Erik Bernhardsson¶

Modal 联合创始人兼 CEO。此前 Spotify 七年（2008/09 入职，从零建音乐推荐系统，related artists / Discover Weekly；开源工作流框架 Luigi，与 Airflow / Prefect / Dagster 同类），后任 better.com CTO 五年（抵押贷款，技术团队从 2–3 人到约 400 人）。物理背景，自述 1999 年就有第一份工作。
本库收录：2026-10-22 Latent Space × Erik Bernhardsson
同公司：CTO / 联创 Akshat Bubna（2026-07-08 那期）

⚠️⚠️ 立场提示：Modal 不拥有硬件、全部产能靠租，靠把上千客户的需求聚合起来再细粒度转售。⚠️ 他本期几乎所有判断——"矩形产能不是需求的形状"、"开放权重好到不必微调"、"推理供应商该与模型厂分离"、"算力不会变成布伦特原油"、"BYOC 是过时的安全模型"——都指向对 Modal 有利的方向，全部数字为自述，本库一条未核实。

✅ 但自我削弱的密度在本库的创始人访谈里偏高，本页记下五处：⚠️⚠️ "我更担心的其实是价格崩掉"、"要是我说我确切知道该造什么，那我就是妄想了"、⚠️ "VC 问我怎么早就知道 Sandboxes 会很大——实话是我不知道"、被问 Sandbox 改了什么："没改多少……这个领域本来不是最有差异化的"、被问网络安全大厂是否完蛋先说"你问的离我的核心专长很远"。

核心主张¶

来源：Latent Space 2026-10-22（本页以下全部时间戳均出自这一期）

⚠️⚠️ "矩形"：GPU 稀缺最大的坏处不是拿不到卡¶

（[01:17:45]–[01:18:46]）他自己那条推文的完整版：

⚠️⚠️ "GPU 稀缺最大的坏处不是很难拿到 GPU，而是几乎所有产能都是按三年卖的——一个从三到六个月后开始的三年长方形。而那不是大多数用户的需求长什么样。"

他的对照：Modal 擅长完全按需——"客户来了要 100 个 GPU，我们通常能立刻给他，你甚至不用跟销售说话"；⚠️ 而真实负载"在 24 小时周期里上下伸缩，可能随时间增长，可能有特定的爆发期"。
机制："我们能做到这个，是因为我们能聚合成千上万的客户，而总量上需求变得非常平滑。" ✅ 他自己用了 duration transformation（期限转换）这个词。
⚠️ 他对这件事的定性是行业级的："拿产能的主要方式就是买这些长方形块，这不太好。世界需要演化。"
长期自我定位（[01:19:46]）："我们在做的是聚合全世界的算力产能，而且我们非常擅长把它极细粒度地切出来。" 他把 Modal 的价值主张压成两条：开发者体验 + 产能，并说产能是"巨大的差异化"。
⚠️⚠️ 一条配套的战略约束（[00:32:21]）："我们从没把 Modal 想成一家 neocloud，而且我觉得有被吸进那个方向的风险——就是卖我认为是长方形的东西：这里是三年期，你拿这么多 GPU。"

🔗 本库对照（本页认为是最该并读的一组）：✅ Evan Conrad / SF Compute 识别的是同一个问题，解法却是另一种性质——Erik 聚合需求侧并自己承担期限错配的风险，Evan 做市场让期限本身可交易、自己不持硬件。 ⚠️⚠️ 而 Evan 在两天前点名说过"Baseten、Fireworks、Modal 做不了交易所——他们在需求那一侧的分量太重了"；Erik 本期的全部论证恰好确认了那条判断的前提。 详见 AI 算力与基础设施。

⚠️⚠️ "我更担心的其实是价格崩掉"¶

（[00:17:11]–[00:20:14]）⚠️ 他不同意"供给会长期受限"："NVIDIA 每个月在交付几十万片 Blackwell……如果你愿意付高价，你就能拿到 GPU 产能"（⚠️ 交付量为他的估计，无来源）；他把"必须囤产能"类比成"疫情时那场伟大的卫生纸短缺，或者说银行挤兑式的情形"。

⚠️⚠️ 他给的背景框架："硬件的常态是价格最终总会下降，像重力一样。所以我们现在处在一段有点奇怪的时期——硬件价格在涨。" ⚠️ 持续时间他明确不给判断："可能再六个月，也可能再三十六个月。"
⚠️⚠️ 而本页认为最该保存的是这条反直觉的风险排序：

