Jay Kreps（联合创始人、董事长兼首席执行官）
Matt Hedberg
先快速介绍一些研究情况。但现在是主要环节，我们将迎来我们的贵宾——Confluent的联合创始人兼首席执行官Jay Kreps。与他一同出席的是。与他一同出席的是Matt Hedberg，我们的全球技术研究主管。Matt在《Imagine》报告中发挥了重要作用。所以谢谢你。谢谢，Mark。
好的。我们到齐了。这是一个很棒的团队。谢谢你，Jay，谢谢你能来。是的，很高兴来到这里。还有Shane，Shane也在附近的某个地方。我不知道Shane在哪里，但谢谢你，Shane，不管你在哪里。去吃午饭了吗？是的，他去吃午饭了。是的。我不知道。之后我们得想办法按需提供午餐。没错。好了，谢谢大家的参与。我们有41分钟的时间。我大概有两个小时的问题要问，但我们会控制。现场会有一些麦克风，所以我确实想留出提问的机会。Jay是一位了不起的创始人、远见卓识者、科技爱好者。显然，他是Confluent的首席执行官和创始人。他还在多个董事会任职。作为一位有远见的人。当我们思考未来，并结合我们的《Imagine》报告时，我认为这是一个很好的机会来谈论未来、谈论人工智能、谈论Confluent，以及我们似乎正在经历的这个超级周期。
所以，Jay，谢谢你的参与。
是的，是的，很高兴来到这里。
那么，让我们从眼前最明显的话题开始。我们正处于这个人工智能超级周期中。在你的职业生涯中，你见证了很多技术周期。是的，我们俩都是。我们的头发都不多了。所以我想我们可能都见证了类似的周期。但是你知道，人工智能正在引发计算升级周期，世界上很多人认为我们正面临计算资源短缺。是的。所以，你知道，我想知道，从今天的角度来看，你如何将这个人工智能周期与你见过的之前的周期进行比较？我们就从这个问题开始吧。
是的，我的意思是，首先，我认为这个周期明显更大。你知道，我们所说的大多数周期实际上都是计算范式内的周期。而我认为这正在打开另一个局面。如果你想想我们可以用计算机解决的所有问题，我们有一种方法是通过非常精确的业务逻辑和规则来解决问题，并不断叠加这些逻辑和规则。但这确实打开了更广泛的一系列问题，这些问题以前我们无法用技术或软件解决，而现在我们越来越有能力解决它们。
关于这种进步的速度总是存在疑问，我认为这是一个悬而未决的问题。到目前为止，我们看到的实际上是一波又一波的兴奋、担忧、再兴奋、再担忧。但如果你看看人工智能基准测试的实际进展，它一直非常稳定。有一条上升的线。一条上升的线并不意味着它会永远上升。
对。
但尽管如此，你最好的预测是下一个点可能会落在这条线上。你知道，关于经济价值释放的速度与创造智能的速度之间的关系，这是一个非常开放的问题。是的，没错。但尽管如此，我认为这种炒作是合理的。没错。这是一件非常重要的事情。
那么，让我们进行比较和对比。互联网和移动技术在过去几十年中无疑是重大趋势。我们在这个人工智能周期中处于什么位置？我的意思是，我听人说我们可能像1997年、1998年。从你的角度来看，我们在这个周期中处于什么阶段？
是的，我的意思是，我们仍然处于非常早期的阶段。在很大程度上。这个周期很奇怪，因为它实际上取决于智能问题研究进展的有效性。正如我所说，这条线在上升，假设它会继续上升。这必须是你预测的最有可能的结果。但这不是唯一的结果。如果你看价值实现，它仍然非常早期。我们正在创造一个有趣的产物。显然，消费者用例已经兴起，这很有趣，你知道，为人们回答有趣的问题。
企业用例已经开始发展，在某些领域有非常大的进展。你知道，我认为编码领域的进展是一个明显的例子，你知道，这将被普遍采用，并具有非常深远的价值。没错。所以，做大量的工作，你可以看到这个领域的进展非常迅速。因此，我认为，无论你如何看待它，它在很多方面都是领先指标、范例或煤矿里的金丝雀。
