INDIGO TALK / AI 让你更像你 - EP48
这一期 Indigo Talk 邀请了 Bill Sun，他是少数能把 AI 的几条最关键时间线都串在一身的人——在 2016 年的 Google Brain 就参与了最早一批 Transformer 的研究，是首个把 Transformer 架构跑通在 Wikipedia 问答任务上的研究员；之后在 Millennium 对冲基金里管理过十亿美金量级的策略；又在 2023 年 GPT-3.5 出来之后，决定下场创业，希望造一个能像顶级主观投资者那样思考的 AI。
这场对谈我们从 AI 训练机制、组织结构、风险投资、物理 AI、人类的存在意义、信任与社交网络，一直聊到「硅基的自我复制」。最后大家给出了一个总结：「AI 不是一个让所有人变平等的工具，它是一个极端放大器，让你更像你。」
Apple Podcast & Spotify 播客 ｜ 小宇宙播客
嘉宾
Bill Sun 是 ALPHA.DEV 的创始人，也是拥有 Stanford Math PhD 的 AI 研究科学家。2016 年在 Google Brain 任职期间，他参与了 Transformer 模型的发现，并且是首位将 Transformer 模型成功应用于问答系统（Question Answering）的研究员。他曾是千禧年基金（Millennium）的“AI+量化”投资组合经理，管理过数十亿美元的资产（AUM）并负责全球股票交易。
介绍来自嘉宾口述，对谈栏目未做核实！
时间戳
- 02:19 从北大数学到 Google Brain，从 Millennium 到一人 AI 投资公司
- 04:59 当 GPT-3.5 让 20 人团队变成 Slack 上的一句话
- 08:07 真正的大挑战：造一个 AI 版的索罗斯
- 17:16 不可验证的事，怎么做强化学习？
- 22:02 「AI 让你更像你」它就是极端放大器
- 32:06 一人公司的引力与跳过坍塌的陷阱
- 41:30 组织的 U 型坍塌：中部消失，两极放大
- 47:10 物理 AI：还没到打开井盖的那一刻
- 52:20 当一切都被解决：人类的存在问题
- 68:45 信任不能委托给硅基
- 70:32 邪教繁荣、媒体化与人类的注意力市场
- 81:34 智能体之间不会有社交网络，但 GitHub 是新一代的社交网络
欢迎收看完整对谈，下面对全场对谈的详细整理。
01 从北大数学到 Google Brain，从 Millennium 到一人 AI 投资公司
Bill 算是"根正苗红"的 AI 投资双修者——既做过最早期的 Transformer 研究，又在传统量化对冲基金里独立带过十亿美金量级的策略。
Bill 自我介绍这一段值得多停留一下。他是北大数学本科出身，然后到斯坦福全身心投入深度学习研究。2016 年夏天他在 Google Brain，是参与发现 Transformer 那批研究员的一员；他本人也是首个把 Transformer 架构跑通在 Wikipedia 问答任务上的人——按他自己的说法，这是"Transformer 出现之后跑通的第二个任务，第一个是英语翻译法语"。
他给出了一个细节：
"我当时做了一件事，就是可以把这同一个架构泛化到不同的任务上……可以用同一个用来做机器翻译的模型，然后直接一行代码不改来做问答。" [03:09]
这个洞见后来被 GPT-1 等模型继承。
毕业之后他做了八年投资和交易。先在 Millennium——那家美国最大的多基金经理平台型对冲基金——当基金经理，管一个 10 亿美金的股票策略。他特别提到，他是 Millennium 历史上少数几个直接从博士进来当基金经理的，相当于"基金经理的实验对象"，看最聪明的年轻博士有没有可能直接拿出有意思的结果。两个导师分别来自文艺复兴（历史上最著名的对冲基金）和 BlackRock 的 AI 实验室，所以他做的事一直都是把数学、数据科学、机器学习应用在投资与交易上。
