这期 Eye on AI 请来的是 Trioma 的联合创始人兼 CEO 伊斯坎德尔·马利科夫。这家公司总部在阿联酋，做的是把 65 个以上的模型放在同一个提示框后面，由编排引擎替用户挑模型、拆任务、拼结果。12
整期最值得拿走的一句话是：token 单价是个没有意义的数——你不该比每百万 token 多少钱，该比改了几轮才拿到想要的结果。
他自己卖的又是另一种东西：用户买下一份叫 TGN 的「算力配置」，它持续产出叫 TES 的「能量」，能量可以按优惠汇率换成 AI 积分 TAI。这套循环的细则写在公司的服务条款里，而条款比访谈保守得多——节目里说「不想参与就可以提现」，条款写的是那份额度不能提现、不能兑换现金、不能交易转让，能提的是能量，而且还有身份、地域和排队三道关。3
下面先按官方 12 段章节整理要点，再附整集逐句中文翻译。正文里凡是卡片上盖了「口径出入」章的地方，这里都会说明差在哪。
要点整理
一、Trioma 与它的三层生态
主持人一开场就把这家公司的定位说清楚了：市面上已经有不少公司用一份订阅提供多模型的访问，而 Trioma「做的事要多一点」——不是让用户自己挑模型，而是由它按任务把请求路由到合适的模型上。1
嘉宾自己的定义是「垂直整合的 AI 生态」，分三层：
- 顶层是界面：网页平台、桌面应用，iOS 与安卓应用「即将上线」；
- 中层是模型与编排：65 个不同的 AI 模型，加上把它们连起来、让它们协同工作的编排层；
- 底层是 GPU：提供算力的芯片。
他说公司名字里的「三」就来自这三层。
关于「65 个模型」这个数字，有一处口径差值得记下来：官方视频描述与本期标题都写 65+，嘉宾在节目里也说 65 个；而公司自己的 LinkedIn 主页上，更早的一版文案写的是「30+ 个顶级模型」。4
他还给了一个「用户要的是结果，不是过程」的判断：大多数人跟 AI 打交道，在意的是那件事被办成，而不在意推理、不在意 AI 怎么处理你那条提示。顺着他这句话，产品形态就定了——不让人选模型，让人说想要什么。他甚至说，「提示工程」这个词从一开始就不该存在。
二、编排到底怎么工作
主持人问得很准：编排不只是路由吧？Trioma 会把任务拆成子任务、用一组模型合起来办吗？嘉宾的回答是「绝对会，那是我们引擎的核心功能之一」。
他给的机制有两层：
- 先分析提示。客户常抱怨「我用前沿模型是瞬间出结果的」，他的回应是：可以是瞬间的，但如果你那条提示不简单，分析它本身就要花时间，因为要判断该用哪个、或者哪几个模型。
- 一个「内部翻译器」。它做的事是把日常说话、日常聊天变成机器能执行的指令。他的说法是：人不应该去学怎么跟 AI 说话，人就该用平时说话的方式说话。
一个模型被挡住，就换一个去绕。 这是他把「编排」和「路由」区分开的关键例子：有些模型被限定不能做某些事（他说这在一些美国的闭源模型上尤其常见），编排会直接挑另一个模型把这件事做完，再回到原来那个更高效、更便宜的模型上。他补了一句：这一切都发生在水面之下，客户不需要操心里面发生了什么。
三、把多个模型合起来，结果为什么更好
嘉宾的观点是：今天没有任何一个模型在一切事情上都是最好的，包括那些宣称自己多模态的。他把原因归到训练上——「说到底它们是人训出来的，是被某种智能训出来的，所以一定有限制」。而把模型组合起来，那份智能就被放大。
他给了一个能验证「组合比单模型强」的具体例子：主持人手上跑着四个摄像头加一路音频，问 Trioma 的 Studio 能不能替他剪。嘉宾的回答是能，而且给了个数字——底层模型本身有 30 秒的限制，而 Trioma 上能生成最长 60 分钟的视频。
四、这门生意的算术：折扣、订阅与 token 成本
主持人直接问的是商业模式：你凭什么能收得比你自己花的 token 还少？
嘉宾的答案是企业协议。他跟多家前沿实验室直接签，本质上是批量订单：「我们把量带进来，换回一个折扣。」他给的理由是：对实验室来说，一个一次消耗几百万、几十亿 token 的长期客户，比几百万份随时可以取消的个人订阅更好算。
这一期解释力最强的一段在这里——为什么订阅制对 AI 公司不自然：
- 传统 SaaS 多一个用户的成本极小，无非是服务器；
- AI 不一样，每一次生成都在花真实的算力，「真的有一块芯片在做那个处理」；
- 于是一个把额度用满的用户，可能让这单生意不赚钱，因为订阅给出的 token 比这份订阅本身还值钱。
差额被看见，就会有人来吃它。他提到 OpenClaw 那件事，并给出了自己的判断：限制会越来越多，最终整个行业会转向按用量付费。
这一段在时间线上有公开记录可以对。 2026 年 4 月 4 日起，Anthropic 不再允许第三方工具（OpenClaw 一类）使用 Claude 的 Pro 与 Max 订阅额度，改用按量付费；更早的 1 月 9 日，它已经先掐掉了订阅 OAuth 令牌在官方应用之外的使用。56 之后是持续收紧：2026 年 5 月，Anthropic 又给付费订阅加上了新的使用限制，同期 OpenAI 在承接跑掉的重度用户。7
他还回溯了一个很具体的现象：今年早些时候有过「token maxing」的说法，很多公司鼓励员工多消耗 token。「我认为那正在改变，因为那笔钱里有很多花得并不划算。」
至于 Trioma 自己的订阅设计，他给的逻辑是顺着按量付费走的：不承诺无限额度，而是给额外的 AI 积分——一个月至少会花 20 或 100 美元的用户拿额外激励，不知道自己会花 500 还是 5,000 的重度用户则走 API。
五、走进 Trioma GPU Network：TGN、能量与积分
这一段是他自己解释公司名字的三个字母：
- TGN（Trioma GPU Network）：算力的建设，用户可以参与；
- TES（Trioma Energy Stream）：能量流，由 TGN 产生；
- TAI（Trioma AI Credits）：AI 积分，用来花在提示上。
三者合成他口中的 Trioma 循环。至于算力这一层怎么搭，他承认现状是租：目前向云厂商租 GPU，但在往自持走，理由是「自有芯片的毛利更好，能做的事也多得多」。他把这件事和「AI 主权」绑在一起——「你如果不拥有真正的芯片，就不可能真正做到主权」。自持之后，算力一部分租给企业，一部分留给 Trioma 自己部署开放权重模型，省下来的效率再让给客户。
关于这套循环，官方条款里的定义比节目里的说法精确得多，而且有一处直接冲突。
