Loading...
Loading...
a16z RWA研报：概念验证已过，硬仗刚刚开始报告内容概述
2026年5月22日，a16z发布《7 Charts: Tokenized assets have proved the concept. Now comes the hard part》一文，以七张数据图表为骨架，从以下几个维度展开对RWA（现实世界资产）代币化市场的深度剖析：
市场规模与增长驱动：梳理代币化资产从30亿美元到340亿美元的跃迁路径，拆解监管、基础设施、机构入场三大推力；
资产类别分化：对比国债、黄金、私募信贷、VC基金等不同品类的上链速度与规模天花板，揭示"容易搬的"和"真正好用的"之间的落差；
链上利用率悖论：直击核心矛盾——体量最大的资产类别活跃度最低，引出"数字化"与"原生链上化"的本质区分；
多链格局演变：呈现以太坊领衔、多链并存的分布态势，分析成本、合规、生态关系等选址逻辑；
未来规模预测：梳理McKinsey、Ark Invest、BCG、Standard Chartered等机构对2030年及以后市场的预测区间，辨析口径差异背后的定义分歧。
RWA代币化已完成概念验证，但大部分实践仍停留在"把记录搬上链"的数字化阶段，尚未释放区块链作为可编程金融基础设施的深层价值。下一阶段的核心挑战，是如何让代币化资产从"静态凭证"进化为"动态金融积木"。
原文链接：https://a16zcrypto.com/posts/article/tokenized-asset-rwa-market-data-charts
市场背景与核心数据
RWA（Real World Assets，现实世界资产）代币化市场在 2024 年中旬尚不足 30 亿美元，而截至 2025 年 5 月已突破 340 亿美元（不含稳定币），不到两年实现 10 倍增长。这一跃迁并非单一因素驱动，而是监管、基础设施与机构需求共振的结果：
监管破冰：美国《GENIUS 法案》为稳定币提供了清晰的监管框架，稳定币作为链上支付与结算的基础设施，间接降低了机构入场的摩擦成本。
基础设施成熟：托管、KYC/AML、预言机等配套方案从"试点级"走向"生产级"，机构不再需要为了一条链上国债交易自建整套技术栈。
机构从 POC 到量产：BlackRock、Franklin Templeton 等传统资管巨头不再满足于概念验证，而是将代币化国债作为常规产品线推出，直接拉动了市场规模。
不过需要冷静看待的是：340 亿美元在全球金融体系中仍是一个极小的数字。全球债券市场超 140 万亿美元，代币化债券仅占约 0.01%；全球黄金地上存量以十万亿计，代币化黄金约 50 亿美元，占比不到 0.02%。RWA 代币化完成了"概念验证"，但距离"主流化"还有数量级的差距。
资产类别分化：谁跑得快，谁在掉队？
不同资产类别的代币化速度差异极大，这背后反映的是上链复杂度与市场需求匹配度的博弈。
（一）第一梯队：国债与黄金——"最容易搬上链的资产"
代币化美国国债是本轮增长的最大引擎，规模约 152 亿美元，占整个 RWA 市场的近半壁江山。其逻辑非常直白：对加密投资者而言，这是让闲置稳定币"干活"的方式——既能获得传统货币市场收益，又无需离开链上环境；对机构而言，代币化国债意味着 T+0 结算、7×24 小时交易、以及更灵活的抵押品流转。
黄金几乎垄断了代币化大宗商品赛道（约 50 亿美元，占该品类 99% 以上）。黄金天然适合代币化：全球标准化、易于托管、不会腐烂，且加密圈对"数字黄金"的叙事早有心理铺垫。Tether 的 XAUT 和 Paxos 的 PAXG 本质上是把金库里的实物黄金变成了钱包里的链上凭证。
（二）第二梯队：私募信贷与专业金融——"为链上而生"
资产支持信贷（如代币化房屋净值信贷额度 HELOCs、借贷金库代币）是有记录以来最快达到 10 亿美元市值的 RWA 品类，仅用时 185 天。这类资产从设计之初就考虑了链上的可组合性，目标用户也是 DeFi 原生群体。
专业金融（如代币化再保险合约、比特币挖矿票据）不到两年突破 10 亿美元，同样受益于清晰的链上应用场景。
（三）第三梯队：股票、VC 基金与主动策略——"还在爬坑"
风险投资代币化花了七年多才达到 10 亿美元，主动管理策略耗时相近。核心瓶颈在于：这些资产结构更复杂、周期更长、合规与运营门槛更高，且链上需求并不明确——传统 LP不需要链上流动性，加密原生投资者又嫌锁定期太长。
一个关键观察：国债和黄金虽然体量最大，但它们的代币化逻辑更接近"数字化"而非"原生链上化"——只是把传统资产的记录搬到了区块链上，并没有改变资产本身的运作方式。相比之下，私募信贷和再保险代币从诞生起就是为链上可组合性设计的，这也解释了为什么它们的 DeFi 利用率远高于国债。
链上利用率：最大的品类，最低的活跃度？
这是文章中最具投研价值的发现之一：体量最大的资产类别，恰恰是最不"活跃"的。
代币化债券（1520 亿美元市值）中，仅有约 5%（约 8 亿美元）真正流入了 DeFi 协议。也就是说，绝大多数代币化国债被投资者"攥在手里"当生息凭证，而不是作为乐高积木去参与链上金融的搭建。
贵金属的情况类似，利用率极低。
反观体量小得多的品类：再保险代币（3.62 亿美元市值）有 84% 的供应量部署在 DeFi 中；私募信贷的 DeFi 利用率也达到 33%。
为什么会出现这种倒挂？
根源在于"代币化"与"上链化"是两个不同层次的概念。文章引用了 RWA.xyz 的区分框架：
"Represented"（表征型资产）：区块链主要充当记账基础设施，资产可转让性受限，可组合性几乎为零。大部分代币化国债和黄金属于这一类——它们更像是"数字收据"，底层资产仍由传统托管方和中介管理。
"Distributed"（分布式资产）：资产从设计之初就是可自由转让、可跨协议组合的链上原生金融积木。再保险代币（如 Nexus Mutual）和私募信贷（如 Maple Finance）属于这一类。
Pantera Capital 的"代币在场指数"（Token Presence Index）也给出了类似的结论：超过四分之三的代币化资产处于"最低链上化"等级。 这意味着，今天市场上大部分被称为"RWA 代币化"的实践，本质上只是用区块链做了一套更高效的账本，并没有释放出区块链作为"可编程金融基础设施"的核心价值。
对投资者和项目方的启示：RWA 的下一个竞争维度不是"谁能把更多资产搬上链"，而是"谁能让这些资产在链上真正流动起来、组合起来"。
多链格局：以太坊守擂，但战场在扩散
代币化资产的链上分布呈现出"一超多强"的格局，且没有出现向单一链收敛的迹象：
以太坊以 157 亿美元占据约半壁江山（51%），这与其在 DeFi 和机构采用上的先发优势一致。对需要高安全性和复杂智能合约交互的 RWA 项目而言，以太坊仍是首选。
BNB Chain（40 亿美元）、Solana（22 亿美元）、Stellar（17 亿美元）、Liquid Network（比特币侧链，15 亿美元）构成了第二梯队。
XRP Ledger、ZKsync Era、Arbitrum 各自接近 10 亿美元。
多链化的驱动因素很现实：成本、流动性、合规要求、以及 go-to-market 的合作关系。不同资产类别、不同发行方、不同司法管辖区的项目，会根据自身需求选择最合适的链。例如，Stellar 在跨境支付和新兴市场金融基础设施上有传统优势；XRP Ledger 则依托 Ripple 的银行网络关系。
值得关注的趋势：随着 RWA 从"持有型资产"向"交易型/组合型资产"演进，对链上流动性、跨链互操作性、以及合规级跨链桥的需求会指数级上升。谁能解决"合规资产跨链流转"的问题，谁就能在下一轮 RWA 基础设施竞争中占据关键位置。
未来展望：从 340 亿到 30 万亿，差距不在速度，而在定义
各大机构对 2030 年 RWA 市场规模的预测差异巨大，但方向高度一致：
这些预测的差异本质上是对"什么算 RWA"的定义分歧，而非对增长趋势的否定。McKinsey 的保守口径只算传统金融资产的上链化；BCG 和 Ripple 把银行存款和稳定币也纳入统计；Standard Chartered 的激进预测则可能包含了更广泛的贸易金融和商品流通。
但无论取哪个数字，相对今天 340 亿美元的市场，都意味着 100 倍以上的增长空间。而实现这一增长的关键，在于跨越从"数字化"到"原生链上化"的鸿沟——让代币化资产不仅是"能在链上持有"，而是"能在链上编程、组合、流转"。
总结与启示
RWA 代币化已经证明了"可以把资产搬上链"，但还没有证明"搬上链之后能创造增量价值"。
从数据层面看，市场 10 倍增长的叙事足够亮眼，但结构性的矛盾更值得警惕：
规模与活跃度倒挂：最大的品类（国债、黄金）利用率最低，说明机构入场更多是"配置需求"而非"使用需求"。这些资产被代币化后，仍然以"持有"为主要用途，没有成为链上金融生态的活跃参与者。
"数字化"不等于"链上化"：超过四分之三的代币化资产仅把区块链当作记账工具，没有释放可组合性这一核心优势。这意味着当前 RWA 市场的真实"链上渗透率"远低于账面市值所暗示的水平。
多链格局将持续：没有单一链条能垄断 RWA，成本、合规、流动性、生态关系等因素决定了不同资产会选择不同基础设施。这对后来者既是机会也是挑战——差异化定位比"大而全"更重要。
RWA 的下一程，竞争焦点将从"上链速度"转向"链上深度"。 谁能把代币化资产从"静态凭证"变成"动态金融积木"，谁就能在 100 倍增长空间中占据更有利的位置。而这需要的不只是技术基础设施，还包括监管框架对资产可转让性的明确、DeFi 协议对合规资产的适配、以及机构投资者从"试水"到"重仓"的心态转变。
"Now comes the hard part"——概念验证的阶段已经结束，真正的硬仗才刚刚开始。
Bolt 创始人 Markus Villig（马库斯·维利格）：如何在资本劣势下击败 Uber，并展望自动驾驶未来撰文：Techub News 整理
在欧洲乃至全球的共享出行战场，Bolt 是一个无法被忽视的名字。这家从爱沙尼亚走出的公司，在巨头 Uber 的阴影下，不仅生存下来，更在众多市场成为领先者。2026 年 4 月，Bolt 创始人兼 CEO Markus Villig（马库斯·维利格）做客 a16z 的深度对话节目，分享了公司从零到一、从一到百的曲折历程，以及对行业未来，特别是自动驾驶和“超级应用”战略的深刻思考。这场对话揭示了在资本并不占优的情况下，如何通过创新、效率和对本地市场的深度理解构建持久竞争力。
从爱沙尼亚到全球：效率与本地化的胜利
Markus Villig（马库斯·维利格）的创业故事始于一个许多硅谷创业者难以想象的起点：19岁，在仅有百万人口的爱沙尼亚，几乎没有风险投资生态。受到 Skype 等本土成功故事的鼓舞，Villig 很早就投身科技领域。他最初的想法很简单：用一个应用连接乘客和出租车司机，取代传统低效的调度系统。
早期，Villig 试图与出租车公司合作，甚至开发了车队管理软件作为“诱饵”，希望将其引入网络。但现实很快给了他教训。“当我试图在塞尔维亚签约当地最大的出租车公司时，我清楚地意识到，这些人就是黑手党。他们根本不在乎用户体验。”Villig 回忆道。这次经历促使 Bolt 果断转向，直接与个体司机合作，从而掌握了提供优质用户体验的主动权。
