Daily Article

https://allinchamathjason.libsyn.com/bill-gurley-the-covid-cover-up-the-search-for-the-truth

All-In 的年度峰會上，四位主持人 Chamath Palihapitiya、Jason Calacanis、David Sacks 與 David Friedberg 把主舞台交給 Bill Gurley。節目的開場介紹把他叫作矽谷的皇室成員，投過 Uber 與 Zillow，走過二十五年以上的科技週期。三年前他在同一場合講監管俘獲，那支影片傳開之後，這個詞也進了公共討論；這次他先聲明不談 AI，要講一件壓在他心裡五、六年的事，還提醒台下，笑點會比上次少很多。

他沒有從 COVID 講起。他先放五場災難，因為他要用的東西在裡面：每一場災難都有搜尋者，也都有阻擋者。搜尋者去碰根因，阻擋者圍住自己。而 COVID 六年過去，這套流程一件都沒走完。

每次災難都有搜尋者，也有阻擋者

2021 年 6 月，佛州 Surfside 的 Champlain Towers 突然垮掉，98 人死亡。葛利把它拆成兩層。設計從一開始就錯，維護排程擺爛，管委會沒理會一份講得很清楚的檢查報告，這是機構失能；技術失能是泳池平台長年吃含鹽海風，先鏽掉、垮進地下室，帶走結構柱，整棟樓跟著下來。《紐約時報》用 3D 報導把細節攤到讀者眼前，那是自己做第一手調查才有的東西。

同一時間還有四組人在查。NIST 是 911 之後被指定負責建築倒塌調查的聯邦機構，派了人，其中兩位一查五年；Surfside 鎮自己請來專門研究大樓倒塌的工程師；佛州法院組了大陪審團；十七件受害者訴訟併成一案。這群人時不時撞在一起，也互相幫忙，方向一致。最猛的是《邁阿密先驅報》。報社剛從破產走出來，新任總編輯 Monica Richardson 照樣壓上去，跑線記者在事發兩小時內到現場，調查線擴到三十七人，做出跟《紐約時報》同等分量的 3D 模型，拿下普立茲獎。Richardson 得獎時說，他們會繼續查這起倒塌，找出它為什麼發生，確保同樣的悲劇永遠不再發生。

查清楚之後，改變也接上了。佛州把公寓大樓規範修了一輪，其他州、尤其濱海州跟著採用。這是他後面每個案例都會示範的同一套動作：根因、改正、預防。

737 Max 是另一種版本。空中巴士推出一款省油新機，開始吃波音的市占。波音不想重新設計一架要重新訓練大量機師的新飛機，就把省油引擎掛到舊的 737 上。引擎太大，只能往前移，機身配重跟著歪掉。測試飛行時機頭偶爾自己抬起來，波音寫了一套叫 MCAS 的軟體，裝上去，沒告訴任何人。感測器一故障，軟體以為飛機在往上抬，就把它壓進地面。2018 年 10 月、2019 年 3 月，兩次墜機。

這次的搜尋者多達六組。參議院委員會、眾議院委員會、司法部；印尼的 KNKT 有權檢查黑盒子，很快就看出駕駛在跟自動駕駛打架；《西雅圖時報》一位跑了波音十六年的記者做出普立茲級報導；Peter Robison 寫了《Flying Blind》；五十七位吹哨者寫信到參議院；罹難者家屬從頭到尾都在場施壓；機師工會發現波音私下裝了軟體又沒講，偷偷錄下波音說的話給媒體，接著對波音發資訊自由法申請，這種事沒人聽過。阻擋者是波音跟 FAA：波音先怪機師訓練不足，FAA 拒絕把文件給參院小組。Ted Cruz 在聽證會上當面問 FAA 署長，知不知道他不為波音工作。

葛利在這裡插了一段他的觀察。大組織被聚光燈照到，會感覺到那個重量，然後圍起防線自保。那多半是機構本能，不必然出於惡意。真正過不去的是時序：第一次墜機後四十五天，幾乎所有人都知道 MCAS 有問題，卻沒有人停飛；第二次墜機本來不該發生。參眾兩院的委員會不分黨派，DeFazio、Ted Cruz、Wicker 都很投入，這件事本來也不該是黨派問題。

他也把方法論攤出來。科學界做失效分析用的流程叫 CAPA，改正與預防措施，五步是偵測、調查、確認根因、改正、預防。重點在預防，但根因不能跳過，不知道發生什麼，就不知道要修什麼。藥品與醫療器材由 FDA 依法要求走這套，航太也有規範。

卡崔娜與福島：擋到最後，報告還是寫出來了

卡崔娜的堤防不是被水翻過去的，是從底下被掏空。2005 年那場颶風帶走 1,800 條人命，40 萬人流離，損失 1,250 億美元。陸軍工程兵團想讓外界相信水是翻過堤防的，是天災；但那只是一個三級颶風，這是可以避免的人為事故。搜尋者這邊，參眾兩院各有委員會；Mark Schleifstein 與 John McQuaid 在事發三年前就寫過系列報導預告這件事，拿下兩座普立茲獎；國家科學基金會辦了一場評比，讓另一組學者進場調查；路易斯安那州自己請了 LSU 團隊。所有人最後得到同一個結論：這是人為錯誤。

工程兵團成了阻擋者。他們還請美國土木工程師學會加入內部調查，付了一百萬美元，學會慢慢地被包進工程兵團裡，自己也變成阻擋者。落幕之後，UC Berkeley 的 Raymond Seed 交出一份四十二頁的報告，把每一次阻擋寫清楚，文件還在網路上。預防照樣接上：九十項建議、一百五十億美元，堤防擋了二十年。

福島的數字是 2,200 人死亡、15.4 萬人撤離、2,000 億美元的清理費。海堤只有 5.7 公尺，海嘯越過去，打掉發電機，爐心熔毀，沒有辦法冷卻。內部文件顯示，他們早就預期三十年內會出現 10 到 15 公尺的海嘯，那份報告被埋掉。牆加高就好，事情就不會發生。搜尋者裡，Martin Fackler 在《紐約時報》東京分社待了二十年，做到普立茲決選；日本民眾上街、提告。TEPCO 跟 NISA 則是阻擋者，而且擋到最後，監管者與被監管者幾乎變成朋友，這就是監管俘獲。

葛利口中的英雄是黑川清。日本國會請他主持該國史上第一次完全私人的調查，條件是委員會裡沒有人跟監理機關或電力公司有機構關係，權限是任何人、任何方式都能查。他開場給自己三件事：關心人身安全，不要變成擁核與反核之爭；調查一定要產生建議；他清楚三哩島與車諾比在全球的分量。他其實是醫師，不是核子物理學家。七個月後報告出爐，先出英文版，因為他們在乎的是全球透明度。第一句話是：這起事故不能被視為自然災害，它是徹底的人為事故，本來可以、也應該被避免。

費曼清空半年行程，有人才叫他不要調查

挑戰者號的 O 型環不是為低溫設計的。1986 年 1 月那天早上，佛州很冷，前一晚分包商想攔下發射，被否決。又是技術失能加機構失能。雷根成立 Rogers 委員會，成員大多是圈內人：太空人、將軍、華府人士、NASA 高層。有人提議該放一位物理學家進去，葛利猜他們想要的是背書。費曼的資歷沒話說，諾貝爾獎、曼哈頓計畫。他們不知道的是，這個人極度獨立、極度想求真，對不必要的客套零容忍。他不想做，說他討厭華府，是太太說服了他。

接下來他做了一件其他委員都沒做的事：把未來六個月的行程全部清空。還沒去華府，他就自己跑到 NASA 的設施找人談。到了華府，Neil Armstrong 對他說，我們只評估，不調查。太晚了，他早就在查了。三個後來一直流傳的片段：Rogers 在洗手間遇到 Neil Armstrong，說費曼很難搞；費曼在電視直播上找了一塊跟 O 型環保溫材料相近的東西，當著大家的面丟進冰水，拿出來一折就斷，委員會被他氣炸；最後他把筆記交出去，委員會把報告磨得很平，他火了，打電話要 Rogers 把他的名字拿掉。委員會讓步了，報告的附錄 F 就是他全部的筆記，原樣收錄。

同樣的儀式，在 COVID 一件都沒發生

COVID 是另一個量級。1,500 萬人死亡，地球上每一個人的生活都被打亂，代價約 45 兆美元。特別重的一塊壓在小孩身上，他自己的小孩一個高中、一個大學，正好錯過最關鍵的三年，學習落後不是抽象的統計。他說他這輩子不想再經歷一次。

其他災難都有的根因，六年過去，還是沒有。他在台上丟了一句給 AI 圈：你連這件已經發生的事都講不出來，就別要他害怕某個 AI 圈人士的聊天機器人會對人類做什麼。他的 P(COVID) 遠高於 P(doom)。如果那些模型真的那麼聰明，就叫它們來解這一題。

把五場災難的死亡與損失加總，大約 5,000 人、3,490 億美元，COVID 是它的三千倍。費曼在紀錄片裡被人勸要多點禮貌時說，可是死了七個人。葛利把這句話往下推：死七個人的時候，求真跟客套衝突了，該怎麼辦；死一千五百萬人的時候呢？再把所有空難、颶風、核災、建築倒塌、太空事故全加起來，也還不到 COVID 的三分之一。

接著他數沒發生的事。沒有一家新聞室投入三十人以上的團隊去查 COVID；沒有一位有報社後盾、死咬不放的調查記者；沒有卡崔娜、737 Max 那樣的跨黨派參眾院委員會；沒有一位費曼或黑川清那樣的獨立調查主持人；NIST 和 NSF 在其他案子都曾啟動第三方調查，NIH 沒有出錢做一份；也沒有大規模的受害者訴訟。

五位被倚賴的專家，在他眼裡是阻擋者

演講裡最有爭議的一張投影片，是五位被倚賴的專家：Francis Collins、Anthony Fauci、EcoHealth Alliance 的 Peter Daszak、Wellcome Trust 的 Jeremy Farrar、北卡羅來納大學的 Ralph Baric。葛利的說法是，他們不是專家，他們是阻擋者，行為跟前面那些案子裡的 FAA、波音、NASA 一樣。

四個理由：他們是病毒學圈內人，聚光燈一來，先自保是本能；他們主導了一場誤導運動，把大家帶離線索，還叫大家不要搜；疫情之前，他們全都公開主張功能增益研究，也就是刻意把病毒改得更危險，歐巴馬政府曾下令禁止，他們持續推動，佛奇 2011 年還在《華盛頓郵報》投書寫利大於弊。葛利引行為心理學的說法：你如果公開告訴全世界這件事該做、利大於弊，你就不可能保持中立；晚上要入睡時想像自己參與了 1,500 萬人的死亡，這做不到，大腦會騙你。帶著這種偏見的人，連當陪審員都不夠格。第四個理由，也是他認為最重要的一個：他們從來沒有開始搜。他們叫大家不要搜，卻忘了自己本來就該搜，到現在都還該搜。

真的在搜的人，大多不在大機構裡

DRASTIC 是一群科學家鬆散串起來的組織，互相分享資訊，有自己的網站；葛利形容那像二十個同等級病毒學家自己組隊。U.S. Right to Know 是送出多數資訊自由法申請的非營利組織，他說他捐了錢，也希望台下跟著捐。

然後是五位他稱為英雄的女性。Alina Chan 是最早指出病毒看起來像為人類量身設計的分子生物學家之一，跟 Matt Ridley 合寫過一本書；葛利特別提《紐約時報》這幾年刊了她兩篇投書，他說他更希望那是《紐約時報》調查團隊寫的，但有總比沒有好。Katherine Eban 是最早把頭伸出來說「我們看這件事的方式錯了」的人，文章登在《浮華世界》，標題是〈The Fight to Discover COVID Origins〉，葛利說這個標題重要，因為那場鬥爭是關於發現的過程。Emily Kopp 在 U.S. Right to Know 工作，出土的文件多半是她挖出來的，葛利說她可能比任何人都清楚內情。Zeynep Tufekci 是普林斯頓的教授，也替《紐約時報》寫稿。Alison Young 寫了《Pandora's Gamble》，把 COVID 之前發生過的實驗室外洩事故整理過一遍，那是評估這次有沒有可能是同一種問題時，很值得看的一份資料。

這五位女性因為把頭伸出來而被攻擊，有些攻擊直接來自前一張投影片上的男性。葛利說這完全沒有道理。

一週寫成的論文，三年後才出土的提案

葛利說，把實驗室外洩變成不能問的問題，是一場很成功的操作。動物溢出被講成一個已經確定的成因，任何人只要想到實驗室外洩、哪怕只問一句，就被打成陰謀論者。他們利用了科學期刊生態：一篇〈Proximal Origin〉一週內寫完就送出去，葛利說那根本不可能做過調查；《柳葉刀》有類似的一篇。這些文章被引用再引用，你查維基百科，繞來繞去都會回到它們。他們也把這件事變成黨派問題：民調問 COVID 從哪來，民主黨與共和黨給出不同答案，葛利說這太荒謬，這件事不該跟投票給誰有關。

Zeynep Tufekci 一個半月前在 X 上寫的那段話，他有唸出來：已有鐵證般的證據，顯示有一場共謀在掩蓋、否認這可能是一場實驗室意外，由科學建制最高層策動，一群自我服務的科學家刻意誤導大眾。那段話有四十萬次瀏覽，零則社群註記。Katherine Eban 的說法短一點，她叫它「被製造出來的共識」。

然後是那份提案。COVID 三年後，DRASTIC 挖出一份代號 DEFUSE 的文件：EcoHealth Alliance 的提案，把美國頂尖病毒學家跟武漢的蝙蝠病毒專家石正麗連在一起，在蝙蝠冠狀病毒的 S1-S2 接點插入一段 furin 切割位，因為他們認為這樣會讓病毒在動物身上更強。那份文件可以下載，內容就是這樣寫的。葛利說沒有主流期刊報過它；在受訪的科學家中，認為 COVID 來自動物溢出的人裡，只有 22% 聽過，78% 沒聽過。

他自己做了一個測試：開一個乾淨的 AI 對話，不讓它參考先前的任何對話，問它如果要用 CAPA 的原則解 COVID 起源，看到這份提案會怎麼反應。排出來的答案是直接調查線索、高度關鍵、最高優先的證據、第一手文件證據。他接著下了一個斷言：如果這份文件在 2020 年 1 月就被攤開，當時的對話會完全不同。搜尋的人知道它，Rand Paul 知道它，他希望台下現在也知道了。

他也問了 AI，CAPA 的下一步會往哪走，答案指向杜克大學與北卡羅來納大學的文件。搜尋者去要了，北卡羅來納大學與北卡州政府擋住，拒絕交出。葛利對台下說，如果有人認識北卡的人，去讓他們想一想，他們在保護的東西，跟阻止下一次大流行，哪一個重要。想補課的人，Matt Ridley 三月跟 NIH 的 Jay Bhattacharya 有一場對談可以追。

該做的是根因與預防

葛利講完，全場又一次起立。Jason 留下他問了幾個問題，第一個問題是關於小孩。葛利還是繞回預防：他對下一次大流行沒有信心，說不定會更糟，因為誤導運動已經把信任打掉，下一次沒有人會聽，也沒有人能領導。讓他最過不去的，是待遇的差別。別的災難裡，搜尋者被當成英雄；在這裡，搜尋的人被當成有問題的人。

Jason 追問新聞業：為什麼沒有人去搶那座普立茲獎？葛利說，其中一個原因就是他刻意把那些獎一個個唸出來。布魯金斯學會有一場座談，台上就是前面幾位女性，談新聞界為什麼錯過；Katherine Eban 跟 Emily Kopp 都把矛頭指回去，對準病毒學專家的誤導運動，說它讓提問變成一種失態。考慮到後果的規模，他說這很糟。但他沒有把門關上：還有工作要做，還有文件在出土，我們在靠近，進來吧。

Jason 把話說得更重。這次只要你提問，就會被歸類成不相信專家的陰謀論者，他說這是純粹的惡。葛利回，這太瘋狂了。Jason 接著說，有人只問一句「有沒有可能來自武漢」，你們確實資助過功能增益研究，這個問題為什麼這麼難回答？葛利的答案還是那個心理機制：人為了自己的心智健全，是有能力騙自己的。

最後一題是立場。Jason 問他，憑這幾年投入的幾千小時，他認為最可能的情境是什麼。葛利說他刻意不選邊，因為根因還沒找到。他很樂見任何百分之百確信是動物溢出的人去做那個研究，如果要去中國找動物，他也願意出錢。他提了兩件事：中國驗了八萬隻動物，沒有找到一次跨種傳播；中國如果有能力找到，會有極大的誘因去找。Jason 接話，濕市場理論會讓他們完全脫身。葛利說，對，誘因這麼大，那為什麼沒有？而佛奇在出土文件裡承認，濕市場那個傳播事件之前，已經有多起病例。

收尾時，葛利說他不能像佛奇那樣說自己代表科學，但他代表科學的追問。沒有人可以告訴你不能搜尋；搜尋的人不是壞人，是好人。要繞過、穿過阻擋者，但不要去攻擊他們。他認為 Rand Paul 把這件事做成起訴是走錯了路，該做的是根因與預防。這件事從來不該是黨派的，如果你對 COVID 起源的看法取決於你投票給誰，請重新想一次。他請新聞室跳進來，像 Monica Richardson 那樣，然後組一個真正獨立的調查委員會，找出屬於這個時代的黑川清或費曼。他引了一句掛在柏拉圖名下的話收尾：我們很容易原諒一個怕黑的小孩，人生真正的悲劇，是男人害怕光亮。

Jason 最後說，這可能會是葛利一生最重要的工作，台下也有人願意捐款支持研究，相關消息之後會放上 X。

https://allinchamathjason.libsyn.com/jared-isaacman-a-new-era-for-nasa-and-american-space-exploration

All-In 的舞台上先播了一段火箭點火的錄音：「Ignition sequence start.」「Roger, all engines up.」接著 Jared Isaacman 走出來。他不是來談一顆新模型，也不是來談下一輪募資，是來報告 NASA 這一年改走了哪條路。

他開場先報一組時間差。從萊特兄弟第一次飛行，到人類踏上月球表面，中間只隔 65 年。阿波羅 11 號到現在，已經 57 年。這段落差就是他接手的起點。

攤平資源的代價

他的診斷很直接：全世界最強的太空機構，把資源攤到每個角落，只為了讓每個人開心。這件事有一部分是外面強加給 NASA 的，也有一大塊是自己造成的。為了結盟而結盟，常常變成任務的拖累，而不是加速器。

結果就是一串講出來很痛的清單。獵戶座太空船沒辦法像阿波羅時代那樣被射進低月球軌道。前一屆政府取消火星樣本取回任務，那個案子原本要花超過一艘航空母艦的錢。NASA 做出一批大到不能倒、貴到真正成功不了的計畫，指望它們能撐過一屆又一屆政府。那支火箭設計的年代，中國還主要靠燒煤的火車頭在跑；等它要開始服役，中國已經鋪了兩萬五千英里高鐵，離自己的「阿波羅 11 時刻」只剩幾年。

組織本身也被掏空。核心能力跟成千上萬名 NASA 員工被租出去、外包出去、流失掉，幾個月該有的進度拖成年，成本高出一大截。月球火箭把發射質量轉成奔向月球的酬載，效率比土星五號還差。阿提米絲一號到二號之間隔的時間，比 60 年前 12 次雙子星任務加起來還長。月球太空站讓太空人坐在可以俯瞰最搶手月面地段的位置，而不是真的站到上面去。X 系列實驗機有一架沒飛幾次。幾十億美元投進失敗的核能計畫，從 1965 年之後就沒離開過實驗室。

不追著每個人開心

他上任後改掉了那套做法。他不打算讓所有人開心，不打算把每一分錢攤到每個選區，也不打算只為了湊旗子數就跟每個國家結盟。他講得更白：他不是來當誰的創投，不是來幫誰圓夢，也不是來替誰發明新市場的；如果這些事有一絲一毫會拖到 NASA 被交付的任務，那種談話可以去找商務部。他要做的是執行川普政府的國家太空政策，把資源對準目標。

成績單先從阿提米絲二號開始。四位太空人坐進 880 萬磅推力的火箭，飛到接近地球逃逸速度，比歷史上任何人類都走得更遠，繞過月球再安全回家。四個人後來領了國會太空榮譽勳章。他把這一趟當開場，不是終點：NASA 不打算再等三年才飛下一次，也不打算把每一支火箭變成藝術品。

阿提米絲三號正在組裝，幾個月前還有很多人不相信這個速度。年底前，NASA 打算把它拖到 39B 發射台做加注測試。2027 年夏天，阿提米絲三號用 SLS 射進低地球軌道，跟藍色起源與 SpaceX 的登陸器測試載具會合。他形容那會是全世界三支最強火箭與太空船同台的一次，要測互通性，示範未來的多發次任務長什麼樣子。學到的東西會餵給後續的無人登陸測試，然後 2028 年阿提米絲四號，美國太空人回到月面，這次是留下來。