这段履历其实在为后面的整场对话埋伏笔——他既见过 AI 最前沿的那一面，又在最讲究"知行合一"的资本市场里做过实事。所以当他后面说"AI 让你更像你"、"一人公司是引力坍塌"、"信任只能委托给人"，他不是在抛概念，是在讲他亲身经历过的两个世界。
02 当 GPT-3.5 让 20 人团队变成 Slack 上的一句话
2022 年底看到 GPT-3.5 的那一刻，Bill 第一次"严肃地反思了一遍生活"——意识到自己花三年时间从零搭起来的 20 人量化团队，将很快被 AI 替代；并且这是不可避免的。
他描述了那个具体的瞬间：他平时跟研究员沟通的方式就是在 Slack 上 @ 一个人，说"把这个数据集研究一下，我觉得这 5 个方法可能会跑通，你都来试一下，给我一个报告"。
"我当时看到 GPT-3.5 基本上已经能够你给他一段比如说 200 字的长指令，他能给你干很多事，我就觉得按照这个进步速度，应该很快这 20 个人我就都不需要了，他们都可以换成 AI——我就同样在这个 Slack 上 @，然后他就干完了。" [06:30]
Indigo 这里追问了一句："现在已经换掉了吗？" Bill 回答："对对对，我的 Slack 真的就是，我现在 @ 说我有这个想法，你给我回撤一下，然后他就全部做完了。"
他昨天还转过一条推，就是在讲这件事：内部 Slack 里的 AI 智能体自己去找历史数据、做统计检验、跑回归、做事件研究、回撤，最后给一个能够真正做质检的报告。
由此他得到一个结论：量化对冲基金这个生意之后会被严重商品化——大家用的都是同一类模型，做的事也会越来越像，市场会重新回到一个新的均衡状态——更高效，但谁也吃不到肉。
"拥有同一类模型的人，最终都会做出非常相似的事情。" [07:37]
这是他在 2023 年决定离开 Millennium 出来创业的直接原因。
03 真正的大挑战：造一个 AI 版的索罗斯
如果量化不可避免地被 AI 商品化，那真正剩下、且 AI 还做不到的，是"高单笔下注、高确信度、能赌出 5–10 倍回报"的主观投资者。Bill 认为造出这样一个 AI，难度跟"让 AI 自己研究 AI"是同一个量级的，是这一代人最值得挑战的大命题之一。
他把这件事讲得很明确：
"我觉得这件事情，就是能够造一个 AI 版的巴菲特、索罗斯、Druckenmiller……他可以做高确信度的交易，他可以做期权交易，他可以把比如说一个投资组合的钱，可能 1/3 押注在一种很有说服力的大想法上，然后赌这个想法帮他赚 5 到 10 倍的钱。而不是像我们做量化的，每天交易几千只股票，然后不断地多空、搓来搓去。" [09:00]
他认为这件事的困难程度仅次于成为创业者——"创业要知行合一，还有'行'的难度；做这件事'行'非常简单——你下定决心就下注——但是'知'非常困难"。
他也对比了 OpenAI、Anthropic、Ilya 的 SSI 们最深的关切：
"他们认为最重要的事情其实就是一件事——教会 AI 怎么自己研究 AI。等 AI 自己可以闭环研究 AI，不需要 OpenAI 不断地雇佣聪明研究员，只需要加钱加卡加数据，把人类研究员都变成洗数据的管道——那基本上我们离 ASI 就非常近了。" [11:14]
"这件事是我认为未来这三年人类历史上最重要的事情。" [12:00]
他把"造 AI 版主观投资者"放在和"让 AI 自己研究 AI"同一档：都需要深刻理解世界、能问出非常精致的好问题、能拼凑互联网上找不到的线下信息、能对地缘政治、公司组织、行业演化有深入认知。差别只在资源密集程度——后者是前沿实验室的级别，前者一个团队也许可以做。
