当 AI 进入组织，那些「从没人说过的真相」

个人用 AI coding 提效 3 至 5 倍。

企业则不能。

为什么 AI 看似武装了所有人，组织却没有变快？

8月底，一篇讨论 AI 普及率真相的文章在 X 上引发大量讨论。这篇文章的名字叫做《AI adoption is a myth》，中文意思是， AI 普及是个神话。

文章指出，目前 AI 产品真正的鸿沟不在用不用，而在用的多好。事实上，企业中能够深度使用 AI 的只是一小撮人，而当下 AI 产品的设计也正在强化这一点。

就在同一时间，我在杭州访谈了本期嘉宾，网易集团副总裁、网易智企 CEO 阮良。

阮良 2006 年从浙大计算机毕业后加入网易。从一线代码晋升至管理层，历经互联网、移动互联网、 AI 三次技术浪潮。这一波大模型浪潮中，他重新拾起代码，深度使用AI，并在企业内推广，从业务角度思考企业需要什么样的AI。

这期节目中，他带来大量一线反共识的观察，比如网易内部统计发现，个人用 AI coding 效率提升了300%，甚至500%，但整个软件交付流程却只从 20 天缩短到 17 天。为什么 AI 看似武装了所有人，整个组织的运转速度却没有变快？建立 AI 决策中枢和执行闭环，究竟还需要什么？

阮良带来了他的答案和思考。

要点概览：

• 短板是流程，不是人。

• 不开周会了：AI 接管同步信息，人只负责确认问题和做决策。

• 普通 SaaS 会死；进入关键流程的 SaaS 则不然。

• 最贵的模型能做到的事，两个月后便宜的模型也能做到。

• 中层管理者越来越少，拥有强悍技能的精英越来越多。

（欢迎前往视频版：在各平台搜索「卫诗婕 漫谈 Light the Star」）

嘉宾 | 网易集团副总裁 网易智企 CEO 阮良

漫谈Light the Star

PART ONE

40 岁重新写代码：一套替 CEO「抓大放小」的系统

卫诗婕：移动互联网浪潮来的时候，你多大？那时候有现在这种兴奋感吗？

阮良：30 出头，说实话没有现在这么兴奋。移动互联网突破的是某种物理限制——位置、摄像头、陀螺仪，围绕这几个技术点诞生了抖音这样的新应用。但 AI 带来的变化，可以深入到所有人、所有场景、一家公司所有环节的毛细血管里，而不只是几个点。我已经 40 多岁了，现在依然像刚毕业的小伙子一样，天天充满好奇心和斗志，甚至充满某种理想。

卫诗婕：你是软件架构师出身。什么时候开始用 vibe coding 的？

阮良：我写了七八年代码，之后带团队、负责业务、负责公司，中间将近 10 年没写过一行代码，一度认为自己已经不会写了。GPT-3.5 出来后，丁磊要求所有高管从自己开始积极拥抱 AI，但那时我主要用它做情报分析和调研，还是 Chatbot 的用法。

后来一个朋友刺激了我。他早年也是程序员，后来转行做投资人，十几年没写代码，结果用 Cursor 写了几万行，超过他当年 5 年程序员生涯的总和。我一下子被打开了思路，开始用 Claude Code 给自己打造一套 CEO 系统。

做管理最重要的是抓大放小，但只要你是管理者就很难做到，因为无数琐事围着你：要你决策，要你帮忙，要你调配资源。

我的 CEO 系统，第一件事是搞定审批。CEO 往往是审批流程的最后一环，但前置的上下文我没有，也没时间去理解，量一大就很痛苦。我把审批分成三类：第一类量最大、几乎没有风险，以前散落在邮件、OA 和各种信息化系统里，要一个个打开去点，现在在 agent 里全部自动化；第二类需要花点功夫，由 AI 汇总起来处理；第三类要严格审核，AI 先把它们集中到一个工作面板上，再让 agent 去溯源，把前置信息抓过来，缺了就直接要求对方先补充理由。

这节省的是我的机会成本，也就是整个公司的机会成本。而且 AI 找关联性远比人脑好用：人脑的上下文是有限的，而管理层的重要职责，是在多个网状结构里发现机会和风险。

另一个作用是幸福感。我跟同事说，AI 帮你省下时间，不一定要马上投入下一个工作，刷个短剧、喝杯咖啡、放空一下都可以。人是一个能量转换效率不高的系统，有时候状态的好坏，比智商的高低更重要。

