Kimi K3、Qwen 等开放模型在几天内接连出现，模型供给突然变多。Sriram Krishnan 认为，变化会先传导到价格和模型调用方式，再逼前沿实验室回答一个更具体的问题：当模型能力可以被替换时，真正能留住用户的是什么？1
节目于 2026 年 7 月 24 日发布，由 Theo Jaffee、Sofia Puccini 对谈 Sriram Krishnan。原始单集可读于官方单集页。
先说结论
过去几个月，开发者面对的前沿模型选择明显增加。对很多邮件、日历、代码扫描等日常任务来说，最贵、最强的 token 未必是必要条件。开放权重模型越接近前沿，越会给闭源实验室带来价格压力，也会让新云厂商、GPU、数据中心和电力供应商获得更多部署需求。
Sriram 仍然希望美国拥有领先的开放模型，但他没有把政策问题简化成「开放模型都该限制」或「开放模型天然安全」。他的处理顺序是：保留竞争选择，识别已经可信的网络安全和生物风险，再把防御能力部署到代码扫描、漏洞修复等具体场景。
嘉宾背景
Sriram Krishnan 曾任白宫人工智能高级政策顾问，2021 年加入 Andreessen Horowitz 担任普通合伙人，此前在 Microsoft、Facebook、Twitter 等公司负责产品与技术工作。公开人物页中的简介还记录了他在 Snap 等科技公司的经历；TechCrunch 在 2026 年 6 月报道了他将离开白宫 AI 顾问职位。23
他在节目中的政策切法很清楚：先让多个团队继续竞争，再围绕已经可信的威胁处理问题，不要用一条尚未证实的能力曲线替代实际风险判断。
按原始节目顺序整理
1. 开源模型密集出现，选择从少数变成一排
Sriram 回看，几个月前，行业的领先模型似乎主要集中在少数前沿实验室，大家担心自我改进会把领先者甩得越来越远。最近几周，多个开放或新模型连续出现，Kimi K3 和 Qwen 是节目重点提到的两个名字。1
第一层变化是选择变多。开发者可以把自己的 agent 或 harness 指向不同模型，按任务、成本和安全限制切换，而不必把所有工作流绑在一个模型上。
2. Kimi K3 的影响，不只在 benchmark
Sriram 认为，Kimi K3 的意义至少有三层：
- 模型供给增加，开发者有更多可替换的智能来源。
- 前沿模型在网络安全任务上可能触发更多拒答和防护，而开放模型可能更容易完成代码检查。访谈把这种反差称为一个「很奇怪的位置」：最需要防守方使用强模型时，闭源模型却未必最方便。
- 当开发者可以在多个模型之间选择，前沿实验室会遇到价格压力。它们可能需要降价、匹配开放模型的价格，或者接受毛利被压缩。
这对新云厂商和基础设施层是利好。只要模型有真实使用价值，推理云、GPU、数据中心、电力和配套系统都能承接需求。
3. 前沿实验室的护城河，可能从模型能力移到工作流
Sriram 仍然希望美国的闭源和开放权重模型都站在能力前沿，但他也提出了另一个问题：前沿实验室真正的护城河，究竟是智能本身，还是把模型接入任务的 harness？
如果大量任务只需要次一级模型，模型能力就会更像可比较、可替换的商品。开发者留下来，可能是因为入口、工具链和工作流足够顺手，模型则可以在背后切换。
4. 美国政策要同时看来源和防御能力
主持人提到，当时有报道称美国政府正在讨论是否限制中国开放模型。Sriram 表示，自己已经没有内部信息，但他不希望领先的开放权重模型长期主要来自中国。他认可 Moonshot、DeepSeek、Qwen 等团队的创新，同时希望 Google 的 Gemma、NVIDIA 的 Nemotron、Thinking Machines 和其他美国团队继续追赶。
但他没有因此得出「开放模型应该整体被压制」的结论。他回忆，美国 AI 行动计划从开头就强调开放源代码的重要性。对他来说，问题要拆开处理：谁在领先，是国家竞争问题；模型能做什么，是安全问题；防守方是否拿得到足够强的模型，是能力建设问题。
5. 开放权重的安全性，取决于谁能看、谁能防守
Sriram 引用 Linus Torvalds 的一句话：「给足够多双眼睛，所有 bug 都会变浅。」他的理解是，开放权重模型被下载后，全球开发者可以拆解、检查、微调和修改，这种可见性是闭源模型无法提供的。
