优化胜率而非赔率，把一件事做到理论上该有的样子

概览

本期围绕连续创业者 Albert 过去三年在 AI 产品方向上的变化展开：从早期追求“赔率”、想做连接平台和互动内容，到后来转向“胜率”、寻找技术已经 ready 且用户问题真实存在的机会。

讨论的主线是 AI 创业如何在想象力、多模态、智能、AI Coding 和 Agent 之间做判断。Albert 认为，单靠 AI 降低内容生产门槛并不一定能创造平台机会，真正关键的是用户、内容类型、媒介形态和分发效率能否闭合。

后半段重点讨论“优化胜率”作为创业方法论：一流创业者并不是单纯押注大故事，而是在长期问题、已有积累和可控变量中提高胜率，赔率往往是优势被时间放大后的结果。

分段落总结

[00:19] 开场与近期关注

[事实] 主持人再次邀请 Albert，他此前已经上过两期播客，并被称为很受欢迎的嘉宾。

[事实] Albert 说自己最近在研究交互上是否存在突破，能够更好释放模型能力。

[事实] 他回顾过去几年时表示，到 2025 年 10 月前团队主要专注在影像相关产品，对智能本身更多是观察，实际参与和尝试有限。

[01:42] 从优化赔率到优化胜率

[事实] Albert 说自己早期更看重赔率，会先思考如果一件事发生，它能创造多大价值、形成多强壁垒。

[事实] 这种视角让他倾向于借助 AI 技术变化，去创造类似过去已验证过的商业形态，例如具备网络效应和规模效应的平台。

[事实] 他提到 2023 年前后曾探索互动内容平台，认为 AI 可能带来以内容为核心的新连接平台机会。

[03:00] 互动内容平台的早期尝试与反思

[事实] 团队曾做过两个 Demo：一个偏图像和视频的 2D 交互方式，另一个更像手机摇杆或 PC 游戏式的互动空间。

[事实] Albert 的体感是，这些东西很难回答“为什么用户不去玩已有游戏或刷抖音”，因为做出来的内容体验不够好。

[事实] 他认为内容市场里，创造门槛越高的模态越供给稀缺，而用户只会消费最投入、最优质的一小部分内容。

[推测] 这段反思促使他意识到，AI 生成能力提升并不自动等于消费级内容产品成立。

[06:12] 中国市场影响与美国 niche market 的启发

[事实] Albert 认为，中国市场如果没有强规模效应或网络效应的平台，很难在与巨头竞争中获得优势，因此胜率很低。

[事实] 他研究美国市场后发现，那里仍有大量 niche market 存在一些胜率空间，即使机会规模不一定极大。

[事实] 到 2024 年初，他完成了从“赔率追问”到“胜率追问”的切换，开始寻找技术已成熟但用户问题未被解决的机会。

[08:00] AI 组织方式与零人工代码项目

[事实] 2025 年后，Albert 观察到 AI Coding 的变化很大，团队也希望把公司组织逻辑转向 AI。

[事实] 老项目代码量和架构负担很大，AI 只能做局部修改，整体提效并不顺利。

[事实] 在新项目中，团队要求人工代码量为零，工程化内容全部交给 AI，工程师不参与需求研发。

[事实] Albert 认为 Opus 对规范的 follow 能力提升，使非工程师写需求的能力出现明显提升。

[09:40] Coding 平权与新交互容器

[事实] Albert 认为 Coding 代表提高智能上限的手段，而 Coding 能力可以被交给不同群体。

[事实] 他举例说 Cursor 面向程序员，Lovable 更像面向设计师，Replit 可能面向产品经理。

[事实] 他认为核心问题是找到合适人群，为其设计好的容器，并解决 Coding 之外的配套问题。

[事实] 另一条思路是围绕不同任务类型设计交互形式，让交互放大模型能力，而不是限制模型能力。

[12:00] 想象力与智能的划分

[事实] 主持人提到 Albert 多次把 AI 分成“想象力”和“智能”两个方向。

[事实] Albert 解释说，这一划分对应 cue time 和 save time：前者帮助用户杀时间、获得过程体验，后者帮助用户省时间、完成结果性任务。