当 vibe coding 做成了成型的工具，agent 一直跑在里面，带来的就是复利：我不用每次再去 chat 一遍，它自动帮我抓信息。这也是 agent 模式远胜 chat 模式的原因。

漫谈Light the Star

PART TWO

个人提效 5 倍，交付只从 20 天缩到 17 天

卫诗婕：现在美国都在说「SaaS 已死」，AI 对 ToB 的冲击到底是什么？

阮良：我们前两年完整经历过这个过程。我们有一款智能客服产品，早年的智能客服都比较机械。GPT-4 出来时，我们发现大模型已经很像人了，当时真觉得这门生意可能要没了：客户直接用 GPT 就能做客服系统，何必再买我们的软件？

但拥抱之后发现，我们想多了。要让大模型真正发挥作用，光有模型远远不够，还需要大量调教，以及和业务本身的结合。

更关键的是，个人用 AI 和组织用 AI 有本质区别。个人用 AI 大多是短程任务，上下文不大，闭环小。公司用 AI，首先是一群人在用，而且是协作关系；其次是长链条任务，可能从客户那里收到信息，要一路流转到产业部门、供应链部门去解决。AI 放进长链条里不是失效了，而是作用远没有想象中大。

最典型的是 coding。我们去年做过统计：一个软件需求，从产品经理接到需求、出设计稿，到功能上线，平均大约 20 个工作日。去年下半年 AI coding 过了拐点，以 Claude 为首的模型变成了切实的生产力。很多工程师个人效率翻到 3 倍、5 倍，甚至 10 倍，做前端的能做后端，专业工程师变成了全栈工程师。但再做统计，同样粒度的功能，从需求到上线，只从 20 天缩短到了 17 天。

卫诗婕：你们原本预期能缩短多少？

阮良：至少将近一半吧。后来内部详细调研才发现，团队完成复杂任务，真的像一个木桶，取决于短板。

比如 20 片木板，10 片是工程师，3 片是产品经理，3 片是测试，还有两三片是其他环节。工程师的木板迅速升高，产品经理用 AI 写 PRD、画原型图，也提效了 50%。但中间有些木板不是人，是流程，它几乎没有提升。所以这个木桶还是只能盛这么点水。

AI 要真正在企业里产生大的效用，得迈过三个坎。第一是观念和文化：认知到 AI 确实能大幅提效。第二是落到个人：让每个人在写代码、画原型图、写测试用例这些短程任务上，真正体会到提效。第三个最难：改造流程。而一旦改造流程，就势必要改造组织。

今年上半年，我们做了大量组织层面的 AI native 尝试，才真正把组织效率提上去。木桶还是那个木桶，但有些短木板根本不需要，直接抽走；更极端的情况，你应该换一个木桶。

卫诗婕：所以每个人都被 AI 武装起来、组织却没有变快，是因为流程和组织，仍然是那块短板。

阮良：对。

漫谈Light the Star

PART THREE

不开周会了：让 AI 接管「同步信息」

阮良：再举个很现实的例子。我常问开公司的朋友：你们还开周会吗？99% 都说开。目的一般离不开三个：同步信息，发现问题和机会，做决策。

可为了开周会，还要额外花多少时间？我们以前每周开 2.5 小时左右的周会，为它花掉的时间可能是 10 倍：每个部门都要准备材料，下面的同学一层层都要准备。会上的信息同步也不充分：各部门轮流讲，跟自己关系不大的人就不听了，很可能恰好漏掉和你有关的那一句。总经理也是人，两个半小时不可能每一秒都专注，那是神仙。算下来，至少一半时间是浪费的。

于是我们改了。AI 可以很完美地做好第一件事：同步信息。管理层先约定周会想看哪些信息，所有人按模板填写，存进知识库；AI 扫描所有会前信息，按管理层想看的维度去整合，出来的一定是精炼、聚焦的，还能发现关联信息——你走神了也没关系，看报告就行。报告是 HTML 网页，可以互动、留言、追问。第二件事，AI agent 事先给出一份可能的问题和机会，再由人脑确认和补充。至于做决策，就不开周会了，开专项会。现在网易智企的其他部门也在学这个模式。

