Arvind Krishna 与 Nikesh Arora：量子威胁、开放与前沿模型、AI 网络战与 SaaS 崩塌
Arvind Krishna & Nikesh Arora: Quantum Threat, Open vs Frontier AI, AI Cyber Warfare & SaaS Collapse
嘉宾：Arvind Krishna、Nikesh Arora
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
§01Arvind Krishna 与 Nikesh Arora：量子计算对加密的威胁
我知道你们过去一两天在对话里频繁用到 t 这个词，token，但也许我们可以稍微离开一下 AI。我想它还是跟 AI 有点关系，但过去几天有大量关于密码学以及密码学所面临风险的讨论。我觉得它是在 OpenAI 的数学成果发布之后发酵起来的，但现在有更多关于这个大型量子计划的讨论，以及它可能如何把我们带进一个需要开始考虑采用量子密码学的时代。不过，Arvind，也许我们可以先请你谈谈，从你的角度看，现在的情况是什么。
好。David 刚提到的一部分是，DARPA 一直在办一个叫 QBI（量子基准计划）的竞赛。几年前有几百家公司参加。我想现在大概只剩 13 家。这就告诉你哪些可能是真的。
我说它可能还不完全是真的。有些是真的。他们的目标是：谁能造出可用的量子计算机？先把技术侧放一边。争论点是，2028、2029 还是 2033 年？
如果取中间点，就叫 2030 年吧，那它会攻破今天的密码学。这不是假设，这就是现实。如果这会发生，那么你该用什么密码学来保护自己？不幸的是，对你们中的一些人来说更糟的是，如果你今天有一块加密硬盘被偷走，别人可以留五年，到那时候再破解。
好消息是后量子密码学已经被理解，广为人知，代码也写好了，只是人们太懒没去做。但我认为觉醒时刻就是现在。
我们理解的这些方案，是量子证明还是抗量子？因为它多少是基于我们今天对量子大概是什么样子的基本理解。
对。不是。它是基于理论上对量子能做什么的理解。
能做什么。
所以它们「量子证明」的严谨程度，和「今天的密码学不能被今天的经典计算机破解」是同一级别。那其实不是定理证明级别的答案，它更多基于复杂性理论和计算机科学，最终还是建立在一些假设之上。所以如果你看今天的位置和 2030 这个中点，能不能带我们过一遍你需要看到的那些演进节点，让我们都开始关注并说，好，我们该怎么动？
好。今天你有的是玩具级量子计算机。我叫它们玩具，因为它们能做某些问题，但错误率极高，还没有真正扩展的办法。所以第一个问题是：谁第一个能演示——不是模拟、不是旁证——而是在运行的量子计算机上做到一定程度的纠错或错误缓解。
这是第一步。我预测明年你会看到有人宣称做到了，然后你该让第三方去评估这些宣称是否真实。到 2027 年你会发现有一两家取得进展。纠错，不是规模化，但纠错。
对。
第二个问题是，你能不能把这些东西跑到一定规模？还不是完整规模。我称之为门计算量。今天大多数人大概在一万左右，你可以想象，一台普通计算机这并不算多。
你的 iPhone 每分钟能做几十亿次。
对。
所以门计算量就是有人从一万开始扩展，他们每年能不能加一个零？这是我设的第二个里程碑。把这两步放在一起，如果每年加一个零，意味着到 2029 年你可能是 1000 万。那很了不起。
那能做一些让所有人惊掉下巴的事。
这是不是就是「逻辑量子比特」这个概念——一个经过纠错、可运行的量子比特？是不是……这是你们采用的术语吗，逻辑量子比特，大家是不是都用同一个里程碑、同一个指标？
我不太喜欢这个词，但我觉得它是个跟人解释的好说法：如果我说我在造一台一万量子比特的计算机，他们会说，是啊，但它们都是噪声的。你说得对。所以当我开始纠错，某种意义上它降低了这台机器的有效容量。
