摘要

Elon Musk 的 DOGE 正把接管 Twitter 的剧本搬进华盛顿，但如今被“拆解”的资产变成了联邦政府本身。 约200万名联邦雇员收到“岔路口”辞职方案，几乎所有 USAID 员工被安排停职，一支年轻且不透明的技术团队试图取得各机构系统的访问权限。Jonathan Swan 的治理警告是：当涉及饮用水安全、食品安全、网络安全、航空和国家安全时，“‘拆掉它’这一部分非常重要”。
DOGE 杠杆最大的动作，是取得财政部支付基础设施的访问权限——每年超过5万亿美元、约占联邦支出的88%都经由这里流动。 官员坚称这是“只读”权限，但 Swan 表示，前财政部高官从未听说过政治任命官员获得这种权限；宪法层面的争议在于，总统能否扣留国会已拨付的资金。Musk 的操作前提很直接：“控制政府的方式，就是控制电脑。”
Musk 的节支目标已从相对于约7万亿美元联邦预算削减2万亿美元，降至“可能”削减1万亿美元，但观察人士仍认为这一目标难以置信。 DOGE 将零基预算与“淹没舆论场”策略结合：同时推出比媒体、国会民主党人和外部非营利组织能够应对的更激进措施。在国会几乎没有干预意愿的情况下，Swan 认为实际限制是“Trump 能容忍他的程度”。
Spotify 在成立18年后首次实现年度盈利，其基础是拥有6.75亿用户、约2.63亿付费订阅者的平台，也越来越依赖对用户所听内容的控制。 这项服务从搜索驱动的曲库，演变成能赋予歌单市场权力、并将听众引向许可成本更低的“完美匹配内容”的推荐引擎。其利润机制隐藏在策划之中：制作公司为特定情绪定制曲目，音乐人有时“一小时就能做出12或15首”。
Spotify 的幽灵音乐模式并不只是用廉价曲目替代现有音乐，而是围绕能在轻松聆听歌单中存活下来的内容重构供给。 Liz Pelly 追溯了 lo-fi hip-hop 从受 J Dilla 和 Madlib 启发、活跃于论坛和 SoundCloud 的实验音乐，到根据此前流媒体表现优化、被压平为学习背景音乐的过程。她对披露问题的批评很明确：如果商业推荐从未被标明，听众就无法决定自己是否在意这一点。
OpenAI 的 Deep Research 是 Casey Newton 使用过的第一个让他觉得能够完成实质性多步骤知识工作任务的智能体。 每月200美元的 ChatGPT Pro 订阅包含每月100次查询；Kevin Roose 关于 AGI 历史的请求耗时10分钟，查阅36个来源，生成了7至8页内容。Newton 仍发现每份报告“至少有一个错误”，但两位主持人都认为，它可能对依赖研究的新闻、咨询和金融行业带来深远影响。
Granola 出色的会议摘要能力暴露出更大的产品缺口：如何在不交出数十年私人数据的情况下，用可靠的 AI 把混乱沟通转化为决策。 Granola 能整理会议纪要并提取行动项，但不保存录音限制了新闻核验，其后台运行方式也带来同意问题。Roose 设想的邮件自动驾驶系统会每天扫描3至4次，识别重要邮件、起草回复并推送行动摘要——他称这是 Gmail 缺失的“想象力失败”。

精读

1. DOGE 正对主权机构重演 Twitter 接管战

Roose 将 Twitter 称为“热身赛”：DOGE 正重新使用 Musk 接管敌对机构的策略，包括削减成本、挑战既有权力和清洗被视为不忠的员工。关键变化在于规模——Twitter 是 Musk 所拥有的公司，而联邦政府的支出权来自国会，并提供民众无法选择退出的公共服务。
DOGE 的初始战果已经非同寻常：它取得了财政部支付系统的访问权限，让几乎整个 USAID 员工队伍停职，并向约200万名联邦雇员发邮件，提供辞职选项，据称可领取工资至9月。邮件主题“Fork in the Road”沿用了 Musk 收购 Twitter 后使用的标题。
Swan 将公务员队伍的氛围描述为“恐怖”。USAID 员工发现官网消失，收到午夜后不要去上班的指示，还看到 Musk 在 X 上称该机构邪恶。一名身份不明的 DOGE 访客可能穿着 T 恤和西装外套出现，实质上要求对方回答：“你就是一个懒惰、毫无价值、愚蠢的联邦雇员。请证明你存在的意义。”
Newton 的区分是本期节目的关键反驳：尽管相关协议存在争议，Musk 基本拥有重组自己收购公司的法律权利。但在华盛顿，“世界首富”并未当选，也没有向国会提交计划或取得立法同意。

2. 控制电脑，是 DOGE 的国家权力理论

Swan 的报道捕捉到 Musk 的前提：“控制政府的方式，就是控制电脑。” DOGE 不愿接受职业官员的解释，而是希望拿到源代码和“政府的管道”直接访问权，将 Musk 在工厂车间逐一质疑每个零部件、并公开点名其认为荒谬支出的习惯带入政府。
财政部是这一理念风险最高的落地场景。其支付系统每年分发超过5万亿美元，约占联邦支出的88%，其中包括 Social Security 支付。Swan 采访的前官员称，这一系统过去一直由一小批值得信任、经验丰富的公务员管理；他们从未遇到政治任命官员提出、更不用说获得这样的访问权限。
政府称 DOGE 对财政部的访问是“只读”，也就是其人员无法修改支付，但 Swan 强调，即便如此也极不寻常。这支团队本身仍不透明：据报道，约40人在就职典礼前后现身，既有经验丰富的 Musk 盟友，也有与古代卷轴项目有关的参与者，其中一人据称年仅19岁左右。
DOGE 的预算原则是把每个账户从零开始，要求机构为新增的每一美元支出辩护。据报道，Musk 用每天节省的美元数衡量成效；团队检查财政部支付、USAID，并审视政府的房地产资产组合，而不只是对既有预算基线做小幅削减。

3. 2万亿美元承诺撞上算术，也撞上“淹没舆论场”策略

Musk 最初表示，希望从约7万亿美元的联邦预算中削减2万亿美元。Swan 认为执行“几乎无法想象”；Musk 随后将目标降至可能削减1万亿美元，但观察人士仍认为这一数字惊人且不切实际。
意识形态上的分配逻辑比算术更清晰。USAID 代表了 Trump 运动眼中的左翼“深层政府”机构：把钱花在海外，而不是遵循“美国优先”；那封辞职邮件同样将联邦就业本身视为低生产率工作，没有区分专业能力或经验。
Swan 不接受 DOGE 的每一项行动都必须最终存续这一假设。其习得的策略是“淹没舆论场”——以比媒体、国会民主党人、ACLU 等外部非营利组织以及司法系统更快的速度推进激进政策。有限的制度处理能力迫使反对者选择目标，而其他措施则先成为既成事实。

4. 法院可能要等机构和项目已经改变后才会介入

国会无疑拥有财政拨款权，而白宫则将暂停支出描述为对其是否违背 Trump 优先事项的临时审查。Swan 表示，这些行动可能引发最高法院关于总统能否拒绝执行国会已拨款支出的权力之争——Trump 的助手长期以来一直希望收回这种权力。
诉讼在结构上慢于 DOGE。Musk 和 Trump 以极快速度采取大量行动，司法系统难以追上；与此同时，苏丹等地的对外援助项目已经停止。Swan 的预测保持了应有的混合判断：“其中一些最终不会获准，但其中一些会。”
立法制衡看起来很弱，因为共和党控制两院，而国会没有表现出捍卫自身权力的强烈意愿。对 Musk 个人而言，Swan 只看到一个实际约束：“对他的限制，就是 Trump 能容忍他的程度。这是唯一一种限制原则。”
国防最终可能成为无法回避的目标。Trump 承诺不削减 Social Security 或 Medicare，这意味着若 DOGE 仍要实现节支目标，就很难不触及五角大楼支出。Swan 提醒，随之而来的冲突在于：Musk 的 SpaceX 持有大量联邦合同，但有意义的政府整体削减不可能永远忽略国防部。

5. 政府 AI 可能找到浪费，也可能放大不透明访问风险

Musk 的盟友希望集中管理联邦合同，并用 AI 分析合同、提出削减建议。据报道，曾任 Tesla 工程师、现领导总务管理局技术团队的 Thomas Shedd 曾向员工介绍这一计划；Swan 此前也听到 Musk 数月来讨论用 AI 识别浪费。
Swan 并不认为这一概念本身疯狂：原则上，用更好的工具寻找浪费“看起来并不是一个疯狂的想法”。他的问题在于，外界看不见将部署哪些工具、这些工具如何运作、会获得什么信息，以及什么安全措施将约束其建议。
Newton 将 DOGE 与 U.S. Digital Service、18F 等既有现代化项目区分开来。前几届政府同样招募技术人员，但将工具引入敏感系统通常需要经过采购、安全和隐私审查，而不是由工程师宣布：“不管你喜欢不喜欢，我们都要使用这些工具。”
Newton 将 Musk 的做法视为“创始人模式”的延伸；Swan 的回应则强调后果，而非效率。政府保护水资源、食品、基础设施、网络安全、航空和国家安全，因此“拆掉它”所承担的是国家层面的风险。
一名前高级官员强调了反情报暴露面：年轻的私营部门人员快速穿行于敏感系统之中，会为已经在瞄准联邦雇员的外国政府制造新的漏洞。

