Bill Gurley 的系統思考課：從 AI 泡沫、China 開源模型，到一張只有一頁的 Benchmark 官網

TL;DR

• 系統思考是他最常回去拿的那把工具：世界是「多變數、非線性」的，一個變數翻轉整個系統就換一種行為，所以別被單一指標綁架。
• 學一個領域要兩頭抓：往回挖歷史（差異化、顯示熱情），往前衝最新的 edge（AI、TikTok），兩個都做你就是 power player。
• China 有十幾個 open source 模型互相訓練、互相公開做法，這個競爭系統的演化速度可能比美國這套封閉系統快得多。
• AI 的「circular deals」會同時拉高崩盤機率、又延後崩盤時間：你給錢讓對方花回你的服務，整個產業被吹得更大、更快。
• IPO、信用卡、跨境匯款都是 regulatory capture 的活化石，stablecoin 跟即時支付正在從旁邊繞過去。
• Benchmark 五個合夥人完全平等、沒有老大，連官網都只有一頁，這是這個結構的副作用。

先認識一下講話的人

這集是 2026 年 6 月 9 日上線的 The Knowledge Project，主持人是 Shane Parrish。他原本是加拿大情報機構出身，後來靠 Farnam Street 這個部落格寫「思維模型」寫成一個品牌，podcast 專訪各路投資人跟經營者聊決策跟思考方式，基本上是知識型聽眾的精神食糧。

這集的來賓是 Bill Gurley。他是 Benchmark 的 general partner，矽谷最受尊敬的創投之一，最著名的戰績是 Uber 的早期投資人，部落格「Above the Crowd」是很多創投人的必讀。要說明一下他的現況：他在 2020 年就退出 Benchmark 的主動投資角色，沒有參與新基金，但保留合夥人身份，目前還掛在 Instawork、Nextdoor、Stitch Fix 等公司的董事會，也是 Santa Fe Institute（研究複雜系統的智庫）的董事。換句話說，這是一個打過完整週期、現在退到後排看局的業內老兵。聽他講話的價值就在這，他沒有要 sell 你任何一檔。

系統思考：別被單一指標牽著走

Gurley 開場就講他最常回去拿的工具是 systems thinking。他在 Santa Fe Institute 的董事會待過，那邊研究複雜系統理論，他給的定義很乾脆：複雜系統就是「多變數、非線性」的系統。天氣、股市都是。這種系統可以維持一種行為很久，然後某一個變數一翻轉，整個東西就走另一條路，而且後果是一階、二階、三階導數一路傳下去。

他舉了一個我覺得很有畫面的例子。某個大型交友網站想驗證一個假設：把個人檔案做長一點，互動會不會變高？聽起來很合理，測了，結果是真的，互動上升，於是全面上線。幾個月後才發現，這對「轉換率」是負面的，因為當大家在那個層次知道更多資訊之後，反而不約了。

這就是二階效應的可怕之處：你當下看到的指標是綠的，真正的後果埋在好幾個月後。Gurley 的結論是，系統思考的價值不是讓你預測，而是讓你「避開麻煩」。你會對後果保持警覺，不會把整盤棋押在單一指標上。這點要留意，因為現在做產品、做投資的人，手上的 dashboard 比以前多十倍，但每個數字背後的二階效應沒人幫你標出來。

一個領域，往回挖歷史、往前衝 edge

接下來這段我很喜歡。Gurley 說現在這個世界資訊被切得很碎，大家只想要 gist、只想要 executive summary，但弔詭的是，你能取得的資訊量是史上最多的，有了 LLM 更是這樣，開車一小時都能跟它學完一個領域。

他主張的反而是反過來：去鑽你那個領域的歷史。他講了兩個故事。一個是他的合夥人 Alex 在拍賣會標到跟 Pixar 創意核心 John Lasseter 吃一頓飯，結果 Lasseter 在自家放映室端出十道菜，每一道配一部他認為對理解動畫至關重要的經典卡通，邊看邊講。另一個是世界西洋棋大賽中場辦的冷知識比賽，冠軍是 Magnus Carlsen，題目全是棋的歷史。頂尖的人，往往對自己領域的源頭瞭若指掌。

他給了一個對任何人都實用的場景：你大學畢業去 P&G 面試行銷職，現場二十個人，只有你真的懂行銷史上那些大師，而且你能在面試裡講出來，這不是強到爆的差異化嗎？他朋友甚至建議大學申請 essay 就這樣寫，想念物理就去寫物理的先驅，瞬間跟所有人拉開對比，而且這會「推論出熱情」。他補一句很犀利的話：如果你覺得學這些很 tedious，那大概代表這不是你真正的熱情，你站錯跑道了。

但他馬上提醒這是兩頭抓。光懂老東西不夠，你還要死命搞懂最新的 edge。創業者能顛覆 incumbent，靠的都是邊緣正在發生的某個動態變化，現在是 AI，當年是 mobile。他自己手上同時開了五個 premium AI 帳號，就怕漏掉什麼。歷史給你框架跟熱情，edge 給你機會，兩個都做到，你在你的領域就是 power player。

