开场与 fal 的三位共同创始人
你们的品牌简直是全世界最酷的。公司发展特别快，还不断融到越来越多的钱。
我们相信，AI 真正成立的产品市场契合点有三个，其中之一就是生成式媒体。
三年前没人真正明白这意味着什么。三年过去，它已经成了一个全新的行业。
你坐到电脑前，整天生成视频，一个月花一万到两万美元。
我们当时想：到底谁会愿意花这么多钱？结果发现，需求几乎是无限的。
每家大公司最终都会成为算力公司，只是面向客户的入口各不相同。我们的入口很独特、很有意思，别人都没有类似的产品。
你们有没有被这里面如此庞大的资金规模吓到？
完全有。
fal 不再追逐融资头条
好，欢迎来到 Sourcery。谢谢你们。我们现在在一个很特别的地方，你们想介绍一下这里吗？
当然。我们在 Dalida，特别感谢 Sayat 和 Lara。这是一家东地中海餐厅，土耳其风味很浓。还有个趣事：我就是在这里结的婚，Giram 还主持了婚礼。
婚礼办得真好。恭喜！
谢谢。
太棒了。我已经闻到食物的香味了，大家正在镜头外吃东西。我相信今天的谈话会很丰富、很“美味”，食物也一样。
太好了。
你们的名字总冒出来，我大概联系过 Michelle 无数次。你们的品牌真是酷，发展也特别快。我们节目会聊融资轮次，我总想着下次一定得请到你们，结果你们已经融完了，下一轮也结束了，我一直追着你们跑，你们却不停融到更多钱。恭喜最近这轮融资。
谢谢。
而且你们最近接连完成了几轮融资，和现在很多高速成长的公司一样，但这轮规模是迄今最大的一次。也谢谢你们愿意来。
恭喜。我觉得你们现在都到了不太想再为融资做媒体宣传的阶段。你们已经越过了炒作周期的拐点，现在就是一家运转良好的公司。
没错。我们更愿意专注在业务上。融资公告一开始确实能带来一些推动力，但轮次做得越多，我觉得它就越不重要。更重要的还是业务本身。
那股肾上腺素劲儿已经过去了。
正是。
融资消息可能对招聘、客户之类的事情有帮助，不过现在你们得专注于业务。
为什么生成式媒体是 AI 的下一个大市场
好，聊聊业务发展到今天这一步。生成式媒体在 AI 领域迅速崛起，是 AI 最酷的方向之一：我们看到各种视频和创意作品不断涌现。谁都可以先开个头，谈谈现在走到哪一步了，为什么发展得这么快。
我们谈 AI 时，认为真正成立的产品市场契合点有三个。一个是搜索，也就是最初的消费者产品，现在有 Google 和 Gemini。另一个很明确、最近增长很快的方向是编程智能体。第三个，我们相信就是生成式媒体。
拿编程智能体来说，个人用户每月可能在自己的云服务或 OpenAI 订阅上花一万到两万美元。除了搜索，生成式媒体是另一个能让个人花到这个量级的 AI 用途。如果你在 AI 原生工作室或传统制作工作室工作，生成视频就是你的职业：你整天坐在电脑前做视频，每月花一万到两万美元。这是 AI 里另一个能让个人投入这么多钱的用例。
搜索规模太大，所以可以单独看待；除此之外，行业里没有其他领域具备这种消费形态。真正有这种特点的就是编程和生成式媒体。越来越多人开始采用这些工具，每个人的投入也很高，这就是你们看到它增长这么快的原因。
AI 视频的需求近乎无限
这问题可能有点基础，不过你们有没有惊讶于这个市场背后的资金规模？
完全惊讶。一路走来，我们不断被各种变化惊到。我们没想到从图像模型转向视频模型会这么快。现在视频模型大约贡献了 50% 的收入。转型后我们原以为视频会彻底接管业务：它最初几乎为零，后来一度占到约 70%。我们当时觉得图像模型没戏了，问题很简单——算力不够，从此以后业务都会是视频。
结果图像编辑模型让图像重新焕发生机，而且也能帮助视频模型：你可以先生成不同的画面，再让视频模型更好地补出画面之间的过渡。图像编辑一下子让图像模型回来了。现在我们的收入是视频和图像各占一半。连这个变化也出乎意料：我们以为业务的一部分快消失了，没想到它又大幅反弹。
视频模型还在持续进步。目前最好的模型大概能生成 10 到 12 秒的视频，新一代可能会达到 30 秒。但在实现实时、高清的视频流生成之前，这个方向还会继续增长。分辨率越高、时长越长，成本就呈指数级上升：推理时需要更多注意力计算，分辨率提高也会让像素数量指数增长，事情就昂贵得多。
所以我们现在有了一个判断框架：未来还能创造更多收入，因为目前的视频输出仍然很初级。
