来源： Lenny's Podcast | Elizabeth Stone | Jul 19, 2026 播客： Lenny's Podcast 分类： 其他 原文发表： Jul 19, 2026 纪要生成： 2026-07-20
Elizabeth Stone 是 Netflix 的首席产品与技术官。这是她第二次做客 Lenny's Podcast，两年半前她作为 CTO 的访谈是该节目有史以来最受欢迎的节目之一。在加入 Netflix 之前，她曾在 Lyft 担任科学副总裁，在 Nuna 担任首席运营官，并有过经济学家和华尔街交易员的经历。本次对话探讨了在 GenAI 浪潮下，产品、工程、设计和数据科学等角色的演变，以及 Netflix 如何通过文化、人才战略和系统思维来应对这场变革。
本节重点
详细精要
但这不意味着应该把 AI 放回盒子里，而是要在获取收益的同时减少成本。
拥抱流动性但保留专业优势：人们利用 AI 加速想法开发和原型制作是好事，但这不代表任何人都能直接向生产环境交付代码。
但在产品化、规模化时，仍需与工程伙伴共同思考架构和护栏，专业职能并不会因此过时。
组织层面降本增效的关键：为了让角色模糊变得合理而非产生困扰，组织必须建立基础设施。
💬 精华片段（中文）
"AI 让每个人都能做所有事。PM 能交付代码，设计师能写需求文档，工程师能做产品。这带来了对于‘我的工作到底是什么’的困惑和挫败感。"
"Everyone can be everything now. PMs can ship code, designers can write PRDs, engineers can product, and there's this confusion and frustration of what is my job anymore."
本节重点
详细精要
AI 让他们在原型设计和代码编写方面更快地得出可验证的假设。
知识检索与分析的民主化：Netflix 内部有几十年的实验数据和消费者洞察，AI 非常擅长提炼这些分散的信息。
通过 AI 的辅助，业务相关方可以带着初始假设来与数据科学家或工程师深度合作，极大地加速了从数据到洞察的过程。
核心专业优势依然不可替代：尽管出现了流动性，但各职能的比较优势依然坚固。
💬 精华片段（中文）
"我仍然看到各学科的卓越匠心是非常重要的，我不认为这会在短期内消失。我依然发现优秀的工程人才很稀缺，优秀的数据科学人才很稀缺，优秀的创意人才很稀缺。"
"I still see a craft excellence that's really important in the disciplines that I don't think is going away anytime soon. ... I still find great engineering to be scarce, great data science to be scarce, great creativity to be scarce."
本节重点
详细精要
因此，Netflix 正在招聘更多能够纵观全局的人，他们能跨所有业务领域进行抽象，找出“我们需要哪些构建模块”。
设计师角色的演变：设计团队的职责正在转向设计系统思维。
设计师需要思考的是品牌表达、模板以及 Netflix 的差异化特殊配方，而非仅仅设计某个具体功能的特性。
思维模式的转变：这是一次思维模式的根本转变，要求现有人才重新定位技能，并招聘具备此类专业能力的新人。
好奇心和创新思维比以往任何时候都更为关键。
培养系统思维的技巧：每当要解决一个具体问题时，试着“往外跳出一步（Step out one click）”。
💬 精华片段（中文）
"一个小技巧是，对于你要解决的每个问题，向外跳出一层，问问自己：我在解决这个问题时，假定哪些关于更广阔空间的状况是真实的？"
"Small trick, each problem you're trying to solve, step out one click to the what am I assuming is true about the broader space."
本节重点
详细精要
但一般情况下，相比于5到10年前，Netflix 现在拥有更少的专才和更多的通才/可塑之才。这种适应力可能体现在跨职能的专业能力上，也可能体现在跨工程领域（如能同时驾驭 后端 和 前端 系统）的能力上。
思维模式先于技能：核心思维模式现在必须是“我能快速学习那个”，这又回到了系统思维。
💬 精华片段（中文）
"极度狭窄的深度专精的时代，在我看来越来越局限了。我们可以想一些仍然需要它的例子……但作为一个通用规则，相比于5年或10年前，我相信我们拥有更少的专才，而更多的人是通才或能在多个方向适应的人。"
"The days of very narrow, deep specialization feel more limited to me. ... as a general rule, compared to 5 or 10 years ago, I would believe we have fewer specialists and more people who are generalists or adaptable in multiple directions."
