手记 · 2026-10-20 03:44:51

照着教程改配置,最怕的是改动前后环境已经漂移——账号换过、依赖升过级、缓存被清过,等结果不对再回头,连哪一版才是起点都说不清。跑赖子牛牛房卡在哪有怎么哪里买医疗财经前先把当前环境基线钉在记录页上:系统与运行时版本、账号与权限档位、关键配置项的原始值、依赖版本清单,四栏填齐再动手;之后每改一处都拿基线对照,出现偏差就先还原到基线再继续,对照不通过不进入下一步。
在Assembling 2026上,我们邀请了几位硅谷一线投资人。
打开赖子牛牛房卡在哪有怎么哪里买医疗财经教程之前,先把环境记录页的四栏填齐。第一栏抄系统与运行时的版本号,连查询命令一起记,方便日后复现;第二栏写清当前账号是主号还是子号、权限到什么档位、绑了哪几种登录凭据;第三栏把即将改写的配置项原文整段复制过去,保留路径;第四栏列依赖版本清单,注明来源是官方源还是第三方镜像。四栏任何一栏空着就别往下走,空白栏正是后面『不知道哪儿变了』的根源。
实用提醒:版本号带完整小版本,别只写大版本号糊过去
执行赖子牛牛房卡在哪有怎么哪里买医疗财经每一步之后,回到记录页对照基线。看三处:改动后的配置值是否与教程预期一致、依赖是否被顺带升降级、账号权限档位有没有被教程里的授权步骤抬高。对照时以记录页的原始值为准,不是以你记忆里的值为准。任何一项对不上就先停在原地,把偏差写进记录,不要带着偏差往下跑,偏差在后续步骤里会连锁放大,越到后面越难拆。
实用提醒:对照依赖清单时注意间接依赖,主包没变子包也可能被顶掉
对照不通过时,别说『先跑着看看』。按记录页的原始值把配置项改回去,依赖按清单还原到原版本,账号权限若被抬高就用子号或恢复到原档位。还原完再重跑一次对照,三处全部对上才算基线恢复。恢复后重新看赖子牛牛房卡在哪有怎么哪里买医疗财经教程对应步骤,找出偏差是从哪一步引入的,把原因写进记录。带着偏差往下跑,最后出问题时你连从哪开始排查都定不了位。
实用提醒:还原配置后重启相关服务再读值,缓存会让旧值看起来没变
教程告一段落,把最终环境与开工基线整轮对照一遍:系统版本、账号状态、配置值、依赖清单逐项过。把差异项列出来,标注哪些是教程预期的改动、哪些是计划外的漂移。计划外漂移逐条处理回基线或确认保留。最后在记录页写一段小结:本轮基线建在哪一天、中途漂移过几次、各次怎么恢复的。下次再跑同类赖子牛牛房卡在哪有怎么哪里买医疗财经教程,这份基线记录能直接当起点,省掉摸索归零的时间。
实用提醒:小结里写清漂移引入的步骤编号,排查时能直接定位
并且给他们出了一个他们天天质问创业者的题目: 为何OpenAI和Anthropic还没杀死创业公司。这场对话信息量丰富,观点犀利,也让人看到今天从硅谷最一线的投资人视角来看,AI行业的机会和巨大风险在哪里。这场对话由Tian Yu(T.Y.),Micron Technology(美光科技)风险投资人主持,嘉宾包括Jenny Xiao,Leonis Capital 合伙人,前 OpenAI 研究员及早期员工;Alan Du,微软风险投资基金 M12 合伙人,和Brian Zhan,Striker Venture Partners 合伙人。
以下为对话实录: T.Y.:我们进入今天的话题。过去两年有一个共识:随着范式变化,这些大实验室会开始吞掉创业公司,而且这件事在过去几年也一直在发生。但创业者仍然在融资,仍然在增长。所以今天的题目就是字面意思:为什么 OpenAI 和 Anthropic 还没有杀死所有的创业公司?
