“如果你的公司必須在辦公室里塞張床、強制員工瘋狂加班，這不叫硬核，這只能說明你的招聘和管理做得很爛。”

編譯 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

在物理學界，弦理論（String Theory）曾被稱為“人類智力的終極象牙塔。“ 2023 年，23 歲的加州大學伯克利分校弦理論物理博士生 Matan Grinberg 突然決定退學。起因是一封發給紅杉資本合伙人 Shaun Maguire 的冷郵件——Maguire 恰好也擁有加州理工同方向的物理學博士學位。

兩個物理學家在硅谷進行了一場 3 小時的徒步漫談，第二天，Maguire 就開出了100 萬美元的種子輪支票。三年后的今天，Factory 這家由他退學創辦、致力于用 AI 智能體重構軟件開發流程的公司，剛剛完成了1.5 億美元的 C 輪融資，估值飆升至 15 億美元。

當硅谷的大部分大模型創業者還在沉迷于算力擴張和通用智能的技術神話時，Matan Grinberg 已經開始冷酷地盤算企業的 Token 賬單。在他看來，很多大廠吹捧的“開發出多少新功能”不過是自嗨的中間指標，真正的軟件革命不是去卷代碼行數，而是讓企業用最少的資源解決最核心的業務痛點。

這也是為什么 Factory 不做底層大模型，只做上層的“AI 機器人”（Droids）工作流，卻能在過去六個月里實現收入月月翻倍。

在與 20VC 主持人 Harry Stebbings 的最新播客對話中，Matan 拆解了企業端在狂歡后的“AI 宿醉”與中美開源生態的殘酷現實，更直白地戳破了前沿模型巨頭們聯手炮制的圈錢游戲：

• OpenAI 和 Anthropic 宣稱的“AI 將搶走所有人飯碗、資本主義要終結了”，是一句純粹為了向沙特和華爾街募資而編造的虛偽謊言。巨頭們故意渲染技術恐慌和人類危機，并不是因為技術真的到了那一步，而是因為他們需要募集成百上千億美元，來撐起高昂的算力成本。一旦臨近 IPO，他們就會立刻改口，重新向大眾和選民示好，承認“人類依然非常重要”。

• 在當下的開源生態里，美國居然拿不出一個像樣的尖端開源模型，這在整個科技界來看，是一件非常讓人難堪和丟臉的事。雖然有 Meta 的 Llama 苦苦支撐，但在非美地區開源力量——尤其是中國開源模型（如 Qwen、DeepSeek 等）的異軍突起之下，美國作為 AI 策源地已經失去了在開源前沿的絕對統治力。

• 如果你的公司必須在辦公室里塞張床、強制員工瘋狂加班，這不叫硬核，這只能說明你的招聘和管理做得很爛。強制剝奪睡眠去寫代碼是效率最低的做法。對待核心團隊，應該像對待特種部隊或職業運動員一樣，投入最好的資源讓他們恢復精力、保持專注，而不是盲目跟風馬斯克式的“無效內卷”（Grindslop）。

• “程序員（Dev）”這個職業詞匯未來將不復存在，傳統的碼農本質上只是代碼的“清潔工和看門人”。每一個組織里的人未來都會與代碼交互，而寫代碼、改格式、跑測試這些繁瑣的臟活累活，以后全部會交給 AI “機器人（Droids）”去干。真正頂級的工程師，核心能力將是定義并解決真實的業務問題，而不是記憶某種編程語言的語法。

領取地址：https://s.csdn.cn/4nPsOp

主持人：未來的世界會變成這樣：再也不會有什么東西是“別人能做、你不能做”的。每個人都在試圖把另一個人商品化。價值最終流向誰，本質上是一個隨時間變化的現象。

今天來到現場的是 Factory 的聯合創始人兼 CEO，Matan Grinberg。在創辦 Factory 之前，他是一名物理學家。他花了 12 年時間，試圖成為世界上最頂尖的弦理論學家之一。現在，他正在改變軟件開發這個行業。

他與全球一些最大的企業合作。他長得確實有點像《心靈捕手》里的 Matt Damon，但他也是我見過最出色的創始人之一。

我們今天在做的很多任務，其實根本不需要最前沿的模型。短期內，我們甚至可能看到最前沿模型的使用量出現收縮。我認為，美國居然還沒有真正意義上的前沿開源模型，這事挺丟人的。

你說得出一家擁有傳奇地位、但銷售或市場團隊一塌糊涂的公司嗎？說不出來。通才的時代回來了。未來最好的公司，會越來越像海豹突擊隊，或者職業體育隊伍那樣來管理團隊。

Matan Grinberg：謝謝邀請，Harry。很高興來到這里。

AI 真的會拉動 GDP 嗎？

主持人：我昨天剛錄了一期節目。其中談到的核心問題其實是：AI 以及我們現在看到的這些編程工具，最終會不會真正推高 GDP？會不會讓 GDP 增速突破過去 200 年平均 2% 的水平？

你覺得，我們會從這些 AI 工具里看到實質性的生產力提升嗎？還是說，Uber 的擔憂其實是有道理的？

Matan Grinberg：我覺得會，絕對會。我們一定會從這些工具中看到巨大的增長。只是它需要時間才能真正滲透進去。因為你可以看到，在個人層面、甚至具體到一個個問題的層面，我們已經能夠用這些工具更快地解決問題。

而企業本質上就是圍繞“解決問題”來組織的。如果你的組織方式本來就是解決問題，手里也有一套既定的人力配置，那你通常會認為：在現有人員規模下，我們同一時間只能解決這么多問題。現在，所有人都能用同樣的人，解決更多的問題；或者用更少的人，解決同樣數量的問題。

但資源配置的調整是需要時間的。很多公司都得重新想一個問題：由于杠桿變大了，我們現在是要去解決更多問題，還是繼續解決原來的那些問題，只是用一種更高效的方式？我覺得，這是未來很多企業都必須面對的問題。

團隊會變小，還是野心會變大？

主持人：你覺得，未來團隊會從根本上變小嗎？如果是那樣，就意味著大多數人會選擇第二條路：縮編之后做和以前一樣的事。還是說，團隊規模其實不會變，但我們會去做更大、更廣的事？

Matan Grinberg：這個其實并不明顯，因為里面有很多動態因素，我也很難預測。但我想說的是，還是回到“問題”本身。所有公司現在都得開始思考：好，我們多了這么多新的杠桿。那我們是繼續解決同樣的問題？還是把目標拉大，去解決一個更大的問題？還是說，去解決更多用戶可能會遇到的問題？

主持人：我最近在看 Andrej Karpathy 的一個觀點。他說所謂“10x 工程師”其實一直都被誤解了。未來你看到的，不會是大批 10x 工程師，而是少數 100x 工程師，和其他所有人之間出現明顯分化，工程人才會走向兩極化。你覺得，這會是未來工程人才的正確觀察方式嗎？

Matan Grinberg：大方向上，我同意。因為所謂 10x 工程師、100x 工程師，到底是什么意思？我其實不完全認同這種說法，但我理解它隱含的意思。只是問題在于：10x 相對的到底是什么？純產出嗎？如果你說 10x 指的是代碼產出，那現在我借助這些工具，確實可以寫出十億行代碼。問題是，那也可能是他媽的十億行爛代碼。

所以我更喜歡的理解方式是：一個組織里那些“承重的人”。也就是你把這個人拿掉，很多東西就會塌下來。有些組織里，某些人被拿掉之后，什么事都不會發生，那他們就不是承重個體。

而這些本來就擁有極高杠桿的人，現在又被塞進了一套能進一步放大杠桿的工具。用 10x、100x 的語言去說，也沒錯——他們的杠桿被進一步放大了，影響力會更大。

而且我覺得，在這種杠桿邏輯下，那些知道如何正確使用杠桿的人，會產生更大的影響；那些不會的人，至少從相對價值上看，就會變得對企業沒那么重要。

資源配置問題：Token、美元和人

主持人：你剛才說了兩種可能：要么同樣規模的團隊做更多事，要么縮小團隊、繼續做原來的事。那如果我是一個今天的企業領導者，你對我最大的建議會是什么？尤其是在企業內部該怎么分配 token 資源這件事上。

Matan Grinberg：對，這是個非常好的問題。關于 token 的資源配置——其實不只是 token，而是美元、token、人力——我覺得這會是未來 24 個月里，每個 C-level 高管都在想的事。

我覺得正確的方法是：先看你的企業核心能力到底是什么，真正對你的業務重要的到底是什么，然后再據此去配置資源。

換句話說，如果你是一家物流公司，那你的核心能力大概率不是軟件開發。你可能過去雇了很多軟件工程師，是為了服務你的物流目標，軟件開發只是達成目標的手段，而不一定是你的核心能力。

所以你真正應該思考的，不是“怎么讓更多工程師做更多功能”，因為過去大家評估工程師往往就是看一個季度發了多少功能。現在應該想的是：對我們這門生意而言，真正重要的輸出指標到底是什么？然后，我們該如何分配資源——無論是錢、token，還是 headcount——才能更明顯地推動這些業務結果？

我覺得這對整個世界都是好事。因為我認為，很多組織之所以會越來越臃腫，部分原因就在于我們曾經活在一個所有人都盯著中間指標的時代。比如一個工程團隊，這個季度目標是交付三個功能。你交付了三個？結果你交付了四個。大家就說，真棒，這季度太好了。可那未必對業務本身有任何意義。

所以現在終于開始回到問題本源：什么才是真正重要的？我們到底想推動哪些業務指標？是客戶滿意度？是收入？是市場份額？然后你可以把每個人的工作都重新和這些目標掛鉤，無論是市場、銷售、工程，全部都是如此。

Kirkland 的 5 億美元 AI 豪賭，以及“自建還是購買”

主持人：Kirkland 最近宣布要投入 5 億美元。你和 Harvey 的 Winston 是朋友——他人很棒——我不知道你們有沒有聊過這件事，但那真的是一筆很大的投入。5 年花 5 億美元，在內部打造他們自己的 Harvey 或 Lora。你怎么看？

Matan Grinberg：這事挺有意思的。說回核心能力，Kirkland 砸 5 億美元去自建 AI 工具——據我所知，構建 AI 技術并不是他們這家律所的核心能力。所以我看到的時候確實有點意外。

不過我其實覺得這對 Harvey 是好事。因為沒有什么比“你親自去做一遍”更能讓你意識到：媽的，這玩意兒其實非常難。它根本不是一件我們非得自己掌握內部能力不可的事情。還不如去找真正的專家，讓他們替我們做。這大概是我的判斷。

主持人：我最喜歡的是，很多人還會說：“看吧，我們早就說過這玩意兒很容易。” 結果你心想：如果真這么容易，他們為什么要承諾花 5 億美元？這不是恰恰說明一點都不容易嗎？

前兩天我采訪了 Decagon 的 Brendan，他的核心觀點是：未來 12 個月，將是 AI 基礎設施公司價值累積最快的 12 個月；而模型公司、產品公司和 AI 應用層公司，反而會是風險最高、最容易被壓縮價值的。你認同嗎？

