智就会自动改变。整个组织的氛围、相信的东西、觉得自己能做和会做的事情，都还停留在上一个战略里。

而新战略需要大家走上一条完全不同的道路。几千个人怎么走过去，是我们过去几年一直在探索的一件事，过程很痛苦，但到今天已经有了一些不错的收获。

人做了哪些事情？你对七系的标准是什么？

七系一定是性能最好、最创新的东西。

有些品类做七系相对容易。比如充电，2020 年那会儿市面上最贵的充电器、充电宝可能就是 50、60 美元。我们要做七系，就希望把产品做到特别极致，而我们在这个领域的研发能力确实很强。

当你给团队提出这样的要求后，团队每年往前走一点，最后就做出了行业里最极致的产品。

现在安克的充电产品线叫 Prime，是七系产品线，均价已经到 100 多美元，应该算是站到了七系的稳定位置。

但对其他品类，比如耳机，七系里已经有非常成功的产品，比如苹果 AirPods 系列。这时你要做到跟它一样好，甚至比它更好，就需要非常长的时间和非常困难的过程。

这种品类要做到七系，非常考验第一性思考和求极致。我们花了几年时间，到今年节目播出时，已经发布的那款产品，我相信应该做到了。

回头看，一个做极致创新的公司，要回答几个问题：怎么才能做到？公司的组织和人怎么做，才能做出极致创新？

你去看那些做极致创新的成功公司，比如乔布斯、马斯克，以及我们公司内部做得很好的人，会发现最后可以归纳成 3 点：怎么思考问题，怎么做事情，最后怎么自处。

怎么想事情？首先是第一性。你愿意不从别人怎么做、过去怎么做开始思考，而是回到什么是最好的用户价值，用户怎样才最开心。然后回到物理学的本质，把问题一层一层拆解。

从基础原理开始搭框架，去解决用户价值问题时，你会发现有一块是缺的。缺的这一块，就是第一性思考找到的方向。这个方向通常没有人做过。

这时就考验你敢不敢做，能不能顶着巨大风险，想尽办法把事情做出来。这就是怎么做事情。

最后，想和做是跟事情相关的。最底下还有一层，是在做事非常困难的过程中，怎么自处，也就是怎么 deal with yourself，怎么处理自己的情绪、困难，以及对未知的恐惧。

这一层需要几个品质。第一个是长期主义：能够看见未来的局面，能够为了长期利益放弃当下的短期利益。

除此之外，还有自我进化，也就是自我觉察和自我进化。我们的定义是，首先看见问题中自己的部分；自我进化，是通过改变自己解决问题。

这听起来是很直白的话，但其实很难做到。一件事出了问题，到底是先从自己身上找原因，还是先从外面找原因？到底是通过改变自己解决问题，还是努力改变别人？

所以长期主义、自我觉察、自我进化，加上持续学习，我们把它们放在一起，叫作“共成长”。这是我们觉得自处所需要的品质。

抽象来看，这个框架是很稳定的。它可以描述全世界的创造者，也可以描述创造一件事情的必经之路。

如果要创造一个全新的东西、全新的价值，一定要有第一性思考，一定要求极致执行，最后在过程中还要有长期主义、自我觉察和自我进化。

这个框架是怎么找到的？

就是抽象归纳。

你看到外部成功的案例和内部成功的案例，把这些行为写下来，再去抽象，就会发现它就是这么三条：怎么想事、怎么做事、怎么自处。

你们不是从 day one 就这样做的公司，而是先做了 11 年，然后转型。在这个转型过程中，有多少人能转过来？

当你要从一个做五系产品的公司转成做七系产品的公司，首先要讲清楚怎样才能做出七系产品，也就是第一性、求极致和共成长。

然后回头看，做五系的这些同事，他们的行为怎么调整到这个方向上。客观地说，这是很困难的事情。

大家都有自己的成功路径，也都觉得自己做得挺好。但这又回到东平和我的特质：我们一直说，踩稳一个台阶，就努力去够下一个台阶。

我们觉得这群人，包括高管团队，不应该满足于只做一个五系公司。在已经达到的楼层上，我们有能力做创新，就想去做。

这个意愿最后会带领我们经历一个很困难的过程。

打游戏的话，我们从 easy 打到 medium，再打到 hard。极致创新至少是 hard 模式，在七系强手特别强的品类里，可能是 nightmare 模式。

但我们觉得 medium 已经打得不错了，就应该去打 hard，而不是停在 medium 舒舒服服地待着。

你平时自己打游戏吗？是什么风格？

我不太打游戏。因为整个商业世界、整个企业的创造，就是最有趣的游戏。

东平总说，人生和工作就是最有成就感的游戏。

你们最近做了很多事情，都感觉非常“不安克”，比如发布了一款芯片。这个决策是怎么做出来的？应该是 3 年前做的，对吧？

7. Anker Built a Chip

还是回到刚才讲的，价值观引导我们做出了做芯片的决策。

我们在影音领域需要好的声学算法，所以 2021 年建立了声学算法团队。最开始在声音领域用一些小模型解决问题。

声音降噪通常分几个步骤：第一是 beamforming，通过几个麦克风算出声音应该从哪里来；第二是降掉背景噪音；第三可能还要做回声消除；第四是人声增强。

10 年以前，这 4 个步骤可能都是通过数学模型和程序完成的。2021 年我们开始做时，已经把它转成了一些深度学习模型，有些子问题开始用深度学习模型来解决。

到 2023 年，我们看到 ChatGPT 后，特别相信未来应该是一个端到端解决问题的时代。

这是一个抽象。计算机前 80 年是用分治法解问题的时代：把一个大问题分成很多小问题，再往下分。

比如我当年做搜索时，搜索可以分成很多子问题。搜索本身是自然语言处理中的一个子问题，搜索问题再往下分成很多子问题，每个问题由一群人去解决。

你会发现，整个搜索可能需要几百人、上千人的团队来解决拆分出来的问题。

但 ChatGPT 出现后，你看得很清楚，未来不应该再使用分治法解决问题，而应该从分治法转向端到端。

端到端本质上是：第一，从数据里学习；第二，学出基础模型之后，再到现实过程中强化。数据学习加上强化学习，构成了未来的学习范式。

应用在声学领域，就意味着把以前分治法的程序代码和小模型扔掉，换成端到端的大模型。当然，这个“大”跟今天语言模型的规模完全不是一个尺度。

当模型要跑在耳机这样的可穿戴设备里，硬件条件最好的芯片可能跑一个几百 K 参数的模型，就已经出现巨大功耗，意味着模型在耳机里跑不动。

声音这个应用，需要把每秒切成很多时间片，持续处理每个时间片的声音。每处理一次时间片，需要把编码出来的十几个、几十个 token 完整地过一遍模型的全部参数。

挑战变成：每一秒、每一个 frame，都需要把模型所有参数从内存搬到 NPU 里一次，而这个搬运本身就占了最大的功耗。

我们当时可以做出几兆参数、性能显著更好的端到端模型，但在耳机芯片里跑不起来。因为每秒几百次推理过程中，参数需要不停搬运，功耗太大。

最后只能降格到小几百 K，比如 300K、500K 的模型，这时性能就会受到巨大影响。

所以又回到价值观？

对。你要做一个更大的端到端模型解决问题，但现有芯片跑不了，原因是参数要不停搬出去。那非常自然的方法就是：能不能不搬出去？

只要数据不搬运，搬运的功耗是不是就能被消除？

计算机前 80 年的架构叫冯·诺依曼架构，一句话就是存和算分离：程序和代码放在内存里，到 CPU 里做计算。

冯·诺依曼架构、分治法，以及分治法产生的软件——程序和数据——构成了一个稳定的三角。

当你通过分治法解决问题时，写出来的是一段一段的代码和程序，以及它的数据。任何一个时间点，你只需要运行程序中间的一小部分，所以计算时会把存储器和计算器分开，把程序和代码放在内存里，只把当下要算的那一部分放到 CPU 里。

但在端到端时代，这个稳定三角应该被打破。

首先，解问题的方法不再是分治法，而变成数据学习加强化学习的端到端方法。产出的也不再是几十万、几百万行代码，而是神经网络。

神经网络即使是 MoE，只激活一部分，但被激活的部分也可能代表几百万、几十亿的参数。

如果继续沿用冯·诺依曼架构，把参数存在内存里，每次计算时把所有参数倒进 CPU，效率天然很低。

打个比方，你把所有知识存在左脑。以前用分治法解决问题，每次只会用到一小部分知识，把那部分搬到右脑计算就可以了，看起来合理。

但今天你的知识和解决问题的方法不再被拆得很细，而是一个整体、一个端到端模型。每次解问题时，都要把整个左脑，或者左脑中相当大的一部分，搬到右脑去计算，就变得不合理、低效。

那人脑是怎么做的？人脑是一体的。存储就是所有模型参数，存在神经元里；同样的神经元也承担计算角色。这样大脑不搬运参数，计算时不需要搬运任何参数，天然效率更高。

所以，从存算分离的冯·诺依曼架构，转成存算一体、像大脑一样的架构，功耗就会显著下降。这样我们才能在耳机这样的小设备上跑更大的模型。

你们这个模型参数有多大？

今天大概不到 200 万参数。但对一个能在耳机里跑的模型来说，这已经非常巨大了。

为什么要把它放在耳机上？这是第一个产品吗？

还是从消费者痛点出发。

今天用最好的耳机，在嘈杂地方打电话，比如在机场，对方能听见机场背景播报吗？还是听得见。

或者开视频会议时，经常会有人进来，背景噪音很嘈杂，最后他的声音反而听不清楚。

本质上，在拾音，也就是把声音从背景噪音里分出来这件事情上，今天的耳机离理想状态还有很大差距。

在这个品类里，你自己定义的七系产品标准是什么？

今天最好的七系耳机应该是 AirPods Pro。

有些人会说索尼或者 Bose，但你把所有最好的耳机买回来，在嘈杂环境下测试通话效果，就会发现非常有挑战。

背景噪音很多时候不会被滤掉；如果一定要滤掉，人声又会变得残缺，甚至不自然。

怎样在有效滤掉背景噪音的同时，让人声非常清澈、自然？一定需要一个大模型。

我们从 2023 年开始，第一意识到通话不够好；要解决通话问题，必须用刚才说的百万级以上参数的模型。要在耳机里跑这样的模型，就必须有存算一体架构。

这时你抬头去看，希望找到已经做出这种芯片的人，可以拿来用。但放眼世界，没有人真的做出了这样的芯片。

有些公司在做存算，但他们当时定义的产品跟我们要的东西完全不一样。

所以我们非常自然地选择做这件事情。公司层面没有经过大量反复研讨，因为价值观、使命和愿景变了之后，你就觉得这就是应该做的事情。

团队提出需要这样一颗芯片，我们就说，那我们做这颗芯片。

后来我们找到这个领域里很强、最强的一家公司，跟他们一起定制开发了这颗芯片。

这个过程非常困难。历史上没有这样的东西，从模型是什么样、对芯片提出什么要求，到芯片怎么定义、怎么优化、工具链怎么搭，最后还要解决各种 bug，把它真正拉到产品上。

