“现在美国大厂纠结的，是敢不敢用中国模型。”
最近 Fable 5 和 GPT-5.6 双双被美国管制，让人不禁想到 Sam Altman 和 Dario Amodei 两人隔三差五就在媒体上预言“AI 将淘汰所有人，资本主义即将终结”。
但刚把数据存储巨头 Rubrik 送上市、转头又创办了 72 亿美元 AI 独角兽 Glean 的 Arvind Jain，却不这么认为：在他看来，前沿大模型层（Model Layer）正在迅速商品化，而那些不可一世的模型巨头，其实根本赢不了软件的应用层。
Arvind 的冷酷来源于他对企业级软件的常识。当 OpenAI 和 Anthropic 纷纷推出面向医疗、金融的垂直套件，甚至试图通过开放协议连接企业系统时，他觉得这些动作都“太浅了”。在真实的商业世界里，没有哪个设计师会因为 Claude 的画图功能而放弃 Figma。企业级 AI 的底层壁垒，是极其复杂的深层上下文与权限管理。直接用模型接口去“暴力检索”企业数据，不仅慢，还会制造企业无法承受的 Token 账单——Glean 内部曾用一个 AI Agent 去自动处理 15 人值班小组 95% 的线上故障警报，结果单月就烧掉了高达 100 万美元的算力费，比雇人还贵。
这种高昂的物理成本，也戳破了“AI 时代企业应该裁员到 10 人”的幻觉。Glean 拥有 1000 多名员工，Arvind 还计划在未来五年内把规模扩大到 5000 人。他的逻辑非常直白：两家竞品同时拥有一样的 AI 工具，选择裁员省钱的那一家，注定打不过保持规模、并用 AI 去做 10 倍好产品的竞争对手。在与 20VC 主持人 Harry Stebbings 的最新对话中，他用最冷峻的成本账单，拆解了大模型巨头在应用层的幻觉，以及中美开源生态的残酷现实：
- OpenAI 和 Anthropic 赢不下软件应用层，他们推出的垂直套件都太浅了。巨头们试图用一个通用大模型解决一切，但设计、金融等专业领域的业务壁垒极深。没有设计师会因为 Claude 拥有某些设计功能就放弃 Figma。这些垂直尝试目前只能吸引非专业用户，无法触及核心业务。
- 套个接口连数据库不等于企业级 AI，这种“暴力检索”不仅慢，而且极其昂贵。企业级应用真正的壁垒是复杂的深层上下文与权限管理。直接用大模型暴力去匹配企业数据，模型会浪费海量 Token 在无意义的信息搬运上。Glean 曾用一个排障 Agent 自动处理 15 人值班小组 95% 的线上警报，结果单月烧掉了 100 万美元。
- AI 不会缩小公司的规模，相反，它会让想赢的公司变得比以前大 10 倍。幻想 AI 时代企业可以收缩到 10 人是一种消极的防守思维。在 AI 工具对等的情况下，选择裁员省钱的那一家，注定会被保持团队规模、用 AI 去做 10 倍好产品的对手彻底打败。
- 90% 的日常业务可以用开源平替，闭源大模型的高昂授权费正在失去吸引力。开源模型（如 2026 年中旬测试中表现突出的 GLM 5.2）在性能上已经追到了离闭源大厂仅剩一到三个月差距的临界点。这会逼迫大模型厂商大幅降价。只靠卖大模型，根本撑不起巨头们承诺的“万亿美元营收”神话。
- 用 AI 快速写出 100 万行代码很容易，但理解、维护和审查这些代码已经成了研发的新瓶颈。尽管 Glean 几乎 100% 的初始代码都由 AI 生成，但他们依然推行严格的人工代码审查制度。AI 降低了“写代码”的门槛，却将开发压力转移到了更痛苦的“审查代码”上。
不要被大模型公司套牢：企业最宝贵的“机构性经验”，绝不能平白送给别人的 Agent
主持人： 现在，90% 甚至更多的应用场景，其实都已经可以被很多很多不同的模型完整处理了，其中也包括开源模型。
Arvind Jain 是 Glean 那位了不起的创始人，也是过去十年最耀眼的技术人物之一。他此前创办了 Rubrik，而 Rubrik 显然非常成功地完成了上市，如今也是一家极其出色的上市公司。现在，他又创办了 Glean——这家公司今天已经是一门了不起的生意，拿到了 Kleiner Perkins 以及许多其他顶级投资人的投资。
对于几乎所有不做前沿模型训练的 AI 公司来说，都应该把这些模型公司视为巨大的资产。一旦走向按用量计费（consumption），捆绑销售就不再天然占优。你得多做十倍的工作，才能从客户那里拿到同样规模的收入。
Arvind，我对这次访谈真的非常期待。我们有一位共同的朋友 Mamoon，他对你赞不绝口，而且我觉得他简直是这个时代最出色的“民间大使”之一。所以我特别期待今天的交流。谢谢你愿意来。
Arvind Jain： 谢谢邀请。
主持人： 对创业者来说，你要么是因为赢而兴奋，享受那种追逐胜利的快感；要么是因为害怕输，正是那种对失败的恐惧驱动着你。你属于哪一种？
Arvind Jain： 这是个好问题。我想我大概属于后者。我总是在担心什么地方可能出问题，这也常常让我夜里睡不好。
主持人： 我喜欢这个答案。就是那句“只有偏执狂才能生存”。你一直都是这样吗？
Arvind Jain： 对，基本上一直如此。对。
主持人： 就算你已经取得了这样的成功也是？这很有意思。Rubrik 当年是一次非凡的成功，如今也是上市公司，而你是联合创始人之一。
Arvind Jain： 对。这不会随着时间改变。不会。因为我觉得，第一，每次你做一家新公司，或者启动一个新项目，在我看来，本质上都像是重新从零开始。你确实能从过去学到一些经验，但那已经是一个新世界了，是一个新环境。
想想 Glean。它从根本上就和 Rubrik 完全不同，几乎每个维度都不一样。尤其是在 AI 这个世界里，你必须这么想，因为每天都在发生颠覆。如果你开始更专注于在已经做出的东西上继续加码，那是一种“赢者思维”——你已经靠某样东西赢了，于是想在上面继续下注。但我认为，在今天这个新的 AI 世界里，那样是不够的。
主持人： 对那些还不了解的人，你能不能用 60 秒概括一下 Glean 是什么、你们是怎么做的？