"价格涨对我们甚至不一定是坏事，因为稀缺也意味着我们能向客户收更多。而且我们锁了很多预留在某个价位上，所以某种程度上我们已经在做多 GPU 价格了。所以我不太担心价格上涨。我更担心的其实是价格崩掉。"

理由："对任何锁了大量供给的人都坏——他们付得太多了。这就是在顶部买入的风险。" - ⚠️⚠️ 被问"智能需求无限，为什么不多买再转卖"，他给的是一条相关性论证（[00:23:15]–[00:25:15]）："如果市场上发生什么事，很多相关性会同时发生。价格在跌、利用率在跌，而转卖产能的市场也大约在同一时间消失了。" ✅ 本页标注：这正好回答了本库此前在 SF Compute 那节自己提出的问题——一个只有总产能 5% 在板上的市场在所有人同时退出时够不够深。 - ⚠️ 他声明自己的实际行为与这段话相反："我每天都在极激进地买产能、融钱去买，所以整体上我非常看多——但我想指出这里有尾部风险。" 他点的历史案例是亨特兄弟垄断白银失败："垄断市场这件事不是个好主意。" - 稀缺租金归谁（[00:20:14]）："主要去两个地方：大部分给 NVIDIA，但一定程度上也给 neocloud。任何拥有产能的人经济性都更好。" ⚠️ 但长期他不这么看："值得为此承担把这些极贵的资产放在资产负债表上的风险吗？我不太确定。"

⚠️⚠️ neocloud 为什么能从零长到巨量：那条金融构造¶

（[00:28:16]–[00:30:18]）他说最疯的例子是 Nscale（"从什么都没有，到管道里有几千亿美元，而它几乎没有产能"），然后把次序讲完了：

去找大买方（Anthropic / OpenAI 之类）："你想买五年的芯片吗？签这个合约，我给你个好价钱。"
拿合约去华尔街："看，这个大买家承诺了 100 亿美元的芯片。我们现在就需要钱。"
融到钱 → 去 Supermicro / Dell / NVIDIA 买硬件 → 装好交付。

⚠️⚠️ "于是你有了这么一个很漂亮的金融构造：你基本上可以把你甚至还没买的东西预售掉。这意味着你能极快地扩张。"

⚠️ 他说 Modal 做不到这么快，因为路线更偏 PLG、没有同样的长期合约锁定能力，⚠️ "不过长期我觉得我们会到同一个点"。✅ 他对 CoreWeave 那类公司的评价是能力性的："他们在怎么融钱、怎么把 GPU 当贷款抵押品这些事上非常非常精明。"

✅ 本库标注：这与 neocloud 融资链条那节从债务侧往回看的材料拼起来才是完整链条，而链条的第一环是一份买方合约——这意味着脆弱点在买方信用，不在 GPU 残值。

⚠️ 算力作为资产类别：感兴趣，但明确怀疑¶

（[00:30:18]–[00:31:19]）他点了 Silicon Data、Compute Exchange 等做价格指数与衍生品的第三方。

⚠️⚠️ 障碍："算力绝对没有别的资产类别那么同质——不同的网络、不同的位置、不同的磁盘和 CPU，还有可靠性。" ✅ 但他自己给了反驳："石油也可以这么说，而我们还是从石油里造出了相对商品化、可交易的资产。"
✅ 他认可需求："在今天这个规模上，我们确实需要在风险对冲、风险分担、更多保险这些事上更聪明一点。"
⚠️⚠️ 但结论是怀疑："我不太确定我们会看到 GPU 变成某种 Henry Hub 或布伦特原油那种超级商品化的可交易资产。"
⚠️ 本页标注与 Evan Conrad 的分歧点很干净：Erik 认为异质性是结构性障碍；Evan 的那张"算力为什么还不可互换"的清单正是把异质性逐项变成价格因子。 ✅ 可逐年观察：看指数背后的真实成交量会不会长出来。

