跳转至

Erik Allebest（Chess.com 联合创始人兼 CEO）

全球最大国际象棋平台 Chess.com 的联合创始人兼 CEO。2005 年与一位朋友从破产拍卖买下 chess.com 域名（⚠️ 金额两说，见下），2007 年上线，全程未融过一级资金，靠会员费现金流增长到自报的约 2.5 亿注册会员、1000 万日活、2026 年收入略超 2 亿美元、约 650 人全远程团队。

  • 背景：买下域名时正在斯坦福商学院就读；自陈 18 岁才接触国际象棋，此前"像个把下棋当秘密爱好的滑板/滑雪少年"。此前有过卖掉的创业项目，用那笔钱投入 Chess.com。
  • ⚠️ 转录稿姓名说明：自动字幕将其名误记为 Eric Alabest。本库以视频标题与简介的官方拼法 Erik Allebest 为准，sources/ 中的原文不改。
  • 本库中的位置：他不是 AI 从业者。收录他是因为国际象棋是唯一一项"机器全面超越人类已达 30 年、且有完整参与度数据"的人类技能活动，而 Chess.com 掌握着这份数据。本库此前关于"AI 之后人还剩下什么"的材料全部是前瞻推测，他提供的是一份回溯样本。

立场与关注点

  • ⚠️ 超人机器对人类活动的影响不是单调的（本库中他最有价值的一条）：Stockfish 时代"太完美"，棋手都去模仿最强引擎、磨枯燥残局，"棋一度变得挺无聊的"；神经网络（Leela Chess Zero）出现后以激进、非常规、出人意料的方式击败 Stockfish，反而把这项运动往前推。落点是"计算机一开始让国际象棋变得无聊了一点，但后来让它精彩得多"。
  • 对"为什么人没弃棋"的解释："从根本上说，人想做人的事。" 人与人竞争、人做东西、人解决问题。
  • ⚠️ 但他自己拒绝把这条外推：当主持人 Sarah Guo 把它总结成"即便机器更强，人仍想获得人类技能、仍欣赏卓越技艺"时，他的第一反应是"也许你得把它限制在游戏这个范围内"。本库把这处主持人给强结论、嘉宾给弱结论的落差单独标注。
  • ⚠️ 学习可以被加速，重复不能被外包——他掌握着数亿人在每个 rating 段犯错与进步的数据集，而给出的专长获取答案是反高潮的："幸运也不幸的是，答案其实相当简单：就是小积木的重复。" 配一句本库应反复引用的表述："过程真的没有捷径。捷径在工具里。" 他用神经网络训练做类比，并点出限制所在——"它能并行训练、能同时在所有记忆通道上训练；我们的大脑不完全那样工作"。
  • 习惯复利的心法："把你人生中任何一天乘以一千，那大概就是你人生的样子。" 明确说可套到任何领域（每天一张速写、每天一次短跑）。
  • ⚠️ 对 AI 作为学习工具的两面评价，本库照录不收窄：正面是"像走进一位教授的办公室提问，只不过它随时在你口袋里"；反面是他自己列的清单——有偏见、会告诉你你想听的话、过度膨胀你的自尊。他也引述过"有研究显示某些领域使用 AI 的人会停止动脑"（⚠️ 未给出处，本库未核实）。
  • ⚠️ 作弊治理（本库第一份"机器产出冒充人类产出"的成规模记录）：他强调国际象棋处理这个问题远早于 AI，当年很多人认为下棋计算机会终结这项运动。做法是统计模型 + 机器学习模型追踪行为特征——"我们知道人下棋是什么样，也知道计算机下棋是什么样"；并分成休闲层通用检测与有奖金的职业赛事两条工作流。⚠️ 他明确拒绝披露方法（"不喜欢给人提供怎么做的思路"）。落点是本库这条线上第一条明确承认检测上界的表述："作弊无法被阻止，因为你不可能在每个人家里装一个摄像头。"
  • ⚠️ "生成变便宜之后，经典反而稀缺"：他的前提直接把 AI 放进去——"你可以给 AI 一个 prompt，明天就有一万个新桌游"；对照物是音乐无限之后人们回到经典曲目。国际象棋的属性清单是没有战利品箱、没有新皮肤、没有规则改动、没有新英雄，完全信息、无运气，"复杂到足以让你头脑爆炸，简单到足以让你学得会"。
  • 不融资的路径，以及它真实的代价：他坚持公司至今仍是 bootstrap，理由是所有 PE 交易（General Atlantic、CVC）均为二级、无新资本注入。⚠️ 但他讲了一个反复出现的循环——早期投资人承诺"永远持有"，五年后要卖；下一位同样承诺、三年后同样要卖，逼着他每隔几年重新找下一个量级的接盘方。他对那轮过程的评价："真的不享受那个过程，也不享受我在那段时间见到的大多数人。"
  • ⚠️ 对 PE 的评价与通行刻板印象相反：没有出现"给钱然后只会说更努力"，得到的是行业知识分享、深入产品与社区的具体建议，以及预测/报告/运营纪律上的成熟——"这些不只是为了向投资人汇报，而是真的用来经营生意"。
  • 给创始人的建议是"逐条反着做"：20 年前的标准打法是从斯坦福招技术联创、融一大笔、租办公室、打大市场、砸钱买量；他们从圣何塞州立招了朋友、远程、没融钱、没买量、挑了一个极小的市场。他先给的诊断是"今天当创始人的一个诅咒，就是外面的创始人建议太多了"，落点是"别再听人给你建议了——去做就是了"。
  • ⚠️ AGI / ASI 立场：相信超人智能会到来并持续加速，乐观多于悲观，但"这与其说是技术问题，不如说是文化问题"——核技术、枪、经济制度都存在很久了，"重要的是我们作为一种文化拿它做什么"。他明说的首要担忧不是技术风险，而是财富集中："太多的钱流向太少的人手里，而我们作为人类没有做足够多的事去分享我们创造出来的东西。"并附一句对掌权者的评价："本不该掌管世界的人在掌管世界，而本该掌管的人没有。"

