晚点对话王兴兴：只要足够专注，我不信有什么问题解决不了
今天重发了 2024 年 5 月我们采访王兴兴的对话。重看了一遍，想到了当时聊时的一些场外信息：
1.这是一个画风非常简单甚至简陋的公司
#没有公关市场部
从 23、24 年两次采访到今天，每次有什么事要沟通，我们找不到 PR 和市场部，基本只能找王兴兴本人，他们之前没有 PR（去年据说在招，一个结果是，很少能联系上[捂脸]）
#几乎毫无设计的白开水办公场地
前台和会议室都极为简单，看不到什么范儿、特色和文化属性。
其实去公司采访时，一个小乐趣是看大家的会议室命名，有的是摇滚巨星聚会，有的是各种天体，有的是伟大科学家的群英殿，宇树我是真没注意，可能也取了名字，但没有明显标识。
至于工位里是否张贴了工作方法等 slogan，没看到。他们的研发区被磨砂玻璃隔绝，比较保密。
2.方法和反思型选手会总结123，沉浸式选手不语，就是做
有些创始人非常擅长讲方法和思考：1、2、3。这是那类能拿成绩，还能教同学拿成绩的学霸。
而请王兴兴总结研发或经营经验，他几乎不会给层次分明的完整回答（可能也和聊的那天，就是抱着“聊聊”的心情有关）。
比如请他总结研发经验，他说是，遇到想不通的问题“24小时一直想”。
自然地，我想知道这种个人化的方法怎么能让团队共享？怎么提升团队能力？——他还是说 24 小时一直想。
这是另一种学霸：反正我能拿成绩，但我讲不出或者没心思讲一个“教程”。
3.一个中国教育下的异类，自信都来自实践
两次发王兴兴对话，划线最多的内容都是王兴兴的偏科。他也说自己几乎没从考试体系里获得过成就感和正向反馈。自信来自，虽然只有 30 多岁，但已经“玩了 20 多年机械设计”，在研究生期间做的机器人、机器狗“当时觉得没什么”，“回头看做得很好”[得意]
公司的性格和特质是创始人的外溢，早期阶段尤其如此。
业界对宇树的一种常见评价是：长于硬件本体、供应链和成本控制，但智能不是他们的强项。
之前王兴兴自己也说，因为家里没有从小给他买电脑，他大学之前只是在学校或网吧用计算机，软件是他的相对弱项。
不过既然有“24小时一直思考、解决”的习惯和学习速度，那么基于本体这个明显的长板，宇树下一步能做到什么，很值得期待。
今天重发了 2024 年 5 月我们采访王兴兴的对话。重看了一遍，想到了当时聊时的一些场外信息：
1.这是一个画风非常简单甚至简陋的公司
#没有公关市场部
从 23、24 年两次采访到今天，每次有什么事要沟通，我们找不到 PR 和市场部，基本只能找王兴兴本人，他们之前没有 PR（去年据说在招，一个结果是，很少能联系上[捂脸]）
#几乎毫无设计的白开水办公场地
前台和会议室都极为简单，看不到什么范儿、特色和文化属性。
其实去公司采访时，一个小乐趣是看大家的会议室命名，有的是摇滚巨星聚会，有的是各种天体，有的是伟大科学家的群英殿，宇树我是真没注意，可能也取了名字，但没有明显标识。
至于工位里是否张贴了工作方法等 slogan，没看到。他们的研发区被磨砂玻璃隔绝，比较保密。
2.方法和反思型选手会总结123，沉浸式选手不语，就是做
有些创始人非常擅长讲方法和思考：1、2、3。这是那类能拿成绩，还能教同学拿成绩的学霸。
而请王兴兴总结研发或经营经验，他几乎不会给层次分明的完整回答（可能也和聊的那天，就是抱着“聊聊”的心情有关）。
比如请他总结研发经验，他说是，遇到想不通的问题“24小时一直想”。
自然地，我想知道这种个人化的方法怎么能让团队共享？怎么提升团队能力？——他还是说 24 小时一直想。
这是另一种学霸：反正我能拿成绩，但我讲不出或者没心思讲一个“教程”。
3.一个中国教育下的异类，自信都来自实践
两次发王兴兴对话，划线最多的内容都是王兴兴的偏科。他也说自己几乎没从考试体系里获得过成就感和正向反馈。自信来自，虽然只有 30 多岁，但已经“玩了 20 多年机械设计”，在研究生期间做的机器人、机器狗“当时觉得没什么”，“回头看做得很好”[得意]
公司的性格和特质是创始人的外溢，早期阶段尤其如此。
业界对宇树的一种常见评价是：长于硬件本体、供应链和成本控制，但智能不是他们的强项。
之前王兴兴自己也说，因为家里没有从小给他买电脑，他大学之前只是在学校或网吧用计算机，软件是他的相对弱项。
不过既然有“24小时一直思考、解决”的习惯和学习速度，那么基于本体这个明显的长板，宇树下一步能做到什么，很值得期待。
❤1👍1🔥1
神经网络入门 - Brilliant推出的深入研究神经网络课程
神经网络入门 Brilliant推出的深入研究神经网络课程
链接：
https://brilliant.org/courses/intro-neural-networks/
#Ai工具推荐
神经网络入门 Brilliant推出的深入研究神经网络课程
链接：
https://brilliant.org/courses/intro-neural-networks/
#Ai工具推荐
brilliant.org
Learn Introduction to Neural Networks on Brilliant
Artificial neural networks learn by detecting patterns in huge amounts of information. Much like your own brain, artificial neural nets are flexible, data-processing machines that make predictions and decisions. In fact, the best ones outperform humans at…