条款把 TGN 定义成「Compute Allocation（算力配置）」，按每枚 1 美元的固定价格发售，并写明：TGN 不升值，不可交易、不可转让，不能提现、不能兑换成现金，也没有任何赎回或转售价值；所有 TGN 购买一律最终且不予退款；它唯一的功能是在持有期间持续产生 TES。3
能量那一头，条款也写得很细：TES 在服务界面里就叫「Energy」，而且明说它不是电、不是天然气、不是任何形式的物理能量；每一单位 TGN 的 TES 产出会随网络规模增大而算法性下降；TES 的单价由「当期发放预算 ÷ 当期总产出」自动算出并浮动。至于那笔储备金从哪来，条款列了三份固定分成：TGN 销售净额的一份、把网络算力出租给第三方所得净收入的一份、以及 TAI 销售所得的一份。
节目里说「可以提现」，条款说不能——这是本期最需要标出来的一处出入。 访谈里主持人的理解是「这是一种打折方法，他们并不是从 TGN 里把钱提出来」，嘉宾的回答是「如果他们不想再参与，也可以通过稳定币提现」。而条款写的是 TGN 不能被提现、不能被兑换成现金、不能被交易或转让。能提的是 TES，方式是用稳定币，并且要过身份与反洗钱核验；条款还写明，当提现需求超过当期发放预算或可用储备时，可以排队、按比例分配或推迟。账户关闭时，里面的 TGN 与未用 TES 会一并作废。
条款里还有一条几乎是在预防误读：TGN 与 TES 是内部计划积分，不发行在任何区块链或分布式账本上，不是加密资产、不是虚拟资产，也不是货币、存款、支付工具、证券或投资产品。嘉宾在节目里没有提到这几条。
六、订阅制为什么正在被改写
这一段与第四节连在一起，是同一个论证的收尾：订阅给出的是「次数」或「额度」，而 AI 的成本是按算力实际发生的。当一批用户把订阅用到满，公司就要开始加限制；而限制一加，用户就开始算单价之外的那笔账。
嘉宾的判断有两句可以直接引：限制会更多；最终会转向按使用量付费。他也点出了实验室的两难——「他们有上百万客户，不能一下子让所有人都失望」，所以只能一点点来。
他还提到另一股力量：来自世界不同地方的竞争正在变多，人们开始意识到「也许我不需要最好的模型」。对某些具体任务来说，一个普通模型就够用，而它便宜十倍。
七、一次结果真正花掉多少钱
这是整期的核心论证，也是本期把它命名为「六格计价尺」的原因。
主持人的问题是「成本是不是正在变成竞争优势」，嘉宾的回答是把计价单位换掉：
成本会变成一种优势，但不是按 token 的价格、也不是按我们平时算的「每百万 token 多少钱」，而是按那个实际结果的成本。
他给了一把可以对着比量自己账的尺：在某个平台上把一份文档做完、或者把一张图改好，花掉 20 到 30 美元、改了 15 轮；换到另一个平台，你一次就出来、再补一句稍微微调一下，而总花费是前者的十分之一。他的结论是：「如果最终结果便宜十倍，那 token 的价格就是没有意义的。」
他还补了两个判断：大家在定价上已经变得很有知识，套利机会正在消失；最终大多数人会转向结果，而不是基于价格去挑一个特定模型。
至于透明度，他说用户可以对着仪表盘看自己在每一个模型上分别花了多少，也可以拿去和对手比价。官方站点在隐私那一节写的是另一面：请求经 Trioma 汇集、不留名地上送，公司不收集也不出售用户数据，模型看到的提示不带名字和画像。
八、编排不是路由：内部翻译器与 auto 模式
主持人问了一个他亲身遇到的差异：他曾在 Perplexity 里选某个模型跑一条提示，再去模型官网上用同一个模型跑同一条，结果不一样。
嘉宾的回答拆成两层：
- 前沿实验室内部也有编排。 你在界面上选了某个模型，不代表跑的就是那个模型——「我们完全不知道里面实际用了什么，它有点像黑箱」。
- Trioma 这边也一样会不一样。 如果你在 Trioma 上开了 auto 模式，结果差得更多，因为那时候是多个模型一起上场，分别处理音频、视频、图片、文案。
他自己也承认，这个问题问他们的 CTO 更合适；他能说的是引擎一直在更新，权重和参数在变，团队在持续调它。
九、用户用的方式，挪了三次
他给的用户行为时间线很干净：
- 一开始：像用 Google 一样用 AI，问一句、等一个回答；
- 然后：内容创作者与程序员两拨人冒出来，于是他们做了 Studio；
- 现在：更进阶的用户开始把流程自动化，于是重心从网页端挪到桌面端。
关于桌面的地位，他的理由是技术性的：浏览器的隐私设置让它没法访问本机的某些文件夹和应用，而桌面端给了用户本机的全部能力。写代码这一块，他说程序员几乎全在桌面端。
十、SaaS 会怎么被改写
主持人的铺垫是：现在想要什么集成，对方会说「你用编码代理自己搭一个就行了」；他也见过有人说可以用编码代理搭一个自己的 Photoshop。
嘉宾的回答是「这对 SaaS 公司是个坏消息」，并把 SaaS 的来龙去脉讲了一遍：早期互联网基本是通信，后来开始填数据、社交媒体登场，再往后 SaaS 因为 HTML5 而发光——浏览器把沉重的桌面应用搬到了云上，用户仍然要自己动手，但不用安装、能跨平台、文件好分享。他爱用的类比是微软 Word、Excel 对 Google Docs。
而他给出的转折是：现在活不用你自己干了。 「你直接告诉 AI 你想要什么。」于是他点名了 Figma、Photoshop 这类工具：既然可以让 AI 画出来、建模、搭出来，为什么还要自己动手或者花钱请人。
他给的最具体的例子是这一期最好记的一个：他的联合创始人在会上发来一个邀请，他以为是 Zoom 链接，结果不是——那是他自己 vibe code 出来的一个 Messenger，十分钟，有音频、有视频、有摄像头、有聊天，还能建群。「放在以前，那是几个月、甚至几年的开发量。」
他的结论是：开发不再是稀缺资源，重要的是你真正要做的是什么产品。主持人也承认「我们活在一个挺怪的时代：vibe code 一个 app，比去搜它、下载它还容易」。
十一、Trioma 往哪走：分发、社区、主权算力
被问到下一步，他给的是三件事：
- 分发与用户：不挑地域（美国在消费者应用与内容创作上领先，东亚的内容产出也很大），目标是让每个人都用得上；
- 社区与教育：让用户相信用户，告诉他们今天 AI 能怎样让他们个人受益；
- 参与算力建设：这是他口中「主权」的必要条件——要有自己的 GPU 基础设施，才能部署自己的开放权重模型。
关于模型来源，他给了一句很直接的立场：阿联酋公司，中国模型、美国模型、欧洲模型都接，「我们不歧视」；但只加那些真会被编排用上的模型——「我们不做那种为了拥有而拥有 300 个模型的生意」。地域上，朝鲜、伊朗这一类受限市场不提供服务，原因是合作方在那里的服务本身就不提供。他还说团队里真的有一位电影导演，所以做内容工具不是临时起意。
