喝点VC｜No Priors投资复盘：未来两三年仍会诞生千亿美元公司，但要成为数万亿美元公司就相当困难

图片来源：Sarah Guo & Elad Gil

Z Highlights

• 当算力真正成为稀缺资源时，人们会发现，在任何一个机构里，往往只有几十名研究者贡献了大约80%的成果。真正昂贵的不是研究者本人，而是与他配套的算力。因此，如果拥有一定的Token预算，你要把它分配给谁，为什么。

• 如果只关注等式的一边，就一定会限制事物发展。如果一边在外部施加限制，一边让内部进步继续指数式推进，而人工智能世界的一年相当于正常时间的三四年，那么内部机构就会领先整整一年，这是巨大的优势。

SarahGuo，人工智能风险投资机构Conviction创始人兼合伙人，曾任Greylock Partners普通合伙人，长期关注人工智能、企业软件与基础设施投资，代表性投资项目包括Harvey、Mistral AI、Cognition、Sierra和HeyGen等。EladGil，硅谷连续创业者、科技投资人及企业经营者，曾联合创办MixerLabs和Color Health，历任Twitter企业战略副总裁，并曾就职于Google。其早期投资项目包括Stripe、Airbnb、Figma、Coinbase、Anduril和Perplexity等，著有《High Growth Handbook》。

01 世界能容纳多少家万亿美元公司

Sarah Guo：各位听众，欢迎回到No Priors。今天只有我和Elad，我们会聊聊风险管理、RSI，世界上究竟能容纳多少家万亿美元公司，以及监管俘获的种种弊病。

Elad Gil：Sarah，最近怎么样？

Sarah Guo：Elad，很高兴见到你。我们已经很久没有只是坐下来聊聊天了。

Elad Gil：是啊，太久了。怎么回事？你最近都去哪儿了？

Sarah Guo：在华盛顿特区忙着帮公司，也想抽一天休息。你呢？

Elad Gil：现在人工智能领域发生的事情实在太多了，真的太多了，一刻不停。这是个非常令人兴奋的时期。

Sarah Guo：你是在寻找下一家万亿美元公司吗？

Elad Gil：是的，这个问题很有意思。过去五年左右，我们看到三家公司大致从接近零的状态成长到一万亿美元市值？五年前Anthropic基本还不存在，OpenAI也仍处于很早期，我想GPT-3当时才刚刚发布。SpaceX的交易估值大约是800亿或1000亿美元。随后，这些公司的估值突然出现了巨大的跃升。现在很多人因此认为，未来三到五年还会诞生一批万亿美元公司。但这在人类历史上前所未有。通常要花20年？SpaceX从21世纪初一路走来，Google则始于20世纪90年代，这些通常都是15到20年的历程。可我们刚刚经历了一次奇怪的五年跃升。

所以我觉得，现在许多人都在看一些非常令人兴奋、很有前景的领域，比如机器人、材料，而在他们心里，每一个领域都会诞生一家万亿美元公司。也许其中一些公司能在未来十年达到这个规模，但未来三到五年再出现很多家，可能性并不大。我能想到一家或许可以做到，但不会有很多家。

Sarah Guo：哪一家？

Elad Gil：我不会说的。

Sarah Guo：Elad，那我该把钱投到哪里？

Elad Gil：我也不知道，就像扔飞镖一样。所以我们这里才放了一块飞镖盘。

Sarah Guo：所以你认为，这其实只是一个格外优质、很特殊的时代批次，而不是整个生态系统会一直变得越来越大？

Elad Gil：它更像是一种“间断平衡”。进化理论里有一种观点叫间断平衡：先出现寒武纪大爆发，随后进入整合期，事物在一段时间内保持相对稳定，然后又迎来一次爆发式上升。技术史也有点像这样。我们经历过一轮大型社交网络浪潮，但如今并不会源源不断地出现十几家新的社交公司。我们也经历过SaaS浪潮，之后格局逐渐稳定。刚刚我们又经历了一轮巨大的人工智能浪潮，而且后面当然还会有更多变化。也可以说，互联网经历了四五个阶段：20世纪90年代的互联网，随后是早期社交网络，一直延续到2010至2012年前后。

