微软AI策略，Roblox谈AI生成游戏，OpenAI揭秘GPT4.5，杨立昆新访；中国AI战

tayun

【城主说】很高兴和大家同步，经过筹备，即日起天空之城和大家日常分享最新AI科技商业访谈的精读内容。

感谢科技的进步，每一个访谈都可以有万字文章，但或许我们更缺少的是时间。希望本城的日常精读合集可以让大家在有限的时间里掌握最新的科技商业内容干货。且每个内容都附上了对应的完整版视频（及完整文字版）的链接，感兴趣的同学可以继续深入了解。

内容目录

我们的在线时间如何改变 访谈微软人工智能CEO Mustafa Suleyman

Roblox CEO访谈：我们希望AI能生成完整的游戏

OpenAI首席研究官谈GPT 4.5的首次亮相、规模法则以及教导模型情商

为什么中国的AI战略或许奏效 — 嘉宾 Grace Shao

为什么人工智能无法做出自己的发现？与 Yann LeCun 对话

微软人工智能 CEO Mustafa Suleyman访谈

风投巨头新动向 a16z 200亿美元基金&创始人基金46亿美元&约什·库什纳已经掌握了游戏 · 20vc播客

红杉访谈：Replit CEO谈 10 亿开发者 比通用人工智能更好的终局状态？

  

我们的在线时间如何改变 访谈微软人工智能CEO Mustafa Suleyman

视频链接:

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

内容精读：

穆斯塔法·苏莱曼，这位人工智能现代浪潮的早期深度参与者，DeepMind 的联合创始人，如今已是微软人工智能的新任首席执行官。他回顾道，早在 2009 年，受 Facebook 崛起的启发，他便预见到科技，特别是能学习并解决世界挑战的人工智能，将深刻改变世界，并立志投身其中。         

谈及微软与 OpenAI 的关系，苏莱曼解释，尽管微软对 OpenAI 进行了战略性投资（始于 2019 年，早于 GPT 大放异彩），并在 Copilot 等产品中广泛使用其模型，但微软自身拥有悠久的技术转型历史和庞大的业务基础。他目前负责的，正是微软日益重要的消费者人工智能领域。这项早期对 OpenAI 的投资，部分源于对 DeepMind 成就引发的 AI 浪潮焦虑，展现了微软拥抱外部创新以避免“创新者窘境”的远见。         

AI 实验室的演进亦是焦点。DeepMind、OpenAI 等机构最初是研究优先，商业模式是后来的探索。随着技术成熟和商业压力的增加，它们逐渐转型，更加注重工程、销售和规模化。OpenAI 的成功，尤其是在大型语言模型上的突破，很大程度上借鉴并转化了谷歌 Transformer 论文的成果，体现了研究领域的相互借鉴和演进特性。当技术从探索期进入应用期，所需的组织结构和重心也会随之变化。         

苏莱曼也回应了近期活动中遭遇的抗议事件，表示尊重不同声音，并承认在当前紧张的全球局势下，科技公司为不同政府和组织提供云服务所面临的复杂性和挑战。对于近期关于关税计算可能使用 AI 的猜测，他表示怀疑，并强调理解政策背后的情绪和动机比妄加揣测更重要，同时重申 AI 不应自主参与民主进程。         

他观察到，尽管早期对大型语言模型（LLM）存在偏见、毒性和不可控的担忧，但事实证明，模型规模越大，反而越容易引导和遵循指令，其推理能力也在不断增强。这预示着 AI 系统将变得更加有用和可控。虽然 2024 年大选中 AI 的颠覆性影响并未如预期般显现，但这或许只是时间问题，科技力量对日常生活的直接影响日益超过政府。令人鼓舞的是，政府对 AI 的理解和监管反应速度相比社交媒体时代已大有提升，学习和适应周期正在缩短。         

苏莱曼的书《即将到来的浪潮》核心观点是技术扩散的必然性和加速性。当前开源 AI 模型（如 Meta 的 Llama）的兴起是这一趋势的体现，它极大地促进了知识传播和创新民主化。虽然开源带来了前所未有的机遇，但也伴随着强大技术被滥用的风险。大型科技公司通过内部约束和向政府报告等方式增加了一层“摩擦”，而开源领域则缺乏此类机制，带来了不确定性。他认为开源趋势不会消失，但如何平衡开放与安全将是持续的挑战。对于社交媒体算法的闭源，他指出，缺乏训练数据使得单纯开源算法的价值有限。         

针对 AI 是否会形成“赢者通吃”的局面，苏莱曼持不同看法。他认为，不同于搜索引擎或操作系统等注重实用性和网络效应的领域，AI 伴侣的区分度将更多体现在“情商”（EQ）和个性化偏好上。用户在不同场景下可能需要不同风格、特质的 AI，这将驱动多样性而非集中化。未来的 AI 将是平台无关的，能在各种设备和应用（如 Copilot 已登陆多个消息平台）上与用户相遇。         

他批判了科技圈普遍存在的“悲观厌恶”倾向，即精英阶层倾向于忽视风险、过度乐观。他认为应超越乐观或悲观的偏见，进行批判性思考，正视潜在风险才能有效规避。AI 正从“智商”（IQ）时代迈向“情商”（EQ）时代，未来还将发展“行动力商数”（AQ，执行任务能力）和“社交商数”（SQ，群体交互能力）。这将彻底改变人机交互方式，AI 将能理解屏幕、操作电脑，自动化大量管理性事务，成为真正的“数字生活锚点”。         

