2026-07-26 15:32 · 来自 X
E
太离谱了。我们正在进行文明切腹自杀(Civilizational Seppuku)。
让我们一起看看“美国司法体系”,好吗?
Sharmake Omar 是那名索马里男子,他在 2025 年 4 月那天于明尼苏达州的游乐场拍摄了 Shiloh Hendrix。
2022 年 1 月,他与另一名索马里男子“据称”在一辆拖车内花了两天时间强奸一名从寄养家庭出逃的未成年女孩,并将她非法拘禁。
2025 年 3 月,所有指控都以“符合司法利益”为由被撤销。
几周后,也就是 2025 年 4 月,一名年轻的索马里小偷试图从一位白人母亲 Shiloh Hendrix 那里偷东西。Omar 在游乐场打开手机摄像头,开始斥责这位白人母亲,因为她说出了“nigger”这个词。Omar 要求 Hendrix 对着镜头重复这个词,她照做了四次;而 Omar 自己在这段不到一分钟的视频中说了五次这个词。
整整四个月后,Shiloh Hendrix 因游乐场事件被恶意提出多项“扰乱治安”指控;在那起事件中,她是唯一的受害者,而 Sharmake Omar 是拍摄者。
然后,就在昨晚,Shiloh Hendrix 被判有罪,具体罪名是:在 Sharmake Omar 要求她说出“nigger”之后,她对 Omar 说了这个词,尽管 Omar 自己也反复说了这个词。她被判罚款 1,000 美元,并完成 200 小时社区服务。
顺便说一句,Sharmake Omar 在 Hendrix 的审判中从未被传唤作证。
不过别担心,我们今天要讲的司法故事还不止这些。接下来请记住 Shiloh 所谓“罪行”的实质,以及她受到的判决。
回到 2020 年 4 月。那时,Sharmake Omar——我们最喜欢的索马里摄像者——和他的另一名索马里朋友(不同于那名涉嫌共同强奸者)在街上实施了暴力袭击。…
Omar 向一辆汽车扔石头,随后攻击并殴打那名 16 岁的司机。一名路人试图干预,但 Omar 的同伙用刀威胁他。
因此,Sharmake Omar 仅被控“扰乱治安”。没错:他向车辆投掷致命武器,随后在同伙持刀阻止旁观者靠近时殴打一名青少年司机,Omar 面临的罪名与 Shiloh Hendrix 所面临的完全相同;后者只是说了一个 Omar 要求她说出的词,当时她抱着自己的孩子,在 Omar 也要袭击她之前逃离游乐场。
和 Shiloh Hendrix 一样,Sharmake Omar 也因一项扰乱治安罪被判有罪。
他的刑罚呢?
罚款 200 美元。
就这样。全部就这些。
所以,回顾一下:
两天强奸一名未成年寄养儿童(据称)?既往不咎。
向汽车投掷致命武器并袭击司机?200 美元。
对一名被指控为强奸犯、绑架者,且已被判犯有暴力罪的罪犯说出一个词,而这个人要求你说出该词、自己却也在说?1,000 美元加 200 小时社区服务,更不用说国际声名狼藉。
这种反白人标准,难道还能以更恶劣、更明目张胆的方式摆在我们面前吗?
说真的,所有参与起诉 Shiloh Hendrix 案件的人都恶毒得令人难以言喻。其中包括但不限于:
~ Rochester 市检察官 Michael Spindler-Krage
~ 首席检察官 Nicholas Shabel
~ 确保 Shiloh 被定罪的法官 Christa Daily
~ Rochester NAACP
~ Rochester“社区参与响应团队”
~ Rochester 市长 Kim Norton
~ Rochester 市议会主席 Randy Schubring
~ 明尼苏达州总检察长 Keith Ellison
~ 明尼苏达州美国伊斯兰关系委员会
~ Sharmake Omar;没有他,这一切都不会发生
~ 那名年轻索马里小偷不会说英语的父母
~ 当地索马里诈骗网络中数不清的成员
~ 六名陪审员——两男四女(据报道均为白人)——他们一致认定,美国宪法并不保护白人
既然说到这里,还必须特别点名这个被掏空的国家里每一个“第一修正案”组织,给予它们不名誉提及。你知道我说的是哪些组织:它们不断募集并收取大笔资金,声称要“捍卫言论自由”,却在每一起白人遭到如此明显恶意迫害的重大案件面前,持续而懦弱地退缩——而白人恰恰是唯一一个对第一修正案拥有多数支持的群体。
同样,没有任何一级政府的官员站出来为 Shiloh Hendrix 或她的宪法权利辩护,也没有人谴责她所遭受的公然反白人、彻头彻尾违宪的政治迫害。一个都没有。
说到这里,我们今天对这场老掉牙的“美国司法体系”的审视也就结束了。
正义女神并不盲目。她反白人。而这一点从未如此清楚。
我团队中的许多工程师都发现了 Grok Build 中 /voice 的强大之处。他们会不断把脑中的想法一股脑倒出来。
在长时间工作后,将它与 /dream、/recap 和 /create-workflow 结合起来,会让它变得非常强大。你不需要记住这些斜杠命令(我也记不住);只要通过对话把想法说出来即可。
@morganlinton @CreativeSkyAI 更进一步,使用语音吧。这是原生功能(我想是 CTRL+空格),而且 grok 对自然语言的处理非常出色。
ChatGPT 的工作能力非常惊人,“工作”这个词都不足以概括它。
我在手机上发了一条指令:
“利用我全部的 ChatGPT 聊天历史,为我和 8 位朋友规划一个长周末旅行的创意;制定出 3 个最佳方案;制作一个全栈网站,让我们 9 个人可以协调每个地点想做的事情,并决定去哪里;等我们达成共识后预订行程。网站准备好后,起草一封我可以通过 Gmail 发给朋友的邮件。”
WSJ报道中国芯片越过美国围堵的深度稿件很精彩,把对英伟达进行出口管制的两难问题写得很清楚了:
卖,就会眼睁睁的看着中国大模型厂商摆脱算力瓶颈,吃掉A/O以外的最大Token市场;
不卖,就只能适得其反的看着自己最想掐灭的华为逐渐实现国产替代,以实际表现削弱自己铁拳的权威。
中国在AI芯片产业的国产替代率从2021年的10%提高到了2025年的40%以上,预计会在2030年达到75%,华为的高管直言——「不是美国把我们的国家、行业和公司逼到墙角,我们永远不会做出如此成就。」
其实在芯片自主化的初期,事情进行得并不顺利,市面上的国产芯片几乎都无法稳定训练大模型,而工程师们已经习惯了英伟达的生态。
转折出现在去年,主要是两件事情,其一是华为造出了昇腾950,性能非常出色,同期阿里巴巴的平头哥等公司也都提交了自研芯片的乐观报告,其二是美国商务部长失言,在电视上宣称允许中国采购英伟达「第4好」的芯片(即H20),这相当于断送了英伟达继续在中国做生意的可能性。
中国科技公司的管理层也确实感受到了本土芯片的变化,打破了以前认为完全无法取代英伟达的固有思维,越来越多的团队开始尝试用全国产化的生产环境来训练大模型。
当然,一切的终点都会回到EUV光刻机这个命门上,华为是在用相对落后的DUV光刻机来生产芯片,并用各种堆叠式的工艺创新来突破限制,这会不可避免的降低生产效率,只有自研出EUV光刻机才能海阔天空,这非常难,但如果真实现了,那可就是秦始皇摸电门喽。
🔑💚🔶
@ohyishi @TrustWallet @binance OneKey 硬件钱包也非常不错。👍
//@王怜花:“美国衰退近三十年的工业知识体系被重建,顶尖人才的野心,第一次从虚拟世界,被重新引导回物理世界。马斯克重新引导一代人的工程抱负,从数字转向物理,其影响会在数十年间不断累积,并在文明尺度上重建工业能力。”
风险投资公司a16z合伙人凯瑟琳·博伊尔评价马斯克的一段话:“我认为埃隆对这个国家最重要的贡献,是培养了两代工程师,让他们重新学会动手实践。”
她的观点被很多人认可,并认为马斯克的这一贡献,甚至超越了猎鹰9或者星舰。我完全赞同她这个观点。
自上世纪90年代开始,美国工业开始逐渐空心化。工业空心化是怎么来的?全球化和互联网。
对全球化的错误判断,让美国主动将制造业产业链转移到世界各国,这是主因。
另一个重要因素,就是互联网。在马斯克崛起之前的近十年里,美国最顶尖的工程人才大量涌入软件和互联网行业。
这导致了一种失衡:全美最聪明的大脑都在思考开发新的App或如何优化广告点击率,而物理世界的制造业、硬件工程,却被视为不够酷、过时、没钱途。
既然敲敲键盘就能赚大钱,那为什么要吃力不讨好地去搞制造业呢?结果就是,工程师忙于与代码打交道,失去了在物理世界创造创新的能力。
而马斯克的出现,完全是一个非常特殊的现象。以当时的环境、以他自身的经历,这原本是不应该发生的事。
在创办SpaceX的过程中,马斯克跑遍了麻省理工、斯坦福、康奈尔等名校,靠个人魅力吸引到(骗到)了第一批工程师,开始了抡大锤造火箭、改写历史的进程。
在造火箭过程中,这些工程师们必须学会如何与物理世界打交道,第一性原理成为他们改造世界的工具。解决问题能力的重要性,第一次超过了工程师的大学学历和公司履历。
美国衰退近三十年的工业知识体系被重建,顶尖人才的野心,第一次从虚拟世界,被重新引导回物理世界。
马斯克重新引导一代人的工程抱负,从数字转向物理,其影响会在数十年间不断累积,并在文明尺度上重建工业能力。
SpaceX已经成为顶尖航天工程师的孵化器,前员工出来创业的不胜枚举。…
毫不夸张地说,SpaceX就是美国航天的黄埔军校/西点军校。
根据福布斯的报道,SpaceX前员工(至少工作一年以上)已经创立了141家初创公司,累计融资超过106亿美元,孵化了12家独角兽企业,创造了超过7000个就业岗位。
根据Fast Company数据库,可以追踪到超过400名SpaceX校友创始人。如今的“SpaceX校友”,大有取代“PayPal黑帮”(马斯克是其中一员),成为科技领域最具影响力的创业者圈子之势。
相比较“PayPal黑帮”成员集中于互联网、金融行业,“SpaceX校友”的赛道更加硬核,大多是像航天、国防、高超音速、核能微反应堆这样的深度科技领域。
萤火虫航天、相对论空间、脉冲空间、顶点空间、K2航天,这些在商业航天领域呼风唤雨的名字,都是“SpaceX校友”。
可以说,马斯克几乎以一己之力,扭转了美国工业空心化的颓势,是美国真正的栋梁。
埃隆说得没错,主流媒体中的许多机构都令人憎恨。
而且,左派已经一路向左走得太远,以至于现在把正常的事情都称为极右。
个人感觉国产车座舱吊打特斯拉,如果自动驾驶审批可以更快一些,那海外市场可以拿到更多份额,每年多出口300万辆售价5万美金的国产车,是不是更有利于人民福祉?//@泡泡叔:其实我们的公路基建完全能满足L3,可能还是以人民的生命财产为重,出安全事故责任没人敢担,也担负不起。限额许可,风险还是较大的,慢慢来吧。
#tesla v14# 航班被取消,去曼哈顿跟朋友吃顿饭,1个半小时,只人工干预了一次,是车上人多,换车道开进HOV车道🙄然后就问grok你丫能自动开进HOV车道么?grok就说有个设置打开了车里摄像头会数乘客人头自动进HOV😅路上还有一次,正在等红灯,突然倒车,给我吓一跳😂然后发现旁边有个大货车转弯,需要后退让出来一个安全空间。。。简直了🤔🤔
另外美国的路可真是烂啊,路上好多坑,Model Y底盘太硬了,坐着是真不舒服,这个车在美国带上税得5万美金,座舱又实在太工业风,如果价格和国内差不多,座舱再舒适一些,估计在美国得杀疯了🙄个人觉得国内政策应该允许给车厂一定的额度(美国貌似前几年有这个政策),比如每个车厂1万个L3的名额,这个额度内的车辆OTA可以宽松一些,如果这些L3无事故行驶够XX百万公里了,再给L3牌照,而不是现在这样要么全给要么不给
“开放”一直是 AMD 构建产品和系统的核心。
这就是为什么我们要与 @Microsoft 及其他机构一起签署一封公开信,支持开放权重 AI 模型。强大的 AI 生态系统依赖开放标准、互操作性,以及软件、系统和硬件之间的选择:https://aka.ms/OpenLetter。
【“中国崛起让我们感觉害怕”】
接着,我跟索菲亚进入了最重要的话题,就是她眼中的中国。
1️⃣中国企业压榨非洲人我问她,聊了那么多的各国国家的话题,我还想知道最后一个问题,就是你眼中的中国是什么样的?
索菲亚长吸一口气,用一种为难,需要皱起眉头仔细思考的表情说,这个太复杂了。
我说,没关系,你可以说实话,我不想听漂亮话,你心里想说什么就说什么。
她说,我对中国的印象来自于在乌干达的中国企业,在乌干达眼里,中国企业严重压榨乌干达人,乌干达人不得不超时超负荷工作,而拿着微博的薪资。
我问,可是为什么欧美企业不来呢?只有中国企业来呢?(还不是因为你们的劳动效率不高)。
她说,也有欧美企业来,知识没有中国企业那么多。
我问,在乌干达有日本企业吗?你对日本企业印象如何?
她说,现在好像没有了,以前曾经有一家,我对日本企业的印象很好,他们很尊重我们,并且不会压榨我们。
2️⃣自认为非洲资源丰富索菲亚甚至愤怒的说,我们国家应该制定法律,把那些有劣迹的中国企业禁止入境。
(我心里想着,这不都是愿打愿挨,你要这份活,又不是别人逼着你必须做这个工作,你也可以去美国公司上班啊)
我问,那你觉得乌干达的未来是如何的?会发展成发达国家吗?
她说,我们有很多资源,如果没有外国人窃取,我们会很富裕。
3️⃣监控,警察,集中营三件套我问,你说的是在乌干达的中国人,那对于遥远的中国,你如何看?
她说,我也不完全了解,可能有错误。
我说,没事,你随便说,你脑海里中国什么样,你就说什么样。
她说,中国有很多监控警察,无处不在,会控制整个社会,中国有很多监控器,摄像头,所有人的行为都会被政府严密掌控。
我说,可是这需要人力成本啊,政府花钱监控一个人,也要付工资的,你认为你我是什么重要的人物吗?…
政府为什么要花那么多钱监控所有人。
她说,还有,中国的MSL没有信仰自由,他们会被关进监狱,被洗脑,被教育,被灌输强制的信息。
我说,这就是你之前跟我说的“西方国家的宣传假消息”,他们对你的阿明总统如此,也把同样的手法复刻到中国。
索菲亚的叙事基本就是复刻于CNN电视台。
4️⃣中国的崛起让我感觉到害怕我问,你难道不知道中国也有很最现代化,高科技的一面吗?不说去中国,你们乌干达本土,那么多手机品牌,汽车品牌,光伏电板,各种各样的工业产品不都是中国制造的吗?
她说,但是中国产品质量很差。
我说,这取决于你给多少钱,中国出产质量很好的产品,但是都出口欧美了,你们付得起贵的,那就可以获得质量好的中国制造。
她说,我知道,中国现在很强,甚至可以跟美国一较高下,但是,中国的发展让我感觉到害怕!
我问,为什么?
她说,因为中国是一个非民主国家,政府控制一切,这是邪恶的,我不希望世界被中国控制。
5️⃣典评不得不承认,索菲亚这种非洲中产(非农村非底层的黑人)的观点算是很普遍。
【原来屠呦呦跟中医关系不大……】
在基加利,我见到了一个来卢旺达出差的小王,我们一起去了“卢旺达大酒店”这部电影的原址,现在依旧在营业的酒店,在这里装修非常有格调,中间有一个泳池,可以在边上点一杯饮料小坐。
1️⃣非洲三大传染病小王从事的是医药行业。
我问他是做医疗器械还是药品,(之前菲律宾被绑架的那两个医疗器械代表就是做心脏支架的,医疗器械利润空间很大)
他说,按照非洲的医疗条件,很难做医疗器械,比如心脏支架这些,压根没有市场。
小王做的是药品,非洲有三大传染病,分别是艾滋病,肺结核,疟疾。而小王做的事抗疟疾药品。
我说,疟疾,我也得小心了,如何防治啊?
他说,非洲最严重的是刚果,尼日利亚(热带雨林湿度大的地区),你放心,非洲国家的首都通常不会有,除了跟自然环境有关,也跟人口密度,卫生情况有关,疟疾是一种可防可控的传染病。
我问,卢旺达很多吗?
他说,卢旺达疟疾不严重,国家也小,所以我们公司过来算是调研了一下,发现没啥(疟疾药品)需求。
2️⃣屠呦呦获得诺奖的背景通过小王,我才知道屠呦呦获得诺贝尔奖的整个过程。
我问,你们公司是原研药还是仿制药?
他说,屠呦呦知道吗?屠呦呦研发的。
我说,知道,但是没有具体了解,只是看新闻说,她是通过中医方法研究出来的。
他说,其实屠呦呦最早确实是通过植物提取出这个元素,但是这个元素后期都可以用化学合成,跟中医没啥关系。新闻宣传她研发的成果跟中医绑定,是有点强行绑定了。(小王的观点,典不认同)
我说,可是屠呦呦干啥要研发抗疟疾的药啊?中国又没有疟疾。
他说,她发现这个成分的时候是70年代,那时候中国是有疟疾的,但是疟疾很快在中国就被消灭了。…
但是她发现的这个成份被中国医药公司出口到了非洲,非洲是疟疾的重灾区,屠呦呦的药物在非洲特别管用,大大降低了非洲儿童的死亡率,因为在非洲疟疾死亡率的下降,让全球关注到了屠呦呦这款药,所以屠呦呦在几十年后获得了诺贝尔奖。
我问,所以你们公司是屠呦呦的吗?
他说,不是,屠呦呦发现这个成份的时候,并没有申请专利,就是把这个化学成分表公布,大家都可以拿去用,所以很快各地都有,不过这种药主要是中国有,还有一些印度仿制药厂会生产。
3️⃣卢旺达在非洲发展的非常好小王这次来非洲,就一周多的时间,要去好几个国家,从坦桑尼亚到刚果到卢旺达,之前他还去了非洲很多国家(因为疟疾药也基本在非洲需要)。
他说,这么多非洲国家里面,卢旺达算是非洲最好的国家。
我问,什么叫作好,你的标准是什么?(典的标准跟小王不一样,典看来,商品经济繁荣,经济发展程度高,国家富裕排的靠前,卢旺达没有大商场,没有大超市,没有太多像样的餐厅,这些让我感觉这个国家慢穷的。)
他说,治安好,基建好,而且这里竟然没有腐败。
我说,啥?卢旺达没有腐败?你知道我之前去的几个非洲国家(肯尼亚,卢旺达)都烂到根子了。
他说,对,我们谈大量的单子,跟政府部门接触,都是很透明,很规范。
小王说的这一点,让我感觉到很惊讶。
小王说,我有一个加纳(西非国家)的客户,他说他老了要来卢旺达养老,因为这里是非洲最好的国家。
4️⃣疟疾可防可控我说,疟疾听说很可怕的,它并不是细菌,也不是病。它是一种寄生虫,所以没办法预防。
他说,疟疾是有疫苗的,但是预防率不高,所以得靠后期治疗。
我问,你们是只有一种药还是会有一个系列的药?
他说,现在已经细化到一个系列,比如孕妇得疟疾会有专门的药,小孩也有特定的药。病人还有分轻度中度重度,不同程度的药品也不一样。
在非洲各国经济条件都不好,所以很多非洲国家,并不是当地政府去买药,而是通过各种国际组织公益的形式,买到药后分配给各国政府,然后在分发下去给当地百姓。
(就像前文说的,中国也曾经有疟疾。有几千年疟疾历史,建国前4.5亿人中有3.5亿人生活在疟疾疫区,建国后两次大爆发,1960年和1970年两轮全国大流行,1970年峰值一年发病2400多万例。)
屠呦呦之后疟疾慢慢的就消失了。
在非洲大城市,基本上也不再有疟疾,疟疾泛滥跟城市卫生环境,公众卫生意识息息相关。
最后一段咋越写越像宣传文😅
早上集中跑了一下5.0,结论也是4.6地位不倒(尤其今年2、3月的版本),只是不知道线上能保留多久。Gemimi也是当年的3.1 pro深思版强的可怕。大概面向AI Codinv的RL真导致了模型逐渐偏科。
//@伽利详:我要跑个题🐶菲尔兹奖得主邓煜老师喜欢看百合已经众所周知。但邓煜同时也是硬科幻爱好者,最喜欢的硬科幻是格雷格·伊根的《正交》三部曲。这一点较少被提及。
赶快记录一下早上上课说到的意识流。
就是聊到为什么明明可以一步调用的skill,我们的同学总是把自己限制在冗长的流程里。到底这种执着从哪里来的?
也就是我们的学生经常所说的:物理题目对应的——听的懂,自己完全想不到。
第一个原因是因为我们从小就不停的被强调“一步一个脚印”。再好的道理就像物理定律,都有条件。不看条件,什么都要按部就班,就会出问题。这是习惯问题。潜意识被植入了某种“道德观”。
第二,不够放松,总想优先寻找确定性。每一次都担心思路起飞到不了终点,然后忘了其实思路从未起飞过。起飞的第一步是放弃确定性优先。
第三(其实是讲第一点道德观的时候说到的)。讲到邓煜和二次元的事。和邓煜无关,是为什么那么多人会注意到他读的小说漫画和喜欢二次元这件事。
我说因为我们的小孩,哪怕是我们90后这一代,就是在“正确”里长大的。看漫画、玩游戏、追二次元,都是不对的。现在有个伟大的数学家可以让我们拿出来给不知道谁证明,这些东西都没问题。
但其实,很可悲一点是,它们没什么问题,还需要跳出来一个数学家才能证明的吗。不爱学习,不是因为爱玩游戏。就是因为学习上没有任何一个支点让我们喜欢上。这两件事确实是独立的。太好想了啊。
另外,一个伟大的人类喜欢的一切,ta的偏好,ta的观念,就都正确了吗?不见得。
一个伟大的人,有没有可能是个变态?会不会有一些变态的想法?会不会很坏?很自私?太会了啊。
以及,抛开伟大的数学家,就说二次元。二次元的分支在很早已经我就发现,流派太不同了。
有的人,比如我,我喜欢的是动漫里对于人类精神提纯蒸馏的那部分,而且我认为这部分一定会越来越伟大。因为人类现在就是越来越异化的多啊。伪人的数量庞大的惊人。这也是我们现在很难和他人建立信任的根本原因。…
一个人完全有可能是个没心没感情只剩欲望和利益的空壳子。但是ta可以伪装的自己有同理心,有爱心,会伤心,会流泪。但都是演技。
太累了。
连我都觉得无力。动漫蒸馏掉了这部分。剩下了人的部分。它会越来越伟大,这是我的预判。
很多伟大的文学作品一开始也是下三滥书籍。就是需要时间。
我们无论是做题的时候还是做自己喜欢的事情的时候,只要我们看到了意义,哪怕别人都看不到,都要相信自己,因为真正把我们和他人区分开的,都是这些。
然后二次元里还有一些是我看不懂的,比如一些擦边色情的。其他不说,太丑了。主要是丑。
所以,一个伟大的人喜欢二次元。到底能说明什么问题。什么都说明不了。
只是说明了一些本身就显而易见的道理:
-我们的各种问题,锅不在外界。
-邓煜是个活生生的人。除了现在是个伟大的数学家了,他有这个时代的人们都有的一切,或多或少。
第四,看到最近两天很多自媒体都在说一个主题:怎么培养孩子可以成为那样伟大的人。
我每次看到这种问题,文章当然是懒得点开看的。他们这种人在我看来首先是快速穿越了自我周期实现了自我的人。
这种人在各个领域都有。
我真的这里面的奥秘是什么我不知道。但我知道初中高考数学就130以上,这真的不太是可以大概率发生的事。
在一个不科学的事件里寻找规律,又回到了我讲的第二点:优先寻找确定性。
在这里就显得尤其愚蠢不堪。
第五,精神强度到了一定程度,看起来就可能是“摆烂”。因为我不在乎我是谁,我不在乎有没有钱,我看起来什么都不在乎,是因为我沉默的守护着我的在乎。
志向这么高贵的东西,说出来会遭燕雀的笑话。不说也罢。
所以,摆烂的人,也许是精神轻度最大的人。
专业班底下场,把开辟赛道的吃干抹净了 🐶//@白城以北:有点东西//@xlh小老虎哥哥:确实有点东西,不怪人家火
声音太像原版遭质疑使用变声器,《西游群英荟》主创现场即兴表演直面质疑!这一看就是下了功夫啊!
【特斯拉都不赚钱了?26Q2利润率1.4%!】
2021年三季度,这个数字还是14.6%。五年不到,只剩不到十分之一【图1】。都知道2026年的汽车行业不好过,却总觉得特斯拉会是例外。毕竟它规模大、成本低,还有稳定的品牌溢价,本应是全行业最能赚钱的公司之一。
如果连特斯拉都只剩1.4%,动摇的就不只是一家公司,而是整个汽车行业的一条信念:规模、降本和品牌,最终真的还能带来利润吗?
更关键的是,特斯拉并不是卖不动车。
这一季度,它的交付量增长25%,营收增长26%,毛利润增长23%;但营业利润反而下降57%,只剩3.98亿美元。
车卖得更多,利润却留得更少。钱去哪了?
一、地主家真没余粮了吗?
其实,车还赚钱,只是不再暴利。1.4%说的是特斯拉整个公司的营业利润率,并不意味着它造一辆车只赚1.4%。单看汽车业务,Q2毛利率还有16.9%。放在今天的汽车行业,这个成绩并不难看。
但2021年三季度,特斯拉的汽车毛利率高达30.5%。五年不到,几乎少了一半【图2】。
特斯拉当然还没有穷。它账上还有435亿美元现金和短期投资,过去12个月的自由现金流仍为正57.62亿美元。所谓“地主家没余粮”,不是粮仓空了,而是汽车业务留下的利润垫比五年前薄了。
这就带来下一个问题:五年间,特斯拉的交付量接近翻倍,工厂更成熟,供应链更本地化。按照汽车行业的规律,成本应该一年比一年低,利润为什么反而没有守住?
二、真正的断崖,发生在2023年
把时间拉长看,特斯拉汽车毛利率真正的断崖发生在2023年:2022年还有28.5%,2023年骤降至19.4%;此后只是缓慢下滑,2024年18.4%,2025年17.8%,2026年二季度16.9%。
那么,2023年到底发生了什么?
先看成本。…
2022年8月,申万宏源屠亦婷、刘洋、蒲梦洁在《创新是超额利润的源泉:详解特斯拉单车6万元净利得到的启示》中,参考UBS拆车、电池价格、工资、折旧和运输等数据估算:
2020年一季度,标准续航Model 3在美国工厂的生产成本约21.21万元,上海工厂只要16.90万元;随着零部件本地化率从约30%提高到90%,2021年一季度进一步降至13.89万元【图3、图4】。
但这样的红利不可持续。
到2022年二季度,上海工厂零部件本地化率已经超过95%。2024年4月,华泰研究宋亭亭、申建国在《如何理解特斯拉的当下与未来?》中估算:即使上海Model Y月交付量从5万辆提高到6.5万辆,仅靠规模和固定成本摊薄,单车基础成本也只能再降低约600美元。
特斯拉财报也印证了这个趋势。按其后来披露的算法复算,全球平均单车成本从2020年的4.23万美元降至2021年的3.70万美元;2022年受原材料、物流和新工厂爬坡影响,一度反弹至3.92万美元,此后继续下降,到2025年为3.53万美元。2026年二季度,同比只再下降252美元【图6】。
降本没有停止,但最容易吃到的国产化和规模红利已经接近尾声。
再看售价。
在国产化最快的阶段,Model 3单车成本下降约3万元,售价同期从29.905万元降到24.99万元【图7】。售价虽然降得多,但成本也在快速下降,毛利率仍然基本稳定。
后来,Model 3入门版价格又一路涨回27.99万元。到了2022年10月和2023年1月,特斯拉连续两轮大降价:Model 3后轮驱动版从27.99万元降到22.99万元,累计下降5万元;Model Y后轮驱动版从31.69万元降到25.99万元,累计下降5.7万元。Model Y长续航版仅2023年1月那一次,就降了4.8万元。
这两轮降价,几乎成了2023年中国新能源汽车价格战的发令枪。
但这轮降价,已经没有早期3万元级的降本买单。2023年,特斯拉全球平均单车成本其实仍下降了约1665美元;公司在年报中也明确表示,汽车毛利率下降的主因是平均售价降低。
成本仍在下降,只是价格降得更快。2023年的故事,就是特斯拉拿毛利换销量。
2026年的故事却已经不同。
既然这一季度交付量增长25%,汽车毛利润也增长21%,那么1.4%的营业利润率,就不能继续只从造车这一层寻找答案,而要往毛利润之后看。
用大白话说,这一季不是车突然不挣钱了,而是特斯拉自己花钱花猛了。
那问题来了,这些钱到底被花到哪里去了?
三、特斯拉把钱花到哪里了?
先算一笔简单账。
Q2特斯拉毛利润47.51亿美元,比去年同期多赚8.73亿美元。营业费用达到43.53亿美元,同比多花13.98亿美元。多出5.25亿美元缺口,营业利润也因此从9.23亿美元降到3.98亿美元【图8、图9】。
这13.98亿美元里,到底有多少能算“投资未来”?
最宽松的算法,是把新增7.82亿美元研发费用全部算进去,占56%【图10】。但其中1.89亿美元是股权激励。扣掉以后,留给AI及其他研发项目的金额最多约5.93亿美元,占42%。
特斯拉没有披露项目级分配,因此5.93亿美元只是扣除新增股权激励后的上限,不能视为精确的未来项目投入。
剩下约八亿美元,主要是股权激励、员工与专业服务、诉讼、设施及其他管理成本,不能全部算作“为了未来”。
除此之外,Q2特斯拉还花了57.89亿美元资本开支,用于相关项目的厂房、设备和服务器。这笔钱会让自由现金流转负,却不会在本季度直接算作亏损,而会在今后通过折旧逐步影响利润。
把研发费用和资本开支合起来看,特斯拉的未来投入大致可以按与私人汽车的关系分成三类【图11】:
1. FSD、汽车AI、电池和现有车型软件,直接服务私人汽车;
2. Cybercab、Robotaxi和Semi仍然与汽车有关,但Robotaxi已经不是卖车,而是运营车队、出售出行服务,商业模式变了【图12、图13】;
3. Optimus和太阳能与汽车关系不大,芯片、数据中心和AI算力则由汽车、Robotaxi和机器人共同使用。
1.4%的营业利润率主要由营业费用解释;57.89亿美元资本开支说明的,则是特斯拉把现金押向了哪里。
四、马斯克在拿特斯拉,再创业一次
7月22日的财报电话会上,马斯克把2026年称为“巨额资本开支之年”。特斯拉预计全年资本开支超过250亿美元,这轮投入还会持续两到三年。
马斯克认为,这些项目可能带来特斯拉历史上最高的资本回报。特斯拉的目标也很明确:硬件利润之外,AI、软件和车队运营将成为新的利润来源【图14】。
这个逻辑已经有了一点苗头。Q2特斯拉活跃FSD订阅数达到148万,同比增长56%;北美新交付车辆中,超过55%订阅了FSD。软件确实开始在卖车之后继续收费。
但更大的项目还没有证明自己。Robotaxi正在扩张,Cybercab刚开始生产;Optimus正在安装产线;芯片和太阳能工厂仍在建设。它们已经开始花钱,却还没有单独披露收入和利润。
马斯克在X.com上承认Cybercab和Optimus几乎一切都是新的,初期产能会爬得很慢【图15】。
五、结论:都是低利润,但不是一种穷法
2026年的汽车行业确实很卷。许多国内车企并非一粒余粮都没有,只是赚到的钱马上就要拿去降价、加配置、推新车、补渠道。大家投资的是眼前的生存,为的是不掉下牌桌。
特斯拉不一样。
它的汽车业务仍有16.9%的毛利率,账上还有435亿美元现金。这一季度利润率只剩1.4%,并不是因为已经吃不上饭,而是它主动把余粮投向AI、Robotaxi和机器人,寻找下一轮增长。
一个花钱,是为了今天还能活下去;另一个花钱,是为了明天再开一张牌桌。所以,地主家不是没有余粮,只是主动把余粮押向了未来【图16】。#特斯拉##汽车行业的利润率再创新低##汽车行业利润率仅2.9%#
#携程被罚51.79亿#携程问题,似乎是房间里的大象,没有人对这件事情感到惊讶(迟早)。因为区别定价问题,不知道上了多少个热搜,也从来没有看到过有力的公开解释。因此,携程在舆论场是“国足”地位,也不奇怪了。
今天旧金山人工智能峰会,韩国总统带着三星集团董事长和英伟达董事长黄仁勋一行在路边摊搞了一桌吃汉堡喝啤酒。非常随性的交流,本来韩国人打算请客,然后黄仁勋说那就可以多喝一杯啤酒了,你们韩国很有钱的,。但是韩国总统随口问了一句:“这顿饭难道不该由黄仁勋你来全额买单吗?”他顿时吓了一跳,脱口而出:“我的薪水低得可怜。”那一幕简直像情景喜剧:李在镕在一旁带着顽皮的笑容看着,就连李在明议员也插话说道,公职人员是不允许那样喝两杯啤酒的。最后黄仁勋说他出钱请大家多喝一杯——哈哈😂 #美国##凯丰基本面##旧金山##人工智能##硅谷##v影响力峰会##韩国#
#模型时代# 奥特曼:刷Tik-tok三个小时后,卸载了
Relentless最新的一期播客采访了奥特曼,将产品的三段话蛮有意思,单拿出来分享下:
1、Codex反超Claude Code,明知落后也要打这一仗
当时团队在编程类产品上明显落后于Anthropic的Claude Code,业内共识是在别人已经建立先发优势的产品品类里想反超几乎是妄想,正常做法是放弃、转做下一个方向。但团队认为编程对于递归自我提升太重要了,递归自我提升说的是让模型帮助改进模型自身的能力,这条路径一旦跑通,价值远超任何单个产品品类。所以他们向团队发出了这个请求,团队最终做出了他形容为"商业史上极其罕见"的逆转,把Codex做成了现在很多顶尖程序员的首选工具。
2、Jony Ive教会他的事:好设计源于理解问题
谈到和苹果前首席设计官Jony Ive合作设计产品时,Altman说自己最大的收获是意识到真正优秀的设计更多来自对问题本身的深刻理解,而不是急着扑向某个解决方案。Ive在做一款车的设计前会去研究整个赛车运动史、座舱字体的演变、材质选择的原因,写出厚厚的探索笔记。如果创作者太早锁定某个具体方案,反而做不出真正好的东西。
3、关掉通知、删掉TikTok
Altman自曝为了在做Sora时理解短视频产品的吸引力,特意让自己沉迷TikTok。一开始觉得能控制在每天十分钟睡前放松,后来演变成某个周六下午在沙发上刷了三个小时,最终选择彻底卸载。他现在也关掉了几乎所有应用通知,包括消息类应用,只留极少数会主动弹出提醒的场景。用他自己的话说这是一个"大的生活升级"。
GPT-Live,带来不同的阅读体验:
一边打开 GPT-Live 与它聊天、提问、记笔记和做书签,一边读书,真的感觉像是在 4D 中阅读。
真实情况
Codex 真是太太太好用了!我去!
