編譯 | Tina

你能想象如今去找工作，人家已經(jīng)不滿足于考你一道算法題了，而是要你在面試現(xiàn)場(chǎng)，8 小時(shí)從零肝出他們自家的產(chǎn)品——類似 Devin、Windsurf、Cursor 這樣的 AI 工具。還得順手把數(shù)據(jù)庫接上、依賴修完、測(cè)試跑通。

更夸張的是，這樣的公司真的存在——正是那個(gè)號(hào)稱要重塑軟件工程未來的 Cognition。它的 CEO Scott Wu 在播客里親口說，這就是 Cognition 的面試流程：給你 6 到 8 個(gè)小時(shí)，看你能不能做出一個(gè)端到端的代理，一個(gè)屬于你自己的“Devin”。

此前，Scott Wu 在收購 Windsurf 時(shí)曾直言：Cognition 的文化就是高強(qiáng)度、超長(zhǎng)工時(shí)、毫不掩飾的 996?！拔覀儾恍攀裁垂ぷ魃钇胶狻蛟燔浖こ痰奈磥硎俏覀兯腥硕忌钌钤谝獾氖姑?。在這里我們每周要在辦公室干 6 天，工時(shí)超過 80 小時(shí)?！?/p>

相比之下，真正的地獄也許不是入職后的 996，而是還沒進(jìn)門就要先完成“8 小時(shí)寫一個(gè) Devin”的創(chuàng)業(yè)模擬。996 是長(zhǎng)期透支，而這個(gè)面試更像是瞬間壓榨，把“造一家公司”硬生生當(dāng)成了入職考題。

更諷刺的是，Cognition 的團(tuán)隊(duì)本身也不是普通打工人。在最初的 35 名成員里，有 21 位曾經(jīng)是創(chuàng)業(yè)者。Scott Wu 認(rèn)為，死記硬背知識(shí)點(diǎn)、熟悉語法細(xì)節(jié)這些都不再重要，真正重要的能力是高層次決策、對(duì)技術(shù)的深入理解、對(duì)產(chǎn)品的直覺判斷，以及極強(qiáng)的自我驅(qū)動(dòng)和責(zé)任心。換句話說，他們干脆把“創(chuàng)業(yè)者標(biāo)準(zhǔn)”寫進(jìn)了招聘流程。

我們翻譯了這期播客的完整內(nèi)容，帶你看看這家 AI 企業(yè)的瘋狂邏輯。

一些亮點(diǎn)如下：

• 我最高的學(xué)歷嚴(yán)格來說是初中畢業(yè)證，沒有真正完成高中，也沒有讀完大學(xué)。

• 在早期，直覺敏銳、敢于自我推理就非常有優(yōu)勢(shì)。但一旦領(lǐng)域成熟，最后的答案往往就是數(shù)學(xué)。

• 我們之所以要設(shè)立各種流程，本來就是因?yàn)槿祟愐矔?huì)犯錯(cuò)。這就是為什么我們 CI 流程和各種檢查。

• 即使把今天的模型能力完全凍結(jié)，不再有新的模型或研究突破，產(chǎn)品層面依然有十年的進(jìn)步空間。

• 我們的原則是：必須讓大家“自愿選擇”加入這種（加班）文化。

1 硅谷“數(shù)學(xué)幫”中的初中文憑 AI 創(chuàng)業(yè)者

John Collison：能講講你的成長(zhǎng)經(jīng)歷，以及你在數(shù)學(xué)上的故事嗎？我覺得大家現(xiàn)在都知道你是“數(shù)學(xué)競(jìng)賽大神”。

Scott Wu：是的，我在巴吞魯日長(zhǎng)大。我父母都是化工工程師，他們?yōu)榱俗x研究生從中國移民過來。后來他們找工作時(shí)，就做空氣排放許可相關(guān)的工作。路易斯安那州有很多石油和天然氣產(chǎn)業(yè)，所以他們最后留在那里。

我從小就喜歡數(shù)學(xué)。我有一個(gè)哥哥 Neal，我們一直非常親近，他比我大五歲。Neal 在中學(xué)時(shí)就開始參加數(shù)學(xué)競(jìng)賽，大概是六年級(jí)的時(shí)候，而我那時(shí)才上一年級(jí)。作為弟弟，我就會(huì)去看他在做什么，試著學(xué)一些同樣的數(shù)學(xué)。這就是我最初接觸數(shù)學(xué)的方式。

后來我發(fā)現(xiàn)自己真的很喜歡數(shù)學(xué)競(jìng)賽。我二年級(jí)時(shí)就開始參加了。我記得有一次在當(dāng)?shù)氐拇髮W(xué)參加比賽，那個(gè)比賽是為中學(xué)生和高中生開的。我作為二年級(jí)小學(xué)生參加了七年級(jí)組別的競(jìng)賽，這是針對(duì)初中生和高中生的競(jìng)賽，也是我第一次參賽。當(dāng)時(shí)只是單純喜歡數(shù)學(xué)，結(jié)果頒獎(jiǎng)時(shí)，三等獎(jiǎng)、二等獎(jiǎng)、一等獎(jiǎng)都沒叫到我。我記得自己非常難過。

John Collison：這就是你的“超級(jí)反派起源故事”啊。

Scott Wu：沒錯(cuò)，基本就是這樣開始的。后來我很努力訓(xùn)練，到了三年級(jí)時(shí)參加代數(shù)一的組別，結(jié)果那一年得了冠軍。之后我就一直參加各種數(shù)學(xué)競(jìng)賽。到了高中最后一年，我參加了 IOI 國際信息學(xué)奧林匹克競(jìng)賽。我參加了三次 IOI，并且都拿了金牌。

John Collison：那你后來上了哪所學(xué)校？

Scott Wu：其實(shí)我中間休學(xué)了一年。我提前一年就離開了高中。我學(xué)習(xí)不太好。

John Collison：這聽起來很驚訝，你不是很擅長(zhǎng)上學(xué)？

Scott Wu：嗯，我并不是不擅長(zhǎng)學(xué)習(xí)，而是“不擅長(zhǎng)把學(xué)業(yè)完成”。我最高的學(xué)歷嚴(yán)格來說是初中畢業(yè)證，沒有真正完成高中，也沒有讀完大學(xué)。

所以我提前一年離開高中，去灣區(qū)待了一年，在一家叫 Addepar 的公司做軟件工程師。那是 2014 年，已經(jīng)很久以前了。當(dāng)時(shí)的經(jīng)歷對(duì)我來說很特別。

之后我決定還是去試試大學(xué)，于是去了哈佛，讀了兩年后就退學(xué)了。

John Collison：你是怎么加入 Addepar 的？他們招收一個(gè)高中輟學(xué)生，顯然很有遠(yuǎn)見。

Scott Wu：當(dāng)時(shí)其實(shí)挺有意思的，我們有四個(gè)高中生同一天入職。我、Alexandr Wang（Scale 的創(chuàng)始人，現(xiàn)在 Meta），我們是同一天開始的。還有 Eugene Chen（現(xiàn)在在做 Phoenix DEX），以及 Sreenath Are（最近是 Sandbar 的 CEO）。

