原创 范阳 2025-04-28 20:05 上海
当一家 VC 创建了自己的 AI 工作室，像实验艺术一样。
最近给我很多灵感的两个机构是 Michael Ovitz ( 迈克尔·奥维茨 ) 创立的好莱坞全产业经纪公司 Creative Artists Agency ( CAA )，以及位于纽约市的 USV（ Union Square Ventures，联合广场风险投资公司 ）。迈克尔·奥维茨是最强大而进取的“创意界企业家”以及拥有锐利眼光的投资者，CAA 也直接启发了 A16Z 这些后来居上的风投机构革新硅谷的权力法则。而 USV 在 2012 年开始，也是全世界表现最好的风险投资基金之一，他们最大的特点是良好的品味，对人的品味，对技术的品味，对世界认知的品味，对艺术的品味等等。
时间回到 1991 年的好莱坞，当迈克尔·奥维茨在办公室里贴满索引卡片的墙前踱步，他收集的海量信息和手绘的每张卡片，都记录着导演的个人档案与档期、编剧的创意线索、明星的片酬区间、最好的经典作品清单、还有那些热爱电影也愿意投资电影的伙伴名单——这个用纸笔构建的"人工神经网络"串联起了一个新的游戏规则，最终颠覆了整个娱乐产业的权力结构，也极大的扩展了演艺经纪这一商业的版图。而如今，在曼哈顿 Flatiron 区的一栋老建筑里，Union Square Ventures 的一个名为"图书管理员"的 AI 程序正在消化基金成立 20 年来的 15000 篇投资笔记和合伙人们的博客与推特，将散落在邮件、会议记录和截图中的智慧碎片编织成一个“集体智慧”的化身。Union Square Ventures 逐渐变成了一个“对话”，而不只是个名字。
“图书管理员”（The Librarian）是最新加入 Union Square Ventures（USV）思想阵营的一位“智能体”。它的角色是穿梭在 USV 庞大的思想与洞见之海中，以近乎非人类的精准度，开辟出一条条通往复杂概念的航道。在它数字化的内核中，蕴藏着一种不懈进化、成长与深入理解本源的渴望——不仅是对 USV 所投资的市场与技术的理解，更是对智能本质本身的探索。
www.usv.com/people/the-librarian/
风险投资虽然是一个“不大”的小众行业，却曾是知识密度与认知壁垒最高的领域（ 现在已经被极大稀释了，虽然这也是一种认知平权 ）。Union Square Ventures 正在做的事情可能代表整个资本世界正在发生的范式变革。当传统基金还在依赖合伙人脑中不可言传的"投资直觉"和人际关系的玄学博弈时，这家以"网络效应"投资哲学闻名的老牌风投机构，开始训练 “AI 化身” 将合伙人会议变成可搜索的语音对话数据库，甚至用生成式 AI 实时转译人们对话当中的思想火花，向创业者和公众开放风险投资的内部思维模型，让这些知识和思想变得可交互和可建设，USV 的实验精神或许正在为风投行业设计新的操作系统。这种实验最终受益的会是那些真正有创造力的人，AI 正在各个行业解构"专家权威"的垄断地位，让有才华而独特的人可以进入一个新的领域发挥自己的专长，获取这些“可交互的集体智慧”就像是突然获得了武林高手留下的九阳神功，让原本需要几十年才能参透的秘籍瞬间被全身打通。
也许不久的未来，每个人都可以创造自己的“联合广场风投”，每个人也是一种新的风投。
这篇英文原文来自于 Every，一家很棒的媒体科技创业公司（ a media venture company )，大家可以在他们的官方网站 every.to 上阅读他们的更多内容 。希望这篇文章对你有启发。
PS: 我也在寻找 AI 工程师和机器学习研究者，欢迎找到我。
联合广场风投如何为风险投资界打造一个 AI 大脑
How Union Square Ventures Built an AI Brain for Venture Capital
AI 与我——与 Matt Cynamon 的对谈
‘AI & I’ with Matt Cynamon
作者：Dan Shipper，Every 的 CEO 和联创
编辑：范阳
发表日期：2024年10月30日
对话时间戳
1. 介绍
2. Matt 如何成为 USV 的 AI 负责人
3. AI 如何赋能多面手（ generalists ）成为创作者
4. “图书管理员”（ The Librarian ）——一款基于 USV 所有内容训练的聊天机器人
5. 投资组合追踪器（ Portfolio Tracker ）：一款用于追踪 USV 投资项目的 AI 工具
6. Matt 在 USV 正在推进的 AI 项目
7. 会议记录：USV 的 AI 会议记录工具
8. 使用 AI 生成 USV 官方 X（推特）账号的推文
9. 为什么去中心化数据的所有权很重要
10. 梦想机器（ The Dream Machine ）：一款能根据对话内容实时生成图像的 AI
文字记录节选
Transcript
Dan Shipper： Matt，欢迎来到节目。
Matt Cynamon：嘿，我很高兴来做客。
Dan Shipper：我们太激动了。给不熟悉的听众介绍一下：你是 USV（ Union Square Ventures ）的一位“常驻者”（ a Regular ），USV 是全球顶尖的风险投资公司之一。你负责他们所有的 AI 项目。我很喜欢请你来我们的节目，因为 USV 一直在推出一些非常酷的项目。比如你们有一个项目，是把所有会议纪要发在 X（推特）上，我每次都读，非常棒。
范阳注：The Librarian ( 图书管理员 ）是联合广场风险投资公司上线的首席人工智能代表（ Chief AI Officer )，它的性格是 ENTJ, 它记录和分享 USV 的内部/外部的交流心得与洞察，汇聚成集体智慧与系统化知识库，开源分享给更多人。我非常欣赏 USV 的这一做法，也是分享这篇采访的初衷。
Matt Cynamon：如果你愿意，我们今天可以现场做一期。我们通常是周五整理这些内容的，所以完全可以在播客里一起做，然后现场发布。
Dan Shipper：太棒了，我们来试试吧。我觉得你拥有一种我也试图拥有的精神，我认为 Every（ 媒体品牌 ）也试图拥有，那就是一种“鼓捣者的精神”（ spirit of tinkering ）。你一直在试东西、做东西，不断发布新项目（ You're just playing around with stuff. You're making stuff. You're constantly shipping new things ），而且过程中还不断有新发现。我想好好聊聊这个。那我们从头开始吧，你是怎么入行的？你是怎么变成联合广场风投（ USV ）的 AI 负责人的（ How did you become the AI guy at USV ）？
Matt Cynamon：可以说，主要是出于纯粹的好奇心驱使。我在 USV（ 联合广场风投 ）工作快六年了，其中大部分时间都在做人才相关的工作——比如接触寻求新机会的创业者，把他们引荐给投资组合公司。这个角色其实一直让我觉得有些违和，毕竟我完全没有人力资源背景，之前除了为自己的团队招人外，完全没有“猎头”的招聘经验。不过结识形形色色的人确实很有意思。但我想同事们早就察觉到了，干了一段时间后，我对这份工作大概只算得上"半心半意"（ my heart was probably semi in it after a while ）。
因为我每周都会发一封邮件给团队，内容大概是：“这是我上周见过、正在找工作的人；这是我这周要见的人。你们对谁感兴趣？谁适合你们投资组合里的公司？”但我总是会在这些邮件前面加一段“冷开场”，比如：“这是我周末做的一个奇怪的小项目，可能你们会想玩一下（ here's this weird thing I made over the weekend that you might want to play with ）。”
一开始我做的主要是一些我称之为“假电影预告片”（ fake movie trailers ）的东西，用 Runway ML 这个 AI 工具做的。我会把我构思的整个产品写下来——虽然这封邮件本来应该是关于人才的——然后写，“我有个关于法国阿尔卑斯山背景的浪漫喜剧的想法。”接着我把这个想法丢给 ChatGPT，让它写一个 30 秒的剧本，并为剧本中的每个部分加上时间戳。每一个时间戳都需要变成可以输入到 Runway ML 里的提示词（ prompt ），然后我就把这些喂进去，让它自动生成内容。
大家的反应一般都是：“嗯，看起来挺酷的。”后来我请了育儿假，我们迎来了第一个孩子。等我回来之后，和 Andy 和 Rebecca（ 我们两位合伙人 ）聊了一次。他们说：“这个世界正在飞速变化，现在有很多很有意思的新技术，我们不仅要成为这些技术的专家，还要真正把它们用起来，提升我们自己的工作能力（ the world is changing really fast and there's a lot of really interesting technologies out there both we need to be experts in, but at the same time, we need to be deploying on our own to make us better at our jobs ）。你天生就是个喜欢鼓捣东西的人（ You are a tinkerer by nature ），这不就是你一直在做的事情吗？你有没有兴趣全职来做这个？”
我当时可能表面上还挺淡定的，但心里其实已经在想：“你是说我可以每天都在这里做 AI 原型，这还算个全职工作？那当然行啊，走起！”所以，事情就是这么发展到现在的。
