对ONE2X创始人王冠3小时访谈：生成系统、没有中间商赚差价、内容平台的权力分配

2024 年 1 月，王冠从月之暗面离职。他是这家公司第一个离职的人，离职流程从他开始有。此前他是 Kimi 模型产品负责人，现在是 ONE2X 联合创始人兼 CEO，产品叫 Medeo，一个 AI 视频生成器。

这期节目聊了三个多小时。前半段是产品经理的十年，从百度的用户画像，到旷视的算法生产力工具，再到澜舟科技和月之暗面。后半段是推演，数据如何决定智能的边界，视频为什么是 AI 时代内容的起点，生成系统如何取代推荐系统，创作者和平台的权利怎么重新分配。

王冠喜欢推演，也承认有些推演很民科。他有一套自己的框架，从「压缩即智能」到「数据是智能的第一性原理」，再到「生成系统等于 DSL 加 context 加 environment」。这套框架支撑他做产品，也支撑他搭了一个 30 人的远程组织。

从百度到月之暗面，三次踩中 OpenAI 的发布节奏 0:02:00

王冠说自己是草根创业者，没有鲜明标签。2010 年代他在百度做大数据，给用户算多维标签，就是今天的 user profile，还做过基于画像的差异化定价和补贴。后来做算法开放平台，把大厂的算法能力用 API 开放出去，再后来做飞桨开源框架。在旷视，他做算法生产力工具，想办法更快更低成本地生产一个算法。

2020 年 6 月 GPT-3 出来，他受到的冲击很大。此前他工作的主线一直是让用户更低门槛地获得某种算法能力。GPT-3 让他看到，一个 prompt、一个 few shot，就能得到一个翻译 API、一个摘要 API。技术门槛突然被抹平了。

他加入澜舟科技，周明创办的预训练创业公司，做社区模型的中文复现和轻量化。2023 年初，他去了月之暗面。

在月之暗面之前，他自己尝试过三次方向，三次都撞上了 OpenAI 的发布。

第一次是写作辅助，在 notion 里做文字补全和处理。产品刚跑通，ChatGPT 出来了。

第二次是用 codex 接口做图表生成，输入 Excel 数据，描述你想要的图表，模型帮你画出来。项目刚能画出一张图，GPT-4 出来了，能写 SQL，画图只是时间问题。

第三次是做 workflow 节点编排，把模型能力和数据源变成一个个节点，指定 prompt，连起来。很像今天的 Coze。项目刚跑通 demo，融资流程都在走了，plugin 出来了。

三次之后，他反思问题出在哪。答案是：他对模型能力怎么来的、未来往哪走、自己做的事和模型能力的关系，完全没有答案。相当于在虚无的地基上盖房子。

他决定去一个能近距离观察模型能力的地方。月之暗面的周昕宇是他在旷视的同事，拉他入伙。当时月之暗面还没有六小龙的说法，资源和声量都不如其他几家。他接触完团队，觉得这里能实现他的目标。

在月之暗面的体验，他形容为之前工作经验里最好的。目标纯粹，搞出 AGI，像当年搞出原子弹挺直腰杆子。和一群聪明人做事省力，不需要开很多会对齐，各自理解问题、各自做事，最后发现能拼起来。

他是公司第一个离职的人，离职流程从他开始有。他离职的理由藏在工作历程里：公司成立时间离他加入越来越短。按这个趋势推演，他一定会自己创业。更关键的是，他想明白了三个问题：模型能力从哪来，未来怎么发展，自己做的事和模型的关系是什么。

压缩即智能，数据决定智能的边界 0:28:39

周昕宇在五道口龙人居给他讲了三个多小时压缩，一直讲到餐厅下班。全是公式。王冠没听懂，但大受震撼。后来他去找 Jared 在 OpenAI 讲的压缩视频，发现很多观点和周昕宇契合。这是他真正进入大模型的门。

压缩的对象是数据。数据原本是离散的点，压缩之后，点与点之间形成联系，也就是连续。连续对外展现出来，就是智能、涌现、泛化，也包括幻觉。

GPT-2 是一个直观例子。此前翻译、摘要、补全都是单独训练的单点任务，各有各的数据和模型。GPT-2 把它们统一成自然语言的输入输出格式。结果模型在只训练了中英翻译和中文总结的情况下，学会了英文总结。两份数据里没有这份数据，能力却长出来了。