Arvind Jain： Glean 是一家企业 AI 公司。我们一开始其实是一家企业搜索公司，帮助员工快速找到他们所需要的信息——这些信息往往埋在公司内部上百个、上千个不同的系统里。我们最初就是这样起步的，可以把它理解成“工作场景里的 Google”。
但随着 AI 模型不断变强，它逐渐演化成了一个 AI 平台。所以今天如果要理解 Glean，我会这样说：第一，它是 ChatGPT、Claude、Gemini 这类产品的超集——把它们整合成一个统一的产品体验。它是你员工的 AI 同事，而且连接着你公司的全部上下文，连接着你公司内部真正发生工作的方式。
主持人： Palantir 的 Alex Karp 上周上了 CNBC，他说，全球最大的那些企业，如今比以往任何时候都更怀疑前沿模型提供商。你和很多全球最大的企业合作，客户也都非常强。你认同他的说法吗？他们真的比以前更怀疑了吗？
Arvind Jain： 有两点。第一，他们确实害怕，某种意义上说是“被吓到了”。因为每一家软件公司都在担心：我们以后还能不能继续存在？模型会不会把一切都吃掉？
同样地，企业管理者也在担心。他们的核心知识产权、数据、信息，以及他们学习和做事的方式，会不会都变成对这些模型提供商过度依赖的结果？所以这种情绪肯定是存在的。
但我觉得他真正说的是：AI 在企业里并没有真正奏效，而所有人其实都害怕把这件事说出来。
主持人： 在谈“AI 没起作用”之前——因为我觉得这可能是最重要的问题之一，但那其实是一个单独的话题——你先回答：你觉得他们害怕前沿模型提供商“抢走他们的饭碗”，这种担忧合理吗？
Arvind Jain： 这要看是哪类企业。是的，有些情况下他们的担心是合理的。
如果我们讨论的是从根本上改变人们的工作方式，如果我们说，今天我们做的大多数工作，将来都要由某个完全由这些前沿模型公司驱动的 agent 来完成，那么从某种意义上说，你确实已经把相当大一部分运营转移给这些技术提供商了。
这已经不只是技术依赖了。这实际上是在运营层面真正依赖那些替你运行 these agent 的公司。
如果你想想工作是如何随着时间展开的，这件事会很有意思。你第一次做一项任务时，也许你会先把流程写下来——完成某项工作到底需要哪 10 个步骤。然后随着时间推移，人们会不断去优化和微调这个流程。很多东西根本不会被写下来，而是在反复做这项工作的过程中，逐渐形成一整套你在未来实时应用的经验。
所有这些组织性的学习，最后都会积累进那个替你工作的 agent 身上。所以，如果你自己无法控制这个 agent 的运行方式，如果你并不拥有它在多年中积累出来的这些学习成果，那你其实就等于彻底依赖这些 AI 公司来替你完成工作。
所以我认为，这绝对是摆在当今企业面前的一个根本性问题：他们到底该如何使用这些 AI 技术，同时又保留控制权？所有随着 AI 不断累积的学习成果，都应该属于企业自己。
主持人： 你有没有看到企业客户正在从前沿模型提供商转向开源？这件事现在已经在发生了吗？
Arvind Jain： 我认为，开源现在确实到了一个真正的拐点。部分原因是，大家一直在等开源模型真正变强。这种需求其实很多年前就已经存在了。我们接触过的企业里，没有哪一家会满足于说：“好，我用 OpenAI 或 Anthropic 就能把事情做完，这样我就很满意了。”
每个人都想确保自己掌控自己的命运，都想确保自己可以同时使用多种模型。
现在，随着 AI 变得如此昂贵——你经常会听到这样的故事：一家公司刚给 AI 定了年度预算，结果一个月或者两个月就花超了。
主持人： CFO 们最头疼。
Arvind Jain： 对。所以这极大地加速了企业对开源的渴望，而与此同时，我们现在也确实已经有了相当不错的开源模型。
别太担心模型巨头跨界“砸饭碗”，他们做出来的垂直功能其实都挺“浅”的
主持人： 他们真正关心的是什么？是成本吗？还是所有权，比如数据要留在本地、跑在他们自己可见可控的模型上？到底是什么驱动了这件事？
Arvind Jain： 我觉得眼下推动开源的主要动力还是成本。
当然，也有一些企业确实要求所有推理（inferencing）负载都必须保留在自己的私有数据中心内部。AI 刚出现的时候，公司对“数据离开自己掌控范围”这件事更害怕，也担心模型公司会拿他们的数据来训练模型。但现在这种恐惧其实已经没那么强了。只要签了合适的合同，人们大体上相信这些模型公司会负责任，不会拿企业数据去训练自己的模型。
所以现阶段，驱动力主要还是成本。
主持人： 从你所在的竞争格局来看，我采访过的每一位你们的投资人都说我一定要问这个问题，这也是最显而易见的问题：你会不会担心 Anthropic 会像他们对 Figma 所做的那样——或者像他们在法律、医疗这些领域正在做的那样——进入你的地盘，蚕食你的业务？
Arvind Jain： 首先，我觉得我们还是得谨慎一点，别把他们在 Figma、法律或者金融里“到底做成了什么”说得太夸张。他们确实推出了这些垂直领域的功能包，但在我看来都还比较浅。我实际上并不知道有多少人真的是把自己的工作负载彻底从 Figma，或者从任何其他工具，迁移到了 Anthropic 上。
它本质上更像是在创造增量需求。我认为它是在扩展市场。比如在设计领域，现在设计师依然在用 Figma，但非设计师开始用 Claude Design。这大概就是我们看到的情况。AI 让很多事情变简单了，所以如果你不是那个工具的专家用户或者核心用户，你也确实可以开始借助 Claude 完成其中一部分工作。
主持人： 所以你并不担心他们都在强调要进入企业、成为那个“上下文层”？
Arvind Jain： 他们已经在做了。无论他们是不是这么定义自己，我们每天在企业客户那里都在直面这种竞争。客户经常会问我们：“Claude 也能通过 MCP 连上企业系统，那到底有什么不同？Glean 能做到而 Claude 做不到的是什么？”
所以我们必须去解释，所谓“上下文”到底是什么，以及为什么这件事其实很复杂，很难构建。
