微软CTO Kevin Scott：AI创业的噪音与信号，ChatGPT成功的启示

2025年12月19日，位于旧金山。

在硅谷创业社区South Park Commons的一次对谈里，微软首席技术官Kevin Scott探讨了职业生涯的转折点、与OpenAI的合作关系，以及为何AI领域中更具价值的问题总被忽略。这场长达56分钟的交流，内容涵盖了创业中的试错过程，一直延伸到开源与闭源的讨论。

他提出的核心观点是：

对于AI创业而言，最危险的并非技术上的落后，而是将“噪音”误判为真正的信号。

那么，什么是噪音呢？

噪音是指那些表面上看似正向信号，实则与你所从事的事情无关且毫无价值的信息。比如媒体的关注度、投资人的热情、技术领域的热门词汇，这些信号虽然易于获取和量化，却可能误导你走向歧途。

本文主要阐述四个方面：

第一，Kevin是如何学会辨别真正信号的。

第二，当今创业者所面临的环境是怎样的。

第三，ChatGPT成功的原因是什么。

第四，如何发现那些被忽略的真实信号。

第一部分｜舍弃趣味性技术，专注于有价值的事业

Kevin Scott最初的志向是成为一名大学教授。在攻读博士学位期间，他专注于动态二进制翻译的研究，这项技术难度极高，但他最终选择了放弃。

原因十分简单：除了他自己，几乎没有人对此感兴趣。

他坦言：“我耗费了大量时间钻研这些优化技术，仅仅能提升系统几个百分点的性能。发表论文、被引用、再写新论文……然后呢？”

在学术圈，这确实是标准路径。然而在现实世界中，这几个百分点的提升毫无意义。Kevin首次认识到：学术界的评价体系与现实世界的价值评估，完全是两码事。

学术界关注的是论文数量、被引频次以及同行认可，这套体系明确且易于衡量。但现实世界更关心的是：有多少人从中获益？创造了多大的价值？

这两套标准不仅不一致，甚至存在冲突。

因此，他离开学术界，加入了Google。他参与的第一个项目是广告审核流程的自动化。这项工作听起来并不酷炫。Kevin描述道：其实就是开发一套自动过滤规则，用来判断广告文案是否允许使用感叹号，是否包含成人内容。

但这个问题极具价值。每天有5000万美元的广告因审核延迟而受阻，人工处理难以应对。仅仅是这样一个改动，最终每年为Google节省了近10亿美元。

他也因此获得了创始人奖。

从那时起，他确立了一项职业准则：在做每一件事时，首先要评估它是否可能产生实质性的影响，其次才是考虑技术本身的趣味性。

他表示，人生的转变始于放弃最复杂的技术，转而投身于最有价值的工作。

这是他第一次识别出真正的“信号”。

第二部分｜易于获得的反馈，常常是噪音

Kevin在20年前所做的选择相对简单：学术界与商业世界，两者择一。

而当今的AI创业者所面临的环境则复杂得多。

如今创业的成本比以往任何时候都低。但也正因为成本低，尝试的人增多，噪音也随之增加。

噪音究竟指什么？

他给出了定义：

那些表面上看似正向反馈，但与产品实际价值无关的信息。

媒体的热搜榜、点赞数量、风险投资的兴趣，这些都可能成为噪音。许多创业者所依赖的这些信号，恰恰也是最容易误导人的。

因为这些信号背后各自有其利益驱动机制。

1. 媒体追求流量，倾向于选取具有话题性的故事。
2. 投资者注重多元化的项目组合，因此对热门领域表现出兴趣。
3. 技术社区追捧最新的模型和最大的参数量。

然而，这些与用户是否愿意为你的产品付费是截然不同的概念。

更棘手的是，这些噪音还特别容易获取。

你发布一条动态，获得数百个点赞；撰写一篇文章，登上热门榜单；与几位投资人会面，他们都表示有兴趣。于是你开始确信方向正确。但这可能仅仅意味着：你迎合了一个热门话题，成为了传播素材，而并未真正解决实际问题。

