本文整理自 All-In 播客 频道节目，2026-07-16 发布。以下为完整中文实录，保留嘉宾原话不做改写。
📌 本期核心看点
- Intel 失速的根源：技术公司被财务思维接管：Pat Gelsinger 认为，Intel 后来的问题并非单一产品失败，而是执行层从技术领导者变成了商务和财务背景的人，硬核技术决策被电子表格左右。
- 1000 亿美元回购背后的机会成本：他回到 Intel 时，公司已多年未建新厂、未采购 EUV 光刻机，却在之前几年向股东返还了 1000 亿美元。这笔巨款本可用于工厂、制程和未来品类的研发。
- Steve Jobs 早就在为 Apple Silicon 铺路：Pat 回忆，Steve Jobs 对 Intel 的供货能力失去信心后，从小芯片和系统移植开始积累内部能力，甚至已为过去四个版本的 macOS 做好了 x86 移植准备。
- Nvidia 的 CUDA 不是一夜爆红，而是持续复利：Intel 当年瞧不起 GPU，视之为游戏显卡。但 CUDA 及其软件栈一代代变厚，最终让 GPU 从图形卡蜕变为通用计算平台。
- TSMC 将“代工”小生意做成行业标准：TSMC 的晶圆代工模式起初小到 Intel 毫不在意，但随着 Apple 等客户推动，其晶圆产量一度达到 Intel 的 5 倍，如今更接近 7 比 1。
- 台湾供应链风险的关键不是开火，而是能源：Pat 指出，台湾的能源储备不到 3 周，若封锁导致断电，晶圆厂可能 90 天都无法恢复，经济冲击将超越大萧条。
- AI 基建看似泡沫，但能源为它设了天花板：他承认 AI 芯片 公司的估值很高，但认为没人会在没电的地方买 GPU、建数据中心，因此能源容量将限制过度建设。
- AI 将是二十年建设周期，而非两年风口：Pat 认为 token 经济的增量价值巨大，目标是将每 token 的成本和能耗降低五个数量级，真正释放杰文斯定律的威力。
- 量子计算不再永远是“五年后”：他预测 2030 年前会出现有意义的量子计算成果，化学、生物、物流等今天无法计算的问题将开始被攻克。
- Lovable 的使命从做产品扩展到做业务：Anton Osika 说，Lovable 先让人做出产品，再帮助他们围绕产品经营业务。平台每周创建 100 万个新项目，累计已达 5000 万个应用。
- AI 编程从原型 mockup 进入可部署阶段：过去的 no-code 做出的东西常不好看、不稳定，现在 Lovable 将架构、支付、安全扫描和部署都打包进了平台。
- 4 小时开发的内部软件替代了 50 万美元预算：Jason 用自己的 Founder University 内网举例，非工程员工用 Lovable 几小时就做出了过去需要巨额预算的工具。
- 软件的下一步是 AI 联合创始人：Anton 说 Lovable 不止做 hosting，还会在用户睡觉时分析业务数据，给出战略方向和增长优化建议。
- 定制软件会替代一部分 SaaS，但并非孤岛：Lovable 用户已用定制应用替代了 10 多个内部工具，每年节省 100 万美元。同时，它将继续连接 Salesforce、Slack、Google、Microsoft 等系统。
- 模型越强，Lovable 越像路由器和学习系统：Anton 说 Lovable 会把任务路由给最适合的模型，并利用每周百万项目产生的错误信号训练自己的后训练模型和智能体框架。
- 工程不再是瓶颈，实验速度才是：当多人能同时为同一个问题开发不同版本，组织可以像 CERN 的合作竞争模式一样避免局部最优，再把好功能合并。
访谈全文
Jason Calacanis： 你在 Intel 待了很久。
Pat Gelsinger： 也就 34 年。
Intel 为何从神坛跌落？
