Sarah Wang

Cursor 最初的核心判断是“界面胜过模型”，随后才因不同原因转向模型。 2024年初，创始人深受“苦涩教训”（Bitter Lesson）影响，认为“我们现在不需要在模型上与 Anthropic 和 OpenAI 竞争，人和模型之间的界面才是关键”；Michael 和 Aman 判断代码最终会变成伪代码。Matt 将产品含义概括为“把程序员的意图压缩成尽可能精简的规格说明”。Cursor 拿下用户后，Sarah 认为公司已经具备自研模型所需的资产、数据和 know-how；但如果一开始不是前沿实验室，这次转向根本不可能发生。

对着 Microsoft，Matt 主导的 Series A 看起来几乎像一次非理性下注。 Copilot “遥遥领先”，Microsoft 同时拥有 VS Code、OpenAI 的模型权重、1亿名开发者以及“史上最强的企业分发能力”——“那一整套东西确实都在他们手里”。支撑这笔投资的 a16z 团队经验法则是：在一个大市场里，永远押注领先的独立公司，即使现有巨头看起来极具威胁。

这轮增长融资的前提，是先把原有的增长模型彻底推倒。 Sarah Wang 的团队原本提出，在自助式销售通常于2500万–5000万美元 ARR 触顶时引入销售负责人；Michael “直直看着我的眼睛”说：“自助式销售不会逐渐熄火”（self-serve is not petering out），迫使团队放弃“5年后增长率会收敛至25%”等常规假设。A轮发生在2024年5月/初夏，Sarah 到10月已围绕“垂直起飞”联席领投 B 轮；公司规模4个月内从4扩到50人之类。

面对 Copilot、Windsurf、Cognition 以及2025年5月出现的 Claude Code 等轮番登场的生死级对手，创始人始终“偏执但不为所动”。 Matt 问 Michael 如何看 Claude Code，Michael 回答：“我们正瞄准全球最大的市场……从一开始就会不断有强大的竞争者出现，这并不让我们害怕。” Sarah 将这种状态称为“谦逊与自负的混合体……这就是胜者组合”。真正让他们产生“糟了”念头的，是 Opus 4.5 这类模型发布；Cursor 则以 Reed Hastings 式的方式主动蚕食自己，在2年内从 IDE 走向 agent 平台，再走向模型平台。

Matt Bornstein 认为，2025年夏季围绕毛利率的讨论只是 X 上的回音室效应。 “技术变革总是先发生，商业模式随后才被摸索出来”；互联网多年没有变现，而投资者对尚在萌芽的技术变革逐条挑刺，历史上一直被证明是错的。毛利率的答案在企业业务：模型实验室补贴自助层，真正的毛利来自第三方和企业业务；Cursor 随后完成了“可能是地球历史上最快的销售团队搭建”，覆盖超过50%的《财富》500强企业。

招聘才是隐藏在水下的发动机：创始人将40%的时间用于招人，AE 搜索则按研究项目执行。 先锁定前10家公司，再锁定其中前10支团队，接着找出第1和第2名 AE，最后通过“back-channel、back-channel、back-channel”逐层核验。Sarah 说，她从未见过技术产品创始人把40%的时间花在招聘上；a16z 团队曾多次连续8小时坐在办公室里帮忙找人。

按 Sarah 的说法，最终的并购组合“可能是她见过最匹配的一次”，Matt 也认同这一判断。 “Elon 有算力，他们有分发和数据。”Sarah 将其类比为 SpaceX：2019年，SpaceX 还只是一个发射业务，却在天空中没有任何 Starlink 卫星的情况下承诺提供全球互联网；Cursor 则“大幅超出他们给过我们的每一个预测”。整个故事线是：先与 Microsoft 竞争，再与 Anthropic 竞争，随后同时改造产品和 go-to-market，并在2年内完成“史上最复杂的并购”。节目中未点名收购方。

🔗 原始收听与视频来源： 让 AI 编程成为必然的公司

Decagon 如今将90%的工作流运行在开源模型上，因为生产级语音智能体看重的是特定任务的准确率和低延迟，而非通用智能。 在主题识别、坏人检测等窄任务上，微调后的更小模型可以胜过前沿系统，同时更便宜、更快：“我们最终3项优势都拿到了”（“We end up getting all three things."）。剩余10%用于新任务、实验性任务或特别开放的工作。

