全球最年輕的 95 後億萬富翁、MIT 輟學生以及估值超 1000 億的 AI 獨角獸 Scale AI 創始人 Alexandr Wang 近期在 SPC 對談時回顧了自己在 YC 創業加速器的經歷。
Alexandr 坦言初期階段充滿了焦慮和迷茫。他引用 YC 的一句話：“在YC，失敗就像《飢餓遊戲》一樣，90% 公司會失敗，但往往需要三年才能知道。”
他強調，創業者必須具備非理性但堅定的自信 ——“如果要競爭，我們就把更好的東西做出來”，這種信念最終成為 Scale 成功的核心動力。
在談到全球科技的競爭時，Alexandr 提出，美國和中國的 AI 技術對決將決定未來全球的技術主導地位。中國最近在 AI 領域取得了突破性進展，尤其是在複製OpenAI 的“思維迴圈”技術方面，這標誌著中美在 AI 技術上的差距幾乎已經縮小。
此外，他還提到了資料牆和合成資料的挑戰，認為資料的稀缺性將成為未來AI發展的重要瓶頸。儘管計算能力的提升不可忽視，但只有在資料的擴充套件上與計算能力同步增長，才能打破這一瓶頸。
Alexandr 預計，當前 AI 模型在多輪互動中的表現仍然有限，但隨著模型的改進，未來 AI 智慧體將成為一個巨大的創業機會。到 2025 年，AI 智慧體將徹底改變 C端 和 B 端的互動方式，是一個極具潛力的創業方向。
以下為這次對談的全部內容：
Aditya Agarwal
SPC 其實專注於創始人旅程中的“-1”階段。那個“-1”意味著，在那個曲線，或者說那種混亂的狀態中，你不斷嘗試不同的想法，進行壓力測試，跟別人討論這些想法。那麼，能不能帶我們回到你自己旅程中的 -1 階段？在你最終聚焦於 Scale 之前，你是否嘗試過其他不同的想法？早期的構思是怎樣的？
Alexandr Wang
嗯，是的，我們做了 YC，在我們批次的前半部分，我會說大概是屬於那種我們稱之為“曲線”的階段，感覺特別不清楚，而且充滿了存在主義的焦慮。你不知道自己在做什麼。我記得那時候就像是，你知道的，你會有這些 Google 文件，裡面寫著各種創業想法，然後你一直在嘗試想出更多的創業點子。
我記得我讀過 Paul Graham 的《如何想出創業點子》的文章，那其實是一個很好的聚焦框架，它的核心觀點是：你要站在未來的角度來看問題，思考那些未來可能存在的事物，然後反向推導。
但是，老實說，我當時也很迷茫。我想，當時我在 YC 裡面，可能跟現在的很多創業者一樣，周圍有很多人在做各種各樣的事情，所以你很難有一個明確的判斷，什麼才是好的想法，什麼想法值得去做。你也會覺得，任何你開始的想法，周圍的人早就開始了很多年了，所以你一開始就處於劣勢。那時候確實很困惑，情緒也不太穩定。
但最終，我們做出了 Scale。那其實像是一場完美的風暴，所有的事情都巧合地匯聚在一起。我不認為這當中有任何預設的路徑，更多的是一些偶然性。
所以，最初的想法大概是：從程式的框架來看，未來我們肯定會以一種更加動態的方式來排程人類計算，就像我們今天排程計算資源一樣。而這種人類計算，應該像使用 API 一樣簡單，但那時並沒有這樣的 API。
所以，這就是我們 Scale 的原始想法。然後，當我們有了這個想法之後，我花了一個晚上去查詢域名，scaleapi.com 可用了，就買下來了。後來證明這是一個非常好的決定，Scale 這個名字非常合適。
然後我們在 Product Hunt 上釋出了，獲得了一些關注和客戶。接下來大概有四到六個月的時間，我們都處於一種遊走的狀態。那時，我們有了一些客戶，正在努力去獲得更多的客戶。
我記得那時候，如果你在 scaleapi.com 上點選聊天視窗，你就會直接和我對話。那段時間確實很模糊，完全不確定是否能夠成功。直到六個月後，我們開始有了一個客戶，想要做得更大，那個時候我們的想法才漸漸有了方向。
不過，應該有大約一年的時間，我們都處於這種“遊走”狀態。坦白說，這段時間在很多初創公司裡應該是常見的。
Aditya Agarwal
