🎙️ 今天這幾集

一句話:電商打法就是 SaaS 打法:第一天就開付費、每月餵 400 到 500 支素材,分銷是唯一護城河。

Matt Swulinski 歷任 Superhuman、Wispr Flow,現在在 Victor(裝進 Slack 或 Microsoft Teams 的 AI 員工)。他主張每一分錢都要對應一次購買或加入購物車,付費投放第一天就該開,因為那是驗證 PLG 最快的方法:訊息、素材、漏斗、定位一週內測得完,靠內容與口碑要等好幾個月。早期只留 Meta、Google、Lifecycle(email/SMS/push)三條,能走到第一個 100 萬到 1000 萬美元 ARR,別急著加 TikTok、Reddit。募到 300 萬到 500 萬美元的種子輪,10 萬美元是合理起始預算。但花第一分錢前要先把衡量做好:電商有 Triple Whale、Elevar 這種 15 分鐘裝完的歸因工具,SaaS 全得自己土炮(Clickhouse、Hex、首次/最後點擊歸因);Meta 的 Match Rate 與 Google 的 enrichment score 沒拉滿等於丟掉 50% 的人,演算法看不見就亂投,CAC 飆高後創辦人便斷定付費沒用;他估 90% 公司跳過這步。累積 50 次轉換才到演算法起跑線,兩三週看得出方向,但要給滿三個月。

Meta 的 Andromeda 更新把素材本身變成分眾條件,受眾設定與媒體購買員的調參工作一起消失,只剩素材策略。10 萬美元的 Meta 預算,每月要餵 400 到 500 支新素材才不會撞牆。Victor 的做法是自建創作者計畫、按廣告花費分潤,數百位創作者每人每週產 3 到 4 支,外加 5 家代理商與內部團隊;合作貼文型廣告約佔三成花費;有 17 到 19 歲的孩子靠做幾支廣告月入 2 到 3 萬美元。成效是 80/20:兩成素材吃掉八成成效。關鍵不是單支素材而是整包資產要彼此不同:年齡、性別、場景、鉤子都要換,只複製已知有效的那種會讓成效崩掉。全 AI 生成的影片一看就知道,他只留 5% 額度,AI 的用處是做變體。YouTube 得另開一條線:最佳版位是 16:9 橫式,鉤子出現得比 IG 晚;Victor 用自家產品做了一支工具,把直式短片塞進含客戶 logo、G2 評分與 CTA 的靜態模板,直式素材因此全部能上 YouTube。

單位經濟上,早期 LTV 比 CAC 做到 1:1 就行、別低於 1:1,規模化後往 3:1 走;有 token 成本的產品要看 LTV 對毛利,且 Anthropic 帳單之外的 modal 與推論成本都要算進去,免費試用 credits 也併入行銷費用(fully loaded CAC)。Meta 與 Google 對用量計費的 B2B 沒有優化能力:同一批人有人一年付 5 萬美元、有人付 50 美元,演算法處理不了這種變異。Wispr Flow 去年把預算單月拉五倍去撞天花板再回收,學到 Meta 要排在 Google 之後、電子報成效差、podcast 沒用。最強通路是 Google Ads:非品牌關鍵字、PMax、YouTube 廣告全都會賺,還能分市場細調 CAC(印度與美國價格不同);30 秒到一分鐘的教學影片曝光從數百萬累積到數億,再回流到搜尋與展示。他點名最被低估的是 affiliate,Victor 每月 10% 到 15% 的獲客來自這條、分潤 10% 到 15%,帶進月付 1 萬美元的客戶等於月領 1500 美元。最被污染的是 X:launch 影片長得都一樣,而且他沒遇過任何人說 X 廣告會賺。AEO 方面,競品每週產 100 到 200 頁多是 AI 廢文,真正有用的是 YouTube 評測與 Reddit 敘事:長影片吃長尾、是答案引擎的高權重引用來源,PR 的價值也在被引用而非流量。

