喝点VC｜YC回首2024创业生态：开源的力量让AI草创

　　Jared Friedman：那些不住正在的人可能没认识到，从动驾驶汽车曾经正在全面摆设，通俗人每天都正在利用。

　　DianaHu：我比来测验考试过的一个设备是Meta的Ray-Ban眼镜。它没有显示屏，但我很是喜好它的音频和语音功能。我测验考试了一种工做流，把它毗连到ChatGPT或Claude的语音模式，环绕某个从题进行对话。

　　Harj Taggar：我很是具体地感遭到这一点，好比一年前，我取一些创业公司合做，他们根基上正在建立模子由器，只是做为一个API来挪用特定模子。其时如许做的次要动机是降低成本，好比避免耗尽所有ChatGPT挪用，而是分离到各类分歧的模子中。

　　Harj Taggar：是的，一年前有人认为这些LLM模子不敷靠得住，无法正在企业中摆设。人们认为它们“化”问题太严沉，风险过高。

　　风趣的是，Scale现实上赶上了两波海潮。他们抓住了第一波从动驾驶汽车公司的海潮，由于当机会器进修正在计较机视觉范畴的兴起，导致对标注数据集的需求史无前例。随后，跟着这一波海潮趋于不变，LLM兴起了。这些公司需要大规模的RLHF（ZP注：人类反馈强化进修），而Scale正益处于这一营业的最佳。

　　Diana Hu：并且他们方才推出了本人的大型根本模子，这个模子正在一些基准测试中曾经起头处于领先地位。我认为他们正正在试图成为这一范畴的另一个合作者。

　　Jared Friedman：是的，这种增加之所以如斯敏捷，是由于这些产物的价值从意很是强大，企业可以或许进行投资报答率（ROI）计较。当ROI很是超卓时，很多人认为企业发卖周期很长或者获得大客户很坚苦的保守不雅念就不成立了。企业会做出的决定。

　　Jared Friedman：但现正在，这些手艺不只实收入，还为大规模摆设，像每天处置数千个使命。我们已会通过靠得住性手艺和根本设备的成长，使这些智能体变得更靠得住。

　　Garry Tan：是的，我们有了一位新市长，但愿他能做出准确的决策。我们的市议会中有一个很是微弱的两头派大都，但我们曾经去除了形成“幸运轮回”的一些最蹩脚的议员。我对此连结乐不雅。虽然我们没有获得所有想要的工具，但一切都正在野准确的标的目的成长。和草创企业一样，正在中也是如斯——你老是高估一年内能够完成的工作，但也老是低估十年内会发生的变化。我认为这可能需要十年以至二十年，但就像草创企业从每年只要15家公司可能实现1亿美元年收入，到现正在每年有1500家公司有这种潜力一样。敲木头，我但愿能继续成为吸引全世界最伶俐人的灯塔。这也是我最乐不雅的处所——我们能够继续扶植。从我们所有人到所有不雅众，节日欢愉，新年见！

　　我记得我们正在几期之前提到过一个例子：Camphor取一个公司合做，利用最快的模子解析PDF文件，而更复杂的使命则用o1模子。这种方式也被一些进行欺诈检测的公司采用，他们有一个雷同“快速初级阐发师”的概念，用一个快速简化版的GPT-4 Mini，然后再用更大的模子好比o1来处置。此外，Cursor也正在取Lex Friedman的节目中谈到了他们的复杂多智能系统统，此中包罗多个模子的利用，这种方式很是无效。例如，他们会用一个模子特地预测用户下一步要输入什么，而用另一个模子理解整个代码库。这种针对分歧使命的多模子系统现正在很是遍及。

　　Garry Tan：风趣的是，目前全球只要几千辆如许的车正在运转。那2024年的“大失败”是什么？我记得我们正在Lite Cone的一期节目中穿戴Apple Vision Pro和Quest头显起头，但自那当前就没再谈论AR了，Diana，发生了什么？

　　Harj Taggar：回放智能体（Replay Agents）也正在持续改良，我传闻有人鄙人班回家的上通过这些手艺开辟了红绿灯使用，并对此印象深刻。

　　Harj Taggar：我买好了所有硬件，预备本人拆卸机械，但由于家里刚添了一个宝宝，这件事还没实现。

　　Diana Hu：一个手艺要求更低的例子是Anthropic的Artict。通过它，你能够原型化很是简单的使用法式，并利用Claude聊生成成简单的前端页面。如许产物司理就能够展现一个完整的工做版本给工程团队。

