分享嘉宾 | 朱广翔
责编 & 采访 | 王启隆
出品 | AI 科技大本营（ID：rgznai100）
AI 爆发的这几年，程序员本都以为要解放了，但回首发现，传统的应用开发模式始终被一个“不可能三角”所困：低成本、高质量、个性化，三者似乎永远无法兼得。
传统编码（Coding）能保证高质量与个性化，但成本高昂；模板化的低代码平台降低了成本，却牺牲了个性化；而一度兴起的聊天机器人（Chatbot）虽具个性化且成本较低，其简单的交互形式又往往达不到高质量应用的标准。
今年，OpenAI 联合创始人 Andrej Karpathy 提出“Vibe Coding”（氛围编程）的理念——开发者（甚至是非开发者）只需沉浸在创造的“氛围”中，通过自然语言描述想法，AI 便能将创意变为现实。业界开始思考，“一句话生成应用”究竟是一时风靡，还是未来的大趋势？“人人都是开发者”的时代真的到来了吗？
在上，百度秒哒产品负责人朱广翔博士对此进行了系统性的阐述，并于会后接受了 CSDN 的深度专访。这位拥有近 20 年编程经验、从程序员转型为产品负责人的清华博士，为我们揭示了秒哒背后的产品哲学与技术愿景。
在演讲中，朱广翔博士分享了多个核心洞察：
应用开发的“不可能三角”： 深入剖析传统开发模式在成本、质量、个性化上的固有矛盾，并提出秒哒旨在成为同时满足三者的“破局者”。
AI 时代的生产力公式：AI UI + Agent = AI App。一个优秀的AI原生应用，需要兼具由 AI 驱动生成、以用户需求为中心的交互界面（AI UI），以及背后执行复杂任务、连接万千工具的智能体（Agent）。
从高频场景到长尾需求：传统软件开发聚焦于 10% 的高频刚需，而秒哒这类工具将释放剩下 90% 被忽视的、海量的长尾应用需求，开启“全民创造”的新时代。
多智能体协作是关键：秒哒的核心是模拟一个高效的软件开发团队，通过产品经理、架构师、程序员、设计师等不同角色的 AI 智能体协同工作，将一句模糊的需求，转化为一个功能完备、体验良好的应用。
Vibe Coding，为大众赋能：AI 开发革命的终极目标是让每个人都能摆脱代码束缚，聚焦于创意本身。秒哒的定位正是“真正为大众赋能的 Vibe Coding 产品”。
产品经理与程序员的未来：AI 不会取代这两个角色，而是将其推向更高级的形态。产品经理将能直接对接 AI 实现原型，而程序员则更专注于复杂的架构与逻辑设计，AI 成为双方的超级助理和沟通桥梁。
应用开发困局：海量需求 vs “不可能三角”
朱广翔博士首先指出了当前软件行业面临的核心矛盾。一方面，在技术革新、产业升级和数字化转型的多重驱动下，全球软件市场正经历高速增长。根据 Precedence Researh 的数据预测，全球软件市场规模将以 11.8% 的年复合增长率，从 2023 年的 6592 亿美元增长至 2034 年的 22483 亿美元。应用开发的需求日益旺盛，一个新的“AI App”赛道更是异军突起，成为增长的新引擎。
“在上一时代，没有 AI 原生应用。比如 AI 写作，在三四年前是不存在的。”朱广翔提到，“而现在我的很多老师朋友都在吐槽，他们的学生已经完全不会从零到一写东西了，只会先让 AI 生成一个差不多的版本，再在上面修改。这表明，新产品已逐步重塑了我们的固有习惯。而这些新产品的诞生，让整个应用市场不断膨胀。”
然而，与需求的蓬勃发展形成鲜明对比的是，应用开发的供给侧长期受困于一个“不可能三角”——低成本、高质量、个性化三者难以兼顾。朱广翔分析了过去三种经典的开发模式：
传统 Coding： 由专业的程序员编写代码。这种方式可以实现极高的质量和充分的个性化，但其“软肋”在于成本高昂。全球 80 亿人口中，专业的程序员仅有约 3000 万，他们是高薪、高知的稀缺资源，使得这种开发模式门槛极高。