我自己對這段最有感的是面試那個例子。同樣去應徵行銷，你既懂所有 legend 又真的玩透 TikTok，這種組合在台灣職場一樣稀缺得不像話。

他怎麼用 AI：你低估它能做的事

Shane 問如果觀察他用一週 AI 會被什麼嚇到，Gurley 的答案是：「你常常低估它能做的事。」很多人會叫 AI 列出某個東西的前十名，然後自己拿這十個去研究。但你其實可以一次把後面的功都塞進 prompt：列前十、列每個的優缺點、用維度 A 排序、再用維度 B 排序一次。他說自己早期還會叫 AI 給數字然後自己加總，後來才發現「幹，加總這件事也能叫它做」。

他也分享了實用的分工。ChatGPT 的 project 結構跟 memory 把他黏住了，因為它認得他這個人。查餐廳他用 Gemini，因為有 Google 評論資料，而且不要只問哪家好，要問「哪三道菜大家狂推、哪些被警告別點」，直接鑽進菜單。寫 code 大家信 Claude，做公司深度研究、尤其是不熟的國家的公司，他聽說 Claude 表現更好。所以現在還是混用的局面。

關於會不會收斂成單一模型，他的判斷是「高度取決於局怎麼走」。coding 這個目前最大的垂直領域已經出現換模型的情況，Cursor 甚至讓使用者自己挑。等產業走向價格優化（現在還不是主要目標函數，但幾年後會是），換模型會更普遍。但有個反方向力量：如果監管變得極度繁瑣昂貴，反而會推向寡占，因為合規成本只有大玩家撐得住。他直接點破，有些玩家其實在「求」監管，因為那是護城河，特別是擋住 China 的 open source 模型。這個監管即護城河的邏輯，之前在Practical AI 拆解 Meta 放棄 Llama 之後的開源閉源新平衡那篇也聊過，這裡 Gurley 從系統角度又補了一刀。

China 的開源系統，為什麼可能演化更快

這段是整集最值得單獨拿出來講的系統思考應用。Gurley 說 China 現在有十幾個 open source 模型，而且大家不只開源權重，還公開他們怎麼想出來的新技術。所以那邊的競爭動態更激烈，模型彼此學習，你可以用一個模型去訓練或測試另一個模型。

他用了一個很 Gurley 的比喻：想像兩個都是農業社會。第一個社會，農夫趕集就是互相買賣商品然後回家。第二個社會，農夫趕集被強制要跟所有人分享最佳做法。哪一個演化得快？答案很明顯。open source 讓你看得到別人在做什麼、怎麼做，這個系統的演化速度，他認為可能比美國這套封閉競爭快得多。

更諷刺的是，很多矽谷的 startup 其實正在 fork 這些 China 模型，從廣度跟使用量來看，整個矽谷都在用，只是因為沒登上華爾街日報頭版，變成一個「安靜的祕密」。這跟很多人腦中「美國全面領先」的劇本差很多，這部分要小心，別把媒體標題當成現場實況。

AI 到底有沒有被過度投資？circular deals 的雙面刃

Shane 直接問，是不是 build-out 投太多了。Gurley 笑了，他說如果五年前你跟他講，MAG-7 會值三兆美金，然後把一年五百億到一千億的自由現金流全砸進 CapEx 砸到接近零，他會說不可能。所以連他都被現在的金額嚇到。

他的解釋牽到一個概念：increasing returns，也就是 power law。投資圈這些年慢慢相信並且深信，一旦 startup 在生態系裡變重要、又證明能成長，最後價值會遠超所有人想像，從 Google、Amazon 到 Meta 都是。既然大家都信這套，他們就更願意「on the come」提前下注、承擔更大風險。他看到一張圖，領先公司在轉正前的累積虧損，Amazon 大概兩三億、Uber 大概一百五十億，現在這些 AI 公司會比這大得多。整個創投圈正在變得更 risk-seeking。AI 經濟學那筆嚇人的帳，之前在Rajiv Jain 把整個 Mag7 砍光那篇有從反方的角度算過，可以對照看。

最有意思的是他講 circular deals。他轉述 Dario 在 DealBook 會議上的說法：你是雲端服務商，看到 Anthropic 想做一個要花五十億美金的模型，但他們沒這筆錢，於是你給他們這筆錢，讓他們花回你的服務。Gurley 的解讀很白：如果你不給，他們根本不會花，所以「萬物的成長都被這件事灌大了」。這會同時拉高崩盤機率、又延後崩盤時間，因為你把未來的成長提前膨脹進現在。

他也提醒，成功的公司每一輪幾乎都是 preemptive，別人主動塞錢給你，而當你拿了三億美金，唯一花得掉的方法就是把 burn rate 拉高。十年前一個月燒一百萬已經很可怕，現在這些公司一年燒五十億，等於一個月燒一億以上。當你財務上這麼激進，你根本搞不清楚自己真正的 unit economics 長怎樣。這句話他繞回他一直強調的 financial bedrock，我覺得是給所有看 AI 標的的人的一記提醒。

