--- id: "yFDQX4Yy4N8" title: "挑战中国 AI 模型的美国初创公司" channel: "Prof G Markets" host: ["Ed Elson"] guests: ["Misha Laskin"] date: "2026-11-01" updated: "2026-11-02" duration: "1:00:00" duration_seconds: 3600 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=yFDQX4Yy4N8" canonical: "https://pod-exp.pages.dev/yFDQX4Yy4N8/" transcript_jsonl: "https://pod-exp.pages.dev/yFDQX4Yy4N8/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","开源软件","地缘政治","创业与经营"] series: ["AI 与软件"] --- # 挑战中国 AI 模型的美国初创公司 > 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：** Reflection 联合创始人兼 CEO Misha Laskin 谈到自己从理论物理转向 AI 的经历，以及公司为何押注开放模型和强化学习。他把闭源模型比作租用、开放模型比作拥有，解释开放权重、许可证、推理服务和企业部署之间的区别，并认为开源生态有助于创新、安全研究和降低成本。访谈还讨论开放模型公司的商业模式、中国政府可能提供的支持、美国与盟友的技术竞争，以及 AI 是否会成为像电力和互联网一样的基础服务。Laskin 认为中国开放模型对全球创新是礼物，同时美国也需要建立优秀的开放模型生态，并给年轻创业者提出了基于深厚兴趣、耐心和伙伴信任的建议。 ## [0:02] 开放模型与美国的竞争力 · YouTube **Misha Laskin：** 我们早就预见到这种地缘政治紧张局面：如果开放模型只由一个国家生产，其他国家就会依赖这些模型，也会依赖那个国家的基础设施。对美国来说，保持竞争力非常重要；不仅要有竞争力，还要在 AI 开源软件和模型上做到最好，确保我们的盟友、全世界以及美国国内，都能基于自己的开放智能继续建设。 ## [0:30] 广告：Engine · YouTube **广告：** 本期节目由 Engine 支持。每年有 1.6 万亿美元经由差旅行业流动，其中大部分仍靠几十年前的技术运转。它能用，只是还不够智能。过去八年，Engine 一直在搭建智能差旅所需的基础：可靠的库存、酒店合作关系、定价智能和支付通道。这些基础设施工作不光鲜，却无法靠买来解决。如今，这套基础设施为近 4 万家企业和 200 万名旅客提供差旅服务，而且每年增长 60%。智能差旅——商务差旅的未来由 Engine 驱动。了解更多，请访问 engine.com/propg。 **Ed Elson：** 欢迎收听 Prof G Markets 创业者系列，我是 Ed Elson。 ## [1:16] 与 Misha Laskin 对谈 · YouTube **Ed Elson：** 围绕 AI 建设浪潮的担忧并不少：社区居民反对数据中心，劳动者担心被取代，也有人害怕这项技术会带来生存级威胁。但对美国来说，眼下最迫切的挑战之一可能是与中国竞逐。中国的开放权重 AI 模型正不断扩大影响力，凭借更便宜、更快的优势，成为最强大专有系统的替代选择。 我们的下一位嘉宾正在打造一家企业，目标是让美国在这场竞赛中站稳脚跟。这家初创公司最近发布了首个模型 Beam，并称它的表现超过其他西方开放模型，同时运行成本更低、速度更快。随着中美竞争加剧，这家公司被越来越多地视为美国 AI 建设中的战略性参与者，投资人也开始关注。红杉、花旗和英伟达等机构参与投资，公司在六月完成一轮融资，投前估值达到 250 亿美元。 这个新模型能否让美国 AI 在对华竞争中占得先机？美国要赢得开源 AI 竞赛又需要什么？下面是我与 Reflection 联合创始人兼 CEO Misha Laskin 的对话。Misha，谢谢你来参加。 ## [2:37] Misha Laskin 的经历与 Reflection AI 的创立 · YouTube **Ed Elson：** 这正是我今天想重点聊的，因为这是个很重要、但很多人还没完全弄明白的话题。在谈这个之前，能不能先介绍一下你的经历？我知道你学过理论物理，也在 Google 工作过。请讲讲你一路走来、最终创办 Reflection 的故事。 **Misha Laskin：** 我对物理感兴趣，是因为小时候我们搬到了美国。我在华盛顿州一个偏远的地方长大，有很多空闲时间，于是开始喜欢上物理。原因可能也和当地历史有关：曼哈顿计划的几个地点就在这一带，汉福德基地（Hanford Site）就是钚浓缩的地方，因此这里有很深厚的物理学背景。 但我真正喜欢物理，是因为它是一门基础科学，建立在简单原理之上，却能解释我们观察到的大多数现象，也是日常技术的根基。所以我把物理看作二十世纪的基础科学。最早的计算机程序由物理学家开发，是高等研究院的 ENIAC 项目。当时正值二战，计算机刚开始被用来计算弹道导弹的坐标。后来，晶体管也是贝尔实验室的理论物理学家发明的。GPS 这样的系统也只有考虑狭义相对论才行；必须把光速因素算进去，定位才能准确。 所以在我看来，所有触手可及的技术背后都有物理学这门基础科学。后来我转向 AI，是因为我发现 AI 领域也发生着类似的变化。这个领域曾经很多元，但一直没有一种真正简单的方法来扩展智能，直到深度神经网络被发现并逐渐扩展，尤其是从 2012 年 ImageNet 的突破开始。 我看到 AlphaGo 时，觉得这件事特别了不起。围棋和国际象棋一样是传统棋类，但通常被认为最复杂，因为它的“分支因子”最高——也就是说，在每一种棋盘局面下，可选的落子方式非常多。围棋对人来说极难，也很考验智力；而一个神经网络被训练到了超越人类的水平。事实上，这个系统没有停止学习：只要继续给它投入算力，它就还能变得更强。 我看到的是，一门在我看来和物理一样基础的科学，正在我们眼前被发现，并将推动二十一世纪大多数技术进步。AI 正出现一些重大突破，让它成为我们这个时代的物理学，成为二十一世纪的基础科学。大约在 2010 年代中期，这就是我投身 AI 的原因。 ## [6:13] Reflection 为何创立？ · YouTube **Ed Elson：** 你当时在 Google 工作，后来我理解你在 2024 年创办了 Reflection。为什么要创办这家公司？当时你觉得 AI 领域正在发生什么，或者还缺少什么，是你能为这个世界贡献的？ **Misha Laskin：** 说起来，2024 年其实也才两年多以前，但按 AI 的时间尺度，感觉已经过去很久了。那时的行业面貌很不一样。回到 2024 年初，GPT-4 已经发布，ChatGPT 也火了起来，最初的 Gemini 模型也已上线，包括 Gemini 和 1.5。我和联合创始人 Yiannis 都参与了这些模型的工作，尤其是强化学习方面。 但那时候模型的智能基本只适合聊天。编程、智能体、推理这些能力还不存在，也用不起来。模型就是聊天机器人，不擅长自主完成任何认知工作。 我们当时的判断有两部分。我们看到开源生态刚刚起步，一些不错的开放模型开始出现，比如 Meta 等公司的模型。我们认为这些模型可以成为很好的基础，让我们在上面继续开发，而不必投入巨额研发资金从头预训练大模型。 公司最初另一个重要判断，是强化学习这一范式可以扩展到语言模型上。正是强化学习创造了 AlphaGo，我的联合创始人曾是 AlphaGo 项目的核心贡献者之一。让 AI 系统通过试错来学习的同一套方法，可以在语言模型上扩展，打造的不只是会聊天的系统，还能胜任认知型智能体工作。 我们选择编程作为切入口：模型不仅能写软件，也能在电脑上执行其他智能体任务，比如法律、金融等工作。我们认为，基于开放模型继续开发，再扩大强化学习的规模，就能释放这类系统的能力。 公司成立后的第一年，我们很快就在小模型上小规模验证了强化学习的可行性。但与此同时，整个行业也找到了扩大强化学习规模的方法。OpenAI 的首批 O 系列模型开始推出，把推理能力带入公众视野。强化学习这个难题解决得比我们预想的快得多。我们以为需要几年，结果不到一年就有外部实验室做到了，我们自己的实验也取得进展。 接着我们又看到另一个变化：西方开放模型开始明显落后于中国。中国出现了非常强的开放模型，大家大概都记得 DeepSeek V3 问世的那一刻，它和推理模型的推出大致发生在同一时期。此后，中国的一整套模型生态都变得很强。 大约一年前、稍多一点的时候，我们决定公司最有影响力的行动，是投身“开放智能”使命。我们预见到几件事会发生，本以为要更久，结果它们发展得快得多。其中一件事就是地缘政治紧张局势。开放模型之所以如此重要，是因为它们不能成为…… ## [10:14] 开放模型与地缘政治 · YouTube **Misha Laskin：** ……只能由一个国家掌控的东西。我们早就预见到这种紧张局势：如果开放模型只有一个国家在生产，世界其他地方就会依赖那些模型，也会依赖那个国家的基础设施。对美国这个国家而言，保持竞争力非常重要，而且不只是要有竞争力，还要拥有最好的 AI 开源软件和模型，确保我们的盟友、全世界以及美国国内，都能基于自己的开放智能继续建设。 ## [11:14] 什么是开源？ · YouTube **Ed Elson：** 我打断一下：开源到底是什么意思？什么叫开放模型？比如 Linux 是开源的，开源和闭源有什么区别？ **Misha Laskin：** 最主要的区别是：闭源的东西你不能拥有，只能租用；开放模型则可以完全由自己拥有。这有点像租房和买房的区别。租公寓时你并不真正拥有它，得看房东的安排：可能涨租，可能被赶走，还可能遇到各种情况。但租房很方便，你付租金，房子由别人打理。管道漏水之类的，你不用自己操心，找房东处理就行。 买房则是拥有房产，但也得承担房屋带来的各种问题。出于财务、控制权等原因，人们还是会选择买房。软件和 AI 的开源也可以这么理解：你要么向别人租用软件或 AI，要么自己拥有它。在 AI 里说开放模型，核心就是这一点：你是在租用模型，还是可以把它拿到手里——比如我把模型放进闪存盘交给你，你就能拥有它，并在自己的基础设施和电脑上运行。这是根本区别。 **Ed Elson：** 我对开源的理解是，开放模型的一部分特征在于它们免费。买房要花钱，但开源模型谁都能用、能在上面开发和定制，这似乎是它的关键要素。我理解错了吗？ **Misha Laskin：** 我觉得你说得对，不过可以再打个比方。模型可能免费，但有些模型会附带许可证。也就是说，开放模型可以归你所有，同时仍然受许可条款约束。比如 Meta 最新的 Muse 模型有许可证；如果你是分发方，可能还需要商业许可。Kimi K3 作为分发方也有许可证。所以开放模型也可以附带能够变现的许可条款。 顺带一提，Linux 也不只是“开放”而已，它有许可证：你对它做某些修改，修改后的内容也必须开放。围绕开源软件和开放模型，其实有一整套许可证体系。因此“开放”不一定意味着免费。如今大多数开放模型的许可证确实免费，我们发布的 Beam 也采用 Apache 2.0 许可证，所以可以免费使用。 但模型免费，不等于周边的一切都免费。企业客户想运行开放模型，得从某处获得算力，因此要为算力付费；还要有管理算力、部署和提供模型服务的软件。模型服务技术复杂又难做，这些都要付费。通常还会把模型嵌进智能体工作流或定制工作流里，这往往需要和服务商合作并付费。所以可以把开放模型想成发动机，但发动机…… ## [15:14] 开放模型的成本 · YouTube **Misha Laskin：** ……周边还得有配套，就像没有车，光有零件不行，你得把整辆车造出来。模型本身即使因为许可证宽松而免费，单独拿到模型也没多大用。我可以把开放模型放在闪存盘里交给你，但要让它真正有用，你还得具备所有…… ## [15:34] 开源模型与开放权重模型有什么区别？ · YouTube **Ed Elson：** ……周边配套。那能不能这样理解：开放模型的训练成果免费提供，但推理服务并不免费？也就是说，底层模型这个“发动机”是免费的，你可以拿到手、随意使用；但如果你想运行模型，甚至围绕它做生意，就得付钱请别人来运行，可能就是付给你们。这样说对吗？另外，“开放权重”是 AI 圈最近出现的新说法，区别还不是很清楚。我们能不能说，开放模型把训练好的模型免费给你，但不免费提供推理服务？ **Misha Laskin：** 对。开源是一个更上层、更宽泛的概念，涵盖开源软件；开放权重则是其中一种具体形式。过去的软件没有“权重”这种东西，权重是 AI，尤其是深度学习里的特定概念。 有些开源纯粹派会认为，如果没有公开数据和训练方法，就不能叫开源。我们的立场是，公司使命是打造开放智能，让它广泛可用。我们的目标是尽可能开放，让模型易于使用、能被更多人接触。发布 Beam 时，我们和 40 个合作伙伴一起发布，还把它集成进多个开源微调框架。我们也开源了自己的智能体框架 MIR，并即将发布一份技术报告，详细说明这些系统是怎么做出来的，这等于把科学过程也公开了。 我们认为，研究者组成的生态需要弄清楚系统是怎么构建的，这也是科学的基本原则：希望其他科学家能在你的工作上继续推进，前提是他们得理解你做了什么。 但这不意味着所有东西都必须开源。比如，要做出好模型，可能得购买大量专有数据，而合同规定不能把数据公开，因为出售数据本身就是一些人的生意。开源不等于把一切都公开，不过我们会尽可能开放，让科学界、研究界和开发者社群都能用好这些模型。 至于企业或公共部门采用模型，公司会对模型周边、让模型真正有用的系统收费。这些系统会为企业提供推理服务，打包企业需要的智能体，也提供微调服务等等。 ## [19:04] 广告：Engine · YouTube **广告：** 稍后回来。 **广告：** 本期节目由 Engine 支持。