跳转至

前 Intel CEO 复盘失败 + Lovable CEO 谈 vibe coding 的真实兑现（All-In，2026-07-15）

两段独立访谈。Gelsinger 给出本库迄今最内部视角的 Intel 衰败复盘——核心论点是"技术公司必须由技术人领导"，并附上一条极具体的地缘警告：台湾能源储备不足三周。Osika 则提供了"vibe coding 从原型走到生产"的一线证据，以及一个反直觉的组织观察：工程不再是瓶颈后，同一问题让两拨人各做一版是好事。

说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： | 标签 | 占比 | 认定 | 依据 | |---|---|---|---| | SPEAKER_00 | 37.4% | Jason Calacanis | 贯穿两场；"Thanks so much, Pat… He's the founder of Lovable"（[00:24:16] 块，100%） | | SPEAKER_01 | 34.6% | Pat Gelsinger | "I joined when I was 18. I went through puberty at Intel"（[00:01:02] 块，100%）、"I had a project at Intel, Larrabee"（[00:10:07] 块）；只出现在前半场 | | SPEAKER_02 | 28.0% | Anton Osika（Lovable） | 只出现在 20 分钟之后，即 Lovable 那场 |

概要

Pat Gelsinger：18 岁进 Intel，在 Grove/Moore/Noyce 手下长大。他把衰败归因于从技术人治理转向财务人治理——"如果领导者是生意人，他提拔的就是生意人"。回来之前的五六年，Intel 给股东发了 1000 亿美元（分红+回购），却十年没建新厂、不买 EUV 光刻机。他复盘了三次错过：Apple 自研芯片、NVIDIA 的 CUDA 软件栈、TSMC 的代工模式。对 AI buildout 他是长期乐观者（"这是几十年的建设，不是几年"），但认为能源容量本身就是防泡沫的上限。

Anton Osika：Lovable 上线 20 个月，每周百万个新项目、平台上累计 5000 万+ 应用、月访问量 7 亿+，2026 年 5 月营收达 5 亿美元（企业侧增长最快）。用户四分之四非技术（技术用户约 20%）。产品定位是有主见（opinionated）的平台——把支付、安全扫描、部署、被 AI/搜索引擎发现这些"最后一公里"包掉。

核心观点

Gelsinger：Intel 是怎么走错的

  • 根因是治理层的技术密度。他第一次进执行层时，20 人里约 15 人是博士。"其中一件出轨的事，是它开始由生意人来管……而当你要做影响数十亿美元的硬核技术决策，你不是靠电子表格做的——那按表格看是笔糟糕的投资，除非技术趋势让它成为正确的投资"（[00:02:03]–[00:04:05]）。
  • 好的对照：Satya、Sundar 都不是创始人，但都是深度技术型的人。
  • 具体代价："回来之前的五六年，Intel 给了股东 1000 亿美元……到我到任时已经十年没建新厂了。怎么可能不建？怎么可能不买 EUV 机器？"（[00:03:04]）

    ⚠️ 自动字幕把他的回归年份记成 2001（原话应为 2021；他 1979 年 18 岁入职、2021–2024 任 CEO）。下文凡"2001 年回来"均按 2021 理解。

  • Larrabee 之痛：他在 Intel 曾主导 Larrabee，用 x86 做 NVIDIA 那件事；"我第一次离开 Intel 后一周，项目就被砍了。世界本会很不一样。"（[00:10:07]）