然而，真正的挑战在于扩张。凭借约100万美元的种子轮融资，年轻的团队雄心勃勃地试图同时进军十几个国家，结果几乎在六个月内让公司破产。“我们当时不知道哪些市场会成功，也不知道如何规模化。”Villig 承认。惨痛的教训让他们转向“顺序扩张”策略：集中全力攻克一个市场（他们选择了邻国拉脱维亚），摸透运营模式，形成可复制的“剧本”，再推向下一个。这种极度专注和务实的方法，成为了 Bolt 日后全球扩张的基石。
与筹集了240亿美元才上市的 Uber 相比，Bolt 的总融资额约为20亿美元。Villig 认为，资本的约束反而迫使 Bolt 变得极其创新和高效。“当你作为一个19岁的年轻人在一个小国家创业，周围几乎没有VC生态时，你显然必须比竞争对手聪明10倍或100倍才能活下去。”这种“节俭基因”深深植入了公司文化。他们无法在补贴大战中与 Uber 正面硬扛，于是转而深耕本地化：在非洲市场，他们更注重安全功能和本地支付方式；在欧洲各地，他们更快速地适应各城市的法规和用户习惯。Villig 指出，一旦建立了高效的单元经济模型，后来者很难追赶，因为“当公司已有数千名员工时，改变思维和文化几乎是不可能的”。
COVID-19 大流行是行业的至暗时刻，Bolt 的收入一度暴跌85%，但也成为了关键的转折点。Bolt 迅速利用其现有的出行网络，在4个月内将食品配送服务扩展到16个国家，迅速实现了超过10亿欧元的总预订额。同时，他们密切关注各地解封动态，并提前积极投入。“当一切顺利时，很难在比赛中超越别人；但当下雨时，你可以超越很多车。”Villig 用这个比喻说明，他们在疫情后市场份额增长了两倍，因为他们是用户回归时最先想到的应用。
欧洲创业生态：挑战、优势与未来
作为欧洲成功的科技创业者，Villig 对欧洲的创业生态有着辩证的看法。他认为，从爱沙尼亚这样的小市场起步，迫使公司从第一天起就为全球化设计技术架构和运营模式，这是一种优势。“你必须拥有出色的产品飞轮，能够快速理解当地情况并整合本地化需求。”这不同于在印度或美国这样庞大单一市场起步的公司。
但劣势同样明显。Villig 指出，在具有强网络效应和规模经济的消费互联网行业，历史轨迹往往是美国公司最终主导全球。原因在于，美国市场同质化高，公司增长更快。三到五年后，美国玩家的规模可能是欧洲同行的两倍，从而能够凭借资本优势碾压对手。“你需要业务具备非常独特的特性，才能避免被更大规模的玩家消灭。”
当被问及为何爱沙尼亚能诞生如此多成功的科技公司（如 Skype、Wise）时，Villig 总结了三点：雄心、顶尖的软件工程师和数字优先的国家环境。爱沙尼亚的数字化程度极高（如在线投票已实行20多年），这培养了国民对数字服务的高期望，也让科技创业成为很自然的职业路径。在人才方面，Villig 认为东欧拥有世界上最好的软件工程师之一，但寻找具备规模化运营经验的商业领袖则相对困难，不过这正在随着地区经济繁荣而改善。
对于欧洲如何与硅谷竞争的问题，Villig 直言不讳地指出，监管经常被当作借口，但更深层的原因是文化，尤其是在西欧。“我认为人们已经失去了雄心。他们不认为自己能与美国竞争，有一种宿命论。人们不想努力工作，在某些社区，赚钱甚至是一种禁忌。”他观察到，欧洲新的成功创业公司更多地来自东欧或北欧，这些地区保留了更强的创业文化。
自动驾驶、超级应用与AI赋能：Bolt的未来蓝图
Villig 对自动驾驶的未来持有与当前主流叙事不同的“逆向”观点。他认为，自动驾驶软件领域不会出现“赢家通吃”的局面。首先，驾驶所需的智能门槛并不像大语言模型（LLM）那样“无限”，达到一定的安全性和性能后，边际收益会急剧递减。其次，所谓“数据飞轮”效应在自动驾驶领域并未被实证——拥有更多车辆和数据并不直接等同于更好的驾驶性能。因此，他预测将出现多元化的玩家。
基于此判断，Bolt 选择与一家中国自动驾驶制造商合作，旨在成为欧洲自动驾驶出租车（Robotaxi）的领导者。Villig 解释说，大多数传统汽车制造商（包括欧洲的）都缺乏开发自动驾驶软件的文化，而中国公司正在全球快速扩张。同时，进入门槛已大幅降低：训练模型的算力成本、数据收集成本和传感器（如激光雷达）成本都比15年前下降了数个数量级，这为新的创业公司创造了机会。
Bolt 的自动驾驶战略并非取代现有网络，而是构建一个“混合网络”，在长达10-20年的过渡期内，让自动驾驶汽车和人类司机共存。这既能应对出行需求高达20倍的峰谷波动，也能弥补自动驾驶汽车在地理覆盖上的初期局限。
在业务层面，Bolt 正在构建一个围绕“取代私家车”使命的“超级应用”生态，涵盖网约车、食品杂货配送、滑板车、电动自行车、汽车租赁等。Villig 认为，这不仅能提升用户体验（一站式服务、统一支付、个性化推荐），更能带来巨大的商业优势：通过跨业务导流，可以大幅削减吸引用户所需的高额补贴营销费用，从而在单元经济上远超单一业务玩家。但他强调，扩张必须保持纪律，只进入有清晰路径成为市场第一或第二的领域，因为“在这些市场平台业务中，第三名价值为零”。
至于为何“超级应用”模式在美国不常见，Villig 的直觉是：美国市场足够大，专注于一个细分领域就能打造千亿美元公司，无需多元化。
人工智能正在深刻改变 Bolt 的内部运营。Villig 分享道，AI 已帮助公司自动化了超过50%的客服交互，且速度和用户满意度（NPS）更高。在软件工程领域，新模型极大提升了生产力。更令人兴奋的是，AI 使非技术人员能够进行复杂的数据分析或构建自定义工具，自动化那些原本不会被优先处理的工作流程。Villig 预计，这能让公司在营收高速增长的同时，保持甚至逐步减少总人数，进一步巩固其成本优势。
尽管 Bolt 的主要市场在欧洲和非洲，但 Villig 出人意料地指出，美国出行市场是“世界上竞争最不激烈的”，因为价格高企，现有玩家从客户和司机那里抽取了高额利润。这正是在华盛顿特区试点滑板车业务，并观察更大机会的原因。
展望未来，Villig 将 Bolt 的发展分为两幕：第一幕是在“人类驾驶时代”构建全球最佳的出行平台，这部分仍有巨大增长空间；第二幕则是引领欧洲和非洲的自动驾驶出行。“我认为这甚至比人类时代更符合我们的DNA，”他解释道，“因为大多数硅谷公司并不擅长成本效率、节俭和现实世界运营，而这正是我们的基因所在。”他相信，自动驾驶是 Bolt 将业务规模再扩大100倍的机会。
在访谈最后，Villig 给年轻创业者的建议简单而有力：立刻开始行动。他认为现在是创业的最佳时机，软件构建的门槛从未如此之低。而他从12年创业历程中总结出的最痛教训是：招错人。他建议未来要更加关注人才与公司文化、信任度、责任心的契合，而不仅仅是智力或解决问题的能力，因为与能给你能量的人共事，在漫长的创业路上至关重要。
Jacob Helberg：赢得 AI 竞赛的三个支柱与关税背后的国家安全逻辑撰文：Techub News 整理
2026 年 3 月，白宫科技与国家安全高级顾问 Jacob Helberg 做客 a16z 的「Deep Dives」播客，就人工智能时代的全球技术竞争、美国国家AI战略、关税政策与供应链安全等关键议题进行了深入阐述。作为《The Wires of War》一书的作者及从硅谷到华盛顿的政策实践者，Helberg 的观点清晰地勾勒出当前美国政府在科技地缘博弈中的核心思路与行动框架。这场对话对于理解 AI 竞赛背后的国家意志与政策工具至关重要。
从「网络战争」到 AI 竞赛：硬件主权与软件能力的双重升级
访谈从 Helberg 2021 年出版的《The Wires of War》开始。他指出，该书的核心论点——世界正处于一场双线地缘科技战争中——在当时尚有争议，如今已成为共识。这场战争的一端是软件（如信息操作），另一端则是硬件（如互联网基础设施）。Helberg 当时就强调，硬件端才是决定性的战场，因为如果一个国家控制了互联网的硬件层，它就能危及和控制运行其上的一切。
这种担忧源于不同的治理模式。在美国，科技公司独立于政府运作；而在某些国家，公司更从属于中央政权。当外国政府能够将其科技公司作为政治权力的工具时，这对国家主权构成了根本性挑战：当一个外国势力可能知晓你国内所有法官、记者、政客最深层的秘密时，主权的定义已然改变。特朗普政府时期对华为、中兴的全面行动，正是基于这一逻辑，且此政策已被后续政府延续。
然而，ChatGPT 的横空出世及其引发的 AI 革命，极大地加剧了这场技术竞赛的赌注。AI 技术如同给政府能力注射了「类固醇」，使其能够以前所未有的规模和精度执行各类操作。这迫使美国政府必须将 AI 置于国家竞争战略的核心。
赢得 AI 竞赛的三大支柱：质量、市场与供应链
认识到 AI 将彻底改变经济与军事力量后，美国政府制定了赢得 AI 竞赛的政策。总统在去年七月的一场重要演讲中宣布了「AI 行动计划」，其基调被 Helberg 类比为肯尼迪的「登月演讲」，充满雄心。
那么，如何实现「赢得竞赛」这一目标？Helberg 从政策执行角度提出了三个必须满足的条件：
第一，拥有世界上质量最好的 AI 创新。美国的模型必须比地球上所有其他模型都更优越。目前美国在这方面已处于领先，但挑战依然存在，例如模型蒸馏（model distillation）对知识产权和行业单位经济学的破坏性影响，就是政府与企业正在共同应对的新难题。
第二，拥有最大的市场份额。如果拥有精妙的模型却无人使用，那将毫无意义。美国政府相信其产品的优越性会吸引用户，但也承认竞争环境并非总是公平。因此，政府积极与各国沟通，确保对安全技术的偏好，并推出了「AI Expert Program」等项目来在全球推广和获取用户，甚至为特定国家（Pax Silicon 伙伴）提供「芯片礼宾服务」。
第三，确保供应链安全。这是政府可能扮演最重要角色的领域。如果技术公司依赖的全球供应链中有一个微小环节出错，整个体系将变得非常脆弱。COVID-19 暴露了美国供应链的脆弱性：它们高度地理分散，由成千上万、信息不对称的供应商组成，缺乏协调和能见度。
政府正在充当催化剂，利用承购协议、合资企业、共同投资机会等工具，为那些具有系统重要性的公司带来更高的供应链效率和协调性。市场激励，例如创建某种优惠贸易区，也是工具之一。
关税：经济政策与国家安全的重塑工具
话题自然转向了近期备受关注的关税政策。Helberg 为关税辩护，认为其本质是对过去 25 年错误政策选择导致产业空心化的「重新校准」。过去一代人的时间里，美国失去了 6 万家工厂和超过 200 万个制造业岗位，这并非天命，而是政策结果。
他指出，在纯粹完美的市场中，贸易赤字通常会通过货币价值变化回归均衡。但美国连续 25 年出现季度性贸易赤字，这显然市场未能正常运作。关税有助于纠正这些长期、结构性的贸易赤字。他以数据说明：总统上任时，美国与前 12 大贸易伙伴的年贸易赤字超过 1 万亿美元，这是不可持续的。实施关税后，对华贸易赤字（长期以来最大的赤字来源）正在历史性下降，总体贸易赤字也在缩减。
更重要的是，美国看到了创纪录的资本支出投资。这些投资是领先指标，虽然尚未完全转化为产能（许多工厂正在建设中），但预示着未来生产能力的提升。关税改变了在美国进行制造的经济账，为美国建设者提供了一个重新平衡的竞争环境，使其在美国本土进行生产变得经济可行。