推薦計畫要綁在用量上限那一刻:Superhuman 是送一個月得一個月,有人推薦上百次等於終身免付費;Wispr Flow 在快撞 2000 字上限時跳出;Victor 給 credits,可靠 LinkedIn 發文按 CPM 換 credits,或推薦公司拿對方訂閱額的分潤(舉例 20%),而八人團隊每月在 Victor 花 1.5 萬到 2 萬美元。失敗版本是送周邊小物,或做 20 層任務的複雜遊戲化。付費牆放在 aha 時刻之後的蜜月期內。Superhuman 成長趨緩是因為即時付費牆加上 ICP 只鎖創辦人,池子有限,得往業務等新 ICP 開;Wispr Flow 則在還沒有任何 AE 之前就有可觀的企業 ARR,靠自助的團隊授權。人才標準轉了 180 度:AI 原生的系統思考者會贏過純資歷,不具系統思考的行銷團隊他主張多數該換掉,有這種深度的候選人不到 1%。他在 Wispr Flow 當成長負責人期間是唯一的執行者(他說預算三到五百萬美元,另一處說光 Google 就一個月一百萬美元),同時對接 70 到 120 家電子報供應商,於是用 Claude Code 做了一套行銷 OS:排程在 9 點、12 點、18 點收信,自動議價、擬約、寫文案、建追蹤連結,只有要不要合作與續約回到人決定;他 90% 到 95% 的日常工作都走 AI。他的押注是現在八成工作靠人、兩成靠 agent,三年後倒過來。

一句話:Anthropic 傳以 2 到 3 兆美元估值十月上市;標題只對應開場,主體是兩段創辦人訪談。

標題只涵蓋開場約十分鐘,這集是週五的 Off Duty 版,主體是兩段創辦人訪談,以下依逐字稿實際內容整理。

Lon Harris 引 Financial Times 的知情人士報導:Anthropic 十月 IPO 要尋求 2 到 3 兆美元估值,會超過 SpaceX 幾個月前創下的 1.7 兆紀錄,而史上碰到 3 兆的公司只有五家;投資人預期它今年底 ARR 落在 1,000 到 1,200 億美元。Ramp 上月數據:43.5% 的美國企業付錢給 Anthropic 買訂閱或 token,OpenAI 39.7%,Google 的 AI 工具組 6.2%。Jason Calacanis 判斷最後會用 3 兆定價、2 兆是壓低喊價,約當營收的 30 倍;他想從財報看薪酬佔比、千億營收要燒多少算力、資料中心與晶片怎麼折舊,以及錢流向 AWS、Crusoe 還是 CoreWeave。他拿 OpenAI 對照:ChatGPT 號稱十億人使用,若有 2,000 萬付費訂戶、每月 20 美元,一年約 50 億美元,只等於 Claude 企業端生意的 5%。他建議別搶 IPO 首日股票,投行與 CEO 會把價格訂到完美,Figma、Instacart、Reddit、SpaceX 都是先跳一波再回落,要買就用十年持有的心態建部位。同日另一則:Anthropic 洽談以約 60 億美元收購以色列新創 Decart AI,比對方前一輪估值溢價五成,將是它至今最大一筆。Decart 的軟體讓晶片跑得更有效率,自家文件宣稱吞吐量最高提升 8 倍,可跨 Nvidia、Amazon Trainium 與 Google TPU,另有即時影片生成模型 Lucy 與物理模擬世界模型 Oasis。Jason 以 3 兆的 1% 是 300 億換算,說這筆只花掉公司的 25 個基點,是併購市場解凍的訊號。

第一段訪談是 Wisewell 共同創辦人暨執行長 Sammy Herabi,做桌上型淨水機。前提是美國自來水管平均年齡約 78 年、這輩子等不到全面更換。三道處理:活性碳除沉積物與氯味,逆滲透對付 PFAS 這類永久性化學物質但會把水變平淡,再用天然石材濾芯把鈉、鈣、鉀放回、把 pH 拉回來,配方由團隊裡的水侍調校,他說全球只有 250 位。訂閱制綁兩年:小型的 Nano 每月 29 美元,旗艦 Sparkle 每月 89 美元無限用量,內建 NFC 並接 Apple Health 與 Google Health,氣泡版每喝完 180 公升自動寄下兩支氣瓶。目前數萬名用戶、流失率約 2%,平均每天使用 15 次,他說這讓機器成為家中僅次於 iPhone 的第二常用裝置。微塑膠他引的數字:人腦裡約有一茶匙、七公克塑膠,失智症死者檢體是十倍;瓶裝水的奈米塑膠估計值從每公升一萬顆修正到 24 萬顆,尺寸小到能穿過血腦障壁;男性生育力已降約三成,與塑膠攝取量走勢幾乎重合,第一批集體訴訟已提出。

