🎙️ 今天這幾集
一句話:Kavak 把公司重建成每位顧客配一個長跑 agent,96% 互動全自動、成交率達人力 2.1 倍。
Kavak 的 AI 負責人 Ali Massa 說明如何把這家拉丁美洲二手車平台拆掉重建。Kavak 原本是收車、整備、售車再放貸的市集,為此還自建金融、物流與車況查核等整套基礎設施。他們沒把 ChatGPT 或 Claude 發給團隊了事,而是問:若用 2035 年 GPT 10 級智能重建公司會如何。答案是一個顧客配一個 agent,而非一個任務配一個 agent。顧客上門時,系統為他生成帶專屬虛擬機的 agent,記得顧客兩年前的來電與逛過的網頁,設定「最大化終身價值」的長期目標。每天有 10 萬到 20 萬個 agent 被啟動,工作 3 分鐘到 3 天不等,設好鬧鐘等下個任務再休眠。目前 96% 的互動、95% 的交易全由 agent 處理,只有取車時才見真人;顧客庫約 1000 萬人,光啟動其中 1% 就是數億美元量級。
這些是銷售 agent,不是客服 agent。在拉美賣一台車要同時精通約 15 件事——從 2 萬個車款挑車、辦融資、保險、估折抵,過去得由 15 個團隊接力。Kavak 把每個環節都訓練成勝過該領域專家,再組成一個「全能專家」:NPS 翻三倍,成交率一開始比人力團隊高 50%,現在達 2.1 倍。車貸在墨西哥通常要兩個月核准,Kavak 靠顧客與車輛資料在 3 分鐘內核准,還款不出時可直接退車換更便宜的車。他強調關鍵是 evals:花在做 evals 的工程時間、token 與金錢和做 agent 本身差不多,且只認「有沒有成交、有沒有帶來價值、願不願再回來」的業務結果,不看通話分鐘數那類表面 KPI。他提出 token 三層:最有價值是能算出每個 ROI 的 agent,其次是能間接評估的寫程式用途,最差是只「導入了」卻不知成效的 ChatGPT 式使用。
組織上,Kavak 三年前開辦「Jedi Academy」,從 CEO 到工程師到技師全員受訓,六週後就能把 agent 推上線,課程由他親自設計。他們在 Cuernavaca 市試放一個「AI CEO」,運行六週、首月目標把該市利潤翻倍,雖只做到 1.5 倍,各項 KPI 卻全面改善。仍留給人的是物理世界的工作:墨西哥約 800 名技師配上名為 El Mike 的 AI 副駕,保固索賠下降約 20 到 26%。技術路線也大改:12 月時他們跑著上萬個多 agent 系統並已獲利,但 Opus 4.5 一出,他判斷多 agent 圖狀架構反而限制新模型的智能,於是砍掉兩年成果,改成「虛擬機+記憶+evals+CLI+長期目標」的精簡 harness。他引用 Joseph Schumpeter 的「創造性破壞」,與福特工廠改用電力(原地換電動馬達只得 6% 效益、重新設計才有 3 倍生產力)的類比,說多數 CEO 不敢把數十年基業打掉重建,這正是新創的機會。給創業者的建議是:轉型必須由上而下、要有清楚願景,而現在人人都能以每月 20 美元取得世界最強工具,是最好的動手時機。
一句話:憑直接經驗與勇氣做事別追風向;agent 讓一人抵四百人,一份 markdown 檔就是一名員工。
YC 執行長 Garry Tan 用兩次錯過開場。2003 年他從 Stanford 畢業,正逢 web 1.0 泡沫破、Nasdaq 崩盤,灣區幾乎沒工作,他只拿到 Microsoft Windows Mobile 與 Expedia 兩個 offer,選了前者,等於放棄自己已有五年經驗、當時無人看好的網頁與社群方向——那正是 Facebook 崛起的時點。第二次更貴:兄弟會友人 Joe Lonsdale 與 Stephen Cohen 拉他去 Peter Thiel 剛起步的 Palantir,Thiel 當場開一張跟他 Microsoft 年薪一樣的七萬美元支票,他婉拒,理由是那年可能升上 level 60,事後形容這是一筆「20 億到 40 億美元」的錯誤。教訓是別看地圖、要看腳下地形,憑第一手經驗與勇氣行動,而非追媒體上什麼最熱。他把 YC 定位成把外人變內部人的機制:Paul Graham、Jessica Livingston 等人用一個網站、12 道題加一分鐘影片取代過去要擠進對的學校與派對的社交網;如今 16 位平權合夥人全是 YC 出身,今年 startup school 吸引 7,000 人湧入舊金山。
進入 AI,他認為 vibe coding 讓任何人都能是自己的 400 倍。他判斷純按席次計費的 SaaS 未來五到十年不一定還存在,過去「未來 12 個月營收 10 到 20 倍」的鐵律已不成立,除非能靠資料或網路效應築護城河。他實作 G stack、G brain、agentic 新聞編輯室 Garyslist.org 與 Soda 檢索,並把一份 YC 建議 prompt 要 Claude 強度降 90% 後開源。他主張創辦人該給自己「token max」的許可:一年花 5 到 10 萬美元讓 agent 全速跑、每個請求灌進 80 萬到 100 萬 token,等於「今天就活在 2028 年」。核心口號是「一份 markdown 檔就是一名員工」,把流程做對一次就變成可重跑的 skill 檔掛上 cron;他舉例有公司靠兩三人加數百個 skill 檔,四個月從零做到 1,500 萬美元 ARR。Brex 的 Pedro 開源監看層 Craptrack 確保 OpenClaw 安全,並讓 agent 讀所有直屬部屬的會議逐字稿,看穿下面兩層的衝突。底層論點是:人腦只能同時記七加減二件事,人加 agent 卻能記住三本哈利波特的量。
談未來他反給出「白色藥丸」:官僚與緩慢意味這波變革要花約 20 年,政府與每家公司都比想像慢,Microsoft 這類有結構性護城河的巨頭不會消失。他看好 35 到 45 歲身經百戰的創辦人(以 Peter Steinberger 為例)在 agent 加持下勝過大公司整個部門。他預期下一台電腦走向語音與記憶,2027 年是 harness wars,現今前沿模型算力兩三年後只要 50 到 100 美元,瀏覽器大戰會重演。最後他談舊金山在地政治:科技人佔全市 10 到 20%,亞裔佔投票人口約 25%;COVID 期間地檢對針對長者的重罪視而不見、教委會敵視想在國中學代數的亞裔孩子,而他自己正是 Fremont 公校生,靠國中學代數才走到 Stanford 工程。他說舊金山已把那批人擋回去、Lurie 成了全國最受歡迎的市長之一,他要用 Garyslist.org 把經驗帶到洛杉磯、紐約與西雅圖。
一句話:選 lighthouse 或 land grab,看買方風險高低與 proof 會不會流通;別空想策略,快去見客戶。
主講者 Joe Schmidt 觀察到 101 號公路兩側常有賣同款軟體的新創,都擠在舊金山搶同一批客戶、包下巴士與看板,於是寫了 Lighthouse or Landgrab 一文,用 2x2 矩陣幫創辦人選銷售路線。Y 軸是買方的 exposure(買錯的風險、以及產品會不會被客戶的終端用戶看到),X 軸是「proof 會不會在這個市場流通」。右上角高風險、proof 會流通,是 lighthouse 市場,常見於受監管、logo 數量有限的產業,靠拿下標竿客戶累積 proof;左下角風險低、proof 不流通,是 land grab 市場,客戶已有既定預算,靠 math 直接算給對方看「我比你現在用的方案更好」。一句話總結兩者:lighthouse 賣 proof,land grab 賣 math。
