从 ChatGPT 到 Instagram 到 Uber：我们这个时代最伟大产品背后的安静架构师

摘要

Peter Deng 是硅谷最低调却最具影响力的产品领袖之一。他是 OpenAI 前产品副总裁，主导了 ChatGPT 的产品设计、工程和增长，推动 ChatGPT Enterprise、语音、记忆、桌面端、自定义 GPT 等功能上线；他是 Instagram 首任产品负责人，与 Kevin Systrom 和 Mike Krieger 紧密合作，两年内将用户量翻四倍；他领导了 Uber 乘客端产品团队，推动 Uber Reserve 成为年营收近 50 亿美元的业务；他也是 Facebook 第四位产品经理，构建了如今的 News Feed、独立 Messenger 应用、照片和群组等产品。这是他第一次公开分享自己的产品哲学和管理心得。

在这场深度对话中，Peter 坦诚地分享了他对 AGI 的乐观态度——AGI 是必要条件而非充分条件，真正的价值仍需大量建造者的努力；他认为 AI 将从根本上重塑教育，就像计算器解放了数学思维一样；他提出了"语言影响思维"的深刻洞察，解释为什么精确用词在产品工作中具有乘数效应；他给出了一个反直觉的教训——有时产品本身并不重要，价格和等待时间才是 Uber 真正的产品；他提出了产品经理的五种原型框架（消费型、增长型、商业型、平台型、研究型），以及"六个月后如果你还在听我指令，那就是我招错了人"的招聘哲学；他还讲述了 Instagram 失败产品 Bolt 的故事，印证了"不是损失，而是教训"的信念。

正文

自由发声：第一次不再受制于公关

Peter Deng 从未做过播客，也从未公开分享过这些经验。他坦言，在大型企业内部，公关团队要求严格的信息管控，他没有办法充分表达自己的真实想法。这次做客 Lenny's Podcast，他终于可以在没有时间压力和公关口径束缚的情况下，深入展开每一个话题，为观点补充必要的上下文。他并非要泄露任何公司机密，而是希望以更完整的方式呈现自己多年积累的思考。

AGI：必要但不充分

当被问及 AGI（通用人工智能，Artificial General Intelligence）是否会解决一切问题时，Peter 给出了明确的否定。他认为 AGI 是必要条件，但绝非充分条件——就像数据库被发明后，仍然需要大量创业者和建造者的"苦力活"（hustle），才能将这股新的能量引导成人类真正需要的产品。每项新技术问世时，人们都会经历恐惧到熟悉再到驾驭的过程。ChatGPT 问世之初，人们惊恐 AI 会取代人类；18 个月后再看，人们的态度已经发生了显著转变——从恐惧走向熟悉，甚至走向精通，涌现出大量令人惊叹的创业项目。

他引用了一个有趣的类比：自行车刚出现时，人们同样恐慌这是世界末日。站在当时的语境下，这种恐惧并非完全不可理解；而下一代人回看今天我们对 AI 的恐惧，恐怕也会有同样的感受。Peter 在西南偏南（SXSW）上与 Josh Constine 讨论过这个话题，核心观点是：人类永远会与技术协同进化（co-evolve），而这种协同进化已经在发生。

AI 将重塑教育

Peter 认为 AI 带来的最大变化之一在于教育，而这正是人们思考不够多的领域。他分享了一个亲身经历：他的儿子九岁时，在 ChatGPT 公开发布前就以内测用户身份使用了该产品。他亲眼目睹了孩子大脑的"重新布线"——儿子从未听过"提示词"（prompt）这个词，却自然而然地开始用全新的方式提问。

一个具体例子令人震撼：他的儿子在上 Python 编程课时，向 ChatGPT 提出了一个在传统编程中几乎不可能实现的需求——"给我一个包含英文字母表中所有字母的句子，主题是海洋"或"主题是太空"。他甚至构建了一个自定义 GPT（Custom GPT），输入任意主题即可生成包含全字母的句子，类似于经典的"the quick brown fox jumped over the lazy dog"。这种对语言和约束的创造性组合思维，在传统编程范式中是难以实现的。

Peter 指出，学习编程的真正价值不在于写代码本身——他相信未来代码生成将不再是问题——而在于培养结构化、系统化的思维方式。AI 就像当年的计算器：计算器的发明并没有终结数学，而是让人类得以从事更高层次的数学思考。Google 让事实记忆变得不再必要，下一阶段将是代码"随叫随到"，人类需要发展的是更高层次的抽象能力——激发创造力和好奇心的能力。教育的变革将像当年从背诵乘法表转向更高层次思维一样深刻。

