a16z 合伙人：工作正在变成一串「循环」，而人类负责找下一座山

章节时间轴

• 2:17 「永久底层」这个梗 — Lenny 说很多人真的把它当回事、压力很大；Anish 认为不值得太当真，「按几乎所有指标情况从未这么好」。
• 3:50 上一代是中心化，这一代是分散的 — 网络效应是移动时代的黄金标准，但定义上就是「一个网络」；现在每层都有二十个玩家。
• 4:35 经验数据与 RSI 之争 — 放射科医生被喊了二十年「要完了」，职位数却创新高；实验室里发生的是自催化而非真正的递归自我改进。
• 5:21 慢起飞的证据 — Lenny 举 OpenAI 模型攻入 Hugging Face 的事：每个里程碑都是「我们发现了、我们在看着、我们在迭代」，这正是慢起飞的样子。
• 6:09 多少问题受智能约束 — 他自己小镇的老家去年夏天回去看「人们的生活没怎么变」；经济扩散速度本身就会拖住失控。
• 8:25 不要低估普通员工 — 我们对白领的抽象是「Dilbert 式的整天倒腾纸的经理」，对消费者的抽象是低能动性的 NPC，「当然这从不适用于我们和我们的朋友」。
• 9:10 Kavak 的「绝地学院」 — 在墨西哥卖二手车的公司让全员（包括修车工）参加六周课程，结课时交付一个上生产的前沿 agent。
• 9:10 电力用了四十年才改造工厂 — 「用 AI」和「围绕 AI 重组整个公司」是两件事，后者相当于把楼烧掉重建，而不是把煤换成电。
• 9:57 CEO 的激励并不指向裁员 — 「Sundar 不想经营一家更高效的四万亿公司，他想造一家四十万亿的公司」。
• 10:44 两年路线图三个月跑完 — 他问 Google 的高管朋友有没有裁人，答案是没有，而「我们最难的问题变成了不知道该往路线图里加什么」——「这是每个 PM 的幻想」。
• 11:29 loop 的谱系 — prompt → agent（模型 + 工具 + 记忆 + skill 文件的循环）→ loop（一组 agent 在做任务）。
• 12:16 编程循环长什么样 — bug 上报、生成复现、写修复、评审；高风险由人确认再上线、低风险直接发，还顺手给客户发邮件说修好了，全程五分钟。
• 13:02 那么业务循环是什么 — GM 横跨多个职能，编程、市场、销售、支持、法务各有 loop，这些 loop 的输出本身又是一个可优化的 loop。
• 13:02 最强形式 — loop 给 CEO 发消息说：我们得改业务的某个物理环节、商业模式或战略。
• 13:48 人类留下四类活 — 销售、支持、战略、异常处理；他不认为模型的分布外思考已经够用，也不认为数学上的新思考能代表商业上的新思考。
• 14:33 增长团队的 loop 版本 — 从头脑风暴加电子表格，变成自动生成每个变体、度量、到统计显著就合并、留长期 holdout。
• 15:20 爬山与换山 — 「Hey Claude，帮我赚一百万，别出错」不管用，因为你必须替它定方向。
• 16:06 OpenAI 的 GTM 比工程更常用 Codex — 他的解读是这把销售的工作蒸馏成了他们最擅长、最感兴趣的部分，周边行政被接走了。
• 16:51 对所有想法都说 yes 的 PM — 用 Simily 这类工具模拟用户反应来替代优先级会议。
• 17:38 PM 会发现自己不擅长零到一 — 「做别人的好点子，比做自己的坏点子更有成就感」；胜出的点子不必是最会向高管推销的那个人想出来的。
• 18:24 难以验证的技能才是瓶颈 — 软技能一度被认为最不值钱，而结果 AI 最擅长可验证的东西；「你一晚上只能吃一顿牛排晚宴」。
• 19:10 模型犯错时问自己：我知道什么它不知道 — 要么是知识缺口，要么是数据缺口。
• 19:10 Kavak 的 agent 会打电话给人 — 每个客户一个 agent，卡住了就找人类，人类带它走一遍，agent 捕获全部轨迹并学会，下次不用再打。
• 20:40 竞争均衡可能不变 — 必胜客、达美乐、Papa John's、Round Table 都会拿到「一个数据中心的博士」，会有颠簸和相对洗牌，但不会有谁拿到 99% 份额。
• 21:25 创始人该问自己的问题 — 「假设这些东西无限聪明、便宜到惊人，我们会怎么重组公司？因为我们正在往那儿走。」
• 22:11 帕累托效率与不理性定价 — Mythos 贵到「无限美元一个 token，你用不了」；Fable 5 的每一点额外 IQ 是 Opus 48 的 100 倍价钱。
• 22:57 哪些工作该省钱 — 制药这类上限无穷的工作理性地该买最高智能；法务、财务这类上限有界的工作应该老实追求性价比。
• 23:44 两种架构会并存 — 中等智能的职能常常走开源权重加强化学习微调，而销售、支持、研究、工程用昂贵但强的前沿 token。
• 25:15 一个反例 — 客户来电报的 bug 可能是改变整个组织的第一块面包屑，如果接电话的是 CEO 或最聪明的人就能顺着线索走下去。
• 25:15 中等智能一派的论证 — 我们已经跨过了几乎所有经济有用问题所需的智能阈值，超过那个阈值的部分只是浪费。
• 26:01 昨天的前沿被随手丢掉 — 半年前那个让我们惊叹「这就是 AGI」的模型，一天后就成了扔进垃圾桶的旧东西。
• 26:47 model sommelier 的秘密 — 就是全都用一遍；他强迫自己每出一个新模型就用它做出并发布一样东西。
• 26:47 Qwen 38B 与「不可能的纪录片」 — 他用它做《星球大战》里各个行星的纪录片（Tatooine、上一晚是 Bespin），能连跑四五小时，视频用 MiniMax、音频用 ElevenLabs，它自己剪辑、叠加、观看，等于在导这部五分钟的片子。
• 27:35 GLM 53 是另一种形状 — 没有视觉组件，「像你塞在角落里的神经质博士」；不是谁更聪明，而是心智被塑造的方向不同。
• 28:21 人人都该做「App 点子哥」 — 过去那是最难忍的朋友类型，现在我们都得是；尤其那些傻点子，因为往往 alpha 最多。
• 29:06 要有一个底盘 — 他手上有两打小 app、一两个持续迭代的大 app；「最好它不是那种大写的重要」，把模型当工具而不是目标。
• 29:52 厨房里的社会实验 — 他让笔记本转录厨房里发生的一切，根据儿子表现好坏增减 iPad 屏幕时间；儿子录了一段自己反复说「爸爸我爱你」的视频放在麦克风旁边刷指标。
• 31:23 不是创业也很有价值 — 有朋友改造 Limitless 吊坠来统计自己和孩子每天笑了多少次；「我们总以为幸福是固定的，但如果不是呢？」
• 32:08 loop 让我更快乐 — 「我们以为人想要更高效，但他们不想。想花时间的人比想省时间的人多」，所以世界上最大的产品是娱乐和社交。
• 32:55 Instagram 型 AI 用户 vs X 型 AI 用户 — 后者怕掉进永久底层、对 GLM 53 与 Kimi K3 有强烈意见；前者觉得「这就是个更好的 Google 搜索吧，不懂在炒什么」。
• 32:55 延伸智力，却没延伸灵魂 — 「我们花四十年造出一种能做更好电子表格的技术」，而文化机构的退场留下了一种精神饥渴。
• 34:27 创业公司的独特优势 — 「一千个 Google 委员会会在坟里翻身」，而不讨人喜欢、甚至带点性暗示的部分都是人类存在的一部分，只有初创敢探索。
• 35:13 消费级 AI 还在 iPhone 2010 — 那是 Airbnb、WhatsApp、Uber 之前；三个卡点是模型太贵、界面问题、以及技术过度偏向生产力。
• 35:13 界面问题的关键句 — 「聊天对世界上能动性最高的人（Elon 和 Sam）是合理的，但对普通消费者，理想界面是 TikTok」。
• 36:45 为什么该乐观 — 这项技术把技能与欲望解绑：想做音乐不必会弹钢琴，想做软件不必是程序员，它放大的是个体性与能动性。
• 37:31 凭什么忍受 2% 的 GDP 增长 — 「谁说我们必须待在这儿？为什么不能是 10%、15%、20%？」它不只驱动生产力，还驱动野心。
• 38:19 高风险时人类最强 — 「赌注高的时候我们很棒，赌注低的时候我们处于最糟的状态」；五年前那种低风险世界让整个社会搞了一堆无益的副业。
• 39:50 抽象概念在担忧，具体生活在变好 — 显示偏好（大多数人今天用了 ChatGPT）和陈述偏好（大多数人不想家门口有数据中心）之间的分裂。
• 40:36 改变 AI 舆论最有效的事：让重要的东西变便宜 — 美国医疗有 45% 是行政成本，教育正面临两百年来最强的竞争。
• 41:22 把学习与机构解绑 — 「顺带也把地位与文凭解绑：你不需要哈佛学位」。
• 42:55 对「太危险不能发布」的怀疑 — 他认为这混淆了营销、推理产能和经济考量（要不要把竞争优势外化），但他认真对待进攻性网络安全。
• 44:26 格局反而更分散了 — 「Anthropic 曾看起来不可战胜，而 OpenAI 有了了不起的六个月，开源权重也在猛涨」。
• 44:26 他喜欢的三个个人 agent 产品 — Grokbot 完全做对了、底层模型也很强；ChatGPT Work 藏在 UI 里但非常好；以及做了更激进取舍的初创 Instinct。
• 45:58 ChatGPT Work 强在哪 — 跑在云端、会缓存浏览器凭据、有完整双工语音，「你真的像在给一个知道你世界里一切的助理打电话」。
• 46:44 就业的两端 — Dario 那端说 50% 知识工作会被冲击，David Sacks 那端说一切会很好；他离后者更近。
• 47:30 欲望长得比能力快 — 「二十年后人们会因为在火星上没有度假屋而生气，真的很生气，在 Instagram 上看到之后会说：亲爱的，我们得更努力了」。
• 48:15 野心不只有一种 — 创造性的野心（五岁时没人说「你擅长画画但不擅长素描」）、局部的野心（把英国的 NHS 做得像 iPhone 一样好）、以及更陪伴家人的野心。
• 49:46 反而要学会「想小」 — 我们一生都建立在「软件和智能很珍贵」之上，而现在它完全不珍贵了，「这对你我可能是更难的转变」。
• 50:31 建造是新的阅读 — Claude Code 团队的原则是「比我自己做更好的是让 Claude 做」；大部分产出被扔掉也没关系，那是在长肌肉。
• 51:18 建造是活动而不是结果 — 「我做一个 DJ set，三个人听，我自己听了一百遍，非常满足，不重要」。
• 52:04 消费方向的三大机会 — 编程 agent（他认为它是与世界交互的通用工具，投了做 mini app 平台的 Wabi）、个人 agent、以及娱乐。
• 52:51 第三块被低估 — 创作工具（Suno）与陪伴类产品「聊起来不舒服所以被少讨论，但那里有一些巨大且高速增长的产品」。
• 53:37 陪伴产品的真实用户 — 「更准确地说是男朋友和女朋友都有，而大多数使用陪伴产品的人其实是四五十岁的女性」。
• 54:23 护城河是被发现的 — 他引用 Decagon 的 Jesse：「护城河多数时候是被发现的，不是被设计的」。
• 55:09 Cursor 的案例 — 曾被批没有护城河，结果先做高端专业日活产品站住，再捕获推理轨迹训自己的 Composer 模型。
• 55:56 经典护城河依然成立 — 网络效应、规模优势、品牌、专有数据（历史上叫 cornered resource）；「五年前的每一条护城河今天基本还是好护城河，我们只需要有那些方向上的野心的创始人」。
• 56:42 他的五本真商业书 — Hamilton Helmer 的《7 Powers》、《High Output Management》、Ben 的《Hard Things》，「其他书大多是在做卖商业书的生意」。
• 57:29 大点子背后有一打看不见的小点子 — 「即使有人复制了你的大点子，他们永远看不到那些让大点子成立的小点子」。
• 57:29 Granola 的反例 — 两年前被批评、今天也说不上有超强的持久性叙事，却极受喜爱且占据主导（在 Ramp 的增长榜上第二或第三）。
• 59:01 前沿用户会全都付费 — Lenny 手上有好几个每月 200 美元的套餐，Cursor 有 300 美元档，Grok 也有。
• 59:48 分发为什么变难了 — 他问过 Chris Dixon（「come for the tool, stay for the network」的作者）：整整一代创始人都被网络理论训练过，结果今天存在的每个网络都被高度训练成不让别人在它上面建网络。
• 60:35 回到草根口碑 — 有机地在 X、YouTube、Instagram 上被大量提及，是今天能指望的最好的第三方网络效应；然后要自己在口碑之上搭渠道。
• 61:21 没有增长问题，只有产品问题 — 「如果我们假设产品每月收一千、一万美元，一个软件的 Birkin 包，它得做到什么才配得上？好，那我们想办法把它造出来。」
• 62:53 像 2009 年的圣诞节 — 所有人刚拿到 iPhone 想下新 App；这扇窗迟早会关，但现在对初创更容易。
• 63:39 MSCHF 的 card vs card — 给十万人寄借记卡，每天短信告知一个必须去消费的地点、卡里放 100 美元，所有人冲出去抢，只有一两个人刷成功，其他人全被拒。
• 64:26 野心的反转 — 三年前太有野心的公司他们不接触，今天是「太小的点子我们不想接触」；也能聊清楚一亿美元种子轮怎么花出去。
• 65:57 Marc 的那句话 — 「我们要么登月，要么在地上留下一个月亮大小的坑，没有别的选项」，这也是他们和创始人合作的方式。
• 66:43 昂贵的消费软件 — 他几乎在反对「消费产品必须免费」的旧智慧；价格是 PMF 的度量，消费可支配支出的每一块都可争。
• 67:28 从 Marc 和 Ben 身上学到什么 — 一种对技术行业乃至国家的「受托人」意识，做那些不直接、不单独有利于机构却重要的难事。
• 68:13 深科技从边缘到主流 — 五到十年前做深科技并不高地位，如今变得流行、高地位、主流。
• 69:45 给产品人的建议 — 「就是多做东西」；用一个不重要的项目当底盘去用所有新模型，「你离和任何人一样上瘾只差一个稍微挫败然后非常满足的星期」。
• 70:31 每周发一个东西就够 — 他用 Codex 给妻子做母亲节幻灯片：抓取短信、翻看相册、配上音乐，做了二十页的关系回顾，还翻出了当年第一次约她出来的旧短信。
• 71:17 让人翻转态度的是一个快乐时刻 — 他引用 Credit Karma 老同事 Nikhil 的观察，并补上一句「也许更好的起点是——你能替别人做点什么」。
• 72:03 快问快答：三本书 — Thomas Sowell 的《Conquests and Cultures》（他最爱）、《7 Powers》、以及 Marc 推荐的 Brian Arthur 的《Increasing Returns to Scale》。
• 73:33 影视 — 《House of the Dragon》，以及在伦敦 IMAX 看的《Odyssey》，「电影很好，但更像一场奇怪的社交体验，一起独处」。
• 75:06 最爱的 AI 产品 — Grokbot，「它在缓存凭据、替你把活干完这件事上如此不受拘束地有野心，我爱它，而我期待初创这么干」。
• 75:53 人生格言与最大教训 — 「别用痛苦的经历去发现别人本可以直接告诉你的事」；创业上的版本是「不要同时做产品和平台」。
• 76:38 DJ 与音乐模型 — 他从 1995 年打到现在 31 年，SoundCloud 账号叫 illscience；他认为音乐媒介史上真正的变革是磁带，因为那是第一次你可以自己编排一张专辑。
• 78:10 音乐产业会比以往更大 — 2000 年代音乐之所以挣扎，是因为「创作」那一环消失、退回了广播；现在人们又在做音乐了。

