20VC × Factory 创始人 Matan Grinberg：AI 宿醉期与即将到来的 ROI 清算

2026 年 6 月 13 日，Harry Stebbings 在 20VC 录了一期 1 小时 25 分的长访谈。视频标题写得很大——《OpenAI vs Anthropic vs Open-Source｜Token Maxing、AI 宿醉与即将到来的 ROI 清算》——但坐在对面的其实是一个人：Factory 的创始人兼 CEO Matan Grinberg。他不是科技圈出身，而是花了十二年想成为世界顶尖弦论物理学家的人，普林斯顿本科时就和大物理学家 Juan Maldacena 合写过论文，后来在伯克利读物理博士读到一半辍学。Harry 全程开玩笑说他长得像《心灵捕手》里的 Matt Damon。

这期值得整理，不是因为标题里那几个对立的公司名，而是因为 Grinberg 把当下所有混乱收束到了一条主线上：未来 24 个月，每一个 C-suite 都在反复算同一道题——token、美元、人，这三种资源该怎么分。 三阶段宿醉、开源模型的崛起、模型层和应用层互相绞杀、销售算不算脏活、博学者为什么回来了——所有话题都是这道分配题在不同切面上的投影。

原始视频：https://youtu.be/lgo_QbgV198

要点速览

一，每个 C-suite 未来两年的核心命题是资源分配，而且单位变了：过去比「这季度发了几个功能」，现在比「每一块钱、每一个 token、每一个人头，到底有没有把真正的业务指标往前推」。Grinberg 认为组织之所以臃肿，正是因为长期盯着中间指标而非结果。

二，AI 采用进入了「宿醉期」：第一阶段董事会逼问 CEO「我们的 AI 战略是什么」；第二阶段「不计代价上 AI」，用量被写进绩效考核（token maxing）；第三阶段就是宿醉——账单送来，没人说得清 ROI。他举的真实例子：某 CIO 发现公司每月花几十万美元，是员工在拿 Opus 4.8 问「今天天气怎样」「我今天吃的宏量营养素是多少」。

三，80%–90% 的任务用开源模型就能干，但命门在那 10%：真正需要前沿模型的是「规划」这一步，也就是做决策的 token。它占用量少、却最贵最关键——和人类组织里「领导花最少的工时、做最不可逆的决定、拿最高的薪水」一模一样。

四，token 支出占开发者薪资的比例会暴涨且极度分化：Marc Benioff 说 Salesforce 一年在 Anthropic 上花 3 亿美元，约等于开发者薪资的 3.8%；Grinberg 判断三年后中位数会「和薪资同量级」，但个体差异极大——有人 0%，有人几千%。

五，所有人都在试图把别人变成不值钱的零件：模型层、应用层、基建层互相商品化（他用「微软组织架构图里各部门拿枪互指」那张梗图形容）。他的结论很冷静——「价值归属是一个随时间变化的现象」，没有谁能在稳态里独吞所有价值，今年是这家有定价权，明年换一拨。

六，「说得出一家销售或市场烂的传奇公司吗？你说不出」：他最有争议的观点是反硅谷的——研究不是金字塔尖、销售市场不是脏活，产品是「从客户第一次听到你名字，到十年后第十次续约」的整条旅程。当下融资狂热让大家不重视销售，等「重力回来」，萎缩的肌肉会让你站不起来。

七，博学者的时代回来了，工程师将不再写软件而是造「造软件的工厂」：AI 把人快速带到任一学科的前沿，达·芬奇、牛顿那种跨领域全才重新可能。他要招的不是奥赛冠军，而是能端到端扛业务结果的人。Factory 之所以叫「工厂」，就是因为未来工程师造的是特斯拉式的产线，而不是亲手拧每一颗螺丝。

八，关于泡沫、监管和大佬动机的硬话：他不信长期有基建泡沫；Anthropic 和 OpenAI 二选一上市他选 Anthropic（理由只是 OpenAI 太乱）；并直言 Dario「我们要抢走你的工作」这句话「自私、不诚实、伤害了很多人」，本质是为募集天量资金服务——而 Zuckerberg、Demis Hassabis 从不这么说，因为他们从不缺钱。