但这条阶梯是清晰的：你先自动化初级研究员（造出深度研究），然后软件工程师，然后量化研究员 / 机器学习工程师，然后机器学习科学家，最后是能问出好问题的投资者。
每一级"造"出来之后，那一级的能力很快变成所有人的标配——这时候你必须再往上爬一级。
04 不可验证的事，怎么做强化学习？
好的投资、好的科研、好的数学，乍一看都是"品位问题"、"不可验证"。但如果你把时间维度拉到 10–20 年，其实是可验证的；只是这个验证太慢，没法直接当强化学习的信号。所以你需要找一个代理参照——而最好的参照，是顶级人类的偏执。
Indigo 在这里问了一个非常关键的问题：
"品位是不可验证的，一个宏大的目标什么是对的什么是错的也不可验证。按现在的强化学习路径，如果问题不可验证，AI 怎么习得这个能力？" [19:00]
Bill 的回答非常细致：
"我觉得他不一定完全不可验证，而是他不是完全可验证的。" [20:00]
例如炒股赚钱这件事，单笔是带运气的，但跑 20 年下来，差不多就能知道哪个策略好。它是可验证的，只是验证花的时间太长，无法直接拿来当强化学习的信号。
科研也是。表面看是品位问题，但拉到历史长河上看，"什么是顶级研究"其实接近一个客观共识——黎曼猜想是顶级研究，高斯的内蕴几何是顶级研究（17 边形虽然炫酷但未必）[21:46]。
那怎么办？你需要找一个代理参照——少数顶级人类写下的经验，反推 AI 应该长成什么样。
"你得造一些非常有自己观点、非常个人化的 AI，他就是很像某个人，而不是说他是这个人的助理，也不是说他一定能在某个基准测试上跑得很好。他可能就是很像这个人，他就想得非常像索罗斯——就是这样一个人，对宏观问题的偏执。他可能跑分跑不好，但是他能够在某些特定场景、某些领域里面，他的完成度非常好。" [24:45]
Indigo 紧跟一句："因为偏执狂的投资都是很成功的，对不对？" [25:33]
他自己补充了一个观察——现在的自回归 Transformer 架构，它的输出始终在向均值回归：
"AI 的回答都趋向于均值，均值回归了——总是算出一个平均值来。我总看不到上面有什么意外和惊喜。" [26:14]
Bill 同意，并且补了一刀：从 GPT-3.5 到 4 写笑话、写说唱的能力可能略有提高，从 4 到现在则基本没有任何变化——这是预训练数据和预训练目标决定的、强化学习改不动的"天性"。
"预训练好像就打造了一个 AI 的天性，他到底天资聪不聪明；然后强化训练就是后天的大学教育、高中教育，把你训练成一个职业人，然后你去工作。" [28:00]
如果你接受这个隐喻，那当前所有顶级模型本质上是一群"非常听话、遵守指令、刷过竞赛题又刷过真题的优等生打工者"——他们出色，但都是同一类出色。
05「AI 让你更像你」它就是极端放大器
AI 不是让所有人变平等的工具，它是一个极端放大器——让原本就有品位、有主观能动性、有偏执、有跨领域好奇心的人，被放大得不像样；而把"工具人"型的能力磨平。
这一段是整场对话密度最高、也最值得记下来的部分。Indigo 的原话：
"AI 时代，我觉得它是一个极端放大器。它不是让任何人都有一个很平等的工具——AI 让你更像你。" [22:01]
Bill 顺着这个把"被放大的人"分成了三类：
第一类：在所在行业本来就 10 倍效率的顶级人才，加上愿意主动用 AI，他会从 10 倍变成 100 倍甚至 1000 倍的工程师。Andrej Karpathy 是范例——他不需要再有一支像 Tesla Autopilot 那种规模的团队，一个人加 AI 就能做出来 Autoresearch 那样的东西。