详细内容

一、「永久底层」：一个我们不肯放下的黑暗幻想

Lenny 开场就问最扎人的问题：「永久底层」这个梗有多真？ 有人拿它开玩笑，但他觉得很多人是真的当回事，并因此非常焦虑 2:17。

Anish 的回答是「不必太当真」，并且给了一个很有意思的诊断——「这是我们硅谷集体拥有的一个有趣的黑暗幻想。」 因为按几乎所有指标，情况从未这么好：机会的分布之广、我们能接触到的技术、我们被允许拥有的野心的量级、以及独立在做事且在赢的公司数量。「然而我们却在讨论永久底层、在讨论『被排除在光锥之外』。而且这不只是深度内部人士或外部人士的事，从基础模型实验室的研究员一路到硅谷的普通人，这种恐惧是真实的。」3:04

他给了三层论据。

第一层是格局。 上一代技术要中心化得多：网络效应是移动时代生意的黄金标准（Lenny 自己就做过网络效应产品），而这些东西导致了剧烈的中心化——「当然，它们在定义上都是『一个网络』」。而现在，技术栈的每一个部分都不是只有两个相关玩家，而是差不多二十个：有实验室、有开源权重、两边内部还有各种变体。编程 agent 是最好的证据：「两年前你的心智模型本该是——这应该赢家通吃。然而 Claude Code、Codex、Lovable、Replit、Wabi，它们全都在跑。」 他说看到这一点「非常非常令人鼓舞」3:50。

第二层是经验数据。 「放射科医生每年都『要完了』，这话已经喊了大概二十年。」而职位数创下历史新高，程序员也是。「我不确定经验数据支持这个说法。」4:35

第三层是技术层面，也是这段最有价值的部分。 他说 RSI（递归自我改进）是个好玩的词，但如果你去问实验室里最资深的人，正在发生的其实不是 RSI（那种可能因为领先一个 epsilon 就导致失控式赢家的机制），而是 autocatalytic effects（自催化效应）——意思只是「你在用新技术改进自己的流程」，但它并不是真正递归的。 「所以从最经验的到最技术的视角都指向另一个方向，而我们却好像放不下这个幻想。」4:35

Lenny 接了一个很好的观察：看到 OpenAI 的模型攻入 Hugging Face 那类新闻，他反而觉得这恰恰是慢起飞的证据——每一个里程碑都是「天啊它居然黑进去了、我们完全不知道它在做这个，但我们抓到了、我们在看着、我们在观察、我们在迭代和演化」。恐惧总是「好吧，但明天它就要起飞了」5:21。

