121: PingCAP黄东旭的“内在世界源代码”：《黑镜》、程序之美和创作自由

欢迎收听 《 晚点聊 》， 我是曼琪 。 这一期我和 " 晚点 " 的创始人小晚一起与 PingCAP 的 CTO 黄东旭聊 ： 聊黑镜 、 聊 AI、 聊他个人生活方式的转变 。

这是一次编程 、 科幻和创业的通感碰撞 。 从黑镜第 7 季的故事 ， 到中国最早做开源的 PingCAP 公司和他们的数据库核心 ， 都有一些共通的逻辑和内核 。

创业第一天是不是就给公司定下了几条原则呀 ？

对 ，是的 。 第一条原则就是 ： 几个创始人我们是要组成一个分布式系统 。 分布式系统里面有一个很重要的原则 ， 叫做 " 互为冗余 "。

程序之美曾给还是中学生的东旭带来了极大的震撼 。

我比较影响特别深的 John Carmack。 第一个让他成名的事情是 Doom 一个游戏 。 当时让我第一次 —— 我当在读他的代码的时候 ， 我发现了一些非常美的东西 。

就是我第一次从一个软件里边有看到 ， 就像看一个艺术品一样的这种感受 。

虽然这一期仍是和 AI 相关的节目 ，但最后聊到生活 ， 黄东旭的一个建议是 ： 我们不一定要搞懂 AI。

你养一盆花 ， 做一道菜 ， 然后去认真地了解你身边的人。 这件事情其实是你作为人的一个可能是存在的意义 。

比起一些 " 我要去搞懂 ， 非得要搞懂 Transformer 的这个原理 "， 这个可能是要更加具体 。

这期的开场和结尾 BGM 与平日不同 ，因为我用了黄东旭今年的新专辑 《Whispers of the Silent Mountains》 里的一首歌 。 这张专辑在网易云上可以搜到 。

对 ，他还是一个野生音乐家 。 放轻松 ， 我们正式进入本期节目吧 。

今天欢迎东旭做客 《 晚点聊 》。 东旭是一位老开源黑客 ，也是野生音乐家 。 你可以和我们的听友简单地自我介绍一下 。

对 ， 大家好 ， 我是东旭 ， 然后是 PingCAP 的联合创始人兼 CTO。 我对我个人的自我认知 ， 还是一个程序员 ， 一直以来都是 。

还比较骄傲的是 ， 天天都在编码 ，而且比较 enjoy 这件事情 。 另外我的爱好可能比较广泛吧 ， 就是从编码到刚才说到的音乐 、 艺术 ， 就非常喜欢一些奇奇怪怪的东西 。

然后现在其实 ， 平时可能一半时间在美国 ， 然后所以大概这就是我 。

那这期播客的源头是 ？ 最近就是黑镜上了第 7 季 ， 然后我看东旭发了一个朋友圈 ， 说我看完这季黑镜之后想做一期播客 ，是想聊一聊关于 AI 未来的基础设施 、 开发者体验 、 科幻小说 ， 还有 AI 时代的黑客文化 。

然后这也是我们一直很关注的问题 ， 就是 AI 怎么影响和改变了每个人。 因为你本身是开发者 ， 然后 PingCAP 的产品和公司组织里面其实也在用 AI 去做各种新的东西 ， 然后你也是一个创作者 。AI 现在也可以做很多创作的东西 ， 比如说像 Solo 啊 ， 或者天空都可以生成音乐等等。

那我觉得你的多重角色和活动 ，也会让你对 AI 就是有一些自己的体验 。 那这些想法会对一些人有启发 ， 会让大家有共鸣 ， 可能也会让另外一些人不同意 ，但我觉得这个可以是提出一些问题的空间吧 。

这挺有意思的 。 我们创业的一个动机其实是 AI。

你们创业的动机是 AI？

是的 。

15 年的时候 ？

对 ，因为我跟刘琦特别爱看一个电视剧 ， 一个美剧 ， 叫 《Person of Interest》， 看过吗 ？

没有 。

叫中文名叫 《 疑犯追踪 》。

《 疑犯追踪 》？ 那我没看过这部片 ，但我知道这个美剧 。

你知道这个美剧 ？ 哇 ， 这美剧太棒了 。 它是在就是 AI 时代之前 ， 然后甚至那个时候推荐系统都没有那么 AI 的时候 ， 它就设想了一个场景 ， 就是所有的这些摄像头什么的 ， 这个街道上的这些就是摄像头什么的 ， 然后其实能够看着这些人类各种活动 。

那对于政府来说 ， 它有一个这个很好的动机 ， 就是我把这些数据全都拿过来 ， 就可以训练出一个人工智能 ， 这个人工智能就可以预测谁是罪犯 。

但是呢 ， 这里面会涉及到一个伦理问题 。

那有点像少数派报告 。

对对对 ，有点像少数派报告的展开版 ， 变成电视剧版 。 但是呢 ， 那个电视剧它的设定我觉得非常好 ， 就是它不会告诉你这个人到底是坏蛋还是好人， 还是受害者 。

它这个机器的这个回避这个伦理问题的方式 ， 就是它会蹦出一个身份证号 ， 这个身份证号是就是可能跟这看到的未来有关的这个人， 它会是主角 ，但是机器不会告诉你是好人还是坏人。

它可能是受害者 ，也可能是加害人。 所以呢 ， 它的人类代理就是那个电视剧的主角 ， 就是每天会拿到一个身份证号 ， 然后就去观察这个人到底接下来他是受害者还是加害人。

如果他是受害者的话 ， 就去救他 ； 如果是加害人， 就去把他抓起来 。

哦 ， 那这个设定挺有意思 。在这个里面 ， 人类是 Agent。

对 ，其实对 ， 人类是 Agent， 没错 。 但这个片牛逼的地方在于 ，其实看上去这个设定还挺普通的 ，但到第三季以后， 它就变成了一部神剧了 。

为什么呢 ？ 原来还是说 AI 指挥人去干活 ，但是后来第三季开始 ， 就是有个很自然的设定 ， 就是政府发现这套系统这个太不够意思了 ， 每天就给你蹦一个这个 ID， 这不够厉害 。

然后政府又拨了一笔钱 ， 就说我们要去搞一个通用人工智能 ， 它可以像大语言模型一样告诉你各种事情 。

然后所以政府又搞了另外一个 AI， 这个 AI 上线了以后， 第一件事情 ， 你猜它会是什么 ？

那应该先去搞另一个 AI。

没错 。 哇 ， 你这脑洞非常好 。 它上线的第一秒钟 ， 它就发现这个世界上有另外一个 Guard， 就是跟它一样的这个物种 。

所以这部剧的后两季就脱离了那个那种每一集都是去一个办案故事的这种 ， 变成了一个 AI 跟 AI 之间通过他们的人类 Agent 互相这个 PK 的电视剧 。

这个还挺有 ——

前瞻性吧 ？

对对对 ， 前瞻性 。 对对对 ，是的 。 因为现在其实大家也会讨论一个问题 ， 就是说不同的大语言模型是不是有不同的价值观 ，以及它们之后相互之间 ——

相互之间的沟通 。

什么关系 ？

对对对 ，是很有意思 。 所以后来我们就在想 ， 我们当时这个虽然不是做 AI 的研究者 ，但是我们至少能够给 AI 去设计一个存储系统 ， 让它把所有的看到的东西 、 想的东西都存下来 。

于是就有了 PingCAP 这个公司 。

但你们最开始是没有想 ， 就是说怎么赚钱 、 商业化 ， 或者客户是谁 ？

我只是想做一个可以无限 scale 的 system。

那跟这个美剧的关系是什么 ？

美剧的关系就是 ， 当你有这样的一个人工智能的时候 ， 这些人工智能它其实需要一个很大的这个数据的存储系统 ， 来去存储它所有看到的这些东西 。

所以你们诞生第一天就是想为 AI 服务的 ？

是的 ，是的 ，是的 。 就因为我觉得到未来 ， 产生数据的速度和消化数据的速度 ， 如果这个客体是人的话 ， 那这个速度是跟不上的 。

就比如说现在 ， 假设我已经能做到你每天在手机上， 或者说每天跟这个世界交互 ， 产生大量的数据 ，其实这些数据都存下来了 。

但是呢 ， 就这些数据怎么用 ， 然后让你生活更加幸福 ，其实在大语言模型之前 ， 或者说这种泛化能力非常强的这个 AI 出现之前 ，其实是用不上的 。

只是这些数据在这儿 ，但是你没法用 。 我觉得未来只有 AI 才能去用上这些 Personal Data， 就是这些个性化的东西才能实现 。

就比如说通过这个 AI， 比如现在我已经可以跟 ChatGPT 来聊天 ， 说根据你对我的了解 ， 我可能会喜欢谁 。

那你们最早见投资人的时候 ， 讲的也是这个故事吗 ？

不是这个故事吧 ， 只有跟我们非常熟悉的人才会讲这个故事 ，不然人家说我们这是疯了吧 。 对 。

首先讲一下你个人生活的变化吧 。 你是把你的房子卖了吗 ？

对 ， 我房子卖了 。 我现在住在一个 ——

房车里 ？

房车里 。 对 ， 反正我是觉得很多东西会绑住你 。 第一 ， 我想把那些真正绑住我的东西全都舍弃掉 ， 看看我作为一个最简单的个体的话 ， 我到底需要依赖什么东西 。

最后我发现 ， 我所有的这些家当 ， 就是没用的东西全扔了 ， 然后就是一辆车 ， 加上大概 20 平方米的一个小仓库 ， 我就可以把我所有的生活必需品给搞定了 。

什么让你决定把房子彻底卖掉呢 ？

今年年初的时候发了一个朋友圈 ， 立了一个 flag， 就是尤其是那个加州大火 。 我们有个同事 ，他其实就在 LA， 然后火就烧到了他家的这个隔一个马路差不多这么远的地方 。

而且你想 ，他在那个房子里边已经住了这个二三十年了 ， 就是一个相当于他这个人一生其实可能都在这个房子里 。他当时很慌 ， 就是如果这房子烧了 ，他也没保险 ， 然后一美国人， 对吧 ， 那基本就是 homeless 了 。

然后当时我就在想 ， 哇塞 ， 这还挺可悲的 ， 或者说这个 ， 对啊 ， 反正如果你的这个人生就被锚定在这个位置 ， 还挺遗憾的 。

第二个这个动机其实是特朗普 ， 这个上台了以后，

这个世界还真的挺东升西降的 。 不确定性在变大 ， 我也是想 ， 一直都想过上这种更多自由的生活 ， 然后强行让一些多余的东西其实不要再牵扯我的注意力 。

那有什么东西是你必须留下的 ？ 我看你发的照片里有一个电脑 。

对 ，有一个电脑 ，有一个床 ， 然后我的 ——

枕头 ？

枕头 ， 对 ， 然后还有我的一些乐器 。其实我最多的是我的乐器 ， 然后其他都没有什么东西 。

你把那些东西丢掉的时候 ， 完全没有任何的留恋 ？

没有 。

有什么东西是你觉得你原来可以不留 ，但最后你保留极少东西的时候 ， 你还是留下来的 ？

好像没有 。 我倒是想得都比较清楚 ， 像什么这个我决定丢的 ， 或者说我原来做好规划的 ， 我就全丢了 ， 就没有任何的这个留恋 。

我真的有些东西是很重要的 ， 就比如说我的一些收藏 ， 我的这些乐器 、 唱片 ， 这些东西是我觉得要留的 ，但其他真的是我一点都没有后悔 。

那在房车生活一周之后， 你真的觉得更自由了 ？

对啊 ， 我觉得更自由了 。

财富上呢 ？

财富上， 我其实对钱和这个财富没有什么概念 ， 就我觉得够花就行了 。 现在比如说挣钱 ， 给我最大的刺激在于就是这个公司运营 ，以及能够让整个公司有更多的可能性 。

但是对于个人生活来说 ， 我一直都是属于财务自由的状态 。 但这个财务自由是你内心 ， 就是当你的这个标准变成我一天其实只需要一张床 、 吃三顿饭 、 有个地方遮风避雨 ， 这个标准的话 ， 我觉得就很自由 。

你有把这个状态分享给你身边的同事或者朋友吗 ？

有啊 ， 我还真分享 。

有没有就是追随你脚步的人 ？

没有 。 倒是有一些创业者会 ， 我 coach 的一些这个小朋友会有 。 就很多时候是这样的 ， 如果认同像我这样理念的 ，不需要我说 ，他也认同 。

对 ， 就是他可能本身就是在这个道路上 ，不管是向内追寻 ， 或者说过这种有点多少有点嬉皮式的生活 ，他可能在遇到我之前就这样了 。

然后至于他可能拖家带口的 ， 或者说他还没有像我这样这种生活经历 ， 或者说这样价值观的 ， 你无论说多少 ， 怎么去展现你自己 ，他其实也都不太会相信 。

你说你 40 岁之前要掌握几项基础能力 ？

种田 。 我先种 。

种田 ， 对 ，有缝纫 、 种菜 、 木工 、 电器维修 、 摩托车维修 。

对 。

你这是为了什么在做准备 ？

为了做一个人做准备 。

这些你以前都不会 ？

这些我以前基本不会 。 我以前其实一直都是程序员 ， 就是每天就是在跟这个计算机和这个虚拟世界打交道 。

但是我会觉得 ， 当 AI 越来越强大的时候 ， 第一 ， 我可以有更多的时间来做个人 ，而不是说天天在那看这个编程的文档 ， 然后再去绞尽脑汁写程序 。其实当个程序员 ， 很多时间都是在过去 ，AI 诞生之前 ，80% 时间都在处理一些 boring job， 就是没那么有意思的 。

真正有创造力的活可能 20%。 但现在可能有 AI 帮助了以后， 你 80% 的 boring job 里边 ， 大概可能 50%、60% 都被 AI 给做了 。

那你相当于对我这种以这个编码为生的人来说 ， 你突然多了 50% 的时间出来 ， 那这些时间你干嘛呢 ？

那不是 ， 那我写得再快 ， 我也不比 AI 写得快 。

所以你真的多了 50% 的时间 ？

差不多 ， 我觉得 。 如果作为一个程序员的话 ， 当然现在我的这个 role 不止程序员了 ， 我可能也有公司管理者 。

公司管理者这边还是会消耗很多时间 ， 这一会儿可以再说 。

那就是你们创业第一天 ，是不是就给公司定下几条原则呀 ？

对 ，是的 。 第一条原则就是 ， 几个创始人我们是要组成一个分布式系统 。 分布式系统里面有一个很重要的原则叫做互为冗余 ， 就是没有单点故障 。

就比如说你一个 system， 它某个节点挂了 ， 你另外的这些节点你要马上能够 take over。 这是第一个这个点 。 就像这要求我们所有人都必须互为各自的 backup。

我们还会去做一些这个测试 ， 就比如说突然有一个人说 ， 我接下来要消失两个礼拜 ， 这个 ， 对 ， 我要去旅行 ， 然后看这公司还能不能正常运转 。

这是第一个 rule， 就是互为 backup。 第二个 rule 就是决策机制 ， 就是当大家达不成 consensus 的时候 ， 这个 CEO 是 leader， 最后 made the call， 然后其他人要无条件服从 。

所以其实这两个 rule 是我觉得最重要的 rule。

这个其实跟我们今天要聊的主题也是有关系的 。

哦 ，是吗 ？

对 。 因为那个中间有个地方 ， 我是想跟你讨论一下， 就是简单结构的 For That You Know 嘛 。 这个也是你之前跟我说的 ， 你看了 《 黑镜 》 之后其实很关键的一个启发 ， 或者说让你联想到的事情 。