【1】每个 CEO 未来 24 个月都在算同一道题：token、美元、人怎么分

访谈一开口谈的是宏观——AI 会不会把过去两百年 2% 的 GDP 增速顶上去。Grinberg 的回答是肯定的，但他立刻把镜头拉回到一个更具体的层面：公司本质上是「围绕解决问题来组织的」。当每个人都能用同样的人手解决更多问题，或用更少的人解决同样多问题，资源配置就必须重新调整，而这个调整需要时间渗透。

他不愿意附和「10 倍工程师」这种说法，觉得「10 倍」到底指什么并不清楚——如果指写代码的量，那现在谁都能写十亿行屎代码。他更愿意用「承重个体」（load-bearing individuals）来描述：把这个人抽走，整个组织会塌；而有些人抽走了什么都不会发生。AI 这件杠杆，会让本来就高杠杆的人变得更高杠杆，让不会用杠杆的人在对比之下更不值钱。

由此引出他认为接下来两年最重要的管理命题：资源分配，而且单位从「人头」扩展到「美元 + token + 人」三元。 给领导者的建议是先想清楚「我们的核心能力到底是什么」，再据此分配。一家物流公司的核心能力不是软件开发，哪怕它养了一堆工程师——那只是手段。过去工程师被「这季度发几个功能」这种中间指标考核，组织因此越来越臃肿；现在终于被逼回到真正的业务指标：客户满意度、收入、市场份额。

Kirkland & Ellis（全球营收最高的律所）宣布五年投 5 亿美元自建 AI，是他用来敲打「核心能力」的反面例子：自研 AI 技术显然不是一家律所的核心能力。他甚至觉得这对 Harvey（律所 AI 工具公司）反而是好事——没有什么比自己动手做一遍更能让你意识到「这玩意儿原来这么难，还是交给专家吧」。那些喊「看，我早说很简单」的人，恰恰被这 5 亿美元的承诺打脸：真简单的话，谁会押 5 亿。

【2】派对结束了：AI 采用的三阶段，现在卡在「宿醉」

这是全场最锋利的一段比喻。Grinberg 把企业采用 AI 分成三个阶段。第一阶段在几个月前：董事会冲 CEO 吼「你的 AI 战略是什么」，CEO 心里发慌「我哪知道」，于是层层下压「我们必须采用 AI」。第二阶段是「不计代价上 AI」——把 AI 使用量写进绩效考核（token maxing），逼所有人尽量多用。这个阶段来得比谁都预想的快，像一场通宵狂欢：喝酒、嗨到天亮、把所有 AI 都用上。

第三阶段就是宿醉：第二天去看账单，「我的天，我们花了这么多，我完全不知道 ROI 在哪，这到底对业务有没有帮助？」很多公司现在就卡在这儿。他讲了一个真实的 CIO 故事：对方发现公司每月在「员工拿 Opus 4.8 闲聊」上花掉几十万美元——问「今天怎么样」「我今天吃的宏量营养素是多少」「天气如何」。「我们不需要用人类智能的前沿去干这些事，何况有些根本和工作无关。」

这正是他认为「路由」（routing，按任务把请求分给最合适的模型）如此重要的原因。被问到会不会因此出现前沿模型用量的收缩，他说短期可能会有，但这是健康的——比起蒙着眼睛冲到某天突然失血要好得多。Uber 前一晚刚宣布给每人每月 1,500 美元的 AI 预算上限，他说这种「先放开、用量飙升、再惊慌设限」的剧情，他在自己几十家客户那里私下见过无数遍。

【3】80% 的活开源模型就能干，但你不敢承认那 10% 才是命门

Harry 抛出一个尖锐的反问：如果 80%–90% 的任务都能用开源模型完成，那这不就是对「写代码」这件事最大的看空理由吗——等于把 80%–90% 的价值抽走了。

Grinberg 的回答把问题翻了个面：那 10%–20% 恰恰可能是最重要的 token，因为它们是决策 token。需要前沿模型的通常是「规划」环节。他用人类组织类比：如果你统计一家公司所有的人类工时，绝大多数工时花在收集数据和执行上，只有极少数小时是「在这里我们要做一个不可逆的战略决定」——而做这些决定的人，往往拿最高的薪水。所以前沿模型越来越贵、越来越往「超高推理」走是合理的：关键的规划步骤值得砸钱，但这并不意味着你大部分 token 都该流向它。规划做完、有了计划，落地实现交给开源模型通常就够好了。