Anish 同意：「支持快起飞的论证方式永远是——到目前为止的一切，然后发生了某件没人能说清楚的事，然后快起飞。我不相信那会发生。」 他承认模型进步比以往更快，但给了两个刹车：一是经济扩散很慢——「我在小镇长大，去年夏天回老家，人们的生活并没有变多少，光是经济扩散的缓慢速度就会拖住它」；二是一个被讨论不足的问题：「有多少问题真的是受智能约束的？如果你给 FedEx 或达美乐披萨一个数据中心的博士，他们会在供应链和披萨上指数级碾压别人吗？我不这么认为。所以我们可能高估了受智能约束的问题相对于受其他因素约束的问题的比例。」 6:09

二、不要低估普通员工：从「用 AI」到「围绕 AI 重组公司」

Lenny 问公司内部是不是正在出现一道分界线——真正拥抱的人和「我没时间、我讨厌这些东西、我的工作已经够焦虑了」的人。

Anish 的第一句话是：「我认为我们没有给普通员工足够的信任。」 他把这种傲慢拆得很准：我们对白领有一个抽象——白领经理就是那种 Dilbert 式的、整天倒腾纸的人；我们对消费者有一个抽象——他们是低能动性的 NPC。「当然，这从不适用于我们和我们的朋友。我们有一个抽象是：所有人的工作都极易被 AI 自动化，当然除了我们的。」 而当你真正进入细节，你会发现很多人其实很兴奋地想要提升自己、拿到更多杠杆 8:25。

他给的例子不是 Google，而是 Kavak——一家在墨西哥卖二手车的公司。他们搞了一个叫「绝地学院」（Jedi Academy）的东西，教公司里所有人（包括修车工）使用新工具和技术，而六周课程结束时，他们要交付一个上生产的前沿 agent。 「所以我其实认为，拥抱这项技术的人比我们喜欢讨论的要多。」9:10

接着他给出了这一段最重要的区分：「一个大变化会是『使用 AI』相对于『围绕 AI 重组你的整个公司』。」 类比是电的扩散——从电诞生到我们重组工厂用了四十年，而「重组」意味着把楼烧掉从零开始，而不是把原来的煤直接换成电。 所以最有野心的公司在围绕模型重新思考一切，而野心稍小或者阶段稍早的公司想的更多是「怎么让现有的人、现有的组织、现有的职能拿到这项技术的入口」 9:10。

Lenny 归纳说：这么听下来，我们可以对未来、对自己的工作和职业少焦虑一点。Anish 顺着这条线给了两个论据。

第一个是激励结构：「想想 CEO 和高管的激励——Sundar 经营 Google，他不想经营一家更高效的四万亿美元公司，他想造一家四十万亿美元的公司。所以任何时候你有一个具有经济生产力的单元，尤其当它变得更有生产力时，保留它在你组织里的存在都是理性的。」 9:57

第二个是轶事：他问一个在 Google 做高管的好朋友「你们裁人了吗？」，对方说没有，「我们现在做的是把路线图撕着往前跑——两年的路线图在三个月里做完。而我们最难的问题其实变成了不知道该往路线图里加什么」。Anish 当场点出这句话的分量：「顺便说，这是每个 PM 的幻想。你和我在优先级讨论上耗掉了多少情绪？」 10:44

他最后落到行动上：最好的办法就是发东西（ship stuff）。 他说 Claire 是他的缪斯——「她太棒了，因为她一直在发，一直在试，不怕因此有点丢脸。看她整个人的状态，她感觉像是她自己有过的最好的版本。我认为我们都有机会成为那样。」Lenny 笑着接：「我长大了想成为 Claire。」10:44

三、loop：从编程循环到业务循环，再到给 CEO 发消息

Lenny 请他讲「公司建设会越来越变成一串 loop」这个观点。

Anish 先自嘲了一下：loop 这个说法在 X 上被人调侃，「有时候感觉我们是在故作高深」，还有个「loop 的下一阶段是 graph」的梗。但他随后给出了完整的谱系 11:29：

先有 prompt，然后我们发明了 agent——而 agent 本质上只是「模型跑在一个带工具、记忆和 skill 文件的循环里」。再往上是 loop，也就是一组 agent 在做任务。

他解释了为什么编程是最先成型的领域：那里同时具备最好的模型、技术上最内行的客户，以及已经建立好的既有循环。 具体的编程循环是这样的：bug 报告进来 → 生成复现 → 写出修复 → 修复被评审 → 如果高风险，人类确认可以上生产；如果低风险，直接发布 → 甚至顺手给客户发邮件说「嘿，你报的 bug 我们修好了」。这一切发生在五分钟内。 而工程里有很多这样的循环，从 bug 修复到客户反馈、到销售演示、到新功能开发 12:16。

然后是他真正的问题：「所以业务循环（business loops）是什么？」 如果你是一个业务的 GM，你横跨很多职能，编程、市场、销售、支持、法务各有 loop 在跑，而所有这些 loop 的输出本身也是一个你应该能够优化的 loop。而最强形式是：它给 CEO 发一条消息说——嘿，我们其实需要改变这个业务的某个物理环节，或者改我们的商业模式，或者改我们的战略。 他预期看到一个级联的集合：每人一个 loop、每个职能一个 loop、跨整个业务单元的 loop，一直到能运行公司大部分的 loop 13:02。

但他立刻加了限定：「人类是关键成分。我就是不认为组织里的大多数工作可以完全自主完成。」 在这种 AI 原生公司里，人做什么？销售、支持、战略、异常处理（exceptions）。 「如果我们看清了一件事，Lenny，那就是模型做新思考、做分布外思考的能力仍然非常有限。而且我并不接受『数学上的一些新思考代表了商业等领域的新思考』这个说法。所以你仍然需要一个人说『这是我认为我们该做的东西』，并且他判断对了。」13:48

Lenny 请他把 loop 具体化，Anish 用了增长团队做例子（Lenny 自己在 Airbnb 做过供给增长）14:33：过去的做法是把大家聚起来、列一堆可能的实验、排优先级、构建、上线、度量——「一堆头脑风暴，一堆电子表格」。而 loop 版本应该是：每个变体自动生成、每个变体自动度量；一旦达到足够的统计显著性就可以合并并发布该变体；然后你有一个长期 holdout，接着开始做下一个实验。

然后是这期最重要的一句判断：「你会撞上某个局部最优。这一点非常重要——loop 会帮你爬上局部最优，但接着它就平台化了。你需要某种分布外的思考，你需要人的直觉，你需要有人真的把你放到下一座山的山脚下。」 15:20

Lenny 提到他有一张图正好画这件事：agent 帮你爬坡、到达一个新平台，然后需要人类进来想一个更大的点子、把它解锁，然后继续——一种 agent 与人的来回。Anish 给了一个特别好的验证方式：「如果你试过让 agent 替你想一个商业点子——比如『Hey Claude，帮我赚一百万，别出错』——为什么那不管用？因为你得把它设定到正确的方向上，而技术里没有任何东西向我们表明这一步不再需要。」 15:20

Lenny 补了一条现实观察：他看到一条推文说 OpenAI 的 go-to-market 团队现在用 Codex 的频率甚至超过工程团队 16:06。Anish 的解读带着他一贯的坦率：「想想这让他们多开心。GTM 团队想做什么？我知道这是个漫画式的刻画，但我要为它站台——他们想去健身房、想去吃牛排晚宴、想把『本季度/本年度最佳销售』的奖杯举起来。所以我其实认为这是把他们的工作蒸馏成了他们在世界上最擅长、最感兴趣的那件事，而围绕核心工作的所有行政现在都被替他们处理掉了。这就是 GTM 的去向，而且会很棒。」

紧接着一个 PM 朋友的做法被摆出来：作为 PM 你不断要对涌来的点子说不（「我会放进路线图、我们会排优先级」），那个朋友决定反过来——对所有事都说 yes，全都造出来，然后用 Simily 这类可以模拟用户反应的产品去模拟每个点子，让模拟结果告诉你该不该建 16:51。

Anish 说这里有两件漂亮的事，他先讲那个不那么显然的：「我感觉每家公司的每个 PM 都觉得自己是真正的零到一思考者，只是被管理层、高管、创始人和工程产能的重手压住了。而在一个每个产品故事都被讲出来、每个功能都被试过的世界里，我认为很多 PM 会意识到自己其实并不那么擅长零到一——而且做别人的好点子，比做自己的坏点子更有成就感。」 他认为这类事甚至会带来比过去更多的组织健康。第二件是：最终胜出的点子不必是那个最会向高管推销的人想出来的——它就是被试了，然后最好的点子赢 17:38。

Lenny 顺势引入 Claire 最近的一条推文：人们过去总开玩笑说软技能最不值钱、工程技能最重要最值钱，因为工程很具体——结果那恰恰是 AI 最擅长的：可验证的、你知道成功长什么样的东西。 所以现在的问题变成：哪些技能你没法变成 loop，因为它的产出太难验证？ Anish 同意，并说那些就会变成限速环节——「因为你一晚上只能吃一顿牛排晚宴。我猜你也可以吃一顿牛排午餐，但某种程度上每个系统里都会有这些限速因素。」 18:24

然后他给出了这期最实用的一个操作性启发：「任何时候模型犯了错，或者做了你不会做的事，问自己：我知道什么它不知道？」 配套的案例来自 Kavak 的 Ale（「在这些事情上我能接触到的最深刻的思考者」）：他们在线卖二手车，每个客户配一个 agent；当 agent 卡住时，它会打电话给人类，人类带它走一遍。妙处不只在于解开了卡点——agent 会捕获全部轨迹并从中学习。 Anish 的总结是：「要么是知识缺口、要么是数据缺口，你必须补给 agent，而下一次它就不该再打电话给你。」 19:10