语言是很好的压缩载体，对世界的表达足够丰富，训练成本又比图片、视频低。

王冠把这条思路推到底，得出一个结论：数据是智能的第一性原理。AI 行业有句自嘲的话，他把它当真。

有多少人工就有多少智能。

算法工程师解决不了一个指标时，常对产品经理说，你再去搞一些数据。为什么是产品经理搞数据？因为数据代表的是对问题的理解，业务属性强、行业 know how 深的问题，更偏产品问题。技术可以用算力换数据，比如用 RL 训练模型，前提是代码、数学这类封闭域能自动验证数据质量。大量开放场景没有这种条件，只能把行业理解转换成数据。

他有一个「智能时空观」的比喻。智能是一个空间，数据决定这个空间的边界。算力是逼近边界的速度，算力越充分，越早触达边界。算法决定涌现，像一个大圆里套一个小圆，小圆不断靠近大圆边界，最终突出去，画出新的边界。突出去的部分，就是超出原有数据代表的能力边界。

这个框架推下去，能推出行业阶段，也能推出不同玩家适合做什么。

三份数据，产品创业的机会在第三份 0:42:23

数据分三个阶段，每个阶段利好不同的玩家。

第一阶段是公域数据，互联网和历史信息化沉淀下来的数据，你有我也有。大家比谁先到达边界。适合人才密度高、算力充足、决策快的组织。中美基座模型在这个阶段已经拉平，剩下的差距来自算力和更早提供服务带来的场景数据回流。

王冠的判断很直接：在算力算法差不多、数据相同的情况下，模型效果不会出现代差。可能在某些任务上你比我好，另一些任务上我比你好，但不会有数量级的差距。

第二阶段是领域数据，我有你没有。利好大厂，也利好信息化做得好的传统行业。模型能力会开始分化。

前两个阶段都不属于产品创业的机会。第一个阶段更适合基座模型，第二个阶段更利好大厂。第三个阶段才是：产品内生数据，之前不存在的数据。

ChatGPT 是样本。在它之前，历史上没有一份数据是通过自然语言对话解决各种奇怪问题的。这份数据因为产品形态而存在，又反过来训练模型。应用公司可以照着这条路走：从第一天就设计一份之前不存在的数据，让产品形态产生它，再让它训回自己的模型。

数据飞轮这个词不准确。不能把所有用户数据一股脑训回去，否则模型会趋同于用户的平均智能水平。要有一套机制筛选出代表更高智慧的数据。特斯拉 FSD 今天能用于训练的数据可能不足千分之一，一开始不是这样，标准是一点点提高的。

这也解释了王冠为什么出来创业。他推演出了应用阶段的存在，也找到了应用公司不被基座模型吃掉的办法：构造新的产品形态，产生内生数据，长期和基座模型共存。

竞争问题他也想过。没有任何公司做不了别人做的事，OpenAI 也一样。差别在三个维度：目标、位置、速度。目标决定路径，路径反过来影响目标。位置决定起点，从设计一份新数据出发，和从解决一个具体商业问题出发，起点不同。速度和组织有关，团队越小、人才密度越高，早期速度大概率越快。

产品形态在早期会收敛。做 chat 的时候大家都是 chat box，做 coding 的时候大家都是 IDE 形态。收敛的是方法，分化的是底层做法和目标。

为什么是视频，不要在诺基亚时代做 App 1:05:36

2024 年初王冠出来创业，公司到 Q2 才成立，过程很坎坷。刚出来时，视频模态并不成熟，最成熟的是文字，图片也不错，视频还很早期。

选视频有三个理由。

商业上，团队起步微末，要先养活自己。视频价值高。美国市场有 20 到 30 家做视频处理 SaaS 的公司，ARR 能做到几千万美金，是一个典型的蚂蚁工具市场。单点能力做到足够好，就能有不错的收入。

技术上，他们要做的产品从设计一门语言出发，前提是这件事能被设计成封闭域，像围棋，规则固定，下一步可计算。视频处理可以。视频的特效、花字，都是原子能力，数量有限。视频制作过程就是这些原子能力按时间关系排序组合。

未来上，互联网的模态发展顺序是文字、图片、声音、视频。原因在生产力：模态越高，人的生产门槛越高，产量越小。AI 把不同模态的生产门槛拉平之后，价值最高的模态会成为新时代的起点。视频是 AI 时代内容的起点，之后只会出现更高维的软件和游戏。

