AI Interview Wiki
主题综述

AI 时代的品味与判断力 · Taste & Judgment

主题综述

更新日志

主流共识

第一点：AI 把"能力"商品化了——剩下的稀缺是品味、判断、自主性

这是贯穿全场的核心判断。Ivan Zhao 把它说得最锋利：

"Language model allows everybody to be a pretty good writer and programmer. So capability got normalized, democratized. And taste becomes still important. Like what's your value system? What do you want to bring to the world? Which direction do you want to go? That you cannot change as easily. And your will, how hard do you work? This you cannot change. So we optimize for the latter two today."
「语言模型使每个人都可以成为相当不错的作家和程序员。所以能力被正常化、民主化了。而品味依然重要。你的价值系统是什么？你想带给世界什么？你想朝哪个方向前进？这些你不能那么容易改变。还有你的意志，你有多努力工作？这一点你是无法改变的。所以我们今天优化这最后两个。」
Ivan Zhao (Notion) · Notion's Ivan Zhao: The Refounder

Fadell 给出的版本是一句行动指令——不要在认知上投降：

"Make great stuff, people, and don't think the AIs will. … We can use the machines, but don't cognitively surrender and make better stuff."
「做出伟大的东西吧，各位，别指望 AI 会替你做。……我们可以用机器，但不要在认知上投降——要去做更好的东西。」
Tony Fadell · Father of the iPod and iPhone on building taste, judgment

Bakaus 把 Fadell 这句口号落成了一个具体机制——"认知投降（cognitive surrender）"，并和无害的"认知委托（cognitive delegation）"划清界限：

"I'm using Google Maps and Google Maps tells me where I can go as quickly as possible. … But what if I let Google Maps decide where I want to go to? Now, I kind of like cognitively surrender to the application. And I think that's very true for LLMs if you're not careful. … You prompt something and then it creates a beautiful plan. And then it's eight pages long. You're not going to read through that plan, right? I mean, you're going to scroll through that plan and skim it. It's like, I guess the model knows what it's doing. … And then you just click OK. And so now you kind of like surrendered yourself to the process. … I think cognitive delegation is great. I think delegating to the model is great. But preserving that point of view, making sure that you're still the one driving is also really important."
「我使用谷歌地图，谷歌地图告诉我在哪里能够尽快到达。……但如果我让谷歌地图决定我想去哪里呢？现在，我有点像是对这个应用程序认知放弃。而我认为如果不小心，LLMs 也是如此。……你给出一个提示，然后它就会创建一个美丽的计划。然后它有八页长。你不会逐页阅读这个计划，对吗？我的意思是，你会快速浏览那个计划。像是，我想模型知道自己在做什么。……然后你只是点击确定。所以现在你有点像是将自己的主权交给了这个过程。……我认为认知委托是很好的。我认为委托给模型也是很好的。但保留那个观点，确保你仍然是驾驶者，这也非常重要。」
Paul Bakaus · What Happens to Design After AI

Mark Chen 从前沿研究实验室的内部给出了同一判断的另一种形态——即便模型已经能端到端做研究，稀缺的仍然是"品味"这一层，而它恰恰最难教给模型：

"I think both at OpenAI and at other labs, you're starting to see a lot of the work become mostly orchestration focused, right? Like the researchers coming up with ideas. And the model's great enough to do the implementation execution by itself. … And that's why you still need the researchers coming up with the ideas. … It's going to be hard to teach the models good taste. We noticed that."
「我认为在 OpenAI 和其他实验室，你开始看到很多工作主要集中在编排上，对吧？就是研究人员提出想法。而且模型足够优秀，能够自己完成实施执行。……这就是为什么你仍然需要研究人员提出想法。……教会模型良好的品味将会很困难。我们注意到了这一点。」
Mark Chen (OpenAI) · Cooking with OpenAI's Research Chief

2026-08-04 那轮刷新最大的变化是：这条共识拿到了行业最高层的背书。Sam Altman 被问到"AI 到底是什么"时，绕了一圈落在同一个地方——而且承认现有的词不够用：

"In an evolving world, I think human judgment and taste will continue to be hard for AIs to model like where that's going to go. I don't have the right word for this. It's not quite taste. The world may need a new kind of word for the kind of judgment that people are very good at that AIs seem to really deeply struggle with."
「在一个不断发展的世界里，我认为人类的判断和品味依然很难被人工智能建模，这将是未来的方向。我没有合适的词来形容这个。并不是很像品味。可能世界需要一种新词，来描述人们擅长而人工智能似乎非常挣扎的那种判断。」
Sam Altman (OpenAI) · How to Make an Abundant Future

OpenAI 产品侧（ChatGPT Work 负责人 Akshay Nathan）把它落成了瓶颈论——执行归零后，剩下的约束就是想法和品味：

"I think the bottleneck becomes sort of like ideas and taste, I guess. I think because anyone can build now, I think it really is the era of bottoms-up ambition."
「我认为瓶颈在于概念和品味，我想。我认为因为现在任何人都可以构建，我觉得这真的是自下而上的雄心时代。」
Akshay Nathan (OpenAI) · OpenAI's Vision for the AI Super App

Mercor 的 CPO Osvald Nitski 给了企业管理版本——工具技能问题消失后只剩判断，而且他把"守住判断"定成了团队纪律（细节见"都没说透的"新增的用进废退机制）：