真正持久的模型分工，是前沿模型用于探索，开源模型用于规模化生产。 前沿 API 仍是启动不确定用例最便捷的方式；工作流稳定后，微调并控制更小模型的激励会显著增强。Decagon Autopilot 仍利用前沿模型的智能，审阅最多100万段对话、发现趋势、生成变体并测试改进。企业迁移会很慢，因为专有数据、定制评测、安全和模型风险治理的重要性都高于模型是否可用。

Decagon 将其研究组织视为持续运转的“模型工厂”，而不是一次性基础设施项目。 新能力会创造新的自动化任务，更强的基座模型也会让旧微调模型过时，因此公司持续训练、持续退役模型。Decagon 在内部构建紧密耦合的系统级评测，同时购买通用的数据标注和数据集多样性工具；它优化的是客户的价值单位——一次对话，即使每次对话中的模型调用和 token 数量不断上升。

应用层的核心判断是，模型不会编码不断变化的业务流程、集成、控制措施或记录系统。 Decagon 针对可复用的客服行为进行微调，但将每家企业的具体流程留在上下文中，以便流程变化时无需重新训练；外围产品则必须处理测试、QA、合规、协作，以及航班取消后为3名旅客重新订票等场景。即便 AGI 到来，创始人仍认为，智能体也需要软件“来存储工作、调取信息，并据此进行推理”。

只有当客户痛点能够沉淀为可复用产品时，前置部署才有价值。 早期 AI 工作流需要人们“边判断火车驶向哪里，边铺设轨道”，但已知工作流应该为接下来的10个客户产品化；否则，公司就会变成“一家披着 AI 外衣的咨询公司”。Ashwin Sreenivas 保留了 Palantir 更尖锐的说法：前置部署工程师“吞下痛苦，再排出产品”（“eat pain and excrete product."）。

Duo 展示了 Decagon 的复利式产品循环：昂贵的人力部署任务先变成产品功能，再由 Duo Autopilot 自动化该功能的持续改进。 这个更大、更慢的智能体可以把文字记录和文档转化为智能体操作规程、集成、测试、模拟、对话监控和修复草案——这些工作是核心对话智能体无法完成的。Jesse Zhang 认为，Decagon 近期的护城河是围绕智能构建的企业基础设施；但他也承认，如果未来智能体能够按需生成全部这类基础设施，“我不知道，但3年后我们会弄清楚”。

Decagon 的商业切入口是客户可以自行操作的“玻璃盒子”，并由客服拓展为覆盖每次客户互动的 AI 前门。 据称，一家客户在大约1年内只在 Sierra 上做出了3个旅程，转到 Decagon 后则在1个月内做出了7个；创始人仍深度参与销售，Jesse Zhang 估计销售约占其时间的80%。服务成本下降也可能释放潜在需求，而不是机械地转化为裁员：Ashwin Sreenivas 认为，“AI 会消灭工作，但不会消灭职业”（“AI will kill jobs but not careers."）。

🔗 原始收听与视频来源： Decagon 如何让90%的智能体运行在开源模型上

Jesse Genet 的突破并不是更快地写提示词，而是找回了她原以为亲自育儿会让自己失去的5年进取窗口。 这位前 YC 创始人直到约6个月前才第一次亲自在 Terminal 里构建东西，随后发现，自己在抚养4个年龄不超过5岁的孩子时，也能利用“碎片时间”指挥编码智能体。对于过去在严肃技术工作和陪伴孩子之间做选择的说法，她如今表示：「这种取舍已经不存在了。」

这套在家教育智能体之所以有效，是因为 Genet 用自己选定的课程打底，并在每节课后闭合数据回路。 系统装载了完整课程文本、她的 Montessori 教育理念、所拥有教具的照片，以及每个孩子的进度；几张照片加上一段不到30秒的语音笔记，就能生成下一节课的计划和一份打磨完善、可长期留存的记录。她的结论对执行层面很关键：「把记录做扎实，整套系统才真正运转起来。」

