摘要

Elad Gil 认为，部分 AI 市场正在走向整合，未来两年谁会胜出已初现轮廓——即便今天的领先者未必能赢到第5年。 基础 LLM、医疗记录、编程和客户成功已有较清晰的领跑者；销售效率、金融分析师工具和会计仍未定局，Sarah Guo 还补充了医药。Gil 怀疑，这些尚未定局的市场，要么缺少正确的产品路径，要么仍需要更好的模型。经历多年“我了解得越多，知道得越少”之后，他终于感到“不确定性终于有了喘息空间”。
正在成形的应用打法，是把高价值的垂直工作流、专有数据、分发能力，以及能够基于数据创造、推导或扩展知识的用户结合起来。 Guo 将 Abridge 和 OpenEvidence 归入这一类别，但仍不确定在一个历来高度分散的市场中，销售将如何胜出。编程领域显示，模糊地带正在收窄：目前可行的切入口包括 Cursor、Codeium/Windsurf、Cognition 和 Microsoft Copilot。
AI 初创公司的整合，可能成为抵御老牌巨头的战略防线，而不是承认失败。 Gil 建议，一个品类中的前两家初创公司考虑合并，结束初创公司之间的战争，把竞争转向3到4家巨头。Guo 说，创始人、董事会和投资者往往把“考虑合并”本身视为投降，但她称之为“为了赢而投降”。
Gil 认为，生物科技有几个规模巨大的市场，商业需求显而易见，却在结构上长期被忽视。 例子包括：用重编程的成人细胞生成精子或卵子，让女性剩余的卵母细胞成熟，治疗皮肤衰老和脱发，恢复近视力或听力，以及通过 USAG-1 等基因实现牙齿再生。细胞衍生生殖最令人震惊的推论是，“任何成年人”理论上都可能与另一个成年人拥有孩子；而通过握手等接触从某人身上交换获得的部分细胞，也可能让涉及该人的生殖成为可能。
生物科技的融资架构，筛选的是药企愿意收购的资产，而不是能长期服务非传统需求的新公司。 Gil 说，孵化器可能投入4,000万美元换取约40%的所有权，随后把项目引向癌症、心血管疾病或神经科学管线，因为这些是收购方想要的方向。监管俘获，以及科学家认为解决皱纹“地位低”，进一步让可用的科学成果滞留在创投漏斗之外。
Gil 将世界模型和强化学习视为超越文本预测的潜在路径，而非主要面向近期游戏产品。 智能体需要规划、调用工具、接受反馈、探索替代推理路径并自我评估，而行为克隆一旦离开示范路径就十分脆弱。挑战在于构建“一份宇宙的复制品”：环境既要足够丰富，能够教会系统适应性解决问题，又要足够廉价且多样，避免过拟合。Gil 不确定近期商业应用在哪里；Guo 从围棋和分子进化推演认为，不受约束的搜索可能产出反常但更优的代码、分子或策略。

精读

1. AI 市场的临时赢家正在浮现

Gil 观点的转变，是本期节目的主线：AI 曾是少数几个“我了解得越多，知道得越少”的市场，但近几个月来，尽管研究仍在推进，几个品类已经变得清晰起来。
在基础 LLM，以及医疗应用中的医疗记录、编程和客户成功领域，他现在看到了未来2到3年的潜在领跑者——但未必能赢到第5年。他在客户成功领域点名 Sierra 和 Decagon，在编程领域则提到 Cursor、Codeium、Cognition 和 Microsoft Copilot。
Guo 将这种理解称为市场的“临时物理学”：找到相关的垂直领域，打造用户真正想要的工作流，加入可检索的专有数据和分发能力，并让用户能够从中创造、推导或扩展知识。Abridge 和 OpenEvidence 符合这一形态；销售仍是未知数。

2. 编程正在预示产品与公司层面的整合

编程领域过去大概有12种可能的胜出路径。如今切入口看起来已大幅收窄，但 Guo 指出，Codestral 等开放模型和更小的模型已经能够用代码完成真正的任务，可能成为专用工程工作流的推动者，只是这些工作流目前还达不到足够高的质量。
Guo 还提到 Microsoft 将 Copilot 开源，并将其视为阻止 Cursor 用自己的开源 VS Code 分支反过来抢走 Microsoft 生意的尝试；她说，实际影响仍有待观察。
剩下的分歧在于，同步 IDE 工作与异步云端智能体。Guo 注意到，OpenAI 押注异步模式推出 Codex，同时通过收购 Windsurf 买下 IDE：“两种判断可以同时成立。”
Gil 预计产品会趋同，收购也会增加。他给两家领先初创公司的建议很直接：“停止初创公司之间的战争”，像 X.com 和 PayPal 那样合并起来对抗巨头，而不是重演 Uber 与 Lyft 之间多年的相互消耗。
自尊、整合焦虑和私人公司估值阻碍了这类交易。Gil 建议选择一个指标——用户数或收入——按合并后的比例划分所有权，并接受“如果我们最终都能赢，正负几个百分点根本无关紧要”。
Gil 不认为每个市场都需要合并。有些市场足够大，可以容纳多家玩家；他以支付为例，Adyen、Stripe、PayPal 以及其他12家左右的处理商能够在一个分散市场中共存。

