Forward Future Live：AI 推理、个性化音频与用 Lovable 构建软件

Matthew Berman 和联合主持人 Nick Wentz 在 2025 年 10 月 31 日的直播中采访嘉宾，讨论推理、语音界面和软件创建。他们邀请了 Fireworks AI 的 Lin Qiao、Huxe 的 Raiza Martin 和 Lovable 的 Anton Osika。节目中的新闻和财报讨论反映的是当时已知或正在争论的情况。

Qiao 将 Fireworks AI 描述为一个推理云，为应用量身调整服务基础设施和模型。她的愿景是让模型适应不断变化的使用情况，而非把通用模型当作固定不变的设备。这是公司的产品方向，并非声称所有已部署模型都已能够自动学习。

有人问未来是一个大型通用模型占主导，还是众多专用模型占主导，Qiao 指向应用内部的信息：用户偏好、交互和工作流程。她估计全球相当一部分数据存在于应用内部，但她所说的比例只是说明性的估计，访谈没有对其进行测量。

Qiao 说，企业长期以来一直使用产品分析，但利用应用数据改进生成式 AI 仍然困难。Fireworks 希望提供工具，帮助开发者调整模型，而不必自行组建庞大的专业团队或管理全部基础设施。

Qiao 表示，Fireworks 以 40 亿美元估值融资 2.5 亿美元。她感谢团队和客户，其中包括正在打造新体验的 AI 原生创业公司。主持人问团队如何庆祝融资，她开玩笑说，团队计划升级咖啡机。

Berman 问持续适配在实践中如何运作。Qiao 从产品运行记录和反馈讲起：团队必须先判断输出是否有用，才能用这一信号指导进一步训练。她与人类学习的比较是对奖励和反馈的类比，并非模型像人一样学习的证据。

Qiao 区分了已发布的通用基础模型和随后针对某个领域的专门化训练。她说，模型可以探索可能的回答并获得正面或负面反馈，让开发者无需重复原始预训练，就能针对特定任务进行训练。

Qiao 说，可以用一个简单程序评估结果并提供奖励。在某些任务中，检查答案是否合适比直接生成最佳答案更容易。更复杂的评估可以纳入工具、数据库、业务逻辑和类似生产环境的条件。

Qiao 描述了对不同模型版本及其与周边系统交互的测试。训练质量可能先上升后下降，因此团队需要监控结果、选择合适的检查点，再尝试投入生产。这个过程需要评估和选择，并不能保证持续不断地改进。

Wentz 问 Fireworks 是向客户开放这些工具，还是代替客户操作。Qiao 说，有经验的开发者希望拥有底层控制权，更广泛的用户则需要更简单的界面。她提出在可组合 API 之上构建易用的抽象层，并根据客户反馈改进产品。

Qiao 宣布，公司计划在下周对强化微调产品进行限量预览。她希望了解客户如何使用产品、哪些功能有效，并欢迎反馈。这个时间安排是她在 2025 年直播中作出的表述。

主持人询问 Fireworks 与 AMD 的合作。Qiao 说，公司的硬件策略源于团队在 Meta 和 PyTorch 的工作：开发者应能使用最适合其应用的工具和硬件，而不必自行完成所有集成。

她表示，硬件和模型快速发布带来了运营挑战。Fireworks 已接入 Nvidia H200 和 B200 系统，并在处理更新的硬件；她还提到了 AMD 和专用芯片。提供更多选择意味着需要跟上不同架构和迅速变化的工作负载。

Berman 问 Fireworks 会专注开放模型，还是也会提供专有前沿模型服务。Qiao 说，她希望不论来源如何都能提供最好的模型，同时承认自己的 PyTorch 背景使她更偏爱开源。

Qiao 认为，模型领先地位变化很快，不同供应商在排行榜上轮流升降，是能力趋于接近的迹象。她认为部分原因在于公开数据和标注资源重叠、研究人员流动，以及架构相似。这是她对市场的解读，并非所有模型等同的证据。