“AI 伴侣”的概念正在取代“聊天机器人”，它强调的不仅是信息获取（IQ），更是情感互动、陪伴和支持（EQ）。设计具有合适个性的 AI 成为新挑战，需要跨学科合作（电影制作人、心理学家等）。关键原则是 AI 必须始终坦诚其非人身份。用户应有权选择是否及如何在数字体验中使用 AI 功能，实现精细化控制。         

关于未来工作，苏莱曼承认围绕“无工作”的焦虑是合理的，因为社会结构和个人认同与工作深度绑定。但他认为，人类并非天生必须工作。AI 带来的知识和能力的普及，可能创造一个“共同智能”时代，提升个人生产力，赋予人们更多选择工作方式和时间的自由。经济模式可能需要演变，超越全民基本收入（UBI），思考“全民基本供给”（UBS），即普及智能本身作为一种资源，减少对现金收入的依赖。分配挑战的关键在于如何捕捉、转化和再分配 AI 创造的价值。         

最后，苏莱曼重申了“遏制”的重要性。在追求“能做什么”的同时，必须严肃思考“应该做什么”。随着 AI 能力日益强大，社会需要建立机制来评估风险、设定阈值，并在必要时限制甚至停止某些技术的发展和扩散。这是一个极其困难但至关重要的长期挑战，需要广泛的公众讨论和共同努力。

   

Roblox CEO访谈：我们希望AI能生成完整的游戏

视频链接:

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

内容精读：

Roblox首席执行官戴夫·巴祖基探讨了生成式人工智能在游戏创作中的应用前景、平台面临的安全挑战以及关于是否应给予孩子资金在Roblox上消费的思考。巴祖基认为，人工智能将极大地加速创作者的效率，如同Photoshop之于传统艺术家，并可能重新定义“游戏”的概念。他透露，Roblox正在利用其庞大的专有3D数据（包括对象及其交互代码，形成“4D”数据）训练自有的3D基础模型，首个版本计划在本季度发布，旨在实现通过文本提示生成3D对象乃至完整游戏体验，最终甚至允许玩家在游戏中实时提示修改环境。巴祖基将这种由用户驱动、实时生成的沉浸式体验视为技术发展的自然趋势，而非仅仅是一个设定目标。         

他承认，虽然AI能加速创作，但短期内难以复制顶尖人类创作者（如《刺客信条》开发者）的品味和才华，尽管长远来看（或许万年后）AI可能达到这一水平。他强调，人们可能仍会珍视人类创造的作品。Roblox凭借其多年积累的AI经验（尤其在安全审核方面）、庞大AI团队及独特数据优势，正积极构建和高效运行这些复杂的AI模型。关于AI生成内容的责任，巴祖基表示，Roblox和创作者共同承担责任，平台有责任通过AI等手段确保内容符合政策，而创作者也需遵守服务条款。         

在回应兴登堡研究公司的指控时，巴祖基坚决否认了夸大用户数据的说法，指出其报告存在数学缺陷，并强调平台真实的现金收入可以证实用户活动的真实性。他承认机器人账户存在，但表示其影响不显著，且平台持续打击此类活动。关于儿童安全，他强调公司对此极为重视，已推出众多安全改进措施和家长控制功能，利用AI审核所有资产，并持续改进对文化敏感内容的识别速度。他认为，尽管AI提高了效率，安全投入的衡量标准并非简单的同比增减，整体安全系统在持续优化。对于操作系统层面的年龄验证，他表示欢迎可信赖的信号，但Roblox必须自主构建强大的安全体系，不能依赖外部平台。         

最后，谈及给孩子钱在Roblox上消费的问题，巴祖基将其类比为童年用零花钱买漫画书，认为这可以作为培养金融素养的一种方式，但最终决定权完全在于父母。他指出，大多数用户并不消费，平台增长更侧重于用户连接和快乐，而非金钱。但他认为，在数字世界中学习预算和财务决策，是对现实生活的模拟，可能对孩子的成长有益。巴祖基对Roblox的未来非常乐观，目标是占据全球游戏市场10%的份额，并相信平台能以安全文明的方式引入3D人工智能，促进全球连接与创造。

   

OpenAI首席研究官谈GPT 4.5的首次亮相、规模法则以及教导模型情商

视频链接:

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

内容精读：

OpenAI首席研究官马克·陈谈公司推出GPT-4.5，这是公司迄今为止规模最大、性能最佳的模型，并已于今日面世。该模型标志着OpenAI在可预测扩展范式上的最新里程碑，实现了与GPT-3.5到GPT-4相当的数量级改进。关于为何命名为4.5而非GPT-5，陈解释称这符合模型基于计算量投入的可预测性能提升，而GPT-5可能融合更多因素，包括正在大力投入研究的推理范式。他认为，GPT-4到4.5之间较长的间隔部分原因在于团队同时致力于探索推理这一新的扩展轴。         

陈反驳了关于扩展已遇瓶颈或收益递减的观点，强调GPT-4.5证明了无监督学习范式仍能有效扩展，且与推理范式互补，知识是推理的基础。GPT-4.5拥有更丰富的世界知识，在实际生产力和知识工作方面，用户偏好度相比GPT-4.0有显著优势（优势幅度达60%，偏好率近70%），特别是在创意写作、部分编码及特定科学领域表现突出。其智能方式与推理模型不同，后者可能需要更长时间思考，而GPT-4.5能立即提供更优答案。该模型在架构上探索了混合专家（MoE）等改进以提升效率，这是当前大型语言模型的普遍趋势，旨在以更低成本提供服务。         

