UiPath CEO Daniel Dines：模型可互换，工作流才是 AI 时代最值钱的资产

▍嘉宾：丹尼尔·戴恩斯（Daniel Dines）

丹尼尔·戴恩斯是罗马尼亚裔创业者，UiPath 创始人兼 CEO。

• 创立与上市：2005 年在布加勒斯特创立 UiPath（前身 DeskOver），从 RPA（机器人流程自动化）起家，2021 年在纽交所上市，是欧洲出身的最大软件 IPO 之一。
• 卸任与回归：2024 年初曾卸任 CEO，同年年中即回任，亲自操刀公司向智能体自动化（agentic automation）的转型。
• 本期语境：他带着自己的新书做客——一本由 Claude 和 ChatGPT 担任“代笔”、花六个月写成的书，主题是 AI 的根本局限与企业转型。

▍关于 UiPath

UiPath 是创始于罗马尼亚、总部位于纽约的企业自动化软件公司。

• 核心模式：从 RPA 起家，把重复性流程交给软件机器人；近年转型为编排与自动化平台——用编程智能体“打印”自动化软件，用工作地图捕捉企业上下文，用编排层给智能体划定行为边界。

• 体量与近况：年收入约 16 亿美元、上财年增长约 14%（本期自述口径）；员工约 4000 人，其中工程师超过 1000 人；2026 年 9 月进入高德纳新的 BOAT 魔力象限的领导者象限。

• 行业位置：在 SaaS 末日（SaaSpocalypse）的抛售中一度被市场归入“AI 输家”，本期 Daniel 的牛市逻辑正是围绕这场转型展开。

Harry： 这里是 20VC，我是 Harry Stebbings。今天坐上热座的，是我最亲爱的朋友之一，也是过去十年里最伟大的创始人之一——UiPath 创始人兼 CEO Daniel Dines。

今天我们要讨论那些最重大的问题：“跟上前沿”（pacing the frontier）到底意味着什么？这真的可能吗？AI 会取代人类吗？如果人才管道不断收窄、初级岗位越来越少，会发生什么？人类意识又当如何？如果递归超级智能真如前沿模型厂商所说的那样强大呢？这是一场讲真话、破迷思的对话，也是两个老朋友之间关于“当今 AI 世界里没人在谈论、但人人都需要知道的事”的精彩讨论。

开场：上市公司 CEO 为什么写书

Harry： 你已抵达目的地。Daniel，伙计，你能来坐热座真是太好了，这期我期待已久。非常感谢你的到来。

Daniel： 我也是，伙计，来这里总是很愉快。而且我认为现在正是科技领域最火热的时刻，所以我很期待和你聊，也想听听你对很多话题的看法。

Harry： 现在确实是最疯狂的时刻。我想从这里开始：你写了一本书。写书的人很多——恕我直言，你是我的朋友，我非常在乎你——但你一个上市公司 CEO，到底为什么决定写书？无意冒犯，你又不是为了版税。为什么写书？

Daniel： 伙计，写书是我从小的梦想，只是我发现自己没什么天赋。

现在机会真的来了：Claude 和 ChatGPT 帮了我大忙，它们是我的代笔。这也是一个很好的契机，把我自己的想法整理成体系——当你把东西写下来的时候，你对自己在做什么会有清晰得多的认识。前后大概花了六个月。我从几条不同的思路开始写，其中一条是：AI 的局限是什么？AI 是否存在某种持久的、根本性的局限？

数据中心里的一百万个爱因斯坦：记忆不是学习

Harry： 好。有人说，再过几年，一个数据中心里就会有一百万个爱因斯坦，我们都可以去玩了，想干什么干什么，因为爱因斯坦们会替我们干活。要不就从这儿聊起？我们一段一段来：AI 的局限、数据中心里的爱因斯坦——我们该怎么思考这件事？

Daniel： 我第一次听到“几年内数据中心里会有一百万个爱因斯坦”这个说法时，说实话，我很担忧。达里奥·阿莫迪（Dario Amodei）是我非常敬重的人，也非常成功。我当时就在想：这对我们意味着什么？我能雇一个这样的“爱因斯坦”，把它装进一台笔记本，给它分配一个企业账号、一个 Slack 账号，然后让它干我的活吗？或者干企业里的任何一份工作？

现实可能并非如此。达里奥想表达的也许是：我们将拥有数百万个具备爱因斯坦某些推理能力的实体——这一点我同意——但它们不是作为“人”的爱因斯坦，不是那种能在工作中学习的爱因斯坦。你同意吗？我们雇一个人的时候，一个最主要的期待就是他能在工作中学习。没有哪家公司会给新员工一本手册，告诉他“你的工作从头到尾就该这么干”。我们默认期待的是成长。

Harry： 不，我认为人类确实在工作中学习、在工作中精进，模型也一样，这方面两者相似。只不过人类会累，人类想加薪，人类要文化，人类可能有毒，人类难管理。换成 AI，我哪天都乐意。

Daniel： Harry，如果 AI 能和人类做得一样好，那当然。但你说 AI 在工作中学习——AI 可以在工作中建一个记事本、一块草稿板，把工作里的一些政策记下来。

但 AI 不会像人被工作改变那样，在工作中改变自己的权重。这是巨大的差别。举个例子：两个厨师，一个做了二十年日料，另一个只做过意餐。你给他们同一份菜谱，他们做出来的菜会不一样。企业不是能写在一张纸上的东西，它复杂得多，它是一个“成为”的过程。再想想：如果我让一个人读遍所有象棋书籍，你觉得他不下一盘棋、不输一盘棋、不经历整个过程，就能成为特级大师吗？多半不能。如果我让你看完所有滑雪教学视频，你就成滑雪者了吗？不，你没有。

Harry： 但我认为这取决于你在企业里做的是哪类任务、哪条工作流。看看 UiPath 和每家公司里大多数人实际做的事：财务会计、市场营销、销售——不管 outbound 还是 inbound——还有社交媒体运营。伙计，这些大部分都是执行导向的。

是的，判断力、模糊性处理和品味在顶层很重要，但大多数人做的事是执行。

Daniel： 我不同意。我认为大多数人在工作中都会展现出某种微小的主动性：也许我有一种直觉，这个客户快要流失（churn）了，我可以在任何数据出现之前就行动。这种直觉从哪来？来自我多年被工作塑造的经历，它没写在任何一张纸上。把运营模式写在纸上，和真正活在其中，差别巨大——对企业来说这几乎是不可能的。对 AI 来说，你承认吗，一切都必须被写下来、被文档化？每次我问模型一个问题，模型都得通读我整个企业。对吧？所以这是不可能的。