他对开源（尤其中国开源）的态度很正面，称之为「重要的制衡」——它让企业能在「成本 / 质量 / 速度」这个三角里自由取舍，而好的资源分配恰恰要求你能站在三角的任意位置。他纠正了 Nebius 创始人「每隔几周出新模型」的说法：「你错了，是每隔几天，尤其看中国开源，一周三四个。」最终他预测模型发布会从「事件」变成「连续过程」——就像当年 GPT-2、3、3.5、4、4.1，越往后小数点越细，到某个时刻干脆不再发版本号，只剩一个「持续在变好的模型」。工程师已经有疲劳了，根本追不动每周的新模型——这也正是应用层（无论是 Factory 还是 Harvey）存在的理由：替你判断什么任务该用什么模型。

【4】所有人都在试图把对方变成「不值钱的零件」

被问到「什么信念会推翻你的判断」，他给出 Factory 的看空情形：如果某一家模型提供商显著强于所有其他家。Factory 的根基假设是所有模型大致旗鼓相当——这家擅长 review、那家擅长测试、另一家 Python 更强，每周都在波动，连专业人士都记不住此刻谁第一。一旦某家遥遥领先，企业可能直接 all-in 它，那对整个经济反而是该警惕的垄断。

他用「微软组织架构图各部门拿枪互指」的梗图，描述模型层、应用层、基建层此刻的真实关系：每个人都在试图把不是自己的那一层商品化。 Factory 自己是 model-agnostic（不绑定模型），所以乐于让 OpenAI、Anthropic、Google、微软互相施压、卷价格卷速度；模型公司则希望应用都变得「随手可造」，让产品的本体就是模型本身。但他强调一句很冷静的话：「价值归属是一个随时间变化的现象。」 没有哪个人在稳态里拿走全部价值——今年是这家有定价权，下一段时间换一拨人。「也许我说出了大家心照不宣的那部分：每个人都在试图把别人变成不值钱的零件。」

他也借此谈了应用层为何不会被模型公司轻易杀死：企业要安全、要可靠、要省事，但「省事」只在「世界上只有一个模型」时成立——当每周一个新模型、每次进企业都要走完整的合规流程，所谓的省事就不存在了。何况成本一旦失控、又拿不出 ROI，绑定单一前沿模型就更不划算。这把话题自然带回了他反复强调的命题：你要有能力在「成本 / 质量 / 速度」之间为每个任务做选择，而这正需要一个独立于模型的应用层。

【5】「说得出一家销售烂的伟大公司吗？你说不出」

这是他自认为在所处赛道里最有争议的观点。硅谷有个常见的幻觉式鄙视链：研究是金字塔尖，工程师负责实现「虽然差点意思但也还行」，而销售、市场是「脏活」——「要是产品够好，它就该自己卖出去，我们就不用碰销售市场这些脏东西了」。他说这完全是妄想。

在 Factory，产品 = 从客户第一次听到你名字，到十年后第十次续约的整条旅程。 软件是其中很大一块，但市场投放、销售流程、解决方案工程同样是产品。工程师和销售挨着坐，没有「工程师角落 / 销售角落」；销售签下单子，工程师说「我们签了一单」；工程师上线功能，销售说「我们上线了功能」。整支队伍是一体的，没有一等公民和二等公民。他说这在湾区、在 coding/AI 圈「极其有争议，而且很离谱」。

他给出最锋利的那个比喻：当下没有重力——融资狂热里，模型公司排队求着把 token 卖给你，销售像在太空里漂浮，肌肉不用就会萎缩;等重力回来（gravity will come back），不重视销售市场的公司会发现自己所有肌肉都萎缩了，站都站不起来，根本没法竞争。 然后是那句金句：「说得出一家销售或市场烂的传奇公司吗？你说不出。」Harry 反将一军——「但我能说出一堆产品烂、销售市场极强的公司」，两人会心一笑没点名。

这也改变了「什么是好工程师」的定义。当工程师从「亲手做」变成「给一群智能体（droids）当提示者和管理者」，最好的工程师恰恰是那些不把销售市场当脏活、能端到端扛业务结果的人——一个延伸到销售、市场、客户赋能的「全栈」工程师。而硅谷过去最爱炫耀的那些东西（竞赛、奥赛、谁打字最快、谁背下最多语法细节）反而变得不重要。他不反对奥赛是「好指标」（拐杖、好信号，毕竟笨人赢不了竞赛），但在他眼里，真正的正信号是「你建过什么、你怎么端到端地拿下一件事的所有权」。

