a16z 合伙人：AI 正将 10 倍工程师“降级”为 2 倍！应用层已无技术护城河，未来在基础设施和业务深耕 人工智的牌桌上，人声鼎沸，每个人都声称手握未来。但喧嚣之下，真正的牌局是如何进行的？这其中最关键的矛盾点在于：我们讨论 AI 时所用的概念，与驱动其发展的商业现实，常常是脱节的。Andreessen Horowitz (a16z) 的合伙人 Martin Casado 在接下来这场对话中，亲手戳破了几个被吹得最大的泡沫。往回看，历史总在重演。Casado 认为，当前 AI 大模型的竞争格局，不过是当年云计算大战的翻版。他断言：“寡头垄断正在降临，就像云服务一样。” 这意味着，少数巨头将凭借雄厚的资本和算力，定义整个市场，而“赢家通吃”的法则将再次上演。那么，为什么看似亏本的 AI 应用，VC 们还抢着下注？这背后真实的动机，不是为了眼前的利润，而是为了未来的入口。Casado 一针见血地指出，理性的商业决策是 “牺牲利润来换取分销”。这就像在新大陆上“跑马圈地”，先占下地盘，未来的商业模式总会有的。这套打法，从互联网时代到今天，从未改变。这场变革对我们普通人意味着什么？AI 会让普通开发者变成超级大神吗？Casado 的答案可能会让你意外：“我认为它们让 10 倍的工程师变成了 2 倍。” 生产力的提升，并没有直接转化为更快的产出，而是改变了工作的性质，让开发者从处理“平台的破事”中解放出来，回归创造的本质。以下是这场对话的内容，由 CSDN 进行了精编整理。· · ·代码的未来：垄断还是寡头垄断？主持人：我个人很不喜欢“您当初是如何进入风投行业的”这类开场白，所以咱们就直奔主题吧。您怎么看今天 AI 领域的投资现状？是泡沫即将破裂的顶峰，还是一个激动人心的新纪元的开端？或者两者兼有？您如何判断？Martin Casado：坦白说，我内心其实挺矛盾的。一方面，我感觉自己过去 20 年的投资直觉，现在有点失灵了。未来充满了巨大的不确定性。其中一个主要原因在于，这是有史以来第一次，软件开发和创造这件事本身，正在被彻底颠覆。所以，一方面我确实拿不准未来会怎样。但另一方面，从历史经验来看，投资中真正的“原罪”只有一个，那就是零和思维。我们总是过度焦虑：“这个业务有护城河吗？这个环节能盈利吗？价值能沉淀在这一层吗？”可事实一再证明，这些担心几乎都是多余的。价值链的每一环都创造了价值，每个环节都诞生了赢家。那些我们当初觉得不靠谱的商业模式，最后都跑通了，变成了能赚钱的好公司。所以，我认为真正唯一的“罪”，是置身事外，不参与其中。主持人：你刚才提到了“参与其中”。但回看 2021 年，当时所有人都在喊“一定要入场”。说实话，Martin，我真希望自己当时没“入场”。所以你真的认为，在风投这行，“不下场”就是错的吗？Martin Casado：我认为关键在于要追随业务基本面，而不是追随市场情绪。2021 年的情况恰恰是大家都在追随市场情绪，对吧？公开市场把公司估值推得极高，然后像 Tiger 这样的基金携巨资入场，大举押注。所以，追随市场和资本的流向，是个馊主意。但现在的情况不同，我们看到了无论是用户增长还是营收增长，都堪称史上最快的公司。如此巨大的价值正在向这个新领域迁移，作为投资人，我们的决策就应该紧跟这一趋势。否则，我们还在这里做什么呢？主持人：很多人都在讨论软件开发的颠覆。现在所谓的“氛围编程”（Vibe Coding）赛道上有很多新玩家，他们大多建立在 Anthropic 的技术之上，特别是 Claude 在代码生成方面正变得越来越主流。您怎么看待这些应用层公司如此依赖一个上游工具？这个工具未来很可能会反过来与他们竞争，甚至将他们“扫地出门”。Martin Casado：关于代码的未来，有两种可能。一是 Anthropic 一家独大，形成垄断。二是出现寡头垄断，或者是一个由众多代码模型构成的更加多元化的市场。这两种未来的走向截然不同，所以回答这个问题时，必须把两种情况都考虑到。我得说，我们聊这个话题的时机，恰好在 Claude 4 这个重磅模型发布后不久。这些大模型的发布是一波一波的，带有很强的节点性，每当一个新模型出来，大家就会惊呼：“未来就是它了，一切都将改变。”这就像当初 OpenAI 发布 GPT-4o 的时候，大家都在玩“吉卜力画风”，兴奋地以为“图像生成将永远改变”，但很快这股热潮就过去了。也许这次也一样，也许不会，谁知道呢？但可以肯定的是，我们当下的判断，很大程度上受到了这次发布的影响。所以，让我们分开看这两种情况。先看第一种，即市场走向多元化。从历史上看，单一模型很难维持长久的领先优势，因为它们太容易被蒸馏（distill）了。你看，就在过去一周，我们又看到了像 Qwen 和 Kimi 这样的新模型发布，它们表现优异，已经有很多人开始喜欢并使用它们了。