对 ，insight，right。

就是你看完这一季之后 ，因为你最开始是说你有很多想法嘛 ， 就是比如说哪些故事让你印象特别深 ， 思考最多 。

我是最喜欢那个第四集 ， 就是那个 Playthings。 稍微给没看过这一集的这个朋友铺垫一下这情节大概是什么样子 。

大概就是一个游戏公司的一个天才程序员 ， 做了一个很不像游戏的游戏 ，有点像我的世界这样的 ， 创造了一个小的智能体 ， 然后这个智能体在一个虚拟的世界里不停地用一些简单的规则 ， 比如繁衍 ， 然后生活 ， 然后就相当于让这个 sandbox 里边的这些小的数字的这个小人吧 ， 然后自己形成一个巨大的网络 ， 然后在那个里边产生自己的智能 ， 然后慢慢地变成一个社会 ， 然后

这个智能再去通过外面的这个人类 ， 就这个这一集的主角 ， 去影响整个世界的一个故事 。 这我具体的情节我就不剧透太多 ，因为 ——

他有的人还没看过 。

他那个结局真的我觉得非常棒 ， 所以 ——

结局有些反转 。

对 ， 结局非常有反转 ， 所以我就不剧透那么多了 。 大家可以去看的时候 。 当时我其实最感兴趣的点在于两点 ， 一个是在计算机里 ， 就是那个模拟的世界里产生更高级别的智能的方式 ， 很符合我的理念 ， 就是一些很简单的规则 ， 加上一些这个受限的这个环境 ， 然后再加上算力 。

这个其实我觉得跟现在的大语言模型 ， 包括 AI， 包括我们自己做的这种系统软件 ， 都有些深层次的关联 。

来用 simplicity 来去对抗这个世界的复杂性 ， 这个 idea 是我特别特别喜欢的 。 然后另外一点就是 ， 个人英雄主义的故事还是我也非常喜欢 ， 就很像那种一个 hacker 有一个非常好的 idea， 然后一个人把这个东西做出来 ， 这个让我也挺着迷的这种故事 。

对 ， 就是这个故事里的那个开发者 ， 就是 Ritman，他是一个人， 相当于是个天才 ， 然后后来去维护这个游戏的人 ，他也是一个人。

一个人， 是的 。 这种故事其实也经常发生啊 ， 至少在 IT 的这个历史上 。

对 ， 那我们可以正好就沿着这两个方面 ， 我们可以展开聊一聊 。 一个就是你刚刚说的一种简单的结构去解决一个复杂的问题 ， 简单的结构带来的复杂的智能 ， 这个你刚刚说就让你想到现在的大语言模型嘛 。其实现在就是 GPT 这个结构的模型 ， 它确实我觉得可以扩展的一个关键 ， 就是它的目标非常简单 ， 它就是 predicting next token， 预测下一个 token。

所以我觉得现在神经网络 ， 你要说它是计算机科学 ， 我觉得它更像一个仿生学 ， 或者说这个生理学的一个工作 ， 把无数个这个神经网络连接在一起 ， 这个莫名其妙就产生了个智能 。

这件事情其实还挺有意思的 ，因为比如说我们在这个大语言模型或神经网络这条路走通之前 ， 我们去看所有的这些开发者写的程序 ， 都是我脑子里已经想好了 ， 就很像菜谱一样 。

我把这个菜谱放多少配料 ， 它一定能做出一个什么味道 ， 我是知道我要做什么 ， 然后它会输出什么 ， 所以基本上是一个固定的一个 recipe。

但是大语言模型这件事情你会发现 ， 它很有意思 ， 它就像我要做一张桌子 ， 这张桌子你只要按照这个结构做出来 ， 它看起来是张桌子 ，是吧 ？

在大语言模型的这个上下文里就是 ， 我要把这个神经网络给构建出来 。 当你把这个结构做出来以后， 它莫名其妙这张桌子上面就涌现出了这个饭菜 ， 你也不知道这个饭菜怎么来的 ，因为你造的是一张桌子 ， 你现在也解释不了它为什么把这么上千亿个神经元连在一起 ， 它自然就会有这么强的这个泛化能力 。

我是觉得这个不同于以前我们去看待软件的方式 ， 就像我刚才说的 ，以前我们看待软件方式都是程序源代码 ， 我有源代码就意味着我拥有了这个程序 ，但是现在我可能花一周的时间 ， 我就能去写一个 Transformer 的一个实现 ， 很简单 ， 一千行代码可能就搞定了 。

但是这一千行代码 ， 你只要不停地给它喂数据 ， 它能够产生比就是有史以来所有我们写过程序更强的能力 ， 这点其实是我觉得这个非常不一样的 。

你觉得它像一个有机体是吗 ？

对 ， 我觉得它像一个有机体 。其实这里就有一点点想这个回馈一个我们古希腊的一个著名的哲学家吧 ， 就亚里士多德 ，他去看待就是事物的一个视角 ， 叫 Four Cores， 叫四音 ， 第一个维度就是它是由什么构成的 ， 对吧 ？

比如说一张桌子 ， 它是由木头构成的 。 第二个这个原因是它的形式音 ， 就很像菜谱一样 ， 它的这个比如说对于这张桌子来说 ， 就是它的这个桌子的设计图 。

第三个就是它的使能 ，是谁让它变成可能的这个使能音 ， 比如说对于桌子来说就是木匠 ， 就木工让它变成了一个可能的 。

最后一个是那个它的目的音 ， 就是它为什么要有这个东西 ， 它造出来是干嘛的 ， 比如桌子是用来放东西的 。

就亚里士多德 ，他其实认为所有的东西你都可以用这四个来去定位一个东西 ， 作为这个东西 。其中最关键的 ， 作为事物本质的那个原因是那个形式音 ， 就是它的那个菜谱 。

就像桌子 ， 它是设计图 ， 对于大语言模型来说 ， 就是这个神经网络的这个矩阵 ， 这个连接的方式 。

我个人认为 ， 当我们完全不能理解这个形式音的时候 ， 它就是一个新的物种 。 比如说像一张桌子 ， 我通过看桌子的设计图 ， 我就知道它是一个桌子 ， 这个情况下我就对这个东西我可以说我理解了它 。

但是大语言模型 ， 我只能理解我怎么构建出这个神经网络的 ，但是它为什么在这个神经网络上有这样的泛化能力 ， 这一点是至少我现在我看包括这个最前沿的这些 AI 的研究 ， 包括神经网络可解释性 ，其实都还是没有突破的 。

对 ， 这是一个方向 。

对 ， 当然是一个很好的方向 ，也许未来我们能知道 ，但现在当我们不知道的情况下， 我倾向于把它认为是一个新的物种 。

你说从这个角度 ， 你觉得它是个新的物种 ，因为那个昨天其实我们在讨论这个事情的时候 ， 我当时就写了一个评论嘛 ， 就因为你说它是一个新的物种 ， 我就在想它能真的进化吗 ？

它现在还不能自己进化 ， 它还是需要人来训它的 ， 我觉得 。

我是觉得我们不知道它能不能自己进化 。

OK。

最近其实也是李飞飞的一个工作 ，也是拿一个这个比较弱的这个 LLM 在上面去做强化学习 ， 就有点左脚踩右脚的这个感觉 ， 给了一些这种人类的高质量的数据 ，但是它还是基于一个大语言模型吧 ， 一个底座 ， 通过一些这个 SFT 能够让这个模型本身能力再上一个台阶 。

那这意味着什么呢 ？ 这意味着其实我们原来对这个大语言模型的潜力的挖掘是不够的 。 我举个例子 ， 我通过在一个大语言模型上面一些 thinking process， 或者说一些这个 Chain of Thought COT 的一些手段 ， 能够让这个模型产生比以前更好的结果 ， 就很像让一个小朋友解数学题说你多看两遍 ， 它一下就 。

对 ， 我觉得我们俩说这个 point 不矛盾 ，因为你说的这个点是你给它一些刺激 ， 就人在上面施加一些工作之后， 它有一个能力的变化 ，而且这个能力的变化是我们无法预测的 ， 对不对 ？

就如果用亚里士多德那个四音说来说话 ， 就我有它的设计的图纸 ， 我知道这个形式音 ，但是我无法预测它的接下来会涌现什么能力 。

然后我刚刚说的它没有自主进化的意思 ， 我是指在目前这个过程中， 因为如果类比到真实的生物 ， 比如说像从细胞然后单细胞生物到最后现在这个人类 ， 它其实是一直在自己进化 。

我懂 ， 我懂你的意思 。 对对对 ，其实现在有一些研究的研究方向 。

对 ，也是这个 ， 持续学习 。

对对对 ， 持续学习 。 而且我非常喜欢的一家创业公司 ，也是 Transformer 的那个其中的一位作者 ，在日本开的公司 。

是鱼吗 ？

对 ， 就是那个 Sakura AI。

Sakura。

Sakana。

Sakana AI， 对对对 。 但那个公司最近好像也没有什么做出什么太厉害的东西 ，但我觉得它的概念非常好 。

它的概念就是刚才你说的那样 ， 就是让一堆小的这个智能体 ， 然后在一个环境里面不断地学习和演进 ， 然后人类尽可能少地去干预 ， 然后看它能够变成什么样子的 ， 就有点像这种进化论的这个意思在里边 。

这个概念我觉得非常好 ， 只是现在可能他们的工作还没有看到太多 。 那它这个已经非常像 《 黑镜 》 这一集的剧情了 。

是啊 ，是啊 。 对 ， 所以我非常喜欢 《 黑镜 》。

对 ， 我觉得可以就是把这个概念我们可以再延展地讲一讲 ， 就是你刚刚说的这个一个比较简单的结构或者形式 ， 然后它里面出现了一些其实大家还挺难去预料的复杂的结果 ， 或者说它能解决一些复杂的问题 。

我看你之前自己在博客里写了一篇文章 ， 就是这个 《 东方美学与软件设计 》 里面 ， 你也讲到计算机历史上， 它是有些真实存在过的这样的案例的 。

它们的特点都是这个规则 ， 或者说它的结构很简单 ，但它可以去解决复杂问题 。 有一个是元胞自动机 ， 还有一个是跟你们自己的工作有关 ， 就是你们 TiKV 下面的底层的那个存储的部分 。

是的 ，是的 。

TiKV 都可以讲讲 。

其实这种模式也不少见了 ， 就像你刚才说的 ， 元胞自动机其实还有另外一个名字叫做生命游戏 。

生命游戏它其实就是定义了在一个 n 乘 n 的二维的想象一个无穷大的一个格子世界 ， 每一个格子有两种状态 ，0 和 1， 代表着生和死 。

然后这个生和死的格子 ， 它生和死是决定于它周围的这些格子的状态 ， 反正就是一些非常简单的规则 ， 一天又一天 ， 就每一次每一轮迭代会去就是演进到下一个状态的各个格子的状态 。

就这么样一个这种简单的 Rule， 当你放进去不同的起始的值的时候 ， 就比如说我规定这个格子的初始状态可能是一个具体的某一些形状 ， 或者说一些特定的形状的时候 ， 它就能演变出完全不一样的这个世界 。

就有点像我一开始规定我是 ， 比如说我是个上帝 ，是吧 ？ 我就规定这个地方长了一个什么样形状的细胞 ， 然后过了 100 万年， 它能长出这么一个就很不一样的这个世界出来 。其实元胞自动机被证明它其实也是一种通用计算的这个模型 。

什么意思呢 ？ 就是说你可以通过这几个简单的规则实现逻辑门 ， 你通过实现逻辑门你就可以实现一台计算机 。

你实现一台计算机 ，因为计算机现在我们看的都是图灵机嘛 ， 你就可以去做所有这些图灵完备的事情 。

这意味着什么呢 ？ 意味着我可以在这样的一个格子世界里面做一台计算机里面运行一个操作系统 ， 这个操作系统如果是个比如说 Windows 或者 macOS， 你可以去在这个操作系统里面去装各种各样的东西 ， 同时呢去实现一个大语言模型来去这个实现一个 ChatGPT。

一切这些复杂东西背后就是一个个格子 0 和 1 的状态变化 ， 就很漂亮 。 这是第一个这个元胞自动机的例子 。

它理论上可以 ，但是实际上也没有人这么做 。

是啊 ， 这个理论上可以我觉得就够了 ， 就数学证明可以就行了 。

就你觉得这个概念这个设计本身它很 。

对 ， 它很漂亮 。 因为你想这件事情理论上可以做到的 ， 那就意味着做到它只是一个工程问题 。 就像我也非常喜欢有一些刚才其实也提到我的世界是吧 ， 就是那个 Sandbox 游戏 ， 里面其实有一种石头 ，有一种砖块叫做红石 ， 那个红石其实就是可以用来它去做那个逻辑门 ， 然后就真的有一些玩家就在那里面用红石去做了一台计算机 ， 然后还做了一个屏

幕 ， 然后在里面运行操作系统 ， 就很好玩 。 这样的思想其实在计算机的世界里非常非常多 ， 包括像操作系统是吧 ，Unix、Linux 到最底下， 它其实也是那么几个系统调用 。在这个系统调用之下 ，在你 CPU 上可能也就是那么一些指令集 ， 指令集就是我说的那些最基础的 Rule。

你想基于这些指令集我能不能开发出操作系统 ， 操作系统上我能去封装 API，API 上面我再去做软件 ， 这个软件之上再有了我们的互联网各种各样的这个世界 。

所以你看归根结底就是那几个指令 。

那人类世界的最基础的指令是什么 ？

不知道啊 。 所以这就是我们对自己的这个脑子理解还太浅了 。

不完全能理解 。

对对对 。

对 ， 我们理解智能 ，但很难说我们理解自己的大脑 。

我们其实我们不理解智能 ， 目前来说我们只找到了一种我们觉得可能是智能的表达方式 ， 就是我只知道我这个脑子的一些生理结构 ， 就是神经元之间的互相连接 ， 然后我们把这个互相连接的这个 pattern 用计算机模拟出来了以后， 莫名其妙它出现了智能 ， 就像这个大语言模型一样 。

这个莫名其妙现在是共识吗 ？

莫名其妙是 ， 我觉得至少说在大语言模型的泛化能力的这个可解释性上是没有什么太多突破的 。

我就举个简单例子 ， 一般写程序我是可以写测试的 ， 它整个这个系统应该是 deterministic 的 ， 我给定一个输入 ， 我通过一系列的规则算法 ， 我能得到一个确定的输出 ，但大语言模型你能告诉我它就是哪一部分是 deterministic 的吗 ？

没有办法 。

我觉得也可以讲讲就是你们自己的开发思路 ，因为你们做那个 TiKV， 就是 TiKV 下面这个存储的 。

分布式存储 。

对 ， 分布式存储这个部分 ， 它也是一个比较简单的规则 ， 可能就十条规则 。

是的 。

对 ， 你还写了一首诗 。

我写了首诗 。

对 ， 你写了一首诗 。

对 。

对 ， 来概括这十条规则 ， 然后十条规则它就是能解决一个存储复杂性的问题 。

是的 。

这个是你们一开始创业就是那会儿就已经有这个想法和思路了是吗 ？

对 ，因为我觉得我干软件工程师这么多年， 其实我觉得最本质的一个软件工程师到底在干嘛 ， 我觉得一个 insight 就是在对抗复杂性 。

现实世界是非常非常复杂的 ， 你写的软件就是在这么大的一个这个要跟现实世界做交互 ， 或者说去实现各种各样的这个逻辑 ，其实最大的敌人是复杂性 。

我就写程序吧 ，其实也是在对这些复杂性做一个抽象 ，但是呢这个世界是如此的复杂 ， 你的这个不管怎么去抽象 ， 你都会超出你这个人脑子能够去 handle 的这个范围 。

所以这就为什么很多人说做一些业务软件 ERP 什么的这些这个非常有门槛 ，因为这个世界太复杂 ， 这些各种各样这些 know-how 和这些规则你可能都要在你的这个 ERP 软件里面去实现 。