第二类：多任务处理能力极强、能开高线程的创始人 / 老板型人物。他能同时指挥 50 个 AI 智能体干不同的事，相当于一个能管理一百个直接下属的人——Jensen Huang、Elon Musk 那类人天然适合。
第三类：在自己完全不懂的维度上被"塌缩式"补全的人。以前你要做个产品，得分别招前端、设计师、产品经理、交互设计师，然后发现他们之间还沟通不畅；现在这些角色全部塌缩成"你只要描述你想要什么"。Bill 在自己创业过程中深有体会，他从 2023 年的设想就是"能不能就招一个人，把这些全干了"，发现找不到——而现在 AI 就成了这个人。
那么没有主观能动性、没有偏执、没有顶级品位、只是"听话能完成任务"的工具人，怎么办？Indigo 直接问了出来。
Bill 给了一个病理学比喻：
"创始人很像两种人——一种是 ADHD 型，古代负责打猎的那批，注意力跨度很短、不断冲刺、不断产生想法；另一种是阿斯伯格型，能耐得住寂寞、连续 20 年只做一件事、对一件事产生非常深刻的理解。这两类人在 AI 时代会被极度放大。" [29:30]
而即便 AI 已经在理论上自动化掉了某个行业，那些有顶级品位的从业者依然更有价值。他举了一个有趣的例子：数学证明可能哪天就被 AI 干完了，但有顶级品位的数学家反而更有价值——他会变成构建理论的人。Grothendieck 在历史上的角色就很像这样：构造抽象理论、写信给菲尔兹奖级别的好朋友、让别人帮他证。
至于普通人，AI 带来的是一种"在所有维度都被增强、尤其在你完全不懂的那些维度上"的扩散。这有点像古希腊贵族——不事生产、家里养着、专心从政或研究——AI 现在给了每个人探索自己喜好和擅长的机会。但代价是：
"你可能不得不就想清楚，我能做什么才能与这个世界相关——要么是与世界财务上相关，要么是与世界意义上相关。" [32:00]
Indigo 把这归到一个"存在问题"，先按下，后面会再回来。
06 一人公司的引力与跳过坍塌的陷阱
当"做"的难度被 AI 大幅压低，公司有一种向"一人公司"塌缩的引力。要让一个公司不被这种引力吸回去，必须有 3–5 个非常强的人为同一个使命长期蹲在一起——这个门槛在 AI 时代反而比以前更高。
Bill 拿风险投资和主观对冲基金做例子：这些行业其实一直就是事实上的"一人公司"。Elad Gil 就是一个人的 VC，没有团队也极其盈利；很多看似上百人的主观基金，那 100 人主要是帮老板融资、做基础分析，决策全是老板一个人——老板一死、傻儿子上来，三年这公司就没了。
这种"知"的杠杆型职业，本身就接近一人公司。教授也是——爱因斯坦那种历史级教授，他配的助理、实验团队、博士学生，本质上都可以不存在，是他个人的思考被放大成了改变人类的科研。
"在很多需要人的'知'去追求顶峰的游戏里，有点像古代修炼武道——一个人精进、不断修炼自己——这种游戏已经是一人公司了。" [37:00]
只不过过去很多"需要大型组织才能完成"的活，现在被 AI 接管了一大块，所以更多公司会塌缩成一人公司。
但他同时强调一件事：在这个时代，搭一个能脱离"一人公司引力"的组织，难度更高了：
"你要让公司有意义地不是一人公司，并且这公司的老板觉得他有必要让大家一起来工作，那这公司一定要能够产生非常牛的化学效应——3–5 个很厉害的人在一起玩一个东西，并且互相有启发。这件事情，因为每个人都可以是一人公司，使得大家蹲在这儿不走、为了同一个使命做事的难度，又提高了。" [38:40]
换句话说：以前大家"不得不"组队，是因为单干干不成事；现在很多事单干就够了，所以"组队还要在一起"必须有一个更牛的理由。这反而是顶级团队的护城河。
07 组织的 U 型坍塌：中部消失，两极放大
