# Sandhill

共 31 篇相关文章

谁来解决物理世界的问题？ 具身智能
May 12, 2026

谁来解决物理世界的问题？

作者：Annelies Gamble (Zetta Venture Partners) | 来源：SandHill.io #283 来源: Flyby Robotics 当 iPhone 应用商店发布时，起初并不清楚为什么会构建出成千上万的应用。但事实证明，这个平台创造了一个经济体，任何遇到问题的人都可以构建一个应用程序来解决它。物理 AI 领域也正开始出现同样的动态。 仅 DJI（大疆）据说就有超过 100,000 名开发者在其无人机上构建应用程序，大部分在中国，而且解决的是那些大型公司不愿意接手的问题。DJI 生态系统的存在，尽管 DJI 并没有让这变得很容易。硬件在很大程度上是封闭的。板载 AI 算力微乎其微。开发者体验往往是事后才考虑的。尽管如此，仍有 100,000 名开发者在上面进行构建，这说明了潜在的需求有多么庞大。 如果这在具有糟糕工具的封闭硬件上是可能的，想象一下当平台真正为其构建时会发生什么。能够解决物理世界问题的人的上限将被打破。 我最近与 Flyby Robotics 的创始人 Jason Lu 坐下来交流，探讨了为什么会发生这种转变以及它现在解锁了什么机会。 “果汁不值得挤压” 物理世界的问题一直是由能够负担得起解决成本的人解决的，这通常意味着能够在规模化解决这些问题时证明其成本合理的人。 在顶层，像 DJI、Skydio 和 Anduril 这样的巨头公司挑选了足够大、能推动数十亿美元业绩的问题。在它们之下，风投支持的初创公司追逐足以支持其下一轮融资的问题。再往下，较小的专业公司追逐对上一层级来说太狭窄的问题。而在所有这些层级之下，坐着那些每天实际经历着这些问题，但基本上什么都解决不了的人。 Jason 说，这是因为对于拥有解决问题资源的人来说，“果汁不值得挤压（付出与回报不成正比）”。问题与有权解决问题的人之间的每一层距离都起到了过滤器的作用。 不够大或利润不够高的问题无法得到解决。这并不意味着这些问题不值得解决，只是解决这些问题的单位经济学要求达到大多数物理世界问题无法达到的规模。 这种不对称性长期以来定义了数字化与物理化之间的区别。软件吞噬了世界。起初，这主要是世界上的一种解决方案可以卖给数百万客户的部分。但最终，随着应用商店和现在的“Vibe Coding”，任何人都可以构建一款软件来解决他们遇到的任何问题，无论问题有多小。 这在物理世界中还不可行，但这种情况正在改变。 三条独立的曲线正在交叉 第一条是边缘计算。 直到最近，你还不能在小型飞行机器人上放置大量处理能力。“想象你正试图用代码解决问题，但没有电脑、没有服务器、没有鼠标，”Jason 说。Flyby Robotics 推向市场的无人机搭载了每秒 150 […]

阅读全文
AI 的公众认知问题 AI
May 12, 2026

AI 的公众认知问题

作者：Tanay Jaipuria (Wing VC) | 来源：SandHill.io #283 围绕 AI 的信息传递错在哪里，以及我们该如何修正。 AI 存在一个公众认知问题，而且关于这一点的相关数据正变得有些令人尴尬。 根据皮尤研究中心 2025 年 6 月的调查，一半的美国人对 AI 在日常生活中的应用感到担忧多于兴奋，这一比例高于 2021 年的 37%。只有大约 10% 的人感到兴奋多于担忧。去年 NBC 的一项民意调查显示，AI 的净积极看法仅为 26%，这使得该技术比 ICE（美国移民海关执法局）更不受欢迎。在过去的 18 个月中，超过 500 亿美元的数据中心项目因当地反对而被阻止或推迟。 一、 抵制浪潮的形状 人们对 AI 的恐惧主要围绕三点： 工作岗位。Dario 的“AI 可能会在 1-5 年内消除一半的入门级白领工作，并将失业率推高至 10-20%”这句话，不幸地成为了过去一年中被引用最多的 AI 名言。 数据中心和环境故事。人们将 AI 与不断上涨的电费、用水量以及家附近嘈杂的工业园区联系在一起。 对 AI 本身更广泛的恐惧。安全、儿童使用聊天机器人、深度伪造、AI 幻觉、自主性，以及更普遍的“未知”。 令人惊讶的是，尽管 ChatGPT […]