还有SaaS、云计算、大型网络安全公司，也有加密货币这一轮浪潮。所有这些浪潮都在发生，有时一项技术还会经历两个阶段，比如比特币就经历过几个不同周期，其他技术也会如此。人工智能无疑还会在模型能力上出现某种重大突破，届时我们会再次迈上一个台阶，一批创业公司也会突然涌现。但我们经常看到这样的时刻：某些事物从零迅速增长，随后其中的公司成为整合者，接下来的问题便是后面还会出现什么。我认为现在至少已经出现了一部分整合者。问题在于，未来几年还会有多少家巨头公司出现。这不同于讨论未来20年会怎样；20年内会出现大量有意思的东西。

未来两三年仍然会有很多事物大幅增长，也仍会诞生许多千亿美元公司，但要成为数万亿美元公司就相当困难。

Sarah Guo：我倒想认识一下你说的那些投资人，因为我更常遇到的问题，是投资人缺乏想象力，无法设想一件事物能比上一个时代最接近的参照市场大多少、好多少。我认为，重新思考市场规模的能力，仍然是当下各个投资阶段都被低估的一项关键技能。以我们共同投资或其他人投资的一些应用公司为例，很多投资人在理念上已经承认，人工智能公司能够交付服务价值，但他们的实际行动并不像真正相信这一点。他们看问题仍然比较线性。比如在看Harvey或Abridge这类公司时，他们会按席位、按律师人数或按医生人数计算TAM。

但他们并没有真正追问：如果一家公司可以按照结果收费，它会变成什么样？也没有真正思考编程领域正在发生的变化——这里的使用量和价值可能还会增长100倍。我认为编程市场远比任何人过去设想的都大。我们两个人一两年前可能都说过这一点，但现在证据已经摆在眼前。你不需要是天才，也能把这种逻辑推广到其他领域。

Elad Gil：证据确实已经出现，但另一个问题是什么才是万亿美元市场，什么又只是千亿美元市场？两者都是很大的数字。我大约在2010年写过一篇博客，讨论一家公司的市值要达到100亿美元有多难；现在，这个数字几乎只是某些新型模型实验室的一轮种子融资。别误会，我认为很多公司都可能达到1000亿美元，但真正能达到一万亿美元的不会有那么多，这是完全不同的数量级。所以问题是，哪些领域真的能够形成万亿美元市场？你只要反推支撑这种估值所需的收入就知道了：一家公司的收入很容易需要达到500亿至1000亿美元，而且利润率还要不错。

因此，真正的问题是：哪些单一公司能够拥有500亿至1000亿美元的收入来源？这和“总体可寻址市场是不是很大”不是同一个问题。那当然是极其庞大的TAM，而全世界只有很少的市场能达到这种量级。目前大概有十几家公司接近这个区间，但未来五年还能新增多少家？这才是我的问题。我问的不是未来20年，而是未来五年有哪些公司能做到500亿至1000亿美元收入。这样一来，你思考问题的方式就会改变。很多公司都能做到50亿或100亿美元收入，从而成为千亿美元公司。

Sarah Guo：我的视野可能放得稍微更远一些。但如果只看未来几年，我不知道除了推理以外，还有多少市场能达到1000亿美元收入。你认为在这个时间范围内还有什么？

Elad Gil：也许是某些供应链或能源类技术。

Sarah Guo：也许吧。确实可以列出五六个看起来很有希望的领域。

Elad Gil：另一个问题是，如果它是一家实体产品公司，比如能源、机器人等，它真的能以这么快的速度建立足够的实体业务规模吗？我并不是怀疑某些市场足够大，而是怀疑公司能否以那么快的速度触及那个规模。

02 前沿实验室阴影下的创始人雄心

Sarah Guo：完全同意，这正是问题所在。至少以我的观察，大家正在集体按照“公司具备快速增长到万亿美元的速度”来投资，而这和市场本身是否足够大是两回事。现在人们把两者混为一谈。与此同时，我还看到一种几乎相反的现象：一些非常优秀的创始人因为害怕新型模型实验室，而选择进入细分市场，于是正面竞争反而变少了。回看Harvey、Open Evidence、Decagon，或Sierra、Nerd等公司三四年前、四五年前所进入的市场，再看两年前的Cognition，它们选择的都是可能进入这些实验室路线图的大市场。但现在，这两种现象似乎正在同时发生。

