模型无关，我认为这是其中非常有趣的一个方面，也是那些实验室无法做到的事情。如果你想想在同一地方购买你的产品和令牌（tokens），这就像你正在用机器建造一座工厂，却从能源供应商那里购买机器，而且插头只能兼容一家能源供应商。如果你的能源供应商是俄罗斯天然气，那你现在的处境会非常糟糕；而如果你连接法国核能则毫无意义。好了，让我们给Stan Huang鼓掌。（掌声）>> 谢谢邀请我参加。 >> 我觉得我们非常幸运能有他。他极其睿智，接下来他会谈谈在前沿实验室的阴影下如何构建业务。最后我想问问关于公司建设的问题，因为Dust是一家在融资、招聘和运营方面都非常深思熟虑的公司。所以我希望能与大家分享这些知识。也许我们开始吧，你能告诉我们你是谁吗？

我是Stan。我很幸运能早期加入Stripe，在那里度过了五年时光。那是我们加入Stripe时的收购年（acqui-hire），在那五年的末尾，我对AI产生了兴趣。我不是受过训练的研究员，但幸运的是再次加入OpenAI时，工程师还可以进行研究，这一切都是可能的。我在那里花了三年时间研究大语言模型和数学。 >> 你决定离开OpenAI？ >> 是的。 >> 为什么？

疯狂，对吧？ >> 对，确实如此。 >> 我觉得这里有个有趣的事实。如果我还留在OpenAI（虽然情况可能不再适用），我放弃的股票期权价值超过了公司六个月的整体估值。这听起来像是个坏主意。 >> 是的，尽管如此，你后悔吗？ >> 不，完全不后悔。 >> 那么，你为什么离开呢？

真的，研究是一项非常特定的工作。正如我刚才所说，我不是受过训练的研究员，所以我花了那三年时间做着我从未完成的博士研究。我非常享受那段经历。但在最后，我真的想回到构建产品的过程中。做研究时，你往往是在表面上摸索几周或几个月，然后发现一些有趣的东西让你超级兴奋、极度高涨，但这种状态持续的时间只有5秒钟。五秒后你会觉得“哦，是的”，然后继续摸索。所以我认为这是一种有趣的事情，我也很享受它，但我更想回到围绕产品构建事物的工作中来。

所以你决定在实验室之上构建一些东西？你创立了Dust，能告诉我们更多关于Dust是什么吗？ >> 当然。显然，我们生活在一个公司定义不断变化的世界里，因为我们运行的技术基础架构变化极快。过去20年里，你们都知道、我也知道，技术基础是JavaScript和PostgreSQL，那是一种相当稳固的状态。你可以预见几年后你要构建的东西是什么，但情况不再如此了。

但我认为Dust最初的动机非常简单：这些模型已经准备好真正改变我们的工作方式，而我们希望专注于将大语言模型应用于职场。在2022年或2023年初我们进行融资时，这几乎被视为一个利基市场，这很有趣。但这就是主要理念。显然产品本身也在不断演变。 >> 所以你花了很多时间思考工作以及工作方式将如何演变？如果你现在的想法是正确的，你认为两到三年后会发生什么？

哇。两到三年的时间点……在这个阶段预测任何事情都感觉不可能。 >> 只是试着告诉我们两到三年后工作是什么样子的？你最好的猜测是什么？

是的，我有点像Sam Altman。我是说，他曾经在某时说过类似的话。我觉得我有同感。如果你想想我们的祖父母辈（great-grandparents），那时候的工作主要是体力劳动；或者再往上推几代。如果他们看着今天的我们，他们会说：“你们不走路了？你整天就坐在一把椅子上盯着屏幕发呆，那才不是工作呢。”所以我认为在两到三年内……我很确信这一点，而且相当乐观：我们仍然会走路，但工作将感觉不像工作。两三年后的我们会看着现在的我们说：“嘿，你在这里做的根本不算真正的工作。”

不过有趣的是，正如你在2023年所说的那样，当时是代理（agents）的非常早期阶段，但你仍然有关于它们将如何影响工作的论点。当你回顾过去时，你哪里是对的，哪里是错的？

