04/23/2023: Retrofitting
本周的主题是 Retrofitting 翻新。
这个词出现在即将推荐的一篇访谈文章中，语出 Adobe 的 CSO Scott Belsky：
I think that if we were only focused on bringing these generative AI capabilities into our tools, then we would get stuck, because you can only do so much of retrofitting and putting things into things.
翻译：我认为，如果我们只专注于将这些生成式人工智能能力引入我们的工具中，那么我们就会陷入困境，因为你只能做那么多的翻新和嵌入。
这个词的字典定义（Wikipedia）是这么说的：
According to Wikipedia, Retrofitting refers to the addition of new technology or features to older systems, often to improve their performance, functionality or sustainability.
我想了一下，它应该被翻译成「翻新」，而不是很多字典里面的「改造」。
面对新技术，我们首先的思考都是：哇，我可以用它来翻新一下老家伙。我们能举出很多的例子：比如很多老牌车厂在内燃机平台上塞进去一块电池而形成的「油改电」车；再比如功能手机上的应用商店。
这些往往都是失败的例子，或许是我的选择偏差造成了这种印象，也欢迎举出反例。只是在最近的大模型热潮中，我们都没有看到在应用层面上它实际上可能以什么样的方式找到广泛的 product-market fit 和长期可持续的 business model。目之所及，大部分的应用都是某种程度的「翻新」。
再举一个例子，就说我们熟悉的短视频。短视频最先出现在图文信息流产品中，往往以横屏的形式出现。产品经理需要管理的就是要平衡它和原来的图文阅读习惯之间的冲突。最近和一些经历了这个变化周期的人聊，发现很多公司都经受了大量的用户负反馈，但为了时长等指标，还是坚持抗了下来。人类偏爱视频，我相信这是生物特性决定的，是鲜有的第一性原理。
后来的事情我们都知道，我也不想废话。短视频是以完全不同的方式改变了行业和社会。今天，再回头看夹杂在图文中间的视频的时候，是不是有一种 retrofitting 的感觉呢？
十几年前，人们讲 SoLoMo，讲 mobile-first；今天，人们讲 LLM 和 AGI，讲 AI-first。每一个周期，我们都可以从上一个周期中学到很多经验教训，但经验教训往往只能告诉我们不要做什么，比如不要 retrofitting。建设和创新并不能从故纸堆中翻出来，只有凭借直觉、运气和勇气找寻先见。
Essays
An Interview With Adobe Chief Strategy Officer Scott Belsky by Ben Thompson & Scott Belsky
Scott Belsky 是创意设计社区 Behance 的创始人。2012年，Behance 被 Adobe 收购，Belsky 加入 Adobe 任高管，负责 Adobe 旗下的 Creative Cloud，帮助 Adobe 完成了向 SaaS 模式的转型。中间，他曾经短暂离开了 Adobe，从事早期风险投资，投资了许多初创企业，并担任几家公司的董事会成员。Belsky 在 2022 年出版了 The Messy Middle 一书。我也曾经写过一篇读书笔记 / 书评「 中途 」。本书的中文版也即将面试（编辑还找我写了封底的推荐语）。
本文是 Stratechery 的 Ben Thompson 和他的一次访谈（应该是付费订阅内容），刚好发生 Belsky 在 Adobe MAX 大会上发布了 Adobe Firefly 这个 Generative AI 产品。文中谈及了很多 AI + 设计 + 企业服务的独特视角。
首先，看 Adobe 的企业并购逻辑。
- 收购 Behance（2006 年，也是 Belsky 加入 Adobe 的缘起）。现在看很像 Microsoft 收购 LinkedIn 的动机——通过社交 / 社区的整合触及潜在客户。
- 收购 Figma / Frame.io。补充协作创作产品能力，协作带来网络效应。Figma 不仅仅是设计师在用，40% 的用户是非设计人员（比如工程师），Frame.io 作为视频编辑的协同平台拉动了很多非 Premiere（比如 Final Cut Pro）用户使用。
其次，在协作创作能力（collaboration）上，有一些观点值得注意。
Web vs App（特指二进制编码的）产品的优势：
In that case, from my perspective, it’s collaboration. Collaboration is native to the web, that is what the web does better than anything. You could do collaboration in apps, but then you have syncing and you have all these issues that are challenging, and it’s not native in the way that performance is not native on the web, but collaboration is. That was my big takeaway in why that was meaningful to go there. You started out just with commenting and feedback or stuff on those lines, which made sense.