Q:Agent用 Skills的时候,是不是要先调一次大模型选 Skill,再调一次大模型执行工具,总共调了两次?
A:不是的。Skills的元信息(每个 Skill的 name和 description)在对话一开始就作为系统提示词(System Prompt)的一部分,统一加载进了上下文窗口。所以大模型在处理你的第一条消息时,已经知道了所有可用 Skills的描述,不需要单独调用一次大模型来做选择。
实际流程是:大模型在一次调用中,一边读你的问题,一边对照上下文里的 Skill描述,判断该用哪个 Skill,然后读取对应的 SKILL.md获取详细指令,接着决定是否调用工具——这些都可以在同一轮对话中连贯完成,并不是"选 Skill一次、用工具又一次"的两段式调用。
你可能会担心:每次对话都把所有 Skill描述塞进上下文,是不是很浪费 token?这就是 Prompt Caching发挥作用的地方。系统提示词(包括所有 Skill描述)在多轮对话中会被缓存,后续每一轮不需要重新处理这些内容,既省了时间也省了成本。
Grok Build Web UI 已上线。
我构建了一个本地优先的 Grok 会话仪表盘。打开一个全新的 Grok CLI,它就会实时显示出来;你可以在同一个地方查看活动、Git 变更、会话历史,并控制各个代理。
```bash
npx --yes grok-ui
```
https://github.com/joeynyc/Grok-UI
美军现役最强的钻地炸弹,重约14吨,从高空投下后能扎进近百米深的土层。但如果碰上的不是泥土,而是莫氏硬度7的火山岩,它大概只能啃进去十几米。
伊朗人把核设施藏在了这种岩石下面。
这座山叫镐山(Kuh-e Kolang Gaz La),位于伊朗中部,距伊斯法罕以北约120千米,紧挨着纳坦兹核设施。2020年,纳坦兹地面设施遭到袭击,离心机组装车间严重受损。离心机是提纯铀的核心设备,靠高速旋转把能做核燃料的铀235从天然铀中筛出来。此后,伊朗开始在镐山地下超过90米深处开挖隧道,准备将核设备转入山体。隧道上方覆盖着超过百米的坚硬岩层,山峰海拔达1600多米,相当于给隧道盖了一面天然盾牌。
这面盾牌的材质叫安山岩,一种火山喷发形成的硬岩石,其间还夹杂着石灰岩条带。安山岩的名字来自安第斯山脉,因为同样的地质机制也在那里造出了大量安山岩。它在莫氏硬度表上排到7,跟石英一个级别,钢钉都划不动它。
但安山岩为什么会出现在伊朗中部的荒漠里?答案藏在几千万年前的一场大陆碰撞中。
地球上曾经有一片古老的海洋,叫新特提斯洋,横亘在阿拉伯板块和欧亚板块之间。随着板块运动,这片海洋的洋壳像传送带一样俯冲到欧亚板块下方。洋壳携带的含水岩石钻到地幔深处,会促使周围岩石熔化,形成岩浆。岩浆向上涌,就在地表堆出一连串火山。这条火山链叫乌鲁米耶-多赫塔尔岩浆弧,镐山就是其中一员。英国牛津大学构造地质学教授理查德·沃克(Richard Walker)曾在该地区做过研究,他说:“这里本质上就是俯冲带上方的火山弧。”
同样的机制,今天还在地球其他地方运转。阿拉斯加的火山群,是太平洋板块俯冲到北美板块下方的产物。南美洲安第斯山脉上星罗棋布的火山,来自纳斯卡板块向南美大陆底下的俯冲。…
而美国华盛顿州的圣海伦斯火山,背后则是胡安·德富卡板块。
大约3000万年前,新特提斯洋彻底闭合,阿拉伯板块和欧亚板块顶在了一起,俯冲停止,镐山一带的火山也跟着熄灭了。但岩浆冷却后留下的安山岩,至今还硬邦邦地立在那里。
同一场碰撞还塑造了另一个地缘热点。阿拉伯板块撞上欧亚板块时,沿波斯湾海岸挤出了一条长长的褶皱山脉,叫扎格罗斯褶皱逆冲带。这条山脉把霍尔木兹海峡挤成了一条窄缝,伊朗因此扼住了全球石油运输的咽喉。一场碰撞,既给了伊朗一座炸不透的山,又给了它一条卡得住的海峡。
回到军事现实。美军的GBU-57巨型钻地弹是目前已知最强的常规钻地武器,能穿透近百米的松软土层,但面对坚硬岩石,穿透深度会骤降到十几米。镐山隧道上方超过百米的安山岩层,靠炸弹硬凿根本够不到。
美国科学与国际安全研究所的分析指出,要破坏山体内部的设备,只能瞄准人工建造的薄弱点,比如通风竖井和隧道入口。2025年6月,纳坦兹和附近的福尔多核设施遭到空袭,据信就是采用了这种策略,通过打击出入口来破坏内部的离心机等设备。伊朗的高浓缩铀据信被封存在地下隧道中,入口已被轰炸产生的废墟掩埋。
2025年6月的空袭之后,伊朗拒绝了国际原子能机构的核查要求。不过专家评估认为,伊朗并未造出核武器。
几千万年前,两块大陆撞在一起,挤出了一排火山。火山早已熄灭,但它留下的岩石仍然坚硬如初,硬到人类迄今最强的常规炸弹也拿它没辙。地质学不关心人类的博弈,但人类的博弈,有时候得看地质学的脸色。
Grok Imagine
(无正文)
/dream
从 Grok Build 开放后的最初 24 小时起,我就一直在使用它。它仍然是我最喜欢的智能体式编程 CLI,而且有许多细微功能让我特别喜欢。
所以,我想整理一个小串文,介绍 Grok Build 的特别之处,以及一些如果你还没尝试过就应该试试的功能。
让我们开始吧 🧵
(无正文)
经过 3—4 个月的迭代,Open Minis——“可能是你手机上最好的 Agent 应用”——已经沉淀为成熟的架构,如今正支持数万名用户的日常工作流。
今天,我们将全部代码开源:完整的 iOS 和 Android 代码。
真正运行在设备上的 AI Agent:原生 Linux shell、浏览器自动化、可扩展技能、持久化记忆,以及深度系统集成。
现在就 fork 它吧,欢迎你立即构建属于自己的端侧 Agent。🤗
https://github.com/OpenMinis/OpenMinis
是时候了。
很棒的星舰发射视频
你可以直接和 Grok Build 对话
我对 Grok Build 最大的建议是:使用语音提示。
按下 `ctrl + space`,然后说话。
这比打字快得多。
而且,如果你只是开始以一种与“口头腹泻”无异的意识流方式漫无目的地说话,Grok 非常擅长理解你的意图。
2024年,加拿大天文爱好者若埃尔·拉普安特(Joël Lapointe)打开谷歌地图,给自己规划一条露营路线。目的地在魁北克省的北岸地区,人烟稀少,湖泊密布。
看着看着,他觉得不对劲:马萨尔湖周围的地形隐隐透着一个巨大的圆环,怎么看都不像普通的湖光山色。
作为天文爱好者,他立刻想到了一种可能:陨石坑。他把这个发现提交给了“撞击地球”网站。这是加拿大西安大略大学(Western University)办的一个众包平台,专门收集公众发现的疑似陨石坑线索。
线索很快有了下文。2025年,西安大略大学的行星地质学家戈登·奥辛斯基(Gordon Osinski)亲自去了一趟现场,初步确认这确实是一个陨石撞击坑,直径约25千米,年龄约3.9亿年,在那个年代,恐龙还没出现,陆地上才刚长出最早的森林。他说,这可能是近年来发现的最大的陨石坑之一。
上一个这种量级的发现还是2018年:格陵兰冰盖下一个直径约31千米的疑似陨石坑。但那个构造完全埋在冰下,直径测不准,是不是撞出来的也还有争议。
而这个新坑,证据摆在了岩石上。
奥辛斯基的团队在现场找到了震裂锥。这是一种带放射状条纹的锥形岩石构造,只有陨石撞击产生的冲击波才能造出来,火山、地震都不行。在地质学上,它是撞击起源的铁证。
他们还在坑中心以西4千米处找到了保存完好的冲击熔融岩。撞击瞬间的高温把大片岩石直接熔化,冷却结晶后,看上去很像火山岩。这类岩石通常是陨石坑里最先被侵蚀掉的部分,能留到今天,奥辛斯基直言是个大惊喜。
这片土地是因努人(Innu)的传统领地。经当地埃库阿尼希特因努人议事会同意,这个陨石坑被命名为乌哈卡蒂克(Uhackatik)。
一个25千米宽的大坑,为什么3.9亿年都没人发现?因为地球太能折腾了。…
风吹雨打、冰川碾磨、地壳运动,几亿年下来,再深的伤疤也会被磨平、掩埋。月球上随便一望就是成千上万个陨石坑,地球上确认的总共才200个左右。
正因为稀少,每一个都金贵。研究地球上的陨石坑,是人类理解月球、火星上那些撞击坑的最直接途径。毕竟没人能跑去月球上挖剖面,地球上的坑却可以踩在脚下慢慢看。
奥辛斯基说,要想知道乌哈卡蒂克3.9亿年前刚撞出来时的模样,抬头看月球上的第谷环形山就行,那是最好的参照。
而在地球上,跟它最像的是加拿大拉布拉多北部的卡梅斯塔斯廷(Kamestastin)陨石坑,两者尺寸相当。那个坑里含有斜长岩,和月球南极撞击坑里常见的岩石一样,因此被当成了地球上的“模拟月球”。2023年,阿尔忒弥斯2号任务的两名航天员和一名候补航天员专门去那里接受过地质训练,为绕月飞行做准备。带队的正是奥辛斯基。
他说,探索乌哈卡蒂克时,他脑子里装的就是卡梅斯塔斯廷的模板。
要给乌哈卡蒂克的地外身份最终盖章,还得在显微镜下找到更多证据,比如石英晶体里的冲击变形。这些工作正在进行。
~~~~~~
图一:在结构中心发现的岩石中的一处震裂锥(左);在结构中心以西2.5英里(4公里)处发现的熔融岩石,图源:Gattacceca, J. 等。图二:2024年在谷歌地图上发现的一个巨大凹陷,被证实是一个形成于3.9亿年前的陨石撞击坑,图源:Gordon Osinski via Google Earth。
信源:Howell, Elizabeth:《在谷歌地球上发现了一个巨大的陨石坑。它可能是古老陨石撞击留下的伤疤。》Space,2026年7月21日
又一名跨性别者因涉嫌谋杀其父母之一而被捕。
36岁的萨福德·詹姆斯·沃尔夫森自认是女性,因涉嫌谋杀安吉拉·卡普里奥利而被捕。这名61岁的女性于7月20日在拉古纳海滩的家中被发现死亡。
据其 LinkedIn 资料显示,嫌疑人曾在《Spin》杂志工作。他就读于私立文理学院皮策学院(Pitzer College)。
仅在过去几年里,就有多名跨性别者因谋杀其父母而被捕。在极端跨性别意识形态中,弑亲,也就是杀害自己的母亲或父亲,往往是反复出现的主题。
在我对 Zizian 跨性别死亡邪教的研究中,我发现其成员坚信应该杀死“跨性别恐惧症”父母。他们认为这样才能获得正义。关于我的书,更多信息请见:https://www.hachettebookgroup.com/titles/andy-ngo/the-zizians/9780316599030/
@国泰航空线上值机完成还能被取消座位啊?后续航班也只能坐经济舱,这回体验一下16小时坐回国[熊猫]
(无正文)
没错
硬核
#模型时代# 哈萨比斯!Google阵营表态支持英伟达、微软开源倡议。
哈萨比斯:一个强大且安全的开放生态系统对于让全世界都能从人工智能中受益至关重要。我们一直大力支持开源项目与相关科学研究,从 Jax、Transformers、AlphaFold到 Gemma等开放模型,这些模型的下载量已经超过了 3亿次。此外,我们所提出的标准框架也有助于确保开放模型与专有模型都能得到负责任地部署。
以及Google Deepmind AI工程VP Farabet:
非常同意这封信的观点。
3年前,我们基于这一愿景创立了 Gemma,因为我们认为打造一个繁荣的开放权重模型生态系统至关重要,而且很可能会成为未来产业中的重要组成部分。
今天,我们仍在持续投入,努力让 Gemma为开发者带来最大的价值。我个人对它所推动的开放生态系统充满信心。
JensenHuang,能在这里见到你也很开心!
感觉全世界的政府都挺低能的,日本养蛊也是有一手。
要像一米九金发碧眼美国白人男性壮汉那样去思考问题:
整个世界都是我白人男的游乐场,日本作为东南亚的一员,它和泰国都是很好的后花园,这些小东西把政策搞来搞去是在吸引我的注意力吗,小东西还挺有意思。
外国人の永住許可、「厚生年金30年」を原則に 入管庁が厳格化案
由于长期繁荣且人们感知到的外部危险较低而导致的低出生率,是罗马以及大多数其他强大文明崩溃的主要原因。
在迦太基带来的巨大压力下,罗马的出生率非常高;而在他们最终摧毁迦太基——这个最后一个真正的威胁——几代人后,出生率便降了下来。
罗马之所以衰落,是因为罗马人不再生育罗马人。
每当一个文明变得安逸,都会出现同样的模式:出生率下降。Elon Musk 指出了这一点。
公元前 50 年左右,Julius Caesar 注意到了这一现象,并探索鼓励生育第三个孩子的办法。Augustus 更进一步,通过《Lex Julia》和《Lex Papia Poppaea》创立了 *ius trium liberorum*:生育三个或更多孩子的人可以获得特权、税收减免和继承优势,而没有孩子的人则会受到惩罚。这些法律没能扭转趋势。
Will Durant 和 Ariel Durant 对历史的解读显示,这一循环不断重演:外部压力下出生率上升,外部威胁缓解、繁荣增长后出生率下降。例外寥寥无几。
一个社会如果长期低于更替水平,最终就会消失。这是基本算术。
昨天的 Starship 发射
这不是 CGI。
任何对未来失去信心的文明都会消亡。
探索群星是一个令人振奋、值得你相信的未来。
Elon 说得对。
我们还没有意识到,人类(尤其是西方)正在多大程度上默默自我毁灭。
这不是“资源”问题,而是软件问题。
这是一套忏悔、衰退、畏惧未来和说教式社会主义的软件。这套软件教导年轻人:建设是可疑的,工作是异化,利润是肮脏的,而未来注定一片黑暗。
结果是:再也没有人真正愿意延续生命。既然我们已经决定憎恨这个世界,又为什么要在这里生孩子?
我们需要一次硬重启。
一个清晰的新文明计划:培养通才型博学者,奖励创造力和在现实世界中建造事物的意愿;把工作和技术创造重新置于中心位置,把它们变成一场令人振奋的游戏,让我们彼此惊叹。
不是为了利润而追逐利润,不是把学习当成苦差事,而是公开歌颂未来、实证主义和建设性的乐观主义。
因为只要我们还没有用建设的软件替代缓慢死亡的软件,人口曲线就只会印证 Musk 所说的话:文明终将消失。
21 世纪将属于那些仍有勇气渴望未来的人。
他们的入侵与一支常规军队入侵同样确凿,只是速度足够慢,因而不会触发英国的武装防卫。
有老人……或者女性……或者儿童吗?
还是只有处于战斗年龄的年轻男性?
我想知道到底发生了什么?
很好的分析
确实如此
文明因自我毁灭而消亡。
Toynbee 花了 30 年研究 26 个文明,发现文明会在一群真正解决难题、赢得民众真诚忠诚的创造性少数群体推动下崛起。
随后,同一个少数群体逐渐僵化为统治性少数群体:他们不再真正发挥领导作用,却依靠武力和惯性维持权力。多数人开始置身事外,社会肌体内部也由此出现裂痕。
外部威胁只会完成那场早已从内部开始的毁灭。
从来没有一支入侵军队杀死过一个健康的文明;它们埋葬的,只是那些已经不再相信自己的文明。
我没体验的时候也觉得需要心理适应,但是实际上确实没有,感觉是因为一些处置上没有犹豫(比如变道从来没有变一半再放弃的),之前体验的有些辅助驾驶处置过程偶尔会犹豫,体现上就是方向盘突然抖,变道会中止,这肯定会增加用户紧张感🙄//@牛叔:我用L2都略紧张,老担心机器犯毛病。这种全自动是不是要很强心理适应?//@八大山债人:L3啥定义?出车祸汽车厂家负全责?。。那我高低得买一辆L3的。。。#债见# 。。。
#tesla v14# 航班被取消,去曼哈顿跟朋友吃顿饭,1个半小时,只人工干预了一次,是车上人多,换车道开进HOV车道🙄然后就问grok你丫能自动开进HOV车道么?grok就说有个设置打开了车里摄像头会数乘客人头自动进HOV😅路上还有一次,正在等红灯,突然倒车,给我吓一跳😂然后发现旁边有个大货车转弯,需要后退让出来一个安全空间。。。简直了🤔🤔
另外美国的路可真是烂啊,路上好多坑,Model Y底盘太硬了,坐着是真不舒服,这个车在美国带上税得5万美金,座舱又实在太工业风,如果价格和国内差不多,座舱再舒适一些,估计在美国得杀疯了🙄个人觉得国内政策应该允许给车厂一定的额度(美国貌似前几年有这个政策),比如每个车厂1万个L3的名额,这个额度内的车辆OTA可以宽松一些,如果这些L3无事故行驶够XX百万公里了,再给L3牌照,而不是现在这样要么全给要么不给
ELON MUSK:“大多数历史学家可能都忽视了一点,那就是低出生率在文明衰落中的作用。
公元前 50 年左右,罗马通过了一项法案:向生育第三个孩子的罗马公民发放奖励。因此,公元前 50 年罗马的出生率已经是个问题。罗马人没有在生育罗马人。古希腊也是如此。
出生率远高于死亡率,这正是地中海各处不断出现希腊城邦的原因。但后来情况似乎变成了:繁荣会摧毁出生率。当一个文明觉得自己没有任何真正的外部威胁,同时又非常繁荣时,出生率就会因此暴跌。”
没错。激励机制解释了结果。
40 年来,人们一直告诉你:如果没有“左翼敏感性”,人们就会饿死。
而数据所说的恰恰相反。
1990 年:23 亿人处于极端贫困,占全人类的 38%。2025 年:8.08 亿人,约占 10%。
35 年间,15 亿人摆脱了绝对贫困。这是人类历史上最大规模的苦难减少。
是谁做到的?
不是国际援助,不是非政府组织(NGO),不是再分配计划,也不是左翼敏感性。
是市场,是贸易开放,是 1978 年放弃毛主义的 Deng 领导下的中国,是 1991 年实行自由化的印度,是向资本主义开放的越南、印度尼西亚和孟加拉国。
同期极端贫困率出现暴增的地方,只有哪些?
社会主义 Venezuela(十年间从 27% 上升到 80% 以上,通胀率达到 130,000%,委内瑞拉人均减重 11 公斤)、North Korea、Cuba,以及 Mugabe 治下的 Zimbabwe。
左翼不会养活穷人,只会制造穷人。
资本主义创造的财富如此之多,以至于就连美国的“失败者”生活水平也高于苏联中产阶级。一个美国穷人有冰箱、汽车、手机、空调和互联网;一个古巴穷人还在等待大米。
“美国社会福利是灾难”仍是法国人的一个传说。美国人均 GDP(国内生产总值)为 80,000 美元,法国为 45,000 美元。密西西比州(美国最贫穷的州)居民的收入中位数也高于普通法国人。
在自由主义制度下,创造的财富更多,分配范围更广,穷人也少得多。处处如此。没有例外。在所有被测量的时期都是如此。
面对这些数据,2026 年还做左翼,不再是敏感性,而是宁愿坚持道德姿态,也不要结果。
没有结果的同情,叫作虚荣。
阿西莫夫的《基地》系列对我影响很大。
《基地》的灵感来源之一是罗马的衰落,而正是这两者让我确信,我们需要将意识延伸到地球之外,以避免陷入可能无限延续的黑暗时代。
彼得这次对我的看法并不正确。
我一直都知道,来自地球的危险也会对火星构成威胁。这显然是事实。不过,前往火星极其困难,这意味着我们更有可能减轻源自地球的风险。
一个能大幅降低风险的明显例子就是致命疫情。因为抵达火星需要 6 个月,所以天然就有 6 个月的隔离期!
即使以光速传播,致命的计算机病毒或人工智能攻击也有可能被阻止,因为火星距离地球约 4 到 20 光分。
这并不意味着火星文明能够消除所有风险,但它绝对能大幅降低意识被彻底消灭的风险。
此外,火星是将意识广泛延伸至太阳系、并最终延伸至银河系数百万颗恒星的垫脚石;这会让我们所知的意识可能存续的时间延长许多个数量级。
话虽如此,真正最能激励我的,并不是将生命延伸到地球之外所带来的风险降低,而是探索本身的鼓舞人心,以及置身群星之间的感觉!
也许我们会遇到外星人,或者发现那些曾存续数百万年的远古文明遗迹……
这是雅加达去泗水的火车,印尼看起来比泰国还是朴素得多,很多地方尘土飞扬的大工地,跑外卖的骑手要到下半夜才会休息,都在努力活着。其实曼谷底层也这样,但你会明显感到它灯红酒绿的地方,要繁华得多。以致于我在街上走,看到一个桃红色的灯箱,凑近一看居然是大麻烟馆。类似的专门抽大麻的地方,我在曼谷呆了短短两天,已经看到好多个。
(无正文)
酷。
🔥💯引用原帖:
#tesla v14# 航班被取消,去曼哈顿跟朋友吃顿饭,1个半小时,只人工干预了一次,是车上人多,换车道开进HOV车道🙄然后就问grok你丫能自动开进HOV车道么?grok就说有个设置打开了车里摄像头会数乘客人头自动进HOV😅路上还有一次,等红灯突然倒车,给我吓一跳😂然后发现旁边有个大货车转弯,需要后退让出来一个安全空间,简直了🤔🤔
另外美国的路可真是烂啊,路上好多坑,Model Y底盘太硬了,这个车在美国带上税得5万美金,座舱又实在太工业风,如果价格和国内差不多,座舱再舒适一些,估计在美国得杀疯了🙄
😂😂
记者:你断言英国的内战不可避免。
埃隆·马斯克:以目前的趋势……是的。
记者:那么,你最后一次踏上英国是什么时候?
埃隆:几年前。
记者:我住在那里。那完全是胡说八道。
埃隆:(冷笑)你不住在英国……你只是在一个金笼子里苟延残喘。
#一分钟精选视频扶持计划#
我太兴奋了,@JensenHuang 现在成了开源的信徒,期待 CUDA 和 GPU 驱动程序开源发布!
【#台风海浪打断广东水泥柱#】#台风红霞威力##台风红霞#靠近,广东汕尾红海湾景区阵风已达10级,海边掀起大浪。总台记者看到,一根水泥柱被巨浪拍断,又被冲到岸上↓↓台风红霞移动速度快,且路径笔直,直冲广东沿海而来。同时,它周边没有冷空气和其它台风,就像上了高速路,一路狂奔。注意安全!
人类创造出的最强大移动物体。
发射世界上最强大的火箭时的景象与声音。
川普谈到2011年那次著名的白宫记者晚宴:
“因为我实际上来过这里好几次了,只是人们没有意识到而已。其中有一次特别值得一提,那是巴拉克·侯赛因·奥巴马主持的时候。你们知道那是谁吗?
他狠狠地吐槽了我,但实际上他的态度还是挺尊重的。当时我和Melania同坐在一桌,而就在紧挨着旁边的另一桌坐着超模Brooklyn Decker……我一直很喜欢她,她嫁给了一位出色的网球运动员,Andy。她在另外那一桌,没和我同桌。那个片段我看过成千上万次了,他们总是反复播放,因为他们觉得我就是在那天晚上决定竞选总统的。
事实并非如此。实际上,我非常喜欢那个晚上。我看着我的妻子,我说:‘你敢相信吗?所有这些人,他们一直在谈论的只有我。我太喜欢这个晚宴了!’这是真的。
而且奥巴马人挺好,你知道,事情的发展真是不可思议。他当时甚至展示了一张白宫的照片,上面顶着一个大大的“川普”(Trump),就像我在那挂了个招牌一样。你想想看,我某种程度上其实也算是这么做了,对吧?我的意思是想想看……他当时其实也没说错。
不过,他当时是尊重人的。他表现得很好,而且……而且这和……但这完全无关……这完全无关……我只是决定我要让美国再次伟大(Make America Great Again)。这跟那场晚宴没有任何关系。”
#海外新鲜事##白宫记者晚宴##今日焦点##热点现场#
【全世界电信资费最便宜的国家卢旺达】
在卢旺达办理电话卡,起初我都怀疑我听错了。
刚到首都基加利的第一天,重要的事情就是有网络,先去当地电信运营商门店办理一张SIM卡。
当地餐厅服务员待了我2分钟到了一家Itel(公司名字)的门店。
需要提供护照,然后窗口会花冗长的时间,填写一堆信息,接着问我要哪种套餐。
一种是3000当地币,一个月有30GB。另一种是5000当地币,一个月有60GB。
由于我刚到卢旺达,我还没有换算过当地货币币值,等我拿出汇率器换算的时候,我还以为我看错了。3000当地币相当于人民币13.78元。5000当地币相当于人民币23元。
于是我又差了其他平台的汇率,确实就是这个价。
最后我付了3000流量费+1000办卡费=4000,相当于18.38元人民币,获得30天30GB的流量。
我就在卢旺达待几天,根本用不完这么多流量。
卢旺达是我目前遇到过流量费最便宜的国家,最贵的是阿联酋。
AMD EPYC 9006 “Venice”并不是为某一种工作负载打造的,而是为所有工作负载而生。
@StorageReview 深入解析了完整的 Zen 6 产品组合,以及它为何对现代基础设施至关重要。
阅读更多:https://www.storagereview.com/news/amd-6th-gen-epyc-venice-256-cores-1-6tb-s-and-the-first-pcie-gen-6-server-cpu
去世小女孩的父母联系Science并不是复仇,他们保护了更多孩子。
1.那个临床试验用的是AAV(腺相关病毒),这个是一种很常用的基因治疗载体。
我简单解释下原理。基因编辑治疗大体上有两步,第一步是把基因编辑的工具送到靶向细胞,第二步是在细胞内进行基因编辑。就类似你家水管坏了,维修公司派一辆车载着维修工人和工具去你家。
这辆车就是AAV,它也是目前基因治疗最常用的载体,免疫原性相对低、安全性比较好。但是核心问题在于高剂量使用时的免疫反应和器官毒性。因为只有极小一部分病毒能真正进入靶细胞并起效,要修复足够多的脑细胞就需要数百万亿个病毒颗粒,这是正常疫苗接种剂量的数千倍。
而高剂量AAV注射可能引发肝衰竭(免疫介导的肝细胞杀伤),另外还有补体系统的过度激活导致的血栓性微血管病。
那名小女孩出现的高烧、血小板急剧下降和肾衰,都与这些机制有关。这一点在医院事后的报告里面也有提到,她的死因就是血栓性微血管病,与治疗相关。
2.这些严重副作用,研究人员并非不知道,因为在之前的动物试验中,所有四只接受基因治疗的猴子就出现了中/重度的肝损伤,一只接受高剂量注射的猴子还出现了肾损伤。
然而,医院伦理委员会在批准小女孩的临床试验前,并没有审查灵长类动物安全性研究的最终报告。知情同意书没有明确指出任何环节都可能导致死亡,小女孩父母提到,在他们与仇子龙或其他医生的谈话中,研究人员也从未提及这一点。
最后,实验动物的副作用,成了人类患者的悲剧,并且是一名年仅6岁的小女孩。
3.小女孩父母最后决定站出来,原因之一是他们在之前的自闭症病友群里,发现很多父母开始准备联系仇子龙,想要了解相关研究。
因为仇子龙在Nature上发的论文从未提及这一悲剧,而这一论文还被很多媒体广泛宣传了,很多家长都看到了。…
孩子父母向大学投诉了,但校方没有对仇子龙采取任何实质处罚措施(截至目前);然后他们又联系Nature要求撤稿,Nature拒了这个要求,说这个伦理问题超出了他们的职责范围。
最后没办法了,这两条路都堵死了,小女孩父母决定向Retraction Watch(学术诚信监督平台)和Science公开他们经历的一切。
然后,昨天Science在官网发了长篇报道,现在全世界都知道了。
4.1999年美国也有个类似的悲剧(Gelsinger案),一名18岁的男孩参加基因治疗临床试验,注射后因剧烈免疫反应导致多器官衰竭,四天内死亡。这个事件的违规事项之一,正是没有在知情同意书中披露灵长类毒理实验中的不良反应,FDA后来暂停了几百项临床试验。
同一类违规,时隔27年,悲剧在另一个国家重演了一遍。
我看了Science的长篇报道,有这么一段话让人无法释怀。
(小女孩出现严重副作用后)医生给她做了全身CT扫描,然后迅速将她送往ICU。她一直强忍着的笑容开始动摇。
「妈妈,我想回家。」她对妈妈说,然后消失在病房里。
这是替身攻击//@蚁工厂:🐶
由 Starlink 卫星拍摄的 Starship 真实照片。
(无正文)
观看 Falcon 9 从加利福尼亚发射 24 颗 @Starlink 卫星进入轨道 https://x.com/i/broadcasts/1vKpPPAeQvoKE
今年的夏天异常炎热… 连平时凉爽的英国也都连续破了好几次最高温的纪录。
我这周在历史名城巴斯(Bath)避暑、度假。 著名作家简·奥斯汀(Jane Austen)的书迷都会爱上这座古城的乔治亚风格建筑,让人感觉走进了她小说中的名场景。
事实几乎已经说明,将非法移民遣返并确保边境安全并不算“极右翼”。
谁能想到呢?
