图灵汇官网

导读：责编 | 王启隆出品 | CSDN（ID：CSDNnews）投稿或寻求报道 | zhanghy@csdn.net硅谷创业者社区 South Park Commons 近日发布了一期重磅对话，由其联合创始人 Aditya Agarwal 对话硅谷传奇“建造者”、OpenAI 董事长Bret Taylor。用一个周末重写谷歌地图？AI 会让这事变得平平无奇咱们从一个有趣的问题开始吧。Bret，你觉得如果在 2004 年，“氛围编程（vibe coding）”这套玩法 ......

责编 | 王启隆出品 | CSDN（ID：CSDNnews）投稿或寻求报道 | zhanghy@csdn.net硅谷创业者社区 South Park Commons 近日发布了一期重磅对话，由其联合创始人 Aditya Agarwal 对话硅谷传奇“建造者”、OpenAI 董事长Bret Taylor。

用一个周末重写谷歌地图？AI 会让这事变得平平无奇咱们从一个有趣的问题开始吧。Bret，你觉得如果在 2004 年，“氛围编程（vibe coding）”这套玩法就流行起来了，你能凭感觉“vibe”出一个谷歌地图来吗？

Bret Taylor：哈哈，这个故事多亏了保罗布赫海特（Gmail 创始人）才流传开来。但说实话，这事在今天看来，可能就没那么了不起了。你们看过电影《隐藏人物》吗？讲的是 NASA 那些“人体计算器”的故事。现在看那部电影会觉得很震撼，是因为“人体计算器”这种职业居然真的存在过。

而“我用一个周末重写了谷歌地图”这个故事，将来给人的感觉可能也一样。大家会说：“嗨，这有什么，谁不是这样呢？”就像今天的 AI 智能体一样。

我真心希望我这个故事，以后听起来就像NASA的人体计算器一样，让人感叹：“哇，以前的人居然是这么干活的？”

这就是当下的奇妙之处。人工智能（AI）既令人兴奋，又有点吓人。说它令人兴奋，是因为它真的太神奇了。它能做到的事，有些已经感觉超越了人类智慧。虽然还不是真正的通用人工智能（AGI），但它已经超越了我们大多数人在三年前对 AGI 的定义，我们只是在不断地移动球门而已。

它正在改变我们的工作。特别值得一提的是，我们这些身处软件行业的人，可能颠覆自己工作的程度，不亚于其他任何行业。想不出历史上有什么类似先例。但我喜欢这样。

我 2005 年做那件事时，让我成为一名杰出工程师的特质，如今正被技术所淘汰，我觉得这很酷。我一点也不焦虑。我想的是，三年后的“10 倍工程师”会是什么样子？他们所需的技能组合可能完全不同了。这太令人兴奋了。所以我更期待未来，希望我那个故事早日成为历史的遗迹。

主持人：这就有意思了。我感觉现在每一场黑客马拉松的含金量都大大提升了。因为理论上，你能在短时间内做出远超以往的东西……

Bret Taylor：没错，就看谁能最快地操作那台“代码生成机”了。

多数公司所谓的“以客户为中心”，都是胡扯主持人：Bret，我们做这类访谈时，我总会问一个问题：聊聊某个项目或公司“从 -1 到 0”的经历。但你做过的项目太多了，FriendFeed、Facebook、Quip、Salesforce，现在又是 Sierra。所以我想换个角度，请你从更宏观的层面来谈谈。

Bret Taylor：Facebook 和 Salesforce 的“-1 到 0”，功劳可不能算在我头上，但还是谢谢你。

主持人：很多人都处在“从 -1 到 0 ”的某个阶段，试图找到值得解决的有趣问题。你寻找问题的流程是怎样的？比如在谷歌和 FriendFeed 之间，或者在 Facebook 和 Quip 之间，你是如何度过那些寻找方向、建立信念的早期阶段的？

Bret Taylor：好，我尽量说得简短些，因为这个话题能聊很久。我在“-1 到 0”这个阶段的能力是越来越强的，很多东西都是一路摸爬滚打学来的。比如我做的那个社交网络（FriendFeed），只在土耳其、意大利和伊朗火过。

