--- id: "QmDLDy3ZSNE" title: "Latent Space 幕后：Kill My SaaS、Jev 与 2026 年 AI｜AIEi 上海" channel: "Latent Space" host: ["Galen Gao"] guests: ["Shawn Wang"] date: "2026-11-04" updated: "2026-11-05" duration: "1:12:24" duration_seconds: 4344 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=QmDLDy3ZSNE" canonical: "https://pod-exp.pages.dev/QmDLDy3ZSNE/" transcript_jsonl: "https://pod-exp.pages.dev/QmDLDy3ZSNE/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["AI 智能体","AI 编程","创业与经营","产品"] series: ["AI 软件工程师"] --- # Latent Space 幕后：Kill My SaaS、Jev 与 2026 年 AI｜AIEi 上海 > 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：** 本期由 Galen Gao 采访 Shawn Wang（swyx），从 Latent Space 如何由公开学习的博客发展为 AI 工程师社群，聊到 AIE 大会扩展到全球的过程。Shawn 分享“Kill My SaaS”比赛：当编程智能体能快速复刻软件，传统 SaaS 尤其是中型产品必须转向行业智能体或专有数据；小企业则可能借此打造适合自己的内部工具。对谈也涉及产品品味、早期介入 go-to-market、Jev 与 System One 模型，以及中国创业者出海、OpenClaw 的采用、AI 安全风险和值得关注的 AI 内容。 ## [0:02] AIEi 上海 · YouTube **Shawn Wang：** 这期播客很特别，因为我们要聊 AIE Shanghai——这是 AI Engineer 在中国的首次活动，由本地合作伙伴 Standard Partners 协办。我们在全球有几场 AIE 并非由我的团队主办，这是上海的第一场。我一直想把 AIE 带到中国。我觉得这里有很多东西值得中西交流，中国也有许多进展应该让全球社区了解。 中国听众对我们特别感兴趣，Latent Space 有很多中国粉丝。我会在 YouTube 画面里放几位粉丝的照片，尤其想感谢我们的头号粉丝 Mang Shao，他几乎每期节目都翻译成中文，我真的非常感激。也想祝贺并庆祝中国取得的进展，不只是开源模型，还有机器人，以及不少创业公司。还记得去年差不多这个时候创立、后来搬到新加坡的 Manus 吗？显然 OpenClaw 也大火了一阵。我们会聊聊中国当地的整体氛围、AI 社区规模有何不同、哪些东西更容易被采用，也会谈谈创业文化。大家常听到“996”，我们会比较它的现实情况和 Cognition 这样的地方。 我们还会简单聊聊 Latent Space 的起源——新听众可能没听过：它何时、为何创办，以及我们如何运营旗下多个节目。也会谈一点安全、对齐之类的话题。这期各方面都有，尤其适合一直关注 Latent Space 的听众。如果你对 AI Shanghai 感兴趣，活动不会直播，但之后会发到 YouTube。明天就开始了。正在中国收看的朋友，我很期待这次活动。感谢 Ming 和团队筹办这一切，也特别感谢 Hanu Leu，是他基本上推动了这件事。中间差点有好几次办不成，但能在上海举办 AI Engineer、把 Latent Space 带到中国，真的令人兴奋。感谢收看，也期待你们听采访。模型已经很擅长点遍你软件里的每个界面，然后独立把它复刻出来。 ## [2:32] 开场片段 · YouTube **Shawn Wang：** 哦，没错。所以只要我能用你的软件，就能把它克隆出来。祝你好运。 有很多从来没写过一天代码的评论人士，张口就说：“我觉得通用人工智能两年后就会到来，你们以后都没工作了，得为下一步做好准备。”巧的是，他们说的“下一步”看起来正好就是他们自己的工作。我有自己的 Canva、自己的 Google Drive、自己的 GitHub。我是认真的。 **Galen Gao：** 这些创始人真优秀，只是生错了国家。如果他们在美国，就能干掉亚马逊、干掉 Facebook。他们没那么有钱，唯一的原因就是住在中国。 **Shawn Wang：** AI 末日论嘛。人类历史上，每当更先进的文明遇上较落后的文明，落后的文明就会灭绝。而这个东西的进化速度大约是我们的 1000 倍。 ## [3:30] Galen Gao 与 swyx · YouTube **Galen Gao：** 嗨，Shawn。谢谢你来参加节目。我是 Latent Space 的老听众。我知道中国很多 AI 创业者和工程师已经从你的作品和播客对谈中学到很多。也很感谢你今年第一次把 AI Engineer 大会带到上海。几个月前我读了你写在 Drive Forth 上的文章，谈你和硅谷的关系，以及你在新加坡和硅谷之间往返的经历。我想你上次搬去硅谷时，才创造并推广了“AI Engineer”这个角色；这次你把 AI Engineer 带到上海，也让我觉得特别。能不能先介绍一下你的背景，以及你和中国的关系？ **Shawn Wang：** 有一件事我得纠正：把 AI 带到上海的不是我，是上海把 AI 带到了上海。 像 Hanoa、Leu、Ming 这些合作伙伴站出来做事，我非常感谢他们。我一直想在中国办点活动，但我不是中国公民，在那里也没有人脉。我觉得中美双方都对彼此、对中国 AI 很感兴趣。我们能做的就是呈现高质量的对话，我认为 AIE China 能帮上忙。 简单说，我来自新加坡，是第五代新加坡人——不，应该说第五代华人，对吧？新加坡人口多数是华人。别人问起我的出身时，我会说……华人。华人离散社群大概就是这种感觉：我们的来历已经混在一起，没人留下记录，甚至没人知道我们的生日。有时也许知道一点。我在新加坡长大，后来去美国上大学，最初做金融，在交易、投行和对冲基金领域待了十年——抱歉，是八年。 之后我转去科技行业，在亚马逊和几家初创公司工作。四年前，我成为独立人士，后来创办了 Latent Space，意识到 AI Engineer 这个方向会出现，于是开始办 AIE。 **Galen Gao：** 很酷。我知道你现在身兼多职：做 Latent Space 播客、写通讯，也在几家初创公司担任不同角色，比如 Cognition 之类。你现在具体有哪些头衔或职务？ **Shawn Wang：** 这问题挺有意思的，我最近还得报税，得弄清楚自己到底从哪些地方拿钱。最大的一块是 Cognition，我现在是顾问。之前有一段时间是正式员工。大体上我有三摊事：AIE、Latent Space，还有其他项目。以前那个“Small AI”是我个人的创业载体，后来被 Cognition 收购了。我在那里工作了六个月，之后退下来做顾问，因为 AIE 现在成了全球会议组织，我得当 CEO，没法只做兼职员工。 