【城主說】很高興和大家同步，經過籌備，即日起天空之城和大家日常分享最新AI科技商業訪談的精讀內容。

感謝科技的進步，每一個訪談都可以有萬字文章，但或許我們更缺少的是時間。希望本城的日常精讀合集可以讓大家在有限的時間里掌握最新的科技商業內容干貨。且每個內容都附上了對應的完整版視頻（及完整文字版）的鏈接，感興趣的同學可以繼續深入了解。

內容目錄

? 我們的在線時間如何改變 訪談微軟人工智能CEO Mustafa Suleyman

? Roblox CEO訪談：我們希望AI能生成完整的游戲

? OpenAI首席研究官談GPT 4.5的首次亮相、規模法則以及教導模型情商

? 為什么中國的AI戰略或許奏效 — 嘉賓 Grace Shao

? 為什么人工智能無法做出自己的發現？與 Yann LeCun 對話

? 微軟人工智能 CEO Mustafa Suleyman訪談

? 風投巨頭新動向 a16z 200億美元基金&創始人基金46億美元&約什·庫什納已經掌握了游戲 · 20vc播客

? 紅杉訪談：Replit CEO談 10 億開發者 比通用人工智能更好的終局狀態？

? ? ?

我們的在線時間如何改變 訪談微軟人工智能CEO Mustafa Suleyman

視頻鏈接:

https://www.bilibili.com/video/BV19ALuzKErf/

內容精讀：

穆斯塔法·蘇萊曼，這位人工智能現代浪潮的早期深度參與者，DeepMind 的聯合創始人，如今已是微軟人工智能的新任首席執行官。他回顧道，早在 2009 年，受 Facebook 崛起的啟發，他便預見到科技，特別是能學習并解決世界挑戰的人工智能，將深刻改變世界，并立志投身其中。

談及微軟與 OpenAI 的關系，蘇萊曼解釋，盡管微軟對 OpenAI 進行了戰略性投資（始于 2019 年，早于 GPT 大放異彩），并在 Copilot 等產品中廣泛使用其模型，但微軟自身擁有悠久的技術轉型歷史和龐大的業務基礎。他目前負責的，正是微軟日益重要的消費者人工智能領域。這項早期對 OpenAI 的投資，部分源于對 DeepMind 成就引發的 AI 浪潮焦慮，展現了微軟擁抱外部創新以避免“創新者窘境”的遠見。

AI 實驗室的演進亦是焦點。DeepMind、OpenAI 等機構最初是研究優先，商業模式是后來的探索。隨著技術成熟和商業壓力的增加，它們逐漸轉型，更加注重工程、銷售和規?；penAI 的成功，尤其是在大型語言模型上的突破，很大程度上借鑒并轉化了谷歌 Transformer 論文的成果，體現了研究領域的相互借鑒和演進特性。當技術從探索期進入應用期，所需的組織結構和重心也會隨之變化。

蘇萊曼也回應了近期活動中遭遇的抗議事件，表示尊重不同聲音，并承認在當前緊張的全球局勢下，科技公司為不同政府和組織提供云服務所面臨的復雜性和挑戰。對于近期關于關稅計算可能使用 AI 的猜測，他表示懷疑，并強調理解政策背后的情緒和動機比妄加揣測更重要，同時重申 AI 不應自主參與民主進程。

他觀察到，盡管早期對大型語言模型（LLM）存在偏見、毒性和不可控的擔憂，但事實證明，模型規模越大，反而越容易引導和遵循指令，其推理能力也在不斷增強。這預示著 AI 系統將變得更加有用和可控。雖然 2024 年大選中 AI 的顛覆性影響并未如預期般顯現，但這或許只是時間問題，科技力量對日常生活的直接影響日益超過政府。令人鼓舞的是，政府對 AI 的理解和監管反應速度相比社交媒體時代已大有提升，學習和適應周期正在縮短。

蘇萊曼的書《即將到來的浪潮》核心觀點是技術擴散的必然性和加速性。當前開源 AI 模型（如 Meta 的 Llama）的興起是這一趨勢的體現，它極大地促進了知識傳播和創新民主化。雖然開源帶來了前所未有的機遇，但也伴隨著強大技術被濫用的風險。大型科技公司通過內部約束和向政府報告等方式增加了一層“摩擦”，而開源領域則缺乏此類機制，帶來了不確定性。他認為開源趨勢不會消失，但如何平衡開放與安全將是持續的挑戰。對于社交媒體算法的閉源，他指出，缺乏訓練數據使得單純開源算法的價值有限。

針對 AI 是否會形成“贏者通吃”的局面，蘇萊曼持不同看法。他認為，不同于搜索引擎或操作系統等注重實用性和網絡效應的領域，AI 伴侶的區分度將更多體現在“情商”（EQ）和個性化偏好上。用戶在不同場景下可能需要不同風格、特質的 AI，這將驅動多樣性而非集中化。未來的 AI 將是平臺無關的，能在各種設備和應用（如 Copilot 已登陸多個消息平臺）上與用戶相遇。

他批判了科技圈普遍存在的“悲觀厭惡”傾向，即精英階層傾向于忽視風險、過度樂觀。他認為應超越樂觀或悲觀的偏見，進行批判性思考，正視潛在風險才能有效規避。AI 正從“智商”（IQ）時代邁向“情商”（EQ）時代，未來還將發展“行動力商數”（AQ，執行任務能力）和“社交商數”（SQ，群體交互能力）。這將徹底改變人機交互方式，AI 將能理解屏幕、操作電腦，自動化大量管理性事務，成為真正的“數字生活錨點”。