主持人：我记得在土耳其特别火。

Bret Taylor：是啊，土耳其人到现在见到我还会提起它。但说实话，虽然土耳其人民对我充满喜爱，那终究不是一个能长久持续的生意。

我寻找方向时，通常会从市场或平台的转变入手。

回顾科技公司的历史，看看股市里的顶尖企业：

个人电脑（PC）和微型计算机的诞生，孕育了苹果和微软。

互联网的兴起，造就了谷歌和亚马逊。

智能手机的普及，则为 WhatsApp 和 DoorDash（美版美团）等公司打开了大门。

这些公司不仅是技术的受益者，也反过来推动了技术的发展。每一次颠覆性的技术革新，都会带来巨大的生产力提升，并诞生出万亿市值的巨头。

所以，从统计学上讲，现在是创业的好时机。因为大语言模型正是一次根本性的技术突破，它将重塑整个经济格局。

这种技术变革，就像是把牌桌上原有的权力格局重新洗了一遍，给了初创公司挑战巨头的机会。因为行业巨头虽然资源雄厚，但他们有固有的商业模式，而这种模式恰恰可能被新技术颠覆。他们可能面临“创新者的窘境”，可能受困于官僚主义或监管，他们的技术平台在结构上可能与“AI 原生”的新模式格格不入。

当新技术出现时，市场的坚固地基上就会裂开一道缝隙。这道缝隙，通常由巨头掌控，但现在，新的创业公司可以从这里生根发芽。如果市场足够大，他们就能成长为新的巨头，开启新一轮循环。

我之所以离开谷歌创办FriendFeed，是因为当时我们推出了谷歌地图 API，这在当时非常新颖。它让 Yelp（美版大众点评）这样的公司能把地图嵌入自己的应用，催生了所谓的“混搭应用（mashups）”。

这些应用都有一个共同点，就是“用户生成内容”。在那个年代，“读写”互联网还是个新潮的概念，而 Facebook 是其中的佼佼者。但谷歌对此兴趣不大，每当我想推动产品加入更多社交元素、让用户参与贡献时，总是应者寥寥。

所以我离开了，因为我想投身于当时我认为是互联网上最重要的新趋势中。

后来创办Quip，是因为我和你当时都在 Facebook，我们共同见证了智能手机的普及。那对我们来说是一段充满挑战和阵痛的转型期。那段经历让我开始思考，移动化会对企业软件产生什么影响？于是我一头扎进了那个领域。

至于现在的Sierra，也是基于我对 AI 这个巨大变革时刻的信念。

如果说我希望能给年轻时的自己一条建议，那就是：少关注一点技术本身，多关注一点客户的需求。

我早年创业时，对商业知之甚少，缺乏经验，无法凭直觉判断哪些技术能带来真正的商业成果。现在我审视许多初创公司，仍然能看到同样的问题：很多技术创业，只是在对技术本身进行推演，而不是将技术投射到真实的商业问题上。而真正的价值恰恰蕴藏在后者之中。这对于年轻的创业者来说，是最终极的挑战。

我做的Sierra，是从一个更正式的“探索过程”开始的。我找了不同行业里我认识的朋友，向他们请教，但不是问“我该怎么创业”，而是问：“你希望 AI 能为你的公司解决什么问题？”

我们最终锁定赛道，其实源于和Grab（东南亚版滴滴+美团）的 CEO 陈炳耀（Anthony Tan）的一次深夜长谈。他当时大吐苦水，说自己多么希望AI能解决客户服务的问题。他的业务遍布多个市场，客户服务极其复杂，是公司的一大痛点。

那次对话，只是我与十几位朋友深度交流中的一次。我很庆幸我们做了这些访谈。因为大语言模型的能力太强大了，它什么都能做一点，这反而很容易让你陷入“拿着锤子找钉子”的思维定式。

这些访谈是层层递进的。一开始，问题很宽泛：“你希望 AI 能解决什么问题？” 当我们开始思考用AI智能体来做客户服务的可能性时，问题就变得越来越具体，差不多就是：“如果我们做出这个东西，你愿意买单吗？”

这个过程让我们学到了很多。我认为这套方法主要适用于B2B 软件，消费级产品是另一回事。

很多公司都说自己“以客户为中心”，但在我看来，大部分都是胡扯。太多的 B2B 软件，是开发者先做出个东西，然后想方设法说服客户他们需要这个，而不是真正去倾听客户的问题。

