10厘米/秒+中等压力的按摩是一种长寿运动，也是硅基AI猴子抢不走的铁饭碗

#伯爵冷知识# 生命在于运动，很多朋友看到这句话，下意识第一反应就是（坚持跑步、健身房举铁、码头扛大包）太苦逼了，剧烈了还容易猝死，还是不要了吧……实际上，宋美龄活了106岁，关键秘诀之一就是每天雷打不动的由两名专业护士进行睡前按摩。是的，按摩也是运动的一种，被动运动也是运动。

按摩就属于全程舒服的运动，不仅助眠（脑淋巴），促进躯干淋巴近心流动，还延寿。

但代价就是需要花银子。

前阵子我严重失眠，每天凌晨五六点睡不着，也不敢吃药了，怕耐药性buff叠加到无解……后来再加上腰疼，于是就去盲人按摩了一下，结果那两天我几乎是秒入睡。

这前后反差也太大了吧。

于是我立刻开始研究，才知道，我们人类失眠是因为交感神经一直很兴奋，身体一直处于战斗模式，辗转反侧，心跳来回加速，颈动脉突突的让人心烦，浑身一阵一阵轻微出汗，根本没办法入睡。

这就是交感神经对睡眠的绝对压制，甚至会让人连续几天无法入睡，精神还很清醒……整个人濒临崩溃。

而按摩，尤其是中等压力的皮肤肌肉按摩，会明显抑制交感神经，增加迷走神经（副交感）。

但是轻柔按摩反而没有这种效果，甚至更偏向交感兴奋（更睡不着了），类似于用羽毛轻微触碰人类皮肤，我们会觉得鸡皮疙瘩都起来了。

那么中等压力的按摩为什么会有助眠的奇效呢？

具体机理如图1~图7所示——按摩会刺激我们人类皮肤机械感受器（Merkel细胞+Meissner小体+Ruffini小体+Pacinian小体）➠然后经Aβ神经纤维上传到大脑体感皮层➠让下丘脑感受到安全➠舒缓交感神经。…

除此之外就是1~10厘米/秒速度的接近皮肤温度的按摩，可以有效激活皮肤（C-tactile）纤维➠可以投射到后岛叶（而不是普通体感皮层）➠降低交感神经的紧张和应激➠更容易带来放松和愉悦感➠降低唾液皮质醇。

很早之前，我们就说过，咱们人类正儿八经靠谱的灵丹妙药，其实就四个字——好好睡觉。

只要睡好了，脑淋巴效率拉满，大脑内的有害废弃物全部排走（很多最终通过尿液排出体外）➠脑雾没了，皮质醇也降了（小肚腩也少了），小孩子还能促进生长激素分泌（长个子），大人是可以合成肌肉和消耗脂肪。

最后加起来，那就是延年益寿。

有朋友可能就要问了，机器按摩可以吗？

我个人觉得在降低交感神经方面够呛，因为这是真人按摩才可以带来的下丘脑安全感。

只有真人才可以通过各种温度、速度和皮肤机械感受器传递安全的催眠信号。

好家伙，这就是AI时代，咱们碳基猴子的铁饭碗啊。

硅基AI猴子们抢也抢不走啊。

因为这一切的背后，都源于真实的灵魂。

而灵魂，源于碳基的C-C键。

#模型时代#

# Benchmark传奇合伙人Bill Gurley的心智模型：同时吃透历史和前沿的人，在任何领域都最难被替代

---

Bill Gurley是硅谷风投机构Benchmark的传奇合伙人，早期投资了Uber、Zillow、OpenTable、Grubhub等一系列定义了互联网平台经济的公司。他在华尔街起步，做过研究分析师，后来加入Benchmark的第三期基金，一待就是二十多年。2023年前后他从日常投资中退出，搬到奥斯汀，目前担任研究复杂性理论的圣塔菲研究所Santa Fe Institute的董事会成员。2026年初他出版了新书*Runnin' Down a Dream*，讲述如何打造自己热爱的职业生涯，同年4月在TED发表了同主题演讲。

这期The Knowledge Project播客于2026年6月9日发布，主持人Shane Parrish与Gurley聊了超过一小时。谈话从系统思维的心智模型出发，延伸到AI竞争格局、开源模型对中美竞争的影响、stablecoin对信用卡体系的威胁、风投圈的资本过热与循环交易，以及Benchmark独特的等额合伙结构。Gurley的思路总是从一个变量出发，追到第二层、第三层的连锁反应。