我觉得数据库也是一样的 ，而且数据库这种东西作为基础软件 ， 它更加要去面对这种更不确定性的这个需求和因为它是基础软件嘛 ， 它是运行在所有软件最更底层的一个东西 。

反正我是觉得第一个 insight 就是说你要去战胜这个复杂性 ， 你只能通过简单来去战胜复杂性 ， 你不能通过复杂去战胜复杂 。

这个简单等于简洁吗 ？

就有点像我允许你的复杂发生 ，但是我会对这个世界设置一些宪法一样的东西 ， 更像这样就是把这个系统的边界给设计好 。

就是我觉得简洁它只是形容这一套描述边界的语言的一个词 ，但这个除了简洁之外， 它更多的有第一字架 、 正交 ， 这些其实都是来去形容这些宪法 ， 就它不应该有漏洞 ， 或者说就像宪法嘛 ， 如果你发现宪法有个漏洞 ， 那完了 ， 那这个大家都会利用这个漏洞 。其实我觉得现在美国发生很多事情 ， 就是有人在去利用这个宪法的一些漏洞来去完成了

一些这个对整个 system 的一些 hack。

而且不应该有矛盾 。

对 ，不应该有矛盾 ， 自洽嘛 ， 就是互相只 cover 自己关注的那部分 ， 就两边没有交集 ， 这叫正交 ， 就是没有冗余 。

但是这和你们公司的那个就是互为冗余的是不一样的 。

不一样 ， 规则上其实是它跟具体的实现不一样 ， 比如说在计算机系统里面吧 ， 要去实现一个数据永远是就是可用的 ，在现实世界里面你只能去创建冗余 ， 比如说我有三个副本 ， 一个挂了 ， 我另外一个顶上来 ，但是我要的东西是说你这个系统能给我提供一个一致的 feedback， 或者说它的 response，但是我要去实现这个一致性 ， 我是通过冗余这个手段去实现一致性 。

对 ， 就冗余不是在规则这一层了 ，是在后面的上面的事情 。

对 ， 实现层 。 所以其实对于我们做那个存储系统来说 ， 我当时有个假设就是这个系统它同一份代码要运行在三台机器到三万台机器上， 都应该是一套系统 ， 就是我要通过一个规则去面对三台机器的复杂性跟三万台机器的这个复杂性 。

你当你去面对一个三万台计算机连在一起的一个巨型的这个物理环境的时候 ， 每一台计算机都可能会网络抖动 ， 这个卡一下， 然后磁盘故障 ， 你不能说每一个这个问题都去扔进去 ， 我要针对这个情况去修一修 。

所以你就必须得去设计一些这个系统本身要能够自己修复自己 ， 自己去探索这个系统的一些能力 。 比如说在 TiKV 里边 ， 我们有很多的概念很像人类的生命 ， 就很像一个细胞 ， 我要分裂 ， 我要移动 ， 我发现我自己不健康 ， 我要吃药 ， 就是有各种各样这种 。

我们其实在设计那个系统的时候 ，不像在做一个数据库 ，而是在去做一个可以繁殖的一个生命体的感觉 。

病毒 。

有点像 ，有点像 。 所以我经常的销售会去演示的一个例子就是 ， 比如说我有一百台机器在那 ， 我 randomly 的去 kill 掉 ， 就是比如拔网线 ， 你会看到这个系统它没有任何的问题 ，因为它自己发现我这条腿断了 ， 我马上要再长出一条腿来 ， 然后在上面我只是把这套机制封装成了一个数据库的样子 ， 然后让它变成一个数据库 。

这个是你们整个的核心吗 ？

对 ，是我们整个的核心 。

对 ， 我看你当时说了一句话 ， 你说就你们的主打产品 TiKV 某种程度上其实是让 TiKV 长成了 。

一个数据库的样子 。

一个这样的产品的样子 。

是的 ，是的 。

就它其实也可以做别的事 。

它可以做别的事 ， 只是做数据库这件事情更赚钱 。

后来这个系统有演进吗 ？

也有 ，也有演进 ，但是这个大的结构还是一直都是这样 。

其他公司没有学你们的吗 ？

很少吧 。

不能复制吗 ？

反正我们代码都在那 ， 就是大家想复制就去复制呗 。

Oracle 是怎么做的 ？

Oracle 不是这样做的 ， 就它没有去设计那个自己去生长分裂的那部分 ， 它就假设我就这么三台机器 ， 我跟我的硬件绑在一起 ，因为它的假设是这个世界上不需要这么大的数据量 。

对 ， 这是 Oracle 的做法 。

生长跟分裂咱们能再讲讲怎么实现的 ？

在我们的存储系统里面 ， 一开始它只有就有点像一个单位 ， 就一个细胞受精卵一样 ， 然后我的数据其实都是存储在这个逻辑上的细胞里 ， 然后这个细胞它是一个范围 ， 就比如说从 0 到 100 你存在这里 ，但是你随着你不停的去写入这个数据 ， 容器装不下了 ， 它会在中间自己切一刀 ， 把自己切成两个容器 ， 然后一变二变四四变八 ， 就对 ， 八变十六

， 然后一台机器装不满怎么办 ， 它会相当于长了条腿 ， 把自己挪到另外一台机器上， 然后最终目标是让它这些数据的分布能够在整个集群里均匀的分布 。

那 Oracle 怎么解决这个问题的 ？

Oracle 没有解决这个问题啊 ， 就它的假设就是说那些真的需要这么大量数据的这个客户不存在 ， 或者说我就不服务了 。

那像 Amazon 的那个 DemoDB。

有点像 ，DemoDB 是有点像 。

也是跟你们有一些相似 。

对对对 ， 哲学上很像 。

那你们的这个就比如时间前后的关系是 ？

他们在前 ， 我们在后， 只是我们把这个事情变得更加形式化了 。

对 ， 我想知道就你刚才那种思路在开发者中是 ， 比如说比较 top 的开发者 ，他可能都会有这种追求 ， 或者说你叫审美 ， 或者叫品味也好 。

对 。

还是其实大家是有挺多分歧的 ？

我觉得还是有很多分歧的 。

是有很多分歧 。

对 ，因为我这一派是属于非常的这个 ， 比如说像武侠小说里面什么剑宗和气宗是吧 ， 我这属于这个气宗比较多的 ， 就是 Unix 派的 ， 就是我其实非常喜欢那个这个 Unix 之后的像 Linux 啊什么的这些 ， 原来贝尔实验室的那条线 ， 那条线的很多的软件都是这种哲学 ， 就是我规定一小块非常简单的规则 ， 然后在上面长出很多的 ecosystem，不过多的干

预上面的生态 ，但是另外有一些这个路数就不一样了 ， 比如 Microsoft 它可能就是完全走另外一条路 ， 就是我甭管你底下这些怎么设计 ， 从前到后我都要去控制 。

你觉得你们这一派的缺陷是什么 ？

我们这一派的缺陷就是太 nerdy 了 ， 就因为你很多人就会说我把底下的东西定好了 ， 就 OK 了 ， 非常漂亮 ，OK， 然后让大家去玩吧 ，但是最终端的用户他其实不理解这些东西的 ，他可能要的是我这个软件 ， 我微信我要打开 ， 它就是一个微信的界面 ， 就能用 ，但是我们的这个做法是我给你发动机 ， 我给你这个轮子 ， 我给你各种东西 ， 你自己去传

一个你喜欢的车 ， 对 。

那我觉得你们这一派的偏好可能是这些人都更想做设计师 ，而不是最后给它装好的那个工程的那个环节 。

对 ，是的 ，是的 。 比如说我在那个博客里边 ， 我也写了一个我特别喜欢的操作系统 ， 对 ，Plan9， 对 ，Plan9 那个操作系统就是它把这些规则定义好了以后， 它就觉得完成了 ， 史上最漂亮的操作系统 。

对 ，但是这后来可能就没有什么人去用了 。

对 ， 就是如果你的最终用户他不认可这些理念 ， 或者说不理解这些理念 ，他会觉得这些东西巨难用 ， 所以我觉得很多像我们这一派的基本都死在了这个最终的这条用户体验这个事情上， 可能对于一部分开发者来说它体验很好 ，但是对于广大的普通用户来说 ， 这个是门槛还是太高了 。

你在 PingCAP 负责体验的部分吗 ？

我也负责体验 。

你也负责体验的部分 。

对 ，是的 ，是的 ， 产品这部分 。 所以为什么我们经常会非常规避把这些刚才说的这些底层的东西跟客户去讲 ， 就是说用户你也别关心别的 ， 你就去用我给你用的那套最终的那个操作数据库的结构就好了 。

你觉得现在的这种 2C 的公司中有哪个底层结构是你符合你审美的 ？

我觉得有一些公司是 ， 比如 Slack 我很喜欢 ， 对 ，Slack 就是它其实规定了一些最基础的东西 ， 然后对于 ecosystem 就是这种 integration， 像还有谁 ，Discord，Discord 我超喜欢 。

我觉得早年的微信可能是吧 ， 特别早期的微信 。

对 ， 特别早期的微信是 ， 就做产品要做得非常克制 ， 就是你去看这种非常非常克制 ， 或者非常非常的轴的公司 ， 一般可能都会有一点这种感觉 ， 我们就非常克制 ， 对 ，其实从某种意义来说 。

对 ， 你刚才也讲到就是开发者可能也分派对吧 ， 就是气宗 、 剑宗 ， 然后就回到就是说的这个智能这个话题 ，其实就是对什么是更好的智能 ， 包括智能是什么 ， 我觉得这个在就是 AI 领域本来也是一个挺有分歧的问题 ， 你自己是会怎么去定义智能 ，因为你刚才说你觉得其实大语言模型是已经出现了一些智能 ， 虽然我们不理解这个机制 ， 那

智能本身你觉得是什么 ？

首先我就是还是按照刚才我说的那个标准来去看的话 ， 大语言模型肯定是一个跟人类不一样的智能 ， 如果这个智能或者说这个东西能够超越人类在某些具体的任务上超越人类 ， 我觉得它就是更好的 ， 当然了这个好并不是一个线性的这个 ， 就是说你说一个大语言模型强 ，不一定所有东西都比你强 ， 你肯定也有比它强的东西 ， 所以我

觉得好跟坏这个说法其实有一点点绝对了 。

那这个语境里智能是完成任务的能力是吗 ？

我是觉得是的 。

你觉得智能是完成任务的能力 ？

对 ，因为你不可能说对一个比如说你没有跟它交互的情况下去评价另外一个东西 ， 你只能评价的是它在做某件事情的结果 ， 这件事你可以评价的 ，但是你没有办法去评价一个你不了解的东西 。

就我昨天早上我和 Meta 的田渊栋也在聊嘛 ， 然后他的一个想法就是他觉得沿着现在这条大语言模型的路是最终可能是不能抵达高级的智能的 ， 对 ，他确实不是从结果这个角度思考的 ，他是觉得比如说我们现在说推理模型或者这个逻辑等等 ，但也有很多证据显示大语言模型目前不是真的在推理 ， 当然这个推理是套用了人的推理的方式的 。

是 ，而且我觉得这里面又作为人类经常会犯一些人类中心主义的问题 ， 什么是好 ， 什么是高级 ， 比如说你如果再说一个智能更高级 ， 高级的定义是啥 ？

他们这一派其实有一个严谨的定义 。

哦 ，是吗 ？ 那是任务吗 ？

简单来说这个定义是学习解码和编码外部世界规律 ，而且能发现新的规律 ， 从现象中抽取规律的能力 。

我觉得从现象中抽取规律这件事情事实上已经做到了 ， 包括其实现在刚才我们聊到那家日本的那个公司 Sakana AI， 它最近的一个工作好像就是叫 AI Scientist， 虽然我没有仔细看他们的论文 ，但是他们的这个想法就是我基于大语言模型我能不能发现一些就是这个就像你刚才说的知识 。

发现人类未曾掌握的知识和规律 。

是的 。

我觉得这是他们定义的更高级的定义吧 ， 就发现人类未曾掌握的东西 。

对 ， 就是从经验中抽取出规律 。

所以你觉得这还是犯了人类以作为中心的理论 。

是的 ， 就是我觉得学习只是人类的众多事情中的一个事情 。

其实在它那个逻辑不光是人在学习 ，其实从生命在地球上诞生之后它一直是一个学习 ， 只不过在最开始很长一段时间你有 31 年的时间 ， 你可能就是纯靠自然选择来进化的 ，因为你的 DNA 其实也是编码了外部的一些规律 ，但它不是在一个个体的生命周期内 ， 它是一个物种层面一代一代通过变异和自然选择来进化的 ， 然后到后面可能就是有了神经系统 ，有了视

觉之后， 它里面多了一个机制就是记忆 。

和模拟 ， 都在脑子里 。

对 ， 就有了记忆 ， 然后再往后可能就真的是人产生之后有了语言 ， 然后再往后可能是到 3000 年前在一些古文明里面产生了一些比较抽象的 ， 比如说科学 、 数学 ， 它大概是这样一个逻辑 。

但是你觉得这是个线性的吗 ？ 我是觉得数学 、 科学 、 逻辑它其实也只是解释世界的一种工具而已 。

对 ， 我觉得这个东西涉及到一个本质的哲学观的一个区别 ， 就是更根源来说你到底相不相信世界的因果规律是可以被人所掌握的 ， 或者说可以被掌握的 ，因为我之前就录的那一期播客就马毅教授就讲了他这个智能的逻辑嘛 ，有一个听众留言特别有意思 ， 就是他是引用了休谟的经验主义哲学的一些观点 ， 大概休谟的核心观点就是他质疑人的理性是不

是真的能去掌握因果规律 。

那是经验主义 ， 我是觉得有点同意那个休谟的那个 ， 就像有一个很经典的比喻 ， 比如说我每天都看到太阳从这个东方升起 ，但是其实你并没有办法通过过去这这么多亿年太阳都从东方升起推导出明天太阳一定还会从东方升起 ， 这两件事情其实是没有因果关系的 ， 就没有真因果关系 ， 它只是说因为过去这个 99.9999% 的这个概率太阳一定会升起

。

我觉得这是两种哲学观的不同吧 。

当然如果纯哲学的层面上来说 ， 那这世界上是没有因果关系的 ， 对 ，因为大家都是在从这个经验里面去归纳总结出一些东西 ， 纯粹的这个因果它只存在于数学和那一套这个逻辑的这个纯抽象的空间里面 。

对 ， 就其中一派他觉得我是可以通过比如实验 ， 我可以通过一些证实和证伪的一些手段吧去发现规律 ，但是你说的是对的 ， 就是数学这是一个它是一个完整的这种概念 ，但是物理实验确实是的 。

而且即使是数学它也是不完美的 。

就是那个希尔伯特之后那个数学的根基就动摇了嘛 。

是啊 ， 所以我是觉得如果你只用数学逻辑来去作为高级和不高级的一个标准 ， 那肯定是第一它本身这个标准是不完备的 ， 第二就是也并不是一个生命或者说智能的就是全部嘛 ， 我觉得是 no judgment，不要去评价它是你的好朋友 ， 这样你不应该去评价它 。

所以你的观点是什么呢 ？ 智能的下一个阶段是怎么到达的 ，以及它真的能成为你定义的更好的或者更顶级的智能吗 ？

我可能更在一个实用主义的这个角度去看 ， 它现在能够帮助我做什么事情 ，因为我只有作为人有主体性 ， 我没有办法去影响大语言模型它是怎么感受 、 什么想的 ，但是我在跟它的交互过程中它能帮助我的这个生活过得更好 ， 或者说它的能力越来越强 ， 能够让我有更多时间去让我做个人， 就可能是在这个角度去看 ， 当然了可能未来有一天真的 AGI 出

