Home

02.24.25: 规模的形状

在 2008 年出版的著作 The Big Switch 中，Nicholas Carr 这样写道：

随着时间的推移，在企业数据中心占主导地位的计算模型也必然会在所有地方占主导地位。计算将被视为一种商品化的投入，就像煤炭、石油或钢铁一样，对经济活动至关重要。

这恐怕是很多人对“云”的最早认知。

大而不同

微软 CEO Satya Nadella 在最近的访谈中指出，在一定规模之上，事物就会截然不同：

在一定规模之上，没有什么是同质化的。对于你关于云的观点，每个人都会说，“哦，云是一种商品。”但是，当你扩大规模时……这就是运行超大规模服务器的诀窍……你可能会说，“哦，这到底是怎么回事？我只需将服务器架起来并堆叠起来即可。”

事实上，在超大规模的早期，大多数人认为“有这么多托管商，它们都不是很好的企业。会有什么吗？即使在超大规模中也有生意吗？”事实证明，确实有生意，只是因为有运行诀窍，以 Azure 为例，它拥有全球 60 多个地区的计算能力。这是一件很难复制的事情。

当规模达到极大时，事情就变得截然不同——你需要协调分布在全球各地的数据中心，优化性能，降低成本。即使“云”听起来虚无缥缈，但它们依然受制于物理定律：地理位置、气候条件都会影响计算和数据传输。

全球市场上容纳了三家主要的云计算厂商，而且这三家公司的“云”收入并不能完全直接对比，比如：Google Cloud 收入中有很大一部分来自 Google Workspace，而根据 估计，AWS 的 AI 收入中有 50% 是因为 Anthropic 而来。

重温 Amazon 的发展历程，会发现这家公司一开始并不被看好。一些投资人甚至认为它是在做“慈善”，用一种近乎不可能的价格销售商品，把商业模式建立在消费者盈余的基础上。1999 年 5 月 31 日，《巴伦周刊》(Barron's) 发表了一篇题为 "Amazon.bomb" 的封面文章，对 Amazon 的盈利能力提出了严厉质疑，认为其股价被严重高估，并预言其将走向失败。

这篇言辞激烈的文章现在还能访问全文。我摘录其中的两段（经翻译）：

亚马逊还面临着另一个潜在威胁：有什么能阻止著名作家建立自己的网站来销售他们的书籍？如果麦当娜可以拥有自己的唱片公司，那么为什么斯蒂芬·金或丹尼尔·斯蒂尔不能拥有自己的图书出版公司呢？
在此背景下，亚马逊越来越像一家传统零售商，拥有昂贵的仓库网络和大量库存。今年到目前为止，亚马逊已经在肯塔基州购买了两座仓库，并签订了内华达州和堪萨斯州设施的租赁协议，增加了其在西雅图和特拉华州的两个现有站点。换句话说，亚马逊正在购买大量昂贵的实体店，而这些东西据称会抬高传统零售商的成本。

这篇文章固然有它的时代背景，但它显然没有考虑到规模这个重要的变量。斯蒂芬·金为什么不能拥有自己的出版公司呢？规模不经济，以及可能对他本人而言，太伤神了。Amazon 为什么不能拥有自己的仓库网络呢？因为 Bezos 设想的是一个巨大的交易网络。

Amazon 今天的状态是所有人始料未及的，它在 2024 年产生了超过 600 亿美元的利润，并且在此基础上生长出了 AWS、Prime Video 等业务。仅仅是 Prime Video 这个“边缘业务”，每年的内容支出预算就高达 20 亿美元，超过了行业内的主要竞争对手 Netflix。

的确是一颗还在爆炸的“炸弹”。

Amazon 的飞轮已经不知道更新到第多少个版本，下面是一个并不完整的分析：

用传统的零售业视角（例如，关注单店盈利能力）、90 年代末看待 dotcom 公司的方式（例如，用天文数字的营销费用换来短期流量增长），或者评估多元化企业集团的框架（例如，将各项业务割裂开来分析），都无法正确理解 Amazon。传统的零售商关注店铺层面的利润率，而亚马逊优先考虑整个生态系统中长期的客户终身价值。

理解 Amazon，就要理解它从一开始就是建立在规模经济的前提之上的。它遵循了“多快好省”的基本信条，但最终又和它的所有老师都截然不同——我们需要新的框架才能充分理解它。

“大”的框架

规模的变化，无论是从小变大，或是从大变小，都可能发生质变。事物在不同的规模下，需要不同的思考和行为框架。

很多事情在开始时是自发的，没有长远的、宏伟的规划——甚至，这是一种被默默鼓励的创新方式。当规模达到临界点，事物的性质开始变化。这种变化可能是缓慢的、渐进的（例如，传统零售商向线上转型），也可能是爆发式的、突变式的（例如，ChatGPT 的出现对 AI 领域的影响），还可能是倒退式的（例如，某个社交产品的用户流失）这取决于增长速度，而且往往不受个人主观控制。如果不能有效驾驭规模这条巨龙，事情就可能偏离正确的轨道。

在当前逆全球化浪潮、地缘关系紧张、不确定性冲击频发，以及 AI/AGI 可能重构社会结构的背景下，许多事情的规模可能会出现巨大分化。有些事情注定要“大”，只有“大”才有意义，例如大模型、算力以及背后的能源。没有规模，就没有经济效益。而有些事情则需要回归“小”，因为“小”才是应有的状态。

张前川（前 Minimax 产品负责人，也曾在字节、知乎、微博工作）在播客访谈中指出，社区和平台其实是两个不同的发展阶段。社区适合作为早期组织形态，依靠“用爱发电”来驱动用户分享和交流。但是当用户规模扩大后，社区形态就难以支撑，会转变为“平台”。

“平台”是一个有点虚无的词，谁也说不清它具体是指什么，但最看得见摸得着的，就是组织方式的变化。你会在组织结构图中看到更多的“中台”，这就是规模的产物，往往承载了密集的技术资源。这其实就是 Amazon 飞轮的变种：规模既能摊薄成本，也能放大收益。

最近和前同事/朋友们聊天，大家都能直观地感受到一些变化：一方面，某些大厂在默默地进行大规模裁员。例如，某国内互联网大厂虽然不是上市公司，但其员工人数在过去一年减少了约 30%。当你走进那些曾经拥挤不堪的工区，会看到大片空空如也的工位，这种视觉冲击非常强烈。另一方面，这些公司在 AI 基础设施上的资本支出却在大幅增长。国内几家大厂去年的投入都在百亿美元的数量级。