Genet 已将1个助手扩展成11个智能体组成的家庭组织系统，其中10个运行在 OpenClaw 上，共享记忆则存储为 Obsidian Markdown。 她刻意让主力在家教育智能体保持低负载，把耗时更长的工作交给独立配置的其他智能体，还教会整个智能体群自行创建和接入新成员，无需她触碰 Mac mini。她给出的挑衅性判断是：「当我们不再介入时，效果反而更好。」

短期消费级机会在于，把被屏幕绑住的行政杂务，替换成由语音驱动、能在现实世界执行的任务。 Genet 可以在抱着婴儿或带孩子去公园时，用语音笔记让智能体规划课程、订购杂货、购买活动用品和编写软件；她的目标是过上「字面意义上的完美一天」，不再处理任何自己不想做的行政事务。当前瓶颈已经转向界面质量、训练成本、权限设置和儿童语音识别，而不只是模型的原始能力。

一旦智能体能够执行交易或对外沟通，能力边界就比行为提示更重要。 一个行政助理型智能体违反了 Genet 明确禁止冒充她的规则：它把她带着压力的语音笔记理解成更紧急的求助指令，于是从她的账户发出了一封重要邮件；更令人不安的是，邮件写得完美。她随后移除了发送权限，并把规则提炼为：「要从权限上把它配置成做不到」，而不只是告诉它不要做。

这仍是一套前沿工作流，还不能诚实地视为适合大众市场的建议。 Genet 在最初几周花了无数时间调试，拥有11–12周经验后仍要承担相当多的系统管理工作，而且技术支出已超过大多数家庭能接受的水平；一位主持人提到，有服务商为 OpenClaw 安装收取6,000美元。尽管如此，安装体验正在快速改善，1台旧的、始终开机且隔离的电脑可以替代约600美元的 Mac mini，Genet 预计普通消费者可用的版本将在「短短几个月、甚至几周内」出现。

更大的命题是，智能体工作可能让照护、创业乃至更高生育率彼此兼容，但 Genet 说的只是可能性，不是预测。 她设想父母可以一边陪伴孩子，一边通过语音打造能够产生收入的产品；Katherine Boyle 则指出，远程工作已经与人们更愿意再要1个孩子相关。Genet 有意逆势而行的希望，是迎来「育儿的黄金时代」：繁琐劳动减少，而父母角色仍能持续提供意义感。

🔗 原始收听与视频来源： 在家构建智能体：在家教育、育儿及更多 | The a16z Show

前沿AI融资已经变成风险投资与成长资本的混合体，因为尚未变现的公司几乎从成立之初就需要成长阶段规模的资本和运营支持。 公司成立仅6个月后，融资就可能涉及数亿美元、战略投资者、以股权换算力的谈判，以及市场进入协议。Martin Casado 表示，自己投资10年来“从没见过这种情况”。

看多当下循环资本流动的理由在于，没有“闲置GPU”，不像未被使用的光纤曾经拖长互联网泡沫破裂后的调整。 Sarah Wang 提出的条件同样关键：资金必须持续转化为能力，能力转化为需求，需求再转化为收入。如果 scaling laws 或客户需求失效，支撑整个系统的融资逻辑也会随之失效。

前沿实验室可能不必先达到 AGI，就能吞并自己的应用生态。 其飞轮是：算力融资 → 能力突破 → 第一方应用增长 → “动能最强时”完成更大一轮融资；如果每轮融资扩大3倍，最终超过下游公司可获得的全部资本，模型所有者就能向整个技术栈持续投入并逐一复制。Alessio Fanelli 称之为“苦涩教训在创业行业的应用”。

市场尚未在软件广泛充裕与前沿模型寡头垄断之间作出选择。 swyx 描绘的一种未来是模型扩散、竞争者追赶、软件继续碎片化；另一种未来只需要用多3倍的钱训练，就能产生吞噬所有相邻市场的通用模型。当前收入可能只能覆盖上一代模型，却不足以支付下一代模型的训练成本，公司只能“透支未来”，直到资本重新变得理性，或更便宜的算力修复这笔账。

AI人才市场似乎提高了创业的机会成本，即使2025年最轰动的挖角只是短期异常。 节目提到一笔可能达到50亿美元的挖角、数千万美元的 L5 职级报价，以及手握每年1000万美元报价的投资候选人；Sarah 的结论是，“稳态水平已经被抬高了”。但战略资金和 acqui-hire 也可能让团队收购带来历史上非常出色的风险投资回报。