我认为我们深信工作将被这项技术极大地颠覆，在这方面我们认为自己是对的。而且我觉得我们现在才刚刚开始被证明是正确的。在三年的时间尺度上……直到过去几个月，工作才开始发生变化。作为一名开发者，自2025年11月以来（注：此处原文为November 2025，可能是口误或未来时态假设），我们的工作方式完全改变了。虽然只有几个月时间，但工作已经发生了根本性的变化。我认为我们在其他所有职能中也开始看到这一点。所以这项技术将对我们的工作方式产生极大的破坏性和结构性影响，在这方面我们是对的。

即使在三年的时间里工作看起来没什么变化……当时有一些垂直领域的产品专注于工作的特定部分，两年前主要是关于聊天（chat），即提问和获取答案。但工作形态并没有必然发生变化。所以在某种意义上，我们正确的地方在于：这将重塑我们的工作方式；而我错误的部分……我认为我过于相信会出现早期的平台期（plateau）。即使这项技术在几个月前就停滞了，我们仍然需要数十年的部署和创新才能将其采纳到我们所做工作的每一个角落。但这种平台期根本没有发生，如果你看看我们现在重新定义工作方式的方式……显然没有停滞。所以我想这就是我不够乐观的地方。

是的，我记得你跟我提过这个平台期，我还在等它到来呢。 >> 是啊，它还没来。

好的，所以我想确保我们谈谈房间里的大象……

OpenAI 和 Anthropic 都是巨头。它们行动迅速，不断创新，而你正与它们并肩作战，就在它们身边。嗯，你对此作何感想？>> 感到挑战吧，我想。呃，不，这显然是具有挑战性的。嗯，我们很早就选择了一条横向平台的道路。再说一遍，在过去几年里，每个人都在说要将 AI 垂直化、将 AI 垂直化，而且有很多有力的论点支持这一点：当你拥有垂直化的 AI 产品时，你的市场进入策略会简单得多，因为你知道该瞄准谁，你去和他们谈，然后重复这个过程。相比之下，当你拥有横向平台时……

这已被充分记录在案：我们不是第一个这么做的，Notion、Airtable 等皆是如此。其市场进入策略要棘手得多，因为这些平台显然极其强大，但人们会说：“啊，是的，但我该用它做什么呢？我不明白。”正如你所说，走在阴影中对我们来说有点苛刻，但并肩前行……[笑声] >> 抱歉。>> 显然，与 Anthropic 和 OpenAI 相比，我们微不足道，但这没关系。并肩前行既有益又具挑战性。其益处在于它们……

非常高效地教育市场，而且我认为正如我们今天所见，一切都在围绕横向平台展开。感觉每个产品都朝着同一方向收敛，即某种新型生产力套件，就像微软一直在做的那样，或者 Google Drive 所做的那样，但用于人机交互。它们以前的产品深度很深——那些垂直化的 AI ——但现在看来，一切都在向产品深度的减少收敛，而在集成覆盖范围上则大幅增加。所以这有点像《三体》小说或电视剧……

你看到那个绕地球运行的东西，几乎看不见它，但它超级强大，因为它覆盖了一切。所以我认为我们在争夺那个位置。在产品空间中存在大量收敛现象。我认为在这一方面，构建产品生态系统的不同理念将创造差异化。我们正大力走向协作和多玩家 AI。我可以花几分钟时间解释为什么这说得通。我们还坚持模型无关性，我认为这是其中非常有趣的一个方面……

这也是那些实验室无法做到的。如果你想想在同一地方购买你的产品和代币，这就像你建造一个有机器设备的工厂，却从能源供应商那里购买机器，而插头只兼容一种能源提供商。如果你的能源供应商是俄罗斯天然气，那你现在的处境会很糟糕；而连接法国核能则毫无意义。所以我认为对于产品玩家来说，在智能来源方面保持无关性是非常合理的。>> 那么……

嗯，你目前是无模型的，并且会继续保持这种方式吗？>> 是的，绝对如此。我不认为我们会……这很有趣，因为我们是无模型的，但同时在任何阶段，很大一部分用途都指向一个提供商。但这正是重点：在给定的一段时间内，该提供商是完成工作的最佳选择；而在另一个时间点，其他提供商才是完成工作的最佳选择。这种情况变化非常动态……

所以我们看不到任何我们会放弃模型无关性的时刻。>> 是的，这说得通。所以当我想到这些巨头以及它们对初创企业生态系统的影响时……它们在许多方面影响着它，其中之一就是融资市场。我认为存在一种风险，而且这确实是正在发生的事情：它们抽干了融资市场的氧气。因为你是风投（VC），你宁愿在一个实验室投入 10 亿美元，也不愿在……