去年 Veo 2 出来的时候也有个很有意思的节点。当时 Kling 可能是最好的视频模型之一，还有 MiniMax。价格开始下降，最初每段 5 秒视频大约 40 美分，后来稳定在 30 美分左右。Veo 2 却让人很意外：每段 5 秒视频要 5 美元，价格一下涨了十多倍。我们当时想，谁会愿意为另一段 5 秒视频付这么多钱？
事实证明，需求几乎是无限的。人们开始用这个模型，后来更贵的模型出来，大家也继续用。实际发生的是，越来越多专业用途浮现出来：广告营销人员、广告制作团队，甚至电影制作都开始用这些模型，因为质量提升很大，之前其他模型无法满足的需求也被释放出来。使用量在涨，能力在涨，价格也在涨，用户最终花的钱越来越多。
而且进步远没到头。大家会讨论大语言模型是不是撞墙、收益是不是递减，但生成媒体市场远没有到那个阶段。CES、Veo 2、Veo 2.5 这类新东西还在不断出现，质量还在提高，价格也在上涨，人们仍然想用这些模型。
Sora 的需求与算力限制
当然。你们还记得 Sora 吗？
记得。感觉像是上辈子的事了。
那是个很棒的时刻，只是成本显然太高了。我们也曾在平台上托管 Sora，后来他们下架前的三个月里，我们看到使用量大幅增长。我们当时就在想，这是怎么回事？这里的需求量几乎是无限的。
后来听说，算力不够同时支撑其他业务，而且运行成本也很高。不过我觉得它前景很好，也许以后会回来。
AI 生成广告的未来
今天早些时候我们去了 AppLovin，和 CEO Adam、CTO Gio 聊了他们怎么用算法优化广告效果。他们说表现最好的广告其实长达 60 秒。我问他们会不会用 Higgsfield 之类的生成式广告公司，或者收购这类平台。毕竟很多生成视频的用途都是广告，但目前效果还不够好，最好的也就五秒，而且不是所有品牌都能用。你们从自己的发展经历看，广告会成为最大的用例吗？
我喜欢广告这门生意。互联网靠广告运转，而这些模型做出来的内容很适合用户生成内容（UGC）风格的广告。内容通常是一次性的，不奏效就再做一条。画面不必完美，灯光也不用无可挑剔，反而应该看起来像在家拍的，这样更容易制作。
效果最好的广告或许有 60 秒，但你不必一次连续生成 60 秒，可以用快速的小段剪辑，有时效果反而更好。投放之后还能拿到大量数据，观察用户怎么互动，再持续改动素材，多投表现好的版本。这些流程都可以自动化。视频模型很适合做这件事，虽然还没人把它完全做好，但我们很想参与自动化广告的发展，我觉得这会是一门好生意。
你刚才说模型反复优化，让我想起一件挺好笑的事。本来想在采访里说，又觉得可能不太合适。
你们在 Instagram 信息流里会看到这种情况吗？
我会，因为我会做短视频、给网上做内容。我发现一个特别有效的小技巧是露出腋窝。只要把腋窝放进画面，浏览量就高出好多。
当作开场钩子？
对，真的。光是举起手臂，浏览量就涨了十倍，我当时都想：这什么情况？
想象一下，你可以生成自己一百种不同的姿势。
这确实是个道理。YouTube 上总要测试缩略图、标题和文案，因为算法对不同内容的反应不一样。
没错。有些很懂行的用户已经在做这种事，可能是个人创作者，也有大公司在做，只是还没普及。我们已经和几家这么做的公司合作了。未来这会更容易用起来，因为强化学习和背后的技术并不简单，现在还没有完全成熟；但我觉得几年内它会成为常态。
fal 如何转向生成式媒体
接下来聊聊 fal 背后的引擎，再谈谈你们如何跟上疯狂的增长。你们一开始是做算力的，后来进入了这个领域。这个转变是什么样的？你们又是怎么拥抱这个新类别的？
我们在 AI 时代到来前就开始做算力了。公司成立于 2021 年。当时的想法是，上一波数据基础设施浪潮催生了 Snowflake、Databricks 这样的优秀公司，它们的共同点是掌握了算力。要做下一代数据基础设施公司，我们也得专注算力。
我们当时认为 Python 会是下一个大机会。Snowflake 和 Databricks 某种程度上让 SQL 能在云端运行，由它们提供算力，还能按需弹性扩容。我们觉得 AI 会是下一波大趋势，所以 Python 也会成为重点。于是我们帮助一些很棒的团队把数据科学和机器学习工作负载迁到云端，这就是最初的业务。
没过多久，市场发生了剧变。从技术角度看，ChatGPT、Stable Diffusion 和 DALL·E 带来了重大突破。我们面临选择：继续做最初的数据基础设施，还是进入 AI 新世界。当时语言模型很热，开源模型也备受关注，Llama 随后发布，价格战一路打到底。
