Factory CEO Matan Grinberg：模型战争没有终局赢家，价值归属是时间函数

▍嘉宾：马坦·格林伯格 (Matan Grinberg)

马坦·格林伯格是 Factory 联合创始人兼 CEO，一个“从没打过工”的创业者：

• 物理学家出身：父母从苏联移民美国；他 12 岁因几何老师一句“你得重修”发愤，自学完全套数学教材；普林斯顿本科，成为第一个与弦论大师胡安·马尔达西那 (Juan Maldacena) 合写论文的本科生；后赴伯克利攻读理论物理博士。
• 辍学创业：在伯克利经历“存在主义危机”后，转向当时还叫“程序合成”的代码生成方向；2023 年经红杉合伙人肖恩 (Sean) 一场三小时的散步点醒，博士退学创办 Factory。
• 本期立场：坚定的“模型中立”派——赌没有任何一家模型厂商会一骑绝尘；同时是“销售与工程同为一等公民”这一硅谷异端信条的布道者。

▍关于 Factory

Factory 是一家企业级 AI 软件开发公司，定位可以概括为“制造软件的工厂”：

• 核心产品：软件机器人 droids——模型中立的软件开发智能体，按任务在前沿模型与开源模型之间路由，客户覆盖安永 (EY) 等全球最大企业。
• 融资轨迹：2023 年 4 月创立，红杉种子轮 100 万美元（投后 500 万、占股 20%）；本期录制时刚完成估值 15 亿美元的新一轮融资，伊万卡·特朗普与 Affinity 亦在股东名册上。
• 组织实验：工程师与销售混坐、不分“一等二等公民”；冲刺周给全组每人送一张 Eight Sleep 床垫，实践“把团队当职业运动员养”。

开场：海德公园散步四分钟，就决定投他

Harry： 我在你们即将听到的这位创始人身上投了数百万美元。而且是在海德公园散了大概四分钟步之后，就决定投的。他就是有这种说服力。这位是 Factory 联合创始人兼 CEO Matan Grinberg。创办 Factory 之前，他真的从没上过班——他是个物理学家，花了 12 年想成为全世界最顶尖的弦论学家之一。现在，他在改变软件开发的世界。

他从红杉（Sequoia）拿到了钱：第一张支票 100 万美元，投后估值 500 万；刚完成的新一轮融资，估值 15 亿美元。他的客户里有全球最大的那些企业。他长得还特别像《心灵捕手》（Good Will Hunting）里的马特·达蒙（Matt Damon）——看视频的观众有眼福了。他是过去一年我见过的最好的创始人之一，这就是为什么见面五分钟，我就想给他开一张数百万美元的支票。

Harry： 您已到达目的地。Matan，欢迎来到演播室，太高兴你来了。你刚才可是侮辱了我的大洲——暗示我们欧洲只发明了瓶盖，你们美国却搞出了 Transformer（译者注：一语双关，既指变压器，也指 Transformer 模型架构）。

Matan： 也不能说完全不对。

Harry： 这期一定会很好玩，非常感谢你来。

Matan： 谢谢邀请，Harry。很高兴来这里。

AI 会带来真正的生产率跃升吗

Harry： 我昨天刚和罗里（Rory）、杰森（Jason）录了一期。罗里的核心问题是：AI 和我们看到的编程领域的进展，能不能带来 GDP 增长——能不能让 GDP 增速突破过去 200 年 2% 的均值？你觉得这些 AI 工具会带来实实在在的生产率提升吗？还是罗里的担忧会被证实？（译者注：原文此处听写为 "Uber's concerns"，按上下文应为罗里。）

Matan： 我认为会的，绝对会。这些工具会带来巨大的增长，只是渗透需要时间。从个体层面、几乎逐个问题来看，我们用这些工具都能更快地解决问题。

而公司本质上是围绕“解决问题”来组织的。你有一支队伍，就会算：以现在的人手，单位时间能解决多少问题。接下来，同样的人手能解决更多问题——或者用更少的人解决同样多的问题。

但资源配置的调整需要时间。很多企业将不得不回答一个问题：既然杠杆变大了，我们是去解决更多问题？还是解决同样的问题、但用更高效的方式？我认为这会是很多企业接下来要反复掂量的事。

Harry： 那你觉得团队会从根本上变小吗——也就是说大多数人会选后者？还是团队规模不变，只是去攻更大的版图？

Matan： 真的不好说，有些动态我很难预测。但我还是那句话——回到“问题”本身：所有这些公司现在都得想，我们手里多了这么多杠杆，是解决同样的问题？是抬高野心、去解决更大的问题？还是去解决用户可能还有的更多问题？

没有“10 倍工程师”，只有“承重”的人

Harry： 我最近在看安德烈·卡帕西（Andrej Karpathy）的访谈，他谈到“10 倍工程师”——他说这个概念被严重误解了，未来你不会看到 10 倍工程师。

你看到的会是极少数的 100 倍工程师，然后是其余所有人——工程人才的两极分化。你觉得这是看待工程人才未来的正确方式吗？

Matan： 方向上，我同意。不过，什么是 10 倍或 100 倍工程师？我对这套说法本身有点保留——

Harry： 为什么？

Matan： 它隐含的意思是——10 倍于什么？纯产出吗？你说 10 倍，好像就是在说他们写了多少代码。

Harry： 对啊，现在用这些工具，我能写出十亿行代码。

Matan： 但那些可能是垃圾代码。我更愿意用的视角是：组织里“承重”的人——把这个人抽掉，事情就会塌。有些组织里也有那种抽掉了毫无影响的人，他们就不承重。

那些本来杠杆就很高的人，现在手里又多了一件放大杠杆的工具。所以用 10 倍、100 倍这套杠杆语言来说：是的，他们的杠杆被加满了，能产生更大的影响。会用杠杆的人，影响会越来越大；不会用的人，相比之下对企业的价值就会被拉开。

核心竞争力：能做，不等于该做

Harry： 回到你刚才说的两条路——同样的团队做更多事，或者缩减团队做原来的事。如果我是今天的企业管理者，关于内部 token 的资源配置，你给我的最大建议是什么？

Matan： 问得好。token 的资源配置问题——其实不只是 token，是美元、是 token、是人。我认为未来 24 个月，每个高管团队都会反复思考这件事。

正确的思考顺序是：我们业务的核心竞争力（core competency）是什么？对我们做的事来说，真正重要的是什么？然后据此配置资源。换句话说，如果你是家物流公司，软件开发大概率不是你的核心竞争力——过去你可能雇了很多软件工程师，但那是实现物流目标的手段，不是目的本身。

所以你不该问“怎么招更多工程师、做更多功能”——过去工程师就是这么被考核的：一个季度上线几个功能。你该问的是：对我们业务真正重要的产出指标是什么？然后无论是美元、token 还是人头，怎么配置才能更大幅度地推动那个业务结果？

我认为这对全世界都是好事。那么多组织之所以臃肿，部分原因就是我们处在一个全民盯中间指标的时代：工程团队这个季度要上线三个功能，上线了四个，哇，了不起的季度——可这对业务可能毫无意义。现在终于回到最原初的问题：我们要推动的业务指标是什么？是客户满意度？是收入？

还是市场份额？从此，每个人的工作——无论市场、销售还是工程——都能回挂到那个指标上。

Harry： 凯易律师事务所（Kirkland & Ellis）刚宣布了一笔 5 亿美元的投入。你和 Harvey 的温斯顿（Winston）是朋友，很棒的一个人。不知道你俩聊过这事没有——凯易要在五年内花 5 亿美元，内部自建他们自己的 Harvey 或 Legora。你怎么看？

Matan： 你看，聊到核心竞争力就有意思了——凯易花 5 亿美元自建 AI 工具。据我所知，打造 AI 技术不是那家律所的核心竞争力，所以我看到时挺意外的。不过我倒觉得这对 Harvey 是好事：没有什么比亲手做一遍更能让你意识到“我去，这玩意真难”，然后想明白“自建这套能力对我们根本不重要，还是交给专家来做吧”。这是我的判断。

Harry： 我最喜欢的还有那些看热闹的人：“你看，我们早说了这有多容易。”——等等，这么容易的事，他们要砸 5 亿美元？这恰恰说明相反吧。前几天我请了 Mercor 的布兰登·富迪（Brendan Foody）上节目，他的核心观点是：未来 12 个月将是 AI 基础设施公司价值捕获最多的 12 个月，而模型产品层和 AI 应用层公司最危险、最被看低。你同意吗？

Matan： 我不同意，而且是相当强烈地不同意。有几个原因。第一，接着凯易的例子说：我们太习惯过去那个软件世界了——护城河是“这事我会、你不会”，所以你得付钱给我，因为我有会做的工程师，而你就是做不出来。而在未来的世界里，将没有什么是任何人都做不出来的。理论上，任何一款软件，任何人都能做。