John Collison：這也太“團(tuán)體小圈子”了吧，你和 Alex 同時(shí)在那里？

Scott Wu：對(duì)啊。我和 Alex 早就認(rèn)識(shí)了，最早在中學(xué)時(shí)認(rèn)識(shí)的。他來自新墨西哥，我來自路易斯安那，我們?cè)谝淮谓?MATHCOUNTS 的全國數(shù)學(xué)競(jìng)賽上遇見的。后來我們一直保持聯(lián)系，那時(shí)還是用 Google Hangouts 聊天。

事實(shí)證明，我們這一代很多人最后都走上了相似的道路。我覺得有一種創(chuàng)業(yè)傳染效應(yīng)。Alex 應(yīng)該算是我們這群人里最早一個(gè)，他讓我第一次認(rèn)真考慮創(chuàng)業(yè)。但也不僅僅是他。像 Johnny Ho（Perplexity 聯(lián)合創(chuàng)始人）、Demi Guo（創(chuàng)辦了 Pika）、Jesse Zhang（創(chuàng)辦了 Decagon），我們這一群人很多都是在同一年參加這些數(shù)學(xué)和編程競(jìng)賽的，大家彼此都認(rèn)識(shí)。

John Collison：之前有人討論過一個(gè)問題：年輕創(chuàng)業(yè)者都去哪兒了？過去總有人二十出頭就做出突破性公司。比如 Michael Dell 19 歲創(chuàng)辦戴爾，23 歲上市；Mark Zuckerberg 在 Facebook 崛起時(shí)也還很年輕。后來似乎有一段時(shí)間沒有那么多年輕創(chuàng)始人。但現(xiàn)在又涌現(xiàn)出很多，你才 28 歲就做 Cognition。那么，年輕人擔(dān)任行業(yè)領(lǐng)先公司的創(chuàng)始人，本身是否就是產(chǎn)業(yè)活力的一個(gè)指標(biāo)？ 就像 PC 時(shí)代的起飛對(duì)應(yīng)著年輕的 Michael Dell，社交網(wǎng)絡(luò)起飛對(duì)應(yīng)著年輕的 Mark Zuckerberg，如今 AI 編碼工具的爆發(fā)，也伴隨著一批年輕創(chuàng)始人。

Scott Wu：首先謝謝你還把我算“年輕”。但我覺得相比 18、19 歲已經(jīng)算晚了。

我對(duì)這個(gè)問題也有一些想法。我的看法是：如今做創(chuàng)始人總體上變得更難了。這大概是最核心的原因。過去那些年輕創(chuàng)始人之所以能做得很好，是因?yàn)闅w根到底，“第一性原理思考”往往比經(jīng)驗(yàn)更有優(yōu)勢(shì)。很多創(chuàng)業(yè)本質(zhì)上就是去做一些前所未有的事，然后自己得出結(jié)論。

但現(xiàn)在不一樣了?，F(xiàn)在有很多人，既具備第一性原理思考的能力，又有豐富的經(jīng)驗(yàn)。整個(gè)創(chuàng)業(yè)空間變得更加“成熟”。所以做創(chuàng)始人確實(shí)更難了，能真正從大學(xué)一畢業(yè)就直接成功創(chuàng)業(yè)的人更少了。

John Collison：當(dāng)然，說“以前創(chuàng)業(yè)容易”也不準(zhǔn)確。Facebook 當(dāng)時(shí)面臨大量競(jìng)爭(zhēng)，戴爾也不是唯一的 PC 廠商，他們都絕對(duì)談不上輕松。不過你說得沒錯(cuò)，現(xiàn)在的大公司對(duì)生態(tài)的感知和連接都很敏銳。比如 Satya（納德拉）或 Mark Zuckerberg，他們對(duì) AI 的一切發(fā)展都非常關(guān)注，不斷投入精力。因此，可能不會(huì)再有那種“巨大的機(jī)會(huì)就靜靜躺在地上、等著被人撿走”的情況。

Scott Wu：所以，更準(zhǔn)確的說法也許是：不是更難，而是整個(gè)行業(yè)更加成熟，積累了更多經(jīng)驗(yàn)和“玩法手冊(cè)”。比如“股權(quán)該怎么設(shè)計(jì)”“融資該怎么談”“初始團(tuán)隊(duì)怎么招”——這些問題，現(xiàn)在很多經(jīng)驗(yàn)都能借鑒。

而在過去，這些幾乎沒有現(xiàn)成答案，全靠創(chuàng)始人自己敏銳和果敢的判斷。如今則可以從前人經(jīng)驗(yàn)里汲取更多。所以，這或許是為什么年輕創(chuàng)始人相對(duì)減少的原因之一。

我還有一個(gè)理論，可以叫做“Moneyball 化”。我平時(shí)有個(gè)愛好是打撲克。很多人以為撲克只是運(yùn)氣和直覺，但實(shí)際上比人們想象的更數(shù)學(xué)化。

你能從頂尖玩家的演變中看到這一點(diǎn)。八九十年代的職業(yè)高手，并不是競(jìng)爭(zhēng)較小，而是他們成功的關(guān)鍵技能是極強(qiáng)的直覺。他們當(dāng)然理解一些數(shù)學(xué)概念，但更多是在“系統(tǒng)一”（直覺思維）的層面快速感知，并且對(duì)游戲有很好的感覺，知道該如何調(diào)整自己的打法。

而現(xiàn)在，全是數(shù)學(xué)怪才。當(dāng)一個(gè)領(lǐng)域逐漸成熟時(shí)，就會(huì)發(fā)生這種轉(zhuǎn)變。

在早期、不成熟的階段，人們甚至不知道該問哪些問題，也不知道該用什么參照系思考。在這種情況下，直覺敏銳、敢于自我推理就非常有優(yōu)勢(shì)。但一旦領(lǐng)域成熟，最后的答案往往就是數(shù)學(xué)。

就像國際象棋一樣。19 世紀(jì)的時(shí)候還有所謂“浪漫派”風(fēng)格，憑直覺下棋。但今天棋力引擎已經(jīng)能算出“41 步必勝”。棋局也就演化成“找到最優(yōu)解，并看你離它多近”。

另一個(gè)例子是任天堂的《任天堂明星大亂斗：近戰(zhàn)》，我以前也打過比賽。最初 6-8 年，選手都是靈活、有創(chuàng)造力的玩家。后來全變成了數(shù)學(xué)化的打法，靠精確計(jì)算而不是靈感。即時(shí)戰(zhàn)略（RTS）游戲也有類似趨勢(shì)。

這種轉(zhuǎn)變當(dāng)然也有美感，只是說隨著領(lǐng)域成熟，最終都會(huì)走向數(shù)學(xué)化。而創(chuàng)業(yè)可能也在經(jīng)歷這樣的過程。

