Perplexity CEO Aravind Srinivas：美光会比 Meta 更值钱

▍嘉宾：阿拉文德·斯里尼瓦斯（Aravind Srinivas）

Perplexity 联合创始人兼 CEO，来自印度金奈：

• 学术路径：IIT Madras 本科，UC Berkeley 计算机博士，先后在 Google、DeepMind、OpenAI 担任研究员，主攻神经网络与生成模型研究——本期开场他回忆的“用实验室游戏显卡训练神经网络”就是那段岁月。
• 创立 Perplexity：2022 年联合创立，以答案引擎正面挑战 Google 搜索，即本播客口中“改变了 Google.com 路线图”的人。
• 风格：以高调、进攻性的公开表达著称，近年转向克制——本期他解释了这种转变不是成熟，而是“那套话术过时了”。

▍关于 Perplexity

• 核心模式：以答案引擎（answer engine）起家的 AI 公司，正从搜索转向智能体编排——Comet 浏览器与 Perplexity Computer，跨模型编排（同一产品内同时调用 GPT、Claude 等竞品模型），自我定位为“智能体编排者”。
• 增长与估值：本期录制时团队约 400 人，Aravind 称收入较年初涨了三倍、ARR 远超 5 亿美元；截至 2026 年 9 月的公开报道：年化收入超 7.5 亿美元，最新融资估值约 230 亿美元（2026 年 1 月），8 月报道 NVIDIA 正洽谈以 300 亿美元以上估值参与新一轮。Comet 浏览器 2025 年 7 月发布、10 月转免费，2026 年 3 月上线 iOS。
• 标志性动作：2025 年 8 月出价 345 亿美元要约收购 Google Chrome（超出自身当时估值）；2025 年 9 月法官裁决 Google 无需出售 Chrome，要约实质失效。

对失败的恐惧，还是对赢的渴望

Harry： 但在进入今天的正题之前，先听我说完这几句。

Harry： 你的目的地到了。Aravind，哥们儿，能录这一期我太兴奋了。我们之前做过一期远程的，去年在 Founders Forum 又做了一期，这次谢谢你来到现场。

Aravind： 多谢，Harry。

Harry： 开场问题有点怪，但配合我一下。这个问题我问过每一位我遇到的顶尖创始人：驱动你的，更多是对失败的恐惧，还是对赢的渴望？

Aravind： 对赢的渴望。

Harry： 为什么？

Aravind： 因为我没什么可失去的。我出身一无所有，从来没想象过自己会做今天这些事，我的人生已经超出任何想象。我当年在印度读本科，用实验室里别人拿来打游戏的显卡训练神经网络，纯粹是好玩。后来一步步走到了今天。在我妈看来，能找到一份工作就算成功——我们在印度属于低收入的中产家庭，这跟英国或美国的中产概念还不一样。

所以从那里出发，我们全家的目标就是进 Google 工作，当上 Google 工程师就算赢了。和家庭当年的期望相比，我现在已经做得出奇地好，我真的没什么可失去的。这也是为什么，每当发现自己开始摆出避免失败的姿态、进入防守状态时，我就提醒自己：那是最蠢的做法。更好的选择是全力以赴、永远进攻——进攻、进攻、再进攻。这是我的座右铭。

我们改变了 Google 的路线图

Harry： 那你复盘一下，今天在哪些事上你还不够有攻击性？

Aravind： 早期我们会在社交媒体上非常高调地谈论 Perplexity 和 Google 的事，我自己也经常亲自下场，有些人因此不喜欢我。今天我在谈论我们的产品、竞争对手时克制得多。但这不是攻击性下降，而是那套话术已经没意思了——大家已经听够了。

Harry： 你后悔当初在表达上那么大胆吗？

Aravind： 不后悔。

Harry： 所以这算不上表达方式的成熟化。

Aravind： 是那套话术过时了，我需要新的。而且我觉得那个框架本身已经不再成立。我们从搜索做起，Perplexity 一开始就是搜索——我们做了世界上第一个答案引擎（answer engine），直到今天人们提起 Perplexity，第一反应还是“哦，那个答案引擎”。

在那之后我们做了很多东西：各种智能体、浏览器智能体、深度研究（deep research）、Computer。产品做了一茬又一茬，但大家记住的还是第一个。印记已经留下了：我们改变了 Google 的路线图。你甚至可以说，我或者 Perplexity 对 Google.com 的改变，超过了 Google 任何一位产品经理。

Harry： 把这个论点讲给我听。

Aravind： Google 从来没有人想做答案引擎，没有人愿意动那个一年赚 2500 亿美元的界面。再看看现在的 AI Mode——和 Perplexity 长得一模一样，连字体、引用格式、行内文本里的超链接、推荐追问都一样。整个体验简直就是 Perplexity 的翻版，只是还没我们做得好。

Harry： 他们学你、跟着改，对你是好事还是坏事？

Aravind： 既是好事也是坏事。我在 2024 年底就知道这一天会来，所以完全不意外，只是时间问题。真正让我意外的是，他们的质量到现在还没跟上——我定期测试市面上每一个产品。但说实话我很欣慰，他们把 Google 改成了它本该有的样子。

我相信钱在前沿。AI 的前沿不再是回答问题，而是真正替你把事做了。我们的深度研究至今仍是世界领先水平，用户订阅 Pro 或 Max 不是为了传统意义上的问答，而是要复杂的研究报告、要能替他们办事的智能体。如果我们在 2024 年就觉得一切已定、可以高枕无忧，就不会有后面这些产品。答案引擎从来都只是给前沿产品导流的入口。

你得想明白：每家公司都需要一个成功的产品来支撑下一批产品。在 AI 行业，没人能坐着觉得自己已经搞定了一切，包括 Anthropic。如果 Anthropic 觉得 Claude Code 已经赢了，六个月或十二个月后他们可能就不存在了。这是整个行业让人不舒服的现实。

OpenAI 还没准备好 IPO

Harry： 刚才开录前你说过一个观点——我引用你的话——OpenAI 还没准备好 IPO。两年前所有人都只认 ChatGPT 的时候，你能想到自己有一天有资格说这句话吗？

Aravind： 想想看：哪怕是占据巨大优势的玩家，也可能被拉到不再是王者、要从后面追赶的位置。这就是这个行业的现状，跟 Perplexity、Anthropic 或 OpenAI 有没有护城河（moat）关系不大。

Harry： 我能反驳一下吗？

Aravind： 请。

Harry： 哪怕两年前他们如日中天，我也会坚持这个判断——他们现在仍是统治级的消费级产品，但我坚持的理由是，我认为他们财务上没准备好。看看这家公司的资产负债表……好，我把两件事拆开，你懂我的意思吧？财务上是否准备好 IPO，和是否被视为统治级领导者，是两回事。你现在还认为他们是统治级的领导者吗？

Aravind： 是。

Harry： 在哪个领域？

Aravind： 消费级搜索。但那里已经没钱赚了，被商品化了。比如，他们为什么 all-in Codex？因为钱在那里。我们在 Computer 上做同样的事，Anthropic 在 Claude Code 上做同样的事。Google 在这个品类还没有产品，但我肯定他们会杀进来。Meta 在尝试推出一款每月 200 美元的订阅产品（译者注：原文产品名“Hatch”，疑为转写误听）。

你看明白正在发生什么了吧？但钱不会只在 Codex、Claude Code 这类产品上，重点不在代码。我说的是非广告收入——订阅或按量付费的收入，钱永远在最前沿的地方。而今天的前沿，就是走出去替你做事。

聊天界面做不出大广告生意

Harry： 那你是否认为，OpenAI 能做出一个 1000 亿到 2000 亿美元的广告生意？

Aravind： 有待证明。我们拆开看广告的品类。Google 的第一大广告主是谁？亚马逊。第二是 Booking.com，第三或第四是 Expedia。你猜 Booking.com 每年在 Google 上花多少钱？

