Patrick Collison——硅谷最有才华的人为何应该离开

00:00今天我很高兴能采访 Stripe CEO Patrick Collison。Patrick，我先问个问题。你的博客上有一份给十几岁到二十岁年轻人的优秀建议汇编。你说等自己到了 35 岁，会再给二十多岁的人写一份。现在你有什么建议给我们这些二十多岁的人？什么时候能看到那份建议？

00:22我最近还没认真想过。最近我一直在琢磨的一条建议是：我说过十几岁的人应该去旧金山。我在想，二十多岁的人是不是也应该去旧金山。那条建议是一种概括，确实有一大群人应该去旧金山。但也有一些职业道路值得人们追求，追求它们能带来最大的满足感，而且对世界非常有价值；这些道路需要长期积累大量专业知识、深入研究某个领域。

我觉得旧金山很推崇——这也是它的一大优点——独立闯荡、打破常规、摒弃既有教条。它颂扬 Steve Jobs、Bill Gates 以及其他创业传奇。我远没有他们成功，但某种程度上，Stripe 也符合这种模式。这很好，我很高兴世界上存在这种现象。但世界还需要许多其他东西。我觉得，若把旧金山当作一种文化取向的代称，它并不鼓励人们追求极其深入的技术知识。

我们现在在南旧金山录节目。企业界最熟悉这里的原因是 Genentech 总部位于此地。Genentech 由 Bob Swanson 和 Herb Boyer 共同创立，首次用重组 DNA 制造出廉价胰岛素。Herb Boyer 不可能 23 岁就做到这件事；他必须先用几十年积累知识和技能，才有能力发明这种技术。我不知道他最终发明时具体几岁，但肯定已经不在二十多岁了。我觉得旧金山的文化并不鼓励人们成为 Herb Boyer 这样的人。

就在录制前一天，Arc Institute 的联合创始人 Patrick Hsu 宣布了一种新现象——桥式编辑，一种可以将 DNA 插入基因组的新重组酶。现在还很早，但它可能会有重大影响。要做出这种成果，你必须长期学习并掌握大量专业技能。

我还不知道怎么把这些想法综合起来。但如果让我给二十多岁的人提建议，我不会冒充知道或规定人们该走哪条人生道路。显然，每种策略都有成功案例。我很高兴你在现在这个年纪做你正在做的事。

04:2123 岁。

04:2223 岁。所以……

04:24我做播客，我有一个播客。

04:29我认为传播信息对世界很有价值。据我最近听说，Nat 的 Scroll Prize 领先者之一就是通过听你的播客知道这件事的。扩大某些信息的催化传播面，对世界很有价值，所以我很高兴你在做播客。

总之，我不敢自称知道人们该怎样生活。但如果要给建议，尤其是给读我文章而不是别人文章的人，他们可能会考虑和我方向相似的职业道路。我会说：“你或许可以试试走我当年或正在走的路，但还有其他道路。世界上很多重要发明，以及我最庆幸正在发生的事情，都需要和我完全不同的经历。我的人生也可能有其他版本：我走了那条路，结果会怎样谁也不知道。”

最后一点，旧金山很看重地位。到处都看重地位，所以刚才那句话某种程度上是同义反复。我觉得旧金山过分尊崇创业者。我喜欢创业者群体，Stripe 建立的公司我也觉得都很棒。但旧金山对创业的强调有些奇怪，不应该成为人们唯一执着的东西。

06:27我欣赏你的一点是你有反主流的意识：你经常会挑战人们期待你在某个时刻说的话，甚至就是想告诉大家相反的观点。有效利他主义更流行时，你谈重要问题；它陷入低谷时，你又说：“大家注意一下。”但这条建议……

06:49Michael Nielsen 说，每个科学领域的追随者不是太多就是太少，市场几乎从不处于正确的均衡。我觉得有效利他主义可能也是如此。但为了反对而反对也很无聊。如果你只是为了和主流情绪唱反调，那你其实仍然跟着主流走，只是把符号反过来。我也不赞成这样。

群体效应非常强大。我成年后的一项教训是，大家都知道、常说或常听到：你要非常警惕跟随主流潮流、情绪和一时兴起。但在现实中做到这一点真是太难了。

07:42实际上要怎样做，才能在需要长时间积累的学科里磨炼技艺？你谈过现代大学的一些问题。如果想成为 Arc 里的优秀生物学家之类的人，大学还是事实上的必经道路吗？

07:57很多领域我也不知道。比如我完全不了解硬件工作，也没有相关经验。

而硬件并不是个小领域。想成为其中技艺高超的从业者，最佳职业路径是什么？我不知道，也许是辍学后加入 SpaceX 之类。我并不是一定赞成走最主流、最看重资历的道路。人们应该找到自己最在意的领域里学习效率最高的路径。问题是那条路径究竟是什么。

以生物学为例，我不是生物学家，但很明显，要做出好成果，需要掌握许多实验台技能和大量具体知识。生命并非像物理学那样，按照整齐的基本原理设计出来。许多东西是偶然演化而成，混乱、复杂。所以有大量具体事实需要学习。

由于这两个原因，我所知道的生物学纯粹自学成才者非常少。几乎所有人最终都得在顶尖实验室获得直接经验，观察人们实际如何做事。这也和刚才谈的创始人互相学习有关。

有本有意思的书叫《天才的学徒》，记录了三代科学家的经历：一个人指导另一个人，后者又指导下一位科学家。他们都非常成功。全书既描述他们做了什么，也反思到底有哪些东西在他们之间传承。

例如，科学中一个最重要也最微妙的问题是如何选题：你该研究什么？没人会告诉你答案，而且你得反复作出选择。公司某种程度上只需作出一次选择，之后不断迭代即可；而科学家经常要追逐全新的问题。你要选一个足够重要、足够难的问题：成功了就有重大价值，但又不能复杂到无法推进。书中说，学徒会从导师那里学到这一点。

书里还谈到如何理解高标准，以及高标准究竟是什么。和其他领域的人交流时，我经常听到他们说，自己和某个人、某个组织或某种环境合作后，才真正明白“优秀”是什么样。

这会永久改变他们对自己工作标准的认识。

所以给二十多岁年轻人的一种建议是：先找几个你感兴趣的领域，再想想你能去哪里学习最高标准，最高标准由谁体现，以及你能去哪里亲身体验。

12:11回到 Stripe 和 Arc Institute 之前，我想先谈谈 Parker 研究。有人会说：“不管把 NIH 的效率提高 10% 还是其他比例，真能解决点子越来越难找的问题吗？机构本身能有多大影响？是不是只要看研究人员数量、社会能投入研究的人数？新加坡不可能只靠打造更高效的科学机构，就在科学上和美国竞争，对吧？”

这种直觉有什么问题？

12:43Noah Smith 等人谈过一个概念，我记不起原词了，大意像是“金钱决定论”。它指的是一种预设：在某项具体成果上的投入，与最终结果之间存在固定的弹性关系。比如在亚利桑那州建半导体工厂，或修一座新桥。首先，投入转化为产出的比例不是宇宙学常数，同样的事情也许只需一半或十分之一的成本。其次，更根本的问题是：这件事究竟能不能做成？要让它成为可能，还需要改变什么？有哪些其他限制？一味用资助金额和美元来讨论，就等于默认唯一相关的约束是钱；现实中可能是许可证、劳动力短缺或其他问题。对于 NIH、科学和研发，我很怀疑单纯讨论研发开支金额能有效衡量产出。

粗略来说，二战前美国的职业科学家人数大约只有二战后、或者 1950 年时的百分之一。

论文、专利等相关现象的比例也差不多。上半个世纪我们已经取得很多不错成果。尽管支出增长了两到两个多数量级，我不认为支出和产出之间存在直接线性关系。评估 NIH 或决定如何推进这些事情时，我会更具体、更注重实际，想想成功具体是什么样、微观层面现在发生什么、实际问题是什么、微观层面的成功会是什么样，以及如何扩大规模。