Matan Grinberg：我不同意，而且是非常不同意。原因有好幾個。

先接著說 Kirkland 這個例子。過去的軟件護城河邏輯是：我知道怎么做這件事，而你不知道，所以你得付錢給我，因為我有那些懂得怎么做的工程師，而你沒有能力自己做出來。

但未來的世界里，不會再有什么東西是“別人能做而你不能做”的。理論上，任何一塊軟件，任何人都可以自己造出來。可問題還是回到資源配置：你到底值不值得花這個時間和精力去自己造？還是應該去找已經造好它、或者能更快交付它的人？

我常用的一個例子是：假設今天我們工作特別忙，我當然可以親自出去給團隊所有人買午飯。我知道怎么做，我知道怎么走出門、下單、拎著袋子回來。可問題是，僅僅因為我會做，這就意味著它是我時間最高效的使用方式嗎？顯然不是。

我大概率會說：算了，從資源配置角度看，還是花錢讓別人去做吧。因為在 Factory，我們的核心能力不是 CEO 去給全員買午飯。

我覺得這里非常類似：僅僅因為你“可以”自己去造很多東西，不代表你“應該”去造。事實上，很多時候你反而應該非常冷酷地界定，哪些才是你和你的團隊必須親自從頭做到尾、真正擁有的少數事情。如果某件事跟你的核心業務、核心能力沒關系，那就外包。

主持人：那有沒有什么是你很想做、但因為它不是你的核心能力，所以你硬是沒去做的？

Matan Grinberg：太多了。我其實很喜歡做早餐。但我已經大概三年沒做過了。不是說它有什么不好，只是從時間效率上根本不劃算，不值得我把時間花在那上面。

主持人：好吧，明白了。

模型、應用和基礎設施：誰會被商品化？

主持人：你剛才說的那個點很有意思。我不知道你有沒有見過那個關于微軟組織架構的梗圖：圖里不同部門互相拿槍指著對方，用來形容微軟內部官僚體系很重，每個人都在爭誰該做什么。

我覺得那張圖非常像現在模型公司、應用公司和基礎設施公司之間正在發生的事情：所有人都在試圖把別人商品化。每個人都在說：“不不不，那個層不重要，真正有價值的是我們這層。”

可現實是，價值最終流向誰，本來就是一個隨時間變化的現象。并不是說在一個穩定狀態下，只有某一個人永遠拿走全部價值。世界不是這么運作的。更像是：接下來這一年，這一類人擁有定價權，于是價值流向他們；再過一個階段，另一類人獲得價值。

我們所有人——不管是明說還是不明說，也許我只是把大家心里話講了出來——都在試圖把“不是自己”的那一層商品化。

比如我們是 model-agnostic（模型無關）的。我們希望給客戶提供在軟件開發不同任務上最好的價格、性能和速度。我們希望 OpenAI、Anthropic、Google、Microsoft 都始終處在壓力之下，必須不斷拿出更便宜、更快、更好的模型，而不能覺得自己可以隨便定價。

同樣地，模型公司則希望把應用層變成一個幾乎隨手就能做出來的東西，讓大家覺得真正的產品就是模型本身。而基礎設施公司也有他們自己的敘事。但現實就是，每個人都在試圖商品化“不是自己”的那一層。

所以從 Mercor 的角度，他們當然會希望“擁有專有數據訪問權的模型”能體現出差異化價值，并且攫取大量價值，因為這能驗證他們的商業模式。整個行業其實就是一場誰能拿到更大杠桿的拉扯。

對 Factory 最悲觀的看法

主持人：什么樣的信念一旦成立，就會推翻你現在的判斷？比如，對 Factory 最悲觀的看法就是：某一家模型提供商明顯甩開其他所有人。

Matan Grinberg：對我們來說，一個關鍵前提就是：所有模型大致都會差不多好。當然，可能某個模型在 code review 上稍強一點，另一個在測試上稍強一點，還有一個更擅長 Python，等等。但這些優勢每周都在變化。

其實現在大家已經很難跟上節奏了：哪個模型是第一？最新出來的又是哪一個？如果真的有一個模型遠遠甩開其他所有人，那就會出現一種情況：公司可能會想，那我們就徹底 all in 它吧。可那等于整個經濟體都得面對一個壟斷問題。

主持人：模型開發現在這樣的速度可持續嗎？我的意思是，我前兩天和 Nebius 的創始人在一起，他說“每隔幾周就會冒出一個新模型”。我說你錯了——尤其是看中國開源那邊——那是每隔幾天就有，甚至一周三四個。

這種模型迭代速度，是我們這個時代的特征，還是未來會一直如此？

Matan Grinberg：我覺得再往后，大家不會再把它當作一次次“模型發布”，而會覺得它更像持續更新。以前是 GPT-2、GPT-3、GPT-3.5、GPT-4、4.1……小數位越來越多，最后就變成 4.523。再往后，它們可能根本就不宣布了，而是直接變成：“看，我們這個模型一直在持續變強。”

因為大家現在已經有疲勞感了。我們合作的那些大型企業里的工程師，根本不可能跟上每一個新模型，更沒必要跟上。這恰恰就是應用層的價值所在——不管是我們，還是 Harvey，或者其他公司——我們會替你搞清楚：針對不同用例，哪個模型最好，成本、質量、速度的權衡點在哪，然后把那個結果直接交付給你。因為企業本來就已經很難一邊專注自己的業務，一邊還要時刻追蹤這些不斷冒出來的新模型。

開源模型的崛起

主持人：現在很多人關心開源模型的崛起，因為企業對 token 支出的焦慮已經越來越明顯，往往超出他們自己的預期。“哎，我們一年的預算，結果 5 月份就花完了。操，可能得轉向開源了。”

而且我們也看到越來越多優秀公司先用前沿模型試水，看到上限之后，再切到開源模型，盡量用更低成本逼近那個效果。你怎么看？這會不會對前沿模型的市場形成很大的威脅？

Matan Grinberg：我覺得這是一個非常重要的制衡力量。因為它本質上給了你一個選擇空間：你可以決定，哪些任務該用什么級別的智能去跑。

而且這之所以重要，是因為很多企業最終都會意識到：我們今天在做的大量任務，其實根本不需要最前沿模型。用這些開源模型，我們可以跑得更快、便宜得多。說到底，這還是資源配置問題。要做好資源配置，你就必須能夠在成本、質量、速度這個三角中自由選擇。

主持人：我特別喜歡 Twitter 上那些梗圖：比如只是給一個文件命名，卻像拿著噴火槍點雪茄一樣夸張。

Matan Grinberg：對，我也特別喜歡那種。

主持人：因為那真的太過度了。

Matan Grinberg：而且這里面還有一個很有意思的心理機制：很多人會有種自尊心作祟，覺得“我做的事情只有前沿模型才搞得定。區區開源模型，怎么可能處理我這種高端工作？”

說實話，我自己剛開始切換的時候也會這么想，會覺得：這活兒開源模型恐怕不行吧。結果常常是——不，它大概率真行。這是一種很微妙的心理調適。你要么自己手動判斷，要么交給路由系統幫你判斷。

主持人：但企業喜歡的是安全、可靠、簡單。

Matan Grinberg：對。

主持人：而當前沿模型打包得很好、定價清晰、又安全的時候，他們會不會干脆就圖省事，直接選那個，而不是自己去做聰明的多模型路由？

Matan Grinberg：這里有幾個點。第一，只有“只有一個選擇”的時候，才會顯得簡單。但問題是，我們剛才也說了，新模型幾乎每周都有。如果每來一個新模型，你都得走完整套企業審批流程才能接入，那就一點都不簡單了。

第二，它也真的很貴。如果你發現成本一路瘋漲，而你根本說不清楚 ROI，那這件事就站不住腳了。

而且我覺得現在這些企業大致在經歷三個階段。

第一階段，大概是幾個月前：董事會沖著 CEO 喊，“你的 AI 戰略是什么？” CEO 心里一慌：“媽的，我也不知道。” 然后 CTO 被叫來：“我們的 AI 戰略是什么？趕緊搞起來。”

于是進入第二階段：不惜一切代價上 AI，token 拉滿，把 AI 使用量寫進績效考核。“我們要衡量你用了多少 AI。所有人都得上。” 這是第二階段，核心就是先讓盡可能多的人用起來。

而第二階段來得比很多人預想得快得多。所以現在我們開始進入第三階段。第二階段有點像一整晚放縱狂歡、喝猛酒、玩得很爽、到處上 AI。

第三階段就是宿醉。你第二天去看賬單，發現：“我的天，我們怎么花了這么多？我根本不知道 ROI 在哪。這玩意兒到底有沒有幫到業務？” 現在很多公司正處在這個階段。

我覺得這也是為什么路由這么重要。因為他們開始意識到——這是真事——有個 CIO 跟我說，他們發現自己每個月花了幾十萬美元，讓大家拿 Opus 4.8 去問一些類似“嘿，最近怎么樣？”、“我今天吃的東西熱量宏量營養素是多少？”、“今天天氣怎么樣？”這種問題。

問題是，兄弟們，我們根本不需要人類智能前沿去干這些事。有些甚至都不是工作相關的。

AI 支出宿醉期

主持人：那既然進入宿醉期，我們會不會看到一輪收縮？

Matan Grinberg：我覺得短期內，前沿模型的使用量可能確實會收縮一點。但我認為這是健康的。總比一直裝作看不見，最后突然來一次劇烈調整要好。

主持人：Uber 前天晚上還是昨天宣布，說他們會給每個人設置 1500 美元的預算上限。你怎么看？

Matan Grinberg：這事我在很多客戶身上都見過，而且是幾十家。最開始——這對我們售后團隊來說也是個教訓——我們會進去說：“對了，我們有這些用戶限額，不過這里是模型列表，大家盡情用吧。” 那還是在我們還沒做路由之前。

結果有幾次，客戶的使用量直接飆升。他們根本還沒花時間思考：代碼庫里哪些部分值得投入這些 token，哪些部分不值得。然后他們就會回頭說：“我的天，我們花太多了，這太夸張了，必須加 token 限制。”

第一次發生這種事時，我們也會慌：“怎么回事，他們的使用量怎么掉下來了？” 但后來花時間和他們一起復盤后，我們意識到：不對，我們得和每個客戶都非常明確地討論這件事——看起來你們在某些任務上花了很多 token，這是不是你們有意識做出的決定？

有時候，我們甚至會主動幫他們先設定用戶限額。因為比起完全失控之后再回頭看，還是在增長過程中就讓大家有意識地察覺，更健康。

所以 Uber 公開發生的事，其實在很多客戶那里私下都發生過。的確會有一陣震蕩，大家會意識到：好，先把用戶限額加上。

但接下來你又會進入另一個問題：等等，這個團隊非常重要，它的限額是不是就該和另一個團隊不一樣？于是你會逐步走向一個更精細的資源配置世界，在組織內部把資源分配得越來越細。

