視頻標題：The AI Frontier and How to Spot Billion-Dollar Companies Before Everyone Else—Elad Gil
視頻作者：Tim Ferriss
編譯：Peggy，BlockBeats

編者備注：在 AI 進入資本、算力與產品密集競賽的背景下，行業討論正在從「模型能力還會不會繼續躍遷」轉向「誰能在這輪基礎設施重構中真正留下」。過去兩年，市場習慣用模型參數、benchmark、融資規模和估值變化理解 AI 競爭；但當大模型能力持續逼近、頭部實驗室差距暫時收斂，一個更底層的問題開始浮現：AI 時代的長期優勢，到底來自技術領先，還是來自人才、算力、分發、組織與市場窗口的系統性組合？

本文編譯自 Tim Ferriss 與 Elad Gil 的一場長對談。Elad Gil 是硅谷知名創業者與早期投資人，曾參與投資 Airbnb、Stripe、Coinbase、Perplexity、Harvey、Anduril 等公司，長期關注技術周期與高增長公司演化。

在這場對談中，Elad Gil 並未試圖預測某一家 AI 公司最終會勝出，而是將 AI 競爭拆解為一組更底層的結構性問題：人才如何被重新定價，算力瓶頸如何限制頭部實驗室拉開差距，應用公司如何識別自身的退出窗口，以及創業公司如何從產品能力走向真正的組織化擴張。

這場對談可以從五個方面來理解。

第一，是 AI 人才市場的變化。過去，財富躍遷通常發生在公司 IPO 之後，一家公司上市，早期員工和創始團隊隨之完成資產重估。現在，Meta 對頂級 AI 人才的激進競標，迫使其他科技巨頭匹配薪酬包，使一小批分散在不同公司的研究員提前經歷了一場「個人 IPO」。這意味著，AI 人才不再只是公司內部的研發資源，而正在成為決定技術競賽速度的稀缺資產。

第二，是算力約束從單一芯片問題變成供應鏈問題。過去，市場往往把 AI 基礎設施理解為「誰能買到更多 NVIDIA GPU」。但 Elad Gil 強調，當前真正的瓶頸可能在記憶體、封裝、資料中心建設和電力等環節。短期內，這種供應鏈約束反而會讓 OpenAI、Anthropic、Google 等頭部實驗室難以徹底拉開差距。換句話說，AI 競爭不是單點突破，而是一場圍繞資本支出、製造產能和基礎設施協調能力展開的長期戰爭。

第三，是 AI 應用公司的生存周期。過去，創業者容易把高增長等同於長期價值，尤其在技術浪潮早期，估值、收入和用戶增長都會快速放大。但 Elad Gil 的判斷更接近周期視角：每一輪技術革命中，絕大多數公司最終都會消失，AI 不會例外。因此，對於許多成功的 AI 應用公司來說，未來 12 到 18 個月可能不是繼續融資的窗口，而是價值最大化的退出窗口。真正的問題不在於公司是否增長，而在於它是否具備十年後的持久性。

第四，是護城河的重新定義。過去，軟體公司的優勢往往來自產品體驗、數據、渠道或品牌；現在，AI 應用公司的關鍵在於能否嵌入客戶工作流，成為難以拔出的系統。底層模型變強，並不自動讓所有 AI 應用受益。只有那些隨著模型進步而產品同步變強、同時深度綁定企業流程和專有數據的公司，才可能穿越周期。

第五，是創業公司擴張方式的再理解。Elad Gil 在談到書籍《如何擴張創業公司》時強調，高增長並非自然發生。董事會、融資、組織管理、分發體系和併購決策，都需要被主動設計。真正的大公司不僅有好產品，也往往擁有極強的分發機器。Google 工具欄、Facebook 買用戶姓名廣告、TikTok 的大規模投放，都說明增長從來不是一個浪漫故事，而是一套被系統執行的商業工程。

AI 的長期競爭不會只由模型能力決定，而會由人才、算力、市場窗口、分發能力和組織設計共同決定。在這個意義上，本文討論的對象，已經不只是 AI 公司如何贏，而是新一輪技術周期裡，什麼樣的公司才有資格活到下一階段。

以下為原文內容（為便於閱讀理解，原內容有所整編）：

TL;DR

·AI 人才戰已經從招聘競爭變成財富重估，Meta 搶人本質上讓一小批頂級研究員提前完成了一次「個人 IPO」。

·AI 短期競爭的關鍵瓶頸不只是晶片，而是內存、封裝和數據中心組成的供應鏈系統，這會讓頭部實驗室在未來一兩年內難以徹底拉開差距。

·AI 公司的增長速度正在刷新科技史，但歷史規律沒有改變：大趨勢成立，不代表大多數公司都能穿越周期。

·未來 12 到 18 個月可能是許多 AI 應用公司的估值窗口期，因為一旦增長放緩、產品被實驗室複製，退出價值會迅速下降。

·真正能留下來的 AI 公司，不是簡單調用模型的公司，而是能控制入口、嵌入客戶流程，並隨著底層模型變強而同步變強的公司。

·Elad Gil 的投資方法不是追逐熱門概念，而是先判斷市場是否足夠大、是否剛剛被打開，再看團隊能否抓住這個窗口。

·創業公司做大從來不是自然發生的，董事會、融資、組織擴張和分發機器都需要被主動設計。

·AI 最大的產業意義不是讓軟體更聰明，而是把原本封閉的法律、企業服務、白領工作等市場重新打開，讓「賣工具」轉向「賣認知勞動」。

訪談原文

AI 人才正在經歷一場個人 IPO

Tim Ferriss：Elad，很高興見到你。謝謝你抽時間來，真的很感謝。

Elad Gil：我也很高興見到你，一如既往。

Tim Ferriss：我想我們可以從剛才錄製前聊到的那個話題開始，或者說，是你剛才在解釋的一個新現象。你能不能把我們剛才聊的內容再講一下？

Elad Gil：當然。我們剛才在聊 AI 領域正在發生的一些收購。比如，看起來 xAI 剛剛獲得了一個實際收購 Cursor 的期權。當然，Scale 也被 Meta 部分收購了。過去一兩年裡，這類交易已經發生了不少。

除此之外，我們也在討論：這對 AI 研究社區，以及整個 AI 社區意味著什麼？我覺得過去一年左右發生的最有趣的事情之一，是 Meta 開始非常激進地競價爭奪 AI 人才。這其實是一個非常理性的策略。既然他們要在算力上投入數百億美元，那麼拿出真正的預算去搶人，就是合理的。

通常在科技行業裡，會發生這樣的情況：某家公司上市，一批來自這家公司的人因此獲得巨額財富。然後其中一部分人會繼續埋頭苦幹，專注於原來的使命；另一部分人則開始分心。他們可能去做一些服務社會的興趣項目，可能參與政治，可能去創業，也可能幹脆抽身出來，去海邊躺平之類的。

而最近發生的事情是，由於 Meta 開出了高額報價，其他科技巨頭也不得不為自己最優秀的研究人員匹配相應報價，於是大概有 50 到幾百人，實際上經歷了一次「IPO」——但不是作為某家公司，而是作為一個群體。他們並不在同一家公司，而是分散在硅谷各處，但他們的薪酬包突然大幅上漲，某種意義上經歷了類似公司上市帶來的財富跃遷。這非常少見，可以稱為一種「個人 IPO」。

我能想到歷史上唯一類似的情況，可能是在加密行業。當時一批非常早期的加密貨幣持有者或創始人，作為一個群體，在 2020 年——或者更準確地說，可能是 2017 年前後——突然實現了某種意義上的「集體上市」；後來更近一段時間也再次發生過類似情況。

但這件事真的很有趣，而且討論得還遠遠不夠。它未必會帶來巨大的長期影響，但它確實意味著，一部分人的關注重點會發生變化。他們可能會去做一些宏大的科學項目，嘗試幫助人類；也可能轉向 AI for Science 這類方向；還有些人可能會離開原來的路徑，去追求個人使命或其他事情。

Tim Ferriss：是的。或者幹脆「安靜離職」，開始大量嗑藥，追逐各種慾望。我的意思是，這種情況也會有。

Elad Gil：那當然，肯定也會有。

Tim Ferriss：這種情況下，你看奧斯汀，就有一批所謂的「Dellionaires」——也就是戴爾上市後因為股票暴富的早期員工、相關人士等等。但如果把他們作為一個群體來看，當這種事情發生時，我想我們並不知道它的影響會有多大、會持續多久，但顯然會產生一些後果。

而在我認識的人裡，既足夠懂技術，又有足夠廣的視野和人脈，能夠持續觀察 AI 的，其實沒有幾個。某種程度上，如果有人能夠相對全面地觀察這個領域，我會把你歸到這一類。

你這周寫了一篇文章，也談到了這裡面正在發生的其他因素，比如 AI 實驗室面臨的算力約束，以及這可能對未來一到五年產生的影響。這篇文章大家應該去看，標題是《凝視迷霧重重的 AI 前沿時的一些隨機想法》。順便說一句，標題不錯。

Elad Gil：很戲劇化。

Tim Ferriss：是的，非常戲劇化，我很喜歡，也很有畫面感。不過，在我們進入算力限制這個話題之前——我確實希望你接下來講講這個——但對於那些對人才大戰沒有太多背景的人來說，你剛才提到 Meta 開始激進搶人。在高端人才層面，這些薪酬、股權包，或者整體補償方案，大概是什麼水平？

Elad Gil：我沒有掌握完整範圍的確切信息，也不知道所有細節。但根據傳聞，以及已經進入媒體報導的一些說法，這些報價大概是每人幾千萬美元到數億美元不等。

當然，能夠拿到這種超高待遇的人數非常少。但核心邏輯是，我們正處在有史以來最重要的技術競賽之一。AI 越快變得更強，隨之釋放出來的經濟價值就越大。因此，對於少數幾個在這個領域真正處於世界頂尖水平的人，公司願意支付遠超常規的價格。

五年、十年前，這些人當然也拿著很高的薪酬，但那完全是另一回事。因為當時 AI 還不是整個科技行業的核心。更重要的是，從社會、政治、教育、醫療等層面來看，AI 都將帶來非常廣泛的影響。我認為總體上這些影響會是積極的，但這確實是一個轉型時刻，所以這些薪酬包突然大幅上漲。

算力戰爭的瓶頸，暫時不在晶片，而在內存

Tim Ferriss：你最近那篇文章裡提到的算力限制，具體是什麼？

Elad Gil：現在大家把這些公司叫作「實驗室」——比如 OpenAI、Anthropic、Google、xAI 等等。所有這些實驗室，本質上都在訓練巨型模型。

具體來說，你要從 NVIDIA 購買大量晶片。但實際上，你搭建的是一整套系統：裡面有 NVIDIA 的晶片，有來自 SK hynix、三星以及其他廠商的內存，還要建設數據中心。構建這種大型系統和數據中心，需要投入很多環節。

你基本上是在搭建由數十萬、數百萬台系統組成的集群，而且規模還在不斷上升。這些系統來自 NVIDIA，也可能來自其他供應商。Google 有自己的 TPU，行業裡也有其他系統。你用這些基礎設施來訓練 AI 模型。

這意味著，你會把海量數據跑在這些巨大的雲集群上。最瘋狂的是，最終輸出的模型，字面意義上其實像是一個扁平文件。它有點像輸出一個文本文件之類的東西。然後你再加載這個文件，用它來運行 AI。仔細想想，這件事非常瘋狂：你用一個巨大的雲系統跑上好幾個月，最後產出的東西，竟然是一個小文件。

而這個小文件，某種程度上混合承載了互聯網上可獲得的人類知識，以及邏輯、推理能力和其他能力。

你也可以從人腦的角度理解這件事。人類有三四十億個 DNA 鹼基對，它們足以規定你這個物理個體的一切，也包括你的大腦、心智、運作方式，決定你如何看見事物、如何說話、如何品嘗、如何擁有各種感官。所有這一切，其實都被封裝在數量相對很小的一組基因裡。

