大师级AI产品打造哲学公开！谷歌搜索VP自曝谷歌AI搜索幕后原理，AI人机交互正在变得极度人性化！ 原创

编辑 | 云昭

谷歌的强大，似乎已经刻在它本身的血脉之中。ChatGPT一夜之间颠覆了世界，首当其冲的就是谷歌搜索。

在搜索的逻辑日益向着大模型靠拢的态势之下，而谷歌也是最先警醒、奋起直追、直至重回大模型Top的不二巨头。

如此一个巨头，实力强悍、却似乎偏偏没有“大象”的笨拙。

不仅在大模型方面，谷歌已经成为名副其实可以和OpenAI并驾齐驱的顶尖实验室。而且事实上看，在搜索等产品方面，谷歌并没有向外界所预期的那样，市场份额并没有被ChatGPT抢走，反而获得了增长。

据今年3月份的一项数据统计，2024 年，谷歌的搜索量超过 5 万亿次（是ChatGPT的 373倍），即每天约 140 亿次，占据 93.57% 的市场份额。而ChatGPT每天收到约 3750 万条类似搜索的提示，市场份额仅为 0.25%。这一比例甚至低于微软必应 (4.10%)、雅虎 (1.35%) 和 DuckDuckGo (0.73%)。

答案就是，谷歌本身也在AI时代快速演进着。

几天前，谷歌搜索产品VP Robbi Stein做客知名播客栏目Lenny’s Podcast，流出了不少劲爆的内容。

比如，Stein 透露，谷歌搜索经历了一年的快速转型期，其中最为关键的是：AI模式下的谷歌搜索体验变革。

再比如，他还指出，AI并非替代搜索，而是一种“扩张的力量”。一个很明显地例子，Google Lens，如今视觉搜索量同比增长 70%，规模已经是数百亿级。

Stein甚至不小小曝除了谷歌自家AI搜索的幕后原理：

当我们的 AI 生成回答时，它其实会执行一个叫 query fan-out（查询扩散） 的过程。简单说，模型会把谷歌搜索当作一个工具来“自我研究”。

如果你的网页在这些查询中表现得“极度有用”，那它就有更高几率被模型选中。

此外，Stein 在加入谷歌前还打造、运营过许多知名的产品，比如大家都很喜欢的 Instagram，在他负责之下，成功将其推向了5亿日活用户。

那么现如今，AI时代的产品打造之道又发生了怎样的变化呢？

Stein指出，AI产品成功的不二法门就是持续改进，“成年人会‘习惯一切不便’，但孩子会问‘为什么’。”

他举了Instagram的、“Close Friend”功能的例子。一开始上线功能后才发现彻底失败了。最初的设计混乱和命名不当，但经过几次迭代，通过数据分析，简化操作流程，调整命名策略以及优化用户界面，它又奇迹般地彻底爆发，成功将其转变为广受欢迎的功能，该过程耗时两到三年。

可以说是完美的阐释了乔布斯那句：“创新绝对不是一个绝妙的点子那么简单！”

“理解用户需求、解析问题、设计清晰、保持谦逊。”

这里有很多其他打造产品的心得分享，如何识别产品的增长点、增长策略如何制定、如何平衡产品创新和优化等等，绝对堪称大师级产品课程，免费讲给各位了。

也有不少有意思的幕后故事。比如谷歌AImode的推出，竟然是因为发现很多用户输入“XXX ai”是为了唤醒AI，非常有趣。

谷歌正在忙着在产品层面上做哪些尝试？AI产品打造都需要做哪些准备？

话不多说，这就为大家奉上干货。如果你也在大模型时代考虑开发AI产品，“墙裂”推荐大家来研究一下这期播客内容。建议收藏细读。

站在谷歌最大变革前沿的产品打造者

备注：本期嘉宾是 Robby Stein，谷歌搜索的产品副总裁，负责整个 Google Search 体验，包括新的 AI Overviews、AI Mode、多模态体验（比如 Google Lens）、排序算法等等。他正站在谷歌历史上最大变革的前沿。

在加入谷歌前，他是 Instagram 的产品负责人，主导推出了 Stories、Reels、Close Friends 等功能，把 Instagram 推向了5亿日活用户。他还和 Mike Krieger、Kevin Systrom 一起创办了 Artifact。很少有人能在两个全球级消费产品上都有如此影响力。

Robby 将分享他在打造成功消费级产品上的经验，也会谈谈谷歌在 AI 领域的方向。

Lenny：……非常感谢 Robby 来到节目。真是个录播客的好时机。上周，Google Gemini 成为了 App Store 第一名——我现在打开手机它还在榜首，甚至超过了 ChatGPT。没人想到会这样。大家一直在问：“谷歌到底在干嘛？为什么做不出真正面向消费者的 AI 产品？”现在终于有了答案。

