开场
我都快把人采访遍了，确实可以开玩笑说，采访 VC 有点让我腻了。
你采访过的那些 VC，差不多都聊过了。
这倒是可以拿来开个玩笑。他们都很棒，我也问了他们很多问题，学到了不少东西。也许以后还会回来做，但现在是时候更新一下了。
好，这是播客的新一轮尝试。采访了这么多 VC 之后，有时你会想，不如聊聊那个一天能见十次的 VC。我们只是想换换口味。这个新节目叫 Benchmark Breakfast，大概会……
介绍 Benchmark Breakfast
我们想把周一例会的一小部分拿出来聊聊。Benchmark 的周一基本没有议程，五位合伙人聚在一起，聊这周发生的事或大家正在想什么。我和 Ev 觉得，把这种聊天做成新节目会很有意思。如果我对现在的播客有点没劲了，那就重新来一次。我很期待。
完全同意。我们每次跟别人说起周一早上的合伙人会议——通常一开就是五到六个小时——对方的反应通常是：“这也太夸张了吧。”
是有点长。
还有人会说：“我们连一小时的合伙人会议都快受不了了。”接下来他们就会问，议程是什么？我觉得周一会议最重要的一点就是——
你们会过一遍项目管线。
对，他们的议程就是按一张非常严格的清单逐项过，感觉像是在微软之类的大公司当副总裁。但我们的回答总是：没有议程。我们只是接着想、接着聊。正如合伙人 Eric 所说，这是从一周延续到下一周的持续对话。我们觉得，把这种聊天的形式公开出来会很有意思。
我们聊到的一件事，当然就是 Anthropic 刚公布 S-1，这对行业来说是件大事。你平时主要看早期公司，却能读 S-1。你怎么看？
Anthropic 发布 S-1
考虑到我们投的大多是早期公司，我确实读了 S-1。我的反应是，这个时机太妙了。S-1 发布前，市场动荡，公开市场里的 AI 交易一片惨淡，关于 Anthropic 的负面猜测也很多：他们会不会 IPO？会不会推迟？结果他们拿出这份 S-1，表面上看，这就是一家科技公司该有的样子。好笑的是，里面大多数数字之前都陆续泄露过，所以新信息其实没那么多。
如果你相信 Twitter 上那些靠谱消息，基本上也能把信息拼出来。你总说 Twitter 让我们都变笨了，但当时信息已经差不多齐了。
对，善于筛选的话，基本都能找到。不过把所有数字放在同一处，是另一回事。通常一家科技公司最理想的状态是高速增长，同时有经营杠杆。经营杠杆的意思是：前期要在研发上投入很多，软件公司有时也得先花大钱雇销售，过一阵子才能收回成本。你先承担这些固定成本，等收入大幅增长、增量利润率变得很高，规模扩大后就能很快变得非常赚钱。
没错。没必要把 S-1 的每个数字都过一遍，网上到处都是。我觉得最重要的一张图是我正在看的这张——你们看不到。
没事，我们会把图放出来。
哦，我们有科技的力量。
是啊，说不定还会用上 AI。
这张图展示的是他们每季度收入与总算力支出的关系……
收入与算力支出
图里按季度统计了服务客户和训练模型的算力支出。2025 年第一季度，Anthropic 收入大约 4 亿美元，算力等支出约 9 亿美元，支出是收入的两倍多。六个季度后，也就是 2026 年第二季度，收入达到 116 亿美元，算力和相关支出为 56 亿美元，收入是支出的 2.1 倍。大家一直担心 AI 实验室是不是每卖一美元就亏九毛，甚至亏五毛，能不能盈利。Anthropic 六个季度就做到了许多软件和科技公司花十年才证明的事。所以，这些公司简直是印钞机。
确实是印钞机，而且规模很大。
收入已经足以覆盖训练的固定成本。
另一个让人意外的，是整个 AI 技术栈里每吉瓦算力的价值，尤其推理领域，大家都没想到会这么高。
你说的是变现能力？
对。前沿模型 token 的价值足以让这门生意跑通。
S-1 的数据至少部分回答了大家对前沿实验室商业模式的质疑。无论按单位经济还是整体来看，都不能说 Anthropic 的模式不成立；他们在 2026 年第二季度的 GAAP 经营利润率是 8%，显然是跑通了。但这不代表上市后就一定一炮而红，也不代表股价马上会大涨。原因有两个，仍有一些合理的争议点。第一，Anthropic 第二季度环比增长了 145%，非常惊人，但……
增长波动与按使用量计费
