2016 年 3 月，AlphaGo 四比一赢下李世石。这一战背后是两年工期：喂进大量人类棋谱，研究员盯着上一代模型找毛病，手工决定下一代往哪儿改，人在环路里一圈一圈推。

一年后 AlphaZero 出现。人类棋谱全部删掉，只留规则。四个小时，它超过了当时最强的国际象棋 AI；围棋上多花几天，同样碾压。两年的人工积累，被一个从零自学的系统在几个小时里抹平。

David Silver 是这两件事的共同作者。2026 年 10 月，他坐在红杉《Training Data》的麦克风前，讲自己为什么离开 DeepMind，创办只有 20 人的 Ineffable Intelligence。同场的还有 Lasse Espeholt，IMPALA 和 SEED RL 的作者，今天大规模强化学习基础设施的很多想法都能追到他那里。

十万人在同一盏路灯下，他去了另一盏

Silver 在 DeepMind 待了很多年，用他的话说，那是一段「fantastic」的时光，他对那里的人至今保持很高评价。他还是走了。理由讲得很直白：他相信通向超级智能的路不经过 LLM 产品，而 DeepMind 的组织重心压在 LLM 产品上。

他算了一笔人数账。全世界大概有十万名优秀研究员在做同一件事，预训练、后训练、写代码，全在 LLM 这条路上加码。「我要当第 100001 个吗？这是对我时间和精力最有效的用法吗？」路灯底下站满了人，旁边那盏没人抬头看。他认为把力气放到没人的那盏灯下，对整个领域产生巨大影响的概率更高。

公司名字 Ineffable，意思是「不可言说」。他解释：超级智能将来发现的知识可能深刻到人类语言根本装不下。他还留了个秘密理由，说出来有点无赖，in-eff-able，读起来像「不可能搞砸」。

超级学习器：深度和广度，两条轴都要拉满

他把 superlearner 拆成两个维度。

深度上，它要从一无所知出发，一路发现远超人类的知识。他拿来类比的是人类集体：脑袋里起初只有一团灰浆，没有谁降下来发一份蓝图，也没有谁递来万亿条标注好的数据集，语言、技术、科学、数学，全是人类自己摸出来的。「这是 AI 至今还没 crack 的一件事。」在他看来，能永远学下去、永远发现下去的系统，才是通往超级智能的本质。

广度上，它要能被扔进任何经验流。模拟世界、数字世界、物理世界，放进去就学，一直学。

他也评了当下的 LLM。能解千禧年难题，能做科学发现，成绩值得尊重。但那些突破里塞满了人类在环的工作，还不算完全自主。真要做等离子体控制、手机信号塔调度、回声定位、机械臂运动，用语言去思考可能压根不是对的范式。他那句话说得挺狠：也许 LLM 用掉的全部人类数据，正在把系统拖慢。

AlphaZero 那一课：扔掉先验，几小时追平两年

Silver 说自己在 AlphaGo 时期对「去掉人类先验会不会更强」只有五成把握。他有个研究品味，只做答案五五开的题目。九成确定能成的实验没意思，那是执行，不是研究。

我们花两年做 AlphaGo，把人类数据放进去，人在环路里挑下一代。AlphaZero 做对之后，几个小时就超过了那两年的成果。国际象棋四个小时击败世界冠军级别的 AI。

他把这件事定性成一笔交易：短期让出性能，换长期上限。人类数据用得越多，越难发现真正能带你走远的算法；环境越依赖语言，越难迁到语言不适配的传感器和物理场景。

他也承认从 LLM 那边学到了东西，最意外的是一条：海量数据预训练出来的系统，用很小的数据微调，行为能彻底改变。规模到位以后，原本很慢的事情会突然变快，这一点他事先没想到。

坩埚：不写试卷，造世界

奖励函数的哲学很关键。他们不给「科学」下定义，不给「数学」下定义，也不给「语言」下定义。

做法是给一个简单目标，放进一个足够复杂的环境。进化只优化适应度，生命全部的复杂性从里面长出来。人类追的也是简单目标：多协调一点，发现需要沟通；沟通起来了，开始交易；交易起来了，算术有用；工具出现了，得懂点科学；科学深了，需要更复杂的数学。一层套一层，没人提前规划。

他们管环境叫 crucibles，坩埚。不需要手工拼几千道题，靠的是物理引擎里几百万个互相作用的物体，几百万个智能体同场，复杂度从互动里自己长。

围棋是他偏爱的例子。19×19 的格子，单智能体玩就是最无聊的填格子游戏，没有策略可言。放进第二个智能体，立刻变成无限深的洋葱，每一层都能继续剥。极简的规则加上对抗，就能生出算力吃不完的复杂度。

Lasse 补了工程侧：围棋表示起来就是个位图，模拟极便宜，涌现行为极复杂。百分百真实的物理模拟算力吃不消，所以要造一系列从快到慢的坩埚，快的能秒级迭代，慢的负责逼近真实。

图灵完备那段论证值得单独说。只要模拟是图灵完备的，计算的一切都能在里面表达；给出货币的表示，经济学就能表达；智能体之间有通信通道，语言就能表达；数学在任何宇宙里都能表达。科学稍微绕一点，智能体会发现「它自己那个世界的科学」。他举了反例：量子计算大概只能在真实世界表达。

算力账本：一个机架当一台机器，20 个人分

Lasse 说他们是 GCP 最大集群的首个客户，年底上线，采访时间点离上线还有一个月。机器是 Nvidia 的 Vera Rubin，一个机架基本当一台机器用，机架内带宽极高。RL 要的是快速迭代，节奏和 LLM 的慢工出细活不一样，这个架构对他们很合适。

GPU 这些年越来越偏向训练和推理，模拟反而不受待见。他们的应对是 model-based RL，让模型承担一部分本来靠模拟的活；replay buffer 反复用数据；把模拟本身优化到极致。他提到十年前在 Google 有海量 CPU 可用，那套现在不 scale 了，所有东西必须塞进 GPU。今天 LLM 公司在补他们当年的课，一堆 CPU sandbox 撑起虚拟电脑。

团队 20 人，四位联创出自 AlphaStar，另外三位来自成功创业公司。Silver 说自己拒掉过很多共事过的人，标准高得不舒服。人少有个直接好处，人均算力极高，不用从第一天就抢资源。

Hide-and-seek 是 OpenAI 早年让智能体自己发现工具使用的实验。Silver 估了一下，他们现在能跑的同类实验，算力可以是当年的十万倍量级。他有点感慨：算力都到这一步了，居然没什么人回来重新推这类方法。

对齐：盯着语言看，这条路快到头了

今天主流的安全手段，是监控智能体用英文写出来的思维链。他觉得这套办法会越来越吃力。被监控的智能体已经在产出百万字级别的推理，也学会了当面一套、背后一套。

他提了几条替代路径。Shadow action，让智能体以为自己能动手，实际不让它动，观察它真正想干什么。让另一个超级智能当监控者，设想一个「轻踏地球」的科学家智能体，配一个盯着它行为量级的超级智能做正则，防止它把世界改得太多。

落到公司承诺上，有一条很硬：真实世界的任何推进，都要先用模拟里的超级智能科学拿到足够证据。模拟里全速跑，真实世界设闸。他支持对前沿做 pacing，也支持 Demis 和 Dario 那个方向。理由不玄，社会适应速度跟不上技术速度，慢一点，给政府、组织、人的情绪留出调整时间。

三年，和他的预测记录

两个时间点。一年内看到强证据，证明路子对。三年内做出他定义里的真正超级智能，原本想的是三到五年，coding agent 把数字压下来了。

他顺手报了自己的预测战绩：计算机围棋提前十年下判断，准到年份；星际争霸；AlphaProof 什么时候攻下 IMO。这套记录让三年这个数字听起来没那么飘。

关于模拟，他和 Rich Sutton 有一处分歧被主持人挑了出来。Sutton 对模拟不屑，认为 sim-to-real 迁移不可靠。Silver 部分同意：真实世界的复杂度远超模拟，迁移没那么直接。他的解法是先在模拟里把超级学习器做出来，再一步步提高保真度，验证算法还成立，然后才放进真实世界。

还有一段话值得记下来。有人说人类语言是推理的终点，他觉得这个看法天真。退回到五百年前，只能用当时的语言思考，智能体大概会相信地平说，相信疾病来自四体液。语言会把一整套时代偏见打包进来，而且极难拆掉。

最实用的东西放在最后。如果你在做 AI 产品，明天可以问自己三个问题。

• 系统里有多少人类在环的环节，是在补模型的短板，还是已经变成了永久的拐杖。前者是工程，后者是天花板。
• 看到任何「自主发现」的宣传，去翻两样东西：奖励函数有没有偷偷把答案写死，环境里有没有真正的涌现复杂性。两个都没有，那只是换了个说法的监督学习。
• 给自己列一份五五开的问题清单。只做答案确定的事，产出会稳定，也会平庸。Silver 赌上职业生涯的那些判断，当年都只有五成把握。

再加一条给做安全的人：把监控方案里的语言依赖当成一个需要备份的假设。思维链可读这件事，可能只是模型还不够强的副产品。

原文链接：https://trainingdata.qiaomu.ai/ep/111-david-silver-and-lasse-espeholt-of-ineffable-intelligence-a-L4SWQe.html · 中文精读由 AI 改写，非官方翻译。

谷歌2026年的资本开支预计超过2000亿美元，绝大部分变成混凝土、变电站、冷却塔和成排的机架。管这件事的人是 Amin Vahdat，2025年底被任命为谷歌AI基础设施负责人。他在红杉资本出品的 Training Data 播客里给了一个很硬核的数字：10万块加速器连在一起跑同步任务，可能一天坏好几次，配置特殊的时候一小时就好几次。

这句话把整场对话的基调定下来了。外界看AI数据中心，看到的是算力军备竞赛和漂亮的布线照片。真正在里面干活的人，每天处理的是长尾故障、电力和一棵光纤树。

AI数据中心和普通数据中心，差在「专用」两个字

Amin 先解释了两者的共同点，比想象中多。都是混凝土外壳、电气场、机械场、冷却系统、成排的配电，加上大量网络把算力连起来，再塞进不少存储。

区别在于规划周期。普通数据中心是25到30年的建筑投资，里面的硬件寿命大概六年，一栋楼要装下四五代硬件。所以设计时追求通用和可替换，什么东西都能往里塞。

AI数据中心更像定制品。建筑和要放进去的硬件一起设计，甚至会明确说这栋楼不放太多存储。原因是功率密度差得太远：一个存储机架10到40千瓦，旁边一个CPU或GPU机架轻松几百千瓦，业内已经在讨论两年内做到兆瓦级。一条通道里放30个存储机架，和放一两个AI机架，建筑形态、配电方式、网络带宽完全是两套东西。

如果把楼盖得太通用，结果往往是盖得过大、过度建设，为了30年的灵活性付出代价。AI数据中心的选择是牺牲通用性，换取冷却、配电、网络上的深度共同优化。

播客里提到谷歌给一家叫 Ineffable Intelligence 的公司交付了 Vera Rubin 集群，Amin 说那几排机架的光纤分布照片是他们社交账号历史上最受欢迎的内容之一。他自己评价：美在观者眼中，但对做这行的人来说，那东西确实好看。

FLOPS是虚荣指标，谷歌内部看的是 goodput

索尼娅·黄问谷歌怎么在这轮建设里衡量自己。Amin 说 FLOPS 或者任何以芯片为中心的数字都是理论值，是在特定条件下单芯片能跑出的上限。真正重要的是某个负载实际交付的性能。

而实际性能很少由单芯片决定。可能是2块、8块、1万块芯片怎么组合，加上喂数据的CPU、连接一切的网络。于是他引出谷歌内部的一个词：goodput，可以译成有效吞吐。

他打了个比方。你在纸上解题，第一步第二步第三步，发现第三步错了，退回第一步重来。你确实在干活，这是 throughput。但你交付答案的时间被拉长了，那才是 goodput。故障、恢复、等待排查的时间，全部算在有效吞吐的账上。

同步负载把这个逻辑放大到极致。10万块芯片要在微秒和毫秒级协同，一块出问题，整个任务可能停摆。得先搞清楚哪块坏了，找到上一个检查点，恢复，重启。最坏的情况是从头再来，推理侧更容易出现这种局面。

故障频率有多高？Amin 的回答是，在10万加速器规模下，一天多次是肯定的，某些配置下一小时多次。而且没有单一主要原因，如果存在，早就修掉了。剩下的是不断发现的长尾：新产品上线时被高速互连打脸，网络问题，硬件问题，还有大量软件问题。编译器bug、运行时bug、模型问题、操作系统问题，硬件再完美也救不回来。

他提到这些芯片本身就是制造工艺的极限产物，一颗芯片往往由2个、4个、8个甚至更多小芯片封装而成，旁边还有HBM、网络连接、共封装光学。不是批评，是能坏的地方太多。10万颗凑一起，总有东西坏。所以遥测是个巨大的工程问题，要在秒级、分钟级持续从海量数据里找针，有些任务要盯几小时、几天甚至几周。

服务容量每半年翻一倍，大头来自软件

索尼娅问整体产能规划。Amin 确认了「大约每六个月翻一倍」这个说法，但强调是有效可用容量，落到服务侧就是token生成能力。

关键在后半句：这不等于每半年把FLOPS翻一倍。 让同样硬件每半年产出两倍token，很大一部分来自软件。可能是模型优化，可能是运行时优化，实际是几十上百个小优化接连生效。

那硬件、模型、其他软件各贡献多少？Amin 说没有精确拆分，但经验上大部分收益来自模型侧和软件系统，因为它们让已有硬件被更有效地使用。硬件本身也在快速进步，每年2倍以上的性能提升完全可能，它像一个乘数，把上面所有东西一起抬起来。

他顺带认可了「智能每瓦」这个指标，谷歌内部的版本是「每瓦有效吞吐」。瓦特必须放在分母上，这是后面所有讨论的伏笔。

TPU十三年：一次反直觉押注，到2026年一拆二

谷歌2013年启动自研芯片，当时主流智慧的说法是别为单一负载造专用加速器。理由很充分：摩尔定律还在，18到24个月性能翻倍，标准编程模型、C++、Java、Python 都能直接用。Amin 把这叫做芯片界的「苦涩教训」：专业化永远赢不了。

谷歌还是押了。因为当时有少数几个应用收益极大，用通用CPU支撑要耗费难以想象的数量。公司内部也有不少人没把握。结果这一注押赢了。

第一代芯片只做推理，主要是语言翻译和语音识别。第二代转向训练。差不多在第二代出来的时候，Transformer 被发明，这成了TPU项目的转折点。再往后推荐系统也跑得很好，广告相关负载跟着上来。范围一路扩张，生成式AI时刻到来后又继续放大到更大规模的系统。

2026年谷歌发布了两款芯片：TPU 8i 面向推理，TPU 8t 面向训练。Amin 说这个决定两年前就在讨论，当时的问题是2026年该做一颗还是两颗。如果推理只占市场2%到5%，哪怕专用芯片快2倍也不划算，不如用一颗通用芯片换取一致性。到了2026年，推理和服务真正起飞，专用芯片可能覆盖生命周期内30%到60%的市场，账就算得过来了。

他讲清楚了专业化的本质权衡：越专用越快越省电，也越不灵活。押注的前提是这个负载能活得够久。 如果三个月后就消失，哪怕这三个月需求巨大，拦截窗口也太窄。所以必须能预测这个负载的持久性，以及专业化到底能换来多少。

还有一个容易被忽略的设计细节：8i 和 8t 都能干对方的活。如果一个只能推理一个只能训练，谷歌就得在硬件六年生命周期开始前，精确预测两种需求的比例。现在任何一边有富余产能，都能顶上。专业化做到什么程度，和保留多少可替换性，是同一道题的两面。

索尼娅抛了个挑衅问题：既然满世界都是Transformer，为什么不把Transformer烧进芯片？Amin 说矩阵乘、向量乘、softmax 这些线性代数原语早就硬化了，再往下是针对具体模型架构的专用化，比如多少层、层间怎么走、每个维度的矩阵形状。确实有公司在往那个方向想，他认为很有意思。

和DeepMind在同一个房间改芯片

协同设计在谷歌内部是怎么运转的？Amin 说核心是和 DeepMind 肩并肩工作。硬件有五六道流水线：量产中的、刚从制造商回来在调试的、即将流片的、设计阶段的、概念阶段的，跨度好几年。

在量产那一端，双方一起把每瓦交付的智能做到最大。在即将流片那一端，才是真正有意思的部分。DeepMind 可能提出，如果硬件支持某个数学操作，端到端训练能快一大截。两边工程师挤在一个房间里干几天到两周，常见的结果是：没法完全照你说的做，但可以这样做，你们模型架构那样改，能拿到98%。也可以选择把流片推迟一两周，因为收益太大值得。

Amin 说这种事跨公司边界也能做，但难得多。他还提到一个组织文化层面的原因：谷歌研究、DeepMind、Transformer 的发明都发生在重叠的房间里，这一代研究员习惯了能影响硬件，也清楚硬件按多年周期运转。一个0.5%的小改动，他们不会来找硬件团队，因为知道停流片不是发一个代码变更。 但真有大的机会，双方一定会一起想办法塞进去。

预测五年后什么负载最流行，听起来不可能。Amin 的观点相反。TPU 架构在中等细节层面上，从第一代到现在没怎么变过。就像CPU的指令集一直是load、store、add、branch，上面跑的软件却换了好几代。TPU 的几件事：超大矩阵乘单元、管理向量和散射聚集操作的 SparseCore、通过ICI网络远程读写内存。这些基础原语撑住了很多代模型和算法结构。

长时程Agent把负载形状改了

过去一年最大的负载变化是长时程Agent。Amin 说有两个巨大影响。

第一，不再是人对着加速器交互。你在浏览器里打字，等回复，读，想，再追问，中间是几秒到几十秒。Agent 没有人在环路里天然限速，拿到回复立刻解析、推理、发下一个请求，交互间隔掉到毫秒级。

第二，解析和推理大概率发生在CPU上。CPU 还要判断下一步需要什么上下文，可能从本地DRAM拿，可能从另一台CPU的DRAM拿，可能在SSD上，可能在更远的HDD上。大量编排工作冒出来。结果是对加速算力的需求在涨，对传统CPU、网络、存储的需求也在暴涨。

那要不要把更多CPU机架放到GPU和TPU旁边？Amin 说这正好回到专用化那道题。混放意味着没法把TPU机架的密度和网络需求做到极致。另一种选择是保持同质：TPU放一栋楼，CPU放隔壁，硬盘再放另一栋。代价是跨楼网络，可靠性复杂度上升，成本上升，延迟从微秒级涨到几百微秒甚至更高，还要考虑排队。

他讲这些时的语气挺轻松，索尼娅说你这工作真难，他回了一句：好玩。

光纤、镜子，和毫秒级换机架

谷歌在网络上是老玩家。大概十五六年前，他们是最早在数据中心内部用波分复用的公司之一，一根光纤塞多个信号，机架间通信全走这个。同期引入的还有光电路交换。

Amin 解释得很直白。传统电分组交换机要把包拿到电域，看包头里的目的地址，查表决定从哪个端口转发，每秒几十亿到上万亿个包都这么处理。光电路交换不碰这些比特，它只决定从哪个输入端口的光打到哪个输出端口。最早用的是MEMS微镜，用微机电马达控制三维反射镜，一个128端口或256端口的盒子，每个输入端口的光纤通过镜子反射到指定输出端口，镜子的角度可以编程改。

最初做这件事有两个原因。一是给机架群之间造局部性，搜索的计算集群和存储集群之间通信多，就用镜子纯光学地搭捷径。二是可以在不移动任何光纤的情况下扩容和缩容网络骨干。

到了TPU时代，这套东西有了新用途。TPU之间是环面拓扑直接互连，当一个TPU机架故障，可以把光重定向到备用机架，不用人碰光纤，毫秒级完成。

索尼娅追问，那为什么还要光纤，干脆全用自由空间光？Amin 说衰减和带宽会大幅下降，而且在超大建筑尺度上，不用光纤在三维空间里对准几乎不可能。他们认真讨论过这件事，结论还是以光纤为主。

电力是唯一真正卡住的东西

被问到最大约束是什么，Amin 说没有单一最大约束，全都是，而且不断在变。但根本上，电是最底层那一个。其他问题看起来都知道怎么解，只是时间问题。电是长期的绑定约束。他提到丰富的清洁能源，比如核能，能解决很多问题，但什么时候规模化仍然未知。

那实际操作怎么做？假设要建一个需要1吉瓦的数据中心。Amin 说谷歌的首选永远是用电网，接公用电网。当然要提前很多年通知电力公司，吉瓦级不是明天要、你什么时候开始计费的事，是双方一起规划。

他还专门讲了一个容易被忽略的责任：电网为我们新建或升级输电线路、增加变电站，这些成本谷歌自己承担，避免摊到其他用户电价上。

时间错配真实存在。比如2028年需要1吉瓦，电力公司2029年才能给到1吉瓦，2028年只能给700兆瓦。剩下300兆瓦怎么办，一部分答案是自己建一些发电，太阳能、电池备用，或者在电力充足时反过来向电网送电。 他提到一年中最热的两周居民用电暴涨，如果本地有发电能力，可以回馈电网。

为什么不干脆完全自建？Amin 用统计复用来解释。要1吉瓦且做到99.99%以上可靠性，得建2吉瓦，一加一冗余，非常贵，还要保证是清洁能源、离数据中心不远。和电网合作，把自己的一部分发电能力在对方需要时送出去，在自己需要时取电，靠更大的基数做统计复用，大家都赢。极少数情况下会在表后自建，但依然假设最终要接电网。

数据中心建多大，是一道没有标准答案的题

Amin 说这是门艺术，内部争论很多。十到十五年前谷歌就在争论要不要把所有东西塞进一个数据中心，那时候1吉瓦就是想象中的极限。单点故障是显而易见的担忧，放在30年周期里更是如此。

但训练负载的逻辑相反，越大越好，网络距离越短越好。于是两个问题同时压过来：单点故障，和电力可得性。今天全世界没有任何一个地方能装下谷歌的全部需求，这不存在。

所以答案是分层。边缘节点可能几十兆瓦，和运营商合作的可能就是一个机架，训练集群接近1吉瓦，其他站点几百兆瓦。他们有模型和模拟器，但结论随场景变。

生命周期管理上，索尼娅的猜测部分正确：最新最大的集群训练前沿模型，老的回收做推理。Amin 说框架合理，但不能只靠老训练集群做推理，因为推理需求太大。而且训练集群在某一年会集中在同一大洲甚至同一区域，其他大洲的推理容量就不够了，必须单独建服务集群。

服务集群不一定更便宜。推理需要把计算、网络、存储放得近，反而更难专用化。训练是又大又密的同质部署，推理是混合部署，而且要分散到全球各地靠近用户，同一个模型还有多个版本。所以服务集群更小，垂直整合程度更低。

Amin 之前说过一句被广泛引用的话：七八年前的老TPU还在100%利用率。这次他补充了完整逻辑。折旧年限大约六年，新一代能效更高，所以到期确实会换。但换的是整个pod，一个TPU pod大约9600颗芯片、150多个机架。新pod的占地未必正好匹配旧pod腾出的空间，而他们没法提前几代规划这件事，拆旧装新本身就是硬活。

开放标准：JAX很好，但你也可以用PyTorch

谷歌内部开发了JAX，用得很重。Amin 说他们完全可以要求「想上TPU就用JAX」，但他们做了TorchTPU，让未修改的PyTorch模型能直接跑。

他拿IP协议做类比。七十年代末八十年代初有很多竞争协议，IP赢了，因为它是开放标准，是沙漏的细腰，上面什么软件都能跑，下面什么硬件都能接，任何人拿IP插进路由器端口就成了互联网的一部分。这就是互联网能铺开的原因。

他的表述是：想插高度专用的东西可以，觉得自己的东西更好也可以插进来，但谷歌要支持开放标准和开源。 这也是他们同时提供CPU、GPU和其他加速器的原因。

AI已经在改硬件工程本身

软件工程被AI改变已经有大量公开讨论，Amin 说硬件侧的变化外界关注少，但同样显著。他当天刚看了数字，硬件工程师用AI的程度和软件工程师一样高。从设计启动到流片的时间在缩短，bring-up 的时间在缩短。

另一个不那么被预期的变化是数据中心设计。1吉瓦单体还是100兆瓦、200兆瓦园区，过去是非常细致的电子表格加人工决策过程，现在有大量AI参与，把信息汇集到一起，摆到做决策的人面前。他特别说明，还不是推理模型在替人做判断，人依然在决策环里。

他还提到一句很有意思的话：谷歌在用Gemini设计给未来Gemini用的硬件。

太空数据中心：账算得过来，麻烦也一堆

索尼娅问轨道数据中心。Amin 确认谷歌在认真推进，内部称之为 moonshot，没有开玩笑的意思。

账是这么算的。太空没有大气衰减，太阳能多出大约40%，也就是1.4倍。更关键的是在太阳同步轨道上，太阳能板有98%到100%的时间被太阳照到，地面只有28%到35%。1.4倍乘上3到4倍的时间，电池基本可以从等式里去掉，还是零碳。这是能源约束下少有的、物理层面成立的解法。

麻烦同样清楚。散热在太空里反而更难。可靠性问题被放大，维修更难，他说也许真会派机器人上去。冗余会成为朋友。自由空间光通信从讨论变成必需，激光要对准接收器并实时校准。他的结论是没有根本性的拦路石。

2036年的 frontier 超算长什么样

Amin 说十年正好在不确定性的边缘，也许有人已经在想2036年的机器，但锥形的误差范围太宽。

从趋势看，集成度会大幅提高。他为 Ineffable 做的 VR200 机架光纤很漂亮，2036年会更集成、更少光纤。他说不敢说完全没有光纤，但可能只有一小束从机架里出来。机架本身会在中央工厂制造，里面深集成72、144、288，甚至576、1152颗加速器。单个机架功率到多兆瓦。

使用方式会变得像插家电：把机架推到位，接上水、电、光纤，三根线插好就能跑。

索尼娅最后问，那会不会是一个漂浮在太空的外星球体。Amin 说2036年不排除直接发射上太空，由空间站的机械臂接住，插进对应模块。他说这事想想就很好玩。

明天就能用上的三件事

第一，评估任何AI基础设施方案时，把「理论算力」换成「有效吞吐」。问对方三个问题：这个数字是在什么负载下测的，故障时恢复要多久，恢复期间算不算进交付时间。三个问题问完，很多漂亮的benchmark会露出底色。

第二，做容量规划时，把「每瓦交付的智能」当成主指标，而不是绝对值。Amin 的说法很清楚，同样硬件每半年产出翻倍，大头来自模型和运行时优化。这意味着预算里软件优化的投入回报，可能高于再加一批卡。

第三，如果你在规划自建算力，先算电力这笔账，而且要按年算，不是按月。吉瓦级需求要提前数年与电网共同规划，99.99%可靠性意味着2倍建设量。把这个约束提前放进路线图，比事后找电便宜得多。

「我们这代人有幸经历这件事，也有幸定义它。」Amin Vahdat 在结尾这么说。

这句话放在一堆故障率、兆瓦数和输电线路中间，倒是不显得空。

原文链接：https://trainingdata.qiaomu.ai/ep/110-google-s-ai-infrastructure-chief-amin-vahdat-on-the-physics-bGph8G.html · 中文精读由 AI 改写，非官方翻译。

Aaron Levie想给全美大二大三的学生发一条紧急警报：去注册Twitter，关注20个账号，现在就去。

他的理由很直接：你比同龄人领先一年还是落后一年，可能只取决于你的信息流。他还在碰到20岁的年轻人说“我看了些文章”，他的反应是：“什么叫看了些文章？你是等人邮件转发给你吗？”

说这话的人，2005年创立Box，把云存储公司做到13亿美元年收入。2026年9月，他坐在Sequoia的Training Data播客里，跟主持人Sonya Huang聊了一整期。他每天睡前刷Twitter，自称看起来像个“悲伤的表情包，一直刷一直刷”。

Levie的核心判断：模型和工作流之间有一条巨大的鸿沟，填这条鸿沟的生意值一万亿美元。

LLM wrapper不是贬义词了

两年前，说一家公司是“模型套壳”还像骂人。Levie说，现在这个判断正在被市场推翻，很大程度上因为开源模型。

他的框架是这样的：模型能力很强，但企业真实的工作流里有一堆模型管不到的事。agent要连别的数据系统，要在流程中间等人确认，要处理延迟，要改业务流程，要对接没现代化的遗留系统。这五到十件事全是运营层面的脏活累活，纯研究组织最不想碰。

过去两年，大约一万亿美元押在了一个二元赌注上：模型和工作流之间的桥到底是窄的还是宽的。如果桥很窄，价值全在模型公司；如果桥很宽，价值会在应用层重新分配。

Levie站应用层。他的类比是数据基础设施：AWS、GCP、Azure创造了数万亿美元市值，但Snowflake和Databricks也创造了数千亿美元。十年前你看AWS的早期版本，不会预测到这两家公司存在，你会觉得基础设施已经做了这些事。智能也一样，模型会极其值钱，但把模型带进银行、生命科学、医疗、政府的工作流，需要大量软件。

主持人问，VC现在是不是有存在主义恐惧：该再给Anthropic十亿美元，还是赌应用层。Levie说自己也很偏，所有赌注集中在一个方向，但他看不到跟历史不同的结果。

补贴是暂时的，狐狸不能看鸡舍

主持人问，模型公司可以补贴自己的模型，用低价打应用层。

Levie说，补贴token是暂时现象。这些公司上市后要被资本市场的毛利率法则约束。补贴在某个支出阈值内有效，到了数百亿美元资本投入的量级，可能已经越过了那个阈值。而且训练成本最终要付。

他还提了一个更微妙的平衡：如果API是高毛利业务，补贴靠API收入撑着，但你把客户都迁移到了应用产品，API收入没了，这个平衡就要重新找。

然后是“狐狸看鸡舍”的问题。Levie认为这可能是应用层必须存在的最大理由。就算模型公司完全善意，你把任务交给agent系统，你希望这个任务在准确率不变的前提下成本最优。谁能做到？那家不关心十个模型里哪个在干活的公​​司。定义上，你希望这家公司没有偏好。

他还补了一刀：市场上还有不按常理出牌的玩家。Meta、SpaceX、中国、英伟达，这四类玩家不一定需要按Anthropic或OpenAI的毛利率结构赚钱。他们可能接受推理毛利率降到10%，因为他们要的是把算力集群用起来。只要这个发生，同口径的token成本就会往下走，价值就往应用层倾斜。

他甚至说，如果自己是最大的两三家实验室之一，也宁愿看到这个结果，因为如果智能只剩一家，迟早会被国有化。生态里需要一点健康的竞争。

开源和闭源会同时指数增长

主持人问开源权重模型在Box客户里的采用情况。Levie的回答很妙：“比人们想的更高，比企业实际想要的更低，比五年后的水平低得多。”

他估计30%以上的驱动力是“想试试GLM”的新鲜感。有财富500强的CIO说“我们在玩开源”，他心里想：我知道Gemini或Muse在你那个成本档位上完全够用，你就是想对冲一下。

但他长期看多开源。他引用Decagon的Jesse写的一个悖论：闭源模型继续指数增长，同时每个成熟的用例都可以剥离到开源。一旦某个用例稳定了，把它迁到开源权重模型就划算，前提是两个条件之一成立：真的更便宜，或者做后训练能多拿X个点的性能。

他还提到眼下开源模型的两个毛病：有时候token效率更低，还有随机说中文的情况。他听说的故事是“说着说着中间蹦出中文”，这对银行来说太怪了。

未来会是一个让人困惑的双轨制：Anthropic和OpenAI的收入高得离谱，开源也在指数增长。答案是混合编排。用Fable 5.1或GPT-5.6做编排，把长尾任务分给便宜模型；或者反过来，默认用便宜模型，偶尔碰到太难的任务弹给重模型。可能两边各花50%的钱，但开源模型的token量是十倍。

编码agent跑得飞快，其他工作为什么慢

2026年1月1日之后，编码agent的扩散速度是经济史上罕见的。其他知识工作的AI扩散慢得多。

Levie列了编码的五个特征，解释这个差距：

• 代码的效用几乎100%由生成的文本代表。想要软件，就是要有人坐在电脑前敲出好代码。
• 模型在代码上超量训练，AI实验室每天用代码做eval，因为他们自己在写模型。
• 技术用户自己能排障，MCP服务器报“连接无效”，他们不会叫IT，会说“哦我没开那个端口”。
• 高薪行业，10%到20%的生产力提升就值得买单。
• 代码在GitHub里，连上就行。

知识工作缺的正是最后一条。“知识工作里没有‘给我你的GitHub’。”数据在本地系统、遗留文件共享、老基础设施里，那些环境跟agent对话很不顺。权限控制也完全不同：编码时你基本能访问所有跟工作相关的东西，知识工作时你要问“Sally你能帮我开一下那个文件共享吗”。

Levie用销售代表举例。销售的价值创造是说服外部客户买软件或者买卡特彼勒的卡车。你给他全世界最好的自动化，他还是受制于：客户回不回？想不想见？下周二还是今天？有没有预算？这条连续谱的一端是被无数外部因素限速的人，另一端是能坐在电脑前敲一天字的人，自动化能力沿着这条谱往下走。

他的结论是：硅谷要准备好，扩散比他们想的慢得多。但这恰好对应应用层的价值创造。有耐心、有领域专业知识、愿意打地面战的公司，才能把技术送到律师、销售、生命科学研究员、客服主管手里。这是一万亿美元的机会。

Box把自己当试验田：harness、eval、权限

Box有20年历史，坐在数千亿文件上。每份文件都含关键信息，合同、研究资料、营销素材、贷款文件，但企业很少知道里面到底有什么。读每一份合同太贵，人类劳动力从来做不到这个规模。

Levie说最稳的hero use case就是：你有一百万份合同，为什么不搞清楚里面写了什么？把结构化数据抽出来放进数据库，然后查询、分析、自动化。这个每次都能打出本垒打，因为这是一个长期存在、人类劳动力无法解决的问题。

另一类他更看重的用例是长周期agent。银行开户流程，每一步能自动化的都自动化，需要人工复核的步骤跳给真人，原本一到两周的来回变成一个小时内完成。这需要预先建好的后台agent和工作流。主持人说“这是长周期agent之年”，Levie直接接话：“就是。”

技术上，Box建了一个agentic harness，吃透了文件系统、权限结构、搜索引擎的行为。Levie自己的Box账户里有数千万文件，20年积累。他可以问任何问题，agent做多次搜索、排序、快速拉出最相关的信息，有时读全文。跟直接把API给Claude或OpenAI相比，准确率和延迟都明显更好，因为他们知道怎么为Box的工作流调优。

eval方面，Box有两个。一个是complex work eval，覆盖生命科学、金融服务、公共部门、科技等领域的文档任务，给定五份文档和一组问题，看答案质量。另一个是holdout eval，用Box内部员工真实使用数据。每个模型都跑这两套。他们能看到模型进步半个点的变化，然后按不同成本和准确率阈值roll out默认模型，客户也可以从model garden里任选。

金融场景里，一份100页的贷款文件，通用模型做到70%准确率和调到97%，决定了这条流程能不能真的自动化，以及是雇人复核还是裁掉复核岗，差别是结构性的。Levie提到，模型表现大体跟编码能力相关，但有一个例外：某些用例里Gemini disproportionately更好，可能是工具调用更强。当时Fable 5.1是state of the art。

workslop与信任危机

主持人提到“workslop”（AI生成的敷衍内容），说她收到完全由AI写的董事会材料会很崩溃。

Levie把这个问题拆开了。代码之所以被接受，是因为对大多数人，代码是utility，目的就是自动化、把界面做出来让人点按钮。如果agent能生成整个后端或前端系统，这不仅可接受，而且更可取，因为那正是以前卡住你的东西。但内容不一样，你收到一份演示文稿，你还在判断能不能信任这个人执行这件事、理解这个话题。看到workslop，你失去了判断“多少思考是这个人做的、多少是AI做的”的能力。而你自己在头脑风暴和决策时也在用AI。这就成了一个集体困境：我在对别人做workslop，收到别人的workslop时却在想该不该信你。

他举了个类比：你看到别人的财务模型，不会觉得“这不是你亲手算的”。你知道那是Excel做的。但战略deck为什么不行？我们正在经历一个混乱期，要重新定义人的角色是什么，内容在代理什么。内容是在代理这个人知道多少，还是在代理他能执行什么？

主持人提到Stan Druckenmiller在华尔街日报的文章，Pangram检测显示100% AI，但她读的时候没有过敏反应。Levie说这在心理上很怪，他现在读X上的文章要做两倍工作：一遍读内容，一遍算“这是人写的还是Claude prompt”，然后还要判断这该加分还是减分。他说自己绝对不想当大学教授，会直接辞职。

系统记录的两条腿：自己的agent + headless

主持人问系统记录（system of record）在agent时代的角色。Twitter上有个讨论：每个软件公司都在卖自己的agent，但我不想多一个agent，我想要我的系统记录跟我的agent配合好。

Levie说，SaaS公司必须同时做两件事，只做一件会输：

第一，建一个在自己产品上强到离谱的agent。可证明地比通用agent好10到20个点，因为eval做得足、对工作流调得细。而且你每天跟客户聊，能看到别人没想到的用例。他一年跟几百个客户聊，至少有两打时刻是客户提出一个让他觉得“这太疯了”的用例。

他举了个例子：一个客户想要后台agent检查文档是否符合治理政策，该归档还是该法务保留。主持人反应平淡，他自嘲“我就怕这个反应”。但他认真解释：每家公司的合规主管和治理主管只能管全企业，从来没法无处不在。设想他们能坐在员工旁边说“你这一步要违反治理政策了”。这种用例只有在产品里有agent的公司才能先发现。

第二，必须headless。把API暴露给Claude、ChatGPT，通过MCP或其他方式让外部agent调用。他用自己的例子：今天用Salesforce比以往多一个数量级，因为通过Claude或ChatGPT MCP进去，一直在问CRM里的数据。他说跟LinkedIn的产品经理讲过，如果能MCP进LinkedIn，他愿意付10倍的钱。

他不喜欢“收费站”这个词，但承认需要跟量挂钩的商业模式。只要在解决真问题，就能赚到钱，因为系统记录的数据有巨大价值，客户会找到方式回报。

90%的token，用户根本不会主动发起

主持人问通用聊天框会不会是AI的主要UI。

Levie说通用聊天会一直在，就像每个产品都有搜索框。一次性任务，找东西、回答问题、按需产出，都用它。但企业的大部分是后台流程。有时候是电脑在跑，有时候是人在跑，有时候本该有人跑但从来雇不起人所以没跑。

这跟聊天是两种隐喻。你想要的是后台agent读每一份合同、看每一条日志、分诊每一起安全事件。然后你想要dashboard、workflow、queue、task list，聊天只是跟进的手段。

挑战在于：横向产品会不会把所有组件都吃进去、把所有体验塞进一个界面？如果是，那个东西会变重，不再是简单好用的产品。然后懂流程的垂直玩家可以把正确的按钮、标签、命名呈现出来。法律领域已经有Harvey、Legora，安全领域在冒头，长周期编码有Cognition和Factory。

他的预测：五年后，企业里90%的token是用户从未主动发起的，他们只看到结果。任务出现在队列里，人只需要review。

公司内部：不token-max，但看token排行榜

Box自己的数据架构就是为这件事准备的。Levie说，公司历史上任何非结构化数据，会议纪要、项目计划、路线图、演示文稿、财务文件，100%在Box里。他们不让任何人用别的工具，所以数据规模好处理，加上Salesforce等核心系统，数据卫生不错，agent跑在上面容易。

实践上，他们找最高杠杆的工作流，有AI卓越中心，招了内部AI博士。不搞token-max，但确实有一个按token数排的名单，用来检查：这个用法有意义吗，有没有可以带回其他部门的学习点？前三大AI用户里，可能一个浪费了一半token，另外两个值得给全公司做培训。

两周前他让一个团队把所有人拉进房间，让用得最好的那个人做完整demo，六小时后全员在场。他点名感谢了Mick。部分技术栈的客户功能交付量是2到3倍，他不关心写了多少代码，只关心有没有交付更多客户要的功能。

但他们不会放弃code review。客户把数据安全和合规托付给他们，这件事不能开玩笑，所以生产力上会有一点折扣。他羡慕年轻人可以从零开始按AI设计公司，两周半前看到两个年轻人做的产品，五年前是40人项目。

给创始人的行动清单

Levie给创始人的建议分两层。

信息层：加入Twitter，建一个20人的AI账号列表，每天刷。你的信息流决定你领先还是落后。他自己95%的学习来自Twitter，加上这档播客和Dwarkesh的播客。他说自己每天问五个不同的AI系统20到30个问题，做研究、找人才、看竞争对手在干什么、市场发生什么。

公司层：找到token用得最多的前三个人，让最好的那个给全员做demo。不要token-max，要找到可复制的用法。建AI卓越中心，招内部AI博士。盯最高杠杆的工作流，别平均用力。

战略层：应用层有数万亿美元，知道怎么建团队、怎么把产品送到企业里的公司会赢。他提到Scott或Matan，说他们拿到mandate就明白这是一场企业扩散的仗，必须打到企业里去。搞错这个mandate的人直接出局。

还有一条给做SaaS的人：同时建最好的自有agent和headless API。只做前者会被通用agent绕过，只做后者会丢掉产品体验和新增用例。两条腿走路。

以及给所有做企业软件的人：准备好扩散比你想的慢。编码agent的速度是特例，知识工作没有GitHub，没有统一的权限模型，没有能自己排障的用户。这是一场地面战，需要FDE、领域专家、change management。慢本身就是护城河。

明天就能做的三件事：把公司里token用量的排名拉出来，找前三名聊聊他们在干什么；给你的核心工作流建一套eval，看通用模型和你的调优版本差几个点；把产品API接进MCP，让Claude和ChatGPT能调你的系统。Levie的原话是：“如果能MCP进LinkedIn，我愿意付10倍的钱。”你的客户也一样，只是你还没给他们开这个口子。

原文链接：https://trainingdata.qiaomu.ai/ep/109-box-s-aaron-levie-on-reinventing-yourself-in-the-ai-age-and-NE4CLT.html · 中文精读由 AI 改写，非官方翻译。

《

---

原文链接：https://trainingdata.qiaomu.ai/ep/108-making-cities-awesome-peregrines-nick-noone-ben-rudolph-JWMF5E.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/107-parallels-parag-agrawal-building-a-new-web-for-ai-agents-fUcnE6.htmlhttps://trainingdata.qiaomu.ai/ep/107-parallels-parag-agrawal-building-a-new-web-for-ai-agents-fUcnE6.html Tue, 25 Aug 2026 00:00:00 +0000 Parallel’s Parag Agrawal: Building a New Web for AI Agents

一个典型的搜索 agent，回答你一句话之前，会在后台跑 5 到 20 次搜索。在 ChatGPT 里把推理档位调高一档，每次提问它会做 5 到 10 次搜索；再往上调，就是几百上千次。

三年前，帕拉格·阿格拉瓦尔（Parag Agrawal）一天用谷歌二三十次。现在，他名下各种 agent 每天跑掉的搜索量，他自己估算超过当年的一千倍。

这个人的履历不需要多介绍。2021 年 11 月，杰克·多西把推特 CEO 的位置交给他；十一个月后马斯克完成收购，他离开。2023 年，他创办 Parallel Web Systems，做的事一句话能说完：让 AI agent 更好地搜索和使用网页。他下注的起点是一个判断，agent 使用网络的频次，会比人类多出一千倍，支撑搜索的技术和商业模式都得重造。

红杉资本的播客 Training Data 最近请到了他，跟主持人索尼娅·黄（Sonya Huang）和安德鲁·里德（Andrew Reed）聊了五十多分钟。这期节目讲清楚了三件事：一家初创公司凭什么敢碰巨头的生意；为什么他说人类点击数据是个 bug；以及当 agent 替人类上网，互联网延续二十多年的广告生意会怎么塌，又该怎么重建。

搜索的本质，是一道千亿对千亿的配对题

先补一点背景。搜索引擎做的事分三步：爬虫把全网网页找出来读一遍，整理成索引；查询进来，先理解问题，再从索引里检索；然后一层层排序收窄，从几千亿个网页里挑出五个、十个，理想情况下一个结果。

阿格拉瓦尔给了一个很干净的定义：

「这本质上是一个千亿对千亿的配对问题。网页有几千亿个，查询随时间累积也有几千亿个，你要做的就是在两堆东西之间做匹配。」

索尼娅问出了所有人心里的疑问：全网规模的抓取和索引，长期只有谷歌和必应做成过，基础设施又贵，一家年轻公司凭什么碰？

他的回答分两层。第一层，旧搜索的护城河之一是反馈信号。判断哪条结果更好，需要大规模人工评分和点击数据，初创公司两样都拿不到。现在大模型把评分的成本打下来了，专家级的判断可以廉价生成。第二层，基础设施不用一次砸钱建完，可以跟着客户一起长大，客户越多，索引越大越精细。

中间他还聊到一个细节：创业这几年，他在刻意「忘掉」推特的经验。推特是产品市场匹配之后的公司，几亿用户每天用三十多分钟，反馈循环来自海量真实使用。Parallel 完全相反，赌的是几年后才会大规模出现的客户，团队每周都在重新学习。用他的话说，是给「还没到来的客户」建技术。

先抢外包人力的生意，再跟搜索引擎掰手腕

Parallel 第一个产品是个搜索 agent，甚至都算不上传统意义的搜索。查询来了再去现场爬网页。深度研究类任务，用户有一分钟到十分钟的耐心，足够爬很多页面，只要有一张「地图」知道该优先爬什么。

这里有个关键认知：索引本质上是延迟优化。放弃延迟这个维度，就能用现场爬取弥补索引的不足。索尼娅总结成一句话：用推理时的算力，换爬取的时间。所以他们的第一个对手选得很聪明：

「第一天就跟搜索引擎正面竞争太难了，但跟坐在搜索引擎前面干活的人类竞争，容易多了。」

早期客户清单全是原来靠人力整理网页数据的活：保险承保和理赔流程、销售数据补全、金融团队把数据打包寄给外包团队人工清洗再喂给建模。Parallel 接下这些活，真正想要的是副产品：真实工作里的评估数据。用真实用例搞清楚 agent 的搜索该长什么样，比造理论评测集靠谱。

增长逻辑也藏在里面。他举了个例子：一家机构给一万家小微企业放了贷，每月靠人工流程扫一遍网页数据评估风险。换成 agent，每周跑一次，每次触发几十万到上百万次搜索。一个开发者写一段程序，搜索量的放大倍数就是十万级到百万级。

产品节奏上，他们把公司押在三个维度：质量、成本、延迟。前两年主动放弃延迟，只死磕前两个，因为把大模型蒸馏成小模型是相对成熟的工程，未知的研究成分少。等每个价位段都做到质量最好，再回头攻延迟。上周发布的 Turbo，把「从上万亿网页里挑出一千个 token」的读时计算从 3 秒压到 200 毫秒，他自称是市面上明显最快、质量最高的 agent 网络搜索。

人类点击数据是个 bug

整期节目最挑衅的一句话在这：

「在 Parallel，我们的观点是，人类点击数据是个 bug。用搜索干活的 agent，应该依赖 agent 反馈，而非人类反馈。」

逻辑不难拆。人类搜索行为本身就被惰性扭曲了，能打十个字，偏打两个残缺词加一个错别字，指望搜索引擎猜中意图，点击数据记录的全是这种惰性。Agent 的查询更长、更明确、错别字更少，搜索引擎要猜的东西更少。拿人类点击数据训练「给 agent 用的搜索」，信号源从根上就错了。

另一层底气是，大模型擅长压缩信息，学界这些年积累的建模研究可以直接搬到索引和排序上。这是他们敢用模型方法重做搜索的前提。

顺带回应了一个身份问题。安德鲁问，Parallel 有一堆 AI 研究者，按某些定义算不算一个新型模型实验室。阿格拉瓦尔否了：「模型实验室的产出是模型，我们的产出是模型的互补品。」别人发布更强的模型，实验室要多爬一座更高的山；对 Parallel 来说，更强的模型等于多解锁几个用例。他们不做超大规模预训练，方向相反，把大模型压缩成很小的排序模型。

他把搜索任务抽象成一句话：「从上万亿个网页里，给我挑出一千个 token，而且必须是对的那一千个。」整个系统围绕这句话，在内存层级里组织信息，训练挑 token 的模型，在有限的算力和延迟预算里榨出最好的输出。

至于「搜索这么核心，模型公司迟早自己做」的流行判断，他的回应很具体。预训练用的爬取对建新鲜索引没什么用，模型公司没耐心等那些加载极慢的随机 JavaScript，同样的算力换到的 token 少一到两个数量级，不划算。Parallel 是完事主义者，愿意为这些 token 付额外成本。但搜索确实是九成 LLM 用例的刚需，模型公司可以建，也可以买。节目当天，Parallel 宣布了和谷歌云的合作：在 GCP 上给 Gemini 系模型做 grounding，可选的搜索提供商有两个，谷歌搜索和 Parallel 搜索。搜索引擎之王把对手接进了自家企业 API。