在这样一个群雄并起、模型层出不穷的世界里——我永远不会把 Google 排除在外，他们的代码模型非常出色；还有传言说 GPT-5 的代码能力也将是顶级的——必然需要一个独立的应用层。然后，所有这些公司都会在应用层增加价值，比如为非技术人员、Python 开发者或专业程序员等不同群体提供服务，这将形成一个非常健康的生态。再看另一种未来，假设 Anthropic 在代码模型上真的实现了垄断。那就会出现垄断下的常见情况：他们会划定自己的业务边界，决定哪些领域他们不碰，或者调整商业模式。比如，他们可能会说：“我们想占有应用层，但我们绝不会自己去做应用开发工具公司。” 这只是销售模式和团队不同。没人知道边界会画在哪里，但对于任何他们认为属于其核心射程的公司，他们都会施加巨大的压力，尽其所能地去抢占那部分利润或市场份额。我只是觉得，在一个重磅模型刚刚发布的时间点来讨论这个，其实时机并不理想。因为就像我说的，模型发布是节点性的，我们总倾向于认为最新最强的那个会一统天下，但历史告诉我们，事情并非如此。主持人：回到你的零和思维观点。那如果一定要你下个注，你认为哪种未来可能性更大？Martin Casado：寡头垄断。我认为云服务的发展史就是最好的参照。模型背后的那些巨头公司，可以不计成本地补贴这些业务。想想 Google 的 Gemini，他们做这件事的商业逻辑，和一家独立公司是完全不同的。你看看云计算是怎么发展的。还记得吗？AWS 当初占据了 70%-80% 的市场份额，没人觉得有谁能赶上。他们是绝对的市场开创者和领导者，其主导地位远超今天 Anthropic 的优势。但后来，微软和 Google 都意识到：“这是一个我们必须拿下的巨大市场。” 他们基本上就是靠烧钱硬生生砸出了一条路，最终在云服务领域形成了寡头垄断的格局。Gemini 1.5 Pro 是一个非常出色的模型。从性价比来看，在很多应用场景下，我认为它比 Anthropic 的更好。它是我目前默认使用的标准模型。而且，永远不要低估 OpenAI。是他们拉开了这场盛宴的序幕。他们在代码模型上已经有一段时间没有大动作了，所以他们王者归来的那一天总会到来。所以，综合考虑这些巨头玩家、他们背后的雄厚资本，以及模型可以被“蒸馏”这个技术事实，我猜测这个领域最终会走向寡头垄断。当然，这只是我的个人判断。赢家出现，需要两到三代的时间主持人：十年后，那些提供大模型的巨头，有多少是已经成立的公司？又有多少是尚未诞生的新秀？Martin Casado：我认为最终我们会看到风格各异的模型，而且会有很多新品类涌现。比如，我们还没提到，像 Mistral 和 Imbue 这样的公司也在独立创业，构建自己的模型。这些都是由业内顶尖先驱组成的实力超群的团队。我们才刚刚开始为科学研究领域开发模型。当你更多地涉足强化学习（RL）领域时，这些模型会变得非常有针对性，不再是“万金油”式的通用模型。所以，从技术角度看，这天然就会让模型市场走向碎片化。因此我会说，即便是语言、搜索和代码这些核心基础模型……我认为连代码模型都还处于非常、非常早期的阶段。在过去的科技超级周期里，真正的赢家往往需要两到三代才能浮现。谷歌是第三代搜索产品，Facebook 是第三代社交网络，在它之前还有 Friendster 和 MySpace。所以我认为未来还会有很多变数。但我确实认为，Anthropic 和 OpenAI 在品牌塑造、保持独立性和抢占市场份额方面，都做得极为出色，所以我猜他们会继续是行业巨擘。主持人：你们投资了其中任何一家吗？Martin Casado：我们是 OpenAI 的投资人。主持人：那我的问题是，你认为投资“模型”本身，对风投机构来说是一门好生意吗？考虑到高昂的股权激励和它带来的稀释，以及这类业务本身对资本的稀释效应，这个商业模式似乎很难讲得通。Martin Casado：好的，如果说我学到了什么，那下面这一点，对所有读者来说，绝对是干货，听了不亏。那就是，看待 AI 不能一概而论，看待模型也不能一概而论。你谈论的是哪一类模型，它们的商业模式就完全不同。所以要回答这个问题，我们必须先分清你说的“模型”到底指什么。比如，如果你看扩散模型（Diffusion Models），像 11 Labs、Midjourney、Black Forest Labs、Ideogram，这些都是非常好的生意，经济效益很棒。因为模型更小，而且这个生态没有被巨头用同样的方式进行补贴。对吧？谷歌会补贴语言、代码和视频模型，但不会去补贴语音合成。所以从投资人角度看，单看数据，这些显然是好投资。但另一方面，前沿语言模型这个领域就复杂多了，因为有太多的补贴。有 Meta、谷歌，还有一大批中国玩家正在涌入。所以对局内的一部分人来说，这是个棘手的牌局。对于另一部分玩家，你会说：“很明显，这些是增长最快的公司，拥有巨大的价值，是非常有价值的实体。” 比如 Anthropic、OpenAI。但与此同时，即使在短短三年内，也已经有很多公司不得不提前出局。