对于大型通用模型与小型利基模型的争论，陈表示OpenAI致力于推进智能前沿，开发最强模型，相信前沿智能总有应用价值，同时也会提供成本效益更高的小模型满足不同需求。他认为模型能力的提升是驱动产品形态（如从聊天机器人到智能体）和界面演进的关键，更强的模型（融合推理与知识）能解锁如深度研究等更复杂应用。         

在基准测试方面，GPT-4.5在传统指标上实现了预期的大幅提升。同时，OpenAI也开始关注“感觉”或情商（EQ）等软性指标，发现GPT-4.5在回应用户困境或提供建议时表现出更高的情商，回应更具同情心和简洁性，而非公式化。陈强调，关注这些新维度并非转移目标，而是随着模型能力增强，探索其新用例和独特优势的自然过程。         

最后，陈肯定了OpenAI内部的人才储备，认为其依然是世界顶级AI机构，人员流动在快速发展的AI领域是自然现象，并为内部人才创造了机会。GPT-4.5今日向Pro用户发布，下周将扩展至Plus、Team、Enterprise和EDU版本。

   

为什么中国的AI战略或许奏效 — 嘉宾 Grace Shao

视频链接:

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

内容精读：

DeepSeek的出现究竟是特例，还是标志着中国人工智能产业已成为不容小觑的力量，并可能引领全球？这并非一个孤立事件，而是更大趋势的体现。DeepSeek不仅改变了世界对AI扩展法则的看法，也为中国AI及创业领域注入了信心。我们正目睹越来越多本土培养的、年轻（80后、90后）的AI创业者涌现，他们与上一代企业家不同，并非仅受金钱驱动，而是更看重认可、影响力与愿景，许多人从一开始就怀揣远见，而非单纯的商人。这与过去互联网时代以阿里巴巴马云为代表的、更侧重商业模式复制与优化（“让商业更容易”、“做出更廉价的西方替代品”）形成鲜明对比。如今的中国AI公司，如DeepSeek，更多是使命驱动，并乐于拥抱开源理念，渴望被引用和认可。地缘政治紧张也激发了一种民族主义或爱国主义的情绪，即证明中国不仅能做到，更能为全球创新做出贡献，甚至引领创新。         

DeepSeek及其创始人梁文峰的背景（出身俭朴、本土教育、量化交易背景、自掏腰包投入AI）颇具代表性。DeepSeek模型的免费开放，加之百度等公司亦宣布开源，以及Hugging Face的先例，在中国AI领域内形成了大型语言模型（LLM）将免费开源的预期。这种现象并非如某些西方观点认为的是为了扰乱美国研究，而是有其商业和结构性原因。中国的SaaS（软件即服务）生态系统一直不发达，这源于经济结构（相对美国更依赖劳动力而非知识工作者）和历史上薄弱的知识产权保护（盗版软件普遍）。因此，中国互联网经济高度依赖面向消费者的应用（超级应用如微信）。在此背景下，LLM开源成为一种务实策略：既然企业软件市场有限，不如将LLM作为基础设施免费提供，吸引开发者，将创新和商业化的重点放在应用层。阿里巴巴现任CEO吴泳铭也表达了类似观点，将自身定位为基础设施提供者，未来盈利寄望于云服务和AI赋能的应用本身。         

这种策略与Meta（Facebook）的扎克伯格不谋而合。扎克伯格曾被李开复称为“最具中国特质的美国CEO”，因其迅速复制竞争对手功能（如Snapchat、TikTok）的策略与中国市场环境相似。如今Meta开源其AI模型，旨在推动其庞大用户基础（WhatsApp、Instagram、Messenger）上的消费者应用增长，目标是服务十亿人的AI代理，这与阿里巴巴、字节跳动的愿景高度一致。有趣的是，腾讯在自有LLM开发上相对落后，反而率先将表现优异的DeepSeek整合进了拥有13亿用户的微信，利用其强大的分发渠道和围墙花园内的专有数据（聊天、支付、生活服务、公众号内容等）来部署AI功能。这一举动改变了中国AI参与者的心态，证明了利用现有应用生态整合先进第三方模型的可行性，相比之下，字节跳动投入巨资推广其独立的聊天机器人“豆包”（Doubao），效果并不理想，部分原因在于缺乏类似微信的功能邻近性。         

DeepSeek的突破（尤其是在开源模型领域达到或接近世界前沿水平）是一个关键转折点。在此之前，尽管中国有阿里巴巴的通义千问（Qwen）等模型，但在性能上普遍被认为落后于OpenAI、Anthropic等美国顶尖模型。DeepSeek的出现，使得“足够好”的LLM变得普惠，从而让中国在产品化和应用层面的优势得以凸显。除了消费者应用，中国在物理AI（具身智能、机器人技术）方面也具有被低估的领先优势。这得益于过去三十年积累的强大制造业基础、完善的供应链、工程技术和成本效益。例如，宇树科技（Unitree）已占据四足机器人全球市场约40%、人形机器人约30%的份额，价格远低于波士顿动力。中国领先的电动汽车公司也开始集成DeepSeek等LLM，用于提升智能座舱体验。AI的竞争本质上是产品层面的竞争，而中国在产品意识和软硬件结合方面拥有显著优势。         

