1996年出生的谢扬有着极其鲜明的极客底色：他13岁开始接触编程，曾任字节跳动核心Hacker，18岁便开启了创业之路。作为一名连续创业者，他所创立的身份云公司Authing是中国SaaS身份赛道的头部公司，被世界经济论坛评选为技术先锋企业（中国大陆仅15家入围），他也曾入选《福布斯》亚洲30Under30榜单。如今开启AI创业，并于2025年发布了全球首个Agentic Browser，即行动型浏览器——新产品Fellou。
就在谢扬敲下第一行代码的年纪，秦天与邓杰也开始了他们的“社会生存挑战”——为逃离家暴，14岁的秦天与发小邓杰离家出走。他们做过游戏代练、进过黑厂、甚至焊过电池。邓杰后来重返校园，而秦天则一直摸爬滚打。这对搭档在主流视线之外野蛮生长，凭着敏锐的流量嗅觉，在11年里连续打造多个爆款产品，并靠一款VR游戏实现年入600万美金的成绩。如今他们开启AI创业，推出了主动式AI产品Proactor AI。
一边是技术早慧的赛道精英，一边是从底层泥泞中探索的草根行者。两条截然不同的人生轨迹，最终在AI创业的浪潮处交汇。这也证明了一件事情——在AI创业的蛮荒早期，机会不问出身，只奖赏那些在迷雾中敢于先出发的人。
本期嘉宾：
主持人：
孟醒五源合伙人
“每一轮大的技术变革，尤其是像AI这样的平台级变革，都会出现一个时间窗口，它属于那些看起来不那么标准的创业者，那些在世界尚未准备好时就提前出发的‘异类’。”
“生产力不应该是关于理性的，而应该是感性的。生产力不应该只是节省时间，而应该关于人，帮助人获得理解世界的能力。”
“我们必须从第一天起就考虑项目是否能养活自己。这种模式的好处是生命力顽强，坏处是容易在战略上保守。我们正在学习从快速回本转向长期投入。”
以下为访谈内容精选：
孟醒：我们今天回到创业的初期。我觉得在每一轮大的技术变革，尤其是像AI这样的平台级变革的时候，都会出现一个时间窗口，它属于那些看起来“不那么标准”的创业者，一些“异类”。这里的“异类”是指那些在世界尚未准备好时，就已经提前出发的人。
今天我们就请来了三位创始人，他们都不是典型意义上那种背景完美的创业者，他们有各自独特的故事、起点和遭遇过的挫折，先请三位做个自我介绍。
谢扬：很高兴能在这里分享一些近况，我是谢扬，我们在做一款能够在电脑和互联网环境中自主思考、自主执行、自主完成任务的AI浏览器。可以理解为我们正在为电脑和互联网构建一个自动驾驶系统，我现在在美国开拓市场。
秦天：我们正在做的产品叫Proactor AI，它与大部分被动式的AI不同：不是等你给prompt或任务，而是能主动理解你在会议或日常工作中的语境，从你说过的话和行为中捕捉潜在需求，自动规划并完成任务。也就是说，很多时候你甚至不需要明确表达，它也能替你发现问题并给出结果。
邓杰：我和秦天一起创业，就不再介绍产品了，我讲讲我们的背景。我们俩在2009年时候一起离家出走，当时只有十四五岁，提前开始了人生冒险。2013年进入软件与互联网行业，2014年成立了自己的公司。过去十年，我们在软件、出海、VR游戏等多个领域都尝试过，也积累了不少经验。从去年开始，我们看到AI的浪潮到来，便决定在这个新的周期中迎接挑战和机遇。
从“九漏鱼”到AI
没有退路的创业与生存
孟醒：我觉得你们有一个特别不一样的童年和创业经历，十四五岁秦天就没有再上学，邓杰后来回去学了软件。按传统意义讲，你们既不是“典型的创业者”，也不是“典型的学生”，你们也做过非常苦的事情，一路从社会底层被各种磨练，到今天这个节奏上。更特别的是，你们的Proactive在主动式AI领域推出得非常早，当时这个方向还非常小众，美国也只有一两家公司在做。你们觉得这样的经历，在创业中带来了哪些优势和劣势？对你的影响是什么？