【6】博学者回来了：工程师不再写软件，而是造「造软件的工厂」

Grinberg 从小痴迷数学和物理，曾经嫉妒达·芬奇、欧拉、牛顿能当博学者——「因为他们那个年代各学科还很浅，一生之内能抵达多个学科的前沿」。而他成长的 2000、2010 年代，理论物理、弦论已经深到「你得花整整 50 年补完前人的文献，才有资格贡献一点新东西」，这让他极度抓狂。

AI 把这件事彻底反转：这些工具能极快地把你带到任一领域的前沿——你不会有别人那样的深度，但抵达前沿的速度前所未有。于是只要你擅长在约束中思考、擅长系统性思维、能在脑子里容纳不确定性并依然往前推，你就能同时在「开发者营销怎么做」「软件开发智能体的 token 缓存怎么优化」「怎么当一个出色的解决方案工程师」这些不相干的前沿上同时推进。博学者的时代回来了。 他在招聘里就是要找这种能当博学者的人。

由此延伸出一个他认为会越来越普遍的新角色：GM（总经理）式的前工程师——端到端拥有的不是「上线的功能」，而是「业务结果」。在 Factory 已经有人同时扛营销文案、产品指标、销售赋能。这远超传统工程师的边界，更像一个高能动性、更有创业气质的角色。他给学生的建议也是同一句：无论做什么都要全栈——做营销就从写文案、确保可发布、挑对时间发、再放大传播，全程参与，而不是「我只写文案，然后甩给设计、再甩给社媒团队」。

最后落到 Factory 这个名字的由来：未来的软件组织不再养「写软件的工程师」，而是养「造工厂的工程师」——这些工厂再去造软件。他每次都想到特斯拉的工厂：机械臂挥舞、流水线穿行，里头未必有很多人，但你清楚地知道，是人类设计了整套流程去最大化产量。新世界里，人类工程师不再亲手写大部分代码，而是负责「别让它只是技术上跑通、却堆出一座债务山」——他们搭的是这座软件工厂的脚手架。被问到「从在工厂里干活变成在工厂之上干活，会不会担心劳动力被取代」，他的回答是：短期会，长期不会。短期是对系统的冲击——成千上万人正在被激进裁员，这确实让他担忧；但长期看，世界上有海量本可以用软件解决、却还没被解决的问题（他点名痴呆症、制药研究），把工程人才重新分配到这些问题上是净的好事。他对「暂停 AI 发展」的论调相当不客气，认为那等于对痴呆症患者家属说「抱歉，你们再多忍受一阵这段关系吧，我们怕 AI」，既自私又有害。

【7】从弦论到辍学：一场三小时的散步和一张「五个点」的支票

这是全场最个人、也最好看的一段。Grinberg 12 岁起痴迷物理，起点很荒诞——他是个差生，几何老师让他高中重修几何，「你觉得我需要重修几何？我证明给你看」，于是他在亚马逊下的人生第一单是代数二、三角、微积分一二三、微分方程、线性代数的教材，一个暑假自学完、用考试跳过所有课。他问爸爸「最难的数学是什么」，爸爸说弦论（严格说是物理不是数学），他就认定「那我要当弦论物理学家」，此后十二年只在乎数学和物理。普林斯顿读本科，为了能和著名物理学家 Juan Maldacena 合作（他是第一个和 Maldacena 合写论文的本科生），再到伯克利读博。

崩塌发生在伯克利：他突然意识到「我一直做这个，只是因为它难、只是因为有人说我做不到」，加上要给一群不在乎物理的 18 岁本科生讲课、教学评分只有 1/5，陷入存在主义危机。物理人的常规出路是量化金融，他面试了、几乎去纽约了，最后一秒被导师劝住「留在伯克利探索一下」。于是他第一次上了 CS 课，发现自己比 CS 学生还强（这让好胜的他很满足），直到上了一门当时叫「程序合成」（program synthesis，今天叫代码生成）的研讨课，被彻底「nerd-snipe」——「机器学习用在视频、音频、图像上我没感觉，但代码以创造自身为目的，这件事太根本了」。他意识到真正解决它要在工业界、要开公司，可他对创业一无所知，于是干了最朴素的事：在亚马逊下单 Peter Thiel 的《从 0 到 1》，上 YouTube 看「怎么开公司」。