在 Qiao 看来，关键差异转向了应用提供商拥有、基础模型开发者可能没有的数据。她认为可以利用这些数据调整模型，同时优化质量、速度和成本，而不必认定改善其中一项总要牺牲另外两项。

被问到 Fireworks 如何在拥挤的基础设施市场中形成差异时，Qiao 提到了产品与模型的协同设计。她说，成功的应用公司不会只给 API 套一层界面，而是研究通用模型与自身产品之间的差距，并随着产品变化调整模型。

Qiao 说，这个过程目前复杂、缓慢且消耗大量资源。Fireworks 希望让更多开发者更容易控制应用专属模型，并根据使用反馈进行改进。主持人感谢了她，也指出另一种观点更看好单一通用模型。

主持人转向 Anthropic 于 2025 年 10 月发布的语言模型内省迹象研究。他们说研究发现的能力有限，并讨论模型是否能报告自身内部状态的某些方面。Berman 明确表示，这对意识意味着什么仍是一个开放问题。

Berman 思考，出现多少类似人类的行为才会改变人们对 AI 的判断。Wentz 提醒说，人们倾向于把系统拟人化，以人为中心的视角也可能扭曲对动物智能的评估。这些讨论属于哲学思辨，并不能证明模型有生命。

Wentz 将实验概括为：对模型激活进行受控改变，然后测试模型是否察觉。他在讨论中提到大约 20% 的成功率，而 Berman 说自己只是粗略浏览了研究。这个结果针对特定实验设置，并非对意识的通用衡量。

主持人讨论 3I/ATLAS，这是已知第三个被观测到穿过太阳系的星际天体。他们驳斥了它是外星飞船或威胁地球的猜测。NASA 将其描述为星际彗星，并表示它不会危及地球；其确切年龄仍不确定。

Berman 提到 Nvidia 首席执行官 Jensen Huang 认为 AI 没有泡沫，并将当前 GPU 需求与互联网泡沫时期铺设后闲置的光纤作比较。Wentz 指出 Huang 在这一行业有经济利益，并认为如今大型科技公司的既有业务比许多当年的互联网公司更稳健。

主持人仍担心少数大型科技公司的集中度。他们对 GPU 利用率的观察以及与过去泡沫的比较属于个人解读，既不是全面的估值分析，也不能保证 AI 投资会获得回报。

Berman 和 Wentz 介绍了 Huxe 联合创始人兼首席执行官 Raiza Martin，她此前是 NotebookLM 的产品负责人。Martin 说，Huxe 是一款移动应用，利用用户兴趣、日历和邮件等信息提供个性化的主动式音频。

Martin 将这一想法与轮流对话的聊天机器人作比较：服务可以不等用户提问，主动准备可能对其有用的内容。她把这种体验比作早上打开收音机，只不过电台内容是为听众量身定制的。

Berman 说，语音可以让开车或步行等不方便使用设备的时间变得有用。Martin 补充了另一个动机：人们希望保持信息灵通和生产力，同时不必整天盯着屏幕。她也希望音频能为更有深度的长篇内容创造空间。

谈到竞争，Martin 列出了产品策略的三个要素：音频这一交互形式、个性化和主动性。她认为人们通常会给每个应用分配一项特定工作，因此 Huxe 应专注做好一件有价值的事，而非对大竞争者的每一个动作作出反应。

主持人讨论了熟悉的应用在日常生活中扮演的不同角色，从了解家人的近况到浏览交易平台。Martin 用这些习惯说明，产品可以通过融入某个特定日常场景获得持续使用，而不必取代所有其他服务。

谈到 NotebookLM，Martin 说她在 2022 年加入 Google Labs，当时 ChatGPT 尚未发布。Josh Woodward 请她帮助创建新的应用 AI 业务。她那时重返大学，希望能够与教科书和其他长篇阅读材料互动。

Martin 回忆说，起初同事并不觉得与文档对话这个想法显而易见。团队只能在没有现成模板的情况下开发产品。她说 ChatGPT 帮助人们理解了这一类别，而 NotebookLM 的音频概览在 2024 年带来了大幅增长。