## 一、系统思维：用非线性视角看世界

1、**复杂系统的核心特征是多变量、非线性、不可预测**

Gurley是圣塔菲研究所的董事，这家机构专门研究复杂性理论。他把复杂系统定义为"多变量非线性系统"，天气、股市都属于这个范畴。这类系统可以长期按一种模式运行，但某个变量一旦切换，整个系统的行为方式可能突变。

因此，用单一变量或线性模型去预测结果，几乎注定出错。你在这里做了一个改变，它会引发那里的变化，那里的变化又会引发更远处的连锁反应。…

2、**二阶效应的陷阱：短期指标正向，长期后果反转**

他举了一个约会网站的例子。产品团队假设"加长个人资料页面会提升用户参与度"，测试结果也确实支持了这个假设，于是全量上线。但几个月后他们发现，用户知道得越多，转化率反而下降了。

这就是经典的二阶效应：一阶指标变好了，二阶后果却是负面的，而你要过很久才能观察到这层影响。Gurley认为，系统思维最大的实用价值在于帮你"避开麻烦"，让你在决策时不会过度锚定在单一指标上。

## 二、知识的双端策略：历史基石与前沿边缘

1、**投资知识的迁移路径：从价值投资基石到风投前线**

Gurley从华尔街起步，最早读的是Peter Lynch的《One Up on Wall Street》（从日常生活中发现投资机会，普通人能跑赢华尔街）、Burton Malkiel的《A Random Walk Down Wall Street》（股价本质上随机游走，主动选股长期跑不赢指数），之后是巴菲特的股东信（用合理价格买入优秀公司，靠复利和长期持有取胜）、Ben Graham的经典著作（价值投资的源头：安全边际、内在价值、把市场波动当机会而非信号），再到Howard Marks的投资备忘录（二层思维、识别周期位置、理解风险比追求收益更重要）。这些构成了他的"金融基石"。

进入风投后，他的关键转折来自一个人。他在First Boston的同事Michael Mauboussin把他介绍给了传奇投资人Bill Miller。Miller管理Legg Mason Value Trust基金，创下了连续15年跑赢标普500的纪录，从1991年一直持续到2005年，同时长期重仓亚马逊。Miller自称价值投资者，但他对"价值"的定义与传统派截然不同：价值的意思是资产当前价格低于你认为它未来的价值。如果你相信网络效应，亚马逊就可能以超出常理的速率持续增长。

Gurley从中学到的一课是：理解金融基石之后再去创新，比从零开始强得多。他还有一个独特视角，把华尔街视为风投产品的"买家"，因为最终退出要么是并购，要么是IPO，定价权掌握在公开市场手中。从第一天起就思考公开市场投资者看重什么，哪怕面前的项目还只是两个人加一份PPT。

2、**掌握行业历史的人，在任何面试和竞争中都天然醒目**

金融基石帮了Gurley自己，但他认为这个规律适用于所有领域：在任何行业里，真正吃透了历史的人都会显得与众不同。他讲了三个例子。

第一个来自《玩具总动员》导演、Pixar创意核心John Lasseter。Gurley的Benchmark合伙人在网球名将Andre Agassi组织的慈善拍卖中拍下了和Lasseter共进晚餐的机会。到了Lasseter家里，他在自己的私人放映厅摆了一桌十道菜的晚餐，每道菜配一部他认为对理解动画史至关重要的经典短片，吃一道、放一部、讲一段。十道菜吃完，等于上了一堂浓缩的动画史课。

第二个是国际象棋世界冠军Magnus Carlsen。在世界锦标赛的中场休息环节举行了一次知识竞赛，内容全是国际象棋的历史，Carlsen赢了。

第三个是毕加索。多数人看到毕加索的立体派作品，不会想到他14岁的时候已经是一个极其成功的写实画家。去巴塞罗那的毕加索博物馆，你可以亲眼看到那些早期作品。Gurley用这个例子说明：大师在打破规则之前，先把规则吃透了。

他的结论是：想象你去宝洁或百事应聘一个营销岗位，面试现场有20个候选人，而你是唯一一个能谈论营销大师及其经典案例的人，这种区分度是碾压级的。他更进一步说，如果了解行业历史让你感到枯燥，那说明这个领域可能不是你的热情所在。

