AI 沒有品味這件事，現在是一門一千八百五十萬美金的生意

TL;DR

• 模型能解博士級數學、能自己找出資安漏洞，卻寫不出一則像樣的推文、做不出一張不長得像「地獄版公司內網」的設計稿
• Taste Labs 創辦人 Thais Castello Branco 的診斷：模型被訓練成去找「最可能正確的那個答案」，而好東西幾乎都在分布的邊緣，不在平均值上
• 他們養了一千人左右的 tastemaker 社群，時薪五十到一百美金，做的不只是打分，還包括像資深設計師教菜鳥那樣逐項寫評語
• 品味被商品化會不會讓所有東西更像？她的回答很務實：現在標準在地板上，先把地板抬起來再說個人化
• 平台端開始反擊：LinkedIn 加了「檢舉 AI slop」按鈕並拿掉 AI 寫作輔助，Substack 也上了一整套反 AI 工具
• 同一週 Google 把 Nano Banana 接進 Google Earth，隔天就有人做出美墨邊境的假難民營照片

---

這集在二〇二六年七月三十一日播出的 This Week in Startups，主持人是 Jason Calacanis，矽谷最吵也最誠實的那類投資人，Uber 跟 Robinhood 的早期股東，節目基本上是他每天在創投圈聽到什麼就講什麼；共同主持是寫手出身的 Lon Harris，負責把新聞餵到桌上。來賓 Thais Castello Branco 是 Taste Labs 創辦人，這家公司六月才從隱身模式出來，宣布一千八百五十萬美金種子輪，由 CRV 跟 Amplify Partners 共同領投，任務寫得很直白：終結 AI slop（那些一眼就知道是機器生的平庸內容）。她創業前在 Exa 做事，那是一家直接把產品賣給前沿模型實驗室的搜尋新創，所以她的視角是從模型內部往外看的，不是從使用者抱怨往內猜。

一個能拿奧數金牌的東西，做不出一張看得下去的網頁

Jason 開場問得很有畫面感。他說每次有創辦人拿設計稿給他看，他心裡都在想：這是地獄版的公司內網，側邊欄、陰影、圓角，永遠是那一套。不是醜，是「一樣」。

Thais 的解釋回到訓練方法本身。大部分模型的目標函數就是逼近「最可能正確的那個答案」，這在數學跟寫程式上剛好完全正確，因為那些領域真的有標準答案。但主觀領域不是這樣運作的。你在現實生活中遇到覺得「這寫得真好」「這設計真棒」的東西，通常都有點怪、有點超出預期，本來就在分布的邊緣。而平均值那個位置，是你看過一百次、連第二眼都懶得給的東西。

她補了一個更刺的觀察：兩個人拿完全不同的需求去 prompt，最後 output 長得幾乎一樣。這件事本身就說明模型沒有真的接住你的意圖，它只是把你的需求塞進它最熟的那個模板裡。之前寫過的為什麼所有 vibe coded 網站都有一個叫 Sarah Chen 的客戶講的就是同一件事的表面症狀，Taste Labs 想處理的是底層原因。

Jason 這段還丟了一句很不客氣但我覺得有道理的話：矽谷這群做出這些工具的人，本身就沒什麼品味。他們對私人飛機的品味很好，可以跟你聊三小時哪一架比較好，然後就沒了。四千萬美金的豪宅長得都一樣，El Camino Real 沿路是設計的荒地。你用一群這樣的人做出來的工具，去期待它產出有品味的東西，本來就有點強人所難。

品味不是通用技能，是領域專屬的肌肉

Thais 有個說法我很喜歡。她說品味這種東西沒辦法在所有領域都有，你一輩子頂多挑一兩個領域鑽進去、看夠多的東西、犯夠多的錯，才會長出那種說不清但很篤定的判斷力。她家一半的人是建築師，室內設計的品味好得不得了，但你要他們評 code 的好壞就沒轍了，因為那不是他們花時間磨的地方。

這就是為什麼 Taste Labs 要去找人。他們養了大約一千人的社群，內部叫 tastemaker，刻意分不同領域、不同媒材、不同風格的桶子，因為他們要的是多樣性，不是一致性。付費方式很直接，時薪五十到一百美金，有些人後來直接全職加入公司，也在測試更深的綁定方式，例如讓 tastemaker 把自己的作品集貢獻進他們的設計索引，然後在搜尋產品被引用時分潤。

