15亿独角兽CEO：程序员无效内卷是在自我感动；美国没有像样的尖端开源模型；AI抢饭碗是巨头为了融资编的谎言

“如果你的公司必须在办公室里塞张床、强制员工疯狂加班，这不叫硬核，这只能说明你的招聘和管理做得很烂。”

编译 | 王启隆

出品丨AI 科技大本营（ID：rgznai100）

在物理学界，弦理论（String Theory）曾被称为“人类智力的终极象牙塔。“ 2023 年，23 岁的加州大学伯克利分校弦理论物理博士生 Matan Grinberg 突然决定退学。起因是一封发给红杉资本合伙人 Shaun Maguire 的冷邮件——Maguire 恰好也拥有加州理工同方向的物理学博士学位。

两个物理学家在硅谷进行了一场 3 小时的徒步漫谈，第二天，Maguire 就开出了100 万美元的种子轮支票。三年后的今天，Factory 这家由他退学创办、致力于用 AI 智能体重构软件开发流程的公司，刚刚完成了1.5 亿美元的 C 轮融资，估值飙升至 15 亿美元。

当硅谷的大部分大模型创业者还在沉迷于算力扩张和通用智能的技术神话时，Matan Grinberg 已经开始冷酷地盘算企业的 Token 账单。在他看来，很多大厂吹捧的“开发出多少新功能”不过是自嗨的中间指标，真正的软件革命不是去卷代码行数，而是让企业用最少的资源解决最核心的业务痛点。

这也是为什么 Factory 不做底层大模型，只做上层的“AI 机器人”（Droids）工作流，却能在过去六个月里实现收入月月翻倍。

在与 20VC 主持人 Harry Stebbings 的最新播客对话中，Matan 拆解了企业端在狂欢后的“AI 宿醉”与中美开源生态的残酷现实，更直白地戳破了前沿模型巨头们联手炮制的圈钱游戏：

• OpenAI 和 Anthropic 宣称的“AI 将抢走所有人饭碗、资本主义要终结了”，是一句纯粹为了向沙特和华尔街募资而编造的虚伪谎言。巨头们故意渲染技术恐慌和人类危机，并不是因为技术真的到了那一步，而是因为他们需要募集成百上千亿美元，来撑起高昂的算力成本。一旦临近 IPO，他们就会立刻改口，重新向大众和选民示好，承认“人类依然非常重要”。

• 在当下的开源生态里，美国居然拿不出一个像样的尖端开源模型，这在整个科技界来看，是一件非常让人难堪和丢脸的事。虽然有 Meta 的 Llama 苦苦支撑，但在非美地区开源力量——尤其是中国开源模型（如 Qwen、DeepSeek 等）的异军突起之下，美国作为 AI 策源地已经失去了在开源前沿的绝对统治力。

• 如果你的公司必须在办公室里塞张床、强制员工疯狂加班，这不叫硬核，这只能说明你的招聘和管理做得很烂。强制剥夺睡眠去写代码是效率最低的做法。对待核心团队，应该像对待特种部队或职业运动员一样，投入最好的资源让他们恢复精力、保持专注，而不是盲目跟风马斯克式的“无效内卷”（Grindslop）。

• “程序员（Dev）”这个职业词汇未来将不复存在，传统的码农本质上只是代码的“清洁工和看门人”。每一个组织里的人未来都会与代码交互，而写代码、改格式、跑测试这些繁琐的脏活累活，以后全部会交给 AI “机器人（Droids）”去干。真正顶级的工程师，核心能力将是定义并解决真实的业务问题，而不是记忆某种编程语言的语法。

领取地址：https://s.csdn.cn/4nPsOp

主持人：未来的世界会变成这样：再也不会有什么东西是“别人能做、你不能做”的。每个人都在试图把另一个人商品化。价值最终流向谁，本质上是一个随时间变化的现象。

今天来到现场的是 Factory 的联合创始人兼 CEO，Matan Grinberg。在创办 Factory 之前，他是一名物理学家。他花了 12 年时间，试图成为世界上最顶尖的弦理论学家之一。现在，他正在改变软件开发这个行业。

他与全球一些最大的企业合作。他长得确实有点像《心灵捕手》里的 Matt Damon，但他也是我见过最出色的创始人之一。

我们今天在做的很多任务，其实根本不需要最前沿的模型。短期内，我们甚至可能看到最前沿模型的使用量出现收缩。我认为，美国居然还没有真正意义上的前沿开源模型，这事挺丢人的。

你说得出一家拥有传奇地位、但销售或市场团队一塌糊涂的公司吗？说不出来。通才的时代回来了。未来最好的公司，会越来越像海豹突击队，或者职业体育队伍那样来管理团队。

Matan Grinberg：谢谢邀请，Harry。很高兴来到这里。

AI 真的会拉动 GDP 吗？

主持人：我昨天刚录了一期节目。其中谈到的核心问题其实是：AI 以及我们现在看到的这些编程工具，最终会不会真正推高 GDP？会不会让 GDP 增速突破过去 200 年平均 2% 的水平？

你觉得，我们会从这些 AI 工具里看到实质性的生产力提升吗？还是说，Uber 的担忧其实是有道理的？

Matan Grinberg：我觉得会，绝对会。我们一定会从这些工具中看到巨大的增长。只是它需要时间才能真正渗透进去。因为你可以看到，在个人层面、甚至具体到一个个问题的层面，我们已经能够用这些工具更快地解决问题。

而企业本质上就是围绕“解决问题”来组织的。如果你的组织方式本来就是解决问题，手里也有一套既定的人力配置，那你通常会认为：在现有人员规模下，我们同一时间只能解决这么多问题。现在，所有人都能用同样的人，解决更多的问题；或者用更少的人，解决同样数量的问题。

但资源配置的调整是需要时间的。很多公司都得重新想一个问题：由于杠杆变大了，我们现在是要去解决更多问题，还是继续解决原来的那些问题，只是用一种更高效的方式？我觉得，这是未来很多企业都必须面对的问题。

团队会变小，还是野心会变大？

主持人：你觉得，未来团队会从根本上变小吗？如果是那样，就意味着大多数人会选择第二条路：缩编之后做和以前一样的事。还是说，团队规模其实不会变，但我们会去做更大、更广的事？

Matan Grinberg：这个其实并不明显，因为里面有很多动态因素，我也很难预测。但我想说的是，还是回到“问题”本身。所有公司现在都得开始思考：好，我们多了这么多新的杠杆。那我们是继续解决同样的问题？还是把目标拉大，去解决一个更大的问题？还是说，去解决更多用户可能会遇到的问题？

主持人：我最近在看 Andrej Karpathy 的一个观点。他说所谓“10x 工程师”其实一直都被误解了。未来你看到的，不会是大批 10x 工程师，而是少数 100x 工程师，和其他所有人之间出现明显分化，工程人才会走向两极化。你觉得，这会是未来工程人才的正确观察方式吗？

Matan Grinberg：大方向上，我同意。因为所谓 10x 工程师、100x 工程师，到底是什么意思？我其实不完全认同这种说法，但我理解它隐含的意思。只是问题在于：10x 相对的到底是什么？纯产出吗？如果你说 10x 指的是代码产出，那现在我借助这些工具，确实可以写出十亿行代码。问题是，那也可能是他妈的十亿行烂代码。

所以我更喜欢的理解方式是：一个组织里那些“承重的人”。也就是你把这个人拿掉，很多东西就会塌下来。有些组织里，某些人被拿掉之后，什么事都不会发生，那他们就不是承重个体。

而这些本来就拥有极高杠杆的人，现在又被塞进了一套能进一步放大杠杆的工具。用 10x、100x 的语言去说，也没错——他们的杠杆被进一步放大了，影响力会更大。

而且我觉得，在这种杠杆逻辑下，那些知道如何正确使用杠杆的人，会产生更大的影响；那些不会的人，至少从相对价值上看，就会变得对企业没那么重要。

资源配置问题：Token、美元和人

主持人：你刚才说了两种可能：要么同样规模的团队做更多事，要么缩小团队、继续做原来的事。那如果我是一个今天的企业领导者，你对我最大的建议会是什么？尤其是在企业内部该怎么分配 token 资源这件事上。

Matan Grinberg：对，这是个非常好的问题。关于 token 的资源配置——其实不只是 token，而是美元、token、人力——我觉得这会是未来 24 个月里，每个 C-level 高管都在想的事。

我觉得正确的方法是：先看你的企业核心能力到底是什么，真正对你的业务重要的到底是什么，然后再据此去配置资源。

换句话说，如果你是一家物流公司，那你的核心能力大概率不是软件开发。你可能过去雇了很多软件工程师，是为了服务你的物流目标，软件开发只是达成目标的手段，而不一定是你的核心能力。

所以你真正应该思考的，不是“怎么让更多工程师做更多功能”，因为过去大家评估工程师往往就是看一个季度发了多少功能。现在应该想的是：对我们这门生意而言，真正重要的输出指标到底是什么？然后，我们该如何分配资源——无论是钱、token，还是 headcount——才能更明显地推动这些业务结果？

我觉得这对整个世界都是好事。因为我认为，很多组织之所以会越来越臃肿，部分原因就在于我们曾经活在一个所有人都盯着中间指标的时代。比如一个工程团队，这个季度目标是交付三个功能。你交付了三个？结果你交付了四个。大家就说，真棒，这季度太好了。可那未必对业务本身有任何意义。

所以现在终于开始回到问题本源：什么才是真正重要的？我们到底想推动哪些业务指标？是客户满意度？是收入？是市场份额？然后你可以把每个人的工作都重新和这些目标挂钩，无论是市场、销售、工程，全部都是如此。

Kirkland 的 5 亿美元 AI 豪赌，以及“自建还是购买”

主持人：Kirkland 最近宣布要投入 5 亿美元。你和 Harvey 的 Winston 是朋友——他人很棒——我不知道你们有没有聊过这件事，但那真的是一笔很大的投入。5 年花 5 亿美元，在内部打造他们自己的 Harvey 或 Lora。你怎么看？

Matan Grinberg：这事挺有意思的。说回核心能力，Kirkland 砸 5 亿美元去自建 AI 工具——据我所知，构建 AI 技术并不是他们这家律所的核心能力。所以我看到的时候确实有点意外。

不过我其实觉得这对 Harvey 是好事。因为没有什么比“你亲自去做一遍”更能让你意识到：妈的，这玩意儿其实非常难。它根本不是一件我们非得自己掌握内部能力不可的事情。还不如去找真正的专家，让他们替我们做。这大概是我的判断。

主持人：我最喜欢的是，很多人还会说：“看吧，我们早就说过这玩意儿很容易。” 结果你心想：如果真这么容易，他们为什么要承诺花 5 亿美元？这不是恰恰说明一点都不容易吗？

