Token成本的未来：Memory成为护城河 (Nikesh Arora)

---

开场：一张单程票，两只行李箱

尼克什： 我带着两只行李箱来到美国，口袋里只有 200 美元，我愿意做任何事——任何事——来为自己闯出一条路。因为我根本没有退路，那是一张单程票。我当过保安，替残障同学记笔记，在汉堡王翻炸锅。200 美元，我必须想办法交学费。

哈里： 今天坐在热座上的，是 Palo Alto Networks 的 CEO——尼克什·阿罗拉 (Nikesh Arora)。这家公司的市值高达 2250 亿美元。Nikesh 是科技界最受尊重的经营者之一。

尼克什（节目预告语）： 我认为，Token 的长期定价应该是今天的十分之一。

尼克什（节目预告语）： Mythos，我认为它最终会成为网络安全的加速器。

尼克什（节目预告语）： 在科技行业，错过一个关键趋势，你能活下去；错过两个，你就岌岌可危；错过三个，你可能直接出局。

---

哈里： Nikesh，上次我们做节目，我当时已经禁食了 22 个小时，禁食周期是 24 小时。现在回头听，我自己都觉得——天哪，你居然敢带着这股饿火和脾气，跟这个行业的 OG 坐在一起。我对你很不耐烦，脾气很差。

尼克什： 好消息是，我之前就跟你说了，我有完全的记忆缺失——对上一次说了什么、聊了什么，毫无印象。我得回去重新听一遍。总之，很高兴再次来到这里。

哈里： 那次节目非常精彩。我们聊得非常投入。真的很好。我不知道当时是什么状态。我们……

尼克什： 我觉得我们应该停止远程录制播客了。

哈里： 哦，天哪，我完全同意——我们应该让大家定期来这里录制。

哈里： 对，我其实一直在这样做。只是有时候他们飞来的时候时差很严重，他们可能下午四点才到，那就有点难搞。

尼克什： 那你就晚上 11 点录？

哈里： 也许吧。

尼克什： 如果是加州来的人，对他们来说时间正合适。

哈里： 也许我应该调整一下。是的，我就是有点自私。Marc Andreessen 说……对，应该怪我。Marc Andreessen 说："你一定要真正去拥抱——你应该问自己，这是我的责任吗？"当你用这种视角去看待生命中的一切时，世界真的会不一样。

尼克什： 其实，不妨换个方向——"我能做什么来让这件事变得更好？"就是改变出发点。不是"这是谁的错"，而是"我如何让它变得更好？我能为此做什么？"这就是我打理自己的日常，打理生活和公司的方式——今天能让它好一点点？三年后，能让它发生根本性的变化？

哈里： 有没有你怎么努力都没法让它变好的事？

尼克什： 努力过，但没成功——这并不代表你没尝试。我们能做的，就是不停地尝试。如果成了，很好。但只要你持续努力，你成功的频率会远超你的预期。

---

产品护城河 vs. 个人品牌：谁决定你的命运？

哈里： 我们在楼下聊到了你的个人品牌，还有"如何让事情变得更好"这件事。

尼克什： 我不像你那样去想品牌，因为这就是你吃饭的行当。我想的是如何把我的生意做好。

哈里： 好，我认为你的思路从根本上就是错的。

尼克什： 我来这里是为了学习。教我吧，Harry。我来学习的。（笑）

哈里： 不，我认为你的个人品牌就是你的生意本身。

尼克什： 我认为，如果你做出了一个伟大的产品、一家伟大的公司，人们喜欢你的产品，你的品牌最终会经受住一切考验。相反，你可以有一个伟大的品牌，但产品烂、执行烂，品牌照样一泻千里。所以我的逻辑是反过来的。

哈里： 但你觉得在今天这个时代，还是这样吗？我认为品牌在当今世界可以是一个巨大的加速器，尤其是在这么嘈杂的环境下。

尼克什： 你知道，我在谷歌待了很多年，还做了五年的首席营销官。从历史来看，科技行业里有太多拥有伟大品牌却最终消亡的公司。Sun Microsystems，曾经的宠儿，三十年前何等风光——今天它不存在了。为什么？因为产品烂掉了，品牌自然死去。还有 Yahoo？那个品牌依然存在，但它的体量大概是谷歌的百分之几——如果你算两位小数，甚至更少。所以，我认为是产品在塑造品牌。

哈里： 但我觉得那个时代的情况不同——当时噪音要少得多。所以我认为如果是今天，你需要先有品牌，才能破圈。

尼克什： 好，让我反驳一下我自己的论点。实际上这是一个光谱，对吧？光谱的一端，是产品高度差异化——产品本身塑造品牌，比如谷歌搜索，你会说"去谷歌一下"，它已经成了动词。另一端，是完全同质化的商品——比如这瓶水，没人知道为什么这叫依云 (Evian)，但这是商品，品牌是唯一的差异。

所以这取决于你在这个光谱的哪个位置。如果你是同质化产品，品牌确实极其重要。如果你是差异化产品，你靠差异化产品构建品牌。你自己决定在光谱上想站在哪里。

---

前沿模型的"广度 vs. 深度"困局

哈里： 说到品牌，我看到你发了一条推文，我当时看完就想——这是神来之笔。你写道："用一句话拆解前沿模型问题——这是一个广度 vs. 深度的问题。"

尼克什： 是的。

哈里： 能给我解释一下吗？

尼克什： 好，你知道，我一直在认真听你的播客，也在紧密追踪市场的走势，因为我想搞清楚这一切最终会落到哪里——不只是因为好奇，也因为它直接影响我自己的业务怎么构建。

你看到了这些非凡的前沿模型，它们在不断地交替领跑。几乎每隔几天，OpenAI、谷歌或者 Anthropic 就会推出一个全新的模型。问题来了：这些模型在不断演进，我该构建什么？我该怎么用这些模型？然后，当 Mythos 时刻到来，当所有人都在疯抢 Mythos 的时候，你意识到——哪怕是最好的模型，也有很高的"幻觉率"。

但有趣的是，在消费端，大家似乎并不在乎这个。今天早上我跟我妹妹聊天，她说："我刚去 ChatGPT 问了一堆问题，非常有帮助。"所以消费者对幻觉的容忍度极高，因为中间永远有一个人在——用户自己在判断模型说的话对不对，会自行过滤掉很多幻觉。消费者不区分也不在意，产品也在越来越好。

