片头：26 亿美元估值、95% 代码与“丰裕时代”
Cognition 已累计融资超过 25 亿美元，最近一轮估值约 260 亿美元。节目用一连串片段快速勾勒 Devin 的位置：它被称作“第一位 AI 软件工程师”，已经进入包括 Goldman Sachs、Mercedes-Benz、Citi、Dell、Santander、NASA、美国海军和美国陆军在内的组织与企业场景。
“不到三年做到约 5 亿美元收入，这太夸张了。不到三年，年化收入已经接近 5 亿美元。”
“我们的客户在过去大约六个月里，用量也增长了大约 11 到 12 倍。”他随后谈到更远的 AI 未来：有人设想一旦 AGI 被解决，世界最终会被一个实体掌控；但他不认为那是人类应该走向的未来。他相信，纯知识工作层面最终几乎没有 AI 做不了的事，但能力越强，越需要让个人和组织能够使用、控制自己的智能工具，而不是被单一中心垄断。
“也许你真的可以拥有一个 AI 工程师伙伴，它就在那里替你干活。”他把 Devin 早期一次实际解决工程问题的时刻称为团队第一次真正相信这件事可行。片头最后落在他对未来的判断：“我认为丰裕时代是真的，而且我们很快就会到那里。”
被认成 Devin 的 Scott Wu
“Devin，欢迎来到 Sourcery。”
笑着回应后说，这种事确实经常发生。他在自己办公楼的电梯里都会遇到人问：“你是 Devin 吗？”他只好解释：“严格来说我不是 Devin，但我知道你想问什么。”
重新欢迎 Scott，并交代两人正在巴黎参加 RAISE AI Summit。她说这是一个规模很大的 AI 峰会，Scott 第二天还要登台。
“对，我明天上台。我大概一个小时前才落地，直接就赶过来了。”
Cognition 半年把代码产出推到约 7 倍
她想从 Cognition 和自主编程代理的现状谈起，因为这个领域的变化快得几乎来不及跟。
“我现在自己都快跟不上了。”他最直接的感受来自公司内部：Cognition 大量使用 Devin 来构建 Devin，而且到这个阶段几乎已经是默认方式。“大概 95% 的代码，或者差不多这个量级，是 Devin 写的。”
他强调，即使大家已经谈了三四年 AI 编程，最近六个月仍然发生了非常陡峭的变化。按照 Cognition 内部的统计，总代码交付量在半年左右扩大到原来的约 7 倍，PR 数量和实际代码量都显著增加。Scott 也提醒，代码行数并不等于生产力本身，真正需要看的是这些产出最终带来了什么产品与业务结果。
模型还在持续变强，产品体验也不断补齐，因此工程团队得到的 leverage 仍在扩大。对他而言，最重要的不是“AI 会不会写代码”这个已经比较确定的问题，而是同样一支团队现在到底能完成多少以前根本排不上日程的工作。
不要再拿 token 当生产力指标
“那你到底怎么衡量生产力？”
他先否定了最容易量化的指标：“直接看 token 数肯定不是正确答案。”他开玩笑说，所谓“token max 时代”大概从 2026 年 1 月持续到 5 月，已经可以“RIP”了。
真正重要的是 outcome：团队到底交付了什么、产品推进到哪里、客户与用户实际得到了什么。公司可以看 PR、交付节奏、业务 KPI，但这些只是通往结果的代理指标，而不是价值本身。Scott 认为每家公司都没有一个可以绕过真实 ROI 评估的“秘密公式”，最后还是要逐项检查：AI 到底改变了哪个业务结果。
对 Cognition 而言，他们会看公司的核心 KPI 如何增长，也会看产品和客户结果，而不是把 token 消耗或推理成本当作“生产力”本身。“你关心的是结果，以及你真正交付了什么。”
客户用量 11–12 倍增长背后的采用曲线
她问 Scott 是否想过公司会增长得这么快。
一方面，如果拿历史上的科技公司做参照，这种速度当然很疯狂；但另一方面，从第一性原理看，编程代理的采用曲线又几乎必然非常陡。他说不仅 Cognition 自己增长快，客户在过去大约六个月里的 Devin 使用量也增长了大约 11–12 倍。
