活在未来：一年花 10 万美元买 token，你现在就能过上 2028 年的日子

• 嘉宾：Garry Tan（Y Combinator，「进 YC 是成为亿万富翁最靠谱的路」）、Daniel Francis（Abel Police，最早把执法记录仪画面转成警情报告，现做合规 AI 聊天/翻译/市民报案）、Farbood Nivi（A-LIST 健康 super app）。Naval 的老规矩：不关心他们在做什么产品，只关心他们在做的过程中学到了什么、还在琢磨什么。 → 详细
• Naval：「我有点不想聊 AI，因为它是最容易过期的东西——播客上线时可能就过时了；但它也最有意思，因为它是环境里变化最快、影响又最大的东西，学习曲线最陡。」 → 详细

• Garry Tan 的现身说法：连着四个月每晚睡 3 小时，从完全不会写代码变成教别人写、做出一个进前 100 的 vibe coding（氛围编程）开源包 GStack；24 小时内从「Claude Code 教」转投「OpenClaw 教」。他发现最疯狂的道理：一年在 token 上花 10 万美元，就能过上「2028 年普通人」的生活——因为 token 成本会降、算力会疯涨。 → 详细
• 关键数字：从现在到三年后，推理量约涨 9 万倍（≈ 五个数量级，24–36 个月内），已锁死在正在建的芯片和数据中心里。Naval/嘉宾：「很多人说 NVIDIA 估值太高，万一它其实被低估了好几个数量级呢？」——因为每上一个数量级，就有新的能力涌现，变的不只是用量。 → 详细
• Garry 自陈错过 2020–2022 那波：「我一辈子听人讲 AI，就默认它像可控核聚变、永远不会来；结果它来了，而且特别快；一开始听着像在给自己盘子唱多，但到目前为止他们都说对了。」 → 详细

• 两年前你还能说「AI 什么都做到中等、成不了任何专家」；现在它什么都能到专家水平，未知的是能不能走完「最后一英里的创造力」——跳出系统造新东西，而非重组训练集。AI 在那道数学难题（Erdős 问题）上的原创进展让数学专业出身的嘉宾「几乎有点发毛」。 → 详细
• 最大的问题：会不会走到「一台机器严格优于机器+人」，人在回路（human in the loop）不再加任何价值？类比象棋——曾经「电脑+人」的半人马组合能赢纯电脑，但最终纯电脑单打赢过了半人马。 → 详细
• 一个务实的反问：「如果你思考的时间有限，你真想花在感慨『有台机器比人强了』上吗？不如把你身上人的那部分，用到你还没想过的事情上。」 → 详细

• 一个黑色玩笑：实验室内行都在说「将来没有留给人类做的事了——你的 harness 不重要，一年内 AI 会按需自己拉起 harness，你连使用者都不是，它直接跟别的 AI 对话」。Naval 的段子：「我想把所有聪明朋友塞进 Anthropic，这样至少能靠他们挤进 Anthropic 的二级救济面包队；我现在稳在三级。」最后只剩两种工作——「Anthropic 员工，和服务 Anthropic 员工的性工作者」。 → 详细
• 一句值得记的框架：「你不是一个人活着，你活在一个叫『人类』的、轰隆隆奔跑的兽群里；如果它因愤怒朝悬崖冲，你会被裹挟着一起冲，当不了那头独自淡定坐在边上的野牛。」 → 详细

• 「这项技术是个精灵（genie），拦不住。」历史上砸纺织机、拒发专利短暂拖慢过革命，但没能真正阻止。100 年前美国 50% 劳动力在农场，如今 2%，并没有 48% 的失业率、而且大家都有饭吃。 → 详细
• 真正的问题是转变的速度（一个「导数」问题）：农业那波花了 60–70 年，这一波会快得多。配一句 Graeber《狗屁工作》：真正在干活的人本就很少，很多是「造出来给人干的活」；「我反而因为 AI 干得更多了——六个 Codex agent 一直在跑、这辈子从没这么拼。」 → 详细