项目从 2023 年 8 月开始，到 2026 年 5 月，搭载这颗芯片的产品终于上市。

它实现的效果很清楚：在任何嘈杂环境下，都可以准确地把人声和环境噪音分离开。

这感觉像一个很细节的产品优化。造了一个这么大的锤子，做了一个这么小的细节优化，值得吗？

长期看，它是锤子系列的第一个锤子。

但往细节看，这是一个非常确定、而且用户非常痛的痛点。无论在什么环境下都能安心通话，这个产品带来的价值变化，你觉得对用户来说是特别小的事情吗？

我用的是 AirPods。很多时候，这个 feature 的确不是自己感受特别强的事情。

这个很好玩，因为这个 feature 的确不是你自己感受特别强的事情。你的声音有没有被噪音带进对话里，其实你不知道。

换句话说，你有没有在一周里遇到几次，对方通话时的噪音打扰到你，我觉得日常开会还是经常会遇到。包括有些人专门为了这个原因找安静环境开会。

我们的产品不仅可以把噪音滤掉，还能实现轻声通话：在座位上用很小的声音说话，对方也能听得清楚。

轻声通话加上极致降噪，本质上代表了一类解决问题范式的第一个应用。

所以你们做芯片的起因，也是用户体验层面的感知，是一个产品洞察。

我们一直是一个务实的公司。做任何事情的起点，都希望产生特别实际的客户价值。

这个新芯片未来会应用在其他场景吗？

通话降噪只是这个芯片能应用的场景之一。

本质上，当我们能在功耗受限的环境下跑一个百万参数的大模型，它就不只是通话降噪，还有很多其他 feature。

这不是一颗大家日常熟悉、所有人都会做的芯片，而是市面上并不存在的、这个领域第一颗真正应用到产品上的芯片。

过程中要克服的不只是困难，还有方向是否正确、到底能不能做出来等未知风险。但回到第一性，你想清楚它必然应该这样，那么这些困难就去克服。

团队一路打了很多怪，也有很多艰难时刻，但最后都闯过来了。搭载在产品上之后，大家能感受到的体验非常好，回过头看，会觉得这个过程非常值得。

目前我们看到一些小参数模型，比如 7B 的模型，它的智能程度高吗？

我不做简单判断。未来肯定需要很多不同尺度的模型。

万亿甚至几万亿参数的模型，可以叫超级大脑，在云端解决最困难的问题。从 10 亿到 100 亿参数的模型，大概率跑在端侧，高效率、实时地解决现场问题。

最后，几百万甚至几千万参数的模型，可能跑在感知和控制器官里。

拿人来打比方，如果用深度神经网络看，人的大脑是一个深度神经网络，小脑可能又是另一个不同数量级的深度神经网络。再往下，你的眼睛、耳朵这些感知器官，以及肌肉这些控制器官，是不是也都由一个个深度神经网络控制？

你的眼睛不会把看到的所有信息直接传到大脑处理。眼睛有一组视神经，负责处理光信号，只把少量信号传给大脑。

反过来，大脑也不是直接控制肌肉每个细胞的运动，而是控制肌肉的整体运动；肌肉上有一组神经细胞，负责控制具体运动。

未来大概率也应该是这样。不同感知器官和控制器官上，都应该运行与问题复杂度匹配的神经网络，参数规模可能相差很多个数量级。

当然，这里有两派理论。一派认为，今天不应该单独拆出这些神经，而是把所有传感器原始数据直接导入大模型。

但我们会问，长期来看这真的是最好的方式吗？不同器官的频率不同，处理复杂度也不同。未来可能是不同感知、控制器官由各自独立的神经网络控制，参数量级差很多，这些小模型运行在独立硬件上。

包括大脑。具身智能的大脑今天可能是几十亿神经参数的规模，这样的规模是不是也应该运行在存算一体芯片上？

存算一体芯片，你也希望未来给具身智能的大脑使用，是吗？

今天我们的参数量当然还跑不了大脑，只能跑一点神经器官。但我相信这条路往前走，一定会走到芯片能够承载几十亿、甚至几百亿参数大脑的阶段。

你们未来的规划是什么样的？

从我们的角度，首先把感知做好。无论声音还是视频感知，先把模型和相应芯片做好。

当然，我们也有自己的具身智能业务探索，会探索更大的模型，以及与更大模型匹配的存算一体芯片。

芯片只给你们自己用，还是所有人都可以用？

给我们自己用。

这颗芯片完全由我们的模型定制，它的算子、模型结构，都是适配我们模型的。换句话说，它是我们自己的“小库”。

把芯片给别人用，就意味着要把模型也给别人，那可能会变成一家对外销售芯片的公司。

但你看苹果和华为，最好的芯片——苹果的 A 系列、M 系列，华为的麒麟系列——在自己的硬件设备里都是自己用的。

从闭环角度看，这能产生最好的用户价值，因为自己的设备能把芯片跑出最好的性能；也能产生最好的商业价值。芯片放在自己的安克系产品里，让产品卖得更贵，产生的价值比单独卖芯片大很多。

但存算一体芯片，包括英伟达、国内 GPU 公司，一定也会加入吧？

首先要分训练侧和推理侧。今天我觉得存算在推理侧更实用。

不同模型有不同参数规模。万亿级模型，存算应该还很难够得着；我们首先从百万参数开始，下一阶段到几十亿、几百亿参数。我觉得这个阶段是未来几年能看见的。

推理侧未来确实会有竞争力，存算应该是一个很有竞争力的选项。

我们的芯片总参数量是 4 兆，分到几个不同种类的模型里，单个模型最大大概是 2 兆左右。

我相信端侧肯定是未来，但多久能到？会是 2026 年的一条主线趋势吗？

还是要看什么时候能够把产生价值的模型高效地跑在端侧。

当你能高效地把模型跑在端侧，并且产生很好的客户价值，端侧就会爆发。

所以第一是到底能跑什么样的模型；第二是这些模型能创造什么样的客户价值。

对长期愿景来说，万亿参数、训练级别的超级大脑，如果存算真正做得很好，有机会在家庭里用几千美元的成本部署。

在各种具身机器人和复杂设备上，可能需要部署 100 亿参数的大脑。最后，各种设备里会有大量神经元，也就是感知神经元或控制神经元。

8. Home Intelligence Requires Models

我们一直说智能家居，好像东西是智能的。比如马桶上有十几个按钮，它就智能了吗？

不智能，那叫功能，或者叫可调节。

所谓智能家居，本质上是可调节、可预设的家居。你家里装了一套智能家居系统，它很大程度上也是你预先设置成什么样子，它就一直是什么样子。

所有产品其实可以分 3 个阶段。

第一阶段是不可调节。比如马桶，基本没有什么可以调的东西。

第二阶段长出十几个按钮，变得可以调节，但还不智能。

第三阶段应该是它能自己调节自己，能够感知你在做什么，然后自己进行调节。

换一个比方，凳子。不可调的凳子，就是我们今天坐的这种；可调的凳子，比如人体工学椅，可能有十几个地方可以调。

但第一，你不太会调；第二，你也不太想得起来要去调。等腰酸背痛时，才想起这件事，这仍然是可调节阶段。

真正智能的凳子应该是怎样的？它能感知你过来了，自己后退；你站到它前面，它把自己推到合适的位置。

它感知到你在打游戏，就把靠背往后放，让你能躺着；感知到你在开会，就把座位往前调。

背后是它能感知你的状态，并且自己调节自己。这是我们觉得未来家居应该变成的样子，真正的智能。

那为什么都 2026 年了，家居还不是真智能？

模型能力不够，不够聪明。它们上面其实根本没有模型。

真正智能需要 3 个能力：感知、规划、控制。它必须有感知能力，能够规划，还要能控制自己。

下面需要硬件，比如感知器、更好的控制器；上面需要模型和软件。这些东西都在逐步成熟。

最早是自动驾驶的车开始成熟。我们刚才讲的感知、规划、控制，就是自动驾驶的三步走。现在我觉得到了能力向外溢出的时候，车上的传感器和模型能力应该向家庭里的各种产品溢出。

这些产品被重新做一遍之后，就会变成真正智能的产品。

所以消费品都可以重新做一遍？家具也可以？

所有不可调的，或者可调但需要人来调的消费品，都可以变成能够自己调节自己的消费品。

这里需要端侧模型，需要感知、规划、控制能力，这些能力都应该由一个个模型，或者一个端到端模型来实现。

所以需要能力，需要模型，也需要高效运行这些模型的芯片。

这会让你们重新梳理公司的产品吗？AI 时代的产品？

首先会让我们重新思考公司的底层能力，核心技术到底是什么。

回到我们见爱普生 CEO 时讲的故事，这家公司历史上并不是由一个核心技术驱动长出来的。但今天我们清晰看见了一个核心技术：把感知、规划、控制这一整套，从芯片到模型，再到应用的技术栈打磨得特别成熟、特别有效。

这就会成为公司的核心技术。

为什么其他公司没有？

逻辑上大家都可以有，但从芯片到模型，仍然要克服很多第一性认知上的挑战，还要非常努力地把它做出来。

这个耳机是你们面向 AI 时代的第一款产品吗？

大家可能不太知道，我们的安防系统在全球是第二名。如果看高端市场，也就是 500 美元以上的安防系统，我们大概有超过一半的市场份额。

安防其实已经搭载了本地大模型。我们在安防基站上搭了一个不到 2B 的模型，在本地处理所有视频。这样视频不用离开你家，你也不用自己去找视频，可以直接用文字问它：“我女儿回来没有？”“我们家的猫和狗在哪里？”