但回到资源配置：值不值得你花时间和精力去做？还是该找已经做好的、或者能做得更快的人？打个比方：假设我们团队今天特别忙，我完全可以去给全组人买午饭——我知道怎么出门、怎么下单、怎么拎回来。可就因为我会做，这就是对我时间的高效利用吗？显然不是。我会想：从资源配置角度，我宁可花钱请人去做，因为在 Factory，CEO 给全组买午饭不是我们的核心竞争力。

这里是一个道理：能做，不等于该做。事实上，你往往要非常狠心地划清楚：哪几件事是你和团队端到端亲手拥有的；剩下的，只要与核心业务和核心竞争力无关，一律外包。

Harry： 那你自己呢——有什么是你很想做、但因为不是核心竞争力、为了专注而不做的？

Matan： 哈，我特别喜欢做早餐，已经三年没做过了。也没什么特别的原因，就是时间不划算——把早晨花在那上面说不过去。但确实，那是我很享受的一件事。

再说回你刚才问的模型、应用、基础设施。不知道你看没看过那个梗图：微软组织架构图，各个部门拿枪互指——讽刺微软官僚、人人抢地盘。我觉得那张图特别像眼下模型公司、应用公司、基础设施公司之间的关系：每个人都在试图把别人商品化（commoditize）。人人都在说“那层不重要，价值全在我这层”。

而现实是：价值归属是一个随时间变化的现象。不存在某个人在稳态下拿走全部价值，世界不是这么运转的。可能这一年定价权在这拨人手里、价值归他们；下一段时间，又轮到另一拨人。不管明面上说不说——我可能把大家心照不宣的话说破了——每个人都在努力把“不是自己”的那一方商品化。

比如我们自己就是模型中立的：我们希望客户在任何软件开发任务上都拿到最好的价格、最好的性能、最快的速度；我们希望 OpenAI、Anthropic、谷歌（Google）、微软（Microsoft）始终处于竞争压力之下，必须拿出最好、最便宜、最快的模型，而不能想收多少就收多少。

同样，模型公司希望应用层都变得唾手可得、让“产品就是模型”；基础设施公司也各有各的算盘。本质上就是人人都在商品化别人。所以站在 Mercor 的立场，“绑定专有数据的模型能获得差异化价值、吃下大块蛋糕”最符合他们的利益——因为那验证了他们的商业模式。这是一场关于谁能拿到杠杆的拉锯战。

Factory 的空头情形与模型发布疲劳

Harry： 什么样的证据会推翻你这个判断？

Matan： 对 Factory 最不利的情形，是某一家模型供应商明显甩开其他所有人。我们的一个关键前提是所有模型会大致一样好——这家评审强一点，那家测试强一点，另一家 Python 强一点，每周此消彼长。现在大家已经有点跟不过来了：哪个模型是第一？最新出的又是什么？如果某一家真的一骑绝尘，那确实，企业可能会想全押给它——但到那一步，那就是整个经济体都要担心的垄断问题了。

Harry： 模型的迭代速度可持续吗？我的意思是——前几天我和 Nebius 的创始人在一起，他说每隔几周就有新模型。我说你说错了，是每隔几天。

Matan： 没错。尤其看中国开源模型，一周能出三四个。

Harry： 是啊。这种迭代速度，是我们这个时代的阶段性特征，还是会成为这个环境的长期属性？

Matan： 我觉得最终大家会不再把它们当“模型发布”，而会感觉它是一个连续的过程。就像当年 GPT-2、GPT-3、GPT-3.5、GPT-4、4.1……版本号的小数点越拉越长，什么 4.523——到最后他们干脆不宣布了，就是“我们的模型在持续变好”。而且大家已经疲劳了：我们合作的企业里，工程师根本跟不上每个新模型，也不该去跟。

这正是应用层存在的意义——不管是我们、Harvey 还是谁：我们负责搞清楚哪个任务用哪个模型最好，成本、质量、速度怎么取舍，然后按你的任务直接交付给你。你很难一边专注业务，一边追所有新模型。

token 拉满之后：开源制衡与 AI 宿醉

Harry： 我问你一个很多人都在问的问题：开源的崛起——大家开始担心自己在 token 上的花费远超预期，“才五月，年度预算就烧完了，靠，要不我们转开源吧？”

Matan： 对。我们看到越来越多优秀的公司先用前沿模型探到能力上限，然后转用开源，尽量逼近那个水平。

Harry： 你觉得这对前沿模型来说，算不算是足以重创市场的威胁？

Matan： 我认为这是一种非常重要的制衡。它让你可以做取舍：哪些任务值得配多高的智能。很多企业会意识到，我们手里的大量任务根本用不着最前沿的智能——用这些开源模型，能做得快得多、便宜得多。这同样是资源配置的一部分；做好资源配置，你就要能在成本、质量、速度这条权衡曲线上自由落点。

Harry： 我特别喜欢推特上那些梗图——“我给文件命个名”，配图是扛着喷枪点一根巨大的雪茄。

Matan： 对对，我也爱那个，典型的杀鸡用牛刀。但这背后有个有趣的心理现象：人都有点自尊心作祟——“我做的工作只有前沿模型才配得上，一个开源模型哪能处理我干的事？”说实话，我自己刚开始切换时也这么想，结果发现：它大概率搞得定。到底是手动选模型、还是交给路由器替你选——这是个挺有意思的心理关。

Harry： 我的问题是：企业喜欢安全、可靠、省事。而前沿模型打包完美、定价清晰、安全省心——它们难道不会直接选省事的方案，而不是费心做智能路由、分流到不同的开源模型？

Matan： 几个层面。第一，“省事”的前提是只有一家可选。可我们刚说过，每周都有新模型——如果每接一个新模型都要走一遍完整的企业采购流程，那就一点都不省事。第二，它也非常贵：如果成本疯狂上涨又算不出 ROI（投资回报率），事情就说不过去了。

还有一个有意思的现象：我们看到这些企业正在经历三个阶段。第一阶段是几个月前——董事会质问 CEO：“你的 AI 战略是什么？”CEO 懵了，转头问 CTO：“咱们的 AI 战略呢？赶紧把 AI 用起来。”

第二阶段是“不惜一切上 AI”：token 拉满（token maxing），把 AI 用量纳入绩效考核，人人必须用——尽可能让更多人用起来。这个阶段来得比大家预想的快得多。第二阶段像一场纵酒狂欢：漫漫长夜、推杯换盏、AI 用到爽。

而第三阶段是宿醉：你拿起账单一看——我的天，我们怎么花了这么多？ROI 到底是什么？这东西对业务到底有没有用？很多公司现在正处在这个阶段。这也是路由如此重要的原因。说个真事：一位和我交流的 CIO 发现，他们每月花几十万美元，让员工拿着 Claude Opus 4.8 问“最近怎么样”“今天这顿饭的宏量营养素是多少”“明天天气怎么样”。拜托——这种事用不着人类智能的最前沿来做，有些甚至压根和工作无关。

Harry： 那随着宿醉期被意识到，我们会看到用量收缩吗？

Matan： 最前沿模型的用量，短期内可能会有一波收缩。但我认为这很健康——主动挤掉水分，总比蒙眼狂奔、最后来一下硬着陆要好。

Harry： Uber 昨晚——应该是昨天——宣布给每个员工设 1500 美元的预算。你怎么回应、怎么看？

Matan： 这一幕我在我们几十家客户身上都亲眼见过，对我们售后团队来说也是一课。最初我们进场时会说：“有用量上限，不过放心用，这些都是最顶的模型，敞开了用。”那时候我们还没有路由功能。有几次客户用量直接爆了——他们没花时间想清楚：代码库的哪些部分值得砸 token、哪些不值得。然后他们慌了：“花得也太多了，必须上 token 限额。”

第一次发生的时候我们也慌：“用量怎么掉了？出什么事了？”后来陪客户泡在一起才明白：我们必须和每家客户把话说透——“你们在这些地方烧了不少 token，有没有想过这是有意识的决定？”有时我们会主动帮客户设好用户限额。一边放量一边保持清醒，好过先疯用再惊醒。

Uber 在明面上经历的，正是我们很多客户私底下经历过的。先是小小的震惊：“好，赶紧设限额。”然后马上进入下一个问题：“等等，这个团队很重要，他们的限额应该和那个团队不一样。”——我们正走向一个全组织范围内、极其精细化资源配置的世界。

token 支出会占到薪酬的几成

Harry： 对我自己、也是我觉得整个生态今天都该问自己的最大问题是：马克·贝尼奥夫（Marc Benioff）说他给开发者在 Anthropic 上花 3 亿美元——好，这相当于薪酬总额的 3.8%，没问题。问题是三年后这个数字是多少？如果还是 3.8%，完蛋。如果是 20%，也完蛋——不过是好的那种完蛋。而如果像 Mercor 的布兰登说的，token 支出已经超过人力支出——更完蛋，而且是更积极的那种。你觉得三年后，token 支出会占到开发者薪酬的百分之几？