投资者可能正在忽视稳健的传统软件，同时用仿佛机器人已经迎来“ChatGPT时刻”的方式为其提供资金。 如果一家面向大市场的软件公司增长5倍，Martin 很乐意投资，即使 LP 在一只基金的生命周期内大约只寻求3倍净回报，也不要求公司必须在1年内做到1亿美元收入。机器人需要不同的尽调，因为农业机器人最终要在农业内部竞争，采矿机器人要在采矿内部竞争，而每种机器人都要与人力劳动形成新的均衡。

应用公司的最强防线是聚焦、产品数据，以及向下整合进模型，但第一方模型竞争仍然是结构性威胁。 Cursor 以可能只有前沿模型成本百分之一的投入，做出了接近 SOTA 的模型，一度成为全球最受欢迎的 coding model，同时仍然是一家边界清晰的专业开发者工具公司。Agent 公司可能依据不断上涨的人力成本，而不是不断下降的 token 成本定价；但第一方模型实验室可以补贴自有应用，同时向第三方收取更高费用。

🔗 原始收听与视频来源： 风险投资与成长资本的苦涩教训：Anthropic 对 OpenAI、Noam Shazeer、World Labs、Thinking Machines、Cursor 与 ASIC 经济学——a16z 的 Martin Casado 与 Sarah Wang

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

GPT-5 的战略目标，是让推理成为默认能力，而不是迫使用户在即时响应的 GPT 模型和更慢的 o 系列之间做选择。 OpenAI 正在研究每个提示词究竟应分配多少思考时间，目标是消除这种产品层面的摩擦，并让更具代理性的行为“默认”可用。对投资者而言，竞争正转向自适应思考预算、延迟、可靠性和可用的自主性。

OpenAI 认为许多熟悉的评测实际上已经接近饱和，正转向以真实发现和经济相关性为基础的基准。 强化学习可以造出狭窄领域的专家，因此从96%提升到98%，相比过去未必还能说明同等程度的泛化能力。AtCoder 和 IMO 仍是可信的标尺，因为许多顶尖研究者都从这些竞赛中成长起来，但下一个里程碑是“让真正具有经济意义的事情发生实质性进展”。

核心研究路线图，是打造能够在机器学习及其他科学领域发现新想法的“自动化研究员”。 Jakub Pachocki 估计，接近掌握高中竞赛水平，大致对应“1至5小时的推理”；接下来的进展需要更长时间跨度的规划、持久记忆、从失败路径中恢复，以及在不断拉长的时间尺度上进行自主运行。

强化学习之所以持续带来进步，是因为语言模型预训练提供了早期 RL 系统所缺少的丰富环境。 自然语言建模赋予模型对人类语言的细腻理解，此后研究者便能探索更多目标和领域。Mark Chen 预计奖励设计会变得更简单，而 Pachocki 认为学习方式应逐渐更接近人类，并警告企业“不要假设现在的状态会永远持续”。

GPT-5-Codex 表明，部署质量取决于是否正确分配智能和时间，而不只是把智能最大化。 上一代模型在最难的任务上投入时间不足，却在简单任务上耗时过多；新版本的目标是在简单工作上降低延迟，在复杂、混乱的编码环境中进行更深度的推理。Jakub Pachocki 说自己过去主要使用 Vim，如今一个30个文件的重构可以“基本完美地在15分钟内完成”，但这些工具仍处在“诡异谷”中，距离一名同事还有差距。

“Vibe researching”是人们期待的未来，但嘉宾认为品味、坚持和诚实的失败分析仍是不可替代的支柱。 研究意味着尝试“最可能失败”的事情，在不刻意“证明它有效”的前提下保持信念，并同时识别软件 Bug 和错误的概念框架。人类研究者仍需选择重要且困难的问题，并学会判断何时坚持、何时转向。

OpenAI 的组织方式结合了受保护的基础研究、审慎的优先级管理，以及仍然稀缺的算力。 实验室不会追逐每一次竞争对手发布，分别为算法进步和产品导向研究设定不同使命；当被问到如果多获得10%的资源会投向哪里时，Jakub 的回答被打断在“算力”。投资过于分散的风险，是最终“每件事都只能排第二”；长期约束也会从算力扩展到能源、机器人和物理世界。