邓杰：优势是，可能因为我们没有太深的技术背景，也没有太重的技术路径包袱，很多时候不是“我们能不能做”，而是“我们觉得可以，就去试”。包括前面的创业经历也是跨了不同赛道，从软件外包，到出海，再到VR游戏，再到AI，对于我们来说并没有什么进入壁垒，我们更像是直接冲进去再边做边学。
不过这种背景也带来一些心态上的挑战，因为出身较为草根，一直以来也没有太多资源，所以也没有太多时间窗口好好打磨产品或者长期投入研发。我们经常要考虑下个月的钱在哪里，怎么撑过去，因此也比较容易急于求成，我们希望尽快看到结果，而不是等待半年甚至一年。
这种状态在某些阶段确实对我们造成了不利影响，即使现在已经有一些家底了，我们在做决策时仍然会格外谨慎和保守，回头看也因此错过了一些后来证明很重要的机会。
秦天：我和邓杰的感受很像。我们的一个优势是“无知者无畏”。你不知道天花板在哪里，所以什么都敢做，也因此会在尝试中自然找到新的能力和理解。这让我想到Musk做SpaceX的时候，他本来也不是火箭专家，但依然敢做。
这种无知者无畏在创业中反而可能成为优势，当然它也是双刃剑。因为视野有限，你可能更难一开始就看见全局最优解，容易做出短视决策。另一个因素是，过去十几年我们几乎没有拿过融资，所有事情都靠自己挣钱来养团队。这使得我们必须从第一天起就考虑项目是否能养活自己，不能说去铺垫太久或者布特别长的局，我们只能靠产品和服务从客户那里把钱挣回来。这种模式的好处是生命力顽强、盈利能力强；但坏处也是显而易见的，容易在战略上保守和短视。
孟醒：今天找到平衡了吗？
秦天：我觉得现在我们正在向一种新的平衡靠近。过去我们做的项目，无论是游戏还是早期的出海工具产品，基本都是“投入小、见效快”的类型，最好半年上线，一年内就能盈利。
但在AI方向，我们选择的是更具挑战性、投入也更重的项目，见效周期明显更长。以Proactor AI为例，它的研发投入远超我们过去做过的任何产品，周期也更长。在这个过程中，我们也开始主动接触资本市场，尝试引入更多外部资源与杠杆。我认为这算是我们在学习如何从“快速回本型项目”转向“长期投入型创新”的一个探索过程，也是我们寻找平衡的一种方式。
与Claude深聊35轮后
把自己当产品迭代的人
孟醒：谢扬是96年出生的连续创业者，而且第一次创业并不是那种“快速试错后失败”，而是做了一个相对成功的to B领域的公司。你本身是工程师，在中国做企业服务本身就不容易，如今又选择在这个时间点重新出发做AI。从第一次创业开始，你就承受了许多标签和身份特征。过去这些经历给你带来了怎样的体验？又对你今天重新做AI创业产生了什么影响？
谢扬：我很早就开始接触计算机，小时候做Windows编程、网络攻防，参加一些比赛，之后做过知识图谱，在字节跳动参与过Serverless方向的系统研发，一路其实都离不开互联网。这些经历、兴趣和对Web本身的思考，让我在不断的实践中积累了一些认知，也让我能抓住不同阶段出现的机会。我始终觉得，很多认知必须“做中学、学中做”，这种经历本身非常重要。
对我来说做CEO也带来不小的包袱，或者说公司的成长天花板往往和创始人的性格息息相关，而性格的优势与局限都是双刃剑。今年上半年和投资人交流时，他们经常问我这些年最大的收获是什么，我常回答，我学会了怎么去和人build connection。
