Xbox 裁员 3200 人、Ferrari 的"手动挡"回归、太空数据中心的野望
为什么这期值得关注
Xbox 地震：一封不提 AI 的裁员信
新任 Xbox CEO Ashish Sharma 在本期节目当天早上发布了一封致全体员工的公开信，宣布到 2027 年底前裁员 3,200 人——其中 1,600 人即日生效。这封信的传播速度不亚于任何一场 3A 大作的预告片，但原因不是数字本身，而是它的罕见坦诚。
在科技行业过去两年铺天盖地的裁员叙事中，有一套几乎约定俗成的话术：裁员是因为 AI 提高了效率，公司正在重新聚焦战略，我们感谢每一位离开的同事。但 Ashish Sharma 的信没有这一套。她直接写道：Xbox 的业务"不健康"——利润率比竞争对手低三到十倍，最新一代主机的成本结构反而更高，而在一些部门，一项工作要通过多达 14 层管理审批。
为什么不能像其他公司那样，把裁员归因于 AI？TBPN 团队的分析很直接：游戏玩家社区对 AI 极度反感。如果 Xbox 说"我们用 AI 替代了这些岗位"，社区反弹会远比承认自己经营不善更严重。Ashish Sharma 被迫选择了诚实——而这恰好让这封裁员信成为近十年科技行业最值得一读的内部通讯。
"这是近十年来第一次有科技巨头在裁员时公开承认业务不健康，不甩锅给 AI。" — TBPN 团队
作者概括：Xbox 约有 16,000 名员工，这轮裁员占比约 10%。同期微软整体裁员 4,800 人（占 2.1%），Xbox 的裁减比例远远高于公司平均水平。
Stack Ranking：从激励工具到"最具破坏力的制度"
Xbox 的困境不能脱离微软自身的文化演变来理解。TBPN 团队在节目中梳理了微软从 1970 年代至今的管理哲学变迁——这段历史本身就是一部硅谷管理的教科书。
在 Bill Gates 的时代，微软以"令人激动但也不安"著称。Gates 亲自审查工作成果，极小的团队承担巨大的交付压力，内部的争论常常是技术性的、尖锐的。那个时代的微软更像一家初创公司，而不是后来人们印象中的垄断巨头。
1990 年代 Windows 和 Office 的锁定效应让微软变成了印钞机，公司变得富有、庞大、内部竞争激烈。在这个阶段，"强制排名"（stack ranking）开始制度化：管理者必须将员工按钟形曲线分入不同的绩效等级，即使一个全明星团队也必须有 10% 的人被划入底部。Vanity Fair 在 2012 年的一篇著名公司特写中引用前员工的话，称之为"微软内部最具破坏力的制度"——因为它让员工与同事竞争，而不是与对手竞争。
"强制排名让员工与队友竞争，而不是与对手竞争。" — Vanity Fair 2012 年报道引用前微软员工
2013 年，微软在 Nadella 上任前正式废除了强制排名制度，转向更加定性化的、更频繁的绩效评估。这场文化转型帮助微软在云计算时代重新出发。现在，Ashish Sharma 似乎想在 Xbox 内部重新创造一种"令人激动且不安"的氛围——用 Vanity Fair 当年的原话。
作者概括：微软在 2009 年金融危机时进行了史上第一次大规模裁员（5,000 人），在此之前近 30 多年从未出现过裁员潮。如今，裁员已经成为公司运营的正常行为——但从未以 Xbox 这样坦诚的方式呈现。
Xbox 能救回来吗？游戏主机的结构性挤压
TBPN 团队对 Xbox 的前景给出了一个不乐观但值得玩味的分析。在主持人看来，Xbox 是"最难让人产生兴奋感的游戏平台"。Valve 是 PC 游戏生态的隐形印钞机，PlayStation 拥有《最后生还者》这样的 IP 并将其 HBO 化，Nintendo 用 Switch 彻底跳出了性能竞赛。而 Xbox 花了几百亿美元收购 Activision，却因为反垄断顾虑不敢把《使命召唤》变成独占——本来这可能是唯一能让玩家多买一台 Xbox 的理由。
更深的挑战来自注意力的分散。PC 游戏的门槛越来越低——你买来写作业的笔记本就能跑 Steam 上大部分游戏。手机上的 hyper-casual 游戏在抢占碎片时间，TikTok 在抢更长的注意力窗口。Xbox 不仅要跟 PlayStation 打，还要跟短视频、播客、流媒体争抢用户"可以用来打游戏"的那个小时。