卫诗婕：我在字节工作过。早在这一波 AI 时代之前，字节就有成文规定：会前必须有信息输入，不能脑袋空空、文档空空就来开会。所以 AI 来了以后，字节内部用得很顺。反过来说，组织用 AI 的过程，也会暴露很多过去长期视而不见的问题。

阮良：2020 年我们用过一年半飞书，最喜欢飞书文档，也很喜欢脱胎于亚马逊一页纸会议的「飞阅会」：会前写清楚，大家在文档里互相提问，会上针对评论讨论就行。但后来的问题是信息过载：文档太好用了，大家越写越多、越写越长。

AI 同样会带来信息过载，还让人养成了一个不太好的习惯：看到一篇文章，第一反应是让 AI 总结一下。你看公众号和抖音的评论区——

卫诗婕：「@元宝 总结一下」。

阮良：对，这个习惯特别不好。当然，我们自己很多工作也已经离不开 AI 了。有段时间 Claude 封账号，感觉天塌了，没法工作。

漫谈Light the Star

PART FOUR

好的 SaaS 不会死，会被 Agent 调用得更狠

知识库才是它的底牌

卫诗婕：回到最初的问题，SaaS 是不是已死？

阮良：我不觉得。第一，SaaS 是 Software as a Service，本质是 service。service 始终存在，只是换了形式，比如 AI as a Service、Agent as a Service，而 AI 和 agent 本身也是某种软件。

第二，普通的 SaaS 可能真的会死，但已经进入企业关键流程的好 SaaS，不仅不会死，还会越来越好，因为它会成为企业的基础设施。以前软件都是人在用，一定受时间、精力和上下文的限制；未来大量是 agent 在调用数据库、安全 API、审核 API、人力资源 API、CRM API，数量和动作都远超人类。调用越深，这个 service 的核心价值越牢固。

卫诗婕：那企业要用好 AI，底层的 service 是什么样的？

阮良：拿智能客服举例，用第一性原理拆，无非是一个知识库加一个 AI，最核心的是知识库。它不是互联网上的公共知识，只用通用大模型，做不出真正高质量的服务；而一旦进入企业的客服流程，商品知识、消费者画像、内部的问题解决流程，就都沉淀在里面了。AI 越强，这个知识库被调用得越多，效率和体验的提升越大，等于给它插上了翅膀。

所以核心是两块：知识库，以及对企业内部系统和流程的调用与编排。这是企业真正的核心燃料。像 Salesforce 这样的 CRM，以及中美那些真正好的 SaaS，在 AI 加持下会越来越强。

卫诗婕：这些专家知识的调用和编排，过去掌握在谁手里？

阮良：先在人手里，后来变成软件。现在，它会被 AI 蒸馏成 agent 或者 Skills。

漫谈Light the Star

PART FIVE

复制销冠？培训时真正要研究的是客户

阮良：拿销售来说，老板通常头疼两件事：一是销冠只有一个，其他人都挺平庸；二是销冠太强了，跑了怎么办？以前都没办法。

我们正在把优秀销售的动作、话术、行为总结成技能：一是分发给其他销售直接用，二是让 AI 把销冠变成老师，去训练普通销售。销售和客服的流动性都大，新人培训会讲公司、产品、客群，但真正重要的是刷题。以前只能靠师傅带徒弟，可「教会徒弟，饿死师傅」，师傅不太可能倾囊相授。

卫诗婕：AI 怎么复制一个销冠？

阮良：在培训这件事上，要研究的其实不是销冠，而是客户，因为销售打交道的是客户。我们蒸馏销售和各种客户在电话、微信、企业微信、邮件里的交互，让 AI 模拟各种客户来训练你：刁难你的、对你印象不错的都有。客户在线上抛来问题时，AI 还能实时给销售做辅助，毕竟连产品知识，很多人都记不全。

卫诗婕：这是用企业存量的数字化数据蒸馏 Skills。那人的行为可以总结成 skills 吗？

阮良：可以，主要两类。一类是好销售身上可以聚类的动作。比如分析发现，有些业绩好的销售拜访完客户后会做某类动作，能缩短成单周期、提升成单概率，我们就把它变成团队的指引。另一类是说话方式，比如应对竞品挑战时怎么解释。提取这两类就够了。

