一个人想让 AI 永远免费，以及他为此每周要解的那道算术题

Invest Like the Best 这期嘉宾是 Instinct 的创始人 Noah Shinn，公司成立大约一年，目前还是邀请制。我过了一遍自己的题库，几乎每一问都拿到了真回答——这在同类访谈里不多见，因为最难的"钱怎么收、算力怎么锁"两半，他都答到了数字。先说最打动我的那个判断。他要做的事是"让所有人一辈子都免费用得起"（注意：他自己补了一句"我现在不会就此承诺"，这个克制本身就很稀罕）。而支撑它的推理是这样的：

如果用户的钱不进我的账，我就没有理由去影响用户的选择。

反过来说就是那句老话——**if you're not paying, you're the product**。他的说法是"作为写程序的人，我就是不想把那样的现实造出来"。请注意这不是道德宣言，是建筑顺序：先定立场，再倒推收钱的方向。而很多公司是反着来的：先有一个收入模型，再写一份"我们绝不滥用数据"的声明。

顺带他把这条路的价码也摊开了，我认为这是全场最实用的一段市场结构：

一笔数字交易，沿线大约**四十个环节**在挣钱，而它们加起来只分掉**百分之二到二点五**。参照位置从低到高排：Shopify 两三个点、亚马逊十几个点、苹果三十个点。他明确说了不会走到三十个点，也明确说了自己还没定在这条曲线的哪个位置——这是我在访谈里听过比较少见的诚实。

然后是这一期我认为最硬的一段工程现实，建议所有做 AI 产品的人反复听：

需求端，算力大约每周翻一倍（日增百分之十，复利下来的结果）。供给端，交付周期是几个月。于是：买两倍，一周吃完；买五倍，不到三周吃完；买十倍，你先得吃得下那个心理压力——他的原话是 if you can even stomach what it's like to buy 10x ahead。而买错方向的代价是 you get taxed like 3 or 4X：不是贵一点，是惩罚性定价。

他的结论是：这家公司四成的时间不在做产品、不在见客户，而在这道提前量的算术题上。

这也是他唯一一次把风投的定义直接说出口的地方：风险投资本来就该用来承担某个经过计算的风险——而在这里，钱买的不是流量，是**时间**。

另外三个我觉得值钱的细节：

- 怎么量"信任"：信任量不出来，所以找代理指标——"到第一张信用卡的时间"。三周，四成；交出过敏感信息之后，留存八成。把不可量化的东西换成一个能记录、能比较的数字，这一招我今天就想抄。
- 增长的形状：日增百分之十，营销支出零元。最初两百人，每人五个邀请；eBay 上有人把名额卖到三百美元。稀缺是被用户设计出来的，不是被公司设计的。
- 一句产品判词：谈到那些"提示你有订阅该取消，但退订流程故意做得有点麻烦"的产品时，主持人的总结是——any product that's dependent on consumer laziness or inertia is toast. 任何建立在用户懒惰或惯性上的生意，都完了。

几个值得单独留的表达：
- take rate——抽成率，平台从每一笔交易里切走的那个比例。
- vig——抽头。比 commission 更江湖一点，原指庄家从每笔下注里切走的那口。他说的是那些已经铺好的支付轨道：提供便利、减少摩擦，然后 take a vig as a percent of the transaction。
- lead time——交付周期，从下单到东西真正能用那段时间。这个词是这一期后半段的题眼。
- orders of magnitude——数量级。他说未来需要的算力会比现在以为的多出好几个数量级。
- toast——作形容词是"完蛋了、报废了"。be toast这个用法很口语，也很干脆。
- bootstrap off of——借着现成的东西把自己撑起来。他用这个词描述早期怎么沿用已经存在的商业模式。

小宇宙搜「发声 Taste, Out Loud」。想要这期的小词和命中表，加我微信 `leedslee2010`，备注「听友」。

标题：一家外卖公司造机器人的全过程，以及一次漂亮的"不会干掉骑手"论证

No Priors 这期是 DoorDash 的两个联合创始人一起来的，Andy Fang 和 Stanley Tang。我用自己那套题过了一遍，11 题有真回答。