• 若 AI 是「新曼哈顿计划/新核武器」，私营公司独控就说不通；Sam Altman 已说 Codex 5.6 先小范围发给美国政府批准的伙伴（「他在配合，怕像 Anthropic 那样被关停」）。一小撮人控制 AI，比人人都有更可怕；但人人都有也吓人（生物武器打印，虽然实验室管得死）。 → 详细
• COVID 起源插曲 + 博弈论：Naval 的推特段子「由 NIH 在北卡设计，中国组装」；但他强调「问题本来就已经存在，AI 和技术进步才是解药」——「当同归于尽的能力落到每个人手里，博弈论就非常糟。」 → 详细

• 核心争论：「如果是 AI 写的，就该由 AI 来读」——用 AI 写一段本要给人看的东西，是在浪费读者时间、是「低段位信号」；最后变成「你的 AI 读我的 AI，两个真人都不在场」。反驳方（Daniel/Abel）：「这前提是假设 AI 写不好；只要你搭一套 eval harness（评测框架）+ 足够大的语料库 + 跨模态 eval，就能把 skill 文件优化到难以分辨——而且这还没算下一代模型（Fable 7、8）。我保证不到九个月，整个 AI 写作之争就烟消云散。」 → 详细
• 「好写作靠新意（novelty）——出人意料、任何靠回归猜下一个 token 的东西都做不出；但拿 AI 当编辑碰想法，它几乎每次都能蹦一句好措辞（从互联网别处学的，互联网太大了）。」一位嘉宾自建了「Gbrain」检索系统：装进他说过的每句话/所有邮件/Slack/短信、约 40 万个 markdown 文件，做了个「LSD mode（lateral stochastic drift，横向随机漂移）」让不同向量空间对撞、重排出爆款点子——「这是在以离谱的规模挖掘想法。」 → 详细
• 一条可迁移的方法论（Paul Buchheit）：「要预测未来，就活在未来里、然后倒推回来（work backwards）；每个人都该把 AI 用到极致，否则你根本感觉不到它往哪走。」Naval 自己的分工：给人看的东西亲手写、反复琢磨、把洞见金块递给读者；只用 AI 头脑风暴（要同义词、相关想法、拉沾边信息）和写代码（代码本就是给机器看的）。 → 详细
• Claude Code 是拐点：AI 有过几次引爆点（扩散模型进图像 → InstructGPT/ChatGPT → 推理模型 o1/o3），但「Claude Code（2025 年 12 月）是一次巨大的解锁，一下子解锁一系列实用场景；而现在已经是它最差的时候了（往后只会更好）」。 → 详细

• 最反直觉、也最该记的一条：「智能在边际上不重要，成本才是瓶颈。」举例——一件 AI 能做对的事，A 模型正确率 99.9%、B 模型 90%；让它们递归循环跑 100 次，90% 的那个最后正确次数低得可怜，而 99.9% 的会掉到 80–90%。差别在于错误会复利叠加（compound）：99.9% 对 90% 是「错误率低 100 倍」。 → 详细
• 推论：涉及判断的高杠杆事情上，愿意为更高智能付费（宁可多对少错）；但做高度重复的任务时，成本敏感、未必要顶配智能。 → 详细

• 一位嘉宾（Abel/Daniel）在做实际干活的 agent 舰队：给每个用户拉起一个 OpenClaw，搭了「eval harness + 弹性伸缩的 agentic fleet（智能体集群）」，把每人每月 100 美元（配 Opus）的成本，三四个月打到 2.84 美元。 → 详细
• truth.ai 的设想：拿最新最强的开源模型，塞进一套好 harness、配齐工具、做成可下载桌面 App，然后越狱——「每次它为蠢事跟你唱反调、指点你的语气、说『我不想帮你查那个』，统统剥掉，只讲真话」。动机：问种族/性别/移民/心理健康/看病/法律建议时，前沿模型常悄悄把你挡在想知道的东西之外（「连 Grok 现在都有点被阉割了」）。 → 详细