第二段是 Grit Robotics 的 Punit Puri,用現成機械臂加自研 AI 軟體安裝太陽能板,機器人目前在內華達實地施工。產業背景:太陽能工地人力流動率 70%、三成的人連藥檢都過不了;農業、零售、製造自 1965 年以來生產力提升 1000%,營建業反而倒退(他口述有 30% 與 46% 兩個版本);美國營建技術工人有 41% 會在 2031 年前退休。八人一組一天裝 800 片是好班底,弱一點的每人每天 50 片,導入自動化後同樣八人可望做到 3,000 到 4,000 片,目前節拍是一片 18 到 19 秒。人力約佔案場成本 20%,其中機械安裝佔 8%,他們先吃這 8%,再往電氣工程延伸。實績七個案場、35,000 片,手上合約是未來 18 個月到兩年裝近 600 萬片、約 2.8 GW。需求例子:一家大銀行要蓋 900 MW 電廠,承包商說 300 MW 要一年半、900 MW 大概四年,銀行說 18 個月內要好,因為有資料中心要供電,後來需求再翻成 1.8 GW、時間又砍半。價格上美國進的板子每瓦 25 到 26 分、澳洲約 18 分、中國新板約 14 分,而單軸追日的機械結構本身就要每瓦 12 分,他判斷儲能夠便宜之後追日機構會被固定式取代。訓練是把真實工地搬進模擬環境、注入合成物件與雨、黴、反光等變因,學的是工地的通用表徵,因此能轉移:綁鋼筋兩天訓完,放水泥空心磚一天。公司成立 18 個月,位於南舊金山,最近一輪募 2,600 萬美元、累計 3,200 萬。

片尾 Off Duty 引紐約時報依 Google 的 2025 年 Android 資料分析,最常用的表情符號已變成純哭臉,笑到流淚那顆被 Gen Z 視為嬰兒潮世代在用。開場兩人抱怨每場會議動輒八個 AI 記錄器,他在董事會上要求六個人逐一保證沒開錄音。

一句話:Anthropic 十月拚 2 兆美元 IPO,其季報將成整條 AI 資本鏈的領頭車。

Financial Times 週三晚報導 Anthropic 鎖定 2 兆美元 IPO、預期十月掛牌,將打破 SpaceX 1.75 兆美元的紀錄;Polymarket 給今年內掛牌 80%、年底仍握最強模型 67%。年底年化營收 1,000 至 1,200 億美元,對應 16 到 20 倍營收;週四另傳以 60 億美元洽購壓低訓練與推論成本的新創 DART。Gavin Baker 不持股(不投 Elon 的競爭對手),他認為 2 兆是搶不到主辦權的投行放給媒體的話,自己先前喊 3 到 4 兆。David Sacks 指 Anthropic 已連三年營收 10 倍成長,照此速度明年底 ARR 就是 1 兆美元,瓶頸在算力與能源的物理上限,以及 OpenAI 轉攻程式後近兩個月月增超過 20% 帶來的份額壓力。節目引述公司內部說法:600 億 ARR 時他們認為一年可到 6,000 億,現在已過 800 億;Gavin 轉述 Dario Amodei 說過 Anthropic 可能成為世上唯一的私人公司,並評為過度自負。三人最後押明年底出場 ARR 在 4,000 到 5,000 億美元。主持人反對一兆說:GLM 這類開源模型比 Claude Opus 便宜九成,企業會像二十年前擁抱開源一樣採用。

祖克柏發表 6,500 字文章 The future is for everyone: the path to a positive AI future,主張開源、給每個人一個 agent 與免費家教,並說超級智慧是發明而非自動化,AI 安全該靠權力制衡而非單一集中的智慧。Sacks 認同他點出的矛盾:若你相信那個未來如此反烏托邦,為何搶著造它;他把這套思路歸到 Thomas Sowell 的 The Vision of the Anointed;他說進華府時,拜登政府舊班底已多轉進 Anthropic 政府關係部門,主張只留兩三家公司、成立類似原子能委員會的機構把產業卡特爾化,晶片與模型都不出口。Gavin 把兩邊濃縮成:Anthropic 與有效利他主義者認為這技術危險到不能散布,祖克柏、Elon 與黃仁勳認為它危險到不能集中。Sacks 另指的諷刺是:Dario 一直寫文章要「AI 界的 FAA」,而 FAA 認證一款機身最少五年,真照做,Anthropic 領先開源的六個月會瞬間蒸發,而它的溢價定價完全靠那六個月。主持人指文中「可以從任何你觀察得到的東西學習」一句,與 Meta 控告無數索引 Instagram 社交圖譜的新創矛盾。Gavin 補一個算式:前緣 token 佔經濟價值 65% 到 85%,開源 token 佔用量約 80%,高階模型調度一群便宜的開源模型反而讓前緣更值錢。