在这种情况下，从我的角度来看，这是协作。协作是 Web 固有的，这是 Web 比任何其他东西都做得更好的事情。你可以在 App 中进行协作，但是你需要同步和处理所有这些具有挑战性的问题，而且它不像性能在 Web 上那样固有，但协作是固有的。这是我从中获得的重要启示，也是为什么去那里很有意义的原因。你从评论和反馈或类似的东西开始，这是有意义的。
这段话实际上是 Ben Thompson 说的，但 Belsky 也表示认同。我的思考是：二进制是一种语言屏障，它带来了很多互联互通的问题，但由于它对机器更友好（编译过），因此适合一些对性能要求更高的场景；相反，Web 技术更接近于人类语言，数据的连通性更好，适合做协作型产品。Figma 在 Web 上打造的流畅体验实际上借助了现代 Web 技术比如 Chromium 等带来的优势，换句话说，浏览器性能的提升提供了新的语言转译环境，降低了人机交互和人人交互的成本。
在这一点上，Belsky 还提到 Web 天生具有良好的转化能力——实际上是数据在转化漏斗中的纵向传递。比如说从 Search / Social / Email / IM 来的流量，可以在超链接中传递大量的信息给网页，做好后续的承接。现在 App 也具备这样的技术能力，但显然对于 Adobe 的某些超级复杂的产品，做好承接能力是很困难的。
谈话中，Ben Thompson 提到一种假设性的风险：
The risk I saw for Adobe with Figma is not that Figma replaces Photoshop, but Photoshop is just a commodity, it’s just like a tool that plugs into Figma.
我认为 Adobe 在 Figma 方面面临的风险不是 Figma 会取代 Photoshop，而是 Photoshop 只是一种商品，它只是一个插入到 Figma 中的工具。
任何产品都可能面临中间件风险。这种风险出现的早期征兆是：发现产品和用户之间出现了第三方，且这个第三方在扮演越来越重要的角色。这种「上游化」是危险的，因为上游在整个价值链中往往容易会暴露在牛鞭效应的风险中：
由于“牛鞭效应（bullwhip effect）”的存在，上游供应商永远比下游供应商承担更大的压力，因此也就需要更大的议价能力。例如，某车厂假设今年新品能卖出 10 万台，且市场环境向好，那么它在采购备料时，就可能会按照 10.5-11 万台的数量来额外采购备用，而它的供应商再继续向上游供应商采购时，则可能会按照 11.5-12 万台的数目来估计，以此类推，直到最上游一级。而一旦这款新品销售并不理想，那么供应商们就可能层层压货，风险不断积聚到上游供应商，最终结果是，越是上游的企业，承担的压力就越大。（技术与文明：我们的时代和未来 - 第十三章 中国与世界）
最后，谈及 AI。Belsky 是从 PMF 的视角来看问题的。
Number one is we’re very focused on how the model is trained. We want these to be clean models. When I go and sit down with the CIOs of some of these big marketing conglomerates and they say they don’t want to use generative AI because they don’t want to attest to their customers that they use something that they weren’t allowed to train off of, and so we want to have commercially viable models, that’s one important thing for us. Number two is we want to make sure that we bring these into the tools that people are already using. For the vector thing, for example, it’s made to work with Illustrator. Also, what we’re doing in terms of bringing this technology into Photoshop, we’re allowing people to further edit the prompts and have the outputs be nondestructive so people can actually further edit with it, as opposed to just be stuck with whatever the prompt gives you.
第一点是我们非常关注模型的训练。我们希望这些模型是干净的。当我与一些大型营销集团的 CIO 坐下来交谈时，他们说他们不想使用生成式人工智能，因为他们不想向客户证明他们使用了一些他们没有被允许训练的东西，因此我们希望拥有商业上可行的模型，这对我们来说非常重要。第二点是我们希望确保将这些功能集成到人们已经在使用的工具中。例如，对于矢量图像，它是为与 Illustrator 配合使用而设计的。此外，我们正在将这项技术引入到 Photoshop 中，使人们能够进一步编辑提示，并使输出具有非破坏性，这样人们就可以实际上进一步编辑，而不仅仅是被提示所限制。
第一点很重要，它很可能意味着在 toB 场景下垂直应用可以立足的基本假设。
第二点也很重要，但它听上去像是 retrofitting。
Scott Belsky 继续说：
Syncing my AI with an app as opposed to using an app was kind of what I was trying to say. What I meant by that was we have all this preferences, data, we have all these things that are aggregated about us that conceivably, whether it’s this WHOOP band I’m wearing or my health or anything else that is tracking or recording us or whatever else, I have always had to use apps, that’s just the pattern that we have when we are doing anything or completing tasks or whatever. I am sure the days are numbered until we actually just sync a repository of our data with an application and suddenly, we’re not even really using it in the traditional sense. We essentially become the app.