在重新安排的白宫记者晚宴上,<华尔街日报>记者团队因报道川普曾送给爱泼斯坦的生日贺卡,获得了“Katharine Graham勇气与问责奖”:http://t.cn/A6klnH3L http://t.cn/AX9WglwX
川普现场面对获奖记者鼓掌并握手祝贺,尽管他此前就此事起诉过该报。
#海外新鲜事##今日焦点##白宫记者晚宴#
无限的宽容会让开放社会走向自我毁灭。
Elon Musk 刚刚警告说,持有不相容价值观的社会最终会迎来清算。Karl Popper 在 1945 年观察到法西斯主义者和共产主义者利用开放社会自身的宽容对付它时,也提出了完全相同的观点。
Popper 写道,无限的宽容必然会导致宽容消失。如果一个社会不断对那些公开企图摧毁它的人施以宽容,却拒绝自我防卫,那么不宽容者就会获胜,而宽容也会随他们一同消亡。
他从未要求首先实行审查。要与不宽容的思想争辩;只有当它们停止争辩、开始使用武力时,才应压制它们。
80 年后,Musk 又提出了同一个问题:一个宽容的社会在不再是宽容社会之前,究竟能容忍多少?
Geoffrey Hinton 表示,大型语言模型只运行在约占你大脑连接 1% 的连接上,却最终比你知道得更多:
“粗略地说,你的大脑中有一百万亿个连接。好吧,这很多。但你一生大约只活二十亿秒。这并不多。”
“如果把你一生经历的秒数与你拥有的连接数量进行比较,你拥有的连接远多于你的经历。”
“而对于这些神经网络来说,情况有点反过来。它们只有大约一万亿个连接。所以,即使是大型语言模型,这也只相当于你连接数量的 1%,许多模型甚至更少,但它们获得的经验却比你多数千倍。”
“所以,大型语言模型正在用不多的连接来解决这个问题,只有一万亿个连接。我要如何利用海量的经验?”
“而反向传播非常、非常擅长把海量知识压缩进不多的连接里。”
“但我们要解决的不是这个问题。我们拥有海量的连接,却没有多少经验。我们需要想办法从每一次经验中尽可能多地提取信息。”
二十亿到三十亿秒就是你全部的人生预算。你知道的一切,都是在这段时间里学到的。
所以,进化让你能够从极少的经验中挤出大量信息。Hinton 的观点是,语言模型面临的问题正好相反,解决方法也正好相反,而反向传播最终被证明非常擅长解决这个问题。
值得注意的是,这一观点还预示了系统会如何失败。一个只运行在你 1% 的神经连接上、却拥有你数千倍经验的系统,不会以你失败的方式失败。
你会因为见过的例子太少而失败。它则会因为把太多内容压缩进过小的空间而失败,而错误正是在压缩过程中产生的。
把这样的系统部署到医院和法院,却没有办法检查其内部,这是一件奇怪的事。我们通过向这些系统提问来测试它们,这只能告诉你它们输出了什么。如今还没有人能够查看一万亿个连接,并说出其中究竟压缩了什么。
——Geoffrey Hinton,诺贝尔奖和图灵奖得主,在 StarTalk(@StarTalkRadio)节目中与 Neil deGrasse Tyson 对谈。
第三个被告也出来了,名字叫杨敬尧,很巧的再次和一家港股上市公司的最大单一股东「同名」,家庭背景也很典型,父母是内地的富裕人士,儿子拿到香港居民的身份,靠私人投资用钱生钱。
「财新」还真把富途内幕交易案里的Wenlei Song给挖出来了啊,牛逼。
财经圈应该都还挺关注这个跨国案的,起因是今年5月证监会对富途、老虎等券商作出惩罚,卡在消息披露之前半个月,美股期权市场就有人囤积了超过20万张看跌期权,靠1200万美金的成本最后搏到手1亿美金,短期回报率达到900%⋯⋯
于是美国人输不起了(🐶),作为对手方的做市商海纳国际和城堡证券在纽约占位起诉,把看跌期权的全部盈利都给锁了,然后法院顺着受益账户公布了两个被告,其中一个恰好和前香港财政司司长梁锦松参与实控的投资公司新风天域同名。
另一个是自然人,名叫Wenlei Song,最开始被认为是曾经担任中信建投首席投资官的宋文雷,打电话过去问,被人家否定了,也说是同名,不过这次好像是真的同名,「财新」找到了另一个宋文雷,并确认了他就是此次被告。
这个宋文雷也在中信证券干过,现已移民澳大利亚,同时活跃于中国股票的二级市场,他爸宋凤毅上过多家A股公司的前十大流通股东名单,最高持仓规模接近10亿人民币。
目前听证会已经因被被告申请而延期了,根据原告的说法,随着匿名账户的进一步解锁,还会追加更多的起诉对象进去。
如何让这个大V关注你,在大V上学时,提供一个勤工俭学的机会。http://t.cn/AX9lFkXL //@不是郑小康:不排除也成为大 V的可能性,但不保证一天涨粉 60万哈。//@向着太阳去飞翔:郑老师,你说我能不能反着来:先注册一个账号,再创办一家市值 5万亿美元的公司?
本期对话围绕 Anthropic 如何从早期只有五名产品工程师的团队,成长为能够持续交付前沿模型和产品的公司展开。Dianne Penn 认为,Anthropic 的关键并不只是模型能力,而是把研究、产品和真实用户反馈连接起来的工作方式:通过快速实验寻找新体验,用评测把模糊的用户痛点转成研究团队可以处理的问题,再用持续迭代验证改进是否真正产生了用户价值。她也讨论了 Claude Code、Labs、token maxing、模型安全防护和不断加速的能力曲线,强调在 AI 快速变化时,适应能力、第一性原理思考、亲自使用技术和团队协作比固守旧流程更重要。
Dianne 回忆,2023 年加入 Anthropic 时,产品团队只有五名工程师,API 业务甚至只有一名工程师。早期团队一边探索 Claude 能为用户和社会带来什么,一边寻找区别于竞争对手的产品身份。Golden Gate Claude 是一个重要的隐性转折点:研究人员发现模型中与金门大桥相关的特征后,工程、产品、设计和研究团队在 24 小时内把一个会反复谈论金门大桥的古怪体验部署到 Claude.ai。它触达的人数不多,却证明 Anthropic 可以用创业公司的速度,把真实研究变成独特的用户体验。
Opus 3 让团队意识到,Anthropic 能够交付前沿模型;之后 Opus 4.5 和 Claude Code 则展示了模型与产品之间的相互强化。Dianne 认为,前沿模型需要前沿产品作为载体,用户只有在好的产品体验中才能感受到模型能力;反过来,产品也需要模型达到足够高的智能水平,才能获得广泛采用。
面对模型能力的指数式提升,Dianne 建议保持适应性和敏捷性。团队有评测、安全测试、红队测试和不断出现的新原型,但很难事先知道能力会在哪个版本、哪个时刻发生跃迁。因此,面对新信息时及时调整计划,比机械执行原计划更重要。她还强调第一性原理思考:模型现在能做什么?用户下一步会怎样变化?产品是否能与未来的能力兼容?
她把 token 支出视为实验的输入,而不是目标本身。真正的产出是更多实验、更好的想法和对技术边界的直接理解。Anthropic 内部早期通过公开的 Slack 实验让大家互相分享用法,一个人提出的点子可能在其他人的变体尝试中迅速变成新体验。Labs 则专门探索不连续的大赌注:对主题或方向保持强信念,对具体原型保持较弱信念;即使某个原型没有立即发布,它也能帮助团队学习,并可能在之后的模型世代重新获得机会。
Dianne 认为,优秀的研究人员通常擅长第一性原理推理,对研究方向有热情和大胆愿景,同时愿意深入训练运行、评测和底层数据。研究组织既要思考长期的能力边界,例如让 Claude 使用电脑,也要处理今天用户遇到的具体问题。产品团队的作用之一,就是把“Claude 产生幻觉”这样的模糊反馈拆解成工具调用失败、搜索与知识综合失败或对齐问题,再将其转成可复现、可测量、可行动的评测。
随着 frontier model 更强,模型安全防护、红队测试和发布前流程也必须同步演化。Anthropic 为强能力模型准备 fallback 系统,目标是在降低严重风险的同时,仍然给用户提供优秀体验。Dianne 也指出,通用 AI 技术应尽可能开放和包容,不能只成为少数实验室内部的优势。
Anthropic 的产品团队把评测称为新的 PRD(产品需求文档),因为评测能更直接地表达用户需求。早期 Claude 在 JSON 等特定 schema 上表现不佳,团队没有停留在“Claude 不会遵循指令”这一层,而是深入追问用户场景、完整 prompt、模型回答和失败轨迹,发现大约 80% 的问题集中在无法生成正确 JSON。团队据此构建了几十个例子组成的评测集,并在后续模型中持续运行,直到问题基本消失。
但 Dianne 并不认为 PRD 已经过时。对模型发布、产品界面和需要法律、安全等团队对齐的工作,PRD 仍是共同目标和事实来源。面对 computer use 这类尚未有明确用户痛点的模糊机会,PRD 的产品愿景部分也能帮助团队探索未来价值。变化在于:产品经理要根据问题性质选择评测、PRD 或两者的组合,而不是把旧流程当作固定仪式。
Dianne 强调,不论资历和管理层级,产品负责人都必须亲自构建和交付,不能只通过报告理解 AI。亲自使用 Claude、Codex 或其他工具,才能形成对模型能力、限制和用户体验的真实判断。她认为,找到 AI 工作乐趣的方式不是尝试所有新产品,而是和一个对技术有热情的人结对,或选择一两个真正能改善生活和工作的方向深入探索。
她也分享了用 Claude 准备关键对话、改进管理和进行头脑风暴的方式。她通常先形成自己的观点,再让 Claude 作为思考伙伴提出反驳,避免模型接管全部思考。对于标准化程度较高的月度业务回顾,她则希望逐渐把写作交给 Claude,自己转为审阅和验证的人。对齐和安全研究带来的“适时反驳”能力,能让 Claude 不只是顺从地执行,而是帮助用户得到更好的结论。
Dianne 认为,人类的判断力来自长期经验和细节积累,仍然是产品方向选择、解决方案取舍和高质量体验设计的关键。好奇心、坚持、主动性、自己的观点和个人声音,也应当继续在孩子和成年人身上培养。她把避免过度依赖 AI 的原则概括为:先建立自己的观点,再使用 AI 放大和检验它。
面对高强度工作,Anthropic 依靠团队协作而非个人英雄主义。发布前夕,非直接负责人也会留下来审阅博客、修改文字和改进演示;团队通过公开分享、互相补位和“进入蜂群思维”来让成员能够休假、恢复,并相信团队会继续做出正确决定。她还认为,低自我、以团队为导向的招聘,有助于让这种工作方式长期持续。
1. 前沿模型必须有前沿产品作为载体;模型能力和产品体验会相互促进,单独发布模型并不一定能让用户感受到它的价值。
2. 在能力指数增长的阶段,适应性、敏捷性和第一性原理思考,比预先写好的长期计划更重要。
3. token maxing 的价值不在于花钱本身,而在于通过大规模、持续的亲身实验理解未来的工作方式。
4. Labs 应该探索不连续的大赌注,对方向强信念、对具体原型弱信念;失败的原型也能带来可复用的学习。
5. 评测是把模糊用户反馈变成研究行动的桥梁。先定义可复现、可衡量的问题,才能知道模型是否真的改善。
6. PRD 没有消失;明确问题适合用评测,模糊机会和大规模协作仍需要产品愿景与 PRD。
7. AI 产品负责人必须亲自使用和交付,才能理解模型的真实边界,并形成对“好产品”的判断。
8. Claude 最有价值的角色不是永远同意用户,而是在恰当的时刻反驳、补充和推动用户形成更好的想法。
9. 判断力、好奇心、坚持、主动性和自己的观点,是在 AI 继续增强后仍然重要的人类能力。
10. 高强度 AI 工作不能靠个人独自承担;低 ego 的团队文化、公开实验和互相补位,是持续创新的重要条件。
- Anthropic 的早期岁月与 Golden Gate Claude [00:00:00 - 00:10:00]
- 从 Opus 3 到指数曲线 [00:10:00 - 00:20:00]
- 研究组织与 Labs 的运作方式 [00:20:00 - 00:30:00]
- 招聘、第一性原理与评测驱动的产品工作 [00:30:00 - 00:40:00]
- 亲自构建、与 AI 一起找到乐趣 [00:40:00 - 00:50:00]
- Claude 的使用方式、思考伙伴与对齐 [00:50:00 - 01:00:00]
- 写作的边缘与人类判断的价值 [01:00:00 - 01:10:00]
- 团队协作、韧性与产品经理的未来 [01:10:00 - 01:20:00]
- 从交易员到 AI 产品负责人 [01:20:00 - 01:30:00]
- 快问快答与结语 [01:30:00 - 01:33:48]
Lenny Rachitsky:2023 年我开始做这件事时,没人会把 Anthropic、Claude 和编程放在同一个句子里。我想回到 Anthropic 的起点。那时我记得自己想:这些人根本没有机会,OpenAI 已经遥遥领先了。人们刚开始使用模型,不只是做代码自动补全,而是真正让模型编写长篇代码。那似乎并不是我们训练 Opus 3 时重点考虑的机会。 那就是转折点。我总会想到一年后的 Opus 4.5:寒假期间,大家都在家里,有时间编程。Opus 4.5 的神奇之处在于,我们当时不只是有一个模型,还有一个载体——优秀的产品体验 Claude Code。没有 Claude Code,Opus 4.5 不会迎来那一刻;没有 Opus 4.5,Claude Code 的普及也不会被加速到那种程度。 我还想谈谈产品岗位如何变化。对我的团队来说,驱动用户价值的方法是找到正确的用户反馈和评测。我们团队有句话:评测就是新的 PRD。如果你现在愿意每年花 10 万美元购买 token(令牌),你正在以 2028 年的人们将采用的方式工作。 你要像在意像素一样在意 token。你必须使用模型来提出好点子、更好的点子和最好的点子,这没有替代品。如今大家需要对 AI 工具更有野心,因为它们的能力太强了。我经常问团队:假设 Claude 8 出现了,用户的行为会发生什么变化?这对你们今天的构建意味着什么? 今天的嘉宾是 Dianne Penn,Anthropic AI 研究与 Labs 团队的产品负责人。她在三年多前加入 Anthropic,成为公司的第一位技术产品经理——按 AI 的时间尺度,这几乎是一辈子。当时产品团队只有五名工程师。她参与交付了 Anthropic 从 Claude 2 到 Fable 的每一个模型,也帮助孵化并发布了 Claude Code、MCP、Skills、Claude Design,以及 computer use、tool use 和 reasoning 等核心能力。能和身处 AI 与产品管理中心的人交谈,总是令人兴奋,也能打开思路。下面请听 Dianne Penn。 Dianne,谢谢你来参加节目。欢迎。我们回到 Anthropic 的起点和早期岁月。Anthropic 刚发布时,我记得自己想:这些人没有机会。OpenAI 已经领先太多了,他们到底在想什么?OpenAI 已经赢了,一切都太晚了。现在情况完全不同。最近我看到的数字是,Anthropic 的 ARR(年度经常性收入)大约是 500 亿美元;这曾经是非常成功的公司上市时的估值。Anthropic 据称每年都能做到这个数字。你是最早加入的产品经理之一,加入时大约只有五名工程师,模型甚至还没有发布。Anthropic 早期是什么样的?有什么地方会让人意外? [00:00:00]
Dianne Penn:我认为,Anthropic 今天之所以成为现在的样子,很大程度上源于早期的核心特质。我在 2023 年加入,当时有五名产品工程师,API 业务甚至只有一名工程师。公司的文化非常强。对于那些对公司感兴趣的人,我总会强调:这里的人确实践行使命、文化和价值观。那时的能量很像一家创业公司,我们还在努力寻找自己的身份:技术如何给用户和社会带来价值?它究竟能是什么? 早期我们以 Claude.ai 这样的聊天助手起步,之后逐渐发展到工具使用等方向。真正开始找到节奏的时刻之一,是发布 Golden Gate Claude。你还记得吗? [00:01:00]
Lenny Rachitsky:不记得。 [00:02:00]
Dianne Penn:那其实只上线了大约 24 小时。2024 年初,我们刚发表了一篇早期的可解释性研究。研究发现,模型层中存在所谓的 feature(特征),会表达某些主题,比如项目符号写作、人物和地点。其中一个频繁出现、也最能引起共鸣的主题是金门大桥。把这个特征调高后,Claude 就会痴迷于金门大桥:不管回答什么问题,都会谈到它。你让它给出意大利面的食谱,它会说:“这里有一份食谱,橙色就是金门大桥的国际橙色。” 这个体验非常古怪,但我们想把研究直接带给开始使用 Claude 的人。于是我们在 24 小时内把整个体验部署到 Claude.ai 网站上,工程、产品、设计和研究团队一起工作。我们对此非常自豪。老实说,它可能只触达了 2,000 人,却让我们意识到:我们可以用不同且真实的方式把研究变成新的用户体验,而且能以创业公司的速度完成。这是我们开始找到自身身份的隐性转折点——我们可以构建竞争对手没有的产品和体验。 后来有了 Labs、Claude Code 等,我们逐渐明确了自己如何思考世界、如何把 AI 带给公众。但那是一种自下而上的文化。这个项目就是工程师和设计师自愿投入时间完成的。早期的文化和价值观,我认为一直延续到了今天。 [00:03:00]
Lenny Rachitsky:本期节目由 WorkOS 赞助。OpenAI、Anthropic、Cursor、Vercel、Replit、Sierra、Clay 以及数百家优秀公司有什么共同点?它们都由 WorkOS 提供支持。为企业构建产品时,你一定感受过集成单点登录、SCIM、RBAC、审计日志等功能的痛苦。WorkOS 把这些交易阻碍变成开箱即用的 API(应用程序接口),为 B2B SaaS(面向企业的软件即服务)打造现代开发平台。 无论你是要拿下第一个企业客户的种子期创业公司,还是正在全球扩张的独角兽,WorkOS 都能帮你快速做好企业化准备。访问 workos.com 开始使用。 从一个试图与 OpenAI 这个巨头竞争的实验室,到今天的 Anthropic,哪些转折点最重要? [00:04:00]
Dianne Penn:训练和测试 Opus 3 绝对是其中之一。当时公司还不到 200 人。那段时间,推理、研究、微调和预训练等不同团队在不同阶段围绕共同目标集结。大家记得那时是 12 月,都在各自父母家里工作,视频会议的背景里常常是童年卧室。所有人都在努力弄清楚:模型究竟是为谁训练的?它是否以正确的方式呈现?这段经历建立了大量信任。很多当年的研究负责人如今负责强化学习、角色塑造和对齐工作;早期在战壕里并肩工作的经历,也让产品与研究能够更好地合作。 我们还在寻找用户为什么应该选择 Claude。发布 Opus 3 是一个关键节点;它在 2024 年 3 月初发布,而在此之前,推理、研究、微调和预训练团队已经共同努力了许多个月。我们非常清楚,必须做出 frontier model(前沿模型),这关系到触达用户、消费者以及展示研究成果的能力。 这段回顾的重点,是把早期选择、用户反馈和模型能力放在同一条产品判断链路中理解;技术本身只是起点,真正的差异来自如何把它变成用户能够感受到的价值。 [00:05:00]
Dianne Penn:我们在各自父母家里远程工作,研究负责人和产品团队一起努力,后来很多人继续领导强化学习、角色塑造和对齐工作。那段时间建立的基础信任,让我们今天处理生产模型时仍然能够高效协作。 2023 年我加入时,没有人会把 Anthropic、Claude 和编程放在同一个句子里。GPT-4 当时也有人用于编程,但编程只是众多用途之一。后来我看到人们开始用这些模型编写长篇代码,而不只是做代码自动补全。我们训练 Opus 3 时稍微调整方向,就让它在早期形成了竞争差异,吸引了最早的一批 Claude 爱好者和开发者,因为它带来了当时人们没想到的价值。 [00:10:00]
Lenny Rachitsky:你谈到 Opus 3 时,它听起来已经是很久以前的事了。你们内部把它视为重要里程碑很有意思。那像是“我们真的能交付前沿模型”的信心。如今回头看,它当然比不上今天的模型。我想到 Opus 4.5:一年后,同样是在寒假,人们都在家里编程。那又是一个重大里程碑吗? [00:11:00]
Dianne Penn:当然。Opus 4.5 的神奇之处在于,我们不再只有一个模型,还有 Claude Code 这样的载体和产品体验。团队常说:要让人们感受到前沿模型的魔力,就需要前沿产品。Claude Code 的体验我们已经感受了几个月;但当模型的智能达到一定水平,用户就能在更广泛的新场景中体验前沿能力,让它以 agentic(代理式)的方式端到端运行,这才是真正的转折。 那其实是两者共同作用的结果。没有 Claude Code,Opus 4.5 不会迎来那一刻;没有 Opus 4.5,Claude Code 的普及也不会被加速到那种程度。 [00:12:00]
Lenny Rachitsky:Dario Amodei 经常说,编程将在大约一年内被解决。以前大家都觉得不可能:编程太复杂了,怎么可能让 AI 做好?但他是对的。他还经常谈到我们正在经历的 exponential(指数增长)。不久前,新模型发布时人们还会说“到头了,已经没有上升空间,开始平台期了”;现在正好相反。我们仿佛进入了指数曲线内部。由于处在曲线的 hockey stick(曲棍球棒)部分,每次改进都会带来巨大跃升。置身于这个 AI 快速进步、不断解锁能力的历史时刻是什么感受?人们应该如何为接下来的加速做准备? [00:13:00]
Dianne Penn:团队里很多人并没有在互联网从新奇事物变成人人可用的东西时参加工作,所以这个类比很有帮助。第一,适应能力会变得非常重要。我们有评测、安全测试和 red teaming(红队测试),也会在能力与产品侧不断做新原型,例如 Claude Code、Claude Tag 等。但我们很难预测具体会在什么时刻、什么模型上发生突破。面对新信息时,你能否据此做出更好的决定,而不是固守原计划,这就是适应能力。 敏捷也很重要。你需要用 first principles(第一性原理)思考下一步是什么、它意味着什么、应该投资哪些新产品,以及如何向用户解释差异。指数增长带来的体验,就是理解如何在这种节奏下做决策,再用第一性原理思考下一步。有时原本计划几个月后做的事情,现在模型已经能完成,就可以提前带给用户,例如 Cowork、Skills 和 Claude Tag。这是一个积极的自我强化循环,也需要团队彼此信任、共同做出正确判断。 不同团队感受到指数增长的速度不同。我们要有耐心,把不断扩大的组织带上这趟车。 [00:14:00]
Lenny Rachitsky:所以你们几乎不知道每次模型发布后会有什么可能性。重要的是保持适应能力,让产品跟上模型的能力;模型能做很多事,但用户可能不知道怎么做,产品需要把它变得容易,并告诉用户可以做什么。是这个意思吗? [00:15:00]
Dianne Penn:是的。早期 scaling law(规模定律)论文里有一些很有意思的图。大家熟悉的部分是:增加计算量和数据后,loss(损失)——也就是下一 token 预测的损失——会下降,模型智能会随规模平滑提升。但论文里还有另一类完全不同的 emerging capability(涌现能力)曲线:随着数据和计算增加,能力会出现不连续的跳跃。 模型可能从连“一加一”都算不出来,变成能够可靠计算一加一。这类涌现能力具有某种可预测性,但没人知道准确发生的时刻。你必须有评测来确认它是否真的出现;这也是安全更难的原因:没有评测和测试系统,能力跳跃可能已经发生,你却不知道。 [00:16:00]
Lenny Rachitsky:这很有意思。你可能已经造出了一个会做某件事的 AI 大脑,甚至自己都没有意识到。因此工作的一部分就是发现:“它突然擅长这件事了,我们能用它做什么?” [00:17:00]
Dianne Penn:用 PM 的语言说,这里既有产品过剩,也有用户过剩。即使是今天的模型,我们仍能探索很多东西,尤其是 Fable。这样的发现从早期开始就是 Anthropic DNA(基因)的一部分,也仍然是我们在产品、Labs 和研究中工作的核心。 [00:18:00]
Lenny Rachitsky:YC 总裁 Garry Tan 说过,如果你现在愿意每年花 10 万美元买 token,你就活在 2028 年的人们将要生活的未来。现在存在一个 alpha(先发优势):尽情花 token,直接生活在未来。 [00:19:00]
Dianne Penn:我更愿意从产品角度理解:token 支出是输入,真正的输出是实验。如果我们围绕实验来设定目标,可能更容易理解要实现的结果,也可能有不同方式达成同一个结果。内部最有创造力、最擅长原型设计的人,都会花大量时间使用 Claude 和每个新版本的研究模型。技术变化这么快,不接触技术就很难制定完美策略;没有什么能替代亲自使用模型。 我们也会公开工作。在产品界面还比较少的早期,公司几乎所有人都在 Slack 频道里测试 Claude 的早期版本,尝试让它修改文章、构思邮件等。一个人提出想法,其他人尝试变体,十来次请求后,就可能出现神奇的用例。实验不一定是个人运动;我们应该更多地进行这种共同发现。
Lenny Rachitsky:我们并不知道这项技术能做什么,只能不断试探、听别人分享:“原来还能这样做。”我们知道模型能写好文章,但具体怎么解决个人痛点、把能力带到用户手里,需要更多探索。 你负责 Labs 团队的产品。Labs 到底是什么?为什么它能在核心产品团队之外创造出 Claude Code、Skills、Claude Design 和 MCP 这样的创新?
Dianne Penn:Labs 的 thesis(主张)是:识别并沿着那些不连续的大赌注继续探索,它们可能不在核心路线图里;先判断“这里有没有东西”,再弄清楚它能达到 10 倍、100 倍或 1,000 倍的程度。我们对主题或领域可以持强信念,但对具体原型要弱信念。团队鼓励实验,工程师自驱地测试不同想法。有些主张第一次不会成功,可能在一两代模型后重新审视。即使原型没有立即发布,它也能帮助我们学习,因此依然有价值。
Lenny Rachitsky:Anthropic 本身已经非常创新,为什么还需要在内部设一个 Labs?
Dianne Penn:文化很重要。Labs 的小型 pod(小组)可以从一个工程师开始;一大群人追逐含糊而宏大的想法,反而可能拖慢速度。我们选择真正喜欢从零到一实验的人。很多赌注最终会被拒绝或关闭,这很难,因为你曾像创始人一样全情投入。但我们会在未来重新审视它们。 这种文化也意味着选择那些热爱零到一、愿意深入研究的人。Labs 的产品团队与研究团队紧密合作,下一部分我们可以谈谈研究岗位究竟是如何工作的。
Dianne Penn:Labs 的一个特点是选择真正热爱零到一、愿意从模糊想法开始的人。 [00:20:00]
Lenny Rachitsky:很多人对研究、研究人员日常做什么有大致了解,但未必真正理解这些 AI 实验室里极其重要的人。我想象他们会提出改进模型的假设,寻找数据,调整算法和训练方式,测试结果,反复迭代。大致是这样吗? [00:21:00]
Dianne Penn:这确实是日常工作的一部分。但 Anthropic 这样的研究组织还有更广泛的未来愿景。公司创立时,研究人员就已经在思考:如何让 Claude 使用电脑、浏览屏幕。研究团队里有很强的创始人式能量,很多研究人员大胆而有野心。一方面,他们思考技术能把我们带向哪里;另一方面,既然 Claude 已经在用户手里,又要思考今天如何把它变得更好。 所以这是中长期和短期两条线:一边思考未来,一边寻找现在可以改进的地方。你描述的正是如何迭代不同版本的 Claude。我的团队会深度嵌入研究循环,尤其关注对用户影响直接的领域,比如视觉、computer use、编程、代理式编程、tool use 和 test-time compute。我们要把用户反馈转化成研究人员能理解、也能采取行动的形式。 用户说“Claude hallucinate(产生幻觉)了”非常模糊。把这句话交给研究人员并要求修复幻觉,并不具备可操作性。我们要弄清楚用户为什么给出这个反馈:Claude 当时是否应该调用工具?它是否看了正确的文档却找错了事实?前一种是工具使用失败,后一种可能是搜索、知识或搜索结果综合失败,也可能是对齐问题。把这种细节带给研究人员,再判断问题是否足够大,并设计评测来描述改进,这就是工作的核心。 [00:22:00]
Lenny Rachitsky:现在 AI 研究似乎是想获得巨大成功时最值得进入的领域。要成为优秀的研究人员,需要什么? [00:23:00]
Dianne Penn:Anthropic 最成功的研究人员和研究领导者,通常擅长用第一性原理思考问题,能把问题推理清楚,对研究方向充满热情,有大胆的愿景,而且离细节很近。我们的领导者、首席科学家、微调和强化学习负责人都会紧密关注训练过程、评测和底层数据。保持对细节的兴奋、培养判断力,是强大研究人员的明显特征。 另一点是长期思考和野心。比如 Dario 说“我们可以改变软件工程”。你需要在想法上瞄准星辰,同时也要真正投入细节。 [00:24:00]
Lenny Rachitsky:我很喜欢“更有野心”这个反复出现的观点。说起来容易,真正做到却很难:你究竟能想多大? [00:25:00]
Dianne Penn:可以对方向思考一两次,然后对领域保持坚定,对具体方法保持更灵活。技术发展如此之快,你必须思考正在构建的东西是否 forward-compatible(面向未来兼容)。我经常问团队:假设 Claude 8 出现,用户行为会怎样变化?这对今天的构建意味着什么?产品应该能适应那种体验。 [00:26:00]
Lenny Rachitsky:Fable 或 Mythos 似乎让模型进入了新阶段。过去是模型很棒,发布出来让大家使用;但 Mythos 受阻,并受到大量审查,因为人们担心它会入侵系统。随着模型能力持续提升,未来每个模型都会受到更多审查,使用者也会受到更多限制。你怎么看? [00:27:00]
Dianne Penn:随着 frontier model 变得更强,safeguard(安全防护)、红队测试和发布前流程也必须快速演化。Fable 之前,我们没有那么强的 fallback UX(备用用户体验)和系统。我们的目标是让技术带来不对称的好处,同时尽量减少下行风险,因此我们构建了备用系统,让用户即使不能直接使用最强模型,也能立即得到优秀回应。如何在改进安全系统的同时继续交付优秀体验,是产品工作的关键。未来几周和几个月,我们会持续改进模型安全防护方案。 [00:28:00]
Lenny Rachitsky:这会给 Anthropic 带来一个意外优势:实验室内部能使用最新能力,而外部的人拿不到。每个实验室都会不断改进,模型越先进,内部访问就越像一种不公平优势。你们希望所有人都能使用它,但限制又会形成新的反馈循环。 [00:29:00]
Dianne Penn:我们的目标是让系统和模型尽可能包容。我们不希望通用技术只能被少数公司使用;让它更容易获得、更广泛地服务人们,是我们当前的首要任务。 研究和产品并不是两条彼此分离的线:一端探索遥远的能力边界,另一端持续观察真实用户,两者通过具体问题、评测和迭代连接起来。
Lenny Rachitsky:招聘时,你现在更看重什么?哪些特质正在上升,哪些正在下降? [00:30:00]
Dianne Penn:我们团队三年来没有改变招聘流程。我们看重的特质,以及评估通才产品经理和研究产品经理的方式,基本没有变化。第一是第一性原理思考:不是照搬你过去在消费产品或 B2B SaaS 中做过的事,而是针对此刻的用户群和技术,真正判断用户价值是什么。 [00:31:00]
Lenny Rachitsky:人们听到第一性原理思考时,常常会想“我擅长这个”。能举一个真正体现这种能力的例子吗? [00:32:00]
Dianne Penn:对产品经理来说,拥有产品战略、交付用户价值,并不只是每天写 PRD 或产品愿景文档。对研究产品经理而言,驱动用户价值的方法是找到正确的用户反馈和评测,让它们成为用户需求的具体表达。我们当然仍然会写产品文档和 PRD,但团队有句话:评测就是新的 PRD。为了实现目标,第一性原理思考要求我们先判断真正应该做什么,而不是因为过去做过一组活动,就继续做同样的事。 [00:33:00]
Lenny Rachitsky:过去的流程是提出想法、写 PRD、沟通对齐、设计、构建、发布、观察效果再迭代。现在如果收到某个问题或机会,第一步是用评测定义工作,而不是 PRD 吗? [00:34:00]
Dianne Penn:首先,访问用户痛点的方式变了。过去可能做用户访谈,深入了解用户流程和像素;现在你必须像在意像素一样在意 token。我们会阅读失败轨迹,判断究竟是幻觉、Claude 过度自信,还是其他原因。失败主题有很多细微差别。然后我们为痛点写出稳定的描述,形成新的评测:它是否覆盖真实分布?既包含失败的正例,也包含本来就不该失败的情形?再把评测带回研究团队,衡量 Opus 5.5 是否改善了这个领域。 例如,Claude 是否能识别文档中正确的位置,并提取正确的综合结论?关键在于提高可操作性,缩短用户反馈到研究人员和合作团队采取行动之间的距离。 [00:35:00]
Lenny Rachitsky:有没有这样一个例子:你们发现了问题或机会,然后写出了评测?大多数情况下,评测究竟是什么? [00:36:00]
Dianne Penn:早期 Claude 模型不擅长遵循特定 schema(模式),尤其是输出 JSON。如今这是 Claude 成为优秀 agent(代理)的基础:如果不能输出指定格式,就无法访问 API、调用工具等。我们听到用户说“Claude 不擅长遵循指令”,于是继续追问:什么场景?准确的段落是什么?你提出了什么要求?Claude 回答了什么?深入到这个程度后,我们发现早期大约 80% 的问题其实是 Claude 没有写出正确 JSON。 于是我们先收集 30 到 40 个失败例子。每个例子都包含一个 prompt(提示)和 response(回答),以及可能的 golden answer(标准答案)。如果标准答案不匹配,就说明评测抓住了一个真实痛点。我们把它放进评测仓库,之后每个 Claude 版本都运行它。后来准确率达到 100% 或 99.9%,这个问题就不再是痛点了。 整个过程是:拿到用户反馈,弄清用户真正的意思,确认能否复现、是否一致、是否足够严重,再把它标准化成研究人员能消费的形式。这基本就是产品经理的 test-driven development(测试驱动开发):先写测试,再开发。 [00:37:00]
Lenny Rachitsky:现在写评测是 Anthropic 产品经理工作的核心吗? [00:38:00]
Dianne Penn:我认为是,而且这会越来越普遍。我们构建的产品位于模型、harness(工具框架)以及面向特定用户的一组上下文的交叉点。评测不只对模型团队有用,产品团队也能借此得到更好的用户体验。你无法改进无法测量的东西。很多工作仍然是非常 tactile(需亲自操作)的,也非常依赖判断,所以必须靠近细节,并且要接受模型输出具有非确定性。 [00:39:00]
Lenny Rachitsky:模型不会每次给出同样的答案,因此不能只追求精确匹配。评测取代 PRD,是产品工作方式的重要变化。你们还写 PRD 吗?