产品做法和别人相反。他们从设计 DSL 开始，先回答一个视频如何被准确表达、制作方法如何被准确表达，再往下做数据存储、agent 框架，最后才是软件界面。界面在他们内部叫 environment，人和智能体共同活动的环境。

这个环境像一个标注平台。人和智能体在里面的活动都会产生数据，比如几个镜头的顺序为什么是 A 不是 B。但用户的使用记录不作为迭代参考，因为要找有效数据。标注由内部专家完成，PM 和有视频审美、制作能力的人一起。通过标注产生数据，把数据内化到系统里，用户昨天和今天做同一个视频，质量会不一样。

不要在诺基亚的时代去做 APP。

这是他们的判断。生产端离模型最近，技术还在快速变化。对标语言模型，Veo 3 和 Sora 2 相当于 GPT-2 时刻，第一次把视频的多个单点任务合到一个模型里，还远没到 ChatGPT 时刻。今天还做不到端到端，输入一个视频参考它做一条新视频。现在做工具，是在为未来那个能力稳定的状态搭架构。

他把今天的阶段叫诺基亚时代。诺基亚里也有小游戏、计算器，但和 iPhone 时代的 App 不是一回事。生产端是离模型能力变化最近的地方，也是为未来积累数据的地方。

视频内容分两类。物理世界的视频，用摄像头拍，供给已经足够丰裕，短视频生态基本围绕它。他们做的是理念世界的视频，知识、思想、公式、动效，用摄像头拍不出来的东西。内部的说法是，要在视频世界里建图书馆、歌剧院和大教堂，对应知识、艺术和精神类内容。

商业价值够不够大，王冠的判断是，物理世界的视频供给已经充分，理念世界的视频还在早期，成本高，空间也更大。他举了一个潮玩客户的例子。潮玩天然适合视频化，在没有好的生产能力之前，做一条视频成本太高，不是好生意。这个客户用 Medeo 把潮玩在小红书上的 AI 视频内容包圆了，生产效率足够高，成本足够低，新品类就出现了。

还有品牌广告。苹果、耐克一年做几条高大上的广告，每条几十万甚至上百万美金。很多公司也需要这样的表达，只是过去做不起。生产成本降下来，这类需求会变成新的内容类型。

应用公司和模型公司，边界正在消失，生成系统是终局 1:41:59

节目里问了一个问题：模型公司做产品，产品公司做模型，当大家面对一个很有商业潜力的场景，谁能赢？王冠的回答是，影响因素太多。目标、路径、起点、资源、人才密度、决策速度、组织稳定，都会影响结果。OpenAI 内部斗争这种事也会改变局面。

他的判断是，今天不应该再区分模型公司和应用公司。模型公司都在做产品，应用公司也不该只被看成壳或者软件公司，它们只是还没有开始做自己的模型。Cursor 一直在做自己的模型，速度可能没那么快，但体量和资源已经足够支撑一个 coding 基座模型。只有把基座模型握在自己手里，成本才可控，效果才有优化空间。

应用公司会遇到模型能力边界。基座模型是通用的，参数量固定，能力会分配到不同任务上，有些任务互相促进，有些互相排斥。一个以通用为目标的模型，和一个以具体场景为目标的系统，能力需求不同。到了边界，应用公司只能在 system two 层面调 prompt，或者放弃某个效果。

王冠现在的做法是，把国内基座模型厂商当成自己的模型部门，把场景做成 evaluation 和种子数据，让厂商帮忙训模型。厂商训出来的模型也会给别人用，但至少他的场景天然更适配，他也更知道怎么用这个能力。这是没有钱和卡训自己的模型时的取舍。

从成本看，调用 Claude 这类成熟模型现在更划算，规模优势、推理优化、算力集群都在厂商手里。可当场景变成很大的生意，应用公司一定会遇到模型厂商做同类事情，上下游变成竞争对手。到那时，效果和成本都会逼着应用公司训自己的模型。

应用公司的优势，王冠只说了一个：速度。速度是说你离目标的位置和对手离目标的位置，距离差在扩大还是缩小。今天每个应用公司在一张地图上，离目标应该比大厂或基座模型厂商更近，至少有一段距离差。剩下的事就是保持或者扩大这个距离差。

