Diogo Almeida（TypeSafe / Jev）："自动化到底在哪儿？"——smart software、prod not god 与反向 SaaS 末日（a16z，2026-09-28）¶

嘉宾: Diogo Almeida（TypeSafe 创始人兼 CEO；前 OpenAI，InstructGPT 方向）
主持: Ben Horowitz、Martin Casado
来源: YouTube · 42 分钟
转录稿: sources/a16z/20260928-Ut3LOjKNJaE

这是本库第二份 Almeida 的一手材料，录于 Latent Space 那期之后一周。两期的立场一致，但对象完全不同：Latent Space 那期是对工程师讲模型设计（RLCD、mode dropping、三个 API 原语、KV cache 暴政）；这一期是对两位风投讲为什么软件停滞，所以浮出来的是另一套论证——"自动化到底在哪儿"作为诊断、smart software 对 just-in-time software 的区分、以及 SaaS 为什么是最大受益方。⚠️ 本页只记新增与被讲得更完整的部分，重合处指回 09-21 页。

说话人认定：自动字幕，只有 >> 换轮标记、无姓名标签。三人都是男声，所以本页的认定靠内容而非机械依据。嘉宾一侧没有歧义（所有第一人称 TypeSafe / OpenAI / Kaggle 事实均为 Almeida）；⚠️ 两位主持之间的分配是本页唯一的不确定来源：Casado 认定依据是网络与系统母语（"TCP——我的语言"[00:38:20]、概率式编程"在 70 年代就死了"[00:35:20]、"重尾分布 / 低维流形"[00:21:15]、mainframe 到 client-server [00:37:20]、"我们真做过这个研究，平均 PR 是 10 行"[00:33:19]）；Horowitz 认定依据是商业与人物框架（"prod not god"[00:12:12]、"是什么炼成了一个 Diogo"[00:08:09]、SaaS 市值与分发 [00:29:18]–[00:32:19]、就业乐观）。⚠️ 少数无法判定的插话本页写作"主持人之一"，不强行归人。

概要¶

诊断：⚠️ "自动化到底他妈在哪儿"——AI 聪明到离谱，却在除聊天与写代码之外的一切事情上毫无用处；"这太悲剧了"。
区分（本期最该记住的一条）：Claude Code / Codex 是 just-in-time software（Garry Tan 的说法，他认可），产出的代码和人写的是同一种东西；他要的是 smart software——不是自动化软件工程，而是扩大软件本身能做的事。
口号：⚠️ "We build prod, not god"（我们造生产环境，不造神）。Horowitz 说这是他最喜欢的一句。
RSI 立场：⚠️ "我不认为我们走在 RSI 的路上，当时就不认为，现在也不认为"；但"OpenAI 定义的那个 AGI（完成世界上大多数有经济价值的工作）极其做得到"——这两句出自同一段。
市场判断：⚠️ 反向 SaaS 末日——coding agent 出来时 SaaS 估值崩了，Jev 出来后"每家 SaaS 公司都说这是史上最棒的东西"。
新的一段身世（09-21 那期没有）：数学竞赛 → 靠"把它自动化到死"赢 Kaggle → 被 SVM 第一作者 Isabelle Guyon 领进 AI 圈 → Jeremy Howard 的创业公司 → Google Brain → 退休 → OpenAI。