前两天我采访了 Decagon 的 Brendan，他的核心观点是：未来 12 个月，将是 AI 基础设施公司价值累积最快的 12 个月；而模型公司、产品公司和 AI 应用层公司，反而会是风险最高、最容易被压缩价值的。你认同吗？

Matan Grinberg：我不同意，而且是非常不同意。原因有好几个。

先接着说 Kirkland 这个例子。过去的软件护城河逻辑是：我知道怎么做这件事，而你不知道，所以你得付钱给我，因为我有那些懂得怎么做的工程师，而你没有能力自己做出来。

但未来的世界里，不会再有什么东西是“别人能做而你不能做”的。理论上，任何一块软件，任何人都可以自己造出来。可问题还是回到资源配置：你到底值不值得花这个时间和精力去自己造？还是应该去找已经造好它、或者能更快交付它的人？

我常用的一个例子是：假设今天我们工作特别忙，我当然可以亲自出去给团队所有人买午饭。我知道怎么做，我知道怎么走出门、下单、拎着袋子回来。可问题是，仅仅因为我会做，这就意味着它是我时间最高效的使用方式吗？显然不是。

我大概率会说：算了，从资源配置角度看，还是花钱让别人去做吧。因为在 Factory，我们的核心能力不是 CEO 去给全员买午饭。

我觉得这里非常类似：仅仅因为你“可以”自己去造很多东西，不代表你“应该”去造。事实上，很多时候你反而应该非常冷酷地界定，哪些才是你和你的团队必须亲自从头做到尾、真正拥有的少数事情。如果某件事跟你的核心业务、核心能力没关系，那就外包。

主持人：那有没有什么是你很想做、但因为它不是你的核心能力，所以你硬是没去做的？

Matan Grinberg：太多了。我其实很喜欢做早餐。但我已经大概三年没做过了。不是说它有什么不好，只是从时间效率上根本不划算，不值得我把时间花在那上面。

主持人：好吧，明白了。

模型、应用和基础设施：谁会被商品化？

主持人：你刚才说的那个点很有意思。我不知道你有没有见过那个关于微软组织架构的梗图：图里不同部门互相拿枪指着对方，用来形容微软内部官僚体系很重，每个人都在争谁该做什么。

我觉得那张图非常像现在模型公司、应用公司和基础设施公司之间正在发生的事情：所有人都在试图把别人商品化。每个人都在说：“不不不，那个层不重要，真正有价值的是我们这层。”

可现实是，价值最终流向谁，本来就是一个随时间变化的现象。并不是说在一个稳定状态下，只有某一个人永远拿走全部价值。世界不是这么运作的。更像是：接下来这一年，这一类人拥有定价权，于是价值流向他们；再过一个阶段，另一类人获得价值。

我们所有人——不管是明说还是不明说，也许我只是把大家心里话讲了出来——都在试图把“不是自己”的那一层商品化。

比如我们是 model-agnostic（模型无关）的。我们希望给客户提供在软件开发不同任务上最好的价格、性能和速度。我们希望 OpenAI、Anthropic、Google、Microsoft 都始终处在压力之下，必须不断拿出更便宜、更快、更好的模型，而不能觉得自己可以随便定价。

同样地，模型公司则希望把应用层变成一个几乎随手就能做出来的东西，让大家觉得真正的产品就是模型本身。而基础设施公司也有他们自己的叙事。但现实就是，每个人都在试图商品化“不是自己”的那一层。

所以从 Mercor 的角度，他们当然会希望“拥有专有数据访问权的模型”能体现出差异化价值，并且攫取大量价值，因为这能验证他们的商业模式。整个行业其实就是一场谁能拿到更大杠杆的拉扯。

对 Factory 最悲观的看法

主持人：什么样的信念一旦成立，就会推翻你现在的判断？比如，对 Factory 最悲观的看法就是：某一家模型提供商明显甩开其他所有人。

Matan Grinberg：对我们来说，一个关键前提就是：所有模型大致都会差不多好。当然，可能某个模型在 code review 上稍强一点，另一个在测试上稍强一点，还有一个更擅长 Python，等等。但这些优势每周都在变化。

其实现在大家已经很难跟上节奏了：哪个模型是第一？最新出来的又是哪一个？如果真的有一个模型远远甩开其他所有人，那就会出现一种情况：公司可能会想，那我们就彻底 all in 它吧。可那等于整个经济体都得面对一个垄断问题。

主持人：模型开发现在这样的速度可持续吗？我的意思是，我前两天和 Nebius 的创始人在一起，他说“每隔几周就会冒出一个新模型”。我说你错了——尤其是看中国开源那边——那是每隔几天就有，甚至一周三四个。

这种模型迭代速度，是我们这个时代的特征，还是未来会一直如此？

Matan Grinberg：我觉得再往后，大家不会再把它当作一次次“模型发布”，而会觉得它更像持续更新。以前是 GPT-2、GPT-3、GPT-3.5、GPT-4、4.1……小数位越来越多，最后就变成 4.523。再往后，它们可能根本就不宣布了，而是直接变成：“看，我们这个模型一直在持续变强。”

因为大家现在已经有疲劳感了。我们合作的那些大型企业里的工程师，根本不可能跟上每一个新模型，更没必要跟上。这恰恰就是应用层的价值所在——不管是我们，还是 Harvey，或者其他公司——我们会替你搞清楚：针对不同用例，哪个模型最好，成本、质量、速度的权衡点在哪，然后把那个结果直接交付给你。因为企业本来就已经很难一边专注自己的业务，一边还要时刻追踪这些不断冒出来的新模型。

开源模型的崛起

主持人：现在很多人关心开源模型的崛起，因为企业对 token 支出的焦虑已经越来越明显，往往超出他们自己的预期。“哎，我们一年的预算，结果 5 月份就花完了。操，可能得转向开源了。”

而且我们也看到越来越多优秀公司先用前沿模型试水，看到上限之后，再切到开源模型，尽量用更低成本逼近那个效果。你怎么看？这会不会对前沿模型的市场形成很大的威胁？

Matan Grinberg：我觉得这是一个非常重要的制衡力量。因为它本质上给了你一个选择空间：你可以决定，哪些任务该用什么级别的智能去跑。

而且这之所以重要，是因为很多企业最终都会意识到：我们今天在做的大量任务，其实根本不需要最前沿模型。用这些开源模型，我们可以跑得更快、便宜得多。说到底，这还是资源配置问题。要做好资源配置，你就必须能够在成本、质量、速度这个三角中自由选择。

主持人：我特别喜欢 Twitter 上那些梗图：比如只是给一个文件命名，却像拿着喷火枪点雪茄一样夸张。

Matan Grinberg：对，我也特别喜欢那种。

主持人：因为那真的太过度了。

Matan Grinberg：而且这里面还有一个很有意思的心理机制：很多人会有种自尊心作祟，觉得“我做的事情只有前沿模型才搞得定。区区开源模型，怎么可能处理我这种高端工作？”

说实话，我自己刚开始切换的时候也会这么想，会觉得：这活儿开源模型恐怕不行吧。结果常常是——不，它大概率真行。这是一种很微妙的心理调适。你要么自己手动判断，要么交给路由系统帮你判断。

主持人：但企业喜欢的是安全、可靠、简单。

Matan Grinberg：对。

主持人：而当前沿模型打包得很好、定价清晰、又安全的时候，他们会不会干脆就图省事，直接选那个，而不是自己去做聪明的多模型路由？

Matan Grinberg：这里有几个点。第一，只有“只有一个选择”的时候，才会显得简单。但问题是，我们刚才也说了，新模型几乎每周都有。如果每来一个新模型，你都得走完整套企业审批流程才能接入，那就一点都不简单了。

第二，它也真的很贵。如果你发现成本一路疯涨，而你根本说不清楚 ROI，那这件事就站不住脚了。

而且我觉得现在这些企业大致在经历三个阶段。

第一阶段，大概是几个月前：董事会冲着 CEO 喊，“你的 AI 战略是什么？” CEO 心里一慌：“妈的，我也不知道。” 然后 CTO 被叫来：“我们的 AI 战略是什么？赶紧搞起来。”

于是进入第二阶段：不惜一切代价上 AI，token 拉满，把 AI 使用量写进绩效考核。“我们要衡量你用了多少 AI。所有人都得上。” 这是第二阶段，核心就是先让尽可能多的人用起来。

而第二阶段来得比很多人预想得快得多。所以现在我们开始进入第三阶段。第二阶段有点像一整晚放纵狂欢、喝猛酒、玩得很爽、到处上 AI。

第三阶段就是宿醉。你第二天去看账单，发现：“我的天，我们怎么花了这么多？我根本不知道 ROI 在哪。这玩意儿到底有没有帮到业务？” 现在很多公司正处在这个阶段。

我觉得这也是为什么路由这么重要。因为他们开始意识到——这是真事——有个 CIO 跟我说，他们发现自己每个月花了几十万美元，让大家拿 Opus 4.8 去问一些类似“嘿，最近怎么样？”、“我今天吃的东西热量宏量营养素是多少？”、“今天天气怎么样？”这种问题。

问题是，兄弟们，我们根本不需要人类智能前沿去干这些事。有些甚至都不是工作相关的。

AI 支出宿醉期

主持人：那既然进入宿醉期，我们会不会看到一轮收缩？

Matan Grinberg：我觉得短期内，前沿模型的使用量可能确实会收缩一点。但我认为这是健康的。总比一直装作看不见，最后突然来一次剧烈调整要好。

主持人：Uber 前天晚上还是昨天宣布，说他们会给每个人设置 1500 美元的预算上限。你怎么看？

Matan Grinberg：这事我在很多客户身上都见过，而且是几十家。最开始——这对我们售后团队来说也是个教训——我们会进去说：“对了，我们有这些用户限额，不过这里是模型列表，大家尽情用吧。” 那还是在我们还没做路由之前。

结果有几次，客户的使用量直接飙升。他们根本还没花时间思考：代码库里哪些部分值得投入这些 token，哪些部分不值得。然后他们就会回头说：“我的天，我们花太多了，这太夸张了，必须加 token 限制。”

第一次发生这种事时，我们也会慌：“怎么回事，他们的使用量怎么掉下来了？” 但后来花时间和他们一起复盘后，我们意识到：不对，我们得和每个客户都非常明确地讨论这件事——看起来你们在某些任务上花了很多 token，这是不是你们有意识做出的决定？