另一位講者 Andy 在 Samsara 與 Meraki 帶過銷售。Samsara 2015 年成立、他 2017 年加入,搭上美國 2016 年上路、2016 至 2019 分階段實施的 ELD(電子行車紀錄器)強制令,整個貨運業被迫編預算採購;當時 AT&T、Verizon 等既有玩家已有數億美元營收,Samsara 這種成立十八個月的新公司打大型車隊直接被掛電話,於是聽客戶的話改攻 mid-market,理由是不需要那麼多 social proof、銷售週期短、產品回饋快。Meraki 是雲端網路公司,2006 年成立、2012 年被 Cisco 收購,源自 MIT 博士生的 Roofnet 網狀 Wi-Fi 專案,發現市政 Wi-Fi 沒生意後轉做企業。面對已被 Cisco、HP 綁死的大企業,Meraki 走 land grab:主打「設定更快、部署更快、更好用」,辦 webinar 免費送 access point 讓中型客戶插上就試,體驗到比 Cisco 好用就買單。
案例對照:land grab 這邊有 Stut(把應收帳款收款流程交給 AI 加人力,直接對 mid-market 算改善 working capital 的帳)、Pylon(a16z 投資的 AI 原生客服,從很低的 ACV 一路往上爬)。lighthouse 這邊有 Harvey(先拿下標竿律所,proof 大量外溢到其他買家)、Further AI(賣進保險業,搭配 forward-deployed 團隊落地)。Applied Intuition 這種買家極少的自駕軟體,則可能一直留在 lighthouse。Decagon 被舉為 onboarding 做得好的例子:先講明 benchmark、再在約定時間內達標。實戰要點有三:ACV 先確認過得了單位經濟門檻,過了就別再糾結,能拿 15K ACV 的單就別接 8K 的、盡量多拿同級單再往上疊;POC 試用最大的坑是變成無止境的 science project,對策是一定要有結束日(30、45 或 60 天)並事先講清成功標準;Joe 另提到他約一年半前寫的 Trading Margin for Mode,過去 15 年 CRM、HR、ITSM、資安等大平台多在 2000 至 2010 年成立,新進者只能靠 wedge 產品 land and expand、PLG 當道,因為 cloud 換 cloud、按鈕從綠變藍沒人想搬,如今 AI 讓企業願意整套重做,又到了可以賣大軟體的時刻。兩人給早期創辦人的建議是策略只花 1% 時間、執行花 99%,別困在分析癱瘓;早期銷售團隊該追求 100% 達標,只有 40 至 50% 達標多半是配額訂太高或找錯人。
一句話:Uber 創辦人 Travis Kalanick 帶新公司,要把食物、採礦、運輸整條產業自動化,搶下一場工業革命。
Travis Kalanick 離開 Uber 八年後帶新公司 Adams(逐字稿拼法)重返檯面,主張把數位世界的邏輯搬進實體世界:電腦有三種核心資源——CPU 處理位元對應製造、儲存對應不動產、網路搬運位元對應運輸物流——他要打造「以原子為基礎的工業電腦」,並定義為用軟體、感測器、機器人與 AI 自動化整個產業。食物電腦的目標是讓做好、送到的一餐便宜到接近上超市自己買,靠機器人生產把成本壓到每餐約 6 到 8 美元,再用他戲稱「自動駕駛捲餅」的機器人送餐。採礦上他向金礦 CEO 開的條件是每年多產 20% 黃金、同時把危險礦場變安全,並秀出重達約兩百萬磅的自動採礦車與一座鋰礦廠。運輸則是「機器人的輪子底盤」,他點名送餐、包裹、貨運、越野採礦等「銀牌」市場各自都是數千億美元規模。
他反覆用第二次工業革命類比:Carnegie 與合夥人 Frick(遭無政府主義者開槍後仍繼續工作)、Edison 力挺直流電而 Westinghouse 押注交流電、Edison 甚至公開電死動物散布恐懼,以及 Homestead 罷工。對照今天,2014 年 Uber 在歐洲各大城遭罷工、車輛被縱火,如今 Uber、Lyft 司機又跑到 Waymo 辦公室抗議——他稱這種「抗拒改變」是進步的「最終魔王」。
募資規模遠超當年:Uber 首輪投前估值僅 400 萬美元,這次是 a16z 的 Ben Horowitz 個人開過最大的一張支票。Kalanick 把原本各自獨立的食物、採礦、運輸公司合併到同一屋簷下,對比 Elon 把多家公司整合起來,並稱 Elon 是工業 AI 領域最強、堪稱最終魔王的對手。多位 Uber 舊部歸隊,包括前財務長、工程資深副總、Anthony Levandowski、帶過 Uber 先進技術部門後轉掌食物機器人的 Eric Meyhofer,以及原 Uber Eats 日本負責人 Jessica Morton。他也回顧 Uber 之前做的 P2P 檔案分享曾遭 33 家媒體公司求償二千五百億美元,自己隨後做了「復仇型」的 P2P 內容傳輸生意;以及 2019 年「be uniconic」策略下,連員工都不准把公司放上 LinkedIn。
一句話:AI 讓軟體創造爆發,Stripe 選擇多做產品而非砍成本,並押注代幣成為新貨幣。
Stripe 已從單純的金流處理商轉為多產品平台,如今約有 25 到 30 個品牌化產品,平均一家 AI 公司會用到 11 項,在 Sessions 大會上推出 288 項產品。受訪的 Stripe 高層說,速度是公司僅次於「以使用者為核心」的信條。AI 讓單一資深工程師能做到兩年前兩支團隊的工作量,而 Stripe 的選擇不是縮編省成本,而是「把所有東西都做出來」。內部工具 Stripe Minions 採一次性(one-shot)出招,給提示就跑完 CI/CD 再由人複審,年初部落格記錄每週 1,200 個 PR,上週已達 7,000 個,占當週 PR 約 30%。組織上走向更扁平、更小的團隊,一位資深工程師靠一個畫面同時指揮 16 個 agent。
面對 AI 帶來的效率,Stripe 反其道而行,主張 Jevons 悖論:工具更有生產力,就該用更多而非更少。內部知識工具 Kai 由兩人在約半年前打造,週活躍達 83%、日活躍約 60%,讓業務生產力提升 20%,但結論是要請更多業務而非更少。成效反映在數字上:上半年註冊數年增 50%,2026 世代客戶營收比 2025 世代高 50%,而 2025 世代又比 2024 世代高 70%,新的 SaaS 平台世代在 2026 年比 2025 年多 103%。使用者需求無窮,例如 Stripe Tax 的全球申報,以往做美國申報花很久,全球版只用約三分之一時間就完成。免費試用濫用是 AI 時代的新問題,Cursor 是第一個踩到的客戶,約每六個試用者就有一個是濫用者,ElevenLabs 靠 Stripe signals 每天擋下 2,000 個濫用帳號。
在 agentic commerce,受訪者說商務還沒迎來像 Opus 4.5 那樣的寒武紀大爆發,卡在缺少基本元件:Stripe 與 Tempo 合作的 machine payments protocol,讓服務用 402 回應標示付款方式。Stripe Projects 讓 agent 自行開通 B2B 服務,例如自動採用 Vercel 主機或 Browserbase;Stripe Link 有 4 億使用者,並推出 link agent wallet 讓 agent 取用憑證。微支付因穩定幣而變得可行:Stripe 在法幣涵蓋約 60 國,穩定幣則達約 150 國;主打美墨匯款、建在穩定幣上的 Felix,已占該全球最大匯款走廊的 5 到 10%。Tempo 是專為支付打造、把隱私列為第一優先的區塊鏈,DoorDash 是合作對象。Stripe 年交易量已逾 2 兆美元,高層說「代幣就是新美元」,ElevenLabs 用了 14 項 Stripe 產品,而讓資金在代幣與美元之間安全流動,將是 Stripe 的未來重心。
一句話:醫療 AI 考試滿分卻做不好臨床,需要獨立第三方持續評測其真實表現。
主持人 Daisy Wolfe 與 Ida Steinman(a16z 生技與健康團隊)對談 Protege 共同創辦人暨首席科學長、健康經濟學者 Engy Ziedan。Protege 提供醫療訓練資料,幾乎所有大型模型的預訓練與中段訓練都用過他們的醫療資料。公司源自共同創辦人 Bobby 在 2024 年 2 月寄來的一份文件,核心假設是:模型的用處會被可取得的訓練資料所侷限。Ziedan 用經濟學的享樂法(hedonics)解釋為何需要評測——付費意願反映價值,而 AI 有實際成本(代幣、導入時間、出錯機率),要進入高風險的知識工作就得有穩健的評測,像雇用員工前先驗證能否勝任。