Nvidia 與 Goldman Sachs、BlackRock、Blackstone、KKR、Apollo 等六家合設獨立融資平台,募 5,000 億美元第三方資本買 Nvidia 系統出租還款,黃仁勳在 X 撰文稱 AI 工廠算力正成為可投資的資產類別。關鍵條款是殘值保證:三到四年後 Nvidia 保證這些 GPU 仍租得掉,自承約 25% 風險,換取超過門檻的分成;Morgan Stanley 兩天前指這些分成等同權利金,可讓 Nvidia 變成資產輕的大型雲。Gavin 認為壽命被低估:CoreWeave 說 2020 年的 Ampere 租到 2029 年仍有利潤,等於九年壽命;中國四款開源模型 Qwen、Kimi、DeepSeek、GLM 架構分歧,反而讓通用 GPU 更保值。Sacks 說這解掉的是融資限制而非需求限制:Elon 明年要加 6 到 8 GW、資本支出 3,000 到 4,000 億美元,這輪股債卻只募到 1,000 億;他形容 Nvidia 正成為 AI 的央行。風險在算力過剩造出「暗 GPU」。節目算過資金鏈:Anthropic 每 GW 算力做出 1,000 億美元營收,才付得起 SpaceX 每 GW 500 億,SpaceX 再付 Nvidia 300 億買晶片,一路傳到 TSMC、Micron、SK Hynix;OpenAI 已把興建規模從 1.4 兆縮到約 6,000 億。

xAI 本週推出 Grok 4.6 與 Grokbot,Gavin 據此推翻自己上週「前緣只剩 Anthropic 與 OpenAI」的說法。他引 Cursor bench 前緣圖與 Databricks(剛以 1,900 億美元估值募資)的評測,說 Grok 4.6 品質高於標竿 Fable 5 而價格略低,Ruby on Rails 作者也公開肯定;這只是 1.5 兆參數的模型,更大的 Grok 4.7 幾週內推出。追上只花六個月,主持人歸給 Cursor 團隊與調進 xAI 的 SpaceX 悍將(Gavin 的說法是 SpaceX 有權收購 Cursor、兩邊正在合作)。Sacks 把「租算力給 Anthropic 又追殺 Anthropic」解為買權加賣權:追上就成前緣實驗室,追不上就賣算力;雙方合約各有 90 天解約權,Elon 幾乎按現貨價收費。標題沒列卻佔掉一大段的是 Amazon:紐澤西州檢察長上週提告、紐約市長 Mamdani 週一加入,爭點是用 DSP 外包司機規避雇主責任。主持人主張每件包裹多付 25 美分把司機轉正給福利(時薪 18 到 20 美元);Sacks 反駁的數字是每件多 5.20 美元、紐約每戶每年多 664 美元、約 5,000 個職位有風險。錄影中途插播 Silver Lake 可能收購 Workday,當日漲 17%,該股五年間從 300 跌到 100;Gavin 認為私募基金重新對軟體業出價,是因為開源讓「模型層只剩兩三家」的最壞情境不成立。

一句話:生食是他親身試過最糟的一種;各派都有一角真理,但「最適飲食」是行銷不是科學。

Daniel Lieberman 本業研究跑步與走路的演化,在哈佛也教營養與消化生理。他說寫《Fed Up》(8 月 11 日出版)的起點是文獻混亂:同一年的《新英格蘭醫學期刊》上,說飽和脂肪好與說它不好的論文並存,鹽也一樣;寫書期間他和太太把各派飲食法試過一輪。方法論他借 Isaiah Berlin 的狐狸與刺蝟分法:狐狸知道很多事,刺蝟只知道一件大事。「蛋白質就是答案」「絕不吃肉」都是刺蝟型飲食法,而食物效應充滿取捨、人人不同,刺蝟解一定錯。他也不肯把流行病學一筆勾銷:沒人能把一百對雙胞胎分成全肉組與全植物組追蹤五十年,而素食者本來就少抽菸、愛運動的人本來就吃得好,共變強到統計上分不開;正解是把機制研究、流行病學、前瞻試驗疊起來看。他最討厭 optimal 這個字:他 62 歲、主持人年輕肌肉多,怕的病也不同,最適是推銷不是科學。

