101. 对YouWare创始人明超平3小时访谈：今天Agent像大猩猩刚拿起一根烧火棍

摘要

• 明超平押注，Coding 会从少数人的编程技能变成全民创作媒介，YouWare 要做的不是另一个代码工具，而是“Coding 时代的 YouTube 和 Instagram”。 他的类比是手机 camera 把摄影变成拍照：Anthropic 等模型公司可能扮演索尼、持续供应更强的“模组”，真正的应用机会则在随之出现的 Instagram、Snapchat、TikTok。YouWare 现阶段把工具与社区放在一起，让用户看到试卷、数学可视化、游戏、简历、网站后立即理解“我能创作什么”。

• 他的 AI-native 检验标准很苛刻：从 GPT-3.5 到 3.7、4.0、5.0，产品若没有获得“五倍、十倍”的体验跃升，说明它与时代最大的变量关系不大。 创业初期他却重犯 bitter lesson：为弥补模型不稳定，给 Figma、Notion 场景塞模板、CSS、JS 和爬虫，结果把“80%的 AI”雕成“20%的 AI”。春节后他主动停掉尚未上线的产品，转回更开放的 Coding Agent，并用 MCP server 和 tool 更优雅地重建原有能力。

• 他对 AI 应用价值的度量，已从“消耗越多 token 越好”修正为 per-token valuation，即每个 token 最终创造了多少有效价值。 Chatbot 要由用户逐次触发，Deep Research 能把一次 prompt 展开成约一百次任务，Agent 网络还可能让多个 Agent 一起消耗智能；但“哐哐一顿写”不等于价值，真正可持续的方向是提高 token 到经济结果的转化效率。攻克癌症、黎曼猜想等极高价值任务可以不计能耗，普通消费级任务则必须逐步优化效率。

• 所谓“壳”在他看来不是薄封装，而是决定用户行为的“容器和环境”，只给用户一个空 prompt 框甚至是“不负责任”。 Midjourney 的关键不只是模型，而是 Discord 让用户互看作品、复制 prompt、叠加创意，最终从 “a dog” 演化到数百词描述；这套环境本身就是教育、分发与网络效应。YouWare 因而把社区作为积累创作者内容、经验和需求的环境，再将其沉淀为工具和 Agent 能力。

• 他客观上更倾向未来形成多个垂类 Agent 的调度生态，但个人仍希望成为超级入口。 如果超级入口把 PageRank 变成 Agent Rank，大量 To C 公司可能被压成被调用的 To B API，并受到生态反抗；垂类 Agent 则要先进入调用网络，再凭“效果最好”或“80分但成本减半”获得排序。YouWare 接受必须先成为可被调度的一环，同时仍保留成为 OS Agent 的野心。

• 他认为今天的 Agent 远未爆发，只像“大猩猩刚拿起一根烧火棍”，真正的拐点是大量 Agent 获得身份、权限和可控 context 后开始协作。 未来会出现 Agent 身份证、密码锁、信任、竞价与分层授权，人类则更像导演和评委，以好不好、美不美来驱动多 Agent 反复迭代。基础模型公司“在造更聪明的人”，应用公司负责把环境、经验和专业技能赋给这些人；短期内创业公司没有必要幻想自己能改造基座智能。

• 动态生成的 UI 是他通往下一代 OS 的长期路径：固定 App 和固定 workflow 可能被按任务、设备与场景实时生成的界面取代。 手机和电脑据他体感只覆盖生活中约20%的 context，手机传感器又长期待在口袋里，因此新硬件的价值不是“替代手机”，而是补充采集巨头拿不到的生活 context；“眼镜替代手机”之类论调被他直斥为“纯扯淡”。这条路线可能要十年、二十年，眼下更现实的任务仍是先做出产品、建立公司并活下来。

• 公司成立于2024年10月10日，2025年3月发布 YouWare，目前访谈中报20人、他说一半为研发，处于天使+轮且仍亏损；估值回答为“8000美元”。 明超平给团队的基准情景不是必胜，而是“99.9%要死掉”，再逐日寻找不死的方法；重大决策必须找到反对意见，投资人被他当作照出犹豫、徘徊和 ego 的“镜子”。他的核心 bet 最终压缩成两句：Coding 会成为新时代创作方式，动态 OS 可能出现击穿 Apple、Google 的窗口。

精读

1. YouWare 是一次从产品经理到创作型 Agent CEO 的跃迁

• 明超平生于1995年，访谈时29岁；2018—2020年在 OnePlus，2020—2023年在字节剪映/CapCut，2023年9月加入 Moonshot，在 Kimi 工作约一年后于2024年9月离职创业。

• 公司在国内叫星野，海外叫 YouWare，成立于2024年10月10日，产品 YouWare 于2025年3月发布；融资处于天使+轮、公司亏损。估值问题上，他回答为“8000美元”，访谈未进一步说明。

• 这是他第一次做 CEO。访谈后段说团队有20人，组织上他说一半是研发，另有两名产品及运营、HR；产品定位不是通用 Agent，而是服务创意表达的垂类 Coding Agent。

2. 自由散漫与严格底线共同塑造了他的性格

• 明超平由外婆带大，成绩和日常选择很少被管，因此长期“自由散漫”；外婆却严格要求教养：人齐才能吃饭、只能夹面前的菜、说话做事有不可越过的底线。“底线你不能越过，然后其他的你自己弄吧。”