"So now it's all about judgment and am I doing what is going to drive the most business value?"
「所以现在一切都与判断有关，我是否在做能够带来最大商业价值的事情呢？」
Osvald Nitski (Mercor) · 20VC: Mercor CPO

Netflix CPTO Elizabeth Stone 则从大组织侧确认稀缺性没有因为角色流动化而消失——各职能的"工艺卓越"依然是她眼里最稀缺的东西（"我发现技艺的精通和优秀仍然稀缺"），且初级人才照招——工艺要靠师徒制传下去，责任不能外包给工具。

本次（2026-08-10）新增的 Dianne Penn（Anthropic 首位技术 PM）补上了这条共识一直缺的机制解释——为什么判断恰恰是模型最难学的那块。她的答案朴素得近乎残忍：判断是活出来的，而系统没活过那么多：

"I think judgment is one is an area where it's accumulation of so much nuance and so much experience. And these systems haven't experienced as much as humans have. … There are so many things AIs can build, which one are the things that, you know, an org like lab should build, right? A lot of that requires like human judgment, persistence."
「我认为判断是一个积累了如此多细微差别和经验的领域。而这些系统的经历远不及人类。……有如此多的人工智能可以构建，哪些是像实验室这样的组织应该构建的呢？其中很多都需要人类的判断、毅力。」
Dianne Penn (Anthropic) · Anthropic's first technical PM on token maxing

这个"经验积累说"值得单独记一笔：它是对 Dylan Field"人类都不知道判断力从哪来"（分歧一）的第一个正面应答候选——如果判断只是超大量情境经验加高质量反馈的压缩，那它原则上可积累、也就原则上可教；Altman 的"新词"描述的就不是结构性缺席，而是"还没活够"。两说谁对，会由长记忆与持续学习的进展来裁决——"判断的稀缺是过渡性还是结构性"第一次变成了一个可跟踪的技术问题。

2026-08 新增：旧的岗位分工被直接作废，换成三件事。 Benchmark 的 Eric Vishria 把"AI 削弱了技术优势"这个流行说法反过来讲——技术性的回报其实在上升，但重排的是角色而不是技能：

"I think what there really are, are people who understand customer problems. People who have taste and people who understand the jagged edge of AI capabilities and are curious about. Those are the three things. Those three things you're going to do great. And it doesn't really matter if you are an engineer or a product manager or designer, but if you have taste and understanding of customer problems and understanding the jagged edge, you're going to do well."
「我真正认为的是，是理解客户问题的人。有品位的人，以及理解 AI 能力棱角的人，并对此感到好奇。这就是三件事。这三件事你会做得很好。而且如果你是工程师、产品经理还是设计师并没有真正关系，但如果你有品位，对客户问题的理解，以及对棱角的理解，你会做得很好。」
Eric Vishria (Benchmark) · Eric Vishria — A Decade of Lessons Investing in Software & Hardware

值得注意的是第三件事——"AI 能力的锯齿边缘"是个新东西，它既不是品味也不是领域知识，而是"知道模型在哪儿突然变强、在哪儿突然崩"的经验性地图，且因为模型每几个月换一次，它是一种会过期的知识。把它和品味并列，等于说 AI 时代的判断力有一个保鲜期短的组成部分——这是本主题此前完全没有的维度（品味一直被当作越陈越香的东西）。

第二点：可测量的东西不是全部——警惕"数据驱动"在创新上的陷阱

Fadell 和 Ive 从两端撞到同一个判断。Fadell 讲 1.0 产品：

"If you try to do data-driven decisions all the way along, you're either not doing a differentiated product because you're taking data from another thing or you're just getting bullshit data."
「如果你一路都试图做数据驱动决策，那你要么没在做差异化产品——因为你的数据是从别的东西上拿来的——要么你拿到的只是垃圾数据。」
Tony Fadell · Father of the iPod and iPhone

Ive 把它上升到一个更尖锐的指控——可测量性是一个谎言：

"We spend all our time talking about attributes because we can easily measure them. Therefore, this is all that matters. And that's a lie."
「我们把所有时间花在谈论属性上，因为它们容易测量。于是'这就是全部重要的东西'——而这是个谎言。」
Jony Ive · A conversation with Jony Ive

第三点：AI 内容泛滥反而让"真实性"升值

Reddit 的 Huffman 给了这条最直接的市场侧证据：

"People can feel authenticity."
「人们能感受到真实性。」
Steve Huffman (Reddit) · How Reddit Went From $12M to $2.2B

Maeda 从设计一侧独立撞到了同一结论——他把它命名为"人味（human smell）"，并直接点出溢价的来源是"人类的信任与担责"：

"The reason why someone is willing to pay that much more for that bespoke better thing is they're paying for human trust and accountability. … That human ability, that human smell could become even more valuable than ever before."
「一个人愿意为那个定制的、更好的东西多付这么多，是因为他在为人类的信任与担责付费。……那种人的能力、那股'人味'，可能比以往任何时候都更值钱。」
John Maeda · What Happens to Design After AI

这就把 Huffman"人能感知真实性"从社交媒体的市场直觉，升级成了一条跨领域（社交内容 / 软件设计）的共识——AI 内容越泛滥，可辨识的"人的意图与担责"越升值。

