Speechify 创始人 Cliff Weitzman：每个 AI 公司都该自建数据中心，被 ElevenLabs 反超是我最大的战略失误

▍嘉宾：克利夫·韦茨曼 (Cliff Weitzman)

Speechify 创始人兼 CEO，技术实践派出身的连续创业者。他的个人史几乎就是 Speechify 的产品宣言：

• 阅读障碍少年：8 岁还不会认字，靠父亲朗读《哈利·波特》学会阅读；13 岁移居美国时不会英语，靠连听 22 遍《哈利·波特》有声书自学成才。
• 布朗大学时期：因学不了文科自创可再生能源工程专业；为解决自己的阅读障碍写出一个文本转语音工具，这就是 Speechify 的雏形。
• AI 原教旨主义者：用 GPU 集群和每周采血建立的六年数据集研究弟弟的罕见病；此前曾用 GPU 辅助定位父亲的前列腺癌病灶。本期是他 2026 年内第二次做客 20VC。

▍关于 Speechify

全球用户量最大的文本转语音（TTS）平台之一，C 端应用起家，正在向 B2B API 与 AI 智能体扩张。

• 核心模式：C 端订阅产品覆盖文本转语音、语音听写与新品 Speechify Work（智能体产品）；2026 年上线 B2B API，把自研模型开放给企业。
• 规模与地位：6000 万用户；B2C 文本转语音装机量占 98%；累计为用户朗读超过 7700 亿个单词，折合约 6000 年收听时长。
• 模型与定价：自研 Simba 3.2 模型，官方称质量排名世界第一；API 定价每百万字符 10 美元，约为 ElevenLabs 的十分之一。
• 组织与资产：工程团队 45 人、目标扩至 150 人；自购多机架英伟达 GPU（含最新的 Rubin 与 B300），租数据中心托管，坚持不官宣融资。

为什么花几千万美元自建数据中心

Harry： 这里是 20VC，我是哈里·斯泰宾斯（Harry Stebbings）。我已经受够了那种一问一答、来回客套的播客。今天是一场真正的讨论。嘉宾是克利夫·韦茨曼（Cliff Weitzman），Speechify 的创始人兼 CEO——全球增长最快的文本转语音（text-to-speech）创业公司之一。

今天的节目里，我们会真刀真枪地辩论：一家拥有出色 C 端业务的公司，到底该不该向企业级市场扩张？在已经有出色 C 端业务的前提下，如何打造一套了不起的 go-to-market 体系？他还会讲一些疯狂的故事——花几千万美元买英伟达（NVIDIA）GPU，以及为什么应该有更多公司自己买卡、而不是依赖别的供应商。这些内容尽在今天这期。

Harry： Cliff，兄弟，你回到演播室真是太好了。我特别期待这一期，因为准备提纲的时候我发现，今天的话题线索和我平常的聊法很不一样。非常感谢你今天再次来做客。

Cliff： 我的荣幸。一如既往地高兴来到这里。

Harry： 我想从你花几千万美元买英伟达 GPU 这件事开始——而且为了让每块卡提前四个月到货，你们还额外多付 10 万美元。为什么？你到底知道什么市场不知道的东西？

Cliff： 2022 年，我们从英伟达买了一大机架的 GPU，目的是训练。我们有一堆模型，最新的 Speechify Simba 3.2 模型质量排名世界第一，超过所有前沿实验室，价格还比 ElevenLabs 这类公司便宜 10 倍。我们以前是租 GPU 的，结果发现 Speechify 的工程师用卡时缩手缩脚——他们心想，天哪，我这一跑就要花公司好几万美元，还是别跑了。

我和我兄弟打了个比方：想象你是迈克尔·乔丹（Michael Jordan），一心只想进 NBA，结果你每小时要花 20 美元才能进篮球馆训练。这太糟糕了。你想要一个随时能去的球馆——事实上，你想在自己家里装个篮筐。所以我们最初的想法就是：我们要自己家里有篮筐。于是我们买了一批自己的 GPU。这笔买卖结果非常好，我们训练出了很好的模型，之后就越投越多。这是第一部分。

第二部分是经济账到底怎么算。Transformer 架构 2017 年在谷歌内部被发明出来，英伟达 2019 年推出 A100，随后很快推出 H100——初代 ChatGPT 就是用 A100 训练的——然后是 Blackwell 系列的 B200、B300，现在又出了 Rubin（鲁宾），就是埃隆（Elon）要送上太空的那种 GPU，液冷的，非常非常酷。

我们的判断是：第一，每一代 GPU 每万亿次浮点运算（flops）的价格都在下降——flop 就是加减乘除等任何一次数学运算，用每秒多少万亿次运算来衡量。如果花 3 万美元买一张 H100，这是单卡的价格；而向 GCP 租一小时 H100 竞价实例（spot instance）可能要 5 美元，向 Azure 或 AWS 租大概每小时 3.5 美元。

乘以 24 小时、再乘以 365 天，租一张卡一年要花 3.5 万到 5 万美元，但买下它只要 3 万美元。也就是说，租一年的费用是买断的 1.5 倍。硬件通常保修三年，但我估计它过了保修期还能继续用，可能 10 年。所以纯算账，买要划算得多。

另一个大头是：如果你想像我们这样搞大规模训练，内存必须和一大簇 GPU 共址部署（co-located）。我不能随便找谷歌、微软甚至 Baseten 租卡来跑我想要规模的训练，因为我需要一块巨大的内存阵列紧挨着 GPU 集群，装着我所有的数据，供所有 GPU 访问。这是我们开始买卡的原因。

再往后我们还发现：跑开源编程模型时，你可以付钱给 Anthropic——你不仅要付 token 费，还在为品牌溢价买单（比如 Fable 1）；或者你跑一个开源模型，不放在 Azure 之类厂商的竞价实例上，而是放在自己的硬件上，每个 token 的成本就变成零头的零头。所以综合所有这些原因，买卡非常合算。你想多深入聊，我们都可以展开。

Harry： 我正想深挖。我的第一个想法是：你的逻辑我完全听懂，但芯片是会折旧的。芯片迭代周期在加速，新芯片层出不穷，芯片内部还在出现专用化分工。买下芯片，某种意义上就是把自己锁死在某一代架构上。这个问题你怎么看？

Cliff： 在 Speechify，我们至今还在用 K80 跑很多特定的推理（inference）任务，老型号 GPU 我们一直在用。推理和训练本质上不一样。训练时，我心里有个假设，我想尽快知道答案——每晚出结果一分钟，我都在和所有人竞争，所以快上几个数量级的 GPU 架构是巨大优势。

但如果是用 Speechify 做语音转文字或文本转语音，我给你配一块低配的 GPU，照样能在 100 毫秒内给你结果，完全够用。所以这些老卡我永远可以拿去跑推理，这是其一。其二，我们每时每刻都在跑大量实验，不是每个实验都需要最新的硬件。我常打这个比方：假设你 2011 年买了台 iPhone 3G，然后一台接一台地换新，你家里抽屉里可能躺着五台吃灰的旧 iPhone，因为你同一时间只能用一台手机。

但如果我有 10 万块 GPU，我会把它们全部同时用起来。所以卡多并不会浪费——我不仅自己有一大批，还一直在向超大规模云厂商（hyperscalers）租卡：既租预付费的包年独享实例，也租竞价实例。比如每年 9 月开学季，用 Speechify 的人会变多，我得把负载抹平。负载里我确定永远都会用到的那部分——不管训练还是推理——我干脆自己拥有它。

另外我还有一堆朋友也在跑训练、跑推理，真有富余算力（我觉得不太会有），我随时可以转租给别人。不过偶尔确实会出现这种有趣的情况。所以所有这些原因加起来，买卡在数学和财务上都讲得通。最后一点：如果你手里有多余的资本，要么存银行、要么买债券，长期看最好的债券收益率也就 5% 左右；而买 GPU，因为租一年要花买断价 1.5 倍的钱，持有回报要高得多。

