#Stripe
馬斯克最新訪談:一旦你解鎖數字人類,就擁有數兆美元的收入機會
2026年2月6日,埃隆·馬斯克(Elon Musk)與Dwarkesh Patel及Stripe聯合創始人John Collison深度對話。馬斯克沒有談論遙遠的科幻,而是給出了一連串以“月”為單位的時間表和對現實的冷酷診斷:關於太空AI的暴論:未來36個月內,部署AI最便宜的地方將是太空。地球上,我們很快將撞上一堵堅硬的“電力牆”。關於機器人的終局:Optimus是“無限刷錢外掛”。當機器人開始製造機器人,經濟學的底層邏輯將被徹底改寫。關於中美博弈的警告:中國製造是“另一個維度的存在”。美國若沒有突破性創新,將完全失去未來主導權。這不僅僅是一次科技預言,更是一次關於 競爭與生存極限的硬核推演。今天,我們將這篇資訊密度極高的對話,整理為4個核心章節,帶你一同審視這些正在交匯的故事線,看清下一個時代的形狀與裂縫。本文根據埃隆·馬斯克的訪談進行整理,內容有所刪減。01 為什麼AI的未來必須在太空?1.核心診斷:地球能源之牆,太空陽光免費現在正是最有意思的時候,所有故事線此刻正在交匯。其實,我比任何人都更清楚資料中心總成本中只有10-15%是能源,絕大部分成本都在GPU上。有人會質疑,如果它們放在太空,維護會更困難,甚至根本無法維護,這會縮短它們的折舊周期,把GPU(註解:Graphics Processing Unit,圖形處理器,泛指AI計算晶片算力)放在太空顯然要昂貴得多。既然如此,為什麼要放到太空去呢?問題在於能源的可獲得性。如果你看看中國以外的電力產出,你會發現中國以外所有地方的產出基本持平,即便略有增長,也基本處於停滯狀態。只有中國的電力產出在快速增長。但如果你要把資料中心建在中國以外的任何地方,你的電力從那裡來?尤其是當你持續擴大規模時,晶片的產出幾乎呈指數級增長,但電力的產出卻毫無波瀾。因此,你怎麼啟動這些晶片?靠魔法電源嗎?還是靠神奇的電力仙子?眾所周知,我是太陽能擁躉。一太瓦的太陽能發電,按25%的容量係數計算,大約需要四太瓦的太陽能電池板。這只佔美國國土面積的1%。當我們擁有一個太瓦級的資料中心時,我們就已經進入技術奇點了。當然,我發現即便置身於奇點中,感覺也會是:“好吧,我們還有很長的路要走。”①太空實際上是一個規避監管的舉措,在地面上擴大規模比在太空更難。我覺得用太陽能電池板覆蓋一個州相當困難,比如內華達州,你需要獲得許可,你試試看能不能拿到那種規模的許可。②太空太陽能電池板的效率大約是地面的五倍,而且你不需要電池。因為在太空沒有晝夜循環、季節性變化、雲層或大氣層。僅大氣層就會導致大約30%的能量損失。③你還可以省去夜間所需的電池成本。實際上在太空做這件事要便宜得多。2.時間表與路徑:36個月,從科幻到最經濟現實我的預測是,太空將是部署AI最便宜的地方,且優勢會遠超其他任何地方。在未來36個月或更短時間內,太空將成為最便宜的地方。目前,我們發現我們的GPU相當可靠。早期故障率,這顯然可以在地面上解決。所以你可以先在地面上運行它們,確認沒有早期故障。但是一旦它們開始工作,並且過了輝達或任何晶片製造商,可能是特斯拉的AI6晶片,或者是TPU(註解:Google(Google)為機器學習任務自主研發的專用晶片)、Trainium(註解:亞馬遜雲科技(AWS)自主研發的專用晶片)之類的,初始偵錯周期後,在某個時間點之後,它們就相當可靠了。所以我認為維修不是問題。但你們記住我的話,真正能擴展的地方只有太空,一旦你開始考慮利用太陽能量的百分比,你就會意識到必須去太空,在地球上你無法大規模擴展。02 中國製造“降維打擊”與美國的唯一出路1.優勢碾壓:供應鏈、電力與勞動力人口的三重維度首先,供應鏈方面:中國礦石精煉能力強。在大多數領域,中國的製造業非常先進。只有少數幾個領域不是。中國是一個製造業強國,簡直是另一個維度的存在。你看礦石精煉,中國平均精煉的礦石量大約是世界其他地區的總和的兩倍。有一些領域,比如精煉用於太陽能電池的鎵。我想他們佔了98%的鎵精煉。所以中國實際上在大多數製造領域都非常先進。稀土材料,你知道,它們並不稀有。我們實際上在美國進行稀土礦石開採,把礦石裝上火車,然後裝上船運到中國,再換火車,運到中國的稀土精煉廠,然後他們精煉它,做成磁鐵,做成電機元件,再送回美國。所以我們真正缺少的是美國大量的礦石精煉能力。