你有沒有發(fā)現(xiàn)，最近推特上到處都是創(chuàng)始人在曬自己公司的 ARR（年度經(jīng)常性收入）數(shù)字，從零到 1 億美元，有的公司只用了幾個(gè)月。這種速度在以往是完全無法想象的。更夸張的是，據(jù)說現(xiàn)在很多 VC 甚至不會(huì)看那些在 A 輪融資前 ARR 還沒達(dá)到 1 億美元的初創(chuàng)公司。整個(gè)硅谷似乎都陷入了一種 ARR 數(shù)字競(jìng)賽的狂熱中，仿佛增長速度慢一點(diǎn)就會(huì)被時(shí)代拋棄。

但最新的趨勢(shì)是硅谷頂級(jí)風(fēng)投開始不約而同的發(fā)聲，重新審視AI時(shí)代的ARR，前幾天我剛寫了來自Madrona合伙人Vivek Ramaswami的觀點(diǎn)《》，今天則是來自a16z的華人合伙人Jennifer Li的最新訪談。

但就在所有人都在瘋狂追逐這些令人眼花繚亂的數(shù)字時(shí)，Andreessen Horowitz（a16z）剛剛為其基礎(chǔ)設(shè)施團(tuán)隊(duì)籌集了 17 億美元的基金，負(fù)責(zé)監(jiān)管這筆資金投向的合伙人 Jennifer Li 卻說出了一番讓人意外的話：不是所有的 ARR 都是平等的，也不是所有的增長都是平等的。她甚至警告創(chuàng)始人，要對(duì)那些在推特上宣布驚人 ARR 數(shù)字的推文保持懷疑態(tài)度。

這引起了我的深度思考。當(dāng)整個(gè)行業(yè)都在為快速增長而瘋狂時(shí)，為什么一個(gè)手握 17 億美元、投資了 Cursor、ElevenLabs、OpenAI 等最熱門 AI 公司的頂級(jí) VC，反而在提醒創(chuàng)始人要慢下來？這背后到底隱藏著什么樣的認(rèn)知差異？我決定深入研究 Jennifer Li 最近在 TechCrunch 的 Equity 播客上的分享，試圖理解這種反常識(shí)背后的深層邏輯。

被稱為SaaS教父的SaaStr創(chuàng)始人Jason也在X上吐槽AI ARR：

ARR 數(shù)字的真相：不是所有增長都值得追求

Jennifer Li 在訪談中首先指出了一個(gè)很多人忽視的問題：現(xiàn)在大家在推特上談?wù)摰?ARR，其實(shí)和傳統(tǒng)會(huì)計(jì)學(xué)中嚴(yán)格定義的 Annual Recurring Revenue（年度經(jīng)常性收入）完全不是一回事。真正的 ARR 指的是來自合同簽約的、可預(yù)測(cè)的訂閱收入的年化值，這是一種有保障的收入，因?yàn)樗鼇碜杂谟泻贤s束的客戶。

但很多創(chuàng)始人在推特上曬的，其實(shí)是 revenue run rate（收入運(yùn)行率）。他們只是把某個(gè)時(shí)間段內(nèi)收到的錢進(jìn)行年化計(jì)算，這和真正的 ARR 有本質(zhì)區(qū)別。她說："關(guān)于業(yè)務(wù)質(zhì)量、留存率和持久性的許多細(xì)微差別，在這些對(duì)話中都被忽略了。"一個(gè)創(chuàng)始人可能剛剛經(jīng)歷了一個(gè)銷售爆發(fā)的月份，但并不是每個(gè)月都能重復(fù)這樣的表現(xiàn)。或者一家初創(chuàng)公司可能有很多短期客戶在做試點(diǎn)項(xiàng)目，所以收入在試點(diǎn)期結(jié)束后并不能保證會(huì)持續(xù)。