我确实认为编码是一种正在被人工智能快速吞噬的知识工作。所以我认为这是一个有趣的现象。你知道，作为一名软件工程师出身并在这个行业工作过，看着这一切发生，对我来说当然更容易理解这种影响。如果我关注的是药物发现等我一无所知的领域，从外部可能无法确切知道正在发生什么。
当然。我们不是来回答我们是否处于人工智能泡沫以及我们在这个周期中处于什么位置的问题，但根据你的回答，如果你开始看到一些早期的人工智能生产工作负载，并且你谈到了代码建议，还有其他证据表明人工智能正在惠及经济，那么我们可能仍然处于这个周期的早期阶段，我想随着时间的推移，我们会看到更多的证据。但关于这一点还有其他想法吗？
是的，我认为这是对的。我认为我对任何一种大型通用技术的观察是，如果有的话，我们往往低估了它们可能产生的影响，然后低估了充分实现这些影响所需的时间。互联网的情况确实如此。这需要一定的时间来展开。人工智能可能会快一点，但不是几个月的事情。然后。是的，在日常工作和不同类型的工作中，我们处于什么阶段？你知道，我们还处于非常早期的阶段。是的，非常早期。企业在弄清楚如何使用这些技术方面也处于非常早期的阶段。
所以我认为，无论你怎么看，这可能都是好消息。比如，我们会看到很多由此带来的变化，但显然有一种非常重要的新能力正在被引入，我认为它将全面影响公司的运营方式。
是的。这是一个TIMT会议，所以我是一名软件分析师。但是你知道，人工智能对TIMT的其他方面的影响与对软件的影响不同。从人工智能的角度来看，“软件已死”的说法似乎已经流传了好几年了。是的。你们有不同的模式。这不是基于SEAT的模式。所以你们没有面临一些类似的压力，但从你的角度来看，你如何看待人工智能在未来改变软件？我们需要注意哪些更大的变化因素？
是的，是的，我认为，你知道，我听到过这方面的不同观点。你知道，首先，我想说，从目前发生的情况来看，最明显的近期影响是将会有更多的软件。是的，没错。所以所有这些人工智能编码正在生成应用程序，将会有很多应用程序，你知道，这在不同领域的影响可能不同，但你知道，我们处于数据层并支持这一点。你知道，我们觉得，嘿，在可预见的未来，这对我们来说肯定是一个非常强大的趋势。
我确实认为有。
你。
知道，公司必须正确把握一些细节才能驾驭这种趋势。你知道，基于SEAT的许可挑战，我认为这是真实存在的，但不是根本性的。你知道，我认为人工智能确实需要某种基于使用量的定价，因为它非常昂贵。没错。所以你不能简单地把它附加进去。基于席位的模式实际上假设你的软件成本是固定的，然后你实际上是根据你提供价值的人数来定价。但为一个席位提供服务的实际成本可以忽略不计。
是的。
对于许多这些人工智能工作负载，特别是当人工智能承担一些后台任务并一直在工作时，这是一个非常昂贵的事情，不会免费提供。你知道，它必须体现在定价模式中。但如果你仔细想想，我不认为这对那些。
对于基于C的模式。
是的，我的意思是，你看，为了捕捉价值，定价总会有细微差别，公司会不断演变定价方式。只要有价值可以捕捉，公司就会想办法根据价值定价。所以这是一种变化。但我只是，人们把这作为一种根本性的威胁提出来。我只是不这么认为。
作为，它不是。
是的，我认为，你知道，一个更根本的挑战是，我确实认为我们将软件应用程序主要视为这些小小的用户界面孤岛。如果你想想这些系统将如何协同工作，多年来这种情况已经不那么真实了，人工智能可能会让它更加不真实，我确实认为访问驱动功能的数据和API将与你在手机或网络浏览器上看到的东西一样重要。因此，如果公司的主要护城河和粘性是人类非常熟悉在用户界面中点击某些东西，我会说这种护城河的效果会减弱。
