Cliff Weitzman 谈拥有 GPU、语音 AI 与建设 Speechify

Speechify 联合创始人兼 CEO Cliff Weitzman 与 Harry Stebbings 讨论公司为什么购买 GPU、如何管理 AI 研究，以及他从语音技术竞争对手身上学到了什么。他们还讨论招聘、客户支持，以及他对 AI 应用于生物学的希望。

Stebbings 首先问到 Speechify 对 GPU 的投资，以及提前获得设备的成本。Weitzman 说，公司在 2022 年首次购买一个机架用于训练：工程师此前不愿在租来的机器上运行昂贵实验，因此拥有设备让他们能更可预期地使用算力。

他把这种情况比作运动员需要一个不必按小时付费的训练场。随着公司开发模型，它继续增加投资。他关于 Speechify 模型质量和相对价格的说法属于公司主张，讨论没有独立确立这些比较结果。

随后，Weitzman 以 H100 GPU 为例，演示购买与租赁的计算。他把假设的 3 万美元购买价，与按小时租用一整年可能累积的更高费用相比。这些例子取决于利用率和市场价格；单凭这一比较不能涵盖拥有设备的全部成本。

他说，大型训练任务还需要 GPU 和数据存储部署在同一地点，他预计公司自有硬件能让团队更好地控制这一安排。他还认为，这些机器可用于运行开放权重模型推理。实际经济性取决于网络、设施、维护、电力和工作负载。

Stebbings 反驳说，芯片会折旧，新架构推出很快，购买可能让买家受困于旧硬件。Weitzman 回应，Speechify 仍用较旧的 GPU 进行部分推理和实验。训练实验可能受益于最新硬件，但响应时间已经可以接受的任务未必需要它。

他说，拥有满足基本需求的设备并不意味着放弃云服务。Speechify 也租用专用实例和竞价实例，应对包括学生返校季在内的需求波动。在他看来，多块 GPU 可以同时保持用途，不像旧手机放在抽屉里闲置。

Weitzman 说，多余容量有可能租给其他人，但他承认自己预计不会有太多闲置。他将有实际用途的硬件回报与持有现金或债券相比。这是针对自己公司的投资判断，不是收益保证，也不是完整的风险比较。

他的融资比较假设硬件对业务持续有用。这并不意味着显卡本身产生无风险收益：所有者还面临利用率、技术过时、维修和转售的不确定性。Stebbings 在整场对话中反复强调保留租赁灵活性的价值。

他说，Speechify 通过供应商购买机架，并租用数据中心空间；该设施提供网络、电力和负责安装维护的人员。他认为电力供应是主要限制。公司购买硬件并将其托管在租赁设施中，并不一定意味着自己新建一栋楼。

为预测需求，他将相对可靠的基础负载与高峰区分开。在一个示例分配中，公司可能为正常用量中较保守的部分购买设备，用长期合同覆盖另一部分，其余依赖竞价容量。他也考虑未来招聘如何改变需求。

Weitzman 用假设中的 11 月基准、一个更忙的月份和一个较平静的月份，说明自己如何规划容量。只购买覆盖部分基准需求的设备，可以留下通过租赁实例应对高峰的空间。这些百分比只是规划方法示例，并非披露的实际容量计划。

他认为，旧加速器在不再最适合最苛刻的训练任务后，仍能支持实验或推理。这取决于工作负载和设备使用寿命。他对耐用性的预期不是保修承诺、市场价格预测，也不能替代折旧和维护分析。

Weitzman 描述了一项据报道涉及 Nvidia 与金融机构的融资安排，他认为这可能支持 GPU 二级市场。他认为抵押品及潜在转售价值会影响贷款方的计算。访谈没有独立确认安排条款，也没有保证任何具体芯片存在转售价格底线。

被问到对 AI 循环融资的担忧时，他认为 GPU 是有实际用途的实体资产，并将其与他批评的其他融资安排区分开。他的观点不能证明每块 GPU 都会保持特定价值，也不能消除交易对手、折旧和融资风险。