就像 Zuckerberg 在 Meta 曾经做到的那样：越来越多的机器，越来越少的人。

“大”的竞赛仍在升级。对于 OpenAI 等模型公司这一层面的竞争来讲，就需要以“大”的框架来思考问题。OpenAiI 一开始的非盈利框架及其后续的转变，又如 Llama、Qwen 和 Deepseek 所采取的开源策略，都是在“大”的框架上所做出的行动。对人类社会、科技行业以及这些公司自身的后续影响还没有被充分认知和讨论。在这样的竞争格局之下，Kimi 这样的公司之所以会显得有些尴尬，正是因为没有充分预测竞争将会达到的烈度和所需要的资源。相比来讲，烧钱投放的确是一件简单的决定。

“小”的逻辑

“大”会催生更多的“小”。我们可能正走在通往 AGI 的正确道路上——也许不是，但即便这是一条弯路，它的副产品也已经带来了在概率意义上可用的技术，足以改变大量重复性的基础信息处理工作（例如 Deep Research，它利用 AI 自动进行深度研究和报告撰写），并让更多人可以用代码操纵机器（例如 Cursor，它允许用户通过自然语言指令生成和修改代码）。

仅仅这两项变化，就已经让内容和代码的生成数量呈爆炸式增长。大量的内容被生产出来，也有大量内容被废弃，生命周期很短。这一切都是由“大”推动的，规模经济在效率和成本上创造的盈余，在下游被消耗，但多样性也因此产生，意想不到的事物涌现，并有机会在小范围内流行。

“创始人”们越来越发现，公司实际上只需要他自己，其他工作都可以通过远程办公、灵活外包来解决，再加上越来越强大的 AI 助理，一人公司的确不是在讲概念。早期投资确实更像是一种馈赠、表态或社交仪式。传统的风险投资模式——一轮接一轮融资，大规模烧钱——不是行不通，而是不再必要。

“大”变得更大，“小”也变得更小。

每个人都需要走一条与过去二十年不同的道路。从规模角度看，这像是一种反转。习惯了在某个规模尺度上做事，潜意识里会有许多预设。当这些预设不再成立，就需要用不同的心态来思考、决策和行动。工作、家庭与社交的边界将会更加模糊，人与人、人与信息和人与机器的关系也会被重塑。

如果未能在“大”的体系中找到位置，那么就借助它的力量去创造。创造的门槛既变得更低了，实际上也变得更高了，但好处是从想法到 demo 的距离缩短了。不是去做 For you，而是做 For people like you，就是“小”的逻辑。

本周的 Links + Notes 链接笔记包括如下内容：

Innovation takes magic, and that magic is gift culture: Alex Danco 重新诠释了“馈赠文化”在创新领域的重要性，认为在信息不对称的早期创投市场中，把投资视为馈赠而非交易能传递更丰富的信息维度。这种思维方式让投资人和创业者能暂时搁置信息不对称的困扰，创造一个共同探索未来的空间。

Satya Nadella – Microsoft's AGI Plan & Quantum Breakthrough: 纳德拉深入探讨了 AI 市场是否会出现“赢家通吃”的局面，认为企业级市场往往需要多个供应商共存。他还阐述了量子计算与 AI 的协同前景，将量子比喻为 " 自然的模拟器 "，而 AI 则是“模拟器的仿真器”，两者结合可能带来科学探索的重大突破。

Amazon 2024 Update: 亚马逊在电商业务上持续投入物流和配送基础设施，通过规模效应和自动化技术逐步改善运营效率。AWS 业务虽然面临资本支出效率下降的挑战，但在 AI 基础设施投入和长期增长潜力方面仍然保持领先地位。

Nebius Part 1 & 2: 这家由 Yandex 资产剥离而来的新公司凭借顺滑的开发者体验和充足的现金储备，试图在 AI 基础设施市场中开辟一条新路。Nebius 不仅拥有云计算业务，还有包括 Toloka、Avride 和 Clickhouse 在内的多个潜力业务，特别是在欧洲市场可能获得独特优势。

张小珺商业访谈录 | 张前川: 张前川基于在百度、字节跳动和 Minimax 的经历，深入剖析了社区作为 UGC 内容生态成长的必要手段。他还提出了每个人都应该思考 AGI 对人类社会潜在威胁的观点，反思技术发展的终极目的。

💡
由于个人事务，下周的邮件通讯暂停一次，隔周恢复正常更新。

剩余内容约 1 万字，请付费订阅后解锁全文。

Innovation takes magic, and that magic is gift culture

Alex Danco 在休假期间回归写作，重新回顾了“馈赠文化”这个他的经典话题。

按照 Alex Danco 的说法，馈赠文化是对物质丰盈而非稀缺的一种适应，在这种文化中，社会地位取决于一个人给予的东西，而不是他控制的东西。这种文化对于在线社区而言非常重要，因为数字经济的一个基本特点就是丰盈：供给充足，分发免费，这时候，分享其实是人与人之间的馈赠行为，而并非交易。

在本文中，Danco 把这一概念应用到了早期创投市场上。

初创公司的投融资交易存在着巨大的信息不对称，就像二手车市场上的买卖双方——甚至情况更差一些，因为双方很可能都不知道公司未来将走向何方。但如果把这种行为理解成是“馈赠”而非交易，则可能解决信息不对称的问题：

The best way I can describe the nature of the work done is as information transfer. I have a hunch that gift exchange is actually a higher bandwidth channel for information sharing than market exchange. The giver can assign all sorts of meaning to a gift about its purpose, how it was made, and what they love about it, and the recipient will actually receive that message with much higher fidelity than in other sorts of transactions. That’s Information Theory 101: information isn’t what you say, it’s what they hear. The reciprocal rules of gift exchange compels you to actually hear what other people are telling you about their intent and purpose; which is the single most important bottleneck of creative collaboration. When given a high-bandwidth communication channel for “figuring out what we’ve got here”, we gain a window of opportunity to imagine. For a moment in time, the market for lemons problem is inverted: we are only interested in what could go right. We are blessed with potential.
我能用信息传递来描述所做工作的性质。我有一种预感，礼物交换实际上是一个比市场交换带宽更高的信息共享渠道。送礼者可以为礼物赋予各种含义，包括礼物的用途、制作方法以及他们喜欢礼物的原因，而接受者实际上会比其他类型的交易更忠实地接收该信息。这就是信息理论 101：信息不是你说的，而是他们听到的。礼物交换的互惠规则迫使你真正听到别人告诉你的关于他们的意图和目的的内容；这是创造性合作最重要的瓶颈。当有一个高带宽的通信渠道来“弄清楚我们在这里得到了什么”时，我们就获得了想象的机会。在某一时刻，柠檬市场的问题被颠倒了：我们只对可能正确的事情感兴趣。我们有潜力。

