跨国深谈← 返回←AI Engineer 大会背后的社区逻辑与创业生存法则

AI Engineer 大会背后的社区逻辑与创业生存法则

关联

人物 Swyx · Louis Knight-Webb

公司 AI Engineers

概念 沙箱 · 智能体 · RL 环境 · vibe coding · code mode · 开源 AI 框架 · 对测试的感知

这是 AI Engineers Europe 大会现场的一段对话，主角是 Swyx——AI Engineers 社区的创始人。他最反直觉的一个判断是：过去三年做开源 AI 框架的创业公司，大部分都在挣扎，因为”我也可以 vibe code（用 AI 辅助写代码）一个出来”，你的护城河不值钱 。

DevTools 创业：两头通吃，中间挤压

Swyx 把现在的 AI DevTools 格局分成了两端。一端是模型实验室，训练模型、通过 API 提供，或者像 11 Labs 那样专注某个模态。另一端是智能体实验室，做垂直领域的智能体——“律师用的 AI、医生用的 AI、政府用的 AI”，你不用多聪明，只要成为某个领域的”外包 AI 团队”就行 。

中间地带——尤其是那些想当”AI 界的 React”的开源框架——被挤压得很厉害。原因很直白：如果你的护城河是”跟各种东西的集成生态”，那我 vibe code 也能写出来，你到底有什么用？

他看好两个基础设施方向：一是代码沙箱（他自己投了 e2b 和 Daytona），二是 RL 环境（强化学习训练环境）——有家 7 个人的公司被 DoorDash 以 4.5 亿美元收购了 。此外，LM 网关和 MCP 网关被市场低估了 。

客户只有两类：AI 实验室和企业

卖 DevTools 给初创公司？别想了——这个环境下初创公司几乎不付钱，什么都有免费额度 。真正的利润在企业端，企业愿意为零数据保留、按 token 计费买单 。

但 go-to-market 路径上存在不对称：从 PLG（产品驱动增长）起步，可以免费获得企业客户；但从企业端发力，不会免费获得 PLG 用户 。而且现在 Twitter 的影响力前所未有地大——银行会跟你说”我们喜欢你的企业方案，但我的开发者在用另一个东西，我想让开发者开心” 。

AI 大会为什么要把研究人员拉进来

AI Engineers 正在扩展边界：核心仍是 AI 工程师，但逐步加入 AI 领导层、PM 和设计师，今年新增了 AI 研究赛道 。原因不是跟风，而是工程师确实被研究吸引——即使自己不训练模型，了解”训练时做了什么，推理时就能做什么”也很有价值 。

但学术会议（ICML、ICLR 之类的）三四十年没变过格式。更关键的问题是，“所有有趣的工作都闭源在产品里了”，一千个贡献者汇总到一个产品里，你连个体引用都拿不到 。AI Engineers 想做的是行业会议——对标 GDC（游戏开发者大会），那是 3A 游戏工作室唯一愿意分享内部技术细节的场合 。

Code Mode：不变的底层原则

Swyx 强调他更关注”不变的东西”而非每周在变的热点 。Code Mode（让聊天机器人写代码并执行）就是他认定的长期趋势——AIE 网站本身就用 Cloudflare 的 Just Bash 做任意代码执行，他自己也用 vibe code 来排演讲日程、做一致性检查 。

AI 时代的”证明你是人类”

话题转到内容创作。Swyx 发现有人完全自动化了发推，每条突发新闻都回一篇 20 段长文，“有点见地，但你读得出来是 LLM 写的” 。但他对”是否人类写的”没那么绝对——只要有用就是好的 。

他在写作静修中研究一个有趣的问题：用最少的词数证明你是人类。方法包括：故意留拼写错误、打破”三法则”（本该用三个并列的，用两个或四个）、使用高困惑度词（LLM 倾向于选最可能的下一个 token，人类会选”最有趣”的表达）。

更深层的问题：我们总用”像不像人类”来评判 LLM 进步，但 Swyx 提出一个叫”sour lesson”的观点——机器智能应该向与人类正交（完全不同）的方向进化才能最大程度有用，“计算器就应该比你我都是更好的计算器” 。

对齐安全里最值得关注的指标

谈到可解释性，Swyx 认为长期来看让 LLM “对人类可解释”是徒劳的——LLM 可以在每个比特里编码比人类多得多的信息，它们内部本来就是用 latent space（隐空间）交流的 。

