# 50天上线，1万用户开香槟：Google Labs 负责人把AI产品从0到1讲透了

> Training Data No. 36 中文精读

- 原标题：Josh Woodward: Google Labs is Rapidly Building AI Products from 0-to-1
- 发布日期：2025-03-18
- 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等
- 网页版：https://trainingdata.qiaomu.ai/ep/036-josh-woodward-google-labs-is-rapidly-building-ai-products-fr-3-wVLp.html
- 精读字数：约 5061 字（阅读约 11 分钟）

> 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

谷歌内部有个团队，会为一个产品拿到1万周活用户专门庆祝。放在隔壁搜索部门，这个数字小到根本进不了仪表盘。带队的人叫乔什·伍德沃德（Josh Woodward），Google Labs 的负责人。过去三年，NotebookLM、视频模型 Veo、能替人操作浏览器的 Mariner、AI Studio 和 Gemini API，都从这个团队里长了出来。

2025年3月18日，红杉资本的播客 Training Data 请到他，跟两位主持人索尼娅（Sonya Huang）和拉维（Ravi Gupta）聊了一个多小时。节目里数字很密：谷歌现在25%的代码由AI写成；他和上四年级的儿子用 Replit 的智能体做了个家务打卡App，28分钟，花了45美分，父子俩现在天天在用；他的团队还维护着一份列了82条预测的文档，专门用来决定往哪押注。

下面把这期节目拆开讲。

## 写提示词这件事，过时了

伍德沃德进门时抛出的第一个观点就够劲：写提示词是老派做派。他的意思是，几年后回头看，大家会说「真不敢相信我们当年往一个小框框里敲一大段话」。

他把人分成两类。开发者那头，Labs 工程师写的提示词动辄好几页，精致得很；普通用户那头，没人有耐心伺候模型，得像个驯兽师才能撬开模型的本事。所以行业正在往另一个方向走：让用户拖进来一个PDF、一张图、一段语音，用现成素材替代大段文字。**上下文不会消失，但交付上下文的方式正在快速换代。**他的判断是，工程师会继续写长提示词，普通人写段落式提示词的阶段很快就会淡出。

这个思路已经体现在 NotebookLM 上。去年爆火的功能，能把用户上传的一堆资料变成一期双人播客对谈，底层逻辑就是自带素材加再组合。团队内部有个词叫「AI 摇杆」：用户得感觉自己能操纵模型，别让人觉得在碰运气。

## 一个想法到用户手里，50天

先交代背景。Google Labs 这个名字谷歌早年用过，后来沉寂，三年前重启。它是一群建造者的集合，只做从0到1的新AI产品，消费级、To B、开发者工具都做。人员构成很有意思，一半是谷歌老兵，一半是创始人和前创始人，混在一起，挑一个方向，比如创造力的未来、软件开发的未来，然后拆成四五个人的小队，直接开建、直接上线。

速度是第一文化。**从一个想法到交到用户手里，标准是50到100天。**Mariner 从「发现模型有操作电脑的能力苗头」到变成一个Chrome扩展，用了84天。

第二个信条叫大事从小开始。伍德沃德说，在谷歌待久了，周围全是十亿用户级的产品，容易忘了这些东西最初都始于一个用户的一个痛点。所以 Labs 会为1万周活用户庆祝，而其他团队的仪表盘根本统计不到这么小的数。招人时他偏爱带点草根心态的人，有点闯劲，有点不服。团队有份《Labs 一览》文档，他最喜欢的章节叫「什么样的人在 Labs 如鱼得水」，列了16到17条。

组织设计上，Labs 一只脚在谷歌外面，跟创业公司共建产品；另一只脚在 DeepMind 里面，能提前看到研究前沿走到哪、要往哪去。这个位置感是他们最看重的东西之一。

招人有个好玩的案例。2022年夏天，ChatGPT 还没问世，重启 Labs 的克莱·贝弗（Clay Bavor）给科普作家史蒂文·约翰逊（Steven Johnson）发了封冷邮件。这位作家琢磨思维工具琢磨了几十年，贝弗和伍德沃德都是他订阅通讯的读者，邮件大意是：我们爱你，来跟我们一起把你想做一辈子的工具做出来吧。约翰逊接了电话就答应了。麻烦是谷歌职级体系里没有访问学者做产品这个岗位，伍德沃德跑去跟HR现造了一个。后来 NotebookLM 对来源和引用的较真，就来自这位写过十几本书的作家对出处的执念。现在这套打法成了模板，他们请过音乐人，正在物色驻场电影人。