许多创业者开始向热门概念靠拢：“我们是AI+教育”、“AI时代的浏览器”、“GPT时代的新型笔记工具”……

这些表述虽然新颖且易于讲述，但并不代表有人真正需要它们。

Kevin提供了一种判断方法：要区分两件事。

一件事是你希望它发生；另一件事，是无论有没有你它都会发生。真正适合创业的，是后者。

那么，什么才是真正的信号呢？

Kevin以ChatGPT为例进行说明。

第三部分｜当众人竞相追逐模型时，OpenAI在做什么

ChatGPT上线时，采用的是旧模型。业内许多人早已见过，Kevin表示，包括他自己在内，没有人预料到它会成为现象级产品。

那么它为何能成功？

因为所有人都在追逐一种信号，而OpenAI则在追寻另一种信号。

2022年底，每个实验室都在追逐易于量化的指标：更大的参数量、更高的基准测试分数、更先进的架构。然而这些都是噪音。

OpenAI所关注的信号则是：

普通人能否零门槛使用

交互是否足够自然流畅

能否成为日常工具

这些才是真正的需求所在。

ChatGPT的改动其实很小：一套旧模型，结合RLHF，再加上一个输入框。技术上并无突破性进展。但它首次让普通人能够直接与AI对话，无需任何技术门槛。

Kevin明确指出：

“它并非我们见过的最强模型，但它首次让AI真正走入了用户的日常生活。”

在他看来，这类机会具备三个特征：

技术能力已经足够

但没有人认真设计使用方式

因为看起来过于普通、过于基础、缺乏热度而被忽视。

这些机会不会出现在热词榜单上，也无法讲述宏大的叙事，但却可能开启万亿美元级别的市场。

关键在于：如何识别这样的机会？

第四部分｜辨别真实信号的三个准则

为此，Kevin提出了三个判断标准。

标准一：观察能力与使用的差距

他指出：如今并非AI不够强大，而是许多人不知道如何有效运用它。

这意味着什么？意味着机会不在于能力层面，而在于使用层面。

他以长期记忆为例。当前大模型能够进行对话，但无法记住历史信息。用户每次都需要重复交代背景，AI就像一个永远处于断片状态的“实习生”。

技术上能否解决？完全可行。只需构建数据管道、内容压缩、历史记录即可。

但却无人去做。

为什么？因为这既不会发表论文，也得不到媒体关注。

Kevin说：许多人不愿做这件事，是因为它看起来像是修修补补，而非创新。但这恰恰是真实的信号。因为用户确实需要，技术能力已经具备，只是没有人认真去做。

标准二：审视谁在制造噪音

如果媒体在报道、投资者在追逐、大公司在布局，这很可能就是噪音。

这就像Kevin20年前的选择：他所做的是所有人都觉得不够酷的事情，却恰恰解决了真实的问题。今天也是如此。已经有太多资源在追逐那些热门赛道，作为创业者你很难脱颖而出。

真正的机会往往存在于被忽视的角落：大公司觉得过于琐碎、媒体觉得缺乏吸引力、投资者觉得不够宏大。

正因为被忽视，竞争反而更小。

标准三：通过小实验进行验证

Kevin表示，构建工具的成本已经非常低廉。如今真正缺乏的是愿意动手实践的人。

例如：

让AI记住用户的历史记录。搭建一个简单的上下文缓存，观察用户是否真正需要。

利用现有工具搭建一个端到端流程。将AI对话、自动化工具、文档系统连接起来，形成一个完整闭环，检验是否能真正替代人工。

不写PPT，直接制作交互原型。从产品体验出发，而非从概念包装出发。

现在是AI创业的最佳时机，因为你无需预测未来，只需动手做个小实验，就能找到正确的方向。

关键在于区分噪音与真实信号。

你是追逐易于讲述的故事，还是解决真正的问题？

结语｜信号比方向更为关键

Kevin Scott曾言，他并不追求快乐，只希望做有意义的事情。

因为有意义的事情，本身就带有清晰的信号。

20年前，Kevin只需在学术界与商业世界之间做出选择。而今天的创业者面临着更为复杂的环境：媒体热度、投资人兴趣、技术热词，哪些是噪音？哪些是信号？

Kevin的方法论是：不要依赖判断去猜测，而要通过行动去验证。

构建工具的成本从未如此之低，但噪音也从未如此之多。

找准信号，比找准方向更为重要。

参考来源：

https://www.youtube.com/watch?v=Vut9hUEKyfk&t=10s

https://news.microsoft.com/signal/articles/5-ai-insights-from-microsoft-cto-kevin-scott/

https://www.linkedin.com/posts/adityaagarwal3_what-did-kevin-scott-see-that-others-didnt-activity-7407467737867784193-0DGC

https://podcasts.apple.com/ie/podcast/minus-one/id1759014294

来源：官方媒体/网络新闻