举个例子，Fast Grants 结束后，我们调查了受资助者，问的是他们日常研究，不是 Fast Grants 本身。我们问，如果他们能灵活使用现有研究经费、把钱投到自己想要的研究方向，研究计划会改变多少？选项有“没什么变化”“有些变化”和“变化很大”。五分之四，也就是 79% 的人说，如果解除这一限制，他们的研究方向会有很大变化。

与其问：“NIH 经费应该是 X、1.1X 还是 1.2X？”我觉得不如问：“NIH 受资助者在选择研究方向时应该受到多少限制？”也许他们的判断远胜委员会——我不是说一定如此，但谁知道呢？仅仅改变这一点，会不会带来 5 倍提升？我非常怀疑这种只看财务数字的分析框架。

16:55也许“财务”不是最合适的词，但核心框架是把投入映射到产出，就像你比较二战前的投入和现在的情况。如果问题出在科学机构本身，那么没有 NIH 特定架构的领域应该呈现不同趋势。你谈过很多次，要找到有重大影响的论文越来越难。各行业都一样：不是 NIH 在控制摩尔定律式的进步，但即便如此，要维持同样的进展水平，也需要指数级增加研究者数量。确实应该考虑 COVID 这样的一次性“水平效应”：发生重大事件时，我们会说：“对，现在就需要一次水平提升。”

不过，如果讨论的是几百年后的情况，我想知道这类事件是否会提高增长率。这也是进步研究中常见的一种分析框架。

如果所有领域都在放缓，而且这似乎符合经济和科学的长期发展趋势，这种分析框架是否还适用？

17:57简单说，我不知道。这确实令人困惑。美国 GDP 增长的稳定性是最奇怪的现象之一，我不知道怎么解释。显而易见的做法是耸耸肩说：“好吧，这受到许多因素共同影响，国家本来就是这样运作的。”但看看其他国家，显然并非如此。到底美国有哪些奇特之处？

我常想，许多系统现象也可能出现在另一种情况下：社会并没有真正增加生产能力，只是不断增加不具生产力的能力。这种简单解释能解释很多现象。从概念上讲，如果不具生产力的能力呈指数增长，许多事情都会自然出现。我不是说我们一定在这么做，但可能有很多方式会有效地发生这种情况，即使边际上的人、事物或组织本身并不糟糕，只是组件彼此作用的方式出了问题。不断增加非生产性能力，能让边际收益呈指数递减，这使我不相信“容易取得的进步已经用尽”一定正确，也让我更重视结构、文化或组织层面的解释。

举个很小也很显然的例子：把 SpaceX 和 NASA 的研发预算放在一起，看两条时间序列的关系，很有意思。也许这又回到了财务问题，但 NASA 的效能走势显然并没有完全跟上它的投入走势。

20:29对。不过，如果边际投入的使用效率不如过去，那么过去的 1 倍投入可能质量远高于如今的 100 倍投入。问题是该怎样解决。如果原因只是社会里像 John von Neumann 这样的人才数量有限，而他们贡献了二战前那一个单位的投入，那我们也不可能简单地让一百倍的 von Neumann 式物理学家进入科学领域。

20:56如果真正的限制是 John von Neumann 这类人才的数量，那确实是个坏消息，边际上也没太多办法。但我不确定真是如此。我一直回到文化和社会学的解释。Gerty 和 Carl Cori 在圣路易斯华盛顿大学带了一个实验室。据我记得，他们有六位学生后来获得诺贝尔奖。他们的实验室很有名，能吸引优秀学生，但并不是全世界最顶尖的实验室，也没有年年挑走最有前途的人。所以一定有别的因素在起作用。还有一本书试着探究这件事，我也说不清关键是什么。他们当然也有运气，比如在分子生物学发展的好时机进入了这个领域；但我认为这是一组“积极的数据点”。他们本人都极其聪明，但与他们及学生有别的，不是他们都是七个“六西格玛级外星人”，而是他们找到了行之有效的组织结构和文化实践。原则上，这些做法更容易复制。

你也可能会说：“好吧，理论上是这样，但具体怎么做？”这才是真正开放的问题。

22:20好，这是谈 Arc Institute 的好时机。你刚才其实回答了一部分，但我还是想问：生物研究并不像一个被社会忽视的领域。你们的变革理论是什么？和 Stripe 的故事类似吗？如果找到合适的人，生物学就有数百亿美元资金可用；关键是找到合适的人、文化和教育方式，对吗？

22:45虽然科学家和大学很多，但如今科学领域、尤其生物医学研究的做法非常同质化：商业化前景尚不明朗时，基础研究就在学术环境里进行。我不认为这种模式一定不好，我们也没有说它不好。

当前的结构是大学实验室，由首席研究员主持，主要向 NIH 申请经费，可能辅以其他来源；申请由委员会评审，这些委员会有固定评分标准，等等。在我看来，这套结构似乎不是最优的。

任何生态系统里，同质化都不好，特别是要产出或寻找极端成果的生态系统。基于各种原因和第一性原理，我们认为应该存在其他模式，并且也具体设想过一种能补充现状的模式。

简要说，Arc 与众不同之处有三点。第一，科学家获得资金后可以自行选择研究方向，这是好奇心驱动的研究；NIH 则按具体项目发放经费。第二，我们建设大量内部基础设施，研究者可以调用平台和能力，不必自己搭建维护。在传统大学环境里，科学家几乎总得自己做这些事；受实验室规模限制，这会限制研究计划的野心。第三，我们努力为不想成为首席研究员的人提供继续从事科学的职业路径。大学把人才培养与科研执行混在一起，实际干活的通常是研究生和博士后，而他们名义上都在走向首席研究员的职业路线。很多人喜欢科学和研究，却不想当实验室管理者、选择研究主题，还要承担各种行政工作和申请经费的负担。

在 Arc，我们特别重视聘用已经完成博士后、也确定想终身从事科学研究的人。如今他们实际上没有这样的职业道路。昨天提到的新桥式编辑技术就是个很令人兴奋的发现，它由一位资深科学家带领完成；他做完博士后后，我不确定他是否想当首席研究员，但他热爱科学、研究能力出色，所以能在 Arc 继续走这条职业道路。

另外，用移动元件以这种方式插入基因组的想法非常前沿、相当大胆。他有没有向 NIH 申请资金做这项研究？没有申请，所以我不知道换种环境结果会怎样。

据我记得，Jennifer Doudna 的研究由 DARPA 资助，因为她的 CRISPR 项目申请被 NIH 拒绝。Katalin Kariko 的 mRNA 疫苗研究申请也曾被 NIH 拒绝。这些情况至少让人觉得，换一种环境，这次的新发现可能不会发生，或发生概率会低一些。这些事情都很偶然，我不能断言反事实结果一定怎样，但我认为新环境确实可能促成昨天宣布的成果。

27:25往前看十年或二十年，假设你能理解基因结构对不同性状的影响，并随意编辑、倒置、插入 DNA。你已经解决了镰状细胞病等显而易见的问题。接下来会带来什么？你最期待什么？

27:50最有意思的，是把基因编辑当作一种新型望远镜。人们听到 CRISPR，会自然地想到、而且有充分理由地期待直接在人体内治疗疾病。你也能用 CRISPR 系统性地研究细胞和细胞培养物的变化。身体很有意思，像一个有两万个基因的 DJ 混音台。用 CRISPR 逐个扰动基因，就像依次按下每个按键，看看改变这个基因和那个基因分别会造成什么结果。如果在细胞培养中这样做，还可以给细胞施加压力或处理，观察不同扰动如何影响细胞结果。也可以广泛用于生成合成数据：进行各种扰动，然后测序，观察细胞里发生了什么。单细胞测序已经进步很多。总之，基因编辑可以帮助发现新知识，也能以广义方式生成数据。

