# 加文·米勒：Adobe 研究院 > Adobe 首席技术官谈研究院如何把图像、字体与创意工具背后的技术推向产品。 - 原标题：Gavin Miller: Adobe Research - 期数：特别节目 - 发布日期：2019-06-10 - 嘉宾 / 主题：加文·米勒与 Adobe 研究 - 网页版：https://lexfridman-cn.pages.dev/ep/gavin-miller/ - 官方页面：https://lexfridman.com/gavin-miller/ - 精读字数：约 9535 字（阅读约 21 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 Henry VIII 派宫廷画家 Holbein 去给 Anne of Cleves 画像。画送回来，国王很满意，婚事定了。真人到了，国王很失望，婚事很快收场。这段历史被 Gavin Miller 拿来解释今天人们对 deepfake 的焦虑：人类修饰自己形象的需求，比 Photoshop 的年龄大得多。 Gavin Miller 是 Adobe 研究院（Adobe Research）的负责人。他手下的人在做图像分割、GAN 生成、风格迁移、自动标注，过去十年深度学习的成果在这里几乎都能找到应用场景。他本人 1988 年发过一篇论文叫《蛇和虫的运动力学》，之后在自家车库里造了二十多年蛇形机器人，写诗，写剧本，1993 年还把自己住的地方改造成一间会说话的房子。 有个细节先摆出来。他造的蛇形机器人 S5，现在陈列在华盛顿的国际间谍博物馆。他在 YouTube 上放过一段 S5 的视频，评论区有人说这是假的。理由是他供职于 Adobe，那么逼真的东西肯定是电脑特效。他只好一遍遍回复：是真的，背景不动是因为机器架在三脚架上。 ## Adobe 的两头：一根鬃毛，一次排版 Adobe 在 AI 上的投入横跨两端。 一端极其底层。研究院在做真实的油画和水彩模拟，每一根笔刷的鬃毛都要按物理规律分开运动，落笔之后水要顺着纸的纹理继续流动、渗透、干涸。愿意花几个小时调一支笔刷的人，需要的正是百分之百的控制权，他们要的是"我的手在动"这件事本身。 另一端是 Gavin 反复提到的 content velocity，内容吞吐速度。一张海报定稿之后，还要出手机竖版、网页横版、平板方版；语言换成德语，单词变长，整个版面得重排；同一套素材要在十几个渠道上保持调性一致。这部分工作吃掉了设计师大量时间，本身却没有多少创造性。 AI 在这一头要做的事，是从第一版里推断出意图：主视觉是什么，留白是为了放什么，哪些元素可以挪、哪些不能动。推断出来之后，其余格式自动补齐，而且补得足够好看，不用返工。 两端之间隔着一大片自动化空间。Gavin 的判断是，被自动化省下来的时间不会凭空消失，它会回到创意本身。人从"动手的工匠"变成"艺术指导"或者"概念设计者"，电脑变成搭档，负责把想法做成打磨过的样子。 ## 选区工具的二十年：从图论到常识 选区的历史能把这件事说清楚。 早期的快速选择工具看的是颜色边界，用图论里的泛洪填充去找连续区域。算法不知道猫长什么样，它只知道颜色接近、空间相连的像素大概率是一伙的。这套规则效果不错，比一个一个点像素强太多，但它对世界的理解是零。 神经网络换了个路子。现在可以单击选中主体，甚至可以完全不用点，让算法自己判断照片中央那个人是主角。Gavin 在 Adobe Max 上演示过：用鼠标画一个粗糙的多边形把目标圈住，算法就能从一段视频里抠出遮罩，背景是砖墙、人在跳舞也没关系。同一条流程过去要几个小时，现在几秒钟。 他把这个演进说得挺实在：有一类需求根本不需要完美边界。你想假装自己在夏威夷，做张搞笑图发朋友圈，单击一下就够。另一些场景需要精确的蒙版，那就先给个粗糙的选择，再让另一套算法把它"拉"成精细的边。工具链分层，用户按需要往下走。 ## 发表和出货，是两套评价体系 真正难的地方不在算法，在怎么变成产品。 