Jason Calacanis： Intel 曾经大概是美国历史上最伟大的公司之一，然后它彻底跑偏，被 Nvidia、TSMC，某种程度上还有 Apple 打得很惨。当年「Intel Inside」是一个时代，我们买电脑会认 Pentium，会认那个声音。我们就直接做一次复盘：它哪里做对了，又是怎么走错的？你在里面待了很久，中间离开过，后来又回来。回头看，哪些关键错误值得所有科技公司学习？
技术公司不能只靠财务脑
Pat Gelsinger： 我把 Intel 看得很重，因为我在那里度过了人生很大一段时间。我 18 岁加入 Intel，常开玩笑说我是在 Intel 度过青春期的。Andy Grove、Gordon Moore、Bob Noyce、Craig Barrett，这些人是我成长时身边的导师，也是我崇拜的人。他们都有很深的技术底色。第一次进执行团队会议时，房间里 20 个人里大概 15 个是博士。Intel 后来出问题，一个核心原因就是公司开始被商务型、财务型的人管理。
Jason Calacanis： 而不是技术型的人？
Pat Gelsinger： 对，是那些「数豆子的人」、财务人。当我 2021 年成为 CEO 时，那几乎是 Intel 15 年来第一次重新由技术型领导者掌舵。如果一个商业型领导者在位，他会提拔谁？当然是商业型的人。所以你看今天伟大的科技公司，核心领导者都非常懂技术。
Jason Calacanis： 通常也有创始人精神。
Pat Gelsinger： 哪怕不是创始人。Satya Nadella 不是创始人，Sundar Pichai 也不是，但他们都是技术背景很深的人。科技公司做那些会影响数十亿美元的硬核技术决策，不能只靠电子表格。单看财务回报，也许某个投资看起来很差；但如果技术趋势让它成为正确投资，就必须做。Intel 在我回去前的五六年里，把 1000 亿美元还给了股东。
Jason Calacanis： 分红和回购，1000 亿美元。如果你当时有这 1000 亿，会做什么？也许会给 iPhone 做芯片，而 Intel 当年错过了。
1000 亿美元回购的代价
Pat Gelsinger： 我回去时，Intel 已经十年没建新工厂了。你怎么可能不建厂？怎么可能不买 EUV 设备？这些决定只有技术人会做，因为它们单独看经济账并不好看。回到技术核心，这是根本。领导者会做对决策，也会做错决策，任何企业都如此。但半导体本质上是技术业务，你需要技术人管理技术，再雇用技术人，让最好的技术人坐到决策桌前。
Jason Calacanis： 还要敢押未来的大方向。Apple 过去 15 年也做了大量回购和分红，手里有巨额现金，但大收购很少，最大也就是 Beats。它本可以做更多。说说 2008、2009 年 Steve Jobs 决定自己做芯片这件事吧。那是秘密项目吗？你们知道吗？
Jobs 悄悄准备 Apple Silicon
Pat Gelsinger： 那也是一个岔路口。Steve 是非常了不起的领导者，也非常无情、难相处。Apple 转向 Intel 和 Centrino 芯片时，对 Intel 的要求极高：芯片要更小、功耗要更低。他是非常苛刻的客户。当他不再相信 Intel 能持续领先时，就启动了自己的项目。他们先收购小公司，内部做一点点芯片能力，看起来都不大；小芯片慢慢变大。Steve 很擅长从小项目开始，把核心能力长在公司内部。我记得第一次和 Steve 谈把操作系统从 PowerPC 移植到 Intel 芯片时，我们很自豪地说，Intel 可以帮你把操作系统移到 x86。Steve 说：「我已经为过去四个版本都做了这件事。」他早就在为未来可能发生的转向准备核心技术。我当时很震惊。他的逻辑不是「你这个供应商失败了」，而是「我可以自己供应得更好，并把系统设计和芯片设计一起优化，而不是依赖一个为 Windows 环境优化的通用芯片」。
Jason Calacanis： Jensen Huang 押注视频卡，后来这些 GPU 又意外适用于加密货币和 AI 训练。这是运气，还是能力？