Helberg 将「特朗普工业革命」的要素归纳为：关税、去监管、能源丰富以及税收激励（包括通过「One Big Beautiful Bill」进行的资本支出投资）。这些基础构件彻底改变了在美国制造的单位经济学。他对比了欧洲的状况：高能源价格、疯狂监管和高税收，导致了持续的「去工业化」，而美国正在做出不同的政策选择并实时看到效果。
盟友、对手与机遇：全球化新架构下的合作
谈及欧洲，Helberg 认为其增加国防开支的政治意愿是真实的，但将意愿转化为能力需要公司和建设者。欧洲在鼓励风险承担的文化、以及高昂的建造成本（能源、法律费用）方面面临重大阻力。美国因其联邦制，各州是「民主的实验室」，公司若在一州遇到困难，可迁往税收和监管环境更友好的州，这保持了体系的活力。他强调，美国希望欧洲强大，因此与欧洲朋友进行坦诚对话，指出其政策上的逆风，这是一种「清晰的仁慈」。
对于中东主权 AI 投资的兴起，Helberg 持积极合作态度。中东拥有大量资本和廉价能源（这是大规模计算训练的关键成本要素），并希望经济从碳氢化合物转向 AI（出口「智能与代币」）。美国的观点是与其合作，实现互利。美国与阿联酋、沙特、以色列等国签署了 AI 合作协议，认为这能让美国公司利用当地的廉价计算资源，扩大领先优势，是做大蛋糕的机会。
在宏观层面，Helberg 相信 AI 将像工业革命一样，带来经济增长的长期加速。农业社会经济增长率在 0-1%，工业革命后提升至 1-3%，实现了复合增长。AI 革命可能将增长率推高至 3-6%。美国经济增长率已突破 5%，生产率增长也超过 5%，同时能源、矿产、组件、计算能力的需求空前旺盛，经济呈现「供应受限」的过热状态，这都预示着巨大的增长潜力。
应对关键瓶颈与全球化新叙事
面对中国在某些关键矿物加工领域占据主导地位（如提及的90%）的担忧，Helberg 表示乐观。他认为美国拥有世界上最富才华的创始人，且社会赋予他们权力而非压制。美国作为一个由「杂牌军」反抗帝国起家的国家，拥有在最后关头表现出色的基因，他完全相信美国能够解决供应链多元化问题，关键在于逆转 25 年趋势所需的时间。
最后，针对「本届政府代表全球化退缩和联盟削弱」的批评，Helberg 予以反驳。他认为，所谓的「全球化」是一个美国进行单边贸易让步、导致巨额贸易赤字和产业外流的时期。当前政策是重新设计贸易架构，在继续贸易的同时，建立更公平、互惠、更符合美国国家安全利益的条款。这并非反对合作，正如「Pax Americana」和「和平委员会」所展示的，美国欢迎与志同道合的国家合作。新的全球化架构是在确保国家安全的基础上，进行更有利、更深入的全球参与。
整场访谈描绘出一幅清晰的图景：在 AI 驱动的时代，技术领先、经济独立与国家安全已深度捆绑。美国的战略不仅是发展尖端科技，更是通过关税、供应链重组和国际合作等一系列政策工具，重塑国内产业基础与全球竞争格局，旨在赢得这场定义未来的竞赛。
Sebas Mejia：拉丁美洲的复杂性与韧性，是下一代AI全球赢家的摇篮撰文：Techub News 整理
在a16z最新的播客节目中，主持人邀请了一位对拉丁美洲科技生态有着深刻洞察与非凡实践的创业者——Sebas Mejia。他不仅是拉美首个“超级应用”及独角兽Rappi的联合创始人，如今更在巴西创立了AI劳动力管理公司Tako。这场对话不仅回顾了在“无基础设施”环境下构建复杂物流帝国的艰辛，更展望了AI时代下，拉丁美洲凭借其独特的市场复杂性与工程人才，孕育全球性科技公司的巨大潜力。对于任何关注新兴市场、AI应用与全球创业趋势的读者而言，Sebas的实战经验与宏观思考都极具启发性。
从卡利到全球：一位拉美创业者的非典型路径
Sebas Mejia的创业基因，根植于哥伦比亚卡利一个充满活力的家庭。他的母亲巧妙地将商业与文化结合，创办了融合太阳马戏团与萨尔萨舞的表演团体；父亲则是一位不断尝试新事物的连续创业者。这种充满创造力与韧性的成长环境，加上父母离异后养成的独立性格，塑造了他不惧挑战、善于在资源有限条件下寻找突破的特质。
17岁时，Sebas前往巴塞罗那求学，这开启了他作为“世界公民”的视角。然而，父亲早逝的变故迫使他迅速自立。为了留在马德里完成学业，年仅20岁的他开始了第一次创业：一个“没有互联网的Spotify”。在iPod时代，他组建团队，为客户定制装满音乐的iPod数据库并加价出售。这段经历不仅让他生存下来，更让他亲身体验了技术如何改变内容消费模式。
金融危机后，Sebas来到纽约，继续他的创业之旅。他参与创建了一家帮助超市在线销售杂货的公司，并因此与印度信实工业等大客户合作。在印度长达数月的经历成为关键转折点。“我听到了一些前所未闻的事情，”他回忆道，“比如‘我们将通过智能手机连接10亿人上网，绕过传统互联网架构’。”亲眼目睹整飞机整飞机的智能手机从亚洲运抵印度，让他深刻认识到技术在新兴市场所能引发的巨变，也为后来创立Rappi埋下了种子。
Rappi：在“无服务”大陆上构建操作系统
对于拉美用户而言，Rappi几乎无人不晓。这个“本地商业操作系统”横跨9个国家、100多座城市，提供从餐饮外卖、超市杂货到药品酒水的即时配送服务，部分订单可在10分钟内送达。但Sebas强调，Rappi更深远的意义在于其生态影响：它孕育了超过150家由前员工创立的公司，为数以百万计的配送员提供了高于最低工资数倍的灵活收入，并锤炼出一支能应对极端复杂运营的“硬仗”团队。
Rappi的诞生源于一个更早的创业项目。当时，Sebas和联合创始人Simon试图为零售商打造移动购物体验，但刻意避开了物流履约环节。两年后他们意识到，要提供指数级优化的客户体验，必须掌控从前端、支付、风控到物流的整个链条，尤其是“原子移动”的部分。对传统零售商思维僵化的挫败感，催生了2015年10月在波哥达送出的第一单Rappi外卖。
与硅谷常见的“先深耕单一市场”建议相反，Rappi在成立仅两三个月后就进入了墨西哥市场。“我们根本没听那些建议，”Sebas坦言。他们深知，要建立一家举足轻重的公司，就必须进入具备规模潜力的正确市场。这种早期国际化的胆识，源于对拉美市场整体性的认知。
Rappi的核心是一个复杂的优化问题：需要在每一个微区域平衡客户、骑手和商家的供需关系。运营这样的业务在任何地方都极具挑战，而在拉美，难度更是呈几何级数增长。“这里没有任何现成的‘某某即服务’基础设施，”Sebas指出，“我们就是那个‘服务’。”他举例说明：物流方面，没有类似FedEx或UPS的成熟网络可供利用；支付方面，许多市场仍以现金为主，团队必须自建现金收款能力；风控方面，通用风控服务无法识别当地的异常模式，迫使Rappi自建系统。正是这种“做难事”、尽可能垂直整合的策略，虽然艰辛，却构筑了强大的护城河，使得Rappi至今仍是该地区唯一独立且由创始人领导的公司。
Tako：用AI攻克巴西的“合规税”，释放生产力
离开Rappi约一年后，Sebas将目光投向了巴西一个更为根本且棘手的难题：劳动力合规管理。他创立的Tako，旨在构建一个“企业劳动力运营的智能层”。
巴西的商业环境以其极端复杂性著称，有人称之为“巴西成本”，估计能占到GDP的10-20%。其中，税收和劳动力法规是重灾区。Sebas形容巴西的劳工法规是“全球最复杂的体系之一”，宪法、联邦法律、地方法规乃至法官的个案裁决相互交织且时常变动，形成了一套令企业望而生畏、运营成本高昂的迷宫。Tako的目标，就是通过AI系统消化这海量的法规，并将其转化为代码和可执行的智能体。
“我相信，如果你构建一个能让企业处理所有这些复杂性的系统，你完全改变了企业的能力边界，”Sebas强调，“这不是让企业效率提升10%、20%，而是让它们能够做到以前闻所未闻的事情。”AI的出现，使得接管大量由人力完成的、低价值但高复杂度的合规服务工作成为可能。
Tako目前围绕四个核心产品展开：首先是“Auto”，一个类似OpenAI产品但专注于劳工领域的智能体，它能以远超通用大模型的准确度理解法律，并帮助企业保持合规。其次是一套端到端的智能体系统，覆盖从招聘、入职、薪酬计算、支付、政府报备到与会计系统集成的全流程。第三是语音招聘助手，它依据巴西法规和公司运营原则生成面试脚本，确保合规且无歧视。最后是针对大型企业的定制化解决方案。Sebas特别指出，Tako构建了可能是全球唯一完整的巴西劳工法规数据集，并开发了自己的智能体操作系统，能灵活调用工具、选择模型并进行全链路监控。
他强调，向企业推广AI应用时，应避免谈论技术本身。“我们内部常说，你应该能用大白话向任何人解释智能体为公司做了什么具体的工作，而不必提及‘AI’或‘模型’这些词。”同时，他借鉴巴黎蓬皮杜艺术中心“内外翻转”的建筑理念，主张AI智能体的工作流程应尽可能透明可视，让企业用户能理解其内部运作，从而建立信任。
人才哲学：在全球范围内寻找“钻石型”人才
Sebas的成功，很大程度上归功于他对人才的独特理解和极致追求。他的移民经历和在纽约、欧洲的创业经验，让他很早就摒弃了“本地最优”的思维，转而追求“全球顶尖”。
他的面试方法别具一格：深入探究候选人的童年、成长经历、家庭故事，尤其关注其韧性和克服困难的故事。“聪明人很擅长推销自己，说你想听的话，”他说，“所以我会有意淡化这部分，更关注‘人’本身。”他心中有一个“钻石”评估模型：四个角分别是智商（IQ）、情商（EQ）、逆商（AQ，即抗逆力）和能量（Energy，或称之为主观能动性），而钻石的中心是“心”（Heart），即正直、价值观和信任。
在Rappi时期，他曾将70-80%的时间投入人才招募。2020年左右，面对疫情带来的业务激增和运营复杂性，他问自己：“世界上做这类公司最优秀的人在哪里？”答案指向了DoorDash。通过不懈努力，他最终吸引了约25名DoorDash的核心成员加入Rappi，这对公司的运营能力产生了深远影响。如今在Tako，他延续了这一理念。公司在硅谷设立了“黑客之家”，让巴西的顶尖工程师能与AI前沿保持同步，同时也直接在硅谷招募人才。“要打造一家全球性公司，你需要全球顶尖的人才。”Sebas总结道。
他尤其欣赏有创业抱负的候选人。“如果有人对我说他想创业，我太喜欢了，”Sebas说，“我会说，给我三四年时间，我们用别人的钱让你学习、犯错，这是成为创业者的绝佳途径。”他认为，像Rappi或PayPal这样业务极其复杂的公司，正是锻造顶尖创业者的熔炉。
拉丁美洲的AI机遇：跳过软件时代，直接拥抱智能体
Sebas认为，AI为拉丁美洲带来了前所未有的机遇，其潜力甚至比软件时代更大。原因在于，许多拉美行业从未真正被软件深刻改造，因为“人力即服务”（HaaS）的模式长期存在且成本低廉。AI现在要替代的，不仅仅是软件，更是这些低附加值的人力服务。
拉美经济体以服务业为主，但很多是低质量服务。AI有能力颠覆这些庞大市场。要催生出真正的全球性AI赢家，Sebas认为需要几个关键条件：首先是解决真实、复杂且大规模的市场问题，正如Tako所做的那样。这类应用需要时间深耕，但能建立持久的竞争壁垒（如网络效应、规模、转换成本、品牌或知识产权）。
其次，需要在AI技术栈上追求更大的“主权”。他希望看到拉美出现更多的AI计算集群、本地部署的GPU，甚至是对模型层的投入。他担忧美国若与拉美技术生态不够紧密，该地区的云服务、电信基础设施、AI应用和模型可能会被其他国家的公司主导。他以墨西哥为例，指出其几乎100%的电信基础设施来自华为。