植物性飲食在統合分析與長期研究上勝出,但大量超加工食品也是植物做的。紅肉他給兩條機制:肉鹼在腸道被轉成 TMAO,是已知發炎分子,與動脈硬化、血壓上升有機制關聯;紅肉另含 Neu5Gc 這種醣蛋白,人類會對它起發炎反應。流行病學數字他標明憑印象:每份 85 克的肉,在一段年數內把癌症風險推高約 13%,加倍則風險加倍。蛋白質是唯一不吃會死的巨量營養素(另加 omega-3、omega-6 兩種必需脂肪酸),但身體存不住多的,吃超過就轉成脂肪,除非誇張到傷腎,大量吃既無害也無大益;每磅體重一克的公式他不表態,理由是把飲食醫療化成劑量本身就是問題。大豆是完整蛋白,各地農耕文化都各自發明了穀類配豆科,米配豆、玉米配豆。

地中海飲食證據最多,部分來自歐美研究量的偏向:西班牙那項超過 7,500 人的前瞻試驗,一組指定橄欖油或核桃,約五年後因效果好到讓對照組繼續下去不合倫理而中止。藍區他直接拆:五地是哥斯大黎加 Nicoya 半島、薩丁尼亞一小塊、一座他當場想不起名字的地中海島嶼、沖繩、加州 Loma Linda;百歲人瑞比例萬分之六對美國萬分之三,只是統計離群值,而牛津人口學者 Saul Newman 查出這些地區只有 18% 的人有出生證明,年齡靠自報。Loma Linda 的答案是那裡住的是基督復臨安息日會信徒,不抽菸、運動、很多人吃素。低碳他是碳水化合物–胰島素模型論文的共同作者(《美國臨床營養學期刊》):全身血液只有約一茶匙半的葡萄糖,吃碳水後胰島素把糖收進細胞並叫細胞抓住脂肪,低碳壓低胰島素就少儲存;但要分開 efficacy 與 effectiveness,低碳減重的理論效力高於低脂,實際效果只略高,因為多數人撐不住。碳水他不判死:肯亞、盧安達的田野點居民至少 65% 熱量來自碳水,找不到肥胖的人,吃的是 ugali、sukuma wiki 和豆子這類高纖低升糖食物,活動量又大,而運動會改變肌肉的胰島素敏感度。熱量限制在鼠類、酵母、果蠅有證據,人類沒有:威斯康辛那項二十年獼猴研究的對照組其實吃垃圾食物吃到肥胖,NIH 重做、兩組同樣猴飼料、一組少三成,健康與壽命零差異。間歇性斷食他認可 mTOR 與 AMPK 之間切換的機制,但「靠不吃早餐活到一百歲」超出證據。

最糟的一派他答生食,說差得最遠。他撐四天,太太第三天消失、回來時很滿足,她去買了貝果。烹煮會釋出能量與養分,生食得吃到荒謬的量才夠,他整天在餓。人類約一百萬年前開始烹煮、四十萬年前已普遍,烹煮改造了消化系統,大腦、體型、代謝率都靠它撐著。古式飲食他判部分錯:尼安德塔人牙齒上有穀物澱粉,十二萬五千年前河馬還在泰晤士河裡,他們不是一直住在極地;喀拉哈里採集狩獵者的第二大主食就是一種豆子。封城期間他和一名大學生整理出十二個有高品質飲食資料的採集狩獵族群,從幾乎全植物到大量動物性食物都有——演化出來的是什麼都能吃,不是某一種菜單。生豆子的凝集素、植酸這些抗營養素他用「劑量決定毒性」帶過,煮過就沒事。農業讓人口在約六百個世代裡從幾百萬長到十億,代價是定居與家畜同住帶來的傳染病與饑荒;而傳統農耕飲食不等於現代穀類,去胚芽的精製麵粉磨法十九世紀末才出現。

