DeepSeek 恐慌、中美之争、OpenAI 融资 400 亿美元？以及 DOGE 交出成果——嘉宾 Travis Kalanick 与 David Sacks

本期节目开头先推荐了另行发布的一期对谈，嘉宾是 Ray Dalio，谈的是他关于国家如何走向破产的新书。据介绍，这本书梳理了不同国家债务周期的历史背景，结尾建议美国把净赤字降到 GDP 的约 3%，且要计入包括利息在内的全部支出。讲话者把这称为给本届政府的建议，并认为在政府换届之际，这个话题恰逢其时。

随后介绍了嘉宾：Cloud Kitchens 联合创始人兼 CEO、Uber 联合创始人兼前 CEO。据说他此前一直在埋头做 Cloud Kitchens，暂别媒体一段时间，这次重新露面。开场的闲聊主要围绕一个反复出现的玩笑：其中一位主持人是 Uber 的早期投资人。

Cloud Kitchens 的定位围绕一个问题展开：未来的食物会是什么样子。这套说法从一百年后讲起：食物品质极高、成本极低、极其便利，由机器制作和配送，按每个人的饮食需求和口味偏好定制，而且便宜到接近甚至低于去超市买菜的成本。然后再从这个远景倒推到 20 年或 10 年后，通过三项业务来实现：房地产、软件和机器人。

像 Uber 对汽车所做的那样，去改造厨房。

这门生意被拿来与 Uber 的“比特与原子”组合作对比。据描述，它“每个比特对应的原子多出 5 倍”，是一项重工业式的工作，类似 Elon Musk 旗下的一些公司：技术很有意思，但实体层面的事必须一点点硬磨出来。

被问到人们以后还会不会下厨时，回答是做饭会作为一种爱好保留下来。给出的类比是：喜欢马，但不会骑马去上班。做饭被形容为有灵魂、非常有人情味的事。举的例子是一位很晚才到家的家长，不用下厨，也不用去麦当劳，就能让孩子吃上一顿有营养的饭。其主张是，食物将同时做到高品质、便利和低成本，并且像互联网内容那样高度个性化。

据称，公司已走出实验室阶段，有了一台名为 Bowl Builder 的机器，可以制作不同菜系的碗餐。讲话者说明，他们并没有专门与 Chipotle、Cava 或 Sweetgreen 合作，提到这些品牌只是作类比。公司参照这些概念打造了测试品牌，并在开发机器的同时经营了一家真实的餐厅，以证明机器可用。现在客户已在参观这台机器，计划 4 月与 5 家客户一起推广上线。

所描述的流程如下：餐厅经营者早上进入公司的一处纯外卖厨房（公司称其在全球有数以万计这样的厨房）备好食材，然后离开。顾客通过 DoorDash、Uber Eats 等应用在线下单，自己搭配碗餐。机器逐一分配每种冷热食材并加上酱汁，然后给碗盖上盖子，连同餐具一起装进袋子。袋子封口后由传送带送出，再由一台机器把袋子送到设施前端的取餐柜。骑手把手机应用对准摄像头，对应的柜门就会打开。

运营上的要点是，餐厅工作中随叫随做的繁重劳动消失了。备料与订单到达的时间分开，最后的组装（也就是装盘）由机器完成。

一位主持人问，食客能否把自己的生理数据分享给 Cloud Kitchens，让饭菜始终为自己优化。回答把问题引向了另一个方向：Cloud Kitchens 服务的是餐厅，而不是直接服务食客。食客会把偏好分享给 Uber Eats、DoorDash、Sweetgreen 或其他品牌，而 Cloud Kitchens 作为基础设施在幕后运行。讲话者把它比作食品领域的 AWS 或 NVIDIA。引述的公司客户承诺是服务“那些服务他人的人”。

主持人们设想了一种版本：品牌方请求获取食客饮食需求或血脂检查结果的加密哈希，或请求访问 Apple Health，由 Cloud Kitchens 的后端负责定制。嘉宾一方补充说，每份碗餐的标签都会列出每种食材的克数，并附上盖盖之前拍的照片，这些信息可以在骑手送餐途中发给顾客。