它把 AI 真正落到了家庭日常应用里。

我们公司 AI 相关工程师已经接近 300 个，应该说是 300 多个。

这是从什么时候开始招的？

应该从 2017 年开始做安防时就开始了。安防一定需要 AI，必须用 AI 做人的检测和动作检测。

2017 年可能只有几个 AI 工程师，到今天已经有 200 多个 AI 工程师了。

我记得应奇跟我说，上一代人工智能公司都试图打过安防这场仗，但在国内惨败给了几家安防巨头。你是怎么在海外开拓这个市场的？

我们做的是消费级安防，不是海康、大华那种工业级安防。

消费类也有巨头。亚马逊收购了一家叫 Ring 的公司，依托亚马逊的云计算能力和价格，做的是 3C 产品，价格确实不贵，所有数据都上云。

我们首先作为一家中国公司，觉得需要有敏感意识，也要跟 Ring 差异化，所以做的是不上云的安防。

我们在用户家里放一个基站。第一，基站有长距离 Wi-Fi 连接能力，摄像头装得很远，依然可以把数据送回来。第二，基站有存储，数据都存在本地。第三，它在本地做 AI 分析并提醒。

从 2018 年推出这个品类，到今天，至少从市场结果看，还是成功的。

这是市场选得好吗？

还是回到用户价值。我们看到了明确的用户价值缺口，并且通过产品和技术实现了这个价值。

这个产品属于已有产品加 AI，不是 AI native 产品。你们现在有 AI native 产品吗？

可以打个比方。回到 10 年以前，物联网刚兴起，大家觉得所有硬件都应该重新做一遍。

好像有物联网技术，你做的硬件产品就是物联网产品；传统厂家好像生在这个时代以前，做同一个品类就比较落后。

但 10 年下来你会发现，那些在一个品类里有扎实场景并且能够进化的公司，和那些有 AI 技术、一定要进入这个品类的公司 PK，最后哪边赢得更多？

还是有场景的公司赢得更多。

所以回头看今天的 AI 时代，所谓 AI native 硬件，真的会跟 10 年前物联网那一代很不一样吗？

你怎么认知 AI？你觉得 AI 会给消费电子行业带来什么改变和变革？

客户不关心 AI，客户关心体验怎么变得更好。

回到刚才讲的，AI 会让各种设备从“你需要去调它”，变成“它真的能够适应你”。它知道你在干什么，会自己调节，让你几乎无感地使用。

它成了一个生命体，或者说它是一个服务体。它的存在并不是说它自己有生命，而是能够提供服务。

当然也要区分。如果说具身智能机器人、机器狗未来有自己的自主意愿，这是另一回事。但一张能够自己调节的椅子，你会觉得它是一个生命体吗？可能有点夸张。

所以你觉得既有硬件都会加上 AI、加模型？

不是说我觉得，而是这个世界会把所有需要被调节的东西都重新做一遍。

比如微波炉，上面有十几个按钮。你可能只会用一两个，最常用的是分钟数旋钮，其他都不太会用。

这样的微波炉是不是应该被改造成能够感知你放进去的是什么，给你建议，甚至提供语音交互？

家庭里这些需要人调节的东西，都应该变成能够根据你的需要自己调节自己。这才是真实带给消费者的价值。

所以所谓 AI native 并不是第一性原理，是吗？物联网是第一性原理吗？

十年前大家说物联网来了，所有东西都要重新做一遍，每个人都很兴奋，觉得会带来巨大变化。

但消费者真的不关心物联网，也不关心 AI。消费者关心的是体验怎么变得更好，怎么比以前更舒适、更高效、更开心。

这也是我们一直立公司的根本：从让用户价值变得更好出发，改变一个品类。

这需要 3 个东西：第一，领先的技术；第二，真实场景里的产品化能力，不仅是能力，也是对产品和场景的理解；第三，很好的全球化商业能力。

对我们来说，商业能力是强的，在要改变的领域里，我们过去缺技术。没有十全十美的公司，缺什么就去补。

过去几年，我们把 AI 团队做大，把芯片团队建起来。今天来这个节目，主要也是因为我们还有很多事情要做，而且还没有人去做。

我们希望向听众讲述未来愿景，吸引更多人加入，一起把愿景变成现实。

我们有商业化能力，有场景化产品能力，技术能力也不是零，现在可能是零点几。我们缺很好的技术人才，大家一起把技术能力做成一块强的板，才能创造特别好的客户价值。

AI 芯片、具身智能，你分别愿意投入多大？

这个问题很难从一个总数角度回答。还是回到具体问题：我们要解决哪些问题，解决这些问题需要什么投入。

我们大概率不会训练万亿级模型，也不会做那个级别的芯片。

当我们训练从几百万、几千万参数的神经元模型，以及在具身智能领域探索几十亿参数的模型时，匹配的训练资源和芯片资源，我觉得大概是几个亿的量级。

至于 AI，很难说具体投入是多少。两百多个工程师，人均收入大几十万，算起来当然也可以，但这样算就很无聊了。

说说你们的机器人业务，具身智能业务。

9. Anker Mapped the Robot Roadmap

我们把机器人分成 3 个形态。

第一阶段是二维平面机器人，比如扫地机、割草机；泳池机器人可以理解为 2.5D 机器人。

第二阶段是三维空间里移动和交互的机器人，今天的机器狗、宠物机器人属于这一类。

第三阶段是最后的皇冠明珠，也就是操作型机器人，大概率是人形状态。

我们现在有扫地机器人和割草机器人的业务，属于第一阶段；正在开发第二阶段的产品；也在探索第三阶段的人形机器人。

人形机器人会是你们一个很大的 bet 吗？

现在团队还处于预研和探索状态。

这个领域的技术战还完全没有收敛。大脑到底是什么状态，人的腰关节到底应该长什么样，这些方案都完全不同。所以目前还不太适合产品化，更适合预研。

相反，机器狗作为第二阶段产品，各家的形态已经非常接近。从硬件上看，技术栈已经比较收敛；模型阶段，大家的做法也比较一致，都是把 agent 放在模型上。

所以我们觉得机器狗已经可以进入产品化阶段。从去年开始，我们有一个团队在开发一条机器狗。

狗今天在生活里扮演什么角色、提供什么价值？当然是宠物，提供情感价值。但狗最早进入家庭时，起的是看家护院的作用，提供的是功能价值。

今天的宠物狗，很大程度上已经失去了当年的功能价值。

我们自己做安防系统，在全球几百万户安克系家庭里持续面对一个问题：家里装满了安防系统、摄像头和报警设备，但有人闯入时，事实上能做的事情很少。

如果有一条看家狗，当安防系统监测到闯入者时，这条狗可以去驱离闯入者，实现真正的用户价值闭环。不只是发现闯入者，而是能够驱离闯入者，让家真正变得安全。

这个产品听起来是有道理的。我们做用户研究也发现，安克系用户里有相当比例的人，愿意花相当金额购买这样一条家庭看家狗。

这个产品在开始做的时候，我们就确定它能卖出去，而且能卖出很大的量，因为它能创造特别明确的客户价值。

听起来这个时代跟上一个时代，你们做产品的方法论没有很大区别，依然是定义市场、定义产品的能力。

任何时代，只要是产品公司，就必须给客户创造价值。不可能技术特别先进，但客户觉得没有价值，那绝对不是好的产品公司。

我们从充电宝这样简单的产品，一直做到看家狗这样复杂的产品，信念一直很一致：一定要做给客户创造真实价值的产品。

为什么战略要从浅海转向深海？你们转过型吗？

我们还是要强调，“深”不是品类有多复杂，而是品类规模有多大。

所谓深海，是品类销售规模在 500 亿美元以上。还是回到德州扑克的例子，本质上是牌桌上盲注的大小。

浅海是盲注在几百万、几千万人民币的市场；深海是一个盲注可能有 5 亿、10 亿的市场。在这样的市场里，即使有几十亿、几百亿资金，也可能打不了几局牌就下去了。

从这个角度看，我们今天做的依然是浅海市场。即使是安防系统、看家狗，这类市场整个规模大概率也不会超过 500 亿美元。所以浅海战略依然延续。

你会进深海吗？

今天能看见的两个未来确定性会长出来的深海，一个是人形机器人，第二个是智能眼镜，也就是个人交互终端的全新形态。

智能眼镜前面会有 3 波大厂竞争：第一波是所有手机厂商，第二波是所有互联网大厂，第三波是所有模型公司。

这三波人最后都希望抢到跟人交互的入口。所以任何公司进入这个品类，都要回答：怎么打得过前面这三类大厂？

我们今天不会进入智能眼镜品类。

人形机器人还完全没有收敛。我们在开发机器狗时，技术栈已经在向那个领域延伸。等技术真正开始收敛时，我们有能力去挑战这个市场。

当然，这个挑战大概率不是用今天公司内部一个组织的一部分去做，可能会从公司里成立一个更加独立的团队，去打这样一个超级品类的市场，甚至可能 spin off。

所以它有点像华为运营商业务里长出来的手机业务？

对。它做得好，才有 spin off 的必要。

华为的运营商业务本质上是一大片浅海凑在一起，是很多中小品类拼起来的；手机业务是一个巨大的深海。

一个公司里既有大片浅海业务，又有深海业务，华为是很好的榜样。当然做到他们那样，需要非常好的底子、组织能力和技术能力。我们今天也在朝那个方向努力。

对你来说，这是一个必须做的事情，还是观望状态？

作为一家做浅海的公司，这不是 100% 必须做的事情。

当时机成熟、我们有能力、也有合适的 leader 去做时，我们愿意挑战。它可能是公司皇冠上的明珠，但今天还不确定。

如果用比较精炼的语言总结你做了十几年的产品理念和方法，从最早选品、选人到执行，你们有一套完整方法吗？

背后是一个复杂系统，很难用一句话讲清楚。

如果一定要讲一句话，就是从细分用户人群上创造独特价值。细分出人群，为他们创造实实在在的独特价值。

你们把人群看得多细？

所有有价值的商业，都是从人群细分开始的。

回到乔布斯。乔布斯 1996 年回到苹果，面对苹果几十个产品，他把人群粗略分成两个：专业用户和普通用户；又分成两个场景：移动设备和桌面固定设备。

两个人群、两个场景，最后切出 4 个产品位置，每个位置做一个有价值的产品，公司就成功了。

所以做产品，如果只讲一个原则，就是为细分人群的确定场景创造独特价值。

你有过失败的产品经理吗？

那就太多了。

成功率能有多少？

2022 年收缩之后，后面再也没有减少过品类。

你是后来在选择品类上变得更谨慎了吗？

的确是，但不只是更谨慎，而是有了更清楚的原则和方法。

应该从两端出发。一端是现在有什么人群——这些人已经买你的产品，对你有基础了解和信任。另一端是技术——今天有什么底层技术栈，包括通用技术和极致创新技术。

最好新进入的品类，在人群上的重叠度高，在技术栈上的重叠度也高。在这样的情况下拓展品类，成功率会很高。

如果人群不同、技术也不同，跨出去的挑战就会比较大。

你是天才型产品经理吗？

我觉得我的产品 sense 是好的。

但消费电子产品其实是做不完的。10 年以前有新的消费电子，今天有全新的产品，我觉得大概率 10 年以后也会有全新的产品。