[事实] 他认为这也对应当时 language model 与 image/video model 的差异。

[事实] 他现在探索的是智能如何更好地运用在多模态场景中。

[15:30] 泛娱乐、陪伴与工具产品

[事实] Albert 认为陪伴是一个真实方向，但商业化效率和演化路径还难判断。

[事实] 他认为工具产品是目前确定性最高的方向，商业化也更清晰，只是产品形态仍像上一代工具。

[事实] 他指出，好效果的溢价一直存在，而娱乐型产品若想使用最好的模型效果，商业模型会很难成立。

[推测] 在他看来，现阶段 AI 多模态更适合先在生产力和工具场景中验证，而不是直接挑战成熟娱乐产品。

[17:20] 互动内容为何难以挑战抖音和游戏

[事实] 主持人指出，AI 做出来的 80 分内容，对用户来说仍然不如传统方式做出的 90 分内容。

[事实] Albert 认为用户时间有限，好内容竞争持续存在，越沉浸、参与成本越高的内容，竞争越激烈。

[事实] 他强调如果没有新的容器和交互方式，仅靠工具侧提升内容制作能力，最好的内容仍会流向已有的高分发效率平台。

[20:40] 用户、媒介和内容类型的闭合

[事实] Albert 认为，一个成功产品形态需要用户、模态类型和内容类型三者闭合。

[事实] 他举例说，小红书以图文承载有用内容，面向一二线城市女性；抖音早期以短视频、音乐和剪辑玩法服务特定内容与人群。

[事实] 他认为很多早期短视频产品没有定义好用户、模态和内容的交汇，因此后来消失。

[23:00] AGI 时代是否会有下一个抖音

[事实] Albert 说，如果未来所有活跃设备上大家都会与智能交互，那么智能会成为娱乐体验中极重要甚至不可或缺的玩家。

[事实] 他无法判断这种体验会由抖音、豆包、ChatGPT 还是新产品提供。

[事实] 他认为通过智能提供娱乐的方式会非常大，老产品会是重要参与者，但新公司和新形态出现的概率也很高。

[25:30] Hexfield 与影像工具机会

[事实] Albert 认为影像模型领域存在多个第一梯队模型，不同模型在不同任务和阶段各有优势。

[事实] 这种能力分布不均让聚合站和全家桶式产品有机会，因为用户希望用更少成本享受更多模型服务。

[事实] 他认为影像需求非常大，从创作者到商业组织和个体都有需求，因此通用产品有机会。

[事实] 他还指出，语言和想象图像之间存在巨大 loss，所以通过模板定义审美、降低用户成本是重要方向。

[29:00] 把模型能力卖出来

[事实] Albert 认为 Hexfield 做得好的一点，是总能用更好的方式把模型能力封装并展示出来。

[事实] 他举了角色一致性、Drag to Video、灯光控制等例子，说明 Hexfield 能把阶段性模型能力包装成用户可感知的交付。

[事实] 他认为团队对内容理解的 sense 很强，能通过素材选择和展示方式扬长避短，让用户感到惊艳。

[事实] 他反对简单用“套壳”贬低这类产品，因为用户只关心产品是否最好、是否解决问题。

[31:20] AI 应用创业的能力要求

[事实] Albert 说自己没有资格给太多建议，因为他认为团队在这一波里做得不够好。

[事实] 他认为如果只是做生意，事情不复杂；如果要做事业，就要回到本质思考，减少投机需求。

[事实] 主持人总结出几个能力：深刻理解模型、判断新能力、具备内容或产品审美，以及快速执行。

[事实] Albert 补充说，行业 beta 太强会带来随机性，很多阶段性好结果可能并非来自本质能力。

[34:30] 从套壳到 Coding 平权

[事实] 主持人认为过去几年谁能把模型能力套得又好又快，谁就能获得阶段性数据、估值、资源、客户和收入优势。

[事实] Albert 纠正说，Coding 不应被称为套壳，而是 Coding 平权。

[事实] 主持人回应说用户并不关心底层用了什么模型或 AI Coding，只关心结果是否可交付。

[事实] Albert 认为 Coding 权力应该被交给更多高价值场景和更多人。

[36:30] 多模态理解与“眼睛带了脑子”