Gavin 把这件事归结成学术研究和工业研究的差别。学术界的评价标准是"谁先想出了这个有前途的点子"，一篇论文只要证明思路可行、在某个数据集上跑出结果，就算成功。工业界还有第二套评价：出货。出货的标准从来卡在"够用"这条线上，正确率要足够高、高到绝大多数情况下都不用补救，剩下的错误得有人能修。 > 如果它必须时时刻刻百分之百自动，那我们的上市时间就会被无限推迟。（Gavin Miller） Adobe 的用户群足够专业。把一个 99 分的结果手工推到 100 分，对他们来说只是点几下鼠标。这条退路决定了技术能以多快的速度进入市场，也决定了研究院敢把多少还没完全成熟的东西推到前台。 他另外讲了一个判断标准，我觉得比"准确率"更有用：模型得知道自己什么时候不行。一张图丢进来，系统先评估自己在这张图上大概能做到什么水平，没把握就不出手，或者提示用户手动介入。再往后是"专家集成"，训练一批各有所长的模型，房子归房子专家，树木归树木专家，上面加一个调度器分配任务。这套东西工程量大，但可以逐步铺开，先把高频场景做扎实，再往外扩。 ## 工具学会教人用工具 研究院还有一类工作，是研究人怎么学工具。 他们把 YouTube 上数千小时的 Photoshop 教程喂给模型，让机器理解这些视频到底在教什么。CHI 上发过一篇论文：给它你最近三到四步操作，它预测教程里其他人接下来会做什么。你在软件里卡住的时候，不用退出、打开浏览器、想关键词、翻搜索结果，建议直接出现在上下文里。 Gavin 把这套东西和界面设计放在一起谈，说了一句挺关键的话：给 GUI 加一个功能，新用户面前就多一层视觉复杂度；给一个助手加一项技能，只要用户知道它会这个，复杂度并没有增加。 他说自己理想中的状态是"一边肩膀站着艺术家，另一边站着老师"。这个目标很远，做法是每个阶段都给出足够有用的东西，让这一步本身就成立，同时为下一步铺好地基。 他把学软件比作在一座城市里生活。你不需要认识每一条街，你只需要认识自己要走的那些。用久了自然成为某个方向的专家，没必要样样精通。 ## 天空替换：把一整套工作流压成一次点击 Sky Replace 是他自己很喜欢的例子，因为它把一串操作打包成了原子动作。 自动选中天空，从素材库里找几何关系匹配的候选，地平线角度、光照方向、透视都得对得上。为了覆盖不同情绪给你多个选项，把新天空垫到前景后面，然后用新天空的主色调给原图的前景重新打光。正午换黄昏，前景会真的染上一层橙。整个过程大约一秒，过去要一两分钟。 他提到 Magritte。大学时他墙上贴过《光之帝国》，那幅画里房子是夜晚，天空是白天，超现实感正来自这种不可能的组合。Adobe 想做的恰好相反：默认要自然，不要超现实。超现实如果需要，用户可以自己调；而一个默认就假的结果，用户得花更多时间去修，这个账算不过来。 一次点击还有个副作用被低估了：它可以点十次。你不知道自己想要什么，但看到就知道。十种天空就是十种可能，你可以在接近成品质量的层面上探索设计空间，选定之后回头微调蒙版，做最后的打磨。这种"先广后精"的流程，过去只有预算充足的项目才玩得起。 ## Concept Canvas 与"奇怪的拥有感" 普通图片搜索只认标签。你说"狗"，它给你一张有狗的照片。但设计任务经常是"人在中间偏左，狗在右下角，左上角留白放标题"。 Concept Canvas 允许把关键词分配到画面的不同区域，素材库预先索引了每个重要概念在图片里的位置，匹配就变成了空间布局问题。 Gavin 说这有个副作用很有意思：哪怕本质还是搜索，因为你在做布局，你会对结果产生一种奇怪的拥有感，好像是自己画的。给出足够的控制权，人对结果的归属感就跟着上来了。 ## 补丁方法和 GAN，各自能干什么 内容感知填充（Content Aware Fill）是老派的补丁方法：从图像其他地方搬来相似的纹理块，拼进洞里，再平滑光照，让填充区域的明暗和周围自然衔接。碰到碎石路、草地、砖墙这类随机纹理，效果几乎无懈可击，因为这类材质本来就没有全局结构，局部合理等于全局合理。 