阅读全文
收藏品：一个异常持久的资产类别 全球动态
May 12, 2026

收藏品：一个异常持久的资产类别

作者：Yash Gupta & Kushaan Ahuja (Will Ventures) | 来源：SandHill.io #283 作为一个资产类别，收藏品是杀不死的。该行业经受住了大萧条、两次世界大战、互联网泡沫破裂、全球金融危机、新冠疫情以及当前的宏观周期的考验，并且每一次之后都变得更加庞大。 在将近一个世纪的时间里，该品类一直实现着复利增长，尽管它自身缺乏标准化的基础设施、集中的价格发现以及真正的金融管道。而现在正在发生的是，这三者终于同时被构建起来。 在 Will Ventures，过去几个月我们一直在深入研究这个市场。我们认为收藏品正处于一场大转型之中。这种转型类似于前几代人将精美艺术品和葡萄酒转化为合法金融市场的过程。 我们在本文中探讨三个信念： 集换式卡牌的剧本是一个模板，而不是终点。 收藏品领域下一个十年的品类定义公司将建立在手表、纪念品、玩具和其他几个类别中。大多数资本仍在追逐卡牌。 数字重制包（Digital repacks）是该类别 30 年来最重要的商业创新之一，但也面临巨大的监管干预风险。它有显著的下行风险，但这种模式可以应用于其他行业。 信任层（评级、认证、保险库和贷款）将在其他类别中产生巨大的成果。 每个资产类别都会经历类似的转型 以艺术品为例。在 20 世纪的大部分时间里，购买精美艺术品的人是那些喜欢艺术的人。一件作品没有公开价格，没有办法以此借贷，没有指数。然后在 1970 年代和 1980 年代，苏富比和佳士得开始一致地公布拍卖结果，使得可比数据变得可见。专业的艺术品贷款机构出现了。独立评估师变得专业化。保险产品实现了标准化。到 2000 年代，精美艺术品已经成为一个真正的资产类别。 葡萄酒在 1980 年至 2010 年间经历了同样的转变，随着期酒的兴起、Liv-ex 作为一个集中的交易所、罗伯特·帕克（Robert Parker）评分成为几乎普遍的评分标准，以及保税仓库作为标准化的托管。 我们认为，当四个基础设施同时存在时，一个类别就会成为一个真正的资产类别：标准化的认证、可靠的价格发现、托管和出处以及融资和工具。当这四者同时存在时，该类别就会向上重新定价，往往非常剧烈。 集换式卡牌大致处于这种转型的第七年。PSA 的评级标准被普遍接受。CardLadder 等提供实时对比。Vaulting 建立了托管层。Alt 等建立了融资层。结果是其每月交易量大约是 2018 年的 50 倍。 未来十年在收藏品领域获胜的公司，将是那些为卡牌以外的类别构建缺失基础设施的公司。 收藏品生态系统 全球收藏品市场规模庞大，介于 3200 亿美元至 […]

