AI 时代如何制胜：每周上线一个功能、拥抱技术债务与更多创业心法

摘要

Gaurav Misra 是 Captions 的联合创始人兼 CEO，这款 AI 驱动的视频创作工具拥有超过一千万用户，累计融资超过一亿美元。在此之前，他是 Snap 的早期员工，在那里创建了设计工程（Design Engineering）职能，并参与了多款影响数亿用户的功能开发。在本期对话中，Gaurav 分享了他对 AI 时代产品开发的系统思考：如何通过"每周每位工程师交付一个可营销功能"的节奏在喧嚣中保持竞争力；如何在时间压力下削减范围而非牺牲质量；为何创业公司应该战略性拥抱技术债务，就像财务杠杆一样用未来的工程师撬动当下的速度；以及 Captions 独特的"公开路线图+秘密路线图"双轨制创新方法。他还深入回顾了 Snap 的设计驱动文化——设计者同时承担产品经理职责、设计工程跨界角色如何在大公司中恢复创业级速度，以及内部病毒式传播如何成为组织对齐的利器。最后，他坦诚分享了 Captions 早期因盲目追求社交网络而浪费一年半的教训，并对 AI 视频的安全框架、营销作为 AI 落地"最后边疆"的判断，以及未来社交网络的颠覆性形态做出了前瞻性分析。

正文

史无前例的机遇窗口

Gaurav 指出，当前是创业史上极为罕见的时期。五到七年前，创业的最大难题在于几乎所有想法都有人在做，或已经失败过多次。而今天，AI 技术的突飞猛进使得"你尝试的一切都能跑通"——可能性远多于可以去做的人，供不应求的局面极为少见。他坦言这种窗口不会永远持续，但身处其中令人倍感恩幸。

不过 Lenny 追问了一个关键区分：技术让"建造"变得容易，但让"被关注"变得更难。Gaurav 承认这一张力，指出当下"用 AI 重新思考了这件事"这句话本身就足以吸引用户尝试，但前提是必须兑现承诺——如果只是炫技游乐场，用户玩过就走了。产品仍然必须解决真实问题，这是不变的底层逻辑。

Gaurav 进一步反思：钢铁侠里的 J.A.R.V.I.S.、星际穿越里的 TARS——这些曾经的科幻场景已成为现实，但世界的反应却远不如预期那般震撼。AI 的渗透速度在某些圈层令人眩晕，但对大众而言，采纳仍在缓慢发生。

在喧嚣中保持专注：病毒性作为优先级信号

面对每天层出不穷的 AI 新进展，团队如何不被分散注意力？Gaurav 提出了他们的核心优先级框架：寻找用户需求，而最简单的检验方式就是看什么东西具有病毒性（Virality）。通常，被大量分享和讨论的内容，其内核一定触达了某种真实需求。即便它只是一次性用例、无法支撑订阅模式，其核心要素依然值得识别和转化。

Captions 团队大量时间花在社交媒体上观察趋势，因为他们的应用本身就服务于社交媒体场景。他们甚至可以在不写代码的情况下，仅通过讨论和分享想法来预判产品反响——这在当下成为一种强大的优先级工具。

每周交付一个可营销功能

Captions 的工程目标令人震惊：每位工程师每周必须交付一个可营销产品（Marketable Product）。所谓"可营销"，是指用户可能仅仅为了这个功能就愿意订阅或付费使用。它不是"对齐排版"这类基础功能，而是独特到足以吸引用户专程前来的创新。

Gaurav 坦言很多功能不一定成功，但成功的那些会得到加倍投入。用户虽然经常抱怨功能不完整——因为一周内交付的就是真正的最小可行产品（MVP）——但如果方向正确，用户会忍受粗糙版本并给出具体反馈，团队下周就可以针对性地迭代。只要维持每周一个的节奏，就能产生大量功能方向的数据，砍掉不工作的，扩展有效的。

Lenny 注意到这与"如何持续获得关注"的问题直接相连——答案就是不断发货、不断给用户惊喜。Gaurav 确认，在正常时期不可能创造如此密集的路线图，但当下 AI 底层创新如此充沛，路线图几乎是无限的。

削减范围而非牺牲质量

一个自然的追问是：如此快的节奏如何保证质量？Gaurav 的回答极为清晰：当时间被压缩时，人们常犯的错误是削减质量，但正确做法是削减范围（Scope）。

具体方法是对设计中的每个元素逐一提问："如果去掉这个，产品还有用吗？"反复迭代，直到再砍任何一刀产品就废了——那就是一周项目的边界。以"在视频中添加图片"为例：最初设计可能包含从相册导入、去除背景、调整色调、从云端选取等完整流程。但逐一砍掉后，最终可能只剩"系统原生选取器，直入视频，无自定义 UI"——如果这都不够有用，那任何在其之上的功能也不会有用。