一方面，在中后期科技市场中，人们仍然按照“许多公司都能迅速达到万亿美元”来投资，而我不认为这种速度真的存在。当然，有些公司可能达到200亿美元，有些达到1000亿美元，也有些会归零。另一方面，新一批公司正在涌现，问题是：面对实验室正在做的事情，创始人还能有多进取、多有雄心？我认为这正是许多人转向硬件公司的原因：“实验室永远不会做这种硬件，所以我们来做。”于是又出现所谓“美国活力”、人工智能的细分应用，以及本应由推理云提供的某些产品，诸如此类。

我觉得很多这类公司可能会更具衍生性，而与此同时，也仍然有人在做巨大而惊人的事情。并不是每一家创业公司都如此，但至少在我的观察中，出于对实验室的恐惧，越来越多人选择做更小、更细分的事情。我认为这也是一种负面变化。

Elad Gil：你的意思是，他们过于畏缩了；其实应该迎着正面竞争上，因为完全可以做出更好的体验，在产品、分发等任何层面直接竞争。

Sarah Guo：我想是的。当然，有些市场确实会被实验室自然吞掉，但还有很多市场不会。现在人们却同时避开了这两类市场。

Elad Gil：我们的投资组合里也有一些公司正在挑战相当核心的前提，所以我不认为所有创始人都过于畏缩。

Sarah Guo：不，我也不是说所有人。我是说这种情况正在增多，而且主要出现在最新的一批项目里。我不是在说那些已经成立一两年的公司，而是说趋势线正在移动。再强调一次，并非所有人都如此，只是这个群体已经足够大。更重要的是，这不只是任意一群创始人，而是优秀创始人中的一部分。我不担心中位数水平的创始人，我关心的是最优秀的创始人正在做什么。

Elad Gil：最近我确实更经常感到失望：一些创始人的雄心没有达到他们本可以达到的程度。所以，也许这就是你说的趋势。

03 创始人何时应该出售公司

Sarah Guo：我们之前谈到过，公司或者创始人应该在什么时候出售公司。以现在这个时间点来看，你的想法或判断框架是什么？

Elad Gil：有少数公司永远不该出售，至少短期内绝不该卖。如果你是Anthropic，就不该卖；如果你是Open AI，也不该卖。总有少数公司不应该出售。但在任何时代，大多数公司至少都应认真考虑这个选项，而且通常会存在一个使时间价值最大化的窗口：在那个窗口内出售，可能得到最好的结果。这个窗口通常只有12到18个月，也就是公司可能达到其历史最高价值的一段时间。最近我们看到的一笔大型退出，或许就是这种情况。还有一些公司也应该积极考虑出售。从治理规范的角度看，公司也许可以像Ben Horowitz曾经写过的那样，每年预先安排一次董事会，专门以非情绪化的方式讨论：未来六个月是否应该考虑退出？

因为会议是预先安排的，所以既不是创始人在推动出售，也不是投资人在推动，只是一场理性的讨论。讨论的答案完全可以是“不，我们应该继续前进，我们仍然相信前面还有某些重要机会”。但这种讨论非常有用，因为在当前周期里，人工智能世界的一年，可能相当于正常周期的三到四年，因此三年就像十年。回想三年前人工智能领域存在什么：无论模型能力、垂直应用、AI并购整合，还是基础设施等任何方面，世界都完全不同。我们正在一条加速的时间线上，一切都变得更快。

这意味着，你需要更频繁地重新检查自己的判断，因为底层事实变化得比以往任何时候都快。我不知道，你怎么看？你对退出或不退出的判断方法是什么？

Sarah Guo：我同意，有一类公司永远不该卖，除非它们已经无法为未来融资。如果要说当下出现了什么新的原则，我会在那场董事会——无论你认为该按季度还是按年度举行，如今都应比几年前更频繁——提出一个问题。那就每六个月问一次：随着成本下降、能力提升，你是否仍在捕获价值？如果你站在这场长期结构性变化的错误一侧，又无法跨到正确的一侧，那么你确实应该出售公司。如果你对如何站到历史正确的一边没有好办法，这就是需要认真追问的问题。