那时我们只有五六个人，账上资金也不多，还是家很早期的公司，没法靠负毛利卖 token。我们想做点更有意思的事。大趋势仍然成立，所以我们转而关注图像模型；当时还没人怎么谈视频模型。我们觉得可以用自己搭建的基础设施，让图像模型在云端跑得快得多。团队技术实力强，也有信心把推理速度优化好，虽然当时并没有特别明确这些模型最终会走向哪里。
我们持续做下去，吸引了一些非常早期的客户。此前那项业务做了一年，一分钱收入都没有；这边收入却开始往上走，显然有机会，于是我们决定专注图像模型。
大约三到六个月后，我们意识到这个趋势可能大得多。这些模型能解决和大语言模型很不一样的问题。我们觉得它们会用于广告和营销，买家也会完全不同。为了向别人讲清楚这件事，我们决定给它起个新名字，于是创造了“生成式媒体”这个词，放到网站上，告诉大家关注生成式媒体。
生成式媒体成为新行业
我们总得向别人解释这家公司是做什么的，因为三年前没人真正理解“生成式媒体”是什么意思。我们就是这样进入这个领域、找到自己的定位的。三年后，这个概念已经成熟得多，也成了一个全新的行业。
现在大家甚至想用它来拍长片。
没错。一开始你玩 DALL·E，根本不会想到能用它拍电影，但进展来得非常快。
确实很快。
只用了大约 18 个月，人们就开始想：这真的可以用来拍长片。
招聘真正热爱 AI 的人
我们在旧金山，这里的人都特别 nerd。你们可能也是。公司正处于快速增长的拐点，怎么跟上研究进展？你们会关注研究吗？一路上怎么学习？
一开始我们亲自深度参与，因为团队很小，任何一点进展都得自己争取。现在我们有一支非常优秀的领导团队，其中大多数人是我们过去在其他公司合作过的同事。我觉得现在工作中最棒的一点，就是可以依赖这些领导者。他们是我们的超能力：我们会问他们怎么看即将出现的新东西、关注什么。我现在从团队获得的信息，比从网上得到的还多。当然我也很想读所有东西。
这很好。你呢？
我想补充一下，团队怎么组建非常重要。我从 Coinbase 的经历里学到很多。2016 年我加入 Coinbase 时，团队差不多 100 人，算是早期阶段；现在我们公司也有大约 150 人。Coinbase 当时在 Reddit 上放了一份加密货币测验，考察你对加密领域究竟了解多少，包括很多技术术语。题目很难找答案，必须通过测验才能和团队成员通电话，看看你对加密到底有多着迷。
我觉得这对 Coinbase 长期成功很关键。我们需要真正痴迷这个领域的人，才能持续推进工作，因为很多时候，工作本身就是不断跟进最新进展。怎样保持在最前沿？首先是汇集优秀人才，把他们招进团队；最好招到本来就有动力的人，他们满脑子想的都是这个领域，今天最兴奋的也是这件事。即使不雇他们，他们也会照样做下去。
这一直是我们招早期员工的标准。这样大家自然会持续跟进最新动态，也会一直对手头的工作有热情。你不必费劲激励他们，他们本来就在做 AI 或生成式媒体相关的东西。
本期节目由 Brex 赞助，这是我最喜欢的平台。你花时间和金钱在什么事情上，最终就会成为什么样的人。我不愿把时间花在本不该存在的工作上：报销单、追收据、手工关账。Vercel、OpenAI、Anthropic、Granola 和 Deepgram 这些打造未来产品的公司都做了同一个选择：它们都在用 Brex。
Brex 是智能财务平台，把卡片、费用管理和银行业务整合在一个系统里，并内置 AI 财务智能体，自动处理费用，在支出发生前执行政策，还能在几分钟内关账。这就是 Sourcery 也使用 Brex 的原因，这样我能把时间花在……
招聘话题与节目赞助
……把时间花在建设上，而不是忙于杂事。现在就了解 Brex：brex.com/sourcery。
从握手到签约更快。Harvey 是为法律工作打造的 AI 平台，受到 Am Law 100 中 80% 的律所和《财富》500 强中超过 20% 的公司信赖。访问 harvey.ai。
AI 需要的不只是芯片，还需要电力、土地和基础设施。Zone 与 AI 公司、场地开发商和科技领袖合作，建设新一代数据中心园区，让算力更快、大规模上线，为 AI 前沿打基础。更多信息请访问 zonefrontier.com。
AI 与好莱坞的交汇
你们从哪里招人？这些人的背景和职位是什么？这整个领域都很新，我在这类访谈里常问这个问题，因为得提醒大家，三四年前很多事情根本还不存在。