模板化低代码平台： 用户通过选择预设模板、填写参数来快速生成应用，如常见的问卷、邀请函工具。这种方式实现了低成本和较高质量（模板通常经过设计），但其致命缺陷是缺乏个性化。用户的创作被牢牢限制在有限的模板库中，难以实现天马行空、独一无二的创意。
Chatbot（聊天机器人）： 近年来兴起的基于对话的应用形式。它成本低，也具备相当的个性化能力，能应对不同场景和问题。然而，它的短板在于质量不够高。这里的“质量”更多指向产品体验。一个冰冷的对话框，缺乏丰富的UI和流畅的交互设计，在很多用户看来，“不像一个真正的 App”，显得较为简陋。
这三种模式各有所长，却又都“缺了一角”，无法完美应对当前爆炸式增长且日益多元化的应用开发需求。
AI 开发革命：Vibe Coding 与 AI UI 时代已来
朱广翔认为，秒哒的出现并非偶然，而是顺应了两大全球性的技术潮流：Vibe Coding（氛围编程）和 AI UI（人工智能用户界面）。
Vibe Coding：为大众赋能
传统的编码流程是“规划 -> 编码 -> 审查”，而 Vibe Coding 流程则是“自然语言描述 -> AI 生成代码”。
在这个赛道上，产品形态各异。有面向专业程序员、提升写码效率的 AI 辅助编程产品；也有面向非程序员、完全无代码的应用开发产品。
AI UI：从“界面”到“意图”的革命
谷歌前 CEO 施密特曾预言：“用户界面将逐渐消失。人们可以跟智能体说话，当场生成界面。”这一理念，朱广翔称之为“AI UI”。传统 UI 是研发驱动的，先有工程框架，再实现界面结构，最后填充内容。而 AI UI 是需求驱动的，用户先提出要解决的问题，AI 围绕这个问题倒推出最合适的交互和界面。
秒哒正是 AI UI 理念的一个具象化落地产品。但朱广翔认为，仅仅有 AI UI 还不够，一个真正强大的 AI 原生应用，其公式应该是：AI App = AI UI + Agent。
“AI UI 就像好看的外表，Agent 就是聪明的大脑。有脸有大脑，也就是有面子、有里子，最终才是一个好的应用。”他解释道。例如，一个 AI 试卷生成工具，其前端界面（AI UI）是为了让老师能方便地配置和预览试卷，而其背后，则有一个强大的 Agent 在负责生成逻辑严密、答案正确的数学题。
释放 90% 的长尾需求，开启全民创造新时代
“我们面向的用户群体，是所有人。”朱广翔强调。过去，软件开发主要依赖于3000 万专业程序员，而现在，目标是全球 80 亿人。
这种用户群体的扩展，对应着应用需求从“高频”到“长尾”的转移。过去二十年的数字化建设，主要解决了 10% 的高频刚需场景，比如社交、电商、出行、支付等，我们手机里的 App 大多属于此类。但日常生活中，我们有无数个小想法、小创意、小需求被忽视了，因为没有顺手的工具能将它们快速实现。“我想马上做一个调查问卷”、“我想为我的宠物社团做个小网站”，这些稍纵即逝的想法，在传统开发模式下实现成本太高，最终只能不了了之。
“我们简单统计了一下，这些被忽视的长尾需求，其实占到了总需求的 90%。”朱广翔说，“通过秒哒这样的新工具，我们可以把这 90% 的市场打开，让无限的创意，秒变应用。”
下文我们将通过和朱广翔博士的对话，解答一个贯穿始终的问题：“应用开发的「不可能三角」，究竟是怎么解决的？”
深度对话朱广翔：AI 时代的“创作者平权”
王启隆：秒哒是一款让用户不用写代码，用自然语言就可以生产应用的产品。这让我想到 AI 时代经常有一句玩笑：程序员一直在发明淘汰自己饭碗的工具。您是怎么看待这个话题的？可以借此展开聊一聊秒哒这款产品的灵感来源吗？
朱广翔：今天是 CSDN 的产品经理大会，我在进入互联网之后也是在做产品经理。但我是一个非典型性产品经理，我是研发出身，写了很多年代码，后来转成产品经理。做产品经理之后，我发现一个非常大的痛点，这在研发视角可能看不到：很多人，或者说我们每个人，都有很多想法和创意，但这些想法和创意只是碍于自己没法直接实现。因为我以前是程序员，想到什么就做什么，比较直接，但很多人没有这个能力。
