愿景与野心：构建者的黄金时代

Alexandr Wang认为，当前是“没有任何时期比现在更适合成为构建者”。在这个充满机遇与风险并存的摇篮中，稀缺资源不再是智力或执行力（agency），而是愿景和野心。他提出一个核心问题：你是否拥有清晰的未来图景？是否明确知道你想如何影响世界在未来5到10年的样子，使其与今天截然不同？这种对未来的强烈主张和清晰视角，是驱动构建者前行的核心动力。对于拥有强烈变革观点的人来说，当下正是将想法转化为现实的最佳窗口期。

早期经历：从数学竞赛到硅谷实战

Wang的成长轨迹始于新墨西哥州的洛斯阿拉莫斯，一个以奥本海默闻名但地处偏远的地方。尽管他在高中时期参与了大量的数学和计算机科学竞赛，但他渴望做“大事”，却并不清楚具体路径。高中毕业后，受一位在硅谷实习的朋友影响（其朋友曾在Palantir工作），Wang选择先不读大学，而是直接去硅谷积累经验。他在Quora工作了1年的间隔期（Gap Year），这段经历让他深刻意识到：从外部看，你完全不知道公司是如何运作的——包括如何构建产品、如何进行迭代以及如何通过团队做出决策。这种实战经验比理论学习更为宝贵，为他后来的创业奠定了坚实基础。

MIT探索与Y Combinator的关键转折

在Quora工作一年后，Wang进入麻省理工学院（MIT）学习。18岁入学，19岁时创立了Scale AI。在MIT期间，他处于一种“不断从消防水管中喝水”的高强度学习状态。正是在这里，他开始训练自己的第一个模型，并接触了刚发布的TensorFlow框架。MIT提供了探索兴趣的绝佳机会，让他得以在学术环境中验证技术想法。随后他申请了Y Combinator（YC），这一决定被证明是创业旅程中的关键转折点。Wang评价YC不仅是支持性的，更提供了“非常真实”的反馈——当创始人犯错时，他们会直言不讳地指出。这种“当你像个傻瓜时就告诉你”的直率文化，对于初创企业的成长至关重要。

从医疗AI到数据基础设施：第一性原理的胜利

Scale AI最初的想法并非现在的核心业务。Wang与联合创始人Jared Friedman原本计划开发一个帮助人们获得医疗护理的AI代理。Wang认为这是一个最终会存在的伟大想法，但时机不对。在尝试了一两个月后，Jared直言这个项目“可能不会有任何进展”。这次反馈促使他们回归原点，深入思考真正的机会所在。Wang回顾在MIT训练模型的经历指出：当时获取计算资源（如GCP账户）和代码只需“按一个按钮”，但数据却没有任何有效获取方式。他推断，未来必然会出现一种能像其他资源一样便捷获取数据的方式。尽管早期投资人对“卖数据”这一不性感（unsexy）的商业模式持怀疑态度，质疑其持久性，但Wang坚持这一基于第一性原理的判断。如今，当初拒绝他们的投资人正在撰写文章强调数据在AI中的关键地位，这验证了早期洞察的正确性。

建立独立信念与早期创业的艰难进化

创业的核心在于在无人认同的领域建立坚定信念。Alexandr Wang 指出，全球最成功的公司往往诞生于核心概念尚未普及的时期，创始人在此阶段需在长期默默无闻中耕耘多年，直到该理念成为行业共识。Scale AI 的起步便是一个典型例子：必须基于对世界真实规律的朴素认知构建业务，而非追随主流声音。如果过度依赖外界意见或随波逐流，创业者极易陷入混乱并迷失方向。

"You have to develop your own compass of what you think the future's going to look like because everyone else will just confuse you."