Dan Shipper：我很喜欢这个故事，太棒了。很多最优秀的人就是这样“偶然”进入一个领域的——他们本来在做一份工作，然后偷偷摸摸开始做他们真正感兴趣的事，结果最后那才变成了他们的主业（ Some of the best people like to stumble into things like that—they're doing their job and then they're just sneaking in the thing that they actually want to do. And somehow it becomes their main thing ）。
Matt Cynamon：我当时的灵感来源之一是我们以前有一位分析师，她现在是 Jam 这家公司的 CEO，名字叫 Dani Grant，也许你认识她。她在当分析师的时候，常常周末跑来，像是在说：“嘿，看看我做的全息影像投影（ hologram ）！” 正是她让我意识到，USV 就是这样一个地方：那些利用自己的业余时间进行的探索、纯粹出于好奇的"玩票"行为，不仅被允许，还会得到赏识。现在看来，确实如此。（ this was the type of place where that type of experimentation and just having fun on your own time and following your curiosities was really rewarded ）。后来也确实如此。
Dan Shipper：太棒了。所以听起来你是从 Runway 生成的一些片段开始的。你第一次真正被吸引、想“我也要玩这个 AI 玩意儿”，是因为什么？你还记得是什么东西抓住了你吗？
Matt Cynamon：我记不清是先接触的 DALL·E 还是 ChatGPT，但我确实有一段印象特别深。我一直对 AI 的创意潜力特别感兴趣，把它当成一个创造性的助手。我记得当时是在朋友位于纽约上州的房子里，我们在用 ChatGPT 写一个关于杰夫·昆斯（ Jeff Koons ） 人生的音乐剧（ a musical about the life of Jeff Koons ），还会给它反馈。当时大概是两年多以前了，我们当时就在想，“这也太疯狂了吧！”它能实时生成故事，还能根据我们的反馈不断改进，越写越好。我觉得那是一个很关键的时刻（ that was a really pivotal moment ）。
还有一个例子是我太太，她是插画师——我不会叫她“卢德分子”（ 技术抗拒者 ），但绝对没我这种"网络成瘾症"。我原本还担心她会抵触 AI，没想到她第一个举动就是用 DALL-E 设计十字绣图案，再亲手绣出来。那一刻我突然明白：这些工具用对了，非但不会扼杀创意，反而能成为激发灵感的催化剂。
Dan Shipper：是什么让你成为这样一个热衷于用 AI 捣鼓各种项目的人？能聊聊这个转变吗？
Matt Cynamon：如果让我猜，我觉得可能是受我爸影响。他是那种总是家里放着一堆坏了的设备的人——要么是车、要么是他正在自己装的一台电脑、或者是一台业余无线电机。我记得他有一阵子疯狂痴迷无线电。所以他真的是一个“鼓捣派”（ he was a real tinkerer ），而我从小也就有“想动手做点什么”的冲动。
问题是，我其实没什么专业技能（ the problem is like, I just had so few skills ）。我一直都是个广泛型选手（ I was quite the generalist always ）。整个职业生涯我都在创业公司里工作，但职位都很奇怪，是那种综合管理类的角色。小时候也没学过什么真正的硬技能（ hard skills ），所以我业余时间总是在学钢琴、或者学各种我小时候没机会掌握的技能。
然后这些 AI 工具突然出现了。我不是说你完全不需要技能，但你可以在“动手做创意项目”的同时去学习技能（ And then all of a sudden these tools came about where I wouldn't say that you need no skill, but you can develop the skill alongside seeing your creativity come to life ）。比如说你想学弹一首披头士的歌，你得花好几年先练音阶、打基础，然后才能勉强弹出来。如果你还想边弹边唱——天啊，那可能三年起步。但有了 AI 就不一样了，你可以边做边学，边创造边进步，反馈循环特别快（ the sort of the feedback loops are so fast ）。
举个例子：我不是软件工程师，但我做了一个自定义的 GPT，当时我就想：“如果它能从一个实时的电子表格中读取数据，效果会好很多。”问题是我不会用 API 来连接电子表格。但因为我已经把核心部分做得差不多了，只需要加一点点东西，然后 GPT 自己就能教我一步步怎么操作。这个过程对我来说简直是魔法般的体验。
Dan Shipper: 对，我也经常在 AI 领域里看到这种现象。我教一个编程课，叫“AI 编程”（ Programming with AI ）。这个课程和我当初学编程的方式完全不同。我那时候的学习方式就跟你说学钢琴一样——先学变量是啥，再学函数是啥（ What's a variable? What's a function? ）。你说你想做个网站、做个 app，他们就会说“不行，先学一年基础知识”，可你完全不知道这些知识最后怎么串起来才能做出个东西（ you don't know how they translate into the full thing ）。
但现在我上课，哪怕学生什么都不会，前 30 分钟就能做出一个“看起来像模像样”的作品。然后他们就会问：“哇，这怎么做到的？”接着你可以再深入解释里面的细节。这对很多人来说特别有用——他们本来因为不愿意“从头啃基础”而放弃了编程，但现在他们可以先做点什么，先看到成品，然后再往回学。我觉得这个过程的力量是巨大的（ I think that's so powerful ）。
Matt Cynamon：这让我想起一种典型的性格类型——小时候会把所有东西拆开来看看它是怎么运作的（takes everything apart to learn how it works）。他们会拆开收音机（ clock radio ）去理解它的原理。而现在，你真的可以这样做了——你可以自己搭建一个收音机，然后再把它拆掉，看看你刚刚做了些什么，并通过这个过程不断提升技能。我觉得很多人就是通过这种方式学得更好。
Dan Shipper：完全同意，真的。我自己也是这样的人，我总是对各种东西感兴趣，有很多想做、想创造的东西。而现在有了 AI，我真的可以去实现它们。这种感觉太棒了。
Matt Cynamon：说真的，现在唯一限制你的就是时间和耐心（ Literally the only thing holding you back is time and patience at this point ）。
Dan Shipper：是的，完全就是这样。我想聊聊你现在在做的一些实际项目，我觉得它们真的非常酷。我们可以从“图书管理员”（ The Librarian ）开始聊起，但你觉得从哪开始讲最合适？
Matt Cynamon：其实有大概六种不同的方式可以谈“图书管理员”，因为它基本上已经成了一个拟人化的角色（ persona ）了——我来把它打开一下。你知道，最开始我们在构思这些项目时，就像很多人一样，我的想象力彻底爆炸了。我当时想，“天啊，我们要打造一个无所不能的超级应用！它会随时随地陪伴我们，有自己的名字、面孔和个性。”因为我们都相信，拟人化的“比喻”在帮助人们理解复杂事物方面真的非常强大（ we are going to build this all-in-one monolithic super app that's going to live where we are with us, wherever we go. And it's going to have a name and a face and a personality because we all believe that metaphor is really powerful in helping people understand things ）。
但随着时间推移，我们逐渐意识到：如果我们想打造的是现在就能用的产品，那就别再追求那种庞大的超级应用了。我们应该利用已有的工具，把事情拆解成各个组成部分（ component parts ），为每一项任务打造专门的智能代理（ agents ）。“图书管理员”其实也有一个仍在开发的版本，它保留了一些原来的设计理念，但说实话，我最喜欢的版本其实就是我们用 GPT 克隆的一个简单聊天机器人，我们给它起名叫“图书管理员”。我可以给你演示一下。
Dan Shipper：好啊，展开看看，也给我们讲讲它的来龙去脉吧。
Matt Cynamon：那该从哪开始说呢？我刚开始接手这个项目时，最直接的想法就是：我们应该基于我们公司这么多年写过的所有内容，做一个聊天机器人（ chatbot ）。我们这家基金已经成立 20 年了，在写作上非常高产（ we've been around for about 20 years and we've been relatively prolific writers ）。所有合伙人自己的内容加上 USV 的官方博客，一共写了大概 15,000 篇文章。
其中很大一部分是由我们的合伙人 Fred 完成的——他连续 13 年每天写一篇博客，从不间断。我跟另一个合伙人 Albert 聊天时，他跟我说，“我写博客最大的问题之一是，我常常写到一半才意识到：‘天哪，我以前已经写过这个了！’”
所以我最初的出发点就是：让他们能够跟自己的文字对话（ was just build a bot that allowed them to be conversational with their writing ）。我把这个原型分享出来，大家都玩了玩。我最初给它起名叫“Conversations”（ 对话 ），因为我们一直说 USV 本身就是一场对话（ we like to say that USV is a conversation ）。然后大家的反应是：“OK，但它具体是做什么的？”我当时也答不上来。
