摘要

Nick Frosst 的核心判断是，AGI 时间表和生存威胁叙事具有误导性，并不能证明 AGI 即将到来。 他表示：「我不认为 Sam Altman 反复谈论 AGI 已经近在眼前，是在为世界做好事……他现在已经做出过几次错误预测，而且在当时显然就是错的。」Altman 周游世界、警告各国领导人 AI 存在生存性威胁，在他看来「在学术上不诚实，而且我认为这也给他所热爱的技术帮了倒忙」。Harry 更尖锐的说法是，末日叙事与融资需求相关；Frosst 有保留地回应：「你指出的相关性确实存在」，但他不知道这是否就是策略，并补充：「我们是一家由风险资本支持的公司，需要融资。但我们没有这么说。」
Frosst 不相信单纯增加算力就能保证 AI 持续进步。 Harry 问 GPT-5 比 GPT-4 好多少，Frosst 回答：「我其实觉得它更差」；Harry 随后说，这说明了把更多算力投入问题本身意味着什么。Frosst 将产品问题归因于更慢、更笨重的模型自动选择机制。他对 AGI 的定义是「一台你会像对待人一样对待的电脑」，而当前语言模型技术尚未达到这一点：「我不认为这项技术能把我们带到那里。」
Cohere 的差异化定位是资本效率加企业市场聚焦。 全球真正做 LLM 的公司不到 20 家；融资讨论提到约 6 亿美元融资和 68 亿美元估值。Cohere 的投入「确实比其他公司少了几个数量级」，并将 Command A 系列模型训练到可以在 2 块 GPU 上运行，因为企业客户受限于 GPU 获取能力。核心口号是：「ROI，而不是 AGI。」
围绕劳动力问题，两人公开交锋，这也是本期最精彩的一段。 Harry 认为，25-26 岁的营销经理和 SDR「并不出色……他们会在 12 个月内被替代」。Frosst 的反驳不是乐观预期，而是结构性判断：「还没有任何 LLM 独立完成过真正的突破……突破仍然来自人」；而且这不是时间问题，因为「序列模型的工作方式从根本上就是这样」。
基准测试并不能可靠衡量企业实用价值。 Frosst 说：「它们反映的是模型在这些基准上接受了多少训练。」数学推理基准和 ARC-AGI（「像素操作挑战」）与企业客户提出的需求毫无对应关系；排行榜循环对消费级 AI 的炒作有意义，却不能回答「我买了 LLM、部署了它，最后拿到 ROI 了吗」。
模型主权已经成为可投资的主题。 语言模型是类似发电厂的基础设施，各国应拥有自己的基础设施和模型；而美国「已经表明，他们愿意出于政治原因切断技术访问」（他提到美国持有 Intel 10% 股权）。加拿大身份如今成了 Cohere 的商业资产；至于美国以外哪家 AI 公司可能达到万亿美元市值，他的答案是：「也许就在北边。」
他对 2026 年最大胆的预测，刻意选择了一个并不惊天动地的场景：你打开 North，说一句「帮我报销」，模型就能执行完整的多步骤流程——「我知道这算不上多大胆……但要让它真正可用、真正值得依赖，仍然不是每家公司都做到了。」谈到中国时，他说约 1 个月前曾有 7 家新模型供应商在 1 周内发布 7 个模型，这让他说出「哇」，但「我不认为他们做出了击败其他模型的模型」。

精读

1. AGI 的控诉：炒作「在当时显然就是错的」

本期的主线，是 Frosst 对 Sam Altman 的指责：「我不认为 Sam Altman 反复谈论 AGI 已经近在眼前，是在为世界做好事。我认为他现在已经做出过几次错误预测，而且在当时显然就是错的」——包括暗示「AI 会在 2 年内杀死全人类」。
周游世界是他举出的最佳案例：Altman「与全世界每一位主要领导人交谈，告诉他们，这项技术构成生存性威胁。我认为这在学术上是不诚实的，而且给他所热爱的技术帮了倒忙」。
Harry 的追问是全场最锋利的时刻：末日叙事与融资需求相关。他说 Demis 和 Zuck 不需要资金，因此保持克制；「其他确实需要融资的人，就必须说得更挑衅」。Frosst 承认「你指出的相关性确实存在」，但说不知道那是否就是策略。随后他给出反击：「我们是一家由风险资本支持的公司，需要融资。但我们没有这么说。」
Harry 随后指出，即使他提到的那些领导人，也已经改变了对即将到来的劳动力变化的说法，「这确实让我感到担忧」。Frosst 承认这项技术「和个人电脑一样具有根本性的变革意义」，但坚持认为「人们花时间做的事情里，也有大量并不合理」。