月球南極的好停車位

月面基地是人類在其他世界上的第一個據點。他強調這次不直接跳進那套樣板戲，要照 NASA 幾十年前就證明有效的打法：用接近每月一次的節奏發射，做的題目是「生存的科學」，包括自主與載人移動、地表整備、就地資源利用與製造、物流、居住、電力、通訊，還有酬載預算養得起的科學儀器，全部高畫質直播。

為什麼要盯南極？水冰在那裡，而南極是未來去火星之前最好的技術練兵場。問題是位子有限。月球表面面積大概跟非洲一樣大，南極那一塊大概跟華盛頓特區一樣大，裡頭擁有永久陰影區的隕石坑就那幾個，那種環境比火星本身還嚴苛。隕石坑的崖壁又能提供幾乎永不落下的陽光，是太陽能的好所在。再加上星艦這種尺度的載具降落時會炸出坑、噴出大量碎屑。好的停車位就是這麼少。

NASA 手上的 Promise 探測車，是用毅力號與好奇號的備料做的，放射性同位素動力，車子大概一台吉普車大。鈽 238 正在衰變，能用的時間有限，所以把它放上 Promise、送進那些幾乎任何其他硬體都會死掉的永久陰影區，開始探勘。他認為這是把已經花掉的納稅錢好好用掉的一種方式。

主持人在這裡把問題拉遠：月球本身有沒有機會長出一個產業，而不只是測試裝備的場地？Isaacman 分成兩層回答。NASA 接下來四年會送出非常強的需求訊號，幾十台登陸器、幾十台探測車、大量的就地資源利用實驗，讓產業有機會去想辦法從月壤裡解鎖價值。但他不能保證做得成，那是商務部太空商業辦公室的事。NASA 的工作是把去火星需要的技能練好，順便在月球背面放無線電望遠鏡。如果這樣也點燃了月球經濟，那很好；但上去要花很多錢，把資源挖出來也要花很多錢。

他還講了一件跟直覺相反的事：有了月面基地之後，最不該急著做的就是讓太空人走出去。艙外活動很危險，那些事交給機器人。

核動力是這一輪的賭注

2028 年要射的是 SR-1 Freedom，一顆 100 千瓦的分裂反應爐。它會飛越火星，放出 Skyfall，上面帶三架 Ingenuity 等級的直升機和穿地雷達，去探測地下的冰與未來可能的登陸點。他把這看成美國核動力推進終於上路的起點，後面還有 SR-2、SR-3、SR-4，一路上要推的材料與技術包括高溫材料、更有效率的電力轉換、更輕的散熱器，以及性能更好的電力推進。

要去的天體也跟著換。土衛二（Enceladus）、歐羅巴（Europa）與土衛六（Titan），這幾個世界有海洋、有複雜化學，也許還有組成生命的原料。他說人類歷史上最偉大的發現之一，可能就在我們自己的後院等著。

他在台上補了一段推進原理的課。星鏈那種衛星用的是霍爾效應推進器，靠太陽能發電，用電磁力把氪或氙離子化再加速噴出去，排氣速度很高、效率很好，代價是推力很小，好處是同一批推進劑可以用很久。這套方法在離太陽愈遠的地方愈不管用；到了木星附近，太陽能的效益幾乎等於零。解法是把核反應爐的熱拿來用：先做 100 千瓦，之後往 250 千瓦推，也許做到百萬瓦級。反應爐要盡量燒得熱，所以需要高溫材料；熱再透過閉式布雷頓循環的電力轉換單元變成電，去驅動同一種推進器，只是尺寸放大，從 12、14 到 25 千瓦。

火星為什麼非得靠這條路？他講得很清楚。如果只走化學推進，星艦這種等級的載具其實做得到，去月球跟去火星的速度差不多，真正的難關是怎麼回來。你得在火星上做出推進劑，背後是一支機器人隊伍、足球場大的太陽能板，還得有人在沙塵暴過後把板子上的塵土清掉。這件事在地球上、一個大氣壓、一個 g 的環境裡都已經很難。核動力加化學增能的轉移載具來回一趟不必中途補燃料，補的是氪或氙，不必在火星表面製造推進劑。在他看來，這才是 NASA 跟產業該有的分工：產業已經做得好的事交出去，NASA 去投資今天還沒有明顯商業理由、但美國要在太空保持領先就必須有的能力。他也把核融合放進同一條清單。

錢怎麼分，人怎麼留

NASA 現在的預算是 250 億美元。他的說法有點不客氣：NASA 沒有總額不夠的問題，長年來是不好的資本分配者，這當中一半是 NASA 自己的選擇，一半是別人逼的。他也提醒台下滿場的創業家，250 億美元是很大一筆錢，可以造出很不得了的硬體。

科學大約占 NASA 預算的三分之一。改組之後，主要任務總署有三個：人類太空探索總署，管國際太空站與月球、月面基地；研究技術任務總署，扛下大部分核動力 NASA 的工作；以及科學任務總署。

分工原則他反覆講：發射、觀測、通訊都已經是真正的服務市場，NASA 是眾多客戶之一。民間公司正在大量生產衛星做地球觀測，服務國安、農業、地球科學。能給儀器就給儀器，能授權就授權，換取空間去做產業不會想接的事，例如把核動力的八旋翼直升機送去土衛六。

科學任務的清單很長。蜻蜓號用一顆 2 千瓦的多任務放射性同位素熱電機，轉出來只有 100 瓦電，比一顆老燈泡好不了多少，2028 年要飛去土衛六。歐羅巴快帆號 2030 年抵達木星的冰衛星。羅曼太空望遠鏡帶著將近 3 億畫素的廣角儀器與 JPL 做的日冕儀，會看到比過去任何放上太空的科學儀器更多的宇宙，研究暗能量與暗物質，揭露藏在遙遠恆星後面的數萬個世界；它回傳的影像大到地球上沒有螢幕能完整顯示。NEO Surveyor 則負責找出可能威脅地球的小行星與彗星。

他的優先順序也講得很直白：寧可把資源放在把新任務射出去。只要資料回來，全國各地機構裡多的是聰明人想分析；但如果下一個任務射不出去，那些資料根本不存在。

人才那一題，他的答案分兩段。招募目前不是問題，NASA 的實習管道只收大約 1% 的申請者，進來就保障一份工作。真正的問題是留人。如果 NASA 做的事跟 SpaceX、藍色起源、火箭實驗室、ULA 一樣，卻還在用 50 年前的太空梭時代硬體，效率又不如土星五號，人一定會走。解法還是同一套分工：有商業理由、可以一個客戶對多個供應商的任務就交給產業，NASA 轉去做只有它做得了、又沒有明顯商業案例的任務，核動力就是那一塊。SR-1 只是開始，他形容那是他們的鸚鵡螺號，後面會有一整支核動力艦隊。

機構層面還有一塊補強。總統設立了「美國太空學院委員會」，一個由 NASA 主導的聯邦學院，要培養下一代的太空人、科學家、工程師、技術員、操作員、飛行員與領導者。他直接叫它星際艦隊學院。要準備的是蓋月面基地、操作核動力太空船、指揮火星任務、確保國安，以及在軌道上創造今天還想像不到的產業。他說沒有時間可以浪費。

機器人做前面的，人做後面的

台上放了一段火星直升機的影片。前一架在近真空、只有地球十分之一大氣壓的火星上飛得很好；接下來要送三架上去，還帶穿地雷達。更關鍵的是它們怎麼到那裡：一台真正的 100 千瓦分裂動力太空船飛越火星後把它們放出來，2028 年發射，直升機大約晚一年抵達，細節還在調整。

主持人問，如果人形機器人真的成熟了，為什麼還要冒人命去月球跟火星，是不是自尊作祟。Isaacman 說這是人類的天性，我們就是這樣跨過海洋、爬上高山的。他反問：如果阿提米絲二號上坐的不是人，會有那麼多人停下手邊的事去看嗎？他認為不會。但他也承認機器人不可少，有些環境例如輻射，只能靠無人任務處理；月球可以去、火星可以去、再往外也可以，機器人會在這條路上扮演關鍵角色。

自主性也有現成的例子。NASA 幾十年前就做出戰機的自動地面防撞軟體：飛行員拉 G 拉到昏過去，機頭對著地面，飛機自己判斷、自己改回來，救回無數飛行員的命。接下來天上會有數百萬架送藥的無人機，這件事得跟美國聯邦航空總署密切合作。任務裡的 AI 也在同一條線上：達文西號要去金星，那個高壓環境撐不久，能蒐集資訊、更新航向的時間有限，載具得自己判斷哪個畫面沒意思、可以跳過，哪個有意思、該轉過去。同樣的做法已經在火星車上測過。他用一句話形容那種設計：最後一口氣之前，我要選擇把哪一段送回地球給科學家。

NASA 的第一個 A 也回來了。F-22 的線傳飛控是 NASA 做的，推力向量也是。這些年航空預算被逼著去補貼大承包商已經成熟的計畫，一顆 40 年的引擎想再榨出 3% 燃油效率，然後叫 NASA 買單，他不願意。他要回去做真正激進的機體與引擎設計，X-59 在研究安靜超音速，X 系列機隊要重建。

誰才是真正的對手

中國打算在 2030 年前把太空人送上月球。它的機器人任務明年就要去月球南極的沙克爾頓隕石坑。好停車位就那幾個，他們打算占下來。他們也跟俄羅斯合作，要蓋自己的核動力月面基地。Isaacman 說得直接：中國會做到蘇聯在第一場太空競賽裡做不到的事。他們有非常可行的兩次發射架構，也有國家意志與能力。

他請台下想像一個畫面。太空人爬下梯子，這次不是 1969 年 7 月 20 日那種顆粒粗糙的黑白影像，是高畫質彩色直播給全世界幾十億人。鏡頭往上帶，太空衣上的旗子不是美國的。不會有人加註腳說我們花得比較多，也不會有人解釋我們的架構比較複雜；沒人會在意開過幾次會、完成過幾份研究、哪些選區拿到好處。世界只會看到誰先到。

如果美國沒有回去，在幾十年的承諾與超過一千億美元的投入之後，衝擊波會傳得很遠。盟友會注意到，對手會注意到，每個正在決定要買誰的技術、採用誰的標準、相信誰的安全保證、跟隨誰的未來願景的國家都會注意到。他說最重要的是，我們的孩子會注意到。

節目後段把對手盤點得更細。他對蘇聯與俄羅斯的太空史很有敬意：第一個人類在軌道上、第一次太空漫步，都是他們先做到，今天也還在國際太空站跟各方合作。但他們有戰爭要打，資源往那邊去。中國是現在真正難對付的對手：他們沒有 SpaceX 那種可重複使用發射能力，可送上太空的東西很好，即使是用幾十年前泰坦二號那種自燃推進劑火箭硬推上去的。空軍部長與太空軍的人最近在一場會議上，讓大眾更清楚那個環境有多競爭。中國在太空裡已經非常強，再搭上俄羅斯在核動力上的能力，他們會回到月球、會上去、會在南極蓋起基地。

SpaceX 的角色他也講得很直接。那是最重要的發射夥伴：沒有他們，NASA 沒辦法把人送去太空站再送回來，也沒辦法把科學實驗的貨運回地球。商業太空現在有很多好公司，但少了這些能力，美國在太空這個制高點上會受到嚴重挑戰。

還沒走完的路

他沒有把話收在願景上，而是收在時間表。年底前，阿提米絲三號要拖到 39B 做加注測試；2027 年夏天射進低地球軌道跟登陸器測試載具會合；2028 年阿提米絲四號把人送回月面，SR-1 出發去火星。他自己知道前面錯過的時間補不回來。

他也沒有迴避月球經濟那題的難處。上去很貴，把資源挖出來也很貴，南極的好位子就那幾個。他說過，如果這一路上真的點燃了一個產業，那很好，但那不是 NASA 能保證的事。

最後他留給台下的是兩個版本的孩子。一個版本繼承的是一個還做得到非凡之事的國家所給的自信，另一個版本繼承的是一個「以前可以」的國家的記憶。他認為這個選擇屬於所有人，而歷史回頭看這一刻的時候，會記下美國有沒有再猶豫下去。

這一集的來賓是哈佛商學院資深講師 Christina Wallace。她同時是連續創業家與天使投資人，還在百老匯經營一間製作公司。節目的促成有點像同學會：知識衛星的執行長 Stephen 是她在哈佛的學生，把老師請來台灣，把課堂內容做成一堂線上課程；張修修讀完課程逐字稿之後，用「驚為天人」形容自己的反應，才有了這場對談。

張修修先交代自己消失的原因。他的 podcast 與 YouTube 停更好幾個月，因為整個人沉進 AI 裡，想把熱門模型與工具的能力與限制摸清楚，也想找出一套跟 AI 協作的方式。這段時間他被 AI agent 能做出來的事反覆震到。他平常不太誇大，這次卻講得很直接：一個沒背景、沒資源、只有想法的人，正在遇到非常難得的黃金時代。

Wallace 答應的理由很日常。除了喜歡 Stephen，也因為主題夠及時，而且她沒來過台灣。她習慣跟一流的人合作，好的合作者會把一句「這想法不錯」再推三步，逼她走得更深；她說鐵磨鐵，會磨出刃來。

她兩次 aha：原本要花一年的事，現在一個下午就能做完

ChatGPT 剛出來之後，生成式工具開始往外長，做圖的、做影片的、做品牌的，一波接一波。Wallace 記得那段時間工具來得又快又急，名字兩天後就忘了。她印象最深的是兩個：一個能在九十秒內生出一頁 landing page；另一個能生出一整套品牌，不只 logo，還有字體與各種使用情境的素材，像一份你原本得付錢請人做的品牌手冊。她自己承認那是「最低可行品牌」，談不上好，但對一個完全沒有設計底子、替代方案是開 PowerPoint 拖剪貼圖的人來說，這已經是很大的升級。

真正讓她愣住的是下一個工具：把低畫質的產品照片傳上去，換回電商等級的商品照。她的第一家公司就是電商品牌。當年要花一年才推出來的東西，而且第一版還做得不怎麼樣，前三、四個版本都慘不忍睹（她說網路時光機都還留著證據），現在一個下午就能完成。

興奮只維持了幾秒。她立刻想到另一面：如果所有人都能做這件事，那明天不就每個人都有電商公司？市場會被淹沒，那你要怎麼突出？你的護城河在哪裡？

第二次 aha 大概在一年後，去年九月、十月左右，這次是 AI agent。她讀過、也研究過 agent，但一直沒真的用進生活。她有兩個身分推著她往前走：一個是在哈佛商學院教新創營運的老師，另一個是百老匯製作公司的合夥人。那間公司三個合夥人都有正職，沒有員工，所有營運雜事就靠三個人硬吃：投資人的信、進度更新、各種行政流程，跟排練場、首演夜那種好玩的事完全不一樣。她的處理方式是放點音樂、倒杯酒，咬牙做幾個小時。

有一天她想，那來試試 agent 能不能把這條流程接起來。第一版很破，用的是 Zapier，嚴格說還算不上 agent，只是一條接起來的系統，但它會跑：新投資人自己收到完整的加入文件與 capital call 的出資通知、填好稅務表、被加進資料庫。以前要吃掉她好幾個小時的事，自己完成了。

也在同一段時間，她在哈佛的課堂上開始覺得不對勁。七月排年度計畫的時候，她還認為 AI 大概有關，但不至於改變一切；到了十二月做課程評鑑，她的結論是整學期教的東西已經過期，秋季班開課前得全部重編。

這是平台替換，不是工具替換

她的說法是：這是平台替換。會議電話換成 Zoom，只是工具替換；商業模式、方法論、資本需求，跟世界運作的方式都會跟著動，那是另一個量級的事。這件事既讓人興奮，也讓人有點怕。

速度本身也是壓力。她說這種變化節奏不是人類演化設計來消化的，而且它接在過去十五年的一連串變化後面。她半開玩笑說，很想按下暫停鍵、好好睡三個月，醒來再說「好，我準備好了」，但沒有這個選項。她觀察到 Z 世代有一些人的反應是直接退出：不讀、不用、不碰。她理解那種心情，因為「如果 AI 真的會這樣，那我的未來怎麼辦」這個假設太存在主義；人乾脆不要接受那個如果。

半人馬工作流：AI 輾過粗活，判斷留給人

張修修拿自己當例子。他是內容創作者，請 AI 找熱門題目、想縮圖點子都很容易，也很想乾脆叫 AI 把整篇文章寫完。可他知道，那會把「為什麼是由他來當創作者」這件事一起毀掉。他在 agent 裡放了一條憲法級規則：原始文章要一個字一個字自己寫，還跟 AI 一起幫這條規則取了個名字，叫做 Atomic Article。

Wallace 的回應很硬：你就算想這樣做，也辦不到。理由是所有人在用同一批模型，產出會長得一樣。現在已經看得到：大家做出來的 app、網站、原型，第一版全都長得一模一樣；LinkedIn 上的產品公告一看就是 Claude 寫的，語氣完全一樣；用品牌生成器做出來的品牌也全都一個樣。模型被訓練成回到平均值：同一批資料集、統計上下一個最可能的詞，你就算給不同的指令、不同的脈絡，最後拿到的還是同一個東西。

那 AI 能做什麼？研究、粗活，那些低認知但耗時的事，它做得又快又好。但要查核，真的去讀那篇文章、對那些引文，因為它很會給你聽起來完美、實際上根本不存在的東西。它也可以當點子夥伴，只是給你的標題跟名字通常很爛；真正有用的地方，是你看了十個、一百個自己不想要的點子之後，終於講得清楚自己到底要什麼。

她說，把 LLM 當實習生：指令要下得具體，工作一定要檢查，還要先定義什麼叫做好。當你把好幾個 agent 疊起來，得決定哪一步之間要驗收，不然最後拿到一個不對的東西，根本不知道是哪一步壞掉。這些都需要判斷、專業，還有很多人味。這才是半人馬的意思：AI 很快地輾過低認知的工作，你負責設定參數、評估好壞、把工作串成有用的樣子，再把它修到能替組織創造價值，而不是做出跟所有人一樣的東西。

還有一件事她講得很白：不要讓 AI 寫初稿。她說現在的研究已經顯示，如果初稿是 AI 寫的，你再從它的版本去改，你只是在微調平庸。她的做法是反過來，自己先寫，再給 AI 一個角色。當第一讀者，告訴她哪裡在跳步、哪裡藏著沒說出口的假設、哪兩個概念接不起來；當文化讀者，指出哪些用語或引用對特定觀眾不通；當研究者，去找更好的例子、更新的資料。點子發想也一樣，不要太早讓 AI 進來，太早進來，想法會被收斂到平均值，那些瘋狂、未必會實現、但會點火的點子就先沒了。她說，一開始先讓自己的怪點子滿天飛。

入門職缺先被砍，真正危險的卻是中階主管

張修修把場景拉回職場。新鮮人越來越難找到入門的工作，因為主管手上就有 AI，不抱怨、不請病假，還能把過去丟給菜鳥的活吃掉。那年輕人的判斷要從哪裡長出來？

Wallace 說這題很難。她希望這種短視最後會被看見：如果沒有人願意訓練入門的人，就不會有下一代的資深領導者，這是一條會斷掉的管道，而現在的裁減，是非常短視的削成本作法。至於不想等其他人想通的人，她認為現在要做的是找回自己的能動性：不要等那個職位出現，自己把職位創造出來。創業不一定是要開一間拿創投錢的公司，可以小到只是問自己：我能給世界什麼？我對什麼有興趣？我在哪件事上比別人多懂一點？然後開始做。

判斷是肌肉，要靠診斷、計畫、執行、回頭看

她的課堂上有一條「判斷迴路」：診斷問題、根據診斷做計畫、執行計畫，然後從這一輪學到東西，問自己診斷對不對、計畫對不對、執行得好不好。過程中一定會撞到「不行」，越快知道不行在哪裡越好，然後再跑一輪。迴路跑得越快，判斷這塊肌肉就越強。創業之所以是最好的練習場之一，是因為它的學習迴路最緊。

相對地，在大公司的入門職位，你只做得到判斷迴路裡的一小塊，看不到自己的工作怎麼接上去，看不到結果，也拿不到回饋。位子高一點會多看到一些，但要拿到規律的資訊，可能要很久。

她也承認，原本被承諾的那條路消失了、得自己開路，這很不好受。但如果願意把這件事看成機會：用自己的方式練判斷，練得快一點，逼自己找出那個能給世界的獨特指紋，最後的位置可能比某些抓著舊階梯不放、遲遲不肯跟自己對話的中階主管更好。

張修修順著這個話頭催了一句：那就去做點東西吧。寫一篇文章、開個頻道、做個 podcast，工具已經把門檻壓低，以前覺得太難的事，現在可以先做再說。

人生投資組合：別把身分全押在一個職稱上

訪談中段轉到她的書《The Portfolio Life》。這套想法是從她更早的人生長出來的，比商學院還早。她的第一段人生在藝術裡：受的是音樂訓練，戲劇系，本來以為一輩子會做劇場。劇場是最不穩定的職涯之一，圈內的直覺本來就是這樣：每個收入都接，每個工作都說好，沒有耍大牌的空間。叫你當舞台監督就當，叫你掛燈就掛；也當家教、當酒保。這讓她累積人脈、看到工作的各種角度、手上有很多條收入，也給了她分散。她沒有來自家裡的支持，這套分散與自給自足對她不只是想法，是經濟上的底層設定。