Matan： 这个问题其实比看上去要微妙。对某些人来说，它可以低到 0%；对另一些人，可以高达几千、几万个百分点。差别取决于什么？取决于这些人各自的独特技能。

注意我说的是“人”而不是“开发者”——因为我认为未来的岗位划分会非常不同，“开发者”这个词本身还成不成立都不好说。传统上，工程师就是代码的看管人：凡跟代码沾边的事都归他们。而未来，组织里每个人都会或多或少和代码打交道，不管他是销售还是市场。

真正的区别还是回到资源配置：有些人用更多 token 能获得更大杠杆；而有些人根本不需要 token，那不是他们为业务创造价值的方式。比如我们最好的销售，用他最好的方式可能不是让他烧 token，而是去和客户面对面。

这个例子很明显，因为他本来也不写代码。但同样地，有些工程师最好的工作方式可能是泡用户、陪客户、做数据分析——这些都不怎么烧 token。而另一些人会同时指挥几十个 droid（软件机器人）并行干活，做一大堆疯狂的新功能、重构和迁移。

所以我不认为会有一个全员统一的数字。甚至可以说：如果你的组织定一个标准值，“每个工程师的 token 支出必须达到薪酬的某个百分比”，那你大概率是一刀切切得太粗了。

Harry： 如果我非要一个平均数呢？平均数、中位数会是多少？

Matan： 按数量级说，大概会和薪酬相当——和薪酬同一个数量级。

Harry： 还是在三年这个时间尺度上。那今天用前沿模型做的任务里，有多少比例其实可以用开源模型完成？

Matan： 大概 80% 到 90%。真正需要前沿模型的，通常是规划（planning）环节。

Harry： 可那不就是最重要的——抱歉，我这人比较笨。

Matan： 别这么说。

Harry： 但如果是 80% 到 90%，这岂不是对 Codex 或 Claude Code 的史诗级空头逻辑？你等于把它们 80% 到 90% 的时间都拿走了。

Matan： 要看情况，因为那 10% 到 20% 可能是最重要的 token——它们只占 10% 到 20%，但那是“做决策”的 token，分量极重。

这和我们组织人类团队的方式很像：领导层做的关键决策决定公司命运，但他们花的工时并不是最多的。你看一家公司的人类工时，大头不在做决策上，而在收集数据、落地执行上。真正决定战略走向的不可逆决策，只占少数几个小时——而做那些决策的人，通常也拿最高的薪酬。

Harry： 但这么推下去，那 10% 上的支出还得往上抬，抬得更高。

Matan： 这已经在发生了：前沿模型有时越来越贵，或者你在用超高推理档位之类的配置。逻辑是——规划是最关键的环节，值得花钱。但这不代表你的大部分 token 都会花在那儿，只是在某些关键步骤上，你愿意多投入、值得把预算配过去。而一旦进入“方案定了，开始落地”的阶段，开源模型通常已经足够好。

招人：奥赛金牌是拐杖，不是信号

Harry： 说到你愿意为什么花钱。我问过布兰登，招一个优秀的 AI 研究员要花多少钱——他说要几千万美元。你的感受一样吗？在 Anthropic 和 OpenAI 的夹击下，招到优秀的 AI 研究员是不是已经不可能了？

Matan： 我们是一家很有主张的组织。喜欢我们这套主张的人，本来就愿意不把自己在市场上的报价最大化。不过话虽如此，竞争确实还是很激烈。

Harry： 那你最强烈的一个、但大多数人都不同意的观点是什么？

Matan： 我们最有争议的观点，是我们对“产品”的定义。实验室和一些同行（同样做软件开发的）有一些根深蒂固的信条——说实话，这是在湾区长大的人身上很典型的硅谷谬误：研究是金字塔尖；工程师负责把研究落地，差一档，但也很了不起；然后是销售、市场这些“脏活”。言下之意是：只要产品做得足够好，它自己会卖自己，我们就不用碰销售和市场了。

这完全是幻觉。在 Factory，产品是从客户第一次听说我们名字、到十年后第十次续费的整段旅程。软件是这段旅程的重要部分，但我们做的市场工作、做市场的人，同样是；销售流程、出现在需求沟通电话、演示和解决方案工程里的人，同样是。这一整段旅程就是产品。

所有人都是一等公民。我们不是那种“工程师窝在办公室里，不是工程师不准跟他们说话”的公司。我们的工程师和销售挨着坐，没有什么工程师区、销售区，完全混在一起。销售签下单子，工程师说“我们签了单”；工程师上线功能，销售说“我们上了功能”。彻头彻尾一个团队，没有一等公民、二等公民之分。而这在湾区、尤其在编程和 AI 圈子里，争议大到吓人。

Harry： 这太病态了，真的太病态了。

Matan： 而现实是，这件事迟早会回来找这些公司算账。眼下是淘金热，人人都抢着签约、抢 token，一切都很容易。在我看来，他们就像太空里的宇航员——没有重力，肌肉就会萎缩。重力迟早会回来；如果你的销售和营销团队因为得不到尊重而很弱，重力回归的那一刻，你全身的肌肉都已经萎缩了，根本没法竞争。

我把话放这儿：说一家销售或营销很烂的传奇公司——你说不出来。

Harry： 传奇公司我说不出来，但产品很烂、销售和营销却很牛的公司，我能说出几家。

Matan： 这正是讽刺的地方——而且这样的公司似乎多得多，多得多，大多数传奇公司都是。我就不点名了，免得惹麻烦。

Harry： 我们想的肯定是同几家。要是查德·皮茨（Chad Peets）在，他肯定直接报名字了。说回工程师——当一个人从“亲手做任务的创造者”变成“给智能体下指令的提示者和管理者”，成为优秀工程师的素质变了吗？

Matan： 变了，而且变得非常彻底。这也是为什么我们选人时刻意强调刚才说的那种文化——最好的工程师，是那些不把销售和营销当脏活、而把它当产品重要部分的人。

因为作为工程师，你的工作不再是“把功能上线”就完事，而是端到端地拥有结果：客户现在是什么行为？我们能不能改变这个行为，让他成为更好的长期用户、更智能体原生（agent-native）、从产品里得到更多？然后陪他走完这段旅程，武装销售，让他们知道怎么讲、怎么演示。

这是一种超越工程本身的全栈工程师——延伸到销售、市场、赋能（enablement），而恰恰是这些部分真正重要。这也是工程师往往能成为好创始人的原因。而变得不重要的部分，说出来好笑，恰恰是硅谷最爱吹的那些：竞赛获奖、奥赛背景、写代码手速是不是最快、是不是背熟了各种语言的犄角旮旯。你比别人多背了一门语言的语法——不重要了。

Harry： 我觉得大家倒不是迷信资历，而是误解了当下 VC 的心态。作为 VC，我很乐意分享我们的真实感受：Anthropic 和 OpenAI 下一步要做什么、会在应用层杀死谁，存在着巨大的不确定性。在一个我们拼命寻找确定性的世界里，我们抓的是“背书”——数学奥赛奖牌之类的。在没有其他确定性的时候，这些背书就是一根好用的拐杖。

Matan： 但它确实只是拐杖，一根拐杖而已。

Harry： 它有用啊，是个好指标。

Matan： 一般来说，你不可能又笨又拿竞赛冠军，这很少见。但对我们找的这种工程师来说，有奖牌很好，可真的不重要——重要的是：你做成过什么？你端到端地拥有过什么、展现过多大的能动性（agency）？

我们团队里也有奥赛金牌得主，他们很优秀，我很多朋友也是。但有一种情况要警惕：有些高中非常强调“你必须打奥赛、必须走 AMC（美国数学竞赛）进 IMO（国际数学奥林匹克）这条路，这才是成功”——这反而是个反向信号（anti-signal），因为这一路你是在走别人铺好的漏斗，而不是在选择自己的命运。我们团队里也有另一种人：来自穷乡僻壤，全校从没人搞过这些，是他自己觉得“这东西真好玩，我好胜，我要去比”，然后自己去打的比赛。对未来这种工程师来说，这才是依然正向的信号。

通才时代回归

Harry： 这话我应该没跟你说过——你知道你一直让我想到谁吗？

Matan： 谁？

Harry： 《心灵捕手》里的马特·达蒙。

Matan： 这话我爱听，收下了。

Harry： 以前没人这么说过？我再说一遍：你们长得一模一样。

Matan： 过奖了，我收下了。

Harry： 待会儿我们在这儿放张对比图，观众肯定会说“嗯，完全懂了，太像了”。说回正题——回到“什么让开发者变强”和团队搭建：有没有什么今天还不存在、但未来几年会极其普遍的岗位？

