a16z

当 AI 智能体（Agent）从“帮你挑选”走向“替你付款”，支付凭证如何安全流转、买错东西由谁负责，以及谁能保住消费者关系，都会成为新的竞争焦点。

Nathan Lambert 认为，开放权重模型未必能率先创造下一代 AI 范式，却可能凭借技术人才、快速跟进和企业对模型控制权的需求持续接近前沿；真正需要警惕的，不只是模型差距，还有数据质量、算力集中与社会准备不足。

AI 数学能力的进展值得密码学界认真测试，但本集嘉宾强调：目前没有证据表明已部署的密码系统被 AI 攻破；当务之急是取得可信的测试结果，而不是仓促迁移资产。

真正的递归自我改进，不是“用 AI 帮人开发 AI”，而是让参与改进的系统也成为被改进的对象；要判断它是否奏效，还必须同时核算能力增益、资源成本与测量误差。

Nick Bostrom 主张为超级智能保留“必要时减速”的能力，但反对把无限期暂停当成默认答案：AI 风险、延迟医疗突破的代价，以及权力可能因此更集中，必须放在一起衡量。

Ben Horowitz 认为，伟大创业者不是没有短板的人，而是在关键问题上拥有世界级长处、并能在极端压力下继续行动的人；AI 正在让更多人有机会把这种长处变成产品。

AI 可以让芯片设计更快，但从设计走向可用算力，仍受制于制造与封装周期、内存带宽、光互连的量产能力，以及最根本的供电约束。

AWS CEO Matt Garman 认为，智能体正在改变云计算的使用方式：云既要承载巨额 AI 算力需求，也要让智能体能够快速、安全、低成本地调用基础设施。

Valon 通过“自建服务商-再卖软件”的艰难路径，在监管极其严苛的按揭服务行业完成了从 0 到 400 万笔贷款转移的基础设施重构，证明了在传统金融深水区，唯有亲自下场操作才能构建出真正可用的现代系统。

Kevin Mandia 认为，AI 已让网络攻击从有限人手寻找单一路径，转向机器速度的并行探索；防守方必须用持续攻击测试来发现真实风险，并逐步建立可控的自主防御。

消费级 AI 的使用已相当普遍，但付费仍集中在少数创造者和重度用户手中；下一轮增长取决于可信赖的AI 智能体（Agent）、订阅之外的商业模式，以及真正让大众愿意花时间使用的产品。

David George 认为，AI 的需求尚未真正扩散到广大知识工作者；与其押注「前沿模型还是开源模型」「模型公司还是应用公司」，不如理解为什么市场扩张可能让多层参与者同时成长——但企业回报、基础设施瓶颈与估值仍需检验。

AI 的下一阶段未必属于一个包揽所有任务的“上帝模型”，而可能属于能按任务组合不同模型、控制成本与权限，并让企业保有选择权的系统。

AI 原生公司的机会，不是给企业现有系统再加一个聊天框，而是接手散落在邮件、合同、表格和人际协作中的整项工作，并在处理例外与赢得信任的过程中建立优势。

Barrett Lyon 想把 VPN 从“换一个出口”扩展为可运行通信应用的隐私网络；本集同时揭示了这一愿景必须面对的服务器信任、运营成本与滥用治理问题。

a16z 增长团队认为，AI 正把科技投资变成横跨算力、电力与工业建设的资本开支周期；需求和收入已有迹象，但巨额投入能否持续转化为利润、生产率和广泛采用，仍需验证。

个人 AI 智能体（Agent）的竞争，不只是看谁能替用户完成更多任务，而是看谁能在合适的权限边界内，主动、可靠且几乎不打扰地处理生活琐事。

编码智能体（Agent）让软件写得更快，却未必让软件本身更聪明；TypeSafe AI 创始人 Diogo Almeida 主张把可靠的智能变成程序内部可调用的能力，让软件能够理解意图并作出可用的决策。

Harvey 在一年内扩张逾千人，却试图继续以创业公司的速度运行；其方法不是增加层层审批，而是用明确价值观、信息透明、员工自主权与高判断力，在快速试错和法律行业的高风险要求之间维持平衡。

本集探讨了在AI 智能体（Agent）日益普及的背景下，如何确保安全性，以及在监管和技术创新之间取得平衡。