分歧在哪

大家都同意"品味/判断是 AI 时代的稀缺资源"，但三个问题上分歧明显：品味是天生还是习得、AI 时代该收紧还是放开控制、品味体现在哪一层。

分歧一 · 品味是天生的，还是练出来的？

Ivan Zhao 把品味和自主性当作不可改变的东西——所以他的招聘是哑铃型（资深架构师提供品味，超级初级提供自主性，砍掉中间）：

"Hire for super junior, super senior. … Barbell shape, right? Because the senior provides taste. … A good engineer managing four to six coding agent[s] at once, right? But a good, really senior architectural engineer can manag[e] two to three junior interns or engineer[s], [and] they each manage two or three."
「招超级初级和超级资深。……哑铃型，对吧？因为资深的人提供品味。……一个好工程师同时管四到六个 coding agent，对吧？但一个好的、真正资深的架构工程师能管两三个初级实习生/工程师，这些人每个再各管两三个。」
Ivan Zhao (Notion) · Notion's Ivan Zhao: The Refounder

Fadell 的"informed gut"恰恰相反——gut 前面那个 *informed* 是练出来的，是经验的产物，不是天赋：

"When you're doing a 1.0 of anything, if you're doing anything that matters, and it's a 1.0 and it's a new category or it's a new device the world hasn't seen before, you have very few analogs that you can use to make data-driven decisions. … You have to have one or two or a very small set of people who are charged with making the opinion-based decisions."
「当你在做任何东西的 1.0——如果你做的事情很重要——而它是 1.0、是一个世界前所未见的新品类或新设备时，你几乎没有可用来做数据驱动决策的类比。……你必须有一两个、或极小的一组人，专门负责做这些基于判断的决策。」
Tony Fadell · Father of the iPod and iPhone

Ive 又给了第三种——品味是一种辨别力，而它最大的敌人是急于表达观点的人：

"What kills most ideas, I think, [is] people desperate to express an opinion. And it's really, let's be very clear, opinions aren't ideas."
「我认为，杀死大多数 idea 的，是那些急于表达观点的人。说清楚一点——观点不是 idea。」
Jony Ive · A conversation with Jony Ive

Maeda 给了第四种、也是最锋利的——品味不是个人属性，而是文化-历史的沉淀物，来自材料的稀缺：

"Taste is always cultural and different cultures have quote-unquote higher taste, specifically because they've usually been around longer. … When raw material is scarce, we tend to make it more precious and design things well. Taste emerges through scarcity. … I think what's interesting about this era is that this idea of taste doesn't fit when all the materials available to everyone."
「品味永远是文化性的，不同文化有所谓'更高的品味'，恰恰因为它们通常存在得更久。……当原材料稀缺时，我们倾向于让它更珍贵、把东西设计好。品味源于稀缺。……这个时代有意思的地方在于，当所有材料对每个人都唾手可得时，这套'品味'的观念就不成立了。」
John Maeda · What Happens to Design After AI

这一条其实是"习得派"的一次升级：品味不是天赋（反 Ivan），但也不是个人靠经验就能练出的 informed gut（超出 Fadell）——它是几百年材料稀缺压出来的集体成熟度。而 AI 把材料变得无限丰裕，恰恰抽掉了旧品味赖以形成的稀缺土壤。

Mark Chen 则第一次给了"品味可教"一个可操作的实证——他把研究品味当作能被复现动作练出来的技能，而不是玄学：

"The best mechanism I've found for developing that [research taste] is really just papers that you really look up to, just try to fully replicate it. … I learned so much just trying to replicate the training curves exactly, get to the exact amount of training loss or perplexity that the paper is hinted towards. It teaches you a lot of techniques that people don't really talk about."
「我找到的培养它（研究品味）的最好机制，真的就是拿你非常仰慕的论文、试着完整复现。……我光是尽力去精确复现训练曲线、逼近论文暗示的那个训练损失或困惑度，就学到太多东西。它教给你很多没人明说的技巧。」
Mark Chen (OpenAI) · Cooking with OpenAI's Research Chief

五个人对"品味从哪来"给了不兼容的答案：天生的（Ivan）、练出来的（Fadell）、辨别出来的（Ive）、文化稀缺沉淀的（Maeda）、靠"精确复制大师"练成的（Mark Chen）。值得注意的是，Mark Chen 那条恰好接上了我原来在"还想知道什么"里追问的"品味可教的真实案例"——复现经典论文就是那个可观测的训练路径。

2026-08-04 那轮刷新给这个问题加了一个新的维度——品味会不会随模型智能"顺带"到来。Dylan Field 的回答是不会，而且他给出了机制上的理由：可验证域随 IQ 变好，判断力不随：

"I think that all my experience with AI so far, I have shown that on formal domains, things that are verifiable, you can get to amazing outcomes with enough IQ points. And yet judgment is like somehow not purely correlated with just adding IQ points to the model. Design certainly does not seem to be correlated with adding IQ points to the model. These seem to be other capabilities that you have to figure out how to train."
「我认为迄今为止我与 AI 的所有经验表明，在可验证的正式领域，凭借足够的智商分数你可以获得惊人的结果。然而判断似乎与仅仅增加智商分数与模型之间并没有纯粹的相关性。设计显然似乎与增加智商分数与模型之间没有相关性。这些似乎是你需要找出如何训练的其他能力。」
Dylan Field (Figma) · Dylan Field on the "Permanent Underclass of Zero Taste"