我们先请各位做个自我介绍,然后用一句话回答这个问题。Alan Du:很高兴见到大家。我是 Alan Du,M12 的合伙人。M12 是微软的风投部门,我们投资整个 AI 技术栈上的早期创业公司:从硬件、模型层,到 agent 基础设施、垂直应用、网络安全,以及中间的一切。
至于一句话回答——先说好,会超过一句话。前沿实验室在过去 18 个月左右,实际上已经消灭了市面上至少一半创业公司存在的战略理由。那为什么它们还没有杀死这些公司?我认为现在很多创业公司,本质上是在利用前沿模型能力和企业落地之间的一个暂时性套利窗口。
所以这更像一个时间问题,我把它叫做"企业延迟"(enterprise latency)问题。T.Y.:所以你的答案是"还没有"——而且"还没有"的意思是,很快了。好,Jenny。Jenny Xiao:大家好,我是 Jenny Xiao,Leonis Capital 的创始合伙人。
我们是一家总部在旧金山的研究驱动型基金。在这之前,我是 OpenAI 的研究员,也是 OpenAI 的早期员工。我对"为什么 OpenAI 和 Anthropic 还没有杀死所有创业公司"的回答是:不是每个人都想用 OpenAI 或 Anthropic 的模型,它们非常贵。
我认为中国的开源模型是今天美国创业生态收到的最大的礼物,因为大家想用开源模型,所以做一个模型中立的提供方仍然有很大价值。T.Y.:乐观多了。Brian。Brian Zhan:我是 Brian,Striker Venture Partners 的合伙人。
这支基金是我和 Max Gazor 一起创立的,他是我在 CRV 的前同事,曾是 CRV 的资深合伙人,五次入选福布斯 Midas 榜单。我对这个问题的看法是:我们从今年 1 月才开始真正看到 RL scaling 起飞,AI 开始泛化到很多我们从没预料到的领域——你们看到了 GPT-6 Astra 在机器人、数学、生物上的惊人结果。
所以从某种意义上说,它确实在泛化进很多其他领域。但有两件事:第一,像 WisprFlow 这样的产品,它们的产品体验护城河太强了;第二,有些领域完全是另一个品类,比如多模态推理,像 elorian在做的事,就是一个完全不同的品类。所以我们还很早,还在摸索。
第一问:究竟啥是护城河 T.Y.:我有五个问题。第一个问题,其实是今天这个题目的反面:护城河。我想请各位谈谈,未来几年我们应该期待哪些持久的护城河?可以拿你们的被投公司来举例。然后在这个基础上,也请分享一个在 12 个月到两年的时间尺度上、"看起来像护城河但其实不是"的东西。
从 Brian 开始。Brian Zhan:我认为公司最大的护城河,是你创造的产品体验。看 Grokbot,它是今天使用量最大的应用之一。理论上 OpenAI 和 Anthropic——每家都会推出自己的竞品,但人们仍然在用 Grokbot,因为 Grokbot 会自动下载所有人的 skill,所以它有一个 skill 可以做人们想做的任何事。
这种飞轮是别人都没有的大护城河。再看 Wispr Flow,大家愿意付钱让它拿到高得离谱的毛利,因为它就是能把听写做好——它有你的个人词典,收录了你用的那些不在通用词典里的独特词汇。我们评估创业公司的时候,真正看的是:你有没有一个别人不容易复制的护城河,让你能收取非常高的毛利。
T.Y.:我能挑战一下吗?我们在谈用户体验,谈用户和解决方案交互的整个旅程。但今天软件这么容易被复制,这怎么会是一个持久的护城河?Brian Zhan:我认为有几家创业公司确实有很好的护城河。一个是 Grokbot,它是第一个真正面向所有人的 AI 个人 agent 助手,而且它比任何人都早得多地建立起了 skill 的飞轮,所以有大量 skill 是其他模型没有的。
Grokbot 有一个 skill 可以操作我们的 HR 系统、把我们的 HR 自动化,其他任何 bot 都没有,因为是用户教会了 Grokbot 这个 skill。再看 Elorian,它的护城河在于:多模态数据会让所有前沿模型的编程能力变差,而编程是前沿模型现在唯一在乎的事情。