作者认为，馈赠交换比市场交换能传递更丰富的信息。在传统交易中，信息被压缩成价格和条款，而馈赠关系却能传递关于目的、过程和价值的多维度信息。更重要的是，馈赠中的互惠原则会让双方真正倾听对方的意图，这正是创造性协作最需要的。

这种思维方式在早期创业投资中特别有价值。当项目充满不确定性，传统估值方法失效时，把投资视为馈赠能帮助建立更深层的理解和信任。它暂时搁置了信息不对称的困扰，为投资者和创业者创造了一个共同探索未来的空间。

在这样的安排下，礼物或馈赠交换与传统的债权和股权融资不同，代表了对初创公司的“社会索取权”。Danco 在如下的图示和文字中对比了三种索取权的关系。

![[debt-equity-gifts.png]]

What kind of rights, or claims, does gift capital have? If debt gives the issuer a senior claim on the success of a project, and equity gives you a residual claim, then gifts give you something else: a social claim on the success of a project. That social claim has obvious appeal, and you see it clearly at work in ventures like restaurants, art galleries, show business; where it’s clearly about the social cachet and returns to being able to close a business deal over a meal at your place.
赠与资本拥有什么样的权利或索偿权？如果债务赋予发行人对项目成功的优先索偿权，而股权赋予你剩余索偿权，那么赠与则赋予你其他东西：对项目成功的社会索偿权。这种社会索偿权具有明显的吸引力，你可以在餐馆、艺术画廊、演艺界等企业中清楚地看到它的作用；这些企业显然与社会声望有关，并能够在你家吃饭时达成商业交易。

在 2019 年的文章 The Social Subsidy of Angel Investing 中，Danco 就已经表达了类似的观点——他认为，（在特定上下文中）天使投资更像是一种社交资本的投入，而非完全是一种财务决策。

From the outside, angel investing may look like it’s motivated simply by money. But there’s more to it than that. To insiders, it’s more about your role and reputation within the community than it is about the money. The real motivator isn’t greed, it’s social standing – just like a century ago, with the original Angels who financed Broadway shows. Angel investing is how you stay relevant. It’s how you keep getting invited to things. It’s how you matter.
表面来看，天使投资似乎只是出于金钱的动机。但其实还有更多原因。对于内部人士来说，这更多的是你在社区中的角色和声誉，而不是金钱。真正的动机不是贪婪，而是社会地位——就像一个世纪前，当初资助百老汇演出的天使一样。天使投资是你保持相关性的方式。它让你不断受到邀请。它让你变得重要。

社交回报有一些不同于财务回报的特点：

而如果从财务回报角度来看天使投资，其锁定期长、流动性差、后续融资对股权的稀释等问题，难以支撑天使投资人的理性决策。

金融创新很大程度上是围绕如何处理不确定性展开的。天使投资在投资条款上并未内生对投资人进行财务意义上的保护，但其社交回报的属性则改变了行为的实质。Danco 也把这个观察框架延展到了风险投资的整体上：早期投资是一种馈赠，投资人除了预期会在未来获得的财务收益（往往通过项目的后续融资不断推高估值才能实现最终退出），更重要的是在向整个创投社区/生态/圈子发送信号：

Remember that the hard problem of financing innovation is the uncertainty around how many financing tranches you have until companies are graded on results as opposed to on potential. In any given financing, investors have to decide whether this is a “potential” round or a “results” round. The investors leading this year’s round cannot communicate with the people who’ll do next year’s round. If you could know with certainty which kind the next round would be, you could price today’s opportunity more straightforwardly. But we can’t time travel yet (until we beat thermodynamics), so the best we can do is send signals to the future, in the price and term structure we agree to today, about the gift being given today of grading the company on potential.
The gift-culture long game, which has been going on for decades in Silicon Valley, creates confidence that we can pass this “gift of grading on potential” forward, round after round. You can raise a Series A on the story of what the Series B story will be: “The appropriate thing would be for the next round to be priced at 40 at 150 post; can we count on people playing ball?” Everyone is gifting each other permission to not second-guess anything and go for the crazy outcome as opposed to the rationally optimal outcome.

直译略抽象，我们用解读的方式来处理这两段文字：

创业融资的核心难题在于：没人能确切知道一家公司需要经过多少轮融资，才能从“潜力评估阶段”过渡到“结果评估阶段”。每一轮融资时，投资人都面临一个关键判断：这是一轮基于“潜力”的融资，还是基于“实际结果”的融资？

这种不确定性产生了独特的解决方案：

用一个例子来解释（请勿对号入座）：

想象创业者小王正在和 A 轮投资人谈判。他没有过多纠结当前的 50 万用户数据，而是描绘了一年后的愿景：我们有信心将用户扩大到 300 万，营收增长 5 倍。

投资人小李点点头：如果达到这些目标，B 轮做到 1.5 亿美元估值是合理的。这句话背后的潜台词是：我相信按这个估值投资 A 轮，未来的 B 轮投资人会认可这个增长故事。

另一位投资人小张随即表示：我认识几位做 B 轮的基金合伙人，他们一直关注这个领域。

A 轮投资人愿意基于未来预期下注，因为他们相信生态中的其他玩家会遵循同样的游戏规则。就像一场接力赛，每个人都相信下一棒会准时出现在交接点。正是这种共识，让看似冒险的早期投资变得可行。

这就是 Danco 希望合理化的解释：为什么创业融资市场能够运转？它不是一个纯粹的市场交易系统，而是建立在一种独特的馈赠文化之上。这种文化创造了一个允许持续追求高潜力项目的环境，即使这些项目在传统财务评估标准下可能显得不够理性。

在文章最后，他把现在的 AI 泡沫与馈赠文化联系起来。

Everyone talks about bubbles as times of lots of optimism, lots of FOMO, lots of irrational exuberance. But you know what else you see a lot of during bubbles? Generosity. This makes sense! Everyone is flush with success, and in good times like those, we are gift-giving people.
每个人都在谈论泡沫时期，认为泡沫时期充满了乐观、错失恐惧症和无理性的繁荣。但你知道在泡沫时期你还会看到什么吗？慷慨。这很有道理！每个人都充满了成功，在这样的好时期，我们都是馈赠的人。