我刚用 Gemini 写了一份投资备忘录，给我看上去还挺准确，我也许会改几处，但总体上是可用的。

所以，在消费端，这是一个广度问题，对吧？它帮我写了投资备忘录，如果是以前，我得雇一个银行家和一堆分析师，花上好几天，现在我四分钟搞定。广度在那里，这意味着它会成为你的首选入口。就像 YouTube 是流媒体视频的唯一去处，谷歌是搜索的唯一去处——一旦你成为第一入口，分发优势是指数级的。所以前沿模型们在追逐消费端的品牌，而幻觉在这里无关紧要。

但在企业端，幻觉的代价极其高昂。因为想象一个未来——一个自主运行的智能体在独立做决策并采取行动，你对幻觉的容忍度是零。

举个例子——Waymo 在我看来是目前最大的"智能体"产品，因为它替代了一个叫做"司机"的人类。所有决策都由 AI 做出，它决定什么时候转弯、什么时候停车、该做什么。但想想它为了替代那个人类司机，花了多少精力在边缘案例上进行训练——据我所知，是数百亿美元。

这就是为了解决一个用例，就要对它进行如此深度的训练。而这些数据不在互联网上。你没办法把 Anthropic 最新的模型塞进你的奔驰，然后说"好，送我回家"——它做不到的。这就是深度问题所在——你需要围绕模型积累足够深度的上下文、理解和智能，才能让它真正发挥出"完全自主"的价值。

所以我认为这里存在一种持续的张力：前沿模型想要消费端的注意力，因为那能驱动模型的后期训练、巩固模型的消费品牌；但另一方面，真正的企业级收入，将来自那些需要大量上下文积累的深度用例。目前唯一公认的突破性企业用例是编程——因为编程是一种普遍性活动，每个人都在做，数据泛用性极强，这让它成为了一个大规模企业级应用。希望未来还有更多这样的用例。

---

企业 AI 的正确打法：重构工作流，而非边际优化

哈里： 当你思考企业与 AI、尤其是与模型的互动方式时，你觉得我们会被锁定在一个前沿模型主导的世界里，还是说大多数企业工作流最终可以用开源模型完成，从而降低成本？

尼克什： 我认为，超过一半的企业在 AI 使用方面还没有搞对。我们现在还停留在"把 AI 嵌入我的现有业务流程"的阶段，说白了就是：我现在怎么做事，用一点 AI，效率提升 20%，因为我不想再用老方法了。

我认为真正的机遇，在于用 AI 从根本上重新思考你的工作流。那才是真正的价值所在。从长期来看，赢家将是那些真正用 AI 重新构建公司的人，而不是那些只是用 AI 对现有工作流做边际改良的人。

哈里： 但对一家企业来说，怎么做到这一点？我假设我们有成千上万的大企业 CEO 在听这个节目。这听起来很好，但具体怎么执行呢？做一个头脑风暴会议吗？

尼克什： 我认为大概会有两三种不同的路径。第一类是从现有工作流入手——ERP 工作流、销售管理工作流、人力资源管理工作流。这些是已经被 SaaS 化的既有工作流：某个软件公司说，大家都有相似的流程，让我来建一个容器，把这些流程轻度定制化之后装进去——于是你就有了一个 SaaS 应用。

现在，这些工作流需要大量的人工判断和人工交互。软件本身不智能——它只是被编码了：你定义输入，你定义输出，我给你输入，我知道我会得到什么输出。

设想一下，在招聘流程中，大部分工作流只是"容器"——但如果 AI 能真正帮你做判断呢？你说：把所有简历扔给 AI，让它告诉我应该面试哪 20 个人；对这份简历，你应该问以下这些问题；给 Harry 发邮件说：面试这个人，问这 10 个问题，因为你的另外三个同事只问了 5 个问题，我们需要更全面的评估——而且对人类来说不需要有任何误判。所以，AI 能极大地帮助你让这个流程变得更智能。

但这需要我们放弃一部分人类控制权，让 AI 替我们完成 80% 的思考。而我们现在并没有这样做。我们现在做的，不过是把发票扫描一下，用 AI 提取数据，然后说："看，速度提升了 20%！"

哈里： 如果企业愿意放弃这种人工控制，你真的觉得可行吗？我们已经看到一些案例——比如 Cursor，据说有 1700 名用户联名请愿，拒绝让它追踪鼠标和键盘行为。我们看到了对数据共享的抵制。

尼克什： 我认为这是两个不同的点。我认为大规模采集个人数据用于训练 AI，某种程度上是危险的，因为人们能看到这会导致什么结果——比如我听说有的公司用摄像头拍人叠衣服、熨衣服，目的是为未来的物理 AI 积累训练数据，这是另一回事。

但在企业端，如果我们决定在哪些地方愿意把控制权交给 AI，我们实际上可以把业务经营得更高效。举个完美的例子——营销。营销所需的一切训练素材本来就在公共领域——因为如果你没有发布出去，那它就不是营销。所以前沿模型天然拥有最好的营销训练数据。我也许需要针对我的品牌调性和价值主张对它做一些微调。我相信如果我把我所有的营销素材扔进 AI 里，它会告诉我："这和你的品牌调性不一致。"

我现在有 600 人在做营销——但我最大的挑战是，这 600 人不一定都完全理解如何始终如一地输出我的品牌声音和价值主张。这才是核心问题。

哈里： 你有 600 人在做营销？

尼克什： 我有 21,000 名员工。600 人在 G&A 类工作。我的经验法则是：未来三年，公司在 G&A 类活动——营销、财务、人力资源——上的人员大概会减少一半，因为这些领域有大量的流程管理工作，而这些流程管理将被新一代 AI 应用大幅接管。

SaaS 应用将让位于 AI 应用。区别在于：SaaS 应用没有意见，AI 应用有意见。这是我们从工作流层面需要根本性转变的思维。

哈里： "AI 应用有意见"——这具体意味着什么？它输出什么？你怎么用它？

尼克什： 就是这样，对吧？你的 AI 营销助手会说："我看了你的文案，写得很烂。不够好，和品牌调性不一致。这是我的建议。"——这就是一个意见。这能让我每一个普通员工比以前聪明得多。然后我就不需要那么多人了，因为 AI 在替他们完成大部分工作。