Dianne Penn:当然。对于问题明确的情况,评测可能是一种 shorthand(简写),但 PRD 仍然非常有价值。每个模型都有 PRD,主要面向不断扩大的产品界面、工程团队以及法律和安全等利益相关方,作为共同目标和事实来源,让大团队朝同一个方向前进。 对于 computer use 这类更模糊的问题,我们未必一开始就有具体用户痛点;这时 PRD 的产品愿景部分很有价值,可以探索技术还无法服务所有人的时候,如何先为某个用户群创造价值。PRD 没有消失,只是使用方式变了。
Lenny Rachitsky:我刚和 OpenAI Codex 应用负责人 Andrew 聊过。你们的观点一致:PRD 没死,仍然适合特定项目和想法。 对产品岗位来说,第一性原理最终要落到可执行的描述上:问题是什么、谁受到影响、怎样复现、怎样衡量改进,以及研究团队下一步能采取什么行动。
Lenny Rachitsky:除了评测,产品经理和产品团队在新的 AI 世界里还需要改变什么? [00:40:00]
Dianne Penn:对处于职业中期、或已经进入管理岗位的产品负责人,我非常确定的一点是:要管理使用这项技术的团队和产品经理,你必须亲自上手。不只是花时间摆弄,而是真正用技术交付东西;要和 PM、工程师及团队一起在意 token。即使招聘资深产品经理,我们的 onboarding(入职)计划也和早期职业阶段的人一样:理解用户、阅读内容和反馈、与客户交谈,亲手形成对“好”与“优秀”的判断。 如果没亲自构建过,很难判断优秀的 AI 产品或功能应该是什么样子。无论你的层级如何,PM 都必须亲自上手,花一部分时间交付产品,走进团队的鞋子里。我会刻意保留时间,在模型发布时负责一到两个工作流,以保持对模型变化速度和改进速度的感知。 [00:41:00]
Lenny Rachitsky:所以不管你在公司的层级如何,如果不亲自构建、不和 Claude 或 Codex 对话,你就跟不上。你还应该享受和这项技术一起工作的过程。 [00:42:00]
Dianne Penn:确实。最成功的人,无论处于什么层级,都是喜欢和 AI 一起工作、愿意探索和实验,并且不仅进行实验,还会端到端交付、获取用户反馈的人。 [00:43:00]
Lenny Rachitsky:我写 newsletter、做播客时只是谈论这些事情;但每次真正动手构建一点小项目,我都会突然明白大家说的 computer use、某种限制或 UX(用户体验)问题到底是什么意思。实际操作模型和构建东西,感觉是完全不同的世界。 但很多人是被要求使用 AI,或者根本不知道怎么用,觉得这很烦:“我讨厌这东西,还得和它一起工作。变化太快了,我累了。”怎样帮助他们在工作中找到乐趣? [00:44:00]
Dianne Penn:我要重申一点:实验不一定是个人运动。我接触过二十多个版本的生产 Claude 和几乎每个研究模型,很多快乐来自看到别人发现新的用例。可以找一个对此感到兴奋的人,围绕你关心的用例一起工作,而不是试图独自找到完美用例。和别人一起做事,很多时候本身就是快乐。 公司内部,一个好奇的人分享新原型,往往会带来一群人:“原来 Claude 现在能做到这个!”这会形成正向循环,让更多人参与,也让大家持续从技术中获得乐趣。 [00:45:00]
Lenny Rachitsky:这也是 Twitter 对 AI 很有用的原因:你能看到别人做了什么,被启发去提出自己的点子,也能分享自己的成果。找些人一起玩,探索用例。还可以从生活或工作中挑一个真正想解决的问题,打开 Claude 或 Claude Code,直接告诉它你想做什么;即使只有模糊的想法,也能走得很远。 [00:46:00]
Dianne Penn:选择太多时,很容易迷失。你可以和一个真正享受这项技术的人结对,或者找到一个能立刻带来价值的事情。这样能让你深入一两个方向,而不是对太多产品停留在高层次。我自己也很难跟上所有原型和产品,所以会选择亲自深入一两个。 [00:47:00]
Lenny Rachitsky:我和同事 Noam 做过一次调查,询问读者如何感受科技和 AI 的变化。最有意思的结论正是:深入掌握几件事,比尝试大量半成品更能带来幸福感。真正让人开心的是终于找到一种方式,让 AI 确实改善生活,而不是拥有几个勉强能用的破碎工具。 [00:48:00]
Dianne Penn:这是一种产品优先级问题:如果目标是带着快乐实验,就要安排好时间和精力。Anthropic 的秘诀很大一部分是文化和自下而上的工作方式——公开实验,把其他人带进来。我们不必等到完全确定用途后才行动;很多时候,先把东西做出来,观察人们怎么使用,再据此决定要不要深入。 亲自使用模型带来的判断无法完全从报告或演示中获得;只有在真实任务里反复试错,才能知道哪些能力已经成熟,哪些地方仍需要人来补足。 [00:49:00]
Lenny Rachitsky:你最近在工作中如何使用 Claude? [00:50:00]
Dianne Penn:Claude Tag 还处于很早期的阶段。它代表一种不同的工作范式:让 agent(代理)离开去工作,再把产品体验带回来。我更常向团队强调的是,AI 不只是提升我们构建的体验的智商,也能帮助我们更好地交流、管理和进行关键对话。 我很常用 Claude 准备 Crucial Conversations(《关键对话》)场景。因为我喜欢这本书,我做了一个 skill(技能),帮助我判断在当下情境中是否深入到了正确程度,并让我成为更好的经理和团队支持者。对管理者来说,Claude 可以帮助你成为更好的教练;有时很难找到恰当的措辞,而模型拥有大量可供参考的表达。 [00:51:00]
Lenny Rachitsky:也就是说,你让 Claude 根据《关键对话》提供的经验,帮助准备与同事的困难谈话;这有点像个性化教练。你甚至不用把整本书交给它,它已经知道足够多的内容。 [00:52:00]
Dianne Penn:对。我们每天都在不断切换上下文,Claude 能帮助我配对、头脑风暴。即使最后不采纳它的建议,它也能帮助我确认:我对他人的反应理解得对吗?如何更深入、更快地建立信任,更直接地表达? [00:53:00]
Lenny Rachitsky:人们担心,长期和 AI 对话后会开始用 AI 的方式写作;也有人担心 brain rot(大脑退化)、认知萎缩,以及过度依赖 AI。你离它这么近,怎么看? [00:54:00]
Dianne Penn:对我来说,思考过程和写作过程联系得很紧。我会用 Claude 增强思考,但不会让它接管全部思考。根据情境和我希望保留多少个人判断,我可能先形成自己的观点,再和 Claude 一起推进,确保自己的感觉和语气贯穿其中。 但有些工作,比如月度业务回顾,我希望它更标准化:把已经结晶的信息以正确方式组织起来。我甚至希望最终能把这类写作完全交给 Claude,而自己只做信息的审阅者和验证者。关键在于:你把 Claude 用在哪里,以及委托出去是否具有不对称的价值。 [00:55:00]
Lenny Rachitsky:所以第一个建议是先思考、先形成观点,再把 Claude 当作 sparring partner(陪练伙伴),让它推动和质疑你的想法。 [00:56:00]
Dianne Penn:是的。我们的对齐与安全研究也很重要,因为你不希望 AI 只会同意你。你希望它增强你、推动你,最终得到更好的结果。有时 Claude 的反驳会让我变得更好。真正有用的同事不会只说“你是对的”。 [00:57:00]
Lenny Rachitsky:我希望有人在想法还不完整时提出反对意见。Ben Mann 之前谈过 Claude 内置的 constitution(宪法):按直觉,安全和对齐应该限制模型,让它变得没那么有趣;但恰恰相反,Claude 反而拥有最有趣的个性。我经常听人说,他们更喜欢和 Claude 交谈。 [00:58:00]
Dianne Penn:要让 Claude 尽可能聪明、尽可能有能力,关键之一就是让它在恰当的地方反驳。它不只是一个助手或执行任务的工具,还要判断自己是否在做正确的事。比如我会让研究版 Opus 帮我思考下一版 Claude 的定价。最终目标是得到更好的结果,而不是只把任务委托出去。 主动性不等于永远执行预定动作,也包括知道什么时候提出新想法。因此,知道什么时候应该反驳,是模型整体特征的重要组成部分。 [00:59:00]
Lenny Rachitsky:它不那么顺从,反而更好、更有用。很多人会说“AI 告诉我,我是对的”,但我们需要的是思考伙伴,而不是只会赞同的机器。
Dianne Penn:思考伙伴不应该只同意你,它应该为你增加东西。你最终应该因为和 Claude 合作而拥有更好的想法;这才是目标,而不只是让原来的想法好 10%。
Lenny Rachitsky:过去创业者会说“把它做到 10 倍”,现在我更常听到的是“怎样从这个想法走到 1,000 倍?最有野心的版本是什么?”另一个问题是,AI 写的东西仍然很容易被识别。作为语言模型,它理应很擅长写作,但目前几乎总能看出是 AI 写的。你认为我们会到达无法分辨的阶段吗?
Dianne Penn:我们团队和研究团队正在积极努力,让 Claude 的写作整体变得更好。也许更关键的不是谁写的,而是谁验证、谁签字确认。对于月度业务回顾,我可能希望它端到端由 Claude 撰写;但输出应当清楚地经过人类负责人审阅。 这也是为什么思考伙伴、验证机制和个人判断都很重要:AI 可以扩大探索范围,但人仍然需要决定目标、评估取舍,并确认结果是否值得交付。
Lenny Rachitsky:我的猜测是,AI 研究了人类最好的写作,找到了“最佳写法”;可写法就那么多,我们已经认出了它的套路。为什么它还不是优秀的写作者? [01:00:00]
Dianne Penn:一方面,我们还需要继续改进训练,让 AI 在写作上更强。另一方面,技术本身有 jagged edge(参差不齐的边缘)。以前模型可能已经擅长写作,却还不擅长代理式工作或正确调用工具;现在那些能力改善了一些,写作、语气和角色塑造就变成新的粗糙边缘。技术持续进步,优先级也会随之移动。 [01:01:00]
Lenny Rachitsky:有人用飞机上的 Wi‑Fi 打过比方:我们坐在空中飞行,却抱怨 Wi‑Fi 不能用。AI 已经带来如此巨大的进步和力量,我们也不能要求所有方面同时达到最好。 [01:02:00]
Dianne Penn:没错,我们不可能一次修好所有事情。语气和 character(角色)是当前很积极的方向。模型的 agentic 行为出现跃迁后,其他能力也需要继续提升;等写作、语气和角色变好,我们还会问:如何让 Claude 更主动?这就是持续改进技术的本性。 [01:03:00]
Lenny Rachitsky:在我们接近 通用人工智能(通用人工智能)和超级智能的过程中,人类大脑还会在哪些方面最有价值? [01:04:00]
Dianne Penn:判断力很重要。它来自大量细微经验的积累,而这些系统还没有像人类一样经历那么多事情。对于产品负责人和一般人来说,这种来之不易的判断力仍然关键。AI 能构建很多东西,但 Labs 应该构建哪一个?这需要人的判断、坚持和主动性,也需要判断怎样得到最好的解决方案、创造最好的体验。 能力和领域专业知识也仍然重要。软件工程已经被 AI 深刻改变,但生物学、生命科学等领域还处在指数曲线的起点。Anthropic 发布 Claude for Science、投资这些方向,就是希望把技术带给社会,并让社会获得积极收益。 [01:05:00]
Lenny Rachitsky:作为父母,你会鼓励孩子学习什么?在这个全新的世界里,怎样帮助他们取得成功? [01:06:00]
Dianne Penn:很多特质和我们成长时一样:对学习保持好奇、坚持、相信自己的内在声音,并逐渐形成它。我有一个四岁的孩子和一个八岁的孩子。我们要帮助他们发展内在声音,允许他们有观点、采取立场,并鼓励他们保有个人表达。 [01:07:00]
Lenny Rachitsky:这和避免大脑退化、避免过度依赖 AI 的答案是一致的:先坚持自己的观点和视角。你对孩子的建议,和对成年人保护思考的建议,其实连接在一起。 我还在想,什么时候该让三岁的孩子接触 AI。有人建议让孩子使用较早期、没那么强的模型,让他们仍然需要努力思考,不会立刻得到所有答案;也有人提到开放源代码的本地模型。Ben Mann 对这个问题的回答一直让我印象深刻:好奇心。他还很推崇 Montessori(蒙特梭利)教育。 最后一个相关问题:作为母亲,在 AI 风暴中心工作、研究 Anthropic 的新东西,你如何保持精力,避免 burnout(倦怠)? [01:08:00]
Dianne Penn:2024 年我们全年发布了四个模型或系列,而今年第二季度一个季度的发布量就超过了那个数字。我很幸运拥有一个不断成长的优秀团队,包括研究侧的合作方和研究产品管理团队。这一切不是个人运动,而是一种 radical ownership(彻底负责)和团队协作。你需要在新信息不断出现时,迅速做出建议、判断和决定。 没有人能独自长期做到这一点。发布前一晚,即使不是某个模型的 DRI(直接负责者),团队成员也会留下来帮助负责人审阅博客、修改文字、设计更好的演示,成为彼此的额外一双手。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 人类的判断、好奇心和坚持会继续影响技术走向。面对快速变化,重要的不是追逐每一个新名字,而是理解问题、选择方向,并把真正有价值的结果带给用户。 [01:09:00]
Dianne Penn:很容易把所有变化都压在自己肩上,觉得孤单、觉得必须做完一切。但 Anthropic 的神奇之处在于,团队会找出互相帮助的机会,并进一步完成 mind meld(思想融合)。我们把它叫作进入 hive mind(蜂群思维)。这样团队能够补充彼此的能量。休假并不只是回来后面对三倍多的待办,而是可以相信团队会找到正确的工作,也会彼此照看。 我个人也很幸运,伴侣非常支持我。这是我在 AI 行业工作的第六年,先在 Amazon,后来在 Anthropic。他知道我有多喜欢这项技术,以及它能做到什么,这在个人层面也很有帮助。 [01:10:00]
Lenny Rachitsky:Fiona 最近说,软件工程变得更孤独了:我们现在和 agent 一起工作,而不是和人一起工作;团队更小,每个人都在和自己的 fleet(代理集群)持续对话。这样的时刻更提醒我们,身边真实的人有多重要。我们借助技术获得更大规模,也被要求为更大的事情做决定。 [01:11:00]
Dianne Penn:建立团队时,我会寻找能和你在第一性原理、关键假设上形成某种 mind meld 的人。他们不需要掌握每个细节,但要能替你补位、挑战决定、磨利思考。我也会观察一个人是在意自己的 ego(自我)和扩大组织,还是在意为 Anthropic 和团队影响力做贡献。低 ego、以团队为导向的人,更能让系统持续运转。 [01:12:00]
Lenny Rachitsky:很多人说 Anthropic 能快速行动,是因为大家都围绕使命和价值观对齐,因此能快速作出决定。进入 lightning round(快问快答)前,还有什么想分享的吗? [01:13:00]
Dianne Penn:我很想让大家带走的一点是:如果你现在没有最初那种喜悦,就去找那些感到兴奋的人。不断发展、补充技能,特别是用第一性原理思考要解决什么问题。社区里也有人问:当模型如此强大、工程师都在深入参与时,我们还需要 PM 吗? 我认为更需要以用户为中心的人:深入理解用户想完成什么,把它转化为可行动的信息,并持续做这项工作。这就是产品人的核心,而且我们需要更多这样的人。技术层越来越强,但要产生影响,你必须深入细节、保持好奇并亲自上手。 [01:14:00]
Lenny Rachitsky:现在构建变容易了,困难变成:我们应该构建什么?已经构建的东西是否正确、有用、值得继续投入?这正是 PM 擅长的事情。 [01:15:00]
Dianne Penn:还要深入用户、保持 empathy(同理心)。PM 不会消失,PRD 也没有死。 [01:16:00]
Lenny Rachitsky:快问快答。你最常推荐的两三本书是什么? [01:17:00]
Dianne Penn:一本是《How to Raise an Adult》,我会思考要给孩子培养什么,这本书很有帮助:我们不是要把孩子养成孩子,而是要养成成年人。另一本是 Eric Ries 的《Incorruptible》。我着迷于如何让优秀的团队和公司继续前进;书中关于用文化指标维持价值观的例子很有启发。如果只衡量收入,你就会朝收入方向前进;加入更好的指标,才能持续你真正重视的价值。 [01:18:00]
Lenny Rachitsky:这会是听众接下来要看的节目和书。你最近喜欢的电影或电视剧是什么? [01:19:00]
Dianne Penn:Anthropic 的人通常没时间追剧,但我休假时看了 Amazon Prime 上的 Fallout。它改编自电子游戏,机智、幽默,也很有动作感,强烈推荐。
Lenny Rachitsky:最近发现、很喜欢的产品呢?
Dianne Penn:Claude Tag 很有意思。Anthropic 内部有不同版本,它是非常强大的工具。很多人会问“这有什么大不了”,但 Anthropic 的每个人都在谈论它,这说明它确实发生了重要的事情。
Lenny Rachitsky:我正试着把它接入付费 newsletter 社群。如果一群彼此并不认识的人也能用起来,会很有意思。我们还在研究它离开公司环境后如何工作。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。 团队协作让这种高强度工作变得可持续。共同承担责任、公开分享发现、互相补位,既能提高发布质量,也能让个人不必独自承担全部变化。
Lenny Rachitsky:Fiona 最近说,软件工程变得更孤独了:我们现在和 agent 一起工作,而不是和人一起工作;团队更小,每个人都在和自己的 fleet(代理集群)持续对话。 [01:20:00]
Dianne Penn:这更提醒我们身边真实的人有多重要。我们借助技术获得更大规模,也被要求为更大的事情做决定。建立团队时,我会寻找能和你在第一性原理、关键假设上形成某种 mind meld(思想融合)的人。他们不需要掌握每个细节,但要能替你补位、挑战决定、磨利思考。我也会观察一个人是在意自己的 ego(自我)和扩大组织,还是在意为 Anthropic 和团队影响力做贡献。低 ego、以团队为导向的人,更能让系统持续运转。 [01:21:00]
Lenny Rachitsky:很多人说 Anthropic 能快速行动,是因为大家都围绕使命和价值观对齐,因此能快速作出决定。进入 lightning round(快问快答)前,还有什么想分享的吗? [01:22:00]
Dianne Penn:我很想让大家带走的一点是:如果你现在没有最初那种喜悦,就去找那些感到兴奋的人。不断发展、补充技能,特别是用第一性原理思考要解决什么问题。社区里也有人问:当模型如此强大、工程师都在深入参与时,我们还需要 PM 吗? 我认为更需要以用户为中心的人:深入理解用户想完成什么,把它转化为可行动的信息,并持续做这项工作。这就是产品人的核心,而且我们需要更多这样的人。技术层越来越强,但要产生影响,你必须深入细节、保持好奇并亲自上手。 [01:23:00]
Lenny Rachitsky:现在构建变容易了,困难变成:我们应该构建什么?已经构建的东西是否正确、有用、值得继续投入?这正是 PM 擅长的事情。 [01:24:00]
Dianne Penn:还要深入用户、保持 empathy(同理心)。PM 不会消失,PRD 也没有死。 [01:25:00]
Lenny Rachitsky:快问快答。你最常推荐的两三本书是什么? [01:26:00]
Dianne Penn:一本是《How to Raise an Adult》,我会思考要给孩子培养什么,这本书很有帮助:我们不是要把孩子养成孩子,而是要养成成年人。另一本是 Eric Ries 的《Incorruptible》。我着迷于如何让优秀的团队和公司继续前进;书中关于用文化指标维持价值观的例子很有启发。如果只衡量收入,你就会朝收入方向前进;加入更好的指标,才能持续你真正重视的价值。 [01:27:00]
Lenny Rachitsky:你最近喜欢的电影或电视剧是什么? [01:28:00]
Dianne Penn:Anthropic 的人通常没时间追剧,但我休假时看了 Amazon Prime 上的 Fallout。它改编自电子游戏,机智、幽默,也很有动作感,强烈推荐。 [01:29:00]
Lenny Rachitsky:最近发现、很喜欢的产品呢?
Dianne Penn:Claude Tag 很有意思。Anthropic 内部有不同版本,它是非常强大的工具。很多人会问“这有什么大不了”,但 Anthropic 的每个人都在谈论它,这说明它确实发生了重要的事情。
Lenny Rachitsky:我正试着把它接入付费 newsletter 社群。如果一群彼此并不认识的人也能用起来,会很有意思。我们还在研究它离开公司环境后如何工作。
Dianne Penn:我的祖父母照顾了我人生最初十年。我的父母当时是来到美国读大学和硕士的移民。我祖父常说:“无论你走了多远,总还有另一个层级。”每当遇到新的、前所未有的事,我都会想起它:总有另一座山、另一个机会,还能做得更好、走得更远。
Lenny Rachitsky:这让我想到 Ben Mann 说过的另一句话:“现在就是最正常的时候,接下来只会更奇怪、更疯狂。”最后一个问题:你早年做高收益债券交易时学到了什么? 产品人的价值会越来越集中在理解用户、判断什么值得做、把模糊需求变成可衡量的问题,以及持续验证构建出来的东西是否真的有效。
Dianne Penn:交易大厅和通常想象的华尔街很不一样。多数交易员面对终端,用电脑做分析,但环境仍然由男性主导。我是交易桌上唯一的女性,也是唯一拥有我这种背景的人。我学到两件事:建立真实的自我,即使是最初级、看起来与众不同的人,也可以凭借最好的想法和对想法的信念赢得空间。 我把这种做法带到了现在的工作中:在团队里保持脆弱和真实,不论级别和资历,只要有人有好想法,就帮助他们推进;我自己也要把想法说出来、对它有信念、跟进落实,并完成让它发生的细节工作。这些经验适用于很多工作。 [01:30:00]
Lenny Rachitsky:如果听众想关注你,应该去哪里找?怎样才能对你有帮助? [01:31:00]
Dianne Penn:我在社交媒体上的存在感不强。最好的方式是关注 Anthropic 博客和团队发布的新模型、新产品。对我最有用的是反馈:在产品界面点 thumbs up(赞)或 thumbs down(踩),或者把模型反馈告诉销售人员,这些信息都会传到我这里。对于每个研究模型,我都会深入了解用户偏好和反馈。请继续推动 Claude,告诉我们它在哪里失效,这能帮助我们把它变得更好。 如果你认识符合这些特征的人,也欢迎介绍给我们:热爱这项技术、非常好奇、能用第一性原理思考、敢于质疑假设,并且有喜欢动手试验和 hack(探索改造)的精神。团队正在扩大。 [01:32:00]
Lenny Rachitsky:听起来像梦幻工作。Anthropic 研究团队现在有开放的产品经理岗位,大家可以去官网 careers 页面申请。祝你收到简历洪流。 [01:33:00]
Dianne Penn:Lenny,谢谢你提出这些有帮助、能激发思考的问题,也谢谢你帮助我进一步串起这些联系。 [01:34:00]
Lenny Rachitsky:感谢你,Dianne。听众朋友们,再见。 [01:35:00]
Dianne Penn:谢谢大家收听。如果你觉得本期节目有价值,欢迎在 Apple Podcasts、Spotify 或常用的播客应用中订阅、评分或留下评论,这能帮助更多听众找到节目。你可以在 lennyspodcast.com 找到往期节目并了解更多信息。下一期再见。 这段结尾也回到一个简单原则:保持好奇,尊重事实,提出自己的观点,同时愿意让新的证据和更好的伙伴推动自己修正。 [01:36:00]
这场对话围绕 AI 的竞争格局、商业化和社会影响展开。黄仁勋反复强调,AI 不会简单地消灭工作,也不应被“末日论”或“谁先到终点谁就永久获胜”的叙事牵着走。更强、更便宜、更多元的模型会带来更高使用量,进而推动芯片、数据中心和各行业应用继续扩张。面对中国模型、开源模型和监管争议,他主张保持开放、监管具体应用而不是压制底层技术,同时认为美国应依靠创新、人才和产业能力持续竞争。
黄仁勋不赞成因为来源地而禁止中国 AI 模型,也不认同把开源模型与闭源模型视为非此即彼的竞争。闭源服务在易用性和配套能力上有优势,但科学研究、网络安全、国家安全、经济安全以及企业对知识产权和数据的控制,都需要开源模型。模型可以被下载、微调并置于 Harness 和沙箱中运行,真正需要监管的应是医疗、交通、自动驾驶等具体应用,而不是把双用途的基础技术一概限制。
他还认为,强大的开源模型会扩大 AI 的入口,带来更多使用量和计算需求;DeepSeek、Kimi 等模型引发市场波动,并不意味着英伟达需求下降。模型越便宜、越容易获得,越可能扩散到更多行业,推动更多计算机、数据中心和服务建设。英伟达的 Nemotron 面向必须自建模型的客户,重点是处在技术前沿,而不是在所有场景中取代最强的闭源实验室。
对话把 Token 描述为承载知识和智能的基本单位:当模型能力提升,Token 所承载的智能会变得更有用,用户也更愿意为这种价值付费。黄仁勋认为,当前的计算和数据中心建设仍处在早期,历史上的投资泡沫迟早会出现,但不能因此把眼前的基础设施需求误判为即将结束的周期。半导体产业需要继续扩大,AI 建设更像是在为下一代产业打地基。
黄仁勋认为,把 AI 描述成会终结人类、摧毁一半工作岗位的技术,是脱离事实和证据的夸张说法。AI 会自动化任务,但工作通常包含多个任务,并且有更广泛的目的;任务被自动化后,围绕管理、协调、评估、服务和新应用仍会出现新的工作。放射科医生、客服和律师等例子说明,技术可能改变工作方式,却不必然消灭工作的目的。真正危险的,是拒绝使用 AI 的人被会使用 AI 的人超过。
他也承认,能够生成代码、发现软件漏洞、执行复杂任务的 Agent 会带来新的安全问题,因此行业需要更好的测试、护栏、透明度和快速修补机制。面对公众恐惧,企业和政策制定者应更多讨论事实、证据和解决方案,而不是用科幻式叙事制造紧迫感。
在谈到美国、中国和政府政策时,黄仁勋强调美国拥有大学、产业、移民人才和创新环境,不能把 AI 当成一场有固定终点的百米赛跑。机器人何时迎来类似 ChatGPT 的普及时刻,取决于它们能否在真实环境中稳定完成任务;AI 的下一个阶段则是 Agent 能力向更多人和更多设备扩散。
谈到人生和领导力,他把成就归因于长期训练、挫折和失败带来的韧性,而不是某个瞬间的天赋。他不希望让手表或 Outlook 管理自己的生活,认为应该专注当下;理想的休息日则是和家人、孩子以及宠物一起吃饭、聊天和相处。
- 中美 AI 模型管制与开源竞争 [00:00:00 - 00:10:00]
- AI 的就业影响与基础设施建设 [00:10:00 - 00:20:00]
- AI 安全、Token 经济学与泡沫风险 [00:20:00 - 00:30:00]
- 美国精神与 AI 时代的领导力 [00:30:00 - 00:40:00]
- 机器人、就业与 AI 的下一个时代 [00:40:00 - 00:50:00]
- 痛苦、专注与完美的周六 [00:50:00 - 00:57:17]
Mike Allen:我是Mike Allen,今天在德克萨斯州沃斯堡带来《Behind the Curtain》,我们正在和英伟达CEO黄仁勋对话,聊聊AI革命的下一步,英伟达是全球市值最高的公司,黄仁勋,英伟达的联合创始人,从第一天起就担任CEO,感谢你接受Axios Behind the Curtain的采访,很高兴来 Mike,见到你真好,Axios总是从新闻开始,金融时报说,中国监管机构正在考虑出口管制,收紧对AI模型和一些芯片的管控,不让它们流向西方,你觉得这会发生吗。 [00:01:55]
黄仁勋:对美国的进影响会是什么,我希望不会,中国市场,中国产业创造了一些非常棒的,AI模型和AI技术,我以前说过,全球一半的AI研究人员是华人,他们很多人至今仍住在中国,产出了不少真正具有突破性的AI研究,美国也一样,全球很多地方都一样,我们希望确保大家,能尽可能广泛快速地分享想法,这样我们才能安全地推进,这项了不起的技术,让它造福社会,所以我希望他们继续保持开放,你几个月前刚去过中国,你觉得他们会吗,可能性有多大,我不知道,我不知道,我不知道那条新闻的来源,当然各种监管都在讨论中,大洋两岸都在讨论出口管制,一旦一方决定实施出口管制,大家就都会开始考虑出口管制,我觉得我们都应该降级处理,让技术继续发展,美国的公司非常非常有能力,我们能行动得非常快,我完全有信心,美国会继续领先,只要我们有政府的支持和鼓励,我们应该能继续保持下去。 [00:03:01]
Mike Allen:反过来看,政府应该禁止或限制Kimi,或其他中国模型吗,我希望不会,而且我真不这么认为,美国全世界都需要闭源模型,也需要开源模型,我们应该用闭源模型,因为它们很好用。
黄仁勋:效果非常好,Anthropic和OpenAI,这些都是非常棒的服务,我们应该尽可能多地使用闭源模型,能租就租,但是行业仍然需要开源模型,科学需要开源模型,网络安全需要开源模型,因为它更安全,这对网络安全很重要,对国家安全很重要,对经济安全也很重要,公司需要能控制一部分自己的知识产权,和一部分数据,这样他们才能以一种可控的方式,去推进AI模型,网络安全得益于透明度,整个社区都能检查和测试,确保我们用最好的方式加固它,这对网络安全最有利,所以不管有多少行业,开源模型是当今科学进步和计算机科学进步的基础,我真的希望我们能保持开放,一个简单的问题,能上华尔街日报头版那种。 [00:04:07]
Mike Allen:美国公司应该被允许使用中国的AI模型吗,当然当然有一种误解,觉得这些模型有后门,会以某种方式连接到中国,你下载模型。
黄仁勋:你可以微调它增强它,按你的意愿给它加护栏,这些模型不是独立运行的,它们在一个叫harness的东西里运行,这个harness又放在一个本质上,叫沙箱的东西里,这些沙箱是安全的,这些沙箱能保证隐私,安全和访问控制,所有这些能力都放进了沙箱里,所以我觉得这些模型,是有能力的模型,是优秀的模型,能推动整个行业进步,我们希望AI能尽快渗透到市场里,开源模型就能做到这一点,政府的干预会是好事吗,当然监管在很多行业都是好事,你需要监管应用,你得注意,不要直接去监管技术,原始技术本身是双用途的,所以我们要确保,监管的是它的使用方式,也许你想监管服务本身,也许你会监管它在医疗领域怎么用,在交通领域怎么用,你应该监管AI在自动驾驶汽车里的应用,所有这些不同的AI应用都应该被监管,但是技术本身应该能尽可能快地进步。 [00:05:21]
Mike Allen:你说过中国是AI领域的对手,美国面对一个AI对手,应该遵循什么样的交战规则,首先要认识到AI是双用途的,我们想尽可能快地推进它。
黄仁勋:因为技术进步了就更安全更可靠,因为它运行得更好,但是我们要确保所有国家的研究人员都能对话,尽可能合作,这样我们才能安全地推进技术,我觉得开放的对话非常重要,这应该是基础,你的股价部分取决于对中国的销售,我们为什么要相信你对中国和市场的说法,首先得说一个事实,我们在中国的销售额现在基本是零,我也跟所有投资人说过,不要指望中国那边会有收入,如果美国政府已经批准了,如果中国政府和市场希望我们回去,那能回去服务那边的客户和市场。 [00:06:15]
Mike Allen:会是我们很大的荣幸,对生意也是好事,对生意当然也是大好事,但在那之前我就当销售额是零,这是Kimi的政策,现在Kimi那个非常强大,真的震动了股市的中国模型,微软正在使用和测试Kimi,有消息说中国模型甚至可能替代,微软对OpenAI Anthropic的部分使用,所以这场来自中国的竞争来得又快又猛,美国的AI公司该怎么办,这些中国模型非常出色,优秀的开源模型就应该被使用。
黄仁勋:市场第一次误解了DeepSeek的影响,这次又误解了Kimi的影响,我觉得首先有强大的AI,开放的模型对整个行业都是大好事,很明显,只要有强大的AI,不管是不是开源,不管来自哪里,使用量都会更大,使用量一大,你就得卖更多的英伟达计算机,我们就得建更多的数据中心,提供更多的服务,技术会扩散到更多行业,所以起点就是,好模型带来高使用量,高使用量带来大增长,这是最基本的逻辑,DeepSeek那次是这样,Kimi这次也会是这样,还有一个误解,就是认为开源模型,会和闭源模型对立,这也搞错了,原因在于最有可能升级到,像Anthropic和OpenAI这种强大模型的人,是那些已经在用AI的人,他们希望用起来更方便,也许想要Anthropic和OpenAI附带的更多服务,也许就是觉得这些模型好得多,我自己也预期会是这样,所以我们要做的就是,确保AI技术尽快扩散到各行各业,让尽可能多的人尽快用上,所以开源模型,极其便宜的模型,低门槛的AI适用入口,这是我们能做的最好的事,英伟达也有自己的开源模型Nematron,刚才戴麦克风的时候,你跟我说它处在技术前沿,但不是最顶尖,它会成为美国主导的开源模型吗,我们做这个模型,是为了让那些出于数据主权,监管隐私,或者非常特定的领域和知识产权原因,想要自己构建AI的公司和行业来用,我建议我所有的客户,尽可能去用OpenAI和Anthropic,去用那些开源和闭源的模型及服务,因为这样简单,效果也极其好,我自己就用,我用Perplexity,Anthropic OpenAI,这些服务你能用就尽量用,只有当你必须自己建的时候,才去建,结果发现,很多公司,不管是金融服务,网络安全公司,还是像我们这样的公司,都必须自己建AI,所以Nemotron,就是为有这种需求的公司打造的。 [00:09:01]
Mike Allen:我们不一定要做最顶尖的那个,但我们必须处在技术前沿,那你们能多快把那些巨头挤走,或者在前沿领域跟他们竞争?