她點出核心問題:模型在醫師執照題可考到 92%,真實臨床任務卻只有 45%,考試滿分不等於能進醫院。基準測試本身很脆弱,對提示語、評測框架、甚至選項排列順序都敏感,有時換個順序模型排名就變,可能是題庫被污染、模型只是背了答案。學界也分歧:一篇《Nature》論文說通用 AI 在臨床勝過醫療專用模型,另一篇 arXiv 論文短時間內得到相同結論。她主張災難性失誤反而好定義(如死亡率),真正難抓的是細微偏誤與錯位(misalignment),例如保險預先授權、醫療否決的代理工具會把病人夾在中間、病人毫無話語權。
解方是設一個獨立裁判。Protege 讓同一子領域(如語音病歷、腫瘤病理、臨床試驗建議)的多家垂直 AI 廠商把模型交來,做統一評測、產出互比報告,再把結果交給實際採購的藥廠或醫院。為避免資料污染,他們得抽從未被任何模型掃描過的全新病理切片;凡進過訓練的病人一律不得進入評測。她指政府不會做這件事,產業該自己動手接受挑戰。背景數據包括:政府自 2007 年推的「價值導向採購」把約 80% 給付綁定品質,但屬回溯性、追不上 AI 速度;醫療占美國 GDP 約 20%、1.5 億就業中約 2000 萬個工作;她並以 2010 年鴉片類藥物疫情高峰為戒,提醒別等到失控才行動。
一句話:AI 讓 20 人小團隊能有效花掉十億美元,運算重新變成資本題而非工程題。
對談從 AI 解數學談起。有人在推特上叫 Claude 挑戰黎曼猜想並「再努力一點」,引發熱議。Casado 指出,對這波數學突破最興奮的其實是數學家本身,這讓「AI 讓人變笨」派困惑。他持保留:這些長年沒解的問題,把歷來所有博士後的薪水加總也沒多少,缺乏經濟誘因不等於難、也不等於有市場價值;AI 擅長的是純公理系統、把分散領域的已知拼起來,不代表它解開了市場解不了的題。Sinofsky 補充四色定理:任何 2D 平面地圖只需四種顏色就能讓相鄰區域不同色,當年是靠證明解的數量有限、再用電腦逐一算過來完成,長達 200 頁,是運算力才辦得到的「歪打」證明。他們的教授 John Hopcroft(史丹佛博士、發明 2-3 樹)當年教 P=NP、旅行推銷員問題,都是因為早年電腦受限才重要。
Sinofsky 用大量實物講運算史:ENIAC 比人快約 5000 倍且不出錯,源於戰爭要算積分與對數,更早的計算則是為了算潮汐這種有經濟價值的事。他展示 1953 年 IBM 解釋「電腦是什麼」的手冊,當年把電腦拆成輸入、儲存、算術、控制、輸出五塊,這套抽象撐了 75 年。從 TI-35 計算機、TI-85 繪圖計算機到 MIT 的 Maxima 符號數學套件,每一代新工具問世都被老師視為作弊、要求禁用,如同今天對 AI 的爭論。他還提到自己 1983 年帶 Osborne「可搬式」電腦(重約 25 磅、沒有電池)進大學,得向院長請准才能用來寫英文作業;同款電腦當年被哈佛法學院考試禁用。
核心論點是運算的「物理定律」變了。20 年前給 10 人團隊十億美元也花不掉,因為錢會卡在買硬體或招工程師,「人月神話」讓工程無法靠加錢加速;如今 20 人可以把十億美元有效投進運算。運算頭 30 到 40 年是資本題(先得弄到一台電腦),中間變工程題,現在又回到資本題。這對應精實創業(Eric Ries)與「肥創業」(Andreessen、Horowitz)之爭,如今能用小團隊把大錢有效花掉已成一門紀律。對創投,他反對零和思維:更多資本進私募市場會擴大 TAM、讓公司更晚上市。
既有巨頭對上新創,AI 解決了新創最難的通路與需求問題,加上能募到與微軟同級的資金,Cursor、Anthropic、OpenAI 才會暴衝。Google 坐擁資料與人才,模型卻被 OpenAI、Anthropic 壓過,關鍵是大公司改不掉的文化(記分卡、業務、組織、既有客戶),這才是顛覆的本質。最後談模型本質:一個花 50 億美元造出的數位物件,只能在分布內做貝氏移動、沒有跳出分布或遷移學習,不是快速起飛。但 Casado 坦承看錯一件事——沒料到錢能持續灌入、Scaling law 還成立;當 1000 億美元級訓練成為可能,把「窮舉每種蛋白質組合」這類原本無限的問題變成資本題,可能拿去治癌、也可能被拿去造武器,這種資源集中的意涵沒人能預測。
一句話:被惱怒驅動、先為自己做,openclaw 八個月從個人小工具爆紅成全球開源專案。
Steinberger 講述開源專案 openclaw 誕生八個月的經過。他 20、30 歲手刻 PDF 框架、白手起家把 B2B 軟體公司做到近 80 人,賣掉持股後嚴重 burnout,漫遊近三年才找回「愛的是建造、寫程式只是手段」的體悟。去年 11 月一個下雨天,他想在翻冰箱時還能從手機發指令給電腦上的 agent,就開了新的 terminal 讓模型自己跑,一小時做出一個 WhatsApp relay。有人送 PR 要加 Discord 支援,專案於是改叫 Claudius,他還臨時加了很克難的 compaction。元旦第一週他把它放進 Discord 讓大家圍觀、嘗試 hack;清晨七點他按 Ctrl+C 去睡,但程式是 launch daemon,五秒後自己復活繼續回訊息,他睡醒時已累積約 800 則訊息,專案就此爆紅——Mac Mini 賣到缺貨,Anthropic 發信要求改名(Claudius→clawdbot→openclaw),Jensen 稱它是人類史上最成功的開源專案。八個月內超過 18,000 人開過 issue 或 PR、總數逾 111,000、將近 3,000 人有 commit。
大廠找上門、他和數位 lab 負責人通過電話,但他選擇留在開源,理由是「你做的東西都能被 fork 或 clone,唯獨你的名字不行」,個人品牌比任何單一產品重要。競爭與代價接踵而來:媒體報導有 20% 的 skills 是惡意的,他們掃描全部 67,000 個、發論文更正實際只有 0.3%,但更正永遠傳不如恐慌遠。他把心力砸在強化安全(sandbox、allow list、帶權限的協定、為避開 TypeScript 缺的原語而 shell out 到 Python),設定選項最高膨脹到約 9,500 個,測試根本蓋不完。最傷的是他過度為 Opus 最佳化,Anthropic 只給約 24 小時通知就要關掉所有人的訂閱,於是他歸納「你依賴對象的商業模式,就是你的商業模式」。週下載量五月一度跌到 83.5 萬,六月被宣告死亡後卻衝到 470 萬的歷史新高,兩者同時為真。
大約二月起這件事不再好玩、變成責任,他甚至不再用自己的產品;直到五月生日前後樂趣才回來。他總結「好玩就是速度」:享受建造的那幾週產品明顯變好,不享受的幾週就只會多加設定選項。如今他成立 501(c)(3) 基金會、10 人支薪並在徵 CEO;claw 幾乎成了通用名詞,已有 33,000 個以 claw 命名的 repo。三個帶走的重點:別停止找樂子、聽從直覺並修好惹惱你的事、保持專注去打造世界上還缺的東西。
一句話:實體AI要有用,得靠單一通用模型長時間全自主運作、把出錯率壓到極低。
Physical Intelligence 創辦人 Chelsea Finn 兩年前創立公司,目標是讓任何機器人做任何任務。她主張真正的難處不是拍炫技影片(洗油鍋、削紅蘿蔔、切櫛瓜),而是讓機器人在真實世界可用。回顧機器學習落地史:先是商品推薦與廣告排序,五年後換成深度學習,2022 年 ChatGPT 五天破百萬使用者,近期還有 Claude Code。這些應用都由「人根據 AI 建議做決定」,出錯還可容忍;但實體 AI 直接改變物理世界,必須全自主、犯錯遠少於既有系統才有用。Waymo 一年前突破每週 25 萬趟自駕載客,證明這條路可行。
