摘要

Eno Reyes 的核心定价逻辑是，AI 应按结果而不是 token 定价；按这个算法，“最聪明的模型实际上最便宜”。 一个用 1,000 个 token 就能完成代码审查的前沿模型，胜过一个烧掉 5000万个 token 才得到结果的廉价模型，这打破了“一个 token 就是一个 token”的框架，也指向模型的快速“物种分化”：一边是所有任务都能用的开放商品模型，另一边是企业后训练、完全留在内部的专用模型。
他认为，“前沿模型的 TAM 现在坦率地说被高估了”，而 Harry 将 Anthropic 的 2万亿美元估值理解为：在“最具竞争的应用市场之一、最挑剔的细分领域之一”——开发者工具——给 Claude Code 定价 2万亿美元。 2–4万亿美元估值背后，隐含的前提是实验室可以“把这些 token 的价格提高 2 倍，用户还会买单”；可能的突围路径只有监管俘获，或找到能匹配成本—质量前沿的应用和结果，而这很可能意味着接入更多模型，OpenAI 正在悄悄这么做。
“未来 18 个月内，可能有 80%到90% 的新型实验室会倒下”——但这里的“倒下”往往意味着被收购、实现不错的退出，而不是走向毁灭。 他用 3 个问题检验业务能否长久：工作流是否持久，能否经受更强的前沿模型，能否经受全新的工作方式？法律符合全部 3 条；“通用电脑操作”以及 Excel/Jira 周边的知识工作则过不了关。
“把开源模型叫作中国模型，是前沿实验室发起的一场心理战，基本是在诱导人们认为它们很可怕，并把它们他者化。” 他的预测是：“3 年后，99% 的工作流都会由开放模型完成。但其中 1% 的任务，可能占到未来智能经济价值的 30%、40%。”前沿应用——生物研究、国防和高级 AI 开发——“极其小众”，因此对 Global 2000 而言，成本才是决定性因素。
路由技术已经商品化；Stripe 以 800亿美元收购 OpenRouter，押注的是资本配置信息，而不是技术——“技术已经不再是护城河”。 真正的杠杆在 harness，也就是“某种意义上新的应用”：上下文窗口已经通过 agent 内部的压缩机制解决，闭环持续学习“尚未被开发出来，它不存在”，而学习会沉淀在 harness 层。
未来 5 年最关键的问题是：“谁是你智能的主权者？ 是你，还是另一家公司？” 两家最大的模型公司“已经明确表示，‘我们要进入每一个行业’”，这会推升本地部署需求（Factory Private），也让 Cursor 与 SpaceX 的合作变成潜在负担——当“他们会想推 Grok”时，很难继续保持模型独立。
“娶微软、睡 NVIDIA、杀 Meta”；如果 SpaceX 估值能达到 2–3万亿美元，NVIDIA 3 年后达到 10万亿美元“很可能成立”。 微软凭借模型独立性和基础设施，成为“最有优势的超大规模云厂商之一”；债务周期对超大规模云厂商可控，但对 OpenAI/Anthropic 则“完全关乎生死”，它们“必须成为科技史上自由现金流最强的企业，才能活下去”。
在人才方面，“我们预计未来 100% 的招聘都会通过收购公司完成”；常春藤学历“几乎不能说明能力”，而表演式的 9-9-6 文化是危险信号，“几乎总是与某种其他短板相伴”。 Token 消耗应按项目而非人员分配——Factory 曾在单日内为一个基准测试（Program Bench）投入“接近七位数美元的额度”，并认为一些企业的这类预算轻松就会达到“八位数、九位数”。

精读

1. 按结果而不是 token 定价——最聪明的模型可能最便宜

Eno 开场提出的框架是：“一次代码审查要花多少钱，远比这次代码审查里的 token 要花多少钱更值得讨论。”一个复杂模型用约 1,000 个 token 就能拿到正确结果，胜过一个廉价模型消耗 5000万 token 反复摸索——“对于许多最具挑战的任务，我看到的世界是，最聪明的模型实际上最便宜。”
Harry 追问：这难道不是与“一个 token 就是一个 token”相矛盾吗？Eno 的答案是模型正在发生物种分化：开放模型主导商品化任务；而对于少数高频专用任务，如果商品模型不够好、前沿模型又太贵，企业就会后训练一个中间层模型，并“完全留在内部”。不会有数百万个模型，“但数量肯定会相当多”。