類似地，人類知識也可以被有效地封裝進這樣一個小文件裡。

Tim Ferriss：那你怎麼看這些約束？約束具體在哪裡？

Elad Gil：每一年，構建這些用於訓練 AI 的大型雲集群，都會遇到一些約束。此外還有所謂的 inference，也就是推理階段：當你真正使用這些晶片來理解、運行 AI 系統本身時，也需要大量 NVIDIA 晶片，或者 TPU，以及其他晶片。

但除了晶片本身，你還需要其他東西。比如，你需要封裝能力，才能真正把晶片封裝起來。所以圍繞這些系統的建設，有一整條供應鏈。

這條供應鏈的不同環節，在不同時間都會出現不同的瓶頸。現在主要的瓶頸是內存，或者更準確地說，是某一種特定類型的內存。這類內存主要由韓國公司生產，當然也有其他更廣泛的供應商。

業內普遍認為，這個內存瓶頸可能會持續大約兩年，上下會有一些浮動。因為歸根結底，這些公司的產能低於系統中其他環節的產能。

有人認為，未來的其他約束可能會變成數據中心本身的建設能力，或者運行這些系統所需的電力和能源。但就目前而言，主要瓶頸是內存。

整個行業現在都受限於能買到多少算力，然後把這些算力投入到模型訓練和運行中。這會帶來一個結果：短期內，它給模型規模擴張加上了一個天花板。因為每一家實驗室都在盡可能多地購買算力，很多創業公司也在盡可能多地購買算力，所有人都被卡住了。

這意味著，短期內，模型能做多大、推理能跑多少、你現在實際能用 AI 做多少事情，都會受到一個人為天花板的限制。

但這也意味著，它實際上強制形成了一種局面：沒有任何一家實驗室能遠遠甩開其他所有人。因為它沒辦法買到其他人十倍的算力。

而這裡面有一個規模定律：你擁有的算力越多，通常就越能訓練出更大的 AI 模型；在很多情況下，模型最終的表現也會越強。

這可能意味著，在未來大約兩年裡，這些實驗室的能力大概率會相對接近。因為沒有誰有足夠產能可以突然拉開距離。

但當這個約束被解除之後，確實存在這樣一種可能：某家公司突然大幅領先其他所有公司。現在 OpenAI、Anthropic、Google 在能力上其實比較接近，當然有些公司會在某些方面領先，另一些公司會在其他方面領先。大家普遍認為，由於這個瓶頸，未來至少兩年左右，這種相對接近的狀態應該會大致延續。

Tim Ferriss：Google 也同樣受到三星、Micron 等公司內存供應的限制嗎？他們和其他玩家一樣，也受到類似約束？

Elad Gil：目前所有人基本都受到類似約束。其中一些實驗室，要麼已經在自研晶片，要麼在自研系統。比如 Google 有 TPU 之類的東西，Amazon 也造了自己的晶片，叫 Trainium。不同公司有不同系統，但本質上，它們都受限於自己能生產多少、能購買多少。

一兩年前，主要瓶頸是封裝；現在是內存。兩年之後誰知道呢，也許會變成別的東西。在推進這輪基礎設施建設的過程中，我們會不斷撞上新的瓶頸。

Tim Ferriss：我這個問題可能會顯得很外行，因為我是個「麻瓜」，寫不了技術白皮書，也寫不了任何接近那種東西的內容。但在我看來——當然不止我一個人這麼說——我們可能更擅長預測問題，而不是預測解決方案。

比如很久以前，當汽油價格漲到某個水平以上時，大家開始預測災難和崩潰。但當每桶油價超過某個水平之後，新的開採方式突然變得可行，於是資金開始投向水力壓裂之類的技術。

所以有沒有一種可能，在 AI 算力瓶頸這件事上，也會出現某種繞開的辦法？類似這種邏輯，不知道這樣說有沒有道理。也許根本沒有。

Elad Gil：據我所知，至少目前還沒有。部分原因在於，這些東西的建造方式決定了它很難被繞開。

比如內存所需要的產能，本質上依賴某一類晶圓廠。所以你需要時間去建設晶圓廠、採購設備、鋪設產線。這是一個傳統的資本支出和基礎設施建設周期。

而這些公司之前在這方面投資不足，因為它們當時並不完全相信其他人對 AI 需求的預測。現在它們只能努力追趕。

所以這就變成了一種情況：所有人都在說，「AI 增長得這麼快，怎麼可能一直保持這種速度？」但它確實還在繼續這樣增長，而且就是不停地增長。原因在於，這些能力的影響力太大，也太重要了。

你看這些公司的收入，會非常有趣。我之後可以把圖發給你。我們團隊的 Jared 做了一張圖，整理了不同公司從收入達到 10 億美元，到從 10 億美元增長到 100 億美元，再從 100 億美元到 1000 億美元，分別花了多久。

歷史上真正做到這些規模的公司，其實數量很少。你可以按不同代際的公司去看它們花了多長時間。比如我記不清了，可能是 ADP 之類的公司，它們花了 30 年才做到 10 億美元收入。而 Anthropic 和 OpenAI 一年就做到了。

Google 當年可能花了四年，具體數字我記不太清，但大概就是這樣：越往後的公司世代，達到規模的速度越快。現在據傳 OpenAI 和 Anthropic 各自的年化收入都已經在 300 億美元左右。

Tim Ferriss：這太瘋狂了。

Elad Gil：因為四年前，它們還沒有任何收入。而 300 億美元大約相當於美國 GDP 的 0.1%。所以 AI 可能已經從零增長到 GDP 的 0.5%，至少從收入貢獻角度看是這樣。

如果持續外推，假設它們在未來一年、兩年，或者某個時間點達到 1000 億美元收入，那我們就會接近這樣一種狀態：這些公司每一家都可能占到 GDP 的 1% 或 2%。你仔細想想，這真的很離譜。

Tim Ferriss：太瘋狂了，真的太瘋狂了。

Elad Gil：這些東西確實非常重要，也非常有用。而且這還不包括 Azure 因 AI 業務獲得的雲收入，也不包括 Google Cloud 或 Amazon 的相關收入。這裡只是在說 OpenAI 和 Anthropic 這兩家公司。真的很誇張。

蒂姆·费里斯：我很想深入了解你的思考方式。因为在我见过的人里，你是最擅长第一性原理思考，也是最擅长系统性思考的人之一。我很喜歡和你聊天，因為我總能學到新東西，而且不一定是某個具體數據點，很多時候是一個看問題的視角，或者一個思考框架。

而且你的框架本身也在不斷演化。比如我之前看過你和 First Round Capital 做的一次採訪，那應該是很久以前了。你當時談到，你看投資時會先看市場，其次才看團隊實力。你也提到自己當年錯過了 Lyft 的 C 輪投資。當時，這個判斷部分取決於你對市場格局的判斷：它到底是贏家通吃，還是寡頭競爭，或者其他形態。

我很好奇，在 AI 領域裡，你現在是怎麼思考這個問題的。因為在我認識的人裡，你幾乎是最早開始朝這個方向布局的人之一，甚至可能是最早的。

所以你現在怎麼看？這也和你文章裡提到的一句話有關。我還沒聽到別人這麼說過，但我可以把這句話拿出來作為提示——雖然我覺得你不需要提示。

你寫道：正在經營成功 AI 公司的創始人，都應該認真、冷靜地考慮，在未來 12 到 18 個月內退出。這可能是實現結果價值最大化的時間窗口。

你還回顧了互聯網泡沫破裂時公司的存活率，以及後來真正突圍公司的比例。你是怎麼思考這個問題的？能不能解釋一下這句話？

埃拉德·吉爾：當然。

蒂姆·费里斯：另外，也想請你解釋一下，你現在怎麼看這個市場最終會形成什麼樣的格局？你覺得它會是贏家通吃，還是寡頭競爭？或者會出現別的動態？

埃拉德·吉爾：如果看歷史先例——當然，這並不意味著 AI 一定會重演同樣的路徑——但幾乎每一輪技術周期裡，90%、95%，甚至 99% 的公司最後都會倒下。

這可以一直追溯到一百年前當時所謂的「高科技」行業，也就是汽車行業。當年底特律有幾十家汽車公司，還有幾百家供應商，最後整個行業收縮成了少數幾家汽車公司。這並不是什麼新故事。

再看 90 年代的互聯網周期，或者說互聯網泡沫。1999 年大概有 450 家公司上市，2000 年前幾個月又有大約 450 家公司上市，也就是說已經有 900 家。再加上之前幾年上市的 500 到 1000 家公司，總數大概在 1500 到 2000 家之間。

這些公司都已經上市了，也就是說，某種程度上它們已經「成功」了。但這些公司裡，今天還活著的有多少？可能十幾家，也許二十幾家。也就是說，在 2000 家公司裡，大概有 1980 家以某種形式消失了，或者被很低的價格收購了。

所以我們沒有理由認為 AI 週期會有什麼不同。每一輪週期都是這樣。SaaS 是這樣，移動互聯網是這樣，加密行業也是這樣。大多數公司都不會成功，只有少數公司會留下來。我們可以討論哪些公司會留下。

所以，如果你現在正在經營一家 AI 公司，你應該問自己一個問題：你的公司到底具備什麼樣的持久性？十年之後，你會是那十幾家、二十幾家真正重要的公司之一嗎？還是說，現在其實是一個很好的出售窗口？因為你正在做的事情可能會被商品化，可能會被大模型實驗室直接競爭，或者市場變化、技術變化會讓你變得過時。

當然，會有少數公司繼續變得非常偉大。它們不應該賣，也不應該退出，而應該繼續往前走。但很可能有很多公司，現在，或者未來 12 到 18 個月，就是它們能為自己所做的事情拿到最高估值的最佳時刻。

對每家公司來說，都會有一個價值最大化的時刻。它們會達到某個峰值，而且這個峰值通常是一個窗口期。通常是 6 個月、12 個月。在那段時間裡，你做的事情足夠重要，增長足夠快，一切都在運轉良好，而某些逆風還沒有真正襲來。

有時候，這些逆風其實是可以預見的，你能看到它正在靠近。而且很多時候，你可以從增長的二階導數裡看到它。也就是說，你的增長速度開始有點趨於平緩。這個時候，你要麼繼續往上衝，要麼就應該考慮出售。這就是我那句話真正想表達的意思。

從我們前面的對話你也能看出來，我對 AI 極度看好。所以這不是說我不看好 AI 帶來的整體變革，而是說，在這場變革裡，最終只有少數公司會持續重要。關鍵問題是：你到底是不是其中之一？

如果你是，那你永遠、永遠、永遠都不應該賣。

AI 公司如何穿越周期？要麼控制入口，要麼嵌入工作流

Tim Ferriss：那這少數公司有什麼特徵？我是說，那些真正擁有持久優勢的公司。回頭看 2000 年，你會想，當時到底該用什麼標準去挑出 Google 和 Amazon？

Elad Gil：是的。

Tim Ferriss：我不是說互聯網泡沫就是最好的比較對象。但在現在這場 AI 公司雪崩式湧現的浪潮裡，你認為哪些公司具備持久優勢？

當然，一些知名大模型實驗室會很自然地進入腦海。也許它們會變成所有其他應用的入口，誰知道呢。但你會怎麼回答？從共同特徵來看，或者從具體公司名字來看，你覺得能留下來的少數公司，和其他公司到底有什麼區別？

Elad Gil：我認為核心大模型實驗室會存在相當長一段時間。比如 OpenAI、Anthropic、Google，只要不發生某種事故、災難或者內部爆炸式崩盤，它們看起來都處在一個相對穩固的位置。