这很有说服力，因为许多疾病在这个领域里被称为“复杂疾病”。它们不仅在口语意义上复杂，还因为并非传染病，不是某种病原体侵入身体；也不是像亨廷顿病那样的单基因疾病，只涉及一种特定突变。它们是环境因素和基因因素的某种组合。大多数自身免疫疾病、癌症，以及一定程度上的心血管和神经退行性疾病都属于这一类，这些正是我们尚未解决的重大疾病。

回到功能基因组学技术，重要的是搞清楚这些疾病的遗传因素如何起作用。即便遗传因素只是较小的一部分，也可能揭示总体通路。比如通过研究不同基因与阿尔茨海默病之间的遗传相互作用，能不能弄清楚阿尔茨海默病如何产生？我们目前还不知道。了解病因后，也许就能用传统技术抑制或调节相应通路。这是我们对功能基因组学真正感兴趣的地方。AI 也有相关作用，如果你愿意，我们还可以聊。

31:09你如何看待生物技术的双重用途？我认同一种观点：回顾 Google 搜索或计算机等早期技术，似乎可以事先预测它们会被双重使用。但历史不知为何对我们还算仁慈。宏观教训就是：“继续做科学。”

我们不用在这里谈具体细节，但就这项技术而言，有没有你能想到的具体恶意用途？你当然能想象一些坏事。你怎么看？为什么不先专注于降低风险？

31:49我认为，今天生物技术或生物武器被恶意使用的瓶颈，并不是生物能力本身。假设有人才华横溢、极其聪明，想造成巨大伤害，可能用病原体或其他生物手段；他们不一定需要发明任何新东西，只要恶意地运用现有技术就行。

有些风险并非来自新技术，而是来自让现有技术更容易取得。假设有一个足够先进的 LLM，任何人都可以用它合成并传播天花，世界会怎样？我不知道有什么物理定律禁止这种 LLM 存在，我也猜没有。让这种 LLM 广泛传播，世界会没事吗？也许会，也许不会。这确实是一类威胁。但我的意思是，生物学前沿知识并非关键瓶颈。

认真看待这件事，不需要靠疯狂的 AI 风险来推动。世界本身就能产生非常严重的大流行和病原体，还有许多非传染性疾病，问题已经够多了。无论我们担心你提到的双重用途风险，还是只关注已有问题，要缓解这些问题，我们都需要增强自身能力。现在有很多生物学问题尚未解决。如果要增强防御能力，我不知道具体策略会有多大不同，因为我们确实缺少一些根本能力。努力解决当前人类疾病，很可能也正是在采取应对未来恶意行为者可能造成疾病的最佳措施。

34:27有道理。先放下具体的生物风险，整体来说，你现在如何看待 AI？

34:34每个人都应该感到相当困惑，因为如果回头看，2023 年初、2021 年，或过去八年中的任一时点作出的判断——我们现在录音时离 2024 年初很近——都会很不一样。

从 2019 年左右开始，也许 Gwern 做出的预测最准，但总体来说，预测仍然非常困难。因此，最基本的立场应该是保持一定程度的谦逊。正如你博客文章所说，现在的关键问题是：“缩放定律在多大程度上成立？”如果成立，那我们究竟在接近什么？说“渐近”也许太武断，我们并不知道最终会接近什么形态。应该如何看待这件事，很大程度上取决于曲线的具体参数，而我不认为有人知道这些参数的真实值。它显然很重要，现在也已经很重要，对 Stripe 和 Arc 都有核心影响。我们拭目以待。

36:17我完全同意这个总体观点，但我想知道，从新冠疫情和 Fast Grants 得到的宏观教训是不是：你当然无法提前预测这些事；除了事先准备具体的应对措施，更重要的是危机发生时，要有能综合、组织信息的称职人员，也要能创立新项目和新机构，把正确的事情做成。

36:48未来十年，适应能力的溢价可能会大幅上升。

36:52对。我知道你已经有几份全职工作，但我觉得危机来临时也应该有类似 Fast Grants 的机制。以你的知识、跨领域声望和领导能力，你肯定是最适合的人选之一。考虑到我们已经处在这场转型中，或许把这个想法放在心里，甚至放在心头中央。

37:18Fast Grants 说白了就是三只穿着风衣的松鼠。我是其中一只。另两只分别是 Tyler Cowen，他是很棒的人，也是我的好朋友；还有我妻子，她也是 Arc 的联合创始人。Fast Grants 并不是一个庞大、令人印象深刻、足以让我有资格做任何事的办公室……

……它并没有大到能证明我有能力承担任何宏大任务。

37:43但要做大也没那么难，对吧？要有那种规模的影响力。

37:46客观上说，确实如此。John 和我都尽量清醒地认识自身专业能力的边界；边界离我们其实很近。我相信如果真的需要做这种事，事情会是……

看看曲速行动！他们选了一位极其能干的领域专家 Moncef Slaoui 负责，成果巨大、非常了不起。我不知道具体问题里谁会是 Moncef，但要我建议的话，就是“找出谁是 Moncef，然后把他聘来”。如果有人觉得我是这件事的 Moncef，那大概判断错了。

38:34我觉得你太谦虚了。继续谈 Fast Grants。现在我们回顾它的成效，和 NIH、NSF 等机构发放的其他资助相比，它到底有多有效？据你所知，这些机构对 Fast Grants 的速度和效果差异作何反应？他们有没有分析自己的流程和疫情期间发生的事？有没有做过复盘？

39:02据我所知，没有，但我不想让这听起来像指责。也许他们做了很多反思，只是我不知道。即使做过，我可能也不会知道。所以我确实不知道 CDC、FDA、NIH、NSF 或其他相关组织及其国际对应机构作何反应。我的话不只是没有批评他们，也根本不是在评论他们；我就是不知道他们做了什么。

总体来说，组织不太擅长自我反思。我倾向于默认，开场谈到的一些问题就源于此。那些创办相关机构的人今天都不在了。现在的领导者有什么激励？我看不出谁有动力完全客观、严格地审视自己，弄清哪些事做得好、哪些做得不好。

40:29我保证不只谈 AI，再问一个问题。长期来看，我们无法预测，甚至中期也可能无法预测。但短期看来，我们可能会有能够自主行动的 AI 智能体，而且它们可能需要进行交易。AI 智能体的金融基础设施会是什么样？

40:45这是个很有意思的问题。如今已经存在某种程度上的自动化交易。很多服务都按用量计费，对吧？现在发生的很多支出本来就是自动产生的。比如 Stripe 的大多数云计算操作，都会在某些云服务上自动产生费用，没有人按下按钮。

这可以说是非常原始的自动化交易。我猜这会沿着一条渐进路径发展：越来越多决策由 LLM 或类似系统作出，平滑到几乎难以察觉地实现高度自治，而不是某个月突然出现“天哪，机器人放出来了”的情形。这听起来可能很狭隘、太偏向实际操作，但会出现一些有意思的问题：法律上如何定义机器人？它们是否由所有者负责？会不会被赋予一定独立性？责任如何划分？哪种支付渠道最合适？交易频率会达到什么程度？每秒十亿笔交易，与每天只有一笔大型结算，对系统的要求会很不一样。拿按用量付费的服务作类比，费用会以很小的增量累积，每月再统一结算。智能体交易也许会有类似特征。这里有许多实际应用问题，但你说的自治交易可能成为重要方向，这很真实，也可能是未来十年经济增长与扩张的一种方式。

加密货币可能会在其中发挥某些作用。对人类来说，我们非常重视 KYC 和 AML，因为要知道某项金融活动背后是哪一个人。换成 AI 智能体，这个问题就模糊得多。如果把加密货币大致视为在设计上事实上不受 AML 约束的金融服务领域，也许它会发挥作用。

