没人用关键词来规划晚餐

Sarah Guo 和 Elad Gil 欢迎 Instacart 首席执行官、Metrodora Institute 联合创始人 Fidji Simo。Metrodora Institute 是一家专注神经免疫轴相关疾病的临床与研究机构。她此前负责 Facebook 应用。两位主持人指出，Instacart 是一家杂货科技公司，希望让忙碌的人能从他们本来就喜欢的零售商那里买到食物。Guo 从她的职业生涯聊起：她先在 eBay 做战略，然后一路从产品岗位晋升到主管 Facebook 的核心应用，之后加入 Instacart。是什么推动了这些转换？Simo 自称是一名务实的技术人员，她喜欢能为真实的人解决真实问题的工具。eBay 是一个由收藏者组成的社区，大家在这里交易商品，更重要的是一种热情。Facebook 让她这位在美国的移民，终于能和身在法国的家人保持亲近。Instacart 做的是食物，是生活中最重要的事情之一，也是让人们吃上晚餐、多陪陪家人的机会。

Guo 记得自己的第一印象：非常法式，涂着口红、穿着高跟鞋，却在主导着一批标志性产品，没有被硅谷的同质化文化同化。Simo 说，这从来不是一个品牌决策。她从出生起就是法国人，十二岁起就涂口红、穿高跟鞋。提出意见的是硅谷的同事。她转向产品岗位时，他们让她向工程师看齐：去掉妆容，把头发扎起来，穿上连帽衫。她在 Facebook 试了一天。走廊里没有人认出她，也没人跟她打招呼。她觉得，为了不做自己而付出这么多努力，实在太累了。如果她有精力可以花，她宁愿用来做产品，也不愿用来把自己塑造成另一个人。她保留了口音，也保留了高跟鞋。人们适应了她。她说，还是做自己比较好。

Guo 向一位共同的朋友、投资人 Ravi Gupta 请教该问些什么。Gupta 说，Simo 能赢得极大的忠诚，同时又非常严格。她是如何赢得追随者的？她告诉领导者们，包括她加入 Instacart 时，她希望将来他们回想起来，会觉得她是自己职业生涯中的一个重要助推器。这种伙伴关系有两个方面。她会用非常高的标准要求他们，并给出许多严厉的反馈。同时，她会在每一步都支持他们，始终站在他们这边，希望他们成功的程度超过任何其他人。这并不适合所有人。有些人听了，觉得压力太大，便走了。她认为这没问题。你不必是适合所有人的领导者，你们是相互选择的结果。留下来的人，往往想要做到卓越，并且希望和一个能给予足够安全感、让他们敢于伸展甚至可能失败的人共事。她说，当整个团队都是这种心态时，你就能得到他们职业生涯中最好的作品。

2021 年成为 CEO，并不是一段平静的接任。前一年，公司因为疫情带来的需求、新的使用习惯，以及突然大幅扩张的团队，增长了四倍；而外界的疑问是，Instacart 究竟是疫情中的宠儿，还是一个只靠单一优势的产品，会在大家回到实体店后就被抛弃。她说，在 Facebook 工作的十年，让她有足够的准备去应对很多事情。两年后快进，增长和使用习惯都保持住了。遇到这种时刻，要做的就是回到使命上。她花了很多时间描绘愿景，其中包括一场为期一整天的愿景峰会。有两件事必须让大家知道：Instacart 已经成为关键基础设施，这伴随着责任；同时，它也是一家零售赋能公司。当你在 Publix、Kroger 或 Schnucks 下单时，底层的很多技术都来自 Instacart。这就是下一座要攀登的山峰，一项需要十年努力的工作，也是在一波增长之后重新凝聚士气的理由。

Guo 问 Instacart 是什么时候开始做 AI 的，以及这一波生成式 AI 与之前的机器学习有何不同。Simo 对“他们只是在追赶一个风口”这种说法有些不耐烦。Instacart 从一开始就是一家 AI 公司。它本质上是一个搜索引擎：每季度十亿次搜索，全部由 AI 驱动。每当购物者在货架上找不到某件商品时，系统就会推荐替代品，这样的推荐已经给出了十亿次。把购物者和门店匹配起来，也是 AI。生成式模型带来的变化是，软件终于能用自然语言回答问题。她说，网络购物做了一件很奇怪的事：它训练人们把购物表达成关键词。没有人会把一周的晚餐计划写成香菜、茄子、酸奶油，而这正是他们今天的输入方式。人们真正的思路是：我有 300 美元的预算，要做这么多顿饭，女儿对乳糖不耐受，家里有地中海饮食的传统，有一套常做的菜谱，还愿意尝试一样新东西。人们就是这样提问的。软件也应该这样回答。她对这一波技术最兴奋的，正是答案能与问题对上。