　　Diana Hu：正在我看来，机械人根基上是一半AI、一半硬件。现正在此中AI部门曾经正在逐渐见效。

　　Harj Taggar：是的，完全准确。并且，不只线下勾当回来了，也正在苏醒，这很大程度上也要感激你，Garry。比来的选举似乎取得了好成果，我感应对的乐不雅情感正在添加。

　　Harj Taggar：很是棒。我认为本年对创业公司来说一切都变得有益了。我比来一曲正在想的是，当ChatGPT两年前发布时，遍及的共识是所有的价值城市归属于OpenAI。出格是，你们还记得他们颁布发表GPT或ChatGPT商铺的时候吗？我记适当时的共识是，所有基于ChatGPT建立的使用法式都是GPT封拆器，而这个使用商铺会被发布出来，并碾压每一个试图建立AI使用法式的人。OpenAI会成为一家庞大的公司，但创业公司将没有任何机遇。现正在说这些听起来有些了。

　　本年一个大的趋向就是把AI看做是一种“Agentic”（智能体化）的概念。这是一个本年屡次呈现的新术语，而不是像客岁那样还逗留正在“聊天”层面的会商，好比ChatGPT。

　　Jared Friedman：是的，事明，客户支撑其实并不是一个单一的垂曲范畴，而是有很多分歧的变种和细节，一旦深切进去，会发觉各不不异。

　　Jared Friedman：我们来说说AI编程吧。2024年是AI编正迸发的一年。现正在大大都YC创始人都正在利用Cursor或其他AI集成开辟（IDE），这些东西正在本年炎天完全风行起来。Devin证了然能够完全从动化大规模编程使命。这一切都发生正在本年，实的很惊人。

　　Garry Tan：确实，感受我们仍处正在晚期阶段，很容易看到这些平台可能变得雷同于Windows 32的垄断模式。Windows能够拜候API，也晓得其平台上什么最受欢送，然后间接将其集成到平台中。虽然我们现正在正在2024年稍微松了一口吻，但这些工作变化太快了，我们还需要继续勤奋。

　　Harj Taggar：并且我感觉目前采办硬件的人，大大都环境下的杀手级使用似乎只是把它当做一个很是大的显示器。

　　Garry Tan：但硬件仍然很难做，并且很是高贵。有一些迹象表白，像叠衣服如许的家务可能会是第一批上市的功能之一。

　　Harj Taggar：好吧，那我们看看还有哪些趋向？草创企业从这些批次中出现的具体趋向和海潮是什么？语音AI是我们谈到过的一个标的目的，它明显是当前AI范畴中最有潜力的垂曲范畴之一，就纯粹的用户吸引力而言。

　　Jared Friedman：是的，Cruise需要对汽车正在驾驶时拍摄的所有图像进行大量标注，好比标出交通信号灯的等。

　　Diana Hu：好比Meta的权沉泄露事务，以及他们推出L的场合排场，这很是风趣。人们最后认为这只是一个很酷的开源模子，但它比OpenAI掉队18个月。然而，从中衍生出了良多工做，好比Vicuna以及其他取L相关的模子。

　　Diana Hu：是的，我也看到了一些雷同的环境。很多公司现正在更倾向于寻找那些能熟练利用AI编程东西的工程师。一个伶俐的面试方式是进行配对编程，让面试者现场利用这些东西。如许能够看出对方能否实正熟悉这些东西。好的工程师不只需要编程能力，还需要可以或许调整提醒并评估AI输出的准确性。我认为，解读和评估AI编程东西输出的能力现正在变得尤为主要。

　　这些模子鞭策了一家公司（YC的一家公司）开辟出能够正在当地运转的模子，好比正在设备上通过Docker开辟。很酷，但其时人们并不认为它们能赶上OpenAI。然而，从2023年到2024年的变化是，正在炎天呈现了一个转机点，这是第一次正在所有排行榜和基准测试中，排名第一的根本模子是L，这对整个社区是一个震动。

　　Harj Taggar：本年对草创企业来申明显是个好年景。那么对谁来说也是好年呢？明显是有一些巨额融资公司，好比OpenAI筹集了大量本钱，规模很是惊人。

　　Garry Tan：秋季这一批再次证了然这一点。现实上，我们最早留意到这种趋向是正在本年的夏日批次。而风趣的是，我们认识到，记得Paul Graham曾告诉我们正在YC期间公司需要每周增加10%吗？现正在，这种增加现实上呈现正在夏日和秋季批次的公司中。