他给出一个很简单的两点外推：一年前，真正把 coding agent 放进稳定生产流程的人数和工作量，粗略说还接近“零”；两三年后，他认为几乎全世界的软件工程师都会使用，而且用户群可能远远不止传统意义上的软件工程师，因为更多非工程师也能直接产出代码、产品和自动化。
“当你把这两个点放在一条曲线上，巨大的采用和增长几乎是必须发生的。”这不仅靠产品自身的传播，也靠大量教育内容教会团队如何使用工具，更依赖企业内部真实的组织变化——流程、角色、责任边界都要重新设计。
她引用此前与 Mayfield 的 Naveen 对谈，说 AI 编程是增长最快的几个类别之一。她感叹，这个赛道不到三年就出现了接近 5 亿美元年化收入的公司，速度非常罕见。
他承认 Cognition 很幸运，但也认为公司必须跑这么快，因为市场本身就在飞速扩大。“如果我们一年只增长 3 倍，反而可能是在落后整个市场。”他把这种速度看成技术价值的反射，而不只是销售技巧。
对于很多企业软件，销售最难的部分是先解释“为什么你应该在乎”；但当产品能自己写代码、能替你完成可委派的软件工作时，价值直觉非常强。于是难题从“说服需求存在”变成更实际的问题：怎样把技术做可靠、怎样部署、怎样让组织真正用起来。
一个周末谈完 Windsurf 收购
她先列出 Cognition 的体量：年化收入接近 5 亿美元；客户包括 Goldman Sachs、Mercedes-Benz、Citi、Dell、Santander、NASA、美国海军与美国陆军；累计融资超过 25 亿美元，最近估值约 260 亿美元。随后她把时间倒回去，问 Cognition 如何进入 Windsurf 这段“救赎故事”，以及并购如何参与公司增长。
“那其实也才 11 个月前。”他还提到，这件事到了今天又显得很应景，因为市场最近又出现了 Cursor 相关的类似新闻。当时市场突然得知，Windsurf 的部分研究人员和团队将去 Google，形成一种接近 acqui-hire 的人才交易。问题是，原来的 Windsurf 公司仍然保有产品、客户、已经可以运转的 go-to-market 团队、平台工程能力与产品本身，却需要迅速决定下一步怎么办。
Cognition 最初只是内部开玩笑讨论，随后很快认真起来。Scott 认为两家公司在产品上非常互补：Windsurf 是开发者坐在里面看代码、编辑代码的本地 IDE 体验；Devin 更像一个可以把任务交出去、异步完成工作的远程工程师。两者需要共享对代码库的理解、上下文和会话状态——开发者在本地发现问题，再把一段工作交给远端 agent，是天然连贯的一条工作流。
企业侧也有明显互补。Windsurf 已有很强的 enterprise traction、成熟的 go-to-market 团队和 deployed engineering 能力；Cognition 则长期把重心放在 agent 研究和产品本身。Scott 说，他们周五晚上与 Windsurf 团队联系，整个周末把收购谈完，到周一早上就准备好发布公告。包括 Scott、Jeff 以及两边团队在内，那个周末几乎没怎么睡。
他后来用“花生酱和巧克力”形容这次组合：高层逻辑非常顺，但真正的合并有大量细节。两个团队可能同时和同一个客户有关系，产品侧还有计费、身份、上下文、会话转移等一长串具体工程问题。真正的价值不在一句“协同效应”，而在把这些小事全部做通。
从两个公司变成一个产品，以及 Brex 广告
收购后的前几个月，团队一直在解决产品连接、计费、从本地环境把 session 交给远端环境、办公室与团队协作等细节。到了现在，他说已经很难从办公室里看出谁来自“旧 Cognition”、谁来自“旧 Windsurf”、谁又是合并后加入的人；产品也逐步变成一个统一体系。
本期节目由 Brex 赞助。她说自己拒绝把时间花在“不该存在的工作”上，比如费用报销、追收据和手工关账。她列举 Vercel、OpenAI、Anthropic、Granola、Deepgram 等公司，称这些团队都使用 Brex。
