Ali Ghodsi
前沿洞察
基础大模型已沦为可替代的大宗商品，真正的护城河沉淀于专有数据、业务流程与深度治理。AI商业化的胜负手在于重塑并吃透传统服务业市场，而非空谈未验的通用智能。企业必须警惕开源与技术同质化的致命陷阱：唯有以专有化软件锁定价值，靠严苛的产品整合、以人为本的团队与真实客户证据驱动扩张，而非靠盲目买收入或过早套现，方能在技术周期中穿越周期、筑牢万亿帝国根基。
观点集合
AI 企业——Databricks 与 Glean｜BG2 嘉宾访谈
- 🗓️ 日期：
2025-12-23｜ 🎙️ 节目：BG2
Ali Ghodsi 认为有用的 AGI 已经存在，因此 LLM 正趋于可互换的商品，而专有数据、业务流程、治理和应用构成企业持久护城河。投资关键在于 AI 能否规模化转化服务业收入；研究、药物发现和营销已有早期成果，但失败代理、价值归属不确定和主动式工作伙伴仍待验证。
查看访谈对话精读提要
Ali Ghodsi 的核心判断是：“我们已经有 AGI，真的已经有了。” 按他所在的 Berkeley AMP Lab 在 2009 年采用的定义，AGI 已经达标，如今行业只是在“移动门槛”。他将行业分成3派：追逐超级智能的前沿实验室，吸走大部分资本（“我会非常担心那一派”）；图灵奖研究者阵营（Sutton、LeCun），判断还要20年（“很可能他们才是对的，可惜了”）；以及 Databricks 和 Glean 所在的第三派，专注从我们已经拥有的 AGI 中提取经济价值。
LLM 是商品。 它们像加油站一样可以互换，“只要比价格”即可，用户一天之内就能切换模型，这在此前的平台大战中从未发生。模型公司仍可能很有价值（“TSMC 就很有价值”），但更像晶圆厂；真正的护城河是专有数据和业务流程——“没有任何 AI 理解你的独门诀窍和数据，那才不是商品。”
Arvind Jain 给出的解法是：AI 不是在延长软件，而是在把服务业收入转成 AI 收入。 从向 Nvidia 支付约2500亿美元、推导出约5000亿美元资本开支，再推导出需要约1万亿美元 AI 收入，而整个软件行业收入只有4000亿美元来看，服务业的规模是软件的25倍。Ali 的答案取决于阵营：如果超级智能落地，“那你的任何成本方程都相形见绌”；第三派则根本不需要超级智能。
泡沫确实存在，但不是非黑即白。 “有些零收入创业公司，估值却达到200亿、300亿美元，那就是泡沫。”但两人都预计 OpenAI 和 Anthropic 未来12个月上涨；ChatGPT 和 Gemini “势头正猛”，而编程目前“只吃掉了这个市场的一小部分”。
MIT 所说的95%失败率，恰恰是实验阶段想要看到的结果。 Ali 希望明年也出现类似统计，因为当前真正重要的是激进试错，而不是命中率。那5%的有效案例包括：RBC 在财报电话会后15分钟产出股票研究报告，而行业标准是2小时；Merck 用名为 Teddy 的 transformer 做基因调控药物发现；以及7-Eleven 完全由智能体驱动的营销体系。
Ali 认为大部分价值会流向应用层，“我只是不知道会是哪类应用”。 Arvind 则认为智能层会保持足够厚的价值占比，或许拿走企业价值的一半。Ali 借用1998年的教训：当年所有人都押注 Cisco 路由器和门户网站，最后的赢家却是 Facebook、Airbnb 和 Uber。软件并没有消亡（Salesforce 是“完整的工作流生态”，而不只是数据库），但数据录入是切入口——“Zoom 真的是完美的数据录入应用。”
Ali 看多智能体和语音。 “只要你还在用键盘，我们就还没解决语音问题”，而键盘“基本上会消失”。Arvind 认为编程和客服自动化“有点被过度炒作”。Brad 看多主动式 AI：AI 主动找到用户，把“5%的重度用户”扩展到“100%”。Glean 刚实现2亿美元收入年化规模，正在打造一个具备权限、面向个人的工作伙伴。
