TL;DR

Taste 不是审美，是判断力——在 100 件可以做的事里，选出那 1 件真正值得做的能力。AI 极大降低执行成本后，执行不再是瓶颈，判断才是。学术界和创业圈都困在同一个问题里：用数量替代深度，用经历替代理解，用简历数字替代真正的判断力。

三个核心观点

一、刷经历有硬上限

"黑客松刷子"（每周参赛、套 API 包 UI 做 Demo、赛后项目死亡）和"科研刷子"（参与 3 个项目却说不清任何一个为什么这样做）本质相同——都在用数量替代深度。

刷经历在入门阶段有价值：了解全貌、找到兴趣点。但越过门槛之后，10 条浅经历的价值远低于 1 件深入理解的事。它能帮你"知道有什么"，却不能帮你判断"什么值得做"。

二、AI 时代把 Taste 的价值放大了

以前做产品需要团队花数月，现在一个人用 AI 数天就能出原型。当所有人都能"执行"时，执行能力不再是竞争力，判断才是。

2024–2025 年大量 AI wrapper（调 API + 包界面 + 模糊的"提效"需求）失败，根因不是技术差，而是没有 Taste。

三、做对的问题，比把问题做对更重要

Hamming（Bell Labs）的核心逻辑："If you do not work on an important problem, it's unlikely you'll do important work." 他的三问：

1. 这个领域最重要的问题是什么？
2. 你在做哪些重要问题？
3. 如果做的事情不重要，为什么还要做？

这套逻辑不只适用于顶级科学家——无论做科研、做产品还是选工作，核心问题都是：你把时间花在什么事情上。

Taste 的定义

在你面前有 100 个可以做的事情时，选出那 1 个真正值得做的能力。

• 学术界：选对研究问题的能力。
• 工业界：选对产品方向的能力。
• 不是审美偏好，而是可以发展的判断力（Paul Graham）。

Jobs 对微软的评价："The only problem with Microsoft is they just have no taste... Microsoft 什么都能做，但不知道什么最值得做。"

Taste 与执行并不矛盾

"对丑陋的不容忍"（Paul Graham）≠ 追求完美、不肯上线：

• Taste 是在方向上不将就——选错问题，执行再完美也没用；
• 在执行层面，快速做粗糙版本验证方向，反而是 Taste 的体现；
• 把精力花在判断上，而不是打磨一个可能根本不该做的东西。

Taste 的四条培养路径

1. 大量接触"好的"东西——读过足够多好论文才知道什么不好，用过足够多好产品才能分辨好在哪里。见识是 Taste 的起点。
2. 跟有 Taste 的人共事——Taste 是判断力而非知识，很难读书学到，但能通过和有 Taste 的人长期互动来传递。
3. 做深一个领域——刷经历让你在每个领域都当"游客"，深度工作才能成为"居民"：知道哪条路通向哪里、什么是真正的难题、什么方向是死胡同。
4. 学会说"不做"——Taste 说到底是选择不做什么：拒绝"能发论文但不重要"的题目，拒绝"有市场但不值得做"的方向。

识别"没有 Taste"的信号

面试时的测试：

• 能说出做了什么，但说不清为什么这样做；
• 问题的动机泛泛而谈；
• 说不清这个工作解决了什么问题，和之前的方法比有什么本质区别。

这反映的不是能力问题，而是从未真正理解过任何一件事。

数据与案例

• App Store：超过 200 万个 app，近 1/4 下载量不足 100 次（Business of Apps 数据）。
• AI wrapper 浪潮（2024–2025）：市场出现成百上千个高度相似的 AI 生产力工具，大部分无人问津；少数脱颖而出的差距在 Taste，不在技术能力或融资金额。
• Android 安全方向（2012）：作者导师在学术界关注尚少时，预判"智能手机成为主流计算平台后安全问题将爆发"，论文后在 IEEE S&P 发表并被大量引用——选对方向，后续几年工作都有方向感。

三个 Taste 标尺案例

按"是否在巨头主航道" ×"是否有独占壁垒"分类：

案例	处境	Taste 体现	结局
Jasper（反面教材）	在 OpenAI 主航道（通用写作）+ 无独占数据/工作流	选了"几天能搭出来"的事	一年 ARR 7000 万美元后崩塌
英矽智能（独占壁垒）	不在主航道（药物研发）+ 十年数据积累	选了"需要十年积累"的事，传统早期研发 4.5 年 → 12-18 个月	持续融资、IPO 上市
Perplexity（巨头下不了手）	在主航道边缘（搜索）但放弃广告模式	选了"巨头因商业模式冲突不能下场"的事	估值持续上涨

共同的 Taste 配方——选一个"看起来不性感、但满足以下任一条件"的方向：

• 巨头能力之外（需要十年领域积累，如药物分子设计）；
• 巨头能力之内但商业模式不能下场（如 Perplexity 对广告搜索的颠覆）；
• 巨头主航道外的细分场景（如医疗合规、法律判决检索）。

Taste 在 AI 时代具体化为：判断"巨头能不能下场"和"巨头愿不愿意下场"的能力——前者考验技术嗅觉，后者考验商业嗅觉。两者结合，才是完整的 AI 时代 Taste。

启发与思考

• 自我对照：作为 PM，在产品方向选择上，有多少是有 Taste 的判断，有多少是"有机会就做"的刷经历？当下 AI 安全工具同质化严重，和 AI wrapper 浪潮几乎同构，判断力比执行力更稀缺。
• 对产品决策的应用：面对功能需求 backlog，先问 Hamming 三问，再决定动手。
• 知识积累的对应：整理笔记时，多少是真正理解后的沉淀，多少是"收集了再说"？知识管理本身也存在 Taste 问题——depth over breadth。
• AI 创业的反面教材：基于通用 LLM 的薄包装 + 场景与巨头主力高度重合 + 唯一壁垒是 Prompt 模板，几乎是"无 Taste 创业"的标准画像。Jasper 一年 ARR 7000 万美元后崩塌恰恰证明：有执行力 + 没 Taste = 短期飞起 + 中期归零。

延伸阅读：Richard Hamming《You and Your Research》（1986）；Paul Graham《Taste for Makers》。

原文精华

刷经历有一个很硬的上限：它能帮你"知道有什么"，但不能帮你判断"什么值得做"。

执行不再是瓶颈，判断才是。

做对的问题，比把问题做对更重要。

Taste 说到底就是选择不做什么。