黄仁勋:那不是我们的目标,我们的目标很简单,如果你需要构建自己的定制模型和定制AI,我们可以为你服务,帮你做到。,配上合适的Harness,比如OpenClaw,Hermes,或者Claude Code,这些Harness,就是围绕Opus AI模型的一套工具,大语言模型是大脑,而这个Harness可以把它变成一个Agent,一个能思考,能帮你做事的Agent。,所以配上合适的Harness,英伟达的Nemotron会非常出色,你可以针对你想要的特定Skill去调整,定制它,完全可以做到世界一流水平。
Mike Allen:那对闭源实验室来说,经济账怎么算?如果开源模型不只是中国的,都能用更低的成本产生Token和智能?
黄仁勋:太棒了,这个世界真正需要的是更多需要AI的人,而你需要AI的唯一原因就是你试过之后发现自己想要更好的,那些免费服务和自建AI并不适合所有人,不过一旦你试过一次,发现它那么笨拙那么费劲。 [00:10:01]
Mike Allen:所以你的意思是,如果我是OpenAI或Anthropic,我不应该害怕开源模型,完全不会,完全不会,我觉得我们需要的,他们最需要的。
黄仁勋:就是让全世界都意识到,自己需要AI,而人们想要更好AI的方式,就是他们今天试过AI之后,发现要是有人能帮我打理就好了,这和云服务没什么区别,和搜索没什么区别,和云数据库也没什么区别,我们自己也能搭搜索,但多麻烦啊,我们其实也能自己造电脑,那干嘛不直接用云上的呢,有很多事我们自己干,可能更省钱,但用Anthropic和OpenAI的服务,确实更方便,我还要说,对很多人,很多公司来说,就算模型免费,自己运营的成本反而更高,还不如让别人帮你做,所以我觉得,不管怎样,只要更容易获取,就会更好。 [00:11:11]
Mike Allen:不管你怎么看这些闭源模型,我觉得他们未来很多年,都会活得很好,你对开源和闭源模型,互相竞争的未来有什么设想,这个世界会有闭源模型,也会有开源模型。
黄仁勋:我们应该尽可能多用闭源模型,如果必须的话,再用开源模型去定制,去构建我们自己专属的AI,当然这个世界很大,对很多国家和公司来说,他们必须构建自己的智能,不能把最根本的智能,外包给第三方,所以我觉得,只要能用云服务去获取,去租用智能,就应该尽量用,但是你自己的智能是没法外包的,你应该构建自己定制的AI。
Mike Allen:Palantir的CEO有段采访很火,他警告说不要把自己的Alpha,自己的知识产权,交给前沿实验实验,你处在一个很特殊的位置,你既用前沿实验室的服务,又给他们供货,你用自己的芯片设计来用他们,他们又是你最重要的客户,你担不担心把自己的Alpha,自己的IP交给一个AI,而这个AI可能正用这些信息,去做他们自己的芯片优化设计,谁都不该把自己的alpha外包出去,谁都不该把自己的智能外包出去,任何国家都不该,我们应该尽可能多地引进和租用服务,那你怎么保护它,你们最脆弱的地方在哪里,在那些特定领域专有的,可能涉及主权,可能涉密,可能受监管的方面,我得自己来。 [00:12:43]
黄仁勋:一家公司或一个国家必须自己来做,但是我们做的很多事情跟这些没关系,比如可能是自动化营销,或者自动化法务部门,在公司里所有这些不同的用力中。
Mike Allen:很多其实是在提升公司本身的核心生产力,并不涉及公司特定的领域或知识产权,在这些情况下,我会尽可能外包,你个人见过AI做的最吓人,或者最让你惊叹的事情是什么,就是那种让你觉得,天哪,真不敢相信这正在发生的事,我本来就觉得,它几乎能做我们能做的所有任务。 [00:13:17]
黄仁勋:想象AI能生成照片及真实,栩栩如生的视频,这并不算太遥远,想象AI能生成文本,并由此进行推理,进而写代码,也不算超出想象,所以AI现在做的这些事情,跟我预期它能做的差不多,比如能开车,能移动和操控物体,能捡起东西,甚至能自主制造这些计算机,所有这些能力我大致都想象过,我觉得市场行业社会需要意识到的是,当我们在自动化所有这些不同任务的时候,世界需要的岗位其实在增加,这在我看来非常合理,虽然人们一直在说AI会消灭工作,会让我们根本不用工作,但情况恰恰相反,原因在于我先给你证据,全世界放射科医生的数量在大幅增长,我了解到的数据是增长了20%左右,原因是AI已经完全自动化了放射影像的乐片工作,但这样一来,他们能看的病人就多了很多,因为有太多人需要诊疗,他们现在能带进医院的病人数量急剧增加,结果就需要更多的放射科医生,律师助理也是一样,据说律师助理的数量增长了10%左右,原因是虽然他们用了AI,但能处理的案件量增加了,积压的案件实在太多,现在他们需要更多的放射科医生,更多的律师助理,才能服务所有这些客户,这种情况到处都在发生,过去几年,制造业的岗位数量增长了50%左右,因为这些计算机,要装进AI数据中心,去生成Token,生成智能,因为需求太旺盛,制造业的岗位反而增加了,所以,所以,当你从整个行业的角度来看,AI就会发现到处都在创造就业。 [00:15:03]
Mike Allen:再问一个让你震惊的事儿,我们知道Anthropic的模型能黑进银行或者情报机构,有什么让你感到意外,或者即将到来的事让你需要停下来想一想?
黄仁勋:让我意外的是大家居然会感到意外,一个agent能生成代码,是因为他能理解软件,能调试软件,既然能调试软件,那他就能找到软件里的漏洞,所以网络安全和找bug这件事,并不是什么不搭边的概念,AI能生成和调试软件,本身就意味着他也能用于网络安全,反过来讲道理也一样,我们必须确保开源模型,能交到全球网络安全专家的手里,开源模型能增强网络安全,也能增强安全性,原因在于,我们需要大规模分布式的,多样化的自我防御,我们要把开源模型,交给世界各地的网络安全专家,让他们能保护自己,能去寻找漏洞,能在社区里分享想法,如果所有东西都变成一个单一模型,一个单一攻击点,一个单一故障源,那我觉得这个世界会脆弱得多,所以那种认为必须封闭模型,才能让世界更安全的想法,恰恰相反,我们必须开放模型,这样世界才能拥有,自我网络防御的能力,33年前。 [00:16:25]
Mike Allen:你30岁的时候创办了英伟达,当时是一家,要把3D图形带入电子游戏的公司,你从第一天起就是CEO,现在你拥有了,全球市值最高的公司,结果发现,能用在游戏显卡上的技术,同样也能用在AI芯片上,三年前你的身家是一万亿美元,现在英伟达的市值是那时的五倍,达到了五万亿美元,像这样的成功故事还能再复制一次吗,还是说你是独角兽中的独角兽,在美国一切皆有可能,你知道这就是为什么它叫美国梦。 [00:17:05]
黄仁勋:只要你愿意努力工作,愿意去冒险,去做一些独特的事情,这里的环境条件支持人才,还有我们身边那些聪明绝顶的人,都让这一切成为可能,我觉得这就是梦想之地,几乎没有什么是不可能的,是啊,让它变得更有可能,就像我总跟我侄子和侄女说的,巨大的财富将会在笔记本电脑上被创造出来,完全正确,现在创业公司诞生的速度非常快,过去六个月里,仅在美国就有三千亿美元,投进了风险投资和创业公司,3000亿美元,所有这些都在创造新的就业机会,新的公司,这太不可思议了,现在英伟达正面临着,自近20年前大衰退以来。
Mike Allen:最严峻的逆风,你们经历了市场暴跌,中国在崛起,美国政府想要施加更多限制,用你工程师的思维,来做CEO的工作,你如何应对这一切,世界每天都在变,你只能保持警觉,但我对英伟达和美国将继续蓬勃发展充满信心,这种信心不是来自希望。 [00:18:19]
黄仁勋:而是来自你身边围绕着一群了不起的人,这个国家从根本上渴望成功,它为企业家和创新者创造了做好工作的条件,我们身边充满了卓越的材质,我们有巨大的本土市场,我们拥有长期成功所需的所有配方和所有要素,所以我和以往一样乐观,一样充满信心,美国在AI领域。
Mike Allen:本应领先中国六个月,容错空间并不大,现在科技界被能与OpenAI的,ChatTPT和Anthropic的Cloud,相媲美的中国模型所震撼,中国赶上了吗。
黄仁勋:中国有没有赶上,我觉得这不重要,让我告诉你为什么,首先认为这是一场,有终点的竞赛的想法,显然我们会永远使用AI,美国会在这里存在很久,中国也会在这里存在很久,我们必须认识到,中国拥有世界上数量最多的理工科学生,如果说他们擅长制造什么,那简直不可思议,他们非常擅长制造数学系学生,所以他们培养的AI研究人员,比世界其他地区加起来还要多,所以是中国要赢了,中国在这方面会非常出色,这已经是预料之中的结论了,那种认为我们能阻止中国发展的想法,是考虑不周的,而且也不会发生,同样他们也无法阻止美国的发展,这是一个极具创新力的国家,我们拥有来自世界各地的杰出人才,他们因为美国梦来到这里,移民也好,美国本土出生的人也好,应有尽有,我们有优秀的大学,有强大的产业,所以我完全相信美国会继续繁荣,在AI方面,我们要做的最重要的事,不是吓唬我们的产业,不是吓唬我们的社会,让大家不敢用AI,AI不会摧毁我们所有的工作,但会用AI的人会抢走我们的工作,所以我们必须确保尽快采用AI,把AI扩散到各行各业,任何限制这一点的做法,任何阻碍这一进程的行为,无论是出于恐吓,还是整天谈论AI的末日,我认为这些都是不合时宜的。 [00:20:29]
Mike Allen:对美国没有好处,只要我们的产业能利用好AI,我们就会做得非常好,说到末日论,你的一些同行大佬是不是在警告人们谈论可能发生的事情上有点用力过猛了?
黄仁勋:我觉得提醒大家没问题,如果能带着解决方案去提醒,那就更好了,但凭空编造就绝对不合适了。,说什么这会终结人类,完全是胡说八道,说这会毁掉美国一半的工作岗位,也完全是胡说八道。,所有的事实,所有的证据,都指向完全相反的方向,直觉和常识也会告诉你,这种说法大错特错,AI会提高生产力,生产力提高了,就会创造机会,你看纵观历史长河,社会因为技术,而变得越来越高效,它创造了更多的工作,而不是更少,如果它创造的工作变少了,那美国现在,应该只有十万个工作岗位,但事实并非如此,它创造了新的产业,新的机会,新的市场,新的应用,所有这些都增加了机会和增长的总量,所以我觉得早期的证据,经过这几年,现在AI时代已经进入第15个年头了,证据已经非常清楚了,我们正在创造大量的制造业岗位,因为AI需要工业实力,它在能源行业,芯片行业,基础设施行业,土地,电力和厂房领域都创造了就业,它还催生了一大批新的AI公司,当然那些利用AI的行业,他们也在增长,所以AI正在创造各种各样的工作,最后一个关于中国的问题,你对中国的实力持非常现实的看法,那OpenAI和Anthropic,你最大的两个客户会有麻烦吗,不会,一点都不会,这两家公司都在蓬勃发展,他们会继续成长,将来会上市,这两家公司会成为人类历史上最成功的IPO,怎么可能有两家成立才几年的公司,就值一万亿美元呢,所以RI正在普及,大量免费的RI,正在各行各业,整个社会普及,这样一来,如果有人想用一个,现成的,做得非常好的服务,而不是自己去开发AI,自己去托管AI,能有这个选择,我觉得会非常棒,所以我认为。 [00:22:46]
Mike Allen:I用得越多,用AI的人越多,依赖AI的人越多,OpenAI和Anthropic的机会,就越多,所以不存在中国公司,把美国公司挤出局的情况,不会不会,绝对不会,可能性为零,美国科技行业太有活力,太聪明,太有创新精神,行动也太快了,不管世界上有什么样的竞争,放马过来,美国准备好了,在Kimi这个强大的中国模型发布后,投资者抛售了英伟达的股票,芯片股在过去一个月下跌了18%,华尔街对AI建设的未来有什么误解,免费的AI对硬件来说应该是好事。 [00:23:23]
黄仁勋:免费的AI对芯片来说应该是好事,免费的AI对数据中心来说也应该是好事,所以我觉得市场就是搞错了,DeepSeek那次他们也搞错了,你回想一下DeepSeek出来的时候,我们的股价跌了大概30%,我觉得这次完全是一回事,这个行业需要的是强大的AI,Kimi3这么出色,QN这么出色,GLM这么出色,还有Nematron,英伟达的Nematron也这么出色,所有这些开放的模型对整个行业都是好事,包括OpenAI的GPT 5.6也非常厉害,当然Codex很厉害,Claude Code也很厉害,所有这些应用都在做着不可思议的工作,它们是有用的AI,有用的AI终于到来了,而有用的AI也是能盈利的AI,一个东西有用,人们自然就想去用它,所以这一切都是好事。 [00:24:13]
Mike Allen:闭源模型很优秀,开源模型也必不可少,两者对行业都很好,一些投资者认为AI已经见顶了,关于这项技术以及它未来的发展方向,你有什么可以告诉他们的?
黄仁勋:AI不可能见顶,因为AI向社会和产业的渗透才刚刚开始。,世界看到的是,这个新产业需要资本支出,不像上一个IT产业,资本支出非常少,软件行业的资本支出就很少。,这也是为什么软件公司能有那么高的毛利率。
Mike Allen:资本支出就是你必须去建东西。,没错。,去制造东西,要做出今天的软件,你就需要这样的计算机来生成软件,所以当AI在写代码的时候。
黄仁勋:是这台机器在跑大语言模型的所有运算,它在做推理,在思考,在用各种工具,要做到这些就得生成Token,就得在这台机器里完成数学计算,所以我们在屏幕上看到的智能,不管是文字冒出来,图像冒出来,还是将来蛋白质,化学品,机器人系统,在运动操控,所有这些都是因为这台机器在背后生成数学,所以新的IT行业,新的软件行业,以及未来每一个行业,资本支出都会更重,不是资本密集型,而是资本支出比以前更重,今天大多数行业,大多数智力行业,资本支出都很轻,这个情况就是要变了,但你得到的结果是惊人的智能,惊人的生产力,惊人的增长,所以把智能制造出来所带来的增长,利润和繁荣会远远超过,远远超过我们今天投下去的资本支出,我们正在打地基建基础设施,这是人类历史上最大规模的。 [00:26:00]
Mike Allen:工业基础设施建设,为的是给下一代人,给未来的各行各业打好基础,而这还只是刚刚开始,半导体行业,就你亲身经历来看,一直是个繁荣与萧条交替的行业,我们是不是该迎来一次萧条了,不会一时半会儿还不会,原因是,这次不一样,这次不一样,因为这不是需求驱动的。
黄仁勋:这次不一样,因为它不是季节性的,不是需求驱动的,我指的是季节性需求驱动,这是产业驱动的,意思是计算机的基础技术正在改变,我们需要在全球建一整套,全新的基础设施层,我们有能源,有互联网,有公路,有铁路,现在我们还需要AI,需要把这个智能层建起来,在所有这些之上建起这个基础设施层。
Mike Allen:而这个层需要芯片,我认为我们的半导体行业规模,大概需要比现在大5到10倍,在多长的时间跨度里,在未来10年里,所以它现在的规模实在太小了。 [00:27:03]
黄仁勋:这也是为什么内存这么短缺,存储这么短缺,光互联器件短缺,封装也短缺,当然台积电的产能芯片也短缺,所以现在什么都缺,因为这不是周期性的,不是来自消费者的需求,不是那类原因,这是跟基础性基础设施相关的,所以整个行业都缺,我觉得我们还需要把整个行业再扩大好几倍。
Mike Allen:你的客户正在发债几百亿美元来买你的产品,这场盛宴什么时候结束,你的财务团队什么时候会开始担心这些交易,我们不担心这些交易,有几个原因,第一,这些公司都是非常出色的公司,他们能产生大量现金,他们现在都在做,也都同时看到的一件事是,计算的实现方式,正在发生根本性变化,这是一次计算平台的迁移,过去计算机处理的所有内容,都是预先录制好的,我们提前写好,提前录好,提前拍好照片,提前写好故事,未来所有这些都会变成基础信息,我们在上面生成智能,不再是搜索,你直接问一个问题,它给你答案,不再是你去翻遍各种网站,它会为你生成答案,所以这个未来是一种全新的计算方式,跟过去根本不同,我们需要多的多的计算机。而几年前大家担心的问题之一是,投资回报什么时候来?,对,我们现在已经知道AI是能赚钱的,这就是为什么,Anthropic增长的这么快,这么赚钱,AI既有用,所以我们用它来写代码,AI也能赚钱,所以大家才想造更多,OpenAI想造更多,因为这些编程agent非常赚钱,这些编程agent非常赚钱,他们在赶有用的活,对应的是非常高薪的工作,所以很多像我们这样的公司,很乐意一年花上几亿美元,去用这些AI服务,来增强我们的编程能力,我们变得更有生产力,创新更多,创造更多好东西,实现更多生产性增长,而且我们变得更赚钱了,这又能为更多AI买单,这个飞轮现在已经赚起来了,所以我认为,这个行业已经到了一个,非常关键的节点,一个拐点,就是我们现在有了能赚钱的AI,因为我们有了有用的AI,正因如此,我们想建更多AI,关键问题在这里,你把Token定义为人工智能的基本单位,是什么让你相信Token会持续变得越来越赚钱?,Token就是所谓的嵌入,它嵌入知识。 [00:29:37]
黄仁勋:嵌入智能,所以这台机器生成的Token,那个数字不是静态的,不像圆周率,这个数字编码的智能,会随着时间越来越聪明,所以很神奇,那一个数字,其实是一整串数字,几万亿,几万亿的数字,这些数字随着时间越来越聪明,当它们越来越聪明,就越来越有用,就越来越有用,越来越有价值,当它们越来越有价值,人们就愿意付更多钱,我知道对大多数人来说,数字这个概念,很难跟价值挂钩,但这个Token,这些数字,嵌入了智能,而且这个智能,一直在变得越来越聪明,历史上每一次工业建设。 [00:30:16]
Mike Allen:都出现过投资泡沫,这一代的泡沫风险是什么,泡沫总有一天会来,只是不是今天,我们还在建设的最初期,三年,五年,还是十年,未来五年内不太可能。
黄仁勋:五到十年呢,对,未来五年内不太可能,五到十年我们再看,这取决于我们能建多快,现在的挑战是,我们建基础设施的速度,受限于物理条件,今天这个行业可以建得更快,跑得更快,但我们没有足够的芯片,没有足够的内存,没有足够的土地和电力,我们没有足够的建筑工人,来建数据中心,我们基本上在每一个方向,每一个层面都被卡住了,这种约束是好事,正是这种约束拖住了整个系统,给了我们充足的时间,去把这些基础设施建起来,所以一方面,大家有很强的意愿,去投这笔资本支出,另一方面,这些资本支出要落地,变成像这样的,高效能超级计算机,变成AI工厂,这个过程被推迟了,因为有这些各种各样的约束,所以我觉得,这会推迟供给。 [00:31:22]
Mike Allen:超过需求的那个时间点,你会用Kimi吗,那个中国的开源模型,当然,它很聪明,当然他很聪明,你还是得确保对他做微调,做安全防护加护栏。
黄仁勋:把他放进合适的护栏和沙箱里,做好安全措施,给他做访问控制,就跟所有软件一样,我们一直都在下载开源软件,开源怎么说呢,历史上最重要的软件之一,叫操作系统,它控制着计算机,操作系统今天实际上控制着人类,它是全世界数字系统的控制网络,它是开源的,基于Linux,这让数百万数千万人可以研究它,审视它,测试它,确保它足够坚固,正因如此我们才能信任它,所以开源是一个绝佳的方式,让我们去加固去信任我们脚下的基础设施,我们真的需要有开源模型,这对社会至关重要,对产业至关重要,而且这也是最安全最稳妥的前进方向,所以我觉得Kimi很棒,这太好了。,美国有开源模型,欧洲有开源模型,这也很好,还有中国的开源模型,日本的开源模型,我刚去过日本,还有印度的开源模型,我在那边跟很多团队合作。 [00:32:39]
Mike Allen:所以未来世界各地都会有开源模型,这种开放性非常好,对安全有好处,对安保有好处,对国家安全也有好处,你大概是最受爱戴的AICU了,在亚洲人们排着队要你的签名,狗仔队追着你的车跑,大家想让你在他们的衣服上签名,为什么亚洲对AI的看法,跟这里这么不一样,我觉得也许是因为,那些末日论者花了太多时间,去推演那些科幻小说里的结局,也许这样会让他们显得很聪明,那你是在说某些AI CEO吗,我觉得领导者做这件事的时候。 [00:33:18]
黄仁勋:应该深思熟虑,听着,如果你想警告世界,这项技术有多么惊人的能力,我觉得这个目的已经达到了,我们应该把时间花在,当然如何让技术变得安全上,这是我们作为技术领导者的责任,告诉所有人AI技术必须安全,其实就是在提醒自己,必须把它做安全,所以我们必须确保它是安全的,我们必须确保人们理解这项技术的能力,我们必须以一种安全,可靠功能正常,能被聪明的使用的方式来推进它,这是我们的责任,所以我认为,首先警告已经被充分听取了,要确保监管者和政策制定者,能够理解这项技术的本质,另一方面,我们也要鼓励美国人民去使用这项技术,我们引领了这场工业革命,不是因为我们发明了所有技术,而是因为我们以极大的热情去应用它,这场工业革命才成就了美国,我们需要确保,我们在医疗领域,也以极大的热情去应用这项技术,我们知道约翰霍普金斯的一位医生,刚刚写到,AI技术正在帮助,大大加快癌症的发现,我们知道,它在放射学领域做了什么,我们知道,它正在为软件工程做什么,而软件工程,是当今智能的根本引擎,也是当今自动化,和生产力的根本引擎,所以我们知道,AI正在帮助我们,做的所有这些事情,都是极其有益的,我们知道,它能再帮助我们,推进气候科学,更好的理解气候方面做什么,因为AI我们能够升级我们的国家电网,因为AI我们能够在没有政府补贴的情况下,投资可持续能源,所有这些都归功于这个特定的行业,所以我认为我们应该对此热情的多,帮助美国认识到我们落后的唯一方式,我们落后的唯一方式,就是我们不去应用这项技术,别管是谁贡献和发明了这项技术,我们不去应用它,这才是我们会落后的原因,所以让我们确保提醒自己,我们是如何在这场现代工业革命中成就美国的,并且我们要用完全一样的热情,一样的精神,一样的美国精神,去引领下一场革命。 [00:35:37]
Mike Allen:一些对AI的强烈反对甚至已经演变成了暴力,你开始怎么考虑自己的安全和安保问题,我待的地方很安全,我不觉得,我不觉得有危险,而且我认为总的来说。
黄仁勋:你必须安全地推进技术,让它对社会有所贡献,要始终考虑,始终考虑他人的利益,确保我们以一种,能广泛帮助社会和行业的方式,来发展这项技术,现在我喜欢提醒人们的一件事是,在我们发明过的所有技术中,这一项比任何其他技术,都更能弥合技术鸿沟,而且你可以证明这一点,这是历史上第一项,第一项任何人都能使用的,了不起的技术,这就是为什么那么多人使用ChatBT的原因。,如果你不知道怎么用AI,就去告诉AI,我不知道怎么用AI,教我怎么用AI,然后AI就会教你改进我的提示词。,对,不管是什么,改进我的提示词,没错。,所以,无论你想象什么,无论你梦想什么,无论你想在什么方面做得更好,就去告诉AI,给它一个机会带你走一段旅程。,天哪,我每天都在用AI来增进我的知识,帮我解决问题,帮我理解那些,我专业领域之外的事情。 [00:36:54]
Mike Allen:所以对我来说,一直是个很棒的教练,很棒的顾问,还有很棒的导师,我觉得他对每个人都应该是这样,然而现在全国上下,却弥漫着一种敌对情绪,你有多担心,下一任民主党总统候选人,会是一个反AI的社会主义者,我们需要帮助人们理解,AI是什么,以及AI能做什么,我首先要提醒大家的是。 [00:37:21]
黄仁勋:AI正在创造大量的就业机会,而不是夺走他们,当我们讲述AI摧毁工作的故事时,人们当然会感到焦虑,没人会说你知道我最想要什么吗,我想投资一些会摧毁工作的东西,没人想要那样,所以我认为这种叙事是错误的,这种言论是错误的,而且是有害的,我认为那些谈论这件事的人,从根本上就搞错了。
Mike Allen:所以你是说这个行业需要讲一个不同的更好的前后一致的故事,没错,但这不仅仅是个故事,这是事实,就把事实告诉人们,事实是我们正在创造数百万个工作岗位,所以行业需要更多的去谈论现实,并且用不同的方式去谈,没错,不要去编造,不要去编造一个叙事,不要去编造一个虚构的故事,说什么会出现起点,那是编造的。 [00:38:16]
黄仁勋:说什么我们生活在模拟世界里,那也是编造的,这些都是编造出来的,我觉得这是个有趣的故事,我不介意听听,我甚至很享受这种叙事。,当它是由一些我的许多领导者和朋友讲述的时候,但我们所有人都必须深思熟虑,小心谨慎,我们正在吓唬人,而且是错误地吓唬人。,对,除了工作之外,你还在谈论这项技术那些有点令人毛骨悚然的元素,而你的意思是,有一种方法可以对此免疫。
Mike Allen:没错,因为那些都是编的,是科幻小说,是好莱坞,不是真的,不是真的,最接近真正AI的东西是R2-D2和C3PO,谁不想要R2-D2和C3PO呢?,你和特朗普总统建立了很好的关系,你们会发短信,他回复很快,像那样跟总统沟通是什么感觉,他很聪明,什么都记得,天哪,他对数字了如指掌,而且他是唯一一个,唯一一个记得20岁200岁这些数字的总统,英伟达的Blackwell,他知道我们的下一代产品Rubin,他的记忆力惊人,我们现在就坐在一座新工厂里,我第一次见他的时候,他就说想恢复美国的制造能力,他想让美国重新工业化,他想要一个安全有韧性的供应链,他想把半导体制造带回美国,毫不夸张地说,我们现在做的这座工厂就是我和特朗普总统第一次谈话的直接结果。,这是在德克萨斯州沃斯堡?,我们在德克萨斯州沃斯堡,而且他一心一意要创造就业,他一心一意要重塑美国经济和劳动力,我跟他每一次谈话,他都一心扑在这件事上,他一心一意要确保美国经济繁荣,因为他知道如果美国富裕,美国就会有最强大的军队,因为你总得有资金来支撑,所以让美国拥有一个充满活力的生态,充满活力的经济,一个富裕的国家,这是最安全国家的根基,他非常清楚这一点,而且他就是这么一心一意,真的很鼓舞人心,这届政府在AI上,有什么地方搞错了,我觉得对技术的监管,需要考虑监管带来的意外后果,我们不应该把AI,看成某种百米冲刺的比赛,那种谁先跑到终点,谁赢了就永远赢了的说法,纯属胡说八道,那种想法,你这里指的是美国和中国。 [00:40:41]
黄仁勋:没错,完全是胡说八道,所有这些编出来的故事,都在吓唬华盛顿,你觉得这也在吓唬白宫吗,它在吓唬,它在吓唬政策制定者,这是有原因的,因为有些公司希望政府帮忙制定,对自己有利的监管规则,我认为我们应该竞争,应该公开竞争,我们应该认识到,这是一项非常重要的技术,而最终的成功,最终的胜利,是当社会用上它的时候,最终的胜利,是当工业用上它的时候,跟谁发明了它毫无关系,电不是我们发明的,大部分技术都不是我们发明的,制造业不是我们发明的,引领今天工业革命的大部分技术都不是我们发明的,但美国比任何其他国家都更快、更热情、更有创造力地去应用它们,这才造就了今天的美国。,我觉得我们应该让美国精神蓬勃发展,应该让美国工业全力奔跑,当然,我们必须审慎监管,确保技术安全,但认为会有一个赢家,有人在17天后冲过终点线,那完全是胡说八道。 [00:41:33]
Mike Allen:完全是编出来的,问个有趣的问题,总统内阁里,谁比较聪明,好合作,能一起建设未来,我,我喜欢跟他们每一个人合作,苏西非常出色。 [00:42:00]
黄仁勋:苏西·威尔斯,白宫幕僚长,对,比森部长,拉内部长,这些人非常了不起,他们把自己奉献给了特朗普总统,他们希望看到,他的总统任期成功,我们也都希望,他是我的总统,我希望我的总统成功,这样我们的国家才能成功,确实有迹象表明,他们正在变得更严格,或者正朝那个方向走,你担心吗,当然,我只是想提醒一下,这是对政府,对总统,对白宫说的,对任何政策制定者,所有政策制定者,在你们听信那些花言巧语之前,在你们听信那些故事之前,在你们凭空想象出,某种根本不真实的人工智能未来之前,他现在没有事实依据,完全是科幻,这项技术当然非常重要,技术很强大,我是世界上构建这项技术的人之一,那种说他有什么意识的想法。
Mike Allen:全是编的,完全是胡说八道,但听起来你基本上是担心政府会信了这套,然后矫枉过正,矫枉过正,因为他们信了这些说法,我觉得他们应该多跟人聊聊,跟很多CEO聊。 [00:43:08]
黄仁勋:跟很多科学家聊,别只听一两个人的,别一拍脑袋就做决定,明天又不是什么迫在眉睫,非得做决定的日子,多了解情况慢慢来,当然要深思熟虑,当然要专注,当然要有目标,但前提是了解清楚,给自己多创造一些跟人交流的机会,特朗普总统提过政府入股头部AI公司的想法,你经营着全球最有价值的公司之一,如果特朗普总统打电话给你,跟你要股权,你会怎么说,没这个必要,美国已经在英伟达有股份了,它在我们成功里占的股份可不少,我们去年交了100亿美元的税,今年还会交更多,我们创造了大量就业,这些就业又带来大量税收,我觉得美国公司越成功,越有钱,就能贡献更多税收,创造更多就业,所有美国人都受益,别忘了,现在大多数美国人都在股市里,股市涨了,大家都受益,所以美国本来就在所有这些伟大的美国公司里有份,我们只想确保他们能继续蓬勃发展,继续成功,所以你会拒绝,我不会建议这么做,没必要,你觉得我们准备好让,Anthropic强大的Quad Mythos,向所有人开放了吗,系统足够安全了吗,它绝对应该向所有人开放,确保它安全是他们的责任,没有哪个软件,你是说所有用户,而不只是现在这样限定机构,没错,对,他们应该把它开放给大家用,让技术变得坚固,安全可靠,是他们的工作,不管软件里有什么越狱漏洞或弱点,一旦发现就该马上修好,软件的本质就是这样,你看之前发生了什么,它发布了,不知怎么就被人越狱了,做到了他们可能想用护栏拦住的事,但一切都好好的,你我还坐在这聊天呢,你我还坐在这聊天呢,我不是在鼓励这种事,但这就是公司的职责,他们就应该找出漏洞,然后尽快打上补丁,所以这是给白宫和Anthropic的一个信息,你认为Methos应该向所有人开放,Methos应该作为一项服务开放,对而且别忘了,就算Methos不开放,开源模型也照样能用,所以我觉得就让Anthropic放手去干吧,让他们继续推进自己创造的技术,把技术交到尽可能多的公司手里,这样我们都能用上都能受益,限制Anthropic的发展对美国没好处,让他们跑起来。 [00:45:37]
Mike Allen:开源模型公司是否应该被允许违反服务条款协议去征流闭源模型,然后把能力很强的开源模型拿到竞争市场上转售。,这取决于服务的条款和条件。
黄仁勋:如果服务提供商对某家公司钻协议和许可的空子感到不满,他们应该去联系那家公司。,现在有很多办法可以处理这种事,我们有大量常规手段,用法律和法规来解决。,但是蒸馏也就是从AI那里学习,从其他知识源学习,这是智能的根本,我们无时无刻不在向别人学习,我在向你学习,就从你问的这些问题里学,你也在向我学,我们整天都在互相学习,所以AI总得从什么东西那里学,最早的AI,不管是谁的,哪怕是闭源模型,显然也是从互联网上,抓取了所有前人积累的知识,而现在,AI生成的内容已经比人类多了,再过几年,互联网上99%的内容,都会是AI生成的,那些内容又是某个AI生成的,所以你本来就在不停地争留,其他AI的智能,AI能学习,这是好事,我们希望AI变聪明,希望每一个AI都聪明,聪明的AI才是更安全的AI,所以我觉得,关键是把这两件事分开,是否应该尽可能多地,从各种知识源学习,答案是肯定的,AI能不能侵犯隐私,不能,AI能不能违反协议条款,不能。 [00:47:10]