阅读全文
优化软件工厂 企业级应用
May 12, 2026

优化软件工厂

作者：Tomasz Tunguz (Theory Ventures) | 来源：SandHill.io #283 AI/人力比例决策的核心权衡不是吞吐量，而是韧性。 当一个初创公司的员工在周一离职时会发生什么？ 在一个 20 人的工程团队中，一个人辞职是 5% 的人员流失。剩下的 19 个人吸收他的工作。 但在一个深度使用 AI 的 3 人团队中（运行着 20 个自主代理），一个人辞职就是 33% 的人员流失。 代理不会辞职。它们会继续生成、审查、测试和部署。但训练、提示、验证和调试整个代理舰队的机构记忆，有三分之一就这样走出了大门。 AI/人力比例的三种形态 10/90（10% AI，90% 人力）：典型的中期创业公司工程预算驱动约 20 名工程师和一层 Copilot、Cursor 及推理支出。传统层级结构。人工代码审查是瓶颈。组织架构看起来很熟悉。 50/50：同样的预算驱动约 12 名工程师和一个代理舰队。工程师变成方案架构师、问题分解者和提示设计师。管理幅度扩大，因为代理不需要站会。 90/10：3 名工程师坐在一个自主代理星座的中心——生成、审查、测试、部署、监控、优化。没有经理。没有层级。没有冗余。 来自制造业的教训 如果我们在构建软件工厂，也许是时候研究运筹学了。 在制造业中，经验法则很简单：让工厂保持 70-90% 的利用率运行。 在 100% 时，一次故障就会级联成错过的截止日期、疲惫的团队和丢失的客户。冗余不是浪费——它是保持系统健壮的特性。 工程团队不是工厂，但同样的逻辑适用。当你把编排知识集中在 3 个人的脑子里时，你就是在 100% 利用率下运行。 大多数初创公司现在还不应该做这个赌注。

阅读全文
粗制滥造与品味之争 (Slop vs taste) 未来哲学
May 12, 2026

粗制滥造与品味之争 (Slop vs taste)

作者：Yoni Rechtman (Slow Ventures) | 来源：SandHill.io #283 粗制滥造者大炮 (Slop Cannons) 与 4 个好工作 上周末，我们举办了 Slop Con：这是一场为“粗制滥造大炮 (slop cannons)”举办的全天黑客马拉松，让他们可以开发个人项目并争夺（现金）奖品。在纽约一个美丽的星期六，我们有 60 多人全天沉浸其中——极其看涨。非常感谢所有出席的人。 事实上，从总体上看，这其中有一些你能想象到的最愚蠢的项目，但这恰好强化了这一点。这些出席的人都是因为他们想找点乐子、尝试新工具并进行交流。至关重要的是，他们跨越了技术人员和非技术人员。我们有 AI 工程师和股票研究分析师。有创始人也有实习生。 “Slop cannon（粗制滥造的大炮）”是一种自我认同，存在于每家公司及其内部的每个组织中。 粗制滥造也有讲究 “使用 AI 粗制滥造”和“生产粗制滥造的垃圾”之间是有区别的。 真正的“Slop cannon”使用简陋的工具和粗糙的输出作为更好工作的输入。糟糕的版本则是把副产品当成了实践本身。我有些自负地说，在我是如何使用（以及不使用）AI 来写作这方面，我做得很好；这是思想的自行车，而不是平庸者的摩托车。 通过愿意去生产、追求速度并且看起来有点傻，你也可以达到“粗制滥造的涅槃（slop nirvana）”。 最终，这可能只是一个没有实际区别的区别。当最典型的生产同时具备 1) 糟糕且懒惰 2) 高产量的特征时，最优秀的人如何以及为何生产可能并不重要。无论这种区别如何，至少在公关、销售、营销等方面，我们仍然会陷入一个所有渠道都被阻塞和填满的时代。 无论如何，我们仍然进入了注意力（丰富）和生产（稀缺）发生翻转的时代。 但是“品味（taste）”呢？ 我拒绝我们需要在速度和判断力、粗制滥造和品味之间做出选择的观点。 整个组织都需要直觉和判断力（这比“品味”更有意义且更可衡量）。而且，当需要时，整个组织都需要快速移动。伙计们，我们必须能够同时走路和嚼口香糖。 在常见的科技用语中，“品味”是一个毫无意义、难以言喻的模因（meme）。它是一个文化标志，而不是一个特定的属性或技能。 Slop cannons（那些喜欢用 AI 快速炮制出大量内容/代码的人）需要具有产品和商业导向，才能有效地利用他们的天赋和我们新 AI 时代的祝福。但他们需要直觉和判断力来为自己指明正确的方向，否则他们会跑得非常快，然后掉下悬崖。 所以，记住孩子们，尽情地 slop 吧 (slop ’em […]

