Anthropic 编程业务值 2 万亿美元吗？为何 80-90% 的 Neo-Labs 会死 (Eno Reyes)

▍嘉宾：伊诺·雷耶斯 (Eno Reyes)

伊诺·雷耶斯是 Factory 的联合创始人兼 CTO，曾任微软员工约一年半（本期自述）。Factory 2023 年 4 月成立于旧金山，是一家智能体原生（agent-native）的软件开发平台公司，为企业工程团队构建自主的"Droids"。

他出身于艺术与科技交融的家庭：父母都上过艺术院校，父亲 60 年代末出生于旧金山，六岁因车祸转向计算机，一辈子把技术当作延伸身体能力的方式。这段背景塑造了伊诺的核心信念——技术不是替代人，而是延伸人的能力边界。本期节目里，他把这套信念一路推演到"谁拥有智能的主权"这个未来五年的核心问题。

▍关于 Factory

Factory 是面向企业工程团队的智能体原生软件开发平台，主打自主的"Droids"（自主软件工程智能体），覆盖代码审查、重构与工程流程自动化。公司累计融资约 2.2 亿美元，最近一轮是 2026 年 4 月由 Khosla Ventures 领投的 1.5 亿美元 C 轮，估值 15 亿美元，投资方包括红杉资本（Sequoia Capital）、Insight Partners 与英伟达——哈里在开场提到的"和红杉一起投了他们的轮"与此相符。

Factory 的差异化在"智能体外壳（harness）"路线：把逻辑、状态与持续学习沉淀在开发流程内部，而不是模型端点；同时提供本地部署产品 Factory Private，把"拥有你的智能"做成可选项而非口号。

开场：最便宜的系统与结果定价

Harry： 欢迎收听 20VC，我是哈里·斯特宾斯。说实话，我已经受够了那些高瞻远瞩、洞见深刻，却根本不在今天的第一线搞基建、搞 AI 的领袖人物。

今天的嘉宾是 Factory 的联合创始人兼 CTO 伊诺·雷耶斯（Eno Reyes）。在我采访过的人里，他对 AI 价值链的思考是最清晰、最有洞见的之一。Factory 是专注自主软件开发领域的头部公司之一，我在他们的融资轮里和红杉一起投了资。伊诺今天在节目里的表现非常精彩，请大家拿出纸笔，这场对话值得记的笔记会很多。

Harry： 伙计，能请你来演播室真是太好了。我周末还跟基思·拉博伊斯（Keith Rabois）聊到你。真的非常感谢你来。

Eno： 谢谢邀请，我也特别期待。

Harry： 你知道，我讨厌讲背景故事。我敢肯定你平时听播客也是这种感觉——"你是怎么入行的？"你心里只会想：无聊透了。但刚才在楼下我问你，你是怎么进入科技、爱上科技的，你的故事既扎心又动人，所以我非问不可。你最初是怎么爱上电脑的？

Eno： 我想一切的起点是我的父母。他们俩都上过艺术院校，一直很痴迷科技，以及科技与创意、媒体交汇的地方。而这一切真正的源头，可能要算我父亲——他 60 年代末出生在旧金山，六岁那年被一辆公交车撞了。

那件事彻底改变了他的人生轨迹：他不能参加体育运动，也没法做那个年代小孩子常做的那些事。于是他转向了科技和电脑——那是连屏幕都很少见的早期年代，他整天鼓捣。他这辈子基本都在用科技延伸自己的能力边界，延伸到他身体本身无法到达的地方。

Harry： 所以说，生活发给你的牌，和你拿到这副牌之后长成了什么样的人，二者之间的因果，真的很耐人寻味。

Eno： 百分之百。从一个被公交车撞了的父亲，突然跳到利润率，这个转折实在太硬了。

Harry： 是啊，只有风险投资家才能完成这么敏捷的转换。

Eno： 不过话说回来，AI 里某些利润率，确实会给你一种被车撞了的感觉。

Harry： 确实，绝对如此。我们之前聊过，你说了句"最便宜的模型不一定是最便宜的系统"。周末我做功课读到这句时就在想：能展开讲讲吗？最便宜的模型不一定是最便宜的系统——这到底是什么意思？

Eno： 这其实归结到一个想法：当你考虑价格时，不应该看价格的输入项，而应该看输出项。我思考的是"结果的价格"。

拿软件举个例子。一次代码评审要花多少钱，远比这次评审里用了多少 token 更有意义。你用一个非常复杂的模型，它立刻完成评审、一个错都不犯、一次就得到正确结果、搜索的措辞也精准，也许只用了 1000 个 token；而一个便宜模型反复运行，用了 5000 万个 token。最终看整个结果的总价差，反而是高质量模型更便宜。

当然不是所有任务都这样，但对许多最考验智能的任务，我看到的世界是：最聪明的模型，恰恰是最便宜的。

Harry： 我完全听懂了，这跟"token 就是 token"的理论正好相反。那么将来我们会有数以百万计的专用模型吗？每个公司都在自己的数据上跑专用模型？因为按你的说法，它们能高效得多。

Eno： 是的，我认为模型的物种分化（speciation）会加速到来，这是一个真实存在的未来。在这个世界里，Fireworks 这类帮助模型落地的公司会赢，因为另一条路是你只有少数几个提供模型的专营厂商。

按我们的看法，未来大概会分成两类：一类是商品化任务执行器（commodity task executor），就是那种"万事通"模型，我们判断这块会被开源模型主导；另一类是那些会说"我们做大量商品化任务，但有几个高吞吐的专用任务只有我们能做"的企业。对这些任务，商品模型不够好，前沿模型又太贵，所以他们想要一个中间态：拿一个商品模型，通过后训练（post-training）把它打磨到够用，然后自己跑。

而且这类模型很可能只有他们自己在用——不会给世界上的其他人用，完全内部化。所以我认为模型数量会变多，不会到几百万个，但一定相当可观。

但你看后训练的要求，看落地的要求，我看过之后觉得：今天的公司组织架构和团队，根本接不住这些。

Harry： 我们怎么解决这个问题？这是不是意味着我们正走向一个极度依赖服务和实施的世界，每个国家都会出现一支支疯狂的 AI 团队？怎么破？

Eno： 我觉得这是那种"现在配方确实只存在少数专家脑子里"的事，但 20 年前的软件开发也是这样。在我看来，今天正在让软件民主化的那套工具，恰恰也会被用来让智能本身民主化。

我看到的世界是这样：一家企业今天会说"我们没有知识、没有技能自己造专用模型"，但很快——现在已经在一定程度上——你打开一个平台，进到网页里，点几下按钮，描述你关心的任务，指向你业务里现有的工作流，一个模型就出来了，而且相当好用。

所以我认为，现在有一批公司宣称"递归自我改进（recursive self-improvement）和模型训练只属于我们"，但现实是，很多企业会通过其他公司出售的软件服务，获得同样的技术。

可验证性：AI 的前沿是构建验证

Harry： 你刚才说要关注结果而不是投入。当结果非常可验证时——比如代码评审——这当然是个好主意。但一旦结果存在模糊性呢？比如一个营销结论，它是来自 X 渠道还是 Y 渠道？我女朋友是律师，不同法律意见书，很模糊，有人喜欢这种写法，有人喜欢另一种。你怎么看待可验证性（verifiability）在判断结果质量中的重要性？

Eno： 可验证性最终是当前 AI 系统能否成功的最重要属性。我认为我们逐步解决这个问题的办法，是构建验证工作的新方式。

说得具体一点：医疗、法律这类领域没有一套成形的验证策略，很多评测（eval）创建者和模型训练者的做法是，把专家请进来，让他们创造自己的新验证形式。也许他们会并排展示两个例子，然后问：凭你的判断，哪个更好？然后让具备这些领域知识和底层推理能力的智能模型，去学习并构建类似的验证形式。

我甚至认为，当前 AI 的前沿，就是能够"在没有验证的地方建立验证"的 AI 系统，从而进入那些今天人类认为太难、AI 无法解决的问题。

Harry： AI 系统进入验证领域——这具体是什么意思？

Eno： 说个最具体的例子。想象你走进一家律所，他们对你说：你要开始判断新员工好不好。一个非常初级的管理者会怎么做？他们凭直觉看人，如果直觉准，就会做出不错的判断——"这个新毕业生会在所里大有作为，我喜欢他，我要继续提拔他"。

