Runta获a16z领投2000万美元 押注AI算力向Agent底座转移

Runta获a16z领投2000万美元 押注AI算力向Agent底座转移 大模型概率性特质致使传统云基建失效，行业急需确定性的执行底座以防止AI滥用与安全灾难。 对谈探讨了AI行业从盲目追求Token消耗（Token Maxxing）向注重ROI和精细化控制（Token Minimizing）的深刻转变，并阐述了当底层计算单元从确定性转向概率性时，现有传统云原生架构所面临的失效困局。戴冠兰分享了Runta致力于为未来数以亿计的Agent提供安全隔离、托管调度与可审计执行底座的定位，深入分析了为什么创业公司在此赛道比公有云巨头与大模型厂商更有优势，并对未来可能的Agent安全灾难事件及行业应对方向做出了前瞻预判。 Runta创始人戴冠兰认为模型能力已足够成熟，AI领域的关键竞争点已转向基础设施（Infra），旨在为未来数量将远超人类的数十亿Agent提供执行底座与管理方案。 (0:00) Jeff Dean提出了Agent Infra的核心工程挑战：当系统最底层的执行单元从“确定性”变为“概率性”时，传统的幂等性、事务恢复与隔离机制必须被重新构想。 (0:54) a16z领投Runta的逻辑在于将托管Agent视为从服务器、虚拟机到容器化之后的又一次计算范式转移（Compute Paradigm Shift）。 (5:00) 企业态度在短短几个月内经历了从过度追求消耗的Token Maxxing向关注ROI、预算控制与归因的Token Minimizing转变。 (7:11) Agent兼具软件的概率执行特性与人类缺乏声誉约束、无法承担责任的问题，使得传统基础设施与安全框架无法满足其落地需求。 (11:15)

Runta 创始人戴冠兰认为，当前大模型核心能力已基本够用，AI 行业正进入范式转移期，真正制约自主智能体（Agent）落地的是能够承载长程、概率性工作负载的新一代基础设施（Infra）。 概率性系统的工程挑战与代际变革 (0:54) 传统软件工程的基础是确定性的，错误可枚举且输入输出保持一致；而大模型驱动的 Agent 行为本质上是概率性的，即使输入相同，每次运行甚至生成的代码都可能不同。这种特性导致系统在隔离、分岔和故障恢复等分布式环节上的复杂度大幅增加，若底层底座无法兜底，压力便会直接倾倒到运行时。随着 Agent 任务从数分钟短交互演化为数小时乃至数天的长程任务，传统沙盒与云架构在迁移、长效管理和动态调度上已经难以适配。 戴冠兰指出，正如计算历史上从物理机演进至虚拟机与容器化，当前的计算范式正在从“托管软件与服务”转变为“托管与管理自主智能体”。Runta 的定位便是在非确定性的概率工作负载底层构建确定性的支持底座，以提供执行归因、数据与生产权限控制以及弹性扩缩容能力。 从过度消耗向精细控制与 ROI 转向 (7:11) 随着推理模型普及，企业界此前一度盛行 Token Maxxing，将消耗量作为度量员工 AI 原生化程度的 KPI，甚至导致员工写循环脚本无意义刷榜。自今年 3 至 4 月起，企业态度迅速反转为 Token Minimizing，CFO 们开始严格审查预算归因与实际产出。以 Uber CFO 为例，其公开质疑公司 4 月即耗尽全年 LLM 预算却未见匹配价值。 面对这种转向，戴冠兰认为仅依赖大模型厂商或传统公有云均非终极解法。传统公有云背负旧有计费模型包袱，且架构是为传统 SaaS 搭建；大模型厂商则天然聚焦于模型能力本身与训练信号收集。与此同时，企业在真实业务中倾向于多模型与混合云部署，以防单一厂商绑定并有效控制成本，这使得中立且专注于执行稳定性的专用底层成为刚需。 审批疲劳、安全漏洞与硬规则边界 (25:52) 传统网络安全依赖静态扫描和特征匹配，但在 Agent 场景下无法适用。戴冠兰指出 Transformer 架构基于 Next Token Prediction，在物理层面上无法绝对区分“指令”与“数据”，因此 Prompt Injection 难以仅靠模型侧根治。调研显示，多数尝试使用 Agent 的世界 500 强企业均已发生过敏感机密或客户数据泄露事故。 实际应用中，用户因审批疲劳（Approval Fatigue）往往会为了效率逐步交出核心控制权限。戴冠兰由此预测，未来 10 个月内行业必然会发生因 Agent 误发邮件而引发商业机密外泄的严重灾难性事故。为此，行业需要通过开源执行框架（如 Claw Shell）建立确定性的沙箱硬边界，例如严格限定“仅可读不可发”，通过提供可审计与故障恢复机制重塑企业对智能体的信任。 内部研发变革与底层技术壁垒 (31:18) 在团队内部工程实践中，Runta 超过 95% 的基础编程工作已交由 Agent 执行，人类工程师的角色全面转向底层架构设计、API 规范定义及模块解耦等核心系统决策。这种开发模式也揭示出目前诸多应用框架在运行中存在严重的 Token 冗余浪费，进而促使工程团队通过优化执行底座反哺客户。 戴冠兰认为，上一代基于 Firecracker 等轻量虚拟化技术的短时代码沙盒无法承受多日任务与复杂 GPU 调度，真正的底层技术壁垒依然在于深入内核协议、持续下钻底层的硬核系统能力，未来标准化、通用化的 Agent 基础设施将成为行业发展的必然基础。 戴冠兰预期在未来一年内，行业将达成“Agent 执行必须依赖专用底层”的共识；然而在缺乏责任主体的背景下，企业能否在兼顾灵活性的同时完全驾驭非确定性系统的安全风险，仍是尚待验证的核心问题。

[0:54] Jeff Dean: 如果系统最底层的执行单元它变成了概率性的话，那 Infra 这一层要怎么构建？ [7:11] 戴冠兰: Uber CFO 跳出来说，我们在 4 月份就已经把全年的 Token 量、LLM 的使用量给用完了，我们到底收获了什么东西？ [17:53] 戴冠兰: 模型能力已经够了，要卷就卷 Infra！ [25:52] 戴冠兰: 未来必然会有一个灾难性的 Email 通过 Agent 发出去，引发特别难以挽回的后果。Mark my word，我觉得绝对会发生。 [39:27] 戴冠兰: 浪潮退去，我觉得有这种我就收板回家的勇气；浪潮来了，一定要有勇于冲浪的能力。

