一個 string theorist 用五分鐘拿到 Sequoia 的支票，現在他在告訴你 token 該怎麼花

TL;DR

• Factory 創辦人 Matan Grinberg 認為，未來企業最重要的決策不是「要不要用 AI」，而是「token、錢、人力該怎麼分配」，這會變成接下來兩年每個高階主管天天在想的事。
• 企業導入 AI 已經走完三個階段：董事會逼問、token maxing 狂歡、然後是看到帳單的宿醉期。現在大家在宿醉。
• 百分之八十到九十的工作其實用開源模型就能做，真正需要 frontier 模型的是那關鍵的決策與規劃環節。
• 「價值的累積是時間函數」，模型、應用、基礎建設三層現在彼此都想把對方做成 commodity，沒有誰能永遠通吃。
• 銷售跟行銷不是工程師眼中的髒活，產品是從第一次聽到你名字到第十次續約的整段旅程。
• 一個做了十二年弦論的物理學家，靠一封 cold email 跟一段三小時的散步，五分鐘拿到 Sequoia 一百萬美金的支票。

這集在二〇二六年六月十三日上線的是 The Twenty Minute VC（簡稱 20VC），主持人 Harry Stebbings 是英國創投圈出了名的訪談機器，一週做三集，專找頂級 GP、LP 跟創辦人來聊 AI 跟新創最前線的事。這集來賓是 Factory 的共同創辦人兼 CEO Matan Grinberg。Factory 做的是企業級的 AI 軟體開發 agent，旗艦產品叫 Droids（可以理解成會自己跑測試、寫文件、管 CI/CD 的程式碼機器人），客戶包括 Nvidia、Adobe、EY、MongoDB 這些大公司。這家公司今年四月剛以十五億美金估值募了新一輪，由 Khosla Ventures 領投，累計募資超過兩億兩千萬美金。最有戲的是，Grinberg 在創業之前完全沒上過班，他花了十二年想當世界頂尖的弦論學家，連咖啡店打工都沒做過。

先講這集為什麼值得寫，因為它把一件大家都隱約感覺到、但說不清楚的事講白了：AI 時代真正的稀缺資源，已經從「會不會做」變成「該不該做、用多貴的腦袋做」。

你公司的下一個大難題，叫資源分配

Grinberg 有個觀察我很喜歡。他說公司本質上是圍繞「解決問題」組織起來的。你有多少人，大概就決定你一次能解多少問題。現在 AI 把每個人的槓桿都放大了，於是每家公司都得回答一個新問題：我們是要用同樣的人解更多問題，還是用更少的人解一樣多的問題，又或者把野心放大去解一個更大的問題？

這個選擇沒有標準答案，但它衍生出一個更具體的東西，他叫它「token 的資源分配問題」。而且不只是 token，是錢、是 token、是人力，三個一起算。他斷言這會是接下來二十四個月每個 C-suite 都在煩的事。

判斷的標準是「核心競爭力」。他舉了一個很生活化的例子：今天公司很忙，他這個 CEO 其實也會走出門幫全隊買午餐，他知道怎麼點餐、怎麼提袋子。但這是他時間的好用法嗎？當然不是。Factory 的核心競爭力不是 CEO 會買午餐。同樣的道理，一家物流公司過去養一堆工程師，但軟體開發從來不是它的核心競爭力，工程師只是達成物流目標的手段。

他拿 Kirkland & Ellis 這家律所開刀。這家律所宣布要花五億美金、分五年自建 AI 工具。Grinberg 直接說，建 AI 不是律所的核心競爭力，他看到這新聞是驚訝的。更妙的是他補一句：很多人說「你看，自己做有多簡單」，但人家承諾砸五億美金，這恰恰證明了相反的事。這種把場面話戳破的口吻，是這集最好看的地方。

關於「自建還是外包」這件事，他點出一個時代差異。過去軟體的護城河是「我會做，你不會，所以你得付錢給我」。未來這條護城河會消失，因為理論上每一段軟體任何人都能做出來。問題回到資源分配：你做得出來，不代表你該做。

三個階段：董事會逼問、狂歡、宿醉

這段是整集最值得收藏的框架。Grinberg 說他看著一堆企業走過三個階段。

第一階段，董事會對著 CEO 吼：我們的 AI 策略是什麼？CEO 一臉懵，轉頭去逼 CTO，全公司開始喊要導入 AI。

第二階段，AI at all costs，也就是「token maxing」。用了多少 AI 變成績效考核的一部分，每個人都被要求採用。這階段來得比想像中快。他形容這是狂歡的夜晚，大家在乾杯、玩得很開心、把所有 AI 都用爆。

第三階段，宿醉。隔天早上去看帳單，「天啊我們花了這麼多錢，我完全不知道 ROI 在哪，這到底有沒有幫到生意？」很多公司現在卡在這裡。

他講了一個真實案例。某個 CIO 發現，公司每個月花了好幾十萬美金，是員工在拿最頂級的 Opus 4.8 問「嘿你好嗎」「我今天吃的食物熱量多少」「天氣怎樣」。他無奈地說，我們不需要動用人類智慧的最前沿來回答這些東西，而且有些根本跟工作無關。Uber 前一天才宣布要給每個員工設一千五百美金的 token 預算，Grinberg 說這種事他在自家幾十個客戶身上看過無數次，公開發生在 Uber 身上的，私下早就上演過了。