它栽在需要推断结构的地方。一个人挡在房子前面，挡住的那四分之一长什么样？算法没有房子的概念，只能一块块搬纹理，局部看着像，拉到全局一看，窗框的线接不上，墙角歪了，整个画面像被人揉过。 GAN 补的正是这块。它从训练集里学来的东西里，纹理只占一小部分，大头是常识：房子有窗，窗是等距的，屋檐是水平的。问题是这份常识只对它见过的东西有效。训练集里全是房子，丢一只章鱼进去，它照样按房子的逻辑去补。Gavin 举这个例子的时候语气很平：表现好不好，取决于你的数据够不够杂。 还有分辨率的限制。生成方法现在只在低分辨率下稳定，再往上要么靠另一套算法上采样，要么等研究突破。他没说这条线什么时候能过。 ## 把数据给我，我得先让你看见好处 要做到这一步，缺的根本是数据。Adobe 手里有几千万人的工作流，问题是怎么拿。 Gavin 的答案很直接：得先让用户看见自己得了什么好处。短期好处是意图理解更准、推荐更合拍；长期好处是你靠这个工具吃饭，你希望它快点变聪明。两者都成立，人才愿意分享。他还提到一些技术方向，比如在本地学、不上传、不长期留存记录，边用边学但走的时候什么也不留下。 这段话里他讲了一个对比，我觉得是整场访谈里最有意思的一句： > 我对自己在社交网络上产生的数据，比在 Photoshop 里产生的数据警惕得多。前者我看不出给我带来了什么，后者至少明显在改进我下次的工作流。（Gavin Miller） 他也承认有不能碰的地方。给律师准备证据材料的人，不希望任何一步操作回传到服务器。未来的方向可能是分层：大多数人只贡献粗粒度的高层行为，愿意的人贡献细粒度数据，双方各取所需。他补了一句，信任是 Adobe 最值钱的东西之一，为了一点数据把它赔进去不划算，公司有首席隐私官，AI 的隐私问题从一开始就在桌面上，没被当成事后才补的环节。 ## Puppetron 和一张脸的分量 Puppetron 是 Gavin 主动提的项目，因为外界容易把 Adobe 想成一家只做 2D 的公司。这个项目的输入是一段真人说话的素材，加一幅别人物的画作，输出是把那幅画的风格套到说话的人脸上，嘴型、表情、头部动作全都跟着走。 它跟常见的滤镜有本质区别。滤镜是在画面上盖一层膜，人一动就露馅；Puppetron 是先推断脸的三维结构，把特征点绑到三维模型上，再让画面跟着模型动。看着像那张画真的活了过来，没有贴纸浮在表面那种感觉。 为什么非得做 3D？因为纯 2D 的风格化根本不知道哪块是鼻子、哪块是脸颊，笔触一流动就糊成一团。有了三维先验，才知道哪里该保持刚性、哪里该跟着形变。 人脸的容错率是所有应用里最低的。差一点点就是恐怖谷，观众立刻不适。Gavin 说这块必须做对，没有中间状态。他的判断是，3D 视觉算法会先在脸这种先验知识密集的领域成熟，因为可以拿参数化模板去拟合，再逐渐推广到一般物体。用户甚至不会察觉底下在做三维重建，只会觉得编辑变可靠了。 ## VR 是把你带走，AR 是把东西搬来 Gavin 把两者分得很清楚。VR 的作用是把人整个搬进另一个世界，不管你现在身处什么环境，戴上就是一个新的。它更像一块无限宽的屏幕，把人从现在的情境里拔出来。AR 反过来，是把数字资产从屏幕里拿出来，放到你的桌子上、墙上、面前的空气里。 他从 90 年代就做过 VR，当时攻的是延迟和眩晕，问题解决了，成本太高，太早。这一波他觉得时机对了，设备从拴在主机上变成一体机，市场正在分成消费级和专业级两块。专业级里他举了建筑：一栋楼就是你的产品，看模型、看图、看视频都不如走进去感受比例和空间关系。 AR 的难点卡在适应上，渲染反而是相对成熟的一环。资产放进真实环境，得知道什么能改、什么不能改，桌子小、客厅大，构图怎么变。他打了个比方：就像一整个剧团到你家里演《哈姆雷特》，得根据你家的格局重新走位，甚至带着观众从一个房间挪到另一个房间。 那保真度重要吗？他的回答分情况。如果是请一位大师复刻一段芭蕾，你希望每一帧都原样保留，最多整体缩放；如果是一只青蛙在讲王子和公主的故事，它怎么走动其实无所谓，能讲好就行。