Nvidia 靠 CUDA 复利翻盘
Pat Gelsinger： Jensen 一开始其实是在造高性能计算机、吞吐机器。Intel CPU 最强时，我们有点瞧不起那些东西，会说那只是图形机器、给游戏玩家用的。那时大家觉得真正重要的是大 CPU，GPU 是小东西。但他们开始建立真正的软件栈，CUDA、SIMT、多线程，一代一代变好，越来越稳。这有点像 Jobs 的方式：每个版本都让东西更好。后来一些日本高性能计算（HPC）团队说，能不能把这些显卡用在 HPC 上？那是决定性时刻。GPU 不再只是图形卡，而成为更高计算密度的平台，可以攻击世界上最有意思的工作负载。AI 当时已经经历了好几次寒冬，很多人以为不会再有突破，但社区还在发展，CUDA 也在每代进步。Intel 曾经有 Larrabee 项目，想用 x86 做类似事情。我第一次离开 Intel 后一周，这个项目就被砍了。世界本可以很不一样。
Jason Calacanis： 这说明持续创新、冒险、基础研究和技术复利有多重要。William Gibson 说过，街头会自己找到技术的用途。Nvidia 没有预言 Bitcoin 会爆，也没预言 AI 会这样起来，但因为它是最好的解法，黑客社区会发现。Intel 错过了 Apple Silicon，错过了 Nvidia，也错过了 TSMC。讲讲 TSMC 的崛起吧。
TSMC 把代工做成行业标准
Pat Gelsinger： TSMC 从一开始就有 foundry（晶圆代工）的愿景：成为整个行业的工厂。晶圆厂非常贵，一座 200 亿到 300 亿美元，工程和持续投资要求都很惊人。Intel 当年是 IDM（Integrated Design and Manufacturing，设计制造一体化），我们从没有真正把制程和工厂开放给第三方。我们觉得自己做 CPU 就足够，还能给芯片组和其他产品复用。我们的流程没有标准化到能让广泛生态使用 PDK 和设计工具的程度，很多 EDA 工具也是自己做。TSMC 则把事情切开：我不管你是谁的芯片、不管你设计什么，我做你的制造伙伴。当时这块业务看起来很小，Intel 根本不在意。但随着长期稳步进步，加上 Apple 这样的客户推动，世界变了。我 2021 年回 Intel 时，TSMC 的晶圆产量已经是 Intel 的 5 倍，不是多 10%，是 5 倍。后来这个模式成了半导体行业的主流，除了 Intel 和存储两块。今天你看到万亿美元级的 TSMC，看到数万亿美元级的存储公司，行业已经选择了大量晶圆、大量设计创新、标准化层和 EDA 工具。Intel 新战略的核心之一就是：我们也必须成为 foundry。现在 TSMC 对 Intel 的晶圆量大概是 7 比 1。
Jason Calacanis： 美国能把这些产能迁回来吗？有 CHIPS Act，但台湾风险摆在那里。假如发生封锁，甚至台湾方面决定烧掉晶圆厂、把工程师送到美国，这会不会是灾难性事件？
台湾供应链真正怕什么
Pat Gelsinger： 这个问题很大。先说三点。第一，CHIPS Act 确实有效果。我回 Intel 推动这件事时，美国只建设全球大约 12% 的先进制程产能，现在接近 18%，有进步，但离 50% 还很远。Intel 正在成为真正的 foundry，TSMC 在美国的工厂也在规模化运行，还有 Samsung，这些都是真进展。第二，我们把问题说难听一点：台湾岛的能源储备不到 3 周。《华尔街日报》两周前写过这点。不到 3 周，这应该让所有人背后发凉。因为封锁 3 周后，岛上就会限电。晶圆厂一旦断电，90 天都恢复不了。台湾大停电造成的经济冲击会大于大萧条。甚至不需要开一枪，只需要 3 周没有能源。
Jason Calacanis： 没有石油。