谈到 MAHA 运动和食品供应时，回答预测供应链会变得“高度联网”。自动化将从组装向上游推进到备料，再到 Sysco、US Foods 这样的分销商，然后到农场的机械化。可追溯性是主要例子：知道一道菜用的是哪种小麦、是否真的是有机的，甚至来自哪块田。讲话者热情支持 MAHA，并提到自己在 RFK Jr. 的网站上买过周边商品。

一位参与者介绍了大约 2015 年的一套更早的碗餐组装系统。食物在中央厨房备好，成批装进罐子，放进一台有 30 个槽位的分配器。罐子沿设备向下移动，打开后组装出米饭、豆子和其他配料的碗餐，整个过程是自动化的。第一家自动化门店正在建设时，这位参与者因病休假，公司最终没有把这台机器投入生产，尽管已有可运行的演示。

这位参与者说，大约九年前他们曾与 Chipotle 签过投资条款书，准备把这套系统装进 Chipotle 门店，并与 Sweetgreen 进行过初步洽谈，后者此后自建了系统。其论点是，快餐的很大一部分可以简化为以碗餐为基础的系统并实现自动化。在劳动力短缺或劳动力价格上涨时，这被认为是必要的。20 世纪初纽约的自动售餐店被引为先例：墙后是中央厨房，投一枚硬币，转动旋钮，就出来一盘食物。

那一时期的具体数字：一家 800 平方英尺的餐厅，只用少量员工，年收入 300 万，午餐高峰期每小时接待约 800 人。一位主持人确认，这说的是单个门店。

自动售餐店被称为典型的“人工的人工智能”，类似“机械土耳其人”。讨论随后提出了快餐店自动化的一个具体限制：现有门店是按人工以精确流程作业来布局的，每一平方英寸都经过规划。要替换一家连锁店的前台人员，就意味着拆掉原有布局，装上新机器。

列出的代价包括：大量资本支出、门店关闭两到三个月、经济账开始算不过来，而且门店里仍然需要人工员工。Cloud Kitchens 的解决办法是纯外卖模式，厨房和机器从一开始就是相互配合设计的，因此不会出现这些改造难题。

新任命的 AI 与加密货币事务主管（大家称他 Sacks）形容自己在政府的第一周非常棒，并说难以相信才过去一周。他描述的办公室位于旧行政办公楼，也就是艾森豪威尔大楼，持通行证可以步行到西翼，都在有门禁的白宫建筑群内。他还提到 Navy Mess，这是一家刚刚重新开放的白宫餐厅，并邀请其他主持人去那里吃午饭。

主要话题是外界对 DeepSeek 的反应。这是一家中国 AI 初创公司，其 R1 语言模型被描述为与 OpenAI 的 o1 等领先西方模型大致相当。DeepSeek 声称只用 2,000 块 GPU、花 600 万美元就做出了这个模型。主持人提醒对来自中国的说法要保持谨慎，并与相关报道作了对比：OpenAI 训练 GPT-4 据报道花了 8,000 万到 1 亿美元，训练 GPT-5 据称要 10 亿美元。主持人表示，600 万美元“大约是 GPT 4 成本的 7%”。美国限制向中国出口 NVIDIA H100，由此引发了一场关于 DeepSeek 是否真的拥有这些芯片的争论。

市场反应：按损失的总市值计算，NVIDIA 遭遇了股市史上最糟糕的一天，下跌 17%，即 6,000 亿美元。台积电、ARM 和博通也随之下跌。主持人还提到有人指控 DeepSeek 蒸馏了 OpenAI 的模型，并说这种指控“有点讽刺”，因为 OpenAI 自己也被指控拿了别人的内容。

回应基于与 AI 领域许多顶尖人士的交流。它指出，一个模型发布很少会成为全球新闻，更少会在一天内抹去一万亿美元市值。原因被归结为两点：DeepSeek 是中国公司，这牵涉到中美竞争；它开源了 R1，这牵涉到开源与闭源之争。按照这一论点，如果缺少其中任何一点，这件事大概都不会闹得这么大。

受众的动机被认为是推波助澜的因素。TikTok 的受众中很多是海外用户，其中一些人乐于看到美国在 AI 竞赛中吃瘪。支持开源或不喜欢 OpenAI 的人，则为一个以二十分之一成本提供类似 OpenAI 能力的模型叫好。