[0:00] 嗨 我是Koji 欢迎来到十字路口那本周我们的嘉宾呢是戴冠兰冠兰的创业公司Ronta刚完成了2000万美元的融资A16Z是他们的领头方然后同时李飞飞 Jeff Dean等人也是他的天使投资人你好 冠兰 欢迎来到十字路口Hello Koji,是路口的朋友,感谢这次机会,希望我们能分享一些有意思的事好 那我们还是从我们的传统快完快答开始帮助大家尽快的了解你请问灌篮你的年龄35啊毕业的院校是美国东北大学的 MBTI 核心作呢我是天秤座然后我的mbti是intj和entj之间横跳然后我个人认为我是偏i多一些然后一句话介绍一下现在的公司和产品我们会认为未来的AI智能体会比人类更多然后未来这几十一个agent的话他到底跑在哪跑起来怎么管Ranta就是为 AI智能体打造了这种执行底座然后咱们目前团队的规模呢我们现在团队在10人左右然后以及有整百三千个agents在后面干活一句话介绍一下创业之前咱们做过些什么我之前是在Clocklet做Edge边缘平台然后在空做过网关跟云然后加起来大概差不多十多年一直都在做被软件跟SaaS时代打造InfraRanta这一次的这个SeedLun就容了2000万美元A16Z领头杰弗丁和菲菲以个人身份参与那我不要好奇是你怎么拿到他们俩个人的这个天使投资的对 首先是大家对Jeff Dean可能都了解他是一个Infra方面的一个大牛而是经历过Google 迷迈各个时代的时候Infra的一个传奇然后我跟他也是有机会跟他去聊有一个很深度的一个就是对谈然后他主要也问我一些比较深刻的问题就有个问题就是我印象特别清楚就是他说如果系统最底层的执行单元它变成了概率性的话那INFR这一层要怎么构建其实这个问题还挺难答的因为过去这种系统工程啊什么从事密等事物恢复这些都是建立在软件它是一个确定性的东西就比如说你把一套东西输入通了输出去它输出基本上是一样的如果有出错如果有不一样的东西它就是一个异常异常的话你在之前软件时代是可以没举的就是它相当在考察就比如说这块地基没了那上面那东西怎么做怎么成立其实probialistic就不确定这个是大模型本身的一个特质对不对?但是如果一旦你agent需要去上生产这些所谓的分部系统的一些复杂度这些恢复隔离分岔这些东西的话其实需求反而是会变多的如果这些底层的复杂度是有很多的做不了的话只有把压到 runtime 层去做这些事然后上一代的 infra的话其实我们解决的是比如说物理机到底怎么跑然后开发者不要去考虑这些问题这一代的话我会觉得真正要去解决了就执行本身这个是怎么做的然后这里面我其实又跟Jeff Dean还非非他们也去聊了很多这相关到底是怎么迭代的事但归根结底的话我觉得现在执行层已经变成了系统工程里面最难的一个问题了现在Agent越跑越长之前比如说一个chats比如说几分钟几个turn现在变成几个小时铸天的这样一个agents跑起来这里面的话其实目前Infra实际上是处理不好的没有解决好这里面那些包括像隔离分岔迁移热情移这些难题所以这我觉得是还挺难做的然后另外我觉得投我一个主要原因在说我之前在Calflake跟Cone的话是参与过上一代infa从地线原理从头构建的过程我们其实刚做的时候什么Kubernetes啊Container这些技术都没有而是说你如何去考虑我从最根本的需求去推导我们到底这个系统还成为怎么样的然后有机会参与从头构建的这样一个过程然后构建出来的很多infa已经成为现在互联网的基石还有标准给你举个最具体的例子就比如说在空的话我们可能每天API请求有3000亿尺对不对就这样一个规模下你即使极小概率会出错的事儿哪怕是0.00001的事儿都会变成一个极大概率的事就是这个infa所要处理这个复杂度实际上我是经历过就是参与过这一代的构建所以我觉得综合的因素吧Jeff Dean 还想要多投一些我说我这份额不太够了成为一个跟Jeff Dean say no的人我觉得也是一个挺有意思的经历A16Z其实投的公司还蛮多的对吧但是我很少看到他们投了一个很新的公司还专门写一篇blog来介绍自己为什么投 [5:00] 所以他们就确实写了一篇嘛就是叫这个为什么我们Toronto你觉得A16Z这么重视你们的原因是什么呢这个还蛮有趣的因为一般总之轮的话他们很少写这种文章还有就一般投的很少是一个general partner级别就是过来写这篇文章这篇文章也是Martin亲自写的我觉得主要他是看到了这不仅是一个feature或者不简单是一个产品而是一个平台级别的一个机会他会觉得这一次是一个compute的一个待机变化就相当于是之前是从客户端服务器到数据中心这一波迁移对不对然后到物理机再到虚拟机在的容器化这个过程每一次其实都有带机上的变化然后这一次的话其实归根结底在说你真正托管的东西已经从托管软件管理这套软件管理这服务变成管理agent智能体如果这个判断成立的话那就是一个巨大的平台级的机会所以他们会花点时间去来讲清楚这件事情到底为什么是个平台性的机会所以我觉得这篇文章还值得读一读了嗯所以用一句特别简单的话来给大家解释一下Ranta到底替客户解决的最关键的问题是哪些我觉得其实我们做的是infa工作就是基础设施建设工作但真正你想企业落地的话在非确定性的non-deterministicProbability这种就workload上面你给他加入一些确定性的东西让企业刚好可以把它用起来然后不需要做到完全的就是所有东西都确定而是要给到足够多的信任这包括就比如说跑在哪里让它跑起来以后企业能够交给你智能体去干活包括比如接触生产权限然后能访问到就是客户的一些数据然后他所有比如碰了什么动了什么然后在他动的那一刻有个执行层面的东西可以把它管理起来然后可以帮助他scale起来这一块就是我们让他做的事我觉得我们待会可以再展开聊一聊整个agent runtime或者agentinfra的部分包括ranta在做的事情但在此之前也是想和灌篮我们探讨一下最近整个AI和agent领域的一个特别大的变化首先这是我感觉到一个反转式可能三个月前我们还在讲token maximizing就说企业消耗特别多的token而且企业鼓励员工消耗特别多的token你消耗的越多好像是一种荣誉对吧是一种骄傲突然这个画风一转大家变成了这个tokenminimizing就是最小化token对所以据你观察这个反转大概是从什么时候开始有这样的苗头的先说最早怎么开始其实最早是在Thinking模型在01时候复杂推理给上这种比如说示威链,SOT,企业管理者到市场上就觉得我相当于是用了更多Token我这个就变得更加聪明对不对在后面的话就往外推成一个组织管理的一个观点例如说一个员工如果他收的Token越多他越AI