3、**前沿边缘的痴迷式学习，是创业者最常见的特质**

Gurley观察到的优秀创业者的共性不一定是历史功底，而是obsessive learning，对前沿变化的痴迷式学习。每一波技术浪潮催生创业机会的前提，都是有一些动态变化正在最前线发生。抓住这个窗口的创业者，每天晚上回家都在读一切能找到的材料，因为前沿在移动，你必须站在那个位置，成为理解这件新事物的前1%。

今天这个前沿是AI，但在移动互联网时代也一样：当智能手机刚出现时，根本没有写过移动应用的工程师，少数几个人冲到了前沿并搞清了它意味着什么。

他把历史基石和前沿边缘并列为双端策略：如果你同时掌握了你所在领域的深层历史，又真正理解最新的前沿技术，你就是这个领域的power player。对年轻人来说，前沿知识尤其是破局的利器：一个理解营销传奇人物的历史、同时又真正懂TikTok的人，走进任何公司面试都会非常突出。

## 三、AI竞争格局：开源、监管与模型边界

Gurley在过去20年里花了大量时间在中国，当被问到他的非共识观点时，他第一个提到的反而是地缘政治：当前华盛顿和硅谷对中国的妖魔化叙事，在他看来站不住脚。美国占全球人口大约3%到5%，当有人说出"美国例外论"这个词时，Gurley总会想，地球上另外95%的人听到这个词会怎么想。这个立场为他看待中美AI竞争提供了一个与主流不同的出发点。

1、**Gurley自己的AI使用习惯：多模型并用，用途驱动选择**

Gurley同时付费使用五个AI产品。他偏好ChatGPT的Project功能和记忆功能，就是那个能记住你是谁、记住你偏好的特性。找餐厅他用Gemini，因为Gemini接入了Google评论数据，可以追问到具体菜品层面：哪三道菜被反复称赞，哪些菜评价里有人警告。编程圈子里大家首推Claude。他还听到做金融研究的人偏好Perplexity做快速查询，但深度研究公司和国家时觉得Claude表现更好。

他的一个重要提醒是：人们经常低估AI能做多少事。你可能让它列出某个领域的前10名，然后自己再去一个个研究。但你完全可以在一个prompt里让它列出前10名、分析各自优劣、按某个维度排序，然后再按另一个维度重新排序。你原本打算分步做的工作，一次性塞进prompt就能完成。

2、**中国开源模型的"农夫分享最佳实践"效应**

当被问到中国有多少好的开源模型时，Gurley修正说大概有十个。他用一个农业社会的类比来解释开源竞争系统的优势：想象两个农业社会，一个社会的农民到集市上只是买卖商品然后各回各家，另一个社会的农民到集市上被要求和所有人分享最佳实践。哪个社会进化更快？

开源让所有人都能看到别人在做什么、怎么做。很多中国团队不仅开源了权重，还发表了他们发现新技术的方法论。模型可以训练模型，模型可以测试模型。这创造了一个创新速度远超封闭系统的竞争动态。

他还指出一个"安静的秘密"：硅谷有大量创业公司正在fork这些中国开源模型，也就是拿过来在上面做二次开发。这个现象的规模从未上过大报的头版，但从数量和广度来看已经相当可观。

3、**监管可能成为寡头垄断的保护伞**

在AI监管问题上，Gurley的判断比较尖锐。如果监管变得极其复杂、繁琐和昂贵，结果可能是加固寡头垄断而非保护公众。他暗示，"有些玩家知道这一点，正在主动请求监管"，因为高监管门槛会把中国开源模型和中小创业公司挡在门外。

版权问题是一个具体的风险点：如果美国模型必须遵守严格的版权规则，而中国开源模型不受同样的约束，竞争天平就会倾斜。

4、**垂直AI vs通用模型之争仍是开放命题**

关于AI是否会被一个通用模型统治，Gurley站在垂直一侧。他的理由是：法律AI创业公司花了大量时间吃透所有判例法、理解法律流程和原则，在此基础上帮客户起草文件、构建新数据库。一旦你在这个垂直领域扎下去了，很难想象你会突然切换到ChatGPT。