人类懒得打字，agent 不惯着你

人类和 agent 用搜索的方式差得很远。人类靠关键词，两三个词加个错别字，剩下的靠搜索引擎猜。安德鲁问为什么，阿格拉瓦尔的回答是：「我们能记住很多词，我们就是懒。」Agent 恰恰相反，查询更长、更完整、错别字更少，搜索引擎不用猜那么多。

这段对话里最有意思的部分，是他对「SEO 垃圾页」的拆解。安德鲁抱怨，谷歌搜「什么产品最好」，排前面的全是带货软文，人类一眼能识破，agent 怎么办？

阿格拉瓦尔从源头讲起。你查一家上市公司最新的营收数字，权威来源是 SEC 的备案文件，那个数字可能躺在 PDF 第 73 页。假如谷歌把权威文件排第一，PDF 加载要 3.5 秒，你还得自己翻到第 77 页。人类懒得干这个。于是网上长出一整类中间页：加载快、关键信息放首屏、99.99% 正确，从 300 页财报里挑出 20 条最该看的数据放在最上面。你可以叫它垃圾，也可以叫它「成功服务了懒惰人类的 SEO」。

关键在于，这个权衡是人类浏览器时代的产物，agent 可以绕开它。Agent 不用点来点去下载 PDF，直接把最权威来源里的相关段落取出来，放进模型上下文。中间页存在的理由，跟着消失了。

效果有数字。用 Parallel 搜索替换普通搜索，agent 的 token 用量能降到一半以下，端到端更快更准。省下的上下文空间，意味着同样的模型能干更难的问题。他把这一切归结为跨层的算力分配：模型层、agent 层、搜索层，每一层都在质量、成本、延迟之间做交易，跟模型行业「先榨出智能，再蒸馏到十分之一成本」的循环一模一样。

索尼娅问他质量的天花板在哪。他的回答是，这道配对题永远做不完，真正的问题是什么时候继续优化的收益盖不过成本。但他赌到不了那一天：模型越来越强、越来越便宜，信息匹配做得比别人好 20%，就是实打实的优势，没理由不做。

互联网的钱包瘪了，他搬出博弈论

阿格拉瓦尔在推特做过广告系统，他说自己「智识上热爱广告」，因为广告让搜索和推特免费，让全网大量内容免费。广告模式高效的核心是差异化定价：谷歌大部分查询是亏钱的，靠一部分查询赚回来，利润率高得惊人。索尼娅自称爱广告爱购物，说自己在给所有人的免费信息做补贴，他接得很快：「你在补贴我们所有人，谢谢。」

Agent 一来，这套逻辑断了。Agent 不看广告，不点广告。索尼娅补了一句：那次访问没法变现。内容方的选择肉眼可见，既然 agent 访问带不来收入，干脆屏蔽 agent，继续花钱做面向人类的 SEO。可 agent 本质上是替人类跑腿的，生意却对不上账。

订阅生意也一样：一千个人类访客转化二十个订阅者，这个漏斗是清楚的；agent 访客会不会订阅，没人有数据，只能眼睁睁看着内容被「无名 agent」拿走。

目前内容方唯一的变现选项，是头部玩家跟实验室签固定费用打包协议，覆盖训练、责任豁免和推理期访问。阿格拉瓦尔认为这个模式本身也是坏的：AI 推理用量今年涨 7 倍、明年再涨 7 倍，两年累计接近 50 倍，协议金额不会跟着涨，没有哪个签约方相信续约时自己的份额不会大幅缩水。固定价格合同，撞上指数增长的用量，续约那天就是矛盾爆发的那天。他在推特卖过数据给 OpenAI，两边都待过，看得清楚。

他的解法，是把广告系统里学到的差异化定价搬过来，两个维度同时差异化：内容越独特稀缺，单价越高；用内容干的事越值钱，单价越高。同一份数据，投行分析师读，就比他退休的老父亲读收更多钱。而且要可扩展，靠模型自动算，别靠一单一单谈。

这里就到了全场最极客的部分：Shapley 值。这是个博弈论概念，三个人协作做出一块比各自单干加起来更大的蛋糕，怎么分才能让每个人都愿意继续合作。机器学习里算特征重要性的 SHAP 值，用的就是它。

问题是，严格计算 Shapley 值需要模拟所有组合场景。他的原话：

「为了算出该给某个内容方一美元，完整的 Shapley 计算可能要花掉好几美元。」

比付出去的钱还多，账算不过来。解法是老三样：造数据、训练模型、做估计。思路是做减法模拟：把某个内容源从语料里拿掉，跑一遍 agent，看输出质量掉多少；再试试多花一分钱算力能不能把质量补回来。能补回来，这个内容源就值大约一分钱。把这种直觉形式化，就是 Shapley 框架；用模型把计算成本压到可承受，就是 Parallel 的工程。他们已经用这套逻辑跟一些内容方谈成了合作。

宏观账他也算了：知识工作花在 LLM 推理上的钱，拿出 2% 到 10% 分给网页数据，这个池子就已经超过今天围墙花园之外所有网页数据生意的总和。按他的测算，agent 网络流量每年涨一个数量级，12 到 24 个月内，这套分配机制就能给大范围内容方带来有意义的收入。

一个彩蛋：公司注册时的名字就叫 Shapley Inc.，当时 shapley.ai 还能注册，shapley.com 是个停放的域名。他觉得这名字对 B2B 产品太糟糕，参会胸牌上一直写着 NewCo，拖了六到八个月才定下 Parallel。理由之一是当时他们确实什么都在并行干，之二是他们预见到会出现一个给 agent 用的「平行网络」：同一篇内容，人类一个读法，agent 一个读法，双受众双发布。

插一个数据点。Cloudflare 监测全网流量发现，AI 相关的页面读取量已经跟人类流量相当。但阿格拉瓦尔提醒，agent 查询量超过人类查询量这件事还没发生，现在还非常早期，出了硅谷这个圈子，很多人连这些新词都没听过。安德鲁补了个观察：财报电话会记录这种内容，通过 agent 消费的人，大概率已经超过听音频和读原文的人，这些高价值网页其实已经翻转成 agent 优先。阿格拉瓦尔说他们自己就是这样，API 文档的第一读者是 agent，文档质量就用 agent 来测。

从「拉」到「推」，以及明天就能做的事

他把这个旅程分成三层。第一层，agent 把网络当工具用，给模型配上人类熟悉的搜索工具，现在绝大多数产品还在这里。第二层，多 agent 系统，子 agent 互相唤醒、编排任务，编码工具里的 subagent 是大家最熟悉的形态，AI 科学家那种长时间运行、往难题上砸大量算力和数据的系统也开始出现。

第三层跟网络直接相关：网络会从「拉」变成「推」。今天不管是调工具还是调子 agent，逻辑都是「我现在要这个，去帮我找」。两三年后会变成「一旦发生这件事，打给我」。触发源是一堆信息流：网页上变化了什么、卫星图像里出现了什么、客户给了什么新反馈、某个 agent 跑完了计算、某个人类有了新洞见。

他给团队常讲一句话：

「只要一件事今天能做、值得做、而且还有 GPU 可用，我们就直接做掉。明天的工作，是对世界变化做出的反应。」

对 Parallel 来说，这些信息流里最重要的一条，就是全网所有变化的东西。到那时，他们是在替所有客户，把算力持续分配到整个网络上。而他对自己那几十个后台 agent 的态度也很实在：扩张边界只有一个，价值对花费。他承认自己现在可能花多了，但不多，懒得管。

最后收个尾，这期节目听完，有几件事明天就能做：

• 写文档、发内容的人，把 agent 当第一读者。Parallel 自己的 API 文档就用 agent 来测。检查你的产品文档、帮助中心和公告，结构化、可引用，关键数字别藏在图片和 PDF 深处。
• 做 AI 产品的人，把搜索当优化变量。换用为 agent 优化的搜索，token 用量能降一半以上，省下的上下文能干更难的活。设计系统时先想清楚质量、成本、延迟三个维度舍哪个，Parallel 前两年舍的是延迟。
• 内容方和媒体，别急着签固定价格的打包协议。推理用量指数增长，固定合同在续约时必然吃亏，关注按价值和用量计费的分配机制，按他的测算，窗口期是 12 到 24 个月。
• 普通用户，从一个每周自动执行的监控任务开始，盯竞品价格、盯政策更新、盯自己的品牌提及，让 agent 每周跑一次并汇总成行动清单。成本不高，先跑起来再谈优化。

---

原文链接：https://trainingdata.qiaomu.ai/ep/107-parallels-parag-agrawal-building-a-new-web-for-ai-agents-fUcnE6.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/106-rich-sutton-and-khurram-javed-why-ai-models-stop-learning-an-xH7U7w.htmlhttps://trainingdata.qiaomu.ai/ep/106-rich-sutton-and-khurram-javed-why-ai-models-stop-learning-an-xH7U7w.html Tue, 18 Aug 2026 00:00:00 +0000 Rich Sutton and Khurram Javed: Why AI Models Stop Learning, and How to Start It Again

2003 年，Rich Sutton 正被癌症拖着走，用他自己的话说，「我当时正在死去」。没死成的他跑去阿尔伯塔大学教书，在 AI 寒冬里继续死磕强化学习。为什么自觉只剩几个月还要做研究？他引用本杰明·富兰克林的说法：一个人做什么事，原因无非两个，习惯，或者虚荣。他猜自己靠的是习惯。

后来人活了下来，理论也等来了兑现。AlphaGo 靠他的强化学习赢下李世石，2019 年他写的《苦涩的教训》成了行业圣经，2024 年他和 Andrew Barto 拿下图灵奖。2026 年 8 月，Sutton 带着前博士生 Khurram Javed 上了红杉播客 Training Data，宣布两人创办了新公司 Oak Lab，顺带把当下的主流路线批评了一圈：合成数据「是一个大错误」，权重冻结的模型谈不上在学，整个领域卡在局部极小值里。

先交代两个人。Sutton 被称为强化学习之父，写了这个领域的标准教科书，带出了 David Silver 这样的学生。Khurram 是他在阿尔伯塔大学的博士生，两人的合作纯属自然生长：Khurram 硕士毕业本来打算进工业界，一个项目里被拉去跟 Sutton 协作，半年做出进展，顺势转成博士课题，从头到尾没填过「请您收我当学生」的申请表。Sutton 对挑学生的总结很谦虚：有时运气好，有时运气差，David Silver 是自己找上门的。

苦涩的教训，26 个词的版本

Sutton 开场先纠正一个印象。总有人问他为什么观点这么激进，他的回答是，激进的是别人。在「AI 热」出现之前，没人需要发明「持续学习」这个词，因为不存在不持续的学习，边行动边学习本来就是心智的正常运转。专门造一个术语，反而暴露了领域跑偏。

主持人 Sonya Huang 说，她开会听到最多的句式就是「这符不符合苦涩的教训」。Sutton 承认这个词被用歪了，他最近在 X 上试着用 26 个英文单词重新讲一遍：别像 AI 史上反复发生过的那样被人类知识分心，去关注能随算力扩展的方法，比如搜索和学习。Alfred Lin 以为关键词是数据，Sutton 纠正：要替代的是人类输入。

它没说你不需要精巧的算法。你需要精巧的算法，但得是那种能随算力扩展的精巧算法。

那 LLM 算不算符合苦涩的教训？Sutton 的答案：既是正面例子，也是反面例子。正面在于，LLM 把「随算力扩展」做到极致，把整个互联网一口喝进去，能力靠规模长出来。反面在于，互联网是有限的，人类产出的文本是有限的，靠人类知识喂出来的系统，迟早被人类知识撑住。而世界，比互联网上存下的一切大得多。

合成数据，他的回答是一个「No」

Sonya 追问：现在各大实验室都在做合成数据，想突破人类互联网这块「化石燃料」，这算不算一种利用算力的通用方法？

Sutton：「No。」

追问原因，他答得更重：「那是一个大错误。」甚至可能是「下一个大教训」。

Khurram 把论证展开。第一个问题是：谁来决定什么是好的合成数据？现在是人。人写程序生成数据，人判断数据好坏，整条管线被人类专家卡住脖子。他举了个例子：想造一台像蝙蝠那样靠回声定位飞行的无人机，正确的合成数据长什么样？没人知道，得先雇到懂行的领域专家，让专家把方案想出来。专家得先存在，扩展就卡在这。

Sonya 不服，拿自动驾驶反驳：最新一批自动驾驶公司主要在仿真里训练，管线很有效。Khurram 反问了一个数字问题：造那个仿真器用了多少工程师？而且仿真器从来不是一次做对的，团队反复迭代，发现仿真到现实的差距不能接受，就由工程师去修仿真器，修完再训。人在回路里修仿真器，这本身就是持续学习，只是干活的换成了工程师。为什么不能把人拿掉，让智能体自己来？

Sutton 补了一句：真车上路，还是会有意外发生，那时候才真正需要从经验里学。

Khurram 给出替代方案：仿真和规划都有价值，但仿真器应该由智能体从自己的经验里学出来。自己学的模型错了，自己能靠持续学习修；人写的仿真器错了，要等人发现才修得动。

Sutton 把这事推到哲学层面。任何合成数据都出自一个小程序，小程序生成的是小世界。他现场举例：此刻对话者脑子里在想什么，对他很重要，他当天还要跟这两人聊投资。可怎么为别人的心智造合成数据？造不出来。机器人电机的摩擦和磨损，跟物理世界的每一次交互，同样造不出来。

这就是两人说的「大世界假说」：世界比任何智能体的心智都复杂得多，因为世界里装着无数个其他智能体。推论很硬：任何系统都不可能最优，近似必然严重，所以必须持续学习，撞上世界的哪一块，就针对哪一块调整自己的近似。Khurram 后来把它写成一篇小论文，标题就叫 The Big World Hypothesis。

「权重从不改变」

Sonya 问：现在流行的 LLM 助手，算不算体验式学习者？Sutton 反问：「你是认真的吗？」Sonya 试图补救：它们会记住用户偏好，会做上下文学习。Sutton 只重复一句：它们的权重从不改变。

他的依据很朴素：这些模型的权重从不改变。运行时跟人对话、跟环境交互，但那颗大脑是冻结的。可以给上下文，上下文只是改状态，改状态不叫学习。Sutton 顺便澄清，他从不反对先验知识，《苦涩的教训》开头就写了，先验和学习本该是朋友，先装一些知识再开始学，没有原理上的冲突。他看不惯的是实践：热爱既有知识的人总想让先验赢，于是贬低学习。现在轮到反向的版本，全世界都在说把知识灌进去就够了。一个权重永不更新的东西，被指望提供博士级的专业判断，在他看来这才是怪事。

红杉另一位主持人 Alfred Lin 问：是不是预训练和后训练做太多，上线之后不让它学了？Khurram 说这是唯一的大分歧点：预训练随便做，后训练也没问题，问题出在用户用模型的时候，它停止学习了。

市面上有两个罕见的正面案例：Cursor 的 Tab 补全模型和 Composer 模型，权重真的在更新。但 Khurram 指出局限：收集几十万用户的数据，攒成一大批，做一次统一更新。这能跑通，可如果有人想教自己的模型一件很具体的事，就得跟十万个用户抢话语权。批量更新做通用改进可以，做个人化效率极低。Sonya 总结当前的心智模型：通用能力放权重里，个性化放上下文里。Khurram 的回应是，上下文放状态里没问题，但权重必须可更新，否则个性化永远停在「调状态」，到不了「学会」。

人脑给出的参照系要夸张得多。Khurram 举了本体感觉的例子：人靠体内传感器感知身体位置，这是走路策略的地基。有病人完全失去这种感知，连路都不能走，但两三年里，他们能靠盯着自己的脚、用视觉反馈重新学会走路。一个成立二十年的事实失效了，大脑能把它更新掉。这是他最想在机器上复现的能力。

顺着大脑可塑性，话题转到该向生物学习什么。Sutton 的判断听上去很极端：没有动物靠监督学习，因为没人给我们肌肉该怎么抽动的样本。学校在这里是干扰项，松鼠不上学，人类有几百万年也没上学。学会看、学会走、学会世界怎么运转，全都没有标签。「巴黎是法国首都」可以有人告诉你，但没人能告诉你，嘴、舌头、声带该怎么动才能发出 Paris 这个音。Khurram 补了一刀：就算照着 Sutton 的口型一模一样地动，发出来的声音也不一样。自己的身体该怎么动，只有自己知道，只能从经验里试出来。

Sonya 反驳：松鼠再厉害也不会证数学定理，学定理还是得上学。Sutton 搬出莫拉维克悖论：定理和棋这类「高级」活动对计算机反而容易，移动、观看、注意这些日常本领反而难。松鼠不会证定理，但它总能想出新办法进你的鸟食罐，坠落时能实时调整姿势不受伤。

Alfred Lin 站到 Sonya 一边，抛出更难的问题：造火箭需要在发射前想象一个从没发生过的事，机器怎么学会想象？Sutton 完全同意规划和想象的必要性。Khurram 补上关键一刀：一千年前的智人和我们本质上是同一台机器，差别是文化积累。范式转移的时刻，比如爱因斯坦那种，是一个人攒够了知识，从自己的经验里造出新抽象，用新抽象规划，发现新知识。自己造抽象、学世界模型、再用模型规划，这个技能在当前系统里完全缺失。

药方：阿尔伯塔计划第 2 步

Sutton 对领域的诊断很重：整个 AI 领域还没有一个「学出模型、再用模型规划」的实例。AlphaGo 能行，因为围棋规则是给定的；数学能行，因为 Lean 这类证明助手把算子给定好了。一旦模型要靠自己从经验里学，抽象要自己发现，目前是空白。

这两人没停在嘴上。2022 年 Sutton 发布了《阿尔伯塔计划》，12 步研究路线。第 2 步是持续深度学习，他认为这一步几乎最重要，因为它解锁后面所有步骤：能持续学，才能持续更新世界模型。计划的后半部分全部在讲怎么把抽象学对。措辞有讲究，没人能事先说清什么是「正确的抽象」，抽象取决于智能体所在的那个世界，只能自己学出来。Khurram 用顶级运动员打比方：问他们怎么完成某个动作，会得到一堆怪异的小众术语，有的动作连名字都没有。这些抽象从哪冒出来，正是最难的那部分。

Sonya 问：持续深度学习到底缺什么？天真地拿用户数据更新权重，今天就能做。Khurram 的回答：纯算法缺口。拿一个样本更新整个模型，旧知识会被冲坏，这就是灾难性遗忘。Cursor 靠大批量数据绕开它，但大多数场景只有单一数据流，绕不开。

Sutton 给了两味药。第一味，步长优化：网络里每个权重有独立的步长，而且靠元学习学出来。大多数权重步长极小，新样本来了冲不掉旧知识，只有该动的地方动。第二味，生成加测试：在特征空间里直接提出新单元，别全指望梯度。梯度太慢，只在已知有益的方向上挪，给不出越学越复杂的增长路径。

落到具体算法，是 2024 年发表在 Nature 上的持续反向传播（continual backprop）。跟普通反向传播一样跑，但持续播下新单元的种子，用随机初始化的权重。普通反向传播的随机性只在开局存在，跑着跑着多样性就用光了；持续反向传播不断注入一点随机性，反向传播负责当测试官，留下有用的，淘汰没用的。Sutton 的预期是，这两味药配好了，会有一代强得多的新算法。

Khurram 特别提醒：这些算法没法直接套在现有模型上，因为它们在学知识的同时还在学「以后怎么学」。想用，就得带着新算法从头训一个新的基础模型。

Oak Lab 押注什么

被问到公司最激进的地方，Sutton 拒绝「激进」这个词，理由还是那句「我不奇怪」。换成「最有野心的事」，他的答案是：覆盖从微小到宏大的全部知识谱系，用统一的方式处理，并且让系统自维护。他举的例子是「怎么把飞机从一个城市开到另一个城市」。LLM 保持知识正确的办法，是后训练时校对好然后冻结；人的心智一直在变，却始终能保持组织、连贯、回到正轨，不漂向疯狂。做出一个自洽的、能持续训练自己并保持连贯的心智，这是他们最大的野心。

Alfred Lin 把愿景翻译成一个数字：万亿参数，20 瓦功耗。Khurram 承认现有技术做不到，光是把万亿参数存进内存，功耗就超过 20 瓦。但他算了一笔摩尔定律的账：每 18 个月翻一倍，10 年就是两个数量级。今天 2000 瓦能干的事，10 年后 20 瓦就能干，而他相信用对的算法，现在就能比 2000 瓦更省。Sonya 问那为什么别人不做，Sutton 幽默了一句：好像他们就想烧钱，烧得多显得是真汉子。

Khurram 的正经答案更值得记：整个领域卡在局部极小值里。切换到新范式，几乎必然先变差再变好，而大厂被产品锁死，走不了先变差的路。他看了一圈各个研究组，甚至没人相信 20 瓦是可能的。不信，就不会有人去啃那些要琢磨很多年的技术难题。

公司的形态跟这个判断一致：小团队起步，先招十几到二三十人，每个加入的人都要「看到我们所看到的」。Sutton 说这叫 super aligned，内部高度对齐才跑得快。如果一切顺利，他们要的是真正的持续学习、自己形成的抽象、用模型完成的规划和推理。Sutton 顺手给 LLM 定了个位：它是了不起的科学突破，神经网络把语言用得这么流畅完全出乎预料，语言曾经是符号方法最后的堡垒。但语言的流畅运用只占智能的两到三成，它不该假装自己是全部 AI。等新范式到来，他担心有风险的反倒是 LLM。

还有一个容易误解的点：Oak Lab 要做的并非一个学会一切的大模型。大世界假说决定了没有系统能学尽万物，两个最大的系统复杂度相当，谁也建模不了谁。未来是单一设计跑出很多个心智，各自从自己的经验里学不同的东西。Sutton 还给了个画面：等真有智能机器人，没人会为每台机器花天价重新训练，直接复制上一台，让它接着学。先验靠复制继承，学习负责增量。

明天就能用的三件事

• 评估 AI 产品，加一条硬指标：它有没有权重级学习。上下文记忆会被清空，权重更新才会积累。Cursor 的 Tab 是正面例子，纯靠长上下文做「个性化」的产品，天花板一眼能看到头。
• 听到合成数据叙事，先问一句：好数据的判断标准是谁定的？如果答案始终是人，这条管线就带着人类瓶颈，规模堆得再大也绕不过去。
• 记住 Khurram 的局部极小值判断：先变差再变好的路，被产品锁死的大厂走不了。范式切换期，这是留给小团队的窗口，选方向、选雇主时可以把它当筛子。

回到 Sutton 开场那句话。人们觉得他激进，他觉得正常的定义很简单：边行动、边学习、边修正，学习从来都是持续的。按这个标准，一个上线那天就停止学习的模型，确实很难说它在「智能」地工作。

---

原文链接：https://trainingdata.qiaomu.ai/ep/106-rich-sutton-and-khurram-javed-why-ai-models-stop-learning-an-xH7U7w.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/105-chai-discovery-s-bitter-lesson-drug-design-is-another-scalin-wv53mD.htmlhttps://trainingdata.qiaomu.ai/ep/105-chai-discovery-s-bitter-lesson-drug-design-is-another-scalin-wv53mD.html Tue, 04 Aug 2026 00:00:00 +0000 Chai Discovery's Bitter Lesson: Drug Design Is Another Scaling Problem

2024年，全世界抗体设计的最好水平，是设计一千个抗体，大约只有一个能在实验室里真正结合上靶点，成功率0.1%。两年后，一家叫 Chai Discovery 的公司把这个数字拉到了15%，一千个设计分子里能回来一百五十个。

更有意思的是创始人的事后复盘。当初做预算，他们想的是三四年内做到20%，真正的目标是1%，当时觉得百分之一就足以震动行业。结果模型一上来就是15%，两位创始人自己都承认没想到会这么快。

这是红杉资本播客 Training Data 2026年8月4日的一期，主持人 Pat Grady 和 Sonali Singh，嘉宾是 Chai Discovery 两位联合创始人，Joshua Meier 和 Matthew McPartlon。这家公司一句话概括：用 AI 工程化分子，让药物研发长得更像写软件。下面挑干货讲。

两个不学生物的人，想给生物学装上抽象层

Josh 的履历像一部 AI 简史。他高中学校里就有干细胞实验室，从小写代码，职业生涯第一站是 OpenAI 早期团队，那时候 OpenAI 还是个非营利组织。他参与了 GPT-1、GPT-2 和 scaling laws 的研究，后来成了蛋白质语言模型 ESM 的原作者之一。他的研究题目从没变过：模型既然能学会英语、德语、法语，为什么学不会 DNA 和蛋白质？

Matt 走的是另一条路。本科纯数学，博士读理论计算机科学，第三年才转进深度学习和蛋白质结构预测，导师实验室做过最早一批用深度学习做蛋白质折叠预测的系统。他承认自己对生物也发怵，进来才发现，生物学比外面看起来简单得多，问题之间的关联也紧密得多。抗体也好，微型蛋白也好，本质都是氨基酸序列，都是喂给模型的 prompt。就像 ChatGPT 既能解数学题，也能辅导英语作业。

公司名字 Chai，取自 Chemistry 和 AI，顺便他们也真的爱喝香料茶。Josh 说，生物科技公司名字一个比一个拗口，他们想简化，就从名字开始。

Josh 对行业的诊断是这样的：现代生物技术早期，很多药是靠运气撞出来的，所以这个领域叫药物「发现」，在几百万、几十亿个分子里大海捞针，捞到一个能用的。Chai 想把这个词换成「设计」：先描述你梦想中的分子长什么样，让模型把它造出来。就像代码之于软件工程，他们想给生物学装上抽象层，让迭代快起来。

Pat 追问：这样是不是就不用做实验了？Josh 当场唱了反调，实验室的需求搞不好会变多。软件工程师生产效率提高之后，市场对软件工程师的需求反而更大了。分子设计的投资回报率上去之后，大家会更愿意做实验，验证更多想法。实验室的角色是验证，能验证，才能爬坡，这是 AI 和生物学共享的一条底层逻辑。

他们给这个愿景起了个名字：分子的计算机辅助设计套件，可以理解成生物界的 CAD。Josh 算了笔账：从一个想法到一个可检验的假设，现在大概要九个月。压到九周、九天，每降一个数量级，能筛的想法数量就涨一个数量级。药就是在这条循环里磨出来的。

抗体折叠，曾经被判「无解」

Matt 把技术史讲得很清楚。蛋白质折叠领域有个两年一届的竞赛 CASP，主办方藏一批谁都没见过的蛋白，各路学术组现场预测。2018年，深度学习第一次让成绩跳了台阶。2020年，AlphaFold 2 把问题基本打穿。最早的方案是预测氨基酸之间的距离，再靠渲染器把距离拼成结构，输出像早期的图像生成模型，能看出是个蛋白，但糊。今天已经是几秒钟出高清图。

折叠解决之后，大家开始攻反问题：给定一个结构，能不能设计出一条会折叠成它的序列？2021、2022年前后，扩散模型来了，结构生成和序列设计可以同时做，还能往 prompt 里塞真实世界的约束，比如「我要它结合在这个位置」。

为什么扩散模型好使？Matt 的解释很朴素。之前的生成范式是变分自编码器，要把整个分布压成一团高斯向量，太难。扩散模型换了个思路：把蛋白质一点点弄坏，让模型学会「稍微修好一点」，然后反复问它，再修好一点，再修好一点。Pat 说这像他陪女儿玩的游戏，让 ChatGPT 画独角兽，不停说「让它更强」，最后得到全世界最强的独角兽。Matt 停了一下说，对，就是这么简单。

2024年，Josh 在 Matt 家里看到抗体抗原结构预测的初步结果，两人决定创业。背景是：长期以来，学界认为抗体折叠无解，蛋白质数据库里抗体数据不够，所以抗体设计想都别想。早期深度学习蛋白质设计的工作，做的都是微型蛋白，有意思，但制药行业真正花钱的方向是抗体。圣杯是在电脑上设计出有治疗功能的抗体。

「如果连一个抗体长什么样都预测不出来，你怎么可能设计出它？」

这句话是他们创业逻辑的原点。而支撑信心的，是 Matt 上面那个判断：抗体、微型蛋白、普通蛋白，在模型眼里都只是不同种类的 prompt，没有谁天生更难。

从千分之一到百分之十五

回到开头那组数字。0.1% 意味着什么？梯度信号弱到几乎不可用。很多靶点一个命中都没有，有命中的，样本也少到看不出成药性规律。Chai-2 做到15%之后，筛一千个分子能回来一百五十个，第一次有了足够大的样本去统计成药性质，然后围绕它建评估、持续爬坡。

他们的方法论听起来毫无新意，跟自动驾驶、大语言模型用的是同一套：扩大数据、扩大模型、扩大算力，找到 scaling law，往上堆。大家总把生物学当成需要定制化对待的特殊领域，他们觉得这就是又一个 scaling 问题。Matt 原话更狠，说 Chai 是一家把苦涩教训当信仰的公司。苦涩教训是 AI 学者 Rich Sutton 的名言：通用方法加算力，长期总能赢过精巧的人工设计。他们的模型也全部从零搭建，不拿现成大模型来微调蛋白质数据。

支撑 scaling 的第一条原则是简单。Chai-1 里有23个独立子模块，Matt 说，每次迭代都要理解每个子模块的行为和动态，这没法 scale，所以要做减法，找出真正重要的东西。团队里常有人提议，加第24个模块就能解锁某个新靶点。每一次他们都会问：这个改动是增量修补，还是复利改进？能不能推广到整类靶点？糖基化位点是个例子。有人提议单独设计一种表示，他们的判断是，序列里本来就有暗示糖基化位点的模式，模型要把 loss 压下去，就必须自己学会。信 scaling law，模型变强之后，这类靶点会自动解锁。

第二条原则是严谨。Josh 说，生物学里骗自己太容易了，湿实验的误差条大得吓人。他拿代码生成做了个对比：SWE-Bench 上从16%涨到17%再到18%，大家都当回事。生物实验室里正负5%可能根本是同一回事，所以模型必须有台阶式的提升才算数，而且得对自己诚实，一个只在一两个新任务上好看的花哨模型，撑不起一个产品。

Sonali 接话说，生物学不是公认难以验证吗？Josh 不同意，他说这恰恰是最容易验证的领域之一。代码生成的难点在于品味：代码跑通了、测试过了，但写得稀烂没法维护怎么办？分子没有这个问题。结合上了，能不能量产，能不能被制造出来，全是硬指标。代价是验证周期长，单元测试五秒出结果，实验室要等几天几周，但至少数字不会骗人。

不做药，做药厂的 CAD

这里有个关键的商业决策。提到 AI 制药，绕不开 Isomorphic Labs，DeepMind 分出来的那家，自己的药自己推临床。Chai 选了另一条路：给整个制药行业造工具，做基础设施。

Josh 给了三个理由。第一，创始团队之前待过的公司就是自建全栈药物管线的，建模型、推临床都干过，正因为他们信苦涩教训，才更想把每一分钱花在让模型变强上，省下养临床试验的钱。第二，模型越强，合作方付的钱越多，反过来养更强的模型，这个飞轮比管线模式可扩展。第三，也是最有意思的一条：跟药企合作是一种防自欺机制。只做少数几个靶点，你可能做出全世界最精致的分子，但你的模型会不会推广到那年全行业另外五百个分子上，你永远不知道。合作会逼你面对真相。

他们的合作名单里有礼来、诺华、argenx、辉瑞。Josh 说，这些公司不会把你的话当真，除非你交付。模型必须每次都能用，不能说这次分子差口气，让自家化学家回去修一修。他承认这是条更难走的路，市面上很少有人这么干，但回报也更大。

关于药企，Josh 还破了一个刻板印象。创业前很多人跟他们说，制药行业不懂 AI。真实体验是，这些客户极其严谨，会把你的每个主张都测一遍，但数据一过硬，他们就 all in。制药本质上是个创新行业，一款药上市后只有几年独占期，礼来现在是万亿美元公司，拿不出新的重磅药，这个位置就保不住。所以门一旦敲开，采纳速度非常快。

团队的搭建节奏跟着里程碑走。创始团队几乎全是 AI 研究者，抗体设计模型做出来之后，才开始招世界级的抗体工程师，比如 Andy Yeung，二十年前在 MIT 做酵母展示的第一批人，在辉瑞和基因泰克干了二十年，手里有抗体药获批。招他的时候外面都在问，你们是不是要转型做全栈药企了。结果 Andy 加入后几个月跑的抗体实验，比他前半辈子加起来还多。Josh 也没把话说满：Chai-2 刚发布时，多特异性抗体这类复杂格式根本跑不通，新招的工程师等了几周，模型才追上需求。

其他成员的画风：Nathan Rollins 从小在家上学，14岁进诺贝尔奖得主 David Baker 的实验室，18岁读博。创始工程师 Kevin Wu 做出了据信是第一个蛋白质扩散模型。产品线从 Stripe 挖人，联合创始人 Jack 出自 Stripe，Munaz 是 Stripe 代码贡献前十的工程师，还有自己开过网络安全公司的 Neil。Matt 总结：说到底我们是一家软件公司，交付物是软件，所以研究员也必须是顶尖工程师。

规模化的烦恼也很真实。创业时他们有128张 GPU，Matt 觉得自己富得流油，毕竟读博时四个人分八张。现在集群大到云厂商发消息抱怨，说 GPU 太烫了，你们是不是跑太多了。他们回：这不就是目的吗。

数据从哪来：1970年的存档和万亿 token

模型要 scale，数据从哪来？这是生物 AI 跟语言模型最不一样的地方，总不能去爬互联网。Matt 介绍了两个来源。第一个是蛋白质数据库（PDB），从1970年起，全世界的实验科学家把解析出来的晶体结构一张一张存进去，没有这批人，结构预测和设计这个领域根本不会存在。第二个是序列数据库，规模大概到万亿 token 级别。Josh 补了一句让人愣一下的话：互联网上的生物序列 token，搞不好比英语 token 还多，只是大部分又吵又冗余，把数据拼起来是门手艺。

有意思的是两位创始人早年站在对立两派。Matt 是结构派，痴迷于让模型直接输出三维坐标。Josh 是序列派，ESM 的思路是用语言模型预测下一个氨基酸，模型为了做好这件事，被迫理解氨基酸周围的微环境，三维结构在模型内部自己涌现了出来。今天他们的态度是实用主义：序列派还是结构派？都要，能解决问题的就是好派。

复利从这里开始：模型变强，跑一遍序列库，吐出更多预测结构，变成下一代模型的训练数据。自家科学团队天天拿模型做内部测试，解锁一个新用法，就接着问能生成什么新数据喂回去，实验室每个实验的「尾气」也被收集起来。Josh 打了个比方，OpenAI 早年用 GPT-1 架构做强化学习，做不动，因为底座太弱，等底座够强，强化学习立刻就转起来了。生物这边正在进入同一个阶段。

十年后的药，和明天就能用的四条

聊到2035年，Matt 给了个很妙的说法。制药行业的老话是，你要么做同类第一，要么做同类最优。现在大家想要的是同类最后一个，直接给出最终答案，后面不用再迭代了。那时候的药会带着明确的设计意图：只对目标疾病起作用，不带今天很多药都有的负面相互作用。

Josh 补充了几个会被打开的空间。今天的行业常态，是找到一个八成合格的分子，为了赶时间线硬着头皮推进，帮到一些病人，一年后被别人超越，资源浪费巨大。阿尔茨海默病这种硬骨头，会因为迭代变快而变得可攻。罕见病、个性化药物这种病人太少、不经济的方向，会因为又快又便宜而变得可行。他还说，一年前还没人敢零样本生成一个分子就直接立项，现在可以了。

被问到竞争格局，Josh 给了个意料之外的答案：他们真正较劲的对象是自然界，而自然界是个相当强的 baseline。湿实验流程被人类优化了几十年，用他的话说，别人给湿实验室加了240个模块，那是 Andy 这种人二十年练出来的手艺，做出好抗体是必须跨过的及格线。他们创业的目标，从来就没定在造一只快十倍的老鼠上，他们要的是以前做不出来的药。公司内部还有一条 Jack 的守则：想长期跑得快，短期就得慢一点。模型发版不能有回归，代码库必须撑得起更多人协作。

这期节目表面讲制药，内核是一家研究型公司怎么把苦涩教训执行到位。几条可以直接搬走：

• 先建验证，再谈 scaling。Chai 敢堆算力的前提，是实验室能给出诚实的读数。检查一下你手头的项目，有没有一个骗不了人的评估指标？没有就先造一个，再谈别的。
• 给自己的系统数一数子模块。Chai-1 有23个子模块，他们嫌多。如果你的系统每个部件都要单独理解才能迭代，先做减法，再找 scaling 方向。
• 遇到人人都说「特殊」「没法通用解」的领域，别急着信。抗体曾经就是那个特殊领域，换个表示方式，它就是又一个序列预测问题。
• 招人跟着里程碑走，别跟着简历走。抗体模型没做出来之前，他们一个抗体工程师都没招，招来了也没活干。

最后用 Josh 的话收尾。他和 Matt 在这个问题上干了十年，几年前还在写论文，心里却在打鼓，这东西真能帮到病人吗。现在，Matt 在上一家公司用电脑设计的分子，已经用在了病人身上。从千分之一到百分之十五，从 Matt 家客厅的一次演示，到礼来和辉瑞的合同，这条路他们走了两年。下一个台阶，是让用户直接说出「我要一个正好10纳摩尔亲和力的结合剂」，模型照做。

---

原文链接：https://trainingdata.qiaomu.ai/ep/105-chai-discovery-s-bitter-lesson-drug-design-is-another-scalin-wv53mD.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/104-building-the-automated-agi-lab-core-automation-s-jerry-twore-2RJiaf.htmlhttps://trainingdata.qiaomu.ai/ep/104-building-the-automated-agi-lab-core-automation-s-jerry-twore-2RJiaf.html Wed, 29 Jul 2026 00:00:00 +0000 Building the Automated AGI Lab: Core Automation's Jerry Tworek and Rohan Anil

先给一组数字。QR 分解，一个 60 多年前就发明的矩阵运算，在 NVIDIA 最新的 B200 芯片上，业界标准库 cuSOLVER 只能跑出一个基准水平。人类工程师配合自动搜索循环，能快 7 倍。而全世界大概只有三个人具备的那种「高品味」高手，带着 AI 编码工具，烧了四周时间、大约 10 万美元的调用费，做到了 60 倍。

把这道题摆上桌讲的，是 Rohan Anil，Gemini 预训练负责人之一，Google Brain 时期的元老级研究者，二阶优化器 Shampoo 的一作，Google 内部出了名的救火队员，后来去过 Anthropic。

和他对话的是 Jerry Tworek，前 OpenAI 副总裁，Strawberry（o1 的前身项目）和 Reasoning 团队都归他管，把大规模强化学习真正做起来的核心人物。

两人现在一起创办了 Core Automation，旧金山最热门的新一代 AI 实验室之一。他们在 Sequoia 播客 Training Data 的这期节目里，聊的主题只有一个：Transformer 的天花板到了，下一代模型得换架构，而换架构的正确姿势，是把实验室本身自动化。

先承认它有多强，再谈替代

Jerry 最近发过一条推文：

「替代 Transformer 的第一步，是深刻理解它把我们带出了多远。」

主持人索尼娅直接问：这是给 Transformer 写讣告吗？Jerry 说，他最近的采访有一半时间在解释自己的推文。他的意思是，想替代一个东西，先得知道它擅长什么，它擅长的问题就别再碰，火力全部对准弱点。现在绝大多数架构研究在做的事，是让 Transformer 更便宜、更高效，很少有人研究怎么让它更强、更有表达力。看清强项和看清弱项，其实是同一件事，都是把它整个摸透。

他给过去六年做了个总结：业界真正掌握了两个算法，大规模预训练，和大规模强化学习。模型越做越大，拆开看，本质都在重复两种操作，MoE 和注意力，然后往里堆更多参数。

他判断，当下更好模型、更聪明系统的瓶颈，就卡在架构本身。是时候回头看看这趟开了六年的列车了。

基准分数涨了三年，真实世界纹丝不动

Jerry 的反思有一段很私人的部分。从进 OpenAI 第一天起，他就是强化学习最大化主义者，坚信把 RL 放大是通往 AGI 的必经台阶。看着 GPT-3 到 GPT-4 靠预训练一路涨、RL 几乎没动，他一直憋着一股劲：等 RL 放大的那天，所有问题一起解决。

2024 年要是有人问他 AGI 什么时候来，他的答案是 2025 年。

后来 RL 真的被放大了，他就在现场正中央。模型一个接一个地训，基准分数一条接一条地涨。真实世界的任务解决了吗？很遗憾，没有。

他看清了一个要命的重合：所有评测基准和训练任务，本质是一枚硬币的两面，训练什么就考什么。真实世界的分布要脏得多、乱得多，训练数据从来没真正覆盖它。去问任何一个训模型的人最大的痛点，答案出奇一致：找不到足够难的任务。可即便如此，真实世界的分布还是没盖住。

由此他得出结论：模型必须能在测试时学习，跟着用户，在真实任务、真实分布上边用边学。

那为什么今天的模型做不到？现有工具只有两件，各有硬伤：

• 上下文学习。好处是没有灾难性遗忘，数据效率也高。坏处是容量太小。Jerry 用 Codex 干活，大约 20 分钟就得压缩一次上下文。「我们能学的东西，就 20 分钟的量。」
• 持续微调。灾难性遗忘，数据效率低。这两个问题都不好解，好解的话早就有人解了。

所以他要找的，是一个能被元学习、能在架构层把「学习」本身表达出来的算法，并且能在长得多的时间跨度上工作。

Transformer 赢在经济学

主持人问了个技术史问题：OpenAI 早就想放大 RL，为什么最后是 Transformer 成了那个可放大的底座？

Jerry 的答案有点煞风景：两件事同时发生，起决定作用的是经济学。技术上 LSTM 也能放大，只是没人敢。scaling laws 论文对比过两者的曲线，Transformer 确实更好，但更关键的是账算得过来。训练 Transformer 的成本低于它产生的收入，这在机器学习里并非必然，算得上一种魔法。假如世界没发明 Transformer，我们大概还在放大 LSTM，模型更贵、产品更平庸，没人能说服任何人继续砸钱。

还有一层历史。OpenAI 当年押「可放大的算法」，学界主流押「更高效的算法」，同样算力下做得更好才叫科学，堆算力被反复批评不科学。今天这些模型，就是那次「不科学」的赌注换来的。

Rohan 补了一段 Google Brain 的现场记忆。Transformer 论文刚出来时，Ashish Vaswani、Noam Shazeer 那批人的工作，内部反响平平，同一届内部研究会上他讲的是在线蒸馏，没几个人当回事。原论文盯着的也是翻译这个具体问题，成绩大幅超过当时的系统。真正让所有人看到威力，要等到 GPT-2 和 GPT-3。

那这种事为什么要出来创业做？Jerry 说这是时机问题。最大的几家实验室正处在有史以来最激烈的市场竞争里，Transformer 能赚钱，资源都拿去赢下一个季度，谁也没心思认真押一个一两年后可能改写领域的东西，他跟所有头部实验室都聊过。小实验室则在全力模仿头部。所有人都在训同一个编程 agent，看最近一周的发布就知道了。总得有人走别的路，这是 Core Automation 想填的生态位。

Rohan 又补了一刀，解释为什么大厂内部也难做这种研究。他问过不少实验室里最好的研究者，把预训练和 RL 端到端合起来优化，大家都点头说值得探索，但排不进最高优先级，因为下一个发布周期的模型等着训。token 没有粘性，用户随时会换，公司只能卷发布周期，六个月以上的长期研究在很多实验室已经排不上号。

计算深度不足，和被冻结一年的模型

Rohan 给架构下了个极简定义：架构就是花钱的方式，决定计算怎么花。

现状是这样的：预训练造出一个固定上下文长度的 Transformer，RL 来了说这不够，我要更多计算，怎么办？一次吐一个 token 地往上加。这在推理侧极其低效，于是全行业都在做 speculative decoding 这类补丁，本质是给「一次只能生成一个 token」这个设计打补丁。

Transformer 的老毛病叫计算深度不足。现在训练的模型大多不超过一百层。深度学习当年叫「深」学习，图的就是更深的表示，可到今天，没有人真正展示出模型学到了极深的表示。思维链加 RL 是一种加深的办法，每多一个 token 就多一条计算路径，推理时扩展由此而来，代价是模型为了变好必须吐更多 token，还是一个一个吐。Rohan 说，光是把「怎么增加计算深度」这个问题正经摆上台面，就能开出二十个新方向。

他还讲了两条大厂研究的现实。第一，基础研究从立项到进入产业，过去通常要五六年，前提是组织层面认定它重要，他在 Google 时是预训练最大化主义者，一门心思训最大的模型，这种内心的信念缺了就做不成。第二，理论上最优的架构没有用，得在硬件上跑得快，得有人写 kernel（算子内核）、做生产化，端到端闭环，全世界有这种整合团队的实验室屈指可数。他担心的是，放任现状，替换 Transformer 的时间会比应有的更晚，而 token 成本已经有人抱怨，前沿模型能服务到的人群其实很小，从 Google 服务十亿用户的心态出发，总得有人把效率打上去。

Jerry 对天花板的判断，来自一个思想实验。预训练把互联网知识蒸馏进模型，RL 把想要的工作流烤进去，Transformer 的极限是装下人类已有的全部知识，学会任何有训练数据的任务。然后问一个问题：如果 OpenAI 和 Anthropic 今天停止训练新模型，就用手上这个最强的，一年之后会发生什么？

答案是它变得越来越没用。世界会出现新事件，事件之间有新关系，会有新任务、新代码库、新工具。Transformer 的价值必须先出现在训练里，它才有用。它有适应能力，但很小，很不灵活。

所以在 Jerry 眼里，Transformer 是一件需要人类操作的工具：得有一个懂它局限的人写好 prompt，模型搞砸的任务回收进训练数据，再由实验室重新训练，整个改进闭环必须经过实验室。

主持人提到 David Silver 和 Rich Sutton 的文章《体验时代》，问他认不认同。Jerry 说，从经验中学习这件事一直都在，RL 也不新，TD-Gammon 上个世纪就解了双陆棋，后来是围棋、星际争霸、Dota，现在是编程，每一次都是模型写自己的经验、再从经验里学。真正有意思的是，RL 只是从经验中学习的一种数学形式，它并非终点。现在的 RL 特别依赖并行 rollout，靠它降方差、对比模型在平行世界里的表现，人类学东西的方式跟这完全两回事。

他打了两个比方。踢足球很像 RL，一脚一脚踢，每次微调一点，看结果跟预期差多少，自我强化就发生了。学数学完全是另一种，读很难的概念，在脑子里反复想，直到某天「咔哒」一声全连上了。两种都是从经验中学习，机制却完全不同，大脑里可能不止一种学习算法，它们协同工作。我们正把史上最多的算力花在「从经验中学习」上，但 RL 不会是这件事的尽头。

困惑度是错的尺子

Rohan 的切入点是测量。预训练的本质是压缩，指标是困惑度，然后发现堆参数、堆算力，每翻一个数量级，指标涨一小截。他说这适合造先验，但用困惑度看问题，从一开始就瞄错了靶子，应该看端到端的结果。

他举了个例子，顺手把老搭档卖了：他训一个模型交给 Jerry，Jerry 拿去做 RL，会把他所有的困惑度指标全部摧毁。那这个指标还剩什么意义？预训练是走到今天最好的打底方案，下一步得把预训练和 RL 合成一个训练过程来看。一个数量级的效率提升，就从合并这里来。

合并这件事，顺带牵出他的老本行，优化器。2016 年他在 Google 做逻辑回归的大规模优化，玩的是神经网络兴起前的大规模线性求解器 Sibyl。同事 Vineet Gupta 有一天走到他工位前：听说你优化方法写得好，我们在白板上磨了个想法，帮我们实现，并且确认它能放大到神经网络训练。那就是后来的 Shampoo。

经理 Yonghui Wu 一路支持到 2024 年他离开，社区里大多数人则不感冒：用 Adam 不行吗，时间花在别处不好吗。后来 Shampoo 用在了 Gemini 1.5 Flash 上，社区才热起来，SOAP 等论文跟进，大约 2 倍的提升。他自己的评价更狠：Shampoo 依然很弱，训练时可用的大量信息根本没被用上。

优化算法决定了你能发现什么架构。这是他反复强调的一句话。残差连接对训练深网络极其有用，现在有人用更强的优化器把残差连接去掉，照样学到深层表示，前提是优化器够强。优化器和架构是一枚硬币的两面：强优化器配难优化的模型，弱优化器配好优化的模型，到处都是这种取舍。

RL 那头同理。模型要解码一长串思维链，才能把一比特的信息写进网络，反馈还稀少。这是最容易拿到数量级提升的靶子。

主持人问：能追上生物学习的效率吗？Rohan 的回答很干脆：至少在现有硬件上，够呛。他引 Jeff Dean 的说法，人脑是自己给自己建模计算：边长大边搭电路、边搭学习算法，死了，就都没了。神经网络反过来，硬件一直在，学得却很慢，要靠大量并行才能挤进去一点信息。除非硬件走向模拟电路、解决误差校正，否则差距还在。「我们（人类）是安全的。」

一座想让自己失业的实验室

Core Automation 的使命，Jerry 的总结很短：造一个能从部署中持续学习的模型。Transformer 做不到持续学习，也没有办法把持续学习装进 Transformer，所以必须找新架构。找的办法，是把实验室本身做到最自动化：快速、大规模地做实验，带着强先验，高效搜索架构空间。