第三季度增长就没那么快了。当然有不少合理原因，但环比增长仍有 45%，已经很惊人。问题是从 145% 降到 45%，人们会觉得不对劲。看 CrowdStrike 或 Datadog 这类 SaaS 公司，每季度新增收入通常是稳定向上的，增长率波动很小。Anthropic 约 80% 的收入则按使用量计费。Snowflake、Databricks 等公司的很多收入来自多年期长期合同，对未来增长的可见度更高。
有件事让我意外——至少在现阶段，我原本没想到会这样，因为上一代模型现在已经相当不错了……
最强模型之争
可即便如此，很多事情看起来还是取决于某个时点谁拥有最强的模型。即使领先幅度不大，即使上一代已经能完成大多数任务，站在最前沿似乎仍然非常重要。
领先好像能带来极大的势头。
今年几家实验室的领先位置来回易手，最近一个月如此，夏天也如此。
让我意外的是，即使大家对价格敏感，还是会选择智能程度最高的模型。
我觉得这可能是因为它带来的剩余价值太大了。
我的意思是，不管你花 0 美元、200 美元订阅 Claude Max，还是用几乎免费的服务，个人能从中获得的价值可能至少有几千美元，甚至几万美元。
这是 Keith Rabois 常说的一种区分：任务大致有两类。一类只要完成、做对就行，超过某个水平再做得更好也没有额外收益。公司招高管时也会这么想：你是在防止下行风险，还是追求没有上限的回报？比如报税，做对了就行。这样的任务终究会饱和。
但写代码、销售、发现新药、做机器人，都可能有无上限的提升空间。大多数人会把这些任务看成回报没有上限。
如果你觉得收益没有上限，那大概总会愿意买更好的东西。不过，卖 token 的人显然赚得很好。我相信买 token 的人最终也会提升生产力，但我不觉得所有情况下都已经证明了这一点。
是的，现在还有不少是基于希望。
没错。一年前，大家买了很多代码生成 token，却未必真能提高效率；现在看起来确实能提高效率了，但我觉得还要一段时间，我们才能确定像 Purina 这样的农场企业用了 AI 后，生意真的变得更好。我也只是猜的，不太确定 Purina 的情况。
不过 Chick-fil-A 的工程团队很出色。
我敢说他们也被 AI 加持了。大家都喜欢 Chick-fil-A。
机器人或许也能帮他们做东西。
所以 token 消费端还需要进一步普及。
完全同意。我觉得增长的不确定性，是人们对股票保持谨慎的原因之一。另一个核心争论是代码生成以及相关市场的规模：普及还需要多久？代码生成的市场还剩多大？接下来会是什么？你怎么看代码生成的市场规模？这个类比可以是……
代码生成的饱和点与软件工厂
可以类比疫情期间的 Zoom：远程办公让 Zoom 获得了巨大的提前增长，几乎所有想用 Zoom 的人都用上了。之后增长就没法永远保持每年十倍，至少在我们这个圈子里，想用 AI 编程的人早就开始用了。接下来是市场份额争夺，但不可能永远年增十倍。当然，经济中还有很多领域远没到这个程度。
这很有意思。Zoom 这种产品有明确的饱和点：我能不能顺利连上会议、戴好耳机？但你总可以再开一个编程 agent。
你可能同时让三十个 agent 干活。
一直如此。
都在做东西。
也在琢磨怎么在合伙人会议上刁难你。
但 Zoom 的上限很清楚。代码可能也有渐近上限，只是上限不会低得离谱。我们投的一些新公司，大概是在 Opus 4.5 之后成立的，它们构建软件的方式几乎和 2019 年完全不同。
完全不同，简直像另一回事。
我最近见了一位刚投资的创始人。团队目前只有他和另一位工程师。我们散步时，他一直在手机上操作。我问他在做什么，他说自己开了几个 agent，等我们走完事情就会做完。现在的软件开发方式变了。“软件工厂”可能是一种新的软件产品组织形式，很多工作已不再由人直接驱动。
所以在硅谷内部，规模还有很多倍增长空间。
是。如果不采用这种开发方式，就可能被甩在后面。迟早整个经济也会越来越像这样。代码生成未必还能再来一次十倍增长，但我认为它的持续性不错，可能还会连续一段时间每年翻倍。
确实有足够多的事情可以这样做。
另一个现象是，围绕代码的创业和市场，正确做法基本就是全押。很多代码相关领域一开始看起来规模不可能那么大，或者已经有三家公司在做了，但它们还是不断增长。代码周边领域的市场拉力非常惊人，这也是我们本周早些时候聊过的。
很多人应该都知道，公开市场上曾出现过一轮 AI 瓶颈交易……