阅读全文
护城河是给城堡用的：为什么 AI 初创公司应该追求持久性，而非防御力 商业洞察
May 12, 2026

护城河是给城堡用的：为什么 AI 初创公司应该追求持久性，而非防御力

作者：Ryan Wexler (SignalFire) | 来源：SandHill.io #283 在 LLM 时代，护城河往往是幻觉。真正重要的问题是：你所构建的这一层技术栈，10 年后还会存在吗？ 风险投资界对”护城河”的执念，迫使创始人陷入了一种特殊的表演性剧场。 在路演会上，VC 们总是不可避免地问创始人：”是什么让你的公司具备防御性？”而创始人们总是准备好同一张幻灯片，列出那些”惯常嫌疑犯”：专有数据、微调流水线、工作流锁定和垂直行业模型。 长久以来的假设是：如果你无法在第一天就证明你的护城河，那你就没有商业模式。这个框架从根本上就是错误的。大多数 AI 初创公司在早期很少能识别出真正的护城河，过早地试图制造护城河本身就是一个错误。 AI 初创公司的护城河执念更加严重 在种子轮到 A 轮阶段，护城河大多是理论性的，而在今天的 LLM 时代，它们往往只是幻觉。 模型能力的迭代速度太快，任何时间点上的优势都无法持续。今天看起来差异化的产品，往往只是一个提示词、一层包装或一个用户界面层——它们可以被复制，或者被下一次模型发布变得毫无意义。 如果你的价值主张是处理长上下文或减少幻觉，那你实际上就是模型提供商的一个 bug 修复。当 OpenAI 或 Anthropic 发布下一次更新时，你的整个产品路线图就会变成他们下一版本的功能清单。 更重要的问题：这一层还会存在吗？ 有一个比防御性重要得多的根本性问题： 这一层技术栈在 10 年后还会存在吗？ 一些领域显然是持久的： 核心基础设施——计算、存储、网络 开发者原语——评估、可观测性、可靠性 真正超级差异化的数据——别人完全无法获取的 另一些领域则非常脆弱： 模型能力之上的薄包装层 针对狭窄任务的一次性 Copilot 没有真正系统支撑的提示词抽象 依赖当前模型局限性的产品 如果你的产品依赖于某个模型目前在某件事上做得不够好，那你就是在和世界上最聪明的工程师们对赌。 为什么持久性在 LLM 时代会产生复利效应 如果你在一个持久存在的层面上构建，你就获得了极其宝贵的东西：时间。 时间允许你与模型一同进化，而不是被它们取代。当底层模型变聪明 10 倍时，一个持久的企业会为用户变得有效 10 […]

阅读全文
住房是一个供应问题。科技能如何提供帮助？ 全球动态
May 12, 2026

住房是一个供应问题。科技能如何提供帮助？

作者：David Talpalar (Shirlawn Capital) | 来源：SandHill.io #283 美国住房面临严重的结构性供应短缺。虽然科技不能直接“造出”房子，但它可以通过解决官僚主义、许可延迟和低效设计来极大降低成本并提高建设效率。 在 2019 年，一套普通住宅的成本为 260,000 美元，抵押贷款利率为 3.8%，每月还款额约为 1,000 美元。今天，一套普通住宅的价格约为 420,000 美元，利率为 6.44%，每月还款额超过 2,100 美元；在大约 7 年内增长了 2 倍以上。自 2019 年以来，房价上涨了 60%，而在此期间，家庭收入中位数基本持平。 利率在其中发挥了作用，但更结构性的问题是新任美联储主席无法解决的。十多年来，美国一直在住房建设方面投入不足，目前短缺的房屋数量在 370 万到 400 万套之间。即使建设速度比目前快 50%，并且被压抑的需求完全消散，也需要大约 7 年时间才能弥补这一缺口。 住房市场的现状 利率环境最重要的地方在于它如何与供应相互作用。大约 80% 的美国抵押贷款借款人支付的利率低于 6%，大约一半的借款人低于 4%。今天卖房意味着要放弃那个低利率并承担一个 6% 左右的新利率，这限制了潜在卖家的意愿。 Active Housing Listings 全美活跃房源数量波动图 US National Home Price Index S&P/Case-Shiller 美国全国房价指数 […]

阅读全文
漫长的蜕变 (The Long Becoming) 未来哲学
May 12, 2026

漫长的蜕变 (The Long Becoming)