2 Cognition 的 AI 軟件工程師 Devin

John Collison：什么是 Cognition？它做什么？

Scott Wu：我們正在構(gòu)建 AI 軟件工程師。過去一年半我們一直在開發(fā) Devin，最近還收購了 Windsurf。Devin 是 Windsurf 中的智能代理，也是 IDE 中的一部分。但從更高層面來說，我們的目標(biāo)是構(gòu)建軟件工程的未來。

John Collison：會(huì)不會(huì)讓人困惑？公司叫 Cognition，產(chǎn)品叫 Devin，又有點(diǎn)擬人化，現(xiàn)在還加上 Windsurf，好像有第三個(gè)名字。

Scott Wu：我們也在討論這個(gè)問題?？赡茏鲆恍┱蠒?huì)更好。

John Collison：好的。很多人對(duì) GitHub Copilot 或 IDE 輔助編程的范式很熟悉，比如在 IDE 里寫代碼時(shí)，它幫你自動(dòng)補(bǔ)全，或者你輸入一些指令，它幫你寫。這和 Cognition-Devin 的范式不同。

Scott Wu：沒錯(cuò)。用 Devin，你是在 Slack 頻道里和它對(duì)話，比如“幫我做個(gè) X 或 Y”，就像和同事說話一樣。

John Collison：所以你既可以從 Slack、Linear、Jira 調(diào)用它，也可以從 IDE 里用它，但并不一定要在 IDE 里。

Scott Wu：對(duì)，完全正確。之前的范式，比如 GitHub Copilot，算是 IDE 模式里最早、最知名的代表。我會(huì)把它描述為：當(dāng)你在鍵盤前寫代碼時(shí)，它讓你寫得更快，提供一些工具和快捷方式。

而 Devin 完全是另一種范式，我稱之為異步體驗(yàn)：你把任務(wù)交給一個(gè)智能代理，它去執(zhí)行。所以 Devin 更像是在任務(wù)單或項(xiàng)目層面工作。你在 GitHub 里有個(gè) issue，然后你 @Devin，它就開始干活。

John Collison：Devin 目前在哪些任務(wù)上表現(xiàn)最好？

Scott Wu：我們喜歡稱 Devin 現(xiàn)在是一名“初級(jí)工程師”。它在某些方面比所有人都強(qiáng)，比如百科知識(shí)、查找事實(shí)。但它在某些事情上也會(huì)做出很糟糕的決定。總體平均來看，用“初級(jí)工程師”來形容是比較準(zhǔn)確的。

我們看到大家最常用 Devin 的場(chǎng)景是：

• 修 bug；

• 做一些簡(jiǎn)單的功能請(qǐng)求和小修小補(bǔ)；

• 或者執(zhí)行團(tuán)隊(duì)里大家已經(jīng)決定要做的某個(gè)任務(wù)，你只需要“@Devin，幫我搞定這個(gè)”。

另外一類很常見的，是那些重復(fù)且枯燥的任務(wù)，比如遷移、現(xiàn)代化改造、重構(gòu)、版本升級(jí)。全球軟件工程師花在這些事情上的時(shí)間，往往比真正“創(chuàng)造性構(gòu)建”要多得多。比如修復(fù) Kubernetes 部署、做依賴管理、寫測(cè)試和文檔等等。

John Collison：你能分享一些業(yè)務(wù)指標(biāo)嗎？

Scott Wu：Devin 已經(jīng)部署在全球成千上萬家公司里，從高盛、花旗這樣的大銀行，到兩三個(gè)人的小型創(chuàng)業(yè)公司。

我們衡量的主要指標(biāo)是合并的 pull request 占比。在成功的團(tuán)隊(duì)里，Devin 通常會(huì)完成 30% 到 40% 的合并請(qǐng)求。

John Collison：不過現(xiàn)在 IDE 工具（比如 GitHub Copilot、Cursor、Claude Code）也不是完全同步，你輸入提示后，它們也會(huì)去執(zhí)行。你說的同步與異步的區(qū)分，是暫時(shí)的嗎？未來會(huì)融合嗎？

Scott Wu：我認(rèn)為這兩種體驗(yàn)在接下來一段時(shí)間會(huì)共存。真正有意思的是如何找到它們之間的共享體驗(yàn)。我們最近收購 Windsurf 也是在考慮這點(diǎn)，很快會(huì)發(fā)布一些相關(guān)的新功能。

John Collison：你知道“本質(zhì)復(fù)雜性（essential complexity）”和“偶然復(fù)雜性（accidental complexity）”的概念嗎？

Scott Wu：是的。作為軟件工程師的本質(zhì)，其實(shí)就是在代碼的語境下解決問題。工程師要告訴計(jì)算機(jī)該做什么，同時(shí)不斷做各種決策：大到整體架構(gòu)的選擇； 小到某個(gè)余額小于零時(shí)，是報(bào)錯(cuò)還是請(qǐng)求補(bǔ)充。 這些邏輯性的決策就是所謂的“本質(zhì)復(fù)雜性”。

而“偶然復(fù)雜性”是所有其他事情：規(guī)?；瘯r(shí)的支撐性工作，或者每個(gè)類都必須有的一些標(biāo)準(zhǔn)化特性。這些東西大家都知道必須有，但不涉及真正的決策。

在 AI 編碼出現(xiàn)之前，軟件工程的主要部分就是做決策，但人們 80%-90% 的時(shí)間卻花在了重復(fù)實(shí)現(xiàn)、例行工作上。未來的混合體驗(yàn)是：需要人類決策的部分保持同步； 純粹執(zhí)行的部分交給 AI 異步完成。

一個(gè)項(xiàng)目通常會(huì)在同步和異步之間交替。同步體驗(yàn)更像 IDE，直接看代碼、逐行修改；異步體驗(yàn)更像智能代理，接收任務(wù)后獨(dú)立完成。關(guān)鍵是讓工程師在高影響力的決策點(diǎn)上互動(dòng)，而不是被繁瑣的執(zhí)行細(xì)節(jié)拖住。

John Collison：那在企業(yè)里呢？比如數(shù)據(jù)庫遷移，最后一步刪除舊表是很嚇人的，大家擔(dān)心 AI 幻覺。怎么讓企業(yè)放心地給 Devin 足夠的權(quán)限？

Scott Wu：我們非常明確地建議用戶，不要給 Devin 開放過于寬泛的數(shù)據(jù)庫訪問權(quán)限。這就是一種做法。到目前為止，我沒聽說過出現(xiàn)過嚴(yán)重問題，但顯然，最好還是不要冒這個(gè)風(fēng)險(xiǎn)。

坦白說，我的看法是：我們之所以要設(shè)立各種流程，本來就是因?yàn)槿祟愐矔?huì)犯錯(cuò)。這就是為什么我們有 pull request、代碼審查，有 CI 流程和各種檢查。Devin 其實(shí)能很自然地融入這些流程。

通常大家和 Devin 的工作方式是：比如做大規(guī)模代碼遷移，會(huì)把任務(wù)拆分開?？赡苡?5 萬個(gè)文件要從某個(gè) Angular 版本升級(jí)到另一個(gè)版本。Devin 就會(huì)逐個(gè)去改，并且為每個(gè)改動(dòng)提交 PR。接著你只需要去審查代碼，確認(rèn)修改正確。