企业常常把生成式 AI 当成老样子换上新模型，于是错过了它能做出的全新突破。Simo 给团队的提问是：我们一直想为用户解决哪些问题，现在能解决得好得多？她不先问“我们需不需要 AI 路线图”。她看到太多公司从路线图出发，再反推。在战术层面，他们同时运行着两条线。在首席架构师之下，有一个后来被称为 Carrot AI 的集中团队，深入研究新变得可能的事情。另一条是分散式的路线，负责把这些成果推广出去，让每个产品团队都真正用上这些工具。你不能指望每个工程师都钻研到底；但如果你想让生成式 AI 进入每一款产品，也不能把它关进一个中央孤岛里。他们办了一场全公司的黑客松，题目是“拿我们已经有的问题来做”，题目里没有“用生成式 AI”这几个字。Carrot AI 也经常被大家咨询。他们还上线了一个内部助手 Eva，让工程师能借助快捷方式和友好的界面使用 GPT-4，融入日常工作流程，不单独做成一个玩具。

她讲 AI 原生，和她当年讲移动广告的思路一样。Facebook 上市后，新闻标题说公司绝不可能在这么小的屏幕上变现。许多公司只是把桌面广告缩小来硬塞进去。她的团队则在 News Feed 中做出了广告，这是另一种范式。成为 AI 原生，意味着从根本上重新思考，把新东西硬塞进旧框架则行不通。比如在 Instacart，你可以问烤鸡该配什么菜，这一功能引发了一场关于搜索框的争论。在电商网站上，搜索框是神圣的；人们习惯输入关键词，提问可能会让他们困惑，也许该放在别的地方。最终的决定是把提问放进搜索框，因为如果从零开始重建电商，这正是你会开始提问的地方。她说，这样的小决策，会训练公司去颠覆自己既有的范式。

为什么要做内部助手，不直接让所有人去用 ChatGPT？原因是：易于获取、有快捷方式，界面用起来像核心工作的一部分。生产力的数据现在还为时尚早，她认为收益会远远超出工程部门。营销团队用 AI 做出了一个动画角色库，有 200 多个角色，还带有镜像式的动作，要是找代理机构来做，成本会高得惊人。法务团队用 AI 从一大堆合同中找出 Instacart 与特定零售商之间的定制条款，以便追踪。她指出，没有哪位律师会说，在一千份文件里翻找特殊条款是他一天中最开心的时刻。把这些交给模型，人们就能去做工作中真正值得他们投入的部分。

ChatGPT 插件让人们看到，在还没有“我决定去买菜”这一步的漏斗上端，人们实际是怎么说话的。Instacart 今天主要是漏斗底部的工具：你已经想要配送，也已经知道要吃什么。插件则更早介入。比如：我要办一场生日派对，不知道该买哪些零食。这种意图和场合，是关键词搜索从来没有捕捉到的。他们正在微软 Bing 和谷歌 Bard 上复现这一体验，希望成为从比特到原子之间的转化层。她认为，所有软件都即将变得更容易、更便宜。但从软件转为实体事物，依然很难。Instacart 已经聚合了 80000 家门店和一千多家零售商，这就是一句自然语言请求如何在两小时内变成门口的食品。接下来，她希望把它做成一个平台：任何营养类应用，任何食品甚至电商领域的服务，都可以接入这个网络，把意图变成门铃声。长远来看，就是回答人们自己会问的所有问题，这需要大语言模型加上独有的数据。非凡的商品目录，以及关于人们需求的数十亿个数据点，再与模型结合，才是优势所在。她对任何公司的建议都是：认真审视你的数据基础设施，以及你能为这个世界带来的独特数据集。

Gil 问到大语言模型尚未解锁的实体环节：自动配送、无人机、自动拣货。Simo 说，如果从零开始重建杂货业，大概会有更少的普通门店，更多全自动的暗仓。但他们并不是从零开始。Instacart 是一个拥有 80000 家门店的网络，这些门店的固定成本已经由零售商承担。派人去这些门店取货很高效：在已经付过钱的基础之上增加需求，而且门店离顾客很近。在她看来，自动化项目失败，与其说是缺技术，不如说是经济账算不通。一座超大型自动化仓库必须建得更远，才能汇集足够的订单，这意味着只能次日送达，无法当天送达，而顾客想要的是速度。结果就是，做出了不错的自动化，却既没降低成本，也没改善体验。回到务实的技术观：如果一项技术对成本或体验都没有帮助，它就很难很快得到大规模采用。

线下门店是另一条路：走向联网的门店。杂货零售的数字化转型，也发生在过道之间，而不只是在应用里，零售商现在开始向 Instacart 寻求技术。她加入后大约一个月内，就收购了 Caper。Caper 的智能购物车用计算机视觉识别放进车里的商品，顾客可以直接在车上结账。Caper 购物车与手机扫码支付，都是为了连接线上与线下。他们的数据显示，全渠道顾客比只在线上或只在线下购物的顾客更有价值。这些购物车已在 Kroger、Sobeys 和 Wakefern 投入使用。不用排队，几乎只是附带的好处。购物车前面的屏幕才是关键：放入一块牛排，就会显示配什么酱汁、在哪个过道、能省多少钱，以及实时更新的预算。她认为，这种更丰富的门店，将是未来五年杂货购物的样子。