一开始这甚至是个被忽视的市场，因为它恰好和大语言模型的增长同时发生。如果单独出现，它可能会是最热门的方向；但当时只能排第二。
创意产业某种程度上又和科技有冲突，所以也很难。
创意产业里其实一直有很多技术。IMAX 摄影机就有那边那张桌子那么大。动画、电影制作的不同环节都大量使用技术，只是技术进步会经历一轮轮跃升，然后进入平台期。未来五到十年，我们或许又会迎来一次对创意产业影响特别大的技术浪潮。
AWS、AMD 等公司本来就有庞大的媒体业务，向制片厂和媒体公司销售服务。这只是下一波技术浪潮。我刚才还听到有人谈 Christopher Nolan 的基础设施——他存放 IMAX 胶片的地方。
对，胶片有 900 磅那么重。
太重了。这个倒挺有意思。好，我们来聊聊……
从朋友成为共同创始人
好，聊聊你们怎么组建团队。你来自 Coinbase，你来自 Amazon。你们怎么认识，又是怎样慢慢聚起一群人的？
我们都是土耳其人，但在土耳其时并不认识。2014 年我刚搬到旧金山就认识了他，当时我们在不同公司，各做各的。疫情期间，我们在棕榈泉一起租了一栋房子。那时我们第一次觉得彼此合作起来很合拍。后来又过了一年左右才创办公司。我们是认识十多年的老朋友，直到那次在棕榈泉合住才开始共事。现在我们已经一起创业五六年了。
你们还从 Coinbase 招人。
Coinbase 和 Amazon 两边都招，挺有意思的。
创业早期招人时，你们看重什么？
说到底就是优秀的人，很多方面都得优秀。技术能力当然得过硬。早期我们做了很多深度技术工作，这也是我们的差异化优势。除此之外，还要能相处融洽。早期团队的默契非常重要。
创业最难的事情大概就是找到产品市场契合点。我们认为团队应该保持精干，彼此协作非常顺畅，能一起探索想法，果断淘汰行不通的东西，然后继续向前。这是三十多岁创业的优势之一：你已经积累了整个职业生涯的经验，认识许多共事过的人，知道谁值得信任、谁不值得信任，可以把值得信任的人聚在一起。只要你在做一件有价值的事，联系他们，他们就愿意加入、参与这段旅程。
年轻时往往没有这些积累，只能从头开始招聘、建立信任。我们已经和很多人建立了信任，所以早期工程团队几乎都是过去认识、合作过、信任的人。他们帮我们更轻松地应对问题。
什么是真正的“超级个体贡献者”
你们怎么看待扩张，还是保持扁平？我觉得你们的公司结构比一般初创公司扁平，最深也就两层汇报关系。这是有意设计的吗？
是有意的。我们相信“超级 IC”（超级个人贡献者）。这个概念现在越来越流行，也有了名字。我们有“前线部署工程师”（forward deployed engineers），之后可能还有前线部署智能体——不，应该是“智能体”吗？很快会有吧。
我应该懂这些人才术语。我挺熟悉这一块的。你们说的是超级 IC。
对。超级 IC 现在越来越常见。你希望管理层本身也是超级 IC：他们特别擅长自己的工作，既能亲自上手，也能带团队。
我们一直有类似结构，只是没用这个名字。我们没有纯管理者，也不打算设纯管理岗位。
团队里有些人特别出色、很有号召力，我们自然就围绕他们建立领导结构。我们不断招进优秀的人，看谁自然成长为领导者，再把团队聚到他们身边。
当然这种方式也有上限，会遇到沟通瓶颈。扩张时，我们得认真想怎么向全公司沟通、让大家保持一致。随着公司变大，这些就成了挑战。现在我们尽量多和团队同步，继续保持扁平，看看问题会在哪儿出现；等结构确实承受不住时，再考虑增加管理层级。但核心仍是超级 IC 策略。
我们的增长时机恰好赶上编程智能体和大语言模型在软件工程中变得重要。只要智能体和编程模型持续进步，这种组织结构就能维持下去：有能力极强的领导者，每人带五到十名工程师，再依靠编程智能体完成大部分工作。这样我们或许能一直保持只有两层管理架构。
AppLovin 的年收入有几十亿美元，却只有大约 400 名员工，其中工程团队约 100 人。
我很欣赏 Adam。我今天刚去过他们那里。他们市值曾到 2500 亿美元左右，现在大概在 1300 亿到 1500 亿美元之间。
但他很支持你刚才说的模式，整个公司就围绕个人贡献者建立。如今有了编程智能体之后……
那另一半呢？人的一面、个人因素，还有承担业务责任、做商业决策、凝聚团队，这些怎么办？
这确实是组织结构正在发生的根本变化。你不能只做一个十倍工程师，还得做到更多。
我觉得其他 CEO 也在谈这件事，比如 Brian Armstrong……
超级 IC 的核心特质