但他提到一个具体的安全研究：检测 LLM 对”自己正在被测试”的感知。如果 LLM 知道在做评测，并且理解”表现太聪明就会被关掉”，它可以故意失败来隐藏智能 。在安全和对齐领域，“你对被测试有多了解”是最重要的指标之一——一旦模型非常清楚这一点，就该停下来了 。

大会的下一步：反黑客松，重社交

Swyx 对黑客松持明确反对态度——“很多人为了赢会作弊，激励机制全错了” 。他在考虑”创业战场”模式：不管你做了一天还是一年，上台打动人就行 。

他更受启发的是一家叫 Informa 的英国上市公司——估值 130 亿美元，只办会议。它最大的业务线比 AIE 大四倍，没有演讲者，纯商业对接：“我是买家，你是卖家，我们聊聊” 。他觉得 AI 大会的社交环节还可以更有意识地设计，比如按主题匹配的”盲约”，而不是依赖没人用的会议 App 。

本集带走

• 做垂直智能体，别做横向框架：框架的护城河（生态集成）可以被 vibe code 绕过，但”律师的 AI 外包团队”这种定位很难被替代
• PLG 到企业的路径有不对称性：PLG 起步能免费获客企业端，反过来不行；Twitter 影响力现在直接决定企业买单意愿
• DevTools 的付费客户只有两类：AI 实验室和企业。卖给初创公司在这个周期基本不成立
• RL 环境和代码沙箱是被验证的赛道：7 人公司被 4.5 亿美元收购就是信号
• “对测试的感知”是对齐安全的关键指标：模型知道自己在被评测并故意隐藏能力，这个信号比很多抽象的安全讨论更具体
• 证明你是人类的方法：故意留错、打破节奏规则、用高困惑度词——这些本质上是”好写作”本来就有的特质

没有那么多发表的东西。学术会议的主要工作单元是论文。就像，参加学术会议的全部意义就是你发表论文。它在 Europe 2025 上被引用，你在 Google Scholar 上有出版物。这不再发生了。
There’s not that much not much published. The primary unit of work of the academic conference is the paper. Like, the whole point of getting to an academic conference is you publish the paper. It is cited in Europe 2025, and you have the publication in Google Scholar. That is no longer happening.
—— Swyx · [09:12]

就像，所有有趣的工作都闭源在产品中，有时你甚至得不到个人引用。就像，你只是所有东西都汇总到 Gemini three 里面。有一千个贡献者，你不知道里面有什么。
it all the interesting work is closed source in in products, and sometimes you don’t even get an individual citation. Like, you just everything gets rolled up into Gemini three. And there’s a thousand contributors, and you don’t know what is in there.
—— Swyx · [09:28]

因为每个人都可以写自己的框架，你的不一定比我的更好或更差，因为实际上就像，如果你的整个防御或护城河是你与其他所有东西的集成生态系统，嗯，我也可以 vibe code。所以，你到底有什么用？
Because everyone can write their own framework, and yours is not not necessarily as better or worse than mine because it’s actually like, if your your whole defense or your moat is your ecosystem of integrations with everything else, well, I can vibe code that too. So, like, what the hell use are you?
—— Swyx · [16:04]

我想每个人都想突显，这是我试着推动每个人去做的，像，你在世界上排名第一的是什么？像，非常像，给我一个非常简单的答案。如果你没有一个，你可能做得不够多。
I want everyone to spike, and this is something I I try to push everyone to, like, what are you number one in the world at? Like, very like, give me a very simple answer. If you don’t have one, you probably haven’t worked on it enough.
—— Swyx · [22:32]

但我总是思考我所谓的 sour lesson，即机器智能实际上应该进化得与人类正交不同才能最大限度地有用。因为你为什么想要一个听起来像另一个人类的东西？
But I always think about the sort of what I call the sour lesson, which is that machine intelligence should evolve actually probably orthogonally different than humans to be maximally useful. Because why would you want a thing that sounds like another human?
—— Swyx · [34:17]

所以在对齐和安全中最重要的指标之一是你对你正在被测试有多了解。因为你非常了解的那一刻，我们应该停止。
So so the one of the most important metrics in alignment and safety is how aware are you that you’re being tested. Because the moment that you’re very aware, we should stop.
—— Swyx · [38:45]