现了 ， 把人类都变成像 K 哥帝国里面变成人肉电池了 ， 那也是没办法的事 ， 对吧 ， 所以现在可能也不去想这么宏大的东西 ， 看怎么把它用好吧 ， 这可能是我的这个观点 。

就是怎么用好 ， 然后有 50% 的多的时间 ， 然后在多的时间里学会做一个人。

对 ， 所以其实你看我去评价一个更强的智能或者更高的智能 ，是站在我自己我能够去理解的领域里边 ， 它在具体的任务上能不能比我更强 ， 或者说能不能让我觉得它是一个我的老师这样的 。

对 ， 然后就是这个关于不同人就不同观点吧 ， 我觉得也是涉及到你看到这个黑镜第四集之后， 你刚刚讲的第二点 ， 就是说其实可能有一些进展或者说一些成果 ， 它就是由一些少数的特立独行的人推动的 ， 然后尤其是在一个技术很早期 ， 确实就是不同的人他有不同的想法 ，而且我觉得就是相信自己所相信的东西是对的是很重要的一点 ， 就是奇客或者 Nerd 都会

有这个特质 ， 这个也很像就是这一期里面开发这个游戏的 Rickman， 还有之后可能花了几十年倾尽所有吧 ， 一直在维护这个游戏的 Workman、Worker， 那这个我觉得也可以讲讲就是你刚刚说的这些人让你想到的 AI 背后的少数人， 还有这种工匠精神 ， 还有开源软件等等。

对 ， 我是觉得计算机这个行业还挺有意思的 ， 就是从诞生计算机以来很多工作真的就是由某一个人他的一个人一己之力把这个行业往前推动 ， 就有点像比如说你可能在更传统的这种工程 ， 比如你造个水电站或者造个大飞机 ， 你不可能一个人这个把它造出来 ， 它肯定是一个工程 。

是团队 。

对 ，是个团队或者说是一个大系统 ，但是在计算机这个行业里边还有一点点这种工匠的这些 ， 就很像这种古代的大侠这种感觉 。

也有点像牛仔的感觉 。

对 ， 就像你可以通过一己之力去改变很多事情 ， 所以这也是我非常着迷的一个地方 ， 尤其这种在开源社区和这些比如说计算机历史的一些重要节点上， 你经常会看到这个 pattern。

你可以结合你自己的经历讲讲 ，因为你小学三年级开始变成的嘛 。

是的 ， 我很小 。

就是从小学三年级开始 ， 比如说哪些人。

人在影响我们 。

对 ， 哪些人让你就是有了这种感觉 ， 或者说对你启发还挺大的 。

第一个我现在脑子里突然 pop up 的名字是那个 Wozniak， 就是为什么不是 Steve Jobs， 苹果的 co-founder， 就是真正去做这件早期的这个 Apple II 实际那个 engineer， 我觉得他对我的这个鼓励或者说一个启发吧 ， 就是首先做东西是一个很好玩的事情 ， 我觉得他的一些人生态度和他的这个 engineering 里边找到乐趣的这件事情是我感同身受的 ， 就是首先你要做这件东西一定是它是有趣的

， 我觉得 Wozniak 的这个人他就是这样 ， 就是一直都是在很 enjoy 造物的这个快感 ， 至于到最后苹果是个变成多大 ，因为其实里面有一个很有意思的细节 ， 就是就问他他的理想是什么 ，他理想就是说我要去回到一个小学里做一个五年级的计算机老师 ， 就是去把这些比如说跟小朋友一起去做一些好玩的事情 ， 对 ， 我觉得这个对我影响特别大 ， 就后来我

一直都好玩是最重要的 ， 这件事情一定要做得非常有趣 ， 然后 。

他也是业余教小学生 。

也挺有意思的是我也非常喜欢教小学生 ， 我觉得我小时候就是缺一个像我这样的老师 。 第二个其实对我比较影响特别深的 John Carmack， 第一个让他成名的事情是 Doom 一个游戏 ，DOM 是一个有点像 FPS 的开山鼻祖的这样的一个游戏 ，他首先是这个游戏的背后的程序员 ，他是一个大学辍学生 ， 然后但是他写的程序开创了计算机图形学吧 ， 你可以认为 ，他用了各种各样的非常巧

妙的技巧去把就是 Doom 这个游戏给做出来 ， 当时让我第一次我当在读他的代码的时候 ， 我发现了一些非常美的东西 ， 就是我第一次从一个软件里边有看到就像看一个艺术品一样的这种感受 ， 就是哇这个人的这个脑子居然还能产生这么漂亮的这个东西 。

你是多大的时候 ？

小学到初中， 对 。

你小学到初中 。

对 。

从软件里看到了一个世界 ，而且是小学的时候 。

其实我觉得越小越没有老师去引导你 ， 你越能发现这些东西 。

你可以简单给我们听众描述一下他创建了一个什么样的世界吗 ？

首先他的这个外表展现就是一个拿着一把枪打怪物的一个很普通的游戏 ， 小时候我也玩 ， 当时我们的计算机的这个硬件和软件都非常受限嘛 ， 可能这个 90 年代都是很琢的什么 386 这种电脑 。

你小学是在一个什么电脑上看到他的代码 ？

就是

我想想啊 ， 当时其实比如说像就 PC 上面嘛 ， 就 Doom 本身它是一个开源的一个软件 ， 它里面其实用了非常多编程的技巧 ， 所以就会有很多人去分析它 ， 就经常会被引用一些片段 ， 就包括到现在其实很多一些 geek 的这种项目都会说我在一个什么什么系统上跑起了 Doom， 对 ， 经常会有人拿着那个代码去这个做各种这种分析啊测试啊什么的 ， 所以其实就

是在我的 PC 上看到了就是因为当时我也在学编程嘛 ， 就是会有一些这个编程技巧或者一些 story， 然后就看到了这个他写的这些东西 ， 我说大概的 background 吧 ， 就是当你在一个非常受限的一个环境下， 你怎么去极致的压榨这个 CPU 或者说计算机的这些资源 ， 能够让一些不可能的事情 ， 比如说原来如果按照正常的程序写 ， 它那个画面会非常卡 ，但是通过它的那个算

法或者说那个就是非常优雅的代码 ， 一下这个程序就在这些很琢的硬件上跑得非常流畅 ，但你看到的这些东西其实就是像一些看到数学公式一样 ， 比如 e 等于 mc 平方 ， 哇你觉得哇超简洁 ， 就是这种感觉 ， 它有很多这样的这种 little tricks。

我在想这对小学生是一个什么体验 ， 就是你当时有被震撼你也没有人分享对吧 ？

没有人分享 ， 对 。

就是你就是自己被震撼 。

但也不能算完全没人分享吧 ， 那时候其实我已经开始接触开源社区了 。

你是小学接触开源社区的 ？

我是初中， 我小学开始写代码 ， 对 ， 小学三年级开始写程序 ， 对 ， 就自学 ， 所以刚才开玩笑说我编码能力的巅峰是在高中， 因为那时候精力无限 ， 就是反正天天熬夜也不会觉得疲劳 ， 第二呢就是因为没有像上班啊或者说一些条条框框的限制 ， 你可以实现各种各样的想法 ， 甚至一些就是非常非常奇怪的想法 ， 你就可以非常沉浸于这件事情 ，但后来

比如说你长大了以后工作呀什么什么 ， 那老板告诉你做这个 ， 或者说你的公司创业要做这个 ， 就后续这个像一个画家一样自由画画的这种机会就少了 ， 直到后来 Cursor 这个 Copilot 出现了 ， 我感觉又焕发第二春了 。

焕发了编程的第二春 。

还有一个我觉得最近几年对我影响特别深的人是那个 John Cage，他跟前面两个程序员不一样 ，他是个音乐家 ，他其实是这种现代的这个你可以认为现代音乐之父的一个人吧 ，其实就是放弃到所有西方的调式音乐 ， 然后开始用一些无调性和一些实验音乐的鼻祖 ，他的身上我是看到了一些就是你可以打破规则 ， 就有点像这个世界可能很多人告诉你固有是这个样子 ，但是我

可以说偏不 ， 我自己这个从另外一个方向它可能能发展出一个这个更大的这个世界 ，而且另外就 John Cage 他受到很多东方禅宗的影响 ，以及他本身也是个特别 nerd 的人， 虽然他是个音乐家 ，但是他另外一个身份是一个蘑菇专家 ， 我觉得很多时候就像刚才说的艺术更重要的是故事 ，而不是这个艺术品本身 ， 尤其是像这些当代艺术或者说刚才我说的实验性的这些

东西 ， 或者说它的形式 ， 它的形式里面也包含它的故事 ， 就是我为什么要这么做 ， 所以你去看那些实验音乐的曲谱 ，其实也是有曲谱的 ，并不是让你瞎搞的 ，而是这些曲谱背后会告诉你第一这个音乐怎么做出来 ， 第二以及背后这个作者是为什么要这样 ， 这部分其实更关键 。

你们在自己的编程中有尝试过这种打破固有规则的一些做法吗 ？ 包括还取得一些成功的 ， 比如说 PingCAP 的一些产品里面会有这种东西吗 ？

我觉得还挺多 ， 就像刚才 Oracle 那个他举的例子 ， 就是在过去吧 ， 就是数据库这些开发者大概有两个门派 ， 我也是跟气宗剑宗那个有点像 ， 我们是属于完全没有做过数据库的人， 我跟刘琦还有我们几个早期的员工 ， 大家都没有做过任何传统意义上的数据库软件 ， 这个是我们做的第一个数据库的软件 ， 我觉得更多是以前我们不知道还有这

么多条条框框 ， 我们就按照我们的想法去设计了一个系统 ，但后来这个系统越长越大了以后， 发现它超出了很多人以前对于这样的系统的这个固有的认知 ， 就有点像造一个汽车 ， 我们其实一开始就选择了电动车这条路线 ，但是呢你想这个汽油车这条路线已经发展了 100 年， 然后所以有很多做汽油车的人是根本看不上我们做的这个东西的 ， 就说

你们这帮野路子 ， 就早期的时候啊 ， 就包括我们自己去招聘的时候 ， 最早我们说我们要做这么这么样一个系统 ，99% 的生意都是说肯定做不出来 ， 然后这个第二做出来好像也没人需要这个东西 ，因为为什么你要这么设计是吧 ， 这个世界上哪有这么多数据让你存 ，但后来十年之后现在来看很多的这些这个看上去有点离经叛道的 ， 就非主流的选择

， 就让我们似乎走到了一个正确的道路上， 反而是那些可能在传统的数据库领域它的路会越走越窄 。

你们居然都没有做过数据库这个 。

我们都没做过数据库 。

我有点意外 。 那回头看就是你们都没有做过 ， 这是你们做的第一个数据库 ， 然后它经过这么多年的迭代 ， 它还是一个很扎实的基础 ， 很稳定的系统 。

这是我非常自豪的事 ， 就最早的那些设计都非常对 ， 一直到现在 。

所以这是为什么最早没做过这件事情 ，但最早的设计能做得非常对 。

其实就在我们刚才的对话里面 ， 就是我们一开始思考了很多那些最底层的规则 ， 我觉得就像一个这个社会一样 ， 比如美国是吧 ， 你看到现在其实美国的这个还是三权分立 ， 这三权分立是从美国建国的时候就开始的这个 system， 我们在设计这个软件的时候最早也是花了很长时间在去思考这些 permissive 这些原子的语义 ， 该怎么去定义这个就是那首诗 ，但

那首诗不是随便写的 ， 那花了很长时间想了很多很多东西 ，而且除了这些定义这些规则以外 ，也想清楚了我要去 follow 这些规则的情况下我要牺牲掉什么 ，其实这个点也是非常重要的 ， 就是当你不知道你的系统你要牺牲掉什么的情况下， 你的系统就相当于你其实没有特别想清楚 ， 所以其实我觉得我们的正确的地方在于早期这些规则怎么设计这

些规则以及重要的东西是什么 ， 后续的很多事情就是只要你不要破坏这些规则 ， 你在上面怎么搞你都不会把这系统搞死 ， 然后公司的这个运营也是一样的 。

你们真正发展起来是在这五年的时间吗 ？

对 ，但你可以认为前五年都在写代码 。

就 15 年到 20 年中间主要是你们真正有大客户 2020 年之后了 。

海外大客户是 ， 对 。

中国大客户发展呢 ？

中国都可能 17 年就有了 ， 我们第一个银行的客户就是 17 年的时候 ，其实那个时候正好也赶上这个国产化什么的会有一波契机 。

你们现在国内客户跟国外客户占比是怎样的 ？

七成是海外的 。

你们什么时候意识到在国内做这个生意是很难有真正的客户的 ？

但也不能说很难有真正的客户 。

成熟的真正的大客户 。

说实话呀 ， 就是 day one 我们就想就这个东西就一定得是一个国际化的东西 。

但是你们出海是 17 年左右才出海的 。

那你要看这个出海的这个定义是啥 ， 或者说头两年我们本身也没有时间肉身去做 business。

刚刚你们说你们从 15 到 17 年还是 15 到 20 年整个都是开发过程 。

对 ， 基本都是开发过程 。

就前五年嘛 。

是的是的 ，因为你想 17 年的时候我第一次来真正在美国 set office， 那个时候你可以认为 TiKV 也就刚刚这个东西能运行起来 ， 你离做企业客户还有一定距离呢 。

那整个公司发展过程中有什么地方是超出你之前预期跟想象的吗 ？

如果从软件工程上来说的话 ， 就是云原生这一块 ， 想到了这个方向 ，但是这个路径之前走了很多弯路 ， 一直到我觉得到 22 年的时候才算是终于走对了这个 cloud native 的方向 ，因为很早之前我们就决定要做一个这个云服务的公司 ，因为作为一个卖数据库的软件去卖 ， 我觉得在中国在美国其实都不是一个特别挣钱的生意 ， 如果你要把这个东西变成一个可持续

的生意的话 ， 我觉得要把卖软件的思路变成卖服务的思路 ， 就是云服务的思路 ， 所以这个里边其实这三年也是在转型 ，因为我们国内过去大客户基本都是卖软件 license 和服务的这种模式 ，但这种服务的这种形式有种种问题吧 ， 所以我们看到了这个从售卖软件到售卖服务的这个转型 ，但是呢在实现的过程中踩了无数的坑 ， 我们最早对于

云的理解就是我直接把一个这个数据库软件在云的服务上部署一下， 然后最后按照这个你使用时长给你计费不就完了吗 ， 这个远远不是这样的 ， 这个是我们第一版实现 ， 这个成本你是做不下去的 。

实际上由于对底层的优化不够 ， 然后你的消耗会很多 。

是的 。

就你要付很多钱给云厂商 。

我举个这个更好理解的例子啊 ， 如果给你一栋楼 ， 你来去做一个类似酒店的这个服务的话 ， 你会发现你把这个楼盖成酒店一个个房间的这个形式 ， 一定比比如说我这一层装修了一个大房间 ， 然后就给一个人去住 ， 比这种就是一个个出租的形式 ， 一个个大的房间 ， 或者说像 apartment 这么出租的形式要更加赚钱 。

你们当时设定里是不是有一天想做云啊 ？

我们第一天就想做云 。 证据是你看我们这么早就开始去做 Kubernetes 的那个整合 ，KBIS 就是那个云原生的 operating system，其实在最早我们是没想 ， 确实没有这么远大的 vision，但是呢在应该是 18 年开始 ， 我们觉得完全拥抱 cloud infrastructure 这个可能是未来 ， 就那个时候开始再去做 prototype 了 ， 只是没有让所有的团队都去参与这件事情 ， 这么说现在做数据库有两个路径 ， 一个路径就是我把底下的