這樣做背后還是有人類把關(guān)。這就呼應(yīng)了你之前說的“偶然復(fù)雜度”問題：遷移真正耗時(shí)的并不是那一步“刪除舊表”，而是所有周邊瑣碎的環(huán)節(jié)。

在實(shí)踐中，我們發(fā)現(xiàn)，尤其是在企業(yè)級(jí)的遷移場(chǎng)景里，當(dāng)用戶內(nèi)部去測(cè)量時(shí)，通常能看到8 到 15 倍的效率提升。因?yàn)檎缒阏f的，工程師只需要審查代碼，而不是親自寫下每一行，或逐個(gè)檢查每個(gè)引用。

John Collison：很多組織都想知道 AI 編碼工具的生產(chǎn)力影響?，F(xiàn)在工程師都想用，但從 PR 數(shù)量這些指標(biāo)看，不是很明顯。你可能會(huì)說，如果代碼質(zhì)量下降了，那后續(xù)維護(hù)成本會(huì)增加；或者別的什么情況。所以現(xiàn)在幾乎所有人都在尋找一種“鐵證般的生產(chǎn)力數(shù)據(jù)”，能一錘定音地說明 AI 的影響力。估計(jì)很多 CTO 也在找這種數(shù)據(jù)，好向 CFO 證明開銷是合理的。那你怎么看？AI 工具的生產(chǎn)力提升究竟大嗎？能真正量化嗎？

Scott Wu：當(dāng)然能。我認(rèn)為，隨著行業(yè)逐步從 IDE 輔助過渡到智能代理，這個(gè)問題的答案會(huì)越來越清晰。

老實(shí)說，我覺得IDE 帶來的生產(chǎn)力提升其實(shí)常常被低估。原因就在于，它很難被準(zhǔn)確量化。比如我們看自己團(tuán)隊(duì)的數(shù)據(jù)，平均下來，每個(gè)工程師在一周里會(huì)使用 Tab 自動(dòng)補(bǔ)全238 次。直覺上，這肯定是有價(jià)值的，也確實(shí)會(huì)讓人更快。但要說它到底讓你快了多少，就很難精確衡量。

相比之下，智能代理（Agent）要清晰得多。因?yàn)榇硎侵苯訋湍惆颜麄€(gè)任務(wù)完成。比如一個(gè) Jira 任務(wù)，或者一次大規(guī)模遷移。通常情況下，你對(duì)這些任務(wù)需要多少工程師工時(shí)是有數(shù)的。而當(dāng)代理能端到端完成這些事情時(shí)，提升是顯而易見的：比如過去需要人力做的遷移，現(xiàn)在只需要你花五分鐘審查 PR，一切就完成了。

所以，隨著時(shí)間推移，這種生產(chǎn)力的提升會(huì)變得越來越明顯。

John Collison：有人認(rèn)為，編碼工具只是一個(gè)過渡階段，很快就會(huì)被 GPT-6 或 GPT-7 這樣的更強(qiáng)模型取代。你顯然不是這么認(rèn)為的吧？怎么避免被大模型實(shí)驗(yàn)室“碾壓”？

Scott Wu：當(dāng)然。我覺得那些實(shí)驗(yàn)室本身就是非常了不起的企業(yè)。但在我理解里，這種觀點(diǎn)其實(shí)是一種“虛無主義的計(jì)算機(jī)使用論”。意思是：我們?cè)诂F(xiàn)實(shí)世界里從事的各種知識(shí)工作，本質(zhì)上都要借助計(jì)算機(jī)。AI 會(huì)越來越擅長(zhǎng)使用計(jì)算機(jī)，直到某一天，什么都不剩下，只剩下 AI 自己操作你的電腦，把你的工作全都做掉。這，大概就是這種論調(diào)的核心。

我能理解其中的道理，這種觀點(diǎn)很難被徹底反駁。但在實(shí)踐中我們看到的情況是，現(xiàn)實(shí)世界中存在大量的上下文知識(shí)和行業(yè)細(xì)節(jié)。比如前面說的 Angular 遷移。并不是說這些事做不好，事實(shí)上模型會(huì)越來越擅長(zhǎng)。但要讓模型真的變得更好，關(guān)鍵還是得有合適的數(shù)據(jù)。

如果它從沒見過 Angular，從沒做過 Angular 遷移，那么它的能力就是有上限的。再比如調(diào)試 Datadog 錯(cuò)誤?，F(xiàn)實(shí)中的軟件工程非?；靵y，充滿了各種意外情況。其實(shí)大多數(shù)學(xué)科都如此，無論是法律還是醫(yī)學(xué)。

所以雖然通用智能會(huì)越來越強(qiáng)，但要讓它真正適用于某個(gè)特定場(chǎng)景，還需要很多工作。既要在能力層面針對(duì)具體用例表現(xiàn)得足夠好，也要在產(chǎn)品體驗(yàn)層面真正把它交付給客戶，落地到現(xiàn)實(shí)中。

John Collison：換句話說，這不是一個(gè)“通用智能”任務(wù)，而是一個(gè)“特定智能”任務(wù)。比如在 Stripe 的代碼庫里工作，當(dāng)然需要一些通用智能，但更需要上下文和與現(xiàn)有工作流的結(jié)合。所以你認(rèn)為這是一個(gè)需要持續(xù)專精的領(lǐng)域？

Scott Wu：也許可以這樣理解：這個(gè)虛無主義的觀點(diǎn)其實(shí)指向“超級(jí)智能”。某種程度上，我們的確正在向“短程超級(jí)智能”邁進(jìn)。通過 RL（強(qiáng)化學(xué)習(xí)）不斷優(yōu)化，模型逐步逼近一種“柏拉圖式理想”——能夠在任何基準(zhǔn)測(cè)試（benchmark）上達(dá)到滿分。

無論基準(zhǔn)是什么，哪怕是未解的數(shù)學(xué)難題，我們最終希望能把它輸入數(shù)據(jù)集，讓模型達(dá)到 100%。而且說實(shí)話，這個(gè)進(jìn)展比很多人預(yù)期的快得多。比如 IMO 金牌、某些頂級(jí)基準(zhǔn)分?jǐn)?shù)已經(jīng)出現(xiàn)了令人驚訝的突破。

但即便如此，我不認(rèn)為我們最后會(huì)得到一個(gè)純粹的 ASI（人工超級(jí)智能），然后終結(jié)人類知識(shí)工作。更可能的情況是：?jiǎn)栴}變成“接下來基準(zhǔn)測(cè)試是什么？”

定義 benchmark 本身就是世界的混亂現(xiàn)實(shí)。比如在軟件工程里，你每天接觸哪些工具？怎么使用？如何建立長(zhǎng)期的代碼庫表征？怎么判斷一個(gè)功能是否成功上線？這些都需要環(huán)境和標(biāo)準(zhǔn)的設(shè)計(jì)。