要達到高可靠度,她把問題導向強化學習。語言模型的 PPO、GRPO 靠數百萬到數千萬次嘗試擴展,但換算到機器人,光是一百萬條一分鐘軌跡就等於 700 個機器人天。她提出兩個省成本做法:一是人類即時介入,示範如何從死路(例如一次抓起兩個紙箱)脫身,不浪費硬體時間;二是訓練跨任務通用的價值函數,估計「離成功還多遠」,不必對單一提示反覆嘗試 10 到 50 次。用這套微調後的模型煮拿鐵,連續運轉 13 小時仍穩定;在幾條街外的 Dandelion 巧克力工廠實測組裝、貼標、堆疊紙箱,單靠 RL 階段就讓吞吐量提升約兩倍,煮濃縮咖啡成功率達九成以上。另一關鍵是記憶:若硬把 10 秒、50Hz、四路相機影像餵入模型,等於 50 萬個 token,連降到每秒一幀仍要一萬 token。她改用多時間尺度記憶——短期存約 10 秒影像、長期以文字摘要壓縮,讓機器人自主完成 10 到 15 分鐘的清理廚房這類非重複任務。
最後她把這些要素併進單一通用模型 PI-0.7。對照生成式 AI 的時間軸(2012 ImageNet 深度學習、2014 預訓練模型、GPT2 開箱即用、2021 DALL-E 的組合泛化如「酪梨椅子」),機器人三年前還在為每個專案從零蒐集資料。PI-0.7 匯集多樣示範、策略回放、人類影片與網路資料,並以子任務指令、品質中繼資料、子目標影像做細緻提示。實測其開箱表現追平或超越專門微調的 PI-0.6;還展現組合泛化——操作訓練資料幾乎沒有的氣炸鍋、把摺衣技能遷移到從未蒐集摺衣資料的大型工業機械臂。消融實驗顯示多樣資料與中繼資料提示都關鍵,有提示時連加入低品質資料都能反而提升表現。目前 YC 公司 Ultra 與 Weave 已把 PI 模型後訓練用於摺衣與倉儲打包,模型也適配無人機、手術機器人與曳引機。
一句話:好點子先行、形式隨後;icon 靠隱喻與極簡而非細節,才能人人看得懂。
Susan Kare 是藝術主修、拿藝術史博士,進 Apple 前在 Arkansas 替博物館焊一隻真人大小的 razorback hog,一整天待在車庫裡卻覺得孤單,想找團隊一起做事。高中好友、Apple 系統軟體工程師 Andy Hertzfeld 找她替一台還沒外殼的開發中電腦畫小符號與字型。面試時她用方格紙畫了 bitmap 樣本充場面,那本筆記本如今收進 MoMA 永久館藏。當時 Macintosh 螢幕只有 16×16、32×32 的黑白點陣,機器記憶體 128K。上工第一件事,她把畫面上那顆 "do it" 按鈕改成 "okay",因為很多人把 do it 讀成 don't。
第一款字型 Chicago 大寫高 9 像素,後來也用進第一代 iPod 的介面。字型原本用她高中母校附近 Paoli 沿線的小鎮命名,Steve Jobs 要她改成 world-class cities,於是有了 New York 與 Geneva。開機笑臉 Happy Mac 靈感來自她 14 歲的一枚徽章;系統全毀的炸彈圖她以為永遠不會有人看到,結果真有使用者打電話進 Apple,擔心電腦要爆炸。Command 鍵那個像四葉草的 feature 符號,她後來在瑞典路標上看到,源頭是 Borgholm Castle 四座塔樓的俯視輪廓。她的 icon 準則呼應 Scott McCloud《Understanding Comics》:細節越少越通用,一枝簡單鉛筆比反光鋼筆更能代表「書寫」;過度寫實的三吋半磁碟片存檔圖反而老得快。
Bill Atkinson 寫了她最愛的 MacPaint,還做了早期掃描器,掃進 Steve Jobs 收藏的 geisha 木刻。離開 Apple 後她替 Microsoft Windows 3.0、General Magic、Pinterest、Ledger 等做圖。在 Jobs 的 NeXT,她想找偶像 Paul Rand 設計 logo,Jobs 原本想辦比稿、找五組各付 $15,000 再擇優;Paul Rand 只回「付我 $100,000,我做一個 logo,你會喜歡」,最後果然如此。替 Facebook 做一美元虛擬禮物近四年、每天午夜上新,她學到 cute 勝過昂貴,史上最暢銷的是 kiss mark。Jobs 給過她最糟的建議是叫她別買自家股票,還說一直 twiddle bits 賺不過兩萬美元、不如當創意總監;她說自己終究是個 bit twiddler,又做回老本行。
一句話:Sequoia合夥人談投委會與選人心法,agents成新客戶、服務業兆元市場。
Sequoia 剛募集 100 億美元新資金,合夥人 Julien Bek 從 Accel 加入、做創投十年、在 Sequoia 三年。他說外界以為 Sequoia 只是等下一個 Anthropic 上門,其實人人都是獵人,早期團隊僅約 11 到 12 人,像球隊般個個要得分。他舉 Doug Leone:報到第一天清晨四點半到辦公室,Doug 卻已接完第一通電話。Citadel Securities 從未拿過外部資金,能投進去靠 Constantine Buhler 自 Ken Griffin 學生時代起當導師、多年不放棄地問,直到對方點頭;投 Anthropic 是 25 億美元,靠願意推翻先前判斷、承認 AI 是指數級曲線起點。SpaceX 案由 Sean McGuire 帶進,投票有人只給 1 分(滿分 10),但他逼全體飛去現場、先小額再擴大,終成公司史上最佳投資之一;Airbnb 種子輪被多數機構回絕,卻成回報倍數最高的案子之一。
週一投委會沿用五十年,近期改成先各自非同步寫意見、再開會表決,兼顧快思與慢想。人人受邀、創辦人仍要對全體簡報,每人先獨立投 1 到 10 分再進討論、由 sponsor 拍板;若大家都給七八分反而危險,會派人當魔鬼代言人、先寫事前驗屍。選人上他要在 30 分鐘內找出對方的尖點,錯過好公司比投錯更嚴重,做法是先自我揭露、講父母離異與母親抗癌的故事讓對方打開,再連問五次為什麼。他今年首次識破一名詐欺創辦人:對方自稱六個月做到 700 萬美元 ARR、放棄 Stanford 錄取,講述時身體語言透露不對,數日後被多位投資人揭穿。
他從四位前輩各取一課:Doug 面試必問誰是最好、也最差的推薦人;Pat Grady 說人是向量,等於方向乘以強度,並要人記住「我們只跟下一筆投資一樣好」;Alfred Lin 提醒別把頂尖 operator 誤認為頂尖創辦人;Sean McGuire 在 IQ、EQ 之外再加判斷力與政治力,主張判斷力比 IQ 重要、政治力比 EQ 重要。他引 Don Valentine 的二乘二矩陣:把你喜歡的創辦人與會讓你賺錢的創辦人分開看。各國落差上,法國、德國客戶的 NPS 要加一兩分、美國要減一兩分;他在 Tecto 案打電話,德國客戶一律只給七分。他一年只與兩三位創辦人合作、職涯約進 20 家董事會,今年至今見了 17 家上市公司財務長。
投資主軸有二。其一,agents 是新客戶:Cloudflare 稱五年後 agent 流量將是人類的一千倍、現已達對等,過去大家把介面優化到像素完美以轉換人類,如今要打造能轉換 agent 的位元完美平台;agents 也有偏見、會固定選 Cloudflare 與 Vercel,衍生答案引擎最佳化(AEO)新市場,投資組合有 Profound。其二,服務業是下一個兆美元經濟,要做成偽裝成服務公司的軟體公司:會計上 QuickBooks 約 2000 美元,但找會計師結帳要 1.5 萬,tool 與 service 花費約一比六;客服公司 Sierra 從 co-pilot 轉 autopilot、以約五分之一價格解單,單一類別做到十億美元 AR。快問快答:最被過度投資的是法律類(他看好 Harvey);最被低估的是 BCI 腦機介面;Sequoia 以外最佳 agent 公司是 Cursor。他最痛的錯過是 Revolut——曾建議媽媽以約兩億美元估值投資,如今估值破一千億美元,媽媽 74 歲賣股退休;他也坦承看走眼 Trade Republic,誤判 Revolut 會壓垮它。
