631
1📝 本期播客简介
本期我们克隆了：Shane Parrish 主持的深度访谈播客《The Knowledge Project》Mental Models That Change How You Think | Bill Gurley
本期嘉宾 Bill Gurley 是硅谷最具影响力的风险投资人之一，曾任 Benchmark 合伙人，并深度参与 Uber 等公司的投资与成长。在这期节目中，他和 Shane Parrish 展开了一场覆盖系统思维、投资方法、AI 竞争、金融基础设施、创业者特质与人生定义的深度对话。
Bill 反复强调：真实世界不是单变量、线性的系统，而是多变量、非线性、充满二阶和三阶影响的复杂系统。无论是做产品、投资，还是判断 AI 浪潮和资本周期，如果只盯着一个指标，很容易被短期结果误导。
你将听到 Bill 如何从 Peter Lynch、Buffett、Ben Graham、Howard Marks 等投资大师那里建立金融底层认知；为什么他认为每个人都应该研究自己所在领域的历史；为什么真正优秀的创始人往往具备痴迷式学习、产品直觉、讲故事能力和“不管怎样都要做下去”的决心。
节目后半段，Bill 还深入讨论了 AI 时代的几大关键冲突：美国监管是否会变成大公司的护城河；中国开源模型生态为什么可能更快进化；AI 投资是否正在进入资本狂热；稳定币为什么可能绕开美国落后的支付系统，并威胁 Visa 和 MasterCard；以及被动投资、代理投票机构和代币化将如何改变金融市场。
这不是一场单纯关于风险投资的访谈，而是一堂关于如何在复杂时代建立判断力、识别系统性变化，并保持长期学习能力的认知课。
👨⚕️ 本期嘉宾
Bill Gurley，硅谷知名风险投资人，Benchmark 前合伙人。他曾深度参与 Uber、Grubhub、Zillow、Nextdoor 等公司的投资与成长，是美国科技投资界最具影响力的思想者之一。Bill 长期关注市场平台、网络效应、资本市场、监管结构与科技浪潮，也以深度写作和清晰的行业分析著称。
⏱️ 时间戳
开场 & 播客简介
系统思维：为什么不能只看一个变量
信息碎片化时代，如何理解复杂世界
系统思维的核心：多变量、非线性与难以预测
天气、股市与复杂系统：一个变量变化如何层层传导
系统思维如何帮你少惹麻烦
约会网站案例：优化互动，却伤害长期转化
二阶影响：为什么单一指标会误导决策
投资认知的底层训练
Bill Gurley 如何学习投资：从华尔街到风险投资
Peter Lynch、Buffett、Ben Graham 与 Howard Marks 的影响
价值投资如何迁移到风险投资
Bill Miller、Amazon 与网络效应的价值判断
为什么 VC 也必须懂金融底层逻辑
华尔街是创业公司最终流动性的买方
轨迹比起点更重要：早期公司如何想象终局
行业历史：被忽视的职业护城河
为什么理解一个行业的底层基础很重要
Pixar 创意天才 John Lasseter 如何研究动画史
Magnus Carlsen 与国际象棋历史：高手都懂自己的领域传统
LLM 时代，学习任何领域历史变得更容易
Picasso 的例子：突破传统之前，先掌握传统
面试中的差异化：比别人更懂本行业的大师和历史
如果你觉得学习行业历史很无聊，可能说明这不是你的热情所在
前沿学习与 AI 使用
创业者的共同特质：痴迷式学习
为什么颠覆性创业者必须站在技术前沿
创新者的窘境：年轻人更容易扎进新变化
每个人都应该对前沿保持好奇
Bill 为什么同时使用多个付费 AI 账号
真正强的人：既懂历史，也懂最新前沿
AI 使用技巧：把后续分析步骤直接写进 prompt
ChatGPT、Gemini、Claude、Perplexity 的不同使用场景
AI 竞争格局与监管博弈
AI 会是一家独大，还是垂直模型并存
Cursor 与模型可替换性：未来可能进入价格优化阶段
监管如何制造寡头格局
为什么有些大玩家主动要求监管
全球监管不一致：美国、欧盟与中国开源模型的竞争
中国开源模型生态：竞争越激烈，开源越活跃
开源系统如何加速创新：农民分享最佳实践的比喻
硅谷创业公司正在大量使用中国开源模型
AI 投资判断：壳、工作流与数据护城河
AI 会如何改变投资方式
什么只是 AI 外壳，什么可能是真正的应用层机会
工作流、数据护城河与领域理解的重要性