• 初中遇到一位好老师，为“报答老师”开始认真学习；高中恋爱后成绩下降，又因女友成绩好重新用功。他没有把自己包装成学霸，只说一直“中不溜”，选择武汉大学也因为那里“自由浪漫”。

3. 辩论让他默认每个观点都有对立面

• 在武大读自动化时，他大一、大二主要打辩论，最密集时一周14场。两年训练留下的不是话术，而是“默认没有观点是一直对的”：每个人都用不同模型理解世界，事实真相或许存在，人只能从多个主观视角无限逼近。

• 他把这套习惯带进公司：产品数据和市场 fact 很重要，但团队也必须写出观点，因为没有观点的信息“没有消费价值，也没有讨论价值”。同时，“永远知道你的观点是错的”，主动寻找它的反面形态。

• 张小珺追问：既然任何观点都有正反，公司到底如何决策？明超平的答案并不伪装成科学公式——最后仍是 preference 和直觉，只是这个直觉必须回到用户场景，并接受数据和反方观点的校正。

4. “用户大于 ego”是直觉决策的最后约束

• 团队内部的口号是“用户大于 ego”：一个人如何解释数据并不够，关键是有没有和用户聊过一小时、是否每天泡在 Discord server、是否看过他们怎样创作、分享和回应评论。

• 各方先把观点摆上桌，再回到真实场景寻找直觉共识；多数时候最后仍由明超平判断，因为团队信任他的产品直觉，但这种权力必须建立在长期接触用户，而非职位和表达优势上。

5. 四辩训练的是第三方视角，不是说服对手

• 明超平最常打四辩。四辩是最后发言、可能逆转局面的辩位；他举历史上明星辩手的例子：前面四十分钟可能论证不佳，最后三分钟却靠一个动情故事让评委忘掉此前的论点。这个例子并不是在说那就是他自己的比赛表现。

• 四辩的真正对象不是准备充分、未必会被说服的对手，而是第一次听到辩题的评委与观众——“本质上那是你的用户”。

• 这形成了他的产品原则：随时“一秒钟把自己变傻子”。用户不知道公司的故事，也没有读过说明书；产品打开的一瞬间如果还需要 toast、弹窗解释怎么使用，就没有做到自然的开箱即用。

• 他将 Apple 视作这一产品观的典型：不靠说明书，不把像素、帧率、主频等专业参数当成体验本身。简洁不是视觉风格，而是让第三方无需预习便能理解价值。

6. 智能汽车竞赛给了他工程直觉与成长性思维

• 大三、大四，他加入四人智能汽车竞赛团队并任队长，负责软件；两辆车既要依靠 camera 识别赛道，又要通信、避障、配合超车。这两年他常睡在实验室，从 C、C++、传感器、芯片到软硬件协同都实际做过。

• 小车从20秒优化到19秒，成绩会立刻反馈每一行代码和每个 bug，构成极清晰的 reward model。“不像科研，像在玩一个游戏”，写代码、焊板、协同都服务于可见的速度提升。

• 更持久的收获是“没有东西你学不会”：蓝牙、camera、控制算法都可通过资料和合适的人补齐，自此他对困难的恐惧程度几乎归零。

7. 最佳辩手与最多败局可以属于同一个人

• 明超平曾是拿最佳辩手最多、同时输比赛最多的队员。他总在质询和公辩中抢着站起来，看似替队友顶住压力，实质包含一种傲慢：抢走队友表达与跳出问题陷阱的机会，让个人显眼而团队失去协同。

• 他在学长退役赛中把原本有优势的比赛讲输：前面各个环节都积累了优势，最后三分钟却想复述所有赢点，结果语速变快、主线消失。“你讲得越多，观众摄入信息是零。”

• 这被他直接映射到产品：评委脑中通常只有一两个问题，用户也往往只需要三个功能；绝大多数软件约90%的功能没有被打开，堆一百个 feature 只会模糊真正的胜负手。

8. 不再执着说服别人，也让他谨慎评判 UGC

• 两年辩论把原本很 E 的他推向了 I：他说得太多后意识到，说服别人既没有必要也很难，每个人都有自己的世界模型；不再以改变他人为目标，话自然变少。

• 同样的克制延伸到社区治理。猎奇、擦边、搞笑或缺乏他个人美感的内容可能很受用户欢迎，他不愿仅因自己不喜欢便屏蔽：“我不会 judge 我身边的人，同时也不会 judge 用户的审美和偏好。”

9. OnePlus 用缺少数据的环境逼他训练产品 sense

• 看完《乔布斯传》后，他从自动化转向产品经理，自信“懂技术应该比一般产品经理更强”；进入 OnePlus 才发现，组织强调的产品 sense 很飘忽，老板能判断谁有，却没人能把训练方法讲清楚。

• 当时手机公司的数据基建很弱，早期甚至没有完整的数据分析，数据放在 Excel 里；无法方便做实验时，产品经理只能依赖主观、用户反馈与现场观察，反而被迫训练直觉。

• 一位被他称为“天才产品经理”的 mentor 带新人坐完整条地铁、逛商场：观察用户电量、耳机佩戴、App 切换和早高峰动作。办公室里的重度手机用户不是全部市场，“你们的用户是在地铁上、在商场里的”。

