Atlassian 的 CEO：无头是没脑子的

Atlassian 的联合创始人说，智能体不会取代界面：无头是没脑子的。整集要点与逐句翻译在文末。12345678910

本期是 20VC 的常规单人访谈：主持哈里·斯特宾斯与 Atlassian 联合创始人兼 CEO 迈克·坎农-布鲁克斯，用近一小时把当期官方议程上的九件事逐条过了一遍。以下按官方九段议程的顺序，逐段整理论点、数据、案例与金句。完整译文见文末「逐句全文翻译」。

片头从正片里剪出来的两句，就是整期的立场：一句是他对「放弃界面」的判决——「如果你放弃了自己的用户界面，如果你不再为客户去演进那份体验，那是一场没脑子的下注」；另一句是「我不认为智能体会取代所有的界面」。

哈里在开场给了一句背景：他认识对面这个人很多年。这一期的形态也因此很直接——九段官方议程写在单集页上，从「智能体会不会把传统软件变成只剩数据库」一路问到「关于变富，没人告诉你的事是什么」。

官方给出的嘉宾口径（官方文件）：Atlassian 由坎农-布鲁克斯与斯科特·法夸尔于 2002 年创办，产品包括 Jira、Confluence、Trello、Loom；2026 年年化经常性收入 65 亿美元，客户超过 35 万家，其中包含财富 500 强的 85% 以上；他本人正在通过 Rovo 与 Teamwork Graph 把公司推进企业级 AI。

他先拆了问题的前提。 哈里的问题假设价值会从「做事的人」转移到「提供数据的人」。他的回答是「这个问题的前提稍微不太对」：要按任务切分——功能性的任务会被智能体拿走，带着品味、交互和协作的任务不一定。他拿消费级购物打比方（那不是 Atlassian 的生意，但是个安全的例子）：从亚马逊买一根充电线，你只想把东西买到手；而另一些购物你享受过程。他的判断是，在企业协作和业务工作流里，智能体是把工作往前推、让人聚焦在更高价值的部分，「我认为这对 Atlassian 是好事」。

「无头是没脑子的」（节目中的说法，但有公开记录）。 被问到「决定 Atlassian 未来十二个月成败的核心战略决策」时，他给出的第一句是「我这话是有公开记录的——headless is brainless」。同一句主张摆在 Atlassian 官方博客的标题里，也摆在 The Verge《Decoder》那期访谈里（那期讲的是「SaaSpocalypse 并没有发生」）。他的定义是：如果你放弃了用户界面、不再为客户演进体验、不再是那份体验的重要一部分，那就是一场没脑子的下注。

但他同时极度重视 MCP。 他当场把这个容易产生的误会拆掉：Atlassian 拥有「全世界前三到前五的 MCP 服务器之一」，MCP 让智能体和外壳能往 Teamwork Graph 写数据、也能从里面读数据——这反而证明了这张图的上下文质量。

设计不是变得不重要，是变得更重要。 他把这条推到「分水岭」的高度：如果技术的创造越来越便宜、越来越充沛，那么差异化的东西里，清楚的一项就是设计和体验。他给了一个关于难度的解释——今天做出比市面上 90% 更好的 App 是容易的，但五年之后那个 App 只能好过 20%，因为标准会不断提高、体验会相对退化；持续升级体验需要大量研发与手艺活。

三件事同时成立。 他不接受「水平智能体还是垂直智能体」的二选一：会有一批处理宽泛任务的水平智能体，也会有一批在单一任务上钻得很深的垂直智能体，而两者的界面各自在自己的领域里有强项。他举的例子是双向的——智能体可以从 Claude、Codex、Cursor、Teams、Slack 访问 Atlassian，Atlassian 也可以在别处被访问。在「按下那一个按钮、一切自动完成」的「魔法按钮」论上，他说自己是个大空头。

在阿姆斯特丹发布的东西（官方文件）。 他说到这里时举的是当期发布：与 Figma 的一组功能、与 Databricks 的另一组功能，让你在 Atlassian 平台之内就能用到它们的能力。他的场景很具体——在 Confluence 里选中一段文字说「帮我核一下这个数字」，经由 Teamwork Graph 的数据上下文跑到 Databricks 或 Snowflake 取回答案；但他强调这不是说 Confluence 要变成 BI 工具。这场发布对应的活动是 Atlassian Team '26 Europe（阿姆斯特丹，10 月 6 日至 8 日）。

未来十二个月，他数出两件事。 一是继续拥有「全世界最好的企业上下文图」；二是在智能体时代继续演进设计和体验。他没有给出一个答案，这本身就是回答。

两个还没解决的基础设计问题。 第一个是文本框：给你一条空白的白线、告诉你它有无限的力量，「这从起步就是个糟糕的用户界面」；大多数用户只是把它当 Google 搜索用。真正的问题是——怎么把这种力量解释给用户、怎么在正确的时刻给他们正确的力量。第二个是「这段内容是谁做的」：他在写代码，Codex 建了一个 PR，那是哈里做的、还是 Codex 代表哈里做的？他把它展开成来源与责任的问题，并提到 Anthropic 的水印功能——「它暗示 AI 生成的文字是坏的，这不成立」；真正要回答的是贡献比例：同一段文字、同一个水印，可能是我出了两个想法，也可能是我让它在我的草稿上帮我改。

公司是一套流程系统。 他对当下流行的「软件工厂」类比有保留（工厂机械、边界清晰，而软件有创造性），但接受它的效用：我不再搅拌、不再切、不再冲压钢材，但我仍然要运转工厂、要发起、要处理例外、要掌舵与共同引导——逐项拆开，就是一堆新的界面问题。

五年后的「惊悚事」。 哈里问他：有什么今天听起来惊悚、五年后会极其平常？他的答案是「给 AI 打水印」这件事会被反过来——我们不会去标记哪些内容没被 AI 碰过，而且我们也不认为那是好是坏。他的类比是电影：你不会说「我要看没做调色的电影」，也不会在意悉尼的夜景被 CGI 做成白天；在意的永远是故事的质量。

播客里的传真机。 他讲 Atlassian 最早怎么收钱：网站上下载一份 PDF，填上信用卡号，传真过来，第二天早上地上是一卷一卷的纸，人工敲进一台实体机器。这段插曲是他那个类比的前半句——「二十年前在网上找到你太太会被认为疯狂，现在是 60%」。

最实用的一句区分。 他说得很直白：「在有些地方，客户对所谓『中国模型』确实有抵触。但客户对开源模型没有抵触。」这一句把地理标签和技术形态分开了。

Atlassian 生产环境里一个中国模型都没有。 他给的理由不是「它们不行」，而是客户判断：客户有抵触，所以「我们必须非常小心」；我们想非常以客户为先。他也交代了自己在用什么——平台上大量使用英伟达的 Nemotron（双方有深度合作），也用一些 Mistral 与其他开放模型。他的定位是：我们的工作不是挑模型，是替客户把 AI 用起来、为最好的活挑最好的模型、把所有模型混合起来给客户最好的价格。

他指出一个多数人没注意的循环。 他说很多美国模型正越来越多地用中国模型来训练自己，只是不说；于是「知道它是不是中国模型」这个标签的意义会衰减。他猜它会随时间消失，但「我们得看着」。

那 Linux 是欧洲的吗。 他描述自己跟客户的对话：你用的 Linux 是欧洲的吗？客户会说「是」。他会指出这个比例今天相当高——按他的说法约 40% 的贡献来自中国，因为中国有非常多出色的软件工程师。关键的反转在后面：因为它是开源的，我们以为「总有人在检查」；而有了 AI，我们检查它的能力反而比以往任何时候都强。

他把两件事拆开。 地缘政治上的战略控制权是一个问题，「要不要用一个在中国训练的模型」是另一个问题。他明确说前者不在自己的量级里，只讲技术判断：一家企业说「我不会用一个更便宜、结果更好、而且我知道里面是什么的替代方案」，长期看会是一个艰难的选择。

「自建模型」的宣称被极大高估。 这是他这一节里最锋利的一段：如果不是 Nemotron（但通常不是），那就是拿一个中国模型训了一下、或者在上面加了自己的微调专精，然后管它叫自己的模型——「你是在它上面加了东西、调了它，你并没有从零训练它」。他还给了一个具体的量级反驳：你说你花一百万美金训出了这个模型，「你不可能用一百万美金训出这个东西，你是拿别人十亿美金的模型做了裁剪」。

哈里的问题。 他点名 Harvey 与 Ramp 谈过自建模型看到的好处，然后问：你去年说这不是你的战略重点，现在有了事后之明，你的想法变了吗？你被验证了吗？

他的回答是有条件的。 「就目前而言，自建专用模型到底有没有好处，还没有定论。」他小心地加了修饰：确实有一些案例里专用模型做得非常好，但「做专用模型的人里，大多数并不在那些案例里」。他给出成立的场合：如果你有大量专有数据、面对非常专门的应用——他点名机器人与世界模型，说「我看得懂很多人真的去做它的理由」。