中国AI应用的快速普及还得益于几个因素：首先是政府自上而下的推动，鼓励各行各业拥抱AI，尤其是在两会等重要会议上，科技与AI成为核心议题，提振了行业信心。其次，相对宽松的数据保护法规和较低的公众警惕性，使得企业更容易采用新技术，消费者抵触情绪较少。最后是文化因素，中国社会对新技术的接受度非常高，这源于跨越PC时代直接进入移动互联网时代所培养的普遍数字素养，人们乐于尝试新鲜事物，即使在传统中医等领域，从业者也开始尝试使用AI辅助诊断。         

中国的创业生态也在演变。曾经的创业中心深圳（腾讯、大疆所在地）如今风头似乎正被杭州（阿里巴巴、吉利、网易总部所在地）盖过。杭州不仅拥有浙江大学等顶尖高校输送人才，地方政府也积极扶持，形成了充满活力的创业环境，诞生了DeepSeek、宇树科技等“六小龙”代表的新兴AI力量。这些新一创业者及其成功故事（如梁文峰被家乡誉为“状元”并带动旅游）反映了社会对知识和向上流动的推崇。         

尽管中国AI发展势头迅猛，但也面临严峻挑战，最主要的瓶颈是美国实施的GPU出口管制。虽然DeepSeek证明了在非顶级芯片（如H800）上也能取得突破，但高端芯片的持续短缺无疑会限制中国AI模型训练和大规模应用部署的能力，除非华为、阿里等国内厂商在芯片研发上取得重大进展。         

总而言之，DeepSeek并非孤例，它象征着中国AI产业进入新阶段，展现出在模型研发、应用落地、物理AI以及创业活力等方面的强大潜力。中国正凭借其独特的市场环境、产业基础和文化特点，在AI领域，特别是在产品化和应用创新层面，成为全球舞台上不可忽视的关键力量，尽管面临芯片供应等挑战，但其发展轨迹值得持续关注。

   

为什么人工智能无法做出自己的发现？与 Yann LeCun 对话

视频链接:

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

内容精读：

尽管生成式人工智能已吸收海量人类知识，但其未能独立产生科学发现，也尚未真正理解物理世界。当前备受关注的大型语言模型（LLM），如聊天机器人，本质上是基于文本训练的模式识别与信息检索系统，它们擅长根据统计规律“反刍”已有知识，生成看似连贯的文本，却无法创造全新的概念或建立未有的联系。真正的科学发现不仅需要知识储备，更需要提出前所未有的、甚至挑战现有认知的问题，这并非LLM现有架构所能胜任。未来或许会出现具备此能力的人工智能系统，但它们的核心将超越LLM，可能仅将其作为语言生成模块，类似于人脑中处理语言的特定区域，而非思考本身。人类的思考依赖于对情境和概念的精神表征与模型，这才是智能的关键，是当前LLM未能复制的部分。         

要实现能解决新问题甚至自主提出有价值问题的AI，需要全新的架构。当前LLM在解决新问题和提出问题方面能力有限，它们更像是高效的知识检索工具。试图通过“思维链”等方式让LLM进行推理，效果有限且并未触及真正推理的核心——在潜在解决方案空间中进行搜索。人类和动物的推理发生在抽象的、非符号化的精神模型层面，例如想象物体的空间旋转，这与语言无关，也是机器难以模拟的。         

进一步看，单纯依靠扩大LLM规模和增加文本数据投入正面临收益递减的瓶颈。自然文本数据已近枯竭，合成数据或人工标注成本高昂且效果有限。我们需要新的范式，构建能够学习世界模型、理解物理规律、拥有持久记忆并进行规划和推理的系统。这要求AI能从文本以外更丰富的来源（如视频）学习常识，理解世界如何运作。一种可能的方向是非生成式的联合嵌入预测架构（JEPA/VJEPA），它旨在学习世界的抽象表征，忽略不可预测的细节，从而进行更有效的预测和规划，初步实验已显示其在理解物理可能性方面有潜力，可视为机器获得常识的早期迹象。         

当前对LLM领域的巨额投资，若仅寄望于规模扩张来实现超越人类的智能，恐将落空。达到真正的人工智能需要范式转换，这并非一蹴而就，可能需要数年时间。期间，现有投资的基础设施仍有其价值，例如支持大规模用户交互，但企业应用层面因可靠性和成本问题仍面临挑战，部署并非易事，正如自动驾驶和早期专家系统的发展历程所揭示的。人工智能领域需警惕过度炒作和期望错配可能带来的“寒冬”。         

最后，推动AI进步的关键在于开放合作。开源研究能够汇聚全球智慧，激发更多创新，其发展速度和潜力可能超越任何单一封闭实体。好的想法无垄断，科学和技术的快速发展依赖于思想的多样性。未来的突破将是全球研究界共同努力的结果，而非某个秘密武器。因此，认为仅靠扩大现有LLM就能实现通用人工智能，或某家初创公司掌握了秘密，都是不切实际的。真正的进展将是渐进的，需要时间、耐心和对新范式的探索。

   

微软人工智能 CEO 穆斯塔法·苏莱曼访谈

视频链接:

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

内容精读：

微软正推出一款经过升级、更具人情味的AI机器人Copilot，它具备记忆能力，能协助用户组织想法，未来甚至可能以虚拟化身形态出现。微软AI首席执行官穆斯塔法·苏莱曼阐述了构建这款机器人的初衷和应用前景，标志着智能新时代从基础问答的第一阶段迈向更个性化、具备情商的下一阶段。         