Harry： 那你们到底买多少卡？

Cliff： 拿 Rubin 举例，Rubin 以 72 张卡一个机架的形式交付，我们会买好多个机架的 Rubin。除此之外我们还买 B300——Blackwell 的最新型号——因为能更早拿到货。当年买第一批 DGX H100 时也是一样，一买就是好多个机架。这些机架用卡车运到数据中心。数据中心是我们租的，它提供网络能力、提供电力（这是目前最大的瓶颈），还提供驻场工程师——把设备从卡车上卸下来、安装好，出了问题他们修，然后就让它一直跑。

Harry： ElevenLabs 也这么干吗？

Cliff： 是的，ElevenLabs 在这方面非常出色。我记得 Piotr（ElevenLabs 创始人）很早就在自己家里装了一批 GPU，然后一路把集群越建越大。他们的打法和我们一模一样。

买芯片的门道：从催货、保险到液冷

Harry： 买芯片这事你怎么做预测？需求看不清，供给也看不清，两头都难。芯片采购的节奏你怎么把握？

Cliff： 我再说一遍，买芯片和买 iPhone、买 MacBook 完全不同。我同一时间只能用一台 MacBook、一台 iPhone，但我拥有的所有芯片可以同时全部跑起来，而且还不够用——我有多个团队成员，还有 6000 万用户在我的 Speechify 软件上跑推理：文本转语音、帮他们朗读工作内容、听写，还有用我们最新的产品 Speechify Work——一个智能体（agent）产品，有点像《钢铁侠》里的贾维斯（Jarvis）。

这样算下来：假设 100% 是我每月 GPU 需求的平均值——用于模型训练和模型推理。推理就是你调用 Speechify，给我文本，我还你音频，后台发生的那些数学运算就是推理；训练就是我拿海量数据、加上我们在做的架构和软件工程，判断某个方案能不能训出更好的模型——相当于把模型放进烤箱里烤，出炉一个新黑盒，之后你给我文本时，就是这个黑盒算出音频还给你。

就这两种用途。假设 11 月的需求是 100%，10 月会到 140%（是我们的旺季），12 月大家都在家休息、不学习不工作，可能只有 80% 利用率。于是我会把常规负载里的 20% 买下来——这是最划算的；再拿 25% 和超大规模云厂商签长约；剩下的向他们租竞价实例。这样离过度承诺还差得远。我们的账就是这么算的。

再往后看：我们现在有 45 名工程师，但想把团队扩到 150 人。就这 45 人里，有几个是摇滚明星级别的，一个人独占专用的 DGX 机架；还有 25% 的人几乎在排队等卡用。我想把团队翻倍——好比你有一支足球队，就得再添一块球场，不然队员没地方训练。我就是这样考虑算力分配的。至于资产随时间折旧，我是这么看的：这些 GPU 至今都很好用，连 A100 都能跑很棒的实验，只要还接着电、没坏，用它就完全合理。

再想想汽车的里程：开到 25 万英里你就知道差不多要报废了，但 GPU 不是这么回事，它没有那么大的磨损——风扇在转没错，但它待在非常干净、充分散热的环境里，又不动来动去，维护也跟得上，而且设备很贵，英伟达的做工确实好。所以这项资产会服役很久。就算有朝一日它老旧到跑不了训练了，也没关系，转去跑推理就是。

另外还有一件刚发生的趣事：这个月早些时候，英伟达和黑石（Blackstone）、贝莱德（BlackRock）、阿波罗（Apollo）、高盛（Goldman Sachs）做了一笔大交易——他们说，我们希望更多人买 GPU，所以愿意为 GPU 价值的 25% 兜底：如果你借钱给买 GPU 的人（比如谷歌，或者 CoreWeave 这样的创业公司），而这家公司倒闭了、你手里只有作为抵押物的 GPU，英伟达会按 GPU 价值的 25% 以内把它回购。

这等于他们在自己承销、创造一个 GPU 的流动二级市场，大银行因此有动力用更低的利率放贷。这其实就是当年埃隆在 SolarCity 初创时玩的把戏：他找摩根士丹利（Morgan Stanley）和美林（Merrill Lynch），让他们把一块太阳能板的价格摊销 30 年——SolarCity 的整个创新点就在于你能拿太阳能板作抵押去贷款。英伟达现在干得非常漂亮：它为 GPU 的长期价值造出了一个清晰的底。

Harry： 人们经常指责英伟达搞"循环经济"，你觉得这种担忧站得住脚吗？我们看到他们的 CFO 都出来回怼了，说"够了，别扯这些废话"。你觉得这担忧成立吗？

Cliff： 一年前发生的很多事情——比如 Oracle 和 OpenAI 之间的那种交易——确实太过了，甚至可以说荒唐。但英伟达这事不是，因为你谈论的是一项真实资产。拿比特币的价值逻辑来对比：比特币的内在价值是什么？我说不上来。黄金的内在价值呢？黄金可以做些医疗用途，因为它是种神奇金属，还能做首饰，诸如此类。但 GPU 有内在价值——你真的能拿它去做非常非常有价值的事。

而且它在哪儿都无所谓，哪怕在冰岛，只要连着网，对全世界任何人都有用。所以它是一种相当好的价值储存手段。就算新一代 GPU 上市，归根结底我要问的只有一个问题——这也是所有人该回到的那个算式——这台设备每秒能做多少万亿次浮点运算？这本质上就是 token，就是价值所在。所以内在价值是真实存在的。你可以搞出各种循环交易，但说到底，英伟达在做的是真实的产品，不完全是郁金香狂热——这里有实打实的内在价值。

Harry： 买芯片这件事，有什么是大家不知道、但应该知道的？就是那种"天哪，大家在这事上太天真了"的东西。

Cliff： 倒不是大家天真，只是没在这个行当里待过。举个例子：假设你要买 GPU。它是英伟达生产的没错，但英伟达不会浪费时间搭理 Cliff Weitzman。那我找谁买？戴尔（Dell）是口碑最好的渠道商之一。大家都以为戴尔是个个人电脑公司——不对，戴尔现在就是 GPU 机架供应商。好，我找戴尔买。

但戴尔也有供给约束，市面上 Blackwell 不多，碰巧他们在法国有货，行，那我从法国订。结果糟了——本该一个月前到的，现在还没影。于是你得谈判、催货，这就是我们为什么愿意每月多付 10 万美元只为提早拿到卡。你会打电话给法国的皮埃尔（Pierre）说：嘿，一个月内给我送到，我额外加 10 万美元奖励？还不止这个数。法国那次是真事，我当时就说：皮埃尔，搞什么？

我们有合同，你没按时交货。之前我们也碰到过：另一家公司晚了几周，我打电话过去说，听着，我拿到更好的报价了，因为你没交货，我要取消合同转单——除非你的价格更好，那我就跟你走。我现在就要卡。别忘了，我还一直付着数据中心的租金呢。GPU 交付里最贵的部分就是延期——卡不到，机房租金照付。所以你得施压，让皮埃尔按承诺的时间发货。然后你去找英伟达、戴尔或谁，说：既然这是市场，我多付钱能不能插队？

答案是：可以。好，现在美国某处的公路上有一辆卡车，载着价值一套房子的 GPU 驶向我的数据中心。那我得给它上保险吧？万一卡车被撞、湿度过大或者 GPU 被颠翻了，我损失的是好几套房子价值的卡。所以保险真的非常重要，摊销的计算也非常重要——这里面的算账门道有一大堆。还有散热：你付的不只是物理空间、网络和电力——电力是最大的瓶颈，这个一会儿再说——问题是这玩意儿怎么散热？

因为它就是不停地转、转、转。现在最新的方案是液冷，风冷已经不够了，水的热负载能力强得多，还有比水更好的液体。Rubin 就是液冷的。但大多数数据中心没有获批的液冷设施，所以我们做了一通调研，发现可以买一种叫"侧挂车"（side cart）的液冷装置送进数据中心，再花钱请机房的人装好。搞定，你就能用上想要的机架了。所以经营一家纯软件公司和经营一家带硬件的公司，差别是巨大的，而且——