但他也承认另一面：OpenAI等公司的产品团队已经明确提到要进入垂直领域。历史上微软从操作系统起步，最终干掉了Lotus 1-2-3和WordPerfect。通用平台向上吃掉垂直应用，这种路径是有先例的。

5、**AI训练数据的天花板与超级智能之辩**

Gurley用"painting in the corners"来形容当前AI训练的状态：数据正在被用尽，大部分角落已经填满。目前最有效的提升模型质量的方法之一，是花几千美元一小时雇佣各领域专家来做精细调优和提出极难的问题。但专家知识本身也有边界。

围绕AI是否能实现超级智能、是否能自我改进从而进入非线性增长曲线，Gurley没有直接站队。他引用了Meta首席AI科学家Yann LeCun的观点：下一代AI可能不是LLM，而是比LLM更广的架构。LLM基于语言，而语言能捕获的信息有上限，这也是它们在数学和数字方面表现不佳的部分原因。

关于AlphaGo的Move 37，那步让所有人类棋手震惊的棋，Gurley认为它确实证明了AI可以做出人类从未想到的创新。但反方的论点是：围棋是一个高度受限的环境，计算机可以搜索人类不可能遍历的可能性空间。现实世界的路径是无穷的，复杂系统中没有办法让AI走遍所有可能的分支。而且AlphaGo用的并不是LLM，而是针对特定约束系统训练的AI模型。Tesla的FSD全自动驾驶也是同理：输入是视觉数据，输出只有刹车、方向盘和油门这三样东西，仍然属于受限环境。

## 四、资本周期：过度投入、循环交易与烧钱率

1、**"递增收益"信仰正在推高整个风投圈的风险偏好**

Gurley指出，风投行业整体的风险偏好在系统性上升，驱动力是对幂律分布power law和递增收益increasing returns的信仰。从Google到Amazon到Meta，这些公司最终的价值都远超任何人最初的预期。当整个投资者群体都相信了这个规律，他们就更愿意提前押注、承担更大风险。

有人给他转发了一张图表，列出了各时代标志性公司在实现正现金流之前的累计亏损。亚马逊大约亏了20到30亿美元，Uber大约亏了150亿美元，而现在的AI公司将远超这个数字。从另一个角度看这件事的荒诞性：QQQ这一只纳斯达克ETF，大概跑赢了80%到90%的风投基金。一个顶级VC公开承认这个数字，本身就说明了风投行业的回报分布有多极端。

2、**循环交易在推迟清算的同时也在放大泡沫**

Anthropic CEO Dario Amodei在DealBook大会上被问到循环交易时做了一番辩解，Gurley转述了他的逻辑：云服务商发现Anthropic想训练一个50亿美元的模型但没有这笔钱，于是给它这笔钱，让它花在云服务上。如果没有这笔补贴，Anthropic根本不会花这些钱。所以整个生态系统的增长速度被人为加速了。

Gurley认为这类循环交易同时产生两个效果：增加了市场最终出现回调的概率，但也延长了回调到来前的时间窗口。回调的烈度可能远超温和调整，更接近2000年互联网泡沫那样的"核冬天"，当时亚马逊用了三四年才从低谷中重新爬出来。

3、**烧钱率是风险的度量衡，但现在的数字已经失去参照系**

十年前，月烧100万美元就被认为是高风险。今天的AI公司年烧50亿美元，月烧1亿甚至更多。Gurley的担忧是：当财务上这么激进时，你根本搞不清自己的单位经济模型是什么。成功的公司会不断被追加投资，每一轮融资几乎都是还没到期就被抢着投的preemptive round，而拿到3亿美元之后唯一的花法就是把烧钱率推上去。

## 五、支付革命：stablecoin、代币化与Visa的60%利润率

1、**美国支付系统落后于全球的根源是监管俘获**

英国20年前就通过Faster Payments实现了银行间即时转账，印度、中国、澳大利亚、巴西等国也都建立了类似系统。美国迟迟没有做到这一点，原因是银行业通过国会金融委员会对监管施加了强大的阻力。美联储有一个叫Fed Now的项目，但一直推不动。

结果就是美国消费者被困在信用卡体系里，每笔交易被收取2%到2.5%的手续费，信用卡生态下方还养活了一整条产业链。美国国内转账的替代选项也不友好：ACH银行转账需要三天才能到账，同日到账的电汇要收25美元手续费外加填一页表格，有时还得跟银行打电话做口头确认。Gurley认为这一切完全没有存在的必要。