这些每一台计算机连在一起 ， 让它组成一个超级计算机 ， 这是我们过去做数据库的方式 ， 就是那首小诗里面写的 ，但是呢大概在 2018 年的时候 ， 就是我们有一个特别大的转变 ， 就是觉得底下的这一层计算机的连接和我不用看到每一台计算机了 ， 我看到的只是云就够了 ， 比如说云告诉我一个 API 叫做买服务器 ， 或者说云告诉我有一个存储

的像 S3 一样的 ， 或者 DynamoDB 这样的东西 ， 我就假设云给我提供 ， 就像自来水 ，以前我都是自己打井 ，但现在我假设我家里有个东西叫水龙头 ，2018 年的时候我们决定了未来每家每户都有水龙头这个假设 ， 所以这个可能是一个更大的变化 。

然后你们做了什么 ？

然后我们就把我们的内核重新写了一遍 ， 就是我们现在刚才给你看的那个就是 personal data， 我存我个人数据在云上的那个引擎 ，其实底层的这个存储引擎跟它跟开源的那个 TiKV 是不一样的 ， 它是一个纯云原生的引擎 。

它这个存储在哪里啊 ？ 以前你们那个存储在哪里 ？

以前那个存储在每一台计算机上， 就是组成这个集群的计算机上 ，但是呢现在刚才看到那个它的底下的存储是在云上 。

所以刚刚你说 surprise 的地方是这个 。

是 ，因为成本差太多了 。

所以你们不会做最底层的事情就云服务上 。

对对对 。

你们还踩了什么弯路啊 ？

还有国际化的弯路啊 ， 一开始的时候我们为什么说我们是一个在北京的硅谷公司 ，因为那时候正好是全球化我觉得最火热的时候 。

对 ，15 年 。

15 年是的 ， 然后 17 年贸易战开始了 ， 这么说吧 ， 之前我们一直有一些幻想 ， 就是说我可以人肉在国内去做一个出海 ，但是后来我们觉得所谓的全球化其实是在不同地方的本地化 ， 如果你不真正在那个地方去做一个 local business， 你很难站在一个以中国为基础的视角去输出什么东西 ，因为人家也不需要你的输出 ，而是希望有一个这个希望你是一个 local vendor 去提供理解他们的这

个服务 ， 所以在这个 mindset 的转变上我们犯了很多错 ， 比如说团队的人选 ， 比如说合作伙伴的选择 ， 比如说我在什么样的这个云服务上去作为这个地方的这个服务 ， 都犯了很多问题吧 ， 就比如说举个例子 ， 一个公司要不要有一个团队叫出海的团队 ，不需要其实 ， 对 ，因为出海那意味着你的这个屁股还是在中国 ， 你是在往外出 ， 后来我们其实是把这个

模式变了 ， 变成日本是一个公司 ， 东南亚 APEC 是一个公司 ， 美国是一个公司 ， 每个公司都有自己的 CEO、CTO 和它的这个 local 的一些人员 ，但是你又想那这个不就是有很多冗余啊 ， 或者说一些这些公共的资源是不是好像浪费了 ，但我们的实际体验就是你花掉的这个达成共识和这个沟通的成本 ， 甚至会比你去拉通得到那份资源的这个节省出来的资源可能要更多 。

所以你们现在有两个 CEO、 两个 CTO？

每个 region 都有 ， 每个 region 都有 ， 每个 region 的 GM 就是这个 region 的 CEO， 比如说美国就是这边的这个商业决策你们来定 ， 商业策略你们来定 ， 比如上周我刚开完我们的那个这个美国的这个 sales kickoff， 就是今年怎么卖怎么样战略 ，因为我们 4 月 1 号开年， 所以呢就相当于每一个这个 region 的 CEO 你要负责这个 region 的战略和规划和资源 ，而且我可以这么说 ， 每个 region 的打法

都完全不一样 。

那你们现在就从一个软件公司变成了一个售卖云服务的公司 。

是的 。

那如果说第一天成立就是以这个为战略目标 ， 结果会不一样吗 ？

那会不一样 ， 非常不一样 ， 我觉得一个特别好的例子就是 Databricks，Databricks 在这个问题上想的就非常清楚和坚决 ， 就是它是做那个数据分析和那个云上的数据仓库的 ， 就它其实是一个在开发者社区里边很 popular 的一个开源软件 ， 你也可以认为是一个数据库 ，但 Databricks 这个公司它的想的是非常清楚 ， 就是说我不要去售卖 Spark license 或者软件专业服务 ， 我就应该做一个云上的纯

云原生的数据仓库 ， 所以在这点上它非常坚决 ， 从 day one 开始它就是完全长在云上了 ， 它也不会说因为我有个大客户它不想用云 ， 它这种情况它宁可不做 。

它是转变所有的云上对吧 ？

对对对 。

那这种事情大厂自己不再做吗 ？

那你就想这个也是我问他们的这个 founder 第一个问题 ， 就是大厂你怎么竞争呢 ， 你看你连开源软件 AWS 它也能提供 Spark， 为什么就大家用你呢 ，其实这个东西的答案也很简单 ， 大厂在做这件事情的团队你去看那几个人， 比如说像 AWS 做 Spark 那个服务的团队二三十个人， 比如 Databricks 那时候可能五六百人了已经 ， 我五六百人打你一个二三十人那不是轻轻松松

，而且对于 ToB 的这种企业来说 ， 你的企业客户他在做选择的时候他是一个理智人 ，他是一个理性决策 ， 就是他不会因为你的这个广告多一点 ， 或者说你这个 AWS 的牌子好一点我就不做任何测试我就去选你了 ，他肯定是要把主流的这个 Tier 1 的方案都试一圈 ， 然后再去看总体的价值 ， 最后你一看发现因为其实 Databricks 也算是 Spark 的官方嘛 ， 然后这

个官方对这个东西的 roadmap 也有掌控力 ， 第二呢你的服务又好 ，因为毕竟我人多嘛 ，他一定就会选择这个服务更好的 。

但中国长得出 Databricks 对吧 ？

中国长不出来 。

是的 ， 我觉得你刚刚说的那个理论只在美国成立 。

对 ， 只在美国成立 。

那你们会怎么反思你们这一次的战略调整 ？

我觉得刚才第一个反思就是全球化就是更好的本地化 ， 这是一个反思 ， 所以为什么后面就说我相当于我跟我们 CEO 就直接搬到美国去了 ，以一个作为美国的这个 local 的这个团队去看待整个这个业务和公司的文化应该怎么去做 ，其实包括像我们在组织上面也会跟那个外籍员工吧 ， 我们有一个原则就是当你一个新的这个员工加入 ，不管你是哪个地方的 ， 你看到这个

公司的文化它应该是符合普世价值观的 ， 就它是一个大家一看觉得 no surprise， 这是一个 global company 应该有的这个工作方式和文化 ， 我觉得中国文化很多时候是高上下文的 ， 就是假设对方了解很多东西 ，但其实这个跟很多国家的这个沟通方式做 business 的方式是完全不一样的 。

刚刚讲到你觉得中国为什么不能诞生自己的 Databricks， 你觉得主要原因是什么 ？

我觉得现在基础设施还没有准备好吧 ， 几方面 ， 第一是我觉得 cloud 的 infrastructure 能给钱的客户对于云这件事情的这个拥抱还没有 ready。

对 ，他们比较喜欢计划部署 ， 中国的大客户 。

是的是的 ， 我觉得这一点其实就阻碍了很多新的商业模式的这个产生吧 。

所以其实中间你们有一段时间融资不顺其实也是跟战略转向相关对吗 ？

我觉得一是大环境 ， 第二就是我们也不需要融资 。

你们什么时候开始赚钱的 ？

怎么说呢 ， 一直都在赚钱 ，但是并不是说这个盈亏平衡啊这些事情 。

Break even 什么时候 ？

我觉得想 break even 其实是一个战略的决定 ，而不是说对对对 。

你可以自己去看那个节奏 。

是是是 。

所以现在公司是盈利的 ？

现在倒也没盈利 ，但是我可以无限的活下去可以这么说 ， 基本上如果看这个趋势的话 。

因为你们有一个不错的现金流对吧 ？

是是是 。

是有一个不错现金流的状态 。

是的 。

你们想把公司最终打造成什么样子 ？

当然这个说起来有点大 ，不怕你们笑话 ， 想要去做这个全世界最受人尊敬的基础软件公司 。

你觉得在此之前全世界最受人尊敬的基础软件公司是谁啊 ？

目前好像还没有这样的一个特别 。

对 ， 最受人尊敬的 XX 公司有很多 。

是是 。

没有这样一个公司是因为大部分人并不了解基础软件有哪些公司是吗 ？ 是因为基础软件公司的知名度就都比较低 。

是的 。

而且基础软件公司很难会 ， 一个 ToB 公司很难追求最受人尊敬 。

那我们可能比较奇怪 ， 就是我们就是非常喜欢被受人尊敬 。

对 ， 尊敬是指什么 ？

就是第一 ， 你的产品肯定是能够帮助到大家对吧 ， 就是我觉得赚钱肯定是一方面 ，但是更多的是你能够对这个社会产生多大正面的影响 ， 这个其实是我对自己做的系统的一个衡量 ， 比如说我觉得一个很成功的一个例子就是 Linux，Linux 可能你站在这个李纳斯的角度它没赚到什么钱 ，但是它至少对这个整个 IT 的这个行业的影响我觉得是非常非常深远的 。

受人尊敬和赚钱哪个优先级高 ？

如果你从公司的这个愿景来说那肯定是受人尊敬高呀 ，因为我是觉得受人尊敬你一定就是在这条这个商业路径上的 ， 比如说你创造了一个 10 万亿的社会价值 ， 你再从中赚个 1000 亿我觉得是很自然的 。

我觉得你的很多想法 ， 或者说你们整个团队的核心团队的想法和追求的事都还挺古典程序员的 。

非常古典 。

非常复古啊 。

是是是 。

上个题最受人尊敬的是马化腾 。

是吗 ？ 这样 。

那腾讯的回旋就是成为最受人尊敬的商业公司 。

挺好挺好 ， 当然我这可能太程序员了 ， 我这很多的观点都 。

我觉得底层还是你们希望给这个社会带来更多更大的价值吧 。

是的 ，impact。

对 ， 你们这个愿景比我想象中还是要大一点 。

是吗 ？

我之前过来以为你们就是对比 Oracle 只存在的一家数据库公司 。

是 ， 确实大一点 。

就跟你们出发时候相信的东西是一样的吗 ？ 你们出发的时候是因为看了一个电影 。

对 。

电视剧 。

对 。

然后觉得要为未来的 AI 提供大规模的这个存储服务 。

当然这只是其中一个原因了 ， 第二我们确实也喜欢这个事情 ， 那没错 ，而且还有另外一些原因就是这个系统它本身对于像我们这种古典程序员来说 ， 它就像祖母郎耳疯一样的存在 ， 就是这个世界上最难做的系统 ， 我觉得分布式数据库是最最最难做 。

你觉得组织某种意义上我指组织规模和效率是什么关系 ？ 包括你们会有意去控制这个组织吗 ？ 尤其是 AI 来了之后 。

我不会刻意的控制组织 ，因为很多事情都需要人来做 ， 我只是说我会要求大家 ， 比如说这两年， 因为我判断 AI 一定是这个未来我们能利用的最大的杠杆 ， 杠杆嘛 ， 就是能够让你去提升效率的东西 ， 就是我并不是说像那些天天那些 CEO 天天想着这个 AI 来了我是不是要砍掉 50% 的人， 那不会 ， 我觉得现在还没到那一步 ， 人还是有很多不可替代

的东西 ，但是呢对于比如说优秀的人才来说 AI 它一定是它的放大器 ， 它能去干就是更多的这个就是你想象不到的事情 ， 我觉得这个还挺有意思的 。

你们做了什么是为未来布局的事情 ，但短期没有效果的事 ？

我觉得第一肯定是 AI 这一部分 ， 就是做了很多就是预言啊投资啊这些事情 ， 很多时候我觉得有一个难点就是当你看到这个是一个非常巨大非常有 impact 的这个方向 ，但你具体每天在底下组织团队里边每一个人他在做的这些事情 ，他就没有办法这么的去拥抱 ，因为就有点说这老板天天在说这个 ，但我日常的工作好像对这个东西也没有太多的帮助 ， 或者经

常有什么错的什么的 ， 我也理解 ，但是呢我还是希望吧 ， 就反正我现在最大的这个难点就是不停的一遍又一遍的通过各种各样的方法各种各样的场合去让大家能够用正确的 mindset 来去使用 AI，因为现在很多人我不知道有没有这种感觉就是对 AI 是有敌意的 。

你们公司应该没有吧 ？

我们公司也有啊 ， 当然很多呀 ， 就是我经常推一些事情然后底下的同学调研了一圈来说这个东西效果不行

， 你有没有好好调研 ， 反正很多时候我其实心里是有个答案的 ，但是呢你会发现就是我觉得任何组织都会存在这个问题 ， 很多人会为了证明自己多少有点人类的 ego 在里边 。

对对 ， 来去挑刺 。

因为我觉得本来也是想跟你讨论那个问题 ， 就是 AI 来了之后我觉得它某种意义上好像是有助于那种古典程序员的工作方式回来的 ，因为以前其实随着软件行业的发展就到后期有一些软件也是非常复杂 ， 就是需要很大的团队来一起开发的 ， 比如说可能自动驾驶就是这样一个例子 ，有些比较复杂的系统 ， 那现在就是变成了可能一个很有想法的人然

后加上 AI 的帮助也许他的战斗力会比一个小团队甚至都更好更灵活 。

我超级同意这一点 ， 包括我自己使用这个 AI 的工作经验就是这样的 。

对 ， 我就想知道你是怎么来用的 ， 你自己的工作发生什么变化 ， 然后你们公司层面用 AI 是怎么用发生一些什么变化 ？

我觉得有一点就顺着刚才那个问题遇到什么困难 ，其实我觉得第一个站在一个程序员的角度用 AI 来说你不要对自己设限 ， 这个是最大的一个你要克服的东西 ， 比如说我是一个做后端的这个工程师 ，但是呢我其实以前也做过前端 ， 我甚至做过 Windows 客户端 ， 我还做过 iOS 客户端 ， 我还做过这个就是 Web 什么写 JS 我都干过 ，因为我学习编程的这个时候因为

很小开始学这个嘛也没有老师 ， 所以我都是根据我要干嘛来去决定我要学什么 ，但是有很多科班出身的这些工程师他就说我的工作的 background 是这样 ， 我就是一个后端我就是个 iOS 程序员我要去转型 ，其实在我看来就像你刚才说的这种古典程序员里边尤其这种 hacker 他其实没有什么转型艺术 ， 就是不要对自己设限吧 ，以前不对自己设限你的代价就是你得去学

所有东西 ， 所以你得去快速的学习 ，但现在有 AI 的帮助你的这个学习效率变得很高 ，而且 AI 可能会比你更加知道这些细节是什么样子 ， 所以对你的这个个人来说更重要的是你要有信心你能完成你的目标 ，其实我觉得这是第一个特别大的转变 ， 就是你要能够发现问题能够去动手做我觉得这是最重要的其他的都不重要 。

那其实意图就变得很重要 。

对 ， 动机变得很重要 。

动机 。

对 ，以及发现问题的能力 。 当然其实还有一些包括用 Cursor 和一些这种 AI 编程工具的一些问题吧 ， 就是它在一些真正复杂的系统或者说一些很新的库 library 一些很复杂的这些场景它还是不行 ， 还是需要老司机 ， 这是第一个它的限制 ， 另外一个这个它搞不定的事情就是它没有办法告诉你一个你不知道的东西 ， 比如说我要做一微信 ， 它没有办法说根据你这一句我要