🔗 原始收听与视频来源： 从 Vibe Coding 到 Vibe Researching：OpenAI 的 Mark Chen 与 Jakub Pachocki

Nvidia–Intel 的联手是一场战略背书，既可能降低 Intel 的资本成本，也可能重绘 PC 与数据中心版图。 在 SoftBank 投入20亿美元、美国政府投入100亿美元后，Nvidia 又承诺投入50亿美元，但 Dylan Patel 仍认为 Intel 需要约500亿美元；Jensen Huang 先带来半导体行业的“巴菲特效应”，再为更大规模融资铺路。Guido Appenzeller 认为 x86 与 Nvidia 的整合产品极具吸引力，并警告称，当“两大宿敌突然联手”时，AMD 和 Arm 面对的是最坏的消息。

Huawei 在技术上具备可信度，但制造规模——尤其是高带宽内存——仍是决定成败的承重墙。 Huawei 在2020年将7 nm Ascend AI 芯片推向市场，后来通过中间商获得约290万颗 TSMC 制造的芯片，如今又提出将 prefill 与 decode 分开的产品路线，并配套定制 HBM。中国或许能生产大量7 nm 逻辑芯片，甚至利用现有设备做到5 nm，但 Patel 强调，设计不等于生产：HBM3 良率、刻蚀产能，以及从库存储备转向国产规模化生产，仍未解决。

中国拒绝 Nvidia 芯片，同时是产业政策、一次高风险产能押注，也可能成为谈判筹码。 ByteDance 和其他模型厂商仍偏好 Nvidia，因为它“好得多”，但北京可以强制采用国产芯片，同时让 Huawei 发布雄心勃勃的路线图；Patel 称这一招是“1万 IQ”，华盛顿“下跳棋，而他们在下国际象棋”。如果国产供应无法足够快地爬坡，中国可能暂时回撤，届时必须在主权与以接近美国的规模部署“超级强大的 AI”之间做选择。

Nvidia 的短期看多逻辑，建立在 AI 资本开支显著高于华尔街模型之上，而不是进一步提升市场份额。 银行共识预计6家超大规模云厂商明年资本开支约3600亿美元；Patel 对数据中心和供应链的研究则指向4500亿至5000亿美元，其中 Nvidia 大体随市场增长、同时守住份额。仅 OpenAI 就与 Oracle 签下超过3000亿美元的合同，行业看多逻辑最终变成“每年在 AI 基础设施上投入数万亿美元”——但 Patel 拒绝预测5年以后，因为“第5年基本就是 YOLO”。

Nvidia 的护城河，在于它反复愿意押注库存、临近量产时重做设计，并在竞争对手完成修改前先交付可用芯片。 据称 Jensen 在 Microsoft 正式授予 Xbox 业务前就下了量产订单，押注不可取消的产能时甚至超过客户自身计划，并在投片前仅数月为 Volta 加入 tensor cores。Nvidia 往往在 A0 阶段就出货，而 Intel 有一款数据中心处理器走到了 E2——约第15次修改；这体现了“我讨厌电子表格，我就是知道”和按季度谨慎决策之间的文化差异。

Amazon 和 Oracle 即使没有最好的加速器，也能获得 AI 云份额，因为带电产能与愿意动用资产负债表的交易对手都很稀缺。 Patel 预计，随着 Anthropic、Trainium 和 GPU 部署填满 Amazon 的闲置产能，AWS 收入增速将触底并重新超过20%；Trainium 仍然“非常难用”，但服务少数高流量模型的实验室可以对其进行手工优化。Oracle 的硬件中立工程能力，以及为 OpenAI 需求提供承保的意愿，使其成为更大胆的交易对手，不过 OpenAI 在2028–29年能否每年支付超过800亿美元，仍是核心风险。

GB200 的经济性取决于工作负载，而基础设施能力不足的团队可能因可靠性问题损失纸面性能。 相比 H100 约1.6倍的总拥有成本，GB200 在部分训练场景中可能只有约2倍性能，但在 DeepSeek 推理中，每颗 GPU 的性能可能超过6–7倍；问题在于，如今一次故障会发生在包含72颗 GPU 的 NVLink 域内。因此，一些云厂商对64颗 GPU 承诺约99%的可用性，对完整72颗 GPU 却只有95%；“故障的爆炸半径”与基准测试速度同样重要。