專注一下那個焦慮的部分。你是怎麼處理這種焦慮的？因為現在回過頭來看，這種階段常常被視為一種必經之路，或者是學習的過程，但當時你在經歷的時候，真的很糟糕。那麼，在那個時候，你能否直面焦慮？還是說你只是順其自然，每天都在經歷起伏，甚至是每小時的變化？
Alexandr Wang
嗯，有一點我要說的是，我不覺得那段時間比公司未來的其他階段更糟糕。所以其實，建立公司過程中有很多時候是很糟糕的。但是，我覺得最重要的是，當我們確立了 Scale 的想法後，我真的相信它，充滿了信心。
我有一種很強的信念：未來一定會有這樣一個東西出現，但現在並不存在。所以一旦你有了這樣的信念，你就能有足夠的動力去前進，至少你能找到一個方向。然後你就會對自己有合理的信心，相信某一天你會知道如何從 A 點走到 B 點，那會是一個漫長的過程。
我覺得，這個信念給了我安慰。但在過程中，我記得有一件事經常在我腦海中迴響，那就是 YC 的生存機率就像《飢餓遊戲》一樣：90% 的公司都會失敗，但失敗通常需要很長時間。
所以你就覺得，像《飢餓遊戲》裡，大家第一天就死掉，而在 YC 裡，雖然你遲早會失敗，但可能三年後才會知道。所以，最恐怖的想法就是，你可能已經死了，只是你三年後才會知道。
但我覺得，作為一個相當焦慮的人，我把所有的不確定性都轉化為焦慮的行動。我覺得如果你這麼做，至少你能感到自己在不斷前進。
Aditya Agarwal
你曾經擔心過嗎？回到你之前提到的，關於任何想法，你都能看到至少 10 個人似乎在做類似的事情。我總是說，如果你很容易被早期的競爭嚇倒，那就很難繼續下去，因為如果你加上極度的偏執，這對創業者來說是致命的組合，你永遠不會克服它。那麼，我的問題是，機械領域當時確實已經有一些競爭者。你會擔心他們嗎？還是說，你覺得他們的產品質量不好，所以你能夠做得更好？
Alexandr Wang
是的，確實有很多競爭者存在。至於怎麼應對，我認為正確的態度是——就是那種有些“吹噓”的自信。其實我覺得這很有意思，前段時間我參加了一個會議，裡面有個 Palantir 的人，他在給一個政府客戶介紹時，直接這麼說：“你們沒有選我們沒關係，但你們會後悔的。
其實，如果你們從一開始就選了 Palantir，你們會更高興，因為我們比任何其他公司做得都好。雖然你們沒選我們，但我相信最終我們會成為朋友。”他說這些話的時候完全沒有掩飾，非常強勢。
事實上，Palantir 的成功背後，也有這種非常深刻的自信，甚至有點不太現實：他們認為自己做的每一款軟體都是上帝的恩賜，沒人能做得比他們好。儘管這種自信可能有點過頭，但這也是他們成功的一部分。
我提到這個是因為，假如你是一個理性的旁觀者，你可能會覺得這很荒謬，甚至有點令人反感。但我認為，這恰恰是成功的關鍵：你必須具備一種非理性但堅定的自信，認為自己能夠在市場上競爭並最終獲勝。
長期來看，這種信念會帶來你更好的團隊、更好的產品決策，也會幫助你不斷走得更遠。最後，這種非理性自信就會在你的公司中自我強化。
所以，我們在 Scale 上的信念就是：我曾經做過很多程式設計競賽和數學競賽，如果我必須和別人競爭，我會做得很好。你知道的，反正我已經做過很多比賽了。所以，如果要競爭，我們就把更好的東西做出來。
我記得幾個月前，我和一位 18 歲的 YC 創始人聊過這個問題。我問她：“你怎麼看競爭？”她回答：“競爭就是做得更好。就是比別人做得更好。”這聽起來有點“吹噓”，但我覺得這真的是答案。你必須相信，你會做得更好。
Aditya Agarwal
說到剛才提到的 Palantir 的例子，他們真的做得很好，的確是很擅長讓客戶感受到沒有他們的軟體，業務將會變得差得多。
這個我曾在 Dropbox 遇到過挑戰，因為我們當時的理念是，構建好的軟體，軟體本身會說話，每次我們推出一個新功能，別人往往會在兩天後推出相同的功能。
我們花了一段時間才意識到，哦，他們不是在真的開發這些東西，而是非常擅長推銷這些東西。那麼你在 Scale 是怎麼做的呢？你是更傾向於開發產品，還是更注重推銷產品？還是說你會找到一種平衡？
Alexandr Wang
