Tobi Lütke – Building Shopify and the Future of AI | Ep. 50

• Tobi 运营 Shopify 超过 20 年仍然充满热情，核心驱动力是"找到一个美丽的问题让它占据你一生"——他是自驱型学习者，必须先体验问题才能学会解法，青少年时期通过 Wolfenstein 3D 学会了三角函数，这种"问题驱动学习"贯穿了他整个创业生涯。

• Shopify 是最早全面拥抱 AI 的大型科技公司之一。Tobi 利用创始人独有的"社交信用银行"——每次新人入职听到创业故事都会存入一点 credibility tokens——推动了激进的 AI 文化变革：实行 unlimited token policy、将绩效评估改为"net impact"制度，AI 使用量直接影响评价。

• Token 消费已成为企业重大财务议题。Shopify 的 token 支出占收入"many tens of percentage points"，每年 token 需求增长 10x 但全球 GPU 产出仅增长 3x，价格压力短期难解。Tobi 认为市场最终会找到均衡价格，Shopify 作为盈利上市公司"非常喜欢我们买的每一个 token"。

• AI 正在重塑团队结构和创业门槛。Shopify 押注 3-5 人小团队作为核心组织单元，Tobi 认为原来的 6-week review cycle 已经太慢需要更快节奏；在客户端，每 36 秒有人在 Shopify 完成第一笔销售，AI 正在逐个消除创业路上的障碍，让"prompt: build me a business"成为新的图灵测试。

• Tobi 认为过去 30 年人类最优秀人才都投入了数字基础设施建设（浏览器本身就是世界奇迹——font rendering 是图灵完备系统），AI 时代这些人才将回流物理世界，推动住房、交通、医疗等实体领域的进步。

贯穿全场的核心线索是"问题驱动"哲学——从少年时期用 Wolfenstein 3D 学三角函数，到创办 Shopify 因为"学习最多"，到内部自建 HR 软件因为"找不到满意的"，到 AI 时代推动全员采用因为"不告诉人们这件事的重要性是不公平的"，Tobi 的每一个决策都源于同一个底层驱动：找到值得解决的问题，然后全情投入。

核心要点： Tobi 保持 20+ 年创业热情的核心不是毅力，而是他的认知方式——必须先体验问题才能学会知识，创业本身就是最好的学习机器。

• Tobi 青少年时期发现自己无法学习"没有体验过其应用场景"的知识。学校教三角函数时他毫无感觉，直到发现 Wolfenstein 3D（早期 3D 射击游戏）本质上就是三角函数——之后他学得比所有人都快，因为动力完全不同。

• 他引用了一句对自己影响深远的话："人生最大的乐事之一是找到一个美丽的问题，它可能占据你一生去解决；而如果你不幸在某天解决了它，它会留下很多令人愉悦的子问题让你继续挖掘。"

• 创办 Shopify 的起因很务实：从德国移民加拿大后没有工作签证，不能为任何人打工，妻子忙于学位，他决定"试试创业，可能不会成功，但我会学到很多"。

• 成功的公式极其简单："弄清楚代价是什么，然后愿意付出它。"代价很少是金钱——通常是时间投入和不适感（discomfort）。

"There's a very simple recipe to success. You have to figure out what it costs and then you have to be willing to pay it. Very rarely does this come in the form of money. It usually comes in the form of time commitment and discomfort." —— Tobi Lütke

核心要点： Tobi 承认自己也曾被 CEO 角色的"美学期待"绑架过——人们告诉他 CEO 该做什么、该如何表现，他试了之后"生活变得很痛苦"，最终通过回归产品热情找到了出路。

• Jack Altman 提出了一个精准的比喻：创业者随时间推移会像船底长满藤壶（barnacles）——职责膨胀、角色异化，最终做的事与当初完全不同。Tobi 作为上市公司 CEO 理应被这些东西压垮，但他没有。

• Tobi 回忆自己曾掉入"CEO 美学"陷阱：人们说"CEO 应该做政治家，应该到处旅行、与人握手（travel and kiss babies）"，他觉得这效率极低，但还是试了，结果"生活很痛苦"。