通用 agent 和垂直 agent 的边界，他用一句诗形容。

千江有水千江月，万里无云万里天。

垂直公司像千江有水千江月，每条江都有自己的月亮，自己的数据、自己的智慧、自己的商业价值。通用 agent 像万里无云万里天，最后只能有一片天。他也说，这只是过渡状态。垂直 agent 会延伸边界，视频可以降维成图片、PPT，通用 agent 会往深做，大家最后殊途同归，回到最朴实的道理：你生产什么，用户愿意花多少钱，拿到什么效果。

AGI 他分两种。广义 AGI 是一个状态，模型知道自己不知道什么。今天的模型不知道，你也不知道它知不知道自己不知道。达到那个状态，模型可以有目标地学习，补全自己不知道的东西，学习速度会很快。狭义 AGI 是局部的、渐进式的，在某个有价值的商业领域，模型能自己赚到钱，用钱买数据、买算力，再赚更多钱，形成闭环。炒股是典型例子，今天这个过程还需要大量人介入。

王冠说，AI 时代的公司最终都是生成系统公司。生成系统可以类比推荐系统。推荐系统是一种方法，可以推荐文章，就成了今日头条，推荐视频，就成了抖音，推荐段子，就成了皮皮虾。生成系统也是一种方法，可以生成视频，也可以生成别的东西。

生成系统由三部分构成。

第一部分是 DSL，特定领域语言。视频到底如何被准确表达，视频的制作方法如何被准确表达。DSL 是整个 context 的基础层，所有东西都从它长出来。

第二部分是 context。Context is everything，everything is context。基座模型一样，产品好坏由模型之外的 context 决定。同样的 token，谁能实现更好的效果，谁就赢了。Agent 框架、workflow、领域 know how 的专库，本质上都在产生更有效的 context。React 这种方式会消耗海量 token，把确定的部分提前固定下来，需要新产生的 token 就少。Memory 管理机制也会降低 token 消耗。

Context 解决两种 gap。一种是用户意图的 gap，一句「我要一个报告」很模糊，推理模型用很长的推理过程补 context，结果会变好。另一种是行动的 gap，智能体要规划、要用工具，需要更明确的信息，让模糊指令变成精确行动。

第三部分是 environment。界面看上去是软件，里面不只有人，还有智能体，智能体活动的占比会越来越大。环境里的每个按钮、每个 GUI 操作，都要能和智能体的行动对应上。环境不是简单记录 log，产生的数据要可被学习。还要有 reward function，能筛选有效数据，把好的方法留下来。

他用做菜打比方。中文菜谱很不精确，盐少许，换一个人做，味道一定不一样。如果把做菜环境搭得足够完善，厨师第几分钟开始动作，手臂角度，油温，锅温，都能被记录，被另一个系统理解执行，recipe 就能无损传递。

这套东西听起来笨重、慢。王冠承认，这可能更适合他们的团队基因和对产品的理解。今天看到的产品形态，能力聚合、编辑、agent 和 workflow，每一种都有价值，也都有做得好的公司。他们只是选了从 DSL 出发这条路。

权力向消费端转移，没有中间商赚差价 2:25:49

信息商品的链条，从生产端、平台端到消费端。王冠的推演是，权力重心会向消费端渗透。

软件时代像供销社，只能买我生产的东西，权利在生产端。互联网时代，权利转移到分配端，电商平台、推荐引擎、搜索引擎都是分配平台。再往下推，权利应该转移到消费端。消费者想要什么，内容就生成什么，不需要告诉模型太多，系统会根据你的 user profile、你所处的环境、你此时此刻的精神和生理状态来生成。他拿《火影忍者》里的无限阅读打比方，每个人生活在自己的想象世界里。这个终局还很远。

平台会怎么变？王冠说，一定会有新平台出现。传统分配平台依托双边关系，生产端永远需要人。生成系统里，生产端需要的人会越来越少，操作和努力越来越少，生产方法会被越来越精确地记录，未来甚至可以被 IO 出来。双边关系的生产端会自动化，变成单一供给方。一个生产平台，比如字节，会变成一个生产系统，所有生产者都是这个公司的员工，只是不需要那么多人。

创作者还在，但身份会变。一类是金字塔尖的创作者，属于生产平台的员工或合作方，能在平台能力之上提供增量数据、额外智慧。像每月付 200 美元用 OpenAI 的那批人，能把系统用到极致。系统是他们的能力放大器，把最强的人复制一万份、十万份，让少数人产生海量内容。