将我的人工智能与应用程序同步，而不是使用应用程序，这就是我想说的。我的意思是，我们有所有这些偏好、数据，我们有所有这些关于我们的聚合数据，这些数据可能是由我佩戴的 WHOOP 手环、我的健康或其他任何跟踪或记录我们的东西等记录的。我们在做任何事情或完成任务时，通常都需要使用应用程序，这已经成为了我们的模式。我相信，很快我们就可以将我们的数据仓库与应用程序同步，突然间，我们甚至不需要以传统的方式使用它。我们本质上成为了应用程序。
这段话其实很难懂，我尝试解读一下。Syncing with AI 这个想法意味着数据的收集和产生是分散的，因为我们很难把一个人所有的活动都集中到一起（想想看这个用户界面得多么复杂），这也是为什么在移动互联网时代 app 变成了一种通用范式，即便 super apps 也未能整合所有的使用场景。而与「我的 AI」同步，则又意味着某些场景会被重新组合，但是不是所有事情都来问这个 AI 呢？或许是，或许不是，AI 可能需要通过 API 把数据传给不同的界面：可能不见得是手机上的 apps 了，或许是手表、汽车甚至是家电。
实际上，Thompson 和 Belsky 也讨论了可以本地运行的模型是否有可能改变这种云-端的架构，这取决于模型和算力的此消彼长。到现在为止，算力仍然是短缺的，本地模型的能力仍然受到很大的局限。一切把 AI 神化的假设往往由于人们发现算力过于昂贵，不得不相信中心化时代即将来临。这和 1960 年代 J. C. R. Licklider 等人推动的 Time-sharing 分时计算架构是很类似的——昂贵的成本让个人计算机看起来像是一个童话，但最终 PC 仍然诞生了，分时计算变成了互联网的预言。
“a modern napster moment” is a good analogy by Scott Belsky
这是 Scott Belsky 写的一条 Twitter Thread，评论大火的 AI Drake x The Weeknd 单曲 Heart on My Sleeve。
A new era of synthetic entertainment is emerging. Expect unauthorized sequels made w/o actor participation, a new era of ai-outfitted creative economy participants, a deluge of imaginative media that would have been cost prohibitive, and copyright wars and much needed legislation.
一个新的合成娱乐时代正在兴起。预计将出现未经演员参与的未经授权的续集，一个新时代的配备人工智能的创意经济参与者，大量想象力丰富的媒体将成为可能，而这些媒体原本是成本高昂的，还会出现版权战争和急需的立法。
We need new compensation models for creators of training data, we must foster attribution so we know who made what, we must protect the use of copyrighted property (and people!), and we must incentivize creativity with protection for what you create. Exciting challenges ahead.
我们需要为训练数据的创作者制定新的补偿模式，我们必须促进归属，以便我们知道谁创造了什么，我们必须保护版权财产（和人员！），并且我们必须通过对所创造的内容进行保护来激励创造力。前方有激动人心的挑战。
和他与 Thompson 对谈中表达的观点类似：
To the analogy of music, the thing I should say about generative AI is I actually think there is a way to have content contributors get paid, much like Spotify figured out from music. One of the things we’re exploring right now is allowing artists to license their style. We talked about prompts and you have to be creative to make a great prompt. Well, imagine at the moment of prompt, having a style library that you can browse and leverage and add to your prompt, and then you pay that creative some small amount or they get some cut of the overall subscription or something to compensate them for the use of their likeness or their style or Mickey Mouse if you’re Disney and you’re licensing people to use it. I do think that there is a method, a Spotify-like approach, that, to your point, leverages the greatness of the Internet, makes it simpler, easier, and legal to use copyrighted content or characters’ likeness in interesting ways.
Shortform
为什么准确率对 GPT 上限很重要？这直接决定了这一轮 AI2.0 浪潮能走多远，不然自动驾驶也不会一直遥遥无期。
两点原因：
- AI 错误率每下降一个数量级，应用范围/领域上升一个数量级。
- 严肃领域利益关联 (stake)太大是需要有人背书的，诉讼责任主体是很严肃的问题，错误率降到足够低才有能力应对天价赔偿。
Longform
本周读完 God, Human, Animal, Machine，这本书从神学和哲学的视角看 AI 技术，结合前面读的侯世达的《表象与本质》，可以继续延展 AI 杂记这个系列。
预计会在下周发布，欢迎付费订阅。