Simo 多年来负责 Facebook 广告，所以 Guo 请她预测 AI 与广告的关系。她很看好。个性化正在走向在完美的时刻推送完美的广告。创意会爆炸式增长，因为你可以生成与合适的人相匹配的各种版本。广告跟随消费者产品走，这是 Facebook 的一条原则，而大量新的体验，意味着新的广告位。在 Instacart 和 ChatGPT 插件里，这一点就很明显：你问“给孩子买的无乳制品零食”，会同时得到有机结果和付费推广结果。意图比单纯的关键词清晰得多，这对广告主来说是一座新矿。至于未来有代理替你去买衣服的情景，她认为这对商业的影响是正面的。人们会变得更有效率，或者获得更多空闲时间。有些购物本身就是娱乐，比如逛逛衣服，这一点她承认，而 AI 可以让这种娱乐更有趣。其余的则是家务，而这些正是应该交给自动化的。

她对 Instacart 最不满意的地方，是今天的应用只是一个工具，交易式的：输入关键词，放进购物车，食物送到门口。食物是人类最能激发灵感的事物之一，是我们庆祝和表达爱的方式。人们花在看美食内容上的时间，已经比花在做饭上更多。机会在于，把这项家务变成一个时刻：你找到一份菜谱，对这一周充满期待，找到一样能成为亮点的零食。她相信，广告在更具沉浸感、更能激发灵感的环境中会更有效。对话式智能体不会抢走这些，它比他们现在那个简陋的搜索引擎更能吸引人。

Guo 用家里的例子把这件事说得更具体。大约 80% 的晚餐是一种优化问题：谁来吃、蛋白质和蔬菜、大家会做的菜。她愿意把整个任务交给智能体。然后是仪式感：当一家初创公司的 ARR（年度经常性收入）达到 500 万美元时，她会亲自为管理层做一顿晚餐，而为此她会在 Instacart 或 Caper 购物车里逛上两个小时。孩子的袜子和内衣应该按合适的尺码持续送到。周六和女儿们一起搭配衣服，值得用心对待。她希望的分工是：前一类更多地自动运行，后一类拿出更多时间。Simo 表示赞同。

录制前大约三年，Simo 被诊断出患有一种慢性疾病。她对医疗和生物技术所知甚少，还天真地以为，肯定有优秀的研究人员正在某个实验室里专门研究她的病症。事实并非如此。她开始看到这个行业的缺口，并与一位医生和一位科学家共同创立了 Metrodora。这家机构把诊所和研究结合起来，让神经免疫相关疾病的发现进展得更快，也让最好的技术更早进入临床。至今仍让她抓狂的，是 14 年这个数字：从研究发现到对治疗产生影响，平均要延迟 14 年。当一种疾病每天都在夺走你的快乐时，知道外面有东西能帮上忙，却要等 14 年才能发挥作用，用她的话说，这令人抓狂。该机构还希望把患者数据作为研究基础设施，帮助生物技术公司找到疗法，并改进临床试验的产出。她感谢 Gil：当她刚开始熟悉生物技术时，Gil 建议她聘请一位斯坦福毕业生来给她讲课。如今，他们开玩笑说，你直接问 GPT 就行了。

在临床上，他们已经在使用 AI 做临床基因组学、病理学，以及深入分析免疫系统，这些诊断工作的数据量巨大，模型能看到人类可能会忽略的东西。在药物研发方面，她的态度更谨慎。前景是更快的化合物发现和更好的临床试验。Recursion 和其他 AI 原生的生物技术公司已经做了好几年，结果如何仍是个问题，而生物技术里的一切都需要时间。她为五年后设定的衡量标准，不只是市场上出现更多有 AI 参与的药物（这已经开始了），还包括：临床试验的成功率高于行业其他公司，药物能够帮助更大比例的目标患者。相比之下，有些药虽能通过试验，却只对 20% 的受众有效。现在还太早，无法下结论。让她生气的，是那种关于机器人会来杀我们的末日论调，以及那种为了以防万一而要求停止进步的呼声。她不认为那些人正在经受可怕的慢性病折磨。好处显而易见：未来五年的发现会比过去五年更好。减轻危害，当然要做。技术总会带来坏处。要做的是尽量扩大好处、减少坏处，不能因此停下好的进展，因为未来十年，很多病人都会指望 AI 帮助他们治愈。

Gil 自称是长期悲观主义者，但他认为，在健康、教育和全球公平方面，短期的上行空间如此之大，以至于那些要求监管、扭曲市场的呼声为时尚早。人们把积极的一面丢在一边，只留下了恐惧。让他感到不安的，是核能的类比。据他讲述，1970 年代设立的核监管机构，使五十年里没有任何新的核电站设计获得批准。这真的是可以套用的模板吗？Simo 认为，医疗行业仍然缺少的，与其说是技术，不如说是在真实临床工作流程中的采用。医生被行政事务和患者压得喘不过气，大多数人没有时间读最新的论文。如果把 AI 作为医生能够信任的增强工具嵌入其中，它就可以帮助医生总结研究、跟上最新进展。准确性和出处很重要。她指出，医生用谷歌已经很久了，而谷歌从来没有经过完全的筛选。问题都是老问题，新工具只是把它们放大了。