• 开源好得惊人且便宜（GLM 5.2、Minimax，成本只有 1/5 到 1/10），差距从 12 个月缩到 9、6，有人说 3 个月甚至几周；「很多用例你几乎分不出 Fable 和 Minimax」。 → 详细
• 一旦开源领先就难被夺回（像 Linux）：生态会围着它长起来，尤其企业场景插满接口。 → 详细

• Naval 摆了几套「中国开源为何强」的理论：① 预训练不受版权法约束，能爬 YouTube/Reddit 一切数据；② 蒸馏美国模型（大规模查询再拿数据训自己——「我是中国也会这么干」；讽刺的是 Anthropic 自己也爬/蒸馏了整个开放网络）；③ 有真算法突破（DeepSeek R1，「做系统的人非常聪明」）；④ AI 领域大多数数学家/研究员是中国人——「AI 之争是我们的中国人 vs 他们的中国人」；⑤ AI 公司安全等级低、权重会泄露，拿到权重的人会用来高速蒸馏。 → 详细
• 一个「不需要阴谋论」的最大理由：中国在软件上一直落后，而软件领先能抽走所有利润（有网络效应+锁定，Patrick Collison：软件是能把你锁死的艺术）；所以中国乐见软件被商品化——它在硬件上赢（深圳一小块地方 3000 家制造商做一根线缆，未来十年硬件没人打得过中国）。于是中国政府近乎公私合营地补贴各实验室：「你不用赚钱、做老二老三都行，只要开源，让别人学、我们追上。」 → 详细
• 政策提议（Naval）：「在开放网络/开放数据上训练的模型，X 个月（如 12 个月）后必须开源——尤其 OpenAI（要不就名副其实做『Open AI』），还有 Dario：你满口末日论又在造上帝，别打算把上帝拴自己手里、当那个替所有人永远解释《圣经》的牧师。」 → 详细

• 两年前 AI 竞赛有「五个王」（Google、Elon、Meta 也算），现在只剩两个王：OpenAI + Anthropic。为什么？「它们是唯二直接靠模型赚钱的（不靠别的业务交叉补贴、不烧光现金、把现金再投回去），且有活跃用户群——现在很多进步靠强化学习，用户给了改进模型的引导和轨迹，于是越拉越远。」Elon 靠 SpaceX 上市的战争储备金也许还能再咬一口，「别跟 Elon 对着干」。 → 详细
• Google「掉队了，挺可惜」：Gemini 3.1 Pro 就是它的天花板、连基本 app 都没搞利索（付费升级像噩梦、iOS app 切后台就断连）；「早该用 Google AI 取代 Google 搜索」。有个替代设想：Google 手握所有会议转录+邮件，本可给每个员工建 markdown 文件、算出一个分数——「但那得靠 Larry 和 Sergey 亲自走进去，拿着 OpenClaw 和实弹」。「他们得干掉 5000 个 Google PM（产品经理）——整个公司都是 PM 糊出来的烂活（PM slop）。」 → 详细
• ASML/中国硬件旁注：一台 ASML 光刻机（全世界仅 184 台）据传流入中国；华为在攻 7nm/5nm、建晶圆厂——「14 亿人、一大批 STEM 博士、能集中调配资本，他们不傻。」美国的领先只是「一层很薄的东西」：从全球吸走最聪明的人、疯狂激励他们竞争、坐收其成（回报又不成比例地集中在硅谷/加州）。 → 详细

• 「你干嘛不直接把 prompt 发我？我转给我的 AI 就行。」Garry：「我让 Codex 整理一个 markdown 文件发给开发者，他们喂给自己的 Claude Code 去执行——让你的 agent 跟我的 agent 谈；我上 Zoom 聊 10 分钟发现不合适，按个按钮 agent 接管、『Agent Naval』继续聊，我去搞下一个。」 → 详细
• 一个深刻旁注：训练数据是人能读写的自然/编程语言，但将来 AI 会发展出自己的语言、用高速二进制协议交流（近乎讲编译后的代码）；「只有人类要求可读性，而 AI 系统之所以远胜人类手写的专家系统，恰恰因为它们不必可读——能找到我们说不清的相关性。」机制可解释性（mechanistic interpretability）这个领域进展仍很小。 → 详细