当然，倾听不等于言听计从。就像亨利福特那句名言：“如果你问顾客想要什么，他们只会说想要一匹更快的马。”但你必须深刻理解他们问题的本质。

我们在Sierra 的核心价值观之一是“痴迷于客户”。其中一句话是这样写的：“我们成功的标准，是为客户创造的价值，而不是我们达成的技术里程碑。”

如果你是为企业开发软件，这一点至关重要。你必须清楚地知道，你到底在解决什么商业问题不是项目经理告诉你的那个，而是公司 CEO 真正关心在意的那个。否则，你的产品就会错失关键的洞察。这些都是我过去用无数“战损”换来的血泪教训。

主持人：这些是在Salesforce 学到的吗？说实话，我在很多优秀的公司工作过，但没有一家能称得上是真正“痴迷于客户”的，无论是 Facebook 还是 Dropbox。它们都是了不起的消费级公司。

Bret Taylor：是的，我确实是在Salesforce 学到的。我记得刚到 Salesforce 时，正值他们的年度大会 Dreamforce。我当时最大的困惑是：为什么每年有超过十万人来参加一个企业软件大会？这简直像一场宗教复兴，我完全无法理解。

后来我才在那家公司里真正看到，他们对客户、对生态系统有一种近乎虔诚的投入。这种投入，从那场每年都让旧金山交通瘫痪的盛会中就能看出来。

我喜欢把自己当作一个“杰出公司的人类学家”。谷歌和 Facebook 天差地别，却都取得了惊人的成功。Salesforce 与前两者更是截然不同，但也同样成功。我喜欢深入探究“为什么”，而不是简单地站队。

我从这些经历中学到的是：如果你为企业开发软件，那么在你的每一个决策中，这些企业必须是你的起点，也必须是你的终点。

对于消费级公司，最好的那些会痴迷于用户，而差一些的则只盯着数据仪表盘。对用户的痴迷和刷增长数据之间是有区别的，就像真正以客户为中心和只想着卖软件是两码事一样。

我不喜欢“快速失败”，资本主义里唯一的信号是钱主持人：你刚才那个类比太妙了。一边是“取悦用户”对抗“增长黑客”，另一边是“痴迷客户”对抗“推销软件”。这恰恰引出了一个创业中非常有趣的矛盾，不是吗？

Bret Taylor：好问题。创业叙事里有两种看似矛盾的说法：一种是像Airbnb 的创始人那样，屡败屡战，坚韧不拔；另一种则是“快速失败”，早期没有沉没成本，不行就换。

我不太喜欢“快速失败”这个说法。它给我的感觉，就像是毫无章法地把各种点子往墙上扔。

我认为，你必须对你正在构建的东西以及其背后的原因，有一个核心的“论点（thesis）”。当你与用户或客户互动时，你才能从这些互动中找到有价值的“信号”。如果你没有一个核心论点，你就很难判断用户“没有点击那个按钮”或者“没有完成购买”的真正原因。

你必须有一个你坚信的、关于世界未来走向的观点。比如我们的一个论点是：未来，当你给一家公司打电话时，接电话的将是 AI 智能体，而不是客服中心。你可以对这个论点抱有偏执的信念。但如何打造一家公司来解决这个问题，这才是你可以灵活设计的空间。

所以，创业者需要有一个奔赴的未来愿景，并对此抱有近乎疯狂的执念。当然，你可能是错的，但这就是创业的难处。

与此同时，你要对实现路径保持“强观点，弱持有”的态度，并主动去寻找来自市场的诚实信号。

我给B2B 软件公司的一条建议就是：去卖你的软件。别免费送，别只是让人试用然后听他们口头反馈。他们会说：“哦，太棒了，我喜欢！” 但当你问“你愿意付钱吗？”，他们就会说：“嗯……下个季度再考虑吧。”

如果你信了，以为他们下季度真的会买，那你就错了。他们真正在告诉你的是：你创造的东西，还没好到值得花钱的地步。这是一种非常礼貌的拒绝方式。就像分手时说“不是你的问题，是我的问题”一样，听着，其实就是你的问题。