他同时承认现实存在张力：某些美国前沿模型在网络安全任务上会拒答，而中国模型可能更容易完成漏洞检查。Sriram 不认为这意味着应该放弃安全护栏，而是认为美国、欧洲及其盟友的防守方应获得最好的模型，用来扫描代码、发现漏洞和加固软件。
6. 蒸馏争议，核心是规模、规则与对称性
Sriram 的第一层判断是，今天的模型都从人类知识中学习。早期模型通过互联网文章、博客、推文和其他内容建立能力，模型之间的蒸馏也已经是训练过程的一部分。更麻烦的是，互联网上大量 AI 生成内容也会继续进入训练数据。
他区分了正常的模型学习和可能违反服务条款的工业化提取：假账号、转售云订阅、批量路由，以及大规模提取 reasoning traces，都可能构成问题。
他提出的治理方向包括 KYC、IP 地址检查，以及识别和限制大规模 reasoning trace 抽取。但他更担心一个不对称生态：其他国家的模型可以训练美国模型，而美国新公司却不清楚自己能否使用同类输出或 traces。要让竞争处在同一条线上，需要为可接受的蒸馏建立更清楚的规则。
7. 自动化 AI 研究，不要先押注一条指数曲线
谈到自动化 AI 研究，Sriram 没有把「自动化研究员会在几年内出现」当成确定事实。他听到过两种判断：一种认为模型训练模型会让能力进展极快；另一种认为仍有难以突破的基础限制，增长会更缓慢。
他的政策思路是先保留多个竞争选择，再处理已经可信的风险。例如，如果模型已经能够针对最新固件或操作系统生成漏洞利用，就应该围绕这个能力建立响应机制。网络安全、生物风险和其他具体领域，需要具体测试、监控和防御。
他也强调，用 AI 帮助防守方扫描代码库、发现漏洞和提高软件安全性，往往比抽象争论指数曲线更有用。
8. 开放模型不会让基础设施价值凭空消失
主持人担心，开放权重模型会压缩前沿实验室的收入，让资本开支更难回收。Sriram 把问题拉回商业基本面：只要产品有价值，供应链会找到服务它的方法。
新云、数据中心、芯片供应商、燃气轮机、消防系统，都会围绕真实的部署需求重新配置资源。某些银行也可能更愿意与能在内部运行、不会把数据交给外部前沿实验室的模型供应商合作。
所以，开放模型带来的不一定是价值消失，也可能是价值从单一模型层分散到整条可部署的 AI 供应链。
逐句全文翻译
说明：官方单集页没有提供完整逐字稿，以下基于该单集 23 分 04 秒完整原始音频的完整 ASR。ASR 没有输出可靠的说话人分离轨，因此每个段落统一标注为「说话人未分离」，没有根据语境猜测主持人或嘉宾身份。个别专有名词保留 ASR 可辨识的音译或节目页面中的写法，可能存在听写误差。全文保留原始顺序，不以摘要替代对话。
说话人未分离：如果把问题拉回到以业务为先的原则，只要你提供的是有价值的产品，资本主义就会找到办法，让供应链为你运转。
说话人未分离：所以，如果你有一个能够提供价值的开放权重模型，这意味着它下面的每一层，无论是新云、芯片供应商，还是提供燃气轮机或消防系统的人，都会调整自己，为这种价值提供服务。
说话人未分离：只要你提供的是有价值的产品，资本主义会处理剩下的一切。如果你去看生态系统其他部分的情况，增长非常强劲，也很惊人。我认为这种增长还会继续。
说话人未分离：开源 AI 的发展速度比过去任何时候都快，行业里的力量平衡可能正在发生变化。
说话人未分离：在这一期节目里，Theo Jaffee 和 Sofia Puccini 邀请了前白宫 AI 政策顾问 Sriram Krishnan，一起讨论最新一波开放模型对前沿实验室、AI 政策、定价、网络安全以及美国在全球 AI 竞争中的位置意味着什么。
说话人未分离：我们回来了。现在正在和 Sriram Krishnan 进行直播式对谈。他刚刚结束白宫人工智能高级政策顾问的任期，此前曾任 Andreessen Horowitz 普通合伙人，也曾在 Microsoft、Meta、Snap 和 Twitter 担任高级职务。
说话人未分离：Sriram，很高兴你来到这里。欢迎来到 MTS。
说话人未分离：谢谢。我一直关注你们过去几个月做的所有事情，很高兴来到这里。我想，这是大约两年来我第一次在视频节目里不用穿西装打领带。