每年 1.6 万亿美元流经差旅行业，想想大部分业务仍跑在上世纪八十年代的技术上，确实令人惊讶。商务差旅能运转，但谈不上智能。这就是企业和旅客直接通过 Engine 预订的原因。Engine 填补了“想去某地”和“真正到达那里”之间的差距。 开发者、费用管理工具和 AI 智能体都能接入 Engine 的 API。随着 AI 普及，Engine 的价值还会进一步提升。任何想预订差旅的 AI 智能体，都需要真实的供应、价格和支付能力。如今有 4 万家企业依赖 Engine，业务还在快速增长。它通过与 Non 和坦帕湾海盗队等合作伙伴携手，为大众提供差旅服务。 稳固的酒店合作、自有供应、实时比价和支付通道，这些基础需要多年才能建成；Engine 花了八年，而且买不来。商务差旅的未来由 Engine 驱动。访问 engine.com/propg。 ## [20:19] 开放模型和闭源模型，谁更适合让人继续开发？ · YouTube **Ed Elson：** 欢迎回来，我们继续和 Misha Laskin 对话。我觉得大家都需要理解这个区别，因为它似乎正在颠覆整个 AI 生态。正如你刚才说的，我们经历了 DeepSeek 时刻：那既是一个强大的中国模型，也是一个强大的开放模型。此后 token 价格大幅下跌，OpenAI 降价最多达 80%。我们熟悉的 OpenAI 和 Anthropic 这些闭源模型，也被迫全面重新定价，因为开放模型压低了成本。 所以我关心“免费”这一点：可能不是整套服务都免费，而是其中一个环节免费，结果就大幅降低了价格。最后再问一个关于开源与闭源的问题：开放源代码、开放权重，是否意味着任何人都能了解模型底层架构并自行修改？而 Anthropic、OpenAI 这样的模型，你看不到背后的架构，也不知道怎么在它上面继续开发。这个区分对吗？ **Misha Laskin：** 对。实际上，闭源模型不只是架构不透明，我们甚至不知道它的规模，几乎对它一无所知。这就像车子被整个封装起来，引擎盖焊死了，你没法掀开检查，也没法动手改造，自然也就很难理解或定制它。 开放模型则不同：你能看到架构，可以用自己喜欢的开源微调框架，把模型载入自己的 GPU，再按需求定制。你可以拆开研究、理解它。 从根本上说，这会改变研究者的规模。封闭实验室里可能总共只有 5,000 名研究人员了解这些系统并参与研发，其中只有少数人做安全研究。比如 5,000 人里也许只有 500 人研究模型安全，这个社群非常小。但这项基础技术威力巨大，一个这么小的研究群体不可能把模型的方方面面都弄明白，也很难独自搞清楚如何保障安全、让模型与人类目标对齐。 开放模型生态能邀请更多研究人员、工程师和开发者加入。任何感兴趣的人都可以查看并贡献力量。这才是科学的基本做法：科学不是炼金术，它本来就应该开放。网络安全也是如此，渗透测试的基础就是能够访问、检查并理解软件。世界上最坚固、最安全的一些软件，往往正是开源软件…… ## [24:21] 开放软件与安全性 · YouTube **Misha Laskin：** ……有句老话说，只要有足够多双眼睛，所有 bug 都会变得浅显。这就是开源软件如此普遍、稳健的原因：数十万名开发者都看过它，检查各种漏洞。他们未必能修复所有漏洞，但开源软件通常确实比闭源软件更加坚固、可靠。关键是…… ## [24:48] 开放模型如何长期维持低成本？ · YouTube **Ed Elson：** ……这和传统知识产权生意很不一样。通常，如果公司创造了极有价值的东西，首要任务就是申请专利、严加保密，筑起壁垒后再变现。所以我很好奇开放模型的商业模式会怎么运作。Anthropic 和 OpenAI 是全球大语言模型领域的第一、第二名，但每年仍在亏损数十亿美元。它们面临的问题是怎么涨价、怎么维持价格，而开放模型生态却在不断压低价格。 我也想知道你们这样的公司，以及 DeepSeek、Qwen 和其他中国开放模型，究竟怎样维持商业模式？据我了解，构建和训练模型是整个过程中最昂贵的环节，可开放模型实际上把这一部分免费送了出去。长期来看，这门生意怎么做？ **Misha Laskin：** 我们知道的很多基础技术，甚至软件技术时代的技术，起初都是封闭的；但如果一项技术足够重要、足够基础，后来就会出现开放版本，并占据大部分使用量。 操作系统就是这样：最初是封闭系统，后来有了 Linux。微软的 MS-DOS 和 Windows 等封闭操作系统曾经成就了很大的生意，但之后 Linux 出现了。我记得如今全球超过 90%、甚至可能超过 95% 的服务器都运行某种开源操作系统，大多数是 Linux。手机也一样，苹果最早推出真正意义上的移动操作系统，之后出现了开源的 Android，现在全球大多数手机都运行 Android。