UiPath 创始人：模型可互换，工作地图才是护城河

章节时间轴

• 1:31 为什么一个上市公司 CEO 要写书 — Dines 说他从小想写书但没天赋，Claude 和 ChatGPT 当枪手，写作真正的价值是逼自己把想法理清楚。
• 3:02 "数据中心里的百万个爱因斯坦" — 他对 Dario 这句话的回应：那顶多是具备爱因斯坦部分推理能力的实体，不是能在岗学习的人。
• 7:44 记忆 vs 学习 — 本期的哲学核心：模型有 memory 但不被经历"转化"，和 Harry 就 OpenAI 的记忆功能正面交锋。
• 11:39 will 与 reasoning 的分野，以及 pacing the frontier — 他不信自我改进循环能产生"意志"；对 Dario 的减速倡议给出"这其实是在申请免责"的解读。
• 13:59 这是对开源的间接攻击 — 他把中国的 AI 实验室也归类为"好人"，认为真正被针对的是开源模型可能流向未知坏人。
• 16:17 exactness：AI 的第二道限制 — 概率误差累积、以及为什么该精确的事就该交给计算机。
• 19:27 自动化与 agent 的不对称性 — coding agent 是过去一年最大跃迁，让"用 AI 打印企业软件"成为可行路径。
• 21:48 4000 人公司的转型，与那本"工作台账" — 不拿 AI 当裁员借口，但要识别谁承载着数字之外的机构性价值。
• 27:58 map of work 与 ctography — 他定义什么是工作地图，以及 UiPath 用 agent 访谈员工、还原流程的新产品线。
• 34:52 推理成本、vibe coding 翻车与公私市场 — Mercor 花 3 倍人力成本买推理、自研采购工具的数据库 schema 全废、要不要今天 IPO。
• 44:12 Jensen 被开源绑定，以及是否过建 — 为什么英伟达必须支持开源、买 Hugging Face，以及"十年不算过建、三年可能过建"。
• 48:08 法律行业的真实 TAM — 900 亿美元人力可替代额里，他认为只有约 10% 会转化成 token 收入。
• 63:36 欧洲为什么输了 — 两个伦敦的欧洲人承认现实：技术、人才都在，缺的是文化和押注的胆量。
• 69:02 UiPath 的多空两面与快问快答 — 50 亿到 500 亿的牛市论证（map and rails）、熊市论证，以及每天 60 种补剂的养生法。

详细内容

一、AI 的第一道硬限制：它不会在工作中被改变

Dines 写书时给自己提的第一个问题是"AI 有没有持久的限制"。他的答案很具体：模型不会在工作中改写自己的权重。人每天被经历重塑——"和你聊完这段之后，我已经被改变了，我会带着这场讨论进入我之后所有的思考"——而 AI 只会往 scratch pad 上多写几行。他反复强调：memory 不是 learning，"记忆只是被写下来的东西"，而新版本模型之所以更好，是因为它把东西转化进了权重，而不是老版本加一张纸。

他连用了三个比喻来撑这个论证。两位厨师各做了 20 年日料和意大利菜，给同一份菜谱会做出完全不同的东西——所以你不可能把企业写在一张纸上。读遍所有棋书不会让你成为特级大师，看完所有滑雪视频也不会让你会滑雪。他还给了一个来自自家业务的实证：UiPath 把平台开放给 coding agent 后发现，模型在开源技术上的表现远好于在 UiPath 自有技术上的表现，因为开源的范例早已进了权重，"无论我们写多少 prompt 和 skill 都赶不上"。

Harry 在这里是明确的反方。他的立场是人和模型都会在岗进步，但"人会累、会要钱、会有毒性、难管理，我任何一天都选 AI"；他还搬出 OpenAI 的记忆功能作为反驳。Dines 不接受这个等价：记忆是外挂的纸，转化是内生的变化。

这个分歧一直延伸到节目末尾。Dines 给了一个更漂亮的推论：AI 现在能解出人类没解出的数学题，却造不出"相对论"这种框架。他认为原因正在于此——爱因斯坦不是把想法写在纸上反复重读，而是在思考光速的过程中逐渐变成了另一个爱因斯坦。即便你放一整群 agent 上去，它们只能把一切写下来，而且还要撞上百万 token 的上下文天花板。他因此认为，未来真正的突破是"能在岗被转化的模型"——也许 20 年后他能拥有一个 10 万亿参数、随他一起被改变的私人模型。