2. 单纯增加算力不够——GPT-5 就是例证

Harry 问 GPT-5 比 GPT-4 好多少，Frosst 回答：「我其实觉得它更差。」Harry 随后说，这说明了把更多算力直接砸向问题的本质。Frosst 解释，模型自动选择「更慢、更笨重……我只是想要一个快速答案，它突然就进入深度研究。好吧，博士，冷静点。」
他对 AGI 的定义是行为性的，而不是基于基准测试：「一台你会像对待人一样对待的电脑」；但人们并不会像对待人一样对待语言模型。他的判断也很明确：「我不认为这项技术能把我们带到那里。」他称这是一个被悄悄广泛接受的共识——如果问大学计算机科学专业学生，继续增加算力能否实现 AGI，「大多数人会说不能」。
关键在于，他区分了平台期和进步：让模型帮你报销——读取邮件、寻找收据、交叉核对政策、调用内部 API、获得审批——这项工作「并没有进入平台期。那是更多的建模工作、更多的产品工作……构建更好的连接器」。但架构本身停滞了：「相同的模型架构已经用了接近 10 年」，仍然是 2017 年的 transformer，仍然是在加入新的训练步骤后进行下一个词预测。

3. Cohere 的切入口：不到 20 家公司之一，专注企业市场

按 Frosst 的统计，全球做 LLM 的公司「少于 20 家」——大多数在美国，中国有几家，Cohere 在加拿大，法国有 1 家。Cohere 的独特之处在于「专注于把这项技术带给企业」：没有消费级应用，也不追求用户参与度，「我们不想让任何人每月花 200 美元，用于个人生活中的某些事情」。
企业聚焦改变的是训练数据，而不是架构：Cohere 现在生成「合成企业环境」——「虚构的公司、这些虚构公司员工之间的虚构邮件，以及这些虚构公司内部的虚构 API」——并在其中训练模型，使其真正有用。但数据依然是瓶颈：「你需要真实世界数据，才能启动合成数据的生成过程」，Cohere 仍然依靠人工标注员在内部制作数据。在算力、算法和数据三者中，算法的约束最少；高质量数据，以及从高质量数据衍生出的高质量合成数据，才是门槛。
他对个人生活和工作的区分解释了这套策略：「我其实不想更快地回复我妈妈的短信……但在工作中，有大量事情我不想做。」

4. 基准测试衡量的是模型接受了多少基准训练

Frosst 用一段历史回顾说明问题：LM1B 是预测报纸文章的后续内容；大约在 2022 年出现 Hello Swag，但「现在已经没人谈它了」；如今又变成数学推理基准和 ARC-AGI。「我们的客户没有任何人要求模型做数学推理……ARC-AGI 就像一个像素操作挑战。我们的客户从来没有要求模型做这件事，我也不认为他们以后会要求。」
他的结论平铺直叙：基准测试「不能准确反映模型的实用价值。它们反映的是模型在这些基准上接受了多少训练」。能不能被做成游戏？「当然可以。」大公司是否确实这么做？「我不知道」——他把这个保留意见留在了那里。
企业真正关心的替代指标是：「我有没有把它推向生产？我买了 LLM、部署了它，最后拿到 ROI 了吗？」排行榜对消费级应用来说「很酷」，但他的客户并不在意。