Harry： 160 亿美元左右吧。

Aravind： 差不多是这个疯狂的量级。那你今天订酒店、订机票，是在 ChatGPT 上订，还是在 Google 上订？

Harry： Google。

Aravind： 为什么？

Harry： 为了发现。我想看到各种选项。

Aravind： 没错，所以关键在于界面。这个界面更偏探索，而不是对话。当决策更主观、更靠感觉的时候，你不需要一个客观的答案引擎。再看另一类广告——DTC（直接面向消费者）品牌、时尚，这些预算大多流向了 Meta、Instagram，因为用户就是在随便刷，就是所谓的无意识刷屏（doom scrolling）。聊天界面捕捉不到这种意图和行为，所以它从来就不是广告的好载体。

而且广告会从根本上腐蚀信任——人们进入一个产品是想要准确答案的，这正是 Perplexity 的立身之本。结果你说：“对了，你问的是最好的蛋白粉？顺便看看这几款。”这会伤害用户对你平台和产品的信任。Meta 和过去一些公司试过在消息应用和邮件里塞广告，从来没成功过。微信在中国做成了，因为他们没有别的变现方式，整个生态和用户行为都围绕游戏化来优化——美国不是这样运转的。所以我不看好聊天界面里的广告能真正做起来。我很乐意被证明是错的，但我目前看空。

模型不是产品，钱在编排

Harry： 你刚才说的有两点我想展开，按你讲的顺序先聊第一个：钱在前沿。这话我越听越怀疑——我们似乎严重高估了前沿模型对完成基础工作的重要性。

Aravind： 注意，前沿不等于前沿模型。前沿指的是你此刻用 AI 能拿到的最前沿的结果。格雷格·布罗克曼（Greg Brockman）最近发了条推文：模型不再是产品。很有意思——作为前沿实验室的掌舵人，他明明最有动机说模型就是产品，Google 的人就一直在推特上说模型即产品。

布罗克曼之所以对，是因为你看 Codex、Perplexity Computer 或 Claude Code 是什么？是编排系统（orchestration system）：拿一个模型，配上一个智能体运行框架（agent harness）。什么是 agent harness？最简单的说法：智能体循环（agent loop）该怎么跑的一整套规则——它能调用哪些技能、子智能体、连接器和工具。没有这个框架，模型内在的智能就无法被捕捉、转化为有价值的输出 token。

如果你只是模型 token 的二道贩子，你没有生意，因为模型会商品化；哪怕你是造模型的，也没有生意。作为基础设施层，你在输出 token 的推理服务上有生意；但作为应用层或模型方，光转卖模型直接吐出来的 token 是没有生意的。只有当你知道如何把模型扎进有价值的上下文、用优秀的框架编排、接上正确的工具和连接器（无论是个人的还是企业的），并在一个统一的系统里把体验交付给用户，你才有生意。

Perplexity 的差异化在于：我们不只跨工具、文件、连接器编排，还跨模型编排。这是 Anthropic 和 OpenAI 无法声称的——你在 Claude Code 的框架里找不到 GPT-5.5，在 Codex 的框架里也找不到 Claude Opus 4.7 或 4.8，它们互相竞争。

但在 Perplexity Computer 里，你能同时找到这些模型。这样我们就能提升每瓦特、每用户的 token 价值。如果你承认最终决定价格（美元）的底层要素是电力（瓦特）——这是除了政府没人能补贴的东西——那么谁能用最少的电力产出最有价值的输出 token，谁就给终端用户创造了最大价值、拥有最强的定价权。这就是要解的编排问题。AI 最重要的指标是：每瓦特每用户的 token 价值（token value per watt per user）。

Harry： 如果模型不是产品、变成一种随插随用的公用事业，这对 OpenAI 和 Anthropic 的价值意味着什么？

Aravind： 关键在于接口（interface）。所有人都以为我们在造模型层、在赛跑，其实不是。我甚至要说，造模型只是留在前沿的手段——你必须拥有一个能产生高价值 AI 输出 token 的接口，模型不必是产品。这是大多数创始人最需要忘掉（unlearn）的一件事，我自己也经历过这个转变：要在 AI 产品层成功——不管你造不造模型——关键不是做一个十亿用户的产品，这个思维必须彻底转变。

当下推动整个 token 经济的，是一小撮重度用户。你看那些疯狂的故事：亚马逊有个工程师因为某种很蠢的 Claude Code 智能体循环配置，让公司一个月花了五亿美元——那可能是个失误；但 Meta 和其他公司真有工程师一年人均在编程工具上花掉一千万美元。Perplexity Computer 里有用户一个月花掉一万美元以上。而且这不是挥霍，他们的业务就跑在这些框架里的智能体循环上。

他们用这些产品的复杂方式，连我们自己做产品时都没想到。我们自己公司内部也有人搭出了多智能体层级和智能体循环，看上去就是一套自己的软件架构。我经常请这些人来给全公司讲：你们到底在用这些工具干什么？你们的消耗明显超出我们设想的人均水平。

重度使用智能体的人和不用的人之间最大的差别，在于是否跑重复性的定时任务（cron job）。是把 AI 当一次性任务用——委派一件事、它做完就结束，比如深度研究；还是让 AI 持续替你盯着某件事——基于特定事件持续触发、去执行动作、给你报警，你搭的工作流一直运转。每收到一封邮件、每次出现延迟尖峰，它要定位是哪部分代码出了问题、做根因分析、找到对应的工程师。这些，才是前沿所在。

所以回到我的主线观点：这些产品不会有一亿用户，但它们产生的收入会超过 Google 或 Meta 的广告收入。这一定会发生。

token 支出会占开发者薪酬多少

Harry： 我想聚焦你刚才说的重度用户，这里有个核心数字：马克·贝尼奥夫（Marc Benioff）说他们在 Anthropic 上花了 3 亿美元。这钱在员工之间怎么分布，值得问问他——已知这花在 Salesforce 的开发者身上，折合约是开发者薪酬的 3.8%。

你觉得 24 个月后，token 支出会占开发者薪酬的百分之几？这个数字从根本上决定 OpenAI 和 Anthropic 的价值：如果停在 3.8%，他们不会是 5 万亿美元的公司；如果像 Mercor 的布伦丹（Brendan）说的那样一年内到 100%，他们就是 10 万亿美元的公司。

Aravind： 我认为他们完全可以成为 10 万亿美元的公司——不管 token 支出是否达到开发者薪酬的 100%，因为还有大量非开发者的工作会交给智能体做。这正是 Perplexity Computer 的主攻方向：我们不去抢开发者市场，我们去抢非开发者做的一切——财务部门、企业发展（corp dev）、销售代表、数据科学团队。这个市场更大，可以想象成 Claude Code 的市场乘以十。

Harry： 如果我追着你问开发者薪酬占比：24 个月后，token 支出占薪酬的比例会是多少？

Aravind： 不好说。我认为成本会下降，所以不好说。

Harry： 你觉得成本会下降？

Aravind： 这正是我们经历过的悖论。我们从聊天转向智能体时，以为成本会降、token 成本会降——结果反而涨了。至少目前是涨的。

Harry： 帮我理解一下，这个逻辑是怎么变的。

Aravind： 在软件这件事上，你会愿意为前沿付费。就好比你知道某个工程师特别强——如果你面前站着下一个杰夫·迪恩（Jeff Dean），同样的预算，你是雇他，还是雇几个中等水平、远不及 Jeff Dean 的工程师？