主持人询问未来语音界面会使用什么硬件。Martin 指出，耳机是已经存在且为社会所熟悉的设备，人们戴着它听音乐和打电话。她想了解音频流个性化之后会发生什么，但对行为和数据的影响仍是开放问题。

Berman 想象耳机加入更多传感器，Martin 则将耳机的社会接受度与某些人面对带摄像头眼镜时的不适感作比较。这些是对可能出现的界面的设想，并非 Huxe 已宣布的功能。

Martin 说，她经常采访 Huxe 的重度用户，并听到一个反复出现的习惯：他们早上刷牙时播放简报。有些人午餐或一天结束时还会回来使用。这些是她采访对象的个别经历，并非具有代表性的使用研究。

被问到工作和个人信息的混合时，Martin 说有些用户会连接两类账户。Huxe 正在尝试先提供侧重效率的每日简报，再展示个人兴趣信息流。她认为设计挑战在于判断每个时刻哪些信息有用。

展望采访后六到十二个月，Martin 希望探索被动接收、生成式和个性化内容，让它们自然引出后续提问。她将这些描述为需要研究的产品问题，而非固定路线图或已经证实的结果。

Martin 说，她看到不同用户有不同的使用模式：有人想定制新闻流，有人则围绕某个问题深入学习，更喜欢听内容而不是阅读。这些例子提示了可能的用户群体，但不能证明整个人口的年龄群体都遵循这些行为。

Martin 离开后，Berman 说自己试用过 Huxe，喜欢它主动提供内容的方向。主持人将这个想法与 ChatGPT Pulse 比较。被问到幻觉时，Berman 反思自己的经历可能让他放松了警惕；两人都强调需要核查来源和引用。

主持人讨论 OpenAI 在 2025 年的重组，以及可能以 1 万亿美元估值上市的报道。他们明确指出这一上市消息来自路透社报道，尚未得到证实。他们对未来投资回报的评论属于个人猜测，并非已经确定的财务结果。

画面中的图表估算了重组后的股权，包括 Microsoft、非营利机构和员工持股实体。主持人对报道的比例作出反应，并猜测其中的动机。图表反映的是当时报道的近似数字，不应视为当前股权结构。

Lovable 联合创始人兼首席执行官 Anton Osika 介绍说，用户可以通过向 AI 描述想法，将其变成可运行的应用。有些请求需要进一步迭代和澄清；用户可以不直接查看代码进行构建，这种做法通常称为 vibe coding。

Osika 将 Lovable 的起源追溯到 GPT Engineer。这是他在 GPT-4 通过 API 提供更强智能之后构建的开源工具。一个为贪吃蛇游戏生成文件的演示吸引了关注，让他意识到更多人希望有人帮助他们将想法变成软件。

他说，他与联合创始人 Fabian Hedin 先通过一个预发布应用发展这个想法，之后推出 Lovable。Osika 讲述公司年经常性收入迅速增长到 1 亿美元；他对增长速度的比较属于公司方面的说法，访谈没有独立证实。

Osika 将产品发布归功于三方面工作：改进智能体链以避免常见错误，支持身份验证和数据存储等后端功能，以及让界面更易用。他说，随着使用量增长，团队持续专注于改进产品。

他回忆遇到过使用产品建立企业的创业者，其中一位客户赚了 300 万美元。被问及背景时，Osika 澄清这是 48 小时内的总收入，而非年经常性收入；这位创始人此前已经在巴西经营教育公司，并拥有受众和分销渠道。

主持人问及 Lovable 正在衰落的说法。Osika 质疑一张搜索流量图，并表示付费客户数据显示增长。这是创始人自己的说法；单凭任何一张图都无法独立确定公司的整体财务状况。

Osika 说，自由职业开发者、设计师和产品经理使用 Lovable 完成从原型到内部工具等各种任务。他举出大型企业的使用情况作为例子。用户和应用差异很大，因此不能自动认为原型就是可以投入生产的系统。

对创业者来说，构建软件只是工作的一部分。Osika 强调通过营销或销售推广产品、与客户交谈、找出使用障碍并改进产品。他还说，即使没有将作品变成生意，创造本身也可以带来满足感。