Pat Gelsinger： 对，没有 LNG，岛就是靠这些运转。这让我非常担心。我们需要更有韧性的供应链。我不在战情室里看所有数据，但别忘了，过去四年里，中国已经多次在台湾海峡周边做封锁式演练。这不是理论问题。我们需要更快、更有意义地建设供应链韧性。
Jason Calacanis： 谈谈 AI 基础设施建设。你经历过 PC、服务器、互联网的扩张，而这次像是所有建设中最大的建设。数据中心、芯片、推理需求都巨大。你认为这是泡沫吗？风险是建得太多，还是技术没有解决足够多问题，最后只是淹没在 token 里？
AI 基建泡沫被电力卡住
Pat Gelsinger： 这些公司的估值确实非常高。如果他们建太多、花太多钱、赚不够钱，资本市场就会失去耐心。但我认为有一个好消息能限制泡沫过度膨胀，那就是能源容量。全球能源容量每年增长 4%-5%，美国过去十多年只有 1%，那非常糟糕，但现在开始建设。没有电，就没人会买 GPU、建数据中心。所以能源给这场泡沫设置了上限，这让我放心。另一方面，一个 token 的增量价值是什么？如果 token 是智能的度量，那价值几乎是无限的。更多智能可以改善供应链、金融、物流和各种流程。尤其在发达国家劳动力短缺背景下，我对 token 经济能释放的价值非常乐观。我认为这会是几十年的建设周期，不是几年。
AI 成本要再降五个数量级
Pat Gelsinger： 我说过一个目标：必须让 AI 好 10000 倍。今天它太贵了。我们要把每 token 成本、每 token 能耗降低五个数量级，真正释放 Jevons' law（杰文斯定律），让 AI 以更经济的方式大规模扩散。
Jason Calacanis： 过去一年确实像 Jevons' paradox（杰文斯悖论）：token 变便宜，工具变好，大家开始整天用，直到账单来了才想 ROI。现在 Cerebras、Groq、d-Matrix 等公司都在做推理芯片。
Pat Gelsinger： 如果我们能把 token 经济性提升几个数量级，降低成本和能耗，未来几十年会非常好。人类历史上没有比现在更适合做技术人的时代。我们会解决化学、语言、发明新材料、新交互形式，攻克癌症，把人从贫困中拉出来。作为技术人，我们正坐在驾驶座上。
Jason Calacanis： 你现在也在投资。估值你怎么看？和互联网泡沫不同，现在 ElevenLabs、Lovable 已经有五六亿美元收入。
Pat Gelsinger： 是的，这些公司有真实收入、真实毛利。但倍数过高时会有修正。我认为周期性修正是好事，它能防止泡沫跑太远。我预测未来二十年会很好，但不会是平滑曲线。会有很多行业被冲击，也会有「SaaS apocalypse」这样的阶段性崩塌。每次修正都应该说谢谢，因为它让泡沫别失控。更有意思的是我说的计算三位一体：经典计算、AI 计算、量子计算。当这三者结合，事情才真正刺激。
Jason Calacanis： 量子计算 25 年来一直说还差 5 年。什么时候真正有用？
量子计算开始进入倒计时
Pat Gelsinger： 这个十年。到 2030 年前会有意义。
Jason Calacanis： 2030 年会有什么影响？
Pat Gelsinger： 你会开始计算今天无法计算的东西，比如化学、生物，也包括物流优化这类问题。到 2032、2033 年，也许会触及加密破解这样的 Q-day（量子日）影响。但这个十年，我们会在多个行业看到量子优越性结果。我们知道怎么做 qubit（量子比特），知道怎么做错误纠正，也有量子算法，剩下就是工程规模化。
Jason Calacanis： 谁会赢？
Pat Gelsinger： 我当然是 PsiQuantum 阵营的人，因为那是我们的投资组合公司。但你会看到四五六种量子路线都有不错结果：离子阱、光子、spin 等。路线不是问题，错误纠正也被证明了。我预测 2030 年前会有有意义结果。
Jason Calacanis： 这也就 40 个月左右。谢谢 Pat，分享这么多信息和经验。
Pat Gelsinger： 很高兴。