组织过去之所以变大，是因为信息传递需要一层层人去做中介。AI 智能体把"信息传递 + 任务分发 + 实际执行"三件事一手抓了，组织中部直接消失——剩下的是两极：极少数极大的资源密集型机构，与海量的一人 / 三人小公司。
Indigo 在这里补了一段他自己的观察：
"之前组织变大，是因为最早可以回溯到罗马军团——这个指挥官、然后一层层组织的存在，是为了有效地传达信息。现在 AI 智能体在组织里，承担了信息中介器的作用，还能完成任务，还能成为组织信息决策的核心——由它去分派任务给前端的 AI 或人类。组织会变得更加扁平。" [36:46]
随后补充了一个具体引子：前两周 Jack Dorsey 说 Block 公司 6,000 人直接向他汇报。如果他有足够多好的智能体，人类的认知边界确实可以做得到。
所以这就有了一个 U 型坍塌：中部公司消失。
"要不就是特别多资源的公司在顶部，做一些很酷的事；要不就是一群一人 / 两人 / 三人 / 五人的小公司，解决非常多常见的问题，在自己生态里活下来。中部公司很快就没了——现在股市上也是这样，软件公司也是这样。中部软件公司坍塌太厉害，现在已经被抛售得面目全非。" [41:30]
风险投资这边的反应也是 U 型的：要么一上来就开 5,000 万 / 1 亿 / 2 亿美金的 A 轮，把所有最聪明的人聚合在一起做一件特别难的事；要么干脆几十万启动、两三个人，做了赚钱就好。
"过去两年 YC 投的团队很惨，因为它都是这种'会坍塌回一人公司状态'的项目。" [40:00]
Indigo 在这里把这件事推到 VC 投资逻辑的层面：传统互联网是寻找有"网络效应"的公司，但在 AI 时代，很多时候连网络效应、数据飞轮在哪都找不到了。这是第一性原理上变难的，因为复利结构正在被重写。
Bill 的判断是：
"做软件或解决方案，也很难出现这种很大的头部公司出来，除非你研究的是完全不一样路径的东西，比如 Ilya 在做的事。" [44:00]
Indigo 说自己作为投资人——本期录制时已经在做第二期 AI / 科技基金——更多在看"改变原子世界结构"的项目：
"现在改变比特结构已经被模型公司改得很好了，但是改变原子世界结构——Elon Musk 旗下那些公司——他们真的在做很难的事情。AI 加科学、AI 加硬件制造、AI 加太空、生物、物理、数学，这些是值得 1 亿 / 2 亿 / 5 亿美金、要足够算力去解决的事。剩下的纯软件的小事情，那还不如就一人公司做算了。VC 应该投更伟大的事情。" [46:00]
08 物理 AI：还没到打开井盖的那一刻
从第一性原理看，物理 AI / 机器人还没有跨过 GPT-3 时刻——既没有人看到一条"加钱就能扩展过去"的清晰技术路径，也没有趋同的训练范式。它现在的体感，更像 2015 年做自动驾驶的创业者——你觉得「它就快了」，但实际上要十年才走得通。
Bill 把现状讲得很冷静：
"你看无论是各种各样的路径，首先大家都没有看到某一条路你可以不断加钱去扩展，就走到一个非常牛的地方。其次是没有看到一条趋同的技术路线，是大家都知道——我现在使劲搞钱就能走过去。还是更像在一个史前探索期的体验。" [47:30]
类比是这样的：你 2015 年抄 Waymo，按道理两三年就该抄通——结果 Waymo 花了十年才真正在几个城市里跑起来，Tesla 才真正变得有意义 [48:33]。Bill 自己现在每天用 Tesla FSD 已经接近不看路的状态，但这是花了十年才到的[49:15]。
机器人会比自动驾驶加速——因为 AI 可以研究 AI，那它也可以研究物理 AI 的软件层面问题。但井盖还没被顶开。
