
他來募資,整場會議九成時間都在說「不」,兩年後這家公司賣了六百億美金
a16z 三位合夥人在 Cursor 被 SpaceX 以六百億美金收購後,回顧這家公司從 2024 年初到今天的所有關鍵決策:為什麼不訓練自己的模型、為什麼直接 fork VS Code 而不做外掛、為什麼拒絕提早建業務團隊,以及面對 Copilot 到 Claude Code 一輪輪競爭時的心態。還有創辦人花四成時間招募、兩年內三次自我蠶食的紀律,跟成長期投資模型算不出這家公司的真實經過。
技術文章、區塊鏈、DeFi、隱私協議與創業心得分享。

a16z 三位合夥人在 Cursor 被 SpaceX 以六百億美金收購後,回顧這家公司從 2024 年初到今天的所有關鍵決策:為什麼不訓練自己的模型、為什麼直接 fork VS Code 而不做外掛、為什麼拒絕提早建業務團隊,以及面對 Copilot 到 Claude Code 一輪輪競爭時的心態。還有創辦人花四成時間招募、兩年內三次自我蠶食的紀律,跟成長期投資模型算不出這家公司的真實經過。

EthSystems 兩位共同創辦人 Mo Jalil 與 Oskar Thorén 上 Bankless,拆解機構為什麼比個人更需要隱私。從頂級投行每年付上億美金給第三方做交易壓縮、某國家寫了十六頁報告證明全民支付上鏈做不到,到隱私不等於隱藏的選擇性揭露設計、為何要從 Ethereum Foundation 拆成營利公司,以及機構先蓋沙坑再接主場的十年遷移路徑。

Caltech 教授 Anima Anandkumar 上 Latent Space,拆解 neural operator 怎麼讓 AI 天氣模型比超級電腦快幾萬倍、只需一張消費級顯示卡。從氣象學家勸退的 2021 年、承認地球是圓的才讓長期預測穩定、只訓練六小時卻能推演一整年,到核融合電漿快一百萬倍與逆向設計,還有那句「我們有語言的 foundation model,卻沒有物理的」。

Eric Weinstein 上 All-In Podcast,拆解美國科學為什麼停滯:peer review 其實是 1965 年 Medicare 的產物、1969 年 MIT 反戰遊行如何斷掉軍方與基礎研究的默契、科學家淪為不敢反對主流的不穩定無產階級。他也主張理論物理停在 1983 年,四十二年沒有新的武器、能源與推進技術,並預測 AI 接下來會去讀被主流嘲笑的「垃圾桶語料庫」,發現會發生在那裡。

PlanetScale 執行長 Sam Lambert 上 The Changelog,拆解一家官網搜不到 AI 兩個字的資料庫公司為什麼 AI 客戶滿手。從擋下危險 schema 變更的閘門、五百 TB 表跟一 MB 表一樣快的回滾、Metal 其實是租雲廠商裸機,到新產品 Neki 要不要開源的公開掙扎、對 Amazon 的直球開砲,以及五十人團隊打五千人的結構性理由。

HBR IdeaCast 訪《How to Read the Room》作者 Pamela Meyer,拆解沒有職權時如何推動事情:直接命令為什麼踩到人的自主感而失效、五條間接影響力路徑(找出真正決策者、後門管道、精準時機、連結者、氣氛判讀)各自的用法與翻車方式,以及進門前的 Triple B 準備法。附一個馬上能用的動作:會議吵架時別看戲,看觀眾。

TiER1 Performance 首席 AI 架構師 Mike Lewis 上 Practical AI,拆解一份報價四百萬美金的藥廠文件案,怎麼被一個三小時做出來的 Claude skill 解決。從 L0 到 L3 的分級框架、不用 AI 的五種人為什麼六成是品質回饋而非抗拒、挑非技術建造者的第一標準是公司 DNA 而非技術能力,到一隊只要一個 L2 的配比邏輯,以及他為什麼決定不再思考未來。

This Week in Startups 這集從北京世界人形機器人運動會談起:五十一個項目、兩項成績破人類世界紀錄,但主持人 Jason Calacanis 的判斷是這根本是一場公關戰。加上 Hugging Face 傳出 130 億美金賣身、OpenClaw 被買走創辦人後消失的教訓、Sam Altman 說 OpenAI 不跟客戶競爭、Harvey fork Kimi K3 的城堡結構,以及伊朗駭客關掉英國電廠與烏克蘭出現全自主殺人無人機。

Sequoia 合夥人 Julien Bek 上 20VC,把這家五十四歲創投的內部運作攤開:投資委員會怎麼投票、SpaceX 那筆有人投 1 分卻成為史上最佳投資、創辦人親自 pitch 全體合夥人的壓力測試、三十分鐘讀人的五次 why 法、Don Valentine 的 2x2 框架,以及 agent 正在變成新客戶且帶有偏見這件事。最後附上他媽媽靠 Revolut 七十四歲退休、績效比他還好的故事。

a16z Podcast 訪 Protege 共同創辦人兼首席科學長 Engy Ziedan,拆解醫療 AI 的評測危機:模型在執照考試拿九成二、真實臨床任務只剩四成五。從災難性失敗其實比細微偏誤好抓、病歷上那句「她看起來很邋遢」如何被 AI 轉寫工具消除、膝關節手術揭露醫師自己也有偏好,到為了做乾淨評測得去問醫院哪些切片從沒被掃描過。政府不會做,所以先做出來讓人挑戰。