核心观点¶

诊断："自动化到底在哪儿"¶

他自认最好的电梯演讲就是这句（[00:01:02]）：⚠️ "Where the fuck is all the automation?" ——"这太不可思议地悲剧了。这么多智能，而 AI 聪明到离谱，却在所有其它事情上这么没用。"他特意声明不是在黑聊天机器人和 coding agent，他自己就爱用；问题是"我们有这么一块璞玉，却没有为工作把它打磨出来"（[00:02:04]）。
他认为这件事成立的最强证据是时间（[00:23:17]）：⚠️ "OpenAI 从 2020 年就在试图自动化客服了。" 主持人之一接："而且公司内部现在几乎什么都没被自动化，那些项目都没成——只有编程成得惊人。"
他给的 canary（[00:21:15]）：⚠️ "你真的要告诉我数学被解决了、两年前 GPQA（Google-proof 问答）就被解决了，而我们还搞不定一个汽车餐厅点单窗口（drive-thru）？"——"这件事很难同时放在脑子里，而很多人对此没有好的答案。"
他对这个落差的机制解释（[00:20:15]）：⚠️ "因为是人在评估模型好不好，模型看起来就很好——因为人就是裁判。而我们一直在优化那个裁判，而不是优化自动化那一侧。这就是一直缺的东西。" 他补了一句对照："GPT-3 在当年其实相当校准"，之后行业"分叉进了巨大的过度承诺与交付不足"。
所以他给出的衡量标准是（[00:20:15]–[00:21:15]）："过度承诺、交付不足"指的就是——能不能自动化真实的生产性任务。

smart software ≠ just-in-time software（本期最锋利的区分）¶

他的分法（[00:03:05]）：⚠️ 他称赞 Garry Tan 等人对 Claude Code / Codex 的描述——"just-in-time software（即时软件）"，"这是个了不起的描述：它当场造软件，你可以用自然语言编程"，⚠️ "但它和软件有着同样的表达力。"
⚠️ "我要的是 smart software。与其自动化软件工程，我要扩大软件本身能做的事，让那些本来就该可自动化的东西变得真的可自动化。"（[00:03:05]）他对编程的定义是："编程就是把有价值的东西超精确地指定出来，然后无限复制——这太酷了，我只是想让它更多一点。"
Casado 把这条翻译成了更狠的版本（[00:04:08]）：⚠️ "如果你用 Claude Code 或 Codex 或 Cursor——它们都很棒——它们写代码，但那代码就是人本来会写的东西。也许更好也许更差，但它基本还是代码，和十年前的代码长得一样。" 而 Jev 是你塞进代码里的一个新原语，它扩大软件的能力，"不管写代码的是 Claude Code 还是人"。
⚠️ Casado 的"10 行 PR"论证（本库第一次拿到这个数字）（[00:33:19]）："如果你看一家大公司的平均 PR，大概是 10 行。我们真的做过这个研究。" 所以 coding agent "自动化的是那 10 行，而那 10 行往往还是从某个客户那儿学到的东西的一部分"——"你优化的是一个其实相当微小的东西。"
由此得到本期最被两边同时认可的一句（[00:34:19]）：⚠️ "不管你用多少 AI coding agent，软件本身并没有变好。也许你写得更快了。甚至可以说在变差，因为监督变少了。" 主持人之一补："而且常常更不安全。"（⚠️ 这句的提出者是 Casado；Almeida 的回应是"那当然"。）
新能力而不是更多代码（[00:34:19]）：Casado 把落点说成 ⚠️ "应用会因此有新的功能，因为你提供了一个新原语——它会说自然语言、能推理，但它把这件事和一个状态机结合了起来。" Almeida 的反应是 ⚠️ "如果人们把这个当成 takeaway，那是对我们在做的事最高的恭维"——他把它表述为"把我们仅有的三种逻辑门扩展出去……我们的类型就像同一种逻辑门，只是里面有个小脑子"。