在 Scale，我們有一些非常大的客戶，客戶數量不多。在這種情況下，我覺得可以這樣看：有時候，感知就是現實。我覺得你們接觸的很多公司都是資料驅動型公司，大家都覺得，真相最終會顯現，大家會分享一個共同的現實觀念。
但這並不適用於大多數大型公司，尤其是政府。大多數大型客戶的現狀是，感知比現實更重要，因為現實往往是如此難堪，很多時候，大家寧願選擇相信他們生活中的感知而不是面對現實。
這意味著，如果你做企業銷售或者構建企業級產品，你的工作不僅僅是改善現實，還要塑造感知。
我認為 Palantir 在這方面做得非常好，他們比大多數其他技術公司更擅長塑造感知，因為他們把自己看作是一個軟體公司與一個演員團隊的結合體。我甚至不誇張地說，他們曾經會給新員工一本演技書籍，這樣的做法延續了很長一段時間。
Aditya Agarwal
如果我理解你正確的話，你的意思是，大多數公司，包括政府，都已經生活在某種感知中，因為現實太痛苦了。所以你的任務並不是要去“賣掉”現實，而是要“賣掉”那些不太理想的感知，並替換成更好的感知，對嗎？
Alexandr Wang
對，但你也得創造價值。這個分析是黑暗的藝術，但如果你構建了一個好的產品，首先，你得確保產品本身足夠好。
Aditya Agarwal
也許我們可以稍微切換一下話題，談談你個人的部分。顯然，你非常具有競爭力，極具自信，這很棒。但除了這些，你覺得自己在 Scale 中最擅長的是什麼呢？
Alexandr Wang
我認為我個人的專長，或許也是我們團隊的專長之一，就是在面對那些“最不吸引人”的問題時，仍然能展現出創造性的解決問題的能力。我們有很多工作是大規模的運營任務，全球有成千上萬的貢獻者，我們需要協調這些人群為模型提供高質量的資料。
這是一個非常不起眼的問題，但我們以同樣的尊重對待這個問題，就像我們對待一場數學奧林匹克問題一樣。我們用科學的方法來分析這個問題，提出最有創意的解決方案。我們並不認為只有某些問題才值得解決，我們會全力以赴地解決任何問題。
這意味著，隨著時間的推移，我們設計出了一些相當聰明的運營解決方案、技術和產品，這些都結合起來，最終形成了我們的競爭優勢。
我看到很多公司，他們要麼擁有一支非常優秀的團隊，但往往只侷限於解決那些有趣的、理論性的難題；要麼是一些非常機智、幹勁十足的團隊，但他們往往解決問題的方式無法進行大規模應用，或者他們沒有找到能夠讓解決方案有效執行的方式。
Aditya Agarwal
解決這些“不性感”的問題，尤其是那些操作性較重的問題，通常會讓人很難在灣區，甚至在矽谷激發團隊的興趣。那你是如何在 Scale 建立這種文化的呢？無論是在招聘、入職培訓，還是平時的溝通中，你是如何把這種理念融入到公司文化中的呢？
Alexandr Wang
首先，我們鼓勵員工更多關注他們對經濟效益的貢獻，而不是技術問題的難度。很多時候，尤其是在學校裡，人們透過解決更難的技術問題來獲取成就感，這沒錯。但是，我認為技術難度與經濟價值之間是呈反比關係的。
很多時候，經濟價值高的問題並不一定技術上很難，但它們充滿了挑戰，你需要透過很多複雜的工作去理清。
實際上，這類問題才是大多數創業機會的所在。因此，我們激勵員工關注的是，解決這些問題能帶來多少淨經濟效益，而不僅僅是技術上的難度。
Aditya Agarwal
這很像 Facebook 的做法。在 Facebook，我們曾經非常注重培養最具生產力的工程師，而不是僅僅關注他們解決了多麼複雜的技術問題。通常，如果一個工程師解決了一個“看似簡單但很重要”的問題，他們能帶來很大的價值。例如，有一位工程師透過減少我們日誌中的錯誤數量，提高了生產力，這樣的成就雖然看似簡單，但非常有價值。
Alexandr Wang
是的，Facebook 在這一點上的做法非常有啟發性。我也認為，在 Scale，我們會尊重所有問題的價值，無論它們多麼不起眼。我們的團隊在這一點上也非常出色。
Aditya Agarwal