十二、让 AI 对每个人都可用，以及它挤压了谁
最后一段他把话题收到人身上。他的判断分两半：
- 恐惧有一半是合理的：AI 确实在对入门级岗位造成威胁——入门级客服、合规、法务都在承压。「如果一个人刚毕业、正准备开始职业生涯」，这种焦虑是真实的。
- 另一半是赋能：AI 让有能力的人拿到以前拿不到的知识和智能，给了他们额外杠杆。
他举的观察点在内容创作：新内容太多，甚至出现了真正成系列的剧集是用 AI 做的。这一期最后以主持人的一句「能活在这个时代挺让人兴奋的」收尾。
整体上，这一期是一次上线当口的自述。 产品从 2026 年 1 月开始做、8 月起用户可以试用，他口中的正式上线就在录制前一天；官方的桌面端更新日志显示，到 10 月已经发到 1.2.5 版。8 节目里那些「十分钟做出 Messenger」「改 15 轮对一次过」的成本对比，都只有嘉宾一个人的说法，本期没有找到能独立核到的出处。
顺带说清楚两件事：Eye on AI 是独立播客，主持人不持有 Trioma，所以这一期不是「自家节目访谈自家被投公司」；但嘉宾是创始人兼 CEO，公司刚刚上线，整期带着产品说明会的性质。9 另外，节目中段那段身份安全产品的口播（Palo Alto Networks 的 IDRA）是原音频自带的赞助商广告，与本期内容无关。
逐句全文翻译
以下是本期整集对话的逐句中文翻译，只保留中文译文，不保留英文原文。说话人标注为「片头」（节目开场的原声剪辑）、「克雷格」（主持人克雷格·S·史密斯）、「伊斯坎德尔」（嘉宾伊斯坎德尔·马利科夫）与「广告」（中段主持人念的赞助商口播）。按官方给出的 12 段章节顺序，不压缩、不摘要、不删减。
译文依据本期官方发布的完整对话字幕；字幕不带说话人标签，归属按谁在提问、谁在讲自己的公司与团队判定。两处听写不清已按官方写法还原：能量流的缩写在字幕里被听成 “test”，按它与 TGN、TAI 并列的位置还原为 TES；视频生成公司的名字被听成 “Hey Genen”，还原为 HeyGen。
一、Trioma 与它的三层生态
片头：本来要花几个月、甚至几年的开发量，我们差不多十分钟就做完了。既让人兴奋，也让人害怕。
片头：现在市面上有很多这样的公司，用一份订阅就能同时用多个模型。Trioma 做的事要多一点。
片头：大多数人其实是想要某件事被办成。如果这就是用户想要的，那为什么不让他们直接告诉我们想要什么——打一句话，或者录一段语音——然后让编排引擎去找出抵达那里的最佳路径。
片头：我们生活的这个世界里，会出现非常多新的应用，因为现在每个人都有工具去做出真正独一无二的东西。
片头：Trioma 是一个垂直整合的 AI 生态，分三个独立的层。最上面一层我们叫界面，包括网页平台、桌面应用，以及即将上线的 iOS 和安卓应用。中间那一层是我们有 65 个不同的 AI 模型，以及把它们连接起来、让它们协同工作的编排层。然后是最底下那一层，也就是 GPU——本质上是提供算力的芯片。合在一起，我们把它叫做 Trioma，因为它基本上就是这三层。
广告：这个世界正在变得越来越复杂。每一次你的团队部署一个新的云工作负载或者一个 AI 智能体，就会有另一个身份拿到访问你关键系统的永久权限。你知道吗，去年十家机构里有九家遭遇过身份泄露，因为对手是拿着有效的凭证登进去的，而不是攻进去的。非人类身份的数量是人类身份的一百零九倍，在云环境里造出了一大片无人管理的攻击面。传统的工具是为了管理人类员工而造的，于是现代的机器身份与 AI 访问基本处于无人管理的状态。这正是 Palo Alto Networks 的 IDRA 要解决的地方：人、机器、AI，一个身份平台通吃。96% 的人类用户手上都带着他们并不需要的多余权限。IDRA 用动态访问取代永久权限，让你能在不拖慢业务的前提下锁死每一个身份。IDRA 按需授予访问，任务一完成就立刻收回，从而把高风险的永久权限去掉。有了 IDRA，你得到的是统一的管控：把各自为政的 IAM、特权访问管理和治理工具，换成横跨人、机器与 AI 身份的单一控制平面。用 Palo Alto Networks 的 IDRA 保护你组织里的每一个身份。了解更多请访问 paloaltonetworks.com。
二、编排到底怎么工作
克雷格：现在市面上有很多这样的公司，用一份订阅就能同时用多个模型。 Trioma 做的事要多一点。它好像不是让用户自己去挑模型，而是由 Trioma 根据任务，把请求路由到合适的模型上。是这样吗？你能不能讲讲，为什么这是访问 AI 的新模式，以及用户到底是谁？
伊斯坎德尔：我觉得旧的那套模式、最初的行为，有点像一个聊天机器人：大多数用户用 AI 的方式，和他们用 Google 搜索或者其他搜索引擎差不多——问一个问题，等一个回答。后来这个回答的形式慢慢变成了一个实际的产物：图片、音频文件、视频。一开始是短视频，现在能做出真正长的视频了，但它仍然是一种问答式的交互。
伊斯坎德尔：我们意识到的是一件很朴素的事：大多数人其实是想要某件事被办成。所以他们跟 AI 打交道的时候，主要在意的是那个结果本身，而不是过程、不是推理、不是 AI 怎么处理你那条具体的提示。
伊斯坎德尔：于是我们就想，好，如果这就是用户想要的——用户永远是第一位的——那为什么不让他们直接告诉我们想要什么：打一句话，或者录一段语音，把想要的东西讲出来？然后由编排引擎去找出抵达那里的最佳路径。那可能是一组不同模型的组合，也可能是单个模型，还可能是一个编排引擎再调动不同的模型，去挑出最能干、最高效的那个把活办成。我们的想法是：他们需要的是最终结果。
伊斯坎德尔：至于「这是给谁用的」这个问题，我们认真想了很久：我们到底在给谁做东西？是只做一个特定人群，比如内容创作者？还是只做程序员？还是给普通人做，比如在家的全职妈妈，让她们去处理家里的事、把家里那些固定要做的活儿自动化掉？后来我们觉得，不应该把产品限制在某一个特定人群上，应该做宽，让每个人都能用 AI。因为我们的核心原则之一就是：AI 是用普世知识训练出来的，所以每个人都应该能够充分地运用那些知识，去拿到那些被训练进模型里的智能。这就是我们核心概念里的一个。所以回答你的问题：它是给所有人的。
克雷格：那是面向消费者，而不是企业？还是两边都看？
伊斯坎德尔：两边都做，我们看到的是不同的使用场景。消费者主要感兴趣的是内容创作、写代码，他们会用智能体、用智能体式的工作流——编排一启动，不同的模型就手拉手一起干。但同样的事情也适用于企业，很多企业确实需要智能体，用来做网站、把某些工作流自动化、把某些流程自动化，不管是客户支持、合规还是各种别的。所以两边的需求我们都看到了。企业客户大多感兴趣的是智能体式的工作流，把整条流程自动化掉；消费者这边两种都做，既有智能体，也有问答式的交互。