买还是租：数据、算力与团队的三位一体

Harry： 听你说完这些，我反而前所未有地确信：为了抠成本而自己花钱买卡是个错误。我理解你优化的那套逻辑，但你省不出 10 倍来——租一年也就比买贵 0.5 倍——

Cliff： 对对，是每年。没错，每年。

Harry： 但租的话你可以灵活地按需伸缩，不用操心保险、运输、安保、水冷这一堆后勤噩梦。你可以专心做产品——这才是最重要的——去对抗跑得飞快的 ElevenLabs。我可不想为水冷和货运卡车保险分心。

Cliff： ElevenLabs 也得操心同样的事，因为他们要训练出优秀的模型，同样需要 GPU 共址部署、配上大内存。租是租不来的。

Harry： 租得来。

Cliff： 只是会变成：第一，贵得离谱；第二，你得提前很多很多年做承诺，因为你要建一个共址集群；第三，你没有控制权，因为东西不是你的。现实中很难办——比如你突然需要一根 InfiniBand 线缆让内存在两台 DGX 之间互通，租来的环境就很难办。反过来，有了自有算力，我的训练能力会大得多，AI 团队可以更大，每个人的杠杆都被放大，我能比所有人都快地冲出去。还有一点必须说清楚：如果我想要 Rubin 这种快得多的 GPU，自己买就比等谷歌买了再排队租要快得多——我前面还排着一堆人呢。

自己买，我能插队插得很靠前，能比其他人早一年用上 Rubin。我的思考框架是这样的：今天竞争这么激烈，怎么建一家了不起的公司？团队是最重要的——但团队之所以最重要，是因为团队能帮你拿到其他资源。那缺的那几块是什么？是数据、算力和架构。在一个智能被商品化、再也没人需要手写代码的世界里，我对工程师的真正期待是每天做出 10 个真正好的决策——这非常耗人——而不是去优化代码里某个边边角角。

他们每个人同时挂着 5 到 18 个智能体在跑，在这些 GPU 上执行长周期任务：提出假设、验证、来回迭代。没有训练算力，团队就受限；没有训练数据，团队也受限。顺便说，数据也得清洗——一开始拿到的是原始数据，你得把它组织成数据集，这活儿也要 GPU 干。我现在最厉害的工程师之一根本不在写模型，他在造合成数据集来训模型。所以自有算力真的成了不可或缺的资产。

Harry： 你们会买数据吗？

Cliff： 买过，但都是小数据集。我建议你用 Fireworks。Fireworks 真的很棒，创始人 Lynn（译者注：指 Lin Qiao，乔琳）是 PyTorch 的联合创始人之一。我有一个非常明显的判断：未来每家公司都会有自己的、特定规模的专用模型，用自己的数据训练——但你会需要补充数据。

Harry： 完全同意。

Cliff： 比如合成数据，或者你手上没有的真实世界数据，这些数据你会向 Mercor 这样的数据供应商购买。这正是我刚才想说的——Mercor、Micro One、Surge，这些公司都很棒。顺便说，它们还大大缩短了走向营收的周期。

Harry： 完全同意。

Cliff： 因为站在 Mercor 的角度——向创始人布兰登·福迪（Brendan Foody）致敬——ElevenLabs、OpenAI 或 Anthropic 会在未来十到二十年里，靠从你这里买的数据持续赚钱，所以它们愿意今天就把未来十年收入的一部分付给你，换你供数。

说到底还是速度问题：ElevenLabs 或 OpenAI 当然可以自己组团队去搞数据，但它们不想管这摊子事。所以数据是关键。这些东西你全都得要：算力、数据，还得有能写出好产品的团队。理想情况下你还需要用户——大量使用你的、数量庞大的用户——形成"这东西到底好不好"的反馈回路，也就是做基准评测（benchmarking）。

数据生意的残酷账与 ElevenLabs 的反超

Harry： 说回我自己做风险投资时的事。我们会做"结果情景推演"（outcome scenario planning）——这是最扯淡的功课，假装你能聪明地预测未来，我们做它纯粹是因为它让我们觉得自己很重要。但目前这些数据公司的客户主要是前沿实验室，九成的收入来自那里。随着每家公司基于自有数据的专用模型兴起，我相信它们的客户群会从纯粹的前沿实验室，扩展到每一个需要补充数据的大企业。如果真是这样，数据市场的天花板有多高？

Cliff： 理解数据市场，首先要明白一个问题：它不是 ARR——不是年度经常性收入（annual recurring revenue），每一笔都是一锤子买卖，买家没有义务再来找你买第二次，所以这是个风险很高的生意。你看 Mercor 这类公司的早期，一开始并没能融到大钱，因为投资人对这一点非常忌惮。这一点先放一边。

还有件极重要的事：你的数据是怎么来的，必须白纸黑字、无懈可击——你得为客户提供赔偿担保（indemnification），这也是他们找你买、而不是自己去找数据的部分原因。我们已经看到那些诉讼了。但这是门好生意，前提是你得是个运营怪兽：运营能力要非常非常强，速度要非常快。而真正的关键是：用你数据训练的公司，最终必须真的看到模型效果的提升。

相比其他公司，Speechify 一直以来的难处在于：B2C 客户付的钱远比 B2B 客户少。ElevenLabs 反超了我们——非常佩服他们——因为他们做 B2B，而我们历史上只做 B2C。所以我们一直背着个大约束：成本必须压到每百万字符 10 美元以下。ElevenLabs 每百万字符收 100 美元，评测基准上 OpenAI 的模型每百万字符要 196 美元。而我们现在向其他 B2B 公司开放的产品——刚上线的 API，Simba 3.2——每百万字符只要 10 美元。

Harry： 兄弟，我这把年纪，已经没什么不能问的扎心问题了。而且我觉得好处就在于：问得越多，顾虑越少。你说 ElevenLabs 算是反超了你们——没做 B2B，这账是不是得算在你头上？

Cliff： 是的，百分之百算在我头上，百分之百。这是 Speechify 历史上我犯过的最大战略失误。

Harry： 你事后是怎么复盘的？

Cliff： 我认识 Piotrek 和 Mati（译者注：ElevenLabs 两位创始人 Piotr Dąbkowski 与 Mati Staniszewski）是在 2022 年，当时我住在伦敦的家里。他们给我们留下了很深的印象——顺便说，我们当时想用他们的模型，只是太贵了用不起。我看完之后的想法是：他们很聪明，会做得很好，但我不喜欢他们的战略——我认为文本转语音的 API 迟早会被商品化。

总有一天这个 API 能跑在你的电脑上、然后跑在你的手机上，那他们还卖什么？所以我不想进这门生意。结果我犯了一个致命错误。我当时没明白：Speechify 或 ElevenLabs 这样的 AI 实验室，存在的意义就是持续创新；你发布的第一个产品是楔子（wedge），让别人先进来，之后再使用你的其他技术。

比如做文本转语音：你先为某一个特定声音做出世界上最好的模型，然后就能做更多声音，加上情感颗粒度，加上声音克隆（voice cloning），加上语音转文字，再做出双工（duplex）模型——能处理"嗯""啊"、笑声、插话和轮流发言——再为语音对话加上 harness（编排框架），然后针对销售、客服等场景逐一优化。

ElevenLabs 就是这么干的：先做出极好的 API，很擅长发布造势，为内容创作者做了很棒的产品，然后做出了他们史上最好的产品 Agents。Agents 之所以了不起，是因为买家不再是软件工程师，而是 CTO、CIO、CEO，是公司的高管。Sierra 有个概念叫按效果付费（outcome-based pricing），布雷特·泰勒（Brett Taylor）是个狠角色。