法律 AI 创业公司的例子：专业数据与流程沉淀
ChatGPT 是否会吞掉垂直应用：仍未定论
Microsoft 从操作系统走向应用层的历史参照
超级智能、模型边界与自动驾驶
训练数据是否快被用完
专家微调与人类知识边界
AI 是否会进入自我改进的非线性曲线
Yann LeCun 的反面观点：下一代 AI 可能在 LLM 之外
AlphaGo 的启示与局限：封闭系统不等于真实世界
Tesla FSD 与自动驾驶的约束边界
真实世界里的边界案例：人类行为仍然难以预测
非共识观点与 AI 资本狂热
Bill 的非共识观点：反对简单妖魔化中国
AI 建设是否投入了太多钱
科技巨头把巨额自由现金流投入资本开支
幂律与递增收益：为什么投资人越来越愿意押注未来
从 Amazon 到 Uber，再到 AI 公司：亏损规模不断升级
AI 是否会经历一次“核冬天”
循环交易：云厂商给 AI 公司钱，再让钱回流到云服务
成功公司为什么总是被提前抢投
烧钱速度从风险指标变成行业常态
极端资本环境下，很难看清真实单位经济模型
代币化、IPO 与金融市场结构
散户、代币化与创业公司融资
资金供给不是瓶颈
Palantir、GameStop 与散户推动估值
私有公司股份代币化的风险：投机与操纵
为什么 Stripe 这样的公司不希望股份被随意交易
股价波动会如何影响员工与公司运营
IPO 流程为什么不公平
为什么上市机制本该像拍卖一样匹配供需
华尔街为何放不下 IPO 定价权
直接上市、拍卖机制与 token 化可能带来的冲击
稳定币与支付系统革命
稳定币如何冲击信用卡网络
英国 Faster Payments、巴西 Pix 与美国支付系统的落后
美国监管俘获如何保护信用卡收费模式
USDC：几秒到账、低成本、还能获得收益
稳定币是什么：用美国国债一比一储备的加密美元
加密轨道为什么能实现全球即时转账
ACH 三天结算与美国支付系统的低效
为什么稳定币可能比政府更快解决支付问题
Visa 和 MasterCard 的高利润护城河为何面临威胁
中国移动支付的案例：二维码、微信支付与支付宝
稳定币不是唯一解，但可能成为美国的新绕行路径
AI 对金融权威与代理投票的冲击
AI 会不会挑战 Moody's 这样的评级机构
Moody's 的真正力量：它是被市场接受的标准
AI 是否会重塑股东投票建议服务
指数基金崛起后，代理投票机构的权力变大
黑箱评分与双边收费：为什么 Bill 认为这像一场劫掠
Tesla 薪酬方案案例：风险控制与股东利益的冲突
公司治理机构为何常常只看规则，而不是结果
被动投资的二阶影响
指数基金持股过高带来的治理问题
被动基金是否应该不投票
小股东可能获得过大控制权的二阶影响
隐性指数化：主动投资人为什么被迫跟随巨头
大规模指数化是否反而创造了主动投资机会
跑赢 S&P 为什么越来越难
写作、讲故事与创始人的不公平优势
为什么讲故事是成功创始人的关键能力
Bill 如何爱上长篇非虚构写作
Malcolm Gladwell、Michael Lewis 与新新闻主义的影响
写作如何帮助投资人形成思想
Amazon 六页备忘录：写清楚，才是真的想清楚
写作也是风险投资人的“磁铁”和名片
创始人的三个不公平优势：讲故事、产品直觉与前沿理解
产品直觉很难后天训练
创始人为什么一直都在销售
Bezos 的天使投资判断：这个人是否无论如何都会做下去
Uber、极端烧钱与没有案例可学的时代
Uber 带来的现实经验：商学院案例里找不到
赢家通吃、网络效应与无止境融资
Lyft 拿十亿，Uber 拿三十亿：资本竞争如何升级
没有董事会、导师或案例能指导这种局面
AI 公司今天也处在类似环境里
从 Amazon 到 Uber，再到 AI：烧钱规模又多了一个零
Benchmark 的组织设计
Benchmark 如何建立平等合伙制
为什么传统合伙制容易让资深者拿走过多权力和利益
没有国王、没有首席合伙人：五个平等合伙人
平等合伙制的优势：更容易招到优秀人才
为什么平等会鼓励大家培养新人
合伙人之间更愿意分享资源和人脉
没有薪酬政治，但也很难扩张和推动新项目
Benchmark 单页网站的故事：组织结构如何影响执行
极简网站背后的自信与取舍
VC 行业为什么偏向年轻人
创始人为什么选择某个 VC
风险投资是有网络效应的投资类别
创始人希望身边的人真正理解自己在做什么