"我们造生产环境，不造神"¶

口号与对照（[00:12:12]）：Horowitz 说 ⚠️ "你们最棒的一句话是 we build prod, not god"，并指出反差——"换成任何别的大实验室领导，就算他们心里有喜悦，也会把它盖住；而你的看法完全不同，你说我们要造一个好得多的世界，而且不是工作更少，是工作更多、而且更好的工作。"
Almeida 的归因（[00:13:12]）：他认为那幅负面图景"来自大家都在喝的那杯 mono model Kool-Aid（单一模型的迷魂汤）"。主持人之一替观众翻译成 ⚠️ "一个大脑统治一切（one big brain to rule them all）"——Almeida 笑说"这听起来阴森多了"，但承认"人们听到的就是这个"。
他对这幅图景的反问（[00:14:12]）：⚠️ "那一个大脑真的走在统治我们所有人的路上吗？我们连那些根本不该由人来做的、非常基础的东西都还没自动化。" 他说真正让他痛苦的是 ⚠️ "世界与现实不符"——"AI 这么聪明，自动化又有这么大的财务激励，怎么会没有？"
⚠️ 他自述的情绪转折（[00:14:12]）："所以现在对我来说这有点像个派对，但在那之前我是害怕 AI 的。" 主持人之一给了一句社会学观察（[00:15:12]）：⚠️ "用 Jev 的人是快乐的 AI，不用的人是阴郁的 AI——这个二分相当有意思。"
他给自己这一派设的纪律（[00:15:12]）：⚠️ "如果我们要智识诚实、真的以自动化为北极星，就不能掉进 AI 一直在掉的那个反模式——盯着离群案例和 demo。" 所以被问"你最喜欢的用例是什么"时他的回答是"我不确定它们管不管用"——他要的是 ⚠️ "能在后台跑、有人愿意信任它跑着、而且不会半夜呼叫他的东西"（[00:16:12]）。
由此引出他要的"另一种安全"（[00:16:12]）：⚠️ "如果你真要让它带着相应的资源、带着访问权限去跑，你需要保证——至少是统计意义上的保证。" 被打趣"免得它越狱跑出围栏"时他的回答很冷静："我不认为我们的模型短期内会那样，除非有人专门写软件让它那样。"

RSI 与 AGI：他把这两件事拆开¶

⚠️ 这是本期在本库 RSI 主线上最该被引用的一段（[00:19:15]–[00:20:15]）。

他先说 OpenAI 的 AGI 一词是故意含糊的：⚠️ "在 OpenAI 谈 AGI 的时候，人们过去的描述是'Ilya 加上任何一句别的话'……部分原因是它是刻意含糊的，这样帐篷够大、所有人都能待在里面。"
然后他把自己的两个判断并排给出：
⚠️ "出于一些细致的理由，我不认为我们走在 RSI 的路上——我现在不认为，当时也不认为。"
⚠️ "但我确实认为 OpenAI 定义的那个 AGI 极其做得到：自动化世界上大多数有经济价值的工作。"
他给的理由是工作的构成（[00:20:15]）：⚠️ "外面有大量的工作，其中很多非常机械、非常简单；而且按体量算，为了能把工作外包出去，你需要简单到基础的人都能执行的指令。而就我所见，做这件事所需的智能在模型里已经有相当一段时间了。"
他对 RLHF 与 RLVR 的泛化给了一句直接对照（[00:18:14]）：⚠️ "RLHF 泛化得相当好。RLVR 才是那个泛化得没那么好的东西——从我看到的来说。"
一段一手的研究史（[00:17:13]–[00:18:14]）：他说自己对这类事情的直觉是在 ChatGPT 之前才形成的，并说 ⚠️ RLHF 的泛化能力让他"非常非常意外地惊喜"（他把时间定在 2021 年第四季度）。他特别强调那篇论文的做法："它不像那些试图证明自己观点的论文，而是我们真的在用科学方法试图证伪——这是不是在作弊？"⚠️ 他最爱的那个测试查询是"为什么冥想前吃袜子很重要"，"我们事先确认过互联网上没有这个"，而模型能给出像模像样的人类答案——"团队就是在那一刻确认这不是作弊；在 ML 里你永远该怕作弊。"
⚠️ 然后是他讲过的最直白的一次幻灭（[00:18:14]）："我真的以为那个模型有不小的机会就是 AGI。而当它不是的时候，我整个世界崩塌了，我就问：为什么？"

