# Perplexity Chief Business Officer Dmitry Shevelenko on why curiosity is AI’s scarcest resource - Channel: [Summation with Auren Hoffman](https://www.youtube.com/channel/UC6Snzg5AdYIxwPrkxwt9aBw) - Published: 2026-05-19 - Source video: [Watch on YouTube](https://youtube.com/watch?v=TyeNSjxP73c) - Read on ReadTube: https://www.read.tube/p/videos/TyeNSjxP73c - Language: Simplified Chinese ## Summary **代理将重塑企业** Dmitry Shevelenko认为，人工智能代理正在从“回答问题”转向“执行工作”，企业未来会像管理人力一样管理算力预算。Perplexity内部已用单一聊天入口推动协作式代理使用，并在极少员工配置下支撑大规模收入增长，重点在于工作流编排、上下文接入和结果校验。 Shevelenko把人工智能的下一阶段描述为“数字员工”时代：员工不再只是使用工具，而是像管理一支由代理组成的团队那样管理算力、任务和反馈。他认为，真正的核心能力不是写复杂提示词，而是清晰地给出可执行反馈、验证结果，并把代理嵌入现有工作流中。随着代理承担更多重复性和信息型工作，知识工作者和管理者的角色会越来越像执行层，企业也会围绕算力预算、产出回报和流程设计来重新组织。 ## Article ### 数字员工与新的搜索范式 如果你真的把这一点内化为：这些智能体是**数字员工**，那么突然之间，你手下的每一位员工都实际上变成了一个高管，因为他们一下子拥有了 100 个人的编制。就像你会评估你的高管一样——好吧，我给了你 100 个名额，你打算怎么用？——我认为很快，甚至就在未来一年里，当新人才加入一家公司时，他们会问：**“我的每月算力预算是多少？”** 你好，数据极客们。今天我的嘉宾是 **Dmitri Shevelenko**。他是 **Perplexity** 的首席商务官。顺便说一下，**Flex Capital** 是 Perplexity 的投资方，而我自己也每天都在使用这款产品。他之前共同创办了 **Tortoise**，一家机器人和商业自动化创业公司，同时他还是 **Lazard** 董事会成员。Dmitri，欢迎来到《Summation》。 > 很高兴来到这里，期待这次对话。 #### 谷歌、搜索与分发模式 现在，谷歌大概掌握了搜索市场 **90%** 的份额，但我听说现在有 **60%** 的搜索最终不会带来点击。你会如何理解谷歌的分发模式？ 谷歌代表的是这样一个世界：你来到电脑前，输入关键词，然后得到一串链接；因此，他们在这种行为上确实拥有很强的品牌护城河。我认为，Perplexity 最先开创的，是一种思维方式的转变：不再只是输入关键词，而是真正用自然语言提问，并获得一个答案。现在，我们又处在另一场革命性时刻之中。我的意思是，这正是此刻身处科技行业最令人着迷的地方，因为你会**亲身感受到加速度**，甚至会觉得“答案”本身都像是一个古老、略显过时的概念。 > 是啊，那就像是 12 个月前的东西，对吧？ 是的。而现在，一切都关乎真正的工作流，关乎真正的数字员工和雇员，这些东西离人们对谷歌的传统认知又更远了一步。话虽如此，互联网仍然在增长，对吧？所以仍然有很多人——谷歌的查询量仍在增长——只是因为越来越多的人第一次接入互联网。你肯定还记得 Mary Meeker 那些年度幻灯片吧。广告科技行业里的人一直在追踪广告预算从电视转向数字的这个迁移。 > 是啊，而且它还在继续转移。 它还在继续，对吧？但在很长一段时间里，这件事都显得很奇怪。就像：等等，谁现在还在看电视广告？一切不都应该已经转到数字了吗？我认为，传统搜索在很长一段时间里也会给人这种感觉；对于站在前沿的人来说， ### 内部代理工作流与协作界面 旧习难改，行为也一样。你是怎么亲自使用代理的？我知道 Perplexity 的收入增长得非常快，但人数并没有按同样比例增长。那么，你们在自己的业务里具体是怎么做的？ #### 先从一个 Slack 频道开始 我们最初是在内部把 Perplexity Computer 作为一个 Slack 频道推出的。也就是说，全公司只有一个频道，而那是你访问 Perplexity Computer 的唯一地方。某种程度上，这并不是我们有多聪明地刻意设计出来的，而更多只是一个技术上的…… > 抱歉，只有一个频道？所以你只是像……它不是那种你不能运行，比如一个 cron，像一个代理那样？它更像是只运行这一个东西之类的？ 不是，你可以。只是你必须主动发起查询。所有查询都必须由人发起，而且你能访问 Computer 的唯一方式——也就是 Computer 的全部功能——当时我们就已经具备了，但启动查询的唯一用户界面基本上就是这个 Slack 频道。 > 那你们怎么更新它？是在那个线程里，就像在线程中直接内联更新吗？ 对，它会在线程里更新。 > 哦，明白了。所以你得回来，你会把那个线程置顶，然后一直回到那个线程里看。 其实你会收到通知。你会收到 Slack 通知，对吧？ > 好的，明白，明白。这个我喜欢。所有这些东西最开始都是某种很粗糙的系统。我就喜欢这一点。好，这挺酷的。 #### 公开可见的提示词 真正强大的一点在于，把它作为最初的界面后，我们所有人都能看到彼此的提示词和用例。于是你很快就会形成一种跨人群的相互启发。你开始注意到的模式是：以前很多任务，你会先给某个人写一封邮件，或者创建一个 Slack 频道，或者发一条 Slack 消息——也就是在下一步之前先给“人”设一道门槛。现在你实际上可以直接用 Computer 开始这个过程。 这也把话题拉回到你最开始问的问题：它真正彻底改变了我的日常运营，因为我对团队的依赖更少了，我对团队造成的负担也更少了。