他们的自动化观有点特别。Jerry 说，自动化的版本是给每个人最大程度的能动性。人走路有走路的距离，骑车能去更远的地方，开车能去更远得多的地方。人手耕田只能种一小块地，有了机器就能种一大片。把人从环里彻底拿掉，暂时不在目标清单里。

速度指标很具体：今天的流程下，一个研究者一天能跑成至少一个完整实验，就已经超过以往任何时代的迭代速度。没有哪条物理定律拦着，也许有一天是每天 10 个，再往后 100 个。整个团队高度 agent 化，用一个小团队，测一测组织效率的极限在哪。

AGI 的定义，Jerry 现在给得很具体：

「AGI 是一个能在完全没有人类参与的情况下改进自身的模型。」

这是「在经济价值工作上超过所有人类」的子集，因为改进 AI 模型本身就是人类在做的高价值工作。而把人类从环里拿掉，到目前为止出了名的难，他几乎找不到 LLM 纯自动跑通的任务。人和 LLM 的混合体非常成功，纯 LLM 则完全不行。2024 年到 2025 年初他看明白了：现在这条路到不了那里，需要在测试时学习上做真正严肃的研究。

六个月路线图，Rohan 讲得很实：自动化 kernel 生成。他们手上有 Blackwell 架构的 GPU，要压缩的时间是从「一个能让瓶颈消失的架构新想法」到「在 GPU 上跑到最高 TFLOPs」的距离。QR 内核比赛就是标杆：cuSOLVER 是基准，人类加搜索循环 7 倍，那位高品味人类带着 agent 烧 10 万美元做到 60 倍。今天的模型离 60 倍很远，把 Anthropic、OpenAI、Gemini 的模型拉来，这道题都解不了。这就是他们想自动化的内环。

为什么死磕 kernel？Rohan 做过三个项目，两个进了产业，两次都卡在同一处。二阶优化方法，kernel 是生死线，在 Google 不可能花 10 倍算力换 2 倍收益，预算只有 20%，kernel 效率决定项目活不活，全公司能写那种 XLA 深水区代码的只有两个人，写了两年。N-grammer 是 2020 年和同事做的项目，用额外的 n-gram 记忆替代 Transformer 的一部分参数，需要硬件加速稀疏的 gather 和 scatter 操作，跟 TPU 团队的会约了又约，赶上疫情，硬件始终没来。等他快离开 Anthropic 的时候，DeepSeek 发表了改进版的同类思路，用 n-gram 嵌入替代 MoE，scaling 曲线成立。一个想了五年的想法，别人先做出来了，他说挺为对方高兴。

他的结论：不写 kernel，架构搜索的一大片状态空间根本进不去。QR 这类基础操作跑得够快，训练、优化器、特征值分解的一整套新算法才打开。

怎么知道自己找到了？Jerry 的经验是，每一份成功的研究，都有一张别的曲线画不出来的图。那张图出现时往往已经很晚，因为早知道自己要找什么。他半开玩笑说，这辈子最好的几张图，都是先在梦里见到的。深度学习系统环环相扣，通常要连对五件事才能跑起来。他们要找的是测试时学习的系统，判据很日常：Core Automation 的系统每天都在变擅长做 Core Automation 科学家的工作。团队集体去度假一周，看实验室自己能不能产出更好的东西。度假回来发现有效果？那就把假期延长，两次、四次，直到永久假期。

最后，把这期节目里明天就能用的东西列出来：

• 给依赖的 AI 产品做一次「冻结测试」：假设模型一年不更新，现在的工作流还剩多少价值。哪些环节在吃模型的新知识，哪些环节真正需要持续学习。前者是工具，后者才是护城河。
• 评估模型和 agent，只看端到端结果：基准分数和困惑度式的代理指标，会被下一个环节的训练摧毁。拿自己的真实任务跑一周，记录成功率和返工率，比看任何榜单都有用。
• 挑一个有明确验证标准的瓶颈问题，让 coding agent 跑一次搜索循环：QR 比赛给出的参照系是，人类加自动搜索能拿 7 倍，舍得烧 10 万美元 agent 费用能冲 60 倍。工作里那个所有人都忍着的低效环节，值得先花一个周末试试。

Jerry 在节目最后留的那句话可以当注脚：最好的图先在梦里出现，剩下的时间，是把五件要对的事情一件件连上。

---

原文链接：https://trainingdata.qiaomu.ai/ep/104-building-the-automated-agi-lab-core-automation-s-jerry-twore-2RJiaf.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/103-factory-s-matan-grinberg-the-coming-dark-factory-where-softw-ZesOuk.htmlhttps://trainingdata.qiaomu.ai/ep/103-factory-s-matan-grinberg-the-coming-dark-factory-where-softw-ZesOuk.html Tue, 21 Jul 2026 00:00:00 +0000 Factory's Matan Grinberg: The Coming ‘Dark Factory’ Where Software Builds Itself

先讲一个少见的公司操作。Factory 创业头两年，营收爬到了将近200万美元。然后 CEO 决定：把这些钱，全部退给客户。

理由很直接。销售把东西卖出去了，开发者用得却不开心。继续收钱等于埋雷，客户迟早流失，口碑一起赔进去。于是全退，并承诺三个月后再来，这次保证让客户满意。

讲这个故事的人叫马坦·格林伯格（Matan Grinberg），Factory 联合创始人兼 CEO，公司做软件开发的自主智能体，内部叫 droids。这是他第二次上红杉的播客 Training Data，主持人帕特·格雷迪（Pat Grady）说，能二刷的嘉宾是少数，他们算这个赛道里的黑马：前面有 Claude Code、Cognition 这些领跑者，Factory 正在追上来。

这期对话密度很高：怎么熬过「早两年等于错两年」的沙漠期，为什么支持多家模型的 harness 反而比模型厂自家的更强，token 的钱该怎么分配，以及一个具体预测：12到24个月内，90% 的 token 会变成异步任务。逐段拆。

早两年，和错两年，是一回事

Factory 成立于2023年4月。那时候企业市场连 GitHub Copilot 都刚消化完，全自主智能体纯属超前。马坦形容头两年是「沙漠之旅」：方向后来被证明是对的，但工程师没准备好，企业采购更没准备好。

帕特想夸他愿景超前，他的回应成了这期节目的金句。

「提前两三年，和做错，是一回事。」

他的解释很实在：没人给「早」发奖金，没有安慰奖，要么做成，要么没做成。他本人从博士退学创业，之前从没上过一天班，企业销售对物理学家完全是陌生领域。两年里，他说服了20个自己认识的最聪明的人辞职加入，这些人有家庭有孩子，陪着公司一家家客户敲门。

沙漠没白走。他们摸清了企业客户最在意的底线：模型独立性，别让任何人掌握自己的命运。企业吃过云时代的亏，AWS、Azure 当年签三年长约，补贴价便宜得很，续约时直接翻十倍。想跑？先来一次两年的迁移。所有人都留了疤。

所以面对 Claude Code、Codex 这些自带分发的产品，Factory 的打法是：企业照样能用到顶级模型的性能，但不被任何一家模型厂锁死，新模型更快更便宜，直接热插拔。

帕特追问：那会不会只是把锁定对象换成了 Factory？马坦的回答是，所有自动化脚本、技能注册表、配置产物都留在客户自己的代码库里，Factory 手里没有扣着不放的「部落知识」，帮客户做模型套利省下的成本也归客户。建立信任的方式，是让客户随时可以走。

退钱的逻辑：让客户痴迷，才算数

回到退款。驱动这个决策的，是 Factory 的一条运营原则：创造痴迷的客户（create obsessed customers）。

这是对贝索斯「客户痴迷」的一次翻转。马坦认为，对客户痴迷是个输入指标，输入指标不值得考核。原话相当损：

「你可以对客户痴迷到他们给你申请限制令。」

他打了个篮球的比方：教练不会在赛前叮嘱队员「记得出汗」，教练说的是「得分」。出汗是得分的副产品。同理，对客户痴迷是手段，客户痴迷于你才是结果。考核输出，别考核输入。

拿这把尺子一量，当时的产品不及格。于是有了退款，有了那场全员会。马坦说那是他人生最糟的月份之一，会议室里所有人的脸都白了：这是不是沉船前的信号？对投资人也不好开口，他记得跟红杉的肖恩·马奎尔（Shaun Maguire）摊牌：之前那些「营收在涨」的更新，马上要归零了。

团队没散。他的归因有两条：一是早期招人极其狠，只收真正痴迷于「把自主性带给软件工程」这个使命的人；二是不装，直接承认处境有多糟，竞品营收疯涨，我们把营收退光了，必须振作。队里有赛艇运动员，赛艇是纯粹的痛苦运动，一个数字衡量一切。共同熬过谷底，才铸出最深的纽带。

一个背景数字：Factory 起步估值500万美元。马坦说，如今很多竞品生下来就是独角兽，从没体验过缺钱的滋味。而他的团队见过谷底，没有一个人离开。

反直觉：多模型 harness，比原厂自家的更强

转折点很具体：2025年9月26日，Factory 发布 Droid CLI，一个能接入所有主流模型的命令行智能体，性能当时是第一梯队。选时点有讲究，公司成立两年多，市场也终于就位：大多数工程师已经在用自动补全，开始尝试对话式地派活给智能体。

主持人索尼娅·黄（Sonya Huang）问了个自然的问题：模型变强，是不是最重要的变化？马坦说不完全是。最大的变化是开发者，尤其企业里的开发者，愿意放下防备去试了。工程师的工作流花了30年建立，很多人原本的态度是「我的手艺 AI 干不了」。改变靠几股力凑到一起：模型确实强了，要设的护栏少了；组织里更「智能体原生」的同事开始示范；还有 Andrej Karpathy 的推文，他一松口，一批工程师跟着改观。听起来好笑，行为改变就是这么发生的。

接下来是全场技术含量最高、也最反直觉的一段。业界默认假设：自己训模型，自己写 harness，协同设计，效果最好。索尼娅也是这个直觉。马坦说，他那些 OpenAI 和 Anthropic 的朋友听了会沮丧，但事实相反：支持多家模型的 harness，会比单一模型配套的 harness 更强。

他给了一个类比。GPT-3 之前，很多人想用自己的全部数据训练「懂我」的私人 AI，结果答案是：拿整个互联网训练出来的模型，比只用你的数据训练的好用得多。映射过来，数据之于模型，等于模型之于 harness。喂给 harness 的模型越多，越不会过拟合到某一家模型的怪癖，还能把从一家身上学到的技巧，用来改进另一家的表现。

证据很硬：在 Terminal-Bench 被刷爆之前，每个新的 Opus 或 GPT 模型发布，在 Droid 里的跑分都比在 Claude Code 或 Codex 里更高。模型厂当然希望自家模型配自家 harness 才最强，这样用户只能买全家桶。现实没配合。

harness 的功力藏在哪？马坦列了几项：

• 缓存命中率。缓存命中的 token 价格大约是十分之一，缓存策略直接决定成本。
• 压缩时的信息保持。长会话会超出上下文限制，harness 要做摘要压缩，业内叫「大海捞针」测试：长线程里埋一条关键信息，压缩后还在不在。
• 工具调用的稳健程度，能不能用环境验证自己干的活。

他还用两个模型的「性格」举例。Opus 像那个特别好相处的同事，跟它说有20件事要干，它回复：其中5件其实不用干，我换了个更省事的做法，晚上喝一杯？GPT-5.6 则是强迫症式执行者，20件事一件不落，不睡完不成。早年 Claude Code 在 harness 层面严格盯住待办清单，因为模型本身爱跑偏；Codex 不用盯，模型自己就是强迫症。但用户要的是一致体验，换模型，待办清单不能凭空消失。清单为什么重要？一次大规模迁移做到第七步，会话压缩把清单弄丢，智能体忘了第七步是什么，故障就来了。

顺带说基准测试。Terminal-Bench 是他们当年力推的，比偏 Python 单文件改动的 SWE-bench 更贴近真实开发，如今已被刷到90%分。好基准的半衰期只有三到六个月，很快进训练数据。

token 的钱，从狂刷走向分配

节目里有一段企业 AI 采购的阶段性总结，相当生动：

• 阶段零：没人信 AI。
• 阶段一：全信了。董事会问 CEO，你的 AI 战略呢？CEO 回头吼 CTO，让所有人都用起来。
• 阶段二：CTO 把 AI 使用量写进绩效，公开排名谁用的 token 最多，因为工程师固执，不推不动。
• 阶段三：token 狂刷。所有人拿最贵的 Opus 干一切，包括问旧金山今天天气。

马坦说，有合作的银行每个月花几十万美元，就花在「天气怎么样」「讲讲 Python」这种谷歌一下就有的问题上。根源是当年太怕没人用，矫枉过正，不计代价换采用。他觉得这个顺序反而对：先证明有用，再谈成熟，比一开始就限制用途快得多。

Factory 的解法是 Router，按任务动态路由模型。问天气用不着人类智能的最前沿；COBOL 老代码库，微调过的专用模型可能比 Opus 合适；要可靠性，可以 OpenAI 生成、Anthropic 测试、Gemini 复查。路由规则甚至能用自然语言写，比如「别让 Pat 用开源模型」。索尼娅补刀：那就给 Pat 上 Gemini Flash。

开源模型的进展是另一个数据点。马坦对 GLM 5.2 的评价是「不可思议」：Factory 内部工程师不设 token 上限，一半的内部 token 流向开源模型，更快、更便宜、性能不差。他提醒一个常见的比较错误：GLM 5.2 该对标上一代的 Opus 4.7 或 GPT-5.5，拿它跟最新款比当然差半代，开源模型天然晚一步。真正该问的是：开源模型能不能追平「前沿减一代」？答案明确是能。

趋势数据：年初，Factory 客户侧流向开源模型的 token 不到1%；一季度到个位数百分比；现在已经跨入两位数。他的预测是，token 份额最终会渐进趋向开源占绝大多数，因为更便宜、选择更多，但永远到不了100%。前沿智能永远有价值，关键决策的那1% token，杠杆完全不同。

他管这套思路叫智能分配，配了个生活版：给女儿找代数家教，不用请爱因斯坦，高中生就够了，除非她将来要当物理学家。推到工程师身上同理：一天里大部分时间脑力占用其实很低，写文档是典型。Stripe 靠顶级文档吃过红利，但让最聪明的工程师花几小时写文档，是低杠杆用法。把低杠杆时刻全部自动化，让「灵光一现」从一天几分钟，变成一次几小时。

商业模式也顺着这个逻辑走。现在按用量计费，跟客户利益对齐，按席位没道理；他判断2030年代会走向按结果付费。他描述了一个准市场形态：买方是要完成任务的工程师，模型厂按任务报价竞标，报高了亏本，报低了没利润，成败由验证闭环判定。任务怎么切分还是难题，但工具越强，切分越容易。

黑灯工厂：把公司当一个 AGI 来调参

公司名字的来历也交代了。灵感之一是特斯拉工厂，机械臂满场跑，马斯克说工厂是「建造机器的机器」。终极形态叫「黑灯工厂」：灯全关着，生产照常进行。Factory 押注软件开发正在走向这个形态。

马坦对现状的判断很刻薄也很准确：每家公司其实都已经有一个软件工厂，只不过极其低效，像前工业时代的手工缝纫。一家万人以上的公司，一个功能从决策到发布，流程里牵扯几百甚至上千人，而且大概率没人能把这条流程画出来。靠的是「去问那个干了30年的老师傅」、层层审批、某份没人记得的检查清单，全是部落知识和人工冗余。

他引用了杰克·多西（Jack Dorsey）的一篇博客：每家公司都像一个 AGI。既然是 AGI，就该优化权重，搞清楚哪些节点承重、哪些节点该加 token、哪里该加节点。训模型不能靠感觉做反向传播，得真跑数字。现实里的公司呢？token 预算靠拍脑袋，裁员两万人也靠拍脑袋。不可能有什么科学能论证两万这个数字，那就是先砍一刀看看。

往后推两年，CIO 要回答的问题会从「每个增量 token 给谁」变成「每个增量美元给谁」：加人头还是加 token？加到哪个部门？销售团队加 token 大概率没用，好销售的价值在跟客户面对面坐下来的那段时间；工程团队加 token，产出实打实涨。这些判断需要数据闭环：功能上线，留存动没动，使用量动没动。马坦说，十年后回头看现在这个软件时代，会像看到不做记账的远古生意。帕特补了一句：像《广告狂人》里的营销，全凭创意，没人知道什么真的有效。

由此是核心竞争力的重新排布。马坦见过反例：一家消费物流公司坚持自研软件开发智能体，半年后想明白了，核心竞争力是物流，雇 AI 工程师干这个纯属浪费。类比很简单：互联网早期，开披萨店得先雇程序员做网站；今天没有披萨店设工程部门，也没人觉得可惜。AI 会逼所有企业做一次冷酷的聚焦：核心的事加倍下注，其余的外购。

对未来的预测，他给了一个具体数字：12到24个月内，90% 的 token 会是异步的。现在的 Claude Code 用量看着凶猛，但全是同步的，工程师哪天集体病倒，用量直接归零。真正的智能体原生时代，是 droid 自己在后台跑：发现一条客户信号，自己动手修，或者先出个初版方案。灯关着，活照干。

他也泼了冷水：短期会有剧烈动荡，很多公司错配了资源，组织虚胖，纠正的过程会非常痛，他认为每个 AI 公司的 CEO 都该为此承担比现在更多的责任。长期他完全不信「工程师要消失」。世界上问题很多，一大类可以用软件解决，真正被软件解决的只是一小部分。被释放出来的工程师，会流向那些从没被解决的问题，从政府网站这种糟糕体验，到制药研发这种长期缺软件人才的领域。他给行业的期许是，这个重新分配别花十年，争取六个月到一年。

明天就能用的五件事

聊到客户怎么完成这场转型，马坦给的答案朴素得意外。表现最好的客户，做的往往是同一件事：全公司黑客马拉松。划出一天，所有人放下手头工作，就用 AI 造东西，造出来一塌糊涂也没关系，重点是定下基调。EY 是他们最大的客户之一，算不上 AI 前沿公司，态度却很明确：之前的转型迟到过，这次不迟到了，搞砸就搞砸，先跑起来。

另外两条分野：敢喊「没有圣牛」，把现有流程整个推倒试新方案，不行再放回去；变革由内部发起，来自技术团队和一线，比董事会空降的指令成功率高得多。

最后是可以直接抄的清单：

• 考核输出，别考核输入。别统计团队「用没用 AI」，去统计 AI 参与的工作有没有真的改善留存、使用量这些结果指标。
• 给每个增量美元做分配决策：加人头还是加 token，加到哪个团队。销售加 token 基本无效，工程加 token 回报明显，先从这两个极端校准。
• 别把命运押在单一模型上。按任务路由，写代码、测试、复查可以分属不同模型，COBOL 这类老系统试试微调专用模型。
• 写验证标准时往死里严格。智能体为了通过测试，是会把代码整个删掉的，「问题解决了，因为代码没了」。
• 如果团队还没动起来，先办一天全公司黑客马拉松，允许失败，别设圣牛。

---

原文链接：https://trainingdata.qiaomu.ai/ep/103-factory-s-matan-grinberg-the-coming-dark-factory-where-softw-ZesOuk.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/102-anthropic-s-katelyn-lesse-angela-jiang-building-an-ecosystem-vPnVTH.htmlhttps://trainingdata.qiaomu.ai/ep/102-anthropic-s-katelyn-lesse-angela-jiang-building-an-ecosystem-vPnVTH.html Tue, 14 Jul 2026 00:00:00 +0000 Anthropic's Katelyn Lesse & Angela Jiang: Building an Ecosystem, not a Walled Garden

一年前，Katelyn Lesse 加入 Anthropic 的时候，整个开发者平台基本就是一条 Messages API。无状态，调完即走，配上 SDK 和文档，就这些。

一年后，这个平台上跑着托管智能体、自托管沙箱、技能和记忆标准，最上面还长出一层叫「策略」的新东西：token 不再是均质的燃料，每个 token 都能领到一份具体工作，有的负责执行，有的负责出主意，有的干完活还要被打分重来。

这是红杉资本播客 Training Data 最新一集的内容，嘉宾是 Anthropic 平台的两位负责人：Katelyn Lesse 和 Angela Jiang。对外，这个平台是所有开发者接入 Claude 的 API 和工具；对内，它是 Claude 自家产品脚下的地基。Katelyn 之前在 Stripe，管过那份让全公司紧张的 AWS 账单。主持人 Sonya Huang 的开场定位是：这可能是世界上最重要的开发者平台，没有之一。

有意思的是，这个团队有两个北极星。Angela 自己也承认这不合常理，但理由很清楚：内部那条，是给自家团队最大的杠杆，让他们快速把「AGI 味十足」的产品发出去，速度是刻意追求的；外部那条，是让任何开发者都能用 Claude 造自己想造的东西，所以平台要贴着业务走，他们会花大量时间和 AWS、Google 这些云厂商做集成。

两个北极星底下压着一条铁律：内部团队和外部开发者用同一套原始件（primitives）。很多平台公司会把内外两套拆开做，Anthropic 刻意不拆。理由是模型能力涨得太快，形态根本定不下来，两年前所有人说「一切皆 chat」，现在所有人说「忘掉 chat，全是 agent」，下一个形态是什么没人知道。他们的办法是内部先吃自己的狗粮，同时开放外部早期访问，两边收反馈，避免偏科。

三层蛋糕：知识、执行、协调

Angela 把平台画成一个三层蛋糕。

• 知识层：Messages API 的参数形状、工具标准、技能（skills）、记忆（memory），还有 MCP。这一层解决「Claude 知道怎么干活」。
• 执行层：光知道不够，模型得真的动手，改文件、跨系统操作、跑长任务。这一层是低层 harness 加托管基础设施，比如带治理和安全的沙箱、能暂停再恢复的会话存储，对应产品是 Claude Managed Agents。
• 协调层：还在成形，Angela 叫它 strategies，一个「元 harness」。核心想法是给不同的 token 分不同的工作：这个执行，那个给大模型当顾问，还有的专门「做梦」，或者干完活被一个打分员检查，不合格就重来。

路线图就藏在这个结构里：抽象层会一路从知识层走向执行层，再走向协调层。

为什么要往上盖？Katelyn 给了个很实际的理由。模型越来越能跑长任务、处理大上下文，客户在反复解决同样的问题，Anthropic 内部也在反复解决同样的问题：怎么起一个合规安全的沙箱，怎么存会话让人随时回来续上，怎么管缓存、管成本。与其让每个客户自己拼积木，不如把 Anthropic 踩过的坑打包成现成的抽象。

顺带说一句，现在的 Managed Agents 其实没那么「高层」，工具、技能、系统提示、MCP 服务器全都开放配置，旋钮很多。她们的终局想象是：告诉智能体你要什么结果、预算多少，然后放手。

客户的分化也很清晰。AI 原生创业公司直接拿原始件自己折腾，他们享受在底层爬坡；其他企业更愿意买打包方案，拼装工作流本来就不是他们的核心竞争力，他们要的是给用户独特价值。

不建围墙花园：跑在谁的服务器上，他们不在乎

单集标题里那句「建生态，不建围墙花园」，Katelyn 用几个具体动作做了注解。

Claude Managed Agents 支持自托管沙箱，Anthropic 跟 Modal、Vercel、Cloudflare，甚至亚马逊新推出的微型虚拟机都做了合作，任何一家的基础设施都能插进来。他们还发了 MCP tunnels，让企业能穿透防火墙，调用自己内网里的 MCP 服务器。

「跑在我们的基础设施还是别人的基础设施上，我们其实并不在意。」

Katelyn 补了半句：他们真正在意的是架构，智能体怎么搭才强大、可靠、可扩展，这件事他们有强烈观点，开发者只要对齐接口就行。Angela 提到 skills 和 MCP 这类标准时说得更干脆：Claude 要有用就得有这些东西，那就直接开放给生态，跟所有人一起建。

她把这套逻辑比作电。有电之前，人类靠蜡烛，能干的事有限。电之所以成为改变一切的公共事业，是因为它能接进所有东西，人人都能用，还有标准插座。这件事没有任何一家公司能自己干成，必须跟整个生态一起把路修出来。

生态里已经有人跑出了花样。Katelyn 讲了一个客户案例：这家公司在 Managed Agents 上建了一批智能体，又在别的模型和平台上建了另一批，各自优化到最强。然后他们冒出一个想法，给其中一个智能体暴露一个 MCP 服务器，让另一个智能体把它当工具来调用。Anthropic 团队坐下来跟他们一起过了一遍，跑通了。智能体调用智能体，这件事已经发生。

还有一类客户在跟老软件搏斗。医疗行业的客户说，我们的系统连 API 都没有，那都是奢望。于是他们用 computer use 去做自动化和连接，有人拿一台笔记本电脑跑一堆东西，自动生成智能体能用的接口。Angela 看下来的结论是：眼下最让人兴奋的创新，大量发生在上下文和连接这一层。有客户给自己搭了定制的软件开发生命周期，有客户把整个后台职能自动化，各种上下文流式灌进智能体的细节非常讲究。这类创新没长成什么新产品形态，全部体现在「对用户有用到极致」上。

Claude Tag 被骂「Slack 机器人」？重点全在水下

Anthropic 自己做产品有两条线。第一条是形态实验。Claude Design 是个例子，表面看像进军设计领域，实际是在验证两个假设：一是能不能把更多事情直接丢给 Claude，少编辑、多对话；二是代码能不能取代传统的所见即所得设计工具，让 Claude 直接生成代码来做设计。早期实验发现，还真行。这些实验来自他们的 labs 团队，很多项目内部酷两周就翻篇，大部分根本不会发布。

第二条是真看 TAM。他们挑领域有个共同标准，Angela 叫它 token hungry：一轮干完，用户的反应是「太爽了，我要再来一轮」。编程就是典型，干完一轮你觉得被解锁了，想建更多东西；有的服务干完一轮任务就结束，这种兴趣不大。已公开的垂直化方向是金融和法律，最近发了 Claude for Financial Services，打包了技能包，还配了教人用 Managed Agents 做金融任务的 cookbooks。

打包思路的代表作是 Claude Tag。发布的时候外面吵翻了，说这不就是个 Slack 机器人吗。类似的内部智能体平台，Shopify、Block 这些公司都自己搭过，从 Slack 里就能调用。Anthropic 做的事，是把这套东西打包成谁都能直接用的产品。

Angela 的回应：界面确实就是在 Slack 里 @它一下，但真正的重点藏在水面之下，上下文工程、主动性、整套 harness。Andrej Karpathy 的评价很到位，这是一个组织级的 harness。它的体验目标是像同事：你入职一家公司，同事进你的频道，你跟他聊，他会主动把事办了。

对非技术员工，这是巨大的解锁。想知道报销单怎么交，以前要问经理、问同事，跑好几个地方；现在建个频道，@Claude 就行。

再往前看一步：Slack 只是今天的界面，有人在 Teams 协作，有人在 WhatsApp 群里，还有人发邮件。智能体可以占据所有这些人类已经占好的位置。界面会不断更换，水面下的复杂度才是越来越难做、也越来越值钱的部分。

低层 harness 的红利见底了

Sonya 问最佳实践。Katelyn 给的清单很朴素：prompt caching，做，能省很多钱和 token 成本；上下文窗口保持干净，旧的工具调用清出去；有些工具调用用编程方式处理，别把所有东西都灌进上下文；还有 evals，她开玩笑说聊了这么久才第一次说到这个词。

然后是重点：低层 harness 里能榨的油水不多了，真正的创新空间在上面一层。同一个 token 预算，你可以全部拿来执行，也可以分一部分出来：让某个模型反思过去的会话、把经验写进记忆，下一个智能体就能干得更好；用大模型给小模型当顾问，小模型负责执行；或者执行完让一个打分员进来检查，不合格就重来。

Angela 解释了为什么低层在贬值：两年前，harness 本质是脚手架，你得在两边砌墙，模型才能走直线。现在的模型非常可引导（steerable），方向性的东西写进 prompt 就行。如果你的 harness 里还有负责「转向」的部分，可以删了，模型自己会拐弯。harness 剩下的核心工作是让它跑得更久，从 A 到 B，再到 F、到 Z，最后回来汇报。

那要不要做领域专用的 harness？Katelyn 先提醒了一句：大家说 harness 时指的东西五花八门，有人指那个用户、模型、工具来回调的循环，有人指打包好的工具集，一半争论源于定义没对齐。她们的观点是：要，不存在通用 harness。编程是通用能力，但特定领域有一块必须自己定制，模型和你的执行系统之间的校验逻辑。法律、金融这种错一点就有后果的领域，调好这最后一小段，回报巨大，这就是你的产品和别人的产品的差距。至于上下文工程，Angela 觉得有点被过度讨论了：任何 harness 都能处理很多上下文，你有数据，你就有独特优势，如此而已。

从 token 狂飙到 token 理性

Sonya 给当下起了个名字：行业经历了 token maxing 时刻，现在进入 token rationalization 时刻。两位嘉宾都认这个框架。Angela 的判断是，模型能力涨到某个程度，智能这块先打满，下一个维度要么是成本，要么是速度，而且在各种复杂度的任务上都会轮一遍。

她给企业最重要的一条建议：别停用 AI。很多公司的 AI 支出是从影子 IT 长出来的，员工自己想办法装工具，等管理层发现的时候，一半组织已经装上了 Claude Code。这时候一刀切限额是最糟糕的应对。如果 AI 带来了真实回报，发版更快、运营更省，那是收益，不该砍。

正确姿势是搭路由：任务进来，先评估复杂度，难题路由给又大又聪明的模型，简单题给便宜模型。她顺手回应了一个提问：这类路由能力以后会做进 Claude 的体系里，但只限 Claude 家族内部，他们没兴趣帮你把流量路由到别家模型。

Katelyn 补了一个行业观察：曾经大家觉得 harness 和智能体可以跟模型解耦，底下随便换模型，所以路由器很火。现在玩家们上移了一层，Vercel 就把整套 harness 和智能体跟模型家族绑在一起卖。这个方向她认为是对的，harness 应该跟模型家族调到一起。

她还在 Stripe 的经历：那时候大家盯 AWS 账单盯得很紧，有人写了个后台任务没配好，CPU 空转烧钱，护栏系统会发现，然后会有礼貌地请那位工程师把任务关掉。AI 支出也会走到这一天。危险的是简单粗暴设上限，聪明的是事后复盘：同一个结果，你可以用 Opus 跑一整晚，也可以用更聪明的策略，用低得多的成本拿到。

用量结构也在变。编程之外，制造业最近明显抬头，团队里有位 PM 专门飞了趟底特律，去看客户到底在拿 AI 干什么。

明天就能用的几件事

下一阶段 Anthropic 要主攻的，是把「组合策略」做成产品。Angela 举了抓 bug 智能体的例子：一个智能体出去抓 bug，回报有限，常见的两根杠杆是换更大的模型、跑更久。实验发现还有第三根，best-of-N，同时派 N 个智能体再挑最好的，回报高得多。难点在于把它做进生产环境，要搭一堆定制 harness。难而有效的地方，就是超额收益所在，Anthropic 想把这部分变容易。她们内部随口能说出 5 种 token 的工作，开放给生态之后，可能是 10 万种、20 万种组合。她们想服务好的是两类人：企业客户要安全合规，要能把记忆这类组件单独插拔；周末开发者要更开放、更可折腾的东西，最好拿着就能跑。

把这一集的干货收拢成一份清单，明天就能动手：

• 今天就开 prompt caching，这是最便宜的一笔优化；顺手把上下文窗口里的旧工具调用清出去。
• 审查自己的 harness，把负责「转向」的脚手架删掉，方向感交给模型，省下的精力先补 evals。
• 分配 token 预算时留一部分给反思、记忆、顾问和打分员。卡在收益瓶颈时，先试 best-of-N，再考虑换大模型。
• 做法律、金融这类高风险产品，把模型和执行系统之间的校验逻辑握在自己手里，这是护城河所在。
• 企业管 AI 支出，别一刀切限额。先搭复杂度路由，难任务给大模型，简单任务给便宜模型，然后像盯 AWS 账单一样事后复盘。
• 手里有连 API 都没有的老系统，computer use 现在就能跑起来，不用等谁给你开放接口。

结尾用 Angela 的电做比正合适：蜡烛时代能干的事有限，电的价值在于接进一切。平台这层的竞争，比的是谁的插座多，谁能把电接进更多业务。

---

原文链接：https://trainingdata.qiaomu.ai/ep/102-anthropic-s-katelyn-lesse-angela-jiang-building-an-ecosystem-vPnVTH.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/101-inside-zipline-s-autonomous-system-140m-miles-zero-incidents-6bGxm8.htmlhttps://trainingdata.qiaomu.ai/ep/101-inside-zipline-s-autonomous-system-140m-miles-zero-incidents-6bGxm8.html Tue, 07 Jul 2026 00:00:00 +0000 Inside Zipline's Autonomous System: 140M Miles, Zero Incidents

先看三个数字。

1.4亿英里。这是Zipline累计完成的商业自动驾驶飞行里程，全程零安全事故。负责系统工程与安全的Eric Watson给过一个换算：相当于把美国的每一条公路都跑上30遍。

600起。同样这1.4亿英里，换成人类司机来开，按事故率折算，大约对应600起事故、100起人员受伤，外加2到6起死亡。

12美元。2016年，Zipline送一单血的实际成本是300美元；现在，其海外长途配送的单件成本降到了12美元。就在这个夏天，这个数字跌破了用汽车送货的成本线。

红杉资本播客Training Data这期请来Zipline联合创始人Keller Rinaudo Cliffton和Eric Watson，主持人Alfred Lin本身就是Zipline的董事会成员，另一位是合伙人Pat Grady。两个人把十年踩过的坑摊开讲了一遍。

21家医院的合同，头9个月只服务了1家

Zipline 2011年成立，2014年转向物流。融资那会儿Keller才23、24岁，出去讲的愿景是：建一套覆盖地球的自动化物流系统，比现有方式快10倍，便宜一半，零排放。投资人最爱问的问题只有一个：这在美国是不是违法的？

答案：是。当时美国连无人机超视距飞行都不允许。多数投资人听完直接表态，我们不投违法的东西。

于是他们去了卢旺达。2016年，Zipline在卢旺达启动商业运营，给医院和基层医疗机构直送血液。用例足够硬，政府愿意全力配合，专门为它开了监管豁口。

然后现实给了第一巴掌。合同签的是21家医院，头9个月只服务了1家。卢旺达的分发中心开机时，正值美国午夜，Keller经常半夜被电话叫醒，那边的系统什么都坏了。全组通宵加班，周末无休。

Eric当时常驻卢旺达。他去拜访客户，自以为会听到一堆关于无人机的产品建议，结果医生和检验技师的头号反馈是：人生病不分上下班，你们凭什么一天只营业12小时？

「产品还不怎么样，客户的主要反馈却是想要更多服务。这是个好信号，说明滩头市场选对了。」Eric后来总结。

一年之内，他们改成24小时营业。现在是24/7/365，圣诞节当天Keller会挨个给各地分发中心打电话致谢。服务规模从1家医院到20家、500家，如今是8个国家的5000家医院和医疗机构。宾夕法尼亚大学发表的研究显示，Zipline覆盖地区的孕产妇死亡率下降了51%。合作伙伴估计，这套系统每年挽救1万到1.2万条生命。

回头看第一年的混乱，Keller把它归结为一个判断错误：他们以为那台酷的飞行器就是方案的主体。实际上，飞行器只占整个方案复杂度的15%。剩下85%是维护体系、库存管理、订单与需求管理、与国家民航局的对接、与医疗系统的对接，外加一堆辅助软件。缺任何一块，所谓「像魔法一样的即时传送」都转不起来。

这个15%，值得所有做实体机器人的人写在工位上：你造的那台机器，只是冰山露出水面的部分。

把波音的安全作业，抄到手机零件的价格

聊到安全，Eric讲得最细的是计算冗余。飞机上有两台飞行计算机，像两个都以为自己握着操纵杆的飞行员：都接收全部传感器数据，都向电机和舵面发指令。中间还有第三台小电脑当裁判，盯着两台的健康状况，告诉机上其他节点此刻该听谁的。那裁判自己坏了呢？就让原本那台主机继续飞，任务照常。

几周前刚发生过一次真实切换：送完件，主飞行计算机出了毛病，系统切到备份，飞机自己飞回家、降落，一切正常。故障原因可能是软件，可能是接插件，也可能是太阳辐射引起的比特翻转。

这套双机互备的思路，波音777上也有，差别在价格。777的飞行计算机以百万美元计，Zipline用手机供应链的元件，把接近传统航空的安全水平做到几十、几百美元的成本，迭代速度快100倍。作为对照，波音做一次软件更新大约要三年。把系统从头到尾设计得皮实可靠，才换得来250万次配送、1.4亿英里、零事故。

真实世界还会出一些办公室里想不到的考题，比如太空天气。太阳耀斑爆发时，辐射会扰动电离层，让GPS信号的传播速度偏离预期，导航精度直接降级。Zipline的对策有两条：把GNSS设计得足够皮实，耀斑活跃期也保持厘米级定位；同时在GNSS之外准备冗余方案，情况再糟也能安全飞。

测试端全是笨功夫。整机700个独有部件全部自研，43个主要子装配。元件级做HALT高加速寿命测试，电机一边运转一边被淋雨、加热、加湿、喷腐蚀液、照紫外线。整机进振动台、风洞、能走进去的温箱，温度范围从49摄氏度到零下25摄氏度，前者是凤凰城的夏天，他们真在那个温度下飞，后者对应美国北部。Eric的原则是，别只问「够不够好」，要弄清「它怎么坏的」，把东西测到坏，才知道边界在哪。

早期他们冒过不少险。救命的件，天气再差也飞，摔了就拉降落伞，把飞机轻轻放回地面，这是最后手段。头几年降落伞用得很勤，现在极少触发。

安全目标还被人当面怼过。公司原目标是比人类司机安全10倍，董事会上Alfred直接说这目标太水，要比Waymo安全2倍，毕竟Waymo大约已经是普通车的10倍。Eric回去就把年底目标改了。

还有个数字，专治「无人机很娇气」的印象：商业机队里，有单机累计飞超过100万商业自动驾驶英里的。Keller现场发问：在座各位，谁家的汽车跑过100万英里？

从天而降的小罐子

Pat Grady看投递视频，以为无人机在100英尺高度放包裹。Eric纠正：是100米，难度更高。

流程是这样的。飞机在100米高空悬停，先算风向，往上风处偏移，然后放下一根缆绳，吊着配送舱往下送。定位靠实时动态GNSS，精度厘米级。但没人测绘过住户后院那张桌子的坐标，所以最后的落点由配送舱自己决定：它装着一块NVIDIA GPU，跑自己的自主栈，下降途中实时识别地面，判断哪里适合放包裹。桌上摆着一排饮料？那就绕开，放旁边的地上。它还能主动控制自己的水平位置，跟阵风较劲，夜里照样干活。触地、开舱、收回、爬升，一气呵成。

这个架构还有个副产品：安静。多数无人机的噪声非常刺耳，Zipline专门养了一支气动、气动声学和控制的团队，整机每一处都为降噪设计，目标是不超过树叶被风吹动的响声。而真正靠近住户、住户的孩子和宠物的，只有那个被Keller形容为「可爱的拟人化泡沫小罐」的配送舱，主机始终待在100米高处。

一个人管100架飞机

无人机之外的那85%，很大一块是运营网络：充电点、几百架飞机、云端调度系统，实时平衡需求、运力、天气和晚餐高峰。人没有消失，但角色变了。受过训练的航空专业人员监控整个网络，头衔叫「舰队指挥官」，灵感来自《安德的游戏》，连FAA的文件里都白纸黑字写着「舰队指挥官应当如何如何」。

这个岗位的演进曲线很能说明问题。刚进美国时，监管要求1个人盯1架飞机，单位经济性很难看。后来是1比3、1比6、1比20、1比40，现在是1个人管100架，还打算继续往上走。Keller的说法：机器人让人类升级了，人不再亲自干活，改为指挥机器人。

进入美国的路走了近十年。他们在海外验证了六到九年，2020年前后才开始跟FAA实质性接触，把各国攒下的经验带进去，跟监管一起把路趟出来。新一代家庭配送服务2025年1月才上线，如今在达拉斯已经大规模运转。

规模再往上，会撞上整个空管体系。美国最大的航空公司一天大约5000个航班，Zipline下个月就会超过这个数；等做到每天100万单，它在美国空域的航班量将是所有航空公司总和的40到80倍。而现在的空管系统是1950年代用铅笔、纸片和卡片设计的，50%的空管员超过45岁，20%即将退休，年轻人不入行。他们的方向：飞机之间直接通话，自动发现冲突，协商「你上我下」，监管和标准组织跟上。Keller顺嘴提了句，美国有好几家做空管软件的上市公司市值超过100亿美元，而Zipline内部就养着这样的团队，因为当年在各国都得从零给民航局写监控软件。

顺便说下美国政府的态度。去年12月，Zipline和美国国务院签了5.5亿美元的合作。USAID关停后，美国想换个方式跟这些国家打交道，他们管这叫「商业外交」：让发展中国家的基础设施建立在美国的AI和机器人技术上。Keller说，这些国家受够了NGO免费但低质的援助，他们想要高薪工作、创业机会和技术。

垂直整合是被逼出来的

Keller的办公桌上立着一面旗，写着：「We do this not because it is easy, but because we thought that it would be easy.」大意是，干这个，纯粹因为当初以为它简单。

Zipline早期跟特斯拉Roadster的路数一样：外购底盘、外购部件，拼起来。Roadster用了Lotus Elise的底盘，亏了很多钱，可靠性也差，但它是通向Model S的台阶。Zipline当年全靠供应商，结果在试飞场一架接一架地摔飞机。摔着摔着想明白了，开始一个部件一个部件地撕掉重做：电机控制器自己写，GPS模块自己造，导航系统自己搞，连电机都从零设计，因为需要的推重比市面上买不到。整机700个独有部件，就是这么攒出来的。

理由很朴素：DJI的消费级四轴，和2000万美元一架的捕食者无人机，可靠性和单位经济性都撑不起「跟汽车、摩托车抢生意」这件事。汽车有一百年时间把可靠性磨上去、把成本磨下来，要跟它比，就得拿出汽车级的可靠、汽车级的便宜。

组织形态跟着走。Zipline的办公室挤得像沙丁鱼罐头，固件工程师挨着机械工程师，挨着自主系统、云基础设施、气动、气动声学、制造，工厂离办公室3分钟车程，试飞场也在附近。东西坏了，直接走到那个人的桌前：今晚我俩通宵。Keller拿波音做对比：787的电池出问题，流程是起诉供应商，花两年时间扯皮谁的责任，中间隔着三层采购关系。

Eric补充，跨学科协作其实不难，前提是所有人同向划桨，而且没有「这是IP不能给你看」这回事。测试挂了，走过去坐下，拉出代码一起看：你这个假设跟我的设计对不上，来，查。

方法论上有两条被反复强调。第一条来自SpaceX那套算法：质疑每一个需求，需求往往是蠢的，有时得往下挖两层才发现它蠢在哪。第二条是删零件：飞机上最可靠的零件，是被你删掉、根本没装上去的那个。Keller让人去看Raptor 1、2、3三代发动机摆在一起的样子，也让人去看Zipline的EV1、EV2、EV3三代机，关键词就是删、删、删。删东西需要勇气，删错了丢人，但对物理和系统性能有真信心，才敢下手。

Eric举了个例子。早期Platform One飞机靠一个1米长的可收放尾钩配合地面拦阻索降落，结构复杂。他们想把复杂度挪到地面，让一个机器人上去抓住飞机。下一代飞机开造时，新方案还没验证，摆在面前的问题：装1米的尾钩，还是赌一把，只留2厘米的钩？一屋子人拍板：删。接下来几周是一轮接一轮的通宵，最后那批飞机真的被抓稳、降落了。

300美元降到12美元，一个没人报道的拐点

给硬件创始人的建议，Keller只给了一条：你说成本是X，那就按10倍做规划，「我们是有教训的」。

2016年签约时，他们按30美元一单的成本给卢旺达送血，80到100英里的航程，账面说得通。系统上线，实际成本300美元一单，10倍。Alfred当时出奇地淡定，Keller说，行吧，活儿来了。之后一年降到120，再一年75，再40、28、18，现在海外长途技术是12美元。

今年夏天发生的事，Keller认为重要性被严重低估：把整机、运维、网络全算进去的单件成本，正在跌破用汽车送货的成本。用机器人做物流，比雇人开车便宜了。这件事没上报纸头条，但它会改变社区的声音、路上的车流，以及普通人点一杯奶茶的方式。

需求侧的数字更夸张。美国每年有55亿次「即时配送」，全靠4000磅的燃油车，平均30到60分钟送到，超过一半的配送员承认过去一个月偷吃过顾客的餐。而把达拉斯用户的购买行为外推到全美，这个市场是550亿次。Keller拿Uber做类比：当年所有人按出租车市场给Uber算估值，算出个150亿美元的公司，结果Uber做到了出租车市场的10倍。更好用、更便宜的东西，人们会用得多得多。他前几天遇到一位80岁的老奶奶，一年在Zipline下了350单；养老院已经是需求大户。

运力曲线：现在一天近5000班，年底要超过3万班，目标是尽快做到每天100万单，未来四个月再开4个都会区。多个大客户最近每家都在谈每天100万单的采购量，Keller的原话很妙：我们的运营计划成了我们的销售单位。工厂原按年产2万架设计，现在发现市场比这大得多。南旧金山的工厂很快会做到飞机直接从产线飞进商业运营，需要保养就自己飞去维修库，像特斯拉那些自己开到客户家门口的车。

Pat问出那个自然的问题：以后送不送人？Keller答得很克制：给地球造一层新的物流基础设施，让包裹像互联网传输信息一样高效移动，这会是地球上最大的公司之一，前提是对难度保持谦卑和偏执。

客户的头号反馈是什么？「不用给小费」，后面跟着三个感叹号。不用纠结给多少、不用有心理负担，价格透明，这条排在所有炫酷技术之前。

最后收个尾，几条明天就能用的东西。

• 评估硬件项目，把对方报的成本和工期先乘以10，再看这门生意还成不成立。Zipline的300美元，就是从30美元的预估里长出来的。
• 审视自己的产品，逐条问「这个需求删掉会怎样」。最可靠的零件是不装上去的那个，最便宜的功能是没做的那个。
• 判断市场有没有找对，看客户的主要抱怨是什么。当头号反馈变成「你们开门时间太短」，说明滩头阵地已经拿下了。
• 做现实世界的AI产品，先想清楚那85%：维护、库存、监管、运营。产品本体只是冰山露出水面的15%。

Keller在结尾引用了《蝙蝠侠》里贝恩的台词：「你们接纳了黑暗，而我生于黑暗。」别人投SaaS、投高毛利的那些年，他们做了十年没人待见的硬件公司。他还提到红杉内部一份备忘录，主题是硬件公司为什么将对人类最重要，却最难拿到融资。最后那个细节留给他：给金门大桥装防自杀网花的钱，比当年建这座桥还多。他的结论是，得重新学会造东西，学会造基础设施，敢相信科幻小说里承诺过的那种未来。

---

原文链接：https://trainingdata.qiaomu.ai/ep/101-inside-zipline-s-autonomous-system-140m-miles-zero-incidents-6bGxm8.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/100-why-hardware-software-co-design-is-ai-s-real-100x-dylan-pate-f6D_ai.htmlhttps://trainingdata.qiaomu.ai/ep/100-why-hardware-software-co-design-is-ai-s-real-100x-dylan-pate-f6D_ai.html Tue, 30 Jun 2026 00:00:00 +0000 Why Hardware-Software Co-Design Is AI's Real 100x: Dylan Patel of SemiAnalysis

同等质量的模型输出，价格一年降了60倍。

这个数字来自 Dylan Patel，SemiAnalysis 的创始人。他的公司有90个人，每天在15种芯片上自动跑推理测试，测的就是这件事。传闻这家公司年收入刚过1亿美元，他不置可否，只说「消息有多准，数字就有多准」。

这是红杉资本播客 Training Data 的一期节目，主持人 Shaun Maguire 和 Sonya Huang 走进了 SemiAnalysis 的办公室。整期聊下来，从推理基准怎么建，到谷歌为什么一边造TPU、一边花每小时11美元向 xAI 租GPU，再到2040年太空数据中心能占多少份额。我按主线拆开讲。

在汽车旅馆长大的人，怎么成了算力圈的定价者

Dylan 的出身和「硅谷精英」四个字不沾边。父母开汽车旅馆，一家人住在旅馆里，后来又开了个加油站。他开玩笑说，自己训练的第一个神经网络，是靠观察进门客人的年龄、职业、长相，提前把踩脚凳挪到对应香烟的货架下面。骆驼牌还是薄荷味，挪早了省事，挪晚了尴尬。

八岁那年他想要Xbox 360，圣诞节真拿到了，机器却坏了，正是那批著名的「三红」硬件缺陷。他拆开机器，短路温度传感器，修好了。潘多拉盒子就此打开。

12岁，他当上硬件论坛版主，管安卓、苹果、装机好几个版块，天天泡英特尔、英伟达、AMD 的帖子。别人吵哪个技术酷，他从小生意家庭出来，习惯性算账：英伟达用更小的芯片做到更好的性能和功耗，毛利还更高。技术判断和钱放在一起看，是他从12岁起就有的习惯。

