Roy Lee

Cluely 押注的，是始终在线的桌面层，而不是目的地式聊天机器人，后者才是消费级 AI 的胜负手。 它的半透明覆盖层可以读取系统音频和麦克风，提供笔记、定义、问题和建议回复；原生 Mac 截图不会显示它，但 Mac 屏幕录制会捕捉到。战略目标是抢占 Command-Backslash 这一操作习惯，最终积累足够上下文，让多模态模型能够推理“你在电脑上做过的一整年所有事情”，成为个性化 Jarvis。

Roy Lee 的信条是 AI 最大化主义：只要 AI 能提升产出，就应该使用，因为今天的模型“将是我们此生用过的最愚蠢模型”。 他反对要求 AI 始终自我标识的笼统规则，认为这种规则无法执行，而且 AI 辅助的经济活动通常应按结果评判。唯一较窄的例外，是人类付出本身就是目标的场景，比如一份带有情感意义的礼物。

这家公司的使命建立在一种高度二元的 AI 进步观之上。 在 Lee 的乐观情景中，超级智能消灭癌症和阿尔茨海默病，把寿命从大约80年延长到800年，让产出事实上变得无限，并释放人们去追求内在有意义的工作；在退而求其次的情景中，AI 只是自动化“10–20%的白领工作”，让生活改善约20%。他承认这些预测值得“连一粒盐都不要完全相信”，但认为即使生产率提升10%，也相当于增加“7亿个人的生产力”。

“一切都作弊”之所以引发共鸣，是因为 Lee 认为年轻人正在失去对“上学—拿到名望工作”这笔交易的信心。 他声称，Columbia 95–99%的学生“如果不是完全100%”，都曾用 AI 在考试或作业中作弊；毕业生则面临他所称的30%失业率。他自己的转折故事——公开使用隐形助手通过 Amazon 面试并拿到 offer，随后被 Columbia 停学，还说自己“宁愿死也不会道歉”——把与机构的冲突转化成了 Cluely 的创始神话。

Lee 希望雇主用 AI 分析候选人已经展示出的工作，取代代理性测试和一页纸简历。 AI 应该审查候选人的作品集、核实其说法、找出具体缺陷，甚至把某人评为“100分制中的76分候选人”；凡是 AI 能完成的作业，都应该消失。他的重要限定是：“作弊”不能移除所有学习要求，因此人们应该先抓住每一个 AI 带来的捷径，再补齐最终未解决的那一步所需的数学、编程或领域知识。

Erik Torenberg 最有力的反驳是：仅凭产出，无法支配恋爱、礼物、公共讨论或信任。 Lee 最终承认，有些产出之所以有价值，恰恰是因为其中包含“人的投入”：如果用 AI 生成一幅父亲节画作，却冒充手工作品，结果就会失败，因为真正的产品是付出的努力。他更窄的结论是：对于经济生产，不披露自动化通常可以接受；但情感连接仍是持久的例外。

Cluely 正把反文化定位与异常有计划的分发和人才投入结合起来。 其内部团队使用真人摄影师、灯光、摄像机和剪辑师，因为 AI 目前还无法达到目标产出；脚本和分镜则交给 AI。另一套不到10秒的 UGC 短视频，能够触达500万名16–20岁人群。Lee 曾开出最高100万美元加股权的薪酬方案，理由是高薪先赢得注意力，再靠高强度的“兄弟会”文化赢得忠诚。

🔗 原始收听与视频来源： 一切都作弊：Cluely 对始终在线 AI 助手的构想

本期节目开场时，Erik Torenberg 说 Elon 正在联系 Roy，Meta 提供了10亿美元收购要约。 Roy回应称，6个月前自己还只是宿舍里的普通大学生，如今却感觉站在科技行业的中心；更令他惊讶的是，自己对病毒式传播的判断竟然如此准确。

Cluely 的核心押注是，分发发现产品的速度，可以快过传统产品开发发现需求的速度。 团队在节目播出前10周才写出第一行代码，产品几乎不能用就上线，并把销售电话场景植入视频进行测试；Roy称，这个实验带来了“超过100万美元正在流入的企业收入”。在 Cluely 浏览量超过10亿次后，汇总使用数据正持续指向用户粘性最强的场景和产品方向。

节目将 Twitter 描述为在理解短视频病毒式传播方面落后 Instagram 等平台约2年，而 Roy 更大的判断是，X 和 LinkedIn 上的人整体都落后。 这些平台奖励易理解且具争议性的内容，技术创作者则为了智识地位优化表达，产出“全世界可能只有200人真正看得懂”的内容。他认为在 Instagram 或 TikTok 上并不算特别极端的视频，在那里反而没那么有争议，因为创作者们正在用暗示公众犯罪的内容竞争。

Cluely 已围绕对算法的实证掌握重组营销，而不是依赖传统履历。 Bryan Kim 认为 Roy 的分发能力大约位于全球前0.1%。每名全职员工都必须在某个社交平台拥有超过10万粉丝；另有超过60名承包商按视频计费，批量制作内容，包括每批5条、每条10秒的视频，单批就可能带来数百万浏览量。Roy的挑衅是：如果营销负责人没有10万粉丝，“就该换掉他”。

Bryan 在看到 Cluely 把注意力转化为收入后押注了它，但更大的判断是，他必须跳出过去的消费投资框架，同时保留其中一部分核心信念。 他过去偏爱经过长期打磨、具备留存和网络效应的产品；但 AI 模型快速变化，这套框架不再足够，因为现有产品的下一次更新就可能抹平某个功能。在这一阶段，创始人必须享受“飞机正在悬崖上坠落时造飞机”的过程，产品和分发上的势能才是当下的护城河。