假设你有一百万美元：可以雇五个年薪 20 万的人，也可以花一百万雇一个迪恩。你怎么选？

Harry： 雇迪恩。

Aravind： 对，所以你会为前沿付费。但“什么是前沿”一直在变。十二个月后，做个思想实验：出现了一个和 Opus 4.8 一样强的开源模型。推理还是要付费的，没有真正免费的东西，但它比 Opus 4.8 便宜十倍。再配上合适的智能体框架和所有连接器、GitHub，你的开发工作流全都顺。那你凭什么认为 token 支出还会维持高位？你不会为今天同样的事情继续花那么多钱，但你可能会用前沿去做一些今天还想象不到的事。我的预测是：完全自治的软件工程师智能体。

今天我们用 Claude Code 或 Codex，是让它们写代码，而不是把它们当真正的软件工程师。

Harry： 现在有一大批人看空你们的前沿模型——OpenAI、Anthropic 们——因为他们意识到，用开放模型只要零头的价格就能做很多事。你的意思是：这没错，但人们仍会愿意为前沿付费，所以前沿实验室依然会沉淀巨大价值。

Aravind： 没错。这个区分看似矛盾，其实不是；看似两件事不能同时为真，但其实可以。我甚至要说，前沿会越来越是极少数人才需要的东西。你可以说，过了某个点，AI 会写软件这件事本身都不再新鲜——我们已经习以为常了。

未来不会再有动辄几万软件工程师的公司，而是更多公司带着精简的软件团队，每个人指挥大量 AI。这对世界是好事：会出现各种各样的新生意，软件劳动力会被配置到过去根本不可能的地方。而真正的前沿会是：AI 去设计芯片、设计药物、研究怎么造机器人、研究怎么治愈癌症。这些应用没有一千万用户，只有几家公司，但它们的成果会触及无数人的生命。

这就是前沿的走向。从前沿实验室的动作也能看出来：Anthropic 买了一个湿实验室（wet lab）——可能是为了人才，也可能是为了跑湿实验的基础设施。想象一下把这些 token 放进中段训练（mid-training）、而不只是用 GitHub 的 token，会产出很有意思的东西。

前沿问题有没有尽头

Harry： 别笑。前沿问题有没有渐近线（asymptote）？我知道这听起来很荒谬。但如果你不停地追下一个前沿问题，追到癌症、追到气候变化——老天，我当然希望都能解决，那是巨大的成就——可如果你一直站在这台跑步机上，它有没有尽头？

Aravind： 从数学上讲，没有理由认为 AGI 或 ASI 级别的系统能创造的经济价值存在上限。埃隆·马斯克（Elon Musk）有个很好的论证：在后 AGI 经济里，金钱失去一切意义——因为你能生产出极度充裕的能源和劳动力，而经济从根本上锚定在能源和劳动力上。如果两者都无限充裕，钱还有什么意义？所以我不认为前沿的问题会被解决完，人类永远有创造力。人们为什么想理解宇宙？为什么想搞懂亚原子粒子、量子物理、黑洞理论、宇宙起源？目的是什么？没有目的，但我们还是去做了，因为理解未知就是人类一直以来的使命。

戴维·多伊奇（David Deutsch）有句话很有名：我们是唯一一种会对已知之物保持好奇的物种。你盯着一个水果看，你知道它是芒果，知道它的味道、样子、形状、什么季节结果——但你仍然能对它提出一个从未问过的新问题。其他动物做不到，一旦心智模型里装进了它的样子和触感，它们就失去兴趣了。

24/7 智能体与编排者

Harry： 接着问。你之前讲智能体用法时说，区别在于重复性任务和一次性任务，比如定时任务。有人说我们会拥有 24/7 全天候 AI，还有人说会有配套的硬件产品出来。你觉得持续运行的智能体会成真吗？

Aravind： 会。这也是为什么我相信我刚才说的编排问题——最大化 token 价值——是关键。

Harry： 帮我展开一下，你说编排问题，具体指什么？

Aravind： 这里有四个目标：智能与准确性，隐私与成本——它们互相竞争。你可以把智能和准确性拉满：建巨型数据中心、烧巨量电力；但隐私和成本就失守了，因为一切集中化，而且很贵。你也可以让一切在本地运行：隐私和成本都好，但智能和准确性可能达不到前沿。

解法是找到甜点位（sweet spot）：该用本地模型时用本地，该用服务端模型时用服务端，跨本地与服务端编排，并扎进有价值的个人上下文。有时智能已经够了，系统却跑不起来，因为框架没有接上对的工具。所以要造一个世界级的框架，让平平无奇的模型也能显得很出色，为每个任务、任务的每个部分、每个子智能体选对模型，甚至利用我们自己设备里的算力——不必什么都放在服务端。这就是编排问题：一个路由器，一个极强的路由器，一个总编排路由器。

做到了这一点，24/7 AI 的愿景才能实现，而且不会让人破产——没人负担得起一个全天候跑在服务端的 24/7 前沿 AI。想象你一打开就再也关不掉它。大多数人对这类 AI 的担心是“它会不会干出什么疯狂的事”，但真正的约束其实是成本：没人负担得起以几秒钟为精度、永不停歇的定时任务。瓶颈在编排和本地算力。所以我相信要造一个持续学习的本地模型，它能省下上下文压缩（compaction）和上下文窗口的开销，尽量把算力留在本地，只在必要时调用服务端前沿模型，并且持续学习、持续适应、持续进化。这个模型不只是一个模型。

它是模型加框架、加本地芯片与算力、加它控制的设备生态。这个系统将是你自己的智能——本质上，数据中心搬到了你的本地设备上，由你控制、归你所有。你不用担心有人窥探你、翻看你那些极其宝贵的个人 token。想象你手上有高度敏感的交易材料：你在做一单生意，而一家前沿实验室握着你写备忘录的所有 token；再想象有人黑进那台服务器，把你的交易偷走。你不会想要的。

Harry： 说实话，伦敦的 VC 那里有更多值得偷的东西。不过是的，我明白你的意思。

Aravind： 你可不只是一个普通伦敦 VC——我记得你们的基金规模是 4 亿美元。想象一下你已经在为 40 亿美元的基金布局了。每个人都有自己级别的敏感信息。所以我认为，24/7 全天候智能体会由那个想扮演编排者角色的公司实现——不是造模型的，不是造前沿模型的，而是编排者。这正是我们想做的。

Computer 的定位从一开始就是智能体编排者（agent orchestrator）。如果把整个系统比作交响乐团：子智能体是乐手，模型、工具、连接器是乐器，交响乐是工作本身，而 Computer 是指挥。它编排的对象会一直演化——从模型到文件、工具、芯片、设备——但这不重要，只要编排正确。

为谁最大化 token 价值？为用户。谁能解这个问题，谁就能长期捕获 AI 里最大的经济价值。短期看，可能是“那家实验室的收入在指数增长”之类的热闹，但长期唯一重要的目标是这个。

Harry： 谁最有条件做到？

Aravind： 我认为是我们。因为我们没有动机去堆 token 消耗（token maxing），我们的动机是把最大价值交给用户。AI 技术栈的任何一层变好，我们的产品就变好。自年初以来，Anthropic 的模型进步巨大；而同样属实的是，我们的收入较年初涨了三倍——三倍，还只是年初到现在。很大程度上要感谢 Anthropic 的模型进步。

同时 OpenAI 与他们竞争，拉低了同等能力的成本，我们的烧钱速度也降了。随着开源、本地模型和本地芯片的进步，我们会把一部分推理迁回本地设备，成本还会更低。芯片、模型、框架，任何一层变好，我们的系统就大幅变好；系统变好，用户就更喜欢、付更多钱，生意就增长。所以回答你的问题：在“编排者”这个目标上，谁的赢面最大？是那个能从技术栈任何一层的他人进步中受益的玩家。

黄仁勋（Jensen Huang）造出更好的芯片，利好我们；达里奥·阿莫迪（Dario Amodei）造出更好的模型，利好我们；Apple 造出更好的设备，利好我们。我很喜欢这一点：我们能做技术栈每一层上的正和玩家，不需要押注任何一个人赢。

