本期简介

“我觉得，AI 已经完全超越我了。”

本期节目，我们和 Suno 工程师 Guangyao 展开了一场关于 AI、音乐、工程师工作方式与未来组织形态的深度对话。

Guangyao 回顾了自己从大厂工程师转向早期 AI 音乐公司的职业选择：当稳定和职级不再是最重要的目标，真正值得投入的，是不是一个自己认可的产品、有没有足够的主导权，以及能否和团队一起快速构建有意义的东西。

随后，我们从内部工程师的视角讨论 Suno。它不只是一个“输入一句话就能写歌”的工具，而是希望围绕音乐生成继续延伸到个性化、图片与视频、音乐编辑、Remix 等场景，同时服务专业音乐人和更广泛的普通音乐爱好者。Guangyao 也分享了自己的工作：如何引入并优化外部图像、视频模型，在降低推理成本的同时，让生成结果更符合 Suno 的视觉审美；以及团队如何通过点赞、保存、下载等用户行为，把主观的审美判断转化为可以观察的数据。

对话的重点还包括 AI 原生公司的真实工作流。在 Suno，产品文档、会议、消息、编码和测试都可以与大模型连接。工程师越来越少亲自写代码，而是让 Claude、Codex 等 Coding Agent 消化需求、执行任务、测试并协助排查线上问题。AI 工具虽然人人都能使用，却不会自动抹平能力差距；相反，能否提供正确的上下文、拆解任务、安排验证流程，并像管理一支高级工程团队一样管理 Agent，可能让不同人的产出差距进一步放大。

最后，我们聊到一个更直接的职场问题：当 AI 已经能承担大量工程、设计和分析工作，公司还需要多少人？Guangyao 判断，未来很多公司可能只需要五个人左右。效率提升并不必然带来十倍更好的产品，因为组织沟通、协作摩擦和人的决策仍可能成为瓶颈。对身处变化中的职场人，他给出的建议是：持续关注行业变化，在条件允许时尝试更有成长空间的小团队，同时解决好身份、风险承受能力、身体状态和长期心态这些现实问题。

## 时间戳 / Chapters

00:00｜开场高光：AI 已经完全超越我了

Guangyao 直言，最近两三周已经很少打开 IDE，大部分问题都交给 Claude 或 Codex；AI 会放大个人产出差距，未来公司甚至可能不超过五个人。

00:22｜嘉宾介绍：从纽约同学到 Suno 工程师

Kaiyi 介绍研究生时期的同学 Guangyao：两人曾一起在纽约工作，如今 Guangyao 在 AI 音乐公司 Suno 担任工程师。

01:00｜职业选择：为什么离开大厂、加入早期 Suno

从 2010 年代“进大厂、解决身份”的典型规划，聊到稳定之后重新寻找真正有兴趣的事情。Guangyao 回顾校友推荐、与 CEO 沟通，以及从工作四年的 Uber 转向早期 Suno 的决定。

04:17｜工作十年后，职级还重要吗？

讨论资深职场人对晋升、Level 和稳定性的看法。相比继续向上爬，Guangyao 更看重做什么产品、拥有多少主导权，以及能否和团队一起快速构建有意义的东西。

06:08｜Suno 真正想解决什么问题

Suno 不只是“输入文字生成歌曲”的工具。围绕音乐生成模型，它还可以延伸到个性化、图片与视频、数字音频工作站、音乐编辑和 Remix 等更丰富的创作场景。

08:36｜专业音乐人还是普通用户：Suno 为谁服务

专业音乐人需要更强的模型辅助创作，但普通音乐爱好者拥有更大的用户基数。两类用户并不冲突，就像通用大模型既能帮助程序员，也能覆盖更多日常场景。

09:48｜Guangyao 的工作：生成视频、控制成本与定义审美

Guangyao 介绍自己负责的视频和音乐生成工作：选择并自托管外部先进模型、进行性能优化、降低推理成本，同时探索符合 Suno 品牌的视觉审美。团队会参考点赞、保存和下载等行为数据，衡量用户对生成结果的偏好。

11:26｜AI 公司的壁垒：模型、数据、产品还是工程体验

对话比较基础模型能力、数据、产品设计和工程体验的重要性。Guangyao 认为当前阶段模型仍是主要驱动力；Suno 的音乐模型从预训练开始自主训练，迭代节奏也不依赖外部通用大模型。

15:29｜Suno 内部怎样使用 AI：从 PRD 到生产代码

团队把文档、会议、消息和开发流程接入大模型，让 AI 消化产品需求、编写和测试代码，工程师重点负责 Review 与生产环境验证。Guangyao 表示自己已经很少用 IDE 写代码。

17:46｜同样使用 Coding Agent，为什么产出能差一百倍

AI 更像一支能力极强的高级工程团队，真正的差异在于人能否提供上下文、拆解任务、安排工具和验证步骤。节目进一步用线上延迟排障、日志分析、跨数据源验证、推理时间优化和设计系统应用说明完整的 Agent 工作流。

22:47｜职场焦虑：未来公司可能只需要五个人

当 AI 能覆盖工程、设计、分析等多种角色，人还应该负责什么？两人讨论岗位减少、应届生门槛提高、留学生就业困难，以及效率提升为何不一定直接变成更好的产品。

25:12｜效率提升之后，组织为什么仍然是瓶颈

即使个人效率提高十倍，沟通摩擦、协作损耗和人的决策仍会限制产品迭代。更小的团队和更高程度的机器主导，可能成为 AI 原生公司的重要组织课题。

26:42｜给职场人的建议：身份、风险、身体和长期心态

Guangyao 建议持续了解 AI 行业变化，在现实条件允许时尝试小公司；对于第一代移民，身份会直接影响试错空间。同时，小团队的工作强度可能很高，锻炼身体和保持稳定心态同样重要。

28:44｜反向提问：Kaiyi 接下来一年的计划

Kaiyi 分享在日本工作和参与创业活动的观察：AI 可能继续拉大人与人、地区与地区之间的差距。他也在思考小团队机会，以及用 AI 帮助职业 Mentor 更高效地提供面试与职场辅导服务。

《职场药丸》是一个由Lynn和Kaiyi搭建的华人职场的畅说平台。关注和订阅我们的播客Podcast，也欢迎加入微信听友群(添加微信小助手: hlynny0123)，我们会不定期发布知名公司的招聘信息及行业动态。

我们也在Bilibili，Youtube，小红书开设了视频节目：【开一下小差】。会分享视频播客和AI使用的小技巧，欢迎关注分享，关注小红书可加入讨论互动群！

38.「访谈」AI已经完全超越我了：对话音乐AI明星公司Suno工程师Suno工程师

职场药丸

38.「访谈」AI已经完全超越我了：对话音乐AI明星公司Suno工程师Suno工程师