除此之外还有 Partiful、Big Fireworks、Modal、Superbase 等项目。我觉得这在硅谷网红圈或开发者关系圈里挺常见。我的专长是既懂技术，也会写作和演讲，这种组合对很多人都很有用。初创公司愿意付钱请你介绍他们的产品，于是你就会和一堆项目合作。 ## [7:32] Galen Gao 与 swyx（续） · YouTube **Shawn Wang：** 这不是大多数人的常规职业路径，我甚至不建议大多数人这么做。但对我来说，这就是我在生活里的定位：给几家公司做顾问，用演讲和交流作为合作的一部分。这大概就是这么回事。 ## [8:02] 公开学习 · YouTube **Galen Gao：** 我读过你的文章，知道你早期会公开学习，把学到的东西分享给大家。后来你觉得应该把自己和不同研究者在线交流的内容也记录下来，这些对话逐渐成为 Latent Space 的早期节目。能聊聊你是怎么建立 Latent Space 的吗？ **Shawn Wang：** 你把两件事混在一起了。第一件是“公开学习”这个原则。我离开金融、进入科技行业时意识到这一点：为什么科技对我来说顺利得多、也自在得多？对同时了解这两个行业的人来说，二者都是高薪、体面的工作。区别在于金融是零和的：如果我知道一件事并告诉你，这个信息就会贬值。而科技里大多数事情是正和的：我告诉你一件事，反而会增加它的价值。对从金融转到科技的人来说，这是完全不同的思维方式，也让人很解放。人们愿意上台分享、开源自己的成果，犯错了也会说出来。金融里可不是这样——你想假装自己从没犯过错，而且所有东西都得保密。我很认同科技里的这种做法。 另一件事是，我第一份工作在 Two Sigma，仍属于金融行业，但我做的是软件工程。我发现自己的老板不太好，于是很无聊，开始大量写作和演讲。工作中我做不了自己想做的事，因为他们不让我做。结果我把精力都放到工作之外，那个方向就发展起来了，因为当时没什么别人在做。 **Galen Gao：** 相比之下，这也让你能选择自己的老板。大多数人入职一家公司，就被分配一个老板和一个团队，通常事先都不知道团队好不好，等发现不合适时已经被困住了。公开学习时，你可以选择自己的老板，也就是为自己工作。 **Shawn Wang：** 对，这很棒。再快进到 Latent Space：它是在 Stable Diffusion 出现时创办的，那时还没有 ChatGPT。我当时在一家经营得不太好的初创公司 Airbyte。它今天还在正常运营，但没人会说它是高速成长的火箭公司，这是客观事实，我也会这么跟创始人说。我上过一些机器学习课程，但不是 AI 专家，却对这个领域特别感兴趣。想进入这个领域，我只有一条路：公开学习。所以我就这么做了。 ## [10:54] Latent Space 的起步 · YouTube **Shawn Wang：** 我开始写博客，分析、学习，再把学到的东西写下来。最初没人注意，但后来你开始谈别人的工作，比如 Stability AI 的 CEO、Stable Diffusion 的创造者 Emad Mostaque。他看了我分析 Stable Diffusion 的那篇文章，说写得不错。那份工作本质上就是我学习 AI 的过程。过去五年，我一直埋头钻研、写相关内容。你可能觉得自己还不够格；我现在大概也还不够格，但比四年前更懂一些了。这是好事，也是学习的唯一方式。 我觉得亚洲文化尤其看重资历。你得有那张文凭、某种资格证；没有学位就得有证书，没有证书就得有相关工作经验。那怎么找到工作？又得有学位。就这样无限循环，仿佛十六岁时就得决定一辈子要做什么。但人生灵活得多，你可以转向别的领域。你得坚持，也要明白：努力了不代表就理应成功。既要努力，也得做得好。很多人尝试后失败，会问“为什么没成功？”答案可能是你还不够好，这就是现实。也有人努力、有判断力，确实把精力花在重要的事上，而不是无关紧要的事。公开学习大体就是这样。 **Galen Gao：** 所以 Latent Space 最初就是个博客？ **Shawn Wang：** 没错，就是个博客。我当时没别的想法，只是 swyx 写 AI。后来我们碰巧也办了一些活动和聚会。ChatGPT 发布时，那显然是当时最令人兴奋的事。之后我们想办黑客松，就办了一场；AI Engineer 的想法就是在那场黑客松上出现的。 ## [13:06] AI Engineer 这个概念的由来 · YouTube **Shawn Wang：** 我们当时意识到一件事：有位女士走过来对我说：“我全心投入 AI，但我不是技术人员，能做什么？”我发现，简单来说，和工程师相比，她能做的确实少得多。工程师马上就能强大很多，因为他们可以同时指挥 100 个 AI 并编程；非技术人员最多只能把提示词写得更好。 我觉得这情形似曾相识。我职业生涯里见过一些原本不太受重视的岗位逐渐职业化。所谓“不受重视”，比如提示词工程师就不算光鲜；光鲜的是训练大语言模型、做预训练和后训练、读博士、设计 GRPO 这类复杂算法，或者像 DeepSeek 那样做流形超连接。这些一直很有声望。但人们有时会矫枉过正，以为机器学习研究以外的事都毫无价值。其实并非如此。我们需要构建 harness（智能体运行框架），而这不要求你掌握高等数学，也不需要超算经验。你只要是个很优秀、思想开放的软件工程师，懂得如何把 AI 融入传统软件，就能做这件事。 当时我们还没有“harness”这个词，但很清楚工程师能做普通人做不了的事。他们会很抢手：公司想招这类人，开发者也想成为这类人，他们需要一个称呼。只要找到合适的词——最简单的就是 AI Engineer——再把它发展成一个行业、一门专业就行了。 **Galen Gao：** 我补充一个中国的故事。你刚提到 Stable Diffusion 开源，那段时间中国最大的 AI 社区之一“逗 AI”也刚起步。它是由一群对 Stable Diffusion 技术很有热情、想用它生成不同图像的人创办的，后来也成了 ComfyUI 的基础。你肯定熟悉 ComfyUI。 **Shawn Wang：** 熟，Confidence 上过我们的播客。 **Galen Gao：** 对，中国这边也是。后来他们不断邀请更多人公开学习，并在飞书（Lark）的在线文档里贡献内容，分享 Stable Diffusion 和 ComfyUI 的知识与用例，社区越做越大。我觉得现在光线上社区就有大约一百万用户一起学习，整个社区还有几百万用户，因此成了中国最大的 AI 社区。差不多同一时期，你也觉得需要一个新词来称呼这类工程师，随后发表了那篇 AI Engineer 的文章。 我想了解当时大家提出过的其他叫法。你可以通过这些替代方案看出当时的情况：有另一个重要社区 AI Tinkerers，我认识 Joe 和 Alex；也有人说 LLM Engineer、Applied AI Engineer，还有其他各种称呼。 **Shawn Wang：** 关键是要选大家愿意认同的职位名称。我觉得这点对我们非常重要。这个想法我可能是从 James Clear 那里学来的——他是《原子习惯》的作者吧？我不太记得作者关系了，不过我想是他。 ## [17:08] AI Engineer 这个概念的由来（续） · YouTube **Shawn Wang：** 我可能是从 James Clear 那里学到的。