产能采购的组织形态（⚠️ 自述）¶

（[00:13:09]–[00:15:09]、[00:22:14]–[00:24:15]）这是一条有时间轴的变化，不是一个状态：

前几年：产能几乎全部来自超大规模云的 spot 与按需（主要 spot），跑在上百个区域；直到去年年底还多是 spot 或一年期预留。
⚠️⚠️ 现在："我们现在跟差不多 25 家云打交道"；很多情况下要签三年以上合约、前期付一笔有分量的钱、在三年期上锁死定价。
⚠️ 代价："花了整个过去六到九个月重新想怎么拿产能。我们得建一整个采购台——四个人全职"；另建一整个工程团队管全世界的裸金属产能（网络问题、坏盘、GPU 掉总线）。
⚠️ 选供应商：先发 spec sheet（IOPS、CPU 分数、最低南北向带宽），通常要一个节点做验收测试；⚠️ 但"我们有时签几千万或上亿美元的承诺，而对这家供应商其实还没完全了解"。✅ 内部制度："就像 SemiAnalysis 有 ClusterMAX，我们内部几乎也有一个自己的 modal max 评分"——⚠️ 而且把供应商响应性与可靠性并列。
⚠️ 他的位置自述：OpenAI / Anthropic "偏好从久经考验的厂商买"且需要很大的整块做训练跑；⚠️ "更小、合作起来风险更高一点的云，对我们反而是机会"——"你能在亚美尼亚拿到 32 个节点，在印度尼西亚拿到 128 个节点。我们就喜欢这种。"
✅ 一条有压力的原则（[00:17:11]）："我宁愿专注做一家非常精简的软件公司。我总体上不认为软件公司拥有硬资产是件好事——就像你该不该拥有自己的办公楼。" ⚠️ 但他立刻加了"为了拿到我们要的产能，一切都在桌面上"，并提到合资与复杂 SPV。
⚠️ 钱花在哪（[01:08:41]）："产能预付款是今天现金的最佳用途"；薪水与办公室"基本是个舍入误差"——"这门生意的运营杠杆有点离谱：我们 200 个员工，他们很贵，但 GPU 贵得多得多。"

⚠️ 非 NVIDIA 加速器：他自己连错五到十年¶

（[00:25:15]–[00:28:16]）✅ 一条很诚实的认知记录："过去五年、也许十年里，我每年都说明年是非 NVIDIA 加速器之年，然后我每次都错。" ⚠️ "但我确实觉得 2027 可能终于是那一年。"

口径：AMD "在某些项目上开始拿到很好的分数"；TPU "在 Google 内部用得很广，看起来效果很好"；Trainium "我不太了解……但团队很好"。
✅ 他的方法性判断："硬件在某种意义上很难，软件相对容易。如果我们把这些加速器的软件层修好，它们会有很大需求。"
⚠️ 但瓶颈更深："TSMC 和 ASML，也许是这一切更深的瓶颈。"
✅ 他点了一条部署形态：解耦推理——"用 NVIDIA 做 prefill、用 Cerebras 做 decode"（⚠️ 主持人说没听过），理由是"有些事算力受限，有些内存受限，可以混搭"；⚠️ "实际部署起来会变得非常复杂。"

（[00:47:29]–[00:49:30]）✅ 本库第五份该事件材料，位置全新。

他的说法："跑在里面的那些 agent 在一个部署在 Modal 上的 app 里发现了一个漏洞，然后用它当跳板去拿到访问权——按我的理解是拿到了完整的互联网访问。"
⚠️⚠️ 他的划界："要说清楚：这是一个跑在 Modal 上的 app 被黑了，不是 Modal 被黑了。就像很多人在 AWS 上跑东西，偶尔那些 app 被黑——那是说 AWS 被黑了吗？当然不是。" ⚠️ 一方对自身责任边界的声明，本库照录不裁定。
✅ 但他没有停在划界上，而是给了一条产品反省，本页认为这比划界有价值："有些教训是我们能学的：我们能不能有更合理的默认安全限制？" 用的类比是 S3 过去很容易不小心把桶设成公开——AWS 意识到这不见得对 AWS 本身构成安全问题，但很多客户会因此意外泄露数据，于是现在把桶设成公开难多了。⚠️ 他要找的平衡是"不必破坏让 Modal 好用的那种魔法"。
✅ 本库标注：这把事件的教训从"谁的责任"换成了"默认值该设在哪"——而这是本库该事件全部材料里都没有出现过的层面。

⚠️⚠️ "像密室逃脱，但给 agent 玩"：本库第一份一手的沙箱越狱红队记录¶

（[00:49:30]）他说事件的另一条独立收获是 "agent 在网络安全上变得真的很好"，于是开始内部大量用 agent 找漏洞。做法极简：

"你就把它们放进一个 sandbox，然后告诉它们：你能试着逃出去吗？……就像密室逃脱，但是给 agent 玩的。"