• 「我对 AI 满心欢喜（jubilant），但焦虑与欢喜并存」——好的一面像 FOMO（怕错过、看看我能做多少事）。可「我认识的每个前沿实验室研究员都很抑郁，因为他们觉得这东西会害死我们所有人」，2021 年就有人推迟或放弃要孩子。 → 详细
• Naval 的框架：为什么不会直接变成《星际迷航：下一代》那种富足世界？——「那部剧最扯的一点是他们显然有了 AGI，却莫名其妙没在掌管一切；他们有全息甲板（holodeck），人们却还在照常忙正事。」（阴影面：旧金山已有相当比例人口被芬太尼撂倒，「你觉得全息甲板不会带走剩下的人吗？」） → 详细

• 「未来本质上就是：你必须骑上这头 AGI。」最震撼的是一百万 token 上下文窗口（≈ 三本《哈利波特》），而「一个人脑同时只装得下 7±3 样东西——我们是小小的猴子脑」。所以「超级智能现在就有了：一个 agent 能给你产出一千页有价值、可信、你读得懂的东西」。 → 详细
• 落到管理：「让你的 AI 接进公司所有系统、评估一切，告诉你现在该裁掉哪 20%——这是当下世上最容易的事，你也该做。」 但没人做，因为多数 CEO 不愿裁 50%–80% 的人。参照 Brex 的 Pedro：把「CEO 的大脑」仪表化成一个私人 claw，掌握各项 KPI、甚至知道每个直属下级在会上聊了什么（total information awareness，全面信息掌控）。 → 详细
• 一个尖锐推论：「你大多数员工应该是数据中心里干活的 GPU；如果能把员工砍到 1/10、还都是『百倍战士』，威力巨大。」以前裁员的难点是「不知道该裁哪 80%」——「现在你能拿到可见度了，这不是小事，是天大的事。」 → 详细

• 好消息：公司规模缩小、人的杠杆变大，本该意味着更多创业公司——「有人能做到 1 亿美元 ARR（年度经常性收入）、一轮融资都不用融」。坏消息：靠卖软件，而「软件正被彻底商品化——Claude Code 把软件烧了；软件本在吞噬世界，结果 AI 把软件吞了。只要你能把需求说清，AI 几次之内就能做出来。」 → 详细
• the bitter lesson（苦涩的教训）：「拿 Harvey 这类法律 AI 做试金石——Claude 用基础模型 + 工具调用（tool use），难道不会比一个专门在法律数据上训练的东西干得更好？通用模型会打败专用模型；它们甚至不用亲自进你的垂直领域，直接就能用。别拿你的生意去赌 Anthropic 不会杀进你的赛道。」于是「我干嘛还每月付 5000 美元给另一家 SaaS？」 → 详细
• 2027 会是「AI harness 大战」之年：Codex？Cowork/Claude Code？OpenClaw、Hermes？——大家日常什么都用的那个 harness 会花落谁家。类比 2007 后硅谷：正因有 Apple + Google 两匹马互相厮杀，创业公司才有空间；若只剩一家（真正垄断者），对创业者是很糟的局面（那时可能就国有化）。 → 详细

• 保卫台湾：「航母已是死物，中国陆基导弹/无人机能干掉航母，DJI 是全球最大国防承包商；我们刚在伊朗那趟大概七天就会打光导弹、没制造业基础。」Naval 的激进观点：「我不觉得我们在跟中国竞争」——台湾人不想打（有钱人靠送孩子出国躲兵役、第二大党国民党亲中、多数人觉得会走香港路）；未来 10–20 年台湾慢慢与中国统一，除此之外「没什么深仇」。附一句自由贸易的修正：不是 David Ricardo「你卖香蕉我卖西瓜」那么简单，有规模经济/网络效应/锁定时，该有对等关税和壁垒保护本土产业。 → 详细
• 加州帝国：加州几乎垄断美国所有温暖干燥的地中海气候海岸线，「未来五年美国 30%–50% GDP 会集中到加州」——「最强国家最好的地块全挤在一个州，本该有五六个州竞争」。批评加州「直接民主是史上最烂的主意」（50.1% 看个新闻标题就能通过任何提案）；「共产主义实验到处都会失败——不，是会被叫停；人口结构即命运」。 → 详细