我们是在竞争。事实上，我甚至会说，他们可能比其他人更早开始和我们竞争。因为如果你看 Claude for Work 这个应用，或者 Claude Desktop，它最主要的用例一直都是问答。这其实就是今天全世界 AI 最大的应用场景：信息检索和问答。
主持人： 你觉得抢先进入市场有多重要？
Arvind Jain：这确实是一个很大的优势，但它只是能帮你一把，不是能把你一路扛过去的东西。
对我们来说，我们确实因为“全球第一家企业 AI 公司”、第一批把 RAG 带进企业、第一批做概念级语义搜索而获得了很多认可。这给了我们品牌，也给了我们参与这场竞争的资格，哪怕今天和 OpenAI、Anthropic 这些已经成长为巨头的公司相比，我们依然小得多。
所以它是巨大的资产，但既不是必要条件，也不是救世主。
主持人： 你会怎么建议那些晚上睡不着、担心前沿模型提供商会杀进自己赛道的创始人？
Arvind Jain： 我的建议是：完全不要担心这个。
作为创始人，你该做的是解决问题，而不是担心问题，这是第一点。你当然要始终预判他们下一步会做什么，也要看清他们当前的能力边界。但对于几乎所有不做前沿模型训练的 AI 公司来说，他们都应该把模型公司视为巨大的资产，而不是竞争对手——至少我是这么看的。
我们其实相信，Anthropic 所做的一切、OpenAI 和 Google 所做的一切，以及开源世界里正在发生的全部创新，对我们来说都是好消息。我们不会因此焦虑，也不把它当作竞争。恰恰相反，没有他们的帮助，我们根本不可能交付今天这样的产品。
90% 的日常业务用开源就能平替：模型层迅速商品化，高昂的授权费走不远
主持人： 你不觉得我们正在见证模型层的终极商品化吗？当你谈到 Anthropic、OpenAI，以及整个模型层的崛起，再加上新模型发布的速度——尤其是来自中国开源提供商的模型——我们难道不是正在看到模型层被彻底商品化吗？
Arvind Jain： 有一件事是明确的。我们先只谈企业场景。
现在，90% 甚至更多的用例，已经可以由很多很多不同的模型完整处理了，其中也包括开源模型。所以从这个角度看，模型层的商品化毫无疑问正在发生。
事实上，在 Glean，这恰恰也是我们给客户提供的核心价值之一：成本控制。我们会明确告诉客户：“用户在我们平台上完成任务时，我们会替你选择合适的模型。如果你接受开源模型，我们就会在我们认为合适、并且能产出高质量答案的时候优先使用它们。”
主持人： 有多少客户是不接受开源模型的？
Arvind Jain： 这件事其实太新了。开源模型真正逼近前沿能力，而且只差大概三个月内的水平，这件事其实也就是一个月前才刚刚发生，甚至还不到一个月。
我会说，GLM 5.2 是第一次让我们自己的团队都觉得，现在我们可以放心地把大多数工作负载跑在这个模型上。所以客户到底会怎么反馈，我们还得再看。
从“开源与否、能不能用这个模型”的角度来说，我觉得大家最终都会接受。真正的问题会变成：他们能不能接受这是中国模型。这才是唯一的问题。不是开源和闭源的区别。
主持人： 可是如果你看的是可控性、可本地部署（on-prem），你并没有把任何东西回传给中国，那为什么企业还会不接受中国模型？
Arvind Jain： 我觉得这主要还是心理层面的舒适感。就是那种“万一出事怎么办？”的担心。人总会有偏执和恐惧。万一里面有后门呢？某种我们甚至根本理解不了的神秘后门？那它就可能真的是个后门。
确实会有这类顾虑。另外，如果你使用这些模型，而这件事又变成外界已知的信息，那在某些情况下，竞争对手也可能借此对你做文章。因素很多。
最终，这又回到了谁愿意先迈出更大胆的一步，因为这还是个新事物。大企业必须完成这一步，而最先行动的人会先走，随后它才会逐渐变成更正常的选择。
主持人： 我做这档节目一直是为了学习。如果 90% 的企业工作流都可以由开源模型完成，那我们是不是把前沿模型这个市场彻底定价错了？
Arvind Jain： 这是一个很不一样的时代。我确实觉得，单看模型业务本身——先把开源放一边——实验室之间本来就已经有很强的竞争，而且还会有越来越多公司进入这个领域。
在这种激烈竞争下，哪怕只是三强竞赛，我觉得价格也一定会承受很大的压力。再加上开源，现在当然又便宜了一个数量级。
我其实还听到传闻，说 OpenAI 正打算因为这些新变化——竞争和开源——而大幅下调模型价格。所以我觉得，单靠模型业务本身，可能并没有大家想象得那么赚钱。
主持人： 但这些公司现在已经拥有更多东西了，它们不再只是模型公司。
Arvind Jain： 当然。但如果他们在这些相邻领域里做的都只是比较浅的一层，那他们也不可能像 Dario 说的那样，真做到一万亿美元收入。
如果你看这两家实验室，它们其实是两种非常不同的业务。OpenAI 当然有一个了不起的消费者产品。Anthropic 身上有趣的地方在于，人们确实开始在它的平台之上搭东西。
如果你现在去看 Anthropic，会看到很多人在它上面开发自动化、开发 skills，大家都在给自己的内部系统写 MCP server，把各种东西接进 Claude。一个生态系统其实正在形成。所以你应该把它非常明确地看作一家应用层公司，而不仅仅是一家模型公司。
主持人： 如果让你猜一下，三年后，你觉得你们多少比例的工作流会跑在开源模型上？
Arvind Jain： 我们一直在对客户说，三年之内，企业的大多数工作负载肯定都会跑在开源模型上。
主持人： 除了模型提供商之外，你们还面对另一个竞争元素，那就是微软。微软最擅长的一件事，就是做出一个“有 70% 那么好”的产品，然后把它打包进企业套件里，贴个漂亮标签就卖给企业。你怎么看 Microsoft Copilot 这种捆绑带来的竞争压力？
Arvind Jain： 对于我们来说，他们是最重要的竞争对手之一。捆绑策略确实有效，你必须正面去打这场仗。
幸运的是，最优秀的单点软件（best-of-breed software）永远都有生存空间。我们的客户也是这么看我们的。如果你要做一款出色的搜索产品，或者要构建一个横向、全面的 AI 平台，他们知道我们做得更好。所以即便企业已经采购了微软那套捆绑产品，他们也仍然愿意额外投资我们这样的工具。