⚠️⚠️ 结果："到目前为止还没找到任何东西，但它们非常擅长探进系统非常深的部分、尝试利用、尝试提权、尝试逃出沙箱。" 几个月前开始做。

✅ 本库标注：这是第一份来自被测系统运营方自己、针对自家产品核心隔离边界、且给出负向结果的记录。 ⚠️ 负向结果无法核实且对他有利；但"我们试过、没找到"比"我们很安全"可证伪。 详见 LLM 安全。

⚠️ "你卖的很大一部分实际上是恐惧"：他对网络安全在位者的判断¶

（[00:49:30]–[00:52:31]）⚠️ 他先声明"你问的东西离我的核心专长很远"，然后：

⚠️⚠️ "当我想网络安全时，你卖的很大一部分实际上是恐惧，而那几乎既是品牌也是营销策略——当然核心产品也在。但我认为品牌这类东西在 AI 时代可以说更有价值了。"

⚠️ 所以结论是不会完：他们有和企业客户的深度关系与"非常擅长讲恐怖故事的大销售团队"。
✅ 他的总体乐观判断："我认为 agent 很擅长找漏洞，但你也可以很好地把它们用在防守上"——"网络安全上的所有突破，如果说有什么影响，是会让世界更安全。"
✅ 一条可量化的替代效应（[00:51:31]）：人工渗透测试周期可能从"大约每六个月一次"变成"也许一年一次"；⚠️ 他自己说"我其实不知道以前的周期是多少"，本库记为量级直觉。 反向可能他也给了："也许我们可以请那些非常擅长用 agent 的渗透测试员，更快地找到漏洞。"
⚠️⚠️ 本页标注必须与同一天的 George Kurtz 并置：✅ Kurtz 正是那类公司的 CEO，同一天在 No Priors 的论证是"今天对抗 AI 的唯一办法就是更好的 AI"加"防守方知道自己的环境"。两人没有互相回应，但这组对照是本库目前关于"网络安全在位者会不会被 AI 吃掉"最清楚的一处；Nikesh Arora 的单位经济学是第三个答案。

⚠️⚠️ 微调的价值主张反转了¶

（[00:39:24]–[00:40:25]）

⚠️⚠️ "几年前微调的价值主张是：开源模型没那么好，但你拿个小模型在特定领域上微调，就能在质量和成本上触到前沿。今天我会说开源模型已经好到你基本可以直接换掉——你跑 Kimi K3 或者 DeepSeek 4.1 或者 GLM 5.3，它们基本上几乎和前沿模型一样好，而成本低得多。"

✅ 结论句："微调不再是你不得不做的事了。它非常可选。" ⚠️ 但他说后训练需求仍然很大（SFT 与 RL 的产品他们都在做）。

🔗 本库对照：✅ 这是同一周第三份同向材料（Krishna 的 75–90% token 流向 open weight、Kurtz 的客户证词"落后三个月完全够用"），⚠️ 而这份来自实际跑这些模型的推理平台一侧，讲的是一个具体技术动作被取消了必要性——三者中最可检验的一条。 详见中美 AI 生态对照。

⚠️⚠️ "推理供应商应该与模型厂分离存在"¶

（[01:20:47]–[01:21:47]）

"最好的模型一直在换。而推理供应商可以很容易地在模型之间重新分配资源，因为总需求相当平滑。"

机制：每次有实验室发布最好的开源模型，需求就大幅转移；⚠️ "如果这些实验室各自独立持有产能，发新模型时需求猛涨，另一家发了更好的又掉下去"。而在 Modal 这侧："今天我们为一个模型跑着几千个 GPU，明天要挪 50% 到另一个模型——系统本来就是为这个造的，甚至没人需要告诉我们。" ⚠️ 他加的削弱是"模型、prompt 之类的东西有一定黏性"。

✅ 本库标注：这是"模型商品化"那条线的供给侧机制补充——商品化本身会制造一个独立的中间层，而理由是负载平滑度（可观测量），不是议价能力。 详见 AI 商业化与价值捕获。

⚠️ 被问"所以 LLM 是商品吗"，他用泰勒·斯威夫特作答¶

（[01:22:47]–[01:23:47]）⚠️ 他不接这个前提："泰勒·斯威夫特是商品吗？……她仍然有很强的品牌，有很多势能，利润率也高。" ✅ 他给的条件句可检验："只要实验室能反复推出新模型，而且那些模型的利润率足以摊平训练成本，它仍然可以是个不错的生意。"