一句話:中國用機器人運動會做大外宣,讓民眾為終將取代自己的機器人歡呼。
這集由 Jason Calacanis 與另一名主持人主談,焦點是八月中北京兩場機器人盛事。第一場是自 2015 年起每年由中國政府主辦的 World Robot Conference,今年 8 月 19 至 23 日登場;第二場是同在北京、於 2022 年冬奧速度滑冰館舉辦的 World Humanoid Robot Games,共 51 個項目、上千場比賽,出現機器人拳擊、網球、桌球與體操。其中一款人形機器人 100 公尺衝刺跑出 9.39 秒、宣稱勝過 Usain Bolt;另一款立定跳高跳出 2.88 公尺,對照逐字稿所述由古巴選手 Javier Sotomayor 於 1993 年締造的 2.45 公尺人類紀錄。這些機器人約 175 公分高。過程中也有機器人撞牆解體、被擔架抬走、電池爆炸(主持人認為爆炸是刻意設計以增添娛樂性)。Jason 的判斷是:中國最擅長公關,與其像 Sam Altman 做 UBI(全民基本收入)研究、直白告訴大家會失業,不如讓觀眾為機器人歡呼、把機器人擬人化。他預測明年 51 項中會有 48 項被機器人打破人類紀錄,並戲稱這是對外釋放「百萬機器人拿下台灣」的訊號。
第二段轉向 Tesla 的 Optimus 與開源版圖。Jason 稱看過最新一代 Optimus demo,表現勝過北京所見的一切,若參賽可拿下 51 項中的 35 項,並預言 2036 年全球會有 10 億台 Optimus,價值與普及度超越 iPhone。開源方面,模型平台 Hugging Face 傳出被神秘買家以逾 130 億美元洽購,正與銀行評估出價;其上一輪募資是 2023 年、投後估值 45 億美元。Stripe 稍早以 70 億美元收購 OpenRouter。Jason 兩年前就主張開源會拿下多數 token(但非多數營收);他舉自家公司 Fable 為例,拿到 2500 美元額度、接上 Claude 相關工具後六週就燒掉 2400 美元,換算每位員工每年約 2500 美元、乘以 20 人就是 5 萬美元。他也提出「買下威脅」的邏輯:Sam Altman 把一款早期爆紅 AI agent 產品(逐字稿稱 OpenClaw)的創辦人以估計約 2 至 2.5 億美元挖進 OpenAI 後,該產品聲量迅速消退。
第三段談 AI 的平台之爭。Sam Altman 在 David Senra 的 podcast 上說,不想把 OpenAI 做成產品公司,而要做平台公司,不與客戶在應用層競爭;Jason 將此解讀為對 Anthropic 的暗批,因為 Anthropic 推出 Claude Code 與 Claude Design,直接搶了客戶生意。法律 AI 公司 Harvey 則把開源模型(逐字稿提及 Qwen、Kimi)fork 出自己的版本、放在自家伺服器上以掌握主權。接著 Jason 大談最低工資:美國聯邦最低工資 7.25 美元、數十年沒漲,他主張以每年 1 美元、十年調到 20 美元;引述澳洲、紐西蘭、西雅圖、紐約的研究稱工作流失少於 1 到 2%、漢堡漲價 1 到 3%;全美約 1500 萬人時薪低於 15 美元;調到年薪約 4 萬美元可跨過福利懸崖。他認為 UBI 是死路,並批評 Amazon 用低薪把成本轉嫁給納稅人(勞工靠食物券補貼)。
最後是軍事 AI。據《Telegraph》,伊朗相關駭客七月讓英國一座小型電廠停擺四天;FBI 也警告伊朗關聯攻擊者鎖定美國至少七州的供水設施。烏克蘭東南部 Zaporizhzhia 上月發生一起事件:一架外型像模型飛機的俄製小型無人機原欲炸加油站,撞牆爆炸炸死三人,含一名 19 歲大學生;調查者相信這是全自主無人機,自行選定加油站後方的丙烷桶為目標。烏克蘭如今已是無人機出口大國,前 Google 執行長 Eric Schmidt 也投入無人機事業,反制手法包括張網攔截與以小型無人機自殺式撞擊來襲無人機。
一句話:Baiju Bhatt 離開 Robinhood,自資創太空公司要把資料中心送上軌道。
Baiju Bhatt 是 Robinhood 共同創辦人,如今單獨創立並擔任 Cowboy Space Corporation 執行長。他背景是物理與數學,史丹佛時想做弦論、鑽研大統一理論,父親也是物理學家。他與共同創辦人 Vlad 在史丹佛物理系暑期研究營認識,兩人都是獨生子、父親都為了留學來美、都在維吉尼亞長大。Robinhood 2012 年有了構想、至今約 14 年,使命是「讓金融民主化」,降低散戶進入股市的門檻。高中化學老師送他的《The Case for Mars》影響深遠——這本書出自曾參與老布希百日登陸火星計畫的科學家,主張用工程思維、可重複使用元件把成本壓下來,後來被視為 SpaceX 的藍圖;SpaceX 成功回收火箭讓他決定投入。
他離開 Robinhood 後幾乎立刻動手,選擇單獨創業,並自己寫下第一張約 1000 萬美元的支票,理由是既然投入最寶貴的時間,不投錢說不過去。公司約兩年前起步,原名 Aetherflex,做太空太陽能。核心論點與 Robinhood 相似:當年賭行動裝置是新平台、金融會原生長在上面;這次賭近地軌道是新的商業平台,能源會是下一個原生產業。把便宜的太陽能板放上近地軌道可持續受光、發電量是地面的數倍。原本構想是把電從太空打回地面,但電轉光、光再轉電的傳輸損耗太大,於是改為在太空就地發電、就地運算,也就是太空資料中心——太空太陽能加上運算、扣掉打電回地球那一段。
真正的突破是把資料中心、衛星與火箭當成單一整合體來設計:火箭上面級本身就是資料中心,不再另造衛星;入軌後火箭尖端彈開、太陽能板伸出,火箭殼體展開成散熱輻射板,直接把火箭金屬當散熱片重複利用,以此壓到他認為最低的軌道運算成本。他強調必須垂直整合,因為目前全球運力、可上軌道的質量都遠遠不夠,連 SpaceX 的運力多半得留給自家用途。策略上他要的是「Honda Civic 等級」而非「Bugatti Veyron 等級」的火箭引擎,極度聚焦單一用途,目標 2028 年底發射自製系統,時程與地面蓋大型資料中心相當、甚至更短,唯一的北極星是單位成本要能與地面方案競爭。
資金上,Cowboy 已完成 2.75 億美元 B 輪、之前約募 9000 萬,累計約 3.65 億美元;要撐到 2028 目標估計需低個位數十億美元,現有員工約 50 到 60 人,火箭與衛星工程團隊設在西雅圖、核心在灣區。他引用 Daniel Ek 的話談聚焦:比對手更在乎一件事,自然會勝出。談 Robinhood,他點名 GameStop 事件最棘手,不過當時他已卸下共同執行長幾個月;他對產品市場契合的定義是表現超過你最樂觀的預期、且長期留存不掉。他也拿自己用 Claude Code 常因運算不足而逾時為例,說明未來人人有 AI 代理時運算需求會極龐大。問到「grit」,他答:堅持、韌性、心裡那股不服輸的勁。
一句話:白宮科技主任稱美國科學停滯,要靠重分配經費、獎勵個別科學家與 AI 重奪領先。
Michael Kratsios 現任白宮科技政策辦公室(OSTP)主任,前一任川普政府時期任美國首席技術官;OSTP 於 1960 年代設立,負責跨部會協調科學與科技政策。他否認本屆政府反科學,以數週前發布的報告《Science, a New Golden Age》為據。他坦承科學界觀感極差:科學期刊 Nature 對 2,000 名科學家讀者的民調中,86% 支持 Kamala Harris、僅 6% 支持 Donald Trump。Kratsios 主張科學過去十五到二十年被高度政治化,COVID 期間達到高峰——不同意某位人物(指涉 Fauci)就被貼上反科學標籤,他認為這才是最反科學的結論。
