AI 让“做出来”变得廉价之后，真正稀缺的是删掉 99 个答案
我最近反复在想一个问题：为什么 AI 让设计、写作和编程都变快了，我们看到的产品却未必因此变得更清楚？
原型一天能做十个，页面几分钟就能生成，功能也可以持续往上叠。创造的门槛确实下降了，但另一种感受也越来越强烈：很多东西完成度很高，甚至漂亮得无可挑剔，却很难说清它为什么存在。它什么都有，就是没有一个必须以这种方式存在的理由。
前几天我看了 Dive Club 对 Hivemind 创始人 Jason Yuan 的一场长访谈。访谈标题叫 “Designing 99 Nos for a Single Yes”。Jason 在开头说，他们最终发布的每一样东西，都是此前 99 次否定的提炼；创作的目标，是找到一个想法最真实、最简单的表达。
这句话很容易被理解成“优秀设计需要多迭代几轮”。但看完近一个小时的访谈，我觉得他的判断更尖锐：当 AI 把生成能力变成基础设施，创造力的重心正在从“能不能做出更多方案”，转向“有没有立场删掉绝大多数方案”。
AI 时代真正稀缺的不是产出，而是连贯性。而连贯性来自判断，来自一连串有代价的 No。
99 个 No，不是 99 张废稿
Jason 从 2023 年的 Dot 讲起。那是一款试图理解用户、记住生活细节的个人 AI 产品。团队做过会浮现记忆的气泡，做过展示“此刻在想什么”的 Headspace，做过可以反复打开的指南和日刊，也尝试把一个人的生活整理成类似维基百科条目的 Chronicles。
这些探索并不处在同一种状态。Guides 和 Dailies 最终没有发布，主要是当时的模型无法稳定生成足够好的图像。Jason 说，团队仍需要人从一万张生成图里挑出十张；他不愿因为“能生成”，就向用户推送质量不够的东西。Chronicles 则真正进入了产品，甚至让主持人在闲暇时重新翻看自己与女儿共同生活的记忆。No 在这里不只是把方案扔掉：有时是承认技术尚未准备好，有时是把六个月的视觉探索压缩成一个更简单、真正能够交付的形式。
这些尝试也不是互不相关的脑暴：记忆解决过去，Top of Mind 处理现在，Guides 指向未来，Chronicles 则把三者压缩成一种更稳定的叙事形式。每次取舍都留下一小块认识，直到团队逐渐看清，自己关心的并不只是“AI 能记住多少”，而是这些碎片能否组成一段对人有意义的故事。
所以，99 个 No 并不是 99 张被扔进垃圾桶的稿子。它们更像 99 次排除错误解释的实验。被删除的是方案，被保留下来的是对问题的理解。
这也是为什么 Jason 后来放弃了把 Dot 继续推向“全能个人助理”的直线路径。他的直觉是：科技行业的人可能很忙，但许多人的生活并没有忙到需要一个代理替自己安排一切；订餐、计划旅行之类的活动，有时本身就是生活的乐趣。这个判断并不是已经被市场证明的普遍事实，却指出了一个经常被忽略的问题：能够自动化，不代表值得自动化。
这一步很重要。团队没有问“个人助理还可以增加什么能力”，而是重新问：这个产品最初让人着迷的究竟是什么？答案逐渐从“替一个人办事”，移动到“连接不同的人所知道的碎片”。
这个转向并不只发生在概念层面。Dot 最早就演示过让两个碰一碰手机的人发现意外共同点；后来团队又依次尝试朋友状态地图、社群里的匿名 Void、所有人共同对话的 Dot，以及 iMessage 和 SMS 里的 Lorekeeper。产品形态不断变化，验证的问题却越来越集中：AI 是否能把多个人各自握住的碎片，组织成任何一个人都看不到的故事。Dot 的点，正是在这些反复试错的社会型原型里逐渐变成 Hivemind 的网络。