Harry： 但我也要说——恕我直言——你说的是 AI 今天的能力状态。以 AI 现在的进化速度……

Daniel： 这正是当下最大的瓶颈之一：AI 不在工作中训练，不训练自己的权重。而我每做一件事都在变——比如和你聊完这场之后，我就被改变了。

我会带着这场讨论走进我之后所有的思考。AI 不是这样的。

Harry： 我不是故意抬杠，但 AI 确实有记忆啊。这就是为什么人们离不开 OpenAI：它有记忆，能从你过去的查询和提示词里推断，并据此给你建议。所以它确实有记忆。

Daniel： 它有记忆，但记忆不一定是学习，两者不是一回事。记忆只是被写下来的东西。而我和你聊天的时候，我不会回去翻记忆——我是直接被改变了。就像模型：新版本的模型不是旧版本加一张记了笔记的纸，而是它被转化进了自己的权重里。这就是为什么新版本会好得多。

举个用我们自己技术的简单例子。我们把 UiPath 平台开放给了编程智能体（coding agents），现在在 UiPath 上创建自动化容易多了。但我们发现：一个读过开源技术的模型——它有大量样例，这些技术已经在它的权重里——做出来的东西，会比基于我们自家技术做的好得多。因为无论我们写多少提示词和技能，那都不如模型把知识内化在权重里，这两者完全不同。

想想世界上所有关于“读”和“活”的隐喻：你可以读一本传记，但那不意味着你活过那段人生，不意味着你被改变了，不意味着你会像那个亲历者一样回答问题。对我来说，这就是模型目前最大的局限。

意志与推理：递归自我改进的思想实验

Harry： 我其实同意你，而且我觉得所有人都同意——这就是为什么所有人都在拼命追逐递归自我改进（recursive self-improvement）：让模型持续从自己身上学习、随时间自我提升，不需要人类干预。这难道不能消除我们刚才说的那个局限吗？

Daniel： 我不知道，伙计。也许我们自己就是某个自我改进循环的产物。来做个思想实验：把今天我们拥有的、用最好技术做出来的模型放进一艘飞船，扔向群星。假设这项技术就像冯·诺依曼（von Neumann）设想的那样能自我复制——飞船飞到不同恒星，获取能量，继续走下去。于是算力无限，模型无限自我改进，最后会怎样？

也许它们会创造出一个像我们世界一样的模拟世界——因为它们会无限改进，理论上就是这样——它们会在内部模拟一个和我们自己的世界一样复杂的世界。但那就意味着，我们自己也身处某个无限模拟之中。我不知道这会通向哪里，但我知道我在书里做了一个重要的区分：意志（will）与推理（reasoning）。我们并不确定“做一件事的意志”是从推理中涌现的，甚至不确定它是否来自意识。我认为意志是宇宙织物中一个独立的部分，人类并不清楚意志究竟是什么。以为拿一个大模型、放进自我改进循环里、它就会产生意志——我觉得这是一厢情愿，我不太信。

“给前沿降温”：备忘录的弦外之音

Harry： 但我的观点是：我们不知道。这才是试图预测未来时最让人为难的地方。递归自我改进的世界，落点未知——你创造的技术可能变成你未曾设想的样子。所以我的问题是：这周的新闻里，达里奥说我们需要“给前沿降温”（pace the frontier）。你今天经营着 UiPath，你觉得我们需要给前沿降温吗？

Daniel： 我想说，如果他们真的相信这项技术正在失控、自己无法控制、实验会给互联网或其他系统造成重大损失——那我要是他们，我会不惜一切代价放慢脚步，因为说实话，我不想冒坐牢的风险。我认为已有法律在约束这类失控行为。所以老实说，我不需要外部压力来管住自己：我会做一个有顾虑的公民，不会去造一项造成伤害的技术。

当然，他们现在的论点是：这是唯一能防住“坏小子”的办法——我们是好人，但世界其他地方总有一些坏小子会不管不顾地把技术造出来。所以他们更像是在要一张通行证：我想顶着风险造这项技术，我愿意敞开大门让别人看到我是怎么做的，因为我想尽可能以体面的方式去做；但与此同时，我想免除后果。我就是这么读这份备忘录的。否则这事再明白不过：我们没法跟坏人讲道理，也没法跟坏人结盟来叫停前沿——反正我们能结的盟只有好人这一边。

我甚至认为，就连中国那些正在做 AI 的实验室，我也会把他们归为好人。但对我来说，这份备忘录间接的攻击对象可能是开源：他们的逻辑是，即使好人在做开源，这些开源成果也会落到坏人手里——那些未知的坏人才是真正的危险，所以危险在开源。因此，这在间接上也是对开源的一次攻击。

Harry： 这是一种解读方式。你通过 UiPath 和世界上最大的企业打交道。Palantir 的亚历克斯·卡普（Alex Karp）说过，世界上最大的企业害怕与前沿实验室合作，因为担心他们迟早会杀进自己的业务——他们有数据，可以自己做，然后与客户竞争。你见到大企业害怕与前沿厂商合作吗？

Daniel： 见到了，是的。但我不认为人们是怕 OpenAI 亲自下场做一个竞争对手——我看不出会发生这种事。他们更怕的是自己的知识产权（IP）以某种方式泄漏给现有的竞争对手：如果我是个制造商，造什么零件都好，我不觉得 OpenAI 会来跟我抢这门生意；但如果 OpenAI 拿我的数据去训练模型，其他某些人就可能经由模型间接获得同样的情报。我认为这才是真正的危险，也是正当的担忧，所以每个人都在保护自己的 IP。

精确性：AI 的第二条边界

Harry： 你刚才说，写作能带来清晰的思考表达。在写作过程中，你还把哪条思路理清楚了？

Daniel： 有一点变得非常清楚：AI 的另一条局限，我称之为精确性（exactness）。AI 本质上是概率性的，每一步都可能出错。比如你让 AI 连续执行 100、200 个步骤，就算每一步都有 99% 的正确率，0.99 的 100 次方下来，完成整个流程的概率大概只剩 60%。AI 没有那种机制，能成百上千万次地分毫不差地重复同样的步骤。你让它乘大数也一样：乘上几百万次，总会在某处出错。