早期创业 mechanics（机制）如融资、获客和招聘极具挑战性。Wang 承认，没有人天生擅长从未做过的事情。他在早期接触投资者时，对方常惊讶于他的快速成长与转变。对于所有创业者而言，初始阶段的笨拙是常态，成功的关键在于能否通过持续学习和快速迭代实现自我进化。这种从无知到精通的过程，是初创企业生存与发展的必经之路。

AI 时代：从大卫对战歌利亚到全民超级智能

当前被 Wanger 视为文明级别的创业机遇期。他认为，当前的瓶颈已不再是 AI 模型本身的进步速度，而是如何将现有技术扩散至全球并帮助世界适应。即使今日 AI 模型不再有任何改进，未来数十年仍将伴随经济结构和运作方式的剧烈动荡。这为拥有愿景的创业者提供了重塑未来世界形态的独特机会。

创业格局发生了根本性逆转。十年前，初创企业如同大卫对抗歌利亚，资源匮乏且需寻找市场缝隙；如今在 AI Agent（智能体）的赋能下，初创企业已演变为“增强版歌利亚”。通过充分利用 AI 智能体的力量，初创公司能够以极具雄心的方式发挥优势，从而轻松超越传统行业巨头。这种力量平衡的打破，使得资源不再是决定胜负的唯一因素。

Meta 的个人超级智能愿景与生态爆发

在 Meta，Wang 所关注的“超人工智能”概念具体化为个人超级智能（Personal Superintelligence）。这一理念与 Mark Zuckerberg 提出的“个人 AGI”高度一致，旨在为全球数十亿用户打造量身定制、理解上下文并扩展其行动能力（Agency Expansion）的智能助手。核心目标在于帮助人们完成过去无法想象的成就，并回答“如果一切变得简单，世界将如何运作”这一终极问题。

"We believe that everybody in the world... are going to have a superintelligence that is adapted and tailored to them, that enables them to accomplish their goals..."

Meta 反对 AI 控制世界的极权主义观点，转而推崇一个由数十亿个人智能体与商业智能体共同构成的动态生态系统。目前 Meta 平台上已有 2 亿家企业，Wang 预测随着 AI 工具激发创造力爆发，这一数字将增长至数十亿。最终形成的将是全面由 AI 超级赋能的复杂商业与个人协作网络。这种去中心化但高度互联的生态，被视为 AI 时代最具潜力的发展方向。

Meta AI 实验室的重构与“人才密度”核心论

Alexandr Wang 在加入 Meta 约一年后，回顾了团队如何从零开始构建前沿 AI 实验室的过程。面对原有模型 Llama 4 未达预期的挑战，团队采取了零基重建（zero base build）的策略，迅速推出了 New Spark 1、New Image 以及后续的 New Spark 1.1。Wang 指出，这一系列快速迭代的核心在于对人才密度（talent density）的极致追求。他认为，高浓度的人才具有自然复利效应：越是有才华的人聚集，就越能吸引更顶尖的人才加入。这种人才结构是应对前沿 AI 研究不确定性的关键基础。

“Talent density was incredibly important. That was the core thing to bet on and like talent density is something that compounds naturally.”

Wang 强调，前沿 AI 工作本质上是科学研究（scientific work），而非传统的互联网产品开发。团队需要探索模型的边界、能力极限以及潜在用途，这要求一种完全不同的思维模式和运营体系。这种运营模式必须能够适应生态系统中指数级增长（exponential growth）的趋势，包括模型能力的提升、算力的扩张以及用户采用的加速。因此，实验室必须像生物有机体一样进化，以承载这种多维度的指数级增长。

开源战略与去中心化的 AI 愿景

在发布新模型的同时，Meta 正致力于推动开源模型（open-source models）的发展。Wang 明确表示，团队坚信 AI 能力与进步应当走向去中心化（decentralized world）。其核心目标是赋能更广泛的生态系统，让全球各地的开发者和构建者都能利用这项技术进行创新。这种策略不仅是为了发布模型，更是为了赋能生态系统（empower the ecosystem）和开发者。

Wang 通过回顾 AI 发展的历史浪潮来论证这一观点的必要性。他指出，每一波新的技术范式都比上一波规模大十倍：从早期的自动驾驶汽车，到后来规模扩大十倍的聊天机器人（LLMs），再到随后出现的代码代理（coding agents）。他认为，最好的 AI 产品尚未被开发出来。为了激发这些潜在的巨大创新，必须降低技术门槛，让尽可能多的人参与到构建未来的过程中。