他给出了前沿研究员之间已经趋同的猜测：未来 1–2 年应该会做出一个大的突破，让大家知道这条路是什么——有几个组件，每个都有自己的扩展规律，加起来会有结果。Physical Intelligence（PI）公司的一代模型已经摸到一些感觉。
但他强调"真正跑通的标志"是非常远的——
"应该是能够出现物理 AI 制造物理 AI。你可以发射一些源头的工厂型 AI，可以飞到太阳系外边去，占领一个星系，自己开建工厂，把其他类型的机器人都造出来，用机器人殖民这个星球。我觉得那才叫做真正解决了物理 AI。" [52:52]
而这个目标，目前世界上有潜力做的就两个组织：中国制造业集群，和 Elon Musk 旗下公司的集群。中国占据了世界中低端制造闭环；美国高端制造仍然牛；但很多关键节点（台积电、ASML）需要"非常勤奋的亚洲人加很多机器一起才能造"。这中间还要走 5–10 年。
Indigo 顺着这个把话题推到月球——美国的 Artemis 计划、SpaceX 想在月球上做芯片、Optimus 上去自己生产自己。Bill 认为：机器人完全自我生产可能还远，但把数据中心发射到月球上是可见的工程问题：
"我认真推演了一下，好像没有太明显的——除了造不出可以抵挡宇宙辐射很长时间的芯片比较难——其他从散热到能源都可以解决。月球上永远朝向地球的那个区域其实非常小，战略价值很大，所以一定会有人比如美国先抢着把那个位置占了。" [57:00]
如果说本期对话里有"最远的画面"，就是这一段。一个北大数学出身、做过 Transformer、做过对冲基金的人，认真推演了把数据中心放在月球阴面这件事的工程可行性。
09 当一切都被解决：人类的存在问题
当 AI 把白领 / 蓝领 / 物理工作都拿走，社会有两条演化路径——一种是所有人共享同等富足；一种是高度极化的世界，0.1% 的人继续推进，99% 沉在娱乐里。Bill 的判断是后者概率更大，而这个对文明长期是危险的——一个全员只为娱乐的种族会自己走向消亡。
Indigo 抛了一个尖锐的问题：
"如果 5 年之后这些都被解决了，或者看到被解决的苗头，我们应该干什么？" [58:30]
Bill 用一个更普适的版本来回答：
"这就是问'你生下来就有十亿美金，家里让你继承财产，让你自由做自己最想干的事情，你应该干什么'。" [58:55]
社会层面会经历动荡、暴动、可能的民族冲突，但等这些过去，最终问题还是：那些不为生活担忧的人在干什么？很多创始人退出之后也面临一样的问题——很多人还是想做点事情。
他指出一个有趣的悖论：即便所有人类活动都已被机器做得更好（高尔夫、围棋、德州扑克、数学），人还是在做。
"我们回归到了最原初状态——你有意义地活着、快乐地活着就好了。"
Indigo 补充道：现在白领"在办公室打工"的形态其实只有五六十年——二战之后才有。再过二三十年，我们就会忘掉这个时代了。
然后两人都不约而同进入了一个不那么乐观的预测：
Bill：99% 的人都会掉入这个陷阱——消费边际成本等于零的内容（视频、电影、游戏），仅此而已。但如果整个文明都在消费、不在创造，那个文明自己就走向消亡了。[1:02:30]
Indigo：所以一定要有方法让那 1% 的天赋——它在所有人群中均匀分布——能流动起来，让生在贫困地方的有天赋的孩子也能进入这个现代竞争游戏。否则只让上一代幸运的人的小孩幸运，很快这个东西就塌缩了。[1:04:20]
Indigo 最后给了一个收口：
"大自然总是能够变异出来一些挺有想法、挺大胆的人。然后大自然就启动了新一轮筛选程序，把这批优质基因的人保留下来。我们可能会进入到一个更有竞争力的、基因更特别的新人类时代——而且是和 AI 完全融合的时代。AI 和人肯定是共生的，不会存在谁替代谁。" [1:05:33]
10 信任不能委托给硅基