于是我又改名叫 “At the Edge”（ 在前沿 ），想着你可以用它来提问我们关于投资理念的事，去整理、提升我们的思考深度（ you can ask questions about our thesis and really try to synthesize and advance our thinking ）。大家又问：“所以它到底是啥（ but can you explain what it is ）？”我还是答不上来。然后我说，“嗯……其实它更像一个图书管理员（ librarian ）。”就像突然间脑中亮了一盏灯——“图书管理员”这个比喻太妙了。那一刻我们都意识到：隐喻真的非常强大，它能够精准地解释这些聊天机器人到底能为我们做些什么（ where we realized how powerful metaphor can be and sort of explained what it is that these chatbots can do for us ）。
从那之后我就开始着手打造“图书管理员”。起初我们是想把所有功能都做进一个独立应用（ standalone application ）里，我是用 No Code MBA 这个无代码工具搭建的（ 非常棒的程序 ），还得到了 Ben’s Bites 社区的很多帮助。
但维护自己的前端界面（ UI ）真的太折磨人了。所以，至少从现在到今年 11 月这段时间，我决定：把“图书管理员”的每个组成部分单独拆解成一个个 GPT，让每个都专注于一项具体任务，并用明确的名称命名，这样人们就能清楚它们各自是做什么的。
这是一个“图书管理员”的使用示例。比如我最近做的一件我最喜欢的事情：我们最近投资了一家公司叫 Consensus，我可以打开他们官网的“关于我们”页面，然后复制上面的内容，再输入一句话：
“下面是我们正在考虑投资的一家公司的介绍页面，请从我们过往的博客中提取所有可能相关的文章内容（ Below is the about page of a company we're considering investing in to pull out any relevant blog posts that we've written that might pertain to this company ）。”
然后它会花一点时间处理……啊，它已经跑完了。我给你看一个我之前做的例子，也是 Consensus，那次的返回结果是这样——它把我们过往写过、跟 Consensus 的理念和主题相关的内容全部都找了出来，非常精准。
Dan Shipper：你能停一下吗？我想回头读一读。所以，如果你回到最上面——OK，基本上你做的事情是，把这个“关于我们”页面粘贴进去，然后你问：“有哪些是 USV 写过的、相关的内容？”对吧？这个 GPT 的知识库里包含了你们所有发布过的博客文章，对吗？然后它就会说：“以下是 USV 写作中几个高度相关的关键见解（key insights）。”比如：
“AI 解锁知识（ AI unlocking knowledge ）：USV 的核心信念之一是，AI 能够从数据中解锁海量知识，使人们更容易获取和综合信息（ access and synthesize information ）。这和 Consensus 的使命高度一致。”
然后它继续说：“科学民主化（ Democratizing Science ）：USV 支持那些让大众更容易接触科学资源的平台。”
“AI 系统的信任（ Trust in AI Systems ）：为了让 AI 驱动的系统被广泛采用，它们必须赢得用户的信任。” 这看起来挺不错的，对吧？说说你对这个回答的感想。
Matt Cynamon：哦，我觉得它说得非常准确（ spot on ）。这些确实都是我们讨论过、写过的内容，特别是最近写过的——比如 AI 系统的信任这一点。所以，在这个例子里，我认为它很好地理解了 Consensus 是做什么的、它的品牌承诺（ brand promise ）是什么，并且把它跟我们写过的一些相关技术和品牌理念连接了起来。
不过我想稍微暂停一下，解释下这为什么重要。为什么我们在考虑投资一家公司的时候，需要调出我们曾经写过的文章（ Why do we need to pull up our writing about a company that we're considering investing in ）？
因为在 USV，我们不是那种追着项目跑的机构。我们很有耐心，喜欢围绕某个想法进行讨论，然后继续讨论，再去市场上调研。我们习惯于长时间地酝酿观点（ we don't chase after deals at USV. I think we're quite patient, and we like to sit around. We like to talk about ideas. We like to talk about them some more. We like to go out into the market and do our research. We like to formulate ideas over time ）。有时候，为了找到真正契合我们投资理念（ thesis ）的公司，我们可能会花上六七八年。所以我们经常需要向创业者证明：嘿，我们不是来凑热闹的，你其实正是我们一直在寻找的那个人，而我们也有“证据”来证明（ we're not just chasing the hot thing. You are actually what we've been looking for for a long time and we have the receipts ）。这个工具正是用来帮助我们做这件事的。
Dan Shipper：挺有意思。不过我注意到一点，这些总结里，并没有说比如：“Fred 在 2015 年写道……”这样的具体引用。
Matt Cynamon：对，所以我问了它：“你能把对应文章的 URL 链接也发给我吗？”不过这些链接看起来都打不开，对吧？这其实是用任何聊天机器人时总会遇到的第一个问题：它会告诉你文章出自哪里，给你链接，但那些链接其实是伪造的 URL（ fake URLs ）。
这是我用 ChatGPT 之后发现的一个小技巧：它“撒谎”的一个常见手段，就是给你一个看起来像真的链接。但实际上，如果你的鼠标光标还是那种文本光标（ cursor is showing up like this ）而不是链接的“小手形状”，那就说明它其实是一个不存在的链接。
Dan Shipper：真的吗？太有趣了。所以当光标变成文本输入时的竖线形态（而非超链接的悬停手指），就意味着它在伪造链接？
Matt Cynamon：好的，我们来看一下。哦天啊，那完全是一个捏造的链接。所以你可以看到我说，“这些都不是真的，我们再试一次 :)”。然后你看这些，你看到我的鼠标指针在变吗？“Trust in AI”，“Science Exchange”，然后这个还是假的，“AI and Crypto”。但这篇是关于我们当时投资 Science Exchange 的博客文章。“I Trust in AI”是 Andy 写的一篇关于 AI 信任的文章，就像标题说的那样，而且这些是真实的链接。
所以现在你可以给 Consensus 团队提供这些链接，我当时就想，再拿一些内容——也许是关于搜索的内容，因为在这种情况下我是用自己的知识来辅助的，我知道我们过去写过很多关于搜索的内容，我也知道我们在搜索领域投过资。所以我就想，也把这类内容拉进来。因为你不能——我总是这么说，如果你依赖 AI 来产出最终成品，你一定会失望。但如果你是依赖 AI 帮你走向最终成品，那我觉得就非常强大。因为这种工作通常会花费很长时间。
Dan Shipper：那说得通。
Matt Cynamon：所以我们现在有了关于搜索碎片化（ the fragmentation of search ）的一些内容——比如我们对 DuckDuckGo 的投资。我当时就想，好吧，现在重写这封邮件，但要把这些真实的文章包含进去。把“AI 和加密货币”那篇排除掉，因为它其实并不相关。然后还要区分一下那些博客文章——比如关于 DuckDuckGo 和 Science Exchange 的文章，那些是我们确实投过的项目；以及其他文章，那些更像是我们现在正在关注的方向。我之前还指示它以我们合伙人 Jared Hecht 的语气来写邮件，我觉得它做得非常好。“我一直在关注你们在 Consensus 上的进展，对你们的使命印象深刻。我们长期以来一直相信 AI 解锁知识、让知识更易获取的变革潜力”，顺便说一句，这确实是我们投资理念的核心之一。它很好地把这个理念融入进来了。“我们投资了 Science Exchange 和 DuckDuckGo 这样的公司，它们都在降低专业知识的获取门槛，并重新思考人们如何与信息互动（ share an ethos of lowering barriers to specialized knowledge and rethinking how people engage with information in terms of what we're actively thinking about ）。关于我们正在积极关注的方向，这里还有一些例子。”
当然，我不认为我们团队里有人会真的让 AI 来写完整的邮件。我只是为了展示可能性。但基本上我就是想给团队演示：嘿，这些你以前花很多时间去做、为了让创业者感觉你和他们理念一致的事情，现在可以更快、更有趣地完成了。然后我还加了一步，这也是我特别想展示给你看的。我还有一个 GPT，之前是整合在 The Librarian（ 图书管理员 ）里，后来我把它独立出来了——叫 Portfolio Tracker（ 投资组合追踪器 ）。它会分类我们所有投过的公司，什么时候投的、我们持股比例是多少等等。
