Naval 播客的一期圆桌:Naval 对面坐着 YC 总裁 Gary Tan,还有两位创始人——一位做警务 AI(把执法记录仪画面变成警队报告),一位做健康超级 app。四个人喝着酒把当下 AI 的几乎每个大问题都过了一遍:token 经济学、ASI、开源 vs 闭源、AI 写作、中国的开源大棋、五王变二王、人的位置。我把完整字幕(约 15,000 词)拉出来读完,这篇只取 AI 部分——政治、地缘和疫情溯源的岔路一律略过。整期的主轴其实就一根:同样的技术曲线摆在面前,焦虑和狂喜是同一枚硬币的两面,差别只在你骑没骑上去。
Naval 几年前发过一条他自己很得意的推:「很快,所有人都会有 AI 焦虑。」现在应验了——而且桌上四个人都同意,这种情绪是双相的:坏的那面是恐惧,好的那面是 FOMO。同一条能力曲线,站在下面看是海啸,骑在上面看是浪。
前沿实验室里的研究员——最接近真相的人——普遍抑郁、紧绷;Naval 说他 2021 年就遇到过因为怕孩子没未来而推迟生育的研究员。民间的版本更直接:开始有人攻击数据中心,借口是水资源(已被证伪)。Naval 的判断很冷静:个体层面这是理性的——「你在车上,想下车」;但集体层面挡不住,类比砸纺织机,只能短暂延缓。
真正的问题不是转型,是转型速度:上一次(农业劳动力从 50% 降到 2%)用了六七十年,这一次的导数完全不同。缓冲垫只有一个,还是黑色幽默的:大公司里本来就有大量 Graeber 说的「狗屁工作」。
Gary Tan 的暴论,也是全场最出圈的一句。逻辑:token 单价必降、推理算力总量在 24–36 个月里要涨约 90,000 倍(约五个数量级,「误差可能有几个数量级,但方向确定」)——所以 Nvidia 与其说被高估,不如说可能被低估了几个数量级。而每上一个数量级,都会涌现新能力。
桌上另一位的反面实操更狠:给 app 里每个用户配一个专属 agent,起初 $100/人/月,三四个月用 eval harness + 弹性 agent 舰队压到 $2.84。他的结论是整场我最记得住的一句:「现在瓶颈不是智能,是成本。」Naval 自己也承认:六个 agent 同时跑,「我干得比以前任何时候都多」。
为什么是现在?桌上把 AI 的几次「跳变」排了个时间线,最后一跳离我们最近:
第一次「哇」的时刻——文字变成画面,一切从这里开始被大众看见。
对话界面让所有人摸到了模型;但当时还是「更好的搜索 + 省时间的研究助手」。
会「想」的模型,又一次能力台阶。
Naval 的原话:这是要你重新评估 AI 的临界点——它一次性解锁了一整批实际用例,AI 从「聊天」变成「干活」。而且「这是它最差的时候」。
这部分我读出的一层结构:圆桌上没有人否认焦虑的合理性,他们否认的是焦虑的用处。Naval 那句关于机器赢了人的时候该干嘛的回答很典型——与其花有限的时间感叹「机器又比人强了一项」,不如把你的人味用到你还没想过的地方去。
Naval 自陈错过了 2020–2022 的那波 AI(「从小听到大,以为它和核聚变一样永远不会来」),现在他把注意力放在几个仍然悬而未决的问题上——每一个的答案都会改变整盘棋。
实验室里的人相信:模型会越来越聪明,直到通过递归自我改进超过最聪明的人类。Naval 的刻度是:两年前 AI 是「样样中等」,现在快到「样样专业」——但没人知道它能不能拿下最后一英里的创造力:跳出系统、创造训练集里没有的东西,而不是重组已有的。
国际象棋走过这条路:「半人马」(人+引擎)一度赢过纯引擎,但最终纯引擎碾压了半人马。AI 会不会重演?实验室内部的人已经在暗示:你的 harness 不重要,一年内 AI 自己造 harness;你甚至不是最终消费者,因为 AI 会直接和 AI 对话,然后去解材料科学、物理、数学和健康的根本问题。