这样你就可以直接按结果收费——拥有一个 AI 智能体就像拥有一个 AI 同事。而我的错误就在于认为 API 产品是个坏战略——我以为它会变成可商品化的东西，却忘了硅谷的核心信条：持续创新。让用户先用上你的产品，免费都无所谓，然后再卖给他们别的东西。这就是我那个天大的错误。

Speechify 该不该做 B2B：一场真辩论

Harry： 你觉得做成的可能性有多大？我觉得大家低估了搭建一套 B2B go-to-market 体系的复杂度——非常难。我甚至认为 Speechify 去做 B2B 是个战略错误。说说你的立场。你现在要同时和 ElevenLabs、Sierra 竞争，而那两家自己也在互相竞争——不管他们嘴上承不承认，他们就是在竞争，不信你私下问他们。Sierra 背后可是 Brett Taylor。

Cliff： 是的，你不会想和 Brett Taylor 正面交锋。

Harry： 废话，我才不想和 Brett Taylor 交手。再说 ElevenLabs 那股大潮——ElevenLabs 到现在已经是一台不可阻挡的机器了，在所有主要西方民主国家都拿下了政府订单。他们拿到的政府支持简直疯狂，而他们三个月前才开始做这块。注意，我刚说了句关键的话：他们三个月前才开始。

你看那张增长曲线就知道：我认为他们已经到了临界点，事实上已经把市场拿下了。Sierra 在后面追，追得也算不错——他们有 Brett，有红杉（Sequoia）、Greenoaks，几乎集齐了硅谷的全部"皇族"——但还是在后面追着 ElevenLabs 跑。红杉还得假装中立，因为两家他们都投了，这局面难搞得很。

Cliff： 我只是觉得，当老三从来不是好位置——这就是 Postmates 效应（译者注：Postmates 在美国外卖大战中作为第三名被边缘化，最终被收购）——明明我可以做一个领跑的、有着完全不同且动人故事的 C 端霸主。这里有两件事要说明。

第一：你打开 App Store 搜"文本转语音"，Speechify 占了 B2C 文本转语音 98% 的装机量；过去几年，Speechify 为用户朗读了超过 7700 亿个单词——折合成收听时长约 6000 年，从今天倒推回公元前再折返回来，都还剩好几千年。所以我们已经彻底统治了这个市场，而且它仍在高速增长，我们还在不断往这个产品里加功能。

关键是：我们有一支规模不小的工程团队，而现在每个人的产出都能达到过去的 10 倍。我手里有多余的人手，有一支能做出惊人模型的庞大 AI 工程团队——这批产能投向哪里 ROI 最高？答案是既要投 B2C，也应该投 B2B。而我永远不做的一种人，就是不学习的人。所以我干脆就他妈的把 B2B 学会。

再说你刚才讲的"和 Sierra、ElevenLabs 这样的巨头竞争"：嘿，Anthropic 当年是作为第二名进入市场的，在 OpenAI 身后当了很久的老二，现在不是老二了；Facebook 当年在 Friendster 和 MySpace 之后进场，现在也不是老二了。

所以好消息是：这个赛道不是垄断格局，而是寡头格局。再看 ElevenLabs 的打法——我先把 Sierra 排除在外，因为 Brett Taylor 效应太强大了，那家公司的生意好到让人惊叹——所以很有可能，在他们目前正在赢的核心产品上，我赢不了。但上次我学到了什么？

我作为 AI 研究实验室，把产品近乎免费地提供出去完全没问题：只要人们开始用我，假以时日我就会嵌入他们的系统，而且我会源源不断地拿出更多对他们有用的创新。来自企业、政府和各路用户的需求大得惊人——不管是 AI 智能体、API 还是产品。我只想待在用户的手机上、企业的技术栈里，给你提供最好的前置部署工程师体验、AI 编排体验和 API 体验。这个市场容得下所有人。

Harry： 我也同意人人都有机会。但价值会向第一名集中。

Cliff： 同意。我觉得这就像推理算力市场：Fireworks 会成为几千亿美元的公司，Baseten 我看也是千亿美元级，剩下的其他玩家加起来分个一百五十亿——这已经很惊人了，个个都是极有价值的公司。但照这个逻辑，你三年前会以为语音 AI 的价值会沉淀在 OpenAI 那里，对吧？当时人人都这么想，结果却完全不是这么回事。所以你不能因为有个庞大的在位者就不进赛场。

Harry： 坦率说，我认为那是因为他们的管理实在太差了。

Cliff： 同意，还有招聘。语音 AI 本来是他们囊中之物，结果他们在每个维度都把到手的鸭子放飞了。而且世界上任何公司，不管领导团队多出色，总会有些细分市场被搞砸——语音 AI 对 OpenAI 来说就是个边缘市场，LLM 才是核心；顺便说，他们连 AI 编程也搞砸了，现在看这块市场太大，又在拼命追赶。我对 Piotr 和 Mati 满怀敬意，他们非常了不起，我也很喜欢和他们比邻竞争——我只是不认为他们会把到手的鸭子放飞。

Harry： 难就难在，我也不觉得他们会搞砸。

Cliff： 但他们网里的鱼已经太多了，而且还不停地有新鱼进网。

Harry： 这倒是。所以你得往足球要去的方向跑。

Cliff： 没错。所以我认为，对 Speechify 来说，只打 B2C、不打 B2B 的代价太高了。必输的做法是不上赛场。要上了赛场再说。

复合创业公司与 1500 万美元的人才战

Harry： 聊聊产品层面的事。我们之前聊到过，你说每个创业公司都必须成为"复合创业公司"（compound startup）。能展开讲讲你是怎么想的吗？

Cliff： 倒不是说每个创业公司都必须成为复合创业公司，而是到了某个阶段，你不这么做的代价你承受不起。

Harry： 你不觉得确实有那么几家公司，正在把其他所有人远远甩在身后吗？

Cliff： 当然，那些就是赢家。ElevenLabs 是一个，Anthropic 是一个，Ramp 是一个，Speechify 也是一个。这些公司的领导团队和工程团队都强悍到近乎疯狂——这就是为什么大家把团队看得比什么都重：对的团队会快速迭代、冲到位，然后把事情想明白。而且现在，一切都可以变成一个强化学习问题：你可以让长周期智能体和编排智能体一个问题连续想上两周。把这种体系搭起来，你当然会赢。

Harry： 我发社交帖子总是惹麻烦，这次也不例外。想当年我可是个挺乖的小男孩。

Cliff： 真的，他以前简直是天使投资圈的哈利·波特，现在变得更像……

Harry： 是啊，眼镜摘了。

Cliff： 摘了眼镜，越来越像皮尔斯·摩根（Piers Morgan）了——如果你知道英国那个皮尔斯·摩根的话——观点特别冲的那种。

Harry： 但我有个问题。我说过：对创业公司来说，招到优秀人才从来没有像今天这么难。OpenAI 和 Anthropic 在你面前吊着那么大的胡萝卜——尤其是在 IPO 临近的背景下——最优秀的人才就想去那里，而人才是跟着人才走的。

你看看，Monzo——英国那家几十亿美元的银行——的创始人，放着 YC 合伙人不干去了 Anthropic；还有马特·克利福德（Matt Clifford），EF（译者注：Entrepreneur First，英国著名创业孵化器）的创始人，一家几十亿美元的公司——我说，这人简直该去当首相——他也要加入 Anthropic。因为 Anthropic 和 OpenAI 的战利品太诱人，现在成了创业公司招人最难的时候——我说错了吗？

Cliff： 我最喜欢招的人，是别家公司的 CTO。Speechify 只有 21 个人的时候，其中 18 个在上一家公司不是 CEO、CTO 就是工程 VP。Anthropic 是我从没见过的物种：它大量招上市公司和其他成功创业公司的 CTO——Workday 的 CTO 就是一个。