native他是一个可度量的KPI对不对一旦可以度量KPI那我围绕这个KPI然后通过一个很大的一个KPI然后让大家促进组织的一个变革以Meta和亚马逊这一波为首就是他们最早开始把整套Token Magazine这套玩法在组织里面开始推动去年年底走访我们那些前沿的一些客户AirLab的时候我们发现甚至我到墙上看到他们有个显示器专门的显示器显示这本周哪个员工排名最高用哪个Token比如说你到前面几名的话会给你什么样一些reward到后面的话会演化成到了极致像Meta和Stripe他们会对员工的token使用量跟你的业绩挂钩就是他会在年中打Purfer Review的时候就是业绩考核的时候会把token使用量当做你的核心考察的一部分这个时候就开始变位了这个事情你看到最大的变位最Drama的故事是什么我听得比较极端了就是不管你啥玩意儿就用搜查模型然后甚至是为了把用量用上去去刷榜员工甚至会威胁一些没用的这些loop把这Token用量刷上去包括像今年3月不知道Koji你有没有印象就是Jinson他说这个人其实就是不够强我会觉得这一波有点太过了就从鼓励大家用的越多越好到现在企业纷纷开始控制用量这个其实反转可能就是三个月六个月的时间你觉得这中间是因为什么?我觉得首先就是大家开始发现ROI的return在哪里?就特别是最近像Uber,CFO跳出来说,我们在4月份的话已经把全年的token量,LM的使用量给用完了,我们到底收获了什么东西?一方面就是 [10:00] 它的点火的阶段已经结束了大家这个意思已经形成了还有第三的话这个token真的很花钱它也不是一般的花钱大家远远低估了模型的价格综合这几方面因素让大家意识到现在token magazine可能不行了咱们自己也是创业公司对吧大概10个人然后你们是怎么去制定大家用token或用API的规则对我们一开始的时候其实也是经历过这个过程因为我们招了很多就从传统公司做Infra做技术设施的人来我们一开始就Token Maxing就unlimited token就是你爱用啥用啥然后让大家行持这种token是免费的这种感觉反正先用我现在开始就是给大家使用阶梯字就我首先给你订阅几个这种maximum就是最大的ultra plan订阅几个然后你可以随便用你用完了以后你要跟我说你用完了然后你用在哪里了如果你需要更多比如说你需要帮不到比如说一个月花10万美金OK其实就是我会简单的加入一些流程上的小的摩擦不是free的现在用这个到底是为了什么但是整体而言我还是一个比较宽松的状态让大家去使用token了我们再聊一下Ranta,刚才我们简单说了一下,在Ranta之前,您在Cloudflare,在Kom都工作过,可不可以稍微详细讲一讲,那两段经历里面你是比如说在企业的什么阶段,在具体负责什么样的工作?我相信是最早几个工程师加入Coplay的核心就是他的一个叫Edge边缘云的这样一个技术负责人然后我就有幸参与了他的边缓缓存然后WAF就是网络防火墙以及他早期的Worker系统就是他的端侧上的一些计算平台的一些搭建然后我其实主要负责的就是在面对这些软件服务然后让他能够知道我什么时候可以去访问我的背后的服务如果这背后的服务需要加速需要一些安全的功能我在守门员的一个角色我怎么去帮你看好这条门如何去确保你这个是能够更快的把它部署到离客户最近的一些节点我在Coreflare主要是解决这相关的一些问题然后我在空的话解决也是类似的就是我们在企业网关就比如说你去订餐你的一些API的服务需要通过我们的一些企业网关帮你去做这个寻止导流然后以及那种就你的API的平台微服务的平台如何去搭建我们在空的话我更多接触的是跟世界500强客户这种大的客户去如何去帮助他们的数字化转型以及这个数字化平台的一些陆地工作所以这一次Zoranta是第一次创业相当是第一次以CEO的方式创业OK 呀所以这一次是因为什么原因决定创业其实我们之前有服务过很多就包括像开发者像那个业内的这种开源社区包括像C500强的一些企业客户然后我们发现大家对智能体的概念就是很感兴趣因为大模型的话是相当从电力转化成token其智能体的工作就是把token转化成企业真正的价值对不对但是其实你仔细想的话Agent的话它其实更像人类而不像是一个传统的软件因为它是概率性执行的它每次都会决定自己我下一步该执行什么东西对不对然后它的整个行为都是概率性的所以你没办法像软件一样用预定的规则去穷尽它你也穷尽不了因为它Agent每次跑甚至每次生成的代码都不一样对不对然后但同时他跟人又不一样的地方因为人的话比如像coach比如说你投了一个公司不好可能你的这些LP就会找coach你投了这种不好有个人的名誉对不对比如像我比如说在calflake我服务的客户服务不好可能我的CEO就会找过来你这个东西我想出了事故对不对我们人类实际上是有背锅力的有问题的话我们要负担责任最坏可能会坐牢或者喝茶对不对但agent的话那出了问题谁来背锅公司去背锅对不对还是说是比如说写这套agent的开发者去背锅还是说这个企业的副总员去背锅这个事情怎么去处理其实这里面特别复杂就是他既像软件的一些行为它又像人类行为但是它两者都有不一样的地方所以让我具体去做Ronta这件事的话是因为我觉得这个workflow发生了一个翻天覆地的变化而现在的基础设施没有一个是针对这种workflow去设计的所以这里面的话就是存在一个特别大的一个机会然后这也是我之前在搭建过SaaS这一代对于比如说云Cloud这一代这套英法经过这几套我发现现在 [15:00] 有个完全全新的智能体agent的形态出来了那这时候他的执行体做什么他的这套英法应该怎么去构建我觉得这是一个特别让我着迷和让我特别想去解决的一个问题我觉得这个东西的话而且我看到很多创业公司去尝试去做类似的事但是我觉得这些都没有思考的特别深刻特别底层而且都是大部分都是把信用的一些技术拼拼凑凑我来把这块东西马上能上线我觉得很缺乏一个能够很能够看到很底层的一些思考地形原理去思考推断的在一个团队做这件事所以这也是我为什么放弃在空比较好的机会出来创业的一个原因如果今天大家用的就是Codex或Cloud Code,他可以用Runta吗?