他是《原子习惯》的作者吗？我想是，不过我记不清作者关系了。大意是：如果你想真正理解、连接一个人，就不能只从他的工作、日常活动或爱好去认识他，而要连接到他的身份——“你是谁？你想成为什么样的人？”如果你能给对方一条路，让他成为更好的自己，就能围绕这条路建立社群。很多非 AI 从业者也想进入 AI，那该怎么帮他们？给他们一个能赚钱的职位名称，他们自然就会跟着你。 **Galen Gao：** 对，现在世界上的 AI Engineer 确实多得多了。顺着这个话题问一下：AI 工程师能做的事情很多，harness 也是近来 AI 领域不断发展的方向。你觉得 AI Engineer 这个角色也演变了吗？和三年前你刚开始推动这个概念时有什么不同？ **Shawn Wang：** 老实说，角色本身没怎么变。AI 工程里热门的内容变了，但这个职位名称依然准确。早期大家做 RAG、管理上下文；最近则是编程智能体、harness engineering，也许还有 loop engineering。记忆系统等也成了新的方向。 AIE World's Fair 是我们的旗舰大会，规模最大，设有 30 个不同主题的分会场，涵盖 AI 工程师工作的各种方面，包括评测、多模态等等。所以领域会变化。我觉得 Agent Engineer 可能是其中一种角色，也可能叫 AI Architect。AI Engineer 更像个人贡献者；而 AI Architect 是公司层面的负责人，决定整家公司如何使用 AI，这是正在兴起的称呼。另外还有 AI Designer、AI PM 等等。 归根结底，谁来做这些工作、谁写代码、谁负责检查代码？如果出了问题，你要负责吗？不负责的话，你就不是工程师。凌晨四点起来修系统的人，才是工程师。 **Galen Gao：** 对。 **Shawn Wang：** 我们想服务的就是这些人，这才是核心。AI 领域的另一个问题是，很多评论人士从来没写过一天代码，却职位很高、只谈宏观。他们会说自己是某某公司的 CTO，但根本不碰代码。许多 AI 大会和社群偏偏关注这些人，因为他们头衔响亮，可说来说去都差不多：“我觉得两年后就有通用人工智能了，你们以后都没工作，得为下一步做准备。”而巧的是，他们口中的“下一步”看起来正是他们自己的工作。这种说法很自利。 AI Engineer 大会之所以有用，我认为是因为我们试着把焦点放在那些职位较低、平常得不到聚光灯，但真正做了工作的工程师身上。他们可以讲自己的实战经验，和同行交流正在做的事情。我把这个理念借鉴自职业生涯中参加过的其他大会，比如 GDC、KubeCon、JSConf、PyCon 等。这些活动就是工程师和工程师交流，工程师也是技术栈的决策者。 ## [21:09] AI Engineer 大会与工程师社群 · YouTube **Shawn Wang：** 他们是创造新事物、推动创新的人。未必最有名，但他们对工程的理解绝对可靠。 **Galen Gao：** 说到这儿，你大约三年前办了第一届 AIE Summit，现在它已经是为期三天的完整峰会，今年有 7000 多人参加。给还不太了解这场活动的听众介绍一下吧：它有哪些内容、工作坊和主题？你是怎么把一场小活动办成这么大规模的？ **Shawn Wang：** AI World's Fair 基本上是 AI 行业的旗舰大会，就像其他行业早就有的大会一样。游戏行业有 GDC，在旧金山有 3 万人参加；网络安全领域有 RSA 和 Black Hat，从业者会去那里学习。 我特别喜欢游戏行业的例子，因为游戏公司和 AI 实验室很像。AAA 工作室做世界上最难的游戏，工程复杂度极高，而且平时什么都保密。可一年一次，他们会去 GDC 分享自己是怎么做出年度游戏的。想当游戏开发者、想去 AAA 工作室，这几乎是唯一的学习机会。 现在的模型实验室也类似：资金充足，做着规模很大、很重要的项目。还有很多小公司想和它们竞争，但实验室是关键。你想向它们学习，可去哪儿学？它们会办规模很小的活动，比如 OpenAI 的 Developer Day，或 Anthropic 的 Code with Claude，但这些活动名额少、筛选严格，主要面向客户，不是工程师之间交流。除此之外还有大约 50 家其他实验室，也有有意思的东西。 每个行业都需要一场大型活动，让所有人聚到一起，大家在会场里走动、彼此交流。 **Galen Gao：** 这对中国实验室尤其有意思。 **Shawn Wang：** 有些中国实验室在实体清单上。 **Galen Gao：** 你们会谈这个问题吗？ **Shawn Wang：** 会。它们不能正式和你们会面。 **Galen Gao：** 很多美国公司不能正式和你们会面，不是他们不愿意，而是规则不允许；他们甚至不会回复。但如果大家身处同一个地方，就能碰见彼此。 **Shawn Wang：** 我觉得这很有意思，因为我们可以创造让奇妙事情发生的机会。有人在这里找到工作、找到联合创始人。我知道有一对情侣是在会上认识、开始交往，现在基本上都快结婚了。所以我最重要的 KPI 就是促成了多少桩婚姻、多少个宝宝。 我很喜欢这种感觉。我们想打造高质量的社群，今年原本目标是 6000 人，结果来了 7000 多人，还有 150 万人在线上看了我们的演讲。那些负担不起现场门票、或者不住在旧金山乃至美国的人，也能看视频补上内容。每一场演讲、每一场工作坊都会发布。就像我说的，主题有 30 个，太多了，网站上都能查到。我主要想聚焦那些已经能落地、能赚钱的事情，也提供清晰的榜样。无论你想学这个领域，还是创业公司想做产品，都可能有人在 AIE 谈过相关内容。这会成为任何人查找资料时非常有价值的资源。我最近还做了另一件事，但还没怎么…… ## [25:09] AI Engineer 大会与工程师社群（续） · YouTube **Shawn Wang：** ……特别公开地谈过。 ## [25:11] 大会作为数据集 · YouTube **Shawn Wang：** 我把所有内容都编目了，所以大家甚至不用看演讲，只需把网站内容喂给大语言模型，就能让它教你东西。 **Galen Gao：** 你们是要做基于 CLI 的工具吗？ **Shawn Wang：** 都做成 MCP 了。每场内容都转了文字稿，也可以作为数据集下载，想用来训练自己的大语言模型也行。 **Galen Gao：** 已经发布了吗？ **Shawn Wang：** 发布了，在 ai.engineer/data。 **Galen Gao：** 页面里也展示了 MCP 和可下载的数据集，可以按自己喜欢的方式使用。你们转录了所有内容，也会对每位演讲者和组织做深入研究。每个曾在 AIE 演讲的人都有自己的档案。我们想做成“AI 的维基百科”。 **Galen Gao：** 最后再问一个有关 AIE 的问题：你是什么时候开始把活动带到全球不同市场的？今年有新加坡，我记得几年前巴黎是第一个。 **Shawn Wang：** 巴黎确实是第一个。我们基本照着 JSConf 的模式做，它是最重要的 JavaScript 大会。 **Galen Gao：** 他们后来怎么发展？ **Shawn Wang：** 这个模式很简单。我不可能亲自跑遍世界每个国家，但每个国家大概都会有人想做 AI，所以他们也值得有一场顶尖大会。