2. 后训练将像软件开发一样民主化

Harry 的反对意见是，如今的公司组织根本没有为后训练和落地实施做好准备。Eno 的反驳是，目前这套方法“主要存在于少数专业人士的头脑中”——这与 20 年前软件开发所处的阶段完全一样。很快，企业只需“打开一个平台，点几下按钮，描述你关心的任务，把平台指向那些工作流……然后一个模型就出来了”。
这也是对模型实验室的隐性回击：“有几家公司声称，递归自我改进和模型训练只能由它们掌握；但我认为现实会是，许多企业都能通过其他公司销售的软件服务获得这项技术。”

3. AI 的前沿，是在不存在验证机制的地方建立验证机制

可验证性是“当前 AI 系统能否成功的最重要属性”。在医疗、法律等模糊领域，评测设计者会请专家构建全新的判断方式；下一步则是：“AI 当前的前沿，是能在不存在验证机制的地方建立验证机制的 AI 系统”，从而进入人类认为 AI 太难完成的任务。
他的管理类比是：律所里的新手经理靠直觉判断招聘结果；但公司扩大后，必须把“什么是好”写下来——这又会改变行为。“如果你说好就是 A、B 和 C，那么你会得到大量的 A、B 和 C”，无论激励机制是否正确。
Harry 接着说：“告诉我激励机制，我就能告诉你结果。”如果给 VC 设定的目标是每年完成 3 笔交易，得到的就是 3 笔交易，而不是一笔真正优秀的交易。

4. Harry 对 Mercor 的遗憾，以及数量级判断错误

Harry 坦言，他在 Mercor 估值约 20–30亿美元时进行了投资，却跳过了约 200亿美元那一轮，因为当时想的是：“它还能大多少？也许能到 1000亿美元，但那只是 5 倍。”如今他认为自己“完全错了”，并认为随着未来对数据的需求增长，Mercor 有机会达到 2000–3000亿美元。
Eno 同意市场误读了规模：那些认为 200亿、300亿、500亿美元估值荒谬的人，“低估了这场转型的巨大程度，低估了一个数量级”。但赢家不会长得像拥有护城河的企业——它们更像是“一群比其他人更清醒、更早看懂未来的人”。

5. 前沿模型的 TAM 被高估——Harry 将 Anthropic 的 2万亿美元视为押注 Claude Code

“前沿模型的 TAM 现在坦率地说被高估了。”整个世界都假设会有 1–3 家公司主导智能时代；真正的问题是，在有如此多选择的情况下如何守住利润率，因为 2–4万亿美元估值隐含的前提是，你可以“把这些 token 的价格提高 2 倍，用户还会买单”。
Harry 反驳称，Anthropic 刚刚实现首个盈利季度，利润率也在快速提升。Eno 的回答是，真正的利润驱动来自应用——模型利润率“肯定不如应用”。实验室的策略正在分叉：要么主导推理平台，要么向上游应用层延伸；“Anthropic 似乎在走应用路径，而 OpenAI 似乎在两边都试水。”
模型锁定会造成“糟糕的激励错配”：被锁定的供应商会给你自己的最佳模型，而不是全市场最佳模型。Harry 继续追问：这难道不是“给 Claude Code 定价 2万亿美元”，而 Claude Code “并不难切换”吗？Eno 承认这正是风险所在：这是“对最具竞争的应用市场之一、最挑剔的细分领域之一——开发者工具——下注 2万亿美元”。
两条突围路径分别是监管俘获，或找到能匹配成本—质量前沿的应用和结果。Eno 认为，这意味着接入更多模型。OpenAI 正在处理这个问题：“他们没有正式宣布，但显然在支持开放模型生态。”