但当机构变大、变得系统化，你会发现那种管理方式极其罕见。现实中你必须走进公司，开始把事情写下来：这是我们欣赏的优秀新员工的特征，这是我们不喜欢的特征。任何公司要学大规模管理，走的路都是这样——把你关心的事写下来，建立一套框架或系统，去分析工作该怎么做。

我认为优秀的 AI 系统本质上是在重新学习这种管理策略：你可以凭直觉，一个伟大的 AI 系统即使没有这套结构框架，也常常能做出正确判断。但现实中你终归要写下来：好的长什么样，坏的什么样，我们怎么评判。

有趣的是，写下来不仅让系统更擅长判断好坏，还会改变激励。因为一旦你写下"好的长这样"，人们读到后就会照着好的样子行动。所以你得小心：如果你说好的就是 A、B、C，你就会得到一大堆 A、B、C。可如果你建错了激励，系统就会沿着那个模式走，不管它实际上好不好。

Harry： 说得好。给我看激励，我告诉你结果。这也是把风投公司当成一门生意来经营时最难的环节。如果我给你定下一年三个 deal 的目标，你就能给我三个 deal。可我不想要三个 deal，我要一个好 deal——我要一个 Factory。是三个、六个还是一个，我不在乎。所以从根本上说，这改变了你得到的产出。

再说到我自己，我想我在 Mercor 上犯了个大错。我记得我们投的时候估值大概二三十亿美元。我记性应该更好才对，但我比你老。后来它估值到了 200 亿美元，我没跟那轮，因为我想：还能大到哪去？也许 1000 亿？那也不过 5 倍。5 倍，还不算太激动人心——而且那还是零稀释。

现在我觉得我彻底错了：未来对数据的需求，会把它推到 2000 亿、3000 亿美元。你怎么看我刚才说的这些？

Eno： 不，我认为你说得完全对。人们思考 AI 的结果时，看到 200、300、500 亿就觉得荒谬、疯狂，这是低估了一个数量级——这场变革有多大，真的被低估了。

不过我觉得人们更低估的一点是：未来变成巨头的公司，长得不像二三十、三四十年前那种靠技术护城河或独家关键能力立身的公司。它们更像是"一群人"，一群比其他人更能看清未来的人。

所以像你提到的 Mercor 这类数据公司，是的，它们卖数据，但这家公司里的每一个人，对 AI 未来的理解都比普通人清楚得多。这让他们比投资人给出的估值还要值钱得多。

前沿模型的天花板：TAM 高估与利润率

Harry： 回到我们刚才说的——大量专用模型、公司在自有数据上作业，这显然是专有的。我很困惑：这怎么会不缩小前沿模型的可寻址市场（TAM）？

Eno： 也许确实会。我认为前沿模型的 TAM 目前被明显高估了。全世界基本都在假设，智能时代会被一到三家公司完全统治。且不说这个假设本身很傻——人们通常不喜欢少数大公司形成强势主导——真正的问题是：当一个模型实验室面临这么多选择时，它怎么守住自己的利润率？

利润率收窄会改变这些公司的预期价值。在两万亿、三万亿、四万亿美元估值里，隐含着一个假设：你可以把 token 价格翻一倍，人们照样买账。

Harry： 那利润率现在是不是很难看？我的意思是，Anthropic 刚刚交出了第一个盈利季度——如果我没记错的话——利润率看起来相当猛，已经开始产生现金流了。这难道不跟你说的矛盾吗？

Eno： 不矛盾，我认为驱动盈利的最大因素之一，其实是模型之上的应用层。有一点对这些模型公司来说相当清楚：模型本身可能是一笔相当艰难的生意——更准确地说，模型的利润率肯定不如应用层。

在我看来，如果你是一家模型供应商，基本只有两条路：A，主导平台时代——那你就想成为少数几家非常擅长卖推理（inference）的公司之一；B，向上走，成为一家拥有很好模型的应用层公司。Anthropic 看起来在走应用路线，OpenAI 则是两条腿都沾，但它们的平台投入明显更重。

Harry： 如果只能押一条，你觉得哪条路是对的？

Eno： 我认为应用层的仗要难打得多，因为如果你要卖的是结果，模型锁定（model-locked）其实是巨大的劣势。

Harry： 为什么？

Eno： 因为激励错位。如果你是模型锁定的供应商，你本质上是在卖那些 token，以确保自己的业务拿到它需要的利润。你走到一家公司面前说"我们能给你最好的结果"，却只能用自家的模型来做——你给的只能是"你的最好"，而不是"最好的"。而一个不锁模型的供应商，可以给对方真正最好的模型。这中间的差距，在定价上可能是巨大的。

我们现在就能在编程领域实时看到这一点：Anthropic 基本上只能交付自家模型产出的结果。

Harry： 而且"最好的模型"本身也高度主观，取决于用户是谁。

Eno： 对，完全不一样——取决于任务、使用场景，取决于人们愿意承担多大风险。选择多得很。

Harry： 帮我理解一下。再次声明，我很笨，但我不喜欢愤世嫉俗的问题，我喜欢乐观。我觉得这太棒了——我们看到 Anthropic 可能以 2 万亿美元估值上市，但你实际上是在给 Claude Code（译注：Anthropic 的编程工具）定价 2 万亿美元，而它并不是一个很难切换掉的东西。我漏掉了什么？有什么是我该知道却没抓住的？我该怎么想这件事？

Eno： 我认为对投资者来说，这从根本上就是风险所在：你在拿 2 万亿美元，押注一个竞争最激烈的应用市场——而且是最挑剔的细分市场，开发者工具。

所以我认为，要让 Anthropic、OpenAI 这类公司兑现价值，只有两条路。A 是它们正在走的路：监管俘获（regulatory capture）——去吓唬政客，让他们相信必须由这些公司掌握智能的生产资料，于是它们成为最前沿能力的唯一供应商。B 是找到办法，构建真正贴合成本与质量帕累托前沿（Pareto frontier）的应用和结果——而我认为那意味着向更多模型开放。

所以这两条战略其实是互相矛盾的：要么圈住它、守住模型，要么向所有人开放。这是个非常艰难的决策，而且你能看到 OpenAI 已经开始纠结——它们把更多模型放进了自己的智能体外壳，虽然没有正式宣布，但显然在更直接地支持开放模型生态。

Harry： 那你觉得达里奥（Dario Amodei）的营销口径是不是搞错了？

Eno： 我认为，AI 的整体营销，可能是当代资本家做过的最糟糕的营销之一。它做了所有不该做的事：吓唬每一个人，告诉他们这技术非常不可靠，基本是在用技术威胁他们的生计和福祉——同时你自己还在大规模地铺开它。

当然，Dario 提出的问题不仅是善意，不受监管的危险 AI 确实是真实威胁。但我觉得有一条路，可以不用美化经济结果也能把话说清楚。胡萝卜加大棒可以是这样的：第一，这项技术将带来翻天覆地的变化；第二，人类在这场变革中会扮演巨大角色——你也会；第三，如果我们做得不好，就像所有其他技术一样，会有风险。

可一旦你开始谈论奇点、AGI，给 AI 编造神一般的神话，你只会吓跑一大群人。

Harry： "我们将会是最后一家私有公司"——真的吗？就像，好吧，你可是坐美联航来的，这怎么个变法？

Eno： 如果人们真相信未来只有一家公司，那确实会发生很多变化。山姆·奥特曼（Sam Altman）刚做了一个访谈，我要给他点赞——回头承认自己错了是很难的。他基本上是在说："我完全低估了经济的惯性，低估了现有企业的惯性。我预测了一个并没有成真的未来。"我认为这是一种了不起的清算：站出来说"我以为会发生，但显然没有，所以我修正我的预测"。

Harry： 那你呢？有什么是你没想到会发生、不得不修正预测的？

Eno： 我喜欢这个问题。最让我意外、让我不得不认真修正先验的，是"经营公司更多是应对，而不是规划"。

我的意思是，我们公司几乎每一个最好的决策，都是对某个信息的应激反应、一秒钟内做出来的，而不是我们提前六个月预测好的什么宏伟计划。当你明白这一点，再看世界其他地方，听其他商业领袖讲他们怎么做决策，你会意识到：世界就是一个不断反应的反馈回路，人们互相交谈、做出决定，没有人真正知道未来长什么样。你只是在群聊里、在业务采取的行动中，实时地定义它。