这段判断背后是个更大的想法：游戏行业几十年积累的"自适应角色"经验，会因为 AR 的需求溢出到更广的商业场景里。 ## 改动老产品，是在约束条件下求解 Adobe 的用户基数太大，任何改动都要面对"我用习惯了"这四个字。Gavin 承认这层压力，但他的划分方法很清晰：拿控制权换便利，老用户一定不买账；便利和控制一起增加，才可能被接受。所以已有的隐喻不能随便打破，Photoshop 从来不是静态的，但也从没推倒重来。 真正的突破反而好办。单击选中一个物体，替代描很多笔，这个变化不需要用户重新学习，它可以是一个可选模式，也可以是一个起点，嵌在原有工具链里。 想要彻底简化，就得换容器。要么换设备，比如手机，交互方式本来就不同；要么换场景，比如另一个更强调速度和即兴、精度要求没那么高的工具。他举了 Premiere Rush：拍完假期的片子，半小时在家剪完，用不上四小时的专业流程。做四季电视剧的项目，还是老老实实打开 Premiere。两个工具服务两种心态，同一个用户可以在两者之间切换。 智能默认值在他的描述里不只是省事，还是教学。参数太多的时候，人其实不知道几根滑杆之间怎么联动，也不知道最优解长什么样。一个"给我个起点"的按钮，等于让懂行的人先替你调一遍，你在此基础上改。他甚至设想过给出一组默认，你不需要在一堆参数里做单选题，挑一个顺眼的继续就行。 ## 把手机留在家里的那天 访谈里穿插了几首诗。有一首写他把手机留在家、一个人走到海边：沙子是软的，海面像玻璃，但我还是我。 Gavin 由这首诗聊到了另一件事。AI 让人越来越容易造出比现实更好看的版本，无论是一张自拍还是一次旅行，人的形象和真实之间的缝隙正在被工具化地拉大。 他的态度不激烈。他说人想把自己最好的一面拿出来，这个需求一直存在，18 世纪的贵族请名画家画像，画出来多半也比本人好看。关键在意图：挑一张好看点的照片当头像，没什么问题，反正见面就知道了。真正有害的是另一头，是人拿一个不可能达到的标准去对照自己，然后因此难受。 他还讲了一层担心，关于探索。他说自己小时候在模糊的黑白电视上看登月，那种想知道"到了那儿到底长什么样"的冲动，是驱动力的一部分。现在视觉技术太强，去之前就能把那里看得清清楚楚，那份冲动可能会被提前消耗掉。等人类真到了火星，第一反应也许是：哦，跟片子里一样。 然后他自己把话拉了回来。冥王星是个反例，之前没人知道它长什么样，等照片传回来，复杂和美丽远超想象。所以他的结论是：人类想象和表达的工具变强，总体是好事，滥用确实存在，得认真对待，但不必因此把工具本身当成问题。 ## 实习生是研究院的呼吸 谈到研究院的文化，Gavin 说了一句很实在的话：一个研究实验室能保持活力，秘密在实习生。 理由有三层。 第一层是想法的新鲜度。他说人在职业生涯的某个阶段会和某些想法绑定，然后反复回去找它，运气好的话那个问题五年内没被解决，你还有得做；运气不好，别人抢先做完，你就没牌了。每年换一批新人进来，等于每年换一批没被路径依赖污染过的脑子。 第二层是风险结构。工业研究里，一个想法走到能出货，要投入巨大的工程资源，投入越多，人越保守，越倾向于选那些"产品团队肯定要"的题目。实习生提供了一条轻量通道，可以拿一个还很飘、没被验证的想法试三个月，成了是一篇论文，不成也没伤筋动骨。这些尝试汇总起来，就是一个项目组合，研究院从里面挑一两个，用一两年时间做成真正稳的产品功能。 第三层是人才和关系。很多最强的研究员是当年的实习生转正，实习生也把实验室和高校院系连了起来，教授们因此认识公司，公司因此认识学生，循环往复。他说一个实验室真正的遗产还包括流出去的人，他们把那套工业研究的模式带到别的公司去。他承认这让自己招聘更难，但这是成功的标志，水涨船高。 那项目谁定？他的答案把权责说得很清楚：研究方向的选择权基本交给研究员和实习生，但奖励按影响力算，做出论文、影响了产品，才算数。反面模型他也描述了一遍，一个实验室主任自认天才，指使所有人干活，成了揽功，砸了甩锅，这种模式他们不要。 公司的战略优先级不是不存在。