--- id: "BTGbipP1KVs" title: "与 Jack 和 Ev 一起介绍 Benchmark Breakfast" channel: "Uncapped | Benchmark Breakfast" host: ["Jack Altman"] guests: ["Ev Randle"] date: "2026-10-29" updated: "2026-10-30" duration: "55:42" duration_seconds: 3342 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=BTGbipP1KVs" canonical: "https://pod-exp.pages.dev/BTGbipP1KVs/" transcript_jsonl: "https://pod-exp.pages.dev/BTGbipP1KVs/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["AI 基础设施","AI 编程","AI 安全","机器人与物理 AI"] series: ["Benchmark Breakfast"] --- # 与 Jack 和 Ev 一起介绍 Benchmark Breakfast > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Benchmark 合伙人 Jack Altman 与 Ev Randle 以 Anthropic 的 S-1 为起点，讨论前沿模型实验室的收入、算力成本、增长波动和按使用量计费模式。他们分析代码生成如何带动软件工厂、基础设施及公开市场的连锁增长，也讨论开源与闭源模型在成本、规模、控制权和企业数据上的取舍。话题随后转向 AI 网络安全：模型发现漏洞的能力既能帮助企业防御，也让攻击风险更迫近。两人最后谈到生物科技和机器人，认为现实世界的反馈循环更慢、投入更大，但改善住房、健康、寿命和物质供给的潜在价值，可能超过数字领域已有的进步。 ## [0:01] 开场 · YouTube **Jack Altman：** 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。 **Ev Randle：** 你采访过的那些 VC，差不多都聊过了。 **Jack Altman：** 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。 **Jack Altman：** 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…… ## [0:46] 介绍 Benchmark Breakfast · YouTube **Jack Altman：** 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。 **Ev Randle：** 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。” **Jack Altman：** 是有点长。 **Ev Randle：** 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—— **Jack Altman：** 你们会过一遍项目管线。 **Ev Randle：** 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。 **Jack Altman：** 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？ ## [2:09] Anthropic 发布 S-1 · YouTube **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 没事，我们会把图放出来。 **Jack Altman：** 哦，我们有科技的力量。 **Ev Randle：** 是啊，说不定还会用上 AI。 **Jack Altman：** 这张图展示的是他们每季度收入与总算力支出的关系…… ## [3:59] 收入与算力支出 · YouTube **Jack Altman：** 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。 **Ev Randle：** 确实是印钞机，而且规模很大。 **Jack Altman：** 收入已经足以覆盖训练的固定成本。 **Ev Randle：** 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。 **Jack Altman：** 你说的是变现能力？ **Ev Randle：** 对。前沿模型 token 的价值足以让这门生意跑通。 **Jack Altman：** 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…… ## [6:20] 增长波动与按使用量计费 · YouTube **Jack Altman：** 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。 **Ev Randle：** 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…… ## [7:12] 最强模型之争 · YouTube **Ev Randle：** 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。 **Jack Altman：** 领先好像能带来极大的势头。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 我觉得这可能是因为它带来的剩余价值太大了。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 是的，现在还有不少是基于希望。 **Ev Randle：** 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。 **Jack Altman：** 不过 Chick-fil-A 的工程团队很出色。 **Ev Randle：** 我敢说他们也被 AI 加持了。大家都喜欢 Chick-fil-A。 **Jack Altman：** 机器人或许也能帮他们做东西。 **Ev Randle：** 所以 token 消费端还需要进一步普及。 **Jack Altman：** 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…… ## [10:21] 代码生成的饱和点与软件工厂 · YouTube **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 你可能同时让三十个 agent 干活。 **Ev Randle：** 一直如此。 **Jack Altman：** 都在做东西。 **Ev Randle：** 也在琢磨怎么在合伙人会议上刁难你。 **Jack Altman：** 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。 **Ev Randle：** 完全不同，简直像另一回事。 **Jack Altman：** 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。 **Ev Randle：** 所以在硅谷内部，规模还有很多倍增长空间。 **Jack Altman：** 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。 **Ev Randle：** 确实有足够多的事情可以这样做。 **Jack Altman：** 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。 **Ev Randle：** 很多人应该都知道，公开市场上曾出现过一轮 AI 瓶颈交易…… ## [13:40] AI 瓶颈交易 · YouTube **Ev Randle：** 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。 **Jack Altman：** 太疯狂了。 **Ev Randle：** 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。 **Jack Altman：** 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%。 **Ev Randle：** 就像一颗蛋在蛇肚子里移动。 **Jack Altman：** 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。 **Ev Randle：** 风投领域对应的版本，就是代码生成 PMF 带来的衍生机会。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 你一路把投资组合公司都介绍了一遍。 **Ev Randle：** 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。 **Jack Altman：** 过去不会这么增长。 **Ev Randle：** 对，而且同一个类别里有好几家公司同时这样增长。 **Jack Altman：** 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？” **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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…… ## [17:41] 代码生成或是科技史上影响最大的 PMF · YouTube **Ev Randle：** 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。 **Jack Altman：** 可能是吧。我在想还有什么能相提并论，大概是 iPhone 时刻。 **Ev Randle：** 没错。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 很有意思。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 对，500 万到 1,800 万。 **Jack Altman：** 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？ **Ev Randle：** 没错，太离谱了。 **Jack Altman：** 一切都是代码这股拉力造成的。 **Ev Randle：** 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。 **Jack Altman：** 你怎么看这种取舍？你更偏好哪一边？ **Ev Randle：** 这可能不一定对，但我现在觉得，耐久性真的很难判断…… ## [21:27] 耐久性很难判断 · YouTube **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 而且你需要用户界面。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 是的。 **Ev Randle：** 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…… ## [23:36] 跟随趋势，还是判断下一个趋势 · YouTube **Jack Altman：** 你能看到未来。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 你不希望钱只是在系统里打转。 **Jack Altman：** 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。 **Ev Randle：** 说到底，他们得成为 token 的买家。 **Jack Altman：** 这才是最终需要发生的事。生产 token 花了很多钱。 **Ev Randle：** 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。 **Jack Altman：** 医疗系统的利润率可能只有 8%，不会轻易让损益表冒险。 **Ev Randle：** 但如果你是 AI 应用公司，买 token 后加工一下，再卖给别人…… ## [26:10] 循环收入与外部客户 · YouTube **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 这大概没错。你怎么看开源和闭源？我们聊过很多次了。 **Ev Randle：** 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。 **Jack Altman：** 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？ **Ev Randle：** 如果你愿意听我展开，我觉得我们的结论大概相似…… ## [28:16] 为开源与闭源各自最强论点辩护 · YouTube **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 好，你先来。 **Jack Altman：** 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。 **Jack Altman：** 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…… ## [32:17] 开源与闭源论点（续） · YouTube **Jack Altman：** 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？ **Ev Randle：** 那样他们就没有那么多钱训练了。 **Jack Altman：** 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。 **Jack Altman：** 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…… ## [34:26] 拥有自己的智能 · YouTube **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 是啊。 **Ev Randle：** 客户就会问…… **Jack Altman：** “你们用的是什么模型？” **Ev Randle：** 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？” **Jack Altman：** 对。如果你是 Eli Lilly，确实没有什么特别的东西。 **Ev Randle：** 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。” **Jack Altman：** 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。 **Ev Randle：** 对。 **Jack Altman：** 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…… ## [36:29] 开源在前沿支出中占多大比例 · YouTube **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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%。 **Ev Randle：** 如果把其他云算上，可能最多翻倍。 **Jack Altman：** 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。 **Ev Randle：** 这意味着其中一家估值可能达到一千亿美元，甚至更多。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 ## [40:31] 开源在前沿支出中占多大比例（续） · YouTube **Ev Randle：** 这听起来像是理想的结果。 **Jack Altman：** 我觉得自己的“理想结果”比过去的预期更好了，这很棒。 **Ev Randle：** 太好了。要聊聊生物科技吗？我觉得你一直很感兴趣。 **Jack Altman：** 是啊，我很感兴趣。我本来想往更黑暗的方向聊网络安全。 **Ev Randle：** 那我们先聊网络安全。 ## [40:52] AI 与网络安全 · YouTube **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 所以它能在灯不亮的情况下开始录制？ **Jack Altman：** 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。 **Ev Randle：** 软件可以打补丁，硬件却没法轻易修补。 **Jack Altman：** 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。 **Ev Randle：** 如果你家有三星 The Frame 电视，马上砸了它。 **Jack Altman：** 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）。 ## [44:35] 去护栏模型 · YouTube **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 可到底要多久才能把这些都加固好？ **Ev Randle：** 很久。 **Jack Altman：** 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。 **Ev Randle：** 这就是我们需要 Cognition 的原因。 **Jack Altman：** 没错，我们需要 Cognition。（笑） **Ev Randle：** 我本来想在这儿插一段广告词。 **Jack Altman：** “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。 **Ev Randle：** 大家现在都很警觉。 **Jack Altman：** 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。 **Ev Randle：** 但也不代表三个月就能完成。 **Jack Altman：** 是。也许十二个月内能做很多。 **Ev Randle：** 那就太好了。大家已经意识到紧迫性。 **Jack Altman：** 希望如此。最后一个话题，我觉得生物科技特别有意思…… ## [48:08] 生物、机器人与物质丰裕 · YouTube **Jack Altman：** 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。 **Ev Randle：** 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？ **Jack Altman：** 你刚才讲得很投入。 **Ev Randle：** 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。 **Jack Altman：** 是这样。 **Ev Randle：** 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。 **Jack Altman：** 很大程度上是因为它有海量数据。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 也没有庞大的客户群，可以按个按钮就开始反馈。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 所以必须并行化。 ## [51:52] 物理世界的反馈循环为何更慢 · YouTube **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 这个判断已经过时了。 **Ev Randle：** 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。 **Jack Altman：** 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。 **Ev Randle：** 而且训练这些模型需要极其多样的数据。 **Jack Altman：** 百分之百。因此不会一夜之间发生。 **Ev Randle：** 但这可能是文明级的工程。 **Jack Altman：** 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。 **Ev Randle：** 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。 **Jack Altman：** 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。 ## [54:13] Ev 的父亲与生物科技的希望 · YouTube **Jack Altman：** 过去十年出现的免疫疗法，让他得到十年以上的预后。 **Ev Randle：** 是。 **Jack Altman：** 如果他十二年前得这种病，可能已经不在了。 **Ev Randle：** 是啊。 **Jack Altman：** 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。 **Ev Randle：** 今天聊得差不多了。 **Jack Altman：** 是啊，聊得很开心。这期很棒。你和家人万圣节打算做什么？ **Ev Randle：** 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。 **Jack Altman：** 不错。 **Ev Randle：** 我一直都以不弄丢孩子为目标。 **Jack Altman：** 是在 NSF 吗？ **Ev Randle：** 在半岛上。 **Jack Altman：** 半岛上。你们也欢迎过来。 **Ev Randle：** Brett 和我会在旧金山。 **Jack Altman：** 那你们何不下来？ **Ev Randle：** 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？ ## [55:13] 万圣节安排与 iPhone Duo · YouTube **Jack Altman：** Duo，Duo 真是太棒了。 **Ev Randle：** 你有 Duo 吗？ **Jack Altman：** 有。Duo 打开后真是不可思议。 **Ev Randle：** 哇，太厉害了。你喜欢吗？这是第二天了吧？ **Jack Altman：** 对，我用了 24 小时。 **Ev Randle：** 喜欢吗？ **Jack Altman：** 我已经迷上它了。 **Ev Randle：** 太棒了。 **Jack Altman：** 下期再看看我是不是还这么想。 **Ev Randle：** 对，到时看你有没有退货。好，下次见。