语言的力量：语言影响思维

在斯坦福大学，Peter 修过一门由 Herbert Clark 教授的课——"语言与思维"（Language and Thought）。Clark 的核心论点令他深受震撼：语言实际上会影响你的思维方式。Peter 自幼说中文，后来学习英语后，确实感受到不同语言带来的思维差异。他还引用了一些语言学研究发现：俄语中有两个不同的词分别表示偏绿的蓝色和明亮的蓝色，俄语母语者在学习英语后，区分这两种蓝色的速度比英语母语者更快；而某些没有"蓝色"一词的语言，其使用者区分蓝色的能力则明显较弱。

这一洞察深刻地影响了他的产品实践。做演示文稿时，他整个幻灯片可能只有二十个词，却会花数小时反复推敲——因为他要确保每一个词都精确捕捉了他想传达的本质。在撰写愿景文档（Vision Doc）或产品需求文档（PRD）时，如果对用词不够审慎和刻意，下游就会产生连锁反应：人们可能误读含义，关键内涵可能无法传达。错误用词具有乘数效应和下游效应。

Peter 还指出了一个诗意而贴切的巧合：人工智能的突破恰恰来自大型语言模型（Large Language Model）。每一句话的每一个词中，都凝结和塑造了大量的知识；而 ChatGPT 做出有趣的事情时，很多时候只是在编写和解释 Python 代码——Python 也是一种语言。语言作为人类思想的凝结，与当前 LLM 的进步之间，存在着深刻的关联。

反直觉的产品教训：产品有时并不重要

Peter 在 Uber 学到了一个艰难但关键的教训：有时候你的产品——即屏幕上的像素和移动应用中的功能——其实并不重要。在 Uber，真正决定用户体验的"产品"是价格和预计到达时间（ETA）。他当初以一个充满热情的、设计驱动的产品经理身份加入 Uber，本以为优化应用界面是最重要的，但现实告诉他，人们真正在意的是：车费多少、多久能到。

这个教训在 B2B 产品中同样适用：你的产品可能深受终端用户喜爱，但它是否具有良好的商业逻辑？这才是更关键的问题。

Peter 还提出了另一个反直觉的观点：当今最有价值的科技公司，很多在创立之初并没有技术突破。Facebook 本质上是在人类连接的数据库上做了大量打磨和迭代——News Feed、照片标注等功能，都是通过仔细观察用户需求而诞生的，而非出自实验室。Uber 利用了人们口袋里的 GPS 设备和已有的汽车资源，将一个真实的人类需求连接起来；它最终确实构建了大量技术（市场预测、定价算法等），但本质上它更像一家运营公司。Instagram 的核心理念极其简单——照片分享和视觉化社交——但 Kevin 和 Mike 的产品品味和不懈打磨，才是它真正起飞的原因。

两个看似矛盾的命题其实同时成立：如果没有技术突破，产品体验就必须足够出色（如 Instagram）；如果体验不是决定因素，那么突破必须在运营和其他层面（如 Uber）。而即便公司拥有技术突破，产品体验也会很快变得重要——因为技术优势的窗口期有限，用户终究会追求更符合使用习惯的产品。

AI 创业者的护城河：数据飞轮与工作流

针对 AI 创业公司如何建立防御性（defensibility），Peter 提出了两个核心要素。第一是专有数据和数据飞轮（Data Flywheel）：仅仅拥有初始专有数据不够，关键在于如何持续维护和生成这些数据。模型在什么样的数据上训练，就会擅长做什么——AI 不是魔法棒，它非常可塑。Windsurf 就是一个完美的例子：他们基于用户接受和拒绝代码建议的行为数据建立了独特的飞轮，并以此训练了自己的模型。

第二是工作流（Workflow）的整合：产品如何融入人们的实际工作流程，这种人体工程学（ergonomics）将越来越重要。数据飞轮和工作流天然相辅相成——如果产品真正解决了用户的问题，大量注意力和工作流经其中，你就拥有了优势。

Peter 还指出，现有企业确实拥有分发优势（distribution advantage），但某些产品可以突破这一壁垒——前提是产品必须足够出色。他以 Granola 为例：尽管 Google Meet、Microsoft Teams、Zoom 都有巨大的分发优势，Granola 凭借那些精妙的产品细节赢得了用户。"这些小小的产品工艺令人愉悦，他们把东西调校得恰到好处，以至于你会愿意安装这个软件、愿意向朋友推荐，因为它真的改变了生活。"在 18 个月前，人们还在讨论"谁有最好的模型"；而现在，真正重要的是"谁有最好的工作流和最好的产品"。当有人做出足够精雕细琢的产品时，人们会注意到。