5. 模型与应用趋于融合——但这是连续谱，不是二选一

对于基础模型公司究竟会停留在 AWS 式的商品化底层，还是会吞下应用层，Frosst 拒绝接受这种二分法：「如果你想为某个给定界面打造最好的模型，最好的方式就是在这个界面上训练模型。」这正是 Anthropic 挑战 Cursor、Cohere 构建 North 的原因。
最关键的洞见是连续谱：2015 年左右的机器学习意味着一个任务对应一个模型，比如用猫的图片训练一个数猫模型；transformer 则「更接近另一边」——「训练一个在所有语言任务上普遍表现良好的模型，再针对你想做的事情对它进行优化」。Anthropic 的模型普遍擅长代码，而不是分别训练重构模型和调试模型；Cohere 的模型则针对企业工具调用和海量文档进行了优化。
对于「你们的评测更差」这一批评，他的回答很直接：「我们关心的是，客户拿到一份我们的模型，尝试用它做某件事时，能不能尽可能轻松地跑通……这些都不会体现在每年轮换的各种基准测试里。」

6. 劳动力交锋：「他们会被替代」对上「突破仍然来自人」

Harry 援引 2 天前一位 Salesforce 嘉宾提出的「同一个人加一个 agent」，直接切入：「大多数 25、26 岁的营销经理或 SDR——很抱歉这么说——并不出色。他们不热爱这门手艺。未来 12 个月内，他们不会比一个出色的 agent 做得更好。他们会被替代。」
Frosst 的反驳是全场最值得引用的技术判断：「还没有任何 LLM 独立完成过真正的突破……从来没人要求 LLM 去解决一个此前无人解决的问题，然后得到答案。突破仍然来自人。」这只是时间问题吗？「不是。这从根本上就是序列模型的工作方式」——它们是文本的统计模型；而营销人员真正的工作——「理解文化、理解时代精神……运用直觉」——并不在互联网上的文本数据集中。
Harry 用 Evian 广告活动反例回应：让模型提出 3 条故事线，再选出最好的一条。Frosst 没有否定，而是将其纳入自己的框架：「这是一个很好的用例……但工作并没有在那里结束。那只是工作的开始。你现在不是从一张白纸起步，而是从几个可供推进的方向起步。」
Frosst 描绘的 5-10 年后公司是：你坐在电脑前，用语言把所有「信息已经存在、不需要创造力或洞察力……而且做起来有点无聊」的事情交给电脑；自己则把时间花在与人交流，以及判断模型做得好不好上。

7. 工业革命框架：政策决定 AI 是改善还是恶化不平等

对于「AI 会改善还是恶化收入不平等」，他的答案保留得非常准确：「这取决于政策。如果劳动力政策良好，我认为它可以改善；如果劳动力政策糟糕，它可能恶化。」前例是如今所有人都认可的工业革命：农业劳动力占比从约 90% 降至低于 5%；但在工会和劳工权利出现之前，孩子们先被送进了煤矿——「其中很多结果都来自公共政策……由企业和政府共同推动形成」。
这又回到了他对 Altman 的批评：生存性威胁叙事「让人们更难讨论真正的问题，比如收入不平等」——而收入不平等在语言模型流行之前就已经上升；他担心，如果部署方式不当，这项技术「有可能加剧」这一趋势。
Adam Smith 的插曲是真正的分歧：Harry 认为看不见的手会把 Frosst 过去在餐馆做最低工资烤架工作的价值，定价为「明确低于」Cohere 那种影响数百万 Fujitsu 用户的工作。Frosst 的立场居中：经济体「相当擅长判断这些事情……但我不认为它是完美的」；而在空调坏掉的厨房里跑腿添薯条，「是一份有挑战、也有回报的工作」。