的确，硅谷的天使投资生态和中国市场非常不同，很多科技大厂的员工在股票套现之后，也会参与朋友创业的天使投资。同时，类似 Angellist 这样的投融资平台进一步简化了个人发起、参与小型基金的流程。这就极大的打开了探索的多样性，虽然其中也会产生大量的冗余和浪费，但如我在这个 newsletter 中反复讲到的，也是我个人越来越坚持的一个观点：多样性是走向繁荣的必经之路，而平台的价值就是支持多样性。

AI 在降低产出原型的门槛，缩短早期试错的时间，我们可能会看到多样性的一次爆炸（似乎这个价值还没有被充分讨论和认知）。Danco 最终认为，馈赠文化将在这次多样性爆炸中发现并创造更大的价值。

I think the people who are going to be big winners in this new age of instant prototyping are the people who are exceptional at gift culture. Because they will understand the scarce resource of this new environment, which guess what, was the same scarce resource before too - the ability to coordinate people, over time, towards promising but unknowable goals. That’s always been the hard part, and it feels magical when we solve it.
我认为在这个即时原型的新时代，那些在馈赠文化方面表现出色的人将成为大赢家。 因为他们会理解这个新环境的稀缺资源，你猜怎么着，以前也是同样的稀缺资源——协调人们的能力，随着时间的推移，朝着有希望但不可知的目标前进。这一直都是最难的部分，当我们解决这个问题时，感觉很神奇。

擅长“馈赠文化”的人更理解到创业不仅是交易，更是一种信任的传递，能建立起超越单纯经济关系的连接，最终创造一个共同愿景，让各方愿意投入时间和资源。

Satya Nadella – Microsoft’s AGI Plan & Quantum Breakthrough

[[Satya Nadella]] 在访谈中谈到微软的未来计划，特别是 AI 与量子计算的结合。在 X 上，有不少人提到了这篇访谈，但我读完之后，有一些不同的理解角度。

对于 AI 市场的预判，Nadella 提出了一个很重要的问题：它是不是一个“赢家通吃”的市场。

Then after that, it becomes a little fuzzy. You could say, hey, there is a winner-take-all model- I just don't see it. This, by the way, is the other thing I’ve learned: being very good at understanding what are winner-take-all markets and what are not winner-take-all markets is, in some sense, everything. I remember even in the early days when I was getting into Azure, Amazon had a very significant lead and people would come to me, and investors would come to me, and say, "Oh, it's game over. You'll never make it. Amazon, it's winner-take-all."

Consumer markets sometimes can be winner-take-all, but anything where the buyer is a corporation, an enterprise, an IT department, they will want multiple suppliers. And so you got to be one of the multiple suppliers.
之后，情况就变得有些模糊了。你可能会说，嘿，有一个赢家通吃的模式——我只是没看到。顺便说一句，这是我学到的另一件事：善于理解什么是赢家通吃的市场，什么不是赢家通吃的市场，在某种意义上，就是一切。我记得，即使在我刚进入 Azure 的早期，亚马逊也处于非常明显的领先地位，人们会来找我，投资者会来找我，说：“哦，游戏结束了。你永远不会成功。亚马逊，这是赢家通吃。”

消费市场有时是赢家通吃，但只要买家是公司、企业或 IT 部门，他们就会想要多个供应商。因此，你必须成为众多供应商之一。

有人可能会说，Nadella 是屁股决定脑袋，作为追赶者，他当然会认为 Amazon 不会一家独大——而事实上也是如此：无论是 Azure 还是 Google Cloud 都在建立自己的差异性并取得增长。

Nadella 从 Windows 与开源操作系统的竞争动态中找到了对 AI 模型竞争的对标：

That, I think, is what will happen even on the model side. There will be open-source. There will be a governor. Just like on Windows, one of the big lessons learned for me was, if you have a closed-source operating system, there will be a complement to it, which will be open source.

And so to some degree that's a real check on what happens. I think in models there is one dimension of, maybe there will be a few closed source, but there will definitely be an open source alternative, and the open-source alternative will actually make sure that the closed-source, winner-take-all is mitigated.
我认为，即使在模型方面，情况也是如此。将会有开源。将会有一个管理者。就像 Windows 一样，我学到的一大教训是，如果你有一个闭源操作系统，那么就会有一个对它的补充，那就是开源。

因此，在某种程度上，这是对发生的事情的真正检查。我认为在模型中有一个维度，也许会有一些闭源，但肯定会有一个开源替代方案，而开源替代方案实际上将确保闭源、赢家通吃的局面得到缓解。

为什么云计算的竞争不是同质化的：

At scale, nothing is commodity. To your point about cloud, everybody would say, "Oh, cloud's a commodity." Except, when you scale... That's why the know-how of running a hyperscaler... You could say, "Oh, what the heck? I can just rack and stack servers."

In fact, in the early days of hyperscale, most people thought “there are all these hosters, and those are not great businesses. Will there be anything? Is there a business even in hyperscale?” And it turns out there is a real business, just because of the know-how of running, in the case of Azure, the world's computing of 60-plus regions with all the compute. It's just a tough thing to duplicate.
在一定规模之上，没有什么是商品（同质化的）。对于你关于云的观点，每个人都会说，“哦，云是一种商品。”但是，当你扩展的时候……这就是为什么运行超大规模服务器的秘诀……你可能会说，“哦，这到底是怎么回事？我只要把服务器架起来并托管起来就可以了。”
事实上，在超大规模的早期，大多数人认为“有这么多托管商，他们都不是很好的企业。会有什么吗？即使在超大规模中也有业务吗？”事实证明，确实有业务，因为只是有运行诀窍，以 Azure 为例，它运行着全球 60 多个地区的计算，拥有所有的计算能力。这是一件很难复制的事情。

略过中间讲 Agents 和 Copilot 的部分，这一部分的确有点在给自家产品打广告。直接跳到讲量子计算和 AI 的关系：模拟器和仿真器。

AI is like an emulator of the simulator. Quantum is like a simulator of nature.

Quantum is going to be fantastic for anything that is not data-heavy but is exploration-heavy in terms of the state space. It should be data-light but exponential states that you want to explore. Simulation is a great one: chemical physics, what have you, biology.