最後，換個話題談談國際局勢。你對未來一年有什麼預測，尤其是在技術、硬體和晶片方面？我覺得美中之間的冷戰與熱戰正變得越來越複雜。那麼，你如何看待接下來 12 個月可能發生的變化，特別是它對矽谷的影響？
Alexandr Wang
從地緣政治角度來看，最近有幾個很重要的事件。幾周前，中國的 DeepSeek 實驗室釋出了一個非常令人震驚的結果——他們複製了 OpenAI 的思維迴圈（Thinking Loop），這是一個突破性的技術成果。
這個複製成果並不是來自於美國的 Anthropic 或 Google，而是中國實驗室的開源模型。這意味著，中美之間在研究上的差距幾乎已經沒有了。
這意味著，從全球範圍來看，我們正在進入一個全新的競爭階段，尤其是在人工智慧領域。未來，AI 技術的國際競爭將更加激烈。美國和中國在這一領域的對決將會決定未來全球的技術主導地位。
Aditya Agarwal
也許回到你提到的 AI 技術棧的問題，以及你所瞭解的，全球各國和公司是否會選擇西方的 AI 技術棧，還是選擇中國的技術棧。
我很好奇，你認為除了在我們的實驗室中進行創新之外，我們還能透過其他方式影響這一程序嗎？不過我得承認，正如你所說，確實有些令人驚訝的是，在推理時間的計算之後，已經過了大約 8 到 10 周，我們並沒有看到其他主要實驗室釋出類似的技術，這實際上非常令人驚訝，因為我最初的想法是，感覺這個技術比較容易複製。
其實就是，把更多的推理時間投入進去，基本上就是不斷迴圈，使用各種技術，最終找到結果。但我沒有看到類似的成果被複制，這很奇怪。你提到的深度沉思是個很好的觀點。那麼你認為我們只能透過創新來解決嗎？還是我們可以透過政策強制執行？
Alexandr Wang
我認為第一步是不要浪費我們的開源產業，我認為目前這一點我們已經走過了。但是確實曾經有很多討論，關於美國是否會更加積極地監管開源模型。現在我們已經走過了這一關，我認為美國確實擁有一些有趣的槓桿，最顯著的是出口管制。
所以我認為對於很多國家，我們可以談判並說：“嘿，你想要 Nvidia GPU 叢集嗎？如果你想要這些，你可能需要基於我們的技術棧來構建。”這個技術棧可以包括 GPU、開源模型以及更廣泛的軟體包。
我不知道這是否會成為新政府的優先事項，也不清楚這是否是外交政策的重點，但我認為我們確實有槓桿可以利用，就像中國也有他們的槓桿一樣。
中國可以提供大規模基礎設施建設、債務支援以及大量免費技術，這些是我們無法匹敵的。所以這是一種博弈，幾年前，中國曾是美國在全球基礎設施和技術提供上的不可爭議的領導者。希望在接下來的時代，這種局面依然能持續。
Aditya Agarwal
是的，我認為你提到的關於開源模型的點非常對，我認為我們會回過頭來，看到 Zach 決定推出一個前沿規模的開源模型，這一決策對美國來說非常關鍵，毫無疑問。
Alexandr Wang
我知道。
Aditya Agarwal
絕對正確，我非常愛國。回到你可能的其他想法，顯然我們看到很多關於 智慧體 AI 的討論，這種 AI 智慧體現在可以意味著一切，也可以什麼都不意味著。你怎麼看？你認為到 2025 年，這種情況會如何發展，尤其是從消費者的角度來看？
然後也許對於公司來說，這種發展有些更明確的含義。但就消費者而言，我依然認為，我自己還沒有用智慧體來做一些有趣的事情。嗯，我在公司也沒有真正使用過它們，但我很好奇，你怎麼看待這一點？
Alexandr Wang
是的，我認為目前智慧體的情況是這樣的，我們現在的模型非常擅長於單次的互動，也就是透過一個 prompt 進行響應時，它們的表現非常好。但是，一旦增加互動輪次，效能就會急劇下降。
這個問題其實很現實，雖然沒人願意公開談論，但這就是我們現在的現狀。模型在一次互動中非常好，就像 Google 查詢那樣，你提出問題並檢視答案。但如果你需要與模型進行更復雜的互動，它們的表現就大大下降。
我認為有兩個關鍵點。首先，整個行業中的公司必須非常努力地提高模型的可靠性，尤其是在增加互動輪次時，最終讓這些模型具備更強的內在一致性，能夠更像獨立的實體。現在的模型甚至不知道自己不知道什麼，因此它們會產生一些問題。