“AI 伴侶”的概念正在取代“聊天機器人”，它強調的不僅是信息獲取（IQ），更是情感互動、陪伴和支持（EQ）。設計具有合適個性的 AI 成為新挑戰，需要跨學科合作（電影制作人、心理學家等）。關鍵原則是 AI 必須始終坦誠其非人身份。用戶應有權選擇是否及如何在數字體驗中使用 AI 功能，實現精細化控制。

關于未來工作，蘇萊曼承認圍繞“無工作”的焦慮是合理的，因為社會結構和個人認同與工作深度綁定。但他認為，人類并非天生必須工作。AI 帶來的知識和能力的普及，可能創造一個“共同智能”時代，提升個人生產力，賦予人們更多選擇工作方式和時間的自由。經濟模式可能需要演變，超越全民基本收入（UBI），思考“全民基本供給”（UBS），即普及智能本身作為一種資源，減少對現金收入的依賴。分配挑戰的關鍵在于如何捕捉、轉化和再分配 AI 創造的價值。

最后，蘇萊曼重申了“遏制”的重要性。在追求“能做什么”的同時，必須嚴肅思考“應該做什么”。隨著 AI 能力日益強大，社會需要建立機制來評估風險、設定閾值，并在必要時限制甚至停止某些技術的發展和擴散。這是一個極其困難但至關重要的長期挑戰，需要廣泛的公眾討論和共同努力。

? ? ? ? ?

Roblox CEO訪談：我們希望AI能生成完整的游戲

視頻鏈接:

https://www.bilibili.com/video/BV1MgLTz9E4a/

內容精讀：

Roblox首席執行官戴夫·巴祖基探討了生成式人工智能在游戲創作中的應用前景、平臺面臨的安全挑戰以及關于是否應給予孩子資金在Roblox上消費的思考。巴祖基認為，人工智能將極大地加速創作者的效率，如同Photoshop之于傳統藝術家，并可能重新定義“游戲”的概念。他透露，Roblox正在利用其龐大的專有3D數據（包括對象及其交互代碼，形成“4D”數據）訓練自有的3D基礎模型，首個版本計劃在本季度發布，旨在實現通過文本提示生成3D對象乃至完整游戲體驗，最終甚至允許玩家在游戲中實時提示修改環境。巴祖基將這種由用戶驅動、實時生成的沉浸式體驗視為技術發展的自然趨勢，而非僅僅是一個設定目標。

他承認，雖然AI能加速創作，但短期內難以復制頂尖人類創作者（如《刺客信條》開發者）的品味和才華，盡管長遠來看（或許萬年后）AI可能達到這一水平。他強調，人們可能仍會珍視人類創造的作品。Roblox憑借其多年積累的AI經驗（尤其在安全審核方面）、龐大AI團隊及獨特數據優勢，正積極構建和高效運行這些復雜的AI模型。關于AI生成內容的責任，巴祖基表示，Roblox和創作者共同承擔責任，平臺有責任通過AI等手段確保內容符合政策，而創作者也需遵守服務條款。

在回應興登堡研究公司的指控時，巴祖基堅決否認了夸大用戶數據的說法，指出其報告存在數學缺陷，并強調平臺真實的現金收入可以證實用戶活動的真實性。他承認機器人賬戶存在，但表示其影響不顯著，且平臺持續打擊此類活動。關于兒童安全，他強調公司對此極為重視，已推出眾多安全改進措施和家長控制功能，利用AI審核所有資產，并持續改進對文化敏感內容的識別速度。他認為，盡管AI提高了效率，安全投入的衡量標準并非簡單的同比增減，整體安全系統在持續優化。對于操作系統層面的年齡驗證，他表示歡迎可信賴的信號，但Roblox必須自主構建強大的安全體系，不能依賴外部平臺。

最后，談及給孩子錢在Roblox上消費的問題，巴祖基將其類比為童年用零花錢買漫畫書，認為這可以作為培養金融素養的一種方式，但最終決定權完全在于父母。他指出，大多數用戶并不消費，平臺增長更側重于用戶連接和快樂，而非金錢。但他認為，在數字世界中學習預算和財務決策，是對現實生活的模擬，可能對孩子的成長有益。巴祖基對Roblox的未來非常樂觀，目標是占據全球游戲市場10%的份額，并相信平臺能以安全文明的方式引入3D人工智能，促進全球連接與創造。

? ? ? ? ?

OpenAI首席研究官談GPT 4.5的首次亮相、規模法則以及教導模型情商

視頻鏈接:

https://www.bilibili.com/video/BV18ULTzoEev/

內容精讀：

OpenAI首席研究官馬克·陳談公司推出GPT-4.5，這是公司迄今為止規模最大、性能最佳的模型，并已于今日面世。該模型標志著OpenAI在可預測擴展范式上的最新里程碑，實現了與GPT-3.5到GPT-4相當的數量級改進。關于為何命名為4.5而非GPT-5，陳解釋稱這符合模型基于計算量投入的可預測性能提升，而GPT-5可能融合更多因素，包括正在大力投入研究的推理范式。他認為，GPT-4到4.5之間較長的間隔部分原因在于團隊同時致力于探索推理這一新的擴展軸。

陳反駁了關于擴展已遇瓶頸或收益遞減的觀點，強調GPT-4.5證明了無監督學習范式仍能有效擴展，且與推理范式互補，知識是推理的基礎。GPT-4.5擁有更豐富的世界知識，在實際生產力和知識工作方面，用戶偏好度相比GPT-4.0有顯著優勢（優勢幅度達60%，偏好率近70%），特別是在創意寫作、部分編碼及特定科學領域表現突出。其智能方式與推理模型不同，后者可能需要更長時間思考，而GPT-4.5能立即提供更優答案。該模型在架構上探索了混合專家（MoE）等改進以提升效率，這是當前大型語言模型的普遍趨勢，旨在以更低成本提供服務。