8. 2 块 GPU 的商业模式：「不是 AGI，而是 ROI」

融资讨论提到约 6 亿美元。Harry 说上一轮估值「大概是 67 亿美元之类」；Frosst 纠正为 68 亿美元。Cohere 在创建基础模型上的花费，「确实比其他一些基础模型公司少了几个数量级」——这条路线可以追溯到公司创立时期的论文：如何利用数据中心里「剩下的 GPU」进行训练。
战术核心是：刚发布的 Command A 推理模型和 Command A vision，都「训练到可以在 2 块 GPU 上运行」——因为企业在部署时受阻，「它们没有足够的 GPU」；而 2 块 GPU 恰好在性能、成本和实际 GPU 可获得性之间取得了平衡。消费级公司可以因为用户参与度带来收入，而「每次推理调用都亏很多钱」；企业模式承受不了这一点。
分发策略也随之明确：前置部署工程师是帮助客户进入生产环境的「关键组成部分」（这是个好主意，但「我不知道这是否适用于每一种业务」）；参考客户包括 RBC、Fujitsu 和 LG；模型权重以非商业用途发布——这是一种建立可信度的中间路径，让客户可以验证「它们是否适用于我的问题」，同时把商业用户引导进付费关系。「我很惊讶没有更多基础模型采取这种方式。」
对于人才大战的新闻（Meta 开出 1 亿美元薪酬包），他的态度是审慎怀疑：「我读到的那些人拿到巨额薪酬的故事，和我读到的第二天就离职的故事一样多。」他确认可能从 Meta 招来了 Joelle Pineau；如果一名研究员「能带来正确的价值」，他愿意支付 500 万美元，但人们留下来是因为「稳定性、使命感和价值观一致」。

9. 主权：模型是发电厂，加拿大如今也是卖点

基础设施类比支撑了整套论点：「拥有一个使用本国语言的语言模型，就像为本国人民建设基础设施……我喜欢加拿大拥有几座核电站。」Frosst 认为各国拥有自己的模型基础设施是好事；使用在中国或美国构建的模型，「可能不如使用一个掌握本国语言、方言和文化语境的模型，更能让本国和本国经济获得良好发展」。
地缘政治上的关键一击是：「美国已经表明，他们愿意出于政治原因切断技术访问……随着时间推移，美国科技公司与美国政府之间的联系变得越来越不清晰」——他提到了美国持有 Intel 10% 的股权。结果是：「加拿大以及世界各地有很多公司希望与非美国科技公司合作，我会说这一直是我们的资产。」
他对监管的噩梦与对基准测试的批评如出一辙：最糟糕的做法，是监管者认为「我们正在构建的是数字神明」，然后挑选「他们认为代表 AGI 的某个随机基准」——无论往哪个方向都可以被做成游戏——最终据此叫停开发。

10. 快问快答：告别乐观主义、中国，以及 2 个 junior chicken 汉堡

Frosst 已经不再称自己是技术乐观主义者，算起来已有 10 年。他的转变故事是：他曾经喜欢 Google Glass，后来「有一次我上了一辆公交车，有人戴着它……所有人立刻都注意到了」。至于 VR：「我其实不想把电脑绑在脸上。我想更多地投入现实世界。」但他同时保留 Harry 对孤独的担忧，以及古希腊哲学家哀叹文字出现的历史模式：「你必须把这两种相互冲突的观点同时放在脑子里。」
中国：他不担心。「他们做出了不错的模型……但我不认为他们做出了击败其他模型的模型」——不过约 1 个月前，7 家新模型供应商在 1 周内发布了 7 个模型，确实让他发出「哇」。他对 2026 年最大胆的预测是，「帮我报销」可以端到端真正跑通——「我知道这算不上多大胆……但这种方式最终普及到成为使用电脑的常态，仍然很疯狂」。美国以外的万亿美元 AI 公司？「也许就在北边。」如果不是 Cohere，那就是 Google DeepMind。
关于自己曾经判断错误的地方，他过去相信人类进步是单调向上的——「预期寿命会上升，收入不平等会下降……但事实并非如此。」他还承认了一个 2020 年的技术误判：「我记得当时我说，你不可能只用一小份来自人类反馈的数据，就把模型变得更好」——RLHF 的数据效率证明他错了。并购报价确实来过（「我们已经是一家成立 5 年的公司了——当然有」），但吸引他的仍是「打造一些能比我们活得更久的东西」，即使他知道结局会像《奥兹曼迪亚斯》：「有一天，剩下的只会是沙漠里的两条腿。」
这个仪式已经确认：每次完成一轮融资后——目前是第 5 轮，也可能是第 4 轮——3 位联合创始人都会去 McDonald’s。「我通常会要 2 个 junior chicken。」

市场概述2025年9月2日（crypto）E205｜和丛乐聊基因编辑：碳基生命如何面对硅基挑战？