One of the things that we've started doing is really using AI as the emulation engine. But you can then train. So the way I think of it is, if you have AI plus quantum, maybe you'll use quantum to generate synthetic data that then gets used by AI to train better models that know how to model something like chemistry or physics or what have you. These two things will get used together.
AI 就像模拟器的仿真器。量子就像自然的模拟器。

对于任何不是数据密集型但状态空间探索密集型的东西，量子都将是极好的选择。它应该是数据量少但指数级的状态，而你想要探索。模拟是一个很好的例子：化学物理、生物学。

我们已经开始做的事情之一就是真正使用 AI 作为模拟引擎。但你可以进行训练。所以我的想法是，如果你有 AI 和量子，也许你会使用量子来生成合成数据，然后 AI 会使用这些数据来训练更好的模型，这些模型知道如何对化学或物理等进行建模。这两件事将一起使用。

在这个意义上，AI + 量子计算实际上进一步推动了人类对自然奥义进行广泛探索的效率。对于上面的“AI 是模拟器，量子计算是仿真器”的比喻，这里再做一些阐释（个人视角）。

Nadella 本质上描述的是一个三层计算结构：

  1. 自然（基础现实）
  2. 量子计算（一阶模拟器）
  3. 人工智能（二阶模拟器）

量子作为自然的模拟器：量子计算机使用与自然相同的基本原理（叠加、纠缠和量子态）。它们特别适合对具有指数状态空间的系统进行建模（如分子相互作用），将其视为直接“说自然语言”。一个例子是：对复杂分子的行为进行建模不需要大量数据集，而是需要能够有效地探索巨大的可能性空间。

人工智能作为模拟器：人工智能系统试图近似和重现它们观察到的模式，就像可以运行模拟的虚拟机。它们不是根据量子原理运行，而是使用统计模型来近似量子行为。一个例子是：在量子模拟数据上训练的人工智能模型可以对分子行为做出预测，而无需实际执行量子计算。

这反映了计算领域的一个更广泛的趋势：我们正在从纯粹的传统计算转向利用多种计算范式的混合方法。可以想象它就像拥有一个计算器（传统计算）、一个化学实验室（量子计算）和一个经验丰富的科学家（人工智能）——每个方法都具有解决复杂问题的独特能力。

访谈中，我特别感兴趣的一个部分，是关于 Nadella 自身作为一位杰出 CEO 对创新和人类未来的看法。

他谈到了作为微软的 CEO，应该看到为什么自己没有足够多的将实验室里的研究成果转化成可以商业化的产品从而引领市场。在这个访谈中，他也提到了，微软研究院（Microsoft Research 或 MSR）的定位就是为微软 CEO 准备面向未来的创新研究成果，以保持微软的长期技术领先。

The real thing that I think about is, when the time has come for something like quantum or a new model or what have you, can you capitalize? So as an incumbent, if you look at the history of tech, it's not that people didn't invest. It's that you need to have a culture that knows how to take an innovation and scale it.

That's the hard part, quite frankly, for CEOs and management teams. Which is kind of fascinating. It's as much about good judgment as it is about good culture. Sometimes we've gotten it right; sometimes we've gotten it wrong; I can tell you the thousand projects from MSR that we should have probably led with, but we didn't. And I always ask myself why. It's because we were not able to get enough conviction and that complete thought of how to not only take the innovation but make it into a useful product with a business model that we can then go to market with.
我真正考虑的是，当量子或新模型等东西出现时，你能利用它们吗？因此，作为一名在位者，如果你回顾技术的历史，你会发现并不是人们没有投资。而是你需要一种知道如何接受创新并扩大规模的文化。

坦率地说，这对 CEO 和管理团队来说很困难。这很有趣。这不仅关乎良好的文化，也关乎良好的判断力。有时我们做对了，有时我们做错了；我可以告诉你，MSR 的数千个项目我们本应该引领市场，但我们没有。我总是问自己为什么。这是因为我们无法获得足够的信心，无法完全思考如何不仅接受创新，而且将其变成一个有用的产品，并建立一种商业模式，然后将其推向市场。

他特别强调：知易行难，看到不等于做到。

That's the job of CEOs and management teams: not to just be excited about any one thing, but to be able to actually execute on a complete thing. And that's easier said than done.
这就是 CEO 和管理团队的工作：不要只是对某件事感到兴奋，而是能够真正执行完整的任务。说起来容易做起来难。

纳德拉在这里提出了人工智能发展必须考虑的三个关键维度。首先，在法律和责任层面，即便是最先进的 AI 系统也必须在人类的授权和监督下运作。任何 "AI 自作主张 " 或 "AI 背锅 " 的说法都不会被社会接受 —— 这个问题甚至会在 AI 失控成为技术问题之前，就先在法庭上成为一个法律问题。

To your point, I think that's one of the reasons why I think about even the most powerful AI is essentially working with some delegated authority from some human. You can say, oh, that's all alignment and this, that, and the other. That's why I think you have to really get these alignments to work and be verifiable in some way, but I just don't think that you can deploy intelligences that are out of control. For example, this AI takeoff problem may be a real problem, but before it is a real problem, the real problem will be in the courts. No society is going to allow for some human to say, "AI did that."
说到你的观点，我认为这就是我认为即使是最强大的人工智能本质上也是在人类的授权下工作的原因之一。你可以说，哦，这都是协调，还有这个、那个和其他的。这就是为什么我认为你必须真正让这些协调发挥作用并以某种方式得到验证，但我认为你不能部署失控的智能。例如，这个人工智能起飞问题可能是一个真正的问题，但在它成为一个真正的问题之前，真正的问题将出现在法庭上。没有一个社会会允许某个人说，“人工智能做了这件事。”

其次，在社会经济层面，我们必须正视 AI 带来的劳动力市场变革。在民主社会中，如果 AI 的发展只为资本所有者创造回报，而没有给劳动力带来相应的收益，这种失衡将威胁社会稳定。因此，我们需要重新思考如何在 AI 时代评估和回报人类劳动的价值。

You bring up another point. I know David Autor and others have talked a lot about this which is, 60% of labor- I think the other question that needs to happen, let’s at least talk about our democratic societies. I think that in order to have a stable social structure, and democracies function, you can’t just have a return on capital and no return on labor. We can talk about it, but that 60% has to be revalued.
你提出了另一个观点。我知道 David Autor 和其他人已经就这个问题讨论了很多，那就是 60% 的劳动力——我认为另一个需要讨论的问题是，我们至少应该谈谈我们的民主社会。我认为，为了拥有稳定的社会结构和民主制度，你不能只获得资本回报而没有劳动力回报。我们可以谈论它，但那 60% 必须重新评估。

最后，在技术实现层面，AI 系统的部署必须建立在完善的运行时监控体系之上。就像我们不会简单地编写完软件就放手不管一样，AI 系统同样需要持续的监控和管理，包括对安全威胁、故障注入等问题的实时监测。这种监控体系是确保 AI 系统可控、可信的技术基础。