先说最反直觉的那段。主持人没有任何铺垫地问：长期看，你会不会干掉所有骑手，到处都是机器人？

"我猜十年之后，我们会有更多的骑手在做配送，而不是更少。"

支撑它的不是态度，是算术：超过 900 万骑手、业务年增 25%、目标十年后 5 到 10 倍。所以那个反问才成立：Are you going to have half America doing deliveries for us every month? 它卡住的是供给，不是成本——这是我认为这一期最值得听的地方：他们给的是一条可以自己验算的算术，不是一个立场。

然后是这期我认为最值得做产品的人听的两段推理。

第一段，否掉人行道机器人：那是"轮子上的饮水机"（a water cooler on wheels），时速两三英里；而他们平均一单要送 3 到 5 英里、扣掉做餐时间约 15 分钟。数学上就不成立。

第二段，否掉 robotaxi：一台 4000 磅、带座椅和空调的车，如果只是运几个墨西哥卷饼——Do you really need a four thousand pound car with chairs and AC? 更狠的是后面这句：你坐 Waymo 被放在离目的地半个街区外，完全没问题，因为你可以自己走过去；但包裹不会自己走路。他们把这个叫 the first and last hundred feet problem。否掉两端之后，从用例倒推出来的那台车：300 磅、时速 20 英里、体积是一辆车的十分之一，跑在路上但"尽量表现得像一辆自行车"。

还有一段我认为是全场最实用的方法论。他们问代码和分析团队：模型在你们的任务上表现得怎么样？团队答"还行吧"。负责人接了一句：**$30 million of okay**——价值 3000 万美元的"还行吧"。 把一句含糊的主观评价就地换算成预算数额，这个用法我打算直接抄。

以及爬坡那三个麻烦：一半轮子压在落叶上，扭矩要重算；急刹时动能回收冲坏电池；开机脚本要 30 到 45 分钟。原话是 Multiply across 500 robots, all of a sudden it's like holy crap。一个的时候不是问题，乘以 500 个就成了核心障碍。

几个值得单独留的表达：
- skunkworks——臭鼬工厂。他们 2018 年起步做机器人时，全部投入是"我和半个工程师的时间"。
- purpose built——专为特定目的建造。他们的自动驾驶栈是自研的，但车辆制造找了从 Rivian 分拆出来的公司合作。
- commodity——标准品。五年前大家都觉得硬件是件标准品，五年后发现它是瓶颈。这个认知反转值得记。

小宇宙搜「发声 Taste, Out Loud」。想要这期的小词和金句衍生表，加微信 leedslee2010，备注「听友」。

同一套 18 道题，问一个卖概率的人和一个卖算力的人，回声完全不同

上一期我用这套题去读斯坦福 AI 超周期的生命科学专场，盘出来的结果有个扎眼的形状：18 题里 6 题缺席，缺席的几乎全是"钱的题"。

这一期换了 Baseten 的 CEO Tuhin Srivastava，做生产推理的。结果反过来：缺席只剩 1 题，而答得最狠的，恰恰全是"钱的题"。几个他给的原数字：

B200 现在的小时单价 2.63 美元，十月续约，对方五月就来报新价 5.10。他的评价是 egregious（离谱）🙄
照此推算，两年后约 15 万张卡，约 70 亿美元算力支出；自建能便宜 30%。

今天推理支出里 90–95% 流向前沿模型，定制模型只有 5%。一个 CEO 主动把自己的市场说成 5%——他买的不是现在，是那条 5% 变成 40% 的曲线。

现在下单 1000 张卡，排期已经到明年第二季度，12 到 15 个月。他说：No matter how much people tell you there's a supply problem, it is 10 times worse.