所以「逻辑」就是说，这台机器的有效容量是多少，我觉得这是个合理的看法。所以这个词我……我不太喜欢，因为它不像我拿了四个东西做成一个 DRAM 单元就完了。实际上是整台机器连在一起，只是有个除数。
所以本质上，物理上也许是 200 个逻辑比特。
Nikesh，你有红队在想
前沿是什么、并往前推。
假设你开始看到这些数量级开始复利式增长。如果要你猜，你的红队会说哪些是明显的蜜罐？如果你是攻击方，你会指向哪里？
如果你从在座每个人的视角看，几乎整个 IT 基础设施上都跑着加密密钥。不是一件事。所有东西都靠加密密钥运行。我们这个领域每个厂商两端都有密钥。所以第一件会发生的事是：任何不是量子证明的东西都会被攻破。
所以我们的观点是，你不能等到 2029 或 2030，因为不会有一天我们所有人突然跑出去说，糟糕，我们花 5 万亿美元把 IT 基础设施烧了重造一遍，因为现在需要量子安全的基础设施。所以你现在就该用量子安全或量子证明的基础设施替换你的 IT 栈。现在市场上已经有技术、有能力，你可以先把后量子就绪的密钥包在流量外面作为过渡。
你可以这么做。但那个时间……如果他说是 29、30 年，我们已经晚了。
我们只剩三年。
只剩三年。而且我很确定在座每个人今年都有几亿美元的 IT 预算，我猜你们 50% 的支出花在不是量子安全的基础设施上。
有位相当资深的 AI 研究员说我们不用等到 29 年？他的观点其实是，今天的 AI 模型能在量子计算机之前带我们到那儿。你怎么看？我猜这植根于这个想法：在数论的前沿，你开始发展出今天对人类不明显的模型和证明，让我们能重新思考如何有效地破译。
也许这周 OpenAI 的数学发布就是一个早期迹象，说明他这个预测可能是对的。
既然你往那个方向稍微极客了一下，请允许我也极客一下。那不可能。归根结底，这要回到 Richard Feynman 那些人做过的东西。你不能在另一种架构上模拟某样东西，还指望得到更高效的结果。对吧。
所以如果你接受这个论点，量子计算机并不在算术上运算。
对。
而所有经典计算机，包括 GPU，都是做算术。能不能有一个 AI 算法发现新的量子算法？绝对可以。它能不能像硬件一样有效地、高效地运行它？Pearson。
是。那不可能。所以你需要量子硬件来运行这些东西，才能拿到量子算法带来的正收益。否则它会慢上一千倍或一万倍。所以你能证明那是一个可行的算法吗？
能。你能拿到那个收益吗？不太可能。
我觉得那个论点是——我知道我们要极客一会儿——用经典计算，你其实可以走另一条路，一条算术路径。比如，如果你对素数分布有更好的预测，你知道，在数论那些我们还没真正解决的前沿，我们就可以有经典模型开始破解密码学。
这是可能的。问题是它们要花多久？因为那永远是问题。
对。
所以我认为这会是可能的，但如果破解一个密钥要十年，大多数人早就安息了。那不是实用的答案。我觉得争论就在这里，但在做完之前不会得到验证。
让我把话题转到当下正在发生的事。我很想听听你们两位对下面这个概念的看法。有开源，有闭源，有前沿。
§02开放权重与前沿模型
有对前沿的节奏控制。现在至少已经有非常合理的开放权重替代品。你们对整个谱系的哲学是什么，也让我们了解未来几年该怎么看待模型和能力。Nikesh，你先？
好。你看，今天早些时候有人说过，在实验阶段不要限制团队的能力。不要一开始就想着成本优化。不要在那个阶段就想自己拼装，因为我们服务的团队——两万人——是过去十二到十八个月才刚发现 AI 的。
而且它还没有在整个组织里充分扩散。所以如果你让他们更难采用、更难理解，我们准备好的时间就会更长。所以现在我们在说：去用你能找到的最好的模型，用最简单的方式用起来，这样你能理解，我们也能验证这些东西能做什么——从效率、收入还是产品的角度。这是我说的第一阶段。但在第一阶段我们发现，不同的马要配不同的鞍。
