Amjad Masad
前沿洞察
Masad的核心判断直击产业分水岭：基础编码模型正逼近平台期，专有数据构筑的3至6个月微调窗口足定乾坤；SaaS正被可验证的端到端Agent重塑，Replit的护城河在于多模型编排而非底层基座。他警示，具备确定性验证机制的“功能性AGI”正率先商业化爆发，但“足够好”的局部自动化或分流资本，延缓通用持续学习能力的突破。
观点集合
《把梦想“meme”成现实》｜Replit CEO 与 a16z 对谈
Replit的案例显示，创始人叙事能在商业化起量前支撑融资与招聘，而公众表达也可以通过训练建立。危机处理的关键在业务影响：数据库事件后，Replit两天内完成开发与生产环境隔离，但平台触达的不确定性和持续曝光的心理代价仍需观察。
查看摘要（6段）
- Erik Torenberg 说 Replit 已成立10年，但只有最近2年才实现了“绝对垂直增长”；Amjad Masad 表示，如果没有创始人主导的叙事串起商业化起量前的漫长岁月，Replit 很可能早已倒闭。 在他试图“把梦想做成现实”（“meme a dream into reality”）时，这套叙事支撑了极其成功的融资与招聘；后来，这个曾经的梦想成为了现实。
- 直接面向公众经营是一种可以训练的运营能力，而非 CEO 与生俱来的特质。 Masad 从怯场、心率接近150，练到即兴表演、故事课和公开写作；个人影响力的线性增长，让他能在风险尚未大到失控前，把早期失误视为“渐进式超负荷训练”。
- 危机应按业务影响来应对：沉默会让边缘攻击失去养分，而实质性故障则要求承担责任并迅速修复产品。 Jason Lemkin 的数据库被删除后，错误只需一次点击就能修复，但 Replit 当时仍未实现开发环境与生产环境隔离；Masad 说：“是我们搞砸了。”并在2天内上线修复方案。如今，Lemkin 与另一名员工、约10个 Agent 一起运营数百万美元规模的 SaaStr 业务。
- 谈到被取消，Amjad 以“被取消是一种选择”开场，而 Erik 认为，退缩会让公关危机致命，坚持露面则会让危机逐渐消退。 持续曝光最终可能耗尽攻击者的耐心，但 Masad 并不浪漫化其中的心理代价：线上遭到拒绝会触发战或逃反应，导致失眠、甚至无法进食，因此持续曝光必须以原则为配套。
- 对硅谷、早期采用者和会把帖子变成报道的记者来说，X 具有高杠杆，但它本身无法触达早期大众。 Instagram、Facebook 和 YouTube 可以拓宽漏斗；访谈切片直到2月左右才开始让 Masad 的 Instagram 获得规模化增长，他认为自己晚了1-2年。
- 并非每位 CEO 都有必要成为网红；适配度、产品实力和信息架构比发帖数量更重要。 Dario 可以让产品和文章自己发声，Groq 则让 Sunny 而非 CEO 担任公众形象。Masad 认为，想要走红，发帖者必须理解当下的 meta，并把一套世界观嵌入正在发生的争论，尽管 X 的触达风险并不透明。
Replit CEO：为什么 SaaS 末日论有其道理，以及为什么编码模型正在触及平台期 | Amjad Masad
Masad认为编码模型正在接近平台期，拥有专有数据的公司可能重新获得3至6个月的微调窗口，而短暂的性能领先也足以决定大型企业合同。Replit的护城河在于多模型编排与评估能力，而非绑定单一供应商；SaaS替代、短期低毛利和Apple持续3个月的应用审核仍是主要风险。
查看摘要（8段）
在 Masad 看来，编码模型的性能提升正在接近平台期，这可能重新打开一个 3-6 个月的窗口，让拥有专有数据的公司针对特定用例进行微调。 Replit 在 2023 年实现了优于 GPT-3.5 的编码表现，随后认为与 Sonnet 和 Opus 直接竞争是个糟糕策略，因为后两者正在缩小差距；如今更强的开源模型又让这笔下注重新可行。在企业比选中，哪怕只是短暂领先，也可能决定一笔大合同：“成本低于性能问题”（“Cost is secondary to the performance question.”）。
Replit 的护城河在于“agent 实验室”能力：编排、评估并持续替换模型，而不是对某一家供应商保持忠诚。 Anthropic 是连贯、可长期运行的核心循环主力，Gemini 则在代码搜索子 agent 等任务上提供最佳性价比。基础设施是可弃用的：Agent V2 让 Replit 删除了旧的护栏，而为 Agent 3 构建的自主能力后来原生进入了 Opus 4.6。Masad 本身并不反对中国模型，但对敏感企业数据存在安全顾虑；他认为开源对于避免 AI 形成寡头垄断至关重要。