再以我们的朋友Cursor为例：你想依靠资本和算力获取能力来竞争吗？现在是否恰好处于公司价值可能达到最高点的时刻？这是个有趣的问题。更广泛地说，我觉得这是一项非常个人化、也很有意思的风险管理判断。人们应该认真问自己。以“从不考虑出售”为荣是毫无意义的。“Situational Awareness”的案例提醒我们，每个人也都必须先活下来，才有机会获得回报。对冲基金和公司不同，但两者都必须存活下来才能持续复利。至少，你需要让融资结构与你的论点所需时间相匹配，并确保公司能够持续获得融资，最终抵达你承诺的目标。

Elad Gil：融资仍然会存在。三家万亿美元级公司在短时间内迅速崛起，使大量风险资本开始回流。于是投资机构会募集越来越大的基金，又必须把这些钱投出去，它们会把钱投向未来的万亿美元公司。因此，我认为未来一两年估值还会持续上升，而且幅度可能远超迄今为止的水平。其中当然会有一些真正优秀的公司，也会有很多公司配不上这样的估值，但总体而言，融资会变得更容易，而不是更难。所以在我看来，问题与其说是能否融资，不如说是：你认为公司真正最可能实现的结果是什么？

不要听投资人怎么说，不要听媒体怎么说，也不要听Twitter怎么说。坐下来把账算清楚，并记住公司最终可能只按10倍左右的倍数交易，也许是15倍。那么你的公司到底值多少钱？还要记住，增长最终会放缓。你可以判断放缓会发生在什么时候，但必须把这些都算进去：未来的股权稀释、潜在结果、以及实现它需要投入多少年。最后你会得出结论。这里其实有两类机会成本或风险管理：一类与当前事业的价值有关，但最大的机会成本是你的时间。你人生中生产力最高的那些年，此刻正被押在这家公司上。

你可以拿着一笔可观的钱离开，去做下一件大事；因为你已经成功做过一次，人们还会愿意再次与你合作。你也可以继续下注，而且继续下注可能正是正确答案。对某些公司来说，当然应该如此；但对另一些公司来说，也许现在确实到了离开的时候。老股转让是一个中间选项，但我不认为它总是那么好，因为它解决了一些短期需求，却没有真正解决根本问题。很多2020、2021年创业的人，五年后仍在经营那些已经无法奏效的公司。想想他们被困住的五六年间，人工智能发生了所有这些变化。这对一位优秀创始人的代价是什么？

我认为，这才是人们较少谈及却真正重要的成本——你一生的成本。人只能活一次，而且生命很短。你真的愿意最终一直经营一家持续挣扎、资本投入过多、却还拥有十年现金跑道的公司吗？2020、2021年那一批公司中，很多人现在就是这种状态，仍在经营不奏效的企业。因为我们总在谈人工智能，已经把他们忘了。这是巨大的浪费。

Sarah Guo：我真正想说的是，即使现在和未来一年仍有大量资金在风险投资体系内流转，或由这些巨大回报创造出来，私募市场也完全可以在很长时间内既不理性，也不正确。因此，审慎管理公司的融资能力，就像避免被追加保证金一样重要。有些创始人所做的事情依赖一种技术判断，或者依赖对市场最终结构的判断；当投资人长期相信某些在他们看来错误甚至愚蠢的观点时，他们会非常沮丧。但创始人的工作就是在这种叙事或信念体系中找到出路。

如果他们认为局面已经不可持续，或者像你所说，自己的时间正在被浪费，那就应该出售公司。但情况也可能更糟：创始人固然承担资产高度集中的风险，可他们至少不是面对散户市场的非理性行为、又要应付下季度赎回的对冲基金经理。两者只是不同的环境。因此，事情并没有简单到“融资现在等于免费”。不过我同意，资金会自然地向被认为规模更大的机会倾斜。

Elad Gil：或者说，被感知到的规模。对，“被感知到的规模”很重要，而不一定是真实规模。

04 RSI、加速与倦怠

Sarah Guo：这里很多人正在研究或讨论的另一件事是：如果你去和实验室里的人交流，会感受到一种巨大的躁动能量。大家认为，再过大约六个月，或者到今年年底，编程就会被彻底解决，成为一个已经完成的问题。到明年年底，我们大概还会拥有某种轻度RSI；届时模型会开始训练模型本身的很大一部分。我认为最初可能更多发生在预训练环节，之后也可能更快地影响整个预训练过程。