十家公司中每家投资一千万。你在这个环境中融资过，所以你有这方面的经验。你认为这些巨头如何影响融资市场？哦，是的，我认为……我们的融资历程是这样的：我们很幸运地获得了非常轻松的种子轮融资和 A 轮。B 轮是我们第一次真正面临竞争，那很复杂且艰难，理应如此。部分原因是因为我们从法国起步……

而在当时（2022 到 2023 年），从美国的角度来看，这比现在稍微不那么流行。另一部分原因是我认为市场上的大量能量都被实验室吸收了。确实如你所说，如果我是天使投资人，对我来说将 10 亿美元投入 Anthropic、在六个月内获得翻倍回报并就此了事，是完全合理的。所以希望这些公司能上市……

这将使它们进入风投的“禁区”，这意味着有望为市场带来流动性。所以希望情况会好转。我想回到关于法国实验室阴影下的话题，但在之前……因为你谈到了融资，我想谈谈这一点。因为当我谈论 Dust 时，我常说的一件事是：我认为 Stan 和他的联合创始人 Gabrielle 是我见过的最具思考能力的创始人……

特别是在公司建设和融资方面。你来自 OpenAI、Stripe，作为第二次创业的人，你可以以疯狂的估值进行融资，但你决定在种子轮和 A 轮都以合理的估值融资。你是如何做出这个决定的？>> 我认为这对我们来说非常自然。我看到一些朋友在 20、21 年融资时稍微有点吃亏，融得太多。我认为如果公司……

融资过多且未能实现所融资金潜力的话，会陷入一个死胡同。最终结果只有退市和低迷（抱歉说错了）。而且我……我是说我从未做过这种事，但我认为低迷在很多方面都很糟糕。所以我们从一开始就知道我们要专注于产品层。我们有一个口号至今仍几乎适用：“在实现 PMF（产品市场契合度）之前不购买 GPU”。我们在一个……

融资用于训练很流行的时刻进行了种子轮融资。当时每个人都在这里运行一亿美元，在那里运行两亿美元，而我们只筹集了五百万美元。这看起来似乎很傻，但同时我们知道我们在产品层构建，无法使用那笔钱，那样做也没有意义。我们更……

与其以较低的估值融资，不如更加激进地投入建设、创造势头，并在准备好时进行下一轮融资。这是积极的一面。消极的一面则是我们可能有点过于“法式”了。我认为需要找到正确的权衡，在这方面我一直对 Mistral 印象深刻。我见过 Arto Mench（注：指Mistral CEO Arthur Mensch），因为我和 Giaml 很熟，当他决定创业时我认识他。他极其聪明，但对如何建立公司一无所知——完全没概念，只是个研究员。然而，他在欧洲实验室CEO这一充满不完美的角色中不断成长，他们成功打造了一家估值120亿美元的公司，这非常值得推荐且令人印象深刻。这其中有一种“让我们激进地踢球”的意味。我认为这是一条微妙的界线，两个方面都很重要，本质上这是一个灰色地带。

是的，这说得通。你提到在法国创业可能更具挑战性，因为你曾在旧金山生活过，了解那里的环境并在那里建立公司、招聘员工，但你最终决定回到法国创业。你是如何做出这个决定的？今天对此有何感想？从公司建设的角度来看，如果从一开始就在美国发展会容易得多。但这并不意味着容易就是正确的选择。我和 Gabriel 都真心希望回到法国建立一些东西，因为这对我们很重要。这其中有一种国家偏好或主权层面的考量，这是一个额外的约束条件，你必须非常清醒地认识到这一点。

但我始终坚信，当事情进展顺利时，这根本不是问题。看看全球最成功的公司或 Spotify 那样的巨头，人们常说风投机构必须在旧金山，但那些风投根本不在乎本土化。当事情运转良好时，没人关心你在哪个国家。所以这是一种为了更大的利益而承担的额外摩擦，是一种权衡取舍。是的，这说得通。我想谈谈实验室领域。有一个具体问题可能对观众有用：我们看到各大实验室正在进军新的垂直领域，例如 Anthropic 涉足法律领域的 Legora。如果你是创始人并面临这种情况，你该如何思考？