Lovable 想让人人会造软件
Jason Calacanis： Osika 是我最喜欢的创始人之一，他是 Lovable 的创始人。为什么我喜欢他？因为他做了一个让人上瘾的产品，尤其是让我的团队上瘾。我喜欢和你聊，因为你作为创始人有北极星，非常聚焦：让任何人都能构建优秀软件。这基本就是 Lovable 的使命。
Anton Osika： 我会说使命是 empowering humans（赋能人类）。第一道鸿沟是做出产品，第二道鸿沟是围绕产品建立业务。Lovable 正在做这两件事。第一件我们已经走得很远：平台上每周有 100 万个新项目被创建。第二件，我们大量投入，让人更容易经营业务，让别人关心、发现你做的东西。整个平台生态每个月有超过 7 亿次应用访问，到目前为止已经构建超过 5000 万个 app。
Jason Calacanis： Lovable 上线多久了？
Anton Osika： 20 个月。我们看到第一次创业的人，也看到企业领导者带着团队更快行动。平台对软件创建、软件运行、公司内不同应用长期连接都有很强观点。企业侧增长最快。
Jason Calacanis： 10 年前大家做 WYSIWYG、no-code、low-code，我孵化器里每 20 个公司就有人用这些工具做东西。但软件不好看、不好用、很慢，只是 promise 在那里。也许是 LLM 让真正好用的软件成为可能。你的客户是谁？开发者用 Lovable 吗，还是社会上另外 95% 的非开发者？
五分之四用户不是工程师
Anton Osika： 两类人都用。大约 20% 有技术背景或是工程师，他们喜欢我们很有主见：把最佳实践放进软件架构里，一句话就能安全地接支付，每次修改后跑安全扫描，后台监控项目。工程师喜欢这一点，也因为它把非技术同事连接起来。五分之四用户是非技术背景，他们常常先用 Lovable 发现到底该做什么。现在我们看到有人在平台上跑出年收入超过 100 万美元的业务。很多人在大公司里通过同事发现 Lovable，然后出去做 side hustle，有些副业做到几十万美元，最后变成创始人。
从原型到可部署产品
Jason Calacanis： 去年大家还会说 vibe coding 适合做 mockup、wireframe、原型。但现在这些概念都过时了，你可以一天两天直接做产品。人们没意识到的是，做出一个有 product-market fit 的产品后还有很多步骤：支付、安全、数据不丢不泄漏。这 12 个月变化非常大。
Anton Osika： 是的。很多工程师已经不看代码、不写代码了。这意味着你不需要成为工程师也能做软件。Lovable 为任何人，尤其是非技术用户，提供软件架构结构，确保你不会冲下悬崖。支付、邮件、被 AI 搜索和 Google 发现、数据安全、和其他工具安全连接，这些都由平台处理。我们从第一天起就很有主见，面向 99% 的人，这也是我们成功的原因。
4 小时做出 50 万美元软件
Jason Calacanis： 我内部给团队开放了所有工具。有人用 Lovable 做网站和 intranet，但没完全做成；有人用 Cursor、Claude Code 做东西，也没完成；还有人试过其他工具。后来 Founder University 团队想做 intranet，10 年前这会花 50 万美元，我绝不会批预算。但这次一个非工程员工没有请示，用 Lovable 花 4 到 8 小时就做完整个 intranet，还做了很多我没要求的功能。现在这个软件在驱动项目。后来我让她做 50 家公司的经济影响分析，她用 Lovable 又做出来了，包括员工人数、税收、房租、平均工资等。换成两年前，这大概也是 50 万美元的软件，现在一年成本不到 2000 美元。
Anton Osika： 对，商务版大概每月 50 美元，最低从 25 美元起。我们当时关心的是安全和数据是否泄漏，也和你的团队做了检查，现在是安全的。