转折点是他在一个斯坦福 VC 俱乐部播客里，认出一个名字——他在普林斯顿和 Maldacena 合写论文时引用过此人的论文。这位也是理论物理出身、卖掉一家公司套现十亿美元、如今是 Sequoia 的投资人，而且「在视频里看起来还挺正常、能保持眼神接触」（对理论物理学家而言这是极低的门槛）。他写了封邮件「嘿我也曾是物理学家，和 Juan 合过论文」，当天就收到回复、被请到 Sand Hill。原定 30 分钟的会变成了一场三小时的散步——两人对物理着迷的理由、离开物理的理由都惊人地相似。散步结束，对方说「你必须从博士退学，要么现在去 Twitter（马斯克刚接手、硬核，对简历好），要么开公司」。

他没在那场散步里推销自己的 demo（「不想用 pitch 弄脏这场对话」）。但第二天他去旧金山一个 hackathon，撞见一个同样来自普林斯顿、对这个问题同样着迷的人——后来的联合创始人 Eno Reyes，他形容那是「智识上的一见钟情」。两人接下来 72 小时做出一个更好的 demo，他打电话给那位投资人展示，对方却说「呃，还行吧」。他炸了「你他妈在开玩笑吗，这要改变世界」，对方只回「那你愿意全职做吗——愿意的话，退学，给我发张截图」。要知道他父母是从苏联移民到美国、几乎一无所有，他读博是父母最大的骄傲。但势头太猛，他还是退了学、发了截图，对方说「好，明天早上你要向 Sequoia 合伙人会议做汇报，准备好」。

他从没向风投合伙人会议汇报过，做了个「烂 deck」，甚至不知道对方是谁（Alfred、Pat、Roelof 都在场提问，他事后才知道这些人是谁），全程大概显得无比傲慢「这个我们轻松搞定、那个我们也能做」。第二天对方（Sean）打来电话「我们想给你开张支票」——100 万美元。Harry 替听众算账：那是 2023 年 4 月、远在大家谈智能体之前、连 Copilot 都没多少人用的时候，他们就在讲「全自动软件开发智能体」。Harry 拿支票条款打趣他「20% post（投后占 20%）」，按 Factory 最近一轮估值大约是 3 亿美元的仓位、还没算稀释。很多人劝他「拿着这个去 Sequoia 的名头到处比价，能拿更好条款」，但他拒绝了：「除了他没人会信我，我从没打过一天工，别的合伙人不会这么做。」对他而言，信任、忠诚、在不被看好时仍有人深信你，比价签上的数字重要得多。他还顺带谈了被「热门公司」追捧时投资人多擅长让你飘飘然（点名见过一位「老派」投资人,30 分钟后药效退去才反应过来「他得手了」），以及真正重要的是公司不热时、艰难时谁还在你身边。

【8】快问快答：Dario 那句「我们要抢你饭碗」为什么让他火大

最后是一连串快问快答，密度很高，挑几条最有信息量的：

• 关于 Ivanka Trump 作为投资人/ambassador：他正面回应「名人是不是只挂个名」的质疑，说她是他见过最善良也最聪明的人之一、人脉极广、愿意干别的投资人不愿干的「脏活」式帮助，真实地为公司创造了价值（牵线人是他招进来的 Franchesca，两人在一个会议上挨着 Chainsmokers 的 Alex Pall 认识——他强调 Chainsmokers 其实是很好的投资人）。他顺势反驳「永远别见你的偶像，他们总让你失望」这句话是「彻头彻尾的胡扯」，举见到 Sequoia 传奇 Doug Leone 完全没失望为例。

• FTE（驻场人力）模式：能不能在没有 FTE 模式的情况下卖给大企业？「能，有个好产品就行。」他对一味堆 FTE 嗤之以鼻：FTE 的目标应该是「加速」客户消费（本来 6 个月做到 100 万，派人去 3 个月做到就值），「如果你需要靠 FTE 才能让产品跑起来，那你他妈就是产品烂——我们不是 Accenture、不是 Infosys、不是服务公司」。