後來她去念商學院，世界剛好崩掉。金融危機，沒有工作，其他人都在恐慌，她只覺得熟悉：不穩定就在她的 DNA 裡。轉去創業時，她覺得「這看起來就像做劇場」。真正給她框架的，是 Clayton Christensen 的那個問題：你要怎麼衡量你的人生？你要怎麼確保自己不會蓋出一段只用職稱與工作衡量的人生？Christensen 後來成為她十年的導師。她想起財務課第一學期教的投資組合與分散：資產配置，哪裡可以冒險、哪裡要把基本盤顧好，股票、債券、風險高一點的部位各放多少；依人生當下的季節去設計自己能承受的風險與報酬，季節變了就要再平衡。

她說，大家常抱持另一種想法：選一條路，走上去，那就是你的人生。事實不是這樣。人會走到一個時刻，發現自己不再想要以前想要的東西；那不是失敗，也不是失去野心，只是現在想要的不一樣了，這可以。

她本來沒打算把這套變成什麼。後來她開 podcast、又開始替 Forbes 寫稿，手上一直有好幾條線。她說自己誰都不信，永遠要有多個收入來源。這套做法除了避開恐懼，也關於快樂：從身分的角度分散，讓她把身上不同的部分拿出來用，伸展不同的肌肉。她說自己很不想只挑一件事做四十年，就算有人保證退休金與終身雇用，「那聽起來像地獄」。

然後就有人寫信來了。聽 podcast 的人說「這套對我也成立」，繼續追問，她發現咖啡喝不完，最後乾脆寫成書。她的出版經紀人問她下一步要寫什麼，她有點不好意思地問：我可以寫自我成長書嗎？會不會很怪？她說那還有點「像女生在看的書」。書出了之後，在書店沒有單一歸屬：有些店放在商業區，有些放自我成長，有些放職涯，有些放教育，她覺得好玩極了。書出了，大家還是想約咖啡；現在她可以把人送去上課。

人形 Venn 圖：AI 最不會的那件事，就是你最強的指紋

書裡最重要的練習之一，是畫自己的 Venn 圖。她說這是描述自己最簡單的方式，也是她的身分認同。她之所以把這件事講得這麼重，是因為很多非常成功、非常有企圖心的人，身分就等於工作；當工作可以被一句話拿走，收入跟身分就在同一句話裡一起沒了。更糟的是整個產業都可能消失，新聞業與紙本雜誌都是例子；如果那就是你，你什麼都不剩。

她做這件事的起點其實很日常：她有點混亂，需要一個方法把身上所有東西排好。每次想跟別人描述自己，聽起來都像把整份履歷往人身上砸。於是她用自己的位置來講：商業、科技、藝術的交集。有了這張圖，回頭看她的履歷，每個選擇都落在裡面，看起來一點都不雜亂，是一條講得通的線。而每個人都是人形 Venn 圖。你認識哪個「我只是一個工程師，其他什麼都不感興趣」的人？她說，零個。

她在哈佛帶這個練習時，有個學生說自己在金融業、做過私募，除此之外什麼都沒有。她追問：大學呢？高中呢？國中呢？問到最後，答案出來了：那個學生打進美國奧運花式滑冰的決賽。Wallace 的反應是：你不再滑冰了，但你永遠是菁英運動員。那種紀律、藝術性與投入佔滿了她的童年，一路定義她到高中，怎麼可能切掉、假裝不存在？它還在，只是你沒在用，而且你忘了。「我居然要問到第十五個問題，才問出這件事。」

她說，人得挖出自己身上所有的東西，然後記起來。這跟你的超能力有關：一個人的指紋，是那些不同領域交會出來的獨特位置。Clayton Christensen 在《The Innovator's DNA》裡研究過許多創新者，整理出五個共同特質，其中一個是骨幹，其他四個像 DNA 一樣繞著它長：聯想思考，也就是把看似不相關的領域連起來的能力。這不需要你發明新東西，也不必是愛因斯坦那種等級；它要的是能同時坐在好幾個空間裡，在一邊看到什麼，把它翻譯到另一邊。懂自己的 Venn 圖，就有辦法從不同的世界裡拿東西過來翻譯，於是你手上會有房間裡其他人沒有的東西：想法、洞察，甚至人脈。

AI 在這一塊很弱。它的洞察很平均，因為它訓練的是已經被寫下來的東西；如果那個連結早就有人寫過，它找得到；如果是全新的連結，它找不到，要人來找。她書裡有個故事：一個物理學家同時是爵士薩克斯風手，卡在弦論的博士論文上過不去，索性去爵士俱樂部演奏；凌晨三四點，跟三重奏在台上，他突然懂了「原來是這樣運作」。那是進入 flow 之後，讓大腦在背景把事情算完。他回辦公室，把整篇寫完，後來成了知名物理學家。Wallace 說，中間那個空隙裡有很多魔法。

如果人類願意接受自己正在離開線性路徑，願意在這種跨領域的世界裡重新搭人生與職涯，她覺得這可能是人類的下一個章節。她也先講清楚：轉換期會非常不舒服，她不想把這件事講輕。

判斷與信任拿不走，關係會比交易值錢

張修修自己接話。他說，最大的焦慮是被取代；但在不確定裡做決定這種判斷，AI 拿不走。另一個是信任。現在每個人都能用 AI 生產內容，假的東西到處都是，那你到底信任誰給你的內容、產品與成果？誰是你願意一直跟著的？

Wallace 把問題問得更細：誰是你相信會穩定出現、有品格、有長期紀錄、會超額交付、會為自己交付的東西負責的人？她接著說，這個時代會由關係、情緒、溝通定義，而不是由交易與注意力定義。交易與注意力可以交給演算法，因為那些東西現在到處都是；而到處都是的東西，已經不值錢了。接下來會被看重的，是不能到處都有的東西。她對這件事其實蠻樂觀，因為那剛好是人擅長的事。只是它需要心態上的重整，也需要重新想教育要投資在哪裡。過去幾十年，人文學科被低估，大家把資源押在 STEM，因為那看起來能保證一個穩定未來；現在才發現，讀經典、懂歷史、懂心理學、懂人，看書、看劇場，這些關於人怎麼運作的東西，本身就是一種技能，而接下來很可能用得上。

配速：這是一場馬拉松，沒人會替你把時間留下來

張修修承認，他拿到一個新工具、發現自己可以做出以前想像不到的東西時，就是日夜不停地做，然後把自己燒掉。Wallace 說哈佛的學生也會這樣，所以要配速，因為這是馬拉松，不是短跑。

她的具體建議是找同伴。這種事跟幾個人一起做，永遠比一個人做好；畫 Venn 圖、做書裡的練習也一樣，有人可以對照、可以丟想法。而且你解決別人的問題，永遠比解決自己的問題厲害。把事情變得有人味、可以合作，而不是對著鏡子盯著自己的問題。有同伴還有一個副作用：逼你上廁所、吃飯、在合理的時間關電腦去睡覺。她說，不能因為連續三天 vibe coding，最後因為過勞被送進醫院。

她自己的方法是兩個小孩。小孩不管媽媽在蓋什麼，六點就是要去接。回家的路上她們要講今天發生什麼，接著要幫忙煮飯，這代表她得確定刀沒有切到手指。蒙特梭利的孩子很喜歡參與，你給四歲小孩一把刀，就沒辦法同時想別的事，你只能在那個當下。陪到她們上床，她也沒力氣了，就去睡，不是回去開電腦。張修修說自己會再工作兩個小時；她要他把自己的時間投資組合也畫出來，看看時間是怎麼配置的，也許該多留一點給休息。她補一句：「沒有人會替你保護你的時間。」

教育：不能讓工具先替孩子做功課

家長是這一題裡最焦慮的一群。Wallace 只能講美國：沒有單一的教育系統，是一區一區、一州一州。他們替孩子選了蒙特梭利，其中一個理由是五、六年級之前完全沒有螢幕、沒有電腦。她記得 2011 年左右那波浪潮：iPad 出來、Chromebook 出來，每間學校都覺得每個孩子要有一台電腦、每間教室要有智慧黑板；結果走進小學教室，孩子就是盯著電腦；到了高中，學生用 Google Docs 的留言在傳紙條。她要的至少是：小學階段的底層教育放在材料、問題、主題、概念上，而不是學科技，也不是被科技分心。

她講了一個女兒的故事。女兒想用 Duolingo 學中文，她翻出一支舊 iPhone，清空所有東西，只留 Duolingo，只能在家裡連 Wi-Fi，連瀏覽器都刪了。她想，這能有多糟？結果女兒在裡面待了兩個小時，因為 Duolingo 遊戲化，有音效、有積分，女兒說「我一定要進決賽榜」。那一刻她明白，孩子的腦袋對這些系統的設計完全沒有準備。後來她把那支手機收回來，改成少量配給。他們家看電視，除此之外沒有螢幕。

她也說女兒很會做生意：想在公園賣自己的畫，一幅二十美元；想擺檸檬水攤，五種口味，還列出材料清單、研究要擺在誰家旁邊、問她「你覺得我的行銷要怎麼做？」後來還做了寶可夢卡要賣，學校打電話來說她在放學接小孩時跟家長推銷，而且真的賣掉一張。「我在家真的沒有在講這些。」

到了課堂，哈佛商學院內部也在討論生成式 AI 要怎麼進來。她的原則很清楚：這些工具當然要學，但不能讓工具在你學會這件事之前就替你做。用計算機的比喻來說，你得先懂加法是什麼，才能讓計算機幫你加；你得先對數學有夠深的理解，那個捷徑才有用。發展階段也是一樣，太早把科技放進去，等於偷走孩子的東西，而且拿不回來。六歲的小孩抗拒不了遊戲化，十三、十四歲的孩子也沒有足夠的自制力不讓 AI 代寫作業。她說，前額葉要到二十三歲左右才長好，一路到大學都不算真的到位；這跟道德好壞無關，是他們還沒有那個判斷，知道走這條捷徑是在偷自己的東西。所以教育者要設計出一套方法，把那個選項保護掉。

美國大學部已經看得到手寫考試回來：一人一本藍皮答案本，用手寫完。問題是這一整個世代沒學過草寫，要連寫一個小時都有困難。商學院自己也經歷過一次信心危機：學生可以把個案、把作業問題丟進模型，然後拿到「被點到時要講什麼」。後來他們發現，這反而逼老師升級：要追問得更深，要改變教學計畫，用更出其不意的方式問。而個案教學，比起講課與念教科書，是少數活下來的教學工具，因為它反覆在教判斷迴路：診斷、計畫、執行、回頭學。它要求老師的手藝更好，她說這有時候蠻累的。

張修修提到他把女兒送去華德福，圖的也是類似的東西：接近自然、動手做、由好奇心和內在動機推著學，讓教育不是懲罰，而是禮物。Wallace 說她的孩子很愛去上學，他們想盡量延長這件事。至於高等教育，張修修問到 Khan 那邊新辦的學校，她說自己知道得不夠多，只曉得還在實驗；她覺得運氣不錯，高等教育還有時間等答案慢慢長出來。

她順帶講了一段自己的世代運氣。高中畢業那年碰上九一一，進商學院時雷曼兄弟倒閉，當媽媽的時候遇上 COVID，一直到四十歲才買房；聽起來把每一場災難都趕上了。但她也覺得自己很幸運：社群媒體是在她大學畢業之後才出現的，Facebook 在她大三、大四出來，還不能放照片；智慧手機到她研究所畢業之後才有足夠的記憶體，所以有一段「可疑的決定」完全沒有留下證據。她比較晚生小孩，孩子也就跳過了那個「給十二歲小孩一支手機試試看會怎樣」的實驗，那個實驗的結果是災難。她半開玩笑地說，我們可能明天就被隕石打到，什麼都計畫不了，這句話她是笑著講的。

看板上那句話：去睡個午覺

最後一題是張修修固定會問的（他說這是從 Tim Ferriss 那裡學來的）：如果有一塊全世界都看得到的看板，你只能寫一句話，你要寫什麼？Wallace 先確認了一下這塊看板是不是魔法、同時出現在所有地方，然後笑了。她的答案是：「去睡個午覺。」

她說，成為一個永遠行程滿檔、永遠有點累的大人之後，午睡的力量很難形容。她從孩子還需要午睡的時候開始跟著睡，現在孩子不睡了，她週末還是要睡，那是有魔法的事。她的書裡有一句：休息是必需品，不是獎勵。她媽媽讀到之後問她：「這是你寫的嗎？你自己相信嗎？」她回答：「我正在努力。」後來媽媽把這句話繡在一小塊布上，寄來給她，要她放在書桌上。她現在每天都看得到。或許她該把看板上那句話改一改：每個人心底都是幼兒，要嘛吃點心，要嘛去睡個午覺。

這堂與知識衛星合作的線上課程，把她在哈佛課堂上講的框架與練習整理進去，訪談裡的判斷迴路、Venn 圖、時間投資組合都在裡面。張修修在節目最後留了折扣碼，如果你對課程有興趣，資訊欄有連結，用 SHO198 可以折三百五十元。

變化只會更快。她建議的處理方式很簡單：先睡一下，把心定下來，再回來面對那個還沒想通的地方。

國威在節目開場把兩種心情擺在一起。有人覺得 AI 是在把競爭門檻拉平、讓世界變得更公平：以前不會寫文案的人，現在可以叫 AI 寫；以前不會畫圖的人，現在可以叫 AI 畫。但現實可能往另一個方向走。AI 正在很快地重新分配財富，而分到比較多的那一邊，差別在於用得比別人好。同一段時間裡，有創業者靠 AI 在幾個月內做到幾百萬美元的年營收，也有很多人還停在「我到底要不要學 AI」的猶豫裡。

這一集的來賓是哈佛商學院教授 Christina Wallace。她在課堂上天天接觸全球最頂尖的企業主管與創業者，自己也是連續創業者與天使投資人。她在哈佛講台上告訴學生的話很直白：把全部精力梭哈在單一職位上，反而是風險最高的一種做法；要反內卷，建立多重職涯，把人生的風險分散開。這場對談要檢查的就是這件事：這是一套站在哈佛講台上的學術理想，還是普通人真的能用的解藥。

軟體成本歸零之後，護城河換了位置

寫程式曾經被當成金飯碗，現在只要動嘴巴，Claude Code、Codex 這類工具就能把整個軟體架構寫出來，開發產品的技術門檻幾乎歸零。更麻煩的是複製：看到哪個網站或產品不錯，截圖丟給 AI，或叫 AI 自己去爬一遍，別人一秒就能生出一個類似的東西。國威把問題直接丟出來：在這種情況下，那條別人絕對抄不走的護城河，還剩下什麼？

Wallace 說這是一次真正的轉變。她的第二個創業題目是教女生寫程式，十年前那是當時的策略。而現在，做出軟體的成本基本上等於零。當價值不在那裡、或者只剩下邊際價值，價值就移到服務上，移到這門生意裡「人」的那一邊。

她列出來的東西很具體。一個是判斷：面對真正模糊的情境時，光是列出正反兩面的清單（Claude 和 ChatGPT 對這件事很擅長）並不夠，你要真的做出決定，然後把這個決定認下來，尤其當它出錯的時候。只有人能扛這個責任，可能被告，也可能坐牢。這些是真正屬於人的部分。

另一個變化發生在創投身上。以前創投對服務型公司沒什麼興趣，錢都押在軟體上，對服務公司直接說不；現在 AI 驅動的服務公司開始變成很多創投眼中很有吸引力的標的。可以擁有客戶關係，有真正的往來，然後再用這些工具把規模放大，這種模式比單純執行、交付一個軟體就能做的產品更守得住。

國威半開玩笑地問，所以你的意思是我們要多交朋友、多跟客戶去打高爾夫？Wallace 說她的假設是：當技術能力在職場裡的重要性下降，溝通能力、理解心理、歷史感、讀空氣、說話、寫作這些軟技能會被重新看重。AI 做得出一個版本，但那有點像故事版本的恐怖谷：字拼得出來，可是你在網路上讀到 Claude 寫的東西，一秒就能認出是 AI 寫的。要真的提供意義、創造信念、驅動別人的動機與行動，那才是留下來的人類工作。如果這代表要多打高爾夫，她給大家許可。

一邊集中、一邊民主化：AI 紅利同時往兩邊跑

國威提到 Wallace 在哈佛課堂上用的個案：Base44 的創辦人單槍匹馬，在幾個月內做到百萬美元營收。他想知道，AI 這波紅利到底是在創造財富，還是只是把資源重新分配給動作最快的那一批人。

Wallace 的答案是兩邊都有一點。一邊是集中：價值往更大的模型、往有能力控制資本的企業靠攏，他們拿得到晶片、拿得到資料中心，也有把資料累積起來的力量。這種事在每一次重大技術轉變裡都發生過，就像幾百年前的鐵路，不是新的劇本，這是基礎設施投資常見的走法。

另一邊是應用層的民主化。開公司的成本在往零走，做軟體的成本已經歸零，取得這些資源的成本也在掉。於是出現 Base44 這種單一創辦人：不用請人，也不用募創投資金。很多很聰明的準創業者，進不了創投需要的那個人脈網，但他們有好點子、有能力解決真實的問題，現在靠這些工具，真的有機會做出來。

她舉自己學生的公司 Verno 當例子。創辦人 Oliver 在念 MBA 之前是航空工程師，用她的說法，是那種很宅的工程師。他有一個很深的洞察，是關於製程與工業設計圖面在那個工作流程裡怎麼被處理。那是一個小眾裡的小眾裡的小眾，非常特定，卻是那個流程裡的巨大瓶頸，長期靠人工，以前被試著自動化過，很難。但現在的模型和工具完全不同了，他想的是：為什麼是現在？如果現在可以呢？結果四個月內，他從一個想法走到可運作的原型、走到付費試作、走到第一批設計夥伴，一間真的公司在四個月內站起來。他沒有請任何人。他算有一點技術底子，但他是航空工程師，不是軟體工程師。那是一個 530 億美元的市場，沒有別人看見，而他有很深的脈絡智能、有客戶通路，靠自己也站得起來，因為執行的成本是零。

國威觀察，這種案例越來越多：有領域知識、有脈絡的人，現在可以跨過那道檻，進到全新的市場。以前寫程式的人沒有那些領域知識，有領域知識的人又沒有錢去請技術人；這件事正在快速改變。他接著問得更遠：這會不會只是一個短期的窗口，長期下來，大公司會把資源全部吸走、靠 AI 打進每一個領域，最後只剩兩、三家，Google、Microsoft、SpaceX 之類的？

Wallace 說，這很大一部分取決於監管者，取決於政府要不要插手。智慧財產權與著作權法、訓練模型用的資料，現在都處在模糊的法律地帶，不同的判決會讓局面突然翻轉。資料是這些公司現在最大的專有優勢之一；她提到 Claude 是用她的兩本書訓練的，那兩本她都沒有拿到錢。如果有一天這些公司得為資料付錢，對商業模式會是很有感的差別。監管者也可能對反壟斷有意見：我們要不要讓少數幾家公司擁有整個空間？

另一個變數在勞工身上：員工提升技能的速度，能不能快過雇主決定砍成本的速度？她希望看到的是一場順利的大風吹，大家都有位置；她怕的是中間出現斷層。還有一個變數是一般人自己：願不願意好奇、動手玩、參與，還是把頭埋在沙裡說我不喜歡這個、我不想學、我不想跟它有任何關係，最後出現懂 AI 的人和不懂 AI 的人之間的落差。如果走到那一步，就可能變成另一種局面：擁有資料、擁有演算法、擁有晶片、擁有資料中心、擁有資本的霸權力量，決定其他人的一切怎麼被製造、怎麼被分配、怎麼被發下去。那在她看來會很可惜。

中階主管與 PM：AI 最擅長的就是協調

國威把鏡頭轉向組織內部。AI 現在不只寫程式，連中階主管、產品經理、顧問這些角色都開始被取代，企業的組織架構也在劇烈重組。他問的是：未來組織裡最值錢的位置會變成什麼樣子？

Wallace 先說了一句「永遠不要說永遠不會」，然後拆解中階主管在大而笨重的組織裡到底在做什麼。他們主要是把高層的策略往下發，散到最底層的個別貢獻者手上；工作內容以協調資訊為主，並且把資訊往上下兩個方向彙整。這正是 AI 很擅長的事：收集、彙整、綜合，把零件搬來搬去。產品經理這份工作之所以很適合被 AI 接手，也是同一個道理，因為它本質上就是在彙整與協調這些零件。

但這不代表組織會變成完全扁平，只剩個別貢獻者加一個執行長。在她看來那有點怪。她看到的是中間長出一個 M 型的團隊，而底層的個別貢獻者會變得越來越 T 型。

T 型專家：拿 AI 當槓桿，專業留著做品管

T 型的意思是專業留著，但要多做兩件事。一件是想辦法從 AI 身上拿到最好的東西。你要學的是先弄清楚 AI 真正擅長什麼，用它替自己的時間加上槓桿、把產出放大，再把力氣留給品質檢查。她的說法很直接：你不會把自己沒有能力驗證的東西交出去。因為你是那個專家，你才有辦法真的聰明地用它。