说话人未分离：所以我真的很高兴终于摆脱了那身行头。
说话人未分离：太好了。上周开源领域发生了很多事情。我们刚才还在讨论，Grok Build 开源了，接着有 Thinking Machines，然后是 Kimi K3，再然后是 Qwen 3.8。
说话人未分离：你前几天发帖说，Kimi K3 是一个重要时刻，会对整个行业产生多重影响。你能再详细谈谈吗？这些影响是什么？
说话人未分离：如果回到四五个月前，我觉得当时领先的模型主要就那么几个。可能是当时的 Opus 4.6 或 4.7，GPT-5.4 或 5.5，或者我们当时所处的版本。
说话人未分离：那时感觉真的没有其他人。行业沿着自我改进的曲线前进，前沿实验室似乎会把其他所有人甩得很远。
说话人未分离：但过去几周，如果你做的是 token 消费业务，而我就是做这个的，我想你们很多人和你们的观众也是，这段时间非常好。
说话人未分离：先是 Elon 和 Cursor 的 Michael，SpaceX、xAI 团队推出了 Grok 4.5。我一直在用，它是一个很棒的模型。
说话人未分离：我觉得我们刚才忘了提到，Alex Wang 和 Meta.com 推出了 Muse Spark，这也很棒。
说话人未分离：上周，Meera Tinky 推出了 Inkling。我不知道它的版本号，但这是那个模型的第一个版本。我认为它在很多很多 benchmark 上已经接近 SOTA。
说话人未分离：但过去三四天最大的新闻，显然是 Kimi K3 发布了。我想是在周四或周五。然后在过去 24 小时里，Qwen 也出来了。虽然我还没有真正上手试过。
说话人未分离：所以现在出现了很多选择和替代方案。
说话人未分离：我说 Kimi K3 带来变化，指的是下面几件事。第一，生态里有更多选择本身就是好事。你可以把自己选择的 harness，或者自己选择的 agent，指向多个模型。
说话人未分离：第二，我们现在处在一个非常奇怪的时刻。有些美国前沿模型在网络安全和安全任务上受到限制。
说话人未分离：我有一位朋友，这个人实际上开始用 Kimi K3 做安全工作，而不是用 Fable。因为使用 Fable 时，他会遇到拒答和安全防护。
说话人未分离：这确实是一个很奇怪的位置，我们可以稍后再谈一会儿。
说话人未分离：第三，如果你有很多地方可以获得智能 token，那么价格压力几乎是不可避免的。
说话人未分离：这会给前沿模型带来定价压力。我认为你可能会看到前沿实验室降低 token 价格，或者想办法匹配价格。这意味着它们的毛利可能会被侵蚀。
说话人未分离：这对新云厂商和供应链的其他层来说可能是好事。比如你是一家新云厂商，像 Base10 或 Fireworks，或者你只是有一堆黑色机架，把这些模型接入电力系统就可以运行它们，捕获一部分原本可能流向前沿实验室的经济价值。
说话人未分离：所以从消费者角度看这很好，从生态角度看也很好。当然，安全、蒸馏，以及这到底是好是坏，都有很多问题。但现在确实是一个非常有意思的时刻。
说话人未分离：我想第一个问题是，你预测前沿实验室会如何应对？现在生态已经改变了，而且没有回头路。Kimi 已经发布了，它的能力非常接近 Fable。你觉得 Anthropic 或 OpenAI 下一步会做什么？
说话人未分离：我认为有几件事很清楚。前沿实验室会继续推动能力边界，尽力拿到那种非常尖锐、非常不平整的前沿性能。
说话人未分离：我过去 18 或 19 个月里，花了很多时间努力确保美国赢得竞争。无论是闭源模型还是开放权重模型，我都希望美国模型站在前沿。
说话人未分离：所以我认为它们会继续这样做。但我猜测，开放模型真正开始给它们施加压力的地方，首先是价格。
说话人未分离：可能你真正需要绝对前沿智能的任务，只占一小部分。很多其他任务，比如我的一个 agent 检查邮件，或者一个 agent 快速浏览日历，可能根本不需要前沿 token。
说话人未分离：你可能不需要最前沿的 token，也许次一级的 token，或者你自己选择的开放权重 token，就已经够用了。