比如我如果需要拿到某些数据，我就直接问 Computer。也许这对你的听众来说会有点“刺激”，但我不会写 `SQL`，而且到现在也不需要会写，因为我已经不会去为一家不具备 Perplexity Computer 的公司工作了。 这就是在降低获取信息和采取行动的摩擦。而我们看到的一个非常有意思的数据是，在我们大约前 2 到 3 个月把 Computer 广泛推出之后，最活跃的一组用户是首席执行官、企业主和高管。那个群体里，92% 的人都是每周双活跃用户。因为对于那些已经处在那种工作状态的人来说，把任务委派给团队、协调团队，本来就是非常自然的事情；你已经知道该怎么做了。现在你只不过是用代理去做这件事而已。我认为，对于那些以前并不是这样运作的人来说，一个新的能力就是：你到底该怎么思考管理一个团队？现在是一个数字团队，但这对一些人来说是一种新的肌肉。而这会成为知识工作者的核心技能。 #### 团队里的协作方式 Slack 那件事很有意思。它之所以酷，其中一点就在于：你能看到公司里其他人是怎么内部使用它的。某些人会创建有意思的提示词，或者触发有意思的代理，这会给你一些想法，让你知道我应该怎么做，或者你甚至可以直接用他们的东西。因为有时候，你不能只写一个技能，然后就指望它自动奏效；你得来回调整，有时候要来回 20 次、100 次，才能把某个东西做得很好。 > 你们觉得什么时候会更接近一种模式，让整个组织能够在 Computer 上一起协作？ 我认为，某种程度上，我们已经推出了 Slack 版的 Computer，而且我们今天还刚刚宣布了 Microsoft Teams 版的 Computer。所以我觉得，那些天然存在的聊天界面，是一个非常强大的表面层，因为工作本来就已经在那里发生了。甚至在那些早期的 Slack 线程里，真正强大的地方在于：我会发起一个 Computer 的 Slack 线程，然后其他人基本上会跟进，问他们自己的后续问题；他们有时甚至会纠正我问题里的某个断言。 > 所以某种意义上，你觉得 Slack 本身就是与 Computer 协作、构建代理的协作界面？因为我们已经在里面了，本来就在团队里协作。 对，适用于多人协作。是的。我很难想象真正的多人协作，会被重新构建到某种比如 Perplexity Computer 的移动应用或网页应用里面。我觉得这也是为什么那些 Salesforce 的看空者，可能没有把 Slack 在代理时代会有多黏着这一点计入定价，而我们其实已经身处那个时代了。 #### 走在前面的做法 我想你们显然在构建代理方面，比普通公司更走在前面。即使普通公司已经做了很多，你们自己在做的事情里，有哪些是你觉得每个人都应该在做的？或者说，你们只是比大多数人更往前推了一点点？ ### 运营杠杆与流程自动化 业务方面，我们只有一个人负责财务组织的月末结账；而且对一个组织来说，这一点尤其罕见，因为我们已经公开说明，公司的年经常性收入已经超过 5 亿美元，并且已经融资超过 15 亿美元。这样的配置很少见，对吧？ 我认为，现实真正落地的地方在于：你并不是在把某个环节里的“人”直接自动化掉，而是只要流程编排得当，你完全可以让整个工作流和流程里只保留一个人作为“人类在回路中”。所以你仍然需要搭好这个工作流。你需要有验证和纠错之类的系统与流程。就像团队里有人把东西分享给你时，你不会默认它 100% 没有错误；我们应该开始以同样的方式与人工智能互动：我该怎样对这个代理生成的内容做压力测试，看看推理链条里是不是某个地方出了问题？你不可能检查推理链条中的每一步，但你需要有自己的启发式方法来做压力测试。 另一个有点夸张的例子是，我们有超过 50,000 家企业在付费使用 Perplexity 的企业版，而我们的市场团队只有 7 个人，客户成功团队只有 2 个人。我们能够用手头的资源获得极高的杠杆效应，而且大家也一样，不再默认“我需要再找一个人来帮我解决这个问题”，而是先从计算机开始。这正是思维方式转变的重要部分，它在创造运营杠杆。 这很有意思。是的，我们在一家风投机构里也做过类似的事情：我们把大部分审计流程自动化了，而你可以想象，风投机构里的审计非常繁琐。然后我们还把每次新投资时需要做的所有合规工作也自动化了。在我们这里，大概是一周做一次新投资。我们把所有你必须处理的合规事项都自动化掉了。那些本来也就是没人愿意做的工作。所以它仍然需要人去监督、确认做得正确，因为合规是金融服务机构必须认真对待的非常非常重要的一部分，但我们还是能把这件事压缩到基本上只需要一个人管理全部工作。 同样，这真的很酷。那有没有什么事情是你今天就想做，但技术就是还没到位，不过你觉得 12 个月后可能就会有，你会很期待它？我觉得很多事情都在逐渐展开。 ### 上下文、子代理与任务编排 下到又用一个类比：把它当成你团队里的一个人。你能不能给这个人工智能代理足够的上下文，让它去完成长周期、长时间跨度的任务？对吧？而且现在，你给代理上下文的方式是通过连接器，对吧？所以对我们来说，有连接器接入 `Snowflake`，接入那些存在于组织内部的所有数据集。于是这里仍然存在一种限制：一个你团队里的人所拥有的某些上下文，人工智能目前还读不出来；要么是因为这些内容根本不以数字化形式存在，要么是因为它所处的格式以某种方式被封闭了。这个就会是一个约束。 我想，这也是我们为什么要做 `Comet` 的原因之一，也就是第一款代理式网页浏览器，因为有些事情，你会发现如果你能像你团队中的某个人那样，真正有效地使用网页浏览器，你就能访问更广阔的上下文宇宙；因为并不是所有东西都会以 `MCP`、`CLI` 或 `API` 的形式开放出来，而通过网页，你就能访问更广泛的内部工具、第三方产品，以及你团队里的某个人可能会用到的那些东西。所以我认为，上下文显然正在变得更好，而我也预期模型会在这方面继续进步，能够处理更大的上下文窗口，对吧？所以我们既需要把上下文喂进去，然后当模型足够强大，能够一边“嚼东西”一边“走路”的时候，对吧，也就是把这一切都放在单一的推理链里，并且在足够长的时间跨度上保持下去。 