当前AI的发展重心正从“智商”（如数学、编码能力）转向“情商”，后者更关注交流的语调、礼貌、尊重、适时的幽默感，以及记住用户的个性化信息（如姓名发音、个人偏好、生活事实）。微软此次升级的核心是赋予Copilot记忆能力，使其能记住用户的个人信息、偏好和过往互动，从而提供持续积累、无需重复告知的个性化体验。虽然初期并非完美，但这将是解锁全新应用场景的关键一步。         

伴随记忆功能一同推出的还有“行动”能力，让Copilot能够执行预订机票、餐厅、控制Windows鼠标操作、填写表单、指导编辑照片等实际任务，旨在减轻用户生活的“行政负担”，让数字生活更顺畅。这是苏莱曼长期以来构建个人AI的梦想，让AI从被动工具转变为能动助手。未来，微软还计划试验虚拟化身，让用户能以更具象化的方式与AI互动，尽管这可能是一个用户喜好两极分化的功能，但它增强了对话感和情感连接，有望成为继PC、手机之后的新计算平台，用户将与个人AI伙伴建立深刻持久的关系。         

面对亚马逊、OpenAI、谷歌等众多竞争者都在构建类似AI伴侣的局面，微软的差异化策略在于迅速融入个性和语调，打造友好、善良、支持用户且反映其价值观的AI形象。微软强调Copilot是“伴侣”而非“工具”，伴侣具有更丰富、动态和互动的风格，每次互动都会有所不同。同时，微软极其注重安全和界限，致力于设计礼貌、尊重、公正且有明确边界的AI人格，会主动、明确地阻止不恰当的互动（如调情），不会涉足可能引发情感纠葛的领域，专注于做用户生活中的“啦啦队长”和支持者。         

苏莱曼反驳了大型语言模型（LLM）发展已进入收益递减阶段的观点，认为模型在准确性、减少幻觉、改进引用、遵循指令、记忆和个性化等方面仍有巨大提升空间，优化现有技术（如语音识别）的后期努力往往能带来广泛应用。他强调，尽管预训练的边际收益可能放缓，但通过在后训练、推理、合成数据生成等环节投入计算，模型能力仍在显著提升。微软将继续与OpenAI合作，利用其前沿大模型，同时自主研发更高效的MAI模型，采取非前沿但更具成本效益的策略。推理能力，即模型在回答前进行“思考”和规划的能力，对于执行复杂任务至关重要，虽然计算成本更高，但能产生更优结果。         

对于AI应用成本高昂、价值有限的担忧，苏莱曼认为，技术的历史表明，有用的东西会变得更便宜、更易用，需求的增长会反过来驱动成本下降，这也有利于推动数据中心对可再生能源的需求，符合微软的环保承诺。即使部分应用看似琐碎，AI的整体价值和潜力巨大。         

关于与OpenAI的合作，苏莱曼表示双方关系稳固且将长期持续，微软作为重要投资者和合作伙伴，乐见其成。即使双方都在构建类似产品，各自的优先级和发展路径也存在差异。至于AGI（通用人工智能），他个人认为距离实现可能还有十年左右，但承认进展速度惊人，存在不确定性。他更倾向于关注可衡量的“AI能力”及其对经济和工作的影响。         

AI将深刻改变搜索和广告模式，从“十条蓝色链接”转向直接、个性化的对话式答案，广告也将更个性化、更有用。未来10到15年，白领工作将发生深刻转变，人们将更多地管理AI代理，与其协作完成任务，这将极大提高效率和创造力。对于年轻人，苏莱曼建议积极拥抱、实验AI，了解其潜力和局限。在这个新时代，品牌的重要性将不降反升，因为用户不仅需要功能上的“效用信任”，更需要情感上的信任，而值得信赖的品牌能提供这种稳定感。

   

风投巨头新动向 a16z 200亿美元基金 & 创始人基金46亿美元& 约什·库什纳已经掌握了游戏 · 20vc播客

视频链接:

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

内容精读：


有见地的风险投资者讨论当下时局，共识似乎是，单纯依赖电子表格分析SaaS指标，看净收入留存率和增长率来预测优质公司的时代已经结束。正如Benchmark的Victor Lozate和Spark的Nabil所言，SaaS投资的旧范式走到了尽头。原因在于，过去20年，将业务迁移到云端是大势所趋，增长路径清晰可见，投资只需评估相对增长率。但如今，这些市场趋于饱和，增长放缓，几乎所有需要Zoom或DocuSign账户的人都已经拥有。与此同时，人工智能初创公司异军突起，其技术和市场每六个月就发生巨变，产品与市场的契合（Product-Market Fit）变得极其短暂和脆弱，有时公司在两年内会经历两三次得失匹配的循环，风险陡增。今天的投资意味着在信息更少、变数更多的情况下，为潜在的巨大上涨空间承担更大的风险。         

这种变化导致投资难度急剧增加。虽然AI领域的潜在回报可能比传统SaaS更大，但其高度的不确定性——包括收入的“蜜月期”效应和短暂的产品市场匹配——让承销变得异常困难。投资者为每1美元的收入承担了更多风险，且高昂的入场价格可能已将潜在涨幅蚕食殆尽。这种高风险、长持有期的环境，预示着风险投资领域将出现更显著的双峰分布结果，投资组合构建变得至关重要。         