他甚至认为人类自己都还没搞清判断力的来源（"那些在战略上表现出色的人，我甚至没有找到与人类共通的特征来寻找他们"），教模型对用户的真同理心则更难。这条主张若成立，对"天生 vs 习得"两派都是坏消息的缓冲垫：不管品味从哪来，它都不会被下一代更聪明的模型自动附赠——这正是 Mark Chen"品味难教"的设计侧对应物，也让 Sam Altman 那句"需要一个新词"有了技术内容。

本次（2026-08-10）刷新给习得派再添一票带机制的。Dianne Penn 描述的 Anthropic 研究领导层品味养成路径与 Mark Chen 的复现路径同款——首席科学家们紧贴训练运行、盯评估、看底层数据，"actually staying really close and be excited to be in the details … a sign of … really strong researchers and developing taste"（「实际上保持紧密关系并对细节感到兴奋……这是一个非常强的研究者和良好品味的标志」）；她给 PM 的版本是同一句话的产品侧翻译：

"You have to sweat the tokens as much as you sweat the pixels. You have to be using the models to come up with good and great and better ideas, and there's no substitute for that."
「你必须像关注像素一样关注令牌。你必须使用这些模型来想出好的、优秀的和更好的想法，而这没有替代品。」
Dianne Penn (Anthropic) · Anthropic's first technical PM on token maxing

天生派（Ivan）在连续两轮新语料里都没有得到增援。

2026-08 新增（习得派 · 带机制的一票）。 Lin Qiao 把模型的训练顺序直接类比成人的成长顺序，而"品味"在这条线上有明确的位置——它在知识之后、专长之前：

"So this is very similar to supervised fine-tuning. And as we grow, we develop our own taste and judgment of how we want to conduct the specific way of we want to approach a problem. And that is preference or DPO."
「所以这与监督微调非常相似。随着我们成长，我们发展了自己对如何处理特定问题的口味和判断。这就是偏好或 DPO。」
Lin Qiao (Fireworks) · Post-Training Is How You Keep Your Taste

这是习得派此前缺的东西：Fadell 的 "informed gut" 说品味可练但没说怎么练，Mark Chen 的"复现经典论文"给了研究域的一条路径，Lin Qiao 给的是一个结构主张——品味有它自己的学习阶段，且这个阶段的输入是偏好反馈（点赞/点踩）而不是知识。若成立，Ivan Zhao 的"不可改变"就被削弱为"改变需要大量偏好反馈"，而这恰好回到我在「我的看法」里的老论点：反馈质量才是真正稀缺的那样东西。

2026-08 新增（另一侧的旁证，来自完全不同的方法论位置）。 Dylan Field 断言判断力/设计与模型 IQ 不相关，此前只有设计侧的说法。Simile 的朴俊成从模拟人类行为的研究侧给了一个同向观测——规模上去了，模拟人的能力没跟上：

"Turns out people are irrational. We have a lot of subjective values, preferences and tastes. So you actually start to see divergence in model size going up and the performance in its ability to predict and simulate human behavior. So we have sort of plateaued with current modeling paradigm, our ability to really simulate humans."
「结果显示人们并不理性。我们有很多主观的价值观、偏好和品味。因此，实际上你开始看到模型规模的增加与其预测和模拟人类行为的能力之间存在差异。所以我们在当前的建模范式上，有些停滞不前，无法真正模拟人类。」
Joon Sung Park (Simile) · Simulating Humans at Scale: Simile’s Joon Sung Park

他的诊断是：前沿模型是奔着"理性、有客观答案的问题"去训的，而人是不理性的，所以这条曲线本来就不该期待它随规模自然改善（他的解法是另建一类"尽可能像人"的模型）。注意这条比 Dylan Field 的版本更强也更窄：更强，因为它是可观测的性能背离而不是从业者直觉；更窄，因为它测的是"模拟人类偏好"，未必等于"拥有品味"。但两条放在一起，"更聪明的模型会顺带解决品味"这个默认假设在语料里第一次同时被设计侧和研究侧顶住。

分歧二 · AI 时代该收紧控制，还是放开？

Fadell 主张在关键细节上收紧——战略性微管理 + 反对全 AI 生成代码：

"You have to have, for lack of a better word, tastemakers. … We are the person or the team who is going to make those opinion-based decisions. Of course, some people aren't going to like it and say, 'I'm sorry, this is a benevolent dictatorship. This is what's going to happen and this is the vision.'"
「你必须有——找不到更好的词——'品味制定者（tastemakers）'。……我们就是那个要做这些判断型决策的人或团队。当然有人会不爽，那就说：'抱歉，这是一个仁慈的独裁。事情就这么定，这就是愿景。'」
Tony Fadell · Father of the iPod and iPhone
"Anybody who looked at the code, who's a real software architect and engineer, threw up … They're like this stuff is brittle. … This should be layered in four or five, actually 12 or 15 different sub-functions. … There is this dichotomy of fast and throwaway. It's called fast fashion. We got fast software. But software, if you're going to build a real company, can't be throwaway."
「任何看过那段代码的、真正的软件架构师 / 工程师都吐了……他们说：这玩意儿太脆了。……这本该拆成四五个——其实是 12、15 个——不同的子函数。……这里有一个'快且一次性'的二分——就像快时尚。我们现在有了'快软件'。但软件，如果你真要建一家公司，不能是一次性的。」
Tony Fadell · Father of the iPod and iPhone

