自建 GPU 集群、Speechify 最大的战略失误，与 AI 时代该怎么招人

章节时间轴

• 0:45 为什么要自己买 GPU — 2022 年租卡时工程师因为心疼钱而不敢用，兄弟俩决定「在自己家里装一个篮筐」，从此一路加码自建。
• 3:04 买 vs 租的账 — H100 买断约 3 万美元，租一年要 3.5 万到 5 万；再加上大规模训练必须显存与集群共置，租方案根本跑不动 Speechify 想跑的规模。
• 4:36 折旧与芯片周期 — 训练要最快的卡，推理可以用老卡；GPU 与手机的根本区别是所有卡能同时使用，所以「多买不亏」。
• 9:15 算力配置的百分比模型 — 以 11 月为 100% 基准，10 月 140%、12 月 80%；把 20% 常态用量买断、25% 走长约、剩下用竞价实例。
• 11:33 Nvidia 与黑石们的托底交易 — Nvidia 为 GPU 抵押贷款兜底最高 25% 残值，等于造出流动的二级市场；Cliff 拿 Elon 早年 SolarCity 的光伏贷款类比。
• 12:18 循环交易恐慌成立吗 — 他区分 Oracle–OpenAI 那类「太过头」的结构与 Nvidia 本身：GPU 是有内在价值的真实资产，衡量单位就是每秒多少万亿次浮点运算。
• 13:51 没人告诉你的买卡细节 — Dell 才是机柜供应商、法国交付延期、整车 GPU 价值等于好几套房所以必须买保险、液冷要自己加装 sidecar。
• 16:55 Harry 的反驳 — 只省 1.5 倍却要背上保险、运输、安保、水冷全套麻烦，为什么不专注做产品？
• 22:18 B2C 的成本诅咒与定价战 — Speechify 的 API 每百万字符 10 美元，ElevenLabs 约 100 美元，OpenAI 模型约 196 美元。
• 23:04 生涯最大失误 — 2022 年在伦敦见过 ElevenLabs 创始人却判断 API 会商品化，放弃 B2B；他复盘说错在忘了「第一个产品只是楔子」。
• 25:21 该不该去打 ElevenLabs 和 Sierra — Harry 认为做老三是「Postmates 效应」；Cliff 用 Anthropic 追 OpenAI 的例子反驳，称这是寡头格局不是垄断格局。
• 31:28 AI 时代最难招人吗 — Cliff 反对这个判断：难的是成长期公司在跟发 1500 万美元年包的巨头抢人，种子期反而是史上最好招人的时候。
• 36:50 内部怎么用 agent — AI 研究团队全员编排 agent，平台与各端团队则要靠演示与同侪示范来推动；工具排序是 Claude Code > Cursor > Codex。
• 39:09 Token 怎么分配 — 不搞排行榜，只看演示与生产结果；同时明确反对为小功能烧掉不合理的 token 量。
• 45:22 新的招聘流程 — 功能性面试（现场造东西 + 单元测试）、给大型开源代码库让人理解并改动、必须会编排 agent。
• 46:54 Wispr Flow 与语音输入的商品化 — 他认为该市场同样走向寡头；也承认自己因为「以为 Apple 会做」而错过了语音输入和 Siri 的替代品。
• 55:18 五年后的常态 — 人机交互会以语音为主、屏幕退居次要；他点名 Meta 的方向是对的。
• 56:49 Meta 还是 SpaceX — 他选 Meta：内在价值相对市值被低估，且 Zuck 比 Elon 年轻二十年；但承认 Elon 的 TAM 更大。
• 60:36 用 GPU 救家人 — 连续 15 周采血、测序、蛋白质组与 RNA 分析，配合六年自述数据在 GPU 集群上跑，试图攻克一种孤儿病。

详细内容

一、为什么 Speechify 要自己买几千万美元的 GPU

故事的起点其实很朴素。2022 年 Speechify 需要训练模型，一开始是租 GPU，结果发现工程师会「省着用」——因为心里清楚每跑一次实验都在给公司烧掉几万美元。Cliff 和他兄弟用了一个篮球比喻：如果你是 Michael Jordan，唯一在乎的事就是打进 NBA，但每次练球都要付 20 美元场地费，那太糟了；你想要的是家里就有一个篮筐。于是他们买了第一批自己的卡。

