Anton Osika

Pat Gelsinger对Intel的复盘是：公司不再按科技公司的方式经营，随后又通过资本配置把这一错误固化下来。 他2001年回归前的5至6年里，Intel向股东分配了1000亿美元，却整整10年没有建新厂，也没能买到EUV设备。他的原则是：十亿美元级别的技术决策不能“靠一张表格”做出来。

Apple、Nvidia和TSMC击败Intel，靠的都是耐心建设能力，而不是押中某一个奇迹般的赌注。 Steve Jobs在4个版本的操作系统中悄悄保留对x86的支持，之后才把芯片和系统设计整合起来；Nvidia持续复利CUDA，直到GPU走出图形应用；TSMC把代工准入标准化，2001年晶圆产量已是Intel的5倍，如今约为7倍。Apple的逻辑不是“你作为供应商失败了”，而是“我自己供货会更好”。

半导体供应链韧性正在改善，但台湾对能源的依赖，仍让全球经济暴露于一场甚至不需要开枪的封锁。 Gelsinger称，CHIPS Act启动时美国先进制程产能约占12%，如今为18%；但台湾能源储备不足3周，一座停摆的晶圆厂需要90天才能重启。他认为，台湾限电对经济的冲击将“超过大萧条”。

Gelsinger认为，AI是持续数十年的建设周期，其自然上限是电力，而不是市场对智能的需求。 能源供给限制了数据中心无限投建的可能；目标应是让AI能力提升10,000倍，把token成本和能耗降低5个数量级，再通过杰文斯悖论扩大使用量。他预计AI还会进步“20年左右”，但过程不会是一条平滑曲线。

AI高估值可能反复回调，但这并不推翻底层逻辑，因为这些业务已经拥有真实营收和利润率。 Gelsinger欢迎周期性修正和更多“末日时刻”，认为这能抑制过度扩张，并将机会延伸为“计算三位一体”：经典计算、AI和量子计算。他预计2030年前会出现有实际意义的量子计算成果，加密问题可能在2032至2033年左右被解决。

Lovable的数据表明，Vibe Coding已经从原型开发跨入生产和业务运营。 运营20个月后，公司称累计生成超过5000万款应用，每周新增100万个项目，这些应用每月访问量达7亿次，企业客户是增长最快的部分；Anton Osika还用“我们在5月达到500”纠正了Jason Calacanis对4亿美元营收的估计。Jason内部团队将一个过去需要50万美元开发的内网项目，压缩到约4至8小时完成，首年成本不到2000美元。

Lovable的竞争壁垒正从单一基础模型之上移开，转向编排、运营数据、安全能力和持续积累的反馈。 它在商业前沿模型与开放权重模型之间分配任务，针对客户影响最大的失败案例进行后训练；只要便宜模型对客户的结果可测地更差，就不会为了省钱改用它。Osika认为，越来越大的限制来自人的判断：模型可以立即生成复杂软件，但判断“什么才是应该做的产品”进步得慢得多。

🔗 原始收听与视频来源： Intel前CEO谈错在哪里、接下来怎么办 + Lovable CEO谈Vibe Coding的真正价值

在 OpenAI 380、Anthropic 180、Grock 约 $100 之间配置仓位时，Osika 选择做多 Grock、做空 OpenAI。 他先说 Anthropic，随后当场改口。理由是“Grock 团队的斜率”：他们“为数据整理环节招募传教士”，而且“士气极高”；相比之下，“OpenAI 经历了这一团乱局”。原始字幕还说“Dropbox”的士气不错，企业端增长更快，可能指的是 Anthropic。

下一个领先模型“尚未诞生”——“是的，来自中国。” 他认为中国模型有“50/50 的机会成为最佳模型”，并表示“我们迟早会用到中国模型”，前提是确认对方是否会获得 Lovable 不愿分享的数据，以及是否存在其他负面因素——这对 Lovable 而言是个颇具冲击力的承认。