43:46Stripe 成立前多久，像 Stripe 这样的产品就可能出现？

43:50这问题很好。取决于你如何定义 Stripe，类似东西可能早几十年就有了，因为从某种角度说 PayPal 就像 Stripe。PayPal 之前还有许多支付公司，甚至可以一路追溯到收银机，所以答案取决于定义。Stripe 受益的特定长期顺风包括应用商店兴起、按需经济发展、YC 之后的创业热潮，也可能包括金融危机。这些顺风具体而独特地影响了 Stripe。全球金融危机发生在 2008、2009 年，Stripe 成立于 2010 年，所以如果你认为这些条件是核心因素，那也早不了多少。我对 Stripe 的基本解释是市场低效，我也确实好奇为什么以前没人做出类似的东西。

44:58我一直觉得这种情况很有意思：并非市场上没人，所以产品没能早点出现。市场上有很多参与者，而且不是随便什么人，是总部位于旧金山、做技术的公司。你觉得为什么他们没想到要做这个？

45:15我不太愿意过度概括，因为我只有一个案例，样本量可能是 1。基于这点推断风险很高。现在有 Arc，或许样本量变成 2，但它也是一种完全不同的组织。

45:30如果把 Stripe 的所有业务线都算进去，样本量可能有 10、20 个。

45:34好，按某种定义，或许真有一些样本。我的总体看法是：“大多数产品和企业其实都能做得好得多。”护城河通常被高估。支付领域就是好例子：从理论上看，有很多防御性优势——账户网络效应、数据网络效应和反欺诈规模经济、监管模式与壁垒等等。但 Stripe 不仅存在，市场上还有很多其他公司。如今金融科技生态系统已经很庞大。最后会归结到一个深层问题：有效组织的数量到底受什么限制？在任何行业，为什么只能存在这么多公司，而不是两倍？这和动力、创意，以及人们是否愿意坚定地组织人才有关。这些都是更偏社会文化层面的解释。

Hamilton Helmer 大概是研究企业防御性优势最著名的学者。他写了本小众但在圈内很有名的书《七种力量》，把市场力量的不同来源拆开分析。我认为这方面的分析确实真实而重要。但 Stripe 之前竟没有人做出这种产品，这仍让我觉得奇怪。

47:19想到护城河被高估、真正做事被低估时，Stripe 自己的模式是什么？这会让你重新思考 Stripe 的护城河吗？

47:31我认为组织和文化也可以成为护城河。也许这和我刚才说的矛盾，也许一致，因为某种程度上这是文化解释。如果 Stripe 有护城河，那是因为我们非常理解自己的领域。我们有一群真正关心解决问题的人，他们总是担心会不会忽视了某件重要的事。我们不断思考什么重要因素可能取代 Stripe 当前的做法，并努力抢先把它建出来。

你知道 Conquest 定律。Conquest 第三定律说：“应该把组织视为由一群敌人组成的集团在管理。”我想这句话是开玩笑的，但思考里面有没有真实内核、为什么会这样，很有意思。我认为大多数组织刚成立时确实在努力实现它们公开宣称的目标，创办它们的人大概也是为了这个目标。随着时间推移，创始人和最初的一批人离开，新人接替；这种迭代持续发生，组织经历代际交替。到了第五代，为什么他们还在这里？他们的个人激励和组织最初宣称的目标有多一致？可能存在很大偏差，他们只是在沿着局部路径行事，甚至组织领导者也可能如此，不一定是他们故意做坏事；他们也是人，有自己的激励，而组织最初的宪制性激励也可能完全不同。这是现实中常见的现象。对我来说，这类解释更能说明某些事情为什么发生或没发生。

回到你的问题：Stripe 的护城河是什么？它是否真实存在、是否体现在实际做法中，别人可以自行判断。我认为它确实存在，但我也有偏见。我觉得护城河是 Stripe 的员工真正在乎我们所说要解决的问题。

……大家确实关心我们说自己要解决的问题。

50:20对，组织代际更迭时产生偏差这一点很有意思。有没有哪些机构能几十年或几百年保持最初的使命，而且继续保持组织能力？科技公司历史都不长，对吧？

即便它们已经是世界上最大的科技公司。而且公司的平均寿命众所周知并不长。你觉得有什么好例子？

50:48有些关于股东资本主义影响的理论认为，它会塑造组织激励和长期命运。这些理论有些可信，股东资本主义可能会缩短部分组织的寿命。我不是说这一定正确，但我觉得这种可能性很惊人。如果事实如此，这一定不好吗？我们到底该站在人类、全球创新、企业，还是准法律实体这一边？我不确定，但答案应该是第三种。

与此同时，看看欧洲或丹麦这类地方。因为税法规定，许多组织由非营利基金会控制或持有大量股份。比如 Novo Nordisk——那家 GLP 药企、航运公司 Maersk，我想 Lego 也是如此。许多公司由基金会控制，它们通常持有大量股份。在很多情况下，这还意味着公司的使命被写入有法律约束力的章程。我不是 Novo Nordisk 的专家，但感恩节时刚好读了一本关于它的书，也读了关于丹麦产业基金会的书。它们的章程规定，胰岛素必须广泛供应且价格极低，至少在斯堪的纳维亚国家如此。它们可以在别处按市场价收费，但法律上有义务把利润重新投入研发。这是不是它们能做出过去 20 年最重要的药理学发现之一——GLP-1 激动剂——的原因？有可能。为什么组织和公司的平均寿命是现在这个水平？这是个很有意思的问题，我怀疑原因在一定程度上取决于今天美国大型公司的组织方式。

53:31你刚提到的这家公司，让我想到亚洲的出口导向型增长模式。

也就是通过关税扶持本土产业。

53:37完全是。

53:37一家企业负责造汽车，因此必须把车造好。即使没有竞争，你也得发明世界上最好的汽车。

53:45对，我们都喜欢 Smith、Ricardo；但他们对自由贸易的信念并不像今天很多人所理解的那么教条。像 Friedrich List 这样的后世思想家，尽管不是他们的同时代人，相关贡献都被低估了。

如果你相信社会学、文化能力，甚至更宽泛的人际层面上的协调，对结果具有重要解释力，那么就会开始思考美国提出的一些做法。

54:31听你这么说很有意思，因为 Stripe 的使命是促进全球贸易，让印度的一家公司能和尼日利亚的公司竞争。如果 Stripe 存在，你们自己的学习曲线、效率起初落后于全球竞争者的空间应该更小，对吧？Stripe 不正是反 List 的公司吗？

54:53要看你说的是 List 的哪一种。明确地说，我不是在支持这些关税和贸易壁垒。它们的历史充其量是好坏参半。或许在某个特定行业，如果目标明确、有可信路径取得实质性成功，而且还有其他相关条件，积极的贸易政策会有好处。但大多数国家的大多数行业，在大多数时候都不符合这种情况。

55:43很有意思。我觉得这里和 Stripe Climate 有关联：你们在补贴学习曲线，就像东亚国家为本国企业做的那样。你们却没有指定某家公司一定会成为碳封存的关键力量。你们怎么理解这种做法？

56:04把两件事统一起来的思路，是 Say 定律，也就是需求创造供给。Stripe 集中了越来越多全球需求。称之为“Stripe 理论”听起来太自大了，但 Stripe 有个模糊的直觉：聚合需求可能对后续供给产生重要的扩张作用。

Stripe Climate 是这个假设的一个较小版本，规模远不如 Stripe 本身，但仍然真实、也可能重要。不熟悉这件事的听众大概很多，基本想法是：2018 年我们注意到，大家似乎都同意碳移除会非常重要。即使按最乐观的时间表实现经济脱碳，已经积累的碳仍然是个问题。2018 年全世界几乎没有碳移除公司，这很奇怪，可能只有两三家；而且它们做的基本是科学实验项目，没人买过它们的产品。我们便想：“总得有人迈出第一步。除了转过去一些资金，给这个行业一些信誉也许会有帮助。”Stripe 不是全世界最有信誉的公司，但总比没有好。于是我们开始和几家碳移除公司签约，效果不错，它们似乎也很感激。之后我们对此想得更多。