我认为，计算机领域发生的一个重大范式转变，真正是引入了子代理和子任务的概念，对吧？现在你可以有一个模型，比如在 `opus`、`4647` 这个区间，或者 `GPT55`，它充当规划模型，然后它再调度一个由许多其他模型组成的“管弦乐队”去执行单个任务，对吧？我认为，规划模型可以运作的时间跨度还会继续增长。所以我确实认为，一个有用的心智模型，就是你可以像依赖团队里的一个人那样，去依赖一个数字员工到什么程度。就我现在看来，大概是一周的效用，之后你就需要检查并监督他们。我想，到今年年底，这个时间大概会变成一个季度的工作量。然后你就得以那个频率去手动介入。 我有时候确实会觉得这些子代理有点难处理，因为很难把它们如何彼此交互、以及如何深入其中真正看清楚可视化出来，并理解它们之间是怎么运作的。 ### 人工智能反馈与可执行指令 如果有些东西没有正常工作，显然，如果一切都在正常运行，那很好，很好。但当某些东西出问题时，关键就在于去理解：好，哪里不对，帮我弄清楚。某种程度上，对我来说，那些依赖关系并没有那么明显，至少对我这种可视化理解方式来说，我一度很难看清。不过我觉得这件事也会继续变得更好。 我认为，在理想状态下，核心的人类技能会是：你如何给人工智能提供可执行的反馈？这既包括错误验证，也包括关于品味的反馈。我有年幼的孩子，我自己的一部分教育过程，就是试着教他们在搭建非常简单的网页应用时，如何给计算机反馈：当某件事不对时，怎样用简洁、凝练的方式表达你希望它变成什么样。某种程度上，这几乎像是 Perplexity 这边的一个失效模式：如果你不得不去指定“哦，这个子代理做错了，你应该这样那样”，那其实你本来就应该能够精确地说出你想让它做什么，而这永远都还是你的责任，对吧？这就是那个地方——我们的创造力、我们的好奇心、我们的能动性至关重要。 任务如何在各个子代理之间分配的那种粒度，到了某个时候，理想情况下实际上会变得无关紧要。它最后会更像是在试图通过查看编译器代码来调试软件——这和我们如何与人工智能进行有用互动，最终会越来越不相关。 #### 为什么不用现有浏览器 好，既然 Perplexity 你刚才提到了有 Comet、也有 Atlas，但我们很多人其实只是用 Chrome，或者有些人可能用 Safari 之类的。那为什么不能直接用 Chrome 呢？我用 Claude 的时候就只是用 Chrome，他们也有一个 Chrome 的东西。为什么我不能就用 Chrome 来让 Perplexity 去做那些任务，而不是用 Comet 呢？ 其实，大多数使用电脑的人并不是在 Comet 里使用它，对吧？所以这两者并不是…… > 对。对。我当然同意这一点。我不是说不是。 但如果你要让它帮你登录，然后去做一些只有浏览器才能做的事情呢？ 我举一个很好的例子。其实，我们并没有那么专注于“代理式商务”这个用例，但我上周五在帕洛阿尔托的一家咖啡馆，当时他们有一种我从没试过的豆子，而且没有卖。我就拍了一张照片，然后告诉电脑：去找出是谁在卖这种豆子，而且能够寄到旧金山，并且尽可能替我完成购买；等到了需要完成购买的时候，再把它交给 Comet，因为它已经掌握了我很多信息，对吧？所以我认为，理想状态下，会有一些交易和工作流是服务器端浏览无法完成的，而客户端浏览可以完成。于是，电脑和 Comet 的强大之处就在于这些交接，对吧？ 但为什么一定要去 Comet 呢？为什么不能直接用 Chrome？如果这个人本来就在 Chrome 上浏览，他们的偏好也都存储在 Chrome 里，所有 cookies 也都在 Chrome 里，为什么不直接让他们用 Chrome，再加一个小插件之类的东西？为什么一定要安装一个新的浏览器来做这件事？就像今天在 Claude 里，如果你想做类似的、完全一样的事情，它会直接为你启动 Chrome，而那个 Chrome 也许你本来就在用。你的所有东西、所有设置都已经在那儿了，它就能直接执行。比如，如果你正在 Chrome 上用 LinkedIn，它就已经可以直接做了，你不用在什么地方重新登录。 首先，当你设置 Comet 的时候，它会导入你所有的 cookies 和设置，所以你不会遇到那种摩擦。但我认为，人们喜欢把它们结合着用的原因在于：如果你是在 Comet 里操作，它会在后台运行，即使它是在作为客户端侧运行，对吧？所以你其实什么都不用做。 明白了。所以它不会干扰你正常的工作流之类的，你也不会像在某些情况下那样看到 50 个标签页被打开，对吧？如果它已经在那里了，它就替你做。 而且这意味着你可以并行处理事情，对吧？这就是那个强大的交接点。再说一次，我认为其中很大一部分，尤其是随着个人电脑的推出，以及人们在使用并设置了 Mac Mini 之后，这类东西会越来越多地被虚拟化；但如果你就在笔记本或台式机前，电脑和 Comet 之间的交接仍然非常强大。不过我也要说，这之所以成立，只是因为我们在构建 Comet 时做了那些工作，才让电脑的服务器端浏览能力强到现在这个程度，对吧？所以那些训练模型、后训练和精炼，所有这些事情其实都是相互促进的。 而人工智能当前真正的约束，实际上不是新能力，而是采用。如果我们作为科技行业，接下来两年只是一起努力让…… ### 浏览器选择与代理执行 大家要使用已经被创造出来的一切，这件事潜在的上限，可能比全新的能力还要更高。所以，让这些东西真正变得容易使用，给人们信心，让他们确信自己是在正确的使用场景里使用它，这就是大量艰苦工作的所在。 我真的很喜欢那个 Slack 频道的想法，因为看到其他人怎么做，帮助非常非常大。有时候，关键只是那一点创意——有时你只需要一分钟，写一个 `cron`，或者基本上写一个持续运行的计算机任务去做某件事；但有时你就是没有那个想法。等你看到别人做了什么，就会想：哦，我可以用这个，我可能想稍微改一改，但我可以自己用这个。 对我来说，这就是最大的突破：看着组织里的每个人一起搭建这些东西，然后你会想，哦，我应该用这个，或者这对我的组织会很有帮助。正如你提到的，你在销售岗位，但也许财务那个人理解了你做的事情，或者你看到了财务那个人做的自动化，然后你会想：哦，我也可以为我自己的组织这么做。