还是他必须要自己开源部署自己的Agent才有用Runta的必要?他如果是比如说用coding agent的话我们也是一个支持就是你可以在runter上起一个什么样的agent可以包括coding agent就比如说你在云端上一个24小时可以弹性伸缩可以比如说管理他的这种花费可以管理他的触达可以管理他的一些就举个例子比如说你cualcode来收取你邮件这里面比如说哪些邮件他应该收取哪些邮件他不应该access包括它的这些凭证它的密钥什么东西它能访问它不能访问只要你把这套现有的harness或者现有的这种coding agent或者是企业现有的这 agent只要放在我们这执行层面上就能够有这额外的一些能力我们提供了一套就是云host的平台然后上面有我们的一些比如说虚拟化的一些工作我们有定制的一些操作系统我们有网络处理的一些流程所以我们对不挑到底具体跑了什么agent所以目前你们接触到的这些客户他们认为Runta带给他们最大的价值是什么就像特别是这个月就我聊下的比较多了就大家对预算包括刚才提到TokenMaxing还有就是Computer Spending比如agent跑在什么地方然后这agent比如说我跑的比较多的话我怎么样有个更好的环境给他去跑就弹性更能伸缩的一个方式一个是Spending然后其他呢金融类的客户他们其实有蛮多的之前提到管理能力governance的一个能力他们一方面特别希望让agent来干真正的活然后来跟竞争对手拉开差距但同时又特别担心我的agent一旦开始跑我有没有可能agent又跑出什么不可攻我给你举个例子最近我看有个做这种安全类的调研发现其实世界500强的公司大部分的公司如果使用agent已经被agent泄露一些这种机密或者是客户信息这将是一个巨大的一个问题为什么这是一个创业公司的机会而不是公有云的机会呢公有云的话就是包括现在所有的公有云三朵云国内五朵云对不对然后我们实际上都是这一代因为我清理过这一代都是为SARS跟传统软件所设计的包括它的机飞模型它的这整套就是infa的底座它都是给软件跟人来设计的我觉得有个比喻就可以类似于像GPU这波浪潮因为之前的话上一波的数据中心都是为CPU来搭建对不对这一波以GPU为主你看最近起了多少家New Cloud实际上就是传统的这波Data Center需要重建因为GPU它的整体的架构完全需要重建了所以这才有这么多New Cloud的一些机会但我觉得共有云的话它会朝这方面去迭代但是它其实本质上它的计价模型它都在打架而且内部会有很多现有的一些包袱我觉得这个机会更多会在创业公司把这块做起来对但理论上其实这个除了共有云之外啊还有另外的一个有可能去做Agent Infra的公司就直接是机模厂商对吧Athorpic OpenAI就你觉得你们比起他们又有哪些这个差异化的优势呢我觉得这个问题其实也是每个投资人来聊你们在做这个到底怎么想这个会不会在模型的这个主赛道上对不对他们会不会去做这些事因为确实安Tropic已经发布了这个Managed Agent这个整个系统吗我会觉得就是其实模型公司他肯定要去做这个事但是呃其实你想真正的企业落地的话它肯定不会绑定一家模型对不对然后它也不会去绑定一个云像这个时代这样就多模型多harness然后多云实际上是一个分散风险还有做像我们最近很优秀的一些国内的一些模型然后我如何去把成本做一个整体的把控对不对还有另外一个归根结底对于大模型公司来说他们想要核心就是什么把模型能力提上来对不对就他做的一切实际上都是为了获取足够多信号 [20:00] 来改善它的模型本身所以我觉得模型的能力和INFRA底座的能力实际上我觉得还是两个相对比较明确然后有这种就是一些不同的一些资色的划分你觉得竞争最可能是来自哪里如果不是来自龚友云或者也不是来自鸡膜厂商的话我觉得反而是这种Neo Cloud或者是像上一代转型就是上一代那种做Serveless因为他们实际上已经经历过上一波这种就是从那种比如传统的软件来到这种上云的这波转变但是还是同样的问题就是他们已经有已有的客户群了已经有已有的基本盘了你如何再往上加但还是那句话就是他们来做对他们来是负的业务来说这个是我们每天24小时在思考的问题专注的团队能把这个事情做得更好另外一些专注在做Agent Infra的团队比如说E2B或Datuna他们是做Sandbox你会怎么看他们和你们的区别与竞争我觉得Sandbox的话其实是一个挺好的就从上一代基建Infra里面搬过来很好用的一套东西因为大家知道就是现在主流的这些技术就是Firecracker之类的这些技术它实际上就是来自于上一代Serveless就是AWS的Fargate这些产品所研发出来的产品但是他其实你想受不了举接什么就比如说15分钟内一小时内跑的短时间的任务所以我觉得他们目前市面上的这些Sandbox的方案对于这种短时间内跑一个很快的一个代码片段我快速给一个结果然后把整个环境把你隔离起来我觉得确实是一个还挺不错的方案然后现在的话包括像Agent的话实际上是跑了越来越长这时候的话上一代的这种技术是否还够用我们其实已经遇到蛮多瓶颈了比如说我什么时候该用GPU什么时候不应该用GPU怎么去做动态迁移怎么去做内存的动态伸缩它其实很多的上一代方案已经不够用了所以我觉得其实想要转型的话还挺难的我觉得必须要从底层往上低性原理去思考我到底针对AI智能体我到底需要什么样的一些infra然后从下往上打这整套系统我觉得才有可能真正能够处理未来十亿个智能体它到底在哪里跑这个问题所以咱们现在虽然成立不久可不可以讲一讲咱们目前拿到的最大的订单大概是一个什么体量的订单然后我们其实现在在一个还算是个比较早期探索的阶段但我会觉得这一块的话早期营收并不是我们优化的目标我们其实更愿意去真正把这个东西做从底层网上做真正去做一个通用的平台这实际上是更是我们现在优化的目标我记得我们之前有聊过就到底是要做非标品对不对还是说去做标品的这样一个问题其实我也想要跟Coach你来聊一下就你觉得就从你的这个角度来看你觉得做哪个更合适或者你的经验分享我想聊一聊你的这方面的一些认知这直觉应该是要做标品因为做标品才能够这个更容易scale如果是做非标的话那服务一个新的公司就要去搭建一个新的服务组织这个听起来还是一个从管理上面就是没有那么让人向往的一种企业类型另一方面我没有一个背景知识是我不知道这个比如最大的客户到底能有多大如果服务他我一年就可以赚了5000万美金那我服务这样四五个客户就已经两三亿美金的AR了专门的团队的对所以这个我也不要好奇未来会怎么发展我的一个看法是这样的就是呃我觉得其实现在可以去做那种就是最agent