Matan： 这个岗位已经开始出现了：一种类似总经理（GM）的角色，通常由工程师转型而来。你端到端拥有的不是“上线一个功能”，而是一个业务结果。

在 Factory 内部现在就有这样的人：要发布一个东西，他拥有营销文案，拥有产品指标的结果，也拥有对销售的赋能。这远超一个典型工程师的职责范围——更像拥有一个业务结果，更创业者心态、更高的能动性，把触角伸到工程之外。

Harry： 你知道我怎么想吗？这适用于每一个职能。说出来你可能不信，我有时会在不同社交平台上发帖。我给今天所有学生最大的建议就是：无论做什么，都做到全栈。做营销，就自己写文案、确认可以发布、在对的时间发出去、负责放大传播。从头到尾每个环节你都得在，而不是“我只管写文案，然后丢给设计师做图，再丢给社媒团队”。每个职能不都该这样吗？我们开始期待每个人在自己的职能上都是全栈——通才（polymath）的时代回来了。

Matan： 我从小就痴迷数学和物理，特别嫉妒几百年前的人——达·芬奇（Da Vinci）、欧拉（Euler）、牛顿（Newton）那样的通才。他们能成为通才，是因为当时的学科还比较浅：化学没有那么深，数学没有那么深；以达·芬奇来说，艺术、工程、雕塑都没有那么深。一个人可以在有生之年同时站在多个学科的前沿。

而我成长的 2000 年代和 2010 年代、AI 出现之前，学科深得吓人——拿我自己的理论物理来说，光是读完既有的文献和学术积累就要花 50 年，然后才轮得到你贡献一点新东西。这让我非常憋屈。

有了 AI，局面完全反转：这些工具能把你快速带到前沿。当然，某些细节上会有不确定性，你没有别人那种深度，但它带你抵达前沿的速度前所未有。所以，如果你是那种善于在约束下思考、善于系统性思考、能在脑子里装着不确定性还能安然处之、明知有未知依然能推动前沿的人——你就能成为通才。

你可以一边开拓开发者营销的新打法，一边推进软件开发智能体 token 缓存的前沿，同时还是一个出色的解决方案工程师。这些事现在可以同时做。这是我最近一直在想的事，也是我们招聘时要找的人。通才的时代彻底回来了——通才回来了。

Harry： 很多人在我节目上说，“智能体运营”（agent operations）会是那个今天不存在、三五年后非常普遍的头号新职能。你同意吗？

Matan： 智能体运营的定义是什么？

Harry： 就是创建智能体并维护它们。比如走进各个职能说：社媒团队，我给你做一批智能体，帮你创作、分发、分享内容；市场和设计团队，我给你做一批智能体，帮你们生成视觉素材、互相分享、编辑、协作。

Matan： 我觉得某种程度上，每个人都应该自己具备这个能力。不过我也能想象有这么一个角色：专门找出组织里效率不高的地方——有点像现在的运营岗，只是“智能体化”了——能用智能体的地方就用智能体把效率提上去。但总体来说，如果某个职能里的人不会主动这么干，那大概率是个坏信号。

Harry： 我们今天做的什么事，是将来回头看会惊呼“我的天，我们当年居然这么干”的？

Matan： 对工程团队来说——手写发布说明（release notes）。当年人们居然花好几个小时写发布说明、写文档，这太疯狂了。

Harry： 不是所有人都知道发布说明是什么，解释一下？

Matan： 就是把过去一个月左右做的变更整理记录，发给内部或者直接发给用户。它和文档有点像。Stripe 在这上面口碑极好，文档做得出神入化——同期很多 API 的文档烂得不行，Stripe 就是天花板，而且真的花了很多时间做。

五年后大家会觉得：我的天，无法相信，这帮拿高薪的人当年居然把大把时间花在这上面。我认为这种事我们绝对不会再做了。

Harry： 如果大家的文档都被拉平了，Stripe 那手好文档的优势是不是就被削掉了？

Matan： 是的。但 Stripe 可以差异化的地方多的是。而且，一个人人都有 Stripe 级文档的世界，是个更好的世界。

Harry： 未来几年，产品评审、尤其是代码评审（code review）的流程会怎么变？

Matan： 智能体原生软件开发有个很妙的地方：评审一直是大问题。AI 编程工具落地的第一阶段是“我的天，看我们能生成多少代码”；第二阶段则是某个倒霉的资深工程师（staff engineer），要评审几百个垃圾 PR——不遵守你的规范、格式一塌糊涂。

而一个端到端“软件工厂”的好处是：投资“让智能体更接近生产可用”这件事，ROI 变得极其清晰。比如：确保智能体能拿到最新的文档；让智能体能启动远程机器，不只是生成代码，还能真的跑起来、看输出、据此迭代，确保结果真的好；把 CI/CD、好的代码检查工具（linter）、好的预提交钩子（pre-commit hooks）都配好。

过去，最重视开发者体验（DevEx）的组织也会在这些事上投入，但动机是让工程师工作更顺、上手更快——收益大致和工程师人数一比一。而有了智能体，同样投入的杠杆是 10 倍、100 倍，取决于你用多少智能体：你的 DevEx 越好，智能体就越遵守你的规范，那个倒霉的资深工程师评审 PR 花的时间就越少，软件开发的吞吐就越高。

Harry： 当智能体成为买方、你在向智能体销售时，世界会怎么变？好 API 的价值会上升吗？

Matan： 会上升，尤其因为让智能体用着顺的东西，往往和让人类用着顺的东西是同一套。理论上将来可能会出现分化：如果你真去训练模型、训练智能体，让它们的互相通信效率最大化，代价就是对人类的可读性变差。但你想，智能体对智能体，根本不在乎 UI 和设计，它真正在乎的是数据结构、潜在的集成方式、文档。

还有一点：如果没有严格的规范，代码很快就会臃肿。最智能体原生的组织，会在“UI 该怎么定、东西该长什么样”上给出大量指引，并且非常狠地修剪一切不必要的东西——比如代码里那些多余的注释。这也是人类工作变化的地方，正呼应我们公司的名字：我们叫 Factory，原因之一就是——软件开发的未来，是组织不再拥有“造软件的工程师”，而是拥有“建造工厂、让工厂造软件的工程师”。

每次说这个，我脑子里都是特斯拉（Tesla）工厂的画面。不知道你看没看过特斯拉工厂内部的视频：机械臂林立，流水线不停，线上的人不多——但你很清楚，是人类精心设计了这个流程，把吞吐优化到极致，产出更多的特斯拉。同样，在软件开发的新世界里，人类工程师不会那么深地参与亲手写代码，但他们会参与：如何确保代码不变成一坨膨胀物？如何确保它不是“测试能过、活儿能干，但技术债疯狂累积”？他们是在给这座生产软件的工厂搭脚手架的人。

劳动力替代恐慌、政府干预与 AI 泡沫

Harry： 从“在工厂里干活”变成“在工厂之上干活”，你担心劳动力被取代吗？

Matan： 短期，担心；长期，不担心。短期担心，因为这对体系的冲击是真实的：大裁员正在发生，相当激进，成千上万的人有工作、转眼没了。这确实让我忧心。但长期我完全不担心。现实是：世界上的问题多到离谱，其中很大比例可以用软件解决、或者借软件改善。而这些“软件能解决的问题”里，我们眼下真正在用软件解决的，只是很小一部分。所以，如果我们向就业市场释放大量工程师，意味着可以把他们配置到更广义的经济里，去解决世界上更多的问题。有更多工程师去解决更多问题，这是净好事。

Harry： 具体说——有什么问题今天没被软件解决、而会被这项新技术解锁？因为人人都说“气候变化”。我的反应是：好啊，可我见过几个真在做气候变化技术的人？一个都没有。

Matan： 嗯，某种程度上这正是因为谷歌们把工程师都招走了。把优秀的工程人才撒向更多问题，我认为是好事。当然，经济系统得跟上，得把激励配对，这需要一点时间——这就是中间过渡期。比如那么多健康问题：大量制药研究都可以被更好的工程推动。

有些人嚷嚷“暂停 AI 研发”“AI 是坏东西、会伤害社会”，这真让我上火。痴呆症（dementia）就是个最好的例子，人人都知道它有多残酷——它就是可以被更好的 AI 和更好的软件攻克的问题。假以时日，我们一定能解决它。而你说要放慢 AI，等于对那些亲人患痴呆症的人说：不好意思，你们再多熬一阵子吧，我们害怕，我们对 AI 没把握。我认为这种说法既伤人、又自私，在我这里完全说不通。

Harry： 那你支持政府干预吗？

Matan： 以什么形式？

Harry： 在自由市场里，资源配置的结果有时从人类道德和社会立场看是次优的。比如很多情况下，看着 Anthropic 的工程师在优化 Claude Code，而他们本可以去优化医疗系统、优化那些更关键、更攸关的事。政府可以介入，提供补贴、提供经济激励。你支持这种做法，还是信亚当·斯密（Adam Smith）那只“看不见的手”？