正因如此，很多人会想：“如果我的职业生涯只剩一年或一年半的有效工作时间，那我应该每天工作16小时，因为在被人工智能取代之前，每一周都占我剩余生产时间的约2%。”你怎么看？我是该相信它，还是应该思考如果它真的发生会怎样？

Elad Gil：你相信吗？

Sarah Guo：如果研究这一问题的顶尖科学家相信，模型能够改进自身训练过程，而且这只是我们已经在代码和数学领域看到的趋势的延伸，那当然应该相信。

Elad Gil：但你也相信这个时间表吗？

Sarah Guo：我所掌握的情况是：过去五年里，每隔18个月，就会有一些非常聪明、甚至高度自省的研究科学家觉得，递归式自我改进的拐点或ASI距离我们只剩18个月。因此，这个预测的可靠性并不明确。从代码扩展到训练代码和数据流水线工作，我觉得更容易相信。真正的问题是，对于那些较难验证、更加复杂的领域，你要如何收集数据？或者，我们是否会先撞上实体算力可获得性的限制？我认为，与算法上能否实现相比，后者可能才是更大的限制因素。

Elad Gil：实体算力的限制实际上强化了寡头垄断，它为每一家实验室的进步速度设定了上限——如果我们假设算力大体上按比例分配给生态中的几家大型实验室，那么在算力约束无法解除的情况下，市场在某种程度上就被强制维持为寡头格局。至少，这会迫使各参与者之间的竞争比原本更加接近。我觉得这是这个时期一个很奇特的副作用。问题是，这种约束什么时候解除，解除后又会是什么样子。这是一个非常令人兴奋的时代。

Sarah Guo：我刚才想的是，相信“只剩18个月”会产生哪些二阶效应，因为这意味着18个月后可能出现一轮倦怠。我认识一些实验室里的人——其中一家还是你投资的——有段时间甚至会问我，他们该不该结婚。两个人想结婚，却担心不知道18个月后世界会变成什么样。我只能说：你应该结婚，继续往前走，一切都会好起来。所以，我们确实处在一个非常躁动、令人兴奋、工作强度极高的时期。是的，这一切很有意思。

Elad Gil：我倒觉得这有点悲剧。

Sarah Guo：真的吗？为什么？

Elad Gil：一些非常出色的研究者朋友对此的反应，让我觉得有些悲哀。在心理上，它最接近一种“人们以为自己快要死了”的状态。假如人生只剩两年，你会像今天这样度过吗？还是会采用完全不同的方式？这其实是一个相关的哲学问题。确实有人会想：“既然18个月后就会出现RSI，我的贡献似乎不再重要。那么我该结婚吗？还值得工作吗？该去旅行吗？还是只应该工作？”我认为，如果人们按照自己仍拥有漫长未来来行动，心理状态会稳定得多，也更容易获得满足。不过，也许你会认为这是一种盲目。

05 Token投入回报率

Sarah Guo：许多二阶效应正在发生，或者即将发生。其中一部分来自这种信念体系以及日后可能出现的倦怠。还有一部分来自我在一些实验室观察到的现象：当算力真正成为稀缺资源时，人们会发现，在任何一个机构里，往往只有几十名研究者贡献了大约80%的成果。这是一种很有意思的人类幂律。如果认真观察，任何领域最多都只有几十个人真正推动整个领域。无论乳腺癌研究、数学的某些子领域、物理学的某些子领域，还是创业生态和创始人，通常都是少数、几十个人推动了绝大部分进步。人工智能研究也一样。

于是，算力越来越多地被差异化配置给这些人。我知道一些实验室已经放慢招聘研究人员的速度，除非候选人达到非常高的门槛，因为真正昂贵的不是研究者本人，而是与他配套的算力；这才是真正的瓶颈。这里可以提出一个更广泛的概念——Token投入回报率，也就是类似ROIT的指标：如果拥有一定的Token预算，你要把它给谁，为什么？这有点像过去的工程部门。公司的内部工具团队总是缺乏资源，因为至少很多科技公司宁愿让同一批工程师去开发产品，也不愿让他们开发能提高其他职能效率的内部工具。因此，我觉得所谓SaaS的死亡被夸大了一些。