作者：Alfred Lin (Sequoia Capital) | 来源：SandHill.io #283 Shopify 的 Tobi Lütke、Duolingo 的 Luis von Ahn 和 Klarna 的 Sebastian Siemiatkowski 都走过了一条熟悉的道路：一份大胆的内部备忘录成为公开的制品。接下来是头条新闻。然后，几个月后，是澄清或退缩。Klarna 暂停了招聘冻结。Duolingo 收回了“取代”的框架。Shopify 软化了语言，但并未放弃原则。 我们在公开帖子和头条新闻中看到的只是冰山一角。我们没有看到的是表面之下的挣扎。成为一个你并非生于其中的范式（Paradigm）的“原住民（Native）”意味着什么？蜕变（Becoming）比声明要难得多。 二十年来，我们一直使用“赋能（Enabled）”和“原生（Native）”来区分技术范式转变的采用者。云赋能（Cloud-enabled）意味着将现有应用程序迁移到 AWS。云原生（Cloud-native）意味着从第一行代码开始就针对云进行设计。这两条路径在早期看起来很相似，几年后就会产生巨大的分歧。 同样的鸿沟再次出现。AI 赋能（AI-enabled）公司将 AI 助手添加给现有的销售团队，并衡量节省了多少封电子邮件。AI 原生（AI-native）公司则会问：如果我们今天从零开始，我们将如何自下而上地构建每一层？ 我们交谈过的最先进的 AI 创始人发现，真正的重新设计（你的产品、流程、工作流程和公司）是区分从 AI 中获取价值的公司与未获取价值的公司的最大单一因素。这是一种从第一性原理出发进行重建的意愿。对他们来说，这是一个“重构（refounding）”的时刻。 在实践中，这种蜕变看起来像什么？它通常不性感，就像解决一系列瓶颈。你解决了一个，限制速率的步骤就会转移到其他地方： 第一个瓶颈是采用（Adoption）。人们真的在使用这些工具吗？于是开始出现 Token 消耗排行榜。但它是生产性的还是仅仅是刷 Token？Chainguard 的 CEO 引入了“Token 规则”：工程经理的 Token 消耗量必须接近其直接下属的中位数。低于中位数意味着领导缺乏指导经验；远高于中位数，则需要去教导，而不是囤积杠杆。 第二个瓶颈是工程速度（Engineering velocity）。当人们有效地使用工具后，你的前 5-10% 的工程师现在的生产力是一年前的五倍。现在的任务是培训团队的其他人，让最高分位数的速度成为其他人的标准。 第三个瓶颈是产品速度和产品体验质量。工程师可以交付，但公司决定构建什么内容的速度能跟上吗？曾经需要几个季度的路线图现在只需要几周。拥有卓越品味和判断力、能产生伟大产品创意的 PM 和设计师成为了限速器。这也是大多数公司停滞不前的地方。你把工程速度放大成了一个对准错误目标的消防水管。 […]

阅读全文
机器授权 (Permissioning Machines) AI
May 12, 2026

机器授权 (Permissioning Machines)