我完全理解她的擔(dān)憂。在我看來，這種數(shù)字游戲最大的問題不在于它本身的不準(zhǔn)確性，而在于它對(duì)整個(gè)創(chuàng)業(yè)生態(tài)系統(tǒng)的扭曲效應(yīng)。當(dāng)那些經(jīng)驗(yàn)不足的創(chuàng)始人看到這些驚人的數(shù)字時(shí)，他們會(huì)產(chǎn)生巨大的焦慮："為什么我做不到從零到 1 億？我是不是哪里做錯(cuò)了？"這種焦慮會(huì)驅(qū)使他們做出錯(cuò)誤的決策，比如犧牲產(chǎn)品質(zhì)量來追求短期的增長數(shù)字，或者過度營銷來獲取那些最終不會(huì)留存的客戶。

Jennifer Li 對(duì)那些焦慮的創(chuàng)始人給出了她的答案："你不需要那樣做。當(dāng)然，這是一個(gè)很好的愿望，但你不必以這種方式建立業(yè)務(wù)，不必只優(yōu)化頂線增長。"她提出了一個(gè)更健康的增長模式：如何可持續(xù)地增長，讓客戶一旦注冊(cè)就會(huì)留下來，并擴(kuò)大他們?cè)谀愎镜闹С觥＿@可以實(shí)現(xiàn)"每年增長 5 倍或 10 倍"，這意味著從第一年的 100 萬美元增長到 500 萬到 1000 萬美元，到第二年增長到 2500 萬到 5000 萬美元，以此類推。

她特別強(qiáng)調(diào)，這種增長速度仍然是"聞所未聞"的。如果再加上快樂的客戶——也就是高留存率——這些初創(chuàng)公司仍然會(huì)找到愿意支持他們的投資者。我覺得這個(gè)觀點(diǎn)非常重要，因?yàn)樗沂玖艘粋€(gè)很多人忽視的真相：在 AI 時(shí)代，雖然快速增長確實(shí)成為可能，但可持續(xù)的快速增長才是真正有價(jià)值的。那些只追求表面數(shù)字而忽視客戶留存和業(yè)務(wù)質(zhì)量的公司，最終會(huì)在泡沫破裂時(shí)付出代價(jià)。

當(dāng)然，a16z 基礎(chǔ)設(shè)施團(tuán)隊(duì)的一些投資組合公司確實(shí)達(dá)到了那種飆升的 ARR 數(shù)字：Cursor、ElevenLabs 和 Fal.ai。但 Jennifer Li 強(qiáng)調(diào)，這種增長是與"持久的業(yè)務(wù)"相關(guān)聯(lián)的，"每一個(gè)背后都有真正的原因"。Cursor 是因?yàn)榇a agents（AI 代理）是第一個(gè)在現(xiàn)實(shí)生活中真正起作用并產(chǎn)生令人難以置信結(jié)果的 agent。ElevenLabs 是因?yàn)檎Z音 agents 加上合成語音有大量低門檻、不易出錯(cuò)的用例，而且作為首批跨越恐怖谷的模態(tài)之一，真正推動(dòng)了增長。Fal 則是因?yàn)樗麄優(yōu)閺膱D像到視頻的所有創(chuàng)意工作負(fù)載提供動(dòng)力，而開源模型的激增創(chuàng)造了對(duì)多樣性和一致性能的巨大需求。

我認(rèn)為這里的關(guān)鍵洞察在于：快速增長本身不是目標(biāo)，它應(yīng)該是解決真實(shí)問題、創(chuàng)造真實(shí)價(jià)值的自然結(jié)果。當(dāng)你的產(chǎn)品真正解決了一個(gè)迫切的需求，當(dāng)你的技術(shù)確實(shí)跨越了某個(gè)關(guān)鍵門檻，增長就會(huì)隨之而來。相反，如果只是為了增長而增長，最終只會(huì)建立一個(gè)脆弱的、不可持續(xù)的業(yè)務(wù)。

AI Agent 時(shí)代真的來了嗎？

在訪談中，Jennifer Li 花了大量時(shí)間討論 AI agents 的發(fā)展。她認(rèn)為 2026 年將是 agents 真正走向普通知識(shí)工作者的一年。她說："我認(rèn)為 agents 這個(gè)概念已經(jīng)討論了幾年，但現(xiàn)在終于到了能夠從一些長期運(yùn)行的 agents 和 agentic workflows（代理工作流）中產(chǎn)生真正的投資回報(bào)率和生產(chǎn)力的階段，這是一個(gè)巨大的突破。"