有时候，我们甚至会主动帮他们先设定用户限额。因为比起完全失控之后再回头看，还是在增长过程中就让大家有意识地察觉，更健康。

所以 Uber 公开发生的事，其实在很多客户那里私下都发生过。的确会有一阵震荡，大家会意识到：好，先把用户限额加上。

但接下来你又会进入另一个问题：等等，这个团队非常重要，它的限额是不是就该和另一个团队不一样？于是你会逐步走向一个更精细的资源配置世界，在组织内部把资源分配得越来越细。

Token 支出占开发者薪资的比例

主持人：对我来说，今天整个生态里最值得问的一个问题是：如果 Marc Benioff 说，他在 Anthropic 上给开发者花了 3 亿美元，这相当于开发者薪资的 3.8%。好，明白了。那三年后这个比例会是多少？

如果三年后还是 3.8%，那就完了。如果是 20%，那也是操，但这个“操”是积极意义上的。再比如 Mercor 的 Brendan 说，他们花在 token 上的钱已经超过 headcount 了，那就更是另一个层面的“操”，而且更积极。

你觉得，三年后这个比例会是多少？

Matan Grinberg：我觉得这个问题其实比看上去更复杂。这个比例对某些个体来说可能低到 0%，而对另一些个体来说，可能高到成千上万、几万个百分点。

主持人：这种差异取决于什么？

Matan Grinberg：取决于这些个体的独特技能是什么。注意，我这里说的是“个体”，不是单纯指开发者，因为我觉得未来组织角色本身都会发生很大变化，“开发者”这个词本身都未必还成立。

过去的逻辑是：代码的看守者，凡是跟代码有关的事都归工程师或开发者来做。但未来，组织里几乎每个人都会和代码发生某种程度的交互，不管他是销售还是市场。

真正的差别在于：有些人通过更多 token 能获得更高杠杆；另一些人其实根本不需要 token，他们不是靠这个给业务创造价值。

比如说，我们最好的销售，也许最适合他的使用方式根本不是让他去消耗 token，而是去面对面见客户。这是个很明显的例子，因为他本来就不是写代码的人。

但类似地，某些工程师可能最好的工作方式也不是猛烧 token，而是花更多时间和用户交流、和客户交流，或者做一些并不那么耗 token 的数据分析。但也会有另外一些人，他们同时在并行指挥几十个“机器人”，推进大量复杂功能、重构和迁移。

所以我不觉得未来会有一个全公司统一适用的比例。事实上，我甚至认为，如果一家组织规定一个标准值，比如“我们希望每个工程师都把 token 使用控制在薪资的某个百分比”，那大概率说明你们画的笔刷太粗了。

主持人：如果我逼你给个平均值呢？比如均值、中位数，大概会是多少？

Matan Grinberg：如果按数量级来讲，我觉得三年内，它大概率会和薪资处于同一个量级。

主持人：和薪资同一个量级？

Matan Grinberg：对。三年时间线内，至少是同一个数量级。

主持人：今天使用前沿模型完成的任务里，有多少比例其实可以用开源模型来做？

Matan Grinberg：大概 80% 到 90%。通常真正需要前沿模型的，是规划阶段。

主持人：可这不就是最大利空吗？抱歉，我可能真的有点笨。可如果 80% 到 90% 的任务都能被开源模型完成，那这不是对 code 或 cruel code 之类的公司构成了巨大的空头论据吗？因为你等于砍掉了 80% 到 90% 的时间。

Matan Grinberg：那得看情况。因为那 10% 到 20% 可能恰恰是最重要的 token。也许它只占 token 数量的 10% 到 20%，但那部分特别关键，因为它可能是决策型 token。

这其实很像人类组织的结构。很多时候，领导层做出的少数关键决策，决定了整个公司的命运，但他们并不是花工时最多的人。如果你看一家公司的总工时，大多数时间并不是花在做决策上，而是花在收集信息、实施执行上。可总有那几个小时，是在做那种不可逆的战略决定。

而做这些决定的人，通常也拿更高的薪酬。

主持人：那按这个逻辑，你岂不是意味着要把这 10% 的花费再进一步往上提？

Matan Grinberg：而现实也确实正在这样发展。前沿模型有时会变得更贵，或者你会启用超高强度的推理模式之类的功能。

所以逻辑就是：如果规划这一步特别关键，那我们就愿意为它花钱。但这不代表你的大部分 token 都会花在上面。只是说，在少数关键步骤里，你愿意花很高预算，因为这笔预算值得。

而到了“好，规划已经有了，现在开始落地实现”的阶段，开源模型通常就已经非常够用了。

Factory 有争议的文化：销售和工程是同一支队伍

主持人：说到你们愿意为哪些事花钱，我之前问 Brendan，招一个顶级 AI 研究员要花多少钱，他说是几千万美元。你们也有同样的感受吗？在和 OpenAI、Anthropic 竞争时，招顶级 AI 研究员是不是几乎不可能？

Matan Grinberg：我们是一家非常有主见、非常有立场的组织，所以它天然会自我筛选。那些认同我们这些立场的人，不一定会去一味追求市场上能拿到的最高报价。当然，这个市场依然非常激烈。

主持人：你觉得，你最强烈、但大多数人并不同意的一个观点是什么？

Matan Grinberg：如果说在我们所处的这个领域里，最有争议的观点，我觉得是我们对“产品”这件事的定义。

我觉得，不管是在一些实验室，还是一些和我们同样做软件开发方向的竞争对手那里，都存在一些非常普遍的信念。而且老实说，这也是硅谷一个常见的幻觉：研究才是顶点，然后工程师负责把研究落地——他们比研究差一点，但也还不错；再往下是销售和市场这些“脏活累活”。大家会幻想：要是我们产品足够好，它就会自己卖出去，我们就不用管销售和市场这些破事了。

这完全是妄想。在 Factory，所谓“产品”，是用户从第一次听到我们名字开始，到十年之后第十次续约、依旧是满意客户为止的整个旅程。

软件当然是这个旅程里极其重要的一部分，但我们做的市场工作、负责这些工作的团队，同样也是这个旅程的一部分。销售流程也是。无论是第一次 discovery call、demo，还是 solution engineering，整个过程全部都是产品。每一个角色都是一等公民。

我们不是那种工程师全待在办公室角落里，只有工程师才能跟工程师讲话的公司。不是。我们是让工程师和销售坐在一起。没有“工程师角落”“销售角落”这种东西，所有人完全混编在一起。

销售签下一单，工程师会说“我们签下了一单”；工程师上线一个功能，销售也会说“我们上线了一个功能”。整个团队就是一支队伍，是高度一体化的。没有谁是一等公民，谁是二等公民。

而这件事居然很有争议。尤其是在湾区，尤其是在 coding 或 AI 这个圈子里。这太离谱了，真的太离谱了。

我认为，现实最终一定会反噬一些公司。因为现在处在淘金热里，人人都拼命想签更多客户、拿更多 token，这种时候一切都显得很容易。他们在我看来就像失重状态下的宇航员，肌肉会萎缩。可重力迟早会回来。如果到那时候你没有一支强大的销售和市场团队，因为你从来没真正尊重过他们，那么一旦重力恢复，你的肌肉已经废掉了，你根本没法竞争。

而且我还会这么说：你能举出一家销售或市场团队很烂、却仍然成为传奇的公司吗？举不出来。

主持人：不，但我能举出一些产品很烂、但销售和市场做得超强的公司。

Matan Grinberg：这才是讽刺的另一面。

主持人：而且说实话，这种公司似乎更多。我就不点名了，不然会惹麻烦。

Matan Grinberg：我猜我们想到的是同一批公司。

为什么主观能动性比资历更重要

主持人：对，如果 Chad Pets 在这儿，他肯定已经说出来了。没错。

那在一个工程师逐渐变成“提示词设计师”和“agent 管理者”，而不再只是“任务执行者”和“代码创造者”的时代，成为优秀工程师所需要的东西会改变吗？

Matan Grinberg：会，而且会发生非常深刻的变化。这也是为什么我们在招聘上非常刻意。刚才我们讲的这种文化之所以重要，是因为未来最好的工程师，一定是那些不会把销售和市场视为脏活，而是把它们同样看作产品关键组成部分的人。

因为你作为工程师，已经不再只是“把功能做出来”那么简单。你的职责会变成：对完整结果负责。你要理解客户现在是如何使用产品的；你要思考，怎样改变他们的行为，才能让他们成为更好的长期用户，更 agent-native，从我们的产品中获得更多价值。然后你还要一路跟进这个过程，赋能销售团队，让他们知道该怎么讲、怎么 demo。

这是一种远远超出传统工程范畴的 full-stack engineer——它延伸到了销售、市场、enablement 等各个方面。而这些，才是工程真正重要的部分。这也是为什么工程师往往能成为好创始人：因为他们具备这种能力。

反过来，那些会变得没那么重要的，恰恰是硅谷一直特别爱炫耀的东西：比如竞赛型、奥赛型能力。你是不是写代码特别快？你是不是记住了各种语言的细节和语法陷阱？这些不重要。

你多记住了一门语言的语法细节，而别人没记住，这并不重要。

主持人：大家现在不是迷信 credential，而是 VC 在面对不确定性时，会去抓住这些“验证器”。我作为投资人可以很坦白地说：现在大家对 Anthropic 和 OpenAI 最终会做什么、会在应用层杀掉谁，存在极大的不确定性。在一个高度不确定的世界里，我们会拼命寻找确定性。而数学奥赛、竞赛奖项之类的东西，就变成一种替代性的验证器。在缺乏其他确定性的时候，它就像一根拐杖。

Matan Grinberg：是的，但它终究只是拐杖。它当然有帮助，是一种不错的指标。毕竟你不聪明的话，通常也拿不了竞赛冠军，这种情况很少见。

但对我们想找的这类工程师来说，这种东西很酷，但其实没那么相关。更重要的是：你做过什么？你有没有从头到尾对某件事真正承担起所有权和主观能动性？

不是说我们团队里没有拿过奥赛奖的人。我们有，而且他们非常优秀，我也很喜欢他们。我很多朋友也是这样的人。但也存在一种情况——特别是某些高中，会特别强调“你必须去搞数学竞赛、你必须走 AIME、IMO 这条路，这才是成功路径”——这种反而有时是一种负面信号。因为那说明你不是在主动掌控自己的命运，而是在按一条既定漏斗往里走。

但我们团队里也有一些人，来自完全不起眼的地方，他们高中里从来没人干过这些事。是他们自己主动觉得：这个东西很有趣，我很好胜，我想去比。于是自己一路打上去。这种人身上，这个信号就依然是正面的，也是未来工程师该有的特质。

主持人：我不知道有没有跟你说过，但你知道你总让我想起谁吗？

Matan Grinberg：谁？

主持人：《心灵捕手》里的 Matt Damon。

Matan Grinberg：这我当然乐意听。

主持人：之前没人这么说过你吗？我再说一遍，你俩真的长得一模一样。我们后面一定要放张对比图，做个并排展示。好，我们已经有片段了，这就可以当节目开场。观众一看就会说：“嗯，完全懂了，这太合理了。”