IPO、信用卡、跨境匯款：監管捕獲的三個活化石

Gurley 在支付跟資本市場這塊講得特別兇，因為他多年來就一直開砲。

先講 IPO。他說現行制度對公司「極度不公平」，banker 挑價格、挑股東。他用一個很漂亮的思想實驗：你抓一個大一資工系學生跟一個大一財金系學生，叫他們設計公司該怎麼上市，他們會弄出一個匿名媒合供需的拍賣，就跟任何拍賣、也跟 ICO 一模一樣。沒有人會發明這種「精選你最好的客戶、給他們甜頭價」的怪東西。他們推過 direct listing 用拍賣機制，但華爾街放不下這個圍繞 IPO 的權力，又退回受控的寡占。

再講支付。他點名 stablecoin 對信用卡的威脅。重點背景是：大部分已開發國家政府早就建好銀行帳戶之間的即時轉帳，UK Faster Payments 二十年前就做了，Argentina 用 PIX 六年就衝到六七成交易。美國因為 regulatory capture，銀行擋住政府做這件事，FedNow 喊了不知道多久。結果就是信用卡整套生態系收你 2% 到 2.5%，毫無道理。

Shane 老實說自己很 naive，問 stablecoin 到底是什麼，Gurley 解釋就是一種加密貨幣，合規的話（他相信 USDC 有做到）會用一比一的美國國債背書，跑在已經很成熟、全球即時的 crypto rails 上，幾秒就能把錢用幾分錢成本轉給任何人。他算給你聽：放進 USDC 能賺 4%，幾秒內轉帳成本只要幾分錢。美國現在 ACH 要三天結算、wire 同日但收你二十五美金還要填表，這些「需要」根本是監管造出來的。Visa、MasterCard 這種 60% 營業利益率的雙頭壟斷會被重創。他補上 China 的對照：因為政府早早做了即時轉帳，Alibaba 跟 Tencent 很快建出數位錢包，現在你在 China 買路邊攤一頂帽子或在 Huawei 店買車，掃個 QR code 用 WeChat Pay、Alipay 一鍵就付完。穩定幣怎麼繞過信用卡這件事，AI Agent 開始自己花錢那篇從 agent 商務的角度也談過類似的結算層革命。

他最後提醒一個風險，這很 Gurley：tokenization 如果發生在沒有財務揭露監管的資產上，會出現大量投機甚至操縱。而像 Stripe 這種公司刻意留在私有市場，就是為了避免 token 價格亂跳，因為公開公司股價大幅波動會讓持股員工陷入混亂。底層資產其實一直在動，只是沒被記錄，你看不到，對經營者來說這反而是好處。

Benchmark 為什麼連官網都只有一頁

最後聊組織結構。Benchmark 的創辦人都來自階層分明的老創投，覺得資深合夥人拿走太多錢跟功勞，於是決定做一個「完全平等」的合夥制：五個平等合夥人，沒有 lead、沒有 king、沒有 president。

Gurley 拆了這個結構的二三階後果，大多是正面的。第一，超好招人，因為你直接給對方平等地位，別家是因為你要走才補你，那不一樣。第二，它鼓勵你去栽培新人，因為新人成功你平分，所以你會掏心掏肺幫他，不像 up-or-out 的事務所那樣孤獨、彼此競爭、不敢分享 idea。第三，省掉每年算薪酬、重切餅的所有政治成本，因為永遠是平等。

但有一個巨大的缺點：因為沒有 CEO，很難 scale、很難推新計畫。他講了一個很好笑的例子，官網到底誰負責？後來 Matt Kohler 接手做了一個超複雜、把所有人連起來的網站，結果大家開始抱怨這裡不對那裡不對。有一天 Matt 直接說「我全拆了，放一個 splash page」，就這樣放了大概十五年，到今天 Benchmark 官網還是只有一頁。Gurley 說這就是平等結構的副作用。

我覺得這段的反差很有味道。一個管過 Uber 那種等級資金的人，最後跟你說最舒服的官網就是一頁。他也補了一句平衡的話：很多成功創投不是這樣結構，這不是唯一解。

收尾他聊到 success 的定義。他形容創投是他的 dream job，他說就算活在社會主義社會、大家都得免費工作，他還是會選這份工作。但那段已經做完了，現在他想把寫部落格、理解問題、綜合思考這些技巧，拿去戳社會上更大、更廣的問題，看能不能在宇宙上留個小凹痕。

聽完最大的收穫，對我來說不是哪一條投資結論，而是那個「兩頭抓」的姿態：往回挖到一個領域的源頭，往前衝到最新的邊緣。中間那塊人人都會的部分，反而最不值錢。自行斟酌，共勉之。

這類把產業老兵的思考框架拆開來看的內容我會持續寫，喜歡的話歡迎訂閱 wilsonhuang.xyz，不會漏掉後續更新。