Alexandr Wang: “This is a Once-in-a-Civilization Opportunity”

這集在講什麼

這集在追問一個很具體的問題：一個 19 歲就創業、把 Scale 做起來、如今在 Meta 帶 frontier lab 的人，究竟怎麼判斷「哪個技術曲線值得押」？王星認為答案不是追熱門，而是先抓住別人還沒共識的真實：像他當年做 training data 時，訓練模型需要的 3 件事裡，前兩件按個按鈕就有，只有 data 卡住，於是他押中這條路。聽完你會帶走的不是雞湯，而是一套可操作的判斷框架：先建立自己的 internal compass，再去找那條最陡、而且能走最久的 exponential。

來賓：Alexandr Wang（Scale AI 創辦人、Meta Frontier Lab 負責人）；他有資格談這題，因為他不只是旁觀 AI 浪潮，而是從 19 歲開始把「data 是 AI 瓶頸」做成生意、一路做到今天在 Meta 內部重建 frontier lab 的實戰者；他這集最核心的主張是：「不要追逐共識，要在大家都還不信的時候，先對一條 exponential 建立自己的 conviction。」

本集亮點

02:36他在 MIT 時做模型訓練，發現 3 個必要條件裡只有 data 沒有解法，於是把 Scale 的方向從抽象想像變成明確缺口；這段值得聽，因為它是 first principles 怎麼長成公司戰略的現場版。

10:11他把 AI 稱作「once-in-a-civilization opportunity」，還說就算模型完全不再進步，光是擴散到全世界也足以造成「decades and decades」的 upheaval；這個比喻很重，點出真正瓶頸不是模型本身，而是 adoption。

16:35他用一條 10x 曲線描述 AI 波段：self-driving cars、chatbots、coding agents 每一波都比上一波大約再大 10 倍；這不是概念宣言，而是在提醒你下一個被低估的 form factor 往往還在路上。

28:09他提到在 Meta 內部，只要把正確的 agentic loop 和 eval 設好，一群 agents 可以很輕易地做出超過 100 位工程師團隊的成果；這段最值得後半聽，因為它把「agent」從 buzzword 拉回可衡量、可編排的生產力機器。

章節

同節目其他集 看全部 ›

完整逐字稿（可點句跳播）、一集白板、AI 問答與一鍵摘錄，在聽摘裡看 👇