所以我认为这是一场高风险的游戏，赢家会赢得盆满钵满，但入场券非常昂贵，如果你没能成为领跑者之一，那些投入的资本就会血本无归。主持人：我们每周和 Roelof Botha (红杉资本合伙人) 还有 Jason Lemkin (SaaStr 创始人) 有一档节目，Roelof 说得很好，他认为随着向 AI 的转型，每个投资人都主动接受了在投资中承担更高风险的意愿。您同意这个说法吗？Martin Casado：我认为这是游戏本身的性质决定的。这些公司的创建是资本密集型的，他们需要从某个地方获得资本。同时，他们也是我们见过增长最快的公司。所以，对于最终的赢家而言，高风险是合理的。因此，我认为并不是投资人乐意承担更高风险。我们当然乐见其成，能用低风险换高回报，谁不乐意呢？但现实是，这个体系的本质和我们正在玩的游戏，要求我们必须这么做。这就是整件事的吊诡之处，点明这一点很重要。一方面，你确实看到了这些增长极快的好生意，而零和思维也一再被证明是错的。英伟达的价值在持续增长；那些云服务商，曾几何时人人都觉得他们没有护城河，但他们的价值也在持续增长；模型公司，我不知道多少投资人曾看衰过模型，这个问题已经争论了三年，但它们的价值同样在持续增长。价值链的每一层都在不断增值。所以一方面你会觉得，一切都欣欣向荣，你应该投资每个环节的领头羊。但另一方面，我们也看到了大量的淘汰，尤其是对于非头部玩家而言。所以这几乎是一种两极分化的矛盾局面：你必须下场，但风险极高。而如果你不下场，你就会错过近 20 年来最迅猛的一波价值增长浪潮。当市场在扩张，行业领头羊通过品牌认知度就能赢主持人：你认为价值会集中在一两个跨市场的巨头身上，还是每个细分市场都会有自己的霸主？比如语音领域的 11 Labs，代码领域的 Replit 和 Cursor，模型领域的 OpenAI 和 Anthropic……Martin Casado：这是个非常好的问题，非常好。我的一个核心观点是——当然，现在下结论还为时过早，也许一个月后我说的这些就被证明是错的，但我们内部确实经常讨论这个问题——我坚持认为，这些市场极其庞大，并且增长得如此之快，以至于我们实际上看到了“品牌效应”的回归。这是自互联网时代以来我们从未见过的。我说的品牌效应是指，一旦你成为家喻户晓的品牌，你就能自然而然地获取用户。因为它不需要大量的市场教育，也不需要在细分领域进行复杂的竞争定位。对于很多模型来说，这个比那个更好吗？也许吧，但它们其实很接近。可人们知道 ChatGPT，它是一个家喻户晓的名字，连我妈妈都知道 ChatGPT。我们来谈谈 Midjourney。它是第一个在质量上达到引爆点的。它没有拿任何机构投资，但它至今仍是市场领导者，尽管有无数竞争者涌入，它依然活得很好。所以我确实认为，在一个高速扩张的巨大市场里，领头羊能够建立起品牌的垄断和护城河，并维持相当长一段时间，直到市场增速放缓。这是完全合理的。总的来说，我发现市场就是这样发展的。市场会先扩张然后收缩，对吧？想想云计算，它曾是个新鲜事物，然后变得无比庞大，之后增速自然放缓。当增速放缓时，你就会看到整合，竞争的动态也会随之改变。我们现在显然处于一个巨大的市场扩张阶段。在这种情况下，领头羊仅凭品牌认知度，就能持续拥有分销优势。主持人：这种情况什么时候会减弱？品牌和品牌认知度的重要性何时会下降，让位给产品质量本身？Martin Casado：我认为一旦市场增长放缓就会。主持人：这是真实的市场增长，还是仅仅是消费者的好奇心驱动的？这种扩张是真实的，还是暂时的？Martin Casado：我认为市场扩张本身就带来了这种动态。你不会用各种竞争信息去轰炸用户，对吧？市场扩张的逻辑是，市场的边界在不断扩大，而率先触达这些新用户的，就是那些家喻户晓的品牌，所以它们就赢了。 认为这是扩张的自然产物。一旦扩张放缓，市场边界变得饱和，因为新用户增长没那么快了，他们就会听到更多关于产品选择的教育性信息，开始做出更理性的决策。那时，关于该用哪个、不该用哪个的讨论才会变得有意义。当然，Anthropic 肯定也想拥有和 ChatGPT 一样的品牌知名度，成为一个家喻户晓的名字。但你怎么触达那些新用户呢？如果市场增长那么快，从操作层面就很难做到。所以唯一的办法就是通过品牌认知度，通过口碑传播，比如在每个播客上，在朋友之间等等。所以我确实认为我们正在见证品牌效应的回归，就像我们在互联网早期看到的那样。品牌领导者往往会占据 80% 的市场，在一段时间内呈现出赢家通吃的帕累托分布。然后随着时间推移，市场放缓，竞争才会基于产品差异化而趋于平衡。主持人：在今天的投资中，你如何将这一点融入您的决策？Martin Casado：你只能努力去投每个赛道的领导者。而且说实话，为领导者付出溢价是值得的。我是这么看的，我问自己两个问题。第一，在它专注的领域，它是不是领导者？如果是，那绝对值得花高价。