10. 电量不是线性数字，而是一条心理体验曲线

• 团队原以为早晨出门的人电量应接近100%，现场却发现大家早上的电量可能只有10%，都是红色；没有完整数据时，他们至少意识到用户真实状态与会议室假设可能相反。

• 更关键的发现是，续航参数与续航体验不等价。用户对95%—100%和0%—5%最敏感：刚拔线便从100%掉到99%会怀疑电池；最后5%若格外耐用，则能缓解最焦虑的时刻。

• 因而理想显示可能不是线性下降，而是 S 型曲线；末尾标示的5%可能对应真实10%。他的结论不是鼓励造假，而是“体验是主客观一块的”，产品服务的是人的感受，不只是四千、五千毫安时的纸面规格。

11. 字节用高频反馈把产品判断训练成肌肉记忆

• 他离开 OnePlus 的直接原因是一年一款手机、且只负责其中一个模块，决策反馈太慢；剪映两周一个版本，一个版本可包含十个 feature、五个实验，三年积累的是几十乃至数百次判断与纠偏。

• 刚进字节时，他连 DAU、VV、MAU、PV、UV、七日和三十日留存都听不懂，感到自己“很菜”；补齐指标及其关系后，才进入字节真正的产品工作方式。

• 高频实验最终形成数据直觉：一个方案出现时，即使不做 A/B test，也大致能判断指标会上涨还是下跌、幅度在哪个区间。这种几百次先验—后验闭环，是他认为字节最强的训练资产。

12. 数据驱动抬高平均线，却无法验证颠覆式创新

• 他把字节方法压缩为一条链：先写下鲜明判断及预期结果；用最糙、最快的 MVP 执行，“能不做都不做，今天能不做就今天不做”；再拿数据和用户反馈，与先验比较并复盘 gap。

• 这套基建能让一个60分的新人一两周交出80分结果：实验若负向20%，再缺乏经验的人也不会贸然全量上线。Google 和 Facebook 由此让不同文化、背景的人稳定 deliver。

• 张小珺追问它的劣势，明超平承认会磨灭顶级创意。iPhone、Tesla 等颠覆式产品无法先被 A/B 实验验证；数据只是“后视镜”，能看清走过的弯道，却不能告诉司机前方该往哪里开。

13. 直觉与数据冲突时，他最终选择直觉

• 现在团队先以观点和直觉决定方向，再用快速尝试与数据验证；但短期上涨不自动等于长期价值，短期下跌也不自动等于错误。有些决策只能被当作“信仰判断”，由 CEO 承担风险。

• 两套方法真正打架时，他坦言“相信直觉”，大多数关键判断都是如此；OnePlus 给了简洁与主观体验，字节给了规模化实验和平均线，他试图把两者放进同一决策循环。

• 他尤其敬佩张一鸣仍在一线聊极小的创业项目：一些已经极度 hungry 的团队发现，自己看过的大多数项目张一鸣也聊过。“这个 level 的人还在聊这种项目”，在他看来是罕见的 humble 与动手能力。

14. 在强平台里，选对方向可能占结果的90%

• 对“字节出来很多创业者却尚未出现公认大成者”的质疑，他基本认可：字节基础设施太强，会遮蔽一个人的单打独斗能力，也容易让人把平台成果误认为个人能力。

• 他的复盘是，“决定占了90%的价值”：是否在2019、2020年进入一个新团队，是否在2023年9月加入 Kimi，是否在外界或公司内部并不看好视频编辑天花板时仍选择这件事，往往比进入正确环境后的执行更关键。

• 只要人靠谱、努力，在强系统中很难交付太差；真正区分创业者的，是进入系统前能否发现微弱趋势并下注，而不是事后把规模归功于自己的 ego。

15. 离开字节是为了把最稀缺的时间交给 AI

• 他在2023年7月先离职，再研究创业与 AI；原因不是可以边上班边看机会，而是他不能接受“在这里领工资，却研究自己的东西”。留在剪映，90%的精力仍会被会议、报告和双周材料占据。

• 8月去日本骑车后，9月与杨植麟从中午聊到晚上；前面主要谈生活、音乐、艺术、滑雪和经历，吃披萨时才正式讲技术。杨植麟是他接触的团队中，唯一能让他边吃边听懂 token prediction 与“压缩即智能”的人。

• 他记下的核心类比是 E=mc²：巨大信息被压进一个简洁公式，正是智能；费曼学习法也是把复杂体系压缩成别人能懂的一句话。杨植麟对 AGI 的执着、谈 Geoffrey Hinton 时“眼睛里的光”，最终促使他加入 Moonshot。

16. Moonshot 给了他近乎放养的产品空间

• Moonshot 三位联合创始人曾在他入职第一天说“求求了，带我们做 To C”；团队允许他把海外产品组放在深圳，甚至许多公司同事都不知道还有深圳 base，这种信任连如今做 CEO 的他都觉得自己未必能复制。

• 他在团队中与成员双向学习：每两周 one-on-one，他向对方分享产品方法，对方用尽可能简单的话解释论文和技术；团队成员甚至认为解释不清是自己的责任，而非产品经理“太傻”。

• Kimi 后期他还做过插件及较早期的 Computer Use、Agent 探索。插件意外获得传播，但这段经历更重要的产物，是知道哪些事在 AI 产品中应该克制不做。

