本文Jack Altman 对话 Bret Taylor。Bret 是科技界的传奇人物,曾任 Google 地图联合创始人、Facebook CTO、Salesforce 联席 CEO,现任 OpenAI 董事长,并创办了发展极快的 AI 初创公司 Sierra 以下是 Bret Taylor 针对 AI、软件行业未来以及公司管理分享的核心观点和内容总结: 1. 软件行业的“末日”还是“转型”? SAS-mageddon(软件即服务末日): 面对公共市场软件股下跌,Bret 认为这反映了市场对未来的焦虑,而非对具体公司的判决 记录系统(Systems of Record)的挑战: 传统上,ERP、CRM 等系统因作为数据锚点和拥有复杂工作流而极具价值。但在 AI 时代,如果 AI Agent(智能体)能自动完成所有工作,用户不再点击按钮,那么这些系统的价值可能会从“应用”退化为纯粹的“数据库” 防御性与新机会: AI 智能体带来的不仅是风险,更是重塑。公司如果能围绕平台建立智能体生态,其价值可能超越原有的平台 2. 为什么初创公司能击败巨头? 战略税(Strategy Tax): 巨头拥有无限资源,但往往被既有优势(如本地部署系统、旧的商业模式、销售提成机制)所束缚 从“最佳平台”回到“最佳品种”: 每次技术范式转移(如 Web、移动端、AI),市场都会从倾向于买一站式平台转向购买在单一技术上做到极致的“最佳品种”产品。初创公司没有历史包袱,能 100% 投入新技术的研发 3. Sierra 的成功路径与 AI 智能体(Agent) 定位高价值行业: Sierra 专注于服务高度合规、复杂的行业(如医疗保险、银行、电信)。这些行业对 AI 的要求不仅仅是“Demo”,而是“工业级”的稳定 结果导向定价(Outcome-based Pricing): 这是 Bret 大力倡导的模式。不同于传统的按席位或按 Token 计费,Sierra 按“解决的问题”或“达成的销售”收费。他认为,随着智能体变得自主,企业应为最终的商业结果买单 超越支持: Sierra 的智能体不仅做客服,还参与房屋搜索、抵押贷款服务,甚至进行上亿美元规模的业务谈判(如协商有线电视账单) 4. 关于编程与 AI 开发 编码范式转移: Bret 提到现在的 AI 已经能编写高质量的代码。他预测 3 年内,软件团队的最佳实践将完全被重写 抛弃式 IP: 在这一时期,为了服务客户,开发者必须编写一些可能在 4 个月内就会被丢弃的代码,因为底层技术迭代太快 Terraforming 软件: 真正的持久资产可能不再是代码本身,而是生成这些代码的系统和提示词(Prompts) 5. 对 AI 与人类未来的思考 人的身份与技能: 虽然 AI 在编程和数字任务上表现卓越,但在物理世界(如建筑、制药实验)以及涉及人类“品味”和“地位追求”的领域,人类仍不可替代 自省与进化: 就像会计师经历了 Excel 时代一样,人类需要调整身份认同,把 AI 当作工具,从而实现更高程度的自我实现 广告与分发: 针对 OpenAI 可能引入广告的讨论,Bret 持乐观态度。他认为,为了实现“让 AGI 造福全人类”的使命,需要有一种商业模式(如广告)来支持免费提供服务,使那些支付不起每月 20 美元的人也能使用 AI 6. 公司管理与董事会 文档驱动: Bret 坚持在董事会会议中使用书面文档而非幻灯片(Slides)。他认为写作是理清思绪、整合信息的最佳方式,能让会议集中在核心决策上 跨学科董事会: 他认为董事会应是管理层寻求建议的对象,而非仅仅是报告对象。一个好的董事会应由不同领域的专家(如安全专家、法律专家、销售老兵)组成 核心结论: Bret Taylor 认为我们正处于从“以技术为中心”转向“以产品为中心”的周期中。2027 年,每个公司都将需要一个 AI Agent,就像 1997 年每个公司都需要一个网站一样 以上内容来源:https://www.youtube.com/watch?v=tJwiP0zqVp4
目录
观点原文
本文Jack Altman 对话 Bret Taylor。Bret 是科技界的传奇人物,曾任 Google 地图联合创始人、Facebook CTO、Salesforce 联席 CEO,现任 OpenAI 董事长,并创办了发展极快的 AI 初创公司 Sierra
以下是 Bret Taylor 针对 AI、软件行业未来以及公司管理分享的核心观点和内容总结:
1. 软件行业的“末日”还是“转型”?
