摘要

Pat Gelsinger对Intel的复盘是：公司不再按科技公司的方式经营，随后又通过资本配置把这一错误固化下来。 他2001年回归前的5至6年里，Intel向股东分配了1000亿美元，却整整10年没有建新厂，也没能买到EUV设备。他的原则是：十亿美元级别的技术决策不能“靠一张表格”做出来。
Apple、Nvidia和TSMC击败Intel，靠的都是耐心建设能力，而不是押中某一个奇迹般的赌注。 Steve Jobs在4个版本的操作系统中悄悄保留对x86的支持，之后才把芯片和系统设计整合起来；Nvidia持续复利CUDA，直到GPU走出图形应用；TSMC把代工准入标准化，2001年晶圆产量已是Intel的5倍，如今约为7倍。Apple的逻辑不是“你作为供应商失败了”，而是“我自己供货会更好”。
半导体供应链韧性正在改善，但台湾对能源的依赖，仍让全球经济暴露于一场甚至不需要开枪的封锁。 Gelsinger称，CHIPS Act启动时美国先进制程产能约占12%，如今为18%；但台湾能源储备不足3周，一座停摆的晶圆厂需要90天才能重启。他认为，台湾限电对经济的冲击将“超过大萧条”。
Gelsinger认为，AI是持续数十年的建设周期，其自然上限是电力，而不是市场对智能的需求。 能源供给限制了数据中心无限投建的可能；目标应是让AI能力提升10,000倍，把token成本和能耗降低5个数量级，再通过杰文斯悖论扩大使用量。他预计AI还会进步“20年左右”，但过程不会是一条平滑曲线。
AI高估值可能反复回调，但这并不推翻底层逻辑，因为这些业务已经拥有真实营收和利润率。 Gelsinger欢迎周期性修正和更多“末日时刻”，认为这能抑制过度扩张，并将机会延伸为“计算三位一体”：经典计算、AI和量子计算。他预计2030年前会出现有实际意义的量子计算成果，加密问题可能在2032至2033年左右被解决。
Lovable的数据表明，Vibe Coding已经从原型开发跨入生产和业务运营。 运营20个月后，公司称累计生成超过5000万款应用，每周新增100万个项目，这些应用每月访问量达7亿次，企业客户是增长最快的部分；Anton Osika还用“我们在5月达到500”纠正了Jason Calacanis对4亿美元营收的估计。Jason内部团队将一个过去需要50万美元开发的内网项目，压缩到约4至8小时完成，首年成本不到2000美元。
Lovable的竞争壁垒正从单一基础模型之上移开，转向编排、运营数据、安全能力和持续积累的反馈。 它在商业前沿模型与开放权重模型之间分配任务，针对客户影响最大的失败案例进行后训练；只要便宜模型对客户的结果可测地更差，就不会为了省钱改用它。Osika认为，越来越大的限制来自人的判断：模型可以立即生成复杂软件，但判断“什么才是应该做的产品”进步得慢得多。

精读

1. Intel的表格文化扼杀了技术飞轮

Gelsinger 18岁加入Intel——“我是在Intel经历青春期的”——当时公司由Andy Grove、Gordon Moore和Bob Noyce等技术型领导者执掌。他第一次参加高管会议时，20名与会者中大约15人拥有博士学位；这种技术密度决定了Intel招什么人、提拔什么人，以及把重大决策交给谁。
他对公司偏离轨道的判断是：业务管理者取代了技术人员，又提拔更多业务管理者，技术权威就这样逐步被掏空。Satya Nadella和Sundar Pichai不必是创始人，也可以符合他认可的管理模式；关键在于，他们必须具备足够深的技术背景，能在技术趋势尚未显现、投资账面经济性看起来并不划算时判断哪些投入值得做。
资本配置让这种文化失败变得具体。Gelsinger 2001年回任CEO前的5至6年里，Intel通过分红和回购向股东分配了1000亿美元，10年没有建新厂，也没有购买EUV设备。“如果当时再多给我1000亿美元，我能做的事太多了。”
Jason把批评扩大到Apple的回购和小型并购，但Gelsinger坚持把Intel的教训限定在更窄的范围内：每位领导者都会做出正确和错误的判断，但“这是一家科技公司”。科技人员必须掌舵，必须把更多科技人员招进管理层，也必须在表格证明能力价值之前持续投入能力建设。