AI 瓶颈交易
很多人可能都参与过某种形式的 AI 瓶颈交易。ChatGPT 于 2022 年 11 月推出后，AI 需求几乎立刻出现，先是 ChatGPT，后来其他产品也迅速增长。大家想到，大语言模型训练和推理都要用 GPU，于是买入 NVIDIA，股价大涨。接着大家又问，AI 数据中心还需要什么？GPU 的哪些衍生需求会受益？
2023 年，服务器和机架相关的 Super Micro 涨了十倍，Dell 也大涨；冷却设备公司 Vertiv 同样涨了很多。2023、2024 年，Arista 连续两年基本翻倍。
太疯狂了。
2025 年，电力生产商 Vistra 涨了 3.5 倍；核能领域有人在提前押注核能未来；Bloom Energy 2025 年涨了四倍。
数据中心设备公司 GE Vernova 在 2025 年涨了一倍。到了 2025、2026 年，存储和内存也起来了：SanDisk、Western Digital、Micron、Seagate，我想 2025 年都至少涨了三倍。现在是 2026 年，智能体又开始更多使用 CPU，Intel 今年涨了 120%。
就像一颗蛋在蛇肚子里移动。
每年都会出现新的衍生受益领域，有时一年就有三个，抓到其中一个，公开市场上就可能赚好几倍。Leopold 也谈过，这就是利润所在。
风投领域对应的版本，就是代码生成 PMF 带来的衍生机会。
对。ChatGPT 是 2022 年 11 月推出的，但这一波真正启动，是 2025 年 11 月 Opus 4.5 发布、让 Claude Code 能力大增之后。
没错，那给代码生成带来了一个巨大的产品市场契合时刻。紧接着，vibe coding 也火起来。后端即服务和数据库受益，Supabase 起飞；我们投资组合里的 ClickHouse 也在加速增长。部署托管服务方面有 Vercel、Railway、Cloudflare；推理云方面，我们投的 Fireworks、Baseten、Modal 都在快速增长；数据公司 Meror、代码沙箱 Modal 和 E2B、网页搜索 Exa，以及代码审查领域也都起来了。
你一路把投资组合公司都介绍了一遍。
我知道（笑），但如果世界里的代码量突然多出一万倍，所有代码生成周边领域也都得相应扩大。你还有一家暂时不能公开的 CI/CD、GitHub Actions 领域的投资。耐久执行、Temporal、浏览器使用 API，以及 ChainGuard、Socket 这样的供应链安全公司——我刚提到的每个类别里，都有公司从收入 10 增长到 100、再到 300 甚至更多。
过去不会这么增长。
对，而且同一个类别里有好几家公司同时这样增长。
这才惊人。比如 Lovable 和 Replit 都做得很好，但大家会问：“这不就是 Lovable、Replit，或者 Codex 吗？”
是，但它们会针对不同用途做定制。整个市场足够大，所以这些产品都能有空间。
这也呼应了 Eric 的观点：技术一旦在某些领域真正奏效，人们就很容易低估它的影响。
确实如此。我觉得今天 AI 创造的大部分价值，可以说都集中在代码生成上……
代码生成或是科技史上影响最大的 PMF
今天 AI 创造的价值，大部分都可以归结到代码生成。这可能是科技史上影响最大的产品市场契合时刻。
可能是吧。我在想还有什么能相提并论，大概是 iPhone 时刻。
没错。
而且很多价值都发生在数字世界里，基础设施早已存在，所以扩散得更广、更快。
Uber、DoorDash 这类建立在移动互联网和 iPhone 上的公司，扩张速度受手机和移动互联网普及速度限制；现在的 AI 可以快得多。
很有意思。
这带来的连锁效应也很特别。代码本身受到巨大拉动，它前后的配套领域也都被一起向上拽。对创始人和 VC 来说，这意味着其他好领域的机会成本变高了：大家会想，我何必做别的，眼前这个机会回报太惊人了。
这影响很大，也很古怪。一方面，这些领域的风投需求高得离谱，LP 也表现很好、继续投入，整个过程像一场理性的狂欢；另一方面，其他领域的创始人会困惑：“我的生意明明不错，怎么融资这么难？”
我过去花过不少时间做成长投资，会拿优秀公司的历史增长曲线作比较。比如 Datadog，我记得收入可能从 500 万到 1,800 万，再到四五千万左右。