對于大型通用模型與小型利基模型的爭論，陳表示OpenAI致力于推進智能前沿，開發最強模型，相信前沿智能總有應用價值，同時也會提供成本效益更高的小模型滿足不同需求。他認為模型能力的提升是驅動產品形態（如從聊天機器人到智能體）和界面演進的關鍵，更強的模型（融合推理與知識）能解鎖如深度研究等更復雜應用。

在基準測試方面，GPT-4.5在傳統指標上實現了預期的大幅提升。同時，OpenAI也開始關注“感覺”或情商（EQ）等軟性指標，發現GPT-4.5在回應用戶困境或提供建議時表現出更高的情商，回應更具同情心和簡潔性，而非公式化。陳強調，關注這些新維度并非轉移目標，而是隨著模型能力增強，探索其新用例和獨特優勢的自然過程。

最后，陳肯定了OpenAI內部的人才儲備，認為其依然是世界頂級AI機構，人員流動在快速發展的AI領域是自然現象，并為內部人才創造了機會。GPT-4.5今日向Pro用戶發布，下周將擴展至Plus、Team、Enterprise和EDU版本。

? ? ? ? ?

為什么中國的AI戰略或許奏效 — 嘉賓 Grace Shao

視頻鏈接:

https://www.bilibili.com/video/BV1HTLMzyEFV/

內容精讀：

DeepSeek的出現究竟是特例，還是標志著中國人工智能產業已成為不容小覷的力量，并可能引領全球？這并非一個孤立事件，而是更大趨勢的體現。DeepSeek不僅改變了世界對AI擴展法則的看法，也為中國AI及創業領域注入了信心。我們正目睹越來越多本土培養的、年輕（80后、90后）的AI創業者涌現，他們與上一代企業家不同，并非僅受金錢驅動，而是更看重認可、影響力與愿景，許多人從一開始就懷揣遠見，而非單純的商人。這與過去互聯網時代以阿里巴巴馬云為代表的、更側重商業模式復制與優化（“讓商業更容易”、“做出更廉價的西方替代品”）形成鮮明對比。如今的中國AI公司，如DeepSeek，更多是使命驅動，并樂于擁抱開源理念，渴望被引用和認可。地緣政治緊張也激發了一種民族主義或愛國主義的情緒，即證明中國不僅能做到，更能為全球創新做出貢獻，甚至引領創新。

DeepSeek及其創始人梁文峰的背景（出身儉樸、本土教育、量化交易背景、自掏腰包投入AI）頗具代表性。DeepSeek模型的免費開放，加之百度等公司亦宣布開源，以及Hugging Face的先例，在中國AI領域內形成了大型語言模型（LLM）將免費開源的預期。這種現象并非如某些西方觀點認為的是為了擾亂美國研究，而是有其商業和結構性原因。中國的SaaS（軟件即服務）生態系統一直不發達，這源于經濟結構（相對美國更依賴勞動力而非知識工作者）和歷史上薄弱的知識產權保護（盜版軟件普遍）。因此，中國互聯網經濟高度依賴面向消費者的應用（超級應用如微信）。在此背景下，LLM開源成為一種務實策略：既然企業軟件市場有限，不如將LLM作為基礎設施免費提供，吸引開發者，將創新和商業化的重點放在應用層。阿里巴巴現任CEO吳泳銘也表達了類似觀點，將自身定位為基礎設施提供者，未來盈利寄望于云服務和AI賦能的應用本身。

這種策略與Meta（Facebook）的扎克伯格不謀而合。扎克伯格曾被李開復稱為“最具中國特質的美國CEO”，因其迅速復制競爭對手功能（如Snapchat、TikTok）的策略與中國市場環境相似。如今Meta開源其AI模型，旨在推動其龐大用戶基礎（WhatsApp、Instagram、Messenger）上的消費者應用增長，目標是服務十億人的AI代理，這與阿里巴巴、字節跳動的愿景高度一致。有趣的是，騰訊在自有LLM開發上相對落后，反而率先將表現優異的DeepSeek整合進了擁有13億用戶的微信，利用其強大的分發渠道和圍墻花園內的專有數據（聊天、支付、生活服務、公眾號內容等）來部署AI功能。這一舉動改變了中國AI參與者的心態，證明了利用現有應用生態整合先進第三方模型的可行性，相比之下，字節跳動投入巨資推廣其獨立的聊天機器人“豆包”（Doubao），效果并不理想，部分原因在于缺乏類似微信的功能鄰近性。

DeepSeek的突破（尤其是在開源模型領域達到或接近世界前沿水平）是一個關鍵轉折點。在此之前，盡管中國有阿里巴巴的通義千問（Qwen）等模型，但在性能上普遍被認為落后于OpenAI、Anthropic等美國頂尖模型。DeepSeek的出現，使得“足夠好”的LLM變得普惠，從而讓中國在產品化和應用層面的優勢得以凸顯。除了消費者應用，中國在物理AI（具身智能、機器人技術）方面也具有被低估的領先優勢。這得益于過去三十年積累的強大制造業基礎、完善的供應鏈、工程技術和成本效益。例如，宇樹科技（Unitree）已占據四足機器人全球市場約40%、人形機器人約30%的份額，價格遠低于波士頓動力。中國領先的電動汽車公司也開始集成DeepSeek等LLM，用于提升智能座艙體驗。AI的競爭本質上是產品層面的競爭，而中國在產品意識和軟硬件結合方面擁有顯著優勢。