产品在 AI 公司中的角色：后训练与产品的共生关系

在 OpenAI 和 Anthropic 这样的公司里，产品团队与超智能研究团队之间的关系至关重要。Peter 认为，这些公司最大的优势在于产品人员与研究人员在同一栋楼里工作。后训练（Post-training）与产品之间的紧密共生关系将越来越重要——未来竞争的核心不再仅仅是原始智能，而是模型在哪些方面真正对人们有用、与人们产生共鸣，以及产品的发展轨迹将走向何方。

他高度评价了 Fidji Simo 加入 OpenAI 担任 CEO 的决定，称这是"极其出色的举措"。他也印证了 Anthropic 的发现——将产品经理安排在研究团队中比安排在 UX 团队中产生了更大的杠杆效应。在 OpenAI，产品团队同样与后训练团队紧密绑定，ChatGPT 在诸多方面的进步正是这种紧密协作的结果。两家公司独立得出了相同的结论，这令人振奋。

从零到一与从一到百：规划棋局与系统思维

Peter 在多个产品从一到百的超大规模增长阶段都有亲身经历——Instagram 两年内用户翻四倍、Messenger 在约两年半内从零增长到每日 47 亿条消息、ChatGPT 的爆发式增长。他将这种增长比作火箭起飞时感受到的 G 力：有人说"我是飞行员，可以在 35000 英尺高空飞行"，但火箭起飞的 G 力完全是另一回事。

从零到一的核心是寻找产品市场契合（Product-Market Fit），而从一到百的关键是提前规划好棋局。你必须先想清楚再行动，构建能让你可持续加速的系统——有时需要"慢下来才能快起来"。

Facebook News Feed 就是一个典型案例。Peter 团队构建的 News Feed 版本至今基本框架未变，他相信这源于当时对整个分享回路的深度思考：信息架构如何设计、从页面顶部发布内容到内容出现在 Feed 中、从用户点击"赞"到通知图标亮起红色，整个循环如何运转。当这种深层次的系统思维贯穿设计时，产品就能经受住时间的考验。

在 Uber，乘客端应用一度面临代码混乱的问题。团队退后一步重新架构，定义核心组件，使产品选择器能在全球范围内扩展。一个鲜为人知但至关重要的工作是"上车点与下车点"（Pickup and Drop-off）系统——在印度等国家没有街道标牌，上车点可能是某个小超市门口。团队抽象出"场所"（Venue）概念，使其能够扩展到机场、体育馆等各种复杂场景。正是这些系统性的投入，才支撑了 Uber 的全球扩张。

从一到百阶段的关键判断：这不是一个二元开关，而是一个渐变比率。Peter 推崇组合式方法（Portfolio Approach）——Google 著名的 70-20-10 投资比例适用于成熟公司，创业公司可能需要 50/50。每个创业公司和产品都不同，关键是根据所处阶段调整分配比例。

增长团队的隐性价值

Peter 在 Instagram、Uber、Airtable、ChatGPT 都做了同一件事：尽早组建增长团队（Growth Team）。增长团队表面上看是为了驱动增长，但其真正价值远超表面。

当你组建增长团队并招聘到合适的增长负责人后，他们开始提出正确的问题："为什么这个数据是这样？让我们看看 X、Y、Z 的数据。"这时你才发现，很多关键行为根本没有打点记录。有了数据后，又会发现新的异常，进而深入分析因果和假设。增长产品经理天然倾向于实验思维，这会催生一系列正确的问题和正确的行为，把一个"看起来在运转"的产品推进到更严谨的系统。

Peter 与多位出色的增长领袖合作过：Instagram 的 George Lee、Facebook 早期增长团队、Uber 的 Andrew Chen、Airtable 的 Lauryn（现任 Notion 增长负责人）。他特别强调，组建增长团队比组建数据分析团队更有效——因为数据科学团队可能产出了洞察却无人采纳；而增长负责人与增长结果直接挂钩，他们既有动力也有权力去推动整个产品变得更严谨，这会改变整个团队的 DNA。