所以，这真的是一种非常酷的协作方式。 > 很有意思。我一直在回想，我最初加入 Perplexity 的那些早期日子里，我们当时在定义品牌；你知道，我们确实把重点放在“好奇心”这个理念上。因为如果我们想让人们把 Perplexity 和某一个词联系起来，那就是好奇心。那时我觉得，这不会决定我们的成败，但它是一个完全合理的品牌身份。 我现在实际上真的认为，好奇心是真正最重要的东西，尤其是在人工智能里。因为我刚才分享过的关于那些高管的情况——他们从计算机中获得的杠杆最多，因为他们有很多他们知道自己想做的事情。可现在大多数知识工作者实际上受限于：他们根本没有足够多正在推进的事情，对吧？也就是说，即使他们知道能力是什么，他们也没有足够的火花——缺少那种主动性和能动性。 这才是关键。尤其是对于年轻人来说，要继续培养这个，对吧？因为拥有那些愿景，以及真正创造新事物的精力，很快就会成为核心差异化因素。因为实际的执行会变得微不足道。所以再次回到你的观点，协作非常强大，因为我们是社会性动物。我们发展自己好奇心的一部分方式，就是从别人的想法中获得灵感，然后重新混搭它们。所以，找到合适的方法，持续吸收别人的创意提示，至关重要。 ### 好奇心、协作与创造力 有意思的是，对于一个组织来说，重要的一点之一，就是要更好地知道**到底是什么在花钱**，这样你才可以去优化它。我在 Perplexity 的 computer 里做了一个东西，我对它非常自豪。我花了几个星期才把它做出来。它一开始就开始产生那种**每天几百美元**级别的成本，而且我知道我可以优化它，但它是一个有点**弗兰肯斯坦式**的东西，是我自己拼出来的；我很难深入进去搞清楚到底是哪里出了问题，因为我没有把所有的子代理都放进去之类的。它只是在告诉我，整个东西就是这样，我会很想有一个按钮可以按一下，然后，**好，现在把这个东西拆成子代理**，这样我就能有一种感觉：好，这个东西非常低效，也许我甚至不需要那个东西。它只是不断地去做这件事，我经常会问它，**好，你觉得什么更高效？** 它有时候会告诉我，我可以进去看，但**仅仅拥有一个整体性的成本视图**会非常有帮助。 #### 走向智能体时代的预算观 > 随着我们进入智能体时代，人工智能正在转向很多不同的经济模型，比如从“随便用”式订阅转向**按使用量计费**。这对用户教育来说，是一个完全不同的轨迹。 我确实认为，我们现在仍然处在这样一个时刻：我对公司讲话时，一个沟通目标就是，我们**绝对承诺**要做到透明和细粒度。但如果你只是在看这一类支出，就像看传统的 IT 支出一样，你其实是**错过了真正的重点**，因为你真正应该把人工智能预算看作**工资总额的一个百分比**。 #### 把人工智能预算当作回报问题 > 是的。我只是把它看成支出上的投资回报率，对吧？就像你对一个人会这么看一样，对吗？如果你组织里的任何一个人，你基本上都需要至少 **2 倍**，而且最好至少 **3 倍** 的投资回报率，才能证明这笔成本是合理的。对于任何软件，或者你花的任何预算，你也需要有很好的投资回报率。不然的话，为什么还要做呢？所以，如果我花了 **1,000 美元**，我就期望它能给我的组织带来某种回报，无论是节省成本、带来收益、创造收入，还是某种可以衡量的方式。 试着跟上我这条推理链。如果你真的把这一点内化了，也就是：这些智能体就是**数字员工**。那么突然之间，你拥有的每一个员工就实际上都变成了一个**高管**，因为他们一下子有了 **100 个人**在给他们打工。就像你会评估你的高管一样——比如，**我给了你、我分配给你 100 个编制，你拿它们在做什么？**——现在关于算力预算发生的其实也是同样的数学。我是说，Jensen 也谈过这个。我觉得很快，就在明年左右，新人才加入公司时，他们会问：**我的每月算力预算是多少？** 因为最优秀的人不会想在那种由某种“恐龙式”的方式来给他们做算力配置的环境里工作。 #### 算力额度与人才预期 > 这是个错误的问题。任何合理的公司都会说，你的预算就是你想要多少都行，只要我们能从中获得投资回报率。所以如果你能证明你能拿到回报，我们就会给你，明明本来是每月 **200 美元**，我们可以给你**每月 100 万美元**，只要我们能从中得到回报。你只需要向我们证明我们能拿到它。可当然，如果你根本拿不到任何投资回报，你的预算就是零，而且你会被解雇。 是的，是的。所以这就像……所以自然会有一些人，他们对相对优化没那么敏感，比如说“哦，我本来可以……” ### 算力预算与投资回报思维 done 这项任务，像你知道的，便宜了 **20%**，但嘿，我我移动速度快了 **两倍**，而且拿到了更多的上行空间。对吧？所以你把这些全都…… > 那个投资回报率是一个总包，里面也包括你自己的时间，对吧？ > 对。所以，所以我觉得这就是那种，你知道，它最终会遵循我们一直以来关于思考薪资、人员配置，以及那里杠杆作用的同样心理模型。然后，你知道，再说一次，成功所需要的很多技能都会是这些更精确的、你知道的——这有点奇怪的空档：你会拥有比今天小得多的组织，因为你知道，另一个基本约束是沟通反馈回路，对吧？而且人越多，你知道，这就会受到限制，对吧？所以这对机构本身就是一种约束。 我认为，团队里的每个人都有……我觉得人们会困惑的一点是：好吧，如果每个人都是高管，你要怎么培养出被聘为高管所需的技能和经验？我认为这实际上又回到了这个点：你知道，作为学生，作为年轻人，你应该拥有最高的好奇心和自主性，你应该走出去，自己构建东西，对吧？我的意思是，我们现在正在运行一个项目，叫做“十亿美元构建”，本质上这是一场竞争，去赢得一笔来自与 Perplexity 基金相关联的 **100 万美元**投资，如果你试图只用电脑作为骨干来构建一个小生意。我觉得，你知道，我对这种未来是乐观的：独立创业者，也就是五个人的小团队，很快就能够以 **5000 人组织** 的杠杆方式运作，但又不必承担所有那些，你知道的，官僚式沟通开销。 > 就像在 **2000 年代初**，很多企业会把自己正在做的各种事情拆开来看，然后试着说：“好吧，这件事我们可以原子化。