哈里： 对那些说"你错了，那些职能的人数不会减半，相反营销团队会制作更多内容、覆盖更多渠道"的人，你怎么回应？

尼克什： 那些认为我们未来需要更少技术人员的人，是错的。我认为我们恰恰需要更多技术人员。这里有一个错误的叙事在流传，说 AI 要把我们的工作都拿走了。我不这么认为。我团队里有太多人在争着要更多 AI 人才——他们说："我有一个改造营销的绝佳项目，我有一个改造 HR 的绝佳项目。我需要更多懂得如何提示前沿模型、构建 harness、引入专有数据的人。我需要更多算力和存储，因为我想把一切都学透。"

我认为我们还需要更多销售人员。如果你的产品真的很好，你需要更多人走出去覆盖市场——因为还不够多的人了解你有什么。上周我在欧洲见了 20 个客户，我发现其中一半还不知道我们所有的产品能力。我在想，"兄弟，我们做了 20 年了，为什么我的团队没有出去把我们做的一切讲给他们听？"

---

Token 分配与 AI 人才的达尔文时刻

哈里： 说到要更多技术资源——Token，我认为可以放进这个"需要更多技术投入"的篓子里。你如何看待有效的 Token 分配？你看到不同的公司有完全不同的做法——从 Cursor 和 Uber 到微软，有预算管控的，也有完全放开让大家自由探索的。你怎么处理这个问题？

尼克什： 现在整个"Token 最大化"的世界确实乱成一锅粥了。当前最大的挑战是：90% 的企业员工还不具备 AI 素养。真的没有。他们必须学习，但我没法把他们送去大学，现在也没有任何学校开设这样的课程。他们只能靠自己摸索。我认为我们正处于一个达尔文时刻——每个人必须自己想清楚谁真正擅长。

你见过 Brian Armstrong 和 Jack Dorsey 那种做法，直接把组织打散重建，把人员规模砍到 30%、40%。另一种模式是渐进式的——比如我们现在只通过黑客松招人，让自然减员（大概每月 2%）慢慢清洗队伍，用 AI 原生人才补位。给我 12 个月，我能改造 20-25% 的团队；给我 3 年，我会让 Palo Alto 拥有足够多真正具备 AI 素养的员工。

Token 最大化世界里你现在看到的，是人们在学习、在试错。风险在于：你最聪明的 AI 高手可能比普通员工多用 20 倍的 Token。如果这时候你进入"打地鼠"模式，说"天哪，我要限制大家的 Token 使用"——你反而会伤害到那些最优秀的 AI 人才，而不是那些普通员工。

哈里： 顺便说一句，我认为最顶尖的人才，会选择去那些配备最顶级前沿模型、预算最宽裕的公司。这几乎会成为一种员工福利。

尼克什： 是的，可能是。但挑战在于，现在所有人都在对所有事情做实验，你必须弄清楚什么该自己构建，什么可以直接买成品。如果已经有一个现成的 AI 营销思考应用，我干嘛要自己从头构建？这是一个普遍性问题，我可以买来用，就像以前买 SaaS 应用一样，略微定制一下就好。

所以我确保团队构建的，都是专属于我们自己的东西——那些我们有独特的专有知识、别人做不来的地方。而那些 12 个月、24 个月后会变成通用 AI 应用的事，就让别人去做，我们等一等再用。

哈里： 所以你对 Token 使用是"完全放开随便用"？

尼克什： 我们的策略是"酌情使用"，不是随便用。自由使用的意思像是你可以随便把 Token 全烧光。我们是"酌情使用"，同时保持追踪，观察大家怎么用。发现有人用得很好，我们不会限制他；发现有人用得有点过了，我们会找个方法给他设上限。

哈里： 有人说他每年花三亿美元买 Anthropic 的 Token 给他的开发团队，换算成开发者薪资总额的占比大概是 3.8%。如果这个比例停在那里，Anthropic 和 OpenAI 的估值都严重高估；如果这个比例涨到 20%，它们其实非常低估；如果像 Macquarie 的 Brandon 说的那样——我们在 Token 上的花费会和薪资总额相当——那它们的低估是极其严重的极其严重的。我想聊聊你认为三年后开发者薪资中 Token 支出的比例会是多少？

---

Token 定价的未来：3 到 5 年大幅下降

尼克什： 对我来说，这个视角还是太窄了。让我退一步来看今天的全局。

当前毫无争议——算力不够用。根本不够用。你没法买到足够的算力。算力的成本比两年前贵了两到三倍，甚至四倍。算力的稀缺性，加上建设和交付算力所需的超高成本，正在迫使定价上升。

而且，有趣的是：我认为超过一半的算力正在被消费端消耗——而消费端在今天根本上是亏钱的。我不认为任何一家前沿模型公司靠着让你我每天免费使用 ChatGPT、Claude 或者 Gemini 在赚钱。这是海量的算力。想象一下，全球有数十亿人每天做各种各样的查询——这吸走了一半的算力，而没有任何回报。

压力就转移到了另一半算力上——也就是编程和企业应用。于是编程和企业应用必须支撑整个系统的成本，直到消费端跑通广告或者交易模式。

这和搜索的发展路径是一样的——YouTube 最初也是一个大量消耗算力却不盈利的产品。但区别在于，今天的算力需求和成本是那个时代的十倍。

所以这迫使 Token 价格走高。但我的判断是，Token 的长期定价会降低。 在接下来的 3-5 年里，我们会看到 Token 价格显著下降。我认为前沿 AI 公司在某个时间点会主动限制消费端的用量——因为他们已经有了足够多的后训练数据，远超他们的需求，而每个消费端用户本质上都是亏损的。

哈里： 你不认为他们会像 OpenAI 现在做的一样，直接去建广告引擎来覆盖消费端成本吗？

尼克什： 这是个好问题——钱肯定得从某个地方来。我 2004 年加入谷歌的时候，我们占全球广告收入的 2%，当时全球广告收入在 5000 到 6000 亿美元之间。今天，线上广告大概已经占到全球广告总盘子的 70%。而这个总盘子本身，每年也就增长 3-5%。

所以我不认为全球广告总盘子会暴增。你已经把线上广告提升到了 60-70% 的份额。除非你告诉我会有爆炸性的新增营销支出，否则消费端 AI 靠广告变现的那部分钱，只能从现有广告收入里切——这不会从根本上改变 Token 经济的盈利模型。

