近日，知名投资播客Invest Like the Best对音乐流媒体平台Spotify的CTO Gustav Söderström进行了深度访谈，在访谈中，Gustav分享了Spotify对AI变革影响的思考、打造产品的思路、打造组织和管理团队的细节。

谈及AI带来的潜在变革时，Gustav Söderström这样表述：“AI会不会逼我们改商业模式？我不确定。有一个显著不同点，过去传统VC模式是高额前期投入，然后摊销，单位成本接近0——软件就是这样。AI不是，推理（inference）有高边际成本，你得覆盖它。于是大家可能都得‘用广告高效变现’或‘向用户收费’——你看到OpenAI做订阅，会有更多类似的。“

不久前，Spotify（SPOT.US）公布了2025年第二季度财报，该季度公司营收41.9亿欧元，增长10%。Spotify订阅用户和月活用户实现两位数增长，月活用户达到6.96亿，订阅用户达到2.78亿。对比之下，腾讯音乐（TME.US）2025年第二季度收入84.4亿元，增长17.9%，在线音乐付费用户数同比增长6.3%至1.244亿，在线音乐服务MAU为5.53亿人，腾讯音乐的营收、利润增速均领先于Spotify，但从付费订阅的规模上，则较Spotify有差距。

从市值上来看，Spotify市值约1419美元，TTM市盈率154倍；腾讯音乐总市值约387亿美元，TTM市盈率27倍。

关于产品的”中西差异“，Gustav在访谈中还特别解释了Spotify为何只做一款APP：在近几年西方世界意识到向中国市场的“超级APP”模式学习前，Spotify就已经开始关注中国的模式，并最终将多种音频绑定在一个APP上，以提升分发的效率和用户价值感。对比之下，腾讯音乐旗下音乐则有QQ音乐、酷狗音乐、酷我音乐、全民K歌、懒人听书等多个音乐/音频娱乐平台，这与Spotify的“超级APP”模式有明显区别。

Spotify用户覆盖海外多个市场，而腾讯音乐则聚焦中国市场，不同的用户习惯、付费能力也造成了二者在战略选择上的差异——Spotify的商业收入中有非常高的比例来自于付费订阅，而腾讯音乐则更注重娱乐、音乐社交等中国市场独有的需求。对腾讯音乐来说，Spotify目前显然有值得学习之处，但二者看起来并非一类公司。

谈及AI全球的技术浪潮演变，Gustav认为，谷歌、亚马逊这些公司是第一批把技术而非某“单一浪潮”当作战略核心的，而之前的公司做的是“单浪潮战略”。

“如今这些‘通用科技公司’理论上可能成为第一批‘永不死亡’的公司，而历史上公司几乎都会死。它们只要建立起一个‘可以快速包裹新技术’的组织，然后不断找出产品与商业模式。我看Spotify也是如此：是音乐、然后播客、然后图书、然后视频……但本质是提前洞察技术，弄明白它能做什么，再适配产品与常常是商业模式。

“如果说全屏TikTokFeed是旧机器学习范式——下行/上行严重不对称——的巅峰，那它成为新生成式AI时代的终极形态的概率有多大？我认为不大。”Gustav说。

以下为「明亮公司」编译的访谈内容（有删节）：

右为Gustav Söderström（来源：Invest like the Best社媒账号）

Patrick：今天我的嘉宾是Gustav Söderström。Gustav现任Spotify的联席总裁、首席产品官兼首席技术官。他带我们走到幕后，讲述Spotify如何思考音频与视频的未来，以及他在快速变动的科技格局中通过犯错与冒险得到的领导力经验。他分享了关于他们“同步型团队”结构的有趣洞察，以及他们如何把自己定位成整个音乐产业的“研发部门”。我们讨论了他们对AI的整合、他们独特的“Bets Board（赌注看板）”资源分配流程，以及他们如何从一个音乐服务进化为拥有6.5亿以上用户的多媒体平台。

AI如何改变音乐产品、组织和Spotify

Patrick：也许从大家都关心的地方开始会很有趣。所有人都在面对这场巨大的技术转变。我的朋友Ravi Gupta把这个当下的命题称为“AI or Die”（要么用AI，要么被淘汰）。意思是公司——即便是那些光鲜的大型成熟科技公司——都必须找到拥抱并使用这项新技术的方式，否则就会被淘汰。我想听听你和Spotify是如何思考这一挑战的。我知道你们拥抱得很快，而且很早就在整个产品中使用机器学习与数据科学。

但这次是一次巨大的转变。你、Daniel（Spotify CEO、创始人Daniel EK）和团队在应对这类范式变化方面非常有想法，而且你们以前已经做过类似的事。请比较详细地讲讲，你们第一次“感觉”到这股浪潮时是什么状态？做了什么？在一家大公司里消化这种级别的变化是什么体验？

Gustav：对，这是个好问题。我觉得那个描述（“AI or Die”）至少从长期来看是正确的。就像过去曾是“Smart phone or Die”（智能手机，否则出局），再往前是“Internet or Die”，再往前是“Computer or Die”。这类转变不是你可选可不选的——无论你要不要，它都会发生在你身上。这就是“宏观大势”（Macro Wind）的典型体现。

通常当这这股“风”吹来，我们内部有一句话：你不可能让风调个头。如果风正迎着你吹，它不会因为你而换方向。所以你必须重新定位自己，让你站在风口前，把它当作可冲浪的“大势之浪”（Macro Wave）。

我们经历过几次这样的事。第一次真正意义上的就是智能手机的到来。Spotify在智能手机之前的互联网阶段位置很好——我们在桌面端有免费层，用它获客，用户建好播放列表后自我留存；而“移动性”（随时随地听）是付费功能。

当大多数人还在用电脑、少数人用智能手机时，这种模式没问题。然后智能手机爆发，我们遭遇一次生存危机：出现了一些只拥有手机、没有桌面电脑的消费者——他们完全无法体验免费层，我们的整个模式“死掉”了。

那就是必须重置整个商业模式的时刻：我们得想办法在移动端做一个不会蚕食付费的免费层，这块一会儿可以展开聊下。这是一个例子，而我认为当前这波AI是类似级别的。

我脑中的大问题是：这是否需要商业模式的变化？还是“仅仅”是产品层面的变化？还有一个AI与过去不同的地方：它不会只触及一块。它影响消费者产品，同时也影响你作为一家公司的效率与竞争力。所以切入口很多。

正如你说的，我们在机器学习上算比较早。那段旅程是：我们看到用户来到Spotify，然后开始做播放列表并因此被留存。但真正擅长做歌单的人只是少数，因为你脑中得有曲库、了解新歌和老歌。