他说，购买芯片涉及供应商、供应情况、合同条款和交付时间。公司已经为机房空间付费时，设备延迟到货可能代价高昂。他回忆与供应商谈判，并表示愿为更快获得设备支付更高费用；讨论没有确定适用于每块芯片的统一溢价。

他描述了要求供应商按照现有合同交付设备，以及货物延迟后比较其他报价的过程。每次延迟也意味着继续为尚未产生用途的预留数据中心容量付费。他的叙述展示了采购风险，并不概括任何供应商的一般做法。

他把运输保险、摊销、实体安全、网络和冷却加入考虑清单。较新的机架可能需要液冷，现有设施可能需要额外设备和安装。他描述的是一种可能的配置，并不能保证所有数据中心都支持特定机架。

Stebbings 反驳说，租赁更灵活，让团队专注于产品，而不必处理运输、保险和冷却。Weitzman 同意可以租用，但说同址部署的集群可能需要昂贵的长期承诺，运营控制也更少。他们的分歧既涉及优先事项，也涉及表面成本。

Weitzman 认为，当研究人员竞相测试想法时，及时获得算力本身可能成为优势。他预计购买会让 Speechify 更早获得某些硬件。这是他对采购的预期，并非独立验证的交付保证或市场独占。

他认为团队工作需要三个要素：数据、算力和工程决策。他说工程师协调多个智能体、检验假设，并花时间清理或生成训练数据。在他的描述中，可用数据或算力不足都可能限制本来有能力的团队。

两位嘉宾都预计，随着更多公司按自身需求调整模型，对专业数据的需求会增长。Weitzman 说 Speechify 买过小型数据集，外部提供商能够节省时间。他补充说，购买数据的公司需要确认来源和权利，尤其是在训练材料争议持续存在的情况下。

Stebbings 认为，即使公司用自己的专有信息训练模型，也可能购买补充数据。Weitzman 认为，专业提供商可以缩短开发周期，因为实验室不必自行组织每一次采集。两人也指出训练数据的合法来源很重要。

他提醒，数据销售不一定是年度经常性收入：买家可能不会再次购买。提供商还需要快速运营，并提供真正能改善客户模型的数据。Stebbings 认为，如果企业买家加入前沿实验室，未来市场可能更大；但这是一种情景，而非经过测量的预测。

Weitzman 说，消费者客户过去支付的费用低于企业客户，因此公司面临低成本运行文本转语音服务的压力。他称赞 ElevenLabs 更早建立面向企业的产品，并承认自己的公司此前专注消费者。他引用的比较价格和市场地位是个人说法，未经独立基准验证。

他称，没有更早开展面向企业的 API 是 Speechify 最大的战略失误。他曾预计文本转语音 API 会成为同质化产品，却低估了初始产品作为后续创新入口的价值，包括更多声音、语音识别和对话工具。

按照他的说法，ElevenLabs 先建立开发者 API 和创作者工具，后来又为企业用户推出智能体。他说，AI 公司在推出首个产品后必须持续创新，而不能假设单一功能会永远独特。他认为，接触客户和获得反馈是扩展产品的重要基础。

在他看来，企业 API 可以成为与工程师建立关系的起点，随后也可能接触购买更完整智能体产品的高管。他提到按结果定价是另一种可能的商业模式。这些是战略解释，不能证明任何特定 API 客户都会购买后续产品。

Stebbings 质疑 Speechify 转向企业销售的做法，认为与资金雄厚的现有参与者竞争需要建设困难的市场进入能力。他怀疑，当现有对手拥有强大分销和融资能力时，第三家企业能否捕获足够价值。这是他的战略反对意见，而非已经确定的结果。

Weitzman 回应说，Speechify 的消费者基础和工程资源能够同时支持消费者及企业产品。他引用公司的使用数据，并认为市场能够容纳不止一家提供商。这些数据和竞争比较由公司自行报告；访谈没有证明该企业战略一定有效。

他举出一些在先行者之后进入市场、后来取得成功的公司。即便 Speechify 不能赢得每个现有用途，他仍希望客户能使用公司的 API 或智能体，以便逐渐学习并增加功能。Stebbings 仍怀疑市场价值是否会被平均分配。