阿里云AI学习路线 - 阿里云推出的人工智能学习路线
阿里云AI学习路线 阿里云推出的人工智能学习路线
链接：
https://developer.aliyun.com/learning/roadmap/ai
#Ai工具推荐
阿里云AI学习路线 阿里云推出的人工智能学习路线
链接：
https://developer.aliyun.com/learning/roadmap/ai
#Ai工具推荐
Aliyun
人工智能学习路线（学+测） - 阿里云开发者社区
人工智能学习路线，算法原理、框架精讲、机器学习实战、图像识别实战、自然语言处理实战，人工智能技术一站式学习
❤1
清华大学最新出品的四份 DeepSeek 学习资料，分别是：
《DeepSeek：从入门到精通》
《DeepSeek 赋能职场》
《普通人如何抓住 DeepSeek 红利》
《DeepSeek让科研像聊天一样简单》
比网上众多付费教程都要好，看完之后相信大家定有所认识，接着就是实践。
四份资料已收集整理，可通过如下链接获取。
链接：https://pan.quark.cn/s/b76796cc28c1
《DeepSeek：从入门到精通》
《DeepSeek 赋能职场》
《普通人如何抓住 DeepSeek 红利》
《DeepSeek让科研像聊天一样简单》
比网上众多付费教程都要好，看完之后相信大家定有所认识，接着就是实践。
四份资料已收集整理，可通过如下链接获取。
链接：https://pan.quark.cn/s/b76796cc28c1
💩15👍9
推荐一款跨平台的文件传输助手：LocalSend。
无需联网，秒杀AirDrop，跨平台文件传输快到飞起！
使用 REST API 和 HTTPS 加密实现设备之间的安全通信。
极致传输体验
• 闪电速度：局域网内传输速度可达 100MB/s（千兆网络实测）
• 无大小限制：单文件支持 1TB+，断点续传不丢数据
• 多任务并发：同时传输多个文件不卡顿
全平台覆盖
• 支持系统：Windows/macOS/Linux/Android/iOS 全兼容
• 设备互通：手机/电脑/平板任意组合传输，打破生态壁垒
• 无客户端限制：接收方无需安装客户端（浏览器即可接收）
安全与隐私
• 端到端加密：TLS 1.3 加密协议，杜绝中间人窃听
• 无痕传输：文件不经过任何服务器，传完即焚
• 开源透明：代码完全开源，无后门、无广告
GitHub：https://github.com/localsend/localsend
下载地址：https://localsend.org/zh-CN/download
无需联网，秒杀AirDrop，跨平台文件传输快到飞起！
使用 REST API 和 HTTPS 加密实现设备之间的安全通信。
极致传输体验
• 闪电速度：局域网内传输速度可达 100MB/s（千兆网络实测）
• 无大小限制：单文件支持 1TB+，断点续传不丢数据
• 多任务并发：同时传输多个文件不卡顿
全平台覆盖
• 支持系统：Windows/macOS/Linux/Android/iOS 全兼容
• 设备互通：手机/电脑/平板任意组合传输，打破生态壁垒
• 无客户端限制：接收方无需安装客户端（浏览器即可接收）
安全与隐私
• 端到端加密：TLS 1.3 加密协议，杜绝中间人窃听
• 无痕传输：文件不经过任何服务器，传完即焚
• 开源透明：代码完全开源，无后门、无广告
GitHub：https://github.com/localsend/localsend
下载地址：https://localsend.org/zh-CN/download
👍7
深度复盘｜做AI产品近2年总结出来的25条核心认知
过去2年，一直在探索如何把大模型跟普通人的创作结合起来，做过亿级规模的大众产品，也做过百万级规模的垂直解决方案，拿到比较多的用户反馈
在此分享AI应用的产品经验，希望可以帮助大家少走弯路，交流经验。拉长周期看，我们现在做的项目本身可能没那么重要，但我们积累的认知和经验会帮助我们迎接更大的机会
核心内容
1. 对过去成功路径的过度依赖，可能是未来成功的阻碍，从基础理论开始学习，上手体验和实践，保持迭代
2. 找到Model-Product-Market-Fit是核心能力，模型能力（现状&未来）匹配用户需求（存量&增量）
用户需求是渐变的光谱，按过去的旧分类，AI只能替代存量解决方案，无法创造增量市场
3. 有些实用价值的伪需求，但其实是有情绪价值的真需求
4. 给用户交付的一个结果，而非单纯做体验，通过管理用户预期，收敛场景，最终满足甚至超出用户预期
5. 把AI封装为原子能力，通过工具->模板->内容，带来乘数效应，而非单纯的漏斗转化逻辑
过去2年，一直在探索如何把大模型跟普通人的创作结合起来，做过亿级规模的大众产品，也做过百万级规模的垂直解决方案，拿到比较多的用户反馈
在此分享AI应用的产品经验，希望可以帮助大家少走弯路，交流经验。拉长周期看，我们现在做的项目本身可能没那么重要，但我们积累的认知和经验会帮助我们迎接更大的机会
核心内容
1. 对过去成功路径的过度依赖，可能是未来成功的阻碍，从基础理论开始学习，上手体验和实践，保持迭代
2. 找到Model-Product-Market-Fit是核心能力，模型能力（现状&未来）匹配用户需求（存量&增量）
用户需求是渐变的光谱，按过去的旧分类，AI只能替代存量解决方案，无法创造增量市场
3. 有些实用价值的伪需求，但其实是有情绪价值的真需求
4. 给用户交付的一个结果，而非单纯做体验，通过管理用户预期，收敛场景，最终满足甚至超出用户预期
5. 把AI封装为原子能力，通过工具->模板->内容，带来乘数效应，而非单纯的漏斗转化逻辑
👍4