卫诗婕：数据从哪来？

阮良：电话销售、线上销售天然是数字化的，on record。线下的 KA 销售，我们会建议、也会要求配一个类似钉钉那样的录音卡——不是在客户现场录，而是拜访完趁记忆新鲜，录一段两三分钟的口播，这对他自己复盘客户也有用。

这还解决了一个老问题：天底下的销售都不喜欢用 CRM，觉得那是用来管他们的；但很多人不介意录音卡，因为它对自己抓住下一次成交也有帮助。

漫谈Light the Star

PART SIX

老板 AI、员工抵触，与「带着 AI 军团入职」

卫诗婕：现在很多企业要求所有业务对话都 on record，回传到公司的 AI 服务器。李开复老师的新书里说，每个老板都需要一个「老板 AI」：老板拿到的信息是层层筛选过的，其实最少，可高价值的决策又需要最广泛的信息——可以理解企业为什么想这么做。但员工有对抗心理也同样可以理解，你怎么看？

阮良：我非常认同。CEO 收到的信息，都是被层层包装、层层削减过的。我们也确实这么做：开会，哪怕是线下会，要么配录音卡，要么开线上会议自动录下来，最高保真地保留原始资料。

这也是我自己打造 CEO 系统的核心原因：老板必须亲自深度用 AI，亲自做些 vibe coding，知道 AI 能力的边界在哪，才能决定自己的组织该用什么样的 AI。

员工的抵触一定会有，越是能力强的人越抵触：个人用可以，但不想回传给公司。我们不强求，要顺应人性。而且我们更关注的信息，不是员工产生的，而是客户产生的。我们做过一个产品叫「客户之声」（Voice of Customer），把客户真实的声音汇总给产品研发部门。CEO 也一样：一家公司最应该关注的一定是市场和客户，这两个做不好，组织效率再高也没用。只要公司明确它要采集的是客户和市场的声音，抵触就会少很多；强求所有人，反而会激发逆反。

卫诗婕：我原来做人物报道，会更关注人。企业支付的是员工的工作时间和产出，但一个人逐层晋升，最终想获得的溢价，恰恰来自他沉淀下来的知识和经验。现在一些企业想在不支付溢价的前提下，把这些东西拿走、复制给别人，我觉得有点不公平。

阮良：我觉得未来这会改变。AI 时代，越是精英，能力和资源被放大得越多，入职时的溢价也应该被放大。我设想未来会有这样的入职谈判：有人来网易面试，除了履历、学历、经验，还有一个筹码——我不是一个人来的，我带了一个 AI 团队，它是我过去所有经验和技能的总结。企业要为这个 OPC（一人公司）支付溢价。AI 时代的高端人才，可能是一个小军团在作战。

卫诗婕：未来可能是一个 CEO 面对几个关键决策人，每个人背后是一组 AI。

阮良：我们也在往这个方向走。履行管理职责的中层会越来越少，组织会越来越阿米巴化，变成一个个小 OPC，像特种部队，背后由强大的 AI 和组织中台赋能。加上公司的资源，就能搞定很多事。我们已经看到了苗头。

以工程师为例。以前的趋势是分工越来越细，前端、后端、算法、测试。但最近半年，明显又变回了全栈。古早的求伯君（WPS 创始人）一个人写了那么大一个软件，张小龙一个人写出了 Foxmail，后来是软件规模变大，分工才越来越细。现在 AI 又让它们融合，越来越多人成了 T 型人才。组织会越来越像蜂巢：无数很厉害的工蜂，加上无数 agent，去打一场胜仗。AI 替代的是工作环节，不是人。

卫诗婕：过去两年，很多企业确实想用 AI 替代人，也这么做了。

阮良：我认为他们想错了。AI 能很好地执行末端任务，但替代不了人。一个真正优秀的客服，不只是回答问题，还能发现产品的问题。AI 能把接待做得更快，帮人总结共性问题和风险，但替代不了人用创新的方式进入深水区，推动组织和产品进化。每一次工业革命，短期都会替代大量工作，但事后看，都释放了更大的生产力和创造力。应该优先放大的是创造力：它产生需求，需求再催生更猛烈的生产力。

卫诗婕：我有个担心。勇气来自信念和判断，而它们来自一个人从「小白」长成「senior」时做过的大量基础工作。这些工作都被 AI 代劳了，未来人的勇气从哪来？

阮良：我不担心。AI 替代掉基础工作的同时，一定会诞生新的技术性工作。刚毕业的年轻人可以承担这些新工作，依然在做脑力训练、积累认知，依然会产生新的勇气、冒险精神和好奇心。