[事实] Albert 说他不太愿意把 video model 和 image model 直接称为多模态，因为他认为多模态更代表理解能力，而不是生成能力。

[事实] 他认为理解能力的进展已经出现，并提到 Gemini 3 的理解能力突飞猛进。

[事实] 他持续思考的问题是“当眼睛带了脑子会怎么样”。

[推测] 这里的“眼睛带了脑子”指视觉理解能力变强后，AI 不只是生成图像视频，也能更深地理解场景和任务。

[38:00] Code 是智能的显化方式

[事实] Albert 认为过去最大的杠杆不是抽象的智能，而是 code，因为智能的显化要通过 code 完成。

[事实] 他认为只有 code 才能超出原本智能的界限。

[事实] 他亲身经历了从不会写代码到借助 coding agent 完成任务，因此对 Coding 平权有执念。

[事实] 他认为 code agent 目前在全行业融资和收入规模已不小，但渗透率仍然严重不足。

[39:30] 为什么创业者常优化赔率

[事实] Albert 认为很多创始人优化赔率，是因为这样更容易融资，而 VC 本身也在优化赔率。

[事实] 他认为中国创业者偏好优化赔率也和中间退出渠道少有关。

[事实] 他指出，优化赔率最直接的体现就是讲大故事，但很多人并没有意识到自己在优化赔率。

[40:20] 一流创业者其实在优化胜率

[事实] Albert 认为张一鸣是比较保守、标准的胜率驱动型创业者。

[事实] 他举例说，张一鸣从 PC 互联网尾声开始关注搜索和信息分发，直到条件成熟后才在 2016 年正式下场做视频。

[事实] 他也用黄峥、王兴、小红等例子说明，一流创业者往往基于长期积累和已有优势做选择。

[事实] 他认为真正一流的企业家不是优化赔率，而是在优化胜率。

[42:40] 赔率是等来的

[事实] Albert 说运气是优势被时间放大的结果，赔率是等来的。

[事实] 他认为行动路径应该优化胜率，但选择事情时要拥有定义重要问题的直觉。

[事实] 他认为“我要做下一个抖音”这类说法属于优化赔率；如果优化胜率，第一天应该说清楚要解决什么问题。

[推测] 这意味着大机会不是靠口号直接获得，而是从重要问题和可执行路径里逐步长出来。

[48:00] 行为上的转变与段永平的影响

[事实] Albert 说从优化赔率转向优化胜率后，行为变化就是做更有把握的事，尽量控制变量。

[事实] 他认为段永平也是优化胜率的代表，其投资哲学和创业哲学都强调 Right Business 和 Right People。

[事实] 他把这对应到企业经营中的商业模式、文化、战略和管理。

[事实] 他认为段永平的核心是把复杂事务简单化，回到更原点、更本质的东西上做生意。

[50:00] 字节与段永平的不同学习价值

[事实] Albert 认为字节不是一个很好的学习对象，因为它可能让创业者对资源、工具和第一性原理产生错觉。

[事实] 他认为真正想把事情做到理论上应该的样子非常困难，而字节的标准和资源条件并不适合普通创业公司直接学习。

[事实] 他认为段永平的经营哲学更普通人化，强调好的文化、好的方向，以及普通人也能做出大成绩。

[事实] 他把字节描述为更偏强者思维，把段永平描述为更偏弱者思维。

[52:00] 优化胜率不等于保守

[事实] 主持人提出疑问：优化胜率是否会让人更保守、更不愿改变。

[事实] Albert 回应说关键不是保守与否，而是消费者导向；如果 AI 对消费者有用，就不会不拥抱 AI。

[事实] 他认为赔率导向容易把目标变成市占率导向或估值导向，而不是消费者导向。