2、**stablecoin是绕过监管俘获的实际路径**

如果你有Coinbase账户，可以把钱放入USDC这种stablecoin并获得约4%的利息，同时在几秒钟内以极低成本向任何人转账。stablecoin的运作方式是发行方为每一枚stablecoin在美国国债中持有等额的美元储备，USDC的发行方Circle就是这么做的，类似于一种数字版的金本位。因为它跑在已经相当成熟且全球化的加密基础设施上，所以可以实现即时、低成本的跨境转账。

Gurley判断，由于美国政府等得太久，stablecoin可能比Fed Now更快地解决问题。尤其在当前华盛顿对加密资产总体友好的政策势头下，这个趋势可能加速。

3、**Visa和Mastercard的60%营业利润率面临根本性威胁**

Visa和Mastercard拥有商业史上最高的营业利润率之一，约60%。它们是双寡头，由银行系统创建，银行在其中持有股份。整个行业在现有体系中赚了大量的钱，但2%到3%的交易手续费完全没有合理性。

中国的案例证明了替代路径。因为政府推动了即时转账基础设施，阿里巴巴和腾讯迅速建起了数字钱包生态。在中国，无论是从街头小贩买帽子还是在华为门店买车，都用微信支付或支付宝扫二维码完成。在餐厅结账不用叫服务员，桌上就有二维码，扫一下就付了。这整套支付创新远远领先于美国，根源就在于政府做出了让资金转账变简单的决策。

4、**代币化对IPO流程的颠覆潜力**

Gurley对传统IPO流程一直持批评态度。当前的IPO机制是：投行选定价格、挑选股东，把最好的份额分给自己的优质客户。他认为这对公司极不公平。如果让一个大一的计算机系学生和一个大一的金融系学生来设计公司上市的方式，他们会设计一个匿名的供需匹配拍卖机制，和加密货币领域的ICO首次代币发行的原理完全一样。没有人会从头发明一个让投行挑客户、给甜头价的制度。

Benchmark曾推动过direct listing即直接上市的方式，就使用拍卖机制。但华尔街不愿放弃这种"贪婪的权力攫取"，又回到了受控的寡头模式。Gurley认为，代币化至少在股份分配这个最基础的层面上，有可能带来真正的颠覆。Robinhood已经在2025年宣布推出代币化股票产品，虽然私人公司代币引发了争议，OpenAI公开表示未授权也不认可，但这个方向的势头已经不可逆。

## 六、被动投资与代理投票的治理隐患

1、**指数基金的投票权问题可能是公司治理最大的结构性风险**

被动投资兴起后，大量股份集中在指数基金手中，但这些基金没有时间和资源去真正评估每一项投票议案。它们依赖ISS这类代理投票服务机构，而这些机构的运作方式存在严重的利益冲突：它们用黑箱打分体系给公司评分，但不告诉你评分标准是什么。想知道评分细节？聘用它们就行。两头收费。

Gurley认为这些机构从公司治理合规的出发点慢慢偏离了股东利益，聚焦于风险管控而非价值创造。特斯拉给Elon Musk的薪酬方案就是一个典型案例：只有股价大幅上涨你才能赚到钱，股价不涨就一分不拿。Gurley说他愿意对自己投资过的每家公司签署这种协议，而且大多数CEO根本不敢接受这样的条款。但ISS类机构投了反对票，因为它们从风险管控的视角出发，看到的是超出常规的东西，而不是对股东极其有利的激励对齐。

Gurley还提到Moody's：它的护城河并非分析能力本身，而是作为"标准"被全行业信任的身份。即使AI在技术上能做出同等质量的债务分析，Moody's的品牌认证功能仍然难以替代。但他也承认，这些基于信任标准的机构都可能面临AI的冲击。

一个可能的改善方向是：让指数基金不投票，让主动股东的声音获得更大权重。或者，要求被动持有者按照直接持股者的投票比例同比投票。

## 七、创始人的王牌、VC的结构与Benchmark的制度红利

1、**成功创始人的三到四项核心特质**

Gurley被问到成功创始人的top 3特质时，列出了以下几项：

- **讲故事的能力**，也就是storytelling：创始人每天都在卖。招人、招高管、融资、签客户、谈合作，全是销售。贝索斯、Shopify创始人Toby Lütke、Spotify创始人Daniel Ek都是讲故事的天才，听他们的播客你就会明白，为什么全世界愿意跟着这些人走。