顺带一提，他还从写书经验里推出另一个观察：AI 没有文体风格。"因为风格需要身体、需要个体性——我们是我们做过的选择和没做的选择的总和。"所以你让 AI"用某位作者的精神写"，出来的东西总是不对。

二、第二道限制：exactness，以及为什么不该让 AI 干精确的活

Dines 认为 AI 的第二个限制来自它的概率本质：每一步都可能偏一点，链条一长就崩。他给了很直白的算术——即便每步 99% 正确，0.99 的 100 次方大约只剩 60%。"你让 AI 把大数相乘上百万次，它总会在某个点出错。"

他由此引出一个更锋利的原则：工具能做某件事，不代表你应该用这个工具做这件事。今天 ChatGPT 之所以能给出精确的乘法结果，是因为它背后调用了计算机——"精确性不是 ChatGPT 提供的，是计算机提供的"。Harry 的反驳是"环境即重要性"：人已经在 ChatGPT 里了，不会为了算一道乘法切到计算器。Dines 承认这一点在个人桌面层面成立，但他要把 tool calling 的逻辑上推到企业级：企业里一切该精确的东西，都应该跑在确定性技术上。

这直接推出了他眼中当下最重要的结构性变化——他称之为"不对称性"。在他看来，今天部署一个 AI agent 并不比两年前更容易；但部署自动化变得容易太多了，因为 coding agent 可以帮你写。他把 coding agent 列为 ChatGPT、思维链之后的第三个里程碑。于是路径就清晰了：在 design time 用 AI 生产软件，在 execution time 让软件以确定性执行；上游系统一变导致自动化失效时，再让 AI 回来修。

他强调这套模式的治理优势：AI 写出来的软件"不会在运行时改变自己的行为"，人可以读、可以审计、可以写测试保证同样的输入给出同样的输出。这也是他对"agent 群自主跑企业"的反对理由——"没有哪个清醒的企业会丢一群 agent 进去说你帮我做财务，谁知道它们会不会去攻击你的竞争对手"，Harry 接了一句"或者往某个假发票汇两千万美元"。

三、map of work：企业真正该积累的 IP

两人在"哪些工作会被 AI 吃掉"上有过一次精彩的正面交锋。Harry 的判准是可验证性（verifiability），他举财务会计为例——对错很清楚。Dines 当场否掉：判准不是可验证性，而是"这份工作是否运行在别人设定好的框架里"。框架清晰，AI 就能理解框架；框架不清晰，AI 就学不会。

而财务恰恰是框架不清晰的领域。他的例子很具体：收到一张发票或一个订单，我可以有不同处理方式；我知道英伟达会优先给 OpenAI 发货——这条规则也许写下来了，也许根本没写。没有被框架捕获的东西，AI 学不到。所以企业必须亲手写一本手册，他把这本手册叫 map of work：所有工作流、所有例外、所有流程、为了完成一个目标所要用到的所有系统。

法律行业被当成了这个框架论的正面案例。Harry 说他投的 Lora 曾被律师们嘲笑"你们这些科技兄弟以为能取代我们？"，但两周前回访，15 个律师全都表示如果拿走 AI 会非常痛苦，多数人已经半年没亲手写过文件了。Dines 完全不意外："法律有一本手册，AI 就很厉害；没有手册的时候 AI 就不行。"（Harry 反驳说他律师女友认为法律高度模糊主观，Dines 的回应是：那是人类语言，AI 对语言的每一丝微妙都理解得很好，前提是它被记录下来了。）

难点在于隐性数据怎么采集。Harry 追问：电话里的语气、事后那条温暖的客户短信，这些"不可读的数据"怎么捕获？扎克伯格式的全屏监控显然抓不到。Dines 承认这是问题的关键，也是 UiPath 正在投入的方向——他们在推一套他称为 ctography 的方法论（字幕原词，可理解为"工作制图"），核心产品是 ctographer agent：由 agent 实时访谈真实的业务专家，让他们边录屏边被追问——"你为什么在邮编不一致时改了这张发票？你为什么走了另一条路径？"——把例外一条条挖出来，再把多个人的数据合并成流程图。有了这张"现状地图"之后，再用 coding agent 去设计怎么改造流程，并把改造结果"打印"成软件。

他还给了一个容易被忽视的理由来证明 map of work 是资产而非成本：如果你想训自己的模型，你得先有一份把"我是谁"写清楚的文档。今天训一个，两个月后又有更好的基座模型出来，没有那份数据和菜单，迁移学习会损失惨重。"这才是企业真正的投资，这是他们的 IP 和核心数据。"