native了就是应用harness都是最前沿的方法论也是最前沿的我想要服务好这样的一些客户因为他们代表最新鲜的生产力但除此之外的话我们也会经常去跟这种就是四六五百强的公司啊去给他们保持一些这种就是阶段性的一些sync up看一下了解到大家现在这个智能体部署到哪一步了然后最近遇到什么样的那些痛点难点然后有哪些是他们会觉得是目前最爱的最在业的点所以我的看法在于说还是要两把抓但是目前对我们来说的话还是服务中Age Native的一些公司他们最愿意接受新的技术然后我觉得这是我这方面思考我不知道你怎么看科技这些agent native的公司多数都是AI创业公司呢还是其实他可能做的也不是AI他可能就是在做比如说自媒体或者他就在做广告但是他非常善用agent就您指的是哪一种啊我更说的是agent builder就是造agent给别人用的这些开发者然后还有就是锤类 [25:00] 就是比如说剪视频的agent我或者做marketing agent这些垂垒公司他们的agent因为为什么选择了客户因为他们有有量我们提供给他他就可以服务成千上万个agent当我们说企业里面有几百个agent你怎么去定义一个agent的边界因为有时候就是可能我只是在codex里面放了一个新任务你也会叫他一个agent吗就这个边界我不知道你是怎么去定义的现在的话并没有一个大家约定俗成Agent定义到底是什么现在有几方面的一个认知第一就是像女人化我在agent的话我给他就张三李四我给他命个名字给他一个身份还有另外一块的话还有具体的分工这也背后牵扯到狠一残串的这种技术问题在说这A群到底要拿什么权限对不对还有种方式就是说我每次agent干活的话我只给他分配我干这个活所需要的权限干完以后马上把它收回回来对不对有蛮多种这种管理方式但是还没有形成一个共识对因为有时候我也需要让我的codex去取我的gmail但是那个时候我就心里很不踏实理论上其实是最好不要这么干的因为那里面有太多隐私的信息了但是第一次我还会费点劲我说权限一个小时之后自动收回但慢慢的慢慢的我觉得我的边界就被他吞死了反正现在就随便看我就相信你不会去乱搞我觉得你这种属于是叫做Approval Fatih就相当于是你审核疲倦了我在这方面的话其实有一些最简单的一些想法就首先我觉得全线管理这个事要有些硬规则就比如说你agents他比如说我能读邮件我不能发邮件这就是一个硬规则我发邮件的话其实我不知道Coge你会让Agent发邮件吗会啊现在大量的语言帮我发你会用它来发什么样的邮件比如说我特别喜欢观鸟嘛我就一直这个去到一个新的地方travel我就会去找那边的这个专业的鸟岛带我去看鸟我就会让Minas去帮我找当地的鸟岛然后发邮件去联系他们请他们按照我的计划来给我报价这样的邮件我是这个发了三四次了Ok ok ok那还是那你怎么确定他发的邮件就是来比如说找鸟了这个这个邮件你有会去定期去审核他吗最开始的时候我确实会说你写Draft然后我来点发送然后他就是得到了我的信任之后我也懒得去等他写好Draft点发送我就说你就直接发吧因为感觉发出的代价也不是那么大了解了解了解但是比如说他突然发了一个邮件给你LP发了一些就是我不想干了或者这个carry太低了那会不会有内心有这种恐惧就某一天他突然发一个无法收回的邮件目前是肯定没有的但是我觉得只要发生了一件这样的事情哪怕不是发生在我身上是发生在别人身上灾难性的一个邮件发出去那之后我觉得就会非常非常的谨慎和小心如果我现在自己想要用Ranta来帮我管这些权限目前你们有对个人开放吗我们现在有一个开源的项目叫Claw Shell实际上是我们在里面有对龙虾对Hormis都有这种本地的支持如果你在本地跑一选可以使用我们开源产品然后帮你来管理邮箱但是我们其实在Runta上面提供的就是比这个会复杂的多比如说这种数据库这些比如说你的这些这种代码仓库之类的这种管理回到那句话来说我觉得像这种安全事故的话是会必然发生的就是我发现一个预言啊未来是个必然会有灾难性的email是通过这adient发生一个特别难以挽回的就mark my word我觉得绝对会发生因为现在是这样就是其实大部分包括我自己啊我会用那个叫做什么安全换便捷但是这个灾难性后果是会必然发生的那发生了以后这就是我觉得是一个很好的机会来反思一下这一块到底应该怎么管理安全本身其实是在于说你有多少信任给到智能体因为跟传统的网络安全不一样传统网络安全的话它可能会有比如说主动扫描有特征匹配我们其实是不做这类的安全我们更多做的是管控让agent在可控的边界里面去执行最坏的情况我们也能从中恢复我们做到可以省计这样的话其实是让企业有更多信任给到agents我觉得其实这玩意的话并不是一个安全的框架把它框起来而是通过你有一个相对比较好的执行底座反而是帮助他释放他真正的能力你觉得目前你去接触客户的时候需要去说服他们这个事情的必要性吗我现在发现用安全换便捷的企业不占少数 [30:00] 大家其实内心有恐惧的只不过没有好用的一套基础底座帮助大家来解决这套问题我这是一波一波浪潮过来这个会在未来就是我觉得会必然发生就咱们现在做的一切都是在准备迎接这样的趋势的到来是吗我们最终的一个愿景还是想要企业真正能够把非子毒的权限把真正生产权限交给AIA郡所以这一次创业是不是和前两次有一些不同啊就前两次感觉是已经出现了特别具体的需要去解决的问题了我们去解决问题现在其实有一种就是我现在模糊当中先迈出半步我觉得这个方向是未来很需要的我先就是做一些现在有必要的基建然后就是一边走一边看我觉得现在已经起飞了就就像你看之前提到了这一种agent infrastructure公司他们的一些就是营收啊他们的一些具体的服务客户啊很明确了必须要有针对Agent设计的英法去调整特别是执行车这一块我觉得已经是一个起飞的状态了这个比如说举一两个你感觉起飞的这种信号呢就是有特别多的企业客户就排队想要来用Runta的服务但是我们现在因为团队的交付能力就开始说优化给那Agent