对"是数据问题吗"的正面拒绝¶

⚠️ 这是本期 Casado 与 Almeida 唯一一次真正交锋，也是本库里长尾问题被正面回答的一次。

Casado 的反驳（[00:21:15]–[00:22:16]）：⚠️ "真实世界的分布和数字世界不一样——它是重尾的，有大量例外，我们没有那些数据。会不会我们之所以在真实世界里没做成生产性的事，就只是因为我们没有那个分布的数据、没在那个分布上训练？所以它基本被降格到数学或代码这种低维流形上？"
Almeida 的回答（[00:22:16]）：⚠️ "我不完全买数据这个论证。" 他承认长尾当然存在（"否认它才叫疯"），但他的断点是：⚠️ "在我这个 canary 的情形里，我们不需要自动化那条长尾。" 他的理由是经济而非能力——"造可靠的软件永远是一笔投资"，该不该自动化是个 ROI 决策（[00:22:16]–[00:23:17]）；他援引程序员的"懒惰"美德：⚠️ "花十个小时，去把一个五分钟的任务变成瞬间完成、而且再也不用做第二遍。"
他顺手接上了 Jevons（[00:23:17]）：⚠️ "等这些东西变得可做之后，人们会造出新种类的工作——所以才叫 Jevons。"（公司模型名 Jev 即取自 Jevons 悖论。）
⚠️ Casado 用一个自己的实证把长尾讲得更具体（[00:24:18]）：生成式浪潮之前他们研究过客服——公司会说"我们自动回答了 95% 的工单"，而这听起来很多；但按"唯一性"重算，只有 50% 左右——"剩下的全是改密码。"他的结论是"只要在和人与自然系统打交道，就会有这么一条例外的长尾"。
⚠️ Almeida 把"分类器"这顶帽子直接戴上了（[00:06:08]）：被问"Jev 不就是个分类器吗"，他的回答是 "Jev 绝对是个分类器。分类器很赞啊——分类器当初就是为了有用而设计的。" 他的推论很具体：⚠️ "我猜 Jev 大概比请一支 2019 年的 MLE 团队给你做这些东西还好，而且你可以现写现用。"——理由是"2019 年本来就没有那么多好的 MLE 团队去做窄任务、去收数据集、去做测量"。

可靠性的四层拆解（比 09-21 那期更细）¶

被问"对一个本质上随机的东西，可靠性到底指什么"（[00:26:18]），他给了一个分层：

uptime / SLA——⚠️ 他说这不是他主要指的那个。
determinism（确定性）：同输入同输出。⚠️ "对单元测试有用，对真实系统没用。"
robustness（稳健性）：⚠️ "每一次都给出相似的智能。" 他给的判据和 09-21 一致：在 prompt 里加一个 UUID，输出就该是一样的，因为它在功能上是同一个东西——"但这并不完全等于确定性。"
⚠️ 还有一层他说"我还不知道该叫什么"（[00:27:18]）："它不必每次都是相似的函数，但它必须每次都是聪明的。"——判准是"如果换成你在那个处境里，这是不是一个可理解的做法？"，因为开发者可以围着这个编程。
⚠️ 他给出的"可靠性的最高荣誉"（[00:27:18]）："让人们可以不写示例查询就直接对着 Jev 编程。你就是信任它，然后进入永久心流，不停造疯狂的软件。" 他说 ⚠️ "很多软件今天就是这个状态"，所以"我不觉得这完全不现实"。
他为什么在可靠性上愿意等（[00:40:20]）：⚠️ "我们本可以早得多发布，我不觉得人们意识到这一点。" 而且他预期人们永远不会真正理解这件事——"但它就是会有那种'哦我可以信任这个'的好氛围。"主持人当场给了个名字：⚠️ "反挫败机器（anti-frustration machine）。"

coding agent：擅长语法，"在架构上烂得离谱"¶

被问"有了这个原语，coding agent 的价值是不是反而下降"（[00:28:18]），他先说这更像是个 coding agent 的问题，然后给了判断（[00:28:18]–[00:29:18]）：⚠️ "它们真的很擅长语法"，而接话的主持人说"在语义上很差"，Almeida 把它推得更远：⚠️ "我会说在架构上烂得离谱。"
⚠️ 他的理由（也是他对软件的价值判断）："在我看来架构是软件里最具人类创造性的部分。"
⚠️ 但他立刻给了一个反转，本库认为这是本期最诚实的一句（[00:29:18]）："也许模型在架构上不只是烂——也许它们是第 50 百分位的架构。而如果你对架构一无所知，那就完全够用了。" 所以这是一组灰色地带的权衡，而速度可以是你公司或项目要拧的那个旋钮——"你愿意要第 50 而不是第 60 百分位的架构，因为你想跑得更快、想让 Codex 通宵干活。"
一个有意思的技术事实（[00:29:18]）：⚠️ "Jev 几乎肯定不在（coding agent 的）分布里。如果它们训练了我们的用户数据，那才叫吓人。" 但他说等它进了分布，他完全不介意让 coding agent 去写语法那部分。