另一类是产销者，生产的同时就在消费。写文章进入心流状态，过程本身有价值，最后产生的文章对自己也有价值。退休老干部写毛笔字，买很贵的笔墨纸砚，生产过程就是消费。产销者的条件是，自产自销的价值要大于生产成本。文字和图片已经发生了，在 chat bot 里做思想实验、调研问题，产生一份对自己有价值的报告，不用拿出去赚钱。图片社区里很多人画图给自己看，喜欢某个漫画角色，自己画图包，不需要卖给别人。视频的生产成本还太高，所以还没普遍发生。

今天平台上的创作者，很多是为了流量，为了注意力经济。王冠举了一个短视频例子：拍一个远处的山，镜头突然拉近，其实什么都没有，两三秒，你第一次没看清，就会循环播放，完播率就高。黄金三秒、hook、废话铺垫，都是在撞推荐算法的匹配机制。产销者的逻辑不是这样，生产本身对自己有价值就够了。

生成系统和推荐系统的本质区别，王冠用一句话概括。

没有中间商赚差价。

所有互联网平台都是中间商。推荐引擎、搜索引擎、电商平台，都是。平台掌管分配和消费，通过分配端的权利控制生产端。创作者投入成本、付出努力做出内容，发到平台，可能只是用户滑动中的填充物，没有得到应有的价值。分配也可能失效。同样的内容，不同的人发，量一定不一样。牛顿和莱布尼茨同时发明微积分，发到平台，牛顿的量一定更大，因为身份权重更高。两个 user profile 完全一样的人，同一时间、同一地点，发同样的内容，量也会不一样。同样的商品，价格不一样，这套分配机制不那么有效。

生产系统没有分配这个环节。需求直接交给生产端，生产端生成内容，直接给到消费者。它把分配内化在生产系统里，从库存分配的逻辑变成直接下单的逻辑。内容对消费者自己的价值，在生产时就兑现了。

这会把创作变成表达。语言是每个人都能用的，文字消灭了大部分文盲，全世界约 70% 的人能读写，图片表达的人更少，音乐更少，视频最难。模态的信息密度越高，成为表达的难度越大，可一旦成为表达，产生的价值也更大。古代文字需要笔墨纸砚、会写字，书很珍贵。文字变成表达方式，才有了微信。视频今天还是一种创作，未来应该变成表达。情侣写情书，新郎在婚礼上做一个相识到结婚的视频，大家觉得很棒，但今天这还是创作。未来它应该变成低门槛、随时能做的表达。

平台会从分销平台变成产销平台。生产的东西也会变。之前生产单点内容，一份内容丢进公域池子，接受算法匹配，内容之间缺乏连续性。未来生产者生产的是 recipe，一种方法，不代表某一条视频，代表视频 A 和 B 共有的、可复用的内部。它对应的是 IP，有共同属性的连续内容。

货币也会变。之前是注意力，平台需要注意力，所以会出现那种两三秒让你看不清的内容。内容丰裕之后，注意力有限，价值会转移到信任。暴雪早年「暴雪出品必属精品」就是信任。Substack、Medium 的订阅逻辑是信任作者，不是流量分配。公域平台变成招商引资的地方，创作者经营私域，公众号导流到小报童、知识星球，都是信任在兑现。AI 时代，稳定质量的内容生产变得规模化，每个人都可以形成自己的 IP，不需要在公域流量池里抢注意力。稀缺不会消失，只会转移，从单点内容转移到 IP，IP 的载体是信任。

北极星指标是智慧程度，一个 30 人的远程组织 2:50:34

AI 产品怎么做？王冠先说，现在大家的产品都挺 AI native，因为都是有了 AI 之后才做的，只是路径和形态不同。能看到的产品形态有几种。能力聚合，像 Poe，天然有价值。聚合之上加编辑能力，价值更多。再往前是 agent 和 workflow，把 AI worker 引入系统，进一步提效。每一种形态都有做得好的公司。

他们的北极星指标是系统的智慧程度。做产品要有商业价值，这是基本标准。在这之上，衡量系统能做出 60 分还是 70 分的内容，相同输入下质量是否提高。还有一个分母，做到相同质量的内容，消耗的 token 越少，系统越智能。他拿人做类比，一道复杂的数学题，一个人看一遍直接说出答案，另一个人要把过程演算出来，中间还算错一遍，最后得到相同答案，通常认为前一个人更聪明。