第二，故事的另一面是，在一个竞争激烈的领域，几乎每个玩家最终都找到了自己的细分市场。我们以 OpenAI 为例。OpenAI 是最早做代码的，对吧？通过 GitHub Copilot。据我所知，他们提供了模型权重，但他们最终失去了那个市场。他们最早做图像，用的是 DALL-E，他们也失去了那个市场。他们最早做视频，用的是 Sora，据我所知他们也正在失去那个市场。然而，他们至今仍然是、并且未来也将会是语言领域绝对的霸主。 可以说，这对他们来说是正确的选择，因为语言是迄今为止最大的市场。所以 OpenAI 的行为是完全理性的，他们抓住了最大的市场。但这给了 Midjourney 或 BFL 机会去占领图像市场。谷歌似乎用 Veo 抓住了视频市场。在代码层面，Anthropic 则把它变成了一个很棒的业务。所以当市场在扩张时，不仅有我们谈到的品牌效应，市场本身也倾向于大量地分化，那些当初看起来只是子市场的东西，最后会成长为一个独立的、领先的市场。在图像领域你也能看到这一点，现在有一批能独立存活的图像公司，他们各自专注于不同的细分需求。比如 Ideogram 非常适合设计师和专业设计社区。BFL (Black Forest Labs) 更多是为开源社区和开发者服务的。而 Midjourney 则更偏向奇幻风格，也服务于专业设计师，但它提供的是一种非常有风格、有态度的视角。所有这些都是能独立活下来的公司。所以我认为，在看到整合之前，我们会先经历一段相当长时间的碎片化。主持人：很多人看衰我们讨论的这些公司，主要是因为它们的利润率。它们似乎只是给大模型导流的“二道贩子”。你认为这种情况会随着时间改变吗？这和所有伟大企业的成长路径都一样吗？比如 Uber 开始时利润率很差，现在就好多了。这是同样的情况吗？Martin Casado：我只是不认为这是它们商业模式的天然缺陷。这当然也不是我的经验。问题永远是这样：如果你是一个创始人，你能拿到相对便宜的私募资本，而现在又是抢占市场的关键时刻，你可以在利润和分销之间做一个权衡，你会怎么选？逻辑在于，你今天获取的这个增量用户，你可以在未来永远地从他身上赚钱。而如果你在抢占市场时没能获取这个用户，你可能就再也得不到他了。理性的商业决策就是牺牲利润来换取分销。 是科技市场一直以来最理性的做法，我们一直都看到这种情况。互联网早期甚至都无法商业化，对吧？我们这次至少还能收费。别说盈亏平衡或负利润率了，当时是巨额亏损，因为我们连商业模式都没有，直到广告出现。所以，AI 领域现在发生的，和过去没什么不同。我确实认为有一个问题需要回答，那就是，如果你想提高利润率，你该怎么做？那你要么必须建立一个传统的护城河，比如双边市场、品牌效应、对长尾需求的整合和领域理解。例如，假设你的那家医疗保健公司，如果他们真的攻克了欧洲市场，并且深刻理解了所有的法规，Anthropic 是不会花时间去做这些事的，所以你在这方面显然就有了定价权。或者，你必须做出真正的技术差异化。我们正在学到的一件事是，在模型规模化的这个阶段，很多提升性能的方法并不具备普适性。如果我想在代码方面做得更好，我可能在其他方面就没那么好了。这就为应用开发者提供了大量的空间，让他们可以构建自己的模型，去服务那些大模型不太擅长的特定领域。所以我的感觉是——我不想过多地谈论我的投资组合，因为这比较敏感——但根据我的经验，大多数这些盈亏平衡的公司，都是董事会有意识的选择，是优先考虑了分销，而不是因为它们在系统层面被迫如此。创造技术的人，也在说它很危险主持人：我对你如何看待 AI 安全和围绕模型的监管很感兴趣。Vinod Khosla（硅谷著名投资人）说我们必须把这项技术严格封锁起来，否则就像核机密泄露一样危险。然后 Marc Andreessen（a16z 创始人）出来说，去他的，不可能。你对这个领域未来的安全问题有什么看法？Martin Casado：风投们竟然开始反对开源，这真是太疯狂了，对吧？Founders Fund 也投资了开源。对我来说，当那些本该支持创新、学术自由的经济部门，也开始认为公开透明的创新与安全是对立的时候，这简直是疯了。我知道您问的不是这个，但我只想指出我们正处在一个非常奇怪的时期，但好在似乎我们正在走出这个时期。让我稍微做一个类比。我是如何看待安全问题的？在互联网兴起的时候，我非常接近安全领域。我在情报界工作过，在劳伦斯利弗莫尔国家实验室工作过。我读博士时，大概一半的工作都和安全有关，我还教过一门网络安全政策课。互联网时代的情况是，你有一些非常具体的例子，比如新型攻击，它们能影响整个国家，让关键基础设施瘫痪，还有像莫里斯蠕虫这样的事件。你有这些重大的先例，这引发了关于如何处理这些问题的广泛讨论。当时这个问题非常重要，以至于在国家层面上，我们开始思考必须改变战略。我们当时处于冷战时期“互相保证毁灭”的思维模式下，我们必须将其转变为“防御不对称”的概念，这意味着我们越依赖这些新技术，我们就越脆弱，对吧？