2021 年，我们成立了 Frontier，这是一个先进市场承诺，也就是 AMC。它的灵感来自第一个 AMC：提前承诺为发展中国家购买疫苗，针对那些存在市场失灵的疾病——药企没有研发疫苗，或利润不足以支付整个项目。我们决定把类似办法用于碳移除，并筹集了 10 亿美元。Stripe 是第一个投资者。严格来说我们并非投资，而是购买碳移除服务，所以我们是第一个作出采购承诺的公司。后来 Shopify、Alphabet、Meta、摩根大通等公司也加入了。如今碳移除企业已经形成了相当活跃的行业。

Frontier 已和 40 到 50 家公司签订合同，其中绝大多数在我们启动项目时还不存在。去年年底我们做了一项匿名调查，问这些公司 Frontier 的存在对它们成立是否起了因果作用。调查是匿名的。我认为 74% 的公司表示，Frontier 对它们创立起了因果作用。这种诱发效应可能非常显著。

59:10确实很大。你还见过哪些适合用 AMC 推动技术发展的领域？

59:16问得好。我们内部也讨论过。我们不一定打算自己做，但我在想：“有没有值得我们分享经验、帮助推进的领域？”生物医学领域还有很多类似情况。专利很有用，但有很多对社会有益的创新无法通过专利来收回成本。

几年前，甘露糖这种糖引起过一些关注。有一两篇论文提出，肿瘤也许会优先摄取甘露糖而不是葡萄糖，但无法正确代谢它，最后就会死亡。也许甘露糖可以成为有效的肿瘤治疗方法。

甘露糖是一种普通的糖，人们研究它已经一个多世纪，而且它不能申请专利。所以不知道谁有动力出资检验它到底是否有效。我不是在推荐甘露糖治疗，而是在说：有些机会很可能有重大益处，但市场经济结构不清楚该如何促成研究。生物医学领域还有很多这类问题。

原则上可能开发出来、但目前不存在的疫苗还有很多，比如莱姆病疫苗。曾经有一种疫苗因为安全顾虑退出市场；我认为这些顾虑可能不成立，但现在仍没有疫苗。

61:21而且对它的了解也不够充分，对吧？有些人有慢性莱姆病，但我们不知道这种说法是否确切。

61:29完全正确。这是个好问题。也许你的听众能想到一些迫切需要 AMC 的领域。

61:39我想回到 Stripe。你以欣赏工艺和美感著称，但也看重规模和增长的力量。

61:52还有速度。

61:53有意思。有没有某种工艺无法适应速度、增长和规模？想象一位日本厨师花十年学习煮饭，然后才能做寿司。在现代世界，这种做法还竞争得过吗？

62:07工艺、规模和速度不一定总是相互冲突，但很多时候确实冲突，简短回答就是如此。同时，许多最成功的公司恰恰以欣赏工艺和美感、并善于实现它们而出众。LVMH 是世界上最大的公司之一，而这正是它的业务。Tesla 在这方面也不错；它很多方面都做得好。显然还有 Apple。TSMC 不是你说的那种日本寿司厨师，但它像是台湾的芯片寿司厨师，掌握许多隐性知识和难以传递的技能。工艺及其追求可能从未像现在这样重要。Stripe 越做越大，我们越发确信这一点。

美感之类的特质很有意思，因为一般而言很难量化。我不知道它们是否本质上不可量化，也许可以训练模型来衡量；但目前大体上没法量化。然而它们能显著影响人们。大家确实在乎美感，也在乎公司产品的审美特征。直觉上人们知道这是真的，但在组织层面很难管理，因为这没有直接关联的损益项，做坏了也不会出现明显的时间序列下降。

过去 14 年里，我们并非完全靠试错，而是研究 Stripe 哪些做法奏效、哪些不奏效、客户对什么反应好，逐渐明白即使在我们这种主要服务企业的领域，工艺也非常重要。回到之前讨论的社会学和“文化”解释：如果这些因素确实是护城河的一部分，最优秀的人会把自己看作各自领域的工匠，他们最希望和其他优秀的人共事。即使从客户角度看市场不重视工艺，你仍可能想建立一个高度重视工艺的组织，因为优秀人才会因此加入。事实证明，我认为客户确实也重视工艺。总的证据支持这一点。如果你不认真对待工作实践，就很难聚集最优秀的人。

65:46你说的美感、工艺或简洁性，哪一种更重要——界面还是实现？有篇著名文章说 Unix 成功，是因为实现简单，而不是界面简单。

65:57界面算是简单，但 Unix 没帮你处理不少边界情况。

66:06但 Stripe 会处理，对吧？

66:09这取决于你在构建什么。对 TikTok 来说，界面简单更重要；即便底层实现一团糟，可能也没关系。我不是说它真的很糟，我不知道。Stripe 不一样，人们在某种程度上购买的是我们的架构，或者购买架构让他们能够完成某些事情、而不是其他事情。如果你说的界面是 GUI，也许可以把它区分出来，但我们不会这么区分。我们认为 Stripe 的界面就是它的架构。

没人同意我的看法，但我常觉得 Stripe 有点像 Mathematica：我们向客户出售一个自成一体的宇宙，让他们模拟自己感兴趣的事物。我们提供基本元素、界面和工具，让客户建立模型。从根本上说，我们是在帮助客户用自己的方式做事。因此，我不认为架构和界面一定能分开。

67:31这个类比很有意思。不过 Mathematica 带你进入的是数学中的柏拉图式对象，而你们带人接触的是 Visa 错误代码。最终对象没那么抽象、纯粹。

67:49确实如此，所以类比有些地方不成立。不过，交易这个概念相当基本，大致和二次方程一样古老。好吧，可能还要更古老。现在 Mathematica 也支持各种古怪、冷僻的领域，做得非常了不起。你去翻里面那些更偏门的功能包，会发现有些东西的应用和理解程度比 Visa 错误代码还低得多。不过它们确实不一样，我只是觉得这个类比能提供有趣的直觉。Wolfram 用 Mathematica 做出的东西非常惊人。

68:36从另一个角度看，我很好奇你怎么看这件事。Mathematica 如果要改动，有人学一下新语法就行。但 Stripe 如果改动了，可能会让数十亿美元的交易无法进行。这会怎样影响你对初始架构和风险的看法？

……以及整个问题的利害关系？

69:00这是个好问题。我先补充一点关于架构美感的看法，再回答。顺便说一句，API 设计作为一门学科和实践，竟没有得到更多研究，这很有意思。API 设计可能会显著影响平台的命运，做对了能带来不断累积的正面效果，反之亦然。比如移动应用开发，在过去十到十五年里是最活跃的生态系统之一。iOS 开发中有很多对象和类以前以“NS”开头，现在 Swift 中少了一些；但 iPhone 历史上很长一段时间里，NS 都是 Next 的缩写，源自 90 年代的 NeXT。API 和架构设计一旦做好，即使周围其他事物疯狂变化，它也能持续几十年，令人惊叹。

Unix 也是一个例子。它当然有很多缺点，但它的架构已经运作了半个多世纪。

我们一直在 Stripe 内部强调跨越几十年的抽象设计的重要性。有些人觉得这是不切实际的宏大目标或夸张说法，但架构设计做对后，现实就是如此。

架构做对了，基于你平台构建产品的人就能长期获得巨大收益。

说到 Mathematica，我知道他们非常重视向后兼容，以至于 20 年前写的程序今天仍能原样运行。这显然让 API 设计的利害关系更高。我们也面临同样问题：推出新东西时，不能只问“它能不能立刻满足今天的需求？”，还要问：“2044 年我们还能支持这个设计吗？外部世界会怎样变化，才能让整个体系继续保持一致？”我们当然不总能做对，但某种程度上，这就是我们努力的方向。

