# AI 让你更像你 / 一人公司的引力与智能时代的极端放大器 - Indigo Talk EP48
**作者**: indigo
**日期**: 2026-05-19T04:13:50.000Z
**来源**: [https://x.com/indigox/status/2056589121955782913](https://x.com/indigox/status/2056589121955782913)
---
这一期 Indigo Talk 邀请了 Bill Sun，他是少数能把 AI 的几条最关键时间线都串在一身的人——在 2016 年的 Google Brain 就参与了最早一批 Transformer 的研究，是首个把 Transformer 架构跑通在 Wikipedia 问答任务上的研究员；之后在 Millennium 对冲基金里管理过十亿美金量级的策略；又在 2023 年 GPT-3.5 出来之后，决定下场创业，希望造一个能像顶级主观投资者那样思考的 AI。
这场对谈我们从 AI 训练机制、组织结构、风险投资、物理 AI、人类的存在意义、信任与社交网络，一直聊到「硅基的自我复制」。最后大家给出了一个总结：「AI 不是一个让所有人变平等的工具，它是一个极端放大器，让你更像你。」
嘉宾
Bill Sun 是 ALPHA.DEV 的创始人，也是拥有 Stanford Math PhD 的 AI 研究科学家。2016 年在 Google Brain 任职期间，他参与了 Transformer 模型的发现，并且是首位将 Transformer 模型成功应用于问答系统（Question Answering）的研究员。他曾是千禧年基金（Millennium）一位极其成功的“AI+量化”投资组合经理，管理着数十亿美元的资产（AUM）并负责全球股票交易；此外，他还曾就职于城堡投资（Citadel）和 Point72 旗下的 Cubist。
Youtube 完整视频：https://youtu.be/Rtf0K8djMRI?si=gkyqwLYzroFVB0p8
时间戳
- 02:19 从北大数学到 Google Brain，从 Millennium 到一人 AI 投资公司
- 04:59 当 GPT-3.5 让 20 人团队变成 Slack 上的一句话
- 08:07 真正的大挑战：造一个 AI 版的索罗斯
- 17:16 不可验证的事，怎么做强化学习？
- 22:02 「AI 让你更像你」它就是极端放大器
- 32:06 一人公司的引力与跳过坍塌的陷阱
- 41:30 组织的 U 型坍塌：中部消失，两极放大
- 47:10 物理 AI：还没到打开井盖的那一刻
- 52:20 当一切都被解决：人类的存在问题
- 68:45 信任不能委托给硅基
- 70:32 邪教繁荣、媒体化与人类的注意力市场
- 81:34 智能体之间不会有社交网络，但 GitHub 是新一代的社交网络
欢迎收看完整对谈，下面对全场对谈的详细整理。
## 01 从北大数学到 Google Brain，从 Millennium 到一人 AI 投资公司
> Bill 算是"根正苗红"的 AI 投资双修者——既做过最早期的 Transformer 研究，又在传统量化对冲基金里独立带过十亿美金量级的策略。
Bill 自我介绍这一段值得多停留一下。他是北大数学本科出身，然后到斯坦福全身心投入深度学习研究。2016 年夏天他在 Google Brain，是参与发现 Transformer 那批研究员的一员；他本人也是首个把 Transformer 架构跑通在 Wikipedia 问答任务上的人——按他自己的说法，这是"Transformer 出现之后跑通的第二个任务，第一个是英语翻译法语"。
他给出了一个细节：
> "我当时做了一件事，就是可以把这同一个架构泛化到不同的任务上……可以用同一个用来做机器翻译的模型，然后直接一行代码不改来做问答。" [03:09]
这个洞见后来被 GPT-1 等模型继承。