至於你提到的市場結構，我大概三年前寫過一篇 Substack，當時預測這可能會是一個寡頭市場：會有少數幾家公司，並且它們會和雲廠商綁定在一起。現在看，大體上確實如此。當然，現在還有 Meta、xAI，以及其他可能改變格局的玩家。當年我寫那篇文章時，這些變量還不存在。

但在我看來，短期內這仍然是一個寡頭市場。它沒有理由天然變成壟斷市場，除非其中某一家在能力上領先太多，以至於它自然成為所有人的默認選擇。這種情況當然有可能發生，但目前還沒有發生。而剛才說到的算力約束，短期內可能會阻止這種情況，或者至少對它形成一定限制。

如果你沿著技術棧往上看，進入應用層，就會看到不同類型的應用公司。比如法律領域的 Harvey，醫療領域的 Abridge，客戶成功領域的 Decagon 和 Sierra。每個應用方向上，都有一些公司。

判斷這些公司能不能長期成立，可以用三四個視角來看。

第一，如果底層模型變得更好，你的產品或服務會不會也因此對客戶變得顯著更好，並且讓客戶仍然願意繼續使用你？

第二，從產品角度看，你做得有多深、多廣？你是不是在構建多個產品？這些產品是不是被整合成一個連貫的整體？它是否真的被嵌入了企業內部流程，而且嵌入到一種很難被拔掉的程度？

很多時候，公司採用 AI 的真正問題，並不是「這個 AI 到底有多好」，而是「為了採用它，我需要多大程度改變現有工作流，以及員工做事的方式」。這通常是變革管理問題，而不是技術問題。

所以，如果你已經足夠深入地嵌入客戶的工作流、業務方式、組織協作方式，以及各種系統之間的連接方式，這種位置往往會更持久。

第三，你是否在捕捉、存儲並使用專有數據？有時候這很有用。總體來說，我認為所謂「資料護城河」經常被誇大，但在某些情況下，它確實非常有價值。這通常對應的是「系統記錄」（system of record）式的世界觀。

所以，判斷一個東西是否具備長期防禦性，會有一系列標準。而在應用層，這往往是其中一種重要視角。

Tim Ferriss：所以我有個問題。假設聽眾裡有人正處在這種位置：他可能是一位創始人，應該考慮識別自己公司估值最高的短暫窗口，然後在某種程度上「拉開降落傘」。那他有哪些選擇？

因為我想到一些公司——我就不點名了——現在有不少公司估值已經達到數十億美元。從我這個大多數時候還是外行的角度看，這些公司現在賣的東西，大模型實驗室似乎並不是很難自己做出來。

那這些公司應該瞄准被某個大模型實驗室收購嗎？如果是這樣，對實驗室來說就會有一個「自己做還是買下來」的決策。或者，它們應該瞄准的不是 OpenAI、Anthropic 這類公司，而是那些想更深入參與這場遊戲的公司，比如 Amazon，或者其他類似玩家。你怎麼看它們的退出選項？

Elad Gil：我覺得退出選項其實很多。而現在非常瘋狂的一點是，如果回到 10 年或 15 年前，全球最大公司的市值大概是 3000 億美元。最大科技公司的市值，我記得可能是 2000 億美元左右。當時最大的公司好像是 Exxon 之類的能源公司。

但過去 10 到 15 年裡，情況突然變成了這樣：我們開始擁有一批數萬億美元市值的公司。當時所有人都覺得這太離譜了，但實際上，公司規模很可能只會繼續變大。未來最大的贏家可能會出現更強的聚合效應，而不是更分散。

現在，越來越多公司的市值處在 1000 億美元到幾萬億美元之間，這是前所未有的。這意味著它們擁有巨大的購買力。因為一家 3 萬億美元市值公司的 1%，就是 300 億美元。也就是說，我們只需要稀釋 1% 股權，就可以用 300 億美元買下一家公司。這是非常瘋狂的。

這確實是史無前例的。也正因為如此，現在這些超大型收購是可以發生的。

Tim Ferriss：對於我腦子裡想到的那些公司——我還是不想點名——它們可能看起來生命周期有限。我經常在一些小群裡和朋友聊天，其中不少人是非常成功的科技投資人。然後我會問他們：「好，假設這五家公司擺在這裡，你有 10 個籌碼，你會怎麼分配？」有些公司雖然知名度不低，但幾乎總是拿到 0 個籌碼。那為什麼這些實驗室會去買這樣的公司？

Elad Gil：這取決於它具體是什麼公司。而且買方未必一定是大模型實驗室，也可能是大型科技巨頭。比如 Apple、Amazon，Google 某種程度上兩者都是。還有 Oracle、Samsung、Tesla，現在 SpaceX 也開始進入這個市場，做一些相關事情。不同類型的買方其實很多。還有 Snowflake、Databricks。如果你做的是金融服務，可能還有 Stripe、Coinbase。事實上，有一大批公司規模已經非常大，這就是重點。

所以，一家公司最後通常會賣給四類買方之一。

第一類，是大模型實驗室、超大規模雲廠商，或者大型科技公司。

第二類，是那些非常重視你所在垂直領域的公司。比如你做法律、會計或相關領域，Thomson Reuters 這類公司可能就會感興趣。

另外，我覺得有一件事發生得還不夠多，那就是競爭對手之間的合併，尤其是私營公司之間的合併。因為如果你的首要目標是贏下市場，而你和另一個競爭對手一直勢均力敵，每一單都在競爭，還互相把價格打壞，也許更好的選擇就是合併。

這其實就是 90 年代 X.com 和 PayPal 的情況。Elon Musk 和 Peter Thiel 當時分別經營不同的公司，後來他們選擇合併，因為他們意識到：「既然我們兩邊都在做這件事，為什麼還要繼續打？」

Tim Ferriss：是的。或者很早以前的 Uber 和 Lyft。那可能不算合併，更像是收購。

Elad Gil：是的。傳言是，那件事差一點就發生了，後來是 Uber 那邊放棄了。但 Uber 這些年為了和 Lyft 競爭花掉的所有錢，可能還不如當時直接把它買下來。當然也可能不是這樣，具體賬我不知道。

但很多時候，選擇說「算了，我們不要再互相消耗了，直接合併，然後一起去贏」，其實是有道理的。因為如果首要目標是贏下市場，而你本來就已經在和一批既有巨頭競爭了，為什麼還要讓這件事變得更難？

Tim Ferriss：你知道，我們經常聊這個。但這次我想聊聊你作為投資人的視角。不過在你真正戴上這頂「全職投資人」的帽子之前，你的背景裡已經有很多東西，可能幫助了你，也可能沒有。我很好奇，如果你回頭看自己的生物學背景、數學背景，你覺得這些東西，或者其他經歷，有沒有實質性地影響你對投資的思考？有沒有給你帶來某種優勢？當然，贏得交易有不同階段，但我們先只談篩選，談選擇過程。

Elad Gil：我覺得數學對我有兩方面幫助。

第一，它幫助我理解某些技術問題，尤其是算法、計算機科學相關的東西。有時候，這對理解 AI 裡某些事情如何運作很有用。或者至少讓我對數字、數據更熟悉。我不一定要把它叫作「書呆子語言」，但大概就是那種東西。

說實話，我當時讀數學學位純粹是因為喜歡。我覺得真正有幫助的地方也在這裡。我只是讀了一個數學學士，沒有繼續深入太遠，但我學的是非常抽象的純數學。

我認為這是一種很好的訓練，它迫使你真正一步一步地進行邏輯思考。至少我當時學習如何做證明時，大概的方式是：你先建立一個邏輯序列，但有時候你也會進行一些直覺跳躍，然後再回頭試著把它證明給自己看，或者把這種直覺背後的推理補充完整。

我覺得投資有時候也有點像這樣。

Tim Ferriss：你第一次意識到自己可能擅長投資是什麼時候？這個投資可以是廣義的投資，也可以是在我們談話語境裡的創業公司投資、天使投資。你什麼時候第一次覺得：「嗯，也許我在這件事上還不錯」？有沒有某個時刻、某筆交易，或者其他什麼讓你想到這一點？

Elad Gil：其實沒有。我對自己要求非常嚴苛，所以即使到現在，我也經常質疑自己。有人曾經告訴我，事後最喜歡反覆責備自己的兩個人，一個是我，另一個是另一位非常知名的創始人兼投資人。

所以我沒有哪個單一時刻會想：「哇，這件事真的很適合我做。」它更像是自然而然地持續發生。因為我投進了一些非常強的公司，然後這又讓我可以繼續做下去。是的，我也希望自己有那種「頓悟時刻」。

蒂姆·费里斯：該死，你得像每個傑出創始人一樣，重新改寫一下自己的早期故事。

艾拉德·吉爾：對，從我七歲開始，我就一直在思考如何投資科技公司。

蒂姆·费里斯：那你是怎麼進入那些交易的？有些人擁有資訊優勢，而且他們會把自己放在一個能獲得資訊優勢的位置上。這個問題我不想問得太引導性，但對我來說，如果我當年沒有在 2000 年搬到矽谷，後來又一直待在那裡，尤其是搬到舊金山，我在天使投資上做成的任何事情都不可能發生。

但你的故事顯然不止如此。因為很多人都搬去了那裡，懷著通過創業公司致富的希望，不管是以什麼身份。當然我不是說你是為了這個搬去的。但到底是什麼讓你能夠進入那些交易？基於我們過去的聊天，我腦子裡會想到一些因素，但我先不說。為什麼你能夠進入，或者選中那些交易？

艾拉德·吉爾：我覺得早期發生的事情，和現在發生的事情不一樣。這兩個階段是不同的。

就像你說的，對任何想進入某個行業的人來說，最重要的一件事，就是去這個行業的總部，或者它的產業集群所在地。你要搬到那個事情真正發生的地方。那些說「你可以在任何地方做任何事情」「一切都可以遠程完成」的建議，都是胡說。不只是科技行業，所有行業都是這樣。

如果你想進入電影行業，人們不會對你說：「你可以在任何地方寫電影劇本，可以在任何地方做數位配樂，可以在任何地方剪輯，也可以在任何地方拍攝。所以你去達拉斯吧，加入他們蓬勃發展的電影圈。」人們會說：「去好萊塢。」

如果你想進入金融行業，你可能會說：「我可以在任何地方融資，可以在任何地方想交易策略、想對沖基金策略，也可以在任何地方做這些事。」但人們會說：「去紐約，或者去某個金融中心。」

科技行業也是一樣。

我們團隊的 Shreyan 一直在做一種「獨角獸分析」，研究私營科技公司的市值到底集中在哪裡。傳統上，大概一半集中在美國，而美國裡面又大概一半集中在灣區。但到了 AI 這一輪，91% 的私營科技市值都集中在灣區。全球 AI 私營市場總市值的 91%，都集中在一個大概 10 英里乘 10 英里的區域裡。

所以，如果你想從事人工智慧，你很可能應該在灣區。第二選擇可能是紐約，再往後就斷崖式下降了。真正核心的地方還是灣區。

如果你想從事國防科技，你可能應該去南加州，靠近 SpaceX、Anduril 所在的地方，比如 Irvine、Orange County、El Segundo 等地。那裡有很多初創公司。

如果你想從事金融科技和加密，可能就是紐約。

但現實就是，這些產業集群非常強。所以第一點，就像你說的，我當時確實在正確的位置。我處在正確的網路裡。另一個默契的條件是，我自己也在經營一家初創公司。我在 Google 工作了很多年，後來離開去創業。人們開始主動來找我尋求建議。

比如我最後投資 Airbnb 的方式是，當時他們大概只有八個人，我在幫他們融 A 轮。我給他們介紹了一些人，也在策略上非常輕度地幫了一點忙。當然，沒有我他們也會完成融資。最後他們說：「嘿，這輪結束的時候，你想不想投一點？」我說：「好啊，聽起來很棒。」這件事非常自然。