美國超市有四萬種食品,超過一半是超加工。糖和脂肪單獨都不夠迷人,調到平衡才打開大腦,再加鹽;自然界唯一同時高糖高脂的食物是奶。多力多滋他數過三十種原料,互相平衡到沒有一種突出,M&M's 做成多色是為了讓人多吃,出自 Michael Moss 的《Salt, Sugar, Fat》。結果是 40% 的美國成人被歸為肥胖、35% 過重,只剩四分之一正常;青少年比例他講了 30% 和 25% 兩個版本。脂肪細胞脹大到一定程度會分裂,之後只排空不消失,還少分泌瘦素、要你多吃。熱量標示不準:Wilbur Atwater 一百多年前的公式(碳水與蛋白質各 4.1 大卡/克、脂肪 9 出頭)是理論值,花生磨成花生醬多拿約 25% 能量;Stephen Secor 的蟒蛇實驗:同一隻老鼠整隻餵和絞碎餵,絞碎那次幾乎不發熱。腸道菌把纖維轉成短鏈脂肪酸可能貢獻約一成能量,標籤完全沒算。他點名的地雷是麥芽糊精、以己烷萃取的大豆製品與非壓榨油、果乾、果汁與水果捲;種子油他反而闢謠,omega-6 致發炎只是假設,實驗室餵食沒看到,護士健康研究等大型前瞻研究顯示吃得多的人心臟病與癌症風險較低。GLP-1 有人減掉 25% 體重,但他與同事在 JAMA 的論文指出肌肉流失比例高、老年走向肌少症(他母親實質上死於此),用藥就得重訓;約 60% 的人一兩年內停藥,增回的幾乎都是脂肪。他把這接到十三年前《The Story of the Human Body》提出的 dysevolution:只治症狀不治成因,冷凍披薩照賣、胖了打針。政策上他要紅黃綠標示與比照菸品課稅(墨西哥的汽水稅被可口可樂那類公司擋掉),並說醫學院幾乎不教營養,這點 RFK Jr. 講對了。減重維持他引一個追蹤成功減重者的美國登錄資料庫(平均年數他講了「至少六年」與「5.6 年」兩版):約 75% 的人會掉出自己的飲食法,守住的多半沒照處方吃,只是不碰垃圾食物、多在家開伙、運動、量體重。

一句話:拆成無狀態策略層、保管狀態的 harness 與沙箱,agent 才能在執行中安全改寫自己。

Alex Krentsel 是 UC Berkeley 系統方向的博士生,背景是 SDN 控制器與網路形式化驗證,從系統往上做到 agent 而非從 ML 往下走;Exo 由他與 Martin Casado、Braintrust 創辦人共同開發,三人都有 commit。起點是 Berkeley Sky Lab 的 Sky Discover:外層迴圈優化內層系統,但要優化「優化的方式」就得再加一層外圈,無限遞迴;他的解法是 collapse the loop,讓系統執行中自己改自己。他把 agent 定義成包在情境組裝機器裡的一次 LLM 呼叫,policy 就是這台機器的所有決定:提示詞、技能、工具、壓縮時取最近 10 則加前 90 則摘要。OpenClaw 在 2 月竄起,可延伸處只有記憶(注入情境的 markdown 檔)、skills、tools,且多半由人手動裝;Exo 主張連元件之間的連線都該由 agent 自己改,理由是 bitter lesson——模型變強後,由它決定架構會比由人指定更貼任務。他另一個論證是對齊尚未解決,像「永不刪除歷史」這種性質應該由架構強制,而不是在情境裡拜託模型。

架構把 agent 拆成三層:executor 承載全部 policy 且完全無狀態;exo harness 保管對話歷史、API 金鑰等機密與環境快照;sandbox 是實際執行指令的環境。Exo 的關鍵一步是把 executor 自己的程式碼掛進沙箱,harness 裡有一個 guardian 程序允許執行中重建 executor 並中途替換,重建後先讓它跑一步,若把自己弄壞就自動回滾到前一版。金鑰留在 host 端的 harness、只注入 executor,不進到工具看得到的容器。狀態與運算分離也帶來可搬移性:同一台機器開 100 個使用者的沙箱容器可行,5 萬個就得把部分沙箱移到 Daytona、E2B 這類供應商。他點名 OpenClaw 執行中的執行緒無法中斷,認為要往作業系統那套走:背景執行、訊號、pub/sub。