对吧？人们不理解的是，曾经有一刻我们以为网络安全会被 AI 模型吞掉，我们的日子到头了，因为 Mythos 会解决所有问题。结果呢？我们在端点检查所有流量，成本是每年 20 美元。对吧？
每个端点几百兆流量，每年 20 到 25 美元，因为机器学习跑在你的端点、你的算力上，我们跑在 20、30、40 兆的载荷上。现在如果你想拿所有这些流量，用 token 跑一遍 OpenAI，给公司每个员工都跑一遍，听起来就像收入的声音。OpenAI 大概能在一只耳朵里从一家公司生成所有收入。
对。
所以那不是模型该怎么做的现实例子。你要做的是拿一个小语言模型，压缩它，让它任务专用，不断训练到 99.9% 准确率，然后说，我们不用机器学习算法，我们用生成式 AI、小语言模型，它们最后会做这件事。所以重点是，我们在搞清楚什么任务需要什么水平的智能，以及那个智能在那个特定任务上的成本是多少。然后你会突然发现，不是每个任务都需要法拉利。顺便说，客户也不想为每个任务付法拉利的钱。
我说另一面。另一面是，假设你正在被入侵，你正在被攻击，你知道你正在被攻击。那一刻，在座每个客户都会说，别担心。
你，那个前沿模型，得去阻止这次入侵，因为他们知道那次入侵的商业影响是几十亿美元。那一刻，我可以跑智能体集群，我可以做各种你想要的防御动作。所以那里我可能想用最新的前沿语言模型，说，去想吧，使劲推理，想出怎么阻止这次入侵。所以我们发现的是，你最终会在那些商业价值被破坏的程度足够高的独特场景里用前沿模型。
或者你想做药物发现也行。我认为对大多数企业实际用例，我们最终会训练某个版本的开源模型。而且我觉得，即便在和平时期，比如跑一个防御模型，我们多半会拿一个开放权重模型，用我们自己的专有数据训练它，自己管理权重，因为这样能给我们可审计性、可解释性和开放系统。我们真的能解释它是怎么发生的。
我完全同意，但我会换个角度得出完全一样的结论。拿经济学来说。今天大概是每百万 token 20 美元，也许是上一代模型，你想用最极端的就 50 美元。我们可以拿一个中国的开放权重模型，比如 Kimi K3，大概 8000 亿参数。如果你用自己的 GPU 跑，做一点优化——我说的是一周的工程工作——我们能把成本降到每百万 token 大约 1 到 2 美元。
世界上哪家企业会不接受一个便宜 10 倍、在这个例子里是 40 倍的答案，而它实际上能完成 95% 的工作？对吧。所以我认为经济学很重要。第二是，归根结底，你刚才谈到了思维链，不只是最后的 token。
嗯。
实际上，如果那段思维链能被别人捕获、记录、审计，你就是在送出自己的知识产权。所以品牌和 IP 会推动人们说，我需要在自己的环境里跑模型。但前沿模型你没法自己跑，因为没人会给你，所以你又回到开放权重。第三是地缘政治。今天最好的开放权重模型是中国的。
顺便说，如果你把它们放进沙箱自己跑，我认为风险很小。当然，如果你从云上用，那就不一样。但我认为未来一两年，我很怀疑西方不会出现同样强、同样开放权重的优秀模型。这些东西的差距最多六到十二个月。
所以这三点让我得出这个结论。我不知道是 75% 到 90%，但这个区间是我会给的。所有 token 用户里，会有一大部分转向开放权重模型，原因是我说的这些，再加上 Nikesh 说的。
那剩下的 token 消耗，是因为你真的需要，还是因为那是默认行为、人们懒得改？
好。我要谈谈开发者行为。因为我自己当过开发者，我是在取笑年轻时的自己。开发者是懒的。他们会用最贵的那个答案，除非你给它加个控制。
对。
因为它……
它简单。
对。所以那会……就这么说吧。如果是在实验阶段，你允许那样来证明它可行，之后我得换成更便宜的答案，那大概没问题。如果它能让我快得多地到达目标。