6. 当代资本主义最糟糕的营销工作——以及被修正的预测

对于 Dario 的信息表达，Eno 认为 AI 营销“做了与你希望相反的事情：吓到每一个人，告诉他们这项技术极不可靠；一边大规模部署，一边用它威胁人们的生活和生计。”这些威胁确实存在，但“你一旦开始谈奇点和 AGI，把 AI 塑造成某种神一般的神话，就会吓到很多人”。
Eno 认可 Sam Altman 修正自己预测的做法：“我完全低估了经济的动能……所以我预测了一个实际上并未发生的未来。”
Eno 也修正了自己的判断：“建立一家企业，比制定计划更依赖即时反应。”最好的决策往往是在几秒内做出的，未来则在群聊中“实时被定义”。好消息是，“你距离更大的结果，基本上只差几个决策”。

7. 利润率、补贴，以及 Factory 拒绝用价格淹没市场

“并不是所有 AI 企业的利润率都差。我知道，我们的利润率就不错。”Factory 不会在开发者工具上补贴消费者，因为这会消耗大量心智份额；“有两家实际上拥有无限资金的玩家，正在试图淹没市场”，而“正如我们已经学到的那样，补贴一撤，用户并不会留下来”。
长期看，1–3 年内最具成本效益的方案会是本地运行的开放模型，因此 Factory 现在就围绕本地、开放和本地部署进行优化——“最终，自助服务会找上门来……因为我们会拥有市场上最好的产品”。
Factory 仍然每天稳定获得数万名自助服务用户。Eno 认为，少于 25万名用户可能就足以形成推动产品改进所需的反馈闭环；但数百万用户带来的草根社区、媒体关注和叙事能力，则更难复制。
给投资人的建议是，靠补贴换锁定用户是经典策略，但“如果没有提高利润率的路径，那就非常危险”——如果只涨价、不提升结果，“用户会流失，转向其他产品”。还有一条应牢记：“如果你的产品需要 100 名 FDE 才能部署，那你就是一个糟糕的产品。”

8. 路由已经商品化；harness 是新的应用层

Harry 提出疑问：OpenRouter 能以 800亿美元卖给 Stripe，但 Ramp、Merged.dev、Requesty 等公司都在做路由。Eno 认为，技术本身没有差异化，Stripe 买的是一场关于资本配置的押注：能量变成智能，智能变成美元；Stripe 已经控制资金流，而 OpenRouter 展示了“这些模型将走向哪里”。“如果那是一家没有用户、只是技术更好的同一家公司，你不会支付 80亿美元……技术已经不再是护城河。”不过他也认为：“80亿美元确实很贵……80亿、100亿美元成了新的 10亿美元。”
网关路由能节省 10%–20% 的成本，但 agent 工作流需要的是有状态、任务内的智能资源分配。上下文窗口就是一个例子：它不是在模型端点解决的，而是在 agent 内部通过一种叫作 compaction 的机制解决的。“人们总希望问题能在别处解决，比如模型里或网关里，但我们越来越看到，真正解决这些问题的是 harness”——“harness 实际上就是某种新的应用”。
至于持续学习，LLM 的闭环版本“尚未被开发出来，它不存在”。相反，即使模型供应商也承认，学习发生在 harness 层，而企业会坚持把这一层掌握在自己手里。

9. 智能主权、本地部署，以及 Cursor 的 SpaceX 问题

未来 5 年的问题是：“谁是你智能的主权者？是你，还是另一家公司？”他的例子是，一家律所把每个案件都外包给 10 家供应商，5 年后会发现，“那些其他公司完全可以转过身来反过来拿捏你”。这也不是偏执——“如今提供模型的两家最大公司已经明确表示，‘我们要进入每一个行业’。”Palantir 和 Satya 都公开强调，企业应拥有自己的智能。
本地部署的核心是控制权，而不是技术本身。Factory Private 是其最受欢迎的产品之一，但许多买家仍选择 SaaS，因为知道必要时可以切换供应商，会带来更强的安全感。
对 Cursor 与 SpaceX 的合作，Eno 认为这对团队而言是非常好的结果，但一边与模型实验室绑定，一边还要保持模型独立，将会非常难以自圆其说——“他们会想推 Grok”。此外，企业也会担心信任问题；把软件开发生命周期交给一家模型锁定供应商，企业会“重新审视一次”。