Stein：确实，背后有很多人共同努力。

Lenny：感觉谷歌内部确实发生了一些变化，尤其是在 AI 消费级产品这块。Gemini 的崛起是不是这种转变的结果？

Stein：是的，我现在在谷歌是“二进宫”了——之前也待过中间去了别的地方，现在又回来。我能感觉到整个团队有一种强烈的专注与执行力。领导层当然起了作用，但更重要的是，我们和 DeepMind、以及其他研究团队之间的协作越来越紧密。优秀的研究者和产品团队结合在一起，就能以惊人的速度推进。

很多人喜欢把转折归因于“一次变革”或“一位领导”，但我觉得更像是长期复利——日积月累地改进模型、优化体验、打磨产品。突然有一天，一切就达到了临界点。

搜索已死？谷歌搜索变得更强了

Lenny：过去两年，ChatGPT、Perplexity 等产品出现后，大家都喊“搜索已死”，但从数据看似乎并非如此？

Stein：对。用户依然在用搜索，只是问题变得更复杂。搜索的需求面太广了，从缴税网页、价格比较、作业问题到旅行路线。AI 并没有替代这些需求，反而让人们能问出更多的问题。AI 是“扩张”的力量。

比如 Google Lens，如今视觉搜索量同比增长 70%，规模已经是数百亿级。用户拍一张鞋子问“在哪里买”，或拍作业问“这题不会”，甚至拍书架问“我接下来该读什么书”，AI 都能回答。这是搜索的新增长点。

下一代搜索：谷歌AI Mode有什么不同

Lenny：你们最近推出的 “AI 模式”（AI Mode）我觉得还没被足够讨论。它和传统搜索是什么关系？

Stein：AI 模式其实整合了三大组件：1️⃣ AI Overviews —— 页面顶部的快速答案，很多人已经在用。2️⃣ 多模态搜索（Google Lens） —— 让你“拍照即问”。3️⃣ AI 模式本身 —— 把这些能力整合成一个完整的对话式搜索体验。

AI 模式基于最前沿的模型，可以理解谷歌内部庞大的知识体系。比如：

• 谷歌购物图谱里有 500 亿个商品数据，每小时更新 20 亿次价格；
• 地图里有 2.5 亿个地点；
• 还整合了金融、网页上下文等信息。

换句话说，现在你可以“和谷歌对话”，而不是“输入关键词”。

Lenny：所以它未来会和主搜索完全融合？

Stein：会的。现在它们在逐步靠近。AI 模式是下一代搜索体验的核心，最终用户不需要分辨“我是在 AI 模式还是普通搜索”。输入自然语言、问复杂问题，系统就会自动调用相应的 AI 能力。

比如输入五句话的问题，Google 会在顶部生成 AI 概览，你也能继续深入对话。视觉搜索同理。整个体验会变得流畅、一致。

搜索重回自然交流的本质

Lenny：我最近和 Brian Balfour 聊到一个观点——创业的核心是“在巨头创新前先拿到分发”。现在感觉谷歌终于开始真正“创新”了。

Stein：我们发现，用户本来就在尝试从谷歌获取这些 AI 能力。比如他们上传照片问复杂问题，或者输入长句、自然语言描述。以前的搜索是关键词，现在人们直接用完整语句提问。这是巨大的转变。

用户可以直接问：“帮我找个适合约会的餐厅，我已经去过这四家，想要户外座位，而且我朋友对某种食物过敏。”——这种问题现在谷歌都能处理。这正是我们最兴奋的方向：让搜索重新回到“自然交流”的本质。

Lenny：这很有意思。我们好像又“兜了一圈”回去了。早年有个叫 Ask Jeeves 的搜索引擎，它的理念是“像问一个人一样去提问，它会给出一个很好的答案”。后来大家都转向了谷歌的模式——“直接输入关键词，学会谷歌喜欢的方式”。现在我们又回到了“直接问问题，它会给出一个好答案”的时代。

Stein：是啊，他们当时的想法其实挺超前的。虽然那时候技术还不成熟，但他们抓到了方向——只是世界还没准备好。

独特之处：谷歌AI搜索的幕后原理

Lenny：哈哈，是的。那你怎么看最近大家讨论的 “AEO（AI Engine Optimization）”——算是 SEO 的进化版吧？我猜你的答案可能是“别纠结，专注做出优秀的内容”。但总有人想知道：在 AI 搜索结果里“被选中”的逻辑是什么？内容创作者该怎么应对？

Stein：当然可以聊一点“幕后原理”，因为理解机制确实能帮助大家判断该怎么做。当我们的 AI 生成回答时，它其实会执行一个叫 query fan-out（查询扩散） 的过程。简单说，模型会把谷歌搜索当作一个工具来“自我研究”。