71:50Visa 算不算这样的例子？从另一方面看，某种设计能使用几十年也可能有缺点：即使它能自我维持，生态系统也处于均衡状态，但如果局部激励让你无法修改它，就会困在一个本可变得更好的均衡里。

72:12我明白。总体来说，Visa 和 Mastercard 这类卡组织找到了相当好的均衡。我们很容易按 2024 年的世界来评价，但必须回到它们刚出现时的世界和当时要解决的问题。与其他地区相比，美国和西方世界的金融环境并不显然处于劣势，也谈不上有某种实质性困局。

卡组织做了几件事。最初它们是为了替代商店赊账而设计的，最开始是信用卡，不是借记卡，对吧？这很重要。结构化的消费信贷很有价值，尤其有益于低收入人群。随后，喷气式旅行和大众旅游兴起，它们取代了旅行支票等更糟糕的方式，比如出门时带一包现金。互联网出现后，它们又大力推动了线上交易。它们的核心架构设计得如此好，能适配许多不同用途，这非常了不起。设计这一切的 Dee Hock 是个非凡的人。

人们经常抱怨交换费。别以为我在替银行卡生态系统辩护。换个角度看，很多人会认为 Stripe 在交换费账目上是吃亏的，因为我们把交换费收入让给了其他公司。所以我并不是结构性地支持交换费。不过交换费带来的东西确实很有意思：它是一笔分销激励费，用来支付其他机构招揽客户、说服客户办卡、维持用卡并在月底还款等成本。付的是纯粹的分销费用。比如飞机上有人对你说：“办张 United 信用卡吧！”交换费付的就是这类推广成本。

74:50那个家伙真烦。

74:53我们待会儿再谈反事实。卡组织还承担实际的信贷发放成本，以及客服、纠纷处理等周边费用。

也很值得比较一些卡组织没有兴起的地区。德国就是个典型例子。从我们处理德国线上经济支付的视角看，和美国相比，情况糟糕得多。如果 Stripe 按一下按钮，就能让信用卡在德国像美国一样广泛普及，我们肯定会拼命按那个按钮。再看中国，支付宝、微众银行支付和微信支付确实无处不在，所以交易支付的数字化程度很高；但这些产品的消费信贷通常不如信用卡成熟。是的，转账手续费很便宜；但你得把总体成本算进去：要先获得信用并完成购买，成本是多少？信用卡能提供这项服务。看看其他地区的反事实情况后，人们会感谢 Dee Hock、Visa、Mastercard 和卡组织所创造的一切。我不是说它们完美无缺，也不是说不能批评；但我最想听的是那些真正研究过其他国家支付生态的人提出的批评，因为我们很容易低估这些创新带来的好处。

76:38也许这就像 Chesterton 的篱笆原则。如果现在从零设计支付系统，你觉得刚才提到的所有事情——承担信用风险、处理欺诈和争议——是否都该占每笔经济交易的 2% 或 3%？如果从第一性原理重新设计，支付会是什么样？

77:01如今一些国家正在实时进行这类实验，多国央行开始更积极地设计国家级支付方案。

巴西的 PIX 于 2020 年底上线，你肯定听说过 UPI。UPI 是印度央行发起的支付系统，与 Aadhaar 国家身份系统等相连。它启发了其他国家央行建立各自的 UPI。巴西 PIX 于 2020 年推出，现在已有相当大比例的成年人每周都在使用，增长速度极快。瑞典有 Swish，东亚、日本、泰国、瑞士也都有例子。各国央行接连决定：“我们也该有自己的版本。”这相当于从头重建支付体系。

有些奇怪、难以理解的原因，让客服、消费者保护、防欺诈、反洗钱控制和信贷等环节叠加之后，成本通常落在 2% 到 3% 左右。还要注意，这些费用不只是用来覆盖成本；其中很大一部分会以奖励形式回到消费者手中。不是所有国家都如此，但很多国家是这样。如果查看美国不同银行公布的数据……

……它们从每笔交易收取的交换费中，有很大一部分又返还给了消费者。所以经济账该怎么算并不清楚。如果钱回到了消费者手里，它算交易税吗？

还是说这只是某种奇怪的循环？我没看到证据表明大约 2% 的成本在整体上极其低效。我不是说这是最优水平，也许 1% 更好，但大概 1% 到 3% 之间是合理的。

谈到这些从价费率和数字，我觉得如今变化更大的，是全球税收结构的变化。过去一个世纪，税制有过相当多创新：所得税变得很高，后来又有增值税，等等。至少在线上经济里，新的发展是某些司法管辖区向在当地没有实体存在的企业征收销售税。

比如你人在湾区做播客，假设你经营“Dwarkesh 周边商品店”，你也得给瑞典乌普萨拉市缴税，因为那里对棒球帽有一项特别税。你必须弄清这项税。卖给乌普萨拉居民的每顶棒球帽都要向买家收取这项税，申报给乌普萨拉，最后还要想办法把钱汇过去。这是个组合问题：买家的司法管辖区、产品类型，以及需要把钱缴给的所有不同司法管辖区。

而且金额不是几个基点，这些税率通常是 5% 或 10%，不是小数目。想到互联网资金流和它的演变，我觉得税法变化其实比交易本身的经济成本更重要。

81:37顺便说一下，这不是 Dwarkesh 播客，而是注册在 Stripe Atlas 上的 Lunar Society Podcast LLC。以后我要卖任何商品，Stripe 会帮我处理。

81:47好。如果有人对 Stripe 有投诉……

81:49没有，产品很棒，真的帮了大忙。要没有它，建立企业运营体系会困难得多。

81:55抱歉，本来应该你采访我，但我想问：Stripe 是否在某种边际上促使你开始收费？这是我们经常感兴趣的问题。说要提高互联网 GDP，并非只是“把现有 GDP 搬到我们的支付渠道上”，而是想知道：“在什么边际上，我们能促成原本不会发生的经济活动？”你确实是在注册公司之前就开始做播客了，但 Stripe 是否在商品销售或其他方面产生过因果影响？

82:30Substack 本来就不太方便收款，所以 Stripe 肯定帮了忙。而且……

82:40如果 Substack 没让收款变得特别简单，你就不会向读者收取通讯费用？

82:43对。如果没有通过 Stripe 注册的 LLC 和关联银行账户，我也不知道有广告时该怎么收钱。所以，是的，Stripe 可能在反事实意义上促成了很多变现。

82:59那很好。

83:00谢谢。未来五到十年，你认为支付处理周边会出现哪些意想不到的互补业务？比如 Atlas、身份验证、欺诈检测。回头看，过去未必显而易见它们会是好的互补业务，但现在看来很合理。未来还会出现什么类似的机会？

83:26说实话，我们的问题是，显得与 Stripe 互补的事情太多了，多到我们根本做不过来。几乎所有企业都有收入，而我们显然希望帮助它们创造、收取和管理收入，并协调与收入相关的一切。但一旦你进入这些流程、开始经营企业，很多其他事也会显得有关，而且相互关联非常直接。

Stripe 刚创立时一点也不酷，就我们几个人，觉得可以做出更好的支付 API。Stripe 大部分历史里，吸引来的都是愿意解决不起眼基础设施问题的人。我们不是一家专门造漂亮汽车的公司，我们是在修路。我提这些，是因为它和互补业务问题有关。我们内部讨论时，可能绝大多数时间仍在想：“在我们的核心业务里，实际有哪些不足和限制？”对 Stripe 来说，“支付处理”可能定义得太窄；我们做的是全球可编程货币协调，包括我们刚才谈到的消费者对企业支付，也包括企业间支付、有信贷或贷款参与的支付、持有资金、兑换货币，以及表示不同法人实体所持资金，让个人或小企业也能像微型跨国公司一样经营。

