Perplexity CEO：称无竞争对手，押中立与递归看好小AI公司

你是否曾思考，一家AI公司的CEO提出“我们没有竞争对手，只有贡献者”，这究竟是自信的口号，还是一套经过精心设计的商业逻辑？近期，某AI公司创始人兼CEO在访谈中分享了核心判断：企业收入同比增长5倍，企业端增速甚至超过个人专业用户；他还判断，下一轮增长将更多来自小而强的AI原生公司，而非行业巨头。

这场访谈覆盖品牌、产品、本地算力、安全等多个话题，作者并未按顺序复述，而是梳理出两条核心线索：该公司在各层面押注“中立”与“递归”——不绑定任何模型、芯片或客户规模，同时将收入建立在客户成功之上。以下是作者梳理的几个关键层次及补充思考：

品牌押注好奇心，而非技术

该CEO表示，公司品牌的核心是庆祝好奇心。他认为，随着AI能力增强，好奇心是人类唯一值得骄傲并持续投入的品质。他引用牛津物理学家的观点：人类是唯一会对“熟悉事物”再次好奇的物种，会回头重新审视已知内容并换角度思考。他进一步指出，AI时代，“知道一切”不再是优势，因为任何答案都能通过AI获取，人类的角色转向提出新问题。他还提到，优秀公司的底层品牌应与技术无关，关乎人性，例如英伟达的使命并非AI，而是打造超级计算机，因此可灵活延伸至量子计算等领域。

这种品牌理念也体现在公司办公室设计：会议室以学者命名，他最欣赏的是拉马努金，代表人类直觉，而当前工具与算力的普及让人们更倾向于理性化，忽视了直觉与好奇心的价值。

作者认为这里有两点值得关注：一是品牌的抽象层级决定寿命，绑定“AI”这类易变技术的品牌需随范式重建，而绑定“好奇心”这类人性特质的品牌则能长期稳定；二是存在一个张力：CEO一边强调人类的角色是提问，一边在产品愿景中希望AI在用户想克隆产品时，能直接指出问题并给出建议，合理的分工应是人类持有意图，AI对问题做压力测试，真正稀缺的是被反驳后仍明确提问的初衷。

小公司的最大瓶颈是招人，AI助手替代“招谁”的决策

该CEO认为，万亿美元规模的公司可依托单一市场成长，因为美国用户对产品的粘性与付费意愿高，且有源源不断的创业者。因此，该公司要做的是成为值得信任的模型中立AI助手平台，让新公司将大量工作交给AI助手。

他指出，这并非想用AI替代所有工作，而是新公司难以招到合适的人，甚至不知道该招谁。他分享了自己的经历：早期团队前10-20人都需先试用，这是生存机制而非策略，因为创始工程师的特质过于具体，无法用评分表衡量，合作一周后合适与否自然明确。

作者认为这揭示了小公司的核心约束：不是劳动力成本，而是“承诺”的成本——招人是难以撤回且难以提前判断对错的承诺。AI助手的价值在于它是自带试用期的“员工”，可随时启用，不合适则停止，改变了组织“是否招人”的决策方式。

他还提出，美国GDP增长未来可能更多来自中型和小型AI原生公司，这类公司官僚化少，资本与人头效率更高。投资人偏爱服务大型企业，认为其收入更稳定，但他认为增长的核心可能是更多小公司同时变强，而非大公司变得更大。

递归，而非网络效应

访谈最后，该CEO抛出核心观点：很多人用社交产品的思路看AI产品，认为没有十亿用户或网络效应就失败，这是错误的。他指出，AI是“递归”产品，而非网络效应产品，用户的深度和质量比数量更重要，仍需数百万用户规模，但关键是用户使用足够深，能通过产品盈利，而用户的盈利又会带动公司增长。

他举例：有个“一人公司”每年在该平台花费超百万美元，用其自动化制作通讯稿，年赚三百万美元，而他的客户又通过这些内容获取新客户，形成层层递归的链条。

作者认为递归描述了一种不同的价值捕获方式：收入增长来自用户收入增长，类似支付公司逻辑，客户越大，公司也越大。这要求关注用户使用深度及其与客户收入的关系，但需注意，该案例是个案，且存在双向风险——客户生意好则公司受益，客户生意差则公司也受拖累。

“没有竞争对手”是中立商业模式的体现

该CEO称，公司没有竞争对手，只有贡献者，因为它是唯一在真实知识工作和研究场景中为所有模型提供中立编排的平台。新的前沿模型会带来新能力，模型厂商竞争会降低价格，让更多用户用得起。他甚至认为，微软的动力不如该公司，因为其业务与股价绑定Azure和OpenAI模型。

作者将此与纳德拉的观点对比：纳德拉也强调将编排与模型分离、支持所有主流模型，但微软同时也在做自己的模型，中立性有条件；而该公司没有模型、芯片或云的利益绑定，中立性是结构性优势。但作者也指出，中立意味着依赖供给方，前沿模型公司也在做AI助手产品，存在竞争风险，而该公司押注开源权重模型和本地算力，是为了避免被模型公司卡住，争取谈判主动权。