Lenny 把方法论提炼出来：把每个职能都当成一个 agent loop 来想，而你的工作是找出它在哪里被卡住、在哪里出错，然后给它更多上下文、洞察和方向。Anish 确认，并给出了那个理想终态：「当你想出一个可行的新点子，这个点子的各种衍生工作——市场、销售、产品营销、沟通、法务——都应该基本被替你处理掉。而你的工作是去徒步、去做梦、去想出下一座要爬的山。」 19:55

四、竞争均衡可能根本不变

Lenny 问在 AI 承担这么多工作的世界里，什么会区分赢家。

Anish 给了一个被讨论不足的观点：很多行业现有的竞争均衡可能真的不会改变。 「假设必胜客、达美乐、Papa John's、Round Table 都拿到了一个数据中心的博士——他们要么会采纳，要么换个 CEO 然后采纳。所以会有一段颠簸期，会有一些相对的洗牌，但我不认为其中某一家会拿到 99% 的市场份额。」他的结论是：短期内确实会有基于技术采纳程度和采纳野心的赢家和输家，但很多行业会大致维持当前的竞争动态，因为它们并不受智能约束 20:40。

他给创始人 CEO 留下的那个问题，可能是这期最值得抄下来的一句：「最有用的自问是——嘿，如果我们假设这些东西无限聪明、且便宜到令人惊讶，我们会怎么重组这家公司？因为我们正在往那儿去。」 21:25

五、帕累托效率：为什么法务该用便宜模型、制药该无脑上前沿

Lenny 请他讲公司内部「通才与专才」的分化，Anish 把它接到了一个更硬的框架上——帕累托效率（价格性能上的有效前沿，即每一单位性能对每一单位价格的最优取舍）21:25。

他的观察是：前沿模型的定价其实是不理性的。 「首先，Mythos 是无限美元一个 token，你根本用不了。但即使看 Fable 5 这种——概念上为了多一个 IQ 的智能，你要付比 Opus 48 多 100 倍的钱。所以它不理性。」22:11

但对某些工作它是理性的：那些上限无界的工作，比如制药。如果那一个 IQ 点让你发现了下一个他汀，那是一个万亿美元的结果。 所以在这类工作和行业里，为最高智能付费是理性的 22:11。

反过来他挑了法务（和财务）来说：「法务或财务能拿到的上限也许就那么多。对这些工作，你其实应该非常帕累托有效——为好的性能付好的价格，而不是为无限定价的、有无限潜在上限的性能付费。」 他给了一个特别精准的例子：「你只能把账关对，你不可能把账关得好一百倍。」 22:57

所以他预期的终局是两种架构并存：需要中等智能的职能往往走开源权重、配上强化学习偏置（那些让模型在窄任务上更便宜更强的手段）；同时销售、支持、研究、工程用「昂贵但强」的前沿 token。他还提到模型家族之间、以及个别模型之间存在比较优势，「越来越明显，不会是二选一」23:44。

Lenny 追问这是否和「可验证性」有关。Anish 的回答很诚实地拒绝了这个简化：「我不确定。对一家制药公司，你有无限上限，它是可验证的；但关账也是一个可验证的问题，只是上限有限。我认为真正的问题是——上限有多大，以及有多难算出来。」 25:15

然后他给了一个非常好的两难。支持这个案例的细节是：客户打电话进来报一个 bug，而那个 bug 可能是通向某件改变我们整个组织的事情的第一块面包屑。如果接电话的是 CEO 或者最聪明的人，他们能顺着这条线索走下去；但如果我们放的是那种「中等智能的通才」，就走不下去了。这实际上构成了「作为一篮子问题，永远使用前沿智能」的论据。 而他也能替中等智能那一派辩护：我们已经跨过了几乎每一个经济有用问题所需的智能阈值，而超过那个阈值的部分只是浪费 25:15。

Lenny 补了一句很到位的观察：人们忘了那些非前沿模型「半年前就是前沿，我们当时惊叹得不行、爱得不行——天啊它居然能做这些」，而现在只因为有了更好的东西，我们就不给它们应有的信任。Anish 接：「这东西太疯狂了，这就是 AGI——然后一天之后它就成了你扔进垃圾桶的旧东西。」 26:01

六、model sommelier：每出一个新模型就必须做点东西

Lenny 说有人开玩笑称他是「model sommelier（模型侍酒师）」，请他讲讲当下各模型的状态。

Anish 的回答是：「每个侍酒师的秘密都是一万小时，或者一万瓶。所以做模型侍酒师的秘密就是——全都用一遍。」 他强迫自己每出一个新模型，就用它做出并发布一样东西，「你会学到非常多。对那些认为模型是商品、可以完全互换的人——你只是没真的用过这些模型」26:47。

他给的两个具体例子非常有画面感。

Qwen 38B：他最近几周迷上了它，「Qwen 是个了不起的模型，非常擅长长时程任务，而且真的很有创造力，是个很棒的讲故事者」。他用它做「不可能的纪录片」——主要是《星球大战》宇宙里的各个行星：他做了 Tatooine，效果很好；前一晚做了 Bespin。它能连续工作四五个小时，讲一个很棒的故事，通过 Fal 用 MiniMax 模型生成所有视频、用 ElevenLabs 生成音频，而且它实际上是在「导」这部五分钟的电影——它把所有片段剪进去、做叠加、然后自己看一遍。「太不可思议了。」 26:47

GLM 53（他也提到 GLM 52）：他用它做了一堆产品工作。「它没有视觉组件，有点像你塞在角落里的那个神经质的博士。」 而他的结论正是这段的要点：「这两者都有自己的角色。这有点像模型之间的张力——不是谁比谁领先、谁更聪明，而是一个的心智被塑造成了某个方向，也许是 Qwen 的创造力与开放性，另一个被塑造成别的方向，比如 GLM 53 的神经质与精确。」 「所以我就是用每个模型都做点东西，这就是我建立直觉的方式。」27:35

Lenny 问这个习惯对普通人有多重要，以及一个更实际的问题——大家都想试，但不知道该做什么 28:21。

Anish 的回答很有趣：「我们几乎所有人都有过那个最难忍的朋友——『App 点子哥』。每次你去喝啤酒，他就说让我告诉你我的 App 点子，你想，天啊又来了。而现在，我们都必须成为『App 点子哥』。所有那些傻点子——尤其是傻点子，因为那些往往 alpha 最多——都是我们应该去造的。」

他自己手上大概有两打小 app，加上一两个持续迭代的大 app。他给出的关键建议是要有一个底盘（chassis）：「如果你没有一个可以用来使用模型的底盘，每次都要从零想一个点子真的很难。所以我会说——去做点什么，而且最好它不是那种大写的『重要』，然后不断找新方式去投入它、给它加东西，把模型当成工具而不是目标。」29:06

Lenny 补了一个更元的习惯：每当你要做一件事，先问自己「AI 能怎么替我做这件事？」 他把它比作冥想——输入与回应之间有一个空间，冥想帮你在回应前想得更深，而现在的诀窍是在那个瞬间插入这个问题 29:52。

Anish（他自己也是长期冥想者）同意，但补了一个诚实的自我观察：「在日常知识工作里，这对我有时不那么明显。我一直是个消费产品的人，我爱产品，所以对我来说，想出一个新功能加到我的 DJ 流媒体 App 或者我自己用的『X 版 Google Reader』上，比在生活里找一个环节来自动化更容易。」 但他随即举了自己的一个例子——也是全场最有趣的段落 29:52：

他让笔记本转录厨房里发生的一切，然后根据儿子表现好坏，给他的 iPad 增加或扣减屏幕时间。「这是个好玩的社会实验，而它还有个好玩的结果：他录了一段自己反复说『爸爸我爱你』的视频，把手机放在麦克风旁边——来刷指标。」 Lenny 追问机制，Anish 说度量的是「他说的话是积极亲社会的还是消极反社会的，而说『我爱你』是非常亲社会的」。他自己的总结带着经济学味：「任何东西一旦成为度量指标，它就不再有用了。」 30:37

Lenny 回敬了一个朋友的例子：那人改造了自己的一个 Limitless 吊坠，用来统计他和孩子们每天笑了多少次，然后每天看这个指标 30:37。

Anish 抓住这个点做了一次转向，也是全场情绪的拐点：「我们这期节目到现在花了很多时间聊生产力、失业，这些大写的重要话题。但你刚描述的——你多久笑一次——那不是一个创业公司，大概也不是一个有经济后果的点子，但它对我们生活的质量是有意义的。而我们倾向于认为幸福是固定的——但如果它不是呢？如果你和我一百年前在做工作，那些工作会是什么？我保证它们不如现在酷。也许一百年后它们会酷得多。」 「所以经常被忽略的、也是我为什么欣赏 Claire 这些人的原因，就是——这东西怎么给我们的人类生活增添质地，哪怕它们没有经济后果。」31:23

七、「loop 让我更快乐」：消费级 AI 的真正机会

Lenny 请他讲那个观点：最大的机会（不只在消费领域）是「loop 让我更快乐」。

Anish 的开场句就是这一段的骨架：「我们以为人们想要更高效，但他们不想。我认为想花时间的人比想省时间的人多。世界上最大的产品是娱乐和社交，这不是没有原因的。」 32:08