说话人未分离：这样一来，前沿实验室就会开始承受价格压力。它们可能会想办法让绝对前沿的模型继续可用、继续容易访问。
说话人未分离：我认为我们已经看到 Anthropic 延长了 Fable 的可用期。我没有内部确认这是不是动机，但我记得 Fable 原本只会再提供大约一周，现在已经延长了。
说话人未分离：我预测之后可能还会有更多延长，因为否则你就会面对一个非常接近前沿的开放模型。
说话人未分离：另一个有意思的问题是，如果你是一家前沿实验室，真正的护城河在哪里？是在智能里，还是在 harness 里？
说话人未分离：在云端，CoWork、Cloud Code 和 Codex 都是很棒的产品。我猜，你会看到更多努力放在让这些产品变得更有黏性上，因为模型本身，或者至少前沿之后的那些能力层级，可能会更像一种商品。
说话人未分离：那么这对生态系统意味着什么？第一，它可能给前沿实验室带来收入压力，因为人们可能会把自己的 harness 指向一些其他开放权重模型，原因可以有很多，我们可以继续展开。
说话人未分离：我认为这对新云厂商，以及任何拥有电力和 GPU 的人来说可能是好事。我知道接下来会非常有意思。
说话人未分离：说到开源，现在有一些讨论。Axios 今天早上报道，特朗普政府正在考虑限制中国开放模型，理由可能是它们来自中国，带来国家安全问题，也可能是它们已经达到 Fable 级别的能力，能够进行 agentic coding，从而带来网络安全问题。
说话人未分离：美国政府会采取行动打击开放模型吗？你认为它在这方面应该做些什么？
说话人未分离：我没有任何内部信息。正如我喜欢告诉大家的那样，我已经不再靠美国纳税人的钱生活了，但我在那里有很多朋友。
说话人未分离：从我听到的一切来看，如果回到一年半以前，在特朗普政府上任最初几周，他们说要推出 AI 行动计划。
说话人未分离：当 AI 行动计划发布时，开放源代码的重要性就在第一页、第一部分里。
说话人未分离：我认为这里有几个不同的问题。第一，我不认为领先的开放权重模型或开源模型主要不是美国的这件事很好。
说话人未分离：我认为 Moonshot、DeepSeek 和 Qwen 都有很棒的创新，但我更希望领先模型是美国的。
说话人未分离：当然，现在也有很多很好的努力。我预计它们会继续变强。Google 有 Gemma，NVIDIA 有 Nemotron，当然还有 Thinking Machines，也有 Reflection 这样的新创业公司。
说话人未分离：我认为它们会继续变好。但我们现在确实处在这样一个时刻，领先模型主要是中国模型，我觉得这并不好。我更希望它们是美国模型。
说话人未分离：第二点是，我从小就喜欢开源。开源是我进入计算机世界的重要部分，也是我职业生涯的重要部分。
说话人未分离：我很喜欢 Linus 定律，也就是 Linux 创始人 Linus Torvalds 的那句定律：只要有足够多双眼睛，所有 bug 都会变浅。
说话人未分离：我的理解是，开放权重模型天然具有安全的一面。你从 Hugging Face 下载模型时，意味着全世界都可以拆开它、检查它、微调它、修改它，用很多闭源模型完全无法做到的方式查看它。
说话人未分离：所以我认为开放权重模型为安全带来了非常不同、而且积极的角度。
说话人未分离：现在这个时刻让我觉得不太好的是，今天早些时候似乎有一件 Hugging Face 的事件被报道了，我看到的是一条正在传播的推文。
说话人未分离：Hugging Face 似乎发现，有人使用某种 AI agent，在多个地方持续攻击他们，想办法突破系统。
说话人未分离：我认为应对方式是，确保美国、西方国家或盟友一方的防守者能够使用最好的模型。第一步，是让我们的软件更安全。
说话人未分离：所以我不喜欢我们现在所处的这个位置：用 Fable 之类的模型检查自己的代码、找漏洞，可能比使用一个中国模型更困难。
说话人未分离：这就是一个很奇怪的位置，我认为我们应该修正它。
说话人未分离：现在，X 上有一个非常有意思的讨论，主题是蒸馏以及蒸馏到底意味着什么。
说话人未分离：这是一个复杂的话题，因为里面有几件事。首先，今天我们拥有的每个模型，都从所有人类知识中蒸馏出了能力。