Brex 将公司卡、费用管理和银行服务放进同一套系统，并加入 agentic finance：AI agent 可以自动处理费用，在支出发生前执行政策，并把关账时间压缩到分钟级。Molly 说 Sourcery 也使用 Brex，这样她能把时间放在真正的建设工作上，而不是 busy work。更多信息可访问 `brex.com/sourcery`。
40 人吞下 200 人团队之后
“把两支团队真正合在一起是什么感觉？”
这不是一句“文化融合”就能概括的过程。当时 Cognition 只有大约 35–40 人，但已经有实质收入和客户，年化收入运行率大约在 7000 万到 8000 万美元之间；Windsurf 因为已经扩展了企业销售等职能，规模约 200 人。也就是说，小团队一下子要接住一个人数数倍于自己的组织。
合并当天和第一周，Scott 说团队的第一优先级是“先把船稳住”：让客户知道两边产品都会继续交付、承诺不会掉、支持不会断。接下来的几个月，他们再慢慢处理组织结构、协作方式和产品路线。
团队安排了不少 offsite，让此前互不熟悉的人建立关系；同时做大量策略讨论，把具体责任与方向理顺。最现实的问题甚至是办公室容量：他们需要尽快在旧金山找到能装下所有人的更大空间。到上一年年底，新办公室到位，所有人终于能在同一空间工作。Scott 把这视为整合真正开始变得顺畅的重要节点。
不强行整合：让使用场景把产品拉到一起
她追问产品到底如何整合。
核心原则是“不要为了整合而整合”。早期两边都有好产品，就让两边继续推进各自明显该做的下一步；只有当能力自然重叠、用户工作流自然需要连接时，再把它们合起来。他们没有设定“30 天或 60 天内必须把 Windsurf 消失掉”之类的硬期限。
过去一年里，这种渐进方式最终让 Devin Cloud 与 Devin Desktop（原 Windsurf）越来越紧密：可以从一个端启动 session，再交给另一个端；本地 IDE 和远端异步 agent 共享越来越多的上下文与系统能力。
Scott 说，这种路线之所以有效，是因为两边的用户本来就在寻找另一半。2025 年末到 2026 年初，异步 agent 开始真正流行，很多 IDE 用户都在问“我们的 agent 策略是什么”；反过来，先采用云端 agent 的企业，也仍然需要本地开发体验。与一个已经理解代码库、权限和部署细节的团队同时解决两边问题，天然比拼装两套体系更简单。
“与其强迫产品在 30 天或 60 天内完成整合，不如让真实使用、我们正在构建的新功能和新的工作范式，一点点把产品拉到一起。”
Cognition 的并购打法：一群前创始人现场解题
她问 Scott，当时到底找谁给并购建议，是有成熟顾问，还是一路现场发明打法。
“很大一部分确实是在现场想。”他解释，Cognition 的团队构成本身就很不寻常：前 56 名左右的员工里，大约有 30 人以前创过公司。大家普遍喜欢从第一性原理处理模糊问题，也习惯在资源不足时自己做决定。
他回忆收购那个周末，最早的讨论主要是 Cognition 侧的 Scott、Russell 与 Windsurf 侧的 Jeff、Graham；一旦跨过“我们要不要做”这一步，问题马上变成“具体怎么做”。于是周六几乎每个职能都开始成对工作：Scott 的联合创始人 Steven、Walden 等工程与产品负责人直接和 Windsurf 技术团队坐在一起，梳理要按期兑现的功能、已经对客户承诺的内容、接下来第一批产品连接点；go-to-market 团队也同时对齐客户、销售与部署。
有一处源字幕被识别成“get out wave 11”，上下文显示是在讨论需要按时推出的 Windsurf 具体版本或功能，但词组本身无法从仓库材料确认，因此本文不擅自改写为某个确定产品名。