互联网本身也是开放协议，最早主要由政府和大学建立。 所以眼下发生的事情，是很自然的延续。我觉得我们得换个角度看 AI：模型就像电或水，是一种大宗基础商品。我们不会琢磨能源公司怎么维持九成利润率；我们把能源和水看作商品，运营公司的利润率也许不高，但它提供的服务规模巨大，是整个国家乃至全世界的基础设施。 所以模型侧的利润率压缩是健康的。智能应该像电和水一样，被视为基础商品。即使开放模型，推理服务的利润率目前也相当高，原因是算力稀缺。算力包括 GPU，也包括 CPU。之所以稀缺，是因为…… ## [28:48] 智能会成为一种基础商品 · YouTube **Misha Laskin：** ……每瓦能够承载的智能量一直在增加。模型变聪明的速度，超过了我们建设算力的速度。智能市场有点像人工劳动力市场，而且是一个正和市场。面对药物发现或网络防御这样困难的问题，我们会投入多少人工智能劳动力？大概是越多越好：我们希望打造尽可能好的网络防御系统，也希望发现新药。 我认为在可预见的未来，算力建设会跟不上智能发展；至于这种情况会持续多久，我也不确定，因为算力设施要在物理世界里建设。但每瓦能获得的智能会持续增加。因此，我们应该尽可能压低智能成本，让大家能更多地使用它。这有点像经典的杰文斯悖论。 总之，智能不该被看成苹果 iPhone 那样的高端产品，而更像电和水，应当成为一种基础商品。智能周边的整套系统很昂贵，运营方仍会有一定利润，但目前无论开放模型还是闭源模型，推理服务的利润都相当可观。 ## [30:28] AI 训练会不会像公共事业一样获得补贴？ · YouTube **Ed Elson：** 你说推理利润率很健康，我觉得把 AI 当作公共事业这个观点很有意思。Sam Altman 曾说，未来 OpenAI 可能出现这种情况，虽然他们目前的业务方向似乎不是这样。我们也认同推理利润率很健康，但这样说可能忽略了训练的问题：训练似乎是一项非常重要、成本很高的开支。一般来说，电、水等公共事业会得到联邦、州或地方政府的一定补贴，让所有人都用得起。你觉得 AI 经济会不会也有某种补贴，特别是训练这么昂贵的情况下？ **Misha Laskin：** 也许未来会有。但现在市场还太早，难以判断。我所说的 AI 理想终局，是让它成为一种公共事业。互联网实际上也像公共事业，是大多数人都负担得起的商品，而且有很多项目致力于把 Wi-Fi 带到农村地区。 我不确定 AI 最终会更像电力，还是更像互联网。不过，不管其中哪一种是否获得政府补贴，它们都属于大规模的商品化服务，其上已经建立了许多非常成功、利润率很高的公司。互联网接入本身相当便宜，但依托互联网发展的公司仍能获得很高利润。 ## [32:48] 中国政府在资助和支持开放模型方面有多大作用？ · YouTube **Ed Elson：** 中国的开放模型很有意思。DeepSeek 出现时，市场一度恐慌，美国 AI 股票纷纷下跌。中国发生的这些事，也让你们这样的公司成为美国具有战略重要性的企业。如果我说错了请纠正：看起来中国动用了大量政府补贴来开发这些模型，然后免费向全球发布，彻底改变 AI 模型市场格局，大幅压低价格。最终似乎是政府、也就是中共在为这些模型买单，至少对 DeepSeek 来说像是如此。这种理解对吗？中国政府究竟在多大程度上参与资助和推广开放模型？ **Misha Laskin：** 关于中共参与多少，我大概也不比你了解得更多。但我同意，很难解释中国开放模型生态的出现，却不考虑政府以某种方式提供的大力支持。这些公司已经存在一段时间，花了几年才开始从产品中收取可观收入；即便如此，仍需要投入大量资金。 我觉得中国这些公司的商业模式，和西方实验室及分销商有很大区别。从外部看，中国市场某种程度上像一个封闭市场。中国有开放模型，但我没看到多少独立分销商来提供这些模型，通常是模型开发公司自己提供 API：DeepSeek 有自己的 API，Kimi 有自己的 API，智谱也有自己的 API。在我看来，它们在中国国内的商业模式，和西方闭源模型并没有太大不同。 **Ed Elson：** 确认一下，你是说它们在中国境内像闭源模型那样运营，但在中国以外开放模型，是这个意思吗？ **Misha Laskin：** 至少这是我从外部观察所得的印象，因为我没看到中国有独立分销商在 DeepSeek 之外提供 DeepSeek 模型。那里的市场结构挺有意思。我认为西方市场对使用中国 API 信任不足，而中国本身又是个大市场，所以我猜它们在国内的业务实际上和闭源 API 差不多，然后把模型免费提供到海外。毕竟，海外用户不太愿意使用中国 API，想靠 API 在海外变现也不容易。 我确实认为，这种做法有地缘政治上的优势，也可以看成一种经济激励：把海外竞争对手的利润率压低。