其次,勞動力人口:四倍於美國且人均產出高。我認為中國的主要優勢是熟練勞動力的豐富,中國人口大約是我們的四倍。老實說,我有這樣一種擔憂:如果人力資源是未來,現在如果是製造業的熟練勞動力決定誰能製造更多的人形機器人,中國有更多這樣的勞動力,它製造更多的人形機器人,也許會首先獲得Optimus(柯博文)的未來。當然,肯定不能只靠人力取勝。我們的出生率長期以來一直很低。美國的出生率自1971年左右以來一直低於更替水平。我們有很多人退休,國內死亡人數接近超過出生人數。所以我們肯定不能在人類方面取勝,但我們可能在機器人方面有機會。總之,無論你做什麼,美國的人口都只有中國的四分之一。如果你讓他們做這件事,他們就不能做那件事。最後,電力產出即將達美國三倍。中國是一個強國,我認為今年中國的電力產出將超過美國的三倍。電力產出是經濟的合理指標,為了營運工廠和一切,你需要電力,這是實體經濟的很好指標。如果中國的電力產出超過美國的三倍,那就意味著其工業能力——粗略近似,將是美國的三倍。所以,除非未來幾年出現某種人形機器人的遞迴奇蹟,否則在整個製造/能源/原材料鏈條上,中國無論在AI、製造電動汽車還是製造人形機器人方面都將佔據主導地位。前提是如果美國沒有突破性的創新,中國將完全主導。2.心態批判:常勝者的自滿與“贏太久”的陷阱老實說,美國贏得太久了……一支贏得很久的職業運動隊往往會變得自滿產生優越感,這就是他們停止贏的原因,因為他們不再那麼努力了。所以老實說,我觀察到中國的平均職業道德比美國高。不僅是人口是四倍,而且人們投入的工作量也更大。所以你可以嘗試重新安排人力,但你仍然只有四分之一的人口,假設生產率相同,但我認為實際上可能不是。我認為中國的人均生產率可能更高——我們做的事將是中國的四分之一。所以我們不能在人類方面取勝。3.破局點:唯有突破性創新才能避免“完全主導”中國在製造業上極具競爭力,比如,比亞迪在電動汽車產量或銷量上正在接近特斯拉。所以我認為將會有大量的中國車輛和基本上大多數製成品湧入。所以如果你深入到第四、第五級供應鏈的東西……在基礎層面,你有能源,然後是採礦和精煉。但這些基礎層,就像我說的,粗略估計,中國的精煉量是世界其他地區的總和的兩倍。所以任何特定產品都會有中國含量,而且他們會一直做到成品,包括汽車等。如果美國沒有突破性的創新,中國將完全主導。03 xAI藍圖,從“數字人類”切入兆美元市場1.市場洞察:數位化產出是最高價值所在有報導說xAI收入目前是10億美元,而“收入最大化的公司”正在創造100-200億美元的收入,OpenAI收入200億美元,Anthropic是100億美元。可能你會關心,xAI有什麼計畫來保持、達到他們的收入水平?事實上,“接近利潤最大化”的是AI。一旦你解鎖了數字人類,你基本上就擁有了數兆美元的收入機會。實際上,你可以把它想成……目前市值最高的公司,它們的產出是數字的。輝達的產出是將檔案通過FTP傳送到台灣,是數字的。蘋果不製造手機,他們把檔案傳送到中國。微軟不製造任何東西,即使是Xbox,也是外包的,他們的產出是數字的。Meta(註解:馬克·祖克柏創立、並於2021年更名為‌Meta Platform Inc.‌的美國網際網路科技巨頭)的產出是數字的。Google的產出是數字的。所以如果你有一個人體模擬器,你基本上可以一夜之間創造出一家世界上最有價值的公司,你將獲得數兆美元的收入。這不是個小數目。2.落地路徑:沿難度曲線向上,從客服到晶片設計今天的收入數字與實際的潛在市場規模相比都是舍入誤差,所以只需專注於TAM以及如何到達那裡。拿像客服這樣簡單的事情來說。如果你必須與現有公司的API整合,其中許多甚至沒有API,所以你必須做一個,並且必須費力處理遺留軟體,那會極其緩慢。然而,如果AI能夠簡單地接手他們已經使用的客服外包公司所給予的任務,並使用他們已經使用的應用程式來做客服,那麼你就能在客服方面取得巨大進展。我認為這大概是世界經濟的1%左右,全部加起來接近一兆美元,而且沒有進入壁壘。你可以立即說,“我們可以以一小部分成本外包”,而且不需要整合。04 CEO是“限制因素粉碎機”1.聚焦於“限制因素”,問題越大見我的頻率越高我有很多很多公司,聽起來在每一個公司裡,我都會深入瞭解相關瓶頸,以便與人們進行這些評審。實際上我與TheBoring Company(掘進公司)沒有定期會議,所以The Boring Company只是按部就班地前進。