但用于生产环境，除了极少数用例，我怀疑它的价值。
顺便，你被请进那个小圈子预览 Mythos，作为他们的合作伙伴。我确定你现在也在和 OpenAI 做同样的事。当你和这些人坐在一起时，你心里是否有一部分在想，他们在看我的生意，然后想，哇，这是门好生意。你觉得那是……
以及你期望被尊重的实际技术边界是什么？我问这个是因为我们和另外几位 CEO 聊过。我觉得 Marc Benioff 是最好的例子，你知道，我们谈过 ZDR，他在确保零数据保留这件事上极其强硬，并且是为他的客户这么做。这些 EDR 之类的东西有意思的地方在于，没有任何模型说它们不会生成合成数据。字面上就没有这一条。
你们该去看看。有各种漏洞，各种暗门。所以我只是想知道，当你在那个房间里时，你在想什么？
当你在那个房间里，你
出来说，这些人进不了我的生意。
他们不会……
他们没法进到我的生意里。
好。
因为如果你想想……Mythos 出来的时候。对吧？我们一直花几十亿美元做编码智能体。结果呢？
我们从根本上是……不是所有人都把 ZDR 落到编码上。外面有大量人在用 Cloud Code。我们对那些数据用于训练模型没有异议。所以我们在用终端用户写代码的数据训练这些模型。
这些模型写代码越来越好。结果呢？如果你教一个模型好代码长什么样，它也能看出坏代码长什么样。所以 Mythos 做的第一件事，就是看出坏代码长什么样。如果你放它去跑你的代码，它会告诉你哪里坏。
有意思的是，它这么做的时候，即便那时也还行。它有 30% 的时间在幻觉。对吧？但问题是，原因是
它
对攻击者完美，因为他们只需要一个漏洞。他们不需要十个。如果你是防守方，你需要找到每一个漏洞并打补丁。所以我觉得在座所有经历过过去十二个月这段旅程的人都是：每个人都去测了，不管是用 Mythos 还是它的某个表亲，或者某些开源模型，然后发现——每一个漏洞都得再测一遍、理解、搞清楚。
我猜在这个房间里举手的话，大概 60% 到 80% 是真的，20% 是幻觉。所以从这个角度，这些模型很擅长告诉你漏洞是什么。但我不认为在座有任何人会举手说，他们会在不打补丁后再测一遍的情况下，直接用 Cloud Code 去打补丁。
我有个很随机的问题，但它让我想到一些事。你们的业务是帮公司防御，但现在看起来基本上像战争，你们两位都是。像战争。那么，有没有什么是你可以从战争如何打、正在如何打中学到的，并且真的用它来指导技术应该如何表现？我不知道这个问题是否说得通。
§03AI 与网络战
我
认为，只要你们能更好地在一起，就可以协作。比如 Arvind 在跑一个项目。我们现在说，大家都在找漏洞。为什么不把漏洞汇总起来，一起找防御方案？而不是让在座每家公司各自去测自己所有的开源漏洞，各自想怎么打补丁，再各自去打。
所以你可以找一些可信的机构，把漏洞交给我们，我们打补丁，再分发补丁，让你们同时安全。这有点像今天网络安全运作的方式。如果你在世界另一个地方发现一种攻击手法，我们可以拿来，写成机器学习代码，灌进我们的产品，确保每个客户都能拿到。
智能体写的代码是无错的吗？
不是。
不是？好，解释一下。
那么……你看。不过先回答你关于战争的问题。
好。
Nikesh 说的是，你可以有强大的联盟，而联盟实际上可以变得比攻击者更强。这是第一招。战争里的第二招，最有效的是不对称。攻击者往往比防守者便宜，所以防守者钱花光了，某个时点就认输。或者你能不能把防御也变得同样便宜，那样你就基本有了对称战争，成功的机会就大得多。
第三招，也是所有战争取胜的方式，就是一方取得技术优势。回到二战、朝鲜、伊拉克，回到任何一场。如果你在一方取得技术优势，你往往会赢。所以我们的目标是能不能取得技术优势。这就是 Nick 说的。