没错。在一个存在大量智能体人工智能的世界里，我们还没有进入那个世界，但这是发展方向。所以我确实认为你可以将其视为一种变化，再次，在我们所处的数据和基础设施领域。我认为这是好事。这意味着，嘿，我们将访问更多这些东西，有更多的数据可以利用。但你可以将其视为一种变化。然后，你看，我认为我们处于一个动态的环境中。每当环境动态且有很多变化时，这就是每家公司都必须掌握的运营要素。
那么，如果你展望五年后的情况，因为现在感觉我们周围的定义都在发生变化，技术多年来一直在发展，当然有些公司蓬勃发展，有些公司衰落。软件在未来会是什么样子？它仅仅是一系列API和连接吗？这肯定会发挥Confluent的优势。但从你的角度来看，未来的软件会是什么样子？
是的，我的意思是，我不认为任何变化都是非黑即白的。你知道，旧的东西总会保留下来，你知道，人们仍然希望看到用户界面，你知道，不会仅仅是某种东西，你知道，它不会仅仅是某种东西突然出现并掌控整个公司。但我认为我们将看到更多对自动化应用程序之间发生的事情的兴趣，这些事情过去可能是由人类点击完成的。这将是一个很大的变化方向。
我认为总体而言，公司中的软件将会更多。更快地创建软件的能力实际上意味着我认为公司生成帮助他们开展业务的定制软件的能力将会更高。所以我认为你会看到更多这样的情况，我认为你会看到一个环境，在这个环境中，能够很好地利用这一点的公司会更成功，而不能弄清楚这一点的公司会不太成功。就像经济中发生这样的变化时，这会成为一个非常重要的竞争因素，必须掌握。
因此，我认为很多公司会将确保自己站在正确的一边作为重点。
那么，当你考虑护城河时，我认为护城河会随着技术的发展而变化。有人可能会说开源越来越普遍，未来专有代码可能不那么重要。当你为公司提供建议并考虑Confluent本身时，你如何看待这些护城河在未来的变化？是IT对数据的访问、合作伙伴关系、管理质量吗？
是的，我认为，你知道，所有经典的因素都很重要，对吧？你知道，获得规模、与客户的关系、任何具有网络效应的东西。对我们来说，我们处于连接许多不同数据系统的这一层。所以像这样的东西，你必须让所有人都同意，你知道，这种粘性非常重要，你知道。所以我认为所有这些经典的因素都很重要，你知道，我认为你可能会看到软件生产力的阶跃式提升，你会看到软件系统可以解决的问题类型的范围扩大。
没错。所以更多的软件，做更多的事情。是的，这就是变化。你知道，我们过去已经看到过这种变化的小版本。你知道，我们从一个人们用汇编语言编写软件应用程序的世界走来，如果你曾经尝试过，会发现这非常缓慢且低效。你知道，我们转向了更高层次的语言和库，生产力大大提高。这虽然经历了一段时间，但结果是什么？嗯，有了更多的软件，最终净价值更高，尽管创建软件变得更容易了。
你知道，在那个时期，软件工程师的价值实际上上升了，因为他们的经济生产力更高了，尽管由于编程变得更容易，每单位软件需要的软件工程师更少了。我认为你会看到这种情况的某种夸张版本，我认为你会看到创建软件的能力出现阶跃式提升。我认为这将对这些不同的数据系统、层和基础设施以及云产生大量需求。我认为你会看到大量的经济价值从中产生。
你可以将其类比为技术领域的一些其他重大生产力飞跃。但我认为与编程语言、操作系统、网络等领域的缓慢进步相比，这可能会加速很多，这些进步可能持续了几十年。
你谈到了实时数据的重要性。你知道，我成长的那个年代，我曾经是一名COBOL程序员。
那是艰苦的日子。
是的，艰苦的日子。
所以你非常了解。
我非常了解。我知道批处理，你知道，那是一个痛苦的世界。但是当你今天与客户交谈时，你知道，关于实时性的重要性存在争议。你知道，我们将走向何方？实时性的相关性以及相关的思考。