基本上,如果某件事運行良好並取得良好進展,那麼我就不需要花時間在上面了。我實際上是根據限制因素來分配時間。那裡有問題?我們在那裡遇到阻礙?是什麼拖慢了我們的步伐?我聚焦於這些限制因素。當然,限制因素不一定是進展糟糕,而是我們需要讓它進展更快的東西。諷刺的是,如果某件事進展順利,他們就不會經常見到我。但如果某件事進展糟糕,他們會經常見到我。2.防止資訊被“粉飾”:開放式的會議風格當SpaceX或特斯拉的某事成為限制因素時,大多數是每周一次,有些是每周兩次會議。AI5晶片評審會是每周兩次,每個星期二和星期六是晶片評審會。會議時長是開放式的,通常是兩三個小時,有時更短,這取決於我們需要討論多少資訊。事實上,我主持的更多是開放式的、“我們討論直到弄清楚”類型的事情。有時候,但大多數似乎基本上都能按時完成。今天的星艦工程評審時間稍長,因為有更多話題要討論。他們正在想辦法如何擴展到每年一百萬噸以上的入軌能力,這相當具有挑戰性。 (藍血研究)
微軟CEO納德拉最新訪談,資訊量很大!
內容來源:微軟CEO納德拉與Stripe聯合創始人約翰·科裡森(John Collison)的對話。商業思維筆記君說:如今的微軟,已是市值全球第一的科技巨無霸。但在納德拉眼中,輝煌之下始終潛伏著危機。回望90年代,微軟坐擁一群天才,卻差點錯失網際網路;2000年市值登頂,卻在此後陷入迷茫。歷史總是驚人的相似,但納德拉不想重蹈覆轍。面對AI浪潮,大多數人還在焦慮模型參數,納德拉卻在思考更深層的問題:當AI成為新的“組織層”,企業的“主權”還在嗎?當機器掌握了知識,組織的邊界在那裡?在這場與Stripe創始人的對話中,納德拉毫無保留地拆解了微軟的AI焦慮、技術堆疊佈局以及他對未來軟體、商業與文化的終極思考。一、與其羨慕別人 不如建構自己的護城河1.知識圖譜,將是“殺手級”應用對微軟來說,要確保AI真正“滲透”到企業內部。不是讓大家去仰望別人家的AI工廠或 AI Agent,而是思考“如何建構屬於你自己的AI 工廠”。其中最複雜的部分是組織企業內部的資料層,這需要跨越整個企業體系,並讓資料能夠與智能層真正對接。我想這會是我們重點推進的方向。我們要做的最大一件事建立了圖譜,把那張隱藏在企業最重要資料庫之下的關係圖釋放出來。那些資料庫就是包括你的郵件、文件、Teams會議等等背後的系統。所有人都不是臨時、無結構地工作,而是在圍繞某個業務事件進行協同。這將是一種“殺手級應用”,以前,語義關係一直都只存在在人腦裡,也一直都丟失掉了,而現在你第一次可以真正呼叫起來。當然,這一切其實剛剛開始。和我們以往推出 Office 套件相比,這次算是歷史上“最快”的一次變革。但歸根結底,這屬於“變革管理”。你得真正把它部署進去,人們得真正用起來。而且在企業環境中,一切還必須滿足審計要求,資料治理要能跑通。這是很大的工程,但我們現在終於開始看到加速的跡象。另一點是:讓它在Microsoft 365 Graph(圖譜)內部工作是一回事,那 ERP 系統怎麼辦?現在的連接器“能用但很弱”,就像一根細吸管。你需要的是一個更好的資料架構,把所有東西語義化嵌入在同一個層裡。如果我沒記錯的話,Bill(比爾·蓋茲)90 年代就提出了“information at your fingertips(資訊觸手可及)”。他一直非常執念。我記得很清楚,我那時還只是個新人,他說過一句話:“軟體只分一個類別:資訊管理。你只需要結構化人、地點和事物,就夠了。”他討厭檔案系統,因為它不結構化。若所有東西都是SQL資料庫,那他就能寫 SQL 來處理所有資訊,那才是優雅的解決方案。問題是人是混亂的。即便資料結構化了,它也不可能真的給你一個統一的索引或 SQL 查詢把所有內容都調出來。這就是過去時代最大的挑戰。我們以前從來沒想過,最後解決這個問題的不是某種極複雜的資料模型,而是一個規模巨大的深度神經網路,靠算力堆出的參數的“捕捉模式”。2.agent的三大基石模型有兩個關鍵——“上下文學習”和“持續學習”。如果你把模型的認知能力和知識分離,那麼從本質上,你就得到了一個持續學習的架構:演算法是獨立的,知識可以被更新。不過模型執行階段,有三樣關鍵東西必須放在模型之外:記憶:包括短期、長期,以及人類擅長的長期信用分配。權限體系:模型必須遵守角色權限、訪問規則。行動空間:模型可執行的操作必須被系統定義。這三個就是“環境”。