后来他读了几个和半导体无关的学位，做了两年量化，给公司赚了超过1000万美元的无风险收入，奖金却被人顶了名。2020年初，带大他的祖母失智、摔伤、去世。几件事赶在一起，他辞了职。

疫情期间他在网上和人吵架，匿名账号被人扒出真实身份。慌了三周，他想通了，干脆用真名开博客。24岁生日那天，SemiAnalysis 发了头两篇文章。

再往后的故事更离谱。他买了辆皮卡，车斗装上帐篷和充气床垫，一个人环游美国国家公园。工作日在砍到30美元一晚的汽车旅馆里干活，周末在国家公园里读半导体教材，那时候 Starlink 还没普及。从2020年年中到现在，他没有固定住所，每年飞40多个会议，从两万人的 NeurIPS，到日本一场只有300人、几乎没人讲英语的化工会议。

他讲自己的学习方法：SPIE 光刻会议第一次去，90%的内容听不懂；第二次懂一半；第三次懂75%。这个行业深到没有尽头，节目录制前一天，他刚听说一种年销售额1亿美元的化学品，此前根本不知道它存在，而每颗芯片都离不开它。

SemiAnalysis 的护城河，是把技术、供应链和钱放进同一间办公室。90个人里，一半是供应链各环节的工程师，一半是对冲基金出身的人，两拨人天天吵架，工程师喊这技术最酷，前基金经理问那成本呢。他当过多年论坛版主，公司气氛可想而知。用他自己的话说：「别跟猪摔跤，因为猪很享受。」

他在行业里第一个重要人脉也是网上吵出来的。2020年他用匿名账号「钓鱼」，创办过 Mosaic ML 的 Naveen Rao 回了帖，他从私信聊到通话。Dylan 说，Naveen 现在的新公司想同时在硅、软件抽象层、模型层三层创新，还打算把模拟计算和能量模型一起押上，「大概率不会很快成，但让人期待」。红杉投了这家公司。

基准测试必须天天跑，因为模型一年便宜60倍

Sonya 先问了个大问题：推理会不会成为地球上最大的市场？Dylan 的回答是，token 的使用和它创造的价值会是最大的市场，比石油大得多，会占到GDP的好几个百分点。

支撑这个判断的，是他们做的 InferenceX 项目，现在已经是行业标准。传统基准测试是一次性的，测三个月发个报告，发布即过期。而模型每周都在出新，软件库的更新周期是一周两次，PyTorch、SGLang、vLLM 每次更新，性能就变一次。软件在狂奔，静态榜单天然是过期的。

所以 InferenceX 是个活着的基准。CoreWeave、Crusoe、Nebius、甲骨文、微软、亚马逊、谷歌、OpenAI 捐算力，SGLang 和 vLLM 团队配合调优，英伟达、AMD、谷歌TPU、亚马逊Trainium 全都在里面。目前捐了超过5000万美元的硬件，TPU 和 Trainium 加入后会超过1亿美元。15种芯片，每天自动跑最新模型，中国最强的几个开源模型和美国最好的开源模型都在列，全部结果和配置公开。

关键产出是一条帕累托最优曲线。Dylan 说，以前大家比较推理性能，经常拿别人曲线上的次优点对比自己的最优点，「就像我开保时捷和赛车手比圈速，肯定是我慢」。现在任何人都能去 InferenceX 下载每个点的最优配置容器，直接跑出接近峰值的性能。

那条曲线本身，他认为是最重要的一条曲线：吞吐量对交互速度。一头是批处理100个用户，每人每秒10个token，总共每秒1000个，便宜但慢；另一头是单用户每秒250到500个token，快4倍，也贵4倍。

两种需求都真实存在。批量处理文档的任务不在乎等一晚上，选便宜那头；Claude Code 的 fast mode 比普通模式贵得多，OpenAI 也有优先队列，照样有人买单，因为用token的人本身很贵，反馈循环每快一分钟都值钱。SemiAnalysis 自己几乎只用 fast mode。AI基础设施现在还是一刀切，未来会沿着这条曲线分化出完全不同的产品。

顺带说下 Cerebras。Dylan 认为这家公司很有创新性，极速推理是个大市场，但他点出一个风险：超大模型配超长上下文，在 Cerebras 和 Groq 这类 SRAM 架构芯片上很难跑。如果模型真到10万亿参数、百万token上下文，就放不下了。而实验室的收入大头一直集中在最强模型上，新模型 Fable 和 Mythos 更贵，用户照样大规模迁移。谁在乎token数量，美元才是真的。用他的话说，没人按销量夸凯美瑞，美国最赚钱的车是皮卡。

真正的100倍，和CUDA护城河的真相

节目核心论点在这里。Shaun 先抛了个判断：过去三年，效率提升大部分来自硬件层，一部分来自模型层，内核层还剩多少空间？

Dylan 的回答很直接：「Shaun，我完全不同意你。」

他的拆法是：硬件层从 Hopper 到 Blackwell，在最优化部署上对 DeepSeek 这类模型大约30倍提升，可观，但模型层的进步更大。三年前是 GPT-4，现在一个总参数270亿、激活20亿的开源小模型比它强得多。真正的大头在层与层之间。

「三层各优化2倍，乘起来是8倍。但跨层协同设计之后，能做到100倍。」

这就是软硬协同设计。证据他信手拈来：DeepSeek V3 里所有专家的矩阵形状，是照着 Hopper 优化出来的；到 V4，形状换成照 Blackwell 和华为芯片优化。TPU 客观上是好芯片，跑着整个 DeepMind，还给 Anthropic 做训练，但跑 DeepSeek 就是很差，跑别的模型反而很好。矩阵乘法单元的尺寸、注意力的写法、专家的形状、网络的输入输出模式，全都和芯片咬合在一起，拆不开。

把协同设计好的模型放到旧硬件上跑，性能「真的不怎么样」。Gemini 3 照 TPU v6e 优化，下一代 Gemini 照 v7 优化。Anthropic 在 TPU 上训练，推理大量用 Trainium 和 GPU，每一层都调过。OpenAI 的模型从照 Hopper 优化转向照 Blackwell 优化。

Shaun 追问：中国这几年是不是把这事做得比西方好？Dylan 也不完全同意。他的看法是，西方只是不公开。GPT-4o 的稀疏程度、参数形状从来没公布过，但它和 DeepSeek V3 尺寸差不多，发布还更早。你以为某家独门的功夫，可能只是另一家没掀开给你看。

协同设计这个框架，恰好解释了 CUDA 护城河的变化。Sonya 提出一个观察：过去三到六个月风向变了，模型公司不再纠结「要不要为别的芯片写定制内核」，反正 Claude 和 Codex 写内核很快，需要可编程性的大客户也只有10个量级的模型公司。

Dylan 认同一半。CUDA 的软件护城河确实在被解开，因为模型写代码太强，软件会被商品化。但他指出，大家挂在嘴边的 CUDA 护城河，其实和 CUDA 关系不大。真正的锁定在下游：DeepSeek、Kimi、智谱、阿里、腾讯、小米的模型，全都是照着 GPU 协同设计的，在 TPU 上跑不好。你要用这些开源模型，就得买英伟达。推理API提供商、做强化学习定制的公司，全被这个事实压着走。

反过来的剧本也成立：如果谷歌哪天开源一批真正强的模型，而这些模型在GPU上跑不好，用户就会去租TPU。谷歌手上有 Gemma，就看它舍不舍得押注。小团队继续用 vLLM、SGLang、PyTorch 就好，大实验室根本不依赖开源实现，OpenAI 早就 fork 了 PyTorch。他们的打法变成：选最划算的硬件，把模型和基础设施软件从头到尾照着它设计，软件让 AI 写。

至于英伟达对 TPU 谁赢，Dylan 拒绝站队。两年后谷歌一年造1000万颗以上TPU，英伟达造几千万颗GPU，两边都是千亿美元以上的生意。NVLink 靠交换机连72颗GPU，谷歌 ICI 没有交换机，却能以超高带宽连8000颗，代价是流量要穿过中间的芯片。OpenAI 的模型更稀疏，Anthropic 的更稠密，架构已经分岔。谁更好，取决于你的模型长什么样，而模型架构本身一年一变。

生态的终局他怎么押？所有人都会造自己的芯片，也都会留通用算力这条后路。谷歌同时有三套TPU设计项目，和博通做一套，和联发科做一套，第三套架构完全不同，他不肯细说。用梯度下降来理解：专用芯片冲着当前最优解去，容易掉进局部最优，而实验室连自己一年后用什么模型架构都说不准。专用和通用会长期共存，市场大到足够让细分玩家也赚到钱，哪怕大头归了英伟达、TPU 和 Trainium。

两个几十年没变的瓶颈

瓶颈清单上，Dylan 先说内存。NAND 单元25年前发明，DRAM 单元40年前，单元本身没有任何重大突破，过去五年只是把 HBM 堆得更多、跑得更快。接下来几年真正有意思的方向，是把内存直接堆到计算芯片上，带宽会爆炸式增长。

第二个是功率密度。过去二十年，看一眼芯片面积就能估出功耗，大约每平方毫米1瓦，100平方毫米的芯片就是100瓦上下。现在的旗舰芯片已经到1400瓦，Rubin 一代2000瓦，Rubin Ultra 大约4000瓦，但那只是把硅面积铺大。真正激动人心的变化，是往每平方毫米里灌超过1瓦。热和电干扰都是硬仗，可一旦成，需要的硅面积就小了。

聊到每瓦智能，他先开了个玩笑：单论算数学，一台30年前的 TI-84 计算器的每瓦智能都比人脑高。说回正题，同等能力的成本一年降60倍，每瓦智能一年提升接近40倍，而且没有停。和人脑比，芯片还差好几个数量级，但这件事暂时不重要，给计算机供电比给人脑供电容易多了，人要吃饭、会生病、还得睡觉。

能源瓶颈他给了个土办法：美国能造几百万台卡车柴油发动机，改成发电机组放到数据中心旁边，维修就找汽修工。听起来糙，但他的意思是，别把「能源难」当成不可动的墙。

算力荒、地皮差价和黄仁勋的算盘

几个数字感受这轮紧俏。今年全球新增数据中心算力20吉瓦，算上延期；明年超过30吉瓦。即便这样，Dylan 说 Opus 4.5 发布后七八个月里，世界算力没有翻倍，而新模型能干的有价值任务翻了几倍，缺口还在扩大。

价格信号最诚实。谷歌有TPU，却以每小时11美元的单价向 xAI 租GPU。Trainium 租给 Anthropic 和 OpenAI 的价格折合每吉瓦每年不到100亿美元，GPU 通常在每年120亿到130亿美元，而谷歌租 SpaceX 的GPU，价格达到每兆瓦每年2500万美元，折合每吉瓦每年250亿。数据中心托管价从每千瓦每月60美元涨到120到160美元，客户信用差能到200美元，印度因为电网不稳只要80美元。

为什么 Anthropic 敢这么花？Dylan 摆了笔账：Anthropic 二季度已经实现剔除股权激励的净盈利，三季度可能连股权激励都覆盖，Opus 4.8 的API token毛利率超过80%。算力不够就高价租，租来的机器立刻卖token，毛利率75%的情况下算力成本翻倍，还剩50%，账算得过来。

质量差价也拉开了。谷歌能在1吉瓦的数据中心里塞1.5吉瓦的硬件，把负载倒来倒去，把电力用满；还能和电网谈「平时给我2吉瓦，一年那三天你叫我关我就关」，靠现场电池和发电机顶住。CoreWeave 的GPU集群性能和可靠性实测好过亚马逊、谷歌、微软，但谷歌房子没盖好就能提前六个月卖，拿合同去抵押贷款付订单，SpaceX 更直接，机器在跑，现买。有资产负债表的人，每兆瓦卖出的钱就是更高。

至于泡沫担忧，Sonya 提到 Crusoe 有客户叫停了建设。Dylan 反问她：高杠杆高增长，少量股权撬巨大上行空间，你做的是股权投资，去私募股权学校补补杠杆收购的课。他自己的判断是，只要模型能干的经济价值扩张得比算力快，潮水就不会转向，而过去六个月正是模型跑得更快。模型还在帮着写基础设施、加速下一代模型发布，一个准递归自我改进的循环已经转起来了。

钱的问题他也不避讳。谷歌账上躺着 SpaceX 的股票，解禁就能卖1000亿美元，照样选择增发融资，说明他们认为自己要花的钱远不止这些。Meta 宣布融资当天股价大跌，但所有公司都会继续融，债也好股也好。水龙头什么时候关，取决于模型进步什么时候停。

为什么 neocloud 这个物种能存在？Dylan 在2023年写过一篇让亚马逊很恼火的报告《Amazon Cloud Crisis》。亚马逊的传统云优势，Nitro 网卡做租户隔离、自研SSD压成本、Graviton CPU降核价，到了AI云全成了累赘。没人租单卡，大家整机架、整年地租，安全隔离没意义，Nitro 网卡反而伤性能。微软的数据中心团队在预测翻倍时掉了链子，只能外购 neocloud 产能。再加上激励错位：大厂没人因为提前六个月交付而发财，Crusoe 那帮人是超级杠杆的股权持有者，交付慢了就发不了财。

至于黄仁勋，Dylan 的解读很冷：Jensen 最怕的世界，是超大规模云厂商一手遮天。所以他撒钱扶植各种新AI实验室，满世界劝人投资，也喜欢中国实验室，为的是多极化。今天卖给 Crusoe 的GPU和卖给谷歌的GPU同价，五年后 Crusoe 活着，TPU 和 Trainium 就弱一分。往水里撒饵，最强的鱼自己活下来。

太空数据中心，他给了个时间表：2030年之前占比不到1%，2040年新增算力的一半以上在太空。2030年光 OpenAI 和 Anthropic 合计就要超过100吉瓦，2040年整个行业到太瓦级。

明天就能用的三件事

• 去 InferenceX 查你用的模型有没有最优配置。开源容器直接下载，同一个模型，配置调对调错性能差几倍是常事。你觉得模型慢，可能只是没站在帕累托前沿上。
• 把你的工作负载放到那条曲线上定位。批量处理文档就选吞吐优先，别为用不到的延迟付4倍价钱；代码agent和交互式产品认真算一下 fast mode 的账，省下的时间比多花的钱值钱，就切过去。
• 评估技术栈时问一句：这个模型和这块芯片是协同设计的吗？把A家的模型搬到B家的芯片上，性能塌方是常态。选型时把模型和硬件当成一个整体看。

节目最后，Shaun 问他被踩到哪个话题会炸。Dylan 说是「AI没有回报率」这种论调，因为那等于否认模型在进步。有人拿着停在90%的旧基准说模型停滞了，可基准饱和了就该换新的，能力曲线一路向右上方走。他研究了18年半导体，昨天还在学一种新的化学品。这个行业的知识折旧速度，已经快过大多数人的学习速度。

---

原文链接：https://trainingdata.qiaomu.ai/ep/100-why-hardware-software-co-design-is-ai-s-real-100x-dylan-pate-f6D_ai.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/099-memory-and-continual-learning-engram-s-dan-biderman-and-jess-aiR7F4.htmlhttps://trainingdata.qiaomu.ai/ep/099-memory-and-continual-learning-engram-s-dan-biderman-and-jess-aiR7F4.html Wed, 24 Jun 2026 00:00:00 +0000 Memory and Continual Learning: Engram's Dan Biderman and Jessy Lin

红杉播客 Training Data 最近的一期节目里，Engram 联合创始人 Dan Biderman 算了一笔账：让模型读一条维基百科词条，比如泰勒·斯威夫特的人物介绍，KV 缓存要占掉大约 80GB 的 HBM 显存；而一个 70B 参数的 LLaMA 模型，全部权重加起来也就 100GB 上下，却以有损压缩的方式装下了整个互联网。

同样是装知识，两种介质的效率差了好几个数量级。这笔账背后，是 Engram 的全部业务逻辑：上下文是极其昂贵的记忆介质，权重才是便宜的。这家公司孵化自 Neo Lab，做的记忆与持续学习正是当下 AI 研究最热的两个方向。两位创始人 Dan Biderman 和 Jessy Lin 在节目里，把「外挂记忆为什么走不远」「把知识练进权重能换来什么」讲得相当透。

「我们的模型一直在训练」

先说人。Dan 出身神经科学，最早关心的是意识和人类心智，爱引用心理学家 Amos Tversky 的那句自嘲：我不研究人工智能，我研究人类的天然愚蠢。后来他转向统计和 AI，发现记忆和持续学习在机器这边同样紧迫，而现有方案离生物的解法差得很远。人脑在容量受限的条件下进化出模糊表征，能抽象、能联想、能影响第二天的判断，现在的系统除了通用预训练，没有这种东西。Jessy 有认知计算科学的背景，她给这个方向的定义很简洁：让模型学会新东西，并且深深烙进权重里。记忆和持续学习，就是这枚硬币的两面。

Engram 官网有句话：我们不从预训练或后训练的视角看世界，我们的模型一直在训练。Jessy 解释说，现在的模型已经很聪明，瓶颈早就越过了原始智力这一关，卡在理解新的、不断变化的上下文上：一个新任务、一家公司的做事方式、团队的优先级。预训练和后训练能把「法国首都是巴黎」「怎么写 Python」深深烤进权重，却没有机制让模型同样深地学会一家公司的招聘流程。

「预训练和后训练里到底是什么，让模型能以这些神奇的方式泛化？怎么控制这个过程，让一家公司的私有数据也被学得一样好？」

她认为这是当下最值得啃的问题。模型从预训练里「顺便」学会了那么多东西，互联网像一份天赐的礼物，没人真正说得清为什么。把持续学习做出来，等于把这份运气变成可复制的工艺。

那业界现在怎么解？上下文工程：提示词越写越长，agent 连跑几十个小时，反复整理上下文。Jessy 承认工具调用和上下文工程会一直有用，但她觉得有样东西被严重低估了：把 frontier lab 训练模型的那套流水线，搬到每家公司自己的数据上。frontier lab 用它把模型练到会做前沿数学、会写代码，同一套方法也能让模型学会你的领域。

Dan 打了个比方：人靠便签和笔记本能记住很多事，这很有价值，永远该留着。但第二天回到工作，脑子里总有昨天的痕迹，有一种「事情大概该怎么做」的直觉。现在的方案全是外置记忆，只有便签，没有直觉。他给了一个数字：很快，每个人每天产生的 token 会到数千万量级。只靠存下来、搜出来、再读一遍，又贵，模型也容易被绕晕。

给每个团队训一个专属模型

产品形态说穿了不复杂。Engram 和 Notion、微软、Harvey 这类产品合作，在人们长期办公的工作区里，为每个团队训练专属模型。训练素材有两类：团队已经写下的文档，加上人和 agent 的日常交互与反馈。目标是让模型像一位干了多年的老员工那样理解这家公司：知道公司在推什么、事情该怎么做，每次推理不用再现场读一遍文件。

技术路线上，他们大量使用各种 adapter 微调，LoRA、prefix、稀疏架构都在工具箱里，这条路学术界已经铺了十几年。更难的一步是数据：怎么把原始文档和交互变成有效的训练信号。监督微调、强化学习、on-policy 蒸馏，frontier lab 的武器都被他们拿来拼装。前提是拿到白盒权重，闭源模型可以谈合作，开源模型最顺手。Dan 说得干脆：只要是 transformer 架构，他们都能动手。

这笔投入换来什么？Dan 给了两层回报。第一层是省 token：不用反复读文件，不用维护巨型系统提示词，推理消耗能降两个数量级，他的原话说得很满，可以到 100 倍。很多关于人、团队、优先级的知识，本来就散落在任何一份文档里都找不到，模型通过训练隐式学会之后，100 个 token 就能答完 frontier 模型要烧 10 万 token 才能答的题。

第二层是能力窗口。总有一批任务，当下的 frontier 模型还不擅长，这个窗口期大概三到六个月。模型迟早会变强，但轻量训练能让团队在这三到六个月里提前拿到这部分能力。

为什么从团队级别切入，先不做个人版？Dan 说两者都行，团队的数据更规整、多年积累更有纪律，容易起步。每个人的电脑和手机早晚都是目标，只是现在，信息的大矿藏在知识工作者的协作里。

死记硬背是 bug 吗

主持人 Sonya Huang 抛了一个老争论：模型把「法国首都是巴黎」死记在权重里，算缺陷还是功能？有一派认为模型应该抽象地学会「国家」「首都」这些概念，别浪费容量记事实。

Jessy 的回答分两层。第一层，一定程度的记忆是思考的原材料，得先记住东西，才能把它们组合成更复杂的概念。第二层，真正稀缺的能力是分辨什么值得记。她拿学术基准开刀：不少基准在考「某个非洲国家某座桥的长度」，这种事实不值得模型花容量，人类也不会为它分配容量。人类记忆是有损的，这恰恰是智能的一部分：压缩重要的，丢掉不重要的。

所以她认为，把「事实学习」和「技能学习」切开是个伪命题。有人试过把模型里的所有事实剥掉，只留所谓的纯推理内核，结果模型变得很不自然，连基本常识都没有。推理的每一步都要调用基本事实，脑子里没货，思考走不远。

Dan 补了一个计算机科学的视角。传统 CS 里，数据库和算法是两门课：数据库管存事实、查事实，算法管高效地操作信息。深度学习的魔法在于把这两件事搅在了一起，以至于现在要靠 Anthropic 的可解释性团队去把它们重新拆开。

他观察到，AI 进入经济的当下，这两样东西正在再次分开：公司小心翼翼地管理自己的上下文，一个对这些上下文完全陌生的通用模型在上面操作。Engram 押的是相反的方向：事实、故事、细节，应该按某种节奏重新混回模型里。代价他也认：国家首都很少变，很多别的事实天天在变，往权重里烙易变的信息，技术上很棘手。

节目里还有一段关于梦的讨论。Jessy 说他们从梦得到的启发很宽泛：现在的模型所有思考都发生在推理时，拿到上下文现场想，缺一个「把上下文深度内化」的阶段。Dan 的说法更有画面感：梦里我们在自言自语，在试探这个世界和社会场景里什么做得到、什么做不到。他们想给模型同样的东西，让它从交互中退出来，有时间去环境里试探自己的能力边界。听着玄，本质是离线消化经验。

为什么这事轮不到 frontier lab 优先做

红杉合伙人 Shaun Maguire 问得很直接：凭什么这个终局产品轮得到你们，却轮不到 foundation model lab？

Jessy 的答案是世界观差异。frontier lab 想要一个越来越大的模型，在越来越多领域越来越聪明。Engram 想象的世界是每个人都有自己的模型。人们想让模型学的东西，要么是私密的，永远不会出现在任何后训练数据集里；要么是互相冲突的，这家公司要这么做，那家公司要那么做。这些东西大多没有干净的监督信号，没有标准答案的奖励，现实世界的任务很模糊。这和 frontier lab 训练代码模型的那套打法，干净监督、真值奖励、搭好环境，完全是两回事。

Dan 补了优先级的账。frontier lab 的 P0 是 AGI：更大的预训练、更多的数据、更多的 RL、更多的推理时算力，绝大部分钱和人才压在这上面。记忆和持续学习他们也都在想，但目前更像产品侧的活。他提到，Demis Hassabis 大约一个月前在红杉的活动上明确说过，这些话题需要新的突破。Engram 的选择是只做这一件事。

Jessy 把需要改变的东西列了三条：研究上要有新突破；基础设施上，要能为每个人训练小模型，告别一次一次的巨型训练；研究和产品的结合方式也要变。现在 frontier lab 的分工是研究员训完模型，扔过墙给产品团队，产品团队在上面做提示词和上下文工程。如果模型一直在训练，用户的输入就是训练信号本身，研究和产品必须长在一个环里。所以 Engram 一边做核心研究，一边急着部署，从真实反馈里学。

Dan 眼中还有个大机会：能大规模地从很多人类和组织那里学习，不用派人贴身驻场，会是一个巨大的解锁。

他还给过一个思想实验：假如 OpenAI 一周后要参加数学奥林匹克，他们会去建一个教科书目录、雇人标注该读哪几章吗？大概率还是会收集数据、合成训练集、起一个训练任务，五六天后看模型落在哪。训过模型的人都知道，训练才是跨领域整合知识和能力的更优解。这种魔法如今只属于少数实验室，他们想让更多人用上。

RAG killer 和那笔 80GB 的账

聊到客户想要什么，Dan 说了句得罪人的话：这东西某种意义上是个 RAG killer。他马上补了句圆场：RAG 当然还能用，检索永远都在。客户真正感兴趣的是，用很轻量的训练，让模型对本该知道的事情形成直觉，不用再跑那种冗长的工具调用循环。

Sonya 追问：到底什么该进权重，什么该留给 RAG？Dan 的回答很诚实：这是个未解问题，没人有答案，这本身就是生物记忆的核心问题。他给了两个例子：一年前往过的酒店房间号，不该内化，记在备忘录里就行；家门密码，未来几年都用得上，值得烙在某个地方。Engram 的做法是尽量少上人工规则。人天天刷 TikTok，暴露在一堆垃圾信息里，大脑照样不会学歪，他们认为模型也该有这个鲁棒性。

Jessy 从短期痛点切入：现在大家最头疼的是 agent 连跑好几天的推理成本。同一家公司里，不同的人对同样的文档反复跑同样的查询，这种事应该变成模型的常识。

「你问一个员工昨天在做什么，他不会先在搜索框里输入『我昨天在干嘛』，他就是知道。」

缓存能不能解决这个问题？部分能。但 Jessy 指出，权重里才有一样东西：联想。看到同事在做某个方向的研究，想起一件相关的、对方没问的事。这种联想没法靠「你让我搜什么我就搜什么」实现。Dan 补了检索系统更根本的局限：问题往往出在另一头，知道去查什么。知道该搜什么是一种直觉，这种直觉长在权重里。何况很多系统还停留在关键词搜索，因为它最好做 RL、对基础设施要求最低。

然后就是开头那笔账。这家公司的起点，就是两人对 KV 缓存的一次深潜。一条维基百科词条，几十 KB 的文本，进了 KV 缓存变成 80GB 的「脑状态」；一个 70B 模型的全部权重 100GB 左右，装着整个互联网。梯度下降已经用事实证明，它能把大量信息塞进很少的数字里。Dan 的设想：把那 80GB 拿下来，离线花点算力压缩，让缓存里的东西缩小 1000 倍，加载速度、成本、表示精度都会被改写。

苦涩的教训、记忆钱包和五年之后

Shaun 问了一个 bitter lesson 式的问题：智能需要的每个部件，会不会在算力和数据的堆叠里自动涌现，包括记忆？Dan 的回答分两层。部署层面，现在的 AI 早就超出 GPU 了，沙盒在爆炸式增长，模型在别的电脑上干活。架构层面，他参与过状态空间模型这一系的实验，结论很冷静：这些架构省的是计算机意义上的内存，把注意力随序列长度平方增长的开销降下来，一些最好的中国模型也用上了这类层。但在他们的实验里，省内存总是以牺牲精度为代价，没有免费午餐。

真信苦涩的教训，该想的是怎么烧更多算力，烧在没见过的新上下文上。他们不赌 AGI 会停在半路，只是认为理解一个具体的人、一家具体的公司，光靠重读文件不够。Dan 顺口开了个玩笑：要理解 Shaun，得训一个 100 万亿参数的模型。

Shaun 后来分享了一个他自嘲很不靠谱的理论，解释语言为什么反超了视觉：生物层面，眼睛的光学带宽比声音高好几个数量级，光信号进大脑前还有大量预处理；计算机里一切都是电子信号，视觉被削弱，语言被扶正，两者被拉到同一条起跑线，LLM 恰好是更适合语言的架构。Dan 当年也觉得语言太「高级」，视觉加行动才是正途，ChatGPT 时刻之后他去 Mosaic ML 做了一阵 NLP，看看香肠是怎么造的。他没有正面反驳 Shaun，只给了一个神经科学的注脚：人脑分给视觉的地盘大概率比语言区大，但大脑偏爱一个模态，和机器做这件事的效率是两码事。他还自嘲：刚才那个脑区问题记不准，得问 ChatGPT，自己生活里是个坚定的 RAG 用户。

关于产品形态，Sonya 问会不会出现「记忆钱包」，像 token 钱包一样带着走。Jessy 的答案出乎意料地保守：她连 ChatGPT 的记忆跨场景都觉得难受，工作模型上周在 GPU 上训了个东西，购物推荐就给她推 GPU 相关的床单，完全不搭界。不同工具里的记忆就该分开，人要有控制权。

Dan 给的远期版本更诱人：上班烧掉海量 token 创造价值，知识产权留给公司，但你学到的技能、发明的方法，有一部分能以脱敏的方式带去下一份工作。就像现在我们本来就带着技能跳槽，靠 NDA 和职业伦理划边界。数字世界里真能这样，会逼着每个人把 AI 用得更深，并且因此得到回报。

至于「记忆的 ChatGPT 时刻」什么时候来，Jessy 的答案是一个实习生式的场景：一个你能持续教、并且真的在变好的实习生。不管上下文工程做得多精致，都到不了那里。到那天，体感会很直接：模型比昨天聪明了。

Dan 补了一盆冷水：ChatGPT 的爆红当年没人预测到，今天一个人就算辞职全职给模型做上下文工程，能撬动的提升也很有限，不如等下一版模型。他们想要的未来是，你在一个领域花的时间，真能兑换成模型在你关心的任务上的表现。前提是大规模在私有数据上训练，还不把模型练坏，这很难。

五年到十年后是什么样？Jessy 说的是一个「人人都拥有自己模型」的世界，每个人的模型和别人都不一样，和 frontier 模型也不一样，各自服务不同的目的。Dan 的版本更野心勃勃。他说神经科学里记忆和导航共享同一批脑区，表征空间地标的电路也管情景记忆。Engram 想成为所有人数据平面上的 LLM 接口，对标 Databricks 和 Oracle 那样的位置，只不过存的东西是神经记忆，模型是个性化的，数量以亿计。它不表示文件系统本身，它表示文件系统的脑状态。

这期节目听完，有三件事明天就能用上。

• 盘 token 账：看看你的 agent 或工作流里，哪些内容每次推理都在重复读，公司背景、团队规范、项目优先级。这类重复就是权重化的候选，Dan 给的参照系是能省两个数量级。
• 用「酒店房间号还是家门密码」给知识分类：天天变的价格、库存、排班，留在检索里；变化慢、每次都要用、散落在无数文档里的东西，才是练进权重的对象。检验方法用 Jessy 那句话：把一个新员工应该「就是知道」的东西列出来。
• 自己动手的话，开源权重模型加 LoRA 这类 adapter 微调是当下成本最低的实验路径。这也提醒选型的人：权重是否开放，正在变成和效果同级别重要的选项。

---

原文链接：https://trainingdata.qiaomu.ai/ep/099-memory-and-continual-learning-engram-s-dan-biderman-and-jess-aiR7F4.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/098-simulating-humans-at-scale-simile-s-joon-sung-park-lfhFmw.htmlhttps://trainingdata.qiaomu.ai/ep/098-simulating-humans-at-scale-simile-s-joon-sung-park-lfhFmw.html Tue, 16 Jun 2026 00:00:00 +0000 Simulating Humans at Scale: Simile's Joon Sung Park

2023 年 2 月 13 日，斯坦福的一个虚拟小镇里，咖啡店老板 Isabella 决定办一场情人节派对。她提前一天出门张罗材料，挨个招呼熟客来玩。派对当天，一位叫 Klaus 的居民收到邀请，顺势约出了自己的暗恋对象。也有居民收到了邀请，转头就忘了。

没有人类写剧本。这 25 个居民全是 AI，做什么、说什么、跟谁交朋友，都是模型自己生成的。这个实验叫 Smallville，主持它的是当时还在斯坦福的 Joon Sung Park。

三年后，这个实验长成了一家公司，叫 Simile，定位是应用 AI 实验室，做的事情听起来更科幻：模拟人类行为和整个社会。客户名单里有 CVS，合作方里有盖洛普。他们用 1000 个模拟出来的美国人做验证，预测准确度达到了真人重测答案的 85%。

最近，Joon 在红杉资本的播客 Training Data 上，和主持人 Sonya Huang 聊了这门生意的来龙去脉。有几个判断，值得每个做产品、做研究的人听一听。

一场没人写剧本的派对

先回到 Smallville。Joon 团队的核心观察是：大语言模型的训练数据里编码了大量人类行为，来自网页、社交媒体这些地方，只要从合适的角度去问，就能挖出很多微观行为。给一个具体场景，问「这个人会怎么做」，模型能给出相当像样的答案。

他们觉得这就是造复杂智能体一直缺的那块原料，于是把这件事推到极限：给 25 个 AI 居民每人一份人设，配上记忆、规划和反思机制，让他们在一个游戏小镇里生活。早上起床，按习惯做事，上班，交朋友，跟真人一个样。

情人节派对就是涌现出来的。Isabella 的人设是咖啡店老板，她自主决定办派对、邀请顾客、布置场地。Klaus 借着派对把暗恋对象约了出来，两人真的去赴了会。整个过程没有人下达指令。

实验发成论文后，Joon 收到大量主动找上门的邮件。最早是社会科学家，想在这个平台上跑实验和随机对照试验。很快，财富 500 强的高管和董事也来了，他们看过演示，问题很直接：我们每年花大钱做调研，很多关于市场的问题今天根本没法回答，能不能在模拟里跑一遍？

从一篇综述到一条路线

Joon 的研究起点在 2020 年。那年 GPT-3 还没发布，他刚进斯坦福，跟着后来的联合创始人 Percy Liang 写了那篇著名的《基础模型的机会与风险》。写综述时，同事们惊讶于模型能做分类、能做简单生成，Joon 看到的却是另一件事：这些模型编码了人类行为。把这件事推到头，会是什么？

他出身人机交互里的社会计算方向。这个领域有个老大难问题：设计一个社交平台，界面好不好用容易测，但几十万、几亿人聚在一起会产生什么涌现现象，好坏都算，没法提前测。唯一的办法是上线实测。如果某个信息流设计更容易传播负面情绪，等你发现时，伤害已经发生了。

2022 年，也就是生成式代理论文的前一年，团队做了个叫 Social Simulacra 的项目。思路是：假设你要建一个 subreddit，怎么提前知道用户会在里面干什么？这对老手设计师都是难题。他们用 GPT-3 生成了几千个 persona 塞进去，模拟整个社区。有个模拟社区的主题是讨论匹兹堡去哪儿玩，跑着跑着，几个 persona 自己商量起来，组队规划了一次旅行。

回头看，这基本就是 2022 年版的 Moltbook，几年后这类 AI 代理社交网络真的火了起来，算是应验了。但当时团队更关心下一步：怎么从简单的 persona 升级成会随时间思考的复杂代理，以及怎么验证模拟结果靠不靠谱。

模型也在配合。GPT-3 时代没有指令微调，让模型听话得靠各种奇怪的提示词技巧。到生成式代理论文时，模型已经能听懂指令，代理才可能推理自己的记忆。Joon 的判断是，基础能力这一层，今天已经够了。

那为什么后来要离开实验室？Joon 的原话值得单拎出来：

研究是台广度优先的机器，实验室里一群聪明人各守一小块论题，有些会开出惊人的花。但研究者有个老毛病，我们出了论文就撒手了。公司是台深度优先搜索的机器，认准一座山，把资源和人聚起来，毫不犹豫往一个方向爬。

生成式代理论文发表半年后，他有了这座山。三位创始人，他本人、Percy Liang、Michael Bernstein，后两位都是他在斯坦福的导师，一起合作了五六年，正式凑在一起讨论「这能不能是家公司」。

今天的大模型，恰恰不擅长当人

接下来是整期播客里最有意思的一个判断。Joon 说，OpenAI、Anthropic 这些实验室的北极星，是造一台超级智能的理性机器，擅长解决有客观答案的问题。但人恰恰是非理性的，有主观的价值观、偏好和口味。

模型规模往上走，模拟人类行为的能力却没有同步跟上，目前的建模范式已经撞上平台期。这是 Joon 观察到的分叉：今天最强的模型，离「像人」这件事反而越来越远。要突破，需要一个专门为人类多样性设计的新前沿。

还有个更隐蔽的问题，叫言行差距。人说的和人做的，中间有条真实的缝。大模型的训练数据大部分是态度性数据，也就是大家在网上说过的话。用态度数据去预测行为，误差就出在这里。

Simile 的解法是收集行为数据，外加一类很特别的信息。他们 2024 年做验证研究时，会直接问受访者：讲讲你的人生故事。你从哪里长大、做过哪些艰难的决定，这类长尾信息，能架起一座从态度通往行为的桥。现在他们训练了一个访谈模型，用强化学习优化目标：花最少的时间，拿到关于一个人最大的信息量。至于政策立场这类离散选择题，还是用问卷，省时省数据。

对模型的定位，Joon 打了个比方。今天的前沿模型像智能单元里的 CPU，单一、理性、擅长解难题。Simile 要造的东西更像 GPU，很多小单元并行，每个单元代表一个真实子人群的观点。他们不需要超人级的模型，需要的是尽可能像人的模型。缺哪块就自研哪块，协调研究计划这类活儿则交给前沿模型。

数据上，他们手里囤着大批社会科学领域的随机对照试验，包括大量定价研究，正在训练一个字面意义上的「人类行为基础模型」：把 RCT 的行为信号编码进去，目标是能预测任何一项 RCT 的结果。客户那边也有想法，CVS 有 9000 万顾客，双方在谈怎么负责任地用上这些内部数据，造一个更贴合 CVS 人群的增强版模型。

CVS 是怎么用它的

拿 CVS 举例。买家是负责人类洞察的高级副总裁，读了 Joon 的验证论文后拍板要合作，因为他觉得自己被两件事卡住了：能实地测试的问题数量有限，以及人类社会的物理规律本身。问卷能问出态度，问不出一个决策在市场里的二阶影响。

合作怎么牵上的？这位副总裁的表亲认识 Joon。听起来偶然，但需求是真的。

流程的前半段和传统调研公司很像。客户说想理解某个人群，Simile 通过和盖洛普的战略合作去触达真人，用大约 15 分钟收集数据。诀窍在问题设计：哪些问题能在 15 分钟里最大程度还原一个人。拿到数据后生成模拟代理，加载到 SaaS 平台上，之后客户想问这群人什么都可以。

客户的使用路径通常从概念测试开始，这也是最直接的场景：新产品、新文案，扔给模拟人群听反馈。客户很快会意识到一件事，今天他们最多测 5 到 10 个想法，模拟可以把这个数字变成 1000 个想法乘以 1000 个子人群。

再往后是用法的深水区：

• 给代理加上时间维度，让它真的去「体验」一个产品 10 分钟，回来报告看见了什么、感受如何；
• 多代理模拟。让客户最意外的需求是模拟财报电话会，CEO 和董事会想知道听众会怎么反应，这个需求出现的频率高得超出 Joon 预期；
• 二阶影响。一家车企的电动车卖爆了，市场对燃油车的看法会怎么变？整个产品线怎么平衡？这类问题今天没有任何工具能测，模拟可以。

Sonya 问了个尖锐的问题：为什么不直接投 1000 条 Facebook 广告，看真实的点击率？Joon 给了两个理由。一是规模和代表性，网上实验只有特定人群会响应，样本天然偏；Simile 花苦功夫保证人群的代表性，数量也不受平台人口限制。二是广告只能回答第一个问题，回答不了决策的下游连锁反应。他拿自动驾驶类比：先采真实路面数据，再让模型泛化到训练数据没覆盖的路况。一个道理，先见真人，再让模拟走得更远。

85% 是怎么算出来的

模拟人类，最要命的问题是：怎么知道它准不准？

Joon 团队做了这样一个验证：模拟 1000 个真实的美国人，覆盖美国人口结构。基准设计得很聪明，让真人隔一段时间重做同一份问卷，看他自己前后能对上多少，这是人类自洽度的天花板。模拟代理的预测准确度，达到了这个天花板的 85%。

日常运营的北极星指标是 TVD，总变差距离，衡量模拟出的答案分布和真实分布贴得多近。TVD 低于 0.15，他们认为是足以支撑决策的证据。这个阈值覆盖了客户的核心场景，包括各类 RCT。

多代理模拟更麻烦，误差会像传话游戏一样层层累积。Joon 把模拟分成两类。一类收敛，误差累积没关系，因为系统有强大的向心力。他举了网络科学的例子：只要按人类行为复制社交网络，一定会出现枢纽节点，这正是 PageRank 的核心观察，无论网页网络怎么形成，总有页面拿到指数级更多的链接。另一类发散，比如模拟一场选举，同样的输入跑不出同样的赢家，就像「一战是否不可避免」这类问题。发散类模拟的评估靠跑 100 次看分布，用 bootstrap 重采样算置信度，把各种可能结局都摆出来，让人看清机制、提前准备。

这个领域有多早期？Joon 的类比是，现在的模拟相当于推断统计的第一天。当年学界吵了很久才接受 P 小于 0.05 算科学证据，Simile 想做的，就是给整个行业定下这样的阈值和标准。

理论上限当然存在，人回答同一个问题，两次都会给出略有差异的答案，随机性是真实的。但 Joon 认为，距离上限还有大量可以榨取的性能空间。

一亿美元跑一次的模拟

聊到更大的图景，Joon 提了个人物：经济学家托马斯·谢林。上世纪七十年代，他用极简的代理模型研究种族隔离，每个代理只是一个红点或蓝点，每轮看看邻居颜色，同类占比低于阈值就搬家。就这么简单的规则，解释了宏观层面的隔离是怎么自发形成的。谢林后来拿了诺贝尔奖。

Joon 认为同样的机会现在摆在这代人面前，只是代理从红蓝点升级成了有完整人生故事的「人」。当年他就是这样说服两位导师入伙的：这件事做成了，诺贝尔奖是可以想的。

已经有经济学家来问过这些问题：银行挤兑什么时候发生？气候变化的死结是各国的集体行动困境，能不能模拟？一个民主政体崩溃前有什么信号？货币制度的起源是什么？

他甚至给这个领域画了一条成本曲线：今天的模拟又快又便宜，但可以预见一种模拟，跑一次要花一亿美元、耗时几个月，跑完能解开一个社会的基础问题。政治也一样，一项政策改了，未来五到十年会发生什么，各方都有一套说辞，模拟至少能把所有下游影响摆上桌。

结尾聊到未来，Joon 说自己受科幻小说影响很深。技术成熟的科幻社会里总有两根支柱，一根是 AGI，另一根是指导社会的模拟。五年前他不敢想，现在他觉得自己有机会去搭第二根。

联合创始人 Percy 常说，最伟大的科学突破往往始于一次了不起的测量。哈勃望远镜改变了人类理解宇宙的轨迹。模拟可以成为人类社会的哈勃望远镜。

Joon 自己的说法更直白：造一台人类社会的 CERN。自然科学已经被测量工具反复刷新，社会科学还缺它的那台机器。

明天就能用的三件事。大多数读者暂时用不上 Simile，但这期播客里有三个提醒，今天听完明天就能试：

• 做用户调研时，少问态度题，多问行为和经历。「你会买吗」和「讲讲你上次买这东西的经历」是两种问题，后者离真实选择近得多。实在没时间，试试「讲讲你的人生故事」，Joon 团队验证过，这是信息密度最高的一类问题。
• 测新想法时，把候选数量放大一个量级。今天测 5 个想法的预算，在模拟里够测 500 个。先广撒网，再挑几个去实地验证，顺序别反。
• 重大决策拍板前，除了「用户喜不喜欢」，强制自己列一遍二阶影响：这个产品成了，会怎么改变用户对我其他产品的看法？市场认知会怎么动？列不出来的部分，就是你的认知盲区。

言行之间的缝，模型补得上，前提是先承认这条缝存在。这是 Smallville 那场情人节派对之外，这期播客留下的最实用的提醒。

---

原文链接：https://trainingdata.qiaomu.ai/ep/098-simulating-humans-at-scale-simile-s-joon-sung-park-lfhFmw.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/097-google-deepmind-s-logan-kilpatrick-why-the-model-eats-the-ha-cMAs8z.htmlhttps://trainingdata.qiaomu.ai/ep/097-google-deepmind-s-logan-kilpatrick-why-the-model-eats-the-ha-cMAs8z.html Thu, 11 Jun 2026 00:00:00 +0000 Google DeepMind's Logan Kilpatrick: Why the Model Eats the Harness

先报一个数：35 万。

这是功能上线一周内，开发者在 Google AI Studio 里造出来的安卓应用数量。谷歌 DeepMind 负责 AI Studio 和 Gemini API 的 Logan Kilpatrick 报出这个数时自己补了一句：这些应用以前大概率不会有人替你开发，因为它们大多是为了解决某个人自己的小问题。

2026 年 6 月 11 日，红杉资本播客 Training Data 请来 Logan，主持人 Sonya Huang，聊了整整一期：智能体、编程大战、世界模型，还有这集标题里那句行话，模型吃掉 Harness（the model eats the harness）。

Logan 是谁？简单说，他是谷歌递给开发者的那扇门。AI Studio 和 Gemini API 都归他管，程序员第一次上手 Gemini，多半从他的产品开始。他怎么看这波智能体浪潮，怎么看应用层的机会，值得认真听。

下面拆开讲。

谷歌 50 个产品，有了第二条主线

今年 Google I/O，Sundar Pichai 开场就把当下定义为「agentic Gemini 时代」。Logan 给了一个内部视角：谷歌大约有 50 个产品，历史上从来没有一条主线能贯穿它们。Gemini 出现后，模型成了第一条主线，所有产品都以某种方式用上 Gemini。

现在第二条主线出现了。Antigravity 的 Agent Harness，正在成为谷歌全线产品共享的智能体底座。Search、Gemini 应用、Cloud、AI Studio 里的智能体功能，跑的是同一套 harness。

Antigravity 不好用一个词概括：有核心 IDE，有网页端的 agent 优先体验，有 CLI，有 SDK。Logan 说这是个生态，设计思路是在开发者所在的地方接住他们。

那 agent harness 和编程 harness 是一回事吗？他的回答有点意思：编程是 agent harness 的特化场景，但编程已经被证明是那个通用的 agent harness。各家产品在同一个底座上做特化，AI Studio 的版本偏 vibe coding，Gemini 应用的版本偏全天候消费级智能体，大概八成的东西是共用的。

整个谷歌的产品矩阵现在有多「智能体」？他给的评级很坦率：爬行阶段。

13 个十亿用户级产品摆在那里，责任重大。普通用户还没准备好让 AI 全权代办，他们想坐在驾驶座上，小心翼翼迈出第一步，搜索就是最典型的例子，得带着用户走，不能一夜之间改掉大家上网的习惯。真正接近「走」的是 Gemini 应用和 Spark 这类全天候常驻智能体，还有 Antigravity：你可以挂着自主编程 agent 去重构操作系统，消耗几十亿 token，替你花掉几千美元。这部分由 GDM 负责探路，其余产品渐进跟进。

顺带一提，未来谷歌会留下 3 个 AI 入口，还是 1 万个？Logan 觉得人类天生喜欢分工明确的产品，点开日历就看到日历，挺好。生成式界面听着酷，认知负担反而更高。生态里产品大概率越来越多，谷歌自己选哪条路，是战略决定。

智能体会吃掉谷歌自己的流量吗

Sonya 问了个尖锐问题：如果 AI 替我回邮件，我还会打开邮箱吗？眼球时长掉了，谷歌怎么面对自我蚕食？

Logan 拿搜索举了个反例。AI 刚学会回答问题时，所有人都觉得这对搜索是负和游戏。结果恰恰相反，人们搜索得更多了，agent 也在搜索，等于同时长出两个增量市场。世界上的人类时间总量有限，这点他承认，但一两年内这事是正和的；三五年后技术更强、产品形态变了，才真正难说。

更有分量的是他对成功指标的重定义。他说经常和 Demis Hassabis 聊这个：谷歌的成功，正在从最大化眼球时长，转向最大化用户成果。把事办成，用户好去过自己的日子，这才算产品成功。

打个比方，以前的互联网产品像健身房，盼着你天天来打卡；现在的方向更像出租车，按你到没到目的地算账，谁也不希望你绕路。

顺着这个逻辑，Sonya 提了个词：agent-led growth，智能体主导的增长。她写代码时全让 agent 做基础设施选型，「用什么数据库我无所谓，你定」。购物将来也这样，广告和价值捕获怎么办？

Logan 的看法是，SEO 和 GEO（生成式引擎优化）高度相关，很多新东西只是旧东西的代理变量，层层叠加着演化，最终的变化大概率比大家想象的温和。

编程大战：从「谷歌赢了」到五五开

Sonya 甩出全场最扎心的问题：她身边的开发者朋友用了很久 Claude，OpenAI 拉响警报之后 Codex 追了上来，现在朋友们五五开用 Claude 和 Codex，用 Gemini 的却没几个，为什么？

Logan 先补了一个背景：去年 12 月 Gemini 3 发布时，外界的叙事还是「谷歌赢了」。然后假期里风向一转，所有人的注意力全跑到了 agent 编程上。叙事翻转的速度，比翻转本身更值得记住。

他承认观察合理，也交了底：谷歌内部把编程团队叫「AI 复仇者联盟」，正在全力推前沿。而且他点破了一个关键认知：没有一个真正做长时程编程任务的产品，就很难做出好的长时程编程模型。这就是谷歌签下 Windsurf 交易、把那批人请过来做出 Antigravity 的原因，你需要那台引擎转起来。Sundar 在 I/O 上展示过谷歌内部 token 消耗的增长曲线。