对于数以万计增长放缓的成熟SaaS公司，未来充满挑战。这些估值曾高达数万亿美元的私有资产，很多已失去IPO前景，增长乏力。指望私募股权（PE）全面接盘或许并不现实，因为PE偏爱在狭小垂直领域拥有定价权、能通过提价榨取利润的公司，而许多VC支持的SaaS公司处于竞争激烈的横向市场，缺乏这种特性。可能的出路包括艰苦地实现盈利、寻求整合（私有转私有）、或接受规模较小的IPO以获取流动性。这将是一项针对具体案例、漫长而艰苦的产业工作，毕竟涉及高达2万亿美元的资产无法轻易放弃。         

在此背景下，a16z等机构募集200亿美元级别的巨型基金，其策略是押注于数量更少但规模极其庞大的退出（百亿甚至千亿美元级别）。他们的优势在于能看到几乎所有顶级交易，并有能力向Databricks这样的赢家投入数十亿美元。然而，看到所有好交易也意味着看到所有坏交易，筛选能力至关重要。更大的风险在于宏观经济变化导致的高估值倍数压缩。这种策略本质上是相信顶尖公司能长期保持高复合增长，并且基金管理人拥有持续选中这些赢家的能力。         

基金规模的普遍扩大，部分源于名义GDP增长和通货膨胀导致支票金额水涨船高，部分则是竞争驱动，不扩大规模就无法参与关键轮次的投资。基金规模本身已成为一种策略。然而，并非所有人都选择这条路。Founders Fund的成功展示了另一种模式：长期持有高度差异化的公司（如SpaceX），并敢于在赢家身上进行大规模集中投资，容忍极高的风险和超长的持有期，追求“奇点”般的交易，而非广泛涉猎B2B。这需要极高的挑选能力和坚定的信念。         

最终，不同的策略反映了不同的风险偏好和对市场机遇的判断。无论是押注于少数几个街区的顶级房产，还是在特定领域精耕细作，亦或是追求改变世界的奇点交易，核心都在于能否持续赚钱。当前的AI热潮和巨型基金现象，或许是高风险高回报的游戏，但也可能隐藏着尚未被充分认识的系统性风险。正如一位投资者所言，当事情看起来像是免费的午餐时，通常意味着风险被低估了。只有穿越完整的经济周期，才能最终评判这些策略的真正成败。         

投资理念并非刻意避开B2B领域，而是追求卓越，无论行业归属。若遇杰出B2B创业者，定会支持，但不会像某些投资者那样，系统性地专注于某一赛道并投资大量同类公司。我们的出发点是寻找伟大的事业，而非主题性市场布局，即便最终投资组合中有一定比例的B2B业务也无妨。资本结构中富人资本占比较高，或许确实影响了投资偏好，倾向于长期持有而非追求短期高回报，这与我们的战略雄心和实际步骤相符。         

关于未来三至五年风险投资领域的资金流向，尽管存在宏观不确定性，如捐赠基金面临的压力和分母效应，但人工智能的兴起又为风险投资注入了活力。直觉上，资金量在某个时点会减少。虽然公司保持私有化时间更长的趋势扩大了机会集合，使得资本扩张看似合理，但金融市场常有过度反应，尤其在成功指标滞后的风险投资领域。有限合伙人（LP）可能基于滞后的历史回报过度调整资本投入，或许在市场真正需要资金时反而撤资。历史经验表明，投资风险投资的最佳时机往往是市场情绪最低迷之时，反之亦然。当人人都想涌入时，可能正是艰难时期。市场何时扭转难以预测，但最终会超调并回调，届时投资回报更佳，融资则更难。         

退出（IPO和并购）总额与风险投资投入量之间应存在某种平衡。若退出持续，资金流应能维持；但IPO市场已沉寂多时。资金必须回流，否则投入将难以为继。问题在于，像Stripe、Databricks、OpenAI这样的重磅IPO能否及时发生，以维持系统内大致正确的资金水平。若IPO持续推迟，LP持有大量非流动性私人资产的压力会增大，导致资金减少。         

当前公司倾向于长期保持私有状态，接受高成本风险投资而非低成本公开市场融资，这是一个公共政策的失败。这使得普通投资者要么无法接触优质资产，要么需支付更高费用，最终降低了其投资回报。这种现象的产生，部分源于上市过程的繁琐和私人资本的易得性。这种情况的荒谬之处在于，成本结构更高的私人资本提供者，反而比成本结构低的公共基金对公司更有吸引力。这种局面在逻辑上不可持续，最终会因后期私人投资表现落后于公共市场同类投资（扣除费用后）而发生转变。         

对于像OpenAI或其核心团队新创公司（如Anthropic及Ilya Sutskever的新项目）的天价融资，其逻辑在于押注掌握了“秘方”的团队。鉴于OpenAI的开创性成功，投资他们或其衍生团队被认为比投资其他试图摸索路径的基础模型公司风险更低，尽管估值极高且清算优先权等条款的实际执行力存疑。收购方在并购交易中，往往会寻求绕过风险投资优先权的途径，通过私下交易或收益支付合同来吸引核心人才，这已成为日益激进的趋势，创始人对风险投资人的考量似乎也在减少。尽管这可能损害长期关系，但在单次交易中，收购方通常会最大化自身利益。         