如果模型擁有行動、權限管理和記憶,就能持續學習。而這些都必須在模型之外、但又與模型深度結合。例如, Copilot 今天用的是 OpenAI 模型,也能用 Claude,系統必須讓它們都能工作。我認為下一階段的突破就在這裡。3.微軟的AI技術堆疊微軟的AI佈局分為三層:第一層:基礎設施業務(token 工廠)。我們必須極其擅長打造“token工廠”,也就是以最低的“成本/能耗”生產最多的 token。第二層:智能體工廠(agent 工廠)。與 token 工廠不同,agent 工廠的目標是用token 驅動真實業務價值或消費者價值。這就像新的應用伺服器(App Server),是 AI 時代的新“應用層”。第三層:AI 系統(Copilot 家族)。包括資訊工作(Office)、軟體開發(GitHub Copilot)、安全(Security)這是三個水平層。除此之外,我們在業務應用上也深度投入到醫療與科學領域。二、微軟的歷史教訓 範式正確不代表一定會贏1.差點錯過網際網路浪潮1994 年,我住在微軟園區旁邊的公寓,那裡聚集了一大幫天才,我們卻錯過了網際網路。作為當年一個新人,回看那段歷史,我的感覺是:我們其實理解網際網路,但又不完全理解。比如我們不相信TCP/IP 能成,我們覺得必須有服務質量保證,所以建構的是資訊高速公路。MSN 最早還是X.25 網路,因為我們在和AOL的撥號上網競爭。但 Bill在 95 年果斷轉向了。就在 Windows 95 推出時,他說:“一切都會改變。”所以大概93–95年之間,技術堆疊到底會不會是開放網際網路,還不清楚,但 Mosaic 瀏覽器出來之後,一切變得清晰,然後微軟全面轉向。還有另外一個教訓。我一直關注的一件有趣事情是——我認為這可以遷移到 AI 上:首先你得把“範式”認清楚。但即使你認清了範式,也不意味著你能找到那個殺手級應用,甚至不意味著你能找到正確的商業模式。歷史上一直如此。比如網際網路,誰能想到在開放 Web上,一個具有網路效應的搜尋引擎竟然會成為“組織層”?我常說,根本不存在所謂的“開放網頁”,只有“Google的網頁”,因為Google徹底統治了它。回頭看很有意思:AOL和MSN輸給了開放Web,大概可以這麼說。但它們又被新的 AOL 和 MSN 形式替代了:它們叫搜尋引擎、叫應用程式商店。移動 Web 就是一個非常迷人的例子。對我來說,更深刻的觀察是:即使在開放生態中,“組織層”仍會不斷出現,而大量的品類力量會流向這個組織層。只是每一次這個組織層是什麼都不確定,上一代是搜尋引擎,今天是聊天機器人。它能持續多久?沒人知道,但今天它毋庸置疑存在。ChatGPT 的成功不可否認,它已經成為一種新的聚合點。搜尋引擎、應用程式商店也曾經是組織層。那麼下一步是什麼?在“智能體市場”或“智能體電商”中,電商又會變成什麼?這些都是未來要討論的問題。2.做“顯然該做的事”遠遠不夠2000年,我們成為了市值最大的公司,超過了GE。我記得那個時刻。回頭看,即便拋開金融周期,當時的長期趨勢非常明確:網際網路會成為主導。因為那個時候商業模式已經開始出現。對微軟來說,當時最大的教訓是:天啊,連我們的第一反應(做瀏覽器、做 Web 伺服器、把網際網路協議塞進所有產品、用 FrontPage 做網站建構器……)這些“顯然該做的事情”都不夠。我們意識到不能只做顯然的事情,我們必須重新發明自己正在做的東西,同時理解新的商業模式。從某種意義上講,那輪泡沫周期確實像是從天而降,由某種非理性繁榮驅動的。但當泡沫破滅時,它也確實洗掉了一堆糟粕。但真正好的點子都活了下來。現在我看這次浪潮,有兩個特點:一是基礎設施這次是“立刻就需要”的,不像以前那樣——你建好一條暗光纖,還得等某家公司十億使用者才能把它點亮。說實話,這一次我們是落後的一方。我們不是坐在那裡說“我 GPU 都架好了但沒有人用”。完全不是。我只希望更高的利用率……但我沒有“資源空著沒人用”的問題。恰恰相反:我必須趕緊拿到更多的供應。而且不可能做到供應鏈完全匹配需求,因為這次建設周期很長。長周期部分包括:土地批准、電力批准、站點位置……我們現在甚至需要給華爾街解釋:這些資產,有的使用周期20年,有的4–5 年。你必須用不同思路做決策。一個冷機房空在那裡根本沒什麼——就像一個公司有五座空樓,不會成為資產負擔。所以,現在最大的瓶頸就是“熱機房”,能接上電、馬上裝機、馬上點亮。