Daniel Ek¶

Spotify 联合创始人（2006 年创办，时年 23 岁），2026-01-01 起由 CEO 转任执行董事长。同时是 Neko Health 的联合创始人（2018 年创办于瑞典，预防式体检；另一位联合创始人 Yael Mar 负责日常经营）。另与 Shakil "Shac" Khan 共同设立投资/孵化实体 Prima Materia。

本库收录他的理由：他不是 AI 从业者，而是 ⚠️ 一个手里有两个大规模 AI 产品的应用侧经营者（Spotify 的推荐系统、Neko 的影像诊断）。本库此前的"AI 在医疗里怎么用"材料多来自实验室或创业者一侧；他提供的是一条已经在收费运行的分工，以及 ⚠️ 一条本库此前没有的监管角度：把部署侧的算力差当作攻防判据。

核心观点（2026-09）¶

来源：All-In：Neko、行业没把好处讲出来、把算力当监管度量

⚠️ 对 pacing the frontier 明确不站队（[00:37:25]）："我觉得这些辩论在发生是好事，但老实说我对该不该 pace 没有任何强烈的一方意见。" 配一条关于专家意见的元观察（[00:36:23]）："我们走进 COVID，每个人都成了病毒学家；霍尔木兹卡了一条油轮，我们都成了供应链专家；乌克兰开战，我们又都成了军事战略家……每个人都用极度的自信表达这些，而结果多数时候我们完全错了，连最大的专家也是。" ⚠️ 本库记为第一份明确"我没有立场"的 pacing 材料，不归入任何一侧。
⚠️ 他真正有立场的那条（[00:38:25]）："我们作为一个行业，在不去讲那些真正了不起、实实在在惠及所有人的用途这件事上，做了一件极糟的事（a terrible disservice）。我想看到更多 AI 的正面例子。" 他给的两个例子都是自家产品（音乐配乐、950 颗痣的纵向追踪），⚠️ 并且对音乐那条很诚实："现在你自己拼的歌单还是比系统拼得好。"
开闭源会并存（[00:39:26]–[00:40:26]）：⚠️ "技术一直在开与闭之间来回……Windows 对 Linux、iOS 对 Android。我们最后落到的位置，往往是两个都有。" 他说自己一直公开为开源模型发声、会继续。
⚠️ 一条买方侧的开源动机（本库此前记得较少的第三条理由）（[00:40:26]）：Spotify 同时用前沿模型和自己微调的模型——"两样都做让我们更有创新力，能做到一些用前沿模型做不到的事：有时是成本或效率，有时就是因为我们没法按我们想要的方式去调它。"
⚠️ 把算力当度量（本期最该单记的一条）（[00:41:26]）："对我来说这不只是单个模型本身的智能，还在于你用了多少算力——如果我在用 10 万张 GPU，那大概比我在家用 PC 上跑一个开源模型强力得多。" 推论是家用 PC 上的开源模型不太可能干成一件巨大的网络攻击的事，尤其是在那些公司拥有前沿级模型来保护自己的情况下。
⚠️ 他的提法当场被主持人修正（[00:42:28]–[00:43:28]）："两年前最早的限制概念不就是这个吗——多少 teraflop、多少 GPU？""他们当年就是这么写监管法条的。"并补上 Cray 超算的出口管制先例（曾因可用于设计核武与破译密码而需获批，"而今天一台 Cray 的算力大概比一台洗衣机还少"）。他的回应是 "至少在那些辩论里我没见到，我很意外，但也许是我漏了什么。"
⚠️ 本库替他做的拆分：既有法条是训练算力阈值 → 决定一个模型要不要被监管；他讲的是部署侧的算力差 → 决定攻防双方谁占优。后者是一条防守方优势论证，与 Greg Brockman 的 defender window 指向同一结构。⚠️ 但他本人没有区分这两者，也确实不知道两年前的立法写法——本库同时记下这一点。