原因是他们做出了人类历史上工程师最喜爱的产品，所以招 CTO 很容易。顺便说，他们招的 CTO 比 CEO 多得多，因为对这款产品最狂热的就是 CTO。而且你说得对，他们是史上增长最快的公司——尤其考虑到他们已有的体量，所以他们还会继续增长。

Harry： 这两家公司都在一段极短的时间里经历了烟花般绚烂的爆发式增长。

Cliff： 是的，现在招人确实难，但别忘了：他们招的那些人，年包至少要 1500 万美元起步。哪家创业公司会给人开 1500 万美元一年？你不会。你种子期看上的那位创始人，本来也不是人家要抢的人。所以我要反驳一下这个"最难"的说法：对成长期公司来说，招顶尖的领导层人才确实更难了；但对种子期公司，我会说这是史上最容易的时候——因为光是创始人自己一个人，能撬动的产出都更大了，他可以编排智能体。招聘也是同一个道理。

就说我们最近半年在招聘上做的一个改变：以前我们特别在意你有没有读过一大堆软件工程教科书、手写代码漂不漂亮；现在我依然在意你读没读过那些书、懂不懂原理，但我今天最看重的是技术悟性——那种原始的技术聪明劲儿——因为我知道其他的一切我们都能教，六个月就能把你调教成一台机器。所以我们招了很多数学奥赛选手、LeetCode 高手、Kaggle 获奖选手，还有学物理和数学出身的人——他们可能以前根本没写过代码——因为我只要那三样：饥渴、职业操守和聪明。

现在任何人都能飞速变强，所以优秀人才的可选池比以往任何时候都大。Duolingo 就做得很好，他们喜欢招应届毕业生然后自己带。所以我不会说种子期公司招人比以前难——现在几乎任何人，只要聪明肯干，都可以招，因为你能很快把他教会。真正变难的是成长期公司，因为你的对手是那些绝对的巨无霸。我们就是成长期公司，所以这对我们来说确实难。

Harry： 那为什么招一个真正好的销售也这么难？

Cliff： 完全理解，而且我特别同意——顺便说，我见过 5000 万美元以上的 CRO（首席营收官）薪酬包。

Harry： 对，没错。1500 万在那就是小儿科。

Cliff： 还有，说句最客气的话：今天连种子期公司，我都能见到桌上摆着 1500 万美元的薪酬包。这就是我所说的市场错位——说句最客气的话。

Harry： 等等等等，不好意思打断一下——种子期公司？它融了多少钱、什么估值？

Cliff： 你得明白，今天的种子轮能到 1.5 亿、2 亿美元，而且还不止一两家。我是说，有三四十家公司，种子轮就融了 1 到 3 亿美元。

Harry： 这种公司背后，是那种大学刚毕业一年的毛头小子吗？

Cliff： 不不不，是那种在 OpenAI 干了四年、或在 TMI（译者注：音近，所指不详）干了四年的人。

Harry： 那另一种公司呢——一个在大学待了两年、三年、四年，然后出来创业的人？你觉得这些人已经出局了吗？

Cliff： 不，我认为那是完全不同的一个世界。没错，他们那种是融 1000 万美元的种子轮。

Harry： 嗯。那说回你刚才描述的那种公司：种子轮估值 1.5 亿，融了——比如说——2000 万美元？

Cliff： 不，我说的是融了 1.5 亿美元。

Harry： 哦，那我可不会管这叫种子轮——也许名字就叫这个吧。但我的观点恰恰是：人才正在向头部集中。那些真正懂 AI、懂系统、在 OpenAI 和 Anthropic 内部见过"魔法"的人——你懂我意思吧？

Cliff： 我同意你说的：如果一家公司融了 1.5 亿美元、估值在 5 亿到 20 亿美元之间，那它当然应该开出 1500 万美元的薪酬包。而且这样的公司有不少。

Harry： 对，完全说得通。但这样的公司有不少——有 30 家。这 30 家每家掐走 30 个顶尖的人，那就是一千个人被吸走了。这才是真他妈的难。

Cliff： 没错。但你刚才描述的情形，和六年前谷歌、Meta 上演过的一模一样：如果你真的强到离谱，在谷歌或 Meta 这样的公司，薪酬本质上有个天花板；而你想赚一笔改变人生的钱，最好的路径是去一家小公司，从一开始就一路跟到底，做那家公司真正靠谱的创始工程师。

Harry： 我觉得今天的人想要的是现金的确定性，而不是上行空间，这听起来……

Cliff： 我不这么认为。我觉得那个等式和过去完全一样：每个人心里都有一杆秤，掂量自己愿意要多少确定性、承担多少风险。这一点没变，人性还是人性。

Harry： 但我觉得，人们宁愿要 Anthropic 那份稳稳的 1000 万美元，也不要那家奇葩创业公司可能兑现的 6000 万。

Cliff： 这正是公司上市的原因。上市无非两个理由：要么你想要一大笔钱；要么你想要 B2B 市场的信誉背书，就像当年的 Zoom；再要么就是为了招聘——股票有了流动性，你开出的薪酬包价值就完全不一样了。

新 10 倍工程师：智能体编排、token 与招聘新标准

Harry： 聊聊你们今天的开发团队。你说过：我想扎进团队里，看看我们到底是怎么编排智能体的。在这个内部摸底的过程中，你发现了什么？学到了什么？

Cliff： 在我们的 AI 研究团队里，人人都在编排智能体。问题出在往下走——走到面向产品的那些团队，比如平台组、iOS 组、Mac 组、Chrome 组、Web 组、Android 组。这些人也极其聪明，在各自的领域干了十年，对 iOS 了如指掌，对 Kotlin、JetBrains 了如指掌。

所以他们手写代码易如反掌，因为他们面对的不是什么全新的东西。那为什么要变？改变是很难的。所以你得推动他们变。第一步，最好的方式是感染他们：开一个 Zoom 屏幕共享，让他们看团队里最强的工程师是怎么编排智能体的，他们会惊呼：哇，我都不知道还能这么干。然后你说：对，请你也这么干。你再给他们推荐博客文章、书、推特长帖去读。

Harry： 团队用什么工具？Claude Code、Cursor、Codex？

Cliff： Cursor 和 Claude Code，这两个最流行。Codex 有一点人在用，但不多。排个序的话：Claude Code 第一，Cursor 第二，Codex 第三。我们的态度是：随便你用哪种 harness，只要最适合你，token 用得越多越好。

Harry： 你提到 Linear。Linear 太棒了——从 Linear 自动切工单出来特别好用，你直接跟智能体说：好，我这有六个 Linear 工单，开干。

Cliff： 而且说实话，今天的好工程师就是一个顶级的 QA。AI 把功能做出来，你来测，看好不好；你找出边界情况（edge case）在哪儿，再提示它修；然后你要尽可能把效率做上去——这件事很难。再往后，你每天要做的就是大约 10 个真正好的产品决策和工程架构决策。

Harry： 内部 token 的分配你怎么管？我见过有公司搞排行榜——我觉得那是最扭曲的激励玩法。

Cliff： 你不能靠堵。有很多人嘴上功夫了得——我会让他们举例子，看完例子的反应往往是：嗯，就这？所以我按 demo 来评价：能不能开个 Zoom，把你做的东西演示给我看，然后我自己上手用，用完感叹"哇，太牛了"；或者你发我一段你做的功能或技术的录屏，我看完说"哇，真不错"。

我们的记功标准是：东西真正推上线、到用户手里。哪怕是 AI 团队内部也一样——这也是 Speechify 能赢的部分原因。你问过我们是怎么做成一家更大的实验室的，答案就是：我们不停地往生产环境发布。我们是这么赢的。我们不搞纸上谈兵，我们是一家应用型 AI 公司，这就是我们能赢的原因。