我想接着问，回到“什么让开发者变得优秀”以及“团队结构怎么设计”这个问题上。你觉得今天还不存在、但未来几年会变得非常常见的角色是什么？

Matan Grinberg：我觉得这个角色已经开始出现了，只是还不够普遍。它有点像 GM，也就是通用经理、总经理式的角色，只不过这个人原来可能是工程师。简而言之，他要从头到尾对一个结果负责，而这个结果不只是“上线一个功能”，而是一个业务结果。

其实在 Factory 里，我们现在就已经有这种角色了。有人会负责一项发布的营销文案，也会对产品指标结果负责，也要负责让销售团队知道怎么讲、怎么卖。这早就超出了传统工程师的边界，更像是在对一个业务结果负责——更有创业精神，更强的主观能动性，触角更广。

我觉得未来所有岗位都会往这个方向发展。信不信由你，我有时候也会在不同社交媒体平台上发点内容。我最近就说过：我给所有学生最大的建议就是——不管你做什么，都要做 full stack。你做市场，就别只写文案；你得把文案写出来，准备好发布，在正确的时间发出去，再去放大传播。你必须从头参与到尾，而不是“我只负责 copy，接着交给设计做视觉，再交给社媒团队去发”。

通才时代回来了

主持人：这是不是其实对所有职能都一样？未来我们会要求每个人在自己的职能里都 full stack 化。

Matan Grinberg：通才的时代回来了。小时候我特别痴迷数学和物理，也特别嫉妒几百年前的人，比如达·芬奇、欧拉、牛顿，可以成为通才。原因在于，那时候各个领域都还不算太深。

比如化学还没那么成熟，数学还没那么成熟，物理也还没那么成熟。达·芬奇那个时代更是如此——艺术、工程、雕塑都还处在相对浅层的发展阶段。所以你可以在自己的有生之年里，把多个学科都推进到最前沿。

可到了我成长的 2000 年代、2010 年代，也就是 AI 之前的时代，领域已经深到可怕。以我自己的理论物理和弦理论为例，深到你可能得花 50 年时间，把前人的论文和整个学术体系全补完，才有资格做一点新的贡献。

这件事一直让我非常挫败，非常愤怒，因为太令人沮丧了。而现在有了 AI，情况完全反过来了。这些工具能让你极快地抵达前沿。当然，很多细节你仍然会有不确定性，你的深度也不会和那些深耕多年的人完全一样，但它确实能比过去任何时候都更快地把你送到前沿。

所以现在，如果你是那种擅长在约束条件里思考、擅长系统性思考、能同时在脑中容纳不确定性、也能接受未知的人——也就是说，你知道还有很多未知，但你依然能够在这种情况下把前沿往前推——那你就可以成为一个通才。你可以一边推进 developer marketing 的创新方式，一边推进软件开发 agent 的 token caching 前沿，同时还能成为一个极其优秀的解决方案工程师。

这些事情现在可以同时发生。所以对我来说，这件事始终萦绕脑海。我们在招聘过程中，也会努力找到那些能成为通才的人。这个时代真的回来了。通才回来了。

主持人：很多人都跟我说，未来三到五年里，一个今天还不普遍、但会变得非常常见的岗位，就是“agent operations”。你认同吗？

Matan Grinberg：你先定义一下，什么叫 agent operations？

主持人：就是负责创建 agent、维护 agent 的工作。比如跑到不同业务部门里说：啊，社交媒体团队，我来给你们做一套 agent，帮你们生成、分发、分享内容；啊，市场和设计团队，我给你们做一套 agent，帮你们做视觉、共享、编辑、协作。

Matan Grinberg：我觉得某种程度上，每个人都应该能自己做到这些。但我也能想象一种世界：有些人的工作就是去发现组织里哪些地方还不够高效，类似今天公司的运营角色，只不过现在变成了“agent 化运营”。也就是说，他们用 agent 去提升组织在各个环节的效率。

但总体上，我觉得如果一个职能岗位上的人自己不会主动去做这件事，那恐怕不是个好迹象。

未来回头看会觉得荒谬的事

主持人：你觉得，今天我们做的哪些事，未来回头看会觉得“我的天，当年我们怎么会这么干”？

Matan Grinberg：对工程团队来说，比如写 release notes。这事太疯狂了。以前人们居然真的会花好几个小时去写 release notes，或者写文档。

主持人：可能不是每个人都知道 release notes 是什么。你解释一下？

Matan Grinberg：就是把你过去一个月左右做的改动整理出来，无论是对内还是对外发给用户看，本质上就是变更说明。

还有文档也是。像 Stripe 一直以文档出色著称，他们的文档非常好。很多 API 的文档以前都烂得不行，而 Stripe 几乎是这个领域的标杆。他们在这件事上花了很多时间。

但五年以后，人们会觉得：我的天，我真的无法想象，这些拿那么高薪的人，居然会花那么多时间去干这种事。我觉得这类工作未来肯定不会再由人这样手工去做。

主持人：那如果所有人都被拉平了，Stripe 那种出色文档带来的差异化是不是就弱了？

Matan Grinberg：会。但我觉得 Stripe 还有很多别的地方可以建立差异化。而且我认为，如果整个世界都能拥有和 Stripe 一样好的文档，那会是一个更好的世界。

主持人：完全同意。

代码评审会怎么变？

主持人：接下来几年，产品评审，特别是代码评审流程，会怎么变化？

Matan Grinberg：我觉得 agent-native 的软件开发很有意思的一点就在这里。代码评审一直是个大问题。因为第一阶段的 AI 编程工具上线之后，大家的反应是：“我的天，我们能生成这么多代码，太夸张了，我一下子搞出一大堆东西。”

接着第二阶段就是：某个倒霉的资深工程师得去审核成百上千个垃圾 PR，这些 PR 根本不符合你的标准，格式一塌糊涂，什么乱七八糟的都有。

但如果你拥有一个真正端到端的软件工厂，这时候你就会非常清楚：为什么要投入资源，让 agent 产出的内容更接近可上线状态，这件事的 ROI 会变得极其明确。

比如说，让你的 agent 能访问最新文档；让 agent 能拉起远程机器，这样它不只是生成代码，还能真的把代码跑起来，看结果是什么，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。

这些原本就是 developer experience 做得最好的组织非常愿意投入资源的东西。只是过去他们做这些，是因为能让工程师工作更轻松、上手更快。

但以前你把 devex 做好，它的收益和工程师人数基本是一比一相关。而在 agent 时代，这个收益会被放大 10 倍、100 倍，取决于你用了多少 agent。因为你的 devex 越好，agent 就越能遵循你的标准；它越遵循标准，那个倒霉的 staff engineer 就越不用花时间逐个审那些 PR；而你的整个软件开发吞吐量，也就越快。

当 agent 成为买方

主持人：如果未来 agent 是买方，你是在卖给 agent，这个世界会怎么变？优秀 API 的价值会不会更高？

Matan Grinberg：我觉得会，尤其是因为对 agent 友好的东西，往往也正是对人类友好的东西。

当然，理论上未来某一天这件事可能会变。比如如果你真的开始训练模型、训练 agent，让它们彼此之间用最极致高效的方式沟通，那么它们的沟通方式可能就没那么适合人读了。

主持人：但如果你想的是 agent-to-agent，agent-to-agent 根本不在乎 UI、设计，它在乎的是数据结构、潜在集成方式、文档，你懂我的意思吧？

Matan Grinberg：对，所以我觉得，如果你没有非常严谨的标准，整个系统很快就会变得臃肿。但那些最 agent-native 的优秀组织，反而会在规范上投入很多精力。他们会非常明确地规定前端该怎么做，哪些东西必须保留，哪些没必要的东西必须砍掉，强力清理一切多余的部分，确保代码里不会堆满臃肿的、毫无必要的注释。

当然，也有很多别的方法去处理这个问题，但这其实也是人类工作方式开始变化的地方——他们的职责不再只是……

为什么公司叫 Factory

Matan Grinberg：我们的名字叫 Factory，这本身就说明了一部分理念。之所以叫 Factory，是因为未来的软件开发组织，不会再是“工程师亲手去造软件”，而会变成“工程师去造那些负责生产软件的工厂”。

每次我说这句话，脑子里都会浮现 Tesla 工厂的画面。不知道你有没有看过特斯拉工厂内部的视频：一排排机械臂在来回运作，装配线不断往前推。生产线上可能没有那么多人类工人，但你很清楚，是人类设计了这一整套流程，目的是优化吞吐量，最终生产出更多特斯拉。

软件开发的新世界也是类似的。人类工程师不会再像以前那样深入参与“实际代码”的书写，而会更多地投入到：怎样确保这个系统不会制造出一堆臃肿垃圾；怎样避免它只是技术上把任务做完、测试也过了，但同时却在疯狂制造技术债。

所以他们更像是在给这个“生产软件的工厂”搭脚手架。

主持人：当我们从“在工厂里工作”变成“维护工厂本身”时，你会担心劳动力被替代吗？

Matan Grinberg：短期会，长期不会。

短期会，是因为这对整个系统来说就是一次冲击。我们看到很多公司在大规模裁员，而且裁得很凶，成千上万、上万的人突然失去工作，这件事确实让我担心。

但长期来看，我其实一点都不担心。因为现实是：这个世界上有海量的问题，多到荒谬的程度。而其中很大一部分问题，都可以通过软件来解决，或者至少得到改善。可这些本来可以用软件解决的问题里，今天真正已经在用软件解决的，只占极小一部分。

所以如果未来就业市场里会涌入大量工程师，那意味着我们终于可以把这些人才重新分配到整个更广阔的经济体系里，去解决更多真实世界的问题。如果有更多工程师去解决更多现实问题，我觉得这整体上是一件好事。

主持人：那你能不能举个例子：今天还没有被软件真正解决，但会因为这波新技术而被推动解决的问题？因为大家老说什么气候变化，我心想，行啊，可我真没见到多少人认真在做 climate tech。

Matan Grinberg：对，也许部分原因就是，过去像 Google 这样的公司把大量优秀工程师都吸走了。所以，把顶级工程人才重新分配到更多问题上，本身就是件好事。

当然，经济体系也必须跟上，并且给予正确激励，这需要一点时间，这就是中间的过渡期。

但像很多健康问题、大量制药研究，其实都可以因为更好的工程能力而取得重大进展。而且说实话，一些人谈论“暂停 AI 开发”这件事，真的让我很生气。他们会说：“AI 很危险，会伤害社会。” 我经常举的一个例子是痴呆症，因为每个人都明白那意味着什么。

