Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
真正意義上基於first principle的非共識的觀點是非常少見的
多數的情況下所謂的非共識觀點
其實是一個更exclusive的小圈子裡面的共識
所謂的非共識其實更多的是一種access
而不是獨立性思考
之前你要花非常多年的時間去積累的東西
身邊的沒有用了
大學生甚至一個高中生
跟一個有十年經驗的工程師
在近乎一樣的起跑線上開始工作
而且反而沒有很多認知上的包袱
一個新的科技出現
成本還沒有下降到足夠普惠到
可以做一個大規模的true c的應用
但是產生的性能的生產力的解放
已經足以給那一位這個事付費的
to be的企業產生價值了
比較有背景 比較能圈到錢
比較有資源可以創業的人先進場
在每個周期開始的時候都是這個狀態
但是從去年下半年到今年開始
很明顯的趨勢是說
這個周期已經進入到了成本降低到了
可以開始做true c
憑什麼我在大廠已經技術比周圍的人都好
但是我升到c那升上去了
大家有很多很多這種困惑
這還是做低價思維
這樣的狀態和下一個層級的狀態裡面的區別
通常就在於說
我是不是能夠有效的去找到問題
我能不能更有效的提出問題
我的決策質量是不是真的變得更好了
因為我記得你可能一年前的時候
分享過一些非常非共識的東西
這一年也得到了驗證
所以說我想聽聽你今年的
因為投資人的非共識
和科技從業者的非共識
和大眾的非共識完全不一樣
你覺得你們這個圈子中和大眾的認知
你猜想是有什麼不一樣
我們這個圈子是一個巨大的灰陰壁
我們是一個巨大的echo chamber
在echo chamber裡面
所有人都會去尋找一些非共識的insight
這些insight很快又會在這個圈子裡邊傳播
增幅變成一個新的一波的共識
但是說實話真正意義上的
基於first principle的非共識的觀點是非常少見的
真的和別人非共識的觀點也是很少見的
多數的情況下所謂的非共識觀點
其實是一個更exclusive的小圈子裡面的共識
所以所謂的非共識其實更多的是一種access
而不是獨立性思考
其實我們自己在我們的社群裡邊
也有很多所謂非共識
但是在我們來說已經是共識的觀點
共識等於是有一個傳播和增幅和增長的過程
投資人圈子裡面來說的話
我覺得現在convert出來的
大家覺得是共識
但是在外界還處於一個非共識狀態的觀點
可能現在更多的是維爾
就是說MCP投資人的圈子裡面
會普遍覺得說會是下一步的一個巨大的增長
可能在工程和hacker的圈子裡面
會覺得說MCP是一個很好玩的一個新的方向
但並不是很確定
這個是一個可能hacker在關注的一個
很歷史的technical的技術
而對大眾來說的話MCP是什麼
還處於一個傳播剛開始的這個階段
你記得壓戈他當時是在24年底的時候
我們當時講就是AI五次迭代
第四次使用的MCP
然後第五次是用kurser
壓戈專門寫了文章
我們還有過了一個30分鐘的這種lightning course
就是先用MCP把這個東西做了
然後在人為的製造一些bank
告訴大家MCP是多麼的難以調適難以開發
MCP很有價值
配合大家adoption包括生態支持非常好
我不可否認這個巨大的力量
但是我覺得它的底層的設計
還是有一些巨大的flaw在
所以說我還是持一些懷疑態度
當大家有這樣懷疑態度的時候
才是投資的機會
一旦變成共識這個東西又太貴了
回到MCP這個問題的話
你提起這個事情我覺得也蠻有意思的
這裡面涉及到一個什麼東西呢
就是到底投資人社區的觀念觀點
是更先進的更超前的
還是builder社區的認知是更超前的
其實在這個具體的例子上來說的話
我覺得像壓戈像咱們社區的很多這種builder
在AI開發應用的最前沿
得到的很多直接的觀感
會是比投資人社區更進一步
就那個圖像 as database
發現了好酷啊
然後發現壓戈很早以前就已經嘗試過
對對對
那個事情是一個特別典型的例子
我在這補充一點細節就挺好玩的
我們投資人社區剛剛開始傳播
一個很有意思的github repo的想法
這個想法是有人把巨大的一個文本庫
轉化成了一個視頻
因為我們知道rag是兩年前的主流趨勢
然後大家都投了很多
而rag被證明有很多各種限制和挑戰
現在有一個解決rag的方式是說
每篇文道壓縮成一個二維碼
每個二維碼就變成一個圖像
再把很多很多這種圖像
把它排序把它鎖引