所以有些人靠自建歌单留存得很好。然后我们尝试用编辑（人工策划歌单）去放大这种行为，服务那些不太会自己编排的人。我们看到人们通过社交去找灵感。最终机器学习开始成熟，我们看到可以给每个人做一个“音乐朋友”的机会，就开始投。渐渐做得很好。

有些人会说“AI就是机器学习，只是换个词”。差异是什么？我觉得传统所谓机器学习与我们现在叫的“生成式AI”之间的差异在于：统计式机器学习时代是一种“只往外给结果”的机制。我觉得那个时代的典型UI形态是“全屏TikTok流”。界面会按驱动它的技术自我塑形，以最大化指标。那套UI最大化了旧式机器学习里“探索-利用”的统计范式。

生成式AI出现后，大转变在于可以接收自然语言输入。即便技术底层都属机器学习，我把生成式AI看作一个新纪元。最大的变化是：信息交互变成双向。

如果你看Spotify，现在的消费者产品基本仍像早期宽带：下行带宽1Mbps，上行只有150kbps——下行很多信息，上行反馈极窄。这就是大多数消费级服务的样子：你往下看视频流，信息量巨大，上行只是几次点击或滑动——这是极其窄的信号。

上一代机器学习聚焦的就是这点。我认为生成式AI时代的变化在于：上行现在可以是英语（或自然语言），可以几乎与下行一样丰富。这迫使所有消费互联网公司在极限状态下重新思考产品形态。

如果顺着我刚才的逻辑：全屏TikTok Feed是旧ML范式（下行/上行严重不对称）的巅峰，那它成为新生成式AI时代的终极形态的概率有多大？我认为不大。消费产品会发生根本变化——虽然我现在不能完全预测。

它们会在“接收信息vs提供信息”的对称性上更平衡。快进5–10年，几乎所有大型消费产品会在某种程度上变成“对话”，而不只是“你使用的一个服务”。所以我们产品团队的任务就是找出下一个范式是什么。

我还不知道。我们在实验。如果我已经特别清楚，我现在也不会告诉你——我会再“捂一捂”。这是产品侧。稍后我们也能谈生产力侧：大家都在用的代码生产力工具，我们也在用。

但作为一家大公司，与初创相比有差异：到目前为止，生成式AI在代码上最显著的提升发生在“写全新代码”环节——那是初创大量在做的；但在大公司，你写新代码只占很小一块，大部分是重构等。

我看过一个统计：大公司里开发者一天8小时里真正写代码的时间大约1/8（也就是1小时）。而且在那1/8时间里“净新增代码”又很少。于是我认为编码的最大冲击还没到来。

有两件事：第一，模型规模正在大到可以理解庞大且复杂的代码库，比如Spotify的。但它们还没真正做到能大规模重构整个代码库的“深度理解”，但会到，那会是巨大转变。第二，自动化Code Review。我们快到那个临界点，但还不够可信。现在很多开发者写完代码就在等审核。

这些能力会迅速爬坡。我认为几年内会大幅度提升。但最有趣的是“另外七个小时”：开发者在做沟通、计划、与设计协作、做原型、开会。这些环节AI的影响可能会与编码本身一样大甚至更大。

Patrick：我想从你刚才提的“下行/上行”部分开始。你们在“让用户愿意在上行投入精力”方面学到了什么？在聊天式界面（像GPT）里，人们知道需要打很多字，复制推特上的Prompt，这种意愿挺高。在一个像Spotify的App里，人们到底有多愿意“变得不懒”，用很具体的描述来表达自己想要什么？

Gustav：是的，这也许是生成式AI时代、双向上行（dual uplink）对我们最令人兴奋的地方。过去我们主要依赖有限的显式输入，比如你做播放列表——那是高价值信息：你坐在那里思考“这首歌和那首、那首搭配很好”。

如果把它当“标注”，即便你是为自己建歌单，你依旧是在为这些曲目之间的关系打标签，而且你投入了很多精力。这是我们在音乐推荐上很大的优势，尽管现在生成式的推荐系统在逐步取代更老派的协同系统。我们确实拥有很强的信号，只是这种信号出现频率较低——用户偶尔集中投入大量时间。

但更多时候我们只有“跳过（skip）”行为。挑战在于：手机在口袋里。即便我们放“点赞/点踩”，你也不会每次都掏出手机说“我不喜欢它因为……”，甚至连一个点赞/点踩都嫌麻烦——你得拿出手机、解锁、打开Spotify。

你能通过耳机做的就是“跳过”。所以我们有“跳过”信号，但它非常钝化。我们播一首，你跳过：可能你讨厌它，也可能你喜欢但听了一百遍累了，或者你喜欢也没听腻，但你正健身——这时候爵士不合适。这些在我们眼里都长得一样：一个Skip。

这种信号虽然量大却粗糙，你永远无法靠它做到“极致个性化”。现在我们发现，生成式AI带来的第一个已上线（目前已覆盖40个国家）的功能叫“AI播放列表”。我们用一个LLM，结合你的收听数据与世界知识。

你可以直接用自然语言告诉我们你想要什么样的歌单。过去你只能手动加歌，最多取个标题，我们只能猜“这可能是跑步歌单”。现在你可以说：“我想要一个跑步歌单，风格是EDM，要有大Drop，节奏160BPM。”

LLM会给你一个建议。然后你可以挑几首说“这些好，那些不好。再优化一下。我不喜欢这些艺人，但多给我那类。”对我们来说，这是第一次能达到这种“读取用户脑中真实意图”的保真度。

我有个比喻：Spotify一直在试图在服务器上“重建你大脑新皮层的一小块”。过去用Skip的点击流很难做到。现在你把脑中所想直接告诉我们，我们就更容易“近似”你这个人。这是我们第一次得到如此清晰的信号。

另一个思路：做用户研究我们有两步——先定性（访谈）再定量（A/B测试）。生成式AI的承诺就是：对接近7亿用户持续进行“深度定性访谈”。听起来巨大，但如果你眯着眼看，确实有点那味。

Spotify的组织和决策：让用户觉得Spotify超值

Patrick：有这么多方向可以借助这项新技术延展产品。我非常好奇Spotify内部究竟是怎样的“装置”——领导团队、产品团队——你们到底是怎么“运行”决策流程，把这么大的团队力量用在哪些点上的。无论如何，资源都是有限的。

Gustav：永远人手不够。

Patrick：所以机会空间巨大，你们还有7亿用户的优势。实际的“一个又一个会议”——那整套流程长什么样？我问这个是因为很多公司面临同样挑战：既兴奋又害怕——要在别人之前做出创新，不然被颠覆。你们是怎么梳理、提炼并落地那些你们要尝试的事情？