做个微信的提示词帮你去把这个整个路径给做出来 ， 这意味着你作为这个 AI 的工具的使用者你得大概知道怎么去评价它的工作 ， 你得知道我第一步应该选什么样的库第二步应该我要做什么样的架构 ， 你可以不了解细节但是你这个大方向你得搞懂 ， 如果你大方向不懂或者说你没有办法去判断它选的方向的话这个 AI 一定大多数情况都是走

错路的 ， 所以我觉得这个是第二个这个体会吧 ， 所以我现在的这个工作方式就是我会跟这个 Cursor back and forth 讨论 ， 就比如说设计文档路径该怎么怎么怎么做 ， 甚至把这个项目的这个代码的框架都已经写好了 ， 剩下就让它做完行填空就行 ， 这个是效率比较高的 ，但是所以为什么我不看好像什么 Devin 啊这些就是甩手掌柜式的 agent， 你的 first shot 生成

错了你后面就一直都在错误的方向上 。

你怎么看最近硅谷很热的 Vibe Coding？

我很喜欢 Vibe Coding 啊 ，但是就像我刚才说的就是 Vibe Coding 它只是在一些你的大框架这个 。

比较完备 。

比较完备清楚 ， 第二呢你能评价 AI 的工作的时候 ， 就很多人 Vibe Coding 它是没有办法评价 AI 生成的东西的 ， 这是很危险的 。

那一个没有编程经验的人 ？

不行 ， 绝对不行 。

不行 。

绝对不行 ， 对 。 你就别看现在推特上老是吹什么三岁小孩这开发了一个什么游戏什么的 ， 这全是扯我觉得 。

对 ，因为你刚才在讲就是你用这个 Cursor 的过程包括你说 Cursor 让你换发编程的第二春 ， 我就是在想这有一个你自己的经历在这里 ， 你已经有 30 年的编程经验 ， 然后你用它你觉得如鱼得水帮你节省很多时间 ， 那对于一个成长中的工程师或者程序员来说 。

我觉得完全不行 。

你觉得这会毁灭他的职业生涯吗 ？ 如果他一开始就一直用这个东西 。

我觉得如果他是一直 Vibe Coding 他不学习绝对不行 。 我举个简单例子大家都有体感的 ， 比如说像 DeepSeek 最近不是他那个开源之后开源出了一堆那个 AI infra 的东西吗 ？

就是在美国这些做基础软件或者做这些 system 的 engineer 现在越来越少 ， 尤其在这种这个创业公司里边 ， 你可以认为现在这一代美国硅谷最 hot 的创业公司里边的这些工程师他的底子是没有比如说 DeepSeek 那些人扎实的 ， 比如 DeepSeek 很多这些优化我拿去问比如像一些我就不说哪个公司了 ， 就是反正你能耳熟能详的这些 top tier 的 AI 公司的 infra 的这种 manager 我问你这怎么看 ， 然后对

方回答 like magic。

可是 OpenAI 的 code 又看不见 ，但它好像开源过 infra 的东西 ， 它很早就开源过 。

很多东西你不用去看它的代码 ， 你去看这个人他知不知道这个方向以及比如说很多时候你内行看门道你跟他聊三句你就知道是一个非常扎实的系统工程师能够做出来的东西 ，但很多这些东西在美国的这些年轻的 startup 这些人不是说美国没有 ， 很多这些人他其实可能在大厂里边干了二三十年这样的比如说 Google 的这些老工程师 ，但是你在这种新的这个 startup

里边 。

你当时那个硅谷朋友有形容他为什么像 magic 吗 ？

就是因为他不知道 ，他觉得这个人就为什么工程师要去搞到这么细的这个地方去抠他这么底层的效率 ，在云上或者说我在 OpenAI 我不就是多采购一块显卡的事吗 ？

但是其实 DeepSeek 的工程师也是非常年轻的 。

这就是不一样的点 ， 就是我觉得中国的这些包括我们自己其实平时招这数据库的 engineer 你看我们的这个人才的构成也是非常年轻的 ， 我觉得中国在过去的 10 年 20 年吧这些互联网公司快速发展然后比如说阿里头条字节他们面临的这些 system 层面的问题其实是比美国要多的 ， 对 ， 然后这些经验其实都是滋养了这一代这个 engineer。

就是他是有一个真实的大的需求驱动 。

是的 。

然后有这样一代工程师 。

而且我觉得不管怎么说中国的这个教育但至少这些基础的这些计算机基础的教育尤其是一些比较热爱编程的小朋友的基础的这些基本功还是非常扎实的 ， 你看现在很多美国的学校都不学 C 了 。

C 语言都不学了 。

C 语言都不学了 。

直接学 Python 吗 ？

直接 Python 直接就 Java 对吧 ， 你跟他说指针他指针是啥 。

你总体觉得你们美国招的本土工程师整体是不如中国的对吗 ？

老实讲我在美国我不知道写特别低调写 code 的工程师 ， 我只知道 manager 和 PM， 我希望用到就是美国的这些老司机的经验以及他们去看待产品的这些视角 。

中国会出现 Ilya 这样的人物吗 ？

我觉得很难啊 。

对 ， 就像大家讨论中国也不会有马斯克一样对吧 。

对对对 ， 就这种从 0 到 1 的创新我觉得现在可能还早 。

但你刚刚说推动人类进步的那些像群星闪耀式的人物没有一个是 。

是啊是啊 ， 这个很遗憾 ， 我们努努力看看能不能这个搞一搞 ，但现在我觉得中国可能更强的还是这种工程化 。

那在 AI 时代中你们就是 PingCAP 做的事情会有什么不一样吗 ？ 你们整个架构要重新用 AI 的方式写一遍吗 ？

肯定我不会用 AI 重新写一遍 ，因为我是觉得我刚才那些 。

你觉得你适应这个时代的感觉 。

对 ， 我那些 philosophy 我觉得在 AI 的时代还是受用的 ， 就是前面最早最早那些 philosophy，但是呢要做好一个准备就是你要把你的用户从程序员或者说从这个一个软件的开发者转换到如果你的用户是个大语言模型或者是个 AI 他会怎么期待一个数据软件 。

你的用户有可能会是个 agent。

是的是的 ， 对 ， 我是有一些这样的这个现在在做的一些工作 ，但现在还没有发布所以不太方便说 ， 只能说从这个问题的角度开始思考就是 AI 需要什么样的存储和数据库 。

你讲一下简单讲一下一些思考点吧 。

比如说你要去给这个大脑实现一个 memory 这个记忆层 ， 首先你得放弃掉一个事情就是你不能给它太多的限制 ， 这个限制什么意思呢 ？

就是有点像以前我们做数据处理的时候经常说我要给我要做一个报表 ， 我要做一个 ETL， 我要做一个这个比如说归纳总结 ，其实你去看现在的很多公司里边的数据团队包括什么运营团队他天天在做的事情就是我把运营数据然后翻来覆去的整成这个报表然后给老板看对吧 ， 我发现如果在未来在 AI 的这个时代消化数据的方式你不要再像人类这

样就自作聪明的帮他再处理一堆 ，也不用做什么数据仓库数据处理 ， 最好的办法就是对你把原始数据给他 ， 让他用一个很灵活的接口来去能够访问到你的原始数据 ，他能够给你提供的价值一定比你自作聪明再去做一层封装要更好 。

我举个简单的例子 ， 比如说我以前经常看那个 Salesforce 我们公司这种 Salesforce 我们可能有好几个同事的工作就是全职过去啊全职去帮助这些包括我啊高管啊这些说我有个什么需求你给我跑一个 report 报表什么的 ，但现在我其实完全不用我可以看看我的自己做的一个 agent， 比如这是一个小小的例子吧 ， 比如说我就会直接问我上一次跟我这个客户开会是和谁这个啥时候

，他会告诉我是跟这个 ， 然后我给他说我的公司的一个销售的名字 ，他会告诉我这是他的最近的三个月的 。

如果你要把它变成一个真正好用你不写程序是不可能的 ， 所以为什么我会刚才会有一些这些 insight 就是你可能有时候你产品真是做多错多 ， 就像刚才这个得到这样的效果我其实没有做任何的数据处理 ， 你想像这些报表以前都是我的这个 operation 的同事在给我做的 ，但现在我的界面交互界面就不是数据分析师了 ， 就是大语言模型 ， 所以其实这些

数据是大语言模型在我的底层的数据库上现查的 ， 我发现效果最好的就是我直接把原始数据放到我的数据库里然后让那个 AI 这边直接写 SQL，因为 SQL 是一个很灵活的语言嘛 ， 你可以让它而且像刚才这些都是简单的有些更复杂的就是它会自己生成数十条 SQL 不停的去对你的这一部分数据翻来覆去的分析之后给你一个 insight。

所以 Salesforce 这种软件服务供应商意图会怎样 ？

所以我觉得 Salesforce 当然很重要啊 ，但是呢最后如果它能变成一个很好的 data provider 就行了 ， 比如像我这个东西的实现方式非常简单粗暴 ， 就是我在这里直接调用了那个 Salesforce 的 OpenAPI，其实这就是 Salesforce 的这个 OpenAPI 的这个调用然后把它的最近的一段时间的 event 拿出来写到数据库里 ， 这个数据库的定义就在这儿 。

这是我自己写的这个一个 weekend project 就没什么太难的 ， 任何人都可以写 ， 只是你有没有办法去第一找到正确的实现这个东西的路径 ， 第二呢有没有发现这个问题 。

所以按照这种新的消化数据的方式这种中间的这种 CRM 公司都可以被取代 。

是是是 ，而且你看现在我已经对不能对每一个销售都了如指掌了 ，因为销售团队大了嘛 ，但是我永远可以通过不同的维度跟我的大语言模型来去 back and forth 的去分析这些人的工作 ， 过去你想这些我提一个需求可能三天以后给我一个报表 ，而且我可能我提完了这些需求我发现我要的不是你给我的这个 ， 那又得有三五天 ， 所以至少我这个工具帮我提升了很多

效率 ， 然后但我刚才说的一个很重要的问题就是你怎么发现这些需求或者提正确的问题 ， 我当时给我的问题就是我非常的讨厌 Salesforce， 我不想看 Salesforce 你知道吗 ， 这是我的核心的真实痛点 ， 所以我就相当于我自己我要去写个程序来去利用大语言模型帮我去搞定这些事情 。

我看了下它市值是 2270 亿美元 。

对 。

就未来大家不需要它那么复杂的服务跟收费产品了 。

所以为什么我觉得做 database 不会失业呢 ？ 就是因为你其实你大语言模型要跟你产生关系一定得通过你的 personal data。

那普通公司普通人呢 ？

一样的 ， 就这么说吧 ， 我现在还有另外一个你刚才说我的产品上要对 AI 做的时代做什么样的准备 ， 我现在我的基础设施是可以给全世界每一个人提供你自己的就是 personal database for free， 就应该是免费的 ， 每个人的 data 把你一生的数据存起来就应该是免费的 ，其实这数据也没多少 。

对 。

对 ， 比如现在我自己的 personal data 全都在里边 ， 只是现在这个东西还太过于这个工程师了 ， 比如说飞书的记录微信的记录其实全都在这个数据库里边 。

这个数据库是在云端还是你自己 ？

云端云端云端 。

在云端 。

对 ， 就实时的 。

实时的实时的 。

全是实时的 ， 对 ， 然后我的 email 也在里边 ， 所以每个人都会有自己的 personal data， 比如说像他的一天的这些基于时间作为一个维度的流 ， 比如今天下午你跟同学聊了这些东西其实你的随身的这些 agent 就会 。

对 ， 都可以直接变成一个这个结构化数据 。

那就是可以记录一个人的 24 小时 。

都可以 ， 我自己做了一个小的 device 但是我没有带在身边 ， 就是有点像一个这个树莓派然后挂在这儿 ， 那个大语言模型其实现在很多多模态的语言模型吧 ， 你其实就让它每隔五秒钟拍张照 summary 一下 。

我之前很早之前见过一家硅谷公司就做了也是一个华人开发的 。

太多了 。

它是可以一天 24 小时把所有的对话都录音的 。

现在有好多这样的 。

你直接语音调用你就可以把那个音调出来 。

对 ， 我觉得这个是 。

那公司破产了啊 。

对 ，但这只是它的生不逢时吧 。

你自己做的那个设备是一直录音然后五秒每五秒拍一次照如果你在 。

对 ， 拍一次照片 ， 对 ， 拍一次照片然后让它总结这个照片里面有什么东西 ， 然后按照一个特定的格式总结出来写到数据库里 ， 写到我的数据库里 。

最后呈现出来是什么样 ？

一个 list， 就是一个 feed list。

你这可能是 AI 最喜欢的人类 。 数据好多数据 。 相当于搞了一个智能眼镜 。

那是的是的 ， 我觉得这个是以前我们看待数据的方式叫做大数据 ， 大数据中间有很多 business 是说我就是把这些 data 做 processing 然后把零散的数据变成一个大的数据 ， 从大的数据的这个分布里边去做一些 insight 的抽象 ， 这就是以前所谓的大数据的这个干的事情 ，但我觉得未来在 AI 的视角上其实就会变成一个非常长的长尾的数据 ，因为以前是这样的零散

的数据是没法分析的 ，但是现在你每个人的 agent 其实是可以帮你分析你每个人的 data， 这个其实是对数据的基础设施包括数据库服务提出了很多不一样的新的要求的 ， 比如说怎么给全世界的人民提供免费的数据库这个问题 Oracle 是不会想的 。

你这个免费的话那这还是有成本吧 ？

是有成本 ，但是我们找到了一个方法能够让这个成本变得非常非常非常低 。

你们找到这个方法这个方法现在是 ？

其实所有的云服务都是这个用类似的思路吧 。

那就是弹性 ？

对 ，90% 的这个用户或者说 90% 的人他的数据都是冷数据 ， 你不会每天都去回忆你三岁的时候在干什么事情 ，其实真正重要的数据也就是最近你的比如说最近 200 条数据 ， 如果你的系统能够 smart enough 去合理的分配这个数据的冷热的分布 ， 这里边的这个利润的空间其实是很高的 。

我举个例子 ， 你现在电脑你比如说你看存储的话你可能能用个百分之三五十对吧 ，但是如果你去看 CPU 的话你大多数时间你的 CPU 都是在浪费的 ， 所以那你说如果我要找到一个方法能够把全世界的这些计算机空闲的 CPU 和空闲磁盘利用起来 ， 那是不是我就能够做一个因为现在这么说吧这个摩尔定律这么多年了 ， 事实上人类造出来的存储设备

和这个计算设备完全能给每个人去服务 。 对 ， 然后成本就能做得很低 。

苹果有在做这事吗 ？

我不知道有没有在做 ，但是我是从一个基础软件的视角我觉得是能做这件事情 。

如果你们有一个这种个人会用的产品而且是一个比较普世性的需求 ， 这好像是你最受尊敬的 。

所以我其实我觉得这里面的策略应该是说我得跟一个这个应用层或者说做 memory layer 的这个 partner 合作 ， 我去给他提供一个 for free 的 database 你就给你任何你想做的客户去做打败你所有的竞争对手 ， 我帮助你成为这个全世界所有 AI agent 的 shared memory 我可以做到的一个事情 。

你们自己为什么不做呢 ？ 为什么要跟别人合作 ？

因为我是 infrastructure， 我是造水管的 ， 我不可能从上到下所有东西都做了嘛 ， 反正我们还是比较自知之明的 ， 我是 database 的 expert 但我并不是 AI 的 expert。

你们这个思路也挺硅谷的 ，因为中国的很多行业里都会倾向于垂直整合吧 。

是 ，但我觉得这不好你知道吗 。

你们还是很水平分工的一个公司 。

是是是 ， 我们是不是有一些 criteria 这个会反映在我们做的技术决策和产品决策里边 。

所以这是你们未来最大的战略中心吗 ？

我觉得算是最大的 ， 至少产品方向上是最大的 ，因为它是整个行业的范式的转变 ，但这个可能跟眼前赚钱的东西不一样 ， 可能这件事情跟我今年甚至未来三年赚的钱都没关系 。