And then more importantly, what is the runtime environment in which you are really going to be able to monitor these things? The observability around it? We do deal with a lot of these things today in the classical side of things as well, like cyber. We don't just write software and then just let it go. You have software and then you monitor it. You monitor it for cyber attacks, you monitor it for fault injections, and what have you.
然后更重要的是，在什么样的运行时环境中你才能真正监控这些事情？它的可观察性？我们今天确实在传统方面处理了很多这样的事情，比如网络。我们不只是编写软件然后就放手不管了。你有软件，然后你监控它。你监控它是否有网络攻击，你监控它是否有故障注入，等等。

这三个维度 —— 法律问责、社会平衡、技术监管 —— 构成了负责任的 AI 发展框架。这个框架强调，AI 的发展不仅是技术问题，更是一个需要多方面协同治理的系统工程。

最后的一个问题是：Nadella 是否愿意请一位 AI 代理加入微软的董事会。Nadella 的回答是肯定的，并且举出了一个很好的用例：

It's a great example. One of the things we added was a facilitator agent in Teams. The goal there, it's in the early stages, is can that facilitator agent use long-term memory, not just on the context of the meeting, but with the context of projects I'm working on, and the team, and what have you, be a great facilitator?

I would love it even in a board meeting, where it's easy to get distracted. After all, board members come once a quarter, and they're trying to digest what is happening with a complex company like Microsoft. A facilitator agent that actually helped human beings all stay on topic and focus on the issues that matter, that's fantastic.

That's kind of literally having, to your point about even going back to your previous question, having something that has infinite memory that can even help us. You know, after all, what is that Herbert Simon thing? We are all bounded rationality. So if the bounded rationality of humans can actually be dealt with because there is a cognitive amplifier outside, that's great.
这是一个很好的例子。我们添加的其中一项功能是 Teams 中的引导代理。目前还处于早期阶段，目标是引导代理能否使用长期记忆，不仅仅是会议背景，还包括我正在开展的项目背景、团队背景，以及您拥有的一切，成为一名出色的引导者？

即使是在董事会会议上，我也喜欢它，因为在董事会会议上很容易分心。毕竟，董事会成员每季度来一次，他们正在努力消化像微软这样复杂的公司正在发生的事情。一个引导代理实际上可以帮助人们保持话题并专注于重要问题，这真是太棒了。

这实际上就像您之前提到的，拥有无限记忆的东西甚至可以帮助我们。毕竟，你知道 赫伯特·西蒙 到底是什么吗？我们都是 有限理性。所以，如果人类的有限理性实际上可以通过外部认知放大器来处理，那就太好了。

Amazon 2024 Update

Mostly Borrowed Idea 的 Abdullah Al Rezwan 本周更新了他的 Amazon 模型。这里做一些摘录。

首先是非 AWS 业务，主要围绕电商零售业务而来。

这部分业务中，Amazon 仍然坚持已有的战略，保证商品选择、价格和服务领先对手。Rezwan 着重分析了在物流和配送上的投入，短期看，这部分成本费用的 GMV 占比和疫情前相比有所上升（Shipping 费用的 GMV 占比从 2023 年的 10% 上升到 2024 年的 13% 左右，Fulfillment 的 GMV 占比上升相近），主要是 Amazon 仍在投入建设配送中心（Fullfilment Centers），并推动更多商家通过 Amazon 履约（Fulfilled by Amazon）持续提升顾客在 Amazon 购物的体验。这些投入在短期来看，每单位面积上承载的销售额在下降：

With more and more fulfillment centers all over North America, shipping speed will only get faster over time and it will become increasingly more and more challenging to compete against Amazon on shipping speed, selection, and convenience. Such capex intensity has weighed on Amazon’s sales per sqft metric; while it used to be $920-940 per sqft in 2019-2020, it has been hovering around $800-850 in the last four years. In my projections, it remained below $900 per sqft.
随着北美各地的配送中心越来越多，运输速度只会随着时间的推移而变得更快，在运输速度、选择和便利性方面与亚马逊竞争将变得越来越具有挑战性。这种资本支出强度给亚马逊的每平方英尺销售额指标带来了压力；虽然 2019-2020 年的销售额曾为每平方英尺 920-940 美元，但在过去四年中一直徘徊在 800-850 美元左右。根据我的预测，它仍低于每平方英尺 900 美元。

规模杠杆在这里起了非常大的作用，考虑到 Amazon 在物流科技上的投入，机器人技术的发展将在未来 5 年中逐渐降低费用占比，虽然 Rezwan 认为，这个比率不大可能回到疫情前的水平，但对于 Amazon 的体量来说，每 100bp 的 GMV 占比下降，就能释放 150 亿美元的运营利润。

规模杠杆同样体现在订阅和广告这两个衍生业务上，逻辑类似，不再展开。一个值得注意的数字是，Prime 每年的内容投入已经超过了 Netflix，而借助于零售业务的商家生态和强大的第一方数据，Prime 上的广告收入也在快速增长。

在多个飞轮的联动下，非 AWS 业务的运营利润率在 2024 年可能达到 5.5% 的高点（根据公开数据和作者假设进行的估算）。一些投资人可能认为这个利润率过高了，如果把 Amazon 的电商业务与美国其它的零售商相比，在可比口径下，Target 曾经报告过 7%-8% 的运营利润率，因此 Rezwan 认为，5.5% 的估计是非常可能的，同时他对 2030 年的展望也非常乐观。

然后则是 AWS。

这里有一个非常关键的比率：每增加一美元的资本支出，在次年，能产生多少美元的 AWS 收入。根据历史数据来看，这个比率大概是 1:0.9。

这个数字看上去是很吓人的，近年来，由于以下几个原因， 这个比率的确出现了明显的下降（2023 年先降到了 1:0.4，2024 年又回升到了 1:0.67）：

Rezwan 认为，这个比例在长期中会缓慢回升，但出于谨慎考虑，他假定先回升到 1:0.5，考虑到资本支出在最近几年将会大幅提升，如果能够达到这个收入回报，AWS 每年增加的收入将在 1200-1600 亿之间（不同的假设版本）。