Mike Allen:如果有人违反了协议条款,就去联系那家公司,把问题解决掉,你在以色列有很多员工,在战争的背景下,你怎么看中东的AI建设,首先。
黄仁勋:我很担心我在以色列的同事们,我在那里有6500个家庭,他们身处冲突之中,已经有一段时间了,我很高兴他们都安好,我希望他们能一直平安,我也盼着冲突早日结束。
Mike Allen:阿联酋正在中东投资AI,我觉得这很棒,你现在依然看好阿联酋成为AI领域的重要力量吗,对,他们有朝一日想成为AI中心,依托石油和能源这些自然资源。
黄仁勋:他们有机会把自己重塑成一个AI中心,我为他们感到骄傲,也很高兴他们对这个方向感兴趣,欣赏他们的远见,阿联酋已经非常现代化了,是聪明人愿意去的地方,他们正在蓬勃发展,不断创建新公司,推动新创新,这将成为他们下一阶段的,工业实力来源,我很期待看到那一天,这对他们来说是件大好事,我快坐不住了,我想尊重你的时间,可以再问你一个关于就业的问题,然后聊几个关于人生经验的问题吗,可以吗,我有的是时间,太感谢了,我正想问你这件事,因为我知道,这是你的理念之一,你们是全球市值最高的公司之一,有5万名员工,你说过10年后可能会有7万5千人,用你的话说尽可能少,你还提到很多其他科技巨头都是6位数员工,你是怎么做到的,靠策略,策略就是尽可能高效地利用你的资源,你的目标是用有限的资源去实现一个未来愿景,并且要明智地使用这些资源,所以我工作的一部分就是要有策略,要清楚自己手里有什么资源,然后尽可能精准地去运用它们,来实现那个愿景,用财务术语来说,就是最大化投资回报率,但本质上,就是用你拥有的任何资源,去创造最大的影响力,这是CEO最根本的职责,而且就像你刚才提到的,我30岁就创办了这家公司,干这行的时间,可能比科技史上任何CEO都长,所以我有大量练习的优势,久而久之,这可以说就是我的手艺,我的功夫,这就是你该做的事,在每一次工业革命中,总有一些任务和岗位会被自动化,即便最终创造的进就业岗位更多,哪些工作和任务,会像以往工业革命那样消失呢,如果你的任务就是你的工作本身,当那个任务被自动化后,你的工作就很有可能被取代或改变,比如客服呼叫中心,这类任务极有可能被高度自动化,但是对那些正在处理实际通话的,AI进行管理,协调改进和评估,这些工作很可能仍然是人类主导的任务,所以要记住,一份工作有一个目的,它包含很多任务,我最喜欢举的例子,就是放射科医生的老例子,放射科医生有一项任务是看片子,但他们的目的是解除人类病痛,是帮助人们了解自己的疾病。 [00:50:21]
Mike Allen:与其他医生协作,找出病因,所以当任务被自动化后,工作的目的并没有改变,对,我经常跟身边刚入职场的人说,别把你的任务误当成你的工作和机会,没错。
黄仁勋:正是如此,说得太对了,你看,今天IT和科技行业的大多数人,都是坐在键盘前打字,如果我们现在拍张照片,过十年二十年再回头看,就会像我们现在看老照片里,人们坐在IBM Selectrix打字机前打字一样,我们不是打字员,打字不是工作本身,解决问题,创新,发现影响力,创造价值,帮助解除人类病痛。 [00:51:00]
Mike Allen:带来快乐和愉悦,不管你的工作目的是什么,它不会因为你不用再打字了,就发生根本改变,我们不用再打字了,这很棒,你觉得机器人的ChatGPT时刻,什么时候会到来,就是他们能进入普通人的日常生活,变得真正有用的那一刻,2022年的ChatGPT时刻,并不是AI变得有用的那一刻,我们又等了四年。
黄仁勋:ChatGPT时刻是我们发现它很有趣,能做到一些令人惊讶的事情的那一刻,如果按这个标准,机器人的ChatGPT时刻已经到来了,你可以告诉机器人,把苹果放进抽屉里,机器人真的会去推理,它需要执行哪些步骤,包括在放苹果之前先打开抽屉,它会去推理这件事,当有人第一次看到机械机器人,真的这么做时,我觉得这会打开他们对机器人未来能力的想象,我认为机器人的ChattyPT时刻已经来了,现在的问题是,我们什么时候能让它变得有用,如果我们在未来三到四年内做到这一点,我一点也不会惊讶,我们已经进入了AI的agent时代。 [00:52:06]
Mike Allen:AI的下一个时代会是什么,AI的agent时刻,能力已经到位了,现在要做的就是让这个能力扩散开来,很快我们之所以需要这么多计算机。
黄仁勋:是因为今天有10亿人在用电脑,而我们用的这些电脑,就像现在,你和我说话的时候,我们基本上没在用电脑,电脑是闲置的,所以我们有10亿人在用电脑,也许在任何一个时间点,全球只有一亿人同时在用电脑,未来我们会有一大堆agent,来支持我们,增强我们,围绕在我们身边,帮我们做事,那些agent会一直用着电脑,agent不会变成电脑,agent是去用电脑,agent是去用电脑,所以我们会有1000亿、1万亿个agent,全天候运行,聪明的agent,不那么聪明的agent,专用agent,超级agent,各种不同类型的agent都在一直运行,所以我们需要的计算机数量会暴增。
Mike Allen:最后我们来快速聊一轮人生经验,非常感谢你如此慷慨地接受。,我很享受,Mike,见到你总是很高兴。,我很感激,谢谢你,我也是,你是一个了不起的美国故事,出生在台湾,九岁被送到美国,进了一所挺严酷的寄宿学校,听起来你也提过,你在那里受过欺负,三十岁创办了英伟达,你说过成就伟大的关键,是大量的痛苦和磨难,在你职业生涯里,哪一段痛苦和磨难,带来的收获最大,或者说是哪一段让你能够创建并领导这家公司,没有哪一段是白费的,没有一个伟大的运动员是凭空出现的,那背后是无数没人看见时的练习。 [00:53:51]
黄仁勋:大量的挫折大量的失败,就是大量的痛苦和磨难,而正是这些真正提升了记忆塑造了品格,给了你信心给了你韧性,让你能应对非常棘手的挑战,这跟运动员说在做事时感觉时间变慢了,没什么两样,当他们进入状态,或者压力很大的时候,我也有同感,当压力达到顶点,紧张感最强的时候,我反而觉得时间慢下来了,原因就在于练习,它来自于一遍又一遍的,做某件事,学会管理自己的压力,管理自己的专注点,并且有信心知道自己能搞定,身边还有一群了不起的人,所以这一切加在一起。 [00:54:32]
Mike Allen:那种状态,那种能让你把事情,做到极高水准的状态,所以痛苦和磨难是必须的,对一个九岁身在国外,即将来美国的Jensen,你会说些什么,有什么值得期待的,又有什么需要留意的,美国是世界上最伟大的国家,句号,它是最伟大的国家,不是因为我们没有挑战,不是因为我们没有分歧。
黄仁勋:它是最伟大的国家,恰恰是因为有那些巨大的挑战,有那些分歧,我们总能想办法解决,通过公开的讨论,通过一个充满活力的,允许自由的体制,有发声的自由,创新的自由,创业的自由,与人合作共事的自由,这种环境自然会吸引杰出的头脑,自然为创新者,企业家,顶尖的研究者,和伟大的思想家,创造了条件,它为任何有渴望的人,创造了能过上好日子的条件,你可以是一个建筑工人,水管工,电工,你可以是科学家,你可以是艺术家,你都能过得很好,所以我觉得这是一个非凡的国家,我建议全世界每一个聪明的头脑,都想办法来这里,我们需要你,这个国家是由移民建成的,未来也需要了不起的移民,他们会来到这里,加入那些已经在这里的杰出头脑,我们有四亿了不起的人民,欢迎未来最聪明,最优秀的人来到这里,你不戴手表。 [00:56:02]
Mike Allen:在这个时刻,这也许是件好事,为什么,因为当下就是最重要的时间,我拒绝让Outlook来管理我的生活,也拒绝让一块手表来管理我的生活,如果我迟到的太离谱,会有人告诉我的,与此同时,我百分之一百在这里,所以当下就是最重要的时间,说件有趣的事,你说过除了工作,你所有的时间都和家人在一起,带我们过一遍你不工作时,和家人在一起的周六吧,完美的周六,我起得很早,跟狗玩一会儿。
黄仁勋:没多久,Lori去遛狗,我开始工作,一直工作到午饭,我们吃一顿很棒的午餐,狗在睡觉,我们继续工作,一直到晚饭,孩子们会过来,我们一起做晚饭,我们所有人在一起享受晚餐,喝杯鸡尾酒,再跟狗玩,这就是完美的一天。,如果每个周末都能这样就好了,结果呢,每个周末还真就是这样,同一时间起床,跟狗玩,盼着见到家人,盼着孩子们过来,就是这样,这就是完美的一天,Jensen Huang。 [00:57:09]
Mike Allen:感谢你带来这场,令人难忘内容丰富的对话,谢谢你 Mike,见到你很高兴。
本期节目围绕 Kimi K3 引发的美国开源 AI 监管争议展开。讨论者认为,模型蒸馏首先是技术和竞争问题,不能被简单包装成“知识产权盗窃”,更不能因此禁止美国开发者使用公共领域里的开源模型。David Sacks 尤其担心,Anthropic、OpenAI 等闭源实验室借助监管保护自身估值,结果反而会让美国在 AI 竞赛中自断手脚。节目随后把话题延伸到开源模型的商品化、版权诉讼、科技巨头资本支出,以及纽约住房政策中的驱逐争议,核心问题始终是:当技术和制度都在快速变化时,价值究竟应该由谁控制,竞争又应当如何继续。
节目开场提到,Kimi K3 的能力和成本表现引发了新的恐慌,也让美国是否应当封禁中国开源模型成为白宫和产业界讨论的议题。节目中引用的政策信号并不一致:有人强调开源模型的安全护栏可以被移除,也有人认为美国政府不应急于作出禁令。David Sacks 表示,如果政府对开源生态系统采取行动,将是一个悲剧性错误,因为世界其他地区的开发者仍会使用这些模型,美国开发者却可能被禁止使用同样的公共资源。
讨论者区分了服务条款、商业欺骗与版权侵权。模型通过调用另一个模型获得输出,再用这些输出训练自己的模型,未必等同于偷走软件或复制受保护的代码;类似的学习和模仿行为也存在于汽车、软件和其他行业。节目同时承认,批量注册账号、虚报身份、规避服务条款等行为可以被平台从源头阻止,但这与要求政府全面禁止开源模型是两回事。若蒸馏真的构成国家安全威胁,解决方案应当针对提供输出的源头和具体违法行为,而不是封锁所有用户可获得的开放模型。
节目认为,模型能力正在快速商品化,越来越多任务可以由不同的开源、开放权重或闭源模型完成。Chamath 的判断是,前沿实验室可能意识到今天的高估值未必能在五到十年内持续,因此推动监管有“估值保卫战”的成分。讨论者担心,政府如果强制企业只能购买少数实验室的服务,就会制造“Token 税”,抬高普通公司的 AI 成本,削弱市场竞争,也让美国企业在基础设施、云服务和芯片之外再次受到人为限制。
节目还强调,企业并不需要在每一个任务上都使用最昂贵、最强的前沿模型。若开源模型能够覆盖绝大多数日常需求,企业可以把少量高价值、专业化的任务交给闭源服务,并为此付费。这样既保留了高端模型的市场,也避免把整个应用生态锁定在少数供应商身上。讨论者因此把“开放权重”和“闭源 API”看成可以并存的商业层次,而不是只能二选一的阵营。
节目把开源 AI 与互联网早期的开放协议作类比:当基础能力免费、普遍可用时,创新和经济价值更容易扩散,而不是集中在少数公司及其股东手中。讨论者认为,美国不应限制本国开发者使用全球公共领域中的技术;即使中国企业侵犯了明确的版权或软件权利,也应当针对具体行为采取诉讼或贸易措施。节目还提出一种更宏观的判断:中国可能通过压低知识和服务的成本,把更多价值竞争推向制造、能源和实体生产能力;这使得开源 AI 不只是模型公司的商业问题,也关系到未来经济价值在哪一层积累。
面对 Anthropic 等公司的版权诉讼,节目讨论了训练数据、合理使用、搜索索引和生成式 AI 之间仍未定型的边界。讨论者批评闭源公司一方面希望使用全世界创作者的作品训练模型,另一方面却把别人学习自身模型输出的行为描述成不可接受的知识产权盗窃,这种立场存在明显的双重标准。节目提出,知识一旦被公开和传播,就很难像实体商品一样被完全圈禁;社会需要建立新的公平规则,但规则应当同时约束所有公司,而不应成为少数公司的保护伞。
讨论者也提出一个对称性检验:如果美国公司可以使用公开作品训练模型,政策制定者就必须解释,为什么同样基于公开输出的学习行为应被单独定性为盗窃。至于伪造身份、批量建立账号等行为,则可以在服务条款和商业规则层面处理,没必要把整个开放生态一并定罪。
节目随后转向 Google、Tesla 等公司的财报和资本支出。讨论者注意到,科技巨头正在投入极大规模的资金建设 AI 和云基础设施,而市场对这些投入的回报速度、收入质量和实际工作流价值仍然怀疑。有人认为股价下跌反映了市场对资本开支规模的失望,也有人认为 Google 拥有搜索、云、YouTube 和消费者业务等多重资产,仍是公开市场中值得长期关注的 AI 受益者。节目没有把“投入越大”直接等同于“回报越高”,而是强调要观察收入是否真的由 AI 工作流驱动,以及企业能否把基础设施转化成持续的产品优势。
讨论中还提到,云厂商若能让客户自由切换模型,就能降低客户被单一模型绑定的风险;相反,过度依赖某一家供应商会让应用层承担更高成本。Google 的优势被描述为不仅有模型和云,还有搜索、视频平台以及面向消费者的业务组合。与此同时,节目也提醒听众,AI 基础设施的投入可能需要很长时间才能体现回报,不能仅凭一季财报或一次市场波动判断这场投资是否成功。
最后的“社会主义角”讨论了纽约将驱逐描述为暴力的政策主张。节目中有人认为,房东不能驱逐制造噪音、破坏公共区域或拖欠租金的租客时,受影响的不只是房东,还包括同楼的老人、工薪阶层和其他守规矩的住户。另一项核心观点是,降低租金的根本办法是增加住房供给、加快许可和建设,而不是单纯限制房东的处置权。节目借助私有财产权与公共秩序的讨论,警告说,若制度持续削弱财产权和契约执行,最终可能造成住房质量下降、投资减少和更严重的供给短缺。
- 开场与 Kimi K3 引发的开源模型封禁争议 [00:00:00 - 00:10:00]
- 蒸馏技术、监管捕获与模型商品化 [00:10:00 - 00:20:00]
- 开源 AI 的价值与美国开发者的竞争优势 [00:20:00 - 00:30:00]
- 闭源实验室的估值保卫战 [00:30:00 - 00:40:00]
- 知识经济商品化与开源 AI 的长期博弈 [00:40:00 - 00:50:00]
- Anthropic 的版权诉讼与知识产权边界 [00:50:00 - 01:00:00]
- 科技巨头资本支出与市场反应 [01:00:00 - 01:10:00]
- 谷歌、特斯拉与纽约住房政策 [01:10:00 - 01:20:00]
- 驱逐争议、私有产权与增加住房供给 [01:20:00 - 01:28:07]
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- 开场与 Kimi K3 引发的开源模型封禁争议 [00:00:00 - 00:10:00]
Jason Calacanis:欢迎收听跨国串门计划,这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的AI声纹克隆技术,我们不仅将内容翻译成中文,还完美保留了原主持人和嘉宾的独特声音,为您呈现全球顶尖的AI。财经、健康与科技领域精品内容,我是主播伊凯,一位热衷于AI领域的产品经理,很荣幸能为您搭建这座跨越语言障碍的桥梁。接下来让我为您简单介绍,本期我们克隆的这档节目,本期我们克隆的是,知名科技与商业播客 All-In Podcast 由四位硅谷顶尖投资人 Jason Calacanis David Sacks Chamath Palihapitiya 和David Friedberg 共同主持,这期节目录制于 2026年7月24日,四位最佳拍档 围绕着一场正在华盛顿上演的 AI监管风暴,展开了激烈辩论,他们主要聊到了美国可能封禁中国开源模型引发的巨大争议,以及这背后关于知识产权市场竞争和地缘政治的深层博弈,此外节目还涉及了科技巨头们的巨额资本支出,以及纽约市一项颇具争议的租房新规,那我们就一起来听听这期火药味十足的完整对话,好了各位欢迎回来全球最棒播客的第282期,这是你们播客主们最爱的播客,也是你们妈妈最爱的播客,这里是all in播客,再次和我一起的有David Sacks 还有David Friedberg 这周可是大势不断,全球持续的头号新闻,就是Kimi K3 它引发了一场关于,在美国封禁中国开源模型的辩论,上周五这事甚至闹到了白宫 我们在这聊过,中国的Moonshot AI发布了Kimi K3 显然是开源模型,性能已经持平了,是持平不是落后6个月,也不是落后12个月,而是现在跟Opus 4.8和GPT-5.6 这样的模型不相上下,这本身就很了不起了,而且成本还低了大约50% 这造成了一些恐慌,跟我们在2025年初经历的DeepSeek时刻很像 David Sacks白宫已经介入了,我们节目的朋友Michael Kratios说,原话是我们有信息表明 Moonshot AI在开发其K3模型时,蒸馏了Anthropic模型,以下是特朗普政府到目前为止的反应,周一Axios报道说,白宫几周前就在考虑封禁中国的开源模型 David我记得是三周前,我把它当作一个假设抛给你,结果现在成真了,周三Wire报道说,我们商务部的Howard Lutnick 也是节目的朋友 不想封禁中国模型,所以显然宫斗戏码上演了,特朗普的白宫内部可能存在不同意见,相反他们想激励更多美国前沿实验室,去开发更好的开源模型 Polymarket显示,美国政府2026年封禁某个开源模型的可能性是45% 这是个全新的市场,几天前这个概率还是22% Sacks 你两个月前就预言了这事,这是我们本期节目的第一个胜利预言,我觉得这一切最终都会导向封禁开源模型的尝试 [00:00:00]
David Sacks:有很多线索都指向这里,你看看那些言论,说模型需要护栏,而开源模型的护栏可以被移除,所以它们很危险,你在Anthropic的博客文章里,已经能看到这种论调了,他们描述任何威胁时,都会特意找机会,攻击一下开源模型,我认为,他们是在试图制造一些想法,或者在公共记录里,埋下一些前提事实,为日后的行动做铺垫
Jason Calacanis:我觉得这只是时间问题,等他们觉得时机到了,也许就会直接推动那种禁令,好吧 Sacks 你又说中了白宫那边,到底怎么回事,政府的立场是什么,为什么我们会听到,这么多不同的声音,白宫是在试探,想搞清楚自己的立场吗,还是说这纯粹是因为,情况变化太快了,到底发生了什么,这么说吧,我有可靠消息,白宫并没有做出
David Sacks:封禁开源模型的决定,而且我觉得,他们想让外界知道这一点,我认为关于如何处理,中国模型蒸馏的问题,正在进行持续的讨论,这个我们应该聊聊,但目前还没有做出任何决定,总统会听取多方面的声音,他想从尽可能多的人那里,获取建议,而且我相信,如果所有人都参与进来,总统会做出正确的决定,就像他在这些科技议题上,一直做的那样,我觉得他在这方面的直觉,绝对是无懈可击的,他一直支持,怎么说呢,更宽松的监管,更开放的路径,这也是为什么,我认为美国正在赢得AI竞赛,所以我觉得
Jason Calacanis:目前的情况大概就是这样,那你的立场呢 Sacks 你的立场是什么,这是大家都想知道的,对,我觉得我有必要公开我的观点,本着贡献自己声音的精神
David Sacks:这样总统才能听到所有角度的看法,然后做出最好的决定,这么说吧,我认为如果政府对开源生态系统采取行动,那将是一个悲剧性的错误,这只会损害美国在这场AI竞赛中的地位,这会严重的适得其反,我认为这里的关键点是,不论你对蒸馏技术怎么看,你都不能因此惩罚美国的开发者,你不能说美国的公司和开发者,不能使用中国对公共领域的贡献,这完全是跟自己过不去,显然美国公司必须能够使用公共领域里的一切,因为世界其他国家都会用这些东西,让我再说一点,我早就说过 Anthropic是在搞监管捕获,试图寻求政府保护,这是一家历史上规模增长最快的科技公司,他们年初的AR是100亿,现在已经超过700亿了,这不是一家需要政府保护的公司,也不是一家受到竞争对手威胁的公司 不管是中国还是其他地方的对手,然而他们非常成功的,让所有人都感到恐慌,以为他们需要某种政府保护,而这件事的破绽在于,你知道这整个征流争议是假的,是因为如果阻止征流,是他们的首要目标 Anthropic应该推动禁止中国,获取美国模型,而不是禁止美国获取中国模型,没错他们可以这么做,而且这是能做到的,他们可以把它封掉,所以他们才是最该去阻止这件事的人,如果征流,如果工业规模的征流,真的是国家安全威胁,那他们才需要去阻止它,因为征流就发生在他们那里,你得从源头掐断,一旦你允许中国公司去征流,马就已经跑出马就了,对,而现实是,我觉得现在的情况是 Anthropic在追求增长的过程中,在阻止征流这件事上做得非常差,他们口口声声说,征流正在以工业规模发生,好吧 既然是工业规模,那应该非常明显才对,对,它的操作方式是,学生们创建一批批账号
Jason Calacanis:然后打包在暗网上出售,就是通过这些渠道,所以据我了解,在马尼拉,菲律宾,还有印度,有人注册所有这些账号,然后发到暗网上,用美国的IP地址去卖,对
David Sacks:就是这么干的,但规模越大,工业规模越大,就越容易被发现 Charmath一直在说,你们为什么不对客户做KYC认证,他们很清楚,一旦做了KYC增长就会慢下来,所以他们反而在说,嘿封禁我们的竞争对手,这太荒谬了,他们自己才是最该阻止征流的人,我觉得他们在这件事上是疏忽的,或者说如果他们真觉得威胁这么大,就该从他们90%的毛利里,拿出几个点来做这件事,而不是去说美国开发者,不能用公共领域里的任何东西,所以在我看来,这场辩论完全搞反了,问题应该是让Anthropic解释
Jason Calacanis:为什么他们做的这么差,而不是让整个美国开源生态,去为Anthropic的失败受罚,好了Fever 我有个很好的问题要问你,但在此之前 Charmass 你能不能稍微聊聊,你在销售电话里听到的情况 80 90 你在跟企业聊,他们听到各种报告,不管是来自你Dario 我们这档播客,还是其他地方都在说,嘿开源准备好了,就是现在掌握控制权 AI主权等等,他们肯定在打电话问你,说好我们准备好了,我们怎么把这些东西部署到本地,该怎么做,所以你跟企业打的那些电话里,情况怎么样,然后你能不能也给大家讲讲,蒸馏到底是什么,以及它为什么在这里这么重要,我们先说第二件事,蒸馏就是你启动一个模型,问它一个问题,观察它,然后拿走它的输出,用来训练你自己的模型 现在把这个行为乘以几千万次,你窃取出去的,基本上是数以万亿级的问答对 Sacks说的对,如果你真的在乎征流,你就会实施KYC 你强制人们创建账号,不只是一个用户名和密码,还得有某种形式的身份验证,也许是一张有额度限制的信用卡,有很多步骤可以做,坦率地说,这些步骤会拖慢收入增长,但能直接解决征流问题,所以那根本不是真正的问题,更像是一个转移视线的幌子,关于征流的另一件事是,每个人都在某个时候征流过,问题在于谁在征流谁,这看起来就像那个搞笑的表情包,九个蜘蛛侠互相指着对方,现在的情况就是这样,因为Anthropic也从所有这些出版商那里征流过,他们刚付了15亿美元的罚款 显然OpenR也从纽约时报征流过,现在还有官司在打,中国的实验室也从Anthropic征流过,到处都是批发式盗窃,对,我不想把它叫做盗窃,因为一开始,谁真正拥有版权还不清楚,但这里有个重要的观察点,这些模型正在以远超任何人想象的速度商品化,我们怎么知道的,因为一旦一个模型公布了它的性能标准,就没有什么有意义的持续优势了
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- 蒸馏技术、监管捕获与模型商品化 [00:09:57 - 00:20:00]
Jason Calacanis:就没有什么有意义的持续优势了,你看到的是,在几周之内,其他模型,有些是开源的,有些是闭源的,有些是开放权重的,就能匹敌,甚至在某些情况下超越那个性能,所以我认为现在的情况是,少数几家美国公司意识到,哇我们今天看到的这种价值,在五年十年的周期里可能无法持续,而当你向华尔街展示一个商业模式时,你需要有那种确定性,否则就会影响你的估值,所以我认为Jason现在发生的很多事情,是这些必然前沿实验室,在玩一场估值保卫战,因为如果你真的理解了,这些东西正在变得多么商品化,以及这个速度有多快,你就会看到,真正的商业模式,已经不在基础模型本身了,它在更上层的应用层 也在更底层的基础设施里,不管是云还是芯片,所以我认为,在没有监管干预,美国政府不插手偏袒的情况下,随着人们了解到价值,正在如何转移,他们会把更多价值放在应用层,更多价值放在基础设施层,这对闭源前沿实验室是不利的,尤其是当他们的定价比开源替代品贵了25到50倍的时候,所以这是一种试图阻止竞争对手的尝试,这个对手质量一样,但便宜得多,现在还有一件重要的事,如果美国政府干预,他会拖垮股市,好,绝对没什么好争的,你可以争论哪些公司会遭殃,我们大概也能推演一下,但比如说,如果他们说,不准再用开源了,美国公司不能用开源,好,我们就从股票的角度来看 拿一家普通的公司来说,可口可乐,嘿,可口可乐,你想用AI来改善业务,你知道吗,你只能用这两个选项,而他们的成本,是你本来可以用的,其他最佳替代方案的 50到100倍,这最终会反映在你的成本里,因为AI本该是个神奇的东西,能解决所有问题,帮你搞定一切,结果这个对你成本模型,至关重要的投入,现在比美国以外的竞争对手,高出好几个数量级,就只因为你在美国,那资本市场会怎么做,他们会说,哇你的成本结构太离谱了,这说不通,你被迫承担了既不合理,也不是市场驱动的成本,这样一来,可口可乐就得被重新估值,但你再看看那些卖Token的人,这就是Anthropic和OpenAI 需要明白的地方,如果政府介入,真的告诉你没有开源了,他们的估值会暴跌 为什么,因为所有这些收入,都是被人为撑起来的,它不是由市场竞争驱动的需求产生的,而是靠监管俘获,人为制造了限制,但这只在一个市场里管用,总之,所有路都通向市场混乱,说得好,对,只要有人插手,就会这样 [00:10:00]
David Sacks:所以我们最好谁都别插手,听起来你的意思是,如果政府给了 Anthropic Open AI 一个政府强制执行的Duopoly 而美国企业,不再能像世界其他地方一样,自由使用开源
Jason Calacanis:那美国企业就要交一笔Token税,那些我们不,对是的,市场会把他们斩首,我们会把自己孤立起来,我们会困在一个 AI贵得离谱的古岛上,你可以选可口可乐或百事可乐,可口可乐或百事可乐,对还不只是这样,你只有两种饮料可选,但它们比美国以外的可乐贵50倍,这才是重点,我们本来到处都有可乐,所以你可以买50美分的可乐,或者50美元的可乐,你能买到50美分的可乐,为什么还要买50美元的呢,对,好了,让我把Friedberg拉进来,好,我刚想说就,就再说一点,这又回到我之前说的
David Sacks:Anthropic提出的这些禁止开源的提议,解决不了蒸馏的问题,如果蒸馏是个问题,你必须从源头阻止它,换句话说,如果你想在美国禁止开源,世界其他地方,仍然会用中国的开源模型
Jason Calacanis:我们得解决那个问题,是的,而且那意味着,他们会拿到数据,会得到强化学习,然后我们就铁定输掉AI竞赛 Friedberg 我们从格雷厄姆,爱里森的角度,来把讨论提升一个层次,禁止中国模型会相当挑衅,这是个疯狂的棋局,这看起来会是个相当升级的举动,会沿着冲突阶梯往上走,对吧 Friedberg 对,我听着,我不觉得开源模型,是中国发布的这件事,有那么重要,我理解可能存在安全风险,但这些风险是可以评估和应对的,我觉得在这个问题上,有三点值得强调,我非常同意Sacks和ChemS 我认为这三点其实都围绕着征流,我不觉得征流只是AI的事,你知道征流是一个过程,你通过观察别人做出的最终产品,来思考和学习,如何设计你自己的产品,这是一种通用技术,每个产品类别 每个行业都在用,一家汽车制造商会去看,另一家的车是怎么运作的,然后用这些信息,来帮自己设计更好的车,你知道在Google早期,我们会向雅虎和微软的搜索引擎,提交数百万个搜索查询,看他们的搜索结果是什么,然后把我们的结果跟他们的对比,以此来改进我们搜索引擎的排名和算法,这是非常普遍的做法,这不意味着我们偷了他们的算法,我们没有进他们的服务器,偷他们的软件,我们看了他们软件的产出,然后用它来改进我们自己的软件,那叫基准测试,对吧,就是基准测试,有过100万个叫法,完全正确,所以我不觉得这有多重要,我认为问题在于版权侵权或IP侵权,那是我们的第二个话题 SAC是对的,这里有个服务条款的问题,但这得由服务提供商自己去解决 如果他们愿意,可以在服务条款里禁止别人这么做,但版权论点 IP论点,真正的问题是,他们偷了软件吗,他们没有偷软件,他们只是看了产出,这不是IP侵权,从传统意义上讲,这不是版权侵权,所以我确实认为,从征流的IP论点角度看,重要的是产出,而不是过程,所以问题是,他们是不是拿了,受版权保护的,软件副本来使用,还是他们只是在看产出,所以我认为,你需要评估的是产出,而不是工程过程,我能插一句吗,你也可以接着评论
David Sacks:我觉得政策制定圈子里,很多人搞不清这个区别,但科技圈的人都懂,这也是为什么两边在这个问题上,完全说不到一块去,模型权重和模型输出,这两者差别巨大,权重就是那个数字文件,是那些数值参数,那就是软件代码,就是代码本身,对就是软件就是代码,如果中国公司去偷那个软件,也就是 Anthropic或OpenAI的私有权重,那才叫盗窃,明白吗,但我们现在讨论的不是这个,因为没人指控这个,我们现在说的是,拿模型的输出,然后试着从输出里学习,用别人的软件来学习,没错,就跟你刚才说的 Google搜索那种情况一模一样,而这里最虚伪的地方在于 OpenAI和Anthropic都主张过,他们有权拿全世界的,所有输出内容来训练 不管创作者愿不愿意,没错,这就是他们目前的立场,就像Chamath提到的纽约时报诉讼案,纽约时报正在起诉OpenAI 因为OpenAI违反纽约时报的服务条款,跑到人家网站上抓取所有信息拿去训练,而OpenAI的论点是,你看我们又没偷东西,我们只是拿了纽约时报的输出,然后推倒出自己的模型权重