成本优势、可靠性与新一代工具链

在讨论具体模型表现时，Wang 引用了一个极具说服力的案例：用户在使用 OpenClaw 运行 Muse Spark 模型时，发现其在代理流（agentic flow）和技能文件方面的表现与 OpenAI 相当，但成本仅为后者的八分之一（8x cheaper）。这一数据有力地支持了 Meta 的立场：不应让模型昂贵到只有最富有的开发者和公司才能使用。Wang 认为，技术的普及必须建立在可负担的成本基础之上。

针对开发者对现有工具（如 OpenClaw、Hermes Agent）稳定性不足的评价——Wang 将其比喻为“经常抛锚的法拉利”（Ferraris that break down on the side of the road）——Meta 正在开发新的Harness（工具链/框架）。该新工具将重点解决三个关键问题：速度（speed）、可靠性（reliability）和可扩展性（extensibility）。Wang 强调，对于代理开发者而言，速度是最关键的指标之一，而新框架将支持复杂的多智能体协作（multi-agent setup）和编排循环。目前，开发者可通过官网使用 OpenCode 接入模型，而专属的 Harness 即将推出，旨在通过组合式创新（combinatorial innovation）进一步释放生态潜力。

“We don't believe in a world where these models are so expensive that, you know, they get rationed only for the most wealthy of developers and companies.”

智能与代理的普及：从稀缺到丰饶的历史转折

回顾过去十年，人工智能的发展速度令人惊叹。十年前，最先进的 AI 模型仅能识别 YouTube 视频中的猫；如今，我们面对的是具备强大交互能力的“数字神祇”。这种指数级的进步表明，智能和代理（Agency）正变得前所未有的丰富。过去，人类文明进步的瓶颈在于“聪明人聚集在一起实现共同目标”的能力；而在未来，稀缺资源将不再是智能或执行力，而是愿景（Vision）和野心（Ambition）。这意味着创业者需要回答的核心问题不再是“如何构建模型”，而是“你希望未来世界是什么样子”以及“你是否有意愿克服一切困难去实现它”。

“回顾过去，人们会意识到智能变得丰饶、代理也变得丰饶。当前趋势将继续下去。”

这种转变意味着，AI 将使实现愿景的过程变得容易十倍甚至百倍。然而，这也要求个体具备更宏大的想象力。世界目前尚未完全准备好接纳这项技术，因此构建者（Builders）肩负着双重责任：一方面要利用前所未有的机会开发新科学、解决健康与生物学难题、创造全新商业模式；另一方面，必须帮助企业和政府适应新技术，并应对生物安全和网络安全等风险。这是一个充满机遇与风险的摇篮期。

系统思维的核心地位：从编写代码到编排智能体

尽管 AI 能力飞速提升，但系统性和严谨的思维（Systematic and rigorous thinking）依然至关重要。Alexandr Wang 指出，抽象层一直在变化：早期创业需要编写代码；现在则是如何编排智能体（Agents）协同工作，未来甚至要管理数百万乃至数万亿个智能体的协作。这种对工作流程结构的思考能力永远不会过时。传统模式下，先写代码再组织人类团队；现在则是先组织智能体，再思考如何管理这些“军队”。因此，完全转向纯自然语言交互（Word Cell）而放弃结构化思维（Shape Rotator）是一个错误。开发者仍需具备架构复杂系统的能力，以应对智能体规模的指数级增长。

“我认为完全押注于‘文字细胞’（Word Cell）是一个错误。你需要既懂自然语言交互，又具备结构化思维。”

对构建者的建议：愿景驱动与责任承担

面对计算机科学专业人数下降等趋势，Wang 认为这并不影响对核心技能的需求。构建者的关键移动策略（The Move）是结合强大的愿景与系统执行力。世界正处于一个奇特的阶段，智能的丰饶使得个人能够以前所未有的规模影响未来。然而，这也带来了巨大的责任。构建者不仅要创造新价值，还要帮助社会适应技术变革并管理潜在风险。对于那些拥有清晰未来图景并有强烈驱动力的人来说，现在是成为构建者的最佳时机。技术降低了执行门槛，但提高了对愿景质量和道德责任的期望。只有那些能清晰描绘未来并愿意为之奋斗的人，才能充分利用这一时代红利。

