Perplexity 首席执行官 Aravind Srinivas：AI 智能体、算力与竞争

Aravind Srinivas 说，相较于害怕失败，获胜的可能性更能激励他。他回忆自己在印度一个中下层家庭长大，最初认为在 Google 找到工程师工作就是巨大成功。他建设 Perplexity 的方式受到这段个人经历影响。

Srinivas 说，Perplexity 早期他更公开地谈论与 Google 的竞争，但如今认为产品范围已超越搜索。他将答案引擎描述为后续研究和智能体产品的入口。这是他对公司战略的叙述。

他声称 Perplexity 影响了 Google 的搜索界面，并提出自己对两种产品的比较。这是首席执行官的竞争观点；访谈没有确立 Google 设计决策的原因，也没有独立比较产品质量。

Srinivas 说，更复杂的研究和智能体工作对 Perplexity 的付费产品很重要。他认为公司不能假设早期优势会持续。他对竞争者地位和未来前景的断言是观点，而非已确立的结果。

Stebbings 和 Srinivas 讨论 OpenAI 可能是否已准备好 IPO，并区分财务准备与外界感受到的产品领先地位。他们的判断属于推测；对话没有确立任何发行、日期或财务评估。

Srinivas 认为，订阅价值可能转向能够执行工作的系统，而传统答案可以成为吸引用户的方式。Stebbings 询问聊天广告是否可能成为大型业务。双方讨论的是不确定的未来市场。

Srinivas 怀疑对话界面能否获取搜索或视觉发现的全部广告价值。他以旅行和购物为例，指出人们可能希望探索不同选择。他提及的广告主支出数字是估计，没有独立核实。

他还认为，如果用户无法区分推荐与付费展示，广告可能引发信任问题。这是他的产品观点，并非证明某个特定服务的答案不准确，也不能证明聊天广告无法成功。

Srinivas 澄清，他所说的“前沿”指系统目前能产生的最有价值结果，并不一定只指最大的模型。他将智能体配套系统描述为模型周围的规则、工具、连接器和上下文，帮助把输出转化为有用工作。

在他看来，仅仅转售模型输出很难形成差异。Perplexity 提议的优势是同时编排多个模型、工具和文件。这是一项公司战略和竞争主张，并非对其他供应商的独立评估。

他提出“每位用户每瓦特的价值”作为衡量有用输出与能源和成本关系的一种思路。这是他的表述，并非访谈中确立的标准化指标，本身不能证明某个产品比另一个更高效。

Srinivas 说，一小群重度用户可能占据大量智能体用量，并举出高额支出的例子。这些个案没有独立核实，也不能证明此类支出是典型情况或产生正回报。

他区分一次性任务与持续监控事件、整理信息或调查问题的周期性智能体工作流程。他预计持续工作会变得更加重要，但可靠性、权限和成本仍是实际问题。

Srinivas 预测，智能体产品最终可能产生与大型广告业务相当或更高的收入。这是长期商业预测，并非已报告的结果。Stebbings 询问 AI 支出可能如何与开发人员薪酬及公司估值相关。

这位首席执行官说，非开发人员工作也可能成为智能体的大市场，并提到财务、销售和研究。他没有给出未来 token 支出占薪酬比例的可靠估计；他的市场规模比较属于推测。

他预计随着模型进步，某种能力的价格会下降，即使客户会为新的前沿任务付费。假设中较便宜的开放模型可以完成一些当前工作，而更先进系统可能带来不同工作。未来性能和支出都没有保证。

Srinivas 设想更小的软件团队使用许多智能体，并指出科学和工程方面的可能应用。这些是对未来能力的愿景，并非证明现有系统能够自主发现或解决医疗问题。

被问到前沿问题最终是否会耗尽时，他认为人类好奇心和新问题能够持续创造机会。他对丰富的智能、能源和未来经济的评论是哲学推测，而非已确立的经济结果。

对于持续运行的智能体，Srinivas 描述能力、准确性、隐私和成本之间的取舍。他提议在合适情况下使用本地模型，在更困难的工作中使用服务器模型，并由系统选择工具和保留相关上下文。