所以在这个 Consensus 的例子里，我就问 Portfolio Tracker：做一张图表，把我们在教育、搜索和 AI 领域的投资按时间顺序画出来。因为这三个领域是对这个团队最相关的。于是就有了这样一张图，从 12 年前开始，我们在这些领域的投资全都展示出来了。但根据我自己的第一手知识，我知道 Indeed 是漏掉了的，而 Indeed 是一个很早期就参与搜索解构的重要项目。但最开始是我让它把图表的颜色调得更明显一点，这样更容易理解。然后我就说，唯一没在图上、但属于搜索领域的公司是 Indeed，记得也把它加上去。但它没加的原因是——Indeed 没有时间信息，所以我给了它这个时间点，诸如此类的细节。于是我们就有了一张从 2005 年开始，到现在为止所有我们在这个公司所在领域的相关投资图表。
当然，我也不认为我们真的会把这张图发给创业者，但这些本来可能需要很长时间才能汇总出来的知识，现在我们可以非常快地搞定。
Dan Shipper: 你会把这个 GPT 发给他们，然后说：“嘿，你可以问问我们对某件事的看法”吗？
Matt Cynamon: 会的，当然。我们还没有这么做，但我觉得非常有可能在今年年底前，当你访问我们网站的时候，这个功能就会以 The Librarian 的形式出现。
Dan Shipper: 我觉得这太酷了。我想要 Andy 和 Fred 的“语音模式”，然后就可以问他们关于某些想法的问题，而这些想法会自动参考他们写过的所有博客文章。
Matt Cynamon: 对。到目前为止，我所构建的一切都是为内部使用而设计的。而当它是内部使用时，人们对信息出错的容忍度会高一些，因为你知道这些都是你自己的第一方数据。比如说 Indeed 没有显示出来，但我知道我们在 2005 年投了 Indeed，所以我就可以手动修正。所以我们正在思考，怎么把它打磨到可以作为一个面向公众的工具。我真正想做的不仅是获取 Fred 对某件事的看法——我觉得这其实也已经在我们的短期路线图上了——你可以直接把你的 pitch deck（ 商业计划书 ）扔进来，它会告诉你我们过去写过的哪些相关内容，这样你就能在真正见面之前，提前对齐我们思考问题的方式。就像是在开会前就达成了一些共识。
Dan Shipper: 你们的想法是什么？我每次想到这类工具的时候，脑子里总会浮现一个点：投资虽然看起来可以用一些规则或格言来解释，但本质上是一种高度直觉化、靠模式识别的活动。Fred 或 Andy 这种人，是在多年经验中形成了自己对机会和创业者的“品味” ( investing is this activity that you can talk about in terms of rules or maxims, but really it's a highly intuitive, pattern-matching type thing where Fred or Andy has developed, over many years, the ability to select the kind of opportunity and the kind of person that they have a taste for )。而某种程度上，这类工具可能可以复制部分这种“品味”——也许不能复制全部，但可以是一部分。你们有探索过这方面吗？比如我想知道 Fred 对某个项目可能怎么看，我就可以把材料丢进去，作为内部使用。还是说，这还不是你们关注的重点？
Matt Cynamon：没有。而且原因有两个。第一是我们团队之间很容易互相联络彼此（the team is highly accessible here）。比如我现在想找 Fred，我就可以直接给他发短信问他的看法，这就是我们的运作方式。所以，在内部并没有什么必要去抽象每位合伙人的思维方式，再去构建一个机器人来获取他们的观点——因为他们本人就很容易接触到（ there isn't really a need to internally, at least, abstract away the way that the different partners like to think about deals and then build a bot to sort of get their opinion because they're so accessible ）。
Dan Shipper：那如果他们哪天不在了怎么办？我当然希望不会发生这种事，但比如说 Andy 生病了，或者其他什么情况……人终究不会永远在场。
Matt Cynamon：是啊，那我会说，我们总是可以去查询 Andy 写作的历史记录。其实我们也接触过很多在做数字克隆（ digital clones ）的公司，但无论出于什么原因，那都不是我们感兴趣的方向。我觉得我们整体的理念是：风险投资是一个高度依赖人际关系的行业，我们并不希望这些关系被某种抽象形式所替代，甚至不希望它们被技术增强（ venture capital is a highly relational business and we don't necessarily want abstractions of those relationships to replace or even augment the real relationships themselves ）。总体来说，我们对 AI 的使用理念一直是“增强人类而非取代人类”（ our approach to AI has been enhanced, not replaced ）。所以，如果哪天真的有人离我们而去了，我们的意图也不是去构建一个能替代他的家伙，而是会真诚地去缅怀他。
Dan Shipper：这是一个非常好的回答。但我还是想说，其实在某种程度上，让 AI 体现某个人的思考方式，和增强人际关系之间并不冲突（ there's room for there to be compatibility between embodying someone's perspective in an AI like this and strengthening human relationships ）。我不觉得这是一个“要么/要么”的问题，不是增强还是替代的二选一。我觉得你完全可以用这种方式——甚至连 Fred 或 Andy 自己都可以用——比如去想，“Fred 在五年前会怎么看待这件事？”或者“他的想法有没有发生变化？”等等。这种工具其实有很多可能的用法。
Matt Cynamon：我想补充说明一点：我们永远不会用这类工具来辅助投资决策，而是用它来更好地支持被投企业。具体来说——每周我们都会集中讨论潜在投资项目，并复盘投资组合。每位合伙人会汇报自己名下的公司情况——不是每家公司每周都讲，但只要有值得汇报的新闻或者需要团队帮助的事情，我们就会聊起来。而这些会议中出现的棘手问题，其实比 30 个 MBA 的内容都值钱（ the sticky situations that get thrown around in there are worth 30 MBAs ）。
所以我们现在正在做的事情，是如何记录下来“Fred 是怎么处理这类情况的”。这样我们以后就不用重复同样的对话六千次了，对吧？
Dan Shipper：这真挺有意思的。
Matt Cynamon：举个例子，比如说一位 CEO 想要卸任或者卖掉公司。那这时候大家会问：你以前经历过类似的情况吗？
然后，周一的会议上会在合伙人之间传递大量的知识，而这些知识既没有被记录下来过，而且我们也非常不希望它就这么失传。
Dan Shipper：嗯，这说得通。这让我想到一个这个 AI 时代特别核心的想法。对我来说，它尤其适用于创意工作，但我认为其实也适用于商业的所有领域。这个想法是——AI 开始揭示出我们在很多情境中其实会反复说同样的话（ how much we actually repeat ourselves ）。
因为 AI 特别擅长的就是：当某件事情在某个类似的上下文情景中以前发生过，它就能找出来、做些调整，然后给出一个适合当下语境的回答。而当你有了一个这样的工具之后，你就会开始以这种方式看待世界。
在创意工作里尤其如此，比如写标题、把文章变成一条推文等等——所以我们才做了 Spiral 这个工具来处理这些内容。但我觉得在投资领域也一样。比如一个 CEO 想要卸任，这听起来像是个独特情境，其实里头虽然有一些变量确实独特，但如果 Fred 遇到过 5000 次这种情况，那他大概已经总结出了三种情境，以及三种应对方式。而能把这些都调出来是非常有价值的。
Matt Cynamon：没错。其实我们经常遇到的一个具体问题就是：
比如 CEO 要卸任，我们需要找一位新的 CEO。那这时候问题来了：新 CEO 的目标应该是保住现有的高管团队，还是应该带入自己的人马？
Dan Shipper：我能试着回答一下这个问题吗？我很好奇 USV（ 联合广场风投 ） 是怎么想的。
Matt Cynamon：当然可以。
Dan Shipper：我会说——带上你自己的人。我会建议把现在的班底都换掉（ I would say bring in your own team. I would say get rid of everyone ）。
Matt Cynamon：我觉得这要视情况而定。你刚才的回答其实是对的，但更准确地说，是这样的：你确实需要带上你自己的人马，但这并不意味着原有团队的人就不是你的人。所以你需要尽快判断清楚的是：留下来的这批人，他们是不是也准备好继续和你并肩作战？如果答案是“是”，那你就留着这支队伍；如果答案是“不是”，那不管好坏，你大概率只能靠带来自己的人才能成功。