所以我常给 Speechify 的工程师打这个比方：假设你是送牛奶的，你做了特别漂亮的一瓶奶，却把它放在路口。奶会坏掉的。你必须把它送到我家门口，敲门。没做到这一步，就没有功劳。你把橄榄球一路带到端线前，却没跨进端区；你起脚射门，球没进——没有功劳。你把球带到篮筐边上，没放进去——没有功劳。"放进筐里"的意思是：推到生产环境、没有 bug、用户真的在用，然后我们拿到反馈。有多少公司能把这种迭代循环跑快？几乎没有，更别说是以 Speechify 这种用户体量。

所以在 Speechify 的 AI 团队里，你做出了了不起的发现，我们说：好，推上线。然后你说：等等，这儿有个 QA 问题，那儿也有个 QA 问题；如果有这么多用户在 AI 服务层上用它，还会冒出别的问题。行，那我不记你的功——它没在生产环境里，我在自己手机上都用不了。等我能用上了，我才给你记功。

说个例子：昨天我和 AI 工程团队开了个会，我说，听着，我们在跑的双工模型和 AI 对话编排项目让我非常兴奋，进展很快，但我希望它更快——这是我想要的 14 条改进意见。然后我一直以来的做法是：开着 Zoom，把电脑转过去对着我的手机，当着他们的面用产品，同时录下来。这样他们就能看到所有的 bug，之后我把录屏发到群里。

我们团队有个 19 岁的小伙子，今天早上就凭那次会的内容给我发了个 demo，把我提的问题全解决了。他说：嘿，我刚才在等三个训练任务跑完，趁等的空档，把你要的东西全实现了。我看完直接惊了，做得太好了。这才是对 AI 的正确使用。所以标准不是 token 排行榜，而是：你在生产环境里拿出了什么好东西？

Harry： 你觉得真正像你们这样"token 上头"、以 AI 为中心的开发团队，全市场有几家？

Cliff： 有个人叫杰森·耶格尔（Jason Yeager），以前在 Speechify 干过，现在在 Instagram 上做"MyTech CEO"这个账号，特别逗。他做了很多视频，调侃那些疯狂的 CEO 整天喊"用 token、用 token"。我觉得所有创始人心里多少都住着那头野兽，因为你知道那是正确的路。但理论和现实是有差距的，你得确保自己别做过头。

Harry： 你在 token 上有价格敏感度吗？

Cliff： 有，当然有。如果你为了实现一个小功能就用掉 15000 个 token，我会原地爆炸：你干嘛要这么干？谁要是毫无理由地乱烧 token，我们是会开人的。

Harry： 你们能精确地给 token 做预算吗？

Cliff： 做不到精确，但能框住范围。另外还有一点：很多工程师——你看，人选择干工程这行就是因为喜欢优化，大多数工程师又不傻，token 花超了他们是会肉疼的。再说一遍我一贯的观点：和 AI 交互最好的方式就是对话——打字聊，或者直接语音说——你在用语言不停地写伪代码（pseudocode）、讲架构。举个特别好的例子：我认识一个完全没有工程背景的人，他想做个应用，结果真把想要的东西做出来了，只花了两小时。

但他需要调一个 API、需要爬一个网站，于是他把那个网站的每一个页面、每一个板块全爬了一遍，账单大到吓人。我问他：你为什么这么干？为什么不先查数据库找到那个确切的 URL，只爬那个页面？这么一改，要访问的节点从 25000 个变成 20 个左右。工程师的价值就体现在把这种事优化掉——好的数据库、好的架构系统就是这么建出来的。和智能体打交道是同一个道理：你要让它走阻力最小的路，而不是阻力最大的路。

Harry： 完全理解，也同意你。我觉得最大的问题之一是：智能体是目标导向的，所以它们就像……

Cliff： 一切的关键在目标。你得擅长挑对目标。我记得 Anthropic 在 Fable 1 发布时发过一篇论文，讲用 Fable 跑长周期任务：它跑两周的任务明显更强，两周烧掉价值 12500 美元的 token，基本能换来一个更好的模型。这就是完美、绝妙的 token 用法，正是你要的。

你不要的是：五个小时烧掉 12000 个 token，做的却是完全没必要、毫无意义的事。你需要让循环跑起来，然后检查结果。你要构建的东西——Boris（译者注：Boris Cherny，Claude Code 的作者）天天在讲这个——就是循环：这是目标，这是衡量目标的方式，然后对着目标一遍又一遍地迭代，直到达成为止。

Harry： 在打造一支以 AI 为中心的开发团队这件事上，有什么是你当初不知道、但愿早知道的东西？拥有自己的 GPU 到底有多大的用？那个顿悟时刻是怎么来的？

Cliff： 顿悟时刻是：我们意识到自己明明有一批非常有才华的工程师，但他们的实际推进速度只有理论值的七分之一——如果算力能和他们的创造力、想法一比一匹配上，他们本可以快七倍。

Harry： 如果正在听这期节目的是一位创始人，在 AI 新时代里，我的招聘流程应该怎么改？

Cliff： 第一，实操面试（functional interview）：让他现场做一个东西，看他能不能做出来，再跑几组单元测试检验。第二，给他一个大型代码库——哪怕是个开源仓库——让他理解代码、做改动，然后看他改坏了什么。第三，他必须能熟练地编排智能体；做不到这一点，这个人基本就不值得招。

还有一点：小团队更有意思。大团队当然好，前提是人人都在出力。我的思考方式是这样的：我可以在自己电脑上挂多个智能体，也可以在 Slack 上和几个比我更懂行的聪明人开几个对话——那个人本质上就是这件事的结果负责人（outcome owner），智能体归他调遣。这样我作为创始人可以同时推进多个项目，还能管到非常细的颗粒度。

想想今年早些时候的某个时刻：我兄弟泰勒（Tyler）真的定了个凌晨三点的闹钟，因为他要爬起来看智能体三点钟跑到哪了。醒来，确认一切正常，再接着睡。基本上你得每三个小时就照看一次你的智能体。而现在妙就妙在：你可以去健身，智能体自己会把答案告诉你；你用 Speechify 发条语音指令说下一步要做什么，事情就会发生。

所以你要招的就是有这种"上瘾"程度的人。显然这会带来巨大的 AI 疲劳，所以要注意别让大家累垮。但你要的就是兴奋到这个程度的人。所以我认为，今天招聘要看"斜率"而不是"截距"（slope over intercept），这比以往任何时候都重要。换句话说：我看重的是这个人的潜力，而不是他今天的位置。

语音 AI 大逃杀：商品化、官宣哲学与客服市场

Harry： 说回 Wispr Flow 和 Willow（译者注：均为语音听写工具）。我之前发过一条推又删了，因为我不想做那种尖酸刻薄、阴阳怪气的人——创业是很了不起的事，作为创业者你理应得到充分的肯定。但我确实觉得 Wispr Flow 的产品在变差。

我在推特上说出来，是因为我真心想要替代品——我是重度用户，真的需要这个产品。结果我收到了 500 个不同的替代品推荐。我当时就想：这就是市场商品化的活标本。这不是我想待的市场。你帮我理一理：Wispr Flow、Willow 这类"生产力语音转文字"市场，是不是已经彻底商品化了？

Cliff： 他们最早推向市场的并不是自己的模型。产品变差的部分原因，正是他们换上了自己的模型——因为便宜得多。之前他们是用一个 harness 把一堆外部的东西串起来，底层大概是 DeepL 或 DeepGram，外加一堆优化。现在他们在往笔记方向做，更多地转向生产力场景，而且我觉得他们做得挺成功的。这就回到你说的复合创业公司了。我一位很重要的导师……

Harry： 你看着他们，难道不会反思自己之前说的策略吗——不官宣融资、什么都不官宣？人家可是什么都官宣，连上厕所都官宣。

Cliff： 没错。

Harry： 所以人家的品牌——我得说——做得更大。

Cliff： 论用户可不是。你在纽约街头随便问，知道 Speechify 的人远比知道 Wispr Flow 的多，因为我们的用户多得多。但在科技圈，他们的品牌确实大得多——投资人知道 Wispr Flow，是因为他们官宣；我们是有意不官宣。而且我们其实没有竞争对手：你想给自家模型配文本转语音，除了 Speechify 你还能用谁？