實際產出的資料有四種形狀，我覺得第三跟第四種是關鍵：

資料型態	做什麼
評分	對模型 output 打分
Critique	像資深設計師帶新人那樣，逐項指出哪裡不對、為什麼不對
Curation	挑出好例子跟壞例子，並且解釋挑選理由
From scratch	直接做出「理想版本應該長什麼樣」，跟模型的版本對照

單純打分只能告訴模型「這個爛」，寫評語才能告訴它「爛在哪」。這跟人類學東西的方式一模一樣，你被主管退件一百次，真正讓你進步的是他跟你解釋為什麼退，不是那個紅字。

商業模式也是兩條腿。一條賣給前沿模型實驗室，做 benchmark 跟 eval，幫他們找出模型到底在哪裡壞掉，包括視覺理解跟 2D 空間推理這種比較底層的能力。另一條賣給應用層公司，因為那些公司碰不到模型權重，只能在 context 這一層動手。Thais 說得很實際：現在用 Lovable、Cursor、Claude 這類工具做東西的人，絕大多數不是專業設計師，他們根本不知道要用什麼術語描述自己想要什麼，所以與其怪使用者不會下 prompt，不如在生成開始之前就把對的脈絡餵進去。

那個被掏空的策展階級

節目中段轉到一個我覺得比技術更有意思的問題。Jason 說，以前我們有一個「策展階級」：餐廳評論家、影評人、樂評。Pauline Kael、Roger Ebert、Janet Maslin 這些人一輩子的工作就是看夠多的電影、吃夠多的餐廳、跑夠多的展覽，然後告訴你哪個值得。

這群人隨著報紙跟雜誌一起被掏空了。Lon 自己就是媒體出身，他的回答很坦白：他認識的每一個做文化評論的人現在都很難找到工作，而這個功能到今天還沒有被任何東西真正取代。大家現在靠 Rotten Tomatoes、靠社群、靠 TikTok，但那不是同一件事。

有意思的是 Thais 對這件事的判斷跟直覺相反。她認為 AI 不會讓 tastemaker 消失，反而會讓他們更值錢。理由是：當每個人按一個按鈕就能產出東西，供給端會爆炸，這時候「頂尖裡面的頂尖裡面的頂尖」的稀缺性會被放大，不是被稀釋。他們對社群做過一次調查，問這些 tastemaker 為什麼願意來，最多的回答是好奇，第二多的回答是「我討厭 slop，我想幫忙解決它」。這比我預期的有動機得多。

Lon 追問了一個很尖的問題：你把品味變成可規模化的商品，那品味最迷人的部分（有人跟你介紹一個你沒聽過的樂團、一部七〇年代的冷門片）不就沒了嗎？Thais 沒有硬拗，她說目標當然不是那個，但現在的標準低到在地板上，第一步只能是把地板抬起來，讓模型至少產得出品質過關的東西，個人化是下一階段的問題。

我覺得這個回答比那種「我們要保護創作者的獨特性」的漂亮話誠實多了。

酷是有半衰期的，而日本人已經開始反擊

這段是全集最好笑也最真實的。Jason 說他七年前開始講 Niseko 滑雪多好，現在訂不到房；日本某家開了一百五十年的麵店被 TikTok 拍紅之後大排長龍，於是店家開始反擊：Google 商家名稱改成全日文、菜單撤掉英文、招牌縮小挪到轉角。東京本來就難找，現在他們讓你更難找。

Thais 的看法是這個循環一直都在，先鋒挑出下一個酷的東西，等它變得人盡皆知就失去酷度，先鋒再往前跑。社群媒體只是把這個週期壓縮了，AI 目前還沒造成同樣的效果，因為它產的東西還不夠好，真正有品味的人根本看不上。

Jason 接著分享他自己的解法，這段對一般人最有可操作性。他訂 Monocle 這類真的還有人在做編輯的雜誌，加上另外十幾個他信任的來源，讓助理把這些來源按他要的條件彙整，然後他寫了一個很長的 prompt，設定角色叫「cool hunter」，指定要找的品味特徵跟目標對象，每週跑一次，產出一份獵酷報告。他去新加坡住的那間長滿植物、屋頂有無邊際泳池的飯店，就是這樣挖出來的，房價大概五六百美金，一般搜尋根本不會跑出來。