四、转型、裁员，与"credentialed middle"的陷阱

UiPath 有 4000 人、其中一千多是工程师。Harry 的反应很真实："我管 18 个人就已经是噩梦了，4000？"Dines 没有直接回答"是不是太多了"，而是给出书里的立场：用 AI 改造公司的同时必须改造劳动力，但"我们不会拿 AI 当借口去砍掉一部分公司"。他说他从来没对员工隐瞒过转型会发生，但前提是转型要和 AI 采纳同步进行，而且每个人都会获得机会——越早具备 AI 素养的人，不只在 UiPath、在任何地方都更有胜算。

他最反直觉的观点在裁员的对象上。他认为每份工作都有两种产出：一种是可度量、被雇来完成的数字；另一种属于"机构性力量"——比如你和客户的深度关系，它不体现在你的业绩数字里，却是客户黏在你技术上的原因。"AI 可以打电话、可以写邮件，但我不认为 AI 能替代人与人的连接和信任。"

书里他给那批最可能被高估的人起了名字：credentialed middle——教育体系和招聘体系筛出来的、在某个特定领域有认证式深度专长的人。他的判断是这类专家需求会显著下降，而企业更需要的是有主动性、能维系客户关系、能给新人当导师、能承载文化的人。反直觉之处在于：裁员时你倾向于砍掉"领域专长不够深"的那批，但那恰恰是 AI 补不上、也最该留的人。"你会把企业掏空，失掉那些本来能在 AI 时代如鱼得水的人。"

Harry 用一个数据点站在更激进的一侧：他今天问一位律师，实习生项目历史上招 25 人，今年招 4 人。Dines 说他 100% 同意"大多数岗位需要的人会更少"，但真正的问题是"留谁？"——他的答案是那本 ledger：企业必须有一套机制去理解每个人在岗位定义之外的产出，并据此判断谁更可能被 AI 替代。"一个处理发票的财务人员对待客户的方式，也在塑造我的企业形象；我要留的是这种人。"

关于员工会不会抵触被观察，他给的答案是话术与诚意问题：把话说清楚——不会有大规模灭绝式裁员，但转型不可避免，你们都得转。他说年初全行业的恐惧"爆表"，现在人们对自己岗位的耐久性理解得更平静了，因为企业里的 AI 扩散其实是一次一个流程地慢慢发生。

五、推理成本、vibe coding 的现实，以及公私市场

Harry 抛出一个数据点：他们投的数据公司 Mercor 的 CEO Brandon Foody 发推说，公司今天在推理上的支出是人力薪资的 3 倍。Dines 的态度是"我个人根本不关心这个"——如果机器能以不差于人的质量完成工作，他今天就会雇机器，哪怕更贵，因为人力成本只会涨、而且人会出错。"我会因此拥有相对那些死守人力的公司的竞争优势。"但他立刻把话收回到现实："真正的问题不是 token 成本，而是 AI 今天还替代不了人。把一个爱因斯坦带来替代我，我立刻去度假——但这个爱因斯坦不存在。"

Harry 搬出 SaaStr 的 Jason Lemkin 作为反例（团队从 25 人砍到 2 人，并称 AI 比他的 VP 财务和 VP 市场更好）。Dines 的回应是方法论层面的：他听说过替换了上百名客服的公司现在又在回招；在一个模型被大规模、跨行业证明之前，不能从单个数据点外推。

vibe coding 的部分是本期最有细节的"翻车报告"。Dines 说 UiPath 自己 vibe code 了一个采购工具，最初完全由 AI 写，看起来惊艳，但一放到生产环境就卡住：连接器、权限、审计、安全全都要维护，"写代码很有意思，但价值不在那里"。最具体的一条是：AI 生成的数据库 schema 完全是废的，必须由人重建结构。他的结论是，今天还远没到"业务人员理解问题就能 vibe code 出工具"的阶段，你仍然需要工程师去维护，"最后你花的钱可能不比你想替代的那个工具少，还占用了最优秀员工的带宽"。