商业上，他更看重少量用户产生大量营收。3 个用户产生 100 万营收，和 10 万用户产生 100 万营收，前者更好。原因是生成系统的价值是 scale 最强的人，更强的人也会让系统变得更强。这不代表不做 ARR，产品真能解决问题，定价合理，收入是水到渠成的事。

组织上，他把公司当成一个环境，每个员工是一个智能体。人会被异化，异化的直观表现是意义的缺失。大厂里很多人苦恼，这件事不是我想做的，一层层追问意义，最后发现意义是虚无的，人被异化成公司营收、组织 KPI、老板的工具。搭环境的意思是，意义由自己决定。每个人的 reward function 不是公司制定的，是他进入组织时带着的目标，或者在组织里产生的目标。环境要做的是找到这些 reward function 和组织目标契合的方式。

产品的智慧程度，等于组织在这件事上的智慧程度乘一个转化率。转化率的关键是每个人主动、自驱，认同自己的目标。做 Medeo 的同事如果对视频缺乏热爱，转化率一定低。人有主观能动性，自己对这件事感兴趣，工作就不是负担，又回到产销者的逻辑，生产过程中就在消费。

ONE2X 现在 30 个人，3 个 co-founder，没有管理岗，全员远程，每周一天线下办公，还是大家主动要求的。王冠自己不去公司。十一期间很多同事没有完全休假，一直在提交代码，有人提交，有人核对，公司没有加班安排，远程办公也没人知道谁加班。有人 reward function 很简单，就是不想公司死掉。

远程办公有孤独和信任问题。纯线上、异步的文档和留言，会让人怀疑对方是不是在敷衍。他们的解法叫温暖可信计划。内部有一个公司朋友圈，每个人在飞书里建自己的话题组，可以发工作，也可以发生活，大家不怎么发微信朋友圈，但很喜欢发公司朋友圈，写很长的小作文，讨论生活八卦。公司没有层级感，founder 也 hands-on，王冠负责模型产品，另外两位 co-founder 负责复杂编辑器底层架构和 system two 工程架构。

招聘看两点。自驱力和主动性，判断依据很具体，自驱力强的人会 build in public，写开源项目，分享认知，做工作之外的项目并发出来。另一点是对某件事的热爱。每个人有一个向量，投影要落在公司这条线上，不能反着，也不能垂直。热爱的事可以是休息，可以是直播睡觉，但要能和公司要做的事找到契合。

融资起步很难。2024 年初资本市场差，大模型刚投完，应用公司还没形成共识。他们做好了不融资的准备。不融资就不会用生成系统这么重的方式，可能会像海外很多工具产品，从一个小功能点切入，先赚钱，再谋后路。转机在 2024 年下半年，资本市场回暖，DeepSeek 和 Manus 把应用创业的资本热情激发出来。DeepSeek 证明开源模型效果可以很好，Manus 对应用创业更本质。

产品没发布前，他们已经在赚钱。潮玩视频客户用测试版支持，按工具 token 付费。王冠自己也用 Medeo 做视频，发到视频号，一个多月做了 200 多万播放。一开始不知道能赚钱，后来看到视频号流量分成，几百块钱。他意识到这个产品真能赚钱。最近线上产品还发现一个头部 AI 内容博主，把周围人的 Google 账号全借了一遍，每一档积分包都买完，积分还不够用，联系到他们，他们才知道。

团队是传销模式，一度、二度人脉拉人。同事背景很杂，工具公司、AI 公司都有，大厂的不多。很多人一开始在大厂或不错的创业公司，后来自己出来创业，或者加入非常早期的公司。大概一半的人之前做过 founder 或 co-founder，另一部分人是公司成立时的核心员工。

未来平台从分销平台到产销平台，生产从单点内容到 IP，货币从注意力到信任。王冠也承认，这些推演可能很民科，五年后、十年后再看。节目最后他聊到「一代人」的时间概念，25 到 30 年，一个 30 多岁的人做的产品，可能是比他小 25 到 30 岁的人在用，他在服务另一代人。他常读《道德经》，最近读汪曾祺的《慢煮生活》，喜欢传统文化，觉得道家哲学和自己更搭。老子入世，庄子超脱，他用「