第二层原因是纯粹的算术。他把整条 GPU 谱系摆开：Transformer 2017 年在 Google 诞生，Nvidia 2019 年出 A100，随后是 H100，初代 ChatGPT 就是在 A100 上训的；再往后是 Blackwell 的 B200、B300，现在到了 Rubin——也就是 Elon 要送上太空、必须液冷的那一代。每一代卡在「每万亿次浮点运算」的单价上都更便宜。而买租对比是：一张 H100 买断约 3 万美元；GCP 的竞价实例一小时 5 美元，Azure 或 AWS 约 3.5 美元；乘以 24 小时再乘 365 天，一年租金 3.5 万到 5 万美元。硬件通常保修三年，但过保后 Cliff 估计还能再跑很多年。

第三层是训练本身的物理约束。他说得很直白：「我没法从 Google、Microsoft 甚至 Baseten 那里租到我想要的训练规模，因为我需要一张巨大的内存卡紧挨着所有 GPU，让它们都能访问我的全部数据。」共置（colocation）的显存与集群，是租赁方案给不了的。

第四层是推理侧的成本。跑开源模型做编码任务时，如果调 Anthropic 的 API，你付的是全部 token 加上品牌溢价；换成自己硬件上的开源模型，单 token 成本是「几分之几分之一分钱」。

二、折旧焦虑：Harry 的第一轮质疑

Harry 立刻反问：芯片会折旧，芯片周期在加速，架构在分化，买卡等于把自己锁死在一种架构上。

Cliff 的回应分三层。第一，训练和推理是两件事。训练时「每一分钟拿不到答案，我就在跟所有人竞争中落后」，所以订单级的速度优势极其值钱；但文本转语音、语音转文本这类推理任务，用低一档的卡照样 100 毫秒返回，完全够用。Speechify 至今仍在用 K80 跑一些特定推理。

第二，也是他最强的论点：GPU 不是 iPhone。「你 2011 年买了 iPhone 3G，然后一部部换下去，抽屉里会躺着五部积灰的手机，因为你一次只能用一部。但如果我有 10 万张 GPU，我会同时用掉全部。」多买不会浪费，因为需求永远超出供给——尤其是 Speechify 有 6000 万用户在跑推理，还有 45 名工程师、目标扩到 150 人，其中最强的几个人各自独占 DGX 机柜，而 25% 的团队处于「等算力」状态。他的比喻是：这就像一支橄榄球队，你不是缺人，你是缺训练场。

第三是资本配置视角。多余的现金放银行或买债，长久期最好的债大约 5% 收益；而买 GPU 因为「租一年等于买价的 1.5 倍」，隐含回报远高于此。他甚至提到，如果真有富余产能，还可以租给做训练和推理的朋友。

三、买卡的真实操作细节

这一段是全场信息密度最高的部分之一，也是最不像投资访谈的部分。

供应链上，Nvidia 不会亲自跟一个叫 Cliff 的创始人谈生意。评级最好的供应商之一是 Dell——「所有人都以为 Dell 是个人电脑公司，不是，它现在是 GPU 机柜供应商」。而 Dell 自己也受制于供给，可能货源在法国，于是你从法国下单，然后货晚了一个月。Cliff 讲了一个真实经历：他打电话质问法国那边的对接人「我们有合同，你没按时交付」，接着直接告知对方自己已经找了另一家、准备毁约——除非对方能给更好的价格，「但我现在就要 GPU」。

为什么这么急？因为数据中心机位的租金是按时间付的。GPU 晚到，最贵的成本不是卡本身，而是空转的机位租金。所以他愿意在插队上花钱：每张卡额外 10 万美元换提前四个月。

然后是所有人都不会想到的环节。一辆卡车正载着价值等同于一栋房子的 GPU 横穿美国——万一被撞、湿度过高、机柜翻倒，损失就是好几栋房子，所以保险必须买。数据中心侧，你付的不只是机位、网络和电力（电力是当前最大约束），还有散热：风冷已经不够了，水的热负载更好，还有比水更好的液体；Rubin 是液冷的，但大多数数据中心并没有已审批的液冷设施，所以 Speechify 得研究、采购所谓的液冷 sidecar，再花钱请数据中心的工程师帮忙安装。