数据中心供给：瓶颈决定价格

Harry： 说说供给侧。服务端和端侧分开看。服务端这边，很多人在喊 AI 基础设施泡沫——我觉得这种说法又蠢又可笑。就你看到的，今天的数据中心供给问题有多大？

Aravind： 我认为最大的问题其实在电力。拆开看：数据中心是什么？不是从 Dell 或 Supermicro 买一堆芯片就完了，那只是其中一部分。你要拿地或租物业，要买一堆涡轮机发电，或者和电力公司、电网打交道，还要解决散热。这些工作的节奏慢得多。

全都要拿许可，所以通常有很长的前置周期。今天已经在用的模型，都是在 Hopper 这一代上训练的；Blackwell 代际的第一个模型应该是 Mythos——它已经强得吓人，大家已经有点慌了。想象一下，当所有人都在几十万、上百万块 Blackwell 上预训练模型，那些模型会比今天的强得多。

再往后，Vera Rubin 明年会全量上量，所有 Vera Rubin 的数据中心明年都会投入使用，那一代模型还会更强。所以物理建设周期永远在卡住前沿能力的脖子，这也是这一层有价值的原因：谁能把一堆 GPU、网络、电力、散热攒起来，在上面把软件层编排好，把它转化成前沿输出 token。

这种垂直整合非常值钱。所以市场给基础设施公司的市盈率比 Meta 这类公司高——尽管 Meta 也建了大量基础设施，但市场按软件公司给它估值。

美光会比 Meta 更值钱

Harry： 但看看 Meta 的资本开支：最近几天还想继续加码，想融更多钱投进去。OpenAI、Anthropic 这类 AI 公司的资本开支我能理解——他们在靠 AI 产品赚钱。对 Meta 来说，资本开支对应的是广告精准度提升，带来 6% 到 8% 的收入增量，这个逻辑我懂。但继续加码到那个量级，这账算不过来。

Aravind： 嗯，我认为他们听懂了市场在说什么——他们不至于看不到这些讨论。他们在推出很多订阅产品。这家公司不能只是一个最大化用户时长、把时长变成广告收入的社交平台，我认为这需要他们推出一堆智能体、订阅制产品。

甚至可能做一个 Meta 云，把算力租出去，就像马斯克在 SpaceX 做的那样。也许他们做了这些，叙事就会变。但回到我的观点：未来 6 到 12 个月，高带宽内存（HBM）供应商美光（Micron）的市值超过 Meta，并非不可想象。美光已经一万亿美元上下了，Meta 是 1.3 到 1.4 万亿美元。

Harry： 帮我理解一下这个逻辑。

Aravind： 因为内存已经是大瓶颈，光成本端就涨了五倍。

Harry： 但市场会说，美光这个价已经充分定价了。为什么没定够？

Aravind： 因为它仍然是瓶颈。瓶颈在哪儿，定价权就在哪儿。AMD 最近表现很好，因为 CPU 又成了瓶颈——智能体循环、智能体框架都跑在 CPU 上。token 是前沿模型在 GPU 上产出的，但其他所有工作——比如 Claude 生成一个脚本：从几百个网站下载 500 个文件、清洗转换一堆数据、生成图表、再挂到一个可以分享给同事的网站上。

这些计算全跑在 CPU 上。智能体比人更耗 CPU，于是企业级 CPU 突然紧俏，受益的是 Intel 和 AMD。谁成为瓶颈谁就赢。基础设施现在是瓶颈，因为需求旺盛而供给不足。所以供应内存的、供应 SSD 存储的、供应 CPU 算力的，突然都变得关键——比那些只会建数据中心、却不知道如何把它转化为有价值产出的公司更重要。

NeoCloud 与推理层的生意

Harry： 你觉得 Nebius、CoreWeave 这类公司，未来能成为可持续的数千亿美元公司吗？还是说它们只是在解一个短期供给问题？

Aravind： 我确实认为它们可以持续。具体哪家能赢我说不准——还有 Crusoe、Firebird 等一批玩家。核心在于因地制宜：从自然资源丰富的地方获取电力。

数据中心建设成本要低、建设周期要短，服务还要可靠。如果有人承诺向你买十万块 GPU，你的服务得跟得上，得提前锁定供给、做好规划。有些公司甚至在电力层创新——自己发电是压成本的一种办法。所以这一层确实有价值，因为这是难以复制的重活。你可以说 OpenAI 也能干 CoreWeave 干的活——Stargate 想干的就是这个。但为什么 CoreWeave 建数据中心比 OpenAI 更成功？因为这活儿难，运营极其繁重。

Harry： 对，运营密集型。

Aravind： 你得专注，把大部分时间花在拿许可、搞定电力、解决供应链各环节瓶颈上，不断提前规划、仔细测试所有系统，处理数据中心运行中冒出来的各种莫名其妙的物理问题。有个概念叫 TCO（总拥有成本），运营开销必须算进去。

话说回来，如果你只是租服务器的——只是按小时把 GPU 机架租给不同公司——那没有多少价值。你必须在上面建软件，就像 AWS 当年做的：它叫 Amazon Web Services，不叫 Amazon Servers。你得有软件编排层，才能在自己的业务上叠加软件利润率。这就是为什么你会看到 Nebius 去做 AI 模型推理——托管开源模型或客户的模型，这也是 Fireworks、Baseten 等公司的商业模式。可以想象 NeoCloud 都会朝这个方向走。

Harry： 这正是我想问的。我刚请了 Nebius 的联合创始人上节目，最大的收获是他面临的挑战：海量资金只想要容量和算力，但他清楚，如果想做长期可持续的生意，就得建全栈产品。这是我的核心认知。再看你说的推理层，Fireworks 或 Baseten 这类公司，你觉得会怎么演化？会出现仅靠推理就值 1000 亿美元的独立公司吗？还是会商品化？

Aravind： 有可能。一切从终局倒推：建一个 1000 亿美元公司需要什么？100 亿美元收入，30% 到 40% 的毛利率，不错的净利润和现金流。对一家既能做好 AI 托管推理、又能做好服务器容量和数据中心建设的公司来说，100 亿收入并非不可想象。但有些事不在他们掌控之内，比如开源模型持续很强。如果开源模型不行了，和前沿的差距拉大到 12 个月以上——15 个月、18 个月——那我认为这些公司就没有商业模式了，因为他们只能把容量租给 OpenAI 或 Anthropic。

Harry： 这正是 Nebius 的罗曼（Roman）说的：如果行业整合成 Anthropic、OpenAI 两三家主导者，那就是 Nebius 最大的威胁。

Aravind： 没错。但你得做一个信念之跃（leap of faith）：中国的模型、NVIDIA 自己的 Nemotron 模型都在进步，市场上有足够多的力量阻止整合发生。但说到底，如果你是这些公司，你的命运不掌握在自己手里，这是根本问题。

Harry： 好，所以推理层可以出现独立的 1000 亿美元公司。原谅我不断榨取你的知识。再看模型选择和路由类公司，比如 OpenRouter，或者 Factory AI 刚发布的模型路由产品，发布反响很好。模型选择与路由这个生意，能长出 1000 亿美元公司吗？

Aravind： 大概率不能。你不能只做路由器的提供方，你得用路由器产出有意义的东西。其实 OpenRouter 的大部分商业价值——听好了——尽管产品名叫 OpenRouter，它的路由并不发生在跨模型之间。

而是发生在同一模型的不同端点之间。

Harry： 好，那我换个问法。如果我想用 Claude Opus 或者 GPT-5.5 做开发，为什么不用自己的 API key 直接用，而要走 OpenRouter？给我最重要的一个理由。