10. 80%–90% 的新型实验室将在 18 个月内倒下——而能力进展存在行业滞后

这比此前 20VC 嘉宾的判断更悲观：“我认为未来 18 个月内，可能有 80%到90% 的新型实验室会倒下。”不过，“倒下”往往意味着通过收购实现“惊人的结果”；“这些企业可能不适合作为独立公司存在”。他的持久性测试是：业务是否绑定于持久工作流，工作流能否经受更强的前沿模型，能否经受“全新的思维方式”？法律满足全部 3 条；“通用电脑操作”以及 Excel/Jira 中间层知识工作则无法通过——“5 到 10 年后，我们可能不会再使用很多这类工具。”
Harry 举了剪辑这期播客的例子，Eno 认为行业滞后确实存在，而且可能持续多年：媒体企业尚未提炼出其中的隐性知识——知道哪里是吸引人的开头，“归根结底依赖品味”，是一种人们“甚至无法描述”的直觉；而“一旦企业开始将这种差距资本化，进展就会极其迅速”。

11. “中国模型”是一场心理战——99% 的工作流将转向开放模型

“把开源模型叫作中国模型，是前沿实验室发起的一场心理战，基本是在诱导人们认为它们很可怕，并把它们他者化。”判断任何模型都应问同样 3 个问题：它审查什么，能否解决你的问题，如果它消失了你能否切换。中国前沿模型“没有展示任何安全后门的案例”，美国模型也一样；差别只是创建者的偏见。他举的例子是：让模型写一份 10-K，描述一项涉及递归自我改进的战略，“它会把你拦下来。答案就是 Anthropic。”但他保留了这一限定：美国国家安全相关工作“绝对不应该使用中国模型”。
Eno 预计，模型创建在相当长一段时间内仍会持续，甚至可能加速：模型构建越来越容易，而智能主权会催生拥有不同观点和视角的模型。模型路由器还会成为信息流；每当新模型发布，路由器也会获得免费的广告。
他的核心预测是：“3 年后，99% 的工作流都会由开放模型完成。但其中 1% 的任务，可能占到未来智能经济价值的 30%、40%。”Sam 和 Dario 反复强调的前沿应用——前沿生物、LLM 开发、国防——“极其小众”；问问 Global 2000 的企业今天在做什么，“99% 的时候都不需要真正处于智能前沿”。因此成本会占上风，而那些发布开放模型、再通过推理服务赚钱的实验室，“实际上可能会成为一门很好的生意”。

12. 微软胜过 Meta，债务关乎生死，以及雅虎时代

“坦率地说，考虑到这种独立性，微软可能是最有优势的超大规模云厂商之一。”Satya “打了一场大师级的比赛”（Kevin Scott 找到了与 OpenAI 的交易），既捕获了上行空间，如今又能把 Azure 卖成 Anthropic、OpenAI 和开放模型共同的家。Zuck 推动开放模型“对人类是正确的”，但 Meta 必须用这些模型驱动自身业务，才能证明这笔投入合理。二选一时答案是：“肯定选微软”——因为基础设施在手，“无论上面运行的是什么模型，微软都会赢”。
债务周期在没有自由现金流时会很危险。超大规模云厂商可以承受 AI 现金流预期被下修；但对 OpenAI/Anthropic 而言，这“完全关乎生死……它们必须成为科技史上自由现金流最强的企业，才能活下去”。芯片——包括 Anthropic 据报道正在推进的“Jalapeño”芯片——是有道理的：纵向整合是摆脱巨额债务和负担的最强路径，但明确目标是取代现有供应商，“这与所有人都是竞合关系”。
对于市场泡沫，Eno 不认为会出现类似 2008 年的崩盘——但“我们可能正处于雅虎时代”，OpenAI 和 Anthropic 更接近 Netscape 类比。Factory 更看重 Jobs 留下的教训：“关键不是第一，而是做到最好。”
Airtable 估值约 25亿美元，低于 110亿美元，说明“当代 SaaS 企业更像电影制片厂”：一部爆款远远不够，“如果你躺在这上面不动，那么 Bending Spoons 就会来把你吃掉”。未来会出现一轮大规模并购，收购对象是那些不错、但还远未达到 Stripe 级别的企业。