但还有一点，也许会让捆绑策略不再像过去那么有效，那就是 AI 正在走向按用量计费。一旦进入按用量计费，捆绑就不再有天然优势了。因为作为企业，我完全可以部署六个工具，让用户自己决定去哪里完成工作。无论他们在哪里做了哪一单位工作，我都得为那一单位工作付费。
所以长期看，按用量计费可能会打破这种捆绑逻辑。
主持人： 恕我直言，如果你的客户是大企业，我不确定事情真会如此。因为作为企业级套件，他们会让你先通过合规流程。像全球最大的企业——大众、福特、GE、泰森食品，我老喜欢拿这些公司乱举例——他们要走内部审批、签字流程。
但他们可能只批准微软这一个供应商。如果突然要批准 15 个供应商，先不说价格和交易本身，光是供应商管理就成了他们以前没有的一个问题。
Arvind Jain： 这倒是事实。但我也会说，如果你去问那些曾经正面承受过微软冲击的公司，大多数人都会说，真正致命的主要还是定价。因为说到底，很难和“免费”竞争。
主持人： 谁是更凶狠的竞争对手，微软还是前沿模型公司？
Arvind Jain： 好问题。我觉得现在还为时过早，没法下结论。但微软确实非常强大。
如果看我们出去拓客时的实际经历，我觉得我们更常听到这样的回答：“我们本来就是微软客户，而且已经会拿到 Copilot 了，所以没必要再考虑你们。”这种话我们听到的频率，比起“我已经全面拥抱了某个实验室的产品，所以我不会再做别的选择了”还要高。
算力账单贵得像在请 C 罗：如果只懂用模型蛮力检索，AI 只能是一个烧钱的玩具
主持人： 我们一开始提到了 Alex Karp 的那场采访，我当时打断了你，说在讨论“大家没有得到价值”之前，我觉得 2026 年下半年和 2027 年会是这样一个时间点：所有人都会突然说，“等等，这笔投入到底有没有带来产出，或者 ROI？” 我们应该怎么理解企业在 AI 上拿到的投资回报？Alex Karp 说大家都在想“这到底怎么回事？我的回报在哪？”——他说得对吗？
Arvind Jain： 我会说，现在已经有一些价值兑现的局部案例。
比如，拿客户支持这个领域来说。在那里，生产率是很容易衡量的。你完全可以说，在你的公司里，一个客服每天能解决 10 个 case，而现在借助 AI，他一天能解决 12 个。这样你就能非常具体地看到生产率提升。这类场景里，AI 其实确实表现不错，因为支持团队大量的时间，本来就是在阅读知识，再把它总结后反馈给客户。
所以，确实有一些领域已经看到了很明确的价值，企业对此也感觉良好。
还有一些场景就复杂得多。比如，我觉得现在大多数 AI 支出其实花在编程上，而编程这件事本身已经变了。现在大多数开发者都在用 AI 写代码，他们不再手写了。
这一部分，你某种程度上当然可以说 AI 带来了巨大影响。但产品到底有没有因此交付得更快？这恰恰是我们最常听到企业回答“没有”的地方。也就是说，写代码的速度确实显著提升了，但真正把产品 ship 出去的速度并没有变快，因为写代码只是整个产品交付流程中的一小部分。
主持人： 你们自己的交付速度变快了吗？
Arvind Jain： 我会说，这其实很难衡量。这正是问题所在，因为工程生产率是最难度量的东西之一，也是最模糊的一类工作。
如果你看一些指标，比如写出的代码行数，那当然，我们现在写的代码行数比以前多得多。但如果你问我们是不是以更快的节奏在发布功能，答案是“是”，但这同时也和团队规模更大、团队成员比以前更资深有关。所以有时很难把这些因素拆开。
在这种情况下，作为公司我们怎么做？我们现在的态度是：继续投入。
主持人： 你觉得 Glean 现在有多少比例的代码是 AI 写的？
Arvind Jain： 大概几乎是 100% 吧。现在已经几乎没人再手写初始代码了——也许偶尔角落里还会有个手工匠人。
所以几乎所有代码都是借助 AI 写出来的，但我们实际上强制要求人工 review。你不能生成一大堆 AI 代码，然后直接就提交进代码仓库。我们可能比大多数公司都更保守。
事实上，公司内部还真讨论过，因为 AI 现在能写太多代码，真正的瓶颈已经从“写代码的人”转移到“review 代码的人”了。所以有人提议干脆取消 code review，让代码直接进 repo。很多公司都在这么做。
主持人： 如果你仍然要保留严格的代码审查流程，那几乎就把“更快的代码开发流程”这件事的意义给削弱了。
Arvind Jain： 是的，确实如此。但我觉得这也说明，我们现在还处在一个学习阶段：学习如何正确、有效地使用 AI，也在思考它的长期影响。
用 AI 写代码时，你当然可以一下子写出一百万行代码，但久而久之，维护、理解和管理它会变得极其困难。
主持人： 可那不正是 AI 要做的事吗？你有 AI 做重构，有 AI 做安全，有 AI 做——
Arvind Jain： 对。只是现在它还没有完美到那个程度。所以我觉得，我们宁可承担 review 代码的成本。
尽管如此，我们还是比以前快，因为写这一步现在明显快多了，而写代码的人自己其实也会先做第一轮 review。
主持人： 你说 AI 的 ROI 本质上是个吞吐量问题，这是什么意思？
Arvind Jain： 第一件必须做的事，是确保你能把正确的上下文提供给这些 AI agent。
我觉得你如果看看今天大多数企业是怎么部署 AI 的，方式往往是：直接把它扔进系统里，然后用一种非常初级的方式，通过 MCP server 把 AI 和企业内部各种系统连起来。于是，当 AI 试图完成任何一项工作时，你其实是在让模型用一种“蛮力搜索”的方式，自己去拼凑完成任务所需的原材料，然后再去干活。
在这种模式下，AI 会非常慢。它需要花很多时间，才能先把做事所需的基础信息凑齐。
它也会变得极其昂贵，因为大多数 token 都烧在了“为当前任务拼出正确上下文”这件事上。而且你还在拿 AI 去做一些它其实并不擅长，甚至根本没必要用 AI 做的事。
