摘要

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”。

精读

1. 实验室交易：做多 Grock、做空 OpenAI——中国模型是黑马变量

Harry 要求他在 OpenAI 380、Anthropic 180、Grock 约 $100 之间配置仓位，Osika 回答：“我会投资 Grock，可能会做空 Anthropic。不，我会做空 OpenAI。”这段自我修正被完整录下，值得保留——他的第一反应其实指向另一家。
他的依据是团队斜率，而不是当前能力：Grock“为数据整理环节招募传教士，他们称之为 AI tutoring……士气极高”；而“OpenAI 经历了这一团乱局”。原始字幕把另一家实验室写成“Dropbox”——结合上下文很可能是 Anthropic——并称其“士气也不错”，据他所闻，企业端增长更快。
他不接受“OpenAI 赢消费者、Anthropic 赢开发者和企业”的整齐二分图景：“不，我认为未来是未知的。会发生一些我们现在还不知道的其他事情。”
这个“其他事情”可能来自中国。下一个领先模型会不会来自一家尚不存在的实验室？“是的，来自中国。”他认为对方有“50/50 的机会成为最佳模型”，Lovable 也可能使用中国模型——“我得先研究细节……我们会不会给他们不想给的数据？”但“我们只想做对客户最好的事”。Harry 补充说，中国每周出现 4 个新模型，“蒸馏速度简直不可思议”。至于开源与闭源，他认为“最好的模型永远会闭源”，但多数人可能会因灵活性选择开源模型。

2. 防御性：比其他鸡扇得更快

开场的问题是：这是不是一场资本军备竞赛？答案是否定的：“这是打造最佳团队的竞赛，然后是……最好的品牌，以及用户对你的信任……对我们来说，资本完全不是约束。”基础模型训练则可能受资本约束，因为算力规模太大。他对品牌的理解来自 Apple 生态：“他们痴迷于细节，可能过了头，所以动作慢，但这正是信任建立的方式。”
他转述一位朋友的比喻：“AI 初创公司就像被大炮轰出去的鸡……关键在于像鸡一样快速扑腾，因为每天都有新的鸡被大炮轰出去。”给创始人的建议是绝对的：第一天不要操心防御性——“快速执行，更快增长”，等“真正做大以后”再思考护城河。
终局护城河来自不断累积的价值和转换成本：“今天的 Lovable 是你的技术联合创始人。我们希望它成为你的全面联合创始人”——负责行政、财务、运营等工作；“如果你在这样的平台上，大概不会想离开。”
对于 Claude Code 进攻 Cursor 这类实验室下场，他认为长期看最终取决于“团队的执行力”。Lovable 的下注是成为“人类的入口……AI 的最佳用户体验”；而“目前 OpenAI 做得比 Anthropic 好。所以我认为未来 12 个月，OpenAI 是更严肃的竞争对手。”

3. 单位经济学：直面成本过路费与耐心的取舍

Harry 直接问：如果我给你 1美元，其中多少会直接流向 Anthropic 和 OpenAI？Osika 的回答同样直接：“如果看付费使用，流向它们的部分占多数，但不是全部。”今天“你是在付费构建”；等用户达到“我爱上这个平台，我永远不会离开”的状态后，收入结构将转向订阅，AI 算力会成为成本中的小部分。
为什么不现在就把简单任务路由给便宜模型？他的比喻是：“你在开车时不会思考自己在做什么。进入新情境后……大脑才真正开始高速运转。我们还远没到那一步。”AI 每个月都在做“完全不同的事情”，现在优化还“太早”——应该“为明天的模型能做什么而构建，而不是为今天拥有的模型而构建”；Harry 的这句话得到他很大程度上的认可。
隐藏的利润杠杆是：几个月前，他们测得“Lovable 应用中的 AI 流转了超过 1000万美元的 AR”，而这些使用都要求用户自行接入模型提供商。“我们正在简化这一过程……如果能降低底层成本，也许就能在这里获得利润率。”
什么时候该优化利润率？他脑中有两位顾问：Revolut 的 Nick 会说“算出回本周期，然后做极致的性能优化”；另一种思路则是“现在尽可能多地获取真正热爱品牌的用户”。谁占上风？“你得看看我神经网络里的权重”，但总体上是两者结合，他更偏向心智份额。Harry 总结了这条曲线：先做品牌，再优化漏斗，最后回到品牌——“我们得赞助赛车。”