Token 支出占開發者薪資的比例

主持人：對我來說，今天整個生態里最值得問的一個問題是：如果 Marc Benioff 說，他在 Anthropic 上給開發者花了 3 億美元，這相當于開發者薪資的 3.8%。好，明白了。那三年后這個比例會是多少？

如果三年后還是 3.8%，那就完了。如果是 20%，那也是操，但這個“操”是積極意義上的。再比如 Mercor 的 Brendan 說，他們花在 token 上的錢已經超過 headcount 了，那就更是另一個層面的“操”，而且更積極。

你覺得，三年后這個比例會是多少？

Matan Grinberg：我覺得這個問題其實比看上去更復雜。這個比例對某些個體來說可能低到 0%，而對另一些個體來說，可能高到成千上萬、幾萬個百分點。

主持人：這種差異取決于什么？

Matan Grinberg：取決于這些個體的獨特技能是什么。注意，我這里說的是“個體”，不是單純指開發者，因為我覺得未來組織角色本身都會發生很大變化，“開發者”這個詞本身都未必還成立。

過去的邏輯是：代碼的看守者，凡是跟代碼有關的事都歸工程師或開發者來做。但未來，組織里幾乎每個人都會和代碼發生某種程度的交互，不管他是銷售還是市場。

真正的差別在于：有些人通過更多 token 能獲得更高杠桿；另一些人其實根本不需要 token，他們不是靠這個給業務創造價值。

比如說，我們最好的銷售，也許最適合他的使用方式根本不是讓他去消耗 token，而是去面對面見客戶。這是個很明顯的例子，因為他本來就不是寫代碼的人。

但類似地，某些工程師可能最好的工作方式也不是猛燒 token，而是花更多時間和用戶交流、和客戶交流，或者做一些并不那么耗 token 的數據分析。但也會有另外一些人，他們同時在并行指揮幾十個“機器人”，推進大量復雜功能、重構和遷移。

所以我不覺得未來會有一個全公司統一適用的比例。事實上，我甚至認為，如果一家組織規定一個標準值，比如“我們希望每個工程師都把 token 使用控制在薪資的某個百分比”，那大概率說明你們畫的筆刷太粗了。

主持人：如果我逼你給個平均值呢？比如均值、中位數，大概會是多少？

Matan Grinberg：如果按數量級來講，我覺得三年內，它大概率會和薪資處于同一個量級。

主持人：和薪資同一個量級？

Matan Grinberg：對。三年時間線內，至少是同一個數量級。

主持人：今天使用前沿模型完成的任務里，有多少比例其實可以用開源模型來做？

Matan Grinberg：大概 80% 到 90%。通常真正需要前沿模型的，是規劃階段。

主持人：可這不就是最大利空嗎？抱歉，我可能真的有點笨。可如果 80% 到 90% 的任務都能被開源模型完成，那這不是對 code 或 cruel code 之類的公司構成了巨大的空頭論據嗎？因為你等于砍掉了 80% 到 90% 的時間。

Matan Grinberg：那得看情況。因為那 10% 到 20% 可能恰恰是最重要的 token。也許它只占 token 數量的 10% 到 20%，但那部分特別關鍵，因為它可能是決策型 token。

這其實很像人類組織的結構。很多時候，領導層做出的少數關鍵決策，決定了整個公司的命運，但他們并不是花工時最多的人。如果你看一家公司的總工時，大多數時間并不是花在做決策上，而是花在收集信息、實施執行上。可總有那幾個小時，是在做那種不可逆的戰略決定。

而做這些決定的人，通常也拿更高的薪酬。

主持人：那按這個邏輯，你豈不是意味著要把這 10% 的花費再進一步往上提？

Matan Grinberg：而現實也確實正在這樣發展。前沿模型有時會變得更貴，或者你會啟用超高強度的推理模式之類的功能。

所以邏輯就是：如果規劃這一步特別關鍵，那我們就愿意為它花錢。但這不代表你的大部分 token 都會花在上面。只是說，在少數關鍵步驟里，你愿意花很高預算，因為這筆預算值得。

而到了“好，規劃已經有了，現在開始落地實現”的階段，開源模型通常就已經非常夠用了。

Factory 有爭議的文化：銷售和工程是同一支隊伍

主持人：說到你們愿意為哪些事花錢，我之前問 Brendan，招一個頂級 AI 研究員要花多少錢，他說是幾千萬美元。你們也有同樣的感受嗎？在和 OpenAI、Anthropic 競爭時，招頂級 AI 研究員是不是幾乎不可能？

Matan Grinberg：我們是一家非常有主見、非常有立場的組織，所以它天然會自我篩選。那些認同我們這些立場的人，不一定會去一味追求市場上能拿到的最高報價。當然，這個市場依然非常激烈。

主持人：你覺得，你最強烈、但大多數人并不同意的一個觀點是什么？

Matan Grinberg：如果說在我們所處的這個領域里，最有爭議的觀點，我覺得是我們對“產品”這件事的定義。

我覺得，不管是在一些實驗室，還是一些和我們同樣做軟件開發方向的競爭對手那里，都存在一些非常普遍的信念。而且老實說，這也是硅谷一個常見的幻覺：研究才是頂點，然后工程師負責把研究落地——他們比研究差一點，但也還不錯；再往下是銷售和市場這些“臟活累活”。大家會幻想：要是我們產品足夠好，它就會自己賣出去，我們就不用管銷售和市場這些破事了。

這完全是妄想。在 Factory，所謂“產品”，是用戶從第一次聽到我們名字開始，到十年之后第十次續約、依舊是滿意客戶為止的整個旅程。

軟件當然是這個旅程里極其重要的一部分，但我們做的市場工作、負責這些工作的團隊，同樣也是這個旅程的一部分。銷售流程也是。無論是第一次 discovery call、demo，還是 solution engineering，整個過程全部都是產品。每一個角色都是一等公民。

我們不是那種工程師全待在辦公室角落里，只有工程師才能跟工程師講話的公司。不是。我們是讓工程師和銷售坐在一起。沒有“工程師角落”“銷售角落”這種東西，所有人完全混編在一起。

銷售簽下一單，工程師會說“我們簽下了一單”；工程師上線一個功能，銷售也會說“我們上線了一個功能”。整個團隊就是一支隊伍，是高度一體化的。沒有誰是一等公民，誰是二等公民。

而這件事居然很有爭議。尤其是在灣區，尤其是在 coding 或 AI 這個圈子里。這太離譜了，真的太離譜了。

我認為，現實最終一定會反噬一些公司。因為現在處在淘金熱里，人人都拼命想簽更多客戶、拿更多 token，這種時候一切都顯得很容易。他們在我看來就像失重狀態下的宇航員，肌肉會萎縮。可重力遲早會回來。如果到那時候你沒有一支強大的銷售和市場團隊，因為你從來沒真正尊重過他們，那么一旦重力恢復，你的肌肉已經廢掉了，你根本沒法競爭。

而且我還會這么說：你能舉出一家銷售或市場團隊很爛、卻仍然成為傳奇的公司嗎？舉不出來。

主持人：不，但我能舉出一些產品很爛、但銷售和市場做得超強的公司。

Matan Grinberg：這才是諷刺的另一面。

主持人：而且說實話，這種公司似乎更多。我就不點名了，不然會惹麻煩。

Matan Grinberg：我猜我們想到的是同一批公司。

為什么主觀能動性比資歷更重要

主持人：對，如果 Chad Pets 在這兒，他肯定已經說出來了。沒錯。

那在一個工程師逐漸變成“提示詞設計師”和“agent 管理者”，而不再只是“任務執行者”和“代碼創造者”的時代，成為優秀工程師所需要的東西會改變嗎？

Matan Grinberg：會，而且會發生非常深刻的變化。這也是為什么我們在招聘上非常刻意。剛才我們講的這種文化之所以重要，是因為未來最好的工程師，一定是那些不會把銷售和市場視為臟活，而是把它們同樣看作產品關鍵組成部分的人。

因為你作為工程師，已經不再只是“把功能做出來”那么簡單。你的職責會變成：對完整結果負責。你要理解客戶現在是如何使用產品的；你要思考，怎樣改變他們的行為，才能讓他們成為更好的長期用戶，更 agent-native，從我們的產品中獲得更多價值。然后你還要一路跟進這個過程，賦能銷售團隊，讓他們知道該怎么講、怎么 demo。

這是一種遠遠超出傳統工程范疇的 full-stack engineer——它延伸到了銷售、市場、enablement 等各個方面。而這些，才是工程真正重要的部分。這也是為什么工程師往往能成為好創始人：因為他們具備這種能力。

反過來，那些會變得沒那么重要的，恰恰是硅谷一直特別愛炫耀的東西：比如競賽型、奧賽型能力。你是不是寫代碼特別快？你是不是記住了各種語言的細節和語法陷阱？這些不重要。

你多記住了一門語言的語法細節，而別人沒記住，這并不重要。

主持人：大家現在不是迷信 credential，而是 VC 在面對不確定性時，會去抓住這些“驗證器”。我作為投資人可以很坦白地說：現在大家對 Anthropic 和 OpenAI 最終會做什么、會在應用層殺掉誰，存在極大的不確定性。在一個高度不確定的世界里，我們會拼命尋找確定性。而數學奧賽、競賽獎項之類的東西，就變成一種替代性的驗證器。在缺乏其他確定性的時候，它就像一根拐杖。

Matan Grinberg：是的，但它終究只是拐杖。它當然有幫助，是一種不錯的指標。畢竟你不聰明的話，通常也拿不了競賽冠軍，這種情況很少見。

但對我們想找的這類工程師來說，這種東西很酷，但其實沒那么相關。更重要的是：你做過什么？你有沒有從頭到尾對某件事真正承擔起所有權和主觀能動性？

不是說我們團隊里沒有拿過奧賽獎的人。我們有，而且他們非常優秀，我也很喜歡他們。我很多朋友也是這樣的人。但也存在一種情況——特別是某些高中，會特別強調“你必須去搞數學競賽、你必須走 AIME、IMO 這條路，這才是成功路徑”——這種反而有時是一種負面信號。因為那說明你不是在主動掌控自己的命運，而是在按一條既定漏斗往里走。

但我們團隊里也有一些人，來自完全不起眼的地方，他們高中里從來沒人干過這些事。是他們自己主動覺得：這個東西很有趣，我很好勝，我想去比。于是自己一路打上去。這種人身上，這個信號就依然是正面的，也是未來工程師該有的特質。

主持人：我不知道有沒有跟你說過，但你知道你總讓我想起誰嗎？

Matan Grinberg：誰？

主持人：《心靈捕手》里的 Matt Damon。

Matan Grinberg：這我當然樂意聽。

主持人：之前沒人這么說過你嗎？我再說一遍，你倆真的長得一模一樣。我們后面一定要放張對比圖，做個并排展示。好，我們已經有片段了，這就可以當節目開場。觀眾一看就會說：“嗯，完全懂了，這太合理了。”