中國AI應用的快速普及還得益于幾個因素：首先是政府自上而下的推動，鼓勵各行各業擁抱AI，尤其是在兩會等重要會議上，科技與AI成為核心議題，提振了行業信心。其次，相對寬松的數據保護法規和較低的公眾警惕性，使得企業更容易采用新技術，消費者抵觸情緒較少。最后是文化因素，中國社會對新技術的接受度非常高，這源于跨越PC時代直接進入移動互聯網時代所培養的普遍數字素養，人們樂于嘗試新鮮事物，即使在傳統中醫等領域，從業者也開始嘗試使用AI輔助診斷。

中國的創業生態也在演變。曾經的創業中心深圳（騰訊、大疆所在地）如今風頭似乎正被杭州（阿里巴巴、吉利、網易總部所在地）蓋過。杭州不僅擁有浙江大學等頂尖高校輸送人才，地方政府也積極扶持，形成了充滿活力的創業環境，誕生了DeepSeek、宇樹科技等“六小龍”代表的新興AI力量。這些新一代創業者及其成功故事（如梁文峰被家鄉譽為“狀元”并帶動旅游）反映了社會對知識和向上流動的推崇。

盡管中國AI發展勢頭迅猛，但也面臨嚴峻挑戰，最主要的瓶頸是美國實施的GPU出口管制。雖然DeepSeek證明了在非頂級芯片（如H800）上也能取得突破，但高端芯片的持續短缺無疑會限制中國AI模型訓練和大規模應用部署的能力，除非華為、阿里等國內廠商在芯片研發上取得重大進展。

總而言之，DeepSeek并非孤例，它象征著中國AI產業進入新階段，展現出在模型研發、應用落地、物理AI以及創業活力等方面的強大潛力。中國正憑借其獨特的市場環境、產業基礎和文化特點，在AI領域，特別是在產品化和應用創新層面，成為全球舞臺上不可忽視的關鍵力量，盡管面臨芯片供應等挑戰，但其發展軌跡值得持續關注。

? ? ? ? ?

為什么人工智能無法做出自己的發現？與 Yann LeCun 對話

視頻鏈接:

https://www.bilibili.com/video/BV1vYLNzFEi1/

內容精讀：

盡管生成式人工智能已吸收海量人類知識，但其未能獨立產生科學發現，也尚未真正理解物理世界。當前備受關注的大型語言模型（LLM），如聊天機器人，本質上是基于文本訓練的模式識別與信息檢索系統，它們擅長根據統計規律“反芻”已有知識，生成看似連貫的文本，卻無法創造全新的概念或建立未有的聯系。真正的科學發現不僅需要知識儲備，更需要提出前所未有的、甚至挑戰現有認知的問題，這并非LLM現有架構所能勝任。未來或許會出現具備此能力的人工智能系統，但它們的核心將超越LLM，可能僅將其作為語言生成模塊，類似于人腦中處理語言的特定區域，而非思考本身。人類的思考依賴于對情境和概念的精神表征與模型，這才是智能的關鍵，是當前LLM未能復制的部分。

要實現能解決新問題甚至自主提出有價值問題的AI，需要全新的架構。當前LLM在解決新問題和提出問題方面能力有限，它們更像是高效的知識檢索工具。試圖通過“思維鏈”等方式讓LLM進行推理，效果有限且并未觸及真正推理的核心——在潛在解決方案空間中進行搜索。人類和動物的推理發生在抽象的、非符號化的精神模型層面，例如想象物體的空間旋轉，這與語言無關，也是機器難以模擬的。

進一步看，單純依靠擴大LLM規模和增加文本數據投入正面臨收益遞減的瓶頸。自然文本數據已近枯竭，合成數據或人工標注成本高昂且效果有限。我們需要新的范式，構建能夠學習世界模型、理解物理規律、擁有持久記憶并進行規劃和推理的系統。這要求AI能從文本以外更豐富的來源（如視頻）學習常識，理解世界如何運作。一種可能的方向是非生成式的聯合嵌入預測架構（JEPA/VJEPA），它旨在學習世界的抽象表征，忽略不可預測的細節，從而進行更有效的預測和規劃，初步實驗已顯示其在理解物理可能性方面有潛力，可視為機器獲得常識的早期跡象。

當前對LLM領域的巨額投資，若僅寄望于規模擴張來實現超越人類的智能，恐將落空。達到真正的人工智能需要范式轉換，這并非一蹴而就，可能需要數年時間。期間，現有投資的基礎設施仍有其價值，例如支持大規模用戶交互，但企業應用層面因可靠性和成本問題仍面臨挑戰，部署并非易事，正如自動駕駛和早期專家系統的發展歷程所揭示的。人工智能領域需警惕過度炒作和期望錯配可能帶來的“寒冬”。

最后，推動AI進步的關鍵在于開放合作。開源研究能夠匯聚全球智慧，激發更多創新，其發展速度和潛力可能超越任何單一封閉實體。好的想法無壟斷，科學和技術的快速發展依賴于思想的多樣性。未來的突破將是全球研究界共同努力的結果，而非某個秘密武器。因此，認為僅靠擴大現有LLM就能實現通用人工智能，或某家初創公司掌握了秘密，都是不切實際的。真正的進展將是漸進的，需要時間、耐心和對新范式的探索。

? ? ? ? ?