作者：Amir Kabir (Overlook Ventures) | 来源：SandHill.io #283 身份验证询问的是身份，而授权询问的是权限。非人类实体的授权基础设施正在成为智能体经济的先决条件。 互联网的建立是为了回答一个问题：你是谁？密码、生物识别技术、双重身份验证 (2FA)。当今世界基于过去四十年设计的安全基础设施，旨在验证请求另一端的人类。 但这个问题已经不够了。当发出请求的实体是重新平衡投资组合、购买 GPU 积分或关闭服务器的 AI 智能体时，身份这个框架完全错了。 现在重要的问题不同了：你目前允许在此时、此背景下、为此目的执行此操作吗？ 身份验证 (Authentication) 询问的是身份，而授权 (Authorization) 询问的是权限。它们需要完全不同的基础设施，而我们在构建后者上几乎毫无投入。 仅从身份数据就可以看出这一差距的规模。企业环境中非人类身份（例如 AI 智能体、服务账户、自动化工作负载）的数量现在远远超过了人类用户。目前非人类身份管理市场规模为 35.9 亿美元，预计到 2034 年将达到 221.4 亿美元。超过 60% 的财富 500 强公司在生产环境中至少拥有一个 AI 智能体，高于 2023 年的不到 15%。机器已经进入系统，而管理它们的许可基础设施仍在建设中。 机器授权的架构有三个层次，目前每一个都代表一个开放的市场。 1. 非人类身份 (Non-Human Identity) 与用户名不同，机器身份植根于加密密钥和硬件级证明（例如，证明发起调用的代码的完整性，而不仅仅是其凭据）。35% 的组织实施了“身份攻击路径管理”来可视化受损的机器身份如何提升特权，而一年前这一比例为 21%。剩下的 65% 则处于盲目运行状态。 2. 动态授权 (Dynamic Authorization) 给智能体赋予静态的“管理员”权限是智能体部署的原罪。就像最近看到的一个小小的清理任务如何变成删除基础设施一样。替代架构是即时特权（Just-In-Time privilege）：最小可行权限，作用域限于特定任务，完成后立即失效。智能体拥有的权力永远不会超过任务所需的权力，也永远不会超过任务所需的时间。 […]

阅读全文
在此期间 (In the Meantime) 未来哲学
May 12, 2026

在此期间 (In the Meantime)

作者：Melody Koh (NextView) | 来源：SandHill.io #283 为什么我押注天花板比地板上升得快。 一位投资组合的创始人告诉我，我一直在投资的东西是“暂时的，就像一年前的提示词工程 (prompt engineering) 一样。” 他认为 AI 产品将变得足够直观、发展足够快，以至于洗刷掉任何专业实践。但我打赌天花板上升得比地板快，而两者之间的差距正是在此期间积累个人优势的地方。 上个月，我和这位创始人进行月度沟通。Zoom 会议结束后，我们通过短信继续讨论我最近是如何分配时间的：在代理框架（agent harnesses）之上进行构建，用 markdown 文件将我的工作方式规范化，通过与模型和代理的密切合作来培养只有这样才能建立的肌肉记忆。 他的看法： “但这有关系吗？任何差距都会在几个月内被填平。” “这就像一年前的‘提示词工程’——只是暂时的权宜之计，直到模型能够预测所有需求并填补所有空白。” “现在还没到那一步！一年后再跟我说。” 这是我从聪明、懂技术、成功的操作者那里听到的一种立场的清晰表达：不要费心在一个将被供应商提供或被抽象掉的层面上培养技能。 他关于地板正在上升的说法并没有错。问题是上升的速度有多快。 地板和天花板都在以不同的速度上升 我认为他的立场只有在地板上升的速度快于天花板，快到足以在任何专业实践获得回报之前将其洗刷掉时才成立。还有一种情况是地板和天花板以相同的速度上升；这种实践仍然是暂时的，你只是用今天的差距换取随着地板上升而重新打开的差距。 但我实际上押注的是另一种情况：天花板上升的速度快于地板。 原因是结构性的。模型底层智能的改进速度快于面向用户的 UX（用户体验），而且我们真的还没有弄清楚如何教大多数人很好地使用 AI。产品表面落后于能力前沿，而这种滞后正是个人竞争优势所在。 从汇编语言到 Python 的转变并没有消除系统思考者的优势；它只是转移了优势所在的地方。在汇编直觉之上学习 Python 的系统思考者，表现优于纯粹主义者和只会 Python 的初学者。 推高天花板是一种实践。 这场争论实际上是关于什么的 他底层的赌注比框架层更深。他认为实验室和 AI 提供商将使产品足够直观、发展足够快，以至于你不需要任何专门的专业知识就能获得价值。地板将上升得足够高，以至于不需要努力就能触及天花板。 我上周写过为什么我认为这是错的。即使产品很直观，你工作的表面区域也不会对通用代理变得清晰可见。供应商在设计上交付的是通用判断：客户特定的草稿、工作流程模板、自以为是的默认设置。而专业化仍然在用户端：本季度要推动哪些潜在客户，在你的特定工作中“更好”意味着什么。 问题在于你是否知道如何将模型引导到你工作中需要智能的部分，而不是需要你判断的部分。 在此期间，变得具体 上周五，在一个邻里聚会上，我的一位邻居——他在近二十年前和我同一批进入投资银行分析师班，现在是一家不良信贷基金的董事总经理——问我：你是如何真正做到“让 AI 用你所有的尽职调查信息来撰写备忘录”的？ 他描述了他想要的：输入原始的尽职调查文件，输出结构化的备忘录。我告诉他，如果设置正确，这是一个只需两个小时的问题：持续的上下文，将代理视为一个将下次的所有内容都记录下来的初级员工，围绕他工作中重要的部分搭建规则脚手架。如果没有这种基础，即便是 Claude Cowork 也会让人失望，只会产生通用的“不是很好”的版本。 ChatPRD 的创始人 […]