不过，我确实认为 AI 有机会去摄取"交易收入"——这是一个广告以外的全新领域，目前还没有被 AI 真正纳入版图。

尼克什： 想想整个营销链，对吧？我们做广告，广告本质上很低效。你觉得在线广告最好的转化率是多少？

哈里： 一到一点五个百分点。

尼克什： 那是行业平均水平。顶尖的达到 7-10%。平均大概是一点五到两个百分点——这意味着 85-90% 的营销预算都被浪费了。

现在，如果你真的变得很聪明——你有 Memory，你有上下文，你在 Harry 想买东西的时候精准触达他——你的转化率就会大幅提升。如果看整个消费品从决策到收货的链条，我估计消费品的成本占最终售价的 5-8%，另外 92% 都是分销和营销成本。

所以你可以设想这样一个世界：AI 让营销变得真正高效，大量原来的传统营销预算以"交易"的形式转移到线上，这就是那个新增的价值空间。

---

基础设施泡沫与算力的物理极限

哈里： 为什么我们没有看到前沿模型的定价下降？所有人都预期这会越来越便宜。

尼克什： 现在前沿模型公司们在"价值最大化"，而不是"Token 最大化"。在万亿美元的市值下，他们某个时刻会意识到："天啊，下一个一千亿美元的算力资本开支从哪里来？金融市场不可能在万亿美元的估值上还在支撑另一个一千亿，因为第二年还要再来一次。"所以他们说："好，我必须建立一个可持续的商业模式，开始展示一定程度的毛利率盈利能力。"他们手中唯一的杠杆，就是拿他们增长最快的经济性资产来提价——这就是 Token 价格的由来。

我认为 Token 价格是偏高的。但你可以想象，当 Token 价格高了，每一家科技公司都在想："我怎么让我的算力效率更高？"所以我相信我们会看到大量在 Memory 和计算效率方面的技术突破。而且我坚信——做 90% 的日常 AI 任务，我不需要 Fable 5，也不需要 Mythos 5。为什么上一个版本的模型不够用？至少对于大多数任务来说，是够用的。

哈里： 我在这里开始摇摆……我觉得大部分消费端和企业端的需求，用两年前的模型就已经够了。

尼克什： 对，没错。问题在于那些模型从算力效率的角度来说太低效了。现在你看到的效率提升，是在同等能力下用更少的算力实现的。但问题是现在 R&D 的成本，最终还是要靠 Token 来买单。

所以我认为 Token 价格会下来。我认为未来十年我们需要的算力总量会是天文数字。我认为前沿 AI 模型公司，有机会捕获 AI 使用价值中的相当大一部分。

哈里： 所有人都在重新审视整个 AI 技术栈——这是我作为一个风险投资人非常坦诚地说的话。基础设施层现在感觉是在顶端，然后是模型层，然后是应用层，但我完全不知道价值最终会沉积在哪里。

尼克什： 基础设施在赚钱，而且比以往任何时候都贵。这就是为什么你在基础设施领域看到万亿美元市值的公司——算力稀缺、需求迫切。

哈里： 你觉得我们正处于一个基础设施泡沫吗？就像一些人担心的那样？

尼克什： 我有一个问题，我自己也不知道答案——物理极限是什么时候会踢进来？而且，虽然基础设施供给方正在大举扩产，这个时间点迟早会到来：我们能建的数据中心数量是有限的，我们拥有的能源是有限的……

哈里： 铜缆短缺。但有人在海上建数据中心，有马斯克在太空建……

尼克什： 所以我认为某个时间点，当我们认为算力需求已经在那里了，但交付能力受到了物理因素的约束，而基础设施玩家此时又建了太多产能，可能会出现一段消化期。我不知道什么时候会理性化。这不会消灭算力需求——我们始终会想要尽可能多的算力，并且尽可能快地交付。

---

Memory 即护城河：从上下文到粘性

尼克什： 我认为某些前沿 AI 模型公司已经基本确立了谁是领跑者。问题变成了：模型层能捕获多少经济价值，应用层又能捕获多少？

我认为"应用层"这个说法有点过于简单化，因为现在第一次有了有记忆力的应用。应用开始理解上下文——不只是通用上下文，而是精准理解你想要什么、我想要什么。在消费端，你已经能看到这一点了，但奇怪的是，这还没有出现在企业端。

我认为当它出现在企业端的时候，对算力和 Memory 的需求将再次大幅拉升。这些编程模型，随着时间推移，必须变得真正懂得理解企业和每一个人类的个体上下文——这才是它们变得更高效、更有效的途径。为此，我们还需要更多算力和更多 Memory。

哈里： "围绕消费构建记忆"——你的意思是，比如扩展上下文窗口吗？

尼克什： 不止于此。你看看消费者和你最喜欢的前沿模型的互动——它开始记住："哦，你昨天问过这个，你前天问过那个。我现在回答你这个问题，应该结合我对你的全部了解，还是应该只就问题本身来回答，就好像我对你一无所知？"

要维持过去 30 天、60 天、90 天和 Harry、和 Nikesh 的全部对话上下文，需要存储海量的个性化数据。这就需要大量的个性化交互需求。

如果你想在未来和 Harry 或者 Nikesh 之间保持护城河，你对我了解得越深，未来给我答案就越精准。当你开始在用户群中构建这种上下文积累，你就创造了粘性——而这种粘性，就是你的护城河。

---

Mythos 对网络安全：攻守之道的加速器

哈里： Mythos 在多大程度上"吞噬"了你的生意？在多大程度上又是在"创造"你的生意？

尼克什： Mythos 最终会成为网络安全的加速器。

我来解释为什么。当 Mythos 出现的时候，它证明了一件事：我们在训练这些模型如何写出优质代码的过程中，模型也学会了"如何识别烂代码"。于是，当你把枪口掉转，模型说："好，我来看看你的代码——天哪，这里有太多漏洞了。"

当然，就像每个模型一样，它也有假阳性的问题。如果你是一个攻击者，把模型对准 20 家企业，扫一遍它们的基础设施，它会找到各种漏洞——有人留了个 web socket 打开着，有人在 IP 寻址上出了错误——然后攻击者就能把这些漏洞串联起来，渗透进你的系统。

但从防御角度来说，这个模型还不够好，我没法直接用它把发现的所有漏洞都修复打好补丁——因为它会把 30% 本来没问题的地方也给修改掉，谁知道那会把你的基础设施搞成什么样。