SAS-mageddon(软件即服务末日): 面对公共市场软件股下跌,Bret 认为这反映了市场对未来的焦虑,而非对具体公司的判决
记录系统(Systems of Record)的挑战: 传统上,ERP、CRM 等系统因作为数据锚点和拥有复杂工作流而极具价值。但在 AI 时代,如果 AI Agent(智能体)能自动完成所有工作,用户不再点击按钮,那么这些系统的价值可能会从“应用”退化为纯粹的“数据库”
防御性与新机会: AI 智能体带来的不仅是风险,更是重塑。公司如果能围绕平台建立智能体生态,其价值可能超越原有的平台
2. 为什么初创公司能击败巨头?
战略税(Strategy Tax): 巨头拥有无限资源,但往往被既有优势(如本地部署系统、旧的商业模式、销售提成机制)所束缚
从“最佳平台”回到“最佳品种”: 每次技术范式转移(如 Web、移动端、AI),市场都会从倾向于买一站式平台转向购买在单一技术上做到极致的“最佳品种”产品。初创公司没有历史包袱,能 100% 投入新技术的研发
3. Sierra 的成功路径与 AI 智能体(Agent)
定位高价值行业: Sierra 专注于服务高度合规、复杂的行业(如医疗保险、银行、电信)。这些行业对 AI 的要求不仅仅是“Demo”,而是“工业级”的稳定
结果导向定价(Outcome-based Pricing): 这是 Bret 大力倡导的模式。不同于传统的按席位或按 Token 计费,Sierra 按“解决的问题”或“达成的销售”收费。他认为,随着智能体变得自主,企业应为最终的商业结果买单
超越支持: Sierra 的智能体不仅做客服,还参与房屋搜索、抵押贷款服务,甚至进行上亿美元规模的业务谈判(如协商有线电视账单)
4. 关于编程与 AI 开发
编码范式转移: Bret 提到现在的 AI 已经能编写高质量的代码。他预测 3 年内,软件团队的最佳实践将完全被重写
抛弃式 IP: 在这一时期,为了服务客户,开发者必须编写一些可能在 4 个月内就会被丢弃的代码,因为底层技术迭代太快
Terraforming 软件: 真正的持久资产可能不再是代码本身,而是生成这些代码的系统和提示词(Prompts)
5. 对 AI 与人类未来的思考
人的身份与技能: 虽然 AI 在编程和数字任务上表现卓越,但在物理世界(如建筑、制药实验)以及涉及人类“品味”和“地位追求”的领域,人类仍不可替代
自省与进化: 就像会计师经历了 Excel 时代一样,人类需要调整身份认同,把 AI 当作工具,从而实现更高程度的自我实现
广告与分发: 针对 OpenAI 可能引入广告的讨论,Bret 持乐观态度。他认为,为了实现“让 AGI 造福全人类”的使命,需要有一种商业模式(如广告)来支持免费提供服务,使那些支付不起每月 20 美元的人也能使用 AI
6. 公司管理与董事会
文档驱动: Bret 坚持在董事会会议中使用书面文档而非幻灯片(Slides)。他认为写作是理清思绪、整合信息的最佳方式,能让会议集中在核心决策上
跨学科董事会: 他认为董事会应是管理层寻求建议的对象,而非仅仅是报告对象。一个好的董事会应由不同领域的专家(如安全专家、法律专家、销售老兵)组成
核心结论: Bret Taylor 认为我们正处于从“以技术为中心”转向“以产品为中心”的周期中。2027 年,每个公司都将需要一个 AI Agent,就像 1997 年每个公司都需要一个网站一样
ABAB AI 解读
这期对话的含金量在于:Bret Taylor 用“平台迁移史 + 企业软件定价史 + 组织治理学”,把 AI 时代的软件行业重估逻辑讲透了。你如果把它当成“AI观点合集”,会错过最关键的——钱会从哪里流出、流向哪里,以及谁会死、谁会变强。
我按 6 个层次给你一套能直接拿去做投资/创业判断的框架(短段落+要点,不讲空话)
1)“SaaS 末日”到底是什么:不是末日,是估值锚点在换
市场下跌不是“某家公司不行”,而是估值模型的分母在变:
过去 SaaS 的估值锚点是:席位数(seat)×续费率×扩张率(Net Dollar Retention)
现在 AI agent 让“人不点按钮”——人从工作流里撤出,席位这个计量单位会塌
一旦 seat 不再是主计量单位,公共市场就会恐慌,因为它们最熟悉的财务叙事失效了(这就是他说的 “SAS-mageddon”)
Bret 的关键判断是:应用层的价值会被压缩,价值会向“结果层”迁移
2)Systems of Record 的命运:从“工作台”退化成“真相数据库”,但不会死
总结得很对:ERP/CRM 可能从“应用”退化为“数据库”。但这里有个更狠的补充:
它们的护城河会从“界面+流程”变成“合规+数据权属+审计链”
为什么不会死?