说话人未分离：回到最早的 GPT，或者最早的 Claude，它们都必须通过爬取互联网、爬取我们的博客、推文和各种内容来学习。
说话人未分离：它们吸收人类知识，用这些知识建立自己的能力。所以蒸馏一直是这些模型训练方式的核心部分。
说话人未分离：第二，如果你想一想，我问你一个问题。现在我写推文时，常常害怕自己不小心使用多个连字符，或者不小心说出某些会让 Pangram 判断这是 AI 生成的句子。
说话人未分离：我最近写过一条推文，发出去前还用 Pangram 检查了一遍，确保它读起来像人写的，尽管我知道每一个 token 都是我自己写的，是人类生成的。
说话人未分离：我们都看到了互联网上 AI slop 的增长。
说话人未分离：互联网在过去几年增长了很多，其中很大一部分是 AI 生成的。我们每天都看到这些内容，常常会想，这里面肯定有一些 token 是机器写的。
说话人未分离：这些内容也会进入模型训练。所以，今天蒸馏 AI 模型已经是训练过程的核心部分，完全无法逃开。
说话人未分离：第二个问题是，有些模型可能在进行大规模、工业化的蒸馏。可能是大量假账号，也可能是有人把云订阅转售给别人、替别人路由请求，或者通过其他方式违反服务条款。
说话人未分离：所以我认为，第一，所有实验室都应该在政府协助下尽一切可能，确保蒸馏活动受到控制。无论是做 KYC，还是检查请求来自哪些 IP 地址。
说话人未分离：他们还可以使用很多更复杂的方法，确保大规模提取 reasoning traces 的行为没有发生。
说话人未分离：但我要借用 Sequoia 的 Dean Mayer 的一个观点，也请你们在他的推文里注明这是他的观点。他昨天写了一篇非常好的帖子。
说话人未分离：他认为现在的问题是，其他国家的某些模型可以在美国模型上训练。
说话人未分离：而如果你是一个美国开放权重模型，或者一个美国新创业公司，你是否可以从其他美国模型上蒸馏，就会变得非常混乱、非常难判断。
说话人未分离：如果生态是严重不对称的，某个中国模型可能可以获得大量 reasoning traces；但如果你是一家新创业公司，想使用一些 reasoning traces，你却不知道法律上是否允许。
说话人未分离：所以我认为，一个很好的想法来自他。Ben Thompson 在 Stratechery 上似乎也提出了类似想法：我们能不能找到办法，让蒸馏以各种方式变得可以接受？
说话人未分离：无论你是在获取其他模型的输出，还是遇到更微妙的情况，都需要规则。
说话人未分离：如果你看看今天任何一个美国开源模型，它们都在把中国模型当作教师，或者把中国模型当作微调过程的一部分。
说话人未分离：我们要如何确保这种做法受到保护，并且写进明确的规则？
说话人未分离：这样一来，如果你是美国的学生或公司，就能和中国模型处在同一条公平的起跑线上。
说话人未分离：我再说一次，我们现在处在一个非常有意思、非常独特的时刻。但总体上，我认为这些开放权重模型对生态系统是有好处的。
说话人未分离：选择更多了。人们可以围绕价格竞争。这些都是创新本来就应该带来的好事。
说话人未分离：另一个正在发生的讨论，是 AI 先自动化、再改进 AI 研究，最后自动化 AI 研究本身。
说话人未分离：Anthropic 写过这个问题，OpenAI 也谈到过。它们先要建立一个自动化研究实习生，然后逐步走向自动化 AI 研究。
说话人未分离：很多人认为，如果这件事发生，AI 能力进步的速度会非常非常快。
说话人未分离：如果未来 AI 能力真的快速提升，政府应该制定什么政策？政府会做什么？
说话人未分离：自动化 AI 研究会在能力曲线的哪个指数位置上，这是一个争议很大的问题。
说话人未分离：我听过很多种看法。有些人认为，几年内你就会拥有自动化的 AI 研究员。
说话人未分离：但也有人认为，还有一些基础性的改进无法被突破。模型当然可以训练其他模型，也会因此进步，但指数曲线可能会比非常陡峭的曲线平缓得多。
说话人未分离：所以当我在政府里的时候，无论是我还是 David，我们关注的重点都是如何建立一个很好的生态，让很多人竞争构建产品，让创新尽可能快地发生。
说话人未分离：当可信风险出现时，再确保我们能处理它们。
说话人未分离：例如网络安全。当出现可信威胁，当你知道这些模型已经能够针对最新固件或最新操作系统生成漏洞利用时，应该怎么处理？