所以当 Mythos 出现时，我们对它保持了充分的尊重，把它拿来扫我们自己的代码——结果是，它找出坏东西的速度远超人类，六周内找到的问题，否则我们需要花五到六年。我们找到了，打补丁，当然还得经过人工审核、测试、沙箱测试，确认补丁不会破坏基础设施的其他部分——六周后，我们才把所有的问题都修复。

这意味着什么？这意味着所有企业都要更快地修复自己的问题。因为下一代模型对准你的基础设施，会找到安全漏洞、配置错误、各种你没注意到的问题。这给客户带来了一种紧迫感，驱使他们去改善网络安全态势——我认为这整体上对网络安全公司是个好事。

哈里： 所以本质上它让坏人更容易找到漏洞，但还不足以提供解决方案？

尼克什： 解决方案是有的，解决方案一直都在。挑战在于，有时候很难让客户真正关注这个问题、下定决心去修复。Mythos 的出现，点燃了全球安全从业者的紧迫感——"这东西是个威胁，它要武装坏人了，我最好确保我的防线到位。"

现在，防御的方式从根本上说只有两种：一是如果有危险想进来，我在门口拦住它。我们在全球有 1.5 亿个传感器节点，部署在客户的"门口"。如果我能把 AI 注入这个"门卫"，把那些漏洞转化为防护能力，我的工作就完成了——因为没有什么云端智能体或者 OpenAI 端点智能体可以直接取代 Palo Alto 的这个门卫位置。

问题在于，哪怕你做了再好的边界防御，东西还是会进来。人会犯错，密码会泄露，有人还是会钻进来。然后问题就变成了：好，坏人已经在我的基础设施里了，我能多快发现它、消灭它？这就变成了一个 AI 任务——需要上下文、需要智能、需要理解这次入侵的含义，然后做出回应。这是 AI 时代网络安全的核心挑战，也是我们过去五年一直在构建的能力。

总体来说，Mythos 是一个加速器。

---

政府监管：护栏比想象中更难建造

哈里： 你认为在 AI 模型如此强大的今天，政府介入是好事还是坏事？

尼克什： 我认为我们正在经历一个探索阶段。

关于护栏——目前构建得还不够健壮，因为这些模型似乎很容易被绕过。还记得早期那些新闻——有人发现了一种问法能让模型绕开护栏，"越狱"这个模型曾经一度成了人们的业余爱好。

核心挑战是：如何给你构建的 AI 模型加上足够的护栏，确保它只被用于你预期的目的。这是问题所在。我认为护栏必须做得更好。政府担忧护栏不够健壮、将其视为国家安全问题，因而介入——但我认为本质上只是"把护栏当成一个真实的问题来解决"。

哈里： 这真的可能吗？

尼克什： 我希望是的。

---

Waymo 还是特斯拉：企业产品战略的路径选择

哈里： 如果是今天、在 AI 时代，你重新创办 Palo Alto Networks，你会有什么不同的做法？

尼克什： 我的"偏执"在于，如果我看自动驾驶领域，大概有两三种路径。

第一种是 Waymo 的路——我的车里永远不会有人类坐在驾驶座，我会不断地训练它，让它自己学会开车。每个边缘案例被发现就加入训练，每次经历都是学习机会，不断积累，最终实现完全自主。

第二种是特斯拉的路——我先把驾驶的某个分段自动化，等我对那个分段非常有把握之后再往下走。我的车在高速公路上跑 50% 的路程，另外 50% 边缘情况还需要人类介入。它在慢慢变好，但我还是经常需要握着方向盘。

第三种是传统车企的路——我给我的高性能 V8 豪车加一点自动驾驶功能，但根本没想清楚技术路线。

我的恐惧是：作为企业，我们是否都应该停下来，用 Waymo 的方式重新思考？还是说，特斯拉的渐进式路径在我们的业务里同样适用？因为我们有现有客户要服务，他们不会接受我突然说"我把产品改了，现在只有 80% 的情况是准确的，再给我三年我会做到 100%。"

所以我的恐惧是：我的产品战略在转型的速度上，是否足够快，能让产品随着时间变得越来越"自动驾驶"？还是我需要更快？

我现在的判断是：如果你是一家在构建 AI 增强能力的企业，你必须走特斯拉路线，而不是那些只是把一点 AI 裹进去、说"我们最终会到达那里"的传统车企路线。

---

如何重构一家 21,000 人的公司

哈里： 你会想做 Brian Armstrong、Jack Dorsey 那种做法吗？打散重来，砍掉 30%、40% 的人？

尼克什： 对不同的公司，路径不一样。在我们的业务里，我不认为可以直接把组织打散——因为底层的 AI 应用软件还没有成熟到那种程度。

我不想花大量时间和资源，去自己建一个 AI 营销栈，或者 AI HR 栈，或者 AI ERP 栈。我希望有人比我更高效、更专注地去为全世界解决这个问题——也许就是下一代 Salesforce、下一代 SAP，或者下一代 Workday，他们会帮我做到更智能。我要构建的，是那些真正专属于我们的东西——那些我掌握着所有信息、所有智能、上下文和 Memory 的领域。

我认为实现这个目标的正确路径，是让大家对成果负责任。所以我现在每周开两次"AI EIO"会议。这名字有点搞笑，像是老麦克唐纳农场的歌——E-I-E-I-O——因为公司里所有人都想做 AI。

哈里： 这个会议里发生什么？

尼克什： 所有人来分享他们如何适应 AI 新世界。他们的产品开发方向是什么？他们怎么考虑这个问题？他们的产品里有智能体吗？他们准备怎么构建后端基础设施？他们在怎么使用 Token？我们对于资源能力是怎么想的？

要转型一个 21,000 人的组织，我必须先把领导层的心和脑都争取过来，确保大家朝着同一个方向游。这是我确保公司前 15-20 位技术领导者能保持方向一致的方式。

而且你知道，如果没有这方面的专家，一群聪明人聚在一起会比单个专家做得更好。我认为对于"未来企业架构应该是什么样子"这个问题，目前还没有任何人能给出清晰的蓝图。什么时候应该在模型里，什么时候应该在应用层——我得在开始重构我的公司之前，先对这些问题形成自己的判断。