作為一個(gè) VC，她自己也在使用各種 agents。她使用研究 agents 幫她準(zhǔn)備每天的工作，從她自己的云盤中提取筆記和信息。她還大量使用語音 agents 來測(cè)試能力和對(duì)話流暢性的進(jìn)步。更有趣的是，她正在構(gòu)建自己的生產(chǎn)力 agent 來幫她安排日歷，并為思考預(yù)留時(shí)間。她的第一個(gè)知識(shí)工作 agent 就是管理她的日歷。

但我注意到一個(gè)很有意思的細(xì)節(jié)：即使是 Jennifer Li 這樣深度參與 AI 投資的人，也承認(rèn)當(dāng)前 agents 的局限性。當(dāng)主持人提到她有 24000 封未讀郵件，希望有一個(gè) agent 能幫她管理時(shí)，Jennifer Li 的回應(yīng)非常誠實(shí)："電子郵件和優(yōu)先級(jí)的例子是一個(gè)很好的例子，說明人類在連接點(diǎn)和找出未言明的上下文方面非常出色，而對(duì)于 LLMs（大語言模型），你真的需要提供所有的上下文，有一個(gè)明確的目標(biāo)和目的。"

她指出，這就是為什么很多電子郵件收件箱 agents 還不夠好的原因。人類能夠理解電子郵件本身或日歷中沒有說出來的事情，能夠收集這些信息并判斷什么應(yīng)該是你的首要任務(wù)。而 AI 目前還做不到這一點(diǎn)。這讓我想到，我們經(jīng)常高估了 AI 在短期內(nèi)能做什么，又低估了它在長期能做什么。

Jennifer Li 的觀點(diǎn)是，agents 會(huì)像茶包一樣慢慢滲透進(jìn)我們的工作流程。它是一個(gè)更好的 Google，但還沒有真正成為我們可以交付任務(wù)的東西。她說："我完全同意，創(chuàng)作仍然是由人類完成的，這是一件好事，但這些工具確實(shí)幫助我們提高了很多生產(chǎn)力，讓我們更有目的性，也讓我們的觀點(diǎn)更有深度。"

我認(rèn)為這是一個(gè)非常理性和務(wù)實(shí)的觀點(diǎn)。在我看來，2026 年甚至 2027 年，我們?nèi)匀惶幱?co-pilot（副駕駛）階段，而不是 autopilot（自動(dòng)駕駛）階段。某些部分可能會(huì)進(jìn)入自動(dòng)駕駛模式，比如數(shù)據(jù)錄入這樣的工作——Jennifer Li 投資了一家名為 Reduct 的公司，它可以將 PDF 和文檔轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)。這種讓人坐在電腦前從海外服務(wù)提供商那里進(jìn)行數(shù)據(jù)錄入的工作，應(yīng)該是首先被自動(dòng)化的。

但對(duì)于那些需要人類判斷、創(chuàng)造力和情感智能的工作，agents 在可預(yù)見的未來仍然只是輔助工具。這不是 AI 的失敗，而是對(duì) AI 能力的正確理解。我們需要停止炒作 agents 會(huì)完全取代人類工作的說法，而是專注于如何讓 agents 幫助人類完成那些乏味、重復(fù)、不需要?jiǎng)?chuàng)造力的任務(wù)，從而釋放人類去做更有價(jià)值、更需要人性的工作。

創(chuàng)造力仍然屬于人類：最不合群的觀點(diǎn)

當(dāng)主持人問 Jennifer Li 她最不合群的觀點(diǎn)是什么時(shí)，她的回答讓我印象深刻："我知道這些模型非常有創(chuàng)造力，它們能夠在幾秒鐘內(nèi)以閃電般的速度創(chuàng)作，但我本質(zhì)上仍然認(rèn)為創(chuàng)造力屬于人類，最好的想法最終仍然會(huì)來自人類。"

這個(gè)觀點(diǎn)在當(dāng)前這個(gè) AI 狂熱的時(shí)代確實(shí)顯得有些"不合時(shí)宜"。到處都是關(guān)于 AI 生成內(nèi)容的討論，從圖像、視頻到音樂、文本，AI 似乎在所有創(chuàng)意領(lǐng)域都取得了驚人的進(jìn)展。但 Jennifer Li 堅(jiān)持認(rèn)為，在 AGI（通用人工智能）的最佳形式中，每個(gè)人都能夠最大限度地表達(dá)我們的創(chuàng)造力。