与本库其它观点的呼应与分歧

  • ⚠️ 他给 AI 与就业 提供的是一个此前没有的证据类型：回溯性自然实验。本库这条线上的 Imas & Trammell、Jensen Huang、Decagon 的 Jevons 悖论 全部是对未来的推断。⚠️ 但外推有三重限制：① 国际象棋是游戏，本来就不为产出结果而做（他自己做了这个限定）；② 他是这轮增长的最大受益方；③ 增长主要被他自己归给 COVID、《后翼弃兵》、短视频与作弊风波，不是归给"机器变强"。
  • ⚠️ "神经网络反而拓宽了人的策略空间"与 Danielle Perszyk 的"AI 降低人类能动性、同质化思维" 方向相反，而他自己引述的"用 AI 的人会停止动脑"又与后者同向。本库并列，因为它们共同指向一个未决问题：超人系统究竟收窄还是拓宽人的探索空间，可能取决于它给的是"答案"还是"可以被人带走的想法"。
  • ⚠️ "过程没有捷径，捷径在工具里"与 Garry Tan 的 skillify 是同一命题的两侧：Garry Tan 讲把技能沉淀成 markdown 交给 agent 反复执行（捷径在工具里那一侧），Allebest 讲人脑侧的重复无法并行化。合起来给出一条推论：能被工具吸收的重复会被吸收，剩下的那部分正好定义了"人还需要练什么"。
  • 作弊检测给 LLM 安全 添了一个新类别：不是模型被攻击，而是机器产出冒充人类产出。⚠️ 与 Truffle Security / Socket 那期 的攻防不同，这里防守方掌握完整的人类行为基线数据——这正是多数领域没有的条件。
  • "无限之后经典更稀缺"是 Benedict Evans 价值上移论 在消费侧的一个版本：生成成本趋零后，价值转移到不能被生成的东西（此处是共享历史与共同体验）。⚠️ 这是主张不是证据。
  • ⚠️ "从未融资"与 Elad Gil / Sarah Guo 的退出决策框架 构成对照：那套框架讨论的是风投路径上的时间窗口与价值捕获；他的路径里"卖不卖"从来不是一道题，但股东流动性压力换了个形式反复回来。本库记为"不融资"≠"没有股东压力"的具体样本。

已收录访谈

日期 视频 主题
2026-08-13 Chess.com 与"机器超越人类之后"：一个跑了 30 年的自然实验（No Priors，Sarah Guo 主持） 超人机器之后的人类活动、学习加速与重复不可外包、作弊检测的上界、经典的稀缺性、不融资路径、AGI 是文化问题