再比如我投資 Stripe 的方式。當時我把自己做的一家基礎設施型、早期 API 公司賣給了 Twitter。那時 Twitter 大概有 90 個人左右。然後我給 Stripe 的 CEO Patrick 發了一封郵件，說：「我聽說了很多關於你的好話，我也很喜歡 Stripe 在做的事情。如果是我自己的創業公司，我也會用它。我自己剛賣掉了一家 API 公司，你想不想聊聊這些東西？」

我們一起散了幾次步。一兩周後，他給我發短信說：「嘿，我們正在融資，你想投資嗎？」所以我最早做的幾筆投資，都是非常自然發生的。創始人會說：「我希望你參與進來。」

我當時並沒有想：「哦，我應該成為投資人，然後我要去追逐項目。」我只是很喜歡和聰明人聊天，很喜歡解決某些商業問題，也熱愛技術以及技術如何轉化到現實世界裡。我就是一個書呆子，然後遇到了其他書呆子，大家聊得很投機。這就是我的早期故事。

Tim Ferriss：我突然想到一句話，你肯定聽過，大家應該也都聽過：如果你想要錢，就去尋求建議；如果你想要建議，就去尋求錢。我剛剛突然意識到，這句話反過來也成立。也就是說，如果你持續提供很多建議，很多時候你最後會獲得投錢的機會。反過來，如果你一上來就想給錢，別人可能會來向你尋求建議。

Elad Gil：是的，說得很好。

Tim Ferriss：你是什麼時候寫《High Growth Handbook》的？那本書是什麼時候出版的？

Elad Gil：已經有一段時間了。大概七年前左右吧，差不多。

Tim Ferriss：七年前。好，我們一會兒還會回到這個話題。因為你在地理位置上確實處在正確的地方。你處在交換機的中心。就像你說的，最早那些很突出的投資，都是非常自然發生的。

我好奇的是，你剛才也說了，過去你做的是一套東西，現在你做的是另一套東西。但在這兩者之間，其實也有一個演化過程。比如我想問，你現在是否仍然認同這句話？這是我剛才提到的那次 First Round 採訪裡的內容：「作為一個一般原則，我做投資時，首先看市場，其次看團隊實力。」後面還有更多內容。但這句話你現在還同意嗎？

Elad Gil：90% 同意。偶爾你會遇到某個非常特殊的人，然後你就會支持他，尤其是在非常早期的時候。

比如 Perplexity 的第一輪融資，是我領投的，非常非常早期。那件事的起因是，Perplexity 的 CEO Aravind 好像是在 LinkedIn 上給我發了消息。那時候還沒有人在做 AI，他當時是 OpenAI 的工程師，或者研究員。

他說：「嘿，我在 OpenAI。」當然那時候其實沒人在乎 OpenAI。「我在考慮做一些 AI 相關的東西。我聽說你在聊這些，而其他人都不怎麼聊。我們能不能見面？」

然後我們就開始每兩周見一次，一起頭腦風暴。後來這就變成了投資。那是一件「人優先」的事情，因為他實在太優秀了。每次我們聊完，一週後他都會帶著我們討論過的東西的成品回來。誰會這麼做？

Tim Ferriss：是的，這是個很好的信號。

Elad Gil：真的太厲害了。

再比如我最後投資 Anduril 的方式。當時 Google 關閉了 Maven，也就是他們的國防專案。我當時想：「如果這些既有巨頭不願意做，那這不正是初創公司可以進入的好機會嗎？」因為矽谷和國防工業之間本來就有很長的歷史，比如 HP，還有很多早期品牌都是這樣。

所以我當時就在找有沒有人在做這個方向。當時這個方向非常不受歡迎。後來我好像是在一個早午餐活動或者類似場合，遇到了 Anduril 的聯合創始人之一 Trae Stephens，他也在 Founders Fund。

這又一次說明，你要待在正確的城市。他說：「哦，我正在做一個新的國防項目。」我說：「太好了，我們來聊聊。」

所以有時候，我是在市場裡主動尋找這些東西；有時候，是先遇到人。Anduril 是先看到了市場，然後找到了非常優秀的人。Perplexity 則介於兩者之間：我當時一直在看 AI 裡的各種東西，因為我認為它會變得極其重要，但當時關注它的人並不多。然後我遇到了一個非常出色的人。

我投資 OpenAI 也是這樣。我投資 Harvey，也就是早期的法律 AI 公司，也是這樣。我投了很多非常早期的項目，因為它們是當時少數在我認為極其重要的市場裡真正做事的人。

Tim Ferriss：我想回到你剛才說的幾件事。你提到 Perplexity 的創始人，或者說後來成為創始人的那個人，他說他看到或者聽說你在談 AI。那具體是在哪裡？是在你的部落格文章裡嗎？還是其他地方？他到底是怎麼發現你在聊這些東西的？

Elad Gil：我覺得他聯繫我，部分原因是我之前參與了很多上一代科技公司，比如 Airbnb、Stripe、Coinbase、Instacart、Square 等等。當時我已經作為創始人和投資人有一定知名度了。

除此之外，我那時也在主動「騷擾」AI 研究人員，不停問他們現在到底發生了什麼，因為這件事實在太有趣了。當時有很多人用一種叫 GAN 的東西做藝術，也就是生成對抗網路。

我也在玩這些東西。我曾經試圖招工程師，幫我做一個本質上類似 Midjourney 的東西，因為我覺得，如果能讓 AI 藝術創作變得很容易，那會非常酷。

Tim Ferriss：我先暫停一下，因為這是我的第二個問題，現在問正好。你剛才提到 AI 時說，你當時覺得它會變得極其重要。你是從哪些蹤象判斷出來的？遠處冒出的那股「煙」是什麼，讓你覺得：「哦，這是個有趣的方向。」

Elad Gil：我覺得大概有兩三個因素。

AI 一直是那種人們長期談論的東西。我讀數學學位的時候，上過很多理論計算機科學課程，也接觸過早期神經網絡課程，以及背後的數學基礎。人們一直都在期待構建某種形式的人工智能。

某種意義上，你甚至可以說 Google 是第一家以 AI 為核心的公司。只不過那時候我們把它叫作機器學習，而且從某種意義上說，技術基礎也不太一樣。

我覺得 2012 年是一個關鍵節點。那一年 AlexNet 出現，它證明了你可以開始擴大模型規模，而且隨著規模擴展，AI 系統會表現出非常有趣的特徵。

然後到了 2017 年，Google 的一個團隊發明了 Transformer 架構。現在幾乎所有東西都建立在這個架構之上，或者說大致都基於它。比如你看 ChatGPT 里的 GPT，那個「T」指的就是 Transformer。

再到大概 2020 年，GPT-3 出現了。它相比 GPT-2 是一個巨大的躍遷。它當時還沒有好到真正可以廣泛拿來做很多事情，但你會意識到：「天哪，規模定律相關論文已經出來了，能力上的階躍變化太大了。」

突然之間，你有了一個可以通過 API 調用的通用模型，任何人都可以訪問。你只要把這件事往下一步外推，就會發現它一定會變得非常重要。

所以基本上，我是在看這種能力躍遷，親自試用這些技術，然後讀規模定律相關論文。或者更寬泛地說，我發現規模定律似乎對很多事情都成立。你會想：「哇，這件事會變得非常、非常重要，那我應該開始參與進去。」

Tim Ferriss：你覺得如果沒有數學背景，你還會或者還能做到這種判斷嗎？我猜可能也有其他人做到了。但這也引出了我的問題：你是怎麼發現並吸收這些信息的？這是當時圈子裡的熱門話題嗎？也就是說，在你的社交圈和人脈網絡裡，大家已經在公開討論這件事，所以你自然參與其中？還是說，你本來就在從不同領域吸收大量信息，而 AI 恰好是其中一個特別吸引你的方向？

Elad Gil：我覺得有三件事。

第一，我一直會從很多不同領域吸收大量信息，因為我喜歡學習各種東西。我本來就是數學、生物學、動漫、藝術和其他東西混在一起的人，一直都是這種混合狀態。

第二，這確實也是我朋友們會聊的東西，但當時更像是玩具性質的討論。比如，「哦，這個很酷，你看它生成了什麼東西。」但大多數人並沒有進一步外推。它有點像早期的加密貨幣或者比特幣：大家都在聊，但真正買的人很少。我覺得這是其中一部分原因。

第三，說實話，我就是覺得這些東西很有趣，所以一直在玩。

這又回到了 GAN 和 AI 藝術那件事。當時不同模型會不斷出現，你可以拿來試。

關於這一輪基礎模型、AI 以及所有相關變化，有一件事的重要性其實被嚴重低估了。過去 AI 或機器學習的工作方式通常是這樣的：你在公司裡有一個團隊，或者在其他地方有一個團隊，然後會有所謂的 MLOps 團隊。也就是機器學習運營團隊。他們的工作，就是幫你設置所有數據、管道和相關流程，用來訓練一個模型。

你訓練出來的模型，是針對你的具體使用場景、針對你想完成的事情定製的。然後你還得搭建一堆內部服務，去和這個模型交互。

所以，要讓一個可用的機器學習系統真正跑起來並進入生產環境，是一件非常痛苦的事情。

然後突然之間，事情變成了：你只需要調用一個 API。用一行代碼，或者幾行代碼，世界上任何地方的任何人都可以訪問它。

而且不只是這樣，它還是通用的。它不再只是專門用於某一個場景，比如拼寫糾錯之類。你可以用它做任何事情。某種意義上，它的知識庫裡嵌入了整個互聯網。它還開始具備更高級的推理能力。

但最重要的一點之一是：你用幾行代碼就可以獲得它。你不需要去組建 MLOps 團隊，不需要自己托管它，不需要處理一堆交互流程，也不需要做所有這些額外工作。它就是能用。

這真的非常重要。

Tim Ferriss：這太重要了。確實很難夸大這一點。

我有一百萬個問題想問你。問題就在於，我們可以聊的方向太多了，簡直是「富到尷尬」。

我和我的團隊現在正在使用 Claude Code 以及各種工具做很多事情。其中有一件事，剛好和你非常擅長、也非常有經驗的領域重合，那就是天使投資。

這是我第一次覺得，我真的有能力去做這件事。當然，如你所想，這裡面還是需要一些人工投入。但我現在可以回過頭來，分析自己過去 20 年的天使投資經驗，並嘗試做很多不同的事情。

我懷疑很多讓我感興趣的東西其實沒什麼實際用處，比如做一些反事實分析：如果我每一筆都持有三年、五年，或者其他時間，會怎麼樣？這基本上就像 Opus Dei 那種自我鞭笞，大多數時候只是在抽自己後背。

但在做這種分析時，有些問題會立刻浮現在我腦海裡，而且可能真的值得研究。我想聽聽，如果是你，你會不會做這件事；如果會，你會怎麼做。

坦白說，其中一部分純粹是出於好奇。我想知道，我一直講給自己的那些故事到底是不是真的。比如，我會感興趣：某些介紹到底是誰做的？是不是有些人其實只是把那些快不行的公司——基本上像是臨終關懷裡的病人——送到我這裡，做最後一搏？又或者，是否真的有一些人一直穩定地給我推薦好項目？