是的，是的。你知道，我将从基本原则来描述它，你知道，随着软件在公司运营中发挥更大的作用，与公司正在发生的事情保持同步变得更加重要。对于人工智能来说尤其如此，它突然承担了这些更大的任务。例如，我们拥有的许多更复杂的数据处理通常是为商业智能服务的。它在业务的后端。你运行一堆数据管道，这样你就可以看到一些报告。而你做出决策或采取行动的方式是一些聪明的高管查看报告，然后打电话给某人说，哦，看看这个。
没错。我认为在过去五年中，甚至在未来五年中，我们看到的是一种向软件系统闭环的转变，在这种系统中，你观察业务运营，并通过软件对业务运营采取行动。要做到这一点，你需要从某个时间点的快照转变为必须与正在发生的事情保持同步。你可以在一些用例中清楚地看到这一点。
没错。例如，我们的一位客户进行基于人工智能的支持交互。这是一种非常经典的人工智能用例，比如帮助自动化一些客户支持。你知道，如果人工智能拥有的数据是过时的，那么这个产品根本无法工作。没错。所以如果它不知道你做了什么，产品中发生了什么，你买了什么，关于你和你正在做的事情的所有方面，那么无论模型有多智能都无关紧要。模型可能会变得聪明10倍。它仍然不能为你做任何有用的事情。
因此，能够利用和访问这些数据变得非常重要。我认为这是实时数据使用的根本驱动力，当我们考虑公司需要做什么来利用人工智能时，我认为这对我们来说是一个非常强劲的顺风。
我们看到一些公司加速增长。有趣的是，其中很多来自非数字原生公司。更广泛的经济领域。你对现在谁在采用人工智能有什么看法？显然，数字原生公司正在采用，你有很多数字原生客户。但是谈谈更广泛的经济领域。我们在采用水平上处于什么位置？
是的，是的。我的意思是，首先，从大型模型的训练到这些模型的采用和使用，存在一个漏斗。没错。这之间存在时间滞后，我们今天正在训练模型，这些模型将变得更好、更有用，并将在未来产生使用量和经济价值。因此，这里有一些增长。所以你看到的第一个增长是训练供应链中的任何东西。如果你看人工智能的实际使用情况，我认为正如你所说，进展最快的是数字原生公司围绕人工智能打包一些用例，并将其提供给客户，以便他们更快地采用该用例。
这是第一类。我们的客户如Cursor围绕编码展开。这是一个编码工具，有一个智能体试图为你进行更改，还有一个IDE帮助你获得编码建议。他们实际上并没有构建模型。模型来自Anthropic、OpenAI或其他公司。但他们将其包装成软件工程师易于使用的方式。我认为这可能进展最快。我不知道这是否是公司价值的最大部分。我的意思是，这个用例非常有价值。但我认为对公司来说，很多有价值的东西是用人工智能解决他们的核心业务问题。
这需要更长的时间，因为他们必须弄清楚如何做Cursor所做的事情。但他们不是从零开始。他们必须处理所有复杂的数据、系统、流程和法规。我认为他们在这些问题上也进展很快。但Qwik在这类组织中有不同的基准，我认为我们在这些用例中看到了进展。我认为组织在学习哪些类型的问题现在可以解决、他们需要什么样的团队才能有效、如何构建这些东西以取得成功方面存在一个学习循环。
但我认为我们也开始看到这些进展。我认为这些可以说是最大的解锁，因为现在正在将这种新能力应用于公司的独特业务。这些跨越各个行业。在保险领域，理赔处理有惊人的用例。在医疗保健领域，从账单到患者互动等等，有无数的事情。所有这些领域都有极其混乱的数据。将这些数据整合起来，并能够运用一些实际的智能，这是一个巨大的解锁。但在任何这些环境中推进都需要时间。
所以这是一个滞后指标，我认为我们还没有开始看到大部分影响。在组织中，你确实看到成功和失败的混合。这些组织往往会尝试一些事情，但没有完全做对，然后再回来。当然，在创业领域也是如此。你只是从未听说过那些失败的公司。对我们来说，我们开始，我们处于很多这些用例的数据流的核心。