痴呆症这种事，就是可以通过更好的 AI 和更好的软件来解决的。只是时间问题。我们会解决它，也有能力解决它。那如果你说你想放慢 AI，你实际上是在对那些和患有痴呆症亲人共同生活的人说：“不不不，对不起，你们还得多承受一段时间。因为我们害怕，我们对 AI 没把握。”

我觉得这种说法很有害，也很自私。对我来说，这根本说不通。完全说不通。

政府干预与激励机制

主持人：那你赞成政府干预吗？

Matan Grinberg：具体指哪一种干预？

主持人：在自由市场里，当我们谈资源配置时，有些时候从人类道德或社会整体角度看，市场给出的结果并不是最优的。比如让 Anthropic 的工程师去优化 Claude Code，而不是去优化医疗系统或其他更关键、更具公共价值的系统。政府可以通过补贴、经济激励等方式介入。你支持吗？还是更相信亚当·斯密那只“看不见的手”？

Matan Grinberg：我觉得在某些情况下，政府介入当然是有用的。毕竟应该没人会说政府永远不该干预经济，因为有些事情，特别是涉及军事用途、安全问题、武器之类的领域，你显然需要政府参与。

有些激励措施也确实可能有帮助。因为社会中有些问题，资本主义本身未必能立刻给出足够明确的反馈回路，这时候你可能想稍微增强一下激励，来促成你想看到的结果。

但总体上我还是比较谨慎。我觉得你必须有非常充分的理由，才能说明为什么政府必须介入。就连气候变化也是一样。这个议题对很多人来说都非常敏感，也非常重要。你也可以反过来说：AI 发展越快，我们越早解决气候变化，因为 AI 能帮助我们解决很多问题。

可如果你想让 AI 发展更快，你可能就得先消耗化石燃料，排放二氧化碳。所以这里的问题就变成：短期内它也许会更糟一点，但它有可能让我们在更短时间内就把问题解决，而不是拖上 50 年、100 年。

所以在某些情况下，自由市场会自然地给出正确激励；在另一些情况下，它不会。但我觉得，你必须非常、非常谨慎地判断，到底哪些场景下政府真的应该站出来说：“这里我们要介入。”

我们是否正身处 AI 泡沫中？

主持人：你觉得现在 AI 基础设施是不是处于泡沫期？

Matan Grinberg：短期可能会有一些波动，但从长期看，绝对不是。甚至差得很远。

我觉得确实可能会出现一些像 Uber 那样的短期修正：哦，我们之前有点失控了，资源分配不合理，那就先压一压消费。但从净趋势上看，绝对不是泡沫。

主持人：你觉得今天最大的瓶颈是什么？而这个瓶颈在几年内会被彻底解决。

Matan Grinberg：我和很多组织合作下来，最大的瓶颈其实一直都是人这一侧。说白了，就是行为改变。

主持人：尤其是如果你卖的是大型企业，那就更涉及 change management，对吧？

Matan Grinberg：对。甚至哪怕只是在个人层面也是一样。比如一个做了 30 年工程师的人，要改变自己的工作模式是很难的。你会在一定程度上固着在原来的习惯里。

但这里也有一个有趣之处：有些从业很久的工程师，或者工程经理，可能会更抗拒使用这些工具，可有时候他们反而用得更好，因为他们知道怎么委派任务。他们知道怎么带那些初级工程师——你跟一个初级工程师把话说错了，他就会跑进洞里七天，最后带着一个完全没用的东西回来。

而另一端则是那些职业生涯更早期的人。他们没有那么强的既有工作流，所以更愿意尝试新方式，但他们不太会管理人，也不太会委派。所以这里面其实有一种很有意思的平衡。

向大型企业销售学到的事

主持人：你现在卖给的客户，在很多情况下都是全球最大的企业之一。那关于向超大型企业销售这件事，你现在知道的、但两年前最想告诉年轻版自己的是什么？

Matan Grinberg：首先，这其实是我人生中的第一份工作。我知道这听起来总是很好笑。因为在这之前，我是理论物理学家。我真的从来没有打过工，连咖啡店都没有。真的从来没拿工资做过任何事，除了物理，就是 Factory。这本身就是另一段故事了。

主持人：但我要说，最让我震撼的一件事——对做销售的人、对 Chad 和 Chris 这类人来说，这可能再 obvious 不过——可对我而言，那种非常具体、近乎改变认知的体验是：如果你想把东西卖给别人，线下面对面见他们，差别真的非常大。

但同时，你又绝对不应该“试图去卖东西”。你真正该做的是理解他们的问题，然后看看你手里的解决方案，是否真的能帮助他们解决那个问题。

这是另一层很大的转变。尤其是面对工程师，如果你一上来就是“我要卖东西给你”，那别浪费时间了。可如果你是带着真正的好奇心去理解他们的问题，事情就完全不同。而且这其实并不难，因为这些组织构建软件的方式差异真的非常大。我很喜欢去看这些银行、咨询公司、制药公司，他们居然能用如此不同的方式做软件开发，这件事本身就很迷人。

而跟他们面对面交流，是理解这一切最好的方式。人们很喜欢谈自己的问题，也很喜欢讲他们每天要面对的各种官僚主义噩梦。

等你理解了这些，你才能真正判断：我们的软件是不是适合他们？能不能真正解决他们的问题？

而且一年之后再见到他们，能说一句“我还记得你当时在为那个破事头疼，现在你已经不用了”，那种让别人生活变得更好的感觉，真的非常有成就感。

从弦理论到 Factory：故事是怎么开始的

主持人：说到面对面和销售流程，你们很早就拿到了 Sequoia。Sequoia 显然是业内最顶尖、最有代表性的投资机构之一。你能讲讲，你一个从没上过班、人生里只靠做物理拿过钱的人，到底是怎么拿到 Sequoia 的？

Matan Grinberg：我大概从 12 岁开始就对物理着了魔。因为我小时候是个差生。有一次我的几何老师告诉我，我高中得重修几何。虽然我平时在学校从来不怎么努力，但我一直觉得自己数学很好。她那么一说，我直接炸了：“你开什么玩笑？她居然觉得我要重修几何？我非得证明给她看不可。”

于是我人生第一次在 Amazon 下单，买了一堆教材：代数 2、三角函数、预备微积分、微积分 1、2、3，微分方程，可能还有一本线性代数。

我买回来之后，在初中到高中的那个暑假里，把这些书全学了一遍，题也几乎都做完了。上高中后，我又参加了各种考试，把这些课全都考掉了。

后来我问我爸，最难的数学是什么。他说是弦理论——虽然严格来说那是物理，不是数学。但我当时就想，好，那我要成为弦理论学家。

接下来差不多 12 年，我脑子里只有这件事。数学和物理，除此之外什么都没有。后来我去了普林斯顿，因为那里有一位很厉害的物理教授，我想跟着他做研究。他叫 Juan Maldacena，非常有名。我甚至成了第一个跟他合作并和他一起发表论文的本科生。

后来我又去了伯克利读 PhD，跟另一位很棒的导师做研究。直到在伯克利，我才突然有一种一切崩塌的感觉：我靠，我过去做这些事，难道只是因为它够难，因为有人说我做不到？那我剩下的人生到底要干嘛？这也太离谱了。

主持人：当然会有这种崩塌时刻。但问题是，怎么花了他妈这么久？12 年。12 年啊。你这反应也太慢了。

Matan Grinberg：我有隧道视野。一旦我对一个问题着迷，它就会占据我全部脑子。

主持人：我当年法学院读了两周就意识到了，很快。

Matan Grinberg：有的人就是快一点，我没那么快。

老实说，其中一个原因是，在伯克利当研究生你得带课。我当时在教一些大概 18 岁的学生，而他们根本不在乎物理。我那时心里就在想：我的天，难道我这辈子以后就要这样过？坐在那里讲课、带这些班？我在 Rate My Professor 上大概只有 1 分满分 5 分，我烂到不行。

主持人：对，这显然不适合你。

Matan Grinberg：于是就出现了一场存在主义危机：那我到底该干嘛？后来我意识到，选择大概只有几个：做量化金融，这是很多数学和物理背景的人会走的路；去大科技公司；或者创业。

我确实去面了量化金融，像所有优秀物理学家一样。差点就接了 offer，差点就去纽约干这个了。但最后关头，我和一个导师聊了聊。他说，你知道吗，留在伯克利吧，别去。数学你永远都会，你随时都可以再去做量化。留在伯克利，去探索一下，学点新东西。

我就想，好吧，也行。后来我在伯克利上了第一批 CS 课程。其实我以前为了做物理模拟已经会写点代码，但从来没在正规的课堂里系统学过。而我这个人又特别好胜。我发现自己在这些 CS 课上，成绩居然比一些正经 CS 学生还好，这让我非常爽。我就想，行，那我多上几门。

直到后来我上了一门当时叫 program synthesis 的研讨课——现在我们叫它 code generation——这东西一下子就把我彻底勾住了。因为这里不是在做视频、音频、图像的机器学习，而是在做“代码以明确目的去生成代码本身”。

这件事对我来说有一种极其根本的吸引力。因为在物理和数学里待了十年以后，你会发现，物理学家和数学家从来不会对 n=3 或 n=4 这种特例特别感兴趣。他们总是在问：n 维的一般解是什么？最本质、最普适的解是什么？

而“代码生成自身”这个想法，就有一种同样根本的味道，一下子把我彻底迷住了。于是我继续留在伯克利，接下来一年基本都在做这个方向。我的导师人很好，非常佛，也就放任我去修各种 AI 课程。

再后来我意识到，真正要解决这个问题，不是在学术界，而是在工业界。而如果要在工业界真正把它做出来，你就得创办一家公司。

可我对创业一无所知。因为说到底，我过去脑子里只有数学和物理，别的一概不懂。

于是，一个想学怎么创业的人会干什么？他会去 Amazon 下单 Peter Thiel 的《Zero to One》，然后上 YouTube 搜“如何创办一家公司”。

于是我就这么干了。读了《Zero to One》——那本书真的很棒，我知道这很 cliché，但对一个原本完全不了解这些的人来说，它实在写得太凝练、太漂亮了。尽管我从小在湾区长大，但神奇的是，我之前真的完全不关心这套世界。读完它以后，很多事情一下子清晰起来。

然后我又开始看各种视频，很多是 Y Combinator 的视频之类。后来我看到一个节目，应该是斯坦福某个 VC 社团的播客，里面有个人的名字我很熟，因为我当年在普林斯顿和 Juan Maldacena 写论文时，引用过他的一篇论文。