如果我沒有足夠多已經通電的機房,我就無法把機架推進去、裝機、投入營運。3.高估競爭的“零和”我們經常高估了競爭是“零和”的。你需要很敏銳地判斷那些生意天然是“多玩家”。例如云:當年Azure啟動時,大家都說AWS已經太領先,第二名沒有空間了。但我從與 Oracle 和 IBM 競爭的經驗中知道:企業永遠不會只要一家雲。所以我們堅持做 Azure。如果你“捆綁過度”,反而會縮小市場。例如Azure 原來叫Windows Azure,問題巨大,因為雲不可能只支援 Windows。我們必須把 Linux 當作頭等公民,把 MySQL、Postgres 當頭等公民,這是贏下 TAM 的必要條件。我對模組化的原則是:什麼配置能最大化市場?什麼能真正滿足客戶?什麼能保持競爭力?我們必須先贏下來,至於未來他們是否願意遷移,那是另一回事。Outlook把郵件、日曆、聯絡人整合在一起,Teams則是把聊天、頻道、視訊等功能組合成一個“工作空間”。這類集束本身就是一種產品形態,但你仍然需要在底層保持足夠的原子化能力:確保模組化不會犧牲競爭力。如果你做了一個“超級雲”,但只能跑 Windows 和 SQL,那只能佔市場的一小塊而已。AI 堆疊也是一樣,我希望基礎設施、應用伺服器、應用層,三個層次都能獨立站得住。使用者可以從任意一層進入。三、對未來的思考1.未來的軟體是跨工作流的從某種意義上說,表格這種東西……我覺得它體現了“列表與表格的力量”。它和軟體的可塑性結合在一起,才成為一個完美的存在。我們可能會加很多花裡胡哨的功能,但它的核心不會變。電子表格也是一樣,我們從來沒有給它足夠的重視。其實你可以認為它是全世界最容易上手的程式設計環境,甚至在“不知道自己在程式設計”的情況下就開始用了。這是它的另一重美妙之處。反過來看,現在的AI,我們依然把它“神秘化”得太厲害。你我都討論過:天啊,我們需要變革管理、組織重構等等……但當年電子表格剛出現時,沒有人說“需要變革管理”。大家直接用就完了。我們現在處在一個類似的時代,即將出現新的“工作產物與工作流程”,從底層重塑、重新發明。某種程度上,我們已經能生成所有程式碼,所以也就能生成更定製化的 UI 框架。實際上我們過去就在討論:文件、網站、應用之間到底有什麼本質區別?都是不同形式的表達而已。同樣有趣的是,雖然大家說“應用會消失”,但看看我們的老朋友 Excel 和 VS Code——它們其實又回來了。因為 AI 會生成內容,而我需要理解和編輯這些內容。我需要一個優秀的編輯器,能夠讓我對AI生成的結果做 diff、做迭代。因此,IDE 會迎來全新的一代,它們會與智能層有遙測循環,同時像“抬頭顯示器”(HUD)一樣,幫助我管理數千個平行的 agent。我得理解它們的工作,並對其進行“微調度”。這就是未來 IDE、收件箱、消息工具的樣子。我在思考:未來我們如何與大量 agent 協作?我會發佈大量指令,agents 會執行數小時甚至數天,然後不斷回報進度。我又如何在有上下文的情況下進行微調?絕不能是今天這種“通知地獄”——給我 5 個字,我完全不知道上下文。未來的軟體必須是跨應用、跨工作流的。最終,大多數軟體在成熟後都會變成:一個 inbox(收件箱)、一個消息工具、一個畫布,螢幕上不斷閃爍結果,但大量工作已在後台完成。我認為仍然是少數幾個。甚至從“極簡主義”的角度看,可能還是那幾個,只是它們執行的任務變了。比如說:人類喜歡表格、喜歡線性的文件、喜歡 inbox / messaging,這些 UI 其實是經過驗證的。2.智能體電商我們一直以來都有一個想法:什麼樣的“基礎設施”對商家最友好?什麼樣對消費者最友好?有沒有一種完美匹配?“對話式電商”大家談了很多年,而現在靠你們與其他團隊的工作,我們真的能把商家、使用者,通過一個智能體式的體驗連在一起。當然現在還很早,必須做得“有品位”、能贏得使用者信任。但我真的非常激動。我經常在各個平台上找東西。亞馬遜、沃爾瑪 等等的站內搜尋真的不太行。但聊天式體驗真的太好用了。而且關鍵是,它會回到商家的商品目錄。目錄依然是王,但如果我能把“目錄 + 支付”結合起來,那體驗就完全無縫了。目前,“關鍵詞搜尋”是最合理的找東西方式,本質上是一個“定製化商品目錄”。它的結果不像搜尋引擎結果頁那樣機械。現在有一個巨大問題:目錄質量參差不齊,缺少可推理的資料結構。