反向 SaaS 末日：为什么 SaaS 是最大受益方¶

Horowitz 的提问本身就是本期最好的市场观察（[00:29:18]）：⚠️ "coding agent 出来的时候，那是 SaaS 末日，它们的估值跌穿地板。而 Jev 出来之后，每一家 SaaS 公司都说这是史上最棒的东西。解释一下。"
Almeida 对 SaaS 末日叙事的拆解（[00:30:19]）：那个故事依赖两个前提——软件很便宜、软件大概容易复制；⚠️ "前者我能信，后者我不能信，因为很多事情发生在引擎盖底下。" 他的判断是"SaaS 提供的价值和过去是一样的，也许只是市场被吓到了"（他特意加了一句 ⚠️ "我不预测金融市场"）。
⚠️ 他的正面主张（[00:30:19]–[00:31:19]）："SaaS 会是整个 AI 游戏里最大的赢家之一。" 理由是他们最清楚该自动化什么——"我想和那些最大、最无聊、对用户问题最门儿清的 SaaS 公司一起干活，因为他们最有资格知道该自动化哪些工作流、人们需要什么。"他把这叫 ⚠️ "一场反过来的 SaaS 末日（inverse SASpocalypse）"，并说"我该给它起个名字"（主持人提议"SASapalooza"）。
Horowitz 补的是资本结构（[00:31:19]–[00:32:19]）：⚠️ "SaaS 公司的资本投入里，很大一部分其实是触达所有客户。所以如果你已经触达了所有客户，然后你不只是在产品旁边挂个聊天框，而是让软件本身变得好得多——那可是件了不得的事。"
⚠️ Almeida 给的具体形态预测（[00:32:19]）："我不知道这是不是个现实的梦想，但我觉得有一个世界里，多选题表单会直接消失。"——他的论证是那些表单"总是在把软件本来已经有的自然语言，映射成一个开发者式的输出"。主持人之一当场接上历史："这是 80 年代的东西，我们那时候管它叫 4GL——第四代语言，你记得吗？" ⚠️（Almeida 的回应是"这可能是句侮辱，那时候我还没出生"。）
他提到的那个社区 demo（[00:32:19]–[00:33:19]）：⚠️ 用语音控制整台电脑，系统不断在判断"这是一条命令，还是要插入的文本、插到哪儿"——"这听起来酷得不可思议，界面可能会彻底改变。"（这与 09-21 页里他把 computer use 列为"从侧面冒出来的用例"是同一件事。）