阅读全文
氛围编程的后遗症 AI 编程革命
May 12, 2026

氛围编程的后遗症

作者：Sabrina Albert, Vivek Ramaswami (Madrona) | 来源：SandHill.io #283 在一个任何人都可以发布任何东西的世界里，产品品味和设计工艺成为了关键的护城河。 AI 让发布产品变得比以往任何时候都容易，这并不令人惊讶。如果你问任何一位创始人或产品经理（PM）在过去十八个月里他们的工作最大的变化是什么，你都会听到某个版本的同一个答案：我们现在发布的速度快多了。最优秀的工程师也会说同样的话。工程师的效率提高了 10 倍，非技术背景的 PM 甚至在自己编写功能代码。将产品呈现给用户的门槛已经崩塌。 由此得出的自然假设是，如果每个人都能更快地发布产品，那么谁发布得最快谁就赢了。将更多代码倾注到生产环境中，更快地迭代，在功能上超越竞争对手。速度就是战略。虽然这在过去确实是一种假设，但我们认为，单靠这一点将无法成为未来的制胜战略。当整个行业的发布速度趋于平同时，瓶颈并没有消失，而是转移了。 我们预计，这种转变将指向拥有深刻的产品理解力。大多数团队并没有准备好很好地回答这个问题，而解决这个问题的公司将拥有持久的优势。那些没有解决这个问题的公司，将会非常迅速地发布大量平庸的产品。 速度现在只是准入门槛 Cursor 的付费用户已突破 100 万。Claude Code 正被各种规模公司的工程团队使用。非工程师正在提交生产代码。结果是发布的“功能供应量”呈爆炸式增长，但用户的注意力和用户的喜爱程度并没有成比例地扩大。世界上的产品变多了，人们对糟糕的东西或“AI 垃圾（AI slop）”的耐心却变少了。 当每个竞争对手都能在一个周末内启动一个工作原型时，功能列表就不再是差异化因素。将人们实际使用的产品与他们只尝试一次的产品区分开来的，是比技术栈更难复制的东西。 这个抽象的概念可以定义为品味（Taste）。这是一种对用户在产品中需要什么的真实的、发展完善的观点。不仅仅是他们要求什么，而是他们实际上想要什么、以什么形式、在什么时刻。这种判断力无法通过提示词生成。它必须被培养出来，并且必须存在于组织内部的某个地方。 当每个人都能构建产品时，问题不再是“你能发布它吗？” 问题变成了“你应该发布它吗？以什么形式发布？” 非确定性系统打破了所有旧规则 传统软件有一个简单的设计契约：用户采取行动 → 系统产生可预测的输出。点击按钮返回一个结果。提交表单记录一条数据。查询从数据库返回一行。产品设计师和 PM 花了三十年的时间在这个契约内进行优化。输出是固定的；工作就是让通往输出的路径尽可能清晰和顺畅。 AI 系统完全打破了这个契约。输出几乎可以是任何东西。每次用户查询 AI 产品时，模型都必须直觉地判断他们的意思——而产品必须预先决定输出甚至应该是什么样子。这个决定不会自动发生。必须有人为产品中每一个有意义的交互表面预先、明确地做出决定。Linear 的 CEO Karri Saarinen 很好地阐述了这一点： “设计的困难部分在于，你要对问题有足够深入的理解，才能知道什么东西应该存在，以及应该如何存在……风险在于仅仅生成了形式，就误以为问题已经解决。” 你现在可以在一个下午启动一个工作界面。但这并不等同于思考了这是否是解决该问题的正确界面。AI 使得产品想法的执行变得异常便宜。它使得关于构建什么以及如何呈现它的决策变得比以往任何时候都更加重要。非确定性不仅仅是这些系统的一个技术属性——它是一个必须被刻意解决的产品设计挑战，否则它将被偶然地解决，而且通常解决得很糟糕。 涌现出的新产品问题 在许多方面，AI 产品拥有以前的软件从未有过的东西：个性。它们不仅仅是回应，它们还在解释、推断和发展自己的声音。这令人兴奋，但也引入了一系列新的产品设计挑战： 什么是输出契约？ 对于每个用户意图，输出应该采取什么形式——摘要、表格、图表、图像，还是代他们采取的操作？ 你的产品在哪里连接到外部世界，为什么？ MCP […]