钱本质上是硬件（稀缺性、有限资源）。它的配置最终还是人把信任委托给另一个人，而不是委托给一台机器——因为机器之间是同构的，没有理由押注"这一台"而不是"那一台"。所以像有限合伙人的资金配置这种事，最终还需要一种亲身建立起来的信任。
Bill 抛出来一个区分：
"钱看起来是软件，但它本质上是硬件——它是一种有限的、有稀缺性的资源。即使比特币在我看来也是硬件。这种东西的配置，实际上很多时候都是人把信任委托给另一个人，或者人组成的、指挥机器的组织——他没有办法直接委托给一个机器，因为机器之间是同构的：你只要能够低成本地造出一个巨聪明的机器、无限复制，那你就没有办法选择相信谁。" [1:06:00]
所以一个纯硅基的"顶级主观基金"是很难成立的——投资者总是需要某种亲身的信任，要么直接认识 Jim Simons，要么至少看到 Anthropic 这种家大业大的公司在背书。
Indigo 把这点收得很狠：
"AI 最后也是在增强我们自己。我不能先创造一个 AI，再赋予 AI 它性格；而是先本身做一个人，然后用 AI 增强我自己。" [1:08:00]
这是这一期的另一个锚点句子，和"AI 让你更像你"完整成对——前者说的是"放大方向"，后者说的是"放大顺序"。
11 邪教繁荣、媒体化与人类的注意力市场
当生产软件、生产内容的成本接近零，做任何东西本质上都是在做媒体——而媒体的稀缺资源是人的注意力。AI 时代，"由人组成的网络"和"由人类共情构建的信任"反而会更值钱；与此同时，"人类邪教也会繁荣"——因为在到处都是 AI 生成内容的世界里，人会更需要"找到一个真活人"的归属感。
Indigo 在这里基于自己做媒体和产品的经验，下了一个判断：
"未来你做软件不就是跟做媒体一样的？媒体需要的是注意力——你必须得获得人类的关注，因为 AI 不会消费你要消费的东西，它只要耗电就好了。" [1:09:33]
而媒体化之后，社交网络的价值会更大，把人连接起来这件事会更强壮。Indigo 抛了一个之前讲过的预言：
"当 AI 很发达的时候，我们人类邪教就会繁荣。" [1:10:30]
理由很直白——人需要归属感。到处都是 AI 生成的画面、AI 生成的游戏，迷失感会很强；如果真的有一个活人在你面前出现了，那种"这是个活人"的情感寄托会被放大到不得了。这也解释了：为什么现在硅谷顶级创始人和投资人都在做播客——是要刷"活人感"。
Bill 在后面也给了一个补充的判断——销售本质上会越来越人性，难度只会越来越高："获得其他人信任、让他付钱，这个工作的难度会越来越高。所以人的连接性和纽带性会越来越重要——我们现在尽可能都要成为这个网络中的节点。"
12 智能体之间不会有社交网络，但 GitHub 是新一代的社交网络
纯粹的智能体到智能体没有社交网络的意义——因为它就是个极致的理性发现工具。但智能体的代理网络会存在——代表你的智能体和代表我的智能体互相交换信息，背后还是人。而在当下这一代，最有意思的"人机混合社交网络"其实是 GitHub——程序员的注意力在事实上决定了下一代模型会学到谁。
Indigo 提了一个很实际的问题：现在很多创业公司在选择要不要"面向智能体"——为智能体的发现和分发做优化。从 SEO 到 GEO（生成式搜索引擎优化）再到这一层。
Bill 把这件事拆得很清楚：
"纯粹的智能体到智能体不会存在社交网络，它是一个极致的理性发现工具。你用 Claude 问的时候，他已经告诉你最优解——发邮件你应该用 Resend，做 Markdown 应该用什么。他就是按照 GitHub 或者最常用的程序员口碑搜集出来的。" [1:15:30]
但智能体代理网络会存在——你和我都有自己的智能体，它知道我的品味、阅读偏好、思考习惯，代表我去和你的智能体交换信息。它最终的消费者还是人。