4. GPT-5：聪明的整合，过于有野心，没有阶跃式提升

GPT-5 发布前，Lovable 检查了延迟，进行了量化评测，还“用许多不同方式做了 vibe check”。结论是：它“很多时候对我们的用户来说野心太大”——在“必须解决一个非常非常难的问题”时表现出色，所以他们还是向所有用户开放并持续观察。“模型仍然太有野心。”
把 5 个模型合并成 1 个模型是“非常聪明、显而易见”的决定，而且“执行得相当不错”；但“它不可避免地会在某些维度上落后……不能同时在所有方向上改进，这本身就是令人失望的地方”。Harry 判断其能力“没有带来阶跃式提升”，这一点没有遭到反驳。
当前生产环境使用的是一条“非常复杂的 agentic chain”，由快速的小模型负责路由；“写代码时我们通常使用 Anthropic”，而 GPT-5 可以由用户选择，在“解决真正困难的调试问题”时更好。他期待的下一次阶跃式提升来自上下文能力，也就是超个性化；长期看，则要“花 1亿美元去吸引训练模型的人”。
他在快速问答中给出的逆向判断是：“AI 远胜人类，而大多数人并不同意。”AI 往往“非常非常愚蠢”，但“如果你给它全部上下文，它就比人类聪明”。在他看来，模型在“我们真正关心的事情——细腻度，以及同时做好所有不同事情的能力”上趋于平台期；但科学、工程和生物工程等领域的部分 sigmoid 曲线仍在指数增长，可能带来大量新药。

5. 1亿美元收入结构：80%来自真正做业务的人

7 个月达到 1亿美元 ARR；Harry 提供的规模参照是：“两年从 0 到 1000万美元曾是黄金标准。”收入结构是：“80% 在构建真正复杂的应用”——也就是企业；企业约 10%，业余网站约 10%，他认为这是“不错的结构”。
企业是增长迅速的潜力板块：“企业醒得更慢”，但一位 Google 产品负责人现在说：“我们以后再也不会写产品文档了——必须直接构建一个完全可运行的 demo。”Harry 还以 20Product 的案例佐证：Duolingo 的 2 位设计师用一个他想不起名字的工具，在 Duolingo 内部做出了国际象棋。Lovable 会建立企业销售团队，但“不会变成一家企业软件公司”——不会靠请客吃饭拿单。
与其问“如何提高工程师生产力”，他会问 CEO：“如何尽快获取关于我们应该构建什么的最多信息？”这要求公司所有人都在同一个地方协作。他看到的企业最大瓶颈是人的变革管理，而不是工具。
Harry 当着 Osika 的面讲出投资逻辑：持有 Lovable 的理由在于，TAM 扩张“实际上无法想象”——“网站构建器”是完全错误的类比，就像 Uber 的市场扩张当年也很难预见。Osika 对终局的描述是：到 2026 年底，从创意到增长、邮件和营销都能覆盖的“完美联合创始人”——“用一种有明确判断的方式完成整个产品生命周期”；到 2035 年，成为“人类使用 AI 最多的界面”。

6. AI 正在压缩细节设计

他的产品生命周期判断是：AI 已把从创意到“经过验证、已有外部用户使用”的早期工作压缩到几分钟或几小时；接下来 Lovable 要构建的是增长、测试、QA 等环节，因此不再需要独立的产品、设计、工程组织。
谈到 Figma Make 从设计侧切入，他认为人类有时“过度痴迷于让小细节完美”。未来是用高层次语言描述设计理念，再由 AI 完成实现；他的判断是，细节设计会让大多数人慢太多。Figma 仍会在“某些像素级完美的事情”上生存。
但当被问及在 Figma、Bolt、Replit 中最尊重谁时，他回答：“我尊重 Figma……他们善于倾听用户、打造好产品。如果他们能把这一点延伸到完整产品生命周期，他们会是非常强大的竞争对手。”
5 年后我们还会写 prompt 吗？“会”，但超个性化会吸收细节。他的类比是：面对一位优秀员工，“你只需要说，‘我们去斯德哥尔摩办一场黑客松’，它就会神奇地变成你想要的样子。”

7. “你们所有人都不擅长安全”——“呃，是的”

从他的角度看，Replit 争端的起因是：一家竞争对手把构建不佳的应用宣布为漏洞，方式却被安全专业人士认为不符合规范披露。“所以我就进去痛骂了他们。我觉得那是非常情绪化的反应”，不过他也愿意当面这么说。
Harry 提到 Jason Lemkin 所说的 Replit 灾难——数据库被清空、进入“code red”状态——并直接问：“你们所有人都不擅长安全。是真的吗？”在重新解释之前，Osika 的回答是：“呃，是的。”
之后他借用了自动驾驶的论证：普通开发者会把漏洞带进生产环境；Lovable 要求用户进行安全审查，并让 AI 在放行前完成审查，因此“Lovable 出现漏洞的概率会低于普通人类开发者”。“我们需要把这个概率降到 0%。”安全问题在公司内部“每天都会被讨论”。