Gelsinger：三次错过的机制

  • Apple（2008–09 起自研）：Jobs 对 Intel 提出极端要求（更小、更低功耗），当他不再相信 Intel 能持续做到，就启动了项目。最刺痛的一幕——Gelsinger 提出"我们帮你把操作系统移植到 x86"，Jobs 回答"我过去四个版本一直在做这件事"。"他一直在为将来可能发生的事在苹果内部准备核心技术……本质上是说，你作为供应商失败了，我自己供自己更好。"（[00:05:06]–[00:07:06]）
  • NVIDIA：Intel 强势期"嘲笑他的机器——哦那是个图形卡，有些玩家想用那玩意"。转折点是真正的软件栈（CUDA、SIMT）一代代变好，然后日本 HPC 圈发现能拿显卡跑 HPC——"那才是定义性时刻，它不再只是图形卡，而是通用计算设备"（[00:07:06]–[00:09:07]）。主持人补充 William Gibson 的话"街头自会为技术找到用途"：加密货币和 AI 都不是 NVIDIA 预测到的，但因为它是最好的解法，黑客社区自己找了出来。
  • TSMC：愿景是成为整个产业的工厂。Intel 是 IDM，"从没把制程和工厂对第三方开放……我们自己做了很多 EDA 工具，太专有了"。TSMC 说"我不在乎这是谁的芯片、你设计的是什么，我做你的制造伙伴"。当时这块业务小到 Intel 根本不在意。等他 2021 年回来，TSMC 的晶圆产出已是 Intel 的 5 倍，现在约 7 倍（[00:11:07]–[00:13:08]）。
  • 结论：代工模式已成为半导体业的模式，只剩两个例外——Intel 和存储。

Gelsinger：台湾、CHIPS 法案与供应链韧性

  • CHIPS 法案有效但不够：美国先进制程占比从约 12% → 约 18%，"是真进展，但不是 50%，路还长"（[00:15:11]）。
  • 最尖锐的一条：台湾岛能源储备不足三周（引《华尔街日报》两周前的报道）。"封锁三周后，岛就断电。而一座晶圆厂一旦关停，90 天才能恢复。台湾断电的经济冲击大于大萧条——根本不需要开一枪，你只需要说：好，三周没能源"（[00:15:11]–[00:16:11]）。
  • 他补充"中国过去四年已在台海封锁演习七次——这不是理论"，但对时点（2027/2030/2035）不作判断，只强调"他们的意图在很长时间里是清楚的"，结论是必须要更有韧性的供应链（[00:16:11]–[00:17:12]）。

Gelsinger：AI buildout 是不是泡沫

  • 能源容量是天然的防泡沫上限："没人会在没有能源的情况下买 GPU、建数据中心。所以你对能有多激进、多泡沫有个上界。我从中得到不少安慰。"（世界能源容量在以 4–5% 扩张；美国曾有十年只有 1%——"我们对电网做的事简直可怕"）（[00:18:12]）
  • 反向的乐观："token 的增量价值是多少？如果它是智能的度量，那多少有点无限——更好的供应链、金融、物流……"叠加发达国家的劳动力短缺，"我们处在几十年的建设期，不是几年"（[00:19:13]）。
  • 他给自己定的目标：把 AI 做好 10000 倍——"每 token 的成本、每 token 的能耗降五个数量级"，从而真正触发 Jevons 效应（[00:19:13]–[00:20:15]）。
  • 对估值："周期性的修正是好事……每次修正都该说声谢谢——我们没让泡沫跑到前面去。我预测两个十年的好光景，但路上会有大量颠簸，不会是平滑曲线。SaaS 末日已经来过，还会有别的末日。"（[00:21:15]–[00:22:15]）
  • 计算的三位一体：经典计算 + AI 计算 + 量子计算。量子预测：2030 年前有意义的成果，2032–2033 触及加密（Q-day）；理由是"多种模态（离子阱/光子/自旋）都出了不错结果，纠错已被验证，现在只是工程规模问题"（[00:22:15]–[00:24:16]）。

Osika：Lovable 的规模与"最后一公里"

  • 数字：上线 20 个月；每周 100 万个新项目；平台上 5000 万+ 应用；这些应用月访问量 7 亿+；2026 年 5 月营收 5 亿美元（从 1 亿→6 亿的说法在另一期出现，见下）；企业侧现在增长最快（[00:25:16]–[00:26:17]）。
  • 用户结构：约 20% 技术背景，五分之四非技术。技术用户反而欣赏产品的"有主见"——最佳实践被内建进架构，一句 prompt 安全地接好支付，每次改动后跑安全扫描、后台持续监控（[00:27:19]–[00:28:22]）。
  • 与十年前 no-code/low-code 的差别：那时"承诺在那里"但软件不好看、不好用、慢；是 LLM 这层新智能让它真的能做出好软件（Jason 的观察，[00:26:17]–[00:27:19]）。
  • 过去 12 个月的位移："一年前大家会说这是做 mockup 的好办法……现在这些全都出局了。做线框图、做 mockup 这整个概念——你可以直接一两天做出产品。"人们不再看代码、不再写代码（[00:29:23]–[00:30:24]）。
  • 具体案例：Jason 的 Founder University 内网，"十年前要 50 万美元"，一名非技术员工在 4–8 小时内自己做完并自付信用卡（约 2000 美元人力+软件成本）；另一案例 Nursa 的 NAD 做出护士认证/排班产品并推向市场，同时在内部替换了 10 个以上工具，每年省 100 万美元以上（[00:31:25]–[00:38:31]）。