自我改寫的實例:Exo 玩 Pokémon 時自己決定去讀遊戲 RAM,對照出代表角色座標、當前 Pokémon、是否在戰鬥的記憶體位置,再改寫自己與遊戲的介接餵進系統訊息。另一次是他問 Discord adapter 上一則訊息花了多少錢,得到 16 美分並要求壓低;Exo 在執行中重寫自己的 Discord adapter,把情境限定在特定對話與討論串、不再跨串抓訊息,成本降幅約 96%,這份修改後來被 commit 回程式碼。前提是 harness 的對話紀錄逐則標了成本。風險是 reward hacking:最省錢的做法就是不做事,所以需要 eval 或保留測試集;他與 Berkeley 合作者正要發一篇談評估器的論文。他最後解釋為何遞迴自我改進現在才成立:過去改進模型要動的是權重,兆級參數餵不回自己的情境;近半年重心從權重移到 harness,而 harness 只有幾千行程式碼,與模型的輸出同屬程式碼這個介質,才構成同層迴圈,不像用電腦設計下一代電腦中間隔著實體晶片。Exo harness 與其上的 agent 已在 Braintrust 生產環境運行。

一句話:Valar Atomics 走能源部測試路徑、以硬體迭代量產核反應器,目標讓能源便宜十倍。

節目在猶他州 San Rafael 廠區錄製。創辦人暨執行長 Isaiah Taylor 的曾祖父是曼哈頓計畫的核物理學家,他某天才驚覺美國在 1970 年代後就停止蓋反應器,高中時想清楚原因,又等十年沒人解決,最後自己開公司。他把停建歸因於三哩島:冷卻失效導致爐心熔毀,但無人死亡、無人受傷、公眾未受輻射劑量,失控的是觀感;產業停下就難重啟,而美國這段期間從擅長大型土木工程退化為擅長先進製造,所以重啟核能會是製造業式的小型模組化反應器,而別人漏掉的是必須靠硬體迭代把電廠真的開起來。法規上美國本來就有兩條路:NRC 管成熟系統的大規模商業部署,能源部前身 ERDA 從原子能委員會拆出來時,職責就是測試反應器,這條路在法規裡閒置約四十年。他們這座反應器是依行政命令 EO 14301(要求三座先進反應器在 7 月 4 日前於美國本土達到臨界)、以能源部權限興建。

現場數據:反應器輸出 100 kW,每秒分裂約 10 的 17 次方個原子;控制室是把 Hawthorne 那一間原封不動、連同整座電廠用 C-17 空運過來。安全上他區分機率與後果:傳統輕水爐把力氣全花在降低事故機率,但停爐後仍有相當於運轉功率 5% 到 6% 的衰變熱,必須繼續運轉冷卻系統約 24 小時,三哩島與福島就是這一步失敗。Valar 選擇降低後果,送審的安全基準是假設廠內設備全部失效,再問公眾與工作人員會不會被輻射劑量到,答案是不會。TRISO 燃料、石墨緩速、氦冷卻加上爐心幾何,讓主動冷卻變成非必要。同樣的斷電測試他們在 Hawthorne 用電阻加熱做過:爐心外的 RCCS 水套自動進入被動循環,水沸騰、蒸汽帶熱離開後冷凝,沒有活動件也沒有操作員輸入,靠幾何在兩天內排掉衰變熱;這次要在滿功率運轉 72 小時後於現場重做。他也指出以每單位發電量的死亡數算,核能比太陽能還安全,因為屋頂裝太陽能會摔死人。

速度來自簡化與垂直整合。生物屏蔽是 78 吋厚的混凝土預鑄塊,自家鹽湖城工廠年產 3,000 塊,現場吊車堆疊;每道接縫走正弦曲線,讓伽馬射線與中子沒有直線可穿,而且不灌漿、無螺栓。原本要三個月的工程,他們 42 小時堆完。混凝土配方也是自己發明:要能擋伽馬射線、能自堆疊,又不能用鋼筋(會被中子活化變成核廢料)。兩位 23 歲與 21 歲的工程師花約三週飛遍全美採集岩石,用酸溶解後做光譜分析定 ppm。零件價格他舉兩例:三個類比轉數位訊號箱各要 45 萬美元,他們認了,因為進度比那一百五十萬值錢;但反應器保護系統(三組互相表決,兩組判定不安全就停機)報價 500 萬美元、交期兩年半,談兩個月談不動,最後由負責儀控的成員帶五個人關進會議室,六週做出來、花約 40 萬美元。那家供應商後來到處告訴業界他們不安全;他的結論是核能到處是百倍毛利的假成本。