Aravind： 最简单的理由是模型兜底（fallback）。你的 API key 可能没有足够的速率限额；就算有，OpenAI 的服务器也可能出错，保证不了你应用需要的响应时间。OpenRouter 会用融来的钱提前一年锁定容量、拿到速率限额，在 OpenAI 模型的多个供应方之间——Bedrock、Azure、OpenAI 自己——布多个端点。这个路由是有价值的，它本质上解的是基础设施问题：可靠的 token 供给。它其实不是“判断这个 prompt 该发给 GPT 还是 Claude 来省钱”。

这不是他们卖给开发者的东西，也不是真实的商业模式。再比如中国的开源模型：你可能不想让自己的 API token 流向中国，又没有精力逐一对接、验证各家推理供应商谁靠谱，那就托付给 OpenRouter 打理，由它给你供 token。所以这个路由不是“按任务选便宜模型”那一层，而是可靠的 token 供给。这一层确实有价值——不然他们不会有这么多用户、每月路由这么多万亿 token。但这不是高毛利生意：他们的商业模式是向模型方承诺巨量采购、拿到折扣，同时仍按 API 标价向用户收费。

差价就是他们的毛利。

三年后的瓶颈：电力与公众阻力

Harry： 我们聊了瓶颈，你提到 HBM、美光的价值。三年后会出现一个我们今天没在讨论的瓶颈，那会是什么？

Aravind： 我认为电力仍会是瓶颈。除非数据中心建设方式发生剧变，否则我的感觉就是这样。而且我认为，数据中心建设会遇到很大的社会阻力。

Harry： 是因为人们误以为数据中心耗水多、耗电大吗？这两个说法其实都不对。萨提亚·纳德拉（Satya Nadella）说过，这些公司的效率已经到了“一罐水”之类的量级。你觉得阻力是这么来的吗？

Aravind： 我不这么看。我认为数据中心是失业、贫富差距扩大的象征。它是很多东西的集合——对未来的忧惧，以各种方式宣泄出来。有时宣泄为对贫富分化的愤怒、要求对富人加税。

有时披着环境和气候议题的外衣；有时是“电网价格涨了，都怪你们建数据中心”；有时是“我手机和电脑变贵了，因为内存涨价，都怪你们买光了”。宣泄的通道很多，但共同的情绪，是对 AI 相当负面的感受。

Harry： 你觉得这种情绪会实质影响数据中心的建设吗？

Aravind： 我认为现在每 100 个数据中心项目里，有 40 个因为公众阻力建不下去。

电力瓶颈就是这么来的。可能有些国家会抓住这个机会，允许模型公司去他们那里建。马斯克要把数据中心建到太空去，那会是个有趣的实验——太空里有大量太阳能可以利用。其他国家也有丰富的自然资源，监管可能更友好。

所以数据中心建设仍会继续，只是未必在美国。你要解的是物理问题：供应链、许可、电力保障、把建设周期一点点压短。这不是克隆一个 SaaS 应用、搭个销售团队、做点比竞品更好的营销——那些也难，但这些问题难得多：你掌控不了自己的命运，需要巨额资本、人脉、对的人，有时甚至需要政治助力来解锁进展。所以我认为它会一直是瓶颈。而且风险也不小：万一再来一个 DeepSeek 时刻呢？如果有人用完全不同的垂直整合架构，造出效率高得多的模型，而你已经把产能全建好了，你只能骂一句：靠，建多了。

那个效率更高的东西能跑在每个人的本地设备上——MacBook、Windows PC。到那会儿，你大概要慌了。

出口管制与中国的全栈路线

Harry： 你觉得这种可能性有多大？

Aravind： 大概 20% 到 30%。我之所以认为有一定可能，恰恰是因为出口管制。DeepSeek 不用 NVIDIA 的技术栈，他们用华为的技术栈。因为出口管制不只管 NVIDIA 的 GPU，还管 HBM，DeepSeek 正在搭的架构在内存效率上高得多：他们在 KV cache（键值缓存）上做了创新，小到可以放在 SSD 上，推理时根本不需要高带宽内存。

他们会有一个完全不同的推理架构、完全不同的存储架构，因为 3D NAND 也不许用。他们的架构不只是模型架构不同——模型架构本身已经很不一样了：他们在注意力层做了创新，在训练算法上做了创新。

让训练不消耗太多互连带宽。等于整个技术栈都在围绕自己的硬件、芯片、晶圆厂做垂直整合。这是和美国完全不同的一注押法。

Harry： 你觉得出口管制帮了我们，还是害了我们？

Aravind： 尚无定论。短期看是帮了：我认为开源和前沿之间之所以能维持 12 个月的差距，唯一的原因就是出口管制，所以它确实帮了忙——Anthropic 这类公司也确实为此大力游说。但有一种可能：正因为管制，他们现在在物理层变得极强。他们有个优势是建数据中心快得多：电力不是问题、许可不是问题、人力不是问题、劳动力不是问题、专业能力也不是问题。你逼着他们出去把这一切全建起来，等于把他们锻造成一个可怕得多的竞争对手。

Harry： 你觉得我们还在严重低估中国的能力吗？

Aravind： 是的。如果 AI 不只是数字的，还是物理的。

要建晶圆厂、造机器人、造芯片、高效利用能源、封装进本地设备——我认为他们比美国有更多优势。

Harry： 美国拥有自己的台积电，有多重要？

Aravind： 其实台积电在亚利桑那已经有晶圆厂了——没什么人谈论这个，但台积电正在向美国晶圆厂投 1500 亿美元，我上次看的时候已经投了 400 亿还是 600 亿。所以亚利桑那有一座台积电正在起来。还有 Intel——这就是为什么美国政府持有 Intel 10% 的股份，NVIDIA 和软银各持 5%。美国本土晶圆厂在获得大量投资，台积电也在加码美国厂。马斯克在建 TerraFab。人们已经意识到建晶圆厂的重要性了，但这也正是中国特别强的地方。

别再说“工作都要没了”

Harry： 基于你刚才非常清晰地描述的中国能力，我问个可能很荒唐的问题：Aravind，如果你的任务是确保美国保持竞争力，面对越来越强的中国，你会怎么做？

Aravind： 我会更认真地对待物理基础设施并持续投资，不再传播关于数据中心的假消息——什么污染水源、抽干用水——而是以事实为准。希望我们的产品能帮上忙：你可以去 Perplexity 问任何问题，核实自己的假设。用公众听得懂的语言科普真相、而不是恐吓，这非常重要。不要老说“他们的工作都要没了”——会有大量了不起的公司用少得多的员工建起来，二三十人的公司拿到几亿、几十亿美元估值，推动数万亿美元的新 GDP。我们来聊聊怎么促成这件事、怎么一起建设更积极的未来，而不是——

“90% 的工作会消失，你们都会被我们的模型干掉，而告诉你们这些是我们的道德义务。”这种说法讲不通，这样说赢不了。同时，也别再抱怨数据中心建不快了。

Harry： 达里奥的营销叙事——工作都要没了、一切都是末日——你觉得这是不是帮了大倒忙？

Aravind： 我觉得是。他们自己的表述在不同场合互相矛盾——最近一次我听到的是“没有证据表明 AI 正在夺走工作”。这件事的传播口径需要统一。而且很少有人讲，AI 能怎样帮你以一种全新的方式建公司。现在很多要雇人做的事，智能体就能做。一种看法是“那工作岗位怎么办”；另一种看法是——

“我一直有个想法，却没机会去建公司，现在我和几个朋友就能把它建起来。你们能不能给我们算力额度？”当年亚马逊给了很多创业公司算力额度——我们创办 Perplexity 时，手里有约 20 万美元的亚马逊额度，加上 GCP、Azure 的额度，累计价值约 100 万美元的算力。

放在今天的世界，这相当于 100 万美元的智能体算力。我们自己也在做这件事：资助了一个叫“十亿美元建造（Billion Dollar Build）”的项目，给任何有可信路径建成十亿美元公司的团队 100 万美元算力额度。我希望有数千家这样的公司长出来。