同一间教室里，一个成本腰斩、一个成本翻倍：开源模型运行成本低 70–90%，算力单价翻倍。模型在变便宜，算力在变贵。 他就站在两条曲线的交叉口上。

三个我觉得值得单独留一下的表达：

🌟fungible（可互换的）——他把 20 家云、87 个集群缝在一起，目的是让 GPU 变成一种标准化商品。金融术语，用得很准。
🌟incentive function（激励函数）——他说，在你表达观点之前，应该先把自己的偏见和激励函数说清楚。这是全场我最想让人记住的一个表达，也是个很硬的工具。
🌟arrogant both ways——问到"栈里粘的是软件还是拿到 GPU"，他说我们会说是软件，对手会说是 GPU，然后补了一句：我觉得两边大概都挺傲慢的。 两边都不肯说死，比一个斩钉截铁的判断更值得学。

还有一段值得去听原音：主持人问他对算力期货怎么看，他说现在的算力交易"基本上就是个毒品市场"——你有一个人，坐在办公室角落里，整天打电话要卡。主持人追问"你那个人是谁？"他答：是 Ed。是 Ed。 全场笑翻。这比任何数据都更准确地描述了今天的算力市场：不是成熟市场，是关系市场。

小宇宙搜「发声 Taste, Out Loud」。想要这期的小词和命中表，加我微信 leedslee2010，备注「听友」。

人在做opc ，制药业做pipeline in a person😅😅一人管线

今年 9 月，两家头部 AI 公司在同一件事上撞了车：Anthropic 在旧金山湾区建起湿实验室（9/18 路透社），字节跳动分拆的 AI 制药公司 Anew Labs 完成 2.9 亿美元首轮融资、估值 15 亿美元、字节持股 56%（9/16 路透社）。两家都不再满足于只做"发现"环节。

而这场变故的剧本，几个月前就写在斯坦福那堂课上——同一间教室里，两个都在向药企卖工具的人，给出了相反的判词。Josh：价值应该流向工具层。Eric：我看空向药企卖工具这门生意。

《发声 Taste, Out loud》这期用 18 道"CEO 面试题"重构了斯坦福《AI 超周期经济学》的生命科学专场（嘉宾：Chai Discovery 的 Josh Meier × Anthropic 生命科学负责人 Eric Kauderer-Abrams）。18 题命中 9 题、部分 3 题、6 题全场无人问及。

先看内容：

- 9 月的两条新闻（都是课后发生的）
Anthropic 被路透社披露已在旧金山湾区建成湿实验室，把 Claude 接入真实生物实验，Eric 确认已投入运营——但他在课上的口径始终是"湿实验室是我们的 sandbox"，用来检验模型极限，主攻基础生物学而非药物研发，把它读成"AI 制药进入落地阶段"是外界的解读；另一条更直接：字节把孵化五年的内部药物发现团队 6 月拆成独立公司 Anew Labs（新生实验室），9 月完成 2.9 亿美元首轮融资、投后估值 15 亿美元、字节保留 56% 股份，方向明确是自研新药管线。一个克制、一个明确，但指向同一件事：模型方和平台方，都不想只站在工具层。
- 靶点拥挤：课上给的数——全球一年推进到临床的新增靶点约 30 个，可成药空间万级，人类基因组 19,000 个基因，80% 的已知疾病没有获批药物。一款药从想法到上市 10–15 年，瓶颈分散在五到十个环节，不是某一个
- "发现"与"开发"的曝光差：一位药企背景的学生当场挑衅——You hear a lot about discovery. You hear nothing about development. Eric 接住了：开发阶段的机会不卡在模型智能上，卡在运营，而且"一开始就不光鲜"。Josh 补的机理更通用：哪里反馈循环短，AI 就先吃掉哪里
- 价值流向的正面对撞：Josh 的逻辑是会计逻辑（工具让分子资产升值 → 工具该分钱）；Eric 的逻辑是商业模式风险（"一人管线"如果成真，客户随时变竞争者）。市场暂时投了 Josh 一票——公开信息显示，Chai 课后半年完成 4 亿美元 C 轮、估值 38 亿美元，礼来、诺华、百时美施贵宝的合作相继落地；但 Eric 描述的那道裂缝也真实存在——而 9 月 Anthropic 建湿实验室、字节拆出 Anew Labs 这两件事，恰好是这道裂缝的另一半证据：做工具的人，自己也在往下游走
- 最反直觉的一条：AI 不会让实验消失。实验设计越好、回报率越高，实验做得越多——Josh 管这叫实验室工作的 Jevons paradox，"我们会进入一个复兴期"
- 一句地缘尾巴：Josh 说制药行业会议如今只剩两个话题，AI 和中国，"在药物发现上中国跑得比我们快……但中国跑不过 AI"