是的，垂直化在 go-to-market（市场进入）方面有很大的优势。由于当时的模型效果不佳，围绕其构建一些支撑结构使其变得有用是有道理的。但随着模型的进步，这种第二层价值正在消失。因此，垂直化并非不好，但我认为我们几乎身处一个智能被商品化的世界。就像早期的 SaaS 和互联网时代一样，我认为垂直化产品带来的价值在于能否创造出不同类型的模式——可能是你所在垂直领域中的某种网络效应。这才是即使在完美智能介入的情况下也能保持防御性的关键。

因此，如果你在一个特定行业构建垂直化产品，我认为我们回到了2010年左右收到的建议：寻找网络效应。找到具有防御性的东西，因为你有来自多个用户在同一平台交互产生的价值。如果没有这一点，如果仅仅是向用户提供智能而没有网络效应，我认为防御性就会发生变化。是的。那你如何看待利润率？

在那些日子里，利润率很难做，非常困难。当你作为实验室时，你在 token 层面捕获了利润空间，然后构建产品通常不会在此基础上加价，因此当你已经损失部分利润时就会面临压力。对于你来说，如何思考收费以及什么是合理的思维方式？我们曾经采用基于席位（seat-based）的定价模式，这在三年前是合理的。但为了鼓励使用和价值创造，我们取消了它，改为统一价格：付费即可无限使用。

显然，在过去六个月中，使用情况激增。智能体循环（agent loops）变长，模型到处都在消耗更多的 token，导致我们的利润率压缩。我们正处于向基于信用（credit-based）定价过渡的阶段。我认为今天如果在产品层构建 AI 应用，别无选择只能采用基于信用的定价模式，因为人们想要更多地使用 AI，他们会尽可能用尽你给予的额度。如果是固定价格根本行不通。

因此，就当前 AI 产品的定价而言，我认为这是维持利润率的唯一途径。因为如果是固定价格，利润率会被压缩并持续受到挤压——至少在模型变得更好、人们使用更多的当前条件下是这样。关于与实验室的竞争，历史上曾有公司在捕获利润的基础设施之上销售产品，并以零价格转售相同产品的先例。有很多例子，比如 Box 或 One Passport（注：可能指特定案例）。我认为创建一个深思熟虑、精心打磨且高度差异化的产品显然具有价值，这仍然能够捕获可观的利润空间。

最后一点是，希望开源技术在某种程度上正在迎头赶上，这将对实验室的利润率造成压力。如果你看看数据——你也可以查看 SpaceX 的文件——你会发现这些实验室的利润率高得惊人，真的非常高。我试着在10秒内说完……

如果你思考模型的成本，你可以查看延迟。延迟是衡量模型成本的一个指标，因为对于给定的基础设施而言，延迟反映了模型的规模、能耗等。如果我们比较 Cloud Code 和 GLM-5.2 的延迟，它们大致相同。Cloud Code 所能接受的最高延迟即为此值。因此你可以比较利润率，可以将 GLM-5.2 在 Base10 或 Fireworks 等平台上的价格，与你在相同延迟下使用同等前沿模型所支付的价格进行比较。两者之间的差距接近 9 倍。这意味着这些实验室在提供前沿模型时，极有可能创造了约 70% 到 80% 的利润率。希望随着开源模型的兴起，市场能重新校准，这些利润空间会缩小，即使他们仍保留大部分利润，你也将拥有更好的竞争机会。

这很有道理。时间到了，但我还是想问你最后一个问题，因为正如我所说的，你非常有智慧。你有什么最后的忠告想要分享给在座的各位吗？特别是那些创业者或渴望成为创业者的年轻人。

是的，我认为最终真正重要的是找到你想解决的问题和你拥有的愿景。这听起来很老套，但确实如此。因为创办公司每天都非常艰难，简直糟透了。过程中会有极高的巅峰时刻，但更多的是低谷期。如果你没有那件能让你每天早上醒来时心想“这就是我做事的原因”的事情，那么这种状态是不可持续的。所以第一件事是：如果你心中没有这个目标，今天就去寻找它。在构建过程中重新定义它是可以的，但一定要找到那件能让你尽管面对工作中那些“吃玻璃”般的痛苦仍能保持动力、朝向目标前进的事情。

是的，我同意。非常感谢你，也请代我们向他致谢。有你来真是太棒了。（掌声）