监管世界需要“可解释与可审计”
AI agent 再聪明,最后都要落在:谁批准、谁执行、谁留痕、谁负责
大公司真正的“系统”不是按钮,是:权限、审计、风控、责任归属
所以 Record 系统会变成:
- 真相源(source of truth)
- 授权系统(who can do what)
- 审计系统(who did what)
这三样任何 agent 都绕不开
结论:Record 不会消失,但“应用溢价”会被剥离;它必须学会把 agent 生态长在自己身上
3)“Strategy Tax” 为什么让巨头更难赢:不是笨,是结构性负债
Bret 讲的 Strategy Tax(战略税)本质是:组织的历史优势会变成迁移期的摩擦力
你把它理解成三类“沉没结构”:
商业模式税
旧收入模型太香:永久授权、本地部署维护费、席位订阅……你要自己砍掉现金牛,董事会和股东先把你砍了
经典案例:传统本地部署巨头转云的过程,往往不是技术问题,是“收入确认方式+渠道利益”问题(谁愿意主动降低短期毛利?)
销售与激励税
旧 SaaS 的销售提成与季度目标,天然驱动“卖席位/卖模块”,你改成 outcome pricing,相当于:
- 提成怎么算?
- 回款周期怎么变?
- 失败谁背锅?
巨头内部会发生免疫反应
技术债只是最小的税
真正要命的是:流程、合同、定价、渠道、客户成功体系,全都围绕旧模型长出来了
所以初创公司能赢,不是因为资源多,而是因为:它没有历史利益集团。它可以 100% 押注新范式
4)Sierra 为什么一上来就挑“高合规行业”:因为 AI 的真实壁垒不在模型,在“可控性工程”
Sierra 选择医保、银行、电信这类行业,不是为了“大客户单子”,而是为了建立最硬的壁垒:
合规行业的容错率极低:不能胡说、不能越权、不能泄露、不能误导
所以 agent 的壁垒变成:
- 工具调用的安全边界
- 权限与审计
- 与真实业务系统的可靠集成
这会筛掉 90% 只会做 Demo 的团队
提到的“工业级稳定”,正是他们对外的叙事与产品定位。
更重要的是:Sierra 的宣传里强调 agent 已覆盖大量真实场景(保险免赔额解释、网络故障、家具交付、再融资等),这类场景越“脏活累活”,越容易形成真实数据回路与客户黏性
5)Outcome-based Pricing:这是 AI 时代企业软件最重要的定价革命
这部分是全期最值钱的内容之一
为什么 seat pricing 会死?
因为 agent 让“一个人+一堆 agent”完成过去一支团队的工作。如果还按人头收费,客户会觉得被抢劫
Outcome-based 的本质是:
- 客户不为软件付钱,客户为“商业结果”付钱
- 软件公司从“卖工具”变成“承包商/合伙人”
- 收入与价值直接挂钩,天然更能穿越周期
Sierra 公开表达过这种理念:为 outcomes 付费,而不是为软件付费。一些二手分析也把它具体化为:按“成功自动解决/成功拦截人工成本”等结果收取单次费用(本质是把客户节省的成本或新增收入切一部分回来)
这里给你一个能直接用的落地判断:
Outcome 能不能被清晰计量?(解决、挽留、转化、回收欠款、风控拦截)
Outcome 是否与客户 P&L 强绑定?(直接影响收入或成本)
Outcome 是否可审计?(避免扯皮,能对账)
能满足这三条,才有资格谈 outcome-based
6)编程范式迁移:代码会变得更“可丢弃”,但“生成系统”变成核心资产
Bret 的“抛弃式 IP / 4个月就丢掉的代码”这个说法,背后是软件史的老规律:当底层平台高速迁移时,代码寿命会缩短;真正值钱的是“迁移能力”
AI 时代的“迁移能力”是什么?