什么会证明他错了。 他给了一个可证伪的条件而不是一个立场：如果它们能在按每瓦价格算的基础上，持续跑出超过最新基础模型的指数级增益。他还补了机制：这些专用模型必须持续领先于被通用化的模型，而通用模型质量的提升速度，往往快过它们用专精保持领先的能力。

外壳是本事，但不是模型的进步。 他把智能体外壳解释成「把一组提示词和配置反复施加到某一类模型上」，好从同一类模型里榨出更多价值；换上更好的模型，外壳效果会更好——所以外壳的收益不能算作自建模型的收益。

「我不在乎成本」是一种只属于私营公司的奢侈。 话题由哈里的玩笑引出——他采访的未上市 CEO 们都说「你没看见我融了多少钱吗」。坎农-布鲁克斯的回应没有停在玩笑上：他说长期看纪律非常重要，「你在生活里做的任何事，在某个层面上都关乎纪律」。

他对「产品因此好两三个百分点」的回答。 哈里追问：如果对手因为没纪律、永远用前沿模型，产品因此好 2% 到 3% 呢？他把问题推回给资本本身——那取决于你是不是会继续给他们钱、并且相信他们永远能募到钱；「考虑到技术的历史，这看起来不太可能」。他给的正向判断是：用非常贵的模型很快拿到还不错的结果是容易的，而把更便宜或更老的模型应用到问题集上、并且做得好，才是真正的优势。

大型企业现在真的在看这笔账。 他描述客户的变化：企业在组织层面和工程团队层面都要看 token 花在哪个模型、哪个功能上，在哪里拿到了价值，应该在哪里改。他的断言是，这是一笔越来越大的预算项，所以他们必须在乎。

成本纪律落在模型路由上。 「模型路由、模型混合，在正确的时刻用正确的模型，用上那个能自我调整的外壳。」他把这条路描述成一个繁茂的探索领域：做得越好，就越能把 AI 应用到更小的功能区块上。他顺手举了一个例子——那些所谓的「决策模型」，Jev 以及过去三周里冒出来的十五个克隆，「这件事疯狂、惊人、也吓人，三者同时」；它们常被用在以前贵到连 GPT-3 或 GPT-4 级别模型都用不起的任务上。

内部路由，不是第三方。 被问到模型路由会不会被商品化，他给的是规模论：任何一家大型技术公司大概都会在内部做这件事，Atlassian 有一整个 AI 网关团队；而对更小的、技术不是其专长的企业，市面上那些模型路由器和网关是实用方案，只是「纯粹自动地做路由非常难」。

他给产品团队的那条纪律。 「不要在短期过度优化成本。先做出惊人的功能。」他把优化排到规模之后：五个人用的功能，我不在乎多贵；五百万人用的功能，我非常在乎；而中间那段，「我通常有相当多的时间」。

五年后不再贵的那件事：模型推理。 这是全期里最干脆的一次下注。他的理由是投入侧：本来会去麦肯锡、去 NASA 的人，现在在做推理的每瓦价格性能；从新芯片到数据中心设计，到把能力从基础模型里蒸出来的各种方法——「我无法相信它们不会把它压下来」。

Jevons 悖论的另一半。 哈里的反驳是「人会用得更多」（他自己让 Instinct 每天每一秒跑五十个搜索）。坎农-布鲁克斯接受这一点，但把两件事分开：用量爆炸与单价下坠并不矛盾，「但总还是有一条经济曲线」。

技术的生产，已经快过技术的消费。 这是他整段里最像宏观判断的一句：「我们能造功能的速度，快过客户能以切实改变他们生意的方式把功能消费掉的速度。」他给了边界——不会有无限的使用：你的手机是口袋里的超级计算机，但你不会把 CPU 一直烧到 100%。

从信息不对称，到想象力不对称。 他把这句话的出处给了 Culture Amp 的创始人迪迪埃·埃尔津加：「这是他的说法，至少我是从他那里第一次听到的。」他展开成：不再是我知道一些别人不知道的东西，而是我能不能想到把 AI 以独一无二的方式应用到问题上。这是他「创造力驱动经济」的正面表述，也是整期里最常被引用的一句。

被问「你的想象力用在哪了」，他答的是时间。 他没有把它变成一场战略阐述：「我最大的问题是时间——也许这是我们所有人的问题。」他想给自己切出足够多的时间做深度思考，并说「过去两三个月正在积极地尝试去做这件事，哪怕一周只有几个小时」。

时间被切碎这件事，本身有历史。 他把它拉成一条趋势线：从电影到电视剧到 YouTube 到 TikTok，从书到杂志到报纸到推文。到了智能体的世界里，它有了新的形态——「往前推一步、做一件事；再往前推一步、做一件事」。他的诊断是：每一天的变化很大，但要看清以年为单位的改变，需要深度思考；而「你的 Claude、Instinct、Muse 之类的东西，都会不停地攻击你的注意力」。

数据市场，和他想做的不是一回事。 他区分两种数据：一种是可以卖给很多人的大规模生成通用数据集；一种是一家公司内部的历史与决策。他认为后者「在一家公司内部的价值非常相似」，而且「我不认为他们会去卖这些信息」。他提到 Mercor 一类公司，也提到那笔买下航空公司数据的交易。

他记错了那笔交易的数字（媒体·已报道）。 他说的是「三千万美元买一百万个邮箱」。公开记录里，2026 年 8 月破产拍卖中，Google 以 1,000 万美元收购 Spirit 航空的企业数据，按彭博法律的报道，标的是 1 亿封邮件、5 亿条微软（Teams）消息加上其他文件。金额与量级都对不上，但他说这件事的用意没变：数据的价值不来自规模，而来自它在公司内部是否还是活的。

社交图谱只在今天有效。 「一家公司的社交图谱在今天是有效的，也只在今天有效。」明天公司里的人就和今天不一样了，谁和谁在哪些项目上合作的图谱会持续移动。所以他们的工作不是去拿历史，而是让这张图保持新鲜；他给的区分是：事实要极其新鲜，学习要极其历史——「知道我在 2003 年写过 Java 代码，对 2026 年的 Atlassian 完全没用」。

自动驾驶汽车不需要知道爱因斯坦的生日。 这是他用来区分两种数据的类比：自动驾驶要的是一份关于道路的、非常专门化的数据集——弯道、标志、车流、婴儿车、骑行者，以及他们的动态；而通用世界的知识对它完全没用。

他否掉了「为数据去收购公司」这个问法。 哈里的问题是：如果能收一家公司、它的数据会对你的上下文图产生最颠覆性的影响，你会收哪家？他的回答是「为了数据去收购公司，对我们来说并不特别重要」——因为在他看来，那张图不是 Atlassian 的资产。

「那是客户的上下文，不是我们的」。 他把产品讲成一个索引工程：把组织性的知识、历史、决策包进人的社交图谱，叠上代码与技术服务，在上面建词法与语义搜索，再用一套对智能体讲得通的查询语言（MCP 与 CLI）暴露出来。

Teamwork Graph 是提前做完的检索。 他用的类比是 Google 对万维网做的索引：它不是为了回答你的问题才去爬那些网站，它是提前做的；他们的版本是「针对每一家公司量身定做」，因为每家公司的信息都不一样。

这张图的官方数字（官方文件）。 Atlassian 官方口径：Teamwork Graph 覆盖超过 1,500 亿条连接；另外两个更值得记的数字是——其 MCP 服务器与 Teamwork Graph CLI 的月活用户在一个季度里翻了一倍多、突破 100 万，管理层称为公司历史上增长最快的集成接口；而以这张图为基础的智能体，答案准确度最高提升 44%，token 消耗减少 48%。

两家都是很深的合作伙伴。 被问到 OpenAI 与 Anthropic 侵入文档和 Office 的地盘、他夜里怎么想，他先讲关系：两家都是 Atlassian 很深的合作伙伴。然后才给出判断——那条线画在哪里，会是一场被激烈争夺的、属于未来的变量，而「我不认为有任何人知道那个问题的答案」。

Confluence 自己的那本账。 他用一个具体产品回答「内容被抢走会怎样」：Confluence 是一桩年化收入超过十五亿美元的生意（那是他们几个季度前最后一次披露的数字），在很大的规模上仍然增长远超 25%，「单靠它自己就能成为一家很好的上市公司」。而它的东西表面上「只是内容」——你可以用十五种别的方式把内容放进电脑里。