---

AI EIO：以竞争激励驱动全员转型

哈里： 你的领导层是 AI 原生的吗？我采访过一些最优秀的 CRO，有些年收入 50 亿以上的大公司的 CRO 告诉我："我们内部没有 AI 人才，但我们会引进的。"

尼克什： 我在 2004 年负责谷歌欧洲业务的时候就见识过类似的情景。那时我到处见 CEO，有一个时髦做法——CEO 们会雇一个 24 岁的年轻人，叫做"互联网领航员"或者"首席互联网官"。还记得那时候企业有"首席互联网官"这个职位吗？

哈里： 我那时候才八岁，所以……

尼克什： 你八岁，你不记得了。哈，我们以前就见过这部电影，有时候见过也没关系。首席互联网官的任务是帮组织为互联网做好准备，因为 CEO 太忙于自己的传统业务了——不认识 Amazon 是谁，不知道 Google 是谁。这个 24 岁的年轻人会成为他的救星。然后 CEO 们就把所有互联网相关的事情甩给这个小团队，而这些人会非常挫败——因为没有人给他们资源和重视，什么都做不成。

AI 也面临同样的风险。我太忙于昨天的事情，根本没时间思考明天。于是我的"首席 AI 官"，可能是从某所顶尖大学来的研究员，执行力很弱。在我能让我的领导层真正理解并认可 AI 挑战和 AI 机遇的程度之前，我们不会取得任何进展。

哈里： 你今天不专注于哪些事情，是因为被当前的日常问题所拖累？

尼克什： 什么都有。当你跟任何一家大公司的产品经理聊，我相信他们脑子里和手里都有一张产品路线图，可能是 6 个月或者 12 个月的。有趣的是，这张路线图里没有"智能体"这两个字。而整个世界都在谈智能体，你的产品路线图里却没有？"等我把这些做完了再说，因为这是客户现在想要的。"——这行不通。

怎么让你的人多做智能体化的工作？你们现在的开发方式会解放多少人力，让我能用这些富余资源去做新事情？这些都是重要的对话。我可以一对一地和 14-20 个人谈，也可以每周两次把他们聚在一起开会，让大家互相看对方在做什么。

关键是要确保你的领导层有野心、有竞争意识、渴望赢、保持学习心态。当他们看到身边的同事在做很酷的事情，他们下次也想带着很酷的东西来。所以对我来说，每三天问一次："Harry，过去三天里你在组织里为 AI 做了什么？"——不管是来自对 Nikesh 的压力，还是你自己内在的学习雄心，你都会带着一些东西来。然后你看到别人在做什么，你会想："哇，我做得够多了，或者我做得还不够。"

这创造了一种达尔文式的竞争，一种拥抱新技术的冲动。我希望能让这 14 个人充分动起来，然后让他们去带动下一层级——因为这个转型必须从上往下，而不是从下往上。

---

FDE 之争：产品成熟度决定服务模式

哈里： 说到从上到下、从下到上地渗透进企业——听起来很正常。我有嘉宾说过，没有 FDE 就没法做企业 AI 落地；但也有我们共同认识的朋友，Factory 的创始人 Shyam，说："如果你需要 FDE，那说明你的产品有问题。"（译者注：FDE，Forward Deployed Engineer，即前沿部署工程师，指软件卖方派驻到客户现场、协助实施与产品共建的工程师团队。Palantir 是这一模式的典型代表，以密集的 FDE 投入换取大型企业合同，但同时也意味着产品本身尚不足以独立交付价值。）

那么，企业 AI 的销售和落地，到底需不需要 FDE？

尼克什： 我认为，我们追逐企业 AI 这个梦想，至今最多也就 12 个月吧。

你想想每周都会出现什么新事物——我们都还在忙着搞清楚 LLM 怎么帮企业的客服聊天机器人变得更好，突然间智能体出现了。"哦，我还得搞懂智能体，它们要开始在内部自主工作了，智能体会做很多事情。"

我相信你现在依然可以开一个"智能体大会"，让所有人来描述什么是智能体，走出来你依然会觉得——这个人说的"智能体"和上一个人说的不一样。

所以，因为 AI 跑得太快，产品还没有完全到位。企业应用层的产品在整体上还不存在，因为我们还没有被真正的企业级需求完整地检验过。

FDE，用我的话来说，就是"我的产品还没完全做好，因为技术本身还在进化，所以我要派一些人坐在你的办公室里，一边帮你，一边打磨我的产品，去适配你的需求。"——这就是 Palantir 做的事，也是很多公司在做的事。

你是在把你的产品工程师派到客户那边去构建你的产品，你从客户那里拿到了这个能力作为回报。

不过，FDE 有两种——一种只是在帮客户消费 AI，这其实就是技术销售顾问在帮助客户采纳，不是真正的 FDE；另一种是真正意义上的 FDE——他在客户那边写的代码，会带回来并整合进你的产品里，因为这是一个普遍需求，你要把它产品化。

我认为短期内 FDE 是必要的——因为所有企业 AI 初创公司都饿着，它们热衷于在产品还没完全准备好的情况下就去卖，而市场有大量的需求在等待。

哈里： 你认为这是对的吗？

尼克什： 我认为在接下来 12-24 个月里，随着产品迭代，用户会从一套产品切换到另一套，因为总会有更好的产品涌现。看看编程领域——过去 24 个月你听说了多少家编程公司？Wind Surf、Devin（现在叫 Cognition）等等，这些早期玩家已经不以原来的形态存在了。现在你有 Codex、Claude、Antigravity (Claude Code)，有 Factory 在做 SDLC，有 Cognition 在做 SDLC。你可以看到随着市场演进，不同的玩家开始在整个编程价值链的不同分段聚焦，产品在越来越成型。谁知道两三年后谁会是这个领域的领导者呢，因为产品在一开始就不是完全成熟的。

---

SaaS 的黄昏与平台化的机遇

哈里： 很多 SaaS 公司今天感觉自己正在被时代淘汰——股价已经在说这个问题了。你认为大多数 SaaS 供应商被高估了，还是说股市的判断准确反映了市场的走向？

尼克什： 我认为市场在告诉我们：系统的记录（Systems of Record）和工作系统（Systems of Work）将迎来工作流的重塑。从"没有意见的软件"转向"有意见的软件"——这种软件不只表达意见，而且能帮人类做很多事，让人类不必再重复地执行机械性任务。