他把那一天称作自己“人生里最有趣的日子之一”。很多创业者喜欢说，只想安静做产品，公司建设、招聘、销售、组织管理都只是不得不忍受的杂事；但 Cognition 这批人恰好相反，他们把“把公司本身做出来”也视为乐趣的一部分。
“我猜每周都会冒出不同的新事。”
笑着说，后来又有了很多同样混乱、也同样有趣的星期。“它总是一团乱，但很好玩。”
为什么 Scott 把政府与 DMV 当作软件机会
她把话题拉回当下的并购潮。源字幕开头提到“Curser”以及一笔“与 SpaceX 相关、约 600 亿美元”的交易；该专名与交易指代在字幕里并不清晰，但她的核心问题很明确：外界不断讨论 AI 公司被收购、与大实验室绑定，Cognition 却仍然坚持独立。甚至美国独立日那几天，Scott 还在华盛顿特区。她问：为什么去 DC？Cognition 在政府市场想做什么？
他认为代码可能是目前 AI 最成熟的垂直领域，因此很多人会把 coding agent 的演化，当作其他行业接下来会发生什么的先行指标。市场上有一种叙事：想赢，要么自己成为基础模型实验室，要么最终卖给某家实验室。Cognition 从一开始就不认同这个二选一。
公司刻意保持 model-neutral：OpenAI、Anthropic、Google 等不同模型供应商都可以合作。Scott 认为独立的价值不仅是采购选择，而是产品公司可以站在用户与模型之间，持续把不同智能能力组织成真正可用的工作流，而不必把产品命运绑定在单一实验室上。
谈到 DC，他给出两个原因。第一，政府可能是“软件需求巨大、软件工程师供给又最不足”的极端案例。很多公共机构有一长串想做但做不出来的系统。Scott 用一句话概括：“想象一下，你去 DMV，结果它真的好用。”今天大量政府服务之所以体验糟糕，不一定是问题本身复杂，而是软件陈旧、流程古老、网站难用、状态不可追踪。
“政府软件并不必然要很差。这些东西完全可以做好。”如果 AI 能把软件生产能力大幅扩大，那么改善公共服务会是非常具体、也非常有价值的落点。
第二个原因是政策。Scott 认为未来几年 AI 会成为非常基础的公共政策问题。他把它类比互联网早期：当时人们也讨论互联网会不会被少数公司完全控制，最终世界选择了相对开放的网络生态，今天所有行业都建立在互联网之上。类似地，将来所有企业也可能建立在 AI 之上，因此“谁能使用、谁能控制、基础能力如何开放”这类问题应该尽早讨论。Cognition 希望把自己作为独立应用层公司的观点带进这场讨论。
为什么 Cognition 反对 AI 能力被少数实体垄断
她说新一届政府对技术的拥抱让人印象深刻，然后追问：如果独立意味着放弃某个更大平台的保护伞，为什么 Scott 仍认为长期来看，把 Cognition 独立做大更重要？
他先描述一种常见的极端未来想象：递归式超级智能出现之后，所有东西都“塌缩”到一个实体手里——也许两个，但总之是极少数中心。AGI 一解决，某家公司就接管一切，最后世界只剩一个智能权力中心。
“我不认为那是我们应该拥有的未来。”Scott 并不是因为低估 AI 才反对集中化。恰恰相反，他认为 AI 最终会获得非常强的能力，并且会做出今天看起来更夸张的事。就纯知识工作而言，他甚至说：“我真的不觉得存在什么人能做、AI 永远做不了的事情。”他的理由很朴素：人脑本身也是一种计算系统，神经网络这个名字本来就来自对大脑结构的启发。
但“AI 能做到”与“AI 应该由谁控制”是两回事。Scott 希望未来的能力以一种个人与企业仍可掌控、仍可获得的方式发展，而不是只通过一个中心分发。他也强调，理想必须建立在“确实做得到”之上；Cognition 的押注是，市场既有空间，也有真实需求去支持独立工具。
“我认为大家——个人、企业——都非常需要真正独立、自己能使用的工具。”他尤其看重产品层和价值层的创新，而不希望所有公司最终都只变成对“纯智能层”的薄包装。
企业为什么不会只押注一家模型实验室
她转述此前向几位同行征集到的问题。源字幕中的姓名组合被识别为 Christian、Garrett、“137”以及 Justin Fishner-Wolson 等，专名存在明显识别噪声；其中一个核心问题是：为什么企业会想要第三方供应商或开源选择，而不是直接依赖基础模型实验室及其自带的编程工具？