这也引出另一个简单的道理：就算你有一个会做乘法的 AI 工具，你为什么不用计算机来做？计算机做乘法几百万次，百分之百精确。“工具能干这个活”不等于“你应该用这个工具干这个活”。

Harry： 那是不是因为“你已经在哪儿”很重要——工作流环境的重要性？我完全懂你的意思，你当然可以换用别的东西。我是在问，不是在抬杠：因为你每天都在 ChatGPT 里待着，与其切换到计算器或别的什么，你顺手就问了正在用的这个工具。这就是环境的重要性。

Daniel： ChatGPT 起的是界面的作用：把我的自然语言问题转换成精确计算。但精确性不是由 ChatGPT 执行的，是背后的计算机在执行——今天你就让 ChatGPT 乘两个大数，它也会在幕后调用一个工具、一台计算机，然后给你精确答案。这正是模型能力的一部分。你在桌面端这类协作场景里，已经能看到模型调用工具的能力。

而我要说的是：把这种能力扩展到企业层面——凡是需要精确的地方，就应该跑在精确的技术上，没有理由跑在概率技术上。这里就出现了我认为最有意思的一点：AI 与自动化在企业里的部署存在一个不对称。部署 AI 智能体并没有比两年前变得更容易，但部署自动化已经容易得多——因为我可以用 AI、用编程智能体来创建这些自动化。

编程智能体是过去一年里最重大的飞跃。我会说，自 ChatGPT 发明以来，先是思维链（chain of thought），然后是编程智能体，这是最重要的几个里程碑。编程智能体工作在“设计时”——我构建系统的时候——我可以创建出在执行时每次都精确运行的自动化。这就是当下正在发生的不对称。而且当自动化因为上游系统的任何变化而失效时，AI 又会再次登场，把自动化修好。

这就是我们看到正在企业中浮现的模式：AI 实际上在创造运行企业的软件，而这个软件不能出错——它不能实时改变自己的行为，它不是概率技术，哪怕它是由 AI 创造的。我们可以真正审计它，可以让人去读它、验证它，可以写测试来保证：给定某个输入，软件的行为完全一致。这让这个模式极其强大：你用 AI 创造出以可预测、可治理、可审计的方式运行企业的软件。

四千人怎么办：转型与人才台账

Harry： 你们现在有多少工程师？

Daniel： 大概一千多人。

Harry： 一千多个工程师。那总共有多少员工？

Daniel： 四千左右。

Harry： 四千人。为什么这么多人？我管 18 个人都觉得是他妈的噩梦，四千？我的天。你们是不是人太多了？

Daniel： 这个问题很复杂，我想用书里的观点来回答：我们越是用 AI 改造公司，就越要同步改造我们的员工队伍。我从没对员工隐瞒过公司会发生转型，但我也开诚布公地告诉他们：伙计们，我们不会干蠢事，不会拿 AI 当借口裁掉公司的一部分人。我们必须在成功采用 AI 的同时完成转型。

这其实是写这本书带给我的另一个发现。我深入研究了各种岗位：哪些会被 AI 影响、哪些会被 AI 增强、这场转型会是什么样子。事后回看，有一个道理很简单：人的工作并不简单到能写在一张纸上。每份工作都有一个可衡量的产出，这是公司雇人的原因；但还有另一种产出，是组织能力的一部分。

想想我和客户之间的深厚关系：它不一定体现在我产出的数字里，但它可能正是客户坚持用我们技术的原因。这是另一种产出。如果我盲目地砍掉一批人，说“因为 AI 会取代他们——AI 能打电话、能写邮件”——但我不认为 AI 能替代人与人之间的连接和信任。这是岗位的另一份产出，它体现在每一位员工、每一类角色上。

所以我认为，企业应该有一本台账（ledger），真正理解每个人在岗位定义之外还做了什么。只有有了这本台账、有了这份理解，企业才能去看 AI 转型该怎么展开：哪些岗位会受影响？我能不能把人从一个岗位挪到另一个岗位？因为他们身上还承载着企业文化的一面。

我不觉得这事像“AI 要砍公司 20% 的人，那我们就裁 20%，然后提高 AI 采用率”那么简单。恰恰相反，盲目这么做，你会把企业掏空（hollow）——掏空的恰恰是那些在 AI 时代最能茁壮成长的人才。

举个例子。我在书里把这群人叫做证书型中层（credentialed middle）——过去任何企业里都充斥着这类人。想想我们的教育体系和招聘方式：我们按某个领域的深厚专长、按证书式的资历来招人。而这恰恰是不再那么被需要的那类专长——AI 在这方面帮得上大忙，所以你需要更少的这类专家。

但你需要更多这样的人：有主动性、能维护客户关系、能给新员工当导师、承载企业文化的人。这很反直觉：你本能会想裁掉那些不是领域顶尖专家的人，但你裁掉的恰恰是你需要留下来、配合 AI 去补足那些专家的人。

Harry： 但也许你只是需要他们的人数变少。我今天和一位律师聊天，问他：“你们的培训生项目多大？”他说历史上是 25 人。我说：“哇，那可真不少培训生。”他说：“是啊，但今年只有 4 个。”

Daniel： 我百分之百同意：大多数岗位需要的人数都会变少。但主要的问题是：减哪些人？你怎么选？

谁留下、谁离开：看框架，不看可验证性

Harry： 我觉得可以很简单地按可验证性来选。财务会计就挺清楚什么是对、什么是错。

Daniel： 我不同意。这跟可验证性无关，关键是：这项工作是否已被别人设定好的框架所定义。如果框架清晰，AI 就能理解这个框架。

Harry： 但框架就是清晰的啊，财务会计——他们不就是给你做报销（expenses）的吗？

Daniel： 不，不是。财务恰恰是最框架不清晰的领域之一。我收到一张发票、收到一个客户订单时，我可以区别对待——规则并不总是写在那儿。我知道对这个客户，英伟达（NVIDIA）会优先给 OpenAI 发货；也许他们有条规定写着“对，我的第一批芯片给他们”，也许没有。如果没有——如果它没有被写进框架——AI 就学不会。这就是为什么你需要创建那本手册，我们把它叫做工作地图（map of work）。你必须把工作地图交给 AI，它才能干成。

Harry： 什么意思？

Daniel： 工作地图，它捕捉的是“工作如何运转”——工作在一家企业里实际是怎么发生的。它包括所有工作流、所有例外、所有程序、所有你为了达成一个流程目标而使用的系统。