此外，巴西在某些领域的“超前”常被外界低估。Sebas特别赞扬了巴西央行，认为它是“最被误解的创新者”，不仅在推出即时支付系统PIX方面表现出色，在数字货币、区块链应用和监管框架设计上也走在世界前列，甚至向其他国家输出经验。巴西的反垄断监管机构、全国性的劳工事件中央登记系统（eSocial）等都展现了高度技术官僚化和现代化的特征。“我们需要讲述关于这个市场的正确叙事，既有其问题和挑战，也有其先进的一面。”
对于巴西等拉美大国人均GDP增长停滞的质疑，Sebas认为，营商环境的复杂性和高成本是重要制约因素。AI驱动的效率提升有望部分解决这个问题。同时，拉美许多伟大公司（包括Rappi）的诞生，往往“并非得益于政府，而是尽管有政府”。这些公司在各种经济政治周期中存活壮大，并有望随着规模扩大，帮助推动整体经济的现代化。
愿景：整合美洲，拒绝被定义的创业者
Sebas有一个宏大的愿景：更紧密地整合整个美洲。他指出，美国是世界最大经济体，拥有约3.3亿人口；而拉丁美洲有6.5亿人口，是第三大经济区块。拉美拥有工程人才、GPU、充沛的能源、大宗商品、生物多样性，文化宗教相近，时区相同。他渴望看到更多的人才、公司和资本在这条“走廊”上流动，创造巨大的繁荣。
另一方面，他也从地缘竞争角度发出警示。从能源、GPU、云服务、电信到应用，确保美洲技术栈由“我们”而非“对手”主导至关重要。他观察到，许多美国科技公司在拉美的投入严重不足，往往只设一个两三个人的办公室，他认为这是一种战略短视。
作为一名创业者，Sebas拒绝被放入任何“盒子”。他崇尚真实与自由，享受与团队并肩作战、亲自销售产品，同时也从投资和研究中持续学习。他将这种多元角色融合视为一种强大的运营方式。
对于有志在拉美打造全球AI公司的年轻一代，Sebas给出了他的建议：追求真正让你感兴趣的问题，保持真实；迎难而上，因为困难的问题往往意味着巨大的机会和防御性；尽早思考并构建你的竞争壁垒；始终保持学习的心态，不仅是学习新技术，也要研究伟大企业的历史；最后，认识到标准很高，在拉美建立一家伟大公司很难，但唯有追求卓越和全球竞争力，才能成就真正重要的事业。
“好消息是，”他最后乐观地总结道，“我认为我们拥有实现这一切的原材料。”
Anker：AI是连续的，系统是离散的，工程化的时机在于「上帝」不再变聪明撰文：Techub News 整理
2026 年 2 月，AI数据平台Braintrust的联合创始人兼CEO Anker做客a16z，与主持人Martin Casado进行了一场深度对话。Anker的职业生涯横跨关系型数据库时代与深度学习革命，曾创立AI文档处理公司Impira（后被Figma收购），并领导Figma的AI团队。这种独特的「系统产品人」转向「AI人」的视角，让他对当前AI热潮下的工程实践、技术路径与行业生态有着冷静而犀利的观察。本次对话触及了AI研发的核心张力、工程价值的真正所在以及开发者面临的现实抉择，为理解AI应用的下一阶段提供了关键框架。
核心矛盾：连续的非确定性与离散的系统性
对话开篇便直指一个根本性的认知差异。Anker指出，AI本质上是连续和非确定性的，而传统的软件系统则是离散和确定性的。系统工程师的思维模式建立在可预测性、可靠性和一致性之上，他们习惯于构建编译器，追求每个查询都正确无误。而AI研发者则更像是在构建优化器，接受结果在一定范围内的波动和概率性。
这种思维差异导致了实践中的张力。当前，前沿AI实验室的研发模式在很大程度上遵循着所谓的「苦涩教训」——即通过投入海量数据和计算资源来获得能力跃升，而非依赖精巧的人工设计。这看起来像是一种「反工程」的范式。资本在此扮演了关键角色：只要能够持续筹集巨额资金，这些实验室就能通过「暴力计算」不断推动模型变得更强，而无需过早陷入复杂的工程优化。
然而，Anker认为这并非故事的终点。他用一个生动的比喻描述当前状态：「我们现在就像在建造『上帝』。」只要持续投入资本能让这个「上帝」哪怕聪明1%，这在经济上就是可行的。但当有一天，你无法再通过堆砌资源让『上帝』明显变聪明时，一个巨大的机会就会出现——那就是通过工程化，让『上帝』变得极其高效。届时，工程复杂性将成为真正的壁垒，而非资本的附属品。
评估：理解问题，而非理解模型
面对复杂且不透明的AI模型，如何构建可靠的应用？Anker强调了评估的核心地位。他澄清了一个常见误解：评估的目的并非为了理解模型内部的运作机制（那几乎是不可能的），而是为了深刻地理解你所要解决的具体问题。
他分享了自己在Impira和Figma的经验：当针对不同用例优化模型时，改善一个场景的性能可能会损害另一个场景。建立一套评估体系，通过假设、模拟、定量测量与定性分析相结合的反馈循环，是确保产品朝着正确方向迭代的唯一途径。他甚至认为，评估应该成为产品经理的主要工作，它是传统产品需求文档的自然演进——通过创建一个优秀的评估集，你实际上是在对你产品应有的行为做出声明式定义。
对于应用开发者而言，这意味着一种思维转变：不要试图去「理解」或「控制」那个从天而降的「外星科技」模型，而是构建精良的「 harness」（测试与集成框架）来「保护」你的应用。这个框架能让你灵活地测试新模型、调整提示词、管理上下文，并将AI的非确定性输出与传统的、确定性的状态机可靠地连接起来。框架内部的逻辑应该设计得足够轻量和可抛弃，因为模型本身在快速迭代。
开源模型的崛起与「智力红利」的扩散
对话的一个重要焦点是开源模型，特别是中国模型（如GLM-5、MiniMax 2.5）的迅猛发展。Anker分享了来自Braintrust平台的实际数据：
用例数量/客户数量：使用中国模型的占比很低。
Token消耗量：占比却非常高。
美元支出权重：占比仍然较低。
这一分布揭示了当前市场的微妙状态。Anker的基准测试显示，在某些复杂代理任务上，顶尖的中国模型已经达到了与Claude 3.5 Sonnet等前沿模型相近的饱和性能（例如95% vs. 100%的得分），但成本却低至三分之一甚至九分之一。
那么，为何美元权重没有迅速转移？Anker指出了几个系统层面的原因：
API与基础设施成熟度：开源模型提供商在速率限制、服务稳定性、规模化交付方面仍远不及OpenAI等巨头。
成本导向的采用：用户目前主要因成本原因转向这些模型，这自然限制了其收入规模。
创新周期的压制：闭源前沿模型大约每3-6个月出现一次阶跃式进步，每次进步都会吸引全行业注意力，暂时「扼杀」对开源替代品的讨论。只有当闭源创新进入平台期，而开源模型性能追平时，市场才会认真考虑大规模迁移。
Anker观察到一种有趣的模式：一些精明的客户会无视行业噪音，坚持使用如Llama 3.1等「过时」模型，因为他们对特定高容量、需求稳定的用例（如客服）已经了如指掌，能够持续优化并从模型中榨取极致性能。这预示着，当模型能力普遍超越某个阈值后，工程化、领域专精和成本控制将比单纯追求最新模型更重要。
「Bash狂热」与「SQL理性」：一场关于抽象层的较量
针对当前AI代理开发中的一个热门趋势——赋予模型类似Bash的底层系统访问权限，Anker表达了鲜明的不同意见。许多开发者发现，让模型直接操作文件系统、执行命令行指令，似乎比通过结构化的API（如MCP服务器）更能发挥其能力。于是出现了各种将问题「映射」到类Bash环境的工程尝试。
Anker认为，这本质上是一种「偷懒」的工程思维。模型本身擅长编写代码（这比写SQL更难），完全具备表达SQL查询的能力。问题的关键在于，如何将数据组织在SQL环境中供模型访问。如果SQL本身就是更高效的数据查询方式，那么强迫模型通过一系列Bash操作来模拟SQL，无疑是低效的。
Braintrust团队对此进行了基准测试，结果颇具讽刺意味：在准确性、效率、Token利用率和速度上，SQL方案全面优于Bash方案。甚至连性能较差的模型，在SQL环境下的表现也优于在Bash环境下的表现。
这引申出一个更深层的分野：一部分开发者倾向于赋予模型原始的计算环境，让其「暴力」解决问题；另一部分则主张运用计算机科学的基本原理，为模型提供强类型、引用透明、声明式的接口。Anker显然是后者的拥护者。他在Braintrust内部推行严格的类型规范，认为在类型系统层面达成一致，是保证复杂系统（尤其是涉及状态管理）可靠性的基石。这预示着，AI的普及可能反而会迎来一个计算机科学基础原理的「黄金时代」，因为要可靠地驾驭强大的模型，需要更严谨、更深刻的系统设计。
资本、需求与工程化的未来
最后，对话回归到那个根本问题：如果前沿实验室能持续募集远超下游生态的资金（例如，Anthropic一轮融资的金额可能超过所有依赖其模型的初创公司融资总额），那么工程化究竟何时会成为必须？
Anker提出了两个可能打破这种循环的因素：一是资本理性化，融资变得困难；二是模型缩放本身遇到根本性极限。如果两者都不发生，那或许就意味着AGI的临近，届时讨论的将是完全不同的问题。
然而，他提出了一个更近在眼前的限制因素：需求侧的消化能力。企业部署和消化AI系统的速度，远跟不上模型能力的进步。将一个在基准测试中得100分的模型集成到复杂的企业工作流中，并真正产生价值，其挑战是巨大的。这可能是模型能力供给侧的「太阳」遇到的第一个「行星环」限制。
对于创业者，Anker也给出了务实建议。在当前的「按Token付费」主导的商业模式下，任何AI原生产品的定价都需要与Token消耗量建立某种价值对齐。Braintrust本身虽然不转售Token，但其按数据量（与Token量近似）的定价策略，正是为了与客户的价值感知和自身成本结构保持一致。
总之，Anker的视角为喧嚣的AI领域注入了一剂系统工程的清醒剂。他的核心论点是：当前由资本和暴力计算驱动的模型能力提升阶段终将放缓，届时，工程化、效率优化和对问题本质的深刻理解，将成为构建持久、可靠、有价值AI应用的关键。而现在，正是为那个时代积累经验和工具的时候。
Temporal CEO Summer：AI Agent 时代，持久化执行是“操作系统”与“执行权威”撰文：Techub News 整理
在AI Agent（智能体）应用如雨后春笋般涌现的当下，如何确保这些能够自主执行复杂、长时任务的“数字员工”稳定可靠、永不“失忆”？2026 年 2 月，开源持久化执行平台Temporal的联合创始人兼CEO Summer，在知名风投a16z的“Deep Dives”播客中，与合伙人Ragu Gurumurthy进行了一场深度对话。作为从Uber内部孵化、并已支撑起Uber、Snap、Coinbase等巨头核心业务的技术创始人，Summer分享了Temporal如何从解决微服务架构下的状态管理难题，演进为当今AI Agent浪潮中不可或缺的基础设施，并展望了多智能体协作的未来架构。
一、从混乱厨房到可靠引擎：什么是持久化执行？
想象一个繁忙餐厅的后厨：订单如潮水般涌来，厨师可能轮班，灶台可能故障，菜品准备时间长短不一，现场一片“混乱”。然而，无论内部如何忙乱，餐厅最终追求的结果是清晰且确定的：每一份订单都必须按照特定流程被处理，并且最终准确地送达给顾客一次，且仅有一次。