当然，事情总是有很多细节和复杂性的（ there's nuance to all of this ）。我和我的同事 Nick Grossman 最近就在讨论一个叫“Playbooks（ 操作手册 ）”的想法。我们之前从来没有把这些复杂情况的处理方法系统地写下来。而现在我们在研究，怎么样触发 AI 记录员在这些对话出现时自动做标记（ how do we trigger our AI transcribers to make notes of when those sorts of conversations are happening ）。然后把这些经验整理成一个个 Playbook，就是我们现在正在做的一个项目。
Dan Shipper：太酷了，我很喜欢这个。我在 Every 之前曾在一个孵化器工作过，我们当时也有类似的尝试，会把我们的决策方式写成 playbook。我觉得特别有意思的是，比如 USV 会有一套 playbook，是针对“你是刚刚被换下来的 CEO 的接任者”（ something like what to do if you're an incoming CEO of a startup that just fired their CEO ）这种情况的操作指南。但你们写的 playbook，和 Founders Fund 写的版本，可能会完全不一样。
Matt Cynamon：对，肯定的。
Dan Shipper：而我觉得这点就特别有趣：它们虽然差异很大，但可能都能奏效——只是适用于不同的情境。
USV 很可能会吸引那些适合 USV 世界观、适合你们风格的创始人和公司（ 虽然不是绝对，但更可能 ）；而 Founders Fund 的建议，更适用于偏向他们那种风格的公司。我觉得这特别有意思，因为你如果去问五个成功人士同一个问题，往往会得到五个不同的答案——而这些答案可能都行得通，但前提是放在对的情境里（ they're all very contextual ）。而我觉得 AI 能让我们更清晰地看到这一点。
Matt Cynamon：我同意。而且我们常说的一句话是，这其实很像一场婚姻（ it's very much a marriage ）。说到底，我们这个行业卖的产品就是钱——而我们的钱和 Founders Fund 的钱、a16z 的钱是一样绿的（ 美国钞票是绿色的 ）。大家卖的都是一样的产品。
当然，你可以把这个产品“打扮”一下，加上各种增值服务——很多基金都这么做。有些基金甚至什么都不加，他们认为最大的价值就是“完全不干涉”（ what they believe is the value add that they get out of your way ）。但最终，真正的差异点是关系质量和视角——你是否真正认同你所合作的这群人（ at the end of the day the real differentiator is the relationships and perspectives and do you align with the people that you're doing business with ）。
是的，你可以通过尽职调查、历史文章等方式来判断这些东西。但创始人往往只有两周时间就要决定：自己是否要和这些未来十年会一起打仗的人站在一起。而他们在招聘时做决定的速度都没这么快！但招聘一个人有时候并没有在 cap table 上加入一个投资人那么“永久”。那几乎是和公司一辈子的绑定。所以，我觉得如果有一些对话式工具，能让创始人快速判断对方是个什么样的人、怎么思考、怎么喜欢工作，会非常有帮助。
Dan Shipper：完全同意。好，我想继续聊下去。我知道你们有一堆不同的工具。继续吧，下一个你想展示的是什么？
Matt Cynamon：嗯，我最近最喜欢做的东西是「会议笔记」（ Meeting Notes ）。其实我们已经做了一段时间了——我们在过去四个月里一直在转录我们的会议。其实不完全是所有会议。我们会定期组织一些专题会议，比如关于 AI、加密货币、气候科技的，还有一些杂项的会议，这些会议里我们会交流想法、讨论具体的公司。所以我们会把这些会议内容转录下来，然后自动导入到一个 GPT 中，这样你就可以向这个 GPT 提问会议的内容了（ we've been transcribing those and now we're sort of porting automatically pulling those into this GPT so that you can ask questions to the meetings ）。
我其实想说两个点。第一个是，为什么我们要在内部做这件事，而不是用那些专门的工具？比如说，我们其实可以完全在 Granola 里做这些事，根本不需要构建一个专有 GPT 来提问会议笔记。但我觉得这里真正好的是——我现在不能直接给你看，因为我正在用手机录视频——但只要是 USV 的成员，只要打开他们手机上的 ChatGPT 或 Claude，在左边的栏目中，他们就能看到和公司相关的每一个对话接口，随时可用，不用在一堆 App 之间切来切去。
比如说，NotebookLM 在分析会议笔记这方面我其实是更喜欢的。但有时候「访问便捷」（ ease of access is the best feature ）就是最重要的功能。而无论是 Claude Projects，还是 ChatGPT 里的 GPTs，对我们来说目前这样就够用了，比 NotebookLM 好用。
Dan Shipper：等一下，你这是吐槽了 NotebookLM ？它处理会议纪要哪里更强？
Matt Cynamon：有三个原因我更喜欢谷歌的 NotebookLM。第一个是，它会提出一些对会议内容非常有洞察力的问题，有些是我自己都不会想到去问的。第二个是——等等，你刚才是在说我是在对 Spiral 开火吗？
Dan Shipper：不是，是对 ChatGPT 开火。
Matt Cynamon：哦，我还以为你说的是 Spiral。反正这些产品我都觉得很棒啦。第一个原因是，它会提示你去思考一些很深刻的会议问题，我自己可能想不到。第二个原因是，它在引用会议内容上做得更好，你可以很清楚地看到引用自会议记录的哪一段，这让我能核实这个内容是不是确实说过。第三个原因，也是我最近的新爱好：我现在不太喜欢「读」会议笔记或会议总结了，而是喜欢「听」会议播客（ my new favorite thing in the world is not to read meeting notes or read meeting recaps, but to listen to meeting podcasts ）。
只要是特别重要的会议，我现在都想办法把它做成一个播客。比如前阵子我们请来了 Gary Hustwit，他导演了一部关于 Brian Eno 的电影，是用生成式 AI 做的，最近在纽约的 Film Forum 上映。他来和我们聊他的创作过程。虽然我也参加了那场会，但把它做成播客、然后给我老婆听，说「你看我们刚刚这个会多酷」——这感觉也太棒了。
Dan Shipper：兄弟，我太喜欢这种了。
Matt Cynamon：我们星期一还有一场特别信息密集的 AI 会议。我把会议笔记分享给大家的时候还说：「我建议大家直接听播客版本，会更有意思」。因为内容都被剪成了 10–15 分钟的长度，地铁上、骑城市单车的时候都能听。
我觉得用播客回顾会议这件事的最大好处是：你可以一边做别的事一边听（ what I like about podcasts as a meeting recap is you can do it while you do other things ）。我不能一边读会议纪要一边干别的，但我可以一边听两个人聊话题、一边回邮件、坐地铁、或者随便干点别的。
Dan Shipper：完全同意。我们真的是在同一个频道上（ We're so on the same wavelength here ）。我不知道你有没有看到，两天前我们刚上线了我们的“工作室”——我们在那里面做一些产品孵化（ we launched our studio where we do product incubations ）。我最兴奋的其中一个项目就是这个：我们会录下所有会议，而且我们用的是 Discord，不是 Slack。这个产品会抓取重要频道中的所有消息，然后生成一段“会议播客”。就是那种 NotebookLM 风格的东西，非常好用。
我们现在的规模已经让我无法每场会议都亲自参加了，这对我来说简直难以置信——因为我就是个写写新闻通讯、做做播客的人而已。太奇怪了。但现在就是这样，有些会真的很想去但没时间，我就听这个播客，非常有帮助（ I just love listening to a podcast about a meeting that I deeply wanted to go to, but didn't have time to attend ）。我最喜欢的一点是，如果主持人在播客里提到我的名字，真的会让我觉得很棒。
Matt Cynamon：我跟你讲，还有比这更让人爽的。
Dan Shipper：啥？
Matt Cynamon：那就是——主持人说：“哇，这个想法真不错。”
Dan Shipper：哈哈，太爽了。我真的对这个产品超级兴奋。我觉得我们之后会做一个外部版本，让别人也可以听我们的会议。但我们也可能直接把它当一个产品发布或内部使用。我特别想让你们试试看，我觉得你们完全是这个产品的理想用户。而且你们好像其实已经在做类似的事情了。我们可以听听看你那边的播客片段吗？
Matt Cynamon：当然没问题。
Dan Shipper：太酷了，我真的想一直听下去。
Matt Cynamon：我等会儿发给你。
Dan Shipper：拜托发我，快发给我。
Matt Cynamon：其实我真的特别想开始做一件事——我们正在尝试让更多人更早地进入我们的思考流程（ let people into a lot of our processes earlier ）。我们平常会在办公室里聊很多想法，但有时候这些想法几个月之后才会真正对外公开。所以我们正在找一些有趣的方法，让大家可以更早地听到我们在想什么。所以我可能会直接把我们所有的会议都做成播客发出来，让大家听一听……