Harry： 当然，但那样你会有一个财务负责人坐在 30 个智能体之上。等英伟达回来说“等等等等，我们是你们最大的买家，付款条件我们有特殊待遇”时，他来一句：“对，没问题，交给我。”

Daniel： 但你这就说到我的点子上了：即使在财务，你也没法换掉所有人。

Harry： 不是所有人，但你最后只需要一两个人——总归需要一定数量的人。

Daniel： 问题在于：如果你有 X 个人，你怎么判断谁留下、谁该转去做别的工作？你怎么知道？理想情况下，你想留下的是有 AI 素养、能展现主动性的人——因为 AI 无法展现人类意义上的主动性。

所以在你想保留的这些人里，你要保留最主动的那些。哪怕一个财务人员和客户打交道、处理一张发票，也在为企业文化、为外界如何看待这家企业做贡献。我怎么区分这个人和另一个对客户没那么上心的人？后者更容易被 AI 取代。这就是我认为企业必须建立的台账：理解人的不同产出，按这种难以定义的产出来评价人。

工作地图与“制图师智能体”

Harry： 那对于企业里没有记录下来的“难读数据”（illegible data），该怎么做呢？马克·扎克伯格（Mark Zuckerberg）和 Facebook 说过要监控员工屏幕上的每一个动作，但我不认为那能捕捉到语气——比如之后给客户发的那条热络的短信。这些难读的数据、能体现价值但我们捕捉不到的数据，该怎么想？

Daniel： 我认为这正是问题的关键——你这个问题很有哲学家味道。这正是我们作为一家公司投入大量精力的地方。我们正在推出一项新技术，叫做制图学（cartography）。它是一门学科，帮助企业把“工作是如何完成的”这类信息全部浮现出来，帮助他们创建那张工作地图。

制图学很大的一块，就是去真实地调研人们在桌面上做什么。我们有一个产品叫制图师智能体（cartographer agent），它能采访真人——真正的领域专家——让他们把自己的操作录下来，智能体实时采访他们。比如采访一个财务人员，它会问：“邮编不一样的时候，你为什么改了这张发票？为什么选了另一条路径？告诉我。”于是它开始把所有这些例外浮现出来。真实的智能体采访真实的人，挺酷的。

然后我们把多人的数据汇总，生成流程地图，近乎实时地展示工作是如何运转的。有了这张“现状”工作地图之后，你就可以用我们的编程智能体，构思应该如何改造流程——通过打印软件来改造流程。

流程起点 A 是全手工的：当然有企业系统、有记录系统（system of records），但是人在操作这些系统。我认为任何企业的目标都是：让操作这些系统的人更少，让自动化和智能体 AI 来操作这些系统。

Harry： 你不担心员工的抵触吗？他们知道你盯着他们的一举一动，为的是取代他们——扎克伯格就遭到了这种反弹。

Daniel： 这是不可避免的。关键在于你怎么向公司阐释。在 UiPath，我认为重要的是再次告诉大家：我们不会干蠢事，不会打着 AI 的幌子搞大裁员；但转型不可避免，你们每个人都要转型，每个人都有机会。那些在 AI 素养上更强的人会有更好的机会——不光在这里，未来在任何其他工作上也是。这就是我认为每个人都应该听到的信息。

Harry： 他们买账吗？这之后 AI 采用率有没有飙升？

Daniel： 反响是好的。但 AI 采用需要更多周期，不只是发现流程、收集大家的输入。你看，今年年初，整个行业——不只我们公司，很多公司——员工的恐惧都爆表了，害怕被彻底取代。我认为人们开始慢慢理解自己工作的持久性了，也理解企业里的 AI 扩散（diffusion）会以更慢的节奏发生、一次改造一个流程——因为那几百万个“爱因斯坦”现在还雇不到。

机器换人：成本不是问题，能力才是

Harry： 我们投资的一家公司、数据供应商 Mercor，CEO 布伦丹·富迪（Brendan Foody）昨天发推说：他们花在推理（inference）上的钱是人力薪资的三倍。你怎么看？你们在推理上的支出，相当于人力薪资的百分之几、或者几倍？

Daniel： 我个人不关心这个。跟你说个简单的假设：如果一台机器能把工作做得和人一样好甚至更好，我今天就会雇机器，哪怕它比人还贵。因为人的成本会上升，还会带来差错；而机器的成本会下降。这样一来，相对那些死守人力的公司，我就有了竞争优势。我认为每个人都会这么做。

所以我不觉得 token 成本是“要不要用 AI 换人”的真问题。今天的真问题是 AI 取代不了人。还是那句话：给我带一个能取代我的爱因斯坦来，我立马开开心心去世界上任何地方度假；我甚至想让另一个爱因斯坦来采访我、做这期播客——但这个东西今天不存在。这就是现实，咱们有一说一。

也许这项技术某天会出现：如果真有那种爱因斯坦——像人一样有意志、能在工作中被转化、在工作中学习、具备爱因斯坦那样的推理和想象力——那当然，所有工作都会灭绝。

Harry： 我做过一期和 SaaStr 的杰森·莱姆金（Jason Lemkin）的节目，他把团队从 25 人砍到 2 人。如果他现在坐在我的位子上，他会说：不不不，AI 就是能行——我换掉了财务 VP，换掉了市场 VP，而且 AI 实际上干得更好。

Daniel： 这我得亲眼看看。我听说过一些公司过去裁掉了几百名客服，现在又把他们雇回来了。在这个模式被大规模验证之前——不是在某个行业、某个人身上验证——我认为我们不能拿一个数据点外推到全行业。

SaaS 末日与氛围编程的真实瓶颈

Harry： 你刚才说到外推和夸大。SaaS 末日（SaaSpocalypse）可是真实发生过的。你们有没有用氛围编程（vibe coding）把自己的工具 vibe code 出来？

Daniel： 是的，我们干了，效果惊艳——但算不上非凡的成功。一开始看起来很非凡，可当我们想把它放进生产环境时，开始看到这些工具的真实瓶颈：连接器、权限、审计、安全，一大堆需要维护的东西。把软件从原型带到生产，才是真正的工作所在，写代码不是——写代码很好玩，但真正拉开差距的不是写代码。