你刚说是整个行业范式的转变具体指的是什么 ？

其实就是看待和使用数据的主体变了 。

就是从一个数据分析师变成了大语言模型 。

从程序和数据分析师变成大语言模型 。

这个事情多少人意识到了已经在发生 ？

我不知道 ， 应该很多人吧 。

对 ，因为做 agent 的人现在也会有一些这样相似的讨论吧 。

做 agent 的人他不是做 database 的人， 就是他现在我觉得有一个很神奇的一个点就是我们其实造出了一堆武器 ， 很多人他不知道这个东西是存在的 ， 然后他就觉得因为现在没有这样的东西所以我们不能做到 ，但现在我的这个烦恼就是我确实造出来这个东西但是呢这个我又不想去把上面这个做了 ， 或者说就算我做了我也不能成为行业标准 。

我觉得你还是挺幸福的 ， 你一方面有个人追求一方面你能通过个人追求实现你想要做的事业 。

对 。

就顺着这个往下聊的话就是回到这个古典时代程序员的古典时代 ， 然后我觉得也有一个东西是在明显的回潮就是开源 ， 当然开源是一直都存在的 ，但是可能对中国的很多公司来说是在 DeepSeek 这个春节崛起之后， 对 ， 让很多人就是开始特别关注到开源 ，但你们是非常早就做开源的 ， 尤其你们十年前 15 年成立的时候我觉得那会儿中国应该没有什么基于开源的成功

的商业公司 。

确实没有 ， 我觉得基础软件它首先这个个人因素是在一方面因为成长的过程中从开源社区里得到了很多东西 ， 最后自己创业的时候可能会优先选择这个方向 ， 第二个我觉得很重要的点就是我们觉得就是做战略嘛 ， 就是比如说你不开源这个事情还能不能成立 ， 我们发现不开源是不能成立的 ， 如果你要获取一个非常好的成功 ， 商业上的成功 ，在我们做的这

个数据库这件事情上不开源是不成立的 ， 反正这个可能是我们自己的结论 ，其他人可能比如 Oracle 他觉得不开源也能成功 。

Oracle 是不开源的 。

对 ，但它是上个时代嘛 ， 反正这个时代我觉得是这样的 。

对 ， 新的一批好像开源确实比较主流 ， 就是在基础软件数据库这个层面 。

至于为什么这个可以展开一期我就不细说了 ，但是我觉得开源它是一个这个战略上的一个必经之路 ，不开源就会死 ，其中最关键的一条原因是 trust，因为你的这种软件太重要了 ，以至于如果你没有给全球的用户一个这个 trust 的基础 ，Oracle 没办法 ，Oracle 已经是运行了这么多年它已经有这个基础了 ， 所以大家就闭着眼相信它了 ，但是呢对于新一代的这些外来者来说开源是一

个信任的基础吧 ， 所以我觉得包括 DeepSeek 也是一样 ， 就是因为如果你想想如果 DeepSeek 是个闭源的它不可能有海外的客户的 ，但是如果它是开源它就能构建一个这个全球的一个生态 ， 就举个例子 101 公路上反正我上下班的这个路上我也不说哪家公司了但它不是 DeepSeek 但它的大广告牌就是这个 Running DeepSeek in your data center， 对 ， 就是这么说吧是吧 ， 所以我觉得这是第一点 ， 第二

点就是我觉得接下来现在 AI 的这一堆就是包括 agent 这么火热包括大语言模型这么火热 ， 我觉得未来这些火热的不管是应用还是想法第一时间一定会有一个开源的这个生态出现 ，其实这是一个历史规律 ， 就是当你有个很好的想法的时候你要想这个东西不仅是你一个人在想这个事 ， 肯定很多人这个也在想 ， 然后对于想要通过这些好想法的信息不

对称来去挣超额的这个利润这件事情是不成立的 ，因为一定第二天就会有一个这个人出来说我作为开源的让这个东西变成一个民主化的东西 ， 操作系统是这样 ， 大语言模型是这样 ，agent 我觉得也会是这样 。

你觉得大语言模型的开源和以前的软件开源有什么区别吗 ？ 因为在以前的软件里面就像你说它可能是更机械或者更无机的一个东西 ，而大语言模型其实你只开源代码甚至你把权重都放出来它还是 。

我觉得未来大语言模型这个东西它不是最重要的东西了 ， 它就像一个比如说像一个台风一样它就是那个台风眼 ， 它是很小的一部分 ，而且这个很小的一部分你认为 Tier 1 的所有的这些大语言模型能力都是差不多的 ， 比如说你完成像刚才我的那个 Salesforce 的这个 dashboard 的这种能力你其实不需要这个 GPT-4 或者 O1、O3 什么的 ， 你那个 DeepSeek 可能开源的 R1 就绰绰有余了 ， 我现在

是用 GPT-4.1 但是用 R1 一样可以做到 ， 就这么说 Tier 1 的这个模型能力本身我觉得都会持续进步而且开源闭源的这个差距会缩小 ，但是之外的所有的这些 engineering 的工作 agent framework ecosystem 你有闭源的好东西第二天一定会有一个开源的东西出来 。

就是它是围绕着大模型整个生态的各种东西上下游的软件的工程的开源 。 你们选择开源是因为第一名是闭源 ？

是 。

这有很大关系 。

那你想任何其他的东西新的生态出来第一名肯定是闭源 ，但第一名出来闭源了以后 。

第二名一定是开源 。

对啊 ， 所以所有的这个大的生态都会符合这个模式 。

所以它是一个循环吗 ？

我觉得这是个历史规律 。

对 ， 所以为什么从 Salvator 到一个互联网时代第一名都是在闭源 ？

因为可能好的这个想法或者说有人想垄断好的想法他们占据了这个商业上的这个先机或者优势比如 OpenAI 什么的 ，但是一定会有第二波人怎么说完善这个好的想法让它变成一个更民主化的东西 。

对 ，但第二个会超越第一吗 ？

不好说 ， 比如 iOS 跟这个安卓你很难说谁比谁更好 。

但如果从市值跟市场价值上 。

对啊 ， 我举个例子 Linux 跟 Windows 谁赢谁输呢 ？ 它到最后我觉得会慢慢的分化出属于他们的市场 。

所以历史的规律到底是开源和闭源哪个会赢呢 ？

为什么一定要赢呢 ？ 赢这么重要吗 ？ 就比如刚才那个例子安卓跟 iOS 谁赢了呢 ？

共同的推动的 。

就是啊 ， 对啊 ， 我觉得就是这样的 ，但是我能说的是说开源一定会是构建这个生态的一个必然路径 。

我们其实想讨论输赢的问题是想说你选择开源不仅是因为信仰而也是一种商业选择 。

对 ，是的 。

这是一种竞争策略 。

没错没错 ，但是我这个竞争策略也不是为了赢 Oracle， 我的竞争策略是为了我能够去做这些头部的企业大客户 。

就是你刚说让他们有信任 。

对对对 ，是的 。

你觉得现在就是大模型的开源里面哪些东西是你觉得希望它是开源但实际上开源的不太够了 ？

我觉得现在但也有人在做了 ， 就是我记得 Linux Foundation 底下有一个机构我忘了叫什么名字 ， 大概就是说从训练 data 到训练的工具权重全链路开源这个可能是就可复现的这个 。

那你说的这还是非常彻底的一种 ， 就是很少有人会到开源训练数据的这一步 。

但我觉得到现在 DeepSeek 也 OK 对吧 ， 就是到现在给你开放一个权重你可以无限制的 license 去用就行了 ， 老实讲你也不能解释大语言模型这神经网络里发生了啥事是吧 ， 给你那个训练的数据也只是让你内心觉得这个东西还挺安全的就而已 。

因为你现在就是中美两边就是你都是有表现的观察嘛 ， 你在那边待的时间也比较多 ， 就你自己观察到的两边的这种开源社区的氛围会有什么差异和相同的地方 ， 尤其是 DeepSeek 之后你觉得中国这边会有比较大的变化吗 ？

我觉得中国现在 DeepSeek 出来了以后就是它也不叫开源生态吧 ， 就是一堆卖一体机的 。 对 ， 这个是 DeepSeek 对中国这个生态最大的变化 。

对 ，他们说那个接入 DeepSeek 都不是真的接入 DeepSeek。

对 ， 都是一体机 。

都是接入了阿里售卖的一体机 。

是是是 。

这个利润是不是很高 ？

确实高 ，但做这种事情我觉得做做赚点钱就好了 ，但我不会去关注这些事情 ， 老实讲现在很多这个客户自己他拿 DeepSeek 怎么用这件事情也是没想清楚 ，但是就是说我需要个 DeepSeek， 我需要一个我自己可控的 DeepSeek 上面的这个 API 长得跟 OpenAI 的那个 Restful API 一样就行了 ， 很多现在大家就只是说把可能做一些软件上的适配 、 硬件上的适配 、 适配一下国产的显卡就先卖出去 ，

至于说它是什么样的应用场景需不需要在软件上做什么样的生态调整这完全没有 ， 可能最多就是加个 DeFi 在上面然后写一些工作流什么的 。

那能叫部署了 DeepSeek 吗 ？

对 。

能叫这种 ？

能叫 ， 为什么不能呢 ？ 对 ，他买出来的一体机插上电最后就给你蹦个对话框出来那也是部署了 。

那和真正部署 DeepSeek 的区别是 ？

没啥区别 ，但我觉得这种东西就是 hype 或者说跟我们公司想做的一些事情不太一样 ， 当然了这个可能国内团队有赚钱的压力那做吧做吧做吧 ， 我不知道就好了 ，但是海外刚才回到你刚才那个问题就是海外的开源生态其实我觉得还是有很多人在认真的做 ecosystem 的就在国外， 所以我也包括我自己投的一些国内的这些做 AI 的 agent 的公司我都建议他们说你虽

然是中国人但是你应该做海外市场 ， 现在咱也别这个急着去挣钱 ， 你尽可能融入到这个 ecosystem 里边而且融入到开源的 ecosystem 里边 ， 所以我觉得这是最大的区别吧 ， 就是如果你不是做基础模型本身的我觉得现在大多数工作都是在开源的 ， 尤其在这个 infra 或者说开发者的这块的比如像 MCP 啊什么的 。

对 ， 刚说我就想到 MCP 是去年我觉得挺重要的一个 。

因为你说 MCP 这个东西不开源你没人会用的对吧 ？

对 ， 这个其实我觉得也是体现了 Anthropic 和 OpenAI 思路不一样的地方 ， 你其实后来 OpenAI 它虽然也有 Functional Code 但它也去支持 MCP 了 。

你这么说吧 ， 你像 Functional Code 这个 OpenAI 早就支持了 ，但是呢 OpenAI 的各种问题都是因为它其实一直都对开源的这个理解我觉得就是甚至有点敌对态度 ， 你看它现在它相当于起个大早 ， 然后我觉得像那个用 reinforcement learning 这些来去训模型的这些方法并不是 DeepSeek 发明的 ，其实 OpenAI 自己早就知道这些事情 。

本来 O1 也是新发的嘛 。

对吧 ， 这个藏着掖着 ， 然后包括像 Functional Coding 这些事情藏着掖着 ，但是你这么拖着拖着拖着这种东西没什么秘密的 ， 这个你可能领先三个月 so what 是吧 ， 这个 Open Source 出来以后你没有掌握标准那你就是得去兼容别人标准了 。

对 ，其实我之前跟一个 DeepSeek 的前实习生也聊开源的事情嘛 ， 然后他就说开源可能有几种目的 ，他说的有一种目的我觉得还挺有意思的 ， 大概意思就是说这个人可能想追求一个非常大的东西 ， 这个东西就可能是一种标准 。

是的是的 ，NCP 就很类似这样的 ，因为而且到最后你去看 NCP 的实现它不一定是最优雅的实现 ，但是这种东西标准你只要有网络效应只要有人用最后你的这个护城河自然就起来了 。

然后最后一个部分是想聊聊就是你对 AI 或者说机器与人的关系和边界的想法 ， 一个是关于你们公司因为现在用了很多 AI 嘛 ， 然后之前我们交流的时候其实你说你对这件事你是有一个潜在的担忧的 ， 这个担忧就是说我们会不会因为研发速度太快然后技术加速太快 。

对 ， 就是你跟我说的那个神的九十亿个名字 。

对对对 ， 那个是那个是那个是可能更站在更高维度就是人类文明本身去思考这件事情 ， 就是首先我可以给大家介绍阿瑟 · 克拉克那篇科幻小说啊 ， 就是神的九十亿个名字 ， 它就大概情节就是西藏有个寺庙里边一堆喇叭 ， 然后他们有个传说就是他们在干一件事情就是根据一个算法来去排列组合出这个世界上神的所有名字 ， 这个算法

大概就是从理论的边界来算大概是可能九十亿个这样的名字 ，但是呢西藏的这些喇嘛们他没有高科技的工具所以一直以来事事备备都是用手抄的方式就一个个抄是吧 ， 按照这个速度来说你要抄完这九十亿个名字可能要好几万年对吧 ， 然后他们说这个抄完这个东西这个世界就会迎来这个下一个维度啊或者说这个宇宙的意义就是在写完这个名

字的时候体现 ，但是如果按照现在的速度可能还要写好多年呢 ， 然后呢这帮喇嘛后来发现这个世界上有个东西叫计算机于是就跑到美国去租了台计算机把这个算法告诉了那些工程师说我能不能这个用计算机来去帮我去把这些名字给打印出来 ，但计算机打印肯定快嘛可能比人类抄的速度要快几万倍这么一通搞下来最后把这些名字全都列

出来的时候就结束了这个结尾就是这个星星都暗下去了 ， 就有点像相当于你看一个电影你就强行拖这个快进直接拖到了这个结尾 ， 为什么我看现在大语言模型和现在这个 AI 对人类的这个渗透速度有一点点这种担忧就是人类是否已经准备好去迎接这样的一种能力 ， 可能就从一个这个当然我是无神论者如果从一个这个有神论者角度来说也

许造物主给人类的时间很长预计是可能这个几十万年后几亿年后才会有这样的东西出现 ， 中间这段时间是让人类的心智能够 ready for 这项的 technology，但是人类可能通过种种的方式超频了或者怎么样就是在一个心智还没有足够成熟到迎接这样的技术的时候拥有了这样的技术 。

不过这有可能是技术本身的特性带来的 ，因为技术其实本身就是有加速发展的特性 。

是 ，但是人这个进化速度太慢了 ， 所以为什么就是说像一些核武器啊或者说一些这些东西对人类从整个文明的角度来说不一定是最好 ， 就是相当于人类已经拥有了把自己的文明搞挂的这个能力 ， 所以我觉得大语言模型也是一样的 ， 就可能本来人类还有很多时间但是现在就离大家变成人肉电池可能也没太久了 。

对 ， 这个也是有分歧的一个地方 ， 就是比如说就是认为现在大语言模型并没有在自主学习的人他可能就还没有这么担心这一点 ，但如果持续学习就真的能持续学习出来之后那可能又是有更多新的问题出现 。

像下围棋 ， 比如说我们想象一个世界 ， 这个世界就是靠下围棋来去决定人的命运的世界 ， 那如果这个世界产生了像 AlphaZero 这样的东西 ，AlphaZero 一下就会变成这个世界的主宰者 ， 这个例子是这样的就是至少在一些封闭的任务上人工智能已经强到人类不可能触及的这个阶段 。