John Collison：那 Devin 有沒有合適的 benchmark？還是說它的營(yíng)收本身就是基準(zhǔn)？

Scott Wu：我們內(nèi)部其實(shí)有很多 benchmark。最主要的一個(gè)叫“初級(jí)開發(fā) benchmark”，可能很快就得升級(jí)為“高級(jí)開發(fā) benchmark”了。它涵蓋了各種真實(shí)的初級(jí)開發(fā)任務(wù)。

舉例來說，任務(wù)可能是“修復(fù)一個(gè) Grafana dashboard 并拉取結(jié)果”。難點(diǎn)不在算法，而在于現(xiàn)實(shí)復(fù)雜性：比如服務(wù)器運(yùn)行的包版本不對(duì)，需要讀懂報(bào)錯(cuò)信息，換成正確依賴，再重新跑，最后驗(yàn)證結(jié)果是否正確。這類任務(wù)盡可能接近真實(shí)工程師日常的工作。

至于最新模型，Claude 4.1 和 GPT-5 在這個(gè)基準(zhǔn)上的表現(xiàn)，已經(jīng)超過此前所有模型。

3 找差異化，活下去

John Collison：那從產(chǎn)業(yè)角度看，未來 5 到 10 年 AI 產(chǎn)業(yè)鏈的各層（數(shù)據(jù)中心、實(shí)驗(yàn)室、應(yīng)用層）會(huì)是什么格局？哪些環(huán)節(jié)更競(jìng)爭(zhēng)？哪些更穩(wěn)定？會(huì)不會(huì)變成寡頭格局？

Scott Wu：每次我說這個(gè)，大家總是笑，但我真的認(rèn)為：所有層都會(huì)發(fā)展得很好。

首先，會(huì)有大量的 AI。各層的價(jià)格現(xiàn)在都相對(duì)便宜。我過去 6 到 12 個(gè)月一直在說這點(diǎn)，現(xiàn)在我們確實(shí)看到各層的價(jià)格都有明顯上漲。但從宏觀來看，第一點(diǎn)就是：AI 會(huì)極大規(guī)模存在。

過去 10 年，B2B SaaS 主要做的是很多增量改進(jìn)。往前看 30 年，大的浪潮其實(shí)只有幾個(gè)：

• 90 年代到 2000 年初的互聯(lián)網(wǎng)；

• 2000 年代末到 2010 年代初的智能手機(jī)和云計(jì)算； 這些都是過去幾十年最重要的變化。

但這 10 年里，很多新產(chǎn)品更多是在特定垂直領(lǐng)域或某個(gè)工作流環(huán)節(jié)做小幅優(yōu)化。而 AI 的不同在于，它直接作用于所有知識(shí)工作，甚至可能擴(kuò)展到物理勞動(dòng)（取決于機(jī)器人進(jìn)展）。

所以第一點(diǎn)：未來會(huì)有大量的 AI。第二點(diǎn)是價(jià)值的積累。我的觀點(diǎn)是，價(jià)值會(huì)沉淀在每一個(gè)存在顯著差異化的層里。舉個(gè)例子：NVIDIA 和臺(tái)積電（TSMC）。只要雙方互相依賴，就算有摩擦，它們依然會(huì)持續(xù)做得很好。這種邏輯同樣存在于技術(shù)堆棧的各層。不同層面要解決的問題完全不同，差異化非常明顯。

John Collison：所以你認(rèn)為這會(huì)避免過度縱向整合？

Scott Wu：對(duì)。硬件層是一個(gè)邏輯，大模型訓(xùn)練又是另一套邏輯：需要頂尖研究員、盡可能多的 GPU 和對(duì)應(yīng)的文化氛圍。而應(yīng)用層的 DNA 則完全不同。我們當(dāng)然也涉及研究，但我們專注的只是一個(gè)問題：如何把“未來的軟件工程”真正做出來。

很多公司談“AI 寫代碼”，是抽象地談。但我們考慮的是軟件工程整體——包括其中的混亂、產(chǎn)品接口、交付方式、使用模式，以及一堆細(xì)節(jié)能力。

每一層都有各自的 DNA，各自最擅長(zhǎng)的事。

John Collison：在 Stripe，我們一直在思考如何構(gòu)建 AI 的經(jīng)濟(jì)基礎(chǔ)設(shè)施，以及它需要具備什么條件。你可以讓一個(gè)代理（agent）代表某個(gè)人行動(dòng)，而你只需要在應(yīng)用里下達(dá)指令或進(jìn)行操作。而代理的工具使用能力之一，就是可以代表你去現(xiàn)實(shí)世界里進(jìn)行商業(yè)交易。所以我們正在為此搭建基礎(chǔ)設(shè)施。

我們注意到，AI 的經(jīng)濟(jì)模式幾乎都是基于使用量計(jì)費(fèi)的，不管是按 token 還是其他單位。因此我們正在構(gòu)建基于使用量的計(jì)費(fèi)系統(tǒng)。而我們?cè)?Stripe 上看到的 AI 計(jì)費(fèi)系統(tǒng)，和傳統(tǒng) SaaS 非常不同。經(jīng)典 SaaS 的模式是按席位（seat）計(jì)費(fèi)，而 AI 幾乎全部是按使用量消耗。甚至你可以想象代理之間會(huì)彼此進(jìn)行商業(yè)交易，完全沒有人類參與。這些情況也在影響我們的產(chǎn)品路線圖。那么，你覺得 AI 的經(jīng)濟(jì)基礎(chǔ)設(shè)施應(yīng)該長(zhǎng)什么樣？我們需要特別注意什么？

Scott Wu：是的，按席位到按用量的轉(zhuǎn)變絕對(duì)是核心。而且在兩個(gè)層面都說得通：

• 從一個(gè)角度看，按席位不再合理，因?yàn)?AI 本身就相當(dāng)于“席位”，它們也在做大量勞動(dòng)。

• 從另一個(gè)角度看，按使用量收費(fèi)也更自然，因?yàn)樽罱K都是GPU 花銷，即模型推理消耗了多少算力。

這很有道理。另一個(gè)顯而易見的大變化是：會(huì)形成一個(gè)完整的代理經(jīng)濟(jì)（agent economy）。

今天來看，它還更像是一個(gè)談?wù)撝械母拍?，而非現(xiàn)實(shí)。但變化非?？欤芸煳覀兙湍芸吹酱碓谡鎸?shí)環(huán)境中執(zhí)行任務(wù)。

4 Cognition 的團(tuán)隊(duì)與招聘：當(dāng)場(chǎng)寫代理！

John Collison：那 Devin 的存在，會(huì)怎么影響你們自己招聘工程師？

Scott Wu：從我們的角度來看，我們一直喜歡保持核心工程團(tuán)隊(duì)精干而且精英化。

John Collison：大概多少人？

Scott Wu：直到幾周前，我們整個(gè)團(tuán)隊(duì)大約 35 人，覆蓋所有崗位。幾乎每個(gè)人其實(shí)都有工程師背景。有趣的是，我們所謂的“核心工程”團(tuán)隊(duì)當(dāng)時(shí)只有 19 人。

在收購 Windsurf 之后，團(tuán)隊(duì)規(guī)模確實(shí)大了不少，但核心工程團(tuán)隊(duì)本身并沒有顯著擴(kuò)張，從 19 人增加到了 30 到 35 人的范圍。

John Collison：所以你們有意保持工程團(tuán)隊(duì)的小規(guī)模。那這些工程師和 20 年前創(chuàng)業(yè)公司里的工程師有何不同？

Scott Wu：其實(shí)差別很大。今天很多執(zhí)行和實(shí)現(xiàn)類的工作 Devin 都能完成，所以人類工程師不需要再去做這些。我們更關(guān)注的是，他們能否在高層次上做出決策，理解技術(shù)概念，并具備很強(qiáng)的產(chǎn)品直覺。

舉個(gè)例子，我們的整個(gè)面試過程，其中很多都是讓候選人構(gòu)建自己的 Devin，八個(gè)小時(shí)后，看看他們能做到什么程度。

John Collison：是要構(gòu)建他們自己的 Devin 版本，還是利用 Devin 來做一些東西？

Scott Wu：是要他們構(gòu)建自己的版本，屬于他們自己的代理，完整的端到端代理，不論是 6 小時(shí)還是 8 小時(shí)。

我們發(fā)現(xiàn)——而且我認(rèn)為這也是軟件工程未來的普遍趨勢(shì)——死記硬背各種知識(shí)點(diǎn)、熟悉各種細(xì)節(jié)、或者特別精通某種語言的語法，這些能力的重要性會(huì)逐漸降低。

真正更重要的是：

• 能在高層次上做決策；

• 對(duì)技術(shù)概念有深入理解；

• 對(duì)產(chǎn)品有敏銳的直覺，知道該構(gòu)建什么、該如何推進(jìn)；

• 具備很強(qiáng)的自我驅(qū)動(dòng)和責(zé)任心。

有趣的是，我們團(tuán)隊(duì)里很多人以前是創(chuàng)業(yè)者。在最初的 35 人中，有 21 人創(chuàng)過業(yè)。

John Collison：哇，這比例很高。

Scott Wu：是的，這算是我們團(tuán)隊(duì)的一個(gè)特點(diǎn)。

John Collison：你們什么時(shí)候會(huì)雇傭最后一個(gè)工程師？

Scott Wu：這是個(gè)好問題。我想先做個(gè)區(qū)分：在未來兩三四年左右，會(huì)出現(xiàn)一個(gè)臨界點(diǎn)——我們將不再把“代碼”作為主要界面。

那時(shí)，軟件工程師的工作不再關(guān)注代碼，而是指導(dǎo)電腦該做什么。你看著自己的產(chǎn)品，對(duì)電腦說：“我們需要新建一個(gè)頁面；這部分?jǐn)?shù)據(jù)要這樣保存；索引要按照 X、Y、Z 來做，因?yàn)椴樵冃枨笫沁@樣的?！焙芏喽际羌軜?gòu)層面的決策，而不是直接看代碼。至少在大多數(shù)情況下是這樣。

到那時(shí)，工作的性質(zhì)會(huì)發(fā)生巨大變化。但有趣的是，軟件工程師的數(shù)量可能會(huì)更多，而不是更少。因?yàn)榧幢憬缑娌辉偈谴a，核心的軟件技能依然重要。

很多人問我：“我的孩子正在上高中 / 剛上大學(xué)，還應(yīng)該學(xué)計(jì)算機(jī)科學(xué)嗎？”我的回答一直是“絕對(duì)應(yīng)該”。實(shí)際上，我一直覺得大學(xué)計(jì)算機(jī)科學(xué)的缺點(diǎn)恰恰是過于偏理論：它教你計(jì)算機(jī)科學(xué)的概念，卻很少教你實(shí)際語法，比如怎么搭一個(gè) React 應(yīng)用。未來我們可能會(huì)走向這樣的狀態(tài)：編程的本質(zhì)就是理解計(jì)算機(jī)模型，學(xué)會(huì)如何用它來做決策和解決問題。這反而讓軟件工程師更多。

大家經(jīng)常提到杰文斯悖論（Jevons Paradox）和 AI 的關(guān)系。我認(rèn)為它在軟件領(lǐng)域體現(xiàn)得最明顯。因?yàn)槲覀冇肋h(yuǎn)都寫不完新的軟件。

盡管全世界已經(jīng)有這么多軟件工程師，但我們都知道，還有無數(shù)糟糕的產(chǎn)品。比如登錄銀行系統(tǒng)、零售收銀臺(tái)的結(jié)賬流程，或醫(yī)療平臺(tái)，界面依舊老舊、漏洞百出、體驗(yàn)糟糕。換句話說，我們還沒把該寫的軟件都寫完。

John Collison：令人震驚的是 UI 這么多年幾乎沒變。我們今天依然在瀏覽器里、Slack 里給 Devin 發(fā)提示，就像在 1980 年代玩 Zork 那樣輸入命令。什么時(shí)候我們才能看到真正的 AI UI？

Scott Wu：我總體的看法是，每一波新技術(shù)都會(huì)經(jīng)歷這樣的階段。移動(dòng)互聯(lián)網(wǎng)就是例子：最初的手機(jī)應(yīng)用看起來就像是網(wǎng)頁搬到小屏幕上，但隨著時(shí)間推移，才發(fā)展出豐富的觸摸交互和良好的 UX 科學(xué)。

我覺得我們現(xiàn)在正處在類似的階段。過去幾年主要是用 AI 替代現(xiàn)有流程；而現(xiàn)在開始出現(xiàn)一些生成式的交互流。最簡(jiǎn)單的例子就是，很多產(chǎn)品底部加了一個(gè)聊天框，用戶不用點(diǎn)菜單，直接在里面問就能找到功能。這只是最基礎(chǔ)的一種形式，未來會(huì)有更多創(chuàng)新。

John Collison：我想到的另一個(gè)類比是：晶體管和芯片發(fā)明后，大家很快意識(shí)到“一切都需要嵌入計(jì)算機(jī)”。汽車、洗碗機(jī)都裝上了小電腦。類似地，未來所有信息在被消費(fèi)前，都會(huì)經(jīng)過一次 transformer 模型的處理。

Scott Wu：AI 和過去幾波技術(shù)浪潮有一個(gè)獨(dú)特的不同。無論是個(gè)人電腦、互聯(lián)網(wǎng)還是手機(jī)，它們都有兩個(gè)共同特征：

1. 硬件門檻：必須先把調(diào)制解調(diào)器、電腦、手機(jī)分發(fā)出去，讓大家先能上網(wǎng)、能用設(shè)備。

2. 網(wǎng)絡(luò)效應(yīng)：互聯(lián)網(wǎng)要等到你的朋友、餐館、信息都在網(wǎng)上時(shí)，才真正好用。

但 AI 沒有這兩個(gè)問題。它是純軟件，只要技術(shù)對(duì)某個(gè)人有效，它就能在“單人模式”下立即提供巨大的價(jià)值。于是你會(huì)看到，只要 AI 產(chǎn)品能跑起來，就能立刻對(duì)所有人有效。