所以这个认识彻底改变了我看世界的方式：第一，没什么是必然的，一切皆可改变；第二，它其实很赋能——你离更好的结果、更大的公司，往往只差几个决策。

Harry： 完全同意，"一切皆可改变"。我希望改变的其中一件事，就是利润率和利润结构。帮我理解一下：纵观 AI 浪潮里那些惊人的公司，利润率还是比以前低——比如 30% 到 35%，相比之下 SaaS 是 70% 到 80%。这是一个暂时的阶段，我们正处于建设期，会随着时间推移而扩张？还是说这是一种全新的常态，只不过收入规模会大得多？

Eno： 不是所有 AI 业务的利润率都难看。我知道我们自己的利润率就很好，而这一点其实和客户是一致的：我们如此专注于把"结果本身"当作被定价的东西，所以我们放弃了很多其他 AI 公司在走的常见路径。我们不像开发者工具领域那样补贴消费者——这在很多方面让我们吃亏，我们没有自助服务用户带来的心智份额。

利润率的生意经：PLG、企业销售与商品化

Harry： 所以你们完全没有 PLG？

Eno： 我想把自助服务（self-service）和 PLG 分开看。在已部署我们产品的公司内部，我们非常重视 PLG，用来提高采用率。但我们没有面向大众消费者的公开套餐——除非你是冲着极致质量来的，否则对普通消费者来说，那种套餐并不理性。

Harry： 那你们应该做吗？在如今这种跑马圈地的环境里，你们该不该做？

Eno： 这是个好问题。在我看来，最大的理由是：有两个资金近乎无限的大玩家在试图灌满市场，他们的算盘是"我们把市场灌满，你就留下来了"。但还记得我们刚才说的吗——一旦补贴退坡，用户留不住，这是我们学到过的。

我认为消费者会继续追随最具成本效益的方案。那么一两年、两三年后会是什么样？我的答案是开源模型。对模型来说，最具成本效益的方案，是那个能跑在你本地电脑上的便宜模型。

所以我们希望确保自己是最适合那种体验的产品。这就是为什么我们如今在本地部署（on-prem）上如此强调本地化和开源模型——而未来，这是面向所有消费者的。到那时我们不需要补贴多少，我们需要的是为自助用户打造极致的体验。

所以我把这看作一盘长棋：自助用户最终会来到我们这里，但靠的不是补贴，而是我们拥有市场上最好的产品。

Harry： 那如果你今天以投资人的身份给我建议，告诉我怎么看待利润率、以及它如何影响我投不投一家公司的决策，你会怎么说？

Eno： 对我们来说，这是战略的一部分，但它不代表唯一的赢法。我认为一定会有公司能靠工作流或它们产出的系统记录（system of record）把你锁住；暂时压低利润率的补贴，可以成为获客的路径。这是经典策略，对 AI 来说甚至不算新鲜。

但我要说的是：如果没有提升利润率的路径，那就非常危险。我看到大量资金投进这样的公司——它们的承诺仅仅是"我们会涨价"，但你不会看到平台价值同步上升。

现在的 AI 竞争太激烈了。如果你涨价的同时，没有同步提升结果和产品价值，用户就会流失、转向别家。所以我认为利润率确实很重要，但它不是一切。

Harry： 企业销售里你是有流失的。你们服务的是世界上最大的一些公司，我猜合同至少一年起、多数多年。那里的客户基础相当黏，不是吗？

Eno： 我想是的。人们也把这种一年或多年合作看作"伙伴关系"。现在做这件事有意思的地方在于，你卖的不只是技术，还有"如何最好地使用这项技术"的知识——我要小心地把它与咨询或专业服务区分开：你并不需要进场替客户做完所有实施。

老实说，如果一个产品要 100 名前向部署工程师（forward deployed engineer，FDE）才能落地，那只能说明产品很烂。

但反过来，如果你拥有关于世界该往哪个方向走的建议和知识，你是把它和产品一起卖出去的，人们愿意为此买单。他们今天从你这里看到这些，就知道一年后你依然会有同样的认知和前瞻性。

当然，能提供这些的人很多。但如果你把知识和一个更像平台、更像系统而非工具的产品结合起来，你会因为"别人在你的东西上继续搭建"而变得更黏。

Harry： 我们聊过前沿模型供应商的困境——服务代码或任何应用时，会被自己的模型锁住。于是你会想：价值是不是跑到了模型路由（routing）上？把任务路由给模型，按每个用例优化成本、延迟、功能，随便什么都行。然后开源路由被 80 亿美元收购了——价值全在路由上，很好。接着所有人都在做路由：Ramp 有路由产品，我投的公司里 Merge.dev 有，我们另一家创业公司 Requesti 也有。我就想：路由已经完全商品化了。

Eno： 没错。

路由层的价值：Stripe 的 80 亿美元

Harry： 帮我理解一下，我们到底活在一个什么样的世界里？

Eno： 好。我认为路由是一项很有意思的技术，但技术本身不一定有差异化。所以如果有人跑过来说"Stripe 花 80 亿美元收购 OpenRouter 是因为技术"，我的回答是：要么他们有内幕消息，这笔交易就是一笔糟糕的决策；要么他们只是这么归因，那他们漏掉了我从 Stripe 股东信里读到的东西——他们把这件事看作一次对资本配置方向的押注。

这么想：token 是什么？不就是智能吗。你怎么获得 token？花钱买。基础设施层怎么获得智能？靠能源。这就像把能源翻译成智能，一路上只是美元在换手。

所有这些都在收敛到同一件事：无论你叫它配置能源、配置智能还是配置金钱，企业都必须配置这些东西，才能扩张运营、做大利润。如果你是 Stripe，你已经控制了这三者之一的流量。通过 OpenRouter，你得到的不是路由技术，而是"这些模型正在流向哪里"的信息——你开始理解人们在用智能做什么、怎么配置它、用哪些模型。于是你控制了三者中的第二个。

也许他们以后还会切入能源基础设施或数据中心，但光是控制这两者，就是对"企业如何配置资源"的一次巨大押注。所以对 Stripe 来说，我认为这笔交易非常合理。但有趣的是，你不会花 80 亿美元去买一家没有用户、只有更好技术的公司——这个差别很重要，它指向那个更宏观的观点：技术不再是护城河。

Harry： 你觉得这笔收购是好交易吗？

Eno： 80 亿美元的话，它必须对 Stripe 下一阶段"配置资本"押注的团队具有根本性意义——或者说，帮助 Stripe 的客户公司配置资本。如果他们认为这些数据还能帮助 Stripe 自己更好地运营，那也可能让它物有所值。不过 80 亿美元确实很贵。但更离奇的事也发生过——感觉 80 亿、100 亿美元就是新的 10 亿美元。

Harry： 我很好奇。Factory 显然有路由产品，你看到了什么？有哪些洞察是这个世界没看到的？

Eno： 最有趣的一点是——我一直在讲这些产品的模型路由，也就是所谓的"网关路由"（gateway routing），因为本质上路由发生在任务执行地之外。很多公司都会这么做：看看 Ramp、Stripe、OpenRouter，然后放一个模型网关，所有工具和产品都通过这个网关路由到大模型。

我们看到，这类产品确实能带来不错的成本节省，大概 10% 到 20%。但一旦进入智能体工作流（agentic workflows），你就需要一些根本不同的东西：要真正最大化利用模型，你需要做的不是简单的路由。

你需要让你的智能体或系统动态理解它正在处理的任务，用一种更有状态（stateful）的方式配置智能。所谓有状态，我的意思很简单：你不仅需要知道今天正在发生什么，还需要知道刚才发生了什么、接下来会发生什么。而这不可能发生在任务执行地之外——你必须身处任务之中。

Harry： 这是不是和大家都在说的上下文窗口扩展的重要性有关？

Eno： 某种程度上是的。上下文窗口的扩展，不是靠模型层、也不是靠外面的端点解决的，而是在智能体内部用"压缩"（compaction）解决的——两者如出一辙。人们总希望问题在别处被解决，比如模型里、网关上，但我们越来越多地看到：是智能体外壳在解决这些问题。