Weitzman 承认竞争对手在现有产品中可能拥有强势地位。他认为，市场演变时大公司仍可能留下空隙，挑战者需要向客户学习并不断改进。Stebbings 同意多家公司有生存空间，但怀疑它们的回报是否一定相近。

谈到“复合型初创公司”，Weitzman 澄清，并不是每家新公司都必须立刻建设很多产品。他认为，到一定阶段，有能力的团队可能需要扩大产品范围。他强调迭代和执行，但他认为智能体会让这一过程更容易，仍是对未来工作流程的观点。

讨论转向大型 AI 实验室提供极高薪酬时，初创公司是否还能招聘。Weitzman 说，处于成长阶段的成熟企业在招聘高级领导者时面临激烈竞争；而如果 AI 工具能帮助有能力的人快速学习，早期团队的人才池可能更广。

他说 Speechify 越来越看重技术潜质、解决问题和学习能力，包括来自数学、物理或编程竞赛的候选人。他仍然重视工程知识，但不再那么看重候选人手写每一行代码的能力。这是他的招聘偏好，不是所有工程岗位的规则。

Stebbings 反驳说，一些规模异常大的“种子轮”有能力提供可观薪酬，直接争夺有经验的 AI 人才。Weitzman 将这些资金充足的团队与首轮融资少得多的创始人区分开。两人同意，“种子”这一标签可以涵盖规模和招聘情况截然不同的公司。

他们也争论，员工如今是否更偏好流动性较好、更确定的薪酬，而不是充满不确定性的初创公司上涨空间。Weitzman 认为，每个候选人对风险和确定性的权衡不同。他指出，除了其他上市理由之外，公开上市还可能让股权价值更明确，从而影响招聘。

他说，在 Speechify 内部，AI 研究人员已经协调智能体，而一些经验丰富的产品工程师起初更喜欢熟悉的手写代码流程。他通过让熟练实践者演示方法、分享学习资源，鼓励团队采用新方式。他提到 Claude Code 和 Cursor 是公司常用工具。

他说，鼓励团队采用智能体工作流程的一种方式，是让技术熟练的工程师通过屏幕共享演示具体例子，再提供学习资源。Speechify 也使用项目管理任务单组织工作。在他的描述中，人仍负责检查结果和处理边界情况。

Weitzman 将工程师的角色描述为设定方向、检查生成的功能、识别边界情况并作出架构决策。他希望智能体处理工作，同时由人评估输出是否符合目标。这是管理方式的描述，并非证明自动生成的代码无需审查就可靠。

他不奖励 token 排行榜，而是要求演示和交付功能。他说，一个有前景的模型实验，只有进入生产环境、让用户能够反馈后，才会获得同样的认可。他举例说，一位团队成员在观看录制的产品评审后迅速解决了问题。

对 Weitzman 而言，有用的演示包括产品实际在用户手中运行，而不只是令人印象深刻的研究结果。他会录制自己使用功能的过程，让工程师看到并复现问题。重视生产反馈是他的管理理念，并不意味着能够消除所有缺陷。

他说，尽管希望团队大量使用 AI，他仍会关注没有理由的 token 支出。合适的用量取决于任务。他把抓取数千个页面的广泛操作，与更直接地获取所需信息作比较，强调减少不必要的工作。

他举例说，有人构建应用时获取了远超过任务所需的网页数据，产生了高额账单。他说，有经验的工程师可以缩小请求范围、设定更高效的路径。他的重点是监测工作和成本，而不是单纯最大化调用次数。

对于长时间运行的智能体，他强调选择明确目标、定义衡量方式，并检查反复迭代的结果。当困难任务带来有用进展时，大笔支出可能合理；但低效循环也可能消耗资源而不创造价值。输出比 token 数量本身更重要。

他建议的招聘流程包括实际练习：构建功能、进行测试，并检查对现有代码库所作修改的影响。他希望看到候选人如何使用智能体，也想了解他们如何推理代码。他还提醒，高强度 AI 辅助工作可能让团队疲惫。

