目录
- 小团队的扁平协作 [00:00:00 - 00:10:00]
- 世界模型与世界加速 [00:10:00 - 00:20:00]
- 失业与不理性乐观 [00:20:00 - 00:22:06]
小团队的扁平协作
Nivi：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，还尽量保留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。我是主播一凯，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，并分享几句非常精彩的原话。本期我们克隆的是 Naval Podcast 的一期对谈节目，主持人 Nivi 和 Naval Ravikant 进行了一场没有固定主题的自由聊天。Naval 是硅谷知名创业者、投资人，也是 AngelList 联合创始人。这一期里，他从自己正在参与的公司 Impossible 出发，聊到 AI、组织、硬件和未来社会的变化。节目里有几句原话很有代表性：“其实我讨厌组织管理，因为我讨厌组织。” “所以 AI 天然就是一个放大器。” “我觉得这个阶段结束了。” “我们必须不理性地乐观，因为无论如何，这也是唯一的出路。” 这些判断背后藏着 Naval 对技术和世界变化的很多长期思考。接下来就让我们一起进入这期完整对话。你正在收听 Naval Podcast，我是 Nivi。 [00:00:52]
Naval Ravikant：这一期没有固定主题，会是一期纯 Naval 的节目。你在现在的公司 Impossible，是怎么用 AI 改变管理公司的方式的？还是说你们规模太小，而且都是一群很厉害、很独立的个人贡献者，所以 AI 还没有影响到你们实际运营公司的方式？更接近后者。我们是一个 hub-and-spoke 的架构。我联合创始人是 CEO，大家基本都向他汇报。他就像唯一的产品经理，脑子里装着所有事情，到处跑，想把这个几乎不可能完成的任务拼起来。所有人都通过他对接，而且大家都很聪明。我们保持非常扁平的结构，尽量推动大家直接彼此沟通。我们甚至不用 Slack，这大概能让你感受到我们的方式。所以我们没有把 AI 明确当成公司内部的沟通工具，但 AI 在隐性层面仍然很有帮助。我们不像 Square。我知道 Jack Dorsey 围绕 AI 重组了 Square，也许 Shopify 的 Tobi 也在做类似的事。有些人非常擅长组织管理，他们会做这类实验。我从来不擅长组织管理，其实我讨厌组织管理，因为我讨厌组织，我讨厌大型群体。我觉得在那里面做成事情太难了，你面对的也不总是最优秀、最聪明的人，而且总会有政治斗争。所以我更喜欢把团队保持在小规模。我们指望大家独立运转，并且在需要的时候互相沟通。就像我说的，我们甚至不用 Slack。我们不用任何项目管理软件，我觉得也就是 GitHub。大家想互相沟通的时候，就直接发消息，真的就是这样，一对一交流。有时候会有点混乱，大家要自己想办法找到前进方向，但这也是能力的一部分。这有点像计算机网络。你要怎么组织一个网络，让它更高效？因为到某个点之后，沟通成本会变得非常高。传统答案是层级制，它是一个树状系统，最上面有一个人，也就是 CEO，然后下面有一群 VP 或 SVP 向他汇报，再往下还有一群 VP，中层管理者依次往下排。这样能让事情保持有序，并朝一个方向推进，但它很压抑，里面有很多政治斗争。你不能和比你低两三级的人说话，除非你像 Elon 或 Brian Chesky 那样进入 founder mode，然后大家还会把这当成某种了不起的成就来赞美，好像 CEO 突然被允许跟工程师说话了。你听得出来我是在讽刺。我就是觉得那是一种很糟糕的运作方式，但它也是规模变大之后的要求。而我们还没有到那个规模，所以我不喜欢那种方式。相反，我喜欢完全互联的图结构，那当然很疯狂。完全互联的图，就是每个人都可以和任何人说话，再加上一个轻量的 hub-and-spoke，中间有一个人，努力把所有事情都装在脑子里。完全互联图有一个特点，每个节点都必须非常聪明。所以你要做的就是招非常聪明的人，他们能够在完全互联的图里运转。如果他们没法找到需要沟通的人来解决某个具体问题，或者他们没法和其他人合作、沟通，那他们就不适合这种组织，应该去找一个层级制组织，那里会让他们更舒服。所以我们其实不太依赖任何工具。现在 AI 在组织内部其实仍然是一个很有用的工具，我可以举两个例子，虽然不止这两个。一个例子是，如果你在读别人写的代码，代码很复杂，你可以让 AI 替你读，然后给你总结。