关于外壳为什么能持续解决问题，有一点被低估了：外壳本质上就是新的应用层。所有逻辑都在那里发生，状态在那里维护，它是用 AI 干活最方便、最好的地方。随着这些优势和技术收益不断积累，我们开始听到人们问：我该不该自己建外壳？该不该用一个很牛的外壳？什么是外壳？

在 Factory，我们花大量时间教育市场：什么该放进外壳、什么可以放在外面、怎么思考外壳的自建与采购。

智能体外壳与持续学习

Harry： 上下文窗口扩展是一件事，然后是持续学习（continuous learning），以及第一个真正持续学习模型的崛起。持续学习模型对 Factory 的业务是帮助还是伤害？

Eno： 有意思，这里有两个方向。过去几年有一种持续学习的设想：你会有一个字面意义上的 LLM，所有学习都发生在那个闭环系统内部。这项技术还没有被做出来，不存在，只有一些尝试和早期探索。

但一般来说，任何想把所有学习都锁在 API 后面的人，都可能积累出优势，让别人更难在自己的产品里用那个模型——因为学习都被他们沉淀了。

然而现实恰恰相反：连模型供应商都承认，所有持续学习都发生在外壳层。那部分学习，是企业会认为必须由自己拥有、自己做主的关键资产。

我认为这最终就是未来五年 AI 的核心问题：主权智能（sovereign intelligence）到底属于谁？是你自己，还是另一家公司？

Harry： 抱歉，能再展开讲讲吗？这到底意味着什么？

Eno： 谁拥有你的任务产出的数据结果？说白了，谁拥有成功实现你业务结果的那套学习和工作流？

举个最好的例子：如果你是一家律所，把每一个案件都外包给另一家公司——甚至十家公司。五年后，那些公司可以直接转身拿捏你，因为它们完全知道怎么做你的整个生意。

有意思的是，现在几乎每家公司都在想：如果我把所有智能都外包给别人，几年后会怎样？更值得玩味的是，至少有两家最大的模型公司已经明确说过：我们要去争夺每一个我们为之提供智能的行业和业务。

Harry： 那你看到大型企业、世界上最大的那些公司，害怕 OpenAI 和 Anthropic 来抢自己的生意吗？

Eno： 并非所有公司都认为它们会来抢生意，但全球最大公司的确非常警惕：模型实验室走进来，承诺给你智能，把你引进一个陷阱。我知道很多企业已经开始意识到这一点——Palantir 对"拥有你的智能"这个理念喊得很大声，微软也是，萨蒂亚（Satya Nadella）就写过一篇很好的文章。

我认为所有这些论述都很到位。归根结底，如果智能不是你的，就存在真实风险：要么 A，他们来抢你的业务；要么 B，如果他们不认同你的业务做法，他们会拥有比你希望的多得多的筹码和控制力。

Harry： 当我们谈主权智能、拥有那个结果时，这就是本地部署如此重要的原因吗？

Eno： 这是很大一部分原因。对多数企业来说，本地部署甚至与技术无关，只关乎一个念头：如果我想，我可以对这套软件的每一个维度都取得控制权和所有权，我们始终掌控在自己手里。

有趣的是，我们提供本地部署产品——Factory Private，它其实是我们最受欢迎的产品之一——但即便如此，很多和我们谈的企业还是选了 SaaS，因为他们知道、也安心：如果需要切换，我们不仅有这个选项，而且他们清楚它具体怎么运作。

所以这个故事的一部分，就是告诉人们我们激励一致：你需要它，我们就有，你不会损失任何东西。本地部署和拥有你的智能，其实是同一个故事。

Cursor 收购、Neo-Labs 生存率与能力错位

Harry： Cursor 被 SpaceX 收购，对你们是利是弊？它带来了令人惊叹的算力规模优势，但也让他们在模型上有了倾向。

Eno： Cursor 团队的结局显然很棒，不用说。我觉得对我们的帮助在于：当你挂靠在一个模型实验室身上，想保持模型独立——或者说保持独立——会变得非常难。他们会想推 Grok，产品会越来越围绕 Grok 来组织，我认为这会成为他们的挑战。还有一些信任和企业相关的隐忧，他们得和新品牌一起处理。

但归根结底，那个团队显然非常能干，我不会低估他们在这个市场的分量。不过我认为，多数企业会重新考虑：把自己的软件开发生命周期交给一个供应商，而这个供应商一是很可能模型锁定，二是在更大、更安全的环境里，有过挣扎的历史或模式。

Harry： 我能问一下吗？今天模型开发的节奏太快了。我其实把 arena.ai 当作发现新模型的机制——我最近在用一些从没听说过、以前绝不会用的奇怪模型，而且我超爱它们的输出。我的问题是：模型创建的节奏会像今天这样持续下去吗？换句话说，新模型会一直冒出来吗？还是这只是新周期开启时的一阵短暂密集期？

Eno： 很可能会持续相当长一段时间。这其实又牵出开源路由器另一个有趣的性质：很多人把模型路由器当作"下一个模型是谁"的信息流或新闻流——每次新模型发布，都是一次免费广告。现在 Stripe 可以在自己的路由器上发推"上新模型了"，你就看到 Stripe 的名字跟着这轮新闻周期传播。

所以我认为，人们用新模型发布和这些新闻来跟进 AI 进展，是非常普遍的现象。新模型会继续发布，原因有二：第一，建模型会越来越容易，从根本上变容易；第二，主权智能的理念——就像人类一样，我们会拥有无数不同观点、不同视角的模型。

这和我们今天做生意的逻辑很契合：很多时候你不是因为纯粹的性能最好而选择一家公司，而是因为你喜欢创始人，或者你看到某个在新闻上、电视上认同过的人。模型也会这样——它们发表观点，持有与主流不同的立场，人们会向那些立场靠拢。所以我认为在收窄之前，这件事只会变得更快、更广。

Harry： 之前上过节目的很多嘉宾都说过大胆的话：今天我们看到的 Neo-Labs，70% 到 80% 会在某段时间内死掉——三年、五年，随你选。你觉得这是真的吗？你会怎么建议我和其他投资人，在这一波里哪些 Neo-Labs 会活下来、哪些会死掉？

Eno： 我认为甚至可能更多。我觉得未来 18 个月，80% 到 90% 的 Neo-Labs 会死。"死"这个词有点好笑，因为对其中很多公司来说，结局可能非常好。所以与其说这是末日悲观，不如说：这些业务可能不再适合作为独立公司存在。

我觉得判断一个 Neo-Labs 值不值得投，要问几个问题：一，这个业务是否挂靠在一个持久的工作流上？二，如果新的前沿模型变得更好，这个工作流会不会改变？三，如果把这个工作流介绍给一家新公司，那家公司会不会想出更好的东西？也就是说：它对一种全新的思考方式、工作方式，是否具有持久性？

如果三个答案都是肯定的，法律就是一个绝佳领域：第一，没有数据，新模型未必能变得更好；第二，这显然是高度专有的工作流；第三，五年、十年、二十年后我们仍然会有法律体系。所以所有聚焦法律的 Neo-Labs 大概都会有不错的结局。

相比之下，很多与中间任务相关的知识工作——比如人们天天用的 Excel、JIRA——不会有什么差异化，工作流太通用了。我认为五年到十年后，我们可能不会再用很多这样的工具。所以通用计算机操作这类东西，作为独立业务的价值可能没那么高。

Harry： 你知道，最让我震撼的是能力进展的错位——这听起来像是个学术黑话，但你看看：编程和客服，惊艳、无可辩驳；法律，好，但跟编程、客服不在一个级别；再往后，老实说，营销文案、视觉，很多都还差得远。如果我想用 AI 剪这期节目，它会把我们俩的脸都剪歪，因为它直接截中间，完全不懂怎么把音频剪辑和视频剪辑对齐。差得太远了。我们会看到不同行业能力之间出现真正的多年时间差吗——就像编程那样一路领先？

Eno： 一定会的。举例子，为什么剪播客对模型来说仍然这么难？最可能的原因是：处理媒体的那少数几家公司，没有把 100% 的时间都投入到"把人脑里的知识带进 AI"这件事上。而一旦有企业开始利用这个落差，进展会极其迅速。

所以大多数工作流变成"企业先资本化那个初始落差"只是时间问题——那个落差，就是目前拥有专有数据或专有知识的工作流。你不会觉得剪播客是专有的，但我认为它在很大程度上是一项真本事，而很多人甚至说不清自己是怎么知道该剪哪一段的。把那种直觉写下来，很难。