他们可以自己创办，也可以借用我们的品牌、YouTube 频道和社交媒体。我们建立了合作伙伴计划，巴黎是第一个申请的。 有个有意思的事实：AIE Paris 的组织者后来被 Mistral 收购了。现在巴黎活动由法国和欧洲领先的 AI 实验室来办，挺酷的。我希望每个国家都能有自己的 AIE，比如印度、日本。我现在和这些公司合作。他们比我更了解当地，但他们当然值得有一场好大会，也能在那里做生意、招聘等等。世界很大，我们就照这个模式来。 合作大致有三条：第一，不得滥用品牌，我们会安排某种收入分成；第二，所有内容都要公开发布；第三，要遵守行为准则，遇到骚扰或不当对待时有解决机制。我觉得这主要是道德要求。把品牌交给不直接共事的人有风险，万一他们把 AIE 办砸了怎么办？ **Galen Gao：** 对。 **Shawn Wang：** 目前还没发生过。 **Galen Gao：** 目前还没。 **Shawn Wang：** 我们会谨慎挑合作伙伴，而且愿意找上门的人本来就很有热情。尤其说到新加坡的 AI Singapore—— **Galen Gao：** 首先，我是新加坡人，但这件事其实完全不重要。新加坡现在最顶尖的 AI 大会，实际上是加密货币大会 SuperAI。 **Shawn Wang：** 很多做加密的人也想转做 AI。SuperAI 确实很 AI，但我想他们知道我不喜欢他们。 **Galen Gao：** 他们会觉得：“这对我的国家来说太丢脸了，你告诉我这就是本国最重要的活动？我们得办得更好。”所以现在 AI Singapore 已经很有竞争力，至少不输 SuperAI，可能还更好。我很为团队骄傲，不过我没参与组织。 这对每个国家都很重要，我们也可以支持。我记得你第一次去新加坡参加 AI 活动时，我认识 Lei，就问他：“AI 第一次来新加坡了，你什么时候去上海或中国？”他说他正在和你合作。 ## [29:12] 大会作为数据集（续） · YouTube **Shawn Wang：** 对，中国这件事比较棘手。我是新加坡公民，也是华人，而美中之间显然有很多限制。这就是难点，所以我需要 Lei 和他的团队真正负责整件事。 我甚至不能在中国设立本地实体，对吧？监管限制很多。我不想惹麻烦，因为我的主要业务在美国，不能因此和白宫起冲突。但如果你想拿我们的品牌、以自己的方式运营，就像特许经营一样，那完全可以。我们有很多类似的合作。打个比方，我是麦当劳，你是麦当劳中国。 **Galen Gao：** 对，对。 **Shawn Wang：** 这样我们就能把活动带来。就像肯德基和肯德基中国。 **Galen Gao：** 太好了。 **Shawn Wang：** 对，很好。Sherry 和我…… ## [29:58] Kill My SaaS · YouTube **Galen Gao：** 对，太好了。Sherry 和我想聊下一个话题：你几周前分享的那个比赛，Kill My SaaS。 **Shawn Wang：** 好，我很喜欢这个节目。 **Galen Gao：** 讲讲它背后的缘由吧。 **Shawn Wang：** 我在想有多少听众会关心这件事。只有你自己经营企业，或者将来想创业，才会特别关心，因为大多数开发者并不拥有企业。 **Galen Gao：** 而且前几年 SaaS 是很热门的话题。大家一直在讨论“SaaS 要死了”，今年也没停过，我觉得这个节目很有意思。 **Shawn Wang：** 我先介绍一下背景。我办一场大会的预算大概在 300 万到 1000 万美元之间，取决于大会规模。其中每场大约有 30 万美元花在软件上。差不多占预算的 10%，也相当于我利润的 10%，就这样交给别人的软件——它又慢又难看，还不完全符合我们的需求。 我一年可能要花 30 万，甚至 100 万美元在 SaaS 上。员工来找我，说工作需要这个、需要那个，作为老板我当然会同意。但这些钱加起来很多。真正用起来，他们又觉得产品不符合要求、速度慢。你作为 SaaS 客户申请支持时得排队；你要一个功能，对方说：“好的，六个月后吧，我们会把它列入第三季度路线图。你对我们很重要。” 可我们是一家 AI 大会公司，现在是 2026 年，有编程智能体，我们自己就能做。于是我看到员工想买一款年费 4 万美元的 SaaS，就说：“我愿意花 1 万美元请人把它完整克隆出来。”它是开源软件，而且正好符合我们的需求。接下来我们可以用 Codex、Claude Coding、Devin 之类的编程智能体继续定制。于是我们真的做了，还公开办了比赛。 比赛有 69 份投稿。只要有奖金，投稿质量就会参差不齐。我还答应替大家支付编程智能体的订阅费，所以有不少很糟糕的作品，显然达不到要求，我不会给它们奖金。但有 69 份不错的投稿，大多数都能用；我觉得其中大约 5 份值得我们付钱。效果挺好，而且一周就做出来了。 **Galen Gao：** 对。如果你经营一家 SaaS 公司，也许有 50 个客户，每个都付你 4 万美元。想象一下，他们全都明白这件事后纷纷离开。 **Shawn Wang：** 一年之内一起离开，公司就没了。你原本一年赚 2000 万美元，转眼就归零。 **Galen Gao：** 是啊，对企业主来说这非常可怕。我觉得经营 SaaS 的难处就在这里。我自己经营的是实体业务，短期内不太会消失。机器人很酷，但它们还不会替我办大会。可做 B2B 软件、经营中型 SaaS 的人，尤其是服务很多中小企业的那一层，日子会很难过，或者得转向更好的业务。他们最好现在就想清楚，因为我们这些企业主同时也是他们的客户，而且我们也能写代码（笑）。 **Shawn Wang：** 真正做出竞争产品花不了太久。顺便说，模型现在已经很擅长点遍你软件里的每个界面，然后独立把它复刻出来…… ## [33:59] Kill My SaaS（续） · YouTube **Shawn Wang：** ……独立复刻出来。没错，只要能访问你的软件，我就能克隆它。祝你好运。 我觉得这就是现实。SaaS 老板们现在还不知道正确答案是什么。我认为你最后可能得转型去做智能体构建者。比如在美国，做 Harvey 或 OpenEvidence 那样的产品：你深耕一个垂直行业，成为这个行业里最好的智能体；或者你掌握某类专有数据，成为数据供应商。处在这两者之间的产品，别人就会自己写一个。 **Galen Gao：** 很可能是这样。我能追问一下吗？你已经回答了我第一个问题。我更想听你给小企业主的建议，而不是 SaaS 老板——他们都是大人了，自己会想办法。 **Shawn Wang：** 我更想帮助企业主。 **Galen Gao：** 企业主？ **Shawn Wang：** 对，我经营的是一家小企业，是中小企业主。像我这样的人有上百万。我们努力做正经生意、养员工、纳税，过得也不错。 **Galen Gao：** 如果能拿到好处，日子还能更好（笑）。 **Shawn Wang：** 我的客户满意，员工满意，我自己也满意。这是个挺好的故事。我认为现在是中小企业的黄金时代。如果你做的是现实世界里的事，只是想把工作做好，但中间被一堆糟糕软件挡着，现在你可以把这些阻碍一下子缩短。比如把原本要花在云服务上的钱省下来。 **Galen Gao：** 对，4 万美元的云资源可不少。 **Shawn Wang：** 没错。