再说我把 18 道题当尺子用的发现：缺席的 6 题几乎全是"钱的题"——收入构成、单位成本降幅、capex 怎么解释。这不是嘉宾健忘。基建层的嘉宾被追问单位经济，因为那里的生意已经成型；生命科学层没人问钱，因为这里卖的是概率，不是 token。概率的生意还没长出自己的会计科目。

顺带三个值得收进词库的商业英语：
- pipeline in a person（一人管线——全场最狠的造词，药企估值的本质就是管线的期望值总和）
- value accrue to（价值积累到……：where will value accrue in AI）
- feedback loop（反馈循环——模型迭代速度 ≈ 反馈循环长度的倒数）

想进听友群的朋友评论区扣「群」或私信我（群入口：【听友群入口】）。完整精读在《发声 Taste, Out loud》，小宇宙搜"发声"。

#AI #生命科学 #AI制药 #Anthropic #字节跳动 #商业 #播客 #斯坦福 #商业思维

用 AI 做出了一个能打开的东西——一个 vibe coding 测评，两分钟就能玩完：

🔗 joycenotebook.github.io

"写代码不让你特别，把代码送到客户面前才让你特别。"——这句话值得每个在讨论'AI 会不会取代程序员'的人先读一遍。

「瑜伽课后」这期读的是斯坦福《AI 超周期经济学》的编码 AI 一讲，嘉宾 Vercel CEO Guillermo Rauch。三个判断 + 一份我自己补的商业拆解：

1️⃣ 开发在贬值，到达在升值。
AI 让写代码趋近免费，于是稀缺的变成"把软件真正送到用户面前"——部署、边缘网络、预览环境、回滚。他的收入就卖这一段。

2️⃣ 从 pages 到 agents，从席位到 token。
agent 要动手干活，需要沙盒、运行时、可观测——这就是他说的 agentic infrastructure。云的形态从 AWS 走向他说的 AAS。

3️⃣ 想做地球上每个新想法的 front door。
谁掌握发现与进入的入口，谁就卡住价值流。

补一份我做的 Vercel 拆解（新增信息）：

- 三层生意：开源框架获客 / 云平台收钱 / AI 产品抢入口
- 关键数字：ARR 约 3.4 亿美元、估值 93 亿、毛利约 76%、650 人。76% 的毛利说明它不是转售算力（那只有 30–50%），它卖的是软件和网络
- 最硬的对手是 Cloudflare，不是 Netlify——因为 Vercel 跑在 AWS 上，Cloudflare 跑在自己的网络上
- 为什么近乎垄断：它们垄断的不是"最好"，是"默认"。shadcn 把源码复制进你的代码库，对 LLM 极其友好，于是形成"AI 默认吐这套 → 训练数据更多 → 下一代更默认"的飞轮。这是 AI 时代的新型标准锁定：不靠市场份额，靠模型的默认输出。
- 脆弱点：这是事实标准不是技术标准，均衡是偶然的；而且它是"入口垄断"不是"付费垄断"——一旦 Lovable/Bolt 把生成到部署闭环自建，front door 就不在他手上

顺带三个值得收进词库的商业英语：
- deploy / deployment（部署——本讲最高频的词，也是他全部商业逻辑的支点）
- agentic infrastructure（智能体基础设施：the infrastructure that you need to give to your coding agent）
- front door（入口、前门：谁掌握发现与进入，谁卡住价值流）