当它们达到规模并形成实际的生产环境时，我们开始受益，你知道，这可能是正确的位置。你知道，这意味着当你获得收入时，你知道，它是粘性的和持久的。是的，会继续下去。所以你知道，当然，如果我们看已实现的收入，我们会从这些创业公司那里看到更多，而不是大型企业。但你知道，我认为如果你展望几年后，情况可能会相反。
你有世界上最大的前沿模型作为Confluent的客户，他们从云版本迁移到本地版本。你如何看待这种趋势？如果你展望未来，一些大公司在消费软件和技术方面可能是独特的，但你是否看到这种将某些元素引入本地或自行构建的趋势？你如何看待未来的这种平衡？
是的，不是广泛的。我的意思是，大多数技术实际上是作为一个整体移动的，你知道，与过去相比，更多地在云中，可能比过去使用更多的SaaS服务。我确实认为这些LLM公司本质上是不同的实体。它们看起来不像企业SaaS软件初创公司。在很多方面，它们也不像传统的消费者互联网公司。内部结构、资本密集度、解决问题的方法，几乎在每个维度上，它们都非常不同。我，你知道，我是Anthropic的董事会成员，我亲眼看到了一些情况。
你知道，我认为这些其他努力也是如此。所以，是的，你不会看到传统的科技初创公司有兴趣制造芯片、供应电力、建设数据中心。我的意思是，在构建元素方面，它们更类似于这些大型 hyperscaler，而不是在 hyperscaler 之上运行的普通科技公司。
在这方面，普通组织使用原生开源、无支持开源的能力。你可能每天都在和客户谈论Confluent相对于纯Kafka的价值。
是的。
你知道，当我们广泛考虑开源时，这种情况在未来会如何发展？因为我认为开源的普及只会加速。
是的，是的。你知道，我们的价值主张围绕几件事展开。没错。首先，创建一个完全托管的开源版本，相对于自己动手，这可以非常具有成本效益，你知道，即使只是在运行它的基础设施支出上。这是可能的，因为我们以多租户方式运行，我们集中了许多客户的使用。这是可能的，因为我们在云环境中很好地进行了紧密的工程设计。
然后，这是可能的，因为我们在运行这些大型分布式数据系统方面拥有巨大的优势，运营能力肯定超过1000:1。所以获得更好、更具弹性、更像真正云服务的东西。这是第一个价值主张。第二个是真正承担实时数据问题的所有部分，比如真正解决这个问题，不仅仅是作为一个组成部分，而是作为一个完整的平台。我认为Databricks在Spark的分析领域做得很好，我们在Kafka和流处理方面也做到了。
我认为，客户越来越希望拥有一个广泛的平台，所有部分都能协同工作。在我们的业务中，围绕数据连接、数据治理以及使用Flink进行实时处理的业务增长非常快。这是客户考虑的重要部分，不只是如何获取实时数据，而是如何围绕它构建。这对他们来说是必不可少的部分。我认为这个完整的软件包使其具有很强的差异化。然后是第三件事。
除了真正的云原生产品是一个完整的平台之外，第三件事是真正使其在客户运营的所有环境中工作。在流处理问题中，这可能是独一无二的。该技术的作用是充当连接公司所有应用程序和部分的中枢神经系统。因此，它最终必须跨越公司运行的所有环境。让它在边缘、本地、不同的云提供商之间工作，将所有这些连接起来，实际上非常复杂。因此，为客户解决这个问题实际上是一个很大的突破。
管理元素很重要，尤其是在这个世界变得更加互联和开放的情况下。你如何看待开源软件在整个基础设施堆栈中的广泛普及？显然，有些领域已经完全渗透，无论是操作系统层还是。
是的，是的，是的。我的意思是，它一直在取得成功。你知道，你继续看到所有模型都在工作，没错。开源在扩散，有很多成功的专有软件。你知道，在我们所处的领域，它充当了一种标准化机制。所以，你知道，科技行业非常喜欢稳定的标准，每个人都可以围绕其构建。开源是实现这一目标的一种方式。不是唯一的方式。