举个例子：你可能在问某款鞋。AI 不会只用你的原始问题去搜，它会自动生成几十个相关的搜索查询，在后台并行搜索、调用各种实时数据接口。所以虽然是 AI 在回答，但它本质上确实“在搜索”。只是执行的人不是你，而是模型。

每一次搜索结果都会对应一些网页内容。

如果你的网页在这些查询中表现得“极度有用”，那它就有更高几率被模型选中。你可以参考谷歌那份著名的 人类评估指南（Human Rater Guidelines）——那是我们几十年来研究“什么是优质信息”的结晶。

核心问题包括：

• 你是否满足了用户的真实意图？
• 你是否提供来源和引用？
• 内容是否原创？还是重复了网上已有的几百遍？

这些“好内容”的信号仍然非常关键。因为最终 AI 也是在“研究、筛选信息”，判断“这是不是一个好答案”。如果内容能回答得深入、有依据、原创度高——它就更容易出现在 AI 回答中。

我给创作者唯一的建议是：想想现在的人在用 AI 搜索什么。他们的问题比以往更复杂——尤其是“建议类”“如何做类”“多维度需求”的问题越来越多。

所以要思考：AI 用户的真实意图是什么？我的内容是否正好能解决这种问题？这是最实用、最接地气的思路。

Lenny：你刚提到 AI 在后台执行上千次搜索，这点挺有意思。是不是说，这其实是和其他流行聊天机器人完全不同的底层机制？因为其他模型并不会实时去搜这么多网页。

Stein：没错，这正是谷歌 AI 的独特之处。当然，它也有“参数记忆”（parametric memory）和推理能力，这是模型的基本功能。但我们特别为“信息任务”设计了它——也就是让它成为最擅长找准、验证信息的模型。

所以它不仅会生成回答，还会去查证信息、核对来源。谷歌 AI 能直接访问谷歌搜索信号体系，包括垃圾内容识别、权威性评估等机制。

举个例子——它会判断“哪些内容可能是 spam，不适合引用”，也会识别“这是最具权威、最有帮助的信息”，然后在回答中标注来源并附上链接。我们设计时就是以这种“信息可信度”为核心。

AI产品正在“极度人性化”

Lenny：你现在已经打造过很多 AI 产品了，不只是 Google Search，还有 Artifact、Instagram 的算法系统。在这个过程中，有没有什么让你自己意外、但觉得大多数人还没真正理解的经验？

Stein：最近几周我最大的体会是：AI 的人机界面，正在变得“极度人性化”。以前你要花很大功夫去“教”AI 做你想要的事——写提示词、反复调整，就像训练一只机器人。

但现在，模型越来越能理解上下文，你几乎可以像和人说话一样给它指令。几个月前，要让模型调用一个 API，你得额外训练、上传文档、进行微调。而现在，你只需要用自然语言描述：

“我是一家创业公司，这里是我的内部数据、API 地址、schema 结构。当遇到这种类型的问题时，请务必调用这个接口来确认信息。”

模型就能自动理解、推理、调用工具或执行代码。它会自己分配“思考预算”，决定何时调用代码执行、何时推理。这是一种非常新的能力——它让“构建复杂 AI 应用”的门槛大大降低。

换句话说：未来你不需要做繁琐的微调（fine-tuning）就能构建出非常强大的系统。这意味着 AI 的“创造力”将被极大解放。

Lenny：你让我想起之前的嘉宾 Sheena Goenka。她在 Google Meet 做产品经理，负责“让产品更有愉悦感”。她说，Meet 后来能击败 Zoom，是因为团队不只是想“做最好的视频会议工具”，而是想“让视频会议尽可能像一次真实的人类会面”。这和你刚才说的 AI 感觉很像——目标不是技术更强，而是让交互更像和人对话。

Stein：是的，这其实是一个共同的趋势：我们在追求“更自然的人机交互”。

体现持续改进，如何理解？对现状保持不满足

Lenny：你职业生涯里打造过那么多成功的产品（Instagram Stories、Reels、Artifact、Google AI Mode……）。你提前告诉我，今天你最想分享给产品经理们的一句话是——“体现持续改进（Embody Relentless Improvement）”。这是什么意思？为什么你觉得它这么重要？

Stein：我认为你需要具备两种气质：

1️⃣ 极度的执着（Relentlessness）——持续投入、永不松懈；

2️⃣ 不断让一切变得更好（Make Things Better）。

这背后有个故事。我在 Instagram 时参加一次全员会，主持人让大家说一个“形容自己的词”。我当时在后台赶紧给我妻子发消息问：“用一个词形容我？”她回了我一个词——“不满足（dissatisfied）”。

我当时有点无语——不是“体贴”“善良”，而是“不满足”？但她又补了一句：“这不是坏事。你之所以不满足，是因为你希望世界更好。”

后来我越想越觉得，她说中了关键：真正的创造力，往往源于对现状的不满足。最好的产品团队，总是对自己最苛刻、最不满足。他们永远在问：“为什么还不够好？”