在市场层面，两人观点分岔得很有意思。Harry 主张今天没理由 IPO：流动性可以在私募市场解决（Stripe 用私有股票做了 600 亿美元的 PayPal 交易），M&A 也可以用私有股票，而公开市场如今由情绪而非价值驱动。Dines 反对把少数超级公司和大多数公司混为一谈："现在有大量 2021 年的僵尸公司，它们上市反而更好——至少投资人有退出通道、员工能换成真钱，而现在他们坐着的全是纸面财富。公开市场会让它们面对自己真实的估值。"至于 Anthropic：上一期节目他就说过最看好 Anthropic，当时市值 600 亿美元，"也许我很蠢，我没投"；如果两万亿上市他不会卖，但"真正的问题是，我会在两万亿买入吗？我得先看到他们真实的数字"。

六、开源、Jensen 的绑定，与是否过度建设

有一段两人一拍即合：Dines 说"Jensen 被开源的成败绑定"。逻辑是，如果 Anthropic 和 OpenAI 形成双头垄断（他认为它们的 TAM 是"以万亿计的、基本等于工作本身"），它们最终会自己造芯片——"说到底自己印芯片也不是多大的事"——那英伟达就不会过得那么好。所以英伟达必须让开源生态成功。Harry 顺势解释了两件近期动作：Jensen 发起那封人人签名的开源公开信，以及收购 Hugging Face——"把钱押在对自己有利的地方"。两人都注意到副作用：一个中立平台不再中立了，不过 Dines 认为 Nemotron 目前还只是棋盘上的小棋子。

关于循环交易和过度建设，Dines 的历史类比是：每一次重大基础设施都被过度建设过，原因很简单——为了确保拿到最大的一块蛋糕，只要机会足够大，多建一点无所谓。"现在饼只有 100%，大家在建 200%，一定会有输家。"Harry 的反驳是这一轮相反：前几轮技术周期是供给过剩、需求滞后，这一轮能源、水、数据中心、监管全是供给侧的硬约束，所以是建少了而不是建多了，"每一分算力都被抢走"。

Dines 部分接受，但把问题重新框定为时间：一切都建立在"AI 会大规模替代人类工作"这个前提上，而关键是这个替代发生在十年后还是两年后。他的结论是："我不认为对未来十年是过建，但对未来三年可能是过建——而股市和资本是无情的。"

法律市场的算术是另一处两人估值观的碰撞。Harry 算：美国法律行业 3000 亿美元，替代 30% 就是 900 亿美元的可获取收入。Dines 立刻拆解：这不会转化成 token 收入，"900 亿里公司也许收 10%，token 的总盘子可能就 100 亿"。Harry 追问那投 Lora、投 Harvey 是不是错了，Dines 的回答回到他的主线——如果 Harvey 和 Lora 真的映射了工作、造出了工作流、给你交付的是一个法务部门，那价值当然大得多；但如果只是替你调一次模型拿个法律意见，那不会是千亿市场。

在模型选择上他给了一个明确预测：企业侧 90% 的流量会走极具成本效率的模型，而不是 Astra、Fable 这类真正的前沿模型，"大部分运营工作不需要前沿级质量"。他仍会用 OpenAI 和 Anthropic 的低成本档，但始终保留一套可验证的开源备份——"作为负责任的企业我必须能随时换模型，我不能被锁死"。Harry 把这条延伸成"拥有自己的智能而不是租用"，并以自己投的 Fireworks 为例；Dines 说 UiPath 用得不少也很喜欢，若在 150 亿美元估值上他大概率会投，认为它被低估，但 Fireworks 必须尽快进入抢算力的游戏（Harry 补充 Lin 在 Facebook 时期就干过这件事）。至于数据公司 Mercor 和 Surge，Dines 认为关键不在于存了数据——"存储就像磁带，我们会投一家磁带公司吗？"——而在于理解数据、在正确的时刻把正确的数据喂给模型的那份智能。

七、欧洲为什么已经不重要了

这一段 Harry 问得很直接："我们都是欧洲人，都坐在伦敦。我不知道该怎么说，但我们已经不重要了。未来三到五年会变好还是更糟？"

Dines 的回答没有回避："很难承认现实，但从技术角度看，我们基本上无关紧要了。"他觉得最讽刺的是：全世界最大的光刻机制造商 ASML 在欧洲；而 Dario、Sam、Ilya 这些人某种意义上都有欧洲血统。"我们有人才、有造机器的技术，却在丢掉它。太蠢了。"