部分分析师开始讨论一个更激进的问题：Xbox 是否会被微软分拆为独立实体？当年 Xbox 被定位为微软进入消费市场的桥头堡——一个带 4K 蓝光播放功能的游戏机，用来占领客厅。但现在微软真正的增长引擎是企业云、Teams、AI，而 Xbox 在这个叙事中越来越像一块不相关的飞地。
Ferrari 的手动挡：电控模拟 vs 机械信仰
在 Xbox 的严肃商业分析之后，节目画风急转——Ferrari 刚刚发布了 12 Cilindri Manuale，这是自 2012 年以来 Maranello 第一款带有手动档杆的 V12 法拉利。限量 1,499 台，起价约 50 万美元，2027 年初开始交付。
但这款车在车迷社区中引发了激烈争论。它本质上是一个 8 速 DCT 双离合变速箱加上电控手动界面——离合器踏板是真的，档杆是真的，换挡手感也被精心模拟到有同步器啮合的阻力感，甚至会因为你操作不当而真的熄火。但它是 manual by wire，不是纯机械手动。系统会在你试图做出真正的危险操作（如超转速降档，俗称"money shift"）时介入阻止。
Ferrari 对此的官方说法耐人寻味：客户愿意用性能换取老式驾驶体验的乐趣。事实上，切换到 6 速手动模式后，极速从 211mph 降至 196mph——但这恰好成为了卖点。
"客户愿意用性能换老式驾驶体验的乐趣。" — Ferrari 对 12 Cilindri Manuale 的定位
Robinhood 联创、知名汽车收藏家 Baiju Bhatt 被问到他对 Manuale 的看法时，回答直白而热情："我被迷住了。"（"I'm smitten."）他的态度代表了相当一部分买家的心理：在 2026 年这个连普通家用车都越来越像一块带轮子的平板的时代，任何形式的物理交互都值得珍惜。
"路上的车不是灰就是黑、银、马桶白"——Baiju Bhatt 的汽车色彩论
Baiju Bhatt 在节目连线中贡献了一段关于现代汽车工业的即兴吐槽，因为连接故障短暂中断后，主持人们迫不及待地请他重新讲了一遍——这说明这段话足够精彩。
"现代汽车景观简直是他妈的末日。路上每一辆车不是灰色就是黑色、银色、马桶白。马桶造型的车在路上越来越多，这让人沮丧。我觉得这某种程度上是对人类社会现状的评论——为什么每个人都需要开完全一样的、丑陋又方正的车？" — Baiju Bhatt
这段话引发了主持人们的热烈附和。Jordy 说他的车库里停着蓝、绿、棕三辆车——在对悄无声息的色彩统一化宣战。TBPN 团队将汽车颜色的消失归结为几个因素：安全法规迫使车身轮廓趋同（碰撞区标准化）、"高罂粟花综合症"让人们不敢选红色这种太扎眼的颜色、以及安静奢华美学将黑灰白定义为"有品位"。
Baiju 的抱怨并非只是车迷的感性发泄。它折射出一个更广泛的话题：当产品变得极度同质化，差异化从何而来？Ferrari 的 manual by wire 就是一种回答——既然轮廓和颜色都在趋同，那就在交互体验上做文章。这让 Ferrari Manuale 和 Hyundai IONIQ 5 N 之间的类比格外有趣：前者用 $500K 的价格在 V12 上模拟手动挡，后者用 $60K 的价格在电动掀背上模拟双离合换挡和引擎声浪。两者都受到了"不纯粹"的批评，但两者都让开车的人觉得好玩。
从零佣金到零重力：Baiju Bhatt 的太空赌注
把话题从跑车拉回轨道，Baiju Bhatt 的新公司 Cowboy Space Corporation 刚刚宣布了新一轮融资和垂直整合战略。公司的使命是"从高边疆为人类提供动力"（power humanity from the high frontier），具体路径是：自己造火箭 → 在太空部署数据中心 → 让空间计算在成本上能与地面竞争。
"我们正在执行一个使命：从高边疆为人类提供动力。" — Baiju Bhatt, Cowboy Space Corporation
Baiju 在解释为什么要自己造火箭时，给出了一个与传统航天创业截然不同的逻辑。传统火箭公司的商业模式是第三方发射——你把别人的东西送到太空，发射本身就是收入来源。但 Baiju 想发射的是自己的东西：空间数据中心。这意味着他控制着整条经济链。如果一次发射失败，损失的是自己的商业载荷而不是 NASA 的——容忍度完全不同，因此可以"尽早发射、频繁迭代"。