Matan： 某些情况下确实有用。我想没人会主张政府永远不该干预经济——尤其涉及军事用途、安全、武器这些领域，肯定需要一定程度的介入。有些激励引导也是有益的：有些社会问题，资本主义看不到即时的反馈回路，这时给激励加点油，能更快得到你想要的结果。

但总体上我很谨慎——你得拿出非常充分的理由。甚至拿气候变化来说：这当然是个对很多人极其重要的议题。你可以这样论证：AI 发展得越快，我们解决气候变化就越早，因为 AI 能帮我们解决大量这类问题。而为了让 AI 发展得更快，你可能得多消耗化石能源、多排二氧化碳。于是问题来了：短期也许略糟，但可能让我们早几十年解决问题，而不是拖上 50 年、100 年。

有些情形里，自由市场天然会把激励引对方向；有些则不会。但对于“政府要不要出手”这种事，你必须非常非常小心。

Harry： 你觉得我们正处在 AI 基础设施泡沫里吗？

Matan： 短期也许有些波动，但长期，绝对不是——差得远。可能会有类似 Uber 那种回调：“之前有点失控，配置不合理，好，那降点用量。”但净方向上，绝对不是泡沫。

Harry： 今天有什么瓶颈，是你认为几年内会被彻底解决的？

Matan： 在和所有这些组织打交道的过程中，最大的瓶颈毫无疑问是人的那一侧——行为改变。

Harry： 你指的是卖给大企业时的变革管理？

Matan： 不只是，甚至个人层面也一样。一个干了 30 年的工程师，很难改掉那些习惯——某种程度上人是会路径依赖的。但有意思的是，一些干了很久的工程师、或者做过工程管理的人，虽然可能更抗拒这些工具，用起来有时反而更好——因为他们懂得怎么授权、怎么带人。他们知道，跟初级工程师说清楚要什么有多重要：你交代错了，人家钻进山洞瞎干七天，拿回来一个完全没用的东西。

光谱的另一端是职业早期的人：他们还没有固化下来的工作流，更愿意拥抱新流程；但他们不会带人，也不擅长授权。这中间有个很有意思的平衡。

人生第一份工作：怎么卖给全球最大企业

Harry： 你们现在的客户里有全球最大的那些企业。关于向超大企业销售，有什么是你现在知道、真想告诉两年前那个年轻 Matan 的？

Matan： 这得先交代一下：这是我人生第一份工作。说这话总觉得好笑——在此之前我是个理论物理学家，真的什么工作都没做过，咖啡馆打工都没有，除了物理，从没因为任何事拿过报酬。这是另一个故事了。总之，我不是达蒙（译者注：呼应前文《心灵捕手》的玩笑）。

但我要说，最震撼我的认知——这对任何做销售的人、对查德和克里斯他们来说都是常识——是：面对面见人，差别太大了。不过前提是，你永远别想着“卖东西”。你应该去理解对方的问题，再看看你的解决方案是不是真能帮他解决。如果你抱着卖东西的心态进一场对话——尤其对方是工程师——别浪费这个时间了。

而带着真诚的好奇去聊，其实很容易，因为每个组织做工程的方式都千差万别。那些银行、咨询公司、药企，构建软件的方式一个比一个不同，特别有意思。而聊这些最好的方式就是面对面——人们就爱聊自己的问题，爱聊他们天天要应付的那些官僚主义噩梦。你把这些都听懂了，自然就能判断：我们的软件适不适合他们？能不能解决他们的问题？最有成就感的是一年后再见到他们：“我记得你当年还得应付那些破事，现在不用了。”——真的能这样改善别人的工作，那种回报感太棒了。

从弦论到红杉：辍学、偶遇与第一张百万支票

Harry： 说到“面对面”和销售——你们很早就拿到了红杉，它是最好、最负盛名的机构之一。能讲讲那个故事吗：一个从没上过班、只靠做物理拿过报酬的人，是怎么拿到红杉的？

Matan： 可以。我基本上从 12 岁起就痴迷物理，起因是我是个差学生，几何老师说我高中得重修几何。我在学校从不用功，但一直以自己的数学为傲。她居然觉得我要重修几何？我当时想：行，我做给你看。

于是我在亚马逊上下的第一单，是一堆教科书：代数 2、三角函数、微积分预备、微积分 1、2、3、微分方程，可能还有本线性代数。我把这些书买回来，在初中升高中的那个暑假全学完了、题全做了。然后高中开学，我通过免修考试跳过了所有这些课。接着我问我爸：最难的数学是什么？他说是弦论——严格说那是物理不是数学。但我想：好，那我要当弦论学家。接下来 12 年，我人生里只有数学和物理。

后来去了普林斯顿（Princeton），因为那里有位我想追随的物理教授——大名鼎鼎的胡安·马尔达西那（Juan Maldacena）。我是第一个和他合写论文的本科生。再后来我到伯克利（Berkeley）读博，跟着一位很棒的导师。结果是在伯克利，一切突然塌了：我的天，我做这些，只是因为它难、因为有人说我做不到——那我下半辈子干什么？一切都塌下来了。

Harry： 是什么触发了那个“塌下来”的瞬间？还有，为什么花了他妈的 12 年？

Matan： 12 年。

Harry： 你是真慢。

Matan： 我有隧道视野。一旦我迷上一个问题，脑子里就只有它。

Harry： 我读法学院，两周就反应过来了。

Matan： 你看，有人就是快一点，我确实没那么快。说实话，部分契机是在伯克利当助教带课。我教一班 18 岁的学生，他们对物理毫无兴趣。我突然意识到：我的天，这就是我下半辈子的样子——坐着讲课、带这些班。在“教授评分网”（Rate My Professors）上，我大概是 5 分制里的 1 分，教得稀烂，确实不适合我。

但那是一场存在主义危机：我该怎么办？盘下来无非三条路——量化金融（quant finance），很多数学物理背景的人都去那；或者大厂；或者创业。我像每个“好物理学家”一样去面了量化金融，差点就接了 offer 去纽约。

最后一刻，一位聊过的顾问劝我：“别去，在伯克利多待一阵子。数学你永远是会的，量化金融什么时候都能去。留下来，探索一下，学点东西。”我想：行吧。于是我在伯克利上了人生第一批计算机课。我早就会为物理写代码——做模拟什么的——但从没上过一门正经课。而且我这人好胜，发现在这些课上我比一些 CS 学生做得还好，这让我竞争欲极大满足：好，那我再多修几门。

真正把我一击命中的，是一门当时叫“程序合成”（program synthesis）的研讨课——今天我们管它叫代码生成。它一下把我这个极客彻底钓住了：这里的机器学习不是处理视频、音频、图像，而是代码——以创造自身为目的的代码。这里面有种根本性的东西。十来年物理和数学训练下来，我们这种人从来不会对“N 等于 3”“N 等于 4 维”这种特例感兴趣，我们永远问的是：N 维的通解是什么？那个任意的、根本的解是什么？“代码生成代码”这个念头里就有那种根本性——我彻底陷进去了。

于是我又在伯克利多待了一年，就干这个。导师很佛系，随我去上各种 AI 课。最终我想明白：真正解决这个问题的地方不在学术界，在工业界；而要在工业界把它做对，就得开一家公司。可我对开公司一无所知——再说一遍，我人生里只有数学和物理。一个想学习开公司的人会干嘛？他在亚马逊上下单彼得·蒂尔（Peter Thiel）的《从 0 到 1》（Zero to One），然后去 YouTube 搜“怎么开公司”。

书读了，确实了不起——我知道这很俗套，但对一个一无所知的人来说：我虽然在湾区长大，却对那些事毫不关心，这本书写得凝练、漂亮，我爱死了。然后我开始刷各种视频，很多是 Y Combinator 的。偶然间刷到一个——好像是什么“斯坦福 VC 社团”的播客——嘉宾的名字我认得：当年我在普林斯顿和马尔达西那写论文时，引用过他的文章。他也是个理论物理出身的，现在却在这档播客里讲他怎么把一家公司卖了 10 亿美元、现在在一家叫红杉的地方做投资。

而且视频里的他看起来相当善于社交、相当正常——不知道你有没有和理论物理学家打过交道……这么说吧，跟理论物理学家比，他能保持眼神接触，已经算相当正常了。这标准是真低——他在社交场合能立得住。我当时想：这人是谁？我得跟他聊聊。于是我给他写了封邮件：“嗨，我是 Matan，我以前也是搞物理的，和胡安合写过论文。”——我没写姓，懂的人自然懂——“很想听听你的建议。”他当天就回了，约我去沙丘路（Sand Hill Road）。