单位经济学上，他坦言：今天每个付费使用收入美元中，流向 Anthropic/OpenAI 的部分“占多数，但不是全部”。 计划是订阅价值叠加 token 利润弹性；几个月前，Lovable 构建的应用经模型提供商流转的 AR 已超过 1000万美元。但相比 Revolut 式的回本周期优化，他刻意优先争夺心智份额：“你得看看我神经网络里的权重。”

他的防御性原则是：“AI 初创公司就像被大炮轰出去的鸡……关键在于快速扑腾”，第一天不要操心护城河。 终局护城河是一个用户无法离开的平台，让 Lovable 从“你的技术联合创始人”升级为“你的全面联合创始人”。在各家实验室中，未来 12 个月更严肃的竞争对手是 OpenAI，而不是 Anthropic。

GPT-5 的结论是：它“很多时候对我们的用户来说野心太大”，而且“模型仍然太有野心”。 Harry 从能力角度判断，它“没有带来阶跃式提升”。Lovable 仍用 Anthropic 写代码，用 GPT-5 处理困难调试；Osika 认为模型在细腻度上趋于平台期，但科学和生物工程领域仍处于指数式 sigmoid 曲线中。

在 7 个月达到 1亿美元 ARR 后，收入中 80% 来自“构建真正复杂应用”的用户。 企业客户约 10%，且增长很快；业余用户约 10%。到 2035 年，他的愿景是成为“人类使用 AI 最多的界面”。

他最尊重的竞争对手是 Figma，但 Figma Make 从设计切入可能“让你慢太多”；至于 Harry 说“你们所有人都不擅长安全”，他的回答是：“呃，是的”。 他的论点并不是设计会消失，而是细节设计越来越会被高层设计方向和 AI 实现取代；同时，Lovable 的安全审查流程让其出现漏洞的概率低于普通人类开发者，目标是将漏洞概率降至 0%。

人才是第 1 位，品牌第 2 位，而在应用层，资本“完全不是约束”。 欧洲是“困难模式”，因为此前完成规模化的运营者网络稀薄；但 Lovable 目前是“斯德哥尔摩最大的人才磁铁”，这一位置在旧金山“难得多”。

🔗 原始收听与视频来源： Lovable CEO Anton Osika：基础模型现状、Grok 对决 OpenAI，以及 Replit 对决 Bolt

Lovable自2024年11月21日上线后，每周新增ARR已达200万美元，高于去年12月的每周100万美元；Anton Osika承认，发布本身表现平平（“我们本可以获得多10倍的媒体报道”）。 即使团队在高负载下花了8周以上重写整个代码库，增长仍在加速。

针对“AI糖水收入”的质疑，本期最有力的数据是：付费客户首月留存率达85%，高于ChatGPT，同时付费用户接近4万人。 Osika承认，部分用户明知会流失，仍会“刷卡升级”只是为了体验；Harry则指出，现在“还太早，无法看到第6个月”。

Osika的资本观确实反共识：他拒绝了YC（“最好的结果是大量稀释并获得一些加速，最差的结果是造成干扰”），后来只融了一笔他说本可更晚再融的小额资金，并表示，资金充足的美国竞争对手并不会逼你融资——“唯一重要的是执行……大多数事情都可以靠自力更生完成。” 他不担心在人才、客户或营销上被对手烧钱压过。

他的资产配置快问快答接近可交易观点：以500亿美元买入可能的Grok，以3000亿美元做空OpenAI——Elon在“人才方面非常出色”，而OpenAI“把所有最优秀的人才都输给了Anthropic”，也没有展现清晰的产品方向；尽管Anthropic（其Claude是Lovable编写代码的“主力工作马”）才是他的最爱。 美股最大做空标的：其ICP被AI取代的按席位收费SaaS，因为“席位数量会下降”。

一个值得标记的观念转变是：没必要绑定单一基础模型供应商——“它们最终都会很出色，不会有唯一赢家”；随着模型彻底商品化，当前的专业化差异（Claude最擅长代码）会逐步抹平。 Lovable目前已同时运行OpenAI、Gemini和Claude。