产品工艺与增长的良性张力

在追求数字的过程中，产品人容易忽视品味和工艺（Taste and Craft）的重要性。Peter 的做法是在团队中创造两种不同的职责：一个驱动增长，一个维护设计美感和产品工艺。这种张力极其健康——他曾在 Facebook、Instagram、Airtable、ChatGPT 都刻意营造了这种张力。

实现方式不是靠绩效考评或指标分配，而是靠招聘——把团队当作产品来设计，招聘具有不同超能力的"复仇者联盟"（Avengers），让每个人在不同维度上各有所长。作为领导者，你的角色是裁判不同意见和分歧，但你知道当每个人在不同方向上拼命推进时，最终产出一定是最优的。这就像玩 RPG 游戏，每个人的属性滑条不同，你需要组建一支每个人的峰值各不相同的超级队伍。

产品经理的五种原型

在 Uber 时，Peter 与同事们发展出一套产品经理的五种原型（Five PM Archetypes）框架，至今仍然适用。

第一种：消费型产品经理（Consumer PM）。 一半是设计师，一半是产品人。他们对细节极度执着："这令人愉悦吗？工艺到位了吗？天哪，这差了三个像素，我受不了。为什么这么复杂？"人们常把这种类型等同于"产品经理"的全部，但它只是其中之一。

第二种：增长型产品经理（Growth PM）。 一半是数据科学家，一半是产品人。他们以数字为先，带着天然的怀疑态度："我不信，给我看数据，跑个测试证明一下。"消费型和增长型构成了最健康的张力——一个凭直觉和感受，一个要数据和验证。

第三种：商业型/总经理型产品经理（GM PM / Business PM）。 一半是 MBA，一半是产品人。他们天然从商业模式出发思考：利润率如何？机会在哪里？价值在哪里创造？Uber 的市场型 PM 就是典型，他们总是从"激励机制是什么"的角度切入问题。

第四种：平台型产品经理（Platform PM）。 这类人深植着为他人构建工具的基因。Uber 内部的消息平台和内部工具平台就由这类 PM 负责。他们常常被忽视，但他们构建的系统正是让你跑得更快的基石。

第五种：研究型/AI 型产品经理（Research PM / AI PM）。 一半是研究员，一半是工程师和产品人。传统上类似 Google 搜索算法 PM，现在则是对模型训练有深度理解、同时具备产品品味的人，能够将技术与用户需求对接。

Peter 指出，每个人都有一个主要原型和一个次要原型，就像性格测试一样。他自己是消费型为主、增长型为辅。作为投资人，他现在特别看重创始人类型与市场的匹配——把消费型 PM 放进一个枯燥的监管行业，他们很可能会沮丧；而一个对特定问题充满热情的平台型 PM，则可能是该行业的完美人选。

招聘哲学：六个月法则与成长型思维

Peter 有一个贯穿多个公司的核心理念，记录在他那份被称为"PXD API"（如何与我合作）的文档中："六个月后，如果还在我告诉你做什么，那就是我招错了人。" 这条简单的准则在三个层面发挥作用。

第一，它是对自己的提醒——保持极高的招聘标准，绝不安于次优人选，因为如果降标准，六个月后你仍然需要事必躬亲。

第二，它向被招聘者明确传达了期望——这就是成功的标准，也是他们努力的方向。

第三，它创造了一种超越 OKR 的元目标（Meta Goal）：我们是否在有效校准？是否正在走向六个月后你告诉我该做什么的状态？在这个框架下，每一次失误——无论是我还是对方的——都成为通向六个月目标的学习机会。

Peter 的第二个招聘秘诀是：他只考察成长型思维（Growth Mindset）。作为组织的最终面试官，他不考产品感、不考设计、不考执行力、不考指标——这些交由设计师、工程负责人等其他面试官评估。他只做一件事：评估候选人是否具有成长型思维。

他的面试问题始终如一："想一想你犯过的最大的错误——越痛苦越好。告诉我那个错误是什么，描述当时的情况，然后告诉我你现在如何因此不同地思考和工作。它如何转化成了你的核心原则？" 他会给候选人时间思考，必要时也会分享自己的错误。经过多年反复提问，他能敏锐地辨别真诚与敷衍——"我太努力了"之类的不痛不痒的回答一眼就能看穿。

这个问题的妙处在于多重效果：你能感知对方的反思深度；有一次他与一位候选人就此聊了整整一个小时，因为她的回答如此深入而富有洞见。同时，如果对方最终加入团队，你们已经建立了一个"这里可以坦诚谈论失败"的默契——这不是损失，而是教训。