Gustav：两个层面：一是很结构化的流程，我会讲它怎么运作；二是我们用的一些概念。我这些年引入了一些战略框架（我知道你也很关注），比如Hamilton Helmer的《战略7力》（Seven Powers），Shishir Mehrotra（Grammarly的CEO）写的Bundling框架（注：Four Myths of Bundling）。

Patrick：他在你们董事会，对吧？

Gustav：是的，他在董事会。

Patrick：秘密武器。

Gustav：没错，非常好的秘密武器。我还觉得Felix Oberholzer-Gee的《战略是简单的》（Better，Simpler Strategy）非常好。

Patrick：我还不了解这本。

Gustav：它提出一个“价值杠杆”概念：一头是“支付意愿”；我们衡量价值的方式就是你的支付意愿。但它还引入“出售意愿”。如果你想想你的员工：他们愿意把自己的服务“卖给”你的意愿有多高？大家都关注提升用户支付意愿，其实你也可以提升——或从另一视角“降低”——员工的出售意愿。事实证明，全球最好的公司未必付钱最多，而是使命最有意思、文化最吸引人等。

我们是一个“捆绑式服务”，不断给用户叠加价值：更多音乐——价值；再加更多播客——价值；再加书——又是价值。这个“支付意愿/出售意愿”框架和我们的业务非常契合。

我们的工作是保持支付意愿远高于实际价格。两者的差距就是消费者剩余。我们的目标是让用户永远觉得“Spotify是超值的买卖”——你感知的价值远高于我们定价。我们大量用这个框架。

把这些框架不仅植入业务组织，也植入产品和技术组织，会让大家思考更结构化，也形成共用词汇：网络效应、摊销、品牌力等。我花很多时间让团队用这些框架，从而形成结构化的战略思维。

另一点，我推行的理念是“我非常推崇苏格拉底式辩论”。强有力的推理非常有用。

所以我喜欢一句有点挑衅的话：“说很廉价，所以我们应该多说。”这是对“快速行动、打破常规”的一种平衡。讨论的成本太低了，我们应该多做一些。靠这种方式，人类当初竟然能推导出“原子”的概念。我们进行大量结构化的讨论与构思。我和我的领导团队做，常常是“领导层+1”（即VP层，再往下到Director+）。

我留很多时间只用于讨论概念。回到我人生的一位英雄David Deutsch。他的《无穷的开始》和《真实世界的脉络》对我影响很大。他谈“好解释”——列出什么是好解释：可被证伪等等；还要“广域适用”，要能扩展。

一个“还行”的解释只能解释这个现象，不能推广到其他现象，不能上下伸缩；一个真正好的解释可以从地球到太阳系到行星尺度扩展。它还应该“难以被任意改变”——这点常被低估。

如果你能把一个解释随意换成另一个，还能解释同样事情——比如用某个神解释天气，你可以把这个神换成另一个神——那就不是好解释。真正的好解释如果你改动，它就不再解释。

最后，他说解释不能仅是“预测”——那只是模型。解释需要说明“为什么”。所以我也要求团队：即便某东西在A/B测试中有效，我也会说“我不想上线，除非你能说明它为什么有效。”

因为一旦你搞懂“为什么”，那就是“模式识别”与“真正理解”之间的差异。模式识别有用，那叫“资深经验”。很多人有模式识别，但若他们能解释“为什么”，知识就能扩展到整个组织，其他人能用，价值巨大。

这些是我多年放进组织的一些概念，它们塑造文化。

然后讲结构化流程：我们以6个月为执行周期。有一个“Bets（赌注）流程”，所有VP（大概14人）——Spotify的一个好处是它“够小”到所有VP能塞进一个房间，我们每周二一起开3小时会，公司完全同步。稍后我再展开讲。

每6个月，这些VP会像创业者向VC路演一样“Pitch”他们认为公司该做的赌注以及理由。你不能靠“Gustav或Alex或Daniel喜欢我”这种软因素——就像VC会议，你必须说服我们。Pitch完后，我与另一位联席总裁Alex Nordström会基于这些Pitch做一个全局“堆栈排序”。

这次我们有44个“赌注”（通常30–50之间），我们从1排到44。然后组织去尝试“配置资源”，从榜单顶部往下，也许排到30就说：这是我们未来6个月能做的。然后他们对这些承诺，开始执行。

它是“自下而上创新”与“全局同步”的混合：不仅是Daniel、我或Alex出点子，而是所有VP与其下层，离用户最近的人来产出好想法；然后进行全局排序，确保它们融合成一个统一战略，再回到组织——他们做出承诺。

正如你知道的，当人是“自己说我能做到”时，交付会远好于“老板说你去做”。这就是流程。

在此之前我们有一段“原型期”：在前一个6个月里，我们用Figma+（越来越多）生成式AI工具联合做各种原型，来想“下一阶段结束后Spotify的样子可能是什么”。

原型帮助公司全体同步。过去大家提交赌注时，每个人脑中都有自己“伟大特性”的想象；等真的开始建，很快才发现其实并未对齐——然后在周期后半段爆发大量冲突：这个和那个不兼容。

我与Alex现在的做法是：我们没有各自的直辖团队——我们把所有直接下属（VP层）当一个团队，每周二一起3小时，用我们“还够小”这一点，反而把“小”变成对抗那些庞大竞品的优势。

于是我们“先把所有潜在冲突在前面打完”：在真正承诺之前就把“争论”解决，并有一个你能“拿在手里”的东西——“如果我们拉通实现，这就是Spotify的样子”。所以这是“文化投入+结构化执行”结合。

Patrick：我关于流程还有很多问题。那每周二3小时的会议是怎样结构化的？

Gustav：那个会叫E Team（Execution Team）。重点是公司执行。理念是：如果一周5个工作日，你平均不会被阻塞超过2.5天就能把问题升级到我、Alex与所有VP面前。

所以思路是：你永远不该被卡住超过2.5天。因为我们是同在一条船；如果你卡了，代价很大——所有下游都延误。如果像我们这样高同步运作，升级与解决机制就非常重要。

所以会议很大一块是：有人说“我们这掉队了。我依赖那边某某，她还没交付。”美妙之处是：所有VP都在现场。很多公司常见的场景是：“行，我们线下再聊，回头对一下。”我们则是不允许说“线下”或“之后”——因为相关人就在房间里。

我依赖Anna——她就在，Anna会说“我不知道这一点”或“我会解决”。实时解决。理论简单，实践威力巨大。多数公司没这么做。“不允许线下、不允许拖延、实时解决”——这是为什么要3小时。

另一个原则：你不能带直线下属进来（有利也有弊）。原因是，如果你带很多下属，会发生两件事：1）VP不会“被迫”掌握足够细节；我希望逼VP亲自解决问题——他们必须“深入细节”；2）团队稳定后彼此非常熟，默契强，沟通坦诚。