我是一个长期主义者，一直想做一个能够一直使用的产品。所以今天我把公司看成是我的产品：让很多年轻的产品人、技术人在这个平台上持续创造他们想创造的产品。

这个平台本身也是一个产品。把它做起来的难度和挑战，我理解远远大于做一个具体产品。

你什么时候意识到你做的是一个平台，而不是单个产品？

2020 年做战略研讨时，我们意识到：到底做了多少品类，未来要做多少品类，还是要在几个领域里发展。

10. Anker Pursued a Third-Kind Company

今天我们有 3 个领域：充电和储能、影音、家庭自动化。我们还在孵化健康领域。

未来在这 4 个领域发展，每个领域最后有 10 个、20 个品类都很正常。

是大的垂类、大的品类吗？

10 个、20 个是很具体的产品品类。比如充电储能里，充电宝和充电器就是两个不同的产品品类。

现在有多少个？

现在大概 20 多个。

如果从 4 个产业方向出发，每个方向最后 20 个品类，公司可能会有 40 到 60 个品类。

这就是我们说的第三类公司。

底下的品类里有少量超级品类和大量中小品类；上面有 3 类公司。

第一类是做特别少超级品类的公司，比如苹果、特斯拉。第二类是做少量中小品类的公司，绝大部分公司属于第二类。

第三类公司就像我们的愿景：能做到几十个中小品类，并且做出很好的客户价值。

消费电子历史上有这样的公司，比如索尼、飞利浦。跨行业看，宝洁是很多品类、很多品牌的公司；耐克也是很多细分品类组成的。电子领域里，德州仪器也是这样的公司。

每个行业里最后都会出现几个成功的第三类公司。我们希望安克能成为其中一个。

成为第三类公司，一般需要 CEO 是什么样的性格和个性？

不是一个集权的人。

这就到了第三层。底下一层是 landscape，是改变不了的地形；中间一层长出了 3 种不同形态的公司；顶上一层是两种不同的管理模式。

一种叫“国王和骑士团”，王国内大小事务都由国王和骑士团裁决。

另一种叫“总统和联邦”：总统负责整个国家的建设和运作，下面的联邦、一个个州，负责具体领域的运作。

第三类公司，长期成功的最后都走到了“总统和联邦”的模式。

退回来讲，你是希望一件一件具体事情都管，还是往后退一点，更希望赋能别人？

背后不管是因为你懒，还是不想做太具体的事情，性格都是几个因素叠加。

第一，你可能不希望持续做那么具体的事情。第二，你还希望赋能很多人把这些事情做出来。

所有智能家居都值得重新做一遍。你可以选择成立一家新公司，重新做某个品类的真智能设备。但在硬件品类里创业，做一家全球化公司，挑战非常大。

把一个公司打开，它的价值链很长。价值链就是把客户价值创造出来，需要经过的不同岗位和角色串在一起。

硬件首先需要做战略，后面需要做产品；产品里要做用户研究、技术前沿研究，再开发产品。消费电子是一个价值链很长的公司。

我们的公司有 6,000 人、200 个不同岗位。价值链如果数长度，就是 200 个岗位那么长。更长的还有汽车、火箭。

在一个长价值链公司创业，意味着要在有限的 runway，也就是有限的时间、资金和机会里，把价值链里大部分环节做到基本能用，少量做到很强。

而且价值链变长后，难度不是线性增长，而是非线性增长。价值链里并不是每个点只跟下一个点沟通，一个点要跟一片点沟通合作，所以组织复杂度可能按平方甚至更高的复杂度上升。

把一个长价值链的公司真正打磨出来，非常困难。看物联网时代、智能硬件时代，有很多被投资的公司，到今天真正活下来且活得好的，数得过来。

AI 时代，想重新创造这些产品的创造者，也面临选择：要么自己创公司，把价值链从头到尾做出来；要么我们提供另外一个选择。

在安克这个平台上，我们通过很多品类的成功实践，形成了一套成熟价值链，也有一批在价值链上做得很好的人，还有从价值链里沉淀出来的智能体。

这些东西如果能够有效支持创业者，我们相信，他们在品类里存活下来、活得好的概率会更高。

最后还要解决分配问题。如果做出很好的产品和技术，却不像自己创业那样拿到足够回报，逻辑也是不通的。

所以我们希望把大部分创造成果分给创造者本人，提供一个在自己创业之外的选择：加入一个成熟的平台，在这里打造全新的技术和产品物种。

我能理解你很希望创业者、创造者加入你们公司。但我也好奇，从你的视角，什么是硬件的好产品？

你现在不亲自藏在产品里，而是在搭平台。从你的视角看，什么样的产品经理是好的产品经理？叠加 AI 之后，会不会不一样？

好的产品经理，首先要执着于交付客户价值。而且不是泛泛的客户价值，一定是聚焦具体人群、具体场景和独特价值。

坚持做好具体人群、具体场景、独特价值，是一个好产品经理的基础。

这跟互联网产品相反。互联网平台类产品不挑人群，比如淘宝、抖音，基本上希望所有人群、所有场景都能使用。

但硬件，特别是中小品类硬件，一定会挑人群、挑场景。

什么样的产品经理来你面前面试，你会直觉觉得他是非常好的产品经理？什么样的人你不会再见第二次？

我们有很多失败教训。

背景、学历，包括面试过程里的很多表现，我觉得都不足以成为有效证明。

所以回到为什么有价值观。检验一个人是不是有创造力，我们觉得最有效的标准就是价值观：他的思考过程是不是足够第一性。

如果以前做过产品，有哪些跟别人不一样的第一性思考？出发点是什么？推导过程是什么？

其次是求极致。光有思考没用，怎么克服巨大困难，想尽办法把它做出来？

最后是长期主义的眼光。过程中是不是持续觉察自己、进化自己？

我一直在讲同一套东西，因为我们相信最好的创造者就是有这些行为特质。

当公司定义自己是一个创造的公司，吸引的就不只是产品经理，也包括技术人才、商业人才。只要想从零到一做事情，就需要这些特质。

这些人如果能自己创业，会去安克吗？

消费电子的价值链非常长。长价值链意味着打造它的复杂度很高，成功概率很有挑战。

过去的历史数据就是如此。AI 来之后会变化吗？涉及人的事情，价值链上是一个个的人，也没有那么容易彻底变化。

如果想把事情做成，来我们这里可能是更容易做成的方式。更不用说安克已经是一个全球消费者了解的品牌，有全球化渠道，这些都能给好产品的商业化带来巨大便利。

我们刚才聊到融资。你们启动一轮融资，然后紧接着上市，做了资本化动作。如果回过头看，当时没有做这件事，今天的安克会是什么样？

如果当时不融资、不上市，我觉得融资和上市客观上给了外部压力，但我们这群人不是被外部压力驱动的。

东平和我这十几年创业，不是看别人做什么，我们就做什么。我们始终是坚定地踩稳一个台阶，再迈向下一个台阶。

所以不融资、不上市，我们应该也会走到今天的道路。

对于留住人来说，如果不上市，会有不好的影响吗？

这是个很好的问题。

我们把当期利润里很大部分分给员工，是一种激励方式。但上市之后，通过股份变现，把未来 5 年、10 年甚至更长时间的利润分给员工，肯定是很大的吸引力。

当年上市时，中国规定未上市公司最多有 200 个股东，所以我们当时大概给 170 多名员工分了公司股权。

他们上市之后会留下吗？

客观地说，很多人有足够的钱之后，会重新考虑人生。

但更大的比例不是因为有钱没钱，而是觉得这个地方还能不能让他持续成长、持续开心。

肯定有一些人，钱过了一个数字后，就想选择另外一种生活方式。

我们有个很有意思的例子。有一位财务同学，公司上市后觉得钱够了，就辞职去中央戏剧学院学编剧，正儿八经做了几年编剧。

故事结尾是他又回来了吗？

又回来了。他发现编剧行业也没有那么好玩，最后觉得还是怀念我们这群人，也觉得我们在做更有趣的事情，于是又回来了。

你可能一毕业就在一个轨道上往前走。到一个阶段，公司上市了，你给自己一个休息的理由。但你发现不能一直休息，换一个领域、换一个赛道之后，未必比现在更开心。

现在不少做 AI 硬件或者硬件的公司，一开始都是有利润的。对一家有利润的公司，什么情况下应该考虑上市，什么时候不应该上市？有标准答案吗？

我讲两个视角：员工视角和创始人视角。

员工几乎总是希望公司上市，因为不上市，股份很难变现。即使像我们这样每年分很多钱，跟上市变现带来的巨大收入相比还是少很多。

所以从员工角度，几乎所有时候都希望上市。

对创始人来说，视角不一样。

看历史就会发现，中国台湾有很多 80 岁的上市公司董事长。他们可能 40 年前、40 岁时上市，公司几十年也活下来了，但没有继续变得更大。

长期过程中，家里人不愿意接班，后面的同事也不能有效接起来。于是你 40 岁享受了一次上市敲钟的快乐，但年纪大了还要持续为公司付出，让公司继续跑下去。

对创始人来说，员工可以走，但创始人大概率走不了。上市后好像敲钟了，很开心，但如果想 10 年、20 年、30 年，就要给公司一条能够长期发展的道路和愿景。

不能交给二代吗？

如果公司走在非常平顺的道路上，不拐弯，也不做 AI 这样的变革，二代或者职业经理人可能都能把公司管好。

但如果走上一条变革的道路，无论品类发生变化，还是面临 AI 这样的全社会浪潮，你觉得二代和职业经理人真的能把事情做好吗？

如果不上市也不能解决这个问题，你也还得在这里干。不上市的好处是什么？

不上市，公司依然要往前走，但退出途径更多。比如可以把公司卖给像我们这样更大的第三类公司。

大量第三类公司的成长，一方面是内生做了很多品类，另一方面是通过兼并、收购，把新的品类纳入进来。

宝洁、德州仪器都是这样。

你们兼并过什么公司吗？

中国现在的环境，我觉得还不是特别适合并购，因为大家仍然觉得自己上市是更好的选择。

所以从选择上市的那一刻，就决定要跟这条船绑在一起走几十年，是吗？

客观地说，在中国现行市场环境下，选择上市之后，你很难离开这条船。

当时有什么契机做这个决定？你们当时利润也很高。

我们还是把事情想清楚了。

通过系统化的方式，有机会做好很多品类。我们当时觉得有一个底子，能够把自己做成第三类公司，系统性做好很多品类。上市是做成第三类公司比较确定的中间过程。

为什么大疆不上市？

这个要问他们自己。不上市可能会影响人才。

回到员工角度，员工都希望公司上市。第一波员工拿完期权、财富自由之后，还要解决后面的员工，他们没有那一笔兑现。

所以在新业务里，我们也给员工画了股权池。当新品类过了投入期、产生利润后，按照上市公司的规则，可以回购员工股份，给他们产生很好的回报。

往后退一步，我们一直在谈回报。但这些年感受下来，最好的创造者、最想做极致事情的人，大概率不会把回报放在第一位。

但钱也得给够。

是的。

对最优秀的人才来说，首先寻找的是一个机会：能够挑战特别难、从来没有做过的事情。在这个机会里获得成长；当公司给他托底、有人帮助他、一起讨论时，他会成长；第三步才是回报。