前段时间我去和Claude聊天，问了三个问题：第一，为什么一想到要与别人聊天，就会有深深的抗拒感？第二个问题是，为什么自我封闭反而像是我的舒适圈？第三个问题是，我觉得做了这么多年CEO，好像对我的大脑产生了一些损伤。因为做CEO基本上要不断做各种排列组合，每天都在做很多决策，而且这些决策大多是比较宏观的。做程序员的时候，可以把注意力细化到每一段逻辑、每一个按钮、每一张数据库表上，思考维度是完全不一样的。
和Claude深聊了35轮后，它给出的判断是，我有可能有些ASD特征（神经多样性谱系，常被称为阿斯伯格）。ASD大脑缺少自动社交系统，别人凭直觉就知道对方的情绪或意图，而有相关特征的人往往得靠理性推理去分析“为什么这样说、意味着什么、应该如何回应”。有点像大多数人在开自动挡的车，而我们在开手动挡，但与此同时，在深度思考（deep thinking）和模式识别上，这类大脑往往会有更突出的优势。
所以，这么多年创业，对我来说也一直是在尝试突破自身的一些限制，如何跨越这些性格上的短板、认知上的瓶颈，本身就是一条漫长的路，也是作为创业者在整个过程中需要长期思考和面对的问题。
孟醒：我觉得你很擅长把自己当成产品来迭代，长期保持内省。接下来想问你，大家都知道AI浏览器是一个极其激烈的战场。今年三月我们交流时，你们的产品预计四月上线，基本是行业内最早的一批。可在短短半年内，几乎所有大厂都进入了这一战场。浏览器本身就是互联网过去20–30年的主战场，敢在这里出发需要极强的信念。为什么你会选择从这条赛道切入？从那天起到现在，你观察到的行业变化，对你有什么影响？是否在你的预期之内？
谢扬：其实我所有的创业都围绕生产力来做一些工作展开。我希望帮助人节省时间、提升效率，希望人们能把繁琐的工作交给AI，而让人回到自然，回到生活本身。
但过去一个月在美国的经历，让我对生产力这件事情有了一些新的思考。北京像一个巨大的能量场，而湾区相对来说更平和、松弛，让人不焦虑、总有机会。在这种情况下，我觉得我以前可能对生产力的理解是不对的。我觉得生产力不应该是关于理性的，而应该是感性的。生产力不应该是关于节省时间或提升效率，而是应该关于人的，帮助更多人获得能量，获得理解世界的能力。
浏览器正是一个天然适合做这件事的环境。人们每天在其中浏览网页、搜索信息、做决策，留下大量行为数据。我们正在基于这些数据为用户构建memory和画像，并进一步基于这些理解提供主动式的AI服务。
举个例子，当一个用户在宜家选购家居，他可能并不确定自己想买什么。他在A商品页停留几分钟，在B商品页查看评论，在C商品页加入购物车，我们可以基于这些行为实时生成三件商品的价格对比，并给出“一键查全网最低价”或“快速查看全网评价”的能力。我们不是要接管用户的选择，而是在用户保持自主浏览和判断的前提下，提供恰到好处的自动化支持。到目前为止，从整个自动化能力评分来看，包括ChatGPT和Comate在内的工具都还没有超过我们。
这一切背后的思想是，AI产品不应只追求全面自动化，而应尊重人的节奏、人的选择和人的理解能力。当产品以人为中心时，你构建的就不是一个冰冷的效率工具，而是一个能够理解需求、提升能量、带来正面体验的系统。我们相信人的成长性，希望通过浏览器这样一个每个人每天都会使用的入口，来帮助人们获得更多。
孟醒：能不能举一些更具体的例子，浏览器如何“理解人”、从而帮助用户提升生产力？在这个点上，你们与OpenAI的浏览器在理念上最大的差别是什么？