Native团队去做就有很多订单进来我觉得我们先暂时缓一缓现在你们有没有已经抽象出了一些标准化产品就是根据不同的来自客户的各种各样的需求我们其实是有一些比较偏标准化就比如说执行的平台包括像杀核调度包括像上面如何去做那种token的一些举个例子就是我们最近用的比较有意思的功能在说我们首先是在执行平面基础上然后harness你可以跑中harness对不对然后不管是codex还有就是你的pi或者你自己手搓了这样一套harness跑来上面跑来上面以后我们可以分析你这harness到底有没有浪费token它浪费token在哪里它怎么去浪费了提示词让你这个Hunless来迭代比如说我们会告诉你哪些方面你需要优化harness其实我们有在做这样一套东西形成一个闭环就是你harness在上面跑我告诉你这怎么把harness跑得多快好省你们自己现在在去搭建你们的产品的时候或者给客户服务的时候你们是webcoding占的比重是多少呀95%以上入门程序员那些工作基本就是全由agent来代替但是反而是那种需要依赖这种做过infra的判断力底层架构判断力这些是需要人类去花很多时间给你举几个例子就比如架构的设计在API的设计然后包括像部件的一些偶合能力如何去偶合这些架构能力我觉得反而是现在人类工程师还不可获取的一部分所以你们用agent去写代码去治理其他的agent感觉也是有风险的呀你肯定肯定这肯定是有风险的所以这一块的话必须是需要有好的EVOP就是你如何判断它是否在有效期还有一点我觉得就是我们天天在用我们自己的平台用agent来干活然后跑在我们的agent的执行环境天天使用自己的产品来做自我迭代所以在你看来如果未来出现安全的问题它大概率是模型的问题还是是harness的问题还是是就更可能出现在哪里OK首先我觉得大模型它肯定是会不停的在安全性上加一些训练上比如像最近Fabo最新的那些模型如果一旦你聊一些比如说他觉得比较敏感的信息他会自动跳转到那些比较弱的模型上解体大模型就transformer这套架构即使比如说我的第六代或者GPT7,GPT8出来它如果没有改transformer这套架构它必然还是一个概率性执行的模型归根结底是一个next token prediction他只是说我最有可能哪个token最适合来来做这件事对不对那实际上他是没办法区分你给他的信息到底是我去控制你控制你就比如说你让这Agent去发一封邮件还是说是数据它是没办法从模型测来看它就是一堆进来一堆Token它没办法区分即使你加一些比如说我中间加一些特殊制服对不对把它分割开来在它看来的话其实都有办法来绕过所以我觉得模型的安全和它的这块是一个没有办法从模型测根治的一个问题所以这也是我觉得Infra为什么会有机会的一个原因再说你通过在Infra测给它加入一些确定性的东西来确保它这套非确定性的架构在 [35:00] 企业可控的范围内去执行最近出了那个事故就是OpenAI的模型黑掉Huggenface直接黑掉Huggenface去拿那些reward signal实际上这就是反而是后面Huggenface用开源模型来帮助他来找到真正问题在哪里因为相当于是OpenAI他有做安全限制比如说Huggenface说我这里出了这样一个安全事故然后你帮我来调查一下然后OpenAI说这个不是我们模型要处理的事情直接撂条子了后面他们是用了开源模型然后去来真正帮他们找到这问题在哪里即使开源模型并不是Sota其实最优的方案我们正好在这里聊到开源必源因为最近其实也有很多开源必源的竞争因为感觉OpenAI之外的所有人全部形成了复仇者联盟然后就掀起了一个新的思潮就是大家不要再去用必源了你用它又贵然后你的数据还会被它用去二次训练没有任何的安全和性价比所以鼓励大家用开源从微软到Palantir到公有云大家都在讲你怎么看开源必源你觉得之后大家的竞争会比如再过几年会怎么发展我觉得开源的模型肯定是会一直往上爬坡然后能力最近Kimi也是接近SOTA这样第一梯队的一个表现包括最近DeepSeek最新的Flash模型也让大家看到了都会好省上有很多方面的进步我觉得这也是一个相当于是此消彼长的一个过程就是他在美国这边他毕竟算力有个巨大的优势去尝试不同的一些探索然后还有最近的这AI for AI这波浪潮就其实蛮有趣的其实我们也在服务这些公司就如何通过agents AI来改善模型的训练如果未来大家模型当队就稳到了某种程度的SOTA然后在那个时候模型是不是会变成一个商品那这个时候大家都卖不了就非常高的利润然后就变得像今天的电和水一样变成一个不是那么性感的生意就这也是大家对于大模型公司今天高企的估值的一个有大的担忧吗我不知道您怎么看我觉得最终会到达这一步但是比如说大理是一年还是五年我觉得有一些early signal就比如说斐伯五跟我之前用的OPUS我觉得对于开发者来说对我们来说没有本质上的区别我觉得这个爬坡已经开始泛缓了所以我这里就下一个暴论我的暴论就是模型能力已经够了要卷就卷info我显得你来了但是基础设施和这Honey整块都没有跟上所以导致现在还没有落地这也是为什么川普Ranta另外一个原因就现在你感觉到卷吗就你所在的infra side道有多卷Infra赛道的话Frontier Lab的话就做类似的话可能每个Frontier Lab可能至少有几十个人三百号人在做类似的事但是他们做的还是就像我说了是为了他这套模型就是提升模型的能力去搭建这套Infra底座但是我觉得从执行底座这块我反而觉得这是一个大家已经看到但并没有说我这玩意真的执行底座那么重要我觉得这也是一个相当于是大家没有一个完全共识的一个点我到底需不需要一个agent底座我希望一年以后大家不要再说agent执行需要一个执行底座还是不需要执行底座就像一个我数据从哪里数据库里面对不对我希望大家agent需要跑在哪里agent需要跑在他的agent执行底座里面因为我希望未来大家会有这样一个认识这也是我为什么出来做包括参与这个节目我希望让大家慢慢的认知到这里面实际上是需要去做这样一件事需要去做这个基建我是希望越捡越好大家就是来做越多越好因为我归方结底我是希望真正能把agent智能体落地这件事情做下来如果说你又想要去做很底层的infra你又想对客户有一些实际的价值我觉得可能ranta这边有蛮多很好的机会大家可以来考虑一下对嗯欢迎大家加入Worantan但你们现在主要都是在旧金山吗?还是你们在其他地方也有办公室?我们在新加坡跟旧金山这两地可不可以给刚参加工作的工程师们一些职业上的建议?