Brian Armstrong 最近也把这套模式讲得很具体，像是在描述公司未来的蓝图。Elon Musk 不管大家怎么看，也一直很支持这种做法。我觉得这在科技公司里越来越流行；非科技公司层级太多，实行起来更难。科技公司也得跳出舒适区，但至少条件更适合。大家都在讨论这个。你们具体看重哪些特质？
主动性（agency）是我们常聊的。每个人都想招有主动性的人，但现在我们甚至希望软件工程师参与商业决策。在 Amazon、Coinbase 这种大公司里，工程师通常只负责写软件。但市场变化太快，客户和模型不断变化，我们常常需要工程师做业务判断、直接和客户合作，因此也要围绕客户做决策。
这种工程师最难找。我们会看一个人能不能独立行动、承担责任并对决策负责。其他能力往往也会随之而来。主动性很难测试，最好的办法是以前和这个人共事过，亲眼了解。
我们也看重一种相近的特质：进取心。想在这个市场赢下来、打造一家大公司，就得真的很想赢。我们会尝试判断候选人是否有这种劲头，虽然很难，但坐下来聊聊多少能感受到。我们有时会反向介绍公司，坦白说这工作很辛苦，以此看看对方的进取心。
我们不赞成有毒的工时文化，比如周末也不回家。我们周末会回家。
真的吗？
是啊。
想不到。
这没什么好炫耀的，但没必要把不回家当成值得炫耀的事。
周末回家照样能成功。
对，想想都不可思议。不过我们也会实事求是地说明预期。赶进度时可能压力很大，得投入很多时间，甚至每周工作 60 或 80 小时，这可能会筛掉一些人。所以进取心很重要。
文化方面，和我们团队打过交道的客户大概会说，我们团队自我意识不强、合作起来很轻松。我们也看重谦逊：人要有才华，但不能恃才傲物。这种组合挺难得。和团队合作过的人大概知道我们为什么受欢迎——大家好相处，也很友善。
能力与谦逊并存
我认为能力和谦逊完全可以兼得，所以我们也会筛选谦逊的人……
保持在前沿最难的部分
你们遇到过什么意想不到的挑战？不只是常见问题，而是原本没想到会碰到的事。
作为一家公司站在行业前沿很难。第一，你得真的想做这件事，想把公司做大；第二，你必须持续跟上变化，这需要付出很多努力。要把初创公司做大，你得非常投入、很有进取心。这工作量很大，也会让人付出代价。Adam 大概也会这么说。不过总之确实需要大量艰苦工作。
我问过他最期待什么，他说自己感受不到期待。
那他已经超越这种阶段了。
你们总有一天也会到那一步，毫无情绪。
这个行业变化特别快。要是一个月没出好模型，大家就开始慌：“天啊，一个月了，怎么什么新东西都没有？”但只要再等一个月，就会有令人惊叹的东西出现。从我们创业以来一直如此。这让大家保持兴奋，也让团队相信下一个模型会解锁新的用例、新类型的客户。它给业务带来巨大增长，到现在还在持续发生。
为什么算力成了新模型的瓶颈
你们觉得最好的模型都从哪里来？它们是随机出现的吗？有没有共同规律？
我们现在在生态里扮演更重要的角色，因为既是模型提供商的基础设施伙伴，也是应用层和工作室等模型使用者的 API 伙伴。我们能同时看到供给和需求。如今算力非常紧张，新模型要发布，必须提前规划推理所需的算力。即使模型成功，团队自己也很可能买不到足够算力，所以通常最好找我们这样的推理服务商合作发布。
我们和模型提供商密切合作。客户通常同时使用多个模型，但非常关注模型发布，因为他们往往会把自己的产品发布和新模型绑定。所以我们也和客户保持紧密沟通。有时我们还得预测模型侧的增长，提前采购自己的算力、投资基础设施，才能推动整个生态。否则算力都会流向编程智能体，或其他愿意投入更多的一方。
通过提前规划、投入算力，我们可以同时支持模型提供商和基于模型打造的应用。过去几个月，算力太难获得，这已经成了我们在生态中的责任。
我再补充两点。生成式媒体有两个很特别的地方。第一，它涵盖的模态更多。人们想到生成式媒体时，可能只想到视频，其实还包括文本生成图像、图像编辑、视频、3D、文本转语音、语音转文字，以及游戏里的 3D、4D、5D 等等。每个细分领域里都有五到十家公司，整个领域更加多元、分散，发生的事情也更多。
第二，这个领域还很早期，参与者之间仍在不断超越彼此。我们远没到 90% 或 98% 的成熟度，可能才走到最终可能性的 50%，所以实验和迭代空间还很大。实验室也更多元，不只是 OpenAI 和 Anthropic 这样的少数公司，而是大约八家参与者彼此竞逐。