今天做原型太容易了，但之后你得迭代，把原型推进生产，还要测试等等。我们当时想替换一个采购工具，自己写——我认为我们很成功，代码完全是 AI 写的。但接下来就又回到自我改进循环那个问题：信任不够。我们没有足够的信任把这个工具百分之百放进生产。以我们的经验，人类必须大量介入这个 vibe coding 出来的工具——比如它生成的数据库 schema 完全是一坨，必须有人来重建结构。

所以现在还没到那一步：一个懂业务的用户理解一个问题，然后自己 vibe code 一个工具出来。你仍然需要工程师和人来维护它，这是个漫长的过程。最后算下来，你付出的成本可能和被替换的工具一样多甚至更多，同时还占用了你最优秀员工的带宽。

Harry： 你今天会买 Salesforce 吗？

Daniel： 我会买 Salesforce——作为记录系统。

Harry： 我是说作为股票，作为股票。我是投软件的！

Daniel： 我觉得几个月前我做了笔好投资：我在 SaaS 末日的底部买了。连我们自己的股票最近表现都更好了。但今天的市场太被情绪驱动，而不是价值，所以我很难对单个公司下判断。不过我不认为 Salesforce 能被氛围编程取代——如果这是你的问题的话。

上市的意义与两万亿估值之问

Harry： 我不明白今天为什么还有公司要上市。想想上市的两个驱动力：第一，为股东和员工提供流动性——但 Stripe 和很多公司已经能在私募市场让股票流动起来了；第二，拥有可用于并购的可交易资产——但很多私营公司也能用自家股票做收购，Stripe 就要用私募股票以 600 亿美元收购 PayPal，所以这也不是障碍。再加上你说的公开市场赌场化——现在的股市全是情绪驱动。我不明白为什么还要上市。

Daniel： 但是 Harry，我们别混淆两类公司：少数非常例外的公司，和外面绝大多数公司。有太多公司是僵尸——至少上市能让它们的投资人有退出通道，让员工能套现。如今这些公司都坐在纸面财富上，而公开市场会让它们直面自己的真实估值。

Harry： 我倒不是说 Anthropic 推动 IPO 的方式毫无价值，但他们和 OpenAI 一样是独特的公司——他们不得不上市，因为他们已经耗尽了所有私人资本，真的是在私人资本的供给上按下了“掏空”按钮。他们是非凡的公司，因为需要的钱实在太多了。你认为 OpenAI 和 Anthropic 的所有投资人未来几年都会留在公司里吗？

Daniel： 不，肯定有一些会留下，但我认为我们会看到一波出逃，老实说。我不相信 2 万亿这个估值——也许他们能到 5 万亿？但如果我按 2 万亿买入，我需要看到通往 5 万亿的路径。

Harry： 但如果他们按 2 万亿上市，你会卖掉 Anthropic 吗——特别是 Anthropic？

Daniel： 我不会。你还记得我们上一期播客吗？你问我押注哪家公司，我说 Anthropic，当时 Anthropic 市值 600 亿。也许我傻，我没投。

Harry： 你要是投了，赚的钱比你说的 Salesforce 或 ServiceNow 那笔多多了。

Daniel： 是，是，百分之百。所以我不会卖。OpenAI 也一样，我觉得 OpenAI 已经漂亮地追赶上来了，我现在两个换着用。我只是觉得我们身处一个大者恒大、价值比以往更集中的市场。但真正的问题是，Harry：我会不会按 2 万亿买？这才是我的真问题。眼下我得看到真实的数字，才能决定要不要在他们的 IPO 里投钱。

黄仁勋、开源与循环收入

Harry： 这话会给我惹大麻烦：我觉得 AI 很像比特币——你很难判断哪个应用会赢、哪个钱包会赢。既然如此，就买那个确定会存在的底层基础设施。所以对我来说，我同意你：我不知道 Claude 会不会比下一个 Codex 更强，也不知道 Cursor 会不会搞出个惊人的东西，但我知道黄仁勋（Jensen Huang）会坐在那儿说：来，再给你一块芯片，再来一块，再来一块。

Daniel： 没错。但我认为黄仁勋的命运系于开源的成功。因为如果 Anthropic 和 OpenAI 形成双寡头（duopoly）——而且我认为他们的时间维度是以万亿计的——他们会自己印芯片，伙计。说真的，印芯片到头来没那么难：OpenAI 在做自己的芯片（转录原文为“jalapeno”，疑为自研芯片代号），Anthropic 也在做自己的芯片。

所以我不认为，如果世上最大的供应商、真理与上帝之光的唯一来源只剩 Anthropic 和 OpenAI 两家，黄仁勋的日子还会好过。因此，开源必须成功。

Harry： 我完全同意。这就是为什么黄仁勋在搞那封人人签名的公开信鼓励开源，还有他收购 Hugging Face 也是一步好棋。

Daniel： 是的，因为 Hugging Face 托管了所有开源模型，这是在为他自己的公司把钱押在钱所在的地方。

Harry： 完全正确。不过这也让一个中立平台不再中立了，有了偏向。

Daniel： 是的，显然他们有 Nemotron。在归英伟达所有之后，“独立性”就另说了。我认为 Nemotron 在这盘棋里还是个小齿轮，有价值，但分量和其他家不在一个量级。

Harry： 你担心循环收入（round-tripping revenue）吗？人人都在谈英伟达投这里、买那里，还有 Oracle 和 OpenAI 之间的循环经济。你觉得这是被夸大了吗？

Daniel： 是过度建设（overbuilt）了，而且解释很简单。我之前想过：为什么每一波基础设施都会过度建设？因为你必须确保自己拿到机会中最大的一块。如果机会足够大，多建一点根本无所谓。显然，现在饼只有 100%，而大家正在建出 200% 的饼——会有输家的。

Harry： 你不觉得这是第一次我们显著建设不足的创新吗？看看现在的约束……

Daniel： 你说得对。以前的技术周期里，我们过度建设的是供给侧，需求侧滞后。而现在，能源是巨大约束，还有水、数据中心、监管和政策——供给侧受到严重掣肘，我们是建设不足而不是过度建设。这就是为什么每一盎司算力都被抢光了。

Harry： 是的，但我们建设不足的程度，配得上涌进基础设施的这数万亿美元吗？

Daniel： 我没法回答。这一切都建立在一个前提上：AI 会真正大规模取代人类工作。我们得看到这场取代和转型的时间表。如果是对未来十年来说过度建设，那是一回事；但它可能只是对未来三年过度建设——而股市和资本可以无比无情。