我们刚才略过的那些问题，即使都直接关系到资金流动，也一点都不小。如果我们能有效解决它们，Stripe 就会成为对世界影响重大的组织和力量。进入服务相对不足的新市场后，创造这些基础设施的反事实价值不是在下降，而是在上升。在美国，Stripe 之前已经有支付公司；即使 Stripe 没有出现，也许迟早会有人找到办法，让通讯之类的东西变现。但如果你人在阿尔巴尼亚，可用的选择就少得多。随着我们拓展全球市场，边际影响会显著提高。虽然我们已经关注并投入了一些直接相关的领域，但全球货币协调这个核心问题仍然很大、也未得到解决。

87:02这意味着要把所有复杂性隐藏在七行代码后面、做一个更好的界面吗？还是要换掉支付渠道和基础设施，让整个系统更高效、更有效？

87:15前者。建立彼此封闭的金融生态并没有那么有用，孤岛式金融系统价值不大。更有价值的是构建金融“空中交通网络”。

我们更愿意让 Stripe 接入现有系统、渠道和本地机构，而不是试图取代它们。Stripe 从一开始就有意采用这项策略。当时有很多公司想另起炉灶、自行其是，而我们认为，根据梅特卡夫定律的经典逻辑，增强现有生态的能力，可以创造更多价值。

88:15好，回到 Stripe。Stripe 是为了作者的利益而写作的文化，还是为了读者？

88:21两方面都有。

88:22但哪方面更重要？

88:24对双方都有相当大的好处。对读者来说，文本交流可能更有效率，但不只是如此。它还有跨时间的价值：未来的读者可以理解我们如何走到今天、推理思路是怎样的。这一点很重要。

但我和很多人写东西，也是为了梳理自己的想法。如果失去这种能力，我的工作效率会明显降低。很难判断这两种好处各占多少。

它们实际上无法分开。这就是我的答案。文字文化是另一种截然不同的文化。我不是说那种装腔作势、只讲文化素养的文字文化，这里更准确的说法是文本文化。

Bruno Latour 曾说，他认为印刷革命，比如古腾堡的印刷术，在一定程度上促成了科学革命，因为它让知识变得更固定。以前，如果观察结果和说法不一致，人们总能说：“抄写的人抄错了。”当记录变得固定后，更容易发现理论与现实之间的矛盾。组织层面也有类似现象，虽然我不是在作严格类比：口头文化和文本文化的性质不同，能实现的协作方式和一致性也根本不同。自行车前轮和后轮哪个更重要？理论上你可以骑独轮车，但实际上两个轮子都需要。

90:43我不再问 AI 了，不过有一点我觉得很合理：文字记录很多的公司，可能会最先体验到 AI 带来的生产力提升，因为其他公司有大量模型无法方便获得的背景信息。不知道你们有没有预料到这一点？

91:01大概是这样。我也不确定。如果模型足够强，也许能很快掌握信息。大多数组织不会记录所有会议；如果没记录，就会有个问题：“要用什么语料、怎样才能快速了解情况？”所以我猜这确实会成立。

91:21跟我讲讲你们内部开发的 LLM。

91:23我们并没有开发内部 LLM，而是做了一个内部工具，让员工能轻松地把 LLM 集成到线上服务和日常工作流程。我们既支持像普通聊天助手那样直接使用 LLM，也能将它接入查询和读取数据的工具。最有意思的是，可以让不同员工共享提示词。有人会发现好用的提示词，比如优化 SQL 查询；它不一定次次有效，但有时很好用。询问 LLM“你有什么优化 SQL 查询的建议？”成本很低，有时能拿到不错的答案。这种协作能力的回报比预想的高。许多组织都有这类设计，我们不声称它特别新颖：还可以建立一个统一的访问总线，把所有 LLM 调用都路由过去，这样就能测试不同模型、观察它们各自的性能趋势和不同用例。我们发现，围绕 LLM 建立相当多的生产基础设施很有价值。现在 LLM 越来越多，这尤其有用，因为我们能为不同用例比较不同模型，找出最有效的模型。

我不知道总调用量是多少，但我想我们现在每天调用数百万次。Stripe 线上有几十种、几十种实际用例。某种意义上，金融服务生态是一种从模拟世界走向数字世界的巨大转换：人类、意图和身份都是模拟的，带有不确定性和噪声；但交易是数字化的。在这类模拟到数字的转换中，我们经常发现 LLM 是非常有趣的增强工具。

94:16说到人们如何与系统互动时的灵活性和边缘情况，Stripe 可以说是一个高风险的漏洞赏金项目。如果有人攻破你们，或出现可靠性问题——不只是被黑，也可能是部署错误——不仅金融服务会受影响，资金本身会受影响，而且全球 GDP 中相当大的一部分可能停摆，至少停机期间如此。你们如何承担这种责任？部署很快的同时，又怎么保持在线率和可靠性？

94:58这是我们投入时间最多的问题之一。回到刚才的话题：要成为拥有最优秀人才的地方，就要专注于工艺和质量。软件开发者最讨厌两件事：开发周期太慢，比如“下个月下个版本才发布”；以及凌晨两点被叫醒处理事故。我们服务的企业，按粗略估算占全球经济的 1%。这个数字不太好量化，因为 GDP 按最终商品计算，而 Stripe 不只服务最终商品，理论上可能有些重复计算；不过 Stripe 的大部分服务确实面向最终商品。我们不是主要为大型供应链货运服务，误差可能是 10% 或 20%。总之我认为大概占全球 GDP 的 1%，每年约一万亿美元。正如你说的，这让我们对系统故障非常害怕。

所以我们非常努力地在避免停机的同时实现快速迭代和开发。给个数字：核心支付流程的线上服务每天部署大约 1,000 次。大多数服务会自动部署，任何人只要提交一项可上线的改动，就会进入生产环境。流程经过仔细设计：先只让一小部分流量使用，然后逐步扩大，最终覆盖全部流量。我们每天部署约 1,000 次，可靠性约为 5.5 个 9 或更高，也就是 99.9995%，相当于每年约两到两分半钟不可用。

当然，不是每年连续停机两分半钟，而是各种零散故障累积起来的近似值。达到这种水平需要大量投入。安全属性不容易直接量化，但也有类似指标。硅谷不太重视流程和运营卓越——我可能对硅谷不太公平，应该说整个科技行业都不太重视。文化更推崇自发、创意、反传统和开创性。要建立机制，让关键服务能大规模、可靠地提供，同时消除那些可能让许多人遭遇糟糕一天的波动来源，我认为这些事情在文化上没有得到足够认可。

这些听起来都不是火箭科学：先明确我们重视什么，再建立自动化测量系统，追踪实际情况；找出没有达到标准的地方及原因，然后真正介入并改进系统；还要建立第二层控制，在偏差演变成生产故障之前就发现它。为做到这一点，我们必须充分理解系统的行为，并在更上游的位置布置监测。刚才我说的大部分做法，1930 年代的生产工程师就已经懂了。

所以我不是说这是什么革命性突破，但我们发现，坚持多年采用这些实践会产生很高回报。也许还有其他组织能以这样的速度发布产品，同时保持开发效率、规模、可靠性和安全性的平衡，但我觉得这样的组织不多。这充分体现了 Stripe 员工的出色表现。

100:13最后一点，你们有这么多内部工具和测试设施。一旦有 AI 工程师，它们就能提交代码，而你们已经有基础设施可以轻松评估结果。

100:28对。很多事情最后都回到同一个问题：为了认真追求“打造最好的软件”这个目标，必须具备什么条件？把它当成宏大、模糊、空泛的愿景很容易。但如果真的认真对待这个目标，就要问：“认真追求时，哪些指标必须测量？”其中一部分是那些能做出优秀产品的组织特性。接着就要问：“客户必须真的喜欢我们的产品。好，怎么衡量？怎么把这件事系统化，确保没有被压制或忽视？”