我想接著問，回到“什么讓開發者變得優秀”以及“團隊結構怎么設計”這個問題上。你覺得今天還不存在、但未來幾年會變得非常常見的角色是什么？

Matan Grinberg：我覺得這個角色已經開始出現了，只是還不夠普遍。它有點像 GM，也就是通用經理、總經理式的角色，只不過這個人原來可能是工程師。簡而言之，他要從頭到尾對一個結果負責，而這個結果不只是“上線一個功能”，而是一個業務結果。

其實在 Factory 里，我們現在就已經有這種角色了。有人會負責一項發布的營銷文案，也會對產品指標結果負責，也要負責讓銷售團隊知道怎么講、怎么賣。這早就超出了傳統工程師的邊界，更像是在對一個業務結果負責——更有創業精神，更強的主觀能動性，觸角更廣。

我覺得未來所有崗位都會往這個方向發展。信不信由你，我有時候也會在不同社交媒體平臺上發點內容。我最近就說過：我給所有學生最大的建議就是——不管你做什么，都要做 full stack。你做市場，就別只寫文案；你得把文案寫出來，準備好發布，在正確的時間發出去，再去放大傳播。你必須從頭參與到尾，而不是“我只負責 copy，接著交給設計做視覺，再交給社媒團隊去發”。

通才時代回來了

主持人：這是不是其實對所有職能都一樣？未來我們會要求每個人在自己的職能里都 full stack 化。

Matan Grinberg：通才的時代回來了。小時候我特別癡迷數學和物理，也特別嫉妒幾百年前的人，比如達·芬奇、歐拉、牛頓，可以成為通才。原因在于，那時候各個領域都還不算太深。

比如化學還沒那么成熟，數學還沒那么成熟，物理也還沒那么成熟。達·芬奇那個時代更是如此——藝術、工程、雕塑都還處在相對淺層的發展階段。所以你可以在自己的有生之年里，把多個學科都推進到最前沿。

可到了我成長的 2000 年代、2010 年代，也就是 AI 之前的時代，領域已經深到可怕。以我自己的理論物理和弦理論為例，深到你可能得花 50 年時間，把前人的論文和整個學術體系全補完，才有資格做一點新的貢獻。

這件事一直讓我非常挫敗，非常憤怒，因為太令人沮喪了。而現在有了 AI，情況完全反過來了。這些工具能讓你極快地抵達前沿。當然，很多細節你仍然會有不確定性，你的深度也不會和那些深耕多年的人完全一樣，但它確實能比過去任何時候都更快地把你送到前沿。

所以現在，如果你是那種擅長在約束條件里思考、擅長系統性思考、能同時在腦中容納不確定性、也能接受未知的人——也就是說，你知道還有很多未知，但你依然能夠在這種情況下把前沿往前推——那你就可以成為一個通才。你可以一邊推進 developer marketing 的創新方式，一邊推進軟件開發 agent 的 token caching 前沿，同時還能成為一個極其優秀的解決方案工程師。

這些事情現在可以同時發生。所以對我來說，這件事始終縈繞腦海。我們在招聘過程中，也會努力找到那些能成為通才的人。這個時代真的回來了。通才回來了。

主持人：很多人都跟我說，未來三到五年里，一個今天還不普遍、但會變得非常常見的崗位，就是“agent operations”。你認同嗎？

Matan Grinberg：你先定義一下，什么叫 agent operations？

主持人：就是負責創建 agent、維護 agent 的工作。比如跑到不同業務部門里說：啊，社交媒體團隊，我來給你們做一套 agent，幫你們生成、分發、分享內容；啊，市場和設計團隊，我給你們做一套 agent，幫你們做視覺、共享、編輯、協作。

Matan Grinberg：我覺得某種程度上，每個人都應該能自己做到這些。但我也能想象一種世界：有些人的工作就是去發現組織里哪些地方還不夠高效，類似今天公司的運營角色，只不過現在變成了“agent 化運營”。也就是說，他們用 agent 去提升組織在各個環節的效率。

但總體上，我覺得如果一個職能崗位上的人自己不會主動去做這件事，那恐怕不是個好跡象。

未來回頭看會覺得荒謬的事

主持人：你覺得，今天我們做的哪些事，未來回頭看會覺得“我的天，當年我們怎么會這么干”？

Matan Grinberg：對工程團隊來說，比如寫 release notes。這事太瘋狂了。以前人們居然真的會花好幾個小時去寫 release notes，或者寫文檔。

主持人：可能不是每個人都知道 release notes 是什么。你解釋一下？

Matan Grinberg：就是把你過去一個月左右做的改動整理出來，無論是對內還是對外發給用戶看，本質上就是變更說明。

還有文檔也是。像 Stripe 一直以文檔出色著稱，他們的文檔非常好。很多 API 的文檔以前都爛得不行，而 Stripe 幾乎是這個領域的標桿。他們在這件事上花了很多時間。

但五年以后，人們會覺得：我的天，我真的無法想象，這些拿那么高薪的人，居然會花那么多時間去干這種事。我覺得這類工作未來肯定不會再由人這樣手工去做。

主持人：那如果所有人都被拉平了，Stripe 那種出色文檔帶來的差異化是不是就弱了？

Matan Grinberg：會。但我覺得 Stripe 還有很多別的地方可以建立差異化。而且我認為，如果整個世界都能擁有和 Stripe 一樣好的文檔，那會是一個更好的世界。

主持人：完全同意。

代碼評審會怎么變？

主持人：接下來幾年，產品評審，特別是代碼評審流程，會怎么變化？

Matan Grinberg：我覺得 agent-native 的軟件開發很有意思的一點就在這里。代碼評審一直是個大問題。因為第一階段的 AI 編程工具上線之后，大家的反應是：“我的天，我們能生成這么多代碼，太夸張了，我一下子搞出一大堆東西。”

接著第二階段就是：某個倒霉的資深工程師得去審核成百上千個垃圾 PR，這些 PR 根本不符合你的標準，格式一塌糊涂，什么亂七八糟的都有。

但如果你擁有一個真正端到端的軟件工廠，這時候你就會非常清楚：為什么要投入資源，讓 agent 產出的內容更接近可上線狀態，這件事的 ROI 會變得極其明確。

比如說，讓你的 agent 能訪問最新文檔；讓 agent 能拉起遠程機器，這樣它不只是生成代碼，還能真的把代碼跑起來，看結果是什么，再迭代，直到它真正可用；再比如搭建 CI/CD、好的 linter、好的 pre-commit hook。

這些原本就是 developer experience 做得最好的組織非常愿意投入資源的東西。只是過去他們做這些，是因為能讓工程師工作更輕松、上手更快。

但以前你把 devex 做好，它的收益和工程師人數基本是一比一相關。而在 agent 時代，這個收益會被放大 10 倍、100 倍，取決于你用了多少 agent。因為你的 devex 越好，agent 就越能遵循你的標準；它越遵循標準，那個倒霉的 staff engineer 就越不用花時間逐個審那些 PR；而你的整個軟件開發吞吐量，也就越快。

當 agent 成為買方

主持人：如果未來 agent 是買方，你是在賣給 agent，這個世界會怎么變？優秀 API 的價值會不會更高？

Matan Grinberg：我覺得會，尤其是因為對 agent 友好的東西，往往也正是對人類友好的東西。

當然，理論上未來某一天這件事可能會變。比如如果你真的開始訓練模型、訓練 agent，讓它們彼此之間用最極致高效的方式溝通，那么它們的溝通方式可能就沒那么適合人讀了。

主持人：但如果你想的是 agent-to-agent，agent-to-agent 根本不在乎 UI、設計，它在乎的是數據結構、潛在集成方式、文檔，你懂我的意思吧？

Matan Grinberg：對，所以我覺得，如果你沒有非常嚴謹的標準，整個系統很快就會變得臃腫。但那些最 agent-native 的優秀組織，反而會在規范上投入很多精力。他們會非常明確地規定前端該怎么做，哪些東西必須保留，哪些沒必要的東西必須砍掉，強力清理一切多余的部分，確保代碼里不會堆滿臃腫的、毫無必要的注釋。

當然，也有很多別的方法去處理這個問題，但這其實也是人類工作方式開始變化的地方——他們的職責不再只是……

為什么公司叫 Factory

Matan Grinberg：我們的名字叫 Factory，這本身就說明了一部分理念。之所以叫 Factory，是因為未來的軟件開發組織，不會再是“工程師親手去造軟件”，而會變成“工程師去造那些負責生產軟件的工廠”。

每次我說這句話，腦子里都會浮現 Tesla 工廠的畫面。不知道你有沒有看過特斯拉工廠內部的視頻：一排排機械臂在來回運作，裝配線不斷往前推。生產線上可能沒有那么多人類工人，但你很清楚，是人類設計了這一整套流程，目的是優化吞吐量，最終生產出更多特斯拉。

軟件開發的新世界也是類似的。人類工程師不會再像以前那樣深入參與“實際代碼”的書寫，而會更多地投入到：怎樣確保這個系統不會制造出一堆臃腫垃圾；怎樣避免它只是技術上把任務做完、測試也過了，但同時卻在瘋狂制造技術債。

所以他們更像是在給這個“生產軟件的工廠”搭腳手架。

主持人：當我們從“在工廠里工作”變成“維護工廠本身”時，你會擔心勞動力被替代嗎？

Matan Grinberg：短期會，長期不會。

短期會，是因為這對整個系統來說就是一次沖擊。我們看到很多公司在大規模裁員，而且裁得很兇，成千上萬、上萬的人突然失去工作，這件事確實讓我擔心。

但長期來看，我其實一點都不擔心。因為現實是：這個世界上有海量的問題，多到荒謬的程度。而其中很大一部分問題，都可以通過軟件來解決，或者至少得到改善。可這些本來可以用軟件解決的問題里，今天真正已經在用軟件解決的，只占極小一部分。

所以如果未來就業市場里會涌入大量工程師，那意味著我們終于可以把這些人才重新分配到整個更廣闊的經濟體系里，去解決更多真實世界的問題。如果有更多工程師去解決更多現實問題，我覺得這整體上是一件好事。

主持人：那你能不能舉個例子：今天還沒有被軟件真正解決，但會因為這波新技術而被推動解決的問題？因為大家老說什么氣候變化，我心想，行啊，可我真沒見到多少人認真在做 climate tech。

Matan Grinberg：對，也許部分原因就是，過去像 Google 這樣的公司把大量優秀工程師都吸走了。所以，把頂級工程人才重新分配到更多問題上，本身就是件好事。

當然，經濟體系也必須跟上，并且給予正確激勵，這需要一點時間，這就是中間的過渡期。

但像很多健康問題、大量制藥研究，其實都可以因為更好的工程能力而取得重大進展。而且說實話，一些人談論“暫停 AI 開發”這件事，真的讓我很生氣。他們會說：“AI 很危險，會傷害社會。” 我經常舉的一個例子是癡呆癥，因為每個人都明白那意味著什么。