三、把多个模型合起来，结果为什么更好
克雷格：那说到编排——它不只是路由，对吧？你不只是在决定「这个任务该给 Gemini、那个任务该给 ChatGPT」。Trioma 会把任务拆成子任务，然后用一组模型合起来把这件事办成吗？
伊斯坎德尔：绝对会。那是我们引擎的核心功能之一。它首先要做的是分析你那条提示。这其实是我们从客户那里收到的一类反馈：他们会说，「我用前沿 AI 模型的时候，它是瞬间就出结果的」；潜台词是「用 AI 就该是瞬间的」。我们的回应是：它可以是瞬间的，但如果你真的想深入理解你要做的事——尤其是当你那条提示不是简单问题、而是更复杂的东西时——那就需要时间去分析它，去判断该用哪个模型、或者哪几个模型来把活办成。
伊斯坎德尔：这既包括编排去利用那些按效率选出来的模型，也包括利用那些真正能把活干成的模型。我的意思是：某些模型被训练来执行某些任务，但它们可能被限定、不能做某些事。这种情况在一些美国的闭源模型上尤其常见。而这正是编排发光的地方——当审查挡住它、让它完不成那件事时，编排会直接挑另一个模型来处理这个具体任务，做完之后再回到原来那个更高效的模型上。
伊斯坎德尔：所以这一切都发生在水面之下。客户不需要操心，企业也不需要操心里面发生了什么。客户需要拿到的是最终结果，而这一整套编排，本质上就是为了交付最好的结果、同时替客户或者企业消耗最少的 token。
伊斯坎德尔：说到 token 消耗，这已经变成一个真问题，对企业尤其如此：这些模型、尤其是智能体式的工作流，确实能把很多事情办成，但它们也会烧掉很多 token。
四、这门生意的算术：折扣、订阅与 token 成本
克雷格：随着这些基础模型越做越大，你的平台上其实存在一部分成本套利，对吧？否则这就不是一门生意了——你收的钱得比你在 token 上花的钱多。你是怎么做到的？我是说，你作为事实上的转售方，是不是从这些基础模型公司那里拿到了折扣？能不能讲讲这是怎么运作的，以及如果大家开始用第三方界面，对那些基础模型公司意味着什么？
伊斯坎德尔：好，有几件事。首先，我们跟很多合作方有直接关系，包括前沿 AI 实验室、研究实验室，行业里那些大名字，上你这档节目的听众肯定都熟悉。我们跟他们签的是企业协议，意思是我们拿到折扣——可以说就像批量订单：我们把量带进来，换回一个折扣。
伊斯坎德尔：说到底，这些都是商业机构，对吧？他们想赚钱，我们也想。而在他们眼里，我们是一个可靠、稳定的客户，因为我们这门生意消耗的是几百万、几十亿个 token。他们也明白，跟我们签一份长期合同是划算的，总比签几百万份个人消费者的合同强——那些人随时可以取消订阅。这些 SaaS 公司的流失率，有时候高得离谱。所以这是两种不同的生意，各有起伏。当你做零售、做消费者生意的时候，有很多因素要放在心上。这话我是有资格说的：我自己就做过、也规模化过好几个消费者应用，做交易、做图表那一类。所以我知道消费者应用有时候有多难做。
伊斯坎德尔：而我们在企业合作方眼里，是一门很清楚的生意。他们愿意跟我们建立长期关系，因为在某种意义上，我们是替他们大批量采购这些 token、通过 API 集成，我们是他们的分发层。这对双方都有好处的原因在于：我们在建社区，在建真正的用户群，在分发这些模型；同时我们也在某种意义上增强它们——我们把不同的模型组合起来，确保客户拿到的是每一样里最好的。所以他们拿到的是不同 AI 模型的组合，某种意义上一杯鸡尾酒：有时是三个、四个、五个模型一起配合，而最终的结果总是比他们只用某一家公司要好。这是一件事。
伊斯坎德尔：另一件事是我们意识到的、也确实想过的问题——企业的 token 消耗。你说得完全对，今天的公司正在消耗大量 token。如果你还记得今年早些时候，有个概念叫「token maxing」，很多公司实际上在鼓励员工去消耗大量 token。我觉得现在这正在变，这是好事，因为那些开销里有很大一部分恐怕并不划算。
伊斯坎德尔：于是我们就在想：如果 AI token 的需求这么大，我们怎么能确保我们的客户——无论个人还是企业——不必在 token 上超支，能把自己的智能体工作流搭起来、把流程自动化掉，而不用老想着「要是 token 价格一直涨，早晚会发现雇个人比让智能体去做更便宜」？在一些新兴经济体里，我们已经看到这种情况了：雇一个人确实比用 token 付给智能体更便宜。
五、走进 Trioma GPU Network：TGN、能量与积分
伊斯坎德尔：所以我们做的这个东西叫 TGN——Trioma GPU Network（Trioma 算力网络），它让我们的客户、企业和个人，都能参与到这场 GPU 的建设里来。本质上，他们可以买一个席位：一份软件许可，凭它可以参与进来。而这份软件许可会让他们产出 TES，也就是那条能量流。这条能量流可以换成 AI 积分。于是他们可以自己决定接下来要做什么：是想参与这场网络建设、并从中获得潜在收益，还是把它花在自己的 AI 智能体上。我们看到不同的人群有不同的结果：有些人基本就是在做 token maxing，把它花在智能体工作流上、换成 AI 用量；有些人则单纯是想看到 AI 这个行业的增长，因为他们明白这是地球上最热的板块，想分一杯羹。
克雷格：哇。解释一下，把它拆开讲一点，因为刚才这段过得挺快。你说的这个算力网络——是通过虚拟私有云来搭，还是你们有自己的数据中心？你是怎么做的？
伊斯坎德尔：目前我们是租 GPU。我们跟云厂商合作，所以是租，但我们正在慢慢转向自持。我们清楚自有芯片的毛利更好，能做的事也多得多。而且我们核心原则里有一条就是去中心化，以及 AI 主权——你如果不拥有真正的芯片、真正的 GPU，就不可能真正做到完全的主权。所以我们在往那儿走。但回答你的问题，运作方式本质上是这样：我们买下 GPU，这些 GPU 再租给企业，同时 Trioma 内部也会用它们——我们自己部署开放权重模型，从中改善毛利，公司整体变得更高效，而这份效率和毛利，随后会让给我们的客户。客户就是这样受益的，也是这样拿到更多模型、并参与到这场建设里的。
克雷格：那把这个传导给客户的计量器或者机制是什么？就是那个「能量」，Trioma 能量？
伊斯坎德尔：这就是我们为什么把它叫能量。它字面上就是一个衡量算力需求的东西。而就像我们今天看到的，AI 算力的需求基本是冲天式的，很多人就是因此想参与进来。但本质上，我们的用户——企业和个人——可以自己决定拿这份算力做什么：换成 AI 积分，或者留着。所以怎么跟 AI 打交道，由他们自己决定。我们做的是把 AI 生态的建设开放给个人，而这件事漂亮的地方在于：他们还能看到实际的产物，看到那份算力是怎么被用起来的。你很少能看到一家公司，能让你参与到驱动一切的那块底层芯片里——界面只是他们接触的前端那一层，而真正的计算发生在最底下那一层，也就是 GPU。