花 1 万美元，我还能剩下很多钱做别的。 **Galen Gao：** 所以你说这是企业主的问题，而不是开发者的问题。开发者可能会说：“200 美元也太贵了。”但我是企业主，我知道让十名员工协作更好能带来多大生产力。他们的工资总共是 150 万美元。如果效率提高 10%，就能多创造 15 万美元价值。可实际提升可能不是 10%，而是五倍。 **Shawn Wang：** 对，那就是 750 万美元。智能体替我做的工作能产生这样的价值。过去别人会说：“我下周给你方案。”现在我想要今天下午就拿到。 **Galen Gao：** 我的感觉是，如果你自己做了很多软件，后续维护会不会很困难？ **Shawn Wang：** 这确实有成本，不是零成本。 **Galen Gao：** 你得实际使用它。 **Shawn Wang：** 没错，但我们有编程智能体。 **Galen Gao：** 哦，对，能自我维护。 **Shawn Wang：** 对。很多中型 SaaS 公司并不是 Salesforce、Google 或 AWS，也不是必须达到 99.999% 可用性的关键系统。它们可能只是一个数据库，用户填点东西进去，再拿到结果。真出问题停一天，也就停一天，之后你能修好。现在有很多编程智能体，我甚至愿意用这点停机时间换来随心定制任何功能。太棒了，团队的效率高多了。 我在《Kill My SaaS》那集里讲过一个我最喜欢的功能。比如下个月 AIE Code 有 1000 份申请，但只有 25 个名额，我得从 1000 人里选出 25 个。我们现在用的 SaaS 里，只能一个申请一个申请点开、每个界面点来点去。比赛里有位参赛者改了软件，让我们能在一张表格里重新排序。原 SaaS 根本没有这个视图。要拿到这种功能，我们得向厂商提需求，等六个月。 **Galen Gao：** …… **Shawn Wang：** 可现在有人直接把它克隆出来了。你就提个需求…… ## [37:59] Kill My SaaS（续） · YouTube **Shawn Wang：** ……他们就直接克隆出来了。你想要什么功能，尽管提。 **Galen Gao：** 现在我可以一下子把所有东西都看到。 **Shawn Wang：** 对。 **Galen Gao：** 这么快，太厉害了。 **Shawn Wang：** 听众如果觉得这个例子很蠢，我是为了节目讲得清楚才简化了。 **Galen Gao：** 我发现排名第一的作品能管理所有演讲者的排期。 **Shawn Wang：** 而且用户体验很好，他们是从人的角度来测试的。 平均投稿和顶尖投稿差距很大。确实，在 2026 年，如果你是企业主，雇个看起来懂技术的年轻人说“帮我做个小工具”，他可能做得不太好，因为缺乏训练。但给他一年时间，多看些 AI 视频，之后他就能学会。 **Galen Gao：** 技术确实有水平差异，很多作品是垃圾，你不会想拿来用。员工值得更好的，你自己也值得更好的。有时买经过验证的 SaaS 当然更好。 **Shawn Wang：** 但我们公司想走 AI 优先路线，想站在技术前沿。 **Galen Gao：** 对。最后再追问一点：你在播客里提过有 AI 裁判来评比，AI 裁判选的作品跟你们团队挑的获胜者很不一样。 **Shawn Wang：** 哇，你是真的听了播客。 **Galen Gao：** 当然，我对整个过程很感兴趣。我想知道为什么…… ## [39:31] 比赛裁判究竟评什么 · YouTube **Galen Gao：** 为什么？ **Shawn Wang：** 一部分是有意为之，一部分不是。AI 裁判的目标只是判断投稿是否有效、是否符合资格，并不是从所有作品里选出最好的。 **Galen Gao：** 明白。 **Shawn Wang：** 这两件事显然不同。 **Galen Gao：** 所以最终选哪个更有用，是按你们团队或大会的实际需要来定？ **Shawn Wang：** 对，因为一开始我们自己也不知道想要什么。我没法针对连自己都说不清的需求设计 AI 裁判。但当我看过 70 个不同范例后，自然就能看出哪个更好。 顺便说个趣事：Latent Space 的标志，也就是你在这间屋子外和播客画面里看到的，是通过 99designs 做出来的。 **Galen Gao：** 我知道那个网站。你需要新标志或设计时，通常会问朋友推荐设计师，对方给你三个人选，你挑一个，最后就拿到一个标志。 **Shawn Wang：** 99designs 的做法是发起比赛，我收到了 400 个不同的标志方案，最后把奖金给了我们采用的那个；成品很不错。 **Galen Gao：** 这样好多了，你想要的是多样的创意。 **Shawn Wang：** 对，这也是我做比赛的想法。我有影响力、有听众，所以能办这种比赛；多数人没这个受众，办不了。我觉得 99designs 是个好生意，因为有很多设计师。设计不一定要花很多时间，关键是创意质量。你需要高质量的点子，然后把它们大量投到比赛里。 我觉得 SaaS 领域也可以有很多个 99designs，这正是我在考虑的事。这次我其实是在给自己搭一个 99designs：我得写清楚“这是年费 4 万美元的 SaaS，这是规格、评审标准、其他要求”，甚至包括“获胜后怎么付款”。所有细节都得我自己处理。如果有人替我把这些行政工作都做好，我只要说清需求，然后收 70 个版本、挑一个，我会不会愿意付钱？当然愿意。我只是在把这些杂事交给别人。 所以 SaaS 克隆也该有类似的 99designs 平台。作为企业主，我做这件事主要是因为内容好，适合做播客；如果没有播客，我大概不会弄（笑）。这事工作量很大。我们花了大约两个月评估所有投稿，一部分因为我很忙，另一部分是评估本来就很费劲。这个 SaaS 涉及五种角色：组织者、演讲者、参会者、赞助商和供应商，他们都得认可大会的组织流程。测试时每种角色都要注册账号、录入数据、换账号，再重复操作，所以非常复杂。中型 SaaS 收 4 万美元，就是因为客户不想自己做这些事。 **Galen Gao：** 现在能自己做，就变成一个挺有意思的工作和问题。 **Shawn Wang：** 对，这是个不错的实验。 **Galen Gao：** 我们在中国也办大会，之前有过一千多名参会者，所以我太懂你说的情况了。 **Shawn Wang：** 再想想其他 SaaS。我以前会付钱用 Calendly，你们用过吗？ **Galen Gao：** 我没用过，不过…… **Shawn Wang：** 你知道的，就是预约链接，我们这次会面也是靠它约成的。Calendly 是一家估值 130 亿美元的公司。你也可以自己克隆 Calendly。 **Galen Gao：** 对，我知道。 **Shawn Wang：** 我当然自己做了，还做了两个版本。 **Galen Gao：** 你已经自己做了日历？ **Shawn Wang：** 我有自己的 Calendly，也有自己的 Google Drive，还有自己的…… ## [43:32] 比赛裁判究竟评什么（续） · YouTube **Shawn Wang：** ……GitHub，我是认真的。我还有自己的 Dropbox。 **Galen Gao：** 我的天，我有自己的 Slack。 **Shawn Wang：** 这些都是因为我有钱、有人手，可以安排他们做事。