17. Noisee 从 Suno 用户的分享缺口里长出来

• 2023年底，Suno 尚未爆发时，他长期泡在 Discord，看到音乐创作者的交流和分享欲远高于普通 AI 工具社区：不会作曲的人一天能生成多首歌，这些作品不可能永远留在手机或频道里。

• 他观察到传统音乐人上传 YouTube 时常用一张静态封面播放两分钟音乐；与此同时，当时视频模型人物和风格一致性很差，做连续故事不成立，却恰好适合无需一致性的 trailer 和 MV。

• 由此形成 Noisee：Suno 让普通人生成音乐，Noisee 把链接变成可分享的完整 MV。模型缺陷没有被硬补，而是通过选择“一致性不重要，跳切反而增加想象”的内容品类被重新定价。

18. 手工剪片是 Noisee 最有效的需求验证

• 产品还不存在时，团队假装独立开发者，在 Suno Discord 找到用户作品，用剪映手工做成 MV 再问“你喜欢吗”；第二天十个用户索要链接，两名实习生便剪十条片子逐一返还。

• Discord 通常禁止在别人 channel 发自己的链接，他因此始终不敢主动引流；但管理员看到用户真实喜欢，后来直接替 Noisee 发产品链接，带来了第一批种子用户。

• 这个案例再次印证他的第三方视角：不是先造一个复杂系统再证明需求，而是用现有工具 deliver 用户真正想分享的成品，让社区管理员和创作者自行给出信号。

19. Suno v3 的爆发把一个互补产品一并带火

• 2024年3月，Suno 发布 v3，按明超平回忆 DAU 很快达到数百万；“Suno 做音乐—Noisee 做 MV—上传 YouTube”构成自然组合，Noisee 随上游增长出圈。

• 海外 VC、华纳音乐、Spotify、Suno 都曾接触，其中他提到的 VC 是 HSG；Suno 还聊过两次，他猜测对方可能有并购意图。后来 The Information 揭示 Noisee 背后是中国大模型公司 Moonshot，交流没有继续。

• 他强调用户称其 “Sora-like” 并非模型更强，而是交付更完整：别处给四五秒 clip，Noisee 给一分钟、带转场、音乐和视觉节奏的 MV。“我们要 deliver 给用户的是一个结果”，声音加入视频带来的体验提升也远不止两三倍。

20. 关停 Noisee 是资源集中，也是非共识消失后的选择

• Kimi 在同一时期爆发，公司决定集中资源。杨植麟等人因产品由明超平主导，打电话时非常含蓄；他主动问“咱是不是要关停”，随后明确表示“坚决支持”，并不认为这是被迫牺牲。

• 张小珺说“很可惜”，他反而认为不仅应该关，可能最初就不应做这个产品。多模态理解与智能相关，但他认为“多模态生成不产生智能”，与公司核心梦想距离较远；这是他的判断，并非对事实的校正。

• 更重要的是，Sora 已展示领先路线，后来可灵也做出好模型，原来的非共识随之消失。除非创业者能以 autoregressive 等不同路线做到更低成本、更快或更好，否则同路线重复投入只是消耗资源；真正令他伤感的，是离职后某天发现域名终于彻底打不开。

21. AI 产品最难学会的动作，是控制住手不去雕花

• 在 Moonshot 积累的原则是：传统互联网里，UI、UX、模板和脚手架带来短期改善，可能值得做；AI 时代却有很多东西应该控制双手不去做，因为下一次模型升级可能直接抹掉这些工程。

• 他创业后仍重犯错误：模型生成网站和游戏不够美、偶尔报错，便让设计师准备约50套 CSS、JS 模板塞进 context，希望把结果强行约束得漂亮稳定。

• 结果产品越来越像工程系统，而不是 AI 系统。这个 bitter lesson 让他意识到，创始人最熟悉的传统产品能力，反而可能成为阻止模型释放能力的路径依赖。

22. 创业第一版直觉正确，中间半年却被稳定性带偏

• 2024年9月离开 Moonshot 后，他才正式接触机构融资，以避免离职和融资消息影响仍处风口的 Kimi；2024年10月10日成立公司，团队成员在听清风险、分配和方向后选择加入。

• 融资时已经有可运行 demo，形态与后来 YouWare 很接近：用户用自然语言创作网站、游戏和作品，再在社区互动、分享、二创。最初 BP 也写了这套愿景。

• 但模型当时不可控、不稳定，他怀疑 timing 未到，转去做 Figma 到原型、Notion 到 landing page 等垂直产品；爬取各类文件结构、处理大量 corner case 后，产品从 AI 变成了工程，半年绕路由此发生。

23. MCP 让曾经复杂的垂直能力重新自然出现

• 当时实现 Figma、Notion 转换要分别写爬虫、解析结构、处理边角案例；重回 YouWare 后，Agent 直接调用 MCP server 和 tool 获取数据，再用 Coding 方式还原，一套框架覆盖多个来源。

• 同样的功能重新出现，但实现机制由场景硬编码变成 Agent 调度。“非常优雅”是他判断方向可能正确的重要信号：复杂性转移给通用能力，而不是继续堆在产品工程里。

24. “模型升级能否放大产品”成为 AI-native 的试金石

• 他用 GPT-3.5 到3.7、3.7到4.0，以及4.0到5.0这样的跃迁追问团队：每次基座变强，产品体验究竟提升多少？如果只有很小变化，而不是五倍、十倍，就大概率不是 AI-native。