• 他的解药是回归产品使命。他引用 Kathy Sierra 的名言："不要做更好的相机，要做更好的摄影师（don't make better cameras, make better photographers）"——通过美丽的工具激发人们成为更好的自己，这才是他的北极星。

• Shopify 内部自建 HR 软件就是这种"不满驱动创造"的例子：因为市面上找不到满意的 HR 工具，Tobi 会花半年学习 HR 软件领域的一切，然后带一个小团队做出更好的产品。现在有了 AI coding，这种"CEO 亲自下场做产品"的模式变得更加疯狂地高产。

"I don't want to dial down my energy. I want to channel it into building something." —— Tobi Lütke

核心要点： Tobi 认为如果你和别人做一样的东西，结果只能"差不多好"——只有从不同起点出发才可能做出真正更好的产品。即使最终收敛到相同方案，你也会因为从第一性原理推导而真正理解"为什么"。

• 这是 Tobi 的公理级信念：如果建造和别人一样的东西，最好也只能在几个百分点的范围内浮动。想要做出真正更好的东西，必须做不同的东西。

• 如果"不同"最终收敛到了和别人相同的方案——恭喜，你从第一性原理理解了"为什么这个方案是对的"。如果"不同"的结果更差——恭喜，你发现了自己的一个错误假设，这个学习在其他所有领域都有价值。

• Shopify 内部已经把"failure"这个词替换为"successful discovery of something that didn't work"（成功发现了一件行不通的事）。Tobi 认为科学中的 null results 被严重低估了。

• Jack 观察到 Bay Area 在过去 13-14 年中越来越 herd mentality——2013 年比现在更有原创性，1995 年又比 2013 年更有。Tobi 补充说硅谷用了十多年时间"对所有 distinction 宣战"，抹杀了古怪和有个性的人，但他觉得这种压制正在松动。

• Tobi 在加拿大的"距离优势"：他去硅谷拜访时听到的都是别人的"highlight reel"而非真实运营状态。他在回程航班上把笔记全部反转——"Shopify 版本应该怎么做才更好？"——然后很晚才意识到，有时候他以为在模仿别人的做法，其实对方从未真正实施过。

"If you are building the same thing other people build, it can only be similarly good. It can't be actually much better." —— Tobi Lütke

核心要点： Tobi 利用创始人独有的社交资本——每次新人入职听到创始故事就会存入 credibility tokens——来加速组织变革，将本需数年的文化转型压缩到一封 memo。

• Tobi 提出了一个精辟的"创始人基础设施论"：人们高估了创始人个人的能力，却严重低估了"创始人仍在岗位上"这个结构性优势。这不是关于个人有多厉害，而是关于那个"创始人槽位"（founder slot）被填充后能释放的能量。

• 机制是这样的：每次有新人入职，他们都会听到公司的创始故事，这就像往一个"虚拟银行账户"里存入了一小笔 credibility tokens。创始人可以把这些积累的信用"兑现"，用于推动重大变革——本来需要数年的小步文化演进，有时一封 memo 就能完成。

• Tobi 用 Blackberry 作为反面教材：Blackberry 在 iPhone 发布那年创下了有史以来最佳销售记录，自以为很安全。问题不一定是不够聪明——有时候是"不想相信"，或者组织的每一层都在用"善意的小谎言"（kind lies）替代"残酷的真相"（hard truths）。

• Shopify 的 AI memo 写得"可能稍微早了一点"，但现在回头看"没有一句话是令人惊讶的"。Tobi 把给公司提前预警视为自己的责任："如果一个人有外骨骼而我不告诉其他人，那对他们不公平。"

• 具体举措：引入 "net impact" 绩效评估（你对公司和使命的净影响），取代传统绩效评价；提供 unlimited token policy（AI 使用量不设上限）；内部系统 Void（内部 wiki）上每个人的 profile 显示 token usage 和在部门中的百分位排名。

• 结果："Shopify 对 AI 的融合速度令人惊叹"——核心价值观"thriving on change"不是口号，而是被真正执行了。

"It's incredibly unkind to not tell people. It's unfair if one person has an exoskeleton and I'm not going to point out that the exoskeleton thing can be used by everyone." —— Tobi Lütke