跟回报等同的还有意义。你会希望自己挣到钱，也能跟同学吃饭时有可以吹牛的地方，回去跟孩子说爸爸妈妈很厉害，这就是意义。

一个好的公司应该给创造者提供机会、成长、回报和意义。

一个公司能给创造者提供一次机会，可能花 2 年、3 年、甚至 5 年把事情做成熟，已经是很好的公司。

但最好的公司，应该能持续两次、三次、四次、五次地提供这样的机会。经历三轮、五轮成长之后，他会变成一个很厉害、全面、完整的人。如果这时再去创业，成功率会更高。

消费电子是一个速生速死、垄断效应比较少的行业。今天做消费电子，比你当年开始时红海太多了。深圳有这么多竞争对手：大疆、影石 Insta360、正浩、拓竹等等。

一家消费电子公司的护城河到底是什么？

我讲 3 层护城河。

第一层是独特、领先的技术。当一件事只能你做、别人做不出来时，肯定是有效护城河。

但技术会遇到边际效益递减。人的感知能力是有上限的。当技术碰到人的感知上限，继续往前的空间就不大，别人会追上来，技术优势可能消失。

比如苹果的屏幕。十几年前大家肯定认为 iPhone 屏幕比其他手机好，今天还这么觉得吗？

苹果有一个规格叫 Retina，意思是像素点密到正常人看不出差别。人的眼睛只能分辨到这么细的颗粒度。当技术达到这个分辨率，再往前做，人感知不出来。

再比如充电器，我们把体积做到很小、功率很强，把 146W 充电器做到卡片那么大。再小一倍，你可能觉得还有意义；继续小，就未必有意义。

所以技术总会遇到人的感知极限。遇到极限后，继续往前的空间不大，别人会逐步追上来。放到足够长的时间里，超额技术优势一定会被抹平。这算是一个第一性原理。

技术被抹平之后，剩下的护城河是什么？品牌，maybe？

一定是品牌，也就是存在用户心中的信任，以及想起品牌时的那份情绪。

建立品牌信任非常困难。消费者可能需要很多次才能建立信任，但你做错一次、两次，信任可能永久消失，他一辈子都不再回来。

所以公司需要很长时间积累、认真呵护用户信任，这会构成第二层巨大护城河。

但放到最长时间看，技术和品牌都不是最深的护城河。公司最深的护城河，是使命、愿景、价值观，以及一群真正相信使命、愿景、价值观的人。

为什么？很多有品牌基础、有信任的公司，慢慢好像也不太行了。诺基亚？

诺基亚就是一个例子。甚至像索尼这样的品牌，也可以讨论。

某个时间点，你对索尼、飞利浦这些品牌仍然有信任，但选择它们的概率也没有那么高了。

最后还是要看，这家公司是不是持续有一群人保持极致创新精神，对自己坚持第一性、求极致和共成长。

这样一群人，如果能持续 10 年、20 年、30 年保持下去，我觉得就是公司最长时间的护城河。

你们公司现在有这样的人吗？多吗？

每个方面都不是非黑即白，不是有或者没有，而是从零逐步长出来、不断逼近的过程。

2023 年开始成立实验室打造技术。到今天，像存算一体芯片及其应用，我觉得一段时间内可能看不到其他人有类似东西。所以技术领域我们到了零点几，但离理想可能只有零点二、零点三，还有巨大空间。

品牌方面，这是过去 15 年努力积累、认真呵护的结果。安克品牌在全球范围内的信任度还是很高。

今年 2 月，我们发布了一套户用储能产品，客单价 1 万美元，没有线下店可以看，发布后可以直接在官网下单，花 1 万美元买。

对用户来说这是非常艰难的决定，因为过去我们有几百美元、几千美元的储能产品，1 万美元的储能还是第一次，而且线下没有店。

但第一个月就有超过 1,000 个客户在线购买。是什么样的信任，让用户愿意直接花 1 万美元买这个产品？是对品质、品牌，以及品牌负责任程度的信任。

三块板里，到今天我觉得最长的是中间这块，也就是品牌。我觉得如果按 0 到 1，可能有零点六、零点七。

最后是相信使命、愿景的人。回到 2020 年刚开始转型时，人的比例和浓度还比较低。过去几年经历了非常痛苦的变化过程。

有些同事上市后有钱了，选择去做别的事情；我们也引入了很多创造者。这个过程确实是从量变到质变，前几年可能慢一点，最近一两年越来越快。

我们开始对外讲安克想成为什么样的公司，能给创造者提供什么环境、什么回报。

但愿景讲得再多也会显得虚，最后还是要产品说话。如果总讲极致创新，但产品只是微创新、改良型产品，大家大概率不会相信。

从去年开始，我们上市了一些产品，比如 UV 打印机。它是这个品类第一个消费级产品，把桌子那么大的工业设备做到手提箱那么大、能放在桌上的小设备。

还有存算芯片，以及搭载存算芯片的耳机。这些是真正的创造者在公司做出来的不一样的东西。

我希望再过两年不用再来节目了，希望产品自己会说话，让大家觉得这就是一家创造的公司。

其次，我希望创造者们出来讲自己的故事。作为产品经理，我创造的是这家公司；真正创造这些产品的，是一个个领域的技术创造者和产品创造者。

站在台上骄傲地讲自己的创造，这个机会不应该是我的，应该是他们的。

你们现在是 bottom-up 文化，还是自上而下文化？

我们是“分层授权”的文化。每一层做每一层应该做的决策，最大程度向下授权。

作为 CEO，我决定公司的形态、战略框架、能力框架、组织框架、人才框架，以及回报怎么设计。

事业部层面，我决定做哪些宏观品类，但具体品类怎么做，授权给事业部。一个品类里做哪些细分子品类、做成什么样，由事业部决策。

再到产品线，具体产品是什么样，绝大部分细节授权给产品线。

所以公司三层结构里，有很多独当一面的机会。能够做相关事情的大部分决策时，实际上就是一个独当一面的决策者。

商业化线条也是一样。各个大区、商业线，都有很多独当一面的决策者。

对创造者来说，有一个能独当一面的机会，就是成长最好的方式。我们确实希望给创造者提供一条很好的成长赛道。

你刚才说了三层护城河，第二个品牌你们得分最高。我很好奇，作为一个在深圳成长的公司，为什么能在欧美市场做出不错的品牌？这里面有什么 know-how 可以分享？

品牌留下来的东西，就是客户信任。

如果所有事情都是从积累客户信任的角度出发和决策，最后是不是应该收获最多的信任？

以给用户产生信任为目标，所有事情都朝这个目标前进，应该就会收获一个比较好的品牌。

这是你一天就想通的事情吗？

这是很简单的道理、第一性原理。但第一性原理会在一些大的决策面前被检验。

比如去年我们有一次很大的召回，在全球召回了几百万个充电宝，经济损失按亿计算，可能是若干个亿。

这么大的决策，你当然可以选择不召回。但不召回的结果，是很多用户可能面临充电宝过热甚至燃烧的风险。

做这个决策时，没有经历反复研讨和大量争论。大家看到问题了，就从用户价值出发决定怎么做，然后去做。

这样的事情发生在公司各个层级，最后才会产出结果。当然，公司变大、变复杂后，一定有很多局部决策可能不是全局最优。

但每发现一个问题，我们都会改；每发现一个没有按原则做的地方，也会改正。大量接触中，努力赢得大多数用户信任，最后就形成了一个有信任的品牌。

你觉得当下品牌的时代叙事有什么变化吗？

从第一性角度看，从信任出发一定不会变。

往上看，在信任基础上给用户带来什么情感，这个可能不同。有些品牌让人激动，有些品牌让人觉得特别。

这些情绪天然存在，不一定是时代改变了。

我看到你们也成立了 AI 中台。你们现在在 AI 上花的时间多吗？你个人花得多吗？你怎么学 AI？

11. Anker Built an AI Organization

我的背景本来就是做 AI 的。虽然当年没有能力把它做好，但今天大浪潮来了，我坚定相信它的未来。

过去半年，我有大量时间花在这个领域。

公司从去年 9 月到现在，内部使用的 token——不算给消费者服务，只算内部使用——到节目播出时应该已经超过 10 万亿。

我们现在每天大概内部使用 1,500 亿 token，而且还在快速增长。

公司 6,000 人，意味着平均每个人每天 2,500 万 token，每个月大概 6.5 亿 token。其中大约 1/3 是最高档模型，40%多是中档模型，20%是入门级模型。

分配到什么事情上？

传统上大家说企业用 AI，可能是写代码、做产品。但今天公司各个职能条线都在大量使用 AI。

我们不是给大家开很多账号，让大家去各种平台使用，而是建立了一个中台，把各种模型接进来。前端提供聊天、本地命令行、网页以及各种接入方式，让全公司的人在同一个平台上使用 AI，这就是 AI 中台。