2. Apple、Nvidia和TSMC将小优势复利成平台

Steve Jobs最初对Intel Centrino芯片提出了极高的尺寸和功耗要求。当他不再相信Intel能继续保持足够大的领先时，Apple收购了PA Semi，并逐步扩大内部芯片团队；这次战略转向并不是对供应商的愤怒拒绝，而是得出“我自己供货会更好”（“I can supply myself better”）的结论，同时协同优化芯片和操作系统。
Gelsinger讲过的Jobs代表性故事，发生在Apple早期从PowerPC转向Intel时。Intel提出帮助Apple移植操作系统，Jobs回答说，Apple此前4个版本已经移植到x86。Gelsinger对此非常震惊：在外部切换成为必要之前，Jobs早已悄悄保留了这一选项多年。
Intel当年同样把Nvidia的GPU视为小众图形设备，而Jensen Huang持续完善CUDA、SIMT及周边软件栈。随后，日本高性能计算研究者意识到，这些芯片其实是计算密度很高的通用设备。Gelsinger主导的竞争性x86项目Larrabee在他第一次离开Intel后仅1周就被取消：“整个世界都会不一样。”
TSMC的对应洞察发生在组织层面：投资200亿美元至300亿美元建设的晶圆厂，可以通过标准化的PDK、EDA工具和制造准入服务整个行业。Intel的专有IDM体系却把代工视为无足轻重的业务；到Gelsinger 2001年回归时，TSMC的晶圆产量已是Intel的5倍，他认为当前差距接近7倍。

3. 台湾将制造规模变成宏观经济风险

Gelsinger认为，CHIPS Act带来了切实但并不完整的进展：美国先进制程产能占比已从法案启动时的约12%升至如今约18%。Intel正在成为真正的代工厂，TSMC的美国工厂已实现规模化运营，Samsung也已进入市场，但18%距离供应链韧性仍相去甚远。
最令人担忧的约束是台湾不足3周的能源储备。一场切断石油和LNG供应的封锁，无需交火就可能让台湾陷入限电；一旦晶圆厂停摆，Gelsinger称需要90天才能恢复运行。他对全球经济损失的判断没有留下余地：“超过大萧条。”
Jason追问冲突可能在2027年、2030年还是2035年爆发；Gelsinger拒绝给出虚假的精确判断，因为自己没有作战指挥室级别的实时情报。他表示，过去4年里中国在他看来已经封锁台湾海峡7次，这意味着问题不只是理论推演，供应链多元化必须更快、更有实质意义。

4. AI的物理上限是能源，量子计算延长增长跑道

当被问及AI基础设施是否存在泡沫时，Gelsinger从电力供给中找到了安慰：没有电力，公司就不会购买GPU，也不会建设数据中心。他估计全球能源产能扩张约为5%，而美国过去10年接近1%；这一物理上限限制了支出能够超出可部署产能的幅度。
需求仍可能极其庞大，因为如果token可以衡量智能，那么它在供应链、金融、物流以及劳动力受限的经济体中的潜在价值“在某种程度上是无限的”。因此，Gelsinger预计这轮建设“不是几年，而是20年左右”，目标是让AI能力提升10,000倍，同时把token成本和能耗降低5个数量级。
Jason质疑AI公司的惊人估值，但Gelsinger认为，今天的公司与互联网泡沫时期的投机不同，因为它们拥有“真实营收”和“真实利润率”。他仍预计市场会反复修正，行业也会持续洗牌，包括更多类似“SaaS末日”的时刻，但他对此持欢迎态度：“每次出现这种修正，都应该说谢谢。”
Jason最尖锐的挑战是：量子计算已经连续25年被说成“还有5年”。Gelsinger回答称会在“本10年内”实现突破，2030年前将出现化学、生命科学和物流领域的实用成果，而破解加密等问题可能要到2032至2033年左右。他也披露了自己对PsiQuantum的投资偏向，但指出目前有4至6条正在改善的技术路线，纠错已经得到验证，剩下的竞争在于工程规模化。