所以我们一直在讲，要让 AI 真正发挥性能、真正交付价值，你必须围绕它去投入。你必须确保自己给了它正确的上下文，这样它才能以更低的成本、更快地完成工作。
主持人： “围绕它去投入”具体是什么意思？还有，我们这些 CEO 是不是搞错了方向——我们总在催团队成员用 AI“替代自己”，哪怕这意味着我们其实在浪费 token？
主持人： 在我看来，把“用 AI 替代自己”当目标，本身就是错的。
首先，我觉得这其实是给了 AI 过高的评价。你这么说，就好像它已经准备好了，但事实是它现在还远远没到那个程度。你现在给我举出一个真的能被 AI 完整替代的岗位试试。
主持人： 你觉得它能替代你的执行助理（EA）吗？
Arvind Jain： 我的？不能。
主持人： 但我是个他妈特别难搞的人。可对大多数人来说，我觉得它已经能完成极大部分工作了。对，我是这么看的。
Arvind Jain： 问题就在这儿。对任何一个岗位来说，它确实可以处理掉很多事情，但它没法替代最后那一点、最难言明的部分。
主持人： 不是，可这就可能变成一个临界点——对很多人来说，如果它能做 90%，那就够了。比如给你妻子买生日礼物这种事，一年就一次，不是高频需求，而 Claude 也还没个性化到能真正了解你妻子对香水的偏好。这种场景确实还差点意思。但那个岗位本身，还是会被蚕食。
Arvind Jain： 我不确定。原因是这样的：你总想在自己做的事情上做到最好，而我不认为你会接受一个 90 分的方案。
主持人： 那是因为我不受成本约束，我承认我这么说有点混蛋。
Arvind Jain： 这不是你受不受成本约束的问题，而是你必须在工作上和别人竞争。别忘了，别人也拥有和你一样的 AI 工具。但如果他们在 AI 之上还叠加了一个真人，你怎么跟他们竞争？
靠裁员省钱是防御性思维：AI 时代想赢，你要用相同的人手做出好十倍的产品
主持人： 你们现在有多少人？
Arvind Jain： 我们公司现在已经超过 1000 人了。
主持人： 你觉得五年后会有多少人？
Arvind Jain： 嗯，希望能有 5000 人吧。
主持人： 哇。所以你并不——
Arvind Jain： 我们会继续增长。
主持人： 但这真的很反常。我坐下来聊的都是全球最大的 CEO，而他们每一个都在缩减团队，每一个都在说——
Arvind Jain： 我完全不相信那一套。
主持人： 为什么？为什么？
Arvind Jain： 你从逻辑上想想。拿两家竞争公司来说——可口可乐和百事，或者任何两家正面对打的公司。一家公司决定缩编，另一家公司却仍然保留更多的人。两家公司都能完全使用同样的 AI 工具和技术。
现在问题就在于：如果你试图做同样多的工作，并且你相信自己可以用更少的人做完，于是你缩编了，你的竞争对手当然也可以这么做。但他们选择的不是“做同样多的事”，而是把产品做到好十倍，或者生产出十倍的商品，因为他们有更多人。那他们就会变得更大，也会打败你。
主持人： 但我不认为更多人就意味着更好的产品。
那是另一回事。如果我裁掉一些人头，然后把这部分钱花在最好的前沿模型、最好的技术上，让我的 100 倍工程师（100x engineers）拥有最好的武器，因为我减少了 headcount——
我觉得，人一多，所有事情都会变慢。
Arvind Jain： 但这不是一个 AI 论点。这个论点一直都成立。
主持人： 当然。但一旦和 AI 结合，如果你真的能 ship 更多东西——我向你保证，你也知道——只要人一多，他们就会开始设置各种障碍，最后妨碍产品真正推出去。
Arvind Jain： 就算是在疫情之后，很多公司也觉得自己臃肿了。他们砍掉 15%、20% 的员工，然后每个 CEO 都出来说，结果是他们反而快了 20%。所以这种论点一直都在。团队大到某个程度，确实会彼此拖慢。人就是会这样。我也相信这一点。
但归根到底，人也是你的资产，你得能把他们正确部署到正确的项目上。我不认为全球最伟大的公司，最后会是只有 100 个人的公司。
看看那些模型公司也是一样。那他们为什么还在这么激进地招人？
主持人： 你不觉得，最好的人会想和最好的技术一起工作吗？而且我们会看到全球最大公司把技术支出占比从 8% 到 12%——也就是现在这个区间——提高到 16% 到 20%；与此同时，headcount 下降，但技术支出上升；而最好的人会想去那些给他们最好工具、最好装备的地方？
Arvind Jain： 这一点我也不太确定，因为我觉得技术本来就不应该越来越贵。首先——
主持人： 你承不承认，以它现在实际交付出来的东西来看，这项技术的定价高得离谱？
Arvind Jain： 那完全取决于它到底在做什么。
主持人： 不，我完全不同意。就拿 Cursor 或者其他开发工具来说，我觉得它们现在的价格依然便宜得离谱。你看 Marc Benioff 在 Anthropic 上花了 3 亿美元，那也只占开发者工资的 3.7%。我觉得这其实相当低。
Arvind Jain： 我会说，它贵得离谱。我举个例子。
我们做了一个非常酷的工程分诊 agent。我们原来有一个 15 人的 on-call 团队，他们的工作就是给每一个线上生产事故做分诊——无论是系统告警，还是各种异常。我们做了这个 agent 之后，它现在能自动处理其中 95% 的问题。
但即便如此，它的成本依然高得让人怀疑。它真的更有效吗？它真的比人工更高效吗？我们在那个 agent 上，一个月要花 100 万美元。
主持人： 一个月 100 万？你这是在请 C 罗吗？你到底在干什么？
Arvind Jain： 用于类似这样的成本——我是说，确实非常贵。
主持人： 等等，抱歉，我得回到刚才那句。因为我在节目里经常讨论这个问题，所以你现在是在让我变聪明。你的意思是，把开发者工资的 3.8% 花在这些工具上都算高？如果你真觉得这很高，那这些模型提供商就真的完蛋了。
Arvind Jain： 我想表达的是，如果你这么看， 3.8% 这个数字本身好像确实不高。
但我也知道，现在有了开源之后，你已经可以用十分之一的成本做同样的工作。这是第一点。