我觉得刚刚加入的首先你先Token Magazine在刚入职场实际上大家没有包袱反而这也没有包袱就是刚入职场最大的一个财富同时的话就是你要对这些之前做这些有些敬畏之心要有这种比如说架构能力底层思考能力要锻炼起来到时候coach把我的联系方式留下来然后如果有这方面的这种就同学我特别乐意就是跟大家沟通来包括一起来探讨未来方向在你自己的职业性涯里面做对了 [40:00] 最关键的一些选择是什么首先要意识到浪潮来了举个例子就是我之前为什么加入Cloudflare是因为我看到就是在边缘计算那时候是刚刚开始那个data center就是大家从那种mainframe主机房移到云上这波浪潮起来这时候的话刚好有一个这种创业公司我觉得特别有意思就他们也在做这方面探索而且他们技术特别不错了我觉得这波浪潮值得跟然后这也是我当初加入那个Cloudflare云在空的话是我看到这微服务这波浪潮不知道Koji你还没有印象就之前微服务这部浪潮原生这部浪潮大概是在2020年前后差不多那时候我刚刚还在原人生之前还在KBISMESOS DOGSWAM这波混战的时候我觉得这里面其实蛮有意思的就大家开始思考我分布系统的复杂度到底怎么解决我有没有好的办法去解决有没有让大家比如说一个普通的工程师我能解决很难的这种就是分布系统的一些问题然后这时候我觉得反而是加入一家这种公司的话能够原生的这波浪潮起来我觉得现在也是一个比如说AI浪潮包括智能体这波浪潮是一个特别好的机会这是为什么出来创业的原因这是说我看到了这波浪潮是非做不可了不做我就是会一辈子后悔在之前的公司待得特别舒服然后各种比如条件然后我现在是在最近在空的话是创始工程师也是第一位engine manager就是来立的我们核心团队的这样一个元老级别人物大家说过来你应该退休了你做这个干啥我说我真的想做这个事情因为我觉得这就是一个mission这波weave真的来了这里面的基建真的做的很差我觉得没有看到真正的一个团队真心的那种能力很强的做这件事所以我觉得这是我会去思考职业发展或者是就是说一定要看到浪潮有把握浪潮能力浪潮来了一定要跟上有勇于冲浪的能力浪潮退去我觉得有这种我就收板回家了有这种勇气我觉得还是蛮有必要的当时不管是Cloud Flare还是空里都是Funding Team的Engineer最早加入的一批人然后事后其实证明当时其实也有很多的两个领域的竞争对手但你都选择了后来在这两个领域冲出来的最厉害的公司所以怎么在一个浪潮来的时候乱战的时候选对公司这个有什么心得就是投资其实包括我选团队也是跟投资的这样一个你们是在投Capital投财富投钱对不对我个人的青春投自己的经历我觉得其实关键还是在于人你看这个团队到底靠不靠谱是不是最有想法最有干劲然后最聪明的这拨人然后最敢闯最敢想然后这拨工程师去做然后其实我选也是选这拨就是有好的一些方向然后如果大家方向判断了对那就看执行了执行看什么就看这个团队的综合能力我最看的就是这个团队有没有就是这种底层能力就有没有往下吃一层的能力这也是我招聘的原则举个例子就比如说现在做LMInfra最牛的工程师哪些那就是能往下钻到kernel级别能够钻到比如这里面算值的优化能够调度怎么把它做起来然后包括做我们之前做空我的招聘原则用没有做网关我会是看你比如说对网络协议战对这系统这个层面有多深刻了解这也是我招聘的一个秘诀我稍微分享一下有没有这个能力往下钻一层的能力大部分的90%的人就说我这个东西刚好够用我能做能用就行了其实极少只有百分之十或者百分之五以下的人能够有对这个充满好奇心我去看一看下面到底怎么做的然后我有没有从更底层的方法去优化上面这个到底怎么做的一些能力实际上我是特别看重这方面能力就自己牵手捣鼓捣鼓一套系统能力去研究最新技术的能力然后有没有快速去把一套东西吃透的能力我在之前就是加入这些公司里面我觉得我在他们早期创始人或者是这种身上看到这些能力我才去加入对我觉得肯定有一个非常有公民的点就是投人尤其在一个行业刚起步的时候大家没有谁能够想清楚未来一二三四五六七八步对吧甚至一二三步都想不清楚的时候那你只能去看这个人是不是他最有领导力然后他最有学习能力他最有一定要去干成这个事情的热情以及任性等等对但我另外一个好奇也是替年轻的工程师们来问就是很多时候你去了解一个公司你的渠道是有限的 [45:00] 就是面试的时候的一些交流机会而那个时候其实留给你问问题的这个时间也不多吧所以当时你去Cloud Flare 你去控的时候你是怎么去了解他们的呢这里面有没有一些技巧或者经验可以分享作为一个刚入职场或者是还没入场的年轻人的话最多的是什么是时间你想是不是回望就是时间实际上最多但时间又是最宝贵的我的一个经历就或者可以跟大家分享一些就是你多花点时间好好去研究这个事你可以比如说24小时去思考比如说你是CEO的话你会去怎么做然后你把这个就做一些脑部实验然后你再去聊的时候只是你没有了然后你的自己脑部实验头脑风暴我觉得其实是可以给你带来更高一层的一些视角再说你真的多花点时间去思考这个公司到底要做什么做的事情我去从我的角度去推测怎么做从他的角度怎么推测但我觉得归根结底的话一点再说如果说你能够做足够多的功课包括像我在空的话我实际上是跟创始人起码认识了差不多一年多的时间我是在这公司转型了以后实际上最早空的话他做的是有点像open router这样的一个活他相当于是把不同的API把它来 resell 来卖但那时候没有这种大模型的API他可能比如卖个地图API卖一个这种什么查询的API但那时候太早这个东西浪子还没来我觉得这一波的话其实我觉得现在还不是一个很好的时机所以我其实花了特别多的时间去做思考做调研然后做充分的理解跟创始人沟通在他们转型成为空的就是那几个月我才加入这个公司他们其实之前不是做这一块的所以我觉得年轻的话要多花时间去研究真的就是比如说可以多听coach的podcast然后多去了解从一个投资人的思维思考我怎么投资了我觉得证明很多贡献就是你怎么去投资一家公司和你怎么投资你的职业这里面有很多我觉得值得学习的点真正如果说这个东西特别值得投那说不定就是你的各方面能力你对这个的理解的认知和你的对他的fit的程度我觉得其实是现在大到一个比较好的平衡那时候我觉得就是你会内心说我不加入这公司我这辈子都后悔这里是时间这里是浪潮来了你必须要做必须要成这波浪了对我觉得投资的时候你可以换一个问题就是如果换作你是一个求职者你要不要加入这个创始人如果你都愿意加入他那其实你真的就应该投他因为