Harry： 你怎么看山姆·奥特曼（Sam Altman）给 YC 公司发 200 万美元 token 的事？

Aravind： 我认为这种事应该做得更多，这是对的。你希望新公司被建出来，哪怕它们只值几亿美元，也是好事。

如果有几千家，那就是巨量的新 GDP。

400 人的公司，和十二个月改变人生

Harry： 录节目之前我和安妮·博德茨基（Anne Bordetsky）聊过，她说你的团队对 AI 的信仰浓度极高。团队现在多少人？

Aravind： 400 人左右。

Harry： 400 人。两年后会是多少人？

Aravind： 不好说。也许 800 到 1000 人（译者注：原文“Maybe 800,000”疑为转写误听，按上下文应为 800–1,000 人）。

Harry： 那未来的公司会沿用历来的人数增长轨迹、只是去解决新问题，还是会以少得多的员工实现高得多的效率？

Aravind： 一定是后者，效率会高得多。所以我坚信要建更高效的公司，我们自己也要做样板。人们看到 Perplexity 会说：400 人就能建起一家 200 亿美元的公司，那 40 人大概能建 10 亿、20 亿美元的公司，这完全可行。对我们自己外推：4000 人也许值 2000 亿，1 万人也许值 2 万亿。这并不意味着对那 10 万名我们没有雇的人是坏事——

一家典型的 2 万亿美元公司本来要雇 10 万人；我宁愿看到这些人分成一千个百人团队，每个团队都值几十亿美元。那太棒了。更多人需要创业精神。有些人在任何公司都是糟糕的员工——难合作、不听指令、不跟 roadmap、不好协作——但这些特质的另一面，恰好是创始人身上典型的东西。

Harry： Aravind，还有一大群人——非常大的人群——不是 AI 原生的，没有用 AI 改进工作流、提升效率。你会给他们什么建议？

Aravind： 开始行动。第一步就是开始，把你的好奇心用起来。你不需要用 AI 去做你现有的工作——如果现有的工作让你觉得无聊，用 AI 做你也不会更享受。

Harry： 你说过“人们不喜欢自己的工作”，这话招了不少骂。

Aravind： 如果你真听了我的访谈，我没那么说过。

是媒体想要标题党，把我一句话掐头去尾做成了标题。

Harry： 那你原话是什么？

Aravind： 我明确说的是：有很多人并不享受自己的工作。顺便说，那件事之所以刷屏，不是因为我全错——恰恰相反，很多人共鸣于我说了实话：很多人不享受自己的工作，而这与你的经济状况、社会地位无关。你可能很有钱，但做着一份完全不享受的工作，把成年后的黄金年华耗在糟糕透顶的事情上。我的观点是：如果这就是你，而你当年不敢离职是因为不知道怎么从零建公司——要雇很多人、要租办公室、千头万绪——那现在不一样了。历史上第一次，你可以和一两位朋友一起开始一个想法。

并且真的有机会建成一家十亿美元的公司。

需求的裂缝与 token 预算

Harry： 我完全认同。不过我们今天讨论的一切，都建立在空前高涨的需求上：要更多内存、更多数据中心、更多按需服务，一切都向右上走。但也看到一些裂缝：Uber 说生产率提升不及预期，微软也跟着传出动作，给员工设了 1500 美元的 token 预算。你觉得生产率提升会是持续向右上一往无前，还是路上会有颠簸？

Aravind： 肯定会有颠簸。人们为 token 消耗爆表（token maxing）而焦虑是有道理的。所以我认为需要某种混合式的智能体推理（hybrid agentic inference）：一部分推理算力在本地跑，不计量、不按 token 收费——本质上是“不计量的智能”。

Harry： 未来最好的公司会怎样设计 token 预算结构？

Aravind： 我的希望是他们根本不需要懂这些——会有一个编排者替他们做。你不可能自己持续追踪：哪个模型擅长什么、怎么分配“这是编程的预算、这是财务的预算”。

哪个模型在哪些事上强、每个部门该花多少，你跟踪不过来的。

Harry： 前两天有位朋友上节目说：Google 会成为 token 之王，他们的 token 成本全行业最低——全栈自研 TPU、数据中心、网络、电力、采购。你觉得他们会成为成本最低的 token 生产者吗？

Aravind： 他们具备成为 token 之王的全部条件，但低估了编程模型的重要性，所以现在离前沿还很远。当然他们完全有能力追上来，团队也很强。但今天，他们还没站在前沿。

Harry： 前几天我看到 Cloudflare 的公告很震惊：他们网络上的智能体流量已经超过人类流量了。

Aravind： 你为什么震惊？

Harry： 比我预想的快。我个人以为会发生，但觉得要两年后。当智能体流量远超人类流量时，世界会变成什么样？

Aravind： 我认为人们会拥有大得多的能动性（agency）。

Harry： 但网站会消失吗？设计不再重要吗？互联网的广告模式会彻底死掉吗？

Aravind： 我的看法是：旅行、购物、时尚这类广告模式不会被智能体颠覆，因为那里的判断不是客观的。凡是交易基于客观判断的，都会被智能体颠覆；凡是决策更主观的——比如这个位置摆哪件家具最好、为什么是这张桌子——都会留下来。买这只麦克风，你会做客观决策；买桌子，你关心的是房间的美感。我认为世界会这样分裂：主观的继续靠广告，客观的归智能体。

没人问的问题：给你一万个智能体

Harry： 我看了你的毕业演讲（commencement speech）——是 Accel 的 Samir 强烈推荐的（译者注：原文“Samir at Excel”，疑为 Accel 之误听），我当然就看了。你里面有个观点：这个时代最关键的技能，是提出更好的问题。有什么问题是今天没人问、但也许人人都该问的？

Aravind： 我认为人们需要多问的是：假设我有大量能动性可用，我该拿它做什么？想象我给你一万或十万个人的编制，加上跑这些智能体所需的算力额度，你会做什么？Harry，假如你现在突然有一万个智能体任你调遣，你会做什么？我记得你在某一期里说过——不是对我说的——你做播客，是因为你觉得自己没有套利机会去赢项目。

Harry： 百分百是这样。这就是我至今还在做播客的原因——我是说，我热爱我做的事，但确实如此。

Aravind： 好，你现在已经有相当的分发能力了。再假设你可以花一亿美元在智能体推理（agentic inference）上，配上所有连接器，全都跑得通，你会拿这个能力去推进什么目标？你的目标又该是什么？这就是我会问的问题。假设未来三到五年，你可以把任何数字任务委派给合适的框架和智能体，你会拿它做什么？

Harry： 根本上说，我会建一套智能体化基础设施，去发现、识别、触达、锁定、赢下最好的投资，再让媒体业务架在上面为之赋能。这事极难，是投资的圣杯，但它能驱动我最终的野心。

Aravind： 好，所以你的目标是管理一支规模大 10 到 100 倍的基金。假设从 4 亿美元变成 400 亿美元，你要问的就是：假设我有人手做这件事，我能快多少做到？这是我会框定问题的方式。马斯克说过类似的话：如果有人告诉你一件事要十年，你就问——怎样才能十个月做完？也许十个月根本做不到，但问这个问题，会让你比那些默认十年的人走得更远。好了，现在把你放上被采访者的位置：你的“十年”是什么？放进十个月的时间框里是什么样？

Harry： 很有意思的问题。我认为我们的使命——超越任何资本主义层面的东西——是让这个星球更好奇。产品一直在帮人们提出下一个问题。我的目标是真正把这种能动性带到世界上，目前它还远远不够。但这个目标要锚定在数字上才可执行，哥们儿——就像我说“我要最好的投资”，所以一支 400 亿美元的基金是有用的。

Aravind： 当然，我也可以说我想要 2 万亿美元——都一样。100 倍、10 倍、1000 倍，这些都只是激励性的里程碑。

贫富差距，和“每个人都可以”