經費是主戰場。美國每年科技經費約 2,000 億美元;2025 年本屆政府凍結或終止了 30 億美元尚未動用的現有補助。他以 NSF(國家科學基金會,每年約 80 至 90 億美元基本研究經費)為例,引述參議員 Ted Cruz 委員會分析:Biden 任內約四分之一(25%)NSF 補助流向 DEI 相關「科學」,四年約 80 億美元。氣候方面,他稱最極端的 RCP 8.5 情境因無法以科學誠信支撐,近月已從各國氣候評估與 IPCC 預測中撤下;政府立場是氣候在變、人類燒化石燃料確有貢獻,但不構成「氣候緊急狀態」。他並指全球約 20 億人以木柴、糞便、木炭等髒燃料煮食,聯合國估計每年造成約 300 萬人死亡。
停滯與改革是報告核心。NIH 經費從 1998 年 140 億、2003 年 270 億到 2024 年 470 億美元,自 1998 年增為三倍以上,產出卻未等比成長;報告引用「Eroom 定律」——每投入一美元的成果自 1950 年以來下滑約 80 倍、每九年效率減半。改革做法包括在 NSF 與 NIH 設「後設科學」單位跑實驗;測試源自丹麥的「金票」制度,讓評審可繞過委員會共識單獨選出大膽提案;鬆綁 NSF 慣行的 18 個月補助年限、開放不同時長;並以可攜式的 GRFP 獎學金(每年約 2,600 名)獎勵個別青年科學家。大型計畫方面訂出:2028 年美國人重返月球、2028 年太空核反應爐、2030 年月球基地初步元件、2028 年做出具科學意義的量子電腦(責成能源部),以及 2035 年拿下核融合;旗艦「Genesis 計畫」要以 AI 應用於最難的科學問題、將美國科學產出翻倍。
對中競爭與人才收尾。中國科研支出從 2000 年 330 億增至 2021 年 6,700 億美元(成長 19 倍),同期美國約 3 倍;十年前美國論文量約為中國兩倍,如今中國在幾乎各領域多出約 50%(部分生命科學除外)。Kratsios 認為美國優勢在自由市場式的多元競爭,並舉中國自 2019 年出口管制後苦攻 EUV 微影仍無突破為例。隱憂在本土人才:美國電腦科學博士 30 年前約七成是美國人,如今反轉為七成外籍;NIH 內部研究員年齡中位數達 71 歲(NIH 主任 Jay Bhattacharya 提供)。後續實施靠與 OMB 主任 Russ Vought 合寫的研發優先備忘錄,研發經費超過 30 億美元的前五大機構須在報告發布 90 天內回報執行方式。
一句話:非洲首富 Dangote 以水泥、煉油、化肥證明民間可扛起工業化,人口密度是關鍵。
來賓 Joe Studwell(《How Africa Works》作者,前作《How Asia Works》)解析 Aliko Dangote 集團。Dangote 出身奈及利亞北部 Kano 的穆斯林貿易商,早年做農產大宗;在 Obasanjo 總統任內談成一項協議:換取四年水泥獨家進口保護,條件是在當地建立水泥產能。他做到了,如今跨足十餘個非洲國家的水泥業,多數市場擊敗 Holcim 等跨國廠。接著他花 200 億美元在 Lagos 以東蓋成煉油廠——此前奈及利亞政府數度嘗試煉油皆以失敗收場;煉油廠旁還有大型尿素化肥廠,已供應奈及利亞多數化肥,並準備在第二人口大國衣索比亞複製。本週消息是該公司 IPO 前已募得 4 億美元、另有 10 億美元支持,將是非洲史上最大掛牌。
Studwell 認為這波與過去的資源型故事不同,是需求驅動:非洲人口從二戰後的 2.2 億增至 15 億,2050 年將達 25 億;目前人口密度約等於 1960 年的亞洲,而二戰後密度僅約 1500 年的歐洲,這是過去缺乏經濟成長的根本原因。城市帶來市場、稅收與分工——全球 80% GDP 由城市創造,英國光倫敦就貢獻全國七成財政盈餘。他主張只有大企業才有現金流訓練人、拉抬生產力,SME 主要是吸納就業。
製造業前景與中國是另一主軸。他反對「機器人與 AI 讓非洲沒有製造業機會」的說法:馬達加斯加勞工月薪僅約 60 美元,機器人則是昂貴且缺乏彈性的前期沉沒成本。中國正把低階製造外移,去年對非洲製造業投資達 125 億美元(FT 資料);中國鋼價每噸約 5、600 美元,非洲約 1,000 美元,已有中國鋼廠遷往辛巴威、南非、阿爾及利亞、衣索比亞。對照組:印度 1991 年改革後年均成長 4.2%、IT 業僅約 600 萬人就業;中國則以製造業支撐 30 年 10% 成長。衣索比亞 25 年來成長未低於 5%、現約每年 10%。
一句話:實質利率彈升把美債從賺錢工具變成賠錢資產,五%的十年期是股市警戒線。
Data Trek Research 共同創辦人 Nick Colas 拆解長天期美債。30 年期殖利率衝上 5.2% 到 5.3%,是 15 到 20 年新高。他把名目殖利率拆成通膨預期與實質利率:通膨預期近 15、16 年幾乎持平在 1.5% 到 2.5%,真正暴衝的是實質利率,已從負值升到逼近 3%。後果很直接,持有長天期美債 ETF「TLT」在 2010 年代每年約複利 7.8% 到 8%,進入 2020 年代因實質利率翻正,至今年化報酬是負 4.4%,原本的避險部位反而重傷組合。
實質利率走高有四個原因:一是聯準會早年靠量化寬鬆人為壓低、如今在收回;二是 2020 年以來歷經 2022 年暴力升息、2025 年貿易衝擊、兩次油價衝擊卻沒有衰退,推論中性利率本來就該更高;三是聯邦赤字高、信用品質受質疑,今年至今赤字已超過 2025 全年;四是 AI 相關的長天期企業發債把需求從美債吸走,今年企業債發行約 1.75 兆美元,比去年同期多 20% 到 30%。Nick 建議組合存續期間壓在五年內,等經濟轉弱再拉長。十年期今天在 4.70% 到 4.72%,他把 5% 當成股市開始緊張的觸發點。他也主張 Google 這類公司債對投資人不見得比美債差,因為圖的只是拿回本金與票息。
股市部分,標普今年以來漲約 12.1%,幾乎全來自獲利上修(2026 年上修 15%、2027 年上修 13%),本益比沒擴張、甚至略縮。Nick 給三種上檔情境:基本情境本益比維持約 20 倍、未來 12 個月漲 6% 到 16%;較佳情境油價回落、本益比到 22 倍,漲 13% 到 28%;最樂觀情境 AI 資本支出開始反映在獲利、本益比到 24 倍,漲 12% 到 39%。他強調當前 AI 投資的真正賽點是搶先做到 AGI,不是寫程式代理;ChatGPT 自 2022 年 11 月問世智慧提升 1300%,Claude 過去一年進步 76%,速度遠超摩爾定律。科技與大型科技已占 MSCI 全球指數約 38%,等權重標普則只有 14%,他形容公開市場投資如今很像創投。
一句話:台灣國防預算創高、恆大掌門判無期,中國人形機器人熱潮靠賣訓練資料撐起。
主持人 Alice Han 與 James King 先談台灣。台灣政府本週通過 2027 年度國防預算,超過 1.12 兆台幣,較今年增加 18.2%,仍要在在野黨主導的立法院闖關(逐字稿的美元折算前後不一,並列 350 億與 310 億)。Alice 拿台灣跟烏克蘭對照:台灣現役兵力 17 萬、烏克蘭 30 萬;台灣國防支出約占 GDP 2.1%,烏克蘭 2021 年起拉高到 40%。徵兵制方面,2008 年前是兩年義務役,2013 年縮成四個月,2024 年又恢復一年。今年的軍事演習長達十天、是去年兩倍,約 2 萬到 2.2 萬名官兵參與,演練城鎮戰、通訊中斷與封鎖情境。背景是 1979 年《台灣關係法》與川普暫緩的 140 億美元軍售案。
第二段談恆大。創辦人許家印因大規模財務造假被判無期徒刑。旗艦子公司恒大地產 2019 年虛增營收 2140 億人民幣、2020 年虛增 3500 億(占當年總營收 78%);簽證的資誠(PwC)遭中國監管罰 6200 萬美元、香港罰 1.66 億美元,時點在 2026 年 4 月。恆大違約總負債達 3000 億美元,仍是全球最大的地產業訴訟案;房價至今仍較高點低約 20%。2021 年整肅前,房地產與相關活動一度占中國 GDP 近 30%。