漫谈Light the Star

PART SEVEN

非 coding 领域开始兑付价值，

一道 AI 价值公式

卫诗婕：AI 进入组织产生的价值，有没有可以量化的标准？

阮良：我们参考一篇论文，有一个公式。比如做一杯咖啡，满分 10 分，人做出来是 8 分；AI 做出来如果也是 8 分，质量就和人一样，如果是 7 分就是 7/8。再乘以节省的时间：人做要 15 分钟，AI 只要 10 秒，节省了 14 分 50 秒。再乘以公司单位时间的经济价值，就是 AI 完成这个任务的金钱价值，和 token 成本一比，就是 ROI。

所以第一步，是优先找出这样的事让 AI 去替：花时间、频率高、不得不做，而且同事 A 和同事 B 学历、智商都不一样，做出来的结果却大概率一样。算一笔账，马上就能决定要不要用 AI 做。

还有一点：先用最贵的 AI。用 Claude Fable，或者 GPT-5.5、GPT-5.6，当然 GPT-5.5 现在已经比较便宜了（注：访谈录制时间在 GPT-6 发布之前）。这和当年丁磊给我们发 iPhone 4 是一个理念：先体会世界上最好的产品是什么样子，你才知道审美在哪里。先用最好的 AI 证明这件事能做成，把流程固化下来，再换便宜的。只要最贵的 AI 能搞定，不出两个月，便宜的也一定能做到。

卫诗婕：我发现很多企业一开始拼命给员工发 token，后来——

阮良：后来觉得贵了，是吧？

卫诗婕：对，一不小心用超了，账单很恐怖。你们经历过天价账单吗？

阮良：我们一开始也是不限量的，但几乎没收到过天价账单。今年第一季度，整个网易集团一个月的 token 消耗，就能顶上去年一年，我们依然不觉得贵。

一是它真实发挥了价值，业务挣钱，AI 的价值就特别大。二是网易的人才结构一直比较高端，人本来就贵，员工做的很多本来就是高价值任务。一位程序员每月在 AI 上的花费大概几千元人民币，对公司来说非常便宜，因为他的产能真的大幅提升了。非程序员也一样，AI 帮他们完成的一些任务，价值可能比程序员还高。

比如销售拜访客户前，以前要写 PPT，现在基本不写了：要么用 HTML，要么直接给客户做一个定制的 demo，现场效果非常好。

卫诗婕：为什么用 HTML，不用 PPT？

阮良：一是互动性强，二是分发方便，三是对 AI 友好。这些材料都会进入 AI 的知识库，AI 读 Markdown 和 HTML 远胜于读 PPT。

卫诗婕：你在内部说过一句话：token 消耗断崖式领先的人，产出也断崖式领先。为什么？

阮良：因为他的探索性更强。2024 年我们推行过一个「积分制」：以前评价程序员，主观因素居多，跟主管关系好、看上去卖力的人占便宜，真正优秀的人反而没被发现，所以我们按有效代码量换算工作价值，多劳多得。

到了 AI 时代，我们发现有一类人 token 消耗非常惊人，工作产出和价值也非常惊人。这是统计规律：Claude Code 用得很狠的人，大概率是在给自己打造系统。系统建起来，他省下了工作时间、多出了思考时间，就把工作做得更好。我们内部样本足够多，这个规律是成立的。

很多老板担心员工滥用 AI。我们有个暴论：真正优秀的人才不会浪费。事后统计下来，精英同事确实没有浪费。

卫诗婕：都说 2026 是 agent 的商业元年。今年是 AI 兑付价值的一年吗？

阮良：coding 这一侧已经兑付了，今年是非 coding 领域开始兑付。

以前很多工作为什么没有合适的软件？因为软件没有泛化能力，专款专用：大模型的泛化能力加上 coding 能力，打破了这一点。

我现在会通过 OpenClaw 来操控我的 CEO 系统。我电脑上几乎装了所有流行的 agent，每个配一个单独的大模型：Claude、GPT、Grok，还有国内的智谱、Kimi 和 DeepSeek。三个臭皮匠顶个诸葛亮，我给每个都取了名字，先让它们各自独立出方案，再红蓝军互相 PK，最后由一个中枢协调者总结，由我来拍板。这样形成的方案，至少比我一个人想的更完善。唯一的缺点是贵，但带来的价值巨大。