我们能不能找到漏洞？能不能打补丁？能不能围出边界，让对方想找一条穿过去的路变得极其昂贵。这是我对那个问题的回答。
你看。最终，智能体写的代码会比人写的更优吗？绝对会。我们能看到这一点。我们现在大概有一半的代码是智能体在写，它比之前写的更好。
但它更优的原因是，智能体也能做评估，基本确保它们能找到的问题在发布前都被修好。话虽如此，我们只能找到我们知道怎么找的缺陷。所以你就进入了计算机科学里这个奇怪的循环。好，我真的
可以形式化验证吗。
它不是完全可验证的，因为那在当下几乎是计算上不可行的任务。我不会放弃希望说它……不会变成你提到的 2030 年那类东西。这或许是我们会找到办法真正验证这些东西正确性的任务，至少是在输入受限的地方。如果输入可以是任何东西，那我觉得真的很难。
对吧。这说得通吗？
对。让我问一下你刚说的这些点的含义。在我看来很明显，不存在一个世界，中国和美国、或者西方、或者一堆国家手拉手说，我们都停止 AI 开发。既然如此，那就必然会有军备竞赛，必然需要防御或进攻上的优势，必然需要算力，所有这些需求都出现了，为了保护产业、保护经济、保护就业。这个论点能说服所有想叫停 AI 的人吗？在政治讨论和关于 AI 的社会讨论里说 AI 必须停下、我们必须停止做这件事？
§04AI 监管与全球 AI 军备竞赛
这个「一方必然拥有、迫使另一方防御」的论点，会改变这场对话吗？我很想听听你们和资深党派官员的轶事，他们今天可能不在位，但可能上台，以及他们是否会因为这个论点而改变看法。
我认为非常清楚，没人会停。每个人似乎都在以疯狂的节奏工作，想确保自己拿到更好、更聪明、更快的模型。挺有意思。你可以站善意的一边：世界上没有任何技术是人们在造它的同时平行建安全的。我不认为造飞机的时候有 TSA。
就像莱特兄弟说，太好了，我们有飞机了。我们来想办法修……把鞋脱了。对。
让所有人上飞机前先冒个险。那不是他们当时想的。
正是。炸药把
炸药挡在鞋外面。
对。
没错。那不是他们当时想的。所以不幸的是，我们看到了这些模型的阴暗面，而且我们在阴暗面上过度转向，现在整场对话都是关于 AI 的阴暗面和危险，而不是 AI 的好处。我认为这里有个叙事问题。尽管如此，我不认为有人在减速。
我认为最可能的结果，也是我希望的正确结果，是在这个世界里，你说过、Arvind 也说过
早些时候，
如果你造了某样东西，你就要为它负责。如果你造了某样东西并把它放出去，你不能放出去然后说，哎呀，我不知道怎么控制它。那个说法不成立。
对。因为软件是你写的。
对。
对。还有这套「不是你写的、软件自己写自己」的说法。
因为工程师会说，是我框架里的 74565 号智能体写的。然后你说，不，是你写的。
但公司仍然写了它，所以市场上有产品责任。
你是一家商业企业。你给我东西、换取经济价值。你被要求遵守你签下的责任。
所以我认为那是……
在我看来就这么简单。而且世界上有足够的监管——也许太多——来让那些把东西放到公开市场上却不承担责任的人负责。不承担责任。
但但是，David，除非我们认为全世界都会唱 Kumbaya 说我们慢下来，否则控制它实际上是不可能的，而如你所说这不太可能。所以如果是这样，好吧。你在这里放慢，也许吧。好吧。那日本会慢下来吗？
中国会慢下来吗？印度会慢下来吗？不可能。他们会说，太好了，你在慢下来。
这给了我追赶并领先的机会。所以数字技术实际上不可能被慢下来，欧洲的例子告诉我们。在那里，你对所有可能性都害怕。对。我不是说那些真实危险。
你对所有可能性都害怕，于是先上监管。我猜那里的科技经济真是活力四射。对吧？
对。嗯，你们两位其实都没回答我关于你们谈过什么的问题，因为……我来讲一个我上周在华盛顿的对话。我和一位国会议员喝酒，级别相当高，对话有两部分。一是，我认为世界上最大公司之一的一位 CEO 对网络安全彻底慌了，他要疯了，不知道该怎么办。