另一部分内容是战略与前瞻：比如我们准备做“音乐视频”。团队出去研究：“需要的版权、产品形态、对成本与P&L（利润表）的影响”。他们回来给团队陈述“我们要做、需要多久”。

因此它既是维持引擎不停、也兼顾未来规划的场所。但详细规划不会在那个大房间做——那太大。具体规划在小焦点组里做完再拿来展示。

我们不是唯一这样做的公司。我知道Airbnb有类似机制，我也和Brian Chesky（Airbnb 联合创始人、CEO）交流过。Netflix早期可能也有点类似（现在内容/业务/产品拆开了）。我们的独特之处在于：业务与产品同时在讨论，同步进行。

Spotify的业务人士对“单体代码库（mono repo）”也非常了解——他们参与技术优先级排序。反之，我的产品与工程人员非常清楚P&L、公司目标、毛利等。这样他们拥有“CEO视角”，而不是“你做产品就不懂财务”这种人为壁垒。如果你是CEO，你就必须理解一切。

赌注看板：Spotify内部如何分配资源

Patrick：如果听众对你们“Bets Board”提案/排序流程感兴趣——它像一种优雅的“资本/资源分配”方式——你会给他们哪些关于利弊的建议？你们做了很久，它又如何随着经验迭代？

Gustav：这个概念本身很朴素：它来自“看板（Kanban）”，来自开发者社区，追根溯源来自汽车制造。其核心就是“堆栈排序（Stack Rank）”：理论简单，实践很难。

很少有人真正能说“这个比那个重要”。大家常说“这两个都超级重要”。当你逼问“必须砍一个，你先砍哪个？”就困难了。但一旦做到了，它给组织带来巨大清晰度。

如果你说三件事都同等重要——现实是它们不会真的等重要——迟早你还是得选。否则你就是把选择权往下推。这位VP为A负责，就会拼命；另一位为B负责，也会拼命。如果你不给清晰度，就是在“设置内部对抗”。友善的人还会误以为彼此“关系不好”。

公开透明的全局排序意味着：我来找你说“我需要你做X”，你说“我在做Y”。我们看一眼榜单“哦对，应该先做那个”。简单却极其有效。

做完后会遇到一些理论问题：比如排序完成后，要不要“全局统一调配”资源？逐个开发者去调度以最大化整体进度？那种规划地狱里，每个人都“可被抓走”，VP没法预估资源，等于“去权力化”。虽然“资源最优”，但规划极低效。

所以得“模块化”。我们结构是：平台组织（Platform），负责GCP、云、开发工具、安全等；

体验组织（Experience）：负责所有终端（移动/车载/桌面等）的消费者体验；

个性化组织（Personalization）：做所有AI、推荐，以及跨书/音乐/播客/视频的平衡。再加上三个垂直的业务：音乐、播客、图书（各自资源）。

我们先让各自用“自有资源”按排序往下填，看能走多远，不互相“偷人”。这样他们有可预测性，可以自己计划。最后才少量做全局微调，避免高优先项差两个人（不最优）。整体上尽量让组织保有资源自主性。

最大风险在于，高度同步听上去很美，但规划成本高。你必须擅长规划。我们甚至自建工具——外部工具不够好。若规划做不好，“管理开销”相对“执行”会迅速膨胀。我们用6个月节奏，是在让“规划开销”不过度。12个月太长、反应慢；季度又太短，规划过多。

对我们尤为关键：Spotify的产品战略是“单一应用的大规模分发”——接近7亿MAU。多年前，在西方尚未流行时，我们选择了“中国式超级App思路”：最难的是“装机分发”。你能看到AppStore人均安装量降到接近1，分发成为最重要的。于是我们决定播客、后来图书、视频都放一个应用，这样能复用分发。

但代价是，组织必须“同步运转”——你要发一个App，上面所有模块都是干系人，不能分治。你不能说“书籍团队你们冲”，或“音乐团队你们自走”。所有人必须互相等待。

因为这个消费者战略，我们必须有“强同步组织”——因此也必须有“强规划流程”。所以这是“消费者战略”推导出的结构，而不是“放之四海皆准”。

我们擅长做“全局变化”（例如改UI），因为我们同步。但我们可能在“快速小试”上比别家慢，因为要经过复杂规划。我不认为你能“在规划上取胜”——最好也就是“重要的做得够好，次要的差一点也行”。

AI在编程之外的影响

Patrick：想回到你前面提到的，用最领先的工具。以Cursor为例——现在大家都知道它，估值100亿（美元）。感觉“每个工程师都在用Cursor让自己更好”。但你说得很妙：好，用它写“新代码”，但那只是“大公司里‘1/8时间’里的一小块切片”。你能描述你认为这一进程会怎样展开吗？因为资本市场非常关注“AI工具如何触及更大那块时间蛋糕”，而那部分似乎尚未被显著影响。

Gustav：有几个现在不明显的点。第一，以前是“每个开发者”先开始用Cursor，现在我开始看到更多“非开发者”用它。部分原因是业内正在收敛到一个协议：MCP（Model Context Protocol，模型上下文协议）。如果你把内部服务包一层MCP，你就可以用英语和你的基础设施“对话”。

于是如果你是开发者，或者设计师、产品经理，想做一个新特性原型。一个工作流是，拿现有Spotify，双击截图，上传进Cursor，说“把这些连成可点击HTML交互”。如果你的服务包了MCP，你理论上可以说“把这个接到我的‘已点赞歌曲’Feed”上，你即便不是开发者，也能原型，因为基础设施通过MCP被“英语”包起来了。这个很关键。

所以，会有远多于“纯开发者”的人用Cursor。我已经看到苗头。我的一位PM在瑞典，她来自新西兰，不会瑞典语，她用Cursor把瑞典税务局包成MCP，自己完成报税——不是开发者。这个使用人群会扩展。

这揭示了大公司里真正发生的事，也解释了为什么初创公司更快。以Spotify为例，我们有大量基础设施：15年的播放历史数据库、家庭计划成员服务、口味图谱数据集……

现在 AI 公司给你推理引擎，有些开源，几乎免费。你本以为会很贵，现在几乎白送。你开始用，首先遇到的问题是“我的听歌习惯一年内怎么变了？”但这些数据没暴露成 API，过去机器学习时代，听歌数据都在冷存储，工程师要写 SQL 一周拉出来训练模型再存回去。现在你想实时推理，必须把所有数据实时暴露成 API。