- **产品直觉**，英文叫product instinct：这种能力部分来自对前沿的理解，但更大程度上是天生的。Gurley花了整个职业生涯才充分认识到，招一个非产品出身的人然后指望他变成产品高手，成功率可能不到5%。

- **不可阻挡的决心**：Gurley引用了贝索斯选天使投资项目的标准。贝索斯说他见到创业者时只问自己一个问题："这个人是不是无论如何都要做这件事？哪怕天塌下来、洪水泛滥，他也不会停。"这种级别的决心存在于所有伟大的创始人身上。

Gurley自己作为投资人也把写作当成核心工具。他引用了贝索斯在亚马逊推行的"六页信"机制：如果你必须把一件事写成一篇自成一体、逻辑自洽的文档，你就不得不把所有角落的问题想清楚、把松散的环节收紧。写作迫使思考变得完整。

同时，写作还是一种deal flow获取机制。当一个创始人在自己正在做的领域里读到了你的深度分析，他会主动来找你。博客和研究报告变成了"名片"，让不认识你的人因为看到了你的专业判断而选择与你合作。

2、**Uber教给Gurley的一课：当烧钱率进入无人区，没有导师可以打电话**

Uber时代的竞争格局是：所有人都知道这个品类具有赢家通吃的网络效应。对手融了10亿美元？那我们融30亿。而花掉这些钱的唯一方式就是把烧钱率推上去。Gurley当时意识到，这种局面下没有哈佛商学院的案例可以参考。就算你把沃尔玛、Costco、通用汽车、GE的董事会成员请来，他们此前也从未面对过这种规模的烧钱竞赛。没有前人的经验，没有导师可以打电话。

这个经历让他对今天AI公司的处境更能共情。"Uber是'超级烧钱'的第一家。亚马逊当年也烧了不少，但Uber把量级提升了一个台阶。而现在的AI公司又加了一个零。"

3、**风投是唯一存在声誉网络效应的投资品类**

Gurley指出，有人认为风投是唯一一个投资者自身存在网络效应的品类。一旦你有了成功的投资记录，你的背书本身就对创始人有吸引力，这反过来让你获得更好的deal flow，更好的deal flow又强化了你的成功记录。这个正反馈循环是风投不同于二级市场投资的结构性特征。

他接着指出，这也是年轻人能在风投行业快速崛起的原因。年轻的投资人更可能和创始人同龄，更可能理解这些新技术，更可能在某个细分领域比资深的全能型VC知道得多。比如一个对电竞或YouTube创作者经济了如指掌的年轻人，在这些垂直领域的认知深度可以迅速超过凯鹏华盈的John Doerr或红杉资本的Mike Moritz这样的行业前辈。

但风投也是一个高度消耗体力的行业。年龄带来了孩子、房子和各种责任，你不再可能每周花80小时去研究某个新平台。所以整个行业天然地偏向年轻。

4、**Benchmark的等额合伙制：绝大多数正面效应加一个致命短板**

Benchmark的创始人之前都在等级制的风投机构待过，觉得资深合伙人拿了太多的钱和功劳，却没有做对机构成功最关键的工作。所以他们决定做一个纯粹的等额合伙制：五个平等的合伙人，没有首席合伙人，没有总裁，没有任何层级。

正面效应是一串连锁反应。最直接的好处是招人：等额条件让Benchmark极易从其他机构吸引顶尖人才，因为等级制机构不可能给出同等待遇。培养新人的动力也因此被激活，老合伙人从新人的成功中等额获益，自然会投入时间和资源去带人。Gurley自己刚加入时就感受到了这种全方位支持。合伙人之间的竞争关系也随之消失：如果某人的被投公司需要一个CFO而另一个合伙人恰好认识合适的人选，他会直接推荐，因为你的公司成功和我的公司成功在经济回报上完全等价。年度薪酬评审和分蛋糕的政治内耗？不存在，因为永远是等额分配。