写作内容本身不是优势。 这是他给整节收口的那句判断：「它还是要回到设计、体验、目的，以及和其他工作流的整合。」如果写作本身不是护城河，护城河就只能在别处——这也正好接回他开场那句话：设计体验在 AI 时代不是变得不重要，是变得更重要。

关于「Linear 的设计比 Jira 好」这一问。 哈里问得很直接。他的回答是「我认为不公平」，然后把它转成一场长跑论：十年前「好设计」的标准和今天完全不同，能年复一年维持升级的能力才是关键。他给的当期证据是 Jira 与 Teamwork 系列这一年增长得很好，「其中很大一部分就是因为设计体验」。

哈里的担心。 这一段是哈里最坦诚的自述：他做了十二年，精力比以往任何时候都多，却看到一大批二十岁的创始人在「敲钟收工」，会说「我不想干了，我赶紧卖了吧」。他把这个问题直接抛给对面这个创业二十四年的人。

「能量从哪来」。 他没有讲情怀，讲的是能量管理：「弄清楚是什么给了你能量，然后尽量多做那件事。」他把这称作他很想传递给孩子的一件事，也是他认为那些早早收工的人真正缺的东西——如果做这件事本身不给你能量，它撑不了五年十年。

关于「孤独」和斯科特。 他否认孤独：有一支很棒的高管团队、和一万个聪明人一起工作。谈到联合创始人斯科特·法夸尔时，他说两人至少每月见一次，喝点酒，开场三分钟内就会聊到 Atlassian 在发生什么；对一个退休的人来说，他非常活跃。

他替那些人说的话。 他先给的是同情：「所有创始人都是了不起的人，他们在承担某种疯狂的挑战。他们赢，他们输，他们失败，他们成功，他们仍然在承担同一个挑战。」然后才给判断：出于错误理由进入这件事的人，很难维持能量。

「现在融一千五百万美元没那么难」——他说这是 VC 的错。 这是他这一节里最不客气的一句：招几个人，玩玩创始人这个游戏，然后一有机会就收工走人。他承认那类东西有它的市场价格，但仍然坚持：和聪明的人一起、在困难的问题上、长时间地工作，才是留在这件事里的理由。

移动时代那一轮的类比。 他见过同样的模式：移动起飞时涌来一大批人造移动应用和移动公司，他们没有撑下来；而那些赢下来、撑下来的，往往还在同一个领域里。他的结论不是「这一轮不一样」。

过去十二个月，他改的是对推理价格的判断。 快问快答第一问：「大概率是推理的未来价格。它会一路往下走，比我原来想的还要低。」这和他前面「模型推理五年后不再贵」的论述是同一个判断，也是他这十二个月里唯一主动说出来的、被改变的想法。

有钱：美妙，也是担子。 他的答案是负担论：那只是一份临时持有的遗产，而你有责任用它去做对社会有益的事，不是对个人有益的事——「你会感受到那份担子」。

「长进」这个职位，还是「膨胀」这个职位。 他引述一位高盛老 CEO 的话来解释自己：「我明确地觉得自己配不上这份工作，我必须疯狂努力才能在下一年配得上它。」他把同一套标准用在养育上——好奇、谦逊、感恩。

他收到过的最好的建议：对自己讲和。 「wage peace on yourself」。他的展开很具体：很多事真的很难，尽了全力之后，无论成没成，试着不要对自己太苛刻；科技行业的人给自己设的标准高得离谱，而那本身会成为一种新的压力——「去踩踩草地，对自己温柔一点」。

他还需要长出来的能力，是「慢」。 最后一问是「有什么是你个人必须要长上去的」，他的答案和前面关于时间的回答是同一个：在一个越来越快的世界里创造慢思考的时刻。「慢下来才能快起来。」

底稿是本期官方同名视频的完整英文字幕（58 分 55 秒，11,208 词），按九段官方议程切成十节。只保留中文译文，不保留英文原文；对话部分保留说话人标签（片头／哈里／迈克），不压缩、不摘要、不删减。

迈克：如果你放弃了自己的用户界面，如果你不再为客户去演进那份体验，那是一场「没脑子的」下注。我不认为智能体会取代所有的界面。

片头：在今天的节目里，我们请到了 Atlassian 的创始人兼 CEO 迈克·坎农-布鲁克斯，聊当一个智能体已经能从数据库里把信息抽出来的世界里，传统软件会变成什么样。它们还值钱吗？Atlassian 怎么想「上下文层」这件事？以及这对下一代企业软件意味着什么？还有更多。这是一场非常坦诚、同时也非常精彩的对话，我和他认识很多年了。

迈克：很久以来第一次，我们又在解决基础性的设计难题了。同样地，在有些地方，客户对所谓「中国模型」确实有抵触。但客户对「开源模型」没有抵触。就目前而言，自建专用模型到底有没有好处，还没有定论。眼下，技术的生产速度已经快过了技术的消费速度。我们正在从一个「信息不对称」的世界，走向一个「想象力不对称」的世界。

片头：可以开始了。

哈里：迈克，老兄，我太喜欢我们的对话了，一直都是我最喜欢的。今天非常感谢你来做客。

迈克：哦，谢谢你又请我来，老兄，我很感激。能被再请回来，一定是因为我给出过那些有意思的回答。

哈里：我前几天看到你的一段小吐槽，我很喜欢。你会给诚实的答案，这是我并不总能拿到的。我真正想从这个问题开始：我们看到一个智能体的世界，智能体会消掉大量人类对数据提供方、数据源的接触需求。想听听你怎么想——当价值发生转移，由智能体替我们去检索、去完成任务时，Atlassian 有可能变成一个「数据提供方」而不是「做事的人」，你怎么看这件事？

迈克：我觉得这个问题里有一些前提，稍微不太对。重……嗯，我认为，对某些任务来说确实是这样——那些非常功能性的任务，是这样；而那些带着大量品味、交互和协作的任务，我不认为会是这样，至少不会以同样的方式。所以要笼统地给一个跨所有任务类型的答案很难。比如说，拿一个消费级的场景举例——显然那不是我们做的生意，但是个安全的例子——有某些类型的购物，我就是想赶紧把东西买到手、然后走人。如果我买一双耐克鞋，或者从亚马逊买一根充电线，你就把充电线给我就好，我无所谓，我不需要别的，对吧？而另一些类型的购物，我可能享受那个过程，我想去店里，我想做很多功课，我想自己来。所以会有一整个谱系。是的，对一些任务来说，智能体会把那些平庸的部分消掉——我就是想把事情办完。但在企业协作和业务工作流的世界里，智能体会帮忙，而且我认为在很多情况下已经在帮忙，把事情往前推，让人能真正聚焦在更高价值、更有创造性的那部分工作上。我认为这会改变很多工作，但我不认为它必然是负面的，也不认为它对 Atlassian 是坏事。我认为它对 Atlassian 是好事。所以我们想成为那个智能体世界的一部分，只是「具体怎么做」这件事，在企业软件里离被解决、被定下来还远得很。

哈里：如果我反过来问你：未来 12 个月里，决定 Atlassian 成败的那一个核心战略决策是什么？你会怎么说？

迈克：是，我这话是有公开记录的——「无头是没脑子的」。从定义上讲，我认为这里又被搞混了。

哈里：你以前说过这句，迈克，你还坚持这个说法。

迈克：绝对坚持。因为当人们以那种方式谈「无头」时——如果你放弃了自己的用户界面，如果你不再为客户去演进那份体验、去解决你本来要为他们解决的问题，如果你不再是那份体验的重要一部分——是的，我认为那是一场没脑子的下注。这不代表我们不重视 MCP、不重视 CLI。我认为我们拥有全世界前三到前五的 MCP 服务器之一。我们极度重视 MCP，重视它让智能体和外壳（harness）能够往我们的平台、往 Teamwork Graph 里贡献数据，也能从 Teamwork Graph 里读数据；说实话，MCP 和外壳正好展示了我们这张图的结果——它证明我们的上下文图质量有多好，能为客户解决各种各样的问题，这很棒。但如果我们的界面和设计没有在演进，没能把某些问题、或者问题集里相当重要的一部分，为客户解决得更好，那么是的，我认为你会有麻烦。

哈里：真抱歉，那我是不是可以这样理解——你从根本上不同意「在智能体的世界里，界面和设计变得没那么重要」这个说法？

迈克：绝对不同意，我认为它变得更重要。我认为设计和体验是 AI 时代成功的关键之一。我们现在在设计体验上的投入，是我们从来没有过的量级，而我们历来在这上面的投入就不小。过去二十年里，我们持续升级自己的体验，我认为很少有企业软件厂商做到了这个程度。做个 App——我一直这么想——做出一个比今天市面上 90% 的 App 更好的东西，是容易的；但五年之后，那个 App 只能好过 20%。体验是会「退化」的，因为标准在不断提高；要升级 App 的体验真的很难，需要大量工作、大量研发，需要大量艰苦的手艺活，才能持续做下去。我们正处在一个所有人都需要把自己体验的档次提上去、以应对 AI 时代的年代。但我确实认为，在 AI 时代，设计体验甚至更重要。我认为它会是那个分水岭。如果你承认技术的创造正变得越来越便宜——技术的创造是充沛的、繁茂的——那么在我看来，差异化的东西里，清楚的一项就是设计和体验，它才是让一个应用、一个产品、一项服务脱颖而出的东西。