本节重点
详细精要
其核心是提倡将技术用在有用的地方，拥有良好的判断力，并保持开放心态去探索。这是对所有角色的硬性要求，包括那些不写代码的最高管理层。
招聘实践的改变：这一要求已经渗透到招聘环节。
💬 精华片段（中文）
"最有用的方式不是让它与级别或角色挂钩，而是鼓励每个人达到 AI 流利度的期望。这并不意味着为了用技术而用技术，而是在有用的地方应用，对此有良好的判断力，并有开放的心态去探索和尝试新事物。这是所有角色的硬性要求。"
"The most useful thing is not to make it level specific or role specific, but to encourage everyone towards the expectation on AI fluency, which doesn't mean use it as a tech for the sake of tech. It's tech where it's useful, to have good judgment about that, and to have the mindset to be open-minded to explore and try new things. That's the non-negotiable for all roles."
本节重点
详细精要
这是 Stone 个人最喜欢且最常用工具的领域，能帮助将数据转化为可行动的洞察。
内容生产的全面 AI 化：这覆盖了从创作前到发行后的诸多环节。
💬 精华片段（中文）
"我们最近收购了一家公司叫 Inner Positive，由本·阿弗莱克创立，他们构建了一套模型和能力，让你在拍摄完某些东西后可以进行重新布光、重新构图、重新拍摄，改变对话……这些影响是非常有前景的。"
"We recently acquired a company Inner Positive that was started by Ben Affleck that built a set of models and capabilities that allow you after you've shot something to relight, reframe, reshoot, change dialogue in ways that are very impactful to get higher quality content."
本节重点
详细精要
这一历史积淀让 Netflix 在明确“要解决什么问题”上拥有了领先优势。
文化与 AI 时代的同频共振：Netflix 封神的文化文档中提到的高自主权、自主性、高人才密度、自下而上、支付市场最高薪酬，与当今顶尖 AI 实验室 的运作方式惊人地一致。
文化不是静态的，需要随着公司规模的扩大和问题类型的变化而演变，但其指向卓越的信任内核是不变的。
维护操作系统需要对抗本能：这套系统的组件虽然诱人，但执行起来却非常反人性。
💬 精华片段（中文）
"Netflix 的文化一直把卓越当作操作系统。它要求你抵抗很多大公司会做的事，并频繁地在那种不适中感到自如。"
"Netflix's culture has always been excellence as an operating system. It's a resistance to do the thing that a lot of bigger companies would do and to feel comfortable in that discomfort very often."
本节重点
详细精要
艰难对话：当员工不再达标时，这也是迫使管理者开展艰难对话的机制，要么给出明确的改进行动计划，要么在尝试无效后承认没有成功之路，从而避免管理者回避冲突。
在人才战争中获胜的关键：面对资金雄厚的 AI 实验室 和其他竞争者，Netflix 依然能吸引到顶尖人才，其核心卖点在于明确的定位。
💬 精华片段（中文）
"你必须热爱娱乐。你必须热爱规模化消费者产品。你必须热爱它的全球性。有很多极具才华的人就爱这个甜蜜点。我就是其中之一，处在技术、产品和娱乐的交汇处，思考如何让这些东西以一种非凡的方式结合在一起。"
"You have to love entertainment. You have to love consumer products at scale. You have to love the global nature of that. There are a lot of incredibly talented people who love that sweet spot. I am one of them, between tech and product and entertainment and how do you make those things come together in a way that's remarkable?"