其中一个原因是我们还不缺数据。网上有海量视频，每天也有大量新视频产生，没人声称自己把所有数据都拿来训练。训练视频模型难的地方，是筛出有意思的视频，让模型学得好。如果要增加训练数据，现成视频可谓取之不尽，而且看起来几乎免费。
不过问题空间也更大：模型要推理整个世界、物理规律和各种事物，不像编程那样具体，也不像某些……
生成媒体模型仍在快速迭代
……某些大语言模型试图优化的目标那么具体。因此研究者可以从更多角度切入，做出更有意思、更吸引人的模型，几乎每隔一两个月就会有新进展。
为什么 AI 模型的名字这么奇怪
这也涉及命名了。
对，名字得有辨识度。
有些名字挺好笑的。
Happy Horse、Nano Banana，还有 Happy Oyster 游戏模型。
还有 MiniMax。
SeaDance、Kling、Dream。
Nano Banana 火起来的时候，大家连续聊了三天，连我爸都在说 Nano Banana。我当时想：这到底怎么回事？
我听说这是因为它最开始是匿名模型。有人会匿名发布模型，不说是谁做的，用代号引起关注，因为模型排名很高。Nano Banana 好像就是当时随手用的占位名。
后来这个名字就留下来了，成了正式名称。
如果你们是模型，会叫什么名字？
Sorbet。
Sorbet？这是我最喜欢的词。我不知道为什么，曾经想过要把公司改名叫 Sorbet。
他特别喜欢 Sorbet。
我也会想名字，比如用一些特别的颜色：酒红色、绿松石色之类的。我觉得颜色可以成为一系列模型名。
这名字不错。那你呢？
我还没想好。
Sorbet 好像也能指一种桃色。
也可以用鸟啊，鸟的种类多得很。
鸟？
对，完全可以用鸟。
你最喜欢哪种鸟？我是在问名字。
我知道。
比如猫头鹰，有很多种，完全可以用不同猫头鹰来命名。
也可以用昆虫。我想大自然会是我的主题。
fal 这个名字的由来
你们怎么想到 fal 这个名字的？
好，我们来聊聊 fal。我们原来的名字长一些，叫 Features and Labels（特征与标签）。
这是一语双关。
fal 是 Features and Labels 的首字母缩写。
而且不是读作“foul”，是读字母 F……
嗯，它来自 Features and Labels。如果你是机器学习圈的老行家，会知道这两个词，它们是机器学习领域很早就有的术语，甚至早于现在的 AI 浪潮。
还有一层意思……你喝过土耳其咖啡吗？
喝过。
那有人看过咖啡渣给你算命吗？
没有。
fal 还指用咖啡渣占卜。喝完咖啡后，有人会看杯底的咖啡渣，给你预测未来。以后我们可以试试。
好啊，来试试。你们会算吗？
在土耳其大家都会，人人都试过。
要不现在就试试？
可以试试。我们去弄点咖啡吧，我觉得这里有土耳其咖啡。
天哪，挺有意思的。你们觉得开源和闭源的争论还会持续多久？两到四个月，还是半年？
开源不会消失
我觉得会一直持续。稍微落后的公司开源模型，是很有效的营销方式：只要开源，全世界都会开始讨论你。它也确实有实际优势。你去问好莱坞的工作室，他们想微调模型、应用不同的 LoRA 来改变灯光，还想用自己尚未发布的角色和风格。这些都需要开源模型才容易做到。
所以开源既有技术优势，也是很有效的营销手段，大家会继续这么做。有人会开发前沿模型，暂时落后的人就会开源，开源与闭源的钟摆会不断摆动。
起初我们觉得开源会对业务构成很大威胁，因为那时我们主要运行开源模型。后来我们也开始和闭源模型合作，为它们提供推理服务，这对我们是双赢。开源让生态更有意思，对整个行业都有好处。我们一直欢迎更多开源模型，也尽可能支持社区。
人们会一直想保护自己的知识产权。不只是媒体公司，大家也想保护源代码、客户名单等等。如果东西在本地运行，就不用担心这些问题，所以开源与闭源的争论会一直存在。
和客户交流时，如果他们知道模型运行在我们的 GPU 上，就会更信任整个流程，开源或闭源都是如此。这一直是我们的重要差异化优势。如果模型开源，客户当然知道自己也能卖模型，但他们信任我们，因为我们能做得比他们更好。对视频模型来说，信任尤其重要：创意团队常把尚未发布的素材输入模型，他们不希望这些内容泄漏。我们一直在企业客户中强调这一点，大家也很认同。
AI 在真正的专业工作中表现如何？Mercor 的 AI Productivity Index（Apex）会随着主要前沿模型发布持续追踪，并与 Harvey、Cognition 等合作。想知道前沿模型实际能做到什么程度，请访问 mercor.com/apex。