哈里：所以你不认为我们会拥有那种横跨许多垂直服务商、替我们做功能性工作的「水平智能体」。你认为那些垂直服务商的设计和体验会保持极强的地位。这不是引导性问题，我是真的想问。

迈克：我认为那是对世界过于简化的看法。我们当然会有一些处理宽泛任务的水平智能体，你也会有一些在单一任务上钻得很深的垂直智能体。我不认为智能体会取代所有的界面。我认为这三件事可以同时成立。举个例子：我们有很多智能体运行在很多平台上——显然有 Claude、Codex、Cursor 这类地方，还有 Teams 和 Slack——它们访问 Atlassian 平台、把数据回写到 Atlassian 平台。但这不意味着那就是在 Atlassian 平台上做所有工作的最佳界面，它对很多不同的事情可以非常有用，反过来也一样。我们正在和合作伙伴 Figma 一起发布很多功能，也和合作伙伴 Databricks 发布了另一组功能。两者都是让你在 Atlassian 平台之内就能用到 Figma 和 Databricks 的能力，这非常有力。如果我在读一个 Confluence 页面，只想选中一段文字，说「帮我核一下这个数字」，它经由 Teamwork Graph 的数据上下文跑到 Databricks 或 Snowflake 那边，把答案取回来，或者给你画一张小图——这很棒。这并不是说 Confluence 是一个 BI 工具，它不会成为你需要的那种动力源；但有时候你只想要一个从别处取来的快速答案，那是一种和「我想住进那个世界去做那件事」非常不同的体验。Figma 也一样，对吧？你可以在 Atlassian 平台里的很多地方和 Figma 智能体互动，也可以在 Figma 界面里的很多地方和 Atlassian 平台互动。这是 A 到 A 的教科书式定义，我认为它是跨多个专业团队时最好的 A 到 A 例子之一。但这两个界面各自在自己的领域里有自己的强项。我不认为会出现一个「超级智能体」，神奇地把所有事都干了。在 AI 的「魔法按钮」论上我是个大空头——就是按下那一个按钮、它替我们把一切都做了的那种说法。我不认为它真会那样运作。

哈里：那如果我回到那个问题——决定 Atlassian 未来 12 个月成败的那个核心战略决策是什么——你会怎么答？

迈克：嗯，排在最前面几件里的，肯定是继续投入、继续拥有全世界最好的企业上下文图，继续保持在前面。另外，就像我们刚才谈到的，在智能体时代继续演进设计和体验会是一个很有意思的挑战。我现在特别喜欢和我们设计团队一起花时间，因为很久以来第一次，我们又在解决基础性的设计难题了。我会说，移动时代是上一次我们不得不去想全新的设计范式的时候。我们这次在阿姆斯特丹发布的大量功能，真的是基础性的设计突破。智能体应该怎样出现在一个宽泛的协作平台里？我应该怎样和它们互动？我怎样处理「人」和「智能体」互动时出现的问题？智能体代表人类行动。怎样知道哪些内容是被 AI 碰过的、哪些不是，而这是好事还是坏事？AI 百分之百生成一段文字，和 AI 帮你写点东西，是两件不同的事，对吧？我们怎样把这一切向人解释清楚、在哪里它才重要？来源与责任是非常非常重要的。还有速度和理解。我是不是想看到所有人的智能体轨迹？不。但我需不需要理解它们是什么、并从中学习？需要。有很多基础性的设计问题，我认为一旦解决就能提升客户的成果。现在这是个很有意思的时期。

哈里：那么智能体身上那个我们还没解决的基础性设计问题是什么？

迈克：首先，文本框很糟糕。给你一个小文本框，说「这是一行文字，你可以往里敲字符，它有无限的力量」，而它就是一条空白的白线——你会说，这从起步就是个糟糕的用户界面，对吧？我们正在看到很多试图改变这个问题的尝试。它极其强大：智能体、以及广义的聊天和 LLM 是如此强大，而大多数用户只是盯着它们，把它们像 Google 搜索一样用，对吧？这就是现实。但你怎么把这种力量解释给他们？怎么在正确的时刻给他们正确的力量？关于「智能体 UI」有很多讨论，比如说那条会随时间改变自己给你哪些功能的「功能带」，以及当这些功能演进时它怎么跟上。这一块有很多挑战。第二，智能体代表用户做事，正成为一种越来越常见的模式。我再说一次，我认为软件团队在很多这方面是站在最前线的，但我认为它会蔓延到法务团队、HR 团队、市场团队，全都一样。比如说我在用 Codex，它替我做了某件事：我在写代码，Codex 建了一个 PR——那是哈里做的，还是 Codex 做的，还是 Codex 代表哈里做的？这里面有多少是哈里、多少是 Codex？因为如果你深度参与了，内容的性质是不一样的，而我们需要理解它是从哪来的，因为人们会想「我只要人类留下的评论」「我只要智能体留下的评论」，而想看到两者都有，都是有正当理由的。这是一个非常有意思的设计难题：内容出处的「来源性」，是一个不简单的问题。我们在 Anthropic 的水印功能上就看到这一点。它暗示着 AI 生成的文字是坏的——这不成立，对吧？真正的问题是：我是贡献了一两个想法？我说的是「嘿，给我写一篇关于智能体设计的文章」，然后它写了三千字；还是我说「这是我关于智能体设计的文章，帮我改得更好」，而它只是帮我打磨？这完全不同。同样的文字，同样的水印。我们怎么帮你解决这个问题？再往下，你还有大量的业务流程。每家公司都只是一套拼起来的流程系统——一个巨大的、不断试图改进自己流程的有机系统。我们怎么想「改进流程」，相对于「处理流过流程的东西」，以及怎么演进我们运转它的方式。我们在当下非常流行的「软件工厂」思维里看到很多这样的东西。我并不总认为那是个好类比，因为工厂是高度机械、边界清晰的，而软件本质上是很有创造性的。但它的意思是：我一边在照看工厂，一边在看流过工厂的东西，但我已经不再去搅拌、去切、去做那些事了，也不再冲压钢材了——那些由机器来做。但我仍然需要运转工厂，仍然需要发起，仍然需要处理例外，仍然需要掌舵、共同创造、共同引导。而「我什么时候介入、什么时候不介入」，那些界面是一个真正的挑战。随着公司里发生的事情越来越多，我怎么才能有信心：出了问题时我会被通知，一切顺利时我不被通知；但如果我需要看细节，我能看到，而我并不需要看到所有细节，因为那里是一片汪洋。这里面有太多东西了，它真的很令人兴奋——眼下正是一片设计和体验发生变化的领域。

哈里：你刚才说到不同类型内容的水印。我认为五年之后，我们会给「人类创作的内容」打水印，因为那时候 90% 的内容都是 AI 生成的。这在今天听上去对很多人来说很奇怪。你觉得今天有什么听起来很惊悚、但五年后会变得极其平常的事？如果你想类比的话：二十年前在网上找到你太太会被人觉得很疯狂，现在是 60%。把信用卡放到网上——我记得我刚开始在 eBay 上买东西的时候，我父母不让我把信用卡填进去。现在当然……

迈克：我们开始卖软件的时候，你都不敢信。我们有一台传真机，你从我们网站上下载一份 PDF——就是一份 PDF，我记得还有一个 Word 版本——你把信用卡号写上去，传真给我们，我们第二天早上进来的时候，地上就是一卷一卷的纸，我们再把号码敲进一台实体机器里。这就是我们最早收付款的方式。