Hivemind 当前公开的产品设想，是一种 social AI：它分别与许多人进行一对一交流，再尝试回答“人们对某件事究竟怎么想”。官方强调，每个人只握有一部分真相，产品的工作是把任何单个人都看不到的部分拼起来。
从个人助理到社交智能，看起来像一次转型。但顺着 Jason 展示的那些废稿回看，它更像同一个问题终于找到了一个更符合他本人判断的形状。
品牌不是包装，而是一种研究工具
这场访谈最有意思的地方，是 Jason 并没有把品牌设计描述成产品确定之后的“视觉包装”。恰恰相反，在产品还说不清自己是什么时，他通过音乐、戏剧、电影和图像先去接近那个答案。
为 Hivemind 的发布影片配乐时，他一直觉得音乐必须是摇摆、爵士和即兴。等音乐真正做出来，他才意识到原因：爵士三重奏里的几个人身处同一个共享现实，每个人都保持独立，又实时回应其他人的变化。这正是他想象中的 Hivemind。爵士又让他想到黑色电影与侦探，于是产品的角色也清楚了——它不应该是“朋友”或“教练”，而更像一个追索真相的人。音乐没有给既定产品增加气氛，反而帮助团队发现产品应该成为什么。
视觉探索也是如此。一个叫 Hivemind 的产品，最直接的做法当然是蜜蜂、蜂巢和黄色。Jason 恰恰先把这些全部否掉。在他看来，过分直白的隐喻是在低估观众。团队转而研究鸟群、鱼眼镜头、秘密社团、禁忌符号、报纸与小报，最后落在一个尖锐的星号上。
星号意味着公开叙事之外还有未说出的部分，也意味着删节、注释和另一层解释。更巧的是，Dot 的名字来自 new.computer 中间的句点，Hivemind 最后选择了星号：前者亲密、单一、在一句话结束处落定；后者则指向复数、缺口和仍待展开的故事。
我很喜欢这种工作方式。面对真正新颖的产品，语言往往来得太晚。团队如果只靠 PRD 讨论，很容易循环使用行业里已经存在的词。音乐、图像、空间和叙事不是“软性素材”，而是并行的认知工具：它们让团队先感受到某种尚未被命名的关系，再倒推产品机制是否诚实。
当然，这种方法不是让每个创业团队都去拍电影、组爵士乐队。它真正可复用的部分是：不要只用一种媒介思考产品。原型用来验证操作，故事用来验证角色，视觉用来验证气质，极端案例用来验证边界。不同媒介会暴露不同的不连贯。
AI 的默认动作是增加，品味的默认动作是删除
访谈后半段，Jason 把问题直接指向了 AI 模型。他观察到，模型收到批评时往往倾向于继续增加：多加一层说明、补一个组件、打一个补丁、再强化一点效果。它把“变好”理解成“在现有答案上继续做加法”。
但设计经常沿着相反方向发生。你要删掉不必要的说明，放弃虽然漂亮却不属于这个产品的方案，承认某个已经投入很多的功能并没有触及问题。Jason 对 taste（品味）的定义很简单：带着一种观点去编辑。品味因此不只是识别什么好，也包括判断哪些东西不能留下。
这让我重新理解了所谓 AI slop。Slop 不一定粗糙，也不一定难看。它甚至可以拥有漂亮的渐变、完整的动效和毫无瑕疵的文案。它真正的问题是 incoherence（不连贯）：每个局部都说得过去，组合起来却没有共同的“为什么”。
生成成本下降以后，这个问题反而会变严重。过去做一个新页面要几天，成本天然会迫使团队谨慎；现在一分钟能得到十个版本，保留第十一个版本几乎没有边际成本。设计系统、品牌规范和提示词模板可以维持表面一致，却不能替团队产生立场。没有一个先于生成存在的判断标准，一致性最终只会变成相同的圆角、色板和语气。真正的连贯，是每个取舍都能回到同一个关于用户、世界与价值的判断。
市场告诉你什么能卖，但不会替你决定什么是真的
Jason 在访谈里做了一个带有风险的区分。他说，Dot 更多来自“世界想要什么”：人们想要个人助理，人们想要一种被 AI 理解的体验。Hivemind 则来自“我相信什么是真的”。这是他自 2019 年 Mercury OS 之后，第一次重新感到自己在追随一个不完全由市场需求推出来的判断。