毕业之后他做了八年投资和交易。先在 Millennium——那家美国最大的多基金经理平台型对冲基金——当基金经理，管一个 10 亿美金的股票策略。他特别提到，他是 Millennium 历史上少数几个直接从博士进来当基金经理的，相当于"基金经理的实验对象"，看最聪明的年轻博士有没有可能直接拿出有意思的结果。两个导师分别来自文艺复兴（历史上最著名的对冲基金）和 BlackRock 的 AI 实验室，所以他做的事一直都是把数学、数据科学、机器学习应用在投资与交易上。
这段履历其实在为后面的整场对话埋伏笔——他既见过 AI 最前沿的那一面，又在最讲究"知行合一"的资本市场里做过实事。所以当他后面说"AI 让你更像你"、"一人公司是引力坍塌"、"信任只能委托给人"，他不是在抛概念，是在讲他亲身经历过的两个世界。
## 02 当 GPT-3.5 让 20 人团队变成 Slack 上的一句话
> 2022 年底看到 GPT-3.5 的那一刻，Bill 第一次"严肃地反思了一遍生活"——意识到自己花三年时间从零搭起来的 20 人量化团队，将很快被 AI 替代；并且这是不可避免的。
他描述了那个具体的瞬间：他平时跟研究员沟通的方式就是在 Slack 上 @ 一个人，说"把这个数据集研究一下，我觉得这 5 个方法可能会跑通，你都来试一下，给我一个报告"。
> "我当时看到 GPT-3.5 基本上已经能够你给他一段比如说 200 字的长指令，他能给你干很多事，我就觉得按照这个进步速度，应该很快这 20 个人我就都不需要了，他们都可以换成 AI——我就同样在这个 Slack 上 @，然后他就干完了。" [06:30]
Indigo 这里追问了一句："现在已经换掉了吗？" Bill 回答："对对对，我的 Slack 真的就是，我现在 @ 说我有这个想法，你给我回撤一下，然后他就全部做完了。"
他昨天还转过一条推，就是在讲这件事：内部 Slack 里的 AI 智能体自己去找历史数据、做统计检验、跑回归、做事件研究、回撤，最后给一个能够真正做质检的报告。
由此他得到一个结论：量化对冲基金这个生意之后会被严重商品化——大家用的都是同一类模型，做的事也会越来越像，市场会重新回到一个新的均衡状态——更高效，但谁也吃不到肉。
> "拥有同一类模型的人，最终都会做出非常相似的事情。" [07:37]
这是他在 2023 年决定离开 Millennium 出来创业的直接原因。
## 03 真正的大挑战：造一个 AI 版的索罗斯
> 如果量化不可避免地被 AI 商品化，那真正剩下、且 AI 还做不到的，是"高单笔下注、高确信度、能赌出 5–10 倍回报"的主观投资者。Bill 认为造出这样一个 AI，难度跟"让 AI 自己研究 AI"是同一个量级的，是这一代人最值得挑战的大命题之一。
他把这件事讲得很明确：
> "我觉得这件事情，就是能够造一个 AI 版的巴菲特、索罗斯、Druckenmiller……他可以做高确信度的交易，他可以做期权交易，他可以把比如说一个投资组合的钱，可能 1/3 押注在一种很有说服力的大想法上，然后赌这个想法帮他赚 5 到 10 倍的钱。而不是像我们做量化的，每天交易几千只股票，然后不断地多空、搓来搓去。" [09:00]
他认为这件事的困难程度仅次于成为创业者——"创业要知行合一，还有'行'的难度；做这件事'行'非常简单——你下定决心就下注——但是'知'非常困难"。
他也对比了 OpenAI、Anthropic、Ilya 的 SSI 们最深的关切：
> "他们认为最重要的事情其实就是一件事——教会 AI 怎么自己研究 AI。等 AI 自己可以闭环研究 AI，不需要 OpenAI 不断地雇佣聪明研究员，只需要加钱加卡加数据，把人类研究员都变成洗数据的管道——那基本上我们离 ASI 就非常近了。" [11:14]
> "这件事是我认为未来这三年人类历史上最重要的事情。" [12:00]