• 理由不是追求标签，而是公司必须契合时代最大的变量。字节的形成叠加了移动设备、带宽和推荐算法；当下最大的变量之一是模型智能，若它与你的产品无关，离“大公司或伟大公司”已经很远。

• 2025年春节后，他连续向股东汇报进展，在反复输出中突然意识到产品不对；即使团队正热火朝天地讨论下一步，他仍停掉尚未上线的方案，承认此前“传统产品经理想雕花”的本能压过了第一版直觉。

25. 一夜写出的产品只解决“作品无法分享”这一处断点

• 2025年3月某晚约十点，他刷 Twitter 看到很多人用 Grok 3 写游戏，却只能把录屏分享出来；新时代的可交互作品与旧社交媒体不兼容，需要一个能直接运行、体验和传播的新容器。

• 当晚做到凌晨一两点的第一版只有 “HTML to website”：用户把 DeepSeek、ChatGPT 生成、原本只能在 localhost 运行的代码贴进来，立即得到朋友可访问的网站。他嫌产品太糙，公开推荐时甚至不承认是自己做的。

• 这次极简发布重新接上最初 premise：先解决创作者真实的分享断点，再逐步探索 Agent、社区和创作能力，而不是预设完整 workflow。

26. Token 消耗量只是第一阶段，下一阶段是单位价值

• 春节后的另一道自问是：AI 产品究竟该看 DAU、留存，还是新指标？他最初的答案是 token 消耗速度，因为它体现产品调用智能、完成任务的规模；后来看到 Manus 团队的访谈和分享，他感到“不谋而合”。

• 继续使用多种 Agent 后，他修正为 per-token valuation。用一百万 token 写网站，若大部分在无效试错，并不优于更少 token 完成同一结果；类似石油、电能转成机械能，成熟阶段一定追求更高转化率。

• 他不把效率绝对化：若 Agent 能攻克癌症、黎曼猜想，消耗多少 token 甚至“一半电量”都不重要；但普通用户的大多数任务没有如此高的终值，成本和有效产出最终必须被优化。

• 这也解释 AI 产品的阶段变化：先追求速度，让 Devin 等 Agent “哐哐一顿写”；规模形成后，再分辨其中30%还是70%的 token 真正产生价值。

27. Chatbot 到 Agent 的主线，是把一次触发扩成持续工作

• 早期 base model 产品主要补全文案、营销邮件，token 消耗受限于低频场景；instruction model 和 ChatGPT 把它变成可搜索、可问答的通用对话，使用范围随之扩大。

• Chatbot 的限制是一个用户 prompt 才触发一次模型；Deep Research 可以把一个 prompt 展开成约一百个子任务，以近百倍速度工作。Manus、Devin，以及现在很多 Agent，比如 Lovable，延续的是同一条主线。

• NotebookLM 给他的启发则是，应用不只消耗文本 token，还能把文字、图片、视频、音频纳入同一工作流；A2A 与 Agent 网络进一步让多个执行体协同处理更难的问题。

28. “壳”的价值在于塑造行为，而非遮住模型

• 明超平不接受把应用层贬为“套壳”，更愿意称其为环境和容器：同一个人在大排档与法式餐厅会改变音量、动作和说话方式，环境本身就在影响行为。

• 因此，只给用户一个 chatbot 输入框是“不负责任”：创作用户往往既不知道为什么要用，也不知道该输入什么，产品不能把探索模型边界的全部责任推给用户。

• YouWare 中的输入框、作品流和二创路径共同承担引导功能；目标不是增加装饰，而是让用户进入后产生创作动机、获得灵感，并在他人作品中学会更高阶的表达。

29. Midjourney 证明社区本身就是使用说明书

• 2022年底第一次面对 Midjourney 时，大多数用户只能输入 “a dog”“a cat”“a girl”；如果每个人只得到孤立工具框，三年后的整体使用水平可能仍然很低。

• Discord 让一个人的柯基、墨镜、披风启发另一个人换成边牧，也让“超现实主义”、光影和画质词被复制进下一条 prompt。短句由此迭代为数百词，创意和技能在公开模仿中累积。

• 这正是明超平想复用的网络：社区不只是展示结果，还帮助用户理解能力边界；优质作品吸引更好的设计师与创作者，他们的经验再被提炼为 Agent 所需的工具和行为。

30. Coding 应该像拍照，而不是继续停留在摄影

• 他刻意把 YouWare 定义为“创作”，而非技术味更重的 Coding。摄影让人想到单反、ISO、快门和专业设备，拍照则是随手完成；传统 Coding 像摄影，AI Coding 应该成为人人可做的拍照。

• 手机 camera 让不懂快门的人变成“手机摄影师”，自然语言编程则催生此前不存在的 web coder。重要信号不只是原有程序员效率提升，而是“一帮以前做不了、今天能做”的新人群高速增长。

• Camera 出现后，每日照片量从百万、千万走向亿级；他期待代码作品也发生指数增长。Coding 因而不是简单的程序员工具升级，而是创作供给、创作者结构和作品分发的整体变化。

31. 模型公司可能是索尼，平台机会在新媒介的下游

• 手机摄影时代，索尼持续提供 camera 模组；像素、噪点和白平衡改善后，Instagram 先用滤镜优化作品，再用 feed 承载海量图片，随后才有 Snapchat、TikTok、TikTok Live 等形态。