你如何把需求变成 prompt / spec
你如何建立可重复的工程管线(测试、评审、上线、回滚)
你如何让系统持续产出可靠代码,而不是一次性写完
这就是提到的“Terraforming 软件”:不是守着代码,而是守着生成代码的系统(流程+提示词+评测+安全边界)
一句话:未来的“代码库”会越来越像“内容缓存”;真正的护城河是“生产体系”
7)董事会与管理:为什么 Bret 坚持“文档而不是 PPT”
这不是个人偏好,这是管理哲学:
- PPT 容易包装叙事
- 文档逼迫你把逻辑写全、把假设写清、把风险写透
- 最终会议讨论会从“听汇报”变成“做决策”
最终总纲:Bret 的“赢家模型”到底是什么
把所有点连起来,你会得到一个非常清晰的赢家模型:
Record 系统不会死,但必须长出 agent 层(从 System of Record 进化为 System of Action)
巨头被 Strategy Tax 卡住,初创公司更容易纯 AI-native
定价会从 seat/token 迁移到 outcome,软件公司变成“结果承包商”
真正护城河是合规行业的可控性工程,不是 demo 演示
工程资产从代码转向生产体系(prompt/spec/评测/上线治理)
相关观点
- Jack Altman 对话 Y Combinator(YC)的核心成员 Gary Tan(总裁兼 CEO)、Jared Friedman 和 Harj Taggar 讨论了 AI 时代下 YC 的演变、对初创公司的挑选标准、AI 对软件行业的冲击以及 YC 的未来规划 1. YC 的核心产品与传承 “霍格沃茨”式转型: Gary 将 YC 描述为“初创公司的迪士尼”或“霍格沃茨”。其核心产品是“转型”——将诚实、有技术能力的建设者转化为强大、令人敬畏的企业家 变与不变: 尽管时代在变,但 YC 的核心建议(“做出人们想要的东西”)从未改变。YC 的结构已经去中心化,现在拥有 15 个小组,每个合伙人像 PG(保罗·格雷厄姆)当年一样,以高度自治的方式运行自己的“迷你 YC” 2. AI 对编程和初创公司的颠覆 AI 极大缩短了开发周期: Gary 分享了他个人的经历:他利用 Claude Code 等工具,在 90 小时内重写了 2008 年初创公司 7 万行代码的代码库。过去需要 5 名工程师和 2 年时间完成的工作,现在一个人两周就能完成 招聘标准的改变: YC 现在允许申请者在申请过程中提交他们与 Claude 或 Cursor 的对话记录。评判标准不再仅仅是 CS 学位,而是“Agency”(能动性)和“Taste”(品味)。合伙人通过观察创始人的提示词(Prompt)逻辑,判断其是否理解系统设计、是否存在过度工程或过早优化 MVP 门槛大幅提高: 随着开发成本降低,初创公司在获得融资前的产品质量要求已经显著提高。创始人不仅要“做出东西”,更要迅速证明那是“人们想要的东西” 3. AI 时代的行业趋势 SaaS 的重组: 合伙人们讨论了“SaaS 是否已死”。观点倾向于认为,传统的、仅靠功能堆砌的 SaaS 难以为继,但作为“记录系统”(System of Record)或涉及资金/监管流程的产品(如 Ripling)依然具有强大的护城河 新一代 Salesforce 的诞生: 他们预测下一个 Salesforce 将诞生于 YC。新一代工具会利用 AI 彻底改变销售和报告逻辑,而不再依赖陈旧的集成体系 “蓝色海洋”市场: 预测市场(如 Kalshi)和稳定币支付正在成为新趋势。尽管竞争激烈,但 YC 建议创始人不要过度关注竞争对手(如 Harvey vs. Lora),而应专注于执行 4. 创始人的新特质与挑战 年轻化趋势: AI 革命更有利于年轻人。这一代创始人有一种“这是最后一次参与资本主义的机会”的紧迫感(担心 AI 很快会比人类做得更好) 从“雇员”到“资本”: 在 AI 时代,作为“劳动力”的风险在增加,而成为“创始人”(管理层转化为资本)的机会和可能性却在前所未有地提高 博弈想象力: Gary 认为现在的瓶颈不是资金,而是“想象力的缺乏”。