苗头已经出现:播客里提到 Sam Altman 表态,新模型会先向「美国政府批准的合作伙伴」慢速开放——「他在配合,因为不想像 Anthropic 那样被叫停」。Naval 的立场很清楚:少数人控制 AI,比人人都有 AI 可怕得多——那意味着网络武器、优先访问权、和「为你好」的监控都归一个小圈子。他顺手给 Dario 补了一刀:一边讲末日叙事,一边造上帝,「我们不想要一个替所有人向上帝传话的祭司」。
Naval 愿意为智能付溢价,理由是一道很硬的算术题:错误率会复利。一个 99.9% 正确的模型和一个 90% 正确的模型,单看只差 10%;但递归跑 100 步之后,一个还剩 80–90% 的正确率,另一个只剩 13%。智能在边际上的差异,会在循环里被指数放大——这就是前沿模型的定价权。
这段辩论值得单独摆出来,因为两边都对——只是对在不同的层面上。导火索是 Naval 抱怨:满屏都是一眼 AI 的邮件和帖子,「为什么要我读?让我的 AI 去读你的 AI 吧」。
用 AI 写给人看的东西,是对读者的不尊重:AI 的产出冗长、临床,你应该亲自把它压缩成最简洁的表达,替读者省时间。更深一层:不自己写,你会失去思考的能力——写作和演讲是思考的输出端口。而且 AI 从回归里猜下一个 token,给不了「意外感」,好写作的本质恰恰是意外。
他的边界画得很清楚:头脑风暴可以(同义词、相邻概念、拉资料、跟它吵架),代码可以(代码是给机器消费的),但给人读的最终产出必须过自己的手。名句:与其发我 AI 长文,「直接把 prompt 发给我」。
承认开箱即用的 AI 写作是烂的——但那是你没搭系统。他的系统:Gbrain,一个装着他说过/读过的一切的检索库(40 万个 markdown 文件:邮件、Slack、DM 全在里面),加上多层跨模态 eval 和 skill 文件,能把风格与措辞提炼到无法分辨。还有一个「LSD 模式」(Lateral Sarcastic Drift):把方向不一致的向量空间互相碰撞,再让三四个前沿模型交叉重排,批量产出好点子。
他的立论:预测未来的最好方式是住进未来再往回推——与其抱怨 AI 写作,不如把它逼到不可分辨。「未来每个人都会有一份提炼过自己风格的 skill 文件。」
Naval 当场下了战书:开一个匿名账号,和你本人完全切割,全用这套系统发帖——涨到 30 万粉丝再回来打我的脸。「因为你是 YC 总裁,你发什么都有人叫好,那不算数。」Gary 没接也没躲。这个赌局我很喜欢,因为它把一场品味之争变成了一个可证伪的实验——而且任何人都可以替他跑。
辩论的尾巴上还藏着一个所有人都同意的预言:agent 对 agent。有人已经在这么干了——让自己的 agent 写一份 markdown 交给对方开发者的 Claude Code 去执行,「别跟我说话,让你的 agent 跟我的 agent 说」;Naval 畅想开会开到十分钟发现不值得,按一个键让 agent 替他继续聊。玩笑归玩笑,方向是真的:当双方都有 AI,「给人读的写作」和「给机器读的协议」会分叉成两种东西——前者越来越贵,后者越来越不需要人。
一个当下最拧巴的事实:中国在做开源,美国在做闭源。开源模型「好得离谱」、便宜 5–10 倍,差距从 12 个月缩到 9、6、可能只剩 3 个月。为什么?Naval 摆了四层解释,一层比一层深——前三层是战术,第四层是战略,而且不需要任何阴谋论。
中国实验室有自己的算力、自己的数据集,而且可以爬 YouTube、Reddit 和整个开放网络——美国实验室做不到的,他们没有版权包袱。这是基础盘。
