首页人物观点在这段视频（《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。

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 AltmanEarly Stage Investor at Alt Capital

2026/01/23 06:46 UTC

观点原文

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：

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。

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。

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。

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。

ABAB AI 解读

下面我不把这段内容当作“技术创业者的个人心得”，而是把它上升为一套在 PMF、组织杠杆、AI 决策与安全范式中被反复验证的“高密度创业操作系统”。

这套系统的关键词只有一个：把不确定性，转化为可控的工程问题。

一、“先试后买”不是功能，是风险结构重排

在 Faire 早期，团队试过寄售、积分等方案都不奏效，直到 Daniele 一晚写出 Try before you buy（延期支付 + 免费退货），第二天数据爆炸。

这不是灵感，而是对交易摩擦的精准拆解。

真正的 PMF 顿悟在于：

你不是在卖商品
你是在卖“风险转移”

对买家而言：

最大成本不是价格
是买错的恐惧

“先试后买”把风险从买家 → 平台：

信任瞬间建立
决策时间急剧缩短
成交率非线性提升

📌 真正的 PMF，不是让产品更好，而是让“拒绝的理由消失”。

二、“2 倍价值”心态：这是顶级个体在大组织里的杠杆用法

Daniele 在 Square 时相信一件事：“一个人，也可以让几百人的组织价值翻倍。”

这不是自信，是价值密度思维。

他做了哪一步关键选择？

不去优化边角功能
不去“完成任务”
而是直奔 Cash App 的欺诈问题

在金融产品里：欺诈 = 隐性税

每减少 1 美元欺诈
就是 1 美元的净新增利润

他用机器学习把损失降了 80%，这是：

直接作用于 P&L
而不是“感觉更好”的改进

📌 顶级创业者和工程师的共同点：他们只盯“能让系统整体翻倍的那个节点”。

三、“30 个数据点”原则：这是反大数据迷信的直觉工程学

他说不要迷信大数据，而要深入看 30 个具体样本（客户、报错、案例）。

这不是经验主义，而是决策速度的优化算法。

为什么 30 个点反而更强？

人类无法从百万行数据中形成直觉

但可以从 30 个具体案例中：

看出模式
感知异常
判断严重度

真正重要的不是精确率，而是：这个问题是在 60% 区间，还是 10% 区间？

📌 创业决策的价值，不在“是否完全正确”，而在“是否足够快地大致正确”。

四、AI 时代的现实：不确定性已从“异常”变成“常态”

他说九年前创业可以假设系统是稳定的，而现在每三个月世界就重构一次。

这是对时代的冷静判断。

技术栈在变
分发渠道在变
监管在变
用户行为在变

📌 今天的公司，不是为稳定环境设计的，而是为“持续变化”而存在的。

这意味着：

长期路线图价值下降
快速试错、快速回滚能力价值暴增

五、打破“安全 vs 效率”的假象：AI 重构了这条边界

过去的软件工程里有一个假设：安全 ↑ → 速度 ↓

但 AI 彻底打破了这个权衡。为什么？

AI 可以：

实时审计代码
全量扫描历史提交
找出人类忽略的模式

结果是：

安全检查不再是“卡点”
而是持续、并行、自动化的流程

📌 当安全变成“即时反馈”，它就不再是负担，而是生产力的一部分。

六、RL + LLM：从“找漏洞”到“模拟黑客思维”

用强化学习（RL）+ 大语言模型（LLM）来模拟“超级黑客”的攻击路径，这是安全领域的范式跃迁。

传统安全的局限

单点漏洞扫描
静态规则
无法理解“组合攻击”

新范式的核心

模型像攻击者一样思考：如果我先拿到 A，再利用 B，是否能突破 C？

📌 真正危险的攻击，从来不是单一漏洞，而是漏洞之间的“路径”。

AI 的价值在于：

提前把“可能的攻击故事”演一遍
在防御端一次性封堵整条路径

七、安全市场的“信任悖论”，AI 正在破解

安全产品有一个根本问题：“没发现漏洞”究竟是系统安全，还是工具太差？

这让买卖双方长期处于不信任状态。

AI 的关键突破点在于：

展示推理过程（Show your work）
列出假设
列出排除路径
列出为何“这里没问题”

📌 当工具能解释“为什么安全”，而不仅是“我觉得安全”，信任才第一次变得可验证。

最终一句话总结（整套逻辑的内核）

顶级创业与决策的本质，是：把模糊的不确定性，拆解成可试验、可验证、可快速回滚的工程问题。

PMF 来自风险重排
杠杆来自系统级节点
决策来自小样本直觉

AI 的真正价值在于：让安全、效率与信任第一次站在同一边