AI 经济学目前仍更看重获客和能力，而非短期毛利率的纯粹性。 Masad 否认 Replit 每 100 美元收入中有 80 美元流向模型供应商，但承认这一占比很高；他以 Anthropic 为例，称后者每赚 100 美元就有 60 美元付给 Nvidia，同时维持 40% 的利润率。他认同 Jason Lemkin 关于免费推理可以获客的核心判断，并以 Claude Code 和 Codex 赠送 token 为例；Core 则是一种付费免费增值产品，企业版和 Pro 收入可以补贴它。Replit 去年已接近盈利，但随着公司先打造最佳产品、再进入优化阶段，利润率会随之变化。
SaaS 抛售在方向上有其合理性，但冲击是选择性的，并非全面推倒重来。 企业仍把 Salesforce 和 Workday 作为记录系统，并通过 API 和 MCP 构建；但部分客户会跳过应用层，直接在 Databricks 上构建。主持人认为，如果 20-30% 的客户或用户使用 Databricks 作为数据仓库，就可能重创 incumbent 的增长，Masad对此表示认同；垂直点解决方案还面临更大的替代风险，以及微型创业者带来的价格压力。
运营可能是近期更大的 agent 机会，因为它能把碎片化的 SaaS、电子表格和人工流程直接转化为可衡量的节省或销售增长。 Replit 用户正在构建报价配置器、deal desk 自动化和客服工具，其中 75% 的用户不是工程师。Masad 举例称，如果能节省 10,000 美元的 SaaS 支出和 200,000 美元的人力成本，只需额外花 1,000 美元做安全投入就是“不需要思考的选择”，ROI 可以达到“100倍”。
Masad 称，“从实际意义上说，IDE 已经死了”，但可审查的安全关键型代码仍会保留一个持久的细分市场。 AI 已经吞噬了 IntelliSense、自动补全、点击跳转符号等功能；NASA、SpaceX、自动驾驶和飞机软件仍然需要验证。主持人提到 Cursor 据报有 20亿美元收入，Masad 则认为，凭借广阔市场、黏性的企业客户，以及仍想逐行检查代码的开发者，Cursor 即使面对 Twitter 的“讣告”也能持续存在。
AI 不会带来单一的人员规模结果：一些创始人会把效率收益存下来，进取型经营者则会向更大的机会加码招聘。 一位桌游卖家在 Replit 带来收入增长、降低 SaaS 支出后增加了 8 名员工；年收入 6000万美元的 Firecrown Media 也招聘了更多 vibe coder。Replit 自身希望减少支持岗位，增加构建者和销售人员，而销售的工作正转向教育和转型咨询。
最尖锐的公司特定风险来自平台权力：Apple 在 Replit 应用已运行 4 年、此前通过 100 多次审核后，仍将一次更新卡在应用审核中 3 个月。 Masad 反复表示“我不知道为什么”，并指出 Apple 接受用 Replit 制作的应用，且该品类的其他应用也受到影响。他只能推测 Apple 可能正在确立对 vibe coding 的立场，或防范绕过 App Store，而 Replit 并不支持后者。他的应对方式是继续创新，在竞争对手“都会照搬 Replit 的做法”时，保持领先“1、2、3、4、10步”。
Amjad Masad 与 Adam D’Angelo：距离 AGI 还有多远？
推理、代码生成和视频能力仍在快速进步，D’Angelo 将实用 AGI 定义为超过普通远程办公者的软件，并预计五年后世界可能截然不同。Masad 将具备经济价值的功能性 AGI 与能在任何环境高效学习的智能区分开来，而 Replit 从两分钟到超过28小时的运行进展，凸显自动化、验证、成本与人类专业知识之间仍未解决的权衡。
查看摘要（7段）
- Adam D’Angelo认为，LLM远未触及平台期：推理、代码生成和视频在一年内都取得了巨大进步，围绕计算机使用的质疑以及当下许多批评，再过1-2年应会逐渐消退。 他对AGI的实际门槛定义是软件能力超过普通远程办公者，并预计5年后世界将“非常不同”，且不需要从根本上更换架构。
- Amjad Masad将具备经济效用的“功能性AGI”，与能在任何新环境中高效学习的智能区分开来。 暴力式标注、专家数据和人为设计的RL环境可以自动化许多工作环节，但这种对“大量时间、资金和数据”的依赖，让他怀疑LLM是否会自然扩展到真正的AGI或奇点。
- 廉价数字劳动力可能推动远超4%-5%的经济增长，但部分自动化可能先掏空人力资本供给链。 D’Angelo担心，专家可以管理数百个智能体，而公司停止招聘初级员工；Masad则补充说，专家被替代后，最终可能连继续改进模型所需的数据和专业知识都难以获得。