对，500 万到 1,800 万。
在今天的环境下，如果一家公司从 500 万增长到 800 万，你得相信它明年能从 1,800 万到 1 亿，或者相信它在做一件极难、极独特的事，未来能长期保持惊人的增长。以前听说一家软件公司从 500 万做到 1,800 万，大家就会非常感兴趣；现在却会问，为什么不是 5,000 万？
没错，太离谱了。
一切都是代码这股拉力造成的。
正是如此。另一个相关问题是，公司对这股趋势的杠杆有多大？它是否还具备过去那些耐久性的标志，比如企业客户黏性？Datadog、CrowdStrike，甚至还未上市的 Databricks 都有这些特点。公司越是押注 AI、代码生成，似乎越要在传统的耐久性、企业防御力上做取舍，比如多年期合同。
你怎么看这种取舍？你更偏好哪一边？
这可能不一定对，但我现在觉得，耐久性真的很难判断……
耐久性很难判断
在上一轮科技周期里，比如 2010 年代后期，大家对云和企业软件已经有了足够认识，虽然不能百分之百确定，但大致能判断什么产品耐久、什么会被竞争者取代，什么有黏性和高转换成本。我们看过足够多的例子，也了解软件如何运作。
当时企业可能会观察一款软件好几年才购买。他们会说：“我知道迟早要买 Workday，只是现在还不买；但买了之后会一直用。”过去有这种动态。现在耐久性没那么容易看出来。就拿应用软件来说，六个月前大家还觉得它死了。
现在大家又觉得应用软件有生命力、表现不错。为什么要让实验室自己做？应用软件有各种边缘情况，可以给智能 token 增加价值，也能承载用户数据。
而且你需要用户界面。
没错。但六个月后，大家可能又转向，说代码已经强到不需要这些了。所以在我看来，判断什么有耐久性很难。
我在想，为什么大家会愿意投资那些收入从 500 万到 800 万的公司？如果你想找下一个像代码生成这样能带来巨大拉力的领域，这大概就是原因。比如我们都相信机器人最终会实现。
是的。
虽然现在还没完全实现。我们没法让机器人在这儿替人做一大堆事，也还不能在家里真正用上，但我相信我们最终会有。你我都喜欢自己的 Tesla，也能看到机器人发展的雏形。去一些很酷的公司，比如去 Pi 看看，你会觉得未来就在眼前……
跟随趋势，还是判断下一个趋势
你能看到未来。
所以它迟早会来，可以提前投资。生物科技也是这样：实验室里最聪明的人似乎都认为它能成，也已经有早期迹象显示，过去做不到的靶点识别等工作现在变得可行。
所以现在的投资逻辑，要么押注当前趋势，要么判断下一个趋势。显然，猜中下一个趋势的回报最高。
完全同意。挺有意思的是，一旦你能把这些问题丢给 ChatGPT，比如我们刚才列的那些衍生机会，再问“还有哪些趋势成功过”，答案很快就会出来。
然后衍生机会交易人人都在聊，能投的公司可能早就值十亿美元以上了。
但你依然可以做出判断，因为你可以相信市场还没意识到它最终能走多远。
没错。这当然很有意思。最后还想谈谈不同领域的增长什么才算健康、什么更冒险。我觉得有两种相互冲突的看法。一种观点认为，AI 生态健康的标志，是系统外的钱流入系统。
你不希望钱只是在系统里打转。
对。要是只有 AI 公司在买 AI 产品，那就会让系统杠杆越来越高；如果进展不如预期，可能一起崩下来。相反，如果俄亥俄、纽约、佛罗里达的大银行或医疗系统获得巨大价值并大量采购 AI，那就很健康，因为这是真正独立于 AI 行业自身的终端市场。
说到底，他们得成为 token 的买家。
这才是最终需要发生的事。生产 token 花了很多钱。
对，它们最好真的有用。我觉得 AI 公司花钱买 token，比大型医疗系统更愿意承担风险。
医疗系统的利润率可能只有 8%，不会轻易让损益表冒险。
但如果你是 AI 应用公司，买 token 后加工一下，再卖给别人……
循环收入与外部客户
最终还是得有人因此过得更好。归根到底，得有人把 token 变成更好的生活，而且这种改善是没有 token 就做不到，或者至少做不到这么好的。
没错。但另一种同样有道理的看法是：那些大量购买 token、建立软件工厂的 AI 公司，未来可能成为巨头，因为它们会胜过不这么做的公司。
