以下是视频脚本中每位嘉宾的观点总结： --- **主持人 Jason Calacanis 的观点：** * **Intel的兴衰：** 曾经是美国最伟大的公司之一，经历“Intel Inside”辉煌时刻，但随后被Nvidia、TSMC和苹果“彻底摧毁”。 * **Intel的问题与教训：** 希望分析Intel哪里做对了，哪里做错了，从中吸取教训。 * **Apple Silicon的冲击：** Steve Jobs决定自研芯片是Intel的一个关键转折点，想了解Intel是否知晓此项目。 * **Nvidia的崛起：** Jensen Huang专注于视频卡，其产品意外适用于加密货币和AI工作负载，是运气还是实力？ * **TSMC的超越：** 这家台湾公司在芯片制造上的成功以及Intel的失误。 * **地缘政治风险：** 讨论《芯片法案》（Chips Act）以及台湾在地缘政治中的敏感地位，以及对供应链的潜在影响。 * **AI泡沫与构建：** AI领域的巨大投入，是否存在泡沫，以及能源容量是否是其上限。 * **Lovable的评价：** 对Lovable的创始人（Osika）及其产品表示高度赞赏，认为其产品具有极高的价值，可以大大降低软件开发成本。 * **未来软件开发模式：** 询问像Slack、Salesforce等通用SaaS产品是否会被定制化软件取代。 --- **嘉宾 Pat Gelsinger 的观点：** * **Intel早期辉煌与领导力：** 他在Intel度过了34年，与Grove、Noyce、Moore、Barrett等技术型领导人共事，早期公司高层多为博士，是“深度技术”驱动的。 * **Intel的根本性错误——管理层变迁：** * 公司偏离轨道始于“由商人而非技术人员管理”，他指出在他回归（担任CEO）时，他是15年来首位技术型CEO。 * 业务型领导者倾向于提拔业务型领导者，而非技术型。 * 真正的伟大科技公司通常由创始人或深度技术背景的个人领导，他们能做出影响数十亿美元的核心技术决策，而非仅仅依靠电子表格。 * **Intel的根本性错误——资本分配：** * 在他回归前五年，Intel向股东回馈了1000亿美元（通过股息和股票回购）。 * 这笔钱本可以用于建造新工厂、购买EUV机器或资助像iPhone芯片这样的研发项目（Intel放弃了）。 * 技术人员会进行长期投资，即使短期经济效益不佳。 * **Intel的根本性错误——错失制造投资：** 在他回来时，Intel十年没有建造新工厂，也没有购买EUV机器。 * **Apple的自研芯片之路：** * Steve Jobs是一位杰出但严苛的领导者，曾向Intel提出苛刻要求（更小、功耗更低）。 * Jobs对Intel能否持续满足其需求产生疑虑后，启动了内部芯片项目。 * Jobs的远见：他提前四个操作系统版本就将核心技术移植到x86架构，为未来可能发生的转变做准备。 * Apple希望通过自研芯片实现系统设计与芯片设计的深度优化，而非依赖为Windows环境优化的Intel芯片。 * **Nvidia的崛起与Intel的失误：** * Intel早期“嘲笑”Nvidia的GPU是“图形机”，只适用于游戏玩家，专注于CPU。 * Nvidia通过构建强大的软件栈（CUDA）使其GPU成为通用计算设备。 * 日本HPC（高性能计算）社区率先发现GPU在处理复杂工作负载上的优势，这成为Nvidia的转折点。 * AI的“核冬天”期间，Nvidia的CUDA软件持续改进，为AI爆发打下基础。 * Intel曾有类似项目Larrabee试图用x86做同样的事情，但在他离职一周后被终止。 * **TSMC的崛起与Intel的IDM模式：** * TSMC以“纯晶圆代工”的愿景起步，成为行业的工厂。 * 晶圆厂投资巨大（200-300亿美元），需要持续投入。 * Intel是IDM（集成设计与制造）模式，从不向第三方开放其工艺和工厂，其EDA工具等高度专有。 * TSMC通过标准化制造流程和工具，为更广泛的生态系统服务。Intel起初认为代工是微不足道的业务。 * 长期积累，加上苹果等客户的推动，TSMC迅速发展。当他2001年回到Intel时，TSMC的晶圆产量是Intel的5倍（现在是7倍）。 * 代工模式已成为半导体行业主流（除了Intel和内存）。 * 他回归Intel后，将发展代工业务列为核心新战略之一。 * **《芯片法案》（Chips Act）与台湾风险：** * 《芯片法案》正在发挥作用，美国在尖端制造领域的份额从12%提高到18%。 * Intel正在成为真正的代工厂，TSMC和三星在美国的工厂也在扩大规模。 * 台湾的能源储备不足三周，一旦被封锁，晶圆厂将停产（90天才能恢复），经济影响将远超大萧条。 * 中国已多次封锁台湾海峡，意图明确，需加快建立更具弹性的供应链。 * **AI的未来与“泡沫”担忧：** * AI公司的估值“非常高”，有泡沫迹象。 * **防止泡沫的“天花板”：** 能源容量限制了AI的激进发展，这让他感到欣慰。 * AI的潜在价值“近乎无限”，能提高各行各业的效率和智能。 * 这是一个“几十年的”发展周期，而非几年。 * 目标是将AI的效率提高10,000倍，将每个token的成本降低5个数量级。 * “Jevons悖论”正在显现：AI工具变得更便宜、更好，导致使用量爆炸式增长。 * 对未来充满乐观：AI将解决化学、语言、新材料、医疗、脱贫等问题，现在是技术人员的最佳时代。 * **投资与市场调整：** * 当前的AI公司有真实的收入和利润，与互联网泡沫不同。 * 估值过高时，周期性调整是健康的，有助于防止泡沫过大。“感谢”这些调整。 * 发展曲线不会是平滑的，会有“SaaS末日”等各种冲击。 * **量子计算的未来：** * “这个十年”（到2030年）量子计算将变得有意义。 * 影响：解决目前无法计算的化学、生物学、物流（如旅行推销员问题）。 * 加密解密（Q-Day）的影响预计在2032-2033年出现。 * 量子霸权将在多个行业实现。 * 量子比特的构建、纠错和算法都已取得进展，现在是工程规模化的问题。 * 多模式量子技术（离子阱、光子、自旋）都显示出良好效果。 * 预测在2030年前会有“有意义的成果”。 --- **嘉宾 Lovable 创始人 (Osika) 的观点：** * **公司使命：** 赋能所有人构建优秀的软件，帮助人们将想法变为产品，并围绕产品建立业务。 * **惊人的增长：** 每周新增100万个项目，每月有7亿次应用访问量，迄今已在平台上构建了超过5000万个应用。 * **公司历程与客户：** 成立仅20个月。客户中约20%有技术背景，80%为非技术人员。许多客户通过平台实现了超过百万美元的收入，并帮助人们将副业转变为全职创业。 * **低代码/无代码的演进：** 软件开发不再需要写代码，而是Lovable提供了一个出色的架构，避免用户犯错。它负责处理支付、邮件、安全扫描、AI搜索引擎发现等后端复杂性。 * **Lovable作为AI联合创始人：** 新产品线包括托管服务（AI和常规托管），增长迅速。未来的愿景是将Lovable打造成为“AI联合创始人”，它能提供战略方向、优化建议，即使用户在睡觉也能工作，并通过学习所有用户数据变得更智能。“来是为了构建软件，留下来是为了构建业务”。 * **定制化软件的趋势：** * 引用一个案例：一家护士教育公司通过Lovable替换了10多种现有工具，每年节省超过100万美元，并能满足其特定需求。 * 在有特定需求时，定制化解决方案将更受欢迎，但Lovable仍会与Salesforce、HubSpot、Slack等工具无缝集成。 * **与前沿AI模型的合作策略：** * 始终选择对客户最佳的技术。 * 使用多种模型，包括商业前沿模型（来自多家供应商）和越来越多的开源模型。 * 当请求路由到Lovable自己的模型时，该模型会通过其“agent harness”变得更智能，尤其是在纠正错误方面。 * 拥有强大的斯德哥尔摩研究团队，专注于“后训练”和强化学习，利用每周100万个新项目产生的巨大“token分发”数据来改进模型。 * **定价与盈利：** * 盈利能力良好，关注利润率。 * 不会为了便宜而使用质量更差的模型。 * 有使用上限，但60%的最低订阅层用户会超出并支付额外费用，因为他们从中获得了巨大价值。客户看重速度，AI带来了快速迭代。 * **“竞争合作”与快速实验：** * 非常支持快速实验，引用CERN的例子，不同团队独立解决相同问题，然后比较结果。 * 工程已不再是瓶颈，现在的问题是“要构建什么”。 * 鼓励在Lovable上进行多个人同时解决相同问题的实验，然后将最佳部分整合，甚至进行A/B测试。 * **Fable（Anthropic）的评价：** * Lovable也使用Fable作为其模型之一。 * Fable在第一次尝试时就能创造出非常复杂、美观的东西（例如3D游戏）。 * 但人类仍然需要在规划和战略方向上发挥作用，这是目前的瓶颈。