"我们不需要造火箭中的 Bugatti Veyron，我们要造 Honda Civic。" — Baiju Bhatt 谈 Cowboy Space 的火箭策略
具体而言，策略是砍掉一切不必要的复杂度：不做人类太空飞行，不做第三方发射服务，不追求一开始就实现可复用——先用一次性版本把载荷送入轨道，再逐步升级。Baiju 想要的是"砍掉手工项目"——这是一个火箭工程师不会用的词，但精准地传达了他的工程哲学：专注、简化、为特定目标优化。
作者概括：当 SpaceX 也开始做云业务（SpaceX AI），其他超算中心和 AI 实验室会更积极地寻找替代发射供应商——没有人想把自己的算力命脉交给竞争对手控制的火箭。这是 Cowboy Space 的市场窗口。
数据中心：第一种不为人类设计的建筑
Legacy Investments 管理合伙人 Daniel English 可能是三人中最不"消费者视角"的嘉宾，但他分享的数据中心投资视角却是整个节目中最具结构洞察力的段落之一。
"这很激动人心——这是人类历史上第一次，我们建造的建筑不是为人类设计的。你日常生活中接触的大部分建筑是为人类设计的。但数据中心关心的是机器。" — Daniel English
Daniel 描述了一个令人震惊的尺度变化：2010 年，5 兆瓦的数据中心就算大的，30 兆瓦是天花板。到 2026 年，30 兆瓦只是一栋小数据中心，"人人都想要吉瓦级别"。这个转变的驱动力是 AI——不仅因为训练和推理的算力需求本身在暴涨，还因为功率密度的提升意味着同样一栋建筑能承载的计算量完全不同。
他给出了一个生动的案例：他和团队买下了芝加哥 LaSalle 街上的芝加哥期权交易所（CBOE）大楼，正在将其改造成 AI 数据中心。今天这栋建筑可以塞进 50 兆瓦的算力——放在 2010 年，同一栋楼只能放 4 兆瓦。密度提升了十倍以上。
数据中心的选址遵循"机器的逻辑"而非人的逻辑。三要素依次是：电力（能否快速接入充足的电网）、光纤（数据能否高效传输）、延迟（距离用户有多近）。水的使用在最新设计中主要通过闭环系统解决，不再像早期的蒸发冷却那样消耗大量水资源。
当数据中心成为城市地标
Daniel English 的另一个独特视角是关于数据中心的美学和社区关系的。他承认社区对数据中心的抵触情绪真实存在——"我们每天的生活都依赖它们，但没人想让它建在自己家旁边"。他解决这个问题的方法相当有创意。
明尼阿波利斯市中心的一栋玻璃办公楼，原本基本闲置、价值不到 3,000 万美元，被他改造成 AI 数据中心后以明尼苏达州历史最高价转手。建筑外观几乎未变——路过的人不会意识到里面运行着 AI 推理。芝加哥期权交易所大楼本身是历史保护建筑，路人也完全看不出里面有数据中心。
在德州的一个全新数据中心项目中，他的建筑团队参考了 Frank Gehry 的博物馆风格来设计围栏。他的梦想更大：能否像 Louis Vuitton 在纽约第五大道用巨型行李箱包裹施工中的建筑那样，把数据中心也包裹在艺术品中？"让游客想拍照，而不是排斥。"
社区直接的谈判也在发生：数据中心的投资方和租户开始提供额外补偿——从新消防站、消防车到住房和教育基金——远远超出正常的税收贡献。这种模式有点像大型体育场馆的社区谈判，但数据中心的就业贡献远不及体育场馆，使得谈判的逻辑更加依赖直接的经济补偿。
"后 Prompting 时代"：告诉模型目标，而不是方法
Replit 总裁兼 AI 负责人 Michele Catasta 是 vibe coding 领域的先行者——Replit Agent 在 2024 年 9 月就已经上线，而"vibe coding"这个词直到 2025 年 2 月才被行业造出来。他从巴黎连线，带来了关于 AI 编码 Agent 未来最清晰的愿景。
"我们不再花太多精力在 prompt 上了。即使你去听 Anthropic 的研究者和工程师讲解如何使用 Fable 5，核心洞察是：停止给它指令，停止给它规则。告诉模型你想达成什么目标，然后相信这个过程。" — Michele Catasta
Michele 将这种现象称为"后 Prompting 时代"。在过去两年里，使用 AI 的标准模式是精心设计 prompt——给出详细的指令、规则、边界条件和输出格式。但随着前沿模型在执行长周期任务上的能力提升，这种范式正在崩塌。你不应该告诉 Agent 怎么改网站文案来提升转化率，你只需要告诉它"把转化率提升 5%"，然后让它自己决定是改文案、换图片还是调整定价页。