Cliff 的总结是：跑一家纯软件公司和跑一家含硬件的公司，是两种不同的生意。

Harry 听完之后反而更笃定自己的判断：「你只省了 1.5 倍，却要承担保险、运输、安保、水冷、物流的全部噩梦——而真正决定胜负的是你的产品，是跟跑得飞快的 ElevenLabs 竞争。」Cliff 的反驳是 ElevenLabs 也在做同样的事，因为高质量训练同样需要共置的大显存集群；而且买卡还能插队——「如果我想要 Rubin，我自己买会比排在 Google 后面拿得更早，我能比所有人早一年用上。」

四、Nvidia 的托底交易与「循环交易」之辩

Cliff 提到一件他认为被低估的事：Nvidia 与 Blackstone、BlackRock、Apollo、Goldman Sachs 做了一笔大交易——如果你借钱给某人买 GPU（不管是 Google 还是一家初创），而对方倒闭、GPU 成了抵押物，Nvidia 承诺以最高 25% 的残值回购。这实际上是在为 GPU 制造一个由 Nvidia 承销的流动二级市场，于是大银行就有动机以更低利率放贷。

他的类比是 Elon 早年的 SolarCity：说服 Morgan Stanley 和 Merrill Lynch 把光伏板的价格摊到 30 年，整个模式的发明点就在于「你可以拿光伏板作抵押去贷款」。

至于市场上关于 Nvidia「循环交易」的担忧，Cliff 的判断是分层的：一年前 Oracle 和 OpenAI 之间那类结构「太过头了，很荒谬」；但 Nvidia 不一样，因为你谈的是真实资产。他用比特币和黄金作对照——比特币的内在价值说不清，黄金至少有医疗和珠宝用途；而 GPU 有确凿的内在价值，「不管它在哪，哪怕在冰岛，对全世界任何人都有用」。他给出的唯一估值锚点是：这台设备每秒能做多少万亿次浮点运算，那就是它的 token 产能，就是它的价值。

五、生涯最大的战略失误：放弃 B2B

Harry 直接把刀递过去：ElevenLabs 反超了你，这是你的责任吗？

Cliff 没有回避：「100% 是我的错，是 Speechify 历史上最大的战略失误。」

细节是这样的。2022 年他住在伦敦，见了 ElevenLabs 的两位创始人。他很欣赏他们，甚至想用他们的模型，但当时太贵。他的判断是：文本转语音的 API 迟早会被商品化——总有一天你能在自己的电脑上跑、然后在手机上跑，那他们还卖什么？所以他决定不进这个生意。

他事后总结，错在忘了一件根本的事：一家 AI 实验室（不管是 Speechify 还是 ElevenLabs）存在的意义是持续创新，而你发布的第一个产品只是楔子，是让别人后来用上你其他技术的入口。 顺着 TTS 这条线，你可以先把单一音色做到世界最好，然后是多音色、情感韵律、声音克隆、语音转文本、能处理笑声与打断和轮次切换的双工模型、语音对话的 harness，再针对销售场景优化、针对客服场景优化。ElevenLabs 正是这么走的：先做出色的 API，擅长发布节奏，再做面向创作者的产品，最后做出他们最好的产品——agents。而 agents 的关键在于买家不再是软件工程师，而是 CTO、CIO、CEO；由此才能接上 Sierra 提出的按结果定价（outcome-based pricing）。

数据侧他也给了 Speechify 的家底：在 App Store 搜 text to speech，Speechify 占 B2C 安装量的 98%；累计为用户朗读超过 7700 亿个词，折算约 6000 年的收听时长。B2C 的诅咒是单价低——ElevenLabs 靠 B2B 反超正是因为这个。Speechify 的成本约束是每百万字符低于 10 美元，而 ElevenLabs 收约 100 美元、OpenAI 模型的基准价约 196 美元；他们刚上线的 Simba 3.2 API 定价就是每百万字符 10 美元。

六、Harry 的反对意见：做老三没有好下场

Harry 的立场很硬：Speechify 转 B2B 是战略错误，因为你要同时对上 ElevenLabs 和 Sierra，而这两家自己也在竞争（尽管双方都不愿承认，且 Sequoia 同时投了两家、假装中立）。他说 ElevenLabs 已经到了不可阻挡的程度——它拿下了西方主要民主国家的政府采购，而这个动作三个月前才开始。「做老三是 Postmates 效应，永远不是好市场。」