第二点是：至少在我记忆里，过去我们从来不会把技术成本和人工成本放在同一句话里比较。这是第一次，我们真的开始听到有人说：“我宁可少一些人类，多一些 token。”这是第一次。而我就是觉得，技术本来不是这么运作的。模型应该越来越便宜，技术应该越来越可负担。
主持人： 真不好意思，这对我来说太有意思了。你是 Glean 和 Rubrik 的联合创始人，而我他妈算什么，不过是个播客主持人。但技术存在的意义本来就是这个。agent 会主动行动、会形成判断、会做决定。它们当然应该和人工放在同一句话里，因为它们正在替代我们过去要花钱雇人做的劳动。
Arvind Jain： 我觉得，真正好的技术最终都会把技术本身做得非常非常便宜，这次也一样会发生。这是我的信念。
你会看到推理成本（inferencing costs）按数量级地下降。过去六到九个月发生了一件很奇怪的事：几乎每个模型的单 token 价格都涨了。如果你往前看 15 个月，那时所有人都以为单 token 价格会像以前那样持续下跌。所以我们也不知道中间到底发生了什么。这也是一个很独特的现象。
主持人： 因为他们得先证明自己是好生意，才能上市。事情就是这样。我可以说一些你不能说的话。
Arvind Jain： 对。但我的赌注依然是：AI 会比今天便宜得多、便宜得多。
主持人： 如果 AI 比今天便宜很多，那这些本来就还在亏损、某种程度上几乎撑起了整个全球经济想象空间的公司，处境就会非常危险。
Arvind Jain： 我的看法还是一样。
主持人： 这这就很有意思了。所以你并不认为工程团队未来会变小。
Arvind Jain： 人均生产率一定会飙升，但要求也会一起提高。将来如果你想赚到和今天同样多的收入，你必须做出好十倍的产品。
主持人： 不幸的是，说到内部 token 支出，你们团队当时是怎么坐下来讨论这件事的？你和 CFO 一起，是怎么做 token 预算决策的？
Arvind Jain： 我觉得我们做的，大概和大多数公司一样：什么也没做。
我们现在正处在一个阶段，就是让大家自己去摸索，这项技术到底能做什么。
主持人： 那你看到了什么？大家都疯了一样狂用？还是没什么人用？到底发生了什么？
Arvind Jain： 我们公司内部，以及我们的所有客户那里，都存在一个幂律分布（power law）。你会看到有些人每个月花 1 万美元、1.5 万美元的 token，而另一些人每个月只花 20 美元。
不过有一点很有意思：每个人都在某种程度上接受了 AI。每个人都在用最基础的那一层——就像我前面说的，今天全球 AI 第一大应用场景，就是信息检索和问答——而大家都在做这件事。
每个人都在提问，每个人都在做一些基础的总结和信息综合。但那些高级用例，真正使用的人大体只占员工总数的 5%。
主持人： 作为领导者，你会不会主动做些什么，尽可能激进地把 AI 渗透进组织？我们之前请过 Nikesh 来帕洛阿尔托，他每周都会开一个领导层会议，像“show and tell”一样，每个人都得站起来展示一下，自己这周用 AI 做了什么，它是怎么替代原本的工作、怎么改善工作的，诸如此类。你觉得你能做什么吗？
Arvind Jain： 这其实是个很好的主意。我确实想过这么做。
我们曾经限制过那种“谁最能烧 token”的排行榜式仪表盘，我一直觉得那不是个正确思路，不应该只是奖励那些消耗更多 token 的人。我觉得没必要那样做。我们自己本来就是一家原生 AI 公司，大家其实已经足够理解这项技术，知道该在需要的时候使用 AI。
高管分享成功案例——我们并没有要求每一个高管每周都必须做一次。但我们确实有展示机制。比如在全员大会（town hall）上，我们总会请大家分享这些成果。每次 town hall 都会专门有一个板块，用来展示各个团队正在使用的新 AI agent，以及他们如何因此改变工作方式。
主持人： 说到你们的高管和团队，我觉得招聘现在前所未有地难。尤其是在一些最大的模型提供商给出我们前所未见的超高薪资的情况下，今天的招聘到底有多难？
Arvind Jain： 其实我反倒会说，先把最近这两三个月放在一边不谈。整体上我会说，和 SaaS 高峰期相比，招聘其实一度是在变容易的。
主持人： 为什么？
Arvind Jain： 因为公司们并没有继续扩张 headcount。如果你看看最大的技术人才雇主，其中很多其实都没有继续增长。很多公司还在持续裁员。比如 Meta，每年都有大规模裁员，我不知道它的总 headcount 现在是不是低于 2021 或 2022 年的高峰——我的猜测是，很可能已经低于了。
所以实际上，市场上可获得的人才比以前更多。
但如果你现在开始谈 AI 人才、ML 人才、顶尖人才——那顶尖人才现在比以往任何时候都更抢手。而且薪酬水平已经彻底变了，不只是模型公司拉高了价格，连初创公司也是，因为初创公司也——你们这些投资人给了他们太多钱去抢人。所以现在连初创公司也开得很高。
主持人： 我们也没办法。他们的备选机会太大了。而且说真的，如果一个优秀开发者要三四十万、五十万美元，那 200 万美元的种子轮根本不够用。创始人要搭团队，哪怕自己一分钱工资不拿——如果我要招 4 个人，我就得有 600 万美元。
Arvind Jain： 没错。
主持人： 你觉得创始人应该把种子轮做大吗？
Arvind Jain： 我觉得更好。我一直都偏向于，一开始能融多大就尽量融多大。
主持人： 你们哪一轮融资让你最觉得“价格高得夸张”？
Arvind Jain： 其实首先，我们除了公司第一轮融资之外，后面都不是主动出去融资。通常都是有人主动找上门来，而这个关系经过一段时间建立之后，自然而然就变成了“他们会来投这笔钱”的默认状态。
我会说，我们的 C 轮大概是最离谱的一次，因为当时我们的业务几乎还很小——肯定低于 200 万或 300 万美元，也许是 500 万美元，我记不太清了——但估值已经超过 10 亿美元。所以那确实非常极端。
不过，送上门的我们也就收下了。
主持人： 太夸张了。你在那种时候会担心自己未来能不能撑起那个估值吗？还是说你就是埋头往前冲，觉得很好，稀释低、价格高？
