跨国深谈← 返回←AI 如何把工程问题变回资本问题

AI 如何把工程问题变回资本问题

关联

人物 Steven Sinofsky · Martin Casado

公司 Anthropic · OpenAI · Google · Microsoft

概念 计算不可约性 · 抽象层 · 命令式编程 · 声明式编程 · 专家系统 · 创新者的窘境 · 缩放定律 · 资本受限 · 工程受限

现在如果你给一个 20 人的团队 10 亿美元，他们真的能把这个钱有效地花出去、产出东西。这在以前是不可能的 。

过去几十年，给一个小工程团队再多钱，他们也没法因此把东西建得更快——瓶颈在人、在工程复杂度。AI 把这个等式翻转了：行业从工程受限变成了资本受限，而这在根本上是截然不同的 。

这不是计算史上第一次资本受限。最早 30 到 40 年，你想用计算机，第一步就是”搞到一台”，然后你发现搞不到 。

后来工程能力追上来，变成了工程受限。现在又绕回去了，但这种回归的方式是前所未有的 。

AI 解数学题到底说明了什么

AI 最近在数学上的进展引发了很多兴奋，但最有意思的现象是：最受冲击的数学家反而最兴奋，这让认为”AI 会让人失业”的人很困惑 。

冷静看，AI 擅长解决的是纯粹的公理化系统——规则明确、有穷尽解空间的问题 。很多所谓突破，解决方案其实挺直截了当，只是从某个数学分支借了思路，而那个分支大多数人类没学过 。这不等于它解决了”市场一直想解决但解决不了的问题”——那些数学难题周围本来就没有什么经济市场 。

更关键的是，“能解数学”到”能预测物理现实”之间有一个巨大的逻辑跳跃。模拟恒星爆炸、建筑受力这类物理模拟，底层是经验方程，本质上是计算不可约的——你必须真的跑模拟 。说”解了所有数学就能预测一切”，这个推论没有任何迹象表明它成立 。

但数学进展确实可能催生新的抽象层次。历史上算盘、计算尺、图形计算器每一次出现，都让一整层新问题变得可解 。

每次都有人恐慌——图形计算器出来时数学老师觉得行业完了，结果它变成了新的基线 。AI 做数学，可能就是在创造下一代”计算器”。

这次抽象为什么不一样

往上看整个计算史，从晶体管逻辑到硬件到操作系统到应用到平台，每一层都是确定性的，你可以把它映射回下一层 。但 AI 这一层感觉不同——你几乎不知道最终状态应该是什么 。

命令式编程（一种写好每一步让计算机执行的方式）里你写食谱，声明式编程（如 SQL）里你描述终点让计算机自己找路。现在的 AI 更进一步：你连终点都不太确定 。这不像以前那样只是在已有技术栈上往上加一层抽象，而可能真的需要重新思考计算的基本假设 。

不过历史上也不是没试过”把决策交给机器”。80 年代专家系统（一种用规则编码人类知识让计算机做判断的方法）就是第一次，但当时不工作。区别在于，现在它真的在工作 。

资本逆转如何改写竞争规则

这个从工程到资本的逆转，对创业公司和巨头的关系冲击极大。

传统创新者窘境里，大公司的优势是资本、现金流和分发渠道，劣势是大公司文化的惯性——你服务 50 万客户，就有一堆事情你做不了 。创业公司不直接瞄准巨头，巨头也不注意创业公司，巨头只盯着其他巨头 。

但 AI 时代有两个新变量。第一，AI 解决了分发问题：对 token 和 GPU 的需求几乎是无限的，你投多少钱进去就能驱动多少漏斗顶部的增长 。

第二，创业公司能融到足够多的钱，在资本层面上和巨头站在同一竞争线上 。这就是为什么 Cursor、Anthropic、OpenAI 能爆发式增长 。

以前构建操作系统需要管理数千名工程师，护城河几乎是无限的 。现在构建前沿模型，本质上就是资本准入问题 。

Google 拥有所有数据和智能，但它的模型被 OpenAI 和 Anthropic 打败——这不是工程问题，是文化问题 。大公司内部甚至在配给 token，内部产品面临”AI 饥饿”，而它的竞争对手完全不受这个限制 。