癡呆癥這種事，就是可以通過更好的 AI 和更好的軟件來解決的。只是時間問題。我們會解決它，也有能力解決它。那如果你說你想放慢 AI，你實際上是在對那些和患有癡呆癥親人共同生活的人說：“不不不，對不起，你們還得多承受一段時間。因為我們害怕，我們對 AI 沒把握。”

我覺得這種說法很有害，也很自私。對我來說，這根本說不通。完全說不通。

政府干預與激勵機制

主持人：那你贊成政府干預嗎？

Matan Grinberg：具體指哪一種干預？

主持人：在自由市場里，當我們談資源配置時，有些時候從人類道德或社會整體角度看，市場給出的結果并不是最優的。比如讓 Anthropic 的工程師去優化 Claude Code，而不是去優化醫療系統或其他更關鍵、更具公共價值的系統。政府可以通過補貼、經濟激勵等方式介入。你支持嗎？還是更相信亞當·斯密那只“看不見的手”？

Matan Grinberg：我覺得在某些情況下，政府介入當然是有用的。畢竟應該沒人會說政府永遠不該干預經濟，因為有些事情，特別是涉及軍事用途、安全問題、武器之類的領域，你顯然需要政府參與。

有些激勵措施也確實可能有幫助。因為社會中有些問題，資本主義本身未必能立刻給出足夠明確的反饋回路，這時候你可能想稍微增強一下激勵，來促成你想看到的結果。

但總體上我還是比較謹慎。我覺得你必須有非常充分的理由，才能說明為什么政府必須介入。就連氣候變化也是一樣。這個議題對很多人來說都非常敏感，也非常重要。你也可以反過來說：AI 發展越快，我們越早解決氣候變化，因為 AI 能幫助我們解決很多問題。

可如果你想讓 AI 發展更快，你可能就得先消耗化石燃料，排放二氧化碳。所以這里的問題就變成：短期內它也許會更糟一點，但它有可能讓我們在更短時間內就把問題解決，而不是拖上 50 年、100 年。

所以在某些情況下，自由市場會自然地給出正確激勵；在另一些情況下，它不會。但我覺得，你必須非常、非常謹慎地判斷，到底哪些場景下政府真的應該站出來說：“這里我們要介入。”

我們是否正身處 AI 泡沫中？

主持人：你覺得現在 AI 基礎設施是不是處于泡沫期？

Matan Grinberg：短期可能會有一些波動，但從長期看，絕對不是。甚至差得很遠。

我覺得確實可能會出現一些像 Uber 那樣的短期修正：哦，我們之前有點失控了，資源分配不合理，那就先壓一壓消費。但從凈趨勢上看，絕對不是泡沫。

主持人：你覺得今天最大的瓶頸是什么？而這個瓶頸在幾年內會被徹底解決。

Matan Grinberg：我和很多組織合作下來，最大的瓶頸其實一直都是人這一側。說白了，就是行為改變。

主持人：尤其是如果你賣的是大型企業，那就更涉及 change management，對吧？

Matan Grinberg：對。甚至哪怕只是在個人層面也是一樣。比如一個做了 30 年工程師的人，要改變自己的工作模式是很難的。你會在一定程度上固著在原來的習慣里。

但這里也有一個有趣之處：有些從業很久的工程師，或者工程經理，可能會更抗拒使用這些工具，可有時候他們反而用得更好，因為他們知道怎么委派任務。他們知道怎么帶那些初級工程師——你跟一個初級工程師把話說錯了，他就會跑進洞里七天，最后帶著一個完全沒用的東西回來。

而另一端則是那些職業生涯更早期的人。他們沒有那么強的既有工作流，所以更愿意嘗試新方式，但他們不太會管理人，也不太會委派。所以這里面其實有一種很有意思的平衡。

向大型企業銷售學到的事

主持人：你現在賣給的客戶，在很多情況下都是全球最大的企業之一。那關于向超大型企業銷售這件事，你現在知道的、但兩年前最想告訴年輕版自己的是什么？

Matan Grinberg：首先，這其實是我人生中的第一份工作。我知道這聽起來總是很好笑。因為在這之前，我是理論物理學家。我真的從來沒有打過工，連咖啡店都沒有。真的從來沒拿工資做過任何事，除了物理，就是 Factory。這本身就是另一段故事了。

主持人：但我要說，最讓我震撼的一件事——對做銷售的人、對 Chad 和 Chris 這類人來說，這可能再 obvious 不過——可對我而言，那種非常具體、近乎改變認知的體驗是：如果你想把東西賣給別人，線下面對面見他們，差別真的非常大。

但同時，你又絕對不應該“試圖去賣東西”。你真正該做的是理解他們的問題，然后看看你手里的解決方案，是否真的能幫助他們解決那個問題。

這是另一層很大的轉變。尤其是面對工程師，如果你一上來就是“我要賣東西給你”，那別浪費時間了。可如果你是帶著真正的好奇心去理解他們的問題，事情就完全不同。而且這其實并不難，因為這些組織構建軟件的方式差異真的非常大。我很喜歡去看這些銀行、咨詢公司、制藥公司，他們居然能用如此不同的方式做軟件開發，這件事本身就很迷人。

而跟他們面對面交流，是理解這一切最好的方式。人們很喜歡談自己的問題，也很喜歡講他們每天要面對的各種官僚主義噩夢。

等你理解了這些，你才能真正判斷：我們的軟件是不是適合他們？能不能真正解決他們的問題？

而且一年之后再見到他們，能說一句“我還記得你當時在為那個破事頭疼，現在你已經不用了”，那種讓別人生活變得更好的感覺，真的非常有成就感。

從弦理論到 Factory：故事是怎么開始的

主持人：說到面對面和銷售流程，你們很早就拿到了 Sequoia。Sequoia 顯然是業內最頂尖、最有代表性的投資機構之一。你能講講，你一個從沒上過班、人生里只靠做物理拿過錢的人，到底是怎么拿到 Sequoia 的？

Matan Grinberg：我大概從 12 歲開始就對物理著了魔。因為我小時候是個差生。有一次我的幾何老師告訴我，我高中得重修幾何。雖然我平時在學校從來不怎么努力，但我一直覺得自己數學很好。她那么一說，我直接炸了：“你開什么玩笑？她居然覺得我要重修幾何？我非得證明給她看不可。”

于是我人生第一次在 Amazon 下單，買了一堆教材：代數 2、三角函數、預備微積分、微積分 1、2、3，微分方程，可能還有一本線性代數。

我買回來之后，在初中到高中的那個暑假里，把這些書全學了一遍，題也幾乎都做完了。上高中后，我又參加了各種考試，把這些課全都考掉了。

后來我問我爸，最難的數學是什么。他說是弦理論——雖然嚴格來說那是物理，不是數學。但我當時就想，好，那我要成為弦理論學家。

接下來差不多 12 年，我腦子里只有這件事。數學和物理，除此之外什么都沒有。后來我去了普林斯頓，因為那里有一位很厲害的物理教授，我想跟著他做研究。他叫 Juan Maldacena，非常有名。我甚至成了第一個跟他合作并和他一起發表論文的本科生。

后來我又去了伯克利讀 PhD，跟另一位很棒的導師做研究。直到在伯克利，我才突然有一種一切崩塌的感覺：我靠，我過去做這些事，難道只是因為它夠難，因為有人說我做不到？那我剩下的人生到底要干嘛？這也太離譜了。

主持人：當然會有這種崩塌時刻。但問題是，怎么花了他媽這么久？12 年。12 年啊。你這反應也太慢了。

Matan Grinberg：我有隧道視野。一旦我對一個問題著迷，它就會占據我全部腦子。

主持人：我當年法學院讀了兩周就意識到了，很快。

Matan Grinberg：有的人就是快一點，我沒那么快。

老實說，其中一個原因是，在伯克利當研究生你得帶課。我當時在教一些大概 18 歲的學生，而他們根本不在乎物理。我那時心里就在想：我的天，難道我這輩子以后就要這樣過？坐在那里講課、帶這些班？我在 Rate My Professor 上大概只有 1 分滿分 5 分，我爛到不行。

主持人：對，這顯然不適合你。

Matan Grinberg：于是就出現了一場存在主義危機：那我到底該干嘛？后來我意識到，選擇大概只有幾個：做量化金融，這是很多數學和物理背景的人會走的路；去大科技公司；或者創業。

我確實去面了量化金融，像所有優秀物理學家一樣。差點就接了 offer，差點就去紐約干這個了。但最后關頭，我和一個導師聊了聊。他說，你知道嗎，留在伯克利吧，別去。數學你永遠都會，你隨時都可以再去做量化。留在伯克利，去探索一下，學點新東西。

我就想，好吧，也行。后來我在伯克利上了第一批 CS 課程。其實我以前為了做物理模擬已經會寫點代碼，但從來沒在正規的課堂里系統學過。而我這個人又特別好勝。我發現自己在這些 CS 課上，成績居然比一些正經 CS 學生還好，這讓我非常爽。我就想，行，那我多上幾門。

直到后來我上了一門當時叫 program synthesis 的研討課——現在我們叫它 code generation——這東西一下子就把我徹底勾住了。因為這里不是在做視頻、音頻、圖像的機器學習，而是在做“代碼以明確目的去生成代碼本身”。

這件事對我來說有一種極其根本的吸引力。因為在物理和數學里待了十年以后，你會發現，物理學家和數學家從來不會對 n=3 或 n=4 這種特例特別感興趣。他們總是在問：n 維的一般解是什么？最本質、最普適的解是什么？

而“代碼生成自身”這個想法，就有一種同樣根本的味道，一下子把我徹底迷住了。于是我繼續留在伯克利，接下來一年基本都在做這個方向。我的導師人很好，非常佛，也就放任我去修各種 AI 課程。

再后來我意識到，真正要解決這個問題，不是在學術界，而是在工業界。而如果要在工業界真正把它做出來，你就得創辦一家公司。

可我對創業一無所知。因為說到底，我過去腦子里只有數學和物理，別的一概不懂。

于是，一個想學怎么創業的人會干什么？他會去 Amazon 下單 Peter Thiel 的《Zero to One》，然后上 YouTube 搜“如何創辦一家公司”。

于是我就這么干了。讀了《Zero to One》——那本書真的很棒，我知道這很 cliché，但對一個原本完全不了解這些的人來說，它實在寫得太凝練、太漂亮了。盡管我從小在灣區長大，但神奇的是，我之前真的完全不關心這套世界。讀完它以后，很多事情一下子清晰起來。

然后我又開始看各種視頻，很多是 Y Combinator 的視頻之類。后來我看到一個節目，應該是斯坦福某個 VC 社團的播客，里面有個人的名字我很熟，因為我當年在普林斯頓和 Juan Maldacena 寫論文時，引用過他的一篇論文。

他原來也是理論物理學家。我心想，我記得這個名字。結果這個人居然在播客里聊自己怎么賣掉一家公司、賣了十億美元，現在又在一個叫 Sequoia 的地方做投資。而且更夸張的是，視頻里的他看起來竟然還挺正常、挺會社交的。你如果接觸過理論物理學家就會知道——相較之下，他甚至能保持眼神接觸，已經算是極其罕見了。