我们有个“体验旅程”的概念，也就是用户在 Stripe 中走过的路径。我们很重视这些路径，并确保它们始终保持高质量。开发者也必须能快速迭代，我们刚才谈过怎样做到这一点。

我们谈过的所有内容，都贯穿着同一个主题：认真对待目标。我觉得 Stripe 做的很多事情——再说一次，我不认为自己有什么天才之处——就是诚恳、反复、认真、长期地贯彻目标。

101:54再问几个 Stripe 的问题。全球 GDP 的 1% 是个惊人的数字。Stripe 的进一步增长来自互联网经济扩大，还是 Stripe 在互联网经济中的份额上升？如果把互联网整体增长叫作 beta，而 Stripe 增长得更快，那它的 alpha 来自哪里？

102:20问得好。Stripe 服务的客户整体增长速度快于互联网经济本身。按数学规律，最终两者一定会趋同，但我们成立 14 年了，还没有趋同，增长空间仍很大。假设 Stripe 每年处理约一万亿美元。Stripe 刚开始时，全球经济规模大约是六七十万亿美元，现在约为一百万亿美元。Stripe 的业务量距离全球经济增长的上限还很远。当然，全球经济增长本身也没有上限，原因很多，规模可能远超现在。我甚至不是在说新技术或 AI，只是做些简单的人均计算：如果每个人都拥有与美国相当的收入呢？

我很想在 Stripe 工作，原因之一是它和 Robert Lucas 那句老话有关：一旦开始思考不同国家的发展速度，几乎很难再想别的。巴西为什么有现在的收入和 GDP 水平？波兰为何如此？爱尔兰为何经历了这样的发展，从欧洲的“病夫”变成如今最富有的国家之一？某种程度上，Stripe 把这些问题应用到了现实中。我们在打造软件产品，但也触及这些问题：为什么公司不更多？什么决定公司的增长率？你开了商品网店后，买家为什么只有 X 个，而不是 2X 个？我觉得这些问题仍然很有研究价值。

我们并没有把商业运行这一整个元系统优化到很高程度。绝大多数时间里，企业运营都在线下，效率低、靠手工处理。只有最近一二十年，大量商业活动才真正实现数字化。而这里的优化空间仍远未被充分探索。

我们发现一些非常基础的做法，例如直接给企业提供资金。我们这么做并不是为了从贷款中获利，而是因为接受资金的企业之后会持续更快地增长。

又比如，我们想弄清企业如何决定在哪些国家销售。你会发现，从最小的公司到世界上最大的公司，这类问题往往都是临时决定、缺乏深入思考。比如：“你们为什么不去墨西哥或巴西卖？”“看起来很复杂，我们一直没顾上。”

回到你问增长来自何处，我认为只要认真追问这些极为基础的问题，仍有大量容易实现的进步。

106:06所以，当我们思考 Stripe 未来如何继续增长时，显然会涉及许多大企业。你们现在处理着大量 Amazon 业务……

……也和其他企业签订合作。首先请你谈谈看法：指数增长的初创公司如何推动 Stripe 指数增长，我能理解；但当合作对象是现有大企业时，Stripe 怎么保持同样的增长速度？其次，支持这些初创公司的理由很有说服力：世界上出现了新事物，我们应该扶持它并确保它实现。那为什么提高 Amazon 的订单履行效率也同样重要？

106:50这两个问题都很好。先回答第一个：你说得对，Stripe 最终会随着整体经济增长；只是多久会达到这一状态的问题。

107:14没错。

107:15好消息是，达到这个阶段可能要很久，因为正如刚才讨论的，不同方面还有大量容易实现的改进。因此我认为要过几十年才会发生。不过，这最终确实会发生。

第二个问题是：“扶持新生的初创公司、鼓励创新、制衡在位企业，显然很有道德价值、令人振奋。但支持成熟企业的理由是什么？”人们误解了一点：小企业，尤其是我们称为初创公司的那些企业，通常承载着某种创新。它们有个新想法，想把事情做得更好或不一样。我们通常喜欢创新，因此对初创公司有积极看法。但成熟企业也创造大量创新。创新占比也许较小，但其总量很大。我们必须留意初创公司更显眼带来的认知偏差。相对而言，涡轮机、晶圆厂或绝缘技术的改进，很大程度来自成熟企业。各个经济领域过去十到二十年里，都有相当比例的重要发明来自在位企业。

Tyler 写过一本书，提出一个总体观点：大型企业被低估了。调查显示，人们通常不仅对初创公司、也对小企业整体抱有积极态度；对大型企业的看法偏负面或不那么正面，但绝对程度并不算太差。确实，成熟企业通常薪酬更高、效率更高，贡献了经济中更多创新，也创造了大量消费者剩余。

Stripe 和这些企业合作的具体理由通常是：它们来找我们，并非要把现有做法原样搬到 Stripe 上、费力迁移；而是想开展一项现在还没有的新业务，带来新的业务线、创新或发明。或者它们发现开发新产品的机会，想大幅改变现有产品的交付方式，从而创造消费者剩余。听起来很抽象，但现实中通常是把产品卖到更多市场，或者意识到应该通过更方便的渠道（比如手机）销售。如果这些尝试成功，并且有大量人购买，经济就以分散的方式发出了信号：一种以前不存在的价值现在出现了。

我盘点过去一年中正在迁移到 Stripe、或已经迁移的企业，包括大型零售商、全球制造企业和航运公司，它们通常都符合这两种模式之一：推出新产品，或者把现有产品卖给以前买不到的人。

111:21是的。解决社会重大问题所需的一些大趋势，比如摩尔定律或太阳能成本下降，往往是几十年来一点点改进积累起来的。

111:30没错。

111:31大型科技公司或大企业有能力投入很多资金开展研发。

111:37持续迭代改进的重要性被低估了。

111:39我能问问 John 吗？

111:41当然。

111:42你们最近出版了《穷查理宝典》，随后 Charlie Munger 去世了。他有没有谈过你和 John 的关系？你们会不会让他想起自己和 Buffett 的关系？

111:56他没跟我谈过，不过他和 John 更熟，所以也可能对 John 说过。我不知道。

112:07你从 John 身上学到哪些关于婚姻的经验？这种地位平等、密切且长期的合作关系，最接近的就是婚姻，对吧？

112:17我结婚还不久，也许十年后才能总结出能推广的共同点。总体来说，我会说，和亲近的人一起工作被低估了。我和 Patrick Hsu、Silvana 做 Arc；Fast Grants 是和 Tyler、Silvana 一起做的；Stripe 自然是和 John 一起做的。John 对 Arc 的成立也起了关键作用，没有他就不会有 Arc。回看我人生中所有重要项目，它们都不只是和别人合作，而是和我很亲近的人一起做。我希望建立能超越这些项目、长期维持的关系。

人们有时会建议不要和朋友一起工作，也许不该和伴侣一起工作。所有关系都因人而异，每种组合都有成功案例。但对我来说，这一直非常有回报。我觉得 John 和我可能会合作几十年，当然人生很难预测。对我们来说，这既是重要的意义和满足感来源，也带来了真正的互补性。缺少我们任何一人，Stripe 都会变得没那么有效率。我不只是在说工作带宽；我们各自贡献了不同的东西。

114:12Patrick，我觉得聊到这里是个很好的结束点。谢谢你来参加节目。

114:16谢谢。

114:17各位听众，希望你们喜欢这一期。和往常一样，最能帮到我们的就是分享播客：发给你觉得会喜欢的人，分享到 Twitter、群聊等地方，让更多人听到。

感谢收听，下次再见。

再见。