Syntax.fm 這集拆解 Stripe 七十億美金收購 OpenRouter 的邏輯:它買的不是 AI,是聚合層,跟當年統一支付方式是同一套劇本。加上一篇示範怎麼用小模型偷走頂級模型加密思考鏈的論文、Cursor 挑在 GitHub 當機那天推出託管服務、深色模式為什麼兩個狀態就夠,以及一行 ISO 白話語言標準讓 AI 停止講廢話的零成本技巧。

OpenAI 執行長 Sam Altman 上 Founders Podcast,坦承自己最說不通的一件事:手上有 Codex,卻二十年來用同一種方式操作電腦。他也拆解為什麼不認同「2026 年每門生意都會被洗牌」、砍掉 Sora 與 Atlas 的取捨、Peter Thiel 那句「這是 Google 的空白搜尋框」、OpenAI 第一天十二個人在公寓裡不知所措的畫面,以及他對 AI 產業「親愛的農奴們」式推銷詞的嚴厲批評。

Lenny's Podcast 訪 State Affairs 企業事業群總經理 Jen Abel,把一筆十萬美金企業訂單的成交流程從第一封信拆到簽名,一共十四步。多數人只做了 CRM 裡那五個欄位。從鉗形攻勢的兩個入口、第一通不錄音的探索電話、沒人打的 demo 前置電話、只演兩成功能的原則、壓到三天的 pilot,到報價後閉嘴不自己殺價,以及那句反直覺的判斷:成交率超過三成五代表你賣太便宜。

Exowatt 執行長 Hannan Happi 上 Motley Fool Money,把 AI 競賽的底牌掀開:中國一年新增 540 GW 電力是美國的十倍,資料中心積木單位兩年內從 20 MW 跳到 700 MW,併網延遲一年等於一百二十億美金蒸發。加上燃氣渦輪機積壓五到七年、一千六百億美金資料中心因社區反彈卡住、往百分之四十一無人土地蓋的邊疆策略,以及給投資人的短期長期雙層檢查表。

Insight Partners 共同創辦人 Jerry Murdock 上 20VC,給出罕見具體的判斷:AI 泡沫破裂窗口落在 2026 年十月到 2027 年三月,關鍵不是 AI 本身而是史無前例的舉債規模。他也拆解 neocloud 一半會死的資本效率邏輯、為什麼「一顆 token 就是一顆 token」是錯的、容器不安全與 sandbox 的下一波資安機會、圈地策略與低毛利文化的分界,以及 Mag 7 裡最該做空 Meta 的理由。

Sensible Money 創辦人 Dana Anspach 上 Motley Fool Money,拆解退休四階段裡最被忽略的 Pre-Go 準備期:她做了三十年退休規劃,自己五十三歲才第一次相信會退休。從十年降風險的收入階梯、退休到強制提領之間長達二十年的稅務機會年、八十歲的認知斷崖,到安全提領率為什麼過度保守、紅黃綠決策框架怎麼用,以及一位憂鬱了整整一年卻從沒說出口的退休客戶。

We Study Billionaires 用牛熊辯論拆解全球最大電池廠 CATL:出貨量年增兩成一但營收年減近一成的跑步機效應、AI 資料中心為什麼需要電池當緩衝器、Ford 授權模式為什麼可能是防禦性投降、現金流兩倍於淨利背後的供應商帳期風險,以及港股比 A 股貴三成五的反常溢價。附曾毓群從 iPod 電池做到全球之王的完整創業史與三個投資判斷。

Wall Street Week 八月二十一日這集拆四條線:Apollo 三百多個職業的研究發現 AI 先壓薪資不壓就業、放射科醫師薪資反而比工程師快四成二、前 IBM 執行長用五千億美金算出每年要生出五百億收益的硬帳、加拿大在關稅談判跨過守了幾十年的紅線,以及科羅拉多河把水從免費變成要按稀缺定價的商品。

Bankless 八月二十一日 ROLLUP 拆解那根創紀錄的綠 K:Bitcoin 一天半漲一成四、ETH 週漲兩成三背後的三個同日催化劑。財政部把長債買回加倍到四十億美金,市場稱之為 Bessent put,百分之五殖利率成為不可觸碰的紅線;白宮辦加密造勢繞過國會;SEC 四百零二頁新規給出三個募資豁免與投資合約安全港,把吵了十年的證券定義問題一次結束。加上 FASB 讓穩定幣列為約當現金、Hayden Adams 主張 AMM 會像指數基金吃掉整個交易市場,以及兩位主持人對牛市是否回歸的五五開判斷。

Simile 創辦人 Joon Sung Park 上 Latent Space,拆解一家估值二十億美金的 AI 模擬公司在做什麼:前沿模型太理性所以預測真人行為只有兩三成準,他們反過來訓練會犯人類錯誤的模型,用一千人實驗做到百分之八十五準確度。從三層資料架構、模擬與預測的根本差異、Schelling 隔離模型的諾貝爾獎啟示,到八十億人模擬的十年野望。