说话人未分离：所以有人问我这个问题时，我有时觉得它太理论化了。我更愿意把它拆成几个问题。
说话人未分离：第一，我们怎样确保有一批彼此竞争的选择？
说话人未分离：第二，我们知道哪些风险是可信的？我们怎样真正处理它们？
说话人未分离：我认为网络安全、生物风险和生物学进展等领域存在非常可信的威胁，另外还有几个领域也一样。
说话人未分离：现在已经有一些努力在处理这些问题。
说话人未分离：最后我想说，在很多方面，我是一个相信用 AI 帮助解决问题的人。
说话人未分离：例如，帮助网络安全的答案往往是使用更多 AI 去扫描代码库，让代码库更安全。
说话人未分离：所以很多时候，我会问，我们怎样部署系统，真正去应对这些威胁？
说话人未分离：另一个问题是，Dean Ball 提出了一种观点：开放权重模型会抑制资本开支，也会破坏前沿实验室把能力领先变现的能力。
说话人未分离：我们怎样在推动健康的开源生态的同时，确保前沿实验室仍然能做它们最擅长的事？
说话人未分离：我认为，归根结底还是商业基本原则。如果你提供的是有价值的产品，资本主义会找到办法，让供应链为你运转。
说话人未分离：如果你有一个提供价值的开放权重模型，那么它下面的每一层都会围绕这种价值调整自己。
说话人未分离：可能是新云，可能是数据中心，可能是芯片供应商，也可能是给数据中心提供燃气轮机或消防系统的人。
说话人未分离：供应链的每个部分都会为了提供价值而调整，因为作为开放权重模型提供者，你可能会和银行合作。
说话人未分离：银行可能不想与前沿模型合作，而是希望使用可以在内部运行的模型。
说话人未分离：或者看看 Thinking Machines 这样的公司，它们可以为特定客户用内部数据微调模型，但不会把这些数据暴露出去。
说话人未分离：所以我认为，如果你提供的是有价值的产品，资本主义会处理其他一切。
说话人未分离：顺便说，我觉得现实正在验证这一点。如果你看看其他部分的价值占比，看看推理云的表现，看看生态系统的其他部分，增长都很强劲，也很惊人。
说话人未分离：我认为这种增长会继续。
说话人未分离：那么，既然你已经离开政府，现在在做什么？
说话人未分离：我可能会做更多直播式的临时连线。
说话人未分离：主播？
说话人未分离：不，听我说。我经历过一段非常不可思议的人生经历，那是无与伦比的，也是一种非常独特的荣誉。
说话人未分离：这段经历让我更清楚地看到，国家和公司需要怎样合作，才能确保每个人都获得智能，无论智能来自前沿实验室、开放权重模型，还是其他方式。
说话人未分离：我希望以某种形式推动这件事发生。
说话人未分离：所以我会故意保持一点神秘，但我认为，让美国和我们的盟友能够大规模获得 AI，同时让政府和这些公司合作，是一项非常重要的任务。
说话人未分离：如果你仔细想想，我已经用很多不同方式做这件事很多年了。我想继续做下去。
说话人未分离：也许会写一些很棒的帖子，偶尔参加直播。
说话人未分离：我们很期待。这次太棒了。谢谢你来到 MTS，Sriram。
说话人未分离：当然，我们之后还会再邀请你。
说话人未分离：谢谢，谢谢你们邀请我。还有很多内容要继续。
说话人未分离：当然。感谢大家收听这一期 a16z 播客。
说话人未分离：如果你喜欢这一期，请点赞、评论、订阅，留下评分或评论，也请分享给你的朋友和家人。
说话人未分离：想听更多节目，请前往 YouTube、Apple Podcasts 和 Spotify。
说话人未分离：请在 X 上关注我们和 a16z，也可以订阅 a16z 的 Substack，地址是 a16z.substack.com。
说话人未分离：再次感谢收听，我们下一期再见。
说话人未分离：本信息仅供教育用途，不构成购买、持有或出售任何投资或金融产品的建议。
说话人未分离：本播客由第三方制作，可能包含付费推广广告、其他公司引用，以及与 a16z 无关的个人。
说话人未分离：这些广告、公司和个人不代表 AH Capital Management LLC、a16z 或其任何关联方获得认可。
说话人未分离：信息来自出版日期被认为可靠的来源，但 a16z 不保证其准确性。
댓글
로그인하면 댓글을 작성할 수 있습니다.