核心要点： AI token 消费已经成为企业级财务议题。Shopify 的 token 支出占收入比例"extremely high"，部分私营公司达到"many tens of percentage points"，而且供需曲线短期内不会收敛。

• Jack 提到一些私营公司的 token 支出占收入比已经进入"pretty wild places"。Tobi 坦承 Shopify 的情况也是"a huge deal compared to revenue"——不是几个百分点，而是"extremely high"。

• 宏观供需矛盾：Shopify 每年 token 需求增长 10x，但全球 GPU 产出每年仅增长 3x——"这两条线没有在任何好的方向上收敛"。

• Tobi 对市场机制有信心："我对市场有非常高的评价。市场极其擅长找到正确的清算价格。"未来可能有更多供应商、蒸馏技术等降低成本的路径。

• 但 Shopify 仍在"全速前进"，因为"我们非常喜欢我们买的每一个 token"——作为盈利的上市公司，token 带来的路线图加速和业务杠杆远超成本。

• Shopify 曾经搞过 token 使用量 leaderboard，但很快发现它会引发"bad effects"（刷量而非真正使用），后来改为纯信息展示——在 Void 个人页面上显示消耗数据和部门排名，但不作为排名竞赛。

核心要点： Tobi 押注 3-5 人小团队作为 AI 时代的核心组织分子，并用 Parkinson's Law（"工作会膨胀到填满分配给它的时间"）来设定激进的节奏——要求 50% 概率能完成的时间表。

• Tobi 认为小团队（3-5 人）是他的赌注，也一直是 Shopify 的偏好。过去之所以不得不做大团队，是因为某些时刻需要很多专业技能——比如用户研究、客户支持路由到产品团队等。现在 AI 能做这些：agentic 系统自动将客户反馈总结路由到团队，"每个人在每个维度上都是 7/10 了"。

• Parkinson's Law 是 Tobi 推荐最多的书之一（1960 年代的原版，60 页，他买了很多本送给高管）。核心洞见：领导者最重要的功能之一就是压缩时间窗口。

• Tobi 的做法：要求"50th percentile"的交付日期——即有 50% 概率能完成的时间点。"大家都会抱怨疯狂的创始人——很好，随便吐槽，然后你们就会做出职业生涯中最好的工作。这就是为什么人们涌向这类公司——因为你被同样愿意一起经历疯狂旅程的人包围。"

• Shopify 用 6-week review cycle 管理节奏（当时比行业标准更快），但 Tobi 现在认为 6 周已经太慢了——AI 让执行速度大幅提升，他们正在探索"什么东西应该替代 6-week review"。

• 两个危险信号：看到 PowerPoint → 第一面红旗；听到有人说"H1"或"H2"→ 第二面红旗，说明你已经在按半年节奏运作，"需要做点激进的事了"。

"One of the most important functions of a leader is to compress time windows." —— Tobi Lütke

核心要点： 与媒体渲染的"AI 导致永久下层阶级"叙事相反，Shopify 的客户数据显示 AI 正在大规模降低创业门槛——每移除一个障碍，就有更多真正的企业诞生。

• 外界 AI 叙事："年轻人害怕被 AI 淘汰，进入永久下层阶级"。Tobi 说 Shopify 的数据和客户反馈中"anywhere we look"都找不到这种趋势。

• 客户反馈的真实画面："你们这些技术人说电脑能做任何事，我们试了觉得你们疯了。现在我们能直接跟它说话，它就真的做到了——太不可思议了，我因此扩展了业务、雇了更多人。"

• 关键数据：每 36 秒就有人在 Shopify 获得第一笔销售——"就在我们说话的这段时间里，想想有多少人刚刚成为了创业者。"

• Shopify 的客户构成极其多元：从最小城镇的街边 POS 小店到 Alo Yoga 这样的大品牌，完全贴合人口分布地图。60-70-80%（因国家而异）的人在小企业工作。