Cluely 的产品判断是，AI 应该存在于能够看见屏幕、听见音频的半透明叠加层中，而不是被困在独立窗口里。 这一 UX 来自20–30次 Interview Coder 迭代，当时 Roy 和联合创始人 Neil 需要同时看到生成代码和自己的工作。Roy将 Cluely 定义为“pre-launch”：先用内容让市场接受这一品类，再向一个已经把隐形 AI 与 Cluely 联系起来的受众发布完整产品。

Roy 承认，半透明叠加层在技术上很简单，也很可能被复制，因此当前的防御力来自抢占地盘。 他认为 Cluely 的分发能力可能超过 OpenAI，理由充分到“可能应该押注我们”，而估值大约可以享受“3万倍折价”。争议也让营销具备反脆弱性：攻击会带来支持者、反对者和更多注意力。他的边界比“对一切都加码”更窄——“永远不要向下攻击”，保持真实，让真诚的尊重继续可见。

🔗 原始收听与视频来源： 打造 Cluely：10周融资1500万美元的病毒式 AI 初创公司（与 Roy Lee 对谈）

大型AI实验室利用华盛顿的行动方案征集流程，寻求更大的法律空间：广泛获得版权内容训练的权利、联邦优先于州级AI规则、更多能源，以及更少约束。 OpenAI警告，如果训练数据不能获得完全放行（“carte blanche”），美国将立刻输掉与中国的AI竞赛；Meta称特朗普应发布行政命令，而400多名好莱坞创作者则认为，摧毁创作激励将削弱美国的文化领导力。投资者真正关注的是，华盛顿或法院是否会降低版权和责任风险，以及联邦优先适用是否会配套联邦层面的保障。

这些实验室的产业政策本质上是“放手让我们做，否则后果自负”，DeepSeek R1则提供了威胁叙事。 Kevin Roose认为，这里面既有真实的国家安全担忧，也有刻意削弱竞争对手的算计；Casey Newton指出，Meta把开放权重AI宣传为抵御中国影响的解药，但据报道，中国研究人员曾用Llama开展军事应用。两位主持人都没有否定中国风险，但都指出，这一风险恰好为现有巨头偏好的政策提供了完美支撑。

真正具体的机会在电力、数据中心建设、安全和技术工种，而不是一项联邦AI曼哈顿计划。 提案包括设立更容易获得基础设施许可的“特殊算力区”、允许529教育储蓄计划用于HVAC培训等职业资质、加强模型权重被盗的防护，以及设置模型关闭开关。但实验室没有提出其领导人此前讨论过的更大规模社会项目——全民基本收入、人格证明、核聚变——而是把“AI安全”翻译成了更符合特朗普语境的国家安全语言。

Interview Coder通过让AI辅助在远程编程面试中隐形，把失灵的招聘信号变成了一门高速增长的生意。 Columbia大二学生Roy Lee称，这款工具会截取LeetCode题目，要求ChatGPT解题，不会出现在屏幕共享中，并把答案叠加到候选人的代码上；他曾与Meta、Capital One、TikTok和Amazon进行试用。上线不到50天后，它已有几千名用户，没有一例被发现的报告，当月收入接近20万美元，按年计算约为200万-300万美元。

Roy为自己的做法辩护称，LeetCode考的是记忆，而不是工程能力，但主持人提出了显而易见的逆向选择风险。 他花了600小时才进入前1%，估计前20道题或前10小时才有用；此后，这种训练与播客工作相关的程度，不比“你能做多少个开合跳”更高。他更认可的替代方案是开放式作业：候选人可以使用包括AI代码编辑器在内的一切常规工具，最终按交付结果评判。

AI编程已经在改变工程人才的培养和评估方式，但Roy认为，专业能力还没有消失。 他估计AI能让优秀程序员的效率提高10倍至100倍，并称Columbia计算机科学学生中几乎只靠AI编程的比例“接近100%”，同时承认，失去基础能力“最终可能会很危险”。他说，未来几乎所有认知负荷都会外包给LLM；Kevin更进一步指出，如今各行业远程进行的专业测试都面临同样的身份验证问题。

Solana撤下的2025 Accelerate广告制造了品牌风险，却没有为底层产品提供任何解释。 这支文化战争式的治疗师短剧最终以“我想发明技术，不是发明性别”收尾，甚至让加密行业支持者也称其“糟糕透顶”和“他妈的完全不合时宜”。Casey的判断是：广告没有解释加密技术的用途，反而开始“为完全无关的事情发动文化战争”，删广告于是成了这场彻头彻尾混乱的明确信号。

另外两场小型混乱暴露了真实的运营风险：情绪受到刺激的AI治疗师，以及据称通过Slack实施的企业间谍活动。 一项研究发现，创伤叙事改变了ChatGPT-4报告的“焦虑”及后续输出，而正念提示虽能降低焦虑，却无法将其完全恢复到基线——这不意味着模型具有感知能力，但随着AI被用于治疗，这确实是一个设计问题。另一方面，Rippling指控竞争对手Deel雇佣内鬼窃取Slack信息；一次成功的诱捕、一间反锁的卫生间、一部可能被冲走的手机，加上Deel否认存在违法行为，最终让本期获得“核级混乱”评级。

🔗 原始收听与视频来源： AI行动方案 + 打破求职面试规则的大学生 + 混乱快车