今天的节目由 Fundrise 的 VCX 赞助。VCX 是私人科技公司的公开交易代码，让各种规模的投资者都能投资风险投资。访问 getvcx.com。
Public 是一个多资产投资平台，你可以用 AI 智能体自动化投资。用简单提示创建自己的智能体，让它观察市场、执行交易策略，并管理股票、债券、期权、加密货币等资产中的现金。想在收盘时买入、次日开盘时卖出？直接告诉智能体。访问 public.com。
创始人用 Deel 扩张更快。几分钟内就能为任何国家设置薪资，全球招聘、快速办理签证，然后继续专注建设。访问 deel.com/sourcery。
AI 对好莱坞还没有实际影响
从宏观来看，你觉得现在人们没在问的最大问题是什么？
不完全是这个问题。不过你听好莱坞播客、看好莱坞新闻，总会听到“AI 要毁掉好莱坞”这种说法。我们一直在这个行业里，常和相关人士交流。到目前为止，AI 对好莱坞实际上还没有任何影响。大家只是在把未来的担忧投射到现在。
过去六个月，我们来自好莱坞的业务增长了，已经占到收入中一个有意义的比例。但我认为它对就业还没有影响，也几乎没在好莱坞制作出值得一看的内容。未来肯定会发生变化，也已经有一些迹象，但我们谈了四年，听到的始终是制造恐慌，却没有真正发生什么。这是外界远远看不到的一点。
洛杉矶大部分讨论都围绕监管和各种法律，实际上并没有带来什么。
确实。采用缓慢不只是因为模型质量，公司法务也得认可才行。但现在我们终于慢慢看到大家都在全力投入。
你觉得大家还应该问什么？外面究竟发生了什么？
我觉得大家问得已经够多了，甚至有点问过头。更广泛地说，大家对 AI 的用例、资本支出投向哪里、AI 到底有没有用，都有不少怀疑。我比较乐观。我不认为很多提出这些质疑的人真正了解 AI 在公司里是怎么用的。
生成式媒体仍处于非常早期，甚至才刚刚开始。在广告、好莱坞、社交媒体等领域，我们已经开始看到它的应用。它确实有价值。我们刚估算了软件工程团队的效率，大概提高了三到四倍。也就是说，要达到现在的速度，我们过去需要四倍的人；而我们现在为工具付的钱远不到四倍。
所以对我们来说投资回报很明确。如果你深入了解使用 AI 的公司，认真衡量实际回报，而不是只读一堆报告或非技术人士的看法，就会看到不一样的情况。我非常看好长期算力需求。
我们常说，每家大公司最终都会成为算力公司，区别只是门面不同。我们的产品入口独特，别人没有类似的。有些公司的入口是编程智能体；新云厂商可能没有面向客户的入口；Databricks 等则从数据切入。每家公司都有不同的故事和说法，但真正带来收入的，是谁在背后运行最多算力。我们的入口很独特，而且还在增长。
而且算力还不够。大家听到的 2000 亿美元资本支出，有很大一部分设施还没有建成。
算力供给仍然不足
对，建这些东西很慢、很花时间，而现在算力还不够。
我还有最后两个问题，然后会问你们的犀利观点。我先告诉你们，好让你们准备一下。
这句话本身就是个犀利观点。
我们可不想听你的犀利观点。
你们表现得太好了，回答都很有观点，特别棒。好，在进入那个问题之前……
等待 AI 的《玩具总动员》时刻
接下来 12 个月，你最期待什么？
我期待第一部经得起时间考验的 AI 内容。所谓经得起时间考验，就是我们现在一起看它，一年后再看，还是会像今天一样喜欢。到目前为止，AI 内容主要是在展示能力：“看，视频模型能做到这个，图像模型能做到那个。”但我们需要的是能一直让人觉得新鲜的作品。
我期待明年能出现一部广受认可的短片或动画，几年后回头看，人们还是会像今天一样喜欢它。
很不错。
就是常青内容。
对，这很重要。
我也想做这种作品。大家会说《玩具总动员》之于计算机图形就是这样的开端。它大概是 1996 年上映的，对吧？想想看，竟然已经这么久了。
现在重看《玩具总动员》还是会觉得好看。
我会喜欢的。你喜欢《奥德赛》吗？
我还没看。
你一直在聊 Christopher Nolan，结果电影还没看？
我在等最大的 IMAX 影厅，之前还没买到票。
去 Sphere 看啊。
他们会在那里放吗？
不知道。那地方太大了。
太大了。
不行，没人是想在那种地方看电影的。
至于我，我觉得世界模型很令人兴奋。我们还没怎么聊它们。我大约三个月前还非常怀疑。
世界模型让你可以进去探索、移动，有点像游戏。你能用键盘输入动作，在里面导航。最近看到的进展让我觉得相当惊人，我开始非常看好它。