克雷格：好。那如果我是一个客户，想参与到这场建设里，我要做什么？
伊斯坎德尔：你就买 TGN，参与我们的 TGN 基础设施就行。我们有一个板块叫 TGN，Trioma 算力网络，任何人都可以参与。最低购买金额好像是 30 或者 50 美元，我不太确定。我们支持所有支付方式：银行转账、信用卡、稳定币。一旦人们意识到这个潜力、意识到自己能怎么参与进来，他们很快就兴奋起来。
克雷格：所以，首先我有一份 Trioma 的订阅，然后我在 Trioma 算力网络里买一定量的能量。是这样吗？
伊斯坎德尔：对。不过不是买能量——你买的是 TGN，也就是你的那个「席位」。你参与了那场 GPU 基础设施的建设，它就会产生能量。你的那份 GPU 产生能量，然后由你决定拿这份能量做什么：换成 AI 积分，或者，如果你不想再参与了，就把它提出来。
克雷格：那这是一种拿折扣的方式，还是说它在某个层面上真的会产生收益？
伊斯坎德尔：两者都是。我们鼓励客户把能量换成 AI 积分，因为我们当然希望他们用 AI，这也是我们让他们更容易用上 AI 的方式。但如果他们因为某些原因不再想用 AI 了，他们随时可以提出来，不用花在 Trioma 上。
克雷格：我明白了。所以这是一种打折的办法。他们并不是从 TGN 里把钱提出来。
伊斯坎德尔：如果他们不想再参与，是可以通过稳定币提现的。但到目前为止，我们观察到的行为是：大多数人要么因为看到 AI 上的这波热度而继续买更多，要么就是直接拿去换 AI 积分。我们在平台上看到很重的使用量，有相当多的重度用户，就像你说的，在消耗大量 token。对他们来说 TGN 是个完美的方案，因为反正他们都要为这些 token 付钱——通过前沿 AI 模型或者通过聚合商。而他们意识到，在 Trioma 上，只要那份产出能满足他们的 token 需求，他们买一次席位，之后就不必一直惦记这件事了。
六、订阅制为什么正在被改写
克雷格：OpenClaw 出来的时候有过一点争议，因为它本质上是在对 Anthropic 的模型做套利——我猜是这样——然后 Anthropic 把它关掉了。那是怎么回事？这件事是你需要担心的吗？
伊斯坎德尔：首先我们得理解，这些公司都是商业机构。他们明白，这整套订阅模式对 AI 公司来说是有点不自然的，原因非常简单。我们平时说软件或者 SaaS 产品——也就是「软件即服务」——脑子里想的是这样一家公司或组织：花了一段时间做出点东西，然后把它规模化、发布给尽可能多的人。多一个用户的成本极小：你基本上只是在付服务器的钱、覆盖你的服务器和基础设施成本，并不会因为多了几百、几千、几百万个用户而多出什么开销。
伊斯坎德尔：AI 不一样。因为每一个用户都在生成东西——不管是文字、图片还是内容——而每一次生成都在花真实的算力，它不是凭空冒出来的，真的有一块芯片在做那个处理。所以当你规模化、有越来越多人把订阅用到满、用到顶的时候，你很快就意识到：这恐怕不是一门很赚钱的生意，因为你的订阅给出去的 token，可能比这份订阅本身的成本还值钱。
伊斯坎德尔：而当公司意识到这一点，当越来越多的组织和程序员看到那个差额，他们就开始套利——把从订阅里拿到的 token，和这份订阅的真实成本之间的差价吃下来。这就是为什么我们会看到前沿 AI 实验室不断加上各种限制。我认为很快我们会看到更多限制，而在我看来，最终我们会转向按 AI 用量付费，就这么简单。
伊斯坎德尔：在 Trioma，我们很早就意识到这一点，我们想的是：如果有人经常用 AI、想要额外的价值，他们可以买我们的订阅，而我们的订阅非常直接——本质上就是多给你一些 AI 积分。因为我们看重这些客户，如果他们知道自己一个月至少会花 20 或者 100 美元，我们会给一些额外的激励。但如果他们是重度用户、并不清楚自己最后会花多少——是 500 美元还是 5,000 美元——那这些就是 API 客户。
伊斯坎德尔：我认为很多前沿 AI 实验室也在意识到这一点，他们开始限制这类订阅，同时他们必须小心，因为他们有上百万客户，不能一下子让所有人都失望。所以他们才这样一点点来。另外，来自世界不同地方的竞争也在变多：人们开始意识到，也许我不需要最好的模型，也许我不必跟最新的那波公关或营销潮流、不必因为它被推给我就用最新的模型。也许对我这个具体任务来说，一个普通模型就够用，而它便宜十倍。
伊斯坎德尔：所以人们在价格上越来越精明了，我认为这正是为什么要确保大家能用到所有这些模型、而不被绑在某一个模型上的原因——说到底，我们应该给人选择自己用着舒服的那个模型的自由。市面上确实有公司提供多个模型、提供到合适模型的路由，甚至提供「集成」——把任务拆给不同的模型去做。
七、一次结果真正花掉多少钱
克雷格：随着越来越多公司做这件事，成本是不是正在变成竞争优势？
伊斯坎德尔：我会说成本会变成一种优势，但不是按 token 的价格、也不是按我们平时算的「每百万 token 多少钱」，而是按那个实际结果的成本。你不再看「这家公司每百万 token 收多少美元」，你看的是「我改了几轮才拿到某个结果，才拿到一个我满意的结果」。
伊斯坎德尔：如果你发现：在某个平台上，把一份文档做完、或者把一张图改好，花掉你 20 到 30 美元、改了 15 轮；而在另一个平台上你基本一次就成——一条提示出来，也许再补一条稍微微调一下——而花费是前者的十分之一，那你就会明白：如果最终结果便宜十倍，那 token 的价格就是没有意义的。
伊斯坎德尔：所以我认为大家在定价上已经变得非常有知识了，套利的机会也正在消失。我觉得这很正常：随着 AI 的普及、随着这么多新模型冒出来，最终大多数人总会转向结果，而不是基于价格或者其他某些参数去挑一个特定模型。
克雷格：什么刚刚上线了？好像昨天刚有一个东西上线，我印象里是这样。
伊斯坎德尔：我们昨天才是正式上线。在那之前——
克雷格：对，在那之前呢？
伊斯坎德尔：对，我们的产品从一月就在做了。我们有一群相当拼的人，写代码的人在把产品做出来。从第一天起我们就在收集大量用户反馈。昨天是我们的正式发布，也就是真正全面上线；用户其实从八月起就能用 Trioma 了，但昨天才算是一次正式的发布。现在我们有挺多用户，需求也在进来，我们在收集那些反馈，看大家最感兴趣的到底是什么——是内容创作、还是写代码、还是企业用它来做 API。我们让用户来决定 Trioma 往哪走。我们确实想成为一个社区驱动的平台，让大家告诉我们该往哪个方向走。