[事实] 他强调从消费者结果和目标出发，才不容易陷入封闭和保守。

[53:20] 把一件事做到理论上该有的样子

[事实] Albert 说“把一件事做到理论上应该有的样子”更像一个理想国，真实距离往往很远。

[事实] 他认为这句话更重要的是一种心态：在看到事情不完美时，仍尽力把它做到理论状态。

[事实] 他区分说，这不是“做正确的事”，而是“正确地做事”，是 how to，不是 why。

[事实] 面向 2026 年，他仍认为 AI 是很长的事情，多模态理解、Coding 平权和交互方式都值得关注。

[55:00] 求职者如何看胜率和赔率

[事实] Albert 认为应聘者本质上也应优化自己的胜率，包括能力、视野和信息质量。

[事实] 他认为不应因为一家公司可能上市或融资很好就加入，尤其是在自己并不认可公司所做事情和团队的情况下。

[事实] 他认为求职者应关注自己想获得什么能力、想和什么人工作、想解决什么问题。

[事实] 他强调能力持续发展后，未来总会遇到足够有赔率的机会。

[58:00] 公司希望提供的状态与机会

[事实] Albert 说他们希望让人的精神状态处于比较合理的状态，包括对创业更有耐心、有信心和信念。

[事实] 他认为团队在极端情况中会比较淡定，因为他自己已经经历过很多类似时刻。

[事实] 他强调遇到有意思的事情时，要试图搞明白本质是什么、为什么有意思、能创造什么价值。

[事实] 他认为在公司里，有想法和意愿的人会有很多机会，能力主要由自己的意愿和想法决定。

[60:30] 用户感知力、提问与训练方式

[事实] 主持人评价 Albert 有很强的人性和用户感知力，容易找到用户需求和痛点。

[事实] Albert 回应说，表达很笃定不等于一定正确，也可能只是表达方式。

[事实] 他认为很多方法来自团队一起讨论，关键是有人持续提出重要问题，推动大家评价方案并修正。

[事实] 他认为训练这种能力最终还是回到同理心、想象力和愿意提问。

[62:20] 关于 AI 社会的科幻想象

[事实] Albert 被问到如果技术成熟、通用成本足够低，会想象怎样的酷产品。

[事实] 他提出一个科幻设想：有人集合全世界算力，把物理学、脑科学、生物学等约束注入模型，让它演化并对齐地球发展过程。

[事实] 在这个设想中，系统被用来预测未来，但演化出的世界里也有人继续构建算力预测未来，形成循环。

[事实] 他进一步想象可以再造一个虚拟社会，人们在其中生活、赚钱、扮演角色、创业，多个世界各自拥有经济系统。

播客点评/总结

本期的价值在于，它不是泛泛讨论 AI 创业热潮，而是把“技术能力”“产品容器”“分发效率”“用户需求”和“创始人决策方式”放在一起分析。Albert 对互动内容、多模态工具、AI Coding 和组织方式的判断都围绕一个问题：什么事情在现实约束下更有胜率。

亮点是“赔率是等来的”这一判断。它把创业中的大机会从一个抽象愿景，拉回到长期优势、重要问题、已有积累和可控变量上，也解释了为什么很多看似激进的一流公司，底层反而是胜率驱动。

局限是部分讨论依赖 Albert 的个人经验和行业判断，很多公司案例是用来说明观点，并非完整复盘。[推测] 如果听众期待系统性的 AI 产品方法论或可直接执行的创业清单，本期更像一场高密度思辨，而不是操作手册。

[推测] 本期适合 AI 创业者、产品负责人、投资人，以及正在判断是否加入创业公司的人。尤其适合那些容易被“大模型机会”“下一个抖音”“套壳快跑”叙事吸引，但又希望重新校准风险、胜率和长期能力建设的人。