但即使你是像Cisco这样的公司，你也会受益于每个人都选择TCP/IP作为网络上数据流动的方式。对我们来说，数据在组织内流动的基本协议是Kafka，这是其中之一。所以这是默认的。我们在这方面拥有领先的产品。这对我们来说是非常强大的。最终，一旦每个人都同意这一点，整个生态系统就会进来并围绕它构建。所以你会得到所有与相邻系统的集成。
最终，这种生态系统以我们自己无法完全做到的方式为客户创造了大量价值。我认为这是一个非常有价值且粘性的故事。当我们创办公司时，这些非Kafka层存在激烈的竞争，它们试图做类似的事情。所以亚马逊有一个名为Kinesis的系统，这是替代开源的东西。但最终，这种标准化或网络效应——能够插入所有东西、与所有东西一起工作、适合所有架构——意味着领先的东西会保持领先。
领先的是Kafka。显然，我们努力实现了这一点。但我认为这是未来的强大力量，一旦它作为跨层安装在公司中，就很难被取代。
我认为很多人对人工智能的另一个看法是整合。他们获得更大的数据优势。我想提出一个两部分的问题。你如何看待与 hyperscaler 级别的竞争，其次，你如何看待这种演变？比如是否存在这种更广泛的整合？你认为我们会继续看到该领域的并购吗？只是一些想法。
与云提供商的竞争在一段时间内相对稳定。早期的情况是，他们各自试图制造，你知道，云提供商的工作方式是他们有两类系统。他们有专有的系统，他们在研发方面投入巨资。所以如果你在亚马逊，那就是Redshift或Aurora之类的东西。在我们的领域，是一个名为Kinesis的系统。他们喜欢这些系统，因为如果你采用它们，它们只在亚马逊可用，在其他地方不可用。
每个云都有这些系统。但最终，客户用脚投票。对于某些层，专有云系统是首选。对于某些层，开放系统是首选。Kafka显然在流处理领域获胜。我认为Postgres在数据库服务领域获胜。所以那些早期的专有系统都逐渐消失了，大多数云提供商都退而求其次，好吧，我们不会在流处理领域进行任何研发。我们只是将开源软件放在一些服务器上，看看这会得到一些不是最强大的竞争对手。
这最终与DIY开源没有什么不同。所以我认为我们在针对这一点构建差异化方面非常有效。我认为这种差异化每年都在增长，而不是缩小。随着我们的平台变得更加完整，并解决更广泛的问题，这甚至会增加这一点。我认为这一直非常一致，与他们的竞争动态非常稳定。我想说的是，这主要是关于流处理部分，因为我们是所有这些不同数据系统和层之间的连接层。如果云中有300个产品，我们与其中295个合作，并通过流动的数据推动对它们的消费。
我们与少数流处理产品竞争，但总的来说，云最终成为了很好的合作伙伴，实际上帮助了我们。
我再问你一个问题，然后看看这里有没有问题。当我们考虑未来的模型构建者时，显然他们中的很多人现在是Confluent的客户。随着他们继续追求更大的TAM，你如何看待这种动态的演变？我的意思是，这会成为更广泛技术领域未来的新竞争前沿吗？
也许是Confluent特有的？是的，我的意思是，这。我想说几件事，你知道，LLM提供商显然有可能在他们的产品周围做更多事情。这就是当你说模型构建时你所问的。所以你会看到OpenAI功能的一些扩展，你知道，肯定有一些垂直AI初创公司添加的东西已经被纳入该层。你知道，Anthropic添加了编码工具，效果非常好。人们倾向于由此推断，好吧，一切都会被纳入。
我，你知道，我们在谈话开始时提到了Cast周期。我认为在每个周期中，都有一些公司表现异常出色，人们想象它们会做所有事情。我认为有一些限制阻止了这一点。所以在我创立Confluent之前在LinkedIn时，我很早就加入了，我们是社交网络，还有Facebook社交网络。每当我们面试某人时，他们会说，好吧，社交网络还不错，但如果谷歌做了，你们就完了，会被彻底消灭。