选题方式是上下结合。上面定池塘，比如软件开发就是明摆着的大池塘，谷歌内部有几万名工程师，AI 必然重塑这块；下面让四五个人的小队自己去挑要解决的用户问题。伍德沃德来自俄克拉荷马州，夏天爱钓鱼，他的说法是，先想清楚去哪个池塘下竿，具体怎么钓交给团队。Labs 没有多季度路线图，团队的目标就是活到下一个1万用户里程碑，再想办法长大。

项目的三种结局都被接受：毕业，比如 AI Studio 和 Gemini API 已移交 DeepMind 运营；留在 Labs 长成生意，NotebookLM 走这条路；或者一百天冲刺后砍掉，认赔，换下一个。他的原话值得抄下来：

> 「如果所有项目都在成功，说明你挥棒不够狠。」

## 视频：从碰运气到一次出片

聊到 Veo 2，他给了一组很实在的数字。跑一次 Veo 2 要动用几百台计算机，生成一条8秒视频的成本高得离谱。但他提醒别被吓住：过去一年，Gemini、OpenAI、Anthropic 这些文本模型的成本降了大约97倍。按这条曲线外推，视频模型也会走同样的路。

能力上，他的判断是物理规律这条接近解决，够用了。两年前网上流传的威尔·史密斯吃面条视频还是一场灾难，去年生成的画面还常出现六根手指。到了 Veo 2，画质、动作、镜头切换都大幅进步。AI 电影人圈子里有个术语叫精选率，指要跑多少次才能挑出一条能用的片子。**Veo 2 把精选率压到了接近一次出片。**

还没解决的是两块。一块是推理成本和效率，另一块是应用层。伍德沃德认为，模型层、工具层之下，真正的价值在应用层，围绕视频重构工作流现在几乎是空白地。他跟AI电影人聊下来，大家最想要的是角色一致性、场景一致性和镜头控制，用他的话说，得有人造一台AI摄影机：生成两小时的长片，然后说一句把主角的红毛衣改成蓝的，全片跟着变。

拉维在节目里引了保罗·格雷厄姆（Paul Graham）最近的一个说法：按模型进步的速度，创业者该去造那些还不太能用、而且贵得要死的东西，因为它们很快就能用，成本也会掉下来。伍德沃德的回应是，Labs 就是这么干的。他顺手总结了这几年做AI产品的核心经验：

> 「确保你的产品，和模型变得更聪明、更便宜、更快的方向对齐。如果你的核心价值主张能吃到这股顺风，你就站在了好位置上。哪一条对不上，就该质疑一下自己的存在了。」

商业模式也得跟着创新。订阅加按量计费是一种；跟创作者聊下来，更自然的方式可能是按产出付费，像制片人按项目预算那样，甚至可以做成竞价。他估计，视频生成的经济账算得过来，是按季度计的事，用不了很多年。

## Mariner：让AI替你操作电脑

Mariner 在2024年12月发布，一个Chrome扩展，让模型替你滚动、点击、输入。起因是团队在模型里看到新能力的苗头，想知道放开手会发生什么，好的坏的都想看。从想法到上线，84天。

索尼娅追问了一个好问题：为什么各家实验室几乎在同一时间都撞上了电脑操作这个方向？Anthropic、OpenAI、谷歌，还有一堆创业公司。伍德沃德借创新史来解释：重大发现同时出现很常见，新范式打开后大家都看到了类似的潜力，人员流动又让想法互相传播。

演示视频里最常见的场景，是让AI帮我订机票、点外卖。索尼娅当场表示反对，说订机票是她的人生乐趣之一。伍德沃德也承认，消费级场景还没找到杀手锏，用户研究里冒出来的高价值场景反而多在企业侧，关键词是一个老词：苦活（toil）。两个例子：呼叫中心客服要靠一套复杂的远程接管流程才能帮用户排查问题，他们想让 Mariner 直接代劳；销售打完客户电话，要在一堆SaaS系统里手动录入后续动作，他们想让 Mariner 一键分发。

那 Mariner 现在到底行不行？他的回答很诚实：能不能让模型驱动电脑？能，这是巨大的新能力。准吗？有时候。快吗？完全不快。**他由此引出做产品多年的心得：大家都在谈产品市场匹配，但早期阶段，人们反复迭代产品，常常忘了市场本身也需要迭代，找到对的市场和对的产品同样重要。**所以他给团队产品经理的辅导是：

> 「别看仪表盘，数字太小了。去看用户的眼睛。演示的时候，他们的眼睛亮不亮？这个阶段，这更像艺术，谈不上科学。」

技术上还有两块硬骨头。一是精确的坐标操作，模型在屏幕上点按的位置还不够准，用他的比喻，得给屏幕一个经纬度级别的定位。二是人在环里的控制粒度，现在的规则很粗糙，比如禁止购买任何东西、不许同意任何条款，但用户想要的是5美元以内你随便花、超过一分都不行这种细颗粒度。好消息是，各家实验室的模型大约每一两个月迭代一版，今年光看得见的就有四到六版。

