弦理論是最好的創業課，而Anthropic 就是一坨屎

聽了Factory 聯合創始人兼 CEO，Matan Grinberg 剛發布的訪談，我決定專門發篇總結，這在MindCode是少有的待遇，之前只發生過一次。

因為這訪談確實很不錯。

Factory 目前估值 $15 億，客戶包括 Nvidia、Morgan Stanley、Adobe，產品是"Droids"自動化軟件工程。

但 Matan Grinberg 吸引我注意力不是因為Factory，而是他的學術背景，弦理論物理（Princeton 本科，Berkeley PhD）

他的很多觀點我很欣賞，一些不謀而合的洞察我自己也曾在MindCode的文章里公開講過，或在MindCode企圖心俱樂部內部跟會員們交流過。

以下是訪談總結。

1. 用諾特定理作為思維的操作系統

Matan 不是隨口提諾特定理，這是他從物理學帶出來的核心決策框架。

諾特定理說：宇宙中每一種連續對稱性，背后都藏著一個守恒量。

物理定律不隨時間變化（時間平移對稱）→ 能量守恒

物理定律不隨位置變化（空間平移對稱）→ 動量守恒

物理定律不隨方向變化（旋轉對稱）→ 角動量守恒

他把這個搬到創業里：面對任何復雜局面，先問"什么東西是守恒的 / 不變的"，找到這個基準，再去看哪些對稱性被打破了、打破之后產生了什么新動力學。

具體應用：當所有人都在喊"AI 要消滅所有工作"時，他用這個框架思考：

? 世界上的問題總量在增長，這是守恒/不變的事實。

? 大量問題可以用軟件解決但目前沒被解決，這是未開發的守恒量。

? AI 給每個工程師更多杠桿 → 單個問題需要的人可能少了，但可解決的問題總池子在膨脹。

所以他的結論不是"工程師要失業"，而是杠桿增大后，之前無法觸及的問題變得可解。他舉了個很接地氣的例子：美國車管所的軟件為什么這么爛？不是技術不行，是資源配置不到。AI 時代這類問題會被解決。

——注：這就是我曾經跟你說過的，AI時代歷史使命之一就是，把那些本來可以軟件化但之前因為沒有資源而沒有軟件化的事，都軟件化了。

2. Token Budget：CEO 面臨的三元資源分配

這是訪談里最有"產品/戰略"含量的一段。

Matan 說每個 CEO/CTO 很快會面對一個新的資源分配問題：每一塊增量的錢，到底花在人頭、算力還是 token 上？

? 多招一個人 → 固定成本高、速度慢、但有判斷力

? 多買算力基礎設施 → 訓練/推理能力增強

? 多花 token → 讓 agent 跑更多任務，但運營邊際成本也在增加

這三者之間的最優配比沒有定論，而且每個垂直行業答案不同。有些行業軟件不是核心競爭力（比如金融后臺），可以砍人頭；有些行業每個工程師都是杠桿（比如 AI 公司本身），你反而不想停止招聘。

他特別反對"一刀切裁員"的敘事：有的公司搶先裁工程師，競爭對手如果不裁反而給每個工程師配 AI 工具，后者可能因為更高的交付密度贏得市場。

3. 模型獨立：Factory 的核心技術賭注

Factory 刻意不綁定任何一家模型供應商。Matan 給了一個很有意思的類比：

"數據之于模型，就像模型之于 harness（編排層）。你用越多模型訓練你的 harness，它就越強——就像模型用越多數據訓練越強一樣。"

他們的編排層（harness）暴露給多個模型后，在三個維度上表現更好：

? Compaction：大代碼庫會撐爆上下文，不同模型的 compaction 行為不同，多模型訓練讓 harness 更魯棒

? Token caching：不同模型的緩存機制不同，多模型暴露讓緩存策略更優

? Tool use & 環境反饋：看到不同模型的怪癖后，harness 對所有模型都變得更好

這讓他朋友圈里做模型的人很不爽——因為這意味著模型越來越是商品，價值往 harness 層轉移。

——注：關于這一點（即harness意味著什么）Matan的觀點看起來有點激進，但我在企圖心俱樂部里有更激進的觀點。

4. 開放模型 vs "中國模型"標簽

Matan 非常直接地說：閉源模型公司（OpenAI、Anthropic 等）最大的威脅不是彼此，是開放模型。因為開放模型好了，就對他們有巨大的定價壓力。

所以他們有動機把敘事變成"要么用我們，要么用中國模型"——用地緣政治標簽來嚇退企業客戶不碰任何開源方案。

"我跟企業 CIO 聊，他們說'我們不用中國模型'。我說，開放模型又不只有中國的——Nvidia 的 Nemotron 也在追上來。但這種宣傳確實管用。"

他認為美國需要更強的開源模型生態，不能讓"開放 = 中國"這個等式成立。

5. Anthropic 讓我很憤怒

Matan 公開批評了 Anthropic Fable 5 發布時的兩件事：

數據留存：Anthropic 開始對企業客戶也強制數據留存（以"安全"為由）。他認為這設了一個非常危險的先例——一旦你留存了所有金融公司的數據，技術上就有能力在某一天"不小心"拿去訓練。科技公司做了不可逆的事再事后道歉，這個模式已經反復發生過。

性能降級：Anthropic 最初的做法是，如果你做的事情他們認為"有競爭性"或"有風險"，會不告知你的情況下降低模型輸出質量。雖然后來迫于壓力改成了"告知你再降級"，但 Matan 認為這仍然很糟——他見過做前列腺癌標志物研究的朋友被拒絕請求。