她說："我希望 AGI 帶給我們的是，有很多智能真正幫助我們處理那些我們不喜歡做的事情，那些本質(zhì)上不是在推動(dòng)個(gè)人邊界的事情，真正幫助每個(gè)人擴(kuò)展我們的領(lǐng)域、知識(shí)，并達(dá)到最大的創(chuàng)造力。"她認(rèn)為，我們很多人在日常工作中其實(shí)并沒有太多時(shí)間去創(chuàng)造，我們被困在完成任務(wù)的緊迫性中。

我非常同意這個(gè)觀點(diǎn)。在我看來，AI 的真正價(jià)值不是取代人類的創(chuàng)造力，而是為人類的創(chuàng)造力創(chuàng)造更多空間。想象一下，如果你不需要花時(shí)間整理那 24000 封郵件，不需要手動(dòng)進(jìn)行數(shù)據(jù)錄入，不需要重復(fù)回答同樣的客戶問題，你會(huì)有多少時(shí)間去思考、去創(chuàng)造、去解決真正有挑戰(zhàn)性的問題？

Jennifer Li 舉了一個(gè)很好的例子：如果有 agent 幫助你處理那些郵件，你就能創(chuàng)造更多，也能進(jìn)一步推動(dòng)你的最佳想法。這才是 AI 應(yīng)該扮演的角色——不是替代人類，而是增強(qiáng)人類。讓機(jī)器處理那些機(jī)械的、重復(fù)的、不需要?jiǎng)?chuàng)造力的任務(wù)，讓人類專注于那些需要想象力、直覺、情感智能和創(chuàng)造力的工作。

這也讓我想到，為什么硅谷總是喜歡炒作"AI 將取代人類工作"的話題。在訪談中，主持人直接質(zhì)疑了這一點(diǎn)，她說："我覺得硅谷和甚至 VC 在某種程度上一直在談?wù)?agents 作為人類替代品，就像完全的人類工作替代品。但在我看來，我們要交給 agents 的是不受歡迎的任務(wù)，但這種說法——你永遠(yuǎn)不需要銷售人員之類的——我覺得那只是營銷，這樣這些軟件公司就可以把他們的 agents 定價(jià)為與勞動(dòng)力相比。"

Jennifer Li 對(duì)此的回應(yīng)很理性："這真的取決于工作和角色。如果這是一份真的不值得、只是坐在電腦前做數(shù)據(jù)錄入或打電話一遍又一遍地談?wù)撏瑯拥氖虑椋热缃忉屚瑯拥母拍罨蚧卮痍P(guān)于'我的訂單在哪里'、'我如何退貨'這類問題，這些本質(zhì)上是非常繁瑣、單調(diào)和令人沮喪的任務(wù)，我希望 agents 能夠取代并將這些人提升到更智能的工作類型。"

我認(rèn)為這是一個(gè)非常重要的區(qū)分：agents 將取代任務(wù)，而不是工作。當(dāng)然，仍然有一些從 1960 年代遺留下來的人類工作，比如數(shù)據(jù)錄入，但技術(shù)一直在自動(dòng)化這些東西。就像以前公司都有接線員，現(xiàn)在早就沒有了，而這遠(yuǎn)在 AI agents 出現(xiàn)之前。所以，任務(wù)會(huì)被自動(dòng)化，工作會(huì)演變，但人類不會(huì)被完全取代。

LLMs 的局限性與未來方向

在討論 AGI 和創(chuàng)造力時(shí)，Jennifer Li 也談到了她對(duì) LLMs 局限性的看法。她同意主持人關(guān)于 LLMs 會(huì)遇到極限的觀點(diǎn)："我也認(rèn)為這是一個(gè)相當(dāng)公認(rèn)的觀點(diǎn)，即 LLMs 擅長某些事情，但不會(huì)成為一切的答案。"