然後壓成一個巨大的視頻文件
因為視頻文件本身有非常先進的
這種壓縮解碼編碼的這個算法
所以說可以把尺寸極致的壓縮
這樣的話你壓縮完了以後
因為每一個二維碼之間的話
你可能只需要改編非常小的幾個像素
所以它的壓縮率就可以更高
之後去找的時候
直接在這視頻文件裡
推進到自己要找的文檔
這個事情做出來
然後在github上有很好的傳播
所以這個投資人社區
目前處於一種有一個新鮮事
然後如果這個事情變得更重要的話
投資人社會變成一個反共識
然後變成一個共識的這個過程
但是我們在我們builder的社區裡面
討論這事的時候的話
壓哥就講說一年前想過這個事情
扣切一下一年前他做了這件事情
然後這裡邊的好處和不好的地方
和為什麼沒有繼續做下去的原因
對然後我們討論的時候也發現說
有其他的這個群友已經測試過這個東西
然後發現這裡邊在這個性能上
有很多非常嚴重的缺陷
當然也有一些別的方面的優勢
這個是一個典型的說
hacker和愛好者和doubter的這個社群
跑在一半事前的這個過程
在我個人來說的話
埋伏在咱們社區裡面
也給了我很多這種更多的insight
可以在我在做投資的工作裡面有很多edge
對您還有什麼覺得
你們這個圈子這一點罷
發生了比較重要的觀念革新
或者說是關注的事情
有一個我在注意到的很有意思的趨勢
但是不見得是就是投資人社區的共識
founder的結構
就是它的demographic年齡背景在急劇的變化
在咱們這一次AI週期開始的時候
你會發現說所有的investor都在投這種to be像
在一個巨大的不確定性裡面的話
to be總是確定性的
尤其在美國這樣的市場
就是大家的付費意願特別強
Monica說這是中產創業
對中產階級中產和這種很成熟的創業
所以在AI週期的最早先的時候的話
搶先拿到大資金的
就是在早先已經在這個賽道裡面升了很久的
這些AI researcher
然後立刻就轉化成了
因為AI researcher的爭奪很快就結束了
Attention is all you need founder
除了還在搞crypto的一個人之外
每個人都搞了一個巨大的這種large land-grant model challenger
在那個週期之後立刻就轉化成了
各種又豐富的之前的創業經驗
go to market的經驗的這種to be創業者
大規模的進入市場
然後大家在AI這個賽道裡面主要的創業方向
也是說我怎麼去用AI做更好的企業服務
所以我們看到大量的這種生產力工具
大量的這種位移記錄
大量的這種銷售
就是圍繞著這個Sales marketing有關的創業的項目
會非常非常多
就在接著進入到說就是各種生產力的自動化
內部的workflow的整合這樣的這個賽道
去年和前年是有很重要的方向
甚至早期agent的創業的賽道
也大量的是正在把agent這個能力
轉化成某種vertical公司
變成一種新SARS
那在這個時期的話
你需要的創業者是那種真的吃過見過
在一個大的企業裡面做過這種top down的採購流程
知道怎麼去跟這個對家企業潛在顧客的這種
head of anger
kibbleed去聊的這種很成熟的創業者
就是得是上過班管過人
做過很長產品的這種創業者
我們想想的話在每個大的週期裡面可能都是這樣
一個新的科技出現
成本還沒有下降到足夠普惠到
可以做一個大規模的2C的應用
但是產生的性能的生產力的解放
已經足以給在為這個事付費的2B的企業產生價值了
比較有背景比較能圈到錢
比較有資源可以創業的人先進場
在每個週期開始的時候都是這個狀態
但是從去年下半年到今年開始
很明顯的趨勢是說
這個週期已經進入到了成本降低到了可以開始做2C
創業者的結構正在變得越來越年輕
多年輕
年輕到我們三個月前剛投了一個團隊
這個團隊現在都處於這種
都是大學二年級做了一個教育類的產品
他們剛剛就被接納要去下一個YC
就是夏季的這個YC badge
能介紹一下這些創業者的話
像他們和普通的大學生有什麼不一樣
這個團隊的話是三個心思很活躍
動手能力非常強的印度小哥
首先就是之前就從小就已經嘗試做各種各樣的產品
你說是數字產品
軟件產品
然後同時也會有很多這種community的運營
組建community
主宰網上構建社區這樣的經驗
然後他們在開始這段創業經歷之前
是頻繁的去參加各種各樣的hackers
然後發布各種各樣的開源項目
然後自己做各種自己需要的喜歡的產品