Jason Calacanis:而这恰恰就是这些中国模型在做的事,拿美国模型的输出,然后推导出自己的权重,他们就是在从中学习,对不过指控的点在于,我们先把话说清楚,这里涉及伦理问题,就是那种工业规模,隐蔽的违反服务条款的行为,白宫也一直在谈这个,对所以大家要理解,这件事里确实有对这一点的某种承认,对对我先说清楚
David Sacks:我可不是在替中国说话,实际上你看看我的履历,我是第一个公开谈论,争留这个概念的政府官员,那是在2025年1月 DeepSeek刚出来的时候,我上了Laura Ingraham的节目,我大概是政府里第一个,向公众解释这个概念的人,而且我还是赢得 AI竞赛报告的共同作者,那份报告的全部前提,就是我们要赢,我们要打败中国,所以我绝对不是那种,不希望美国赢的人,我希望美国赢,问题是怎么赢,如果我们禁止开源,等于自断手脚,也就是说,当全世界其他国家,都能利用开源的时候,我们却不让自己,所有的美国公司去利用,那问题就大了 Anthropic和OpenAI 去执行他们的服务条款,我完全没意见,他们需要做得更好,从一开始就阻止征流发生 如果政府能做什么来帮他们,也行,但我不确定能做什么,真正需要发生的是,这些公司自己得把服务条款,执行得更好,好明白了 Frieberg你刚才说你有三点要讲,我觉得你讲了一点
Jason Calacanis:我想听你把另外两点也说出来,好第二点就是关于言论自由的论点,你看什么是开源模型,我觉得不搞软件的观众需要理解这一点,开源就是一个可以下载的软件包,你可以把它想象成下载一本书,一个文本,你拿到了全部代码,一旦你拿到代码,它就在你电脑上了,你不需要联网,直接就能运行和使用,我觉得如果试图对开源施加任何限制,接下来会面临的一个挑战,就是你怎么实际执行这些限制,因为这基本上等于告诉人们,你们下载并拿到了,这个免费公开的软件副本,但你们不许用,这会变成一个真正的难题
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- 开源 AI 的价值与美国开发者的竞争优势 [00:19:58 - 00:30:00]
Jason Calacanis:这会变成一个真正的难题,我觉得我们在这块,没有太多好的先例,试图阻止开源,过程会非常难看,我确实认为,在版权诉讼这方面存在疑问,但如果有,那也得走合法的正当程序,去打官司,去论证,然后才能阻止,那个开源软件被获取,然后我的第三点是,开源对世界更好,回到Chema说的,这便宜了100倍,这对行业,对企业都更好,受益的会是经济和消费者,从根本上讲,你回头看互联网早期 Netscape做了专有的浏览器,和专有的服务器软件,就是Netscape那套东西,他们上市了,是第一个这么做的,当时超级值钱,超级赚钱,但那家公司,最后被开源干掉了 Mozilla基金会成立,就是为了做一个叫 Firefox的开源浏览器,后来Google把做Chrome的人都招走了,但Chrome本身还是开源的 Apache基金会也把第一个HTTP服务器,做成了开源产品,大家不用再花钱买Netscape 微软或者Oracle的服务器软件,任何人只要有台电脑,下载Apache软件,就能自己搭一个web服务器,接入互联网建一个网站,最后的结果是,价值流向了整个互联网,而不是集中在少数几个,控制着互联网入口和门户的软件公司手里,基本上所有东西都开源了,然后Google起飞了 eBay起飞了 Etsy 亚马逊,还有数以百万计的小网站,小企业,所有从开放开源的互联网中受益的人,都起飞了,如果互联网是封闭的,到处是收费的专有软件关卡和门户,那互联网根本不会爆发,经济也不会增长,所有这些工作岗位也不会被创造出来,当年那叫AOL 和computer 真的 我们经历过那个时代,现在我们来看这个类比,这里的类比是,如果开源AI起飞,那伯尼桑德斯,伊丽莎白,沃伦,还有所有那些,社会主义者,天天念叨和担忧的事情,就不会发生了,因为你不会看到 AI的所有价值,都集中到两三家,或四家公司,以及他们背后那一小撮,亿万富翁股东手里,真正会发生的事,还会遍地开花,全世界数百万家,整合了AI的企业都会受益,每个人都会受益,经济会增长,就业会被创造 AI会成为一股向善的力量,去创造一个开放的经济,所以我知道政府里有些人,还有站在另一边的人,听了这些会说,但是,但是,中国开源和美国开源不一样,让它全面扩散吧,坦率地说 如果中国公司侵犯版权,窃取软件,那就去追究他们,实施贸易制裁,用尽一切你能用的手段去阻止,但根本上,开源AI会改变全球经济,它会确保AI的经济价值,扩散到每个人手里,而不是被少数人控制,这就是为什么,如果那1%的人控制了开源,那寡头们就要倒霉了,我们也不需要搞什么财富税了 Charmis 你刚才想补充,我们必须承认,这个细分市场里价值被锁定的速度,消失的有多快,简直不可思议,我在硅谷25年,从没见过哪个经济领域,在吸收了几千亿美元之后,你以为它未来几十年,都会有经济定价权,结果这种权利,在几个月内就蒸发了,就几个月,它起飞也才几个月,还记得吗,还记得Anthropic 当时有多火吗,然后它就在几个月内蒸发了,我在这一点上 我不同意你们的看法,蒸发这个词有点重了,看起来它确实可能会放缓,或者进入平台期,说吧 Sacks 说说你的论点,然后我再说我的,对,不过Sacks 在你开始之前,让我把Anthropic的收入图表调出来,我们可以用这个来缓和一下讨论,也让听众了解一下情况,大家看这里 Anthropic的收入,在过去几个月有点停滞了,看起来,当然这是第三方追踪的数据,不是完美的数据,但我们确实看到,这是一个明显的逆风,然后你那边有我说的第二张图吗,我上周还是前两周在节目里聊过,当时我们在讨论开源,我记得是altimeter的Brad Gerson在说,黑token用量还在增长,但问题是有路由器在追踪open router的数据,一个开源模型表现越好,越容易部署到你自己的服务器上 拿回内部使用,这些就都是按token 它们不会被记录下来,你在任何一张收入图表上都看不到它们,因为他们基本上是免费的,你只需要有服务器和能源来跑就行,大家看这里,现在远超50%的比例,而且很多都来自中国,对了Sacks 在你反驳之前,我想先说清楚,我不是说这些公司赚不到钱,不是这个意思,我想说的是,市场非常精明,会看穿当期利润,然后问一个很具体的问题,这笔收入10年后是什么样,是涨还是跌,竞争是更多还是更少,它本质上是垄断品,还是更像大宗商品,如果是大宗商品,有多少人能给它定价 10年后这个商品的市场,出清价格是多少,我想说的只是,通常这些变量暴露出来,底牌被翻开的速度相对较慢 所以你有5到10年的周期,从独家供应商,慢慢过渡到大宗商品供应商,而我现在观察到的是,只有技术才能创造出,这样一个市场,让这个周期被压缩到短短几年,这太独特了,因为如果你是一个资金配置者,你很难坐在这儿,看着这些数据心里不去想,它为什么不会在5到10年内,变成大宗商品,而当他们得出那个结论时,每个资本配置者最终都会,因为不这么想就太失职了,你就很难给他赋予巨大的未来溢价,顺便说一句,真正的钱在往哪儿流,我们从谷歌的财报里也看到了,待会儿肯定会聊到,钱在流向云,流向基础设施,所以还有另一群人,根本不希望开源走到尽头,因为他们想提供最便宜的模型,他们知道利润全在那里,那你觉得Sacks 这会走向何方,是两边都开源,我们会看到遍地开花吗,要我说,对按需智能的需求是无限的,而且我觉得,只要智能还在不断变好,你能调用的智能就没有上限,那这样的话,论点就变成了,没错它是大宗商品,价格会一直降,但用量会一直涨,你怎么看,你得假设,这正好就是你们用过的那个例子,它就是个网页浏览器,浏览器只是一个,通往某个地方的工具,真正捕获价值的是,那些作为目的地的应用,我觉得如果你暂且假设,智能变得完全无处不在,随处可得,它的编辑成本几乎为零,生成它所需的能源也几乎为零,我认为这是个准确的假设,那就很难论证,它为什么不会像浏览器一样,然后它就会被吸收进,亚马逊云服务 Alan的web services 这些云业务里 Sacks你觉得这会怎么发展,然后我们接着聊第二个话题,就是知识产权的事,第三个话题是市场,具体聊谷歌,特斯拉和SpaceX 听着,这期节目到现在,大家共识其实挺多的,那我就来唱个反调,我觉得开源和闭源,都会是这里面的大赢家 [00:20:00]
David Sacks:市场太大了,他们各有各的用处,事情是这样的 Kimi K3一出来,大家有点慌,都在说,天哪,所有中国模型都追上来了,还免费给人用,这会毁了我们美国领先的,前沿实验实验室,然后Anthropic OpenAI 就到处说,听着如果中国公司,可以随便投我们的权重,我们就没法继续投,几十亿美元了,对吧,这就是他们现在对,政府官员说的那套,但事实是 Kimi K3刚出来的时候,我也担心过,心想中国是不是真追上了,他们现在是不是能做出便宜得多的前沿模型了,然后细节慢慢出来了 Ben Thompson在他博客里扒了一些成本数字,结果发现Kimi K3跑起来的成本并没有便宜多少,它没有显著的成本优势,这是第一点,第二点是中国并没有追上Kimi K3 在网页开发前端编程的那个竞技场测试里 确实得分很高,但那只是一个测试,只是一个维度,有些领域它确实很强,但还有很多其他领域它表现一般,所以它并不是对美国领先模型的明确超越或追平,更何况Anthropic和OpenAI实验室里,还有远比这领先的东西,有报告说Sam下周要去华盛顿谈GPT-6.0 那个东西强得离谱,所以我不认为中国真的追上了,我觉得 Sam要去找爸爸了,他打算要点什么,我觉得他们管线里还有非常厉害的未发布模型,我们应该让自家的马放开跑,别用一堆没必要的条条框框去拖慢他们,只要这么做,我觉得我们完全没问题,我不认为中国已经追上了,我仍然觉得我们领先六个月,最后一点看收入,这才是真实世界里实际使用情况的试金石 Anthropic和OpenAI简直是在炸场,他们是我们见过的 达到这种规模后增长最快的科技公司,遥遥领先 Jason你展示的那张图,说Anthropic好像有个小波动,听着他们内部的预测,是今年翻十倍,从100亿做到1000亿,现在一年过半,他们的年化经常性收入,已经超过700亿了,做到1000亿轻轻松松,而且我们其实不太清楚,图上这个小波动到底是什么,我觉得有一种可能是OpenAI 如果你把OpenAI的图表叠上去,他们在过去一个月重新加速了,所以我觉得,如果你把OpenAI也加进来 Codex确实很出色 Codex确实很出色,我觉得他们抢走了一点份额 Sam也在推特上说
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- 闭源实验室的估值保卫战 [00:29:58 - 00:40:02]
David Sacks:Sam也在推特上说,我们又找回状态了,他们还在上调预测,我记得他们原本预计年底,做到600亿的年化经常性收入,现在他们预测年底,大概能做到750亿,所以我猜,如果你把OpenAI和Anthropic 叠在一起看,把他们当成一个整体,就叫它美国前沿模型双头垄断,好了,你根本看不到任何放缓,也看不到任何波动,他们在上调预测,现实是,如果说存在模型能力扩散,这早就不是什么新鲜事了,我早在2025年 1月DeepSeek出来的时候,就指出来了,在他们一直指数级增长的,整个过程中,这事就一直存在,所以我真不觉得,这些公司实际上,受到了任何伤害,我不认为他们需要政府保护,我觉得他们仍然在指数级增长,这有点像篮球里球员假摔,那个叫什么来着,就是假摔,造犯规假摔之类的 对就是假摔没错 [00:30:00]
Jason Calacanis:或者说你被犯规之后演的特别夸张,好让裁判吹对方进攻犯规,你想骗犯规的时候叫造犯规,然后假摔就是纯粹夸张表演,像勒布朗那样,没错就是勒布朗那种
David Sacks:就是那种夸张假摔,这帮人想造犯规,想让政府出手干预,那他们为什么要这么做,因为他们现在正在露眼,而且Chamath回到你的观点,我确实觉得他们面临一个合理的问题,随着时间的推移,你们为什么不会被开源给商品化,到目前为止,最好的回应就是,如果他们能引诱政府,给他们一个受政府保护的,双头垄断地位,那就太棒了
Jason Calacanis:最好的答案就是你刚才说的那个,而且Anthropic和OpenAI 应该坦然接受这一点,因为他们擅长这个,也就是他们会沿着技术站往上走,做到应用层,他们其实已经在做了,我知道,但他们目前的做法,有些地方有点笨拙,但他们确实非常擅长,这些面向终端用户的应用,真的很不错,他们就应该把这块牢牢抓住,这应该是他们给华尔街的答案,各位,我们有最好的模型,我们最终会沿着技术站往上走,如果我是他们,我甚至会练习下面这个回答,也许会有某个版本的模型,我不发布就留着自己用,只用在我自己的应用里,这个怎么样,这个嘛,这才是对他们那个问题的真正回答,那是反竞争的,不,这不是,他们完全可以构建一个模型 不发布,自己用,等等,让我回答,这个在他们客户眼里,这就是反竞争的,政府可能不这么看,但如果你是他们的客户,比如我跟lovable聊过,他们付了很多钱,或者你是11labs 也付了很多钱,然后他们说,我们最新最强的模型你不能用,因为我们要跟你的公司竞争,那他们就会停用,转去用开源,我告诉你为什么 Sacks 我觉得你在这个问题上错了,我认为开源正在迎来它的高光时刻,我跟创业公司打交道,他们全都在从这些币源模型迁移,改用开源模型,而且成本低得多,因为很多任务根本不需要最新模型,他们可以用上一代模型,大家正在把模型部署到本地,自己托管,我觉得这件事有不可忽视的概率,会打乱Anthropic和OpenAI的IPO计划,以及他们的中期前景,他们会没事的,他们会没事的 只要大家各走各的路,各位我在陈述我的观点,闭嘴30秒,我认为这会打乱他们的IPO 我从头说这会打乱他们的IPO 这会成为逆风,因为我觉得他们会面临巨大的利润率压缩,我认为他们花了太多钱,会掉进一个陷阱,我觉得这可能是个陷阱,他们超支了,却没有相应的盈利能力,账算不过来,而创业公司才是未来,创业公司的做法,最终企业会去效仿,我觉得你错了 Sacks 你先说,我会回应的,但让Chema先回应,因为他提了观点,你错了,完全错了,我觉得你错了 Sacks 我觉得他们在95%的工作上,已经追平了,这习惯太疯狂了,我不是说IPO会取消,但我觉得他们的市值和逆风就要来了,他们被拖慢的可能性不是零 我觉得答案稍微有点不一样,不是说95%最前沿的任务谁都能做,而是95%的任务可以用很多不同的模型来完成,这才是真正的答案,而且这也没问题,顺便说一句,说的太对了Chemes 我同意,而且Entropic也可以说你知道吗,我有下一代模型,我要去孵化一个,比如生命科学项目,或者一个网络安全业务,就像Sacks之前说的,他们可以在这些地方,随着时间积累,捕获几万亿,有几万亿的企业价值,因为我确实觉得,他们有很棒的模型,很棒的工程师,也有势头,但如果你想建一个商业模式,试图把这一层说成,有很高的终局价值,我觉得这在数学上就是错的,就是这样行不通的,开源对这些公司来说,可能就是一个逆风 因为他们所有最好的客户,我跟他们聊过,不管是Lovable还是eLabs 还是那些就在6个月前,每个季度还花几十万美元的创业公司,他们全都大规模迁移了,用GLM52自己做模型,秘密已经藏不住了,他们会开始流失大量客户,转向开源,然后Google ADOBS和Elon Web Services 会去托管这些模型,我怎么知道的,我每次干活都用Perplexity Computer 不是付费合作什么的,就是碰巧发现,它是我找到的最好用的Harness 我一般先用Grak,Nimatron,GLM52 然后也丢进Cloud 结果一样,甚至更好,换句话说,我根本分不出它们之间的区别,我们把OpenAI的数字,叠在Anthropic的数字上面来看,因为我觉得这能支持我想说的观点 顺便说一下,这些都是估算,不是直接从公司拿到的确切数字,只是想让大家知道,根据这家公司的数据,我是说谁知道他们怎么算出来的,我们也不知道这些数字,是不是完全准确
David Sacks:他们基本上显示OpenAI的run rate 也就是ARR从5月的330亿,涨到了7月的413亿,所以他们的加速,就像我说的 Sam在外面说,他们找回了状态,未来12个月,会是他们有史以来最好的,再看Anthropic 增长还是很快,我们之前节目聊过,年复一年十倍增长,物理上不可能永远持续,你会用完算力,用完能源,用完一切,就是不可能,对根本不可能,去做事,但Anthropic 我是说,如果有人说过,如果有人在一月份说 Anthropic年终就能超过700亿,而他们当时才100亿,没人会这么说,你肯定会说,这是史上增长最快的科技公司,我想说的是,说他们整个业务,有被摧毁的风险,至少目前数据里还看不出来,而且Charmoth回到你的观点,这不仅仅是模型的问题,还关乎Harness 关乎连接器,关乎企业协议 要发展这样的业务,需要的东西很多,而且他们急着去寻求政府保护,就因为未来可能出现的竞争风险,我觉得这有点难看,甚至恶心,我是说,这简直是史上最成功的科技公司,却跑去找政府,基本就是在说,你们得保护我们,防着我们的竞争对手,这个论点很精彩,不只是中国竞争对手,还有美国竞争对手
Jason Calacanis:我们未来的潜在竞争对手,他们应该请Lena Kang来,好吧,坦白说,这很恶心,我举几个例子,因为我知道大家对中国的公司,没什么同情心,那没问题
David Sacks:我不是在为中国公司辩护,我是在为美国的开发者辩护,他们需要能够使用,公共领域里的一切,我给你举个例子 Mirror Maruti 他的新模型 Thinking Machines Thinking Machines 他们现在有美国最好的开源模型,你知道它是怎么训练出来的吗,是靠蒸馏起步的,从中国的KimiK 2.5模型蒸馏出来的,那如果你说中国模型是基于盗用知识产权,那Thinking Machines又算什么,它就是一个衍生作品,基于一个Anthropic 想污名化成偷来的模型,而且顺便说一句,这事到现在没有任何证据,也没有走任何举证程序,他们就是想用一把大刷子,把所有东西都抹黑,说那个模型已经被污染了,我再给你举一个例子 Cursor推出了他们的新产品Composer 2 他们用Kimi K2.5 加上自己专有的编程数据,对这个模型做了后训练,你想想这个过程 他们从一个中国开源模型起步,然后用自己的数据,做出了一个新的衍生产品,这就是开源运作的方式,你拿公共领域里的东西 Fork出来,把它变成你自己的,而且一旦进了公共领域,它就不再是中国模型了,它就是开放权重,任何人都可以自由使用,它就是一个文件,你拿过来 Fork它在你自己的硬件上跑,放在美国的数据中心里,没有任何数据包传回中国,没有任何数据传回中国,什么都没有,一家美国公司拿了公共领域的开源贡献,把它变成自己的,然后开发出自己的模型,如果你说美国公司不能这么做,或者说这多少沾了点盗用知识产权的脏水,那你基本上就是一刀,捅进整个美国开源生态系统的心脏,而这恰恰就是Anthropic想要的,因为他们不想面对竞争 Friedberg 要不你来收个位
Jason Calacanis:然后我再说我最后的看法,我先退一步,从更大的视角来看,也想想中国的策略,回顾过去50年的全球经济,美国积累了巨大的价值,靠的是处于知识经济的核心,本质上就是服务经济,在这个意义上,通过开发知识产权,开发知识,然后把一个比特转换成另一个比特
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- 知识经济商品化与开源 AI 的长期博弈 [00:39:59 - 00:50:01]
Jason Calacanis:然后把一个比特转换成另一个比特,我们创造了数万亿美元的GDP 与此同时,我们把制造业外包出去,在中国养出了一个沉睡的巨人,他们现在有惊人的制造能力,说到底,如果你思考人类技术演进的历程和人类繁荣,它很大程度上,是由我们把分子从一种形式,转换成另一种形式的能力驱动的,并且用尽可能少的能量去完成这件事,所有技术最终都归结为这个简单的等式,分子转换,用最低的成本造出你身后那张漂亮的沙发,制造材料,制造半导体,制造所有这些东西,我们世界里的一切都是由分子转换驱动的,所以归根结底,如果知识经济和服务经济被压缩,就像AI 特别是开源AI所做的那样,实际上把这块价值压平了 因为所有这些价值现在都开源了,免费了,只是打开开关运行一下的事,那么美国和西方经济的价值,在很大程度上就被削弱了,剩下的就是分子经济的价值,也就是转换分子,并为此消耗能量的能力,看看今天中国和美国的对比,美国有一太瓦的发电能力,而中国正在迈向八太瓦,我们有大约100亿平方英尺的制造产能,他们有2000亿平方英尺,所以他们有20倍的制造产能 8倍的发电量,再加上他们所有其他的能源来源,我认为这就是中国在 10年20年30年尺度上的长线布局,通过压缩知识经济和服务经济,把它彻底商品化,最后他们手里就握着,全球经济中所有的价值,因为他们能造东西,而且比任何人都便宜,因为他们有最多的电力 这就是我看他们想下的,这盘大旗的一个非常简单的框架,你觉得他们是想把,这个非常重要的领域商品化,就像他们对电缆汽车等等做的那样,全球知识和全球服务,比特的创造和流动被商品化,剩下的就是电力的生产和分子的制造,而在这两方面,他们都拥有一个非常难以逾越的优势,这会让他们成为全世界绕不开的核心依赖,这就是我认为的长线布局,顺便说一下,这些数据来自像The Information 这类媒体的报道,或者其他来源泄露出来的数字,他们就是基于这些试着做图表,对而且我自己也有消息来源,我跟这些公司的投资人聊过,我可以告诉你 [00:40:00]
David Sacks:Anthropic和OpenAI 现在都在上调他们的预估,他们的预测在往上走,也许开源会抢走一部分份额,没问题,那是因为市场太大了,而且开源永远有自己的市场,因为开源更可控更可定制,你可以自己拥有它,你得到数据主权,你得到自主权,但它也需要你投入更多工作,所以有不同的使用场景,对应市场的不同部分,这其实很有意思
Jason Calacanis:你刚才说的,需要投入更多工作,这点Sacks特别有意思,就比如三到六个月前,把这些东西搭起来还特别费劲,但现在有那么多中间商在构建默认,就能跑通的集成框架,这个问题正在被解决掉
David Sacks:好了,他们能拿到一次免费咨询吗,天,每个人都在为自己的利益说话,绝对是这样,每个人都在为自己站台,我可没有,包括要我说那些 Anthropic和OpenAI的投资人
Jason Calacanis:有意思的是,有多少这样的投资人 BRA两周前刚上过我们节目,你那期在吗 BRA当时就在说,让我告诉你,为什么这会儿他还在死守,他还在死守那些东西
David Sacks:不其实我倒觉得BRA 他当时就,我其实挺认可BRA的,因为我觉得他在公共政策上,还算客观,或者说考虑到他确实持有所有这些公司,已经尽可能客观了,但是这么说吧,我看到很多人突然变成了对华鹰派,说什么我们必须阻止中国,我们必须阻止,哦是啊他们是对华鹰派,如果他们想把芯片卖到那边去的话
Jason Calacanis:能不能先披露一下,你是不是Anthropic的股东好吗,绝对的你们有在这些公司的股东名单上吗,没有我不在,没有直接持股,对没有直接的,间接的,有,间接的,可能有一点点长口,你要这像什么吗 Charmath 就像你拿到了一首童话,或者顺子,然后心里默念,千万别出对子 Bra现在就是,千万别出对子,千万别出对子,好了我们继续,我爱开源,我太爱这种开源AI了,我也爱,我觉得这太棒了,它的价值,太朋克了,就是有太多可以做的事情了,就是让人兴奋,觉得太棒了,而且对ChemS说的完全正确,大多数模型能完成95%的任务,如果是这样的话,那并不是说每个人都需要抢着去用最好的开源模型 你只需要开源模型能完成你想用AI做的95%的事情就行了,剩下那5% 你可以用专门的或者高价值的服务,或者付一笔溢价,而且话说回来,如果你是一家大企业,需要给你的员工提供封装支持,和所有其他工具,那就买Anthropic或OpenAI 或Grok的工具,或者Geminize 选择多的是 Anthropic半权问题,来了 Anthropic周一以15亿美元和解了,他们的AI半权诉讼,弗里德伯格,这是美利坚和中国历史上,金额最高的半权和解案,也是第一起达成和解的,重大AI训练诉讼,后面还有一大堆,类似的案子在排队 Anthropic从盗版网站,下载了700万本书来训练Cloud 单就这件事本身,它算不算犯罪还不好说,法院对此有过一些裁决,他们之前曾裁定 I用受版权保护的书来训练,在合理使用原则下是合法的,但未来还会有新的判例,所以这次是和解,他们没有把官司打到底,律师拿走1.01亿,作者每本书拿3000美元,目前覆盖了50万本书 91%的相关作者,已经认领了自己那份,还有大量其他的在路上,然后这是你本集节目的,第二个胜利果实,内容提供方,作为一个群体需要团结起来,一致争取自己的权利,纽约时报Metacritic 争取开派对的权利吗,不是争取获得报酬和活下去的权利,你可以去跟ChatPD说,作为一个群体,要么给我们这些条款,要么就别索引我们,他们在干扰这些内容方 利用自己内容的能力,这极其不公平,那些杂志和报纸需要,你说什么,你会被撵过去的,有可能YouTube就是个很好的例子,这里也会发生同样的事,最终会有一个和解方案,让他们能够主张对自己内容的权利,我跟你赌多少都行,赌你这次的预感是错的 JKL这简直跟毫无挑衅,反着来,我要选我最大的赢家,现在2024年,对于像纽约时报 Reddit X Twitter YouTube等等,这样的训练数据拥有者来说,我觉得我们在2023年学到的是,语言模型开始非常迅速的趋同,真正的价值将在于,他们甚至可能变成大宗商品,开源或许会胜出,所以我认为赢家是那些拥有训练数据的人,你知道,最精彩的部分,就是看Jason 对自己言论的反应,我就是喜欢 你给我做了张图吗,我的表情包就像,加油 JCFriedberg 我们这打过赌吗,我们打过赌吗,我不知道,他下线了,其实这个和解案,我觉得并不能完全证明,你想证明的东西 Jackal 好
David Sacks:我能说一个细微的差别吗,当然,好,你看,而且你知道,显然我不是Anthropic的超级粉丝,因为我觉得他们为了自己的监管,俘获目的,可能正在毁掉整个生态系统,但我们得先搞清楚,我们得先搞清楚,随时来上节目,对,我们得先搞清楚这个判决,到底算什么不算什么 Anthropic做的事,是他们从LibGen 盗版了所有这些书,然后用他们来训练,他们惹上麻烦的原因,是因为他们基本上拿的是偷来的书,他们连一本正版都没买过,但如果他们每本书都买过哪怕一本,他们就不会因为盗版被抓住,他们本可以拿合理使用来辩护,我知道Jackal这点在法院还有争议,但那会是他们的辩护理由 所以他们之所以被这个15亿美元的判决砸中,是因为他们连一本都不肯买 Anthropic和OpenAI的立场仍然是,只要他们买了一本,就应该能在合理使用原则下,用所有这些书来训练,而这个问题至今还没有解决,现在你应该能看出,他们这个观点,跟之前那个问题相比,有多么彻底的虚伪,那就是他们相信自己应该能训练,全世界所有创作者的作品,只要我猜他们买了一本,而且这违背了那些创作者的意愿,不管创作者乐不乐意,他们相信基于合理使用原则来训练模型,得出自己的权重是合法的,然而他们又说,有一种内容你绝对不应该拿来训练,那就是他们自己的产出,这就是他们目前的立场,彻头彻尾的虚伪,实际上如果你回去看 Anthropic 2月份的博客文章,他们在那里首次定义了 工业级蒸馏公鸡这个概念,这个词就是他们造的,而且我担心政府里的政策制定者不明白,这整个就是Anthropic的一次行动,在Anthropic写那篇博客之前,没人把蒸馏和公鸡,这两个词放在一起用,蒸馏本来只是个行业标准做法,但Anthropic造出了
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- Anthropic 的版权诉讼与知识产权边界 [00:49:59 - 01:00:01]
David Sacks:但Anthropic造出了,工业级蒸馏公鸡这个说法,不管怎样,你去那篇博客文章里搜一下 IP盗窃这个词,里面没有Anthropic 没有声称,尽管他们试图创造这个新概念,并给工业级蒸馏公鸡,这个想法打上标签,他们却没那个胆子说,这是IP盗窃,没那个胆子,没那个胆子,没那个虚伪劲,没那个脸皮去说,这是IP盗窃,为什么,因为他们坚持认为,自己有权用全世界的,所有产出训练模型,哪怕创作者不乐意 IP为我所用,但你不能用,没错,所以JK 我甚至不想去争,你在合理使用问题上,对不对,也许你是对的,我不知道,但我想说的是他们的虚伪,他们自己从来没说过,中国公司这是知识产权盗窃,他们试图说的是国家安全威胁 因为中国公司会从他们身上征流,做出自己的模型,而这些模型没有护栏,所以他们当时用的是另一种说法,但那个说法在政策制定者那里,一直没站住脚,因为我觉得政策制定者也明白,护栏确实重要,但你知道这个说法一直没站住脚,直到Anthropic开始说,这是知识产权盗窃,但他们一直不愿意公开这么说,因为他们知道这会毁掉,他们自己正在打的所有合理使用官司,就像你提到的,纽约时报正在起诉OpenAI 本质上就是一次工业级的征流攻击 OpenAI上了纽约时报的网站,用爬虫以人类不可能达到的规模,吸走了他们所有的信息,然后拿来做训练数据,实际上就是逆向工程出了模型权重,所以我的意思是,连Anthropic和OpenAI都不敢公开承认,中国在做的是知识产权盗窃 因为他们自己就在做同样的事,这完全是虚伪,我觉得政策制定者不应该去替这些公司说,他们自己都不敢说的话,因为他们知道这么说,会输掉所有这些官司 Friedberg你有什么想法,显然这事还在打官司,我们聊过 [00:50:00]