构建面向未来的哲学罗盘与愿景

在人工智能即将在未来十年引发比过去百年更剧烈变革的背景下，建立深层的哲学视角和世界观变得至关重要。人类文明正经历前所未有的转型期，因此，拥有积极且连贯的未来愿景比任何时候都更加紧迫。这种内在的“罗盘”不仅是对技术发展的预判，更是对人类社会如何演进的深刻思考。只有具备这种宏观视野，才能在混乱中保持方向感。

“我认为未来十年人类的变化将超过过去一百年，因此我们拥有积极愿景并清晰阐述其发展路径的迫切性比以往任何时候都更重要。”

这种哲学层面的准备是应对不确定性的基石。当外部噪音充斥时，坚定的内部信念成为抵御市场波动和行业混乱的保护伞。对于创业者而言，这不仅是技术选择的问题，更是关于如何定义世界应该成为什么样子的根本性问题。这种深层的价值观指引着长期的战略决策，确保在短期利益诱惑面前不迷失方向。

代理循环（Agentic Looping）的巨大阿尔法机会

在具体的技术应用层面，“代理循环”（Agentic Looping）被视为当前最大的未开发领域。其核心机制在于通过持续反馈循环，允许系统在代币（tokens）消耗上增加 1000 倍甚至 100 万倍以驱动最终结果。传统企业本质上是一个大型反馈循环：获取客户、提升满意度、增加收入、雇佣更多人员以获取更多客户。在这个宏观循环中，存在大量微观反馈环节。

“如果你能开发正确的代理循环并拥有合适的评估指标，一群代理可以轻易完成超过 100 名工程师团队的工作量。”

Meta 内部的案例证实了这一点：通过优化代理协调问题，可以实现远超人类团队的效率。关键在于找到正确的评估指标（evals），让代理系统能够自主优化这些微观循环。这种模式将原本由人工操作的边缘环节自动化，从而释放出巨大的生产力潜能。解决代理协调问题已成为当今最具吸引力的技术挑战之一。

去魅化：机械执行与平凡细节的重要性

尽管前景宏大，但实现代理系统的过程并不神秘。其机械本质归结为技能、Markdown 文件、定时任务（cron jobs）以及明确的指令目标。外界常有关于 AI “魔法”的夸大宣传，但深入挖掘后发现，一切最终都回归到 mundane（平凡）的工程细节。LinkedIn 等平台上的许多“魔法”建议往往缺乏实操性，真正的价值在于如何精确设定指标并让代理去执行。这种去魅化的视角提醒从业者，不要迷信虚无缥缈的概念，而应专注于可执行、可衡量的工程实现。这种务实的态度是构建可靠 AI 系统的基石。

致年轻自己：识别指数级曲线与坚定信念

回顾创业历程，给 18 岁自己的建议核心在于培养内在罗盘并识别具有最陡峭增长曲线且持续时间最长的指数级趋势。过去是摩尔定律，如今则是AI 进步。即使起点看似无聊（如早期的 YouTube 猫检测器），只要处于正确的指数曲线上，就值得投入。坚定的信念是穿越多年市场混沌和行业动荡的关键。这种对长期趋势的信仰，加上对短期噪音的屏蔽能力，构成了成功创业者的核心素质。

最后，Meta 宣布为现场观众提供 Spark API 的新用户免费额度。新 Spark 模型的价格比 Opus 便宜八倍。这一举措旨在降低开发门槛，鼓励更多人利用更高效的模型构建应用。通过提供更具性价比的工具，Meta 希望推动更多创新者进入这一领域，共同探索代理循环带来的无限可能。

结论

Alexandr Wang的论述最终确立了“愿景与野心”为AI时代构建者的核心稀缺资源，而非技术执行能力。Scale AI的转型与Meta新Spark模型以Opus八分之一的成本实现同等代理流表现，实证了数据基础设施与高性价比开源模型的战略正确性。当前创业格局已从大卫对抗歌利亚逆转，初创企业借助AI智能体可轻松超越传统巨头。

然而，技术普及仍面临工具链可靠性不足的挑战。Meta通过构建Harness框架解决速度与扩展性问题，并强调系统思维在编排多智能体协作中的不可替代性。代理循环被视为释放巨大生产力的关键，但其成功依赖于精确的评估指标与去魅化的工程细节。总体而言，智能丰饶降低了执行门槛，但要求构建者具备更宏大的哲学视野与承担社会适应风险的责任。