以下是视频脚本中每位嘉宾的观点总结： --- **主持人 Jason Calacanis 的观点：** * **Intel的兴衰：** 曾经是美国最伟大的公司之一，经历“Intel Inside”辉煌时刻，但随后被Nvidia、TSMC和苹果“彻底摧毁”。 * **Intel的问题与教训：** 希望分析Intel哪里做对了，哪里做错了，从中吸取教训。 * **Apple Silicon的冲击：** Steve Jobs决定自研芯片是Intel的一个关键转折点，想了解Intel是否知晓此项目。 * **Nvidia的崛起：** Jensen Huang专注于视频卡，其产品意外适用于加密货币和AI工作负载，是运气还是实力？ * **TSMC的超越：** 这家台湾公司在芯片制造上的成功以及Intel的失误。 * **地缘政治风险：** 讨论Chips Act以及台湾在地缘政治中的敏感地位，以及对供应链的潜在影响。 * **AI泡沫与构建：** AI领域的巨大投入，是否存在泡沫，以及能源容量是否是其上限。 * **Lovable的评价：** 对Lovable的创始人（Osika）及其产品表示高度赞赏，认为其产品具有极高的价值，可以大大降低软件开发成本。 * **未来软件开发模式：** 询问像Slack、Salesforce等通用SaaS产品是否会被定制化软件取代。 --- **嘉宾 Pat Gelsinger 的观点：** * **Intel早期辉煌与领导力：** 他在Intel度过了34年，与Grove、Noyce、Moore、Barrett等技术型领导人共事，早期公司高层多为博士，是“深度技术”驱动的。 * **Intel的根本性错误——管理层变迁：** * 公司偏离轨道始于“由商人而非技术人员管理”，他指出自己在2001年成为CEO时，是15年来第一位技术型CEO。 * 业务型领导者倾向于提拔业务型领导者，而非技术型。 * 真正的伟大科技公司通常由创始人或深度技术背景的个人领导，他们能做出影响数十亿美元的核心技术决策，而非仅仅依靠电子表格。 * **Intel的根本性错误——资本分配：** * 在他回归前五年，Intel向股东回馈了1000亿美元（通过股息和股票回购）。 * 这笔钱本可以用于建造新工厂、购买EUV机器或资助像iPhone芯片这样的R&D项目（Intel放弃了）。 * 技术人员会进行长期投资，即使短期经济效益不佳。 * **Intel的根本性错误——错失制造投资：** 在他回来时，Intel十年没有建造新工厂，也没有购买EUV机器。 * **Apple的自研芯片之路：** * Steve Jobs是一位杰出但严苛的领导者，曾向Intel提出苛刻要求（更小、功耗更低）。 * Jobs对Intel能否持续满足其需求产生疑虑后，启动了内部芯片项目。 * Jobs的远见：他提前四个操作系统版本就将核心技术移植到x86架构，为未来可能发生的转变做准备。 * Apple希望通过自研芯片实现系统设计与芯片设计的深度优化，而非依赖为Windows环境优化的Intel芯片。 * **Nvidia的崛起与Intel的失误：** * Intel早期“嘲笑”Nvidia的GPU是“图形机”，只适用于游戏玩家，专注于CPU。 * Nvidia通过构建强大的软件栈（CUDA）使其GPU成为通用计算设备。 * 日本HPC（高性能计算）社区率先发现GPU在处理复杂工作负载上的优势，这成为Nvidia的转折点。 * AI的“核冬天”期间，Nvidia的CUDA软件持续改进，为AI爆发打下基础。 * Intel曾有类似项目Larrabee试图用x86做同样的事情，但在他离职一周后被终止。 * **TSMC的崛起与Intel的IDM模式：** * TSMC以“纯晶圆代工”的愿景起步，成为行业的工厂。 * 晶圆厂投资巨大（200-300亿美元），需要持续投入。 * Intel是IDM（集成设计与制造）模式，从不向第三方开放其工艺和工厂，其EDA工具等高度专有。 * TSMC通过标准化制造流程和工具，为更广泛的生态系统服务。Intel起初认为代工是微不足道的业务。 * 长期积累，加上苹果等客户的推动，TSMC迅速发展。当他2001年回到Intel时，TSMC的晶圆产量是Intel的5倍（现在是7倍）。 * 代工模式已成为半导体行业主流（除了Intel和内存）。 * 他回归Intel后，将成为代工厂列为核心新战略之一。 * **Chips Act与台湾风险：** * Chips Act正在发挥作用，美国在尖端制造领域的份额从12%提高到18%。 * Intel正在成为真正的代工厂，TSMC和三星在美国的工厂也在扩大规模。 * 台湾的能源储备不足三周，一旦被封锁，晶圆厂将停产（90天才能恢复），经济影响将远超大萧条。 * 中国已多次封锁台湾海峡，意图明确，需加快建立更具弹性的供应链。 * **AI的未来与“泡沫”担忧：** * AI公司的估值“非常高”，有泡沫迹象。 * **防止泡沫的“天花板”：** 能源容量限制了AI的激进发展，这让他感到欣慰。 * AI的潜在价值“近乎无限”，能提高各行各业的效率和智能。 * 这是一个“几十年的”发展周期，而非几年。 * 目标是将AI的效率提高10,000倍，将每个token的成本降低5个数量级。 * “Jevons悖论”正在显现：AI工具变得更便宜、更好，导致使用量爆炸式增长。 * 对未来充满乐观：AI将解决化学、语言、新材料、医疗、脱贫等问题，现在是技术人员的最佳时代。 * **投资与市场调整：** * 当前的AI公司有真实的收入和利润，与互联网泡沫不同。 * 估值过高时，周期性调整是健康的，有助于防止泡沫过大。“感谢”这些调整。 * 发展曲线不会是平滑的，会有“SaaS末日”等各种冲击。 * **量子计算的未来：** * “这个十年”（到2030年）量子计算将变得有意义。 * 影响：解决目前无法计算的化学、生物学、物流（如旅行推销员问题）。 * 加密解密（Q-Day）的影响预计在2032-2033年出现。 * 量子霸权将在多个行业实现。 * 量子比特的构建、纠错和算法都已取得进展，现在是工程规模化的问题。 * 多模式量子技术（离子阱、光子、自旋）都显示出良好效果。 * 预测在2030年前会有“有意义的成果”。 --- **嘉宾 Lovable 创始人 (Osika) 的观点：** * **公司使命：** 赋能所有人构建优秀的软件，帮助人们将想法变为产品，并围绕产品建立业务。 * **惊人的增长：** 每周新增100万个项目，每月有7亿次应用访问量，迄今已在平台上构建了超过5000万个应用。 * **公司历程与客户：** 成立仅20个月。客户中约20%有技术背景，80%为非技术人员。许多客户通过平台实现了超过百万美元的收入，并帮助人们将副业转变为全职创业。 * **低代码/无代码的演进：** 软件开发不再需要写代码，而是Lovable提供了一个出色的架构，避免用户犯错。它负责处理支付、邮件、安全扫描、AI搜索引擎发现等后端复杂性。 * **Lovable作为AI联合创始人：** 新产品线包括托管服务（AI和常规托管），增长迅速。未来的愿景是将Lovable打造成为“AI联合创始人”，它能提供战略方向、优化建议，即使用户在睡觉也能工作，并通过学习所有用户数据变得更智能。“来是为了构建软件，留下来是为了构建业务”。 * **定制化软件的趋势：** * 引用一个案例：一家护士教育公司通过Lovable替换了10多种现有工具，每年节省超过100万美元，并能满足其特定需求。 * 在有特定需求时，定制化解决方案将更受欢迎，但Lovable仍会与Salesforce、HubSpot、Slack等工具无缝集成。 * **与前沿AI模型的合作策略：** * 始终选择对客户最佳的技术。 * 使用多种模型，包括商业前沿模型（来自多家供应商）和越来越多的开源模型。 * 当请求路由到Lovable自己的模型时，该模型会通过其“agent harness”变得更智能，尤其是在纠正错误方面。 * 拥有强大的斯德哥尔摩研究团队，专注于“后训练”和强化学习，利用每周100万个新项目产生的巨大“token分发”数据来改进模型。 * **定价与盈利：** * 盈利能力良好，关注利润率。 * 不会为了便宜而使用质量更差的模型。 * 有使用上限，但60%的最低订阅层用户会超出并支付额外费用，因为他们从中获得了巨大价值。客户看重速度，AI带来了快速迭代。 * **“竞争合作”与快速实验：** * 非常支持快速实验，引用CERN的例子，不同团队独立解决相同问题，然后比较结果。 * 工程已不再是瓶颈，现在的问题是“要构建什么”。 * 鼓励在Lovable上进行多个人同时解决相同问题的实验，然后将最佳部分整合，甚至进行A/B测试。 * **Fable（Anthropic）的评价：** * Lovable也使用Fable作为其模型之一。 * Fable在第一次尝试时就能创造出非常复杂、美观的东西（例如3D游戏）。 * 但人类仍然需要在规划和战略方向上发挥作用，这是目前的瓶颈。