初创公司不应只是追求微小的效率提升,而应思考如何利用 AI 彻底改变产品形态 5. YC 的未来战略 寻找更多的“Parker Conrad”: YC 希望挖掘更多像 Ripling 创始人 Parker 那样,虽然可能没有传统的技术背景,但具有极强商业智能和产品品味的人,因为 AI 工具让他们现在也能构建复杂的应用 下沉到社区: YC 正在进行大规模的线下活动(如访问 30 多个大学校园、前往印度和欧洲),旨在从更早期的阶段(如大一学生)影响潜在的创始人,打破 YC 只是“互联网上的高空机构”的印象 一年四期 batch: YC 已将每年的创业营从两期增加到四期,以消除创始人需要等待半年的瓶颈 6. 宏观政治与社会责任(针对加州和 SF) Gary 谈到了他对旧金山和加州政治的参与。他强调科技界需要站出来,确保政府能提供基本职能(如安全、教育),而不是单纯的“美德信号”(Virtue Signaling)。他支持那些实干型的政治领袖,认为这对于维持初创生态的健康至关重要 核心结论: AI 让软件开发的单位成本趋近于零,这使得 YC 能够资助更多、更多样化的初创公司。YC 的目标是继续扩大基础,寻找那些具有超强行动力和敏锐产品直觉的“天才异类” 本文内容来源 https://www.youtube.com/watch?v=s830OB11pqwJack Altman · 2026/03/04
- 随着越来越多的风投机构募集规模惊人的巨型基金,Benchmark 却是少数仍坚持保持小规模的“异类”之一。 Peter 清晰地阐述了,为什么保持小规模对 Benchmark 的运作方式至关重要。 他说:“更多的资本,意味着会被迫开展一大堆活动……而这些活动,会一点一点地侵蚀我们之所以从事这门生意的本质。” As many VCs raise eye poppingly large funds, Benchmark is one of the few hold outs staying small. Peter articulates why this is integral to how Benchmark works. "More capital equals a whole bunch of activities that...eat at the essence of why we practice the business.Jack Altman · 2026/02/05
- 在这段视频(《Uncapped with Jack Altman》第 38 集)中,Andreessen Horowitz (a16z) 的联合创始人 Ben Horowitz 深入探讨了他们如何将风险投资打造成一个“工业化机器”。 以下是视频中的核心内容与观点总结: 1. a16z 的核心哲学:风险投资是一种“产品” VC 作为创业助理: Ben 认为传统 VC 模式(给钱 + 偶尔喝咖啡提供建议)对创业者来说是一个“令人失望的产品” 。他希望提供的产品是:不仅给钱,还提供运营公司的建议和建立强大网络的能力。 “致胜”比“挑选”更重要: 他提出了一个非传统的观点:在 VC 领域,赢得交易(Winning)比挑选项目(Picking)更关键。他认为即使只是平均水平的挑选者,如果能赢得所有顶级交易,回报也会非常丰厚,而且顶尖的挑选者也会被吸引到能“赢”的平台上。 2. 管理与规模:为什么 a16z 能做这么大? 打破“合伙人僵局”: 大多数 VC 无法规模化是因为采用“共享控制权”的民主制,这会导致无法有效重组或权力再分配。a16z 采用了类似公司的 CEO 领导架构,允许 Ben 进行组织架构调整,以适应规模的翻倍。 平台的力量: a16z 拥有 600 名员工,为被投公司提供招聘、公关、政策咨询等全方位服务。这使得顶尖合伙人(如 Martin Casado 或 Chris Dixon)可以同时管理更多的董事会席位(超过传统极限的 8 个),因为背后的平台处理了大部分杂活。 不嫌“大”: Ben 认为“好风投”和“大规模风投”并不矛盾。虽然市场容量是有限制的,但 a16z 的目标是通过规模优势帮助美国在技术竞争中保持领先。 3. 董事会角色:治理与关键时刻 董事会是法律保护伞: 他强烈反对“不设董事会”的说法,认为这是对 CEO 极度危险的行为。在法律上,将重大决策通过董事会审议是保护 CEO 免受个人诉讼和刑事责任的关键手段。 价值体现在“关键时刻”: 平时董事会可能没多大用,但在公司存亡关头(如 DataBricks 早期没人愿意投 C 轮,或面对 40 亿美元的收购诱惑时),一个有远见的董事会成员可以改变公司的命运。 4. 