他说持续运行服务器端模型可能很昂贵，设想本地计算可以降低部分成本。实际成本取决于硬件、能源、使用方式和实现；本地处理并非免费，也不会自动保证隐私。

拟议系统将结合模型、配套系统、设备和工具。Srinivas 认为用户可能希望更好地控制敏感上下文，但本地部署仍需安全和治理。访谈没有证明设想中的系统能够消除监视或数据泄露。

他用交响乐团作类比：模型和工具是乐器，子智能体演奏各个部分，编排系统协调工作。Perplexity 将自己的产品定位于这一角色。他认为编排者将获取最多价值，这是与公司利益密切相关的预测。

Srinivas 说 Perplexity 的收入自年初以来增长了三倍以上，模型竞争也帮助降低了资金消耗。这些是公司自述；访谈没有提供经审计财务数据、完整基线或每项因果归因的证据。

讨论转向基础设施。Srinivas 认为电力、土地、冷却、设备和许可都可能限制数据中心建设。他预计新硬件将提高模型能力，但未来性能和部署时间仍不确定。

Stebbings 询问 Meta 资本支出的经济性。Srinivas 推测可能的订阅和云服务，随后提出 Micron 的市值可能超过 Meta。这是基于他对内存瓶颈看法的证券预测，并非核实价格或投资建议。

他认为，当内存、处理器和存储成为 AI 工作负载的约束时，它们可能获得更高价值。他对个别供应商和需求的描述是市场观点；瓶颈并不保证某只股票的回报或估值。

被问到新型云供应商能否成为持久的大型企业时，Srinivas 说如果一些公司获得电力、产能和可靠服务，就可能做到。他没有确定赢家，并说运营执行很重要。公司例子和估值只是示意。

他认为，单纯租赁硬件的差异化可能低于将产能与软件服务结合。与云供应商的比较是他的商业论点，并非对任何供应商利润率或前景的独立测量。

Srinivas 说，在收入、利润率和获得高能力开放模型等假设成立时，出现规模很大的推理业务是可能的。他也指出模型集中是一项风险。这些是条件性情景，并不能证明任何公司会达到假设估值。

谈到路由供应商时，他区分在不同模型间选择与为同一模型获得可靠端点访问。他认为可靠性和产能可能有价值。他对另一家公司合同和利润率的描述是外部估计，并非经核实的财务披露。

Srinivas 预计电力仍将是主要瓶颈，并讨论公众对数据中心的反对。他否定了一些用水和电力担忧，但访谈没有证据支持一概否定：用电需求和用水量取决于设施设计、地点、电网和测量方式。

Stebbings 认为就业和财富不平等也可能影响反对意见。Srinivas 同意担忧可能有多种形式，包括环境影响和电价。主持人引用的项目比例在访谈中没有来源，不应视为已确立的比率。

Srinivas 设想数据中心转向资源可用、许可可能更有利的地点。他说基础设施需要资本、供应链和实际执行。任何具体项目的地点、环境影响和可行性都取决于其自身情况。

他承认，如果未来模型效率大幅提高，可能存在产能过度建设的风险。他的概率估计是个人猜测，并非测得的可能性。单项任务算力需求降低可能改变基础设施经济性，但总体影响还取决于需求。

Srinivas 讨论美国出口管制，并认为它既可能在短期限制获取，也可能长期鼓励替代方法。他对具体中国系统、供应链和能力差距成因的主张没有在访谈中独立确立。

他认为中国在实体基础设施和制造方面有优势，并建议美国投资自身能力。他对电力、许可和各国相对能力的宽泛说法属于观点；实际约束和政策影响因项目和地区而异。

这位首席执行官主张以证据为基础开展公共讨论，而非制造恐惧。他过于宽泛地否定了一些环境担忧；当地水资源、排放和电力影响需要独立评估。他建议使用 Perplexity 核查事实，这是产品主张，并非准确性保证。

Srinivas 质疑只强调岗位流失而不描述新机会的表述。他认为 AI 可能让小团队更容易创建公司，同时承认关于工作和替代的争论。他的预测不能确立收益会被均匀分配。

他描述 Perplexity 获得过的云计算额度，以及为新公司提出的额度计划。数字和计划细节来自他的叙述，获得额度本身并不能保证业务可行或投资成功。

被问及员工人数时，他说 Perplexity 约有 400 人，并推测未来会增长。他设想更多公司用小团队创造有价值的产品。人员数字、估值和比较均为他的说法及情景，并非经核实的经济结果。