我刚和他吃过饭，这是他说的全部。然后我还认为，到第四季度，我们可能看到 50 个州全面禁止数据中心，这不太可能，但他说，
50 是个大数字。
大数字。
这个国家 50 个州曾经就任何事达成过一致吗？
没有。
关于……有几点
那会是奇迹。
对。好。你能让所有人凑到一起吗？当所有人都同意某件事时，你就知道那不是真的。但我觉得……
那会像个奇迹。
而且关键在于，这两句话是同一个人说的。所以你觉得这事会怎么收场？我们怎么走出这条路？
我来。她擅长这个。试着直接回答你的问题。你看，我们之间，还有你团队的其他成员，我们都和这届政府、上一届政府的不同成员有过不同对话。参议院的时间跨度比一届政府更长。
国会的变化往往快得多。这个问题从 2022 年就在那里了。参议院 22 年有闭门听证，23 年有公开听证。国会也有。
两届政府的白宫都有，他们围着这个问题转来转去。关于 AI 和数据中心的监管问题，抱歉我要说得愤世嫉俗一点，是被民粹主义驱动的，不是被任何现实驱动的。如果我能多拿选票，我是不是该看起来在做那些事？政治就是政治。我不会说那不是真的。
它是真的。话虽如此，也有足够多的人深切关心长期的经济优势，所以这就是正在发生的平衡。我确实认为我们现在处在正确的平衡上，但我承认一场选举能改变我们落在这个平衡的哪一边。关于数据中心，我认为 50 个州全禁没有可能。30 个州禁有没有可能？
有可能。剩下 20 个州到那时会搓着手偷着乐。
如果从地缘政治看一会儿，我们似乎在走向一个有产者和无产者的世界。在座每个人都是有产者。你知道，你们是西方市场的公司。你们有和你们这样的人合作的优势，但有一个入门价格，对世界上其他地方随便哪家公司来说可能不划算。那么当这些模型如此强大、实际上免费时，会发生什么？
实际表现是什么？我相信你不得不思考过该怎么回应。所以你怎么看这个问题，这种有产者与无产者的分化？
你看，我认为 Arvind 说过，你得让技术便宜到人人都能轻易获得。我认为我们有机会让这发生。我不认为它会贵到如果你能经营一家经济实体，就不可能在这个范围内找到保护自己的办法。所以我不认为我们最终会走到有产/无产的局面。我认为更大的挑战，也是对在座各位更切身的，是我担心我们会在世界上两个大国看到算力发展的快速进步。
我们可能不会看到它在世界其他地方均匀分布。而算力现在非常昂贵。目前要拿到算力跑任何规模化东西都非常难。挑战在于，你离震中越远，你获得这种算力的可能性就越小。不是因为经济原因。
纯粹是因为供给约束。我认为那是更大的挑战。比如，你可能是欧洲的一家公司，你有正确的意图和动机去创新、优化、跑起来。然后你可能突然发现，因为你离震中很远，你拿到的访问权不如西方世界……美国、或者中国的公司。
我认为……你看。我喜欢看历史，因为它给我们一些关于这些东西如何展开的信息。我认为这就是正在发生的经典的劳动与资本的权衡。它在十七世纪发生过。
它在十八世纪又发生。十九世纪又发生。在之前七八个这样的周期里，那些在资本上花更多、而不是担心劳动的人，往往每一次都赢了。所以这次也会这样。Rakesh 指出的是，这里两个国家也非常愿意走资本密集路线。
对。
没那么简单。而且归根结底，他们愿意承认劳动会变得不那么重要。事情就是这样……会这样展开。那些被社会哲学和左倾理念缠住、认为劳动必须不惜一切代价被保护的国家。
不是说劳动必须有机会，而是每一个现存岗位都必须被保护——这些国家会输。因为我认为，用 Nikesh 的话说，它足够便宜。某个国家的人能用上这个能力，但他们脑子里会想，嘿，这是不是意味着失业或岗位被取代？岗位被取代，你应该接受，因为它可能带来更好的工作。
我认为那就是决定这里赢家和输家的社会哲学。