Harry： 你觉得 Perplexity 会成为万亿美元公司吗？

Aravind： 谁都有可能成为万亿美元公司。SK 海力士和三星前几周就摸到万亿了。你知道三星是从杂货铺起家的吗？最早卖干鱼。SK 集团起家是纺织公司。所以谁都可能值一万亿美元，你只需要一步步走过去。

Harry： 按你自己刚才的倒推逻辑：一家公司怎么值 1000 亿？你说要 100 亿收入。那一万亿是不是同理，要 1000 亿收入？Coatue 最近公布了一组很有意思的数据，不知道你看了没有，讲的是公司跃升到下一量级估值的概率。

Aravind： 看了，概率更高，高得多。你在十亿美元量级时，上到百亿的可能性大得多；百亿到千亿，同理。

Harry： 其实这规律对人也成立：流动净资产 1 亿美元的人成为亿万富翁的概率，远大于只有 1000 万的人。你不担心贫富差距吗？

说得直白点：我们俩都很幸运，活在优渥的世界里，呼吸着稀薄的空气。极少数人握着这么多钱、其他人那么艰难，而这个差距还在变大，你不担心吗？

Aravind： 我认为避免那种局面的办法，是把收益分得更广。顺便说个真事，用我们工具的人里有一位旧金山的 Uber 司机——这不是我编的——他看了我一个 YouTube 访谈，里面我讲怎么从零用 AI 建一个产品或网页应用。他真去做了，用 AI 加上了计费等全套功能，现在这个副业给他的被动收入超过开 Uber，他已经减少了开车时间，因为他迷上了凭感觉编程（vibe coding）新应用。这说明对有能动性、对未来有正面预期的人来说，一切皆有可能。如果媒体和新闻永远只传播 AI 的负面、只渲染贫富分化——

这种叙事就会自我实现，人们只看到坏的一面。所以如果你已经是混得不错的人，你尤其有责任多讲哪些事会变好，给那些像当年的你一样的人以希望。你当年开始做播客的时候，不也是一无所有吗？

Harry： 一无所有。

Aravind： 正是。所以是可能的。你要多讲这种可能性，而不是“我好愧疚我成功了，那些没成功的人怎么办”——你也可以成功的。

Harry： 我对大众的看法比你悲观：我不觉得多少人真有能动性，很多人是受害者心态。

Aravind： 但你得帮他们。我认为这才是最重要的事。

Harry： 我觉得他们得自己帮自己。

Aravind： 人们看到榜样就会自己帮自己——“我也想成为那样的人，我要努力”。你需要一个例子。不是没人能练出好身材，只是需要自律、戒掉坏习惯。而现在是历史上用十二个月改变人生的最好时代。

从零到亿万富翁，十二个月，在某种意义上已经是可能的了。

当然，我不是说每个人都会成功、每个人都会身家十亿。

Harry： 这句话可以当本期标题了：“Aravind：每个人都会成功。”

Aravind： 每个人都有成功的潜力。Perplexity 涨到 2 万亿美元的难度，和一个还没拿到投资的创始人做到十亿美元的难度，其实是一样的。你只需要给自己射门的机会。保持好奇——这就是那场毕业演讲的全部信息：保持好奇。

三个万亿 IPO，和 SaaS 的续命术

Harry： SpaceX、Anthropic、OpenAI 都要上市了，感觉有人打响了发令枪。市场上有足够多的钱，喂得起三个这么大的 IPO 吗？

Aravind： 肯定会有资金的再配置。比如一些 SaaS 股票的持有者会把钱挪进 Anthropic。假设你相信企业级 AI 会起飞，你可能会在对冲里减少微软和 Salesforce 的持仓、把一部分放进 Anthropic。

比如 Vanguard 或贝莱德合计持有 2000 亿美元的微软和 Salesforce，他们可能会说：拿三四百亿出来放进 Anthropic。这笔下注不亏。

Harry： 那那些已上市的企业级 SaaS 公司怎么办？

Aravind： 继续增长呗，没事的。它们得熬过这场风暴。

Harry： 是风暴，还是连绵不绝的阴雨天？

Aravind： 我认为它们得降成本、造出新价值。Salesforce 活得不错，因为他们总在收购下一个新事物。如果你一直在卖同样的软件，你大概活不久。IBM 还活着，因为他们买了红帽（Red Hat）和 HashiCorp，现在又在买 Confluent。这类公司总有办法续命、延长寿命。但要保住品牌的号召力很难——IBM 的品牌在今天已经不太能唤起情感、让人想用它的产品了。但作为一门生意，它会活得很好。

Perplexity 的 IPO 与成本账

Harry： 收尾前我必须问一个：你说过 2028 年 IPO。我是在团队 WhatsApp 群里看到“Aravind，2028 IPO”的消息的。

Aravind： 我希望能更早。

Harry： 你怎么知道自己准备好了？是不是有 10 亿美元的 ARR？你们现在是 5 亿美元 ARR？（译者注：原文“a billion in an hour / 500 million an hour”疑为 ARR 误听。）

Aravind： 不止，远不止。

Harry： 真的？

Aravind： 还没到公布的时候，但增长非常快。

Harry： 对你来说，收入增长比盈利重要得多。

Aravind： 目前是。你去看公开市场就明白：人们现在要的是顶线增长，而不是底线效率，因为增长稀缺。当然效率你迟早得要——当效率成为目标时，你得有现成的机制和路径去实现它。

Harry： 今天你在哪些成本上低效，而你预期两三年后会显著改善？

Aravind： 我们在训练自己的模型——在优秀的开源模型之上做后训练（post-training），这会降低我们现在买前沿模型 token 的开支。

前沿模型我们还会接着用，用来设计今天产品里不存在的新体验、新能力；但今天产品里已有的一切，我们预期会完全切换到自有、自托管的模型上。这是降成本、提毛利的最佳路径。

前沿公司没有舒适区

Harry： 世界上最大的企业，是不是都会微调（fine-tune）开放模型，得到贴合自己的专属模型？

Aravind： 毫无疑问。因为降成本符合你的利益。

Harry： 这对前沿大模型公司来说，岂不是又一个利空？

Aravind： 前沿模型公司只有持续站在前沿，才有存在的意义。如果六个月看不到新能力，对他们就是坏消息。这就是这个行业让人不舒服的地方：没有人永远处在舒适区。就像我开场说的，没人能放松。这他妈太难了。

它变得更难了，而且会更难。这就是这个行业的本质。因为赌注太大了——你看 Anthropic，估值大概 1 万亿到 1.5 万亿美元。

这基本就是 Meta 的估值，而这一切是六年里创造的，Meta 用了二十年。赌注太大，所以没人能安逸。今天赢的人明天就可能输，模型公司也不例外。

Harry： 今年早些时候有大概三个月，到处都在问“Perplexity 怎么了”。你会留意这些吗？你在乎吗？

Aravind： 我当然都会留意。

Harry： 你真在乎？旧金山有场聚会你记得吧，大家投票“你最看空哪家公司”？

Aravind： 记得，我们被投成“最可能失败”第一名，Cursor 第二，OpenAI 第三还是什么的。

Harry： 你一点不在乎？

Aravind： 我觉得我们现在都过得挺好。

Cursor 听说要被收购，SpaceX 势头正猛，OpenAI 很快要上市。我们的收入从那次投票以来涨了三倍，烧钱速度降了一半多。我还觉得，坐在那些聚会上投票的人，大多自己没建过什么有用的东西。

快问快答

Harry： 我同意。好，我们进入快问快答，不然我能和你聊一整天。第一题：一个被普遍相信、但你认为完全错误的观点是什么？

Aravind： 很多人痴迷于在公司头一两年就找到护城河。我认为你唯一的机会是快速行动。在我心里，快速行动是一种谦卑的表达——你在不断接触世界，不断质疑自己的假设。