那现实里的"面向智能体的优化"，在他看来就是 SEO / GEO 的下一步——本质上是在试图给模型训练数据投毒。模型公司会反投毒，就像 Google 反垃圾信息，永久的战争。
但对一个创业公司来说，在模型还没学到你之前，你想被发现，只有一条路：人类网络：
"如果你没有被大量的人类开发者发现，你就开源——没有听众也没有意义。你想快速地在模型学习你的数据之前被人发现，只有人类网络做得到，因为模型也是根据人类网络的反馈数据去训练进去的。如果没有人类的注意力加工这一层，你什么都不是——AI 的注意力其实是被人类的注意力写进去的。" [1:20:25]
由此引出一个非常重要的推论——程序员的喜好和注意力权重，在以编码为核心的智能体架构里被大幅放大了[1:20:40]。以前是资本家的偏好重要、程序员不重要；现在是程序员在 GitHub 上粉你才能完成分发，所以：
Indigo 在这里给出整场对话的一个收口判断：
"GitHub 就是一个新一代的、由人机混合的社交网络。**它是人机混合的——因为 AI 大量在用它的代码做训练、写代码，人类又在上面提交代码、打星评分。**这说不定就是大家在找的——AI 时代有网络效应的社交平台。" [1:20:55]
Bill 接了一句：
"我们是下一个 AI 时代的微信。说不定应该找——下一个时代的 GitHub 和 HuggingFace。" [1:21:30]
延伸思考：这一期值得记下来的几个锚点
1. AI 让你更像你 = 放大方向 / 先做人再用 AI 增强 = 放大顺序。 这两句话合在一起，是这一期最重的"做事原则"。任何想在 AI 时代认真做点什么的人，都应该先问自己：我是谁？我相信什么？我想被放大成什么样的人？ 然后才是工具。
2. 一人公司是引力，组队反而是逆引力的工程。 三五个最强的人为同一个使命长期蹲在一起，这件事的门槛在 AI 时代不是降低了，是更高了——因为每个人单独都能活。这反过来定义了下一代真正有价值的团队会长什么样：化学反应密度高、长期共振、彼此释放别人释放不出来的东西。
3. 中部消失，两极放大。 不管是公司、风险投资、还是个人能力——中间地带都在塌缩。"挺不错的"在这个时代变得很危险。要么去把"足够伟大的事"押注完整，要么干脆做"足够小但足够你的事"——两端都能活，中间会窒息。
4. 信任只能委托给人。 这件事在 AI 时代的含义是：所有最终牵涉到稀缺资源、生命、长期承诺的事——投资、医疗、亲密关系、社群——都会比以前更需要"那个具体的人"。AI 在背后做无限多的事，但前台必须是一张真实的脸。
5. GitHub 是当下被低估的人机混合社交网络。 程序员的注意力是 AI 时代被显著放大的"投票权"。把这件事看清楚的人，至少可以从"应该把精力花在哪个网络上"这件事上避免一次错配。
精华收获
如果只能从这一期带走五句话——
"量化对冲基金这门生意之后会被严重商品化。" [07:31] "造一个 AI 版的索罗斯，难度跟让 AI 自己研究 AI 是一个量级的。" [10:50] "AI 让你更像你。" [22:08] "我不能先创造一个 AI 再赋予它性格，而是先本身做一个人，然后用 AI 增强我自己。" [28:25] "AI 的注意力其实是被人类的注意力写进去的。" [1:20:33]
整场对话最让我反复回味的，其实是 Bill 顺口给出的那个画面——物理 AI 制造物理 AI。
它把这一切关于"一人公司、组织塌缩、人类娱乐化、信任只能给人"的局部判断，往最远处推了一步：当硅基真的开始自己制造自己，文明就跨过了那个坎，进入一个无限富足的时代。在那之前的所有事——包括我们今天讨论的所有事——都是过渡期。
而过渡期里，AI 不会替你想清楚你要变成谁，它只会忠实地、极端地，把已经在你身上的东西放大。
所以，准备好被放大成你自己了吗？