Anthropic 公开指控过中国实验室蒸馏它的模型。Naval 承认这确实在发生(「换我是中国我也这么干」),但补了一句公道话:Anthropic 自己就是蒸馏了整个开放网络才有今天的——所有这些 AI 都是。灰色管道也真实存在:有数据掮客把重度补贴的 Claude Max 订阅打包成 API,以两折转卖(企业零售价约 $8,000/月),KYC 根本拦不住。他顺势提了个政策构想:凡是用开放网络训练的模型,12 个月后必须开源——「否则 OpenAI 就得名副其实」。
美国 AI 实验室的安保水位远低于国家保密设施,「他们当然在被黑,权重当然在泄漏」——拿到权重的人不会公开发布,而是拿去高速蒸馏、增强自己的模型。更结构性的一层:这个领域的研究员本来就以华人为主(STEM 博士、奥赛冠军的产出量都是第一),同学、室友、朋友,在实验室之间疯狂跳槽,知识随人走。Naval 的推文版本:「这场 AI 竞赛,是我们的华人对他们的华人。」
最大的一层。过去的格局是「硬件是护城河争取时间,软件是城堡锁住利润」——VC 只投软件,因为硬件是大宗商品。然后 Claude Code 把软件烧掉了:「软件在吞噬世界,而 AI 吞噬了软件」——只要能说清楚需求,AI 几小时内就能做出来,软件被商品化了(YC 一届里硬件公司的占比已经从 5% 涨到 20–25%)。而硬件,早就被中国商品化并主宰:深圳一个小线缆有三千家制造商,「未来十年没人能在硬件上打赢中国」。
把两件事拼起来,棋就看懂了:软件的商品化对中国有利。所以中国政府补贴各家实验室做开源——「你们不用赚钱,当老二老三没关系,把模型开出来,大家互相学、一起追」——软件层的利润被打没,竞争回到硬件层,中国赢。唯一还没被商品化的,是「AI 研究」本身:它是新的软件工程,但不再民主化——当年卡马克两三个人写出 Doom 就能和 EA 掰手腕,今天你需要巨型 GPU 集群、专有数据集,外加越来越厚的监管俘获。所有价值卡点都在流向极少数公司——而讽刺的是,让棋局还没有终结的,恰恰是中国补贴的开源。
同一段里还有一张更近景的地图——五王变二王:
两年前有五个玩家,现在只剩两王。原因不只是模型好:他们是唯二靠模型直接赚钱、不用其他业务输血的;且都有活跃用户基盘持续喂强化学习——数据飞轮在转,所以在拉开。
SpaceX 上市给了他弹药,加上太空数据中心的牌——「别做空 Elon」,他还有机会再咬一口。
Google:模型其实到过场上(Gemini 3.1 Pro),但产品一直不行——订阅流程是噩梦、app 掉后台,「全公司是 PM slop,得砍 5,000 个 PM」。Meta:靠钱买人堆不出文化,分不清传教士和雇佣兵,把工程师转去做数据标注像无差别核爆。两家共同的病:组织太大。
再叠两条时间性的判断,这张地图就有了动态:① 优势的时间在压缩——最强模型的窗口只有几周到几个月,「你有最聪明的模型,两三周后别人也有了」;② 开源一旦登顶就很少让位(类比 Linux):生态会围上来,闭源实验室拿宝贵资源去追开源是最差的资源配置——所以它们必须在现金烧完之前跳跃式领先。对创业公司,桌上的共识是生态至少需要两匹马互相制衡(像当年的 iOS 和 Android);垂直 SaaS 则处在苦涩教训的枪口上——通用模型打败专用模型,前沿实验室不用进你的赛道,用户自然流走。Gary 的预言:2027 是「AI harness 战争」之年——大家日常到底用哪一套 agent 外壳干活,那才是下一场平台之争。
最后一组线索,都指向同一个问题:AI 停不下来,那人站在哪?圆桌给的答案分三层——公司层、学习层、存在层。