Jason Calacanis:有150个大案子,纽约时报是一个音乐行业,也有,我问你个问题 JC Howe 假设你写了本书,你有问题要问我,假设你的书我不知道,就叫跪拜小说,伟大的美国小说,也可能是天使,有11种语言版本,好你写了这本书,谢谢哈珀克林斯出版社,然后你选择不把它提交给AI 因为你有限制,你把它封闭起来,没人能读到你的书,就像我们对谷歌搜索做的那样,你不能出现在谷歌搜索上,没人能读到你的书,你不让任何人读,你的书想读就得付钱 10美元,然后有人花了30美元买了跪拜,伟大的美国小说,读完之后写了一篇书评,发到了网上,在网上,这位评论者谈论你的书,描述你的书 然后被一个AI引擎的网络爬虫抓到了 AI引擎从中学习,了解了你的书,现在当有人在AI引擎里问到你的书时,他就能做出一些评论,你觉得在这种情况下,你的版权被侵犯了吗,对 AI从来没有摄入你的书,他摄入的是关于你书的原数据,关于你书的书评,关于你书的第三方分析,所有这些都在开放的互联网上,而且他不只是复制这些东西,而是用它来学习你的书,所以你是说,那1500条关于天使,如何投资科技初创企业的书评,永恒的智慧,来自一位把10万变成1亿的天使投资人,这些书评会成为AI的基础,那我猜我不得不接受,但就像你知道那条认证评论 说这是雄辩又直率的天使投资蓝图,对那条五星好评在里面,我没问题,那些一星两星的差评,我不想让他们进去,你现在对过程一无所知了 JK要付钱了吗,那1498条书评里,有多少不是你写的三条,对不是,其实我告诉你们一个秘密,当你们真的被邀请写书的时候,或者说你们任何人,有能力写完一本书的时候,对因为我今年97岁,还活在19世纪,你用了哪个AI agent 哪个机器人 2017年那会儿还没有AI 这下我们知道,他那个愚蠢的开源AI垃圾炮,是往哪打了,没错我还核实了购买记录,弗里德伯格你说的很对,你说的,哦来了跪拜,伟大的美国小说,教你掌握野心建立韧性,赢得人生工作和创新的实用智慧 掌握美德信号,掌握美的信号,太厉害了,这太美了,但JSAL这就是我的观点,知识是没法被圈住的,它是会扩散的,所以版权的形式是非常明确的,关于版权的判例法也非常明确,我不能从你的书里直接摘一段文字,重新印刷,然后说这是我写的,那侵犯了版权,但是我读了你的书,我读了关于你书的评论,从你书里扩散出来的知识,最终会经过某种抽象转化,变成别人可能会读到的新内容,我觉得我们不太可能走到那一步,认为知识经过数字化传输,数字化处理,再变成其他内容,在这个意义上就算侵犯版权,我理解你的立场是有变通办法的,显然我们一直都有cliff notes 对吧,如果一本书足够好,就会有人去写他的cliff notes 你拦不住这个 这有个四步检验法,我们在这档播客里聊这个,都聊了三年了,要我说美国公司如果做这些模型,就该拿出他们收入的10% 搞点大手笔的现金和解,现在事情也正是在这么发展,如果你是版权方,你应该去研究一下音乐行业是怎么做的,他们就是一群疯狗会跟你死磕到底,把你耗在法庭上,直到你服软同意和解,承认你是在获得授权,然后他们就能拿着那个判例和和解协议,去找下一家再下一家再下一家,这就是他们能成功守住版权的原因,然后如果你跟我成了竞争对手,那问题就来了,所以如果你问,这本书讲了什么,大家怎么看,书里最好的部分是什么,这些信息来自书评,行没问题,这说得过去,但问题是,我跟你说,现在还有一些别的官司,正在法院审理,真正会出问题的 就是你刚才说的应用层查马斯,当他们进入应用层,开始用这些东西的时候,这里有个很大的案子,显然你们也知道一些,但现在又有了别的案子,有关于音乐的案子,有纽约时报的案子,比较有意思的一个是汤森路透诉罗斯案,这是关于AI训练版权的最终判决,有一家公司叫Westlaw 跟LexisNexis差不多,一直有人想主张,他们可以拿Westlaw这类产品的输出来训练模型,当你跟我处在同一个行业时,这在版权法里有个特殊地位,因为你侵犯了我使用自己版权的能力,我觉得你的论点,弗里德伯格是站得住脚的,就是这不会阻止别人去买书,但一旦你开始直接跟我竞争,那这些事就会出问题,所以我认为音乐行业会赢,其他一些领域也会赢,但听着这是个全新的领域 这些官司都是全新的领域,知识产权法目前还没有那么细致的规则,所以我们整个社会得做个决定,看怎样才算公平,我的建议是,就像我们上周聊到的那个自我监管组织一样,所有AI公司应该联合起来,拿出你们收入的10% 放进一个资金池,持续付钱给创作者,获得他们的许可,这样你们才能拿到内容的更新,才能拿到下一本书,才能拿到下一篇,纽约时报的报道,下一篇路透社的报道 10%可满足不了那群疯狗
David Sacks:我跟你说,他们会冲着100%去,好了Jackal 我有个问题想问你,请讲,鉴于合理使用原则,现在还没有定论,鉴于Anthropic和OpenAI 正深陷巨大的官司,对手是资金非常充裕的,内容创作者和那些社群,结果还悬而未决,牵涉到几十亿美元,甚至可能搭上他们整个产品,你觉得他们去主张违背,创作者意愿去提炼内容,就知识产权盗窃,这会不会是一个致命的错误,你明白我的意思吗,明白,就是说这会不会是个致命的错误,你看他们本来可以这么做的,你会把这个案子打到最高法院,然后说嘿,听着你们自己已经说过了,他们本来可以这么做的,本来可以这样说,听着这些中国公司在创建虚假账户,他们用代理来使用我们的产品,这违反了我们的服务条款,用这些模型输出来训练,不算知识产权盗窃 因为那属于合理使用,但是这些人批量创建账户时,谎报身份,这属于欺骗性商业行为,我们会尽一切努力去阻止,同时也希望政府能帮忙一起阻止,不过我们不会说,这是知识产权盗窃,这难道不是一种,更微妙的处理方式吗,当然,因为我觉得,他们现在快要搬起石头,砸自己的脚了,对,这就像,我想现在年轻人管这叫手机,对吧
Jason Calacanis:基本上就是个经典的手机套路,而且在大多数这类案子里,最后都是和解,所以如果你看看音乐产业,报纸,杂志,还有那些作者,他们通常都挺温顺的,但现在出现了一个新趋势 Friedberg 很多内容提供方都在跟谷歌说,把我们从索引里拿掉,因为谷歌只有一个爬虫,这个爬虫既做谷歌搜索抓取,也做AI训练抓取,现在行业里的呼声是,嘿把这两个功能分开,我想留在谷歌搜索里,但不想被AI索引,所以人们现在会说,嘿那我们就从索引里退出,这点鲁珀特,莫多克算是看对了,如果所有报纸当时能联合起来,说别索引我们,谷歌我们拒绝被索引
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- 科技巨头资本支出与市场反应 [00:59:59 - 01:10:00]
Jason Calacanis:谷歌我们拒绝被索引,那就会逼谷歌回到谈判桌上,给他们付版权费,为索引他们的内容付钱,他们做过这事兄弟,当时确实有过一个协议,但事情没按你说的那样发展,因为他们当时没有形成统一战线,现在我觉得纽约时报算是学到这个教训了,他们想要谷歌的用户流量,所以最后达成了一个协议,搞了那种付费墙和排除规则,比如可以展示一定数量的免费文章,那是一整套谈出来的和解方案,我说的比那还要早得多,是事情最开始发生的时候,但我觉得我们现在正处在某种和解协议即将达成的边缘,而且我认为美国如果能在这方面占据领导地位,会是件好事,因为你确实希望这种创作能持续下去,但所有这些内容公司,他们应该互相碰头,音乐产业,纽约时报 所有人一起阻止他们的内容在未经许可的情况下被使用,还被用来跟他们自己竞争,这是我的看法,你知道只有当双方都能接受时,和解才会达成,在我看来,如果你是那些 [01:00:00]
David Sacks:内容创作者游说团体中的一员,你看到Anthropic 刚刚告诉政府,未经创作者同意,就拿他们的作品去训练,属于知识产权盗窃,对他们站你这边了,他们现在基本上等于承认了,自己的整个产品都是偷来的,在我看来,那些内容创作者,现在为什么不主张,他们有权拿走Anthropic 100%的收入呢,我觉得这可能是玩过头了,他们太擅长监管俘获了,太擅长提出这些论点,拉政府下水,制定新规来保护自己,但我怀疑这次是不是有点聪明,反被聪明误,再说一遍,如果他们当初把定位稍微调整一下,说看这些中国公司在创建虚假账户,这是欺骗性商业行为,我们没说这是知识产权盗窃,对吧,但他们偏偏说了知识产权盗窃,现在整个创业社区都被动员起来了 你看到了Gary Ten和200家创业公司,写了那封联名信,为什么,因为他们知道,如果这个知识产权盗窃的定性成立,那所有基于中国模型的衍生作品,现在也都变脏了,这意味着整个创业生态系统,现在都面临风险,对,所以我就在想,这些人是不是做的太过火了,我是说如果你去华盛顿,想收回来都难了,对
Jason Calacanis:你跟狗躺在一起,就别怪醒来时身上有跳蚤,是他们自己决定要掺和这事,对吧,所以他们可能捅了马蜂窝,我觉得这个说法挺准的,对了 2027年的出版计划发布了,我们有一些新书要出,你们听过我的那本 《卑躬屈膝》 马上就来,还有David Sacks的 《我万上的法拉利》 《如何赢在人生并买得起25万美元的手表》 我的天,这还是用Ozempic减肥前的Sachs 我们得抓紧把这事办了,来了 David Friedberg的拯救美国之战,消灭社会主义缩减债务,赢得AI 我喜欢这本书,我加入,对这本确实不错,顺便说一句,这是我们全新的all in阵容,来了Chamath Palliapedia 一个充满情欲的意大利夏天,哇是本爱情小说,这是唯一一个决定写虚构作品的人 这是虚构的,是虚构的,是虚构的 Chamath 我还拿到了Chamath的非虚构小说,你连他的非虚构那本也有,在这儿,在这儿,企业销售 Charmouth 反乌托邦,我的软件创业公司,如何伪造了我的意大利夏日,太棒了,真的太棒了,天哪,这书出自All In 米兰的IT男,没错,这本书来自All In Books 这是我们新的出版品牌 2027年上线,我们还会推出 Brad Gerson 或者说Bill Gurley Elon Musk的书,还有其他一些书目,我们会在之后的节目里介绍更多书目即将推出,换个话题 Google和特斯拉今天公布了财报资本支出,这块讨论很多 Google的财报简直炸裂,炸裂,我是说太疯狂太离谱了,结果他们股价跌了大概7%到10% Google Cloud同比增长82% 对因为现金流数字的问题,现在年化营收运转率已经达到1000亿美元,这还只是一个业务,特斯拉的资本支出同比飙升140% 他们预计全年资本支出会达到250亿美元 Google今年的资本支出预期,从1950亿上调到了2050亿美元,还说明年会更高,我们录节目这会儿,特斯拉跌了14% Google跌了7% 谁知道后面会怎样,但两家都报告了负的自由现金流,换句话说银行里的现金变少了,而不是变多了,对Google来说这还是头一回 IPO更新SpaceX股价较上市,首日收盘价跌了30% 现在市值1.5万亿美元,股票压力很大,我们待会也会聊这个,显然他们是以2万亿美元,市值上市的首日大涨,就是所谓的一浪一价,后面可能还会继续承压 也可能已经触底了,这种事谁也说不准,这完全是前所未有的情况,我们从来没见过这么大规模的IPO 但有一些锁定期,这是图表,好几批锁定器会在不同阶段到期,那么Charmath 我们来聊几句,这是你的SpaceX 我觉得资本支出这块,显然是为了AI在铺路,有一种情况是OpenAI 在资本支出上花钱,是为了提供自己的服务,但还有Google 他们做这些资本投入,是把它作为Google Cloud的一部分,再卖出去,这是个很厉害的产品,另一方面,他们自己也用这些基础设施,而且他们的业务就是增长的飞快,不管是YouTube Google Cloud 甚至搜索业务都还在增长,所以我看到这些就觉得,这看起来是很好的资本运用,与其只是分红,不如去建设这些基础设施,在我看来,这像是在投资未来,对我来说 这像是一个买入信号,但市场显然很失望,市场为什么失望,对你来说,这是买入信号吗,这让你对管理层,对Sundar和Sergey在做的事,更兴奋,还是更担心了,对,我更看好了,你们知道吗 Google上市以来 25年的平均投入资本回报率是多少,猜猜看 17% 不对 21% 不对 23% 不对 29% 价格是多少来着 35% 32% 天哪,好,当你面对一台机器,一群人,一种商业模式,能在20年里,以32%的平均水平,实现富力增长,你就该相信这些人,他们不是那种乱来的人,他们是在有条不紊地投资自己的优势,这又回到我们一开始聊的,他们会得到巨大的回报 Twitter或者说Exxon 有很多关于Gemini使用情况的讨论 说它到底是真的火还是假的火,他们的收入增长真的来自AI驱动的工作流吗,这些都是胡扯Google的搜索体验,非常出色,他们似乎很好地驾驭了这次向AI的转型,做得非常漂亮,他们有很棒的云业务,还有很棒的芯片业务,对他们来说最好的情况就是有500种不同的模型遍地开花,而他们全都支持,因为他们在芯片层能赚很多钱,作为云服务商也能赚很多钱,他们还会找到一堆应用来赚钱,包括YouTube和其他东西,因为你可以用AI来更精准地投放广告,或者帮助创作更好的内容,等等等等,碎片化对他们有利,对他们来说太好了,这就是一台复利机器,顺便说一句,我觉得市场的反应,是因为我看到Ryan Peterson发了一条推,不知道真假 但他说谷歌今年的资本支出,会占到美国今年军费预算的20% 所以大家可能是在对这个投资规模做出反应,他们上市以来第一次自由现金流为负,这当然会让人吓一跳,但他们正处在一个巨大的投资周期里,我觉得最终会有回报的,哪怕像Friedberg一开始猜的那样,数字砍半,就算砍半,也还是超过2500亿,对Friedberg 你看苹果,他们差不多回购了一半的股票,把几千亿美元的利润,都还回去了,天哪,在我看来,把这么多钱还回去,不管是回购股票,还是大笔分红,我觉得现在科技公司说,等等,我们有东西值得投了,是件大好事,下一个大趋势是暗虚智能,而智能是没有上线的,至少我看不到,未来十年里,不会有人说,我智能够了,够了,世界上所有问题,我都解决了 我觉得大家会一直想要更多,你怎么看这个巨大的转变,基本上就是1000亿 2000亿美元,看哪家公司,直接砸进资本制处里,这看起来很精明,对吧,我们都觉得这是好事,如果你要读谷歌,把钱投到基础设施上是错的,因为你宁愿他们,现在就把现金分给你,那你就不该持有这只股票,别人会买的,我觉得谷歌在很多方面都能赢,谷歌的盘子太大了,有消费者业务,里面东西很多,还有YouTube 还有GCP 还有那一堆其他赌注,顺便说一句,里面包括SpaceX 10%的股份,还有Anthropic的,一大块股权等等 Vemo就值1200亿,光Anthropic这一个季度,就带来了1000亿的账面增值,他们单季度在Anthropic上的,按市值计价就赚了1000亿,而且所有这些公司,他们都有份,所以谷歌有很多 值得看好的地方,但单说GCP 我觉得可能没有比它,更适合抓住 AI在企业端价值的企业级平台了,为什么,怎么说,我觉得它就是好太多了,因为你大量的企业数据都在上面,所有邮件,云端硬盘,很多你希望AI能了解,能访问的信息,用来提高办公效率,而且它们是模型无关的,你可以跑任何你想用的模型,跑任何你想跑的工作流
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- 谷歌、特斯拉与纽约住房政策 [01:09:58 - 01:20:00]
Jason Calacanis:跑任何你想跑的工作流,不用被绑死,很多其他云服务商,云SaaS 多少都有点依赖特定模型,只能按某种方式跑,用谷歌你可以更好地按自己的想法去调系统,那最坏最坏最坏的情况是什么,最坏最坏最坏的情况,就是他们拥有全球成本最低的基础设施,可以帮别人跑模型当服务来卖,就像伊朗用Colossus跑Grok那样,伊朗Web Services看起来做得相当不错,而且你看伊朗在Colossus部署上拿到的回报,所以我觉得谷歌在最坏的情况下,哪怕应用层的东西全部行,网络效应全部起作用,自己也没有好模型,他们仍然会拥有,全球最好的基础设施,可以靠他印很多年的钞票,前提是你相信AI 所以如果你想压住AI 我觉得公开市场上,最值得持有的股票就是谷歌,而且顺便说一句,你还搭上了YouTube 搭上了消费者业务,搭上了其他所有东西,现在的估值倍数简直离谱,我们之前聊过这个,我记得Chadmas 你和我聊过,苹果下一步该做什么,我们俩好像都得出一个结论,为什么不做Apple Web Services 他们跟开发者的关系这么好,有App Store 有深厚的开发者关系,没那么容易,因为要建云服务平台,你得建一些关键基础设施,亚马逊花了大概17年,才把它做精,谷歌花了大概12、3年,才基本追上,但Jason 一旦你决定做网络服务商,做云服务商,你真正承诺的是五个九的可靠性和在线时间,而这极其昂贵,做到前两个九 99%的在线率,如果你只是给制药公司或国防公司托管点东西 可能花不了太多钱就能做到,做到第三个九 99.9%大概要花几十亿美元,做到第四个九要花上百亿美元,但要达到第五个九得花上千亿美元,这需要真正的投入和真正的技术实力,而全世界只有三家能玩,对我觉得Tim Cook 不是干这事的人,但新CEO可能是,毕竟他是工程师出身,但他们在过去十年里,返还了大概9000亿美元 7550亿回购 Sacks还有1400亿分红,你频频这个数字 9000亿美元,如果他们当时把这些钱,投到Anthropics, SpaceX 和其他地方,总能找到一些好用途的,不过Sacks 你对现在的情况,有什么看法,抱歉,但谁又能说拿到那些钱的投资者,没有找到好用途呢,对从社会层面来说是这样,我只是觉得 苹果当初要是能更有野心一点,哪怕只拿出这笔钱的一半,不去搞回购和分红,而是用来创造新产品,真正把他们的车做出来,或者收购一些有意思的公司,那他们现在会是一家更好的公司,这种不造成伤害的资本配置策略,对股价确实管用,接下来看John Turner 会不会彻底改变打法,这会很有意思,我觉得他会,他会是那种工程师出身的人,对,好了,市场就聊到这,市场该怎样就怎样,等有更多新闻,能让风险投资人,发表评论的时候,我们再聊伊朗,和其他类似的事,现在嘛,就是持续关注,我知道大家一直在问,但我觉得我们,没什么可多说的,不过在社会主义角,这个环节,我倒觉得我们有很多可聊的,这是我们新开的常驻栏目 Freeberg 每周都有更多新闻,从社会主义角冒出来,有请制作人Nick 把我六年前讲,社会主义的视频放出来,让我们给 Friedberg本月初的,社会主义怒喷,在家点料,纽约市独裁者,兼市长Zoran Mamdani 别乱用那个词,拜托,在纽约市的移民公寓博物馆,发布了一场,租房骗局听证会,听证会后,他推出了一份,租房骗局报告,法案通过了,禁止房东向租客,收取信用审查申请费,新规将允许房东要求信用审查,或者要求收入达到月租40倍的标准,但不能两者同时要求,法律上承认租户工会还有其他一些措施,它显然还冻结了一年的租金,在听证会上一名活动人士,戴着新冠时期的口罩,把驱逐行为称作驱逐的暴力,来看这段20秒的视频 这都什么跟什么,我们刚才看的是什么 Sex 你还记得Fat Alberti 那个戴这种帽子的家伙吗,能把那人的照片找出来吗,你记得Fat Alberti 那个戴帽子的吗,他叫什么来着,我的天,新冠还没结束吗,我以为新冠已经过去了,不不,他只是刚打了加强针,那是个超级加强版的口罩,那是个超级加强版的口罩,那可不是一块小布口罩,是那种大的,我是说再配上那顶帽子,那真是相当找到了,我记得那家伙,这到底是怎么了,等等,我们得给Friedberg一个机会,来段怒喷,因为我是说,我也可以就这事来一段,不不,让Friedberg来,这可是他最爱的话题 Friedberg 你怎么看 1787年,约翰昆西,亚当斯,他来了,发表了一部著作,叫《为美利坚合众国政府宪法辩护》 在这部著作里,他有一句评论,当社会承认财产不再像上帝的律法那样神圣,并且没有法律和公共正义的力量来保护它时,无政府状态和暴政就开始了,然后到了1791年,他在一个系列文章中公开表示,财产必须得到保障,否则自由就无法存在,你能展开讲讲解释一下,他为什么这么说吗,美利坚合众国的立国基础,就是私有财产权这个概念,因为你想,所有来到美国的人,他们都是从那些专制政府,君主制之类的地方来的,在那里,某个领主或某个小集团,可以随时决定拿走你拥有的东西,作为个人,你没有私有财产权,他们可以闯进来 说那个农场是我的,你其实是个农奴,我才是领主,那个东西是我的,你有权使用它,是因为我赋予了你这个权利,我是全能的,我是这片土地上的专制监工,正是这种停滞不前的状态,驱使那么多人来到美国,说我们想要一个地方,在那里个人,一个单独的人,可以说我拥有某样东西,没人能从我这里夺走它,私有财产权是美国自由的基石,而那种你可以声称这是暴力行为,声称这是极端巨额财富的情况,然后对那个人说,我现在有权,政府现在有权,拿走你的私有财产,这种想法最终会导致,这种专制形式,而且它一开始会表现为,无政府状态,因为记住,无政府状态是一个临时状态,它总是介于一种状态,和另一种状态之间,所有无政府状态 最终都会走向暴政,一群人互相争斗,他们都在互相偷东西,每个人都去拿,去抢自己想要的东西,最终人们会联合起来,形成团体,那些团体变成更强大的团体,强大的团体最终获胜,然后他们就成了,凌驾于大众之上的暴政,这就是为什么,所有无政府状态,最终都会演变成暴政,所以无政府状态和暴政,是一回事,说到底,这些社会主义原则的本质,就是我们要拿走你的私有财产,你不再对自己的私有财产,拥有权利,不管你是房东,还是被我们认定财富过多的人,我们现在都有权进来拿走你的财产,控制它,从你手里夺走,而且它永远是从这种道德说教的框架开始的,我们是好人,你是坏人,理由如下 你对住在你楼里的人实施了暴力,你拿走了太多财富,而我们都没有财富,所以我们有权去把你的财富拿走,它永远是从你是坏人这个出发点开始的,所以第一步的叙事框架就是,私有财产所有者是邪恶的,私有财产所有者,对那些没有私有财产的人犯下了不公,这就是剥夺他们私有财产权的正当理由,而这正是向暴政体制过渡的开端,最终会演变成我所说的大美利坚政治局,或者随便什么社会主义框架,由这帮社会主义者的小圈子搞出来,正在拼凑的东西,所以所有这些小动作看起来,虽然荒唐疯狂离谱,但加在一起是同一件事,他们是在远离私有财产权,而私有财产权是美利坚合众国的根基,这就是为什么我觉得我们都应该如此震惊 而且借用约翰·昆西·亚当斯的观点,我们必须坚决捍卫这些权力,一旦这些权力开始流失,哪怕是以最微小的方式都会产生连锁效应,一切都会走向暴政,而且在美国这会非常丑陋 Saxe你对曼达尼同志这事怎么看 [01:10:00]
David Sacks:对我想在这个观点上,再加一层这些DSA社会主义者,说驱逐就是暴力,他们基本上想阻止驱逐,我觉得Friedberg的观点是,这剥夺了房东的财产,这没错,但我觉得我们也得停下来想一想,这对楼里的其他住户意味着什么,首先如果房东因为楼里,有一堆拖欠租金的租客而没有收入,他们就没法支付维护和保养费用,于是这些楼会变得更破败,这会影响到其他租客,而且我有一个朋友管理这些公寓楼,他提出的一个观点是,往往是这些霸占房屋的人,这些本该被驱逐,却赶不走的拖欠租客,才是最糟糕的邻居,你想想公寓楼里的那些问题,有人半夜制造噪音
# #647.美国是否该封禁Kimi K3?开源 AI 之争、Anthropic 的 15 亿美元支出
- 驱逐争议、私有产权与增加住房供给 [01:19:58 - 01:28:07]
David Sacks:有人半夜制造噪音,可能放很大声的音乐,或者有人捶墙,或者有公寓里飘出恶心的气味,或者有人滥用公共区域,或者有醉酒闹事的行为,这些就是在这种租金管制公寓楼里,会发生的事情,而且你要记住,楼里还有长期住户,很多是老人,他们负担不起搬去新地方,他们依赖租金管制,当你不能驱逐那个闹市的租客时,没错,房东会受影响,但邻居受的影响更大,因为他们现在被困在一个向下的螺旋里,我觉得这整体上就是进步派思维的一个问题,这些DSA类型的人永远是那种,受过高等教育,往往还很富裕的人,他们负担得起对公共空间持有奢侈信念,因为他们从来不用这些空间,对吧,他们不坐公交,不坐地铁,不去公园,所以当这些地方 被无家可归的吸毒者占据时,他们永远为吸毒者辩护,而不是为中产阶级和工薪阶层辩护,你要是不住在田德龙区,说这话当然轻松,对完全正确,而且这对工薪阶层的打击最重,因为他们真的需要这些公共设施,他们需要公园给孩子玩,或者需要坐地铁,对吧 [01:20:00]
Jason Calacanis:当你看到有人在地铁里注射毒品吸毒,或者随地大小便,这真的是个大问题,或者你正走路送孩子去上学,就像住在马林县或者上东区,持有这种奢侈信念的人,他们只是,他们跟这些事是脱节的,他们不需要面对这些,对,我们在我们的节目里聊过这个,这些租金管制公寓也是一样的道理,我觉得这是关键点,如果连续好几年,你谁都不能驱逐
David Sacks:不管这个人有多麻烦,你实际上就把这些公寓楼,变成了相当于公共住房项目一样的地方,而这真的会伤害到那些,收入不高无处可去的体面人,他们的生活质量会严重下降,而且你看那些住在封闭社区里的,私募股权太太们,他们还是会自我感觉良好,因为他们阻止了这些驱逐,但真正受苦的是楼里的人,而且Charmath这些人
Jason Calacanis:根本不是在从第一性原理出发思考问题,你要是真想解决住房问题,任何一个对经济学有基本了解的人都会说,那就增加供给,价格自然会降下来,而且你增加哪种供给其实都行,不管是豪宅多户住宅还是独栋,只要房子够多,有交通能通勤,能把人运进运出就没问题,就像我现在坐在东京,人家老早就想明白了,网上盖多塞一些单元就行,德州佛罗里达内华达也都想明白了,唯一想不明白的,好像就是纽约洛杉矶和旧金山,这几个地方恰好是自由派精英的聚集地,这事从概念上讲并不难,就是允许大家多盖一些房子,盖不同类型的房子,然后价格就会降Chamath 你怎么看,奥斯汀的数据已经说明了,一旦你放松审批限制,就会有更多房子盖出来,而每多一套房子入市,都会实实在在地把租金拉低 所以你想要低租金,就得有更多房子,想要更多房子,就得更积极地批许可,就这么简单,这只是一个决定 Mamdani通过这项法律,需要多大的政治意愿,他其实完全可以用同样的意愿,去推动审批改革,那样能带来的好处要大得多,关于私有财产这件事,我之所以让Friedberg来解释,是因为我真的觉得,他说的非常重要,我觉得挺可笑的,推到极致来看,假设你正开着车,突然有人跳进你车里,然后说我现在进来了,你不能赶我走,或者你出门去拿个FedEx 或亚马逊的快递,门没关,有人跑进来坐在你沙发上,然后突然之间,你就不能赶他走了,这听起来蠢得离谱,如果你强迫房产的业主,不能做信用审查,不能筛选租客,结果只会是租金涨得更高,所以我猜,他们应该把这项法律通过 然后观察结果会是什么,这样你就可以在,纽约市和奥斯汀之间,做一个相当科学的 A斜杠B对比,自然就知道什么有用,什么没用了,对
David Sacks:问题是,社会主义者从来不会吸取教训,我们已经有大量的研究了,在阿根廷,租金降了,对,对Chema 问题就在这,你看,要是社会主义者,能从他们失败的实验里,学到点什么,芝加哥就不会是现在这样了,对吧,我们不需要等纽约彻底烂掉,才知道这行不通,因为这种事,已经在太多地方发生过了,没错,但不知怎的,这种事好像永远停不下来
Jason Calacanis:他们好像永远学不会,所以就该让他们亲自做这个实验,然后学个教训,疯狂的是,你确实会学到东西,但这会是在最大舞台上的一次失败,这可是最大最复杂的城市,我的天,是啊 SARKS 如果房东不能合理的涨租金,会发生什么,他们就没有动力去投资新建房子,也没有动力去翻新升级,而纽约市还有一个特别的陷阱,他们给公寓制定了各种法规,比如你做一次翻新,必须符合某些规范,而规范多到吓人,这就意味着翻新成本极高
David Sacks:结果就是现在出现了很多空置的鬼楼,没错,然后住房存量就变得破败不堪,而且他们现在做的事更早,他们在禁止房东对潜在租户做信用和背景调查,他们说你不能看租客的收入,所以你不能审查他们是否真的付得起房租,他们一边禁止驱逐,房东没法干了,他们禁止驱逐,然后又阻止你做禁止调查,去了解这个租客到底会不会付房租,这完全乱套了
Jason Calacanis:那你到底该怎么办,有意思的问题是,如果你作为房东,被迫在这样的规则下经营,你会怎么做,答案很明显,你会把租金定高三四倍,然后要求租客预付好几个月的房租,再慢慢放宽这些条件,直到找到一个市场出清的价格,这是唯一的办法,所以租金不会降只会涨,那就做这个实验吧,我们看看会发生什么
David Sacks:这点说得非常好,比如说假设有X%的租客,会开始拖欠房租,对吧,而且话说回来,当他们知道自己不会被驱逐时,还有什么动力去付钱呢,零,完全没有,所以实际上会有相当大比例的人决定,算了,房租我就不交了,这样一来,房东就得自己承担这些损失,没错,这就意味着他们得把更高的租金,转嫁到其他人头上
Jason Calacanis:你会把租金设成原来的三倍,然后再慢慢往下降,而且就像我说的,你得先预付一整年的租金,好吧,祝你好运,这哪里更便宜了,情况更糟 Sacks房东不仅留着那些破旧的公寓,在某些情况下,他们干脆让公寓,让存量房空着,反而更划算,有人搬走了,他们被迫要翻新,这得花几十万的翻修费,所以他们就想,算了,先控着吧,结果就是根据报道,纽约市有五万套鬼公寓,那是爱比营的问题,那就像,不纽约已经禁止爱比营了,你根本定不到爱比营,哦真的吗
David Sacks:对所以现在的情况是,这很有意思,对如果你是房东,我觉得你能做的一件事,就是卖掉房子,换个地方,另一件事就是,干等着,因为经营一栋公寓楼,根本不赚钱,你不能涨租,不能赶人,也不能对租户做严格审查,所以你也许就让楼空着,等着看情况变化,当然前提是,你没在上面背太多债,对吧,更多的鬼公寓,对,然后就出现了鬼公寓,对
Jason Calacanis:好了,听着你一直在考虑,来参加all in summit 今年就是你的机会,演讲嘉宾都是世界级的,活动派对人脉网络,今年80%的参会者,都是创始人,投资人或高级运营者,更侧重社交,还有音乐表演,没错,过去我们请过,梅士 Majo Rhymes Diplo Diplo我们请过太多厉害的人了,去salonsummit.com看看吧,好了各位,这又是一期精彩绝伦,史无前例的all in podcast 爱你们兄弟们,拜拜,拜拜