6. Spotify 把普遍访问转化为策划权力

Spotify 报告了成立以来的首个盈利年度，CEO Daniel Ek 说：“我们花了18年才走到这里，但我们到了。”该平台用户达到6.75亿，约2.63亿为 Premium 订阅者，广告支持业务收入也在增长。
Pelly 将产品最初的吸引力追溯到后 Napster、后 Pirate Bay 时代的听众：Spotify 像是接入庞大数字曲库的搜索框。直到约2012年，其品牌强调的仍是“即时、简单、免费”的访问，而不是由服务决定听众应该听什么。
研究随后显示，用户想要的是推荐和即时获得合适音乐的内容流，而不仅仅是访问权限。2012年末至2013年初，Ek 承认自己此前对非策划模式过于珍视；首页完成改版，Spotify 坚定转向歌单。
RapCaviar 等歌单成为具有类似电台把关权力的推广基础设施。Spotify 营销的是一座据称能实现民主化的金字塔：独立音乐人进入导流歌单，产生强劲的完播或反应数据，再在系统中上升。Pelly 称，这条精英凭绩效上升的路径是许多独立音乐人从未经历过的“神话”。

7. “完美匹配内容”将推荐控制转化为利润率

Pelly 关注的核心商业机制，是一系列将用户推向 Spotify 许可成本更低音乐的节支举措。约2017年，听众注意到学习、睡眠、chill 和放松歌单中充斥着一些看起来并不真实的艺人及曲目，内容类似免版税库存音乐。
内部称其为“Perfect Fit Content”，即 PFC：为特定歌单和情绪定制的音乐，以改善利润率。Spotify 并非只是策划已有录音，而是通过关系密切的制作公司，雇用制作人和作曲家，制造适合其轻松聆听场景的音乐。
音乐人告诉 Pelly，他们“一小时就能做出12或15首这样的曲子”。制作公司提供已经在 Spotify 上表现良好的歌曲样本，作曲家据此复制相近风格——足够简单，不会打扰背景聆听；数量足够多，则可同时优化播放量和成本。
Roose 提供了需求侧的辩护：作为睡眠和学习歌单的重度用户，他更关心声音是否合适，而不是艺术家的身份。Pelly 的回答是披露：据报道，一些高管的逻辑是“多数人不知道，而且他们也不在乎”，但当商业安排始终隐形时，用户无法决定自己是否在乎。

8. 歌单经济在生成式 AI 到来前就已压平 lo-fi

“lo-fi hip hop beats to study and relax to”这一类型拥有更具实验性的前史。2010年代初的论坛和 SoundCloud 上，音乐人制作受 J Dilla 和 Madlib 启发的节拍、重制采样、比拼出色鼓点，创作的音乐既不单纯舒缓，也不是专为背景播放设计。
随着这一场景转移到 YouTube 和 Spotify，歌单策划人将其中一部分放入学习场景。适合这些歌单的曲目在商业上表现良好，于是创作者继续生产更多同类内容，形成反馈循环：分发激励逐步压平了为内容流供给音乐的文化。
Newton 保留了其中的模糊性：热门歌单确实推动了更多能被证明受到听众喜爱的音乐生产。Pelly 的反对点并不是说这些音乐单纯“虚假”，而是独立 ambient、爵士、古典和 lo-fi 音乐人并不稀缺，但当看起来像编辑推荐的位置转而偏向库存曲库时，他们会失去被发现的机会和收入。

9. 固定费用制作合同可能“买断作曲家的运气”