另一件是 T 的那兩隻手臂。你要在自己專精的東西和組織的其他部分之間搭起連結，把你的產出和專業翻譯成「所以呢」。她舉例，如果你產出的是很複雜的數據報告，你要能去跟財務說這份報告對他們的意義是什麼；去跟營運長說你的董事會報告要放進這一段；去跟工程師說這件事會怎麼影響你們明年排的產品路線。這種跨領域協作的心態，讓人更能連接點、更主動，也更看得見自己那一小塊工作對整個組織的意義。

她對這些專家的建議不只這樣。除了趕快把工具弄熟、讓它進入自己的工作流程，也要對「自己的工作在整間公司裡的位置」好奇：你的東西交出去之後去了哪裡？別人根據你做的東西做了什麼決定？去跟那些人交朋友，開始累積自己的脈絡智能。

M 型通才：什麼都會一點的人，長出組織的韌性

M 型的人在她口中是一種她自己也想要的角色：什麼都懂一點。會設計的工程師、會寫程式的設計師、從產品經理的位置走下來、親自去訪談客戶、自己寫工單的人。想像一個 M，手腳往不同方向伸出去，這些團隊成員多面、有能力也有好奇心，所以能做很多事；但更重要的是他們學得動，即使今天不會，也願意去學。組織需要什麼，就有機會把他們捏成什麼。當事情變化時，他們能有效協作。

而變化是唯一能確定的事，而且變化快過我們能夠理解的速度。這種 M 型團隊就是這麼流動、這麼能適應，替組織長出韌性。

主管要講清楚的不只是什麼在變

節目接著問到一個更難的問題：對那些已經用舊心態工作很多年的人，要怎麼培養出新的態度？除了看書、上課，還有別的辦法嗎？

Wallace 說，要當一個變動時代的領導者，光有很好的判斷力不夠，還要能把那個判斷講出去。現在每個人對 AI 之於自己工作的意義都有一點害怕；如果你只講什麼在變，卻沒有講什麼沒有變，沒有人會聽你想叫他們做的事，他們會進入恐慌模式、生存模式：我才剛買房子、小孩要出生、我只做過一份工作。

這件事要講到讓人相信，不能只用漂亮的公關話術蓋過去。你要講的是：我不是要你們把這些工具拿去訓練自己的飯碗，然後我就可以把你開掉；我要這些工具，是為了把你每天那些瑣碎、重複、低認知價值的工作從桌上拿走，交給 AI，讓你的時間被空出來，去做有趣得多、有創造性得多、複雜得多、策略得多的工作。如果你的工作現在大部分就是那種瑣碎與機械，那也不代表你要消失；如果你的任務可以被 AI 接手，那就來看看你還能做什麼，坐下來談一談，看看有沒有你想學的東西，或你身上有我們還沒用到的能力。公司裡有一批人已經懂客戶、愛這個文化與這間公司，要想的是怎麼把這些人才重新部署。她用一句話收束：我們要效率，但我們也要升級。

Portfolio Life：你其實早就有一份投資組合

國威把話題轉到她的另一套主張：多重職涯組合（Portfolio Life），也就是節目標題裡說的「反內卷」、把人生的風險分散開。她勸大家像創投基金一樣，分散投資自己的時間與身分。國威請她定義什麼叫 Portfolio Life，也問一個普通上班族如果想起步，第一步該做什麼。

Wallace 說，每個人其實都已經有一份了。你怎麼把時間和精力分配到人生的各個部分，工作、家人、健康、朋友、興趣，也許還有宗教傳統、一個社群，這些配置的總和加起來是一百趴。把它想成你的財務投資組合：這些配置合起來，就是你整個組合。Portfolio Life 的主張是，你可以設計自己的組合，為你現在所處的人生季節設計配置，讓風險與報酬的樣貌跟那個季節相配；當季節改變，就重新平衡，就像財務投資組合一樣。

它給你幾件事。一個是分散。再來，它讓你真的把自己看成不只是那份工作：你的身分大於你目前把時間變現的方式。還有，因為身分變大，又有了分散，你的選項會變多；事情發生的時候你有選擇權，不會被逼到牆角。這些加起來就是彈性：你可以說季節變了，我現在需要的跟以前不一樣，那就重新設計，而不是被過去的決定綁死。

第一步是先盤點。我現在是怎麼花時間的？看著那張表問自己：這是我想要的分配方式嗎？其中一個大問題是，我是不是配置過度了？是不是太多雞蛋放在同一個籃子裡？如果全部只有工作、也許再加家庭，那工作這個籃子裡的蛋真的很多，沒有興趣，沒有另一個網路、另一套技能。她強調，那甚至不一定要是另一份收入，不一定要是副業，重點是要有其他可以拉的線頭；就算只是去非營利組織當志工、在某個董事會占一個位子，都給了你分散。所以一部分的工作是搞清楚你現在的配置，然後想，我要怎麼重新分配，好拿到一些分散，把更多身分放進來，也讓自己在事情不順的時候感覺還有幾個選項。

節目裡的另一位主持人把這件事形容成一種視角的切換：從完全只盯著眼前、只做每天那份工作，變成一個能看見自己現在站在哪裡的人。像打電動的時候，你可以控制自己往前走，你有選項、有地圖，而不是一整片黑。Wallace 說，這個模型的力量就在於它在一個你很容易感覺無力的時刻給了你主導權。即使工作那一塊還是由你的老闆定義，你還是可以說：我要投資這個興趣、我要去上這堂課提升自己、我要確定我沒有忘掉自己的健康或心理健康、我要把那段時間留出來、保護好。因為這就是你在替自己分散風險、維持彈性。這樣一來，你就坐上了自己人生的駕駛座。

這不是叫人在乾掉的毛巾裡再擰出水來

國威提出台灣上班族的版本。每天被 KPI 追著跑，下班只想躺平；如果給的建議是再去發展三、四個不同的身分，這會不會像叫人在一條已經乾掉的毛巾裡再擰出水來？這種避險策略，會不會是一種升級版的自我剝削？

Wallace 說，這套想法真正的前提是，你本來就已經有其他身分了。你不只是你的工作。你還有別的東西：你在學校時是誰，你對朋友是誰，你對家人是誰。你整天待在辦公室裡，其實沒什麼時間去做那些人。她說她理解那種回家只想躺平的需要，她自己有時候也是。

但把更多時間投在那種你永遠打不到的虛幻 KPI 上，拿去換掉當自己、表達自己其他部分、投入一個興趣、參加一個社群、打球、跟家人在一起的時間，那些會帶來快樂、也屬於你人生的東西，會把快樂與滿足感的視角整個縮窄。為了什麼？她把話說回來。因為害怕而往生活裡塞更多東西，不是這套主張的意思；這套主張要的是養出一點紀律，保護你的時間，允許自己替真正想要、也真正需要的東西留出空間。

AI 沒有推翻這套理論，反而把它推到更高的位置

國威說，學者在寫書、開課的時候，總希望自己的理論經得起時間考驗；但過去一、兩年 AI 的進步速度簡直像火箭。他問 Wallace，從最初萌生這個想法，到寫成書，再到現在面對生成式 AI 的大爆發，有沒有哪一刻、哪一個技術突破讓她冒冷汗，覺得自己的假設要被推翻、理論得大幅修改？

她的回答是不，她甚至說想送感謝禮物給 ChatGPT、給 AI、給 Anthropic，因為這些工具替她的理論做了一件很棒的事：AI 接手了所有單調、低認知負荷的雜事，留下來的，就是工作中真正屬於人的那一部分。那對每個人來說都是機會，去辨識出自己具體能提供什麼。

她在書裡談很多「人類的 Venn 圖」。她自己帶上桌的，是商業、科技、藝術這個獨特的混合；因為她住過這些世界，所以有這樣的視角，能連接這些點，把不同的想法帶進來，而那形塑了她能給的東西。她認為每個人都有自己那張人類 Venn 圖，我們都有這些不同的成分，構成我們的身分與獨特的視角。

有時候那張圖會在職場爬升的過程裡不見：我們開始把自己修剪成一個盒子，好塞進某個位置。而那些盒子現在正在被 AI 的攻勢摧毀，因為它接手了這些任務，有時甚至是這些工作。所以她預期，隨著工作被顛覆，人們看待自己、打造人生、思考如何面對未來的方式也一起被顛覆，Portfolio Life 會越來越被重視。國威在旁邊補了一句觀察：AI 的大爆發其實把她的想法推到更高的位置，書的銷量也跟著起飛。

2028 年的思想實驗：只有兩小時能賺錢

節目最後把場景設定在未來。如果現在是 2028 年，AI 已經進步到可以獨立完成九成的白領工作，政府為了應付可能發生的大失業潮，決定實施工作配給制：每個人每天只能從事兩小時的有薪工作，剩下的時間必須自己去尋找生存的意義。眼前擺著兩個選項：A 是把這寶貴的兩小時極致鑽研在一個 AI 絕對碰不到的小領域，小到像修復中古世紀的古籍，成為全球前百分之零點零一的頂尖職人；這個位置安全，但可能失去跟世界連結的其他可能。B 是徹底放棄這兩小時的高薪，同時經營十個微小的身分，社區領袖、DJ、手作創業者，每一項收入都極不穩定、可能隨時收攤，但換來很高的生命彈性。

Wallace 先反問：如果我每天只有兩小時的工作會拿到錢，那剩下的時間我在做什麼？國威回答，你想做什麼都可以，只是可能有錢、可能沒錢。她說那就簡單了，她選 A。因為在她的投資組合裡，剩下來的時間就可以拿去放興趣、放創作、放家人、放實驗；她可以在沒有支薪的時間裡當 DJ。那兩個支薪的小時，是要支撐家裡的財務需求，所以她要把它們盡可能最佳化。

她補了一句提醒：關於 Portfolio Life，有一件事大概常被誤解，她不想要你盡可能攬下越多東西越好。把百分之二的配置分散到五十筆投資上，那是很糟糕的投資組合設計，那不算設計。設計的時候要想的是，每一筆投資到底在完成什麼工作。如果工作這筆投資的工作是滿足財務需求，那就全力追求最高的報酬，那就是 A；然後她可以在別的地方替自己的樂趣、社群、DJ 做其他投資。她笑著說她從來沒試過 DJ，現在想試了。國威接著說，這樣一來就得重新設計自己的生命；Wallace 補上：你必須對一些事情說不，才能對另一些事情說是。

離開前留下來的問題

國威在收尾時留下的問題是：如果有一天 AI 真的把我們的效率都拿走，讓我們被迫進入多重職涯、被迫去尋找工作以外的意義，這對人類來說到底是一場毀滅性的失業災難，還是我們幾百年來第一次擁有真正的自由？他說，這可以是一個思想實驗，也可以是每個人身上即將發生的選擇。

在那之前，Wallace 給的第一步並不高深：先盤點自己現在怎麼分配時間，然後問一句，這是不是我想要的樣子。

https://x.com/i/broadcasts/1YGNrbXEeazGw

第三天早上開播不久，他們先送東西，再打開工廠。

優惠只開十分鐘：沒用過 Grokbot 的人下載 App、開好帳號、設一個 recurring task，就送一個月最高方案，直播裡報的價值是 200 美元。送完之後，畫面切到 Lauren 的電腦，看前一晚的產出。她和 Roshan 前一晚把計畫丟給一組 bots，早上回來數 merge 進去的 PR，數字從一百多開始往上跳，三個人各記一個版本，最後的共識是一百六、一百七左右。

這是 Grokbot Galaxy 三天直播的最後一天。地點在舊金山，離 Dreamforce 會場半個街區，樓下是講台，樓上是他們做東西的攝影棚。前兩天他們先想做一間實體店面，訪談幾位來賓之後發現太難，第二天改成遊戲公司。第三天要做的事只有一件：把遊戲推出去。

一個晚上長出來的工廠，與那隻叫 Play 的 QA bot

Lauren 有一套自己用的 skill 集合叫 PStack，一個 Cursor plugin 加一個 Grokbot plugin。裡面有一個 skill 叫 Potato Mode，用她的說法，它教 bot 怎麼更嚴格地去編排其他 bot 跟 agent。指令長這樣：`/potato mode`，後面加上 full autopilot 跟一份計畫。

接下來發生的事就是一間工廠。它把計畫拆成很多小階段，一組 agents 分工：有人實作小 PR，有人去驗證，有人把應用跑起來，像使用者一樣到處點，找 bug。驗證做得夠紮實，PR 就可以在全自動模式下自己合併。Lauren 說她其實不喜歡「工廠」這個詞，只是找不到更接近的講法。

QA 也交出去了。任何在 CI 上變綠的 PR，都會被一隻叫 Play 的 bot 接手。它知道遊戲引擎怎麼運作，會把整場遊戲從頭到尾玩一遍，在合併前留下意見。Lauren 補了一句：「我們沒有 QA 團隊。昨天還有一個實習生，今天他不在了。」

再往下一層是 swarm。PStack 裡的 swarm skill 教 bot 去 Cursor 開一批 cloud agents，每個 agent 有自己的電腦，各自把遊戲跑起來、亂點、試邊角案例。他們把這件事叫 fuzzing，但定義很樸素：像一個重度玩家那樣，把每個按鈕按過，把每個奇怪的組合試過。

這些東西合起來的意義只有一句：把人工步驟從流程裡拿掉。Lauren 講得很直接，只要把對的資訊、對的 context 給 agent，那些「進 UI 點一點、確認有沒有壞」的工作就可以交出去。這件事後來變成整天的節奏。驗證不夠，不准自動合併；有回饋進來，先想它能不能變成某隻 bot 的工作。

遊戲本身：三隻排一排，兩勝三局，十枚 token

到這個時間點，遊戲的代號還是 Cupcake，正式名字要等上線才揭曉。

規則不複雜。三隻 bot 排成一線，一次一隻結算，回合結束時站著最多的一方拿分，兩勝三局贏一場對局。開局有十枚金幣，直播中途他們把「金幣」改叫 token，一隻普通 bot 三枚。商店裡還有強化道具，例如蘋果可以讓一隻 bot 加一攻擊、加一生命；買不起的卡可以先按 Freeze 留到下一輪；不想要的可以賣掉回收。策略藏在順序跟取捨裡：誰放前排、誰墊後、這三枚要花在誰身上。

卡片的原料是真的。場上每一隻 bot 都來自 Grokbot 市集裡真實存在的模板，當天挑了大約七十隻，每一隻生了獨一無二的頭像。稀有度不同，能力不同，Doctor EggBot 是 epic 等級。有人的工程師 bot 也被收進去，畫面顯示 uncommon，他得到一句「這 roll 得不錯」。

介面還在長。直播裡隨手就能指出好幾個問題：商店裡看不到卡片的能力、手機版底部的跑馬燈會蓋住按鈕、排行榜要手動重新整理。他們一邊玩一邊把這些記下來，交給後面的產線。

分數用 Elo 排，有分階。中午前出現第一批 platinum 玩家，Elo 一千一；下午場上有五位 diamond；第一名是整天領先的「Ari, the monk」。中間有人發現自己的戰績顯示四勝零敗，點進去卻有一敗，這條也變成 bug。

有一個工程決定值得記下來，因為它解釋了當天為什麼沒有全面崩掉。Lauren 在想的問題是：三個人同時改同一個產品，如果她把後端的欄位拿掉，Roshan 同時改了卡片的畫面，前端會不會去讀一個不存在的東西。她沒時間重新設計架構，先把後端回來的資料用 Zod 驗過一遍。後端是 Go 加 serverless，資料庫 PlanetScale，登入用 Clerk，部署在 Vercel，分享用的動態 OG 圖由 Takumi 產生。

上線：一個還沒有頭像的 X 帳號

上線的決定做得很短。帳號開好了，網址有了，介面還有一堆 bug。他們的講法是：就當作一場 play test，先說好會有 bug，大家邊玩邊修。有人補上那句老話：「如果我們沒有覺得丟臉，那就是出貨出得太早。」

上午十點多，第一則貼文發出去。帳號的頭像是預設的，因為還沒設。貼文的人自己說，這很像第一次開公司，東西都還不太能動，但很有趣。

兩個官方來源當場被講了很多次：ThursdayArena.com，以及 X 上的 @ThursdayArena。他們強調，任何其他帳號、任何其他網址，都不是他們。這句話整天出現了好幾次，重複到有點像咒語。

上線前最後一個障礙是登入。X 登入當場報錯，被當成 bug 處理，幾分鐘後通了。第一個小時的成績是排行榜上九十六個人，X 追蹤數兩百二十五，沒多久四百七十六，再沒多久八百多。他們一邊盯著 log，一邊玩自己的遊戲，排行榜第一名換了好幾次手。

遊戲可以不用登入就先玩。guest mode 是前一晚加的，為了讓剛點進來的人先玩到一局，再決定要不要用 X 登入。玩過練習局的人裡，大約 8% 最後用 X 登入。

從訂規則到做工具：這一天的行銷營運

樓下講台排的是 Grokbot 用在行銷營運與營收營運的場次。團隊裡有兩個 Matt，上樓的是負責營收營運的那位，他講完就坐下跟大家一起把這些東西套在遊戲上。

他的核心說法是，這一類角色的工作正在從訂規則變成做工具。以前是寫規範、發 checklist、希望各部門照著做；現在直接做內部應用，讓規則長在工具裡面。他用一句話形容行銷與業務團隊：他們在玩你設計的遊戲。

他示範的第一組是 bot 團隊。OP One 是他的 chief of staff，Fisher 負責收所有 inbox，Juno 是產品經理 bot。Fisher 每天固定時間掃過 email、行事曆、Slack，把真正要動的事挑出來丟給 OP One；OP One 再把其中一件事轉給對的 bot，例如 territory planning bot，它手上有 CRM 的完整 context 與 rules of engagement，先做出第一版，人只負責最後確認。講到一半，bot 就真的在他演講的同時把任務派了出去。

第二個例子是給業務用的「lead 交友軟體」。行銷一直產出 lead，業務不想碰，lead 在系統裡放到爛，也沒有人回饋給行銷。他的做法是讓每個業務登入一個只看得到自己 lead 的介面，往左滑要選一個結束原因，按下送出會用正確的方式寫回 CRM；往右滑就把這個物件送進 follow-up sequence。看起來像交友軟體，寫回 CRM 的邏輯是真的。實際開發時間十小時，上線幾週後 lead 的檢視率創下新高。有業務跟他說「我應該不需要再多一個交友軟體」，他的回答是這個至少約到會賺錢。

同一個下午，做 growth 的 Vincent 上樓把這些整理成 playbook：新追蹤者發 welcome DM、排行榜長出分享循環、把理想客戶輪廓交給一隻叫 Cerebro 的 bot。Cerebro 接了 Clay 與 Ample Market，先產出目標公司名單，再找人，再寫個人化的 outbound，送出後由 bot 盯著信箱看誰回。它也把玩家分成幾個段落，工作空檔的休閒玩家，以及拿它取代滑手機的人。它吐出的其中一句是「我們和新聞速覽、零食採買、再一局休閒遊戲共用同樣的五分鐘」，他們的反應是「有點 AI slop，而且裡面有一個 em dash」。這句話後來沒有直接用，但合作的品牌名單留下了：新聞 App、電子報、看盤 App。

錢：不賣強度，賣位置

錢在第三天有兩個接觸點，一個接上了，一個壞掉。

Stripe 負責 Link 的 Dan Hill 上樓聊 payments。Link 讓 agent 開一次性卡號在網路上買東西，人在 Grokbot 裡核可花費。他舉的例子是停車罰單、訂餐廳、訂機票、處理小孩學校的繳費。對這間公司的意義很直接：如果遊戲要收錢，得先讓 agent 有辦法替玩家付錢。他們當場把 Stripe connector 接上，下午的目標變成收到第一塊錢。

遊戲裡怎麼收，前一天就決定了不做 pay-to-win，付錢的人不該買到比較強的角色。當天下午真正推的是廣告：贊助大廳的表單、排行榜的置頂位置（每週競標一列）、底部跑馬燈的廣告位。還有人提議付錢讓名字在跑馬燈上有顏色，或是付錢把一段 prompt 送進產品。直播裡也提過訂閱、把某些功能鎖在後面，以及「有時候你就是得在遊戲裡加一點摩擦才能收錢」這種話，但同一段對話裡他們也承認那條線很難抓。最後留下的是不影響玩法的位置廣告。

前一天規劃過的帽子與外觀，在「讓遊戲今天能上線」的排序裡被砍掉。收播前他們實測競標介面：上傳 logo 只吃 SVG，第一次失敗，失敗後沒有重新載入，內容審核是壞的，$1 的競標送出後也沒有出現在排行榜頂端。他們自己下的註解是，我們賺到了理論上的第一塊錢。

把玩家的抱怨接上產線

上線之後，這條產線有三個入口：遊戲裡的回饋表單、一個 Slack 頻道，還有一支電話號碼。電話是用 XAI 的 voice agent 接的，加了 guardrails，來電的人如果開始亂 prompt，或是開始生氣，直接掛掉。當天收到的回饋裡，71% 是 bug，16% 是稱讚。