他把"造 AI 版主观投资者"放在和"让 AI 自己研究 AI"同一档：都需要深刻理解世界、能问出非常精致的好问题、能拼凑互联网上找不到的线下信息、能对地缘政治、公司组织、行业演化有深入认知。差别只在资源密集程度——后者是前沿实验室的级别，前者一个团队也许可以做。
但这条阶梯是清晰的：你先自动化初级研究员（造出深度研究），然后软件工程师，然后量化研究员 / 机器学习工程师，然后机器学习科学家，最后是能问出好问题的投资者。
每一级"造"出来之后，那一级的能力很快变成所有人的标配——这时候你必须再往上爬一级。
## 04 不可验证的事，怎么做强化学习？
> 好的投资、好的科研、好的数学，乍一看都是"品位问题"、"不可验证"。但如果你把时间维度拉到 10–20 年，其实是可验证的；只是这个验证太慢，没法直接当强化学习的信号。所以你需要找一个代理参照——而最好的参照，是顶级人类的偏执。
Indigo 在这里问了一个非常关键的问题：
> "品位是不可验证的，一个宏大的目标什么是对的什么是错的也不可验证。按现在的强化学习路径，如果问题不可验证，AI 怎么习得这个能力？" [19:00]
Bill 的回答非常细致：
> "我觉得他不一定完全不可验证，而是他不是完全可验证的。" [20:00]
例如炒股赚钱这件事，单笔是带运气的，但跑 20 年下来，差不多就能知道哪个策略好。它是可验证的，只是验证花的时间太长，无法直接拿来当强化学习的信号。
科研也是。表面看是品位问题，但拉到历史长河上看，"什么是顶级研究"其实接近一个客观共识——黎曼猜想是顶级研究，高斯的内蕴几何是顶级研究（17 边形虽然炫酷但未必）[21:46]。
那怎么办？你需要找一个代理参照——少数顶级人类写下的经验，反推 AI 应该长成什么样。
"你得造一些非常有自己观点、非常个人化的 AI，他就是很像某个人，而不是说他是这个人的助理，也不是说他一定能在某个基准测试上跑得很好。他可能就是很像这个人，他就想得非常像索罗斯——就是这样一个人，对宏观问题的偏执。他可能跑分跑不好，但是他能够在某些特定场景、某些领域里面，他的完成度非常好。" [24:45]
Indigo 紧跟一句："因为偏执狂的投资都是很成功的，对不对？" [25:33]
他自己补充了一个观察——现在的自回归 Transformer 架构，它的输出始终在向均值回归：
> "AI 的回答都趋向于均值，均值回归了——总是算出一个平均值来。我总看不到上面有什么意外和惊喜。" [26:14]
Bill 同意，并且补了一刀：从 GPT-3.5 到 4 写笑话、写说唱的能力可能略有提高，从 4 到现在则基本没有任何变化——这是预训练数据和预训练目标决定的、强化学习改不动的"天性"。
"预训练好像就打造了一个 AI 的天性，他到底天资聪不聪明；然后强化训练就是后天的大学教育、高中教育，把你训练成一个职业人，然后你去工作。" [28:00]
如果你接受这个隐喻，那当前所有顶级模型本质上是一群"非常听话、遵守指令、刷过竞赛题又刷过真题的优等生打工者"——他们出色，但都是同一类出色。
## 05「AI 让你更像你」它就是极端放大器
> AI 不是让所有人变平等的工具，它是一个极端放大器——让原本就有品位、有主观能动性、有偏执、有跨领域好奇心的人，被放大得不像样；而把"工具人"型的能力磨平。
这一段是整场对话密度最高、也最值得记下来的部分。Indigo 的原话：
> "AI 时代，我觉得它是一个极端放大器。它不是让任何人都有一个很平等的工具——AI 让你更像你。" [22:01]
Bill 顺着这个把"被放大的人"分成了三类：
第一类：在所在行业本来就 10 倍效率的顶级人才，加上愿意主动用 AI，他会从 10 倍变成 100 倍甚至 1000 倍的工程师。Andrej Karpathy 是范例——他不需要再有一支像 Tesla Autopilot 那种规模的团队，一个人加 AI 就能做出来 Autoresearch 那样的东西。