Ivan Zhao 恰恰相反——他拥抱失控，把和 AI 一起开发比作酿啤酒：

"Building classic software is like engineering bridge. If you can't design it, you usually can't build it. Fairly predictable. … Building with language model back then and somewhat still is, it's like brewing beer. You can't really predict the things."
「构建经典软件就像造桥——如果你设计不出来，通常也就造不出来，相当可预测。……而用语言模型构建，当时是、现在多少也还是，像酿啤酒——你没法真正预测那些东西。」
Ivan Zhao (Notion) · Notion's Ivan Zhao: The Refounder

Fadell 要在重要的地方握紧（造桥的精确），Ivan Zhao 要在过程里放开（酿酒的不可控）——两人都在谈"怎么和 AI 一起做产品"，姿态正好相反。这跟 founder-mode 主题里 Chesky（纵深握紧）vs Foroughi（放开信任）的对立是同构的。

Sierra 的 Clay Bavor（2026-08-04 那轮新增）给出了一个明确的中间派算法——收紧，但只在"没有我们施力就不会发生的事"上收紧，其余放开：

"You have to edit it. You have to have judgment for it. And I think you have to look at what is the thing that is not going to happen or won't happen as quickly without direct applied force from one of us or both of us. And so, you know, it's pointless to be in quote founder mode, you know, 17 layers in the details and something that doesn't matter. It matters a lot if it's our next generation agent architecture and there's something that we can add."
「你必须进行编辑。你必须对此有判断。我认为你必须看看，如果没有我们中的任何一个人或两个人的直接施压，什么事情不会发生或不会迅速发生。所以，你知道，处于所谓的创始人模式，实际上是在细节的 17 层中，而这些并不重要，是没有意义的。如果这是我们下一代代理架构并且我们可以做些什么，那就很重要。」
Clay Bavor (Sierra) · 20VC: Open Models vs Frontier Models

"You have to edit it"——把品味定义为编辑权而非生成权，这与 Fadell 的 tastemaker 同源，但施力点从"全程独裁"缩到"选择性催化"。

分歧三 · 品味体现在哪一层？

Ive 把它放在道德/精神层面——做东西是在表达"你是谁"、关不关心用户：

"When somebody unwrapped that box and took out that cable, and they thought somebody gave a shit about me, I think that's a spiritual thing."
「当有人拆开那个盒子、拿出那根线，心里想'有人在乎我'——我觉得那是一件精神层面的事。」
Jony Ive · A conversation with Jony Ive

Cannon-Brookes 把它放在商业差异化层面——设计是难以复制的护城河：

"When you have any major technological transition, we're back to an era of fundamental design. … In the AI era, in an era where arguably software gets cheaper to create, we can argue about that maybe, but there will certainly be far more software. … [We're] really doing a lot of foundational design around delivering AI to end-users and customers that don't have to understand what the words probabilistic and deterministic mean."
「每逢重大技术变革，我们就回到一个'基础设计'的时代。……在 AI 时代——一个可以说软件造起来更便宜的时代，这一点或许还有得争——但软件一定会多得多。……我们在做大量基础设计——把 AI 交付给终端用户和客户，让他们根本不必懂'概率性''确定性'这些词是什么意思。」
Mike Cannon-Brookes (Atlassian) · 20VC: Atlassian CEO

Huffman 把它放在市场可感知层面——真实性是用户能"闻到"的、会用脚投票的东西。

同一种"品味/判断"，Ive 当作伦理、Cannon-Brookes 当作护城河、Huffman 当作市场信号——三种价值归属，没人调和。

2026-08 新增：第四种归属，也是第一个工程答案——品味在训练栈的第几步。 前三种（伦理 / 护城河 / 市场信号）都是价值判断，Lin Qiao 给的是位置。她先把"公司为什么存在"接到品味上：

"Every single company exists for a reason because they focus on solving a unique problem in a special way. And that means they carry their own judgment, taste and determination, conviction into that product. And that's why a company exists. Today, if you build on top of off-shelf API, then you really need to think about how you keep that special taste judgment and unique part forward."
「每一家公司存在都是有原因的，因为它们专注于以特殊的方式解决独特的问题。这意味着它们将自己的判断、品味和决心融入到产品中。这就是公司存在的原因。今天，如果你在现成的 API 之上构建，那么你确实需要考虑如何保持那种独特的品味判断和独特的部分。」
Lin Qiao (Fireworks) · Post-Training Is How You Keep Your Taste

然后落到具体的一步。她给的分工是：SFT 管事实与格式，偏好调优/DPO 管品味，RL 管专长——

"If your model's answer, the quality is personal or kind of specific to the taste of your product, and then you use preference and tuning, or the model is quite weak on the special problem you are trying to solve, then you use RL, reinforcement learning."
「如果模型的答案质量是个人的或特定于产品的口味，那么你需要使用偏好调优，或者模型在你试图解决的特定问题上相对较弱，那么你就要使用 RL，强化学习。」
Lin Qiao (Fireworks) · Post-Training Is How You Keep Your Taste

而"品味从哪来"的答案是产品里的点赞/点踩——用户交互收集来的偏好信息（转述）。这条把本主题里最玄的一个词接上了一根可操作的线：如果品味真的等价于偏好数据上的一次调优，那它既不是天赋也不是修养，而是一份可以被采集、被标注、被复制的数据资产。这对"品味是护城河"是双刃的——可写进权重意味着可以被拥有（她的论点），也意味着一旦数据外泄或被蒸馏，护城河就跟着走，而这一层她没有讨论。