这种方法最酷的地方在于：用户第一次使用后会最直接地抱怨最痛的缺失——是背景移除？色调调整？云端选取？——而下周就可以精确地交付这些抱怨点，用户会觉得"这个团队发货疯了"。

Lenny 补充道，人们抱怨本身恰恰是产品-市场契合（Product-Market Fit）的信号——没人抱怨才是红旗。Gaurav 完全认同。

拥抱技术债务：创业公司的杠杆优势

关于长期项目和基础设施，Gaurav 透露 Captions 通常把第四季度定为"基础设施季度"，专门偿还技术债务。但他提出了一个反直觉的观点：创业公司的职责就是主动承担技术债务，这正是你比大公司运转更快的方式。

大公司要么当即偿还技术债务，要么在偿还创业时期欠下的旧债。Captions 的思维方式是：这个问题今天必须解决，还是第 50 个、第 100 个或第 500 个工程师可以解决的事？如果是后者，就把它推给未来的工程师。Gaurav 直言：如果公司失败了，那个工程师根本不会被雇佣，这一切都不重要。技术债务就像财务债务——买房时你贷款杠杆来买超出当前能力的资产，创业公司也通过战略性技术债务来用小团队创造原本不可能的产品。

Lenny 敏锐地指出：未来的那个工程师可能就是 AI Agent。Gaurav 笑着确认："某个未来第 500 号工程师会因为解决那些糟糕早期工程师留下的烂摊子而升职。"

当然，债务有上限。Gaurav 的经验法则是：每笔债务都会产生"利息"——每天大约 1%-2% 的时间消耗在维护由此产生的 bug、崩溃和重启上。如果累积到 80%-90% 的利息，团队就没有时间做任何新事情，只能"维持灯光"——那就是创业公司的失败模式。因此，技术债务也有一个"跑道"：在你耗尽之前必须交付足够价值来雇佣工程师偿还利息或本金。

对于影响全局架构的重大技术决策，Gaurav 引用经典的"单向门与双向门"框架：双向门决策可以快速做，单向门则需要审慎思考。

Captions 团队全面使用 Cursor 和 Devin 等 AI 编程工具，Gaurav 认为这是创业公司的另一重优势——大公司引入类似工具需要三十个律师先审阅。

公开路线图与秘密路线图

Captions 的路线图被分为两条截然不同的轨道：

公开路线图（Public Roadmap） 收录所有用户直接请求的功能——去除背景、撤销重做、上传更长视频等。这些需求通过所有用户反馈渠道汇集，按影响面和市场规模排优先级。但问题在于：用户向你提的需求，也在向每个竞争对手提。所有团队的清单本质上大同小异，最多在优先级或执行上赢得微弱优势，不会是制胜的关键。

秘密路线图（Secret Roadmap） 则完全相反——上面没有任何用户请求过，甚至展示给用户看他们可能都说"不需要"。但基于 Captions 对问题空间、用户行为和技术的独到理解，这些想法有能力彻底改变用户行为——一旦用户尝试，就再也回不去了。Gaurav 认为，这就是产品成功的本质：让人以新的方式做事，而且再也回不到旧方式。

秘密路线图的创意来源是季度全员头脑风暴——不只是产品团队，工程、招聘、市场所有人参与。大家把在社交媒体上看到的趋势和新技术进展汇总投票，产品团队再评估可行性和技术路线。很多最大的胜利都来自这条秘密路线图。

眼神接触：秘密路线图的成功案例

Gaurav 分享了一个来自秘密路线图的经典案例——眼神接触（Eye Contact）功能。很多新手录制视频时需要看提词器或脚本，导致目光偏移，观众一看就知道在读稿。Captions 的方案是将视线方向实时修正为直视镜头。

他们是最早构建此功能的公司，与 NVIDIA 合作开发。有趣的是，NVIDIA 起初并不理解这个需求，但很乐意探索技术的应用场景。该功能发布后大获成功——演示视频在全球各种语言中被疯传，至今仍不断获得数百万播放量。尽管后来被大量竞品复制，但它证明了秘密路线图的威力：来自内部洞察、用户从未主动请求、一经推出就改变行为。

Snap 的设计驱动文化

Gaurav 深入回顾了他在 Snap 的经历。Snap 是自 2011 年以来最后一个成功立足的社交网络（不计内容平台属性的 TikTok），但关于其运营方式的公开洞察极为稀少。