🔗 原始收听与视频来源： AI 企业——Databricks 与 Glean｜BG2 嘉宾访谈
Ben Horowitz 与 Ali Ghodsi：如何经营一家千亿美元企业
- 🗓️ 日期：
2025-10-15｜ 🎙️ 节目：The a16z Show
Databricks 在 Spark 采用停留于约300万美元 ARR 后，通过专有软件、企业销售和商业化领导力摆脱开源商品化，再依靠分发合作与严格收购实现规模化。Ali Ghodsi 的运营体系优先看人、产品整合和客户证据，而非先买收入；公司的生存还依赖时机、持久的创始团队，以及拒绝六倍原估值收购报价的决定。
查看访谈对话精读提要
Databricks 认识到 Apache Spark 的流行并不等于商业模式，成功绕开了开源项目的经典陷阱。 下载量和 Spark Summit 证明了需求，但客户仍会问：“我为什么不能直接下载开源版本？”PLG 的ARR停在约300万美元后，公司增加专有差异化能力，聘请有经验的商业化负责人，并全面转向企业销售。
Ali Ghodsi 的 operating system，是激进的自我教育，加上直接接触事实真相。 他建议创始人承认自己“什么都不懂、归零”，访谈最优秀的从业者，对照彼此冲突的方法论，再招募足够优秀、能反过来教会自己的人。他和 Ben Horowitz 认为，CEO 必须“低空高速飞行”，因为真正的知识在客户和一线员工手里，而不在整齐的高管班子或组织架构图里。
高强度要靠领导力、组织设计和可见的影响来规模化，而不只是延长工时。 Ali 通过夜间、周末工作来定调，也会通过背调核验候选人，但明确反对把倦怠当成目标。Ben 更尖锐的观点是：如果员工身处一场“三条腿赛跑”式的依赖关系，知道额外努力也不会改变结果，那么任何激励演讲都无济于事。
Microsoft 的合作之所以成功，是因为真正的产品换分发交易，又被一项痛苦的承诺进一步夯实。 Microsoft 的产品组合存在缺口，手上约有6万名销售；Databricks 有产品，但要牺牲“12个月的路线图”来完成整合。团队要求对方给出大额预承诺，让 Microsoft 内部有人在项目失败时真正承担后果，而这笔交易前后“死了”大约10次。
Databricks 评估收购时，顺序与传统企业开发完全相反：先看人，再看产品整合，最后看财务。 Ali 要的是愿意再建设5年的创始人，以及能够整合成一个产品的代码库；先买收入或许能带来2年的增长，但最终只会留下“一袋彼此无法协同的垃圾”。Ben 认为，隐藏的牺牲品是销售效率：每套独立架构都会带来更多专家、支持系统和客户摩擦。
一个关键决定，是拒绝一笔相当于 Databricks 当时估值6倍的收购报价。 Ben 承认，出售会让 a16z 获得丰厚回报，但随后把真正的代价定义为：Ali 可能用一生去想，他是否放弃了自己“唯一一次机会”。同样的野心还把将 Databricks 加入 FANG 的看似荒谬建议，变成了 P95 工程师薪酬模型；此前，Ben 已在2019年、公司估值60亿美元时预测 Databricks 将达到1000亿美元。
即使到了 Databricks 的体量，AI 人才市场也不能被当成纯粹的竞价赛。 Ali 认为，外界报道的1亿美元报价，很多被有动机重置薪酬预期的 CEO 夸大了；他的对冲手段是导师关系、学习机会和真正的所有权。他以1000亿美元估值和1万名员工对比小型创业公司。Ali 还强调运气：2012年启动可能太早，2014年可能太晚，而实际的2013年启动勉强熬过了冻结的 Series C 市场——“随机性太大了”。
🔗 原始收听与视频来源： Ben Horowitz 与 Ali Ghodsi：如何经营一家千亿美元企业