• 产品哲学：创业过程中的每一个摩擦点都像一个栏杆——注册域名、转移域名、设置店铺等等。每次 Shopify 降低一个栏杆的高度，就有更多真正的企业从中诞生。那些因为某个障碍而放弃的人，连同他们本可以创造的就业机会一起消失了。AI 是有史以来最强大的降低栏杆的工具。

核心要点： Tobi 认为"提示词造一个赚百万美元的生意"是比图灵测试更好的 AI 能力检验标准——Shopify 的产品野心就是成为 AI 的"外骨骼"，让带着产品想法的人能一键创业。

• Tobi 将此视为图灵测试的最佳替代品——我们已经"oddly very little notice"地驶过了图灵测试。真正有意义的测试是：AI 能否在真实世界中行动、创办一个让人愿意用百万美元"投票"的生意、正确做好营销、找到合适的供应商、知道优先做什么。

• Shopify 已经有了部分基础设施：Shopify Collective 让制造商提供产品给商家——如果你的特长是营销而非制造，你可以用别人的产品在 Shopify 上创业。约一半的 Shopify 店铺由有过创业经验的人创建。

• Shopify 的产品终极目标：成为 AI 的 vessel（容器）或 exoskeleton（外骨骼）——"如果你带着一个产品出现，你就能开始一家企业"，AI 负责其他一切。

• 数字产品已经接近可行：电子书、print on demand 的书籍和 T 恤、CNC 加工和 3D 打印——加上增材制造技术越来越好，"make me a million dollars"正在从科幻变为可能。

核心要点： 过去 30 年最优秀的人类人才全部投入了数字基础设施建设——而 AI 正在终结这个时代，即将释放这些人才去解决住房、交通、医疗等物理世界的问题。

• Jack 的观察："我有时候后退一步想，真正提升全世界每个人生活水平的是什么？是更多更好的房子、更好的交通、更好的食物、更好的医疗、好的教育——这些都不是软件。有时候我想象外星人看我们，大家都坐在小盒子后面打字。"

• Tobi 解释了原因：人们抱怨"为什么周围一切都没有变好"是对的——因为过去 30 年所有最好的基础设施建设都发生在软件领域。但这不是人类停止了建造伟大事物，而是"地球需要的是数字基础设施"。

• 浏览器是人类建造的世界奇迹之一——Tobi 对此充满热情：你访问一个不信任的网站，浏览器运行它的代码，你的电脑魔法般地重新配置成别人的愿景。Shopify 这个市值千亿的公司以及上面数百万生意的存在，都始于"任何人都可以把一台服务器放上网，自动获得一个 IP 地址"。

• 浏览器的技术复杂度远超任何炼油厂："今天没有任何 app store 会批准浏览器这个概念——听起来像一个疯狂的 pitch。"光是 font rendering 就是一个图灵完备系统，"仅仅因为我们想让文字比屏幕能显示的稍微好看一点"。

• Tobi 的核心预判：我们正处于数字基础设施时代的"开篇章节的结尾"。AI 让软件变成"可以再次变得个人化"的东西——你可以拥有一个浏览器，但"你想看的网站甚至不需要存在"。大量优秀人才将从写代码中解放出来，转向物理世界的创新。

"No app store on the planet would allow the web browser if it would be introduced today. It sounds like an insane pitch, yet it exists and we just don't think about it." —— Tobi Lütke

核心要点： Tobi 认为预测 AI 未来最好的方法不是和实验室交流，而是自己使用一切工具、观察所有人怎么用、从中获得轨迹——"如果你长期这样做，你就有了轨迹，轨迹才是重点"。

• Tobi 的朋友们听到"你需不需要花时间预测 AI 的未来"这个问题会笑——因为这是他的"predominant obsession"：收集尽可能多的数据点，匹配到 super-linear、linear 或 sub-linear 曲线，推算未来。

• AI memo 就是这种预测能力的产物："可能写得稍微早了一点，但现在读来没有一句话是令人惊讶的"——给公司提前预警是他的核心责任。

• 但最好的信息来源不是去实验室参观（虽然也有用）：真正的方法是使用一切工具、密切关注所有人的使用方式、参与 X 上的讨论、自己动手做东西——"learning by doing"才能获得最清晰的世界模型。

