创造，快与慢
Making, fast and slow工具变得很快，人的很多需求没有那么快
前两篇一直在想一个问题。
《利维坦》写于 1651 年。
375 年以后，霍布斯当时讨论的信任、合作、权力和协调，居然还能一路讲到公司、Crypto 和 AI Agent。
接着我又看到 Stewart Brand 的 Pace Layers：
一个社会里的东西，本来就不是以同一种速度变化。
技术、产品、商业可以很快；基础设施、制度、文化慢很多；再往下，一些人的需要和共同生活的问题，可能更慢。
沿着这条线继续想，我开始觉得：
创造本身，好像也发生在两种不同的速度之间。
01｜快的是工具，以及“现在终于能做什么”
这几年做 AI 产品，很容易被新的 capability 吸引。
- 模型又多了一个能力。
- Coding Agent 又可以独立完成更长的任务。
- Voice 可以实时交流。
- Agent 可以搜索、读文件、调用工具、操作真实系统。
每出现一个新能力，很自然就会问：
它还能拿来做什么？
这当然是 Builder 应该保持的敏感度。
因为技术进步最重要的影响之一，就是不断改变一件事情的可行性和成本。
- 以前需要一个团队做几周，现在也许一个人一天能做。
- 以前成本太高，所以根本没人提供的服务，现在可能第一次具有商业可行性。
- 以前只能由专业人士完成的工作，现在可能先由 AI 帮忙完成其中很大一部分。
- 以前需要人一直盯着的软件，现在开始可以自己连续执行。
这些变化非常快。
但：
技术能做什么，和人为什么需要它，是两个不同的问题。
02｜慢的是很多更底层的需求
交通可能是最直观的例子。
人从走路、骑马，到马车、火车、汽车、飞机。
速度、成本和能够到达的距离发生了巨大的变化。
但很多出发的理由并没有那么陌生：
去寻找新的机会。
去看看没见过的世界。
离开一个不想待的地方。
或者只是希望早点见到一个想念的人。
通信也是。
书信、电报、电话、短信、即时通讯、视频通话。
一封消息从几个月才能收到，变成现在几乎实时到达。
变化的是媒介。
但很多时候，我们仍然只是在表达一些很老的需要：
我想知道你过得怎么样。有件事情发生了，我想告诉你。我需要你帮我。我想让你知道，我还在想你。
AI 也是这样。
它可以帮人查资料、整理信息、写代码、安排工作、解释问题、提供第二意见。
这些能力很新。
但它们服务的很多需要没有那么新：
我们一直想少做一点重复劳动。
一直想更快找到需要的信息。
不懂的时候，希望有人解释。
事情很多的时候，希望有人帮忙整理。
做决定的时候，希望得到另一个视角。
困难的时候，希望有人帮上一点忙。
这些过去可能由同事、老师、朋友、秘书、搜索引擎、Excel 或专业机构分别完成。
AI 改变的是：
这些帮助由谁提供，以及它的成本、速度和规模。
当然，人的需求也不是几百年完全不变。
智能手机出现以后，我们才有了今天这种通知焦虑；社交媒体也创造出了点赞、粉丝、算法推荐这些过去不存在的具体问题。
所以更准确地说是：
相比技术形态，很多更底层的需要变化得慢得多。
03｜很多产品机会，就出现在快和慢相遇的地方
这对 Builder 来说，是我觉得最有意思的一层。
现在看到一个新的 AI capability，我越来越不只想问：
它能做什么？
还会继续问：
它让哪个已经存在的问题，第一次可以用明显更好的方式解决？
因为“模型会做 X”本身，还不是一个产品。
比如 Coding Agent 会写代码。
这是 capability。
但它真正可能解决的是完全不同的需求：
- 不会写代码的人，也可以把一个想法做出来；
- 工程师可以减少大量重复实现；
- 一个很小的团队，可以维护过去需要更多人的项目；
- 代码 review 和测试，可以更持续地发生。
同一个技术能力，可以接到完全不同的问题上。
真正值得找的，往往是那个交叉点：
一个长期存在的问题，因为技术条件发生变化，突然出现了新的解法。
有时候改变的甚至不是“效果好了一点”。
而是整个成本结构发生了变化。
比如以前给每一个普通人配置一个全天候私人助理，经济上几乎不成立。
今天，一个 AI assistant 虽然远远不等于真正的人类助理，但“每个人都能拥有某种随叫随到的帮助”第一次开始变得可行。
以前一个非技术的人自己做软件，门槛也很高。
设计、前端、后端、部署、测试，需要很多不同能力。
Coding Agent 把其中一部分执行成本压低以后，“一个人做产品”的边界也开始移动。
所以有些产品机会并不是过去没人想到。
只是过去做不起、太慢，或者只能服务极少数人。
04｜工具很新，进入真实生活时遇到的问题却可能很老
不过，有需求，也有新的技术能力，仍然不代表产品自然成立。
这里就又绕回了前面写过的《利维坦》。
AI Agent 是一个很新的东西。
但真的让多个 Agent 开始处理真实工作以后，很快就会冒出一些非常古老的问题：
- 谁有权决定？
- 谁可以行动？
- 什么算可信的事实？
- 两个 Agent 意见冲突怎么办？
- 谁批准高风险操作？
- 出了问题谁负责？
- 怎么撤销？
- 用户凭什么相信它？
也就是说，一个新 capability 真正进入人的生活以后，还需要处理：
信任、权限、责任、协调和控制。
这些问题不会因为技术更新得很快，就一起刷新版本。
这也是我前面一直觉得《利维坦》有意思的地方。
几百年前，人们是在国家和共同体里讨论这些事情。
今天换成 AI Agent，又以完全不同的形式碰到了类似的问题。
环境很新。
底下的一部分问题很旧。
05｜所以，我现在会用三个问题看一种新技术
1. 它让什么事情突然变容易了？
是成本大幅下降了？
速度提高了？
还是以前只有少数人能完成的事情，第一次开始普及？
这是看技术带来的变化。
2. 它接住的是人的什么需要？
这个需求已经存在很久了吗？
人现在是怎样解决的？
新的方法到底比旧方法好在哪里？
这是看变化得比较慢的那一层。
3. 为了让它真正被使用，还要重新解决哪些老问题？
信任从哪里来？
出了错怎么办？
谁承担责任？
用户拥有多少控制权？
为什么人愿意长期把这件事情交给它？
这是看技术与真实生活之间还缺什么。
这三个问题放在一起，我觉得比单纯看：
AI 现在又会什么了？
更接近一个产品机会真正成立的过程。
创造，也许本来就在快和慢之间
Builder 当然需要追快的东西。
不知道新的能力已经出现，也很难看到新的可能。
但如果只追 capability，也很容易变成：
有了一把新锤子，到处找东西敲。
另一边，如果只看那些长期存在的问题，又可能完全错过：
技术已经把原来的解法改写了。
所以创造可能本来就发生在两种速度之间。
一边是快速变化的工具、能力和新的可能性。
另一边是移动得慢很多的需求、关系、制度和人的生活。
用新的技术，重新解决一些很老的问题。
- 从马车到飞机。
- 从书信到即时通讯。
- 从银行账本到区块链。
- 从人类团队到 AI Agent。
形式一直在变化。
但一个东西最后能不能真正留下来，可能还是要看：
它有没有接住一个真实、持久，而且值得被更好解决的需要。