拆開看，這個系統的核心不是 AI，是那十幾個來源的選擇。模型只是把人類策展過的東西再過濾一次。這其實回答了整集的核心問題：品味的來源永遠是人，AI 頂多是放大器。Adam Mosseri 也講過同一件事，他認為品味是 AI 時代最後的護城河。

順帶一提，兩位主持人都同意還有一個領域 AI 完全沒攻破：搞笑。你可以餵它一百萬個笑話，它可以解釋笑點在哪，但它就是寫不出好笑的東西。這大概是下一個 Taste Labs 該去的地方。

平台終於開始反擊 slop

同一週的新聞剛好接得上。LinkedIn 加了一個「檢舉 AI slop」按鈕，同時把當初自己推的「用 AI 幫你寫貼文」功能拿掉，因為太多人按下去就直接發，整個平台變成罐頭大會。Substack 也上了一整套反 AI 工具，用 Pangram 這家公司做偵測，CEO Chris Best 在公告裡的說法很直接：我們不想變成 LinkedIn。

Jason 的建議更狠。他認為偵測到高機率 AI 生成的內容，不應該只是提醒作者「要不要改得像人一點」，而是直接降低觸及，在動態牆上淡化甚至不推。這件事遲早會發生，而且我猜會比大家想的快。

至於為什麼要這麼急，Jason 舉的例子最戳中我：他女兒喜歡鯊魚，他想找鯊魚影片給她看，動態牆全是 AI 生的假鯊魚咬人畫面；Lon 的姪子喜歡火車，YouTube 一搜全是假的卡通火車。小孩要看的是真的東西。他最後說，十到十五歲的孩子現在對 AI 的直覺反應是「很遜」，因為在他們的生活裡，AI 等於垃圾內容。這對整個產業來說是很糟的品牌問題。

Google 這週的操作則是反面教材。他們把 Nano Banana 影像生成接進 Google Earth，你可以直接對衛星影像下 prompt 改圖。城市規劃的用途當然存在，但推出隔天就有人做出美墨邊境的假難民營、加薩的假醫院跟彈坑。我不覺得這是技術問題，這些圖本來就做得出來，問題是你把生成能力直接接在「大家預設是真實紀錄」的圖層上，那個可信度是 Google Earth 自己二十年累積的，一次就送出去了。

我的看法

我對 Taste Labs 這門生意的態度是有點懷疑但願意看下去。懷疑的點在於，品味的定義權一旦集中到一家公司手上，就算他們刻意保留多樣性，最後被大量採用的還是那幾條規則。之前寫的AI 寫 CSS 真的就是爛提過 Codex 的系統提示詞裡塞了設計強制規則，結果就是全世界的 vibe coded 網站長得一模一樣。把這件事外包給一家做得更好的公司，規模也會更大。

但另一方面，Thais 說對了一件很重要的事：現在的問題不是同質化，是爛。地板太低的時候討論天花板沒有意義。而且他們選擇付錢給一千個真人、要求他們寫評語而不是只打分，這個做法本身就承認了品味沒有捷徑，得靠人一筆一筆餵。這比那些宣稱「我們的模型會自己學會美感」的說法誠實太多。

真正值得記住的判斷是那句「產出越多，頂尖越值錢」。如果這是對的，那對個人的意義很清楚：在一個什麼都能生成的世界裡，能區分好壞的判斷力比能產出的能力更稀缺。你要練的不是產能，是眼光。而眼光沒有別的練法，就是看夠多的好東西，多到你看到平庸的東西會生理不適為止。

我自己看了那一千個 tastemaker 的時薪，第一個反應是「這是我目前為止看過最合理的 AI 相關兼職」，第二個反應是我大概沒有任何一個領域夠格去應徵。共勉之。

這類把 podcast 拆開重寫的東西我會一直做下去，訂閱 wilsonhuang.xyz 就不會漏掉。

Sources:

• Taste Labs launches with $18.5M seed to give AI "taste" | Dealroom
• Kill the Slop: announcing our investment in Taste — Amplify Partners
• Taste Labs — The taste layer for AI
• The Taste Layer for the AI ecosystem: Why Latitud Invested in Taste Labs
• Taste Labs Raises $18.5m Seed to End AI Slop — The Source Code