在自己旁邊圈子的小販子運營
然後他們也是基於自己作為學生的非常直觀的經驗
做了一個跟教育有關的這樣一個產品
所以雖然是年輕的同學
但是其實已經是聯繫創業者了
對聯繫獨立開發者
所以說在他們開始決定做這個公司之前
他們已經有一些做各種各樣小的產品的經驗
他們這個產品的發布到我們投資之間的話
其實也有三到五個月的過程
他們的立場是說在hackersong大家見面做了一個產品
組成了這個小的創業團隊
之後這個產品他們在youtube上發布
然後通過社區傳播開始有一些很早的耳類adoption
當然就在那個時候沒有做商業化
也沒有賺錢
但是我們已經可以看到說這是一個
可以快速的捲出這種
足夠大的用戶社群的這樣一個團隊
所以說我們投資以後的話
這個很有意思
我們知道說在美國的亞裔家庭
不管是中國的家庭還是印度的家庭
對於年輕人的教育都是非常看重的
和研究商業博士輟學創業不一樣
本科輟學還是一個很有壓力的事情
我們的投資金掉的過程裡有非常多的對話是關於說
你們會不會真的有決心去jump out
然後把這個產品整個做起來
因為真的要創業的話
還是要全職delicate來創業的
所以一個投資人去見家長
是一個很奇怪的過程
當然我沒有真的見家長
但是這是一個很有意思的concern
這是他們的背景
也有很多差不多背景
非常年輕的團隊
再開始創業
看到的另外一個例子是說上一期的BIC
那個可能是更加讓人吃驚的創業方向
是兩個大四的學生
創業的東西是一個面向政府的2G向
是在美國政府的鬥志部門
就是他們後來跟鬥志有些合作
但是在當時鬥志甚至沒有成立
他們做的工作是去美國議會的某一個委員會裡邊
在這個委員會裡邊去幫助這個委員會
做很多內部的軟件系統
然後還有一些計劃
這個過程裡面發現很多非常低效的現實
所以說他們就做了一個簡單的
AI native的面向政府的軟件系統
居然就是在這個政府裡面找到了go to market的機會
然後也有人願意付費
他們就做了這麼一個公司
而且非常快的做到了一個30萬美元左右的
年化的revenue
很讓人吃驚的一件事情
就是幾個大學還沒有畢業的學生
不是去做了一個簡單的2C的
在校園裡面傳播的產品
而是做了一個面向政府的產品
而在美國這樣的環境裡面
他們可以去跟議員
去跟州政府去銷售這種產品
而且州政府也願意去花錢去採購這樣的產品
你就可以看到說AI的整個的生產力的解放
還有目前的共識和go to market的機會
已經開始打開了
在這個背景下面的話
也就給了很多非常年輕創業者
非常多新的機會
這個事我們已經聊很多次了
我發現說AI等於拉平了很多經驗技術方面的積累
A lot of jobs are free
對很多之前你要花非常多年的時間去積累的東西
突然變得沒有用了
所以說一個大學生甚至一個高中生
可以跟一個有10年經驗的工程師
在近乎一樣的起跑線上開始工作
而且反而沒有很多認知上的包袱
對很多就是這種在大廠
你可能做到了一定程度
有一定的expertise
反而這些人他們在創業的時候
有很大的認知包袱
我後來發現這個認知包袱
是跟自己的undetection相關
如果拋棄我原來所有的東西的話
我要從零開始
我其實面對一個非常大的身份挑戰
這個事你跟一個高中生很興奮
你跟一個大廠員工說
你跟高中生在一個起跑線了
然後他
這個也是某種意義上的沉默成本
就是我們花了這麼多年
好不容易建立起來這麼一個identity
我們有一個
我是learning專家
Data scientist
突然這些東西都變得沒用了
而其實真正紮實的
有意義的東西還在自己的身上
所以在這裡邊的Gap
可能是找到說真正本質上的
自己的競爭優勢到底是什麼
這種事情的話
換一個角度講永遠在發生
因為我們科技行業的
這個各種技術的變革
是非常快的
現在這個可能就是
在更短的一個時間窗口內
把這個拉平的過程
用一種更鮮明的方式呈現出來了
我們之前聊過很多關於說
職業發展上
或者說考慮自己個人定位方面的討論的時候
我們也聊過
重要的是說
我們怎麼去尋找到自己所謂的原能力
這個說的就太虛了
所有的這些回字的四個寫法之類的
技能之下真正本質的能力
真正能夠一直compound的
讓我們變得越來越強的能力
到底是什麼東西
說得更具體一點的話
就是假使我們做一個工程師
或者做一個researcher
我們很多以前的技能都不在了
但是我們系統性思考的能力
我們去定義什麼是需要被解決的問題的能力