Arvind Jain： 我们当时更看重的，其实是对潜在员工释放一个信号，而不是别的。我们想让市场明白，我们在打造的东西很特别，而这个估值会给我们那种“被验证”的感觉。
主持人： 员工真的在乎你的投资人是谁吗？
Arvind Jain： 绝对在乎。对。
主持人： 很多创始人会说：“最优秀的人不在乎这个，他们只在乎使命。”但我总是说，我向你保证，如果你背后是 Kleiner、DST 或 Sequoia，那些优秀候选人突然就会更愿意和你聊。
Arvind Jain： 对。投资人的声誉会直接影响你的声誉。
资本过度泛滥反而是在制造失败：创始人必须学会习惯那种“不讲道理的冲动”
主持人： 回头看今天，在过去 12 个月里，你最改变看法的一件事是什么？
Arvind Jain： 就我个人而言，我一贯的风格一直有点太讲纪律了，而现在这可能已经不再是最优策略了。我的团队也会给我反馈：我们总在试图保持保守，总想确保资本能跑得更远，而在这种心态之下，我们可能会错过抢地盘的时机。
所以我确实感受到了压力，要改变自己，改变我对“我们到底该怎么花钱、怎么投资”的思考方式。但与此同时，我也一直有一个很根本的信念：一门生意永远是建立在纪律之上。
你必须为产品收费。产品必须给客户创造价值。你在市场营销上每花出去 1 美元，都应该有不错的回报。你不能假设说，前面这些都没做到也没关系，反正以后继续融资就能补上。
主持人： 但如果有 Uber 这种例子，你还认同这一点吗？Uber 证明了一件事：一个原本很差的商业模式，随着规模扩大，也可能变成一个好商业模式。
Arvind Jain： 所以我才说，我正是在这里感受到了压力——也许我的思考方式是不对的。
主持人： 你觉得这真的是一场抢地盘战吗？
Arvind Jain：我们绝对在抢地盘。毫无疑问。今天全球每一家公司都想要一个像我们这样的产品。要么我们今天就进去，要么未来再进去，难度会高十倍。
主持人： 我们刚才聊到了工作岗位被替代。围绕这个话题，我想再问一个有意思的问题：你觉得今天还不存在、但三到五年后会变得极其常见的岗位是什么？
Arvind Jain： 复合型角色（composite roles）会非常普遍。
比如，一个人既能构建产品——我都不知道该怎么给这种角色命名——但他既像工程师，又像产品经理，也像设计师。
同样，在销售与市场（go-to-market）一侧，也会出现既能卖产品，又不仅仅会做商务谈判，还能亲自 demo 产品、亲自讲 use case 的人。过去那种 account executive、solution engineer、sales solution architect 之间高度分工的格局，我觉得会越来越被打破，角色会越来越泛化，而不是越来越专业化。
事实上，我甚至一直在我们自己公司里非常强力地推动这件事。
主持人： 但抱歉，我是善意地说一句——复合型角色这个判断，恰恰和你“团队规模会维持甚至扩大”的说法是冲突的。因为如果你把四种不同专长合并到一个角色里，那就是更小的团队。
Arvind Jain： 是的，确实如此。但正如我前面说的，将来你得多做十倍的工作，才能从客户那里拿到同样规模的收入。你确实会用更小的团队完成过去同样规模的工作，但我们也会被迫去做更多。
主持人： 明白了。那反过来问：今天有哪些岗位，将来会消失？未来回头看，我们会说：“天啊，真不敢相信我们以前居然要这么干。”
Arvind Jain： 很多分析师类岗位。尤其是那些并不真正进行商业思考的数据分析岗位——他们只是接到一个任务：“我需要看到这些数据。”然后他们就去做对应的 dashboard，去配置后端系统。我觉得这类工作一定会消失。
商业智能（business intelligence）会变得非常不同。业务负责人将可以直接获得自己问题的答案。所以，商业分析师、数据分析师，这是第一类。
还有很多 HR 岗位。比如招聘搜寻者（sourcer）。在招聘里，sourcer 这种岗位，我觉得一定会被吸收到一个完整招聘闭环（full-cycle recruiting role）里。
主持人： 我最后一定得问一个问题：我们现在坐在欧洲，这自然会引出“主权”这个话题。坦白说，美国和欧洲在开源这件事上都没有真正拿出像样的成果。你觉得未来会不会出现一个“主权模型”的世界？以及，结合过去一个月左右我们看到的事情，你觉得我们是否真的需要掌握对模型的主权？
Arvind Jain： 对主权模型的渴望是很强的，而且我甚至会说，一年前这种渴望可能比现在还更强。至少我的体感是，我现在听到相关讨论变少了。
有过一段时间，每个国家都觉得自己也能造出一个模型——那时候 AI 还处在更早期的阶段。但后来其中很多国家其实已经意识到，那可能不是现实路径，所以它们也接受了让本国企业去使用 OpenAI、Anthropic 或其他模型。
所以我不是这方面的专家。我也不确定这个趋势到底是在上升，还是略微降温了。
主持人： 我觉得这个趋势毫无疑问是在上升，尤其是看到政府禁止 Anthropic 最新模型那件事之后，再加上很多欧洲人开始意识到：我们不能依赖某个美国个人，因为他随时可能禁止我们获取智能能力。
Arvind Jain： 但这件事有什么结果吗？我的意思是，那也就是一个月前的事。
主持人： 要指望三周内就站起来一个模型，确实不现实。
Arvind Jain： 对。但其实在那之前，这件事本来也没发生。全世界除了美国之外，真正做出模型的国家只有中国。然后也许法国算有一点。
主持人： 那这是不是纯粹是激励问题？也就是说，美国为什么没有一个真正有实质影响力的开源模型，是因为美国缺乏开源社区吗？
Arvind Jain： 不。我觉得美国在很多别的领域其实有非常好的开源社区。
主持人： 那美国的开源模型在哪里？
Arvind Jain： 你说得对，我们确实没有开源模型。但那不是因为开源作为一种运动、一种理念在美国很弱。恰恰相反，它在美国其实很强。