哈里：斯科特，从你的蜜月里回来吧，老兄，我们又来一个了。

迈克：我们从来没寄过一张光盘。所以，虽然我们是在互联网时代，但那时候付款还是要传真号码。公司就想用那种方式付你钱。你就得把它敲进一台实体机器里，把号码打进去。

哈里：那老兄，你那个「古怪但五年后会被证明非常准」的想法是什么？

迈克：我觉得五年之后，很可能整个「给 AI 打水印」这件事会被反过来——你说的那个反转大概是成立的。我们不会去标记哪些内容没被 AI 碰过；而且我们也不认为那是好是坏。我们不给「被 AI 影响的内容」附加质量或者主观评价——被 AI 改进的内容、任何形式的 AI 参与的内容，都一样。就像今天你去看电影，我们不会说「我要看没做调色的电影」——那不是一件事，你就去看电影，你想要一部好电影。各种电影里都有 CGI，你甚至不会意识到：他们在悉尼夜里拍，用 CGI 做成白天。这对我重要吗？我觉得真不重要。我关心的是故事的质量。我觉得文字也一样——有多少人会因为 Word 帮我做了拼写和语法检查，就说「我不想读你的内容」？我猜这里会有某种版本是相似的。当然也有另一种版本：完全是 AI 生成的垃圾。所以问题是我们怎么看待这个谱系。我不……我猜我们都会习惯去面对「它可能完全是合成内容」这个事实，因此，真正手工打造的东西会更加凸显出来。我仍然认为，最终让人和东西凸显出来的，是人的判断。

哈里：你和世界上一些最大的公司打交道。我前几天和杰森·莱姆金聊天，他说：「老兄，我告诉你，他们没有一个愿意用那些中国的开源模型，他们就是不想要。」我自己是 Fireworks 的大投资人，我相信开源模型，我认为这对生态是件大好事，但我确实担心企业不愿意用主要来自中国的开源模型。你看到这种情况了吗？你怎么看这个说法？

迈克：我觉得杰森越来越像是在经营世界上最小的公司之一。所以，不管好坏，我一向觉得他的观点挺逗的。我认为这件事大概会演变。我们想在决策上非常以客户为先，而在有些地方，客户对所谓「中国模型」确实存在抵触。但客户对「开源模型」没有抵触。比如说，我们在平台上用了很多 Nemotron，我们和英伟达有深度合作，那是完全没问题的。我们也用一些 Mistral，在不同地方用了很多其他开源模型。我们的工作，还是替客户把 AI 用起来。它不是去「挑一个模型」，而是「为最好的活挑最好的模型」，把所有模型混合起来，给客户最好的价格、拿到他们想要的结果。把 AI 用起来，是我们的工作。但如果客户对所谓「中国模型」有抵触，那我们就得非常小心。所以我们生产环境里不用任何中国模型，这一点我们讲得很清楚。我认为人们没有理解的是蒸馏和这种来回：知道它是中国模型这件事挺有意思，但很多美国模型正越来越多地用中国的模型来训练自己，只是他们不说。于是你就得到这一堆奇怪的循环，我也说不准它会不会随时间消失。我猜会，但我们得看着。我有时候会和客户聊，问：你们用 Linux 吗？他们说用。我又问：那是欧洲的吗？他们说，嗯，是。然后我说：我觉得差不多 40% 的贡献来自中国，这个比例今天相当高了，因为中国有非常多出色的软件工程师在做各种各样的事。但因为它是开源的，我们就会想「总有人在检查这些吧」；而实际上，奇怪的是，有了 AI，我们检查这些的能力比以往任何时候都更强。而他们很乐意用 Linux。

哈里：所以你认为这种怀疑被夸大了？

迈克：我认为有一个地缘政治的问题，关于谁对这种东西拥有战略控制权。那是另一个问题，和「我们要不要用一个在中国训练的模型、或者由中国人训练的模型」是两回事。如果你明白我的意思的话：谁在管理这个世界、美国还是中国，那是个大问题，不在我的量级里。

哈里：抱歉，这就是——老兄，你记得多年前你第一次见我的时候，我说我像哈利·波特。但它们某种程度上是一回事，因为建造这些模型的人不能离开，他们的家人也不能离开，除非告诉政府他们要去哪、什么时候去。所以他们实际上是在融合。

迈克：我不评论那一块的任何社会议题或其他议题。我说的是从技术角度看：一个人说「我不会用一项开放的技术」——如果我说「我不会用这段开源代码」，我会说：「可是代码在我手上啊。」好，如果你选择不用，那是你的选择，完全没问题。但一家企业说「我不会用一个更便宜、能给我更好结果、而且我知道里面是什么的替代方案」，我认为长期来看会是一个非常艰难的选择。而且我猜，人们会去拿那些开放权重的模型——他们其实已经在做了——去微调、去训练，然后管它叫自己的。大多数说自己在训练自己模型的人——你知道的，「某大公司声称他们为某个目的造了一个了不起的模型」，还起了个古怪的名字——我们见过很多很多次，几乎每一次：如果不是 Nemotron（但通常不是），那就是他们拿一个中国模型训练了一下、或者在上面加了自己的微调专精，然后管它叫自己的模型。我心想，等等，那不是一回事吗？你是在它上面加了东西、调了它，你并没有从零训练它。

哈里：那正好是我本来要问的问题——我们见过 Harvey，我想还有 Ramp，谈他们自建模型看到的好处。你去年把话说得很清楚：那不是你的战略重点，你不会走那条路。现在有了事后之明，当所有这些公司都出来讲自建模型的好处时，你的想法变了吗？你被验证了吗？这个思考过程是怎么变的？

迈克：就目前而言，自建专用模型到底有没有好处，还没有定论。确实有一些案例里，专用模型做得非常好。但我认为，做专用模型的人里，大多数并不在那些案例里。当然——如果你有大量专有数据，如果你面对的是非常专门的应用，确实有相应的做法。比如说你在做某类机器人、世界模型，我看得懂很多人真的去做它的理由。但有很多其他的，我不认为能经受时间考验。它们在交付的那一刻，可能对某个特定应用有价格性能上的优势，这是真的。但这个价格性能优势能不能随时间长存？在通用模型对大量应用越来越好越来越好的情况下，我不确定它能。第一点如此；第二点，很多说自己训练了模型的人，在我看来用词有点太快、太松。按这个标准，我们完全可以说 Atlassian 训练了一堆模型——我们有一批非常专用的开放权重模型，为特定目的做微调，给客户带来很好的价格性能。但我不会声称那是「我们自己的模型」。我认为这类宣称经常被极大地高估了。这些人里的大多数是拿一个中国模型，一般地加上一些领域专有的智能。你看他们花了大概一百万美金「训练」出来的，我心想：你不可能用一百万美金训出这个东西。你是拿别人十亿美金的模型，为某个具体应用做了裁剪——你想怎么通用化地理解都行。那完全没问题，但我不认为那叫作「训练你自己的模型」。对吧？如果你不是从原始数据开始的。如果那是他们的定义，那我们在很多地方都这么干，但那不是我说的「从零造一个模型」。

哈里：如果事情怎么发展，会证明那个论点、以及你的判断是错的？

迈克：嗯，如果它们能在「按每瓦价格算」的基础上，持续跑出超过使用最新基础模型的指数级增益。我们确实看到越来越多的应用，而这类问题很难笼统回答，因为它其实取决于目标应用，取决于解决问题、回答一个问题所需要的时间、成本和你所处的时段。你看一个智能体外壳，它是一种把一组提示词和配置——如果你想这么理解的话——施加到某一类模型上、并反复施加很多次的方式，你可以把它理解成循环，好让你从某一类模型里榨出多得多的价值。是的，你换上更好的模型，很多外壳的效果会更好。外壳设计在今天真的非常重要，但它不是模型的进步。这些专用模型必须证明：在给定的价格性能比上，它们能一直领先于被通用化的模型。我不认为我看到很多家做到了。肯定不是绝大多数做到了，因为那要求你拥有一份持续的专用数据集，以及一个不会被「通用化抹掉」的问题。我认为很多两三年前在做自己模型的创业公司——但愿里面没有你投的——现在基础模型基本上把它们做的事情碾平了：通用模型质量的提升速度，远远快过它们用某种专精保持领先的能力。所以我认为，我需要看到相反的情况才会改口。

哈里：太好了，幸好我投的公司里一家都没有。

迈克：太好了，松一口气。

哈里：太好了，幸好我投的公司里一家都没有，松一口气。关于成本，我有一个问题——其实这是我和创业者们常开的一个玩笑。因为我采访很多增长极快的公司 CEO，他们都是未上市的，我问他们：「前沿模型对开源模型，这个成本上的取舍你怎么想？也许性能上有一点点损失。」他们就说：「你开什么玩笑老兄，你没看见我融了多少钱吗？」他们总是说「你能不能把这段掐掉」——「但我不在乎成本。」

迈克：对，你在乎。我是说，你是一家上市公司。没有「我是私营、我融了一大笔钱」这种奢侈，你怎么想这件事？

迈克：我喜欢所有这些融了一大笔钱、于是不必在乎成本的私营公司，因为它们没有在建立「在乎成本」的纪律。有些公司有，但长期看，纪律非常重要。你在生活里做的任何事，在某个层面上都关乎纪律。