第一，企业希望建立长期合作，但没有人知道六个月、十二个月之后哪一家会有最好的模型。对一个大型组织来说，培训所有工程师使用某一套产品、围绕它建立流程，几个月后再发现市场已经转向另一套工具，代价非常高。因此保留模型和供应商的可替换性非常合理。
第二，企业真正购买的不是 token，而是价值。AI 进入组织后，变化不会停在“给每个人发一个聊天机器人”。团队怎么组织、计划怎么写、spec 和设计怎么做、用户研究怎么做、工程师如何和 agent 分工，这些都应该重新设计。也就是说，AI adoption 本质上带有组织变革。
“你不能把工具从墙那边扔过去，说：这是你的 chatbot，祝你好运。”企业需要一个真正理解这些细节、愿意一起把价值落地的伙伴。第三方应用层公司的价值，就在于把不断变化的底层模型，变成一套长期可演进的工作方式。
随后是 MongoDB 广告。节目称，如果你在构建下一代 AI 产品，需要了解这套开发者常用的数据库平台。MongoDB 可以在同一系统中存储、搜索并实时处理数据，结合向量搜索与 Voyage AI embeddings，而不必额外拼接许多独立 pipeline。广告称约 75% 的 Fortune 100 以及不少 AI-native startup 使用 MongoDB，并强调从第一个用户到数十亿向量都可以扩展。更多信息见 `mongodb.com/ai`。
第二段广告来自 AssemblyAI。节目把它描述为语音 AI 基础设施层，提供 speech-to-text、voice agent 与 speech understanding 模型，为 Granola、HeyGen、Ashby、ClickUp 等产品提供能力。其语音理解模型不仅做转写，还可用于提取洞察、识别说话人和标记关键信息。节目提供 `assemblyai.com/sourcery`，并称新用户可获得 50 美元免费额度，用于开始构建语音 AI 产品。
Scott 对“六个月奇点”的真实看法
“你在硅谷。你相信那套‘六个月就到奇点’的说法吗？你怎么看 singularity？”
“六个月非常短。”他承认“递归改进”并非完全虚构：Devin 已经在写 Devin 自己的大部分代码，这本身就是某种非常实际的反馈环。但如果命题变成“六个月后人类变得无关紧要，科学问题和社会问题都被终极智能一次解决”，他并不相信。
第一层原因是现实世界里有大量问题不属于“只要再聪明一点就能瞬间解”的类型。组织要变、流程要跑、制度要协调，这些都有时间成本；硬件也有物理约束——能拿到多少 GPU、算力如何部署，都不会因为模型变聪明而自动消失。
第二层原因来自模型训练本身。Scott 说，今天的趋势越来越像：只要你非常清楚要测量什么、成功结果是什么，就几乎可以把模型教会。benchmark 就是最典型的例子。一个 benchmark 的存在，意味着任务已定义、成功与失败已定义、已有大量示例告诉模型正确行为是什么。在这种条件下，强化学习非常有效，“RL 真的有用，而且有效得惊人”。
问题在于，现实世界并不是所有任务都长得像 benchmark。很多事情边界模糊，没有清晰成功标准，反馈周期极长。让 AI 写一个简单程序，运行后立刻知道对错；让 AI 做一个十年战略决策，你可能真的要十年后才知道那是不是好决定。训练信号和验证信号完全不同。
他并不因此得出“AI 永远做不到”的结论。“说清楚一点，我长期并不认为存在 AI 最终解决不了的智力问题。”他的分歧只在时间尺度：这不等于六个月后一切突然结束。
Molly 笑着回应。Scott 也开玩笑说：“我可能错了。也许真的六个月后全结束了；那至少在那之前我们玩得挺开心。”
他觉得“六个月后一切都结束”的叙事里有某种虚无主义。确实可能存在一个 AI 的“事件视界”：智能强到某个程度后，我们甚至无法合理推演那一侧的世界是什么样。人类是否仍有欲望、激情、想表达的东西？Scott 倾向于相信会有，但也承认无法确定；也许 AI 连这些问题都以某种方式替我们解决。