本地算力不是情怀，是成本曲线

作者认为这是访谈中最“硬核”的部分。该CEO解释，当前大部分AI推理在云端数据中心运行，因为批量推理吞吐高，缓存对短上下文工作负载有效，但当AI助手成为常驻个人助理，上下文变长且个性化时，云端优势会减小。他给出数据：聊天场景本地成本是云端的30倍，适合云端；上下文长到10万量级时，云端成本优势只剩3倍甚至接近1倍。

他还指出，AI扩散的最大瓶颈是数据中心建设，存在并网排队、许可审批、电力需求等问题，而现有几亿台设备可运行约1000亿参数模型，他估算一亿台苹果芯片设备的电力可达千兆瓦级。他用公交车和私家车比喻：数据中心像公交车，共享出行便宜，但人们仍需要私家车，本地硬件就是私家车，两者都需要。

作者认为，个性化会侵蚀批量推理的规模优势，个人上下文无法分摊，因此常驻AI助手不适合完全放在云端。这与纳德拉提到的本地和云端自动路由架构一致，只是方向不同，该公司的实现分为本地为主（与英伟达合作）和云端为主（与苹果合作）两个方向，成本数字是他的说法，无第三方验证。

用户永远是对的：不会用AI是产品问题

该CEO的创业榜样是拉里·佩奇，因为佩奇的产品哲学“用户永远是对的”影响他。他认为，工程师本能会告诉用户“应该这样做”，但好产品应让用户无需思考如何使用。AI能力在加速，用户理解能力跟不上，不能怪用户不会写提示词、配置AI助手，这些应由产品处理。

他尖锐指出，很多公司需要驻场工程师帮客户上手，这是产品不够好的表现，类比iPhone：若每个人都需要全职员工教使用，就不是iPhone。他承认驻场工程师在修bug时有用，但方向应是让AI的使用被视为“产品问题”而非“技能问题”，而当前还未做到。

作者认为，AI应用层的核心事实是能力增长速度超过用户理解速度，差距需由产品吸收，而非用户学习。这与“个人AI助手架在刀刃上”的观点呼应，体验要么惊艳要么垃圾，责任在产品不在用户，但企业场景需接入遗留系统和合规，判断应作为方向而非标准。

瓶颈不是写代码，是想清楚做什么

该CEO认为，当前大家追逐的AI助手，瓶颈不是写代码，而是问题解决——具体要解决什么问题，规格、系统设计和约束是什么。这些想清楚后，AI写代码已不是问题。他理想中的AI是，当用户想克隆产品时，能指出这样做的问题，说明商业模式、权限，给出建议、风险，再问是否执行。他说，真正的瓶颈是思维清晰、问题解决、深度研究等，若公司有更多这类人，市值可高出10倍。

他最兴奋的方向是延长研究，让AI自己建预测模型、做实验、检验假设，让每个人成为科学家，因为科学家的瓶颈是真实世界验证。他承认模型还无法持续独立完成端到端研究，数学和代码可验证正确性，模型能“爬坡”，但大部分好奇问题无清晰验证方法，周期长。

作者认为，AI能力先在“结果可验证”的地方落地，验证成本决定自动化顺序，稀缺的是想清楚“该做什么”和设计开放问题验证方式的人，这与AI助手时代的管理问题相关，需先知道派什么活，才能用好劳动力。

自己拥有的才可信：安全观点

该CEO认为，网络安全的最佳解决方案是让用户在本地运行产品，安全公司的“网关”方案不可信，因为卖安全方案的人希望用户将一切交给他，唯一可信的是自己拥有的设备和网络，包括断网版本。他提到，已有主权基金想在自有硬件部署，连该公司也看不到内容。

他指出，多AI助手系统存在风险，新模型发布节奏会变慢，因为多数测试在单AI助手环境，难以发现协作时的威胁，应对思路是安全沙盒、后台助手、检测分类器，该公司开源审计项目，训练威胁检测分类器，异常时提醒并补救。

作者认为，他对“网关”的怀疑是激励问题，“可验证所有权”标准合理，与纳德拉提到的可观察工程问题一致，安全最终是“可观察”的问题。

作者最后反思：该CEO的押注都是站在“选择”层面，不绑定模型、算力、客户规模，商业模式的内核是越多选项竞争，选择层越值钱，“没有竞争对手，只有贡献者”是定位。同时，访谈的边界：数字是他自己的说法，小公司驱动增长是假设，编排层依赖供给方，需时间验证。

访谈反复出现三个词：问题、验证、信任，是AI时代的稀缺品，答案便宜，提出好问题的人值钱；执行便宜，设计验证方式的人值钱；能力强，让人敢交数据和决定的信任值钱。该公司押注好奇心、中立本地所有权、让每个人做实验，本质是押这三样，结果需时间验证。