Harry： 我完全同意。知道钩子在哪里——如果你提前 10 秒开始，而钩子在第 10 秒才出现，你爆红的概率会大幅下降。"知道什么是钩子"这种本事，说到底是一种品味。

Eno： 百分之百。

Harry： 但也不全是品味。我完全懂你的意思。我们总是听到中国开源生态，还有安全问题等等。你觉得这些担忧有道理吗？还是说我们其实应该利用它、感谢它带来的能力？

Eno： 把开源模型叫作"中国模型"，是前沿实验室的舆论战（psyop）——本质上是为了让人们觉得它们很可怕、把它们他者化。实际上在我看来，来自世界各地的开源模型，和实验室的现有前沿模型并没有本质区别，只是创造者碰巧在几千英里之外。

当然，引入任何公司的模型都有一些非常现实的挑战。有意思的是，OpenAI、Anthropic 的模型也有同样的挑战。你应该对所用的一切模型都问几个问题：一，模型的创造者可能屏蔽了什么？二，这些模型能解决我关心的问题吗？三，如果这个模型六个月、十二个月后消失了，我能切换到别的吗？

如果这些问题的答案都是"是、是、是"，那确实应该对使用这些模型保持警惕。但具体到中国模型，与美国模型相比，它们没有展现出任何安全风险或后门的实例。它们只是像美国模型一样，带着创造者自己的偏好和倾向。这些是你需要知道的，但通常不会改变日常工作。

Harry： 那你认为美国公司不应该担心使用开源中国模型吗？

Eno： 就今天而言，美国公司应该针对自己关心的任务，分析当前的中国前沿模型。比如你在美国做国家安全相关工作，那绝对不应该用中国模型。但我们也必须清醒地承认：对代码评审来说，中国模型和美国模型给出同样结果的可能性非常大。

我给你举个好例子。如果你在写一份 10-K 年报，要表达公司现状、准备向投资者披露财务，假设你的战略之一是给模型引入递归自我改进，你非常倚重 AI——如果你用了某个供应商的模型，它会直接拦截你。答案是 Anthropic。

所以如果你在写国防或备战相关的东西，我非常不建议用中国模型。但所有这些都是基于模型创造者偏好的情境判断，就像任何其他技术一样：你得知道谁创造了它，你得小心，因为如果创造者不希望你做你想做的事，你会更难做成。这一点，对所有模型都成立。

Harry： Vercel 的吉列尔莫（Guillermo Rauch）昨晚或昨天发了推，说开源模型的使用量/权重，增速远快于闭源模型或前沿模型的 token 用量。三年后，有多大比例的工作流会由开源模型完成？

Eno： 三年后，99% 的工作流会用开源模型完成。但其中 1% 的任务，可能占据未来智能经济价值的 30% 到 40%。

开源模型与中国模型之争

Harry： 哇。但你仍然认为 60% 会流向开源模型？

Eno： 我认为三年后，几乎所有模型使用都会以开源为主。但前沿与开源之间的差距，反而会比今天更大。

而且我觉得这正好对应了那个被高估的百分比。你听山姆和达里奥说话——他们谈论前沿模型的使用场景时，都极其小众：前沿生物研究、超级先进的 LLM 和 AI 开发、安全与国防。这些用例只匹配一个非常特定的画像——科学与技术的最前沿。

这正是 OpenAI、Anthropic 这类实验室能够建立巨大差异化的地方，因为它们已经有能力啃那些最前沿的问题。但今天你走进任何一家全球 2000 强企业，随便问一个人"你今天在做什么？"——99% 的情况，根本用不着真正的前沿智能。

所以成本会主导一切。OpenAI 和 Anthropic 完全可以发布一个开源模型、然后自己提供推理服务，我认为那对它们来说可能是一门好生意。

Harry： 说到模型层的商品化，就像我们聊过的，人们似乎在诟病微软。在商品化的前提下，你觉得微软实际上打了一手好牌吗——通过 OpenAI 押了一点注，但又不被沉重的模型投资层绑住？

Eno： 老实说，我认为就 AI 而言，微软可能是定位最好的超大规模云厂商之一，原因正是这种独立性。

现在，萨蒂亚玩了一手大师级的棋：从 OpenAI 的投资和合作中拿到了巨大的上行。凯文·斯科特（Kevin Scott）也一样，据我所知很多交易都是他在撮合，那个团队很早就发现了 AI 的潜力。

但他们现在意识到，单靠一家供应商根本覆盖不了企业需要的全部智能。所以他们开始更明确地表达两点：第一，我们支持所有 AI 开发者，Azure 应该成为 Anthropic、OpenAI，尤其是开源模型推理的地方；第二，就算你真的想要前沿智能，也可以来我们这里。

我认为这种二元性、这种模型独立性，对一家想加速服务所有其他企业的公司来说，价值巨大。这是个非常聪明的定位：先用一笔押注拿到了上行，现在又在收割整个市场。

Harry： 那扎克伯格（Mark Zuckerberg）在 Spark 上砸这么多钱、把它做成一个大项目，是不是错了？

Eno： 我认为对人类来说他做对了——我们需要更多这样的开源模型，尤其是美国制造的开源模型。我甚至觉得，回到我之前说中国模型时的话：很多人会"买我们账"。开源模型很棒，因为它只是提升了美国和海外的采用率。

但第二点，作为一门生意，他们必须在开源之上继续构建：把 Meta 那个庞大的消费者业务拿过来，用这些新模型驱动全部运营。这笔投资会很值得。

Harry： 那如果今天只能买一家，你会买 Meta 还是微软？

Eno： 如果只能买一家，那肯定是微软。

Harry： 哇。微软最大的优势就是那套基础设施。他们拥有那么多数据中心，建设投入巨大。不管什么模型跑在上面，微软都会赢。你担心债务周期吗？我的意思是，有太多现金投进了数据中心建设，我们从未见过这么高的债务水平——你在 Meta 和其他公司的债券定价里都能看到。你担心这种可持续性吗，还是觉得：管他呢，我们还太早了？

Eno： 我认为投资者确实应该开始担心：如果你没有大量自由现金流，背上海量债务就是坏事、是危险的。所以对微软、谷歌这类公司，它们拥有持久、现成、高进入壁垒的业务，即使未来遭遇估值崩塌，或者只是 AI 预期现金流受到轻微冲击，它们仍然会活下来。

所以这算一个风险，但说实话，如果你是 OpenAI 或 Anthropic：需要数百亿美元自由现金流来偿还债务、支撑数据中心建设、启动下一轮大训练——这对它们是生死存亡级的。它们必须成为科技史上自由现金流最强劲的公司，才能仅仅是"活下去"。这个门槛相当高。

Harry： 那你觉得它们该像现在这样下场做芯片吗？我们有名字起得很妙的 Jalapeño（译注：OpenAI 自研芯片项目代号），还有 Anthropic 据报也在做自己的芯片。你觉得这是正确的选择吗？

Eno： 我认为是。垂直整合（verticalization）显然是把你自己从巨额债务和负担里解套的最强路径。未来如果它们成为数万亿美元的公司，就必然要进入这个市场、拥有更多基础设施层。所以它们想在这个市场布局，是显而易见的。

我觉得最大的问题，是这会在中期改变它们与现有供应商的关系——因为它们的明确目标，就是摆脱对你的依赖。这个挑战会很有意思。

Harry： 这有点像风投圈的竞争：唉，现在谁都没有忠诚度可言了。我很遗憾这么说。

Eno： 不，是真的。

Harry： 是啊，黄仁勋（Jensen Huang）就像在说："我在做 Nematron，我在买 Poolside，山姆全都知道。"跟所有人都是竞合关系。

Eno： 是啊，听着，我们的任务是活下去。

Harry： 嗯。你担心我们现在处在市场的什么位置吗？我有一些更年长、更睿智的朋友会说："哈里，这是最顶级的泡沫。"然后我也会想：泡沫确实到顶了，但 Cursor 四年就卖了 600 亿美元——那是回流到医院、基金会的真金白银。那不是泡沫，也不是 IRR，那是实打实的现金回报。

Eno： 是的。我认为我比较不担心的是 2008 年式金融危机、巨型泡沫或资产崩盘，那些似乎与这项技术的真实状态和走向脱节。我们已经开始在科学领域、在真正意义上的人类繁荣改善中看到成果。