这里面有些值得关注的现象。西方的情况则…… ## [36:50] 开放模型公司的竞争优势 · YouTube **Misha Laskin：** ……有相似之处，但也不同：如果你发布开放模型，就会有一群分销商来提供它，市场是竞争性的。不过开放模型开发者确实能获得一些优势，而且我们正看到这些优势逐渐显现。 第一，你在开发模型的过程中，也打造了最先进的技术栈，包括模型服务、构建智能体、微调等。等模型正式发布时，支撑它的技术早已提前建好，因此你的技术开发会领先竞争对手大约六个月。 另一项优势是，作为对国家和西方具有战略意义的公司，你更容易获得企业、公共部门和主权实体的信任。而开放模型最大的消费市场，正是大型银行等企业、公共部门和主权实体。 向初创公司销售可能主要是技术销售：告诉对方来选产品、试用就行。但向这些机构销售，除了要在技术上胜出、展示明显的技术差异，还要证明自己是能帮助它们用开放模型改造组织的战略伙伴。开放模型开发者从这个角度更容易获得信任，被视为合适的转型伙伴。 ## [38:52] 广告：Engine · YouTube **广告：** 稍后回来。 **广告：** 本期节目由 Engine 支持。每年 1.6 万亿美元流经差旅行业，想想大部分业务仍跑在上世纪八十年代的技术上，确实令人惊讶。商务差旅能运转，但谈不上智能。这就是企业和旅客直接通过 Engine 预订的原因。Engine 填补了“想去某地”和“真正到达那里”之间的差距。 开发者、费用管理工具和 AI 智能体都能接入 Engine 的 API。随着 AI 普及，Engine 的价值还会进一步提升。任何想预订差旅的 AI 智能体，都需要真实的供应、价格和支付能力。如今有 4 万家企业依赖 Engine，业务还在快速增长。它通过与 Navan 和坦帕湾海盗队等合作伙伴携手，为大众提供差旅服务。 稳固的酒店合作、自有供应、实时比价和支付通道，这些基础需要多年才能建成；Engine 花了八年，而且买不来。商务差旅的未来由 Engine 驱动。访问 engine.com/propg。 ## [40:05] Reflection 如何让美国重回 AI 竞赛领先位置？ · YouTube **Ed Elson：** 欢迎回来，继续和 Misha Laskin 对话。你提到，中国开放模型背后可能有某种地缘政治策略。如果中国国内的生态某种程度上封闭、但在海外开放，这和我们刚才讨论的观点完全一致：中国大力投入开放权重模型，可能几乎就是为了侵蚀美国现有 AI 企业的利润、颠覆 AI 市场。Prof G Markets 的联合主持人 Scott Galloway 把它叫作“AI 倾销”：中国向市场注入大量供给，冲击已经领先的美国企业。至少我认为情况如此。 Reflection 被看作美国对此的回应。你们得到了全球一些重要公司的大笔投资，包括英伟达；黄仁勋也明确支持开放模型。他认为这很重要。你们还把模型卖给了政府基础设施部门，我相信五角大楼也在使用 Reflection 的模型。因此有人认为 Reflection 将成为美国对中国的回应。假如一切顺利，你们会怎样改变市场、让美国重新领先？Reflection 的战略意义在哪里？ **Misha Laskin：** 首先，我不同意所谓“AI 倾销”的前提，也不同意它会对西方市场造成负面影响。 **Ed Elson：** 是，我其实也差不多认同。我只是在描述这个说法。 **Misha Laskin：** 只要世界上出现了优秀的开放模型，不管它们来自哪里，对大家都是一份礼物。模型出现在中国也好、别的地方也好，能让人继续开发的优秀开放模型，本身就是礼物。不管对方的意图是什么，这都给了我们一份礼物。 我们该怎么看待这件事？一些最好的美国初创公司原本开始被封闭实验室挤压。这并不是封闭实验室做错了什么，它们只是要经营自己的业务。编程如果很赚钱，它们当然会围绕它做垂直产品，企业本来就要发展。但我们也需要有竞争力的生态，让开发编程智能体的初创公司也能做生意。这些初创公司做了什么？它们转向中国开放模型，在模型上继续开发、针对自己的工作负载做定制，并靠自己站稳脚跟。所以中国实际上给了美国初创公司一份礼物。 如果因为地缘政治担忧而把开放模型全部拿掉，反而会伤害美国创新生态。从开发者、建设者的角度看，这些模型是礼物，很值得高兴。我们本来也可能生活在一个没有优秀开放模型的世界，那会令人担忧得多，也暗淡得多。另一点是，AI 并不是一种固定的…… ## [44:06] AI 成本下降与美国的战略需要 · YouTube **Misha Laskin：** ……当你把某种东西的成本压低，需求就会增加；这不是一个固定的零和蛋糕。这有点像杰文斯悖论。到目前为止，每次 AI 成本下降，市场对智能系统的需求都会上升。 