相对于把同样的Token投入核心产品、获得巨大的利润率提升或实现其他成果，你为什么要把Token花在一堆每年本来也没有付多少钱的SaaS工具上？所以，我们正在从“所有人都用AI，想做什么就做什么”的阶段，转向衡量支出、把更多东西迁往开源的阶段。下一波变化则是：哪些项目和哪些人应该获得明显更大的Token预算？这笔投入的回报是多少？我认为这将是下一轮转变。这还需要时间；很多大企业现在仍停留在“大家都试试AI”这一步。

Elad Gil：你认为三到五年后，一家公司或一个人合适的算力、也就是Token预算应该是多少？我应该把它看作房租一样的固定支出吗？

Sarah Guo：不能一概而论，要看这笔预算用来做什么。人们也忘了，Minecraft被微软以数十亿美元收购时，团队大概只有五个人或十个人。大家总说将来会出现价值数十亿美元的单人公司，但Minecraft基本就是这样，至少大致如此。那件事大约15年前就已经发生了。总有人能够以远超常人的程度利用技术，而人工智能把这种差距大幅放大。所以到了某个阶段，除非你已经找不到更多高效的人，否则为什么要把Token分给那些相对无法充分利用它的人？这类人才也可能耗尽。这又回到“所有工程师会不会失业”的问题：短期内大概不会。但即使在人工智能出现之前，某些公司也已经有不少生产力并不高的工程师。

尤其是在一些大型科技公司。我认为，其中许多人会成为GE、PG&E或Hershey's等公司的抢手人才。即使未来某个时点真的出现工程师被替代——我不知道何时发生，也不知道是否会发生——他们仍有大量去处。许多企业从未拥有招聘这些人才的能力，却非常需要他们带来的技能。即便一个人在Google或Meta的环境里表现平平，放到某些传统企业里也可能极其出色。因此，我认为工程人才会以一种出人意料的方式渗透整个企业版图。这大概还要很多年，我只是说，这很可能是最终结果。

Elad Gil：同样地，如果你是某家大型实验室的第800号研究员，却没有获得明显超额的Token配额……

Sarah Guo：你完全可以把精力投入那些自己具有比较优势和深刻理解、同时又能受益于这一切的领域，比如解决供应链瓶颈、推动生物等领域加速，或者把技术扩散到其他有价值的行业。在我看来，这比担心数学走向终结，然后去度假等着世界……要令人兴奋得多。

Elad Gil：可以做事的地方很多。我也认为，随着时间推移，一部分研究者最终会流向这些领域。由此会产生一个有趣的问题：如果你是一家顶尖人工智能实验室，究竟需要多少研究者？这个数字和现在的人员规模是什么关系？现在的人数正好吗？需要扩大到五倍？还是只需要一半的人，但每个人都必须超过某个门槛，因为算力受限，而你希望把算力配置给最好的想法？从平均意义上说，最好的想法只来自一部分人——并非永远如此，但平均来看如此。所以，所有这些因素最终会如何展开？排在临界线之后的第n+1个人又会去哪里？

第n+1个人其实有非常多去处。他们依然极其优秀，仍然处于钟形曲线的最顶端。我不希望这段话被误解为这些人不够出色，只是到了某个时点，机构会在这条幂律曲线上划出一道界线。

Sarah Guo：你可能会喜欢这个笑话，也许你听过，因为这是个流传已久的前Google员工笑话。当Google大约有五万人时，人们问：运营Google到底需要多少人？如果去问搜索和广告部门的人，他们会说，大概需要搜索和广告部门20%的人；如果去问搜索和广告之外的人，他们则会说，需要五万人，也就是Google的全部员工。所以，对于贡献究竟有多集中，人们可能有非常不同的看法。

Elad Gil：我不知道，我从没在Google工作过。不过，我们当然知道……

Sarah Guo：我在Google工作过，我觉得那里是个很棒的地方。你问搜索部门吗？我做过一段时间移动搜索，也做过一点广告。我参与过很多移动业务，后来还做过不少与人工智能广告有关的工作。

06 什么可能改变当前人工智能的发展轨迹

Elad Gil：我可以问一个完全不同的问题吗？你能想到什么因素会在当下打断整个发展轨迹吗？比如，市场过热、外界对债务和回报情况产生恐慌，导致投资者或其他参与者削弱对资本开支的承诺。我们已经看到一些很轻微的迹象，但尚未形成真正压力。最后，技术层面是否可能发生颠覆？例如Transformer的替代架构现在还重要吗？有没有什么技术会让整个格局看起来截然不同？