但我确实认为，你可以为自己打造软件，只服务一个人，或者一家企业。这完全没问题。企业主现在终于能做到这一点，这在以前是从来没有过的。 **Galen Gao：** 太棒了。 **Shawn Wang：** 对，很好。 **Galen Gao：** 你也做一些投资，对吧？你还融过资。 **Shawn Wang：** 嗯。 **Galen Gao：** 你知道 DocuSign 吧？ **Shawn Wang：** 知道。 **Galen Gao：** 这家公司曾经值 100 亿美元，或者现在大概 70 亿。它做什么？你把 PDF 发过去，对方说“签好了”，再给你一份证明。 **Shawn Wang：** 对，就是这样。它每个文件包（envelope）会收费，好像每次十美元左右。 但有开源版的 DocuSign，我自己托管了一套。我的 Drive 和 DocuSign 都是自己搭的，文件一签完就会自动进 Drive 里对应的文件夹。 **Galen Gao：** 因为你把它们接在一起了。 **Shawn Wang：** 对，DocuSign 原版没有这个功能。 **Galen Gao：** 是啊，没错。 **Shawn Wang：** 所以我的资料室里会直接收到已签的文件，我不需要手动处理，因为它们已经自动归档好了。 **Galen Gao：** DocuSign 的特别之处是，它很早就建立起来了，形成了网络效应，大家都加入、都在用。你仍觉得这种软件有护城河吗？ **Shawn Wang：** 没有。电子签名在各地都有法律效力，DocuSign 并没有这项专利。我也可以做电子签名。所谓的网络效应就是电子邮件地址，这太简单了。我还可以逐个讲为什么我做了这些产品，但不重要。我不是在鼓励所有人都这么做。我想说的是，你在生意或生活里遇到的任何问题，都可能有开源版本。自己托管、按需定制、把工具整合起来：“我要这个加那个”，一下就能组合好。我天天在工具间复制粘贴。每一百万次复制粘贴背后，我觉得都藏着一个很棒的创业点子和产品。 **Galen Gao：** 好。下一个问题，我很想聊聊你和 Jev 的 Diego 那期对谈。这个话题和产品最近也特别热门。中国开发者怎么看它？ **Shawn Wang：** 我觉得它创造了一种全新的思路，让人从完全不同的角度使用大语言模型。我还听说有位中国播客主，她不懂编程，却用 Jev 判断自己节目的片段会不会火；Jev 给出答案后，她就把片段发到社交平台。 **Galen Gao：** 我看到很多基于 Jev 的优秀用例，所以想听听你怎么看这个产品…… ## [46:45] Jev 与 System One 模型 · YouTube **Galen Gao：** 对，没听过那期节目的听众可能不知道，我们是第一个采访 Diego 的播客。我和他认识四年了，我就逼他说：“你要是不先上我节目，我就杀了你。”（笑）他当然非常有成就，是 InstructGPT 的共同作者，而 InstructGPT 后来成了 ChatGPT。 我觉得 Jev 有意思的地方在于，它体现了我最初对 AI 工程的设想。现在我们谈的 AI 工程，是在模型周围搭一个很大的 harness：我先做一堆工作，再交给模型，然后祈祷它给出正确答案，甚至等它想十天。但 Jev 的观点是，不，模型是为我们服务的，我们不该为模型服务。 所以我会把模型的工作范围缩小，让它只做一件事，比如做选择或估算概率，再把它放进我关键工作的流程里。现在大语言模型的范式有个问题：传统 SaaS 摆在那里，旁边开一个聊天窗口，这基本就是现在所有产品的样子。不管是 Codex、ChatGPT 还是 Claude，都是这儿一个聊天框、那儿一个菜单。 Jev 和 System One 模型代表的是另一种做法，所以 Diego 不叫它“决策模型”，而叫 System One 模型。它会直接放进代码路径里，你可以像在普通编程语言里写 if 语句一样随手调用。我觉得这才是他所说的“更聪明的软件”，我非常认同：软件应该在每个环节都更聪明，而不是只有一个环节聪明，其他部分却很笨。 **Galen Gao：** 那其他部分确实很笨。 **Shawn Wang：** 对。我觉得速度几乎是次要的，可靠性才是他真正想强调的。这也是他们公司叫 TypeSafe 的原因。当然，快也挺好。 **Galen Gao：** 我发现 Diego 本人社交能力也很强，对自己在做的事特别投入。你采访过很多研究人员、开发者和 AI 工程师。你觉得他有什么特别之处？为什么是他做出了 Jev？ **Shawn Wang：** 他的背景不走传统路线。他没去斯坦福读博士、走那套常见路径，所以更能体会普通开发者的处境。但他也参与过 ChatGPT 的工作。 我觉得很多人走传统机器学习研究路线：读名校、写有意思的论文、进实验室工作。他们容易陷入“大模型至上”的思维，觉得只要模型更大、训练算力更多、参数更多，所有问题就能解决。但需要有人跳出这种模式，说还有另一条路：不是做一个巨无霸，而是在各个地方都放一些小模型。 当然，Diego 不是第一个提出“小模型更好”的人，成千上万的人都说过它更快、更便宜、更好。但他能把这个想法做成，是因为他有 OpenAI 的信誉；其次，他把它讲成 System One 对 System Two 的概念，很容易理解。他在发布文章里展示了一个游戏演示，好像是《毁灭战士》之类的，很直观：你绝不会想用大语言模型来做这种事。 ## [50:46] Jev 与 System One 模型（续） · YouTube **Galen Gao：** 嗯。 **Shawn Wang：** 他穿着粉色夹克，充满热情，这种展示能力加上技术实力很强。我自己算是个小号版本：既懂技术，也能表达；而他两个方面都比我强十倍。和他交谈时，这点特别明显。 我也想问问你做其他初创公司的顾问具体做些什么？你通常给他们什么建议？ **Galen Gao：** 我也想知道你能为听众和我做些什么。你为其他公司做什么？ **Shawn Wang：** 我们三年前建立了一个社群，当时发现许多中国创始人想出海。他们很擅长快速开发、发布产品，但在市场营销、市场理解和 go-to-market 方面差距很大。 **Galen Gao：** 如果你是想在美国成功的中国创始人—— **Shawn Wang：** 你们这方面不行（笑）。你们技术很好，但营销不行，最好找擅长这方面的人聊聊，因为你们自己做不好。 **Galen Gao：** 就是这样（笑）。我们发现，理解本地市场、正确交付产品、找到产品市场契合度之间存在很大差距。于是我们办了很多聚会，也和当地顾问合作，为这些创始人组织训练营、工作坊和咨询，帮助他们逐渐找到产品市场契合度的方向。但他们仍然缺人才，也缺 go-to-market 方面的支持。 **Shawn Wang：** 有意思，我们也办线下聚会。Jev 发布之前，Diego 还来过这间屋子。 **Galen Gao：** 哦，真的？ ## [52:49] 写作与创始人故事 · YouTube **Shawn Wang：** 我们会办一个写作者聚会，大家可以展示作品，我会给反馈。TypeSafe 的宣言就是从这类活动里来的。我给有些公司做顾问是为了换股权，大多数时候则是免费的。有些公司希望定期通话，也会给我一些股份。这样比较方便；如果公司发展得好，股权也会很值钱。 **Galen Gao：** 这确实是种有意思的工作方式，但股权不能拿来吃饭。公司也可能永远不出售。Databricks 都有十五年历史了，估值 2000 亿美元，我手里的股权到底值什么？不过，在多家公司检验自己的想法很有用。给一家公司的员工提建议，你只看到一个案例，建议也只适用于一家。但我已经接触了三十多家——35、36 家公司。 **Shawn Wang：** 这样你就能看出它们之间的共同规律，也会成为更好的顾问，因为你什么都试过。 **Galen Gao：** 对吧？ **Shawn Wang：** 我跟很多人交流，也能看出不同情境。比如我会说：“这个建议在你这里行不通，我在另一家公司试过，你们情况显然不一样。”我觉得几乎所有领域专家都需要这样的经历。我碰巧专长是开发者营销；如果你做战略财务、GPU 算力采购之类的事，想成为全球顶尖，也得挨个给不同公司做一轮顾问，测试各种方法。有些不管用，有些显然有效。你会从中学习。样本量得大于一个。多数人的样本量可能只有五个；如果你能做到 50 个，差不多就会成为行业顶尖。 **Galen Gao：** 我想分享一个相似观察。越来越多想出海的中国创始人来自工程或研究背景。他们觉得自己技术强、harness 做得好，所以产品最好，但客户真正想要的东西和他们提供的产品之间仍可能有很大差距。不同本地市场的需求也不一样。我在技术和研究背景的创始人身上经常看到类似情况。 **Shawn Wang：** 有很多办法来调查或解决这个问题。最重要的是，如果你做的东西聪明、有价值，而且在某件事上真是世界第一，那才是核心。其他都是“长板”之外的辅助。你有自己的长板，我可以帮你补另一块，但大多数人连长板都没有。 有些人其实没有长板，却以为自己有，那可能是傲慢或自负。但我们先假设你的产品确实很好。营销不该被当成最后一步：产品都做完了，发博客前一晚才找人改文案，那时已经没什么可做了。要是能早点让营销参与，在产品真正开发或定规格之前就想好怎么推介、面向市场的哪个细分群体，产品一开始就能内建更多 go-to-market 思路。我觉得工程师或研究者出身的创业者通常不会这么早考虑 GTM。 ## [56:50] 写作与创始人故事（续） · YouTube **Shawn Wang：** 他们通常把营销放到最后，而且公司里最初负责 GTM 的往往是最初级的人，比如一个 22 岁的实习生负责社交媒体。其实要认真想清楚谁会用这个产品、他们在哪里、遇到什么问题、用什么词描述问题，以及看到产品后生活会有什么改善。这些问题看似简单，很多研究者或工程师创始人都没想过。如果他们有一位 GTM 合作伙伴，往往会很有帮助。 另一个方面是开发者工具。很多中国创始人在做机器人。机器人领域很有意思，周期更长，也还非常早期。中国机器人创业公司似乎都在做同一类事。宇树（Unitree）当然很强，但他们还是在做宇树一贯做的东西。我希望他们能做出一些连大家都没想到宇树会做的事。这周他们刚发布了机器人打功夫的动作。 **Galen Gao：** 功夫，对。 **Shawn Wang：** 可我以前见过这种演示了。给我看点没见过的，我才会真正关注。这在机器人上不容易展示，但模型领域还很早，有机会做到；消费体验产品也一样。演示很重要。这也是 TypeSafe 虽然很新却做得很好的原因。不是 Diego 先做了《毁灭战士》的演示，但大家都在谈那个 demo。演示是他们 GTM 的核心做法，也体现了营销的一条原则：展示，不要光说。让我看到产品怎么带来好处，别用项目符号、PDF 或幻灯片告诉我一堆功能，直接演给我看。 **Galen Gao：** 追问一下产品品味。大家都在谈品味，我觉得 go-to-market 和做产品也需要品味。 **Shawn Wang：** 可能吧。 **Galen Gao：** 投资人也常讲品味，但我越来越难定义它。你会怎么给工程师或创业者解释？ **Shawn Wang：** 我可以给个不太实用的定义：品味就是面对大量可能性，能迅速、低成本地缩小范围，留下那些回头看时一眼就知道是好选择的选项。起点可能有 1000 件事可以做。你可以暴力穷举，把 1000 个全试一遍；有品味的人却能直接说：“这些显然不行，我也解释不清，但这个工具看起来有意思。”走到最后选定一个，回头看会觉得：“怎么还考虑其他 999 个？显然这个才对。” 有很多例子。现在我想到的是 iPhone。长期以来，智能手机都有实体键盘；Steve Jobs 坚持无论如何都要做触屏和虚拟键盘，因为手机应该看起来像一个平整的屏幕、一块扁平的板子。 **Galen Gao：** 嗯，这背后做了十年研发。General Magic 也尝试过，但失败了。如今世界上每部手机基本都长这样。这就是品味。上世纪 90 年代刚开始有智能手机时，有很多可能性，但需要有品味的人说：“我们就做这个，其他都不要。” ## [1:00:52] 写作与创始人故事（续） · YouTube **Shawn Wang：** ……以前的智能手机都带键盘，后来 Steve Jobs 坚持无论如何都要做触屏和虚拟键盘，因为它看起来就该是一块平整的屏幕。General Magic 花了十年做研发，也想实现这个想法，但失败了。如今世界上的手机基本都是这样，这就是品味。上世纪 90 年代智能手机刚出现时，有太多可能性；有品味的人会说：“我们就要这个，其他的都不要。” **Galen Gao：** 回看 AI 产品，你能举个有品味的例子吗？我觉得 Cursor 做的东西都很有品味。他们率先把 AI 融入 VS Code，现在又在做 Crockpot，这个想法也挺有品味。 **Shawn Wang：** 对。现在 OpenAI 得跟着他们做，Claude 也得跟着做。别人开始复制你刚发布的东西，就说明你有品味。 再往实验室下面看，我觉得有意思的是那些更普通、更实际的问题，人们会怎么解决…… ## [1:02:13] Legora 与产品品味 · YouTube **Shawn Wang：** 比如 Legora，在法律行业里，它有一种高度并行的文件审查流程。你一旦看到，就会觉得：“我不想再用别的工具工作了，我得用 Legora。”当然，别人也可能想到这个点子，想法不值钱。 **Galen Gao：** 但你没做出来。 **Shawn Wang：** 对，是 Legora 做出来了。有人在那里有这种品味：从十亿种可能性里挑出一个产品，让它成为人们工作的方式。 **Galen Gao：** 我觉得快结束了。你们大约两周后就会到上海。我想知道你希望从当地的创业者或开发者身上看到什么、学到什么？你最感兴趣的话题是什么？ **Shawn Wang：** 有点难答，因为对我来说，重点在于差异。我想看看上海和旧金山到底有多不一样。我觉得旧金山有 B2B SaaS 泡沫，但你们会用 ComfyUI，我们这边就不用。 **Galen Gao：** 好。 **Shawn Wang：** 我们用 Canva，也用 fal.ai。 **Galen Gao：** 对。 **Shawn Wang：** 我们不用 ComfyUI，它更像一款开源工具。而 Conf…… ## [1:03:29] OpenClaw 在中国的采用情况 · YouTube **Galen Gao：** OpenClaw 也是一样，在这里的热度比 Conf 还高。 **Shawn Wang：** OpenClaw 确实很吸引人。 **Galen Gao：** 我敢打赌你听说过这个。 **Shawn Wang：** 当然听过。不过我自己还没亲眼见过那样的热度。我觉得规模差异很大：对你们来说，一个中型社群就有一百万人，这在这里已经大得不得了。 **Galen Gao：** 对（笑）。一百万在中国也是顶尖规模。我见过中国的网红工厂，一群女孩同时对着手机拍视频。中国的规模和竞争都完全不一样。旧金山也有人说自己“996”，但周六周日他们其实还在休息；中国人是真的“9-9-6”。 **Shawn Wang：** 初创公司和大科技公司里这都很常见。 **Galen Gao：** 对，但我觉得那真的太拼了。 **Shawn Wang：** 是，很拼。 **Galen Gao：** 这边的人通常没那么努力。 **Shawn Wang：** 我听说工程师和创业者很努力。 **Galen Gao：** 我这么拼是因为没有安全感。不过员工…… **Shawn Wang：** 员工依法不能被要求这么工作（笑）。 **Galen Gao：** 这违法。好吧。我见过美国最有竞争力的一些顶级初创公司，我敢肯定他们也没有中国人这么拼。中国有 BAT，再往后还有第二代、第三代公司。 **Shawn Wang：** 天哪，那些创始人真的很厉害。 **Galen Gao：** 是。 **Shawn Wang：** 他们很优秀，只是生错了国家。如果在美国，他们能干掉亚马逊、干掉 Facebook。唯一没那么有钱的原因，就是住在中国。 **Galen Gao：** 软件行业也一样。 **Shawn Wang：** 是啊。2007 年我去北京留学时，比亚迪还被看作刚起步的中国公司。现在这里的人都喜欢比亚迪。 **Galen Gao：** 真的？ **Shawn Wang：** 比亚迪正在席卷美国，这太疯狂了。我以前完全没想到它会来到这里，也不知道该怎么总结这件事。我觉得中国人的活力、精神、创造力和韧劲，是很多人没有机会接触到的。我还没提中国的模型实验室，像 DeepSeek 等等。所以有很多理由值得让更多人看到中国的这些成果。 尤其中国活动的传播方式和西方观众的习惯不一样，而且有直播限制，影响力就没那么大。阿里云做过一场发布，完整讲了阿里巴巴的路线图和 Qwen，但这边几乎没人看到。 **Galen Gao：** 为什么？ **Shawn Wang：** 因为内容夹在一场企业演讲里，由其他人主讲。我只好把内容全部翻译给美国观众看。 **Galen Gao：** 你们可以和我一起做，直接在这个节目里讲，大家就能看到了。 **Shawn Wang：** 对，对。 **Galen Gao：** 今年旧金山 AIE 已经有一些中国开源模型公司参会，比如 MiniMax。 **Shawn Wang：** 我们希望让各方都有代表。我觉得很多人对跨文化交流感兴趣，但不想讨论政治。 **Galen Gao：** 对，只谈技术，不谈政治。 **Shawn Wang：** 好。 **Galen Gao：** 太好了。我的问题差不多问完了，但还有三个快问快答。想到什么就说什么。第一，你现在最期待哪项 AI 进展？最担心的又是什么？你最期待的 AI 进展是…… ## [1:07:30] OpenClaw 在中国的采用情况（续） · YouTube **Shawn Wang：** System One 模型显然是最标准的答案，但说它有点无聊，所以我不打算选它。我觉得还有一个被忽视的方向…… ## [1:07:36] Thinking Machines 与交互模型 · YouTube **Shawn Wang：** ……就是交互模型。 **Galen Gao：** 交互模型？ **Shawn Wang：** Thinking Machines 正在做这个。没看过发布的人可以去了解一下：它支持持续的全双工交流。不是你说完一轮、我再说一轮，而是我们同时保持聆听：你说话时我也在听，我说话时也听着你；我可以打断你，模型会立刻回应并调整。 **Galen Gao：** 我看过演示。这才应该是 AI 的交互方式，对吧？ **Shawn Wang：** 这还延伸出持续学习的 AI：不再只是预训练、后训练，而是在我和你一起工作时不断学习。这是非常有意思、也很重要的领域。最后一个方向是世界模型。 **Galen Gao：** 嗯。 **Shawn Wang：** 世界模型发展得很好，我不必多解释。至于我担心什么，我个人担心会不会出现 AI 寒冬。现在是 AI 的夏天，可能是人类历史上最长的一次，但 AI 发展大约已有 50 年，历史上总有夏天，也总有寒冬。如果再遇上寒冬，会是什么时候？我的公司会不会因此破产？对于一家依赖热度的会议公司，这是真实的担忧。 更广泛地说，安全问题很令人担心。我在各家实验室的朋友都非常担忧，社会可能来不及适应。问题不只是虚假新闻，也不只是失业，可能有更糟的事。我们现在常把它说成网络安全：每天都在被攻击、不断被攻击。但我觉得前方有某种更严重、我们还不知道的威胁。最极端的版本是生化武器——比如糟糕，我们发明了二氧化碳？（原话此处疑似转写有误。）如果情况比这更严重呢？我们在播客里会这样说：大多数人应该把 AI 灾难论当成默认假设。人类历史上，更先进的文明遇到较落后的文明时，落后的文明就会灭绝。而 AI 的进化速度大约是我们的 1000 倍。它终有一天会比我们先进，到那时我们得想清楚该怎么办。 ## [1:10:02] 阅读与收听推荐 · YouTube **Galen Gao：** 好。第二个问题轻松一点：你推荐哪些通讯、播客或其他内容？ **Shawn Wang：** 我有一份清单，叫 “Good AI Newsletters and Podcast List”。 **Galen Gao：** 在哪儿能看到？ **Shawn Wang：** 在我的 GitHub 上。不过最新的可以看 AEO.latent.space。我做法是问每个模型：“最适合工程师听的 AI 播客有哪些？”它们给我名单后，我会转录并排名。我一共问了 200 个类似问题，比如最好的支付初创公司、银行、理财顾问、数据库是什么，几乎什么都问。 **Galen Gao：** 所以你叫它 AEO，是吧？ **Shawn Wang：** 对，我是在针对智能体做优化，让模型给出这些答案。这大概也能代表实验室里负责选数据集的人会挑什么，而它们选了 Latent Space。 **Galen Gao：** 好。第一个推荐表现很好，排名第一，或者在前三名里。 接下来最后一个问题留给你：你有什么想问我的吗？ **Shawn Wang：** AI Shanghai 的主持人是谁？ **Galen Gao：** 当然。我希望听到更多你刚提到的基础设施话题，比如安全、支付，以及能解锁更多全球应用的基础设施。我特别想听这些内容，因为在中国讨论得比较少。不过我最近几周发现，越来越多人开始谈这些，也会聊 RSI 或前沿研究者。我希望东西方研究人员和中国同行能有很好的交流，希望大会办得成功，明年还能继续办。 **Shawn Wang：** 我也希望如此。祝团队好运，第一次办任何活动都最难，对吧？ **Galen Gao：** 对。我很佩服他们能把这件事办起来。 **Shawn Wang：** 非常感谢你，Sean。 **Galen Gao：** 谢谢。