微軟人工智能 CEO 穆斯塔法·蘇萊曼訪談

視頻鏈接:

https://www.bilibili.com/video/BV1M4LPzLEKw/

內容精讀：

微軟正推出一款經過升級、更具人情味的AI機器人Copilot，它具備記憶能力，能協助用戶組織想法，未來甚至可能以虛擬化身形態出現。微軟AI首席執行官穆斯塔法·蘇萊曼闡述了構建這款機器人的初衷和應用前景，標志著智能新時代從基礎問答的第一階段邁向更個性化、具備情商的下一階段。

當前AI的發展重心正從“智商”（如數學、編碼能力）轉向“情商”，后者更關注交流的語調、禮貌、尊重、適時的幽默感，以及記住用戶的個性化信息（如姓名發音、個人偏好、生活事實）。微軟此次升級的核心是賦予Copilot記憶能力，使其能記住用戶的個人信息、偏好和過往互動，從而提供持續積累、無需重復告知的個性化體驗。雖然初期并非完美，但這將是解鎖全新應用場景的關鍵一步。

伴隨記憶功能一同推出的還有“行動”能力，讓Copilot能夠執行預訂機票、餐廳、控制Windows鼠標操作、填寫表單、指導編輯照片等實際任務，旨在減輕用戶生活的“行政負擔”，讓數字生活更順暢。這是蘇萊曼長期以來構建個人AI的夢想，讓AI從被動工具轉變為能動助手。未來，微軟還計劃試驗虛擬化身，讓用戶能以更具象化的方式與AI互動，盡管這可能是一個用戶喜好兩極分化的功能，但它增強了對話感和情感連接，有望成為繼PC、手機之后的新計算平臺，用戶將與個人AI伙伴建立深刻持久的關系。

面對亞馬遜、OpenAI、谷歌等眾多競爭者都在構建類似AI伴侶的局面，微軟的差異化策略在于迅速融入個性和語調，打造友好、善良、支持用戶且反映其價值觀的AI形象。微軟強調Copilot是“伴侶”而非“工具”，伴侶具有更豐富、動態和互動的風格，每次互動都會有所不同。同時，微軟極其注重安全和界限，致力于設計禮貌、尊重、公正且有明確邊界的AI人格，會主動、明確地阻止不恰當的互動（如調情），不會涉足可能引發情感糾葛的領域，專注于做用戶生活中的“啦啦隊長”和支持者。

蘇萊曼反駁了大型語言模型（LLM）發展已進入收益遞減階段的觀點，認為模型在準確性、減少幻覺、改進引用、遵循指令、記憶和個性化等方面仍有巨大提升空間，優化現有技術（如語音識別）的后期努力往往能帶來廣泛應用。他強調，盡管預訓練的邊際收益可能放緩，但通過在后訓練、推理、合成數據生成等環節投入計算，模型能力仍在顯著提升。微軟將繼續與OpenAI合作，利用其前沿大模型，同時自主研發更高效的MAI模型，采取非前沿但更具成本效益的策略。推理能力，即模型在回答前進行“思考”和規劃的能力，對于執行復雜任務至關重要，雖然計算成本更高，但能產生更優結果。

對于AI應用成本高昂、價值有限的擔憂，蘇萊曼認為，技術的歷史表明，有用的東西會變得更便宜、更易用，需求的增長會反過來驅動成本下降，這也有利于推動數據中心對可再生能源的需求，符合微軟的環保承諾。即使部分應用看似瑣碎，AI的整體價值和潛力巨大。

關于與OpenAI的合作，蘇萊曼表示雙方關系穩固且將長期持續，微軟作為重要投資者和合作伙伴，樂見其成。即使雙方都在構建類似產品，各自的優先級和發展路徑也存在差異。至于AGI（通用人工智能），他個人認為距離實現可能還有十年左右，但承認進展速度驚人，存在不確定性。他更傾向于關注可衡量的“AI能力”及其對經濟和工作的影響。

AI將深刻改變搜索和廣告模式，從“十條藍色鏈接”轉向直接、個性化的對話式答案，廣告也將更個性化、更有用。未來10到15年，白領工作將發生深刻轉變，人們將更多地管理AI代理，與其協作完成任務，這將極大提高效率和創造力。對于年輕人，蘇萊曼建議積極擁抱、實驗AI，了解其潛力和局限。在這個新時代，品牌的重要性將不降反升，因為用戶不僅需要功能上的“效用信任”，更需要情感上的信任，而值得信賴的品牌能提供這種穩定感。

? ? ? ? ?

風投巨頭新動向 a16z 200億美元基金 & 創始人基金46億美元& 約什·庫什納已經掌握了游戲 · 20vc播客

視頻鏈接:

https://www.bilibili.com/video/BV1zV5fzUEmB/

內容精讀：

有見地的風險投資者討論當下時局，共識似乎是，單純依賴電子表格分析SaaS指標，看凈收入留存率和增長率來預測優質公司的時代已經結束。正如Benchmark的Victor Lozate和Spark的Nabil所言，SaaS投資的舊范式走到了盡頭。原因在于，過去20年，將業務遷移到云端是大勢所趨，增長路徑清晰可見，投資只需評估相對增長率。但如今，這些市場趨于飽和，增長放緩，幾乎所有需要Zoom或DocuSign賬戶的人都已經擁有。與此同時，人工智能初創公司異軍突起，其技術和市場每六個月就發生巨變，產品與市場的契合（Product-Market Fit）變得極其短暫和脆弱，有時公司在兩年內會經歷兩三次得失匹配的循環，風險陡增。今天的投資意味著在信息更少、變數更多的情況下，為潛在的巨大上漲空間承擔更大的風險。

這種變化導致投資難度急劇增加。雖然AI領域的潛在回報可能比傳統SaaS更大，但其高度的不確定性——包括收入的“蜜月期”效應和短暫的產品市場匹配——讓承銷變得異常困難。投資者為每1美元的收入承擔了更多風險，且高昂的入場價格可能已將潛在漲幅蠶食殆盡。這種高風險、長持有期的環境，預示著風險投資領域將出現更顯著的雙峰分布結果，投資組合構建變得至關重要。