论文也是一样，AI 可以读别人的论文，然后给你总结。它还可以真的扫一遍 codebase，告诉你公司里谁可能是某个主题的专家，然后把你引到那个人那里。所以 AI 可以替你做很多这种挖掘工作，你就不再那么需要一个明确的内部网了，你也不再那么需要把所有东西都明确写下来，因为 AI 可以弄清楚你在哪里、你需要什么。你甚至可以把 AI 放到 codebase 和设计文件上。比如说你们有硬件设计，也可以把它放到设计资料上；如果你有供应商和厂商，可以把它放到保存所有供应商、厂商文件的数据库或文件夹里。你甚至可以把它放到公司邮件里，然后直接问：我们现在到底进展到哪一步了？我们离真正发货还有多远？根据你对当前估算和时间线的判断，给我画一张 Gantt chart，告诉我谁落后了、谁超前了、哪个部门资源不足。AI 可以持续替你做这种数据分析、挖掘和汇报。你要报告，它就生成报告。你不需要专门的图表、dashboard 和业务集成系统，你可以直接让 AI 现场重新生成。你可能不想每次都这么做，因为可能太慢，但你可以让它按需搭建这些 dashboard，也可以按需更新它们，这就是一个很大的变化。另一个变化是，传统公司里会有硬件团队。像我们这样的公司，会有硬件团队、软件团队和 AI 团队，他们通常不会做彼此的工作，但现在有了 AI，他们至少可以做到对方工作的 20% 到 30%，这让他们之间的衔接变得更容易。比如 AI 团队如果需要测试某个东西，可以自己创建 software harness。它可能不适合生产环境部署，但总比坐在那里等一个软件工程师过来给你写定制代码要好。同样，硬件团队也可以写一点软件，用来启动一台新的硬件设备，否则他们可能也得等软件团队来做。所以有了 AI，每个人都能稍微做一点各种事情，这会让他们更通才；他们变得更通才之后，就更容易和其他人对接。你不一定非得让别人专门给你写一个明确的 API 才能使用他们的代码。你可以让 AI 去发现一个 API，或者创建它自己的 API，也可以绕过 API，直接在它认为合适的层级连接进去，不管是在数据库里，还是在 codebase 里。所以 AI 天然就是一个放大器，但我们还没有专门围绕它做什么明确的事情。 [00:06:51]
Nivi：你现在正在试图弄明白什么？我这么问，是因为我们很少有机会看到聪明人的工作成果，还是形成过程中的样子。我一直很着迷的一件事，就是挖出聪明人的秘密，以及他们内心真正的想法。 [00:07:43]
Naval Ravikant：这个世界和几年前已经非常不一样了。现在有两家公司，也许四家公司在主导 AI，如果把 Nvidia 这样的硬件也算进去，可能是五家公司。问题是这种局面稳定吗？这会变成一个 commodity business，还是一个垄断生意，或者寡头生意？它会不会在某个点到顶？它们会不会耗尽数据，模型也不再进步？还是说我们会一路走到 通用人工智能？当然，实验室里相信 通用人工智能 的人，会认为所有价值都会消失进 AI 实验室里。最后这会不会比 Mag 7 的世界还要更集中，只剩下 Mag 2，甚至 Mag 1？又或者它会以某种方式碎片化？开源真的有机会吗？还是说人们永远只想要最聪明的模型？如果是那样，他们会放弃隐私，放弃开源，然后在云端付高价使用。所以我觉得这些都是大问题，非常大的问题，是会震动世界的问题，但我不知道答案。你能用分布式的方式训练 AI 吗？分布式训练可能吗？还是这些东西会越来越中心化？我觉得现在的普遍看法是，训练会走向中心化，两到四家公司会主导，数据中心和电力会成为限制因素，所有人都在朝那个方向冲。但如果这个判断是错的呢？那会是一个有意思的逆向赌注，不过我现在还没有看到证据。我觉得 AI 这部分正在形成的主流判断是对的。至于 通用人工智能，我不知道，我不想做未来学家。 [00:10:00]
世界模型与世界加速
Naval Ravikant：我看到的 AI 具有参差不齐的智能，在多模态推理上也相当差。我不觉得它有一个好的世界模型，虽然现在冒出了很多做 world model 的公司。不过我觉得他们把一种看起来像世界、可以在里面导航的东西，误认为是 world model。人们会说，看，这就是 world model，因为它看起来像是在生成一个世界，而且我可以在里面走来走去，但那不是 world model。真正的 world model，是一个 agent 的脑子里有一个关于世界的模型，这个模型让它可以采取行动，然后预测自己行动的后果，再根据发生的事情调整自己的行为，不管它有没有学习，也就是说，它要有一个类似 reinforcement learning 的循环，那才是 world model。