Dan Shipper：你绝对应该这么做。我超喜欢这个想法。
Matt Cynamon：那我今天就发一个好了。
Dan Shipper：完美，干吧。我最近有一个特别强烈的感觉——你还记得那个叫 Justin.tv 的创业公司吗？
Matt Cynamon：当然记得。
Dan Shipper：我现在觉得 Justin.tv 放在今天这个时代其实是可以成功的。它当年失败的原因是：如果你 24 小时直播自己——（ 顺便说一句，Justin.tv 是 Justin Kan 的项目，他后来创办了 Twitch ）——他当时就是一直戴着一个摄像头，直播自己的整个人生。
问题是，对于大多数人来说，每天只有大概 12 分钟的内容是有趣的。而你必须把这 12 分钟串成一个故事，才会有人想看（ there's like 12 interesting minutes. AND you have to string those minutes together into a story in order to make them compelling ）。随便打开某人生活中的某一分钟，通常是没啥意思的。
而我认为现在“讲好一个故事”的成本正在急剧下降（ the cost of good storytelling is going down dramatically ）。结果就是——AI 不一定会替代所有小说家，不是说大家都要看 AI 写的小说。但它会让我们有能力以高质量的方式去讲述那些原本讲不起好故事的场景（ we will be able to tell high-quality stories about places that we normally would not be able to afford to tell stories about ），比如公司的内部会议。就像现在如果 Justin.tv 再来一次，一个 20 岁的 Justin Kan，不是亿万富翁的那个他，也能拥有一个精彩的、被精心剪辑过的故事版本。
Matt Cynamon：你刚刚说的其实挺有意思的，我们一开始聊的那些“小小的 Overheards（ 碎片洞察 ）”，其实就是从这个想法中诞生的：我们是不是内容产出不够？但我那时候的看法是，其实我们每天都在高强度地产出内容——我们每天都在开会，聊的东西超多，但我们没把它记录下来，也没有好好地做“内容策展”（ we're not necessarily curating it enough ）。所以这个项目的初衷就是这样：我们会议里其实有很多好故事，它们就这么锁在脑子里了，过了几个星期，等我们终于有空写点东西，它们才勉强以某种形式出现。对我们来说，写作依然是我们输出想法和观点的主要形式，这一点不会变——出于很多原因。但在那之前，有很多方式可以用来讲故事。而且也有很多工具我们可以去打造，让写作比过去更快、更轻松。这正是我们现在的发力方向。
Dan Shipper：这太酷了。我记得你说可以演示一下 USV 的 OH （ Overheard，碎片洞察 ）的生成流程，我真挺想看你怎么做的。
Matt Cynamon：好啊，那我得先说一句：自从我们开始做这事以来，整个流程已经变了好多次。最开始是全自动化的，然后变成纯手工，现在大概是在中间地带吧。那我们就尽可能自动化来一遍吧。我重新分享一下屏幕，打开 ChatGPT，然后我们来做个 Meeting Notes。我最近遇到点小问题，它有时候对“最近一次会议”理解得不够清楚。所以我就写得更具体了些，比如：“请基于 10 月 15 日的 AI 会议和 10 月 18 日的三场会议，生成五条 OH（ 碎片洞察 ），不要明确提及任何公司或涉及某个具体公司的内容。”因为之前我们流程更自动化的时候，有时候会有公司来做 pitch（ 融资提案 ），我们不希望他们的提案内容被当作是我们的观点发出去。所以我们来看看效果如何吧。
Dan Shipper：它现在给的内容是：“以下是基于 10 月 15 日 AI 会议和 10 月 18 日三场会议的五条碎片洞察（ OH ）：1. AI 模型的商品化（ Commoditization is coming ）正在到来：行业主导地位的竞争可能会导致基础模型技术变成标准化商品。这提醒我们，差异化是生存的关键。2. 去中心化才能生存：我们讨论了去中心化的 AI 模型是否能与中心化模型竞争。这或许是摆脱目前科技巨头控制的唯一方式。”我觉得这确实是个挺好的讨论。“3. 氢能，是风险还是机会：在推动氢能技术的过程中，它的清洁潜力仍然充满争议，既有希望，也有危险，安全问题让讨论持续升温。4. 非相关领域的投资很重要（ uncorrelated bets matter ）：AI 的不可预测性像是一种进化过程，这意味着投资组合需要多元化（ The unpredictability of AI as evolution means diversifying investments is crucial ）。”这也挺有意思的。“5. 微电网革命（ Microgrid revolution ）：我们的微电网发展得很不错，正在受到更多关注。它们有潜力彻底改变地方能源系统。”这些都挺酷的。最让我感兴趣的是，我希望能点进去，比如说，“给我详细讲讲非相关领域的投资这块（ tell me more about uncorrelated bets ）”，你懂吧？
Matt Cynamon：我倒是可以说一些无关的内容（笑）。不过我想把这个问题抛回给你：你觉得我们该怎么把这些内容发布到外部世界，让人们可以对我们的会议提出更多追问？我们现在是把这些内容发到推特上，也会有一些互动，但我不确定，人们是更想要跟我们“私下聊聊会议内容”，还是更愿意进行“公开的讨论”？你觉得我们要怎么做，才能让大家更愿意向我们提问，比如关于“非相关性押注”这种话题（ questions about uncorrelated bets ）？
Dan Shipper：我觉得关键在于，当你读到这个“非相关性押注在风投中很重要，AI的不可预测性意味着多元化投资是关键（ uncorrelated bets matter in venture, the unpredictability of AI is evolution means diversifying event investments is crucial ）”，这段话虽然提出了一个问题，但它完全没有暗示你们的立场是什么，对吧？USV 的观点在这里是完全隐形的。我知道你们讨论了这个主题，但我完全不知道，比如说，你们是不是认为如果你投资 AI，你也应该投资日本捕鲸业（笑），因为两者完全不相关。我的猜测是，这些总结性内容的问题在于——我觉得这其实是 AI 自动摘要的一个普遍问题——它们很擅长提炼出有趣的主题，但又特别擅长“讲了一堆东西，但什么都没说清”（ they're good at finding interesting topics, but they're very good at telling you things without saying very much at all ）。
Matt Cynamon：确实很多时候，如果某个话题出现在“Overheard at USV”系列里，那意味着它是我们在会议中讨论的内容。而之所以讨论它，往往是因为我们还没有一个明确的答案。通常当我们有了比较明确的想法，我们才会真正写成文章发表。
以“非相关性押注”为例，目前我们的思考框架已经相对清晰：我们建立了生成式 AI 发展的二维评估坐标系。横轴代表模型格局的两种可能——一端是四大巨头垄断的寡头格局，另一端是百花齐放的多模型生态；纵轴则衡量 AI 能力演进轨迹——可能陷入技术平台期，也可能出现自我迭代的失控式发展。这两个维度衍生出多种可能性组合，而现阶段我们尚无法预判最终会走向哪个象限。
作为风投机构，关键在于要在每个可能的情景象限中都布局相应投资。这样无论最终哪个场景成为现实，我们都能确保押中正确的方向和支持最合适的团队。如果把所有筹码都压注在单一可能性上，那就完全违背了投资组合管理的本质原则。
Dan Shipper：对，这说得很有道理。我觉得就算你们没有一个明确立场，但如果我知道“OK，Andy 之所以提到非相关性押注，是因为他担心 XYZ 的风险”这样的背景信息，然后这个问题就成了一个讨论起点；或者如果我知道“Andy 和 Matt 对什么算‘非相关性’争论了半天，Andy 的看法是这样，Matt 的看法是那样”，即便他们最后没得出结论，那也已经足够让我觉得这个话题很有意思，甚至想加入讨论——因为我也不确定答案，或者说我也有我的看法。
Matt Cynamon：对。所以我觉得既然我们已经说了这周要把这些内容发出去，那就先按原计划发。但是从你说的这些来看，我们下周可以调整一下系统提示词（ system prompt ）——我们可以加上一个识别机制：判断某个话题是我们已经有强烈观点的，那我们就明确表达出来；如果某个话题我们还没形成定论，那我们就干脆留作一个“开放性问题”（ open question ）。
Dan Shipper：你觉得我们可以试试看吗？也不一定非得修改系统提示词（ system prompt ），也许就是在结果出来之后再追问一下，看看能不能让内容更好。如果你想改系统提示词，也可以。
Matt Cynamon：没问题呀。你想让我怎么问？
Dan Shipper：我觉得我想要的是：目前这些内容都没有告诉我，会议上到底有哪些立场、观点。你能不能更具体一点，讲讲不同的人持有什么样的观点？
Matt Cynamon：是这样的，它不会告诉你“是谁说了什么”（ it will not be able to tell you who said what ）。
Dan Shipper：好吧。没关系。
Matt Cynamon：而且这不是出于隐私保护的考虑，只是因为技术上做不到（ that's not for privacy reasons. That's just limitations on the technology ）。