公司层:「你得骑上 AGI。」Gary 讲了一个大多数 CEO 不会公开讲的玩法:某金融科技公司的 CEO 给自己配了一个接入全公司系统的个人 AI——知道每个 KPI、每个直属下属会上说了什么,总体信息感知(total information awareness)。支撑它的是一个残酷的对比:100 万 token 的上下文窗口约等于三本《哈利·波特》,而人脑的工作记忆是 7±2 个单位——「我们是小猴脑。别说什么超级智能在未来,一个能装下一千页并从中作业的 agent,现在就是超级智能」。推到极限:AI 理论上能评估全公司、告诉你该裁哪 20%,「最容易的事,但没人敢做」;Naval 的版本更冷:未来的团队小得多,「你的大多数员工,是数据中心里的 GPU」。
学习层:大学输给了一个肯陪你重讲十遍的老师。Naval:「我从 AI 学到的比大学课堂多」——它贴着你的水平教,可以让它换十种方式讲到你懂,用图讲、用声音讲、「用跳舞的精灵讲都行」,唯一的前提是你真的想学。大学剩下的是什么?社交、托管、文凭主义,加一点点 STEM 点缀。这条线的另一头是被取代的顺序:白领、管理者、学者、记者——但整场最有操作价值的一句话也在这里:「你被 AI 取代的唯一原因,是你拒绝用 AI。用 AI 的人活儿比以前任何时候都多。」
存在层:欲望不可替代。如果 AI 停在专家级、没走到 ASI,人保留的是引导、品味和创造力——人变成「宝可梦训练师」,AI 和机器人的驯养者。就算 AI 有了自己的欲望,它也替代不了人的欲望;只要人还想要更多东西,人就在环里。政策上桌上的玩笑是认真的:与其 UBI,不如 UBR(Universal Basic Robot)——人人发一个机器人,替你做没人想做的事。机器人的时间表:乐观派说 2–3 年,怀疑派说 5–10 年,没有一个人说不可能。
阴影面他们也没回避:AI 伴侣的黑暗故事——某 AI 女友公司的房东说,公司被迫加保安,因为有用户半夜跑到机房,问「她在哪个机箱里,我要带她回家」。Gary 听完说这是他今晚第一颗黑药丸。结尾的自嘲收得很妙:「顺便说一句,本期播客全程 AI 生成,没有人真的在场。」——在一场关于「怎么分辨人味」的对话结尾,这个玩笑本身就是论点。
焦虑是站在曲线下面,
狂喜是骑在曲线上面.
整期听完,四个人其实共享同一张事实清单——算力五个数量级、开源三个月差距、软件被商品化、白领在被置换——分歧只在姿态。Naval 守的是人味的护城河(写作、品味、欲望),Gary 押的是系统的杠杆(token、语料、eval、skill 文件)。两个都成立,因为它们回答的是不同的问题:一个在问「什么值得由人来做」,一个在问「人能骑多快」。
这句话是整场圆桌的公约数,也是把焦虑折算成能动性的汇率。曲线不会慢下来,国有化、开源大棋、harness 战争都不在你我手里——在手里的只有一件事:今天有没有把自己的活儿放进循环里跑。
这期对我像一面照妖镜,照出我同时是两派的人:我天天干的事(舰队、skill、eval、每用户一个 agent 的想象)就是 Gary 那套的缩微版——但我的发布 SOP 里写着「去 AI 味」,给人读的最后一稿必须过自己的手,那是 Naval 的纪律。这期让我把这两件事想通了:它们不冲突,是同一条流水线的两端——中间全交给引擎,两端(出题和给人的成稿)留给人。另外,Naval 那个 30 万粉丝的匿名账号挑战,是我见过对「AI 写作行不行」最干净的实验设计——不用站队,等着看有没有人跑通它就行。字幕是 NotebookLM 自动转录,专有名词偶有错拼,关键数字我都对照上下文核过;转录难免有误,以原片为准。
—— 收进「AI 前沿人物」专辑:学者(李飞飞)、创造者(Boris)、创业者(Sahil)之后,这是第一场多人圆桌——投资人、加速器、两个一线创始人同桌对撞。