如果有一天，有一款工具能让大家非常平权、非常简单地把自己的想法做出来，甚至可能做得比程序员还好，产品经理实际上就解放出来了。由此类推，不仅是产品经理，我们每个人、每个行业里的人，都有自己独特的行业知识和业务逻辑，这些东西不是程序员能比的。如果每个人都能把这些知识和逻辑实现出来，那会是一个非常广阔的空间。
举个小例子来体现这个想法。我读书的时候在实验室里，导师要求我们每个人做一个个人主页，用于展示学术成果，让别人更好地了解自己的研究方向，看看有没有合作机会。我们是计算机学院的，就拿一些开源代码修改，做了很多主页。有的人还有余力，给实验室、社团和学院都做了主页。
我们做完后很多其他学院的人也想做，就来找我们帮忙，这个过程中就出现了很多问题。首先，人很多，不同人有不同的想法和品味。比如美院的同学，可能要求比较高的设计感，但研发大部分没有这么多设计思路，做出来他们可能不满意。有的人希望有个性化，不希望自己的主页和别人的除了名字以外，整体看起来都一模一样，像是从一个模板里出来的，所以就要去换用不同的代码。而且在这个过程中我们发现，很多工作都是重复性的，就是找代码，改一些常规的东西。
当时我们就想，未来会不会有一天这些事就不需要我们干了？会不会有一些 AI 工具，可以直接帮我们搞定这些重复的、偏实现落地的事情，我们只需要想创意？到那个时候，甚至都不需要程序员去做。其他学院的同学，不管是美院的、人文学院的，还是外语学院的，他们自己就能按照自己的想法去实现。
这一天比想象中来得更快。我也有幸能从事这个赛道和行业，今天也非常兴奋地想给大家介绍我们的产品，它真的能让大家把想法直接说出来就能实现，非常简单。
王启隆：您的演讲中有一页很精彩，是一个技术演进图，从算盘一直画到现在的无代码时代，它的基调就是解放生产力。回顾历史，每一次生产力解放其实都伴随着一些职业的消亡与兴起。那么秒哒这款产品，它会让程序员这个角色发生什么样的变化呢？
朱广翔：现在关于 AI，大家一直有一个担忧，感觉 AI 会不会有一天就把人给取代了，导致我们都没有工作。我认为不必有过多担忧。从历史上看，一开始没有计算机，后来有了计算机；一开始是机器语言，后来是汇编语言、高级语言，再后来有了框架，到现在不用写代码。在这个过程中，程序员是一直存在的，只是职业属性发生了一些变化。
过去可能更多关注如何写代码。比如在机器语言时代，所有代码都要写成 0101 串，基本上要把计算机的所有指令都描述一遍。但后来有了汇编语言，很多底层的、偏硬件的事情就不需要再描述了。再往后是高级语言，关于汇编语言里的一些存储管理、堆栈等也不需要描述得这么详细了。每一次都有一个新的封装，这样大家就可以把精力放到更高级的算法设计、业务逻辑、计算设计上。工作没有少，只是我们的精力放到了更高级的事情上，最终会把事情做得更好。
这就像很多年前，工业革命之前，路上有很多赶马车的马车夫。当时他们也担心，因为已经出现了一些工业产品，比如自行车、汽车，他们担心会不会有一天汽车多了，就不需要马车夫，导致他们全部失业。但我们现在回过头来看，并不会。马车夫少了，但司机多了，还是那些人，只是做了更高级的工作，把原来的工作做得更高效了。
所以从这个角度来看，包括百度秒哒或类似 Vibe Coding 产品出现后，程序员这个群体其实还会存在，但是会以更高级的形式存在。程序员会更多地去设计逻辑、算法、创意和想法，然后由 AI 负责执行。这样，未来的应用可能会做得更加高级，更加 AI，更加智能。
王启隆：您刚刚提到是从程序员转到产品经理。现在很多黑客松比赛，很多队伍没有程序员也能获奖，本质是因为他们创意比较出色。那么，未来程序员和产品经理这两个职业的边界会是怎样的呢？AI 时代，未来的产品经理需要掌握的核心能力会是什么？可以聊一聊您眼中未来的产品经理吗？
朱广翔：产品经理更多还是和他本质的工作相关，就是去关注用户的需求。我认为产品经理和研发的分工主要是：产品经理偏用户，研发偏实现。但我刚才也说了，现在 AI 来了之后，一些实现的工作会被 AI 取代，主要是重复性的工作，但偏向架构设计、逻辑实现的工作，可能还是由研发负责。