解決這個問題之後,每一個商品都能找到屬於它的搜尋請求。那對每個商家來說,怎樣才能以最低摩擦接入“智能體工作流”?最終每個商家可能都會說:“我有商品目錄,我有支付系統。請幫我以最簡便的方式接入所有智能體。”“通用介面”的方式正在流行,讓他們點一個按鈕就能啟用“智能體電商”,而不是跑去自己搭MCP伺服器。而誰把這件事做得“優雅、有品位”,誰就贏得未來。在智能體世界裡,這些流程可以完全打通,不再像今天這樣處處是縫。3.重新定義“公司主權”:隱性知識的權重化所有國家與政策制定者都非常關注資料主權的話題,也確實有合理原因。但在 AI 時代,我對“主權”的看法有些變化了。真正的主權問題其實是:公司的未來是什麼?按照科斯定理的邏輯,如果模型是那個掌握所有知識的東西,那為什麼組織內部還需要存在?組織存在是因為內部交易成本更低、存在“隱性知識”。但如果模型知道一切,這會被徹底顛覆。所以我現在認為:未來核心主權,是企業對其自身模型的主權,不是別人家的基礎模型,而是你的公司是否擁有一個屬於自己的基礎模型,它能夠吸收你的隱性知識,使組織內部知識的積累與擴散成本更低。這就是未來意義上的“主權”。我最關心的是“隱性知識到底存在於那裡”。它顯然存在於人腦中,是通過時間積累的 know-how。但它也會以權重的形式存在於某些屬於你的 LoRA(模型微調層) 層中。未來的智慧財產權,不僅是員工和檔案,還有一些“嵌在模型裡的東西”。但你怎樣保護這些能力不會“洩漏”回基礎模型?我認為未來公司形態是這樣的:基礎模型提供通用能力,而公司自己通過多個模型、記憶、工具呼叫、獨特的資料,建構出屬於自己的“智能層”。4.打造模型選擇器在消費產品領域,這是我們第一次看到:當你切換模型時,變化並不一致,而且每個人受到的影響都不一樣。人格、風格等等,會成為全新的維度。從另一個角度看,這說明:AI 模型的差異化不止IQ,還有EQ,還有風格偏好等維度。但從長期來看,我認為關鍵是模型必須持續提升,尤其是在最難、最高價值的任務上。然後你要不斷根據任務進行最佳化。對我們這種產品建構者而言,我的目標是讓最強的模型上線,但真正投入生產的,會是一組“多模型陣列”。我最終希望有一個“模型選擇器”。你需要建構一組模型,中間由 agent 來協調,根據使用者偏好和任務來決定使用什麼。它要足夠智能,能夠知道這個任務需要多少算力、需要那種智能——如同GitHub裡的Auto功能。我們都很難改變自己的默認設定,這就是為什麼“預設值”如此重要。甚至連模型選擇介面,如果你拿掉,人們都會不滿。但從長期來看,如果我能信任某個系統,它每次幫我選模型時都能做出“令人愉悅的選擇”,我就會把選擇權交出去。四、微軟的企業文化1.最親民的工作方式,是與客戶保持溝通我日常工作的核心其實有兩個部分:首先,是與客戶相關的事情。基本上沒有那一天我不跟客戶開會,這是讓我保持“親民”的最好方式。然後,就是大量的會議。作為 CEO,我逐漸意識到,其實會議分兩種:一種是我只需要召集大家,然後閉上嘴,不要表現過度,因為召集本身就是這次會議最重要的事。所有的工作要麼已經在會前完成了,要麼會在會後繼續。而另一類會議則很重要,我必須學習、必須做決策、或者必須傳達某些重要內容。然後我必須說,我花大量時間在Teams的頻道里“閒逛”,這對我幫助最大。我從那裡學到的最多,認識的人也最多。最棒的就是,我能在裡面建立最多聯絡。我能知道:“哇,他原來是做Excel Agent的人;哦,那是他們在看的評估結果。”我從裡面學到的東西比別的任何方式都多。其實我覺得我們權限體系太嚴格了,我希望自己能有更多存取權。事實上,我最大的抱怨就是我不能隨便進入所有地方。但能偶爾進去看看確實很有趣,而且它讓一切變得更“正常化”。而且今天的員工可不羞於表達意見。2.創始人是一家公司最強基因我一直都有一種“開發者關係/技術布道”的基因,微軟文化裡本身也有這個傳統。我對事情的看法一直是:如果你不跟著開發者走,你就很難保持技術平台的相關性;而如果你不瞭解新的工作負載,你也建不好技術平台。這兩件事深深刻在我腦子裡。所以如果你不關注創業公司,你就很難真正理解平台和工作負載的變化。這一直是我非常在意的。還有一點:我可以從中獲得巨大的能量。我一直覺得創始人是能“從無到有”創造東西的魔法師。這簡直像魔術。所以我一直好奇,他們到底是怎麼做到的?例如,我從Stripe學到的最重要的一件事,就是重新發現微軟當年的優勢:跟著開發者、跟著創業公司走。