最接近的是 ElevenLabs，而我们比 ElevenLabs 大得多。我们在自己的市场里独一无二。正因为 Wispr Flow 把一切都喊出去了，他们现在才有了一堆竞争者。所以借用彼得·蒂尔（Peter Thiel）那句话：只有失败者才竞争（only losers compete）。尽量别去竞争。

Harry： 那个市场接下来会怎么演变？Wispr Flow 拿走大头，然后几千个"咬脚踝"的小玩家分剩下的？

Cliff： 我不知道。我是说，我乐见他们待在那个市场里。我觉得那个市场也会走向寡头化。顺便坦白，这是我犯过的又一个错误：我自己做过一个语音转文字的工具，过去七年在电脑上用，还侧载（sideload）到我的 iPhone 上。但我当时认定这是个会被商品化的产品——苹果迟早会把它做成系统自带功能发布出来，那就完了。结果苹果一直没做。还记得两年前苹果宣布和 ChatGPT 合作改造 Siri 吗？什么都没发生。

这也是我一直没去碰 Siri 那块市场的原因。而现在，我们发布了一个和 Siri 竞争的产品、一个和 Wispr Flow 竞争的产品，还有一个和 ElevenLabs 竞争的产品——因为我学到了那个本该更早学到的教训，也就是 ElevenLabs 给我上的那一课：赢的方式是先免费提供一款优秀的产品，让它成为楔子，然后不断地往上叠加更多东西。所以我不知道 Wispr Flow 那个市场会怎样，我只知道：如果你是创始人，你就该永远去试。

Harry： 最后一个话题。又一个会让我挨骂、但我坚信不疑的观点：客服市场是个很难真正看好的市场。Sierra 和 Decagon 跑在最前面，拿走了大部分融资和关注度；而且过去 18 个月里，已经有 18 家公司融了超过 1 亿美元。中间还有我所谓的"腰部梯队"——Intercom、Talkdesk、Crescendo 这一批——它们不算老，但也够老了。

Cliff： 对，八到十年的公司，而且做得还不赖。

Harry： 嗯。然后更老的还有 Salesforce、Atlassian 这些。而这个市场最糟的一点是：任何一个成熟的买家——Airwallex、Klarna、Navan，随便哪家技术型公司——全都自己建了客服系统。

Cliff： 是的，因为他们需要深度定制的自建系统。

Harry： 当然。那凭什么还要给外部厂商交这笔"税"呢？我漏掉了什么？

Cliff： 你漏掉的第一点是：我们 B2B 的核心产品是 API，不是智能体。Sierra 没有自己的模型团队，他们用的是别人的模型，因为 Sierra 的价值在 go-to-market，在 Brett Taylor。所以如果你去问 Mati 和 Piotrek，他们会告诉你他们和 Sierra 不构成竞争，因为他们的主业一直是 API。这是第一点。

API 这个赛道里，玩家就是 Speechify、ElevenLabs、Gemini、Grok——也就是说 SpaceX 现在也进场了——基本就这些。所以这个赛道没那么拥挤。而 B2B 客服那个赛道，人人都在里面——Fin，所有人。我不做那个产品：我能提供什么比下家好 10 倍的东西？不多。而在核心的 API 赛道上，我能给你更高的质量、更快的速度、便宜 10 倍的价格——这是好买卖。

但在此之外我还必须做智能体，因为有太多价值洼地还没被解锁。而且除非我——再说一遍我的领导力模型——你不能当一个胖经理，像坐在后方的将军一样喊"拿下那座山头"；你要当那个提着剑第一个冲上去和敌人交手的战士。做产品也是同一个道理：你必须是自己 C 端产品的头号用户，还要帮你的客户把产品用得更好。做到了，你就会了解他们的问题，然后想出下一个该给他们做的产品。

所以，除非我有前置部署工程师（forward deployed engineer）泡在 B2B 客户那里、用我们的技术为他们构建智能体，否则我永远发现不了山那边下一个真正了不起的创新是什么。还有，你刚才提到的那点很对：ElevenLabs 现在拿下了那么多政府合作——政府业务可不算客服——但如果他们当初没在私营部门打出漂亮仗，永远走不到政府这一步。

Harry： 同意。ElevenLabs 是除了 OpenAI 之外，和政府走得最近的 AI 公司。这说明他们跑通了一些东西——但起步你还是得从客服这类场景开始。

Cliff： 再说一遍：如果你是创始人，你就得去试。你不能不试。你不能还没进赛场就先认输。

Harry： 五年后谁会是更大的公司，Sierra 还是 ElevenLabs？

Cliff： 我觉得它们都会成为巨头。

Harry： 必须说一个名字。

Cliff： 布雷特·泰勒的履历大概是全世界最漂亮的：他创办了 Google Maps，当过 Meta 的 CTO，当过 Salesforce 的联席 CEO，现在是 OpenAI 的董事会成员，然后又创办了 Sierra。我永远不会去和 Brett Taylor 硬碰硬。

而且这个市场太大了——我们还远远没有理解 AI 智能体、AI 语音智能体的空间有多大，就像 2019 年人们不理解 LLM 的市场有多大、2021 年人们不理解 AI 编程智能体的市场有多大一样。这是下一个巨型市场，所以这两家公司都会成为巨头。我认为它们在下两盘完全不同的棋。

Harry： 好吧。我认为 Brett Taylor 实际上是想再造一个下一代的 Salesforce——他绝对不是在打客服这盘棋。他在往售前走，什么都要做，也在往售后走。

Cliff： 但 ElevenLabs 也不是在打客服这盘棋，他们也有覆盖全流程的产品。所以我才管它叫 AI 智能体，而不是客服。我认为 Mati 在建的是一家旗帜鲜明、以语音为中心的公司。

Harry： 同意。

Cliff： 而 Brett Taylor 是什么都要做，全都要做。换个说法：你用 Sierra 这样的工具，它今天的楔子是语音，但真正重要的部分是工具调用（tool calling）。ElevenLabs 也能做一些工具调用，但那不是他们的看家本领。

Brett Taylor 做过一场特别棒的演示：屏幕共享他在 Shopify 上开一家吉他店的过程，展示他如何用 Sierra 做客服、做销售、做所有事。极其震撼。没搜过的人真该去搜搜看——Brett Taylor 是个资深吉他玩家。这和 ElevenLabs 做的是非常不同的产品。所以他们两家都会赢麻。

屏幕正在死去：语音界面与 Meta 对 SpaceX

Harry： 你对 Sierra 的判断我同意。那换个问题：今天听上去是"不可能"的事，五年后我们会说"那当然"的，是什么？

Cliff： 人机交互界面将变成以语音为主，而不是以屏幕为主。谷歌当年成功，部分原因就是界面极其简单：一个文本框、一个按钮，没了，谁都会用。ChatGPT 之所以能成、而 GPT-3 没能成，也是因为它界面极其简单：就是聊天，一个文本框、一个按钮，给你回复，没了。比这更简单的形态，就是对话本身：我说一句，听到一句回应。

你现在用 ChatGPT 的语音功能，很烂——太慢，背后的 LLM 比主力模型蠢得多，向高质量模型升级的路径也很弱。我认为接下来会发生的是——Meta 的思路是对的，顺便给克里斯·考克斯（Chris Cox，Meta 首席产品官）点个赞——人们会整天对着电脑、手机和某个可穿戴设备说话，看屏幕的时间会少得多。

Harry： SpaceX 和 Meta 只能买一家，你买谁？

Cliff： Meta。

Harry： 为什么？

Cliff： 因为埃隆分心了。

Harry： 他是分心了，还是在下一盘全栈的大棋？

Cliff： 事实上，我认为他现在的战略布局前所未有地好：他做的每一个产品都有自己的出口，而且环环相扣、互相喂养。

Harry： 你看扎克伯格（Zuckerberg）和 Meta，说白了，他投的那些算力，出口是广告业务转化率的提升——那可是全球最大的广告业务。2400 亿美元的盘子提升 7%，那可是一大笔钱。