Summer用这个生动的类比，解释了现代分布式软件系统（尤其是AI Agent应用）面临的挑战：系统由数十甚至上百个微服务组成，每个服务的可用性、响应时间各异，网络可能抖动，机器可能宕机。在这种“混乱”中，如何保证一个涉及多步骤、长时运行的业务逻辑（如“处理一份订单”）能够从头到尾可靠地执行完毕，并且状态（例如“订单已支付，正在备餐”）永不丢失？
这正是Temporal的核心价值——持久化执行。作为一个开源平台，Temporal承诺：开发者只需编写核心的业务逻辑代码（即“做什么”），而将“如何确保执行”的艰巨任务完全交给平台。当函数执行过程中发生任何故障（如服务器崩溃、网络中断），Temporal会自动记住所有中间状态，并在新的可用主机上无缝、透明地恢复执行，从上次中断的地方继续，无需开发者编写任何容错或状态恢复代码。
“我们为开发者完全抽象了状态管理。”Summer解释道，“你只需编写业务逻辑，而我们作为‘执行权威’，确保在系统存在各种混乱和故障的情况下，每一个订单（或任务）都被处理且仅处理一次。”
二、从Uber到AI Agent：持久化执行的演进之路
Temporal的技术基因源于其前身Cadence，后者诞生于Uber应对微服务架构挑战的阵痛期。2015年，快速增长的Uber发现其单体架构已无法支撑业务，于是转向微服务。然而，极端化带来了新问题：“当我们加入Uber时，公司的微服务数量甚至超过了工程师人数。”Summer回忆道。
构建有状态应用需要在数十个可用性各异的微服务间编排调用，状态管理变得一团糟。Cadence（及后来的Temporal）应运而生，其核心思想是：编写一个函数，平台负责其持久性，保证该函数从开始到结束的执行。
小试牛刀：小费处理流程：Uber最初在整合南美某银行的小费支付功能时，遇到了SLA（服务等级协议）长达3天的挑战。原有基于Kafka的消息系统不适合单条消息重试数天。团队首先使用Cadence工作流处理失败重试，后来逐步将整个事件驱动系统迁移到Temporal上。
极致案例：Uber忠诚度计划：这个系统为每一位Uber乘客运行一个永久存活的工作流。每次行程完成事件都是一个信号，触发工作流中的业务逻辑（如计算积分）。整个乘客的状态完全由工作流自身维护，无需后端数据库。一次生产环境Bug导致部分用户积分被错误重置，得益于Temporal基于事件溯源的架构，团队能够“回到过去”重置工作流到错误发生前的状态，并用修复后的代码重新执行后续事件，挽回了损失。
这些用例凸显了Temporal的两个关键属性：长时运行事务的处理能力和强大的可恢复性。而这两点，恰恰是当今AI Agent的核心需求。
三、AI Agent浪潮：持久化执行成为“刚需”
对话转向了当前最炙手可热的AI领域。Ragu指出，AI的发展使得任务执行的“赌注”变得更高，而Temporal目前正支撑着一些世界上使用最广泛的AI Agent。
Summer分享了Temporal对于AI平台变革的洞察。他认为，当前正在发生一场巨大的平台迁移，核心驱动力有两个：
编码智能体（Coding Agents）的崛起：像Claude Code这样的工具，使得具备产品思维的工程师无需编写代码就能生成强类型应用，大大降低了开发门槛和应用构建成本。
智能体应用（Agentic Apps）的普及：即“智能体循环”——给模型一个提示、一些上下文和一组工具，让它自主规划并调用工具来完成业务目标。
这两者将导致开发者数量激增和应用爆炸式增长。随之而来的核心瓶颈将不再是“如何构建应用”，而是“如何让这些应用稳定运行并投入生产”，需要具备企业级的防护栏（guardrails）。
“这正是持久化执行能够独特地抓住的浪潮。”Summer断言。
Ragu补充道，过去六个月，AI Agent的发展趋势已从短命的交互式代理，转向在后台长时间运行、处理大量工作的“长时运行智能体”。这些智能体需要的正是Temporal为Uber构建的能力：持久性、长时状态管理、以及从各种故障场景中恢复的能力。API工具调用可能耗时不定，而Temporal非常适合处理这种异步、不确定性的任务。
Summer将当前阶段比喻为AI Agent的“MS-DOS时代”：智能体在一个沙箱（如开发者本地机器或VM）中运行，拥有完全控制权，即使出错影响也有限。但随着模型变得更智能，单一沙箱的能力将遇到瓶颈，世界将走向“多智能体协作”的模式。
“我们已经看到有组织在Temporal上运行着数百个智能体。”他透露。未来，我们将看到大量专业化的智能体各司其职（如订机票、查酒店），而更上层的应用则通过“持久化RPC”将这些智能体编排起来，共同完成复杂的业务目标（如规划一次完整的假期）。这将带来前所未有的分布式系统挑战，而Temporal旨在成为连接这一切的可靠“粘合剂”。
四、赋能顶尖AI应用：可靠性、可观测性与规模化
当被问及Temporal如何支撑世界顶级编码智能体（如OpenAI的Codex）时，Summer指出了几个关键维度：
长时运行与可靠性：编码智能体正变得越来越“长寿”，能够在后台处理耗时更长的任务。工程师可能同时启动15个任务交给AI处理。确保这些长时间运行的任务状态不丢失、失败后可恢复至关重要，否则重试的Token成本将非常高昂。
大规模可靠编排：像Codex这样的应用，需要在任何时间点协调数百万次代码执行，处理资源调度、流量峰值和故障。Temporal正是其背后的可靠编排引擎。
深度研究类Agent：这类应用消耗大量Token，成本不菲。Temporal为其提供了关键价值：1) 维持跨多次人机交互的上下文状态，避免工作丢失；2) 天然支持并行任务（如同时爬取多个网页、调用多个API），然后汇总结果；3) 提供整个研究过程的状态管理和可恢复性。
更重要的是，Temporal的架构带来了一个强大的副产品：完整的执行追踪记录。由于平台基于事件溯源，所有工作流的执行历史都被完整记录。在AI Agent因其非确定性而难以调试的背景下，这提供了无与伦比的可观测性。企业团队甚至可以直接将Temporal UI中的工作流执行历史链接分享给业务团队，可视化业务流程。
“我们拥有的这些Agent执行历史数据是一座金矿。”Summer表示，未来可以基于此构建分析产品，洞察工具调用的耗时、失败率等，优化Agent表现。
在规模方面，Temporal已为“互联网级”的吞吐量做好准备。其云服务可以处理瞬间高达15万次行动/秒的流量峰值。然而，Summer坦言：“几年前我还和Max（联合创始人）说，我们是不是在规模上过度设计了？现在看，AI智能体浪潮带来的规模，让Snap级别的流量都相形见绌了。”
五、未来展望：多智能体协作、上下文工程与行业标准
展望未来，Summer看到了几个清晰的趋势：
1. 从沙箱到智能体集群：智能体将承担越来越多有意义的工作，并需要突破单一沙箱的限制，世界将走向由众多专业化智能体组成的“集群”协作模式。
2. 上下文工程成为关键用例：Temporal团队去年一个意外的发现是，平台在“上下文工程”领域被大量使用。传统的数仓数据编排解决方案并不适合实时、多源（如API、Slack消息、Google文档）的上下文获取与处理。Temporal成为了为LLM准备实时上下文的核心编排器，且吞吐量极高。
3. 推动行业标准：Temporal正在推进一个名为“Nexus”的项目，旨在与行业共同制定“持久化RPC”的标准。当前如MCP（模型上下文协议）等协议主要关注同步工具调用，而异步、长时调用的标准仍是空白。Summer认为，这将是连接智能体集群、管理跨智能体状态的关键基础构件。
对于“SaaS是否已死”的热门话题，Summer给出了否定答案。他认为，AI浪潮带来的更多开发者和更低的应用构建成本，将加速世界自动化进程，驱动更多流量和消费。真正的商业价值将通过API提供，而能够通过API提供有价值业务成果的公司，其业务将蓬勃发展。
六、创始人心得：专注客户价值，无惧市场波动
在访谈的最后，Summer分享了Temporal的创业历程和管理心得。他与联合创始人Max有着超过15年的合作历史，两人都是产品出身，从未做过人员管理。随着公司规模接近400人，他们发现公司面临的主要风险从“产品战略”转向了“执行风险”。因此，大约两年前，擅长拆解复杂问题、规划长远愿景的Max主动提议，由更擅长落地执行的Summer出任CEO，以带领公司进入新的发展阶段。
对于当前AI创业热潮中的创始人，Summer给出了基于自身经历的务实建议：
专注解决客户需求：无论市场高低，清晰认识自己为客户带来的价值是关键。
从2021年的经验中学习：资本廉价时期的“不计成本增长”模式不可持续。Temporal自身曾经历过负毛利率的阶段，但市场转变促使他们建立了更坚韧、拥有出色毛利率的公司。
抓住巨大机遇：他们离开Uber创业，是因为相信构建通用工作流解决方案存在巨大行业需求，而Uber的核心使命是出行。如今，他们相信AI Agent带来的机会比以往任何时候都大，并将继续积极投入研发，捕捉这一浪潮。
在AI Agent的“混乱厨房”中，Temporal正致力于成为那个确保每一道“数字菜肴”都能准确无误完成的“执行权威”。随着智能体应用走向更深、更广、更复杂，这套确保可靠性的基础设施，其价值将愈发凸显。
Peter Doyle：AI不会杀死SaaS，但会重塑2500亿美元的IT服务市场撰文：Techub News 整理
在a16z最新一期的深度对话中，其普通合伙人Joe Schmidt与Treeline公司联合创始人兼CEO Peter Doyle进行了一场精彩对谈。Treeline是一家旨在用现代技术和AI重塑IT管理服务（MSP）模式的公司。这场对话的重要性在于，它直指一个庞大却鲜被硅谷充分理解的“隐形”市场——价值数千亿美元、支撑美国乃至全球经济运转的IT与安全服务产业，并探讨了AI浪潮下，软件商业模式与技术服务交付方式即将发生的根本性变革。
一、被忽视的万亿市场：IT服务是数字经济的“暗物质”
访谈伊始，Joe Schmidt便点出了IT服务市场的巨大体量与矛盾性：这是一个年规模超过2500亿美元的庞大产业，堪称美国软件与技术经济的“脊梁”，尤其为广大的中小型企业提供了关键的技术支撑。然而，与它的经济重要性形成鲜明对比的是，从硅谷的视角来看，这却是最不被理解、最缺乏创新的领域之一。
Peter Doyle对此深表认同。他解释道，传统的托管服务提供商（MSP）业务范围极其广泛，涵盖了从员工和设备生命周期管理、用户入职与离职、内部服务台支持，到端点安全、内部威胁管理，以及帮助客户通过SOC 2、HIPAA、CMMC等各种合规性审计的漫长过程。其服务场景复杂、定制化要求高，且涉及大量关键生产系统。
“你无法简单地用SaaS（软件即服务）模式来套用这一切，”Peter强调，“这个领域天然需要‘人在回路中’，需要技术人员与专业知识与软件并肩作战。”问题的核心在于，过去几十年来，这个行业虽然引入了软件工具，但其底层运作模式并未发生根本改变。典型的MSP平均需要使用30到35种不同的SaaS和软件工具来拼接工作流，导致系统混乱、数据孤岛林立、效率低下。
Peter指出，许多服务流程之所以存在，仅仅是因为“我们已经这样做了15年”。这种根深蒂固的惯性与复杂的遗留系统，使得单纯向MSP销售一个新的软件平台变得收效甚微。软件公司可能认为产品部署只需几周，但现实是，要真正改变这些企业的运作方式，必须深入其业务流程的“内核”，进行系统性的重塑。