Gaurav 认为 Snap 成功的核心之一是 Evan Spiegel 对用户无与伦比的理解——持续近十年，没人比他更懂用户。他会提出所有人都反对的想法，上线后却屡屡命中，没人真正理解为什么。一个经典例子是 Snap 宣布自己是"相机公司"时引来嘲笑，但 Gaurav 后来领悟到：Snapchat 打开即相机，这个微小决策是抵御所有竞争的根基——当朋友做了有趣的事、需要捕捉那个瞬间时，你不会打开 Instagram（它不会直接打开相机），你会打开 Snapchat。Instagram 永远无法复制这一点，因为改为打开相机会让他们的所有指标暴跌。这就是对用户行为的深层理解。

设计者即产品经理

Snap 的组织架构极为独特。在 5000-6000 名员工规模时，设计团队只有 10-12 人，而且在很长一段时间里几乎没有产品经理。PM 是随着商业化才被引入的。

但这并非简单的"不需要 PM"。这些设计者同时承担了 PM 的全部职责——写文档、排路线图、协调各团队、把握交付节奏。他们是被高薪（含季度奖金）聘请的顶级跨界人才。Gaurav 认为真正有洞察的地方在于：两个职能之间的交汇处往往诞生独特的创新。一个人同时做设计和 PM，或同时做设计和工程，这种跨界融合产生的洞察是单一职能无法企及的。

设计工程：在大公司中恢复创业速度

Gaurav 本人在 Snap 从工程团队转入设计团队，创建了设计工程（Design Engineering）职能——能思考 UX、能设计、还能构建和发布的全栈角色，既可以把设计者教成工程师，也可以把工程师教成设计者。

创建这一职能的动机是解决大公司的创新困境：500 到 3000 名工程师的规模下，一切都变成六个月或一年的项目，每个产品都是大规模投入。如果押错方向，代价极高。而 Snap 面临的是竞争对手的疯狂复制，必须持续创新。

设计工程团队以小团队方式运作，将原型直接嵌入 Snapchat 应用中，在澳大利亚或特定高中进行小规模测试，获取真实环境下的数据——和创业公司的做法一样：快速构建、推出、获取反馈、理解是否有效，再决定是否让 500 名工程师花六个月去规模化构建。

更令人意想不到的收获是内部病毒式传播。在大组织中，对齐（Alignment）是巨大挑战，通常靠 PM 去逐一说服各利益相关方。但设计工程团队发现，当公司足够大时，内部也会像消费级用户群一样运作——如果你做了足够有趣的东西，它会在公司内部像病毒一样传播。他们会把原型构建分享出去，它就在公司里爆炸式传播——先是工程师，然后经理，然后 VP，最后 Evan 来问"为什么我是最后一个知道的？"这创造了瞬间的组织对齐，所有人都问"这个什么时候上线？"

产品经理应当延伸至营销

Gaurav 在 Captions 推动的一个理念是：产品经理应该理解甚至承担营销职能。他的逻辑是：营销本质上是扩展产品的触达面——搜索营销就是在 Google 上放一个通往你产品的按钮，Facebook 广告就是在 Facebook 上放一个按钮。用户从点击那个按钮开始，经过一连串步骤到达你的产品——整个漏斗从广告点击那一刻就开始了，而这本质上就是产品工作。

Brian Chesky 在 Airbnb 做了类似的事情——把所有产品经理的职位改为"产品营销经理"。Gaurav 完全认同：如果你不理解如何找到有问题的用户，你就不算真正解决了问题。

Gaurav 更进一步的愿景是：每个职能都应该深度理解其他职能，最好能亲自操作。设计者理解工程、工程师理解产品、PM 理解营销——这增加了每个微观决策被全局优化的概率。

Snap 的使命驱动边界：为什么错过了短视频

Snap 有一个独特的使命框架：以安全的方式实现私密分享。这一使命定义了什么在范围内、什么在范围外。例如，Instagram 允许将他人的 Story 分享给自己的粉丝，但 Snap 不允许——因为这可能助长欺凌，你并未同意自己的内容被转发。

Gaurav 揭示了一个令人唏嘘的事实：Snap 曾经拥有类似 TikTok 的产品雏形——"Our Stories"（校园故事），它创造了真实的病毒式传播和高参与度。但问题在于，Snap 反对算法排名，所有内容需要人工审核以确保没有负面行为——这根本不可规模化。最终这个产品消亡了，但它比 TikTok 更早地展示了短视频的潜力。

Gaurav 认为社交媒介正在发生根本性分化：一端是传统的社交网络（与朋友分享），另一端是算法驱动的内容平台（公司决定谁看到什么）。两者的本质区别意味着，也许应当以不同方式思考监管框架——算法驱动的平台内容本质上是"公司的声音"。