本来只是一次散步，结果走了三个小时。聊下来发现：我们当年迷上物理的理由几乎一样，离开物理的理由也几乎一样。散到最后他说：“Matan，很高兴认识你。你必须从博士项目退学。然后二选一：要么现在就去推特（Twitter）——埃隆（Elon）刚接手，正是最硬核的时候，你主动跳进去，简历会很好看；要么去开一家公司。”我说：“太感谢了，我回去想想。”——但其实我已经有 Factory 的想法了，只是不想用一场推销毁了这次见面。

Harry： 他不想把这场相遇变成一场交易。

Matan： 对，因为那次相遇太美好了。我们迷上物理的理由一模一样——不想玷污它。

Harry： 懂。就像面对 LP（有限合伙人），聊到最后你就是不想开口要支票。

Matan： 完全正确。更巧的在后面：第二天，我去旧金山参加一场黑客松（hackathon），隔着整个房间看到一个人——也是普林斯顿的，我认得他但不太熟。我过去聊了起来，发现他对这个问题也很着迷。我们开玩笑说那是“智识上的一见钟情”。他就是我的联合创始人伊诺（Eno）。

从那天起，我们每天都聊个不停。我手上有个自己搭的烂 demo，而伊诺的工程能力比我强一千倍。我们俩接下来 72 小时拼出了一个像样得多的 demo。然后我打电话给那位投资人：“我有个很酷的东西想给你看。”电话接通，我演示完，问：“怎么样？”他说：“还行吧。”我心想：你开什么玩笑，这是要改变世界的，你说“还行”？他接着说：“那你会全职做吗？”我说：“当然。”他说：“好，从博士项目退学，然后把截图发我。”

你要知道，我父母当年从苏联移民到美国，几乎身无分文。我读博士这件事，是他们的骄傲和快乐，是他们最引以为豪的东西。一切都发生得太快、势头太猛——他回了我的邮件，我们聊得投机，第二天我又遇到了联合创始人。我一咬牙：管他呢。退学，发截图。他回：“好，明天上午你和红杉合伙人会议（partnership）有个会，准备好路演。”

Harry： 你之前从没给风投的合伙人会议做过路演。然后呢？

Matan： 我做了个很烂的 PPT，然后去了红杉总部。说实话，我当时根本不知道他们是何方神圣——就觉得“一帮陌生人呗，行，聊聊”。真希望当时有录像，我肯定显得狂得没边。

过程怎么样？我觉得还行。他们问了一些问题——我对风投圈、创业圈一无所知。事后我才知道，阿尔弗雷德（Alfred）、帕特（Pat）、鲁洛夫（Roelof，原文听写为 Roloff）他们都在场，都在提问，而我大概把其中一些问题直接怼回去了：“这个我们轻松解决”“那个我们会这么做”。注意，那是 2023 年 4 月——远早于任何人谈“智能体”，甚至远早于大家开始用 Copilot。我们当时在讲的是全自主的软件开发智能体。整个过程像一阵恍惚。第二天，肖恩（Sean）打电话来：“想要张支票吗？”

Harry： 支票多大？

Matan： 100 万美元。

Harry： 100 万美元。那估值呢？条件是什么？

Matan： 投后 500 万？

Harry： 投后 500 万。无意冒犯——以他们管理的七八十亿美元盘子，这种单子也就一杯咖啡钱，干嘛还专门开个合伙人会议？我知道这话刻薄，但我是认真的。

Matan： 时代不一样了。2023 年初是另一个世界，后来一切都疯了。那是投后 20% 的股份。

Harry： 给听众解释一下：按你们最新一轮估值算，那相当于一个 3 亿美元的仓位——还不算稀释（dilution）。

Matan： 当时很多人劝我：“你可以拿着这个条件去货比三家，红杉的牌子能谈到更好的条款。”但你跟一个人有那样的连接时，对我来说有些东西更重要：你当然想为公司争取最好的条件，可是——除了他，不会有第二个人那样相信我。不会有第二个人理解我：我真的是从没上过一天班的人。事后看也一样：换了任何其他合伙人，都不会开那张支票。

信任、忠诚、信念——对我来说，这些比估值上的价签重要得多。我要确认站在我身后的是对的人，因为我们要建的是一家传奇公司：不止十年，是一辈子的事。你问我会不会劝创始人为红杉打折？总体上说，会——他们就是最好的机构，尤其当你和那位合伙人之间有特别的连接、或者有非他们不可的理由时。但真正重要的是：你要找那些在天黑的时候、在事情不再显然的时候还站在你身边的人。因为当红公司融当红轮的时候，人人都是你的好朋友——让你觉得自己很特别就是他们的工作，而且他们干得极好。

Harry： 投资人“哄”你最到位的一次是怎样的？（译者注：原文听写为 "wee"，按语境应为 woo，追求、讨好。）

Matan： 不点名了。有这么一位投资人，还在场上，但偏老派那一挂——就透露这么多。见面前就有人提醒我：“这人特别擅长让你自我感觉良好。”我心想：无所谓，我扛得住。

结果聊完出来，我整个人是飘的：“我真他妈是天选之人，这就是我的命运，我要建一家传奇公司，稳了。”过了 30 分钟，劲过去了，我才反应过来：我的天，他得手了——他真的对我用了那招，让我觉得自己很特别。公司当红的时候，很多投资人都会来这套，而且他们是真擅长，这就是他们成为顶级投资人的原因。所以对我来说，搭建董事会时最看重的是：在事情不显然的时候仍有深度信念的人。这才是真正重要的——公司当红时人人热情，可不红的时候呢？艰难时刻一定会来，他们那时候怎么表现？

伊万卡·特朗普与“永远不要见你的偶像”

Harry： 你们是怎么拿到伊万卡·特朗普（Ivanka Trump）投资的？

Matan： 这得说到我在 Factory 做过最棒的一次招聘：弗朗西斯卡（Francesca）。我们是在一个随机的会议上认识的，座位挨着——同排还坐着亚历克斯·帕尔（Alex Pall），烟鬼组合（The Chainsmokers）的二分之一。大家都知道烟鬼组合，但很少人知道他们也是极其出色的投资人，这点常让人意外。我们聊得很投缘，巧的是我俩还是同乡，又是一层巧合。

在他们想投进来的过程中，她做尽调的方式、她整个人的状态——干练、清晰，一看就是个狠角色。他们想要更多份额，我说：“不行，抱歉，就这些。”她毫不松口，直接杀到我们办公室：“我们得拿到这么多，怎么才能做到？我可以做这做那——我们带给你的业务价值，会比你把这份额给别人更值。”就是那种紧盯不放。

后来一次聊天，我跟她开玩笑：“弗朗西斯卡，你想要 Factory 的更多所有权，干脆加入我们得了——这买卖能干。”结果我们俩都愣了一下：咦，有点意思。又深聊了几轮，发现匹配度极高，于是就把她招进来了。亚历克斯那边确实有点难割舍——她太出色了，而他们关系很近。不过他后来很开心，因为她帮我们把事情做得很好，给他们带去了不错的回报，我们也是他们的头号粉丝。

她和 Affinity 那边在做投资时就很熟（译者注：Affinity Partners，贾里德·库什纳（Jared Kushner）的投资公司；原文听写为 "their firm affinity"）。后来经介绍我们认识了，聊得特别好，这层关系就是这么来的。

Harry： 伊万卡·特朗普真的提供价值吗？大家看到这种名字会想：不就是品牌效应、挂个名嘛——我没有丝毫不敬的意思，但人们对名人入股常有这种成见。她是真的提供了价值吗？

Matan： 真的。首先，她是我见过的最善良、最聪明的人之一。有些名人你见了会失望——“跟想象中不一样”。她是真心善良、真心聪明，科技圈内外、全世界的人都很喜欢她，而且理由充分。她的人脉网络不得了，对时间又极其慷慨。有些“投资人该干的脏活累活”，一些以投资人闻名的机构都不干，她却会帮。她和她的公司，是真凭本事在股东名册（cap table）上挣到了那个位置。

Harry： 这评价真好。有句话说“永远不要见你的偶像，一定会失望”——我倒不是说伊万卡是你的偶像，但我一直觉得这话纯属扯淡。

Matan： 同感。我见到道格·莱昂内（Doug Leone）时——他是我的偶像之一——完全没有失望。离开的时候我反而觉得：天，他应该更红才对，他简直比我的偶像滤镜还牛。

市场终局：模型与应用必须分离

Harry： 完全同意，太有意思了。想请你聊聊一个我一直没想透的市场格局问题：看 Cognition、Claude Code、Codex、Cursor，现在又加上 Grok——这个市场会怎么演化、成熟？它的终局是 AWS、Azure、GCP 的三分天下，还是 Uber 与 Lyft 的双雄格局？

Matan： 我认为，对消费者最好的结果，一定是模型和应用分离。作为消费者，你不会想用一个“模型是谁家的、应用也是谁家的”产品——因为激励是错位的。

Harry： 激励错位。为什么？

Matan： 拿编程来说：如果我是模型供应商，服务一家大企业、给你提供编程工具，我会希望你烧尽可能多的 token——因为我是按 API 收费的生意，你用的 token 越多我赚越多。除了“想给你好的产品体验”这层，我并没有太强的动机去帮你省 token。