主持人：這個標準也太低了。

Matan Grinberg：至少他在社交場合里能運轉。

主持人：對。

Matan Grinberg：所以我就想，這人是誰？我得跟他聊聊。

于是我給他寫了一封郵件，大概是：“你好，我是 Matan，我以前也是物理學家，我和 Juan 寫過論文。” 我沒寫全名，因為懂的人自然懂。最后加了一句：“很想聽聽你的建議。”

他當天就回了，還邀請我去 Sand Hill 見面。本來只是個 30 分鐘的會，結果我們一起出去散步，最后走了整整三個小時。

在那次散步里，我發現我們當初迷上物理的原因很像，后來離開物理的原因也很像。最后他基本上對我說：“很高興認識你，Matan。你絕對應該從 PhD 退學。你要么現在就去 Twitter，因為 Elon 剛接手，那里夠 hardcore，對履歷很有幫助；要么你就自己創業。”

我當時就說，好，非常感謝你花時間見我，我會回去認真想想。

但與此同時，其實我腦子里已經有了 Factory 的雛形，只是我不想讓那次見面變成一個 pitch。

主持人：你不想把這事搞得太交易化。

Matan Grinberg：對，因為那次交流本身太特別了。我們連為什么迷上物理的原因都幾乎一樣。我不想用一個 pitch 去把這件事弄臟。

主持人：有點像見 LP，最后你都不想開口要支票。

Matan Grinberg：對，完全一樣。

更瘋狂的是，第二天我去參加舊金山一個 hackathon，結果隔著房間看見一個我認識但不算很熟的人——他也是普林斯頓出來的。我過去跟他聊，發現他也對這個問題很感興趣。我們后來開玩笑說，那感覺像 intellectual love at first sight。這個人就是我的聯合創始人 Eno。

從那天開始，我們幾乎每天都在不停地聊。我當時已經做了一個挺爛的 demo，而 Eno 的工程能力比我強一千倍。所以接下來的 72 小時，我們倆把那個 demo 做成了一個更像樣的版本。

然后我就給那位投資人打電話，說：“我有個很酷的東西想給你看。” 我們上了個電話，我給他演示完，問他：“你覺得怎么樣？” 他說：“還行吧，就那樣。”

我當時心里想：你 xx 在逗我嗎？這東西會改變世界，你在說什么？

他接著問：“那你愿意全職做這個嗎？”

我說：“當然愿意。”

他說：“那就從 PhD 退學，截個圖發給我。”

你得知道，我父母是從蘇聯幾乎一無所有移民到美國的。對他們來說，我在讀 PhD 這件事，幾乎是他們最大的驕傲，是他們最引以為傲的事情。當時一切都在高速往前滾。

一切都太快了。他回了我的郵件，我們聊得很好，第二天我就碰到了聯合創始人。我最后想：去他的，就這么干吧。于是我退了學，把截圖發給他。他回我說：“好，你明天早上去 Sequoia partnership 開會，準備好做展示。”

主持人：你之前從來沒在一家風投合伙人面前做過展示吧。

Matan Grinberg：從來沒有。

主持人：那后來發生了什么？

Matan Grinberg：我做了一個很爛的 deck。我們去了 Sequoia 總部，草草拼了幾頁 slides。別忘了，我當時甚至根本不知道他們到底是誰。對我來說就是：“哦，好吧，一群陌生人，那我去聊聊看。”

我真希望那場會被錄下來了。因為我敢肯定，我當時表現得一定特別傲慢。

主持人：那會開得怎么樣？

Matan Grinberg：我自己感覺還行。他們問了一些問題。回頭看，我當時顯然什么創業、VC 都不懂，所以像 Alfred、Pat、Roelof 這些人坐在那里提問時，我可能會一臉輕描淡寫地說：“哦，這個很好解決啊，我們就這樣那樣做就行。”

要知道，那是 2023 年 4 月。比起現在，那會兒還遠沒人認真討論 agents，甚至連 Copilot 都沒真正普及。可我們當時談的已經是完全自主的軟件開發 agent。

整個過程有點模糊。然后第二天，Shaun 給我打電話，說：“我們想給你開一張支票。”

主持人：多大？

Matan Grinberg：100 萬美元。

主持人：100 萬美元。而且你知道他后來怎么損我嗎？條件是什么？5 post。5 post。

說真的，我不是想冒犯，但他們為什么還要走 partnership meeting 這種流程？說句不好聽的，這金額對他們來說跟喝杯咖啡差不多。你想想他們管的是那么多基金——

Matan Grinberg：那是另一個時代。2023 年初真的是另一個時代。

主持人：20% post。給聽眾解釋一下，按你們后來的上一輪融資來算，那相當于一筆大概 3 億美元的持倉，而且還沒算稀釋。

Matan Grinberg：當時很多人都跟我說：“你應該拿著 Sequoia 的 term 去外面轉一圈，你可以拿到更好的條件。”

但對我來說，當你和某個人建立了那種連接，事情就不只是價格了。當然，你肯定希望為公司爭取最好的條件，可問題是：除了他，沒有別人會相信我，沒有別人會真正理解我。畢竟我當時 literally 連一份工作都沒做過。現在回頭看，很明顯，沒有其他合伙人會干這種事。

而且對我來說，信任、忠誠、相信，這些東西比估值、價格標簽之類的重要太多了。

我想確保，站在我這一邊的人，是真正能陪我一起去打造一家傳奇公司的。因為這不只是未來十年，這是一生的事業。

主持人：那你會建議創始人為了 Sequoia 接受一些折價嗎？

Matan Grinberg：通常來說，會。尤其是如果你和那位 partner 之間有某種特別的連接，或者有某個非常明確的理由說明為什么非他們不可。畢竟他們確實是最好的機構。

但我覺得更重要的是：你得找那些在困難的時候、在事情還一點都不明顯的時候，依然站在你身邊的人。因為當你是熱門公司、在融資熱門輪時，所有人都會像你最好的朋友一樣。這本來就是他們的工作，他們非常擅長讓你覺得自己很特別。

主持人：這點我太有共鳴了。有人曾經提醒我：“順便說一句，某某投資人特別會讓你感覺良好。” 我當時還想，沒事，我能 handle。

結果我離開會面時，心里想的是：“我他媽太牛了，這就是我的命運，我一定會打造一家傳奇公司。”

然后過了 30 分鐘，藥效退了，我突然反應過來：“我靠，他得手了。他真把我拿捏了。他真的做到了，讓我覺得自己如此特別。”

很多投資人在公司很熱的時候都會這么做，而且他們確實很擅長，這也是他們之所以成為好投資人的原因之一。

Matan Grinberg：所以對我來說，隨著我們不斷搭建董事會，最重要的一點就是：我要的是那些在事情還不明顯的時候，也有深度信念的人。這才是真正重要的。因為公司火的時候，所有人都會興奮。真正有意義的是，當它不火的時候，因為那種艱難時刻一定會來。

主持人：那他們在那種時候會怎么表現？

Ivanka Trump 作為投資人真的有價值嗎？

主持人：你們是怎么讓 Ivanka Trump 成為支持者的？

Matan Grinberg：這得從 Francesca 說起。她是我在 Factory 做過的最成功的招聘之一。

我和 Francesca 最初是在一個很隨機的 conference 上認識的。當時我被安排坐在她和 Alex Pall 中間。Alex Pall 就是 Chainsmokers 的一半。大家知道他們是 Chainsmokers，但他們其實也是非常厲害的投資人。真的非常厲害，這點有時會讓人意外。

我們聊得很投機。更巧的是，Francesca 和我居然還在同一個 hometown 長大，這又是另一層詭異的巧合。

在她們想投我們、做盡調的整個過程中，我一下子就能看出來她是個狠角色。她們想拿一部分 allocation，我說：“不不不，抱歉，只能給到這個量。”

結果她他媽非常執著。她跑到我們辦公室來，說：“我們得拿到這個額度。怎么做到？如果我去做這些這些這些事，我能給你們帶來的業務價值，會遠遠大于你把那部分 allocation 給別人的價值。”

她幾乎是一直在追著談。我后來半開玩笑地跟她說：“Francesca，如果你這么想多持有一點 Factory，你干脆加入我們好了。” 本來真的是玩笑，我的意思只是：“再多給不了，你要是真想要更多，只能自己來公司了。”

但說著說著，我們倆都突然覺得，等等，這好像還真挺合理。于是我們深入聊了下去，最后發現，這個匹配度簡直強得離譜。于是我們就把 Francesca 拉進來了。

Alex 當時肯定會有點復雜，畢竟她太出色了，而且他們關系很近。不過后來他也很高興，因為 Francesca 確實幫助我們給他們帶來了很多回報。我們也是他們的大粉絲，到現在關系依然非常深。

她跟他們那家機構 Affinity 在她做投資時就已經關系很近。后來我們被介紹認識，聊得很好，于是連接就這么建立起來了。

主持人：那 Ivanka Trump 真的提供價值嗎？很多人看到她會直接下判斷：“哦，就是品牌效應，一個名字而已。” 我這么說沒有任何冒犯的意思，但大家確實常常會這么看待那些知名、帶點明星光環的人。那她真的有實際價值嗎？

Matan Grinberg：有，絕對有。首先，她是我見過最善良、也最聰明的人之一。你知道，有些名人你見到真人之后會失望，或者會覺得“哦，原來和我想的不一樣”。但她不是。她真的非常善良，非常聰明，而且整個科技圈、甚至更廣范圍里，很多人都真心喜歡她，這也是有原因的。

她的人脈網絡非常強，而且她對自己的時間極其慷慨。她會幫我們做很多那種真正臟活累活式的投資人支持，而有些名聲更大的職業投資人反而不會做這些。

所以無論是她本人，還是她所在的機構，都是靠真正的投入，贏得了 cap table 上那個位置。

主持人：這真的很高興聽到。我一直很討厭那句“別見你的英雄，他們總會讓你失望”。我覺得這完全是扯淡。

我記得第一次見 Doug Leone——他也是我的偶像之一——結果非但沒失望，反而覺得：天啊，我當年應該更把他當偶像才對，因為他真人比我想象中還牛。

所以我很同意你這個說法，挺有意思的。

編程市場會如何成熟？

主持人：我現在一直在想一個市場結構問題，特別想聽聽你的判斷。比如你看 Cognition、Claude Code、Codex、Cursor 現在又加上 Grok——這個市場最終會怎么演化、怎么成熟？它會像 AWS 和 GCP 那樣嗎？還是像 Uber 和 Lyft 那樣？這個市場成熟后的樣子會是什么？