管理心法：说你要做的事

Peter 的前同事 Joanne Jang 分享了从他那里学到的一句简单而强大的管理口诀："说你要做的事，做那件事，说你做了那件事"（Say you're going to do the thing, say that you're doing the thing, and then say that you did it）。

这个方法借鉴了 Uber 公关负责人 Jill 的格言"重复不会破坏祈祷"（Repetition doesn't spoil the prayer）。其深层逻辑在于：第一步，说你要做什么——这个过程中你会与管理者校准目标，确认方向是否仍然正确；用词也很重要，回到语言影响思维的洞察，你需要用最凝练、最有力的方式表达目标。第二步，在执行过程中持续沟通——在一对一会议或团队全员会上重申"这是我们在做的事"，既是对承诺的确认，也创造了随时纠偏的机会。第三步，完成后关闭循环——"这件事做完了。"

这对内向型人格尤其重要。Peter 指出，很多内向的人不愿引人注目，没有"英雄情结"，结果在组织中容易被埋没。如果你属于这类人，请记住：确保别人知道你做了什么。

为人才创造新角色：Joanne Jang 与模型设计师

Joanne Jang 是 Peter 在 OpenAI 合作过的最特别的人——她同时拥有极深的技术能力和出色的产品品味，这两种特质在一个人身上同时出现极为罕见。Peter 意识到这种独特性后，并没有试图将她塞入现有框架，而是鼓励她写下自己的角色定义——"你到底在做什么？这里面有什么独特的东西？"

Joanne 撰写了一份文档，定义了"模型设计师"（Model Designer）这个全新角色。它不同于传统的产品经理或研究员，而是一个将技术深度与产品品味融合的岗位。随后 OpenAI 招聘了首批两位模型设计师，都堪称完美匹配。Peter 认为，ChatGPT 模型呈现出的"感觉"和"氛围"，很大程度上归功于 Joanne 创建和领导的这个技术加品味的角色。

这个故事的启示在于：作为领导者，关注人们真正兴奋的事情，让他们尝试用文字精确描述，然后创造空间让这种热情落地。契合（Fit）是双向的——你的热情和优势必须与公司和角色匹配。Peter 认为应该坚持发挥优势而非补短板，找到真正让你兴奋的事情并全力投入。当今时代涌现了大量不同的公司和机会，每个人都有可能找到与自己共振的方向。

优秀产品人的核心特质：执着于细节，又懂得取舍

Peter 的导师 Eric Antonow 问了他一个问题：在管理过这么多不同文化、不同资历的产品人之后，你学到了什么？Peter 的回答是一个看似矛盾的核心要求：执着于工艺细节，同时拥有判断哪些细节真正重要的智慧与视角。

产品人的本质驱动力是建造人们喜爱的东西，这要求你必须真正在乎产品。但 Peter 从自身经历中深知，年轻时他会为某些细节耗尽心力，事后才发现那根本不重要。这种张力既美妙又关键——你必须在乎，但你也必须有商业判断力，知道在哪里倾注时间和心力。

Uber Reserve 就是最好的例证。核心洞察极其简单：凌晨六点的航班，你真的要在凌晨四点起床叫车、祈祷有车来吗？如果这样做，你整晚都睡不好，甚至可能因睡过头而误机。人们真正需要的是"安心"（peace of mind），而且愿意为此付费。团队围绕"安心"这一原则精心打磨产品：输入航班时间后，系统会告诉你"这太赶了，你可能赶不上航班"——这恰恰体现了"安心"原则。对司机端同样考虑了取消率等激励问题。最终，这个从"关注真正重要之事"出发的简单产品，成长为年营收近 50 亿美元、利润率最高的业务之一。

设计思维与共情：你不能对摘要产生共情

Peter 在斯坦福设计学院（d.school）求学时，深受 IDEO 设计思维框架的影响。该框架包含五个阶段：共情（Empathize）、定义（Define）、构思（Ideate）、原型（Prototype）、测试（Test）。他认为前两个阶段最具洞察力。

共情（Empathize）——你必须真正感受用户的痛苦，而不仅仅是理论上理解问题。这也是为什么 Peter 在加入 Uber 前两周租了一辆车去开 Uber，亲自体验司机端的产品。Uber 现任 CPO Sachin 也做了七八百次司机来发现问题。