今年很火的 Open Call，代表一种即时编排型任务处理：你告诉它一个需求，它现场编一个流程处理。

它的挑战是临时、不稳定，而且大概率不完全了解企业内部数据、已有流程和方法。

企业级应用应该很大程度上是预编排的智能体：把企业成功的方法、流程和已有数据集成到智能体里，让它确定性地产生期待的价值。

这是企业使用 AI 和个人使用 AI 的巨大差别。

不同职能需要把能力沉淀到预编排智能体里；智能体要在一个平台上承载，再分发到不同模型运行。

背后需要复杂系统和完整思考。

回到最初，你当时说全员用 AI、token 无限，管理层当时有反对声音吗？

后来很多人问，怎么衡量 AI 的产出。

那句话叫“因为相信，所以看见”。到这个阶段，我们并没有严格衡量花出去的 token 具体产出了什么。

我们相信未来组织一定是被 AI 增强的组织，所以最好早开始。整个过程没有算过什么账，觉得应该做就做。

但今年 AI 花费已经上升到很大的数字，我们开始觉得成本可能大到需要认真看、甚至优化的程度。

多少钱？

今年肯定已经是几个亿的小几个亿的费用。这是企业内部员工使用 token 的费用。

你心里的上限是多少？

最后跟价值匹配。如果能创造很好的客户价值，从客户那里挣出很多钱，我觉得就不应该有什么上限。

大家现在都在说 AI 原生组织。你觉得你们需要变成 AI 原生组织吗？

这个问题跟 AI 原生硬件一样：到底什么是 AI 原生硬件？

无论硬件还是组织，都有一些不变的东西。先把不变的东西想清楚，再想 AI 会怎么让它变化，这样产出的组织，可能就是 AI 时代的组织。

组织里第一个不变的是用户价值。对产品组织来说，让用户开心、满意，这是不变的。

创造用户价值的价值链也不变。比如做硬件产品，先做用户研究，定义产品，研发技术，做设计，组织成产品，把品质和生产做好，采购好，后面还有营销、销售、服务。

AI 来了之后，这些价值点会消失吗？不会。把产品做出来、让用户满意，仍然要经过这些价值点。

所以 AI 不会改变整个组织的价值链。

价值链看起来是一个大组织，其实由一个个小团队串起来完成。软件开发里叫 Scrum，硬件公司现在也借用这个说法。每一个价值链上的点，都有一个组织负责交付。

组织不会完全消失，但可能会缩小。

软件领域，一个传统 Scrum 可能有 8 到 10 个角色，从用户研究到单元测试。AI 会带来岗位融合，一个人可以承担几个角色，Scrum 可能从十几个人变成几个人，但不会消失。

硬件领域不一样。AI 来了，也不能让电子工程师突然会画结构图、写嵌入式代码。因为硬件跟物理世界打交道，需要很多经验和积累。所以跟物理世界相关的 Scrum，规模可能不会明显缩小。

AI 带来的第一个变化，是有些 Scrum 人数会减少。第二个变化，是 Scrum 内部的运行机制会改变：从人定义目标、拆解过程、完成过程，变成 AI 辅助定义目标、拆解项目和 OKR、管理项目，并帮助完成很多工作，效率会提升。

不同 Scrum 之间的协作也会变化。过去需要互相开会，AI 会让传统沟通更有效率。

所以，第一，用户价值不变；第二，价值链不变；第三，链条上已有的交付组织大概率也不会变。但组织可能变小，内部和组织之间的协同效率会更高。

这样的组织，就是 AI 时代的组织。

你们现在的转型进度表是什么样的？

经过大半年的实践，我们已经把路径看得很清楚了。但人的转变和组织的转变都需要过程。

我希望到年底完成这样的转变，那就已经非常棒了。

有人觉得 AI 时代中层管理者更重要，也有人觉得中层管理者会消失。你怎么看？

确实有人认为 AI 时代不需要中层管理，比如 Jack Dorsey 前段时间有一篇文章，说应该由世界模型掌控公司，消灭中层管理者。

但实事求是地说，以今天模型能够处理的 context 长度，我觉得大概率做不到。

Context 长度，是把一个问题描述清楚所需要的 token 数量。

一个项目讲清楚需要多少 token？一个 Scrum 同时跑几个项目，需要多少 context？一个部门有若干个 Scrum，部门 manager 需要多长 context？再一层层往上累加，到整个公司需要多长 context？

你会发现，把一个公司讲清楚，所需 context 一定超过 10 亿、100 亿，甚至到千亿、万亿，取决于公司规模。

以今天模型的处理能力，超过百万 context 后能力会怎么样？可能丢失。你可以压缩，但压缩时保留什么、不保留什么，本身就是非常重要的价值选择。今天模型在价值选择上还做得不够好。

所以这个过程中一定需要人，从大量复杂 context 里抓住关键东西。

还有一个点，是组织和组织结果之间的关系。这里有一个著名的康威定律：组织形态决定产出结果和效率。

组织形态由谁定义？CEO，或者长出来。但组织形态长出来后，仍然是人组织起来的。

一个高效组织，需要正确的人、正确的氛围、正确的沟通方式。不能假定公司一开始就有所有正确的人，而且他们已经在高效协作。

为了打造正确的人、高效协作和合适组织，需要管理者付出巨大努力和心血。

所以我的认知是，中层管理者不会因为 AI 到来而消失，甚至可能因为 AI 到来而变得更有力量。

那会消失的是什么？

我希望最后被消失的是重复、无聊的工作。

初级岗位会减少。有人认为 AI 消灭初级岗位后，未来就长不出高级岗位了。这个说法假设高级岗位一定从初级岗位长出来。

我举一个建筑业的反例。建筑初级岗位可能是砌墙、抹灰等操作性工作，高级岗位可能是建筑设计和规划。

古代，建筑设计师可能是从一线工匠慢慢升上来的，做建筑设计前，可能做了十几年砌墙、抹灰的工作。

但现代建筑设计已经变成一个确定门类。你不需要砌几年墙、抹几年灰，才能成为建筑设计师。

未来大概率也会这样。你不需要学过某个领域的编程、调过很多 bug，才能在顶层做架构师，面向客户构建方案、交付价值。

现在我们确实看到，校招生里有很多完全没有编程经验的人，本科也不是编程专业、没有写过程序，但在清晰业务领域里，用 AI 交付一套完整系统，支持业务运转。

这就是跳过传统初级岗位，直接到高级岗位角色。

所以我不担心 AI 消灭初级岗位后，未来没有高级岗位人才。

你觉得组织会缩小吗？

组织会变得更加精炼、高效。

会少数人挣更高薪酬吗？比如 10 倍？

我们有一个观点，叫“n 倍效能个人”，英文是 n-time efficiency worker，缩写就是 NEW。

效能被提高 n 倍的人，放大看会分成两群。

一群是用 AI 构建能力的人，也就是在业务里把认知、数据、流程、方法沉淀成智能体的人，他们是造斧子的人。我们叫他们大牛人。

另一波是使用这些 AI 智能体的人，叫小牛人。他们不一定从零构建智能体，但要高效掌握和使用智能体，效能也会因为智能体存在而 n 倍提升。

所以未来组织可能由少量大牛人和更多小牛人组成。因为他们创造的价值被 n 倍提高，一个好的组织也应该按价值相应分配。

消费电子还是回到第一性：价值是谁创造的？是做产品的人。

消费电子速生速死，产品快速迭代。如果做不出先进产品，再厉害的公司几年后也可能不行，甚至消失，诺基亚就是很好的例子。

持续创新、持续走在前沿，一定来自员工。所以价值由员工创造，持续成功的公司，价值分配也必须尊重这个规律。

我们在公司一直讲：创造者拿 7，股东拿 3。AI 时代价值创造被 n 倍提高，但人仍然是创造价值的主体，所以我们依然坚持劳动者、创造者拿大头。

为什么是 7 比 3，不是 8 比 2、9 比 1、6 比 4？

首先，创造者应该拿更多，意味着创造者这一头更大。

我讲一个底层原理：总剩余价值。总剩余价值就是收入减去所有必须支付的费用，剩下来可以在员工和股东之间分配的部分。

一流公司，也就是产品最创新、品牌最极致的公司，通常有 30%以上的总剩余价值。

这 30%怎么在员工和股东之间分配？股东分到多少比较合理？

如果公司净利润只有 3%、5%，大概率不是大家通常认为的好公司。股东价值应该差不多有 10 个百分点，这才是好公司的基础门槛。

当有 30 个百分点的总剩余价值，股东拿 10 个百分点，差不多就是 7 比 3。

成为你们公司的创造者，现金回报大概有多少？能不能量化？

我们确实在算公司大家挣多少钱。

先看平均数和平均数变化。公司往安克系转型，安克系产品比例越高，创造的客户价值越大，最后能留下来分配的总客户价值越来越高。

这几年我们的毛利率大概每年上涨 1 到 1.5 个百分点。收入和毛利提高后，股东分配部分没有怎么变，多出来的钱基本分给员工。

员工收入持续上升。2023 年 1 月 1 日就在公司的同事，2024 年总收入跟 2023 年相比，平均提升约 20%；2025 年跟 2024 年相比，平均也提升约 20%。

具体绝对数量，我们还统计年收入过百万的人数。2024 年大概 500 人，当时公司约 5,000 人；2025 年公司 6,000 人时，这个数字涨到 800 人；我希望今年能超过 1,000 人。

