播客听见世界的声音，看见思想的刻度

Factory CEO、前弦理论物理学家 Matan Grinberg 深入剖析 AI ROI 格局的转变、资源分配逻辑，以及多面手时代的回归。他认为，整个行业正从"Token 狂烧"的放纵期走向清醒的"宿醉"阶段，企业开始追问真实的业务价值与投资回报。Grinberg 分享了从理论物理到创办 AI 公司的心路历程，强调企业需要高主动性人才，并指出 AI 模型与应用层战略性解耦的必要性。 ## [00:00] 开场 Harry Stebbings 介绍 Matan Grinberg，他从长达 12 年的弦理论研究转型进入软件开发领域，目前担任 Factory CEO。Grinberg 认为，AI 行业的未来本质上是一场商品化竞争——谁能把对手商品化，谁就占据主动；而价值积累高度依赖时间窗口。他还强调，多面手时代已经回归，顶尖团队将被像职业运动员一样对待。 > *多面手时代回归了。[00:45]* > *往前看，这个世界将不再有任何东西是没有人能构建出来的。[00:00]* ## [01:22] AI 真的能拉动 GDP 吗？ Grinberg 对 AI 推动 GDP 超越历史 2% 均值持强烈信心，但他也坦言效应需要时间才能渗透到整个经济。AI 让每个人都能以更快的速度解决问题，这迫使企业在"提升产出"与"用更少人高效运转"之间做出选择，组织分配人力与技术资源的底层逻辑由此发生根本转变。 > *这些工具将带来巨大增长，只是需要时间渗透。[01:53]* > *每个人现在都能用同样数量的人解决更多问题。[02:18]* ## [02:41] 更小的团队，还是更大的野心？ 话题转向工程人才的未来，核心概念是"承重个体"——即那些一旦离开就会让组织陷入瘫痪的高杠杆员工。Grinberg 认为，AI 工具对这类人来说是倍增器，会进一步拉大"懂得用杠杆的人"和"不懂的人"之间的差距。 > *懂得运用杠杆的人，将能产生更大的影响力。[04:35]* ## [05:05] 资源分配难题：Token、资金与人员 Grinberg 预测，未来 24 个月，每一位 C 级高管都将把精力集中在 Token、资金与人员编制之间的资源分配问题上。他建议领导者聚焦核心能力，用营收等业务指标来衡量成功，而不是"上线功能数"这类虚荣工程指标。 > *Token……这个资源分配问题，将是未来 24 个月每一位高管都会深思的核心。[05:08]* > *回归到真正重要的事——我们想要撬动的业务指标究竟是什么。[06:32]* ## [06:49] Kirkland 5 亿美元 AI 赌注与自建还是外购的抉择 Harry 和 Matan 谈到 Kirkland & Ellis 斥资 5 亿美元自建内部 AI 工具，Grinberg 认为这可能是战略失误，因为 AI 技术本不是这家律所的核心能力。大规模内部投入往往最终让企业意识到，专业供应商更有效率，这反而印证了问题本身的难度。 > *Kirkland 花五亿美元自建 AI 工具……构建 AI 技术根本不是那家律所的核心能力。[07:14]* ## [10:01] 模型、应用与基础设施：谁会被商品化？ Grinberg 描述了模型提供商、应用开发者和基础设施公司之间的现实张力——每一方都在拼命把其他方商品化，以夺取更多市场价值。他指出，价值积累本质上是时间依赖现象，随着定价权与生态话语权的变迁而不断迁移。 > *每个人都在试图把不是他们的那部分商品化。[11:05]* > *现实是，价值积累是一个时间依赖的现象。[10:40]* ## [11:58] Factory 的空头论据 Factory 保持模型中立立场，为客户在 OpenAI、Anthropic 等不同提供商之间寻找最优的价格与性能组合。Grinberg 坦言，这一策略最大的风险在于：如果某家模型提供商对所有竞争者取得显著且持续的领先优势，将形成危险的全球垄断。 > *Factory 的空头论据就是：如果有一家模型提供商比所有其他家都强出一大截。