⚠️⚠️ 而他对能力进展的归因落在本库一处正在进行的分歧上（[01:23:47]）："今天模型很擅长那些能用强化学习很高效地训出来的事——编码、生产级代码、数学、网络安全——这些都是相当可验证的东西。" 对不可验证域："目标更弥散、反馈回路更长的东西……我的感觉是人类在那些领域还会跟模型相当有竞争力相当长一段时间。"
✅ 本库标注：Brockman 在 2026-10-15 明确否掉了可验证性、换成了数据量，而通行答案（Sacks、Friedberg）是可验证性。Erik 站在可验证性一侧，且他是一个能看到大量真实推理负载的第三方，不是实验室内部。记为该分歧的第四份材料，不判定。
✅ 他点的下一批可能起飞的领域：计算生物（⚠️ 他限定"不完全可验证"：用 LLM 输出预测、再用计算方法模拟分子动力学拿到反馈回路）与材料科学（合成、测性质、把 agent 放进回路）。⚠️ "我有物理背景，所以对这个挺兴奋。"

⚠️⚠️ 本库第一条"训练数据让 API 废弃变难"的材料¶

（[00:54:31]–[00:55:31]）

⚠️⚠️ "一个挺好笑的具体现象是：因为 agent 的训练数据，现在要废弃东西变得很难了。我们看到 agent 经常很爱用 Modal 的旧版语法，而且很难把它们推离那个。"

产品约束："过去一年左右我们在怎么废弃和移除功能上不得不更保守一些。我们必须非常小心地更新网上存在的每一个示例。" ⚠️ "而且现在网上有大量 Modal 代码进了训练数据。"

✅ 本库标注：这是一种由训练数据产生的新锁定效应——它让文档与示例存量大的在位 API 更难改，但同时也更难被替代。记为一条待观察的机制。

⚠️⚠️ agent engine optimization，以及那个他不喜欢但没否认可行的做法¶

（[00:55:31]–[00:57:32]）

做法："类似搜索引擎优化，现在有 agent engine 优化。我们经常跑内部基准：问一个 agent，你能帮我们部署 Stable Diffusion 吗？用任何你想用的工具——然后看它会不会推荐 Modal。" 其他 prompt 包括 ⚠️⚠️ "把所有 sandbox 厂商排个名"。
应对："主要还是通过内容——你就得大量产出内容"；⚠️ "agent 比较容易误解定价之类的东西，所以我们也花很多时间把内容做得更清楚、更容易被 agent 理解。"
⚠️⚠️ 主持人直接问了灰色做法（建一堆 repo 让 agent 写大量 Modal 代码），他的回答本库照录：

"slop cannon（泔水炮）。我觉得实话是，这大概是你能做的事。我的猜测是今天的 LLM 训练数据对什么是 AI 产出其实相当不敏感……我们想过这件事。我不喜欢这个主意，但理论上——就像早期的 SEO——自动生成内容是一个非常有效的策略。"

⚠️ 他没有说做了，本库也不推断。 ✅ 但与上一条合起来构成一个完整的激励结构：如果训练数据决定 agent 的默认选择，那么往训练数据里投放就是新的分发战场。

sandbox 的方向：中位 8 秒，以及那个 CI 类比¶

（[00:42:27]–[00:46:28]、[01:16:45]–[01:17:45]）

⚠️ "Modal 上中位的 sandbox 大概 8 秒长，想想还挺不可思议的。而随着时间推移它可能会变得更短。"
⚠️⚠️ 他认为"把开发机塞进云里让 agent 控制"不是对的模型：长跑 agent "其实像是持久执行的工作流"——24/7 在跑、偶尔才跑几条命令；所以"能在 100 毫秒里起一个 sandbox、跑几条命令、关掉并快照它"，唤醒—睡眠周期越快，算力就越高效。他想拉的线是解耦 agent / harness / sandbox、一个 agent 控制很多 sandbox、fork、快照、热迁移，甚至一条命令一个环境。
✅ 他的 CI 类比本页认为最能说明问题：想要把整个测试套件的每个测试放进自己的 sandbox，跑一千个；⚠️ 挡住的是"Amdahl 定律那套开销"——切两半后每片都要重做全部安装与准备，能花掉好几分钟；✅ 出路是准备做一次、给容器打快照、再克隆。落点是一句经济学："在你把摩擦和开销降下来之前，这些好处是没法兑现的。"