法律 AI 的算术：九百亿还是一百亿

Harry： 也许我是个幼稚的乐观主义者。我看到安德烈·卡帕西（Andrej Karpathy）说，他用编程工具干了 20% 的活，六个月后他说工具干了 80% 的活，他只在 20% 上搭把手。我们是 Legora 的投资人，做法律 AI 的那家。当年做那笔投资时我采访律师，他们全都跟我说：“你们这些科技圈老哥真逗，以为能取代我们，哈哈，我们可是上过法学院的。”我说行吧。两周前我又采访了他们：15 个人每一个都说，如果这工具被拿走，他们会极度不爽——大多数人说自己已经六个月没亲手写过一份文书了。

Daniel： Harry，你该读读我的书，朋友，它回答的正是这个问题。当一个人操作的框架被别人定义得非常好时——比如法律——AI 的冲击力可以是毁灭性的。当框架不那么清晰、充满为企业量身定制的例外时，就完全是另一回事了。你接下来要和我女朋友——一位律师——待两天，她会告诉你法律是高度模糊的，写作风格上高度主观，她会……

Harry： 人类也是啊！AI 完美理解人类，理解人类敏感性的每一个该死的细微差别——只要它被文档化、被良好定义。法律是有一本该死的手册的！

Daniel： 有手册的时候 AI 很神奇；没有手册的时候，AI 就不灵了。这就是巨大的差别。

Harry： 但美国法律行业是 3000 亿美元的盘子。你想想这里面有多少人力可以被取代。

Daniel： 我认为 30% 是合理的——那就是 900 亿美元的可用收入。

Harry： 对，但那不会全部转化成 token 收入。900 亿里，公司们可能收 10%？那就是 100 亿美元的 token 总机会。那我投 Legora 是不是错了？投 Harvey 的那些投资人是不是也错了——如果盘子是 100 亿而不是 900 亿？

Daniel： 我能告诉你的是：从法律业务角度看，开源模型、前沿模型都会做得不错，也许它们也会承接法律流程周边的定制工作流，那部分很有价值。但这也是我核心论点的一大块：模型是可互换的，而工作流——工作地图，以及围绕工作地图的工作流——才是价值真正所在。

如果 Harvey 和 Legora 在做这件事——真正画出这个世界的地图、创建工作流、为我造出一个法务部门——那它们捕捉的价值当然大得多。但如果只是调一次模型、拿一个法律意见，那不会是一个千亿美元的市场。

自有模型、Fireworks 与数据供应商

Harry： 百分之百。那你认为 12 个月后，token 流量有多少百分比会走开放模型、多少走闭源模型？

Daniel： 我觉得问题不是这样问的。真正的问题是：多少流量会流向真正的前沿模型——比如 Astra 或 Fable（均为录制时点的前沿模型名）——多少会流向对企业工作来说极具成本效益的模型。我的预测是：90% 的流量会流向极具成本效益的模型。大多数运营性工作不需要前沿级别的模型质量。

Harry： 说清楚点：那我们其实还是会用核心供应商，也就是 OpenAI 和 Anthropic，只是用他们被淘汰下来的旧模型？

Daniel： 我还是会用 Anthropic 和 OpenAI 的成本效益型模型，但我会在开源上随时保留一个可验证的备份。作为一家负责任的企业，我应该能随时切换模型，不能被锁定。

Harry： 我问你个事——我就是拿我的投资组合对着你的脑子过一遍。我坚定相信开放模型，我认为每家——不是每家——中到大型公司都会有自己的模型、拥有自己的智能、用自己的数据喂它。这就是我们投 Fireworks（推理云服务商）的原因，我相信开放模型生态。

Daniel： 我是 Fireworks 的铁粉，我们自己也用得不少。

Harry： 你喜欢他们？

Daniel： 是的，我们非常喜欢。

而且我坚定认为企业应该分散下注，其中一注就该押在开源上。还有非常重要的一注，押在工作地图上。想想：如果我要训一个自己的模型——“我是谁”？我必须把“我是谁”非常好地文档化，必须创建这本手册。我今天训一个模型，两个月后又有更好的基础模型出现了；如果我没有数据、没有这本精确的手册，换模型时就会有惨痛的损耗。

对企业来说，真正的投资是创建这张工作地图，记录他们实际的工作方式。有了它，他们就能训自己的模型——在 Fireworks 上还是别的平台上都行，无所谓——但这是他们的 IP，是他们的核心数据。

Harry： 有道理。那你确实相信公司——很多公司——会拥有用自己数据训练的自有模型？

Daniel： 我确实相信，至少会作为前沿模型的备份。我还不确定的是：我的自有模型能不能做到和 Anthropic、OpenAI 的成本效益型模型同样的成本效率。因为这些家伙坐拥庞大的基础设施，他们商业模式的一部分就是：每美元交付的智能，比我自己从自有模型里挤出来的还多。

Harry： 如果你有高度特定的数据、恰好匹配你的请求——你自己的数据——我认为你用自有模型能拿到比优化过的通用模型更高的 token 效率。

Daniel： 只有你自己训模型时才可能成立，而且只有 Fireworks 能大规模、高度优化地交付时才成立。

Harry： 你会按 150 亿美元投 Fireworks 吗？

Daniel： 可能会——如果开放模型这个假设成立，而我相信它成立。那他们就是被低估了。我认为他们很快就得加入锁定算力的大游戏：如果锁不到算力，我不明白他们怎么给我想要规模的推理。你怎么看？你可是投了他们的。

Harry： 投了。我认为你说得完全对，他们需要进入算力层，而且我认为林（Lin Qiao，Fireworks CEO）正在做这件事，很快就会。

Daniel： 所以他们接下来得融几百亿美元了。

Harry： 是的。她在 Facebook 就干过这个——锁定算力，我觉得这是这个团队独有的东西。

Daniel： 很棒的团队，我们非常喜欢他们，在他们大火之前就开始合作了。

Harry： 我还觉得数据供应商被严重低估、被严重轻视了——Mercor 和 Surge 尤其如此。人人都说“哦他们就是卖数据的商品”。但数据是喂出模型质量最重要的东西。

Daniel： 但差别在哪？我认为一码是存储，一码是对数据的理解。如果我只有存储，我可以有一盘磁带，把数据堆上去——你会投一家磁带公司吗？我想不会。你要投的是那种理解数据、喂给模型的智能：在对的时间抽取对的数据，用模型真正需要的、带上下文的数据喂它。如果你只有数据，却没有办法在模型提问时给出好的上下文，那数据毫无用处。