主場是 Slack 頻道。一隻 bot 盯著它做去重，確認是重複的，就丟給 cloud agents 去修。Lauren 之前建的 triage 流程是這樣跑的：先讓 bot 重現 bug，能重現才相信它真的懂問題；懂了才進 Notion；再由負責修的 bot 動手，修完跑 `/verify cupcake` 加 swarm 驗證，通過才自動合併。因為遊戲已經在 production，自動合併的前提是不能把所有人一起弄壞，她的講法是全自動可以，驗證要更兇。

那天現場修掉的東西列得出來：商店裡看不到卡片能力、手機跑馬燈蓋住按鈕、一直配對到 AI 玩家（回報最多的一條）、Elo 的數字對不上、重新抽卡造成的卡死、對戰紀錄不會更新。

他們也示範了一次用講話修 bug。Roshan 對著工程師 bot 說，排行榜上顯示四勝零敗，點進去是一敗，請它開一個 cloud agent 去查，順便問了一個笑話。bot 回了一個 SQL 走進酒吧、問能不能 join 的笑話，他們的反應是「不好笑，換一個」。Grokbot 的 voice mode 是當天才發布的。

新功能走同一個迴圈。卡片重畫，參考實體卡牌的視覺效果，當天挑到第三個版本；排行榜的動態 OG 圖，前三名放右邊；贏了以後可以分享的勝利卡；贊助大廳的表單收進按鈕後面；廣告競標同時在改。傍晚新開的 PR 編號來到兩百七十四，直播裡有人說要往三百走。

這群人的產能有點難估。他們自己的說法是，幾個人手上加起來大概有四、五十到六十隻 bot 在跑。另外有一個小習慣值得一提：Potato Mode 裡有個 skill 叫 No Comments，對應一隻專門刪註解的 agent。原因是 agent 很愛用註解解釋一個 workaround，等於把繃帶留在程式碼裡，根因沒修。Lauren 在自己負責的 Grokbot codebase 裡也是同一套做法。

至於 PR merge 為什麼叫 mash：她叫 Doctor EggBot 用食物、特別是馬鈴薯來命名，不知道哪一步出了差錯，Notion 裡多了一條「每次合併 PR 都應該叫 mash」。這件事就一直留著，畫面上有 push，也有 mash。

收播前的帳

下午四點多，他們最後一次翻數字。公開對戰超過六千場，練習局四千五百場上下，X 登入接近兩千，頁面瀏覽接近三萬。行動裝置與桌機大約一半一半，最多人從 X 連進來，搜尋遊戲名字時他們是第一個結果。上午有一波流量高峰，下午再來一次。這些數字是他們自己拉的，前一天完全不存在。

同一段時間，那條工廠用一條壞掉的 SQL 把 production 打掛。他們在鏡頭前處理，幾分鐘後 main 跟 prod 回來，第一句話是「我們回來了」。

收尾時他們把這三天的心得講了一輪。

第一個人講的是對齊。他們花了時間在幾個點子之間猶豫，一旦全員對同一個想法有反應，速度是自己長出來的。他也老實承認，如果沒有這場直播，「會有人玩這個遊戲嗎？我不覺得」。最難的從來不是做出來，是讓人願意在乎。

第二個人講的是組隊。不要怕組一支很雜的 bot 團隊，用找員工的方式去想它。他們有學遍好遊戲的遊戲設計 bot，直播裡也出現過另一種做法：進入一個新領域時，先把相關的課程整批丟給 bot 去上。你不知道的東西，可以讓 bot 去補。

第三個人講的是拿掉。有 AI 之後什麼都做得出來，所以紀律變成「我們要 unship 什麼」。前一天白板上那些複雜的屬性表、不同的戰場、外觀帽子，最後只留下核心迴圈跟廣告。他覺得這是當天能出貨的直接原因。

最後一個補上的是人的部分。他提到一則在 X 上看到的說法：一個團隊需要兩種人，一種是有清楚願景與品味、知道什麼該放進產品的人，另一種是無論如何都要把事情做出來的人，兩種兼有的人更少。講的人說，這是很難被模型取代的角色。

最後的結尾示範是廣告競標。填廣告主名稱、上傳 logo、送出競標，只吃 SVG 的欄位又擋了一次，換了一張 dummy logo 才過，審核功能是壞的，$1 的競標沒有出現在排行榜上。Lauren 的總結是他們有了理論上的贊助收入，然後大家下線。

一個小時前他們還在看那條一路往上的累積曲線，收播前幾分鐘 production 才剛掛掉又回來。這一天留下的不是「三天開一間公司」的證明，而是更小的一個觀察：這條產線真的能把使用者的抱怨變成出貨，速度很快；同一條產線也能把 production 打掉，速度一樣快。那些自動合併的 PR 是 bot 自己收的，最後那塊廣告看板得靠人一個欄位一個欄位填，還沒填完。

https://softwareengineeringdaily.com/podcasts/scaling-agent-workloads-at-vercel/

讓一千個人在同一秒對同一個 Agent 送出 prompt，會發生什麼事？這是 Andrew Barba 在節目上拿來切開兩種 Agent 世界的問題。一邊是大家熟悉的樣子：Codex、Claude Code、OpenCode 這類跑在自己電腦上的 Harness，一個人對著一個 Agent 來回。另一邊是 Eve，Vercel 開源、雲端原生的 Agent 框架，同一秒的一千個 prompt 要能水平擴充出去，每個 session 各自隔離、持久、出事可以恢復。Barba 在 Vercel 的頭銜是 member of technical staff，Shah Dara 是 Eve 的產品負責人，兩人在這集跟主持人 Kevin Ball（KBall）把這個框架從頭拆到尾。

Barba 進 Vercel 的路有點繞。他 2020 年還是 Vercel 的客戶，可能是最早的一批企業客戶之一，後來進公司待了三年半。前一年半做 CDN，碰的是分散式系統、邊緣網路、防火牆這類很底層的東西，接著換到另一端做帳務，也在那裡認識 Shah。兩人在 2025 年大半時間一起帶帳務團隊，今年二月有個機會去追一個問題：把 Agent 部署到 Vercel 上，到底需要什麼？Eve 就是那個問題的答案。Shah 在 Vercel 待了一年半，之前做了十年的帳務。

底下那層手工地基

Eve 不是憑空長出來的，它是從 Vercel 內部的資料 Agent「DZero」長出來的。DZero 是 Vercel 第一個全公司都在用的 Agent。把它放上 Vercel 的過程，團隊做了一大堆手工系統，把自家的 serverless functions、sandbox、workflow 一層一層包起來。Barba 說，當時光是讓它正確地跑起來，就吃掉整個團隊大量力氣，還沒開始想 DZero 到底要做什麼。

他們也在 DZero 身上看到另一件事：它是資料 Agent，做的事情基本上是在提供一層語意（semantic layer）。同事問「每月活躍使用者有多少」，這句話裡的詞在 Vercel 是什麼意思，得有人告訴 Agent。公司裡不同的人講同一件事會用不同的縮寫，這一整層就是在教育 Agent。Barba 說，DZero 的功能有九成來自 Markdown、YAML 這類規格檔。

兩件事合起來，決定了 Eve 最早的樣子。第一，部署一個 Agent 要像 DZero 一樣耐久，但簡單得多；第二，很多 Agent 幾乎可以完全用英文寫完。早期版本把話講得很滿：Eve 裡沒有程式碼，全部都是英文 Markdown 檔。這兩個極端，就是 Eve 今天的起點。

一個目錄，加一個 instructions.md

想動手的人拿到的是什麼？Barba 說，就是一個目錄。最簡單的 Eve Agent 可以只有一個 instructions.md，其他什麼都沒有。框架有它自己的 grammar 與 slot，這些會編譯成一份 manifest，而 manifest 就是前面說的 infrastructure as code：你加了 Skill，平台就替你開一個 sandbox；你定義了排程，就長出跑排程用的事件基礎設施。Barba 用「把 ChatGPT 裝進盒子」形容這個預設值。丟一個 instructions.md 進去，你得到一個前沿模型，照它訓練好的樣子，加上一份雲端託管的部署。

Skill 給提示，tool 跑程式，channel 是入口

核心的幾個原語裡，instructions 決定身分，這點大部分人都熟。Skill 是漸進揭露（progressive disclosure）：Skill 給的是一個「什麼時候該用我」的提示，模型很擅長判斷自己需要多知道什麼，看到提示就會把額外的 context 拉進來。Barba 說 DZero 大概九成都是 Skill。tool 讓 Agent 跑確定性的程式碼，去 Postgres 或某個外部 API 拉一組確定的資料；connection 是 tool 的特化版，專門處理 MCP 這類東西，Eve 讓你直接把一條 MCP 網址丟進去，工具就自動曝光，不用自己想辦法接。

channel 是入口。預設那條是 HTTP route，終端機介面跟接上 Next.js 的應用走的都是它；比較有意思的是 Slack、Teams、GitHub，Eve 支援這些平台第一方的事件，也替常見用法準備了預設，你當然可以改。subagent 最簡單的理解是 context 管理：有些任務太大，塞進母 Agent 會把 context 撐爆，就交給 subagent 自己去做，做完回報。但 subagent 在 Vercel 內部長出了另一種用途，它變成組織單位：整個團隊認養一個 subagent，DZero 是另一個 Agent 的 subagent，由資料團隊擁有；公司裡還有一個專門懂「怎麼建 Eve」的 help Agent，也是母 Agent 的 subagent。eval 則是 Barba 最有興趣的一級公民。

eval 是拿來管非確定性系統的

在 Eve 裡，eval 有兩種。一種偏確定性：你送出查詢，然後確認某個 tool 被呼叫。這件事不是百分之百確定，模型有可能不叫，但寫起來很直接。Barba 舉例，如果做的是天氣 Agent，使用者問天氣，你會希望 get weather 這個 tool 真的被叫到。另一種是 LLM as judge：讓模型去推理、評分、打分。對 DZero 這種東西來說，這裡才開始有趣，你可以拿它替生成的 SQL 打分，檢查它有沒有查對的表。

一個 eval 在 Eve 裡就是一個定義好的函式，你拿到一個測試函式，裡面等於是你 Agent 的完整介面：可以用 prompt 起一輪對話，可以觸發 human in the loop，Eve 有的功能都能在 eval 裡用程式寫。Barba 說，Eve 自己的測試套件就是一整套 eval，這也是他們一天能發好幾個版本的原因。

KBall 在訪談裡岔到一個他自己很在意的方向：既然 eval 描述的是「應該長成什麼樣子」，能不能把 prompting 本身變成一個最佳化函式，讓另一個模型在迴路裡反覆改 Agent，直到行為對了？Barba 說他沒這樣想過，但如果用 coding agent 去建 Eve Agent，實務上會發生很接近的事：coding agent 迭代時會自己寫 eval、自己跑 eval，一部分原因是 Eve 的套件裡帶著給 LLM 看的文件，也提示了「用 eval 測 Eve」，所以 coding agent 看得懂。Vercel 內部有一批 fixture 形式的範例 App，本地開發時 coding agent 就是拿這些在跑 eval。Barba 說他還沒真的看過「先寫 eval、再寫實作」這種順序，但可能已經很接近。

文件要寫給 coding agent 看

KBall 補了一句，這幾年框架開始把文件當成有兩種讀者在設計，一種是人，一種是 coding agent。Barba 說他們從 Next.js 學到很多：模型的訓練資料裡是舊版的 Next，怎麼讓它學會最新的東西是個真問題，而 Eve 對這些模型來說根本不存在。所以他們花了很多時間確定套件裡要附 LLM 友善的文件，效果很好。

scaffolding 裡有一份給 Agent 看的說明檔指向文件，套件裡也放了 changelog。這件事對 pre-1.0 的框架特別關鍵：Agent 只要看版本差異就知道要改什麼，不用從零摸索；框架每週都在破壞相容性，changelog 是讓使用者願意升級的原因之一。KBall 說他在很多程式碼庫裡看到同一招，只要一個 repo 有不只一個人，changelog 對 Agent 的幫助就很明顯。

誰看得到什麼，在 channel 那層就要解掉

話題換到雲端 Agent 最難的那一塊：誰能看什麼。Barba 說 Eve 從第一天就以企業為目標，知道會是 code-first，也預期公司會用它建自己的 Agent 來跑生意，所以權限很早就烤進去了；最近才回頭補更多個人使用的場景。

身分在 channel 那層就解掉了。以 Slack 為例，「你是誰」等於 workspace ID 加上 Slack user ID。Eve 從一開始就是為多人使用而設計，你在 Eve 裡寫的任何程式碼都會拿到一個 context 物件，裡面有「這一輪的目前使用者是誰」，還有「這一輪是誰開始的」；這兩個人可能不是同一個，因為不同的人可以在不同的時間點接力問下去。傳統 REST API 那種看認證標頭、認證完再決定你能做什麼的權限模型，在 Eve 裡就是靠 channel 層解出的身分來做。

再往下是「Agent 能不能做某個動作」。這裡有 tool approvals，會以 human in the loop 的形式出現，長相完全取決於哪個 channel 叫它：同一條規則可以寫成「這個 tool 永遠要人工批准」，從 Slack 進來就用 Slack 的介面呈現，從 SMS 進來又是另一個樣子。你可以看到是誰問的、是誰按下批准，兩個不一定是同一個人。Barba 說這正是 code-first 框架發亮的地方：這些情境沒辦法預先窮舉，Eve 的態度是你自己寫程式碼決定你要的體驗。

最難的一塊，Barba 自己承認還沒完全解掉，就是「你只能看到你該看的」。DZero 技術上能碰到 Vercel 整個 data lake，Guillermo 問一個問題時看得到的東西，Barba 問同一個問題時未必該看到，兩個人的憑證要怎麼分辨？Eve 的做法是一個叫 Define Dynamic 的 API，讓開發者依照當下的呼叫者決定要曝光哪些 tool、哪些 connection，甚至可以做到「這一輪是我在問，這個 tool 就不要出現」。這是進階用法，但文件寫得夠好，只要你 prompt 得對，coding agent 會自己學會怎麼寫。

內部幾百個 Agent，外面從企業到週末專案

Shah 負責講使用者這一側。Eve 一開始鎖定企業，因為多數需求來自那裡，Vercel 自己也剛好有那套基礎設施，加上他們其實是在抓自己的癢處：Vercel 內部的 Agent 全部跑在 Eve 上，數量已經有幾百個。上線沒多久，他們看到數千名使用者開始採用，而且不全是企業客群，很多是 Hobby 或 Pro 方案的使用者。使用範圍從企業自動化一個業務職能，到有人週末做了一個多人 iMessage Agent。Shah 說他們想全部支援，讓大家把框架往自己的需求延伸。

訪談也問到內部 Agent 的分布，工程占了幾成。Shah 說一開始確實從工程長出來，工程也是最早大量生出這些 Agent 的職能；但採用擴散之後，go-to-market 把手上能搬的東西都搬到 Eve，行銷拿它自動化內容製作與社群，產品團隊把產品文件餵給 Agent 回答問題，對內也用，有時直接在 Slack 上跟客戶分享。他指出目前工程還是最重的一塊，工程師是主要的建造者與使用者，但他預期這個分布會越來越平均，因為生出一個 Agent 越來越容易，接下來還有自我演化。

Shah 歸納出三種常見型態。對話型 Agent 主要透過 Slack 出現，Vercel 是一間重度使用 Slack 的公司，最早的案例都在那裡，DZero 主要就是在 Slack 上工作。背景型 Agent 的工作是跑一份報告，然後把結果丟到 Slack 或寄給內部同事。第三種是應用，go-to-market 團隊是這類的大戶：你還是做了一個 Agent，但使用者看到的是網頁應用，網頁應用背後由 Agent 驅動，另外再給一個跟 Agent 對話的介面。Shah 說目前看到的大致就是這三種。

前端只接一條 durable stream

下一個問題是實際的整合：一個由 Agent 驅動的網頁應用，Eve 的目錄要放在哪裡，是塞進前端專案，還是獨立一個 repo？Barba 說他們對 Next.js 有很明確的立場：Next 有 pages 目錄、後來有 app 目錄，那 agent 目錄也該直接能用，所以第一方支援 Agent 就住在 Next.js 應用旁邊。但不是非得這樣，很多團隊還是前後端分開部署，Eve 完全可以照那樣跑：Agent 自己是一個專案，前端單純透過 HTTP 接上去。

那條 HTTP 就是預設的 Eve channel，也是它的串流協定，有送訊息、取消這些動作，最後回給你一條持久串流（durable stream），你可以拿它去驅動任何你想得到的介面。Barba 說他們內部的講法是：Eve 是後端框架，不是前端框架，它跟你的前端相處的方式，跟你其他後端沒有兩樣。

Shah 補了兩個應用案例。一個是開源 CRM：使用者新增一筆 lead、填上名字與 email，背景 Agent 就去研究這筆 lead，把剩下的資料自己補完。另一個是 AI 音樂工具：使用者設定 tempo，Agent 在網站上跟你一起協作，把曲子完成。這類 Agent 原生的應用，Eve 在後面當大腦。

KBall 覺得這一塊還被低估。現在所謂的生成式介面常常只是把聊天機器人塞進去，或者非同步生一份報告出來；真正還沒被開發的是協作式介面，例如協作文件編輯加上 Agent 會長什麼樣子。現在勉強可以拿 Claude 的 artifacts 做，或在 Google Docs 裡配 Gemini，但後者他不推薦。

Barba 承認那條串流很底層。你拿到的是一段一段 delta 的推理內容，Vercel Labs 在做一些把低階協定轉成介面的嘗試，例如 JSON Render。TypeScript client 讓事情好過一點，有型別化的 phase 與 event 可以迭代。不過他同意這還是相當低階的 API，他很想看到這裡有更多東西做出來。

他也提醒，Eve 不只是聊天。送訊息時可以指定 output schema：如果你的介面需要某種形狀的資料，就讓 Agent 生成那種形狀。實作上，schema 一路傳到 AI SDK 的 tool loop agent，最後生出一個叫 submit_result 的 tool 來驗 schema，而且可以重試。Agent 常常第一次交出來的東西缺了必填欄位，系統就提示它漏了什麼，它再交一次。Barba 說這不能保證一定拿到你要的 schema，但以現在的前沿模型來說，表現相當好。

KBall 追問 tool call 的代價：一旦走到 tool call，串流就變成一個同步的阻塞，介面得準備一個等待的畫面，而不是把結果一片一片流出來。Barba 說不完全是這樣。串流本身還是會把中間所有的推理吐出來，只是最後一步從「給你看一段英文訊息」換成「給你看一個 tool call」，中間你一直看得到東西。用高推理設定的時候，那些中間過程是可以檢查的。

每一步換一個 function

雲端規模一旦成立，耐久性與可恢復性就變成非解不可的問題。Barba 說他們很早就決定把 Eve 蓋在 Vercel 的 Workflow 上，那是他們版本的 Temporal。模型很簡單：一個 Workflow 就是一個 Eve session，今天其實是兩個 Workflow，但可以當成一個來看。切分方式是每個 session 跟其他 session 完全分開，需要共用資料的話，Eve 提供指南教你怎麼接自己的儲存。一千個 session 跟一個 session，使用者不該需要想這件事，雲端該替你做掉。

真正的工程在 serverless。傳統 serverless function 有 15 分鐘的上限，Agent 顯然會跑更久，所以他們做了一件有點聰明的事：每次呼叫 tool 就換到下一個 function，Workflow 在那裡繼續跑，因為換了 function，時間等於重新起算。今天他們的作法是每一步都換一個新 function；未來如果時間額度還很多，可能同一個 function 上跑好幾個 tool call。只要 Workflow 夠快又穩定，使用者不會注意到，Agent 就可以一直跑下去。

Memory 分抽屜，自我演化開 PR 給自己

Barba 說他現在手上最大的一件事就是 Memory，而且全部開在 PR 裡，任何人都可以去看。這件事跟前面說的策略轉向有關：Eve 從企業出發，但記憶這種東西未必是企業場景，反而非常個人。所以他們開始回頭補個人使用的功能，自我演化是其中很重要的一部分。他的想像是：你把一個出廠預設的 Agent 部署起來，它跟你一起工作，然後自己慢慢變好。

自我演化有幾種形式，Eve 走的路跟 Hermes 那類東西不同。Hermes 可以直接改自己的程式碼再重啟；Eve 在 Memory 之外的第二條路是改自己，例如加一條連到某個 MCP server 的 connection、寫新的 tool、生出新的 Skill。Skill 可能更接近記憶，但其他東西就得真的寫程式碼，Eve 目前的重心是 Git：客戶都在用 Git，所以目標是讓 Agent 對自己開 PR。開發者可以定義一個 coding subagent 當作自我演化的執行者，部署時 Eve 會幫你準備好帶程式碼的 sandbox，也把 prompt 準備好，讓它知道什麼時候該去叫 coding agent 改東西。要多少人工監督也由你決定，從全部人工審查到讓它自己合併，都是可以配置的自動化。

Memory 的做法是一個一級目錄，裡面可以定義不同的 memory slot。舉例來說，你可以替某個 Slack channel 設一組 workspace memory，那是所有使用者共用的全域記憶；另外再開一個 slot 只放你自己的記憶。Agent 因此有好幾本帳，依照你定義的 scope 去讀跟寫。Barba 說這像是給個人使用者一個很好上手的 provider，同時保留企業級記憶需要的原語。