当然，还有整个恐怖主义和信息战的问题。所以，影响是实实在在的，你有大量证据，可以非常清晰地阐述威胁。但如果你看看今天的 AI，对于任何计算机系统，你都会有安全考虑。我们有三四十年来非常扎实的讨论基础，可以借鉴和使用。而我不明白的是，我们怎么就突然认定这些不是计算机系统，它们不遵循同样的规律，我们必须抛弃我们学到的一切，重新审视这个话题，即便我们甚至没有同等级别的证据。至今没有人能就 AI 的不对称威胁或需要改变国家战略提出强有力的论点。如果他们可以，那我们就来讨论。我还没看到那种颠覆性的新攻击。它肯定会来，但我们还没看到。所以我只是觉得，目前围绕这个话题的讨论，既脱离了现实，也罔顾了历史先例。我们绝对应该认真对待这些事情，但我们应该借鉴过去的经验和方法。最后我想说，这次最大的不同在于，在过去，创造技术的人是技术的拥护者，而那些销售安全解决方案的人才是恐惧的散布者。比如创造了互联网的人，他说这对每个人都是安全的、伟大的。然后会有一个人创造了防火墙，他会说：“互联网很危险，你隔壁的每个反社会者都可能攻击你……”所以现在有两种声音，但来自两个不同的、基于各自利益的个体。这次有趣的是，这两种声音都来自创造这个东西的人，同时也在说：“这个东西非常危险。” 我不记得上一次我们遇到类似的情况是什么时候了，但这创造了一种让所有人都非常困惑的局面。主持人：我们现在显然看到了一种回归闭源、远离开源的趋势。你怎么看？Martin Casado：关于开源的官方论调已经改变了。 我们刚刚有了美国的 AI 政策和建议法案，它完全支持开源。所以，我认为在话语层面，对开源的支持比以往任何时候都多。但在生态系统层面，我确实认为我们很可能会看到更少的开源。当然，OpenAI 说他们会开源，如果他们真的这么做，那会很棒，我认为那会非常积极。主持人：他们真会开源吗？Martin Casado：我不知道，我希望如此。那会是一个非常理性的举动。你知道，我们说“开源”，但当涉及到 AI 时，这其实是一个用词不当。即使是开源 AI 的标准模式也是，你开源较小的模型，但保留能力更强的模型为闭源。 这是一种获得分销和品牌认知度的方式，但你实际上并没有侵蚀你的核心业务。这作为一种商业模式已经被证明非常成功了。而且，与真正的软件开源不同，仅仅因为你发布了你的模型，并不意味着别人可以复制它。要复制它，你必须重新创建数据管道和训练管道。所以，我理解那种花了数亿甚至数十亿美元训练一个东西，然后把它全部免费送出去的担忧。但我觉得商业理由是存在的，而行为总是会跟随商业逻辑。我们会继续看到开源成为生态系统的重要组成部分。而且要记住，从历史上看，开源只占整个软件市场价值的 20% 左右。我认为在 AI 领域，这个比例会长远地高得多。所以从某种程度上说，我们做得比历史上软件领域要好。编程又变得有趣了，AI 几乎把编码带回了原点主持人：你曾经相信 AI 领域的什么事，但现在不再相信了？我们谈了很多方面，我的心态在很多方面都改变了。Martin Casado：对我来说，我一直都看走眼的一件事，就是这些代码模型发展的速度有多快。这可能只是我的沉没成本谬误。我的一生都是一个书呆子程序员（Nerd），我从 90 年代就开始编程，那是我的乐土。我从没想过它们会发展到现在的水平。我现在大部分晚上还在写代码，你知道，这就像别人看情景喜剧，我就是随便玩玩……但我现在已经到了一个地步，我真的无法想象没有它们该怎么工作。而我过去 30 年都是在没有它们的情况下工作的。那种把所有我不想学的杂活都外包出去的能力，简直太棒了。你知道，让我远离编码一段时间的原因是，我会偶尔涉足，然后又放弃，因为你必须学习所有这些稀奇古怪的框架。而且这些知识都不是基础性的，只是某个随机的开发者想出了一个奇怪的方法来做某件事，你就得去学他那些糟糕的设计决策，才能把事情做完。这毫无意义，感觉就像你在浪费脑力去消化别人做的糟糕决定。过去编程就是这样。让我说得更具体一点。在 90 年代末，编程是这样的：你下载你的 IDE，你坐在电脑前，你编程，它变成一个二进制文件，然后你运行那个二进制文件。你可以通过坐下来写代码完成很多事情。但到了大概 2015 年左右，写点东西就变成了：你得下载 5000 万个包，要运行它，你得跑一个该死的开发服务器，要让别人用，你得学怎么托管它，然后就是一大堆库，处理各种不兼容问题。所以你 90% 的时间都跟代码无关，你 90% 的时间都在处理那些环境、平台的破事。现在好的地方是，你可以只专注于你的代码。现在，我用 Cursor，我让 AI 告诉我怎么托管东西，用什么包，然后我只专注于我想要的逻辑。这几乎把编码带回了它的原点。你可以在整个行业看到这一点。我认识很多非常强的开发者，他们开发了很长时间，现在要么在经营公司，要么在做别的事情，但他们现在都晚上又开始编程了，因为编程又变得有趣了。