5. Lovable已从生成应用走向运营业务

Osika将市场缺口分成两层：先让任何人都能构建产品，再帮助产品成长为一门生意。运营20个月后，Lovable每周新增100万个项目，累计应用超过5000万款，这些应用每月访问量达7亿次；企业业务是增长最快的客户群体。
用户中约20%具备技术背景，4/5为非技术用户。工程师看重Lovable带有明确技术取舍的架构、支付配置、持续安全扫描和监控；非工程师则借助同一套结构摸索到底应该构建什么产品。一些客户如今已在平台上运营年收入超过100万美元的业务。
Jason在Founder University的团队独立完成了一个内网项目，用时约4至8小时，随后又加入了涵盖就业、税收、住房和薪资的经济影响模型。他把结果与一个成本50万美元的传统开发项目对比，估算首年总成本不到2000美元；Lovable起价25美元，商业版则谈到50美元。
安全是Jason最初的担忧，Lovable团队随后审查了部署情况；Osika现在希望由渗透测试人员对比不同工具的安全性。他强调，即使免费用户也能获得后台安全扫描。与此同时，Lovable的托管产品增速已经快于应用创建业务，公司正在与AWS和Red Hat合作。

6. 软件护城河从代码生成转向上下文与判断力

Osika的下一款产品是“AI联合创始人”：当客户把应用和工具部署在Lovable平台上运行时，它就能接触公司的应用和运营数据。这个AI可以在一夜之间完成工作，然后提出战略方向、增长优化方案或更好的客户服务方案。Jason把这一主张概括得很简洁：客户“进来把软件做出来，但会留下来把业务做起来”。
定制软件有时会取代SaaS，但Osika预计二者将长期共存。在Nursa，一名员工打造了护士教育产品，以及排班、执照、认证和行政工具，随后替代了10多个内部工具，每年节省超过100万美元。在其他场景中，Lovable也可以保留Salesforce、HubSpot、Google、Microsoft或Slack作为底层系统，再套上一层定制界面。
每次新的前沿模型发布，人们都会反复宣称Lovable已死；面对这类判断，Osika只给出营收事实：“我们在5月达到500。”Lovable会在多个商业模型和开放权重模型之间分配任务，位于斯德哥尔摩的研究团队则专注于后训练，并针对对客户影响最大的失败案例进行强化学习。
Jason据此判断Lovable会全面押注开源，但Osika将其修正为基于速度、成本和可量化客户结果的组合策略。Lovable保留用量上限和追加购买机制，但只要更便宜的模型对客户结果可测地更差，他就不会用它替代更强模型。每周100万个项目持续提供反馈信号，帮助公司改进Agent运行框架和内部软件构建能力。
更便宜的工程能力也在改变组织设计。Osika支持让多个团队独立解决同一个问题，并回忆CERN的团队曾在论文发表前暂不共享结果，以避免陷入共同的局部最优。Lovable随后可以引入最好的功能并进行分流测试；当“工程不再是瓶颈”，真正稀缺的能力就变成选对产品和实验。
谈到Anthropic的“Fable”，Osika看到的是复杂、有吸引力的首次生成结果，甚至包括3D游戏。但迭代仍需要人类与Agent共同规划、提供正确数据并选择战略方向。视觉和技术内容的生成速度，正在快于判断什么真正能改善业务的速度。

市场无法拿定主意 172: Momenta IPO后再访曹旭东：就是想做没有尽头的AI