Neko：一条已经在收费运行的 AI 诊断分工¶

⚠️ 以下全部为他口述、本库未核实，且他是公司联合创始人（利益相关方陈述）。 详见视频页。

形态（[00:15:06]–[00:17:09]）：499 美元、约一小时、垂直整合（自建场所、自有医护、自研诊断设备、软件自做）。流程是 53 项血液指标 → 全身 6000 多张超高分辨率影像逐一索引每颗痣与病灶 → 心脏与血液循环 → 握力等传统指标 → 与临床医生不受打断地过一遍全部结果。
⚠️ AI 的位置（本库值得长期引用的一条分工）（[00:20:10]–[00:21:11]）：AI 先标出可能的风险因素 → 人类临床医生逐条复核 → 真发现问题再上在编的皮肤科专家。他的措辞是 "医疗该是 AI 与出色的临床医生无缝结合。"
⚠️ 他给的"为什么必须是 AI"是纵向而不是单次判读（[00:19:10]–[00:21:11]）：平均用户身上有 950 颗痣，一次门诊不可能看完；而真正的断点是 ⚠️ "因为我们把每一颗都编了目录和索引，可以逐年比对——而就算世界上最好的医生，也不可能记得你的一颗痣去年长什么样。"
自报产出（[00:17:09]–[00:19:10]）：2018 年创办，已完成超 10 万次扫描，连续三年公开发布数据，⚠️ 约 1% 的会员被发现有尚未确诊的严重潜在疾病；⚠️ 他说最鼓舞人的发现是 "健康状况最差的人改善得最多"。
⚠️ 一条对做 AI 的人有用的反直觉事实（[00:32:22]）："对科技行业的人来说会很意外——医疗系统里存在的数据量其实并不大，数据集没那么大。" 推论：把可用数据做到 10 倍或 100 倍就能得出"超级有意思的结论，不只是 Neko，是整个医疗系统"。
⚠️ 本库对他的一处正面标注（[00:31:21]）：被问英瑞两国人群差异时，他主动拒绝了一个会让产品更好看的推断——"还很早、基数还相对小，只有 10 万次扫描，我不认为我们已经可以谈人群层面的健康结果了。"
他对美国医疗体系的机制诊断（[00:28:19]–[00:30:20]，他反复声明"我不是美国医疗体系的专家"）："给我看结果，我就能告诉你激励在哪儿。" 现行体系围绕传染病时代建成，所以激励全在急性修复；而预防式要求长期，可美国医保绑在雇佣关系上、平均任期只有两三年——⚠️ "如果你是那个保险公司，你该不该投一件回本期可能是 10 年、15 年、20 年的事？" 他说自己没有答案，Neko 的做法是把成本压低到让这个 ROI 问题不那么难回答。

与他人观点的交叉¶

与 Greg Brockman 的 defender window 同构但来路不同：Brockman 从实验室侧论证防守方会先拿到能力窗口；Ek 从算力存量侧给出同一结论的朴素版本（"前沿级模型在保护自己，而攻击者只有家用 PC"）。⚠️ 本库并列记录，并标注 Ek 本人并未意识到这与既有的 teraflop 阈值立法不是一回事。
与 Martin Casado 的"没看到与蠕虫早期年代相称的东西" 同向：两人都在说当下的攻击面没有想象中那么容易被放大；但 Casado 把它提成一个未被回答的质问，Ek 把它当成一条可以写进规则的判据。
与本库的开源材料的关系：NVIDIA 的"生态成功即自己成功" 与 Ghodsi 的"按美元 5%、按 token 超 60%" 都是供给侧；Ek 给的是买方侧，而且他的第三条理由（"没法按我们想要的方式去调它"）在成本与效率之外。
⚠️ 与 Chamath 的"把停留时长当奖励函数" 构成同一频道内的对照：Chamath 担心推荐系统被 RSI 式循环推成成瘾品；Ek 把推荐系统的终局描述成"给你人生的每一刻配上配乐，让你感受得更多"。本库并列不裁决——两人讲的是同一类系统，而双方都没有引用对方。

视频¶

日期	主题
2026-09-28	Neko 的预防式体检、"行业没把好处讲出来"，以及把算力当监管度量