對于數以萬計增長放緩的成熟SaaS公司，未來充滿挑戰。這些估值曾高達數萬億美元的私有資產，很多已失去IPO前景，增長乏力。指望私募股權（PE）全面接盤或許并不現實，因為PE偏愛在狹小垂直領域擁有定價權、能通過提價榨取利潤的公司，而許多VC支持的SaaS公司處于競爭激烈的橫向市場，缺乏這種特性。可能的出路包括艱苦地實現盈利、尋求整合（私有轉私有）、或接受規模較小的IPO以獲取流動性。這將是一項針對具體案例、漫長而艱苦的產業工作，畢竟涉及高達2萬億美元的資產無法輕易放棄。

在此背景下，a16z等機構募集200億美元級別的巨型基金，其策略是押注于數量更少但規模極其龐大的退出（百億甚至千億美元級別）。他們的優勢在于能看到幾乎所有頂級交易，并有能力向Databricks這樣的贏家投入數十億美元。然而，看到所有好交易也意味著看到所有壞交易，篩選能力至關重要。更大的風險在于宏觀經濟變化導致的高估值倍數壓縮。這種策略本質上是相信頂尖公司能長期保持高復合增長，并且基金管理人擁有持續選中這些贏家的能力。

基金規模的普遍擴大，部分源于名義GDP增長和通貨膨脹導致支票金額水漲船高，部分則是競爭驅動，不擴大規模就無法參與關鍵輪次的投資?；鹨幠１旧硪殉蔀橐环N策略。然而，并非所有人都選擇這條路。Founders Fund的成功展示了另一種模式：長期持有高度差異化的公司（如SpaceX），并敢于在贏家身上進行大規模集中投資，容忍極高的風險和超長的持有期，追求“奇點”般的交易，而非廣泛涉獵B2B。這需要極高的挑選能力和堅定的信念。

最終，不同的策略反映了不同的風險偏好和對市場機遇的判斷。無論是押注于少數幾個街區的頂級房產，還是在特定領域精耕細作，亦或是追求改變世界的奇點交易，核心都在于能否持續賺錢。當前的AI熱潮和巨型基金現象，或許是高風險高回報的游戲，但也可能隱藏著尚未被充分認識的系統性風險。正如一位投資者所言，當事情看起來像是免費的午餐時，通常意味著風險被低估了。只有穿越完整的經濟周期，才能最終評判這些策略的真正成敗。

投資理念并非刻意避開B2B領域，而是追求卓越，無論行業歸屬。若遇杰出B2B創業者，定會支持，但不會像某些投資者那樣，系統性地專注于某一賽道并投資大量同類公司。我們的出發點是尋找偉大的事業，而非主題性市場布局，即便最終投資組合中有一定比例的B2B業務也無妨。資本結構中富人資本占比較高，或許確實影響了投資偏好，傾向于長期持有而非追求短期高回報，這與我們的戰略雄心和實際步驟相符。

關于未來三至五年風險投資領域的資金流向，盡管存在宏觀不確定性，如捐贈基金面臨的壓力和分母效應，但人工智能的興起又為風險投資注入了活力。直覺上，資金量在某個時點會減少。雖然公司保持私有化時間更長的趨勢擴大了機會集合，使得資本擴張看似合理，但金融市場常有過度反應，尤其在成功指標滯后的風險投資領域。有限合伙人（LP）可能基于滯后的歷史回報過度調整資本投入，或許在市場真正需要資金時反而撤資。歷史經驗表明，投資風險投資的最佳時機往往是市場情緒最低迷之時，反之亦然。當人人都想涌入時，可能正是艱難時期。市場何時扭轉難以預測，但最終會超調并回調，屆時投資回報更佳，融資則更難。

退出（IPO和并購）總額與風險投資投入量之間應存在某種平衡。若退出持續，資金流應能維持；但IPO市場已沉寂多時。資金必須回流，否則投入將難以為繼。問題在于，像Stripe、Databricks、OpenAI這樣的重磅IPO能否及時發生，以維持系統內大致正確的資金水平。若IPO持續推遲，LP持有大量非流動性私人資產的壓力會增大，導致資金減少。

當前公司傾向于長期保持私有狀態，接受高成本風險投資而非低成本公開市場融資，這是一個公共政策的失敗。這使得普通投資者要么無法接觸優質資產，要么需支付更高費用，最終降低了其投資回報。這種現象的產生，部分源于上市過程的繁瑣和私人資本的易得性。這種情況的荒謬之處在于，成本結構更高的私人資本提供者，反而比成本結構低的公共基金對公司更有吸引力。這種局面在邏輯上不可持續，最終會因后期私人投資表現落后于公共市場同類投資（扣除費用后）而發生轉變。

對于像OpenAI或其核心團隊新創公司（如Anthropic及Ilya Sutskever的新項目）的天價融資，其邏輯在于押注掌握了“秘方”的團隊。鑒于OpenAI的開創性成功，投資他們或其衍生團隊被認為比投資其他試圖摸索路徑的基礎模型公司風險更低，盡管估值極高且清算優先權等條款的實際執行力存疑。收購方在并購交易中，往往會尋求繞過風險投資優先權的途徑，通過私下交易或收益支付合同來吸引核心人才，這已成為日益激進的趨勢，創始人對風險投資人的考量似乎也在減少。盡管這可能損害長期關系，但在單次交易中，收購方通常會最大化自身利益。