有一次 Tony Fadell（iPod 之父）在 TED 上讲了个故事：

他说成年人会“习惯一切不便”，但孩子会问“为什么”。

比如水果上的小标签——每次撕都会破坏果肉、粘手、扔不进垃圾桶。

而最好的产品人，就是那些看到这种事会说：“为什么不能更好？” 的人。

Lenny：你自己在产品中有没有这样的例子？

Stein：有的，比如 AI 模式（AI Mode）。我们发现用户开始在搜索里输入“xxx ai”，就是想“触发 AI 模式”。这说明我们没满足他们的需求。于是我们决定干脆重新构建整个体验，让 AI 模式随时可用。那一刻其实就是“不满足”的体现：看到问题，受不了，必须改。

更好，还是更赚钱？如何平衡

Lenny：最后一个问题。产品经理往往有两种取向：一类专注“让产品变得更好”；另一类专注“指标驱动（KPI、目标）”。你怎么看两者的关系？

Stein：我不认为它们对立。“让产品变好”其实是愿景或问题的起点——而“指标”是验证方向是否正确的工具。

一个好产品往往从“问题”出发：“这个体验太糟糕了，有没有更好的方式？”然后你才去构建解决方案。

指标的意义是：帮助你判断改进是否有效。比如留存率（D7、D30、D90），是看产品是否被持续使用的信号。如果曲线平滑、没有人流失，说明产品开始真正“被需要”。最终，你要靠这种持续的反馈循环，不断让产品更好。

Stein：这其实是另一个“关卡”——你得问自己：这个东西到底能做多大？是个小项目？中型项目？还是可能变成大事？我认为，大多数公司都想做成“大事”，但没人能一开始就大。每个产品都得经历那段旅程。没有哪个产品一出生就巨大。哪怕那些看似“一夜爆红”的产品，其实在早期也是从小团队开始的，也许就一两百人。

Stein：所以，我认为必须有“数据意识”——你得靠指标去判断自己是否走在正确的方向上。然后当产品真的变大后，你依然需要指标作为你的“导航仪”。举个例子：如果核心指标某一周下降了 5%，你就得立刻问——问题出在哪？你要迅速做“根因分析”：是某个地区？某个设备？某个用户群？某个场景？找到问题所在之后，你才能对症下药，修复那个环节。修复之后，增长又会回来。所以，这是一种持续循环：你必须清楚自己操作的系统是什么、手里有哪些“仪表”。就像飞行员一样——这些仪表能告诉你飞机的状态，但不会告诉你下一步该怎么飞。那一步，得靠你自己思考：如何让它变得更好？

如何看待产品抄袭、模仿？

Lenny：刚才这段就像是一堂“产品优先级大师课”了。说到爆款产品——你曾主导 Instagram 的 Stories，那是当年一个非常有争议的发布，因为它几乎照搬了 Snapchat 的模式。回头看，那次决策你们是怎么讨论、怎么决定的？

Stein：那次发布其实有几个重要的教训。后来我们又推出了 Reels、更新了私信、优化了信息流排序……在我在 Instagram 的那几年（2016 到 2021 年），是产品密集创新的黄金阶段。这些项目的共同点是：你必须真正理解用户为什么使用你的产品。有时候，这种理解会让你意识到——某种新的内容形式其实在动摇你的根基。外部世界出现了“更好的方式”，你得正视它、学习它。并不是所有伟大的创新都得出自你自己。很多伟大的创意，最终都会演变成行业通用的“格式”。关键是你能不能把它变成自己的东西。要让你的产品始终为用户提供最好的体验，就得不断从外部学习。

Stein：以 Stories 为例，我们当时问自己：Instagram 的核心是什么？是“分享生活、连接他人”。如果有一种方式能让人们更轻松地分享、降低发帖压力（没有点赞、内容短暂存在、全屏沉浸），那它就是一种极佳的表达形式——Snapchat 的发明确实很聪明。我们没有把它看作“敌人”或“威胁”，而是思考——怎么把这种形式融入 Instagram。一开始我们尝试过“让主 Feed 支持短暂内容”，但那失败了。你不能强行让一个根深蒂固的产品承担完全不同的功能，那样只会毁掉它。所以我们决定做一个新的模块，但又让它自然融入主产品。

Stein：我们加入了很多 Instagram 式的创意：比如霓虹画笔、滤镜、上传高质量相片等——这些在 Snapchat 当时是做不到的（他们甚至不允许上传照片）。我们在每个决策上都坚持：用户的自由度要更高，体验要更顺滑。还有一个小例子：Snapchat 的故事播放无法暂停，我们觉得这很反人性。所以加上了“按住暂停”功能——这是个小改动，但影响巨大。这些细节让 Stories 真正“属于 Instagram”。发布后，效果惊人。有人甚至说，“感觉以前的 Instagram 顶部少了点什么，现在终于完整了。”这说明——有时候，一个看似“模仿”的功能，反而能完成产品的自然进化。