關於 token 花費這件事的經濟學，我之前在Dylan Patel 拆解 AI Token 的供給與需求聊過更深的供需面，有興趣可以對照著看。

那 token 花費佔薪資的比例三年後會是多少？Harry 丟出這個犀利的問題：如果 Benioff 說他花三億美金在 Anthropic 上，那是工程師薪資的百分之三點八，三年後這數字若還是百分之三點八，慘；若是百分之二十，也是慘，但是好的那種慘。Grinberg 的答案很細：可能低到百分之零，也可能高到幾千上萬個百分比，取決於個人。但如果硬要一個中位數，他說三年內大概會跟薪資同一個數量級。這是個滿驚人的判斷。

八成的活，開源模型就夠了

這集對一般讀者最有用的觀念，是 Grinberg 對開源模型的態度。Factory 是 model agnostic（不綁定特定模型），會根據任務在成本、品質、速度之間幫客戶自動選最適合的模型，這個機制叫 routing（智慧路由）。

他估計，今天用 frontier 模型做的任務，百分之八十到九十其實用開源模型就能完成。真正需要最強模型的，是規劃跟決策那一段。Harry 馬上反問：那這不就是 Codex 跟 Claude Code 最大的看空理由嗎？你把八九成的量都拿走了。Grinberg 的回答很漂亮：那剩下的百分之十到二十，可能是最重要的 token，因為那是「做決策的 token」。

他用人類組織來類比。一家公司絕大多數的工時花在收集資料跟執行，只有極少數的關鍵時刻是在做那個不可逆的策略決定，而做這些決定的人通常薪水最高。AI 也一樣，大部分 token 流向開源模型的執行工作，少數關鍵步驟才砸錢給最強的腦袋去想。

他還講了一個很真實的心理障礙。剛開始切換到開源模型時，他自己也會想「這個工作開源模型應該扛不住吧」，結果通常是它扛得住。他笑說 Twitter 上有個迷因，是一個人光是幫檔案命名，就拿出噴槍配特大號雪茄那種殺雞用牛刀的畫面。很多人對「我做的工作只有 frontier 模型才行」有一種自尊式的執念。

至於模型該不該跟應用層綁在一起，他的立場很明確：對消費者最好的世界，是模型跟應用分開。因為如果同一家給你模型又給你工具，誘因是錯位的，模型商是 API 生意，你用越多 token 他賺越多，他沒有強烈動機幫你省。把這層分開，才會逼 OpenAI、Anthropic、Google 互相競爭誰最好、最便宜、最快。關於開源閉源這場拉鋸，我在「模型戰爭」其實沒人關心了有寫過更完整的脈絡。

價值會流向誰？答案是「現在」流向誰

Grinberg 有句話我覺得整集最有重量：「價值的累積是時間函數」（value accrual is a time-dependent phenomenon）。

他說模型、應用、基礎建設三層的關係，就像那張著名的 Microsoft 組織圖迷因，每個部門都拿槍指著彼此。現在這三層都在試圖把對方做成 commodity，每一方都說「對方無關緊要，所有價值會流到我這邊」。但真相是，不存在某一個穩態下通吃所有價值的贏家。可能今年是這群人有定價權，明年換另一群。大家檯面下都在做同一件事：把不是自己的那一方商品化。他很坦白地說，這算是把心裡話講出來了。

那 Factory 的看空情境是什麼？他答得很乾脆：如果某一家模型商遠遠拋開所有人。Factory 賭的是所有模型會彼此差不多好，有的稍微擅長 review、有的擅長 Python，每週都在洗牌。如果有一家衝到遙遙領先，企業可能就全押它了，但那對整個經濟來說會是一個該擔心的壟斷。

而他這十二個月最大的想法轉變，剛好呼應這點。他曾一度以為最後會只剩一兩家跑出來，現在他覺得至少會有四家差不多強。他說這對人類是好事，最糟的劇本反而是只有一家強到不行。

銷售不是髒活，而「博學者的時代」回來了

這段火力很猛。Grinberg 說矽谷有個謬論：研究員是金字塔頂端，工程師次之，至於銷售跟行銷是「那些髒活」，大家幻想只要產品做得夠好就會自己賣。他說這完全是妄想。

在 Factory，產品的定義是「從客戶第一次聽到你名字，到十年後第十次續約」的整段旅程。軟體是其中一大塊，但行銷、銷售、demo、solution engineering 全都是產品。工程師跟業務坐在一起，沒有什麼工程師角落、業務角落。業務成交時工程師說「我們成交了」，工程師出貨時業務說「我們出貨了」。