KBall 也請 Barba 定義他口裡的 slot。Barba 說他講 slot 通常指框架的頂層目錄，Skill、tool、sandbox、channel 都是。Memory 會是一個 authored slot，也就是頂層目錄，裡面再分抽屜：一個抽屜是全域，一個抽屜綁使用者，一個抽屜綁 channel 加使用者，例如只有某些 Slack channel 裡的記憶。這種切法解決一個經典問題：你幾乎不會想要一個把 user ID 當參數的 tool call，因為你不希望 Agent 去猜使用者的 ID。memory slot 會把工具綁死在對應的抽屜上，Agent 就沒有機會猜錯。權限與這類東西要確定性地待在 Agent 行為的下一層。他們內部來回討論過 Memory 該不該是一級公民，最後是這類問題說服了他們：當你開始擔心 Agent 會抓到別人的記憶，就代表這東西需要框架提供護欄跟好用的 API。

暴露給 Agent 的方式是 provider。provider 可以決定自己要給哪些 tool，Eve 對記憶該有哪些 tool 完全沒有意見；它確定性呼叫三個函式：recall、save，以及一個負責給出工具的函式，剩下交給 provider。框架內建的是 file provider，非常簡單：recall 把整個檔案當 context 回傳；save 沒有實作，直接被忽略；工具只有 add memory 與 forget memory。Agent 加一筆記憶，檔案就重新寫回 blob storage；刪一筆記憶，也是拿掉之後再寫回去。

KBall 確認了一次：所以 recall 是確定性會被呼叫的，回傳的內容從一開始就嵌在 Agent 的 context 裡，再加上那兩個工具。以檔案版來說，檔案的內容會出現在每一輪的 prompt 裡。

同樣的介面可以走得很遠。Barba 提到 Super Memory 這類服務：recall 與儲存全在他們的服務上做，provider 可能一個 tool 都不給，因為他們不想讓模型自己喊 add memory；他們在 save 被呼叫時接下整段訊息歷史，跑自己的流程判斷該記什麼。他們的 recall 也不是回傳一份檔案，而是看著進來的那則訊息，動態決定要撈什麼出來。兩者是完全不同的 recall。

KBall 接著問，recall 是每一輪都叫嗎。Barba 說它會在幾個階段被叫，最主要的是每一輪開始；另一個時機是 context 壓縮（compaction）之後，因為不能保證壓縮過的內容還留著記憶，所以要重叫一次。像 Super Memory 這種 provider 可以看壓縮後的 prompt 自己決定這樣夠了、還是要重新注入。注入方式預設是附加在後面，因為不想打破 prompt cache；記憶用 user 角色送進去。你也可以改成 system 角色，對檔案版來說可能更合理，代價是每次 add 或 forget 都會讓 system prompt 失效。

開源，但外部 PR 沒辦法直接測

KBall 注意到 Eve 開源，問起貢獻模式。Barba 說有一個有點尷尬的問題：Eve 的測試套件會去打模型，也會真的把專案部署到 Vercel，用到一堆 secrets，所以外部貢獻的 PR 沒辦法直接測。流程變成小心地拉進 sandbox、確認不是惡意程式，然後用 Vercel 的帳號以共同作者的身分重新提交，才能跑測試。他說這確實很煩，還在想更好的做法。他們想要外部貢獻，也盡量收；Vercel 內部的 Eve Agent 每天在分析這些 PR，找出值得拉進來的。團隊規模從三月到七月中是兩個人全職，之後又加了四個人，現在工程端大約六個人全職在做。

押模型變聰明，以及開公司就是開 Agent

最後 KBall 請兩人談展望。Barba 說 Eve 很早的一個原則就是押注模型會越來越聰明，整個框架是為了吃到這件事而設計。他們看過很多 AI 框架往垂直方向長，程式碼越堆越多，最後看起來不像 Agent，反而像一堆確定性的 workflow API。Eve 要往水平長：多給模型一些東西，讓它自己做決定。目錄結構也是從這裡來的。他認為模型變聰明的速度短期內不會慢下來，Eve 會繼續往這個方向走。

Shah 的版本更大。他說他們的想法是「開公司就是開 Agent」：Eve 比公司的設立登記還根本，你的 Agent 會比你的網站、你的網域、甚至你的公司登記都早出現。你先有一個 Agent，它替你一點一點長出一座軟體工廠，包含完整的軟體開發生命週期；你的工作是去微調那座工廠。他認為 Eve 有機會變成公司的大腦。

最後一個問題是，如果真的拿這個東西開公司，能不能不放在 Vercel 上。Barba 說這件事對他們很重要，內部已經有客戶把 Eve 跑在自己的 Kubernetes 與自己的硬體上。做法是用 Workflow 裡的 world 抽象：他們的端到端測試就是拿不同的 world 在跑，有 Postgres world、有 local world。只要能替自己的基礎設施定義出一個 world，而外面已經有很多現成的，你就能自己託管 Eve。他說這方面還有很多工作要做。Memory、自我演化這些能力最終都需要 adapter 合約，框架本身不可能什麼都自己做；重點是這些 API 與 adapter 要在設計的早期就想到，而不是等 Vercel 上跑通了才當補丁加上去。

https://allinchamathjason.libsyn.com/metas-dina-powell-mccormick-the-case-for-data-centers-backlash-ai-job-boom-metas-future

「Richland Parish 是一個被機會遺忘的地方。」All-In Summit 的舞台上先播了一段影片，路易斯安那州這個人口一直往外流的地方，有人說這幾年最常聽到的一句話是「這裡已經沒有我們的份了」，一位媽媽說，兒子也是出去找工作就沒再回來。鏡頭接著轉到一家外燴公司，老闆說以前接到四十人的單就覺得不得了，現在一個禮拜要做四百人。一位老師講到年終那筆錢，說自己嘴巴張得開開的合不起來：「我們教書不是為了錢，但這筆紅利真的幫了很大的忙。」

影片放完，主持人把片中的兩位請上台：Richland Parish 的學區總監 Sheldon，跟路易斯安那州的經濟發展廳長 Susan。這一場的主講人是 Meta 的總裁兼副董事長 Dina Powell McCormick。節目片頭先播了她幾句話：人類正在經歷一場轉型，用這個技術，現在已經沒有東西擋得住，接下來三年可能就是整場比賽；還有一句「女性是秘密武器」。她加入 Meta 八個月，之前當了一年的董事，再往前是川普政府的顧問，也當過副國家安全顧問。這份履歷剛好對上 Meta 現在最卡的地方：資料中心、投資，跟各國政府的關係。

她一上台先開自己玩笑，說只要這一集的收聽跟觀看數贏過她先生、參議員 McCormick 來上節目的那一集，她就心滿意足。主持人接著說，那來開個 Polymarket 的盤。

這場座談接在跟 Satya Nadella 的對話之後，談的是同一件事：要怎麼把資料中心的好處說清楚，讓大家看見它對社區其實是淨正面。Powell McCormick 沒繞路：整個產業就是沒把故事講好，她說得很白，「我們就是講得不夠好」。但她補了更重要的一句，在你能開口講任何事之前，你得先有實質的影響。

一張從一萬變成五萬的支票

Sheldon 第一次見到 Meta 的人，是 2024 年夏天，地點在當地的社區學院。他記得會開完，坐進車裡，路易斯安那很熱，他把冷氣打開，坐在那裡想了一句話：「遊戲規則變了。」他過去面對的是幾百萬美元的規模，這次桌上擺的是一筆五百億美元等級的資本投資，他找不到任何可以參照的前例。2024 年 12 月動土之後，變化很快就出現在稅收上。

Richland Parish 有六個徵稅單位，學校董事會拿到全區稅收的 51%。這裡還有一美分跟半美分的銷售稅，指定要進到教職員的薪水。這個學區的銷售稅成長，平常大概在 5% 到 10% 之間；資料中心的工人一進場，成長率跳到 60%、70%，最高一度衝到約 260%。Sheldon 就在學校董事會上宣布這些數字，台下都是教育圈的人，大家自己會算：這會變成更大一張支票，而這張支票直接進到薪水裡。

半美分那筆支票，前一年大約四千美元，2025 年 12 月那次變成八千美元。真正嚇人的是今年 6 月那筆：有教師證的老師從前一萬美元，變成五萬美元。Sheldon 把 12 月跟 6 月兩筆加起來算，那一年老師淨增加大約四萬五千美元。主持人先問「四萬？」，他更正：「他們拿到的是五萬美元的支票。」

這個地方過去的平均年薪大約三萬六千到三萬八千美元，人口長期流失。Sheldon 說，以前他最優秀的學生在學校表現很好，去念州內的大學，然後就沒有回來，因為這裡沒有能吸引他們回來的工作，他們去了別的城市、別的州。現在他可以換一套說法：你想走，可以走，但你不必走，這裡有工作，你可以在這裡成家。他也說了另一句很實在的話：這種溝通不是講給社區裡最懂的人聽，是講給最不懂的人聽。

Susan 補了另一個角度。路易斯安那在資料中心這場比賽裡算晚起步，這反而變成優勢。Meta 是州內第一筆投資，大約二十個月前開始談；州長幾個月前簽了一道行政命令，建立州政府跟大型用電戶往來的框架。州裡有銷售稅減免，她說這是能談成這種規模投資的關鍵。現在他們可以挑夥伴了，州長把 Meta 那筆當成原型，後面的案子就照這個標準走。她說這一路都是合作，不是談判。「我們不是說不的州，我們是說 yes 的州。」有主持人接了一句，這正是建國者設計的聯邦共和國：有些州會贏，有些州會做出蠢決定，然後輸掉。

水、瓦斯、電網，跟颶風的帳單

主持人把社區最常見的反對理由一條一條搬出來：污染、電價上漲、水、噪音，還有這些建築物長得很醜。Susan 沒閃，她說我們都是人，聽到的擔心都一樣，差別在於這些問題在變成公共議題之前，就已經被處理掉了。

用水這一條，這塊地原本是農地，Meta 選了一套比較貴、效率比較好的系統，用水量比這塊地以前務農的時候還少，Susan 說這個數字不常聽到。天然氣，路易斯安那有大約三萬兩千英里的天然氣管線，就算一英里都不再新增，全州也接得到氣。電的部分，Meta 從第一天就付自己的發電成本，透過跟 Entergy 的關係，還付了電網韌性、電網升級，以及颶風的風暴分攤費用；有些颶風發生的時候 Meta 根本還沒在路易斯安那營運，帳單照付。Susan 說，這些條件把原本會落在路易斯安那用電戶身上的負擔拿掉了，也因為這樣，這份合約變成後面每一筆大型用電案的模板。

Powell McCormick 在同一個題目上加了自己的版本。她說前提是這樣：一個社區如果不想要 Meta 的資料中心，就該能說不。但對願意談的社區，Meta 有義務更早、更用力地解釋這筆投資跟合作到底長什麼樣。她把這件事講成一份互相的約定：第一，不能只付自己的電費，還要想辦法讓電價往下走；第二，水，農業區跟鄉下地方對水的擔心是真的，但現在已經有新的技術在處理這件事；第三，老師，這一條不是 Meta 想出來的，是路易斯安那的法律規定稅收盈餘直接進老師的口袋。她說 Sheldon 以前招生很辛苦，現在電話從州內各地一直打進來，有人想調去那裡教書，這個學區有可能變成全州最好的。這套經驗現在被帶去別的地方，Meta 開始把資源投在老師跟第一線人員身上，也反映在周邊小店的生意上。

如果你今天想讓美國停下來

主持群提到，資料中心在美國的民意支持度已經掉到負八十幾，然後問 Powell McCormick：既然經濟帳這麼清楚，為什麼反對的聲量贏得這麼徹底。她先承認那些問題都正當，也承認產業沒把話講好，再提到她最近跟參議院情報委員會的主席 Tom Cotton、副主席 Mark Warner 談過，他們相信自己有證據，顯示有外國對手在把這股反彈炒熱。她說她不能評論這件事，但可以講一個邏輯：如果你今天想讓美國停下來，你會做的就正是這件事。任何一個對手都會希望美國停止蓋資料中心，因為那樣美國就走不上 AI 霸主那條路。有沒有外國政府在操作是一回事，這個方向肯定是對手會選的方向。

她再把立場講回社區：想要這些工作、想要老師紅利、想要這些投資的地方，就應該被允許拿到；不想要的地方，就選擇不要。她不希望看到的是美國的企業跟同業，到最後是在「要不要蓋資料中心」這件事上遲疑。有主持人接著說，這些指控其實不難反駁，水那一條特別離奇，這種說法卻一直活著，還有人提到 X 上那位帶著一瓶髒水到處跑的女士。

Susan 說，那筆五萬美元的消息傳出去之後，路易斯安那好幾個鄉下地方的領導人輪流打電話給她，問有沒有業者還在看他們的社區，拜託帶一間過去。她說那種全球性的反彈敘事在路易斯安那沒有出現，她也不相信它在別的地方有宣傳講得那麼普遍。

四到五週，跟五十萬個職缺

Meta 在路易斯安那的工地很缺人。Powell McCormick 說，焊接工、配管工、電工、營建工人都不夠，但最誇張的是鋪光纖的技術員（fiber technician），就是真的把光纖鋪上去、切好接起來的人，怎麼樣都找不到足夠的人。他們乾脆自己做一套課程，跟 CBRE 等夥伴合作，因為外面根本沒有這種訓練。原本只想解決一個工種的缺口，後來做成了「美國勞動力學院」（America's Workforce Academy）。

課程是四到五週的快速訓練。學員先把安全訓練上完，拿到「可上工」（job site ready）的認定；畢業之後，Meta 保證在自己的資料中心工地給他一份工作，這張認證跟著人走，留在 Meta 的工地或去別的地方都算數。真正卡住的地方不是課太難，是錢：來報名的人可能是服務生、Uber 司機、居家照護員，薪水一個月接一個月，沒辦法請幾週的無薪假去上課；OSHA 這類訓練對他們來說也不便宜，更何況上完還不保證有工作。Meta 的解法是從第一天就付跟正式上工一樣的錢。Powell McCormick 說，焊接工在匹茲堡一年可以賺十萬到十二萬美元，這是實實在在的好工作。

缺工的規模，就是 David Sacks 講過很多次的那個數字：未來幾年有五十萬個職缺。這個學院四個月前才開，四萬人報名，兩百五十人畢業，留任率九成。進到工地的人學了一門新手藝，離開原本沒什麼成就感的工作，來招人的承包商都很滿意。

他們故意沒把 Meta 放進名字裡，因為受完訓的人本來就可以去 Google 或 Microsoft 的工地。Powell McCormick 說得很直接：模型跟產品可以競爭，人不該競爭。Google 的 Ruth Porat 正在召集一個跨公司的勞動力聯盟，BlackRock 的 Larry Fink 已經加入，Meta 也要加入。GM 執行長 Mary Barra 直接打電話來，說要一千個從這套系統出來的員工。上課的地點包括社區學院、退伍軍人會所（VFW），鋪光纖的課需要一個像資料中心的示範場地；美國的建商協會有幾千個據點，課程跟認證一旦固定下來，要鋪開就不難。

工會也在這條線上。Powell McCormick 說她跟 NABTU 主席 Sean McGarvey 是朋友，合作得很好，畢業生有去工會工地，也有去非工會工地。她說這一輪反資料中心的反彈裡，出現一個有意思的聲音就是工會領袖：他們說這些是我們的工作，是我們的人的工作，而且早在期中選舉之前就放話，只支持支持資料中心的候選人。

一副眼鏡，跟那通第一次自己打出去的電話

主持人把問題轉到 Meta 眼鏡。他先講了自己的懷疑：Google 做過眼鏡，Apple 做過 VR，大家都試過往臉上放東西，沒有一個留得住，最後都變成抽屜裡的科技古董。這副眼鏡的正常使用情境到底是什麼？

Powell McCormick 先講外型。她說如果戴起來不好看，人根本不會戴；工程師在這上面做了十年，Mark 很在意的不只是設計，還有重量，要塞進這麼多技術又要維持時尚，不容易。她說她自己每個禮拜就是用這副眼鏡聽 All-In，走路或運動的時候聽。功能上，它可以聽音樂、講電話，音響很好；還有兩個他們很興奮的新功能，一個叫「對話聚焦」（conversation focus），你看著對面那個人，周圍的噪音會退掉，只剩對方的聲音；另一個是即時翻譯，對方講外語，或你看到一塊外語招牌，不用拿手機出來。另外還有 Oakley 的版本，給極限運動用。至於 Ray-Ban 那邊，她說那是 Meta 的夥伴，兩邊有獨家合作。

主持人問，是不是 AI 讓這個形式真正解鎖。Powell McCormick 說，應該會有很多種產品，不會只有眼鏡；但眼鏡的優勢是幾十億人本來就在戴眼鏡或太陽眼鏡，熟悉，也負擔得起。真正讓公司意外的使用情境是盲人退伍軍人。有一個支持退伍軍人的組織帶成員來跟 Meta 工程師一起設計功能，眼鏡可以幫你看，也可以念給你聽。在德州奧斯汀的退伍軍人會所，有位先生戴上眼鏡，說了一句「Hey Meta, call John」，然後就開始哭。他說那是他第一次自己打電話給兒子。另一位把眼鏡帶去教堂，前面螢幕上有經文，他以前讀不到，那天他請眼鏡念，一個字一個字念給他聽。那天是 9 月 11 日，歌手 Chris Stapleton 突然現身，跟這些退伍軍人致意。

Jason 最後補了一段自己的使用心得。他說他從 Google Glass 就開始戴，那時候電池不行、太笨重、戴起來很蠢，控制也不靈；現在電池可以了，功能真的能用，翻譯很俐落。以前要拍小孩，得把手機舉在兩個人中間，那更打斷現場；這個反而讓人留在真實世界裡。他說，是時候重新考慮這個產品類別了。

一百七十億美元的那一題

Jason 沒有放過 Meta 的紀錄。他說 Meta 剛付掉一筆和解金，金額在美國史上只輸菸草業、贏過 BP 漏油，這種級別的災難，他要問的是：這些產品對小孩造成了傷害，公司內部知不知道產品讓人上癮，從 Sheryl 那個時代「快速行動、打破東西」的文化到今天，中間到底改變了什麼？他也提到 Meta 正在做一批可能更讓人上癮的東西，包括以角色為基礎的 AI 陪伴產品。

Powell McCormick 的回應是：「你問題裡的前提，我基本上一個都不同意。」Jason 立刻回：「那是一百七十億美元的和解，數字就擺在那裡。」她問他講完了沒，然後把她的版本講出來。她說自己只在 Meta 八個月，之前當了一年董事，每天跟這些人一起工作，她看到的是這群人非常在意讓家長有力量、讓青少年被支持；她對剛談成的那份協議，驕傲到不能再驕傲。

那份協議是跟美國各州與屬地的五十二位跨黨派州檢察長談成的。簽下去的州，十八歲以下的青少年一天只能用兩小時，時間到 app 直接關掉，晚上完全關機，上課時間一則通知都不發，家長拿到的監督工具也多了很多。她說如果同業願意一起加入，這件事在美國會是歷史級的改變：十八歲以下的孩子一天只能用這些 app 一小時、晚上關機，「那不是很好嗎」。她補了一句，自己是六個女兒的媽媽，這件事對她很私人。她也提到，Meta 願意再加五十億美元，並把上限降到一小時，前提是 YouTube、TikTok 跟 Snap 一起進來；孩子會從一個 app 換到另一個 app，標準要大家一起訂才有用。家長可以覆寫這個預設，但不覆寫的話，app 自己會關。她說她上個週末在德州看 Texas 對 Ohio State 的球賽，好幾個人跑來跟她說，關掉 Instagram 正在傷大學美式足球的招生，「德州的家長都把孩子打球影片放 Instagram，球探就是這樣看人的」。她的回答是，這裡是美國，家長自己決定要不要多給，但不給的話，預設就是關。

David Friedberg 認為新的預設是進步，但他也替 Meta 講了幾句。他說成年人用一個完全自願的產品，人生出了別的原因造成的問題，然後去告 Meta，還告贏；接著州檢察長跟上，原告律師拿走一半的錢，「這裡面有一部分是 shake down，這就是美國法院的運作方式」。他認為最後談成的結果是淨正面，立場也該回到家長身上：孩子用哪些 app、用多久，是家長決定，不是政府決定，公司要做的是讓家長更容易控制。

Chamath Palihapitiya 用五個小孩的家長身分接了這一題。他說這件事對家長來說是打地鼠：內容在每個平台之間流來流去，孩子的學校教材又大量放在 YouTube 上，你把 Shorts 跟 Instagram 關掉，他換到另一個地方冒出來，管這件事是一份全職工作。所以當這些公司願意訂出預設值跟規則，對所有還要上班、還要正常養小孩的家長來說，幫助很大。Jason 補的那句更直接：這個產業對遊戲化上癮，把「使用者停留時間」當成內部的目標，Facebook 跟 YouTube 的演算法都太擅長這件事了；他還是要肯定 Meta，就算晚了一點，至少現在做對的事，還帶著同業一起做。