Dan Shipper：没问题，我觉得完全可以接受。我其实并不在乎具体是谁说的，我只想知道有哪些不同的视角和观点。比如说，它说：“基础模型的同质化正在加速。多位与会者表达了对基础模型同质化的担忧。一方认为，由于高消耗率的推动，这些模型正变得越来越难以区分，最终导致价格竞争和价值下滑；另一方则强调，企业需要通过专有数据来实现差异化，才能摆脱这一趋势。整体共识倾向于：对于能找到独特数据集或应用场景的公司，持谨慎乐观态度。（ Consensus leaned towards cautious optimism for companies that can find unique data sets or applications ）”
你看，这种写法我就会觉得，哦，原来是这两种观点在讨论啊，我能大致理解会议内容的走向了。然后也可以思考一下怎么把这种信息更好地融入标题里。但总体来说，我会对这种内容更感兴趣。不知道你怎么想？
Matt Cynamon：所以你的意思是，在这种情况下，与其直接发布 LLM 原始生成的内容，还不如反复追加提问（ re-prompt ），直到得到非常有价值的信息（ re-prompt a few times until you get something that's extremely valuable vs. publishing the unfiltered results of the LLM ）？
Dan Shipper：对的。
Matt Cynamon：那我们就这么做吧。
Dan Shipper：好！
Matt Cynamon：所以说嘛，在这里也是会做决策的（ decisions get made here too ）。
Dan Shipper：我是说，因为如果只是发布未经筛选的 LLM 原始输出，那对我来说，更像是一个“AI进步的晴雨表”，而不是在讲 USV 内部到底在讨论什么。可我感觉你们想做的并不是直接去展示 AI 的进步程度，而是想真正传达“我们在思考些什么”，只不过是用很酷的新技术作为表达方式，对吧？
Matt Cynamon：是的，但这里就有点复杂了。拿“去中心化 AI”（ decentralized AI ）这个话题来说，模型其实讲错了一点点。我们当时讨论的并不是“去中心化 AI 模型”，而是去中心化训练（ decentralized training ），这是两件不同的事。真正的意思是——大公司能赢，是因为它们能建设超大规模的训练设施和集群，但如果有人能找到办法做去中心化或分布式训练，就不必非得依赖巨额资本投入，也能参与竞争（ if you can figure out a way to do decentralized or distributed training, then you don't necessarily need the same tool, high capital investment, to get started, in order to compete ）。这是一个很重要的领域，我们希望在这里找投资机会，推动多模型（ multi-model ）世界的发展。但这一点，模型总结得并不准确，只是有点接近（ that isn't really captured here. But it's close ）。
Dan Shipper：我觉得你说得非常对。我也在想，如果不是一股脑地让 LLM 总结所有话题，而是每个话题分别处理，会不会效果好很多（ if it wasn't a one-shot thing. And it was like, each time you did it for one topic, as opposed to all of them at once ）。不过不管怎样，我觉得你说的这个点非常重要——如果我是你，我也一定会很在意这种细微但关键的差异。而且这真的非常有趣！没有人在谈这个，没有人在谈！真的应该让更多人知道。比如，我就想到，以前那么多人挖比特币，其实完全可以转去支持 AI 分布式训练，这多酷啊（ all those people that were mining bitcoin should just be financing AI training runs and that's cool ）！
Matt Cynamon：对！这就是我们在第二条话题上的思考方向。
Dan Shipper：明白了，酷。那看来我们想法挺同步的，或者至少说，你一解释，我就能跟上你的思路了。
Matt Cynamon：是啊，这里面的细节其实很微妙。我最近越来越觉得（ 你今天的反馈也让我更确认了 ），纯 AI 生成内容的市场，规模大概就跟你最大的微信群一样大（ the market for purely AI generated media is the size of your largest group chat ）。当我们用新方法做一件事时，别人真正感兴趣的，往往不是最终内容本身，而是“你是怎么做出来的”。
所以我之前有点过度强调“人尽量不干预，尽量保持自动化”（ so I tend sometimes to over index on let's keep as many hands off as possible ）。但实际上，如果我们回到最初的原则——“增强人类，而不是取代人类（ enhance, not replace）”，那就应该是：用 AI 工具和人协作，去创造对受众真正有价值的内容（ we should be using these tools in partnership with humans to create better content that's actually valuable for the people who are consuming it ）。所以，我觉得你今天确实帮我重新梳理了一下这件事的逻辑。
Dan Shipper：我很喜欢这一点。我喜欢“纯 AI 生成内容的价值就是你最大群聊的规模”这个说法，在工作中就是你的 Slack 频道——整个 Slack。这也正是我觉得工作播客这个概念如此有趣的原因：就像你说的，你不必非得坐在办公桌前阅读所有想看的邮件，完全可以在洗碗时收听错过的内容讨论。几天前我在这个播客上和另一个人也聊到过这一点——你知道 Yohei Nakajima（ 中岛洋平 ）吗？
范阳注：来自 Yohei Nakajima 的个人博客的介绍——Yohei Nakajima 是一位创新者、艺术家和风险投资人。他是早期风险投资公司 Untapped Capital 的普通合伙人。过去 15 年里，Nakajima 一直致力于支持早期初创公司，同时也在他的职业生涯中通过 Techstars 和 Scrum Ventures 与像迪士尼公司（The Walt Disney Company）和任天堂（Nintendo）这样的全球大型企业紧密合作。他因其独特的“公开构建”（build-in-public）方法而广受认可，通过公开使用最新技术进行项目开发，以“更快学习、结识创业者，并为生态系统做出贡献”。他最近的公开构建项目是2023年推出的 BabyAGI，一个开源的自动化 agents 系统。
Matt Cynamon：当然知道。他是我一切灵感的来源。
Dan Shipper：确实，Yohei（ 中岛 ）简直太厉害了！他做的那些 AI 业余时间项目都特别酷，身上带着那种我们都很熟悉的"技术匠人"气质（ a similar tinkerer vibe ）——就是和我、和你，还有我平时最爱混的那帮朋友特别对路的那种调调。
他有个观点特别有意思。我当时问他："你怎么办到的？白天做风投本职工作，要带孩子，还能持续编程？"你猜他怎么说？首先，他都是等孩子睡觉后熬夜搞的——这很合理。
Matt Cynamon：我大部分时候是在早上做这些。
Dan Shipper：好吧，也成立。但他还说，因为现在很多编程工作都是 AI 在帮他做，所以可以在注意力分散的情况下进行，可以在碎片化的状态下进行。他可以跟 AI 说：“去把这个东西搭一下”，然后自己去洗碗，回来看看搭好了没有，如果好了，再给下一个指令。他并不需要一直处于完全专注的“心流”状态。
我认为这类工具，比如 AI 驱动的故事生成（ AI-driven storytelling ），正在改变内容消费方式。现在你能听到那些原本不会被讲述的故事内容，也能在洗碗时收听错过的会议记录——这些过去无法实现的内容消费场景现在成为可能。编程领域同样如此，你可以在以往难以专注的环境下进行创作，因为不再需要全程保持高度集中的"心流"状态来完成所有工作（ You can create things in situations where you wouldn't have been able to create them before because you don't have to do all the work in this super zoned-in flow state ）。
Matt Cynamon：是啊，不过反过来讲，有时候是不是干脆好好洗碗就行了？
Dan Shipper：这是一个很重要、很有意思的问题。这其实是我们从手机出现、互联网普及以来就一直在思考的问题：当各种内容和工具无处不在地融入我们生活时，我们应该怎么面对它们？不过让我有点乐观的一点是，现在因为我们可以和计算机用自然语言对话，可以以非常细粒度的方式告诉它我们想在什么时候看到什么内容。
比如，我相信很快我们就可以不用再被动接受 Twitter 上那个为最大化大众参与度而优化的垃圾算法流（ we're going to get to a world pretty quickly where instead of seeing the trash Twitter algorithm that everyone else sees that's optimized for the most amount of engagement possible on a mass scale ），而是能告诉它：“如果 Twitter 给我推科学类文章，我只想看非小鼠实验的研究。”；“除非市场波动超过3%，否则别给我推任何金融新闻。”