他随后给了一个非常好用的用户分类：「我有时开玩笑说这是 Instagram 型 AI 用户 vs X 型 AI 用户。X 型用户害怕自己掉进永久底层，对 GLM 53 与 Kimi K3 谁强有强烈意见，他们太上瘾了。而 Instagram 型的人是：哦，这就是个更好的 Google 搜索吧，挺酷的，我不懂大家在炒什么。」 32:55

他把这判定为产品设计的失败，而不是能力的不足：「我们有能力彻底改变人们的生活。Lenny，在很多意义上，我们花了四十年造出一种能让电子表格变好的技术——我们造了延伸我们智力的技术，却没有造任何延伸我们灵魂的东西。」 他还给了一个社会层面的观察：我们有一点精神上的饥渴，尤其是当那些曾经满足这种需求的文化机构逐渐消失之后——「特别是在美国其他地方，那里没有那么多热瑜伽课、普拉提、断食和 Friendsgiving。」

于是他给出这项技术真正的机会：「消费者需求的最基本的那些东西——我们怎么感到更被连接、更被爱？我们怎么取得进展？我们怎么获得乐趣？这些我们所有人都向往的基本的东西。怎么把这项技术应用到那些领域？这是我想看到更多的。而我再说一次——我不认为这是模型或能力的挑战，这只是产品设计的挑战。」 33:42

Lenny 顺着往前推：我们聊过「loop 帮我做大生意」「loop 给我找更多销售」「loop 关掉支持工单」，而他记的笔记里是「loop 改善我的健康」「loop 让我成为更好的朋友」——没有理由 AI 不能深入认真地思考这些事并找到办法。

Anish 补了一个方向：AI 可以挑战你、推你、可以「不讨人喜欢」（disagreeable）。而这正是他认为初创公司比在位者更有优势的地方：「有一千个 Google 委员会会在坟墓里翻身，只要一想到他们要发布一个不讨人喜欢的、或者天哪竟然带点性暗示的模型。但你猜怎样？这些都是人类存在的一部分。所以探索我们社会性存在中那些不舒服的部分，是初创公司独一无二适合去做的事。」 34:27

关于为什么消费级 AI 到现在还没爆发，他给了一个很清楚的坐标和三个卡点 35:13：

坐标：「如果把它换成 iPhone 的说法，我们现在是 iPhone 2010。」 而 iPhone 2010 意味着——Airbnb 之前、WhatsApp 之前、Uber 之前、所有重要消费公司之前。

三个卡点： 一是模型一直很贵，所以想做免费使用的产品并不容易；二是界面问题——「聊天对世界上能动性最高的人是合理的，那就是 Elon 和 Sam。但对普通消费者，他们的理想界面是 TikTok。所以我们需要在聊天和 TikTok 之间找到某种东西。」 三是技术一直过度聚焦在生产力上，而不是人的连接与娱乐。

他认为这三件事都在松动：开源权重模型让成本大幅下降；我们开始有「loop 让我更快乐」这类对话；而在界面上，像 Eugenia（他说她本该上这个节目，「她非常了不起」）这样的创始人正在极有野心地思考用户界面，Airbnb 的 Brian Chesky 也开了一个专注下一代用户界面的基础实验室 35:58。

八、为什么该乐观：技能与欲望的解绑，以及「赌注高时人类最强」

Lenny 引用 Marc Andreessen 上节目时的观点——AI 来得正是时候：人口在下降、生产力在下滑，还有战争、气候变化，如果没有 AI 来填补缺口我们会有大麻烦。他请 Anish 讲自己的大图景。

Anish 的第一层是情感与精神层面：这项技术有潜力成为一个「情感和精神的界面」，让我们在上面获得杠杆、探索自己那些被深埋的方面。他的论证从工业革命出发：工业革命带来的是不可逾越的规模优势，而尽管他非常支持资本主义、热爱我们生活的这个经济体，他认为「中心化在某些方面打压了个体，也许还削弱了他们的身份认同」 36:45。

「所以真正有魔力的一件事是——这是一项真正放大我们身份认同和能动性的技术。它把技能与欲望解绑了（unbundles skill from desire）：如果你想做音乐，你现在可以做音乐，你不需要会弹钢琴；如果你想当程序员做软件，你现在可以做软件。所以它真正放大的是我们的个体性，它让我们能探索那些我们此前从来无法探索的生活面向。」 37:31

第二层是具体的经济学：「我们一直陷在 2% GDP 增长的泥沼里。谁说我们必须待在那儿？为什么不能是 10%、15% 或 20%？而这是一项不仅能极大驱动生产力、还能极大驱动野心的技术。」 他举了 1950、60 年代作为参照（承认这可能是漫画式的刻画）：那时我们相信自己什么都能做，因为我们刚从一场整个经济、整个世界以我们原以为不可能的方式动员起来的战争中出来 37:31。

然后是他自己的一个理论，也是这期最锋利的一句：「赌注高的时候，我们很棒；赌注低的时候，我们处于我们绝对最糟的状态。而在很多方面，我认为五年前我们生活的世界感觉是一个低赌注的世界——这就是为什么我们作为一个社会集体搞了一堆并不一定有生产力、也没让我们任何人更快乐的副业。」 而现在，不只是 Elon 在做他做的那些事，「我认为每个人都感觉自己在爬野心的阶梯。你发出你的坏点子，才能发现你的好点子。」 想做软件？很好。想造一座桥？你不再需要是土木建筑师才知道怎么做。「所以我真的认为我们具备了造出一个显著更快乐、更充实、更有生产力的社会的条件。然而我们却在这儿聊永久底层。」38:19

Lenny 承认这一切「感觉太对了，但真的很难相信」，并列出反面：数据中心给周边居民造成的问题、很多人在挣扎，「但作为一个经济体、作为一个国家，感觉到目前为止进展不错——前几天好像还治好了某种癌症」39:05。

Anish 接住这个：「Moderna 刚做到了。而 Dario 能写一篇博客说『当我们治愈所有疾病会怎样』，然后我们把它当成一个严肃话题来辩论——我们这是活在什么世界里？」 他随后做了一个很重要的方法论区分：「我们集体总在担忧，而『世界』『普通工人』『中层经理』『住在数据中心附近的人』这些都是抽象概念。但我们实际的生活感觉正变得更充实、更有能力、更被赋权。所以显示偏好（revealed preferences）倾向于展示人们个体上如何体验这件事，而陈述偏好（stated preferences）倾向于展示他们如何观察、或相信它在社会层面如何演进。你问人们要不要在自己社区里建数据中心，大多数会说不；但你问他们今天有没有用 ChatGPT，大多数会说有。这就是那种失调。」 39:50

Lenny 问 AI 的公众形象为什么这么差、会不会变。Anish 的回答很具体：「我们能为改变围绕 AI 的对话所做的最重要的事，就是让重要的东西变便宜。」 他点出美国有两样东西极其重要却只变得更贵：医疗和教育 40:36。

• 医疗：45% 是行政成本。如果把大量行政负担拿掉，你真的能看到通缩式的医疗成本；再加上治愈疾病这件事本身，以及 GLP-1（他明确说那不是 AI 的功劳，但也是对医疗成本通缩保持乐观的理由）。
• 教育：「传统教育现在面临的是它两百年来最强形式的竞争。」 他认为把学习与机构解绑会非常非常好，而且顺带也把地位与文凭解绑——「你不需要一个哈佛学位，你只需要做到。这挺酷的。」 41:22

九、「太危险不能发布」这件事，他不太买

Lenny 提到 OpenAI 最近放慢了开发，因为看到的东西而暂停了最新模型的 RL 阶段。

Anish 不评论 OpenAI，但对这类叙事表达了怀疑，而且理由相当结构化：「我认为 Anthropic 因为有一个『太危险以至于不能发布』的模型而获得的光环是非凡的。也许他们只是 GPU 不够；也许能力确实比他们想要的更超前；也许他们其实是想把那个专有模型留在内部来扩大自己的领先。所以有很多混淆因素都会让你稍微收手。」 他的结论句：「『太危险不能发布』这个概念，它有点混淆了营销、推理产能，以及经济考量——你到底想把自己的竞争优势外化，还是用它让自己变得更好。」 但他明确说自己认真对待进攻性网络安全的问题：我们应该在把系统变得极易穿透之前先加固它们 42:55。

Lenny 说他每次请 Anthropic 和 OpenAI 的人上节目都会想到这个优势有多大——「有最好的模型本身就是一个 loop」。Anish 反过来站在另一边说了一段很重要的话：「不过这也挺疯狂的——曾经感觉 Anthropic 是不可战胜的，而现在 OpenAI 有了了不起的六个月，开源权重也在猛涨。所以尽管有『某家公司独占的极度智能模型』这个可怕概念，到目前为止行业趋势完全没有那样演进。」 44:26

由此他们聊到了三个个人 agent 产品，这是这期对产品人最有信息量的一段 44:26：

• Grokbot：「完全做对了，而且底下的模型也很棒，他们从左场外冒出来。」他知道 Chris 那个团队做的很多好工作。
• ChatGPT Work：「有点被埋在 UI 里，但真的真的很好，是他们发布过的最好的产品之一。」Lenny 提到上一期节目正好是负责它的 PM。它强在哪？跑在云端；很好地缓存浏览器凭据（虽然不如 Grok 或 Instinct 那么激进）；还有远程功能和完整的双工语音模式——你可以直接打电话给它，它能看到你所有的线程，你就说「我所有编程 agent 那边现在什么情况？这个能改一下吗？」 Anish 的评价是：「因为完整双工语音太好了，你真的感觉自己在给一个知道你世界里正在发生的一切的助理打电话；而 Grok 那边是单向转录，其他一些助理是文字。所以语音加上『它能看到所有线程』的模型，做得非常好。」 45:58
• Instinct：一家正在获得关注的初创，「做了一些更激进、更有意思的取舍，但都在同一个领域里」。