克雷格：你提到可以访问开放权重的模型。那包括中国的模型吗——GLM、Qwen 以及那些其他很强的中国模型？
伊斯坎德尔：有，我们有基于中国的模型。我们有 GLM，还有另外几个中国模型。我们的工作就是挑出最能干、最高效的模型把活办成。我们不做那种为了拥有而拥有 300 个模型的生意：如果没人会用，留着它们有什么意义？首先它不会被编排用上，除了可能拿到一点吹牛的资本，它给不了你任何好处。但用户并不在意这个，用户在意的是结果。所以我们只加那些有可能被我们的编排引擎真正用上的模型。不过回答你的问题：我们不歧视。作为一家阿联酋的公司，我们乐意跟中国的模型、开放权重的模型合作，也同样乐意跟美国模型和欧洲模型合作。
克雷格：Trioma 显然是个全球产品。那你们在所有市场都能用吗，还是有些市场不想让你们进去？
伊斯坎德尔：在一些受限市场我们不提供服务。主要是因为我们合作的那些伙伴在这些国家不提供服务，而我们的合作方挺多的——说的就是那些「常客」：朝鲜、伊朗，也许还有另外几个国家。按照我们的条款，我们没法在这些国家提供服务。但除此之外，我们尽量做到全球覆盖，因为在我们看来，AI 应该被每个人使用，我们不该限制人、不该限制他们用 AI。我们该做的是把工具给他们，同时提醒他们用这些工具时应当承担的责任——因为这些工具今天已经变得非常能干，落到不对的人手里就可能被滥用、被坏人利用。所以我们很小心地看是谁在用。这条线很细：你既希望人们受益，又不希望坏人滥用你的工具。我们把它看作使用工具的人自己的责任，但确实有一些限制是我们因为协议和合作关系必须遵守的。
克雷格：你知道，我自己在用 Perplexity。但要把他们那套路由和编排整个用起来会变得非常贵——我印象里那是他们的最高档，我没付那个钱。你们是用更便宜的价格匹配他们所有的能力吗？我是说，你要怎么跟 Perplexity 这样的庞然大物竞争？
伊斯坎德尔：定价的时候，我们设定的是一个很合理的毛利，确保客户拿到最好的价值。所以如果你纯看 token 单价，它可能跟那些更大的公司持平、甚至更低——因为我们做的就是让 AI 普及、让消费者、让个人用得起 AI，而你要想把产品做大，唯一的办法就是把价格压住。所以我们当然是在把价格尽量压低。
伊斯坎德尔：同时我们也明白，消费者看的是实际的产物，以及把事情办成要花多少钱。所以如果我们能优化，让他们少花——因为人其实并不总是知道某个任务该用哪个模型，这也没什么错：他们通常就挑一个模型，然后用它干活，心里知道它可能不是所有任务上的最优解，但又不想来回切来切去，于是就用着一个模型做下去。而我们这边知道，不同模型的收费是不一样的。如果我们能让用户少花钱，那我们自己的 token 是不是便宜 10%、或者 10% 到 20%，其实没那么重要。真正重要的是你最后到底用了多少 token、用的是哪些模型。
伊斯坎德尔：所以关键在最终结果和总价，而不是单个 token 的价格。这一点我们非常透明：用户可以直接看仪表盘，看到自己在每一个模型上各自花了多少，也可以拿我们的 token 价格去和对手比。他们通常不会去比，因为他们对拿到的结果和最后付的钱是满意的；但如果他们想比，随时可以比，因为我们在定价上非常非常透明。
克雷格：所以其中一个好处是，你不需要像我这样买五份不同的订阅。
伊斯坎德尔：对，也不需要在你电脑上、或者在几个 app 之间手动切来切去。
八、编排不是路由：内部翻译器与 auto 模式
克雷格：但另一个优势是：别的公司也在做这种多模型的编排，而只要你更高效地为任务找到那个最好的模型，最终就是更便宜。你能不能讲讲这个编排器？它看起来才是这套东西的核心。它是怎么搭出来的？我猜它是一个大模型、或者一组大模型。能讲讲吗？
伊斯坎德尔：这个问题问我们的 CTO 是最合适的。我只知道它一直在更新，我们不断加进新模型，里面的某些权重和参数也在不断变化。我们有一支很出色的工程团队，他们就在我们说话的这段时间里持续地在调这个引擎。我希望我能告诉你更多。但基本上是这样：一方面，你有一个真正的引擎，它调动不同的模型、根据具体的模型去做路由、试图为某个任务挑出最合适的那个；另一方面，你还有一个可以说是「内部翻译器」的东西，它理解你那条提示，然后基于你的提示去把活办成。
伊斯坎德尔：你如果记得早期，有个词叫「提示工程」，意思是人们应该去学怎么跟 AI 说话，才能拿到最好的结果。我们从第一天起就觉得这件事不该存在。人不应该去学怎么跟 AI 说话，人就应该像平时那样说话。AI 存在的全部意义，就是让他们的生活更轻松、更简单、更好。所以他们应该用平时说话的方式跟 AI 说话。这就是我们一直在做的事，它其实是我们引擎的一部分：它识别和理解日常的说话、日常的聊天，分析那些提示，然后把事情办成。
伊斯坎德尔：因为你看市面上一些主打内容创作的平台，它们有一大堆预设、一大堆复杂到离谱的提示词，普通人根本不可能把那些东西描述出来。而在 Trioma 我们明白，那不是普通人跟 AI 打交道的方式。他们就是把自己感觉到的说出来，把最后想要看到的东西说出来，然后由 AI 去理解它、去拿到尽可能好的结果。所以这件事我们从第一天就在做。
克雷格：那在写代码这边——如果一个人想用 Trioma 来写代码，你是能用到背后那些编码模型的。
伊斯坎德尔：在写代码这边，我们主要靠桌面应用。程序员很喜欢它，它给了他们想要的一切，给了他们自己的空间。他们想用终端就能用终端，能调用不同的模型，能用编排。所以程序员非常感兴趣的是桌面应用。我们从程序员那里收到的反馈大多也是围绕桌面端的：他们很喜欢，只是想再加点功能。我们其实没怎么看到程序员用网页平台，虽然他们也可以用。
九、用户用的方式，挪了三次
伊斯坎德尔：但桌面应用的能力就是远远强过网页平台，原因在于你浏览器那些具体的隐私设置：它根本没法访问你电脑上的某些文件夹和某些应用。而桌面端真的给了你自主权和本机的全部能力——毕竟应用就装在你本机。
克雷格：到目前为止——我知道现在还非常早——你们看到使用量在某个领域聚集了吗？是研究，还是智能体工作流，还是写代码？你们看到早期有什么迹象说明用户在往哪走吗？
伊斯坎德尔：其实我们看到了一次偏移。刚上线的时候，大多数人用 AI 就跟用 Google 搜索一样：问问题，等等。然后是两拨用户冒出来，最多的是内容创作者——这也是我们为什么给他们做了一个 Studio，因为那类工具和产品的需求一直在。所以我们看到内容创作者和程序员的需求都很大。
