在Google Labs，从0到1重做人与AI的交互方式

Josh Woodward 讲述了 Google Labs 如何在高度不确定中孵化 AI 产品：从“先找市场再打磨产品”的方法论，到他对提示工程将被淘汰、多模态成为默认体验的判断，再到 Mariner 和生成式视频背后的真实取舍。

为什么“产品-市场匹配”常被理解错

这一段对所有做 AI 产品的人都很重要，因为 Josh 直接挑战了一个被反复引用却很少被拆解的概念：产品-市场匹配（Product-Market Fit）。他坦言，大家总说“你会在看到它时就知道”，但在自己多年的产品经历中，一个常见错误是——只拼命迭代产品，却忘了同样需要迭代市场。

Josh 用 Google Labs 正在探索的计算机使用代理 Mariner 作为例子。它代表了一种全新的能力：让 AI 模型“驱动你的电脑”。在能力层面，答案是肯定的——“is it possible for a computer… an AI model to drive your computer？ yes”。但在现实中，它“有时准确，但一点也不快”。这意味着技术尚不成熟，而真正困难的问题反而变成：谁会在什么场景下，愿意为这种尚不完美的能力买单？

在他看来，早期产品最重要的不是追求性能极致，而是把“产品在做什么”和“谁真正需要它”这两件事连接起来。能力突破只是起点，找到正确的市场，才决定这条路是否值得继续走下去。这种坦率地承认“不好用但有潜力”的状态，正是 Labs 做 0-to-1 项目时的常态。

“写提示词正在过时”：交互方式正在重构

如果说有什么观点最能代表 Josh 对未来的判断，那就是这句略带挑衅的话：“writing prompts is old fashioned”。他认为，从终端用户体验的角度回看今天，我们会惊讶于自己曾经在小小的输入框里，费力地写段落级提示。

这并不意味着上下文（context）不重要。恰恰相反，Josh 强调，“these models love context”，上下文不会消失，只是“上下文的类型，以及你如何把它交给模型，正在快速变化”。这正是多模态 AI 的意义所在：文本、图像、音频、视频会自然地成为输入，而不是被压缩成几行文字。

在 Google Labs，他们正在押注一种默认多模态的未来交互方式。用户不需要学会“如何和模型说话”，而是像与现实世界互动一样，直接展示、指向、操作。这种转变看似是体验问题，实际上决定了 AI 能否真正走向大众，而不是只停留在工程师和重度用户手中。

Google Labs 是如何为“不确定性”设计组织的

理解 Google Labs，才能理解这些激进想法从哪里来。Josh 将 Labs 描述为 Google 内部的实验性组织：既能与 Search、Chrome 等成熟团队协作，又保留了“探索、试验、甚至自我颠覆”的空间。

但真正困难的不是结构，而是文化。Josh 提到，要真正鼓励探索，就必须“normalize failure”——让失败变成正常、可预期的结果。这会直接影响晋升、薪酬、项目评估等一整套机制。如果失败会伤害个人发展，那么最安全的选择永远是做小改进，而不是冒险。

在项目选择上，Labs 既不是纯粹自上而下，也不是完全自下而上，而是在两者之间不断博弈。重要的是，组织要允许一些看起来“不合理”的项目存在足够长的时间。因为在 AI 这种快速变化的领域，今天看似边缘的能力，可能会在模型变得更快、更便宜、更聪明之后，突然变成核心。

生成式视频与 Mariner：别盯着数据，看用户的眼睛

在谈到当前最让他兴奋的方向时，Josh 提到了生成式视频。他的判断很克制：这个领域刚刚从“几乎不可能”走向“勉强可行”。模型仍然“huge to run”，成本和效率都是现实约束，因此产品形态必须为未来的模型演进预留空间。

他给出了一条极具 Labs 风格的产品建议：“make sure your product is aligned to the models getting smarter cheaper faster”。如果你的核心价值，能天然受益于这些技术顺风，你就站在了正确的一侧。

这一原则同样体现在 Mariner 的早期评估上。Josh 反复强调，不要被早期仪表盘上的“小数字”迷惑，“don’t look at the dashboards… look at their eyes”。当你把产品展示给用户时，他们的眼睛是否会亮起来？这种直觉式的反馈，在 0-to-1 阶段往往比任何留存曲线都更真实。

总结

Josh Woodward 展示的不是某个具体功能的成功秘诀，而是一套在高度不确定中工作的思维方式：先承认技术的不完美，再寻找真正被点燃的用户；不迷信提示工程，而是重构交互本身；不追逐短期指标，而是为未来的模型曲线下注。对所有构建 AI 产品的人来说，这是一种比“最佳实践”更稀缺的能力。

关键词： Google Labs， AI Agent， 多模态， 生成式视频， 产品-市场匹配

事实核查备注： 视频来源：Sequoia AI Ascent；嘉宾：Josh Woodward（Google Labs）；提及产品：NotebookLM、Mariner；核心观点原话包括“writing prompts is old fashioned”“don’t look at the dashboards… look at their eyes”；技术话题：多模态、AI Agent、生成式视频。