第三段是人形機器人。本週一款中國機器人跑贏 Usain Bolt 2009 年的百米紀錄,隨後撞牆被抬走。中國廠商占今年上半全球人形機器人出貨約 97%,中國買家吸收全球約 85% 的需求。多數機器人不是賣給家庭,而是政府支持的訓練中心做遠端操作訓練,再把生成的資料賣回廠商精進 AI;一段五分鐘機器人舞蹈的資料可要價 100 萬人民幣、約 14.8 萬美元。Unitree 創辦人 Wang Xingxing 估人形機器人的「ChatGPT 時刻」樂觀要 2 到 3 年、保守 5 到 10 年,Galbot 創辦人則押 2028 年。Unitree 在上海掛牌後估值達 500 億美元、股價漲 600%,2025 年營收 2.52 億美元、約 75% 來自研究與教育。中國有近 370 家機器人新創、逾 50 家計劃 IPO,美國剛封殺中國人形機器人進口。
一句話:父職讓大腦灰質縮約1%、睪固酮降25%,是變高效的適應,不是退化。
主講者是南加大心理學教授 Darby Saxby,她的實驗室專門掃描新手爸爸的大腦。研究發現男性成為父親後,大腦灰質體積會縮小約1%,母親則縮小約2.5%,縮減集中在負責理解他人情緒與意圖的「心智化網路」,以及解讀嬰兒表情的視覺區。她強調體積縮小不是缺損,而是大腦砍掉冗餘、建立更高效神經通路的過程,像電影從導演版剪成院線版更精練好懂;越投入、越早與胎兒建立連結、產後越常照顧寶寶的爸爸,腦部縮減越明顯,顯示這是幫助適應父職的變化。
荷爾蒙也同步改變。動手帶小孩的爸爸睪固酮約下降25%,菲律賓的長期追蹤顯示照顧時間越多、與寶寶同睡,降幅越大,之後會回升。Saxby 反駁「睪固酮等於成功男子氣概」的說法:高睪固酮會降低精子數、對免疫系統不利;她的實驗室發現產後睪固酮偏高的爸爸,伴侶對關係更不滿、通報更多親密關係攻擊,爸爸自己育兒壓力也更大;但睪固酮過低又與較高的產後憂鬱相關,最理想是能隨情境調整的中間值。她並指出新手爸爸的憂鬱盛行率約是一般男性的兩倍。
生養孩子在晚年還具神經保護作用。英國 UK Biobank 資料顯示生越多孩子的男女,大腦年齡看起來越年輕,但生兩三個後效益趨於平緩;她推測與催產素及帶小孩時社交、體能的雙重鍛鍊有關。方法上,她招募同居的初為人父母伴侶,採集血液、唾液、頭髮,讓他們在鏡頭前吵架15分鐘,並掃描爸爸大腦,產後六個月再回實驗室加採母乳與嬰兒糞便。結果發現懷孕期負面衝突越多的伴侶,分娩醫療併發症越多、對生產感受越有壓力;化解衝突的關鍵成分是「讓對方覺得被理解」。
生育率是全片的焦慮所在。她引用醫學期刊《The Lancet》2024年研究,推估2100年將有97%國家生育率低於人口替代水準;全球生育率從1950年平均每位女性5個孩子,降到今天2.2,美國總生育率創新低1.6,低於替代水準2.1,2025年出生數再降1%、約360萬。她主張生養是集體責任,人類是「合作繁殖」物種,但美國沒有聯邦帶薪育嬰假,只有《家庭醫療假法》保障12週無薪假,而約八成美國人跨黨派支持帶薪假。給準爸爸的建議:產前先談好分工與價值觀、建立社會支持網、保護睡眠、把握換尿布與玩耍的親子連結、並給自己寬容。
一句話:Poppy 靠品牌優先與 TikTok,四年半賣給百事近20億美元。
主講者是機能氣泡飲 Poppy 共同創辦人 Allison(與丈夫 Stephen 共同創立),主持人為 My First Million 的 Sam Parr 與 Shaan Puri。Poppy 前身叫 Mother Beverage,源於她自己喝蘋果醋顧腸胃卻受不了味道,在農夫市集擺攤兩年,上美國創業實境節目《Shark Tank》拿到飲料老手 Rohan Oza 的投資,花九個月徹底重新定位,2020年3月3日、COVID第一週推出 Poppy。營收第一年約300萬美元,之後跳到約2000萬、再到2億,最後在被收購前突破5億,約四年半衝到近5.5億美元。
她點出幾張關鍵骨牌。Poppy 是最早重壓 TikTok 的創辦人品牌之一,靠跳舞、食譜、轉場短片衝出病毒式擴散,讓數位優先的品牌能直接打進 Fargo、Cincinnati 這類非一線城市。第二是「品牌優先」,頭號指標是品牌知名度,連 Costco 綜合包要選哪些口味,她都以貨架上是否鮮亮跳眼為準,而非只看數據。他們從第一天就100%走 Amazon,飲料在 Amazon 幾乎不賺錢,但當成打知名度的行銷。產品定位不斷微調:包裝標語從「be happy be healthy」改成主打「soda」,因為消費者其實不在乎健康訴求。
行銷砸得很重。他們累計募資約7000萬美元、幾乎全數花光,買過多支超級盃廣告——第一支是在開賽前五天,撿別家沒用完的二手檔期臨時買下,第二支找歌手 Charli XCX 主打「vibes」;超級盃30或60秒廣告光媒體購買就要600萬到1100萬美元,還得在賽後多投約七次線性廣告接續。她說能買下飲料品牌的只有三家:Keurig Dr Pepper、Pepsi、Coke。他們把散在全美的180家經銷商整併到百事一輛配送車,盡職查核六週完成、通過30天反壟斷審查,以近20億美元(她提到19.5億)把公司100%賣給百事,99.9%員工都持有股權。
她的方法論是「比現況好10到15%」,而非矽谷常講的好10倍;好品牌是把大家從小熟悉、有情感記憶的東西(如汽水)做得好一點,例如少89%糖、保留熟悉風味,而非塞進38種沒人在乎的成分。理財上她建議營收到500萬至2000萬美元就該談信託與遺產規劃,並在中途先「把籌碼撥下桌」變現,升級生活也留退路。她自己吃 GLP-1 減了60磅,正在籌備新公司(源於個人需求、走大眾市場,但不透露內容)。給創業者的真話:真正認真的人不必什麼都懂;向前輩求助要直接問到位的問題,而不是只想討個肯定。
一句話:兩兄弟把400美元保冷箱靠命名與耐用行銷,做成20億美元品牌Yeti。
主持人 Guy Raz 訪 Yeti 共同創辦人 Roy 與 Ryan Seiders 兄弟。兩人在德州奧斯汀郊外 Driftwood 長大,父親 Roger 是中學工藝老師,發明釣竿用的透明環氧樹脂塗層、創立 FlexCoat,靠這門小生意供四個孩子念大學。Ryan 讀德州 A&M 野生動物管理,自創 Waterloo 釣竿品牌,一年賣約 1000 到 1500 支、每支約 175 美元;Roy 讀德州理工,先做打靶桌、再改裝鋁殼釣魚船,一艘成本逾一萬美元卻只賣一萬五、每艘都賠。Roy 在船上放保冷箱當座椅與站台,受夠一般保冷箱易壞,後來成了澳洲品牌 ICTEC(泰國製、滾塑成型)的德州經銷商。
2005 年 Ryan 以不到 20 萬美元賣掉 Waterloo,拿去買二手勞力士與一把 Beretta 獵槍;2006 年初以時薪 10 美元進哥哥倉庫幫忙。ICTEC 的美國商標被原經銷商註冊,2006 年後不能再用,反成轉機。兄弟飛泰國想改良品質,卻發現工廠是紅泥土地板、保冷箱底部被染紅,對方也不願改設計;於是轉往菲律賓,找到住在舊克拉克空軍基地、澳洲籍的 Ivan Brown 工廠。回程飛機上兩人列出十個名字,找 20 位親友測試,兩週後只問記得哪個,所有人都記得 Yeti,這就是他們要的驗證。首批三個貨櫃約 10 萬美元由 Ryan 出資,換得 49.5% 股權。
2006 年營收約 50 萬美元,2007 年翻倍到 120 萬。廣告人 Walt Larson 協助打出「wildly stronger, keep it longer」標語。2008 年自主設計的 Yeti Tundra 上市,同年營收由 100 萬衝到 300 萬。就在此時,夥伴 Ivan 在菲律賓遇害、工廠停擺,兄弟一度以為公司完了。他們一手把價格調漲 15%(295 漲到 350 美元、對外謊稱原料漲價)以拉高毛利、放慢出貨,一手轉往美國愛荷華州滾塑廠,首度把設計數位化成 CAD、改用義大利模具,並自持模具、刻意不申請專利、把錢投在品牌。
2009 年開 YouTube 頻道,拍保鑣踩爆 igloo 對比 Yeti,又通過灰熊委員會的防熊認證(熊兩小時打不開)。2011 年營收約 2000 萬美元;2012 年中私募基金 Cortec 以約 7000 萬美元買下約三分之二,兄弟各留約一成。2013 年硬式保冷箱做到 1 億美元;隨後推出 Rambler 20 與 30 盎司真空保溫杯,18 個月內營收從 1 億衝到 4 億美元,把品牌帶進大眾市場。2015 年兄弟卸下執行長與總裁,如今 Yeti 年營收逾 20 億美元,父親 Roger 也在 80 歲賣掉 FlexCoat。