這也是我後來推動 GitHub、NAT 等等的原因之一。GitHub 不只是一個戰略資產,它是整個開源生態的核心,而且每家創業公司的程式碼倉庫都在那裡。我覺得必須參與那條“循環”,不僅是為了戰略地位,而是為了學習、為了建構更好的產品。否則,你很容易丟失那種“低摩擦、快速獲得價值”的產品美學,而創業公司對耐心最少、對效率要求最高。創始人很特殊的一個群體。因為他們從零開始一起成長,這種工作記憶和直覺是獨一無二的。作為繼任CEO,你不可能完全複製創始人的方式。我1992年加入微軟,沒經歷八十年代早期,所以有些認知只能創始人CEO才能把握。所以我認為,要尊重創始人獨特能力,創始人也要尊重繼任者,知道他們不能完全照搬自己做法。這就是所謂的“創始人模式”與繼任CEO模式的微妙差別:你可以部分沿用創始人的模式,但不能把自己當作創始人。3.文化是團隊塑造的我想,微軟應該追回八十年代的那些精神。八十年代,微軟的願景是“軟體工廠”,不是某個單一平台。九十年代微軟太龐大了,我們的產品自然傾向於繫結。我在上任時意識到:我們沒有移動平台,如果不擁抱更開放的市場,我們就會失去自身的重要性。幸運的是,“把軟體帶到所有平台”本來就是微軟的DNA,不是我憑空指令。我從“部門互相拿槍指著彼此”的著名漫畫中學到兩點。首先,我是微軟的“老內部人”,過去三十多年公司的好壞我都經歷過。那張漫畫反映的問題之一是:我們失去了自己的敘事權,讓別人來替我們定義文化。這就是社交媒體時代的風險。當然,組織間確實有真實的張力,那是必要的,不是壞事。目標不是“內部和諧”,而是“贏得市場”,有時候甚至需要刻意設定兩個競爭團隊。領導者的挑戰是:在一個員工從外界獲得絕大部分資訊的時代,如何讓組織堅持自己的內在力量,而不被綁架?另一個文化誤解是,很多人認為權力高度集中在上層。事實上權力是分散的,文化是“微文化”的集合。我之所以能在微軟一直待下去,是因為我幸運地加入了那些“讓人能成長的團隊”。所以作為CEO,我的任務是:需要提供一個一致的敘事(如“成長型心態”),讓每個團隊能塑造自己的正向文化,不讓社交媒體標籤決定公司是誰,這才是文化真正的關鍵。當你接手創始人建立的公司時,Steve 和 Bill 打下了基礎,Paul 和 Bill 擴大了公司,我算是第一批“非創始人CEO”。我很快意識到:你需要一支團隊。不僅是管理範圍的問題,還包括清楚CEO自己需要做什麼;那些業務需要CEO 來綜合判斷;為文化設定標準;建立績效文化。你不能只關注長期,也不能只關注短期,你必須兩者兼顧。但核心是把只有你能做的四五件關鍵事抓好,然後打造團隊。即便在500人的公司,這也是必須做的,只不過在小公司你還能把細節記在腦子裡。 (筆記俠)
Stripe引領加密轉型:穩定幣的未來
Stripe引領加密轉型:穩定幣的未來金融科技巨頭Stripe(估值900億美元,年處理全球1.3% GDP的支付量)正在引領一場深刻的“加密轉型”。通過對穩定幣平台Bridge超過10億美元的收購,Stripe明確了其未來戰略的核心:穩定幣是下一代金融基礎設施的基石。本文將基於Stripe加密業務核心人物扎克·艾布拉姆斯(Zach Abrams)的深入見解,聚焦於穩定幣的實際效用、市場結構的演變、現有區塊鏈的技術瓶頸以及未來金融體系的代幣化趨勢。核心觀點一:穩定幣的價值主張是實用主義穩定幣之所以能成為金融科技與加密世界融合的橋樑,其根本原因在於它提供了在成本、速度和透明度三個維度上均優於傳統金融體系的解決方案。量化優勢:成本與速度:跨境支付場景是最佳例證。穩定幣繞過複雜的代理行網路,實現近乎即時的全球結算,費用遠低於傳統電匯。透明度與可追溯性:傳統電匯是一個“黑箱系統”。一次電匯失敗的追蹤可能耗時48至72小時,且無法保證結果。相比之下,每一筆穩定幣交易在區塊鏈上都有公開、不可篡改的記錄,從傳送到確認再到交付,狀態全程可查。這種確定性是傳統金融無法比擬的。驅動因素:企業和開發者採用穩定幣,並非為了追求去中心化的理想,而是因為它能實實在在地解決商業問題,如降低營運成本、提高資金周轉效率、開拓全球市場。這種基於經濟理性的選擇是推動穩定幣普及的根本動力。核心觀點二:未來穩定幣市場將呈現分層化和多樣化結構當前由 Tether (USDT) 和 Circle (USDC) 主導的市場格局只是初期階段。