　　而否决的概念是，这些工具的成本本身就会降到接近零，所以建立模子由器是没有价值的，没有人会用模子由器来建立他们的使用法式。他们只会挪用最好的模子。但一年之后，这种概念完全被证明是错误的。从我看到的环境来看，模子由器现实上是建立基于LLM的新手艺栈的一个很是好的切入点。而我们现正在看到的大大都使用法式，似乎都不单愿被某个特定模子住，这取你的察看能否分歧？

　　Diana Hu：这确实还没有发生。很多硬件需要变得愈加简便，好比我们需要将所有硬件缩小到这种形态。然而，将所有计较和光学硬件拆入这么小的外形中，正在物理上存正在，这很是具有挑和性。我认为，这还需要更多的工程手艺冲破和物理学上的发觉。算法曾经相当成熟了，但硬件和光学问题仍然很是复杂。

　　Garry Tan：每年四次，这是世界上所有晚期阶段投资者城市回到的时辰，最终以我们的展现日为一周庆贺勾当的。这确实是一个庆典。

　　Diana Hu：我确实也看到了这一点。我感觉这些年轻的手艺型创始人敢于孤注一抛，只是由于他们看到了一丝将来的曙光，就情愿全力以赴测验考试，而成果实的见效了，好比你提到的牙医的例子。我也有很多团队正在转向分歧范畴时，发觉了雷同的机遇，好比计较机使用兴起。我有一些公司正在这个标的目的上投注并前进，成果结果很好。当然，现正在还处于晚期阶段，这只是秋季这一批，但这也很风趣。

　　Harj Taggar：是的，现正在确实是一个奇异的科技时代。我从未履历过软件和手艺取如斯交错正在一路的期间。出格是，对于YC一批中的草创企业或者成立不到一年的公司，国度对它们的影响让人不安。不外工作确实转向了有益于草创企业的标的目的。

　　GarryTan：这很风趣，由于从底层员工的角度来看，听说良多刚从大学结业进入Amazon的员工，日常工做中并没无机会利用LLM，以至被利用。但即便正在统一家公司内部，也未能平均分布。这种环境反而为开源和自托管的LLM供给了更多机遇。我小我打算正在桌面上搭建本人的小型集群，用Apple Mini运转L。

　　Garry Tan：是的，这意味着一小我能够完成更多的工做。你认为这会改变草创公司聘请的体例吗？你现正在看到这种变化了吗？

　　对草创企业来说的抱负环境是，你能够只开辟AI或软件部门，然后运转正在通用硬件上，取得很好的结果。而相反的环境是，你需要同时正在硬件和软件两方面都很优良，并慎密连系才能推出产物。

　　Harj Taggar：没错，ChatGPT商铺本身就是个毫无意义的存正在。但更主要的是，现正在有哪些大的AI使用呢？若是不算ChatGPT本身，我感觉凸起的消费级使用是Perplexity，而凸起的企业级使用可能是Glean；正在法令科技范畴有Case Tech和Harvey等等。沉点是，有良多使用不是由OpenAI开辟的，这是一段很是适合创业的期间。

　　Harj Taggar：我认为这是一个很是主要的点，创业公司能够正在不筹集大量本钱的环境下实现这一点。由于正在GPT商铺发布之后，我还记得Anthropic和Claude的呈现，其时的遍及共识是所有的价值城市流向这些根本模子公司，独一可以或许正在AI范畴合作的方式是筹集巨额资金，不管是通过风险本钱仍是像亚马逊、Facebook或谷歌如许的公司用本人的资金储蓄。但若是你不是那些大的根本模子公司，就不会有价值。而基于这些根本模子开辟的使用要么由根本模子公司本人开辟，要么就不会有太大价值。事明完全不是如许，特别是开源的力量改变了这一切。