谈到欧洲：“欧洲可供使用的原生人才更多”，可以用套利价格雇佣欧洲人才、向美国市场销售，即便美国文化更习惯默认做大、做强，而瑞典受Jante法则影响。 从欧洲打造品类定义者属于“困难模式——而我对困难模式感到兴奋”。

自我批评是增长杠杆：Lovable“非常不擅长把用户抵达顿悟时刻的时间压到足够短”，修复这一点可能让转化率翻倍。 团队一直专注于“把核心AI部分做得越来越好”，而不是优化引导。事前复盘显示，公司会在失去“势能和兴奋感”时死亡——“这正是驱动我们的东西”。

🔗 原始收听与视频来源： Lovable联合创始人兼CEO Anton Osika：实现85%第30天留存，优于ChatGPT

Lovable 于11月21日上线后的前2个月内，实现了900万美元年化经常性收入，Anton Osika 称这是他能找到的欧洲所有产品发布中最快的。 数十万用户已经试用，付费用户大约每隔1天就会回来，用户经验从完全不会写代码到深度开发者均匀分布。真正具备投资意义的信号，是软件创作本身存在异常广泛的需求，而不只是专业程序员写代码的速度更快：Lovable 明确瞄准“那99%不会写代码的人”。

产品判断是，AI将引发一场“高质量软件的大爆发”，但持久化的界面会在这场爆发中留下来。 Anton 预计，AI会让几乎所有人都能创建和定制软件，但用户仍然看重经过测试、行为可预测的UX，以及长期积累的肌肉记忆。生成式组件会大量涌现，但只要一致性仍然重要，完全生成式界面就不太可能取代标准化产品。

Lovable 认为，让全栈开发变得可靠的关键不是原始代码生成，而是基础设施的强约束。 每增加一个连接，系统就会“呈指数级地更容易出错”，因此 Lovable 将用户引向 Supabase 数据库和后端函数、Stripe 支付、Firecrawl 网页数据以及基于 Cloudflare 的发布等顺畅路径。价值由此转向能够把部署、调试、密钥和集成统一打包的平台。

Lovable 通过智能路由把模型选择隐藏在产品内部，并称一旦出现更好的模型，就会“连夜”完成切换。 录制时，Claude 3.5 Sonnet 是其最强的通用编程模型；Google 的快速模型负责最小规模的调用，而 OpenAI 推理模型更适合系统陷入困境时。DeepSeek 的开源属性可能让 Lovable 很快训练并控制自己的默认模型，但 Anton 也承认，最终仍可能由一家供应商在价格和性能上占据主导。

现场演示证明了产品的真实效用，也暴露出面向非技术用户的可靠性缺口仍然很大。 团队做出了一个AI产品比价应用：抓取URL、推断购买标准并比较耳机，但过程经历了API报错、手动转移日志和反复提示；第一条路径用了17次编辑，较干净的重建版本被描述为3次编辑，而导语概括为4次提示。Anton 估计，非技术用户遇到问题的概率至少为50%，彻底卡死的概率可能约为10%：“这已经是它最糟糕的时候了。”

Lovable 正在有意限制代理能力，直到自主执行变得可预测、可解释。 Anton 将LLM代理定义为一个不断行动、观察、再行动的开放循环，但可变的执行时长叠加并不完美的可靠性，会造成“非常糟糕的体验”。近期目标是实现有边界的自调试，并推出代理模式，让系统能够尝试合理恢复，而不是让用户盯着“第87次迭代”却不知道发生了什么。

管理层预计，随着基础模型进步，今天的上下文管理技巧会越来越难形成差异化，持久竞争将转向基础设施、UX抽象和执行速度。 Lovable 已经使用“agentic RAG”在不断扩大的代码库中定位内容，但 Anton 预计更聪明的底层模型会削弱这一优势。因此，公司正在构建团队协作、同步IDE编辑、分支和一键生产发布，同时把招聘集中在斯德哥尔摩，围绕异常高的人才密度组建团队。

🔗 原始收听与视频来源： 软件超新星：Lovable 的“超人级全栈工程师”，数秒将想法变成应用