所以我们现在看到 world model 公司正在出现。我记得 Yann LeCun 最近就用 JEPA 做过一个很有名的例子。于是我们会看到新的模型、新的 agent、新的智能形式，我们会不会走到 通用人工智能，我不知道，这也是所有人都在试图搞明白的问题。这个世界确实在变。X 上有个很有名的梗叫“什么事都不会发生”，对吧？我觉得这个阶段结束了。我还没完全说清楚原因是什么，但我觉得任何认真观察的人都会告诉你，COVID 之后，世界变化快了很多。COVID 前后出现了某种错位，也可能只是我们本来就处在一个不稳定的平衡里，COVID 把这个平衡打破了，然后我们经历了一次相变。但现在世界看起来确实动得快多了，地缘政治上是这样，经济上是这样，技术上也是这样。VC 现在被迫去投更多硬件、火箭、无人机、AI，你可以把它叫作科幻技术。所以我觉得科幻技术现在需求很高，科幻科学家和科幻作家供给很少，科幻工程师也很少。所以我们正在看到世界发生转向，也许会变好，也许会变坏，但事情现在变化得非常非常快。我们正活在那句中国诅咒里: 愿你生活在有趣的时代。 [00:12:10]
Nivi：在硬件这个世界里，有什么事你正在试图搞明白的吗？
Naval Ravikant：我觉得无人机仍然没有被充分利用，尽管它们最近在战场上已经变得很显眼了。我们离无人机的终局还差得远，我现在并没有什么特定的问题正在试图搞明白。我的意思是，我觉得无人机防御会非常困难，因为进攻型无人机既有动能优势，因为它是朝你俯冲下来的，又有突然性优势，进攻方可以把所有攻击无人机集中在一个区域，而防守方总是分散的。防守方唯一的优势就是射程短，它向上穿越的距离，要比攻击无人机飞进来的距离短得多。但我觉得无人机战争会改变社会里的暴力结构，所以它会从根本上改变军队和整个国家的架构。你可以说，现代国家的兴起，某种程度上就是步枪带来的结果，因为步枪让一个原本的农民能够在战场上打倒一个封建骑士。于是你需要工厂去造步枪，还要训练火枪兵、武装他们、训练他们。所以民族国家取代了封建国家，成了执行这种暴力逻辑的正确结构。后来进入核武器时代之后，真正独立的主权国家只剩下七到九个，其他人都活在别人的核保护伞下面，所以无论是在安理会还是别的地方，那七到九个国家说了算。1945 年之后，核武器成了新的暴力逻辑。现在最新的暴力逻辑就是无人机。它会再次从根本上改变游戏规则，因为无人机把“相互确保摧毁”的逻辑拉到了个人层面。如果你真的恨某个人，未来一架无人机就能找到他。这是一种很奇怪的新暴力形式，它基本上会重塑我们现在理解的社会。我不知道它会往哪个方向走。会不会变成只有少数几个非常大、非常强的国家控制所有无人机？还是说无人机会被民主化到任何个人都能造成致命伤害？另外我觉得 AI 的一个风险就是生物武器。我不想把大家吓到，但从理论上说，放在过去，如果你足够聪明，你本来就能琢磨出怎么制造生物武器。不过真正有能力做到的人，也就是既有专业知识又有接触权限的人，其实很少。即便如此还是太多了，因为武汉那个刚好在生物武器实验室旁边被放出来的冠状病毒，已经把这件事证明了。现在这种能力会被民主化，就像 vibe coding 被民主化一样。现在会 vibe code 的人，比以前会写代码的人，人数可能多了好几百倍甚至上千倍。同样地，未来能够接触生物武器或病毒的人，也会比以前能接触到的人多出几十万倍，所以这想法相当可怕。当然，我们也可以做相反的事，也就是希望这些 AI 同样能研究怎么制造疫苗，或者怎么制造阻止它们的东西。但问题在于，所有正式研究、所有“好人”的研究，永远都被监管卡着，而且几乎没有哪种监管像医疗监管这么糟糕。我觉得外面真正的机会之一，就是让 AI 去解决医学、 biology 和 therapies。但要做到这一步，你需要数据。你需要能够看见每个人的数据集，你需要能够看见所有结果。你想要尽可能多的数据。可这些数据被藏在那么多 silo 里，还被那么多规则和监管挡着。出于好的理由，你不想针对个人下手。但如果你能把数据匿名化、清理好，并把它放出来，然后让人们在 right to try 的框架下测试疗法，那我觉得你就能建立起合理的防御。不过我担心，这种事只会在紧急情况下发生。就算是在 COVID 期间，明明已经是紧急状态，我们在疫苗上还是拖了很久，而最后疫苗也证明并没有那么有效。之所以拖那么久，是因为我们根本不让人们在志愿者场景和 right to try 的框架下运作。那实在拖得太久了。要是放在过去，我觉得会有一群身体健康、年轻的志愿者说：“行，给我打这个疫苗，然后再让我感染 COVID，我愿意替大家扛一次。”但现在因为那些所谓的 bioethicists，我们甚至都不允许这样做。