漫谈Light the Star

PART EIGHT

从「改稻为桑」说起：

小公司更彻底，大公司要打碎流程

卫诗婕：什么样的企业，用 AI 用得最彻底？

阮良：小一点的公司。通常是老板先用，确认真能提效，就让销售团队、设计团队都用起来。层级浅、链条短，老板有认知、有决心，组织又简单，更容易落地。

另一种是一线员工先用 OpenClaw 这类产品，自下而上。这对公司提效有用，但没那么明显。比如制造业，最核心的是供应链和生产制造，都是实体层面的长链条，普通的办公提效带不动整个公司。

卫诗婕：大企业的老板，理论上不是更有认知吗？

阮良：他们是最早用的一批，但要让整个公司迸发出效率，比小公司难。过去的社会化分工，让部门分得非常细——

卫诗婕：螺丝钉化。

阮良：对。AI 进来，你这个环节提升了，中间的衔接环节却少不了。这时候要打碎流程，换木桶，或者抽木板。这对大公司更难，不是老板想推就能推动的，组织有一万种理由让它办不成。

就像我最喜欢的电视剧《大明王朝 1566》，国策很好：改稻为桑。浙江农户把稻田改成桑田，没饭吃了，官府从邻省买粮；产出丝绸，就有钱换粮食。但真执行下去就是一锅粥：各种利益纠扯，邻省不愿意调粮，每个执行环节都出问题。

我的建议是，先从一个最愿意拥抱变化的小部门开始，把闭环跑起来。这和所有组织变革的方法论一样：小的容易形成凝聚力和同盟军，小胜利也容易取得。取得一个，就大肆宣传，让雪球滚起来。但即便挑小的，也最好是一把手工程。别指望「我有一个 AI 应用小组」就够了，老板一定要亲自用、深度参与，躬身入局。

卫诗婕：有没有哪位老板的反应，让你觉得出乎意料？

阮良：有一些老板，生意做到上亿、几亿的规模，但公司人不多，他们的行业以前没被软件好好服务过，一用上 AI，反应非常强烈。

卫诗婕：如果从第一天开始重建一个组织，什么样的组织能让 AI 做深？

阮良：第一是形成某种 AI 的信仰，这是文化问题。第二是人才。借用网易集团今年刚更新的人才观，我们讲「六个力」：AI 时代的人才，必须有审美力、洞察力、标准感、结构力、判断力和自驱能力。现在做一个好的新产品，可能真的几个人就够了：几个有审美、有洞察力的人，指挥一帮 agent，就能做出很不错的软件。

卫诗婕：很多老板都想建立企业的 AI 决策中枢。它需要什么？

阮良：本质上需要一个高质量的知识库，而真正重要的，是历史上的决策留存和决策依据。

今年我们把过去的决策都留存下来，纳入知识库，训练出一个 agent，或者说一个 Skill。然后把几百个历史案例输回去让它判断，准确率超过了 90%。它凝聚了我们的管理智慧和决策方法，本质上就是一个决策知识库。

桥水基金也在做很像的事。他们给研究员和分析师都配了自己做的 agent：投什么、怎么投、怎么评判、怎么调研。桥水的数字化一直做得很好，为什么投、参考了多少信息、内部讨论了多少轮、投多少钱，这些决策过程都留存了下来。

但桥水有一点更值得学习：这个 agent 是可学习、可进化的。agent 再准确也有错误率，最终还是人来判断和执行；而人对它的每一次修正，经过确认后都会进入下一轮迭代，让它持续进化。这和顶尖大模型公司做的自进化是一回事，只不过桥水用的是人机协作的方式。

卫诗婕：接下来可能有两个趋势：人站在 AI 的肩膀上，以及 AI 站在自己的肩膀上。

阮良：作为 80 后，我非常喜欢星爷。他最著名的那句台词：「做人如果没有梦想，跟咸鱼有什么分别？」我很庆幸，在 40 多岁的时候，还能在 AI 这波浪潮上，生发出新的梦想。

同期播客已经上线，欢迎前往小宇宙等平台收听

（视频版可前往视频号、b站、小红书、腾讯视频、 Youtube 等平台观看）