当前的投资环境普遍呈现出高风险特征：高昂的价格、巨额融资轮次、集中投资等，都将风险推向了前沿。同时，创始人早期进行二级市场套现的趋势再度兴起，甚至在A轮融资中也变得普遍。后期投资者为赢得热门交易，往往在条款清单中满足创始人各项要求，包括最大化的二级市场交易和股权刷新，有时甚至不惜挤压早期投资者。估值在某种程度上甚至变得次要。这种“不惜一切代价赢得交易”的心态，可能导致向公司注入过多资本，反而影响其健康成长和最终的成功规模。         

近期Rippling与Deal之间的纠纷，涉及指控商业间谍行为，是当前环境下潜在极端行为的一个缩影。虽然激进竞争是常态，甚至销售中存在一定程度的“谎言”，但若指控属实，则可能越过法律红线，涉及民事乃至刑事责任，对公司声誉和客户信任造成严重打击。上市公司若遇此类危机，通常会迅速切割责任人以求自保。这起事件也折射出在大规模增长轮融资中，尽职调查可能弱化，界限模糊，为不良行为提供了土壤。市场繁荣期往往伴随行为标准的侵蚀，只有当潮水退去，问题才会暴露。对ARR（年度经常性收入）这类前瞻性但规则不甚明确的指标的过度依赖，相较于规则清晰但滞后的GAAP收入，也隐藏着风险。         

最终，关于是否以特定高价（如OpenAI估值3000亿美元）投资的问题，观点不一。有人认为价格过高，难以获得满意回报；有人则相信这些可能是定义时代的卓越公司，任何价格买入最终都将是明智的。关键在于判断收入的持久性（如SaaS模式的高NRR），以及当前估值是否已透支未来。这个行业的魅力在于总有奇点出现，但判断何时何价介入，始终是核心挑战。基金规模的讨论也暗示了在当前环境下，即使是成功的基金管理人也在思考如何在保持专注和抓住巨大机会之间取得平衡。

   

红杉访谈：Replit CEO谈 10 亿开发者 比通用人工智能更好的终局状态？

视频链接:

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

内容精读：

在人工智能（AI）引发对未来工作形态的普遍讨论之际，Repl.it创始人兼首席执行官阿姆贾德·马萨德提出了一个与众不同的愿景：未来互联网上将活跃着十亿开发者。这一构想并非指一个人们无需工作的乌托邦，而是描绘了一个由开发者作为核心力量，深度重塑医疗、教育、工业等传统经济领域的未来图景。马萨德认为，AI在处理已有大量数据呈现的事物，以及可构建良好强化学习环境（如数学推理、代码执行）的任务上将表现卓越。然而，产生根本性的新思想、新知识，以及进行复杂、棘手的世界理解和创造性突破，仍将是人类的专属领域。         

马萨德自幼接触编程，深感软件创造本应是自然而然的事情，却因工具日益复杂而成为少数专家的领域。他观察到，从Visual Basic时代的相对简单，到如今JavaScript生态的繁琐配置，编程的门槛不降反升，部分原因在于开源“集市”模式带来的去中心化复杂性。Repl.it的创办初衷，正是要消除这种复杂性，借鉴开源生态的最佳元素，构建出“大教堂”般精心设计的体验，让编程变得更加普及和易用，弥合开发者与用户间的鸿沟，释放更广泛人群的创造潜力。         

展望未来，当十亿开发者成为现实，马萨德预见公司结构、软件构建方式乃至宏观经济都将发生深刻变革。现有基于工业革命流水线思维的公司部门墙将被打破，组织将由具备全栈解决问题能力的通才构成。销售人员或许能直接启动AI代理来执行销售策略，工程师能在客户通话中即时构建原型。软件开发将更像一个网络，开发者利用软件代理，通过加密货币等去中心化交易方式，组合调用全球范围内的服务（数据库、通信等），实现软件的构建、部署和货币化，价值在网络中自动流转。这种变革将推动全球经济机遇的重新分配，正如Repl.it平台上，一位没有电脑的印度学生通过手机编程，利用Bounties平台为美国企业家解决问题，赚取了远超家庭年收入的报酬。互联网这台巨大的财富创造机器将惠及更广泛的人群。         

这一愿景将推动技术渗透到医疗、教育等尚未被充分技术化的巨大经济领域。过去这些行业准入门槛高，但随着开发者数量激增，他们将创造出巨大的价值，提升这些领域的用户体验，并从中分享繁荣。同时，创新将更加去中心化，开发者能够创建更符合本地文化和需求的应用程序，打破硅谷中心化的局限，促进文化多样性。Repl.it本身的发展历程也体现了这一理念，从早期将编程语言编译到JavaScript在浏览器运行（后演进为WASM），到为解决低端设备性能问题而开发的后端执行环境与瘦客户端架构，始终致力于降低使用门槛，使编程工具能在各种设备上流畅运行，包括移动端。         

对于开发者为何是最后拥抱云端IDE的市场之一，马萨德认为文化因素和对本地控制的偏好是主因，而非不可克服的技术障碍。他相信，随着在Repl.it等云原生平台成长起来的新一代开发者进入市场，这一趋势正在改变。谈及AI对编程的影响，马萨德回顾了自2012年《软件的自然性》论文以来对代码统计特性的关注，以及早期利用机器学习进行代码补全的尝试。GPT-2的出现让他看到了规模化的潜力，而GPT-3则带来了突破性的时刻。Repl.it迅速调整方向，利用大型语言模型开发了AI编程助手，并率先推出了软件代理（Repl.it Agent）。         