我可以用一百萬種方式去盤問和豐富這些數據。我們現在也在用 Claude 和其他工具做這件事，做得還不錯。OpenAI 在這方面也非常強。

如果回頭看，比如在我的情況下，大概是 20 年左右的投資記錄，你覺得有哪些更有意思的問題，或者值得檢查的分析路徑？

Elad Gil：是的。我最近在做一件很奇怪的事：我會上傳創始人的照片，然後讓模型預測他們會不會成為優秀創始人。

Tim Ferriss：哦，哇。

Elad Gil：因為你想想，其實我們和人見面時一直在做這件事。我們會很快試圖對一個人做出判斷：他的性格是什麼樣，他是什麼樣的人。

這裡面有很多微小特徵。比如，你眼角有沒有魚尾紋，這可能暗示你的笑容是否真誠。那又說明你可能有什麼樣的幽默感？或者，你是不是長期皺眉，這意味著什麼？

有很多這種微小特徵。當你見到一個人時，其實你很快就能對他們形成一個初步印象。當然，這不代表它一定準確。但作為人類，我們確實會非常快速地做這件事。

所以我一直在玩一整套提示詞，純粹是為了好玩。 問題是：能不能根據幾張照片，外推出一個人的性格？如果可以，那能不能在某種程度上預測他的行為？我覺得這很有趣。

Tim Ferriss：是的。你現在發現裡面有信號嗎？還是還不確定？

Elad Gil：其實效果還不錯。 我最近一直在做一些很奇怪的測試，比如襯衫之類的，對吧？

Tim Ferriss：對，練習觀察微笑的人。

Elad Gil：是的，是的。

但我覺得這很有趣，因為我們本來就一直在讀人。 這也是提示詞的一部分。 比如你可以設定：你是一個非常擅長根據微表情、面部特徵等信息做冷讀的人。 然後把這些東西具體寫出來。

接著，你讓它不僅給出對這個人的解讀，還要解釋它每一個判斷背後對應的具體微特徵。 它會幫你逐項拆解。 真的很驚人。 想想這項技術到底是什麼，太瘋狂了。

再強調一次，我不是說它完全準確，也不是說它一定有預測性。 但在「看準一個人」這件事上，它已經做得相當不錯了。

它甚至會給出類似這樣的判斷：「這個人可能有某種類型的幽默感。」 或者，「這個人在大多數社交場合可能會比較克制，但會突然插入一句沒人預料到的機智、冷幽默式評論。」 它會非常具體。

Tim Ferriss：非常具體。

Elad Gil 的投資方法：先看市場，再看團隊

Elad Gil：是的。很驚人。 我最近一直在做類似的事。 雖然這可能不是你真正想問的問題，但我覺得特別有趣。

Tim Ferriss：其實是相關的。 當然，我肯定漏掉了一些步驟。 但我很喜歡天使投資，只是「劑量決定毒性」。 所以通常到某個臨界點時，我就會想：「好吧，這件事不再好玩了。」

我也喜歡黑巧克力，但我不想一整天被人強行餵黑巧克力。 我之前也談過這個，但說實話，我確實很享受其中的學習過程，也享受這種「競技性」，以及和一些非常、非常聰明的人打交道。 當然，不是所有人最終都能成為成功公司的創始人。 但歸根結底，我一直在嘗試區分信號和噪音。

另外，不論用什麼方式，在這個範例裡是投資，它都很有趣，因為你可以用它來磨練自己的思考，壓力測試自己的信念，以及支撐你某些預測的底層假設。

所以我只是好奇，你有沒有對自己過去的創業投資做過回顧性分析？還是說，你更像 Marc Andreessen 那種風格：只向前看？

Elad Gil：是的。在我剛開始投資的時候，我會做一個很長的表格，用很多維度給每家公司打分，然後之後回頭看這些判斷是否正確。大致上是正確的。

但難點在於，結果中存在大量隨機性。有些公司你原本以為已經死了，最後卻賣了幾十億美元，或者發生類似的事情。對吧？

Tim Ferriss：當然。

Elad Gil：那你怎麼給這種情況打分？比如，現在我們處在一個非常奇怪的市場時刻，數萬億美元市值的公司都在追逐同一個獎品。它們會做出各種在正常情況下不會發生的事情。

所以，要把這種因素納入評估，其實非常困難。整體來說，我更接近 Marc Andreessen 那一派。我很少思考過去。對於我自己的過去，我幾乎不怎麼想。我更多是：「繼續往前走。」

也許這不好，也許我應該進行更多、更深刻的自我反思。我會盡量在當下反思，但我不會試圖重新推演、審視自己整個人生和所有決策。

如果真要說，很多決定其實都是讓我事後對自己很生氣的決定，因為我覺得自己當時不夠激進。換句話說，我投了某家公司，但我本應該更努力地投更多，即便我當時已經非常、非常努力了。

因為真正重要的公司就那麼幾家。而對投資人來說，這才是最重要的事情。當然，作為一個人，我確實喜歡參與不同公司、和不同創始人合作，幫助他們，不管最後成不成。我也會因為某項技術本身很有趣而參與進去。

但從回報角度看，現實就是非常清晰的冪律分佈。人們經常談這個，而它確實是真的。

我記得有個朋友做過一個分析，可能是 Yuri Milner，也可能是其他人。他看了從 2000 年或者 2004 年左右到現在的所有科技公司。我不記得具體日期了，但大概結論是：大約 100 家公司貢獻了 90% 以上的全部回報，而總共 10 家公司貢獻了過去 20 年科技行業 80% 的全部回報。

如果你沒有投中那 10 家公司，你就是一個糟糕的投資人。一旦你開始面對這種冪律分佈、超大結果以及所有這些因素，你要怎麼給自己打分？

本質上就是：你有沒有投中那 10 個東西之一？這才是真正的評分標準。對投資而言，這可能才是正確的評價方式。

Tim Ferriss：我想在這期播客裡盡量聚焦一些偏早期的決策。就像你說的，那些都是更早期的決定。過去你有過去的做法，現在你有現在的做法。這並不是說哪個更好，但你過去做過什麼，通常會影響你現在能做什麼，以及你現在如何做。

我好奇的是，我們不會在這上面花太多時間，但對聽眾來說可能會很有趣：你是什麼時候從單純自己做天使投資，轉向讓其他投資人也參與到你的交易裡的？

這有很多種方式。但我之所以想問這個，是因為你做過不少 SPV。我先解釋一下，SPV 指的是特殊目的載體。大家可能更熟悉風險投資公司：它們有基金，比如為一只基金募資 1 億美元。當然金額可以更多，也可以更少。然後它們把錢投到很多不同公司裡，最後看哪些公司贏、哪些公司輸。如果有利潤，按傳統教科書式例子，風投公司通常拿走 20% 的收益分成，LP，也就是出資人，拿走 80%。

風投公司還會收管理費，用來維持公司運營。當然，實際情況通常遠不止「維持運營」這麼簡單。

而 SPV 通常是投向某一家特定公司。為了簡單起見，我們就假設是單一公司。對發起 SPV 的人來說，這種結構有一些簡單清晰的優勢。但它也有很大的聲譽風險。因為如果你有一只基金，其中幾家公司失敗了，你的投資人不會自動歸零；但如果你做的是一個 SPV，而它歸零了，那可能會嚴重傷害你的聲譽。

我看你早期的一些 SPV，裡面顯然包括不少知名公司，比如 Instacart 等等。你當時是怎麼選擇哪些公司適合做 SPV 的？因為這似乎是一組非常關鍵的決策，會為你之後擁有更多選擇權打下基礎。

Elad Gil：是的。就像你說的，我一直非常害怕虧掉別人的錢。如果虧的是我自己的錢，那沒關係，這是我自己的決定。我是成年人，可以承擔後果。

但對於別人給我的錢，不論是個人還是機構，讓我代表他們投資，我一直都非常謹慎。類似地，我真的很害怕讓別人虧錢。

所以早期做 SPV 時，我一直盡量非常慎重。重點是選擇那些我認為可能成為超大規模公司的項目。就像你提到的，Instacart、早期 Stripe、Coinbase，還有其他幾家公司，都是我最早做的一批 SPV。

我的重點非常明確：我是否認為這家公司有可能變成一個巨大的東西？同時，我也會問自己，它是否有足夠的下行保護？也就是說，即便它沒有像我想象中那麼成功，對投資人來說是否仍然可能是一個不錯的結果？

我會非常認真地做這件事。

這很有趣，因為很多人會來找我諮詢，問他們該如何成為投資人，或者他們正在給某只基金做 scout。所謂 scout，基本上就是某家風險投資基金給他們一小筆錢，讓他們代表基金去投資。Sequoia 就有一個很有名的 scout 專案，會給一些人錢，讓他們幫自己投。

我聊過的一些 scout，基本上把這筆錢當成「免費資金」或者一個期權。他們的心態是：「隨便投一堆東西，也許有一個會成。」我會提醒他們：「嘿，如果你以後真的想成為職業投資人，這就是你的投資記錄。」

第一，從某種意義上說，你是受託人。也許從這個角度出發，你應該更謹慎一點。

第二，這會建立你的 track record，也就是你的業績記錄。你想要一個好的記錄，還是一個壞的記錄？你要怎麼思考這件事？

當然，有時候人確實只是運氣好，100 個項目裡投中一個，但那個項目的回報超過了所有虧損，於是他們看起來非常厲害。但要在這件事上持續做得好，或者持續投中偉大的公司，是非常難的。

Tim Ferriss：好，我想深入追問你剛才說的幾件事。也許你可以用一個匿名案例帶我們走一遍，不需要說出公司名字。

你剛才談到建立自己的投資記錄。在你後來募集基金之前，你在這方面做得非常好。我希望你可以解釋一下，你在盡調時會做哪些事情，或者你如何給不同因素分配權重。

另外，你剛才提到「足夠的下行保護」——我不確定這是否是你的原話——也想聽聽你在篩選這些交易時是怎麼想的。因為從盡調層面看，你本可以選擇很多不同交易。

你通常更關注哪些事情？哪些事情你會比其他人更重視？又有哪些事情，你反而沒有那麼在意？

Elad Gil：是的。我覺得早期項目和後期項目之間有很大區別。

在早期階段，就像前面說的，相比大多數早期投資人，我會花更多時間研究市場。很多早期投資人會說：「我只關心團隊，關心他們到底有多強。」但我見過很優秀的團隊被糟糕的市場壓垮，也見過一些相當一般的團隊做得非常好。

所以到了現在，我認為市場更重要。當然，優秀團隊如果願意調整方向，通常也能找到自己的路。但在早期，我會非常重視市場。這可能意味著去做客戶訪談，也可能是嘗試理解：我是否認為某件事有機會變得足夠大？

有時候，這也可能只是某種直覺。比如：「嘿，國防非常重要，但沒人做國防。那我就去找一家國防公司。」我通常會非常重視這一點。

與此相關的是，我一直傾向於避開「科學項目」。有些人很容易被這類東西吸引：「哇，這個太酷了，又是量子，又是什麼什麼。」但我基本上會避開這些東西。有時我會因此錯過一些很好的機會，但很多時候，這個判斷是對的。

我其實認為，SPAC 拯救了硬科技和科學型投資行業。因為如果你回頭看，在市場頂峰時期，一批 SPAC 把很多原本後來無法在私募市場繼續融資的公司帶上市了。

這給了它們足夠的錢繼續活下去。更重要的是，它也讓一批硬科技基金實現了資金回籠，從而避免了倒閉。它給了這些基金回報。基本上就是 SPAC 時代。Chamath 實際上拯救了硬科技。我是認真的，不是在開玩笑。

我大體上避開了這類公司。我不是說自己很聰明，因為如果投了，我本來也可以賺到錢。但我當時覺得，這類公司存在資本結構問題、科學風險、市場風險，以及其他很多問題。

到了後期階段，難點通常在於：在紙面模型裡，每一家後期公司的投資回報看起來都會是 2 到 3 倍。因為推動這些輪次的基金，都是按照某個 IRR 時鐘來做投資假設的，比如 25% 的內部收益率，或者類似標準。於是大家都會做各種模型，而這些模型最後都會顯示：這些公司基本上都能漲到 2 到 3 倍。

