世界太吵,來原聲聽播客

20VC

AI最大的瓶頸不是智商,是愛因斯坦與憨豆先生之間的不穩定切換

TypeSafe創始人說,企業不敢把高風險決策交給AI,不是因為模型不夠聰明,而是因為它95%的時間是愛因斯坦,5%的時間是憨豆先生,期望值算不過賬。

可靠性數據基準測試融資AI泡沫開源模型

原視頻在 YouTube 上放不出來,用音頻聽:

創始人談數據比算力更重要、大廠為何不願把產品做到真正可靠、以及融資時如何拒絕更高估值報價,信息密度高,全程值得聽。

核心論點 · 點時間戳可跳到原聲

6:10

可靠性不足讓AI自動化的賬算不過來

Diogo提出一個非正式但被廣泛認同的說法:現有大模型的問題不是整體智商不夠,而是方差太大——你有95%的時間得到愛因斯坦,5%的時間得到憨豆先生。在期望值計算上,這種不穩定直接讓企業放棄自動化,哪怕模型能解決千禧年數學難題,也搞不定更簡單的會計工作。他強調這不是模型「不禮貌」或「說髒話」的問題,chat GPT從不會突然失控罵人,但它會在文本內部做出錯誤的決策判斷,而這正是大廠沒有針對性優化的地方。

— Diogo
11:24

GPT-4.5證明算力堆砌已經到頭

Diogo提出「最苦澀的教訓」:做對的任務比數據重要,數據比算力重要,算力比算法重要。他指出如果按推理算力定價,GPT-4.5仍是按token成本計算史上最大的模型,但商業上並不成功——這正是打破「純靠scale通向AGI」敘事的證據。他引用Dwarkesh最近一條推文稱數據對模型效果的影響比算力大很多倍,這並非AI特有的新發現,而是機器學習領域一直都知道的常識,只是算力scaling的那幾年是個例外。

— Diogo
22:40

大廠不是不能抄,是壓根不在乎可靠性

面對「OpenAI為什麼不直接抄Jev」的質疑,Diogo的回答很直接:大廠根本不知道自己有多不在乎可靠性。他們的組織過去圍繞月活用戶優化,這催生了諂媚式(sycophantic)的對話風格,而現在則在圍繞編程智能體的類月活指標優化。他的判斷是:Anthropic的模型就是最好的,哪怕在基準測試上被中國模型打平——因為整個決策模型(system one)這個子領域幾乎全在刷榜,沒人真正信這些基準,這反而給了把可靠性做紮實的公司議價權。

— Diogo
36:58

護城河不在訓練自己的模型,而在工程本身

針對Harvey、Cognition這類自訓練專屬模型的公司,Diogo認為這更多是敘事需要——如果不說自己擁有專屬智能,看起來就只是大模型上一層很薄的殼。他反駁「擁有專屬智能」應該來自訓練自己的模型,而應該來自圍繞大模型寫的軟件和工程投入:真正有價值的是提前投入精力把問題理解透、自動化掉,讓人類不用再重複做這件事。他直言Harvey當年想做大項目的全自動化沒做成,最後回退成了「律師的副駕駛」。

— Diogo
43:19

一線實驗室說真話,二線實驗室騙自己

被問到誰在基準測試上撒謊最多時,Diogo給出一個分層判斷:頂級實驗室(OpenAI、Anthropic)有動機說真話,因為他們不需要作弊也能站在頂端;二線實驗室有動機騙自己,因為他們想相信自己能變成一線,內部壓力巨大卻又不敢公開承認在刷榜(Llama 4就是刷榜刷得太明顯翻車的案例);而爭奪「安慰獎」的公司,比如美國開源模型領域,則是赤裸裸的刷榜,因為反正沒人真正用這些模型,沒人會拆穿。他認為決策模型(system one)這個領域刷榜情況比以上都更糟,因為連「什麼是好表現」都沒有共識。