Wentz 描述了一种先构建的文化：可运行的原型比静态规格说明更能传达想法。Osika 引用“做演示，不写备忘录”的说法：对于新的 AI 交互，亲自使用演示可以发现文档难以传达的特点。

Berman 问在欧洲创办 AI 公司是什么体验。Osika 提到了欧洲的 AI 企业，认为优秀技术人才和着眼长远的团队文化可以成为优势。他说自己没有感受到监管阻力；这是他的个人经历，并非对所有欧洲创业公司的普遍结论。

被问到 Lovable 是否采用 996 工作制时，Osika 表示没有。比起单纯追求出勤时间，他更看重真正关心客户和产品的人；他还说，有时不得不劝过于投入的员工回家。

对于用 AI 构建软件的人，Osika 建议保持决心和好奇心。遇到困惑时，他建议多提问、从错误中学习，必要时重新构建。他对 AI 辅助开发者生产力的乐观判断属于个人观点，并非对每个项目的保证。

对于创业，他建议对不同想法保持开放，同时坚定寻找产品与市场的契合点。要明确谁可能付费，以最简单但可信的方式验证假设，并与潜在客户讨论他们购买前需要什么。

Berman 指出，这些建议大多适用于任何创业公司：创始人需要坚持、客户和销售方式。Osika 赞同，AI 让某些事情更容易，同时也加剧了竞争，因为其他创业者也能使用同样的工具。

被问到 Replit 和 Bolt 等竞争对手时，Osika 强调文化、人才和持续改进产品。他认为客户信任和品牌价值会随时间积累。他还提到一项 Shopify 集成，将 Lovable 前端与商店后端结合起来。

主持人问及增长循环。Osika 指向社区项目、作品集，以及帮助其他开发者成功的社区大使。分享项目可以吸引新用户，乐于助人的社区成员则可以改善现有用户的体验。

展望未来十二至十八个月，Osika 说他无法预测 AI 进步的速度。他讨论了与其他业务软件的集成，以及构建移动应用和智能体的可能性，将这些作为发展方向，而非确定的发布承诺。

Osika 离开后，主持人重新讨论 AI 泡沫。他们引用一位投资者的比较：互联网泡沫时代有大量光纤闲置，而当下 GPU 需求旺盛。当前利用率是一个有用的数据点，但单凭它无法判断未来投资回报是否足以支撑估值。

他们讨论 Alphabet 2025 年第三季度财报，以及公司首个营收超过 1000 亿美元的季度。画面中的公司数据包括 Gemini 应用 6.5 亿月活跃用户、Google Cloud 营收同比增长 34%，以及 Google One 和 YouTube 合计超过 3 亿个付费订阅。

主持人思考 Google 能否将广告优势和分发能力转化为持久的 AI 业务。Berman 将 Gemini 的月活跃用户数与报道中的 ChatGPT 周活跃用户数作比较，但两者统计周期不同，不应作为直接同口径排名。

Wentz 提出每用户广告收入的问题，以及 AI 产品能否维持搜索业务的经济效益。他们讨论订阅、付费使用的成本和广告更切合需求的可能性。他们对未来变现方式的想法属于猜测。

两人转向 Meta 财报，讨论营收增长、一笔巨额税务费用和市场反应。主持人认为应将这项会计费用与持续经营表现分开理解；他们对后续股价走势的预测并非事实。

最后，他们讨论 Amazon 的财报和裁员。主持人提到 AWS 营收约 330 亿美元、同比增长 20%，并思考云基础设施、Amazon 自研芯片和第三方硬件在其 AI 业务中的作用。

Wentz 提到 AWS 对 Amazon 营业利润的贡献，主持人将云服务的经济特点与实体零售和配送较低的利润率进行比较。他们也认识到，未来竞争可能改变云业务的利润率。

最后一则新闻轻松地讨论了 Nvidia、Samsung 和 Hyundai 领导人的会面。主持人就照片中的饮品开玩笑，感谢三位嘉宾后结束节目。