它真的、真的需要超高智商、超高经验，所以我们会把它交给纽约一个非常昂贵的人。”然后另一件事我们可以更进一步原子化，它不需要那么多，我们可以把它交给一个便宜得多的人，也许在国外，或者类似的地方。某种程度上，你可以想象 Perplexity 的计算方式也类似：这项特定任务非常、非常定制化，它必须交给最新的模型，而那种模型超级昂贵。于是另一部分就可以交给一个两年前的模型，或者别的什么。它非常高效，非常、非常、非常便宜，某种程度上你就能帮上忙；在那之前，这事儿是很难的。 ### 组织杠杆、任务分解与人才预期 #### 模型编排与用户偏好 当然，你可以帮助人类决定它该去哪儿。绝对可以。我的意思是，这件事现在已经变得不可能靠人工跟上了：对于任何一种任务，究竟该用哪个最佳模型？因为它每隔 36 小时就会变化，对吧？而我们实际上已经建立了一套自动化系统，替你完成这种编排。顺便说一句，如果你有自己的偏好，你也可以进去覆盖它。 在 2022 年——这在 AI 时代感觉像三十年前，但实际上也只是三年前——当时有一种信念，认为最后只会剩下一个模型双寡头；事实证明那是错的。后来，开源模型迎来高光时刻时，又有人相信“哦，其实一切都会商品化”。但实际上，第三条赛道打开了，而且更有意思：模型开始分化，不同任务在不同时间点都有不同的模型更擅长。这再次很好地验证了我们从 Perplexity 第一天下来一直在做的事：那个“聚合器 + 编排器”的角色，严格说是一个不完美的类比，但它实际上就像人们买机票的方式。 我自己有联合航空的常旅客身份，所以我大多数飞行都会坐联合航空；你知道，忠诚度体系在这方面非常聪明。但是，只要我在研究机票，我总是会去 Kayak，因为我就是想知道所有选项。 > 是的。还有一种情况是，他们可能没有你要去的地方的直飞航班，或者别的什么原因。对。或者时间不对。我想早上 8 点飞，但他们没有 8 点的航班，诸如此类。 完全正确。所以这里有一整套——并不是无限，但确实是大量——变量也可以被优化。尽管我因为常旅客等级和某些积分机制而强烈偏好联合航空，但这正是我们确信、那些喜欢 Perplexity 的人已经意识到的地方：AI 的位置就在这里，而且我认为它只会加速。你不会真的想要逐个去使用每一个 AI 产品、每一个模型；你需要的是一个统一的编排系统来替你完成这一切。我们确实看到了这里非常强的复利价值，尤其是当越来越多不同类型的任务进入系统，你就会有更多专门化的模型。你甚至可以想象，当我们进入物理 AI，以及更像世界模型的方向时，专门化会更进一步增强。 #### 选择最优模型 某种程度上，你可以把“你没有自己的模型”看作一个缺陷；但它的特性是，你总能为那个任务选择最好的模型。相比之下，如果我今天去用 Claude，他们永远不会让我使用 OpenAI 或 Gemini 的模型。他们绝对不会把那个能力给我。他们可能会给我一个较旧的 Anthropic 模型，因为他们想帮我优化成本之类的，但他们绝不会把我送去他们的竞争对手那里，即使那对我来说是更好的选择。 > 没错。 是的，我们坚定地相信这一点不会改变。我们还认为，准确性会成为 AI 有用性的另一个根本性约束。这也是为什么我们一直在搜索基础设施上投入大量精力，包括排序、检索、索引，这些都专门为 AI 代理而构建。其实这也是 Perplexity 一个不那么被人熟知的部分：我们有一个相当健康的平台业务。 > 我对此一无所知。那这个 API 是怎么工作的？它像 Open Router 那样吗？还是说…… 我们有点像那样，但我会说，它最有差异化的地方在于和我们搜索的“接地”结合得很紧。你可以消费我们的搜索 API；如果你正在构建另一个 AI 产品——比如说，三星就在他们的 Bixby 助手和浏览器里使用我们来做接地。所以，是的，Mav 7 中有 4 个也在各种生产环境里使用我们的搜索 API。 在 AI 的早期，人们其实很喜欢它胡编乱造，因为那让它显得有创意、有火花；但我认为我们现在进入了一个世界，大家其实只想让这东西保持一致，并且拥有最准确的实时信息。所以，作为 AI 上下文层的搜索与准确性需求只会继续增长。 这也是我们拥有非常有价值的数据飞轮的原因，是一个很有意思的反馈回路。每当你在 Perplexity 上提一个问题时，技术栈中的搜索部分会识别出高质量、相关、且能够回应你的查询的片段；然后大语言模型会对这些片段进行推理，并不一定把所有片段都作为最终输出里的引用。这个选择过程本身就会变成一个非常有用的信号；随后，后续搜索会更好地识别相关片段。我们之所以比那些试图在没有第一方产品的情况下为 AI 构建搜索的公司更有优势，就是因为他们得不到我们这种自动化反馈循环。 而这里的约束只是：没人能——我的意思是，我认为 Google 也分享过这个数据——进入搜索和 AI 的大多数查询，都是以前从未被问过的，对吧？也就是说，绝大多数问题都是“全新的”。所以，随着算法在更好地预测哪些接地信息和来源是有用的这条路上不断改进，所要付出的“算法税”只会越来越高。 这会让人很沮丧。比如你说：“好，我要飞。”然后你说：“好，我有一个 JetBlue 的积分，得把它用掉。”接着你问：“JetBlue 从旧金山哪些机场有直飞？”然后它告诉你：“它直飞达拉斯。”但结果并不是直飞达拉斯，而是经芝加哥之类的地方中转。那就很烦，因为我都已经决定我要这么做了。所以你会尽可能依赖 AI。当它给出那种“有点对、但又有点错”的答案时，这会让事情变得有点……我们必须把它提升到下一个层级。而这正是搜索反馈特别有帮助的地方。 #### 准确性与反馈回路 而且这也说明了 AI 的另一项核心能力：如何…… ### 搜索编排、模型选择与准确性 我们在 Perplexity 一直都非常专注于**透明地展示引用**，也就是清楚说明信息究竟来自哪里。只是到了产品变得越来越具备代理能力的时候，这实际上会成为一个更困难的界面挑战，因为你要展示的是一条更长的推理链。把这条链通过界面呈现出来，本身就不容易。 不过，我确实会在一些非常高后果的输出上，喜欢让电脑帮我生成 PDF，然后我再把它打印出来；这样一来，阅读它就变得像在看纸质材料。