“事件视界确实存在。过了那个点很难预测，但你还是得保持清醒。”在到达那个不可预测的未来之前，人仍然要做合理决策、继续建设，而不是因为一种极端时间表提前放弃现实行动。
“也许六个月后一切结束，但我现在不这么认为”
他接着上一段补完自己的保留意见：“也许六个月后一切真的结束了，但我现在并不认为会是这样。”
硅谷 AI 狂热与“保持清醒”
她顺势吐槽，自己觉得硅谷不少人“已经疯了”。她提到 Scott 在 Colossus 上的一篇文章开头，读完后只觉得“我没法把它从脑子里删掉，谢谢你 Jeremy”，并问整个硅谷技术圈到底怎么了。
“肯定有一些这种东西。”他承认现在的环境确实非常疯狂：公司增长速度前所未有，AI 能力的跃迁也真实存在。相比移动互联网或传统互联网，AI 可能不是“又一种每天使用的技术”，而是会更深地重塑生活和生产方式。
但他仍然重复同一句原则：能力越惊人，越要保持清醒。既不要假装这一轮只是普通技术周期，也不要把每个极端预测都当作已发生的事实。
Devin 的起点：一次 MongoDB 安装故障
她说，Devin 最早完成的任务之一是把 MongoDB 跑起来，想知道团队为什么会特意选这个任务。
“完全不是特意选的。”那是 2023 年底，当时甚至还没有一个广泛通用的“coding agent”叫法，团队只是在玩一个想法：如果 LLM 不只做代码补全，而是能测试代码、跑 terminal command、使用一个非常基础的浏览器，并且能自己循环诊断问题，会发生什么？
团队做了很多小实验。Scott 提到联合创始人 Steven 和 Walden：当时他们甚至在 Slack 里给每个人做一个“dev 版自己”，例如 dev Steven、dev Walden。后来这些思路逐渐合并，成为一个统一产品，也就是 Devin。
真正改变团队信念的，是一次内部真实需求。Walden 当时正要设置 MongoDB。他按文档跑命令、复制配置，但就是报错。可能是某个依赖版本不对，也可能是某个进程占了端口；反正就是典型的开发环境故障。那个年代的标准流程是把错误信息 Google 一遍，到 Stack Overflow 找别人给的命令，一个个试，仍可能解决不了。
Walden 折腾一阵后，干脆把任务交给当时的早期 Devin：“行，你去试，想办法把它弄好。”结果这个场景异常适合 agent。Scott 说，解决这类问题需要两样东西：第一，对海量错误、依赖和根因有近乎百科全书式的知识；第二，不只是给建议，而是真的能跑命令、查看进程、诊断机器状态并继续尝试。
“百科全书式的知识，加上真的能去执行命令——这基本就是 coding agent。”Devin 自己跑了几分钟，最终把问题修好，然后给 Walden 发消息：“搞定了，已经起来了。”
Walden 起初甚至不太相信。团队保留了当时的视频，因为那个结果在当时太不可思议。Scott 记得那晚自己睡不着：“也许它真的能行。也许你真的可以有一个 AI 工程师伙伴，直接替你做工作。”他把那一刻称作团队第一次真正相信这个产品方向成立。
她笑说：“那得谢谢 MongoDB，给了工程师一个够难的问题。”
也跟着笑：“对，谢谢那些复杂但又确实可解的文档页面。”在 2023 年 12 月，那个问题恰好卡在模型能力能够跨过去的边缘，因而成了 Devin 的一个关键起点。
真正的问题不是效率，而是丰裕之后要创造什么
“现在大家最应该问、但还没有在问的最大问题是什么？”
他想到的是“丰裕之后怎么办”。他用工业革命做类比，同时自嘲自己当然没有亲历那个时代：可以想象，人类曾经把大量时间花在农业与物质生产上，后来规模化生产带来丰裕，社会才逐渐发展出更多知识工作、自我表达和此前不存在的需求。丰裕到来与人类学会“拿丰裕做什么”，中间可能存在一个适应期。