我认为这样的 AI 应用还没有被真正创造出来。SaaS 的版本现在有，我们都在用。但某个时间点，我们会看到 AI 应用把大量的任务和工作流彻底重新想象。

另一方面，很多 SaaS 构建了大量的分析能力，叠加在记录系统之上。我认为把这些数据抽象进一个大型数据湖，然后用 LLM 去分析，给你更综合性的洞察——这已经在发生了。Snowflake、Glean、Databricks 等公司都在做企业数据湖，让你把数据放进去，用 LLM 跑分析。

第三个问题，我们一开始就讲过——未来企业里会有多少人？如果你把"SaaS 座位数未来会有多少"的不确定性，加上"分析会有不同的做法"，再加上"工作流会被重塑"这三重不确定性叠加在一起，我真的不知道正确的估值该是多少。

哈里： Salesforce 的最好时光是在前面还是身后？

尼克什： 我不知道。这取决于他们从现在开始的执行。

哈里： 如果我来给你描述一个熊市场景——

尼克什： 熊市的情景是：我们在接下来三年里，没能完成向 AI 优先未来的正确转型。因为那些幻觉会随着时间不断降低，智能体会成为真正的事情，智能体会完成大量过去人类手工完成的工作，这一切都必须被内置进你的产品。如果我的团队在未来三年没能完成这个转变，是的，会有熊市，因为其他人会建出更好的东西。

哈里： 而牛市是你比任何其他安全供应商都更了解这个问题，并成为默认的安全标准……

尼克什： 牛市是我们完成了正确的转型。而且我们有一个已经在进行中的有利趋势——人们开始意识到，他们没法再管理 40-60 家分散的网络安全供应商。我们过去 24-36 个月一直在推动"平台化"趋势，已经看到了成果——越来越多的人说："我不要让 40 家公司来解决我的问题，让我把它们整合到 Palo Alto 一个平台上。"

好消息是，当我们都意识到"我们需要大量的企业上下文、企业数据，而且这些数据必须被打通、无缝衔接"——我们的现有产品体系正是在学习这件事，我只需要把正确的 AI 能力拼上去。

哈里： 平台化会消灭风险投资级别的回报机会吗？

尼克什： 不会。因为网络安全是世界上最具创新活力的行业之一——坏人总在寻找新的进攻方式，而不会说"我两年前用过那个漏洞，再试试吧"。这天然地要求持续的防御创新。

而且从我们的视角来看：我们开始的时候是整个网络安全收入的不到 2% 的市场份额，现在接近 8-9%——从 8-9% 到 20%、30%、40% 之间还有巨大空间。这意味着仍然有大量的市场留给其他公司，留给未来十到二十五年内市值达到数百亿美元的新公司。

---

中国开源模型：技术问题还是地缘政治问题？

哈里： 我们总提到"坏人"——很多人心里想的是中国。我们看到了大量来自中国的高质量开源模型，而且成本低得多。你认为中国开源模型的泛滥是值得担忧的，还是一个正在蓬勃生长的生态系统中不可避免的特征？

尼克什： 先做一个思想实验——把"中国"这个词去掉一秒钟。

哈里： 你是说，开源模型本身……

尼克什： 我不认为开源模型本身有危险。

哈里： 那来源是否重要？

尼克什： 好，所以你不担心开源模型本身，你担心的是"中国开源模型"。还记得吗，有一家很大的科技公司也曾经发过开源模型。

哈里： 是的，没错。

尼克什： 所以有趣的地方在于，未来我们是否会走向"各司其职"（horses for courses）——不同的模型专注于不同的垂直任务，然后我们并不总是需要用这个超级巨型的前沿通用模型来做所有事情？你已经看到这一点在发生，比如 11 Labs 和那些专注于语音的模型，它们在特定任务上可能比通用前沿模型表现更好。

如果你相信世界会分裂成许多任务专属模型的局面，那么这些专属模型可以在垂直领域被训练得更深——物理 AI 就是一个例子：帮你飞飞机的物理 AI 和帮你开汽车的物理 AI，大概不会是同一个模型，工厂机器人的模型又是另一个。所以你会看到模型的深度分化，以及某种编排层来管理这些模型。

于是问题变成了：我的 Memory 和上下文存在编排层，还是存在前沿模型里？

哈里： 你认为会是哪一个？我是那个应该知道答案的投资人，但我真的不知道。

尼克什： 我认为挑战在于：现在前沿模型公司非常清楚这个问题，正在快马加鞭地把 Memory 和上下文纳入自己的模型，因为他们知道这是护城河。

而如果你使用编排层，编排层今天的资金量远不及这些前沿模型。风险是：你最终会进入一种架构——模型积累了大量上下文，然后你没有办法做到真正的模型无关（model-agnostic），你实际上被锁定在某个模型上，才能最大化你的效益。

就如同你没有选择。你必须全押在某个模型上，或者无法享受它真正强大的能力。如果你想切换，就得重新设计整个深度嵌入那个模型能力的应用。

所以，在模型分化和"各司其职"的世界里，我认为开源是好事——它让你能走价格曲线。我不需要最聪明的模型来做最聪明的事。

但这里的问题是——无论来自哪个国家的开源模型，你担心的是什么后门？是否有某个国家支持的开源模型，里面有睡眠智能体，某天醒来开始把你的数据发到别处？这些是真实的安全问题。但这些是可以被保护的——这就是为什么你要来 Palo Alto，让我们帮你保护这些模型的安全。

---

并购哲学：忽略沉没成本，重新审视本质价值

哈里： 你今天比以往任何时候都更多地参与企业并购吗？

尼克什： 我不觉得我比以前更多参与并购本身。但我认为我比以前更多地投入在学习市场上正在发生的技术变化——因为事情跑得太快。如果我没有自己的观点，如果我不鼓励我的团队持续关注，我们就有错过一个趋势的风险。

在科技行业，错过一个关键趋势，你能活下去；错过两个，你就岌岌可危；错过三个，你可能直接出局。

哈里： 关于你做出的某个重大并购决策，你从董事会成员那里得到的最深刻的洞见是什么？

尼克什： 我给你讲一个。我们是非常积极的并购方，我一直对没有掌握某种能力感到偏执——如果我没建出来，别人会建出来，我最好赶紧收购，然后把团队带进来做这件事。

有一次，某项收购花了很大力气才把创始人拉到谈判桌，达成协议，打完尽调，确认可行性——大概接近十亿美元的交易。我打了个电话给我的一位董事会成员，说："你觉得这个怎么样？"