總的來說，當你與模型進行多輪互動時，它們像是一個機器，雖然在統計上更可能是對的，但它們並不具備任何心智理論，也就是你並不是在與一個“有意識”的實體互動。所以這點必須改變。
但是，我認為對於這個“智慧體的突破時刻”來說，最大的障礙其實是產品設計。我認為，模型已經足夠好，足以支撐一些智慧體產品或智慧體產品體驗，而這些體驗將會讓很多人感到驚豔並受益。
對於我們這些常常接觸模型的人來說，這可能並不明顯，因為我們已經知道模型在很多方面都非常優秀，但大多數人並不知道這些模型已經足夠好。所以像 Cursor 這樣的例子就很典型。
我認為大多數工程師並不知道模型這麼強，直到他們將其應用到 Cursor 中，突然間，它成為了他們工作流的一部分，使用起來更加便捷。我認為，這種時刻也會發生在消費者身上。而且，這真的只是突破模型在聊天正規化中的侷限，轉變成更適應核心工作流的模式。
我認為，這是 2025 年最大的創業機會之一。如果我猜測的話，真正的機會就是不斷迭代，找到合適的智慧體模式。我同意。
Aditya Agarwal
或許吧。我們接著談談，顯然，大家都在談論構建下一代前沿模型的最大限制之一就是資料的可獲取性。你認為資料牆有多現實？你怎麼看待用於訓練模型的合成數據？顯然，在整個對話中，規模是一個非常重要的部分，我很好奇你對這個問題的看法。
Alexandr Wang
是的，我認為，過去 12 到 18 個月的熱潮中，大家的討論主要集中在：誰的計算能力更強？誰的晶片更多？你知道，晶片越多，你就越能獲勝。那時的討論非常簡單粗暴，誰擁有更大的計算叢集，誰就能獲勝。
現在我們看到的情況是，即使有了更大的叢集，我們依然會遇到資料的限制。我們已經達到了所有公開資料的極限。我們需要一種雙管齊下的方法，不僅需要強大的計算能力，還需要專門的資料集，以此來獲得更大的效能提升。
資料牆和目前我們所遇到的進展瓶頸確實是真實存在的。我認為我們已經達到了某種預訓練的極限，而現在的進展大部分來自於後期訓練。後期訓練的瓶頸主要來自於專門的資料集，以及那些質量高且不依賴網際網路常見資料的資料集。
所以，資料在其中起著至關重要的作用。我記得曾經有一種看法，認為所有模型都可以生成或大量合成數據，這些資料會用於預訓練模型，但實際上這種方法並沒有成功。
很多關於合成數據的實驗發現，使用合成數據會喪失資料分佈中大量的真實豐富性。因此，未來的現實情況可能是：我們將需要依賴新形式的人類生成資料，才能實現模型的突破。如果我們能夠在計算能力的同時進一步擴充套件資料的規模，我們就能不斷取得進展。
Aditya Agarwal
我們可能不會。
Alexandr Wang
可能不需要那些我們一年前談論的數萬億、五萬億、十萬億的叢集，但我們仍然可能需要一百億的叢集。所以，我認為目前的討論正朝著某種“正常化”方向發展。
Aditya Agarwal
是的，最初所有的討論其實都集中在誰擁有最大的叢集，然後資本主義起作用了，大家獲得了更多的晶片，這固然很好。
但我確實認為新的瓶頸現在出現在資料方面。所以，我很好奇，你認為規模在這個問題中的角色是什麼？顯然，你們在後期訓練領域扮演了重要角色，但你認為是否有機會讓規模在這一方面也發揮更大的作用？
Alexandr Wang
是的，我們確實需要在各個方面擴大資料生產。因此，我認為，從長遠來看，若我們將視野放遠，談論 AGI 的發展道路，我們將需要計算中心指數級地擴充套件，同時資料生產也需要達到同樣指數級的增長。
所以，我認為我們需要在這條曲線上持續擴充套件，而且資料的擴充套件需要與計算能力的擴充套件同步進行。你不能單單提前擴充套件資料而忽略計算，或者反過來，二者必須相輔相成。我們的關鍵角色就是生產那些資料，從而助力實現資料與計算能力的共同擴充套件。
Aditya Agarwal
或許我們可以稍微轉換話題。很多在場的聽眾都是 AI 公司的創始人，你覺得在 AI 領域創辦公司與過去的技術領域有什麼不同？你認為有哪些顯著的區別？
Alexandr Wang