可以看 Stripe。Stripe 现在服务很多传统行业，但它当年不是靠传统行业做大的，而是靠 DoorDash、Shopify、Instacart、Lyft、Uber 等互联网原生公司。YC 那一代互联网公司迅速壮大，等它们做大后，传统公司就更容易被吸引过来——Stripe 可以说：“我们刚帮 DoorDash 把你打得落花流水，你最好也来用我们的服务。”所以我不担心 AI 公司互相买 token、产生循环收入。它们站在技术前沿，就像互联网原生公司曾站在互联网前沿；传统企业往往等到太晚才跟进，最后这些新公司都变得很大。我觉得 AI 也会如此。
这大概没错。你怎么看开源和闭源？我们聊过很多次了。
我们通过 Fireworks 等投资，接触了很多开源生态。今年整体上看，开源在上升。
与此同时，前沿实验室也变得非常大，每个 token 的价格差别很明显。使用场景有相似之处，也有差异。你最近怎么看开源和闭源？
如果你愿意听我展开，我觉得我们的结论大概相似……
为开源与闭源各自最强论点辩护
我们现在的看法大概如此。不过不如把双方的论点都讲到最强，认真为两边辩护。
好。网上关于开源和闭源的讨论常常偏离现实。如果分别把两边最有力的论点讲清楚，才能找到两者之间可能的综合结论。我们一人讲一边吧，我讲闭源，你讲开源。
好，你先来。
闭源的核心论点是：为什么公司要从闭源前沿模型 API 获取推理服务，而不是用 Fireworks 之类的开源模型推理供应商，比如 Kimi K3，或其他美国、国产开放模型？人们常说，智能是可互换的，或者说它是一种商品。如果真的把单位智能当成可互换的商品来看，很多关于这类市场的历史和研究都告诉我们，赢家通常是低成本生产者。
所谓低成本生产者，就是公司能以结构性更低的成本，交付可比的结果。这样你可以用较低价格、保持同样利润率；也可以用相同价格获得更高利润率。科技行业的典型例子是 SpaceX：它把一公斤载荷送入太空的成本全球最低，因此在同等能力范围内，几乎形成了发射市场的准垄断。另一个例子是 AWS。它有巨大的总需求，通过规模效应把投资分摊给海量客户，因此 CPU 云业务的单位成本低于竞争对手。
放到 AI 上，问题就是谁能以最低成本稳定地提供一个单位的智能——这里的单位可以按能力、延迟、上下文长度、可靠性和具体任务来衡量。闭源派会说，顶尖实验室拥有世界上最好的模型，其中很多不会公开发布，也不会通过 API 提供。它们用这些模型改进服务效率，并把服务基础设施与正在训练的模型共同设计。
它们的总需求最大、规模最大，因而有规模经济。作为最大的算力买家，它们采购的数据中心资源单位成本也更低。如果这些都成立，而且我们已经进入某种弱形式的递归自我改进，模型本身也在不断优化推理效率，那么 AI 实验室就可能成为智能的低成本生产者。“开源就更便宜”因此未必成立；在同等利润率下，前沿实验室可能在能力曲线的每个水平上，都比提供开源模型推理服务的公司更便宜。这就是闭源的经济论据。
好，开源这边我来讲。先从经济角度说，我大体认同你刚才的分析……
开源与闭源论点（续）
模型本身有训练成本，还要承担推理成本。理论上，实验室会把训练成本分摊到模型价格里；如果要盈利、达到足够利润率，就得把这笔训练开销赚回来。用 Kimi 之类的开放模型，模型本身是免费的，没有训练成本摊销，但推理仍要花钱。我猜在单次推理的单位成本上，实验室可能仍比推理服务公司有优势，不过开放模型或许能抵消这部分差距。
另一个问题是，模型公司是否愿意把利润率降到那个水平？这么做对他们来说是否划算、成本会不会太高？
那样他们就没有那么多钱训练了。
对，他们训练的资金会变少。还有，如果他们真正专注前沿，也许会说：“基础任务、报税，或者推荐你买哪款 iPhone、要不要买 Duo，就用开源模型吧；我们要去解决生物学和机器人问题。”他们可能不值得花力气去优化两代之前的模型、处理基础任务。
于是就有这样一种论点：很多任务最终会饱和。未来的开源模型如果能达到今天 Opus 5.5 和 Astra 的水平，对大多数任务来说就够好了。前沿实验室不会在意降低利润率、优化两代前的模型；它们只会盯住前沿。所以市场上可能会有一块空间留给开源。
我更想强调的可能不只是钱。具体利润率数字才是关键——但我手头没有这些数据。更重要的是，你是否想拥有自己的智能？这也是 Alex Karp 常讲的观点……
拥有自己的智能