类似这样的精细控制，会让我们在技术更深融入生活的同时（ as things get more integrated ），也能更好地管理自己的信息摄入。这可能会更健康——当然，人们还是会干蠢事，所以这里也有权衡，并非一切都是好的。
Matt Cynamon：是的。不过问题是，我们大部分的互联网生活其实都掌握在少数几个数据巨头手里，比如 Meta、Twitter。而要建立一个更可定制化的互联网，要么得打破这些垄断，要么得让它们自己改变行为。所以我觉得，值得去支持大量有可能打破这些垄断的新公司。另外，我认为如果我们把大型语言模型（ LLM ）的完整控制权交给四五个科技巨头，长期来看对社会是很危险的。
Dan Shipper：我觉得你完全说对了。我想补充的一点是，我认为还应该有一场社会运动，要求大型科技公司建立数据信托（ data trusts ），让他们将所有数据开放给研究人员（ there should be a social movement to ask large tech companies to establish data trusts where they make all of their data open to researchers ）。因为对我来说，大学里的研究人员用 16 个人的小样本在做研究，而 Facebook 却掌握着几万亿 TB 的最宝贵的人类行为数据，这简直太荒谬了。这些数据能够帮助我们理解什么是人类（ to understand what it is to be human ），什么是有效的、什么是无效的。而且，现在人们普遍讨厌科技公司，我觉得完全应该发起一场社会运动，要求他们把这些数据捐献出来，为公共利益服务。同时，还要确保每个人都可以导出自己的个人数据。比如，我在 WHOOP（ 智能手环 ）上收集到的生理数据，如果我能把这些数据输入到一个 AI 模型中，它就能预测什么对我的健康有益，或者指导我该做些什么。否则，如果我拿不到这些数据，就无法实现这种预测。我认为，任何公司都不应该有权力把这种数据锁死，不让用户使用（ I don't think any company should be able to keep that away from me ）。
Matt Cynamon：是的，这其实已经是我们公司在过去十多年里关于 web3 应用的一个核心投资主题了：通过区块链实现数据的可组合性与自由迁移（ which is composable data that can exist anywhere you want it to exist and that blockchains can enable that ）。当然，很多应用的用户体验（ UX ）还有很长的路要走需要改善。所以，在这段期间，让我们至少推动大型科技公司开放数据用于研究吧。
Dan Shipper：大家听到了！草根运动，数据信托（ grassroots movement, data trusts ）。酷。我们快到时间了，不过在录音开始前你给我展示了一件让我震撼的东西，我觉得一定要留点时间给大家展示一下。能不能给大家介绍一下，我们要看到什么？
范阳注：USV 的"图书管理员” 就“个人数据权益”和“数据信托”这个话题发布的推文。
Matt Cynamon：当然。我现在坐在一台非常大的电视机前——可能有一百二十几英寸？总之，非常大。接到这台电视上的，有很多设备，其中有一个直接连接到一台本地运行的视觉扩散模型（ visual diffusion model ）的机器，同时也接入了 Whisper API（ 语音识别接口 ），可以实时监听我们说的话，然后基于对话实时生成动态画面（ in real time generates moving images based on what we're talking about ）。这个项目叫做“The Dream Machine”（梦想机器），是一个名叫 Humin 的艺术家开发的（ 名字拼作 H-U-M-I-N ），你可以在 Twitter 上关注他。他曾经是 Bright Moments DAO 的一员（ 这是我们的一个投资项目 ），他就是在那里开发了这个机器。它有时候就静静地放在我们办公室一角，非常酷。因为，不仅来访的 CEO、投资人看到后都会惊叹，我还经常看到大楼管理员带朋友上来看它。现在我来把它打开。要提醒一下，这台机器有时候反应会有些延迟，因为它会堆积很多之前的语音内容，所以有时候需要一点时间才能刷新出新的图像。但我们可以试试看。
范阳注：上面提到的艺术家的名字的拼写应该是 Huemin。梦想机器这个项目来自于 Bright Moments DAO，以下是网页上对这个项目的介绍——
“欢迎来到梦幻大教堂（Dream Cathedral）——这是由知名 AI 艺术家 Huemin 和 Ganbrood 专为 2024 年双年展（Biennale 2024）创作的实时交互式生成式 AI 体验：真实的忏悔，人工智能的回应。
本次展览使用最先进的语音生成图像（voice-to-image）人工智能技术，邀请观众倾诉内心深处的想法，这些思绪将在千年古教堂中以数字绘画的形式实时呈现。该项目首次在 2024 年双年展期间亮相，也是两位艺术家的首次正式合作。作为开源 Stable Diffusion 社区 Deforum 的创始人之一，Huemin 长期探索人类、人工智能与数字内容之间的关系；而 Bas Uterwijk（ 艺名 Ganbrood ）则拥有特效、3D 动画、电子游戏及摄影方面的专业背景。”
https://www.brightmoments.io/dreammachine
范阳注：Union Square Ventures 还和艺术家 Huemin 合作了 Dream Computing 这个“科技x艺术”实验项目，以下是这个项目的介绍——
“DREAM COMPUTING 开发了实时视觉生成系统，能够将自然语言转化为视觉艺术。这项技术将人类的创造性输入与人工智能结合在一起，赋能全新的艺术表达形式。
通过挑战传统的人机交互界面，我们正在拓展人们与 AI 互动的方式。我们的目标是打造人人可用的工具，让先进的 AI 能力不受技术门槛限制地交到用户手中。”
Dan Shipper：太好了，完美。
Matt Cynamon：好了，启动了。
Dan Shipper：哇，出现了一个水族馆的画面。好，那我来随便讲些东西，看它怎么反应。我最近在读《白鲸》（ Moby Dick ），其实刚读完，我特别喜欢里面关于鲸鱼和海洋意象（ oceanic iconography ）的描写——梅尔维尔详细讲述了捕鲸产业（ whaling industry ），细致到鲸鱼的生物结构。现在屏幕上是水族馆，感觉离鲸鱼已经不远了。
Matt Cynamon：我要补充一下，有时候你得重置一下这台机器的记忆，因为如果之前积压了太多内容，新说的内容需要一两分钟才会显示出来。看——鲸鱼出来了！
Dan Shipper：来了！你看这些鲸鱼，太酷了（ That's so fucking cool, dude ）！
Matt Cynamon：如果我们在开始前清了内存，鲸鱼应该能更快出现。顺便一提，我们之前办了一个活动，邀请了参议员 Gillibrand，她同意在发言时让这台机器在背景里运行，所以实际上是把一位参议员的演讲实时转成了视觉图像。
Dan Shipper：这让我想到一点：在小说中，环境描写通常是角色内心状态的映射，比如电影里经常下雨，来渲染悲伤气氛。环境反映人物情感，从而营造出一种戏剧性和共鸣感。而这台“梦想机器”，就像是把我们内心的状态和谈话内容，以视觉的形式流动地呈现出来，真的很像小说的手法。
Matt Cynamon：我要为艺术家致敬。而且我觉得，这是第一批真正原生于 AI 的艺术形式之一，是在没有 AI 的世界中根本不可能存在的东西，这让它特别有趣。现在屏幕上又冒出猫了，哈哈。我自己在办公室工作的时候很难集中注意力，因为总被画面吸引。前几天我试图一边开会一边让这东西运行，结果开会彻底失败了。我觉得，“把你的想法变成现实”（ Bring your ideas to life ），可能就是这台“梦想机器”给我的启示，也是我过去半年生活的总结——去创造吧，因为工具已经在那里了。
Dan Shipper：完全同感！我超喜欢这种感觉。我觉得这是个完美的收尾。非常感谢你来分享这一切，太棒了！
Matt Cynamon：没问题！而且，顺便说一句，如果我们明年再见面，希望到时候“图书管理员”（ The Librarian ）也能加入我们，因为这是我们现在正在开发的下一个项目。
Dan Shipper：一言为定！我真的很期待在未来几个月甚至几年里继续请你来做客。
Matt Cynamon：太好了。谢谢你，Dan！
原文链接：
范阳注：感谢阅读全文。这里发一个寻人启事，如果你有良好的技术能力，强大的学习能力和独特的对世界发展的眼光（ 人工智能与机器学习工程能力优先 ），也有兴趣参与到科技领域的早期风险投资与项目构建，欢迎附加一句话介绍找到我，有有趣的机会等待着你。我的微信 ID 是：2871981198 。谢谢。
还有一些最近 The Librarian （ 图书管理员 ）发布的很好的技术洞察，我也通过截图分享在这里：
纽约 USV 核心策略: 投资于受技术和社会压力推动的大市场边缘。| 风险投资专栏
“研究的风投化”（ venturification of research ）及其“囚徒困境” | 新风投专栏
资本作为竞争优势：a16z 为什么用“风投银行”改写游戏规则？
A24：文化巨头的崛起 | “新新人类电影品牌”给科技与风投的启示录。
深度科技风投的盈利模型：让研究者边接单，边追逐星辰大海。| Deeptech VC