谢扬：最主要的差别是我们认为要无限放大模型的能力。放大模型的能力，其实就是放大人的能力。很多人希望变得更强，而获取和吸收更多信息，是提升生产力与执行力的前提。
那么问题来了，我们怎么去inspire people？在这一点上，我们为Agent系统构建了更多维的意图理解机制和结果呈现体系。人在思考和决策时，往往需要不同视角的讨论与挑战才能抵达更有效的路径。现在我甚至觉得，与AI的对话在很多情况下比人与人的讨论更高效，因为你可以让它给你正反两面的观点，再把这些观点融合成一个新的洞见。
基于这种思路，我们把用户在浏览网页时形成的记忆、知识库、行为轨迹和画像进行多维分析，并将这些理解以更完整、更具启发性的方式呈现给用户，让他们在面对信息时能够产生真正的Aha Moment，有真正的见解，辅助他进行决策。这是我们的一个核心理念。
几十亿播放量的秘密
孟醒：我想再回到秦天和邓杰这边，你们做的AI产品对实时性和主动性要求都非常高，这实际上对AI的pipeline、实时性、记忆的组织方式以及workflow的编排，都提出了较高要求。但你们本身并不是专门做这一技术方向的团队，却又能在很短的时间内推出这样一个产品，原因是什么？在这个过程中克服的关键挑战有哪些？
邓杰：其实关于实时性，我们过去做过一些即时通讯类产品，因此并非完全没有相关经验，这与现在的需求有一定关联。真正的实时挑战更多在于模型的即时响应，而不是通讯链路本身。目前我们并没有自行训练模型，这也不是我们的强项，我们主要依赖第三方模型。
另外在实时性方面，我们可能无法做到完全绝对的实时，但可以通过优化工作流程、优化提示词设计、采用缓存技术，以及通过流式响应等方式增强前端交互体验，降低用户对延迟的感知。所以从工程角度而言，虽然我们并非原生的AI基础模型团队，但过去的软件开发经验，包括曾做过联网对战类游戏，使我们对实时性仍具有一定的理解和积累。
孟醒：我记得第一次见面时，秦天在办公室里给我展示了你们的内容营销打法。当时你把我当成新员工面试一样，从头讲解你们的视频制作和传播策略。你提到每个视频在YouTube上基本要求达到不低于一百万播放，累计播放量接近二十亿次。
秦天：目前一年应该有三四十亿播放。
孟醒：对于一家初创公司来说这是非常少见的。我第一次去你们办公室时发现，你们大概四十人的团队里，研发只有十几人，但却配备了一个相当完整的内容制作团队，这在典型的技术公司里是不常见的。一般技术公司可能九成是研发，但你们显然有一套完全不同的产品推广方式。
能不能讲讲，你们是如何考虑自建内容营销团队的？又是如何形成一套方法论，让你们的视频能够实现如此巨大的传播效果？
秦天：这一套方法最早来源于我们做游戏时形成的一种迁移过来的习惯。游戏行业有一个普遍问题，大部分利润都会被买量平台吞噬。我们做VR游戏时，更遇到一个特殊难题，VR产品几乎无法买量，因为VR游戏必须安装在Quest头显上，但用户看到广告视频往往是在手机上，中间的链路无法归因，基本没有可投放空间。
我们当时意识到，要想让VR项目获得用户，必须依靠社交媒体传播。于是我们花了大量时间研究social media的机制，思考内容如何才能“做爆”。
第一年其实并没有太多头绪，但我们坚持做一件事：每发布一条视频，都统计2秒跳出率、6秒跳出率和完播率，然后分析爆款视频与扑街的视频之间的共性差异。我们逐渐发现两个关键的东西，一个是不论平台是TikTok、YouTube还是Instagram，所有视频的播放量本质上都遵循一定的模式。这个模式可以从数学意义上被总结为“完播率×互动率”，如果这两个指标足够高，就会形成一个相对稳定的播放量benchmark。