第二类：多任务处理能力极强、能开高线程的创始人 / 老板型人物。他能同时指挥 50 个 AI 智能体干不同的事，相当于一个能管理一百个直接下属的人——Jensen Huang、Elon Musk 那类人天然适合。
第三类：在自己完全不懂的维度上被"塌缩式"补全的人。以前你要做个产品，得分别招前端、设计师、产品经理、交互设计师，然后发现他们之间还沟通不畅；现在这些角色全部塌缩成"你只要描述你想要什么"。Bill 在自己创业过程中深有体会，他从 2023 年的设想就是"能不能就招一个人，把这些全干了"，发现找不到——而现在 AI 就成了这个人。
那么没有主观能动性、没有偏执、没有顶级品位、只是"听话能完成任务"的工具人，怎么办？Indigo 直接问了出来。
Bill 给了一个病理学比喻：
> "创始人很像两种人——一种是 ADHD 型，古代负责打猎的那批，注意力跨度很短、不断冲刺、不断产生想法；另一种是阿斯伯格型，能耐得住寂寞、连续 20 年只做一件事、对一件事产生非常深刻的理解。这两类人在 AI 时代会被极度放大。" [29:30]
而即便 AI 已经在理论上自动化掉了某个行业，那些有顶级品位的从业者依然更有价值。他举了一个有趣的例子：数学证明可能哪天就被 AI 干完了，但有顶级品位的数学家反而更有价值——他会变成构建理论的人。Grothendieck 在历史上的角色就很像这样：构造抽象理论、写信给菲尔兹奖级别的好朋友、让别人帮他证。
至于普通人，AI 带来的是一种"在所有维度都被增强、尤其在你完全不懂的那些维度上"的扩散。这有点像古希腊贵族——不事生产、家里养着、专心从政或研究——AI 现在给了每个人探索自己喜好和擅长的机会。但代价是：
> "你可能不得不就想清楚，我能做什么才能与这个世界相关——要么是与世界财务上相关，要么是与世界意义上相关。" [32:00]
Indigo 把这归到一个"存在问题"，先按下，后面会再回来。
## 06 一人公司的引力与跳过坍塌的陷阱
> 当"做"的难度被 AI 大幅压低，公司有一种向"一人公司"塌缩的引力。要让一个公司不被这种引力吸回去，必须有 3–5 个非常强的人为同一个使命长期蹲在一起——这个门槛在 AI 时代反而比以前更高。
Bill 拿风险投资和主观对冲基金做例子：这些行业其实一直就是事实上的"一人公司"。Elad Gil 就是一个人的 VC，没有团队也极其盈利；很多看似上百人的主观基金，那 100 人主要是帮老板融资、做基础分析，决策全是老板一个人——老板一死、傻儿子上来，三年这公司就没了。
这种"知"的杠杆型职业，本身就接近一人公司。教授也是——爱因斯坦那种历史级教授，他配的助理、实验团队、博士学生，本质上都可以不存在，是他个人的思考被放大成了改变人类的科研。
> "在很多需要人的'知'去追求顶峰的游戏里，有点像古代修炼武道——一个人精进、不断修炼自己——这种游戏已经是一人公司了。" [37:00]
只不过过去很多"需要大型组织才能完成"的活，现在被 AI 接管了一大块，所以更多公司会塌缩成一人公司。
但他同时强调一件事：在这个时代，搭一个能脱离"一人公司引力"的组织，难度更高了：
> "你要让公司有意义地不是一人公司，并且这公司的老板觉得他有必要让大家一起来工作，那这公司一定要能够产生非常牛的化学效应——3–5 个很厉害的人在一起玩一个东西，并且互相有启发。这件事情，因为每个人都可以是一人公司，使得大家蹲在这儿不走、为了同一个使命做事的难度，又提高了。" [38:40]
换句话说：以前大家"不得不"组队，是因为单干干不成事；现在很多事单干就够了，所以"组队还要在一起"必须有一个更牛的理由。这反而是顶级团队的护城河。
## 07 组织的 U 型坍塌：中部消失，两极放大
> 组织过去之所以变大，是因为信息传递需要一层层人去做中介。AI 智能体把"信息传递 + 任务分发 + 实际执行"三件事一手抓了，组织中部直接消失——剩下的是两极：极少数极大的资源密集型机构，与海量的一人 / 三人小公司。
Indigo 在这里补了一段他自己的观察：