在资本主义社会里，你能得到的唯一诚实的市场信号，就是用金钱交换商品和服务。如果你不去寻求这种信号，你就是在自我欺骗。创业公司最大的危险就是陷入自我构建的叙事中，总能为每个不买单的客户找到借口。当所有潜在客户都“不具代表性”时，也许有问题的就是你自己。

今天的 AI 热潮，就像加了 10 倍速的互联网泡沫主持人：在如今的 AI 世界里创办一家公司，与你之前创办的其他公司相比，有什么不同之处？

Bret Taylor：现在的市场感觉很不一样。我2002 年大学毕业，而我 1998 年到斯坦福时，正值互联网泡沫的顶峰。那会儿简直疯了，我从不用自己买饭，去机房总有创业公司赞助的免费披萨。而到了 2002 年，同样的机房里，就像有风滚草吹过一样荒凉。今天的感觉有点像那个时候。

当人们提起“互联网泡沫”，总会想到那些失败的案例，比如 pets.com。但如果你回过头看，当年也诞生了亚马逊和谷歌这样的巨头，它们如今占据了标普 500 指数的巨大份额。所以，事后看来，当年的所有炒作或许都是合理的。那些公司确实像人们预言的那样，改变了世界经济。

把这个逻辑推演到现在，AI 也是类似的。在 1999 年，我们知道互联网的大市场会是电商和搜索。今天，我们也清楚地知道，大语言模型会冲击软件工程、客户服务等行业。我们大概率是对的。

现在，市场这只无形的手正在决定，谁将成为书写历史的亚马逊，谁又会是被人遗忘的AltaVista（早期著名搜索引擎）。胜利者书写历史。

但现在和当年有几个不同之处。技术的复合效应越来越强。互联网诞生时，全世界只有大约20 亿台 PC。而今天，智能手机比人都多，整个世界都被连接了起来。AI 技术可以通过这些现成的“铁轨”，几乎无缝地同时触达全球。

所以，增长是爆炸性的。我看到一些AI 公司的收入数字时，内心 OS 都是：“我 X！” 一个月不见，他们好像又孵化了五家新公司。

所以我觉得，我们正处在互联网泡沫时代，但一切都按了10 倍快进键。这太疯狂了。

说实话，我作为OpenAI 的董事长，同时还运营着一家相当成功的应用层 AI 公司，都感觉快要跟不上节奏了。我可能是这个世界上最有条件跟上节奏的人之一，但依然感到力不从心。

这很疯狂，但也令人兴奋。能和在座各位一起身处这个时代，是一种荣幸。我希望你们能享受这一刻，因为十年后，我们的社会将截然不同，而你们，正处在这场变革的中心。

AI 创业公司烧钱指南：哪些事千万别干？主持人：既然谈到历史，那我们就聊聊历史教训吧。当年的 AltaVista、Infoseek、Lycos 这些公司，如今看来都犯了不少愚蠢的错误。那么，Bret，在你看来，如今的 AI 公司，有哪些能把投资人的钱烧得又快又蠢的绝佳姿势？ 很多创业者都拿到了融资，有哪些常见的“作死”方法是他们需要警惕的？

Bret Taylor：好问题。要回答这个问题，我得先把我眼中的 AI 市场格局讲清楚。我认为它大概可以分为三个领域，这三个领域的机会和陷阱截然不同。

第一个领域，是前沿大模型（Frontier Models）。

这很不幸，因为对于在座的各位来说，除非你在 OpenAI、Anthropic、谷歌或Meta 工作，否则你基本没机会参与。它需要的资本体量太庞大了，最终一定会走向整合。这就像现在没有“独立数据中心”市场一样，未来也不会有“独立前沿大模型”市场。但这无疑是一个极其重要的市场，在座的所有公司，未来可能都得向这些巨头“交税”，以使用它们的模型进行推理。