哈里：但如果他们的产品因此比你的好 2% 到 3%——就因为他们没有纪律、永远用前沿模型呢？

迈克：我想那取决于你是不是会继续给他们钱、并且相信他们永远能募到钱。考虑到技术的历史，这看起来不太可能。但也许吧。我认为成本非常重要，但也不只是因为这一点。你看外面很多例子：用一个非常贵的模型、很快拿到还不错的结果，是很容易的。我认为用一个更便宜、或者更老的模型，并且把「把它应用到问题集上」这件事做好，对大多数技术、价格和成本来说才是真正的优势。我认为我们聊过的那些客户——世界各地的大型企业——今天对这类事情极其敏感。他们真的、真的很在乎价格性能，而且越来越在乎。我们现在有一整套产品能给你看你的 token 花销：无论是整个组织的层面，还是你工程组织里的开发者体验（DX）层面——让你理解你在哪里用了哪个模型、在哪里拿到了价值、这个功能你为什么要用它、以及你应该在哪里改，来优化你的花销。因为这是一笔越来越大、越来越大的预算项，而且他们看到它只会变得更大，所以必须在乎这笔支出。我认为，这对他们买一个通用模型、或者从三到五家大厂之一买基础模型，和他们买一个产品——成本已经烘进产品价格里——并没有区别。所以我认为，成本纪律会越来越持续地到来。而且我认为这是我们的一项优势，比如说我们有能力持续把被高频使用的功能的价格降下来。我相信，一家伟大技术公司的核心能力之一，就是管理技术成本的能力。

哈里：而那会落在「按任务逐个智能路由模型」上，以优化成本。

迈克：模型路由、模型混合，在正确的时刻用正确的模型，用上那个自己能挑、能自我调整的外壳。眼下这是一个非常繁茂的探索领域。你把这件事做得越好，你就越能把 AI 应用到更小的功能区块上。你比如说那些所谓的「决策模型」——Jev 以及过去三周里冒出来的十五个克隆，这件事疯狂、惊人、也吓人，三者同时。它们常被用在以前贵到连 GPT-3 或 GPT-4 级别的模型都用不起的任务上。这很棒，因为我们现在正把概率化的思维应用到越来越多的功能集上。我看我们因此都会得到更好的产品。

哈里：你怎么看模型路由这一层？这是每家公司都会自己建、最终被商品化的内部能力，还是一种专有的本事？我们显然看到 OpenRouter（亲爱的美国人这么念）被高价买走了。也许那是绝妙的战略，也许不是，我其实不知道。如果它像你说的是一种核心能力，你怎么想？

迈克：我认为对我们这个量级的公司来说，你必须自己非常擅长做这件事。规模会带来持续的挑战。我认为任何一家大型技术公司大概都会在内部做这件事。这可能包括用 OpenRouter，加上很多别的东西，加上你自己的内部路由，等等——这些东西可以不断地往上叠。我认为对更小的企业、或者技术并非其专长的企业来说，那些是非常实用的方案：市面上有非常多模型路由器和网关，各自都声称自己能干什么。我认为笼统地说，要纯粹自动地做路由是非常难的——我想这正是它们正在展示的东西。你得给足「引导」或者说意图，而外壳也会是其中的一部分。所以你是在谈通用的 LLM 调用。你越是使用外壳，它们就在做自己的那层路由。你越是用 SaaS——你来到 Atlassian 平台、用 Rovo 或我们的任何 AI 功能——模型路由会自动替你发生。而我们的工作就是把那些成本混合起来，再以最好的质量、最便宜的价格、最快的速度把最好的答案交还给客户。这个三角取舍，我们在任何一个功能上都会一直盯着。这是我们给客户的价值主张的一部分。

哈里：而你不会用第三方，那是内部路由。

迈克：那完全是内部路由。是的。我们有一整个 AI 网关团队，那不是一个小团队，在做这件事。我们必须做它，首先是因为规模巨大；其次是因为我们想在合理的地方持续把那个成本压下去。所以我经常对产品团队说：不要在短期过度优化成本。先做出惊人、神奇的功能。如果客户用起来了——我们以为神奇的东西，客户也认为神奇——它开始规模化，那时候我们再来处理成本。所以你要稍微往前想一点：我们有没有可能把这个成本降下来？但先别管它，以后再说。如果一个功能只有五个人用，我不管它多贵；如果五百万人用这个功能，我就会非常在乎成本。而在中间那段，我通常有相当多的时间去持续优化。

哈里：有什么今天很贵、但你认为五年后不会那么贵的东西？

迈克：模型推理。我可能有点辛辣的看法是：投入在推理的「每瓦价格性能」上的精力、创业公司、资本、时间、聪明人——那些本来会去麦肯锡、去 NASA 或者去别处的人——这个量是疯狂的。而我猜，其中很多要过好几年才会真正兑现：从新芯片，到更好的数据中心设计，到各种蒸馏、从基础模型里把东西榨出来的方法。有大量这样的整体进步，我无法相信它们不会把 LLM 的「价格性能单位」——我们还没有一个好词来称呼它——以一个急剧的速度压下来，仅仅因为被投入的资本量、被投入的头脑和人才量如此之大。

哈里：但有人真的在这么主张吗？我觉得他们主张的是 Jevons 悖论——也就是说我们会用掉多得多的推理。你看，我让 Instinct 每天每一秒都在实时跑大约五十个不同的搜索。我们就是会用得更多。

迈克：我们会用得更多，但那仍然意味着成本会降下来。在成本接近免费的地方，是的，它会爆炸。如果某个东西免费，你就会无限量地用它，对吧？你不在乎，你随手扔掉，无所谓。如果它没有「浪费」这个成分——而浪费表面上就是一种成本——那么是的，会是这样。但我认为它总还是有一条经济曲线。眼下，技术的生产快于技术的消费，对吧？它是超前的。我们已经到了一个临界点：我们能造功能的速度，快过客户能以「切实改变他们生意」的方式把功能消费掉的速度。总得有一个点，它就不再成立了吧？所有这些不会被无限地使用，对吧？你的手机有惊人的超能力，它是你口袋里的超级计算机。你会一直把 CPU 烧到 100% 吗？不会，你连接近都不到。

哈里：那么，这一层推理的价值、以及这一批人才，会怎么样？你刚才提到芯片的垂直化、不同的供应商——迈克，未来几年它会发生什么？

迈克：我认为它极其正面。我猜，对那些想用这些模型去实现事情的人来说——无论是编程、做架构、改进业务流程，还是别的什么，创造艺术——我认为我们该把它看作非常正面的事。我们会得到更高价值的技术。我们会得到对每一个消费者都更好的产品和服务。我认为这会是一个由创造力驱动的经济。我最近最喜欢的一个说法——我要把功劳给 Culture Amp 的创始人，这是他的一句话，至少我是从他那里第一次听到的——我们正在从一个「信息不对称」的世界，走向一个「想象力不对称」的世界。这是理解这件事的一个绝妙方式，对吧？不再是我知道一些别人不知道的东西，或者我拥有某种特定的商业知识。那些知识，作为不对称价值的来源，正变得越来越不重要；重要的是：我能不能想到把 AI 和这些技术以独一无二的方式应用到问题上。这就是我们现在在商业里都不得不看到的创造力。如果你是自己生意的「第一性原理思考者」，那太棒了，对吧？这是我们经历过的、在技术上最有活力、最令人兴奋的时期，也许还会是历史上最令人兴奋的时期。我明白为什么它吓人。我也认为那正是想象力——你在用全新的方式应用新的东西。

哈里：如果我们活在这种想象力不对称里，让你回顾过去十二个月，你认为自己在哪里的想象力不够、本来需要更多？

迈克：我最大的问题是时间——也许这是我们所有人的问题。我不是在以某种关于生死的宏大哲学方式说这句话。

哈里：我是个风险投资人，我的朋友。我坐在场边，在有人叫我的时候往里扔桎梏。时间。

迈克：我工作相当努力，日子相当长，做很多不同的事。所以——

哈里：老兄，那是因为我是个播客。也是个糟糕的决定。

迈克：你手里同时跑着五十个 Instinct 任务。我都还没找到机会把 Instinct 装上。我听说过它，我概念上知道它是什么。所以我真正在试图做的，是给自己切出足够多的时间来思考。那种深度的、长时间的思考。这个世界有一种「时间被切碎」的现象。你知道，人们会讲从电影到电视剧到 YouTube 到 TikTok 的迁移，对吧？从书到杂志文章到报纸到推文，诸如此类。一切都变得越来越碎片化。而在智能体的世界里，你很容易进入那种「往前推一步、做一件事；再往前推一步、做一件事」的状态。而坐下来长时间思考、同时持续吸收这些变化并试图看清它们——我们正处在一段历史里，每一天都有大量变化，但要看清以年为单位的改变要难得多，它需要一种深度思考，而我在试图为自己造出那种空间。今年忙得不可开交，我没能有太多时间做这件事，但我在过去两三个月里正积极地尝试去做，哪怕一周只有几个小时。人非常容易变得忙碌。而在 AI 里，甚至更容易变忙，对吧？你所有的智能体、那些 Claude、Instinct、Muse 之类的东西，都会不停地攻击你的注意力。你怎么为真正的思考创造时间和空间，是我认为自己需要变得更好的地方。每个人都需要。