• 「若美国垮，自由会从世界其他地方一点点流干（看澳大利亚/英国的言论法、审查、离奇逮捕）；它不会像欧洲那样『体面』地垮成博物馆养老院，而会像拉美那样垮——因为它就跟拉美接壤。」自由的成本：COVID 解封也是靠红/紫州那批扛着 M-16/AR-15 的民兵游行「我们受够封锁了」才推动的，「要不是那 4000 万手里有枪的美国人，全世界还得多封 6–12 个月」（第二修正案）。 → 详细
• 别搞 UBI，搞 UBR（Universal Basic Robot，全民基本机器人）：「每个人都该有个机器人给你做饭、收拾烂摊子——乐观派说两三年、怀疑派说五到十年，但没人觉得不可能。谁乐意刷自己的马桶？」 → 详细

• 「教育纯粹是一场大型角色扮演（LARP）：想受教育的人现在都能靠 AI + 开源公开课自学，他们要的只是那张文凭——想上大学、在世外桃源待四年、搞搞社会正义抗议、开派对，还想有人为此付钱。大学本身就已经是 UBI——不在于真正的学习，而在于跟对的人脉待在同一个房间（社交+托儿所+文凭主义），只象征性撒一丁点真教育（STEM/医学）好显得名正言顺。」 → 详细
• 白领 vs 蓝领的反转：「崩塌成灰的是写软件的白领活儿，不是水管工/电工/理发师——软件在吞掉越来越多的东西。」「我们不想要更多狗屁工作，我们想要更好的狗屁工作。」 → 详细

• 核心收束：如果没造出 ASI（AI 只到专家水平、不再突破），仍需人类的引导/品味/创造力，那人就变成机器人的「宝可梦训练师」/AI 驯养师。「这正是我们今天看到的：用 AI 的人比以往任何时候都高产、并没有被取代；你唯一会被 AI 取代的原因，就是你拒绝用 AI。」 → 详细
• 「唯一无法被取代的，是人类的欲望（desire）——就算机器人有了自己的欲望，也替代不了人的欲望；只要人有欲望、又有 AI/机器人来满足，就永远需要人在这个环节里。」（争议点：有人说「一旦知道是 AI 做的就提不起兴趣」，另一方反驳「那只是因为现在的 AI 还烂，将来会真假难辨」——最后归到「中文屋（Chinese Box）」哲学问题。） → 详细

本期是圆桌漫谈、无 lightning round。留几句最值得记的原话：

• 「要预测未来，就活在未来里、然后倒推回来。」（Paul Buchheit 名言，被反复引用）
• 「智能在边际上不重要，成本才是瓶颈——因为错误会复利。」
• 「Claude Code 把软件烧了；软件本在吞噬世界，结果 AI 把软件吞了。」
• 「通用模型会打败专用模型（the bitter lesson）——别拿生意去赌前沿实验室不进你的赛道。」
• 「你唯一会被 AI 取代的原因，就是你拒绝用 AI；唯一无法被取代的，是人类的欲望。」
• 「你不是一个人活着，你活在一个叫『人类』的、轰隆隆奔跑的兽群里。」
• 收尾玩笑：「顺便说一句，这整期播客其实都是 AI 生成的，根本没人真的在现场，我们一概否认。」

• 主持：Naval Ravikant（Naval 播客）。
• 嘉宾：Garry Tan（Y Combinator CEO/总裁）、Daniel Francis（Abel / Abel Police，警务与合规 AI）、Farbood Nivi（A-LIST，健康 super app）。
• 提到的产品/概念：Claude Code、Codex、OpenClaw、Cowork、Hermes、GStack、GLM 5.2、Minimax、Fable、DeepSeek R1、truth.ai（设想）、eval harness、mechanistic interpretability、UBR（全民基本机器人）。