理想局面是，中国最好的、最创新的公司，人均收入能过百万，几乎所有人都能人均过百万。

你刚才提到现在面临很大的 AI 浪潮，大家都在做 AI 变革。你觉得你们今天做得怎么样？有多痛苦？

刚才讲到全员用 AI，通过自己的中台接入和使用，把业务经验、知识、能力沉淀到 AI 智能体里，这本身就是大量工作。

AI 运作的基础，是数据在系统里。互联网公司可能天然大部分数据都在系统里，但硬件公司大部分数据还不在数字系统里。

这个过程中，要努力把大部分数据逐步扫进来，再基于数据做预编排智能体。

特别重要的是，不同领域智能体要能够拉通。如果产品智能体和研发智能体的数据对象不拉通，就像一个人讲德语、另一个人讲英语，沟通会很不顺畅。

所以要先在每个领域建立智能体，再把智能体跨领域拉通，这背后是巨大工作量。

最后组织也要变化。要拆出 Scrum，让这些 Scrum 充分用 AI，这个变革也很大。

其中最难变的是人。

人应该更适应 AI，还是要换人？

首先，人要相信 AI 不会取代自己，而会让自己变得更强，愿意拥抱 AI，把自己的东西交给 AI。

少量人会建设 AI 能力、建设数据、建设智能体；大量人使用这些数据和智能体的应用。

我们总结成“三板斧”：第一，人拥抱 AI；第二，能力沉淀成智能体，智能体之间拉通；第三，组织发生变革。

这三件事都完成，才能成为 AI 时代的组织。

组织变化从什么时候开始？

从去年开始。我们是去年 9 月开始的。

最重大的契机，是看到了一个叫 Sakit 的东西。它是一套流程智能体，定义产品经理怎么做、开发怎么做、测试怎么做。

你会发现，模型单独不能有效完成的事情，加上这一层智能体的描述和限定之后，就跑得很顺畅。

从这个角度，你真正理解了组织应该怎么用 AI：一定要构建出领域流程的智能体。

Spec 是面向软件开发的一套智能体。未来在其他领域也能构建出相应智能体，组织就会变得 AI 化。

这个过程中有谁引导过你吗？AI 组织变革是你自己想的？

我们觉得应该被启发。刚才讲的是被 Spec Kit 启发。

但我们相信抽象。看到一个漂亮的、惊艳的事物，就去抽象它背后的底层原理，再从抽象发散、具象到不同领域。

我们的组织进化通常就是这样。

你在 AI 时代变得更焦虑了吗？周围很多人今年都非常焦虑，你焦虑吗？

焦虑肯定有一点。因为变化巨大，速度越来越快。

但我们的习惯是问：什么东西是不变的？

客户价值不变，价值链不变，美好的价值需要创造者创造出来，这些不变的底层，我们是做得更好了还是更差了？

如果这些不变的底层越来越好，我相信不管面对什么变化，我都应该是更好的那个。

这是一种理性帮助克服感性的方式，不代表内心完全没有感性，但理性和感性是并存的。

今年 AI coding 很火，这对你们这样的公司有什么影响？

我们有一个很大的软件团队，产品经理、工程师、算法工程师、嵌入式工程师、测试工程师加在一起，我觉得有 1,000 到 1,500 人。

怎样帮助大家赶上 AI 这趟车，是公司的责任。我不应该期待同事自己学习，然后突然就会。

从赋能角度，首先我们会内化一套自己的软件智能体。像 Spec Kit 这样的东西，跟我们的产品领域、公司数据结构、组织结构之间，有很大适配空间。

其次，要真正帮助同事把智能体用起来。

一个工作了 5 年、10 年的同事，改变自己的内在动力是一方面，组织创造的氛围和环境也是一方面。

我们希望赋能同事赶上 AI 这班车，而不是被 AI 这班车落下。

你会担心自己被 AI 落下吗？

我不担心。

客观来说，我觉得公司是真的在理解 AI、拥抱 AI，也在让同事被 AI 赋能。我觉得我们相对同行业的消费电子公司，跑在最前面。

相对于谁？不能说相对大模型公司，你们跑在最前面。

当然是相对于消费电子同行。

开玩笑说，熊跑过来的时候，你不需要跑得最快，只需要比同行跑得快。

他们对 AI 有动作吗？

我们不是特别努力地去理解别人在做什么。你在深圳也不需要一直盯着大家交流。

我本来是 I 人，但有时 I 人也会给自己找理由。

回到《有限与无限的游戏》。书里有个故事：2004 年，微软和苹果竞争 MP3 播放器。因为苹果 iPod 很成功，微软也想做一样的东西。

作者在同一时间接触过两边高管。微软高管跟他说：“你看，我们播放器多漂亮，功能多好，比苹果强。”

他跟苹果高管聊时，对方会说：“用户还有哪些不满意的地方？我们希望解决用户的不满意。”

最后谁笑到最后，在硬件行业里大家也看得到。

对于我们这种总想做第一性思考的公司，第一性原理就是：当你盯着竞争时，最后跑出来的永远是一匹更快的马，而不是一辆真正的汽车。

不要一天到晚盯竞争，要思考用户最极致的需求是什么，用户价值点是什么，以及前沿技术在哪些地方能够被创造出来。

当你把用户未被满足的需求，用极致技术做成产品去满足，并且越走越快、越走越稳，大概率就不会失败。

我们也是花了十几年才真正理解这个道理。

你是哪一年意识到的？哪一年觉悟的？

我们改使命、愿景、价值观，是 2023 年的事情。

这个背后有个真实故事。公司一直不那么 fancy。你会觉得谁比较 fancy？消费电子行业里，大疆以及前面那些公司可能更 fancy。

你也不 fancy，是吗？

你觉得我 fancy 吗？

我不觉得。那你是什么样的人？

我们的价值观其实就是我个人的写照。我愿意把第一性原理想清楚，一步一个脚印地求极致执行。

但你愿意求极致、愿意把第一性原理想清楚，说明你还没有第一性原理，也还没有做到极致，所以才要去求，对吗？

可以回到刚才上楼的故事。

在第一层时，你看到第一层的第一性，也在第一层的第一性里求极致，这让你上到第二层。到了第二层，你会发现第一性又不一样。

15 年前刚开始做电子商务时，那个时候的第一性跟今天讲的完全不一样。

那时候你的第一性是什么？

第一性没有变，还是创造客户价值。

但当时我们看见创造客户价值的方式，在那个复杂度的品类里，做一个改良型产品就够了，通过客户反馈把产品打磨到极致。

今天在很多复杂品类里，要做出极致创新的客户价值，第一性就完全不一样了，要回到事物本质原理，做芯片这样的突破和创新。

你小时候渴望成为 fancy 的人吗？

这是个很好的问题。我好像从来都不是最酷的那个人。

那你是什么样的人？

我不是那种说最狠的话、穿最亮衣服、看起来最 fancy 的人。

我和东平一直都是每天扎扎实实地做，努力比前一天更好。站稳一个台阶，再够下一个台阶。

比较像工程师：遇到一个问题，解决一个问题。

你是一个赌性强的人吗？

不是。

如果极左极右，你在哪里？

先定义一下左和右。

假设你有 1,000 万，可以投资一个项目或者创业，你会拿多少钱？极左是什么？

极左是全投、all in。

极左还可以更左，就是加杠杆。你把 1,000 万全投，还去借很多钱投进去。

如果极左是 5 分，5 分就是加杠杆；4 分可能是全投。往右，1 分是一分钱不投；2 分投 300 万到 400 万；3 分可能投 600 万到 700 万。

我一直是中间那一档。

不会全投，也不会不投？

对。我们不会全投，也不会不投，一定会投超过一半，然后努力够下一个台阶。

从 1 分到 5 分，选 3 分看起来在中间。中国过去说中庸，好像在中间就变得平庸。

但如果放在足够长的博弈、足够长的轮数里，你稳定地每一次都投，并且随着认知、能力提升，随着团队创造者越来越多，成功概率越来越大，最后中间就会通向成功。

特别是，它会通向一个成功的第三类公司，支持很多创造者在平台上创造很多品类，在很多国家创造成功的商业公司。

你觉得大疆是一个什么样的公司？

大疆今天的品类数量肯定已经到了几十个，所以我觉得它也是第三类公司。

它跟你有什么本质不同？

大疆从第一天开始就选了一个困难模式，甚至是地狱难度模式。

它第一天选择的品类就是特别难的品类，所以前几年肯定非常痛苦。打赢很难的品类后，积累了很好的底层技术，也积累了一群高价值观的人，再向其他品类扩展就容易了。

我们一开始选的是相对容易的难度模式，前面容易，后面开始往上打更难的模式时就变得困难。

所以这几年我们是在补课、在打难的游戏。

影石 Insta360 呢？

我觉得 Insta360 的 JK 更像大疆。

深圳是不是基本上只有你们两类公司？一个先选 hard 模式，一个先选 easy 模式？

基本上是二分选择，当然也有程度差异。可能是 0.2、0.3，也可能是 0.8、0.9，但最后总要在难和容易之间有一个尺度。

如果你们和大疆在一个战场上，谁会赢？

还是回到 3 个壁垒。

第一，有没有足够领先的技术；第二，在这个品类里有没有赢得用户信任；第三，团队是不是足够第一性、足够求极致、足够共成长。

我相信在这 3 个领域里，我们都在快速成长。

过去 5 年你个人有什么变化？从 easy 模式换到困难模式后，有变化吗？

easy 模式下，可能做好一两件事就能活得不错。困难模式下，几乎每个领域都不能犯错。

所以你需要对公司有完整理解和认知，还要真正实践出来。我觉得这对做一号位的要求高了很多。

我这几年也是跌跌撞撞，自我觉察、自我进化，成长到今天，开始悟道，开始冥想。

最痛苦的时候在做什么？

当你想做一个能够赋能很多品类、让很多创造者做好的公司，但又感觉打不赢外面的独角兽时，确实非常痛苦。

经过一段时间，你意识到不是无解，而是构建的公司产品里缺了关键环节。把关键环节补进去后，经过两三年，你会看到公司越来越好。

当时的解法就是文化价值观，对吧？

对。战略清楚，组织对能力的沉淀领先，愿意把很多钱分给人，逻辑上应该能成。

为什么还不成？最后发现，再先进的方法和工具，也要人来使用。你对什么样的人、应该用什么行为工作，没有清晰界定，再好的工具和方法也不能保证成功。

当这个环节补上后，大家肉眼可见，我们在很多以前感觉打不赢的品类里反败为胜。

这个过程和 AI 变革是在同一时间段。使命、愿景、价值观的变化从 2023 年开始，AI 变革从 2025 年开始，是叠加的过程。

使命、愿景、价值观，跟你们的 AI 实验和前沿实验室是什么关系？

2023 年我们做两件事：第一，往下挖前沿技术、深的根技术；第二，讲使命、愿景、价值观，吸引创造者。

有创造精神的人，会有第一性的想法，常常提出别人觉得奇怪、不同寻常的方向；他很求极致，大家会觉得这个人很卷；长期主义者会觉得他为什么不管眼前 KPI，要管别的事情。