二、“SaaS已死”？一场关于商业模式未来的辩论
对话中，Peter Doyle抛出了一个引人深思的观点，他曾对Joe Schmidt说：“SaaS已死。”当然，这并非字面意义上的消亡，而是一种对当前软件交付模式局限性的尖锐批判。
Peter解释道，SaaS模式因其可重复、高毛利和近乎无限的扩展性，长期以来一直是软件交付的主导商业模式。但问题在于，对于IT服务这类复杂领域，市场上充斥着“过多的SaaS”。当企业试图用几十个半生不熟、配置不当、彼此重叠的软件工具来管理核心业务时，效率不增反降。Treeline最初也曾考虑开发一款SaaS工具卖给MSP，但很快意识到，成为客户手中的“第36个软件工具”无法真正解决问题。
因此，Treeline选择了一条不同的道路：从一家服务公司起步，然后通过精心构建的软件、自动化和AI代理，逐步将自身“拉向”一家软件公司。Peter认为，完全转变为纯SaaS公司可能并不合理，因为人类技术专家的介入仍然不可或缺。但无限接近这个目标，能够同时实现服务的可扩展性与客户体验的极致提升。
这种“软件+服务”的混合模式，在AI时代显得尤为关键。Peter观察到，即使是OpenAI、Anthropic这样的前沿AI实验室，在面向大型企业客户时，也不得不部署大量的“前向工程师”和专业的服务团队。这充分说明，无论AI本身多么强大，要将其有效集成到企业的关键系统中，并可靠地运行，人的专业知识与支持仍是不可或缺的一环。Treeline的模式正是将这一点作为起点，而非 reluctantly（不情愿）的补充。
三、AI的真正战场：集成万亿美元遗留系统，而非创造新应用
谈及AI的影响，Peter Doyle提出了一个超越当前主流叙事的见解。他认为，AI迄今最大的影响体现在两个层面：一是催生了全新的应用程序（如AI原生工具），二是提升了个体或小团队的生产力。
然而，最大但尚未被充分挖掘的价值洼地，在于那些支撑美国和全球经济运转了数十年的、价值数万亿美元的软件基础设施。AI要与这些关键系统和生产环境深度融合、实现现代化，将是一个漫长的过程，并且需要全新的商业模式来推动。
价值超过2500亿美元的IT与安全服务市场，正是开启这一征程的绝佳切入点。因为这个领域本身就处于技术应用的“前线”，直接管理着客户最核心的IT资产。通过Treeline的混合模式，AI可以首先在后台赋能技术人员：当客户的问题、工单或安全警报涌入系统时，AI代理至少可以增强，在最佳情况下甚至可以替代人工工作流，使服务从“被动响应”转向“主动预测”。
例如，系统可以在客户提交工单前就发现并解决问题，或者将原本需要30分钟处理的事务压缩到1分钟内完成。这种体验的提升对客户而言是立竿见影的。更重要的是，在平息了日常的IT与安全“噪音”后，Treeline可以与客户建立更深层次的关系，探索如何帮助他们自身利用AI，提供更多的增值产品与服务。
四、未来展望：混合模式的持久竞争力与市场演变
面对“AI是否会取代一切”的疑问，Peter Doyle展现出了务实的乐观。他认为，在IT、安全、合规服务领域，复杂性将长期存在，AI在可预见的未来更可能是强大的赋能工具，而非彻底的替代者。这就为Treeline所代表的、结合了人类专家与先进软件的混合模式，构建了持久的竞争壁垒。
当被问及传统MSP是否会在10-15年后消失时，Peter给出了否定的答案。他预计行业整合会加剧，出现更大的赢家，但长尾部分将始终存在。变革的速度会比硅谷内部的感知慢得多，许多本地化的、基于传统关系的MSP服务仍将持续。
对于Treeline自身的远景，Peter不愿将其局限于“MSP”或“IT服务商”的标签。他的愿景是成为企业“最具影响力、最值得信赖的第三方合作伙伴”。随着在核心IT与安全领域建立起深厚的信任与数据洞察，公司未来有可能将这种“高信任度伙伴关系”模式扩展到更广泛的业务运营支持中。
最后，回归到“SaaS已死”的命题，Peter Doyle的最终结论是：AI的力量毋庸置疑，但世界（尤其是传统行业）以渐进方式采纳这种变化的速度，将是最大的制约因素。这个过程将比身处技术漩涡中心的人们所想象的要漫长得多。因此，SaaS模式并非即刻消亡，而是在一场缓慢而深刻的范式迁移中，逐渐演化出新的形态。对于有志于用AI改造传统行业的创业者而言，深入行业“内核”、拥抱“软件+服务”的混合模式，或许是一条比单纯打造下一个SaaS产品更宽广的道路。
Kavak CEO Carlos García：AI副驾是死胡同，构建“AI代理操作系统”才是未来撰文：Techub News 整理
在a16z的这次深度对话中，拉美最大二手车交易平台Kavak的联合创始人兼CEO Carlos García Otati，分享了他非同寻常的成长经历、在复杂市场中构建十亿美元级企业的思考，以及他为何坚信当前流行的“AI副驾”模式是个死胡同。作为一家从墨西哥起家、业务横跨拉美与中东、年交易量超十万辆的“亚马逊+丰田+花旗”式复杂实体，Kavak提前数年布局AI，其转型之路对任何面临规模化、本地化及效率挑战的企业都具有极高的借鉴价值。
动荡童年与创业基因：乐观、适应与识人
Carlos García的成长轨迹堪称独特。由于父亲是海军军官，他在17岁前辗转了14所学校，足迹遍布委内瑞拉和美国。这种极度的不稳定性，反而塑造了他日后应对创业起伏的韧性内核。
他总结这段经历赋予了他三项关键特质：
对变化的习以为常：他深刻体会到“今天可能身处巅峰，明天就可能跌入谷底，反之亦然”。这种认知让他在创业的高潮与低谷中都能保持情绪稳定，明白一切都会再次改变，从而避免了在顺境中迷失或在逆境中崩溃。
以家庭为“图腾”的乐观主义：在频繁变动中，家庭是唯一的不变。他特别提到父母在面对极端困境时（例如全家被派驻到偏远地区，配给唯一的车还只能倒着开）所展现的惊人乐观与创造力。这种“无论如何都做正确之事并保持乐观”的态度，成为他价值观的基石。
识人与构建双赢公式的能力：在不断更换环境的过程中，他学会了快速阅读他人，并发展出一套构建“1+1=4”双赢关系的“公式”。这让他能在任何新环境中迅速为自己和周围人创造有利局面，这种能力在组建团队、处理合作伙伴关系时至关重要。
发现Kavak：从个人受骗到解决系统性难题
Carlos的创业灵感直接源于两次痛苦的亲身经历。第一次是在哥伦比亚卖车时遭遇欺诈，损失了车辆；第二次是在墨西哥通过分类广告买车，两个月后因文件伪造被警察拦下，险些入狱。
这促使他深入调研，发现了拉美二手车市场的几个触目惊心的事实：
高度非正式化：90%的交易发生在非正式市场（个人对个人）。
惊人的欺诈率：约40%的交易涉及某种形式的欺诈，远不止是“柠檬车”（有隐患的二手车）问题，而是包括绑架、谋杀、文件伪造、车辆盗窃等严重犯罪。
极低的金融渗透率：在墨西哥，只有约5%的二手车交易获得融资，而美国这一比例接近90%。这意味着绝大多数人无法通过信贷拥有车辆。
Carlos意识到，这不仅仅是一个商业机会，更是一个巨大的社会问题。在拉美，没有车意味着依赖不安全且低效的公共交通，通勤时间极长，生活质量低下。拥有一辆车，往往是家庭迈入中产阶级、改变命运的关键一步。他的目标由此确立：“如何通过汽车让更多人进入中产阶级？”
构建复杂生态：为何必须“重”模式
基于此前在拉美电商平台Linio的经验，Carlos深知，在基础设施薄弱的地区复制美国轻平台模式是行不通的。要解决二手车交易的核心痛点（安全、信任、金融），必须自建底层基础设施。因此，Kavak从诞生之初就是一个高度垂直整合的复杂实体，他将其比喻为“Spotify（体验）+ 亚马逊（电商）+ 丰田（整备与质保）+ 花旗（金融）”的结合体。
具体而言，Kavak同时构建了四大支柱业务：
电商平台：在线买卖车辆。
工厂化整备与质保体系：建立大型整备中心，对收购车辆进行标准化翻新，并提供售后保修服务。通过拥有质保，公司掌握了车辆故障的关键数据，用于持续改进。
金融引擎：自建风控和融资能力，为消费者提供购车贷款。
物流网络：管理车辆的检测、运输和交付。
这种“重”模式在资本追捧轻资产的年代并不受欢迎，但Carlos认为，在拉美，这是提供可靠解决方案、建立长期护城河的唯一途径。
AI战略革命：从“副驾”到“代理操作系统”
Kavak的业务本质是处理海量“边缘案例”。每辆车、每个客户、每个故障都是独特的。随着公司规模从几百人迅速膨胀到上万人，Carlos在2017年就预见到，传统的人力沟通和决策流程将无法支撑未来的增长。就在Transformer论文发表后不久，他发布了一份内部备忘录，宣布要开始用“机器人管道”补充“人力管道”。
他的核心洞察是：规模化企业的核心瓶颈是信息流。当公司变大，不同部门（如财务、零部件、定价）之间无法像初创期那样高效沟通，导致解决客户复杂问题的速度和质量下降。
因此，Kavak的AI战略从一开始就不是打造提高单个人工效率的“副驾”（Copilot），而是构建一个能让不同AI“代理”（Agent）相互通信、协作的“操作系统”。这个系统的目标是打通公司内部所有业务线的“本体”（Ontology），让信息像在蜂群思维中一样自由流动。
具体实施路径如下：
先建“刹车系统”：首先构建一个能理解所有用户交互、失败与成功点的中央系统，明确AI部署的边界和方式。
人机协同起步：在特定业务流程（如某个客户服务漏斗）中，引入AI代理与人类员工协同工作，由一个“协调器”分配任务。根据任务复杂度决定由人还是AI处理。
忍受短期阵痛，坚定长期投入：当AI代理首次接管某个职能时，其表现通常会低于人类，导致客户体验和销售指标短期下滑。Kavak经历了长达一年的增长平台期，但他们没有Plan B，坚持让工程团队优化，直到AI达到并超越人类水平。
“烧掉所有船只”：在单个漏斗验证成功后，他们将此模式推广至全公司。目前，Kavak 95%的客户前端交互由AI代理完成。后端如定价、发票等系统也由机器学习驱动，并正在构建代理来管理这些系统，实现前后端AI的融合。
Carlos强调，他们的技术建设是面向未来的（“我们不为GPT-4构建，而为GPT-7构建”），提前布局架构，以便在新模型出现时能快速利用。
穿越危机：市场崩溃与AI转型的双重压力
2021-2022年，Kavak员工数激增至万人，日消耗资金巨大。随后，二手车市场突然崩溃，交易量暴跌99.9%，同时资本环境急剧恶化。公司面临两难：既需要收缩以求盈利，又需要增长以维持规模效应。
正是在这种极端压力下，全面转向AI成了“不得不做”的选择。Carlos用Netflix从DVD邮寄向流媒体转型作类比，将传统车商比作“百视达”，Kavak的初期电商模式是“DVD邮寄”，而AI化则是“流媒体”。他告诉团队，不转向“流媒体”就是死路一条。
支撑他们度过难关的，是强烈的使命感：Kavak 40%的客户是人生中第一次购车。他们深知自己是在真正改变用户及其家庭的生活轨迹，这种“被需要”的价值感提供了深层动力。
给创业者的建议：聚焦问题，享受过程
对于在新兴市场（尤其是拉美）的创业者，Carlos给出了以下建议：
解决真问题，而非创造需求：拉美大量人口仍挣扎于基本需求，创业者应聚焦于人们“需要”而不仅仅是“想要”的产品，创造真实的社会影响。
敢于宏大思考：拉美环境常不鼓励宏大野心，但创业者必须突破这种思维限制，思考全球性问题。