Harry： 今天公司内部还有哪些地方动作太慢？

Aravind： 我觉得我们可以更“AI 化”。说这话很疯狂，因为我们已经在做最有趣的 AI 产品，但内部对自己产品、甚至对手产品的使用强度还能更高——尽管我们内部已经极度“智能体化”，尽量把事情委派给智能体。这是个大方向。我的希望是把这家公司本身变成近乎一个 AGI。这不意味着没有人类员工，而是会有一个 AGI 掌握运营各业务条线所需的全部上下文，以半自治方式运转，人类在这里那里搭点脚手架。

这听起来一点都不可怕，我们很快会习以为常——感觉就像某些业务条线由一个十倍工程师在跑。

Harry： 如果我给你无限的钱，你今天会做什么现在没做的事？

Aravind： 建数据中心。

Harry： 你会？在太空？

Aravind： 我没有那个专业能力，但我会从地球上的土地开始。土地多的是，在不同国家因地制宜地拿许可、拿电力是可行的。我会从这里开始。我说过，物理基础设施建设就像工业时代的回归。

工业革命的先辈们建输油管道、钢铁桥梁、汽车工厂，这些我们今天习以为常的东西，都是当年那些人花大量时间琢磨如何低成本规模化而建成的。AI 需要大量这样的工作。当然你不能只建基础设施，还得有能力把这些基础设施转化成对用户有价值的输出 token。

而后者我们已经很擅长了。所以我会把重心放在基础设施上。

Harry： 假设你买入并持有十年：SpaceX、Anthropic、OpenAI，这三家接下来几个月都要 IPO，你买哪个？为什么？

Aravind： SpaceX。

Harry： 为什么？

Aravind： 它是独一份的公司。Anthropic 和 OpenAI 都可以声称对方能做的自己也能做，但只有 SpaceX 在建太空连接基础设施。你坐过有星链（Starlink）的航班吗？

Harry： 没有。

Aravind： 你该试试。体验过之后，你会受不了没有星链的航班。想象一下：我在飞机上就能看这期播客，星链让这成为可能。而这只是这门生意的一个方面，一个方面而已，很小的一个方面。还有……我兴奋的是从澳大利亚 30 分钟飞到旧金山这种可能性。这些听起来都像科幻，但我对这些可能性非常兴奋。

Harry： 今天不存在、五年后会极其常见的一个职业是什么？

Aravind： 其实已经存在了：前线部署工程师（forward deployed engineer）肯定在崛起。

大概还有对质量控制极有感觉的人。更好的答法是：大多数有价值的新职业都是旧职业的转世。我不认为会出现全新的东西，只是以不同的形式转世。

Harry： 给你弟弟或妹妹一个建议：他今天大学毕业，计算机学位。只说一条。

Aravind： 保持好奇。别被 FOMO 绑架，别为了短期的某个最大化而焦虑。别刷完 Twitter 就觉得自己是废物——前沿实验室的人那么有钱，好像一切都无望了。其实还有那么多东西等着被建造，我们才刚刚开始——应用层的时代、基础设施的建设，到处都是机会。

Harry： 每天都有更多 OpenAI、Anthropic 的离职创业。会不会冒出几百个这种新实验室（NeoLab）和垂直模型？

Aravind： 不会，我不太信会有那么多。你得做出差异化。

这是最重要的。

Harry： 你会把 DeepSeek 叫作 NeoLab 吗？

Aravind： 不会。

Harry： 为什么？

Aravind： 可能因为我很固执吧——我不叫它 NeoLab，是因为我把 NeoLab 定义为大实验室裂变出来的公司。

而且还得是垂直化的。这定义可能两头都错——DeepSeek 是水平化的，也不是裂变出来的。

我喜欢的是“实验室下一注差异化的大赌注”这个想法。

如果有人真的质疑 Transformer 架构本身，或者真的质疑必须在 NVIDIA GPU 上建设，或者跑出去做机器人模型——这些是相关性低、有差异的押注，作为实验室是成立的。但有些实验室只是为了当实验室而设，我觉得它们成不了。

Harry： 给我描一幅最可信的路径图：Perplexity 怎么成为万亿美元公司？靠编排层吗？

Aravind： 准确性和编排，是自公司成立以来始终不变的两个目标，我们会继续做下去。

我们会跨设备、芯片、模型、工具、文件、连接器，跨一切去编排。至于真到了那天我会干什么？不知道。我们会去画通往十万亿的路径。

过程、专注与求真

Harry： 你现在幸福吗？你享受这一切吗？

Aravind： 当然。不做这件事，我也有无数别的事可做，但激励人的是过程本身。你之前问过我要一个数字目标——我其实不那样工作。比如 2 万亿、20 万亿这些数字很激动人心，但它们激励不了我。财富很难激励人，你要靠影响力来激励。

Harry： 最后一个问题。你见过的最聪明的人是谁？你见过黄仁勋，见过所有顶尖人物。

Aravind： 我很幸运，确实都见过。

Harry： 谁最聪明？

Aravind： 人们各有各的聪明，很难比较。黄仁勋、马斯克、杰夫·贝索斯（Jeff Bezos）这些人我都见过。

Harry： 见马斯克是什么感觉？

Aravind： 棒极了。马斯克是个极度专注的人——在 Twitter 上他显得不像，发一堆莫名其妙的推文，但他在任何一个当下都对手头的事保持激光般的专注。作为创业者，我最想从他身上搬过来的一项能力，就是能从其他所有事情中抽离——别的业务、别的事——只专注眼下那个约束性问题、瓶颈问题，无视其他一切。这非常难做到。哪怕在 Perplexity 内部，我也没法只盯一块业务，我总是同时看着好几件事。他的风格是永远只盯约束性问题，无视其余。这太难了，因为你要极度擅长专注。

极度擅长无视那些“重要的事”——凡是偏离你当下核心目标的，都是干扰。

Harry： 黄仁勋和你想象的一样吗？

Aravind： 远超预期。黄仁勋的求真欲强得离谱。我听过一个说法——他自己或别人告诉我的，或者书里读的——他对自己狠到什么程度：每天早上醒来告诉自己“我很烂”。他还告诉身边每个人：我们距离倒闭只有三十天。

想想这有多疯狂：一家 5 万亿美元的公司，未来两年锁定 5000 亿美元收入，手握全世界最先进的芯片，而他运营公司的心态是“离倒闭只剩三十天”。这就是成为黄仁勋的代价。这些人身上有太多可学的东西。安于现状、觉得自己已经成功了——那种感觉确实不错，但这些人不会停。马斯克也不想停：你看他在 SpaceX 的薪酬方案，是围绕“在火星建百万人口的殖民地、在太空建算力”来设计的，而不是“身家十万亿美元”。做到了这些，财富自然会到，但驱动力是让不可能的事情发生，是那种超长期的视野。这是我从这两个人身上学到的最重要的东西。

很多人把创业想成：赢了，卖掉公司，拿到几辈子花不完的钱，再也不用工作。然后呢？你待在家里，你的孩子拿着信托基金，看着自己的爸爸打板式网球（padel）长大——这能激励他们吗？你给他们树立不了榜样，他们也没法把你的财富发扬光大，因为他们没见过一个真正做到的人——你是在他们成年之前做到的。所以你得永远有事做。黄仁勋最近说他希望死在岗位上，就得是这种态度——你得永远工作下去。不过他说过一句话让我挺难受的：“如果我早知道这么难，我就不会做了。”不知道他有没有看到那期访谈，我当时听了心里一沉。

创业确实难，但你会迎着难去做。事情就是这样运转的：尽管难，你还是去做。

Harry： Aravind，这期聊得太棒了。

特别感谢你在伦敦期间抽时间。谢谢你来到节目。

Aravind： 谢谢邀请。

Harry： 在和大家告别之前，再说最后几句。