你要去给他打工了这个是一个就你给他一笔钱这是更重的一个commitment所以如果这里都愿意那就你真的应该投因为我觉得这里面有蛮多共性我自己也会天使投资我去这边有个叫开天眼对不对不知道你们有没有这个比喻就是开天眼的意思就是说你作为一个创业者思考一下怎么去投资实际上就相当于是从不同的角度去思考问题我觉得就是比如说你从更高一个维度的思考问题和从更底层的维度思考问题你要经常切换你自己的角色去思考这问题一旦你能把这些问题思考清楚的话我觉得就是是一个特别大的优势而这个优势的话是可能就别人很难追上来的一些优势蛮有意思的那如果今天比如说我们做一个思想实验给你一笔虚拟资金比如说三百万美金就要求你此刻今天必须把它立即投出去投给三个人然后你脑海中有这样的人吗你要投给谁我具体的人我名字我就不说了因为他们可能还在还在funding的过程就是我可以举一个就是那种头部视频模型的这种早期的创始成员这其实我是literally我就最近也是在帮他们去找投资我甚至可以个人会去参与一些他们的话我觉得首先视频模型这一块是一个gecoding模型第二个赚钱的赛道就被证明赚钱的赛道而创业公司能把这个做好了就真正从模型车把这个做好了所以我觉得这块机会是特别难得的但这块的话 可能你感兴趣我可以推荐你聊一聊这里面的创始人 对 另外一块的话我觉得AFOAI这个就是呃这个就是呃创业公司是有机会的就是在于说AI for AI你怎么样去通过AI来训练好的模型包括去在Auto Research的基础上发挥这种长城的方式去让你在Asia能做更多活这个的话我也个人有私心我想通过跟这样的公司来合作来把我这个底座做得更好同时也是会让打造下一代这种开大模型的一些范式包括这种我也知道 [50:00] 前模型公司Frontier Lab也在做类似的事所以我对这方面也是比较关注的那我们最后聊两三个比较轻松的话题一个就是这个你更喜欢Cloud Code还是Codex我现在Codex什么原因呢你是肯定是缺义过来的对吧大家都是有搬家的过程对Codex的话就是人很话不多就给他坑吃坑吃干活然后像那个我记得龙虾作者他其实有做过类似的分享我觉得蛮有意思的给大家分享他觉得Codex更像是一个德国人他就吭哧吭哧干活给你干的这个质量也很高然后Codex的话更像一个美国人他就很chattie跟你说一堆废话就是你又没有考虑这个东西你这东西有没有想透他其实就是不同的性格然后我为什么用Codex首先这模型的能力我并没有看到代息上的差别Codex的话它而且经常会给一些reset经常会有一些好的一些就是对开发者友好包括它的harness开源了对这种开发者来说打了资产翻身战就是从把我们从这个quadcode转移到Codex上我觉得这波还是说能站住脚了在这个coding上我觉得还是值得跑值得用的一套harness但however我们在我们execution上面跑的时候我们发现Codex有各种各样的问题我们其实有计划去给上游提供一些这种修复因为它是开源所以像那个Clock Code它是被迫开源我们没有办法去贡献对不对我们其实还是想通过我们这执行底座来优化上面harness其实这也是我们一个考虑所以你们内部是统一用Codex吗现在还有任何人在用Cloud Code或者用Cursor或者别的产品吗我个人用codex比较多然后别人用codex还有Glock还有像我们在Fireworks这样用国产的一些比较前言的模型其实都有用我们现在内部的一个共识在说我把Mortal router交给工程师本身工程师他们最有体感他们知道什么时候该用什么样的模型我们还会用Glock就是做一些比如说前端这些一些不需要那么就是资深工程师参与的那种就是比如说出错了以后恢复半径也比较小的那些工作我们会交给没那么收场的模型但这些的话我全部让工程师自己决定就他们爱用什么模型用什么模型然后我们用了模型五花八门但是我希望最终工程师给到结果是工程师能够负责任的一个结果就行了我不管你用什么模型但是我是希望大家就是通过这样来培养体感来培养对目前模型状态的一个认知能够理解然后我也特别欢迎大家用各种模型就是用各种奇事妙想把这个模型的多快好省想要支持我们的客户做这个事所以我想我们的工程师也有这方面能力对模型也有体感然后这样才能够改进我们这下面的自信层除了Codex,其他你用的最多的AI产品还有哪些?我个人用Hermes跟Pi然后我们团队对这种龙虾内的就不屑一顾他们其实这里面写的特别烂然后也有他们自己去手出一套这种Harness出来然后看其实效果还不错其实所以我就觉得这Harness可能互成合并没有那么高可能其实每个企业到时候可能归根结底还会自己搭一套出来我个人还会用一些比如说Eleven Labs去用一些音视频去做一些这种语音客服务帮你去打电话包括像我一个朋友正在创业做帮你自动去比如说你要扣多钱了对不对他自动语音客服务帮你去把这钱要回来在那些agent我实际上用的还蛮激进的我属于是我们公司用agent最激进的一个人了对我感觉这个关南你整个状态非常的有活力感觉非常开心就是创业确实特别做一个CEO来创业我觉得每天确实都是过山车每天可能比如说有五个好消息五个坏消息但是我觉得焦虑的原因在于说大家晚晚会被那几个坏消息所焦虑然后其实我也会经常会有些这种困惑但over-over的话从更大的一个角度来说我觉得首先我们是否在解决一个特别让人兴奋的问题我觉得我是在解决一个特别让人兴奋的问题 [55:00] 我们是否是最适合做这个团队我觉得目前的团队配置包括我们现在要招的人我觉得也是朝这个方向去演进的包括我们投资人包括我们背后的支持的网络我觉得也是最适合这里面其实在于说大家真的是觉得我们是在做一个特别meaningful一件事这件事真的是会很深远的改变AI的格局改变智能体格局所以这些事让我很兴奋让我觉得即使坏消息也就是点坏消息对于未来比如说几十一个agent落地来说这点算啥对不对一种好奇心驱动去探索问题我觉得这可以给我带来还蛮多兴奋感真好这个状态非常的让人羡慕哎呀 哎呀好好那我们今天谢谢灌篮也也希望就是你的这个快乐或者创业的这种激情可以感染到听这期节目的朋友们对也感谢coach给这样一个机会然后我也想稍微再插播一下如果各位听众朋友参与未来agent的基建是感兴趣的欢迎找我来聊嗯好我们会把联系方式放在这个播客的介绍里面欢迎大家这个联系观栏这个联系网塔好那我们今天先到这里谢谢好的好的感谢科技拜拜好 拜拜