所以我知道你问的是让我最惊讶的事情，但我真的认为这些代码模型能做到的事情堪称奇迹，它们增加了真正的价值。主持人：你认为它们是让 1 倍的工程师变成 10 倍，还是让 10 倍的工程师变成 100 倍？Martin Casado：（很多人会说）让 10 倍的工程师变成 100 倍。但我不认为情况是那样。我认为它们让 10 倍的工程师变成了 2 倍。我合作的每个公司都在用 Cursor。但实际上，这真的加快了产品发布的节奏吗？我觉得没那么多。主持人：那什么改变了呢？如果开发效率在提高，但产品发布节奏没变，那么是产品质量在提高吗？Martin Casado：因为困难的事情仍然非常困难。比如，我们谈谈创建一个模型。要创建一个新的前沿模型，我得收集数据，运行管道，坐在我的 Jupyter Notebook 前，看损失曲线，然后重新运行。这需要大量的实验。没有代码模型能为你做这些。但是，如果我想创建测试用例、测试套件、做可视化、写文档，它在这方面就做得非常好。所以我认为，从长远来看，拥有更健壮、可维护、bug 更少的代码库，其影响可能和提高功能开发速度同样重要。我是个搞基础设施的人，这可能和应用开发不同。我一直认为应用根本没什么技术含量。每次我看垂直 SaaS，我都会想，我为什么要在乎技术团队？这不就是增删改查（CRUD）吗？它们都做同样的事情，都长得像个网页应用。谁在乎技术呢？技术很简单，重要的是市场策略。但基础设施不同。基础设施是在设计空间中做非常真实的权衡，只有懂计算机科学的人才会知道。所以对于基础设施公司来说，我认为 AI 不太可能真正加速开发，因为它归结为开发者必须做出的决策和阐明的权衡。但我确实认为它可以帮助开发过程，让你有更少的 bug 之类的。编程又变得有趣了，AI 几乎把编码带回了原点主持人：鉴于你提到的这些工具带来的开发效率变化，这对今天公司的护城河有什么影响？Fiverr 的 Micha 曾在这个节目上说，模仿一个产品的时间基本上被缩短到了零。这在多大程度上改变了公司的防御性？Martin Casado：我仍然认为我们应该回到应用和基础设施的区分上。对于应用来说，模仿需要多长时间？你知道有一个公司，他们的既定目标就是抄袭另一个应用。这太容易做了。一个普通的应用没有核心技术。假设你正在创建一个医疗保健的垂直 SaaS 应用。你完全可以把开发外包出去，一直都可以。业务本身是理解那个领域的长尾需求。 我认为 AI 根本没有改变这个范式。然后，当涉及到核心基础设施，也就是我关注的领域，比如数据库、基础模型，现在模型也不可能被轻易复制。原因不是技术上做不到，而是因为对于特定的用例和领域，存在一个对各种权衡的深刻理解，这需要通过市场探索来获得。所以我认为这些模型对软件开发过程有很大帮助。对于非深度技术领域，比如应用，它们确实可以帮助加速开发。但随着时间的推移，所有这些都归结为对市场的长尾理解。你知道一个生产环境的企业应用，一个被接受的平均代码改动（PR）是多少行吗？你猜猜。主持人：我完全没概念。12 行？Martin Casado：是 2 行。真的，非常小。就算是 12 行吧。那 2 行或 12 行代码代表了什么？它可能代表了在该领域的某个新认知，或者对客户需求的某种新理解。所以，困难的事情是理解你进入的特定部署环境和市场，而不是那两行代码本身，那其实很简单。所以在很多方面，我会说 AI 正在消除中间的那些杂活。比如，非常前沿的计算机科学，像模型开发，AI 不知道怎么做，因为没人做过，那是在推动技术前沿。而在应用领域，所有困难的事情本来就是业务本身。这就是为什么代码改动很小，你通过进入市场来学习一切，而模型不知道这些。AI 正在帮助处理的是所有中间的那些繁琐事务。所以对我来说，这实际上是净增值的。主持人：你认为计算机科学作为一门学科，还像以前一样重要吗？您还会一直推荐它吗？还是说，在一个创作被更多人普及的世界里，情况变了？Martin Casado：我觉得，我非常强烈地认为，如果你真的在乎用计算机来构建系统，你就必须理解它们是如何工作的。主持人：我们今天做的什么事，在 5 年或 10 年后回看时，会让我们觉得“我真不敢相信我们当时那么傻”？可能是提示工程，可能是我们被迫去选择用哪个模型。我觉得我们被要求去选择模型这件事很荒谬。Grok 3，Grok 4，Grok 5，Grok 购物，Grok 天气。搞什么鬼？你自己搞定不就行了？Martin Casado：我从一个程序员的角度来看。我只是希望我们能完全停止担心各种框架，甚至可能是编程语言。也许未来会演变出一种原型语言，然后我们就可以专注于逻辑和根本性的权衡。我们现在进入了一个很倒退的世界，程序员们思考的是所有非根本性的东西，而忽略了根本性的东西。让我给你举个例子。这会是一个有点奇怪的哲学 rambling，但我一直担心，在我读研究生和做研究的时候，我们进入了一个这样的空间：过去那么多年做了那么多的研究，你永远不知道自己做的是不是新的。