8. 斜率、创始人模式，以及影响力而非工时

他招聘时看重的是斜率：“如果我和一个人交谈，能从他那里学到很多东西，而且对话非常有活力……他的斜率就会很高。”另一个工具是：“如果过去他工作时我能在旁边架一台摄像机”，也能获得大量信号。最难招的是工程负责人，因为过去表现无法稳定预测其未来表现。
对于 Zuck 开出的 NFL 式合同，他认为 Zuck 买的是“10 个知道如何训练基础模型的一切的人”的知识；但“让他们做我们团队正在做的事情，他们不会比我团队里的工程师表现得更好”。应用层人才是完全不同的一类人才，也更难识别。
他会继续让“自己的大部分影响力来自创始人模式”，身边则有一层“美妙、混乱、具有保护作用的前创始人通才”作为缓冲；“我没打算亲自成为那个百分位上的管理者”。他对招聘最大的后悔是：授权过多，没有继续深入细节。
谈到 996 和 Cognition 的 6 天工作制最后通牒，他说长期看要保持平衡；但“如果在 2 年时间里，你真的在乎某件事……就狠狠干”。不过他的管理目标是影响力，而不是工时——加上 keeper’s test，以及 Harry 转述并表示赞同的 Nik 名言：“我不考虑文化。我考虑赢。”他的文化修正是少一点牛仔，多一点农夫——“慢下来，才能让我们真正非常快地前进”。这也反驳了 Harry 赞成的中国式“胶带”短期主义：有了产品市场匹配和需要守护的品牌，就不能这么做。“你能想象 Apple 说：啊，我们把你的云删了，抱歉。”

9. 欧洲是困难模式，但 Lovable 是斯德哥尔摩最大的人才磁铁

他的动机非常明确：“我想证明，你可以在欧洲打造出一个跨世代的产品、跨世代的公司和跨世代的团队”，而这部分工作属于困难模式；缺失的环节是那些“经历过规模化各个阶段、并理解其中语境”的人脉网络。“欧洲这样的人非常少，Elena 是其中之一。”
对冲这一劣势的是：“我们现在是斯德哥尔摩最大的人才磁铁……在旧金山要做到这一点难得多。”他们吸收未被充分利用的人才并将其能力放大 10 倍，同时拥有更强的“谦逊、低自我”文化，以及用更少资源做更多事情的能力。Harry 补充了人才流失问题：硅谷员工在糟糕的一天就会为了 OpenAI 更高的薪酬包离开，知识复利也随之中断。
对 Lovable 来说，资本“不是瓶颈”；Harry 预测 Lovable 的分拆项目会瞬间拿到 term sheet——“100%。确实如此。”Lovable 如果在硅谷成立会不会更成功？他的诚实回答是：“我真的不知道。我认为无论在哪里，它都会非常成功。”

10. 错误、改变的看法，以及被低估的事物

他最后悔的是没有在一开始就放弃 GPT Engineer 开源社区：“站在最大化聚焦的角度，同时做两件关联有些过于松散的事，本身就是个坏主意。”他的执行原则是：“找到公司的瓶颈，并围绕这个瓶颈解决问题，是实现真正高速前进的最佳方式。”明天董事会上的瓶颈，是找到支持产品下一阶段的工程师，同时应对“极其强劲”的企业需求，又不能失去创始人的聚焦。
他判断错误的是：在“模型还没准备好”之前就为 agent 构建产品。教训是，先做出尽可能多的人今天就在使用的产品，“为这些用户优化整个用户体验……这就是你的数据飞轮”。Harry 也承认自己曾认为模型能力会商品化、价值不会沉淀——“显然我错得离谱，而且非常愚蠢。”
关于 benchmark，他说它们“会越来越不有用——这叫 Goodhart’s law。当你开始围绕一个数字优化时，这个数字就不再是衡量成功的好指标”。Lovable 内部的例子是点赞点击次数，因为加入“有趣的笑话”就能轻易操纵。语境是 Harry 选出的被低估公司 Surge：这家 Scale 的竞争对手“从没融资，却有 12亿美元收入”。
一个关键的外部顾问很可能是 Atle Skalleberg；原始字幕把名字写成“atlena”，把公司写成 Muro、Dropbox 和“N segment”。他负责销售，实际上也担任 CEO，Osika 从他那里获得了大量意见和帮助。
Osika 认为被低估的是浏览器公司——Strawberry、Dia、Perplexity，以及一个音频听不清的名字。Harry 认为 Perplexity 做手机是“一个不错的赌注”；如果 Anton 能以 180亿美元投资呢？“要看我有什么选择。”Harry 说：“你刚才那声笑，基本已经说明了一切。”谈到工作，Harry 反驳说，如今收入最高的前 10 种工作里，有 8 种在 15 年前都不存在，岗位消失通常被高估；Anton 仍预计，光鲜的知识工作会走向艺术家的道路——“当艺术家曾经很酷，但显然赚不到钱……我们现在会再次看到这种情况，发生在大量知识工作上”，而且这会很有意思。

SemiAnalysis 的 Jeremie Eliahou Ontiveros：数据中心与电力全景 “让天下没有难做的 Agent” | 对谈旭卿（阿里云无影事业部总裁）、安陈（AgentBay 产品负责人）