哈里：也许我给你一点背景。我的 Instinct 就是一个自动给我女朋友买 Loro Piana 鞋子的自动化。这不是什么极其聪明、精密的流程，只是给你一点边界感。也许在硅谷他们在做聪明的事，我这边只是买 Brunello Cucinelli。

迈克：我觉得你会惊讶地发现，很多智能体的消费级用例——人们已经谈过，其中很大一部分基本上就是购物和旅行。如果你是聚合器，或者你是广告引擎，那我祝你好运。我有个问题问你：我们看到很多数据交易市场，无论是 Mercor 之类的，还是那些向小公司、中型公司支付一大笔钱买数据的。你刚才谈到上下文图，数据会喂进那张图。你怎么想数据的成本、获取数据的成本，以及随着演进这个市场会变成什么样？

迈克：你看，我认为这里有点不同。支撑 Teamwork Graph 的那些公司决策与知识，是关于我们试图帮助一家已经做过决策、做过项目、有过文档——而且常常有数据——的公司。比如说，PowerPoint 幻灯片有多少次是人们真正放事实和数字的地方？很多次。我们说数据是存在数据库里的，我说：不对，有大量数据存在 PowerPoint 里，而且它其实从来没进过数据库。我们怎么把所有这些组织性的知识、历史、决策，包进一个组织内的人的社交图谱里，再叠加上代码、叠加上一家公司创造的技术服务，把这一切混在一起，好给你好的答案、学习和决策，并且还能在上面替公司做大量推理——同时它本身又是一个持续自我学习的东西。Teamwork Graph 的工作，是在你的智能体提问之前就先做推理，推出对那个问题可能最好的答案。你可以把它想成 Google 对万维网做的那个索引：它不会为了回答你的问题去爬所有那些网站，它是提前做的。它有大量非常聪明的索引和推理技术来建一个索引，好让它能以极低的成本、在巨大的规模上回答问题。那就是我们的工作，只不过是针对每一家公司量身定做的，而每家公司都拥有一套完全不同的信息，那对每一家公司都独一无二。我不认为他们会去卖这些信息，我也不确定它特别有用。我知道我们见过 Mercor 或者 Google——我忘了最后是谁赢了——把数据买下来，是 Spirit 航空的数据，三千万美元买一百万个邮箱和一堆其他企业数据。我不知道那会不会变成趋势，但我认为那些数据在一家公司内部的价值非常相似。重要的部分是：它是活的。一家公司的社交图谱在今天是有效的，也只在今天有效。明天公司里的人和今天就不一样了，有人离职，有人入职。而且就谁和谁在哪些项目、哪些领域合作而言，这张社交图谱会持续移动和变化。我们的工作其实是让这张图保持非常新鲜。它不是去拿历史，而是从历史里推理出学习，但那必须建立在一个新鲜、且持续叠加的底座上。我常这么说我们的记忆、我们的「做梦」、我们理解一个组织历史的方式：知道我在 2003 年写过 Java 代码、写的是什么代码，对 2026 年的 Atlassian 完全没用。知道我曾经是个程序员——还是个糟糕的程序员——二十多年前，这倒是有用的，因为你可能用「懂技术的人能听懂的方式」向我解释一个概念。它的用处大概就这么多。今天，我是一个全职的管理者、一个全职的讲故事的人，一个兼职的设计与体验、产品的浅尝者。这就是我的工作，我热爱我的工作。但它的历史非常不一样。如果我看你过去十年的历史，我敢肯定你十年前做的有些事、它留下的回响和记忆，对今天的你是有用的学习；但具体的事实和数字并不太有用。所以一张组织图谱，在事实上必须是极其新鲜和当下的，而在学习和记忆上又必须是极其历史的，才能最好地帮助这个组织。Mercor 有点不同。那类公司是在寻找大规模生成的通用数据集，以便规模化地卖给许多其他提供方，让那些宽泛的智能平台变得有价值。让我想一个好的类比。也许你可以想想自动驾驶汽车：一辆自动驾驶汽车需要理解一条路上所有的细节，那是一份非常专门化的、关于道路的数据集。你知道，弯道、标志、车流、婴儿车里的婴儿、骑行者，诸如此类。它必须能识别它们，理解它们的动态和物理，这些东西。它得知道一个骑行者不会突然跳进车道里，对吧？它必须理解这一切。但它不需要知道爱因斯坦是什么时候出生的。对一辆自动驾驶汽车来说，知道爱因斯坦的生日完全没用。

哈里：迈克，如果你能收购一家公司、而它的数据会对你的上下文图产生最颠覆性的影响，你会收哪家？

迈克：我是说，为了数据去收购公司对我们来说并不特别重要。所以并不存在你说的「上下文图上的一个洞」。它更像是——那不是上下文图上的洞，那是客户的上下文，不是我们的上下文。我们在帮他们把它拼起来。我们在帮他们从自己积累的知识、工作、沟通里学习；我们在帮他们把意义连起来、把点连起来；我们在帮他们的智能体把这些点连起来。我们把它放进一张巨大的图里，在图的上面建一个大型的词法与语义搜索引擎，然后我们有一套对智能体来说讲得通的查询语言，通过 MCP 和 CLI 暴露出来。我们还在帮他们把自有的定制数据加进去。一家投资公司关心股票；一家制造公司关心材料供应；一家医疗公司可能关心医院和床位之类，有特定的数据。而他们全都有会议、文档、知识、代码这些东西。我们在试图把这一切拼在一起，让他们能取回它、也能从中取回学习。我们是在替他们建一个索引。真正造成差别的，不是数据本身——至少对我们来说。

哈里：我能问一个我也不知道答案的怪问题吗？当我们看到 OpenAI 越来越多地伸进文档和微软 Office 的领域——迈克，你是个对互联网很有研究的人，而且研究得很漂亮——你怎么看 Anthropic 和 OpenAI 对传统应用的侵入？那些应用是你和微软提供的。你夜里想到这件事的时候，你脑子里的那个声音会说什么？

迈克：他们两个都是 Atlassian 很深的合作伙伴，我们非常珍视与他们的合作。我想他们大概和很多公司都是伙伴，对吧？他们的生意在某种意义上是卖计算服务，如果你想这么理解的话；他们也在某种程度上做应用。这条线在哪里划出来，我认为将是一个被激烈争夺的、属于未来的变量。我不认为有任何人知道那个问题的答案。我会说，如果谈到文档这类东西，我们在 Confluence 上面对这个问题已经很久了。Confluence 是一桩年化收入超过十五亿美元的生意——那是我们几个季度前最后一次披露的数字。它本身就能成为一家上市公司。它仍然在以远超 25% 的速度、在一个非常大的规模上增长，所以单靠它自己就会是一家很好的上市公司。而表面上，它不过是内容——你可以用十五种别的方式把内容放进你电脑里。你电脑里现在大概就有二十种方式可以记下一段文字，从操作系统自带的，到你的工作空间提供商自带的。所以写作内容本身并不是决定性的优势。它还是要回到设计、体验、目的，以及和其他工作流的整合。所以我认为还有别的很多东西在起作用。这些帮助我们在这里建成了一桩非常成功的生意，我认为这还会继续成立。

哈里：完全理解。我能问一个很难的问题吗？如果冒犯，你可以直接说「哈里，求你了，我不想答」，那也很无礼。我热爱你对设计的专注，我热爱你的手艺，我能从你的语气里感觉到它。卡里和 Linear 也总在谈设计的手艺，我也能从他们的东西里感觉到。人们似乎更能在 Linear 的设计里感觉到手艺，而不是在 Jira 里。你怎么看这件事？这么想公平吗？如果不公平，请直说。

迈克：我认为不公平。我认为这类事情总会有起伏。重要的是永远不要停下来。让 Atlassian 成功了二十年、并且希望能再成功几十年的，是持续投入、不断提升我们软件体验的每一个部分。十年前「好设计」的标准和今天完全不同，十年后也会完全不同。能年复一年地长期维持这种能力，是另一回事。那是一种完全不同的、思考持续进步与交付的方式。Jira 和 Teamwork 系列这一年增长得非常好，在巨大的规模上加速、并且比以往任何时候都增长得更快——无论是用户数还是使用深度，其中很大一部分就是因为设计体验。我们在展示真正基础性的设计改变：速度、性能，以及我们能为客户达成的事情的效力。而在那些领域里，我认为我们就跑自己的比赛。我认为那最终是最好的做法。重要的是客户对软件整体质量的体验。而这是一场长跑。所以我会对任何人这么说：我们在这里已经二十年了，我们还打算再在这里几十年。我四十多岁，我不觉得自己中年，但我热爱我在做的事。