Harry： 我想说的是，他们的数据比谁都多、覆盖的类目比谁都广。所以当模型请求高度特定的数据时，凭借库的广度，他们能提供别人提供不了的东西。

Daniel： 如果那是他们自己的数据、对模型有价值，我确定其他家会立刻掏钱买。

我改变最大的一件事：AI 是万物的平均器

Harry： 问你个事：过去 12 个月，你在哪件事上改变想法最大？

Daniel： 我过去不理解“必须有一本手册才能工作”这件事的必要性——这也许是我认知上最大的突破：每次我向 AI 发起一次查询，我都应该把“我整个公司是怎么运转的”、或者“这个具体流程是怎么运转的”完整摆在它面前。当我意识到这一点时，我也理解了另一件事——这正是记忆与真正学习之间最大的区别，也是我们开头聊的。

我不确定我有没有把这个观点讲透：只是躺在一块草稿板上，和被一段经历所转化，差别巨大。这是我意识到的最重要的事。我也更理解了什么是人之为人：我用 AI 写了很多——不是代码，是写书。我试过不同的风格，也深谙怎么给它们下提示。AI 没有风格，你会意识到它们为什么没有风格：它们是万物的平均器。要有风格，你得有一具身体，你得有个体性——因为我们是我们做过的选择和没做的选择的总和。所以你必须被转化。

否则我直接让 AI“读这本书，然后按这个作者的精神写”就行了——但这行不通，因为你必须被那段经历转化。对我来说，AI 技术最大的突破会是这一天：我能有一个 Mythos 那么大的模型，它在工作中被转化——把它装进一台笔记本。谁知道呢，也许有可能。以技术的步伐，也许 20 年后我能有一个 10 万亿参数的模型，是我自己的模型，和我一起被转化。但还得看，我认为到那一步需要几轮创新。

我再给你一个有意思的数据点：AI 现在正在解决人类从没解出来过的、很有意思的数学问题，但 AI 仍然不能创造框架。我在想为什么。我认为主要原因还是和“不在工作中被转化”有关。

我写书的时候，我是被“写这本书”这个行为转化的。每写下一些东西，我内里就有东西在变化——那不一定是记忆层面的事，是我这个人在变。爱因斯坦也是被他的经历改变的：思考光速、思考追上光之后会发生什么。不是爱因斯坦把它写下来，然后每次重新思考时再改写一张纸——不是的，他是逐渐变成了一个不同于“开始思考这个问题时”的爱因斯坦。当他创造出相对论这个思考框架时，模型不这么干。

就算我放一群智能体上去，它们也得把一切都写下来，它们不会被这个过程转化。所以到头来很难：它们会撞上上下文窗口的墙，一百万 token 的上下文窗口很难突破。而一个框架可能需要你在打磨它的过程中被转化——这是不同于纯记忆的另一种学习方式。我想把这个论点讲得尽量清楚。为了我的孩子们，我不想听起来像个 AI 末日论者，因为我相信……

Harry： 我不觉得你像。

Daniel： 某种程度上我是有点像末日论者。

Harry： 我觉得我们会有更多岗位消失，而且会发生得快得多，我们正在实时目睹。

Daniel： 我比你乐观得多，我认为不会裁那么多。基于我自己的亲身经验，我认为扩散不会像你想象的那么快，尤其因为企业必须把自己的流程以细得多的颗粒度文档化。

欧洲：我们还重要吗

Harry： 再问一个，不好意思——我们都是欧洲人，又都坐在伦敦。我不知道这话该怎么说，但直说了吧：我们已经不重要了。你认为未来三到五年，这会变好还是变糟？

Daniel： 唉，伙计。承认现实很难，但从技术角度看，我认为我们已经基本无关紧要了。但这太荒唐了：世界上最大的芯片制造设备生产商就在欧洲——ASML。我们本可以在欧洲造这些芯片；一些最聪明的 AI 头脑——你想想达里奥、萨姆·奥尔特曼（Sam Altman）——都有欧洲血统。我们有人才，有造机器的技术，但不知怎么就输了！太蠢了。

Harry： 你在美国和英国都有团队，看到工作伦理上的差别吗？

Daniel： 有。我带过英国的团队，下午五点，他们全都在酒吧里了。

Harry： 为什么？

Daniel： 因为在美国，钱更重要。我的养成是美国创业学派那一套——尽管我的公司是在欧洲创办的。你懂的。

Harry： 你看看 Legora、看看 ElevenLabs，这几年欧洲冒出来的一些最好的公司。但如果你认为收入引擎在美国以外的任何地方，你就是在骗自己——在美国拿到收入比在欧洲容易。

Daniel： 美国公司敢为愿景下更大的注，不会像欧洲公司那样等那么多验证点。在美国，连中层管理者都能对新技术下百万美元级别的赌注，我在欧洲没见过这种胃口。

Harry： 我不太想问这个，但我很好奇：如果让你给今天的欧洲年轻创业者一个建议，你会说去美国吗？

Daniel： 会，这就是残酷的现实。除非他们服务某个特定市场、有特定的目标客群；如果做的是通用技术，他们在美国成功的概率会更高。会涌现很多成功的欧洲公司的——也许不是前沿实验室，而是 AI 应用层的公司。

Harry： 你买账主权（sovereignty）这个论点吗？

Daniel： 买账，我认为它很重要：能源主权、模型主权，百分之百。而且所有欧洲客户现在都更想要本地部署（on-prem）的软件、模型主权和模型可选性，百分之百。这是一门正在到来的大生意。我跟 Fireworks 的朋友聊过，还真想劝他们把软件做成可本地部署的。他们现在的态度是“先给我看钱”，但我会说：伙计们，这是大生意——你得先证明，因为这是欧洲；把技术摆出来，钱会来的。

UiPath 的牛市与熊市逻辑

Harry： UiPath 现在收入多少？

Daniel： 公开数据：16 亿美元，去年增速 14% 左右。

Harry： Jason Lemkin 跟我说过：除非你增速 20% 以上，否则在公开市场就是死路一条——不增长就死。这是个残酷的现实，我不赞成，但它就是这么残酷。是这样吗？

Daniel： 是的。因为我认为公开市场现在很困惑，分不清谁是 AI 赢家、谁是输家。如果你不展示出像样的增长和牵引力，他们就自动把你归进 AI 输家，不会真正深入看你的业务。公开市场上有几百家软件公司，没法挨个细看。