Cliff 的回应有三层。第一，他不是从零开始，B2C 的统治地位仍在高速增长，而团队现在人人产出十倍，多出来的 AI 工程能力总得有去处，「那就既做 B2C 也做 B2B」。第二，这不是垄断格局而是寡头格局——Anthropic 曾长期是 OpenAI 之后的老二，现在不是了；他还举了 Facebook 追赶 Friendster 的例子。第三，也是他上一轮学到的教训：「我可以基本上免费把产品给出去，因为我是一家 AI 研究实验室；只要人们开始用我，我就会嵌进系统里，然后不断推出新东西。」

Harry 承认「大家都有空间」，但坚持价值会向第一名集中；他拿推理市场类比，认为 Fireworks 会是几千亿美元的公司，之后是千亿级、再之后是五百亿级的一批。Cliff 的反例是语音 AI 本该属于 OpenAI——三年前所有人都会这么预测，但事实并非如此。Harry 归因于「极其糟糕的管理，这本来是他们的，结果全线掉链子」；Cliff 则更宽容：再优秀的公司也会漏掉细分市场，语音对 OpenAI 只是支线，LLM 才是主线，「顺便说一句，他们也漏掉了 AI 编程，现在才回过头来抢」。

七、AI 时代的招聘：招斜率，不招截距

Harry 抛出一个尖锐问题：现在是不是史上最难招人的时候？因为 OpenAI 和 Anthropic 手里的胡萝卜（尤其是临近 IPO）太诱人，Monzo 的创始人、EF 的创始人 Matt Clifford 这种量级的人都被吸走。

Cliff 明确反对这个概括，并且做了关键切分：

难的是成长期公司，不是种子期公司。 那些巨头挖人的年包起步就是 1500 万美元——没有哪家种子期公司会开这个价，所以那本来就不是你的候选人。相反，对种子期来说这是史上最容易的时候，因为创始人自己编排 agent 就能放大产出。

Harry 反驳说他见过 1500 万美元的包出现在种子公司，Cliff 追问才发现所谓「种子轮」是 1.5 亿到 3 亿美元的融资规模。两人在这里达成了共识：如果一家公司融了 1.5 亿、估值在 5 亿到 20 亿，那它当然该开 1500 万的包；但市场上这样的公司有三十来家，它们只吸走三十来个人，而符合条件的人现在有上千个，所以真正的稀缺是被夸大的。Harry 补充说 CRO 的包他见过 5000 万美元以上。

Cliff 顺势讲了他实际改掉的东西。六个月前，Speechify 还很看重你读过多少软件工程教科书、手写代码有多漂亮。现在他最看重的是技术天赋和原始技术智力——因为「其他一切我们都能教，六个月你就能变成一台机器」。于是他大量招数学奥赛选手、精英竞赛程序员、Kaggle 获奖者、学物理和数学的人，甚至可以没写过代码，只要有饥饿感、职业道德和智力。他引用 Duolingo 的做法：喜欢招应届生然后自己带。他给出的原则是「招斜率而不是截距」——看这个人的潜力，而不是他今天的位置。

至于具体流程，他给出三条：一是功能性面试，让候选人当场造出东西，再用单元测试跑；二是给一个大型代码库（开源仓库也行），让他理解、改动，然后检查他弄坏了什么；三是必须能把 agent 编排好，「做不到基本就不值得招」。他还补了一句管理观：小团队更有意思，因为他自己可以同时开几个 Slack 频道，每个频道对面是比他更专业的领域专家，那个人是这项任务的结果负责人，而他手里有 agent——于是一个创始人能以很细的颗粒度同时推进多个项目。

八、Token 怎么管：不要排行榜，只要生产环境

Harry 问到内部的 token 分配，并直言 token 排行榜是「最扭曲的激励形式」。

Cliff 同意。他说很多人是「说得多」，他一要例子就露馅。他的替代方案是演示：能不能开个 Zoom 让我看看你造了什么，然后我自己用一遍，如果我说「哇这太棒了」，那就算数；或者发一段屏幕录像。

真正的判据只有一个：推到生产环境、用户在用。他连用了三个比喻——你送牛奶，奶瓶做得再漂亮，放在路口就会馊，你必须送到我家门口敲门；你把橄榄球带到线前却没过阵，不算；你把球送到篮筐边却没投进，不算。「进筐的意思是无 bug 推到生产，用户真的在用，然后我们拿到反馈。」他强调 Speechify 之所以能赢，正是因为「我们不在理论空间，我们是应用型 AI 公司」，且以 Speechify 的用户体量做这种迭代循环的公司几乎没有。