最后，我动手做了一个东西。讲了 17 期"AI 是什么"，这是我第一次真的用 AI 做出能打开的东西——一个 vibe coding 测评，两分钟玩完：joycenotebook.github.io

欢迎玩完回来告诉我你的结果。想进听友群的朋友评论区扣「群」或私信我（群入口：【听友群入口】），群里会持续更新我筛选的全球 AI 商业访谈和课程笔记。

完整精读更新在「瑜伽课后」，小宇宙可搜。

#AI #Agent #智能体 #商业 #播客 #vibecoding #AI编程 #商业思维

"AI 竞赛不比谁的 demo 炫，比谁真的在赚钱。"——这句话应该刻在每个 AI 从业者的桌前。

「瑜伽课后」这期做了个新尝试：用三期 hard fork AI 新闻播客连读，追完一笔 20 亿美元交易的完整生命周期——官宣、加码、撤回。三个判断：

1️⃣ 速度是这个时代的度量衡。
一笔 20 亿美元的收购，从官宣到撤回只隔几个星期。unwind（撤销交易）这个词能从生僻词一路走上头条，本身就是注脚——在 AI 超级周期里，连"反悔"都得反悔得飞快。

2️⃣ 记分牌上写的从来不是 demo，是钱。
Meta 买 Manus，图的是它 1 亿美元 ARR；同期 Anthropic 拿下 70%+ 的新增企业支出（enterprise spend），用的是 Ramp 的真实账单数据——比任何问卷都硬。**demo 可以作秀，adoption 没法撒谎。

3️⃣ 权限的天平永远在晃。
智能体从云端搬进你的电脑（desktop app），是"操作系统层"的开端，也是隐私的新考场。more power, more risks——这条 trade-off 不会过时。

顺带三个值得收进词库的商业英语：
- coup（妙手／漂亮的一招，本义"政变"）
- unwind（把做好的交易逆向拆掉；比 cancel 正式、比 call off 更有画面感）
- enterprise adoption（企业采用率——真正的 scoreboard）

一个训练有素的追问方式：看到"巨头天价收购"的新闻，先问——它买的是技术、团队，还是已经在赚钱的生意？多久回本？会不会几周后黄掉？

完整精读更新在「瑜伽课后」，小宇宙可搜。

#AI #并购 #商业 #播客 #智能体 #Agent #商业思维

今天没更新播客瑜伽课后，刚有一个灵感涌上心头：关于后续的播客内容组织。

之前试过两种：

一种是按关注到的产品或公司来讲——今天Anthropic明天 OpenAI，内容构思有一丢摩擦力。
一种是一口气更新一整个系列，比如斯坦福这套课，一路讲到底——中间冒出来的东西好似没地方放。

但其实这点自由度应该还是可以接受的，想改成：一段时间，还是主打一套课；中间留位置，给临时冒出来的东西插队。

比如这两天就很想插一期 Manus——Meta 官宣收购又撤回，戏剧性拉满；最打动我的是即刻一位互动的好朋友@独托邦 说，这周又用完了 1.7 万积分，说是「审美和边界感让人安心」。

这句我记下来了：Agent 的护城河，可能不在能力上限，在让人敢放手。

下一阶段主打的课，我可能想精读 Andrew Ng 的《AI for Everyone》。

顺便开放一个征集：有没有被种草什么类似的AI课，质量很高、你一直想学，但一想到要自己投几十小时慢慢磨，就一直没开始？报给我～～～

课程和一手信源的威力在于，学习之后再看很多公众号媒体的创业者访谈时发现，更多是已有观点的认知、重复和细分领域实践：例如这篇：金融领域mp.weixin.qq.com

今天这期也非常适合准备求职FDE或solution architect的人按照模型知识图谱来学习、准备外企面试的话也可以拿原文对照跟读或背诵。