做法是往下渗一点、往上冒一点，在中间会合：不指定你必须做 X，只说今年做 X 会特别受重视，然后每个人按自己的兴趣重新解释 X。他说神奇的是，多数时候这么运转下来，结果都不错。Adobe 产品线足够宽，一个好想法总能找到感兴趣的产品团队，这让前期不用过度筛选成为可能。偶尔产品团队会额外掏钱赞助一个实习生，去解决一个他们特别在意的问题，这种算锦上添花，算不上常态。 他也承认预测不了。夏天开始时每个项目都让人期待，最后有的变成功能，有的只是一篇好论文，有的发现根本不够新但很适合做成功能，还有的做了一点就发现坑比想象中深，隔几年回头再做，才终于突破。 ## 2019 往后看：助手、生成、和光共舞 问到未来几年最期待什么，他给了三样。 最热的是创意和分析助手，也就是前面说的那种持续猜你想干什么、主动给建议的东西。他坦白说不好什么时候能成，正因为说不准，才想看着它往前走。 第二是 GAN 这类生成技术走向实用。高分辨率、高质量、主流场景可用，这条路还有多远，他很期待。他顺口说了一句观察：生成模型出错的方式很有意思，那种错法像在做梦。 第三件是内部的基础设施，Sensei 平台。过去是有了好想法就找一个产品团队，针对那个用例单独定制；现在正在把这些模型收进统一平台，用统一接口提供给所有产品线。一个产品做出来的能力，别的产品可以直接调用，好想法到产品的周期被大幅压缩。他自己说，这讲的是"怎么做"，跟"做什么"关系不大，但它的意义在于把整个组织的效率抬了一档。 把这些和技术图形学那头的变化合起来看，他描绘了一个画面：实时光线追踪让阴影和反射实时算出来，画面已经接近真实世界；AI 再叠上去，让画面根据你对创作意图的理解自己调整，该亮的地方亮，该改的地方改。 > 那基本上就是在和光跳舞。（Gavin Miller） ## 蛇：从布料模拟到婚礼红毯 访谈后半段聊蛇，是 Gavin 最放松的部分。 源头在 80 年代的计算机动画。他当时做布料模拟和软体模拟，一块布掉下去弹两下，然后就不动了。他想，如果把弹簧的长度也做成动画、模拟肌肉收缩呢？能做这个的最简单对象，是一条蚯蚓。 于是他读了蛇和蚯蚓运动的生理学文献，1988 年发了一篇论文，叫《蛇和虫的运动力学》，做了最早的计算机动画演示。图形学的好奇心，就这样变成了二十年的机器人爱好。 第一台蛇形机器人只会横着滑，不会往前。后来加了轮子。他说亲手在现实里做东西会让人对摩擦力保持诚实，这句话在整场访谈里分量很重。 真正让他着迷的是"生命的错觉"。一条机器人只要有足够多协调的自由度，动起来的方式接近生物，就会跨过恐怖谷，从"一个东西"变成"一只生物"。第三代 S3 做到了：能侧行（sidewinding），也能直着往前。他把 S3 带去婚礼，做戒指使者，从红毯上滑过去递戒指，还上了当地报纸。 那时候板载算力极其可怜。他说自己是玩分立逻辑电路长大的，第一台控制器是用离散逻辑搭的；第二代第三代用上八位微处理器，256 字节内存，勉强塞得进去。所以早期那些还停留在遥控阶段，离自主差得远，重点在机械结构和协调运动，不在智能。 他也栽过一次跟头。想过把蛇做成便宜的玩具，结果发现钟表机构是另一个魔法领域，齿轮间隙、回程差这些东西，写代码的人根本不会考虑，看起来绝妙的设计到手上就是不转。他说那次挺受打击的。 第五代 S5 是他最偏爱的一台。比前代长一倍，更像个生物。技术上他做了一件大多数机器人工程师不做的事：把蛇身做成前端细、后端粗的锥形。理由一半是机械的，能省重量、改善杠杆；一半是视觉的，看起来更像真的蛇。代价是每一节都不一样，不能批量复制，所以没人愿意这么干。S5 现在在华盛顿的国际间谍博物馆展出。他在 YouTube 上放过视频，结果招来阴谋论：这人给 Adobe 干活，视频肯定是电脑做的。他一条条回复：是真的，背景不动是因为架子固定。 最新一台是 S9，用 Raspberry Pi 做主控。他顺势开了个关于 Python 的玩笑，然后讲到了真正的变化：现在可以加视觉加速芯片，在本地跑神经网络、做物体识别。桌面级的算力、板载电池、加上仿生的外形，三者凑齐，真正的自主性才算有了门。 