Chamath 接著把這件事接到 AI。他說接下來 18 個月大家會一直聽到 RSI，遞迴自我改進：你只要替一個 AI 定義一個獎勵函數，放手讓它跑，它就會自己改進自己。所以任何產品，不管是 World of Warcraft、Angry Birds 還是別的，只要丟進這個迴圈，把獎勵函數設成「停留時間」，它就會愈來愈會留人，「如果 Microsoft Word 有辦法，它也會讓你待在裡面九個小時」。除非公司自己畫一條線說超過就關掉，否則這件事沒有天然的上限。

安全第一，跟「未來是所有人的」

最後主持人問到 Amodei 那篇文章跟監管的呼聲，還有那則未經證實、說 Zuckerberg 要「能多快就多快」的報導。Powell McCormick 先同意 Satya Nadella 講的很大一部分：出發點是安全最重要，這是 Mark 每天在講的事；她也每天看著 Alex Wang、Nat Friedman 跟他們帶的實驗室團隊怎麼想模型安全，有一整組人專門在做這件事。她說這些問題都很正當。

但她說 Mark 的立場很不一樣，而那個立場建立在一個做了二十年的生意模式上：賦權、連結人。開場她說每天有 35 億人在 Meta 的平台上，講到這裡她給的數字是 36 億，還有兩億個小商家在上面做生意。他相信的是，這個技術發得愈廣，愈多人拿到超智慧、愈多人能發揮自己的潛力、能碰到以前碰不到的教育、醫療跟學習，這不只對那些個人好，對整體社會也好。他在文章裡寫的是「未來是屬於所有人的」（The future is for everyone）；他的基本信念是，把 AI 民主化，社會反而會更穩定。Powell McCormick 最後提到，幾週前 Meta 發布了第一個美國的開源模型。

這一場座談裡，「安全是最高原則」跟「把 AI 盡量發給所有人」這兩句話，是同一家公司說的。這條線要由誰來畫、畫在哪裡，那天沒有給答案。

https://allinchamathjason.libsyn.com/nick-shirley-exposing-government-fraud-suing-california-taking-on-the-media

加州高鐵花了約一百五十億美元、十八年，沒有把任何一座城鎮連起來。中央谷地的人替它取了個名字：現代版的巨石陣。

All-In 這一集分成兩塊。前半段是 Nick Shirley 的加州高鐵田野影片，他沿著路線往南走，問了市政經理、農民，也找了一位熟悉這條線的人把帳算清楚，最後堵到一位剛投票撥錢的參議員。後半段他進錄音室，主要由 Jason Calacanis 提問，Chamath Palihapitiya 與 David Sacks 在幾個關鍵點上接手：他怎麼從 YouTube 影片做到調查報導、加州為什麼在他爆料之後立了一條法來擋他、明尼蘇達托育案後來怎麼收尾，以及這份工作要花多少錢、冒多大的風險。

三百三十億、一千兩百六十億、兩千三百六十億

2008 年，加州宣布要蓋一條連接洛杉磯和舊金山的高鐵。同一年，中國也開始蓋自己的高鐵。Shirley 在影片裡給的對照是這樣：中國到今天鋪了三萬多英里的路線，把整個國家連起來；加州這裡，一座城鎮都還沒接上。他在開頭問觀眾，如果給你一百五十億美元，你會做出下一個 PayPal、SpaceX、Google，還是拿來蓋一條高鐵。

影片裡受訪的在地人士說，他們嘴上叫它加州高鐵，實際上現場只有混凝土和鋼筋。經費估算一路往上跳：最早講三百三十億美元，後來變一千兩百六十億，最新的數字是兩千三百六十億。在受訪者眼中，這條線會成為世界歷史上第三貴的基礎設施工程，排在前面的是 1950 年代的美國州際公路系統和國際太空站。差別在於，州際公路你可以開車上去，太空站有人上去過，加州高鐵則是一輩子都搭不到。他也把一段蓋到一半、沒有後續的混凝土結構說成「人類已知最貴的一塊混凝土」，說當地就是這樣叫它現代版巨石陣的。

Shirley 另外翻出一段影片：紐森在 2016 年的私人影片裡說過，他不認為這個計畫在他們這輩子會完工。Calacanis 在錄音室裡的反應是，事實擺在那裡，要在有生之年看到它完成，看起來確實不太可能。

錢卡在變更設計，一天十七萬美元

Shirley 問那十五億美元到底花去哪裡了。受訪者的答案是，三分之一的成本卡在一種叫「變更設計延誤」的項目上。因為施工單位不知道管線在哪裡，也不知道軌道到底要怎麼穿過已經標出去的土地，被分到工區的承包商在無法動工的日子裡，一天可以拿到十七萬美元，一個月五百萬美元。那年二月，加州剛付掉一筆超過五億美元的和解金，理由同樣是承包商沒辦法動工。

另一個最能說明問題的地方是：加州到現在沒有買高鐵列車。他的解讀很直接，州政府心裡清楚，這些軌道上不會有火車跑。

接著他算了一條更省錢的路。以目前舊金山到洛杉磯的航空載客量來算，如果政府直接幫旅客出一段機票錢，在舊的工程預算下可以補貼一百五十年；用最新的兩千三百六十億來算，可以補貼三百年。他的結論是，把舊金山飛洛杉磯的機票買下來，比繼續蓋這條鐵路在數學上合理得多。

下午四點零九分，辦公室沒有人

他到沙加緬度的加州高鐵管理局辦公室，四點零九分進去，裡面一個人都沒有，雖然表定五點才下班。

接著他去堵參議員 Cortezzi，也就是剛通過每年十億美元、連續二十年撥款的那一位。他問為什麼要編這筆錢，參議員說這是必須做出的長期承諾。他問這件事真的會發生嗎，參議員回：「它正在發生。你去過現場嗎？」他答去過，現場一根軌道都沒鋪；參議員說他們正準備要鋪。他問二十年內能不能完工，參議員說「可能會，也可能不會」。

後面他追問，參議員是否認為高鐵管理局已經為延誤和成本上升負起責任，得到的答案是「我們試著要求他們負責」。至於能不能保證在他或大家的這輩子看到完工，參議員說那不是他的承諾，他認為這是全國最大的經濟開發案，聯邦和州政府歷史上就是這樣一起蓋水壩、橋梁、公路和鐵路，現在有二十一個工程同時在施工、幾千名工人在現場，「你會看到它蓋完」。影片也提到，完工還缺一千億到兩千億美元，而州政府一年只編十億。影片收尾時他對觀眾說，不要像加州高鐵那樣。

房子蓋在路線上，農場會被切成兩半

Shirley 沿著路線繼續往南，場景開始變得具體。有一塊 2006 年就被買下、準備開發的土地，比高鐵計畫對外公布早了兩年。他到現場時，房子正在蓋，而且就蓋在路線的預定地上。要讓高鐵過去，州政府得把每一棟都買下來。

市政經理的說法是，政府通常會先把整條路線的地權買齊，才不會等到地開發了才買；一旦蓋了房子，價格會是素地的十倍、十一倍。他說州政府跟地方的溝通很少，地方基本上是狀況外。他也不覺得這是特例，認為整條谷地沿線都有類似情況。他另外問了一個問題：這條線為什麼要貼著已經存在的 Amtrak 路線再蓋一條，去服務同樣的地區。

再往南是農地。一位農民說，幾百年來連在一起的土地會被切成兩半，之後兩邊都要能進出，灌溉、電力、各種設施都得再拉過去。他當年投過票，但選票上的描述很模糊，沒有人知道路線要走到哪裡。在他看來，最後選定的位置會打到一個本來就不需要高鐵的地區；這條線原本的目的，是連接北加州和南加州的人口。被問到一百億美元如果投在農業會怎樣，他說那可以讓整個加州改頭換面，農業需要的是水和能源，這些投資對全州的幫助會比一條只服務一小部分人的鐵路大得多。影片最後他補了一句，火車蓋好之後，車上大概也沒有人。

加州後來也放棄了舊金山到洛杉磯的完整路線，把重心放在默塞德到貝克斯菲爾德這一段。

加州在他爆料之後立了一條法

進到訪談，話題從法規開始。Shirley 說，加州在他揭發州內詐騙之後，立了一條針對他的法。法律管的對象叫「immigration support service providers」，用他的話說，幾乎包含所有靠納稅錢為移民（包括非法移民）提供服務的單位，非營利組織、醫療機構都算在內。

運作方式是這樣：這類機構只要寄給他一封要求函，說那支影片不能上傳，他就不能上傳。真的上傳，最低罰四千美元，還要負擔對方打贏官司的律師費。四千美元只是下限，如果一個機構裡有十個員工都落在適用範圍內，金額會往上加。他的說法是，這條法在他揭發詐騙之後才出現。

法案編號 AB 2624，一位州眾議員給它取了「Stop Nick Shirley Act」的綽號；他說要不是這個綽號，他大概根本不會注意到。他現在正在告加州，理由是這條法違反美國憲法第一修正案。節目裡也提到，這條法是州長紐森簽的。

Calacanis 在節目上把立法理由拆開。支持者的說法是，Shirley 挨家挨戶敲門、問對方生意是開是關，讓一些人覺得不安全；「不安全」這個詞一出來，所有人就得跟著站隊，法案於是也被叫成「Nick Shirley 法」。Calacanis 的評論是，一個州為了阻止最基本的新聞工作而立法，對 Shirley 來說反而是勳章。

Chamath Palihapitiya 問的是另一個層面：第一修正案的案子在美國被訴訟過無數次，立法的人會不會根本就知道它最後會被聯邦法院打掉，只是把找憲法訴訟律師、籌錢、跑完整個訴訟的成本丟給 Shirley。Shirley 說，他不覺得立法者預期他會知道有這條法。

他接著點名兩個與法案有關的單位與人物。共同提案的團體叫 Chirla，他說是拿到八千萬美元經費的移民倡議團體。法案的起草人是州檢察長的妻子 Mia Bonta。他認為這裡有明顯的衝突：州檢察長的工作是起訴詐騙，而他的妻子正在推動一條讓詐騙更難被查、更難曝光的法。他也解釋了這條法為什麼在加州很容易過：州參議院四十席，民主黨三十席、共和黨十席，過關要二十一票；在他的說法裡，共和黨幾乎不可能單靠自己通過任何法案。

聖地牙哥：同一天，十二個人被起訴

訪談當天是 2026 年 9 月 18 日。Shirley 在節目上說，他拍過的聖地牙哥托育中心案有了進展：十二名移民被起訴，涉案金額一千萬美元。主持人追問了一次，確定動手辦案的不是加州州政府，而是聯邦司法部。

他把這件事當成自己工作方式的說明。影片裡把資訊全部公開，讓有權力的人去用；至於要不要查、要不要起訴，不在他手上。

他不是記者出身，本來只想要一天三百美元

Shirley 十五歲開始在 YouTube 上拍 vlog 和整人影片。2020 年前後，他開始對世界發生的事有興趣，但那個時候，標題裡有「Trump」、談政治、談 COVID，都可能被下架廣告，等於賺不到錢。他後來中斷兩年，去智利聖地牙哥傳教。在那裡，他遇到從委內瑞拉逃出來的人，聽他們講怎麼往美國走。回美國之後，他自己跑到南部邊界，用西班牙語訪問這些人。

真正讓他覺得不對勁的是一個厄瓜多婦女的訊息。她說自己在邊界，身上沒錢；隔天傳訊息說她人在紐約。他覺得這個速度很奇怪。接下來兩年半，他每個星期做一支影片，講美國和世界各地正在發生的事。訂閱數從兩萬開始。幫他通報線索的是各地的吹哨者和居民；他形容自己像「一個真的會聽人民說話的全美眾議員」，但他不屬於任何單位，也不領任何人的薪水。

Calacanis 在節目上替他澄清了幾件事：他沒有受過任何正式的新聞訓練，錢是自己出的。有人說他是被派來的、背後有金主，Shirley 的回應是，2023 年他的目標是一天賺三百美元，算起來一年大約十萬美元，後來收入才變多。明尼蘇達那支影片是他媽媽拍的，那年他二十四歲。「聯邦的人會叫媽媽幫二十四歲的兒子拍 YouTube 影片嗎？」

明尼蘇達那支影片之後

明尼蘇達的托育中心影片是這一切的轉折。他說那是他坐在房間裡隨手上傳的，七天內累積四十億次觀看，他完全沒預期。根據他的說法，影片之後出現抗議和暴動，有人為了掩護涉案的人而死，甚至有政治人物鼓勵群眾上街，用來轉移注意力。這些指控在訪談裡沒有再提出其他證據。

他列出後續：Tim Walz 退出連任競選。托育中心的負責人，也就是拿了四百萬美元的那個人，買了一張單程機票要去倫敦，被攔下來，最後對托育詐騙認罪，刑期他當時還不知道。明尼蘇達另外辦了史上最大規模的自閉症相關案件。多數涉案的人已經離開美國，帶頭的人被抓到。

Sacks 提到 Bill Gurley 的一場演講，裡面講到記者對「追哪些故事、做哪些調查」變得有選擇性，背後似乎有政治化的原因。他問 Shirley，有沒有記者來找他談過。Shirley 說沒有，主流媒體沒有來問他怎麼做這些調查，而是來查他，寫攻擊他的報導。Calacanis 接著說了一句「查調查者」，認為這正好說明他們有多怕他。

Calacanis 對 Shirley 的評價分成兩塊。他認為街頭堵訪是一種很難的新聞格式，Shirley 很勇敢，也在工作中學習，有些事實查核和報導細節還需要收緊。但這些缺點不影響最重要的部分：Shirley 找得到真正的詐騙，把當事人放到鏡頭前，逼檢察體系面對。他拿 60 Minutes 和 Frontline 來對比，說那些節目當年的工作就是這個，現在很多記者變得政治化或被收編，Shirley 撿起了他們當年想做的那件事。他自己說，這正是他當年進新聞業的原因。

「你需要三、四個人」

這一集有一段很務實的討論：這份工作要多少資源才做得下去。

Shirley 說過去八個月，他每天醒來都是新的詐騙和貪腐案件，所以國際報導先擺著。他之前去過巴西的貧民窟，在里約熱內盧一間快塌的棚屋裡見了 Comando Vermelho 的首領，差點被綁走；在古巴也差點被當成人質，一位兩星將領出面問他為什麼來古巴、為什麼提早離開。這些他還是想繼續做。

他接下來想追的是社會福利。他說美國的福利詐騙規模難以想像：食物券（SNAP）在波特蘭、奧勒岡州有一家脫衣舞俱樂部可以刷卡；托育中心、成人日間照護、安寧照護，只要拿政府錢的都逃不掉。他把這件事歸因於拜登政府把閘門打開，也批評 Walz 在跟 JD Vance 辯論時還拿托育中心當政績宣傳。

風險是具體的。他現在需要維安，因為有人想殺他。他睡前會想一件事：上門敲門之後，對方意識到自己的時間到了，直接開槍，讓影片永遠傳不出去。Chamath 問他，有沒有辦法在不當面衝突的情況下拿到需要的資訊；他的回答是，觀眾就是要看那個人被當面問。Chamath 點出這裡的張力：他一邊想說真話，一邊活在一個獎勵流量的注意力機制裡。Calacanis 補上 60 Minutes 的做法當依據：受訪對象不願意上節目時，他們會到家門口或辦公室外面等人，事前還會告知對方。

影片能不能被看見，也跟平台有關。同一支詐騙影片在 YouTube 上幾百萬次觀看，在 X 上一億四千萬次。他說沒有 Elon Musk 和 X，這些事不會發生；X 把內容送到有能力讓政府動起來的人眼前。他也說，希望自己這一代少抱怨、多做事，新聞可以造成很大的改變，這是他在自己身上看到的；他會把事情追到停止為止。

Calacanis 因此要他去找錢。他的估算是有三、四個人圍在身邊，包括研究員、剪輯和維安，整個規模就會不一樣；他建議 Shirley 除了五美元的小額訂閱，也開五百、一千美元的長期支持方案，用力跟觀眾要資源。他引用副總統 JD Vance 的說法，說稅金有一成到兩成被浪費掉，拿其中一小部分支持調查，替納稅人省下的會更多。他自己承諾每個月拿出幾千美元訂閱，也鼓勵其他主持人和觀眾跟進；節目裡其他人沒有做出對等承諾。

合法的那一種浪費

Sacks 在節目最後把範圍拉大：不是只有能被起訴的才是問題。他回到加州高鐵，說任何一個客觀看這件事的人都會覺得不可思議，一條大約兩千四百億美元、從弗雷斯諾到莫德斯托的鐵路，票價是機票的三倍。這個說法和前面田野報導的路線與金額對不上，節目裡沒有處理這個差異。

他追的是那筆五億多美元的和解金。他說自己看了影片之後去查收款人的股權，最後的持有人是義大利的一位億萬富翁。他強調這筆錢的流向沒有違法，是一套合法運作、卻會產生浪費甚至貪腐的系統；Chamath 把這個叫做「有組織的漏財」。Calacanis 的形容是不道德也不合邏輯。Sacks 的說法是，這些事情單獨看也許都不夠大，但得過且過、貪腐和無人負責最後匯流成一個大家正在淹沒其中的瀑布。

Shirley 收在一句：如果能擋下詐騙，就真的能救這個國家。

主持人謝謝他做這些事，要他不要停。

https://allinchamathjason.libsyn.com/brad-gerstner-no-ai-bubble-semis-eat-the-nasdaq-ais-take-off-problem

Brad Gerstner 走上台那天，先謝了兩件事，都跟盤面無關。一件是 Trump accounts：全美七千萬個十八歲以下的孩子，每個人直接變成帳戶持有人。他的講法是這不是一個 program，是一個 platform，是這個國家有史以來最大的一次直接慈善解鎖，他要對抗社會主義的辦法就是更多資本主義。Sacks 介紹他時說，這條法案如果不是 Brad Gerstner 用近乎死纏爛打的決心去推，根本不會存在。另一件是他在心臟病預防中心推的掃描，一百美元、十五分鐘，如果哪天變成「心臟的乳房攝影」，一年能救回五萬條命。他自己說，那等於每年在美國境內結束一次烏克蘭戰爭。

兩件事講完，他把投影片切回老本行。這是他以前在節目上常做的那種體檢：市場走到哪、要往哪裡去、要相信哪些事是真的，行情才接得下去。

估值在縮，漲的是獲利

那斯達克今年漲了 15%，從去年一月算起是 39%，中間的壞消息沒少過，關稅、地緣政治、AI 監管，一樣都沒少。Bestie 群組裡不少人押黃金今年會飛，結果黃金躺平，比特幣跌了一成。同一段時間，Nvidia 營收翻倍，雲端大廠的資本支出翻倍，OpenAI 跟 Anthropic 的估值翻倍，SpaceX 翻了兩倍半。

這種漲法不是靠本益比擴張。今年的本益比反而在縮，獲利成長 26%，其中很大一塊來自 AI 基礎建設。那斯達克、標普、Nvidia 的價格都在自己的平均倍數以下，Nvidia 是明年完全課稅後的 GAAP 獲利的 14 倍，七巨頭差不多就在平均線上。同一個盤裡也不是人人有獎，消費耐久財、軟體、金融幾乎沒有動，行情集中在很窄的一條線上。

半導體吃掉那斯達克七成的報酬

半導體貢獻了那斯達克七成的報酬。他自己補了一句，這件事有好有壞。錢被誰賺走？他的答案是做 token 的人，買 token 的那些人大致上只是搭著車。基礎建設缺得凶，連大型上市公司都跑得出創投等級的回報，戴爾五倍、SK 海力士九倍，都是十八個月內發生的事。

他放了那張他最喜歡的圖：藍色是雲端大廠的資本支出，橘色是半導體公司的自由現金流，兩條線幾乎一比一。微軟、Google、Amazon 出錢蓋資料中心，但他們不是自己要付這筆錢，是蓋來租的。問題因此換了一句：租的人是誰。

整個盤面只剩一個數字

去年十月他問過 Sam Altman 一個很基本的問題。手上只有 130 億美元的 GAAP 營收，怎麼敢承諾一兆美元的資本支出？他本來想藉這題把市場的疑惑講清楚，Sam 給他的回答是叫他去賣股票。

然後十二月來了 Opus 4.5 跟 Claude Code，Anthropic 的月營收一月 20 億、二月 40 億、三月 110 億。三月那個跳升之後，市場開始算得出 Anthropic 到底在做多少生意，「AI 的營收到底會不會出現」得到了很大的驚嘆號，四、五月那段行情就是這樣被點起來的。六、七月轉成橫盤，因為 Anthropic 出來說年化大約 650 億，市場原本以為是 750 億，預估得往下修，同時開始有人擔心開源是不是追上來了。

他把尺度拉到資本主義史上：這種營收曲線以前沒出現過，是雙指數的拋物線。主要實驗室合起來的年化營收，按七月流出的傳聞算大約一千億美元，他估年底前至少要再多 800 億，撐到 1800 億，這個 AI trade 才算還站著。

所以現在最要緊的單一數字，是 Anthropic 跟 OpenAI 的月營收，接下來開出來的是 40 億還是 80 億。他提醒大家這個標準有多誇張：以前做軟體，四、五年做到十億美元營收，就已經是前 5% 的公司。現在市場定價的是完全不同的一條線。