一句話:老化是可逆的資訊損壞,基因療法已進人體、口服藥將問世,他斷言活到150歲的人已出生
Sinclair 的哈佛實驗室約 40 人。2020 年他們登上 Nature 封面,首次在小鼠身上安全逆轉老化、恢復失明視力;此後在猴子與多種組織重現,如今進入人體。做法是導入 Yamanaka 基因,但只取其中三個(他簡稱 OSK),刻意拿掉會致癌的 c-Myc(他簡稱 M)——留著 M,細胞會 100% 退回胚胎狀態變成幹細胞或癌細胞;拿掉後只回春約 75% 就停住,這個「踩剎車」是 2014 到 2017 年最難突破的一關,發現則早在 2016、17 年。基因以類病毒顆粒遞送,選眼睛起步純為安全考量(密閉、不擴散),由學生 Wang 主導;這套療法命名 ER-100(表觀遺傳逆轉 100),黃斑部退化與青光眼這兩大失明主因都有效,另有中國團隊用同技術修復骨與軟骨治骨關節炎。
他的「老化資訊理論」把表觀基因組比作讀取 CD 的軟體、DNA 是音樂本身,老化就是軟體被腐蝕,這條路走了 13 年。他透露過去五年做出口服版:給老鼠每週三天、連一個月吞服一種混合物,記憶、皮膚品質等多方面回春;機制牽涉會把化學基剝離 DNA 的 TET 酶。他斷言人類壽命沒有上限,以日本千年盆栽為證,並說第一個活到 150 歲的人已經出生;現年 57 歲的他強調這在同行間已屬務實判斷,只是科學家怕失去公信力不敢明講。
生活面他一天一餐,最長可斷食兩週,靠大量茶水與 B、C 群等補充品撐著,並用連續血糖機、Withings 體脂計(2013 用到現在)監測;斷食超過三天後啟動 CMA(伴護蛋白介導自噬)清理壞蛋白。他反對三餐加零食,說那是 General Mills、Kellogg's 之類公司的行銷,主張在「逆境」與「豐足」間循環。飲食上他不反對蛋白質,自己多吃植物蛋白,重點在避免過多支鏈胺基酸(纈、異白、白胺酸)以壓低 mTOR;運動則是重訓、平衡、有氧 VO2 max 三者並重,每週至少三次、每次十分鐘喘到無法對話。
補充品他每早吃約一茶匙(一公克)白藜蘆醇近 20 年,搭橄欖油或優格,理由是活化 SIRT1;同服 NMN,實驗室剛重投一篇論文,顯示 NMN 能延長小鼠(尤其母鼠)壽命。他澄清兩樁爭議:2010 年 Pfizer 稱白藜蘆醇無效,他花三年在原子層級證明對方錯、2013 年發表;近期有人以白血球 NAD 不隨老化下降來否定整套理論,他斥為博取點閱。他還吃 81 毫克阿斯匹靈(因自身 Lp(a) 偏高)、alpha-lipoic acid、CoQ10、Omega-3(認同 Nordic Naturals 2X 的純度)、每早低劑量 Cialis(2012 論文指血流不足是老化主因,兼有抗癌與護腦、護髮期待),以及每早約一萬單位納豆激酶,依一項千人中國研究試圖清除血管斑塊。他也警告市售 NMN 普遍摻假、含內毒素,連自家實驗室都曾中招。
AI 讓實驗室加速——幾個月做完過去要 160 年的事;一位到職三週、19 歲的學生用 AI 從既有資料挖出他命名為「reverse tail」的訊號,是十年來專家都漏看的。靠 Demis Hassabis 破解蛋白質摺疊、上萬個結構建模,他們如今能在電腦裡對接數兆種化合物、線上訂購前 200 名回實驗室測試,可望數月內把逆齡雞尾酒濃縮成單一分子。對 GLP-1 他整體看好,指全球肥胖人口約十億、是飢餓人口的兩倍,約一成一美國成人用過;也點評 Brian Johnson 公布的 DunedinPACE 約 0.4,並肯定他把冷門的長壽領域帶進主流。他提醒冷水浴能活化富含粒線體的棕色脂肪但人體證據有限,桑拿(以芬蘭男性研究為主)反而較扎實,兩者證據強度差約十到二十倍;連續血糖機還讓他意外發現葡萄與白飯都會讓血糖飆高。他 87 歲、來自澳洲的父親仍夜夜社交、自認活得比 40 歲時更好,被他當成「老而不衰」的活樣本,呼應他反覆強調的重點:目標不是活得更老更衰,而是到 90 幾歲仍年輕有活力。他最後推自己的社群 lifespan.com(月費 8 美元)與同名 podcast、雜誌,目標把老化正式當成疾病來治。
一句話:GoFundMe 靠情感連結補社會安全網破洞,醫療是各國最大募款類別。
《The Verge》總編輯 Nilay Patel 在 Decoder 訪問 GoFundMe 執行長 Tim Cadogan。Cadogan 於 2020 年 3 月 2 日上任,正值疫情爆發前一週;公司當時已在 20 個國家營運,義大利是最早受衝擊的歐洲市場。他形容平台的本質是「幫助人們互相幫助」:疫情期間數百萬人需要援助,數以萬計的募款是忠實顧客為當地餐廳、酒吧、音樂場館的員工發起,而商家提款需通過較繁複的 KYB 驗證,在門市關閉、拿不到文件時形成大量處理難題。主持人以「承重(load-bearing)」形容 GoFundMe 在美國文化中的地位;Cadogan 說平台的未輔助知名度已從三十多提升到約 70、輔助知名度落在九十出頭,超過三分之一的美國成年人用過 GoFundMe,且這不只是美國現象,在英國、愛爾蘭、義大利、法國、澳洲、加拿大等地同樣成為日常用語。他以自身居住的 Altadena 為例:去年一月大火燒毀約 6000 戶、約三分之二人口流離,超過一萬個家庭靠 GoFundMe 動員支援。
商業模式部分,Cadogan 說平台只收金流處理費——美國個人募款為每筆 2.9% 加 30 美分,與刷卡加油、超市消費相同;之後才詢問捐款者是否願意給自願性小費。去年有 1500 萬到 2000 萬人沒有給小費,但在數千萬筆捐款的規模下,小費會因大數法則收斂成穩定的平均值。公司有 850 名員工,約一半在產品、技術、設計與資料科學;過去十到十五年促成逾 400 億美元的援助,去年有 8000 萬人捐款。個人募款平均捐額落在 80 到 100 美元;另一條線 GoFundMe Pro 服務非營利組織,一次性捐款相近或更高、每月定期捐則較低(約 25 至 30 美元);捐款者給平台的小費通常只有幾美元。所有款項經第三方金流商 Adyen、Stripe、PayPal Giving Fund 流動,GoFundMe 從不經手金錢,受款人須通過 KYC 驗證才能解鎖撥款。
醫療是各國(不只美國)募款金額最大的類別。主持人引一份華盛頓大學研究:在 50 萬件醫療募款中,30% 一毛都沒募到,且一州醫療債務越高、當地募款募得越少;另一份經濟學研究指出,州擴大 ACA(平價醫療法)Medicaid 後,醫療相關的 GoFundMe 募款會顯著減少。Cadogan 表示公司不會為此遊說反對——若能讓更多人得到照顧那很好。他的決策框架是先把問題框定清楚,再問「這能否讓世界產生更多幫助」,衡量指標稱為 GDP(gross donation volume,總捐款量)。他以英國 Liverpool 的 Spellow Lane 圖書館為例:約兩年前在騷亂中被焚,當地母親 Alex McCormick 原想募 500 英鎊,最終募得 25 萬英鎊,地方議會不到一年就重建完成。
在內容治理上,平台禁止為暴力與金融犯罪(如謀殺、詐欺)的法律辯護募款,強調此舉不代表對當事人有罪無罪的判斷。針對 Gaza,Cadogan 說平台已促成逾 5 億美元進入以巴衝突相關援助,部分募款因不符國際法規而遭凍結。他也回應近期爭議:公司曾為未註冊的非營利組織建立頁面,遭多州檢察長指控抄襲慈善頁面,已道歉下架,並面臨集體訴訟,他承認「動作太快」。談到 AI,平台的 Smart Fundraising Coach 用聊天式協助撰寫故事、標題與目標,相關元件累計逾 9000 萬次使用;原估今年可多募約 1.25 億美元,實際上看翻倍達約 2.5 億,且約三分之二使用者表示壓力更小、更有信心、較不孤單。超過 80% 的捐款者是募款者的一等親友。