在我把最后的问题交给你们之前，我还有一个问题，但……我给你们两位的最后问题。你在这里提到过，很棒。你能讲讲那个故事吗……我是垂直整合的超级粉丝。
超级粉丝。我认为，你知道，市场在摆动钟摆。曾经有一个世界，即便在六十、七十、八十年代，有综合企业（conglomerate），那是一种……极有价值的企业。在动荡时期，它是资本的避风港，因为综合企业是你组织的方式。
§05垂直整合与软件业整合
然后当你有和平与繁荣，人们就拆分开来。我认为我们正在回到综合企业的世界。你告诉我你……就在那边讲到 IBM 巅峰时期的垂直整合。我只是想让你……
然后 Nikesh，你对垂直整合随时间的看法？
Jamat 和我经常谈的是 IBM 大型机，顺便说，在座有几个人用得相当好、相当有规模。IBM 大型机已经存续六十五年。为什么？它是垂直整合的。我们现在做得少一点，因为我们没有一直做到「泥土」。
六十年代我们做到了泥土。意思是，我们找到沙子，自己做晶圆，自己建晶圆厂，自己造芯片，一直到包围机器的金属，每一件事。
这避免了任何 IP 泄露，同时让我们把整个技术栈的利润留在公司内。今天，我们唯一不做的那块是实际的晶圆制造。但芯片设计、工程设计、韧性、大部分软件都在内部。而那种垂直整合，你必须决定。对。
当然，我不会自己造金属。金属是买的。对。晶圆厂是因为规模。但我认为，在那些具有极其重要优势的领域做垂直整合——这回到你们两位之前讲的基础设施那点——极其重要，你要明白你想站在哪里，而如果是大宗商品，你就不该在那里。
对。
但你能看到，这件事的现代版本是 NVIDIA。对。你看 Jensen 在做什么，他就是垂直整合技术栈的现代版本。而且他去买了
Jensen 既在泥土端，也在
应用
端……
他明白前沿模型和其他模型之间会有平衡。他在试图给生态里每个人提供资金，确保他们不偏离他在打造的垂直整合栈。好消息是，如果你控制垂直栈，你就能决定把栈的哪一部分商品化。所以你能决定在层与层之间转移利润。如果你看到有别人在攻击你栈的某一部分，你可以……
他们摧毁那个栈里的利润池。你把利润移到栈的另一部分，你能看到这正在发生。非常强大的市场杠杆。
所以
把你放到火上烤一下，如果你看
今天的
应用层，OpenAI 或 Anthropic 应该采取的明显垂直整合策略是什么，然后对那些可能被波及的公司，防御机制是什么？
我认为你已经在看到。而且我认为我们把这个对话琐碎化了。我们开始说开放模型、开放权重。它其实是……开放栈对封闭栈。
因为我不认为……我认为某个时点，这种「跑一个 open router 之类的东西」的想法会变得不可能。因为模型越来越……每个模型需要更多内存，对，更多上下文，更多理解。
你没法把上下文和内存从推理里分开。如果你想推理与上下文、内存分离，那 OpenRouter 只负责来回搬运推理 token。所以我认为随着时间你会开始看到，有一个实际上是端到端的栈才合理。它会……就像你之前聊天时提到的 CPA。
所以是按动作计成本。这个动作会要求你走完整个逻辑
对。
从提示到结果。然后内存会要求、或让它更容易，而你如果把任务从一个栈移到另一个栈，摩擦会太高，因为它有你所有的上下文和内存。你会看到这一点。看看个人智能体领域正在发生什么。对吧？
如果你开始训练一个个人智能体，带着你所有的上下文、所有 API、所有连接，那你就建起了一条护城河。因为现在我没法每天把那个搬到下一个栈、再下一个栈。所以我认为在应用层，他们也会有垂直栈，贯穿软件、推理、内存、上下文的整个流程。
按你的逻辑推到底，那每个人都会有自己的。对。因为那才是该做的事。
然后在企业市场，蛮力分销又赢了。对吧？你在消费市场看到这一点，蛮力分销会竞争。未来三个月，每个前沿实验室都会对 Muse 概念发起全面进攻。对吧？
对。他们六到九个月前试过。没成功。他们……现在 Facebook 向我们展示了它怎么能行，我想几乎每个人都有了这个认知。