Jason Calacanis： 我也找渗透测试的人比较各种工具。你们在安全和信任上有很多用户看不到的投入，免费用户也有后台安全扫描。一年前还只是 mockup，现在已经是功能完整、安全、可部署。明年会到哪里？
从软件工具到 AI 联合创始人
Anton Osika： 产品构建这道鸿沟，你们已经在平台上建了完整 intranet。之后我们有了新的产品线：hosting，包括 AI hosting 和普通 hosting。这条线增长比构建工具还快。我们和 AWS 等公司在底层合作，但更重要的是，Lovable 会成为一个 AI co-founder（AI 联合创始人）。如果你的 app、工具、数据都在平台上，你就可以和 Lovable 讨论业务。它能在你睡觉时为你工作，早上告诉你：有哪些战略方向、哪些优化能让业务更快增长、更好服务客户。你来构建软件，但留下来构建业务。
Jason Calacanis： 也就是运营你的业务。
Anton Osika： 对。我们一直在从所有错误里复利学习。Lovable 每犯一次错，都会进入一个有工程师参与的遗传式改进系统。这个复利智能，也能应用到客户在我们平台上经营业务。
Jason Calacanis： 软件会不会变成 100% 定制化？包括内部工具。我看 Slack 账单一年大概 1 万美元，不算贵，但我开始想，也许我应该 vibe code 一个自己的 Slack，让它和我们一切更深度集成。Salesforce、HubSpot、Slack、Google Suite、Microsoft Office 这些通用基础软件，会不会被定制软件替代？
定制软件开始吃掉内部 SaaS
Anton Osika： 我喜欢这个问题。讲个例子：Nursa 的一位员工 Nad 在平台上为护士教育做新产品线，构建了管理工具、排班、执照认证管理，并推向市场。后来他又把 Lovable 带进内部 back office，用定制应用替代了 10 多个工具，每年节省超过 100 万美元。定制化会增加，因为很多公司有现成工具无法完全满足的具体需求。但 Lovable 也会继续和这些工具互操作。你可以继续用 Salesforce、HubSpot、Google Suite、Microsoft、Slack 等底层工具，但在上面做定制界面，并清楚看到数据流向，避免错误授权和数据风险。
Jason Calacanis： 前沿模型有时是竞争者，有时也能驱动 Lovable。每隔 6 个月都有人宣布 Lovable 已死，但你们收入从 100 到 200 到 300，现在大概 4 亿？
Anton Osika： 5 月已经到 5 亿了。
Jason Calacanis： 也就是说你们又「死」出了 1 亿年收入。底层你们会用这些模型？
多模型路由与后训练护城河
Anton Osika： 我们一直做对客户最好的事。智能层面，我们使用多个模型。你问 Lovable 时，它会路由到最适合任务的模型，包括多个商业前沿模型，也越来越多地包括 open weight models（开放权重模型）。当请求路由到我们自己的模型时，这个模型会针对我们的 agent harness（智能体框架）变得更聪明，尤其是在该调用哪个工具、该创建哪个集成、如何引导用户业务成功这些错误上。
Jason Calacanis： 所以你们看好开源？
Anton Osika： 我们有多个合作伙伴，也投入很多和他们保持紧密。大模型实验室之外，我们也在 Stockholm 建立很强的研究团队做 post-training（后训练），用最好的实践扩大团队。我们认为欧洲生态也需要这种能力。
Jason Calacanis： 你们会用数据标注、训练公司来理解常见业务并建立专有数据吗？