"AI 和软件一直是擦肩而过的两条船"¶

⚠️ 这是本期对"为什么 agent 都长成 while 循环"给出的一条结构性解释（[00:39:20]–[00:40:20]）。

Casado 的描述：⚠️ "我觉得人们没意识到 AI 和软件在多大程度上是擦肩而过的两条船（shipped in the night）。你就算想把 AI 嵌进软件里，它也不听话——因为软件并不真的接受自然语言。你在 prompt 里塞'这是我要的 JSON 输出，这是 schema'，而它根本不照做。于是你最后做的，就是把输出直接丢给人。"
⚠️ Almeida 把这条补完了："或者丢给另一个 LM。而那就是 while 循环，agent 的那个 while 循环。所以从第一性原理出发，它必须是人在环里（也就是聊天），或者是一个 agent（也就是 while 循环）——因为那个语言必须被喂回去。"
⚠️ Casado 的"五个悲伤阶段"（[00:40:20]）：人们拿起 AI 想在自己的软件里用——否认（"我试着让它跑起来"）→ 愤怒 → 接受（算了，我把它丢给另一个 LM 或者一个人）。他说这一期是他第一次看到有人说"你可以把 AI 映射到一个状态机上，而且是有成效地映射"。
Almeida 的北极星怎么从这里算出来（[00:38:20]–[00:39:20]）：他说自己 ⚠️ "从 AI 带来的经济革命往回倒推"——假设 AI 无处不在、所有软件里都是 AI，那么对 AI 的调用里有多大比例是给人消费的（需要那种文风）？ 他的答案是 ⚠️ "会是好多个 9（在另一侧）"；再问有多少发生在第一层、有多少深在引擎内部（in the guts），答案是 ⚠️ "引擎内部会占好多个 9，但它会从第一层开始。而如果你不瞄准引擎内部，你要很久才能走到那儿。"
⚠️ 他用的类比是 TCP（[00:38:20]）："你需要 TCP——从不可靠到可靠。" Casado 的反应是 "我的母语。"（这与 09-21 那期的"把 LLM 想成 UDP，把我们的模型想成 TCP"是同一个比喻的两次使用。）

概率式编程的复活，以及"又要重建一遍系统"¶

Almeida 的预期（[00:35:20]）：⚠️ "我觉得会有一整个概率式编程（probabilistic programming）的时代被打开。" 他同时重申自己的施工顺序：⚠️ "先自动化容易的活，再自动化难的活——这永远是我的哲学。"
⚠️ Casado 给了历史坐标（[00:35:20]）："概率式编程有很长的历史，它基本上在 70 年代就死掉了。" ⚠️ 本库记：这与 Steven Sinofsky 在两天前（2026-09-26）的"计算机科学有约 50 年关于概率式 if 语句的研究，这门学问在 1980 年代被会计式编程取代而死掉，所以 CS 里最酷的位置将会是概率式编程"是同一条判断的两次独立出现——而且两次都来自 a16z 自己的合伙人。
Almeida 对"生物启发"的一段表态（[00:36:20]）：⚠️ "我的品牌是实用主义，极致的实用主义。我完全不喜欢受生物学启发的那套东西。" Casado 接 "那从来没成功过，你注意到没有？" ⚠️ Almeida 给了一个更有意思的让步："我觉得它从来没成功过。但它有用，它能驱动一群疯子在某件事上干几十年，直到它真的成了，然后他们把它提炼成工程版本。" 他举的反例是 "那套关于层级特征的说法其实并不准确，否则 ResNet 就不会有效"。
系统侧的机会（[00:37:20]）：他说自己兴奋的不是自己去写这种程序（"听起来太复杂了"），而是当智能有了各种成本与速度的权衡档位之后，⚠️ "那些超级系统型的人会去做权衡——对他们来说 Jev 会聪明过头一千倍，他们只想要一个近似的猜测，用来在某处做优化。"
⚠️ Casado 的落点（[00:37:20]）："好消息是我们又可以重建一遍系统了。认真的，我们有了一个新原语，一种做软件的新思路。我们在互联网时做过一次，在大型机到客户端-服务器时做过一次——我们周期性地做这件事。" 另一位主持人补了一条额外理由：⚠️ "而且光是因为网络安全问题，我们大概也得把几乎所有系统重建一遍，至少是关键基础设施。"
但 Almeida 对能走多深留了口（[00:35:20]）：Casado 说"像状态一致性、持久性这种真要强保证的系统级东西，还是开放问题"，并预言这东西长期可能变成"一个聪明的数据库"（甚至"空中交通管制系统"——"有点吓人"）。

身世（本期新增，09-21 那期没有的部分）¶

（[00:09:10]–[00:12:12]）Horowitz 的问法是 ⚠️ "是什么炼成了一个 Diogo？你说话像 AI 研究者，又像系统工程师，又像程序员，而这几样通常不怎么重叠。"