當前的投資環境普遍呈現出高風險特征：高昂的價格、巨額融資輪次、集中投資等，都將風險推向了前沿。同時，創始人早期進行二級市場套現的趨勢再度興起，甚至在A輪融資中也變得普遍。后期投資者為贏得熱門交易，往往在條款清單中滿足創始人各項要求，包括最大化的二級市場交易和股權刷新，有時甚至不惜擠壓早期投資者。估值在某種程度上甚至變得次要。這種“不惜一切代價贏得交易”的心態，可能導致向公司注入過多資本，反而影響其健康成長和最終的成功規模。

近期Rippling與Deal之間的糾紛，涉及指控商業間諜行為，是當前環境下潛在極端行為的一個縮影。雖然激進競爭是常態，甚至銷售中存在一定程度的“謊言”，但若指控屬實，則可能越過法律紅線，涉及民事乃至刑事責任，對公司聲譽和客戶信任造成嚴重打擊。上市公司若遇此類危機，通常會迅速切割責任人以求自保。這起事件也折射出在大規模增長輪融資中，盡職調查可能弱化，界限模糊，為不良行為提供了土壤。市場繁榮期往往伴隨行為標準的侵蝕，只有當潮水退去，問題才會暴露。對ARR（年度經常性收入）這類前瞻性但規則不甚明確的指標的過度依賴，相較于規則清晰但滯后的GAAP收入，也隱藏著風險。

最終，關于是否以特定高價（如OpenAI估值3000億美元）投資的問題，觀點不一。有人認為價格過高，難以獲得滿意回報；有人則相信這些可能是定義時代的卓越公司，任何價格買入最終都將是明智的。關鍵在于判斷收入的持久性（如SaaS模式的高NRR），以及當前估值是否已透支未來。這個行業的魅力在于總有奇點出現，但判斷何時何價介入，始終是核心挑戰?；鹨幠５挠懻撘舶凳玖嗽诋斍碍h境下，即使是成功的基金管理人也在思考如何在保持專注和抓住巨大機會之間取得平衡。

? ? ? ? ?

紅杉訪談：Replit CEO談 10 億開發者 比通用人工智能更好的終局狀態？

視頻鏈接:

https://www.bilibili.com/video/BV1265fzcEjZ/

內容精讀：

在人工智能（AI）引發對未來工作形態的普遍討論之際，Repl.it創始人兼首席執行官阿姆賈德·馬薩德提出了一個與眾不同的愿景：未來互聯網上將活躍著十億開發者。這一構想并非指向一個人們無需工作的烏托邦，而是描繪了一個由開發者作為核心力量，深度重塑醫療、教育、工業等傳統經濟領域的未來圖景。馬薩德認為，AI在處理已有大量數據呈現的事物，以及可構建良好強化學習環境（如數學推理、代碼執行）的任務上將表現卓越。然而，產生根本性的新思想、新知識，以及進行復雜、棘手的世界理解和創造性突破，仍將是人類的專屬領域。

馬薩德自幼接觸編程，深感軟件創造本應是自然而然的事情，卻因工具日益復雜而成為少數專家的領域。他觀察到，從Visual Basic時代的相對簡單，到如今JavaScript生態的繁瑣配置，編程的門檻不降反升，部分原因在于開源“集市”模式帶來的去中心化復雜性。Repl.it的創辦初衷，正是要消除這種復雜性，借鑒開源生態的最佳元素，構建出“大教堂”般精心設計的體驗，讓編程變得更加普及和易用，彌合開發者與用戶間的鴻溝，釋放更廣泛人群的創造潛力。

展望未來，當十億開發者成為現實，馬薩德預見公司結構、軟件構建方式乃至宏觀經濟都將發生深刻變革?，F有基于工業革命流水線思維的公司部門墻將被打破，組織將由具備全棧解決問題能力的通才構成。銷售人員或許能直接啟動AI代理來執行銷售策略，工程師能在客戶通話中即時構建原型。軟件開發將更像一個網絡，開發者利用軟件代理，通過加密貨幣等去中心化交易方式，組合調用全球范圍內的服務（數據庫、通信等），實現軟件的構建、部署和貨幣化，價值在網絡中自動流轉。這種變革將推動全球經濟機遇的重新分配，正如Repl.it平臺上，一位沒有電腦的印度學生通過手機編程，利用Bounties平臺為美國企業家解決問題，賺取了遠超家庭年收入的報酬。互聯網這臺巨大的財富創造機器將惠及更廣泛的人群。

這一愿景將推動技術滲透到醫療、教育等尚未被充分技術化的巨大經濟領域。過去這些行業準入門檻高，但隨著開發者數量激增，他們將創造出巨大的價值，提升這些領域的用戶體驗，并從中分享繁榮。同時，創新將更加去中心化，開發者能夠創建更符合本地文化和需求的應用程序，打破硅谷中心化的局限，促進文化多樣性。Repl.it本身的發展歷程也體現了這一理念，從早期將編程語言編譯到JavaScript在瀏覽器運行（后演進為WASM），到為解決低端設備性能問題而開發的后端執行環境與瘦客戶端架構，始終致力于降低使用門檻，使編程工具能在各種設備上流暢運行，包括移動端。

對于開發者為何是最后擁抱云端IDE的市場之一，馬薩德認為文化因素和對本地控制的偏好是主因，而非不可克服的技術障礙。他相信，隨著在Repl.it等云原生平臺成長起來的新一代開發者進入市場，這一趨勢正在改變。談及AI對編程的影響，馬薩德回顧了自2012年《軟件的自然性》論文以來對代碼統計特性的關注，以及早期利用機器學習進行代碼補全的嘗試。GPT-2的出現讓他看到了規?；臐摿?，而GPT-3則帶來了突破性的時刻。Repl.it迅速調整方向，利用大型語言模型開發了AI編程助手，并率先推出了軟件代理（Repl.it Agent）。