Pelly 反对任何认为她在羞辱接制作工作的音乐人的说法。欺骗也可能延伸到他们身上：作曲家提交曲目、收取报酬，通常并不知道 Spotify 更广泛的 PFC 安排，也不知道作品之后会发生什么。
不同制作公司的合同并不相同。一些音乐人会收到母带的一次性买断费，同时可能保留其他版税权利；与英国 Ivors Academy 有关的作曲家则认为，Epidemic Sound 等公司试图“买断作曲家的运气”。
他们的逻辑具体指向作品组合经济学：制作型作曲家大量创作音乐，却不知道哪一首可能走红、进入广告，或在多年间产生持续收入。买断协议将这种不确定的上行空间从创作者手中转移出去，正因为任何单曲最终会值多少钱都无法预知。
生成式 AI 可能强化这一模式，但 Pelly 对证据保持谨慎。Ek 曾称赞其文化和用户参与潜力，Epidemic Sound 也表达了对作曲家使用这类工具的兴趣；她没有直接观察到 PFC 内部使用 AI，尽管 AI 生成音乐已经每天涌入流媒体服务。

10. 无摩擦聆听以主动品味换取留存

Pelly 将访问权与被动聆听区分开来。她支持普遍访问，并认为 Napster 时代的文件共享塑造了自己的音乐品味；Roose 也记得曾攒下18美元购买一张 CD。问题在于，流媒体让轻松聆听成为阻力最小的路径，在文化和经济上同时贬低音乐。
一名前 Spotify 员工将策划目标描述为减少用户打开应用后所做的“认知劳动”。长期理想是在恰当时刻提供完美推荐，不需要任何决定、选择或思考——把 TikTok 的参与模型应用到声音上。
一名前 Spotify 工程师称 TikTok 是“轻松聆听的终极提炼”：用户除了停留多久之外，不提供任何明确输入。Pelly 认为，聆听、拒绝、追问原因以及接触舒适区之外的音乐，都是具有文化意义的活动，而不是应该被优化掉的低效环节。
Roose 亲自接受了这一批评：他过去会主动寻找特定艺术家，但后来变得懒惰，逐渐失去对品味的掌控，觉得这种品味不再真正属于自己。他决定更有意识地选择音乐；Pelly 的人工推荐是 ambient 作曲家 Emily A. Sprague，她也是 Floras 的歌手——Newton 开玩笑说，最好“在你醒着的时候”听。

11. Deep Research 跨过智能体门槛，通信 AI 仍未达标

OpenAI 的 Deep Research 通过每月200美元、包含每月100次查询的 ChatGPT Pro 计划提供服务，会在使用尚未发布的 o3 模型前提出澄清问题。Roose 关于 AGI 历史的任务运行了10分钟，查阅36个来源，生成7至8页内容，时间跨度从1956年的 Dartmouth workshop 一直回溯到17世纪的 Thomas Hobbes。
Newton 称这是他使用过的“第一个好的 AI 智能体”：每份报告至少包含一个错误，但工具能建立时间线、整理概念类别并提供引用，速度之快让他怀疑编辑助理无法匹敌。与 Gemini Deep Research 相比，Roose 认为 OpenAI 的推理模型输出至少长一倍，更全面，也更可能产生洞见。
其劳动影响范围很广，因为新闻、咨询、金融和其他知识工作都以研究为基础。Deep Research 挽救了令 Newton 失望的 Pro 订阅；如果只能保留一个订阅，他现在会选择 ChatGPT Pro，而 Roose 则偏好20美元的 Claude Pro 作为日常主力，尽管它缺乏网页浏览和同等的研究功能。
Granola 已经很好地处理一个更窄的工作流：转录电脑音频但不保留录音，生成结构化摘要，支持 VC 路演和一对一会议模板，在要点背后显示引文，并回答有关会议的问题。它的隐私设计限制了需要录音核验引述的记者，而其隐形后台运行方式则使事先取得同意变得不可或缺。
邮件仍是最明显的失败点。Newton 认为反复出现的邮件类型只有9或10种，但 Notion Mail 的测试版和 Shortwave 都无法可靠提取行动项；Roose 不愿把20年的 Gmail 交给一家他未必信任的公司，而他本地搭建的 Claude 原型甚至开始回复垃圾邮件。
Roose 的要求并不高，却始终没有实现：每天扫描收件箱3至4次，识别重要邮件，起草带有发送和编辑按钮的回复，并推送每日行动项摘要，还可选择与日历关联。他对 Google 的结论是——即便 Google 推出了新的“2.0 flash thinking experimental apps”模型，Gmail 缺少自动驾驶功能仍代表着“想象力失败”。

Boldstart Ventures 的 Shomik Ghosh 谈 Kelly Partners（$KPG.AX）独特的会计师事务所滚动并购策略 No Priors 第100期｜与 Sarah 和 Elad 对谈