他举了当天早上的例子：前一天他跟 AI 工程团队开会，说双工模型和 AI 对话 harness 的项目他很兴奋但想更快，给了 14 条意见；他习惯在 Zoom 上把电脑转过去对着手机，当着团队的面用产品并录下来，让他们看到所有 bug，再把录像发进群。团队里一位 19 岁的工程师当天早上就发来 demo，说自己在等三次训练跑完的空档里把所有问题都实现了。「这就是正确的用法。不是 token 排行榜，而是你在生产环境里拿出了什么。」

对成本，他并不含糊：如果为一个小功能烧掉不合理的 token 量，他会「疯掉」，甚至会让人走人。他的正面案例是 Anthropic 关于长周期任务的论文——一个跑两周的任务烧掉价值 12,500 美元的 token 却换来一个更好的模型，这是完美的用法；反面则是五小时内烧掉同量级的 token 做毫无必要的事。他的方法论是：把目标说清楚，把衡量目标的方式说清楚，然后让它对着目标反复迭代——他引用 Claude Code 的作者 Boris 的说法，「关键全在这个 loop」。

他还讲了一个反面例子：一个没有工程背景的人两小时做出了自己想要的 app，但因为要抓一个网站，agent 把整站每一页都爬了，账单巨大；而正确做法是直奔数据库对应的那个 URL 去抓，需要命中的节点数会从 25000 降到 20。「你要让 agent 走阻力最小的路径，而不是阻力最大的路径。」

九、语音输入的商品化与客服市场之争

Harry 抛出他那条后来删掉的推文：他觉得 Wispr Flow 的产品越做越差，发推只是想找替代品，结果收到 500 个替代方案——「这就是彻底商品化」。

Cliff 的诊断是：Wispr Flow 最初上市用的并不是自己的模型，很可能底下是 Deepgram 一类的东西加一层优化 harness；后来换成自研模型（因为便宜得多），质量因此下滑。他认为它们现在往笔记方向扩展是对的，也做得不错——这正是「复合型创业公司」的例证。

关于品牌，他做了一个有意思的区分：论用户量，纽约街头认识 Speechify 的人远多于 Wispr Flow；但在科技圈，Wispr Flow 的品牌更大，因为它们什么都公开宣布，而 Speechify 刻意不宣布融资、不宣布任何事。代价是 Wispr Flow 引来了大量竞争。他顺带引用 Peter Thiel 的那句「只有输家才竞争」。

他也认了第二个错：自己七年来一直在用自制的语音输入工具（在 iPhone 和电脑上侧载），却因为「以为这是商品化产品、Apple 迟早会做进按钮里」而没有产品化。「但 Apple 一直没做。两年前 Apple 宣布和 ChatGPT 合作改进 Siri，结果什么也没发生。」所以他也一直没去动 Siri。现在他们同时上线了对标 Siri、对标 Wispr Flow、对标 ElevenLabs 的产品，理由还是同一条教训：先免费给出优秀产品当楔子，再不断叠加。

至于客服市场，Harry 认为很难做：前有 Sierra 和 Decagon 拿走大部分融资与注意力，中间有 Intercom、Talkdesk、Crescendo 这类八到十年、已经足够好的公司，上面还有 Salesforce、Atlassian；更糟的是任何成熟买家（Airwallex、Clear 之类技术型公司）都自己造了一套。

Cliff 的澄清是：Speechify 对 B2B 提供的核心产品是 API，不是 agent。他指出 Sierra 没有自己的模型团队，用的是别人的模型，Sierra 的价值在于 go-to-market 和 Brett Taylor；所以 ElevenLabs 那边会说自己跟 Sierra 并不直接竞争，因为他们的主业历来是 API。而在 API 这条赛道上，玩家只有 Speechify、ElevenLabs、Gemini、Grok（SpaceX 也入场了）和 Cartesia，「差不多就这些」，远没有客服 agent 那么拥挤。他能提供的差异化是：质量更好、速度更快、价格便宜十倍。