她明確表示，LLMs 不會(huì)轉(zhuǎn)變?yōu)?AGI。我們需要多模態(tài)性，需要與現(xiàn)實(shí)世界互動(dòng)的方式。我們不能只活在 token 生成和下一個(gè) token 預(yù)測(cè)中。這個(gè)觀點(diǎn)讓我想到了當(dāng)前 AI 發(fā)展的一個(gè)重要轉(zhuǎn)折點(diǎn)：我們正在看到 LLMs 的邊界在哪里。

主持人提到了 world models（世界模型）的概念，她認(rèn)為這是 AI 開始與現(xiàn)實(shí)世界互動(dòng)的地方，這才能讓我們到達(dá)想象中的未來——比如讓機(jī)器人采摘蘋果，而不是人類。我覺得這個(gè)觀點(diǎn)很有洞察力。LLMs 在處理語言和文本方面非常強(qiáng)大，但它們?nèi)狈?duì)物理世界的理解和互動(dòng)能力。

Jennifer Li 也談到了 AI 在芯片設(shè)計(jì)領(lǐng)域的應(yīng)用。她提到，現(xiàn)在我們看到很多 AI 工作負(fù)載運(yùn)行的基礎(chǔ)設(shè)施并不是為它們構(gòu)建的。我們正在推向一個(gè)未來，那里將有更多針對(duì)特定工作負(fù)載的硬件和軟件，無論是用于大規(guī)模推理還是快速低延遲。

她說："如果你想想 LLMs 和 AI 真正能幫助的地方，就是這個(gè)瀑布式的過程——設(shè)計(jì)一個(gè)芯片需要數(shù)年時(shí)間，從原型設(shè)計(jì)到生產(chǎn)，現(xiàn)在我們真的可以縮短設(shè)計(jì)和原型設(shè)計(jì)的初始階段。"這不僅適用于芯片，也適用于今天所有的軟件創(chuàng)建，縮短了構(gòu)思和創(chuàng)建初始階段的時(shí)間。

我認(rèn)為這揭示了 AI 的真正價(jià)值：不是取代整個(gè)創(chuàng)造過程，而是加速特定階段。在芯片設(shè)計(jì)中，AI 可以快速生成和測(cè)試多個(gè)設(shè)計(jì)方案，大大縮短從想法到原型的時(shí)間。但最終的決策、優(yōu)化和整合仍然需要人類工程師的專業(yè)知識(shí)和判斷。

這種對(duì) AI 能力的務(wù)實(shí)認(rèn)識(shí)，在我看來，比那些夸大其詞的炒作要有價(jià)值得多。LLMs 是強(qiáng)大的工具,但它們有明確的局限性。承認(rèn)這些局限性并不是貶低 AI 的價(jià)值，而是幫助我們更好地理解如何充分利用這項(xiàng)技術(shù)。

超高速增長的代價(jià)：人才短缺與運(yùn)營挑戰(zhàn)

Jennifer Li 在訪談中還談到了一個(gè)很多人忽視的問題：當(dāng)一家公司真的實(shí)現(xiàn)了從零到 1 億美元的超高速增長時(shí)，它會(huì)面臨什么樣的挑戰(zhàn)？

她說，今天最困難的事情，也是一直被討論的話題，就是"我們?nèi)绾握衅浮皇强焖僬衅?，而是能夠真正適應(yīng)這種速度和文化的合適人才"。這些達(dá)到那些里程碑的公司，團(tuán)隊(duì)規(guī)模都還不到 100 人。就像主持人說的，沒有 CFO（首席財(cái)務(wù)官），也沒有 CRO（首席營收官）。很多增長都是由初始團(tuán)隊(duì)完成的,人們?cè)诓粩喑砷L。

但當(dāng)他們想要進(jìn)一步擴(kuò)大團(tuán)隊(duì)時(shí)，尋找能夠以 AI 速度移動(dòng)的最優(yōu)秀人才，現(xiàn)在的人才庫非常有限。Jennifer Li 說："考慮到另一邊對(duì)人們失業(yè)的恐懼，說現(xiàn)在所有這些 AI 公司的招聘市場(chǎng)出現(xiàn)如此嚴(yán)重的人才短缺，這很瘋狂。有如此多的人才需求，希望找到能夠快速行動(dòng)、同時(shí)也是 AI 原生的人。"