所以我现在最大工作不是 AI 工程，而是传统工程，把所有数据暴露出来，让推理引擎能实时访问给产品经理甚至用户自己用。

现在有 MCP 标准，大家都在做 API 暴露，意味着业务人员、律师、产品经理、设计师都能用 Cursor，无需编码，至少能原型或和真实服务对话。这是我们的方向，开始是开发者用，随着基础设施暴露，其他岗位也会用。

Patrick：是不是可以说，开发者的变革会扩展到其他岗位？大家工作会越来越像和团队用自然语言沟通、原型、试验，这种方式会慢慢扩散到所有职能领域？

Gustav：是的，我这么认为。现在很难说最终形态，因为我们还在某个中途点，但我们能确定“现在的工作流只是曲线上的一点”。我们必须小心不要“对当下过拟合”，因为模型能力会增强，工具会变。

合理的现代公司视图：所有数据实时暴露，上面有一层工具（Cursor或其他），可能针对不同技能有专用界面：比如授权团队（Licensing）一套，用来推理合同，快速问“我们在某市场能不能做X，要再拿什么许可？”产品团队也能问同一个“授权引擎”。我们有15年合同（现行+历史），如果你训练它，那AI对音乐许可的整体理解会超过任一员工。谁的界面会胜出尚不确定，但雏形大概如此。

现在我们看到人们分享“Prompt样例”和“原型成果”——非常“点式”“Hack感”，只是阶段性形态。

Patrick：如果给世界校准一下——很少人有你这种“既兴奋又面对现实”的内部视角——用1–10分刻度或其他方式：现在的实际影响值是多少？将来会“多疯狂”？有人说“一切将被改变”，有人担心“威力太大”。你能帮我们校准下吗？

Gustav：如果要“尽量现实”，拿“开发者用例”：我见过一些大公司研究，真实测量下来提速也许7%左右——听上去让人失望。因为诸多原因：编码只是时间的一小部分；其中“新增代码”又更小。现在实际影响稍被过度炒热，至少对大公司如此。

但我认为之后会走向“反过来”：现在“过度兴奋vs真实影响”；但长期它会带来巨大冲击。我个人/开发者/产品/设计每天大量用它：提高生产率、让它总结等等。

真正重大影响来自你“重新塑造公司”适配这项技术。现在我们只是“往上贴一层”。正如我说的，你得重新塑形，重建成一个“推理引擎可实时跨全公司数据推理”的架构。那其实需要大量“再工具化”。这就是初创领先的原因：它们不用重建，也没有15年遗留数据；所以它们“已经生活在未来”。这让它们觉得“Gustav说错了啊，影响已经巨大”。对初创确实如此。大公司得加速，才能不被落下。

Spotify的商业模式与未来可能

Patrick：我相信那些初创也很想拥有7亿月活用户来试验。刚才你提到移动浪潮不只是产品变，商业模式也要变。我们目前谈得更多是产品。说说商业模式：在什么世界里，这项新技术会让Spotify整个商业模式需要再变？你们如何评估这种情况？

Gustav：我们见过几次商业模式变化。我常对产品团队说：大家都说“世界被技术颠覆”，这句在“底层力量”意义上是对的——技术是不断送礼物的那个东西：计算机、互联网、智能手机、ML、AI、量子计算……礼物几乎按节奏送来，而且间隔越来越短。

过去科技公司其实叫“汽车公司”或“制药公司”——那时尖端技术的载体。但因为“宏观浪潮”间隔远，他们“过拟合”在一个浪潮里，从未成为“无所不包的通用科技公司”。

我认为90年代（Google、Amazon）后，浪潮来得快，人们试图贴标签：“Amazon是卖书的”“不是，我们做书，但还卖别的”“哦那你是‘万物商店’”“也不完全——我们还做AWS”。

这些公司是第一批把技术而非某单一浪潮当作战略核心的。之前公司做的是“单浪潮战略”——比如IBM：内存、然后计算机。如今这些“通用科技公司”理论上可能成为第一批“永不死亡”的公司，而历史上公司几乎都会死。它们只要建立起一个“可以快速包裹新礼物”的组织，然后不断找出产品与商业模式。

我看Spotify也是如此：是音乐、然后播客、然后图书、然后视频……但本质是“提前洞察技术，弄明白它能做什么，再适配产品与常常是商业模式”。智能手机就是一次我们必须改商业模式的浪潮。

我常说，技术浪潮来时会带来“第一次冲击”（比如盗版的巨大破坏），但真正的大变化发生在“有人找到商业模式”之后。我告诉团队：技术可以“做好事”，但“商业模式”才创造广泛价值——没有商业模式，就只是破坏，不会大规模正向创造。

移动是第一个。我们需要在移动端做一个“不会蚕食付费层”的免费模式。我们看数据发现50%的付费用户在“随机播放”。于是我们说：如果把“随机播放”这个特性免费给出去，它应该代表50%的付费使用价值——很大，但它不可能是“任何人100%的付费价值”，因此不会全面蚕食。我们就构建了那套“你可以把喜欢的歌放进一个歌单，按下播放，放口袋里一直听（后台播放）”的免费模式。技术+商业模式创新耦合。

最近一次是“有声书”。美国是按本购买的。我们做了一些“让它可以流式播放”的产品创新，但真正的创新不在“能流式播放一本书”，而是“把它捆进Spotify Premium”。音乐曾经也是“按曲购买”且相对小众；我们把它变成“访问模式+零边际成本”，规模就扩大。我们也用同样逻辑看audiobooks。

回到你的问题：AI会不会逼我们改商业模式？我不确定。有一个显著不同点，过去传统VC模式（最早来自芯片与硅）是“高额前期投入，然后摊销，单位成本接近0”——软件就是这样。AI不是，推理（inference）有高边际成本，你得覆盖它。于是大家可能都得“用广告高效变现”或“向用户收费”——你看到OpenAI做订阅。会有更多类似。

对Spotify来说这点“并不新鲜”——我们一直有边际成本：多一次流播放要付给唱片公司。所以我们从小就在“如果免费层太成功，我们可能破产”的世界里——与Twitter/Facebook那种“先疯狂增长，盈利以后再说”不一样。我们一直得平衡“免费层vs付费转化vs免费层变现”。我们对边际成本已经有“免疫力”。

我认为你会看到消费者里，有些人会想要“海量推理”——那是边际成本——你得向那部分用户收费，用“推理量”做分层。我们已经有分层，这方面不算新。

Patrick：我投资了一家公司叫Etch，它会推动“推理成本”下降（就像计算史的惯性）。消费者剩余会因单位推理更便宜而大增，但反向力量是“我们会用更多”——更多reasoning token，更多（各种各样的资源）。这让我好奇：“更好的模型”对你们是否还有巨大的增量价值？