他也把為什麼這個數字要命講了一遍。一年一兆五千億美元的資本支出，總得有人付。實驗室要繳的租金，只能從承租方繳回來的營收裡頭出。今年如果收在 2000 億年化，後面就是 2000 億、4500 億、8000 億，甚至一兆。藍色柱是 Mag 5 要花的資本支出，橘色柱是必須看到的承租營收，中間那個缺口就是他說的起飛難題。

市場不夠大不是問題

他不認為這是 TAM 的問題。消費、廣告、寫程式、各種白領流程，加上幾百萬家企業，知識工作是他口中史上最大的市場規模，只要吃到 4%，也就是一兆兩千億美元，就付得起這些資本支出。

Jensen 兩年前在節目上說推論會成長十億倍，當時被笑得很慘。他說 Agent 時代就是這樣走出來的，今年會產出 47 quadrillion 個 token；Codex 的用戶八個月成長 40 倍；企業在知識工作上的支出中位數，十八個月成長 17 倍。

生產力的帳他這樣拆：2015 到 2025 年，那斯達克的 EPS 每年成長約 10%，裡面是 6% 的營收成長加上每年約 38 個基點的利潤率擴張。AI 能不能把 38 個基點變成 100 個基點？他認為答案很明顯是可以。Uber 說要成長 20% 但不加人，Snowflake 說要成長 30% 也不加人，這就是利潤率擴張。這些公司最大的成本是人和工程師，不是要裁掉所有人，只是不會再用以前的速度補人。再往下還有每個人手裡的消費級 Agent，他跟 Bill 打過的那個賭，是什麼時候能用口袋裡的 Agent 訂飯店，他覺得 Muse 跟 Instinct 剛把這件事做出來，這會是另一個一兆美元的類別，而且會吃掉非常多 token。

他真正擔心的是三件事：監管、電力、利率

監管是第一件。他知道有人說他兩邊都站，但他的講法是答案不會落在任何一端，要的是常識跟務實的做法，讓他的媽媽、姐姐、弟弟從懸崖邊下來，也讓選出民代的人對安全有信心。前一天 Elon 在台上提的同儕審查是好建議。他相信自己會走到那裡，只是過程中會很亂。真正的先例是核電：當年一群人把反核推成議題，美國關掉 67 座反應爐，等於在能源上對中國單方面解除武裝，本來拿得到的乾淨能源沒了，碳排放反而變多。他不覺得同樣的事可以再發生一次。

第二件是電力跟實體建設。全美現在的算力加起來不到 40 GW；今年新上線的大約 19 GW，其中 7 GW 給了兩家領先的實驗室。SemiAnalysis 的 Dylan Patel 預估明年要加 43 GW，其中 14 GW 給領先實驗室，這個數字等於一年內做出全美累積的總量，而按前一天 Sacks 的算法，到 2028 年全美一半以上的算力會握在兩家實驗室手上。實驗室之所以敢這樣擴，是因為他們看到需求，也在往遞迴循環走。但許可、地方反對、電網併聯排隊、熟練人力、電力設備全部缺，這是美國史上最大的工程。他認為 43 GW 太樂觀，真正蓋得出來的比較接近 25 GW，其中一半給 Anthropic 跟 OpenAI。而這樣其實夠：Anthropic 據傳今年做到 1000 億到 1100 億的營收，用的是 1.5 GW 的算力，再加 4、5 GW，就足以多生 1000 億。他的結論是明年的營收目標不需要靠更多 GW 才會到，但他就是覺得那 43 GW 蓋不出來。

第三件是利率。他估隔天升息的機率超過九成。麻煩在於這整套東西是借錢做出來的，錢的成本往上走，資料中心的門檻報酬率跟著上去。他把巴菲特那句搬出來：利率對股票，就像地心引力對物質。如果什麼風險都不用冒就能拿到五・五到六趴，股市會很辛苦；十年期殖利率真的走到五・五，對股市是很大的負擔。

中等部位，跟著事實走

他留給聽眾的飛行路徑圖上有三條線要盯。第一條還是實驗室的月營收，靠近 80 億那一邊，他認為就是起飛；他預期今年會看到一家 IPO，所以他會非常仔細地讀每個月開出來的數字。第二條是利率、選舉跟油價，油價某種程度上拉著利率走。第三條是監管，還有 Anthropic 的 IPO，前一天盤中跌了一段，就是有人在擔心這件事會被喊停或延期。

2023 到 2025 那段時間，只要做對一件事：相信 AI 是科技史上最大的超級循環，把籌碼推進去。2026 已經不是那個市場，所有人都知道 AI，價格裡都已經有了，現在比的是事實跟情境。他給的指示是心態保持彈性，跟著事實走，不要 YOLO，也不要玩外匯槓桿，北邊那位朋友把錢全給了 Citadel 就是例子。他現在的部位是中等。接下來幾個月，實驗室的營收如果開得漂亮、油價退回去，他會把更多籌碼放上桌；如果沒有，他保留把自己縮得更小的權利。

台北時間 2026 年 9 月 18 日星期五早上八點三十二分。聯準會升息之後，美股四大指數反而全面反彈，原油價格同步走低，游庭皓把這個組合形容成「賣預期、買現實」：過去一段時間做多美債利率的人找到窗口回補空單，資金開始輪替。不過他也提醒，這一波美股的下殺幅度並不小，未來幾天能不能持續築底還要觀察。

道瓊上漲 316 點、0.61%，收在 51,778 點，已經來到半年線附近。標普 500 上漲 85 點、1.14%，收在 7,637 點。納斯達克上漲 439 點、1.69%，收在 26,418 點，重新站上所有均線。費半上漲 353 點、3.14%，收在 11,599 點，勉強守住第二隻腳。游庭皓順口開了個玩笑：川普如果早知道市場在升息的時候還這樣漲，當初就把鮑爾留任算了，反正鮑威爾到現在也不聽他的話。

美國的升息高峰過去之後，市場要重新定價利率和股市估值之間的關係。但這一天他把焦點擺在台灣，因為央行前一天的理監事會議，結果跌破了外界眼鏡。

央行第十個季度不動，楊金龍說走自己的路

央行沒有跟著美國升息。

重貼現率、擔保放款融通利率、短期融通利率全部維持不變，重貼現率繼續停在 2%，這已經是連續十個季度沒有任何調整。游庭皓說，他過去的判斷是央行應該升息一碼或半碼，再搭配適度的信用管制放鬆；信用管制放鬆是過去兩年的主軸，但國際市場正在收縮，貨幣政策適度偏緊有它的必要。

日本央行看起來一定會升，韓國央行已經升了，歐洲央行也升了。無論通膨比台灣高還是比台灣低，主要經濟體都已經進入升息循環。台灣卻選擇不動，楊金龍給的態度是走自己的路，不跟著日、韓、美、歐一起升。理由擺得很清楚：央行認為台灣的通膨壓力相對於主要經濟體仍然溫和。

七年累積通膨 14%，英國是 31%

從 2020 年疫情以來算到 2026 年，過去七年台灣的累積通膨是 14%，遠遠低於英國的 31%、美國的 28%、歐元區的 26%，南韓的 19%，跟日本相近。日本這幾年好不容易才走出通縮，結果台灣的通膨跟日本差不多。

央行的說法是，疫情期間面對烏俄戰事、中東衝突這些供給面的衝擊，政府同時做了很多平穩物價的措施把衝擊壓低，所以台灣的通膨沒有國外那麼嚴重。後來 AI 開始帶動出口、經濟快速成長，央行又提前採取溫和、漸進式的緊縮，台灣因此沒有出現歐美那種累積性的高通膨。今年 CPI 年增率預估上修到 2.03%，明年有機會降到 1.8%。通膨高峰落在今年第三、第四季，大約 2.35% 到 2.37%；明年第一季還有 2.3%，第二季就降到 1.74%，第四季剩 1.5%。

既然明年會降溫，央行認為這兩個季度不必做太多動作。這次會議有兩位理事支持升息，多數理事仍主張按兵不動，先保留政策空間，不要機械式地跟著別人走。

經濟成長保十，NCD 利率早就先動了

如果從經濟成長的內生性拉動來看，台灣今年幾乎已經保十。10% 原本被當成最壞的情境，現在已經陸續上調到 11% 到 12%。韓國股市雖然漲得強勁，經濟成長不過 3%；日本 1%；歐洲 0 到 1%。這三個經濟體都升息了，台灣反而沒動，照理講更該升。央行的回應是，我們過去的政策早就偏緊，現在沒有必要錦上添花。

讓市場意外的原因，倒不是體感溫度，而是利率決策公布之前，台灣的 NCD 利率其實已經緩步走高。今年三、四月，長天期 NCD 利率大概 1.3%，到八月底、九月初已經來到 1.6%；90 天期商業本票利率也從 1.76% 到 1.77%，上升到 1.84% 到 1.85%。就算央行不升息，實質利率早就被帶動，市場上也知道貨幣政策的方向是越來越緊。

楊金龍在記者會上把話講得很直白。他說 2024 年以來央行的操作一直比較偏緊，市場利率也高了；先進國家先調升、後來一路調降，現在才又要調升，台灣沒走這一段，一直維持稍微偏緊。除了政府的供給面平穩措施，央行操作本身也能穩定國內物價，加上股市這麼熱絡，台灣的情況跟其他國家不一樣，所以必須做某些超前的部署。至於未來會不會更緊，他的答案是看三個主要因素，不一定。

游庭皓把這段話翻成兩句：政策利率以前沒有跟著別人降，現在就沒有必要跟著別人升；而且七月以後市場的借貸成本已經提高很多，其實也沒那麼容易借到錢。市場本身已經緊了，央行就不用再緊一次。

M2 衝到 6.75%，央行說這是 AI 的錢

貨幣供給是央行最重要的觀察指標。廣義貨幣 M2 的參考區間大約 2.5% 到 6.5%，2020 年到 2025 年的平均年增率是 5.8%、8.7%、7.4%、6.2%、5.8%、4.5%，現在又來到 6.75%，超出參考區間上緣。表面上看，資金正在重新加快，應該要緊縮才對。

央行的解釋是，這一輪 M2 的成長不能直接理解成貨幣寬鬆，因為錢主要流向 AI 企業和股市，不是流向房市。政府過去有紓困，央行在三、四年前也有寬鬆，加上中小企業融通與大量資金流入房市，那是過去幾年的概況；今年這種高強度的爆發，來自 AI 景氣太強，把信貸循環和資金需求往上拉，不代表央行主動在放錢。用學理講，貨幣數量增加，市場利率也同步上升，供需的均衡點往右上移動；白話版本是市場上的錢確實變多，但大家想要的錢增加得更快，所以貨幣增量來自 AI 爆發，不是央行沒有緊縮。

游庭皓補了一個旁邊的觀察：金管會也不鼓勵大家擴大槓桿。七月那波槓桿潮，原本整戶擔保維持率跌破 140% 才會提醒，很多券商提前到 150% 就開始提醒；金管會設監管紅線、盯住個別金融機構、嚴控違約交割、掌握信用數據，某種程度就是在避免信貸進一步擴張。

官方通膨有一塊被壓在統計之外

游庭皓對這套說法有意見，而且意見很大。

他強調，官方的通膨數字很可能低估了未來的通膨轉嫁，這跟體感無關。過去一整年美伊戰事打了半年，政府正在用大量預算把部分漲價壓在統計數據之外。行政院通過的六大面向追加預算裡，穩定民生這一塊編了 4,213 億元，其中 2,333 億元是增資中油與補貼油氣、電價，台電的部分也有一千多億元。這次追加預算規模創高到 6,076 億元，大約是過去的六到七倍。

他對預算本身沒有意見，強化國防、災後重建都是好政策；問題在於補貼不可能永遠做下去。他認為最合理的預設是，11 月 28 日之後轉嫁的可能性很高，台電和中油過去幾個季度也嘗試過漲價，遲早要漲。台灣現在的通膨大概在 2.5% 上下，而南韓、歐洲、美國這三個都升息了的經濟體，通膨都比台灣高。

這一輪的通膨還多了一個新的來源。中東戰事的外溢效果已經影響到很多 3C 電子產品，不少漲價是本季度才開始，還沒辦法從過去一個季度連結出來。開學季造成的 AI 科技通膨最明顯，電力價格先往上拉；美國的資通訊產品價格年增率在 2026 年以前幾乎沒有翻正過，今年是意外。以前很少看到今年的 iPhone 到明年還能漲價，或者今年的華碩筆電到明年還能漲價，如果沒漲價，一定是降規。

台灣也一樣。消費者物價指數大約 2.04%，外食費高一點，3.17%，但電腦價格已經 7.5%。游庭皓提醒增量變數的關係：如果你覺得體感至少漲兩成，那外食費就等於漲三成、電腦等於漲七成，不能拿不同基準的數字互相對照。八月農糧物價也開始加重，七、八月大雨多，東南部和北部都淹水，漲最多的是番石榴 30.2%，香蕉 26%，玉米 21%，鳳梨 20%，芒果 20%，小番茄 12%，西瓜 9.5%，木瓜 4.8%。第三季的通膨壓力從體感上又升溫了一些。

所以他的結論是「不同意，但理解」。通膨壓力和全球趨勢就擺在那裡，台灣做了很大的物價壓制，遲早要漲價，他認為應該提前預防性升息。他也把預判講得很白：現在不升，十二月就要升回來，而且一次升兩碼。

至於政治上為什麼會這樣選，他分析，政府用信用管制壓縮房地產流動性，房價沒有立刻大跌，變成時間拉長的緩跌或量縮，政治效果很尷尬。沒買房的年輕人未必因此買得起，也少有人會對政策心存感激；原本有房的人有幾十萬戶靠新青安，看到房價承壓、交易變難，連換屋的資金調度都受影響，抱怨反而更直接。最後兩邊都不討好。

第二戶貸款回到七成，打炒房正式收場

利率不動的同時，央行對房地產市場丟出另一顆震撼彈：放寬已經實施兩年的信用管制，市場把它解讀成本輪打炒房循環的正式結束。

最直接的一項，是自然人購買第二戶的購屋貸款成數上限，從六成調回七成，等於回到兩年前管制之前的水準。央行三月才從五成放寬到六成，半年內再往上調一階。游庭皓算了一間兩千萬的房子：原本要準備八百萬頭期款，現在只要付六百萬，負擔減輕很多，換屋需求也許很快就會展現出來。

楊金龍被問到選舉時強調，這跟年底選舉沒有關係。他的說法是，管制兩年了，成效也該出來了，資源不要過度集中在房地產的目標已經達到；兩年足夠長，既然成效夠，為什麼不能聽聽外面的呼聲，做適度、適當的調整。他也提到來自各方的施壓，包括相關行業和媒體，但央行必須冷靜判斷。

建商公會的反應很快。新聞稿大概隔五分鐘就發出來，高度肯定央行的調整方向十分正確，務實回應市場和產業的需求，認為這對真正有居住需求的家庭有幫助。游庭皓說，被建商這樣認可，是一個很大的讚譽。

購地切結書取消，集中度退回疫情水準

另一項放寬是取消購地貸款的限期動工切結書。過去央行要求建商買地之後必須在十八個月內動工，不要把地囤在那裡不用；土地從整合產權、都市計畫審議、申請建造到真正開工，有時候時間拉得很長。這項規定現在正式取消，改由承貸銀行針對個案授信風險自行判斷，銀行自己評估對方是真的要開發，還是拖著囤地。建商公會認為這非常符合市場實務，有利正常開發案繼續推進。

央行敢放寬，是因為兩個指標都改善。第一是銀行體系的不動產貸款集中度：2024 年 6 月的高點是 37.6%，今年先降到 35.56%，7 月底只剩 34.44%，短短兩年下滑 3.14 個百分點，回到疫情前的水準。第二是資金流向：7 月銀行非不動產放款餘額衝高到 14.3 兆元，購屋貸款的年增幅只剩 3.4%。現在很多人借錢，但不是借房貸，過去資源過度集中在房地產的問題已經明顯改善，央行就沒有必要維持同樣強度的限制。

量能先回來，價格差不多到底了

游庭皓把這次鬆綁的意義講得很直接：本輪打炒房循環等於正式結束，信用管制也鬆到極致，不太可能再更寬。房價方面，這兩年中南部明顯承壓，雙北幾乎沒跌；但真正該看的是量能，因為量能永遠比房價重要，市場的借貸量才是關鍵。

數字的變化是這樣：2025 年急凍之後，2026 年已經稍微止穩回升，今年一到七月的全國建物買賣移轉棟數大約 15.4 萬棟，年減幅從去年同期的 26% 收斂到只剩 2%。只要稍微點火，今年至少確定比去年好，接下來就看有沒有機會挑戰前年。

房價的修正幅度也不大。信義房價指數第二季從高點只回落 0.4%，年增幅從第一季的負 0.5% 轉正為 2.7%。政大永慶房價指數仍低於高點 5.3%，但年減幅從 3.8% 收斂到 1.2%。國泰房價指數年增幅 0.04%。預售屋其實也沒什麼在跌，還是很勇敢地開高。

他特別點出信義的大台北房價指數，因為它每月公布，不像國泰或信義的季指數，可以比較快反映政策與市場心理。早在央行正式鬆綁之前，八月的大台北房價漲幅就已經很誇張：台北市年增 6.57%，新北市 3.96%，整個大台北地區 5.24%。今年房價有漲就不錯了，結果大台北是 3%、4%、5%、6% 起跳，游庭皓說這是非常驚人的資金買盤，也許跟少年股神賺了錢要做資產配置有關。

供給端的變化更明顯。今年全台只有 246 個新案，年減 21%；總銷金額前年還有 9,700 億元，去年 7,100 億元，今年只剩 5,400 億元，差不多是疫情時的水準。預售市場的新屋供給相對少，價格最有機會在第四季直接反應。建造宅數的下滑也很快：2021 年 8.2 萬間，2022 年 8.5 萬間，2024 年只剩 6.4 萬戶，去年 7 萬戶，今年剩下 5 萬戶。蓋的房子照這種速度減少，有一天就沒有新房子了，新屋價格反而有炒作的疑慮；現在把供給重新打開，不一定壞事。

接下來要觀察的是市場心理。永慶房屋的前瞻報告顯示，2025 年以後看漲比例已經低於看跌比例，多數買方認為房價應該會跌，所以不跌的房子不願意買；多數建商和賣方又不覺得打炒房到了必須賣房換現金的地步，就那樣釘著，僵持了大約兩年。現在政策鬆綁，第四季情緒有反轉的機會。

游庭皓的結論是，價格還有得商量，因為雙北還在衝高，中南部有些蛋殼區已經明顯鬆動，自住買盤會不會真的回來不一定；但量能百分之百會在第三、第四季往上拉，今年的量能有機會超越去年。從公允評價的角度看，今年應該就是本輪房地產價格循環的相對底部。

新竹的 459 萬與竹北的百萬單價

房地產能夠這樣撐著，背後是這一波 AI 浪潮帶出來的游資。游庭皓說，如果沒有 AI，台灣的經濟成長也許就跟歐洲、日本差不多，1%、2%，甚至不到 1%，那也不用做這麼多分析。正因為 AI 開啟了大量游資，這幾年房地產和股市才會這樣漲，也才會讓央行覺得自己有越來越緊的必要。

這筆錢是廣泛性的，不是單屬某個特殊族群。他拿高所得村里的人口結構對照：台北市所得中位數前一百分比的村里，高齡人口占比通常偏高。內湖區寶湖里平均所得 239 萬元，65 歲以上占 16.7%；大安區龍門里平均所得 194 萬元，65 歲以上占 24%；中正區新營里、南港區三重里、中山區成功里也都接近 20%。這些是傳統的高資產族群。

新竹完全不一樣。東區關心里 65 歲以上只占 3%，平均所得 459 萬元；東區龍山里平均所得 342 萬元，65 歲以上占比只有 4% 到 5%。這是年輕的科技新貴。

購買力直接反映在建案上。最近他看到一個叫「光宇樹」的建案，竹北開價已經突破百萬，一坪 103 萬到 106 萬元，他猜成交大概落在 90 萬到 100 萬元；總價 3,200 萬到 3,400 萬元，做三房，坪數 28 到 31 坪，也不是什麼豪宅。他的判斷是，按照這種新富階級的財富集中，竹北的房價均價遲早會挑戰板橋，接下來進軍台北市。

所以台灣現在的房地產和股票市場，都要用新的見解來理解。一個是從 AI 行情、游資、外匯收入進來的速度去看；另一個是央行把政策鬆綁回兩年前的位階之後，房地產能不能有效吸收市場上的游資，降低資金亂竄的風險。

楊金龍連兩年 A-，台股收 46,878 點

游庭皓還是給了楊金龍一些評價。《環球金融雜誌》最新公布的 2026 年全球央行總裁評比，楊金龍連續兩年拿下 A-，全球只有二十五位央行總裁進入 A 級區間，他跟瑞士、捷克、波蘭、菲律賓的央行總裁同列。上任八年，除了 2024 年拿到 B，其他時間基本上都是 A。

節目最後，台股上漲 589 點，收在 46,878 點。他把央行的動作再梳理一次：政策本來就不是為了討好所有人，必須在政策框架裡取得平衡；至於 2020 年以後，AI 改變了整個世界，全球的央行、經濟部門和行政部門都被迫採取對應措施，所得再分配之類的議題也會陸續發酵。