Repl.it Agent的开发历经迭代，从早期应对有限上下文窗口的复杂多代理系统，到利用Sonnet 3.5等更强模型的长程推理能力，转向更简化的单线程架构。这一过程凸显了在AI时代快速迭代、拥抱颠覆性技术的重要性，即使这意味着短期内可能牺牲部分体验。Repl.it Agent的目标是实现从想法到部署的全流程自动化，不仅是代码生成，还包括数据库配置、迁移、部署等繁琐任务，让开发者能专注于核心创意。这使其与Cursor等基于现有IDE（如VS Code）的渐进式AI工具形成根本区别，Repl.it提供的是“厨师发办”（omakase）式的端到端集成体验。         

随着Repl.it从最初被视为学生和爱好者的“玩具”，逐渐吸引专业开发者（甚至Netflix工程师）使用，其用户画像也在演变。尽管目前Repl.it Agent定价较高，面向更专业的市场，但最终目标仍是触达十亿用户，未来可能通过引入开源模型等方式降低成本，再次向下拓展。马萨德强调，Repl.it并非追求“氛围编码”（ambient coding），而是实现“氛围”（ambient）本身——即用户从想法出发，由智能体负责实现，尽可能减少对底层代码的直接关注。         

对于AGI是否会取代软件工程师的担忧，马萨德认为，AI将实现“功能性AGI”，即在有充足数据和明确反馈循环的任务上达到甚至超越人类水平，处理许多当前由人类完成的、具有经济价值的计算机工作。但这并非真正的通用智能，无法在全新、缺乏明确反馈的环境中高效学习和成功。因此，AI将是强大的工具，会取代纯粹的“代码搬运工”，但无法取代那些能够产生新颖想法、理解用户需求、创造产品和服务的个体。未来将是人机协作，开发者利用AI工具实现前所未有的创造力与生产力。马萨德的个人经历——从约旦的编程少年，到克服困难赴美，创办Repl.it并拒绝巨额收购，坚持实现赋能全球开发者的梦想——深刻地塑造了他亲力亲为、高期望、发掘并信任“怪才”的独特领导风格，以及Repl.it拥抱原始天赋、快速迭代的企业文化。         

在人才招聘中，不应因沟通或连接上的障碍而拒绝那些在某些方面表现突出但在其他方面有所欠缺的人。正如作者与其妻子兼联合创始人Haya招聘18岁的梅森的经历所示，尽管他可能在社交上略显笨拙，甚至会无意中甩门，但他拥有卓越的工程才能。关键在于构建一个能够让成员能力互补的团队，让一个人的高峰弥补另一个人的低谷。例如，可以将擅长快速编写大量代码的“牛仔”与更注重细节、严谨测试和代码审查的成员组合，尽管这会带来冲突，但最终能产出优质的产品。为了获得招聘优势，应当去那些他人忽视的地方寻找人才，比如Repl.it社区。通过在Repl.it上举办黑客马拉松或设立奖项，他们成功招募了许多年轻（16至21岁）甚至背景非传统（如独立游戏黑客）的人才。这种来源的多样性，尤其是在利基社区（如特定加密货币项目或编程语言社群）中寻找被低估的人才，是寻找真正潜力的关键策略。         

与妻子Haya共同创办公司是一段独特的经历。两人相识于约旦的一家运作失常的咨询公司，共同经历了许多项目后开始约会并结婚。当作者开始创办Repl.it并寻找联合创始人时，Haya主动提出加入。尽管初期她低估了创业的艰辛，但最终成功应对。共同创业加深了他们的关系，因为他们能共同体验创业的投入与压力，这与一方在传统高强度工作而另一方无法共情的情况截然不同。然而，这也带来了挑战：风险投资家早期对夫妻创始人持怀疑态度（尽管现在已有Canva等成功案例）；工作与生活的界限模糊，公司的问题会带回家中持续发酵，需要刻意制定规则来管理工作讨论；在有了孩子后，平衡公司与家庭的压力巨大。尽管如此，这种共同奋斗的经历仍然有其独特和美好之处。         

关于一些快速问答：规模法则依然适用，总有新的事物需要扩展。得到的最佳建议来自保罗·格雷厄姆：如果这是你毕生的事业，就无需过分在意日常的磨难，专注于长期生存和解决问题。最喜欢的新AI应用是自己用Repl.it构建的工具，但也使用基础的ChatGPT和Perplexity，并认为Manus在展示模型长时间保持连贯性方面很有趣。近期酷的Repl.it应用案例是西尔斯家装服务公司的一支非技术运营团队，他们直接跳过传统SaaS软件，使用Repl.it构建AI代理来优化外勤人员的路线，展示了技术如何赋能非传统用户并跨越式发展。最喜欢的书是道格拉斯·霍夫斯塔特的《我是个怪圈》，认为它深刻探讨了AGI、意识等概念。当前最喜欢的基础模型是Claude，尤其在执行代理任务方面表现出色。人生中影响最大的人是母亲，她从小给予的超乎寻常的信任塑造了作者的自信。获取AI知识的推荐途径是关注Twitter上的论文和信息片段，直接阅读文献。人工智能领域最被低估的人是Repl.it的AI主管兼现任总裁米凯莱·卡塔斯塔，他不仅是代码大语言模型的早期先驱，也是一位富有远见的领导者。


来源：网易