真正的藝術，或者說科學——不管你想怎麼稱呼——在於判斷：這家公司到底是 0.5 倍，還是 10 倍？它的價值會下跌嗎？還是會漲 10 倍？你怎麼知道它是 10 倍，而不是 2 到 3 倍，或者 0.5 倍？

這才是成長階段投資更難的地方。有些事你會判斷：「這家公司會一直增長下去，原因是這個。」但這種判斷往往不是數學上的。它常常來自某種市場動態、某個核心洞察，或者某個市場份額問題。

人們往往會把這件事弄得非常複雜，做很複雜的多頁模型，寫 50 頁備忘錄，等等。但很多時候，這些事情最後都可以歸結為一個問題：我到底需要相信這家公司哪一件事，才會認為它能繼續變得非常大？

如果你需要相信三件事，那就太複雜了，可能很難成立。如果你一件事都不需要相信，那它也沒什麼意義。通常來說，真正理解一個結果，只需要抓住一兩個核心洞察。

Tim Ferriss：你能不能舉一個例子？比如某家公司對應的那個核心信念是什麼？

Elad Gil：可以，我給你舉兩三個例子。

比如 Coinbase，它的一個核心邏輯就是：它是加密行業的指數，而加密行業會繼續增長。因為如果 Coinbase 交易每一種主流加密貨幣，並且從每筆交易中抽成，只要交易量足夠大，那麼你投資 Coinbase，本質上就相當於買入了一籃子加密貨幣。這就是當時的前提。

Stripe 的邏輯是：它是電商的指數，而電商會繼續增長。當然現在 Stripe 已經複雜得多，有各種各樣推動它表現的因素。

Anduril 的邏輯則是：機器視覺和無人機將會變得重要，AI 和無人機也會在國防領域變得重要。

Tim Ferriss：就是這樣。

Elad Gil：當然，實際情況比這複雜。我只是這麼概括。

Tim Ferriss：對，對。我是說，作為核心信念，就是這一點。

Elad Gil：Anduril 裡面還有成本加成模式與硬件利潤率的問題。它其實有四五個重要因素，有點像判斷國防科技公司時的一張清單。但對很多其他公司來說，核心判斷可能真的就是：電商會很好。

Tim Ferriss：This question may be a bit too insider baseball, but when you mentioned those companies earlier, what stage were they in roughly when you did your SPV? Just a rough idea.

Elad Gil：With Stripe, when I first invested in Stripe, they only had eight people. Later on, I continued to follow on. Honestly, by the time I ran out of my own money, that's when I started doing SPVs. So I think I did my first SPV around the Stripe Series C, around that stage.

Tim Ferriss：Got it. And were other companies at a similar stage? Like Instacart and so on?

Elad Gil：They were all at a similar stage, around the Series C or Series D. At that time, I didn't have a fund or anything, so I would invest as much personally as I could. Not just in the early stages, to be honest. Whenever there was an opportunity, I just kept on investing.

Tim Ferriss：When you're trying to determine whether a company is a 0.5x versus a 10x, aside from that core belief, what other due diligence aspects do you use to determine where it falls in that range?

Elad Gil：I do a lot of due diligence. For example, I would meet with the CFO multiple times, go through financial data item by item, look at financial models, examine customer situations, call customers, research the executive team. I would do a lot of things.

As far as I know, my fund is the only one that truly does cash reconciliations. For later-stage projects, we will do a cash audit, look at their cash flow. So I do a very large amount of due diligence because I want to make sure I am not doing the wrong thing.

But on the other hand, most due diligence will ultimately converge on that one question.

So when I work with a company, I actually try to make the due diligence process very quick and direct. I would say: First, we need to confirm that the financial data is correct, and that there are no foundational issues. Second, we narrow down the issues to one or two core questions to understand if this company can continue to grow. Instead of bringing up 30 pages of irrelevant questions.

Tim Ferriss：Right.

Elad Gil：Many people would say, 「Hey, we need to know the secondary cohort data for this small product.」 But who cares? They are just wasting time, wasting the founder's time, wasting the team's time. I will work very, very hard to avoid this situation.

因為我自己以前也是創業者，所以我知道時間有多寶貴，也知道那些問題有多煩人。

Tim Ferriss：我本來有一度想問你這個問題，不過我們不用花太多時間。你有一篇很久以前的文章，應該是 2011 年寫的，列出了 VC 會問創業公司的問題。你剛剛提到的那類問題，你在那篇文章裡省略了一些。

但我很好奇，當你和創始人聊天時，無論是早期還是後期項目，那些問題裡有沒有一些你自己仍然會用？或者有沒有其他你現在會問的問題？我知道那是 2011 年的文章，所以我並不期待你記得文章本身。

Elad Gil：是的。我已經很久沒看那篇文章了。我現在其實在寫另一本書，講的是創業公司從 0 到 1 的階段，裡面會涉及一些類似問題。但現實是，自從我寫那篇文章以來，風險投資行業已經發生了巨大變化。因為在 2011 年，風險投資基金主要做種子輪到 D 輪、E 輪左右，然後公司就上市了。現在這種「私營公司存續 20 年」的情況，當時並不存在。

你知道為什麼股票會有四年歸屬期嗎？

Tim Ferriss：不知道。為什麼？我們現在聊到 IPO，我大概能猜到一點，但你說說看，為什麼？

Elad Gil：是的。20 世紀 70 年代，人們為員工股票期權設計了四年歸屬期，因為公司通常會在四年內上市。然後事情就結束了。字面意義上就是這樣。

所以它通常是一個四年的時鐘。後來 Google 花了六年才上市，所有人都說：「天哪，他們上市太慢了，居然花了六年。他們就這麼幹等著。」你明白我的意思嗎？

Tim Ferriss：明白。

Elad Gil：真的，當時人們就是這麼說的。所以過去的風險投資，主要是非常早期的投資。而今天我們所說的成長階段投資，在過去其實屬於公開市場投資。那是公司成立四五年之後，公開市場投資人會做的事情。

也就是說，過去公開市場會非常早地參與進來。後來，隨著《薩班斯-奧克斯利法案》出台，公司開始不願意上市，同時私募市場上的資本越來越多，公司上市時間被不斷拉長。

於是，風險投資基金突然開始做那些過去屬於公開市場投資的成長階段投資。而在 2011 年，這件事還沒有大量發生。當時主要是 DST 的 Yuri Milner 和少數幾個人在做，但它還不是一個很大的行業。

所以過去 15 年裡，風險投資的性質發生了根本變化。這也意味著，我當年列出的那些問題，並沒有包括我今天認為更偏成長階段的問題，因為當時風險投資裡並沒有多少成長階段投資。

Tim Ferriss：成長階段問題可以舉幾個例子嗎？

Elad Gil：坦白說，它會和早期階段的一些問題重疊。但到非常後期的時候，問題會變得更偏財務驅動。

通常我和團隊會看的是：這家公司核心業務到底是什麼？我們如何外推它未來的發展？然後，公司正在做的那些附屬業務是什麼？這些東西幾乎像是未來的期權，可能兌現，也可能不會兌現。

所以通常我們會基於核心業務來做投資判斷：它能不能繼續一直做現在正在做的這件事？因為大多數公司主要都是靠一件事做大的。至少在第一個十年裡是這樣。真正有多個業務同時跑出來的公司非常少。

通常是一件事先成功，然後十年之後，你也許會做出第二件真正有效的事情。比如 Google 的 Google Cloud。當然 Google 還有 YouTube，還有現在很多其他東西，比如 Waymo 以及各種有趣的業務。但這些都花了很長時間。

很長一段時間裡，Google 其實就是搜索，就是搜索和廣告。但有時候，公司也會出現一些額外業務，成為非常有意思的增長驅動因素。比如 SpaceX 一開始是發射業務，後來變成衛星業務，也就是 Starlink。

Tim Ferriss：是啊，Starlink 真是個了不起的東西。可惜我這裡樹太多，遮擋太嚴重，所以我常待的地方都沒法用。

《如何擴張創業公司》：董事會、分發和組織擴張都要主動設計

不過我們轉到《High Growth Handbook》這本書聊一下吧。那是大概七年前出的書。它是一本非常出色的書，大家真的應該去看看，尤其是如果你在做風險投資支持的創業公司。它的副標題是什麼來著？《從 10 人到 10000 人，如何擴張創業公司》。這本書裡有很多很好的建議。

我想問你，這本書裡有沒有什麼內容，是你希望創業者，也就是這本書的目標讀者，能夠更多關注的？或者，有沒有什麼內容是你現在會想補充或擴展的？

Elad Gil：有。我當時寫這本書時，原本有一個大綱，按章節數量算，可能是實際成書的兩到三倍。所以有很多內容我沒有寫進去，比如銷售、市場、成長，還有很多其他東西。

但這本書本質上是一本戰術指南，它不是那種要從頭讀到尾的書。裡面有很多和不同人的訪談，我認為他們都是各自領域裡全世界最優秀的實踐者之一。

但從根本上說，這本書更像是這樣使用的：你突然要處理併購，就跳到併購那一章，把它讀完。然後先把書放到一邊。等之後你在招聘上遇到問題，需要查閱相關內容時，再翻到那一章。

所以它真的是一本手冊，一本指南，或者說是陪伴創始人的工具書。它不是那種「嘿，我要從頭讀到尾，然後裡面會有一些精煉金句」的書。

也不是那種 500 頁只談一個概念的書。我盡量避免那種東西。所以它非常戰術、非常具體、非常可操作。

而我現在正在寫的新書，本質上是這本書的 0 到 1 版本。比如，作為一家初創公司，你怎麼招聘前五名員工？有人想收購你，你該怎麼辦？你怎麼完成第一輪融資？就是這類內容。所以它有點像一本從 0 到 1 的戰術指南。

Elad Gil：是的，total addressable market，也就是總可觸達市場。關鍵是，你到底處在什麼市場裡？有時候，人們會編造一些假的市場。他們會說：「哦，我們是在促進全球電商發展，而全球電商市場——我隨便編個數字——一年有 30 萬億美元，所以我們就在一個年規模 30 萬億美元的市場裡。如果我們只拿到 0.1% 的份額，那就是 3000 億美元收入。」

然後你會想：這根本不是你的市場。你的市場是，你為中小企業網站做了一個小型優化引擎之類的東西，那不是一個 30 萬億美元的市場。

所以，真正重要的是定義市場。

這裡有一個非常有名的例子，說明重新定義市場會如何改變你對它的理解，那就是可口可樂。幾十年來，可口可樂和百事可樂的市場份額基本不相上下。後來有一位可口可樂 CEO 說：「也許我們不應該用汽水市場份額來衡量自己，而應該用所有液體飲品的份額來看。」

於是，他們的市場佔有率一下子從 50% 變成了 0.5%。這也是為什麼他們後來收購 Dasani，並進入其他很多市場。因為他們意識到，我們對自己市場的定義錯了。我們不是在汽水生意裡，而是在飲品生意裡。

所以我認為，有時候重新理解你正在做的事情，確實可以改變你的野心範圍，也會改變你對自己業務的思考方式。

Tim Ferriss：是的。如果你試圖在 AI 世界裡尋找類似「支付領域裡欺詐會殺死你」這樣的教條，有沒有什麼你覺得現在可能已經不成立，或者兩年後會完全不成立，但很多人已經把它當成某種「你不可做什麼」或「你必須做什麼」的信条？

Elad Gil：我不確定。過去確實有一些說法，比如關於這些巨額資本開支的投資回報率，到底能不能收回來。我覺得這些說法可能是錯的。

但從根本上說，有些時刻，做逆向思考是非常聰明的；也有些時刻，跟隨共識反而是你能做的最聰明的事情。我覺得現在就是這樣一個時刻：站在共識一邊是非常正確的。

你當然可以過度思考，比如，「有什麼逆向觀點？我們應該去做一堆硬件，因為這個那個……」但你可能會發現，也許最簡單的答案就是：多買 AI。你明白我的意思嗎？我覺得人們把這些事情搞得太複雜了。