企业现在确实很在意成本，但这并不是说它们不愿花钱。如果投资能带来数倍回报，企业完全愿意向 AI 投入数十亿美元，只是回报需要时间才能显现。截至目前，AI 的确相当昂贵。因此，优秀开放模型的存在总体上是件好事。 从地缘政治和战略角度看，美国必须成为开放模型建设的领先者，并让生态遍布世界。美国国内和海外的《财富》500 强企业，出于风险认知、监管等原因，不愿采用中国模型。 **Ed Elson：** 但有些企业确实试过。我印象里微软好像曾经测试过 DeepSeek，我当时很惊讶，也可能记错了，希望没记错。 **Misha Laskin：** 有些企业确实因为需求很高而尝试，但中国开放模型很少真正进入《财富》500 强企业的生产环境。结果是，我们国内的大企业竞争力不如那些愿意承担风险的初创公司。我们必须提供足够好的方案：有些企业想“拥有”自己的智能，不想租；有些想兼而有之，都需要合适的选择。 目前我们最大型的企业和公共部门机构，相比中国公司，也相比我们自己生态中愿意承担风险的公司，都处于竞争劣势。因此，提供能与中国模型竞争的产品来支持本国企业和机构至关重要。 在海外，盟友基于美国技术建设也很重要。地缘政治因素在于，世界会采用最好的技术栈。Linux 和 Android 来自美国而非中国，是有原因的：美国向来擅长打造世界上最好的开源技术。这是第一次，有如此重要的技术不是源自美国，所以海外世界正在基于中国技术建设。 开放模型也可以看作它们所带来基础设施的“特洛伊木马”。模型只是发动机，周围还需要整辆车，而这辆车包括芯片。中国公司把开放模型卖到中东、亚洲其他国家、巴西等地时，也会开始销售芯片和数据中心。其他政府和盟国可能因此被锁定在中国基础设施里，这才是美国面临的国家安全风险。 所以无论国内还是国际层面，为了国家安全，我们都必须拥有最好的技术栈：最好的开放模型、最好的芯片，让世界出于实力选择基于美国技术建设。情况其实很微妙：中国模型很优秀，它们的存在是送给世界的一份礼物；但出于国家安全考虑，我们也必须有强大的产品供盟友采用。 ## [48:07] 为什么美国不直接禁止中国模型？ · YouTube **Ed Elson：** 你说中国给了我们一份礼物时，我会想：中国真的会给美国送礼吗？我理解你的意思是这里有两种解释。一种是它根本不是礼物，而是想侵蚀美国 AI 市场的经济利益；你似乎不完全认同。另一种解释可能像“一带一路”倡议：中国帮助其他社会建设基础设施，让它们高度依赖中国技术。一旦占据上风，就能像关键矿产问题那样拥有很大的杠杆，而关键矿产依赖显然已经成了大问题。 **Misha Laskin：** 对。 **Ed Elson：** 那我先假定这就是正在发生的情况。下一个问题是，美国为什么不干脆禁止中国模型？我一直觉得他们会这么做：为什么不禁掉 DeepSeek？为什么任由它们用开放模型涌入我们的市场？我知道这些模型有用，但考虑到本届政府对华立场，美国对使用它们这么开放，还是让我有点意外。 **Misha Laskin：** 不管开放模型来自哪里，若完全没有开源模型，对我们的经济打击会更大。那样一来，美国初创公司就无法打造自己的智能，也无法和大型在位企业竞争；研究者也会被挡在门外，除非加入大实验室，否则无法理解这些系统如何构建。 美国成功的一个关键，是能够在全国范围内形成多元竞争和创新；开放能让这种局面成为可能。因此，我认为 DeepSeek V3 发布时出现的市场恐慌，是一种非理性反应。股票后来反弹，表现也不错，因为算力等需求上升了。有了开放模型，就会出现更多算力买家：模型归自己所有，自然会放到自己的算力上运行。 优秀的开放模型会带来多元化的算力需求。初创公司以及从事科学探索的机构，可以尝试比任何单一公司都广泛得多的想法。这就是创新经济运作的方式，我们必须保护这种机制。 简单地说“中国不好，所以中国的开放模型也不好”，听起来容易，但现实更复杂。中国的开放模型其实很有价值，对生态有好处；与此同时，我们也必须拥有自己的优秀开放模型。这是世界上两大超级大国各自应有的能力，而美国又是占主导地位的超级大国。建设基础技术时，若电力只存在于一个地方、别处没有，落后的地方就必须追上。我们要保持竞争力，确保世界愿意基于我们的技术建设，以维护国家安全。表面看这些事情互相矛盾，但两者可以同时成立：中国开放模型很好，同时…… ## [52:08] 让盟友基于美国技术建设 · YouTube **Misha Laskin：** ……我们也必须把这当作国家安全问题来对待。 ## [52:20] OpenAI 和 Anthropic 会发布开放权重模型吗？ · YouTube **Ed Elson：** ……的国家安全问题。你觉得 Anthropic 和 OpenAI 将来会不会转向开放？