- 稀缺资产越来越变成训练数据中缺失的部分，由此催生对人类知识、专家标注和可验证RL环境的需求。 D’Angelo认为，AI最终或许能根据给定公理证明每一个定理，却仍然不知道“这家公司20年前是怎么解决这个问题的”，除非有人把这段经验记录下来。
- AI可能同时强化超大规模云厂商，并让更多个人创业者崛起，形成两端扩张的哑铃格局，而不是简单的在位者对创业公司的二元结局。 模型供应商之间的竞争会持续压低应用成本，订阅产品从第一天就能变现，较弱的网络效应也让多个创投级赢家得以出现；与此同时，由创始人控制的在位企业异常有能力穿越颠覆周期持续投资。
- Masad认为，AI辅助软件开发是AI尚未释放的最大机会之一，尽管今天的vibe coding工具距离专业工程仍相去甚远。 他的乐观情景是，未来任何人都能创造过去需要“100名专业软件工程师”才能完成的软件；他也希望研究更具实验性，并减少硅谷“致富驱动”的文化。
- Replit的路线图展示了智能体经济学的方向：更长的自主运行周期、内置验证，以及先让5-10个智能体并行工作，最终可能扩展到数百个。 其进展从Agent V1约2分钟，发展到V2的20分钟、Agent 3宣传中的200分钟，以及用户实际运行超过28小时；Agent 4则瞄准协同开发功能和代码合并。
与 Perplexity CEO Aravind Srinivas 一起剑指 Google
Perplexity日均查询量已达数百万次，流量约为Bing的15%-20%，但下一步必须在不牺牲速度、准确性和信任的情况下，把爱好者的周频研究变成日常使用。随着模型权重商品化，精选搜索索引可能成为护城河；订阅模式让利益更贴近用户，但算力支出已至少相当于25-30人团队的人力成本，独立基础设施既是优势也是资本负担。
查看摘要（7段）
Perplexity 日均查询量已达到数百万次，较上次访谈增长7倍，但规模仍约为 ChatGPT 的1/40，仅相当于其流量的2.5%–3%。 Amjad Masad 认为，留存比发布初期的流量峰值更重要——“如果留存真的很好，你就拥有无限生命”——并称 Perplexity 的流量已经达到 Bing 的15%–20%，只要能够维持增长，仍有“非常多的 alpha”。
真正的消费者挑战，是在不牺牲速度、准确性和信任的前提下，把每周一次的研究习惯变成每天使用。 旧金山的 AI 泡沫——50台咖啡馆笔记本里可能有20台打开 ChatGPT，纽约则只有1台——并不等于大众采用。Masad 未来2至3年的目标，是让人们因为 Perplexity“真的有用”而使用它，而不是因为 AI 很酷。
Perplexity 的差异化在于编排：实时搜索提供最新证据，模型再将其转化为答案、可执行命令，或可直接用于决策的80/20结论。 健康险选择、Docker 排障、会前准备和投资研究构成了切入口。但让用户在默认搜索和 Copilot 之间做选择，仍是产品体验上的欠账：“产品应该替你思考。”
Masad 的战略判断是，随着 LLM 权重和训练配方商品化，优势将转向数据市场，而围绕精选搜索索引建立护城河。 在大约1万亿个网页中，真正有价值的目标可能是最好的10亿或100亿个页面。Perplexity 正在分散搜索 API 来源，同时构建自己的爬虫、索引和模型，并称自己已经“打破了这种不对称”：不再需要先有产品来供养索引，也不再需要先有索引来打造产品。
Google 的广告经济模式构成了结构性缺口，因为其股东价值绑定广告主，而订阅模式可以让 Perplexity 直接与用户利益对齐。 Masad 并非原则上反对广告：“如果整个问题本身就是一则广告呢？”这指向一种更有用、而非打断式的赞助问题或付费收录模式。现阶段，公司优先考虑留存和可控流失率，而不是进一步强化付费墙。
垂直整合带来异常沉重的资本账单：完成2500万美元 A 轮融资后，这家25–30人的公司在算力上的支出至少与团队支出相当。 Masad 认为，训练自己的模型没有替代方案，也必须进行能降低未来服务成本的短期基础设施投资。公司还希望，即使某个搜索供应商切断服务，也能保持韧性。
更广泛的终局，是一个 AI 优先的操作层：助手而非网页或浏览器成为“第一方公民”。 封闭的商业助手可能削弱 Google 的中间人角色，但面向全球的服务仍会在研究和知识领域保持价值。Masad 预计，人类会接受近乎无限的专家帮助，因为人们可以“不停深挖”而无需感到尴尬；这种帮助也会进入群聊，而不只是存在于一对一对话中。