每日消除1%的摩擦：这是Carlos应对高低起伏的核心心法。每周专注于为用户消除一个小的摩擦点，长期复合效应惊人。他比喻道，即使是最糟糕的一天，他也可以去亲自清洗一辆车，因为交付一辆干净的车就是核心价值。
享受解决问题的过程：创业就是不断解决复杂问题。应将问题视为“蛋白质棒”——是构建肌肉（竞争壁垒）的营养来源。压力是挣来的，意味着外界对你有期望。
定期“解雇自己”：每年或每几年，他都会进行一次“自我解雇”练习。假想自己要聘请一位新CEO来实现公司下一阶段愿景，明确这个职位的职责、需要承担的风险和保护的东西。思考几周后，再问自己：我能重新聘用我来做这件事吗？这个过程迫使他剥离情感，审视自己需要放弃哪些旧习惯、发展哪些新技能，以确保自己始终是领导公司的最佳人选。
Carlos García的故事，不仅是一个在复杂市场打造巨头的商业案例，更是一个关于如何以乐观为盾、以韧性为剑，并以前瞻性眼光将技术深度融入企业基因，从而在危机中实现蜕变的领导力范本。他对AI应用的思考，已经超越了工具层面，进入了组织架构重塑的深水区，为所有寻求数字化转型的企业提供了极具价值的参考。
Han & Hani：从文档工具到AI基础设施的跃迁之路撰文：Techub News 整理
在a16z的播客中，Mintlify的两位联合创始人Han和Hani分享了他们的创业历程，以及公司如何从一个简单的文档工具，演变为当今AI代理生态中的重要基础设施。这场对话不仅回顾了创业的艰辛与转折，更聚焦于AI技术迅猛发展如何重塑产品定位与市场需求，为技术创业者提供了宝贵的洞察。
初心与转折：从解决自身痛点出发
Han和Hani创立Mintlify的初衷源于他们作为开发者的亲身经历。Han回忆自己从11岁开始自学编程，过程中饱受“糟糕文档”之苦。这种切肤之痛让他们决心打造一款真正能帮助开发者的产品。然而，创业之路并非一帆风顺。在真正找到“文档”这个方向之前，他们经历了长达一年半的“沙漠漫步”和至少八次重大的方向调整。
Hani形容那段时期是“不断尝试许多糟糕想法”的过程。他们最初的想法范围很广，从利用AI自动描述代码功能，到连接静态内容与代码，但大多未能奏效。这段频繁“转型”的经历，并非漫无目的，其核心始终围绕着“帮助开发者更快地学习和构建”这一主题。多次失败让他们积累了宝贵的经验：当某个想法真正奏效时，其信号会异常清晰。
最终促使他们聚焦于文档的，是反复从用户那里听到的反馈：市场上已有的文档工具并不理想。他们意识到，与其相信“市场已饱和”的成见，不如回归初心，打造自己作为开发者真正渴望的产品。于是，在一个周末的时间里，他们快速构建了Mintlify最初的原型。
第一个客户与“不做规模的事”
产品的首次验证来自一个简单却直接的举动。当时，Han的室友正在YC孵化器中，其公司Hyperbeam正从消费产品转向API产品。Han向他们展示了Mintlify的原型：“嘿，看看这个，你们的文档现在好多了。”对方的反应是：“我现在就想用上。怎么设置？”
Han立刻着手帮他们配置DNS。这个即时、手动的服务赢得了第一个客户。从第一个客户开始，口碑逐渐传播，带来了第二个、第五个、第十个，直至如今的成千上万个客户。早期，为了争取用户，Han和Hani甚至承诺手动帮助客户检查和优化文档内容，包括修正语法和改善结构。这些“不做规模的事”创造了最初的客户喜爱，也为后来的自动化工具开发奠定了基础。
他们曾向Paul Graham请教如何应对这种手动服务模式带来的 scalability挑战，得到的建议是：“你现在做的事，可能就是你要一直做的事。”这促使他们后来组建团队并开发自动化工具，但创始人认为，那些“额外付出”的细节，始终是创造客户惊喜的关键。
AI浪潮下的产品演进：从人类文档到代理基础设施
AI技术的爆发性发展彻底改变了Mintlify的产品定位和市场预期。Han指出，2023年末到2024年初，一场“海啸”改变了开发者的期望和开发方式。产品最初只是一个帮助人类编写、维护更好文档的平台，如今已转变为服务于“人类与AI”的基础设施。
这种转变的核心在于，文档内容不仅是人类阅读的，更是训练和支持AI代理、编码代理的“燃料”。随着AI代理在工作流中变得普遍（例如，80%的支持工单可能由AI代理处理），准确、最新的文档作为“信息源”的重要性急剧上升。文档的错误会导致依赖其运行的成千上万代理产生错误输出，其后果变得非常严重。
因此，Mintlify的关注点从文档的“外观和体验”，转向了“内容本身的质量和即时性”。Han引用Andrew Kaparthy的观点：“英语将成为最热门的编程语言”，强调了内容的核心地位。产品的界面设计固然重要，但如今AI代理通过代码或原始HTML/Markdown访问文档，它们对“美观”毫不关心。未来的重点将是确保内容的卓越和实时更新。
自我修复文档：一个即将解决的长期难题
Han分析，文档长期难以维护的原因有几个：组织动态：最了解功能、最有上下文的人（通常是工程师）并非负责维护文档的人；人性因素：人们普遍不喜欢更新文档，这被视为一项繁琐的工作。
如今，三个因素的结合使得“自我更新、自我修复文档”有望实现：迫切的需求：过时文档对AI代理工作流的影响是实时且严重的；模型能力的成熟：例如，Opus 4.5等模型已经足够可靠和一致，可以胜任这项工作；信任与环境：企业现在更愿意将上下文信息提供给LLM代理，这在两年前是不可想象的。
这意味着，过去25-30年来长期存在的“知识内容过时”问题，可能首次得到解决。Mintlify正在构建工具来实现这一愿景。
客户与市场：服务最苛刻的客户带来的启示
Mintlify虽然是一家年轻的公司，但其客户名单包括Anthropic、Microsoft、Coinbase等顶尖科技公司。Han坦言，与这些“要求极高、行动极快”的公司合作是一种特权，也带来了巨大挑战和学习。
这些公司的响应速度令人震惊。无论何时发送Slack消息，几乎都能在10秒内得到回复。这种工作节奏激励Mintlify团队也必须以同样的高标准要求自己。Han回忆，有一次Anthropic的文档突然从英文自动翻译成了12种其他语言，他们惊讶地询问是否雇用了翻译团队，对方回答：“我们构建了一个实时翻译的管道。”这种两年前还难以想象的能力，如今已成为常态，并激发了Mintlify自身的产品创新。
与前沿公司的合作不仅带来了产品灵感，也改变了他们对市场需求的认知。如今，Mintlify的使用场景已大大扩展，从公开文档延伸到内部知识库、帮助中心，服务于工程团队、HR团队等更广泛的用户群体。产品正从单纯的“文档”向更广义的“知识管理”演进。
未来展望：赋能构建者与拓展世界观
展望未来，Han最感到兴奋的依然是Mintlify的初心：赋能构建者。他提到，2026 年 1 月有2000万人访问了由Mintlify支持的站点。这背后可能有许多像他11岁时那样，第一次学习编程并利用文档信息为社区或学校构建东西的人。这种广泛的影响力是他工作的动力源泉。
Hani则对两件事充满期待：一是构建更多AI代理，并不断被其涌现的能力所惊喜；二是随着公司发展和世界观拓宽，为更多人群解决问题，例如现在他们也开始服务客户支持等领域。
两位创始人都认为，AI只是一种强大的新工具，应该被开放地接纳并用于帮助他人、创造价值。面对技术的快速变化，他们保持务实的态度：一方面关注宏观趋势，另一方面脚踏实地解决用户的实际问题，在“宏大的构想”与“琐碎但必要的产品决策”之间找到平衡。
a16z 建言 CFTC：监管破局正当时，预测市场蓄势待发撰文：TinTinLand
为何现在完善规则至关重要？
市场是信息聚合与分析最强大的工具之一，能够将海量数据提炼为可操作的信息。预测市场正是这一原则的直接延伸。
随着预测市场应用场景的不断扩大，正确解决相关法律与监管问题的迫切性也日益凸显。
试想一下三种技术的融合：预测市场、人工智能（AI）与区块链。
目前，AI 代理已能自主处理海量信息并执行交易；区块链则提供了无需许可、可编程的底层架构，供这些 AI 代理直接交互。两者的结合预示着这样一个未来：AI 代理可以部署在链上，针对各种事件合约自主对冲商业风险，根据情况变化实时调整头寸，且每笔交易均无需人工干预。
这并非科幻构想，核心技术早已成熟，目前缺少的只是支撑其大规模发展的市场基础设施和明确的监管政策。例如：
一家面临地缘政治引发大宗商品价格波动风险的制造企业；
一家收入受天气模式影响的零售商；
一家寻求更精细对冲工具的保险公司。
这些主体都可以部署 AI 代理，在基于区块链的预测市场上实时管理事件合约头寸，从而对冲那些目前无法对冲、或只能通过粗略替代工具对冲的风险。
远不止于风险管理
其意义不仅限于风险管理。预测市场本质上是 “信息机器”：一种将分散信息转化为反映集体智慧的价格机制。当 AI 代理在开放的区块链架构上大规模参与这些市场时，将产生一个能够高效预判真实可能性的强大系统。在这个虚假信息泛滥、机构信任度下降的时代，这种能够将人类与机器智能合成可靠概率信号的市场，可能成为互联网本身的关键信息基础设施。
但如果监管框架仍将预测市场视为一种 “勉强容忍的利基产品（小众产品）”，上述愿景都将无法实现。CFTC 现在的规则制定，将决定预测市场能否进化为广泛适用的风险管理和信息发现基础设施。技术不应在萌芽期就受到那些陈旧规则的束缚。
存在哪些障碍？
发展完善、监管有序的预测市场，有潜力覆盖全球经济中目前尚无其他市场触及的诸多领域，并为用户提供重要的风险管理手段。例如，过去机构若想通过相关资产来对冲宏观事件风险，通常被迫同时做两次预测：一是预测事件本身，二是预测该事件与所交易资产之间的关联。这两者中任何一个出错，对冲就会失败。直接的预测市场则将这两个预测合二为一，使对冲更加精准高效。
此外，与民调或调查（通常只捕捉瞬间意见、样本有限、手段陈旧）不同，预测市场具有连续性、激励性且能挖掘更深层的信息。参与者以真金白银为自己的判断背书，这意味着价格反映的是真实信念，而非随意的看法。这使其成为识别和对冲未来事件风险的宝贵工具。
特别是区块链技术在预测市场中的应用，有望扩大准入门槛、提高速度、增强透明度，并通过资产自托管保护用户。然而，多项政策与监管障碍阻碍了这些效益的实现：
州级监管的干扰
各州法律法规不一，加上州检察长或博彩管理部门缺乏协调的执法行动、停终令甚至刑事指控，都威胁着预测市场的生存根基。这些州级行动不仅损害了那些失去市场准入的居民，也破坏了整体市场结构。国会设立 “指定合约市场”（DCMs）统一国家监管框架，正是为了避免这种局面，预测市场也需要同样一致的待遇。
合约结算争议
预测市场本质上处理的是不确定性。因此，有时会对合约关联的底层事件是否发生存在争议。虽然市场力求界定清晰，但在将复杂现实简化为“二元（是/否）”结果时存在实际局限。要实现规模化发展，预测市场需要更好的争议解决机制。
操纵与内幕信息
如果能直接影响事件结果的人员或其他内部人士利用信息优势违背诚信原则，市场信任度就会下降。这需要有效的协调和市场监察来清除不良行为。
“特殊规则” 执行不力
CFTC 在 2011 年的规则制定中，在未按《商品交易法》（CEA）要求进行公共利益判定的情况下，一刀切地禁止了某些类别（如博彩和战争）的事件合约。
这种简单粗暴的做法对用户和企业不利，也不符合行政程序法。
区块链技术的应用障碍
尽管区块链能带来低成本、全天候交易等优势，但现行原则对区块链如何合规使用缺乏明确指引。
解决方案