这不仅仅是 workflow 的效率提升。它是一种全新的与计算机交互的方式——从"教电脑怎么做"到"告诉电脑做什么"。Michele 认为我们即将看到"App 使用量大幅减少，Agent 使用量大幅增加"的转折点，因为 App 建立在键盘和鼠标的人机交互模型上，而 Agent 建立在自然语言和自主执行上。
一人独角兽会在今年诞生吗？
当 TBPN 主持人追问那个被炒作了一整年的话题——什么时候能看到第一个一人运营、估值超过 10 亿美元的公司——Michele Catasta 的答案简单而自信："到今年年底。"
他对上一个被 New York Times 报道的"一人独角兽"案例持质疑态度——客户投诉太多，营销边界模糊，还面临 FTC 和 FDA 的调查。但 Replit 平台上已经有多个估值达到 9 位数的公司。从 9 位数到 10 位数，他不认为是一道需要革命性突破的槛。
Michele 也指出，Agent 和确定性软件之间的经济账还没有算完。一个被几万人使用的内部工具，如果每次操作都调用前沿模型推理，月度账单会非常惊人。所以很多 Replit 上的成功案例建完之后就变成了纯确定性软件——建的时候用了 AI，运行的时候完全不需要。在可预见的未来，最聪明的做法可能是混搭：用 Agent 完成探索性的、一次性的大任务，用确定性软件承载重复性的、大规模的操作。
作者概括：Michele 认为当前限制一人独角兽出现的唯一瓶颈不是 Agent 的技术能力，而是人的想象力。"如果你学会以目标的方式思考而不是以步骤的方式思考，Agent 能做的一切就会自然而然展开。"
Circle K 的 $1300 万：当彩票规则撞上贪婪
节目的幽默高光来自一桩亚利桑那州的彩票纠纷。一位名叫 Soon Chun Kim 的顾客在 Circle K 便利店要了 85 张 $1 的彩票，但她只带了 $60。店员给了她 60 张，剩下 25 张留在柜台上。第二天早上，经理 Robert Galizza 发现剩下的 25 张里有 $1300 万的中奖彩票。他脱下 Circle K 工作服，从另一名员工手里买下了全部 25 张。
Circle K 公司发现后，将彩票扣押在公司总部，并对经理和亚利桑那州彩票局提起诉讼——主张自己是彩票的合法所有者。目前至少有三方在争夺这张彩票：原顾客、经理、以及公司。法官还没有做出裁决，正在等待找到 Soon Chun Kim 出庭作证。
TBPN 团队各自下了注：Jordy 赌经理赢——除非员工手册里明确禁止经理在自己店里买彩票；John 赌大公司赢；Tyler 赌原顾客赢。这场纠纷的核心问题其实只有一个：当顾客要求买彩票但付不起钱时，那张票到底属于谁？答案取决于法律——但也取决于谁的律师更贵。
算法信息流杀死好奇心，AI 放大好奇心
Perplexity CEO Arvind Srinivas 在 Joe Rogan 节目上的一段话引发了 TBPN 本期最精彩的辩论。Arvind 提出了一个二分法：有两条通往好奇心的路，一条杀死它（算法信息流），一条放大它（AI）。
"有两条通往好奇心的路，一条会杀死它，一条会放大它。杀死好奇心的，是算法信息流——每天被喂给你的脑腐内容，无休止的下滑。而能放大好奇心的，是 AI——现在你可以问任何你想问的问题。" — Arvind Srinivas, Perplexity CEO, on Joe Rogan
Jordy 提出了一个有力的反驳："我大量的灵感来自信息流。昨天我在 X 上看到一条链接，马上发给 John 说我们应该做这件事。"他的框架是：信息流负责发现灵感，AI 负责深入探索。在互联网出现之前，艺术家和创作者也是通过消费媒体——书籍、电影、音乐——来获得灵感的。信息流只是这种行为的数字化版本。
团队最终达成的共识比 Arvind 的二分法更精细：问题不在于"信息流"这个形式本身，而在于算法的优化目标。当优化目标是注意力和停留时间时，用户会产生后悔感——"你把我吸进去了但我并不想看到这些"。而当算法优化的是好奇心时——就像早期的 YouTube 只是一个搜索框加上编辑精选——用户是主动的、满足的。Michele Catasta 的"后 Prompting 时代"也在暗示同样的方向：当 AI 从被动应答变成主动探索，它就从一个工具变成了一个思想伙伴。