现在还很早，但几乎所有科学和技术领域的专家都清楚，这项技术正走在加速人类繁荣的轨道上——从结果的角度很难否认。更有意思的是：哪些公司会成为这场变革的支柱？

我们可能处在雅虎时代——还没有、或者说还没有广泛认识到谷歌们，或者说那个后来者。所以今天看 OpenAI 和 Anthropic，我认为更像网景（Netscape）那类"第一个吃螃蟹"的科技公司。但做第一个，真的很难驾驭。

史蒂夫·乔布斯在苹果有个很棒的战略：不做第一个，而是几乎在所有事情上都做到最好。这也是我们非常认同的——做第一还是做最好，我们强烈倾向做最好。

Harry： 我对结果规模的看法一直在变。我们也是 Lovable 的投资者——一家 135 亿美元估值的公司，ARR 大概 6 亿到 7 亿美元。老天，公司增长的轨迹真是无与伦比。你觉得投资者需要改变对结果预期和公司增长预期的思维模式吗？

Eno： 是的，这很难，因为现在存在一个大家都在实验、以相当投机的方式购买大量技术的阶段，所以很难用 AI 去衡量所有其他行业。但你开始看其他受这波浪潮影响的行业，哪怕是消费品（CPG）：感觉每隔一天你就会听说一个创立才两三年的大品牌被几十亿美元收购。

所以也许事实就是：世界变快了，变得比以前更大、更好，而我们正在见证它的早期。很多人说这就是奇点的感觉——一切只会更快、更大、更多，我们会慢慢把它正常化，建好模型，然后说"哦，对，今天就是这样"。

但我认为，也许这只是我们在作为一个经济体扩张。

增长预期与 SaaS 并购潮

Harry： 在进入内部话题之前——我确实想聊聊，因为你对招聘的看法非常有意思。我们看到 Airtable 大概以 25 亿美元被收购。听着，这是极好的结局，难以置信。但它只是从之前 110 亿美元的估值缩水而来。我们会看到一代 SaaS 公司赶在被蚕食的浪潮到来之前卖出退出吗？

Eno： 我认为我们当然会。我听过一位同行创始人说过，我深有共鸣：现在的 SaaS 公司更像电影制片厂了——你必须出爆款，而且要持续出爆款才能留住全世界的注意力。

如果你是 Airtable，你拍了一部卖座电影，大家都喜欢。所以毫无疑问，这是门好生意、好结局。但如果你躺在功劳簿上，那么是的，Bending Spoons 会来把你吃掉。

我认为新世界更关乎"持续变大、持续增长"。所以如果这些公司迎来一波巨大的并购潮，我一点也不会惊讶——因为它们从根本上还是好公司，或者可以被改造成好公司。它们只是成不了 Stripe 那种占据经济根本部分的庞然大物。

游戏公司也是很好的类比：你出一款爆款游戏，会有一个核心玩家群体支撑你五到七年，这个生命周期很棒，但你还需要下一个大爆款。

Harry： 我完全懂你的意思。说实话，你的招聘方式真的很不一样。我们之前聊的时候你说，未来 100% 的员工都来自收购公司、把创始人和团队带进 Factory。我读到这个的时候，说实话心想：哇，这太难了。因为创始人往往当不好员工——我自己就会是个很烂的员工。你怎么判断"这个团队会在 Factory 内部茁壮成长"还是"这是个固执己见、相当自大自我的创始人，不是个团队玩家"？

Eno： 这个问题很好。对我来说最有趣的是：组织的画像变化得太快了，收购一个组织已经不再像十年前那样。

我的意思是，如果一个人刚做了一个开源项目，他辞掉工作、花五到八个月就专注做这一件事——这比任何面试都能展现更强的信念。所以识别这些有才华的人其实更容易，他们有时是"一人公司"，已经准备好执行，想成为某个使命的一部分，或者已经在朝使命前进。你要给他们的，本质上就是更多资源去做这件事。

所以我们引入一个团队时，很大程度在看：你使命对齐吗？你是不是能独立运作、承担巨大责任的人？有趣的是，这些人都清楚"技术护城河缺失"这一点，所以他们很愿意、很准备好：要么几天内把之前做的东西整合进来，要么直接推倒重来，去建更大的东西。

对我们来说，这种画像与一支满是前创始人、前创业公司员工的团队简直是天作之合。

招聘哲学：收购创始人、使命对齐与反表演文化

Harry： 我能说话难听点吗？

Eno： 请便。

Harry： "使命对齐"——当然，没人想要一个不使命对齐的人。

Eno： 对，没错。

Harry： 然后还有"愿意承担责任"。

Eno： 那当然。

Harry： 这没什么突破性啊，你懂我意思吗？

Eno： 不，我完全懂你的意思。在我这儿，"使命对齐"意味着：你正在做的，正是我们做的那个问题，而且做得非常好。所以当有人进来说"我很喜欢我们以前做支付"，而支付在某种意义上就是"软件开发里的 AI"——你会想：行吧，我相信你绝对能做这个，说不定我们真会录用你。我不是说做过支付的人不能加入 Factory。

但我们在看的那些人，已经深扎在构建软件开发外壳的细节里，已经做出了每天几十万人在用的东西——也许他们甚至会说，这比我们从 Factory 拿到的东西还好。或者他们极其深入地思考过"AI 的结果"和如何度量它，已经坐下来对业务领导者说：我想解决怎么把这些 AI 投入转化为 AI 结果。

所以对我来说，"使命对齐"不是一种你可以自称或声称的属性，它其实在创始人的作品里显而易见。这让压力测试变得非常容易：你能在一家公司干好吗？因为你做的事本质不变，只是背后有了我们。

Harry： "使命对齐"正好和查马斯（Chamath Palihapitiya）周末被喷的那番话相反——他说硅谷已经变得太金钱至上，这现在成了问题。你觉得他说得对吗？

Eno： 听起来确实是查马斯会说出口的话，因为说白了，他就是那么赚钱的。我想想我们在做什么、怎么起步的。

当我们提出"软件工厂"这个概念时——他也爱用这个词——我们对自己说：我们面对的是一个非常艰难、模糊、充满不确定性的问题。我们啃了那么多玻璃，走到人们面前说：这项技术会存在，它就是这么运作的。人们会说：走吧，离我远点。

这跟追逐结果毫无关系，因为在那个时点，你几乎是单纯想"在技术上赌对"。所以它非常产品导向、非常工程密集，与主流声音相反——在那之前，人们只会把你晾在一边。

在我看来，"我要建一个东西、我看到了未来可能的样子、我要深扎进去、我要连续三年每天都被人说错了，直到他们最终同意你"——这种心态在旧金山其实遍地都是。硅谷到处是只在乎技术、想做点改变世界的事的人。

围绕在这些人身边的，是那些确实想借此获利的人。他们的参与方式——因为他们的背景可能不是做产品——就是围绕它构建金融工具。这其实是生态里健康而重要的一部分。

Harry： 但这并不是旧金山发生的全部。我其实觉得查马斯的话有个悖论：大量资金涌入，让最顶尖的 1% 意识到：说实话，无论我做什么我都不缺钱，我随时可以回到一家大公司、一家很棒的公司拿高薪，所以我选择去做真正有意思的事。你懂我的意思吗？

Eno： 懂。旧金山从不缺纯粹想要实现梦想的人。

Harry： 看着真是令人惊叹。

Eno： 而且我认为，人们总想把它描绘成纯粹逐利，这对那种文化其实相当有害。因为在今天的世界，你说的话、你如何描绘一件事，会变成我们正在构建的智能系统所摄取的故事的一部分——它们是世界模型、LLM，是未来十年我们每天工作要用的工具。这项技术就建立在我们讲述的故事之上。

所以我总是尽量多分享我眼中世界乐观的一面，因为我认为，那确实会以更高的概率让那个世界发生。

Harry： 我们聊过团队扩充。Cognition 非常强调国际象棋冠军、数学天才这类人。你觉得我们是不是高估了传统资历（certification）的重要性？还是说，在一个更可验证、更重工程的招聘流程里，这恰恰是应该关注的重点？

Eno： 是的，看血统、看成绩，然后说"这就是挑选聪明人的正确方法"，是传统的招聘智慧。但我认为，在很多方面，只去够别人给你设定的目标，恰恰是你所能走的最缺乏自主性（agentic）的路。