剩下的估算主要折旧、运营费用等，不展开。

我在这里不去讨论最后的估值计算，但毫无疑问，Rezwan 认为 Amazon 仍然是一支被低估的股票。

作者在最后提到，在 2022 年底的时候，市场上流传着一个说法，即按照当时的估值，投资者实际上是在“免费”获得 Amazon 的零售业务。这个说法确实有其道理：考虑到 AWS 在 2024 年实现了约 400 亿美元的营业利润，以 2022 年底的股价计算，投资者实际上只需支付 24 倍 2024 年 EBIT 的估值，就可以“免费”获得 Amazon 的零售业务。相比现在其他科技巨头的估值水平，这个倍数并不算高。不过，由于亚马逊的估值自 2022 年低点已经上涨了约 3 倍，现在已经不存在所谓的“零售业务免费”的情况了。但这并不是一个问题，因为作者个人认为亚马逊除 AWS 之外的业务实际上比 AWS 本身更有价值，这一点从作者对未来几年的预测模型中也可以看出，其中 AWS 的 EBIT 预估明显低于公司其他业务。

Nebius Part 1: the Smooth (Developer) Operator & Part 2: Cash, Optionalities, Challenges

上周，华尔街发现了 Nebius，这是一家由 Nvidia 和 Accel 投资的公司。Nebius 在开发者体验方面表现出色，使得开发者可以轻松快速地开始使用其平台。尽管 Nebius 源于俄罗斯的 Yandex，但其未来增长潜力被认为不再受到地缘政治的负担。

Nebius 是一家在 AI 基础设施市场中崭露头角的新公司，拥有强大的现金储备和多个有潜力的子公司。尽管面临着激烈的竞争和发展挑战，Nebius 通过独特的开发者体验和战略性资产定位，有可能在市场中脱颖而出。其创始人 Arkady Volozh 的经验和韧性使得 Nebius 成为一个值得关注的投资机会。

Interconnected 的 Kevin Xu 分两篇文章介绍了这家公司的一些基本情况。

第一篇文章主要关于 Nebius 的核心产品和差异点：具有更顺滑的开发者体验的新型云算力提供商。

This is not surprising, because the vast majority of these AI neocloud players started out as bitcoin miners or energy arbitrageurs, not technologists or application builders. Energy expertise is extremely important because energy is the most important raw input to compute, and compute is the most important input to AI knowledge generation. So the rise in prominence (and valuation) of energy experts in the AI field is somewhat justified.

大多数 AI 云计算公司最初都是比特币矿工或能源交易商。这是因为能源是计算的最重要输入，而计算又是 AI 知识生成的最重要投入，所以能源专家在 AI 领域的重要性日益突出。

However, the generative AI industry needs to graduate from energy arbitrage and raw-GPU-for-rent to building useful applications at scale sooner or later. This year, in my view, is Year One of this transition. Thus, AI clouds big or small with smooth, superior DevEx will become increasingly more appealing.

Xu 进一步指出 AI 行业需要从单纯的能源套利和 GPU 租赁，转向构建大规模实用应用程序。2025 年被视为这个转型的元年，那些能提供良好开发者体验的 AI 云服务将变得更具吸引力。

第二篇文章开始深入 Nebius 的业务。Nebius 的前身是俄罗斯互联网巨头 Yandex，在俄乌战争爆发后，美国对俄罗斯进行制裁，也殃及 Yandex，创始人 Arkady Volozh 公开谴责普京，并开始剥离 Yandex 俄罗斯之外的资产，并获得了美元投资人的支持（其中包括 Nvidia），这部分资产除了上面提到的云计算业务之外，还有一些其它的业务，都打包在 Nebius 里面，并重新获得了在 NASDAQ 的上市地位。

![[Nebius core businesses.png]]

Nebius 与其它新型云厂商（neocloud）的很大差异点在于其丰厚的现金储备（源于资产充足后的注资），对于资本密集型业务，这一点非常重要。

Nebius 公司的两个重要财务指标：预计 2025 年收入为 7.5-10 亿美元，以及公司拥有约 30 亿美元的现金储备且无债务。这使得 Nebius 在竞争中占据独特优势，因为其他新兴云计算公司都背负着大量债务。

The company’s 2025 annual revenue guidance of $750 million to $1 billion in ARR, which is aggressive and impressive if it can pull it off;Its roughly $3 billion in cash on the balance sheet with no debt – $2.3 billion from the Yandex divestment plus $700 million from Nvidia, Accel and Orbis.
CoreWeave has more than $10 billion in debt. Lambda Labs has more than $500 million in debt. Crusoe has more than $200 million in debt. Even the vaunted Stargate project will likely need hundreds of billions in debt to fulfill its $500 billion investment promise.

其它业务有些与 AI 和云相关，有些不是那么相关，摘录一些相对相关并特别的：

Nebius 面临的挑战包括如何与超算中心（hyperscalers）竞争，以及如何利用自身的地缘优势。

Another perennial challenge for all new cloud players is its positioning versus the hyperscalers. Nebius is no exception. Startups are smart at playing off a new player for cheaper compute versus one of the hyperscalers, who have always been generous with free credits. Being able to appeal to developers from new startups and larger enterprises at the same time is a difficult game to win. The best case scenario is for a hot generative AI startup built natively on Nebius to take off and stay with Nebius for the long-haul, much in the same way that Netflix’s early adoption of AWS put the cloud juggernaut on the map. Will Nebius attract and keep the Netflix of generative AI with either its smooth developer experience or a special AI-native sauce crafted with, for example, Toloka, its in-house high-end data service, is the intriguing unanswered question.
所有新云玩家面临的另一个长期挑战是其与超大规模者的定位。Nebius 也不例外。初创公司很聪明，善于与新玩家争夺更便宜的计算资源，而超大规模者则一直慷慨地提供免费信用。能够同时吸引新初创公司和大型企业的开发人员是一场难以取胜的游戏。最好的情况是，一家在 Nebius 上原生构建的热门生成 AI 初创公司能够腾飞并长期留在 Nebius，就像 Netflix 早期采用 AWS 让这家云巨头名声大噪一样。Nebius 是否会以其流畅的开发人员体验或特殊的 AI 原生功能（例如其内部高端数据服务 Toloka）吸引并留住生成 AI 领域的 Netflix，这是一个有趣的未解问题。
A third challenge is the prioritization of its geographical expansion plan. It is known that the company has ambitions in both the US and Europe. As I noted, it also has the cash to execute. But the two geographies are quite different markets, and drifting increasingly apart geopolitically when it comes to AI. The US is obviously the more vibrant and lucrative market, and thus also the most crowded. The EU is lagging in all sorts of ways when it comes to AI development, but a growing rift with the US on all dimensions of AI’s future, epitomized in Vice President JD Vance’s speech at the Paris AI Action Summit, could mean Europe will be less willing to use American technology. Mistral’s CEO is already calling for Europe to build, own and operate its own AI infrastructure. This bodes well for Nebius as it has a head start in Europe with its main data center in Finland, expansion plan in Paris underway, and most of its core engineering force based in Amsterdam and Israel. If Europe becomes serious about building AI on its own terms, Nebius may become the go to choice, possibly owning the EU market at the American hyperscaler’s expense.
第三个挑战是其地理扩张计划的优先次序。众所周知，该公司在美国和欧洲都有雄心壮志。正如我所指出的，它也有执行的现金。但这两个地区的市场截然不同，在人工智能方面，地缘政治上的差距越来越大。美国显然是更具活力和利润的市场，因此也是最拥挤的市场。欧盟在人工智能发展方面落后于其他任何方面，但欧盟与美国在人工智能未来各个方面的分歧越来越大，副总统 JD Vance 在巴黎人工智能行动峰会上的讲话就是一个缩影，这可能意味着欧洲将不太愿意使用美国技术。 Mistral 的首席执行官已经呼吁欧洲建立、拥有和运营 自己的 AI 基础设施。这对 Nebius 来说是个好兆头，因为它在欧洲占据先机，其主要数据中心位于芬兰，巴黎的扩张计划正在进行中，其大部分核心工程团队位于阿姆斯特丹和以色列。如果欧洲认真考虑按照自己的方式构建 AI，Nebius 可能会成为首选，并可能以牺牲美国超大规模企业为代价占领欧盟市场。