Osika：模型策略——多模型路由 + 自研 post-training

  • "我们一直的策略是对客户最好就做什么。在智能这件事上，这意味着我们用多个模型"——现在 Lovable 的请求会路由到最适合该任务的模型，既有多家商业前沿模型，也越来越多是开放权重模型（[00:40:31]）。
  • 自研路径是 post-training 而非从头训：斯德哥尔摩有很强的研究团队专做 post-training 并在扩张；理由之一是"欧洲生态里应该有这个能力"（[00:40:31]–[00:41:31]）。
  • 训练数据来自自身分布：盯前沿模型在他们场景下犯的错（选错工具、建错集成），按对客户的影响排序，针对性做数据集或 RL——"每周百万个新产品，token 分布是巨大的信号"（[00:41:31]–[00:42:31]）。
  • 两条被持续打磨的东西：agent harness 与内部 skills（"agent 知道何时该记起我们优秀软件工程师的那些事实"），每周都在改（[00:41:31]）。
  • 对成本："我们始终盯毛利，但我们从没做过'这里换个便宜模型'的决定——如果对客户可测量地更差"。定价 25 美元起，约 60% 的最低档订阅用户会超额并愿意补钱（[00:42:31]–[00:44:33]）。

Osika：更多智能没有解决的那件事

  • 对 Fable 的评价："第一次尝试就能做出非常复杂、看起来很好的东西"（3D 游戏是好例子）。但瓶颈没变——"当你在演进它的时候，你作为人还是必须思考，你常常应该和你的 agent 一起做规划，决定什么是该做的事"（[00:47:35]–[00:48:35]）。
  • "在'该造什么'、'该跑哪些实验来改善业务结果'这件事上，变化没那么快……变的是人怎么用工具、怎么把对的数据插进来以做出对的决策。"
  • 组织观察（回应 Jason"两个员工各做了一版同样的软件，对吗？"）：他明确赞成——引用在 CERN 的经历，两支隔离的团队做同一台加速器的不同部分、发表前不共享结果，以避免陷入局部最优（co-opetition）。"既然工程不再是瓶颈，问题变成什么是该造的东西，那么如果你有足够多的人，让他们用不同方式尝试解决同一问题是件好事。"之后再把喜欢的部分让 agent 搬过来、做 A/B 分流实验（[00:44:33]–[00:47:35]）。
  • 下一步产品方向：AI 联合创始人——托管跑在平台上后，Lovable 能接触业务全部数据，"一个在你睡觉时也在工作的合伙人，早上回来告诉你可以走哪些战略方向、做哪些优化"（[00:35:30]–[00:36:30]）。以及每次 Lovable 犯错都进入一个有工程师在内的 agentic 系统去改进，形成复利式智能。

与本库其它观点的关系

事实性断言与预测（可验证）

  • 台湾能源储备 < 3 周；晶圆厂停机后恢复需 90 天（断言，引 WSJ，[00:15:11]–[00:16:11]）。
  • 中国过去四年在台海演习/封锁 7 次（断言，[00:16:11]）。
  • 美国先进制程产能占比 12% → 18%（断言，[00:15:11]）。
  • TSMC 晶圆产出为 Intel 的约 7 倍（曾为 5 倍）（断言，[00:13:08]）。
  • 量子计算 2030 年前出现有意义成果，2032–2033 触及加密（预测，[00:22:15]–[00:24:16]）。
  • AI 每 token 成本/能耗降 5 个数量级（10000x）是可达目标（目标/预测，[00:19:13]）。
  • Lovable：20 个月、每周 100 万新项目、5000 万+ 应用、月访问 7 亿+、2026-05 营收 5 亿美元、约 60% 低档订阅用户超额付费（断言，[00:25:16]–[00:44:33]）。