（注：信源立场——Fireworks 卖的正是后训练，这一集是产品课；"品味 = DPO 那一步"是一个便于卖货的等式。但它至少是语料里第一个可证伪的定位主张。）

分歧四 · AI 是抬高地板，还是拉大差距？

新增的三篇设计 / 创作访谈里，所有人都同意一句话"AI raises the floor（抬高地板）"——但对"抬高地板之后"的判断分成了两派。

Bakaus / Maeda 是"抬地板→抬天花板"的乐观派：地板抬高把机械劳动清走，正好把人解放去做那最后 10–20% 的独特工艺，他们赌这会开出一个新的"手工艺时代"：

"We're kind of like raising the floor in areas that can be mechanical. … humans should be able to raise the ceiling of what they can do."
「我们是在把那些可机械化的领域的地板抬高。……而人类应该能去抬高自己能做到的天花板。」
Paul Bakaus / John Maeda · What Happens to Design After AI

但 Maeda 自己在同一场对话里给这份乐观加了一个冷酷的市场注脚——能抬天花板的人本来就极少，而且大众市场不为它买单：

"The number of people who will raise the ceiling will not be a high number. And it won't be that valuable in the mass market. So I think it'll never be automated. … Only problem, the customer base will be smaller. … do we know letterpress, letterpress printing? Oh my gosh, I love it. But not many people will pay for it."
「能抬天花板的人不会有很多。而且它在大众市场上不会那么值钱。所以我认为它永远不会被自动化。……唯一的问题是，客户群会更小。……我们还认得活版印刷吗？天哪我爱它。但没多少人会为它付钱。」
John Maeda · What Happens to Design After AI

Photolabs 的 Xia 说得更直白——地板抬高的同时，顶尖和平均之间的差距反而拉大：

"With AI tools, they're definitely raising the lower bar just so that, you know, even someone like me can create something pretty, pretty good with the AI tools. But I also think that the gap between the very best artists and average artists is going to be even bigger."
「有了 AI 工具，它们无疑提升了最低门槛，以至于像我这样的人也能用 AI 工具创造出相当好的东西。但我也认为，优秀艺术家与普通艺术家之间的差距会变得更大。」
Zach Xia (Photolabs) · Building AI for Creators

Luma 的 Tancik 紧接着补了一个更具体的注脚——产出"垃圾"和产出惊艳的是同一套工具，差别只在用工具的人：

"You've seen AI generations that are bad, right? I think we've all seen them that are bad. I can guarantee the same tools that made those bad generations, they've also made generations that you would think are amazing."
「你见过糟糕的 AI 生成的内容，对吧？我想我们都见过一些糟糕的内容。我可以保证，造成那些糟糕生成的同样工具，也创造出你认为非常惊艳的作品。」
Matt Tancik (Luma) · Building AI for Creators

而他们对"AI 时代创造力是什么"的回答，把品味从"审美"重新定义成了"导演能力"——不是掌握工具，而是指挥工具的那个方向性头脑：

"Creativity is building a story. The tools alone aren't a story. Someone has to direct them. … It's not about mastering those tools. It's about directing an agent who can use those tools to achieve your creativity."
「创造力是构建一个故事。工具本身不是故事，得有人来指挥它们。……重点不在掌握那些工具，而在指挥一个能用这些工具去实现你创意的代理。」
Matt Tancik / Zach Xia · Building AI for Creators

这一节和"我的看法"里那条主论断（品味会让优势向已有品味者集中）直接互证：Xia 的"差距拉大"是一线产品经验里跑出来的观测（Tancik 从工具侧补证），而不再只是我从 Fadell 外推的推断。乐观派（Bakaus）和集中派（Xia/Tancik）没有被调和——同一个"抬高地板"，一派读成普惠，一派读成分化。

2026-08 新增：第三种立场——AI 会让低品味的组织变得更糟。 前面两派吵的是"抬高地板之后"，都默认地板确实被抬高了。AppLovin 的技术 VP 葛小川（Giovanni Ge） 给的观测是净负的：

"I think a big, big mistake that people are making is that because of the AI, building things become easier. People are making a lot of bad decisions, bad taste, wasteful ideas that actually offset the empowerment of AI. You build things faster, but you're making a lot of bad-tasted ideas. And in the end, you might not see the end result."
「我认为人们犯的一个大错是，因为有了人工智能，构建东西变得更容易。人们做出很多糟糕的决定、糟糕的品位、浪费的想法，实际上抵消了人工智能的赋能。你构建东西更快，但你却做出很多糟糕的构想。最终，你可能看不到最终结果。」
葛小川 (AppLovin) · How AppLovin Built a $100B Ad Machine

他的起点是一个横截面事实（转述）：并不是每家公司都因为 AI 而把产出翻了倍。这就把"抬高地板"这个共识本身证伪了一半——AI 抬的是执行的地板，不是决策的地板；当决策质量不变而执行成本骤降，坏决策的产出量会跟着骤升。换句话说：丰裕不腐蚀能力，腐蚀的是克制。