会有 API。那会是消费控制权的最大战役。iPhone 上存在的每个应用都……必须变成无头的。
也许我们
可以
从垂直整合收尾到横向扩张。横向扩张一直是企业技术公司常见的商业策略，通过并购扩张、驱动协同、交叉销售等等，你们两位显然都做得非常出色、执行得很好。过去一年你们的看法有何变化……就说是今年吧，在估值和倍数、资本成本方面。
我们先在网络安全语境下谈并购，然后再谈网络安全之外的并购。在网络安全的语境下，我过去八年一直坚持认为，客户必须买 40 个不同方案再自己拼起来，这很蠢。我们 barely 理解自己的……你觉得你理解自己的和另外十个厂商的东西就能拼起来？上帝保佑你。对吧？
所以我们在尽可能快地拿我们这个行业里分散的部分，找到把它们拼起来、让数据协同工作的办法。我认为那是一段旅程。如果要找类比，我第一份工作在 Fidelity Investments，很多年前。我们有 23 个系统，今天会被统称为 CRM。我们有主表。
我们有和它们拼接的表。我们有 23 个不同应用，做 20 件不同的事。今天你去买现成的，你会为 Salesforce 的成本、或者 Microsoft Dynamics、Oracle 的成本咋舌，随你选。所以三十年里发生的是，它整合成了一个单一平台。客户不再自己拼方案。
因为发生的是，这些软件方案变得同质。它们都变得像彼此。它们大致做同样的事，没有差异化。所以我认为网络安全也会发生同样的事。这就是我们试图做的。
我们试图找到各自类别里最好的东西，拼起来，让它们工作，这样我们的客户就不必自己拼。这大概就是网络安全方面的答案。不知为何，网络安全最近享受好得多的估值，因为 AI 这匹中马事件，这没问题，随着时间会合理化，因为这些家伙都会在网络安全上花无限多的钱。在网络安全之外，我认为这回到之前 Chamath 和我的对话：软件的终值很难理解。不清楚哪些软件能在未来五到八年活下来，考虑到我们在 AI 上的位置，以及很多公司的产品市场契合正在被颠覆。
我们都知道……如果 AI 应用得当，我们现在的软件在理想情况下该怎样表现。我知道我想从买的一半软件里得到什么。我知道如果我有魔法棒让它做事，我确切知道在 AI 优先的世界里它该怎么运作，这意味着有人会去做。所以我认为 SaaS 领域未来几年会有巨大颠覆。
Arvind，你有没有在看什么，觉得倍数很诱人？
这一年里，年初非常有吸引力，一个月前就没那么有吸引力了。我们等着看接下来几个季度怎么走。但事实上，我想接着 Nikesh 的想法讲。这不只是网络安全独有。普通企业使用 500 到 5000 个不同的软件厂商。
在一个你必须全面防御的世界里，不只是网络威胁。那是巨大的攻击面。所以你必须问自己，我能不能用少量 AI 能力替换掉其中 490 个？我是否需要回到并依托 5 到 10 个主要平台？那意味着大规模整合，因为钱会流向那里。
我相信这会发生。所以会有整合，因为如果你想保持低分销成本，他们就能分销所有东西。而如果那些软件的价值在下降，你就负担不起为每一个做独立分销。我相信这会发生，不管是六个月还是六年。就在这个等式里的某处。
我也确实认为软件应该被区分。有些软件有大量交互价值，正如我们清楚看到的，可以被大量 AI 替代。你用的两个例子都是交互密集的东西。
对。
但如果你最终落到「我需要你在 10 的负 15 次方上可靠」，对吧，那是给做零售银行或结账的人做数据库查询，我认为那很难用 AI 生成的软件轻易替代。所以我认为在「多容易被替代」上会有区分
在切换前要先做多年数字孪生。
对。而且那样做没有成本优势。
对。
各位，
非常感谢。Arvind Krishna、Nikesh Arora，谢谢。谢谢。
谢谢，谢谢大家。谢谢你们所有人。