隨著監管的明確(如美國的《Genius法案》)和應用的深化,穩定幣市場將演變為一個更加複雜和豐富的生態系統。市場結構預測:少數品牌化的外部穩定幣(Branded External Stablecoins):預計將存在5個左右的主流品牌,如USDC。它們將作為全球公共流動性層,擁有最廣泛的交易對和最深厚的市場網路效應。海量的內部化企業/銀行穩定幣(Internal Corporate Stablecoins):這將是未來市場的主體。大型企業(如沃爾瑪、亞馬遜)和金融機構(如摩根大通、富國銀行)將發行自己的穩定幣。動機:控制權:完全掌控儲備金,避免將核心資產託管於競爭對手(例如,富國銀行絕不會將其儲備金存放在摩根大通來使用後者的穩定幣)。收益權:直接獲取儲備資產(如短期國債)產生的4%左右的收益,而非讓渡給第三方發行商。可程式設計性:根據自身業務需求,自訂穩定幣的智能合約功能,例如設定無銷毀費用(burn fees)以最佳化內部資金流轉。3.  應用專屬穩定幣(Application-Specific Stablecoins):特定應用(如PolyMarket)可能會發行自己的穩定幣(如PolyUSD),以最佳化內部經濟模型、捕獲價值並確保對底層技術的控制。互操作性:這些數以萬計的穩定幣將通過一個專用的穩定幣清算所(Clearing House)實現互聯互通。銀行和企業間的穩定幣轉移將在日終進行淨額結算,屆時才會發生底層法幣(Layer 1)的實際轉移。這將導致每發生一次法幣結算,背後可能對應著數百萬次穩定幣的流動。核心觀點三:現有通用區塊鏈無法滿足支付規模(Payment Scale)的需求儘管Solana等高性能公鏈在交易速度(TPS)上表現出色,但在處理大規模、高並行的企業級支付應用時,仍面臨嚴重的技術和經濟瓶頸。具體挑戰:啟動成本:在Solana上為數百萬使用者建立並啟動USDC錢包,僅初始化的網路費用就可能高達數十萬甚至上百萬美元(每個錢包約需0.3美元的SOL)。這對於尚未驗證使用者需求的產品來說是難以承受的。並行處理瓶頸:在Stellar(一個以高吞吐量著稱的鏈)上同時傳送數萬筆援助付款,完成所有交易耗時18個小時,且失敗率很高。這證明了現有架構無法處理大規模的同步支付。“鄰居效應”:公鏈的開放性意味著支付交易可能會因為一個熱門Meme幣(如Trumpcoin)的發行而堵塞或失敗,這對於要求高可靠性的金融應用是不可接受的。解決方案:專用支付區塊鏈Tempo定位:Tempo是一個由Stripe等金融科技公司貢獻的、中立的Layer 1 EVM相容鏈,其設計目標是成為穩定幣支付的公共基礎設施。核心特性:超高吞吐量和亞秒級最終確定性。隔離網路資源,避免“鄰居效應”。隱私交易,滿足企業合規需求。市場邏輯:Tempo並非要取代以太坊或Solana等通用鏈,而是專注於解決它們無法覆蓋的“支付”這一特定垂直領域的問題,形成互補關係。核心觀點四:金融的未來是徹底的代幣化和錢包化未來五年,金融科技和傳統金融將經歷一場底層架構的範式轉移。帳戶即錢包(Account as a Wallet):所有金融帳戶(無論是銀行帳戶還是Fintech App帳戶)的後端都將由加密錢包驅動。資產即代幣(Asset as a Token):所有類別的金融資產,包括美元、歐元、股票、國債,都將以標準化代幣的形式在區塊鏈上發行和流通。開源金融服務:企業將能夠利用全球開發者在開放區塊鏈上建構的各種金融產品(如代幣化的巴西雷亞爾、代幣化的國債),極大地加速國際化擴張和產品創新。企業將從“自己建構一切”的封閉模式,轉向“整合全球開源元件”的開放模式。AI代理的原生貨幣:當前金融系統要求使用者必須是人類。AI代理作為新興的經濟主體,無法在傳統體系中開戶。穩定幣和加密錢包提供了一個無需人類身份的帳戶體系,使其成為AI進行經濟活動(微支付、流式支付)的原生金融層。預計穩定幣將成為AI時代的“信用卡”。結論:根據美國財政部的預測,到2028年,僅美元穩定幣的市場規模就將達到3兆美元。如果考慮到其他貨幣的代幣化,市場潛力將是數量級的增長。推動這一指數級增長的核心障礙已從技術可行性轉向監管明確性、行業教育和專業人才的極度稀缺。Stripe等公司的入局,正在通過提供更簡單的API、建構更可靠的基礎設施和推動行業標準,系統性地解決這些問題,從而加速整個金融世界的“加密轉型”。 (道哥講技術)