你无法做文献搜索，东西太多了。所以整个行业都在花时间重复造轮子。这就像，你在打扫一个房间，你想把灰尘扫出去，但你不是把它扫出门外，而是把它挪来挪去。你把它扫到床底下，或者墙角，你只是把灰尘扫来扫去，但从来没有把它扫出房子。研究给我的感觉就是这样。而且，很多最重要的问题似乎都介于不同学科之间。要解决它们，你必须知道太多东西，而我们做不到。所以我感觉整个科学产业体系就像在原地打转。所以我认为，AI 有能力把我们从这种巨大的疯狂、巨大的低效中解放出来。首先，它非常擅长告诉你一件事是否以前做过。它真的知道所有的文献，所有的历史。其次，它也非常擅长连接不同的学科。它在所有这些领域都是专家。所以我认为我们一直陷在这个泥潭里，而 AI 是一个解放者，让我们能专注于新问题，并且知道我们正在做新事情。我知道这对于你的问题来说，是一个更哲学的答案，但我认为它的出现是必要的，以便我们能进入解决问题的下一个层次。主持人：它的社会影响呢？最糟糕的问题就是工作替代的问题。Martin Casado：我对工作替代的担忧非常同情。我认为我们作为一个社会应该非常认真地对待这个问题。我绝不是一个自由放任主义者。我认为这正是政府应该介入的地方，我们应该互相帮助。但首先我们必须理解情况，而现在情况非常不清楚。让我给你讲个小故事。我的表亲们都是相当高端的翻译。他们最近来访，他们说：“我们得换工作了，因为翻译行业正在被 AI 取代。”我问：“所以工作岗位正在消失吗？”他们说：“不，是在转变。现在我们不再是自己翻译，而是要校对 AI 的翻译。而要让它达到我们的标准，唯一的办法就是我们自己重写整个东西，但别人不会为此付钱。” 顺便说一下，他们是意大利人，所以说话很有激情。他们说：“我不能在一个没有灵魂的东西上工作。”我认为，他们的困境是整个大困境的一个很好的缩影。那就是，关于 AI 有一点非常独特，它今天需要一个人类操作员。它们太不可预测了。我们知道的所有商业化的用例，都有一个人在另一端。比如编码，你有专业的程序员。所有创意性的东西，你有一个人在做所有的创作。这些既是赋能者也是工具，但你所做的事情的性质确实变了。这和电其实很不一样，电不需要人。你要么点亮灯，要么就没灯可亮。所以，我认为我们作为一个社会需要理解替代的程度。我们必须理解。我认为这非常重要。我认为这是政府应该参与的事情。搞什么 AGI，你就是 AGI主持人：对你来说，同时相信 AGI（通用人工智能）将在一定时间内占据主导地位，又同时投资企业 SaaS，这是否矛盾？Martin Casado：我不知道。人类就是 AGI，我们仍然投资企业 SaaS。主持人：Sam Altman 的定义才是 AGI 的定义。Martin Casado：这就是问题所在。每个人不知何故都认为，AGI 就意味着无限强大的东西，任何我希望在未来消失的东西都会消失。得了吧，你就是 AGI。我也是 AGI。我们都投资企业 SaaS。主持人：我相信 Sam Altman 才是 AGI 的定义者。所以，无论他和微软决定什么是 AGI，那就是 AGI 了。最后我想做个快问快答。我给个简短的陈述，你给我你的即时想法。好吗？Martin Casado：可以。主持人：当今最被高估的 AI 类别是哪个？Martin Casado：ASI（超人工智能）。主持人：你最近听到的最糟糕的 VC 关于 AI 的看法是什么？Martin Casado：开源对国家安全有害。主持人：你会支持哪个创始人，无论他做什么？Martin Casado：Michael Trulove (Cursor 创始人)。因为我很少见到一个创始人，他知道自己想要什么，他有无懈可击的直觉，而且他听取意见和收集信息的能力非常强。这是一个非常、非常强大的组合。主持人：你自己身上最喜欢的、对你的成功最有影响的特质是什么？Martin Casado：因为贫穷而产生的根深蒂固的焦虑。我来自蒙大拿。这很有趣，人们听到“Martin”这个名字，就会想“他肯定是……” 而且我确实出生在西班牙，所以他们会想：“他肯定是某个世故的欧洲人。” 我说：“哥们儿，我是在蒙大拿的土路上长大的。” 狩猎季的时候，我的学校都关门了。我就是个西部乡下孩子。我有一个很棒的家庭，受过良好教育的家庭，所以我们还算过得去。但你经历过那些，看到你的父母多么努力地工作，然后，你不会把任何事情都当作理所当然。你知道，我卖掉了一家公司，结果很成功，在那天我就可以退休了。从那以后，我没有一天休息过，也没有一天不工作。主持人：那一天是不是感觉超爽？那种感觉是不是和你想象的一样好？Martin Casado：你知道，这挺有趣的。不，那感觉很苦乐参半。我认为卖掉公司对任何创始人来说都是苦乐参半的。这在某种程度上是一种死亡。你花了那么多时间在一个东西上，然后它就变了。但有趣的是，这可能是我给其他创始人的建议。