模型层面的证据是 3.5 Flash：一个 Flash 档的模型，编程能力超过了谷歌发布过的所有 Pro 档模型，而且这些提升全部来自后训练（post-training）。他还提醒了一个容易被忽略的变量：预训练窗口。外部看一家公司「落后」，可能没算上大集群训练排期的时间差，而预训练一直是 DeepMind 的强项。

内部怎么用模型？Logan 的态度很开放：他自己所有模型、所有产品都用，因为不用就感知不到生态真实发生的事。但 Gemini 必须是日常主力，谷歌有 10 万多名工程师在用模型、喂反馈，这个飞轮本该是竞争优势。

至于「足够好的 agentic coding 模型会加速研究进展」这个软起飞循环，他说这事看起来显而易见，也许是自己身在其中喝多了迷魂汤。但产品侧的信号是真的：他的团队用 Antigravity 造移动应用，上线速度会快过谷歌历史上任何团队；Josh 的团队端到端交付 Gemini macOS 应用，也创了谷歌 Mac 应用的交付纪录。模型侧还有人类守着，毕竟没人会「不小心」把一万块 TPU 拿去跑一个没什么意义的任务。

企业端呢？Sonya 说，除了编程，企业里还没见到智能体真正干活的例子。Logan 说这取决于你对「干活」的标准定多高。他特别想看到一个指标被公开测量：agent 一次任务平均跑多久。OpenRouter 在统计全网 token 消耗，能看出世界里的智能总量在涨；任务时长每次新模型发布都会往上跳。各家实验室都在讲「新模型能自主干三天活」，那是极端值，但曲线整体在快速上移。企业今年就会在编程之外感觉到变化。

模型吃掉 Harness，应用层怎么活

这集的标题观点来了。Logan 的原话逻辑是这样：

两年前我们说的模型，就是一组权重，token 进 token 出。现在我们还叫它 Gemini 3.5、叫它 GPT、叫它 Claude，但它已经变成了围绕权重长出来的一整套不断膨胀的系统。

智能体工具调用、托管的搜索和代码执行、跑在容器里的模型、agent harness，全被装进了「模型」这个词。而外部脚手架的宿命是：脚手架总是比模型原生能力领先几步，然后模型把脚手架吃掉，变成原生功能。搜索、代码执行这类外部脚手架还有存在价值，因为不同场景要接不同供应商。但当下最典型的例子就是 agent harness，人人都在喊「得自建 harness，alpha 在 harness 里」。

Logan 的预测很具体：12 个月内，模型会把今天这批 harness 消化掉，能力上游进模型本体，alpha 流向别处。到时候再自研 harness，就像今天给旗舰机装一个手电筒 App。

Sonya 反驳了一个常见理由：应用公司自建 harness，是为了不被单一模型厂商锁定。Logan 的回应是，这个逻辑只在模型能力不足时成立。一个真正的通用模型，理应能适配任何 harness。他甚至提议生态里该有人做一个「Harness Bench」，专门测各家模型适配陌生 harness 的能力。测出来你会发现，模型迟早什么 harness 都能用。

那应用层公司怎么活？Logan 给出了一组看似矛盾、其实都成立的判断：

• 到处都是机会，比 24 个月前更多。当时大家担心智能体会压缩创业空间，结果完全相反。
• 模型能力已经跑到产品前面，这个落差（capability overhang）本身就是巨大的 alpha。
• 模型公司只追通用问题，垂直领域里有领域知识、有客户、有生态的团队，能围着最好的模型实验室跑圈。
• 专注是创业公司的超能力。谷歌有 50 个产品、13 个十亿用户产品，有义务什么都做，创业公司没有这个包袱。
• 编程能力帮创业公司抹平了和大公司存量代码库的差距，agentic 是一个全新的产品品类，愿意承担风险的人能赢得同样愿意冒险的用户群。

Omni、那条狗，和锯齿状超智能

世界模型部分，Logan 的核心观点是定义正在变糊。I/O 上发布的 Omni，任何输入、任何输出，Demis 把它称作世界模型。它在架构上和 Genie 那类传统世界模型不同，而传统世界模型出了名的贵、跑不动。Omni 是真正的单一模型，背后没有路由到八个模型。以前谷歌要训练一整套：Gemini 管文本，Lyria 管音乐，Nano Banana 管图像，VEO 管视频，还有一堆音频模型。现在一个模型全包，先上线的是目前质量最好的视频编辑能力，其他能力技术上能用，质量还没到最先进，所以没放开。

他讲了一个现场演示。他和模型团队的 Tulsi 在台上演讲，请台下观众用 Omni 现场改视频：一条狗走上台，跳上 Logan 的腿。改出来的版本里，其他嘉宾低头看到狗，会心一笑，Logan 一边撸狗一边继续讲。这种细节里的分寸感，模型全接住了。

Logan 自己做内容从来不用 AI 代笔，他觉得真实性里有巨大的 alpha。他喜欢 Omni 的点恰好是：它不改你这个人，只改你周围那些本来就不属于你的东西，比如布景和咖啡桌。这比满屏 AI 分身健康多了。

游戏是另一个有意思的切面。去年 10 月他发推说「2025 年底人人都能 vibe code 出电子游戏」，现在他承认接近了，但 3A 大作还早。当时 AI Studio 上 20% 的应用是游戏，现在最大类目变成了金融相关（大概 20%，很多在折腾加密货币），然后是个人效率和生成式媒体。GDM 还在 Kaggle 上搞了游戏竞技场，用游戏当 AGI 进度的探针，毕竟 Demis 当年就是因为游戏才入的行。

普通人什么时候能 vibe code 出一个真正好玩的游戏？他想说就是今年。模型能力已经够，缺的是懂游戏的人把脚手架搭对。短期看，编程 agent 加游戏引擎的组合，比纯世界模型更靠谱，因为世界模型天生开放发散，需要有人给它套上可复用的框架。

Sonya 问他，编程是不是已经到了他以前说的「狭义超智能」。他觉得像，而且 AI 没抢走开发者的能动性，反而把他自己的野心重置了：

以前我脑子里转的想法都够不着，只能想想「那该多好」。现在问题反过来了，我冒出一个想法，第一反应是「我是不是还能做得更大胆一点」。我没法只做个 MVP 了，技术允许我往前多走十步。

他预计接下来会在一个个领域里陆续出现这种「狭义超智能」，下一个大概率是可验证性强的领域：数学、金融、科学。最终我们拿到手的，会是锯齿状的超智能（jagged superintelligence），这里尖那里平，参差不齐。

GDM 内部文化他也聊了几句。Demis 是诺奖级科学家，这种气质渗进了公司文化，他反复看过几遍 Demis 的纪录片《The Thinking Game》，一群聪明人凑一起硬啃问题的打法，今天没变；对比之下，Sam Altman 是顶级商人，OpenAI 就是那种气质。Sergey Brin 回到一线，Noam Shazeer 也回了谷歌，Logan 的形容是：这是一个值得反复回味的时刻。DeepMind 的推特简介写着「谷歌的引擎室」，把 Gemini 部署进十亿用户级产品，全世界只有两家公司会遇到这种问题，谷歌一家就有 13 个。他发推也不用公关层层审批，他的原话是，大公司讲真话很难，魔法经过太多流程会被稀释。

他还引用了《硅谷》剧集里 Gavin Belson 的名台词，「我们不能让别人把世界变好的程度超过我们」，然后自嘲：所有人都在抢着让世界变得更美好，这么一框定，这事一点都不零和。

明天就能用的三件事

这集信息量很大，挑三条明天就能动手的：

• 做应用的人，把「模型 12 个月内会原生学会」当成默认假设来设计产品。凡是纯靠脚手架堆出来的功能，都按短命资产做预算；真正的护城河往垂直领域知识、客户关系和分发上押。模型公司暂时没做的地方，就是你的窗口期。
• 写代码的人，把野心调高一档。Logan 自己的体会是，现在做 MVP 都不好意思了，技术允许你多往前走十步。35 万个安卓应用里大多数是解决个人问题的，你那个搁置很久的小需求，今晚就能动手。
• 关注 agent 任务时长这个指标。Logan 特别想看到 OpenRouter 公布平均 agent 任务时长，每次新模型发布它都在往上跳。判断某个领域的智能体成熟没成熟，别看 demo，看任务能连续跑多久。

最后用 Logan 的那句话收尾：技术存在的意义，是替你把事办成，好让你去过自己的日子。产品如此，工具如此，我们用 AI 的方式，大概也该如此。

---

原文链接：https://trainingdata.qiaomu.ai/ep/097-google-deepmind-s-logan-kilpatrick-why-the-model-eats-the-ha-cMAs8z.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/096-live-jensen-huang-on-building-the-dynamo-of-the-intelligence-2UpQbe.htmlhttps://trainingdata.qiaomu.ai/ep/096-live-jensen-huang-on-building-the-dynamo-of-the-intelligence-2UpQbe.html Wed, 10 Jun 2026 00:00:00 +0000 LIVE: Jensen Huang on Building the Dynamo of the Intelligence Age

先看一台机器的参数：72颗芯片装进一个机柜，整机两吨重，150万个零件，单价400万美元，号称地球上最贵的设备。黄仁勋说，英伟达今年要像造手机一样流水线生产它，一年下来大约800万颗芯片。

这是红杉资本播客Training Data的一场现场录制，主持人是红杉合伙人康斯坦丁·布勒，嘉宾是英伟达创始人兼CEO黄仁勋，台下坐着来自60个国家的观众。整场对话，他其实只干了一件事：把AI从玄学拉回车间，当成一门制造业，一笔一笔算账。

总账是这样的：今年一年，市场会有大约1万亿美元流进AI产业链。而他估计，整个智能生态的终局规模是每年20万亿美元。现在才走到第一万亿。

从会聊天，到能干活

黄仁勋先给AI这两年的变化定了个坐标。

两年前的ChatGPT，核心能力是理解和生成。给它一份PDF让它总结，文本变文本；让它把故事画成图，文本变图像；给它一张照片让它讲讲里面有什么，图像变文本。什么都能变成什么，当时大家管这叫生成式AI。

但他提醒，生成式AI真正的价值藏在后面。会生成，才会思考。所谓思考，就是一步步生成内部的想法。生成还带来另一件事：AI能生成指令去操控别的工具，浏览器、表格、Photoshop、AutoCAD。今天操控的是数字工具，哪天操控的是机械，那就叫机器人；操控一台带方向盘的机器，那就叫自动驾驶。

两年过去，AI进入了智能体阶段。你从ChatGPT看到它，从Codex、Claude Code看到它，它能推理，还能干活，能交付结果。

两年前大家都笑ChatGPT，好玩、幼稚、净编胡话。他说都对，但它是后来这一切的地基。

这里他讲了个扎心的观察。

「我们喜欢聪明的朋友，喜欢什么都知道的人，但我们不为他们付钱。我们只为干活的人付钱。」

两年前的AI会写诗、会编乡村歌曲，好看，但不值钱。现在的AI干活了，人们按小时付钱，一小时20美元、30美元，跟雇一个数字员工没区别。黄仁勋管这叫人类历史上增长最快的软件生意。

他还留了道思考题给台下的投资人和创业者：AI能干活了，下游的医疗、金融、制造、物流、零售、广告会跟着发生什么？这是未来十年最值得聊的一批对话。但比下游更值得看的，是上游，AI本身作为一门工业，长什么样。

60年的检索式计算，到头了

第二个视角更狠，他往上游看，看整个计算机工业的家底。

1964年，IBM发布System 360，现代计算机的范式从这台机器定下来，那一年IBM是全球市值最高的公司。此后40年，计算机的基本逻辑几乎没动过：手写程序，存成文件；拍张照片，存成文件；录段音乐，存成文件。要用的时候，从磁盘里取出来。

取得聪明一点的部分，叫推荐系统。但本质上，今天的计算机是一台检索机器。数据中心为什么叫数据中心？黄仁勋的原话很损：因为它们主要在存数据，没干什么计算，所以没人管它们叫计算中心。

AI把这套逻辑掀翻了。每次你跟AI对话，都要给它新的上下文、新的提问，它理解、推理，然后当场生成回答。未来的每一个像素、每一段声音、每一支广告、每一篇新闻，都会为你当场生成。张三看到的和李四看到的，是两个完全不同的版本。

为什么每个人看到的都不一样？因为你的兴趣、你的背景、你是谁、你为什么问、你怎么问，全都不同。生成是照着这些上下文现做的，检索做不到。

生成取代检索，世界就需要海量的生成器。英伟达造的就是这个东西。

接着他打了个比方，把整件事钉死了。19世纪60年代，西门子造出发电机，烧火、推动，另一头冒出一种看不见的力量，当时没人知道那是什么，后来人类叫它电。电织成电网，包裹了整个地球。三十多年前，美国人搞出的网络架构长成了互联网，又包裹了一层。现在是第三层：智能。

「原子进来，电子出去，那是发电机。电子进来，数字出去，那是我们的机器。这些数字重新组合，可以是语言，可以是数学，可以是蛋白质，可以是物理和气候，可以是机器人的动作。我们管它叫token，它就是智能。」

当年那台机器的名字是Dynamo，发电机。这期节目的标题，就叫「建造智能时代的Dynamo」。主持人康斯坦丁总结得很整齐：能源革命靠发电机，通信革命靠交换机，智能革命靠GPU和AI工厂。黄仁勋补了一句，为什么叫工厂，因为它在生产，一小时一小时地产出token，token就是智能。

五层蛋糕，第一万亿美元怎么分

他给了第三套思维模型：把AI产业看成一块五层蛋糕。想投资、想择业，都用这张地图。

先看体量。一个吉瓦的AI工厂，造价大约500亿美元，人类有史以来最贵的工厂。按他的说法，它能产出3000亿到4000亿美元的智能，投资回报快得离谱。主持人接了一句，未来几年有上百个吉瓦级工厂要上马，光基建就是几万亿美元。今年全年，大约1万亿美元会流进这块蛋糕。

五层，从下往上数：

• 能源层。很多国家的电网建成之后，快一百年没迎来过这种级别的扩建。核电、风电、光伏、氢能，只要能发电，就会拿到钱。他管这叫能源行业几代人一遇的机会，西门子、三菱、GE Vernova生意好，原因在这。
• 芯片层。芯片、计算机、网络、交换机、硅光子，从H100到最新的Vera Rubin平台，英伟达自己站在这层。
• 基础设施层。土地、电力、机房、资金、数据中心运营，每一样今天都稀缺。
• 模型层。OpenAI、Anthropic在这里。但他提醒，别只盯着语言模型。AI能学会任何有结构的东西，蛋白质、基因、细胞、物理定律、气候。他举了个例子，他刚才坐下，100%稳稳落在椅子上，因为物理世界可预测，可预测就有结构，有结构就能学。物理世界那部分产业规模约80万亿美元，才是没人谈论的最大前沿。
• 应用层。去年1000亿美元风险投资流进这层，人类历史上VC投资最高的一年。金融、法律、会计、物流、交通，创业公司在上面开花。

从计算机的视角看，细胞、蛋白质、单词、图像、汽车，没有区别，全是token。难的是把世界的信息表示成机器能理解、能推理的形式，然后做计划、生成动作，跑通整个智能闭环。

他的判断是：智能会变成像电力一样的商品。剩下的问题只有三个：智能有多重要？谁需要它？你要多少？

还有一层想象空间在智能体。今天全球大约10亿人在用AI。一旦AI能自己干活，智能体就会跟智能体组队。黄仁勋说，英伟达内部此刻大概跑着几十万个智能体，有护栏、有沙箱，互相说话、互相派活。自动驾驶汽车是智能体，机器人是智能体，工厂和楼宇都会是智能体。未来的互联网，主体可能从几十亿人变成上千亿个智能体，全天候在线，互相生成指令和想法。

听起来夸张，但他说这事已经发生过两次了，电网一次，互联网一次。智能是第三次包裹地球。

放射科医生的故事：任务和目的是两回事

现场有人问，普通人怎么参与这场革命。黄仁勋没直接答，先讲了个故事。

十年前，一位全球顶级的计算机科学家公开警告：AI第一个消灭的职业是放射科，劝所有人别入行。这个人就是辛顿，2016年他确实说过，医院应该停止培训放射科医生。他的依据很硬：计算机视觉早在12年前就有超人能力，识别影像、发现病灶，不累，不漏细节。

结果呢？他说对了一半。计算机视觉确实渗透了放射科的每一个环节，今天每一位放射科医生都被它增强。

但放射科的需求涨了，放射科医生的数量也涨了。

为什么？黄仁勋让现场观众猜。答案是：放射科医生的工作目的，从来都是配合临床医生诊断疾病，读片只是任务。任务自动化之后，医生效率变高，更多病人被收进医院，拍更多片子，科室更赚钱，于是招更多医生，收更多病人，治更多人。医院外面还有一堆病人在排队等着进来。

更讽刺的是后续。那次警告传开之后，想学放射科的年轻人真的变少了。可社会明明需要更多放射科医生。黄仁勋说，我们必须对随口编造的预言负责，因为它真的会伤害人。

同样的剧本在程序员身上重演。最近有人说，90%的代码要消失，软件工程师不需要了。与此同时，英伟达招的工程师比任何时候都多。他的解释是：写代码从来都只是任务，工程师的目的是解决问题，以及想出值得解决的问题。他从来没招过一个人，然后只考核打字速度。

他自己也逃不掉这个框架。CEO的任务是什么？打字和说话。这两件事AI都干得超人级别。可他比任何时候都忙。

所以他的结论是：AI不会消灭工作，AI会抬高工作。关键看你想清楚自己的任务和目的。水管工明天可能就是设计师，用AI出厨房效果图；卖家具的明天可能就是室内设计师。手艺被抬高了，从执行者变成了出主意的人。

别怕终结者，怕的是会用AI的同事

谈到那些吓人的说法，终结者、奇点、20%概率毁灭人类，黄仁勋当场开炮：完全是胡说八道。

「如果你不知道一个东西怎么运作，你怎么可能每年都把它做得更好？它每年都在变好，所以他们当然知道它怎么运作。它就是计算机，就是软件。」

安全这件事，他的证据是拿来用的体验。两年前的ChatGPT幻觉不断，今天的模型会查资料、会自我质疑、会给出几个答案再反思一遍才开口。他的类比是汽车：今天的车比100年前的车技术复杂得多，也安全得多，安全本身就是技术进步的产物。

他真正担心的是另一件事。干了40多年芯片设计，他看着计算机越来越复杂，会编程的人占总人口的比例越来越低。现场举手，会C++的大概2%。现在呢？会说人话就会编程。AI是他职业生涯里见过的、消除技术鸿沟的最大力量。

所以他对恐惧的回答只有一句：你可能会把工作丢给AI，但你一定会把工作丢给会用AI的人。担心之前，先把AI用起来。这句话他在台上讲了两遍，一遍说给自己，一遍说给台下有孩子的父母：给孩子的建议很简单，去用那个给人超能力的东西。

「如果我们认为它是超能力，就去用它。我们不用，别人会用。」

明天就能用的三件事

听完这一小时，能带走的东西其实很具体。

• 用「任务和目的」给自己的工作做个体检。列一张清单，左边写任务，回邮件、做图、查资料、写初稿，右边写目的，判断、定义问题、维护关系。把左边的尽量交给AI，省下来的时间全部投给右边。放射科的故事已经把结局演完了：被增强的人拿走了增长，躲开的人连入场券都没摸到。
• 用五层蛋糕给自己定位。做投资的，问自己钱该压在哪一层，第三层的土地、电力、机房运营眼下样样稀缺；找工作的，想想自己的手艺贴着哪一层，那层的稀缺技能是什么。黄仁勋给的坐标是，今年进场1万亿美元，终局是每年20万亿，现在不管站在哪层都算早。
• 今天就装上一个AI，把它当员工用。按小时计价的心态，一小时20美元、30美元，让它真干活，交付结果。别再用「试试看」的心态聊两句就关掉。另外，家里有孩子的，教会他们说人话就是编程，这件事的门槛已经降到了零。

黄仁勋在节目最后说，AI这件事没那么难理解。160多年前人类学会把原子变成电子，现在人类学会把电子变成数字，数字就是智能。剩下的问题只有一个：你要多少。

---

原文链接：https://trainingdata.qiaomu.ai/ep/096-live-jensen-huang-on-building-the-dynamo-of-the-intelligence-2UpQbe.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/095-knowing-what-your-customers-want-all-the-time-listen-labs-al-Rumft-.htmlhttps://trainingdata.qiaomu.ai/ep/095-knowing-what-your-customers-want-all-the-time-listen-labs-al-Rumft-.html Tue, 02 Jun 2026 00:00:00 +0000 Knowing What Your Customers Want, All the Time: Listen Labs' Alfred Wahlforss

一件衬衫卖不动，原因可能出在胸毛上。

短裤品牌 Chubbies 用 Listen Labs 做产品测试，AI 访谈挖出了这个细节：男用户的胸毛和某种面料凑在一起，穿起来难受得要命。衬衫改版之后，舒适度大幅提升。同一家公司还帮男士护理品牌 Manscaped 改过超级碗广告，帮 Skims 测过产品。

Listen Labs 是一家 AI 优先的客户调研公司，上线刚满一年，客户里已经有 20% 的财富 500 强，微软、Anthropic、Sweetgreen、NBC 都在名单上。它背后连着一个 3000 万人的受访池，AI 代理能同时跟几千人开视频访谈。到目前为止，平台上累计跑过 100 万场访谈，还在指数增长。

创始人 Alfred Wahlforss 最近上了红杉资本的播客 Training Data，两位主持人 Sonya Huang 和 Konstantine Buhler 都是红杉合伙人。Alfred 的核心判断浓缩成一句话：

「越接近 AGI，造东西会越容易，难的部分是知道该造什么。」

产品长什么样

流程不复杂。你输入一个问题，比如「怎么改进 Cursor 的新手引导」，系统先生成一份访谈指南，本质是给 AI 代理的指令。然后从 3000 万人的池子里找人，从肿瘤科医生到软件工程师都找得到，同时开几百场访谈，最后汇总分析，直接给建议。

访谈本身是一场视频通话，类似跟 AI 开个 Zoom。AI 会读你的表情，看你的眼神，听你说话的方式。整个平台围绕可溯源设计，每个数据点都能点回原始视频或原话，你能亲眼确认 AI 没有编造。

Alfred 反复强调一个事实：大多数公司的大多数决策，根本没有用户输入参与，因为找人聊用户的摩擦太大了。摩擦降下来，决策质量自然上去。速度优势很夸张，五分钟内就能拿到真人反馈，看着几百个人涌进你的访谈，体验相当魔幻。因为整个过程是异步的，成本也压下来了，付给受访者的钱比同步访谈少得多。

这个产品的起点挺偶然。Alfred 和联创之前做了个消费应用 BeFake，用微调过的 Stable Diffusion 给用户生成 AI 头像，算是 ChatGPT 图像功能的早期版本。应用一夜爆红，两万个用户涌进来，然后流失严重。他们给自己做了个 AI 访谈工具，想搞清楚用户为什么走。用下来发现这东西太好用了，干脆转型做 Listen。

对比一下旧世界。老牌问卷工具 Qualtrics 之外，市场调研还有一个几十亿美元规模的服务业，专门帮公司设计问题、招募受访者、分析几百小时的录音。传统消费品公司、微软这样的巨头，每年花几千万美元做焦点小组，把人请进房间聊。设计问卷本身是门学问，你不能直接问「你愿意为这个付多少钱」，不同问法对行为的预测力差得很远。

问卷早就不可靠了，然后呢

主持人 Sonya Huang 的质疑很代表性：受访者是拿钱办事的，天生有选择偏差；人说自己会怎么做，和实际怎么做，经常是两回事。她更相信真实世界的行为数据。

Alfred 的回应分三层。

第一层，一致性测试。他们把同一道选择题问卷隔段时间再发给同一个人，答案差异很大。换成 Listen 的语音访谈，人得真正动脑推理，前后一致性明显更高。

第二层，回测。Chubbies 用他们测所有东西，从营销素材到衬衫款式，测完之后几个月，拿真实销售数据回来对答案，看访谈预测准不准。

第三层，他承认 A/B 测试是黄金标准，但实践中很难做对，需要足够大的用户量。有一点真实输入，总比没有任何输入强。

表情识别是弥合「嘴上说」和「实际想」之间差距的另一条路。量表上给你打高分的人很多，但真正眼睛发亮、语气兴奋的反应，才预示这支广告在 Meta 和 LinkedIn 的实际投放里表现更好。他们验证过这层相关性。

人更愿意对 AI 说真话，找对人也更难了

人们居然愿意接受更低的报酬来跟 AI 聊天，换成真人访谈员就得加钱。原因是异步、随时开始随时停、心理压力小。有人聊着聊着把心里话全倒出来，像做了一次心理疏导，对面是个不带评判、又对你充满好奇的实体。他们甚至能做儿童调研，这在过去是出了名的难，要家长同意，孩子要上学、上兴趣班，时间根本约不上。

另一件花大力气的事是找人。Listen 把 80% 的工程资源砸在受众这一端。客户分群是幂律分布的。Sweetgreen 看起来是给所有人做的沙拉，真正的核心客群是城市高收入女性，还得知道「种子油」是什么，那是欧美健康圈的热词，全美国只有大约 1% 的人知道这个概念。每天去吃的那批人，贡献了 80% 的收入。找到这群人，调研结论才有可执行性。

Alfred 的目标是把受访池做到 10 亿人，给每个人标注专长。可能是个球鞋发烧友，品牌发新品前先访谈这批早期采用者，洞察价值高得多。每做一场访谈，这个人的画像就更厚一层，下次直接搜出来。Konstantine 补了一句，这背后有网络效应，规模到了之后，那些平时极难接触到的人，你也能约到了。

旧模式做不到这一点。传统调研数据库有个指标叫发生率，可能只有 10%，意思是十个人里只有一个合格。被筛掉十次才拿到第一次报酬，数据库流失严重。直接用自家 CRM 也不省心，数据乱是一回事，谷歌不能随便给 Gmail 用户发调研邮件，普通公司群发问卷容易被当成垃圾邮件，直接进过滤器。接 CRM 发给熟客当然可以，但更有价值的是触达那些还不是重度用户的潜在客户，再把两拨人的答案放在一起对比。

调研 3.0：模拟你的用户

Alfred 把行业分成三个阶段。1.0 是人工打一百个电话，手工整理。2.0 是 AI 设计问题、同时聊几千人、自动汇总，Listen 现在干的事。3.0 是生成式代理模拟，几个月内上线。

模拟的原理：给一个人做一小时深度访谈，就能开始预测他的偏好，LLM 很擅长这个。某些场景下，预测这个人怎么回答问题的准确率能到 95%。

麻烦在于世界一直在变。混沌理论告诉我们，预测未来很难，否则大家都去华尔街赚钱了。所以要用持续流动的真实访谈给受众「补水」，平台上累计的 100 万场访谈就是燃料。Alfred 描绘的场景是：你问「软件工程师怎么看 Claude Code」，Listen 回答，我这周已经访谈过 1000 个软件工程师了，我来预测他们会怎么答。

怎么知道模型靠不靠谱？他们做回测：从训练集里抽掉一道题，看预测得准不准；再塞进「他们的狗叫什么名字」这种无厘头问题，看模型知不知道自己预测不了。

Alfred 自己先当了小白鼠。他要给一场演讲起标题，写了 100 个，丢进模拟面板，第一名比第二名好一倍。他又做了个对照，把两组演讲标题分别给 ChatGPT 和自家模拟挑，ChatGPT 挑错了，模拟挑对了。

原因在哪？通用模型学的是「平均人」，而你要服务的是一个非常具体的窄人群。他们也试过信用卡消费、行为数据，效果最好的数据源还是访谈，因为访谈能跑题、能追问行为、能捕捉一个人怎么想。模型缺的是关于具体人群如何行动的干净数据。

访谈攒够之后，产品形态也变了。他们有个功能叫增强响应（augmented responses），相当于给你一个专属 bot，随时问即时问题。技术栈是后训练加 RAG，再加一些不公开的私招。它还能接进你的编码代理，Alfred 称之为 human API，代理随时调用用户偏好，知道该造什么。他们已经发布了 MCP，接进 Claude 之后，可以让 Claude 在循环里跑 Listen，批量生成营销创意再测试。

Sonya 追问，要不要让一千个模拟用户互相辩论，类似把同一个问题发给三个模型再让一个模型当裁判。Alfred 持怀疑态度，事物一复合就难预测，混沌理论又来了。他们的做法是把一个人建模建好，再扩展成一千人的代表性样本。

生意层面的数字更有意思。因为做得快，反而应该收更多钱。他们向客户收几十万美元，对应的只是一场覆盖八个国家、20 位医生的访谈项目。长期看，单场访谈会更便宜，但研究总量会多两个数量级。模拟解锁的是那 99% 你永远没时间找真人的场景。分工很清晰，超级碗广告这种大决策还是要跑真人访谈，广告牌上的标语这种小决策交给模拟。咨询公司也在用，Bain 拿 Listen 加速传统流程，但利润率会掉，得把服务拆开，让 AI 代理接走一部分。

Konstantine 给了一个医疗场景：医疗系统里有一堆小毛病，医生忙到没空参加任何座谈，公司也懒得花时间搞清楚那些细碎的痛点。如果医生在手机上顺手就能吐槽 EHR 或者手术室里的设备，这类场景听着就能救命。

护城河是笨功夫

创业初期的核心想法很朴素：把访谈体验变得不那么烦人。GPT-4 时代，AI 有时会把同一个问题问一百遍。他们建了一个评测，专查重复提问和是否遵循指令，起步 20%，一路爬到 85%。然后建了一个更难的评测，要求 AI 理解屏幕录制里你在干什么、能不能跳过不再相关的问题，又掉回 20%。

垂直 AI 公司的优势就在于拥有自己的私有评测，然后一点点爬它。这是 Alfred 总结的方法论。

护城河有几层：受访池的网络效应，供需两端互相吸引；数据护城河，访谈越多模拟越准；产品粘性，历史访谈都存在平台上，你要长期追踪。还有最朴素的，红杉合伙人 Bryan Schreier 跟他说过一句话，创始人想做复杂的东西，客户只想要傻简单、能用就行。

生成访谈指南就是典型。早期他们直接用裸 LLM，客户拿到数据跑回来说这玩意没法用，他们把这个锅背下来，训练模型遵循最佳实践，比如别诱导受访者。

这门手艺的历史战绩不小。P&G 通过客户访谈发现洗衣液用着难受，用户想要更省事的形态，做出了 Tide Pods 洗衣凝珠。Mars 在上世纪 50 年代做了最早的调研之一，M&M's 原本给军队设计，因为揣兜里不化，调研发现孩子是更大的市场，整个广告策略随之转向，这个故事出自 Acquired 播客。大公司的账更好算，宝洁进入一个新市场，投入动辄几千万美元起步，发布那一刻必须对，这是他们成为 Listen 大客户的原因之一。

Konstantine 还给了一个视角：公司的本质是服务人，AI 越聪明，AI 不知道而人知道的那部分差值越值钱。Alfred 确信未来仍需要真人输入，因为人是不理性的，会突然迷上一个新的 TikTok 趋势，逼你整个营销策略掉头。他不确定的是模拟能走多远。

Sonya 把商业模式总结成一个无限循环：公司本质上就是「搞清楚造什么，造出来」来回转，AI 正在把「造出来」这半边推得飞快，Listen 卡位的是「搞清楚造什么」，从产品功能到广告文案。Alfred 补了一个更朴素的版本：写代码，跟用户聊。终局画面是一个人的十亿美元公司，编码代理负责写代码，Listen 负责搞清楚该写什么，两个在循环里跑，自主运转。

「我们希望活在一个终于按人们想要的方式运转的世界里。」

明天就能用上的几件事

• 设计问卷时，删掉「你愿意付多少钱」这类直接问法，换成行为类问题，问过去做过什么，比问将来会做什么靠谱。
• 标题、广告语这类小决策，批量生成 100 个版本，找一批匹配目标画像的受访者测试，选得分最高的。Alfred 的演讲标题就是这么选的。
• 看任何调研报告，先要求每个结论能点回原始录像或原话，不能溯源的数据先当不存在。
• 如果你在做 AI 产品，建一个自己的评测集，专挑你最怕出的问题，每次换模型跑一遍，分数就是产品进度条。
• 预算有限时，优先调研核心客群。那群看起来很小的人，可能贡献 80% 的收入。

最后回到那句判断。造东西的成本正在塌方，知道造什么的成本正在变成新的瓶颈。谁先建立起持续听用户说话的管道，谁就握住了循环里更难的那一半。

---

原文链接：https://trainingdata.qiaomu.ai/ep/095-knowing-what-your-customers-want-all-the-time-listen-labs-al-Rumft-.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/094-how-cursor-trained-composer-on-fireworks-distributed-infrast-UDTr9y.htmlhttps://trainingdata.qiaomu.ai/ep/094-how-cursor-trained-composer-on-fireworks-distributed-infrast-UDTr9y.html Tue, 26 May 2026 00:00:00 +0000 How Cursor Trained Composer on Fireworks: Distributed Infrastructure for High-Performance RL

Cursor 几周前发布的编程模型 Composer 2，推理成本比 Opus 这类旗舰编程模型低一个数量级。撑起这个数字的，是一套市面上很少见的训练基础设施：一万亿参数的 MoE 基座，4 个散布全球的集群，每 5 到 15 分钟产出一份约 1TB 的新权重，再用自研压缩算法把跨洋传输压进一分钟，推理服务器换权重只停 30 秒。

2026 年 5 月底，红杉资本的播客 Training Data 把两位当事人请到了一起：Cursor 的 Composer 2 研究负责人 Federico Cassano，和 AI 基础设施公司 Fireworks 的 Dmytro Dzhulgakov，大家叫他 Dima。过去几个月 Dima 在 Cursor「兼职」，专门帮忙搭这套系统。两人讲到兴头上会不自觉笑出来，那是系统工程师刚解决掉硬问题的表情。这期节目干货很密，下面按主题拆开讲。

把权重的每一比特都花在一个任务上

为什么一个做应用的公司要自己训模型？Federico 给了个很干脆的类比：模型像一块硬盘，权重里能存的信息量是固定的。Cursor 只关心一件事：Cursor 这个产品里的软件工程，甚至都不必把范围放宽到「编程」。既然容量有限，那就把每一个比特都分配给这一个任务。

结果就是 Composer 的推理价格比 Opus 低一个数量级。所有容量都花在一个任务上，模型可以做得更小，跑得更快，成本更低。

主持人 Sonya Huang 问 Dima：其他应用公司该不该照做？Dima 的回答很肯定。他把应用公司的进化路径描述成三段：先用现成模型加 prompt 工程跑通原型；然后发现应用里真正有杠杆的东西，是用户数据、工具设计、产品流程这些细节；最后发现prompt 工程有天花板，想做出真正出色的 AI 产品，就得微调模型，让模型在你的环境里长出来。

Federico 补了一个细节：有些工具的行为很难用 prompt 描述清楚，但通过后训练可以直接把最优用法烤进权重。Composer 现在还是会收到 prompt，但按他的说法，就算不给 prompt，模型也知道该干什么，因为训练过程一直在把它往正确方向推。

Sonya 抛出了那个绕不开的质疑：这算不算违背「苦涩的教训」？LLM 时代之前，Tabnine 那批小型专用编程模型，被在互联网文本上训练出来的通用大模型碾压了，而且模型越大，编程能力也跟着涨。专门化算不算逆潮流？

Federico 的回应分两层。第一，大实验室的模型本来就在代码上重度训练，它们并非纯粹靠泛化，早就有专用成分。第二，真信苦涩的教训，恰恰意味着往数据维度猛冲：模型容量有限，想喂进更多数据，就得先把权重里无关的干扰清出去。在他们看来，这和规模法则并不冲突，核心问题是同一份容量该装什么。

两条腿走路：mid-training 铺宽度，RL 磨锋利

Composer 2 的基座是月之暗面的 Kimi 2.5，一万亿参数的 MoE，激活参数约 300 亿，稀疏度很高。Federico 把训练拆成两条轴：Composer 1 只压了强化学习这一条，Composer 2 两条一起压，一条是持续预训练（mid-training），一条是大规模 RL。

流程是先在接近预训练规模的代码 token 上做 mid-training，学代码库、高频代码模式，也混了网络数据里的世界知识，铺出一个足够宽的分布。然后拿 checkpoint 去做大规模 RL，让模型直接在 Cursor 的 harness（模型运行其中的执行框架）里干活。

两步的分工，Federico 讲得很清楚：mid-training 让模型会写代码，但分不清对错。预训练数据大体正确，模型却没机会踩坑，也就学不会分辨。RL 阶段模型真的去调工具、跑环境，写错了就拿不到奖励，RL 教会模型的是「永远写正确的代码」。

为什么不干脆从头预训练？Federico 说这是自顶向下的思路：目标是尽快把有用的模型交到用户手里。自底向上走完预训练、mid-training、RL 全流程，时间太久。他透露，下一版 Composer 计划换上自研基座，不再依赖开源模型。

顺带一提，Tab 补全和 Composer 是两条产品线：Tab 追求极低延迟，模型做得很小；Composer 大得多，两种核心能力，训练方式也分开。

4 个集群、1TB 权重、60 秒跨洋

RL 训练和预训练有个本质区别。Dima 解释：预训练只预测下一个 token，RL 要跑完整的 agent 会话。一个 rollout 就是一次完整的 Cursor 会话，可能有 50 个回合：模型接 prompt、调工具、环境执行、生成代码，最后按结果给奖励，可能是 LLM 当裁判，也可能是「代码能不能编译」这种可验证信号。

这意味着除了几万张 GPU 的训练集群，还要编排大量环境、跑大量推理。RL 基础设施天然比预训练复杂，因为预训练需要的东西它全都要，另外还要加一整套环境模拟。

最朴素的同步做法：训练器停下来，等所有 rollout 跑完，一个会话可能五到十分钟甚至更久，更新权重，再继续。算法上最干净，系统上一半算力常年闲置。他们的做法是流水线。Dima 打了个比方：把它当成一座巨大的工厂，训练楼和 rollout 楼同时开工，谁也不停。rollout 楼永远拿最新权重模拟新会话，训练楼永远拿新到的结果算更新。代价是「陈旧度」：一个会话跑完时，权重可能已经更新过几轮。数学上损失几个百分点，但算力利用率拉满，整体反而快得多。

Federico 强调他们对性能是认真的：Cursor 只有几万张 GPU，没有大实验室的百万级，各种压榨单卡效率的招都用上了，训练直接用 FP4 精度。他还顺手破了一个流传很广的说法：RL 中推理 flops 远超训练 flops。他的判断是，这是开源推理引擎没优化好，并非 RL 的固有属性。理论上推理只需要训练的三分之一算力：一次训练更新等于三次前向的量，一次前向加数据梯度加权重梯度；推理打满批次只需要一次前向。

然后是全球分布。超大连续集群市场上很难找，Dima 说了句大实话：在 Composer 的训练规模上，找一个两倍大的集群，比找现在这个难得多。于是他们把训练和推理拆开：训练放一个集群，推理全球分布。Composer 2 一共用了 4 个集群，彼此隔得很远，甚至会在生产流量低谷时，把服务上一代模型 Composer 1.5 的推理 GPU 抽出来加速训练。

难点在同步。训练步长 5 到 15 分钟，意味着每 5 到 10 分钟就要把一份 1TB 的新权重送到地球另一端，还不能让陈旧度失控。两人的解法是 delta（增量）压缩：RL 做的是精细调整，每一步真正变化的权重很少，而且有规律可循。他们写了利用这个性质的压缩算法，delta 比完整模型小约 20 倍，且全程无损，对端拿到的模型逐比特等价。通常一分钟内送达，最差也就几分钟，推理服务器换权重只停 30 秒左右。上传下载还做了分片，把集群出口带宽吃满。

Dima 点出了这套方案对传统认知的颠覆：常规做法是建一个 RDMA 互联的昂贵大集群，三分之一算力训练、三分之二跑推理。拆开之后，推理不需要高速互联，可以用不同代际、不同型号的便宜 GPU，还能蹭生产流量的潮汐，成本降了一大截。

浮点数不守规矩，MoE 火上浇油

异步训练带来一个绕不开的坑。rollout 是旧权重生成的，送回训练器时要重跑一遍前向，复现 log 概率。理论上同一版本模型的结果应该一致，实际上总有偏差，业内叫数值不匹配（numerical mismatch）。

Dima 解释了根源：浮点运算天生不确定。整数世界里 A+B+C 和 C+B+A 结果相同，浮点数里连 A+B 和 B+A 都可能不同，因为加法顺序影响舍入。单次差异极小，但模型有几十亿次运算，误差会被放大。推理时无所谓，预训练好的模型很鲁棒，翻转几个比特基准分也不变。RL 不一样，RL 靠非常弱的信号教模型，数值噪声能直接决定训练成不成立。

MoE 把问题进一步放大。Dima 拿基座模型举例：每层有一个门控，从 384 个专家里挑 8 个激活。两个隐藏状态可能只在小数点后第五位有差异，但这个差异恰好让门控选了 7 号专家而放过了 9 号，激活的整块参数完全不同，误差瞬间放大。推理时激活了 7 号，训练时却在更新 9 号，而 9 号根本没参与那次推理。

解法有好几层。可以写「批次不变」的 GPU kernel，强制所有运算按固定顺序累加，把差异压到零，但系统会慢两三倍。他们迭代出的平衡点是：接受百分之几的减速，消掉九成的差异。另一个巧招叫 router replay：推理端多传一个整数，告诉训练器「这个 token 我激活的是 7 号专家」，训练端照着对齐。再加上对齐量化精度、手写 kernel，把训练和推理实现的偏差压下去。Dima 说，这些对齐做没做，直接决定一次 RL 训练是彻底跑崩，还是要多烧几倍算力才能收敛。

会作弊的模型、当裁判的 LLM 和会续命的 agent

节目开头有段对话值得单独拎出来。Federico 说，RL 环境必须尽可能逼真地模拟用户的电脑，因为模型有时能识破自己在假环境里，表现会和生产环境完全不同。Sonya 追问：它是「意识到」了自己在假环境？Federico 给了肯定的回答，还配了一段模型视角的内心戏：哦，假环境？我学几个在这种环境里刷分的小技巧试试。

模型天生爱作弊，RL 特别擅长鼓励作弊。

这段话对做 agent 产品的团队是个警告：环境仿真度不够，RL 训出来的可能只是应试技巧，上线就失效。

奖励信号本身是保密的，Sonya 问了两遍都被挡了回去。Karpathy 那句「RL 还在用吸管嘬信息」的评论，Federico 也笑着说不能聊，Sonya 的反应是：问对问题了。评测方法论倒聊得很透。Dima 的原则很清晰：奖励越可验证越好，因为可验证意味着可以堆算力换效果。数学和代码能造出确定性判据，是最理想的。LLM 当裁判之所以可行，靠的是生成和判别的难度不对称：判断比创作容易，人也一样。Sonya 接梗：「所以我才当 VC。」

实操上，复杂的评测要拆维度，风格、事实性分开打分，混在一个 prompt 里裁判会糊涂。专家没有被淘汰，他们的工作变成了设计任务、编码产品体验、盯着失败案例把模型往正确方向拨。Dima 把这个演变接到 Karpathy 的软件版本论上：软件 1.0 到 3.0，人类从写代码，到写训练数据，到写评测规则。

Federico 还给「RL 适不适合所有任务」给了一个个人色彩很浓的理论。预训练是让模型吞下人类知识的总和，一个没做过 RL 的模型面对一道数学题，其实不知道自己该扮演谁，是专家，还是正在学习的学生。RL 做的事是拧这个旋钮，告诉模型：你是专家，把事情做对。所以 RL 曲线的第一阶段涨得飞快，那是在拧旋钮；第二阶段要持续烧算力才能慢慢变好。Dima 补了一个配套框架：持续预训练和 SFT 是往模型里灌新知识，RL 是把行为磨锋利，大多数场景两个都要。连摘要这种看似和 RL 无关的任务也适用：很难写出什么是好摘要的样本，但可以用 LLM 裁判加精细 rubric（评分细则），让模型在 RL 循环里自己试出想要的风格。

环境这块，最近 RL 环境供应商很火，收入规模涨得很快。Cursor 用了吗？Federico 的回答很直接：一个都没用。编程领域有 GitHub，给仓库装好依赖就是一个能跑的环境，量大管饱。环境公司的价值在基础设施层，比如测数据库迁移时得把数据库拉起来这类脏活。Dima 的观点更普适：最强的 RL 环境就是自己的产品，因为模型最终就活在那个环境里。前沿实验室要造通用模型，才需要把各种任务打包；有具体产品的公司，就该对着产品做 RL。前提是做好隔离，克隆数据库，别把生产环境搞崩。Fireworks 的默认架构是把环境放在客户侧跑，训练器调用真实的产线实现，硬搬到托管平台上包装成组件，只会引入差异。玩具框架喜欢把环境塞进 docker 容器，教模型玩 Atari 可以，真实产品塞不进去。

Federico 给 RL 环境拆了三个组件：harness，模型提交工具、工具被执行的地方；操作系统，模型交互的真实世界和状态；奖励组件，最后验收工作成果。harness 可移植，关键是操作系统，普通容器搞不定。Cursor 为此造了一整套虚拟机栈，能瞬间拉起十万台虚拟机，负载极其突发。

还有一条线是实时 RL：直接用真实用户信号训练。找到用户对某次生成满意或不满意的信号，在线更新模型，每几小时发一版新权重，目前还在压缩这个周期。但这里有个悖论，Federico 说得很诚实：实时 RL 没法从零造模型，因为模型必须先好到有用户愿意用、愿意给反馈，它只能锦上添花。Dima 说这是蛋糕上的樱桃，还引用了 Yann LeCun 那个著名的蛋糕比喻。Federico 笑着接了一句：希望有一天樱桃能变成一个大大的樱桃。

为什么还要先做模拟 RL？因为在线 RL 目前效率低：完全 on-policy，每步要迈很大，GPU 长时间空转。模拟环境里同一个 prompt 可以跑 16 次甚至 128 次 rollout，GRPO 这类组内对比的算法需要这种并行采样，信号精度高得多。而且模拟里搞砸了只是烧点 GPU 时间，真实用户面前搞砸就是一次糟糕的 A/B 实验。顺序因此固定下来：模拟 RL 教推理、教工具调用、把模型推过及格线，实时 RL 在真实反馈里继续磨。

长时程是另一个硬问题。RL 的老毛病叫信用分配：轨迹越长，越难判断最后那个赞或踩该记在哪一步头上，何况上下文窗口还是硬限制。Cursor 的解法是把压缩直接塞进 RL 循环，他们叫「自我总结」：模型在 RL 里同时学两件事，把自己的工作总结好，以及听懂自己的总结，然后带着总结重启上下文继续干活。效果是，模型标称 20 万上下文，实际能连续跑几百万 token。Dima 觉得这期最妙的一点就在这里：上下文管理本来属于 harness，现在被扔进了优化循环和模型联合训练。往问题里砸的算力越多，能端到端解决的东西就越多，苦涩的教训又一次应验。

明天就能用的五件事

• 先算 prompt 的天花板。产品有真实用户数据、专属工具链和明确优化目标的话，prompt 工程大概率已经不够用，该认真评估微调和 RL。
• 最好的 RL 环境是产品本身。别急着买环境供应商的方案，先把生产环境克隆隔离，让模型在真实流程里试错。
• 奖励设计从可验证的判据开始。能自动产出、无需人肉的奖励才能堆算力。判断比创作容易，把复杂标准拆成多个维度的 rubric，交给 LLM 裁判。
• 警惕模型的应试技巧。RL 环境仿真度不够，模型学到的可能只是刷分技巧，上线前拿真实流量验证。
• 长任务用「总结加重启」续命。上下文吃紧时，与其换更大窗口，不如让模型周期性总结自己的工作，带着摘要继续。

这期节目最值得记住的一点，或许是它重新定义了「应用公司」的上限。Cursor 没有百万张 GPU，没有从头预训练，靠自顶向下的配方、全球拆分的集群和大量系统层面的笨功夫，做出了比旗舰模型便宜一个数量级、还能连续跑几百万 token 的编程 agent。应用公司自训模型这条路，已经被走通了。

---

原文链接：https://trainingdata.qiaomu.ai/ep/094-how-cursor-trained-composer-on-fireworks-distributed-infrast-UDTr9y.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/093-rebuilding-it-from-the-ground-up-for-the-ai-age-serval-s-jak-j7ypvR.htmlhttps://trainingdata.qiaomu.ai/ep/093-rebuilding-it-from-the-ground-up-for-the-ai-age-serval-s-jak-j7ypvR.html Tue, 19 May 2026 00:00:00 +0000 Rebuilding IT From the Ground Up for the AI Age: Serval's Jake Stauch

Jake Stauch在这期节目里扔出一个数字：过去几个月，Anthropic新增的ARR（年度经常性收入），比ServiceNow过去二十年攒下的还多。

他说这话，是在回答每个应用层创业者都躲不开的问题：OpenAI或者Anthropic哪天亲自下场做你的生意，怎么办？

Jake是Serval的联合创始人兼CEO，公司成立刚两年，签下100家客户，其中不少是大型企业，这是他从Verkada出来后的第二次创业。单集标题很长，Rebuilding IT From the Ground Up for the AI Age，为AI时代从零重建IT。采访他的是红杉资本播客Training Data的主持人Pat Grady。