研发和产品经理的协作边界，我认为和上个时代还是类似的，产品经理更多地关注用户本身，去收集需求、总结需求，抽象提炼出产品化的方案。在这个过程中，也可能会出现一个现象：产品经理可以借助一些研发工具，直接绕过程序员，去对接 Agent（智能体），帮助他落地实现。现在也出现了这样的迹象，比如在秒哒上，很多产品经理就在用它做原型图。
这相当于工作可能会分类。比如，有些类型的应用需要非常复杂的逻辑设计、非常高的性能和支持非常大的并发，这些服务要求比较高的，可能还是和研发一起协作，由研发做一些高级的设计。但对于那些非常简单、非常长尾、非常灵活的小工具或轻应用，那可能就是产品经理直接对接智能体了。
王启隆：研发的沟通就减少了，就不用一直跟研发吵架了。
朱广翔：对，还有一种可能，就是在最终那一天到来之前，产品经理先通过智能体，做出一个原型图或者一个基本简单的实现，然后研发再去做精加工。也有可能是在中间插一个智能体，负责两边的对话和协调。因为智能体能帮 PM 把脑子里的东西大体做出来，也能帮助研发通过这个初步实现，理解 PM 想要什么，承担了一个中间桥梁的作用。
王启隆：您的演讲中有个概念是“应用开发的不可能三角”，就是低成本、高质量、个性化，通常传统方案只能选其中两个。那秒哒试图用 AI 来打破这个三角，是怎么实现的呢？AI 在里面扮演了什么样的新角色，让这个三角不再不可能呢？
朱广翔：我们一直在说，当前应用开发遇到了一个瓶颈，这个瓶颈在于，我们希望应用能同时达到三个维度，才能更好地满足用户需求。比较通用地来说就是这三个：一是成本要低，做一个应用我们希望花更少的钱、更少的精力；二是质量要高，做出来的应用既要好用，又要好看，而且交互体验要比较好；三是需要比较个性化、比较灵活，不同的人可能要满足自己不同的需求。
但这三个想同时满足其实非常困难。我们看最近的这些生产范式，都恰好缺了一角。比如最经典的范式就是写代码。写代码能做得非常灵活，质量也很高，但是成本很高，需要高精尖的工程师。
还有一种方式，就是我们都懂的一些模板化、配置化的低代码工具。比如我们以前做一些问卷、邀请函，有一些网站或小程序，我们就选几个模板，填上自己的属性就行了。它缺了什么角呢？它确实门槛很低，质量也还可以，也挺美观，但是不够个性化，可能你做的和我的差不多，模板就那些，做不出什么花样。
再有一种方式，是这两年比较火的 Chatbot，也叫简单 Agent。这些简单的 Agent 基本上就是一个对话框的形式，它不像传统的应用，一打开是一个非常丰满、丰富的界面，能告诉我们大概有哪些模块、哪些功能，并且已经有非常好的交互体验。比如我上传一个图片之后，处理过程中能及时展示出来，能看到中间过程，减少用户的等待焦虑。而现在的 Chatbot，这个冰冷的对话框，它的质量不是很高。很多人都说，Chatbot 不像个应用，一看就感觉很潦草，就是因为它交互体验比较弱。
破解“应用开发的不可能三角”，秒哒是通过多智能体协作来实现的。
比如，秒哒有专门的交互设计师智能体去设计交互、设计外观；有专门的任务执行智能体去帮它设计后面的 AI 任务，把性能和效果做得很好；整个过程中还有产品经理智能体、研发智能体、QA 智能体，去做开发、测试、上线，节省了人力。这样，大大降低了应用开发的门槛，我们每个人都可以秒哒提出想法。
其次是高质量。我们通过大模型的能力，不仅生成了我们原来预期的样子，甚至还能帮我们补充。比如，用户想做一个问卷，调研咖啡馆如何选址，但可能对咖啡馆的很多背景知识不了解。这时我们把这个诉求告诉秒哒，它会帮我们构思内容，要调研好这个问题，我该从哪些方面去问，该问什么样的问题，如何去高效地获取用户信息，它是有一些专业知识的。所以秒哒不仅帮我们设计了我们能想出来的页面，还能帮我们补充了这些页面背后应该具备的信息和能力。