AI 视频的安全框架：记录与叙事的二分法

Captions 将视频分为两个根本不同的类别：

记录（Documentation）：包括个人视频（与朋友的回忆）和非个人记录（新闻报道、自然灾害等历史记录）。在这一类别中，AI 生成视频没有任何正面价值——用伪造的现实欺骗人百害而无一利。Captions 在产品设计上有意使产品难以被用于此类场景。

叙事（Storytelling）：包括广告、社交媒体帖子、电视和电影。没人会以为 Geico 广告里的壁虎真的在卖保险——这些都是为了娱乐而制造的。如果能让更多人讲故事、娱乐他人、传递信息，这是纯粹的正向价值。Captions 的设计目标是让产品在这一侧极易使用。

对话视频：AI 视频的核心挑战

Gaurav 指出，当前文本到视频生成几乎全是无声视频——B-roll（空镜头）为主。但真正构成故事的是对白和独白，是人在说话和互动。一部电影在进入正片前可能先展示几个纽约城市的空镜头，但真正的叙事发生在两个角色对话的场景里。

Captions 专注解决的就是"对话视频"问题。当前行业存在两条技术路线：一是基于神经渲染（Neural Rendering）的虚拟形象技术，它与 Transformer 和扩散模型的革命无关，需要逐人训练，通用性受限；二是大型生成模型，已有公司（如 ByteDance 的 OmniHuman）开始产出高度表达力的对话视频，使用真正的扩散模型，与传统虚拟形象技术有本质区别。Gaurav 认为，学术研究界无人怀疑对话视频 100% 可解，只是需要时间。从 Will Smith 吃意大利面的诡异视频到今天 OmniHuman 的拟真表现，只过去了一年半到两年。

AI 营销：技术落地的最后边疆

Gaurav 认为营销是 AI 视频技术触达大众的关键路径。尽管技术圈内人人谈论 AI，但大众的采纳远比想象中慢——他的父母在印度社区是唯一知道 ChatGPT 的人。

大约一年前，当 Captions 在广告中使用 AI 生成的视频时，评论区满是"这太假了"的质疑。但技术跨越临界点后，那些评论消失了。AI 视频广告的表现甚至超过了真人拍摄——因为可以快速生成 30-40 个版本择优，而且本地化只需 AI 翻译，效果几乎与原始语言版本相当，无需在各地重新制作。

Gaurav 做出了一个前瞻性判断：只要有利润可图的地方，AI 视频的渗透就是不可逆的。他甚至设想了一种"反乌托邦"未来——一个所有内容都由 AI 生成、没有真人的社交网络，算法不再推荐谁的内容给你，而是直接为你生成完全量身定制的内容。他认为这在五年内就可能成为现实。

失败角落：浪费了一年半

Gaurav 坦诚分享了 Captions 早期最大的教训。公司成立后，他花一个周末构建了 Captions 应用（为视频添加字幕），上线后立即冲到 App Store 顶部，每天收到 600 个视频——完全没有推广，纯自然增长。但这个"太快了"的成功反而让他们困惑："不可能这么简单吧？"于是团队分散精力去探索社交网络等方向，花了至少一年半。

转折点发生在 Gaurav 偶然打开 Captions 的个人账户时——里面有 50 万美元收入，增长曲线完全自主上升：没有员工、没有新版本、没有 bug 修复、没有客服（有 2000 个未回复的支持工单拖了一年半），却全是好评。他立刻意识到产品-市场契合就在眼前。

团队立即调整方向回归 Captions，第一个新功能上线后增长再次垂直起飞——新曲线之陡峭，使得旧曲线看起来像水平线。Gaurav 总结：他们基本上浪费了一年半。教训是当产品-市场契合出现时，不要怀疑它、不要分散精力。

闪电问答

最近喜欢的影视：Silo 和 Severance。

最喜欢的产品：Linear（设计精良，日常使用不讨厌）和 Superhuman。

人生格言：最简单的成为最好的方式，就是成为第一个（The easiest way to be the best is to be the first）。

最震撼的 AI 视频：ByteDance 的 OmniHuman——一棵西兰花发表演讲，看起来像是专业动画师的手笔。

不读书的刻意选择：Gaurav 有意不培养阅读技能，而是专注培养听和看的能力，因为他认为那才是未来的交互方式。

Gaurav 目前在 LinkedIn 上活跃（DM 开放），正在招募早期产品和设计团队成员。他对候选人的筛选标准很直白：听到"每周上线一个可营销功能"会兴奋的人是合适人选，感到压力的人则不适合。