孩子的反应和大人完全相反。大人觉得瘆人，孩子觉得可爱。他去 Girls Who Code 讲过几次课，就是想把这个反应利用起来。他也坦言这类东西现在的价格仍然超过它带来的价值，所以它当爱好极好，当产品还差得远。他还想过下一步：如果有一天能有真正的人工肌肉材料，蛇身就不用马达和齿轮箱，更轻、更强、更连续，这又回到了他早年在 Alias 做的一件事，改肌肉静止长度来驱动机器人。 他说了一句我印象很深的话： > 做研究是一张可以保持好奇的许可证。（Gavin Miller） 爱好给了他同一张许可证。为了造蛇，他去读生物学，去研究侧行蛇在沙地上留下的痕迹，看自己造的蛇会不会留下一样的纹路。这些东西本来只是《国家地理》纪录片里一扫而过的画面。 ## 图灵测试的门槛太高了 蛇最终会走向哪里？Gavin 的答案是人格。 视觉、语音合成、智能体研究，三条线会在同一个东西上会合。他对"人类级别智能"这个目标本身没什么兴趣，反而觉得图灵测试的门槛设得太高，有点自我挫败。他想要的是一种有限度的理解：能不能聊得有内容，得放在具体关系里看，作为主人，你知道它能想什么、能推理什么，这比让陌生人随便走上来都能对上话更有意义。 他把这比作养狗。你跟狗说话，多半是单向的，但那种连接是真实的、有意义的。 他在做的一段示例音频里，重点放在让推理系统能解释自己为什么知道某件事、为什么决定这么做。两个作用：对外，这让它显得真的懂自己在说什么；对内，行为越来越复杂的时候，调试靠的就是问它"你刚才为什么那么决定"。 至于机器人在这套体系里的位置，他说得很清楚：机器人是他的缪斯，帮他想清楚 AI 的未来该往哪走、下一个该发明什么。真正把虚拟生命带进物理世界，眼下还只是个念头。他更相信另一条路：通过 AR 把虚拟对象放进现实，造一台机器人要花五年的想法，用数字资产几周就能做出来。等到真正智能的机器人普及那天，人们不会太惊讶，因为那些人格已经在虚拟世界里陪了大家很多年。到时候大家的反应大概是：哦，会走路的 Siri。 ## 最后几句诗 访谈的结尾，Gavin 念了他最喜欢的一首诗的末几句，关于死亡，也关于某种意义上的不朽：思想会活在别人的思想里，作品会活在别人的作品里。 > 不要哭泣，不必哀悼。已经够了。那些小小的敌意，允许了仅仅一支舞，就把它们撒向目力所及的最深处。我心满意足。它们还会有下一次机会，扫拢更靠近中心的碎片，加入一个推挤着上升的人群，就像曾经有人在我体内起舞。（Gavin Miller） 把这场对话串起来看，会发现他讲的其实一直是同一件事的不同侧面。选区、天空替换、蛇形机器人、会说话的房子、写给合成语音的诗，做法都一样：先想清楚一个东西该有什么行为，然后想办法让它真的动起来，再让它看起来像活的。技术在变，这条线索没变。 - 把"自动化"和"替人做决定"分开看。先做智能默认值，让人一键拿到一个不错的起点，再让人在此基础上改。别一上来就做全自动，用户失去控制权的那一刻，工具就从帮手变成了对手。 - 评价一个 AI 功能，别只看准确率，看它出错时能不能被修。99 分加一个顺手的修补入口，比 99.9 分但没有退路更接近能出货的产品。 - 如果你的模型要在开放场景使用，先做一件事：让它评估自己在这张输入上有多大把握。没把握就明说，这比硬着头皮给一个像模像样的错误答案强得多。 - 收集用户数据之前，先回答"用户得到了什么"。答不上来就别收。答得上来，也要给不愿意共享的人留一条完整可用的路。 - 想做长期研究，就把一部分资源留给注定会失败的项目。实习生、内部小项目、三个月的探索期，都是低成本试错的口子，全部砍掉就等于只做短期优化。 - 找一件和主业看似无关的事认真做下去，做到能上手做的程度。Gavin 为了造蛇去读生物学，那些知识最后反过来影响了他对 AI 的判断。跨界的价值不在简历上，在你提问的方式上。 - 给新产品留几个不同重量的入口，别只留一个。同一个用户，做长期项目时想要满屏的旋钮，度假剪片子时只想要半小时出片。两套工具并存，比逼所有人用同一套更接近真实需求。