他觉得 AI 正要进入类似阶段。今天谈软件 AI，第一反应通常还是效率：“原来三小时的工作，现在一小时做完。”这当然非常有价值，也确实已经发生。但 Scott 认为真正的 unlock 不是 efficiency，而是 capacity——如果同一个人、同一家公司能建设过去十倍、百倍才可能建设的东西，会出现什么？
DMV 只是一个朴素例子：软件丰裕之后，政府网站也许终于真正好用；登录银行、查医疗记录等体验也可以大幅改善。但他认为这还远远不够。过去“软件正在吞噬世界”之所以成立，是在人类仍必须手写每一行软件的时代；如果软件可以按需生成，能为一次性任务临时出现，甚至出现“自驾式软件”，软件覆盖现实流程的范围会进一步扩大。
“真正的解锁不在效率，而在能力边界：如果我们可以构建多得多的东西，我们要拿这种能力做什么？”
任何需要计算机参与的愿望，最终多少都可以表现为某种软件。当软件本身越来越能自动驾驶，问题就不再只是“今天的工作能快多少”，而是“你真正想做什么、想把什么变成现实”。
“我脑子里第一个问题就是：有了这么多丰裕，我们到底要创造什么？”他认为社会已经开始走到这个问题面前。
一场差点决定融资条款的单挑扑克
最后一题，她问 Scott：“打败 Peter Thiel 的国际象棋是什么感觉？”
他立刻纠正：“我没在国际象棋里打败他。我不建议和 Peter Thiel 下棋。”他笑着说，玩游戏还是得挑自己有机会赢的。
真正发生过的是一场扑克挑战。源字幕把另一位参与者识别为“Napoleon”，但仓库现有材料无法确认该人名。Scott 说，在 Cognition 非常早期的一轮融资——大致是 seed 阶段——双方谈判已经很接近，只剩最终数字与条款落在哪里。对方一直很直接，也清楚说明了自己的条件；Cognition 也给出了自己能接受的数字。
因为双方差距已经很小，Scott 知道对方很喜欢扑克，就提出一个极不寻常的办法：打一场 heads-up poker，赢家决定最终签哪一边的条款。事后回看，这个差异可能相当于公司大约 1% 的股份，所以其实是非常大的赌注。
Scott 说，他提出这个想法时，那位字幕识别为“Napoleon”的人似乎愿意继续，但 Peter 把它叫停了，意思是“我不认为这是处理这件事的正确方式”。大家笑了起来。
最后当然没有让扑克决定融资。他们还是按正常方式把条款谈妥、达成交易，此后也一直保持合作。
未来 12 个月：AI 进入日常生活的丰裕时代
“未来 12 个月，你最期待什么？”
他最期待的是离“丰裕时代”再近一点，而且不仅以 AI 从业者身份期待，也以普通用户和旁观者的身份期待。他希望 AI 能真正参与自己的艰难个人决策，处理生活里那些琐碎细节，让他把时间和注意力留给自己最在乎的事情。
“我认为丰裕时代是真的，而且我们很快就会到那里。”
她说这是非常积极、乐观的收尾方式，并感谢 Scott 参加节目。Scott 也感谢邀请。两人还开玩笑说，也许之后在 Versailles 能再录到一些 hot takes。
她感谢 RAISE 团队举办活动，也感谢 Brex、MongoDB 和 AssemblyAI 让这趟旅程与系列节目成为可能。她推荐继续收看 RAISE 系列，并列出 Tony Kim（BlackRock）、Scott Wu（Cognition）、Andrew Feldman（Cerebras）、MongoDB 的 CJ Desai，以及源字幕中识别为 Rodrigo Yang / Salmanova、Michael Hurston / Lumenum 等其他嘉宾；后两组专名存在明显字幕噪声，本文不擅自校正。
节目还在 X、YouTube 与 Instagram 发布了秘密地点录制的 hot takes。Molly 邀请观众订阅 Sourcery 的 YouTube 和免费 newsletter；也可以通过 `sourcery.vc` 订阅付费内容，主题包括 AI、机器人、企业软件、消费、半导体、融资消息以及科技领域接下来的重大变化。她笑着补了一句：“我刚才说 AI 了吗？那就再说一次 AI。”最后向观众道别。