Tim Ferriss：是的，確實。人生的每個方面大概都是這樣。

那對你來說，哪些東西會進入「不要投」的清單？假設你在指導一個你非常在意的人。我們可以虛構一個人物，比如你最好朋友的侄子、兒子或者女兒，非常聰明，MIT 工程學位畢業，做天使投資已經有過幾筆不錯的成績，然後他說：「好，我覺得我要開始募一隻基金了。」

但他不一定擁有你在 AI 領域的那種項目渠道。假設是這樣。你會不會從性別上告訴他，有哪些東西不要投？因為它們很可能會被 AI 摧毀、吞掉或者復制？

Elad Gil：我覺得現實是，當人們剛開始做投資時，很多時候他們之所以能做早期基金，是因為只要你開始幫助別人，你總能在公司最早期階段獲得投資機會。

這其實是我誤打誤撞做過的事。但現實是，我也反覆看到這種情況：你進入一群正確的人，因為最聰明的人總會自然聚集在一起。然後你開始幫助別人，別人就會問你要不要投資。你開始投資，突然之間你就有了不錯的業績記錄。接著你能募集更大的基金，然後你開始投更後期的項目。因為那一批人也成長起來了，他們開始做更後期的公司，於是你也突然可以獲得其他項目的渠道。

這基本上就是傳統風險投資故事。某種意義上，幾十年來都是這樣。所以我認為這仍然完全可行。你可以在 AI 裡這樣做，也可以在任何領域這樣做。我不認為你必須跑去做能源投資之類的事情。

Tim Ferriss：你以前提到過從 Vinod Khosla 那裡學到的一個重要經驗——也許說「重要經驗」有點誇張，你可以糾正我。大意是：你的市場進入策略，往往不同於你的市場顛覆策略。

Elad Gil：是的。

Tim Ferriss：你能談談這個嗎？

Elad Gil：這裡大概有兩三種版本。

第一種版本是，你一開始做的東西看起來很奇怪，像個玩具，但最後它變得非常重要。比如 Instagram、Twitter，或者一些偏社交的產品。它們最初的使用場景，和今天人們使用它們的方式非常不同。產品本身在演化，人們對它的理解和使用方式也在演化。

這種版本通常更偏消費產品。

另一個版本是 SpaceX 和 Starlink。SpaceX 一開始做的是發射，把東西送上太空。後來他們意識到，自己在衛星發射上有成本優勢。於是他們建立了 Starlink 網路，而 Starlink 現在已經成為其業務的重要驅動力。

所以，他們所做的事情大幅擴展了，也發生了轉變。某種意義上，他們的市場進入策略是太空發射，但真正的顛覆策略是 Starlink。我認為，歷史上有很多類似例子。

在不確定時代，資訊優勢來自模型、專家和長期計劃

Tim Ferriss：回到資訊獲取和消費這個話題。你通常是怎麼獲取資訊的？如果畫成一個餅圖，播客、書、X、白皮書、論文或其他渠道，大概分別佔多少？

Elad Gil：我覺得我現在的資訊來源基本收斂成三類。

第一是 X。第二是讀一些技術論文或期刊。有時候，如果是偏生物學方向，雖然我不做生物投資，但我只是喜歡。第三是和人聊天。

不過，由於現在 AI 領域競爭非常激烈，AI 行業裡的論文質量和數量都明顯下降了。我發現，和某個在某個話題上特別聰明的人聊 20 分鐘，往往比我自己做詳盡搜索能獲得更多資訊、洞察，以及下一步該讀什麼的線索。

其實還有第四個來源，就是現在用模型幫我做研究。可能是 OpenAI，也可能是 Claude、Perplexity、Gemini。它們各自適合不同事情，我會用它們做不同任務。

Tim Ferriss：你會分別用不同模型做什麼？

Elad Gil：我舉一個例子，不一一展開。

比如 Gemini，如果我要查一些活動類信息，比如「我要計劃一次旅行」。我會覺得 Google 的語料庫，以及他們長期積累的東西，對某些類型的旅行建議非常有用。所以這是我會專門用 Gemini 的一個場景。

這並不是說其他模型做不好，而是我發現用它時，得到的排名通常更準確一些。我會讓它從多個維度做拆解、排名、評分等等。

我之前還深入研究過 ADHD 和 ASD 的幾個方向。

Tim Ferriss：ASD 是什麼？

Elad Gil：哦，不好意思，是自閉症譜系障礙。

Tim Ferriss：明白。

Elad Gil：如果你看自閉症，它的診斷率發生了很大變化。我可能會記錯數字，之後應該再查一下。但我印象中，三四十年前，被診斷為自閉症的人大概是幾千分之一，而現在可能是 3% 左右。

所以你會問：這到底是什麼？是因為年齡更大的父母生了更多孩子嗎？結果發現，這不是主要驅動因素。是環境發生了某種變化嗎？最後看起來，主要原因只是診斷標準變了。

此外，學校系統裡也有很多激勵，會推動人們給孩子做診斷。這大概就是為什麼現在有這麼多孩子被歸類為注意力缺陷，或者被歸類為自閉症。注意力缺陷這邊，醫生也有財務激勵，因為他們可以開藥。而自閉症診斷也大幅上升。

但我不確定是否真的有更多人患有這些問題。更可能是診斷範圍大幅擴大了。

Tim Ferriss：你當時用哪個模型研究這個？

Elad Gil：通常我做這種事情時，會同時用兩三個模型。然後我會要求它們提供一手文獻，再讓它們整理總結圖表。

我其實有一整套輸出要求，讓它們按我需要的格式生成結果，這樣我可以回頭核對數據、閱讀文獻以及做其他檢查。

自閉症這個主題尤其有趣。因為一些研究顯示，母親年齡的影響其實比父親年齡更大。但人們總是在談父親年齡。然後你就會問：「為什麼大家只談父親年齡？這裡面有沒有某種社會激勵？有沒有某種政治信念系統？為什麼重點總放在這裡？」我覺得這非常有趣，對吧？這類研究會引出很多關於「為什麼」的問題。

Tim Ferriss：你為什麼會專門研究這個？

Elad Gil：我覺得它有趣。

Tim Ferriss：明白。

Elad Gil：我會想：「這個比例看起來上升了很多，那我試著理解一下為什麼。」

另外，我當時也和一個朋友聊天。她大概三十五六歲到三十八九歲，正在和一個四十多歲接近五十歲，或者五十出頭的男性約會。她提到，如果他們以後要孩子，她擔心自閉症風險，以及可能會發生什麼。所以這也是我深入研究的一部分原因。

最後的結論我現在記不太清了。比如，我隨口說一個數字，不要引用我這個數字。之後我可以查一下。但大概像是，父親和母親年齡每增加 5 到 10 年，風險會增加 10% 左右。

而且，再說一次，在一些數據集裡，母親年齡的影響實際上稍強一些。問題在於，如果你認為自閉症在人群中的真實比例是五千分之一，或者類似比例，那麼這個 10%、20% 的差異，從總體頻率角度看並沒有那麼重要。真正變化巨大的是診斷標準。

Tim Ferriss：是的，這對很多診斷都成立。

Elad Gil：很多事情都是這樣。但社會上告訴我們：「哦，自閉症率上升，主要是父母年齡造成的。」然後你會想：「不，其實是這些激勵機制造成的。」

然後你去看一些學校系統，會發現比如某個州——我記得可能是新澤西州——60% 的自閉症診斷，其實並不是基於任何臨床標準，而是老師隨口說這個人有自閉症。

Tim Ferriss：天啊，這太糟糕了。

Elad Gil：所以當你開始深挖這些事情，會覺得：「哇，這太有趣了。」而這些模型在這方面非常有價值、非常有幫助。

所以回到你問的資訊來源，我現在有一部分資訊，就是通過模型對我感興趣的問題做深度研究。我會讓它們聚合臨床試驗數據，或者聚合不同類型的資訊，再給我一手來源、總結，並進行交叉核查。

我有一整套提示詞，用來清洗資料和檢查資料。所以這很好玩。然後我總是會同時用多個模型來做，看看它們各自會得出什麼。

Tim Ferriss：當你和人聊天時，這個話題可能有點太廣泛，不一定能深入展開。但假設你找到了一個想聊 20 分鐘的人，你通常是怎麼找到這些人的？

我猜方式有很多，但你是通過 X 找到他們，還是通過技術論文找到他們，或者通過其他地方？我想大概了解一下。然後，當你和這樣的人通電話時，你有沒有一些重複使用的問題線索，或者某些固定的提問方式？

Elad Gil：我覺得有三種情況。

第一種是：「嘿，我正在對某個領域做深度研究，因為我覺得它很有趣，或者它可能和我想投資的某個方向有關。」但老實說，很多時候只是因為它有趣。

然後我會快速三角定位：誰是這個領域裡最聰明的人？這可能來自技術論文，也可能是我問每一個和我聊天的人：「誰在這個領域真的很聰明？」

這是其中一種形式。它偏信息型，我在嘗試深入理解某個東西。比如，我在 Google 時和一些早期 AI 研究人員共事過。這也是我為什麼認識 Noam Shazeer，他後來創辦了 Character，之後又回到 Google。也因為這個，我認識了很多其他人。

但也有一些人，我只是因為看到一篇有趣的論文，就去查他。或者因為大家都說這個人很聰明，我就去和他聊。這是一種形式。

第二種形式是，我確實認為聰明人往往會聚集在一起。所以，如果你經常和聰明人待在一起，而他們又不斷認識其他聰明人，這種網絡會自然擴展。博學的人往往會和博學的人在一起。某種程度上，同類會吸引同類。這是第二類。

這大概是最主要的兩種。當然，有時候也會有人直接把別人介紹給我。他們會說：「嘿，我覺得你們兩應該會聊得來。」

還有一種情況是，有些人我會反覆去找。比如，我認為某個人是最懂 AI 未來走向的人之一，那我就會經常和他聊天。

或者在長壽這個話題上，也有一些最聰明的人。比如 BioAge 的 CEO Kristen，我有時會因為一些隨機的長壽相關問題打電話給她，因為她對這個領域的每個話題都了解很多。她思考得很深入，也非常願意質疑自己的假設。

她是真正追求真相的人。很多人都會用「truth-seeking」這個詞，但她真的就是那種：「什麼是正確的？讓我把它搞清楚。」她有生物信息學和衰老研究方向的博士、博士後背景，非常專業。所以如果是長壽相關問題，她就是我會打電話請教的人之一。

所以，我會針對不同話題，有一些固定會找的人。

Tim Ferriss：你對生物學有一定理解。我覺得很有趣，當年我去參加第一次 Quantified Self 聚會時，應該是 2008 年左右，只有 12 個人坐在 Kevin Kelly 家裡，聊如何用 Excel 表格記錄身體數據。現在世界已經變了，對吧？現在有成千上萬自稱 biohacker 的人都在談長壽。當然裡面也有很多胡說八道。

對你個人來說，你現在在干預手段上，或者對自己做干預這件事的思考上，落在什麼位置？

Elad Gil：我沒有做太多。很多東西最後都可以收斂成：好好睡覺，多運動，等等。還有一些事情比較重要，比如好好吃飯。所以我基本上把很多事情收斂到這些基礎項上。

我覺得可能有一兩種東西可以吃，確實有幫助。還有一些東西，我一直覺得拿來實驗會很有趣，但還沒做。

Tim Ferriss：比如什麼？

Elad Gil：比如試一次雷帕黴素脈衝方案之類的。我覺得會很酷，類似這種。但現實是，我其實在等真正有效的藥物出來，到時候也許我會用。

有些我認為確實會影響長壽，或者影響某些系統。比如我們前面聊過，隨著年齡增長，控制眼睛晶狀體的肌肉會變弱，這是你對焦能力出問題的部分原因。所以理論上應該有針對這個問題的眼藥水。