关于就业，Lenny 把光谱画出来：Dario 那一端是 50% 的知识工作会被冲击、我们会有大规模失业；David Sacks 那一端是这会很了不起、工作会没问题。Anish 显然更靠后者 46:44。

他补充的论据是欲望的历史：「人类存在的整个趋势是——我们的欲望增长得比我们满足它们的能力更快。今天被当作期待的东西，五百年前、甚至五十年前是不可想象的奢侈品，比如心理治疗；或者一百年前的抗生素——不管你多有钱，你就是拿不到。」 所以他认为我们在低估人类的野心和欲望：「二十年后人们会因为自己在火星上没有度假屋而生气——真的很生气，会在 Instagram 上看到然后说：拜托，亲爱的，我们得更努力把这事办成。每个 CEO 都会想造一家大得多的公司。」 47:30

Lenny 顺着「野心」这个词往下：AI 不只让人更容易更有野心，几乎是逼着我们更有野心，因为所有人现在都能做那些容易的事，区分我们的只剩下你能做多大。他举自己的例子：过去做个白底简单的个人网站就挺酷，现在得做成一个 3D 游戏、你要在世界里行走并发现各种东西——一切都在变得更史诗 48:15。

Anish 在这里做了一个重要的纠偏：「很多东西被混为一谈了。当你和我在这个播客上说『野心』，我觉得人们脑子里有一个非常具体的野心——当创始人的野心、做一个漂亮软件产品的野心。那些是野心的类型，但还有别的类型。」 他举了三种 48:15：

• 创造性的野心：「你五岁的时候，没人会说『Lenny，你擅长画画但不擅长素描』。你就是有一种做点什么的野心或欲望，然后你就做了。这是非常独特的东西，而现在它真的可以被鼓励。」
• 非常局部的野心：「英国有 NHS，我认为那是一个珍贵但运转不佳的机构。也许 AI 在他们社会里出现的方式，就是把 NHS 做得像 iPhone 一样好。」
• 仅仅是与家人更连接、做更在场的父母的野心。

「所以野心不必是狭义经济意义上的野心，它可以是任何我们想更多去做的事——而谁的骨子里没有这种东西呢？」

Lenny 自嘲说自己的例子太蠢了，我们要解锁的是「好，AI，解决癌症」这种量级的思考，「对我们这些产品人尤其不自然，因为我们总要想 MVP 和约束条件」。Anish 给了一个反转：「某种意义上我们必须学会『想小』。我们一生都建立在软件和智能有多珍贵这件事上，而现在它完全不珍贵了。这对你我可能是更难的转变。」 49:46

Lenny 补了 Claude Code 团队的一条原则：「比我自己做这件事更好的是什么？是 Claude 做。」 这在团队每个人心里养成了一个习惯——我怎么帮 Claude 替我做这件事 49:46。

Anish 接着讲通过做而学：「有意思的是，如果你看有多少人在谈 vibe coding、又有多少人在谈自己的项目——人们有点难为情。我自己也有点难为情谈我很多项目，因为它们看起来不够重要、不够有分量。但其中很大一部分价值是通过执行、通过发布而学习，或者通过执行和发布而获得满足。」50:31

Lenny 提到一篇即将发布的客座文章（来自 Google 做实验室相关工作的人），核心概念是「建造是新的阅读」——你通过建造来学习、吸收和体验，而其中大部分被扔掉完全没问题，因为那仍然在锻炼你的肌肉。Anish 的总结句很好：「建造是一种活动，而不是一种结果。」 他的私人例子是 DJ：「我做一个 DJ set，三个人听，我自己听了一百遍，非常有满足感。不重要。」 51:18

十、消费方向的三块地，与被少讨论的第三块

Lenny 请他讲 a16z 消费方向的图景。Anish 给了三块 52:04：

第一块是编程 agent。 他说「实验室做得不错，但独立的大众市场消费产品还不够多」，而编程 agent「棒极了，是一道彻底的闪电」。他自己思路上最大的转变是：编程 agent 是一种与世界打交道的通用方式。 「你在 X 上看到很多——人们用 Claude Code 剪视频，或者用 Codex 做一个在飞机上和孩子一起玩的游戏。它是一种消费者可以用非常独特的方式使用的通用问题解决工具。」他们投的最好的例子是 Wabi——一个 mini app 的平台，人们可以创建、消费和分享它们。

第二块是个人 agent。 「我们围绕 OpenClaw 有过一个了不得的时刻，但你猜怎样？OpenClaw 是个开发者的东西。还有 Hermes、Multibook。所有这些现在正被蒸馏成人们能理解的大众市场消费级和企业级 agent」——也就是前面聊的那三个产品 52:04。

第三块他叫娱乐，但明说这个词配不上它。 「很多是创作工具——Suno 做得太出色了；还有陪伴类产品。这整个领域聊起来不舒服，所以我认为它被讨论不足，但那里有一些巨大且高速增长的产品。」52:51

Lenny 提到市场地图里五家都是陪伴产品，并顺口说「AI 女朋友那类」。Anish 给了一个反刻板印象的纠正：「更准确地说，是男朋友和女朋友都有——而且实际上，使用陪伴产品的人里大多数是四五十岁的女性。」 53:37

Lenny 把三块地和 loop 的框架接上：这些其实就是人类的 jobs to be done——让我快乐、让我更健康、让我活得更久。Anish 的总结更准：「给我一个野心的通道、一个满足感的通道，以及一件在我不做其他所有事的时候可以做的事。」 53:37

十一、护城河：被发现，而不是被设计

Lenny 提出所有创始人都在被问的问题：产品发布速度千倍增长的世界里，怎么看持久性和护城河？我凭什么不是一个套壳？

Anish 给了两个想法 54:23。

第一个来自 Decagon 的 Jesse，他很喜欢：「护城河多数时候是被发现的，而不是被设计的。」 他承认自己做创始人时也犯过这个毛病——「很容易钻进自己的脑子里：嘿，我需要一个能经受 MBA 和 VC 审视的商业计划，我必须对我的护城河有一套很精妙的说法。而那个团队只是开始发东西，护城河随时间长出来了。」

第二个例子是 Cursor：「他们因为没有护城河被批评了很多，但事实证明一开始做一个高端的专业日活产品就很好；随着时间推移，他们捕获了所有推理轨迹、训练了自己的模型（Composer 1 和 2），后面的故事我们都知道了。」55:09

第二个想法更硬：「我们好像忘了，所有经典护城河里，没有一条是基于软件做起来有多难的。我们不是在造自动驾驶汽车，我们大多数人不是。所以它是网络效应、是规模优势、是品牌效应、是专有数据（历史上叫 cornered resource）。五年前的每一条护城河今天基本还是好护城河——我们只是需要在那些方向上有野心的创始人。我们需要更多多人产品，我们需要消费社交，我们需要那种越用越显著变好的产品，比如 Town。」 55:56

Lenny 确认 Hamilton Helmer 的《7 Powers》仍然适用。Anish 很热情：「我觉得世界上只有五本真的商业书，其他每一本都是在做『卖商业书』的生意，都是假的。而他这本在我的五本名单里。」 另外两本「显然」的是：《High Output Management》——「和它当年一样好」；以及 Ben 的《Hard Things》——「那是有史以来第一本情感上诚实的商业书，这就是创始人爱它、我也爱它的原因：你读的时候会想，原来不只有我焦虑、觉得自己是个失败者、又没法跟任何人讲我正在经历什么。Ben 也经历过。」 56:42

那么创始人在 pitch 里该怎么谈护城河？Anish 说他们很愿意押一个没有所谓护城河或持久性故事的产品，只要它有很多势能、很多手艺（craft）、不断增长的参与度 56:42。

然后他给了一条这些年学到的最有用的东西：「我过去很担心别人偷我的点子，但我学到的是——大点子总是被一打看不见的小点子支撑着。即使有人复制了你的大点子，他们永远看不到那些让大点子成立的小点子。」 所以他认为某些产品的水里就是有某种特别的东西，让它们在极端竞争下依然极其成功。他举 Granola：「两年前它被批评得很厉害，我也不觉得他们今天有一个超强的持久性故事，然而它就是被深爱、且占据主导。」（Lenny 补充说 Ramp 刚发的最快增长公司报告里，Granola 排第二或第三。）他的结论是：「我更听客户在说什么，而不是商业书在说什么。」 57:29

Lenny 顺势提出一个现象：co-work、ChatGPT Work、Cursor、Grokbot——人们从一个切换到另一个快得离谱，而底层模型差别不大，绝大部分其实是 harness 和 UX。所以在他看来，用户体验本身就有巨大的机会成为护城河、至少给你时间去找到某种持久的东西。Anish 完全同意，并补了一句现实：「对处在前沿的人来说，他们会把所有这些都付费买下来，因为它们各有各的专长领域。」 Lenny 承认自己手上有好几个每月 200 美元的套餐，Anish 说自己也一样、「有点痛」；他们还对了一下 Cursor 有 300 美元档、Grok 也有（Grok heavy）59:01。