媒体、品牌与“占领地盘” (Flooding the Zone) 自媒体策略: a16z 从 2009 年起就开始重视品牌。Ben 认为现在的媒体环境已经变了:渠道无限、品牌人格化(如马斯克代表特斯拉,黄仁勋代表英伟达)。 永远不要道歉,要“占领地盘”: 在现代公关中,如果你说错了话或遇到了公关危机,答案不是道歉或闭嘴,而是持续发布内容,用更多的信息流去覆盖和淡化危机。 5. 关于人才与领导力 寻找“非凡的优点”而非“平庸的完人”: 在投资时,要关注一个人在某个领域是否是世界顶级的强。不要因为对方不懂会计或不懂营销就拒绝,因为弱点可以弥补,但非凡的才华无法复制。 反对“虚伪的礼貌”: 真正的合作需要“残酷的诚实”。他与 Mark Andreessen 合作 30 年,关系更像亲戚,虽然经常争论,但这种直接的沟通是公司不断进化的动力。 总结: a16z 的成功在于将 VC 从一种“作坊式的技艺”转型为一种“专业化的服务平台”,并通过强大的品牌和管理机制解决了 VC 行业长期存在的规模化难题。 本文为基于公开视频的分析性总结,不构成原内容替代。Jack Altman · 2026/01/23
- 在这段视频(《Uncapped with Jack Altman》第 39 集)中,Jack Altman 采访了 Daniele Perito。Daniele 是 AI 安全公司 Depth First 的创始人,此前曾是估值百亿的批发平台 Faire 的联合创始人,并且是 Cash App 的创始团队成员。 以下是视频中关于创业、AI 安全及未来技术趋势的核心观点与内容总结: 1. AI 安全的新纪元:从“防熊”到“防 AI 熊” 安全范式的转变: 传统的安全理念是“你不需要跑得比熊快,只需要跑得比你旁边的人快”。但在 AI 时代,攻击者不再是一只熊,而是“一千只 AI 熊” 。这意味着攻击成本将大幅降低,频率将呈指数级增长。 AI 安全工程师: Depth First 的目标是打造“AI 安全工程师”,即利用成千上万个独立智能体(Agents)持续扫描代码、云配置和基础设施,识别那些传统启发式系统无法发现的、需要复杂逻辑推理才能识别的漏洞。 防御者的优势: 尽管攻击者只需找到一个漏洞,但防御者(AI)拥有“全上下文”优势。AI 可以花费数小时深度学习客户的代码库、历史提交记录和环境,这种深度理解是盲目攻击的黑客难以企及的。 2. 创业经验:Faire 与 Cash App 的启示 “先试后买”的顿悟: 在 Faire 早期,团队尝试过多种模式(如寄售、积分等),直到 Daniele 在一晚内写出了“Try before you buy”(延期支付+免费退货)的代码,第二天市场反应立刻爆棚,这才是真正的产品市场匹配(PMF)。 “2倍价值”心态: 在 Square 早期,Daniele 抱着“一个人在几百人的公司里也能让业务价值翻倍”的信念。他主动请缨解决 Cash App 的欺诈问题,最终通过机器学习系统将损失降低了 80%,这种“黑客式”的寻找价值路径的心态对创业至关重要。 “30个数据点”原则: 他建议不要迷信大数据,而是深入研究 30 个具体的数据点(如 30 个客户或 30 个报错)。这能帮你建立直觉,判断问题大概是在 60% 还是 10% 的区间,从而迅速做出决策。 3. AI 时代的决策与文化 不确定性是常态: 九年前创业可以假设系统处于稳定状态,但现在每三个月一切都在发生不可预测的变化。 打破“安全 vs. 效率”的假象: 过去安全检查往往会拖慢开发进度,但 AI 可以实现极速的代码审计,从而实现安全与生产力的统一。 认识论的谦逊: 经营市场型业务让 Daniele 变得更加谦逊,因为现实(A/B 测试)经常会打脸人类的直觉。 4. 技术愿景 强化学习(RL)+ 大语言模型(LLM): 通过强化学习训练模型去模仿超级黑客的思维,将多个细小漏洞串联成复杂的攻击路径,从而提前在防御端封堵这些路径。 安全市场的特殊性: 安全产品很难评估,因为“没发现漏洞”可能是因为系统安全,也可能是因为工具太差。AI 的推理能力和“展示工作过程”(列出所有假设)能显著提高买卖双方的信任。 总结观点: 软件正在统治世界,但目前的软件安全极度脆弱。如果不解决 AI 驱动的安全问题,我们就无法真正进入 AI 安全受控的未来。 本文为基于公开视频的分析性总结,不构成原内容替代。Jack Altman · 2026/01/23