還有很多關於神經感覺衰老的東西，我很想資助一家創業公司去做。

還有很多關於衰老外觀的事情，我一直在談，想資助相關項目。我實際上還資助了 Stanford 的一項臨床試驗來研究這個，因為我認為這個領域投資嚴重不足。

在我看來，肽類產品基本上也是這個方向。很多人服用肽，是為了某些健康目的，也有些是為了美容應用，比如 GHK-Cu、褪黑素等，這些東西本質上很多都是偏美容性質的。

Tim Ferriss：你剛才提到，有幾種東西似乎值得吃。是指維生素 D 這類東西嗎？還是還有其他？你的短名單裡還有什麼？

Elad Gil：維生素 D 和肌酸。

Tim Ferriss：明白。

Elad Gil：如果你想舉鐵的話。

Tim Ferriss：是的。

Elad Gil：我不知道。你的清單上有什麼？你在這方面思考得比我多得多。你現在在吃什麼，或者在想什麼？

Tim Ferriss：我其實比人們想象中保守得多。我早年嘗試過很多東西，其中很多風險上限相對可控。

比如我在 2008 或 2009 年嘗試過第一代 Dexcom 連續血糖監測儀，那東西戴起來非常不舒服。當時我不知道有任何非 1 型糖尿病患者在用它。

但我並沒有太多嘗試那些可以說比較有爭議的東西，比如飛到其他國家去做某種基因療法，使用像卵泡抑素這種東西。不是說我要批評它，但我覺得，「生物學上沒有免費的午餐」這個基本啟發式雖然很簡單，但相當有用。至少它能幫你避開很多坑。

所以，我確實在嘗試一些東西。比如不同形式的酮酯和酮鹽，我覺得其中一些對腦血管可能非常、非常有趣。

因為我家族裡有阿茲海默病、帕金森病等病史，包括一些 APOE3 的人，所以顯然還存在很多其他風險因素。我非常關注這方面。

Obicetrapib 是一個我覺得值得關注的東西，雖然它現在還沒到真正可以廣泛使用的階段。雷帕霉素也很有趣。我確實認為雷帕霉素有趣，但需要加很多星號，因為如果你不知道自己在做什麼，可能會把自己搞壞。如果你在嘗試任何免疫抑制劑，就必須非常小心。

比如，我可能會做的一個實驗是，把挪威式 4×4 間歇訓練和雷帕黴素脈衝方案結合起來，觀察海馬體以及其他腦區在體積上是否出現變化。

當然，如果我只做一種干預，信號會更乾淨。但現實生活有時候不同於等待科學結論。

所以我覺得這是一個值得測試的、有趣的假設。除此之外，我做的基本上都是非常基礎的東西：肌酸、維生素 D。

如果你有甲基化問題，或者像我一樣在服用奧美拉唑這類藥物，它可能會抑制鎂吸收以及影響其他東西，那你就需要關注這些。但整體上不會太花俏。

我覺得尿石素 A 也挺有趣，相關數據一直在增加。所以我確實對線粒體健康很感興趣。

這也可能包括規律性的間歇性禁食，以及偶爾三到七天的禁食。最近對我來說，這可能會是基於 Dominic D』Agostino 博士建議的模擬禁食飲食。目標是以一定規律促進自噬和線粒體自噬，但不是一直這樣做。

Elad Gil：當然。

Tim Ferriss：我並不是想一直優化這件事。

Elad Gil：我一直在想一件事。如果你看一台電腦，很多時候修好筆記本，或者修好任何系統的關鍵，就是直接重啟，對吧？你重新加載系統，它就神奇地正常運轉了，很多亂七八糟的問題也會被清掉。那人體有沒有類似的東西？是不是像全麻一樣？最近有些人在做某種神經阻斷之類的東西。

Tim Ferriss：是的，我不確定。聽起來有點驚人。哦，你是不是說星狀神經節阻滯？

Elad Gil：對，就是這個，星狀神經節阻滯。

Tim Ferriss：是的。關於「重啟」這件事——唉，我得先歎口氣，因為它確實有一些很有趣的選項，但通常適用於非常具體的使用場景。

從概念上說，它是有道理的。你可能比我更有資格談這個，但我確實花了很多時間和神經科學家接觸。我的信息攝入裡也有很大一部分，是在讀神經科學相關內容，或者說盡力去讀。幸運的是，有了 AI 工具之後，這件事容易多了。它不只是幫你總結概要，還能幫助你以一種相對合理的順序逐層理解概念。

我讀了很多神經科學內容，也讀了很多光學相關內容。其實這兩個領域之間有相當強的交集，這也許並不意外。比如你看 PBM，也就是光生物調節，通過眼睛進行干預。當然也可以經顱進行。不過我會提醒大家，對這類東西要謹慎。

至於「重啟」這個方向，我舉個例子。有些人使用 GLP-1 受體激動劑減重時，也會在較小程度上體驗到類似變化。比如他們可能會戒煙，或者減少飲酒，或者出現某種系統性的衝動控制改善。

Elad Gil：是的。

Tim Ferriss：對一個阿片類藥物成癮者來說，我認為伊博格鹼可能是一種「重啟」選項。未來它也許會以某種活性代謝物的形式出現，或者類似形式。但至少目前看，所謂 flood dosing，也就是相對高劑量衝擊式給藥，似乎仍然相當必要。

當然，這必須在醫療監督下進行，因為它可能引發致命的心臟事件。聯合使用鎂似乎會有幫助，但這仍然是危險的東西，大家必須小心。

歷史上有很多人值得因此獲得認可，比如 Howard Lotsof 和他的妻子。阿片成癮者在接受伊博格鹼高劑量治療後，可能會獲得一個窗口期，在這段時間裡，他們不會經歷戒斷症狀，至少不會經歷身體層面的戒斷症狀。

我認為，伊博格鹼或者類似伊博格鹼的藥理干預，可能還會有其他應用。說實話，和這個分子相關的一些最瘋狂的東西，是所謂對「大腦年齡」的逆轉。當然，我對這種簡單描述持懷疑態度。

但從 MRI 上看，它確實可能改變大腦狀態。Nolan Williams——願他安息——和他的實驗室曾經非常仔細地研究過創傷性腦損傷退伍軍人在服用伊博格鹼前後的變化。其中一部分效果可能和膠質細胞源性神經營養因子有關。大家可能更熟悉 BDNF，也就是腦源性神經營養因子。

所以，伊博格鹼是一個有趣的選項。

至於麻醉，我現在對全麻變得謹慎很多。我昨天剛做完手術，選擇的是局部麻醉。在這個案例裡，這不是什麼大問題，因為只是頭上切掉一個東西，你現在還能看到。

但回到你剛才拆解的自閉症譜系障礙和 ADHD 例子，你提到了激勵機制，某些情況下可能存在過度診斷的反向激勵。套用芒格的話，雖然不想老是引用他，但就是：跟著錢走。

很多人其实並不需要全麻，卻被安排了全麻。但全麻會給帳單增加一項非常、非常、非常大的費用。而且有些人做完全麻醒來之後，不再擁有同樣的記憶回憶能力。他們的人格在某種程度上也可能變得不穩定。

事實是，我們對很多麻醉的理解非常有限，真的非常有限。我們知道它有效，但對它的機制理解很差。很多人沒有意識到這一點，其實也正常，除非他們花了大量時間研究這些東西。

有很多非常知名、被廣泛開具的藥物，其作用機制其實也非常不清楚，甚至根本不清楚。我們只是根據研究知道，它們看起來耐受性不錯，副作用譜包括 A 到 Z，它們似乎確實會產生某種效果，或者影響某個生物標誌物。但我們實際上並不知道它到底是怎麼起作用的。

很多東西都屬於這一類。所以我對其中很多東西都很謹慎。

不過回到你的問題，我剛才有點像做了一場 TED 演講。就「重啟」而言，我見過最有趣的東西是伊博格鹼。當然我不想把它簡單歸結為多巴胺系統，因為它涉及的東西遠不止這些。但我認為，伊博格鹼更重要的意義，也許不只是伊博格鹼本身，而是它展示了什麼是可能的。

而且我也不知道這種可能性是否只限於藥物。我非常看好腦刺激，當然中間一定會出現一些失敗案例，也會有一些不太好看的旁支。但我認為，腦刺激，以及更廣義的生物電醫學，將會是下一個重要前沿之一。它不僅會用於治療我們所謂的精神障礙，也會用於提升表現。

現在這個領域也到了一個可以回答「為什麼是現在」的階段，對吧？作為一個領域，它確實有一些很好的「為什麼是現在」的答案。我認為人們會大量嘗試這些東西，而且不一定要用藥片、藥水、靜脈輸液，而是通過非侵入式腦刺激。當然，在植入物場景下，也可能會有一些侵入式方案。

所以這是一個很長的回答。但這大概就是我現在在思考和跟踪的方向。有些東西我們還要繼續觀察，但我認為其中很多東西未來可能會變成門診流程。你走進去，待一兩個小時，然後出來。我們拭目以待。

我再問最後幾個問題。之後如果還有什麼想聊的，我們可以繼續聊。但真的很感謝你抽時間。

Tim Ferriss：五年後的 Elad 回頭看今天的 Elad。有沒有什麼信念、立場，可能和 AI 有關，也可能無關，是你覺得相對更有可能被證明是錯的？

Elad Gil：這是個好問題。我覺得我會弄錯很多事情。我們正在經歷一個巨大變化的時期，而巨大變化意味著巨大不確定性。

所以，如果我現在認為會發生的事情，有一半最後沒有發生，或者發生得更劇烈，或者以其他方式展開，我都不會驚訝。這也是其中有趣的一部分。

如果未來可以被完美預測，那會非常無聊，因為我們會確切知道接下來會發生什麼，那會很糟糕。這也和自由意志等各種觀念有關。所以，我肯定會錯很多。

另外還有一個單獨的問題，是我最近在做的一個練習。我以前從來沒做過。人生中很多事情，就像約翰·列侯那句話說的：生活就是當你忙著制定其他計劃時發生的事。

但這是我第一次真的在想：從人生幾個不同維度來看，我的十年計劃是什麼？

基本問題是，我肯定不會完全計劃對。你可以嘗試制定一個十年計劃，但它當然不會完全按照你想的方式發生。更重要的是，它會不會改變你的野心範圍？它會不會改變你對生活的思考方式？

所以我最近一直在試著用這種方式思考：未來十年我想做什麼？而這又意味著，為了十年後達到那個狀態，我現在短期內應該做什麼？

這對我來說非常開眼。它改變了我對哪些事情應試、哪些事情不應試的心態。

當然，那些相信 AGI 的人會說：「兩年後我們就有 AGI 了，所以你的計劃是什麼根本不重要。」但我覺得這是一種非常失敗主義的世界觀。好像因為那件事可能發生，所以我就要放棄。

相比之下，我更願意說：「很好，我先有這個計劃，然後根據需要調整。」在這個變化時期，世界上也許會有一些非常有趣的事情值得去做。

Tim Ferriss：Elad，在我們結束之前，你還有什麼想說的嗎？有沒有想對聽眾說的話、請求，或者希望大家去看的東西？大家可以在 X 上找到你，帳號是 @eladgil，也可以去 eladgil.com，當然還有你的 Substack 博客 blog.eladgil.com。我們會把所有鏈接放到節目說明裡。除此之外，還有什麼想補充的嗎？

Elad Gil：沒有。和你聊天一如既往很開心。我真的很享受，所以謝謝你邀請我來。

Tim Ferriss：謝謝你，兄弟。一如既往很高興。

[視頻鏈接]

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia