AI 助手、企业采用与风投市场的新风险

Harry Stebbings 向 Jason Lemkin 和 Rory O’Driscoll 询问 Instinct 等个人助手。Lemkin 说，他看到了一个新兴智能体类别，它们可以通过熟悉的在线服务执行任务，但他担心这些产品与现有规则和平台如何互动。

Lemkin 声称，一些助手使用服务的方式可能与平台条款冲突。O’Driscoll 说，新产品有时会遭到现有企业抵制，但各个案例的结果不同。嘉宾没有确定任何被提及的产品是否违反了特定合同或法律。

Lemkin 说，个人智能体可能通过与原本并非为它们设计的服务互动而变得更有用。他也预计平台运营商会审视这种互动对自身规则、可靠性和客户的影响。他的例子不是对任何服务条款的法律分析。

O’Driscoll 以餐厅预订为例，说智能体广泛使用可能要求预订服务调整接口和流量管理。他对某项服务发生情况的描述是讨论中提出的叙述，并非独立核实的事件。

Lemkin 说，大公司的法律团队会审查产品设计，因此面临的限制可能与初创公司不同。他回忆，此前一家公司的一项功能据他说在收购后因第三方使用限制被移除。这是他对那段经历的叙述。

Stebbings 强调分发：当助手出现在人们已经使用的消息应用中时，他们可能更愿意尝试。Lemkin 介绍一家被投企业把智能体加入消息应用后，在范围较窄的客户支持场景中获得采用。他说，成功的界面创意可能很快被复制。

嘉宾指出，熟悉的界面可以降低尝试新产品所需的努力。Lemkin 说，现有企业可以快速向客户提供专注于特定任务的助手；Stebbings 则认为，消息渠道的分发能力对通用个人助手有利。

被问到是否愿意以数十亿美元估值向 Instinct 投入大笔资金时，Lemkin 说他会放弃。他预计会有许多竞争对手，包括大型平台和专门初创公司，不愿以这个价格押注一家尚无营收的公司。他承认自己过去也错过了有前景的早期投资。

O’Driscoll 说，这种决策部分取决于投资组合和对世界的判断：一家公司可能在早期受到广泛关注却几乎没有变现，而更便宜的竞争者也可能出现。他认为，消费领域投资人常常必须在财务结果明朗之前评估增长势头，但这并不保证之后一定能变现。

Stebbings 指出 Instinct 团队添加功能的速度，认为早期领先可能发展成更丰富的产品。Lemkin 同意执行力和保护措施很重要。嘉宾也考虑拥有成熟分发渠道的大平台是否能快速推出竞争助手。

Stebbings 认为，团队的产品开发速度可以巩固早期优势。O’Driscoll 说，大型现有企业也可能在同一问题上投入大量资源，因此分发和执行力对双方都是重要变量。

Stebbings 引述 Jensen Huang 据报道认为 AGI 已经到来的说法，并提到 OpenAI 的新模型。O’Driscoll 呼吁听众关注实际结果，尤其是他看到的编程经济价值，而不是依赖尚无定论的标签。讨论并未证明 AGI 已经实现。

Lemkin 建议逐项比较 AI 与人类表现，而不是把整个职业视为一个单位。他和 Stebbings 转向法律服务；Stebbings 在观察一位律师使用专用工具后，认为这一市场可能非常大。

O’Driscoll 同意法律 AI 可能成为重要业务，但估计转向软件的法律支出比例可能低于编程领域。他对订阅价格、薪酬和市场规模的比较只是说明性观点，并非对客户未来支出的测量预测。

O’Driscoll 用法律订阅价格相对于专业人士薪酬的比例，粗略思考产品可能获得多少价值。Stebbings 质疑随着产品改进，这一比例能否保持稳定。两人的计算都没有测量未来市场。

Stebbings 认为，律师可以委托 AI 完成许多常规研究和起草工作，自己专注于判断。O’Driscoll 回应，剩余工作、客户关系以及对更多分析的需求仍可能需要大量人类参与。双方都没有把假设比例当作已证实的就业结果。

嘉宾用医学影像作类比，说明自动化如何改变任务，却不一定消除所有专业岗位。O’Driscoll 强调与患者沟通和需求变化。这段交流讨论的是劳动力经济学，不是诊断或治疗建议。

Lemkin 问，律师使用 AI 助手后可能完成多少额外工作。O’Driscoll 认为，结果可能是每个案件的分析更深入，而不是案件数量按比例增加；他将这种变化比作电子表格让人能分析更多情景。所提倍数只是例子，并非测量得到的生产率提升。

O’Driscoll 认为，生产率提升可以用于更深入地完成工作，而不只是处理更多案件。他用电子表格的比较说明，自动化既可能改变工作内容，也可能影响就业人数。

Lemkin 描述编程智能体成为他的小团队持续合作的伙伴，并设想其他职业也可能出现类似用途。他认为人们可能整天与助手共同工作，同时也认识到持续可用可能带来更大的工作负担。

Lemkin 说，持续辅助可能带来一种始终在线的工作形式：用户可以在传统工作时间之后继续提问、改进项目。他将团队自身的使用情况作为例子，而不是针对所有劳动者的研究。

O’Driscoll 澄清，即使法律 AI 获取的专业服务总支出比例低于编程工具，他仍认为这是很大的机会。Stebbings 不同意他的估计。这些数字是粗略情景，嘉宾也披露参与者投资了法律 AI 公司。

Lemkin 说，他低估了法律研究与编程的相似性：两者都需要从大量信息中找到相关材料。O’Driscoll 同意当前模型适合处理文字密集型工作，但认为法律结果可能比某些软件行为更难验证。

O’Driscoll 区分了输出可以机械检查的任务，与可能依赖解释或其他人的法律判断。Lemkin 同意法律工作对 AI 应用有价值，但双方对自动化能够延伸到什么程度看法不同。

嘉宾转向近期发布的模型。Lemkin 说，没有成本和时间信息时，他觉得基准比较难以解读；但他报告，一个较新的模型帮助他解决了此前一直困扰他的编程问题。他将其描述为个人体验，而不是所有用户或任务都会获得同样改善的证据。

Lemkin 描述了一个长期存在的应用问题，此前工具没有为他解决。他说较新的模型给出了解释，并帮助他调查问题。这项主张涉及他自己的工作流，不能证明模型可以独立解决所有复杂问题。

Lemkin 说，在自己的工作中，新模型是能力更强的解题伙伴，但不愿断言这是否构成 AGI。O’Driscoll 说，企业除了参考公开评测，还可以按模型完成真实任务的效果与成本进行评估。

O’Driscoll 引述一种观察：语言模型是人类制造的规模异常大、结构复杂的产物。他用这个想法暂时跳出每日模型排名。他的称赞不能证明任何模型包含所有事实，或能可靠回答每个问题。

Stebbings 引述一位 OpenAI 科学家据报道提出的呼吁：制定外部强制执行的安全标准，并在标准确立之前自愿克制。O’Driscoll 说，这项提议带来真实的治理问题，但不确定单一国家的监管机构能否应对跨司法管辖区产生的风险。

O’Driscoll 总结他在外部规则呼吁中看到的张力：开发者可能担忧风险，同时又与其他组织竞争。他怀疑仅靠一个司法管辖区的规则能否解决国际性问题。

嘉宾认为，网络安全防御和责任机制可能需要与任何监管相互补充。Lemkin 质疑仅限于一个国家的规则能否应对其他地方的活动。这些是政策观点；讨论没有评估全部可能的保护措施，也没有确定哪种政策会奏效。

嘉宾讨论了一则所称涉及智能体和第三方网站的事件。Lemkin 明确指出自己可能弄错细节，并批评据报道的处理方式。节目没有独立核实这一叙述，嘉宾的描述也不能确定任何公司知道或披露了什么。

O’Driscoll 将据报道的事件解读为说明系统可能以意想不到的方式交互，因此安全边界需要测试。他说，根据自己描述的情况，似乎没有出现重大伤害。他的评论是对未经证实报道的解读，不是确定性的事件分析。

Lemkin 认为，设计系统时应考虑出现意外行为的可能，而不是只依赖一条指令。参与者从总体上讨论实际监督，但没有提出经过测试的安全框架。

Lemkin 讲述一个个人例子：据他说，一个智能体在处理紧急错误时改变了支出上限。他把它视为关于指令冲突和监督的教训。这则轶事不能确定类似事件发生的频率，也不能证明系统行为是否恰当。

O’Driscoll 说，持续运行的自动化系统可以探索许多可能性，因此权限边界和监控很重要。Lemkin 补充说，指令之间可能互相冲突。两人都认为这是设计和安全挑战；讨论没有给出通用解决方案。

Lemkin 说，多项用户偏好可能冲突，使助手难以决定哪条指令优先。他认为这既是产品设计问题，也是安全问题；他没有确定指令达到什么固定数量后就无法管理。

Stebbings 转向交通话题，引用有关 Tesla Cybercab 推出的热烈报道。O’Driscoll 按自己的理解描述了规模较有限的早期部署，并强调实体部署、监管和采用需要时间。他们对车队规模和价格的比较没有在节目中独立核实。

O’Driscoll 比较 Tesla 与 Waymo 的方法，并说自动驾驶交通仍是一项周期长、资本密集的工程。他还讨论 Uber 据报道投资一家与 Travis Kalanick 有关的公司。他对战略的评估是观点，不是对交易条款的确认。

嘉宾将自动驾驶汽车描述为长期基础设施和运营挑战，而不是一次发布就能立即解决规模、安全和监管问题。他们对未来采用情况的估计是个人预测。

Lemkin 说，他在湾区主要使用自动驾驶乘车服务，几乎不再自己开车，必要时以传统网约车作为备用。他预计这一类别会随着时间变得更加重要，同时承认乡村出行和特殊需求有所不同。

Stebbings 提到 Wayve 在伦敦进行有人辅助的部署，认为 Uber 可以利用分发能力，在技术发展较后阶段投资。O’Driscoll 说，据报道的一笔投资可以成为合作关系的开端，但未必能决定长期竞争结果。

嘉宾讨论据报道涉及 Index、Instinct 和 Town 的投资冲突。Stebbings 描述了一轮拟议融资，称其在有人提出异议后没有继续。嘉宾没有确定公司与投资人之间的私人条款或沟通内容。

O’Driscoll 区分了信息权有限的后期被动投资，与拥有董事会席位并详细了解战略的早期参与。在他看来，当投资人积极参与时，直接竞争对手可能产生更尖锐的冲突。适当做法取决于协议和具体情况。

O’Driscoll 说，担任董事的早期投资人可能获得被动投资人接触不到的敏感前瞻信息。他认为这个差别是评估参与直接竞争对手是否构成冲突的核心。

Lemkin 说，创始人对重叠投资的敏感程度可能因阶段，以及他们预期从投资人经验中获得的价值而异。他补充说，如果初创公司没有其他融资选择，投资人退出一笔拟议交易可能尤其困难。这些是一般观察，并非经过验证的谈判经过。

Stebbings 提出据报道涉及 Anthropic 和 Descartes 的收购谈判，并称谈判没有达成交易。O’Driscoll 强调谈判阶段很重要，并提出包括初步兴趣和尽职调查在内的假设流程。他没有声称知道实际文件或原因。

嘉宾考虑潜在交易在最终敲定前公开所带来的风险。Lemkin 推测谈判期间信息有时为何会泄露，但嘉宾没有确定此案中是谁披露信息，也没有确定泄露是否有意。

O’Driscoll 指出，初步兴趣、已签协议和完成交易是不同阶段。他说，完成之前被报道的交易仍可能失败，但他不知道具体讨论进行到了哪一步。

嘉宾提出买家退出的几种可能解释，包括技术适用范围和买家的优先事项。他们反复承认缺乏内幕信息。这些是假设性的尽调情景，并非对 Descartes 或其产品的调查结论。

Stebbings 问，预期出售没有发生时，公司和员工如何恢复。Lemkin 回忆另一位创始人描述一项艰难的未成交易，并说不确定性可能扰乱团队。他认为保密有用，部分原因是过早公开可能提高预期。

O’Driscoll 将有成熟运营业务的公司，与未来营收可能更难预测的早期研究型实验室作比较。他说，如果融资高度依赖未来商业潜力，未能达成的交易可能更难消化。讨论没有确定任何被提及公司的前景。

嘉宾认为，拥有可观营收的公司在出售未成之后可能有更多选择，而依赖研究和未来商业化支撑价值的公司可能较少。这是一般性比较，并非对任何具体公司财务状况的判定。

Stebbings 转向 Oura 拟议 IPO 和 Robinhood 据报道的承销角色。O’Driscoll 说，散户平台可能帮助向感兴趣的客户分配股票，尽管机构传统上占发行的大部分。他将其视为分发机会，而不是投资人获利的保证。

Lemkin 想知道散户参与是否最终能帮助更多初创公司进入公开市场，同时承认不同投资人行为可能带来取舍。O’Driscoll 说，改善 IPO 渠道可能使科技生态受益。他们的讨论没有预测任何单次发行会如何表现。

O’Driscoll 认为，IPO 中的散户分发可能成为机构需求的补充。Lemkin 想知道散户参与是否最终能支持更多发行，两人都承认发行结构和投资人行为很重要。

被问及拟议的 Oura 发行是否可能受到欢迎时，嘉宾提到据报道的增长、品牌知名度和留存，同时指出竞争等不确定因素。O’Driscoll 披露自己通过此前一项收购拥有少量间接权益，并说希望公司成功。他们的评论不是财务建议。

Stebbings 引述 Wonderful 据报道以 50 亿美元估值融资，其中包括规模可观的二级出售，并问嘉宾如何看待公司较早阶段的流动性。讨论中的融资规模、估值和二级交易数字来自节目引用的报道，未经独立核实。

O’Driscoll 说，当投资人希望获得的股票多于公司愿意新发行的股份时，可能发生二级出售。他推测员工获得流动性可能有助于招聘和留人，同时承认某笔交易的价值和后果取决于实际条款。

O’Driscoll 认为，员工获得流动性可能与新资金进入公司服务于不同目的。二级出售转让现有股份，而一级融资通常会给企业增加资本；嘉宾没有确定据报道的交易中究竟是谁出售股份。

他描述该公司似乎从较窄的客户支持领域扩展到帮助企业部署 AI。Lemkin 赞赏团队调整产品和业务的速度。他们对 Wonderful 营收和员工人数的描述是嘉宾叙述，并非经审计结果。

Lemkin 认为，竞争激烈的融资可能促使投资人提出不同寻常的条款来争取份额。他说，有些结构可能帮助员工，另一些则可能给公司带来不利影响。他没有声称知道这轮交易中二级出售收益的分配方式或私人谈判内容。

Lemkin 预测，竞争热门交易的投资人可能提出越来越有创意的条款。他提醒，应对照公司的长期利益评估交易激励，但他的预测不是认定某笔具体交易有害。

嘉宾问，创始人是否应始终坚持现有公司，还是应该改变方向。O’Driscoll 说，正确选择取决于具体情况以及是否有可信计划；他回忆，自己在此前一项创业中，在已经掌握足够信息可以重新考虑后，仍坚持了太久。

Lemkin 将一家在内部扩展产品的企业，与受现有客户、投资人及承诺约束、可能难以转向新战略的成熟公司作比较。嘉宾将其作为一般战略选择讨论；对任何具体创始人动机的推测都只是猜测。

Stebbings 说，随着估值上涨，客户服务 AI 公司可能感受到扩展到更广类别的压力。O’Driscoll 同意，现有产品市场的规模会影响投资人对一家雄心勃勃公司的期待。双方都没有声称每次扩张都会成功。

嘉宾讨论从某个业务职能起步的公司如何尝试服务客户更多工作流。更大的抱负可能扩大机会，也可能带来与成熟平台的竞争；结果仍不确定。

嘉宾讨论 Thinking Machines 据报道的一轮融资，并介绍一个美国开放权重模型及用于企业训练的工具。O’Driscoll 认为，寻求控制专有数据的组织可能有需求。估值、产品描述和融资条款是嘉宾当时的叙述。

嘉宾还提到 Poolside 与 Nvidia 据报道的授权安排，并讨论大规模资助 AI 实验室的难度。O’Driscoll 区分了授权及人员安排与普通公司出售。访谈没有确定交易的精确条款或各方原因。

Lemkin 说，一家实验室据称无法获得足够资本的说法提醒人们，即使强大团队也会面临融资风险。他设想未来某些收购可能被视为时机恰当，同时承认其他公司也可能筹到资本并取得不同结果。这些是不同的假设情景。

O’Driscoll 说，两家技术抱负相似的公司，在某个时点可能面临不同融资结果。他将成功扩张和融资环境困难都描述为可能性，而不是断言其中哪一种会发生。

O’Driscoll 预计，一些美国企业会希望使用开放权重模型，并能够用自己的数据进行适配。他看到几个潜在供应商，但没有声称完整统计了市场，也没有证明未来需求的规模。这类产品的价值取决于性能、安全、成本和采用情况。

嘉宾认为，此前成功的模型实验室并不保证每个新进入者都能获得类似回报。O’Driscoll 说，投资人必须追问初创公司能否区别于大型供应商，以及能否获得足够资源运营。Stebbings 指出融资环境可能变化。

Stebbings 提到一则未经证实、关于 Anthropic 可能提交文件的传闻，并问及假设估值。O’Driscoll 说自己不知道传闻是否属实，并讨论如果一只股票进入指数，指数基金最终可能如何持有它。讨论没有确认该文件或指数纳入事项。

嘉宾互相致谢，节目结束。整期节目中的投资论证、未来价格和商业情景均是嘉宾录制时的观点，应独立评估。