那种路径往往长这样：上对学校、打对比赛、足够遵守规则，然后因为"你多会守规则、多会在这个体系里运转"而被认可。当然，有很多聪明人会走这条路，因为那几乎能保证你人生有个好结果——澄清一下，你仍能在那条路上找到很多聪明人。

但对我们来说，招人时最重要的特质是：你在多大程度上能突破"今天这个体系称之为规则"的边界。这是很难度量的东西。

所以归根结底，你必须跳出传统血统，开始寻找那些体系可能遗漏的人。我是这个理念的坚定拥护者——我自己上过常春藤，我亲身体会到那几乎不是能力的信号，常春藤里蠢人多的是。

对我来说，一个人做过大事的最清晰信号是：他们建造了一个自己在意、想讲给世界听的东西。这种信号到处都能看到。所以我才说，构成我们所谓"收购对象"的不只是公司——也可能是一个人，他在业余时间做出了个东西，证明他会突破传统体系奖励的边界。

Harry： 你怎么给那些一人团队、小团队定价？我们看到 Poolside 被收购，很多员工去了英伟达，传闻价格是 120 亿美元。我们到底怎么给"人头"定价？

Eno： 这是个大问题，而且它大概是资本主义整体面临的最大挑战之一：给人和人才定价的欲望。历史上一些最好的结果，确实就来自一个人凭直觉、做对了关键决策。人们会这样谈论杰夫·贝索斯：他值 1000 亿还是 2000 亿美元？还是说，值钱的是他建起来的公司？

在我看来，人与人之间的联系中会发生某种奇妙的事情。不是任何一个节点值 1 亿美元，而是当所有这些节点组合在一起，它们构成的图（graph）可能值数百亿美元。

所以我认为，人才战略最有趣的部分之一就是：你必须时刻思考你在构建的这张图。节点可以进来——你希望它们具备某些特质和属性——但最好的人是那些让这张图比以前强得多的人。我认为这轻松值 100 亿、200 亿、300 亿美元，尤其对那些"人才在 AI 出现之前就建成"的公司。

任何一家在图构建完成之后才遇到这项颠覆性技术的公司，都必须非常迅速地更新自己的图。而把人带进来，可能就是 2 万亿美元公司与 4 万亿美元公司的差别。所以几乎什么价格都值得。

Harry： 快问快答之前还有倒数第二问。你看到其他创始人在招聘上犯什么错误，会让你心想"哦不，莎拉（Sarah）或西蒙（Simon），真希望你没这么做"？

Eno： 我觉得最大的问题是表演式工作文化（performative work culture）。比如有人到处说"我要 24-7 地拼命，我要势不可挡，我要把自己累垮"——很多创始人看到这个，会以为这是此人高产出的信号。

但我们的发现是，这种表演式工作文化、这种 996 式的态度，几乎总是与某个其他减分项或特质相关——基本上意味着这个人可能不是好的招聘对象。我认为这对公司层面同样成立：几乎所有公开宣称"我们周末和周日都往死里用人、必须让人全天候待命"的公司，在公司的不同阶段，你确实会加班，会连续干 15 小时，那是会发生的。但把加班当成你的文化，恰恰说明你的业务没有加班就运转不起来。

我在英国和欧洲常因为"996 先生"这个标签惹麻烦。我觉得人们把 996 理解得太字面了——我绝对不是指早上 9 点到晚上 9 点、一周六天。我指的是这样一种文化：如果周日早上我给你发消息说"嘿，大客户出了个问题，我们得跟那边的采购开个电话会"，你就周日早上上线。

那种事大概不会经常发生，但也不会是"抱歉，这是我的周末，我周一再处理"。百分之百，这就是做创业公司的现实。我周末也一直在跟人沟通，做各种表明业务不受周一到周五限制的事。

但我觉得两者有明显区别，这就是为什么我说"表演式工作文化"：任何时候你创造的激励是"向别人展示你在工作"而不是"真正把工作做好"，你基本上就在激励错误的东西。

所以真正要把业务聚焦在结果上。有意思的是，你刚才说"为了达成某件事，你跳上电话跟客户开会"——很容易看出，你讲的不是行为本身，而是你想达成的结果。这个区别在招聘时非常巨大。

我看到很多人以为只选具备那种特质的人就是对的，但你会错过大量知道那套是扯淡的优秀人才。另一个问题是，资深工程人才，尤其是有家庭的，会立刻被那种表演式的、往往很年轻的奋斗文化劝退。

而且我学到的是，基础设施工程或架构工程带来的杠杆非常真实：现在，能把一组智能体指向正确方向、从一开始就知道该走哪条路，不仅因为更快完成工作而更有价值，而且它直接换算成真金白银。如果你因为懂得不够多，多花了 100 倍的 token 才拿到结果，那你多努力并不重要——只说明你第一次就错过了球。

Harry： 我节目上请过 Mercor 的布伦丹（Brendan），他说他们在 token 上的花费超过了工程人力成本。我的好友、SaaStr 的杰森·莱姆金（Jason Lemkin），我们每周在 News with Rory 上做一档节目，他说"我们会给我们最好的工程师 10 万美元的 token"。你今天的立场是什么？你觉得这会发生什么变化？

Eno： 我们其实根本不会考虑给个人分配 token 或积分。我认为那是种很奇怪的想法，它抓住的指标，本质上是人们在看投入。

我们想的是：我们把多少 token、多少支出分配到项目和结果上。举个好例子：有一个我们一直在爬坡攻克的评测基准，为了看我们能不能构建一个击败它的系统，它非常难，叫 Program Bench。我们做的一件事是：在一天之内，在这个基准上分配了近七位数的积分，当时做这件事的只有一个人。

所以你也可以说，我们把七位数的积分分配给了那个人。但实际上我们想验证的是：我们的研究在这个项目上能不能成？所以为了看到那个结果发生，我们当然愿意花那么多钱。

对很多工程师也一样：我们会划定项目范围，一旦你知道项目的规模和范围，你只需要报出你认为的成本，我们就把它发出去。我们确实有叫 Agent Effectiveness 的产品，让你按项目分配并查看积分花费，用来衡量：在投入的前提下，你是否实现了业务想要的结果。

而且我认为在这个新世界里，"智能体与人的一一映射"、或者"给智能体起个名字"这种想法很奇怪。实际上你拥有的是一个智能体系统，你把资本配置到项目上。所以我看到，对某些企业来说，这个数字轻松逼近八位、九位数。

Harry： 快问快答之前最后一问：你曾经对什么真正好的点子说过"不"，而且拒绝得很艰难？

Eno： 对我们来说，自助服务绝对是那个最难持续说"不"的东西。作为一个产品构建者，这真的很痛苦——我想让更多人用我们的产品。

有一些调整我们本可以做的，但其中很多会不幸地与两件事冲突：一是让我们的业务更成功，二是企业用户的体验。我不认为这是永久状态，我确实认为我们会达到一个规模，允许我们同时做很多事情。但它总是让我耿耿于怀：我没法按一个按钮，然后 1000 万人就用上产品了。

因为当我们看市场上那些拥有数百万用户的可比方案时，最大的区别就是经济性，仅此而已。所以我们知道，产品层面我们该有的都有了，只是必须做一个艰难的决定：不补贴。

Harry： 如果你拥有那些消费者的结果、拿回那些数据，你难道不能说：这些数据给核心产品带来的改进，会超过服务那些免费自助用户的成本？

Eno： 其实这就是我们今天使用自助服务的方式：我们有一个产品，显然你可以从网上下载试用。坦白说，这个群体每天有稳定的数万人使用产品。我认为这些自助用户给了我们反馈，帮我们在个人用户层面塑造体验。

但我觉得，现阶段很多事情不到 25 万人就能实现。一旦你达到临界规模，拿到那个反馈回路，你就有了所需的一切——你不需要 500 万、1000 万人来修那些 bug。