Anton Osika： 我们看当前任何模型犯的错误，然后按对客户影响排序。对于前沿模型在我们场景里犯错的地方，我们创建数据集，或者做 reinforcement learning（强化学习）。平台每周有 100 万个新产品被创建，带来巨大的 token 分布和信号。我们也在每周修改 agent harness 和内部 skills——这些 skills 记住了软件工程师关于如何构建好软件的事实。
Jason Calacanis： 你们烧很多 token。有人说有些公司在 token dumping，用 50 美元卖 100 美元 token，变成亏钱 token 转售商。你们现在盈利或接近盈利？
Anton Osika： 我们一直监控毛利，但原则还是做对客户最好的事。通常这意味着更多智能。只要更便宜的模型对客户可测量地更差，我们就不会为了省钱用它。
Jason Calacanis： 50 美元套餐是无限的吗，还是有上限？
Anton Osika： 有上限，也有超额付费。客户确实会撞上上限，可以 top up。我们有多个订阅层级。
Jason Calacanis： 多少人会超额？
Anton Osika： 在最低订阅层，大概 60% 的客户会超额。
Jason Calacanis： 我越来越常听到用户愿意付 overage，因为价值太大。如果一年付 600 美元，哪怕用到 6000 美元，而它替代的是 50 万美元软件，没人会在意。
Anton Osika： 正是如此。现在一切都关于快速移动，更多 AI 通常能让你更快，所以这笔钱通常值得。
Jason Calacanis： 最后一个问题：我看到组织里多个人会同时解决同一个软件问题。比如 intranet，日本团队做了一个，美国团队做了一个。过去你绝不会这样做，传统开发只能有一条主线，最后变成 Frankenstein。现在这样做对吗？
软件开发进入并行实验时代
Anton Osika： 我非常喜欢快速实验。我曾在 CERN 工作，他们有一个 co-opetition（合作竞争）概念：两个相互隔离的团队在同一粒子加速器不同位置工作，直到发布才共享结果。这样不会陷入局部最优。自由市场因为竞争而有效，学术界也这么做。既然工程不再是瓶颈，更重要的问题是「什么才是对的东西」。如果你有足够多人尝试用不同方式解决同一个问题，这是好事。在 Lovable 上，你还可以让一个项目去看另一个项目，把其中三个你喜欢的东西带过来，甚至做 split test（拆分测试），看是否改善客户指标。
Jason Calacanis： 你看到有人用 Fable 做 Fortnite 吗？
Anton Osika： 我看过那些 3D 游戏。
Jason Calacanis： Anthropic 最新版本 Fable 你怎么看？更快、更好，还是一次巨大跃迁？
Anton Osika： 我看到的是，它第一次尝试就能创建非常复杂、看起来很好的东西。但继续演进时，人类仍然要思考，要和 agent 一起计划什么才是对的事。瓶颈更多在这里。更多智能对某些任务很棒，比如创建漂亮的 3D 游戏；但决定该构建什么、该跑什么实验、该如何推动业务结果，这些并没有像模型能力那样快速变化，仍取决于人类如何使用工具、接入正确数据并做出好决策。
Jason Calacanis： 我喜欢这个产品，更喜欢它带来的结果。对企业来说结果太惊人。所有听众都应该试 Lovable，不要等，直接用公司卡开始构建。恭喜你每 6 个月多 1 亿美元收入，别人就再次宣布 Lovable 已死，但你一直研究客户，一直活下来并增长。
Anton Osika： 谢谢 Jason，很高兴聊天。祝你在巴黎接下来玩得开心。
Jason Calacanis： 巴黎很棒，凡尔赛宫也很震撼。某天我们会用 Lovable 和 Optimus 机器人把它建出来。
Anton Osika： 我很期待。我 all in。
原始视频： https://www.youtube.com/watch?v=-ILKiOU5iAQ
发表于 昨天 04:54
|
查看: 9|
回复: 0