Alex Karp 的观点是，企业不能把所有数据都交给某一家公司，也不能完全依赖任何一家公司。你得拥有自己的模型，拥有自己的智能。这个论点是成立的；对某些行业来说，这笔投入值得。尤其等开源模型足够好时，即使省不了钱，至少你掌握主动权。这本身就很有价值。
再想想品牌层面。假设你用的所有 token 都来自 Anthropic，结果 Anthropic 突然进入你的市场。
是啊。
客户就会问……
“你们用的是什么模型？”
如果你说“我们用的模型百分之百都是 Anthropic 的”，客户就会问：“那我为什么不直接去找 Anthropic？”
对。如果你是 Eli Lilly，确实没有什么特别的东西。
如果 Eli Lilly 的数据全都放在 Anthropic 那里，而 Anthropic 又说：“顺便说一句，我们也要做药了。”
你肯定会觉得不踏实。所以确实有理由不想把一切都交给他们。
还有一种做法是，在开源模型上继续训练；如果你手里有大量数据，它们可能胜过更新模型带来的那点智能提升。我们经常听到创始人这样说：他们的产品本身未必是 AI 产品，但有大量产品数据，并在产品各处使用 AI。他们会说，只要愿意投入资源，手里又有自己任务的高质量轨迹数据，就能把模型微调得很好。普通的 Kimi K3 也许不如最新模型，但你可以拿一个很小的开源模型，充分微调，效果就能接近 K3 或 Sonnet，而且成本极低。
对。
我们之前还请过一位大型上市公司的 CEO 来聊这个，显然有不少这样的用例。好处是，市场会告诉我们答案……
开源在前沿支出中占多大比例
这个问题的答案是，推理公司加起来的收入占总收入的中个位数百分比。
这可以作为开源模型规模的合理替代指标，因为开源模型主要在这些平台上运行。
对，大概占实验室公司的某个比例。未来结构可能会变化，但除非总支出发生变化，开源大概会占 5% 或 12% 这样的比例。
我觉得两种论点的综合结论是，正如 Eric Vishria 常说的，所有东西都能成立，而且它们可能并不是彼此的竞争者。前沿实验室甚至可能乐于看到一个开源生态存在：从反垄断角度，如果别人觉得它们权力太大，它们可以说，市场上还有健康的开源生态，大家也能用。我不知道它们是否真的这样想，只是猜测。
如果把超大规模云厂商排除在外——我们不知道它们做了多少开源推理——只看推理云和 OpenAI、Anthropic 等公司，可以做一个很粗略的估算。到今年年底，前三四家推理云的年化收入可能约 60 亿美元；如果 OpenAI 按公开披露的增速外推，年化收入可能约 1,700 亿美元。这样，推理云收入大约是头部两家前沿实验室的 3%。
如果把其他云算上，可能最多翻倍。
所以，开源相对闭源的收入占比可能在 5% 到 10%。这不是预测，也不是保证。但如果前沿实验室未来三四年继续保持大家预期的增长，合计收入达到一万亿美元，开源占其中 10% 就是 1,000 亿美元。推理市场已经整合得比较集中，可能只剩三家左右主要玩家，比如 Fireworks、Baseten 和 Modal。未来市场可能更集中到它们手里，那么两三家公司分 1,000 亿美元收入，规模会非常惊人。
这意味着其中一家估值可能达到一千亿美元，甚至更多。
可能不止一家。假如有一家收入 400 亿美元、毛利率 50%，估值就可能达到 2,000 亿美元。开源推理平台能创造数千亿美元的企业价值，而前沿实验室可能是万亿美元级别。两边都能长成巨头；开源收入即使始终只是前沿实验室收入的一部分，推理平台仍有很大成长空间。
几年前，人们担心 AI 要么强到唤醒“终结者沙神”，一切都变糟；要么它根本无关紧要，只是又一次加密泡沫、虚惊一场。
现在我很高兴市场对 Anthropic 反应积极。除非递归自我改进把我们带到奇怪的地方，否则我们也许正走在中间路线：实验室非常重要，但不会变成 60 万亿美元的公司；同时，技术也不是毫无用处。这样其实挺好。
开源在前沿支出中占多大比例（续）
这听起来像是理想的结果。
我觉得自己的“理想结果”比过去的预期更好了，这很棒。
太好了。要聊聊生物科技吗？我觉得你一直很感兴趣。
是啊，我很感兴趣。我本来想往更黑暗的方向聊网络安全。
那我们先聊网络安全。
AI 与网络安全