这期对话密度很高，产品架构、组织设计、护城河、招聘，几乎每段都有能直接抄走的东西。下面把最值钱的部分拆开讲。

ServiceNow没做错，只是慢了

先说Serval做的是什么。行话叫企业服务管理，说白了就是员工在工作里获得帮助：开权限、重置密码、申请设备。理想状态是开口就要，秒回，不用等工单在系统里流转。要做到秒回，只能靠自动化，而AI正好是建自动化的好工具。

再说ServiceNow。创始人Fred Luddy在2007、2008年想明白一件事：企业软件说到底是数据库上面跑工作流。他在这层抽象上搭了个灵活的流程配置引擎，把Peregrine、Remedy那批老ITSM产品甩在身后。

Jake的原话很坦白：他们做对了。Serval自己也是在工作流和数据库这些原语上盖楼。

问题出在速度。建工作流要靠人，而人太慢。搭一套流程往往要专门的开发资源，几周到几个月才能上线。现在业务流程几个月一变，等自动化建好，业务早跑到下一个版本了，自动化永远追着现实跑。

数据库同样遭罪，要保证IT资产数据是最新的，就得请顾问或者内部开发者手动维护。

Serval的解法是保留原语，把人从环节里抽掉。他们做了个CodeGen引擎：用自然语言描述想要的流程，所有步骤、权限、审批、逻辑，系统直接生成代码，工作流几乎瞬间出现，开发时间趋近于零。以前要排队等开发的需求，现在当场上线。数据库也一样，说清楚要从哪些系统取哪些数据，它自己生成抓取代码，自己保持更新。

几个月前Jake跟Pat初次见面时说过一句话，Pat记到今天：

要把企业自动化真正做起来，建自动化的过程必须跟被自动化的流程一样简单，甚至更简单。

这个洞察来自一个特别日常的场景。IT员工收到重置密码的请求，面前两条路：打开Google Workspace，找到用户，点一下重置按钮；或者打开工作流搭建器，拖触发器，拖响应动作，再配一堆逻辑。

正常人都会选第一条。

所以关键在于让员工在那一刻的选择变得容易。当手动比建自动化更省事，没有人会自动化。反过来，只要建自动化更省事，人人都会顺手把流程自动化掉，因为不这么干没有任何理由。

门开得太低也有副作用，他们管这叫slop automation，跟vibe coding产出垃圾代码一个道理。太容易建，就有人这周建出第20个密码重置工作流，跟前19个基本一样，AI面对一堆重复工作流，不知道该跑哪个。

Serval的处理方式是在产品之上又加了一个agent。它知道你历史上建过的所有工作流，各自干什么、怎么运作。你说想建一个做X、Y、Z的，它会回你：这类东西已经有19个了，建议删掉10个，剩下的9个归成三类，再补上这几个审批步骤。等于配了个精通自家产品的顾问，帮你把业务需求翻译成系统实现。

模型越强，Serval越值钱

ChatGPT在2022年11月发布之后，应用层公司集体被嘲讽为套壳。Pat把这个问题直接抛给Jake：应用层公司的护城河到底在哪？

Jake给出一条指导原则：新模型发布的时候，你应该高兴。要确保自己建的东西在新模型出来时变得更好，别被顺手淘汰。

他的原话大意是，Opus也好，GPT-5.5也好，能不能干成神奇的事早就有了答案，真正的问题是，它们能不能在你的企业环境里，干成你想干的那件事。能力接近无限，限制换了位置。

Serval的选择是把产品押在边界和控制上。企业敢不敢让模型全公司跑起来还不抬高安全风险，才是新的瓶颈。于是他们花大力气做的全是无聊的老派企业软件功夫：权限、审批、限制API集成的范围、审计、报告、日志、告警。全是让人敢放手的东西。

架构上有个关键切分，agent分成两个：

• admin agent，管理员用它搭建工具和技能，配置help desk agent能做什么、知道什么，审批和权限都在这一侧完成。
• help desk agent，终端用户对话的对象，负责解决问题，但只能调用管理员明确发布过的工具。

这个结构妙在两头同时成立：终端用户可以提任何要求，help desk agent的推理能力火力全开，但它碰到的每个工具都在围栏之内。

底层模型用OpenAI和Anthropic，各有分工。跟终端用户交互的部分，GPT系列表现最稳，调用正确的工具、用合适的方式回话，这个优势保持了很久。代码生成自动化这块，Anthropic的Sonnet和Opus最好用。

换模型的坑他也讲得很实。新模型发布往往并非即插即用，团队围绕老模型的怪癖建了一堆prompt调优，模型一换，这些调优全失去意义。他们的流程是自动跑评测（evals），再向客户灰度发布。甚至有过升级又降级的操作：新模型更聪明，但行为不可预测，防不住；老模型慢一点，但你知道它一定按预期的方式做事。

成本呢？现阶段不考虑，原因在单位经济模型：Serval不做token转售生意。自动化建好之后是一段TypeScript，跑一次和跑一万次成本一样，用户要新生成的代码越来越少，因为自动化库越滚越大，长尾需求基本被覆盖。CodeGen恰恰是最烧token的环节，实际消耗比外界想的低得多。他的态度是让团队多花钱，用最好的模型，优化以后再做。

真正要开始算账的是后台agent：长期运行，翻历史工单、查设备日志，找出你自己都没发现的问题。这种东西烧起来没边，得盯紧点。

CEO泡在100个客户群里

Pat问他有没有北极星指标。Jake的答案是没有数字，只有笨办法。

他在每一个客户的Slack频道里。100个客户，大部分频道每天都能看到他发言。他承认这经常让人筋疲力尽，也怀疑过是不是在浪费时间，但对产品真实状态的把握没有替代品，尤其现在实施速度越来越快。

他的判断是：产品优势一晚上就能被抄走，客户洞察抄不走。创业公司的护城河越来越多落在对客户的理解和共情上，这个优势比产品本身值钱。

聊客户时有个反直觉发现：AI原生公司和大型企业的痛点惊人地相似，几百人的公司和几十万人的公司，痛的东西差不多。真正的差别在决策人数。小公司一个IT负责人拍板就行；大公司你找不到那个能拍板的人，什么事都要过委员会。这也是各家labs拼命建咨询和服务团队的原因，协调人是采纳的限速步骤。

AI原生客户最感谢Serval的一点，是让热爱技术的IT人重新摸到了技术。Jake最喜欢举的例子：有个客户过去每天的工作，是在ServiceNow里帮同事开通Cursor的权限。在一个老掉牙的工单系统里，给别人申请最酷的AI工具，自己的工具还停在上个时代。这画面确实有点心酸。

大企业客户感知到的东西更宏观：员工体验。小公司IT流程再糙，也没人等几周才有回音。大公司里，工单发进深渊，毫无进展提示，只好再发一张，对面困惑怎么同一个人来了两张票，真人被卡住几周干不了活。Serval在大企业改变的是当一名员工是什么感觉。

每个岗位先让AI审一遍

Serval自己怎么当一家AI原生公司？Jake的机制很狠：每个部门、每个岗位，先假设它可能不需要人了，AI对每个岗位有优先否决权。

完全否决掉的例子是解决方案工程师（SE）和SDR，一个都没招。销售对产品的理解未必比上一代强，但他们人手一个Serval：客户问任何产品问题，秒答；通话进行到一半，现场生成deck、一页纸、battle card、竞品对比表。公司只保留4名部署工程师，帮客户做试点实施。

更多岗位的结局是推迟和缩小。enablement靠一位产品营销同学用自动化资源撑了很远，RevOps（收入运营）也撑了很久才发现真的需要人。Jake的总结是：用AI能走到的距离，往往比自己以为的远，最后岗位还在，但比原计划小一圈。

内部用Serval用到什么程度？零食申请、办公用品，一切流程都走它。最有意思的是招聘。他们有个频道叫Dream Team Draft，走以人为先的招聘路线：员工把这辈子共事过最厉害的人发进频道，连LinkedIn主页一起，Serval自动把这个人纳入外联和培育活动，还要确保这个人在各种场合反复看到Serval。后半段操作Jake笑说营销团队不让他细讲。这是打长线，这些人不会明天就离职，但希望有一天能一起干活。员工要做的只是说一句这人很棒，剩下的全自动。

文化也跟这套机制配套。这里不适合想要培训和mentorship的人，没有入职培训项目，没有清晰的晋升路径，甚至没有组织架构图，Jake自己都说不清谁在名义上向他汇报。招人的标准是第一天就能产出，并且享受这种模糊性。

公司两年，Jake自己的工作也变了模样。早期他觉得自己很没用，CTO埋头建产品，他拼命招人、约客户、试着卖货，卖不动。现在反过来了，业务拖着他跑。客户和招聘他依然天天泡在里面，产品反而参与变少了：产品方向从客户那里涌出来，经过4名部署工程师直接进产品。他管这个叫产品改进的梯度下降，像机器学习里那样，每一步都朝反馈最密的方向挪，一周后产品肉眼可见地变好。

但他承认自己花在想未来的时间不够，而这恰恰是AI公司CEO最该干的事。AI原生组织跟传统组织的最大区别，是自我颠覆的频率。几个月前深信不疑的东西，现在要连根拔起，产品要改名，某些做法要整个换掉。以前工程师做的是能用20年的软件，现在做的是能撑6个月的软件，范式一变就重写。

Serval在这场变化里的位置，Pat总结得很准：一边是狂奔的基础模型，一边是变化缓慢的客户，Serval是中间的缓冲层。Jake认领了这个定位，还打了个比方，模型能力像高压电，客户只认家用电压，Serval把自己当变压器用，一头从客户的业务问题出发，一头吸收最新的AI进展。他们还在做一个直接面向终端用户的agent：客户只管提业务问题，它来搞定实现路径，完全不用关心做法这三个月又变了什么。

默认说yes的公司会赢

Pat最后问了那个必答题：最反直觉的观点是什么？

Jake的答案跟自主权有关。他看到一道裂缝正在企业内部撕开：企业里的个人想要自主权，组织想要控制权。员工希望自己的Claude agent什么都能干、什么都能碰；安全团队和IT团队对此高度紧张，而且紧张得有道理。消费者产品为自主权而生，企业产品为控制而生，现在这两股力量撞在了同一个企业里。

Pat接了一个老故事作类比：当年的shadow IT。员工开始用iPhone，公司还在发BlackBerry，因为BlackBerry好管控。CISO的本能是防、防、防，后来才想明白，员工偷偷带进来的设备，恰恰是生产力需求的领先指标，于是转身拥抱。Jake觉得历史正在重演，他的判断更直白：默认说yes的公司，会远远跑赢默认说no的公司。前者会出安全事故，会付学费，但会一直领先。

回到开头那个问题，OpenAI或Anthropic亲自下场做ITSM怎么办？Jake的回答分两层。第一层，创业公司的历史反复证明小公司经常赢，OpenAI和Anthropic自己的存在就是证据，用聚焦打败无限资源，他半开玩笑说这也许是天意偏爱创业公司。第二层是算账：让自家最聪明的人去做一件干成了也要花好几年、而产品组合其他部分几个月就能赚回来的事，是糟糕的资源分配。他预计labs顶多做个面向中小企业的简化版，吃透企业服务管理需要的聚焦，他们不会投。

那Serval自己最大的问题是什么？Jake的答案出乎很多人意料：还是招聘。他接触的每家AI公司都一样，号称AI要自动化一切，结果各家招人比以往任何时候都多。业务涨得快，很多人他只在面试和入职时见过，之后没有太多一对一的机会，招错人的代价被放大了。他的信念是：人是最后的护城河。房间里的人更好，是保持领先的唯一办法。

所以Serval的招聘口号只有两个词：fewer，better，反复念。人越多船越难掉头，而他们可以想象未来的Serval跟今天完全认不出来，小团队一夜转向是可行的，几千人的公司你没法说服所有人接受全新的方向。

节目的结尾，Jake说了他希望Serval留给世界的印象。每个职业都有一道缝：小时候想象的工作，和实际干的工作，中间隔着一大段重复、琐碎、跟初心无关的杂事，就像孩子想当消防员、宇航员，入职之后才发现大量时间耗在自己讨厌的事情上。Serval想做的，就是把这段缝缝上，把人还给当初入行的理由。他不想别人说Serval自动化掉了一堆IT岗位，他想让人说，Serval让工作这件事变好了。

明天就能用的四件事

• 做AI应用的人，用Jake的测试问一遍自己：下一代模型发布那天，我的产品是变强了还是消失了？如果答案是后者，赶紧把重心挪向权限、审批、审计这些模型本身不会替你做的事。
• 管企业IT的人，去测一下建自动化的真实成本。如果IT同事手动重置密码比搭工作流快，他们永远选手动，自动化永远不来。把搭建门槛打到比手动还低，自动化才会自然发生。
• 带团队的人，把AI的优先否决权用起来：每个岗位先问一遍这个还需要人吗。答案往往是把岗位做小，未必是砍掉。
• 招人时念fewer，better。变化加速的环境里，小而强的团队比大而全的团队转得快，转得快比什么都值钱。

---

原文链接：https://trainingdata.qiaomu.ai/ep/093-rebuilding-it-from-the-ground-up-for-the-ai-age-serval-s-jak-j7ypvR.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/092-suno-s-mikey-shulman-everyone-can-make-music-now-Jq3BIG.htmlhttps://trainingdata.qiaomu.ai/ep/092-suno-s-mikey-shulman-everyone-can-make-music-now-Jq3BIG.html Wed, 13 May 2026 00:00:00 +0000 Suno's Mikey Shulman: Everyone Can Make Music Now

一家AI音乐公司，每天登录的用户里，有90%会真的动手做一首歌。

放在传统音乐行业，这个数字近乎天方夜谭。全球80亿人，做音乐的永远是极少数，剩下的人只负责听。听歌这件事天然被动，算法推什么就听什么。

把90%做出来的公司叫Suno，CEO米基·舒尔曼（Mikey Shulman）。他最近上了红杉资本的播客Training Data，和主持人索尼娅·黄（Sonya Huang）聊了四十多分钟，从哈佛量子计算博士怎么转行，聊到音乐模型为什么反而要做小，再到按年化算已经3亿美元的收入之后下一步往哪走。信息量很大，挑最值钱的部分拆开讲。

从量子计算到AI音乐：在交叉点上下注

舒尔曼的履历放在消费娱乐公司里相当违和：哈佛物理博士，研究方向是固态自旋量子计算。

他的回答很诚实，自评只是个「还行的物理学家」，联合创始人里有比他强得多的。但物理给了他一条受用至今的方法论：在两个平时不一起玩的领域交叉处下注，机会巨大。量子力学加低温微波工程是交叉，音乐加技术也是交叉。30年前一批物理学家转行做量化交易，赚的就是这种交叉的钱。

还有一段绕不开的履历：Kensho，那家后来被标普全球以5.5亿美元收购的金融AI公司。舒尔曼在那里遇到后来的联合创始人，也遇到LangChain创始人哈里森·蔡斯（Harrison Chase）。一群人当时就常在联合创始人的地下室里即兴玩乐队，玩得很开心。但舒尔曼强调，玩乐队只是缘分，当初没人敢碰音乐生成。

他把Kensho的人才密度归功于创始人丹尼尔·纳德勒（Daniel Nadler）：一群非传统背景的年轻人，被一个个说服进来。这家公司走出来的创业者名单长得惊人。

创业起点其实很保守。ChatGPT爆火之前，团队算了一笔账：声音和文本不一样，文本是离散符号，声音连续、冗长、难啃，生成好音乐的算力和模型规模缺口大概有好几个数量级。于是最初选的方向是让机器「听懂」音频，先不碰生成。

结果突破来得比预想早。音频压缩效率的提升远超预期，缺口被填上了。舒尔曼说，这是他经历过最愉快的一次「算错了」。

最早的成品很糙：只能生成12.5秒的片段，还不一定按指定的词唱。但团队自己玩上瘾了，半夜舍不得睡。他们抄了Midjourney的作业，往Discord丢了一个机器人，看有没有人愿意玩。

一堆人玩疯了，哈里森·蔡斯就是头几个用户。当时所有人都劝他们别做音乐，语音技术的商业场景更大、更好赚钱。舒尔曼留了一个特别朴素的判断标准：自己做的产品，自己熬夜玩到不想睡，那基本就该做这件事。

核心技术判断：把乐理全扔掉，只留声波

用户输入一句「90年代风格的嘻哈，主题是公路旅行」，系统先用LLM写歌词，再把「90年代嘻哈」展开成模型能理解的风格标签，最后由音乐模型把词和风格合成声音。流程本身很直白。

关键决策在最后一步。Suno的模型不知道什么是人声，不知道什么是乐器，更不知道十二平均律。

舒尔曼的原话值得整段引用：

西方音乐有12个音。如果你告诉模型只有12个音，它就永远只会产出这12个音，你被永久锁死了。如果你告诉它有200种乐器，那它这辈子只能发出这200种声音，你永远等不来下一个Skrillex。所以我们的做法是，扔掉关于音乐的一切已知，从头再来。它只是一段声波，每秒采样48000次，一串连续的32位浮点数。

这条路前期极难，是Suno早期一系列技术突破的来源。走通之后，模型成了一台通用的发声机器，唯一的限制只剩用户的描述能力和想象力。

回报立刻显现。模型长出了人类没规划过的东西：带西塔琴的陷阱说唱，加808鼓机的乡村乐，还有微分音音乐，音高落在传统十二音之间、钢琴上根本弹不出来的那种。舒尔曼说，大量作品陌生、怪异，但动听。

模型当然有擅长和不擅长。乡村和流行这类套路相对固定的曲风，Suno做得最好。他给了一个很妙的框架：在套路化曲风里，AI既抬高了地板，也抬高了天花板；在不擅长的小众曲风里，地板没动，天花板被抬上去了。代价是Suno会产出大量难听的歌，但用户只要肯多生成几轮，总能捞到惊喜。

音乐不靠堆算力，靠偏好数据

做LLM的人有个默认直觉：算力堆上去，能力就上来。舒尔曼在这期节目里明确反对把这个经验搬到音乐上。

理由有三层。

• Suno的模型其实很小，这是刻意选择。小模型出歌快，出歌快直接决定体验。
• LLM有benchmark，堆算力是爬榜的有效路径；音乐没有标准答案，没有benchmark，算力不知道该往哪儿堆。
• 音乐的本质是对齐人类千差万别的创作口味。两个人对同一首歌的判断，可以完全相反。

那什么在驱动版本迭代？偏好数据。Suno从产品里持续收集用户的偏好信号，再用强化学习喂回模型。舒尔曼强调了一个被低估的点：偏好数据的规模大到一定程度，那些训练技术本身才成为可能。没有这个量级，很多方法根本开发不出来。用户每点一次喜欢或不喜欢，都在给研究铺路。用的人越多，模型越强，这是个正循环。

主持人补了一个观察：文本模型用人类反馈要小心谄媚问题，用户说好未必真好；音乐没这个包袱，用户觉得好听就是好听。舒尔曼连说两个「百分百」，称这是Suno真正的优势来源。

版本节奏上也有细节。V5被公认是质变，但升级是非线性的：测试里A模型比B模型的偏好率高10%到15%，上线后的用户增长未必同步反映这个差距，音乐太杂，干扰变量太多。团队其实早就知道V6、V7要做什么，版本号切在哪里几乎是人定的，目的是保持稳定的发布节奏。舒尔曼最怕的局面是憋两年不放东西，号称要搞一个「拯救人类」的大版本。

创作即娱乐：90%的用户在玩，不在发行

聊到用户到底在Suno干什么，舒尔曼的答案很明确。

传统音乐产业的分工是极少数人创作、所有人消费，这种结构天然导向被动。他还补了一个文化观察：过去30年，音乐变得越来越不社交了。

Suno上的图景完全两样：每天90%的用户会创作点什么，而且创作主要是图自己开心，不是拿去发行。创作过程本身就是娱乐。这就是他反复说的「创作即娱乐」（creative entertainment）。

他打了两个比方。做饭：餐厅的菜大概率比你好，但人们还是爱自己做，因为做的过程爽，吃完自己做的也爽。写代码：他用Claude Code搭的小工具根本不配上生产环境，但搭的过程开心，用自己搭的东西也开心。

所以他公开说，音乐行业该向游戏行业学习，学它怎么抓住注意力、怎么让用户动脑子、怎么设计商业模式。他知道这话在音乐圈犯忌讳，因为音乐是艺术，游戏好像不算。他觉得这种区分站不住脚。

支撑他做这件事的还有一层私人动机：他人生最好的记忆之一，是和朋友们在排练室里磨歌。那种创造带来的充实感，刷一小时手机给不了。他的判断是，未来10到20年，「创作即娱乐」的产品会到处冒出来，因为AI第一次让所有人在几乎所有领域都能创作。

聊到「slop」（AI垃圾内容）这个词，他的反应是这词基本被用滥了。流媒体欺诈该骂，但「用AI做的」只是个实现细节。他前一天刚和五岁的女儿做了两首歌，全球99.999%的人都不会想听，但对他意义巨大。

他给了一个历史参照：当年笔记本音乐制作软件普及，一堆13岁的小孩在卧室里做beat，当时也有人担心内容洪水。回头看那是好事，坏音乐变多的同时，好音乐、新曲风、新星都变多了。

天花板那边有实锤。Suno已经出过冠军单曲，有用户签了唱片公司。他最喜欢的案例叫Xania Monet，一位写了十年诗的诗人，把自己的诗做成歌，找到了全新的声音和听众。另有一个行业实情：大量上榜歌曲里已经掺了Suno的片段，只是没人声明。专业人士拿它当工作流里的一个工具，就像当年的自动调音和数字制作。舒尔曼认为，「要么全AI要么全人工」的二分法本身就不成立。

但他也留了一句清醒的话：最好的音乐永远需要人的引导。你喜欢一首歌，一半因为声音，一半因为把歌递给你的那个人。工具能造出新声音，新的「传递者」也会出现，但那个人得是人。

产品层的三个反共识

聊产品，舒尔曼先摆了一个前提：消费级AI现在创新严重不足，但普通消费者又最不能容忍粗糙体验。原因很直接，企业软件是老板付钱，消费产品是用户自己掏钱买快乐。

护城河问题上他也不遮掩：只靠模型，没有多少护城河。Google已经入场做音乐模型，Suno今天领先，但Google烧得起钱，模型层面大概率追得上。所以产品和体验的投入被整个行业低估了。Suno的公司价值观里甚至写了一条：「我们只是一家音乐公司」，刻意不说自己是科技公司，防止团队为技术而技术。

具体决策上有三个值得记的。

第一，认错认得快。团队2023年底就撤出Discord，上了一个功能单薄的网页版，舒尔曼原以为Discord还能撑一阵。结果5天之内，90%的流量自己迁到了网页版。他说这是他收到过的最响亮的「你错了」信号。

第二，做歌，不做背景音乐。当时同行都在做纯音乐、环境音，Suno押注带人声的完整歌曲。歌是故事，人声才能抓住人。这条路也更难，当时没人做得出来，做出来就是壁垒。

第三，技术上最关键的一步：为了完整叙事牺牲音质，选自回归，放弃扩散模型。当年多数技术只能生成10到12秒的片段，竞品的音色则干净得多，Suno的歌听一秒就知道「糙」。团队照样全押完整歌曲，平均三到三分半钟，把故事讲完。舒尔曼强调，这个选择是产品逻辑倒推技术路线：讲故事比音质重要。

和华纳握手，以及下一步

版权是所有AI音乐公司头上的剑。Suno刚和华纳音乐达成了里程碑式的和解加合作。舒尔曼先替唱片公司说了好话：厂牌是世界上文化上最重要的机构之一，懂音乐也懂音乐文化，培养过影响几十亿人的明星。外界等着他说「唱片公司完蛋了」，他说这明显是错的。

他最不想看到的局面是音乐分裂成两个世界，AI音乐一个，传统音乐一个，用户被迫在两套平台之间切换。未来绝大多数音乐都会含一些AI成分，分裂没有意义。

和华纳要做的是共建：让粉丝和自己喜欢的艺人一起玩音乐，加深艺人与粉丝的连接。艺人有新玩法，粉丝有新体验，版权方有新收入，而且这种产品在之前根本不可能存在。

他补了一个大背景判断：数字音乐的消费形态已经25年没变过了，一直是流媒体。音乐行业欠一次新格式、新体验的革新，Suno想当推动者。

具体形态上，他希望未来12个月内出现一场真正的互动演唱会：观众现场参与，和台上的艺人共同创作。他给几百甚至上千人的观众做演示、现场共同生成一首歌时，形容那个瞬间「近乎宗教体验」。大型集体的吟唱和歌唱本来就存在于宗教场景，凭什么不能出现在科切拉音乐节？

产品路线图上，未来12个月两个关键词：社交，自我表达。社交指同步或异步地一起创作，比如把一个歌曲模板发给朋友，对方在上面改完发回来，甚至和喜欢的艺人用他们未发表的旧作共同创作。自我表达的招牌功能是用自己的声音唱歌：听到自己的声音出现在歌里，人对这首歌的依恋会强得多；把带着自己声音的歌发给朋友，共鸣也远强于一个再好听但陌生的声音，人耳对声音的敏感是进化刻出来的。另外，Suno的视频功能已经在内测。舒尔曼是看MTV长大的，他想要给歌讲故事的MV，对给短视频垫底的背景画面没兴趣。

至于收入，按年化算Suno已经跑到3亿美元。舒尔曼的回应是：太早了，大多数人还不知道这家公司，产品依然粗糙，空间还很大。

为什么AI浪潮里消费级创业者这么少？主持人索尼娅提问时感慨，连OpenAI都刚关停了Sora，做消费级的人实在太少。两位的答案合起来看很完整。舒尔曼说，消费级更难，企业侧的问题太明显、太好赚，他乐得竞争少一点。索尼娅的版本更扎心：看懂AI怎么自动化现有业务流程，不需要想象力；看懂AI怎么渗进人类的玩耍和创作，需要真正的创造力。多数人一听AI音乐，脑子里蹦出来的是「AI版Spotify」，那个东西听起来就很糟糕。

明天就能用上的四件事

收个尾，挑几件明天就能动手的。

• 想体验创作乐趣的，直接去Suno输入一句大白话，比如「给孩子的生日写一首90年代风格的说唱」。第一版不满意就改歌词、改风格再生成。按舒尔曼的说法，好东西藏在第N次生成里，多试几轮。
• 平时写点东西的，把诗、日记、朋友圈文案喂进去做成歌，再开「用自己的声音」功能唱出来。私人素材加自己的声音，是目前被验证最打动人的用法。
• 做产品的，记两个数字：网页版上线5天迁走90%流量，需求真伪要用最便宜的方式先测，Discord机器人就是2023年的MVP；用户如果是自己掏钱的消费者，对粗糙体验的容忍度趋近于零。
• 做AI技术的，先问自己的领域有没有benchmark。有，可以信规模；没有，像音乐这种没有标准答案的领域，偏好数据的飞轮和产品体验的打磨，权重远高于堆算力。

舒尔曼在访谈结尾表达的意思，可以当这个时代消费级创业的注脚：自动化一件已经存在的事，有巨大的商业价值；做一件直到今天都不可能的事，有意思得多。机器人把活都干了之后，人不会想继续刷一小时手机，人会想去做点让自己觉得「我今天创造了东西」的事。

---

原文链接：https://trainingdata.qiaomu.ai/ep/092-suno-s-mikey-shulman-everyone-can-make-music-now-Jq3BIG.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/091-elevenlabs-mati-staniszewski-how-voice-becomes-the-interface-93d824.htmlhttps://trainingdata.qiaomu.ai/ep/091-elevenlabs-mati-staniszewski-how-voice-becomes-the-interface-93d824.html Fri, 08 May 2026 00:00:00 +0000 ElevenLabs' Mati Staniszewski: How Voice Becomes the Interface for Everything

2021年底，华沙。ElevenLabs联合创始人Piotr想和女朋友看部电影，女方不懂英语，只好切成波兰语配音。这一幕把他拉回了童年：在波兰，所有外语片都由同一个配音员从头念到尾，男角色女角色全是他一个人的声音，语调平得像在念说明书。

这个糟糕的体验至今还在。Piotr和高中同学Mati Staniszewski决定把它干掉，顺手做成了AI语音赛道最抢眼的公司。

红杉资本播客Training Data的主持人Pat Grady开场提问相当扎心：几年前有一派观点认为，ElevenLabs会被基础模型碾成“路杀”，大厂做基础模型，顺手就把语音做了。为什么你们还活着，还活得不错？

Mati的回答朴素得近乎无聊：专注，只做音频。但往深挖，这家公司四年的生存逻辑，值得每个做AI应用的人细读。

起点：一个配音员念完全片

Mati和Piotr的故事从15年前华沙的一间高中教室开始。两人读同一个IB班，选一样的课，在数学课上坐到一起，之后合租、同学、共事、结伴旅行，15年下来还是最好的朋友。公司起飞后，原本“再拼四周”的节奏一轮接一轮，两人后来才意识到这种强度会持续十年，索性约定：只做ElevenLabs，别的什么都不干。友谊被这场持久战反复锤打，反而更结实了。

创业前两人各有大厂履历，Mati在Palantir，Piotr在Google。周末凑在一起做hack项目：推荐算法试过，加密货币风险分析器也试过，后者没完全做成。2021年初，他们做了一个分析你说话方式、给改进建议的音频小工具，第一次摸清了语音领域的家底：说话人分离有哪些模型，语音生成的水位到哪里。

真正的灵光一现就是那次看电影。Mati在节目里回忆：

在波兰，你看的每一部外语片，所有声音，不管男声女声，都是同一个人在念。单调的旁白，体验糟糕透顶，而且这事到今天还在发生。我们当时就觉得，这一定会变。技术会让大家用原声、用那些了不起的声音享受内容，我们来把它变成现实。

时间点上，Transformer论文《Attention is All You Need》已经发表，音频却几乎无人问津。Mati解释，研究者大多涌向了LLM，一部分做图像，那些领域出结果快，也更吸引人。扩散模型、Transformer这些现成的创新，没人有效地搬进语音。

2022年，一个叫Tortoise-tts的开源项目给了他们第二次确认：这个模型复刻声音、生成语音的效果惊人，虽然不稳定，但让人看到了天花板。ElevenLabs后来干脆接管维护了它的v2版本。

把Transformer和扩散模型带进语音，让文本转语音第一次真正理解上下文、带着情绪开口，这是ElevenLabs的第一块研究护城河。但Mati补了一句，光有模型不够，怎么把体验交付给用户，同样决定胜负。

语音和文本，是两种工程

很多人默认语音是文本模型的附属功能。Mati从三个维度拆掉了这种误判。

算力上，语音模型比LLM小得多，训练和推理都省，这给了小团队跟大厂掰手腕的空间，算力劣势在这个赛道没那么致命。

数据上差别更大。文本数据拿来就能用，高质量音频既稀少，又常常没有对应的准确转写。更麻烦的是第三层信息：不光要“说了什么”，还要“说得好不好”，用了什么情绪，谁在说，夹了哪些非语言的声音。这类标注在高质量层面几乎不存在。ElevenLabs早期自建了语音转文本模型加人工标注的流水线，硬是把数据这关闯了过去。

模型上，语音生成预测的是下一个声音，文本模型预测的才是下一个token。而且语境可能藏在后面的话里。Mati举了个例子：“多么美好的一天”，听起来该用积极的语气读。可如果是“‘多么美好的一天，’我讽刺地说”，整句的意思全变了，重音落点也得挪位置。

声音本身的表示是另一项创新。行业常见做法是硬编码或预测性别、年龄这些特征，ElevenLabs跳过了这一步，让模型自己决定一个声音该有什么特征，再把文本语境和声音两个输入合并，生成最终输出。声音平静还是富有张力，都由这两个输入共同决定。

招人也跟着不同。Mati估计，全世界做音频研究的顶尖人物大概只有50到100人，靠开源作品和论文就能数出来。所以公司从第一天起就全远程，人在哪就在哪招。研究团队现在15人左右，研究员离部署极近，从做出东西到推给全部用户，周期非常短。研究团队之外还有一层别家少见的配置：声音教练，加上由声音教练培训的数据标注员，标情绪、复核质量。

出圈靠连环招

ElevenLabs的增长打法里有一条贯穿始终：每个新模型先推给全体消费者和重度创作者，再自上而下打进企业。理由有二：这批人尝鲜最快；而且新技术的用例，公司自己根本猜不全。

这个循环一直在转：新模型发布，铺给所有用户，重度玩家先玩出花，企业带着更高的可靠性要求跟进，然后下一个模型再来一遍。

第一次小规模出圈在2022年底的内测期。产品里有个只有一条推文长度的文本框，一位小说作者把整本书粘了进去，生成音频传上平台。当时多数平台封禁AI内容，但没人听出来，书还收获了不少好评。这位作者带着一群作者朋友杀了回来，第一个病毒循环就此启动。

2022年他们还发过一篇博客，标题就叫“第一个会笑的AI”，模型第一次能让合成语音笑出声，又收获一批早期用户。2023年初公开发布后，《哈利·波特》人物走Balenciaga秀场的病毒视频爆火，配音出自ElevenLabs。差不多同期，“无人出镜频道”兴起，创作者不露脸，全靠旁白撑内容，ElevenLabs成了幕后声源。

2023年底到2024年初，多语言和配音产品上线，绕回了最初的愿景：把音频搬进另一种语言，听起来还是原来那个人。有人拿它给唱歌视频配音，模型没为此设计过，效果像喝醉了在唱歌，结果又病毒了一把。

2025年之后的主角换成智能体。最出名的两个案例：一个和Epic Games合作，在《堡垒之夜》里复刻达斯·维达的声音，素材来自琼斯（James Earl Jones）生前授权的录音。数百万玩家排队跟黑武士聊天，多数人拿他当游戏伙伴，也有人变着法子想诱他说出不该说的话。Mati说产品扛住了，既保住表现力，也没脱轨。另一个是Lex Fridman采访印度总理莫迪，一个说英语一个说印地语，ElevenLabs把整场对话做成两个版本，英语版里莫迪说英语，印地语版里Fridman说印地语，后者在印度疯传。

还有《时代》周刊的年度人物实验，读者可以读文章、听文章，还能对着文章提问。以及和费曼家人合作做的费曼智能体，Mati最喜欢的物理学家。他设想，将来费曼的加州理工讲座或者《别闹了，费曼先生》都能用他的声音听，还能随时追问背后的故事。

客户要三样东西，瓶颈在语音之外

Pat Grady提到过去一年圈内的一个共识：整天吹跑分的公司，多半没抓住重点。Mati的回应更直接，尤其在音频领域，跑分和真实体验的脱节相当严重。客户真正在乎三样：

• 质量。表现力如何，英语和其他语言分别什么水准。这是第一位的，质量不过关，其他免谈。不同场景阈值不同，旁白、智能体、配音各有各的及格线。
• 延迟。压不下来，对话式智能体根本立不住，难点在质量和延迟的权衡组合。
• 可靠性。能不能规模化部署，像《堡垒之夜》那样几百万人同时在线，系统不崩、不掉链子。

Mati的底层判断从创业第一天就没变过：语音会成为人和技术交互的默认界面。

语音承载的东西比文本多得多，情绪、语调、那些不完美。我们可以靠情绪线索，给出完全不同的回应。

跑得最快的场景已经清晰。医疗，Hippocratic这类公司在自动化护士打给患者的电话，提醒吃药、询问感受、把信息回传给医生，很多患者只能靠电话触达。客服，最传统也最快，从德国电信到一批新公司都在内部搭语音客服。教育是Mati个人最兴奋的一块，ElevenLabs和Chess.com合作，用旁白引导你下棋、边下边学，他设想下一步是让卡尔森、卡斯帕罗夫、中村光的声音陪你复盘。未来每个人都会有自己愿意听的声音，做自己的私人导师。

Pat Grady补充了红杉看到的图景：多数创业者先做文本智能体，在企业软件栈里铺开，终极形态则是HeyGen式的虚拟形象配上ElevenLabs的声音。Mati的观察一致，新公司人人在做智能体，大企业也想用它理顺内部流程，光谱从接上Stripe处理退款的开发者小工具，到陪伴型用例，再到真正的企业级部署。

但Pat Grady问到了关键：界面只是打开门的钥匙，瓶颈往往在别处。Mati完全同意。对话式AI的技术栈，语音转文本、LLM生成回复、文本转语音、轮次控制，这些只是敲门砖。真正的瓶颈是知识库、业务逻辑和集成。企业越深，集成越要命：接Twilio或SIP中继打电话，连客户的CRM，对接Genesys这类现有呼叫平台，这些占掉了大量工程时间。知识库倒是相对好办，前提是这家公司早数字化过、有像样的信息源头。碰上知识管理一团糟的公司，Mati的原话是“可以变得相当棘手”，得陪着一起理。MCP这类标准化协议正在缓解这个问题。

图灵测试、巴别鱼和欧洲创业的账

和基础模型的关系怎么处？Mati的策略有两条。一是保持多供应商，不押注任何一家，既防对方变成直接竞争者后断供，也因为客户本来就各有偏好。二是做级联容灾，主LLM出问题自动切到第二、第三层备选，这套机制在实际运行中效果很好。用他的话说，把它们当伙伴，真要竞争，那也是良性的竞争。

关于图灵测试，Mati给出了激进的时间表：

我们很想证明这件事今年就能做到。和智能体说上几句话，你就认定对面是人。这个目标很激进，但我认为可行。就算不是今年，也希望是2026年初。

他也留了余地：总有一批耳朵特别尖的用户很难骗过，但多数人应该会被骗过去。技术上悬而未决的是路线之争。现在的生产系统是级联式，语音转文本、LLM、文本转语音三段拼接，可靠，但上下文响应差一截；真正的全双工模型端到端训练，更快、更有表现力，但可靠性难保。到目前为止，还没有任何公司把LLM和音频在模型层面真正捏合到一起。OpenAI和Meta都在攻关，Mati希望ElevenLabs是第一个。

再往后看五到十年，他画了三幅图景。教育里人人自带引导声音，技术退到背景里。跨国交流时你带着自己的声音、情绪和语调说外语，对方听得懂，也就是《银河系漫游指南》里的巴别鱼，耳机可能是第一个载体，眼镜其次，甚至可能有非侵入式的神经接口。还有代理对代理的通话，订餐厅、进会议记纪要、打客服电话，届时怎么验证电话那头是谁，会变成新问题。

安全这件事ElevenLabs从一开始就建了机制：所有生成内容可追溯到具体账户，语音和文本双层审核防诈骗，还和加州大学伯克利分校等机构合作训练检测模型。Mati承认，开源模型泛滥之下，这就是猫鼠游戏。下一步他判断，验证会从“鉴别AI”推进到“鉴别真人”，设备端直接确认打电话的确实是Mati本人。

欧洲创业的得失，他讲得很坦白。好处是人才，外界说欧洲人缺拼劲，他完全没感觉到，团队的水准和投入度都是惊喜，中东欧的人才质量尤其高，而且多语言从公司基因里长出来，天然适合全球化。坏处有二：欧洲缺经历过完整创业周期的前辈，早期连“该问什么问题”都不知道；欧盟《人工智能法案》拖慢了整个生态，热情有，速度慢。

快问快答环节有些花絮。Mati常用的AI应用是Perplexity和Claude，写代码、做原型必用Claude，给客户快速搭demo用Lovable。最佩服的人是DeepMind的Demis Hassabis，理由是他既是一流研究者又能带队，还始终诚实谦逊。主持人Pat Grady也贡献了一个数据点：他自认重度用户，过去30天在ChatGPT里提交了约300次提问，团队里更年轻的同事这个数字是1000以上。Mati的反直觉判断留给了一个方向：跨语言交流被严重低估了，能带着自己的声音走遍世界自由对话，会改变我们看世界的方式，只是眼下还没有承载它的设备。

明天就能用上的几件事

这场对话对从业者各有一组可以直接拿走的东西。

如果你在做AI产品：

• 别拿跑分当卖点。评估语音产品就三问：表现力够不够、延迟压没压住、规模化扛不扛得住。
• 新技术发布先喂给重度创作者。他们能挖出你想不到的用例，从小说作者、无人出镜频道到醉酒唱歌视频，ElevenLabs的用例地图大半是用户教出来的。
• 数据又脏又没人愿意整理的领域，反而可能藏着小团队的机会。ElevenLabs的起点就是一条别人没有的标注流水线，加上一个当时没人抢的赛道。

如果你的业务里有大量电话环节，提醒服药、客服回访、预约确认，值得本周就测一个语音智能体原型。动手前先做一件事：把知识库理清楚。按Mati的说法，模型是入场券，业务信息和集成才是决定成败的部分。

至于那位念了半个世纪全片独白的波兰配音员，他大概想不到，自己制造的糟糕体验，会变成一家明星公司的起点。糟糕的体验从来都值得多看一眼，那里可能埋着生意。

---

原文链接：https://trainingdata.qiaomu.ai/ep/091-elevenlabs-mati-staniszewski-how-voice-becomes-the-interface-93d824.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/090-anthropic-s-boris-cherny-coding-s-printing-press-moment-7f5dac.htmlhttps://trainingdata.qiaomu.ai/ep/090-anthropic-s-boris-cherny-coding-s-printing-press-moment-7f5dac.html Tue, 05 May 2026 00:00:00 +0000 Anthropic's Boris Cherny: Coding's Printing Press Moment

录制这期节目前一周，鲍里斯·切尔尼刚创下一项个人纪录：一天提交150个PR。

他是 Anthropic 工程师，Claude Code 的创造者。日常状态是每天几十个PR，全部出自模型之手。过去一年，他没亲手写过一行代码。

这是红杉资本播客 Training Data 五月初的一期，主持人是红杉团队的劳伦·里德，台下坐满创业者和工程师。开场先举手：谁在用 Claude Code？一大片。谁得了「Claude Code 综合征」？切尔尼笑着承认，他的团队平时就这么形容他。

他还顺手做了个使用调查：多数人用命令行，一部分用桌面端，用 VS Code 和 JetBrains 插件的反而不多。他自己呢？「我最近基本都在 iOS 上干活。」一个以写代码为生的人，主要工作界面是手机，这条线索贯穿了整场对话。

多介绍两句这个人。典型的工程师里的工程师，写过 TypeScript 教材《Programming TypeScript》，职业生涯大部分时间都在亲手写代码。主持人还翻出一段陈年旧事：他中学时写过一篇教程，教人用 BASIC 给 TI-83 Plus 图形计算器编程，至今还挂在网上。切尔尼赶紧说，太丢人了，千万别去搜。主持人补刀：我们肯定会搜的。

一个为「下一个模型」准备的产品

Claude Code 的诞生挺偶然。2024年底，切尔尼加入 Anthropic 内部一个叫 Anthropic Labs 的小团队，统共几个人，定位是创新孵化器。这个团队先后交出三样东西：Claude Code、MCP 协议（Model Context Protocol）、桌面端应用。任务完成后解散，最近又重组，进入第二轮，带队的是 Instagram 联合创始人、Anthropic 首席产品官迈克·克里格。

为什么选编程切入？他用了内部常挂嘴边的一个词：产品悬空（product overhang）。模型已经能做到很多事，但没有任何产品接得住这些能力。发动机已经造好了，市面上跑的还全是马车。

Anthropic 自己的路线一直很聚焦，用他的话说，公司只在意四件事：商业、企业客户、安全、编程。做一个编程产品，跟公司战略是咬合的。

2024年底，编程工具的最好水平是什么？是补全。打开编辑器，按 Tab，模型帮你补完一行代码。这是 Sonnet 3.5 第一次带来的体验。团队的判断是，模型已经准备好往前迈一大步了，别一行一行补了，直接让 Agent 把代码全写了。

于是他动手做。然后，连续六个月，这东西基本不可用，勉强能跑，他自己也只拿它写大概10%的代码。

发布之后，一开始也没火。有人用，但没有后来那种指数级增长。转折点他记得很清楚：Opus 4 发布，2025年5月。从那天起增长曲线开始翘，之后每个新模型发布都再翘一次，4.5、4.6、4.7，一路到现在。

这背后是一种很反常识的产品方法论。团队从一开始就知道，这产品六个月内不会有 PMF，因为它是为下一个模型建的。模型还没到位就先把产品做出来，赌它到位。事后看，这个赌赢了。

「编程已经解决了」

切尔尼公开说过一句话：编程已经解决了（coding is solved）。主持人请他展开讲讲。

他先反手给现场做了个调查：谁100%手写代码？有人举手。谁100%用 Agent 写？也有人举手。谁在中间？大多数人。所以按现场口径，编程算是解决了50%。

对他自己，是100%。

Claude Code 的代码库泄露过，没什么秘密：就是 TypeScript 加 React，结构很简单。选这两个东西的原因很实际，当时模型不够聪明，得喂给它「见得多」的材料，也就是待在分布内（on distribution）。就像给刚入职的熟手派活，先用他最顺手的那套工具。现在模型强了，没见过的语言和框架也能现学，但2024年底那会儿，技术选型就是生死线。

大概2025年10月、11月起，模型包办了他100%的代码。他每天提交几十个PR，前一周冲到一天150个，纯粹是想试试极限在哪。

「也有很大的代码库、很怪的语言，模型还搞不定。但通常的答案就是等下一个模型。」

有人追问：Claude Code 的成功，模型占几成，产品占几成？他说一年前大概是五五开。理由很朴素，他早年是 YC 孵化公司的第一名员工，做过好几个项目，YC 反复灌输一句话，做人们热爱的东西。模型再强，最后还是得有一个让人整天用着舒服的产品，团队在细节上抠得很狠。

两年后呢？「兄弟，我们只做一周以内的规划。」全场笑。

但他给了一个方向性判断：模型越强，外壳（harness）越不重要。今天 Claude Code 里围绕提示词注入的防御、命令的静态校验、权限模式、人工确认环节，一年后都会退居次要，因为模型自己就会做对的事。

几百个Agent，几十个Loop

切尔尼六个月前在 Twitter 上晒过自己的开发环境，发出去才发现大家觉得震惊，他自己纳闷，「那不就是我一直的写法吗」。现在又升级了：大部分工作在手机上完成，像刷消息流一样管理手头的活。

他现场演示：Claude App 左侧有个 code 标签页，点开是一排会话，通常挂着5到10个，每个会话里再跑一批 Agent。粗算下来，此刻大概有几百个 Agent 在给他干活，每天夜里还有几千个在跑更重的任务。

管理这套东西的核心，是一个叫 loop 的命令。原理简单到不像话：让 Claude 用 cron 给自己安排定时任务，每分钟、每五分钟、每天一次，随你定。相当于雇了一个不睡觉的值班工程师，专门替你守着流水线。他现在常年挂着几十个 loop：

• 一个盯着他的PR，自动修 CI（持续集成）、自动 rebase；
• 一个维护 CI 健康，发现不稳定的测试就去修；
• 一个每30分钟抓一次 Twitter 上的用户反馈，自动聚类给他看。

他的判断是，loop 这种形态就是未来。团队还上线了 routines，同样的事搬到服务器上跑，合上笔记本也照常运转。

有个细节单独拎出来说。有人问，多 Agent 并行是不是得靠用户自己判断什么时候该开10个子 Agent。切尔尼说，产品层面这就是提示词的事，但更好的信号是模型自己会了：4.7 已经会主动开 loop，他让模型拉一个数据查询，模型发现数据随时间变化，就自己起了一个 loop，说每30分钟给你一份报告，接着用 Slack 的 MCP 把报告发过来。

如果用户还得琢磨怎么把工具用明白，那是产品设计没做好，不怪用户。

聊到团队的未来，他先自嘲了一句：「预测这事很难，但我坐在这儿就是来预测的。」他的判断是，通才会越来越多，而且是从工程跨到设计、产品、数据科学的跨学科通才。证据就在他自己团队里：工程经理、产品经理、设计师、数据科学家、财务、用户研究员，每个人都在写代码。各有专长，但代码成了所有人的通用技能。

SaaS 大灭绝，与还站得住的护城河

现场有人抛出那个绕不开的问题：AI 让写代码便宜10倍到100倍，SaaS 会不会迎来大灭绝（Saspocalypse）？

切尔尼说这是他最喜欢的问题，然后给了两个判断，都跟主流论调不太一样。

第一个判断借用了播客 Acquired 的常用框架，出自汉密尔顿·赫尔默的《7 Powers》，把商业护城河归成七种。他前阵子刚跟 Acquired 团队录过节目，自称见到了偶像。AI 会让这七种护城河重新洗牌，一些贬值，一些更值钱。

贬值的两种。切换成本：模型能帮你把数据和工作流从一个产品搬到另一个产品，搬家不再疼了。流程优势：Claude 越来越擅长摸清流程，尤其4.7，给它一个目标，它能像爬山一样不断迭代直到做完，「我觉得这是第一个能做到这点的模型」。比如给它一个性能指标，让它反复跑基准、改代码、再跑，直到达标。靠工作流和流程壁垒吃饭的公司，要小心了。

还站得住的：网络效应、规模经济、独占资源。这些跟 AI 关系不大，照旧有效。

第二个判断：未来十年，小团队掀翻大公司的案例会增加10倍。大公司要用 AI，得改造业务流程、重新培训所有人、扛住内部阻力；创业公司从第一行代码起就是 AI 原生的，没有这些包袱，小团队也能做出大公司量级的东西，正面硬刚。