他丟了一句很狠的反問句：「你舉得出一家傳奇公司有爛到爆的銷售或行銷團隊嗎？舉不出來。」Harry 反將一軍說，但我舉得出有爛產品卻有強銷售行銷的公司，兩人會心一笑。他形容那些不尊重銷售的 AI 公司像太空中的太空人，沒有重力，肌肉會慢慢萎縮，等重力回來那天，肌肉早就廢了。

關於人才，他說工程師的價值正在重新定義。過去矽谷愛吹的競賽金牌、奧林匹亞、背了多少語法，這些變得不重要。Grinberg 自己團隊裡有奧林匹亞得主，他覺得很棒，但那其實是某種反指標：如果你是被高中逼著一路 AMC 打到 IMO，那是走 funnel，不是你自己選的 agency（主動權）。真正的正面訊號，是那種來自鳥不生蛋的地方、全校沒人搞這個、自己跑去比賽的人。

由此他講到一個我很喜歡的詞：「博學者的時代回來了」（the age of the polymath is back）。他從小羨慕達文西、歐拉、牛頓那種能橫跨多個領域的人，因為那時候每個學科都還很淺。等他長大讀理論物理，學科深到你得花五十年追完前人的文獻才可能貢獻一點新東西。而 AI 把這件事整個翻轉，這些工具能用前所未有的速度把你帶到任何領域的前沿。所以只要你擅長在限制下思考、擅長系統思維、能在腦中容納不確定性，你現在可以同時推進開發者行銷、token 快取技術、跟 solution engineering 三件事。這跟我常給年輕人的建議一樣：不管做什麼都要 full stack，做行銷就從寫文案、排版、挑時間發、放大聲量全包，別只交一份稿子就甩給別人。

蓋工廠的人，跟那封 cold email

Factory 為什麼叫 Factory？因為未來軟體開發的樣子，是工程師不再親手寫程式碼，而是去蓋那座「生產軟體的工廠」。Grinberg 說想像 Tesla 的工廠，一堆機械手臂在組裝線上跑，人沒那麼多，但你很清楚這整套流程是人類設計來最大化產出的。工程師的新工作，是設計腳手架，確保 agent 產出的不是一堆能過測試卻債台高築的爛 code。

對於失業，他的答案是短期擔心、長期不擔心。短期是衝擊，幾萬人裁員是真的痛。長期不擔心，是因為世界上有解不完的問題，而其中絕大多數能用軟體解的，我們現在根本還沒去解。把大量工程人才釋放到更廣的經濟體去解這些問題，比如失智症、製藥研究，是淨好事。也因為這個信念，他對 Dario「AI 會搶走你工作」的反覆喊話相當不滿。他認為那不只是錯，還傷害了開發者的心理，更糟的是，這種說法的動機是自私的：你要募天文數字的錢，最好的話術就是「資本主義要完了，只剩我一家活著，所以快把錢給我」，等到要 IPO，被取代的人類手上有錢了，又突然改口「人類其實很重要，工作會回來的」。他直言這讓他火大。我滿認同這個觀察的，那些從沒喊過搶工作論的人，往往是最不缺錢的那幾位。

最後講那個讓 Harry 願意四分鐘就開出幾百萬美金支票的人怎麼來的。Grinberg 十二歲時因為幾何老師說他得重修，賭氣自學了一整套高中數學，後來一路念到 Princeton、Berkeley 的物理博士，做弦論。直到在 Berkeley 帶一群不在乎物理的十八歲學生上課、被「rate my professor」打了一分（滿分五分），他才驚覺這不是他要過的人生。

他偶然看到一段 podcast，講者是個前理論物理學家、賣過一家十億美金公司、後來在 Sequoia 當投資人，而且「能維持眼神接觸」（他說以物理學家的標準這很罕見）。他寄了封 cold email，當天就收到回覆，約在 Sand Hill 見面，本來三十分鐘的會談走成三小時的散步。隔天他在 hackathon 撞見後來的共同創辦人 Eno，七十二小時做出一個 demo。投資人看完只說「還好」，但問他「你會全職做嗎」，他說會，對方回「那退學，傳張截圖給我」。

他父母從蘇聯移民來美國幾乎一無所有，這個博士學位是他們最大的驕傲。但他還是退了學、傳了截圖。第二天他就站在 Sequoia 的合夥人會議上做了一份很爛的簡報，當時是二〇二三年四月，遠在大家開始談 agent 之前。一百萬美金，五百萬投後估值。很多人勸他拿著 Sequoia 的名字去外面喊更好的條件，他沒有。他說的理由我覺得值得抄下來：當你是熱門公司在募熱門的輪次，每個人都是你最好的朋友，那是他們的工作。但「除了他，沒有人會相信我，沒有人會懂」。對他來說，在公司低谷、前景不明時還願意挺你的信任跟忠誠，比價簽上的數字重要得多。

這集最打動我的，其實不是那些 token 經濟學的判斷，而是一個從沒上過班的物理學家，用一封 email 跟一段散步，賭上父母最驕傲的東西。共勉之。

想看更多這類產業前線的訪談筆記，我都會持續更新在 wilsonhuang.xyz，不嫌棄的話歡迎訂閱追蹤。