阅读全文
授权访问不再是关键时刻 AI
May 12, 2026

授权访问不再是关键时刻

作者：Saaya Pal, Aqil Pasha (Jump Capital) | 来源：SandHill.io #283 访问权限仍然在配置时决定，但风险现在出现在执行期间。随着系统变得更加动态和由代理（Agent）驱动，身份安全必须从静态控制转向实时授权。 身份安全是围绕着错误的时刻建立的：在任何事情发生之前。 企业系统被设计为在任何事情发生之前决定访问权限。分配角色，授予权限，颁发凭据，系统假定该决定在很大程度上成立，仅通过定期审查或在发出风险信号后重新审视访问权限。 当主要身份是人类员工且主要控制点是登录时，这种模型是有意义的。但现在它越来越不合时宜。 身份表面增长最快的部分不是企业员工用户。它是他们下方和周围的非人类层：服务帐户、云角色、工作负载身份、OAuth 授权、API 密钥、SaaS 到 SaaS 连接、证书、机密，以及现在的代理（Agents）。这些身份的行为不像员工。它们不完全符合“入职-调岗-离职”的工作流程。它们使用令牌进行身份验证，动态承担角色，持续运行，并且通常在单个链中的多个系统中执行。 这已经足以让传统的安全堆栈不堪重负。AI 驱动的系统使得这种不匹配更加难以忽视。 Anthropic 最近发布的 Mythos 和 Project Glasswing 是正在发生变化的信号之一。头条新闻不仅仅是前沿模型可以发现更多漏洞。而是它们可以发现并利用不同类别的漏洞：深度实现错误、组合弱点以及位于企业今天依赖的许多控制点之下的多步利用链。Anthropic 表示，Mythos 已经发现了数千个高危漏洞，包括在主要操作系统和浏览器中，并自主链接了本来需要专家研究人员花费数周时间构建的利用链。 这压缩了时间并扩展了攻击路径。对身份更重要的含义是结构性的：风险越来越多地在运行时（执行期间）决定，而不是在配置访问的那一刻。 身份堆栈支离破碎，且决定得太早 企业身份堆栈不是一个单一的系统。它是一组在不同时间为不同问题甚至为不同团队构建的层： IAM 在登录时对用户进行身份验证并授予访问权限 IGA 管理审批、认证和可审计性 PAM 保护高风险凭据和特权路径 云 IAM 管理 AWS、Azure 和 GCP 内部的权限 机密和证书系统管理机器身份验证 态势、图谱和 ITDR 工具试图重建整个资产的风险 这些层中的每一层都很重要。但没有一个被设计为现代软件环境的通用运行时控制平面。这很重要，因为大多数有意义的访问决策不再是静态的。 一个工作负载可能会在某一步骤假设一个云角色，从另一个系统检索机密，调用第三方 API，写入数据库，调用内部服务，并将工作移交给另一个进程或代理。每一次跳转都会改变风险概况，并可能依赖不同的身份系统、策略模型和所有权假设。到真正发生操作时，最初的批准或权限通常很少能说明是否应该允许该操作。 这是现代身份安全的核心失败模式：授权仍然固定在身份和配置状态上，而风险是通过操作和执行上下文出现的。 可见性提高了。控制力却没有。 […]

阅读全文