Lenny：那时候很多创业者骂你们“抄袭”。你们内部怎么看？

Stein：我们当时的关注点其实很单纯——为用户创造他们想要的体验。如果这种表达方式能更方便地分享生活，那为什么不提供？拒绝它，其实是在剥夺用户使用更好产品的机会。

Stein：“故事”这种格式后来成了整个社交网络的通用语言，就像当年的 Feed。Facebook 发明了 Feed，但现在几乎所有产品都有自己的 Feed。好形式会变成“基础结构”，关键是怎么用、怎么让它适配你的产品语境。

如何寻找新的增长点、AI创新的共性

Lenny：说到“改造成熟产品”，你在 Instagram 和 Google 都经历过。两者都已是巨大的系统——但你都能带来新的增长。很多人都想知道：进入一个成熟产品后，怎么找到新的增长点？

Stein：首先，要有谦卑之心。能为数亿人使用的产品工作，本身就意味着——你必须一直敬畏用户。永远不要以为自己懂。产品就像高尔夫球，一旦你觉得自己打得好，下一个球就会飞进树林。

所以我总是先去理解：用户为什么用这个产品？产品的哪些部分在增长？哪些在成熟？哪些在下滑？以 Instagram 为例，从公开动态到“轻量化分享”的转变非常明显。用户越来越偏向 Stories、私信等私密场景。而每一次用户习惯的变化，都是新的增长契机。我常用“Jobs to be Done”（待完成的任务）框架思考——用户真正要完成的“工作”是什么？他们在用你的产品解决什么问题？理解了这个因果关系，才能构想出“下一阶段”的产品形态。

比如在 Instagram，不是去“让方形照片更方”，而是思考：用户其实想以新的方式表达生活。在 Google，也一样——用户真正的问题是：“我该怎样更自然地问一个复杂的问题？”这种思考方式，才会引导你做出像 Stories、Reels 或 Google AI 这样的全新形态。

Stein：这些创新有一个共性：它们不是替代，而是补充。Stories 没有取代 Instagram，它让 Instagram 变得更完整。Google 的 AI 模式也是如此——不是“重做搜索”，而是“拓展搜索”。关键是如何“让新功能在原体系中有机存在”。它要有自己的特征，但也要与主产品协调。比如 Stories 的视觉语言、交互节奏、使用路径，都保持一致但又有差异。Google 的 AI 模式也遵循这个原则——它是全屏体验、可展开、可对话，用户自然能理解这是“另一种模式”，而不是“另一款产品”。

Stein：很多公司失败的原因就在于——他们直接“移植”别人的成功模式，但忽略了自己用户群的差异。每个系统都有自己的文化、预期和语义场，你得尊重它。学习别人，不等于复制别人。

优化还是赌全新方向，怎么取舍

Lenny：说得很到位。这让我想到产品资源的取舍问题：你怎么平衡“优化现有产品”和“赌全新方向”？

Stein：我认为要靠系统性、数据驱动的判断。每个功能都有它的增长曲线。早期快速增长，随后进入成熟期，再到边际回报递减。当你发现：“就算多投 50 个人，这功能也不会再带来明显增长”，那就是该寻找下一个增长引擎的时候了。这种判断往往伴随着外部环境的变化——用户期望变了、市场饱和了。这时候就得回到“第一性原理”，去思考新的方向。

Stein：当你找到新的增长点，就重新进入“发现—优化—放大”的循环。每个迭代带来 4%、10%、20% 的提升——这说明你还在正确轨道上。所以，指标就是你的导航系统。它不会告诉你“该往哪飞”，但会告诉你“飞得稳不稳”。如果没有这种度量，你可能会以为自己做得很好，但实际上没人使用、没人关心。

Lenny：所以你基本上是在跟踪每个产品的“S曲线”，判断它是不是已经到达平台期，从而决定资源投向。

Stein：没错。

AI Mode的诞生过程

Lenny：或许我们可以聊聊 AI Mode 的发展历程——它是如何诞生、经历了哪些阶段，又是怎样成为 Google 搜索体验中如此重要的一部分的。这件事是什么时候开始的？你们怎么决定值得下注？又是如何一步步推进、扩大规模的？

Stein：我想最早的起点，其实是 AI Overviews ——那是我们第一次把生成式 AI 引入搜索。我们注意到，越来越多的人在搜索框里直接输入自然语言问题。于是我们想：能否提供更有帮助的上下文、链接，带他们深入探索？这就催生了我们第一版能做到这一点的模型。