我想，一方面，任何新興技術領域都有很多不確定性。反過來，這種不確定性也伴隨著很多機會。AI 也不例外。我記得很久以前，SaaS 領域也是這樣，起初沒有明確的方向，也充滿了不確定性。
但目前 AI 領域的情況可能更加極端，80% 到 90% 的東西都還處於探索階段。人們所說的很多話，投資者的信念，或者如果你去參加聚會聽到的觀點，往往並不準確。沒人知道實際情況是怎樣的，但很多人會非常自信，結果往往錯得離譜。比如我有一個有趣的經歷，我想分享一下。
Aditya Agarwal
哦，現在開始有趣的部分了。繼續說吧。
Alexandr Wang
當我們在 2018 年初籌集 A 輪資金時，第一份展示的幻燈片上寫著“資料是 AI 系統的生命線”之類的內容。當時我們正在向 Sequoia pitch，一位合夥人非常自信地大聲說：“那不對，Andrew Ying 跟我說過，AI 不再需要更多的資料了。其實我們沒有更多資料也可以做到。”這大概是在我展示的兩分鐘之內，他就這麼說了。我當時只是……
我當時才 20 歲，非常震驚，不知道該怎麼回應，只能試圖解釋，顯然 AI 需要更多資料。他當時說：“我不這麼認為。”然後他就沒有再理會我，因為他比較資深，不太關注這類演示，反倒是一些年輕人還在聽。
所以我只能繼續按原計劃展示，最後當然他們選擇了拒絕。這就像是，很多人非常自信地做出一些判斷，結果證明是錯誤的。這種情況在任何早期行業中都很常見。
現在也一樣，很多技術生態系統中的人都被要求有某種觀點，投資者要有自己的理論並向 LP 彙報，或者如果你是大公司裡的產品領導者，你也得有自己的觀點。很多人有這些觀點，結果往往並不符合實際。
所以，如果你在這個領域創業，你必須具備發現自己真正信仰的能力，並且根據自己的信仰執行，而不是單純追隨潮流，最終得出一個錯誤的結論。我認為，這是創業過程中最關鍵的一點。你如果只是追隨趨勢，甚至可以透過趨勢籌到很多錢，但這並不意味著這個想法就對。AI 行業經歷過很多起伏，未來還會有更多的波動。
Aditya Agarwal
是的，我覺得這個觀點很有啟發，尤其是對 SPC 的創始人們來說，我覺得現在其實有很少有類別或者領域，能夠真正算是佔據主導地位，或者至少沒有一個“贏家”正在脫穎而出。
我認為很多問題仍然是懸而未決的，因為即使很多錢已經被籌集，甚至使用指標也未必能說明問題——畢竟現在每個公司使用指標都還很低。所以我認為，你不能因為競爭激烈就輕易退縮，當然你得做對事，這也是個好過濾器。
但我認為現在仍然有很多機會，尤其是如果大家都在針對同一個想法進行思考的話，反而可以考慮做一些稍微偏離主流的、有點逆向的嘗試。
Alexandr Wang
我認為一般來說，舊金山的很多人並不真正相信什麼，他們的想法大部分來源於 Twitter 和派對。所以，你的使命就是不要成為這些人之一，要有獨立思考的能力。
我認為這對於你建立公司來說至關重要，因為無論你做什麼，都會有高峰和低谷。你做的東西可能會一時熱門，過一陣又會不再流行。你需要做的就是能夠挺過這些瘋狂的波動。
即便像 Nvidia 這樣的大公司，過去也經歷過一段時間“不被看好”，然後突然又變得非常火爆，未來還會經歷類似的波動。因此，我認為，獨立思考和應對波動是公司創始人最重要的任務之一。
Aditya Agarwal
是的，Mark 在 Facebook 常常告訴我們，世界對你的評價永遠都不完全準確——無論是好還是壞。
大家總是說，當你遇到困難時，你需要相信自己，但同樣的道理也適用於，當世界都告訴你你做的事非常正確時，這也是一個訊號，說明你可能並沒有做出足夠深刻的思考，或者你並沒有形成足夠鮮明的觀點。
你可能正在趨向一種“中庸之道”，大家都認為你做得對。其實這不容易做到，迴音室效應是存在的，我們每個人都很容易被影響。
我很好奇你怎麼看，Alex。你知道，矽谷的一個神話就是，想在 AI 領域競爭，你必須要有大量資金。我可能會持相反的觀點，我認為如果你真的能在基礎模型領域做些創新，或者在演算法變動、資料來源方面有所突破，甚至是構建 AI 技術棧上下游，你可能能憑藉一些逆向創新的策略，比單純去籌集大量資金更能走得更遠。我很好奇你對這個看法的回應。
