Iteration-Speed

Manus 的 changelog 里藏着一个数字。2025 年 12 月 29 日宣布加入 Meta，2026 年 4 月 27 日被监管叫停收购，9 月 1 日恢复独立运营——命运悬置的这八个月里，它发了 29 个版本（官方自计：宣布到叫停 11 项，叫停到独立 18 项）。整条时间线 63 项重大更新摊在约 572 天上，平均 9 天一发，监管风暴期间节奏没断过。

同一周的另外两家是另一种节奏。xAI 的 Grok 模型层一周多换一版（4.7 上线才一周，4.8 已宣布完成训练），Team Bots 那个五人团队 reportedly 一天合 100 多个 PR。而 Meta 的 Muse 是极端反面：原定今年 4 月发布，一路憋到 9 月 8 日，上线前两周它还在连贯性测试里挣扎、说不利索英语。

三种节奏，三种活法。最近我给 AI 产研团队定了三条迭代标准，这三家正好是它的注脚：

• 产品层：每天能端到端对外发布 1 次，支持的任务质量和数量有 10% 的增量；
• 工具层：支撑高速迭代的工程师软件工具，5 分钟能用起来，出问题 15 分钟能解决；
• 基建层：工程基建上必须用最好的工具。

这三条乍看是三个独立的 KPI。但我越想越觉得，它们其实是同一条：一个能日更的团队，它的每一层时间常数必须压到上一层的十分之一。发布是果，工具 SLA 是因。

上个月和一个做 SaaS 的朋友吃饭。他的产品刚上线四个月，已经迭代了 9 个版本。

我说：「你以前在互联网公司，一个季度能发几个版本？」

他想了想：「两个。还得是顺利的情况下。」

「现在呢？」

「一个月两个。有时候三个。」

我问他为什么快了这么多。他的回答让我愣了一下：

「不只是写代码快了。是 所有事 都快了。调研快了，做素材快了，看数据快了，连决定砍哪个功能都快了。」

这句话比「AI 让编程效率提升 10 倍」重要得多。因为它指向一个被严重低估的变化： AI 压缩的不是产品迭代的某一个环节，而是全链路。