2026 年 8 月发表在 Science 上的一项研究标志着一个令人不安的里程碑：这是历史上第一次，AI 被用来设计在真实世界中运行的全新病毒。
斯坦福大学和 Arc 研究所的研究人员训练了一个 AI 模型，让它识别天然病毒 DNA 的模式，然后利用这些模式生成全新病毒的基因序列。在合成这些 DNA 并注入细菌后，细菌产生了活的病毒——能够感染其他细菌。
需要注意几个关键限制：AI 仅训练于噬菌体（攻击细菌的病毒），明确排除了感染人类、动植物和真菌的病毒。这些新病毒基于 PhiX174 噬菌体家属，对人类没有威胁。
TBPN 主持人 John 在节目中提出了核心争论：科学家合成病毒基因组已有多年历史，这次真正的不同在于速度和成本。他估算，如果病毒设计成本突然降低一千倍，正面可以重塑基因治疗和生物技术，负面则可能大幅降低生物安全门槛。
"这一切都归结为加速和成本。如果突然间制造病毒的成本变得比原来低一千倍，这既能以积极的方式重塑生物技术，也会带来生物安全方面的影响。" — John（TBPN 主持人）
Samir Kaul 则在节目中提出了一个更宏观的观点：正因为存在这类风险，美国反而不能过度监管本土 AI 公司——否则只会把技术优势拱手让给对手，同时失去自我防护的能力。"我们需要保持领先、站在最前沿，这样才知道如何保护自己。"
如果说有一位工程师的名字能与谷歌的成功画上等号，那一定是 Jeff Dean——谷歌第 23 号员工，Google Brain 的创始人，TensorFlow 和 TPU 的幕后推手。他在谷歌工作了 27 年，几乎参与了每一项对谷歌至关重要的技术决策。
而现在，他离开了。
Samir Kaul 在节目中分享了他投资 Discovery Loop 的完整逻辑。Khosla Ventures 的 Vinod Khosla 当年是谷歌的第一个机构投资者，Khosla 团队与 Jeff Dean 的关系可以追溯到二十多年前。
"Jeff 在 Google 工作了 27 年，参与了所有重要的事——Google Brain、TensorFlow、TPU。当 Jeff Dean 这样的人打电话给你说'我要创业了，你想投资吗？'——这是每一个 VC 的梦想。" — Samir Kaul
但 Khosla 的投资逻辑远不止人情。Samir 坦言，他们几乎拒绝了所有 NeoLab（后 OpenAI/Anthropic 时代成立的 AI 研究公司）——"这些公司由超级明星创立，但仅仅明星资历不足以支撑那种估值"。直到 Discovery Loop 出现。
区别在哪？Discovery Loop 不是做通用 AI 模型，而是将 AI 作为科学发现的加速引擎：提出假设、AI 并行运行成千上万次实验、实时获得正误反馈、迭代改进。Samir 将这种模式与 AI 编程类比——代码可以立即验证对错，科学研究通过 Discovery Loop 的方法也能实现类似的短周期反馈。
应用范围极其广泛：核聚变磁铁新材料、更高效的太阳能电池、电池材料、药物研发——任何一个方向的突破都可能产生巨大的实际影响。
Samir Kaul 的职业生涯本身就是 VC 行业的一个异类：在他看到第一张损益表之前，已经发表了 4 篇 Nature 论文和 1 篇 Science 论文。来自科学背景的视角让他的投资哲学带有独特的印记。
Samir 提出了一个"反直觉"的主张：如果一家 VC 的失败率不到 60%–70%，说明他们没有承担足够的风险。VC 这门生意的数学基础是：最多输掉 1 倍本金，但可以在 OpenAI 这样的项目上赚到 1000 倍回报。在这种不对称回报结构下，过度保守才是最大的风险。
"我们这门生意最美的地方在于：只能输掉 1 倍的钱。但在 OpenAI 这样的公司上，我们可以赚 1000 倍。所以，如果你以'至少能拿回本金'的心态去投资，那在这个行业里毫无意义。" — Samir Kaul
Samir 在节目中抛出了一个在 VC 行业相当罕见的观点：按比例跟投（pro rata）作为默认策略是"可耻的"——"如果有人来我的办公室说'某某以 XX 估值领投，我们应该做 pro rata'，我会把他们赶出去。"
他的逻辑很简单：私人市场给了 VC 在"中场休息"时改变赌注的机会——这恰恰是公开市场投资者没有的奢侈。每轮融资都是一次重新评估的机会：要么 3 倍加仓（最好的公司），要么削减到三分之一（降温信号），要么保持 pro rata（仅两种例外情况）。
Khosla Ventures 坚持 22 年不变的策略是"大胆、早期、有影响力"。Samir 认为专才型基金只在对应领域的风口期表现出色——加密基金在加密货币周期中风光无限，SaaS 基金在 SaaS 繁荣期一骑绝尘，但风口会过去。"我们一直在做同一件事：投有技术护城河的早期公司，帮助创始人做他们需要我们帮助的事，而不是管理他们或告诉他们怎么做。"