不可能战胜而且不可能理解 ， 你都理解不了它为什么这么下 。

所以你想如果这个工作一个一个工作每一个工作都变成像 AlphaZero 下围棋的这样的模式的话那人一定会迎来一个非常大的存在主义危机的 。

你一方面就是用很多 AI 的东西在做一些新的工具 ， 包括你们的业务也在往 AI 转型 ，也有可能给你们带来更多的收入和机会 ， 就是我觉得可能比较让你开心的部分啊 ， 另一部分然后你可能也会去想一些这些更远的东西 ， 对 ，concern 的部分 。

对 ， 这些 concern 的部分就是作为人自己的定位是什么 ， 就像我刚才说的我在 business 上那确实我用这些东西提升了很多效率然后做了很多很有意思的事情 ，但是呢我会想一个问题就是我作为一个人在离开计算机的时候就是我的意义是什么 ，以前我很自豪说我写代码很厉害但是现在这个 AI 写代码比我厉害多了 ， 如果我的 mindset 没有转变成像刚才我说的这种

hacker 的 mindset 就是我是 build thing 我是 AI 的使用者的话我觉得我也会陷入到非常严重的存在主义危机 。

那这个对你来说是自然而然的还是你也需要一个转变啊 ，因为你本来就挺黑客的 。

对 ，但是我觉得我是比较幸运的 ，因为我从来不把这个东西变成定义我的这个事情 ，但是我觉得现在很多很多人是把自己活成了机器并以此为荣的 。

活成机器的意思是 ？

就是把自己的这个就是人生意义强加在他的每天的一些 routine 或者说我就是固守 ， 比如说很多人会去捍卫自己去算术的这个权利觉得自己的人生意义在于我要去打算盘 ，但这件事情其实一定会被这个更强的工具给取代 ， 然后取代了以后你相当于你作为一个人你就失去了一个我人生的意义是啥 ，但很多人是没有想过这个问题的就是说我的生活就是要上

班然后要去这样去工作下班回家周而复始 。

对 ， 我想 AI 之前就大模型热潮之前你肯定也在持续的去想这个问题 ， 然后大模型热潮来了之后它让你对这个问题的答案有了一些什么更多的变化吗 ？

我觉得有更多的变化 ， 我定义我自己的这个人生的意义吧会更多的思考向内的去探索 ， 我会很崇尚这个理性和逻辑以及这个解释世界就是通过机械唯物主义吧 ，但是呢最近这两年我觉得我会开始看一些这些佛教禅宗啊一些关于修行的这个书向内去探索 ， 就包括我其实做出了很多生活上的这些改变都是在去思考我作为人应该我的优先级应该是什么 ， 到

最后其实想来想去得到一个感悟就是人还是在于体验 ， 我觉得我来这个世界这几十年其实我的意义是在于体验这个旅程 ， 就我现在开始会试着不去用很多东西来定义我自己 ， 你知道比如说我的房子不能定义我的车子不能定义我的东西不能定义 ， 对 ， 包括我写的这个程序也不能定义我 ， 我觉得关键还在于体验就是当下的这个体验 。

当下还有过程 。

就是你有没有见过你没有见过的东西 。

你这就是一种人生观 ， 它跟 AI 到不到来的好像没什么关系 。

我觉得 AI 加速了这个要思考这个问题的紧迫性 ， 对 ， 就是以前觉得那反正我每天都很忙有很多事情干这些事情很重要 ，但是现在当你比如说再过几年可能 AI 这个写更复杂的程序也没什么问题的时候那可能真的就一句话它就把 Tai Di Bi 给写出来了那那个时候我又应该怎么去面对这个公司啊或者说面对自己呢 。

我觉得它是既带来了紧迫性也带来了可能性 ，因为你得先空出来一些时间你才有余裕去想这个事情 。

或者说这个事情我也没有最终答案但是我觉得这个答案一定会跟人非常特殊的一些东西相关就比如说什么事情是只有人才能干的 ，因为你不可能说大语言模型替你活或者说替你感受 ， 你感受这个旅程是你自己这个内在在去跟这个世界的一些感受 ， 我甚至用语言我都没有办法告诉你很多感受 ， 就是这些东西才是属于你的而不是属于机器的

， 所以过去很多时候你都没有办法注意到这些事情 。

你觉得在体验中创造的结果和体验是什么关系 ？

我觉得就是结果可能就不重要了 ， 就比如说我举个例子现在农业种菜的效率绝对比你自己人工去种地这个效率高太多了 ， 如果你是从一个填饱肚子的这个角度去思考农业那你肯定比不过机器 ，但是呢你亲自去种这块地去播种去吃你种出来的食物这个背后会有很多不一样的感受 ，有可能这个 journey 这个种地的这个 journey 就是很特别的 。

但是你之前不是说计算机可以拯救人类吗 ？

是 ， 可以解放人类 ，不一定是拯救 ， 拯救还是得靠自己拯救我自己吧 。

你是八几年的 ？

八七年 。

八七年的 ， 所以你现在做什么养生吗让自己可以有更长的时间来体验人生 ， 你做了什么之前过去不会做的事情吗 ？

我住在房车里 。

这个有利于身心健康吗 ？

我觉得还挺有利于的 ， 就是极简主义生活嘛 ， 就我觉得第一个就是让你去更自由一些当然这是第一个 ， 第二个呢就是我其实这两年开始做一些冥想什么的 meditation 然后当然这个也是一个放松的一个途径 ，但是因为这个契机来去想了很多向内探索的这些事情 ， 第三个就是这个其实跟那个 AI 和艺术还有点关系 ， 当大语言模型可以帮你生成音乐和生成一些高分辨率高

质量的不管是音乐还是艺术品的时候我反而在往另外一个方向去走 ， 我要去找到那些属于人类的比如六七十年代的那些老乐器老的传统的录音磁带黑胶包括我自己做的音乐开始去慢慢的不追求这些更好的技法而是更加意识流的东西 。

就你之前和我说你现在是要去追求欣赏那种非数字的内容 ，因为太高清的东西会让你觉得很累 。

而且这种东西会变得越来越廉价你知道吗 ，以后可能相当于人造的东西会变得更加珍贵 ， 就是我之前忘了是哪一本科幻小说里面我看到的东西就是未来反正发现一个人造的东西就比如说你用手刻的一个小马啊小就是或者小艺术品这个东西就在未来的这个 AI 和工业化的这个社会里变得非常非常珍贵因为它是人做的 ， 所以我现在想刻意

的保留这些在 AI 时代之前不仅是数字上的这些互联网或者说在线下的这些音乐艺术品未来可能就没有这样的就是机会了 。

那今天开始是从科幻故事我觉得最后也可以回到科幻故事 ， 如果有一天人类要灭亡了我们要就是编一个人类文明的遗产然后里面可能能放上很多信息去证明我们在银河系的黯淡难点上存在过 ， 如果只可以放一本科幻小说和一首音乐作品的话你会选择什么 ？

哇 ， 这个问题好终极啊 ， 一本科幻小说 ， 一本科幻小说 ，也许我会放 《 基地 》 吧 ， 然后一个音乐作品啊一个音乐作品 ， 如果真的只是一个音乐作品的话当然我这个太个人了我可能会放这个 Pink Floyd 的 《Dark Side of the Moon》。

月之暗面 。

所以这跟公司没有关系啊我真的非常喜欢这张专辑所以对非常个人。

这个也挺神奇的就是我发现就是技术圈和 AI 圈确实有很多摇滚爱好者 。

那是那是 。

为什么你觉得 ？

我是初中开始玩乐队然后其实我真的是一直在以前一直在玩摇滚乐的 ， 我觉得那个时候正好跟我学计算机尤其是开始接触开源软件的那个时间是重叠的 ， 就多少开始想要去怀疑很多规则或者说固有的比如家长啊或者说这个社会给你的一些条条框框 ， 你开始有一些独立思考能力的时候你第一步就是反抗 ， 我觉得使用开源软件跟去玩乐队在我十

三四岁的时候是我反抗的一种方式 ， 我不想用 Windows 我要用开源的软件我要跟你们这些 evil 的大公司这个不能被你控制 。

我觉得开源和摇滚确实有一些相似的内核就是它是地下的非主流的 。

是的是的是的 。

然后边缘的 。

对是的 ， 正好跟我青春期是重合的 。

你觉得你跟 95 后 00 后交流你觉得他们的青春期体验给他们带来什么样的人生观跟你们这一代人有什么区别吗 ？

我觉得至少 95 后他们的这个生活和接触到的信息会更多 ， 我觉得我们那个时候至少我学计算机的时候这个互联网还没普及我没有看到很多东西 。

你就看一些哲学方面的东西 。

对我觉得也是有的 ，但是我很多不是因为我有这个存在主义危机我去看这些东西 ， 渐渐的理解我的那种感受我要跟别人不一样的这种感受会促使我去思考存在主义危机的这个问题 ， 所以可能是更内核的一些 ，因为我想来想去我觉得我跟我小学三年级在开始学编程的时候驱动我的那个事件就是很原始的美感就是造出物体来而且能欣赏这个你造

物的这种过程进入心流的那个状态 ， 虽然那个时候我小学三年级也没人告诉我这叫心流但是我很 enjoy 这种感觉 ， 所以慢慢的到最后不管是音乐艺术还有这个代码其实我到现在包括运行公司很底层的一个逻辑就是我小学三年级的时候那个那种美的这个追求 ， 这个审美我觉得是区别很多人不一样的地方 。

你当时最开始编程的契机是什么 ？

非常巧合就是我非常喜欢玩游戏但是我爸妈把所有的这个游戏的卡带全都收起来就给我留了一张 basic 的解释器然后我就开始强行的这个学习怎么去写一个游戏出来但是写着写着写着写着就开始发现写游戏比玩游戏要更有意思 。

创造比消费更有意思 。 可以再讲一下你列的 40 岁之前要掌握几项基础能力 。

是的 。

为什么没有开车或者开飞机啊 ？

因为我会开车啊 。

所以你列的是你没掌握的 。

是的是的 。

缝纫 、 种菜 、 木工 、 电器维修 ， 缝纫是为了什么 ？

我是觉得如果你在活在一个路上你掌握这个补衣服和这个缝衣服的这个能力是一个必要的能力 ， 比如说你的衣服坏了现在人就是说我去超市再买一个但是我现在越来越最近由于这几年我越来越觉得消费是一个会让我有点不舒服有的时候 。

你看小红书吗 ？

我不看小红书 。

讨厌它 。

也不能说讨厌吧 ， 小红书对我来说是一个工具就像一个 Google Map 差不多的一个东西 ， 或者说现在我要刻意的去往回走一走看看最小的消费应该是什么样子的 ， 比如说我可以自己把这些衣服给补上那为什么不补呢 ，但这个也是我的一个老师给我的启示就是我有一个学一个乐器的老师他非常神奇他多少有点像个流浪汉一样这种嬉皮嬉皮式的这种生活在全

世界流浪二三十年， 他的人生哲学就是他绝对不用尽可能尽可能吧不用新东西就是所有的这个东西都必须得是以物换物二手的或者怎么样他不希望自己这个人的存在给这个世界创造了更多的 karma。

的确是不应该给这个世界带来太多负担 。

是的是的 。

我也是这么认为这个事情 。

慢慢来吧我觉得 。

题外话你看到现在美团跟京东的这种商战你什么感觉 ？

他们在商战吗 ？ 我也不知道 。

很好的 。

什么 ？

很好的反应就是 reaction 特别好 。

对 。

你现在通过什么阅读啊 ？

我现在 Hacker News 然后还就当然这是阅读新闻的东西然后其他的东西都是书我只看书 。

你每天阅读多久 ？

看时间吧反正我睡前一个小时肯定在看书 。

这是你最近有的习惯吗 ？

不是啊我一直这样 。

你还挺自律的 。

不是我觉得它这不叫自律我其实我觉得一点都不自律我只是非常忠于我自己 。 对我只是就我爱看书我就看书我爱玩音乐我就玩音乐但是我不爱很多事情那些事情我一点都不想干 。

不爱京东和美团的商战新闻 。 那今天谢谢东旭做客晚点聊 。

谢谢谢谢大家陪聊这么长时间 。

对我们从 AI 也聊到了公司然后又聊到了 AI 还有怎么在这个时代何以为人生活下去呢 ？

有一个建议的话就是让大家回到具体的生活和具体的人比如说从去年开始我就开始自己做饭我发现以前我不做饭的然后因为觉得这个那能点外卖我为什么要做饭呢但做饭你开始一点点去学习做饭然后每一顿饭的这个过程你会发现做饭的这个过程是很特别的甚至现在我 enjoy 做饭的过程比最后做出来这个东西吃掉要更 enjoy 或者说看着你喜欢

的人吃着你的东西我觉得是这很好的事情所以就像这种很多它没有这么宏大的叙事具体的事情你养一盆花做一道菜然后去认真的了解你身边的人这些事情其实你作为人的一个可能是存在的这个意义比起一些我要去搞懂非得要搞懂 Transformer 的这个原理这可能是要更加更加具体 。

本期连点呈现分享两个和往期节目有关的呼应和感受第一个是我们在这一期中聊到了对于智能的理解背后可能是哲学上的一个分野就是你是否相信这个世界的规律这个世界的因果关系是真的可以被我们掌握的在 108 期我们和马毅老师聊智能的历史的那期节目之中马毅对智能的总结就是从 DNA 到人类从单细胞生物到复杂的智能生物大家在做的一件事情

都是去理解和解码外部规律并进一步预测外部规律所以智能的本质其实是学习当然这件事有一个前提就是我们真的可以掌握规律在那期节目之中就有一个留言非常有意思是分享了英国的哲学家休谟的经验主义的想法他有一个经典的说法也是这一次东旭在节目中提到的即使我们观察了一万次太阳从东边升起从西边降落我们是不是真的

可以说下一天太阳也会从东边升起西边降落了当然这是一个非常开放性的问题可能它并不影响我们日常生活去做选择去做判断去过我们每一天的日子第二个我想到的点是这次聊天中我自己非常受触动的一刻就是我们在问东旭他列了一堆 40 岁之前他想学会的新的技能包括种菜种花木匠等等然后我就很自然的想知道那你学习这些东西是为了做

什么他说是为了学会做人在 AI 来了之后大家讨论很多的一个话题就是如果工作被 AI 取代那人剩下的意义是什么我觉得东旭的这个回答里给了另一种可能另一方面我也想到了 116 期和田园栋聊他自己是 Meta GenAI 团队的研究总监同时他也是一个科幻小说作家在去年出版了自己的第一篇科幻长篇 《 破晓之钟 》 我们在 116 期节目里就是在聊这本科幻小说以及他作为一个 AI 研究

者是怎么来设想 AI 时代的科幻故事的一个非常核心的区别在于在他的想象里未来星际文明之间争夺的不再是能源等物质生存资源而是最优解是好的想法本身那关于技术如此发达的未来社会里人的意义是什么田园栋也有一个设想他的设想是有一些人生活在虚拟世界不再为温饱而烦恼可以做自己想做的事这听起来好像是一个极乐世界但实际上它也带来苦

恼也就是当你真的在做自己想做的事情的时候好的想法本身仍然是稀缺的你可能做不到第一梯队也无法完全表达出自己所感受到的灵感和创意这种情况下你会快乐吗田园栋在他的书里是用了一个虚拟世界里的二流画家的苦闷来表达这个思考和推演我们在那期节目中也有展开大家如果感兴趣的话可以去听那一期 。

本期节目就到这里欢迎收听如果你对今天聊的话题有观察好奇或疑问欢迎在评论区分享想法这也会成为我们节目的一部分让整个讨论更完整你也可以把我们的节目分享给对这个话题感兴趣的朋友欢迎推荐更多你想听的主题和嘉宾你可以从小宇宙苹果 Podcast 等渠道关注晚点聊 LateTalk 也欢迎关注我们的公众号晚点 LatePost 下期再见

。