他原来也是理论物理学家。我心想，我记得这个名字。结果这个人居然在播客里聊自己怎么卖掉一家公司、卖了十亿美元，现在又在一个叫 Sequoia 的地方做投资。而且更夸张的是，视频里的他看起来竟然还挺正常、挺会社交的。你如果接触过理论物理学家就会知道——相较之下，他甚至能保持眼神接触，已经算是极其罕见了。

主持人：这个标准也太低了。

Matan Grinberg：至少他在社交场合里能运转。

主持人：对。

Matan Grinberg：所以我就想，这人是谁？我得跟他聊聊。

于是我给他写了一封邮件，大概是：“你好，我是 Matan，我以前也是物理学家，我和 Juan 写过论文。” 我没写全名，因为懂的人自然懂。最后加了一句：“很想听听你的建议。”

他当天就回了，还邀请我去 Sand Hill 见面。本来只是个 30 分钟的会，结果我们一起出去散步，最后走了整整三个小时。

在那次散步里，我发现我们当初迷上物理的原因很像，后来离开物理的原因也很像。最后他基本上对我说：“很高兴认识你，Matan。你绝对应该从 PhD 退学。你要么现在就去 Twitter，因为 Elon 刚接手，那里够 hardcore，对履历很有帮助；要么你就自己创业。”

我当时就说，好，非常感谢你花时间见我，我会回去认真想想。

但与此同时，其实我脑子里已经有了 Factory 的雏形，只是我不想让那次见面变成一个 pitch。

主持人：你不想把这事搞得太交易化。

Matan Grinberg：对，因为那次交流本身太特别了。我们连为什么迷上物理的原因都几乎一样。我不想用一个 pitch 去把这件事弄脏。

主持人：有点像见 LP，最后你都不想开口要支票。

Matan Grinberg：对，完全一样。

更疯狂的是，第二天我去参加旧金山一个 hackathon，结果隔着房间看见一个我认识但不算很熟的人——他也是普林斯顿出来的。我过去跟他聊，发现他也对这个问题很感兴趣。我们后来开玩笑说，那感觉像 intellectual love at first sight。这个人就是我的联合创始人 Eno。

从那天开始，我们几乎每天都在不停地聊。我当时已经做了一个挺烂的 demo，而 Eno 的工程能力比我强一千倍。所以接下来的 72 小时，我们俩把那个 demo 做成了一个更像样的版本。

然后我就给那位投资人打电话，说：“我有个很酷的东西想给你看。” 我们上了个电话，我给他演示完，问他：“你觉得怎么样？” 他说：“还行吧，就那样。”

我当时心里想：你 xx 在逗我吗？这东西会改变世界，你在说什么？

他接着问：“那你愿意全职做这个吗？”

我说：“当然愿意。”

他说：“那就从 PhD 退学，截个图发给我。”

你得知道，我父母是从苏联几乎一无所有移民到美国的。对他们来说，我在读 PhD 这件事，几乎是他们最大的骄傲，是他们最引以为傲的事情。当时一切都在高速往前滚。

一切都太快了。他回了我的邮件，我们聊得很好，第二天我就碰到了联合创始人。我最后想：去他的，就这么干吧。于是我退了学，把截图发给他。他回我说：“好，你明天早上去 Sequoia partnership 开会，准备好做展示。”

主持人：你之前从来没在一家风投合伙人面前做过展示吧。

Matan Grinberg：从来没有。

主持人：那后来发生了什么？

Matan Grinberg：我做了一个很烂的 deck。我们去了 Sequoia 总部，草草拼了几页 slides。别忘了，我当时甚至根本不知道他们到底是谁。对我来说就是：“哦，好吧，一群陌生人，那我去聊聊看。”

我真希望那场会被录下来了。因为我敢肯定，我当时表现得一定特别傲慢。

主持人：那会开得怎么样？

Matan Grinberg：我自己感觉还行。他们问了一些问题。回头看，我当时显然什么创业、VC 都不懂，所以像 Alfred、Pat、Roelof 这些人坐在那里提问时，我可能会一脸轻描淡写地说：“哦，这个很好解决啊，我们就这样那样做就行。”

要知道，那是 2023 年 4 月。比起现在，那会儿还远没人认真讨论 agents，甚至连 Copilot 都没真正普及。可我们当时谈的已经是完全自主的软件开发 agent。

整个过程有点模糊。然后第二天，Shaun 给我打电话，说：“我们想给你开一张支票。”

主持人：多大？

Matan Grinberg：100 万美元。

主持人：100 万美元。而且你知道他后来怎么损我吗？条件是什么？5 post。5 post。

说真的，我不是想冒犯，但他们为什么还要走 partnership meeting 这种流程？说句不好听的，这金额对他们来说跟喝杯咖啡差不多。你想想他们管的是那么多基金——

Matan Grinberg：那是另一个时代。2023 年初真的是另一个时代。

主持人：20% post。给听众解释一下，按你们后来的上一轮融资来算，那相当于一笔大概 3 亿美元的持仓，而且还没算稀释。

Matan Grinberg：当时很多人都跟我说：“你应该拿着 Sequoia 的 term 去外面转一圈，你可以拿到更好的条件。”

但对我来说，当你和某个人建立了那种连接，事情就不只是价格了。当然，你肯定希望为公司争取最好的条件，可问题是：除了他，没有别人会相信我，没有别人会真正理解我。毕竟我当时 literally 连一份工作都没做过。现在回头看，很明显，没有其他合伙人会干这种事。

而且对我来说，信任、忠诚、相信，这些东西比估值、价格标签之类的重要太多了。

我想确保，站在我这一边的人，是真正能陪我一起去打造一家传奇公司的。因为这不只是未来十年，这是一生的事业。

主持人：那你会建议创始人为了 Sequoia 接受一些折价吗？

Matan Grinberg：通常来说，会。尤其是如果你和那位 partner 之间有某种特别的连接，或者有某个非常明确的理由说明为什么非他们不可。毕竟他们确实是最好的机构。

但我觉得更重要的是：你得找那些在困难的时候、在事情还一点都不明显的时候，依然站在你身边的人。因为当你是热门公司、在融资热门轮时，所有人都会像你最好的朋友一样。这本来就是他们的工作，他们非常擅长让你觉得自己很特别。

主持人：这点我太有共鸣了。有人曾经提醒我：“顺便说一句，某某投资人特别会让你感觉良好。” 我当时还想，没事，我能 handle。

结果我离开会面时，心里想的是：“我他妈太牛了，这就是我的命运，我一定会打造一家传奇公司。”

然后过了 30 分钟，药效退了，我突然反应过来：“我靠，他得手了。他真把我拿捏了。他真的做到了，让我觉得自己如此特别。”

很多投资人在公司很热的时候都会这么做，而且他们确实很擅长，这也是他们之所以成为好投资人的原因之一。

Matan Grinberg：所以对我来说，随着我们不断搭建董事会，最重要的一点就是：我要的是那些在事情还不明显的时候，也有深度信念的人。这才是真正重要的。因为公司火的时候，所有人都会兴奋。真正有意义的是，当它不火的时候，因为那种艰难时刻一定会来。

主持人：那他们在那种时候会怎么表现？

Ivanka Trump 作为投资人真的有价值吗？

主持人：你们是怎么让 Ivanka Trump 成为支持者的？

Matan Grinberg：这得从 Francesca 说起。她是我在 Factory 做过的最成功的招聘之一。

我和 Francesca 最初是在一个很随机的 conference 上认识的。当时我被安排坐在她和 Alex Pall 中间。Alex Pall 就是 Chainsmokers 的一半。大家知道他们是 Chainsmokers，但他们其实也是非常厉害的投资人。真的非常厉害，这点有时会让人意外。

我们聊得很投机。更巧的是，Francesca 和我居然还在同一个 hometown 长大，这又是另一层诡异的巧合。

在她们想投我们、做尽调的整个过程中，我一下子就能看出来她是个狠角色。她们想拿一部分 allocation，我说：“不不不，抱歉，只能给到这个量。”

结果她他妈非常执着。她跑到我们办公室来，说：“我们得拿到这个额度。怎么做到？如果我去做这些这些这些事，我能给你们带来的业务价值，会远远大于你把那部分 allocation 给别人的价值。”

她几乎是一直在追着谈。我后来半开玩笑地跟她说：“Francesca，如果你这么想多持有一点 Factory，你干脆加入我们好了。” 本来真的是玩笑，我的意思只是：“再多给不了，你要是真想要更多，只能自己来公司了。”

但说着说着，我们俩都突然觉得，等等，这好像还真挺合理。于是我们深入聊了下去，最后发现，这个匹配度简直强得离谱。于是我们就把 Francesca 拉进来了。

Alex 当时肯定会有点复杂，毕竟她太出色了，而且他们关系很近。不过后来他也很高兴，因为 Francesca 确实帮助我们给他们带来了很多回报。我们也是他们的大粉丝，到现在关系依然非常深。

她跟他们那家机构 Affinity 在她做投资时就已经关系很近。后来我们被介绍认识，聊得很好，于是连接就这么建立起来了。

主持人：那 Ivanka Trump 真的提供价值吗？很多人看到她会直接下判断：“哦，就是品牌效应，一个名字而已。” 我这么说没有任何冒犯的意思，但大家确实常常会这么看待那些知名、带点明星光环的人。那她真的有实际价值吗？

Matan Grinberg：有，绝对有。首先，她是我见过最善良、也最聪明的人之一。你知道，有些名人你见到真人之后会失望，或者会觉得“哦，原来和我想的不一样”。但她不是。她真的非常善良，非常聪明，而且整个科技圈、甚至更广范围里，很多人都真心喜欢她，这也是有原因的。

她的人脉网络非常强，而且她对自己的时间极其慷慨。她会帮我们做很多那种真正脏活累活式的投资人支持，而有些名声更大的职业投资人反而不会做这些。

所以无论是她本人，还是她所在的机构，都是靠真正的投入，赢得了 cap table 上那个位置。

主持人：这真的很高兴听到。我一直很讨厌那句“别见你的英雄，他们总会让你失望”。我觉得这完全是扯淡。

我记得第一次见 Doug Leone——他也是我的偶像之一——结果非但没失望，反而觉得：天啊，我当年应该更把他当偶像才对，因为他真人比我想象中还牛。

所以我很同意你这个说法，挺有意思的。

编程市场会如何成熟？

主持人：我现在一直在想一个市场结构问题，特别想听听你的判断。比如你看 Cognition、Claude Code、Codex、Cursor 现在又加上 Grok——这个市场最终会怎么演化、怎么成熟？它会像 AWS 和 GCP 那样吗？还是像 Uber 和 Lyft 那样？这个市场成熟后的样子会是什么？