好，先聊网络安全。这是让人害怕的一面。上周 PHP 那件事让很多人非常担心，而且确实有理由。我们现在似乎正处于这样一个阶段：网络风险是最迫近、最先显现的风险之一。
是。过去几周我们和几位知名 CEO 聊过，他们把前沿模型对准自己的系统，说“来攻击我们”，模型真的把他们的系统攻了下来。
而且他们说，模型接连几天找出了足以摧毁公司的漏洞；如果外部攻击者先发现，后果会非常严重。
这些公司本身很优秀，创始人和工程团队都很强，也都是技术领先的公司，不是那种落后的老企业。
当然，内部测试时模型有巨大优势，外部攻击者拿不到所有数据和代码库，情况不一样。但风险正在浮现。这对安全公司来说是好时候，同时也是我们第一次真正感受到这种风险，确实可怕。
百分之百。最让人害怕的是，过去网络攻击对公众来说比较抽象。最糟糕也不过是某个网站的密码泄露，收到邮件通知、改个密码，似乎没什么实质影响。
最近却出现了一些更诡异、更侵犯个人生活的事情，既有能力做到，也真的发生了。我找了几个例子：有研究人员用 Claude 关闭了网络摄像头的录制指示灯。
所以它能在灯不亮的情况下开始录制？
对，还能访问麦克风和固件。法国一家超市遭到攻击，冷藏控制被篡改，食物真的坏掉了。问题是，很多我们以为安全的系统——开源了十五年、一直有人检查和打补丁的系统——现在都暴露在风险中。从固件、硬件到整个互联网的关键系统，都可能被 AI 模型攻破。
软件可以打补丁，硬件却没法轻易修补。
对。有人会说：“更新你的智能电视。”我会想，我的电视也有风险？又有人说把它断网，这就很吓人了。
如果你家有三星 The Frame 电视，马上砸了它。
对，把家里的智能设备全砸了，或者断开网络。现在的威胁范围更广，也更侵犯个人生活，所以我前几天买了 YubiKey，想把数字卫生好好整理一下。Andrej Karpathy 有篇很好的数字卫生博文，列了应该做的事。过去从未有过这种感觉：攻击者能并行、大规模地操作，而 PHP 这种看似牢固的系统也被攻破了。这回是真的。
还有网络安全这件事里另一个特别有意思的话题，就是“去护栏模型”（abliterated models）。
去护栏模型
去护栏模型是移除了内部安全防护的开放权重模型。Hugging Face 事件后，有人抱怨说，他们需要开源模型帮忙处理黑客攻击，因为当时没法让前沿实验室及时关闭安全护栏。所谓去护栏模型，就是安全防护已被移除的开放权重模型。这很吓人。我认为中国有些团队可能在用这类模型发动全球攻击，模型似乎叫 RTX。
但对企业而言，它们也可能是极强的防御工具。你拿一个去护栏模型，像那些 CEO 所说的那样让它攻击自己的系统；因为是你自己在运行它，不会真的造成外部损害。对手已经在用没有安全控制的模型，我们必须了解他们手里的工具，并用它来测试自己的基础设施。我觉得今后会越来越多听到去护栏模型。
科技圈起初大多对前沿模型限速不太认同，现在更流行“放手去做”的心态。我觉得科技自由主义、技术乐观总体是好事，但网络安全是个例外：如果别跑得那么快，等防御能力跟上再推进，会很有帮助。我们需要在模型再前进四代之前，让防御先到位。系统需要时间加固。
可到底要多久才能把这些都加固好？
很久。
想想西弗吉尼亚州的一家医院系统，要多久才能跟上？网络安全专业人士会说，我们基本上得重构系统。这可能是历史上最大规模的代码现代化项目。
这就是我们需要 Cognition 的原因。
没错，我们需要 Cognition。（笑）
我本来想在这儿插一段广告词。
“Cognition 更新：更新你的安全代码。”不过这需要很久。我的希望是，云时代的采购曾经很慢，政府、医院、律所买 Workday 或 Salesforce 可能要走 36 个月周期；现在软件采购不完全是那样了。
大家现在都很警觉。
希望人们能认真看待安全，把它放到优先事项里，反应比想象中快。
但也不代表三个月就能完成。
是。也许十二个月内能做很多。
那就太好了。大家已经意识到紧迫性。
希望如此。最后一个话题，我觉得生物科技特别有意思……
生物、机器人与物质丰裕
软件改进当然很好，但它能改善世界的程度有上限。走出旧金山，想想什么真能让世界变好：不是更快、更容易地发布软件，而是人们住上更好的房子、活得更久、更健康，有食物、有交通。这些都是现实世界的东西。改善若只发生在屏幕里，能做到的终究有限。
生物科技可能是最好的方向之一：发现药物靶点，更快甚至真正开发出新药。你笑什么？