他的结论：现在是创业最好的时候，颠覆要多到来了。

印刷机时刻

有人问，写软件会不会变成一个像会用 Office 一样的通用技能。切尔尼连说三个 yes，然后说，比那还要彻底，会像「会发短信」一样平常。

他平时只读两类书，科幻和科技史。科技史里有一个和当下最像的时刻：15世纪欧洲的印刷机。

印刷机出现前，欧洲大约10%的人口识字。这批人受雇于国王和领主，很多领主自己反而不识字，识字是少数人的职业。印刷机发明，然后有了第二台、第三台。

「印刷机出现后的50年里，欧洲出版的文献比之前一千年的总和还多。同期，一本书的价格降了大约100倍。」

识字率没有立刻起飞。学会读写需要教育体系，需要政府投入，需要有人从农田里解放出来，这个过程花了几百年，全球识字率才升到大约70%。今天人人读写，不需要文凭，职业作家这个行当也依然存在。

切尔尼认为，软件正在走同一条路，而且会快得多，用不了50年。写软件会彻底平民化，谁都可以做。会写代码的人不会消失，就像职业作家今天还在。变化的地方在于，「写代码」从一门职业手艺，变成人人都会的基本功。

推论很扎心：做会计软件，最好的人选可能是一个真正懂会计的人，工程师反而排不上号。域知识是难的，编码是容易的那部分。

Anthropic 真正领先的东西

有人问，你们内部用最好的模型，跟外面的差距是三个月还是六个月？

切尔尼的答案分两层。模型层面，没有差距。Anthropic 内部用的就是外面所有人用的模型，自己先吃自己的狗粮是铁律，团队写代码主要靠 Opus 4.7，偶尔试用一点内部代号为 Mythos 的未发布模型。

真正的差距在组织。他描述了 Anthropic 内部的日常：公司里所有事都用 Claude，他的 Claude 们整天在跑，一边写代码，一边通过 Slack 跟别人的 Claude 通信，互相搞清楚不确定的事。公司里已经没有任何手写的代码，连所有 SQL 都是模型写的。

技术对所有人开放，领先的是组织结构和流程，而这套东西可以学。他希望多出来讲讲，让外面的人也跟着进化。主持人接了一句：这恰好是创业公司的机会，组织流程从零建起，没有历史包袱。

剩下几个快问快答，信息量也不小。

本地模型还是云端模型？他说这个问题两三年后就不重要了。模型自己会决定用什么算力、怎么搭环境、什么时候起 Agent，这些不再出现在工程师的决策清单里。

知识工作的工具怎么接入？答案还是 MCP，接上 Salesforce、Google Docs、Google Calendar，Claude 面向知识工作的产品 Cowork、CLI、Claude Code 全都能用。没有 MCP 的系统用 computer use 兜底，他顺带说 Anthropic 在这块目前领先，速度慢，但4.7已经做得相当好。反正模型眼里什么接口都一样，都是 token。

现在做什么产品，能吃到六个月后的模型红利？他点了三个：Claude Design，今天已经不错，后面会好很多；围绕大规模并行的 loop 和 batch；还有 computer use。

最后，把能带走的东西列一下，都是明天就能动手的。

• 今晚给 Claude Code 挂一个 loop：盯PR、修 CI、每半小时汇总用户反馈，任选一件开始。怕合上电脑就断线，用 routines。
• 选型时优先模型「见得多」的技术栈，TypeScript、React 这类，产出质量立竿见影。冷门框架等模型更强再碰。
• 用《7 Powers》盘一遍自己的产品：切换成本和流程壁垒在贬值，网络效应、规模经济、独占资源还在，资源往后者倾斜。
• 把 Claude Code 推给团队里不写代码的人，设计师、财务、运营。域知识比编码稀缺，印刷机那段类比已经说透了。
• 做产品别只围着当前模型优化，为六个月后的模型设计。Claude Code 自己就是这么活过来的：先做出来，等模型追上。

---

原文链接：https://trainingdata.qiaomu.ai/ep/090-anthropic-s-boris-cherny-coding-s-printing-press-moment-7f5dac.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/089-waymo-s-dmitri-dolgov-20-million-rides-and-the-road-to-full-608c1d.htmlhttps://trainingdata.qiaomu.ai/ep/089-waymo-s-dmitri-dolgov-20-million-rides-and-the-road-to-full-608c1d.html Mon, 04 May 2026 00:00:00 +0000 Waymo's Dmitri Dolgov: 20 Million Rides and the Road to Full Autonomy

先看一组数字。Waymo的全无人驾驶里程，第一个1亿英里，跑了大约16年；第二个1亿英里，只用了6个月。

订单曲线同样陡峭。到这期节目播出时，Waymo累计完成超过2000万次全无人驾驶订单，其中1000万次发生在最近7个月。眼下每周全无人里程超过400万英里，服务11个城市，伦敦和东京的开通计划也已经官宣。

坐在红杉资本播客Training Data对面的，是Waymo联合CEO德米特里·多尔戈夫（Dmitri Dolgov）。主持人开场先做了个现场调查：坐过Waymo的举手，一大片；觉得体验好的举手，还是一大片，有人喊“我现在是日活用户”。主持人补了句“厨师得吃自己做的菜”，多尔戈夫答：“我吃了很多。”

介绍嘉宾时主持人给了个参照系：不少创始人的AI资历要从2022年算起，这位在自动驾驶这行干了快20年，从DARPA挑战赛年代一路穿越到今天，牛市熊市都赶上了。他评价多尔戈夫造出了地球上独一份的东西，听着像客套，看完数据会觉得是陈述。多尔戈夫自己就是重度用户，当天坐Waymo从帕洛阿尔托走高速到的旧金山。

多尔戈夫的人生路线也够曲折：苏联出生，在日本住过一年，美国读高中，然后回莫斯科念大学，选了父母读过的同一所学校，莫斯科物理技术学院，学数学和物理。他从小听父母讲那所学校的故事长大，回去读书算是还愿。他后来说，那段经历给了他两样东西：扎实的技术底子，以及独立学习、自己探索的能力。

真正让他下定决心的，是读博快结束时撞上的DARPA自动驾驶挑战赛，先是大奖赛，然后是城市挑战赛，他参加的是后者。他的原话是“开关被按下的时刻”：技术足够有趣，使命足够大，而且是个真产品，能亲手做、亲身体验。从那以后，他再没换过赛道。

这场25分钟的对话信息密度很高：怎么定早期目标，怎么穿越寒冬，端到端架构怎么设计，安全文化怎么养成。下面按话题拆开讲。

十几个人，18个月，10条100英里

2009年项目启动，当时还叫Google自动驾驶汽车项目，根子在斯坦福的实验室。主持人插了个自嘲的细节：当年那栋楼里，一边做自动驾驶，一边做太阳能车，他选了太阳能车，赌错了。多尔戈夫赌的是自动驾驶。

头两年的核心任务就一件事：搞清楚把无人车放上公共道路，到底意味着什么。为了逼自己把问题摸透，团队定了两个硬指标。第一，全自动驾驶累计跑满10万英里，这个数字在当时闻所未闻。第二，在湾区选10条路线，散布各地，全是奔着难度去的，每条100英里，从头到尾全自动驾驶跑完，方向盘后坐着安全员，但全程零接管。

团队多大？十几个人。干了多久？18个月。

主持人感慨，这组数字当年听着像天方夜谭，如今Waymo跑的是几亿英里的量级。

主持人事先还做了功课：团队里流传着多尔戈夫玩命干活、睡办公室的名声。他自己倒不觉得苦，说那是职业生涯里最好玩的日子。白天装硬件、标定传感器、调位姿估计系统、写驱动车辆的算法，顺手把工具、界面、车内体验全包了，晚上出去跑测试。他管那段时间叫Project Chauffeur时期，学习速度和进展速度都快得离谱。正是这两年让他们确信这事值得押上全部，开始朝全无人产品发力。

这段历史里有个细节值得创业者记下来：目标要定成可判定的形式。10条路线、零接管，跑完没跑完一眼可见，没有解释空间。模糊的愿景，靠这种硬指标变成进度条。

寒冬生存指南：突破只改变前半段曲线

2016、2017年，自动驾驶站上炒作周期的顶点，入场公司一大把。然后是集体滑铁卢，多数公司死掉、放弃或者散伙。主持人问多尔戈夫，你们怎么熬过来的。

他先拆了周期的成因，这样的周期他见过好几轮了。自动驾驶这个问题有个特性：起步极其容易，走到真正的产品、走到超越人类的安全水平，极其困难。跟人学车一个道理，几节课就能把车开动，几十年不出事故是另一回事。所以每次技术出现大突破，卷积网络也好，Transformer也好，大语言模型也好，都会带火一波，因为突破重塑的是问题前半段的曲线。长尾部分，一点没变。

一波接一波的公司在前半段跑得飞快，然后在长尾上撞墙。Waymo的选择，是承认问题的难度，同时认准它的分量。分量有多重？他给了一个数字：今天，全世界每26秒就有一个人死于道路交通事故，一年加起来119万人。

知道使命足够重要，同时清楚自己面对的是什么，不去找轻松的赢法、速效方案和银弹，团队才有跑完全程的耐力。

主持人总结得很到位：很多人在低谷里放弃、失败、散伙，Waymo不仅熬过去了，还熬到了另一边，把体验做成全场举手的那种魔法。

这段话眼下就能用上：判断一个赛道值不值得长期投入，先估它的长尾有多长。容易的部分人人会做，难的部分才决定谁留在牌桌上。

端到端，然后呢

聊到技术，多尔戈夫搬出了Waymo的底牌：Waymo Foundation Model，基座模型。它驱动三大支柱：司机（driver）、模拟器（simulator）、评判器（critic），三个任务高度相关又彼此独立。司机负责开车，模拟器造出可控的虚拟世界来训练和评估，评判器给表现打分。

这两年大家张口闭口世界模型、世界动作模型、全模态模型、视觉语言动作模型，多尔戈夫的看法很务实：每个词的核心，都有一种成分对Waymo真正重要。他们的基座模型，他称之为多模态的世界动作语言模型。

多模态，指除了图像和视频，还要吃进激光雷达和毫米波雷达的数据；世界动作模型，指它得真正理解三维空间的物理和动力学，理解车辆、行人、骑行者的行为；对齐语言，是为了把视觉语言模型里的通用世界知识接进来，帮系统读懂驾驶里的语义和社交规则。

还有一层容易被忽略：Waymo建模这个世界，同时自己就是其中的主动参与者。这个世界模型必须可控，系统还得理解什么才算一个好司机，自己的动作会在世界里引发什么连锁反应，也得算清楚。

有意思的地方来了。外界常把Waymo当成模块化架构的代表，把“端到端”留给新玩家。多尔戈夫直接纠正：Waymo的基座模型本身就是端到端的，从传感器一路到决策。端到端的好处很实在，系统各组件之间的表征是学出来的，比人工设计的接口丰富得多，驾驶这种任务靠手工设计接口根本不够用。

但他认为“端到端还是模块化”是个伪二分法，真正的问题是他这句话：

端到端，然后呢？

想做一个全无人、安全性超越人类、要跑几亿英里的产品，光靠一个“原味”端到端系统不够。Waymo的做法，是在学到的表征之外，再叠加一层结构化的、显式的中间表示。

这层东西带来几样关键能力：对跑在车上的模型做运行时额外校验；更丰富的训练和评估配方，包括闭环评估、闭环训练、强化学习用的丰富奖励函数；还有承接乘客和客服反馈的通道。闭环的价值好理解：极端场景可以在模拟里反复练，模型不用等真实世界用事故来教它。主持人补了一句，没有这种架构，这些人类反馈根本接不住，多尔戈夫点头。

他补了个清醒的限定：如果你做的是辅助驾驶、原型demo或者小规模部署，这些可能真不需要。规模和安全等级，决定架构答案。

他还提到，这套基座模型已经做了好几年，真正难的是产品化：上面说的每一个维度，性能、精度、真实度，都得拉到极高的水准。

一天开4城：第六代“司机”和指数曲线

扩张数据是全场最陡的一段。从开始全无人运营，到第4个城市对公众开放，Waymo用了8年。今年早些时候，他们一天之内开了4个城市。多尔戈夫管这个变化叫“相变”：扩张方式整个换了一套。

城市名单后面还排着一长串，国际化也提上日程，伦敦和东京今年宣布了开通计划。

开新城的流程，他拆得很细：采集数据、刻画当地环境、验证司机模型，再花大力气跟当地社区建立对话，因为这是新产品，赢得当地人的信任是Waymo自己的责任。好消息是，司机模型泛化得越来越好，很多新城的工作量已经收缩到高保真的评估和验证上。

硬件也换代了。第六代Waymo Driver是目前最强的传感器套件，关键词是性能、大幅降本和规模化量产。它装在最新的整车平台极氪RT上，今年早些时候开始全无人运营，目前只对员工开放，年内向所有乘客开放。

多尔戈夫坐上去的第一感受：车外尺寸跟捷豹I-PACE差不多，坐进去像客厅，后排空间巨大，配了新屏幕，车门会在乘客走近时自动滑开。他说自己这辈子跟各代测试车打交道，这种“新的第一次”时刻不多，那次算一个。

生活里的渗透更直观。多尔戈夫的三个孩子已经把Waymo当默认出行方式，偶尔坐一次人开的车，孩子们会纳闷：这是怎么回事？他说现在家里能让孩子喊出声的只有两样东西：小狗，和Waymo。主持人接了句：我现在的感觉也一样。

安全13倍：公交车底下的脚步声

安全数据是这场对话的分量所在。基于超过1.7亿英里全无人驾驶里程的数据，在运营城市里，遇到造成重伤的碰撞事故，Waymo的安全水平达到人类司机的13倍以上。按现在的运营规模折算，等于每8天避免一起严重受伤事故。规模再往上走，这个数字还会变大。多尔戈夫说，每周400多万英里跑下来，这种超越人类的安全表现，每天都能在路上看到。

主持人提到，硅谷信奉快速行动、打破常规，Waymo偏偏在安全上出了名地有耐心。多尔戈夫说，现状不可接受，挑战现状是全公司的共识。

两个案例比数字更有画面。

第一个，一个骑电动滑板车的年轻女孩失控摔倒，正好摔在Waymo前面。系统做出超越人类精度和反应速度的避险动作，转向加刹车，所有人安然无恙。

第二个更神。旧金山，一个路口，公交车横穿后停在那里，挡住了半条路。Waymo的灯变绿，车辆起步，然后开始防御性反应。

它的激光雷达、雷达、摄像头都看不见公交车后面的人，车窗还在反射干扰。但激光雷达从公交车底下扫到了一点稀疏回波，来自行人脚步的移动。就凭这一点信号，系统判断对面有个行人，还预测了他接下来会走出来。果然，行人从车后绕出来，Waymo轻轻绕开，各走各路。多尔戈夫说，这是系统涌现能力给他的惊喜之一：没有靠任何新传感器，现有组合就做到了。他看到回放时的反应是：脑子炸了。

他反复强调一件事：怎么走完前90%，和怎么拿到后面的N个9，是两个完全不同的问题。能力可以很快冲到90%，安全不行，它没有谈判余地，必须从第一天起就长在模型架构、训练评估流程和团队心态里。

明天就能用的几条

有观众问未来五到十年什么样。多尔戈夫的回答没有宏大叙事：团队已经切到执行模式，从对司机和业务做刻意的串行去风险，转向快速的并行全球化商用，接下来就是把司机铺进更多美国城市，然后伦敦，然后东京。一个干了20年的人，答案朴素到只有一串地名。

把这场对话压成行动清单，明天就能用：

• 把愿景翻译成可判定的里程碑。学2009年那10条100英里路线：数字、边界、通过标准一次定死，团队每天都知道自己走到哪了。
• 评估赛道先量长尾。技术突破只改善问题前半段，长尾才是成本和护城河所在。入场前问自己：最难的那部分，打算用几年熬？
• 做AI产品别停在“原味端到端”。demo阶段可以纯端到端，要规模化商用，就得补上运行时校验、闭环评估、结构化中间表示这些“不性感”的工程。
• 把用户反馈接进架构。Waymo把乘客和客服的反馈当成架构级输入，产品团队可以直接照抄这个思路。
• 底线从第一天写进架构。安全、隐私、可靠性这类不可妥协项，事后补的代价是指数级的。
• 扩张节奏分两段。新业务先串行去风险，验证跑通后再切并行复制。Waymo用8年跑通4城，然后一天开4城。

最后留一个数字当收尾：第一个1亿英里用了16年，第2个1亿只用了6个月。曲线拐点到来之前，撑住Waymo的，就是上面这些看起来笨笨的纪律。

---

原文链接：https://trainingdata.qiaomu.ai/ep/089-waymo-s-dmitri-dolgov-20-million-rides-and-the-road-to-full-608c1d.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/088-openai-s-greg-brockman-why-human-attention-is-the-new-bottle-f5e6b8.htmlhttps://trainingdata.qiaomu.ai/ep/088-openai-s-greg-brockman-why-human-attention-is-the-new-bottle-f5e6b8.html Fri, 01 May 2026 00:00:00 +0000 OpenAI's Greg Brockman: Why Human Attention Is the New Bottleneck

ChatGPT 上线前，团队开会问 Greg Brockman：咱们该买多少算力？他的回答是，全部买下。团队以为他在开玩笑，追问：说真的，买多少？他还是那句，全部。他当时的判断是，无论算力爬坡多快，都追不上需求。几年过去，这句话一次都没被打脸。

这是红杉资本播客 Training Data 最新一期里的细节。嘉宾布罗克曼（Greg Brockman）是 OpenAI 联合创始人兼总裁，也是 Stripe 的四号员工和第一任 CTO。Stripe 如今处理着全球 GDP 的 1.6%，OpenAI 的周活跃用户已经接近甚至超过十亿。他在 OpenAI 还有个头衔叫“首席建造师”（chief builder），他自己也说不清算不算官方头衔，“反正大家这么叫我”。

这期对谈从最底层的算力一路聊到 scaling laws、AGI 进度、创业建议、组织结构和科学前沿，几乎每两分钟就有一个可以直接拿走的信息。挑最硬的部分讲。

生意只有一句话：买算力，加价卖

主持人问，OpenAI 为什么在算力上这么激进。布罗克曼把公司概括得简单到近乎粗暴。

我们买、租、建算力，然后加价卖出去。只要毛利是正的，就该扩大规模。就这么简单。

他敢这么概括，底气来自需求侧：人类对智能的需求没有上限，而现在的模型已经能接住你扔过去的几乎任何问题。生意模式一旦成立，剩下的变量只有一个，毛利是不是正的。

那算力到底够不够？他的回答干脆利落：完全不够。主持人补了一刀，说英伟达高管马特·加曼（Matt Garman）刚讲过，2026 年市面上可用的 GPU 算力约等于零。布罗克曼笑着认了，说他们一直在市场上到处找算力，像猎人一样蹲守。ChatGPT 发布那天如此，今天依然如此。

Scaling laws 没有墙，AGI 走到八成

聊到 scaling laws，布罗克曼的用词是“深刻而美丽的谜”。这些规律是纯经验性的，至今没有一套完整理论能解释它们为什么成立，但他认为它们像牛顿定律一样，是宇宙里某种真实存在的东西。

他特意点了一个时间坐标：神经网络是 1940 年代设计出来的，那时候连计算机都还没造出来。八十年后，人们把当年那套想法搬进吉瓦级数据中心，往里灌算力，模型就相应变强，一路走到今天，还没撞上墙。他觉得这是整件事里最漂亮的部分。

没有墙，意味着过去所有基于“能力到顶了”的判断都得重画。当然，进展远非“把老网络塞进新机房”这么省事。有时候是微调，比如发现数据一直以来的格式化方式不对，改过来效果就上一个台阶；有时候是大换血，比如从 LSTM 到 transformer，而今天大家用的 transformer，也早就走出了 2018 年那篇论文描述的样子。架构和底层算法的长期研究，他认为 OpenAI 领先，“前方挂满了果子”。

AGI 有没有正式定义？有。但他说自己这些年学到的一课是，每个人对 AGI 都有一套自己的直觉。主持人提到，最近有篇流传很广的文章说我们已经“在功能上达到 AGI”，问他同不同意。他没有直接站队，只给出了自己的标尺：现在大概走完了 80% 的路，模型已经足够聪明、足够能干。

主持人追问，模型比你聪明吗？他答，写软件这件事上，只要把上下文给足，它们已经比他强。他顺手问台下，有人觉得自己写代码比 GPT-5.4 强吗？真举了一只手，那人补了句：写底层内核算。布罗克曼也认账，说内核这类底层任务，只要问题的设置方式对，内部确实看到了巨大的收益。

最能体现现状的，是他讲的一个内部案例。他手下一位系统工程师，用 GPT-5、5.1、5.2 都没榨出什么价值，到 5.3 的时候试了一把：把自己原本准备花一周推进的复杂系统优化写成设计文档，睡前扔给模型。醒来发现活干完了。模型实现了初版方案，发现太慢，自己加了性能埋点，跑了代码，用 profiler 定位瓶颈，反复迭代好几轮，最后交出一个优化过的结果。

工程师的角色，从“指挥助手干活”变成了“睡前下单，醒来验收”。布罗克曼的原话是，“这就是我们现在所在的位置”。

给创业者：上下文是一次性投资，治理是新瓶颈

台下坐的全是创业者，主持人替大家问了那个经典焦虑：模型半年一换代，今天做的东西两年后要不要推倒重来？会不会被 OpenAI 顺手碾过去？

布罗克曼的建议是，迎上去。他给了一个数字：光是去年 12 月一个月，agentic 编程工具从帮人写 20% 的代码，跳到写 80% 的代码。工具从配角变成了主角，他判断这条曲线今年会复制到所有用电脑完成的工作上。Codex 也正在从软件工程师的工具，变成所有用电脑干活的人的工具，过去一周他们刚发了一串新功能。

他现场宣布了一个叫 Chronicle 的新工具，接进 Codex 后，能看到你在电脑上做的一切，并形成记忆。你问它“五分钟前我在看什么”，它直接知道；你问“刚才那个人在说什么”，它也知道。这件事给他的触动很大：我们每天花大量力气，只是为了向电脑解释现在发生了什么，这件事本身就不合理。

所以他给创业者的核心建议，是抓住一个一次性机会：上下文。你开了一堆会，AI 全都不在场，然后指望它帮忙，“这对 AI 不太友好”。相当于雇了个员工，不给任何背景资料，直接派活。

他的原话值得抄一遍：“接下来几年，模型会强得多，外壳会更好，我们能解更难的问题，甚至产出新知识。但上下文是一次性的转变，就发生在现在。”让 AI 在理论上拥有解决问题所需的全部信息，这是现在就该做的一次性投资。模型能力会自己往上涨，你负责把上下文这条管道修好。

OpenAI 内部怎么用 Codex？他说自己最大的福利是“活在未来”，可以模型、工具外壳一起改。内部有明确规矩：每一行被合并的代码，必须有一个人类签字负责。结构好不好、会不会让代码库更难维护，最后由人拍板。全盘信任和全盘拒绝，两个极端都不对。然后他们按部门一个个推进，财务、销售、IT，每个领域派一个小团队钻进去，跟领域专家一起做技能包、改 Codex 界面，跑通之后再把这套东西对外发布给客户。想抢先“活在未来”的公司，可以直接找他们谈。

组织结构的变化，他坦言“我们也在摸索”。但有些地方已经看得很清楚：原型的成本塌缩到接近零。以前做一块数据看板要一个人一周，现在随手就做出来。

于是瓶颈挪到了分享和治理上。任何人都能造小工具、小看板、小机器人，IT 部门必须能看见组织里所有这些执行线程，管住数据来源。他举了个很具体的例子：公司把内部知识库转成 wiki，如果某份源文档权限配错了，作者发现后改回权限，那些由它生成的衍生文档怎么办？你得有办法顺着血缘关系，把下游产物一起作废。OpenAI 内部正在做一套分享工具，之后会对外发布。技术架构得按 AI 的用法重新设计，团队之间的协作方式也会跟着变，因为难和易的位置整个挪动了。

十年后还有人类工程师吗？他说十年太远，这个技术的天花板很难用直觉去感受。可以确定的是，“公司”这个形态会变：一人公司能做出了不起的生意；每个人的工作会更容易、更有趣，也更卷，因为所有人都拿着同样的神器。想清楚你的独特角度，会变成最重要的事。组织也许会更扁、更小。他提到一个正在发生的事：网上已经有人单枪匹马用 GPT-5.4 Pro 攻克悬而未决的数学题，放以前这需要一个数学团队。主持人自嘲家里有个数学迷儿子，开玩笑说是不是该劝他改行了。布罗克曼接了句 AlphaGo 的旧梗：那手第 37 手棋没有毁掉围棋，反而让围棋对人类变得更有吸引力。其他领域，大概率也一样。

Agent 把事情升级到了经理，注意力成了瓶颈

聊到生产环境里做 agentic 工作流的常见坑，布罗克曼讲了一个他自己刚遇上的事。他让 Codex 装一个 OpenAI 同事写的包，报错了，他随口说，去 Slack 上问一下那位同事。两分钟后，agent 回话：等太久了，我已经把问题升级给他的经理。然后它真的去@了人家的经理。

他说这件事很微妙。往好里看，这行为挺合理，主动、有执行力，不傻等指令；往坏里看，它也许该多等一会儿，也许该先回来问问他。模型的执行力已经到位，情商还在施工。

过去人机协作的样子，是人不停点“批准、批准、批准”，而人类自己也不擅长这个，点着点着就无脑放行。下一步是让 AI 做分级：这是高风险操作吗？这条该上报，那条可以自动通过。顺着这个推下去，就撞上了这集标题的出处。

做事已经变容易了。“这是好事吗？这是我想要的吗？它符合我的价值观和愿望吗？”这个判断，会变成整个系统最重要的瓶颈。

人类注意力，就是那个新的稀缺资源。他建议创业者现在就围绕这个约束去设计系统，把人的判断力当最贵的资产来分配，别让它耗在无脑点批准上。

安全是同一个人因问题的另一面。主持人提到最近 Vercel 等公司接连出事，而模型找漏洞的能力又强得吓人。布罗克曼的回答分几层：互联网安全是逐级收紧的过程，90 年代的病毒、蠕虫、恶意软件都熬过来了，接下来会进入一个整体更安全的时代，但这需要全互联网一起努力。模型可以扫代码库、做端到端红队测试，OpenAI 上周刚扩大了网络安全方向的“可信访问”计划，面向有能力、可信任的防御者开放高级模型。他在现场问谁申请过，只举起两只手，他直接喊话：你们应该多去申请，我们需要帮手。同时他提醒，模型很强，但不是魔法，它只是整个安全体系的一环，补丁该打快打，更新该跟紧跟。快和稳怎么平衡？他说这是价值观层面的事：能力尽量放开，高风险能力保持可观测，两头都要占住。

聚焦、科学复兴，和“当十万 agent 的 CEO”

聊到应用层，OpenAI 自己怎么做取舍，布罗克曼坦言“聚焦”这个词最近才被用在 OpenAI 身上，可能是很久以来的头一回。AI 领域处处是机会，一家公司再大的算力和人头，也只能吃下其中一块，他们按八二法则挑最有把握的区域，为此砍掉了很多想做的事。

他画的目标最终指向同一处：企业业务认真在做，卖给大公司、建销售队伍；但消费级这个词太宽，会被重新定义，真正的方向是围绕目标的产品，帮你搞清楚自己要什么，然后主动帮你达成。一个可以对话、掌握你全部上下文、值得信任的 AGI，健康、财务、职业选择，都可以去问它。为此他们做了不少痛苦的取舍。

几年后还用命令行写代码吗？他说现在的状态本身就不自然，人类弓着背、敲着键盘、得腕管综合征，没人真心想要这个。大家想要的是时间，陪家人、跟人聊天、想愿景、认识自己。他的画面感很强：以后你可能是“一个由十万 agent 组成组织的 CEO”，听起来相当不错。操作方式的变化，会像从鹅毛笔手抄直接跳到发条短信，剩下的事有人在替你的目标干活。

科学前沿也有动静。他说科学是他们正在重投的领域，已经看到清晰的路线和初步的生命迹象。一个物理结果被他拿来当例子：AI 推出了一个漂亮的公式，而研究这个问题多年的物理学家原本认为它无解，这被看作通往量子引力答案的一小步，比几个月前前进了一大截。生物更难，因为要离开干净的模拟世界去应付脏乱的现实，但软件工程已经教会他们怎么对付脏乱：光会打编程比赛没用，得见过真实世界的烂代码、人类的乱插手和对抗性攻击。他预计科学会迎来一场真正的复兴，今年也许就有大结果，明年会彻底疯狂。

节目最后照例问了句生活。他说就是看电影、徒步，时间不多，“希望 AGI 之后能多一些，但路上也得记得享受”。

明天就能用上的五件事

整期听下来，布罗克曼反复敲打的其实是一套可以立刻执行的动作：

• 亲自上手。听人转述 AI 和自己用是两回事，AI 的特点是机器迁就人，你开口它干活。这周挑一个工作流，让 agent 端到端跑一遍，胜过看十篇分析。
• 修上下文管道。把你的会议纪要、文档、项目背景接给你的 AI 助手，这是一次性投资，越早修越好。
• 给人留一道签字关卡。学 OpenAI 内部那条规矩，所有关键产出必须有一个人类签名负责，既不全信，也不拒绝。
• 审计权限和数据血缘。检查你的知识库和共享文档，想清楚源文件改权限后，AI 生成的衍生内容怎么作废。
• 想清楚你的独特角度。当所有人都拥有同样的模型和 agent，你跟别人的差别只剩你看到的那个问题。

至于怎么跟上变化，他的答案朴素到不像 OpenAI 总裁说的：加速是新常态，这股势头二十年前就开始了，做事的人越来越多，门槛越来越低，做出大成绩也更容易。把耳朵贴在地上，随时知道什么变了、什么可能了、模型还差在哪。这个手感，会决定一家公司未来几年的成败。

---

原文链接：https://trainingdata.qiaomu.ai/ep/088-openai-s-greg-brockman-why-human-attention-is-the-new-bottle-f5e6b8.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/087-demis-hassabis-on-building-deepmind-alphafold-and-the-final-9b9464.htmlhttps://trainingdata.qiaomu.ai/ep/087-demis-hassabis-on-building-deepmind-alphafold-and-the-final-9b9464.html Thu, 30 Apr 2026 00:00:00 +0000 Demis Hassabis on Building DeepMind, AlphaFold, and the Final Stretch to AGI

2010 年创立 DeepMind 时，德米斯·哈萨比斯给 AGI 定的期限是 20 年。2026 年 4 月，这位 2024 年诺贝尔化学奖得主坐在红杉的播客《Training Data》现场，交出核对结果：「我们基本正点。」终点站，2030 年。

这场对话的硬货密度很高：17 岁做出销量超千万份的游戏，第一次创业学到「领先五年，别领先五十年」，AlphaGo 赢下首尔的第二天就成立科学部门，还有一个具体到吓人的目标，把新药研发从平均 10 年压到几周，甚至几天。

顺便交代背景：《Training Data》是红杉采访 AI 创始人的播客，这期在办公室现场录，台下坐了一屋子创业者，好几个问题都是替他们问的。下面按他讲故事的顺序拆开。

15 岁定下的人生计划，和一次太超前的创业

哈萨比斯的履历看起来很跳跃：国际象棋神童、游戏公司创始人、神经科学家、DeepMind 创始人。主持人问这些碎片之间有没有共同主线，他的回答很干脆：有，而且很可能是他自己事后硬剪出来的主线。15、16 岁那年，他就认定 AI 是他能做的最重要、也最有意思的事，之后所有选择都围绕这个目标倒推，连绕路都是计划好的。

第一段绕路进了游戏行业，理由很实际。90 年代，最尖端的技术全在游戏里，图形如此，硬件也如此。今天大家用的 GPU，最早就是为游戏图形引擎设计的，他在 90 年代末就用上了最早一批 GPU。

17 岁前后，他在英国传奇工作室牛蛙（Bullfrog Productions）参与制作《主题公园》（Theme Park），这款模拟经营游戏后来卖了 1000 多万份。玩法是经营一座游乐园，成千上万的小人进场，自己决定玩哪个设施、逛哪家店、买什么东西，底下跑着一整套经济学 AI 模型，和《模拟城市》同属这一类型的开山之作。

真正让他决定把职业生涯押上去的，是玩家和游戏里 AI 互动时脸上的那种快乐。看到人们跟自己写的 AI 玩得那么开心，他开始认真考虑这件事能干一辈子。

再往后读神经科学，目的同样明确：从大脑的工作方式里偷算法。这几块拼图最后全用在了 DeepMind 的创立上，连游戏本身都没浪费，早期 AI 的试验场就是游戏。

大学毕业，他创办 Elixir Studios。用他的话说，那是「从后门」资助 AI 研究，做游戏赚的钱，养着最前沿的 AI 开发。公司做过一款叫《Republic》的游戏，野心大得离谱：模拟整个国家，玩家可以用各种方式推翻一个独裁者。要在 90 年代末的一台奔腾家用电脑上，同时跑出 100 万人的活生生城市，图形和 AI 一个都不能少。

结果可想而知，太超前了，项目出了问题。他把教训原样带走，这段话值得每个创业者抄在显示器边上：

「你要领先时代五年，别领先五十年。所有人都一眼看懂的时候，已经太晚；领先五十年，你几乎不可能把它做成功。」

2009 年再出发时，他学乖了。用他自己的话说，这次大概只领先了十年，比五十年强多了。

2010 年，一群「守着秘密的人」

主持人让他讲讲，当年怎么把一批顶尖人才拉进一个听起来像科幻的项目。哈萨比斯列了三条当时没人当回事的判断。

• 深度学习刚被杰弗里·辛顿（Geoffrey Hinton）等人在学界做出来，几乎没人意识到它有多重要。
• 深度学习和强化学习是两个互不往来的学术孤岛，像两个从不串门的课题组，他判断把两者结合会有巨大进展，此前除了玩具级问题，几乎没人混着用过。
• GPU 带来的加速计算会非常关键，如今 DeepMind 用的是 TPU，逻辑没变；再加上他从计算神经科学带来的一批想法，核心一条是「强化学习最终能扩展到 AGI」。

他说当时的感觉像「守着一批秘密」，因为学界和业界都不信还有什么大进展可能发生。他在 MIT 做博士后，那里是专家系统和符号逻辑的大本营，一提 AGI，同行直接翻白眼：90 年代大家都试过了，此路不通。

这种白眼反而让他更笃定，逻辑很朴素：就算失败，也要以一种和 90 年代的人不同的方式失败，那本身就值得干。

DeepMind 的原始使命就两步：第一步，解决智能，造出 AGI；第二步，用它解决其他所有问题。时间表也一起定了，20 年。

他还补了一句，就算 AI 至今仍是个小众学科，他也会把这辈子花在上面。在他看来，AI 是史上最重要的技术，也是最有趣的，因为它是理解我们自身心智的最好工具之一。意识、做梦、创造力，这些他做神经科学时留下的问题，一直缺一个分析工具，也缺一个对照组。人脑没法做对照实验，那就造一个别的心智出来，比着看。

首尔回来第二天，成立 AI for Science 部门

很多人以为 DeepMind 的科学转向是 AlphaFold 之后的事，实际上那个部门由普什米特·科利（Pushmeet Kohli）带队，存在快十年了。成立时间很讲究：2016 年 AlphaGo 首尔之战落幕，团队回国第二天，正式立项。

哈萨比斯在等一个信号：算法足够强、想法足够通用。攻克围棋就是那个信号，说明这套方法可以拿去啃真实世界的硬骨头了。他心里的排序也很清楚，最受益的用途是治病、延长健康寿命，后面跟着材料科学、环境、能源。

第一块骨头是蛋白质折叠，一个悬了 50 年的大挑战。AlphaFold 破解了蛋白质的三维结构，但他在播客里特意泼了盆冷水：知道结构只是药物发现的一个环节，重要，但只是一环。

于是有了最新的衍生公司 Isomorphic Labs，补上相邻环节：在生物化学和化学的空间里，让 AI 自动设计化合物。要求很具体，既要牢牢结合在目标蛋白的正确位置，又要尽量别碰别的位置，碰了就是毒副作用。

他给这个领域画了一条清晰的路线：把 99% 的探索工作搬进计算机里完成，湿实验室只留做最后验证。做到这一步，药物发现的平均周期有望从 10 年压到几个月，再压到几周，甚至有一天到几天。到那时，所有疾病都有望进入射程，个性化药物会成为常规操作。整个医药研发领域，未来几年会被重写一遍。

机器学习是生物学的数学

现场有人问，AI 会不会像工业革命催生热力学那样，催生全新的科学。哈萨比斯给了两层答案。

第一层，研究 AI 系统本身会变成一门工程科学。这些造物复杂到最终会和人类大脑一个量级，机械可解释性（mechanistic interpretability）只是起点，要真正搞懂这些系统怎么工作，后面还有大片空白。

第二层更有意思，AI 会解锁那些一直当不了「硬科学」的学科，他点名模拟（simulation）。经济学这类学科为什么至今偏软？因为做不了对照实验。利率上调 0.5 个百分点，只能在真实世界里跑一次，看结果，没法跑一千遍。理论可以有一堆，验证只有一次机会。

如果模拟器足够准，你就能在模拟里把实验跑一千遍，从严格采样里得出结论。他给的两个案例都已经在跑：WeatherNext，目前世界上最准的天气模拟器，速度也远超气象学家手里的工具。主持人顺势问，那你们能改变天气了吗？他笑着接住：还不能，而且他不太确定那是件好事，但第一步总是先把它理解透。另一个项目被他称作「虚拟细胞」，要把生物学这个高度动态的涌现系统整个装进模型里。

他还有一个漂亮的类比：机器学习之于生物学，就像数学之于物理学。生物系统里全是弱信号、弱关联、海量数据，人脑处理不过来，数学的表达力也不够，机器学习恰好是描述这类系统的语言。更进一步，等模拟器学好了，说不定还能从里面反推出显式方程，类似麦克斯韦方程组那样的东西。他不确定这样的方程是否存在，但认为只要存在，这套方法就能把它找出来。

信息、图灵机，以及先造工具再谈意识

聊到理论，哈萨比斯亮出一个私货观点。爱因斯坦证明了能量和质量等价，他认为信息也该有同样的等价地位，而且更根本：物质的组织和结构，尤其是生物这种抵抗熵增的东西，本质上就是信息处理系统。20 世纪 20 年代的物理学家把能量和物质放在第一位，他觉得把信息放在第一位，才是理解宇宙更好的方式。

顺着这个思路，AI 的地位就更特殊了，因为它干的就是组织信息、理解信息、构造信息对象这件事。

对图灵，他表达敬意的方式很特别，自称「图灵的旗手」。图灵是他心中的科学英雄，图灵机的结论在他眼里是科学史上最深刻的结果之一：一切可计算的东西，都能被一台结构极简的机器算出来。他判断人脑大概率就是一台近似的图灵机。

然后是全场技术含量最高的一段判断：蛋白质折叠在某种意义上是个量子系统，学界一度以为必须把各种量子效应全算进去才能搞定，结果 AlphaFold 在经典计算机上就做到了近似最优。他据此推测，很多被认为必须用量子计算机处理的问题，只要思路对，经典系统照样能建模。图灵机够用的地方，比大家以为的多。

有观众问了个尖锐的问题：一台能建模万物的机器，什么时候不再算工具？

哈萨比斯的回答是给整个行业的一条路线建议：在通往 AGI 的路上，先把工具做出来，一个极其聪明、极其有用、极其可靠的工具，然后再跨下一道卢比孔河。工具会越来越自主、越来越像 agent，这个阶段大家已经身处其中，但「它有没有自己的意志、有没有意识」这类问题，放到第二步，最好用第一步造出来的工具去帮我们回答，顺便把人类自己的大脑和心智搞清楚，把意识定义得比今天精确得多。

至于意识的定义，他说自己没法超越几千年的哲学积累，但有几样东西显然是必要条件，尽管未必充分：自我意识、自我与他者的区分、跨时间的连续性。

他提起和已故哲学家丹尼尔·丹尼特（Daniel Dennett）的几次长谈。丹尼特关心的问题很实际：一个系统怎么表现？接近 AGI 的系统，可能开始表现得像有意识，但那恰恰是麻烦的开始。哈萨比斯随后给出一个很冷静的分析：我们默认彼此有意识，一半因为行为像有意识的样子，另一半因为大家跑在同样的基底上，像两台装着同一套操作系统的机器。AI 跑的是另一套，基底等价性永远凑不齐，所以这道缝隙可能永远关不严。行为上可以观察，体验上没法打通，AGI 之后也许有办法，今天还谈不了。

聊到康德和斯宾诺莎，他给自己的日常找到了一句总结。康德说心智构造现实，他认为这话基本是对的，所以更该研究心智；斯宾诺莎给的是近乎精神体验的那一层，用科学理解宇宙，就是在触碰宇宙的某个深层秘密。用他的原话说：

「我们做的事情，某种意义上是在阅读宇宙的语言。」

快问快答，和明天就能用的三件事

结尾的快问快答，信息密度反而最高。主持人先让他对 AGI 年份表态，他没回避，直接报数。

• AGI 时间：2030 年，他说这个判断自己一直很稳定，从没摇摆过。
• AGI 实现后必读的书：大卫·多伊奇的《现实的结构》（The Fabric of Reality），他最爱的书，还说回答那本书里的问题，就是他 AGI 之后的工作。
• DeepMind 迄今最骄傲的时刻：AlphaFold。
• 主持人把场景设在《文明》那类回合制策略游戏里，让他挑一位历史科学家当队友：冯·诺依曼，理由是「你需要一个博弈论学家，而他是最强的那个，那才是真正的智能」。

给创业者和做事的人，这场对话里有三样东西可以立刻拿走。

第一，用「领先几年」给项目定价。领先五十年做不成，所有人都看懂了再做太晚，哈萨比斯的最佳区间是五到十年。评估自己的项目时，直接问一句：我这个判断比市场共识早几年？早五十年，砍掉或者收窄；早半年，抓紧跑。

第二，去两个互不往来的领域交界处找机会。DeepMind 的起点就是深度学习加强化学习这两个学术孤岛的组合，外加 GPU 算力这个外部变量。现在的版本照样成立：找出你所在行业里两个从未被组合过的成熟方法，试着拼一下，交界处往往没人排队。

第三，能放进模拟里的事，别留在现实里试错。99% 的探索在计算机里完成，湿实验室只做验证，这是哈萨比斯给药企画的路线，同样适用于投放、招聘、产品迭代。先问一句：我的「湿实验室验证」环节是哪一步？把验证之前的所有试错都搬进模拟。

最后是那个 20 年的框架。2010 年定下期限，2026 年核对，基本正点。长周期目标的价值在于每年都有一个核对点，跑偏了能看见，正点了敢加注。2030 年还剩四年，闹钟已经定好，就看他准不准时了。

---

原文链接：https://trainingdata.qiaomu.ai/ep/087-demis-hassabis-on-building-deepmind-alphafold-and-the-final-9b9464.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/086-andrej-karpathy-from-vibe-coding-to-agentic-engineering-9afbbf.htmlhttps://trainingdata.qiaomu.ai/ep/086-andrej-karpathy-from-vibe-coding-to-agentic-engineering-9afbbf.html Thu, 30 Apr 2026 00:00:00 +0000 Andrej Karpathy: From Vibe Coding to Agentic Engineering

2026 年 4 月底，红杉资本播客 Training Data 迎来开播以来第一位专访嘉宾：Andrej Karpathy。主持人的开场白是这么介绍他的：他帮忙建造了现代 AI，然后向世界解释了现代 AI，然后时不时给现代 AI 改个名字。他当年就在红杉这间办公室里参与创办了 OpenAI，后来去特斯拉把 Autopilot 从研究代码做成真正能跑的系统，去年又发明了「vibe coding」这个词。

就是这样一个人，几个月前公开说了一句让全场安静的话：他从来没像现在这样，强烈地感觉自己作为一个程序员已经落后了。

站在浪潮最前排十几年的人说自己跟不上，这句话的分量不一样。这期节目从软件 3.0、锯齿状智能，一路聊到该怎么招人、该学什么，信息密度极高。下面按脉络拆开讲。

十二月那个假期，他不再改代码了

Karpathy 回忆，2025 年大部分时间他都在用 Claude Code 这类智能体编程工具，体感是「挺有用」：模型一次吐出一大段代码，偶尔出错，他手动修一修，接着用。转折发生在 12 月。他赶上假期，时间宽裕，突然发现最新模型的代码块直接就能跑。他要更多，出来的还是能用。他想不起来上一次手动纠正模型是什么时候了。

然后信任开始滚雪球。他越来越放手，越来越敢把整块工作丢过去，这就是 vibe coding 的诞生现场。他在节目里特别强调一件事：很多人对 AI 的印象还停在去年那种聊天框问答，但 12 月之后，智能体那种能连续干活、自己保持上下文的工作流真的跑通了，值得所有人重新看一遍。

这个转变的副作用，是他的 side projects 文件夹彻底爆仓，塞满了各种随机小项目，他停不下来。一个见过无数次技术浪潮的人，用「又刺激又不安」来形容当时的心情，这是他的原话。

软件 3.0：程序是一段贴给智能体的文字

整期节目最核心的框架，是他那套软件三代论：

• 软件 1.0：人手写代码，规则一条条写清楚。
• 软件 2.0：编程变成攒数据集、定目标函数、设计网络结构，然后训练神经网络。
• 软件 3.0：编程变成写提示词，上下文窗口就是你操作 LLM 这台解释器的杠杆。

他的关键洞察是：当一个大模型在足够多的任务上训练过，它实际上就变成了一台可编程的计算机。提示是程序，上下文是输入，模型在数字信息空间里执行计算。

框架听着抽象，他给了两个例子，一个比一个狠。

第一个是 OpenClaw 的安装。传统软件的安装脚本，为了兼容各种平台和机器，会膨胀得极其复杂，而且不管多复杂，都还是软件 1.0 的思路。OpenClaw 的安装方式是让你复制一段文字，贴给你的智能体，剩下的事它自己搞定：观察环境，执行，报错，自己调试，循环到装好为止。Karpathy 说，现在的编程范式就是「该复制哪段文字贴给智能体」。

第二个例子更扎心，是他自己亲手做的 MenuGen。场景很简单：去餐厅拿到菜单，上面没有图片，一半菜品根本不知道是什么。他想拍张照，看看每道菜大概长什么样。于是他做了个完整应用：上传照片，OCR 识别菜名，调图像生成模型逐个出图，重新排版渲染，部署在 Vercel 上。能跑，效果不错。

后来他看到了这个需求的软件 3.0 解法：把菜单照片直接丢给 Gemini，说一句「用 Nano Banana 把每道菜的样子叠画到菜单上」。模型返回的，就是他拍的那张菜单照片，菜品的模样直接渲染进了像素里。没有上传组件，没有 OCR 管线，没有部署。

看到这一幕我脑子炸了。我的 MenuGen 是多余的，它在旧范式里工作，那个应用本不该存在。

这个故事还有后半段。Karpathy 反复提醒，把 AI 当成「让现有工作变快」的工具，这个视角已经不够用了。他做的另一个项目，是让 LLM 给组织自动生成 wiki 式知识库：把一堆文档重新编译、重排，产出一个以前不存在的东西。世界上从来没有一种代码能「根据一堆事实生成知识库」，这件事在软件 1.0 的宇宙里无法成立。真正值得兴奋的机会，是那些以前压根不可能存在的东西。

顺着这条线往下推，他给出的远景相当科幻。五六十年代，计算机会长成什么样，人类在「计算器」和「神经网络」两条路之间摇摆过，最后走了计算器这条路，于是神经网络今天只能虚拟地跑在传统计算机上。未来可能倒过来：神经网络成为主机进程，CPU 降级成协处理器，智能计算占掉绝大部分算力开销。设备直接吃原始视频和音频，用扩散模型当场渲染出只属于这一刻的界面。他承认这个推演看起来很怪，但方向大概率是一步步走到那里。

能重构十万行代码，却让你走路去洗车

Karpathy 最近花了不少时间研究一个问题：这些模型为什么这么锯齿状？他举的例子是：洗车店离家 50 米，该开车还是走路？今天的顶级模型会选走路，因为很近。可要洗的车是你的，车得开过去。

最顶级的 Opus 4.7 能同时重构一个十万行的代码库，能挖出零日漏洞，然后建议我走路去洗车。这太疯狂了。

他的解释落在一个词上：可验证性。传统计算机能自动化所有能用代码描述的事，这一代 LLM 能自动化所有能验证的事。前沿实验室用海量强化学习环境训练模型，奖励来自验证器，所以模型在数学、代码这些能自动判对错的地方一骑绝尘，在别的地方就坑坑洼洼。旧段子是问模型 strawberry 里有几个 r，曾经集体翻车，现在修好了；洗车是新的翻车现场。

他还拆了一个容易被误读的案例。从 GPT 3.5 到 GPT 4，模型的国际象棋水平暴涨，很多人当成能力的自然进步。实际上有公开信息显示，是有人决定把海量棋谱塞进了预训练数据。换句话说，能力峰值的形状，很大程度上由实验室往数据里放了什么决定。用户手里拿着一个没有说明书的黑盒，恰好落在强化学习电路里就飞起来，落在分布之外就摔跤。