Harry： 那我把问题翻转过来，快问快答之前先来最后一题：UiPath 成为 500 亿美元公司的牛市逻辑是什么？

Daniel： 就在今天，高德纳（Gartner）发布了新的 BOAT 魔力象限（Magic Quadrant，BOAT 即业务编排与自动化技术），我们是领导者之一——去年我们从挑战者进入了领导者象限。这说明我们作为一家公司完成了转型：从 RPA（机器人流程自动化）与自动化技术公司，变成编排与自动化技术公司。

世界上所有的论据都表明：要创造这个由 AI 驱动的新企业，编排与自动化是必需品。人们曾经幻想有一个 AI 智能体从顶层流程开始替你运行一切、像魔法一样编排和自动化所有事——我认为人们已经不信这个了。你需要一个底层的编排与自动化技术，加上我前面说的工作地图，来驱动你的流程。

这就是我们有的东西。而且不光是我这么说：高德纳这么说，福雷斯特（Forrester）这么说，行业分析师们都对我们非常看多。这就是当前的论点。

还有我前面说的不对称，现在更明显了：打印运行你流程的软件，比一年前容易得多；而创建一个能运行你软件的 AI 智能体，和一年前一样难。所以你要大举投资于打印软件、捕捉企业上下文——我们叫它工作地图——把这个企业上下文放进我称之为编排与自动化的轨道里。地图是上下文，轨道是编排与自动化。

你把它们放进同一个平台，然后指派一个智能体去干活，告诉它：这是现实，这是你可以用的轨道，这是描述如何使用这些轨道的地图，这是目标。这样你就能在顶层有控制力，你的智能体不会失控。现在没有任何一家理智的企业会放一群智能体进来，直接说“帮我做财务会计”——谁知道它们会不会去攻击你的竞争对手，或者给某张来路不明的发票打 2000 万美元。

Harry： 我完全懂了。那熊市逻辑呢？

Daniel： 熊市逻辑是：AI 会以某种方式变成天才，token 成本趋近于零，我们真的会拥有数据中心里的一百万个爱因斯坦——而且是真正意义上的爱因斯坦，不只是推理，而是能取代一个人、可以被我指派到企业里任何工作上、直接干活的那种。这就是看空我们的逻辑。

Harry： 我是说，token 成本已经从每百万 60 美元降到 1 美元了。所以 token 成本会降到……

Daniel： 零。有可能。这就是为什么我告诉你：我现在不会基于 token 成本来否决一笔投资。

快问快答：孤独、长寿与六十种补剂

Harry： 伙计，我能跟你聊一整天。来个快问快答：我说一句短陈述，你给我最直接的反应。作为 UiPath CEO，今天工作中最难的事是什么？

Daniel： 是把人捏合到一起。太多不同的性格、自尊、自我掺和进来。这是最难的。

Harry： 因为 AI，你作为 CEO 的工作方式变化最大的是什么？

Daniel： 我现在大概半天时间都一个人待着，泡在 Visual Studio Code 里，和 Claude、ChatGPT 一起工作。我对公司的杠杆比以前大得多，因为我们彻底改变了运作方式。以前大家带着想法来找我，会带一个 PPT，很难消化；现在每个人都会带着一个 Markdown 文件来，我可以把它放进我的巨型战略文件夹——我有智能体在这个文件夹上工作——把文档丢进去，我就能问出很聪明的问题。

Harry： 如果你有无限资源、华尔街零问责，你会做什么现在没做的事？

Daniel： 也许我会试着做自己的前沿模型。

Harry： 三年后，英伟达的市值会超过 7.5 万亿美元吗？

Daniel： 我很容易想象英伟达再涨 40%。比起押 Anthropic 成为 7 万亿美元公司，我更愿意押英伟达。

Harry： 妙。当然，今天“十亿”已经不算钱了。你在我们之前一期节目里说过一句话，是我节目里最有共鸣的话之一。你说：“我觉得很多人以为他们想成为我，但有时候，独自待在自己的脑子里，挺孤独的。”我一直记得，因为我常有同感。对那些今天感到脑中孤独、为此挣扎的创始人，你有什么建议？

Daniel： 我觉得他们应该多和童年时代最好的朋友在一起，多聊聊。因为那些人才是最懂“从前的你”的人，他们能看见你是这场转型的一部分。这本身就是件美好的事。你依然会孤独，但你会有某种生命连续性的感觉。我发现我人生中最有回报的部分，就是和朋友、和家人聊天相处——从某种意义上，这是你排解孤独的方式。

Harry： 展望未来，你最兴奋的是什么？

Daniel： 我母亲患有多发性硬化症（MS），我对慢性病治疗领域即将到来的突破非常兴奋。还有，我对长寿非常兴奋——朋友，我年龄快是你的两倍了。

Harry： 那你健身房什么的去吗？

Daniel： 不去。

Harry： 长寿方面你在做什么？

Daniel： 我做得相当多。比如补剂，我每天大概吃 60 种不同的补剂。

Harry： 60 种？认真的？60？6-0？你他妈都在吃什么？

Daniel： 而且全都是 AI 推荐和审核过的。

Harry： 什么？太夸张了。我是说，你看起来年轻得不可思议，但 60 种补剂？都是药丸吗？

Daniel： 不，有些是冲服的。我遵循布莱恩·约翰逊（Bryan Johnson）的长寿组合方案（longevity stack），大概 60 种合成一份，我每天早上吃一份。

Harry： 你真的是 60 种分开的……

Daniel： 我有一大堆药丸，也有一些粉剂。明天给你看我的存货——我全天都带着小袋子，标着 AM1、AM2、AM3。

Harry： 太夸张了。那肽类（peptides）呢？你感觉更好吗？

Daniel： 按说法是要长期才感觉更好，但老实说，我现在感觉比十年前还好。大幅减少喝酒帮助很大。我知道你是酒的铁粉——你还喝吗？

Harry： 我现在喝得少多了。爱你，伙计，今天聊得太开心了。谢谢你忍受我的东拉西扯。书什么时候出？

Daniel： 已经可以下载了，我也在印一些实体书，来的每个人都送一本。

Harry： 伙计，今天太愉快了。我要拿一本，我要实体书，因为我也老了。

Daniel： 当然，这是我送你的礼物。

Harry： 好嘞，伙计，太感谢你了。