> "之前组织变大，是因为最早可以回溯到罗马军团——这个指挥官、然后一层层组织的存在，是为了有效地传达信息。现在 AI 智能体在组织里，承担了信息中介器的作用，还能完成任务，还能成为组织信息决策的核心——由它去分派任务给前端的 AI 或人类。组织会变得更加扁平。" [36:46]
随后补充了一个具体引子：前两周 Jack Dorsey 说 Block 公司 6,000 人直接向他汇报。如果他有足够多好的智能体，人类的认知边界确实可以做得到。
所以这就有了一个 U 型坍塌：中部公司消失。
> "要不就是特别多资源的公司在顶部，做一些很酷的事；要不就是一群一人 / 两人 / 三人 / 五人的小公司，解决非常多常见的问题，在自己生态里活下来。中部公司很快就没了——现在股市上也是这样，软件公司也是这样。中部软件公司坍塌太厉害，现在已经被抛售得面目全非。" [41:30]
风险投资这边的反应也是 U 型的：要么一上来就开 5,000 万 / 1 亿 / 2 亿美金的 A 轮，把所有最聪明的人聚合在一起做一件特别难的事；要么干脆几十万启动、两三个人，做了赚钱就好。
> "过去两年 YC 投的团队很惨，因为它都是这种'会坍塌回一人公司状态'的项目。" [40:00]
Indigo 在这里把这件事推到 VC 投资逻辑的层面：传统互联网是寻找有"网络效应"的公司，但在 AI 时代，很多时候连网络效应、数据飞轮在哪都找不到了。这是第一性原理上变难的，因为复利结构正在被重写。
Bill 的判断是：
> "做软件或解决方案，也很难出现这种很大的头部公司出来，除非你研究的是完全不一样路径的东西，比如 Ilya 在做的事。" [44:00]
Indigo 说自己作为投资人——本期录制时已经在做第二期 AI / 科技基金——更多在看"改变原子世界结构"的项目：
> "现在改变比特结构已经被模型公司改得很好了，但是改变原子世界结构——Elon Musk 旗下那些公司——他们真的在做很难的事情。AI 加科学、AI 加硬件制造、AI 加太空、生物、物理、数学，这些是值得 1 亿 / 2 亿 / 5 亿美金、要足够算力去解决的事。剩下的纯软件的小事情，那还不如就一人公司做算了。VC 应该投更伟大的事情。" [46:00]
## 08 物理 AI：还没到打开井盖的那一刻
> 从第一性原理看，物理 AI / 机器人还没有跨过 GPT-3 时刻——既没有人看到一条"加钱就能扩展过去"的清晰技术路径，也没有趋同的训练范式。它现在的体感，更像 2015 年做自动驾驶的创业者——你觉得「它就快了」，但实际上要十年才走得通。
Bill 把现状讲得很冷静：
> "你看无论是各种各样的路径，首先大家都没有看到某一条路你可以不断加钱去扩展，就走到一个非常牛的地方。其次是没有看到一条趋同的技术路线，是大家都知道——我现在使劲搞钱就能走过去。还是更像在一个史前探索期的体验。" [47:30]
类比是这样的：你 2015 年抄 Waymo，按道理两三年就该抄通——结果 Waymo 花了十年才真正在几个城市里跑起来，Tesla 才真正变得有意义 [48:33]。Bill 自己现在每天用 Tesla FSD 已经接近不看路的状态，但这是花了十年才到的[49:15]。
机器人会比自动驾驶加速——因为 AI 可以研究 AI，那它也可以研究物理 AI 的软件层面问题。但井盖还没被顶开。
他给出了前沿研究员之间已经趋同的猜测：未来 1–2 年应该会做出一个大的突破，让大家知道这条路是什么——有几个组件，每个都有自己的扩展规律，加起来会有结果。Physical Intelligence（PI）公司的一代模型已经摸到一些感觉。
但他强调"真正跑通的标志"是非常远的——
> "应该是能够出现物理 AI 制造物理 AI。你可以发射一些源头的工厂型 AI，可以飞到太阳系外边去，占领一个星系，自己开建工厂，把其他类型的机器人都造出来，用机器人殖民这个星球。我觉得那才叫做真正解决了物理 AI。" [52:52]