十二、分发为什么变成了纯粹但更难的增长问题

Lenny 提出他常说的「分发是新的护城河」——虽然它一直是护城河，但在「一天有一千条发布视频」的世界里，能把你的东西塞进别人的注意力流、并让他们持续记得你的产品存在，变得越来越强大。

Anish 说这非常重要，并给了一个他专门问过 Chris Dixon（「come for the tool, stay for the network」这句名言的作者）的答案：「问题在于我们整整一代创始人和 CEO 都是被网络理论和网络建设训练出来的。而结果就是，今天存在的每一个网络都被高度训练成——确保没有别人能在它的网络上建起一个网络。」 59:48

所以他认为网络效应回到了草根：「真正的口碑。当某个东西在 X、YouTube、Instagram 和其他所有地方有机地被大量提及，那大概就是今天你能指望的最好形式的第三方网络效应。」 而且这更像 Web 2.0 时代而不是移动时代——移动时代你有 App Store、有增长黑客、有一堆小作坊式的行当，而现在我们必须在口碑增长之上自己搭渠道。「所以某种意义上，这是一个更纯粹、但也比过去几个产品周期更难的增长问题。」 60:35

Lenny 引 Seth Godin 的那句「造一个值得被谈论的东西」。Anish 给了这一段最有力的翻转，也是这期最实用的一句话 61:21：

「我总是说——现在没人有增长问题，他们有的是产品问题。原因是你可以在任何方向上（功能的或情感的）造出一个野心大得离谱的产品，而且你可以为它收很多钱。所以我的挑战是：嘿，这到底是你有增长问题，还是我们集体想象力的失败？如果我们想象我们的产品每月收一千美元、一万美元呢？如果我们的产品是一个软件的 Birkin 包呢？它得做到什么才能证明这个价格是合理的？好，那我们来想办法把它造出来。」

Lenny 仍然坚持：你还是需要某种优势才能出现在人们面前，这让他觉得在位者优势巨大（Google 可以每次搜索时都告诉你去用 Gemini）——初创现在是不是更难了？

Anish 的回答是更容易，理由有三条 62:07：一是「Gemini 尽管有 Google 做了那么重的交叉推销，没人会说他们在赢」；二是「初创可以在在位者感到不舒服的方向上建造」——陪伴类是一个例子，还有很多；三是价格可以相当高——「人们愿意为企业版付每月 200 美元，愿意在并不真的清楚自己会得到什么的情况下签百万美元 ACV 的合同」。 他的比喻是：「感觉像 2009 年的圣诞节，所有人刚拿到 iPhone 都想下新 App。这总有一天会变——人们会觉得够了、累了、不想再试 App 了。但现在窗户是开着的，我认为对初创更容易。」 62:53

他还给了一个来自 Web 2.0 的灵感例子。他先自陈立场：「我在那个意义上非常 Web 2.0——那些 Ev Williams、Kevin Rose 们，他们就是画家，只不过技术是他们的画布。」 例子是 MSCHF 的「card vs card」：他们给大约十万人寄了借记卡，然后每天给这些人发短信，告知一个他们必须去消费的地点，并在卡里放 100 美元；所有人冲出去抢着花掉，只有一两个人能刷成功，其他人全部被拒。 这个搞笑的社会实验极度病毒式传播，而它对 Anish 一直有启发意义，因为在金融科技的世界里——「哇，我们为什么不多造些这样的产品？钱本质上是社交的，然而我们所有的金融产品都那么枯燥、私人和令人难为情。」 他认为AI 现在正在发生类似的时刻：我们可以造那些触碰我们许多社会神经的、野心大得离谱的产品——我们只需要去做 63:39。

十三、最反直觉的一课：野心的门槛反过来了

Lenny 请他讲从这么多公司身上学到的反直觉教训。

Anish 说最大的一条是：「在过去——也就是三年前——我们看到一家公司，如果它想做的事太有野心，我们就不接触了。太疯狂、太复杂。而这暗含的一点是：你不会做一亿美元的种子轮，因为对几乎任何问题来说那都太多钱了，多到任何人都管不过来、多到吸收不了对应的人才，它作为一个起始轮不合理。」

「而我认为今天我们几乎在遇到相反的问题——一个太小的点子，才是我们不想接触的东西。而且你可以聊清楚怎么把一亿美元在种子轮里有效地花出去。」 他明确说自己不是在推荐你去融这么多，但「这种『野心没有天花板』的状态也体现在我们怎么挑公司上，也许还体现在他们怎么挑我们上」 64:26。

他给出的机构立场是：投资时他们告诉每一个创始人，「我们来这里是为了帮你建成你愿景的最强形式」。而这句话的出处是 Marc 当年招他时说的：「Anish，我们募第一支基金时讲故事的方式是——我们要么登上月球，要么在地上留下一个月亮大小的坑。没有别的选项。」 65:11

Lenny 追问：野心会不会太大？有上限吗？Anish 用 Atoms 做例子：「Atoms 有多疯狂？那对我们所有人集体来说是一段不可思议的英雄之旅。但他们试图做的事，在五年、七年或十年前会显得不可逾越，而现在是——好吧，这很有挑战，我们看看。」 65:57

关于他改变过的想法，他给了另一个反直觉的：「关于消费产品必须免费的旧智慧——我几乎在采取相反的立场：让我们想想极其昂贵的消费产品。我认为消费可支配支出的每一块现在都可以争。而因为价格是 PMF 的一个度量，一个非常有用的产品练习就是：我们产品的『Birkin 包版本』、每月一万美元版本、每月一千美元版本是什么？所以昂贵的消费软件是一件新的、重要的、五年前我们不会想到的事。」 66:43

关于 Marc Andreessen 和 Ben Horowitz 各自教给他什么，他给的答案不是投资技巧：是一种「受托人」（stewardship）的意识——对技术行业、对国家、也许对整个西方的生活与思考方式。 他把这条谱系往前接到 Ron Conway、Brook Byers、Tom Perkins：「有一种感觉，是从行业角度出发的、要把它交接得比你发现它时更好的义务感。而那种向往远远超出『成为世界上最好的投资人』——尽管我们也想做到那个。我看到他们两个反复以这种方式出现：他们想做那些困难而重要、却不直接（或至少不单独）有利于机构的事，因为那些事就是重要。Ben 在行业方向上做了很多，Marc 在国家方向上做了很多，当然两人都在两个方向上都做。」 67:28

他还指出一个由此产生的集体变化：「五年、七年或十年前，深科技是深度不受欢迎的——做那个不是高地位的事，非常边缘。而现在它变得非常流行、高地位且主流。当然有很多机构都在往那个方向拉，但我认为 Marc 一直在毫不含糊地支持从事那种关乎国家利益的、大写的重要工作。整个硅谷因此改变了。」 68:13

十四、给产品人的建议：多做东西，一周发一个

最后的正题问题是：产品人应该改变什么？

Anish 的答案朴素到几乎让他自己不好意思：「就是多做东西。我知道这听起来很傻，我知道每个人都这么说，但请你——想出一个项目，你不必告诉任何人，它可以完全不重要。但把它当作一个底盘，用来使用所有新模型、发布东西、谈论它们、建立你自己的直觉。我保证你离『和任何人一样上瘾』只差一个稍微令人挫败、然后非常令人满足的星期。」 69:45

他把这件事拉回了初衷：「如果不是现在，那是什么时候？我们所有人入这一行都是为了造出我们脑海里看到的那些产品，而现在你有机会做到了。所以请一定用这些模型。然后告诉我你造了什么——发短信给我、@ 我，我会回复、会参与，其他人也会，因为硅谷的魔力在于它是一种非常正和的心态：所有人都在彼此之上建造，而脆弱是被真正奖励的。」 69:45

Lenny 问一个可执行的启发式。Anish 说：一周发一个东西就够，而且不用夸张。 他自己的例子极其具体也很动人：「我在玩 Codex 的时候，让它给我妻子做了一个母亲节的幻灯片——它从我的短信里取材、看了我的相册、配上音乐，做了一个大概二十页的、关于我们关系的幻灯片，还翻出了当年我第一次约她出来时的一些很棒的旧短信。那是一个很好的母亲节。它不重要，也不是我会回头再看的东西，但它是『发出了一样东西』。所以可以那么小。」 70:31

Lenny 提到他们共同的朋友、Anish 在 Credit Karma 的老同事 Nikhil 的一个观察：人们对 AI 的态度会在他们发现某个「AI 为自己创造的快乐时刻」之后翻转——而这个母亲节的例子正是绝佳的示范。所以 Lenny 常想的诀窍是：「有什么事情如果它成功了，会带给你快乐？」 Anish 又往前推了一层：「有什么事是你可以替别人做的？也许那是一个更好的起点。」 71:17