本节重点
详细精要
年轻一代的价值：他们心态更开放，对 AI 等新工作方式更具原生性。同时，他们更懂娱乐形态的变化、消费者行为的变化，以及产品和技术对此的影响，这对 Netflix 至关重要。
工匠精神的传承：无论 AI 工具多强大，对卓越品质的追求不能消失。
虽然他们可能不再像过去那样需要那么“动手”，但他们仍需负责审查代码、测试代码、诊断问题、识别优秀的产品设计。识别“卓越”依然是一个稀缺技能。
工程学的未来在于理解而非编写：5到10年后，区分在于“能否用特定语言写代码”和“是否理解代码/计算机系统/产品如何运作”。后者不会消失。
💬 精华片段（中文）
"我认为用特定语言编写代码行和理解代码、计算机系统、产品是如何工作的之间是有区别的。我不认为后者会消失。因为如果我们信任的智能体懂所有语言并写所有代码，那我们不会知道为什么某个东西是好的产品或是坏的产品……这需要对系统是如何运行的有深刻理解。"
"I think there's a difference between being able to write lines of code in a particular language like Python or C++ and understanding how code, computer systems, products work. And I don't think the latter is going away. Because if we trusted agents to know all the languages and write all the code, we're not going to know why is something is it a good product? Is it a bad product? ... That requires an understanding of how are these systems working."
本节重点
详细精要
未来的娱乐必须更加个性化、沉浸式和互动式。Netflix 面临的挑战是让这种极度碎片化的内容的发现和参与变得极其容易。
AI 在好莱坞的角色是赋能，而非替代：科技行业对 AI 充满热情，而好莱坞则存在极大的混合看法。
💬 精华片段（中文）
"我很难想象一种没有人类作为核心的娱乐……叙事与人性是一回事。懂得什么能与人们产生连接。……看着屏幕上那些不具备人性的角色，对我来说感觉不那么吸引人。而故事讲述的真正力量在于，看到另一个人，观察他们如何扮演一个角色，或者如何将一种情感生动呈现，这是一种极强的人性元素。"
"I have a hard time picturing entertainment that doesn't have humans at the heart of it. ... storytelling is one and the same with humanity. And like knowing what connects with people. ... watching characters on screen who don't have that humanity feels less compelling to me. And what the power of storytelling really is, to like see another human and to watch how they perform a role or like bring an emotion to life. That's such a human element."
| 术语 | 解释 |
|---|---|
| GenAI | 生成式人工智能，指能够创造新内容（如文本、图像、代码）的 AI 技术，是当前 AI 变革的核心驱动力。 |
| 系统思考者 | 能够超越局部细节，从整体、关联出发，识别通用模式并抽象出可复用的构建模块的人才。 |
| PRD | 产品需求文档，传统上由产品经理撰写的定义产品功能和业务逻辑的文件。 |
| 真实数据源 | 组织内公认的唯一、准确、一致的数据来源，用于确保决策基于正确信息。 |
| 卓越即操作系统 | Elizabeth Stone 提出的概念，指 Netflix 通过高人才密度、高自主权、风险承担等文化要素构成的，能自我驱动产出卓越结果的体系。 |
| 守护者测试 | Netflix 的核心管理工具，管理者需不断自问：“如果这个人要离职，我会不会努力挽留他？”用于保持团队的高人才密度。 |
| AI 流利度 | 指对 AI 工具有效性、局限性的判断力，愿意实验的心态，以及使用 AI 进行构建的能力，已成为 Netflix 对所有岗位的通用期望。 |
| 前沿模型公司 | 指专注于研发最底层、最尖端的通用人工智能大模型的公司，如 OpenAI 等。 |
| Netflix Prize | Netflix 在 2006-2009 年间举办的公开竞赛，悬赏百万美元以优化其电影推荐算法，是早期大数据/机器学习的标志性事件。 |
| Inner Positive | 由 Ben Affleck 创立的 AI 后期制作公司，被 Netflix 收购，其技术能对已拍摄的影片进行重新布光、重构画面等。 |
| 预示可视化 | 在正式拍摄或制作前，使用技术手段将创作者的创意和场景预先视觉化呈现出来的过程。 |
| 弗兰肯斯坦 | 在文中指由于设计系统不统一，强行拼接不同风格的界面或功能而产生的怪异、不协调的产品。 |
| 铺装路 | 一种比喻，指 Netflix 内部为团队提供的标准化、有护栏、通用的技术基础设施和开发路径。 |