重申 CFTC 管辖权
国会的初衷显然是预设联邦法律优于州法，防止各州禁止 DCMs 的运作。二元期权事件合约属于 “掉期”（Swaps），依据《商品交易法》应受 CFTC 的专属管辖，不受州博彩法限制。必须重申这一管辖权，以提供统一的国家监管路径。
完善合约结算机制
CFTC 和 DCMs 可以借鉴国际掉期与衍生品协会（ISDA）“决定委员会” 的模式。该委员会通过相关定义和条款判定特定事件是否发生。这种模式能帮助预测市场建立更好的纠纷解决标准。
防范操纵与内幕信息
建立 “禁入交易者名单” 是维护市场诚信的利器。通过客户身份识别（CIP）和 KYC 检查可以建立此类名单。同时，预测市场可借助链上交易的可审计性，实时监控可疑交易活动。此外，建议委员会考虑跨市场监察安排，并与体育诚信监测组织等专业机构合作。
有效落实 “特殊规则”
某些被列入 “特殊规则” 类别的合约具有公共价值（如地缘政治事件合约是成熟的对冲工具；体育相关合约能帮企业对冲价格风险）。委员会应进行全面的公共利益判定，而非盲目禁止，只要证明合约符合公共利益，就应予以准许。
推动区块链预测市场发展
监管原则应适配去中心化网络的特性。CFTC 应当探索 “有条件豁免” 或其他合规路径，让预测市场能够真正发挥区块链的技术红利。
结语：正当其时
CFTC 的拟议规则制定预告是一个令人振奋的信号，表明监管机构已准备好为预测市场提供所需的清晰度。
CFTC 拥有释放这一市场潜力的绝佳机会，我们期待委员会能够把握住这一时机。报告内容概述 2026年5月22日，a16z发布《7 Charts: Tokenized assets have proved the concept. Now comes the hard part》一文，以七张数据图表为骨架，从以下几个维度展开对RWA（现实世界资产）代币化市场的深度剖析： 市场规模与增长驱动：梳理代币化资产从30亿美元到340亿美元的跃迁路径，拆解监管、基础设施、机构入场三大推力； 资产类别分化：对比国债、黄金、私募信贷、VC基金等不同品类的上链速度与规模天花板，揭示"容易搬的"和"真正好用的"之间的落差； 链上利用率悖论：直击核心矛盾——体量最大的资产类别活跃度最低，引出"数字化"与"原生链上化"的本质区分； 多链格局演变：呈现以太坊领衔、多链并存的分布态势，分析成本、合规、生态关系等选址逻辑； 未来规模预测：梳理McKinsey、Ark Invest、BCG、Standard Chartered等机构对2030年及以后市场的预测区间，辨析口径差异背后的定义分歧。 RWA代币化已完成概念验证，但大部分实践仍停留在"把记录搬上链"的数字化阶段，尚未释放区块链作为可编程金融基础设施的深层价值。下一阶段的核心挑战，是如何让代币化资产从"静态凭证"进化为"动态金融积木"。 原文链接：https://a16zcrypto.com/posts/article/tokenized-asset-rwa-market-data-charts 市场背景与核心数据 RWA（Real World Assets，现实世界资产）代币化市场在 2024 年中旬尚不足 30 亿美元，而截至 2025 年 5 月已突破 340 亿美元（不含稳定币），不到两年实现 10 倍增长。这一跃迁并非单一因素驱动，而是监管、基础设施与机构需求共振的结果： 监管破冰：美国《GENIUS 法案》为稳定币提供了清晰的监管框架，稳定币作为链上支付与结算的基础设施，间接降低了机构入场的摩擦成本。 基础设施成熟：托管、KYC/AML、预言机等配套方案从"试点级"走向"生产级"，机构不再需要为了一条链上国债交易自建整套技术栈。 机构从 POC 到量产：BlackRock、Franklin Templeton 等传统资管巨头不再满足于概念验证，而是将代币化国债作为常规产品线推出，直接拉动了市场规模。 不过需要冷静看待的是：340 亿美元在全球金融体系中仍是一个极小的数字。全球债券市场超 140 万亿美元，代币化债券仅占约 0.01%；全球黄金地上存量以十万亿计，代币化黄金约 50 亿美元，占比不到 0.02%。RWA 代币化完成了"概念验证"，但距离"主流化"还有数量级的差距。 资产类别分化：谁跑得快，谁在掉队？ 不同资产类别的代币化速度差异极大，这背后反映的是上链复杂度与市场需求匹配度的博弈。 （一）第一梯队：国债与黄金——"最容易搬上链的资产" 代币化美国国债是本轮增长的最大引擎，规模约 152 亿美元，占整个 RWA 市场的近半壁江山。其逻辑非常直白：对加密投资者而言，这是让闲置稳定币"干活"的方式——既能获得传统货币市场收益，又无需离开链上环境；对机构而言，代币化国债意味着 T+0 结算、7×24 小时交易、以及更灵活的抵押品流转。 黄金几乎垄断了代币化大宗商品赛道（约 50 亿美元，占该品类 99% 以上）。黄金天然适合代币化：全球标准化、易于托管、不会腐烂，且加密圈对"数字黄金"的叙事早有心理铺垫。Tether 的 XAUT 和 Paxos 的 PAXG 本质上是把金库里的实物黄金变成了钱包里的链上凭证。 （二）第二梯队：私募信贷与专业金融——"为链上而生" 资产支持信贷（如代币化房屋净值信贷额度 HELOCs、借贷金库代币）是有记录以来最快达到 10 亿美元市值的 RWA 品类，仅用时 185 天。这类资产从设计之初就考虑了链上的可组合性，目标用户也是 DeFi 原生群体。 专业金融（如代币化再保险合约、比特币挖矿票据）不到两年突破 10 亿美元，同样受益于清晰的链上应用场景。 （三）第三梯队：股票、VC 基金与主动策略——"还在爬坑" 风险投资代币化花了七年多才达到 10 亿美元，主动管理策略耗时相近。核心瓶颈在于：这些资产结构更复杂、周期更长、合规与运营门槛更高，且链上需求并不明确——传统 LP不需要链上流动性，加密原生投资者又嫌锁定期太长。 一个关键观察：国债和黄金虽然体量最大，但它们的代币化逻辑更接近"数字化"而非"原生链上化"——只是把传统资产的记录搬到了区块链上，并没有改变资产本身的运作方式。相比之下，私募信贷和再保险代币从诞生起就是为链上可组合性设计的，这也解释了为什么它们的 DeFi 利用率远高于国债。 链上利用率：最大的品类，最低的活跃度？ 这是文章中最具投研价值的发现之一：体量最大的资产类别，恰恰是最不"活跃"的。 代币化债券（1520 亿美元市值）中，仅有约 5%（约 8 亿美元）真正流入了 DeFi 协议。也就是说，绝大多数代币化国债被投资者"攥在手里"当生息凭证，而不是作为乐高积木去参与链上金融的搭建。 贵金属的情况类似，利用率极低。 反观体量小得多的品类：再保险代币（3.62 亿美元市值）有 84% 的供应量部署在 DeFi 中；私募信贷的 DeFi 利用率也达到 33%。 为什么会出现这种倒挂？ 根源在于"代币化"与"上链化"是两个不同层次的概念。文章引用了 RWA.xyz 的区分框架： "Represented"（表征型资产）：区块链主要充当记账基础设施，资产可转让性受限，可组合性几乎为零。大部分代币化国债和黄金属于这一类——它们更像是"数字收据"，底层资产仍由传统托管方和中介管理。 "Distributed"（分布式资产）：资产从设计之初就是可自由转让、可跨协议组合的链上原生金融积木。再保险代币（如 Nexus Mutual）和私募信贷（如 Maple Finance）属于这一类。 Pantera Capital 的"代币在场指数"（Token Presence Index）也给出了类似的结论：超过四分之三的代币化资产处于"最低链上化"等级。 这意味着，今天市场上大部分被称为"RWA 代币化"的实践，本质上只是用区块链做了一套更高效的账本，并没有释放出区块链作为"可编程金融基础设施"的核心价值。 对投资者和项目方的启示：RWA 的下一个竞争维度不是"谁能把更多资产搬上链"，而是"谁能让这些资产在链上真正流动起来、组合起来"。 多链格局：以太坊守擂，但战场在扩散 代币化资产的链上分布呈现出"一超多强"的格局，且没有出现向单一链收敛的迹象： 以太坊以 157 亿美元占据约半壁江山（51%），这与其在 DeFi 和机构采用上的先发优势一致。对需要高安全性和复杂智能合约交互的 RWA 项目而言，以太坊仍是首选。 BNB Chain（40 亿美元）、Solana（22 亿美元）、Stellar（17 亿美元）、Liquid Network（比特币侧链，15 亿美元）构成了第二梯队。 XRP Ledger、ZKsync Era、Arbitrum 各自接近 10 亿美元。 多链化的驱动因素很现实：成本、流动性、合规要求、以及 go-to-market 的合作关系。不同资产类别、不同发行方、不同司法管辖区的项目，会根据自身需求选择最合适的链。例如，Stellar 在跨境支付和新兴市场金融基础设施上有传统优势；XRP Ledger 则依托 Ripple 的银行网络关系。 值得关注的趋势：随着 RWA 从"持有型资产"向"交易型/组合型资产"演进，对链上流动性、跨链互操作性、以及合规级跨链桥的需求会指数级上升。谁能解决"合规资产跨链流转"的问题，谁就能在下一轮 RWA 基础设施竞争中占据关键位置。 未来展望：从 340 亿到 30 万亿，差距不在速度，而在定义 各大机构对 2030 年 RWA 市场规模的预测差异巨大，但方向高度一致： 这些预测的差异本质上是对"什么算 RWA"的定义分歧，而非对增长趋势的否定。McKinsey 的保守口径只算传统金融资产的上链化；BCG 和 Ripple 把银行存款和稳定币也纳入统计；Standard Chartered 的激进预测则可能包含了更广泛的贸易金融和商品流通。 但无论取哪个数字，相对今天 340 亿美元的市场，都意味着 100 倍以上的增长空间。而实现这一增长的关键，在于跨越从"数字化"到"原生链上化"的鸿沟——让代币化资产不仅是"能在链上持有"，而是"能在链上编程、组合、流转"。 总结与启示 RWA 代币化已经证明了"可以把资产搬上链"，但还没有证明"搬上链之后能创造增量价值"。 从数据层面看，市场 10 倍增长的叙事足够亮眼，但结构性的矛盾更值得警惕： 规模与活跃度倒挂：最大的品类（国债、黄金）利用率最低，说明机构入场更多是"配置需求"而非"使用需求"。这些资产被代币化后，仍然以"持有"为主要用途，没有成为链上金融生态的活跃参与者。 "数字化"不等于"链上化"：超过四分之三的代币化资产仅把区块链当作记账工具，没有释放可组合性这一核心优势。这意味着当前 RWA 市场的真实"链上渗透率"远低于账面市值所暗示的水平。 多链格局将持续：没有单一链条能垄断 RWA，成本、合规、流动性、生态关系等因素决定了不同资产会选择不同基础设施。这对后来者既是机会也是挑战——差异化定位比"大而全"更重要。 RWA 的下一程，竞争焦点将从"上链速度"转向"链上深度"。 谁能把代币化资产从"静态凭证"变成"动态金融积木"，谁就能在 100 倍增长空间中占据更有利的位置。而这需要的不只是技术基础设施，还包括监管框架对资产可转让性的明确、DeFi 协议对合规资产的适配、以及机构投资者从"试水"到"重仓"的心态转变。 "Now comes the hard part"——概念验证的阶段已经结束，真正的硬仗才刚刚开始。