• grind slop（用堆工时刷存在感）：他最反感的就是中间指标，「grind slop 来自中间指标」。比喻一针见血：用谁出汗最多来判断谁赢了篮球赛——你可以汗如雨下，但看记分牌啊。 他要的是得分手，不在乎你出多少汗。延伸到作息：需要强制疯狂工时、需要在办公室摆张床，本身就说明你招聘没做好——「去附近租个舒服的公寓、睡足 8 小时；如果你这种关键成员靠睡 2 小时就能干完活，那说明你干的不是高杠杆的工作」。他主张把团队当海豹突击队 / NBA 全明星 / 职业运动员来对待（监控饮食、按摩恢复、冰浴），看似被宠，实则是一种负担式的专业要求，分赛季内外（in-season 锁死、out-of-season 去海滩喝莫吉托）。

• Anthropic 还是 OpenAI（只能 IPO 日投一家）：他认为两家从业务上「大致等价」，唯一影响期望值的是波动性——过去 OpenAI 发生了更多混乱、动荡的事件，所以他选 Anthropic。

• Dario「我们要抢走你的工作」：这条让他真的火大。他认为这句话不仅不诚实、是错的，还严重伤害了开发者和普通人的心理，给「该放慢 AI」的论调添柴。他直指动机：当你想募集前所未有的天量资金（几千亿美元），最好的说辞就是「资本主义会消失、只剩我一家，所以你最好把钱给我」；可等到 IPO、需要那些「你声称要取代的人」把钱投进来时，又突然改口「人类其实很重要、还会有工作的、我们喜欢你们」。他和 Harry 一致点出：从没说过这种话的，恰恰是从不缺钱的人——Zuckerberg、Demis Hassabis 在劳动力替代和就业问题上，立场一向和 Sam、Dario 不同。「所有关于 AI 和智能的高谈阔论，最后驱动结果的还是激励，而激励就是‘我想募一大笔钱’。」

• 最拥抱 AI 的传统公司：出人意料是会计师事务所 EY——是 Factory 最大的客户之一，「agent-native 得离谱」。原因是他们吃过云时代「上车太晚」的亏，有一批好的工程领导铁了心「哪怕吓人、哪怕有人不爽，我们也要把整个组织变成 agent-native」，而且动手很早，比一些初创公司还 agent-native。

• 过去 12 个月改变最大的看法：他曾短暂以为最终会只有一两家公司独占前沿，现在他相当确信至少会有四家旗鼓相当——「这是人类之福，最坏的情形恰恰是只有一家特别强」。这是他自认的 hot take，因为眼下大众还沉醉于一两家。

代表性短摘与中文转述

一，"The world going forward, there is going to be nothing that no one can build."：他判断未来软件的护城河变了——过去是「我会做、你不会，所以你得付钱给我」；今后理论上任何软件人人都能造，问题从「能不能造」变成「值不值得你亲自造，还是外包给已经造好的人」。

二，"value accrual is a time-dependent phenomenon"：模型层、应用层、基建层互相商品化，但没有谁在稳态独吞价值，定价权按时间段在各层之间转移。这是他化解「谁会吃掉谁」焦虑的核心框架。

三，"phase two was the debauchery... phase three is the hangover."：把企业 AI 采用比作通宵狂欢后的宿醉——第二阶段不计代价 token maxing，第三阶段对着账单发现没人说得清 ROI。

四，"Name a legendary company that has a shit sales or marketing team. You can't."：他反硅谷鄙视链的最强一击，配合「重力回来、萎缩的肌肉让你站不起来」的太空比喻。

五，"if you need FTEs to make the product work, you have a shit product."：驳斥靠堆驻场人力硬凑交付——FTE 只该用来加速消费，而不是替产品补窟窿。

六，"the bad case for humanity is when there's one that's really, really good."：他过去 12 个月改变最大的判断——至少四家前沿实验室会差不多好，而这正是人类之福，垄断才是最坏情形。