Repl.it Agent的開發歷經迭代，從早期應對有限上下文窗口的復雜多代理系統，到利用Sonnet 3.5等更強模型的長程推理能力，轉向更簡化的單線程架構。這一過程凸顯了在AI時代快速迭代、擁抱顛覆性技術的重要性，即使這意味著短期內可能犧牲部分體驗。Repl.it Agent的目標是實現從想法到部署的全流程自動化，不僅是代碼生成，還包括數據庫配置、遷移、部署等繁瑣任務，讓開發者能專注于核心創意。這使其與Cursor等基于現有IDE（如VS Code）的漸進式AI工具形成根本區別，Repl.it提供的是“廚師發辦”（omakase）式的端到端集成體驗。

隨著Repl.it從最初被視為學生和愛好者的“玩具”，逐漸吸引專業開發者（甚至Netflix工程師）使用，其用戶畫像也在演變。盡管目前Repl.it Agent定價較高，面向更專業的市場，但最終目標仍是觸達十億用戶，未來可能通過引入開源模型等方式降低成本，再次向下拓展。馬薩德強調，Repl.it并非追求“氛圍編碼”（ambient coding），而是實現“氛圍”（ambient）本身——即用戶從想法出發，由智能體負責實現，盡可能減少對底層代碼的直接關注。

對于AGI是否會取代軟件工程師的擔憂，馬薩德認為，AI將實現“功能性AGI”，即在有充足數據和明確反饋循環的任務上達到甚至超越人類水平，處理許多當前由人類完成的、具有經濟價值的計算機工作。但這并非真正的通用智能，無法在全新、缺乏明確反饋的環境中高效學習和成功。因此，AI將是強大的工具，會取代純粹的“代碼搬運工”，但無法取代那些能夠產生新穎想法、理解用戶需求、創造產品和服務的個體。未來將是人機協作，開發者利用AI工具實現前所未有的創造力與生產力。馬薩德的個人經歷——從約旦的編程少年，到克服困難赴美，創辦Repl.it并拒絕巨額收購，堅持實現賦能全球開發者的夢想——深刻地塑造了他親力親為、高期望、發掘并信任“怪才”的獨特領導風格，以及Repl.it擁抱原始天賦、快速迭代的企業文化。

在人才招聘中，不應因溝通或連接上的障礙而拒絕那些在某些方面表現突出但在其他方面有所欠缺的人。正如作者與其妻子兼聯合創始人Haya招聘18歲的梅森的經歷所示，盡管他可能在社交上略顯笨拙，甚至會無意中甩門，但他擁有卓越的工程才能。關鍵在于構建一個能夠讓成員能力互補的團隊，讓一個人的高峰彌補另一個人的低谷。例如，可以將擅長快速編寫大量代碼的“牛仔”與更注重細節、嚴謹測試和代碼審查的成員組合，盡管這會帶來沖突，但最終能產出優質的產品。為了獲得招聘優勢，應當去那些他人忽視的地方尋找人才，比如Repl.it社區。通過在Repl.it上舉辦黑客馬拉松或設立獎項，他們成功招募了許多年輕（16至21歲）甚至背景非傳統（如獨立游戲黑客）的人才。這種來源的多樣性，尤其是在利基社區（如特定加密貨幣項目或編程語言社群）中尋找被低估的人才，是尋找真正潛力的關鍵策略。

與妻子Haya共同創辦公司是一段獨特的經歷。兩人相識于約旦的一家運作失常的咨詢公司，共同經歷了許多項目后開始約會并結婚。當作者開始創辦Repl.it并尋找聯合創始人時，Haya主動提出加入。盡管初期她低估了創業的艱辛，但最終成功應對。共同創業加深了他們的關系，因為他們能共同體驗創業的投入與壓力，這與一方在傳統高強度工作而另一方無法共情的情況截然不同。然而，這也帶來了挑戰：風險投資家早期對夫妻創始人持懷疑態度（盡管現在已有Canva等成功案例）；工作與生活的界限模糊，公司的問題會帶回家中持續發酵，需要刻意制定規則來管理工作討論；在有了孩子后，平衡公司與家庭的壓力巨大。盡管如此，這種共同奮斗的經歷仍然有其獨特和美好之處。

關于一些快速問答：規模法則依然適用，總有新的事物需要擴展。得到的最佳建議來自保羅·格雷厄姆：如果這是你畢生的事業，就無需過分在意日常的磨難，專注于長期生存和解決問題。最喜歡的新AI應用是自己用Repl.it構建的工具，但也使用基礎的ChatGPT和Perplexity，并認為Manus在展示模型長時間保持連貫性方面很有趣。近期酷的Repl.it應用案例是西爾斯家裝服務公司的一支非技術運營團隊，他們直接跳過傳統SaaS軟件，使用Repl.it構建AI代理來優化外勤人員的路線，展示了技術如何賦能非傳統用戶并跨越式發展。最喜歡的書是道格拉斯·霍夫斯塔特的《我是個怪圈》，認為它深刻探討了AGI、意識等概念。當前最喜歡的基礎模型是Claude，尤其在執行代理任務方面表現出色。人生中影響最大的人是母親，她從小給予的超乎尋常的信任塑造了作者的自信。獲取AI知識的推薦途徑是關注Twitter上的論文和信息片段，直接閱讀文獻。人工智能領域最被低估的人是Repl.it的AI主管兼現任總裁米凱萊·卡塔斯塔，他不僅是代碼大語言模型的早期先驅，也是一位富有遠見的領導者。