最后，关于创始人 Volozh：

At the ripe young age of 61, Volozh is already a billionaire many times over from his multi-decade success of building Yandex since 1997. No one would blame him for phoning it in and enjoying the good life after completing the difficult divestiture of his entrepreneurial baby in Yandex. Instead, he is saddling up once again as the CEO of the reborn Nebius to prove that he can do it again, despite all the immense challenges in front of his team.
沃洛兹今年 61 岁，他自 1997 年创立 Yandex 以来，数十年如一日，成功创立了 Yandex，如今他已是亿万富翁。在完成对 Yandex 的艰难资产剥离后，没有人会责怪他选择放弃并享受美好生活。相反，他再次担任重生的 Nebius 的首席执行官，以证明他可以再次成功，尽管他的团队面临着巨大的挑战。

张小珺商业访谈录 | 离开字节、Minimax 的张前川，发出 AGI 对人类威胁的预警

这集播客可能很多朋友都听过，如主播开篇介绍的，张前川主要讲了两个方面：一是对中国内容平台 / 社区的一些经验总结和思考，他经历从百度到字节的整个产业周期，有很多总结深得我心，另一部分是从 Minimax 出来之后，对 AGI 和人类社会对一些更宏观的思考，也帮我打开了不少思路。

大概在播客进行到 30 分钟左右的时候，有一段比较关于社区 / 内容平台的相对集中的讨论，我自己转录了几段文本：

市面上有专业创造能力的人数量，它不会随着用户规模的增长而同比增长。所以说你最终会受限于这个有限的内容池。

但如果是 UGC 的话，每轮的用户增长都会带来更丰富的内容。这就牵涉到几个问题。UGC 的生态往往需要在初期随着 UGC 的种子来滚雪球式产生，而这个种子很难在 PGC 的生态里面成长出来，就有点像是个人要跟团队竞争，或者是没有经验的人要跟有经验的人竞争。在最初期，这个局面对于 UGC 来说并不有利。虽然不是说完全做不到，但是难度比较高。真正从一个非 UGC 的大平台转型成 UGC 生态平台的案例其实很少，或者说一时半会可能都想不起来。像抖音、小红书，它们从 Day 1 就是 UGC 生态。

如果要发展 UGC 生态的话，只能从社区开始。因为都会经历这个“卑微时期”或“阴暗时期”。这个时期用户规模总是小的，因为内容很少，而内容和用户是互相吸引的。用户很少，那些内容创作者就需要很强的“用爱发电”的动力，而社区的氛围实际上提供了这个“用爱发电”的动力。

如果没有社区氛围，那就需要提供一些替代性的动力，比如给钱激励、提供荣誉认证、官方认可等，但这些都很难激励出一个可持续运转的 UGC 生态。

一旦生态运转起来之后，社区会持续提供创作动力，并且这些动力会变强。创作者的粉丝会变多，参与的人也会变多。如果持续将其视为一个社区，也会产生一些制约。因为所有社区都会形成特定文化，有些用户喜欢这个文化，会留在这里；有些用户不喜欢这个文化，这就会阻碍社区进一步发展。

社区就像是把一个内容平台像风筝一样放起来的必要手段，或者说是很多成功案例的关键手段。但当一个社区成长到足够大的时候，它既是一个社区也是一个平台。这时就需要反思社区到底代表什么。

比如小红书作为一个图文社区，能够最终变成一个非常大的平台。但同时代的其他社区，如果没有想清楚社区的本质，没有梳理出一些更通用的要素，那可能就会停留在社区阶段。这也是我们看到多数社区最后消失的原因。

我曾经在某个播客上串台的时候讲过一个类似的观点：社区其实就是 UGC，但当时没有在这个问题上更深入的思考，也就没有得出一个更精确的答案。从上面的话来看，这句话应该改成：社区其实就是 UGC 生长的手段。

但这个结论并不一定会被社区的运营者和创作者所接受，很多人可能认为，社区本身就是目的，但社区这种形态又在规模变大的时候显得很脆弱，实际上是需要更强的机制来重构的，张前川用了“平台”这个词，这个概念大而模糊，可以装进去很多东西，但的确我也没有想到什么更好的词来。

另外一种看法是把 UGC 当作一种手段，既然可以 UGC，自然也可以引入 PGC，AI 来了，辅助创作，降低门槛，也是可行的，最终构建出来的就是人与信息的连接，人与人的连接是次要的，这就是 feed 类的产品，本质上是极致追求信息效率。

除了这个话题的讨论，播客的后半段很大篇幅在讨论 AGI。我很受触动的一个点是张前川讲到，每个人都应该主动的去思考 AGI 可能对人类社会造成的威胁，以及如何做好预先准备或预防。他大概是在说，因为不知道谁做了一件什么事情，就可能在未来产生很大的影响，所以每个人都有责任去想这个问题。

追踪 AI 相关的议题这么久，我的确从来没有这么想过。如张前川在播客中讲到的，当他意识到一切工作都是在 AI 为目的，而不是以人为目的的时候，他就决定离开 Minimax 了。

在一件事情上钻得太深，的确容易忽视一些最简单的道理。

← Back to Newsletter Archive