感觉如果我们现在“冻结”模型能力，光“消化这些能力把它们用进产品”就能忙十年。你能想象“再好几个数量级”的模型开启你“现在做不到的大量功能”吗？还是“我们已经有足够的能力，只要成本更低”？

Gustav：我认同“产品过剩（Product Overhang）”观点，即使冻结，我们也能靠现有能力做出多年值得惊叹的产品；也认同“计算没有上限”——最终你走向“Computronium（计算质）”。从物理学上看，我们离“一个宇宙可执行的最大计算量”极其遥远。所以我认为我们会全速走向那个极限。

Patrick：什么是Computronium？

Gustav：就是“把所有可用物质转成能执行最大计算的形态”的理论概念。我们现在距那个物理极限很远。所以我认为我们会不断提升。

有个类比，电子表格诞生时，人们说“会让所有会计失业”。结果我们只是无法想象“当计算成本趋近0，会计活动的需求会激增”。价值并没有“因为太廉价”而归零——反而我们做了“更多会计”，做复杂预测、做无限多的财务模型。

从经济学看，当某成本下降，需求往往上升超过成本降幅。我认为“智能”是“终极物”。说“我有足够智力了”并不太有吸引力。我们未来可能会为“最琐碎的推理”用推理算力，甚至“我明天的咖啡能不能高1摄氏度？”如果询问成本真正趋近0，人们就会不断问。

Patrick：也许现在该问问你在花园里和David Deutsch聊《无穷的开始》的事。你对“没有终点，我们会不断前进”很感兴趣。能说说那本书、它如何影响你、以及你们的对话吗？

Gustav：David Deutsch是我心目中的英雄。先读《无穷的开始》，再读《真实世界的脉络》。他被认为是“量子计算之父”。量子计算也是技术“礼物”之一，而且我认为很快它会真正落地。

我一直对它着迷。量子力学是地球上最疯狂的东西之一。我们以为我们活在“真实世界”，但走到最底层，它不是我们肉眼的“现实”，我们活在一个“三维投影”里。《真实世界的脉络》对我冲击很大。作为“多世界阐释”支持者，他相信“多重宇宙”。

《无穷的开始》更著名，更哲学。他提出很多大思想。他其实非常“乐观”。我在牛津他花园里采访他（他70多岁，身体一般，只能户外、保持距离）。在这个大家都很悲观的时代（AI风险、气候……），他却很正面。风险存在，但他确信我们会走向星辰。问他“一百万年后我们在哪？”他说：也许刚出太阳系不远，但还没多远。

他对人类具备“无限可扩展的理解力”坚信不疑——因为“解释”。他认为我们是唯一突破“只能做模式识别”的物种，其他动物只会Pattern Recognition（模式识别），最多做点文化迁移（学别人动作），不会产出“解释”。

他定义“好解释”——受波普尔影响：可被证伪、可扩展、难以随意改变。比如“雷电因为雷神生气”是个解释，但太容易变：换个神也行。好解释一旦改动参数，就失去预测力。阴谋论常让人着迷，部分原因是它们“太容易换角色”而保持故事框架——所以往往不是真的。

我尝试把这些带进组织。有人问我：“产品开发中‘魔法’vs‘科学’的比例？”我会稍带挑衅地说：100%科学，0%魔法——很多人被这话刺激。不是否认技能，而是：所谓“直觉”只是“你能模式识别但还没把它形式化成解释”。

“资深”=大量样本输入->快速模式匹配->更快得出好的初步决策。价值巨大，我们需要资深经验。但如果你能进一步“解释它”，那对公司价值会指数级放大。否则你走了，别人只剩“黑盒直觉”。

比如我给出一个“为什么”——像卡尼曼提的“损失厌恶”：人对损失的痛苦约等于收益的1.5倍，因此上线新功能要谨慎，因为撤回成本更高。——这就是一个可传递的“解释”。

我强迫团队：即便某实验赢了，也得提出“理论解释”。哪怕大家都催上线，我还是会说“给我一个解释”——这样公司会沉淀“消费者理论（Consumer Theory）”。有了强消费者理论，你能预测“原本概率很低的事情”。

David Deutsch还说：模式识别让你“渐进拓展”，却无法让你“跨越范式”——比如从地心说跳到日心说；从经典物理跳到量子——那需要“解释”。

Patrick：能举一个你们内部“好解释->跳跃式转变”的真实例子吗？

Gustav：一个公开案例：免费层。当时我们只有付费移动版本。智能手机用户增长，很多人没有电脑，我们需要一个“移动免费层”。竞争对手（YouTube）是“前台、按需、带视频”。如果做“模式复刻”，我们可能就抄它。

但我们做了“第一性原理”推导。那时我们限制：后台不能播（离开屏幕就停），那多少播放是“前台”？数据说当时只有最多9%。那91%是“背景听”。AppStore有没有能“免费后台听你最爱的歌”的？最接近的是Pandora，但那是“电台”——无法听你“自己最喜欢的那几首”。

于是我们想：“一个让你免费在后台听自己喜欢歌曲的体验”——那几乎是“Premium价值”。如果直接给，会蚕食。再看“付费用户使用结构”：50%时间是“随机播放”，另外50%是“点播”。我们想：如果我们把“随机播放”这个“即便拥有点播也自愿使用”的行为免费给掉——它对任何一个付费用户都不是“他的100%价值”，所以不太会回流。又能给免费用户巨大价值。

于是“后台shuffle免费层”成形——超级反直觉。公司内部很多人说“糟糕主意”。我自己也怀疑：是不是应该做“时间限制”或“长试用期”？问题是：即便做1年试用（诺基亚也做过类似），用户也知道“我现在构建歌单，一年后就没了”——于是他们压根不开始投资。

我们上线了Shuffle免费层——增长爆发至今。这是市场上唯一能“永远免费后台听”的方式。

Patrick：太迷人了。

Gustav：这是“解释/理论化”而非“模式模仿”的产物。

音乐产业的「研发部门」

Patrick：谈谈你们与音乐产业关系的演化。Spotify无疑改变了音乐本身。你在公司很久，回想早期，这影响惊人。投资者视角最关注之一是“毛利”——你会不会被“上游IP持有方”永远保持某种切分比例？讲讲你如何看这件事如何演变。看起来双方关系“互利”，同时Spotify又非常耐心。

Gustav：当然。我和Spotify都“生长”在盗版时代的瑞典——那是最糟市场。有一句著名的英国唱片高管对瑞典同行说的话（2000年初），瑞典同行展示财务，他说：“这不是生意，是个爱好。”说明当时多破碎。这反而让Spotify得以出现——音乐产业在瑞典愿意冒险。