• 对照当下，Anthropic 可能承担“索尼”角色，把 Coding 能力不断做强；创业公司若都围着 camera 本身竞争，就会忽略随着供给爆发而生的新平台与新社交关系。

• YouWare 的 bet 是寻找 Coding 时代的 YouTube、Instagram：重新组织文字、图片、视频和可交互软件，解决创作、消费、二创、传播发生在哪里，而不是再造一套基础模型。

32. 工具与社区只是第一阶段，真正的内容品类仍待发现

• 务实路径是先把工具和社区放在一起，为 web coder 提供简单、效果好、持续获得灵感的创作平台；同时观察两个变量：创作过程卡在哪里，以及用户最终在做网站、游戏、App 还是其他内容。

• 他希望增长由好内容、趣味内容和口碑驱动，因此必须寻找类似抖音早期“对口型”的传播品类。短视频最初只是跳舞、唱歌、卡点，后来才容纳量子物理；新媒介的边界也会由早期高传播场景逐步扩展。

• 这不是已有答案。他直说可能根本不存在“对口型时刻”，团队只能持续观测；但海外用户作品已经显示出足够多样性，让他认为搜索仍值得继续。

33. YouWare 的 aha moment 是让用户看见“原来还能这样创作”

• 用户进入后会看到英语老师做 quiz、数学老师做三角函数可视化，也有人做 landing page、游戏、个人网站、作品集和简历网站。许多人最先反馈的不是模型多强，而是“原来这里有这么多人创作这些东西”。

• 张小珺质疑 YouTube、Instagram 都约束了媒介，YouWare 容纳一切是否过泛；明超平的回答是先通过真实供给观测，而不是提前押一个品类，Agent 解决创作痛点，内容则帮助发现最有传播力的形态。

• 他也不执着做“AI版抖音”。下一代内容应提高信息密度与消费友好度，但未必仍叫短视频；如果 Coding Agent 足够聪明，甚至可以在对话中提出创意，用户只需像导演一样不断回答 yes、no。

34. 创作 Agent 必须在效率与“拼乐高”的乐趣之间取平衡

• YouWare 被他界定为创作领域的垂类 Agent，因为他做不了通用 Agent，能力有限，也偏离个人长期兴趣；剪映经历、纪录片和艺术片偏好，都让他更关注创意能否无负担表达。

• 他不追求纯效率工具。拼好的乐高若直接交付，80%的价值会消失；真正的价值是两小时心流。理想产品既能降低专业门槛，又保留“把东西亲手拼出来”的快乐。

• 图片、视频、音频、文字生成工具未来都可被 Coding Agent 调用，组合成可交互网站或内容；是否加入某项能力，取决于用户需求和有价值场景，而不是为了宣称产品通用。

• 他的原点很朴素：Coding 是先进能力，却只掌握在少数人手中；让陌生店主用剪映、让普通人拥有个人网站，都会带来“产品真的帮助了不认识的人”的成就感。

35. 超级 Agent 与垂类 Agent 对应两套政治结构

• 他习惯用人类社会理解 Agent：一个极聪明中心统一调度所有资源，类似追求效率与上限的强中心；多个主体相互制衡、可被替换，则牺牲效率但保护下限。

• 第一种未来里，OpenAI 或 Gemini 可能像 OS，理解“写网站、做设计、订酒店”等意图，再寻找合适 Agent；第二种未来里，各领域拥有自己的入口，用户直接面对多个垂类 Agent。

• 他个人当然选择第一种，并希望成为调度者；客观判断却更倾向第二种，因为不同品类会形成各自调度层，不太可能只剩一级入口，硬件层或许仍存在 Apple 式总入口。

• 张小珺的反驳击中商业结构：若 PageRank 变成 Agent Rank，所有 To C 公司都会被压成 To B API。明超平认为这会引发反抗——创始人不会甘愿不知道用户是谁，只按 token 接单并把关系全部交给上游。

36. Agent Rank 将重新分配流量、利润与企业身份

• 在超级入口路径里，为什么做设计调用 Lovable 而非另一家、写网站调用 YouWare A 而非 YouWare B，会形成 Agent Rank；排序依据可能包括效果、成本、点击率、消费转化和广告。

• 垂类 Agent 必须先进入调用网络，否则“你的价值就不够”。进入后有两种主要位置：做到垂类最优，或提供80分效果但成本只有一半。

• 他把专业经验视为防御力：清华姚班毕业生和他之间，如果任务是画设计稿，用户可能会选做过十年设计的他，因为他能更快、更便宜地交付结果；Agent 同样可凭数据、行为、用户反馈和 know-how，用经验弥补通用智力差异。

37. 今天的 Agent 只是刚学会使用石头和木棍

• 明超平说 Agent “像大猩猩刚开始拿起一个烧火棍砸东西”，大致还处于直立人学习使用石头、木头和火的阶段；如今谈成熟 Agent 社会，远早于实际进展。

• 他的产品原则是同时相信两件事：“Model 会变好”，以及“Model 跟你无关”。基座智能由模型公司推进，应用公司的工作是积累环境、经验、工具和用户，赋予 Agent 专业技能。

• 短期不需要、也没有必要基于基座模型做优化，并非模型不本质，而是创业公司能力有限。他类比 Apple：MacBook 先使用 Intel 十多年，才在资源和积累成熟后换成 M 系列芯片。