第二个领域，是 AI 工具（AI Tools）市场。

这是一个很难做，但也很有趣的市场。它就是那场“淘金热中的卖铲人”。企业要用 AI，需要什么工具？这个领域已经涌现出一些非常有趣的公司。

但这块业务很危险，因为你基本上是在玩火。你今天觉得能解决痛点、挠到痒处的功能，可能明天就被那些基础模型提供商直接集成进去了。

不过，如果我们参考云计算市场，这个领域依然能诞生巨头，比如 Snowflake、Databricks、Confluent 这些公司。所以，你虽然会和基础模型提供商激烈竞争，但确实也有机会创造出非常有价值的公司。

第三个领域，是应用层 AI（Applied AI）公司。

我认为，2010 年的 SaaS 应用，就是 2030 年的智能体（Agent）公司。像我们 Sierra，或者服务于法律市场的 Harvey，都是这个领域的代表。未来，针对不同岗位、不同部门，都会有专门的 AI 智能体公司来满足其需求。这就像在云计算市场，你有时需要租一台服务器，有时则需要直接购买一个解决问题的方案。智能体公司提供的就是后者。

好了，有了这个框架，我们再回到你的问题：在 AI 时代，怎样才能高效地把钱烧光？

如果你是一家应用层 AI 公司，跑去从零开始预训练一个模型，就是烧钱的绝佳方式。

那会烧掉你数百万美元。这些模型是快速贬值的资产，市面上已经有那么多可以租用、可以开源的选择总之，千万别这么干。

总的来说，一个典型的 SaaS 公司，你不会把它想象成一个研发实验室。你想到的是像 Ramp、Rippling 这样的产品公司。它们利用云技术，打造出能把一个问题解决得特别好的产品。

我认为我们也应该这样去看待智能体公司。但现在太多的智能体公司，为了在今天这样的场合里显得自己很潮、很酷，总想着自己能说的 AI 术语越花哨，就越能赢得同行的尊重。

但他们忘了，如果你的客户需要的是完成一项法律助理的工作，他们真正在乎的只是你做得好不好。如果有现成的技术能让你更快、更好地解决客户问题，你就应该用。

未来会有一个清晰的分工：研究界会越来越向基础模型集中，而全栈工程界则会专注于构建智能体。我认为这是好事。现在很多公司不得不直接在基础模型上构建，只是因为市场上还没有一个他们能直接“雇佣”的智能体。

软件就像一片草坪，你需要持续地去维护它。 没有公司愿意去维护软件，那纯粹是成本中心。我们过去 25 年成功地让企业相信，自建软件的总成本远高于购买软件服务（SaaS）。现在，轮到我们用智能体来兑现同样的价值了。

我们在寻找 AI 时代的“LAMP”开发栈主持人：在模型开发上，我们似乎还没找到解决“记忆”和“长上下文”问题的理想范式，你怎么看？Bret Taylor：我得反问一下这个前提：你会抱怨你电脑的CPU没有记忆功能吗？

主持人：嗯，它有一级缓存（L1 cache）……

Bret Taylor：对，然后你还有内存，还有硬盘，还有网络云存储。我们为计算机构建了这些层层递进的抽象，来解决商业问题。

我觉得我们现在把太多负担都压在了模型本身身上。模型极擅长推理，但我们真的需要它同时具备记忆功能吗？还是说我们可以在旁边构建一个记忆系统？不同的应用需要同样的记忆吗？在我看来，你描述的这些问题，恰恰是“智能体公司”的市场机会所在。就像在 PC 早期，我们有转盘硬盘和内存，后来有了闪存。技术是不断演进的。我期待未来能有针对 AI 的、像 Jeff Dean 那张“系统延迟表”一样复杂又精妙的解决方案。

主持人：我真正想找的类比是，我们还不知道如何像Unix 那样，把模型做成一堆可分解、可重组的小工具。现在我们倾向于把所有东西都塞进模型本身，这就像修改操作系统一样困难。

Bret Taylor：这说得太好了。在我高中时，没人知道怎么做网站，所以我们16 岁的孩子也能做生意。今天也一样，没人真正知道怎么构建最好的智能体。

后来，我们有了“LAMP”技术栈（Linux, Apache, MySQL, PHP），它成了当时做网站的标准答案。再后来，有了 AJAX，有了 React，有了 Next.js。现在，做一个功能强大、甚至可以离线运行的网站，已经比过去容易太多了。1997 年还是研究课题的东西，现在你要是做不出来，别人会觉得你是个小丑。