而且秒哒会帮我们去调用各种工具，去集成丰富的服务。比如像秒哒里我们做的一个应用，同样是做邀请函，我们可以调用百度地图把导航信息加进去，用户打开邀请函点一下就能导航到那个位置。也可以调用一些短信服务，进行活动预约。通过工具调用把这些能力全集成进来，也是最近比较火的 MCP。
王启隆：您刚才提到产品经理智能体，我觉得现在最大的一个挑战，包括我自己感受最深的一个挑战也是：用户不仅是不会写代码的问题，主要是需求提不清楚的问题。从以前最基础的跟 Chatbot 聊天，就是“提示词工程”那个时代开始，包括我在内的很多人应该都觉得，很多时候在 AI 面前你很难精确表达自己的需求，问题问不清楚。如果提到用您刚刚说的产品经理智能体追问、用广场给灵感，那作为产品负责人，您是怎么设计和衡量这个产品经理智能体的 KPI 的？是它的追问次数、澄清率，还是最终应用的生成成功率呢？
朱广翔：这是一个非常好的问题。就像我们如何管理人类产品经理一样，一直遇到一个痛点，就是给他们定 KPI 很难。比如研发比较好定 KPI，最终研发出来的应用，它的效果、性能，以及研发效率，比如说多长时间实现多少个功能。但是对于 产品经理来说，一直很难界定他在其中的价值，因为可深可浅，而且很难量化。
同样的，对于我们这个智能体，去衡量它干得好不好也很困难。我们尝试定了一些指标，当然这还在持续探索中。
第一个指标，它对意图理解的准确率。首先，用户的第一轮对话，它要能基本理解清楚，这句话到底是什么意思，需要实现哪些功能，调用哪些工具，达到什么程度，什么样风格。
第二个指标，它需要去帮用户拓展知识，那拓展知识的丰富度、完善度就是它的第二个指标。在秒哒，用户可以实现“一句话做应用”，但用户的简单描述常常难以覆盖全部重点。这种时候就需要我们的智能体去帮他拓展，它拓展的可能性越丰富，命中用户真正想法的概率就会越高。
第三个指标，澄清和沟通的效率。智能体有很多种可能性，需要和用户再去沟通，最终定下来选哪个，这是一个多轮澄清沟通的过程。能不能把秒哒解释的需求，和用户原始的需求能对齐，这个对齐过程的效率就是第三个指标。
第四个指标是，对齐之后，秒哒生成一个完整的我们俗称的 PRD（产品需求文档），帮用户非常详细地写好所有的事情，然后评估这个 PRD 的质量。这个质量怎么衡量？一方面我们会有些先验方法去衡量，一方面有后验方法。就比如这个文档给到我们的研发智能体，它能不能读懂，能不能把代码写出来？就像人类产品经理一样，如果研发老是反馈哪个产品经理的文档很难理解，那这个产品经理的 KPI 肯定不会高。如果研发反馈这个 PM 写的东西特别好懂，他一看就知道该怎么写代码，那就说明它的文档很好。这个文档其实是面向开发者的，它能让开发者开发效率最高。这个准确率是从这个角度去衡量的。
王启隆：AI 原生应用是从零到一的创造，比如说拍照解题，它可以给出推理的过程。那在您看来，判断一个应用是“+AI”或是“AI Native”的第一性原理标准是什么？什么样的应用才能算 AI 原生应用呢？
朱广翔：关于 AI 原生应用，我认为现在有两种模式，一种是“+AI”，另一种是“AI 原生”。界定边界就是看我们这个应用，它在大模型时代之前，是否原来就已经有了。比如，电商现在都有智能客服。这种客服，在大模型之前也有，有人工客服，还有那种基于小模型的客服。这个就属于一个“+AI”的业务，因为它原来就有，有了 AI 之后它能力更强。
但有些应用，原来就没有。比如说 AI 写作，写作能力是生成模型才具备的，以前没有生成模型的时候，它没法去写作。有大模型之后，大家在写作的习惯上发生了很大的变化。我有很多同学在读博或当老师，每次聚会时都吐槽一件事，说现在的学生已经不会对着一个白板去写字了，不会从零到一去写东西，大家只会改，不会写了。
我们以前写论文都是从一个白板开始，先去构思我的框架是什么，每一部分怎么写摘要，怎么写前言，怎么写方法，怎么写实验。而现在的人呢，先生成一个差不多的，基于这个再往上改。有了大模型之后，整个写作习惯全发生了变化。AI 写作这种应用，在过去是不存在的，有了 AI 它才有的，那就是属于 AI 原生的。