[12:05]* ## [13:57] 开源模型的崛起 企业越来越倾向于开源模型，以应对不断膨胀的 Token 成本和年度预算提前耗尽的问题。Grinberg 指出，目前前沿模型处理的 80% 到 90% 的任务，开源替代品完全可以胜任，对于复杂度较低的场景，开源模型是重要的制衡力量。 > *我们做的很多任务根本不需要最顶尖的前沿模型。[14:47]* > *有一种自我标榜：「我做的工作只有前沿模型才搞得定。」[15:15]* ## [17:08] AI 烧钱宿醉 Grinberg 把当前 AI 采用的状态描述为"宿醉"阶段——企业开始正视放纵使用期间累积的巨额账单。他预测，随着企业把真实 ROI 置于新鲜感之上并实施严格资源管控，前沿模型的使用量将出现短期健康收缩。 > *第三阶段就是宿醉——你去看账单，然后发现：「天哪，我们花了这么多，我根本不知道 ROI 在哪。」[17:08]* ## [19:32] Token 支出占开发者薪资的比例 Harry Stebbings 追问 Token 支出最终是否会超过人头成本。Grinberg 预测，三年内，每人的平均 Token 支出将与其薪资处于同一数量级，尤其是那些从 AI "droids"中获得巨大杠杆的岗位。 > *我估计大概就是同一数量级，可能和薪资相当。[22:03]* ## [24:14] Factory 的争议文化：销售与工程合为一体 Matan Grinberg 批评"硅谷谬论"——即研究是最高荣耀而销售是次等工作。在 Factory，工程师和销售人员完全整合，共同拥有功能和成交结果，确保整个客户旅程都被当作产品来对待。 > *Factory 的产品是整个旅程——从客户第一次听说我们的名字，到第十次续约。[25:33]* > *如果没有好的销售和营销团队……一旦重力回归，你所有的肌肉都已经萎缩。[26:55]* ## [27:30] 主动性为何比背景资历更重要 风险投资人常把顶尖学历当作简单的筛选依据，但 Grinberg 认为，如果候选人缺乏真正的主动性，这些背景反而是"反向信号"。他更看重那些独立构建过东西、从头到尾对业务结果负责的人。 > *你构建过什么？你如何端到端地承担起对事物的责任和主动权？[29:49]* > *在拼命寻求确定性的世界里，我们去找验证者……那确实是一根不错的拐杖。[29:28]* ## [32:28] 多面手时代回归 Grinberg 认为，AI 工具正在开启新一轮多面手时代，让人们能以前所未有的速度触达多个学科的前沿。能用系统性思维应对不确定性、同时在工程和市场两个维度突破边界的人，将因此脱颖而出。 > *多面手时代回归了。[32:28]* > *这些工具能让你以比以往快得多的速度追上前沿。[33:24]* ## [35:06] 哪些事将来我们会觉得不可思议 Grinberg 点名写 release notes 和文档，认为这类事很快就会被视为浪费昂贵工程师时间的行为。他预计 AI 将很快抹平高质量文档的竞争优势，组织因此可以把人才重新投入到更高价值的差异化工作中。 > *人们曾经花几个小时写 release notes 或者写文档，这回想起来真的很荒诞。[35:24]* ## [39:25] 公司为何叫 Factory 借用特斯拉工厂的比喻，Grinberg 解释了软件开发的未来形态：工程师设计"流水线"，而非逐行编写代码。人类是脚手架和防护机制的架构师，而软件由这套体系来生产。 > *他们就像在为生产软件的工厂搭建脚手架。[40:18]* > *构建软件的工程师……将会有工程师来构建生产软件的工厂。[39:30]* ## [40:18] 劳动力替代与 AI 终将解决的问题 Grinberg 承认短期经济冲击不可避免，但对长期就业保持乐观。他认为，降低开发成本后，市场可以把人才调配到更广泛的全球性问题上，比如此前因成本太高而无力攻克的老年痴呆症研究。 > *能用软件解决的问题，目前我们用软件在解决的只是极少数。[41:00]* > *如果有更多工程师去解决世界上更多的问题，那对整个人类来说是净收益。