Srinivas 鼓励不熟悉 AI 的人从自己感兴趣的问题开始。他也澄清过去关于不喜欢工作的人所说的话，称自己想描述某些人追求想法的机会。他的叙述并不能证明创业对所有人都可及或适合所有人。

Stebbings 询问采用率和生产率是否会平稳上升。Srinivas 预计会有挫折，并说控制智能体成本很重要。他支持能够选择模型并管理预算的编排者，而这一角色符合 Perplexity 的产品战略。

被问到 Google 是否可能成为成本最低的 token 生产者时，他提到其基础设施优势，但对其编程模型的地位提出看法。这些竞争排名和未来成本结果是他的观点，并非独立基准。

嘉宾讨论一则有关网络流量变化的报道，以及智能体是否会取代网站或广告。Srinivas 预测，服饰等主观选择可能仍需要浏览和广告，而更客观的交易可能实现自动化。这是他的预测，并非已经确定的市场划分。

Srinivas 鼓励领导者设想，如果能委托更多工作会做什么。Stebbings 描述了一个设想中的投资研究和外联络系统。他们的例子取决于假设的能力、预算和监督，而非当前有保证的表现。

被问及 Perplexity 的目标时，Srinivas 说希望让人们更加好奇，并认为财务里程碑可以激励人，但不是全部使命。他讨论万亿美元估值属于愿景，并不能确立实现的可能性。

谈到不平等，Srinivas 认为让更多人获得有用工具并看到创业例子可以传播收益。他回忆一位司机告诉他自己构建应用的故事。这一个案不能证明典型收入、消除障碍或确立不平等会下降。

嘉宾对处境困难的人能够发挥多少个人自主性意见不同。Srinivas 说并非每个人都会变得富有，但他希望更多人能尝试构建事物。他们的讨论基于价值观，并非机会平等的证据。

Stebbings 提出大型私有公司未来可能 IPO。Srinivas 推测投资者可能从现有持仓重新配置资本。对话没有确立任何发行、时间、投资者决定或估值；假设性的配置也不是投资建议。

Srinivas 说 Perplexity 正在增长并希望上市，但没有披露完整的当前财务结果。他认为增长和实现效率的路径都很重要。他对收入和任何 IPO 时间的说法来自公司，仍不确定。

他说 Perplexity 正在开放基础上训练自己的模型，以减少现有用途对昂贵 token 的依赖，同时预计将前沿模型用于新能力。成本节省和完全迁移是目标，并非独立核实的结果。

Srinivas 说模型快速进步使所有供应商都面临竞争压力。他描述外界对 Perplexity 的负面评价与公司后来增长的对比，增长依据是他自己的数字。访谈没有独立核实增长，也没有确立他所批评人员的观点。

在快问快答中，他说公司可以更深入地采用自己的工具和竞争者的工具。他设想半自主系统在人工配套支持下协助业务职能。这是未来运营愿景，并非声称这种系统已经存在或可以安全运营公司。

Srinivas 说，如果拥有无限资本，他会投资实体数据中心基础设施，同时继续关注有用输出。这是假设性的资本配置和对执行重要性的论点，并非项目公告。

被要求从三家公司中选择一项十年投资时，他选择 SpaceX，因为他看重其基础设施和通信业务。这一选择、假定的 IPO 和未来可能应用均属于推测；不能据此认定交易会发生或构成投资推荐。

他建议刚毕业的学生保持好奇，不要把别人的财富当作衡量机会的唯一标准。他还认为新 AI 实验室需要真正的差异，而不是简单复制现有方法。这些都是他的个人观点。

Srinivas 设想 Perplexity 通过提高准确性和编排能力成长，但说过程与影响比特定估值更能激励他。所提及的极高估值里程碑属于愿景，并非有披露财务预测支持的估计。

他回顾自己在科技界认识的人，赞赏专注于限制性问题、持续对工作提出高要求的能力。他对个别领导者和其动机的描述是个人印象，并非独立确立的事实。

Srinivas 说自己欣赏长期抱负和持续投入工作。最后他和 Stebbings 承认建设公司的困难。他对退休和家庭的看法是个人偏好，而非普遍建议。