致命短板只有一个：没有CEO就很难扩展业务、推动新项目。谁来管网站？谁来承担责任？合伙人Matt Cohler曾主动接管网站建设，做了一个复杂精美的版本，结果引发各种投诉。最后他把所有内容撤掉，换成了一个只有logo和一句话的单页面。大约15年过去了，Benchmark的网站至今仍然就是这一个页面。

Gurley也强调，很多顶级风投机构并不采用等额合伙制，一样非常成功。这不是唯一的成功路径，但它确实产生了独特的制度红利。

## 核心归纳

**Q1: 为什么系统思维对投资和产品决策特别重要？**因为复杂系统是多变量、非线性的。一个变量的改善可能在一阶层面表现为正向，但在二阶层面引发负面后果，而你往往要几个月后才能观察到。系统思维的实用价值在于逼迫你在决策前追踪连锁反应，而非锚定在单一指标的短期表现上。

**Q2: stablecoin如何威胁到Visa和Mastercard的商业模式？** Visa和Mastercard的双寡头地位建立在美国没有银行间即时转账基础设施这一前提上。信用卡收取2%到3%的手续费完全没有技术必要性，英国、中国、印度等国早已实现了近乎零成本的即时转账。USDC等stablecoin跑在成熟的加密基础设施上，提供即时、低成本的资金转移。由于美国政府的Fed Now项目长期受阻，stablecoin可能成为最先打破这一僵局的力量。

**Q3: Benchmark的等额合伙制产生了哪些结构性优势？**等额合伙制消除了内部竞争动机：老合伙人主动培养新人，因为新人的成功等额计入自己的回报；合伙人之间无偿共享资源和人脉；每年零政治内耗。同时它极大提升了对外部顶尖人才的吸引力，因为等级制机构无法匹配这一条件。代价是没有CEO角色，难以推动跨合伙人的新项目或扩展业务，Benchmark至今只有一个单页网站就是这个结构性短板的缩影。

久旱逢甘露，哪哪都好、就是小贵的Seedance2.0视频模型终于要上史低价，而且会在第一时间接入剪映，大家的钱包终于有救了。

已知的信息是，新的模型版本是Seedance2.0 mini，定价会有「大幅降低」，预期能够满足成本敏感的抽卡用户。

在算力紧缺的情况下，单独训练一个小尺寸模型，去覆盖要求没有那么高的使用场景，是行业里的惯例了，比如已经烂大街了的翻译插件，内置的模型不是mini就是lite⋯⋯

目前，Seedance2.0分为Fast、Standard两个型号，其中Fast就是主打性价比需求的，走的是低价路线，但还不够低，是创作端的难言之意。

据我所知，很多短剧和广告公司在用剪映的文字成片、素材生成等能力时，痛感还是比较明显的，要么成本偏高，要么速度太慢，这些反馈，字节当然都是知道的，mini的上线，就是在给市场反馈。

我看了部分测试，基于相同的提示词，Seedance2.0 mini在文本生视频和参考生视频两个类别的表现和Fast型号差距不大。

剪映选择第一时间接入mini，也很符合这款产品的优势，因为它已经是一站式AI创作平台了，不但可以从0到1的生成视频，也能调用模型对已有素材去做AI化的修改和提效。

毕竟剪映实际上覆盖了最多的非标准用户，既有新手小白，还有专业创作者，以及内容生产商，用最便宜的Seedance2.0 mini模型去兜住最基础的需求，顺理成章。

而且，可以看得出来AI创作正在成为一个新的心智入口，只要模型支持「应用尽用」，任何创作念头都能实现「有酒，就有故事」的新模式：

普通人可以一键成片，把相册里的零散素材制作成网感十足的Vlog；

自媒体用参考能力，直接复刻爆款视频的重点要素；

有想法的年轻人，能直接自己做爆款玩法；…

以前大家对于剪映的看法，主要还是在「剪」这个编辑动作上，需要预先提供素材才有用武之地，但其实剪映已经有了非常不错的AI基础，尤其是Seedance2.0出现后，剪映在「All In One」这条全栈生产力的路上走得更远了。

「我知道AI很有用，但我的Token不够用」，解决这个公共痛点的方式，依然还是技术的向前踏步，让强大的继续负责强大，让经济的精准满足经济。

最后大胆猜一下价格吧，Seedance2.0 mini可能会是Fast型号的几折？无论如何，适合更广泛人群的最便宜Seedance2.0，总算还是来了。