Mercury OS 本身也是同一种创作方法的早期版本。Jason 当年花了九个月，从智能戒指、橡皮筋界面等原型一路试错，最后才意识到，自己一直在为旧操作系统发明新的导航方式，却没有质疑应用、窗口和文件这些基本结构。突破不是来自做出了更多界面，而是终于否定了那个错误的问题。
这并不意味着创始人应该无视市场，相信自己的审美就够了。市场反馈负责检验一种判断能否进入现实，但它很少能替你产生值得检验的判断。只问用户还想要什么，团队很容易沿着已有产品的坐标轴不断加功能；只有当创始人能够说清“哪些需求即使存在，我们也不做”，产品才可能形成自己的方向。
我认为这正是 99 个 No 最值得创业者理解的地方。No 不是创始人的任性，也不是把缓慢浪漫化。它必须与原型、用户反应和真实交付持续碰撞。一个没有接触现实的 No 只是偏见；一个经过现实检验仍然成立的 No，才可能成为产品边界。
有立场的 AI，也需要知道自己无权做什么
不过，当“带着观点去编辑”从品牌和产品设计进入社会型 AI，问题会立刻变得更危险。
Hivemind 不只是在一组页面里删减元素。它试图听取许多人的私人叙述，再决定哪些信息值得被连接、哪些故事应该浮现、何时介绍两个人认识。任何这样的系统都不可能完全没有立场：沉默是一种编辑，排序是一种编辑，选择向谁透露什么更是编辑。
因此，Hivemind 的品味最终不是美学问题，而是治理问题。
但访谈本身没有回答这种叙事权力应该如何被约束。要继续追问这个问题，必须把品牌叙事之外的官方宪章与法律条款放在一起看。
官方发布的 Hivemind’s Constitution 把 Hivemind 称为“智能叙述者”，但反复强调它不能成为别人故事的作者；它应当追求真相，同时尊重 authorship（主体的自我书写权）和 plurality（差异与多元），不能为了制造一个更动人的共同故事而操纵、泄密或压平分歧。文件甚至主动列出 AI psychosis、寄生式关系、逐步削弱人的能力，以及营利公司干预系统判断等风险。
但价值宣言之外，还有一层更现实的张力。Hivemind 的公开服务条款允许它分析用户提交的内容，并据此为其他用户生成洞察、消息和社会分析；隐私政策也写明，数据可能被用于训练和改进支撑服务的模型。这些授权对于 social AI 的运转或许不可避免，却也让“谁说的话可以告诉谁、用于什么目的、何时能够撤回”成为具体的产品问题。
因此，宪章并不等于治理已经完成。原则还需要进入权限、披露策略、数据边界和可验证的产品行为。它至少为 Jason 的“观点”论增加了一层必要限制：越有能力替世界组织故事的系统，越要明确哪些故事没有资格替人组织。
这也是我对 AI 产品里“品味”更完整的理解。它不只是决定什么颜色更好、哪句话更简洁，也包括决定什么不该推断，什么不该公开，什么时候宁可保持沉默。前一种品味创造风格，后一种品味保护人的主体性。
创造力的瓶颈，已经从生成转向承诺
AI 还会继续降低制作成本。团队会拥有更多原型、更多文案、更多代码，也更容易为每个反对意见生成一个看似合理的补丁。但产品不会因为拥有更多可能性而自动变得更好。
真正困难的是承诺：我相信哪一种关于人的判断？为了它，我愿意放弃哪些看起来也不错的机会？当这个判断开始影响别人时，我又明确承认自己没有哪些权力？
这三个问题共同构成了 AI 时代的品味。第一个给产品方向，第二个给产品形状，第三个给产品边界。
所以，“为一个 Yes 设计 99 个 No”并不是对低效率的赞美。它描述的是一种新的稀缺性：当机器可以不停回答 Yes，人的价值越来越体现在能否给出有根据的 No，并承担这个 No 排除掉的可能性。
做出来已经不再稀奇。知道为什么只有这个答案值得留下，才是。