而这个目标，目前世界上有潜力做的就两个组织：中国制造业集群，和 Elon Musk 旗下公司的集群。中国占据了世界中低端制造闭环；美国高端制造仍然牛；但很多关键节点（台积电、ASML）需要"非常勤奋的亚洲人加很多机器一起才能造"。这中间还要走 5–10 年。
Indigo 顺着这个把话题推到月球——美国的 Artemis 计划、SpaceX 想在月球上做芯片、Optimus 上去自己生产自己。Bill 认为：机器人完全自我生产可能还远，但把数据中心发射到月球上是可见的工程问题：
> "我认真推演了一下，好像没有太明显的——除了造不出可以抵挡宇宙辐射很长时间的芯片比较难——其他从散热到能源都可以解决。月球上永远朝向地球的那个区域其实非常小，战略价值很大，所以一定会有人比如美国先抢着把那个位置占了。" [57:00]
如果说本期对话里有"最远的画面"，就是这一段。一个北大数学出身、做过 Transformer、做过对冲基金的人，认真推演了把数据中心放在月球阴面这件事的工程可行性。
## 09 当一切都被解决：人类的存在问题
> 当 AI 把白领 / 蓝领 / 物理工作都拿走，社会有两条演化路径——一种是所有人共享同等富足；一种是高度极化的世界，0.1% 的人继续推进，99% 沉在娱乐里。Bill 的判断是后者概率更大，而这个对文明长期是危险的——一个全员只为娱乐的种族会自己走向消亡。
Indigo 抛了一个尖锐的问题：
> "如果 5 年之后这些都被解决了，或者看到被解决的苗头，我们应该干什么？" [58:30]
Bill 用一个更普适的版本来回答：
> "这就是问'你生下来就有十亿美金，家里让你继承财产，让你自由做自己最想干的事情，你应该干什么'。" [58:55]
社会层面会经历动荡、暴动、可能的民族冲突，但等这些过去，最终问题还是：那些不为生活担忧的人在干什么？很多创始人退出之后也面临一样的问题——很多人还是想做点事情。
他指出一个有趣的悖论：即便所有人类活动都已被机器做得更好（高尔夫、围棋、德州扑克、数学），人还是在做。
> "我们回归到了最原初状态——你有意义地活着、快乐地活着就好了。"
Indigo 补充道：现在白领"在办公室打工"的形态其实只有五六十年——二战之后才有。再过二三十年，我们就会忘掉这个时代了。
然后两人都不约而同进入了一个不那么乐观的预测：
Bill：99% 的人都会掉入这个陷阱——消费边际成本等于零的内容（视频、电影、游戏），仅此而已。但如果整个文明都在消费、不在创造，那个文明自己就走向消亡了。[1:02:30]
Indigo：所以一定要有方法让那 1% 的天赋——它在所有人群中均匀分布——能流动起来，让生在贫困地方的有天赋的孩子也能进入这个现代竞争游戏。否则只让上一代幸运的人的小孩幸运，很快这个东西就塌缩了。[1:04:20]
Indigo 最后给了一个收口：
> "大自然总是能够变异出来一些挺有想法、挺大胆的人。然后大自然就启动了新一轮筛选程序，把这批优质基因的人保留下来。我们可能会进入到一个更有竞争力的、基因更特别的新人类时代——而且是和 AI 完全融合的时代。AI 和人肯定是共生的，不会存在谁替代谁。" [1:05:33]
## 10 信任不能委托给硅基
> 钱本质上是硬件（稀缺性、有限资源）。它的配置最终还是人把信任委托给另一个人，而不是委托给一台机器——因为机器之间是同构的，没有理由押注"这一台"而不是"那一台"。所以像有限合伙人的资金配置这种事，最终还需要一种亲身建立起来的信任。
Bill 抛出来一个区分：
> "钱看起来是软件，但它本质上是硬件——它是一种有限的、有稀缺性的资源。即使比特币在我看来也是硬件。这种东西的配置，实际上很多时候都是人把信任委托给另一个人，或者人组成的、指挥机器的组织——他没有办法直接委托给一个机器，因为机器之间是同构的：你只要能够低成本地造出一个巨聪明的机器、无限复制，那你就没有办法选择相信谁。" [1:06:00]
所以一个纯硅基的"顶级主观基金"是很难成立的——投资者总是需要某种亲身的信任，要么直接认识 Jim Simons，要么至少看到 Anthropic 这种家大业大的公司在背书。