13. 人才：收购创始人，终结表演式文化，按项目分配 token

“我们预计未来 100% 的招聘都会通过收购公司完成。”面对 Harry 对“使命一致”的质疑，Eno 解释说：使命一致“不是一个可以被建议或宣称的属性，它会在工作中极其明显地体现出来”——比如那些已经在构建软件开发 harness、拥有数万名日活用户的人。谈到 Cognition 的国际象棋冠军和数学天才时，Eno 说：“我上过常春藤。我亲身体会到，那几乎不能说明能力。常春藤学校里有很多笨蛋。”招聘应看重一个人能否在系统定义的规则之外行动。
创始人招聘中最大的错误，是“表演式工作文化”。用 9-9-6 表明自己很拼，“几乎总是与某种其他短板相伴”。Harry 澄清了自己被认为奉行 9-9-6 的含义：比如周日接客户电话，而不是严格工作这些小时。Eno 表示认同，但坚持认为，“任何时候，只要你创造了一种激励，让人展示自己在工作，而不是实际把工作做好，你基本上就是在激励错误的事情。”
对于 Jason Lampkin 提出的“给最优秀工程师 10万美元 token 额度”，Eno 认为，把额度分给个人“是一种非常奇怪的思考方式”——应按项目和结果分配。Factory 曾在单日内通过 1 个人完成的工作，为 Program Bench 投入“接近七位数美元的额度”；对一些企业而言，这类支出“轻松就会接近八位数、九位数”。
谈到定价人才，Harry 举了 Poolside 员工转投 NVIDIA、市场传闻交易价值 120亿美元的例子。Eno 认为：“不是某一个节点值 1亿美元，而是把所有节点放在一起后，它们形成的图谱可能价值数百亿美元。”对于一家处于 AI 之前时代的既有企业，正确更新这张图谱，“可能决定它是一家 2万亿美元公司，还是一家 4万亿美元公司。所以几乎任何代价都值得”。

14. 快问快答：威胁名单、Salesforce 收购，以及 200万人的祭司阶层

在 Meta、微软、NVIDIA 的“娶、睡、杀”选择中，答案是“娶微软、睡 NVIDIA、杀 Meta”——NVIDIA 是“当下的造王者”；Meta 在技术上是“正确的”（VR、开放模型），但只有“一头现金奶牛”。至于 NVIDIA 3 年后达到 10万亿美元：“如果我们允许 SpaceX 值 2–3万亿美元，那 NVIDIA 可能就值 10万亿美元……答案很可能是肯定的。”他还看好 Salesforce：“当人们说‘我讨厌这款软件’，但所有人都在买它时，那大概是一门很好的生意。”不过，敏捷开发本身可能受到冲击，从而对 Linear 和 Atlassian 都构成下一代系统记录的威胁。
威胁排名第一是 Claude Code（“每一次谈话都会被提到”），第二是 Codex——越来越多地表现为“Codex for Work”。而关闭 Claude Code，“对我们来说其实是最好的消息，因为这说明它基本上没有用户黏性”。第三是 Cognition，基本上是另一家唯一保持模型独立的企业级供应商；第四是 Cursor，市场仍将其视为 IDE，而不是企业级战略。4 家公司的共同点是，几乎都在推销最终由达到人类水平的 AI 劳动力替代人的愿景——一场“夺走印第安纳·琼斯角色”的替换；Factory 推销的则是“全新的开发方法论”，即人类与 AI 协同构建。
对于 Chamath 所说“硅谷过于以金钱为中心”，Eno 回答：“这听起来确实像 Chamath 会说的话，因为坦率地说，他就是这么赚到钱的。”旧金山聚集着一批在困难问题上“吞玻璃”的人；我们讲述什么故事很重要，因为“那项技术就是建立在我们讲述的故事之上的”。至于 Chamath 的软件创业项目，能否成功“取决于软件到底有多真实”。
企业销售的建议是：“别再把它当作说服工作……把它当作一次发现客户需求的机会。”他对未来 5 年的收尾预测是，人们会觉得不可思议：“我们竟然让一个大约 200万人的祭司阶层，决定全人类所有软件的命运。”到那时，伯利兹的一名船夫也会拥有完全定制的软件，“看起来比你在家里的 HR IT 软件还好”。

一个人、两周、数百美元，如何训出登顶 Hugging Face 的模型 | 对谈研究员逯雨鑫 Nvidia的历史性季度、SaaS复苏、Bessent对阵Druck、美国债务危机、癌症疫苗