38. 基础模型公司造“人”，应用公司训练职业经验

• 他把模型公司描述为“造更聪明的人”：不断提高智商，像从小学、初中、大学一直培养到博士；应用公司则把这个人放入特定环境，用经验和工具使其适应生产需求。

• 因而模型与应用没有绝对边界。模型本身也可以是产品，判断标准仍是有没有创造用户价值：提高社会效率、让人生活更好，或替人承担脏活累活。

• 模型公司可能做一款产品，也可能多线开花；Kimi 与 MiniMax 被他视作不同策略，而不是孰对孰错。Perplexity、ChatGPT、Gemini 也可沿不同路径解决搜索，没必要所有人走同一条路上山。

39. 新硬件的机会不在替代手机，而在补齐 context

• 若 Agent 要成为 OS，它需要足够多的 context、tools、智能与实时交互，长期可能需要新硬件载体；但他强烈反对“眼镜替代手机”“下一代硬件消灭手机”的叙事，直称“纯扯淡”“骗钱”。

• 手机至今没有替代 PC，不同设备更可能互补。手机计算和传感器很强，问题是长期待在口袋里，传感器对生活环境近乎不可见。

• 据他的主观估计，电脑和手机只集成了生活中约20%的 context；吃饭、聊天、出游等大量信息没有被捕捉。谁能取得 Apple、Google、微软拿不到的那部分 context，谁才可能建立非共识入口。

• 若只在现有手机系统内做 App，创业公司往往只是平台数据全集中的小子集，最终容易替巨头验证 PMF；下一代安卓一次更新，就可能吸收创业公司的成果。

40. 下一代 OS 的界面会按任务实时生成

• 他设想的 OS 不是固定 App 与预写 workflow，而是“活的”：开车与停车、平板横屏与竖屏、开会与独处时，即使面对同一块屏，界面也应按场景重新组织。

• 开会时，Agent 可即时生成一个同时展示字幕、笔记、进度和资料的页面；打开网站的两秒钟，未来不仅传输服务数据，也可能实时生成与渲染当下最适合的 UI。

• 这条路径离不开 Coding engine，因为所有界面都要被代码驱动并实时改写。它可能需要十年、二十年，甚至二十年也未必实现；务实前提仍是先有产品和公司，沿目标前进且不要中途死掉。

41. Agent 网络的爆发条件是协作、身份与信任

• 他判断未来一两年会逐渐出现小部落式网络：Agent 互相调用、调度和配合；真正规模化后，身份、权限、信任、竞价和管理问题都会出现，Agent 需要“身份证”和“密码锁”。

• Context 不可能无差别分享。人找供应商不会交出过去二三十年全部资料，Agent 也应按对象、任务和风险只开放一部分；不同 Agent 的授权范围、协作关系与信息隔离会成为基础设施。

• Google 已提出 A2A 协议，但现实仍主要是 API 调用，尚未形成 Agent 之间的自主协作。用他的草原比喻，东非的“野人”甚至还没遇到西非、南非的同类，今天多数 Agent 仍是“孤独的野人”。

• 所以他认为 Agent “远远没有爆发”：先要在不同领域创造足够多价值，再连接起来协同，联合结果明显超过单 Agent，网络效应才真正成立。

42. 人类最终更像导演、评委与审美裁决者

• 明超平喜欢“导演”这个比喻：人不必亲自完成每一步，而是判断结果好不好、美不美；Agent A、B 听到“老板觉得不好看”后协同优化，再把新版本送回人类评审。

• 他认为视觉方式仍然最高效。他提到人约80%的信息来自视觉，因此即使输入可以是声音、手势或多模态，复杂结果仍需要界面呈现。

• 固定界面无法容纳 Agent 拿到的巨量异构信息：今天是视频，明天是网站，后天是图片、文字或 paper。最终呈现层必须动态变化，并可能达到毫秒级适配。

• 他认为价值链最重要的两层，一是最前端“任务交给谁”的调度权，二是最末端“结果如何呈现”的交互权；前者分配经济价值，后者直接拥有用户关系。

43. 2022—2025年的行业关键词从论证模型转向 Agent

• 2022年，大厂还在论证“要不要做 AI”及如何与既有业务结合；组织不会立即抛弃原业务，决策和落地往往需要六个月到一年。

• 2023年，行业被 ChatGPT “撞晕”，重点是怎样追赶、开源还是闭源；之后讨论过“模型还是应用”；到2025年，讨论中心明显转向 Agent。

• 他对 DeepSeek、Manus 的评价克制而直接：“两个都很优秀，都是很厉害的公司，学习、respect。”与 Manus 创始人肖弘虽常被投资圈类比，也有中间人介绍，访谈时仍未正式见面。

44. Anthropic 的 Coding 笃定与 OpenAI 的多线扩张形成对照

• 谈到 Sonnet 3.7、4.0，他认为 Anthropic 已把 Coding “刻在模型上”，执行坚决且一丝不苟；日常问答他可能更多用 Gemini，但 Coding 会无可挑剔地选择 Sonnet。

• 主持人以“OpenAI 花30亿美元收购 Windsurf”为题发问；明超平没有核验交易，而是认为 OpenAI 要做的事太多：AGI、模型、应用、硬件和用户入口都想抓，收购能直接缩短时间成本。