節奏他用 tick rate 衡量:從德拉瓦州註冊到第一次分裂原子是 2 年 4 個月,從 Project Nova 首次臨界到這座機組再次分裂約 7 個月,目標壓到 6 個月、4 個月、1 個月,最終以分鐘計。募資他刻意不走傳統路線:多數核能新創拿紙上方案去說服專案融資,他看著這條路失敗多年,決定用權益資本硬蓋——美國創投最擅長承擔技術執行風險,而這裡的風險不是物理,是機械工程、熱流與儀控,「比火箭引擎簡單得多」;蓋完五座之後債權融資自然變成選項,那時的差距已追不上。場址同理:與其跟超大規模業者談許可,不如自己先把一 GW 放到地上,負載自然會來。他們也把一顆 Nvidia Blackwell 直接接上反應器,稱是第一顆由核反應器供電的 AI 晶片,用它架的網站會顯示送出這頁分裂了多少鈾原子,反應器一關就消失。算力買家普遍認為 2031、2032 年前沒人能規模交付,他說多數同業到 2035 年也到不了。長期論證是能源為商品、需求由價格決定:公司目標讓能源便宜十倍,他個人相信核分裂終究能便宜一千倍。他舉鋁為例:曾是國王做首飾的貴金屬,靠電解與便宜電力才變成建築結構材;當 AI 與機器人把人力投入也換算成能源,能源就會變成一切東西的成本。

一句話:AI 吃掉的是後製與代筆,不是創作;產業高層許的那個願根本還不存在。

主持人 Ed Zitron 找來演員兼編劇 Chloe Radcliffe 與評論者 Ed Ongweso Jr.。Radcliffe 說好萊塢真正被 AI 吃掉的是 VFX、動畫與後製,她不認識公開用 AI 的編劇;但一位高層告訴她,會議上不少脫口秀演員說自己用 AI 寫笑話,而喜劇的口吻正在趨同。她的判準是人做的還是機器做的:AI 能整合別人講過的焦慮,自己不會焦慮,也不會回你「對,那真的很爛」;它是討好機器,創作者台下要的是「這還不夠好」。她預期純 AI 影視會發生,但從現行片廠與工會體系之外冒出來;觀眾吞得下的起點是無限下滑的資訊流已先打掉娛樂標準,不在 AI。Zitron 判斷 AI 影片短期取代不了:成本太高,也很難生出超過幾分鐘還連貫的東西。

寫作端的對照是 Substack 上線的 Pangram AI 偵測按鈕。Ongweso 回查自己曾長段引用的學術性文章,發現是生成式 AI 寫的,寫信問作者沒回應。反彈說法是「這跟自動校正有什麼兩樣」「我有 ADHD 和自閉,這幫助執行功能」;Zitron 說自己兩者都有,而工具是在替你寫,不是幫你啟動。機器文的特徵是不站隊、把爭論兩邊都詳列一遍、每個轉折的戲劇重量一樣重,用 300 字鋪陳只為引一份報告的一句話,然後不再往下推;根因是模型沒有價值判斷,外包決策的人也不再判斷。AI 圈掛在嘴上的 taste,Zitron 認為想講的其實是 discernment,而那是脈絡與文化養出來的,訓練不出來。

Zitron 逐段讀 Mark Zuckerberg 的部落格〈The Future is for Everyone〉:「認為 AI 危險到只剩極度集中權力這條安全路,本身就有問題」「每個人都會有一個懂你、懂你目標與你在乎的一切的個人代理」,以及他八歲女兒一個晚上就能寫程式與影片。對照是 Meta 已投入 1500 億美元以上蓋資料中心,那個代理還沒做出來;實際出貨的包括一名失智老人與 Kylie Jenner 品牌聊天機器人對話後搭車前往紐約、跌倒身亡,以及使用者自稱是兒童仍能與 John Cena 機器人性愛對話。Sam Altman 受訪把 AI 講成能實現願望的神燈,Zitron 認為推銷詞進到魔法就沒得談;當年向波灣王室開口的 7 兆美元就算到手也一樣,因為大型語言模型有上限,2022 年講的超級智慧到四年後仍是同一套。他唯一稱讚的是 1,800 美元的 Matic 掃拖機器人:雷達掃格局、資料全留裝置上,一件窄的事做好,對照組是「20 美元包辦一切」。Radcliffe 收在好萊塢是不可預測的生意,科技與金融想蓋上可預測與成長至上的框架;Zitron 把這波定位成資本主義這階段的末段,市場已與現實脫鉤。