这样的人在很多公司里会显得格格不入，工作体验可能也不好。但到了一个倡导这些事情、拥有很多类似行为者的环境里，他的工作会更开心。

当环境里这样的人越来越多，就会改变那些还不是这样的人。人会被环境改变。

所以公司氛围改变，并不是把人都换一遍。引入一些好的创造者后，氛围改变，剩下的人也会发生变化。

这跟你几年前去公司时相比，有什么细节能体现？作为 CEO，你能观察到什么？

我相对偏抽象，也偏 I，不是每天在公司里游走、观察大量细节。

你每天去公司坐几个小时？

每天 8 小时以内。

你是不想待那么久，还是有意识地控制自己在公司的时间？

有意识地控制。

作为第三类公司，如果我一天到晚在公司推动、指挥很多事情，它大概率不会长成第三类公司。

第三类公司最后要靠体系、靠创造者去运行，而不是靠我这里推一把、那里推一把。

把框架想清楚，把关键的人找到，让他们把事情做出来，这就是我今天看到的路径。

典型的阳萌的一天是什么样的？

我会在关心的关键领域里开一些讨论。最近半年花比较多时间在 AI 变革上。

从整个组织层面到具体工具层面，会跟大家一起从事实里抽象，再回到现实，推动更多、更好的事情。

典型的一天从早上开始，几点起床？

我可能 8 点多起床，9 点到 10 点之间到公司。

一天大概有一半到 2/3 的时间在开会，其他时间空着。6 点多离开公司环境。

晚上通常会阅读、到处看看，因为我很喜欢阅读，也喜欢在各个地方看看。

看什么？

短视频、长视频，各种领域的知识。冷门的东西我知道很多。

我兴趣比较多，比如政治、历史、军事，也包括美食。这些领域都可以花很多时间去理解。

当你看了很多具体东西，尝试抽象一步，就会发现背后有很多非常接近的规律。

最近感受到什么共通性？

每一次生产力革命，都会发生一些有趣的共性。

第一，生产力革命——是大革命，不是小的渐进式改良——都会创造更高价值。

这个价值首先分配给谁？往往会先分配给分配价值的人，也就是军事、政治力量。

西瓜被切出来之后，往往是切西瓜的人先拿。

之后通常还要通过一次革命，让价值分配得更平均一些。

这一次 AI 变革也会创造巨大价值。切西瓜的人是做模型的人，也包括企业里使用 AI 的人。

为什么 Sam Altman 会说未来进入普遍收入社会，政府给每个人发钱？完整闭环是：AI 给公司带来更多价值，这些价值通过政府收税进入政府，再发给所有人。

所以也利好 CEO 们？

我不希望说是利好我们。我们一直正心诚意地希望把价值分配给创造价值的人。

在公司里我反复讲，使用 AI 提效后，多产出的利润不会默认留在公司，而是按照创造者和股东之间约定的比例分配。

短期看，多创造的价值好像可以留给自己；但长期要让价值循环跑起来，就需要把价值分给创造价值的人。

最近读过什么有意思的书，或者看过什么有意思的电影吗？

我现在读书比较少。因为从 context 浓度看，一本书的信息密度不一定很高，也很难找到信息密度特别高的书。

电影呢？

我有个特别好玩的习惯，几乎记不住看过的电影。隔半年可以重新看一次，跟新的一样。

当一个人的注意力 focus 在现在和未来，特别是未来时，他会选择性遗忘。

你对什么记忆比较敏感、比较敏锐？

我对抽象出来的结构性东西，记忆是持续而坚定的。

这种记忆模式是什么时候形成的？我看你很多采访都说你喜欢抽象。

高考要考好成绩，最好学会抽象。

高考知识点和题目高度重复。当你能把它抽象成若干知识点、若干题型时，就像庖丁解牛，能够很快完成。

我觉得那是我对抽象的第一个 sweet spot。

后来持续的习惯，就是从具体事情里退一步，尝试寻找事物本质规律。

但一个人或者组织只有抽象的人，肯定活不好。如果一个组织里有我这样抽象的人，加上具象的人，大家在一起就会越来越好。

我的 MBTI 跟东平完全相反，这样一加一，就越来越好。

我们公司开玩笑说，如果没有我，公司不一定像今天这样越来越有挑战、越来越复杂、越来越好玩；但如果没有东平，公司应该已经死了。

如果有一天安克死了，你觉得会因为什么？

回到第一性原理。一个成功的第三类公司，会因为什么死掉？

公司总要死的。

当你看到宝洁、德州仪器这样的公司，在几十个品类里系统性做好，并且持续吸引好人才、让他们成长为厉害的人，你觉得它会因为什么死？

好像想不到。

真正的第三类公司，如果能持续在很多品类赢，持续拥有很好的人，其实不会死。它最后死掉，一定是因为人开始忘记之前的使命、愿景，不再坚守之前的价值观。

今天你觉得没有这样的迹象吗？是向好还是向坏？

我们今天还没有成为成功的第三类公司，所以还没有到最好的时候，更不要论死了。

如果没有追上 AI 这次范式变迁，安克会死吗？AI 对安克到底意味着什么？

回到用户价值、商业价值和员工价值。

因为 AI，周围产品会变得真正智能。如果不能给用户提供这样的产品，公司一定会死。

其次，因为 AI，组织效率、人的成长速度和能力都会显著落后，组织也会死。

无论给客户提供的价值，还是组织效率、人的成长，不拥抱 AI，最后一定会死。

你觉得安克能生存多少年？

有个比方：创始人怎么看待自己的公司。

极左是养娃，娃死了肯定痛不欲生；极右是养猪，农村养猪就是为了过年吃肉，到了过年就把猪卖掉或杀掉。

中间还有养马、养宠物。马既是伙伴，也一定程度上是工具。有人要把你的马买走，你肯定不愿意卖；但如果对方出一个不能拒绝的价格，你可能会考虑卖。

从养猪、养马到养娃，首先要想清楚怎么看待公司。

我和东平觉得，我们有点像在养娃，希望公司长久活下去。

为什么做这么多思考、努力转型，都是希望公司如果可能，活得比我们更久。

你很想招创造者，但他们为什么不去大厂、不去大模型公司，而来安克？

客观说，我现在并没有跟大模型公司抢人。

我相信你也了解，大模型公司里真正做模型的人，虽然收入很高，但岗位危机感也很强。很多人觉得拿高薪一两年，后面 AI 自己进化之后，可能就没有工作了。

我们的特点是跟物理世界接触，迭代周期慢，所以人的成长有很长周期。

我在校招时经常说，如果在互联网大厂和硬件公司之间选择，早些年很多人肯定选互联网大厂，感觉 27、28 岁能有很高收入。

但这个世界是公平的，出来混总要还。互联网大厂会遇到 35 岁问题，因为下一波 27、28 岁的人长起来了。

底层原理是，一个人的成熟速度，跟打仗次数相关。

一个士兵打前几场仗可能很青涩，第 5 场、第 10 场时已经有经验，第 15 场、第 20 场时就是非常成熟的士兵。人的成熟度跟做事情的次数高度相关。

互联网的特点是每一仗很快。一个产品出来，几个月就能改良；一个 feature 可能一个月就迭代。一个人进互联网大厂，可能一年打 4 仗，干到第 4、5 年已经打过十几仗，成为成熟、有经验的人，价值和收入也会上升。

但当他打到 50 场、100 场时，变化没那么大，后面的人又上来，就会面临危机。

硬件不是这样。一个产品从定义到做出来，9 个月到 1 年很常见；复杂产品要 1 年半、2 年、甚至 3 年。

打一仗可能需要 1、2 年。AI 会加速这个过程，但不会加速到 3 个月。

所以相当长时间里，人都能持续成长，价值越来越高，大概率不用担心没有工作。

这是下限思考。打破上限的人比例一定非常少，对大多数人来说，考虑上限时一定要考虑自己的下限。

大模型领域能够吸纳的人才也有限，一个成功模型团队规模不能太大。但世界上有很多创造者，不是只有几个特别有创造能力的人。世界由很多创造者共同决定，他们都值得一个创造机会。

你觉得消费电子是在打一场什么样的仗？

我不会用打仗思维去思考。

最本质还是为客户创造价值。电子产品可能是我们周围产品里，在肉眼可见的未来能够创造最多增量价值的品类。

除了模型等虚拟东西，在实体产品里，消费电子在可见未来能创造最多增量价值。

你觉得硬件是大模型的延伸吗？你怎么看它和大模型的关系？

模型是感知、规划、控制的脑子；硬件是人的手、眼睛、身体和执行动作。

不能只有脑子，一定要有身体，而且身体会跟着脑子极大进化。

模型公司应该覆盖不到这里，模型的延伸吞噬不到硬件，对吧？

模型是分层的。未来不只有 trillion 级、万亿级模型，还会有 100 亿级、百万级模型。

这些模型会分布在硬件里，逐层部署，由不同芯片协作。

最终世界不会由一个超级大脑控制。

但 OpenAI 和豆包都做了手机，也进入了硬件，对不对？

最近大家也看到 OpenAI 手机的泄露消息。

所谓占据入口，我觉得不只是占据入口，也是通过入口记录、收集人的数据。

手机承载了我们大部分工作以外的个人数据。对 OpenAI 来说，它可能大概率不是要手机，而是要你的数据、记忆。这样模型才能提供最好的服务。

而手机公司大概率不愿意直接把这些数据开放给它。

今天深圳硬件公司有人训练特别大的模型吗？

手机厂商都在做自己的大模型。

第二类是具身智能公司，大概率也要做自己的模型，做比较大的模型。今天基本是 billion 级，比如 3B、7B，更像是小脑模型。

我会让每位嘉宾给观众推荐一本人生之书。你有吗？

我推荐《领导梯队》，作者是拉姆·查兰。拉姆·查兰在企业领导力发展方面有几十年的经验和洞察。

这本书讲公司怎么培养人才，有几十年的经验、洞察和思考。它把公司分成 6 个不同的领导阶梯，每个阶梯上的人应该做什么、不应该做什么，都写得很清楚。

对我来说，人生里应该做什么、不应该做什么，这本书提供了巨大指导，也带来心理上的解释。

我们的工作室叫“语言及世界”。当你听到这个名字时，在想什么？

语言很有趣，是一个非常符合“道”的东西。

“道”在英语里可以写成 TAO。T 是 Task，也就是要完成的任务；A 是一个个 Action，每个说出来的词都是一个 Action；O 是因为 Action 到来、世界发生变化之后，你对世界的观察。

每次说话时，单个词本身可能没有意义，或者有很多意义。它之所以产生精确意义，之所以让世界发生变化，是因为它被放进之前说出的那一堆词背后，产生了新的意义。

文本和语言天然能让你观察，在一个任务下，每个 token 如何影响整体状态，以及这个状态需要的下一个 token 是什么。

它让你从一个任务出发，推导一个状态的下一个动作，以及下一个动作如何推导出下一个状态。

做机器人的人应该特别能理解。今天有两种模型：VOA 模型是从上一个状态推导下一个动作；世界模型是从一个动作推导世界会变成什么样，也就是 next state。

之所以有这两个模型，是因为没有一份数据像语言这样，能同时观察 O 到 A 和 A 到 O 的变化。

语言是在任务之下，A、O 的一个有效整体，是非常符合道的东西。

未来机器人要被做出来，也一定要有数据，清晰定义 A 和 O 的双向循环，最后训练出一个模型。这个模型应该是非常符合道、符合 TAO 的模型，也应该是未来具身智能机器人的根本。

书架上放着《星际穿越》的黑胶唱片。你喜欢看这部电影吗？

我很喜欢《星际穿越》。

为什么？

它是人在巨大挑战面前，人性的光辉展现。当然也有负面人性，但也有非常正面的、光辉的人性。

我觉得它是在巨大挑战面前，对人性美好一面的展现。

在今天 AI 变革的时刻，你觉得它像《星际穿越》里描述的那种感受吗？

我觉得永远还是要相信人性。

无论有多大的变革，人性里好的一面，以及人群里那些创造者，最后还是会把我们安全地带到下一个时代。