所以 Elorian 有一个比其他所有实验室都明显更好的多模态推理模型,它想收多少钱就能收多少钱。再看 Skild,它们掌握了机器人的供应链。我可能不该点名,但其他那些知名的机器人创业公司只有五到十台机器人,Skild 有上千台。Skild 拥有的机器人数量、由此创造的数据飞轮、它们能做的销售、它们对供应链的所有权——这就是护城河。
T.Y.:那反过来,很快地说:什么是"看起来像护城河、但并不持久"的?Brian Zhan:很快地说,我们从很多早期的 AI 公司身上学到了惨痛的教训。Jasper 是第一个非常显眼的爆雷案例:他们说"我们做一个 AI 写作聊天机器人",结果 GPT 本身就把写作做得很好。
还有 Stability AI,图像生成。T.Y.:好的。Jenny。第一个问题是:什么是持久的护城河,可以用你的被投公司来谈;然后,什么是看起来像护城河、但会消失在历史里的东西。Jenny Xiao:我不认为 AI 里存在什么护城河,尤其是技术护城河,它不存在。
我觉得"技术护城河"是说给非技术背景的投资人听的,好让他们理解自己到底在投什么。但你去问任何一个技术出身的 builder,他们会说:对,理论上每个人都能干掉我们。OpenAI 能干掉我们,开源模型可能干掉 OpenAI,现在每个人都在拼命求生。
AI 里没有技术护城河。但这不意味着你做不出一个真正好的产品。我记得今年 6 月 Claude Tag 发布的时候——我们是一家叫 Viktor AI 的公司的早期投资人,我其实觉得它的体验比 Grokbot 更好。如果你还没试过 Viktor,我强烈推荐你试一下。
Grokbot、Viktor、Claude Tag 和其他所有个人 AI 助手、AI 员工我都在用,我觉得 Viktor 很可能是最好的产品。它直接在 Slack 里,我不用再下载一个新应用,也不用把所有工作流搬到另一个应用里。6 月 Claude Tag 发布的时候,Viktor 在 LinkedIn 上发了一篇帖子,叫《Anthropic 杀死了 Viktor:一篇事后复盘》。
我读的时候觉得非常有意思:Claude Tag 的发布对 Viktor 反而是极大的利好,因为它一下子提高了"AI 员工"这个品类的认知度。Grokbot 发布的时候也是一样——所有人都开始想 AI 员工这件事,而当他们上网搜"AI 员工"的时候,第一个出来的就是 Viktor。
而且其他所有平台、所有的"AI 员工",你只能用一个模型:用 Grokbot 就得用 Grok,用 Claude Tag 就只能用 Claude。Viktor 支持所有模型。我认为这种定位非常重要,这也是很多团队选择 Viktor 而不是那些单一产品的原因。
第二个问题,什么是假的护城河。任何一家告诉我"我们有数据护城河"的创业公司,我都会在后面打三个问号。你想象不到有多少创业公司这样跟我 pitch:"因为我们在这个品类里进入得早,因为我们和这些客户有专有的关系,所以我们拿到了所有这些数据,所以我们能微调、能后训练自己的模型。
"这些全都是转瞬即逝的。我不认为任何后训练能保证你的模型比最前沿的模型更好——即使你看 Harvey 这样的公司,它们专有的后训练模型也不一定比市面上的前沿模型表现更好。所以如果你是一家应用公司,请专注于做最好的工作流和最好的体验,而不是试图说服投资人"我们会有一个比基础模型公司更好的模型"——因为,他们会花几百万美元去买那些所谓只有你才有的领域数据。
T.Y.:数据不是护城河——我们看看这是不是今天最犀利的观点。Alan,我们来聊聊护城河。Alan Du:我从第二个问题开始:什么不是护城河。她刚才说的很多点,我百分之百同意。如果你来找我说"我有一个技术护城河",而这个技术护城河可以被装进一个产品演示里,那是一个非常弱的论据。
如果我听到的论据是"OpenAI 和 Anthropic 太专注于做下一代前沿通用模型了,他们不会来做某个垂直领域",我也觉得非常弱。我认为真正持久的护城河要深得多,而且有时候和技术毫无关系。