但他仍然要做 agent，理由回到他的领导观：「你不想当那种坐在后方喊『拿下那个山头』的胖经理，你要当第一个举剑冲上去接敌的战士。」产品上也一样——你必须是自家 B2C 产品的头号用户，必须帮客户把你的产品用得更好；只有派前置部署工程师（forward deployed engineer）跟 B2B 客户一起用你的技术搭 agent，你才能发现山那边真正值钱的下一个创新。他用 ElevenLabs 的政府订单佐证：政府显然不是客服，但如果没有先在私营部门做好客服这类活，根本走不到政府那一步。

十、快问快答：语音界面、Meta vs SpaceX、以及用 GPU 治病

五年后什么今天看来疯狂的事会变得平常？ 他的答案是人机界面会以语音为主、屏幕退居次要。他的论证链是界面简化史：Google 成功是因为界面极简——一个文本框加一个按钮；ChatGPT 相对 GPT-3 成功也是因为界面极简——文本框、按钮、回复。比这更简单的版本就是对话本身：我说一句，我听到一句。他直言现在 ChatGPT 的语音模式「很糟糕：太慢，语音侧的 LLM 比核心 LLM 笨得多，升级到高质量模型的机制也很弱」。他认为 Meta 方向是对的。

Meta 还是 SpaceX？ 他选 Meta。分析过程里他把 SpaceX 和 Tesla 合起来看，因为「我评估的是 Elon 这个人」。他承认 Elon 的 TAM 更大：数据中心当前最大瓶颈是内存卡，很快会变成能源，而能源需要供给和存储，最好的储能来自 Tesla；Tesla 还在自研芯片；Elon 是全世界制造复杂实体产品的第一人（他引用两年前那期 Joe Rogan 访谈：难的不是造出产品，而是造出产品的制造能力）。至于太空数据中心，他的评价很直接——「这是一个非常有意思的点子，而且它非常好地帮我给 Rubin 承销了一个巨大的 TAM，是 Elon 为了向投资人讲故事而变出来的一只好兔子。」

选 Meta 的理由是估值与内在价值的错配。他认为 Meta 拥有全世界最多的数据，只是被 GDPR 一类法律严重束缚——「如果没有 GDPR 和美国的那些法律，Meta 会一路狂飙，他们现在没法好好训练自己的数据。」Meta 的市盈率约 32，而 Tesla 在几百倍量级。他也提到自己是创始人领导型公司的坚定信徒，并给出一个冷静的年龄账：Zuck 比 Elon 年轻二十年。

这里两人有一次直接对撞。Harry 说「如果 Zuck 离场，Meta 股价会涨」，因为每次他在台上喊 capex 都会挨打；Cliff 完全不同意，但也顺着 Harry 的逻辑承认了一个非对称：Palantir 有「Alex Karp 效应」能把市盈率炒上去，Zuck 没有，而 Elon 有——「如果 Elon 被拿掉，那家公司会失去 70% 的价值；如果 Zuck 被拿掉，你肯定不会丢 70%。」

最兴奋的是什么？ 答案出人意料地私人：AI 在药理学和生物学上的应用。他有一位家庭成员患严重的自身免疫性神经炎症，已经六年。他连续 15 周每周取一次血样送实验室，做基因组测序、蛋白质组学（看蛋白在体内如何表达）、以及每周的 RNA 分析，再把这些和每日自述的生活质量与情绪数据对照——他手上有六年的数据，全部放进 GPU 集群跑，「我发现了很多任何医生都不可能告诉我的东西」。

这是一种罕见病，属于「孤儿病」，患者少到没人愿意投入。这个病有一个 Facebook 群。他现在正在买一种约 5000 美元、能装进口袋的设备，投入一根头发、唾液或血液就能测出全基因组；他打算组织这个群里所有病友线下见面，把所有人的基因组测出来，放到一个巨大的 GPU 集群上比对，找出共同的表观遗传线索。「我知道我会解决这个病。」

后续链条他也说清楚了：拿到结论后可以扔进 Isomorphic 的 AlphaFold，不仅能设计出致病的蛋白，还能设计出需要与之结合、把它开启或关闭的分子；可以用 CRISPR 做同样的事；可以让 Twist 这样的实验室合成指定的 RNA 或 DNA 序列寄到实验室或家里。「这一切我都能在自己的电脑上模拟，通过 SSH 连到我在亚利桑那州 Scottsdale 的 GPU 集群，然后我可以治好我弟弟。」