比如以完播率为例，当一条视频的2秒跳出率低于25%，6秒完播率达到60%–65%以上时，它获得百万播放的概率极高。进一步分析后我们发现，完播率其实可以由“6秒完播率”和“视频时长”通过函数拟合得出来。后来我们验证时候就发现，无论是游戏内容还是AI产品内容，只要最终成为爆款，它们的完播率曲线几乎都符合这个函数拟合模型。
那么如何持续获得完播率和互动率？我们把这个又拆了一些，大概找到了二三十个可量化的特征。这些特征都不是传统的内容感觉，而是可以用数学与物理方式量化分析的指标。基于这些指标，我们逐渐形成了一套可复制的方法论。最初只有一位同事凭个人能力做出了高播放的视频，到后来我们招进来十多个人，都能通过训练掌握这套方法，大部分人一年都能做出数亿播放量的内容。
孟醒：你们把问题拆解得非常细，并且能把一件事情打磨到极致。无论是AI本身还是你们的推广，每个环节都做到非常深。我在和你们交流时最大的感受是：我们过去在看AI应用时，往往过度关注工程实现，而忽略了增长实现；但事实上，增长的拆解和工程的拆解一样，可以非常复杂，也可以做得非常深。
如何寻找“能一起跑的人”
孟醒：谢扬已经在美国生活一段时间了，正式面对你真实的终端市场。过去一两个月，你有哪些新的感受？
谢扬：这里让我最有吸引力的地方主要有两个，一个是人才本身，以及这里整体的创业环境和生态。如果再加一个，就是这里的气候确实非常宜人。
从工作角度看这里的“智力密度”还是很符合预期。因为我们在做浏览器，需要不断思考为什么浏览器仍然重要、下一代人机交互的范式是什么、人将来如何消费信息、如何与Agent交互等等。在这里我能遇到大量正在研究这些问题的人，包括教授、博士，以及来自Google、Meta的技术人员，他们不仅在思考这些问题，也在推进标准化的实践，你能感受到一种非常强的创造力，你的许多想法都能找到同样在探索的人，这让我非常兴奋。
当然也有一些和我原本想象不同的地方，硅谷的产品能力并不如想象中那么强，但它真正的优势在于能持续吸引来自世界各地的顶尖人才，硅谷其实不是美国的硅谷，而是全球的硅谷。而在这里，我也感受到中国人非常强，你几乎能在任何一个前沿方向找到正在深入研究的华人同行，而且在许多领域，华人的技术能力和研究深度都展现出非常强的竞争力。
孟醒：我想问最后一个问题，你们三位创始人的背景和成长经历都非常不同，在你们各自组建团队时，会倾向于寻找和自己相似的“同类”，还是更希望找到互补的人？如果会找“同类”，你们是如何判断和寻找的？
谢扬：从整体来看，我会优先寻找和我价值观、思考方式相近的人，因为这样执行会更快，战略对齐的成本也更低。但团队如果完全由“同类”组成，也会带来风险，因此我会刻意加入一两个声音不同的人来打破一致性。在选人标准上，我的要求比较多维度，而且大多数标准都希望同时满足，实践下来我觉得效果不错，因为严格的标准确实提升了团队的人才密度。
秦天：这些年我们最大的经验之一，是发现不论学校层级，只要一个人曾在某个竞争激烈的领域拿到过第一，他往往会是非常优秀的人才。这里的“第一”与学校是不是名校并没有强关联。有些人可能高考失利，但进入大学后始终保持专业第一，又或者在某个细分领域的竞赛、研究方向做到前1%。我们实际接触下来，许多这样的人在工作中的综合表现，往往比一些背景更优越的人还要出色。因此我们在招人时，会刻意关注是否具备这种“第一名气质”，实践证明这类人才往往带给我们最大的惊喜。
互动送礼"