伊斯坎德尔：现在正在变的是：人们开始想把事情自动化，而这主要来自那些更进阶、更成熟的用户——他们走过了这条学习曲线，对 AI 和它的能力有了更成熟的理解。他们不再只是想问一句、拿个结果，而是想把这件事自动化。我们看到这类智能体工作流明显在起来。也因为这种工作流，他们中有很多人开始转向桌面应用，好把这些流程和工作流自动化掉。这就是我们最近观察到的行为。
克雷格：所以它基本上是从聊天机器人、从搜索引擎起步，然后转成「我问一句、拿一个回答」，而现在基本上全是智能体了。
十、SaaS 会怎么被改写
克雷格：我一直在跟人聊 SaaS 的未来。我不是在说那些非常复杂的大 SaaS 产品，而是：有了这种编码代理，你可以自己搭一个应用。前几天我跟一家公司聊，我想要一个 HeyGen 的集成——就是那家做语音生成的公司——他们说：「我们还没有，但你可以用你的编码代理自己搭一个。」我还看到有人在说 Photoshop：你基本上可以用编码代理搭一个 Photoshop，它没有那一大堆让人困惑的选项，而且是真正为你的用途做的。现在这些模型变得这么能干，你怎么看这件事会怎么发展？它会碰到你们吗？
伊斯坎德尔：绝对会。首先，这对 SaaS 公司是个坏消息。我们正在看到很多 SaaS 公司过得很吃力，原因恰恰就是你刚说的那些。如果你记得早期，互联网基本上就是电子邮件，主要就是通信——一条传输数据的通道。那时候我们有时会觉得，它只是一种更高效的传邮件方式，比传真强；或者你能搜索、能查东西。
伊斯坎德尔：然后我们开始往互联网里填数据，社交媒体、社交网络就在那个时候登场。再往后，SaaS 在大约十到十五年前真正发光，主要是因为现代浏览器的能力：HTML5 作为一项技术出现之后，你一下子就能把很多沉重的桌面应用搬到云上、搬进浏览器。我们自己也是这样，当年做交易、把它规模化的时候走的就是这条路。我们当时爱用的类比是微软的 Word、Excel 对 Google Docs。
伊斯坎德尔：哪怕到今天，Google Docs 的能力也不如你原来那个桌面应用，但对大多数人来说它够用了，他们完全没问题；而不用装任何东西、文件又容易分享，对很多人来说太方便了——这也是为什么很多人已经不再用那些桌面应用了。这就是 SaaS，这就是 SaaS 的美：把工具给到人，然后他们从浏览器里就能做所有事，不用安装，跨平台，Mac 也好、Windows 也好，就是好用。
伊斯坎德尔：但现在，活不用你自己干了。你直接告诉 AI 你想做什么。所以 SaaS 的整个概念、整个立意，本来是把工具给到人——把精巧、强大的工具给到人，但活还是得他们自己动手干。而现在你只要告诉 AI，让它替你做。
伊斯坎德尔：所以你看 Figma 或者 Photoshop 这类工具：既然你可以直接告诉 AI 让它画出来、建模、搭出来，为什么还要自己做、或者花钱请人做？这会影响到很多这样的公司，包括你们的用例。我们生活在一个挺怪的时代——vibe code 一个 app，比去搜它、找到它、下载它还要容易。最近我们看到很多这种情况。
伊斯坎德尔：说实话，Trioma 自己也从中受益。因为我们有很多用户在拿不同的模型、拿编排做实验，他们明白：随着我们加入更多模型，他们的能力也在提高——因为他们现在可以挑、可以选，或者干脆用桌面端那个 auto 模式、编排模式。
伊斯坎德尔：给你几个有意思的例子：我的联合创始人前几天 vibe code 了一个他自己的 Messenger，花了大概十分钟。他说「来开这个会」，我说「你是在发我 Zoom 链接吗」，他说「不是，我发的是这个邀请」。我说「有意思」。我本来以为会是个又笨又小、bug 满天飞的东西，结果不是——它有正经的音频、视频、摄像头、聊天，我还能建群什么的。它看起来就是一个正经的应用，放在以前，那是要花几个月、甚至几年的开发量。Trioma 大概十分钟就做出来了。
伊斯坎德尔：所以它既让人兴奋，也让人有点害怕；但兴奋的那一面是：我们生活的这个世界里会出现非常多新的应用，因为现在每个人都有工具去做出真正独一无二的东西。开发不再是稀缺资源了。现在重要的是你真正在为人们做的那个产品：你到底想做什么？你打算怎么服务消费者、服务企业？
伊斯坎德尔：所以社区和人，比以往任何时候都更重要。因为现在你不能再只是埋头做东西、然后指望「产品好，人自然就来了」。不行，你现在必须在人身上花多得多心思。我觉得我们活在一个很美的时代，因为我们会看到非常多出色的应用。
克雷格：所以 Trioma——你说有三个要素构成了它。能不能带我们过一遍？其中一个是编排，Trioma……
十一、Trioma 往哪走：分发、社区、主权算力
伊斯坎德尔：对，我们之所以叫它「三」，是因为我们有三个要素：TGN，也就是 Trioma GPU Network，算力网络；然后是 TES，Trioma Energy Stream，能量流；再然后是 TAI，Trioma AI Credits，AI 积分。TGN 是 GPU 基础设施，那场建设，人们可以参与进去；TES 是能量流，本质上是 TGN 产生出来的；TAI 是 AI 积分，也就是我们花在提示上、花在 AI 用量上的东西。三者合起来，就构成这个我们叫做 Trioma 的循环。
克雷格：那你看 Trioma 会往哪走？你看这个行业会往哪走？现在变化这么快，你们跟得上模型发布的速度吗？比如你们有最新的 Anthropic 模型、最新的 OpenAI 模型吗？把那些模型集成进平台要花多久？
伊斯坎德尔：我们一般挺快的。这些模型一旦通过 API 发布，我们几天内就会加进来，有时候是几个小时内。所以这一块我觉得我们很快。真正要花时间的是优化引擎。加一个模型本身并不费什么资源；确保那个模型在那个引擎里被恰当地用上，才需要时间、需要大量的开发资源和精力。
伊斯坎德尔：还是那句话，因为我们聚焦的是为消费者和企业拿到最好的结果，所以我们会确保新接进来的模型被恰当地整合进引擎，只在需要它的时候才用它——把这个模型的能力，用在它真正擅长的那类任务上。
伊斯坎德尔：而今天我们看到的是：没有任何一个模型在所有事情上都是好的。甚至有些模型放出很大胆的说法，说自己是多模态、在生成内容、写文案等等方面有各种能力，它们仍然有各自的限制——因为说到底，它们是人训出来的，是被某种智能训出来的，所以一定有限制。但当你把这些模型组合起来的时候，那份智能就被放大了，而这正是我们在建的。我们字面上就是把所有这些模型合起来的智能开放给人用。
克雷格：那你自己肯定做过这类测试吧——我也做过。我会通过某家提供多个模型的公司来挑一个模型，比如我就说 Perplexity，不过还有别的。我挑 Perplexity 里的 Fable，跑一条提示；再去 Anthropic 官网，用 Fable 直接跑同一条提示，拿到的结果不一样。我说的不是答案的概率性——你每次问任何一个模型，答案都会略有不同——但在我直接跑和通过 Perplexity 跑之间，模型的能力看起来是有差别的。那一条提示经过 Trioma 这套栈去跑、和直接经过基础模型去跑，之间会有差别吗？