• 在他的判断里，OpenAI 最大对手是 Google。Google 拥有更丰富的系统、用户和 context，因此单纯在其平台内寻找局部机会，很难形成长期独立壁垒。

• 他仍鼓励模型级产品与应用级产品并存：技术、社区、tool、内容都只是创造价值的不同手段，市场不应因为某条路径一时领先，就让所有团队拥堵在同一条山路。

45. 全球化产品可以统一，内容必须区域化

• 他相信“好的产品天然 global”：核心价值和方法论可以跨市场，但内容、语言、交互习惯必须本地化；不能要求日本用户长期消费中文内容，也不能把中文社区原样搬给美国用户。

• 海外与国内在文化、审美和使用方式上差异很大，唯一不变的方法仍是贴近用户。Noisee 能起量，正来自长期泡在 Suno Discord，而不是在中国办公室推演海外需求。

• 他把新一代中国创业者概括为更开放、自信、洒脱和叛逆：不再默认自己只能做 copycat，也不必让产品刻意长得像美国团队。YouWare 的中国结 logo 就是在表达连接人、创意与作品的价值观。

46. 商业模式服从创作者共赢，而非 Agent 标签

• 对 Agent 按服务结果收费的共识，他认可那是一种模式，但拒绝把 YouWare 只定义为 Agent 产品；订阅、按服务收费、广告及其他方式都可以并存，“大概率我们会做广告”。

• 选择标准是公司与创作者能否共赢：平台获得足够利润持续投入，创作者获得足够激励。商业模式不是身份宣言，而是让价值循环能够长期运行。

• 他引用 Jobs 给 Apple 内部的表达：第一，造世界上最好的个人电脑；第二，赚足够的钱继续做第一件事。YouWare 对收入方式不设洁癖，前提是不损害持续创造的能力。

47. 做 CEO 后，产品只剩约一半时间，但问题变得更多维

• 离开 Kimi 时，雨桐曾提醒他：一旦做 CEO，可能连50%的精力都无法留给产品。事实大致如此，但另50%并非纯负担，还包括招人才、launch、融资、获取顶级认知和校准市场理解。

• 他承认自己“不够 aggressive”：夜里发现体验问题时，一面想让团队加班到两点，一面会代入员工，追问“今天不做地球就不转了吗？”多数问题留到次日，真正火烧眉眉时才要求留下。

• 团队逐渐学会与不确定性共舞。业务方向、需求优先级随时可能调整；“明明知道不对还不变，才是最大的错误”。五一期间，员工理解他的顾虑后主动提出可以加班，并说应支付加班工资。

48. 反对意见、低 ego 与投资人镜子构成治理机制

• 对重大决定，他要求一定找到至少一个反对意见，来自公司内外都可以；若所有人出奇一致地说好，他反而害怕。比例不重要，重要的是把 concern 和不同模型真正听完。

• 他不把员工“不服”视为权威问题：很多争吵不是事实冲突，而是“我是谁、你凭什么说我”的 ego 冲突。回到事实，情绪往往就能被摘掉；CEO 主动压低 ego，也会塑造团队沟通方式。

• 融资顺利时，他也曾在夜里感到自己无所不能，随后提醒自己“马上把自己拍醒”。他知道 ego 不会消失，只能持续对抗。

• 投资人对他而言是“镜子”：脑中游泳像孙杨、打球像科比，录像里却可能七扭八歪；外部投资人能照出团队内部光环遮住的犹豫、徘徊和不够坚决。

49. 创业被他理解成打谱、冲浪与 Free Solo

• 围棋“打谱”不是复制最终棋面，而是理解第一步、第二步到第五十步为何落在那里；照抄抖音、微信、YouTube 今天的界面没有意义，因为走错第五十步，根本不会有第一百步。

• 产品优先级就是落子顺序：什么今天必须做，什么三年后做，什么永远不做。张小珺问棋盘对手是谁，他停顿后说“好像也是我自己”——一个犹豫的自己与一个过度激进的自己持续对弈。

• 他弱化团队的竞争意识，更愿意合纵连横、把蛋糕做大；真正竞争对手“还没有发现我们”，不该成为对手的人却已把他们视作对手。类似 Free Solo，攀岩时看左右都会浪费注意力，只能盯住下一处手脚落点。

• 公司的默认情景是“99.9%要死掉”，不是悲观停手，而是每天想办法不死；最痛苦的时刻包括否定团队正在热做的产品，以及被投资人用一连串此前没想过的关键问题“问爆”。

50. 最终押注不是努力本身，而是捕捉微弱趋势

• 明超平的世界观是，个人和20人团队能做的都极其有限；若想服务更多人，不能只靠每天工作24小时，而要被世界的重要趋势赋能。

• 他把创业比作冲浪：80%的时间坐着等，识别浪从哪里来；浪来时加速才能站起，浪没来时再努力也没用，逆浪则会被拍飞。“顺势而为”人人都愿意，真正困难的是早期的势极其微弱。

• 因此，他给出的关键 bet 是：“Coding 会成为一个新时代的创作方式，而不是简单的编程”；进一步的长期 bet，是动态生成界面的新 OS 有机会击穿 Apple、Google 式固定系统。

• 这两个判断仍带着明确不确定性：OS 可能十年、二十年都做不到，公司也大概率失败。可一旦趋势成立，YouWare 希望既是被 Agent 网络调度的专业节点，也是最终有机会获得任务入口和用户界面的那一层。