Indigo 把这点收得很狠：
> "AI 最后也是在增强我们自己。我不能先创造一个 AI，再赋予 AI 它性格；而是先本身做一个人，然后用 AI 增强我自己。" [1:08:00]
这是这一期的另一个锚点句子，和"AI 让你更像你"完整成对——前者说的是"放大方向"，后者说的是"放大顺序"。
## 11 邪教繁荣、媒体化与人类的注意力市场
> 当生产软件、生产内容的成本接近零，做任何东西本质上都是在做媒体——而媒体的稀缺资源是人的注意力。AI 时代，"由人组成的网络"和"由人类共情构建的信任"反而会更值钱；与此同时，"人类邪教也会繁荣"——因为在到处都是 AI 生成内容的世界里，人会更需要"找到一个真活人"的归属感。
Indigo 在这里基于自己做媒体和产品的经验，下了一个判断：
> "未来你做软件不就是跟做媒体一样的？媒体需要的是注意力——你必须得获得人类的关注，因为 AI 不会消费你要消费的东西，它只要耗电就好了。" [1:09:33]
而媒体化之后，社交网络的价值会更大，把人连接起来这件事会更强壮。Indigo 抛了一个之前讲过的预言：
> "当 AI 很发达的时候，我们人类邪教就会繁荣。" [1:10:30]
理由很直白——人需要归属感。到处都是 AI 生成的画面、AI 生成的游戏，迷失感会很强；如果真的有一个活人在你面前出现了，那种"这是个活人"的情感寄托会被放大到不得了。这也解释了：为什么现在硅谷顶级创始人和投资人都在做播客——是要刷"活人感"。
Bill 在后面也给了一个补充的判断——销售本质上会越来越人性，难度只会越来越高："获得其他人信任、让他付钱，这个工作的难度会越来越高。所以人的连接性和纽带性会越来越重要——我们现在尽可能都要成为这个网络中的节点。"
## 12 智能体之间不会有社交网络，但 GitHub 是新一代的社交网络
> 纯粹的智能体到智能体没有社交网络的意义——因为它就是个极致的理性发现工具。但智能体的代理网络会存在——代表你的智能体和代表我的智能体互相交换信息，背后还是人。而在当下这一代，最有意思的"人机混合社交网络"其实是 GitHub——程序员的注意力在事实上决定了下一代模型会学到谁。
Indigo 提了一个很实际的问题：现在很多创业公司在选择要不要"面向智能体"——为智能体的发现和分发做优化。从 SEO 到 GEO（生成式搜索引擎优化）再到这一层。
Bill 把这件事拆得很清楚：
> "纯粹的智能体到智能体不会存在社交网络，它是一个极致的理性发现工具。你用 Claude 问的时候，他已经告诉你最优解——发邮件你应该用 Resend，做 Markdown 应该用什么。他就是按照 GitHub 或者最常用的程序员口碑搜集出来的。" [1:15:30]
但智能体代理网络会存在——你和我都有自己的智能体，它知道我的品味、阅读偏好、思考习惯，代表我去和你的智能体交换信息。它最终的消费者还是人。
那现实里的"面向智能体的优化"，在他看来就是 SEO / GEO 的下一步——本质上是在试图给模型训练数据投毒。模型公司会反投毒，就像 Google 反垃圾信息，永久的战争。
但对一个创业公司来说，在模型还没学到你之前，你想被发现，只有一条路：人类网络：
> "如果你没有被大量的人类开发者发现，你就开源——没有听众也没有意义。你想快速地在模型学习你的数据之前被人发现，只有人类网络做得到，因为模型也是根据人类网络的反馈数据去训练进去的。如果没有人类的注意力加工这一层，你什么都不是——AI 的注意力其实是被人类的注意力写进去的。" [1:20:25]
由此引出一个非常重要的推论——程序员的喜好和注意力权重，在以编码为核心的智能体架构里被大幅放大了[1:20:40]。以前是资本家的偏好重要、程序员不重要；现在是程序员在 GitHub 上粉你才能完成分发，所以：
Indigo 在这里给出整场对话的一个收口判断：