我要给行业大量信用：他们在Spotify身上承担了风险。Spotify也承担巨大风险（最低保底、版权预付等）。他们值得成功，Spotify亦然。

我2008加入。到2012年左右我开始对团队说：“我们（R&D）是音乐产业的R&D部门。”最初大家不解。我说：“看吧——这是一个‘没有自己R&D预算’的整个产业。”手机有R&D（苹果/谷歌），各种行业都有，但音乐产业几乎没有自研投入。事实证明真是如此。

今年是Spotify创立以来第一个盈利年。大家谈“分成比例”——我们大概分70%，但剩下30%其实也没“留住”，15年里我们不断再投（甚至亏损更多）。我们长期不盈利，把钱投进音乐产业（体验、工具、分发、AI推荐）。

现在这不能永远持续：我们需要盈利，才能吸引顶尖机器学习工程师、产品、开发者——他们很贵，因为稀缺。我们极度耐心与长期主义，投入了很久，但时间到了，两年前决定“现在轮到我们盈利”，才能掌控自己再投资节奏。是的，我们盈利了，但基本又投回去：招人、做产品、AI。区别在于：现在我们自己生成“再投资资本”，不用再频繁依赖外部融资。

因此我真把自己看成“音乐产业的R&D部门”。今年我们支付超过100亿美元（十年前是10亿上下，一路平滑增长）。音乐产业规模比“被称为黄金时代的CD时代”还大。现在是史上最好状态：总盘子更大、同时切片更多——因为更多创作者加入。我们也不能说“2020前的人是好的创作者，现在新人别来”——那不合理。

大家喜欢聊单次播放分成。有两个事实：行业其实按“订阅者池”分，不按“每一流”。我们用户参与度是竞品的2倍。假设同样10美元，你在Spotify听两倍曲目，“每次播放”分成看起来就“对半”。其他服务per-stream高，部分是因为他们产品engagement更低。我们从唱片公司了解到“我们engagement双倍+churn半数”。这反而让per-stream看起来“更低”——这是一种“悖论诅咒”。

但我们关注的是“总金额”，我们在总出款上领先。总模型在运作：行业因我们大量获益，Spotify也转为盈利。增长之道：我们接近3亿付费订阅、接近7亿MAU。全世界大概5亿付费音乐订阅，我们占接近3亿。我们仅仅触达全球人口的一小部分。像瑞典这样成熟市场的转化率远高于一些新兴市场；整体平均~40%，其实是“高+低”的加权。随时间推移，其他市场开始“看起来更像瑞典”。

解决方案：加速“扩大付费池”——更好的免费层->更多人进来->转为付费。我们认为应该有“数十亿人为音乐付费”。那才是真正让“单次分成争议”变得次要的路径。就算我们从70%变100%（纯慈善），也只是1.5倍——如果现在“X分/次流”被嫌太低，100%也只是1.5X。真正的解法不是榨那30%，而是让付费用户基数扩大若干倍。

如何理解播客和其他非音乐音频市场

Patrick：我很好奇你是如何看待播客行业的。我们现在就在做播客，我已经做了很久。好像我们进入了一个有趣的新阶段——刚开始时，我觉得播客地位很低。2016 年我跟别人说自己做播客，他们要么不知道是什么，要么觉得很傻。而现在，尤其是在美国，经历了大选以及播客在选举中的重要作用后，播客似乎迎来了拐点，基本上任何有理由做播客的人现在都有了自己的播客或者正在准备。企业也把播客作为营销策略，个人也用播客做沟通，播客在影响力和可见度上都爆炸式增长。Spotify 在这其中扮演了什么角色？你怎么看播客及其重要性？

Gustav：我们之所以进入播客领域，有一个我非常珍视的点，Daniel 和另一位联合总裁 Alex 也是如此：公司可以有很多发展方向，而你的商业模式在某种程度上会决定你走向哪里。如果你的商业模式是广告驱动，你就会被引导去追求更多的用户参与度。幸运的是，我们主要是订阅模式，更关注用户留存，用户每月用钱包投票是否继续付费。

对我们来说，我们不会不惜一切代价去追求参与度。作为 Spotify 的老员工，我很喜欢的一点是，用户在 Spotify 上花一小时后，感觉非常好。如果你把一小时花在听音乐，会觉得那是一段美好的时光。

我极力推动公司做播客的原因之一，是我自己在用，很多开发者也在用，每年黑客周都有人把播客功能“黑”进产品。我们觉得开发者是世界的一个小样本，如果他们喜欢，也许大众也会喜欢。这是一个推动力。

我们看到内部需求和黑客行为。但最终决定做播客，是因为它是一种独特的内容形式。世界上的内容越来越短，大家都在追求碎片化，注意力越来越短。而播客恰恰相反，是长篇深度讨论，人们用完整句子聊量子物理等话题，这对世界非常重要也很有益。

我们分析后发现播客虽然基数小但增长快，最大竞争对手却没有动作。我们采用了 Peter Thiel 的理念——早期进入小市场，押注有机增长，而不是在成熟市场抢一小块。成熟市场看似风险小但获客成本极高，新市场则成本低。

所以我们决定进入，因为它和音乐一样，用户在深度播客中消磨一小时后会觉得学到东西。这也是我们后来做有声书的原因，希望成为“有营养”的服务。

我们有两个标准：一是用户在 Spotify 上花一小时后感觉如何，和在厕所刷手机的感觉相比，前者像吃了健康食品，后者像吃了垃圾食品。二是很多父母限制孩子屏幕时间时会说“去用 Spotify 吧”，这表达了他们对产品的看法，也是我们自己的态度。所以我们选择了播客，既有哲学考量，也看到了市场机遇和早期用户需求。

我们还押注于自身分发能力，把播客和音乐结合，认为市场虽小但可以通过音乐用户扩展。事实证明有声书也类似，美国有声书是小众行为，几百万付费 à la carte 用户，但我们认为如果按访问模型捆绑起来，市场会变大。就像音乐从单曲付费到不限量访问，用户可以用来助眠等，市场变得更广泛。有声书在北欧已经很主流，我们相信全球也会如此。

所以我们既有市场分析，也有哲学思考：是否有益、是否“有营养”、是否符合 Spotify 希望成为让用户感觉良好的地方的使命。

Patrick：我记得很多年前第一次和 Daniel 在西区公路散步时，他提出 Spotify 必须“比免费更好”的理念，非常酷。播客和音乐很不一样，比如你在 Spotify 上听这个节目，你不欠我什么。你怎么看播客，当然还有有声书（它们可能更像音乐），它们对你的商业模式和捆绑策略有什么影响？

Gustav：我们在开始时并不知道播客和后来的有声书会不会蚕食其他媒体类型，但事实证明并不会。最简单的模型是把 Spotify 看作一个捆绑包。你付一个价格，或者用广告版，就能获得大量价值。我们的任务是不断提升用户获得的价值，让他们觉得更值得，然后随着时间推移，通过涨价来捕捉部分价值。