　　Garry Tan：另一个例子是我正在秋季这一批公司里合做的，名字叫Variant。他们的方针是操纵最先辈的开源LLM模子进行代码生成，并教这些模子美学，好比从图标生成起头。他们建立了一个复杂的后锻炼流程，能够顺应跟着开源模子正在代码生成范畴变得更智能、更强大时的迭代。你能够间接拿下一版本的模子，然后用他们的后锻炼架构和数据集来教这个模子美学，好比某样工具该当是什么样子。这不是雷同于扩散模子的体例，而是间接正在SVG层面操做。我们认为SVG能够正在各类美学中，所以这是一种很是风趣的新方式。这种后锻炼方式跳过了保守认为所有价值都堆集正在模子中的概念，出格是正在开源下。

　　Garry Tan：是的，现正在最疯狂的工作是，你能够从零起头，正在短短24个月内创立一家能赔取数万万美元的公司，并且可能只需200万到500万美元的投入。这恰是Opus Clip如许一家公司所履历的故事，他们以至不需要筹集正式的A轮融资，而这是我们正在YC社区中遍及看到的现象。

　　Garry Tan：关于律例的工作呢？看起来我们似乎避开了SB-1047法案（ZP注：全称为《Safe and Secure Innovation for Frontier Artificial Intelligence Act》，旨正在为高风险的AI模子成立明白的平安尺度，以防止其被或激发灾难性后果）的影响，还有一些拜登的行政号令可能不会正在特朗普的白宫存续下去。但我们之前很是担忧的一点是，高档数学跨越某种程度可能会被俄然定义为不法，或者需要正在处所办公室注册。

　　Harj Taggar：Scale的故事很是风趣，由于即便是正在LLM之前，它就曾经是一个价值数十亿美元的营业。而跟着LLM的兴起，它可能会成为一家1000亿美元的公司。

　　语音本身就像AI一样，能够触及各个范畴，有无数的使用可能性。好比言语进修使用法式，我相信不会只要一个很酷的语音AI驱动的言语进修使用法式，而是会有多个如许的使用。

　　Harj Taggar：是啊，这就像说互联网领取只会有Stripe那样的根本设备公司，而不会有其他有价值的垂曲使用。现实是，横向根本设备层本身就脚够有价值了，所以必定会有很棒的语音AI公司让你轻松建立本人的语音AI使用，同时也会无数百个很是有价值的垂曲使用。

　　Harj Taggar：我们正在某一期节目中会商过这个话题。而现正在，快进一年后，我们都有了间接的经验，那些试点项目现实上曾经实的收入。并且若是有什么分歧的话，现正在YC这一批中的草创企业比以往更快地向实正在企业出售，并快速增加收入，达到雷同年收入100万美元的里程碑。

　　Diana Hu：Jared正在上一期节目中提到的垂曲AI的论点很是无力，他认为这将使数千家以至更多公司兴旺成长。

　　Harj Taggar：我感觉风趣的辩论正在于，能否该当候选人正在面试中利用这些东西，好比Cursor，或者该当接管它，并通过测试来权衡他们的出产力。我倾向于认为，行业会顺应这种变化，最终更多地关心绝对产出，而不是保守技术。好比Stripe十年前就认识到他们需要法式员做的是开辟网页使用，而不是处理复杂的计较机科学问题。于是行业从Google式的白板面试转向了给面试者一台电脑，让他们正在4小时内完成一个使命。我感觉我们会看到雷同的改变，面试者会利用这些东西，正在更短时间内完成更多使命。

　　GarryTan：我有一个由前苹果团队创立的公司，叫Weave Robotics，他们打算正在2025年推出一款实正的机械人，成本大约是6。5万到7万美元。这是机械人施行家务使命所需的施行器和平安性所必需的成本。我感觉鞭策这个趋向的是LLM本身能够做为机械人的“认识”，好比“我能否正在做仆人需要我做的工作？”以及“我若何取家庭中的其他人互动？”但风趣的是，像“语音-言语-动做”模子可能只是更普遍LLM认识中的一个东西利用模块。我很猎奇这能否实的会见效，本年我们可能会有谜底。

　　Jared Friedman：是的，本年关于AI编程东西和编程面试的争议很是风趣。由于AI编程东西现实上打破了公司多年来利用的保守编程面试体例。我很猎奇Harj的见地，由于我们之前运营过一家编程面试公司。

　　Jared Friedman：我几乎忘了线下展现日那种令人振奋的能量。这是正在线上完全无法复制的。YC的展现日也一曲是硅谷投资者的非正式，每次展现日几乎所有投资人城市加入。当我们暂停线下勾当时，并没有其他雷同的勾当能够替代。所以当我们把它带回来时，投资人们都很是兴奋。