Stebbings 担心，随着替代品增多，语音转文本产品正变得同质化。Weitzman 讨论自己对竞争对手的印象，并说有些产品将模型与更广泛的界面结合起来。访谈没有独立确认底层模型，也没有证明任何特定产品被认为表现变化的原因。

Weitzman 说，他看重一个人进步的潜力，而不只是当前技能。他描述与承担结果责任、同时使用智能体的同事合作。虽然他个人重视高强度投入工作，也明确承认需要避免团队倦怠。

Weitzman 说，自己以前构建过个人口述体验，但没有推出，因为他预计大型平台提供商会让这一功能普及。他现在认为等待是另一个错误，并说 Speechify 已推出竞争产品。他得到的教训是，应该测试机会，而不是假设现有大公司一定会占领它。

Stebbings 质疑拥挤的客户支持市场：成熟供应商、新 AI 公司和企业自建团队都在竞争。Weitzman 把 Speechify 的核心企业 API 与完整客户支持应用区分开。他说，该 API 旨在为构建多种产品的客户提供语音能力。

Weitzman 说，API 供应商与销售完整客户支持工作流程的公司可能处在市场不同层次，尽管产品可能重叠。他将企业智能体描述为理解客户需求的一种方式，而不只是试图复制另一家公司的完整产品。

与此同时，Weitzman 希望直接与企业客户合作开发智能体，让团队了解他们的问题并发现新产品机会。他把相对价格和质量的说法作为 Speechify 推介的一部分；访谈没有独立评估这些比较。

被问到 Sierra 和 ElevenLabs 哪家会更大时，他预测两者都有巨大潜力，并把 AI 智能体描述为超越客户支持的广阔市场。Stebbings 认为两家公司产品目标存在差异。两位嘉宾都没有确定未来估值，也没有保证这些公司战略一定成功。

在快问快答中，Weitzman 预计语音会成为计算机和可穿戴设备更常见的界面。他将预期与更简单的交互联系起来，而不是假设屏幕会立即消失。他对当前语音产品及未来采用情况的评价是个人观点。

嘉宾比较了对 Meta 和 SpaceX 的假设性投资。Weitzman 偏好 Meta，理由是他所理解的数据、创始人领导和估值；Stebbings 对马斯克旗下业务的机会有不同看法。他们的评论属于个人推测性观点，不构成购买任何一家公司的建议。

在投资讨论中，Weitzman 说自己偏好创始人领导的公司，并认为 Meta 拥有有价值的资产。Stebbings 认为其他科技企业有更广泛的潜在市场。这是基于各自信念的假设性比较，没有对相对估值作出经过验证的预测。

他们讨论创始人、资本支出和估值在上市及私人科技公司中的作用。Weitzman 认为底层技术和商业资产很重要，而 Stebbings 质疑市场会如何回应管理层变化。两人都无法从讨论中确定未来股价或投资回报。

被问到最令他兴奋的事情时，Weitzman 转向 AI 在生物学中的应用，并谈到一位患有严重罕见疾病的家人。他描述了收集生物数据和自我报告数据，并用计算工具分析的过程。这些是个人研究经历和希望；访谈没有提供独立临床验证。

他推测可以使用计算工具研究生物机制和可能的干预方式。他对自己能够解决疾病或找到治疗方法的信心属于愿景，不是诊断、经验证疗法或治愈的证据。这类研究需要适当的科学和临床评估。

他描述如何将重复样本的测量结果与自我报告的生活质量数据比较。他希望计算分析能够发现有用模式，但个人叙述中的相关性不能确立疾病机制或有效干预。访谈没有报告独立同行评审或临床结果。

Weitzman 将自己对无障碍技术的兴趣与成长经历联系起来：他有阅读障碍，通过有声读物学习英语，并在 Brown 大学构建文本转语音工具。他说技术帮助了自己学习和工作。这一个人经历不能泛化为该软件治疗或治愈阅读障碍或 ADHD 的主张。

他分享了另一段家庭健康经历，希望更好的工具能够改善研究和生活质量。这些医疗说法属于轶事，访谈没有独立确认。Stebbings 最后感谢他就硬件、公司战略和 AI 潜力展开开放讨论。