> "GitHub 就是一个新一代的、由人机混合的社交网络。**它是人机混合的——因为 AI 大量在用它的代码做训练、写代码，人类又在上面提交代码、打星评分。**这说不定就是大家在找的——AI 时代有网络效应的社交平台。" [1:20:55]
Bill 接了一句：
> "我们是下一个 AI 时代的微信。说不定应该找——下一个时代的 GitHub 和 HuggingFace。" [1:21:30]
## 延伸思考：这一期值得记下来的几个锚点
1. AI 让你更像你 = 放大方向 / 先做人再用 AI 增强 = 放大顺序。 这两句话合在一起，是这一期最重的"做事原则"。任何想在 AI 时代认真做点什么的人，都应该先问自己：我是谁？我相信什么？我想被放大成什么样的人？ 然后才是工具。
2. 一人公司是引力，组队反而是逆引力的工程。 三五个最强的人为同一个使命长期蹲在一起，这件事的门槛在 AI 时代不是降低了，是更高了——因为每个人单独都能活。这反过来定义了下一代真正有价值的团队会长什么样：化学反应密度高、长期共振、彼此释放别人释放不出来的东西。
3. 中部消失，两极放大。 不管是公司、风险投资、还是个人能力——中间地带都在塌缩。"挺不错的"在这个时代变得很危险。要么去把"足够伟大的事"押注完整，要么干脆做"足够小但足够你的事"——两端都能活，中间会窒息。
4. 信任只能委托给人。 这件事在 AI 时代的含义是：所有最终牵涉到稀缺资源、生命、长期承诺的事——投资、医疗、亲密关系、社群——都会比以前更需要"那个具体的人"。AI 在背后做无限多的事，但前台必须是一张真实的脸。
5. GitHub 是当下被低估的人机混合社交网络。 程序员的注意力是 AI 时代被显著放大的"投票权"。把这件事看清楚的人，至少可以从"应该把精力花在哪个网络上"这件事上避免一次错配。
## 精华收获
如果只能从这一期带走五句话——
> "量化对冲基金这门生意之后会被严重商品化。" [07:31] "造一个 AI 版的索罗斯，难度跟让 AI 自己研究 AI 是一个量级的。" [10:50] "AI 让你更像你。" [22:08] "我不能先创造一个 AI 再赋予它性格，而是先本身做一个人，然后用 AI 增强我自己。" [28:25] "AI 的注意力其实是被人类的注意力写进去的。" [1:20:33]
整场对话最让我反复回味的，其实是 Bill 顺口给出的那个画面——物理 AI 制造物理 AI。
它把这一切关于"一人公司、组织塌缩、人类娱乐化、信任只能给人"的局部判断，往最远处推了一步：当硅基真的开始自己制造自己，文明就跨过了那个坎，进入一个无限富足的时代。在那之前的所有事——包括我们今天讨论的所有事——都是过渡期。
而过渡期里，AI 不会替你想清楚你要变成谁，它只会忠实地、极端地，把已经在你身上的东西放大。
所以，准备好被放大成你自己了吗？
## 相关链接
- [indigo](https://x.com/indigox)
- [@indigox](https://x.com/indigox)
- [391](https://x.com/indigox/status/2056589121955782913/analytics)
- [ALPHA.DEV](https://alpha.dev/)
- [https://youtu.be/Rtf0K8djMRI?si=gkyqwLYzroFVB0p8](https://youtu.be/Rtf0K8djMRI?si=gkyqwLYzroFVB0p8)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [12:13 PM · May 19, 2026](https://x.com/indigox/status/2056589121955782913)
- [391 Views](https://x.com/indigox/status/2056589121955782913/analytics)
---
*导出时间: 2026/5/19 12:32:49*