我们确实涨过几次价，这也是我们现在盈利的原因之一。因为我们为用户不断叠加价值。价值包括个性化和优秀的产品，也包括不同类型的媒体内容。

我们的观察是，音乐用户有固定的消费量，加入播客后，消费量只是增加了，并没有减少。至少目前来看，用户在后台的时间还没用完。加入有声书后，用户留存、使用时长和支付意愿都提高了。这就是我们对商业模式的理解。

后台的商业模式却完全不同。我们可能是世界上后台最复杂的公司之一。音乐是池化版税模式，播客主要是广告驱动，现在还有 Spotify 合作伙伴计划，付费用户没有 Spotify 广告，可以更完整地体验，这是高级版捆绑包的一部分。

有声书则是出版行业的另一种模式，我们在高级版中包含一定时间，超出后需额外付费。Spotify 的一个复杂点是，前端只有一个 app，用户可以随意切换，但你在界面上每一次点击，背后触发的商业模式都不同。

所以财务建模其实很难，我们必须预测用户行为，每个点击都很重要。个性化推荐也会影响成本等，所以我们开发了一个系统，称为 Spotify 机器。

这也是为什么我有一个体验组织，这个组织的任务就是确保这些复杂性、不同团队的利益冲突不会影响到用户体验。有一个人专门负责用户体验，确保你在手机、电脑、车载、音箱等设备之间切换时一切合理。他像是组织和用户之间的守门人，保护用户不受内部利益影响。

个性化也是如此。我有一个个性化组织，因为音乐、播客、书籍的推荐编排都有同样的市场争夺动机。我们必须为用户优化，保护用户不受内部团队和商业模式的影响。这让 Spotify 非常独特，前端是一个整体，后台却是多个不同产品和模式。

Patrick：那你畅想一下五年后，Spotify 会是什么样？

Gustav：当然希望我们突破十亿用户大关，作为订阅服务，成为全球最大的媒体订阅之一，不断为用户增加价值。希望音乐规模更大，有声书像北欧一样成为主流，几乎和音乐一样多人听。这对世界是好事。

也希望我们能增加更多垂直内容领域（暂时不能透露）。订阅和捆绑模式其实很有潜力。我们可以通过产品或内容差异化，但通常内容是商品化的，我们不做独家（播客曾试过，现在不做了）。我们可以在产品体验和内容捆绑上创新，比如现在有些平台有同样音乐，有些有播客，但没有哪个能同时提供音乐、播客和有声书，这就是 Spotify 独特之处。我们会继续用捆绑理论打造更独特的 Spotify。我是产品负责人，但也很关注商业模式，曾经做过 CEO，所以会在捆绑和产品创新上持续探索。

Patrick：什么是好捆绑包的关键？你们曾做过内容独家，现在不再做，这背后的决策逻辑是什么？如果其他人想做捆绑，你怎么看？

Gustav：我们分析播客时，看到Netflix的模式很美妙，执行力也极强。作为产品公司，内容商品化时总会羡慕内容差异化，觉得那样更容易。但现实很难。

我们曾试过播客独家，希望通过内容差异化，但发现其实不适合。播客的宏观趋势是制作成本极低，Joe Rogan最初只是在拖车里录制，制作很便宜。做独家反而违背了播客的本质，更像 YouTube，内容便宜且量大，不用选对内容。

独家模式下你必须选对内容，这很难，Netflix 做得极好。但我们可以不选，只要全都收录，用机器学习为不同用户推荐不同内容，不需要大资本投入。

我们还押注了很多名人，但名人未必是好播客主持，真正优秀的播主都是通过有机系统成长起来的。

总之，永远正确有两种方式：一种是每次都猜对，另一种是错了就改。我们选择后者，发现播客进入了“联合发行时代”，创作者希望内容无处不在，无论是视频还是音乐。音乐我们从不做独家，始终追求最大曲库，有声书也是如此。播客也如此，策略转变后节省了大量成本，内容量和质量都提升了，播客表现也更好。

这是一次错误的战略决策，关键是要承认并及时修正，最糟糕的是死撑错误。

……

Patrick：很多人不知道，其实 Spotify，尤其你和 Daniel，对我和我们的公司影响很大。很多东西外界看不到，我今天特意问了，比如赌注板、复杂性隐藏在优美体验背后。你最早给我介绍赌注板，我们用得很成功。还有很多关于用户需求的思考，Spotify 不只是好产品，更是公司文化的反映，非常值得研究。对我来说，Spotify 提升了我的野心和对卓越的标准。非常感谢你一直以来的分享。最后一个问题：别人对你做过最善意的事是什么？

Gustav：让我在工作中真正成长的，是 Daniel 允许我承担很大风险。我在 Spotify 搞砸过不少事，但从没担心会因此被炒鱿鱼，他反而鼓励我，给我第二次机会，这让我敢于更有野心，而不是因怕失败而退缩。

所以是多次被允许犯错，对我的职业生涯影响最大。

Patrick：能举个例子吗？你犯了什么错，Daniel 和公司怎样对待你，让你能重拾信心继续冒险？

Gustav：很多年前我对新用户界面很感兴趣，带领公司尝试了一种非常激进的界面：Spotify 自动播放，你向上滑切换流派，左右滑切换同一流派内的内容。

现在听起来像 TikTok，但那时比 Musically 还早。有两个问题：一是太激进，自动播放让用户很反感；二是我很坚持，因为相信“即时性”，希望低摩擦地让用户听到想听的东西。

也许理念没错，但那时机器学习还不成熟，根本实现不了。我们花了很多钱做了叫 Moments 的 UI，后台用编辑推荐，效果很差。理念太超前，技术没跟上。

我们甚至公开发布过，有视频演示，但上线后发现 A/B 测试有 bug，实际表现远低于原有界面，只能回滚。我带着整个组织走错了一年，在竞争激烈的行业里，按理说应该被炒了。

但 Daniel 说“我理解你的思路和想法，错在哪里？”其实是机器学习不够，无法满足需求。他更像 Jeff Bezos，关注输入而不是输出。如果思路和执行有问题才值得批评，但好想法不一定总是对的。

他引用 Bezos 的话，“我看的是你的输入，而不是输出。”因为只看输出，有人运气好就升职，未必真有能力。只看输入，多给机会，结构化思考和执行，最终会成功。

这让我更敢于冒险，而不是退缩。虽然我很长时间都很沮丧，内部也常拿 Moments 开玩笑。

Patrick：很有力量的故事和心态，值得我们学习。非常棒的结尾，Gustav，非常感谢你的时间。

作者：MD

出品：明亮公司