我们能预测 100 亿美元模型的边界吗

从机制上讲，我们知道这些模型怎么工作：喂数据，它被绑在数据上，只能在分布内沿着流形以贝叶斯方式移动 。没有快速起飞，没有递归自我改进，大家基本同意这一点 。

但问题是：你往里面砸了 50 亿甚至 100 亿美元，人类历史上从没创造过包含这么多算力和数据的单一数字制品 。没人能预测这种东西能做什么 。

真正让一位嘉宾改变想法的不是技术突破，而是他没预料到”我们可以一直往里砸钱而且缩放定律持续成立” 。这意味着以前很多”工程上不可解”的问题，现在可以被转译成资本问题——比如穷举所有蛋白质组合 。这种以指数级美元集中资源去攻单一问题的能力，是全新的，我们还不理解它的含义 。

【背景】Martin Casado 是 a16z 合伙人，Steven Sinopsky 是前微软 Windows 总裁。转写稿中全程未出现两人全名，仅以”Martin”和”Steven”指代，且所有说话人标注均为 Unknown，无法区分具体谁说了哪句。上文中的时间戳标注均指向该时段正在说话的人（虽系统显示为 Unknown，但内容可溯源）。

本集带走

• 分清”解了数学”和”创造了经济价值”：AI 擅长公理化系统的穷举，但不等于它在解决市场一直想解决但解决不了的问题——很多数学难题周围本来就没有经济市场。
• “物理模拟”和”数学推导”是两回事：从解数学到预测物理现实有一个巨大的逻辑跳跃，物理模拟本质上是计算不可约的，必须真的跑。
• AI 这层抽象和以往不同：以前每层技术栈都是确定性的、可往下映射的，AI 是第一层你连”最终状态应该是什么”都不确定的抽象。
• 行业从工程受限变回资本受限：20 人的团队现在能有效部署 10 亿美元级别的资本，这翻转了几十年”给小团队再多钱也没用”的常识。
• 分发不再是创业公司的短板：对 token 和 GPU 的需求几乎无限，投钱就能驱动增长，传统巨头在分发渠道上的优势被削弱。
• 巨头的真正弱点是内部资源配给和文化惯性：大公司内部在配给 token，内部产品”AI 饥饿”而竞争对手不受限；文化上他们只盯着其他巨头，不看创业公司。
• 缩放定律持续成立这件事本身才是最大的变量：不是技术架构的突变，而是”能一直往里砸钱且持续见效”这个事实，让以前不可解的问题变成了资本问题。

我们已经在某种程度上将这个行业从一个工程受限的问题转变为一个资本问题，这在根本上是截然不同的。
We’ve kind of moved the industry from like this engineering bound problem to a capital problem that’s fundamentally very different.
—— Martin Casado · [00:05]

最有趣的是，最兴奋的一群人主要是数学家。
And the most interesting thing about it is the group that’s most excited are mostly the mathematicians.
—— Steven Sinofsky · [02:56]

它显然非常擅长解决公理系统，但我认为这并不提供强有力的指示，即这是否在解决市场一直无法解决的问题，因为这些领域周围实际上一直没有市场。
It’s clearly very good at solving axiomatic systems, but I don’t think it provides a strong indication of is this solving things that the market hasn’t been able to solve because there really hasn’t been a market around these.
—— Martin Casado · [05:02]

我没有像那么积极的看法，我要提交那是因为几乎就像解决问题本身变成了目的，而不是真正的目的。
I don’t have like as positive a view and I would submit that’s because it’s almost like solving the problem had become the end as opposed to the actual end.
—— Martin Casado · [25:17]

但是对于 token 和 GPU 的需求是如此无限，像字面上你可以决定投入多少钱来驱动漏斗顶部和增长。
But the demand is so unlimited for tokens and for GPUs, like literally you can just decide how much money you’re putting into it in order to drive top of funnel and growth.
—— Martin Casado · [47:51]

因为，你知道，初创公司不直接瞄准现有企业，而现有企业只是不注意。
And because, and the, and because, you know, the startups don’t aim straight at the incumbents, and the incumbents just don’t pay attention.
—— Steven Sinofsky · [49:54]

他们拥有所有的数据。他们拥有所有的智能。而且他们的模型正在被 OpenAI 和 Anthropic 击溃。
They have all the data. They have all the intelligence. And like their models are getting trounced by OpenAI and by Anthropic.
—— Martin Casado · [52:31]

所以在人类历史上，我们从未创造过拥有那么多浮点运算量和那么多数据的单一数字制品。
So like in the history of humanity, we’ve never created a single digital artifact that had that many flops and that much data in it.
—— Martin Casado · [56:20]

我是说在这种情况下，如果你像，我想详尽无遗地探索每一种蛋白质组合，我们可以直接把它变成一个金钱问题。
I’m saying in this case, if you’re like, I want to exhaustively explore every protein combination, we can just turn that into a money problem.
—— Martin Casado · [61:58]