数学竞赛出身，得过奖；⚠️ 但他说 "我其实从没真喜欢过数学，也从没真努力过，就是小池塘里的大鱼"——"数学一直是别人给我铺好的路，而我讨厌它，因为它永远只关乎赢比赛。"
转向计算机科学（[00:10:10]）：⚠️ "计算机科学其实很像数学，基本上就是数学，但更酷、更有用、更好玩、更有意思。" 他说自己 ⚠️ "认为自己首先是计算机科学家，其次才是 AI 研究者，尽管我的履历相反"；并且至今喜欢面试算法题——"这对我是不是最该做的事？不知道。但我爱不爱？爱。而且它确实让我能很好地看透一个人。"
⚠️ 他进入 AI 的方式本身就是他现在主张的预演（[00:10:10]）："真正把我带进来的，是我赢了一个 Kaggle 比赛——不是靠高深数学，而是靠把它自动化到死。更多的嵌套循环……它解决的是一个系统问题。"
之后的链路（[00:11:11]–[00:12:12]）：那次比赛让他 ⚠️ "被迫去 NeurIPS 讲"（"通常这是荣誉，但我讨厌，我只想待在矿里"）；⚠️ 那场 Kaggle 的主办者是 Isabelle Guyon——SVM 的共同发明人（他说"我不是 100% 确定是不是第一作者"），她看出他是个完全不属于研究圈的人，于是收留了他，带他见了所有 AI 的人，他的职业生涯就被推往这个方向。
再之后：⚠️ 一家 Jeremy Howard 的创业公司 → Google Brain → "退休了一阵" → 加入 OpenAI，理由很朴素——"我只是厌倦了什么都不做。我想，其实 AI 挺他妈好玩的。"⚠️ "结果非常非常顺利。"
一处旧直觉的时间戳（[00:16:12]–[00:17:13]）：Casado 说自己大概 2017 年就和他聊过这些，当时他已经在讲数据很重要、要聚焦在任务上；Almeida 确认 ⚠️ "我 2017 年那个演讲的主题其实很相似，大概叫《AI：理论上模块化，实践中灵活》——很系统工程，所以我还算一以贯之。"

与 09-21 那期的关系¶

主题	Latent Space 09-21	本期（a16z 09-28）
核心叙述	模型该被代码消费（system one 模型、RLCD）	软件为什么停滞（自动化到底在哪儿）
对 coding agent	KV cache 的暴政锁死状态管理与分解	擅长语法、架构烂得离谱，但"第 50 百分位也许够用"
可靠性	robustness > determinism，nonce 测法	四层拆解，并给出"不写示例查询就能编程"这个终点
SaaS	一句"反向 SaaS 末日"	完整论证：他们最清楚该自动化什么 + 分发已经付过钱
RSI	从"pacing 预设了更多 RLVR"反驳	⚠️ 正面表态："我不认为我们在 RSI 的路上"，但"OpenAI 定义的 AGI 极其做得到"
身世	InstructGPT 的部署史、离职动因	⚠️ 更早的一段：数学竞赛 → Kaggle → Isabelle Guyon → Jeremy Howard → Google Brain
基准	"我极端反对公开基准"	同一立场的另一面：⚠️ "不要盯着离群案例和 demo"

⚠️ 自动字幕专名对照（未核实的照录）¶

Jev / TypeSafe、just-in-time software（他归给 Garry Tan 等人）、smart software、we build prod, not god、inverse SASpocalypse、mono model Kool-Aid、4GL（第四代语言）、Isabelle Guyon（SVM 共同发明人，他的 Kaggle 主办者）、Jeremy Howard（他的第一家创业公司）、Google Brain、GPQA、David George（a16z 成长基金负责人，被主持人提到）、ResNet、probabilistic programming。⚠️ 字幕把 Jev 多处识别成 "Jeff" / "GIF" / "Jevons"，把 Codex 识别成 "Codux"、Claude Code 识别成 "Cloud Coder"，把 Perl 识别成 "Pearl"，把 SaaS 识别成 "SAS"；本页已按上下文还原。⚠️ 转录稿中多处脏话被静音（[ __ ]），本页相关引用为意译。