你总是在想，等你赚了 1 个亿之后，你会去做的那件事。你会想：“你知道吗，我要去做那件事。” 但你只在压力最大的时候才会想到那件事。所以我的那件事是，我的表亲是个电影导演，叫 Vincenzo Natali，挺有名气的。我当时想：“钱一到账，我就开车去好莱坞，帮他拍电影，当个演员。”然后，事情发生了，钱到账了。我当时正开车在 5 号公路上，心想：“我到底在干什么？” 我热爱科技，我热爱我的工作。我讨厌好莱坞，我和那些人没什么共同点。我大概开出城两个小时，然后我就掉头回来了。因为我觉得，你只在压力最大的时候才会有那些幻想。当你没有压力时，你就会意识到，是某种东西把你带到这个位置的，那是真正的兴趣和热爱。我唯一的建议是给其他经历这些的人，就是不要把你那些在压力锅里、不睡觉、人际关系破裂的时候构想出来的梦想，当作你稳定状态下想要做的事情。你之所以在这里，是因为你热爱它。而放弃那种热爱，对某些人来说可能是灾难性的。本文编译自 20VC原文 | youtube.com/watch?v=v0-7wlTdGck

NVIDIA发布新版本ChatRTX， 添加中文LLM模型的支持 NVIDIA在2月推出了Chat with RTX的技术演示应用，可给用户体验一下本地的聊天机器人，当然了它用到了TensorRT-LLM和NVIDIA RTX加速技术，也是NVIDIA展示技术的一个方式，现在该应用正式改名为ChatRTX，增加了更多的功能，在新版本中它加入了对智谱AI的ChatGLM3-6B这个中文LLM的支持，同时还支持语音输入和图像搜索功能。与Chat**、Google Bard和微软Copilot等在线工具不同，NVIDIA ChatRTX不需要云端计算，这对用户的隐私和数据保密性更好，ChatRTX还支持扫描和分析本地文件目录的能力，支持指定格式的文件，用户可使用该功能搭建本地的数据资料库，只需要给出文件夹路径，AI就会在数秒内把它们加载到库中。除了加入中文LLM的支持外，ChatRTX还增添了语言识别功能，还支持OpenAI的CLIP模型，它可根据你给出的信息搜索本地指定目录里面的图片，在大量图片中找指定的复合要求图片时还是蛮有用的。但目前该软件还是缺乏联系上下文的能力，这点体验就不太好了，此外它在Firefox浏览器上还是无法运行，此外安装包的体积大幅缩减，从此前的35GB减少到11GB，但安装完后程序依然需要35GB的空间，因此在下载之前要留够足够的空间，至于硬件需求，它只支持RTX 30和40系GPU，并且至少得需要8GB显存。

2024新年快乐 服务器重置了，再发一遍。。。

PBL感悟——制作智能浇水系统 自动灌溉是区别于手动灌溉、人工灌溉的概念，突出灌凝控制器能够根据设定的时间、流量、土壤湿度上下限等参数自动执行灌涨或者基于物联网技术的远程控制取代人工现场操作，具有解放劳动力的价值，但是，如前述，在温室等人工干预较大的环境中，自动灌溉在一定程度上能够满足灌溉需求，对于广泛的大田环境，影响灌溉决策的变化因素很多，涉及生物学、气条和人为活动。农业生产过程中需要做出的许多决定，如:哪块地要先种，种什么作物?选哪种型号的种子、化肥、农药?施肥、灌涨的时间点、量及频率如何把握?气象、天气、降雨预测，土理化性质的变化情况?农场农业灌涨设施、机械、工人的协调安排...当众多因素需要协调研究从中选择最优方案时，"自动灌溉”完全离不开人在各个环节中参与决策，因此，不存在离开人为决策的“自动灌溉”。智能灌溉则要求不需要人为控制，灌溉系统智能自动做出灌湖决策，而且系统做出的灌游决策要比人做出的决策更科学、更迅速。智能灌溉是当前农业灌溉发展的潮流,智能灌溉系数整合先进的传感器技术 ,信息技术以及人工智能技术 提高灌测的精准度,提高水的利用率,提高灌溉管理水平,改变人为提纵操作的随意性和盲目性,同时减少灌溉用工,降低管理成本,显著提高农业生产效益。以上都是农业智能灌溉的小编为大家讲解与智能灌溉相关的几个常见问题的相关内容，

关于在线学习网站Moodle Moodle（Modular Object-Oriented Dynamic Learning Environment）是一个用于制作网络课程或网站的软件包。它是一个全球性的开发项目，用以支持社会建构主义（social constructionist）的教育框架。Moodle是一个自由的开源软件 （在GNU 公共许可协议下），也就是说Moodle是有版权的，但是你有额外的自由。你可以自由地复制、使用或者修改Moodle，前提条件是你同意：为他人提供代码，没有修改或删除原有的版权和许可，以及将相似的版权应用于衍生的作品。尝试着搭建了一个，目前没有更多的进展。地址： {anote icon="" href="http://ip.wejk.cn:8000" type="secondary" content="点击访问"/}