這也是為什么幾乎每隔幾周，就會(huì)有人宣布他們是“從 100 萬到 1 億用戶增長(zhǎng)最快的公司”。因?yàn)?AI 的擴(kuò)展性太快了——一旦成功，就能立刻惠及所有人。

不過，也因此現(xiàn)在產(chǎn)品端出現(xiàn)了滯后。我認(rèn)為，即使把今天的模型能力完全凍結(jié)，不再有新的模型或研究突破，產(chǎn)品層面依然有十年的進(jìn)步空間。

過去，產(chǎn)品進(jìn)展和技術(shù)分發(fā)是同步推進(jìn)的；但 AI 則不同。它的能力突然一下子就擺在那里，大家才在短短兩年（甚至如果算上最近的 agent 能力，其實(shí)不到一年）的時(shí)間里集體思考：我們應(yīng)該怎樣設(shè)計(jì)正確的用戶體驗(yàn)？

所以說，產(chǎn)品創(chuàng)新會(huì)花更多時(shí)間，大家還在消化。

John Collison：你的 AGI 時(shí)間表是怎樣的？

Scott Wu：我認(rèn)為我們已經(jīng)有 AGI 了。

這聽起來像開玩笑。2017 年如果你問“我們有 AGI 嗎？”，答案肯定是沒有?，F(xiàn)在如果你問這個(gè)問題，大家的第一反應(yīng)是：“先定義一下什么是 AGI。” 于是開始各種模棱兩可的回答。

但從某種意義上說，這也沒錯(cuò)。畢竟 Devin 能幫你點(diǎn) DoorDash，這聽起來也像 AGI。雖然這帶點(diǎn)調(diào)侃，但我的真實(shí)想法是：人們常說的那種“快速奇點(diǎn)”和“超級(jí)智能”，我猜在近期不會(huì)發(fā)生。因?yàn)檎缥覀冎坝懻摰?，還有大量現(xiàn)實(shí)世界的問題需要解決：到底要解決什么問題？怎樣定義“成功”？

換句話說，這不是一個(gè)二進(jìn)制問題。我們會(huì)不斷推出更多改進(jìn)，這些系統(tǒng)會(huì)越來越強(qiáng)，但至少在未來幾年，不會(huì)出現(xiàn)某種突然的斷點(diǎn)式躍遷。

5 收購 Windsurf：只用了三天，包括不休息的周末

John Collison：我們必須聊聊 Windsurf，這個(gè)收購看起來發(fā)生得太快了。說說全過程吧。

Scott Wu：我們?cè)谕粫r(shí)間看到新聞，說 Google 要收購 Windsurf（雖然嚴(yán)格意義上并不是直接收購）。那是周五，我們跟大家一樣，當(dāng)天才聽到消息，前一晚只聽到了一些傳言。

當(dāng)天下午我們就在討論：“我們要不要做點(diǎn)什么？” 在 AI 行業(yè)，突然冒出一些瘋狂的新聞并不罕見，但這次尤其和我們的領(lǐng)域直接相關(guān)，所以我們認(rèn)真考慮了這個(gè)想法。

我們當(dāng)晚就主動(dòng)聯(lián)系了 Windsurf 的新管理團(tuán)隊(duì)——Jeff、Graham 和 Kevin，并在晚上見了面。聊下來我們很快得出一個(gè)結(jié)論：如果要做這件事，那最遲必須在周一早上完成。因?yàn)榭蛻魝円呀?jīng)在慌了，團(tuán)隊(duì)成員也在想，“我到底還有沒有工作？” 整個(gè)局面就像一塊正在融化的冰塊。

如果等到周四而不是周一，客戶可能就會(huì)取消合同，員工也會(huì)去別的公司面試。所以我們決定，既然要做，那就整個(gè)周末不眠不休地推進(jìn)。

那周六我們基本上達(dá)成了初步的握手協(xié)議，接下來就是法律和合同的細(xì)節(jié)要處理。周日晚上我們幾乎是徹夜未眠。

John Collison：周六晚上你們也熬夜了嗎？

Scott Wu：周六只睡了幾個(gè)小時(shí)。其實(shí) Jeff、Graham 和 Kevin 前幾天已經(jīng)經(jīng)歷了很艱難的時(shí)刻，他們來談判時(shí)本來就已經(jīng)嚴(yán)重缺覺。我們?cè)緲酚^地以為周日晚就能簽好文件，然后可以把精力放在錄制視頻、安撫團(tuán)隊(duì)、對(duì)外宣布這些事情上。但最終還是到周一上午 9 點(diǎn)才簽下，因?yàn)槲覀兒吐蓭焸円煌砩隙荚谔幚砀鞣N細(xì)節(jié)。

最后，我們是在 Windsurf 的工作室錄的視頻。我們當(dāng)時(shí)說，不管怎樣，先把視頻錄了。

John Collison：你知道收購其實(shí)不一定要配視頻吧？

Scott Wu：哈哈，當(dāng)然，但有個(gè)視頻總歸是好事。簽完文件之后，我們馬上就在全體團(tuán)隊(duì)面前宣布了消息，并很快公開了這件事。那真是讓人興奮的時(shí)刻，我其實(shí)很享受這種瞬間。

John Collison：所以，你們是周五看到新聞，周一就簽署并宣布交易。這意味著你們幾乎是立刻就決定要買下 Windsurf 的剩余部分？

Scott Wu：對(duì)，周五晚上我們就聊透了。站在我們的角度，這里面有幾個(gè)特別好的點(diǎn)：

首先，我們非常熟悉這個(gè)領(lǐng)域，所以對(duì)產(chǎn)品和客戶沒必要再做過多盡調(diào)。其次，經(jīng)過了解我們發(fā)現(xiàn)，Windsurf 的核心研究和產(chǎn)品工程團(tuán)隊(duì)確實(shí)去了谷歌，但其他職能團(tuán)隊(duì)幾乎完好無損地保留下來，包括企業(yè)工程、基礎(chǔ)設(shè)施、交付工程、市場(chǎng)拓展、營(yíng)銷、財(cái)務(wù)、運(yùn)營(yíng)等等。

而對(duì) Cognition 來說，我們的核心研究和產(chǎn)品工程團(tuán)隊(duì)算是做得不錯(cuò)，但在其他職能上的建設(shè)有些滯后。所以這剛好形成了一種天然的互補(bǔ)。比如他們服務(wù)的客戶里有摩根大通，而我們有高盛……很多地方都能天然對(duì)接。

從一開始我們就覺得這里面有很有意思的協(xié)同價(jià)值，剩下的就是把細(xì)節(jié)敲定。

John Collison：所以你們收購的不僅是有領(lǐng)域經(jīng)驗(yàn)的人才，還有一套和 Devin 相鄰但不完全重合的產(chǎn)品。這意味著你們能加快市場(chǎng)拓展，也能擴(kuò)充產(chǎn)品線，對(duì)嗎？