Matan Grinberg：我覺得，要想讓消費者拿到最好的結果，必要條件就是：模型和應用必須分離。

作為消費者，你其實不希望自己使用的應用，是由給你提供模型的那家公司同時提供的，因為它們的激勵是不一致的。

主持人：我們稍微樂觀一點。激勵為什么不一致？

Matan Grinberg：很簡單。拿 coding 舉例。如果我是一個模型提供商，我同時又在給大型企業賣編程工具，那我當然希望你盡可能多地用 token。因為我做的是 API 生意，你用的 token 越多，我賺的錢越多。我當然也會想給你做出好的產品體驗，但我沒有特別強的動力去幫你提高 token 使用效率。

可如果世界是另一種結構：模型提供商在一邊，應用層在另一邊，而應用層能讓企業在不同模型提供商之間靈活選擇。那對模型提供商來說，你就必須他媽要么最好、要么最便宜、要么最快，否則你根本拿不到 token 流量。

這種結構會給模型公司施加最好的激勵。我們這種中立的中介就夾在中間。最終，大企業能拿到最好的價格，也能按場景靈活切換：這個模型更適合某種語言，那個模型更適合另一種語言，全部都可以按需調整。

反過來，如果你被單一廠商鎖死，最后就會出現懶惰、迭代變慢，而作為消費者，你會得到更差的體驗。

主持人：好，所以模型和應用綁死，對消費者沒好處。

但問題是，現實里 Codex 和 Claude Code 的確正在吃掉很大一塊市場。那三年之后，這個市場成熟時會是什么樣？

Matan Grinberg：我覺得這會和云計算不一樣。云計算時代，很多人都吃過虧。云廠商會跑來跟你說：“來吧，簽個三年合同，我們給你大折扣，什么都幫你搞定，會很棒的。” 于是企業就簽了。

然后呢？他們開始漲價。因為一旦你已經在一朵云上完成標準化，要切換到別家可能要花兩年。那對不起，你被鎖住了，我們現在就可以收更高的價。

大家都被這件事傷過。所以現在我接觸的每個 CIO，都非常清楚一件事：我們不能把命運押在一個模型提供商身上，我們必須保持 agnostic。

你當然也可以用一種原始的方式保持 agnostic，比如說：“好，每個工程師同時給你們發 Claude Code、Codex、Gemini CLI，再加上其他一堆工具。” 但問題是，這樣等于在逼你的工程師同時用十種不同工具。

另一種方式就是像 Factory 這樣：你只需要一個工具，然后我們在每個任務層面上像拍賣一樣決定，這一次要走哪個模型提供商？是要走開源模型，還是前沿模型？到底選哪一個？

主持人：那你怎么解釋另一個悖論：一邊說要更講究成本效率，另一邊卻像 Replit 那樣把同一個 prompt 同時喂給三個模型？

Matan Grinberg：我不是想貶低 Replit，他們當然是在做一個好產品。但說實話，我在企業環境里還沒怎么見到這種用法。

我能理解在消費級場景下，大家沒那么在意成本、也沒到超大規模的時候，會覺得很有趣：我想看看 Gemini 會怎么做、OpenAI 會怎么做、Anthropic 會怎么做。

當然，某些企業如果處理的是特別敏感、特別高安全級別的事情，也可能會這么做。但如果只是一個非技術背景的人在搭一個內部 dashboard，你大概率沒必要同時動用十個模型給你生成十個版本。

主持人：這個我完全懂。那再說回市場成熟這件事，Lovable 和 Replit 那個市場最后會怎樣？昨晚我們看到 OpenAI 又推出了一個競爭性產品。我真的不太看得明白。你能幫我解釋嗎？

Matan Grinberg：這點對我來說也沒那么明顯。部分原因是，我身邊真正很常用這些工具的人并不多。要么是我認識的大多數人根本不用 AI 工具，要么他們本身就比較技術化，然后直接用 Factory。

而且說真的，我不可能認識那些不用 Factory 的朋友。那算什么朋友。我們根本不會成為朋友。

所以我還得再多理解一下那一類用戶。我的感覺是，他們大概率還在很早期階段，也因此還有很強的靈活性，可以繼續摸索自己到底要占據什么精準位置。但就目前看，我還不是特別看得清他們的焦點是什么。因為據我了解，其中有些公司也開始往 enterprise 稍微 pivot。

主持人：我覺得從企業角度說，他們的 pivot 更像是：不再面向開發者，而是面向企業里的非開發職能。比如說，像 Lovable 這樣的公司，會去賣給銷售團隊、市場團隊、客服團隊，讓他們在沒有開發經驗的前提下，也能做出非常棒的材料。

Matan Grinberg：如果是那樣，那這個 niche 我覺得就更說得通一點。可如果他們試圖進入的是“讓非技術人員為了代碼本身去寫代碼”這個 niche，我覺得那就不明智了。因為一旦涉及企業級控制，誰能訪問什么數據庫、什么代碼，最終一定還是工程師在管。那塊地盤會是 Factory 去做。

但如果場景是，比如某個銷售想快速搭一個定制 demo app，或者一個定制網站，那我能理解，這在一些情況下確實是有價值的。

即將到來的安全危險區

主持人：我們是不是正在進入一個安全上的危險區？凈新增代碼量巨大，但這些代碼可能沒以前那么安全，而我們已經開始看到越來越糟糕的黑客攻擊、安全泄露，而且這可能只是開始。

Matan Grinberg：是的。會非常瘋狂。

主持人：你說“會非常瘋狂”，具體是什么意思？

Matan Grinberg：代碼生成的規模正在指數級增長，但安全投入并沒有同步指數級增長，所以中間一定會有滯后。

未來幾年里，我覺得大概率會發生一些非常重大的事故。而且說實話，就算已經發生了，通常也沒人愿意承認其中到底有沒有 AI 的參與。

更何況，我們甚至還沒真正見到最具對抗性的行為。我覺得這些工具完全可以被惡意利用，變得非常具有攻擊性。

所以我認為，隨著風險越來越高，安全的重要性只會越來越大。安全這一塊市場會非常關鍵。

美國創業公司該不該用中國模型？

主持人：你覺得美國創業公司應該被允許這么大規模地使用中國的開源模型嗎？

Matan Grinberg：應該。使用開源模型本身沒問題。

這里大概有兩個層面的擔憂。第一層是：如果你把數據發到國外，發到另一個國家，那確實是一個問題。我能理解那種“我們不想把數據發去中國”的擔心。更廣義地說，其實不管發到哪里，你都應該盡量把數據掌握在自己手里，或者至少掌握在本國體系內。

但另一層擔憂是：就算模型本身部署在美國，模型本體會不會有問題？

我來解釋一下這類擔憂。有人擔心的是，像諜戰片里那種“觸發詞”機制：你說出某個暗號，某個人就突然切換成機器模式，開始做對抗性行為。人們擔心，某些模型是不是暗地里也帶著這種東西——你說了某個 trigger word，它就會突然開始把數據往外送，或者故意破壞你正在做的事情。

可如果任何一個國家真的想這么干，它一定會盡量把這種東西加在越后面的模型里越好。因為如果它在早期模型里就被人發現，那別人以后根本不會再用它的模型了。

我不覺得這是一個特別大的現實擔憂。更何況，如果你在企業環境里部署得足夠正確——注意，我說的是企業，不是普通消費者——那么不管是數據外流還是某些對抗性行為，通常你都是有防范手段的。

不過從一個……你知道的，我還是挺愛國——從這個角度來說，我確實覺得，美國居然沒有真正意義上的前沿開源模型，這件事挺丟人的。所以我當然也希望我們能重新奪回這個位置上的優勢。

歐洲、前沿模型與能源

主持人：歐洲在很多方面都明顯落后了，尤其是模型研發這一側。你覺得歐洲是不是已經落后得太多，追不上了？

Matan Grinberg：如果是前沿模型實驗室這一塊，可能是的。

但在基礎設施建設和能源建設上，仍然有非常多事情可以做。不過世界上很多地方面臨的共同難題在于：民主國家天然節奏更慢。假設你說“我們必須做這件事”，那你就得爭取廣泛支持，得去說服各種不同的人，得通過立法。整個過程非常慢。

當然，好處是，這樣的體系理論上能給我們更多制衡，不至于一頭扎向某個方向太過頭。

而在另一些更偏威權的地方，邏輯可能是：“這件事我們要做，那就立刻做，現在就做。” 這樣當然能推進得很快。壞處是，一旦方向錯了，糾偏能力會更弱。但在 AI 這樣的領域里，很多建設方向其實已經很清楚了，比如你得建數據中心，你得有能源。而能源本身也需要大規模基礎設施建設，而且建設周期很長。在這類問題上，動作快就是優勢。

西方的問題是節奏更慢。所以這確實是我們的一個短板：很多事情推進起來會更慢，尤其是在還要處理大量政治博弈的時候。

數據中心與公眾反彈

主持人：你會擔心我們現在看到的這種針對數據中心建設的公眾反彈嗎？我記得好像是說，100 個已經獲批的數據中心項目里，有 40 個最后根本建不出來。你覺得未來數據中心會不會被越來越多人視作財富集中和技術霸權的象征？

Matan Grinberg：會。但至少在美國，我覺得州制度的妙處就在于：我們可以做一些不同的實驗。比如某個州說，我拒絕所有數據中心。好，那我們就看看結果會怎樣。結果很可能就是，那里的工作機會會更少。

而那些愿意建設數據中心的州，會看到人們變得更富裕，會有更多高質量工作，也能享受到下游的各種收益。

從這個角度說，美國很有意思。我們就像有很多小培養皿，可以分別測試不同路徑，看看最后各自長成什么樣。這是美國制度的獨特優勢。

至于歐洲，我覺得會更難一些。其實歐洲幾年前、甚至幾十年前，在核能這件事上本來是有不錯站位的，只是后來沒有持續兌現。如果歐洲當初在核能上走得更堅定一點，那么在 AI 所需能源這件事上，它會有一個很強的反彈機會。

主持人：完全同意。我把鍋甩給德國人。

這下我們的德國聽眾全跑光了。

快問快答

主持人：哥們，我們來個快問快答吧。我說一句簡短的話，你給我第一反應。

Nebius 和 CoreWeave，五年后誰的市值更大？為什么？

Matan Grinberg：作為一個強烈帶有應用層偏見的人，我的答案是：我其實不在乎，隨便誰都行。因為我真正希望看到的是，我們的用戶甚至都不知道底層跑的是誰。

但如果從你的角度看，我會希望 CoreWeave 更大。

主持人：為什么？因為 Nebius 更有野心，想做成 full stack，而那會侵蝕你的一部分空間；CoreWeave 相對不會？

Matan Grinberg：野心？什么叫野心？我不覺得他們那樣做是有意義的——

主持人：好吧。

Matan Grinberg：企業必須想清楚自己的核心能力是什么。如果有人總想往核心能力之外擴張——Kirkland & Ellis 也好，祝你好運——那不是你的核心能力。我不覺得這合理。