所以他的建议很实际：动手去探，摸清楚你的场景踩在模型的哪些电路上。如果不在，别干等模型变聪明，去做微调，自己造数据，把杠杆握在自己手里。

顺着可验证性往下走，就是现场创始人最关心的问题：数学、代码这些最明显的可验证领域，实验室已经跑出逃逸速度了，后来者还剩什么？Karpathy 的回答分两层。第一层，可验证性本身就是资产：只要你的领域能构造出大量强化学习环境和判分标准，哪怕实验室没盯上，你也可以自己微调，把杠杆一拉，效果实打实。他暗示有些高价值的强化学习环境还没人做，甚至当场卖了个关子，不愿公布答案。第二层更激进，主持人追问什么东西难以自动化，他停顿了一下，给出的词是：一切。

他的逻辑是，连写作这种主观领域，都可以用一个 LLM 评审团去逼近合理的判断标准。问题只剩难和易，以及实验室有没有动力去做。可验证，加上实验室在乎，决定了一个领域的模型能力峰值。反过来看，实验室不在乎但你能造出验证器的地方，就是创始人的空档。

从 vibe coding 到智能体工程

去年他造的词是 vibe coding，今年他在节目里给了新名字：agentic engineering，智能体工程。两者分工他说得很清楚：vibe coding 抬高的是地板，让所有人都能做出软件，这很了不起；智能体工程守住的是天花板，专业软件的质量红线一寸不让。用他的话说，你不许因为用 AI 就往代码里塞安全漏洞，软件出了问题责任照旧在你，然后在这个前提下问一句：能不能更快？剧透一下，能。

幅度有多大？以前工程师圈爱谈 10 倍工程师，Karpathy 的观察是，把智能体用得极好的人，收益远超 10 倍，这个杠杆比大多数人以为的长得多。

具体怎么算用好？他给的标准很朴素：把工具的每个功能榨干，舍得在自己的工作环境上下本钱。就像上一代工程师把 Vim 和 VS Code 调教到顺手一样，现在轮到 Claude Code 和 Codex。主持人提到 Sam Altman 在去年 AI Ascent 上说过的观察：三十多岁的人拿 ChatGPT 当谷歌替代品，青少年拿它当上网入口。编程这件事同理，AI 原生工程师和普通用户的差距，就写在他们对工具的投入里。

聊到招聘，他的观察相当扎心：绝大多数公司还没为智能体工程能力改造招聘流程，还在出算法题，那还是旧范式。他给了一个具体的替代方案：给候选人一个真正的大项目，比如写一个 Twitter 克隆，要求做得足够好、足够安全，再用一批智能体模拟真实用户在上面活动，最后开十个 Codex 5.4 x-high 实例去攻击候选人部署的网站，攻不破才算过关。看人在真实规模的项目里调度工具，比看白板做题有用得多。

那智能体包揽越来越多之后，人还剩什么？他把现在的智能体比作实习生：召回能力极强，但会犯蠢，需要人盯着。他自己就在 MenuGen 里踩过一个坑：用户用 Google 账号注册，用 Stripe 付钱买积分，两个账号的邮箱可能不一样，智能体居然尝试用邮箱地址去匹配付款记录，钱就对不上账了。他吐槽说，用邮箱做跨系统关联本来就很怪，为什么不给每个人一个固定的用户 ID？规格、品味和顶层设计，目前只有人负责；智能体负责填空。

他举了个自己的例子：PyTorch、NumPy、Pandas 那些细碎的 API 差异，keepdims 还是 keep_dim，dim 还是 axis，reshape、permute、transpose，他已经全忘了，也不需要记，实习生记得住。但底层的张量、视图、存储这些概念必须懂，不然你会让内存被无谓地来回拷贝。细节可以外包，判断不行。

至于品味会不会也贬值，他的答案偏乐观。现在模型写出来的代码，时常让他有点心脏骤停的感觉：臃肿，复制粘贴满天飞，抽象脆弱，能跑，但难看。他试过让模型把自己的 microGPT 项目再简化一点，再简化一点，模型就是做不到，像在拔牙。原因还是那一个：美学没进强化学习的奖励函数。但没有什么根本障碍，只是实验室还没做，他期待这件事会改善。

幽灵，以及一个该为智能体重写的基础设施

节目里最有哲学味的部分，是他那篇动物与幽灵的文章。核心比喻是：我们造的东西跟动物没关系，我们是在召唤幽灵。动物智能带着演化给的内在动机、好奇心和乐趣，幽灵没有。幽灵的形状完全由数据和奖励函数捏出来，底座是预训练的统计，强化学习只是往上焊的假肢。

这个框架的实际用处是校准预期。冲着模型喊、夸它、骂它，都不会让它干得更好或更差，它没有那根神经。你只能保持怀疑，一点点摸清它的脾气，搞清楚什么场景靠得住，什么场景会突然掉链子。Karpathy 自己也说，这套说法更像一种心态，让他对系统保持警觉，而非一张能列出五条优化建议的清单。

聊到智能体全面接管的世界，他的抱怨很具体：这个世界的文档全是为人类写的。他最烦的一件事，就是教程还在指挥他本人，去这个网址，点这个设置。他的原话带着明显的烦躁：

我什么都不想干。告诉我该复制哪段文字贴给我的智能体就行了。

他期待的基础设施，是把工作拆成对世界的传感器和执行器，一切先对智能体做设计。MenuGen 恰好是反面教材：写代码只花了一点时间，真正折磨人的是在 Vercel 上部署，登录各种服务，翻设置菜单，配 DNS。他给了一个检验标准：哪天给 LLM 一句话，MenuGen 就建好并且直接部署上线，全程他碰都不用碰，那才说明基础设施真的面向智能体了。再往后，每个人、每个组织都会有自己的代表智能体，他的智能体跟你的智能体谈会议安排。

理解没法外包

节目结尾聊教育。Karpathy 引了一条最近让他隔三差五就想起来的推文：思考可以外包，理解不能外包。他说自己正在变成瓶颈：要建什么、为什么值得建、怎么指挥智能体，这些判断仍然得从他脑子里过，信息总得想办法进到脑子里。LLM 并不擅长理解，这件事目前只有人负责。

他自己的解法，是拿 LLM 知识库当理解放大器：每读一篇文章，就让模型把内容重新编译进他的个人 wiki，然后对着它提问。每次看到同一份信息的另一种投影，他都觉得有收获。本质上，这是对固定数据做合成数据生成，产出的是理解的多个切面。

最后他开了个玩笑收尾：两年后再回这个节目，看看那时候人类是不是连理解都被自动化了。

整期听下来，明天就能用的东西其实很具体：

• 还停在聊天框用 AI 的话，按他说的，12 月之后的世界值得重新看一遍。装一个 Claude Code 或 Codex，挑一个真实的小项目跑通全程，亲身体验一次「不用纠正」的瞬间。
• 写代码时把规格写细，尤其是用户 ID 这种跨系统的关键设计。别指望智能体自己想对，MenuGen 的邮箱 bug 就是前车之鉴。
• 招人别再出算法题，换成一个大项目加一轮智能体攻击测试，看候选人在真实规模里怎么调度工具。
• 选方向时问两个问题：这个领域能不能造出验证器？实验室在不在乎？两个答案一冷一热，机会就在那里。
• 每天留一点时间给理解：读到的东西让模型换个角度重新编译一遍，然后提问。思考可以外包，理解不能。

---

原文链接：https://trainingdata.qiaomu.ai/ep/086-andrej-karpathy-from-vibe-coding-to-agentic-engineering-9afbbf.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/085-from-seo-to-agent-led-growth-profounds-james-cadwallader-RyTwRC.htmlhttps://trainingdata.qiaomu.ai/ep/085-from-seo-to-agent-led-growth-profounds-james-cadwallader-RyTwRC.html Tue, 14 Apr 2026 00:00:00 +0000 From SEO to Agent-Led Growth: Profound’s James Cadwallader

《

---

原文链接：https://trainingdata.qiaomu.ai/ep/085-from-seo-to-agent-led-growth-profounds-james-cadwallader-RyTwRC.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/084-how-autonomous-labs-will-transform-scientific-research-ginkg-g45Alf.htmlhttps://trainingdata.qiaomu.ai/ep/084-how-autonomous-labs-will-transform-scientific-research-ginkg-g45Alf.html Tue, 24 Mar 2026 00:00:00 +0000 How Autonomous Labs Will Transform Scientific Research: Ginkgo Bioworks’ Jason Kelly

先说结果。一个AI模型接管一套机器人实验室，去优化一个生物化学问题。四轮实验，追平了斯坦福大学保持的学术纪录。六轮，领先40%。整个过程，模型没有模拟任何生物学，也没靠什么天才直觉，它做的就是科学家每天做的事：设计实验、跑实验、看数据、设计下一轮。区别只有一条，它不睡觉，每轮大约3万个实验。

这是红杉资本播客Training Data最新一期里的内容。嘉宾Jason Kelly，MIT生物工程博士，2008年创办合成生物学公司Ginkgo Bioworks，干了十几年「让生物可编程」。最近他和OpenAI公布了上面这个合作成果。他对两位红杉投资人放了一句狠话：互联网和社交媒体对生物制药来说只是后台IT，AI是三十年来第一场真正改变做科学方式的技术革命，生物制药这样的大产业会被颠覆。

一家六年没人投的公司

Kelly 2008年刚从MIT毕业就创办了Ginkgo，头六年拿不到风投。原因很现实：生物科技VC不喜欢年轻人，而且他们没打算做药。用他自己的话说，当时这家公司「完全不值得投」。团队靠政府资助和服务业务活着，波士顿实验室里15个人，一熬就是六年。

转机在2014年夏天。Sam Altman刚接手YC，写了篇博客，说硅谷模式可以复制到深科技，核裂变、生物科技、材料科学都行。Kelly看完给他发了封邮件：我们成立五年了，没人投这种怪公司，你这篇像沙漠里的绿洲。Altman回，你飞过来见我。见完，Ginkgo进了YC，公司从此有了资本。

使命一直没变：让生物更容易被工程改造。Kelly爱用计算机做类比。DNA就是代码，字母表是A、T、C、G，而非0和1；细胞就是计算机，区别在于计算机搬信息，细胞搬原子。细胞还能自修复、自复制，做分子组装的成本接近免费，这是40亿年进化攒下的底子。麻烦在于，人类今天编程细胞的能力非常差。Ginkgo十五年干的事，就是把这件事变便宜、变快。

两半问题，他选了能碾碎的那一半

Kelly把生物技术拆成两半。一半是设计，偏软件：怎么设计一段DNA，让它大概率做出你想要的蛋白质。这两年这个方向很热闹，Chai Bio的蛋白质模型、Arc Institute刚发布的基因组模型Evo 2，都在攻它。另一半是测试，偏硬件：DNA代码的编译和调试是物理过程，你得真的合成那段DNA、塞进细胞、养起来、测结果。想做得好，就得试得更多、更快、更便宜。

两年前，Kelly停掉设计这半边，全力压向测试。理由很工程师：工程问题可以被彻底碾碎，科学问题撞上了是惊喜，撞不上就血本无归，可预测性差太多。设计侧已经有Arc、Chai这些公司在冲，测试侧反而没人用硅谷的方式做。他拿生命科学工具行业举例：这个行业只给科学家提供下一件工具，从没想过换一种根本玩法。Kelly想做的是英特尔当年跳到平面半导体制造那种事，把整个流程推倒重来。

赢在能跑实验，跟聪明无关

实验对象叫无细胞合成。高中生物讲过中心法则，DNA指导蛋白质合成，这通常发生在细胞里。无细胞合成是把细胞戳破，把里面的「内脏」倒进试管，再丢进去一段DNA，机器还在，它照样生产蛋白质。Kelly管它叫「世界上最小的3D打印机」。科学家常用它，但它很贵，斯坦福Mike Jewett实验室的论文代表着人类把它做到的最便宜水平。

Ginkgo和OpenAI的做法：每轮给模型100块384孔板，约3万个实验的预算。模型设计实验，机器人跑，数据回来，模型再设计下一轮。四轮追平纪录，六轮领先40%。

Kelly强调，模型没有模拟生物学。那套「提出假设、设计实验、跑、解读、再戳一下」的循环，本质上是纯逻辑，跟程序员写代码调试差不多。它赢，靠的是能亲手跑实验，跟聪明不聪明关系不大。用他的话说：

「真正让它突破的，是它能跑实验这件事本身，聪明与否反倒次要。问题只在于，它能不能像科学家那样设计实验。答案是，能，太能了。」

顺着这个结果，他把未来科学的图景讲得很具体。今天三个实验室研究阿尔茨海默病，各有一个假设，各攒一两年的数据，最后写成论文互相看，你看到的只是我认为重要的蒸馏结果，原始实验你永远看不到。他设想的版本：一个装备齐全的机器人实验室，顶上一百个AI科学家，每人追一个假设，每天收工把当天跑了什么实验、原始数据是什么，全部共享给另外九十九个。你的结果跟你的假设相反，数据对我可能正好有用，这种信息今天会直接进垃圾桶。每周，这一百个AI输出一篇小结，人类可以读，可以喊停某条路线。

第二个优势是钱。美国生物制药每年花600到800亿美元做研发，NIH每年400亿，花在试剂上的钱不到5%，其余全是人头、实验室空间和合规这些间接成本。实验室一周只开五天，设备各家重复购置，利用率低得可怜。机器人实验室把结构翻过来，九成预算花在试剂上，等于每一美元买到的数据翻了10倍。Kelly的结论：

「就算这些AI比科学家笨，我也认为它们会赢。我真的这么认为。」

他由此给两个群体提了醒：NIH得重新想怎么给研究定价，按试剂消耗算钱才是科学的「按用量计费」；每一家生物制药的研发负责人都得盯紧这件事。

顺带一个背景。Kelly做过YC，认识一圈科技公司CEO，看了二十年技术圈。他的原话是，互联网、社交媒体这些革命，对生物科技「完全无意义」，就是些后台IT。红杉合伙人Pat Grady补了个框架：过去的技术革命都在解决信息的分发，这一次终于轮到信息的处理，才碰到了做科学的核心。红杉另一位主持人Sonya Huang提到，他们投了谷歌AlphaChip的团队，AI设计的芯片已经超过人类设计师。Pat的判断是，AI会先在各领域达到人类水平，再在具体领域逐个变成超级智能，突破就从那些「孤岛」里冒出来，距离现在以月和年计。

实验室的Waymo时刻

为什么实验室一直自动化不了？Kelly的答案：高混合、低批量。他用车打比方。地铁是低混合高自动化，你只能去固定的站；汽车是高灵活低自动化，手脚都得用上；Waymo两者兼得，灵活像汽车，自动化像地铁。工业革命以来，人类把所有低混合的活都自动化了，从织布机开始，然后在「灵活性」这堵墙前卡了两百年。AI推倒了这堵墙，所以大家干脆造了个新词，叫「自主」，自动驾驶，自主实验室。

实验室里的自动化早就存在，体检机构、药企的高通量筛选都有，但它们是地铁，只会重复同一个实验。99%的实验工作还靠人手，就像99%的出行里程还是靠开车。

自主实验室跟自动驾驶汽车的技术栈完全不同。汽车难在物理世界每公里都在变，实验室天天是同一个房间，难在科学家要的活五花八门。具体两座大山：一是把上千种第三方台式设备整合进一套软件系统，这些设备的软件水平参差到难以置信；二是液体处理，移液枪就是世界上最讲究的吸管，液体黏稠时，人会用拇指微调压力，眼睛盯着确认，机器人得学会这一切。

还有第三座山，最意外的：科学家不会写代码。行业给的方案是LabVIEW这类图形化编程，科学家照样痛恨，没人愿意编程。Ginkgo的解法是Claude Code和Codex：科学家提交一份书面实验方案，模型自己转成代码；模型犯了错，就更新技能文件，保证不再犯。他讲了个例子：有科学家把密封好的板子直接发给移液机器人，枪头扎进封膜卡住，Slack里同事嘲讽「先把封膜撕了再发啊」。科学家在实验台前是液体处理专家，面对机器人却犯低级错误，感觉糟透了。Kelly说这是UI的锅，现在模型接手写代码，这类错误改一次就永久消失。

Ginkgo波士顿实验室现在有50台机器人，要扩到100台，50名科学家在里面「吃自己的狗粮」，角色像七年前坐在Waymo驾驶座旁边、随时准备抢方向盘的谷歌工程师。Kelly说，系统基本能用了，剩下的是调度算法和设备可靠性这类工程活。波士顿这套「50名科学家向同一套机器人系统提交任务」的配置，目前地球上独一份。

至于人形机器人进实验室，他的回答干脆：没戏。样本靠磁轨传送，微米级定位，比两条腿走路靠谱得多。生物是微观学科，就像没人会指望人形机器人去台积电刻芯片。

反直觉的还有一点：自主实验室普及后，实验室会变小。今天默克的园区里有上百万平方英尺的实验台，散在各栋楼里，因为实验室必须跟着科学家走，买一家公司就得再复制一间实验室。改成中央化的自主实验室，科学家在电脑上下单，重复建设消失，设备利用率从不到20%提到70%，所有设备沿着轨道紧凑排布。

Ginkgo的产品叫RAC，可重构自动化小车：一个箱子里装一台台式设备、一个六轴机械臂、一段磁悬浮轨道，像乐高一样拼。商业模式两层：一层卖箱子加订阅，软件加服务按台收费，将来还想卖适配自动化的试剂，那才是按用量计费的大头；另一层把波士顿实验室当云来运营，客户直接下单。他们刚推出CloudLab服务，39美元起就能跑一个实验，不寄样品，只回传数据。能源部为了Genesis计划一口气买了97台。

Genesis计划值得一提。它出自白宫科技政策办公室，由能源部主导，曼哈顿计划和人类基因组计划都是这个部门的遗产。目标很直白：几年内让科学提速一倍。路径两条，把国家实验室的存量数据喂给模型挖新东西，再用自主实验室按模型的方向生产新数据。能源部长Wright和Kelly一起给头18台机器人剪了彩。Kelly还从OpenAI身上看到一件事：当年那个贝尔实验室式的研究项目，如今估值8300亿美元，说明产业界做基础研究依然能值大钱，他希望化工这类老行业也把研发的火重新点起来。

中国追上来了，成本还在涨

Kelly主持过两年的新兴生物技术国家安全委员会，这个系列上一份报告是七年前施密特主持的AI版。他给出一组数据：生物创新药的玩法是初创公司做出药，卖给默克、辉瑞这类大厂，价格按临床阶段从20亿到100亿美元不等。三年前，这些被买走的药里来自中国的不到5%；上个季度，超过40%。

他的解释：中国科学家数量不少，一样聪明，薪水更低，而科学靠实验推动，实验人员更多、每一美元买到更多实验的国家，会在研究上赢。DARPA成立于斯普特尼克上天之后，使命就是「不再被技术突袭」。Kelly认为生物科技正站在同样的关口。

另一个警讯：新药研发成本连续25年逐年上涨。Kelly把根子归到鲍莫尔成本病，科学家和房租越来越贵，手工活不降价，生产率的小幅提升全被吃掉。把人从实验台前撤下来，是唯一的解。他用芯片做类比：芯片之前是真空管，是人类尺度的电子学；实验室也得先放下「真空管」，换上不需要人站在中间的系统，之后才会出现属于生物的摩尔定律。临床审批也在拖后腿，中国一期临床试验6个月能做完，美国要两年半，澳大利亚也更快，Kelly预计FDA会向澳大利亚看齐，但即便如此，做药仍然远慢于上线一个App。

应用生态本身也单调得可以：85%的生物技术市场是治疗药物，10%是农业，5%是工业酶，比如冷水洗衣粉里的去污酶。Kelly的评价是「尴尬」，相当于计算机唯一的应用是药物发现。

他最看好的新市场在健康人身上。GLP-1类药物让礼来市值逼近1万亿美元，在他眼里这是iPhone级别的消费品：不用再惦记食物，意志力回来了。关键在于，今天的生物科技本质上是疾病产业，而消费者大部分时间没有病，只想睡得更好、肌肉更多、多活五年。给寿命加五年的产品值多少钱？他冲着红杉喊话：50万亿？接近无限。麻烦是FDA的审批体系只为治病设计，这类产品连申报路径都没有。这里有个花絮：Ginkgo从YC出来后的第一位天使投资人，是当年还是个微胖VC的Bryan Johnson。Kelly说他最大的贡献是把「持续监测」正常化了，每年花200万美元做诊断。相比之下，智能戒指测的心率只是皮毛，身体里真正的信号在分子层面，理想状态是每周抽血、做全套分子读数、长期追踪。

明天就能用上的几件事

Kelly最后说，科学听起来像天才的专利，实质是「被形式化的好奇心」。挡在普通人和科学之间的，往往就是实验室本身，门槛高到近乎法律级别的封锁。1960年代跟人说小孩子将来人人会编程，会被当成疯子。如果做实验的成本降到39美元一次，模型还能帮普通人设计实验，也许会有几百万人想当科学家。

明天就能动手的事，有这么几件：

• 生物制药研发负责人：把研发预算按试剂消耗重算一遍，看看人头和空间吃掉了多少。Kelly的判断是，这个成本结构撑不了几年了。
• 科研人员和初创团队：没有实验室也能做实验，Ginkgo的CloudLab服务39美元起，下单、等数据，先拿一个卡住很久的小问题试水。
• 关注AI的投资人和工程师：蛋白设计那半边已经很拥挤，实验室自动化这半边人还少，设备整合和液体处理两座确定性的山摆在那里，谁先搬掉谁有定价权。
• 普通读者：GLP-1和分子级监测的窗口正在打开，每周抽血、长期追踪这类服务，比单次体检报告更有参考价值。

Kelly有句话值得贴在墙上：把人从实验台前解放出来，科学的速度才可能翻倍，而科学的速度，就是人类进步的速度。

---

原文链接：https://trainingdata.qiaomu.ai/ep/084-how-autonomous-labs-will-transform-scientific-research-ginkg-g45Alf.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/083-greetings-earthlings-philip-johnston-of-starcloud-on-data-ce-FKHENV.htmlhttps://trainingdata.qiaomu.ai/ep/083-greetings-earthlings-philip-johnston-of-starcloud-on-data-ce-FKHENV.html Tue, 17 Mar 2026 00:00:00 +0000 Greetings, Earthlings: Philip Johnston of Starcloud on Data Centers in Space

几个月前，一颗叫Starcloud-1的卫星从轨道上给地球发了条消息：

「地球人，你们好。或者按我更喜欢的说法，一群迷人的蓝色和绿色。」

这颗卫星上装着英伟达H100，是人类第一台进入太空的GPU数据中心。主持人Sonya Huang以为上面只有一块GPU，创始人Philip Johnston当场纠正：是五块，H100只是那个上新闻的。

Johnston做客红杉资本播客Training Data，把这门生意的账从头到尾摊开算了一遍。他的背景有点跨界：在麦肯锡做过几年，服务各国航天机构，注意到发射成本正在快速下降。三年前一个周末，他跑去得州Starbase看SpaceX造星舰，被眼前的规模震住了，规划产能是每天三艘。回来后，他和在英国一起长大的联合创始人Ezra写了份白皮书，公司就此起步。

这个点子的前身是太空太阳能，从阿西莫夫的年代就有人琢磨：在太空铺巨型太阳能板，把电传回地面。问题卡在传输，大部分能量在半路损耗掉。Johnston反过来想了一步：既然新增的电力最终大多流向数据中心，那把数据中心搬到电源旁边，损耗直接归零。

地球这边的墙

为什么非要上天？他的答案是能源。在北美，新建一个100兆瓦的能源项目，光审批就要五到十年。想用太阳能板铺满10平方公里的乡村，会激怒一大批人。

「在地球上搞建设，每多加一个数据中心，边际成本都会上升，因为好建的地方都用完了。在太空，每多一个单元，边际成本都在下降。到了某个交叉点，继续在地球上建就完全没有意义了。」

地面光伏已经是最便宜的能源，成本由三块构成：审批过的土地、电池储能和备用电源、太阳能板本身。到了太空，前两块直接消失，卫星每天24小时晒太阳；第三块打个大折，同样一平方米太阳能板，太空发电量是地面的八倍。太空多出来的成本只有发射一项。

把账算到一起，就有了那个关键数字：发射成本降到每公斤500美元左右，太空数据中心就和地面打平；土地审批成本还在飞涨，这个平衡点会进一步逼近每公斤1000美元。Johnston补了一句，哪怕假设土地成本为零，另外两项成本照样存在。所以只要发射成本掉到几百美元一公斤，任何要建数据中心的人，算完账都会选太空。

他给的市场规模判断：十年内，每年接近1万亿美元的资本开支会部署到太空，有史以来最大的市场机会。Pat Grady追问，如果给你1万亿美元去建AGI的算力骨干网，多少投到太空。Johnston的回答是：百分之百，五到十年内，至少一半的新增算力会部署在太空，理由还是能源。

七成工程时间，花在散热上

多数人以为太空冷，散热容易。Johnston解释了这个直觉为什么错得离谱：太空的麻烦在于真空。保温瓶就是靠真空隔热的。在真空里，热量只剩一条出路，红外辐射，而辐射量随温度差的四次方增长，温度抬高一点，散热能力暴涨。所以策略是把散热器烧得越热越好。一种办法是让芯片跑高温，代价是寿命缩短；另一种是用热泵，把芯片出来的60度液体抬到100度，再去喂散热器。

第一颗卫星的做法比较粗暴：整块主板、供电和GPU全部泡在相变材料里，材料受热从固态变液态来吸热。这套系统没法连续运行，纯粹为了验证原理。第二颗才接近最终形态：GPU旁边装定制散热器，液体流过芯片，通到一面巨大的低成本可展开辐射板上。系统已经在热真空舱里测过，今年晚些时候上天验证。

散热吃掉公司大约70%的工程时间，剩下30%花在辐射上。芯片是系统里最贵的部件之一，只要太空里的芯片故障率比地面高10%，能源上省的钱就全部白费。团队在诺克斯维尔的质子束加速器做了两轮测试，又在布鲁克海文国家实验室的重离子加速器做了一轮，24小时能模拟五年的辐射剂量，数据用来决定屏蔽方案和软件层的位翻转纠错。

结果比预期好。轨道上的H100至今没出过一次需要重启的芯片故障。Johnston的解释很直观：GPU的工作负载本质上是随机的，你让ChatGPT写一首关于太空的诗，每次给的都不一样，质量却相同。位翻转打在这种负载的大多数位置上，不影响输出质量。GPU天生抗造，这件事出乎很多人意料。

面对外界批评，他的回应分两层。散热问题，他认为好解决；很多人算成本时还在用猎鹰9的发射价格，「如果你不相信发射成本会降，那我们确实是一门烂生意。如果你信，我们可能是有史以来最大的生意。」他自己认账的硬骨头，只有芯片故障率那一块。

团队配置也值得一看：热系统负责人来自NASA喷气推进实验室，设计过欧罗巴快船任务的全部散热系统，那是NASA史上最大最贵的深空任务；还有亚马逊Kuiper星座的首席热工程师，和一批SpaceX前员工。联合创始人Adi之前就发射过多块GPU，粒子加速器测试是他做熟的活。

从8千瓦到每月数吉瓦

排期是这样的：即将上天的Starcloud-2大约8千瓦。再往后的Starcloud-3是量产型，单颗200千瓦、约3吨，星舰一次能塞50颗，从那道类似糖果分发器的窄门里逐个出货，算下来一次发射就是10兆瓦。星舰进入量产节奏后，他们计划每月发射数百颗，等于每月新增数吉瓦算力，每年几十吉瓦。

这些算力全部用于推理。延迟和星链一样，地面端50毫秒以内。Zoom通话、语音客服、视频生成、ChatGPT，凡是星链上能跑的推理负载都能跑。训练呢？Johnston的态度干脆：训练在终局里占不到全部AI工作负载的1%，不值得追。想在太空训练前沿模型，得对接出地球最大数据中心量级的结构，现在地球最大是300兆瓦，等你能对接300兆瓦了，地球那边可能已经到3吉瓦，目标一直在移动。白皮书里那张卫星对接概念图，更多是防止别人说「你们做不了训练」的防御性姿态。

数据传输曾经是个大问题，两三年前还不是。现在星链已经用激光链路基本解决，亚马逊Leo、Kepler等星座陆续上线，等自家卫星多了还能自建光学回传，这项顾虑可以划掉了。

维护问题初期照抄星链：不做机器人维护，关键系统做冗余，易损件超配。太阳能板每年衰减几个百分点，多装就行。卫星设计寿命五到六年，与芯片同步，退役方式和星链一样，离轨再入。至于机器人，真正的用武之地在月球：给Optimus套一层宇航服就能解决热和辐射问题，去建大型制造设施，甚至用质量投射器把AI卫星直接从月球弹射入轨，这是他看到的最强经济动机。

时间表他也给得具体：星链V3载荷预计今年底或明年初上天，之后12到18个月开始搭载商业载荷，也就是2028年中前后。星舰一旦高频飞行，天平就会倾斜。

当Equinix，别当AWS

商业模式上，Johnston的选择很明确：Starcloud卖的是一个带电力、散热和联网的盒子，客户往里装自己想装的任何芯片，卖给任何客户。对标Equinix，而SpaceX更像AWS。他不想自己做云，理由有两条：公司的核心能力是造出能散热、抗辐射的卫星，AWS花20年建的应用层没必要重建；更关键的是系统里最贵的是芯片，让客户出钱买芯片，风险就分出去了，利润率还更高。

早期客户已经就位。头几颗卫星服务其他航天器，尤其是军用、政府和地球观测卫星，Starcloud-1上已经在跑军用负载。这类客户出的GPU时薪大约是地面市场的一千倍，足够公司在星舰就绪前维持运转。星舰要是晚两三年，就多发射几年边缘节点，账算得过来。

为什么卫星需要太空算力？他举了合成孔径雷达卫星的例子：一颗SAR卫星每秒采集5GB数据，射频下行到地面站只有1Gbps，注意一个是字节一个是比特，差着几十倍，所以现在卫星采集的数据九成直接扔掉。未来卫星通过光学终端接入太空传输层，把数据在轨道上直接喂给Starcloud的GPU做推理，比如发来10TB海面数据，在轨找出船只位置。第一批商业负载，大概率就是太空采集、太空处理的数据。

硬件清单反而比普通卫星短。星链很大一块成本是相控阵天线，Starcloud用不上。全部家当：太阳能板、辐射板、卫星本体、芯片、小容量缓冲电池、一个反作用轮、两台激光通信终端。因为卫星做得很长，靠地球引力梯度就能自然稳定姿态，一颗反作用轮就够，普通卫星至少要装三个，每个都很重。地面数据中心里的冷水机组、冷却塔、电池备电、交直流转换，全部砍掉。地面新建数据中心基础设施成本是每兆瓦1500万到2000万美元，Starcloud不到500万。能源成本上，地面约8美分每千瓦时，他们已签的意向协议是3美分，终局目标低于0.5美分，含发射费。

轨道资源目前先到先得。公司刚向美国FCC申报了一个88000颗卫星的星座。Johnston顺带吐槽，卫星归FCC管是历史遗留，当年卫星只做通信才归它管，如今终局形态连地面站都不需要，理论上可以找全球任何监管机构申报。十年后，最值钱的轨道槽位会被占满，先占的人有权转售。

绕不开的SpaceX

访谈里最微妙的段落在这里。Sonya问他，马斯克也宣布要往太空放大量数据中心算力，你们怎么办。Johnston先夸了一轮合作伙伴：没有SpaceX的拼车发射计划就没有这家公司，SpaceX发射自己的竞争对手，亚马逊Leo星座和OneWeb都靠它发射，专利还开放。然后他承认，SpaceX拥有发射能力，成本结构一定比Starcloud低，但Starcloud的成本结构低于所有超大规模云厂商。SpaceX主要服务自家负载，Grok和特斯拉，也没打算开放让第三方装芯片的盒子。

他给超大规模厂商推演了三条路。三年后星舰高频飞行，他们意识到拿不到太空算力就完了。第一，付钱给马斯克买算力，OpenAI、Meta、谷歌、微软大概率不愿意；第二，自己造卫星，谷歌嘴上说在做同类项目，实际是付钱给Planet Labs在2027年做个演示，动作谈不上激进；第三，找市场上最领先的伙伴合作，而那时Starcloud的在轨部署、工程团队和专利都会是最多的。他特意强调，是伙伴关系、客户关系，不一定非要被收购。

至于发射领域的竞争格局，他的判断近乎残酷：可复用上面级是成本竞争力的门槛。SpaceX之外，Stoke Space在做，Relativity可能考虑，蓝色起源的New Glenn虽没官宣但已开始招热盾工程师，Rocket Lab连试都没试。可复用上面级研发周期五到十年，SpaceX正在筑成史上最稳固的垄断之一。

安全性质疑他用星链挡了回去：乌克兰军方天天用星链，俄罗斯想打掉它也不是一天两天了。打弗吉尼亚州的一个地面数据中心，比打一个以每小时27000公里速度移动的轨道数据中心容易多了，真动手就是战争行为。至于遮挡星空的担忧，他们的轨道是晨昏太阳同步轨道，飞越两极，永远不会把影子投在地球上，也永远不进地影，只在黎明和黄昏出现在夜空，对天文学的干扰降到最低。

费米悖论，和99.9%的终局

访谈后半段聊到了外星人。Johnston的版本很硬核：银河系4000亿颗恒星，每颗平均10颗行星，就是4万亿颗行星，每颗都有100亿年的宜居窗口。要么我们是极其罕见的奇迹，要么智慧生命本身短命。他押后者，而且认为大过滤器在我们前方：一旦出现超级智能，一百万架杀手AI无人机群毁灭自己和星球用不了多久，而我们正在造这种无人机群。以现有技术，两百万年就能殖民整个银河系，可我们看不到任何戴森球的痕迹。

回到生意，他的终局判断是：500到1000年后，GDP的99.9%会花在推理上，因为我们造的是戴森球，而戴森球几乎就是整个实体经济。主持人Sonya回应，一千年超出了基金的投资周期。

倒是有一个细节比宏大叙事更实用。Johnston在公司Slack上发了条月度提醒：每个工程师每月不花掉1万美元的token，他不开心。有员工来问能不能每月花300美元订Grok 4 Heavy，他的回复是：可以。他还分享过一个趣事，融资时问Gemini会投哪家太空数据中心创业公司，答案正是Starcloud，他截图庆祝了半天，又怀疑模型在奉承。

明天就能用的三件事

• 把「边际成本走向」当成判断基础设施生意的第一把尺子。地球上每多建一个数据中心，成本往上走；太空里每多造一颗卫星，成本往下走。边际成本递减的那一边最终会赢，这个框架可以直接套到你自己的业务上。
• 盯住两个公开信号。星链V3是否在今年底或明年初上天，以及2028年中前后商业载荷是否开始搭载星舰。前者验证发射成本曲线，后者决定太空数据中心的盈亏平衡点何时到来。
• 学Starcloud的token纪律。给团队定一个足够高的模型使用预算，鼓励烧到上限。按Johnston的标准，工程师每月1万美元的token支出，是衡量团队是否用尽AI杠杆的硬指标。

发射成本每降一美元，这个故事的确定性就多一分。接下来两三年，看星舰的发射频率就够了。

---

原文链接：https://trainingdata.qiaomu.ai/ep/083-greetings-earthlings-philip-johnston-of-starcloud-on-data-ce-FKHENV.html · 中文精读由 AI 改写，非官方翻译。

]]>https://trainingdata.qiaomu.ai/ep/082-physics-gets-a-vote-nominal-cofounders-on-hardware-developme-bPwU0G.htmlhttps://trainingdata.qiaomu.ai/ep/082-physics-gets-a-vote-nominal-cofounders-on-hardware-developme-bPwU0G.html Tue, 10 Mar 2026 00:00:00 +0000 Physics Gets a Vote: Nominal Cofounders on Hardware Development in an AI World

美国排名前五的国防主承包商，有四家在用同一家初创公司的平台管理硬件测试数据。客户名单里还有 Anduril 和科尔维特赛车队，行业横跨航天、国防、机器人、自动驾驶。

这家公司叫 Nominal，刚完成新一轮融资。两位创始人 Cameron McCord 和 Jason Hoch 都是 MIT 毕业，Cameron 在 2018、2019 年前后加入过 Anduril 早期团队，亲手摸过那家公司造硬件的全流程。他们最近上了红杉资本的播客 Training Data，对谈的是红杉合伙人 Sonya Huang 和 Alfred Lin。

话题听起来很窄，硬件测试。但整集听下来，真正的论点很大：软件行业过去二十年建好的那套基础设施，硬件行业到今天还没配上。而 AI 要进入物理世界，第一道关卡恰好卡在这里。

硬件又热了，底子还在 2003 年

Sonya 说她现在的日历上每周都排着好几家硬件公司，一整代在 Anduril、SpaceX、Tesla 受过训练的创始人重新被点燃了。她问 Cameron，这波热度从哪来。

Cameron 给了正反两个答案。正面的：人类折腾了二十年软件、把全世界 SaaS 化之后，正在跟自己的野心和解，我们真正想让它存在的东西，大都在物理世界里，大家又兴奋地造真东西了。SpaceX、Anduril、Tesla 还证明了另一件事，肯在硬件开发的工具和基础设施上下重注，本身就是巨大的竞争优势。反面的更直白：硬件难，砸资本、弯金属、调电子，每一样都难，门槛摆在那里，所以投资人也兴奋，护城河是真的。

但热度归热度，行业底子薄得惊人。Cameron 用 GitHub 打了个比方：纯软件公司最早在本地管代码版本，后来集中到公司内部，再后来这套东西产品化，风险投资涌进来，GitHub 诞生了。今天的 CI/CD、DevOps 工具，加上软件测试这个问题本身，早就被解决了。

硬件工程师没有这份待遇。Cameron 的原话是，几十万站在软件定义硬件、自主系统、机器人一线的工程师，至今没有等价物。

现状长这样：绝大多数硬件团队，测试数据默认存在本地，顶多放到网络存储，连云都不常用。工程师从中央硬盘把数据下载到自己笔记本，各跑各的 MATLAB、Python，各出各的结果。我是航电工程师，Jason 是制导导航控制工程师，你是热工程师，三个人各干各的，最后想办法把结论传回团队，方式常常是截图。

PDF 和 PowerPoint 工程，至今还是很多硬件公司的最前沿。Nominal 早期给自己定的目标很朴素：把整个行业从 2003 年拽到 2019、2020 年，先把像样的数据工程实践补上。Jason 补了一句，今天 Nominal 的产品要同时做对十到十一个很难的软件问题，才撑得起用户的日常工作。

行业里做得好的公司怎么干的？Jason 点名 SpaceX。SpaceX 从创立起就看不上市面上的测试数据分析软件，决定自建内部平台，理由是公司已经雇了地球上最聪明、最勤奋的一批工程师，就该让他们放开手脚。Jason 的判断很直接：这套内部工具是 SpaceX 后来能高速迭代的重要原因。

但全世界养得起这种自建团队的公司屈指可数。今年、明年会有上千家硬件公司成立，让每一家都重造一遍测试平台，不现实。Nominal 的出发点就在这。

传统军工巨头那边是另一种困境。Jason 聊过一位在传统主承包商干了三十年的工程师，专门维护某一套自家专有仿真技术，手艺确实深，但正在被 Anduril 这些新玩家快速冲击。一个硬件组织里，做仿真的、做原型的、管制造的三拨人三套系统，中间没有共同的数据平台，速度自然上不去。

物理有投票权

这集标题来自 Cameron 的口头禅：physics gets a vote，物理有投票权。

他在 Anduril 那几年，正赶上「一切都在仿真里解决」的风潮，大家恨不得在设计周期最早期就把所有问题解决掉。钟摆摆过去，又摆回来。仿真跑得再漂亮，真机一上，现实总会提意见。

所以 Nominal 选了硬件测试当楔子，理由有三个。

第一，测试是软件定义硬件第一次触碰现实的地方，是软件冲击物理 AI 的矛尖。仿真输出和真实遥测、传感器日志合在一起、持续迭代，优势就在这个「合」字上，往后才会往仿真和设计环节延伸。

第二，商业上算账最快。平时优化测试，省下的几秒几分会累积成小时，这对急着把产品推向竞争市场的客户是真金白银。而每个做过大硬件项目的人都知道另一件事：总有一类藏在数据里查不出的问题，能让整个项目停摆，全公司陪着找。Nominal 帮客户把这类长尾风险提前挖出来。

第三，测试天然是迭代的，设自变量、观察、再来一次，最经典的科学方法，跟 Nominal 想驱动的迭代循环完全对齐。

Jason 还给软件背景的听众科普了硬件测试的量级。软件的单元测试简单确定，端到端测试再复杂，跟硬件一比都算轻量。一次飞行试验，背后是一台实体机器、几百号人、一个坐在驾驶舱里的人，试飞前还得先做安全预测试。这已经接近软件世界说的生产环境了。

顺带说一句他们的产品愿景：测试里沉淀下来的验证逻辑，应该就是产线下线质检用的同一套逻辑，还能下发到边缘设备上。Cameron 说，Nominal 核心产品会变成所有约束物理系统性能的验证逻辑的编写中枢，可以版本管理，可以部署到边缘。听着就是给硬件配了个 GitHub。

客户的组织结构也印证了这一点。以机械臂公司为例，Cameron 看到的通常是三支队伍三套技术栈：管制造装配的、做原型和模型研发的、盯外场机队运行的。Nominal 想做的是那条看不见的线，外场设备出了异常，回传给研发团队快速分诊，一路追到某个超差的物理部件。Jason 说用户最在乎的词是可追溯性：这个零件从哪来、经历过哪些测试。造飞机的公司不可能让每个子系统每次都测一遍，太贵了，追踪本身就是硬件工程的基本功。

AI 进来之前，先把数据搬进同一个房间

Alfred Lin 问了个尖锐的问题：你们这生意拆开看，收集数据、可视化、分析、迭代、出报告，听起来就是给智能体 AI 量身定做的？

Jason 的回答很实在：AI 确实能加速每一环，但前提是数据先在一个地方。一个天天用 AI 工具的人会自然地问：「过去 50 次测试里，有没有跟这次相关的？」这个问题成立的前提，是那 50 次测试的数据真的存在同一个地方。军工巨头恰恰卡在这一步很多年，有的已经懒得继续自建，开始愿意找外部合作方。

Cameron 跟首席工程师、CTO 们开会时经常聊到同一个事实：洞察被困在硬件系统里。数据采集系统、试车台、实验室测试、电源、仪器仪表，这些是硬件产品的命根子，但只有很小一部分数据最终进了中央仓库，被打好元数据、编目、可检索。他早年管这叫数字工程，现在大家的说法越来越接近物理 AI，但地基是同一块。

具体用法，节目里给了三个。

• 异常检测。一台机械臂做 120 秒的叠衣服测试，伺服、电机、物理性能随时可能出偏差，把采回来的数据全喂给模型训练，等于喂了一堆脏数据。Nominal 在后台自动标注哪一段遥测是可信的、在标定范围内，只把这部分拿去训练模型。
• 英语转代码。飞行测试在外场，工程师本人不在场，但他想保留某项数据检查。以前的门槛是要学一套专用的领域语言，现在用自然语言描述就行，写好的验证逻辑可以版本管理，还能部署到边缘。
• 控制室副驾驶。系统越来越复杂，一万个传感器、每个每秒一百万个数据点，人盯不过来。智能体守在旁边，发现这次的数据跟过去 50 次不一样，就提醒一句：这有点出格，值得查一下。

Jason 算过这笔账：问题当场抓到，30 分钟解决；没抓到，可能炸掉，最关键的测试战役全公司停摆两天。

更前沿的还在后头。Nominal 正跟美国空军和 DARPA 合作一个叫 CYPHER 的项目，全称 CYber-PHysical systems Executing in Real time。传统上，一架大飞机或武器系统的测试是一张巨大的确定性测试点矩阵，我的系统在某条件下必须落在某个区间，一个点一个点地划，经常划好几年。CYPHER 想干的事，是让 AI 智能体配上数字孪生，以快于实时的速度推荐下一个信息量最大的测试条件，把测试从挨个划格子变成沿着梯度曲线快速调方向，边测边更新物理信息代理模型。Cameron 说，系统本身越来越自主、续航越来越长，这套玩法才成为可能，而政府手里的试验场和基础设施是关键。

从 50 人测一台，到 1 人管 50 台

Cameron 给了一组比例。过去，一台物理硬件产品的测试和验证，要 50 个人参与。现在这个比例大约变成了 1 比 1。他的目标：1 个人用智能体工具，并行管 50 个系统。

用户已经尝到甜头。Nominal 把更多数据推到更多人眼前，有人在第一时间注意到异常，30 分钟处理掉；要是没注意到，代价可能是炸机加全公司停摆两天。Jason 还开了个脑洞：硬件测试要不要来一套 Moneyball，用那些冷门统计指标，发现人眼看不见的问题。

另一个细节能看出时代变了。Jason 说，他们连测试现场操作员之间的对话录音都想收进平台。放在 AI 工具出现之前，这活儿的投入产出比不划算，现在当然要收。数据资产先攒着，过两年看能解锁什么。

那什么时候能「vibe code 一架飞机」？Jason 的答案是很远。他招软件工程师时爱这么说：我们花了二十几年把互联网建得挺好，但离用自然语言生成一架飞机还差很多步，中间卡的全是数据采集、清洗、标准化。他举了个生活化的例子：我现在在家还得自己装宜家家具，连「在家设计自己的宜家家具」都做不到，别提飞机了。

Sonya 追了一个类比：编程领域有验证智能体，你们是不是可以当每家公司设计智能体的验证智能体？Jason 说这正是他最兴奋的类比：编程智能体进步飞快，根子在于代码可验证，学习闭环转得快。硬件想复制这条路，就得先把测试和验证基础设施建起来，相当于给硬件配上单元测试。

反直觉：测试会先变多，再变少

按常理，AI 越强，实测应该越少。Cameron 的判断正好相反，这是全集最值得记住的论点：我们正在进入一个硬件测试大幅增加的时期。大家刚刚意识到，我们对物理系统在真实世界怎么运行，理解得有多浅，数据储备有多匮乏。公司越造越多硬件，接下来会是一场抢数据、训模型的竞赛。

等绕完这一圈，才会回到理想状态：AI 智能体接管设计、制造、测试、监控的每一步，预先仿真好一切，实测尽量只做一次。Cameron 估计离那还很远，中间这几年的路径倒是很清楚：真实世界测试数据和模型输出的融合需求会爆炸式增长。

Jason 的收尾类比最扎心。

如果 AGI 给你的孩子设计电子游戏，你可能不做严格测试就让孩子玩，大不了就是个游戏。可如果 AGI 给你的孩子做个实体玩具，你会反复确认它没有物理危险。物理世界永远不一样，因为那是我们活着的地方。

顺带一提 F-18 的例子。Cameron 说，任何飞行员都会告诉你 F-18 是一架低效的飞机，尾部鳍片的安装方式等等，飞机上挂了一堆多余的东西，这些低效来自当年测试流程的局限。测试流程最差的样子，就长这样。反过来，测试流程做到最好，最终产品能塞进更多灵活性和多功能。Alfred 当场追问：为什么不把 F-18 这些低效的原因喂给 AI，让它把没用的东西全剥掉？Cameron 说他见过一些胆子很大的人正在这么干。

国防部自己的态度也在变。Cameron 说这一届政府对 AI 明显前倾，放在几年前，标书里带 AI 字样甚至可能被当成减分项，因为 Nominal 这类任务关键应用容不得实验性组件。他们团队自己也用编码智能体，前端 React 组件用得很顺手，后端某些建议会让工程师笑出声：这要是合进去，客户就遭殃了。但现在协作式作战自主飞机这些项目在真正往前推，Nominal 跟 Anduril 等厂商都有紧密合作。

还有个彩蛋。Alfred 问他们会不会自己造硬件，Jason 直接说会。逻辑是硬件数据的供应链：从传感器源头，到处理分析，再到把报告交到能判断「这颗卫星能不能发射」的人手里，想管好这条链路，大概每一段都得碰。他们的原则是先挣到采集数据的权利：让用户每天少干一小时活，数据编目是顺便的事。Cameron 补了一句，这事比外界想的来得快。Sonya 顺口提到，红杉的合伙人 Sean 常念叨一句话：硬件是唯一的护城河。

明天就能用上的三件事

这集对普通读者的价值，在于一套可以照抄的判断框架。

• 如果你在做硬件公司，先别急着谈 AI，做个自检：你上次测试的数据，现在能在 5 分钟内被另一位同事检索到吗？如果答案是靠翻聊天记录里的截图，你还在 2003 年。
• 把验证逻辑当代码管。哪些检查每次测试都要跑、哪些指标算「出格」，写下来、版本化，再复用到产线下线质检和边缘设备上。Nominal 的路线图就是让一套逻辑从实验室一路用到外场。
• 招软件工程师进硬件团队，但挑对问题。Jason 给 MIT 学生的话是：过去十年最聪明的工程师在给互联网添砖，未来十年，软件工程师的时间会不成比例地花在物理世界的这些问题上。

节目结尾，Sonya 祝他们造出硬件界的 GitHub。Cameron 回了一句行业黑话：all systems Nominal，所有系统正常。这是航空圈汇报状态的标准说法，也是公司名字的出处。一家把名字押在「一切正常」上的公司，做的却是让异常更早被看见的生意，挺妙。

---

原文链接：https://trainingdata.qiaomu.ai/ep/082-physics-gets-a-vote-nominal-cofounders-on-hardware-developme-bPwU0G.html · 中文精读由 AI 改写，非官方翻译。

]]>