如果方向是把“发动机”免费提供，让更多活动、增长和创新发生，最终让生态变得更繁荣、更高效，回报在未来显现，那么既然中国都在这么做，为什么不使用更便宜的开放权重模型？Anthropic 和 OpenAI 是不是也得跟上？它们会怎么办？ **Misha Laskin：** 我觉得它们会发展得很好。这些公司非常出色，以前所未有的速度扩张，还在不断推动 AI 的新突破。我认为这会是一个正和的世界：开放模型公司、基于开放模型开发的企业和分销商都可以成功，闭源模型公司也可以成功。市场同时存在“租用”和“拥有”两种模式。拥有模式的需求开始增长，并不意味着所有人都要买房；有人租房，也有人买房。 OpenAI 过去发布过开源模型。我觉得如果某件事不是公司的核心策略，公司往往不会在它上面投入太多，会开放一个能力较弱的版本，而不是自己真正变现的产品。Google 通过 Gemma 为开源社群做了很多，但它和 Gemini 属于很不一样的模型类别。OpenAI 发布的 GPT-OSS 也与他们内部使用的模型类别很不一样。 我不认为它们的策略必然会改变，因为它们光是拓展现有业务就还有巨大机会。我不知道它们会不会发布更开放的模型，但我认为它们会发展得很好。 ## [54:50] Reflection 未来几年的目标是什么？ · YouTube **Ed Elson：** 最近 Reflection 上了新闻，据报道英伟达曾洽谈收购你们，或者至少深化双方关系、加大投资。英伟达已经是 Reflection 的大股东之一。如果你能谈谈这件事就太好了。更广泛地说，Reflection 接下来会做什么？未来几年的计划是什么？ **Misha Laskin：** 公司的目标是继续打造优秀的开放模型，把它们部署到企业、公共部门和主权实体等客户群体中，并围绕这项事业建立一家能够发展几十年的公司。我们希望自己不是唯一一家，也期待今年、明年能有一批美国开放模型开发者出现，打造出质量可与中国开放模型生态相比的产品。 中国开放模型之所以强大，是因为那里不是只有一家公司，而是有好几家公司，形成了完整生态。它们互相超越，因此整个生态总能推出优秀模型。我们希望 Reflection 成为这个生态中的独立领军者，同时也希望西方出现完整的同类企业生态。 对于媒体猜测，我们通常不予置评。公司的计划就是继续打造优秀模型，并把它们提供给企业、公共部门和主权实体等客户。 ## [56:32] 给年轻创业者的建议 · YouTube **Ed Elson：** 对正在听节目、考虑创业或进入 AI 领域的人来说，你们已经建立了一家非常有价值的公司，最近一轮估值是 250 亿美元；你也曾在 Google 工作，在这个领域经验丰富。对想创业的年轻人，你有什么建议？ **Misha Laskin：** 我最重要的心得很简单：要真正弄清楚自己感兴趣的是什么。如果现在还不知道，也没关系，不必急着创业。仅仅为了创办公司而创业，不是好理由；如果只是为了赚钱，有很多风险更低、效果更好的办法。 创业应该源于你真正感兴趣的事情，因为你会投入大量时间，也需要在困难的时候坚持到底。对我来说，走到创办这家公司这一步之前，我先花了很多年学习物理、培养对科学的兴趣，后来在 2010 年代中期，随着深度神经网络开始奏效，我发现自己对 AI 产生了兴趣。之后我进入这个领域的前沿工作，真正理解前沿问题，找到想解决的问题，再找到我完全信任、也很想一起做事的商业伙伴。我们此前已经在项目上密切合作过。 所以，如果有人考虑创业，我的建议是不要为了创业而匆忙开公司。它应该来自深厚的兴趣和投入；当时机合适，人会感觉得到。我们每个人都有辨别真假的能力。也许费曼说过，最容易骗的人就是自己。不要骗自己去创业；只有当你对这个领域和想法确实有深厚兴趣时，才去做。 **Ed Elson：** Misha Laskin 是 Reflection 的联合创始人兼 CEO。Misha，谢谢你抽出时间。 **Misha Laskin：** Ed，谢谢邀请我来。 ## [59:16] 广告：Engine · YouTube **广告：** 本期节目由 Engine 支持。八十年代的差旅技术让我们走到了今天，但现在该有人为现代时代重建它了。过去八年，Engine 一直在做这件事：建立稳固的酒店合作、自有供应、实时比价和支付通道。这些基础设施工作买不来。如今，这套基础为近 4 万家企业和 200 万名旅客提供差旅服务，而且每年增长 60%。智能差旅——商务差旅的未来由 Engine 驱动。访问 engine.com/propg。 ## [59:51] 结束语 · YouTube **Ed Elson：** 感谢收听 Prof G Markets 创业者系列。下个月再见，我们将带来另一个创业者的故事。