不过，看到社区围绕你的产品构建媒体、内容和叙事，确实有某种特别的东西，那是我们必须非常努力才能创造对应物的体验。

Harry： 是啊，没有这些，草根社区、草根品牌会更难建立。

Eno： 对，百分之百。

Harry： 我们来做快问快答。

Eno： 来吧。

Harry： 在英国有个游戏，我说出来大概要惹麻烦，叫"Shag, Marry, Kill"（睡、娶、杀）。

Eno： 没错，真狠。

Harry： 但你懂这个套路：短期买、长期买、坚决卖。

Eno： 嗯。

快问快答：微软、英伟达、Salesforce 与威胁排名

Harry： Meta、微软和英伟达。

Eno： 这个好玩。我会说：娶微软，睡英伟达，杀 Meta。我来解释为什么。

微软对我来说，代表着一家软件公司变成了一切公司，它真的嵌在几乎每一家财富 500 强的命脉里——没有哪家公司没有微软的某样东西。我认为这意味着这家公司会存在非常非常久。说这话也是因为我曾在微软工作过一年半。

英伟达是当前科技的"造王者"，他们决定谁有资格坐在牌桌前。所以我毫不怀疑它会继续巨量增长。至于这种地位能持续多久，我认为只取决于他们是否以正确的速度积累权力。如果按现在的速度，那么某个时点人们可能会问：我们要不要允许一家公司控制整个供应链？但今天，答案大概是：我们还有别的选择吗？所以它们会继续增长。

至于 Meta，我说这话是带着对这家公司的爱的。我认为从技术角度看，他们往往其实相当准确——扎克伯格押注 VR 在技术上是正确的，那感觉像是对的棋；现在押注开源模型，技术上也是正确的。但他们只有一头现金牛：广告业务。这意味着他们必须非常努力地想清楚，除了广告还有什么能支撑这家公司。所以它就成了三者中最弱的一个。

Harry： 三年后英伟达会是 10 万亿美元的公司吗？

Eno： 三年后？我认为有相当大的机会：如果我们能让 SpaceX 值两三万亿美元，那英伟达大概就值 10 万亿。所以我的答案很可能是"会"。

Harry： 取决于估值的弹性。

Eno： 嗯。

Harry： 接着你刚说的微软在企业里的根深蒂固：那你会买还是卖 Salesforce？

Eno： 哦，我买 Salesforce。

Harry： 真的？

Eno： 我相信最持久的公司，是那些定义了一个工作流和系统记录、而且所有人都公认那是标准共识的公司。所以你看 Salesforce 这类公司——再看今天的 Atlassian。

最大的信号是：当人们说"我讨厌那个软件，但每个人都在买它"，那很可能是一门好生意。因为他们买的不是软件，是软件下面的东西。在我看来，那比技术本身持久得多。

Harry： 我是 Linear 的投资者，Linear 现在可是势不可挡。

Eno： 对，有意思的是——这真的很值得玩味——Atlassian 在势不可挡，Linear 也是。这再次说明，市场规模比任何人理解的都要大得多。

而且我觉得我们想零和想得太多了："我从你那儿拿走，所以你就输了。"实际上我们俩都在大杀四方。

还有一点很重要：Linear 和 Atlassian 卖的是同一个东西——同一个工作流，敏捷（Agile），和代表敏捷的系统记录。不过我要说，有一点我非常清楚：我们构建软件的方式正在发生根本改变，而敏捷可能是这种新开发方式最先冲击的东西之一。

这让我觉得，下一个系统记录、下一个工作流存在巨大的空白。而且我认为它必须激进得多，Linear 和 Atlassian 要转型到那种新的构建方式，会非常艰难。

Harry： Codex、Cursor、Cognition、Claude Code。按你感受到的威胁程度从 1 排到 4。

Eno： 威胁程度很有意思。我先声明：我并不觉得这些玩家的崛起会带来迫在眉睫的威胁，因为我认为他们其实都在朝与我们不同的方向走——这一点很重要，我待会儿会讲。

但如果按我与企业买家对话时的相关度排：第一是 Claude Code，几乎每场对话都会提到它。所以我们总要向人们解释，为什么我们认为自己与 Anthropic 的平台和套件高度互补。

第二是 Codex——现在越来越多的交易和对话里，人们会说"我们原来用 Claude Code，现在切到 Codex"。这对我们来说其实是最好的消息，因为它说明这个东西多么不黏、充满不确定性。不过它们现在出现的频率高多了，我认为是因为它们的工作平台比 Anthropic 更好——所以频繁出现的不是"用于编程的 Codex"，而是"用于工作的 Codex"，这非常耐人寻味。

然后是 Cognition，因为它们基本上是企业里唯一的另一个模型独立供应商。我们从他们那里听到的一个一贯反馈是，他们在构建一个云产品，理念非常未来主义：模仿人类软件工程师。

所以人们会问：这和你们的战略是不同还是相同？最后是 Cursor，它在很多企业里确实存在。我认为没有人真正把 Cursor 当作他们的企业软件开发主战略，更多是一个 IDE——这仍然是一门好生意，因为它们会继续获得大量使用。

我这么看，很大程度上是因为：这四个玩家几乎都在对同一批企业说"我们给你造一个最终达到人类水平的 AI 劳动力替代品，然后像《夺宝奇兵》换像那样，把你公司里的人换掉"。

而这和我们带去的理念截然不同：与其用 AI 替代人类，不如构建一个开发软件的新系统，人类和 AI 一起构建那个新系统，那个系统会看起来非常陌生。所以这不是一对一的人力映射，而是一整套全新的开发方法论。目前，这个观点只有我们在讲。

我觉得这很好地解释了市场上这么多工具与 Factory 的定位差异。

Harry： 查马斯搞的那个——我记不清了，1809 还是什么的——会成功吗？

Eno： 我的答案是：取决于软件有多真。我还没见过它在企业环境里真正跑通的例子。我认为如果他们非常专注地构建能工作、能交付结果的软件，他成功的机会和任何人一样大，而且他人脉极广。

但归根结底，这件事的一部分是和企业一起构建。所以最大的问题可能是：他们能不能在关键市场获得企业认可，让人们认真把他们当作全职软件开发的机会来对待？

Harry： 在今天的世界里，向大型企业销售的最重要一条建议是什么？

Eno： 我学到的最重要一课是：别再把它当成说服——试图让对方相信你是对的——而是把它当成一次发现（discovery）机会，去了解他们当下最关心的问题是什么。

这种思路的差别，我认为是新市场特有的。如果我们在卖一种市场已成熟、有限、零和、人人都知道是商品的东西——比如数据库，有一百万个选择——那说服确实是策略，你努力让他们相信：条件相当的情况下，你向朋友购买。

但在我们这个市场，更重要的是理解这个机会有多大，并且和客户一起学习。我认为人们极其看重那些让他们感觉在和自己一起解决问题的人，尤其在软件和企业领域。

如果你和客户站在同一边、一起解决问题，你们就会落在一个这家企业还没解决的真实问题上。那样十次有十次，只要你能想出解决方案，你就带来了价值。所以我觉得这是被低估的：你不是要骗他们或说服他们，你只是帮他们解决一个问题。

Harry： 完全懂。古老的企业销售其实没怎么变。

Eno： 确实没变。

结尾：五年后习以为常的事

Harry： 最后一问。我喜欢问这个问题：今天看来荒唐或奇怪、五年后会变得极其平常的事是什么？我可以举例子：在网上找到你的丈夫或妻子——当年听着很怪吧。

Eno： 对，这个例子好。把信用卡信息输进手机——"我肯定不会那么干"——太危险了。

Harry： 今天我们认为疯狂、五年后会变得理所当然的事是什么？

Eno： 我认为最让我们吃惊的，是居然允许一个大约 200 万人的"祭司阶层"，决定全人类所有软件的命运。

三到五年后，你会觉得"无法即时生成一个解决眼前问题的软件"这件事不可想象——任何可以通过信息操作解决的问题，你都能当场生成解法。

今天我们已经在 Lovable、Bolt 这些工具上看到一点苗头，它们让你构建个人应用。但当你想的不是个人消费者的问题，而是整个社会的问题时，这会变得非常有意思。

比如你去伯利兹度假，载你从一个点到另一个点的船夫，会拥有一套完全为他定制的软件和界面，比你公司里的 HR、IT 软件还好用。我认为这种了不起的软件向全世界彻底分发、普及，会让一切都感觉未来感十足。

而且我认为这会来得非常非常快，就在未来三到五年内。

Harry： 我爱我的工作，因为我真的可以以一种非常自然的方式追求自己的好奇心。非常感谢你陪我聊这些，你是一位很棒的嘉宾。

Eno： 谢谢邀请，这是一次精彩的对话。