系统里的官僚主义实在太多了。太多人可以对那几个真正想把事情推进的人说“不”。所以这件事让我对未来有一点担忧。还有一个有意思的方向是硬件。我觉得硬件会迎来一轮 renaissance，因为历史上很多硬件的问题就在于很难写出好的软件。于是你会看到大量很棒的硬件出来了，但软件太烂，设备本身就不好用。Apple 之所以做得好，就是因为它把硬件和高质量软件整合在一起。大多数公司只把一两件事做好，Apple 把两件事都做得很好：他们造出很棒的硬件，也造出很棒的软件。他们在 cloud 和 AI 上没那么强。Google 在 cloud 和 AI 上非常强，但他们在硬件上并不强。软件方面，我会说他们在某些类型的软件上很强，比如 cloud software，但他们不擅长 consumer software。现在突然之间，你会看到很多在硬件上很强、但在软件上不强的公司，他们也能做出“足够好”的软件了，甚至根本不需要自己做软件。我的 AI agent 可以直接和硬件交互，我就不需要软件了。比如说，如果你是做 security cameras 的，或者你是做给孩子玩的玩具，或者你在做 programmable lamps，软件这件事一下子就简单多了。你可以让一个聪明的孩子带着 Claude Code 直接进去，把你需要的所有软件都做出来。或者你甚至根本不需要软件，因为你的 security cameras 现在可以由每个人自己的 agent 直接控制，不再需要定制软件了。所以我觉得，硬件本身正在被软件解锁。这也是为什么中国特别拥抱 open source 的原因之一。中国现在还落后，所以当你落后时，你会试图通过 open source 追赶。我觉得这也多少带一点民族主义式的自豪感，就是“我们是在一起做这件事”。也许是政府在出钱、在鼓励他们做 open source。但这也很符合他们在硬件上的优势。中国制造了大多数消费电子产品，所以对他们来说，open source 非常有利，因为它把他们的互补品给商品化了。Nvidia 也是一样。Nvidia 只想卖出尽可能多的卡，所以他们希望人们使用尽可能多的 AI 模型，因此他们希望这一切都是 open source。于是你会看到一批硬件玩家，包括中国的大多数公司和 Nvidia，他们的激励都是：“嘿，这一切都应该是 open source。”Hyperscalers 也是，他们也希望这一切都是 open source。于是他们推动 AI 模型里的 open source，然后这又把软件商品化，而软件又进一步解锁更多硬件。所以我觉得我们会看到越来越多有趣、真正可用的硬件，因为现在软件已经基本搞定到足以把这些硬件解锁出来，让它们变得相当好用。 [00:19:59]
失业与不理性乐观
Nivi：我不会因为未来而感到害怕或者过度激动，部分原因是我是个盲目乐观的人，部分原因是我活在第一世界。
Naval Ravikant：对，我之所以不会因为这些事过度激动，是因为比起想象积极的场景，想象灾难场景实在容易得多，因为乐观本身就需要创造力。比如失业这件事就是一个很明显的例子。看着现有的工作，然后判断它们会怎么消失，这很容易；但要预测下一个工作会是什么，就很难，可是最终总会有下一个工作。正因为如此，我觉得人们往往会盯着末日场景不放，想象毁灭的方法，比想象我们怎么走向更好，要容易得多。两百年前没有任何人能想象我们今天会走到这个位置，无论是技术进步，还是资本主义、经济，还是各种社会的崛起，他们都不可能想象出来。他们连今天存在的工作里 10% 都想象不出来，因为那时候大家都在农场里干活。但无论如何，我们现在就在这里。同样地，我觉得他们当年想象的末日场景，和我们今天想象的末日场景，其实非常相似。就算是一百年前，在我活着经历过的每一个十年里，都会出现一个新的环境灾难。总有人在说，世界会因为环境问题走向终结。然后每一个十年，又都会出现一个因为战争导致世界终结的灾难叙事。有时候确实会离危险很近。COVID 就很可怕，如果 COVID 真的变成一种恶劣得多的病毒，我们的处境可能会很糟。如果爆发第三次世界大战，大家开始互扔核武器，那会是非常糟糕的场景。所以这些事情更容易想象，它们更容易被我们的大脑理解，所以我们会把它们抓得更紧。再加上那种结果太灾难性了，人们当然会盯着它不放。但我觉得，想象创造力是很难的，保持乐观也很难。所以我觉得，我们必须培养乐观，必须奖励乐观，我们必须不理性地乐观，因为无论如何，这也是唯一的出路。所以每当有人像桶里的螃蟹一样，试图把乐观的人拉下来，一直说“毁灭、毁灭、毁灭”，他们也许是对的，但这肯定帮不上忙。这种人不是你想在战壕里一起待着的人。 [00:22:06]