Scott Wu：沒錯(cuò)。而且產(chǎn)品層面上其實(shí)也有一些很自然的互補(bǔ)。我們一直在思考：異步產(chǎn)品（比如 Devin）和同步產(chǎn)品應(yīng)該如何結(jié)合？ 我們?cè)脒^要不要自己去做一些同步場(chǎng)景，但沒打算單獨(dú)做一個(gè) IDE，因?yàn)槭袌?chǎng)里已有幾家玩家。但通過這次收購，我們發(fā)現(xiàn)其實(shí)有很多天然的契合點(diǎn)。

比如，我們?cè)谑召復(fù)瓿珊蟮膸滋炀桶l(fā)布了 Wave 11，里面就包含了一些增強(qiáng)功能：

• 能在 IDE 里直接訪問 DeepWiki；

• 能在 IDE 中調(diào)用 Devin 的代碼表示進(jìn)行搜索；

• 能在 IDE 中直接拉起代理。

這些都讓人感覺非常自然。

John Collison：那么六個(gè)月后，用戶會(huì)是買 Devin 時(shí)順帶獲得 Windsurf，還是分別購買？

Scott Wu：目前還有待確定。我們肯定會(huì)保持兩個(gè)產(chǎn)品的哲學(xué)各自獨(dú)立：我認(rèn)為同步和異步工具都會(huì)長(zhǎng)期存在。但我們會(huì)讓它們之間的整合更順暢、體驗(yàn)更好。這樣一來，從客戶的角度看會(huì)簡(jiǎn)單很多。

當(dāng)然，如果有人只想用其中一個(gè)，我們也會(huì)保持選擇的靈活性。

John Collison：在 AI 領(lǐng)域，有一個(gè)頗有趣的現(xiàn)象，就是出現(xiàn)了不少“49% 授權(quán)”式的交易，來規(guī)避收購可能被監(jiān)管阻止的風(fēng)險(xiǎn)。公司會(huì)購買某項(xiàng)知識(shí)產(chǎn)權(quán)的使用許可，同時(shí)確保他們需要的人才也能隨公司一起留下。 你覺得這種模式會(huì)在 AI 行業(yè)持續(xù)下去嗎？

Scott Wu：這是一個(gè)挺特殊的時(shí)間節(jié)點(diǎn)現(xiàn)象。我當(dāng)然不敢說自己是這方面的專家，但我覺得挺有意思的是，每次都會(huì)冒出一些新的“花招”。不管是法律結(jié)構(gòu)、債務(wù)安排還是合同條款，總會(huì)多一層新玩法。你會(huì)看到，之前是這樣，現(xiàn)在又變成那樣……這套元游戲本身還在不斷演化。

我認(rèn)為在 AI 產(chǎn)業(yè)的頂層，確實(shí)存在一定程度的兩極分化。因?yàn)檫@些事情的確是隨著資源規(guī)模而擴(kuò)展的，越到后面“游戲”就越大。對(duì)大多數(shù)公司來說，問題就是：你是覺得自己能單打獨(dú)斗做到那里，還是要與其他公司合作，共同走下去？

John Collison：所以你的意思是，不管是傳統(tǒng)的并購，還是這種新型的“授權(quán)式并購”，都可能越來越多？

Scott Wu：對(duì)。我甚至有一個(gè)“小熱看法”：當(dāng)然，AI 領(lǐng)域也會(huì)有不少中等規(guī)模的成功案例，但相比之前的產(chǎn)業(yè)浪潮，這一波更傾向于“要么成為超大規(guī)模玩家，要么就出局”。所以有些公司會(huì)選擇孤注一擲沖擊超大規(guī)模，另一些則會(huì)選擇和別人合作。

John Collison：Windsurf 團(tuán)隊(duì)加入之后，Cognition 的文化本來就很強(qiáng)烈。比如你們周末也工作，就像這次收購要約。

Scott Wu：是的。我們很清楚，這種文化并不適合所有人。大部分人加入后都很興奮，但也有一小部分選擇接受補(bǔ)償離開。我們的原則是：必須讓大家“自愿選擇”加入這種文化，因?yàn)檎f實(shí)話，這并不是適合所有人的。

John Collison：你希望他們選擇加入的到底是什么？

Scott Wu：是選擇加入這種高強(qiáng)度的文化，以及我們正在追求的雄心勃勃的目標(biāo)。

從營(yíng)收體量來看，可能有人會(huì)稱我們是中期甚至后期公司，但從我們的角度看，我們依然處于早期階段。因?yàn)槲磥磉€有太多要去構(gòu)建、要去實(shí)現(xiàn)的東西。既然是早期階段，團(tuán)隊(duì)成員就必須愿意面對(duì)不確定性，愿意每周接受全新的挑戰(zhàn)，并愿意付出更多時(shí)間和努力來維持這種文化。這是我們堅(jiān)持的一個(gè)核心點(diǎn)。

當(dāng)然，無論怎樣，我們都會(huì)確保每個(gè)人都得到妥善的照顧。

John Collison：你每天都在經(jīng)營(yíng)你有史以來最大的公司，就像我在 Stripe 一樣。你是怎么快速學(xué)習(xí)如何當(dāng) CEO 的？

Scott Wu：我還有很多要學(xué)的。過去我們對(duì)某些職能投入不足，現(xiàn)在正在補(bǔ)課。我不太相信所謂的職業(yè)教練，但我從同輩和朋友那里學(xué)到很多。他們?cè)谧鲱愃频氖虑?，可以非常坦誠地交流困難。

比如 RAMP 的 Eric 和 Karim，還有我以前的合伙人 Vlad（Lunchclub 創(chuàng)始人），以及很多數(shù)學(xué)競(jìng)賽圈的朋友們。我可以直接跟他們說：“這件事完全搞砸了，我不知道怎么辦，你們有類似經(jīng)驗(yàn)嗎？” 這種對(duì)話幫了我很多。

John Collison：最后一個(gè)問題：你的信息獲取方式是怎樣的？

Scott Wu：我覺得 Twitter 依然是科技新聞的最佳來源。雖然現(xiàn)在算法里視頻很多，越來越像 TikTok，但我基本不看視頻，最多看幾秒。所以如果做視頻內(nèi)容，要能在前三秒、無聲的情況下傳達(dá)核心信息。

AI 對(duì)我的信息獲取的影響，其實(shí)也主要就是 Twitter 算法。

John Collison：那你有沒有用 Devin 來幫你做信息整理？

Scott Wu：還沒有，但這是個(gè)好主意。比如讓 Devin 每天跑一個(gè) GitHub Action，生成晨報(bào)，就像總統(tǒng)的每日簡(jiǎn)報(bào)一樣。這塊還有很多優(yōu)化空間。

https://www.youtube.com/watch?v=MmKkNmnoEvw

聲明：本文為 InfoQ 翻譯整理，不代表平臺(tái)觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

會(huì)議推薦

10 月 23 - 25 日，QCon 上海站即將召開，現(xiàn)在 8 折優(yōu)惠最后 3 天，單張門票立省 1360 元，詳情可聯(lián)系票務(wù)經(jīng)理 18514549229 咨詢。