如果你看模型这件事，它需要非常高的前期投入，而这在很多方面并不适合开源模式。很多开源软件原本都是“车库项目”或“地下项目”（skunkworks）：开发者几乎没有资金支持，也仍然能把东西做出来。但模型没法这么造，所以这件事自然就没有以开源方式发展起来。
你需要那种不要求超高投入的技术路径。
主持人： 那么当你看到现在这种局面——我花很多时间泡在 OpenRouter 上，看模型使用量和流量——Anthropic 今天是第一个排进前列的美国模型，但它排第七。前六个全是中国模型。
Arvind Jain：关键在于，你其实可以把这些模型放在一个受控环境里做推理，这会让人更安心。但我不觉得美国会对这种趋势感到无所谓。
现在已经有一些很不错的工作在推进，试图真正促进美国本土的开源和模型开发。也有一些模型会出来。
主持人： 另一种可能是，Sam 和 OpenAI 给特朗普 5%，然后他对 Anthropic 和 OpenAI 实施监管俘获，对开源发起打压。
Arvind Jain： 嗯，我希望不会。我也不觉得事情会发展成那样。
主持人： 我是在学习。Sam 不然为什么要给他们 5%？这不就是交换吗？我需要你，你也需要我。
Arvind Jain： 我想我还是更相信美国这个制度本身，最终会对这种事情形成约束。而且顺便说一句，我也不觉得现在需要去打压开源。美国在这方面本来就已经落后太多了。
主持人： 你不觉得 Sam 和 Dario 坐在那里，已经在想：“糟了，我们低估了这件事，而这对我们的业务构成了核心威胁”吗？
Arvind Jain： 他们大体确实会这么想，但我不觉得他们可以通过监管来解决这个问题——这件事的论点难道不应该反过来吗？现在已经有一批非常优秀的开源模型，而且几乎都诞生在中国。美国需要建立自己的。美国不能被视为一个在技术创新上失去能力的国家。所以对美国来说，最重要的反而是自己去建设。
这是个已知问题，也是湾区每个技术人都在谈的共识。有很多强烈动机的参与方真的想推动这件事，比如 Nvidia。它就在投入很多资源，推动美国本土优秀开源模型的发展。我希望他们能成功。绝对如此。一个多模型世界，对我们所有人都很重要。
主持人： 我们来做一个快问快答。我给你一个简短陈述，你给我第一反应。可以吗？
Arvind Jain： 好。可以。
主持人： 对今天正在学计算机科学的人，你最大的建议是什么？
Arvind Jain： 学这个没问题。别因为别人怎么说就过度担心。
主持人： 你觉得哪家传统大公司在采用 AI 这件事上做得最好？
Arvind Jain： 你愿意把 Google 算作传统公司吗？
主持人： 愿意。
Arvind Jain： 那 Google 大概比其他任何公司都更靠前，不光是内部拥抱 AI，也包括对外发布产品。不过它本来某种程度上就是一家 AI 公司，所以把它归进这个类别也有点不太公平。
主持人： 如果你要重新创办一家公司，但只能带走一位“代言人”一起走，你会带谁？
Arvind Jain： 我想我会从我们现有的合作伙伴里选一个。我们和他们所有人的关系都很好。
主持人： 你会选谁？
Arvind Jain： 我不知道。我不回答这个问题了。我是真的没有答案。我得认真想想，而且这可能也得看情境、看我要做什么。不同的人能带来不同的优势。
主持人： 如果让你改变当下创业生态中的一件事，你最想改什么？
Arvind Jain： 我其实真的觉得，现在市场上给创业公司的资金太多了，而这有时反而在为人们制造失败路径。我觉得很多人并没有学到，建立一家伟大公司到底需要什么。
我举个例子。一个刚融完种子轮的创业公司，决定给一个工程师开 50 万美元年薪，就像你前面说的那样。今天这确实在发生，创业者愿意，投资人也愿意，但这显然不是一条真正可持续的胜利路径。
他们愿意这么付的时候，Google 反而没有这么付，而 Google 很清楚自己没必要用这种方式去买人才。所以我觉得这是其中一个问题。资本过度充裕，正在让创业公司构建出一些对自己来说并不可持续的结构。
主持人： 你会担心退出渠道越来越少、而且这种趋势正在变得越来越现实吗？说实话，如果你今天没有 10 亿美元收入，就很难上市。大型科技收购方——那些大公司——对自己想买什么都极其挑剔。PE 也在为自己手里那一堆“奖牌式资产”舔伤口。现在是个很难的环境。
Arvind Jain： 创业从来就不是一件容易的事。事实上，就我过去 25 年看到的情况来说，我反而会说，今天做创业公司并拿到一个不错退出结果，比过去还更容易一些。创业一直都是一场残酷游戏。
主持人： 对于“做创始人兼 CEO”这件事，外界有什么根本不知道、但他们其实应该知道的真相？
Arvind Jain：这根本不是一份性感的工作。它其实是最有压力的事情之一，你真的得有点疯，才能一直干下去。
主持人： 我觉得现在大家已经知道这一点了。对我来说，我自己的一个感受是：你必须持续地不开心。作为 CEO，你永远不该太开心，因为总有事情还没做、总有事情还能做得更好。你告诉别人“你永远不会真正满足”，他们通常都会很震惊。
Arvind Jain： 这个说法很好。这份工作从头到尾都很难。我觉得很多没做过的人，往往会觉得这里面有很多光鲜。他们会觉得，这能赚很多钱，人生会很美好，会得到很多尊重。
但我觉得，几乎所有这些东西都不重要。你如果想作为创始人生存下来，就必须真的是一个由使命驱动的人。
主持人： 钱会改变你的风格吗？你以前就已经成功过。我直说吧，我觉得创始人在自己已经很有钱的时候会做得更好，投资人在自己已经很有钱的时候也会做得更好。因为那样你会做出更理性、更稳健的决定，而不是被经济上的焦虑驱动。
Arvind Jain： 对我来说，也许没有。但与此同时，我本来就是个需求很少的人，而且我的基本需求在很久以前就已经得到满足了。所以我想，我确实是在不用担心“我能不能养家”这种问题的状态下建立这些公司的。
所以，是的，也许这确实帮到了我。但即便看到了更多成功，它也没有从根本上改变我。你依然得有那股驱动力。你得持续工作，而且要比公司里的其他任何人都更努力，以身作则，一直往前推。你得有一种近乎不讲理的冲动，非要把某件大事做成不可。