[41:16]* ## [44:21] 我们正处于 AI 泡沫中吗？ 尽管基础设施泡沫的担忧存在，Matan 认为人类行为改变才是 AI 普及的最大瓶颈。成功的企业级落地，需要应对文化转变的阵痛以及成熟企业内部变革管理的复杂性。 > *和这些组织合作时，最大的瓶颈毫无疑问是人的问题，就是行为改变。[44:58]* ## [45:51] 企业销售的经验教训 Matan 回顾从理论物理转型到企业销售的过程，指出成功的关键在于真心好奇客户的"官僚噩梦"。他强调，永远不要"推销"，而是弄清楚自己的方案能否真正帮到客户的具体问题。 > *永远不要试图去卖东西，要去理解他们的问题。[46:42]* > *人们喜欢谈论自己的问题，喜欢讲各种官僚噩梦。[47:17]* ## [47:46] 从弦理论到 Factory：创业起源 Matan 讲述了自己从小对数学的痴迷，以及立志成为弦理论物理学家、先后在 Princeton 和 Berkeley 深造的经历。然而博士期间他经历了深刻的存在主义危机，意识到自己坚持这条路只是因为难、因为有人说他做不到，而非出于真正的热爱。 > *我做这件事只是因为它很难，因为有人说我不行。[49:12]* > *我问父亲什么数学最难，他说是弦理论……我当时就想：好，我要成为弦理论物理学家。[48:44]* ## [50:46] 发现会自我编写的代码 在 Berkeley 接触计算机科学后，Matan 被程序合成这一概念彻底"钓住"——代码以创造自身为明确目的。他意识到，这个领域最关键的问题将在工业界而非学术界得到解决，于是决定创业。 > *它彻底钓住了我，因为这里的核心想法是……代码以创造自身为明确目的。[51:03]* ## [52:30] 一封冷邮件与和 Sequoia 的三小时长谈 Matan 主动联系了一位有物理学背景的 Sequoia 投资人，初次见面演变成一次三小时的长途步行。那位投资人给出了直截了当的最后通牒：立刻退出博士项目，要么加入 Elon Musk 的 Twitter，要么自己创业。 > *你必须退出博士项目，而且应该现在就去 Twitter……或者自己创业。[53:48]* ## [55:30] 退学与那张 100 万美元支票 与联合创始人 Eno 一起搭出 demo 后的 72 小时内，Matan 正式退出博士项目，并向 Sequoia 合伙人团队发起路演。尽管 demo 很粗糙，Sequoia 还是以 20% 股份换来 100 万美元支票，Matan 接受了，因为在没有人相信他的时候，对方选择了相信。 > *没有人愿意相信我，除了他……信任、忠诚和那种信念，对我来说远比什么都重要。[57:38]* > *退出博士，把截图发给我。[55:16]* ## [1:01:19] Ivanka Trump 作为投资人能带来价值吗？ Matan 正面回应了外界对明星投资人的质疑，表示 Ivanka Trump 凭借自身的智识和人脉提供了切实价值。他指出，Ivanka 和她的公司 Affinity 是通过积极投入和投资者关系工作，真正赢得了股权席位。 > *她真的非常善良、非常聪明，科技圈里……大家都真心喜欢她。[61:52]* ## [1:02:39] 编程市场如何走向成熟 Matan 认为，市场最终将走向 AI 模型与其驱动的具体应用相互解耦的成熟状态。这种分离是必要的，否则模型提供商可能出于利润动机滥烧 Token，而非追求效率，利益错位将损害消费者利益。 > *对消费者最有利的结果，需要模型与应用层分开。[63:01]* ## [1:07:45] 即将到来的安全危险区 随着 AI 生成的代码量呈指数级增长，Matan 警告安全工作跟不上步伐，正在形成"危险区"。他强调，利用 AI 工具实施的对抗性攻击仍处于早期阶段，随着风险不断升高，安全将成为市场关注的核心议题。 > *代码生成量在指数增长，安全投入却没有同步跟上。[68:17]* ## [1:08:50] 美国初创企业该用中国模型吗？ Matan 回应了美国初创企业使用中国开源模型的顾虑，尤其是"触发词"引发对抗性行为的担忧。