他给出的解释是文化而非钱。他在英国和美国都带过团队，"英国团队下午五点全在酒吧"；而他认为"文化比钱更重要——美国的文化更有活力"。他对自己的定位很有名："我是欧洲人，但作为创业者我是美国人，我的养成来自美国式的创业学校。"另一条更实际的差异是押注意愿：美国公司敢在没有那么多验证点的情况下对愿景下大注，连中层管理者都能为新技术做百万美元级的决策，"这种胃口我在欧洲没见过"。Harry 补了一句：看看 Lora、看看 ElevenLabs——欧洲最好的那批公司，如果你觉得收入引擎不在美国，那是在骗自己。

所以当 Harry 问"你会不会建议一个年轻的欧洲创业者去美国"，Dines 说"会，这就是可悲的现实"——除非你做的是有特定市场属性的东西；做通用技术，去美国成功概率更高。他同时认为欧洲还会出很多成功公司，只是大概率不在前沿实验室这一层，而在 AI 的应用层。

不过他 100% 认可主权是真实的商业机会：欧洲客户现在普遍更想要本地部署的软件、模型可选性和模型主权。他说他甚至试图说服 Fireworks 把软件做成可私有化部署——"他们现在是'先给我看钱'，但我可以告诉你们，这是一门大生意。这里是欧洲，你得先证明技术，钱才会来。"

八、UiPath 的多空论证，与一点私人话题

Dines 给出的公开数字是营收 16 亿美元、去年增速 14%。Harry 直接引用 Jason Lemkin 的残酷法则：增速不到 20% 在公开市场就完蛋，grow or die。Dines 认可，并补了自己的解释：市场现在根本分不清谁是 AI 赢家谁是输家，公开市场上有几百家软件公司，没人有精力逐个深挖，"你拿不出像样的增长，就自动被归到 AI 输家里"。

牛市论证（"UiPath 凭什么值 500 亿"）是全期理论的收束。他先给了一个第三方背书：Gartner 新一期"业务编排与自动化技术"魔力象限里，UiPath 从挑战者升入领导者象限——证明公司完成了从 RPA 到编排与自动化的转身。然后是逻辑：人们已经不再相信"一个 AI agent 施施然帮你把顶层流程全跑了"这种叙事，所以你必须有底层的编排与自动化技术，加上那张 map of work。他把这套东西总结成一对词——map and rails：map 是上下文，rails 是编排与自动化；两者放在同一个平台上，你再给 agent 派活时就可以说"这是现实、这是你能用的轨道、这是解释怎么用这些轨道的地图、这是目标"，于是顶层可控，agent 出不了格。

熊市论证他说得同样干脆：如果 AI 真的变成天才、token 成本趋近于零，数据中心里出现真正意义上的百万个爱因斯坦——不只是有推理能力，而是能顶替一个人——那我把它们派到企业里任何岗位它们都能干，"那就是对我们最强的空头论证"。Harry 提醒 token 成本已经从每百万 60 美元降到 1 美元，Dines 承认可能会继续趋近于零，"所以我才说我今天不会因为 token 成本而停下一笔投资"。

快问快答里有几条值得记：当 CEO 最难的事是"对齐人"——不同的性格、骄傲和自我。AI 对他工作方式的最大改变是，他现在每天有大约半天独自待在 VS Code 里和 Claude、ChatGPT 干活，杠杆比以前大得多；一年前员工带着 PPT 来找他，现在都带 markdown 文件，他有一个巨大的 strategy 文件夹，丢进去就能让 agent 帮他提问。对英伟达三年后能否超过 7.5 万亿美元（当前约 5.6 万亿），他说能轻松想象 40% 的上涨，"比起 Anthropic，我更愿意押英伟达"。

最后两段偏私人。Harry 提起上次节目里 Dines 说过"很多人以为想成为我，但我脑子里其实挺孤独的"，问他对同样孤独的创始人有什么建议。Dines 的答案是：多和童年最好的朋友待在一起、多聊——他们最能理解"之前的你"，能看见你的转变，"你仍然会孤独，但你会有一种连续感"。养生的部分则相当极端：他说自己每天吃大约 60 种不同的补剂，还有肽类，全部由 AI 推荐和筛选，分成 AM1、AM2、AM3 的小袋随身携带；他觉得自己比十年前状态还好，而帮助最大的其实是大幅减少饮酒。

金句

模型是可互换的，但工作流、工作地图，以及围绕工作地图的那些流程，才是真正的价值所在。 —— Daniel Dines 51:16

记忆不等于学习，这不是一回事。记忆只是被写下来的东西；而我和你说话的时候，我不是回到记忆里，我是正在被改变。 —— Daniel Dines 7:44

工具能做这份工作，不代表你必须用这个工具去做这份工作。 —— Daniel Dines 17:05

当一个人所处的框架是由别人清晰定义好的，比如法律，AI 的冲击会是毁灭性的；当框架不清晰、充满企业自己定制的例外时，就不是。 —— Daniel Dines 48:55