哈里：你只是觉得自己是另一种人吗，迈克？说实话，我现在最大的问题——这个节目之所以成功，是因为我很坦诚——我在担心。我看到一大批二十岁的创始人在「敲钟收工」。我的意思是他们不干了，他们会说「我不想干了，我赶紧卖了吧」。我已经做了十二年，我的精力比以往任何时候都多。你在播客这行比我久一点，你在创业这行二十四年了。

迈克：是的。我觉得你必须享受你做的事。我认为「管理自己的能量来源」对每个人来说都不是寻常事。能量是什么？

哈里：我会孤独吗？

迈克：往好里说，也是往坏里说，两者都有一点。如果你说的是「我是不是孤独」——天哪，我有一支很棒的高管团队，我和一万个最聪明的人一起工作。不孤独。我总说，我每天都能和极其多非常聪明的人一起解决难题。如果你给我量身设计一份工作，我会说，那就是我想余生去做的事。如果你说的是斯科特——我其实挺常见到他。并不是说他住得很远，我现在在阿姆斯特丹，他也常出差，但我们至少每个月都会聚一聚，一起喝点红酒或啤酒，聊 Atlassian、聊软件、聊 AI，开场三分钟内就会聊到眼下发生的事。所以并不是他对我们在做的事不感兴趣，也不是说我几乎每天都听不到他的消息。对一个退休的人来说，他非常活跃，这很棒。

哈里：但你有这么多年的经验，而每个人都有自己要跑的那段旅程，我觉得这没关系。我想我之前想说的是：你必须理解你的能量从哪来。这是我很想确保传递给我孩子的一件事——弄清楚是什么给了你能量，然后尽量多做那件事，你在人生里就会没事，大体上如此。我觉得你刚才说的那些人里，很多都是这样。而且我理解，在 AI 时代，做创始人所带来的心理健康挑战早就被写过了，而且永远写得不够，因为那是一份非常有压力的工作：你会觉得你要为别人的生计负责。在我这个阶段还没那么严重，但如果你处在早期——我融了钱，我得融下一轮，我得把这个生意做起来，我得做出利润、收入和客户，你的声誉和名字都绑在里面。我明白为什么它极其消耗人。我觉得我们应该从「所有创始人都是了不起的人」说起：他们在承担某种疯狂的挑战。他们赢，他们输，他们失败，他们成功，他们仍然在承担同一个挑战。我认为你说的那些人——那些出于错误理由进入这件事的人——很难维持能量。如果你并不享受在你所选行业里创造产品或服务，我不认为你能做很久。我认为很少有人是纯粹被钱、或者被「进入正确的圈子」所驱动的，那支撑不了你走五年十年。我觉得你大概做这件事，是因为你真的很享受它。

哈里：我喜欢对着麦克风跟你聊天。你会说：「啊，这太棒了。」

迈克：老兄，我每天都能采访像你这样的人，这是最不可思议的学习体验。我不在乎我拿不拿钱。

哈里：那太棒了。所以你找到了你的能量来源。它不必是唯一的来源，但它是给你能量的东西之一。我觉得当我……我前几天看到你在街上边走边吐槽这件事，我觉得完全是真的。但我在这里待得够久——听起来像我是个很有智慧的老人家，有点吓人。你会看到技术行业的每一次迭代都是这样：有一个最新的东西，它吸引了大量资本、吸引了大量人。而当那个最新的东西变成昨日之物时，它仍然可以非常有意义，对吧？我们在移动时代起飞时见过这个：有一大堆人涌来造移动应用和移动公司，他们没有撑下来。那些赢下来、撑下来的，往往还在同一个领域里。所以不，我的担忧更多是：它本就应该很难。我完全同意你说的创始人的挑战，但我们现在把「有人以种子前估值融到一千五百万美元」这件事变得太正常了。现在融一千五百万美元没那么难，招几个人，说实话玩玩创始人这个游戏，然后一有机会就收工走人。我认为我们在某些方面把它变得太容易了。那是风险投资人的错。

迈克：它是一个资本社会，对吧？所以我们不能——那就是这类东西的市场价格。我希望人们会在某个时刻意识到：和聪明的人一起、在困难的问题上、长时间地工作。和我一起工作的人，是我还在做这件事的很大一部分原因。我们得以一起创造的那些人，才是能量的来源。我不觉得那听起来像是在那些人的 DNA 里，而那会很难维持。

哈里：迈克，我们做个快问快答吧，因为我可以跟你聊一整天。你在过去十二个月里改变了什么想法？

迈克：大概率是推理的未来价格。

哈里：它会一路往下走。

迈克：我认为会。比我原来想的还要低。

哈里：关于「有钱」这件事，有什么是没人说、但你认为该说的？

迈克：它同时是一件美妙的事，和一副很重的担子。

哈里：为什么是一副重担？

迈克：说实话，我认为那是一份巨大的责任。我认为它只是你临时持有的一份遗产，而你有责任用它去做——我认为——对社会有益的事。对社会有益，不是对个人有益。我认为你会感受到那份担子。随它而来的有很多有意思的东西。

哈里：如果孩子从小在富裕环境里养大，我怎么才能不让他们……

迈克：伙计，二十年后再问我吧。我希望我能做对。我觉得大概就是尽量做你自己。我读到过一句引语，我想是出自一位高盛的老 CEO：你可以从一个人被提拔之后的表现里看出很多东西——他是「长进了」这个职位，还是「膨胀了」这个职位。而我觉得，天哪，我在这份工作上的每一年都在拼命地成长，我明确地觉得自己配不上这份工作，我必须疯狂地努力，才能在下一年配得上它、或者说长进它，或者不管用什么词。我想，对你的孩子来说大概也有某个类似的版本。如果你好奇，如果你谦逊，如果你有感恩之心，如果你展现出所有这些品质，那你大概就给了他们最好的机会去理解那一切是从哪来的。但我敢肯定这是个巨大的挑战。如果你搞明白了，告诉我。

哈里：其实我得到过一个很棒的建议：这就像国家地理频道。看大象，看小象，看成年大象，然后照着学。所以如果你希望你的孩子勤奋又善良，也许你自己就勤奋一点，让他们看到你因为要在这趟阿姆斯特丹的行程里为家里挣钱而错过了洗澡时间；带他们去咖啡店，对那位咖啡师非常友善，问问他们今天过得怎么样，让他们看见。或者，如果你不希望他们四十五岁就退休，那你就对妻子不忠、对咖啡师刻薄，你大概也会养出那样的孩子。

迈克：哇。是的，我想是这样。如果你问的是：他们会不会模仿你行事和待人的方式？我认为这绝对是成立的。

哈里：这就是我采纳的建议。迈克，你得到过的最好的建议是什么？你坐在一些相当有意思的桌子旁边。

迈克：我想，尤其是过去这几年我会说的那句话是：对自己「讲和」（wage peace on yourself）。很多事真的很难，而有一个好的心态、知道自己在一件事上尽了全力——不管它成没成——这一点很重要。如果你已经把该做的都做了，那就试着不要对自己太苛刻。我认为对很多人、尤其是科技行业的人来说，他们给自己设的标准高得离谱，而那本身会成为一种新的压力。所以，去踩踩草地，对自己温柔一点。

哈里：最后一个。有什么是你现在还不知道自己能不能做到、但你个人必须要「长上去」的？

迈克：我大概会说和之前一样的那个：如何在一个越来越快的世界里，创造「慢思考」的时刻、创造「慢」的时刻。我认为那会是一项我们都需要培养的技能。如果我们觉得手机上的通知、社交媒体的提示音这些东西是干扰——如果你今天都应付不了那些，天哪，在这个加速的技术节奏下，那会非常难。外面是一个真实的世界。有时候在科技行业里，每个人都活在这样一块屏幕里——讽刺的是，我此刻就正盯着一块屏幕上的摄像头，对吧？盯着这些比特、这些数字。但外面有一个真实的世界，有我们正在创造的东西。慢下来才能快起来。我们必须学会如何慢下来，如何在一切看起来越来越碎片化、越来越快的时候，真正做那种深度思考。这是一个真实的挑战。

哈里：迈克，你知道我怎么定义好人吗？

迈克：不知道。

哈里：一个愿意提供帮助、而这份帮助对他自己没有眼前或明确的回报的人。你一直对我极其友善。真的，谢谢你。我是认真的，我非常感激。你本不需要这样做，但我真的很珍惜这段关系。

迈克：嘿，别客气，老兄。随时。有需要我帮忙的告诉我。