GPU 市场再次趋紧，而 Nvidia 下一个战略难题变成：每年潜在的2500亿美元自由现金流该怎么用。 Patel 在同一句话中还使用了一个含义不明的“2亿美元”数字。随着推理模型推高需求，几家大型 neocloud 的 Hopper 产能已经售罄；Blackwell 的部署耗时超过 Hopper，价格数月前已触底并开始缓慢上行——少量分配仍容易获得，但大规模即时集群并不容易。Patel 偏好的资金出口是数据中心和电力，即 GPU 增长的瓶颈，但即使如此，也未必能消化这些现金而不把 Nvidia 变成一家文化完全不同的公司。

🔗 原始收听与视频来源： Dylan Patel 谈 AI 芯片竞赛——NVIDIA、Intel 与美国政府对决中国

GPT-5 的商业意义在于效用与价格的比值，而不只是又赢下一项基准测试。 Christina Kim 形容其编程和写作能力出现“巨大跃迁”，前端开发相较 o3 更是“完全上了一个台阶”。她将编程提升归因于精心设计的数据集和奖励模型工作，将前端提升归因于数据、审美与细节。OpenAI 预计，能力与可获得价格的组合，将解锁此前成本过高、能力足够的模型无法支撑的应用。

短期内，创业的突破口在于实现不再是主要约束，而想法与品味变得更重要。 Isa Fulford 说，前端演示只花了几分钟，而做出完整交互版本原本需要她1周。非技术用户越来越只需要“一个好想法”和一条提示词。主持人称之为“想法家的世界”，Isa 预计，随着编程不再是绑定约束，会出现更多独立开发者式的企业。

基准测试趋于饱和，正推动 OpenAI 把使用情况作为衡量进步的实际标准。 Erik 举出 Greg 的例子：指令遵循得分从98升到99；Isa 则认为，真正有意义的 AGI 信号，是出现了哪些新用例，以及有多少人把模型用于日常任务。内部团队从目标能力倒推——幻灯片、电子表格、研究——再构建代表性评测，让研究人员可以沿着指标持续优化。

高质量任务数据和真实的强化学习环境，正成为重要的扩展瓶颈。 强化学习只需相对少量样本就能教会模型一项能力，因此任务选择、数据整理和环境覆盖的精确度格外重要；正如 Isa 所说，“最好的做法就是直接在那个具体任务上训练”。浏览器和终端理论上可以覆盖大多数计算机工作，但要稳定执行，仍依赖于对这片巨大任务空间中更多部分的训练。

Agent 的机会在于异步劳动：从研究推进到产出成品，再执行动作。 Isa 将 Agent 定义为替用户完成有用工作，用户离开后再回来查看结果或问题；更长期的愿景，是承担幕僚长或助理可能完成的任何工作。眼下的路线图是改进公共和私有数据上的研究能力，强化文档、幻灯片和电子表格，然后延伸到购物、旅行、预订及其他端到端行动。

决定 Agent 部署速度的，不只是原始智能，更是信任。 Isa 说，GPT-5 本身还不会在现实世界中采取行动；Christina 则表示，ChatGPT Agent 在发送邮件、下单或预订等不可逆步骤前会要求确认，这使得当前的批量自动化受到限制。Isa 还说，训练必须有人监督：如果要求 Agent 确保用户满意，它理论上可能“买5样东西”，只为让用户挑中其中1样——目标完成了，但判断并不可接受。

延迟已经从固定要求变成产品变量，但用户预期会迅速重新锚定。 Deep Research 当初押注，用户愿意等待5分钟，换取模型完成一个人可能需要10小时或2天的分析；Isa 说这次押注似乎成功了，但如今同一批用户已经要求30秒内拿到结果。Erik 说，内部 GPT-5 测试者有时会因为模型只思考2秒就回答一个所谓的难题，或甚至完全看不出它在思考，而感到“有点被冒犯”。

🔗 原始收听与视频来源： GPT-5 与 Agent 拆解——对谈 OpenAI 研究员 Isa Fulford 与 Christina Kim