伊斯坎德尔：绝对会有。但有几件事。首先，当我们跟前沿 AI 实验室、研究实验室打交道的时候，我们并不总是知道他们底下到底用了什么。对很多用户来说那是个黑箱，因为他们自己也有编排，而我们并不真的知道哪个模型被用来做了什么——因为你可以选某个模型，但这不代表跑的就是那个模型，也不代表每次都跑它。我们完全不知道里面实际用了什么。它有点像黑箱。
伊斯坎德尔：其次，在 Trioma 这边，因为有编排，你可能会在 Trioma 上选 auto 模式；也可能你在 Trioma 上选了某个具体模型，又在前沿 AI 实验室的网站上选同一个模型，结果仍然可能不一样，因为他们那边也有编排。基本上每个人都有编排，差别在于：他们只能用自己的模型，而我们可以提供所有我们集成进来的模型。
伊斯坎德尔：所以结果总会略有不同——如果你那条提示很简单，差别就小。但如果你让 Trioma 去建一个网站、又让前沿 AI 实验室去建一个网站，结果可能完全不同，还是因为编排。如果你在 Trioma 上打开 auto 模式，那结果会差得更多，因为那时候编排才真正上场——你是在为音频、视频、图片、文案等等调用不同的模型。
克雷格：接下来这个问题有点自私。你知道，我做这些访谈是现场做的，最后会拿到四路视频和一路音频——两台、四台摄像机，再加音频。我用好几个不同的软件去管这些，但算力开销很大：要把几路视频同步起来，然后剪辑、在机位之间切换。Trioma 能处理这种事吗？还是说这太专门了？
伊斯坎德尔：能，绝对能。我们团队里真的有一位电影导演。所以我建议你去看看我们的 Studio——网页平台上有，桌面应用里也有。如果你的那个具体任务它处理不了，我会很意外，你刚才描述的东西它字面上全都有。实际上在 Trioma 上我们能生成最长 60 分钟的视频，虽然模型本身有 30 秒的限制。所以，我建议你试试。
克雷格：好，行。
十二、让 AI 对每个人都可用，以及它挤压了谁
克雷格：你们刚刚发布了这个产品，那接下来往哪走？我是说，这是一个巨大的市场——就像我说的，还有别的公司在做类似的事，但市场太大了。你们会挑一个地域，还是挑一个特定的用例，还是像你一开始说的那样，先决定这是消费者应用还是企业应用？我是说，从这里你们往哪走？
伊斯坎德尔：AI 漂亮的地方就是它真的是一件全球性的事。所以我们不把自己限制在某个特定地域。说实话，我们几乎在所有地方都看到不少使用量。我觉得美国大概在消费者应用和内容创作上走在前面，但亚洲也在创造大量内容，尤其是东亚。所以我会说这是一个真正全球的平台。
伊斯坎德尔：但回答你的问题：眼下我们聚焦的是分发、是用户。我们希望 Trioma 对每个人都能用。在这个过程中我们清楚，用户就是一切。我们在建社区，确保我们的社区是开心的。所以我们的头号目标，是让人们知道 Trioma 能做什么，把这个信息传出去。
伊斯坎德尔：但与此同时，也要充分参与这场全球性的 GPU 网络建设——因为那是我们核心原则里必不可少的一部分：要真正拥有主权，要能部署我们自己的开放权重模型。这是我们坚信的东西。我们认为 AI 应该对每个人可用，它是全球性的普世智能，应该对所有人开放。
伊斯坎德尔：我们也认为 AI 应该是主权的，意思是：我们应该能控制我们的 AI 模型在产出什么。而要做到这一点，我们就必须拥有自己的 GPU 基础设施。所以那是我们正在积极推进的事——让我们的用户能做出出色的结果，而不被某些因素卡住，不管是某个模型的限制，还是地域的限制。
伊斯坎德尔：所以我们在努力让 AI 普及，但同时还有一件非常重要的事：社区和教育。今天这些模型的能力是顶级的，它们能做非常多的事；而很多人听说过 AI，但并不真正知道 AI 能怎样让他们个人受益。这就是我们为什么在社区上花很大力气——让人相信人，尤其是在同一个社区里。我们希望这个社区通过教育、通过社区内部的群组和聊天，帮彼此理解 AI 的能力。所以我们非常聚焦在人身上，因为我认为那从本质上会决定：随着我们这家公司成长、随着 AI 用户这个社区成长，AI 会怎么演化。
克雷格：你说社区、说聚焦在人身上——你指的是 Trioma 和它用户之间的关系，还是说在建一个用户之间彼此交流的用户社区？
伊斯坎德尔：两个都有，对我们来说这是一回事：用 Trioma 的人，和使用 Trioma 时彼此交流的人，对我们来说就是同一个社区。所以我们希望他们互相聊、分享想法、分享看法、发挥创造力、互相帮忙；同时我们也想教育他们，告诉他们今天什么是可能的、AI 能怎样让他们受益。
伊斯坎德尔：因为今天有很多恐惧，担心 AI 会让人丢掉工作。说实话，其中一些恐惧是合理的。AI 确实在对入门级岗位造成很多威胁——如果看入门级的客户支持、合规，还有法务那一类，很多这样的工作现在压力都很大。你想，如果一个人刚刚毕业、正准备开始自己的职业生涯，而现在的 AI 因为那份普世智能、还能以更便宜的价格，基本上能做得更多——那种焦虑是真实的。我们认为那部分担忧、那些恐惧是合理的。
伊斯坎德尔：但与此同时，AI 也真的给人赋能。它让有能力的人拿到以前拿不到的知识和智能，让他们在自己的事情上变得更能干、更有产出。所以在某种意义上，它给有能力的人加了额外的杠杆、额外的话语权，让他们变得更有产出。对创作者、对在造东西、在做内容的人来说，AI 给了无尽的可能，我们在内容创作上看到很多这种情况——创造出来的新内容太多了，我们甚至看到真正成系列的剧集是用 AI 做的。所以我觉得我们会看到非常多有意思的内容被创作出来。
克雷格：是啊，能活在这个时代挺让人兴奋的。确实。
References
- 1Eye on AI 官方单集页
aneyeonai.libsyn.com
- 2Trioma 官方站
trioma.ai
- 3Trioma 服务条款
trioma.ai
- 4Trioma 公司 LinkedIn 页
linkedin.com
- 5The Next Web：Anthropic 把 Claude 订阅从 OpenClaw 切出去
thenextweb.com
- 6TechBuzz：Anthropic 屏蔽 OpenClaw
techbuzz.ai
- 7
- 8Trioma 桌面端 1.2.5 更新日志
updates.trioma.ai
- 9Eye on AI 官方 About 页
eye-on.ai
Comments