我会尽量远离电脑，有时候只是因为它真的会让人全盘被占据。但我会用一种特定的方式去提示它：在它给我任何研究结果之前，我就先要它把研究做得很深入，说明用了哪些来源，这些来源有什么风险。我实际上会先要求它**先审视输入材料的短板**，因为那才是我想要的前置步骤。 我希望确保自己不会把研究结果当成福音一样全盘接受。我试着培养这种习惯，因为 AI 越聪明，就越容易说服我们它是对的；而这正是我们必须始终保持怀疑的地方。再次强调，作为 Perplexity 的产品，我们希望尽可能把这种怀疑精神内置进产品里，因为那也是准确性的一部分，但这确实会成为一项重要技能。 后来，大约在一年前，你们说要以 340 亿美元竞标 Chrome。我当时并不确定那到底是真实的、还是带有表演性的，或者两者兼有，但我觉得那是一个很出色的营销动作。你能讲讲整个过程吗？ > 这是一个认真的报价。我们提出过两笔出价，很多人都说那并不认真：一笔是针对 TikTok，另一笔是针对 Chrome。实际上，这两笔都是真实的，而我们之所以这样做，是因为它们都是无价的资产。 也就是说，我是说，我们确实做过分析，依据的是可信分析师的估算，推导出了 340 亿美元这个数字。但 Chrome 的真实价值，可能远不止于此，很多倍都不止，因为它根本没法用美元来完全定价。TikTok 也是一样：一旦你拥有一个拥有超过一亿美国用户的社交网络，从历史上看，这种东西通常不会消亡。它只会继续存在，尤其是像 TikTok 这样具有极高参与度的平台。 所以，我对这件事的简短回应其实是：问题不在于为什么我们去竞标，而在于为什么不是所有人都去竞标。共同点在于，监管上出现了一个窗口期，会发生控制权变更，并且有可能以一个价格拿到这些资产，而原所有者在正常情况下绝不会愿意出让，因为他们是被迫出售的。 因此，结合我们当时的业务状况，这两项资产都和我们的业务相关，我们当然会去参与竞标。而且我要说，关于 Chrome 的竞标，如果真的成真，并且司法部的裁决走向另一边，我们当时是有**完全足够的融资支持**的。 它当然完全值那个价。你可以这么想：如果你拿到了好交易，那当然应该出手，对吧？当你是在拿到便宜货的时候，融资也会变得很容易。 而且我真心认为，在那件事上，我们并不是天真地以为它发生的概率很高。我们在这件事上投入的时间也大致是相称的。它并不是那种我们花了大规模资源去赌一把的事情。我们做了分析，也和一些支持者沟通过，整个对话很轻松；这并不是说我们当时有一支 100 人的团队，因为那时候公司连 100 个人都还没有。 ### 透明引用、浏览器竞标与搜索反馈 >> 你觉得谷歌没有在做什么？比如，它没有把 Chrome 充分利用起来的地方是什么？一个优秀的产品经理如果负责 Chrome，应该把它改造成什么？ 归根结底，如果你是谷歌，你最强大的优势和最不公平的优势，也都是你的弱点。 >> 你就是在推动搜索和工具栏。 >> 没错。你拥有有史以来最赚钱的商业模式，也就是 AdWords。最终，任何哪怕只是轻微影响进入查询量、而这些查询本来可以由 AdWords 服务的事情，都会对收入造成成比例地更大的负面影响。我还认为，任何规模达到那种程度的组织，最后都会变成自己官僚体系的奴隶。这其实是我在解读谷歌内部一些人说过的话：在谷歌，唯一会和所有其他团队对话的团队就是法务团队，而且他们总是说同样的话：不。我认为，他们拥有极其有才华的人，这些人很可能比外界给予的信用更清楚自己产品的短板。但创新速度上，始终会有制度上的、现实上的约束。我是说，我不觉得这和经典的创新者困境有太大不同；它就像一种物理力量一样压在他们身上。 说到广告，我认为 Perplexity 在过去几个月里的某个时候，基本上决定不再专注于它。你能解释一下这个决定吗？是不是因为如果你在做一个电脑产品，那就没必要在里面做广告？所以说，Perplexity 过去的商业模式对我来说更合理。显然，如果你要专注于电脑，那就没有理由去专注广告。这个决定到底只是“我们现在专注于电脑，所以广告就不合适了”，还是说，即便在旧业务里，即便我们打算继续专注那个方向，我们也不应该做广告？ 我会说，没有改变的一点是，我们一直都在做信任和准确性的业务。我们在做了大量实验之后意识到，无论是在用户侧，还是花很多时间和媒体、广告行业交流之后，我们都发现：即使你在 AI 产品内部运行一个广告系统，而且它确实不会改变任何有机内容，用户也绝不会相信这一点；他们会默认，任何广告的存在都会污染屏幕上的其他一切。它会污染你的激励机制，而且这是不公平的。因为实际上，我不认为其他正在做广告的 AI 公司真的在伤害它们的有机内容，我也不认为那是它们的玩法。但用户不会那样理解。所以，对我们来说，鉴于准确性一直如此核心地定义着我们，我们觉得这从来都不在计划之内。我认为，能去探索这件事也挺好。 我觉得，我们另一个认识是，智能代理商业这件事很可能被高估了。被低估的部分是，人们确实在用 AI 研究高价值购买。也就是说，如果你要花超过 50 美元买一样东西，你会想确认它是最好的，你会想把它理解透彻，而且你会非常深入细节。真正没有价值的地方，是在那之后如何促进交易，也就是那一步“单击”完成。用户并没有把这当作问题。因为某种意义上，浏览器和苹果支付在你的移动设备上，已经让电商结账变得非常直接了，所以你未必需要把这件事专门放进 AI 里，才能通过降低转化摩擦来解锁增量购买。 不过我要反驳一下：我确实认为，很多地方真的很烦人。 ### 广告、信任与消费级人工智能 > 购买。我的意思是，你提到联合航空，像在联合航空买一张票可能要花你五分钟。整个过程很麻烦：你得先进去，搜索要花很久，然后你还得再进去重新核对信息。要是涉及你的配偶，你还得填写，然后还得选座位，再然后还得再次结账。问题是，为什么会这样？你其实已经知道自己想要什么了。为什么你去做这件事还要花你五秒钟？代理人本来就可以替你完成这些，帮你每次订机票都省下那五分钟。 > 归根结底，这其实是一个界面上的权衡：通过可视化界面完成这些事更烦，还是回复一个正在问你同样问题的聊天机器人更烦？ > 最理想的情况应该是，它就像一个真正好的助手。