Sarah Guo：技术始终存在未知数。除此之外，我认为另一种可能，是试图限制我们已有模型或开源模型的使用，从而显著压低进步速度。

Elad Gil：监管也是一个因素。你认为加州接下来会怎样？他们通过了亿万富翁税，加州民主党也公开表示支持。如果你是一家我们所投资公司的创始人，公司如今价值超过100亿美元，明年是否会被迫出售资产？假设法案正式生效，会不会有几十位创始人不得不卖掉大笔公司股份？

Sarah Guo：监管者似乎并没有完全想清楚这项政策如何执行、如何合规。但我认为，最直接的效果是，大量试图在加州创造价值或做新事情的人会选择离开，而且已经有人在离开。整个生态系统当然很难迅速迁移，但这是我能想到的、把整个生态赶走的最快方式。你认为会发生什么？

Elad Gil：以我的理解，这部法律的表述相当宽泛。一旦通过，未来可以再次实施，也可以降低适用门槛。而且越来越多的人在讨论，2028年还可能在加州增加“离境税”。也就是说，如果你真的尝试离开，他们会把拿走你一大笔资产当作某种惩罚。

Sarah Guo：所以你的预测是，2027年会出现大规模人口迁往迈阿密？迈阿密终于要成真了？

Elad Gil：我认为这需要一些时间。我觉得起草法案的人就是希望资本外逃，希望这些人离开。对加州而言，两个非常负面的信号，一个是这项法案，另一个是某种选票收集倡议；它们以不同方式让加州的未来可能变得更糟。我仍然像往常一样希望加州能够解决问题。但如果存在一个容易迁移的替代选择，会有更多人离开。我确实认识不少人，他们现在已经开始走，或者计划在今年秋天、未来一两个月离开。

Sarah Guo：你的第二选择是哪个生态系统？

Elad Gil：很多人正在考虑几个不同地方，关键在于两年后每个地方能否形成临界规模。我认为，很多生态会自发聚集。人们会谈天气以及其他各种因素，但现实是，波士顿过去也是主要创业中心之一，现在在生物科技领域仍然如此。它在20世纪90年代初逐渐失去竞争力，而在80年代，波士顿曾经是硅谷的主要对手，尽管那里的天气很糟。因此，真正重要的是：哪里聚集了足够多的聪明人，共同从事相近的事情？这种聚集通常会催生一场复兴。

Sarah Guo：我觉得，围绕能源领域，得州出现了大量优秀的技术人才迁移和创新，这非常令人兴奋。这确实是对监管环境和需求的回应。我看到很多人从硅谷或其他地区搬过去，因为那里允许开展实验，而且现在已经形成了一个非常令人兴奋的生态系统。

Elad Gil：能源和硬件领域确实正在那里形成一条不断扩大的硬件走廊。它最初主要围绕El Segundo，因为SpaceX和后来的Anduril都在那里。现在SpaceX、Tesla的一部分业务等又迁到了得州。因此，除奥斯汀以外，得州另一个区域也在形成新的生态。我们确实正在看到这种迁移，而且这种迁移纯粹是监管推动的，不是因为得州客观上更适合或更不适合居住。当然，居住条件会有影响，但真正推动人口流动的是监管变化。

07 架构、算力与监管俘获

Sarah Guo：你没有接我刚才关于架构和技术的话题。你怎么看模型架构？

Elad Gil：我认为，无论底层采用什么架构，整个行业最终都会消耗掉所有可获得的算力和电力。因此，寻找更节省内存或电力的架构，会比以往任何时候都更有吸引力。但要在规模以及硬件适配方面追上Transformer，仍然相当困难。随着资源压力增大，人们会更愿意尝试并押注替代架构，但我不认为这会改变行业前进的方向。无论出现什么新架构，它都可能被复制，随后大型实验室也会采用，而它们仍掌握全部算力。这是概率最高的结果，但不是唯一结果。也可能出现一种较低概率的情形：某家新型实验室找到一种全新的方法，把它保守得极其严密，在其上完成规模化，模型突然远远优于所有竞争者。