Samir 透露了一个让 LP 经常抓狂的细节：Khosla 拒绝追踪"谁做了哪个交易"。在他看来，这恰恰是团队 20 年来没有人员流失、没有政变的原因。"我们的卖点是：创业者不是在和 Samir 合作，而是在和整个团队合作——Samir、Keith、Swen、Vinod、David，所有人。"最终的评估标准来自创业者——如果 CEO 打电话来要求更多某位合伙人的时间，那才是真正的评估。
本期节目中最令人震惊的讨论之一是 Semi Analysis 对 Google/DeepMind 的"死亡宣判"。
"就所有实际目的而言，我们相信 DeepMind 已不再是前沿实验室——由于 RL 团队大量离职和算力分配不足。Google 会继续发布模型，但重新达到顶尖水平的概率已降至零。" — Semi Analysis
数据佐证令人触目惊心：Google 将超过 20% 的 TPU 产能以长期合同卖给 Anthropic，而只有约 15% 的云计算力分配给 DeepMind。GCP 预计保持中高 30% 的 EBIT 利润率，未来几个季度可能新增 2500 亿美元 TPU 预订。
TBPN 主持人分析，这揭示了一个战略方向的分裂：Google 管理层似乎认为 AI 的价值在于基础设施（云、芯片），而非模型本身。这与 Demis Hassabis 当年出售 DeepMind 时的期望形成了鲜明对比——他曾经测试 Mark Zuckerberg 是否"真正信仰 AI"，发现 Zuck 对 VR 同样兴奋后才选择了 Google。讽刺的是，如今 Google 自己可能把 AI 当成"另一种正常的技术"，就像 VR 或电动车一样。
不过，主持人也指出了一个可能的理性后发策略：如果 Google 利用搜索和 YouTube 的现金流继续扩建数据中心，等到前沿模型竞争尘埃落定后再收回算力进行最大规模的训练——这在理论上可行，但前提是那之前他们不能完全失去人才密度。
Bloomberg 的 Mark Gurman 报道了 OpenAI 正在开发的第一款消费设备：冰球大小的甜甜圈形态设备，价格 $300–400，由 Johnny Ive 的团队设计，预计 2027 年推出。
这个无屏幕的便携智能音箱被设计为比 Alexa 和 Google Home 更"生动"的存在——它不仅有灯光，还有可以物理移动的部件。它配备摄像头和传感器来感知环境，并会随着使用不断学习主人的习惯和偏好，使对话越来越个性化。
但主持人 John 指出了当前产品之间的集成鸿沟：他最近在 Codex 中完成工作后想在手机上继续处理——但需要手动把整个上下文窗口复制到 ChatGPT App。虽然预计这种割裂感"几周内就会被修复"，但它暴露了一个更深层的问题：许多真实任务需要启动浏览器、抓取数据、编写代码、部署服务——不仅仅是单次 LLM 交互能完成的。到 2027 年硬件推出时，这些集成问题必须被解决，产品才能呈现完整的 AI 协作能力。
一场可能的范式转变正在美国法院系统中悄然成形。2026 年 8 月，新墨西哥州法官命令 Meta 支付超 9 亿美元，并施加限制未成年人使用 Facebook 和 Instagram 的新规则。这只是最新一例——往前几个月，肯塔基学区获赔 2700 万美元，洛杉矶陪审团判 Meta 和 Google 赔偿一名成瘾少女 600 万美元。
TBPN 主持人在节目中详细追溯了 1998 年《烟草大和解协议》（MSA）的历史，并论证社交媒体诉讼正沿着高度相似的路径演化。
MSA 的核心逻辑不是让患癌的个人获赔——虽然这看起来更"合逻辑"——而是各州医保系统因肺癌支出剧增而起诉烟草公司。46 个州联合发起的诉讼最终以 2060 亿美元的和解金额收场，创建了一个永久的年度支付制度，支付金额与香烟销量挂钩。烟草公司获得诉讼豁免，各州获得持续的赔偿流——其中很多州还将未来的赔偿收入证券化为债券，提前拿回了一大笔现金。
社交媒体诉讼正在走同一条路：最初的个体受害者（成瘾少女 → 学校系统 → 州医保），金额从数百万上升到 9 亿，判决从不承认责任到强制要求改变产品行为。主持人 Jordy 简洁地总结道："是时候开始思考社交媒体面临的战斗了——用香烟的视角。"
Databricks 联合创始人 Patrick Wendell 分享了 AI 编码工具在大规模部署中的真实成本挑战。最初的挑战是推广——"没人想尝试新东西"。但一旦突破采用障碍，成本开始呈指数级增长。
消费定价意味着每个工程师在原则上可以花费无上限的金额。一个工程师可能在最贵的模型上运行一个循环任务，而成本完全不可预测。Patrick 描述的情况很直白："虽然工程团队的产出翻倍了，但如果成本指数级增长，它最终会超过公司的收入。"