你的助手会直接替你做完，对吧？你只要说“替我做这件事”，它就会去做，而且会做得很好。我的意思是，在这方面投入了大量时间之后，我们学到的一件事是：当人们花钱的时候，他们其实非常希望对事情有非常高的把握，确保没有出错，因为一旦出了问题，后续的额外成本和烦恼要大得多。 > 是啊，是啊，是啊。你得让人工智能去联系客户服务。 > 没错。所以我觉得，当我们真正进入一个阶段，你的个人人工智能助手真的就是你的人工智能助手，也就是你的个人助理，而且所有事情都变得没有任何差距的时候，这些可能性才会真正出现。但从某种程度上说，我们现在只是觉得，这个进程会比人们想象得更慢，因为最后这一段“最后一公里”的东西其实很难，而且正是在这里，人们最怀疑、最不信任。所以这不是我们想要介入的地方。 > 另外，就算我在这件事上判断错了，它也仍然不是引入广告的好表面。 > 是啊，我同意。你不想在里面放广告。你只想让它好好工作。要么就是 Ajax.commerce 运行得非常好，根本没有广告的空间；要么就是它运行得不好，那整个东西就是浪费，对吧？所以我们基本上就是这么做了规模判断。我觉得，在消费级人工智能里，那些认为广告…… ### 按量计费、留存与收入结构 #### 超高的内容型消费场景 “会有意义”的场景，大概会像 Character AI 那样：你并不是在追求准确性，对吧？它的目的就是内容，对吧？内容、娱乐。我是说，TikTok 本质上也只是一个 AI 系统，对吧？ > 对。 所以，我认为这些场景都会有**超级高的千次展示收益**。你知道，它不会是什么“变革性”的东西，但人们确实在上面花时间。你可以把这段时间变现。我觉得这件事最终会自己解决。 #### 500 多百万美元的年收入与衡量方式 你提到你们的年收入超过 5 亿美元，这很惊人，但这对一家 AI 公司来说也像是一个有点奇怪的指标。那在内部，你们在看什么指标？你们在追踪什么，来真正理解自己的成功？ > 这是一个相当健康的指标，因为我们不会补贴任何付费产品，对吧？所以，如果你是在购买计算额度，我们不是那种——你知道的——我们不是在做套利来推动总营收增长。我们是在以 90 美分卖出 1 美元的计算额度，所以这对我们来说是有利润的。 我认为，除了营收总量之外，我们还会看**收入留存**，对吧？这基本上是在看：你是否持续为用户创造价值？ > 你是否至少还在系统里？你是否在问足够多的问题？你是否在使用这些代理，诸如此类？你是否真的把这些额度用掉了？对吧？ > 对。还有，你在第三周使用的额度，是不是比第一周更多，对吧？ > 对，这是一种很简单的看法。 是的。所以，这些最终就会变成我们最关注的一些子指标。 #### 从订阅到按量计费 这次向按量计费的转变很有意思，因为你们现在是在从一个世界切换出去：在以前，我们只有消费者专业版计划，也就是每月 20 美元；然后还有消费者最高版，也就是每月 200 美元。也就是说，用户的年度收入价值上限，要么是 200 美元，要么是 2,000 美元。 但有了按量计费之后，你现在会有某些用户，他们当前的年化收入运行率已经达到 2 万到 3 万美元。而这些人其实更像“专业消费者”——我甚至还没有在说企业客户，对吧？而且这些也不是编程用例，对吧？这些是真正的知识工作者；再说一次，其中很多人是在经营小企业的人。 所以，整个经济模型开始发生变化，变成了：重点不一定是扩大总用户数，而是要识别出那些人——也就是那几百万个——他们每年能带来超过 2 万美元的价值。 ### 业务团队、执行速度与产品优势 你能从像 Perplexity Computer 这样的系统里得到东西。这很有意思，因为我们在专注于消费者增长的时候，确实做过很多增长合作，那时候有一套特定的投资回报模型；而到了这里，你几乎需要把那套思路大部分都扔掉，因为**在那个世界里有效的东西，在这个世界里未必有效**，而那个世界里没起作用的东西，在这里也未必还是没用。实际上，这大概是我工作中最困难的部分之一：不要被过去的失败所拖累。因为环境变化得太快了，如果你只愿意做那些你以前没做过、而且第一次做时失败过的事情，你其实是在人为地限制自己。所以某种意义上，你每天早上都必须用全新的眼光醒来，而这会让人感觉不舒服。 > 如果一个产品不好，那么首席商务官显得真的很重要，因为你必须说服人们去使用它。可当你有一个很好的产品，比如 Perplexity、Perplexity Computer，我想你当然也做了很多重要工作，但在某些方面，你的角色就没那么重要了，对吧？意思是，某种程度上产品自己会卖自己，而且希望它能继续增长。我不想贬低你的角色，但你同意我的看法吗？ “是啊，嗯，我们会确保公司里没人听到这期播客，”“那我就只跟你和我自己说吧。”我会说，**最好的销售人员，永远是那些选择了不需要销售的产品的人**，对吧？所以，从某种意义上说，这始终是一个很有意思的经验法则。 我觉得我们在 Perplexity 做对的一件事是，我们基本上把所有非产品、非工程的职能都整合成了一条动作线。也就是说，在我下面，我们有法务、人力资源、招聘、所有市场营销、传播，然后还有所有企业端业务、所有面向市场的工作，以及所有合作伙伴关系。这样做有一个好处，就是**没人能把问题归咎于别的团队或别的组织**，对吧？所以，在某种“极度扁平化”的组织里，就会形成一种零甩锅文化。 所以，我对我们业务团队的成功定义——而我把刚才说的那些职能大体上都归到“业务”这个总括之下——就是：我们的工作是支持公司最大的护城河，也就是执行速度。产品之所以好，是因为它每天都在变得好 1%，对吧？所以我们需要去支持这一点，而你知道，那 ### 品牌、合规与职业规划 包括你知道的融资，以及我们在投资者关系侧所做的几乎所有事情；它也包括那些支持职能和财务。另一个同样重要的事情是，考虑到这个领域变化非常快，我们的工作也是要为公司创造选择。也就是说，我们和许多合作伙伴推进的很多合作，其实最后都不会真正上线，这没关系，因为价值在于知道——如果技术真的是朝那个方向发展，我们已经把那条路打开了。因此这件事是有意为之的：如果我们做的每一件事最后都落地了，那其实就意味着我们失败了。 > 是的，而且业务拓展这一侧也不同，因为从某种意义上说，业务拓展其实也可能是在让产品变得更好。嗯，业务拓展有两个侧面，对吧？是的。对连接器来说，当然如此。还有，顺便说一句，我很喜欢这一点：比如在 Perplexity Computer 里，大多数连接器都会通过 Pipe Dream，我的合伙人做了这个项目，它真的非常优雅、也很容易用；而在 Claude 里，我得走一条更笨重的方式，去重新连接到某个新的部分。所以我很喜欢你们思考问题的方式——好，我要做这件事，但这件事也会让产品变得更好。 是的，我想归根到底，我们的核心特征之一就是，因为我们百分之百是一家产品公司，所以产品永远必须是同类最佳，对吧？无论那个优势边界在哪里，都必须如此。而且要知道，大家都在使用人工智能做编码和软件开发，所以功能边界上的优势会带来越来越少的回报。也就是说，你能获得的领先时间会持续缩短。所以你必须继续跑，而且要跑得更快。 好，最后用三个快问快答来收尾。第一个问题是：你加入了 Lazard 董事会，同时你又是一个人工智能公司的首席商务官。Lazard 是一家大约将近 200 年历史的机构。你们能从彼此身上学到什么？ 我从 Lazard 学到的是，建立一个拥有 180 年历史的品牌需要什么。那意味着很多东西，意味着非常有价值的东西，也意味着投入其中的那种细致与用心。然后，它还会让你对我们的客户——尤其是金融服务和其他受监管行业的客户——产生巨大的共情。因为对我来说，很容易去敲锣打鼓地说：是啊，我们把人工智能用在一切事情上；这就是为什么我们拥有如此激进的效率，为什么我们可以在员工人数只增长 34% 的情况下把收入增长 5 倍。可你不能那样做，知道吧，当你…… ### 直觉判断、阴谋论与临别致谢 有 **10 个不同的监管机构**在审视你做的每一件事，而且你这个业务的根本性质本来就是 **裁量**，对吧？所以我觉得，自己能把在 **Lazard** 看到的很多东西带进来；当我们在构建 **Perplexity** 的产品时，也会在某种程度上扩大我们对商业世界很大一部分的同理心范围。嗯，而且你知道，这一直非常有价值。你知道，投资银行里充满了非常聪明的人，所以这当然也让我变得更强。 > **问：** 你相信的阴谋论是什么？ 我挺接近相信 **UAP** 这类东西是真的。对不熟悉这个行话的人来说，UAP 就是 **UFO**。我更倾向于一种观点：也许是某种古代的分裂文明，或者说曾经存在过某种古文明，而不是来自别的星球；但它看起来就是那样，不过是的。 > **问：** 好吧，酷，我喜欢这个，太棒了。 我总是在永远让自己显得很尴尬，不过我确实倾向于相信这个。 > **问：** 好的，我喜欢。最后一个问题，我们问所有嘉宾：什么常规智慧或建议通常是坏建议？而且你不能说“追随你的热情”。 **不要试图规划你的职业生涯。** 好吧，这到底是坏建议还是好建议？ > **答：** 是的。是的。所以，坏建议是：试图规划你的职业生涯。好的建议是：不要**只是**规划它。职业规划是…… 就是每天采取下一步最好的行动，有点像一个 **大语言模型** 会做的那样，然后每天早上都用全新的眼光醒来。但我觉得，年轻人低估了这样一件事：当他们在面试里为自己摆出一个 **五年计划** 时，可能会显得有点太天真，因为那些真正身处业务细节里的人会想：我甚至都不知道我们这个业务六个月后会变成什么样，因为变化太快了。所以，这种五年计划很可爱，但实际上根本没人有五年计划。 有些人还会把优化重点放得太偏向中期。他们想做这件事，好拿到那个“**通关凭证**”，再去拿另一个东西，但他们甚至都不知道自己为什么想要那个东西。这更像是在做中期优化，而不是长期优化。你同意吗？ > **答：** 同意。而且，我其实并不一定反对那种“在职业生涯早期先收集几个**身份徽章**”的想法。某种程度上，这对我也起过一点作用。我上了 **I School**，大学毕业后的第一份工作是 **Facebook**，不过那时候 Facebook 只有 **8000 万用户**，所以这不算最后变成了一个很好的身份徽章，但…… 它可能是，回头看，**风险更大**的做法，但对。**所以我认为，聪明的做法是知道人类是有社会地位诉求的生物**；如果你能在职业生涯早期给自己建立可信度，它就会为你创造承担更多风险的机会。我认为，创造地位的方式有很多，对吧？可以是，比如，创办自己的公司，然后很快拿到一些收入，对吧？再围绕这件事获得媒体报道，对吧？但我认为，你必须反向思考：当我讲述我的故事时，**会有哪些地位指标在对方的大脑里被点亮**。 > “哦，这太棒了。谢谢德米特里·舍韦连科来到《总结》节目。顺便说一句，我在 X 上关注你，账号是 `dvalenko`。我鼓励我们的听众也去和你互动。” > “我实际上觉得我是 `Dimmitri 140`，不过你确实关注我，但我想那是……” > “哦，你说得对。你是 `Dimmitri 140`。我弄错了。你是……你是……你完全弄反了。” > “看，这就是现实生活中的事实核查。” > “对。没错，这很好。你就像……你就像用 Perplexity 来核查我事实，还告诉我我错了。你完全正确。所以，我在 X 上关注你，账号是 `Demetri 140`。顺便问一下，那个 `140` 是什么意思？那是什么？” > “嗯，那是很久以前的事了。我的意思是，这有点暴露年龄，但还记得吗，最早的 Twitter 只允许 140 个字符，对吧？后来它扩展到了 280，我觉得后来埃隆又把它搞成了无限。 所以这是一个奇怪的历史遗留。对。” > “哦，我喜欢这个。好吧，太棒了。嗯，这次非常好。非常感谢你加入我们。这太精彩了。” > “谢谢，奥林。回头聊。再见。” 在我们结束之前，我再说一件事。我写了一个叫《总结》的博客。它和这个播客同名。这个博客讲的是在商业、人才、数据、长寿，以及各种反直觉观点上的**非显而易见的想法分享**。如果你喜欢这个节目里的对话，你大概率也会喜欢这个博客。它是免费的。每月更新两次。你可以在 `ore.substack.com` 订阅，也就是 `orin.substack.com`。