Alexandr Wang
如果你的商業計劃是依賴大量融資，因為你需要花費大量資金，那在商業上是不可持續的。因為顯然，你是想打造一個有利潤的公司，而不是一直在虧損中加深自己的困境。
我認為，矽谷常常陷入某些宏大、雄心勃勃的目標競賽中。舉個例子，如果你想成為世界的霸主，透過控制基礎模型來獲得神話般的地位，那麼確實，你可能需要大量資金，但大多數公司的目標並非如此。
大多數公司的目標應該是建立一個盈利的、可以持續增長的企業。因此，我們密切關注自動駕駛汽車的投資風波，當時幾乎有接近 1000 億美元的資金被投入到大型自動駕駛汽車的研發中。
我認為，最終結果是，幾乎所有的這些公司都失敗了。像 Cruise 這樣的公司最終沒能取得突破，真正的贏家只有 Waymo，他們有著幾乎無限的資金支援。所以，反過來說，如果你想要進入這個領域，去和這些大公司競爭基礎模型的訓練，那你就面臨與全球最富有的公司競爭的局面。
這比你知道的任何公司都還要多的資金進行競爭。就像是和微軟這樣，全球最富有的公司競爭。這個策略並不好，我不認為你應該嘗試和一個擁有無限財力的公司競爭。
所以，眼下最重要的還是要思考如何從一個創意出發，開發出一個真正能在生態系統中脫穎而出的產品，並且你可以在長時間內不斷投資和最佳化。
至少在目前的 AI 領域，真正的優勢在於，能夠專注於一個問題，並且為之堅持很長時間。OpenAI 和 Google 這樣的公司，的確是非常強大的競爭對手，但他們有著幾乎無數個需要關注的任務，要最佳化的方向也非常多。
所以，他們很難將注意力集中在某一個具體問題上。Perplexity 就是一個很好的例子，儘管其他公司的產品都很強大，但在簡單的搜尋型 LLM 輸出方面，Perplexity 仍然做得最好。它們並沒有投入太多資金，最大的優勢在於專注。所以，專注確實具有巨大的價值。
Aditya Agarwal
我們很快會開始向觀眾開放提問，所以大家開始思考一下問題。不過在此之前，我有個問題：你現在還寫程式碼嗎？
Alexandr Wang
不太寫了。前幾天我用了一下 Cursor，只是想看看它如何工作，感覺它是個很不錯的產品。但我並不確定如何完全壟斷一個工作流。
你看，回顧歷史，我們會發現，單單擁有一個工作流並不容易長期佔有，因為開發者這些人真的很挑剔，他們總是會去嘗試新的東西，最終可能會有新工具憑藉一個新的亮點就超越了你。所以，看看他們如何在這一領域紮根並鞏固自己的地位，會很有趣，但他們確實做了很棒的工作。
Aditya Agarwal
是的，開發者確實非常挑剔。我安裝 Cursor 時的想法也是，雖然有三四個小功能不太合我意，但整體看，它做得很好。那有沒有一位你覺得矽谷應該更關注的人物？
Alexandr Wang
矽谷在政治上普遍是比較“短視”的，換句話說，政治素養較低。就像曾經有封郵件洩露，裡面提到嬰兒潮一代的最大威脅是什麼，大家可能想不到，實際上就是這些大勢的政治動向。
如果你把握了宏觀的政治趨勢，它們可能會推動重大的增長趨勢。例如，目前的主要政治威脅就是民粹主義、特朗普主義等等，這些趨勢在全球化的背景下有深遠的影響。
雖然我認為矽谷的科技公司大多數都相對“非政治化”，但如果從全球視角來看，這些政治動向可能會影響你做出哪些長期的戰略選擇。矽谷對政治的認識程度有待提高。
Aditya Agarwal
對吧？我把這個問題留給觀眾。我是 Ryan，想問一下你對合成資料的看法。你似乎對合成資料在訓練後階段的應用並不非常看好。我想了解一下你對此的看法。你認為這反映了我們當前的狀況嗎？是我們只需要找到合適的技巧，還是這更多的是一個根本性的問題？
Alexandr Wang
同時理解到，正如你所說，人們是因為有理論才會獲得報酬。
Aditya Agarwal
你也是因為有理論才獲得報酬的。
Alexandr Wang
這個理論很重要。哦，對不起，我認為合成數據當然適用於訓練後階段，但就像我說的，合成數據並不是一種“哲學石”，不是那種你按下按鈕就能不斷產生更多資料的東西。