年轻 VC 的优势：更接近创始人，也更懂新技术
电子竞技、YouTube 与细分领域认知优势
VC 像体育吗：年龄、精力与竞争压力
年轻人为什么仍有机会闯入风险投资
成功的定义
Bill Gurley 如何定义成功
风险投资曾是他的理想工作
即使没有额外回报，他也会选择做那份工作
人生下一章：把写作、理解问题和综合信息的能力用于更大的社会议题
给世界留下一点痕迹
🌟 精彩内容
💡 系统思维：不要只盯着一个指标
Bill Gurley 认为，很多现实问题都不是线性的，而是多变量、非线性系统。一个看似正确的局部优化，可能会在更远处造成负面结果。他用约会网站的例子说明：把用户资料做得更长，短期提高互动，但几个月后才发现它伤害了转化率。
“你不能只用线性模型来想，也不能只盯着一个变量。”
📚 研究行业历史，是被低估的职业护城河
Bill 强烈建议每个人都去研究自己所在领域的历史。他举了 Pixar 的 John Lasseter、国际象棋冠军 Magnus Carlsen、Picasso 等例子，说明真正的高手往往对本领域的传统和大师有深刻理解。对于年轻人来说，这甚至能成为面试和职业竞争中的差异化优势。
“我觉得更多人应该去研究自己所在领域的历史，这会对他们有帮助。”
🤖 AI 时代的学习方式：同时理解旧历史与新前沿
Bill 一方面强调历史，另一方面也强调必须站在技术前沿。他自己同时使用多个付费 AI 工具，并认为人们常常低估 AI 能做多少事。很多本来需要后续完成的分析、排序、比较和计算，都可以直接写进 prompt 里，让 AI 更早承担更多工作。
“它能更早替你完成更多工作。”
🌐 中国开源 AI 生态可能带来更快创新
在谈到 AI 监管和全球竞争时，Bill 提到，中国有大量开源模型，竞争动态更激烈，也更倾向于分享技术和最佳实践。他用两个农业社会的比喻说明：如果一个系统要求参与者分享最佳实践，那么这个系统可能会进化得更快。
“你觉得哪一个社会会进化得更快？”
💸 AI 投资狂热与循环交易
Bill 对当前 AI 投资规模感到震惊。他指出，大型科技公司和云服务商正在把巨额资金投入 AI 基础设施，而一些“循环交易”会放大眼前的增长：云厂商投资 AI 公司，AI 公司再把钱花回云服务上。这会推迟调整，但也可能增加未来调整的概率。
“你是在把眼前发生的事吹大。”
🪙 稳定币可能绕开美国落后的支付系统
Bill 认为，美国支付系统因为监管俘获而长期落后，ACH 需要三天结算，信用卡仍收取 2% 到 2.5% 的费用。而稳定币运行在成熟的加密轨道上，可以低成本、即时、全球转账，可能比政府更快解决支付效率问题，并威胁 Visa 和 MasterCard 的高利润护城河。
“支付为什么要收百分之二到百分之三？没有任何理由，真的没有。”
✍️ 写作和讲故事，是创始人的核心能力
Bill 把讲故事列为成功创始人的关键特质。因为创始人永远在销售：招员工、招高管、融资、赢客户、谈合作，都需要讲清楚愿景。他也强调写作能帮助人把想法真正想透，这也是 Bezos 推行 Amazon 六页备忘录的原因。
“如果你必须把东西写出来，让它能独立阅读，而且逻辑清楚，你就会想透更多问题。”
🔥 伟大创始人的底层特质：无论如何都会做下去
Bill 分享了 Bezos 的天使投资判断标准：他只问自己一个问题，这个创业者是不是无论如何都会做这件事？不管遇到什么困难，都不会停下来。Bill 认为，所有伟大创始人身上都有这种程度的决心。
“这个人是不是无论如何都会做这件事？”
🏛️ Benchmark 的平等合伙制
Bill 解释了 Benchmark 为什么采用平等合伙制：没有首席合伙人，没有国王，没有总裁，只有平等合伙人。这种结构减少了内部政治，鼓励合伙人互相支持和培养新人。但它也有缺点，比如很难扩张、很难推动新项目。
“我的公司成功，和他的公司成功，没有区别。”
🌱 成功的定义：做你即使没有额外回报也愿意做的事
在节目最后，Bill 回顾自己的风险投资生涯，认为那曾是他的理想工作。即使在一个所有人薪酬都一样的社会里，他仍然会选择做那份工作。现在他希望把自己过去用来研究问题、写作和综合信息的能力，用到更大的社会议题上。
“如果我们生活在一个社会主义社会里，每个人都必须免费工作，我还是会选那份工作。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