而如果模型供应商归供应商、应用层归应用层，企业可以在不同供应商之间做选择——那模型供应商就必须做到最好、最便宜、最快，否则一个 token 也流不到你那里。这等于把最好的激励压在了模型供应商身上：有我们这样独立的智能体在中间，企业拿到最好的价格，还能按语言、按任务在不同模型之间灵活调度。反过来，如果你被单一供应商锁定（vendor lock-in），对方就会慢慢懈怠、交付变慢，最终消费者拿到的是更差的体验。

Harry： 好，模型绑定应用对消费者不利。但直白点说：Codex 和 Claude Code 正在吃掉大块市场。三年后，这个市场成熟的样子是什么？

Matan： 这次会和云计算不一样。当年云厂商来说：“签个三年合同，给你大折扣，一切都给你弄好。”然后等你上船了，他们开始涨价——而你已经在一家上标准化了，换一家要两年，祝你好运。人人都带着那个时代的伤疤。所以现在，我聊过的每个 CIO 都极其清醒：不能把身家押给单一模型供应商，必须保持中立。

当然，中立也可以这样实现：给每个工程师同时配 Claude Code、Codex、Gemini CLI……但那样你是让工程师同时用十套工具。或者，你可以用 Factory 这样的产品：一个工具，按任务逐次“竞价”——这个任务用哪家模型？用开源还是前沿？由你决定。

Harry： 帮我理解一个悖论：一边说“要更省成本”，一边像 Replit 那样“同一个提示词同时在三个模型上跑”——我不是贬低 Replit，那是个很好的产品体验，但这怎么自洽？

Matan： 这个用法我在企业里见得不多。消费级场景可以理解：你对成本不那么敏感，因为规模不大，看着“Gemini 怎么做、OpenAI 怎么做、Anthropic 怎么做”挺好玩。有些企业遇到极敏感、极保密的任务，可能也会这么做。

但大多数情况——比如一个非技术的人要搭个内部仪表盘——你不需要十个模型生成十个版本。至于市场成熟的问题，Lovable 和 Replit 这类市场会怎样——我们看到 OpenAI 昨晚刚发了对标产品——说实话我也不知道。对我并不明显，部分原因是我身边没什么人高频用这些工具：我认识的人要么不用 AI 工具，要么是技术人员、直接用 Factory。

Harry： 而且我也不是说——

Matan： 没有，我的朋友就没有不用 Factory 的——不用 Factory 我们没法做朋友，开玩笑。所以我确实需要多理解那类用户。我的判断是：现在还在早期，他们足够敏捷，会找到自己真正要占的利基（niche）。只不过那个定位目前对我并不明显——据我所知，他们中的一些已经在往企业市场转了。

Harry： 我觉得他们是在往企业里的“非开发者职能”转。比如我是 Lovable，就卖给销售团队、营销团队、客服团队，让零开发经验的人也能做出很棒的物料。

Matan： 如果是这样，那个利基倒更说得通。反过来，如果他们去做“让非技术人员为了写代码而写代码”，我认为是不明智的——因为只要涉及企业级管控（谁能访问哪些数据库、哪些代码），那一定是工程师说了算，那是 Factory 的地盘。但如果是销售想做一个定制化的演示应用、定制网站之类的，某些场景下确实有价值。

安全、中国开源与欧洲困境

Harry： 我们是不是正在进入安全的危险区？海量全新代码被创造出来，安全性可能不如从前——我们看到的安全事故、泄露事件会越来越糟，而这才刚开始？

Matan： 是的，会疯掉的。

Harry： “会疯掉的”——具体是什么意思？

Matan： 意思是：代码生成量在指数级增长，而安全投入没有同步增长，中间有时间差。我认为未来几年会发生几起相当大的、由 AI 生成代码导致的事故——说实话可能已经发生过了，只是出了事没人会承认，大家通常不愿承认跟 AI 有关。而且，我们甚至还没见过最具对抗性的玩法：这些工具完全可以被用来做相当恶意的对抗。赌注越高，安全就越重要——我认为安全这个市场会非常关键。

Harry： 你觉得应该允许美国创业公司这么大规模地跑在中国的开源模型上吗？

Matan： 应该。用开源模型本身没问题。这里其实有两层担忧：一层是数据外流——把你的数据送到另一个国家去，这个担忧是成立的。我们不想把数据送到中国。不过平心而论，无论哪个国家，你大概都应该把数据留在自己境内。

另一层担忧是模型本身：哪怕模型部署在美国，模型本身有没有问题？有些人的想法像间谍电影：一句暗号，某人瞬间进入“机器人模式”开始搞破坏。他们担心这些模型可能偷偷内置了触发词——你一说某个词，哪怕它部署在美国，它也会开始把数据发往别处，或者故意搞砸你正在做的事。

但假设某个国家真想这么干——想做一个带触发词的模型。理论上你会越晚用越好：如果你在一个早期模型里就这么干、然后被人发现，那全世界永远都不会再用你的模型了。所以我不认为这是个大担忧。而且，只要部署方式正确——我是说企业级部署，不是消费级——数据外泄和这类对抗行为，一般都是有办法防的。不过，我这人挺爱国的：美国没有自己的前沿开源模型，说实话挺丢人的。我确实希望看到我们重夺这个位置。

Harry： 欧洲落后得更多，尤其在模型研发一侧。你觉得欧洲是不是已经落后到追不上了？

Matan： 前沿模型实验室这一侧，大概率是追不上了，但基础设施建设和能源那一侧还有大把事可做。不过话说回来，世界不同地区各有各的难处：民主国家做事普遍慢——你说“我们要干这件事”，得争取支持、说服相关方、过立法，周期很长。

好处是，理论上我们有制衡机制，不会在某个方向上疯得太离谱。而在更威权的地方：“就这么定了，现在就干。”速度确实快，代价是纠偏更少——万一走错了方向呢？但像 AI 这种目标相当明确的事：要建设就得建数据中心，得要能源，能源又得大规模建设、前置周期很长——动作快就是优势。在西方，这些事就是慢，尤其还得应付各种政治博弈。这是对我们不利的一点。

Harry： 你担心我们看到的那种针对数据中心的公众反弹吗？我记得获批的 100 个数据中心里，最后大概有 40 个根本建不起来。数据中心会不会变成财富集中和技术霸权的象征？

Matan： 会，但至少在美国，联邦制的美妙之处就在于我们能做选择实验：有的州对所有数据中心说不——行，那它创造的工作岗位就少；有的州放开建——那里的人会繁荣，会有好工作，会看到下游的好处。就像一个个培养皿，我们可以观察不同做法的结果，这是美国制度的好处。至于欧洲——难说。几十年前欧洲在核电上有过很好的位置，可惜近些年没有兑现。那本可以是欧洲在 AI 能源一侧翻身的一张牌。

Harry： 百分百同意。都怪德国人。

Matan： 得，德国听众全跑光了。

快问快答：CoreWeave、FDE 与苦劳表演

Harry： 来，我们玩一轮快问快答：我说一句短的，你直接给第一反应。Nebius 对 CoreWeave——五年后谁市值更大，为什么？

Matan： 事先声明，我是应用层的人，偏见很重。对我来说抓阄都行，无所谓——我甚至希望有这么一个世界：我们的用户根本不知道底下跑的是哪一家。

Harry： 就你个人。

Matan： 我希望 CoreWeave 更大。

Harry： 为什么？

Matan： 因为我觉得 Nebius 有更大的全栈野心，那会以一种 CoreWeave 不会的方式，侵入我们的地盘。

Harry： 野心，什么野心？

Matan： 反正我认为他们那么做不明智。企业得想清楚自己的核心竞争力是什么。谁想扩张到核心竞争力之外——凯易，请便，玩得开心。那不是你的核心竞争力，我不认为这说得通。

Harry： 我懂，不过也可以说那和它们的业务更相邻。下一个：Nebius、CoreWeave 这类公司，客户集中度高达收入的 90%——这样的公司会越来越多吗？

Matan： 会，大概率会。

Harry： 这是好事还是坏事？

Matan： 如果你是这些公司的投资人，是坏事——风险更高。不过我认为它也能达到一种稳态，只是吓人：你头顶上永远悬着一把达摩克利斯之剑（sword of Damocles），就是有风险。

Harry： 就是有风险。“达摩克利斯之剑”——这词在本节目可是头一回出现。下一个：今天不靠 FDE（前线部署工程师）模式，还能把产品卖给企业吗？

Matan： 能。把产品做好就行。FDE 这事让我最费解的地方在于：对我们来说，派 FDE 的目标应该是“加速”。简单说，如果一个客户的产品用量本来六个月后能做到 100 万美元，我派 FDE 进去，让他三个月就做到 100 万——好，这是加速。