你需要想出各種技巧，每一個技巧都能幫你多獲得一點合成數據。你本質上是在利用資料的結構，或者說你是在利用所有可以利用的先驗知識，或者這些結構性因素，你在利用資料中的潛在結構來獲取。
你知道的，就是透過這些手段提取出一些合成數據來最佳化你的模型。這顯然作為一種正規化是有效的，但它並不是一種無限制的追求，它不會一直有效下去。所以我總體的想法是，顯然它是有效的，並且顯然它是世界級訓練後階段努力的一部分，但它並不是解決過度擴充套件問題的“終極方案”。
Aditya Agarwal
嗯，是的，我想了解一下，通常創業者在開始時會被告知，應該瞄準中小型公司，不要去做企業級市場，你運氣好都可能會失敗。那麼，尤其是如果我理解正確的話，你在早期階段就專注於企業市場。
那麼，儘管有很多人，包括 Y Combinator 都建議這樣做，你為何選擇了企業市場？另外，對那些想直接面向企業市場而不是中小型企業的創業者，你有什麼建議嗎？
Alexandr Wang
所以大多數企業的問題在於，你根本不相信他們告訴你的話，因為這些話很難相信。其實就像這樣。大多數大型企業就像癌症一樣。而你與之交談的大多數人和公司的成功無關，他們只是在某個職位上負責某個事情。
所以你會發現，這是一個需要學會如何穿越的“老鼠窩”，你必須弄清楚如何有效地利用它。如果成功了，顯然你會知道，它是非常有效的。世界上所有最大型的公司，要麼是企業公司，要麼是消費公司。所以這就是為什麼我說，小型企業和中型企業的市場在規模上有限，你最終會到達一個瓶頸。
現在，這並不是說創業公司不適合做。我的意思是，對於創業公司來說，有些創業公司確實專注於企業市場，我們就是其中之一，還有一些其他公司也很成功。
但如果你想做這個，你必須知道，你會花大約 30% 的時間在組織的官僚體系中摸索。而如果你做的是中小型企業，他們就沒時間對你撒謊。所以，他們告訴你的話，你可以當真，這對創業公司來說是一個很大的優勢。
是的，我的意思是，普遍的建議可能是，專注於中小型企業。我認為，如果你想讓公司起步並取得成功，選擇中小型企業無疑是最明顯的方向。但我認為，具體情況要看生態系統。
如果你身處一個 99% 的公司都專注於中小型企業的創業生態系統，那裡可能就沒有那麼多機會。我注意到的現象是，如果你看一下創業公司的長遠趨勢，你會發現，很多公司都開始時都在模仿當時成功的公司，最後都進入了“完美競爭”的狀態，結果它們都沒有獲得足夠的關注和增長。
接著有一些公司專注於一些邊緣的想法，它們沒有競爭，最後那個想法反而成功了。兩年後，這家公司就成為了熱門公司，之後所有創業公司都開始模仿它，模仿那個公司。如此一來，你永遠不想處在和所有其他公司都在同一個方向的地方。你想做一些稍微偏向邊緣的事情，因為這樣你就避開了“完美競爭”。
Aditya Agarwal
嗯，Alex，我有個問題，想聽聽你對人們意見的看法。你覺得人們的意見往往是由他們的生活經歷、基本原則、思考方式以及你的輸入構成的。
現在，如果你大多數的輸入都是不正確的，那就很難正確。所以，你的輸入是什麼？你又是如何篩選你的輸入的呢？
Alexandr Wang
我選擇的輸入，像我個人來說，我儘量集中精力去接觸最好的資訊源。對我來說，最好的輸入就是透過寫作或者和特定的專家交流。我非常努力地去和那些真正不在乎別人想法的人交流。
你能找到這些人，因為他們總是按照自己的節奏做事。你知道，他們可能顯得很奇怪，很獨特，但你儘量去聽那些獨立思考的人的建議。我認為這是一個很好的方式。同時，也可以看看那些獨立思考者的寫作，我認為這是另一種很好的輸入方式。
我覺得現代網際網路生態系統的一個巨大優勢是，Substack 上有很多高質量的寫作，你實際上可以從那些釋出文章的專家那裡學到很多關於某個話題的深刻內容。這實際上很神奇。
所以，我認為這些都是關鍵的輸入，當然還有你的客戶。我認為你必須有這樣的心態：客戶永遠是對的。儘管有些人在沒有客戶反饋的情況下也能成功，但你必須像服務客戶一樣對待他們。
✦ 精選內容 ✦