　　Garry Tan：是的，这表白选择很主要，有选择意味着不再完全依赖于模子。我认为模子本身仍然很主要，但一旦有了选择，垄断订价的可能性就削减了。你的合作敌手也有同样的模子，此时其他方面的能力，好比产物能力、发卖能力、用户反馈的调整能力，以及实现零客户流失的能力，变得愈加主要，而不是通过模子来捕捉将来价值的光锥。

　　Diana Hu：他们谈到的一个使用是完成旧编程言语版本的大规模迁徙，好比升级数据库版本等，这凡是需要大量工做。他们利用LLM处置了这个问题，改动了成千上万行代码。若是靠工程团队完成，可能需要六个月或更长时间。

　　Harj Taggar：我感觉对草创企业来说的抱负环境是，你能够只开辟AI或软件部门，然后运转正在通用硬件上，取得很好的结果。而相反的环境是，你需要同时正在硬件和软件两方面都很优良，并慎密连系才能推出产物。那样的话，像特斯拉如许的公司可能会成为显而易见的赢家。我仍然持乐不雅立场，我们有多家公司正正在测验考试若何正在特定的用例中将模子运转正在通用硬件上。

　　我碰到一些刚从YC结业并完成种子轮融资的创始人，他们的做法和过去典范不太一样。过去的是多招人，好比寻找那些正在合作敌手公司做过雷同工做的人，但现正在有些创始人反而选择让本人的软件工程师先用LLM来完成更多流程优化，推迟聘请这些特定范畴的专业人才，可能比及B轮或C轮后才起头。

　　Diana Hu：是的，如许和本人聊天实的很风趣，虽然走时可能会看起来像个。但我通过它进修了良多分歧的从题。

　　Harj Taggar：这确实值得一提，由于这是一个典范的草创企业故事。你晚期就正在那儿，对吧？你采访过他们，告诉我们他们最后的设法是什么，以及他们是若何最终找到一个可能是过去十年里最好的草创公司点子的。

　　Harj Taggar：总体来说，线年的一个主要从题之一。本年我们取一些晚期草创企业的会晤中，发觉他们的首要使命之一是若何让大师回到线下办公。我认为“永久近程办公”的时代曾经竣事了。

　　Jared Friedman：感受还很早，机械人范畴还没有像ChatGPT那样的迸发性时辰。

　　Diana Hu：是的，现实上我们正在秋季展现日的这一批公司中看到了一些趋向变化。取2024年夏日和冬季比拟，公司起头正在使用中利用多个模子，好比正在需要快速解析大量输入的环境下，最佳选择是速度更快但略耗的模子，而更复杂的使命则需要更大的模子来处置。因而，2024年秋季的一些公司现实上采用了多模子架构，将最佳模子用于最佳使命。这雷同于“模子由器”的概念，但这种设法从简单的由进化成了一种更雷同于编排的体例。

　　你的合作敌手也有同样的模子，此时其他方面的能力，好比产物能力、发卖能力、用户反馈的调整能力，以及实现零客户流失的能力，变得愈加主要，而不是通过模子来捕捉将来价值的光锥。

　　Harj Taggar：我还想起一件一年前的工作。其时这一批中的很多草创企业获得了一些企业概念验证（PoC）或试点项目。良多人对此持思疑立场，认为这些试点项目无法正的收入。这取加密货泉有良多类似之处，特别是区块链手艺。每当有新的风趣手艺呈现时，企业老是想测验考试运转试点项目或PoC，由于有人需要证明他们测验考试过最新的手艺趋向。

　　Garry Tan：欢送回到《The Light Cone》的又一期节目。我是Garry，这里还有Jared、Harj和Diana，我们配合赞帮过市值达数千亿美元的公司。2024年实是出色的一年，Harj，你感觉怎样样？

　　Jared Friedman：关于Scale AI的风趣之处正在于，它是那种典范的YC草创公司故事的缩影。若是说有其他类型的草创公司，好比SSI，这就不是一个典型的YC故事。他们是由一些很是出名的人物用一份PPT筹集了10亿美元，而Scale AI则是年轻法式员通过比其他人更伶俐、更勤奋地逐渐成立了一个100亿美元的公司。

　　Harj Taggar：我感觉语音本身就像AI一样，能够触及各个范畴，有无数的使用可能性。好比言语进修使用法式，我相信不会只要一个很酷的语音AI驱动的言语进修使用法式，而是会有多个如许的使用。近程工做，好比视频会议，可能也是语音AI风趣的一个使用范畴。