定义（Define）——这又回到了语言的重要性：你必须非常刻意地定义你要解决的问题。

Peter 特别强调了一点：对做用户访谈的人来说，用 ChatGPT 来总结访谈要点，你其实错过了最重要的东西。你无法对摘要产生共情。你必须亲身在房间里，全身心投入，不带手机，聆听用户的语调和措辞，才能获得完整的色彩。他仍清晰地记得与 Kevin Systrom 飞往洛杉矶做用户研究的场景——隔着单面玻璃听人们谈论如何使用 Instagram——这种体验无可替代。

Jeff Bezos 有一句名言：如果轶事与数据相互矛盾，相信轶事。

为什么选择 Facebook：与人性共振

Peter 在 Google 事业蒸蒸日上时选择加入了当时还被视为"大学网站"的 Facebook，这个决定让很多人困惑。他的理由有两个层面。

第一，Facebook 的团队和 Mark 真正理解了人类最根本的渴望——连接、对抗孤独、分享——并且找到了正确的表达方式："让世界更开放、更连接"（Make the world more open and connected）。Friendster 和 MySpace 的使命宣言空洞而缺乏人性温度，Facebook 则直击人性本质。Peter 在大学时大量学习心理学，对"人类从根本上如何运作"这一问题深感兴趣，Facebook 对这个问题的洞察与他的价值观产生了深层共振。他认为，任何产品越能与人类根本需求和欲望实现良好的阻抗匹配（Impedance Match），就越有可能成功。

第二，他在职业生涯中始终优化的是"学习"——去能学到最多的地方。在 Facebook 的九年半里，他大约每两年半就换一个方向，确保自己总有新东西可学。无论结果如何，以学习为优化目标本身就是一种好的生活方式。

他还引用了 Instagram 团队的一句话："我们可能不对，但至少我们不困惑。"（We may not be right, but at least we're not confused.）拥有强烈的观点和信念至关重要——犹豫不决往往是最大的敌人。

失败角落：Instagram 的 Bolt

Peter 分享了一个他亲历的产品失败案例——Instagram 推出的相机优先应用 Bolt。它的理念是降低分享的压力：打开即相机，随手发送，获得反馈。团队拥有 Instagram 顶级的设计团队和工程团队，应用设计精美、速度极快，一切条件看似完美。他们在新西兰或澳大利亚上线后，留存曲线（Retention Curve）没有趋平——这是最致命的信号。留存率而非用户数或使用量，才是衡量产品健康度的关键指标；如果分群留存曲线（Cohorted Retention）不能趋于渐近线，产品就没有站稳。

这个失败的教训是：即使你拥有世界上最好的团队和最好的产品品味，也无法预测什么会真正打动用户。但失败没关系——他们把 Bolt 中开发的一些技术移植到了主应用中，也算有所收获。用 Jay-Z 的话说："这不是损失，是教训。"（It ain't a loss, it's a lesson.）作为产品人，你不应该把失败看作失败，而应该庆幸自己又聪明了一点。

闪电问答

推荐书籍： 《人类简史》（Sapiens）——产品人必须理解人性才能为人做产品；《设计心理学》（The Design of Everyday Things）——Don Norman 的经典，帮助你理解物理产品设计如何贴合人性；《丝绸之路》（The Silk Roads）——Peter Frankopan 著，从丝绸之路和中东视角重述历史，帮助你从不同角度看世界。

最爱电视节目： HBO 的《火线》（The Wire），其叙事和多面角色塑造的写作水准无与伦比。

最近最爱的产品： Granola——通勤时单人模式的头脑风暴利器，到达目的地时想法已经被整理成比自己表达更清晰的笔记。

人生座右铭： Peter 的父亲教给他一句中国谚语——"人挪活，树挪死"。树挪了会死，人挪了会活得更好。这呼应了他一生追求学习和新体验的信念：旅行、换工作、经历不同的事情，让人生值得度过。

从产品领袖到投资人

Peter 现任 Felicis Ventures 合伙人。他专注于早期投资（种子轮、种子+轮和 A 轮），因为他在"看到下一阶段"方面最有优势——他见过太多次从一到十、从十到百的故事。他寻找的创业者有三个特征：是否拥有独特数据和数据飞轮；是否拥有精雕细琢的工作流；是否拥有判断"哪些产品细节重要、哪些不重要"的洞察力。

作为内向者，他在社交媒体上并不活跃，主要通过 LinkedIn 接收信息。他希望人们分享自己的洞察和思考——AI 就像人类发现的一种新元素，而人类的创造力无穷，他期待被这种创造力所启发。他说，你可以分辨出哪些创始人是真正亲手把玩过这种"新元素"的——他们对这东西能做到什么、做不到什么有一种内在的直觉。