主持人：行，我懂你意思了。雖然我覺得那個場景里至少還更接近一點，但明白。

那像 Nebius、Mercor 這種客戶集中度高到 90% 收入都來自少數客戶的企業，會越來越多嗎？

Matan Grinberg：會。大概率會。

主持人：這是好事還是壞事？

Matan Grinberg：如果你是這類公司的投資人，那肯定偏壞，因為風險更高。但我覺得它是可以達到某種穩定狀態的。只是你永遠會感覺頭上懸著一把達摩克利斯之劍，一旦那幾個客戶發生點什么，風險就會非常大。總之就是，風險很高。

主持人：“達摩克利斯之劍”——這還是節目里第一次聽到。

那你告訴我，今天如果沒有 FTE 模式，你還能賣進企業嗎？

Matan Grinberg：能。前提是你有一個好產品。

這個 FTE 話題真的讓我很震驚。我們在做 FTE 的時候，我對它的理解一直是：它的作用應該是加速。也就是說，如果某個客戶在沒有額外幫助的情況下，六個月能擴到 100 萬，那我愿意給他配 FTE，只要這些 FTE 能把時間縮短到三個月。很好，他們起到了加速作用。

可如果我派 FTE 進去，本質上是在賣服務，那我又不是 Accenture。我不是 Infosys，也不是 Cognizant。我們不是服務公司。

如果我們的產品非得靠 FTE 才能跑起來，那只能說明我們的產品他媽的有問題。FTE 的意義應該是加速、讓客戶更快消費。如果你必須靠 FTE 才能把單子做成，那對不起，我朋友，你的產品就是爛。

主持人：你怎么看現在那種“grindslop”（內卷）的風氣？節目開始前，我們還和 Corgi 的 Nikita 聊了一點，結果網上已經引發了不少討論。

Matan Grinberg：是啊，不少討論。

主持人：你又在掀風浪了，一如既往。

Matan Grinberg：哥們，我真的什么都沒說。說真的，這感覺就像有人來你家派對，把什么事干得特別好，然后大家就全盯上他了。差不多就是我現在這樣。

至于你問我怎么看 grindslop？我覺得我們今天聊的很多事，其實都指向一個共同的風險：過度執著于中間指標。

grindslop 就是中間指標的產物。大家會想，做成事情一般都得花時間，所以我們就盯著“花了多少時間”，而不是盯著“事情到底有沒有做對”。

我常用的比喻是：如果你想判斷一場籃球比賽誰贏了，卻只看誰流汗更多，那不是很荒謬嗎？你當然可以汗流浹背，但你先看看記分牌啊。你到底有沒有把該做的事做好？

對我們來說，我們要找的是最好的球員。我不在乎你流很多汗還是幾乎不流汗，只要你在得分，很好，我們就想讓你加入球隊。

當然，對大多數人來說，要把事干成，通常還是得出汗。但如果你必須靠強制規定離譜工時、甚至在辦公室放一張床，才能把團隊逼出結果，那說明你的招聘就做得很差。兄弟，去好好睡一覺吧。你不需要在辦公室放床。去附近租個舒服點的公寓，睡滿 8 小時。

如果你是公司里關鍵成員，只睡兩個小時也能把工作做好，那只能說明你做的根本不是什么高杠桿工作。

主持人：但你知道嗎，我當時真覺得 Eight Sleep 那是一個絕佳的營銷機會。我會直接讓他們的創始人沖出來拍一波 campaign，說“沒事，我們罩你”。

Matan Grinberg：挺有意思的。我們在 30 人規模的時候，搞過一次我們叫 surge 的高強度兩周沖刺。那次我給團隊里每個人都配了一套 Eight Sleep，完全免費，三千美元一個人，全包。你知道的，典型創業公司式奢侈。

但我的邏輯一直是：我們優化的是輸出。我們招進來的那些人，得像海豹突擊隊、像 NBA 全明星一樣。只要能讓他們更高效、幫我們完成那些極高野心的目標，那每一分錢都值。

所以如果能做到，我們就去做。至少對我來說，Eight Sleep 確實改善了我的睡眠，那很好，就給大家也配上。他們睡得更好，狀態更完整，腦子更清醒。

而且我們做的工程工作，不是那種純體力式、拼工時的苦活。我們有“機器人”去干那些活。我們做的很多工作，需要非常深度的思考，需要你把大腦的每一滴能力都調動起來。如果你沒睡好，你就不可能做出同樣質量的判斷。

主持人：如果我現在給你無限預算，你會把錢花在哪些你今天還沒舍得花的地方？

Matan Grinberg：我覺得未來最優秀的公司，一定會越來越像——隨便你說海豹突擊隊也好、NBA 球隊也好——像職業運動隊一樣管理團隊。但不是 Google 當年那種“給你個充氣城堡、再來點奇怪福利”的方式，而是像真正的運動員體系那樣。表面看上去像是在被寵著，但其實也是一種負擔。你的飲食要被監控；比賽結束后你得去做一個小時按摩，確保肌肉恢復；你還要去冰浴，做各種恢復流程。它看起來很光鮮，但有時并不舒服。

我覺得未來公司會越來越愿意在這類事情上花錢，只不過是花在更偏智力工作的版本上。如果我多花一塊錢，就能讓團隊里每個人睡得更好一點、恢復得更好一點、判斷更準一點，那大概率就是值得的。

主持人：你真的太美國人了。你知道我喜歡什么嗎？我喜歡 limoncello，我喜歡抽煙。我想做的事是，和朋友一起坐在太陽底下，曬著猛烈的維生素 D，感受生活。而你們那邊全是極致優化。

你看沒看 Steven Bartlett 前幾天那個視頻？你可能不認識他。他說：“我喝了兩——三杯酒，然后毀了我三天的人生。” 因為睡不好，第二天吃得更多，錄 podcast 狀態更差，也沒去健身，結果晚上又繼續睡不好，三天直接報廢。

Matan Grinberg：說實話，我能理解這個。公平地說，Factory 的第一年，我幾乎每晚都會喝一杯威士忌。我的邏輯是——你可能也會贊同——如果你想成為一個有韌性的人，就不能搞成那種“一杯酒毀五天”的狀態。風吹一下你就垮了，那也太脆了。

所以從某種程度上，我懂你的意思。人還是得保留一點這種生活的彈性。

但我也覺得，也許可以像運動員那樣分賽季和休賽季。也就是說，賽季里你就他媽完全鎖死，不喝酒，用 Eight Sleep，把一切都優化到位；等休息一周的時候，你就去海邊，喝點 mojito 之類的鬼東西，怎么放松都行。

主持人：那休賽季你就直接 Charlie Sheen 化。

Matan Grinberg：只要你事后恢復得回來，那隨你。

主持人：天啊，那也太好笑了。真的是 work hard, play hard。

Anthropic vs OpenAI

主持人：好，來。IPO 當天，你只能投一家公司。抱歉兄弟，Anthropic 還是 OpenAI？

Matan Grinberg：在我看來，這兩家的水平大致相當，說實話投哪家區別不大。真正會影響 EV 的，更多是公司的波動性。除此之外，從業務角度看，我覺得兩家都很強，位置也都很好。

主持人：所以你是說，從未來指標來看，Anthropic 也許更穩一點，只是因為 OpenAI 的隨機性、混亂和 turbulence 更多一些？

Matan Grinberg：對。但從業務本身的角度，兩家都很好。不過如果非讓我選，那就 Anthropic。

主持人：好，收到。

主持人：我想問一個問題。Dario 一直說“我們會拿走你們的工作，我們會拿走你們的工作，我們會拿走你們的工作。” 你覺得他是不是在某種程度上傷害了整個生態？

Matan Grinberg：是的。這事真的讓我很惱火。

一方面，我剛才可能還說了 Anthropic 的好話；但另一方面，我確實認為，這種說法不僅不真誠，而且是錯的。它對很多人的心理都造成了傷害——包括開發者，也包括普通人。

它傷害了 AI，也傷害了整個世界。因為這又把話題帶回來了：AI 最終會幫助社會解決哪些問題。可這種敘事只會給“我們應該放慢 AI、停止 AI”的主張添柴加火。

而且老實說，他們這么說，是出于非常自私的原因。因為如果你想融資，想融到前所未有的規模——幾千億美元之類——最好的說法當然就是：“整個資本主義都會消失，最后只會剩下我這一家公司。所以你們最好把錢都給我。”

然后等到 IPO 的時候，當那些原本被你宣稱要替代掉的人，突然變成了你希望把錢投進你 IPO 里的潛在投資者時，你的口風又會瞬間變成：“等等等等，不不不，人類還是很重要的。以后還是會有工作的。我們喜歡大家。” 這事真讓我火大。

主持人：我完全同意。諷刺的是，那些從來沒這么說過的人，往往也是那些從來不缺錢的人。你看 Zuck、Demis，他們在勞動力替代、工作消失這些話題上的姿態，和 Sam、Dario 一直很不一樣。

Matan Grinberg：對，真的很有意思。越是需要錢的人，越容易這么說。

說到底挺可悲的。大家嘴上都在高談 AI、智能、未來，可最后推動結果的，還是激勵機制。而這里的激勵機制就是：我想融很多錢。

哪家傳統公司最擁抱 AI？

主持人：你覺得哪家傳統公司是最真正擁抱 AI 的？

Matan Grinberg：老實說，EY。四大會計師事務所之一，也是我們最大的客戶之一。

主持人：我知道。這真的——太離譜了。太他媽離譜了。你贏了。

Matan Grinberg：他們真的非常 agent-native，夸張到離譜。他們是我們最大的客戶之一，而且他們是從組織上一路往下推。

他們基本就是看到了云時代發生過什么，也知道自己曾經因為動作太慢而吃過虧。所以他們內部有一些非常強的工程領導者，會明確說：這會很嚇人，會有人不高興，也不會是最輕松的一條路，但我們一定要把組織做成 agent-native，哪怕拼到最后一口氣。

而且他們其實還挺早。我覺得最有意思的現象之一就是：他們在 agent-native 這件事上，甚至比一些創業公司還更像創業公司。這太瘋狂了。

主持人：真是個嶄新的世界。一個又新又猛的世界。

主持人：最后一個問題。過去 12 個月里，你改變最大的一個看法是什么？

Matan Grinberg：我改變最大的一個看法是：有那么一小段時間，我以為最后可能只會有一兩家公司徹底拉開身位，成為真正的前沿王者。

但現在看起來越來越清楚的是，最后很可能至少會有四家公司，整體水平大致相當。而這對人類來說是好事，是勝利。

真正對人類不利的情況，是只有一家極度強大、遙遙領先。我現在更傾向于認為，最后至少會有四家，甚至還會更多。現在越來越多的跡象都在支持這個判斷。

我知道這算是個有點逆風的觀點，因為現在很多人還沉浸在對某一兩家的迷戀里。

CSDN 6 月寵粉福利

一步獲取以下全套技術資源：

1?? 200 小時 GPU 算力： 注冊即領，支持 Jupyter Notebook 一鍵啟動

2?? Agent 實戰訓練營： 奇點智能技術大會專家架構復盤視頻

3?? 《Claude Code實戰》開發者專屬試讀版本

4?? 《AI原生軟件研發白皮書》：2026最新版效能度量標準