他强调数据泄露防御的重要性，并表示希望美国能在前沿开源模型领域重夺主导地位。 > *我们在美国竟然没有前沿开源模型，这挺让我汗颜的。[70:33]* ## [1:11:43] 数据中心与公众反弹 话题转向数据中心建设引发的公众抵制。Matan 认为，美国的联邦制结构就像一个"培养皿"，允许建设数据中心的州将看到就业增长与繁荣，而另一些州则会落后。 > *就像我们有一个个小培养皿，可以试验并观察结果。[72:31]* ## [1:14:22] 不靠驻场工程师也能销售 Matan 批评了依赖大量驻场服务 FTE 来销售 AI 产品的模式。他认为，如果一家公司需要靠重服务才能让软件跑起来，产品本身就存在根本缺陷，缺乏真正的产品市场契合度。 > *如果我们需要 FTE 才能让产品跑起来，我们做的是一个烂产品。[75:15]* ## [1:15:32] Grindslop、睡眠与把团队当运动员对待 Matan 拒绝"grind slop"文化，即用工作时长而非产出来衡量价值。他主张把顶尖工程团队当职业运动员对待，把认知恢复和睡眠放在首位，以保证高质量决策和高效发挥。 > *想象一下，用谁流汗最多来判断谁赢了篮球比赛。[76:12]* > *我们做的工作需要真正深度的思考……如果没睡好，你就不会做出同样好的决策。[78:02]* ## [1:20:32] Anthropic vs OpenAI 被问及为 IPO 在 OpenAI 和 Anthropic 之间做选择时，Matan 以公司稳定性为由选择了 Anthropic。他指出，OpenAI 经历的内部动荡和混乱事件明显更多，这拉低了其预期价值。 > *过去是未来的风向标，OpenAI 发生过更多随机的、混乱的、动荡的事件。[81:06]* ## [1:21:19] Dario 对 AI 造成了伤害吗？ Matan 批评 Dario Amodei 等 AI 领导者宣称 AI 将取代所有人类劳动，称这类言论是融资策略。他认为，这些说法的设计目的是让投资者相信单一公司最终将吞并整个资本主义经济。 > *让人们相信这一点的最好方式，就是说资本主义已经终结。[82:00]* > *利益在驱动结果，而那个利益就是：我想融到一大笔钱。[82:54]* ## [1:23:53] 他改变了哪些看法 Matan 分享了自己从"赢家通吃"观点转向预期多极市场的转变，认为至少会有四家前沿公司并存。他点名 EY 等老牌企业是 AI 采用的意外领跑者，凭借云转型留下的"伤疤"，它们的行动比一些初创企业还快。 > *对人类来说最坏的情况，是只有一家特别强的公司。[84:14]* > *他们天生就是 agent-native，这令人震惊。他们是我们最大的客户之一。[83:11]* ## 实体 - **Matan Grinberg**（人物）：Factory CEO 与联合创始人，前弦理论物理学家。 - **Harry Stebbings**（人物）：20VC 主持人，风险投资人。 - **Factory**（组织）：专注于软件开发自动化与 AI agent 的科技公司。 - **Sequoia Capital**（组织）：领投 Factory 种子轮的风险投资机构。 - **OpenAI**（组织）：头部前沿 AI 模型提供商。 - **Anthropic**（组织）：AI 安全与研究公司，Claude 的创造者。 - **Ivanka Trump**（人物）：通过旗下公司 Affinity 投资 Factory 的战略投资人。 - **EY**（组织）：四大会计师事务所之一，以积极拥抱 AI 著称。 - **Uber**（组织）：被引用为实施个人 AI Token 预算管控的公司案例。 - **Kirkland & Ellis**（组织）：斥资 5 亿美元自建内部 AI 工具的律师事务所。 - **Juan Maldacena**（人物）：Princeton 著名物理学家，Matan 曾与其共事。 - **Dario Amodei**（人物）：Anthropic CEO。