这样一来，它就能负担更多算力，其他资源和人才也会向它聚集。可以想象这种情况。但也可以想象，那个团队只要有一个人离职加入Anthropic或OpenAI，知识便会扩散，很快所有人都会掌握它。迄今为止，模型领域基本就是这样演进的。

Sarah Guo：如果占主导地位的因素是算力获取能力，并且它由此形成寡头垄断，你认为这些实验室会不会利用算力优势，控制它们希望进入的其他垂直领域？或者说，真正能够保护人的安全措施到底是什么？具体风险是什么？可能的结果又是什么？

Elad Gil：这让我想到Janssen Pharmaceuticals的Janssen。他被认为是有史以来最优秀的药物开发者之一。YouTube上有一些很精彩的旧访谈，是他三四十年前讨论制药行业的监管俘获。他认为，药品变得如此昂贵、研发如此缓慢，第一项原因是监管俘获，第二项原因是风险收益机制：美国食品药品监督管理局过度关注安全和风险，却没有充分考虑收益。我不是说他的判断一定正确，但按他的说法，那里不存在“风险收益权衡”，只有风险。因此，所有事情都会变慢，因为监管者只看等式的一边。我们完全可以想象，人工智能实验室里也会形成类似机制：即使潜在成果更大，即使相对于风险，正面收益要大得多，安全负担仍然被抬得极高。

这又回到刚才的逻辑：只关注等式的一边，就一定会限制事物发展。如果你一边在外部施加限制，一边让内部进步继续指数式推进，而人工智能世界的一年相当于正常时间的三四年，那么内部机构就会领先整整一年，这是巨大的优势。因此，一个很有意思的问题是：对于不同事物，我们作为社会愿意在风险收益光谱上的什么位置停下？比如，相比于更早通过人工智能模型获得更好的医疗服务，我的电子邮箱遭到入侵真的严重到不可接受吗？这就是我们面对的权衡。所有这些问题最终都需要社会共同解决。

Sarah Guo：这里的一部分困难在于，对监管者和许多政策制定者而言，技术人员告诉他们“必须先让技术发展、看看会发生什么，而不是一开始就控制住它”，这种立场听起来并不舒服。

Elad Gil：技术行业一直都是这样说的，历史上也一直如此。任何技术当然都可能被用于负面目的，但每项技术同时都有正面和负面的应用。生物技术可以制造病毒，也可以治愈癌症；核技术可以带来自由、廉价而充足的能源，也可以制造武器。真正看现实，法国目前仍有70%的电力来自核能。70%啊，那些事故在哪里，那些所谓的大麻烦又在哪里？什么都没有发生。美国只有18%，而且40年没有建过核反应堆。日本是25%，同样非常安全、能源也很充足。但20世纪70年代的安全游说团体，实际上扼杀了我们获得充足清洁能源的可能。

Sarah Guo：不过，我们现在又开始建了。只是需要建得更多。

Elad Gil：实际上没有建多少。因此，我们已经看到，安全导向确实可能造成有害结果。它伤害了电力和能源生产，也伤害了医疗的某些方面，还伤害了许多领域。问题在于，对于人工智能，我们要把尺度放在什么位置？这里存在许多种世界、许多种情景和许多种结果。作为一个社会，我们可以共同决定：在安全、风险和结果构成的转盘上，要把指针放在哪里。

Sarah Guo：Elad，结束之前，你现在最期待的、处在这个转盘正面一端的事情是什么？

Elad Gil：有太多事情让我兴奋。从人类生产力、教育、医疗，到日常生活和生活质量，再到自动驾驶、老年人照护等方面，我们能做的事情太多了。这一切能够带来非常多的好处。所以，我对许多应用都感到乐观，也正因如此，我才会谨慎思考我们究竟应该把尺度放在哪里。社会应确保具备适当的安全保障，但从历史上看，在大型产业上，我们往往走得太远。科技之所以能如此迅速地取得成功，并对人类产生如此巨大的影响，正是因为它受到的监管相对较轻。我认为最好继续保持这种状态，否则我们会失去乐观、失去动力，也失去进步。这正是生物科技曾经发生的事情，也是许多领域长期以来发生的事情；能源行业也曾长期如此。

原视频：https://www.youtube.com/watch?v=6l8oAO_LBx4

文章来自于微信公众号 “Z Potentials”，作者 “Z Potentials”