Stein：接着，我们观察到用户希望更直接地与 AI 交互、能追问问题。这就需要一种新的交互形态，而不是把所有功能都塞进传统的搜索结果页。于是我们组建了一个非常小的团队——几位技术负责人、两三个设计师——尝试一个假设：如果我们提供一个“全新页面”，像打开一个空白文档那样，用户可以直接提问、追问、与背后的 AI 对话，会怎样？

Stein：我们为此增强了模型的能力，让它能主动搜索、有推理能力、能进行多轮对话并保持上下文。最初团队大概只有 5 到 10 人。

Lenny：这个团队大概是什么时候成立的？

Stein：大概是一年前。

Lenny：就是去年这个时候？

Stein：对，大约一年前开始，我们做出了一个早期版本，虽然整体表现一般，但偶尔会闪现惊艳的“高光时刻”。就像打高尔夫一样，你击中完美一球的那一刻，会觉得一切都对上了。

Stein：我还记得有次我和女儿一起规划出游，它帮我找到了公园信息、官网链接、地图、步行路线等，非常有用。那次体验让我意识到：我们应该继续推进。当然，这背后也有大量组织支持和领导层推动。但最初，它确实像一个创业项目：先做出能“感觉到”的原型，然后找到那个“行得通的版本”，再投入构建。最终，我们推出了第一个 Labs 实验版。

AI Mode的魔力时刻

Lenny：所以第一个重要里程碑，是你们意识到——它真的“有魔力”？

Stein：对，那种“魔法”感让我们确认方向没错。在发布到 Labs 之前，我们还邀请了大约 500 位外部“受信测试者”试用——其中不少是朋友和家人。我们希望他们能直说“哪里烂”，因为初期肯定有问题。他们会不断发截图、反馈 bug、吐槽逻辑错误。经过几轮打磨，体验终于稳定下来，测试者反馈也越来越积极，我们才决定放开给更多用户试用。当我们在美国全面开放时，就能从更大规模的真实查询数据中持续优化它。之后，我们开始拓展到更多国家和语言。

Lenny：Google 能在一年内，从构想到大规模上线、彻底改变搜索体验，这实在令人意外。是什么让这一切发生得这么快？是领导层拍板推动，还是组织内部发生了什么变化？

Stein：我觉得，当你意识到这是一个必须在关键时刻为用户交付的技术转折点时，组织的动力就会彻底改变。用户在寻找信息时，很多问题我们原本无法很好解答，而这项技术能让我们做到——这就形成了强烈的紧迫感。当然，外部环境也在推着走，整个市场节奏极快、竞争激烈。对我们来说，这是一次激动人心的机会窗口。我相信，未来一年的产品形态，会定义未来很多年的使用习惯。至少对我个人而言，我感到一种责任——要把最好的、由 AI 驱动的 Google 呈现给用户，让他们能轻松获取世界的信息。

AI Mode 跟ChatGPT的最大差异

Lenny：确实，用户习惯正在快速重塑。像 ChatGPT 的崛起，速度让人震惊。我猜 Google 也会担心用户从“搜 Google”转向“聊 ChatGPT”。现在在 AI 产品榜单中，Google 的 App 仍有五个上榜，说明局势仍在可控范围。那你怎么看 AI Mode 与 ChatGPT、Claude、Perplexity 等产品的定位？是直接竞争吗？

Stein：AI Mode 是一个让人们可以自然地向 Google 提问任何问题的方式，它是为“信息获取”而设计的基础设施。它的目标，是在你规划旅行、研究课题、购物时，提供真正有帮助的回答和可靠的来源链接。我们不会重点投入“创意型任务”，比如生成内容或帮你制作表格图表。那不是我们的方向。我们的重点是：让人们在 Google 上提问，就能获得完整、准确、有上下文的知识，并能回溯到权威信息源。这就是 AI Mode 和其他“聊天机器人式产品”的最大差异。

Robby的核心产品哲学

Lenny：明白了，AI Mode 不是“你的心理咨询师”。那再往上看——你参与过这么多成功产品，如果要总结两三条核心产品哲学，你会怎么说？

Stein：我通常想到三点（要我写本书，大概就三章）：

第一章：深入理解人。就像《与运气竞争》（Competing Against Luck）里说的那样，用户不是“使用”产品，而是“雇佣”它来帮自己完成某件事。比如那句经典的比喻：“人们不想买钻头，他们想要墙上的孔。”你得搞清楚他们真正想完成的是什么，才能做出好产品。

第二章：用分析的严谨性理解问题。指标下滑时，不只是看表象，要去挖根因。Instagram 的“亲密好友”功能最初失败，就是因为在很多市场被误译成“最好的朋友”，结果大家只加了一个人，自然没人互动。——这就是没看清问题本质。

第三章：追求清晰，而非聪明。很多人想靠“新奇设计”来区分产品，但真正有效的，是遵循人类已经理解的设计语言。就像 Don Norman 在《设计心理学》里讲的门：如果设计太对称、太漂亮，用户反而分不清是推还是拉。我们也常犯这种错——想重新设计图标，而不是用全世界都认得的“相机”图标。结果花里胡哨，却没人看懂。清晰永远胜过炫技。