— Diogo
49:39

泡沫破裂會是需求側的事,不是供給側

Diogo承認自己一直認為AI存在泡沫,因此為泡沫破裂的可能性持續做準備。他判斷這次破裂不會來自GPU供給短缺,而會來自需求側衝擊:很多企業花錢買AI的決策背後,對AI實際能力的判斷是失準且偏高估的,這種過度承諾、交付不足的落差一旦被集中戳破,需求可能很快收縮。他同時承認現實更復雜——有些公司因為裁員押注AI而被反噬,但也有公司理性下注、確實從AI身上拿到了價值,這兩種情況同時存在。

— Diogo
57:56

融資現場:沒有Deck,也不要更高估值

Diogo描述這輪融資幾乎全是inbound,他們甚至直接告訴VC自己沒時間做Deck,反過來讓VC講市場信號。他說公司做決定時明確拒絕「估值最大化」和複雜條款結構(cock tranche),理由是公司本身已經盈利、賬上現金在增長,根本不需要太多錢——真正需要的是能一起打硬仗的盟友。即便有人表示願意按3倍估值投錢,他們也沒有接受,理由很直白:「那是泡沫,那是胡扯。」

— Diogo
1:07:13

不招OpenAI的研究員,因為他們不做「對的任務」

Diogo解釋公司刻意不從OpenAI挖研究員:能進OpenAI本身就帶有一種「喝了Kool-Aid」式的選擇偏差,而且那裡的研究員天生偏好算法和scaling、討厭做數據,數據在大部分實驗室地位很低。他也補充,哪怕OpenAI內部真有少數幾個人真正關心「對的任務」,他也不會挖——因為那些人顯然應該繼續鑽研自己擅長的方向(比如把文字轉圖像做成一整個領域),硬塞進另一個任務裡是浪費。他同時提到數據團隊的招聘是公司目前最難的部分,遠比薪資競爭難解決。

— Diogo

原話 · 已逐字校驗

you get Einstein like maybe 95% of the time and Mr. Bean the other 5%

你大概有95%的時間得到愛因斯坦,剩下5%的時間得到的是憨豆先生。

Diogo6:10

Anthropic models are just the best, even if the Chinese models match it in benchmarks.

Anthropic的模型就是最好的,即便中國模型在基準測試上能打平。

Diogo22:40

ai is so clearly awesome yet software itself hasn't changed

AI明顯已經如此驚豔,但軟件本身卻幾乎沒有變化。

Diogo28:50

benchmarks are total bullshit all benchmarks are bad

基準測試完全是胡扯,所有基準測試都不靠譜。

Diogo43:19

I believe that AI has been a bubble for a while. So I would like to keep planning for an eventuality of bubble burst.

我一直認為AI存在泡沫,所以我希望持續為泡沫破裂的可能性做準備。

Diogo49:39

What we need is allies to fight the largest companies in the world.

我們需要的是能一起對抗世界上最大那些公司的盟友。

Diogo57:56

We don't need the money or the valuation.

我們不需要那筆錢,也不需要那個估值。

Diogo58:56

數字與實體

Jev收入到1億美元用時七天1:00
TypeSafe估值75億美元1:00
本輪收到term sheet數量28份56:53
Jev使用覆蓋範圍財富500強公司中的三分之一1:00

術語

Jevons paradox傑文斯悖論
效率提升讓單位成本下降,反而使總消耗量大幅增加的現象
RLHF人類反饋強化學習
根據人類對模型輸出的偏好打分來訓練模型
RLVR可驗證獎勵強化學習
根據可自動驗證的結果(如單元測試)給模型打分訓練

收聽指南

誰該聽

關注企業AI落地可靠性、模型公司護城河爭議,以及頂級AI公司融資與招聘邏輯的創業者與投資人。

可跳過

開頭和結尾的廣告植入(Blitzy、Flex、Vanta)可以跳過。