你刚才讲得很投入。
我确实讲得投入（笑）。但我认为生物和机器人都非常有希望，而且似乎已近在眼前。实验室在谈这些方向、组建团队、购买大量数据，也公开写文章。我还没见过实验室说某件事要发生，最后完全没发生过。
是这样。
但时间表很难判断。自动驾驶就是例子：现在已经真正实现，但花了不少时间。Tesla 显然领先。
很大程度上是因为它有海量数据。
对，数据积累到一定程度，可能就能跑通。还有一个很奇怪的反比关系：人们对 AI 的印象未必好，但如果能治病、救人、延长寿命、增加住房供给、降低房价，创造真实的物质丰裕，那才是真正让世界变好的事。
这确实能改善世界。不过这里有个反差：AI 在物理世界可能最能改善生活的领域，反馈速度反而最慢。AI 往往在能低成本、大规模地产生可信反馈时进步最快。代码就是极佳例子：可验证，可以跑单元测试，实验便宜且能无限扩展。Claude Code、Cursor 的模型快速进步，以及 ChatGPT 收到用户反馈，都是在数字世界里发生的；用户点一下 API 就能加入，为实验室贡献海量训练数据。
机器人和生物不同，它们有真实的反馈瓶颈。机器人采购、部署和维护都很贵。
也没有庞大的客户群，可以按个按钮就开始反馈。
虽然可以订购机器人，PI 现在也有 API，可以参加 Sunday beta 项目，但不像 ChatGPT，几个月就能通过网站吸引一亿用户。
对，情况完全不同。生物也有天然的速度限制：生物学里的“单元测试”就是一次物理实验。
而且一次实验可能只回答你关心问题中的一小部分。很多事情确实需要时间。即使能加速，也得建立自己的垂直实验体系。
所以必须并行化。
物理世界的反馈循环为何更慢
是的，得并行化。在生物领域，可以想象一个虚拟实验室，或者一个能自主运行、规模巨大的真实实验室，同时开展数量惊人的精心设计实验。
时间仍然会限制速度，但并行化能大幅加快进展。你最近在机器人领域投了公司；我们也很关注生物。基础设施方面，AI 实验室的公司 Meror 已经扩张到惊人的规模，几乎没有上限。
这很反直觉。大家以前以为数据很快会用完，买到数据就能继续往前走。
这个判断已经过时了。
事实证明确实不对。就像那句话说的，现实蕴含着惊人丰富的细节。实验室想训练的东西有很多，数据类型也不断出现。数字数据领域所发生的一切，物理世界可能也会出现。Brendan Foody 在 Mercor 说过，互联网是大语言模型训练的一次性补贴。
物理领域没有那么大的一次性补贴。它没有互联网，虽有一些生物数据和机器人数据，但远远不够。
而且训练这些模型需要极其多样的数据。
百分之百。因此不会一夜之间发生。
但这可能是文明级的工程。
或许说经济体级别更合适，“文明级”有点夸张。但要达到目标，确实需要曼哈顿计划级别的投入。
甚至要更大。可如果高水平 AI 机器人真的实现，它的影响可能超过迄今所有数字技术的总和。
想想它对 GDP 的影响，可能也会让人害怕。要是寿命延长，人口就会继续增长……不过我们别聊宏观了。说点个人的，我父亲确诊了一种晚期癌症。我看了患者生存率，感觉到第二年也就 8% 左右。
Ev 的父亲与生物科技的希望
过去十年出现的免疫疗法，让他得到十年以上的预后。
是。
如果他十二年前得这种病，可能已经不在了。
是啊。
而现在他已经缓解了。我们才刚开始，未来可能会有一百倍到一千倍规模的进展，涵盖每一种疾病、每一种癌症。AI 已经让很多别的领域有了突破；等生物领域也在我们投入所需的巨大资源后被攻克，它的影响可能远远超过其他所有事情。
今天聊得差不多了。
是啊，聊得很开心。这期很棒。你和家人万圣节打算做什么？
我们会去一个特别密集的社区挨家挨户讨糖，尽量别把孩子弄丢。
不错。
我一直都以不弄丢孩子为目标。
是在 NSF 吗？
在半岛上。
半岛上。你们也欢迎过来。
Brett 和我会在旧金山。
那你们何不下来？
我们可能会来，之后再说。那我们能不能评测一下 Duo，还是留到下一期？
万圣节安排与 iPhone Duo
Duo，Duo 真是太棒了。
你有 Duo 吗？
有。Duo 打开后真是不可思议。
哇，太厉害了。你喜欢吗？这是第二天了吧？
对，我用了 24 小时。
喜欢吗？
我已经迷上它了。
太棒了。
下期再看看我是不是还这么想。
对，到时看你有没有退货。好，下次见。