Stein：哦，还有第四点——保持谦逊。永远怀疑自己、倾听用户、保持被推翻的可能性。这其实是所有好产品团队的底层共识。

Lenny：我很喜欢你刚才那三点。尤其是第三点——“保持清晰”，我觉得 AI Mode 这个名字本身就是个完美例子。它没有故弄玄虚，就是直白告诉你：这就是 AI 模式。

Stein：我们内部也讨论过这件事。你看浏览器标签页的时候，“AI Mode” 一眼就能看懂。如果我们起个模糊的名字，用户反而要花时间猜“这到底是什么”，那就是和自己过不去。

Lenny：总结一下，其实这三点已经可以写成一本“产品成功指南”了：第一，深入理解用户的问题——他们“雇佣”你的产品是为了解决什么？第二，用数据去验证你是否真的解决了那个问题。第三，保持极度的清晰——清晰胜于聪明。

Stein：对，而且要清晰并且谦逊。

Instagram的“亲密好友”从天崩到天秀的逆袭

Lenny：对，清晰又谦逊。那能不能举个更具体的例子？比如某个产品最初的问题是什么，后来你们怎么一步步理解、修正，并最终找到那个简单而有效的解决方案？

Stein：其实最典型的例子就是 Instagram 的「亲密好友」（Close Friends）。这个功能最初花了两三年才做成功。刚上线的时候彻底失败了。功能的概念很简单：用户可以创建一个仅限特定好友可见的列表，然后发「仅亲密好友可见的限时动态」（绿色圈圈的故事）。这个机制现在很受欢迎，但刚开始时一团糟。我们最早的设计是一个“系统级”的功能：用户既能发动态（Stories），也能发普通帖（Feed），甚至还有“亲密好友档案页”。比如我去看 Lenny 的主页，如果我们是 Close Friends，我就能看到他额外发的一些内容。我们当时觉得这太棒了，于是上线了。结果——彻底失败。

Stein：为什么？因为它既混乱又不合时宜。动态本该是轻松随意的，而在主 Feed 里突然出现模糊、脆弱、情绪性的照片，就显得特别违和。视觉上也让人困惑：动态里的绿色圈圈和 Feed 上的小绿点含义不同，结果用户根本看不懂。

Stein：还有个关键问题是命名。最初这个功能叫 “Favorites（最爱）”，于是大家只加了两三个人进去——根本没有形成真正的“亲密圈”。后来我们深入分析发现，用户真正想做的，其实是在小范围里表达脆弱和情绪，建立联系。他们想发一句“有点孤单”或“最近不好过”，然后希望朋友能私信回应。

Stein：换句话说，这个功能的“工作任务（Job）”不是展示，而是建立连接。如果没人回私信（DM），这个功能就“失败”了。它解决的是一种“情感任务（emotional job）”，而不只是实用功能。于是我们开始反复简化：去掉多余入口、统一命名、重新设计列表。我们发现：当用户的亲密好友列表达到 20～30人 时，互动率显著提升。因为在这种规模下，至少有一两个人会回 DM，让用户感到“被连接”。

Stein：于是我们把整个系统围绕这一点重建：——限定只在 Stories 里使用；——把名字改成 “Close Friends”，强调这是“亲密圈”，不是“最爱”；——加入算法推荐列表，帮用户轻松添加 20～30 个朋友；——把“绿色圈圈”移到动态封面外层，让人一眼就能明白“哦，这是给我看的私密故事”。

Stein：这一轮改版之后，功能彻底爆发。它从一个彻底的失败，变成了 Stories 里最受欢迎的功能之一。

Lenny：太棒了，这个例子太生动了。你刚才提到，这整个过程花了两三年？

Stein：对，这是我在 Instagram 做过最久的项目之一。但我们坚持下来的原因，是因为在早期调研中发现——用户普遍有“受众焦虑”。他们不发 Story 的原因往往是：“前任也在看”、“老师在看”、“某个会评头论足的朋友也在看”。这让我们意识到，核心问题不是功能复杂，而是用户没有安全的分享空间。

Lenny：这是不是和当年流行的 “小号 Instagram（Finsta）” 有关？

Stein：是的，完全相关。那时候很多人会开 “Finsta”（Fake Instagram，小号）或 “Binsta”，甚至一层层分账号，直到只留最亲密的人。大家其实是在“黑用” Instagram，创造一个更小、更私密的圈层。我们看到了这种趋势，于是决定：不如把这种需求产品化。