Databricks 通过与 Coinbase、Uber 等同样处于早期大规模采用前沿的同行交流，找到了控制曲线的技术手段：
有趣的是，Patrick 强调 Databricks 的研究团队并不专注于训练模型本身，而是专注于"使用模型的所有实践问题"——这本身就是一个充满未解研究问题的领域，且有较强的知识产权护城河。
Whatnot 的 Grant LaFontaine 宣布公司完成了 5 亿美元的 E 轮融资，估值达到 200 亿美元。这个数字令人瞩目，但更令人印象深刻的是背后的增长逻辑。
Grant 用一个简洁的比喻解释了 Whatnot 的核心价值：直播视频相当于一家没有固定成本的实体零售店。数十万卖家在平台上建立了真正的生意——从卖新鲜海鱼的 eFishCo（根据当季渔获安排不同主题的直播），到拥有 150–200 名员工的成熟运营团队。
变现效率是 Whatnot 与传统平台最本质的区别。主持人在 YouTube 上运营了整整一年的频道，全年收入仅约 100 美元。而在 Whatnot 上，每周直播几次、有稳定货源的卖家，全年销售额轻松突破数十万美元。Grant 分享了一个惊人数据：年收入超百万的卖家中，75% 在 90 天内达到了 50 万美元的年销售速率。
当被问及为什么 Meta 还没有复制 Whatnot 时（Zuck 以克隆热门消费产品著称），Grant 的回应是典型的创始人式自信：六年来一直有各种体量的竞争对手，从大型社交平台到电商巨头。"我们只是继续专注于客户。每年至少翻倍。我们相信存在一个独立业务的机会——因为我们能比做 100 件不同事情的公司把每件事都做得更好。"
节目还从一桩豪宅交易（Nick Woodhouse 的迈阿密豪宅以 6850 万美元挂牌）引出了对 Authentic Brands Group（ABG）的讨论。ABG 拥有超过 50 个消费者品牌及多位名人的肖像权和遗产——从 Tapout、Volcom、DC Shoes 到 Brooks Brothers、Barneys、Sports Illustrated，从 Marilyn Monroe 到 Muhammad Ali 到 Shaquille O'Neal。
主持人的讨论触碰了一个有趣的张力：ABG 被批评者称为"标志性品牌的坟场"——"很多品牌如果有正确的管理和投入，完全可以回到昔日辉煌"。但在 ABG 的模式下，这些品牌更多被当作授权费来源而不是被用心经营。尤其是冲浪和滑板品牌，随着不住在海边、不参与板类运动的年轻消费者转而追逐 Chrome Hearts 等新品牌，这些曾经的标志性品牌正在经历结构性下滑。主持人 Jordy 甚至半开玩笑地提议——"应该为滑板品牌设立联邦救助"。这既是一个笑话，也准确地击中了品牌遗产管理的核心困境。
节目尾声，主持人 Jordy 向 Samir Kaul 提出了一个天使投资人常见的困境：在过去六个月里，他多次在新一轮融资中考虑出清全部仓位，但每次都因为觉得"太粗鲁"而选择"骑到底"。Samir 的回答提供了实用的判断框架。
对创始人卖股，核心问题是：释放一点压力是不是能让他们更大胆？如果是 500 万美元以内——买房、孩子大学学费、释放压力阀——这可能是合理的。但超过 1000 万美元，"我就需要真正理解发生了什么"。对天使投资人卖股，Samir 认为这是天使和创始人之间的私人约定，除非天使财力雄厚且不需要现金（这时卖股才会让他不舒服）。
"创始人卖股这件事值得深挖。他们是在买房吗？是在为孩子大学攒钱吗？释放一点压力之后，他们会不会去打更大的赌？这些才是你需要评估的问题。" — Samir Kaul
"这是历史上第一次，AI 被用来设计在真实世界中运行的全新病毒。" — John（TBPN 主持人）总结 Science 研究的里程碑意义
"Jeff 在 Google 工作了 27 年，参与了所有重要的事——Google Brain、TensorFlow、TPU。现在他们抬起头来做一件不同的事。这本身就说明了一切。" — Samir Kaul 解释为什么 Discovery Loop 不同于其他 NeoLab
"我们这门生意最美的地方在于：只能输掉 1 倍的钱。但在 OpenAI 这样的公司上，我们可以赚 1000 倍。" — Samir Kaul 阐述 VC 的风险收益不对称性
"如果你有想法、有联合创始人——昨天就开公司。别等。谁在乎？从哈佛退学，从 MIT 退学。" — Samir Kaul 给年轻创业者的建议
"在年收入超百万的卖家中，75% 在 90 天内达到了 50 万美元的年销售速率。" — Grant LaFontaine 揭示 Whatnot 的增长速度
"按比例跟投作为默认选项是可耻的。市场给了你在中场休息时改变赌注的机会，不重新评估就是愚蠢的。" — Samir Kaul 的 Pro Rata 哲学