最后他讲了自己的来路：8 岁时读不了书，是父亲翻开书给他念《哈利·波特》，他才学会阅读；13 岁移居美国时不会说英语，把《哈利·波特》有声书连听了 22 遍，至今能背出第一章；没考上兄姐上的私立高中；因为作文拼写错误太多、来不及读完阅读段落而进不了 AP 美国史；准备 SAT 英语时他的办法是不读原文、先看选项再回原文找答案。后来他进了 Brown，因为读不了文学而去开了一个可再生能源工程的专业方向，并造了一个把所有课本念给他听的文本转语音工具——「是技术解决了我的阅读障碍和 ADHD，它也会解决我弟弟的病；它已经解决了我父亲的前列腺癌，因为我在很多人帮助下弄明白了怎么用 GPU 定位他体内病灶的位置。」

金句

输的最好办法就是不参赛。下场。 —— Cliff Weitzman 0:00

你不想当那种坐在后方喊「拿下那个山头」的胖经理，你要当第一个举剑冲上去接敌的战士。 —— Cliff Weitzman 52:16

100% 是我的错。这是 Speechify 历史上最大的战略失误。 —— Cliff Weitzman 23:04

如果你有 10 万张 GPU，你会同时用掉全部。所以多买并没有损失。 —— Cliff Weitzman 6:09

你做了一瓶漂亮的牛奶，却把它放在路边，牛奶会馊。你必须送到我家门口，敲门。 —— Cliff Weitzman 39:55

我今天看的是这个人的潜力，而不是他今天在哪里。 —— Cliff Weitzman 46:54

提到的书·产品·人物

• Speechify（公司/产品）：嘉宾创办的文本转语音公司，App Store 同类 98% 安装量，累计朗读超 7700 亿词，新模型 Simba 3.2 与 API 定价每百万字符 10 美元
• ElevenLabs（公司）：本期核心对照组，靠 B2B API 与 agents 反超 Speechify，近期拿下多国政府采购
• Sierra / Brett Taylor（公司/人物）：按结果定价的 AI agent 公司；Cliff 称「我绝不会去和 Brett Taylor 硬碰」，并提到他用 Sierra 在 Shopify 上搭吉他店客服与销售的演示
• Nvidia（公司）：A100 / H100 / B200 / B300 / Rubin 谱系，以及与 Blackstone、BlackRock、Apollo、Goldman Sachs 的 25% 残值兜底交易
• Dell（公司）：被低估的 GPU 机柜供应商，Speechify 的主要采购渠道之一
• Mercor / Micro1 / Surge（公司）：数据市场玩家；Cliff 认为客户结构会从前沿实验室扩散到所有需要补充数据的大型企业
• Fireworks / Lin（PyTorch 联合创始人）（公司/人物）：推理服务商，Cliff 认为会成长为几千亿美元量级公司
• Claude Code / Cursor / Codex（产品）：Speechify 内部使用排序为 Claude Code 第一、Cursor 第二、Codex 少量
• Linear（产品）：与 agent 配合自动切工单，被点名「非常棒」
• Boris（Claude Code 作者）（人物）：被引用的观点是「一切都关乎 loop：给出目标、给出衡量目标的方式，然后反复迭代」
• Wispr Flow / Willow（产品）：语音输入工具，Harry 认为其质量下滑并已彻底商品化
• Decagon / Intercom / Talkdesk / Crescendo / Salesforce / Atlassian（公司）：客服 agent 市场的分层格局
• Grok（SpaceX）/ Gemini / Cartesia / Gradium（产品/公司）：语音 API 赛道的其余玩家
• AlphaFold（Isomorphic）/ CRISPR / Twist（技术/公司）：Cliff 攻克家人罕见病计划里的下游工具链
• Peter Thiel（人物）：被引用的「只有输家才竞争」
• Benjamin Graham / Charlie Munger / Warren Buffett（人物）：讨论 Meta 内在价值时引用的「雪茄烟蒂」式估值视角
• Duolingo（公司）：招应届生并自己培养的正面样本
• 《哈利·波特》（书）：Cliff 学会阅读与学会英语的两次关键媒介
• Joe Rogan 对 Elon Musk 的访谈（节目）：被引用的观点是「难的不是造产品，而是造出制造能力」

适合谁听

正在纠结算力自建还是租用、或者要在巨头夹缝中重建招聘与 agent 工作流的 AI 创业者与工程负责人。