Lenny：你们是怎么测试这些功能的？比如是随机国家灰度上线？

Stein：对，我们一般会在几个国家试点。印象中「Close Friends」最早在 澳大利亚 测试，因为那里的反馈机制更容易观察。

Lenny：所以不是每次都选澳大利亚？

Stein：不完全是，但澳大利亚和加拿大确实常被选——方便团队快速获取用户反馈。

为什么不推崇小团队轻资源的做法

Lenny：好，我想换个方向聊。现在很多人推崇“小团队、轻资源”的做法，但你似乎持相反观点——认为要打造真正具有突破性的产品，其实需要大量资源投入。能讲讲你的经验吗？

Stein：当然。确实，有些经典案例是小团队造出大影响力的产品，但这并不适用于所有情况。现在有点形成了一种“精益文化崇拜”——小团队、快速试错、随时推倒重来。这种方式在早期验证方向时有价值，但对于需要技术突破、面向大规模用户的产品，往往是不够的。

Stein：你看像基础模型的研发，动辄数百人、数年时间，但这种投入带来了巨大的技术飞跃。我在大公司内部经常看到相反的情况：团队太“精简”，项目始终达不到临界质量，最后半途而废。

Stein：当然，也不能一开始就堆人。关键在于找到平衡点。比如 Instagram 的 Close Friends 项目，因为团队太小，迭代速度极慢。要是创业公司早就撑不下去了。

Stein：所以我认为，真正要问的问题是：“为了做出一个伟大的版本，我需要怎样的团队配置？”不要盲目迷信“小即是美”。

再熟的朋友也不大会撑场面

Lenny：这确实和现在社交媒体流行的“精益神话”不太一样。那你怎么判断什么时候该“扩队”？

Stein：我一般看两个关键时刻：一是内部信念建立——你自己和团队都真心相信这个方向；二是外部验证出现——哪怕只是 20 个真实用户在持续使用并获得价值。

Stein：你很快就会发现——就算是朋友，也不会因为熟就帮你撑场面。如果他们在用，那就是因为它真的有用。当你验证到这一点，就该考虑扩大团队、打磨更成熟版本、正式发布。

Stein：最终目标是：不是快速造个原型，而是做出真正好的产品。而要做到这一点，你需要投入足够的资源和合适的人。

Lenny：其实我想问你一个问题，这也是我最近一直在问很多站在 AI 前沿的人。你有孩子，对吧？在 AI 逐渐成为生活重要部分的过程中，你有没有在思考，应该如何帮助他们去学习、去成长？

Stein：我家孩子还小，现在我主要做的一件事是让他们多接触“实时版”的 AI，就是可以直接对话的那种。巧得很，我们这周刚刚从 Google Labs 推出了一个功能叫「Search Live」，你可以像和人聊天一样，用语音和搜索对话。比如开车的时候，你就可以直接和它说话、问问题。

Stein：所有你能在 Google 上查到的知识，现在都能通过对话获得。我发现这种方式对孩子特别友好。他们放学回家就会跟我说：“我刚刚在跟 Google 聊天。”然后他们打开我的 app，点一下「Live」按钮，就开始对它说话。

Stein：他们会问动物的问题，会问历史知识，或者聊他们在学校学到的东西。这种学习方式非常自然，我觉得这比我教他们任何其他东西都更能让他们真正“AI 原生化”。

Lenny：哈哈，这样的家长生活会不会太轻松了？孩子有问题就去问 AI。不过我觉得这没坏处。所以这个功能是在 Google Search 的 app 里？要怎么打开？

Stein：对，直接打开 Google App，现在首页就有一个「Live」按钮，点进去就是。它其实是 AI 模式的实时语音版本，全屏体验，界面会提示“开始说话吧”。

看好AI玩宠赛道：海盗鹦鹉

Lenny：有人做了个项目我超喜欢——一个叫 Eric Antonio 的人做的。他教你怎么在一个毛绒玩具里塞个小音箱，然后把音箱接到 Google Live 或其他语音 AI 上。再加个磁铁，就能把这个“AI 鹦鹉”放在肩膀上，小孩可以直接和它聊天。比如你可以设定成“用海盗的语气说话”，孩子就会和一个“海盗鹦鹉”聊天。

Stein：哈哈，这太有趣了。

Lenny：真的很好玩，大概十五分钟就能搞定。你只要拿个小刀把玩具打开，把音箱塞进去，再缝好就行。我给我侄子做了一个，他现在整天拿着鹦鹉“找宝藏”。

Stein：太可爱了，我一定要试试看。

Lenny：你有没有一句常常提醒自己的座右铭？

Stein：有的——“保持好奇心。”我甚至一度想给公司起名叫 Curious。因为无论是做事、理解世界、理解别人、甚至是教育孩子，“想知道更多、敢于发问”，永远都是最重要的事。

不要觉得自己什么都懂。

参考链接：​​https://www.youtube.com/watch?v=kOnsqqVbIeY​​

本文转载自​​51CTO技术栈​​，作者：云昭