我覺得這是一個(gè)非常有趣的悖論。一方面，人們擔(dān)心 AI 會(huì)搶走他們的工作；另一方面，AI 公司卻在拼命尋找人才。這說明了什么？說明 AI 時(shí)代需要的不是更少的人，而是不同類型的人。那些能夠理解 AI、與 AI 協(xié)作、在快速變化的環(huán)境中適應(yīng)的人，比以往任何時(shí)候都更有價(jià)值。

Jennifer Li 還提到了其他一些超高速增長帶來的挑戰(zhàn)："還有大量未知和開放的話題和問題,我們以前從未面對(duì)過,比如很多深度偽造如何對(duì)抗,以及法律和合規(guī)要求,這些都是我們一直在摸索的新領(lǐng)域。"

這需要大量的創(chuàng)造性思維,也需要冷靜、謹(jǐn)慎,還要思考公眾和全球觀眾會(huì)如何對(duì)某些行動(dòng)做出反應(yīng)。這些都是非常微妙的話題。這些公司還不習(xí)慣突然一個(gè)錯(cuò)誤的詞,人們就會(huì)群起而攻之。

她舉了 Cursor 的例子,他們?cè)谕瞥鲂露▋r(jià)方式時(shí)犯了一個(gè)錯(cuò)誤,引起了用戶的強(qiáng)烈反對(duì)。三年前,一個(gè)開發(fā)者工具 IDE（集成開發(fā)環(huán)境）改變定價(jià)成為大新聞是不可想像的,但現(xiàn)在,這是一件大事。

我認(rèn)為這揭示了一個(gè)重要的現(xiàn)實(shí):超高速增長聽起來很美好,但它也帶來了獨(dú)特的挑戰(zhàn)。這些公司必須在還沒有建立起相應(yīng)支持系統(tǒng)的情況下,就要處理大公司才會(huì)面臨的問題。他們沒有完善的財(cái)務(wù)系統(tǒng)、法律團(tuán)隊(duì)或公關(guān)部門,但卻要應(yīng)對(duì)與大公司同樣的審查和期望。

這就是為什么 Jennifer Li 一開始就警告創(chuàng)始人不要盲目追求那些推特上的驚人數(shù)字。超高速增長不僅僅是一個(gè)好問題,它也是一個(gè)"小心你的愿望"的情況。你可能會(huì)得到增長,但你也會(huì)得到隨之而來的所有復(fù)雜性、壓力和挑戰(zhàn)。

搜索：被低估的基礎(chǔ)設(shè)施

在訪談的最后,當(dāng)主持人問 Jennifer Li 她希望用這 17 億美元找到什么樣的創(chuàng)業(yè)公司時(shí),她的回答有些出人意料:搜索。

"我認(rèn)為搜索仍有巨大的潛力。無論是網(wǎng)絡(luò)搜索,還是個(gè)性化類型的搜索。我認(rèn)為 LLM 需要工具,它真的需要最新的、準(zhǔn)確的信息,而這是一個(gè)搜索問題。"她說,搜索基礎(chǔ)設(shè)施已經(jīng)發(fā)展了很多,但仍然需要進(jìn)一步發(fā)展,以使搜索更加個(gè)性化,也更加全面,更快,以真正跟上高吞吐量、高頻率的 agentic 搜索,同時(shí)也要保持高準(zhǔn)確性。

她指出,現(xiàn)在我們對(duì)語言模型的要求更高了。我們不能允許搜索結(jié)果中有一個(gè)錯(cuò)誤的條目,對(duì)吧？幻覺問題,或者與這個(gè)搜索查詢不符的上下文,我們對(duì) LLMs 的期望更高了,而這又回到了搜索問題。

我覺得這是一個(gè)被嚴(yán)重低估的洞察。在所有人都在關(guān)注大模型、agents、應(yīng)用層的時(shí)候,Jennifer Li 卻在關(guān)注搜索這個(gè)基礎(chǔ)設(shè)施。為什么？因?yàn)闊o論上層應(yīng)用多么炫酷,如果底層的搜索和信息檢索不夠好,整個(gè)系統(tǒng)都會(huì)受到限制。