3. 生殖与长寿生物学藏着显而易见的市场

Gil 认为，第一个被忽视的机会是生育。他说，日本已有充分数据表明，细胞可以被重编程为精子或卵子，并且已经用2位父亲的遗传物质培育出存活的小鼠。按照他的设想，最终目标是让“任何成年人都能和任何另一个成年人拥有孩子”。
更简单的版本，是让现有的卵母细胞成熟。女孩出生时有100万—200万个卵母细胞，到了青春期大约只剩30万，但目前没有成熟技术，能够让她们在一生中持续成熟并获取大量卵子。
伦理风险与机会本身无法分开：通过握手或其他接触从某人身上交换获得的部分细胞，理论上可能用于涉及该人的生殖，例如 Elon Musk、LeBron James 或 Taylor Swift。“这类事情的一些后果相当疯狂。”
衰老也提供了另一种需求信号：人们通过 Botox 注射细菌毒素来显年轻。Gil 说，这代表着一家价值400亿美元的公司，每年仅靠美容应用就能产生15亿美元收入。然而，他称没人真正研究皮肤衰老、脱发、白发、近视力减弱、听力损失或通过 USAG-1 等基因让牙齿再生的治疗；据他说，这些基因在某些动物模型中已经有效。

4. 生物科技的结构过滤掉非传统雄心

Gil 的历史对比十分鲜明：剔除 Moderna 因新冠疫情推动而崛起的案例后，他认为，上一家从零创建并达到500亿美元以上市值的生物科技公司，可能还是上世纪80年代的 Regeneron。没有年轻创始人驱动的挑战者，生物科技就像一个只有 IBM 和 HP 的科技行业。
风投公司的组建方式进一步强化了这种停滞。一家生物科技基金可能投入4,000万美元孵化一个项目，拿走40%的股份，将其推进到足以吸引准公开市场资金的阶段，随后由交叉基金接力。这种所有权模式“真正的设计，就是把这些公司卖进药企怀里”。
因此，初创公司会沿着药企的收购管线前进——癌症、心血管疾病和神经科学——而不是建设独立市场。Gil 还提到监管俘获，以及 FDA 要求企业为可能并不存在的终点提供证明；同时他承认，一些领域可能仍需要更多基础科学。
第四个约束是地位。科学家可能认为高度商业化的工作不够纯粹。“你怎么敢去研究修复皱纹”体现了这种拘谨，它让有价值的生物学成果被闲置。

5. 世界模型可能教会系统走出人类路径

Gil 将世界模型放在大型 LLM 的进展背景下讨论：扩大模型规模和训练数据，已经带来了强大的知识与模式识别基础，但更广义的智能不止于按顺序生成文本。智能体必须能够规划、阅读文档并得出结论、调用工具、接受反馈、探索替代推理路径，并为了实现目标评估自己的工作。
人类任务轨迹可以支持行为克隆——“猴子看，猴子做”——但这种方式仍然脆弱。一旦智能体按下示范者从未碰过的按钮，就会进入分布外领域，可能完全不知道下一步该做什么。
强化学习提供了试错机制，但真实工作缺少国际象棋或围棋那样清晰的规则与奖励。有效环境必须近似宇宙的一部分，缩小与现实的差距，并产生足够多样的情境，让系统学会适应，而不是记住一条路线。Gil 说，他不知道如何抵达“黑客帝国”。
Gil 对许多近期商业叙事持怀疑态度，包括生成游戏、游戏资产或机器人训练数据，并表示自己对近期前景没有太多结论。但他仍将世界模型视为“通往更强 AGI 的概念路径”。
Guo 随后从围棋推演：在给定效用函数、几乎没有其他约束的情况下，AI 找到了人类此前没有构想过的棋步，随后人类研究并模仿了这些棋步。她想知道，编程和分子进化是否也能产生类似的意外解法——奇特的催化剂、结合蛋白或代码——供人类学习。Gil 表示认同，并设想模型去搜索那些人类从未被教会探索的问题空间。

Fintool 的 Nicolas Bustamante 谈如何用 AI 提升投资能力 OpenAI的60亿美元Jony Ive交易与YC胜出