从技术角度看，我们（欧洲）基本上无关紧要了……我是欧洲人，但作为创业者，我是美国人。 —— Daniel Dines 64:24

没有哪个清醒的企业会现在丢一群 agent 进去说"帮我做财务"，谁知道它们会不会跑去攻击你的竞争对手。 —— Daniel Dines 71:22

提到的书·产品·人物

• Daniel Dines 的新书（书）：本期讨论的思想来源，写了约半年，Claude 与 ChatGPT 担任"枪手"，主题涵盖 AI 的限制、工作地图与劳动力转型。
• UiPath（公司）：Dines 创办的自动化平台，约 4000 人、逾千名工程师，营收 16 亿美元、增速 14%，刚升入 Gartner 业务编排与自动化魔力象限的领导者位置。
• map of work / map and rails（概念）：Dines 的核心主张——把企业所有流程、例外与系统绘成地图（map）并配上编排自动化轨道（rails），是企业真正的 IP。
• ctography / ctographer agent（产品）：UiPath 新推的"工作制图"方法论与产品，由 agent 实时访谈业务专家、录屏追问例外，合成流程图。
• Dario Amodei（人物）：被引用的"数据中心里的百万个爱因斯坦"与"pacing the frontier"的提出者，Dines 对两者都提出了异议。
• Anthropic（公司）：Dines 上一期节目就说最看好它、当时市值 600 亿美元却没投；他说两万亿 IPO 他不会卖，但要看真实数字才决定买不买。
• OpenAI（公司）：被讨论的记忆功能、与 Anthropic 的双头垄断格局，以及可能自研芯片。
• Nvidia / Jensen Huang（公司/人物）：Dines 认为 Jensen 被开源的成败绑定，因而推动开源公开信并收购 Hugging Face；他三年内更愿押注英伟达。
• Hugging Face（公司）：被英伟达收购，Dines 认为是"把钱押在对自己有利的地方"，但也让中立平台不再中立。
• Nemotron（产品）：英伟达自有模型，Dines 认为目前仍只是小棋子，体量不及主流芯片业务。
• Fireworks（公司）：Harry 投资、UiPath 在用的开源模型推理平台；Dines 说 150 亿美元估值他大概率会投，但对方必须尽快抢算力。
• Mercor（公司）：Harry 的被投数据公司，CEO Brandon Foody 称其推理支出是人力薪资的 3 倍。
• Surge（公司）：与 Mercor 并列被讨论的数据提供商，Harry 认为数据公司被严重低估。
• Lora（公司）：Harry 投资的法律 AI，回访的 15 位律师全都表示失去它会非常痛苦，多数半年没手写过文件。
• Harvey（公司）：被拿来与 Lora 一同讨论法律 AI 的真实 TAM。
• Salesforce（公司）：Dines 说会作为股票买入，并认为它不会被 vibe coding 替代。
• Stripe / PayPal（公司）：Harry 举例说明私有股票也能完成 600 亿美元级别的并购，公开上市并非必需。
• ASML（公司）：Dines 举证欧洲拥有全球最关键的光刻机制造能力，却没能转化为 AI 优势。
• Jason Lemkin（SaaStr）（人物）：被两次引用——团队从 25 人砍到 2 人的激进案例，以及"增速不到 20% 在公开市场就完蛋"的法则。
• Alex Karp（Palantir）（人物）：被引用的观点是大型企业不敢与前沿实验室合作，Dines 认为真正的担忧是 IP 泄漏给竞争对手而非被抢生意。
• Andrej Karpathy（人物）：Harry 引用他从"编码工具做 20%"到半年后"做 80%"的转变作为乐观证据。
• Gartner / Forrester（机构）：Dines 引用其分析支撑 UiPath 的牛市论证。
• Brian Johnson 的长寿奶昔（产品）：Harry 自述每天喝的 60 合一版本，与 Dines 每天分装 60 种补剂的做法形成对照。
• Visual Studio Code（产品）：Dines 每天有半天在里面和 Claude、ChatGPT 一起工作。

适合谁听

想搞清楚"企业该如何真正落地 AI"、以及在裁员与组织转型上不想被叙事带着走的 CEO、运营与产品负责人。