想想看,agents 需要什么？它們需要準(zhǔn)確、及時(shí)、相關(guān)的信息來做出決策。如果搜索系統(tǒng)不能快速準(zhǔn)確地提供這些信息,agents 就無法有效工作。如果搜索結(jié)果包含錯(cuò)誤信息,agents 就會(huì)做出錯(cuò)誤的決策。如果搜索不能個(gè)性化,agents 就無法真正理解用戶的特定需求和上下文。

而且,隨著 agents 的普及,搜索的需求會(huì)呈指數(shù)級(jí)增長。不再是人類偶爾搜索一次,而是可能有成千上萬的 agents 不斷地、高頻率地進(jìn)行搜索。這對(duì)搜索基礎(chǔ)設(shè)施的性能、準(zhǔn)確性和可擴(kuò)展性提出了全新的要求。

我認(rèn)為這就是為什么 Jennifer Li 如此看重搜索創(chuàng)業(yè)公司的原因。在 AI 時(shí)代,搜索不再只是找到網(wǎng)頁,而是為 AI 系統(tǒng)提供準(zhǔn)確、及時(shí)、上下文相關(guān)的信息的關(guān)鍵基礎(chǔ)設(shè)施。誰能解決這個(gè)問題,誰就掌握了 AI 時(shí)代的關(guān)鍵基礎(chǔ)設(shè)施之一。

我的思考：理性與狂熱之間的平衡

聽完 Jennifer Li 的整個(gè)訪談,我最大的感受是:在這個(gè)充滿狂熱和炒作的 AI 時(shí)代,理性和務(wù)實(shí)是多么珍貴。

作為一個(gè)手握 17 億美元、投資了一些最成功的 AI 公司的 VC,Jennifer Li 完全可以加入炒作的行列,宣揚(yáng) AI 將如何改變一切、agents 將如何取代所有工作、AGI 即將到來等等。但她沒有。相反,她花了大量時(shí)間討論 AI 的局限性、agents 的邊界、超高速增長的挑戰(zhàn)。

她對(duì)創(chuàng)始人的建議也很實(shí)際:不要被推特上的數(shù)字迷惑,不要只追求表面的增長,要關(guān)注業(yè)務(wù)質(zhì)量和可持續(xù)性。她對(duì) AI 未來的展望也很理性:創(chuàng)造力仍然屬于人類,LLMs 有其局限性,我們?nèi)匀惶幱?co-pilot 階段而不是 autopilot 階段。

我認(rèn)為這種理性在當(dāng)前的環(huán)境中尤為重要。AI 確實(shí)在改變世界,但改變的方式和速度可能與炒作所描述的不同。agents 確實(shí)會(huì)影響工作,但不是簡單地取代人類,而是改變?nèi)祟惖墓ぷ鞣绞?。增長確實(shí)可以很快,但可持續(xù)的增長需要堅(jiān)實(shí)的基礎(chǔ)。

在狂熱和理性之間找到平衡,在樂觀和務(wù)實(shí)之間找到平衡,這可能是在 AI 時(shí)代成功的關(guān)鍵。不是盲目追隨炒作,也不是完全拒絕新技術(shù),而是深入理解技術(shù)的能力和局限性,找到真正創(chuàng)造價(jià)值的方式。

Jennifer Li 的觀點(diǎn)給了我一個(gè)重要的提醒:在這個(gè)快速變化的時(shí)代,慢下來思考可能比盲目快速行動(dòng)更有價(jià)值。了解什么是真實(shí)的、什么是炒作,什么是可持續(xù)的、什么只是曇花一現(xiàn),這些判斷能力在長期來看可能比短期的增長速度更重要。

最后,我想說的是,AI 時(shí)代最稀缺的不是技術(shù),不是資金,甚至不是人才,而是理性的判斷和務(wù)實(shí)的執(zhí)行。當(dāng)所有人都在推特上曬 ARR 數(shù)字的時(shí)候,能夠慢下來問"這個(gè)數(shù)字背后的質(zhì)量如何"的人,可能才是最終的贏家。

結(jié)尾

也歡迎大家留言討論，分享你的觀點(diǎn)！

覺得內(nèi)容不錯(cuò)的朋友能夠幫忙右下角點(diǎn)個(gè)贊，分享一下。您的每次分享，都是在激勵(lì)我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。