他说："你打电话给我了。你平时不会对每一个收购都打电话给我。所以这笔交易一定有什么不一样的地方。"我说："不，没什么不一样，我只是想深入想一想，这个过程确实花了很大力气。"

他说："去散个很长的步。把你已经投入的所有精力都忘掉。"

他说："**因为有时候发生的事情是，你把努力和想要获得结果这件事情混在一起了。当你投入了大量时间和精力去拿到一件东西，你会觉得既然已经花了这么多，当然要把它拿下来。**但他说，你还没有花一分钱，你只是投入了三个月的时间精力。但一旦你把钱花出去，它就成了你的，你有责任让它成功。所以，你还有最后一次机会来决定你要不要它。"

于是他说："去散步，回来问自己：如果它今天走到我门口，不需要任何努力，我只需要写支票，我会要吗？"

哈里： 抛开沉没成本。

尼克什： 在投资行业里也一样。你花了那么多时间，终于拿到了条款书，把所有其他 VC 都比下去了——但问题不是你打败了多少 VC 才拿到这个交易。问题是：这笔交易凭其自身的价值，它是否能独立成立？如果没有竞争，你也会投吗？

---

人生感悟：金钱、命运与东方哲学

哈里： 最后一个大问题，然后我们做快问快答。我很关心孩子，未来也想成为一个好父亲。你是一家市值 2000 多亿美元的公司的 CEO，有着令人瞠目结舌的职业生涯。我有幸认识了你的孩子，她非常了不起。你有什么建议，能让我既当一个好爸爸，又不在工作上妥协？

尼克什： 这是世界上最难的问题。自文明诞生以来，已经有两三百亿人出生，而至今没有任何一个 AI 能告诉我们该怎么做——变量太多了。

我认为父母能做的，就是尽你所能。孩子通过观察你，吸收的比你想象的多得多——他们看你的职业道德，看你的价值观，看你如何与他们互动。我女儿对我这个人的理解，可能比我告诉她的任何话都更深刻——因为她在我身边，她看到了每一个微小的情境下我的反应，什么让我失去耐心，什么让我有耐心，什么让我做出某些决定。

最终，如果你的孩子相信你对他们有最好的意图，这会走很长的路。

哈里： 我完全明白。我曾经有个嘉宾说："如果你想做个好父母，去看国家地理。"我说什么？他说："看大象。孩子们跟着走。如果你想让你的孩子善待服务员，你就善待服务员。如果你想让他们努力工作，你就努力工作。"

尼克什： 这在组织里也是一样的。组织会呈现出领导者的形态——公司的文化价值观与创始人之间，你会发现惊人的共鸣。因为组织在努力取悦创始人，他们认为这是成功的路径。如果 CEO 缺乏耐心、要求严格、有雄心、不容忍愚蠢、把事情推进到底，那这就是大家认为应该被奖励的行为。于是，如果他拥有正确的价值观，大家就会效仿他的行为。

---

哈里： 我想做快问快答，不然我会占用你太多时间。

哈里： 当今硅谷顶级投资人和创始人中，被大多数人认同，但你认为是错的信念是什么？

尼克什： 我的担忧是，在当下技术快速演进的速度之下，在这种不确定性中，关于什么会成功、什么不会，哪里可能有太多的亢奋和 FOMO 在流动——"我的天啊，如果我不投一个有趣的东西，有正确的创始人，我就要被落下了。"因为人们已经看到了这一幕发生过。看看 Anthropic——如果你错过了第一轮、第二轮、第三轮……你现在就是那个手里有钱却没能进去的人。你有二十年的时间等 SpaceX，你只有三年的时间投 Anthropic。这是根本性的不同。

我认为现在有大量的 FOMO 和亢奋交织在一起，风险是我们以为每一家新出来的公司都是下一个 Anthropic。

哈里： 你见过最大的"完了"（oh shit）时刻——在某次董事会，是什么？

尼克什： 就是那个我刚才讲的故事——某个接近十亿美元的收购，我们花了太多精力，而董事会成员的那句"去散步，把精力全部忘掉"……那确实是一次深刻的顿悟。

哈里： 你得到过的最好的建议是什么？

尼克什： 有一次在飞机上，一个很老的老人对我说："生活其实很简单。如果你早上一醒来，就非常期待去做你谋生的事，那你是幸运的。如果你一天结束了，非常期待回到家人身边，那你也是幸运的。"

哈里： 我想以这个话结尾……你是喜欢这样结尾的吗？

尼克什： 是的，是的。事实上，我昨天晚上发了一条推文："小时候我讨厌上学，周日晚上是最可怕的。"

哈里： 而我的上周日晚上，就是在想着我们今天的节目和对话。多么美好的周日晚上。多么美好的周一早晨。

尼克什： 我当时不确定你想带我去哪个方向……

哈里： 不，不，就是这样——我多幸运啊？真的，太棒了。最后一题——展望未来五到十年，你最期待什么？

尼克什： 你永远不知道明天会带来什么。我能做完所有我在做的事的唯一方式，就是不要太纠结于一年后、五年后会发生什么，因为那太远了。

我认为，当你每天早上醒来，一切运转正常，孩子们快乐，家人快乐，你享受你所做的事情，你有好朋友——这一天就已经是礼物了。

我最近有人问我：你不是那种 996 的 CEO，你怎么安排时间？我说，我努力确保每天能找到一件让我享受的事情。因为我有足够多的事情可以担忧——我掌管网络安全，我每天都活在"某个时间点有人会被黑"的现实里。我完全可以让自己陷入一种极其糟糕的心理状态。

我认为，每天能否保持乐观、积极和感恩的心态？如果能做到，一切都会很好。如果健康益处真的随着 AI 而来，那就太好了；如果我的孩子们继续健康快乐，那就太好了；如果我母亲能活到 150 岁还很快乐，那就太好了。有太多美好的事情可能发生，也可能不发生。

所以，让我们专注于明天。

哈里： Nikesh，我非常感激你愿意回来做这个节目。第一次结束后我提议再来，我当时心想，这根本没有可能。

尼克什： 好在我得回去听一下第一期了。

哈里： 但真的非常感谢你。你太棒了。

尼克什： 谢谢你邀请我。