• 历史类比：早年看到 mobile browser usage 的头几个数据点，就能清楚预测移动网页的未来——"听起来现在很疯狂，但当时真有人不信"。

• 当前困难：现在是"有史以来最难预测的时期"，因为时间尺度太短了——过去你可以轻松预测 5 年后，现在连 2 年都充满不确定性。

核心要点： 实验室优先解决编程问题（因为这是它们自己的需求），所以 Opus 在编程上"unbelievably good"——但不要因此假设它在所有领域都同等强大。真正被低估的是 AI 在企业中的部署深度。

• 实验室优先攻克编程是因为"那是他们需要为自己解决的问题"。Opus 在编程上极其出色，能在已经"非常优化"的代码中继续找到改进空间。

• 但跨领域不均衡：比如用它准备公开演讲，它知道所有构建张力的方法论，但无法真正"看"一段内容并让它变得有意义地更好。

• 有趣的趋势：越来越多类型的问题被"带入编程域"——Claude Code 就是这个思路：给它文件系统、给它程序员的工具、让它在编程域内操作，结果它对"域外"任务也变得更强了。但 Tobi 认为不应该过度投资于"把一切塞进编程域"——模型本身很快就会在更多领域变得更自然、更强。

• 真正被低估的是企业 AI 部署。大多数人只是让 AI "帮我把现有工作做得更好"——这很有价值，但如果从第一性原理思考，假设 AI 从 Alan Turing 时代就存在且一直有效，"我们现在想的这份工作，会怎么做？"——"just invert the whole thing"，才是 AI 的真正潜力。

核心要点： Tobi 原本以为 AI 会倾向于流动智力（年轻、好奇、fast learner），但随着编程 harness 成熟，他发现结晶智力（经验、判断力）同样关键——最终结论是"好人才就是好人才"，AI 前后没有本质变化。

• 起初最兴奋拥抱 AI 的是年轻人和新员工（fluid intelligence，好奇心驱动，没有包袱），Tobi 一度认为天平在向他们倾斜。

• 但随着 Claude Code、Cursor 等 coding harness 成熟，他发现编程远不是"打字任务"——真正关键的是"深度理解问题"。每个程序员都严重低估了自己在驾驭 AI 时投入了多少创造力——"看过电影的人能一两个词就让 AI 完全改变方向"，这种经验判断力极其珍贵。

• Shopify 每年招收约 1000 名实习生（主要来自 Waterloo），但现在实习生"不仅是学生，也是老师"——他们是 AI native，对老员工非常有帮助。

• 最终判断：采用 AI 工具的速度确实有差异，但一旦大家都上手了，"好人才就是好人才，回到了各自的相对位置"。

• 关于抢人才：Tobi 认为最好的招聘策略不是"卖"（selling），而是"让自己值得被找到"——不要搞官僚主义，给人空间去创造，让他们爱上使命，让候选人来面试时遇到的每一个同事都是令人印象深刻的人。

核心要点： Tobi 认为科技公司长期保持私有化的趋势"有点遗憾"——Shopify IPO 估值 $1.5B，到现在增长 100x，大量散户因此受益。他把股票视为"为你相信的东西投票的门票"。

• Tobi 走到哪里都有人告诉他"买了 Shopify 的股票，这对我真的很重要"——他为此感到骄傲。他认为金钱是"你为想要的世界投票的方式"，买产品是投票，买股票也是。

• 上市带来的实际好处：作为加拿大公司在纽交所上市，获得了 legitimacy，帮助 Shopify 向大客户市场拓展（"大客户会看你是上市公司——很好，这不一样"）；而且"有非常非常优秀的人只愿意为上市公司工作"。

• 上市公司的纪律性也是加分项：季度公开审视、财务透明——Tobi 从不觉得这些是坏事，反而认为它们"引入了勤勉和数据驱动的纪律"。当你负责数千人的工作和重要产品时，这种责任感是应该有的。

• 对"保持私有化更好"这种说法，Tobi 认为它"came from a meme"——他经历了上市的另一面，觉得这并不像人们说的那么困难。