　　我正在下层也看到了雷同的现象。一些公司正在加入YC一批之前还没有一个明白的设法，但随后转向了一个成功的AI设法。有家公司一年前入驻YC时没有找到好点子，后来他们的创始人认识到本人的父母运营了一家牙医诊所，于是他起头察看诊所能否有能够从动化的处所，最终成立了一个为牙医诊所供给AI后勤办事的系统，现正在每周的增加表示很是超卓。如许的案例现正在越来越多了。

　　Garry Tan：我对YC从头正在线下运营感应很是兴奋。我们恢复了线下展现日，再也不消通过Zoom举办展现会了。我们以至正在楼下的办公室举办了校友展现日，还占用了Masonic核心，会场里堆积了100位投资人。我感觉这对创始人来说很是有益，由于本年秋季批次的创始人数量只要夏日的一半到三分之一，而投资人的数量倒是之前投资者款待会的两到三倍。

　　Harj Taggar：我们适才提到了机械人，本年我们明显取更多处置机械人开辟的创始人合做了，比以往任何一年都多。这背后是什么驱动的？

　　至于Garry提到的草创公司需要聘请几多人以及若何扩展的问题，目前似乎还没有较着的影响。但我对Jeff Bezos比来的一次采访印象深刻。他提到本人回到了Amazon并专注于AI开辟。据他说，Amazon内部曾经有100个以至1000个由LLM驱动的使用法式正在运转。回忆AWS的降生，最后也是为了支撑Amazon内部的根本设备，然后被推出市场并完全改变了草创公司的运营体例。我很猎奇，若是Amazon将这些内部使用推向市场，能否会再次激发雷同的，让我们看到更多一人团队和十人独角兽的现象。

　　Jared Friedman：但他们几周内就完成了。对于像Amazon如许的公司来说，这简曲是LLM驱动智能体处置后台流程的完满用例。他们必然发觉了无限无尽的机遇。

　　Diana Hu：由于每个行业都有很是具体的工做流程需要语音AI去向理。这也申明为什么垂曲AI智能体味兴旺成长。好比正在客户支撑中，为航空公司打制语音智能体和为银行或B2B SaaS公司打制的流程完全分歧。

　　Jared Friedman：这是一种典型的“鸡生蛋仍是蛋生鸡”的问题。因为硬件用户太少，使用开辟者认为不值得去开辟使用法式，而没有脚够的使用法式，也让用户对采办硬件的乐趣不脚。

　　Harj Taggar：是的，Garry方才发布了一段关于Claude计较机利用的出色讲解视频，但现正在模子的能力越来越强，能够完成复杂的多步调使命，好比接管你的计较机、挪用其他使用法式并施行复杂使命，这些正在一年前都显得难以实现。

　　DianaHu：本年一个大的趋向就是把AI看做是一种“Agentic”（智能体化）的概念。这是一个本年屡次呈现的新术语，而不是像客岁那样还逗留正在“聊天”层面的会商，好比ChatGPT。客岁更多是环绕这品种似聊天的功能，但现正在曾经演变成各类基于智能体的使用，好比针对分歧使命的XYZ类型的智能体。

　　Jared Friedman：Replit将这些手艺普及到了非手艺人员中，这是第一次实现这种程度的普及，实是不成思议。

　　Harj Taggar：然后他们正在YC期间调整了标的目的，你还记得他们是怎样想到数据标注这个从见的吗？这是2016年的工作吧。

　　Jared Friedman：他们想到数据标注这个从见是由于Alex曾正在Quora工做，其时需要进行一些数据标注工做，好比内容审核。其时最大的标注办事是Amazon Mechanical Turk，良多人认为它是无敌的，由于它是亚马逊运营的，资金充脚，规模很大。但Alex有个奇特的看法，由于他正在Quora用过Mechanical Turk，他晓得这个东西的现实利用体验并欠好。所以他决定测验考试成立一个更好的东西，来满脚他正在Quora时的需求。

　　Garry Tan：你感觉语音AI会是“赢家通吃”的范畴，仍是会分化成很多针对特定垂曲范畴的使用？这是我从一些语音AI草创公司那里听到的问题，他们正在思虑该当走横向扩展的道，仍是继续深耕于本人的垂曲范畴？