注

• Matan Grinberg / Factory：Factory 成立于 2023 年，做面向软件开发全生命周期的智能体舰队，产品称为「Droids」（代码评审、测试、PR、写码等各司其职）。据公开报道，Factory 早期拿了 Sequoia 领投的约 1500 万美元，后续融资估值持续抬升（节目里 Harry 用「约 3 亿美元仓位」来反推早期 20% 投后占比对应的当前估值）。本视频为自动字幕整理，公司估值数字以官方披露为准。
• Shaun Maguire（节目中称 "Sean"）：Sequoia 合伙人，与 Grinberg 同属高能物理理论的小众子领域出身，曾创办并卖掉网络安全公司 Expanse（被 Palo Alto Networks 收购，量级约十亿美元），与「物理学家转 VC、卖掉公司套现十亿」的描述吻合。
• Eno Reyes：Factory 联合创始人，普林斯顿校友，加入 Factory 前在 Hugging Face 做机器学习工程。
• Juan Maldacena：著名理论物理学家（AdS/CFT 对偶提出者），现于普林斯顿高等研究院。Grinberg 本科时与其合写论文。
• Kirkland & Ellis 5 亿美元自建 AI：经核验属实——2026 年 5 月新闻，该律所计划五年投入 5 亿美元自研 AI 平台，仅 2026 年就将投入超 1 亿美元，团队约 180 名技术人员，并从约 250 名律师（含 100 名合伙人）处萃取工作流。节目中「自建自己的 Harvey 或 Lora」即「自建 vs 采购」之争。
• Marc Benioff / 3 亿美元：指 Salesforce 在 Anthropic 上的年支出，Grinberg 用它换算成「约开发者薪资的 3.8%」来追问三年后这一比例会涨到多少。
• Opus 4.8：Anthropic 当时的前沿模型；他用「员工拿前沿模型闲聊天气」讽刺前沿算力的浪费。
• Uber 每人每月 1,500 美元 AI 预算：节目录制前一晚的新闻，作为「宿醉期设限」的公开案例。
• EY 是最大客户之一：为嘉宾单方陈述，未独立核验具体合同规模。
• 数字与倍数：3.8%、80%–90%、10%–20%、四家实验室等均为嘉宾口径的判断或估计，非可独立验证的统计；中国开源「一周三四个模型」「40/100 数据中心审批后未建成」等亦为节目内说法。

最后

这期最值得记的，不是任何一条预测，而是 Grinberg 把一切都还原成「资源分配」这个动作的能力——这是他物理学训练留下的真正痕迹：不关心 n=3 的特例，只问 n 维的一般解。token、美元、人三元分配，是他给这场混乱找到的那个「一般解」。它足够锋利，能解释宿醉期、能解释模型路由、能解释为什么 80% 的活该交给开源——但也正因为太锋利，需要警惕它被当成万能解。

第一处张力在他自己身上。他一边说 Factory 的护城河假设是「所有模型旗鼓相当」，一边又承认「如果某家遥遥领先，我们就完了」。也就是说，Factory 这门生意本质上是在做空「单一前沿模型胜出」——而过去三年 AI 的历史，恰恰是前沿不断被一两家短暂拉开又被追上的反复横跳。他赌的是「至少四家差不多好」会成为长期稳态，这是一个相当强的假设，而他把整个公司压在了上面。听众该追踪的信号很明确：未来 12 个月，前沿模型的领先差距是收敛还是扩大——这一个变量，几乎决定了 model-agnostic 应用层的生死。

第二处张力在他对大佬动机的批判里。他痛斥 Dario「抢饭碗」叙事是「为募资服务的自私话术」，这个判断很可能对；但他自己同样是一个在募资、在招人、在塑造叙事的创始人——「博学者回归」「海豹突击队」「EY 比初创还 agent-native」这些金句，同样是会让 LP 和候选人热血上头的叙事产品。他批判 Dario 用恐惧募资，自己则用「英雄主义 + 历史浪漫」招人；他敏锐地指出「最后驱动结果的是激励」，却没有把这把解剖刀对准自己的激励。这不是说他在撒谎——他大概率是真信的——而是提醒听的人：在场每个人的话，都该乘上一个「他想从你这里得到什么」的系数。 他自己亲口给了这把尺子（「每个人都在试图把别人变成不值钱的零件」），那就也用它来量他。

第三处，是那个被轻轻带过、却最沉的判断：短期劳动力替代「确实让我担忧」，成千上万人正在被激进裁员。他用「长期是净好事、世界上还有海量问题待解」迅速翻篇，逻辑没错，但「中间期」具体有多长、那些被裁的人怎么熬过这段错配，他没有答案，也没假装有。这恰恰是整期最诚实的地方——一个把一切都还原成资源分配的人，在「人」这个变量上，第一次没有给出干净的解。