于是他把"品味"直接定义成减法：

"I think a lot of people think the biggest differentiation for a great company versus a not-so-great company is their ability of building, but I actually think it's different. It's the taste. It's the taste to know what to build and what not to build."
「我认为很多人认为伟大的公司与不那么伟大的公司之间的最大差异在于他们的构建能力，但我实际上认为这是不同的。是品味。是知道该构建什么和不该构建什么的品味。」
葛小川 (AppLovin) · How AppLovin Built a $100B Ad Machine

而且他把这条落到了自家最值钱的资产上——AppLovin 的广告引擎 Axon：

"why is it taste and not just aesthetics, right? It's also engineering taste. I, you know, just from personal experience, I would attribute the success of Axon, you know, largely to what we decide not to do, not actually what we did."
「为什么是品味而不只是美学？它也是工程品味。就我个人经验而言，我会把 Axon 的成功主要归因于我们决定不做的事，而不是我们做了什么。」（中文为本文迻译）
葛小川 (AppLovin) · How AppLovin Built a $100B Ad Machine

两点值得记。 一是这把"品味"从设计词汇搬进了工程与战略——他明确说这不只是美学，还有 engineering taste。二是"归功于没做的事"是本主题里第一条可回溯检验的品味主张：不做清单是可以事后核对的，不像"informed gut"只能自陈。

（顺带一条他自陈的判断纪律：他常用 ChatGPT 是因为它"经常挑战我、经常不同意我"（转述）——这跟 08-10 Dianne Penn 的"先有 POV 再对练"是同一套反投降纪律的两种说法。）

分歧五 · 品味的载体：个人，还是公司/模型？

此前所有讨论都默认品味长在人身上。Fireworks 的 Lin Qiao 把它搬到了产业结构层——模型本身就带着提供方的品味，而品味必然错配，这直接构成她反对"单一 AGI"的论据：

"A model provider will infuse their own judgment, their own taste into the model training process. You cannot guarantee it matches yours. … Every company will have a special design principle. Every company will have a special taste."
「模型提供者将在模型训练过程中注入他们自己的判断和品味。你无法保证它符合你的标准。……每个公司将有一个特殊的设计原则。每个公司将有一个特殊的品味。」
Lin Qiao (Fireworks) · 20VC: Are OpenAI and Anthropic Overvalued?
"If our future world is going to be ruled by one standard, a taste dictated by one company, we turn ourselves into an army of robots. And that's very depressing to me."
「如果我们未来的世界要被一个标准所主宰，由一家公司的口味所支配，我们就变成了一支机器人军队。这让我感到非常沮丧。」
Lin Qiao (Fireworks) · 同上

推论是她那句"未来是数百万个专用模型，每个应用每个用例一个"——品味多元性从个人美德变成了市场结构的成因。她还顺手给了"判断"一个组织学定义，把本主题和领导力焊在一起：

"Because what is leadership? Leadership is just judgment. It's not privilege. It's judgment. You basically have the context. You need to have the right context to make the right judgment for the team."
「因为领导力是什么？领导力只是判断。这不是特权。而是判断。你基本上拥有上下文。你需要有正确的上下文来为团队做出正确的判断。」
Lin Qiao (Fireworks) · 同上

注意这条和 Ivan Zhao（品味长在人身上、不可改变）并不冲突但也不重合：Lin Qiao 关心的是品味在机构间的分布（所以要自有模型），Ivan 关心的是品味在人际间的分布（所以要哑铃招聘）。两人共享同一个前提——品味不可通约、不可外购——但一个推出了基础设施生意，一个推出了组织设计。没人讨论这两层会不会互相吞并（公司品味最终还是几个人的品味？）。

暗流 · Ivan Zhao 的"不懂历史就不懂人性"

Ivan Zhao 给了一句跟所有人都不冲突、但所有人都没说的话——技术圈最大的盲点是不懂自己的历史：

"… tech is largely a technology and tinker culture. And tinker culture doesn't even know the history. … So tech is like industry doesn't know its past. If you don't know its past, you don't know history, which is humanity."
「……科技大致上是一种技术和修补文化。而修补文化甚至不知道历史。……所以科技界就像个行业，不知道自己的过去。如果你不知道自己的过去，你就不知道历史，而历史就是人性。」
Ivan Zhao (Notion) · Notion's Ivan Zhao: The Refounder

这句话给整个"品味"主题埋了一条更深的线——所谓品味，可能本质上是对人性和历史的理解深度，而不是审美天赋。

都没说透的

我的看法

判断（不是事实）：这个题目里"品味是 AI 时代的护城河"是真的，但它正在被讲成一种安慰剂——一群本身拥有顶级品味的人，互相确认品味重要。真正有价值、也最被回避的问题是分配：如果品味像 Ivan Zhao 说的不可改变，那"AI 让能力民主化"的另一面是品味的稀缺性反而被放大——能力不再是门槛后，品味成了唯一的门槛，而它分布得比能力更不均。我赌 Fadell 那条"informed gut——可练的判断"比 Ivan 的"天生不可改变"更接近真相，但练成它需要的时间和高质量反馈，恰恰是 AI 加速的世界最稀缺的。所以实际结果可能是：品味确实是护城河，但它会让优势进一步向已经拥有品味的少数人和组织集中——这跟"民主化"的叙事正好相反。