Cliff： 对。但它和太空数据中心还不属于同一个量级。所以先把太空数据中心放一边——我认为它是个很有意思的点子，它最妙的作用是：让我能给 SpaceX 的估值预期承销一个巨大的 TAM，所有常规测算都被它掀翻了。这是埃隆从帽子里变出的一只绝妙的兔子，融资路演效果拉满。先把它放一边。接下来我把 SpaceX 和特斯拉（Tesla）当作一家公司来谈，因为我评估的其实是埃隆本人，而不是把 SpaceX 当作一只独立的股票来看。

对数据中心来说，眼下最大的瓶颈是内存卡，很快会变成电力——很多时候已经是电力了。电力需要什么？需要供电，也需要储能。而目前最好的储能恰恰来自特斯拉。特斯拉还在做自己的芯片制造，基本上在和所有人竞争，这块也会做得很好。大概两年前埃隆上过乔·罗根（Joe Rogan）的播客，他当时就讲：难的不是做出产品，难的是为实体产品建起制造体系。所以埃隆是制造这类复杂产品的世界第一，这非常令人兴奋。

所以埃隆旗下公司的 TAM 更大。不过，Meta 现在的估值是多少？比 SpaceX 低，就是比 SpaceX 低。而且我认为 Meta 拥有比世界上任何公司都多的数据。我认为 Meta 其实被 GDPR 这类法规捆住了手脚：如果没有 GDPR、没有美国的那些法律，Meta 早就起飞了——他们现在没法真正在自己的数据上好好训练。这个问题他们迟早会以某种方式解决，我不知道怎么解决，但我相信小扎。

Harry： 说到底，我是创始人领导型公司的坚定信徒。这两位都是全世界最好的创始人。最后再说一点：看看小扎的年龄，再看看埃隆的年龄——小扎不会停，埃隆也不会停，但到某个时点，总有一个会先"到期"。小扎多出来差不多 20 年。所以取决于你的投资期限有多长——我比小扎还年轻，咱们走着瞧。

Cliff： 我觉得小扎要是"到期"了，Meta 就完了。

Harry： 小扎要是"到期"了，Meta 的股价反而会涨。

Cliff： 什么？

Harry： 我完全不同意你的说法。因为你会换来一位新 CEO，他懂得——至少短期内——该对市场说：我们不能再这样无限地把资本开支（CapEx）往上堆了，这些投入现在根本没有出口。

Cliff： 好吧，短期内股价确实会涨。

Harry： 小扎每次站上宣讲台念"CapEx、CapEx、CapEx"，股价就被暴打一顿。但这恰恰是 Meta 现在是个好投资的原因：Meta 缺的是 Palantir 拥有的那种东西——亚历克斯·卡普（Alex Karp）效应。Alex 特别擅长把公司的市盈率（PE）吹上去；而小扎，同意你说的，恰恰相反。

Cliff： 埃隆也一样——"埃隆溢价"嘛，一模一样。如果把埃隆从公司拿走，公司价值要蒸发 70%。

Harry： 没错。

Cliff： 而如果小扎被拿走，你肯定不会损失 70%——你可能什么都不损失。

Harry： 我甚至觉得，你会换来一位经验丰富的高管，他说：我们是一家广告公司。

Cliff： 查理·芒格和沃伦·巴菲特——不对，其实是本杰明·格雷厄姆（Benjamin Graham）——有个"烟蒂"（cigar butt）的概念，对吧？就是问：一家公司的内在价值（intrinsic value）是多少？他们是从会计视角去算的，而我喜欢从底层技术和业务的视角去想。

Meta 的底层资产、它的内在价值，相对它今天在市场上的估值来说，实在太大了。而且你说得对：Meta 的市盈率是多少？32 倍左右？而 SpaceX 的估值倍数已经离谱，特斯拉也在好几百倍。我认为市场一定会来一次回调——除非埃隆那个大大大大大的愿景真的成了。真成了，那就是他赢。

用 AI 治愈家人：技术信仰的原点

Harry： 你现在最兴奋的是什么？

Cliff： 我最兴奋的是 AI 在药理学和生物学上的应用。我家里有人得了非常严重的自身免疫性神经炎症，已经六年了。我连续 15 周每周给他采血样，送到实验室做基因组测序，做蛋白质组学（proteomics）分析，弄清他体内蛋白质的表达情况，每一周还做 RNA 分析。然后把这些数据和他自己上报的生活质量、情绪变化数据做对照。我手里有他六年的数据，放在 GPU 集群上跑——结果我发现了太多任何医生都告诉不了我的东西。

他得的是种非常罕见的病，叫"孤儿病"（orphan disease），因为患者太少，还有个 Facebook 病友群。我现在在买一种设备——大概 5000 美元，能装进口袋——放进一根头发、一点唾液或血液，就能测出你的整个基因组。所以我在组织这种病友的线下聚会，给他们所有人做基因组测序，然后把数据放到一个巨大的 GPU 集群上比对，找出他们之间表观遗传（epigenetic）层面的共同线索。我就是知道，我一定能攻克这个病。放在过去，我根本没有做这件事的本钱。

更美妙的是，我可以把得出的所有结论放进 Isomorphic Labs 的 AlphaFold（译者注：DeepMind 系的蛋白质结构预测系统）里：我不仅能设计那个制造问题的蛋白质，还能设计需要和那个蛋白质结合、把它激活或关闭的分子。

我可以用 CRISPR 干同样的事；我可以用 Twist 这样的实验室，告诉它"帮我合成这段 RNA 序列或 DNA 序列"，它就能做出来、寄到我的实验室或我家。我能用它创造出惊人的结果。而这一切的模拟，我都能在自己的电脑上完成——它通过 SSH 连着我在亚利桑那州斯科茨代尔（Scottsdale）的 GPU 集群。我能治好我兄弟的病。

说说我自己的经历吧：我八岁那年还不会认字，是我爸爸翻开书给我读《哈利·波特》（Harry Potter），我才学会了阅读。13 岁我搬到美国，一句英语都不会说，就把《哈利·波特》有声书连听了 22 遍——第一章我到现在还背得出来。后来我没考上我兄弟和姐姐上的那所私立高中，特别沮丧，去了一所差一些的高中。又因为申请文书里一堆拼写错误、阅读文章读不完，没能进 AP 美国历史课。

为了考 SAT 的阅读部分，我训练出了一套自己的办法：不读文章，先看答案，再回头去文中找答案。再后来上大学，不知是蒙了哪路神的恩典，我进了布朗大学（Brown University），还因为学不了文科，自己捣鼓出一个可再生能源工程专业。我做了一个文本转语音工具，把我所有的课本读给我听——我就是这样才毕业的。

技术治好了我的阅读障碍（dyslexia），治好了我的多动症（ADHD），它也一定会治好我兄弟的病。它其实已经治好了我爸爸的前列腺癌——在很多好心人的帮助下，我摸索出了用 GPU 定位他体内病灶的方法。这就是我兴奋的原因：每一个人都能因此过上更好的生活，因为你手里有了一台魔法机器——它能在你想要多少就有多少的 GPU 上，每秒跑一万亿次运算，解决我们人类解决不了的问题。

Harry： 让我感到震撼的是：直到今天，世上还存在着"孤儿病"这种东西——就因为患者太少，制药公司觉得在经济上不划算，就不去攻克。而患者其实有几百人、几千人——虽然也就几千人。

Cliff： 再说一遍，这是同一回事：你只需要数据、需要算力，再加上提出好问题。就像我说的，每天 10 个好决策——不管是科研假设还是产品决策——你就能解决这些问题。

Harry： 太精彩了。Cliff，今天请你来真是太好了。我就喜欢这种讨论式的节目。回聊。