## 2025年，往哪个池塘下竿

拉维问了个所有人都关心的问题：进步在加速吗？伍德沃德的回答是，**过去三年他一直在等这波进步放缓，它从来没放缓过。**预训练看着要撞墙，推理时计算又打开一整层新空间。约翰逊有个概念叫邻近可能（adjacent possibles），伍德沃德的形容是：推开一扇门，发现一个房间里同时开着大约30扇门，每扇门后面都是一个能进去探索的未来。

那份82条预测的文档就是这么来的。团队的思想实验是：坐进一个胶囊，被弹射到2028年，给你五分钟四处看看，把看到的一切写下来，再弹回来。其中一条预测是，未来的知识将无限可再混编，进去的任何素材都能变成出来的任何形态。信这条，就照着它做产品。

具体到方向，视频和智能体是明牌。他额外点了一个被低估的领域：编程。谷歌现在25%的代码由AI写成，比例还在涨。编程有两条并行的大机会，一条是降低门槛，让从没写过代码的人能做软件，他和儿子的家务App就是例子，团队管这类东西叫一次性软件，用完即弃；另一条是抬高天花板，让职业程序员的生产力乘以10倍到100倍。如果代码模型能做到自我纠错、自我修复、自主迁移旧代码，他说，现在的进度条跟那时候比根本不算快。

消费端的内容形态也会变。他的几个判断：娱乐会更可操纵，观众能随时插话改剧情；个性化会比今天的推荐算法极端得多；内容会大量即时生成；十年前崛起的是创作者阶层，接下来会冒出一批策展人，跟模型协作、筛选、再混编。今天九成到九成五的人只消费不创作，这个比例会不会松动，是平台要重新回答的问题。播放器上可能会出现一个新按钮，叫加入，内容反过来问你想聊什么，NotebookLM 正在做这个方向。电影和游戏的边界也会模糊，视频、游戏、3D世界构建的训练技巧已经在互相渗透。

至于像素流和3D建模两条路线谁对，他的答案是谁都不敢丢，两边都押。3D这边有个已上线的项目，给一只球鞋拍六张照片就能生成可旋转的3D模型，放在搜索里。Veo 2 出来后，六张照片变成了两三张，理论上一个晚上就能把谷歌索引过的所有商品做成3D物件库。视频那边，他们做过一个课堂原型，重现阿波罗登月，让学生坐进下降中的登月舱，还配了个侧边栏，老师可以随时注入状况：后舱着火了。你说一句往右看，模型就把细节补上。

哪些东西被高估了？他的答案有两个：聊天框界面，包括谷歌自己在内，太多产品还套着同一个对话框；以及把AI硬塞进现有产品。他拿iPhone打比方：2007年乔布斯发布iPhone，三年后的App Store下载榜头部，是缩水版网页、手电筒App和放屁App。真正的 Uber、Airbnb、Instacart，是再往后才出现的。**AI现在大概处在2009年的位置，真东西今年和明年开始冒头。**

哪些被低估了？除了编程，他点了三个：长上下文和无限上下文，这是智能体链条能一直跑下去的前提，也是谷歌重点投入的战略杠杆；品味，如果应用层是价值所在，AI生成的内容注定泛滥，好品味和好设计会升值，纯人工创作会变成奢侈品；还有真实性，什么是对的、什么是真的，重要性只会往上走。拉维补了个绝妙的类比：人这一生共享语境最深的对象是配偶，深到一个眼神就知道该离场了。无限上下文的终点，就是让人和AI的关系走到那一步。伍德沃德接了一句：我们知道天花板在那儿。

## 明天就能用的三件事

节目信息量大，收拢起来，明天就能上手的是三条。

- 给自己的产品做一次顺风测试：模型变得更聪明、更便宜、更快，核心价值会不会跟着自动变强？三条里有一条对不上，就值得重新想清楚存在意义，别把产品押在模型的短板上。
- 把迭代市场和迭代产品摆到同等地位。早期数据太小，别盯着仪表盘，把demo放到用户面前，看眼睛亮不亮。50天能上线的东西，就别用半年。
- 动手试一次一次性软件。用 Replit 这类智能体工具，把一个困扰自己的小问题做成小工具。28分钟和45美分的成本，体验一下软件富余是什么感觉，这比读十篇分析都管用。

最后记一句伍德沃德收尾时说的话。他说，能活着并亲手建造，是这个时代难得的运气，工具会塑造后面好几代人，做产品的人得想清楚往工具里装什么价值观：要替代人，还是要放大人的创造力。他站在后一边。这话从一位给1万用户开庆功会的人嘴里说出来，分量刚好。