"問題不是他們修不修。問題是他們現在有了這個能力：隨時可以改一行代碼，讓某個用戶得到垃圾回答。這在你越來越依賴這些工具的時候，極其危險。"

——注：標題中，“Anthropic就是一坨屎”，不是Matan的原話，但雖不中亦不遠。

6. 從弦理論到創業：身份崩塌與重建

Matan 從 8 年級因為一個老師說他要重修幾何被激怒，暑假自學了代數 2 到線性代數所有教材，然后問爸爸"最難的數學是什么"——答"弦理論"——于是用接下來 12 年全部投入弦理論。

在 Princeton 做本科時拜入 Juan Maldacena（被認為在世最偉大的弦理論家）門下。拜師過程本身就是一個故事：Maldacena 在 2 小時會面的最后極其微妙地埋了一個問題，微妙到 Matan 自己都沒察覺，需要一個導師幫他回放筆記才發現——然后 24 小時內解出來，才被收為學生。

到 Berkeley 讀 PhD 時崩了。觸發點很具體：做助教時意識到自己余生會和不在乎的學生打交道，而且弦理論圈子極小，他已經認識了所有未來同事。他發現自己不想這樣。

"因為我是一個物理學家，然后才是一個人。一旦這個身份崩塌了，那就是毀滅性的。"

他的恢復方式很有意思：看了 IMDb top 250 所有電影，讀了 top 100 文學作品。《雙城記》讓他第一次哭著打電話給爸爸。

之后他差點去做量化金融，被一個導師攔住（"你的數學不會變差，隨時能回去做 quant，現在先探索"），于是選了 ML 課，被代碼生成這件事給迷住了。

然后那個 30 分鐘變 3 小時的散步，Sequoia 合伙人 Shaun Maguire（也是前弦理論家）敢他退學創業。Factory 的第一輪估值才 $500 萬——在今天 day 1 就是獨角獸的時代幾乎聞所未聞。

——這段很私人，關于創業者心態的，恰好也是我們MindCode關注的重點。

7. "Being early is the same as being wrong"

Factory 前兩年他稱為"沙漠中的歲月"。當時企業連 Copilot 都沒怎么用，更別說自主 agent。

"沒有人在乎你是不是先驅。你沒有安慰獎。早到了但沒贏，就是輸了。"

但他認為這段苦日子鍛造了團隊 DNA——經歷過低谷的人和只見過高潮的人，在遇到挫折時的反應完全不同。

8. 管理哲學：盲區比弱項更可怕

他最怕的不是發現自己不擅長什么，而是有盲區沒被發現。

管理風格很清晰：默認給予完全信任，讓人像"膨脹的氣體"一樣填滿所有可用空間。最大的滿足感是他正要告訴某人去做一件事，發現對方已經做了。

和聯合創始人 Eno Reyes 的關系：Eno 是他見過最好的工程師，同時也是出色的管理者——這種組合極罕見。兩人通過直接、物理學式的"黑板吵架"溝通。

這是 Matan 講他從物理學帶出來的溝通方式。

他說在物理圈子里，兩個人站在黑板前討論方程式，從外面看像在吵架——語氣很沖，直接打斷，"不對不對，你漏了這個"，沒有任何客套。他的兄弟姐妹和朋友旁觀時都覺得他們是不是在翻臉。

但實際上不是。原因很實際：用自然語言描述方程式本身就很難，你必須說得極其簡潔和直接，才能把信息準確傳過去。

任何"嗯這個想法很有意思不過我覺得可能……"這種緩沖都是噪音，會讓信息傳輸出錯。

他說："十年這樣訓練下來，大概在我身上留了印。"

然后他把這個帶進了和聯合創始人、和導師的關系里。他和 Sequoia 的 Shaun Maguire、Snowflake 前 CRO Chris Degnan 這些人聊天，也是這種風格，沒人想聽"感謝您在百忙之中抽出寶貴時間"。

Chris Degnan 后來告訴他，之所以愿意花時間指導他，恰恰是因為 Matan 第一次見面之后就瘋狂給他發消息追問銷售候選人的事，Degnan 覺得"這小子挺猛的"。

高效溝通的前提是雙方都放棄面子保護，直接對準問題本身。物理學訓練了十年這個習慣，創業正好用上了。

9. 對 AI 未來 12 個月的預測

"模型會變得不那么重要。不是說模型不重要，而是關注度會從'哪個模型最強'轉向'你用這些模型做了什么'。"

他認為 AI 公司將越來越多地在編排層和應用層競爭，而不是在基礎模型層。Factory 12 個月后的目標是讓 Droids 處理的任務復雜度再上一個數量級。

——注：Matan有此觀點，跟他在做Factory有關系，他必然會放大編排層和應用層的價值敘事，盡管我很同意應用層和編排層將迎來爆發，但模型層的價值也并未到頂。二者互不否認，而是共生的螺旋。

MindCode日刊

AI·心理·腦科學·創業

文兄是誰？科技領域連續創業者，目前在 AI+心理領域創業，中美幾家 AI 公司的 CEO 心智與戰略教練，原阿里巴巴早期移動端核心產品負責人。emojiGPT 作者。

MindCode 是什么？一個小眾公眾號，日常短篇+偶爾深度長文。關注 AI、腦科學、心理學、創業。因在多領域深入思考，關注者中不乏頂級牛人。

AI 時代，讀他人之未讀對你很重要。關注并發送"1"可加討論小群，還可參加"讀完周報再來聊聊"的閉門交流會。