Matan Grinberg：我觉得，要想让消费者拿到最好的结果，必要条件就是：模型和应用必须分离。

作为消费者，你其实不希望自己使用的应用，是由给你提供模型的那家公司同时提供的，因为它们的激励是不一致的。

主持人：我们稍微乐观一点。激励为什么不一致？

Matan Grinberg：很简单。拿 coding 举例。如果我是一个模型提供商，我同时又在给大型企业卖编程工具，那我当然希望你尽可能多地用 token。因为我做的是 API 生意，你用的 token 越多，我赚的钱越多。我当然也会想给你做出好的产品体验，但我没有特别强的动力去帮你提高 token 使用效率。

可如果世界是另一种结构：模型提供商在一边，应用层在另一边，而应用层能让企业在不同模型提供商之间灵活选择。那对模型提供商来说，你就必须他妈要么最好、要么最便宜、要么最快，否则你根本拿不到 token 流量。

这种结构会给模型公司施加最好的激励。我们这种中立的中介就夹在中间。最终，大企业能拿到最好的价格，也能按场景灵活切换：这个模型更适合某种语言，那个模型更适合另一种语言，全部都可以按需调整。

反过来，如果你被单一厂商锁死，最后就会出现懒惰、迭代变慢，而作为消费者，你会得到更差的体验。

主持人：好，所以模型和应用绑死，对消费者没好处。

但问题是，现实里 Codex 和 Claude Code 的确正在吃掉很大一块市场。那三年之后，这个市场成熟时会是什么样？

Matan Grinberg：我觉得这会和云计算不一样。云计算时代，很多人都吃过亏。云厂商会跑来跟你说：“来吧，签个三年合同，我们给你大折扣，什么都帮你搞定，会很棒的。” 于是企业就签了。

然后呢？他们开始涨价。因为一旦你已经在一朵云上完成标准化，要切换到别家可能要花两年。那对不起，你被锁住了，我们现在就可以收更高的价。

大家都被这件事伤过。所以现在我接触的每个 CIO，都非常清楚一件事：我们不能把命运押在一个模型提供商身上，我们必须保持 agnostic。

你当然也可以用一种原始的方式保持 agnostic，比如说：“好，每个工程师同时给你们发 Claude Code、Codex、Gemini CLI，再加上其他一堆工具。” 但问题是，这样等于在逼你的工程师同时用十种不同工具。

另一种方式就是像 Factory 这样：你只需要一个工具，然后我们在每个任务层面上像拍卖一样决定，这一次要走哪个模型提供商？是要走开源模型，还是前沿模型？到底选哪一个？

主持人：那你怎么解释另一个悖论：一边说要更讲究成本效率，另一边却像 Replit 那样把同一个 prompt 同时喂给三个模型？

Matan Grinberg：我不是想贬低 Replit，他们当然是在做一个好产品。但说实话，我在企业环境里还没怎么见到这种用法。

我能理解在消费级场景下，大家没那么在意成本、也没到超大规模的时候，会觉得很有趣：我想看看 Gemini 会怎么做、OpenAI 会怎么做、Anthropic 会怎么做。

当然，某些企业如果处理的是特别敏感、特别高安全级别的事情，也可能会这么做。但如果只是一个非技术背景的人在搭一个内部 dashboard，你大概率没必要同时动用十个模型给你生成十个版本。

主持人：这个我完全懂。那再说回市场成熟这件事，Lovable 和 Replit 那个市场最后会怎样？昨晚我们看到 OpenAI 又推出了一个竞争性产品。我真的不太看得明白。你能帮我解释吗？

Matan Grinberg：这点对我来说也没那么明显。部分原因是，我身边真正很常用这些工具的人并不多。要么是我认识的大多数人根本不用 AI 工具，要么他们本身就比较技术化，然后直接用 Factory。

而且说真的，我不可能认识那些不用 Factory 的朋友。那算什么朋友。我们根本不会成为朋友。

所以我还得再多理解一下那一类用户。我的感觉是，他们大概率还在很早期阶段，也因此还有很强的灵活性，可以继续摸索自己到底要占据什么精准位置。但就目前看，我还不是特别看得清他们的焦点是什么。因为据我了解，其中有些公司也开始往 enterprise 稍微 pivot。

主持人：我觉得从企业角度说，他们的 pivot 更像是：不再面向开发者，而是面向企业里的非开发职能。比如说，像 Lovable 这样的公司，会去卖给销售团队、市场团队、客服团队，让他们在没有开发经验的前提下，也能做出非常棒的材料。

Matan Grinberg：如果是那样，那这个 niche 我觉得就更说得通一点。可如果他们试图进入的是“让非技术人员为了代码本身去写代码”这个 niche，我觉得那就不明智了。因为一旦涉及企业级控制，谁能访问什么数据库、什么代码，最终一定还是工程师在管。那块地盘会是 Factory 去做。

但如果场景是，比如某个销售想快速搭一个定制 demo app，或者一个定制网站，那我能理解，这在一些情况下确实是有价值的。

即将到来的安全危险区

主持人：我们是不是正在进入一个安全上的危险区？净新增代码量巨大，但这些代码可能没以前那么安全，而我们已经开始看到越来越糟糕的黑客攻击、安全泄露，而且这可能只是开始。

Matan Grinberg：是的。会非常疯狂。

主持人：你说“会非常疯狂”，具体是什么意思？

Matan Grinberg：代码生成的规模正在指数级增长，但安全投入并没有同步指数级增长，所以中间一定会有滞后。

未来几年里，我觉得大概率会发生一些非常重大的事故。而且说实话，就算已经发生了，通常也没人愿意承认其中到底有没有 AI 的参与。

更何况，我们甚至还没真正见到最具对抗性的行为。我觉得这些工具完全可以被恶意利用，变得非常具有攻击性。

所以我认为，随着风险越来越高，安全的重要性只会越来越大。安全这一块市场会非常关键。

美国创业公司该不该用中国模型？

主持人：你觉得美国创业公司应该被允许这么大规模地使用中国的开源模型吗？

Matan Grinberg：应该。使用开源模型本身没问题。

这里大概有两个层面的担忧。第一层是：如果你把数据发到国外，发到另一个国家，那确实是一个问题。我能理解那种“我们不想把数据发去中国”的担心。更广义地说，其实不管发到哪里，你都应该尽量把数据掌握在自己手里，或者至少掌握在本国体系内。

但另一层担忧是：就算模型本身部署在美国，模型本体会不会有问题？

我来解释一下这类担忧。有人担心的是，像谍战片里那种“触发词”机制：你说出某个暗号，某个人就突然切换成机器模式，开始做对抗性行为。人们担心，某些模型是不是暗地里也带着这种东西——你说了某个 trigger word，它就会突然开始把数据往外送，或者故意破坏你正在做的事情。

可如果任何一个国家真的想这么干，它一定会尽量把这种东西加在越后面的模型里越好。因为如果它在早期模型里就被人发现，那别人以后根本不会再用它的模型了。

我不觉得这是一个特别大的现实担忧。更何况，如果你在企业环境里部署得足够正确——注意，我说的是企业，不是普通消费者——那么不管是数据外流还是某些对抗性行为，通常你都是有防范手段的。

不过从一个……你知道的，我还是挺爱国——从这个角度来说，我确实觉得，美国居然没有真正意义上的前沿开源模型，这件事挺丢人的。所以我当然也希望我们能重新夺回这个位置上的优势。

欧洲、前沿模型与能源

主持人：欧洲在很多方面都明显落后了，尤其是模型研发这一侧。你觉得欧洲是不是已经落后得太多，追不上了？

Matan Grinberg：如果是前沿模型实验室这一块，可能是的。

但在基础设施建设和能源建设上，仍然有非常多事情可以做。不过世界上很多地方面临的共同难题在于：民主国家天然节奏更慢。假设你说“我们必须做这件事”，那你就得争取广泛支持，得去说服各种不同的人，得通过立法。整个过程非常慢。

当然，好处是，这样的体系理论上能给我们更多制衡，不至于一头扎向某个方向太过头。

而在另一些更偏威权的地方，逻辑可能是：“这件事我们要做，那就立刻做，现在就做。” 这样当然能推进得很快。坏处是，一旦方向错了，纠偏能力会更弱。但在 AI 这样的领域里，很多建设方向其实已经很清楚了，比如你得建数据中心，你得有能源。而能源本身也需要大规模基础设施建设，而且建设周期很长。在这类问题上，动作快就是优势。

西方的问题是节奏更慢。所以这确实是我们的一个短板：很多事情推进起来会更慢，尤其是在还要处理大量政治博弈的时候。

数据中心与公众反弹

主持人：你会担心我们现在看到的这种针对数据中心建设的公众反弹吗？我记得好像是说，100 个已经获批的数据中心项目里，有 40 个最后根本建不出来。你觉得未来数据中心会不会被越来越多人视作财富集中和技术霸权的象征？

Matan Grinberg：会。但至少在美国，我觉得州制度的妙处就在于：我们可以做一些不同的实验。比如某个州说，我拒绝所有数据中心。好，那我们就看看结果会怎样。结果很可能就是，那里的工作机会会更少。

而那些愿意建设数据中心的州，会看到人们变得更富裕，会有更多高质量工作，也能享受到下游的各种收益。

从这个角度说，美国很有意思。我们就像有很多小培养皿，可以分别测试不同路径，看看最后各自长成什么样。这是美国制度的独特优势。

至于欧洲，我觉得会更难一些。其实欧洲几年前、甚至几十年前，在核能这件事上本来是有不错站位的，只是后来没有持续兑现。如果欧洲当初在核能上走得更坚定一点，那么在 AI 所需能源这件事上，它会有一个很强的反弹机会。

主持人：完全同意。我把锅甩给德国人。

这下我们的德国听众全跑光了。

快问快答

主持人：哥们，我们来个快问快答吧。我说一句简短的话，你给我第一反应。

Nebius 和 CoreWeave，五年后谁的市值更大？为什么？

Matan Grinberg：作为一个强烈带有应用层偏见的人，我的答案是：我其实不在乎，随便谁都行。因为我真正希望看到的是，我们的用户甚至都不知道底层跑的是谁。

但如果从你的角度看，我会希望 CoreWeave 更大。

主持人：为什么？因为 Nebius 更有野心，想做成 full stack，而那会侵蚀你的一部分空间；CoreWeave 相对不会？

Matan Grinberg：野心？什么叫野心？我不觉得他们那样做是有意义的——

主持人：好吧。

Matan Grinberg：企业必须想清楚自己的核心能力是什么。如果有人总想往核心能力之外扩张——Kirkland & Ellis 也好，祝你好运——那不是你的核心能力。我不觉得这合理。