把握程度：中等偏上（较上一版上调）。最强支撑是"可测量不是全部"+"真实性升值（Huffman 的市场信号 + Maeda 的'人味/担责'从设计侧独立佐证）"这两条跨多个独立顶级从业者的共识；此外，我原来最弱的那条"品味会导致优势集中"，现在被 Xia 的一线产品观测直接顶上了——"AI 抬高地板的同时拉大顶尖与平均的差距"不再只是我从 Fadell 外推的推断，而是做创作工具的人跑出来的经验。仍最弱的一环是"练成品味需要的高质量反馈恰恰在 AI 加速的世界里最稀缺"——Mark Chen 的"复现经典论文"给了半个反例（研究域里反馈是冷硬可得的），说明在有 ground truth 的域里这条链未必成立；它是否只在无真理的品味域（设计、创意）里才锁死，语料还没接完。

上一轮（2026-08-04）刷新对这个判断的净效应：支撑变厚，但反方也第一次成形。支撑侧——Dylan Field 的"判断与 IQ 不相关"补上了我论证里缺的机制环节（品味不会被更聪明的模型自动附赠，所以它的稀缺是结构性的而非过渡性的）；Altman 的"需要一个新词"说明连最有动机宣称"AI 什么都能学会"的人也把这块划了出来；Osvald 的"用进废退"甚至暗示分化会自我加强。反方侧——Akshay Nathan 的"人人 T 型、AI 让每个人成为通才，即使没有视觉品味也能靠 AI 迭代逼近"是语料里第一个认真的民主化反论：如果迭代（快速试错+反馈）能替代先验品味，那品味集中论会衰减为速度竞争。这两条路线的分水岭恰好落在 Dylan 的命题上——判断力到底能不能靠迭代逼近。目前我仍站集中派，但 Akshay 那条把我的把握程度钉在"中等偏上"不再上调。

本次（2026-08-10）刷新的净效应：判断不变，一处增强。"品味向少数人集中"的论证更结实了一点——Penn 的"判断=经验积累"暗示品味的获取函数是活过的情境量×反馈质量，恰好是 AI 加速世界里分布最不均的两样东西。把握程度维持中等偏上。

本次（2026-08-24）刷新的净效应：判断不变，但我把它的适用条件收窄了一次。 我一直把品味讲成"能力商品化之后剩下的唯一门槛"，隐含假设是 AI 至少不会让人变差。葛小川的观测把这个假设拆了： AI 抬的是执行的地板，决策的地板没动，于是坏品味被同倍放大，净效果可以是负的。这不只是"差距拉大"的加强版——Xia 说的是好的更好、差的原地；葛小川说的是差的会变得更差。 如果后者成立，"品味是护城河"这句话要改成更不客气的版本：品味是使用 AI 的前置条件，缺了它，AI 是负债而不是杠杆。我倾向相信这一条，因为它是唯一一条来自"已经大规模跑了 agent 的公司"的横截面观察，而不是从业者对未来的推断。

第二处修正在方法上。Lin Qiao 把品味定位到 DPO 那一步，是本主题第一次有人给出可证伪的位置主张，我认为这比它听起来重要——它把品味从"不可通约"降格为"可采集"。 但我不认为这加固了护城河，反而削弱了：本语料里凡是能写进权重、写进 checkpoint 的东西，最后都被开源或蒸馏掉了（inference-economics 那边已经有两个独立证据）。 所以我现在的排序是：品味作为"人的判断"仍然稀缺；品味作为"模型里的一层偏好"是易腐资产。这两者被 Lin Qiao 讲成了一件事，我认为是两件。

把握程度维持中等偏上，但内部结构变了：原来最强的支撑是"可测量不是全部"，现在最强的是"执行变便宜之后，克制成为瓶颈"——葛小川的坏品味放大（组织观察）与他把 Axon 的成功"归功于没做的事"（可回溯检验）两条证据指向同一件事；虽然均出自他一人之口、独立佐证尚缺，但这条恰好也是最不像安慰剂的一条：它对说这话的人本身没有恭维作用。

还想知道什么

取材

本轮按逐字稿层证据排除：20VC "The AI Boom Will Create Enormous Roadkill" 3b8ea6160e71810e94acc2adada27c36、"Simulation: the new Scaling Law" 3c4ea6160e7181459ad1e72a94169280、"Scaling Compute on Context" 3c4ea6160e7181b89f6dc70804705c4f——三篇在 ## Transcript 层 taste / judgment / 品味 / 判断力 全部零命中，入册系结构层（标题/摘要/关键词）别名匹配所致。

不切题、未计入综述：Uncapped #53 (Trae/Delian, Founders Fund) 390ea6160e7181159c6ac4cc0b0c7a99、Benchmark's AI Bets 390ea6160e7181848860ca758a56d9ab——两篇的"conviction/taste"是 VC 投资语境与"software tastes like chicken"财报双关；Mike Mignano (USV) 395ea6160e718195b011ea57525b44f7——其"judgment"（don't project、founder-market-product）同属 VC 投资判断语境，弱相关，按同一先例不计入；2026-08-10 批次另有 1 篇仅词面相关未纳入：20VC The AI Boom Will Create Enormous Roadkill 3b8ea6160e71810e94acc2adada27c36——Transcript 层 taste/judgment 零命中。

继续读
线索
阅读线索：agent 不到 9 nines 可靠，那应该卖给企业还是消费者
线索
阅读线索：如果 coding 是 commodity，AI startup 的护城河长在哪儿
线索
阅读线索：推理成本一年跌 10×，AI app 该按什么定价
线索
摘报
线索
摘报
线索
摘报