或者说像搜索，它其实就是“+AI”，因为原来有搜索，后来有了 AI 搜索。所以，我认为判断的边界就在于这个业务模式在过去是否存在。
王启隆：最后一个问题，我们展望一下未来。创造“Vibe Coding”这个名词的 Andrej Karpathy 曾经说过，写代码不难，部署运维这些流程才麻烦。秒哒解决了很多问题，那在您看来，在“想法”和一个“能稳定运行、持续迭代的成功应用”之间，还剩下哪些最硬的骨头是 AI 暂时搞不定的？
朱广翔：“AI 暂时搞不定的”，这个词非常精准。我们原来以为 AI 很多搞不定的，后来发现都能搞定。比如我们做秒哒的心路历程，一开始的时候，AI 只能生成一些核心代码，周边的边角料它生成不了，导致必须程序员把这一块拼到原来的代码里才能用。再往上个时代，AI 只能帮你去编辑、修改或者补全，类似于现在经典的 Cursor，它之前就是去补全代码，帮你增加一些小的模块，但主流还是你自己写的。
后来随着大模型能力增强，当时大家也认为它只能帮你补全、帮你补位，不能替代你。但后来发现，它能帮你写完整代码了。但是，这完整代码还只是帮你写一些核心文件，周边的东西还是不行，还是需要你补上来。这就从以人为主、AI 为辅，演变成了以 AI 为主、人为辅，最后发展到 AI 可以全权包办，它可以完整生成整体代码。
这个时候，很多人又发现它只能生成前端的，那时候大家都断言说它生成不了复杂的后端逻辑。但是，秒哒也经历了 fertilisers 过程，去年的时候只能生成前端，今年就能生成带后端的应用了。比如说，我的数据想存储下来，我做一个相册，创建完发布了，我明天再打开看还有，这个信息能存下来，能读取数据库，这个后端能力是今年新突破的。我们原来认为的边界是：前端代码大模型可以处理，后端就不行，现在发现这个边界也越过了。
有了后端之后呢，我们又判断说，就像 Karpathy 大佬说的，部署运维也很困难。但是现在这个边界也被突破了。比如在秒哒上，或者类似国外像 Vercel 这样的产品，发布完之后，是有地方能去自动托管的。在秒哒上，我们用了百度智能云的技术，去实现了一个云上的托管和自动的运维部署。这个用户完全不需要操作，用户按的按钮就一个，点“发布”，然后后端一系列执行，各种资源的配置、部署、做安全隔离、上线、测试，这一系列都是自动化 AI 做好的。
所以，我们站在今天展望下一步 AI 可能做不了什么，也许明年就能实现了。比如现在大家认为什么不行呢？现在认为对于高并发场景、高响应要求，比如说做一个应用一下子要有 100 万人用，那它对整个架构的性能挑战是很大的。现在 AI 生成的应用，可能还无法承载这么大的流量。所以现在主要是面向一些中小公司和个人。那面向那种超大型公司，能不能支持？我感觉未来也是可能的，因为现在已经出现迹象了。包括我开始讲的那个例子，我们内部做了一个运营平台，那个平台已经有几千人在用了。再往后几万人、几十万人，我觉得随着模型能力，这也会慢慢去突破的。
但我认为有一个点，可能是大模型在短期内，甚至长期都无法突破的，就是创意、想法。因为这个是需要基于我们很多年的一些行业经验才能想出来的。我们每个人都有自己的背景，比如说，假设我是一个非常老道的销售经理，我知道见什么样的客户说什么样的话，我有我自己的 know-how，我有一套方法论，由此产生的创意、想法和逻辑，是大模型很难领会的，大模型很难去原生具备。所以说这种情况下，人的输入是必要的。所以创意这块，我认为大模型是永远无法替代人来创造的。
我认为在当前这个时代，创意为王，创意最重要。再举个例子，最近有个观察，就是百度每年都会举办一个黑客松大赛，每年都会有很多作品涌现出来，我一直担任评委，发现一个现象：每年最顶尖的那些创意，其实不在于它实现得好，不在于它代码写得好，而在于想法本身非常好，非常有社会价值，或者说非常有创新。这个想法好其实是应用最关键的东西。所以，从创意到落地的环节，秒哒可以帮你完成，但创意本身是我们人类的核心竞争力。