主持人：行，我懂你意思了。虽然我觉得那个场景里至少还更接近一点，但明白。

那像 Nebius、Mercor 这种客户集中度高到 90% 收入都来自少数客户的企业，会越来越多吗？

Matan Grinberg：会。大概率会。

主持人：这是好事还是坏事？

Matan Grinberg：如果你是这类公司的投资人，那肯定偏坏，因为风险更高。但我觉得它是可以达到某种稳定状态的。只是你永远会感觉头上悬着一把达摩克利斯之剑，一旦那几个客户发生点什么，风险就会非常大。总之就是，风险很高。

主持人：“达摩克利斯之剑”——这还是节目里第一次听到。

那你告诉我，今天如果没有 FTE 模式，你还能卖进企业吗？

Matan Grinberg：能。前提是你有一个好产品。

这个 FTE 话题真的让我很震惊。我们在做 FTE 的时候，我对它的理解一直是：它的作用应该是加速。也就是说，如果某个客户在没有额外帮助的情况下，六个月能扩到 100 万，那我愿意给他配 FTE，只要这些 FTE 能把时间缩短到三个月。很好，他们起到了加速作用。

可如果我派 FTE 进去，本质上是在卖服务，那我又不是 Accenture。我不是 Infosys，也不是 Cognizant。我们不是服务公司。

如果我们的产品非得靠 FTE 才能跑起来，那只能说明我们的产品他妈的有问题。FTE 的意义应该是加速、让客户更快消费。如果你必须靠 FTE 才能把单子做成，那对不起，我朋友，你的产品就是烂。

主持人：你怎么看现在那种“grindslop”（内卷）的风气？节目开始前，我们还和 Corgi 的 Nikita 聊了一点，结果网上已经引发了不少讨论。

Matan Grinberg：是啊，不少讨论。

主持人：你又在掀风浪了，一如既往。

Matan Grinberg：哥们，我真的什么都没说。说真的，这感觉就像有人来你家派对，把什么事干得特别好，然后大家就全盯上他了。差不多就是我现在这样。

至于你问我怎么看 grindslop？我觉得我们今天聊的很多事，其实都指向一个共同的风险：过度执着于中间指标。

grindslop 就是中间指标的产物。大家会想，做成事情一般都得花时间，所以我们就盯着“花了多少时间”，而不是盯着“事情到底有没有做对”。

我常用的比喻是：如果你想判断一场篮球比赛谁赢了，却只看谁流汗更多，那不是很荒谬吗？你当然可以汗流浃背，但你先看看记分牌啊。你到底有没有把该做的事做好？

对我们来说，我们要找的是最好的球员。我不在乎你流很多汗还是几乎不流汗，只要你在得分，很好，我们就想让你加入球队。

当然，对大多数人来说，要把事干成，通常还是得出汗。但如果你必须靠强制规定离谱工时、甚至在办公室放一张床，才能把团队逼出结果，那说明你的招聘就做得很差。兄弟，去好好睡一觉吧。你不需要在办公室放床。去附近租个舒服点的公寓，睡满 8 小时。

如果你是公司里关键成员，只睡两个小时也能把工作做好，那只能说明你做的根本不是什么高杠杆工作。

主持人：但你知道吗，我当时真觉得 Eight Sleep 那是一个绝佳的营销机会。我会直接让他们的创始人冲出来拍一波 campaign，说“没事，我们罩你”。

Matan Grinberg：挺有意思的。我们在 30 人规模的时候，搞过一次我们叫 surge 的高强度两周冲刺。那次我给团队里每个人都配了一套 Eight Sleep，完全免费，三千美元一个人，全包。你知道的，典型创业公司式奢侈。

但我的逻辑一直是：我们优化的是输出。我们招进来的那些人，得像海豹突击队、像 NBA 全明星一样。只要能让他们更高效、帮我们完成那些极高野心的目标，那每一分钱都值。

所以如果能做到，我们就去做。至少对我来说，Eight Sleep 确实改善了我的睡眠，那很好，就给大家也配上。他们睡得更好，状态更完整，脑子更清醒。

而且我们做的工程工作，不是那种纯体力式、拼工时的苦活。我们有“机器人”去干那些活。我们做的很多工作，需要非常深度的思考，需要你把大脑的每一滴能力都调动起来。如果你没睡好，你就不可能做出同样质量的判断。

主持人：如果我现在给你无限预算，你会把钱花在哪些你今天还没舍得花的地方？

Matan Grinberg：我觉得未来最优秀的公司，一定会越来越像——随便你说海豹突击队也好、NBA 球队也好——像职业运动队一样管理团队。但不是 Google 当年那种“给你个充气城堡、再来点奇怪福利”的方式，而是像真正的运动员体系那样。表面看上去像是在被宠着，但其实也是一种负担。你的饮食要被监控；比赛结束后你得去做一个小时按摩，确保肌肉恢复；你还要去冰浴，做各种恢复流程。它看起来很光鲜，但有时并不舒服。

我觉得未来公司会越来越愿意在这类事情上花钱，只不过是花在更偏智力工作的版本上。如果我多花一块钱，就能让团队里每个人睡得更好一点、恢复得更好一点、判断更准一点，那大概率就是值得的。

主持人：你真的太美国人了。你知道我喜欢什么吗？我喜欢 limoncello，我喜欢抽烟。我想做的事是，和朋友一起坐在太阳底下，晒着猛烈的维生素 D，感受生活。而你们那边全是极致优化。

你看没看 Steven Bartlett 前几天那个视频？你可能不认识他。他说：“我喝了两——三杯酒，然后毁了我三天的人生。” 因为睡不好，第二天吃得更多，录 podcast 状态更差，也没去健身，结果晚上又继续睡不好，三天直接报废。

Matan Grinberg：说实话，我能理解这个。公平地说，Factory 的第一年，我几乎每晚都会喝一杯威士忌。我的逻辑是——你可能也会赞同——如果你想成为一个有韧性的人，就不能搞成那种“一杯酒毁五天”的状态。风吹一下你就垮了，那也太脆了。

所以从某种程度上，我懂你的意思。人还是得保留一点这种生活的弹性。

但我也觉得，也许可以像运动员那样分赛季和休赛季。也就是说，赛季里你就他妈完全锁死，不喝酒，用 Eight Sleep，把一切都优化到位；等休息一周的时候，你就去海边，喝点 mojito 之类的鬼东西，怎么放松都行。

主持人：那休赛季你就直接 Charlie Sheen 化。

Matan Grinberg：只要你事后恢复得回来，那随你。

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，来。IPO 当天，你只能投一家公司。抱歉兄弟，Anthropic 还是 OpenAI？

Matan Grinberg：在我看来，这两家的水平大致相当，说实话投哪家区别不大。真正会影响 EV 的，更多是公司的波动性。除此之外，从业务角度看，我觉得两家都很强，位置也都很好。

主持人：所以你是说，从未来指标来看，Anthropic 也许更稳一点，只是因为 OpenAI 的随机性、混乱和 turbulence 更多一些？

Matan Grinberg：对。但从业务本身的角度，两家都很好。不过如果非让我选，那就 Anthropic。

主持人：好，收到。

主持人：我想问一个问题。Dario 一直说“我们会拿走你们的工作，我们会拿走你们的工作，我们会拿走你们的工作。” 你觉得他是不是在某种程度上伤害了整个生态？

Matan Grinberg：是的。这事真的让我很恼火。

一方面，我刚才可能还说了 Anthropic 的好话；但另一方面，我确实认为，这种说法不仅不真诚，而且是错的。它对很多人的心理都造成了伤害——包括开发者，也包括普通人。

它伤害了 AI，也伤害了整个世界。因为这又把话题带回来了：AI 最终会帮助社会解决哪些问题。可这种叙事只会给“我们应该放慢 AI、停止 AI”的主张添柴加火。

而且老实说，他们这么说，是出于非常自私的原因。因为如果你想融资，想融到前所未有的规模——几千亿美元之类——最好的说法当然就是：“整个资本主义都会消失，最后只会剩下我这一家公司。所以你们最好把钱都给我。”

然后等到 IPO 的时候，当那些原本被你宣称要替代掉的人，突然变成了你希望把钱投进你 IPO 里的潜在投资者时，你的口风又会瞬间变成：“等等等等，不不不，人类还是很重要的。以后还是会有工作的。我们喜欢大家。” 这事真让我火大。

主持人：我完全同意。讽刺的是，那些从来没这么说过的人，往往也是那些从来不缺钱的人。你看 Zuck、Demis，他们在劳动力替代、工作消失这些话题上的姿态，和 Sam、Dario 一直很不一样。

Matan Grinberg：对，真的很有意思。越是需要钱的人，越容易这么说。

说到底挺可悲的。大家嘴上都在高谈 AI、智能、未来，可最后推动结果的，还是激励机制。而这里的激励机制就是：我想融很多钱。

哪家传统公司最拥抱 AI？

主持人：你觉得哪家传统公司是最真正拥抱 AI 的？

Matan Grinberg：老实说，EY。四大会计师事务所之一，也是我们最大的客户之一。

主持人：我知道。这真的——太离谱了。太他妈离谱了。你赢了。

Matan Grinberg：他们真的非常 agent-native，夸张到离谱。他们是我们最大的客户之一，而且他们是从组织上一路往下推。

他们基本就是看到了云时代发生过什么，也知道自己曾经因为动作太慢而吃过亏。所以他们内部有一些非常强的工程领导者，会明确说：这会很吓人，会有人不高兴，也不会是最轻松的一条路，但我们一定要把组织做成 agent-native，哪怕拼到最后一口气。

而且他们其实还挺早。我觉得最有意思的现象之一就是：他们在 agent-native 这件事上，甚至比一些创业公司还更像创业公司。这太疯狂了。

主持人：真是个崭新的世界。一个又新又猛的世界。

主持人：最后一个问题。过去 12 个月里，你改变最大的一个看法是什么？

Matan Grinberg：我改变最大的一个看法是：有那么一小段时间，我以为最后可能只会有一两家公司彻底拉开身位，成为真正的前沿王者。

但现在看起来越来越清楚的是，最后很可能至少会有四家公司，整体水平大致相当。而这对人类来说是好事，是胜利。

真正对人类不利的情况，是只有一家极度强大、遥遥领先。我现在更倾向于认为，最后至少会有四家，甚至还会更多。现在越来越多的迹象都在支持这个判断。

我知道这算是个有点逆风的观点，因为现在很多人还沉浸在对某一两家的迷恋里。

CSDN 6 月宠粉福利

一步获取以下全套技术资源：

1️⃣ 200 小时 GPU 算力： 注册即领，支持 Jupyter Notebook 一键启动

2️⃣ Agent 实战训练营： 奇点智能技术大会专家架构复盘视频

3️⃣ 《Claude Code实战》开发者专属试读版本

4️⃣ 《AI原生软件研发白皮书》：2026最新版效能度量标准