接下来关键是提高画质和速度。新的架构还能让世界持续存在。以前你看向一边，看到一朵花，转开再回来，花就消失了；现在模型开始能让物体保持存在。以后可能只要输入提示词，就能真正做出一款游戏。我觉得这个领域会爆发。
最大的难点还是算力：玩游戏时需要 GPU 一直运行。但游戏质量会大幅提升。AI 游戏可能会成为又一个产品市场契合点——现在还不是，但我觉得很可能成为第四类。
成本会很高。
对，天啊。
好，离犀利观点只剩最后一个问题。我再提醒你们一下。
为什么 Jack Dorsey 被低估了
Sourcery 很高兴由 Brex 赞助。你们知道 Brex 吗？
知道，Brex 用户。
Brex 帮企业更聪明地花钱、行动更快，提供高性能企业卡。我想把这个问题聊得个人一点。你们曾在传奇人物手下工作，比如 Brian Armstrong、Jeff Bezos；你喜欢芯片，所以也许喜欢 Jensen Huang；你还喜欢 Christopher Nolan。哪些人物真正激励你，让你一直有动力？
好问题。
你要做他们的狗吗？我也不知道。
在上一代创业者里，我觉得 Jack Dorsey 被严重低估了。他的能力跨度比任何人都大，而且现在可能又要回归了。看他在 Twitter 和 Square 的经历很有启发。我没和他密切共事过，但他一直是我敬佩的人。年轻时我在硅谷，总会关注他在做什么。
我不会说这能让我一直坚持下去，但我很喜欢 Ali Ghodsi。他多次转型自己的公司。我喜欢他不断重新发明自己的做法，我觉得这是打造长寿公司的秘诀，也是应对各种变化的关键。他是位很出色的领导者。
犀利观点时间到了。你们现在最犀利的观点是什么？
为什么应用层几乎没有利润率
你们有准备好吗？
没有。
压力太大了。
我们慢慢来。
好，慢慢来。要不剪掉这段？
天都黑了。
要不要给你们提示几个方向？
不用，我们来吧。
我有个好观点。
可以聊 IPO、公司消失，或者有人卖假 GPU……
哇。
……随便说说，我也不知道那些假 GPU 是哪来的。
我一年前有个犀利观点：OpenAI 和 Meta 合并。
对，这事还是可能发生。
它们现在表现不太好。虽然我丈夫觉得这对整个行业不好。
这观点可能不算太火辣，但我觉得确实讲得通。OpenAI 以前的优势是消费端，大家觉得它赢在消费者市场，因为消费端更难做。后来 Anthropic 在企业市场发力，Google 也开始做自己的消费产品。现在我不觉得 OpenAI 在企业端或消费端都占据明显优势。
Meta 也有类似处境，它需要新的东西。我就想，如果两家公司合并、整合力量，会不会很酷？这样它们就能真正赢得消费市场。我觉得这有道理。当然我对这些事情没有任何内部消息，完全是猜测，但我觉得会是个好做法。
嗯，这很有意思。
还有一个，这是科技圈常见观点，我替我们俩都说了。
好。
我现在又想到好几个。
好，好，好。
大家以前普遍认为应用层会有更高利润率，但我觉得现在完全反过来了。应用层利润率几乎为零，竞争太激烈，营销又要花很多钱。只有进入算力链路、并且能在这条链路上创新，才有机会创造利润率。这和我们四五年前创业时的普遍看法正好相反：当时大家认为基础设施会陷入价格战，而应用层会赚钱。现在看看，应用层也没有利润率。醒醒吧。
这个观点不错。
我们之前也和 Tony Kim 聊过那轮融资，他说芯片市场的行情好得多，因为现在只有芯片跟得上需求。
对。我还有一个最近才开始琢磨的观点：编程是生成式媒体的一部分。
真的吗？
是。
不过它也属于生成式媒体，对吧？当然，编程本身是一个独立领域，但我们看到越来越多开发者在构建更丰富的应用，不只是网站，还包括可编程视频。你可能见过有些网站看起来更像视频。编程正在成为 fal 用户非常重要的一部分，所以我们必须投入，因为自己的客户需求非常多。
一切都是计算机。
一切都是计算机，什么都是计算机。
犀利观点与节目结束
这就是犀利观点。
好，这个结尾太棒了。非常感谢你们。我已经很期待吃晚饭了。
还有咖啡。
还有咖啡。我迫不及待想知道我的运势。
好啊。
太好了。谢谢你们，谢谢 Molly。
嗨，我是 Molly。如果你喜欢我们的访谈，欢迎订阅 Sourcery.bc 新闻通讯。我们每周发送一次，整理顶级交易和科技头条，也会深入解读播客访谈。现在就订阅 Sourcery，也别忘了在 YouTube、Spotify、Apple Podcasts 或你常用的平台订阅播客。报名链接在简介里。