但如果我派 FDE 是去当服务使的——拜托，我又不是埃森哲（Accenture），也不想当印孚瑟斯（Infosys）、高知特（Cognizant）。我们不是服务公司。如果需要 FDE 才能让产品转起来，那说明产品很烂。FDE 的意义是加速消耗、加速放量。如果你派 FDE 是因为不派就签不下单——抱歉朋友，你的产品很烂。

Harry： 你怎么看“苦劳表演”（grind slop）这回事？之前我和 Corgi 的尼科·拉夸（Nico Laqua）那期节目聊到过，在网上引起了“一点点”讨论。

Matan： 嗯，就“一点点”。

Harry： 对，就“一点点”讨论。

Matan： Harry，你还是一如既往地会惹毛人。

Harry： 我什么都没说啊！说实话，这就像有人来你家派对上干了件出格的事，结果所有人都说：是 Harry 干的。说回正题——你怎么看苦劳表演？

Matan： 我们今天聊的很多事其实都连得上：人人都该警惕“中间指标”，而苦劳表演正来自中间指标——“做事总得花时间吧，那我们就盯大家花了多少时间”，而不是盯“事到底做成没有”。

我常用的类比是：想象你用“谁出汗最多”来判定一场篮球赛谁赢。你可以汗如雨下，但请看记分牌：该做的事你到底做成没有？对我们来说，我们要的是最好的球员。你出汗多还是少，我不在乎——你得分多，我们就要你。当然，对大多数人来说，想成事确实得出汗。但如果你需要靠强制疯狂工时、靠在办公室里放床来招人，说明你招人招得不行。

兄弟，好好睡一觉不行吗？办公室里不需要放床——在公司附近租个舒服的小公寓，睡够八小时。如果你作为团队的关键成员，睡两小时就能把活干完，那你干的不是什么高杠杆的活。

Harry： 你知道我想到什么吗？这本来是 Eight Sleep（智能床垫品牌）做一次社交营销的天赐良机——要是我，就让创始人站在楼外面举牌：“你的床，我们包了。”

Matan： 说到这个，还真是——我们 30 个人的时候搞过一次“冲刺”（surge）：两周高强度攻坚。作为配套，我给全组每人送了一张 Eight Sleep，全免费，人均 3000 美元——创业公司的奢靡，对吧。但逻辑是：我们为产出而优化，我们招进团队的人是海豹六队（SEAL Team 6）、是 NBA 全明星——为了让他们更高效、为了兑现我们那些激进的目标，每一美元都花得值。

至少对我个人，Eight Sleep 确实改善睡眠。工程师睡得好，状态就好，脑子就更清醒、更敏锐。而且我们做的工程工作不是苦力活——不是“怎么堆更多小时”，堆时间我们有 droid。我们的活需要极深的思考，需要你每一分脑力。这种情况下，没睡好，你就做不出好决策。

Harry： 如果我给你无限的钱，你今天会花在哪件你现在没花钱的事上？

Matan： 总体来说，我认为最好的公司会越来越把团队当海豹六队、当 NBA 职业运动员来对待。但不是谷歌当年那种——给你弄个充气城堡之类的怪东西——而是真像对运动员：看着像被供着，其实全是“负担”。你的饮食被监控，赛后必须做一小时按摩，确保肌肉为下一场恢复，还得泡冰浴……看起来很光鲜，其实很多时候并不。

我认为会有越来越多公司在这些方面花钱——当然是在更偏智力的领域。如果每多花一块钱，就能让每个人睡得更好一点、恢复得更好一点、决策做得更好一点——这钱大概率值。

Harry： 你可太美国了。知道我喜欢什么吗？我喜欢柠檬甜酒（limoncello），喜欢抽烟，我就想坐在大太阳底下晒着维生素 D，和朋友们一起感受生活。你们这帮人却把一切优化到极致。对了，你看到史蒂文·巴特利特（Steven Bartlett）前几天那个视频了吗？

Matan： 没有。

Harry： 你可能不知道这人。史蒂文·巴特利特，他说：我喝了两顿酒，毁了我三天——没睡好，第二天吃得更多，播客录得更差，没去健身，然后又睡不好，三天全毁。

Matan： 好吧，说实话我理解。公道地讲，Factory 第一年我每晚都喝一杯威士忌，我的理由是——估计你会同意——人要“抗造”：如果你想做个健壮的人，就不能一杯酒毁掉后面五天，风一吹你就倒了。所以某种程度上我懂：这些东西你想要一些。但也可以换个思路——还是学运动员：他们分赛季和非赛季。也许该这样：赛季里你全情锁定，不喝酒，配上你的 Eight Sleep 把一切优化满；然后休一周，去海滩上喝莫吉托，或者随便什么人在海滩上喝的东西。

Harry： 然后非赛季你就变成查理·辛（Charlie Sheen）。

Matan： 也行……只要你能恢复过来，各人有各人的活法。

Harry： 我的天，那画面太美了——拼命工作，拼命玩。下一个：IPO 当天只能投一家公司。抱歉了兄弟——Anthropic 还是 OpenAI？

Matan： 在我看来，这两家大致等价——真的无所谓。影响期望值的最大变量是公司的波动性，仅此而已。因为从业务角度看，两家都非常强，位置也都很好。

Harry： 所以你选 Anthropic？

Matan： 大概是。历史是未来的指标，而 OpenAI 发生的随机、混乱、动荡事件就是更多一些。但纯从业务角度，两家都是很好的选择。

Harry： 达里奥·阿莫迪（Dario Amodei）反复说“我们要拿走你们的工作、拿走你们的工作”——他这么做，是不是给整个生态帮了倒忙？

Matan： 是。这事真的让我上火。虽然刚才 IPO 那个问题我等于暗示了选 Anthropic，但在这件事上，我认为他们的做法不仅不真诚、不正确，而且实实在在地伤害了很多开发者的心理——伤害了世界上很多普通人。这对 AI 是帮倒忙，对世界也是帮倒忙。因为回到我们前面聊的：AI 将要解锁的应用、将要为社会解决的问题——这种言论恰恰给“我们应该放慢 AI、应该停下来”的论调喂了燃料。

而且说实话，他们那么说是出于私利。当你要融一笔史无前例的钱——几千亿美元什么的——说服人掏钱最好的话术就是：“整个资本主义都要没了，最后剩下的公司只有我，所以你最好把钱给我。”然后呢，等到要 IPO 了——那些可能被你取代的人，现在可是你希望他们掏钱申购你 IPO 的人——口风突然就变了：“等等等，人类可重要了，工作还会有的，我们爱你们。”这让我非常恼火。

Harry： 完全同意。讽刺的是，从没说过这话的，恰恰是从来不缺钱的那几位。你看扎克伯格（Zuck）、德米斯·哈萨比斯（Demis Hassabis），在劳动力替代这件事上，他们的立场就一直和萨姆·奥尔特曼（Sam Altman）、达里奥很不一样。

Matan： 很有意思。需要钱的和不缺钱的，立场就是不一样。

Harry： 说白了挺可悲的：那么多关于 AI 和智能的哲学讨论，最后还是激励决定结果——而激励是“我要融很多钱”。下一个：你觉得哪家老牌公司把 AI 用得最好？

Matan： 说实话——安永（EY），那家会计师事务所。它是我们最大的客户之一。

Harry： 我知道，你说过，够意外的。

Matan： 他们的智能体原生程度高到离谱。真是我们最大的客户之一。

Harry： 怎么做到的？就往组织里硬推？

Matan： 基本是这样：他们亲眼见过云计算时代发生的事——见过“动作慢、没有果断上船”留下的伤疤。他们有很棒的工程领导层，态度是：“这事会很吓人，会有人不爽，过程不会轻松，但哪怕拼到最后，我们也一定要把公司变成智能体原生。”而且他们动手其实相当早。在我看来最神奇的是：他们比一些创业公司还要智能体原生——这太疯狂了。

Harry： 美丽新世界。

Matan： 美丽新世界。

Harry： 最后一个问题：过去 12 个月，你在哪件事上改变想法最大？

Matan： 过去 12 个月我改变最大的想法是：曾经有一小段时间，我以为最前沿、最强的位置可能会被一两家公司直接锁定、一骑绝尘。而现在在我看来相当清楚：大概率会有至少四家，水平大致相当。这是好事——这是人类的胜利。对人类来说，坏的情形是只有一家强得离谱。我认为会有至少四家，甚至更多。支持这个判断的证据似乎正在增多——这观点现在算个“热辣观点”（hot take），因为眼下大家还有点心醉于其中一两家。

Harry： 好了，马特·达蒙，今天太愉快了，放你回罗宾·威廉姆斯（Robin Williams）身边去吧。对了，本期节目由 Eight Sleep 赞助播出——我开玩笑的。兄弟，今天真的太过瘾了，非常感谢。

Matan： 谢谢邀请。