组织与方法（⚠️ 自述）¶

来源：Latent Space 2026-10-22

⚠️ 规模：约 150 名工程师、200 名员工，年底约 250，过去 12 个月折年增长约 4 倍，⚠️ 预计明年 2.5–3 倍、"很可能明年底到 700 人左右"；最近可用性"基本达到了四到五个九"。收入Functions 约 2/3、Sandboxes 约 1/3，⚠️ 而 Sandboxes"每个月还涨 30%"。
⚠️ 4 倍是不可持续的，他给了三条症状：文化漂移、不同工作风格的孤岛、⚠️⚠️ "人们开始做非常投机的事——你去问一个工程师在做什么，结果他在建某个挺边缘的东西"。⚠️ 他对 Dunbar 数的说法："我觉得它比什么都更像是编的，至少背后那个故事是；但它还是有点真实——在 150 到 200 这个量级上，打下文化的基础非常非常重要。"
⚠️ IC 回潮，但他把归因一分为二（[01:01:35]）："我其实不认为是生成式 AI 在驱动它"——趋势在生成式 AI 之前就开始了，AI"大幅加速了它，因为写代码的成本更低了"。✅ 制度表述："管理者还是 IC，声望上没有区别。所有人都只是 member of technical staff。" ⚠️ 他自己"在 Modal 还写很多代码"。
⚠️⚠️ "代码评审我们当成可选的"（[01:02:35]）：

"我的看法是，代码评审在很多情况下很大程度上是人们试图逃避把东西合进生产的那份责任。如果你有那种文化，那是个信号：你该在 CI 和 CD 上投入得多得多。"

✅ 但他给了明确前提，引用时必须一并带上：比平均创业公司多一个九的可用性要求、到处要有限流、系统解耦、不能有单点故障、极好的测试覆盖。 ✅ 顺带一条能力观察："agent 现在其实很擅长写测试了，这在几年前我以为是 agent 缺的主要东西之一"——解释是写好测试"需要从你正在做的事里跳出来一秒，稍微当一下魔鬼代言人"。 - ⚠️ FDE 从约 4 人到约 24 人（[00:57:32]）：做性能调优（调 draft model、调 vLLM 与 SGLang 参数）、客户问题绕法，⚠️⚠️ 以及主动找过度申请资源的客户去帮他们省钱。✅ 他给的三个目的里第三个他说最重要："填补产品的空缺，而这些空缺我们之后要做成真正的功能"——"FDE 做的任何事，我的问题总是：长期怎么把它变成产品，好让我们不再需要 FDE 来做这件事？" - ⚠️ 不招 PM（[00:59:34]），但有人从 dev rel 或工程师转成了 PM。⚠️⚠️ 理由是岗位而非人："很多公司过去太急着招产品经理了……我觉得在一家基础设施公司把产品管理做好非常非常难，因为它需要非常深的战略思考：什么是基础性的积木？" 失败形态很具体："怎么确保我们最后不会有 35 个长得差不多、但各自做的事又略有不同的功能？" - ⚠️ "云最大化主义者"，对 BYOC 的否定理由是安全模型（[01:05:39]–[01:08:41]）："BYOC、VPC peering，这些反映的是一种过时的安全模型——我们需要保护自己网络里的一切，把网络当护城河。而我觉得这已经不成立了，我们已经转向更稳健的范式，比如零信任。" ✅ 第二条理由是迭代速度（控制全栈所以"想引入一个新数据库就引入"）。 - ⚠️ 但他留了两个口子，✅ 第二个更有意思：把 BYOC 当成拿产能的手段——neo lab 已有很大产能预留，"问题是怎么让他们在已有产能上跑 Modal，而 BYOC 可能是个解法"；⚠️⚠️ 反过来："我们甚至也许能在那部分产能上跑别人的东西，于是你可以把那些产能全聚合进一个大池子。"本库标注：这是"聚合全世界算力"那条定位的具体扩展路径。 - ⚠️ 他对三件最占心思的事的排序（[01:10:41]）：① 产能与由它带来的财务复杂度（含"该往 neocloud 方向走还是反方向走——counter-positioning"）；② 产品战略；③ 文化与公司建设。✅ 本库标注：他把产能与财务排在产品之前，这与"我宁愿做一家精简的软件公司"构成张力，本期未被追问。 - ⚠️⚠️ 一处拒答，本库照录（[01:17:45]）：主持人念他的推文"如果我经营一家已经可以 IPO 的创业公司、还在和竞争对手打 capex 军备竞赛，能协调一下、把这场军备竞赛的节奏放慢一点挺好的"，✅ 他答"无可奉告"。⚠️ 注意这指向 neocloud 之间的 capex 竞赛，不是本库 "Pacing the Frontier" 联署信讨论的模型能力竞赛，不要混读。

公司前史与那条收入曲线¶