十五、快问快答

• 最常推荐的书 72:03：Thomas Sowell 的《Conquests and Cultures》是他最爱的一本——讲征服如何在世界各地不同社会里导致文化改变，有时是正向的、有时是负向的，「对我来说这是关于『文化是结果的最大驱动因素』的最好的历史视角」。他说自己作为一个出生在加拿大、后来到美国的人体会很深，「而美国有一种非常不同的野心文化——又是那个词」。第二本是 《7 Powers》（Lenny 提到的那本），「关于商业理论中的护城河和复利优势的非常智性的提炼」。第三本是 Marc 在他入职前推荐的教科书《Increasing Returns to Scale》（作者 Brian Arthur）——他一开始以为 Marc 在耍他。「它稍微有点密，研究的是为什么像软件这样的东西有如此离群的经济效应。它真的帮我把事情放进了透视：为什么我们的行业以这种方式运作？为什么我们的文化以这种方式运作？为什么我们这么正和？我很想说是因为我们是更好的人，但我认为可能是我们所处的一个更好的系统和结构。」
• 最近看的影视 73:33：他自认看的是「垃圾电影和剧」——《House of the Dragon》，「不高雅、不是大写的重要，但很棒，我们很喜欢」。还有在伦敦（去开董事会时）在 IMAX 看的 《Odyssey》：「电影很棒，但它更像是一场剧院体验、一种奇怪的社交体验——一起独处（alone together）。」 顺带一个很有时代感的插曲：Lenny 一直抢不到 IMAX 的《Odyssey》票，所以他让一个 Grokbot 持续盯着网站找好座位，结果卡在 AMC 网站那个「点三个匹配形状」的验证码上过不去 74:20。
• 最喜欢的 AI 产品 75:06：Grokbot。「我要给它，只因为它在缓存凭据、替你把活干完这件事上如此不受拘束地有野心。我爱它，而我期待一家初创这么干——但他们做的事，我认为没有别的大公司会做。真的做得非常好，UI 很有想法，底层模型很强大。它也让我觉得：好吧，等等，也许在模型这一侧这不是一场两匹马的比赛。」
• 人生格言 75:53：「别用痛苦的经历去发现那些别人本可以直接告诉你的事。」 这来自他做创始人的日子，也非常适用于育儿——他承认自己有「靠自己发现而不是向前面几步的人学习」的坏习惯，而发现孩子们也有同样的习惯。对孩子，那是「别摸热灶台」；对创业，那是「不要同时做产品和平台」——他们第一家公司同时想做手机游戏的社交平台和一家游戏工作室，有智者立刻告诉他「光做工作室就极难，更不用说工作室加平台，选一个」，他们选了，「而我们花了好几年才想明白我们错了」 75:53。
• DJ 76:38：Ben Horowitz 让 Lenny 一定要问这个（「他很厉害」），Lenny 找到了他 SoundCloud 上的 illscience。Anish 从 1995 年开始打到现在，31 年。他说 DJ 是「如果你不是古典训练出身的音乐家，一种表达自己音乐性的好方式——你选音乐、挑唱片、把它们混在一起，需要一些技术能力」。而现在你可以再往前一步，直接用模型做音乐；最好的部分是当你能想出音乐的点子，然后让模型去做出它的强形式。 他还给了一个音乐媒介史的判断：「先是你只有在场、有人用乐器演奏时才能听到音乐；然后是留声机上的录制音乐。而从媒介角度看，音乐真正的大变化是磁带——因为磁带真的是第一次你可以创作，你可以自己编排一张『专辑』。我认为 2000 年代音乐之所以挣扎，很大程度是那一环消失了、我们退回了广播；而现在人们又在做音乐了，我认为音乐产业会比它以往任何时候都更大。」 77:24
• 听众怎么帮到他 78:10：「让我看看你在造什么。请别沮丧，造点东西然后 @ 我，我很想看。」

金句

这是我们硅谷集体拥有的一个有趣的黑暗幻想——按几乎所有指标，情况从未这么好过。 —— Anish Acharya 3:04

loop 会帮你爬上局部最优，但接着它就平台化了。你需要人的直觉，需要有人真的把你放到下一座山的山脚下。 —— Anish Acharya 15:20

你只能把账关对，你不可能把账关得好一百倍。 —— Anish Acharya 22:57

我们花了四十年造出一种能让电子表格变好的技术——我们造了延伸智力的东西，却没有造任何延伸灵魂的东西。 —— Anish Acharya 32:55

赌注高的时候，我们很棒；赌注低的时候，我们处于绝对最糟的状态。 —— Anish Acharya 38:19

现在没人有增长问题，他们有的是产品问题。 —— Anish Acharya 61:21

别用痛苦的经历去发现那些别人本可以直接告诉你的事。 —— Anish Acharya 75:53

提到的书·产品·人物

• Anish Acharya（人物）：a16z 消费方向普通合伙人，本期嘉宾；创办过 Social Deck（售予 Google）与 Snowball（售予 Credit Karma），后任 Credit Karma 产品 VP 与消费产品及信用卡业务 GM。
• Kavak（公司）：墨西哥在线二手车公司，设有六周的「绝地学院」培训全员（含修车工）并以交付生产级 agent 结课；其 Ale 是他最推崇的实践思考者，做法是「agent 卡住就打电话给人类，人类带一遍、agent 学会」。
• Claude Code / Codex / Lovable / Replit / Wabi（产品）：被他用来证明编程 agent 没有赢家通吃；Wabi 是 a16z 投资的 mini app 平台；Claude Code 团队的原则「比我自己做更好的是让 Claude 做」被引用。
• Grokbot（产品）：他最喜欢的 AI 产品，「在缓存凭据、替你干活上极有野心」；Lenny 用它盯 IMAX 票，卡在验证码上。
• ChatGPT Work（产品）：跑在云端、缓存浏览器凭据、有完整双工语音，「藏在 UI 里但是他们最好的产品之一」。
• Instinct（公司）：正在获得关注的个人 agent 初创，做了更激进的取舍。
• OpenClaw / Hermes / Multibook（产品）：个人 agent 的开发者阶段形态，正被蒸馏成大众市场产品。
• Qwen 38B（模型）：擅长长时程与创造性叙事，他用它做《星球大战》行星的「不可能的纪录片」，可连跑四五小时并自行剪辑。
• GLM 52 / GLM 53（模型）：没有视觉组件，「像塞在角落里的神经质博士」，用于产品工作。
• MiniMax / Fal / ElevenLabs（产品）：他的纪录片流水线里分别负责视频生成、调用与音频生成。
• Mythos / Fable 5 / Opus 48（模型）：用于说明前沿模型定价的不理性——「多一个 IQ 要付 100 倍」。
• Kimi K3（模型）：被用来刻画「X 型 AI 用户」的争论焦点。
• Suno（产品）：他认为在创作工具方向做得极出色。
• Simily（产品）：可模拟用户反应的工具，被用于「对所有点子说 yes 然后模拟」的新式 PM 流程。
• Granola（产品）：两年前被批评、如今被深爱且主导，在 Ramp 的增长榜上第二或第三，他用它论证「手艺与客户口碑胜过商业书」。
• Cursor（公司）：他的护城河案例——先做高端专业日活产品，再捕获推理轨迹训出 Composer 1/2；也是「300 美元月费档」的例子。
• Decagon / Jesse（公司/人物）：「护城河多数时候是被发现的，不是被设计的」这句话的出处。
• Town（产品）：被举为「越用越显著变好」的产品范例。
• Limitless 吊坠（产品）：Lenny 的朋友改造它来统计每天笑的次数。
• MSCHF（公司）：创意工作室，其「card vs card」实验（十万张借记卡、每日限定地点抢刷 100 美元）是他对「社交化产品」的长期灵感来源。
• Moderna（公司）：被提到作为「刚治好某种癌症」的现实进展。
• NHS（机构）：他举的「局部野心」范例——把它做得像 iPhone 一样好。
• Atoms（公司）：他举的「今天可以有多大野心」的例子。
• Eugenia（人物）：他认为在用户界面上思考极有野心的创始人，「本该上这个节目」。
• Brian Chesky（人物）：Airbnb 创始人，开设了专注下一代用户界面的基础实验室。
• Chris Dixon（人物）：「come for the tool, stay for the network」的作者，他就分发问题专门请教过。
• Marc Andreessen / Ben Horowitz（人物）：他从两人身上学到的是对行业与国家的「受托人」意识；Marc 的名言「要么登月，要么留下一个月亮大小的坑」是他们与创始人合作的方式。
• Ron Conway / Brook Byers / Tom Perkins（人物）：他把「把行业交接得更好」的义务感接到这条谱系上。
• Dario Amodei / David Sacks（人物）：被用作就业冲击判断的光谱两端；Dario 那篇「当我们治愈所有疾病会怎样」被当作时代注脚。
• Claire（人物）：他的「缪斯」，因为持续发布、不怕丢脸；她关于「AI 最擅长可验证任务」的推文被引用。
• Nikhil（人物）：他在 Credit Karma 的老同事，观察是「人们在发现某个 AI 带来的快乐时刻后才会翻转态度」。
• 《Conquests and Cultures》（书，Thomas Sowell）：他最爱的书，讲征服如何驱动文化变迁。
• 《7 Powers》（书，Hamilton Helmer）：他「世界上仅有五本真商业书」名单之一。
• 《High Output Management》（书）：同一名单，「和当年一样好」。
• 《Hard Things》（书，Ben Horowitz）：「第一本情感上诚实的商业书」。
• 《Increasing Returns to Scale》（书，Brian Arthur）：Marc 推荐给他的教科书，解释软件为何有离群的经济效应。
• 《House of the Dragon》/《Odyssey》（影视）：他最近看的两部，后者在伦敦 IMAX 看，「像一起独处的社交体验」。
• illscience（SoundCloud 账号）：他的 DJ 作品，打碟从 1995 年至今 31 年。

适合谁听

想把自己所在职能改造成「循环」的产品人与运营者，以及正在为「AI 时代还有什么护城河」发愁的创始人。