我們作為一個開發者的審美
所有的這些東西的話
都會變成說
我們在面對一個問題
或者面對一個機會的時候
我們的判斷力的體現
對吧
一個更好的開發者
一個更好的設計師
一個更好的創業者
到最後的時候
本質上的能力就是做決定的能力
而這個做決定的能力
是通過更偏向技能一點的
各種知識
各種經驗
培養出來的一種東西
這個東西
為什麼大家可能會覺得
學生學校從來不教
大家沉迷於在精進自己的具體的這些skill上
而忽視了對原能力的發展
導致於現在需要發展原能力的時候
我們大家反而覺得
你講這些東西有多虛
對
咱們可以再多聊聊這個事情
我覺得很重要
很可能我們對於原能力的認知的欠缺
是來自於這種所謂應試思維
因為這個東西很難被考試
如果我們是一個在之前的大部分的生涯裡
都在面臨一次考試的人的話
很容易把知識點
把解題技巧這樣的東西
當成能力和知識的更重要的一個成分
即使在AI這波來之前
只是說做一個技術人的成長路徑
比如說我們把時間退到10年前
也會看到很多這種討論說
憑什麼我在大廠
已經技術比周圍的人都好
但是我升到Cineer升不上去了
大家有很多很多這種困惑
然後會非常憤恨於說
旁邊某個人比我更早升Staff
那個人變成了Principal
這個人可以開始帶人了
而我不行
明明我技術更好
明明我能解決更難的技術問題
這還是做題價思維
這樣的狀態和下一個層級的狀態裡邊的區別
通常就在於說
我是不是能更有效的去找到問題
我能不能更有效的提出問題
我的決策質量是不是真的變得更好了
這個差距和提升的關鍵點
不管在哪個時期其實都是一樣的
我們等於是在AI的時代
換了一個方式又撞了一次這個槍
有人會提出一個挑戰
就是This time is different
我們之前可能覺得人類的智能是特殊的
但我現在發現其實不是
首先我特別同意你說
我們的智能沒啥特別的
AI的智能和人的智能正在變得越來越像
前段時間在看Nexus
他討論的是說
我們永遠有一個Information Network
在之前的話這個Information Network上
每個節點都是人的智能
但現在很多節點都已經是Algorithm或者是AI了
以後這個趨勢會變得越來越厲害
但是This time is the same
因為假使說我們歸基的智能
變得跟人很相似或者更強了
那也無非是在這個Network裡邊
多了很多有點意指的節點
可是我們協作的方式
或者這個東西是一個網絡的本質並沒有變化
以前的時代說
大家從IC變成Manager
管理一個團隊的人類智能
那現在我們每個人在用AI的時候
也無非是說我們是一個
Silicon Intelligence Manager
我們作為一個開發者
在管理一群歸基的智能
那這種管理能力一樣還是提出問題的能力
前段時間有一些很有意思的實驗
就是說怎麼能更有效的提高一個
The warmest agent的表現
當我們是有一個非常非常複雜的任務網絡
然後我們需要做很複雜的planning
然後會有一個Master Agent
會有很多做執行的agent的
大家會發現說最有效的組合
是一個不需要那麼多parameter的
一個比較弱的智能
但是這個智能沒有被嚴格的align過
這個智能非常assertive
非常有細心
然後非常有決斷力去敢做決定的這麼一個智能
去做那個Master
而讓他統領很多
比他的parameter要多非常多的這種PhD智能
去做execution
所以這個Master可能是一個70B
是一個很小的模型
非常普通但是自信
然後管理很多這種幾百個billion parameter的模型
去做更具體的research
去讓他們去寫代碼
那這個跟我們做一個反應很慢
計算能力很弱
但是有很強的感性和決斷力的智能體
去管理很多具體的agent的過程是一模一樣的
和現實中太多相似了
所以說這個變得非常的諷刺
對肉食者必
做決定的那個可能不是專家
但是這個外行在領導內行
誰說我們不能變成領導很多內行的外行呢
我們看到有非常多的一個人的團隊
三五個人的團隊正在可以做出非常大的事情
做公司的方式做事情的方式
還有一個非常大的個性
在這個時代真正確定性的機會就是
使用AI去尋找到說怎麼能和AI結合
變成一個超級個體
做一個小的團隊的專業也好
在自己現在的崗位上
變成future proof的個體的這個過程也好
使用大量的使用
普及成本的使用
都是現在唯一確定性的應該做的事