因为谷歌当时就是这样的公司，他们不会出错。他们做的每件事都是天才之举。他们在技术上非常创新，等等。所以假设是，如果他们早上起床有任何意愿去做那件事，就会彻底消灭Facebook、LinkedIn等所有公司。现实是他们尝试了，是的，非常努力，但完全没有成功。教训是什么？做事很难。大公司可以施加很大的力量，但他们同时只能做相当少的事情。
也许五件事，如果你非常有创新精神，可能会多一点，但你不能做100件事。我认为我们将看到围绕这一点有很多机会被探索。我认为有些东西会被吸引到这些更大的平台中，但我认为这是很自然的。我的意思是，在任何这些扩展领域，你都会添加功能，但我认为会有广泛的应用程序取得成功。我认为模型公司将会非常成功。我认为随着人工智能的全面推出，许多基础设施层，我认为，将会受益，我们也会。
所以TAM在扩大。
是的，我的意思是，你看，我的意思是，我认为人工智能正在发生一些非常有价值的事情，所以我认为我们将看到通过许多不同的机制来捕捉这种价值。
有吗？我可以在这里暂停一下。有人要问Jay问题吗？
我想我们已经回答了所有问题。哦，是的，就在这里。谢谢。当谈到大型语言模型时，一个简单的问题是世界需要多少个模型？我想这个问题的本质是，如果你回顾多年来的科技历史，每一项新兴技术中总会有一两个赢家。你如何看待大型语言模型的整合？你认为人工智能如此不同，以至于我们可以支持多个模型或专业模型，还是你认为它会像我们看到的其他一切一样整合？是的，首先，我想说房间里的很多人可能比我更了解商业格局，可能对此有很多话要说。
至少我所看到的是，这些企业市场有一定的理性，所以买家考虑得很广泛，所以他们实际上喜欢一定程度的竞争。所以进入，你知道，今天作为新的LLM创建者，如果你要创办一家公司，我认为你可能注定要失败，除非你有一些非常独特的见解，淘汰之前的一切，但仅仅是资本投资水平和流程知识，比如你必须积累的许多小改进才能具有竞争力，这是非常高的。所以我认为新玩家很难进入。同时。
企业实际上喜欢有几个不同的卖家向他们销售产品，他们喜欢对其进行比较并从中获益。这实际上是他们控制成本结构的方式。他们不希望有人在这个链条中捕获太多价值。我认为这在整个堆栈中都是如此，每个参与者都会查看其下方层的利润率，如果利润率有点太高，他们就想要另一个来源，企业会更期待。我认为这在云中已经上演过。
当我们创立Confluent时，很早就发布了云服务，当时很多人认为一切都将是亚马逊的天下。简直是绝望。没有人会做任何事情。全是AWS。他们有多年的领先优势，在功能上领先，有人才，有 momentum，有最好的构想，更专注于此。所以当时每个人都认为，在这个一切都将由亚马逊在云中完成的世界里，Confluent添加云服务的希望不太好。
现实是，首先，亚马逊不能做所有事情，即使他们有带宽限制。其次，客户实际上希望竞争对手存在。他们推动微软成为一个非常可靠的云提供商，他们可以依赖微软，谷歌也是如此。最终，亚马逊的成功既激励了这些竞争对手，也激励了买家推动它们发展。所以我认为会有一种产业逻辑在起作用，你会有竞争，但不是无限的竞争。这足够理性，每个人都能赚一些钱，但没有人赚太多钱。我认为你会看到这种情况在一定程度上上演，其中的力量在某种程度上是内在的，会产生这种情况。
所以当这种情况发展时，我不会感到震惊。但我们会看到，在某种程度上，你的猜测和我的一样好。我不认为人工智能模型中存在阻止这种情况的力量。最终，资本存在壁垒，研究存在壁垒等。但没有一种效应能让小小的领先放大一千倍，成为不可避免的事情。除了智能本身的积累。所以我们将看看它如何发展。谢谢。
Trinity。DeepSeek呢？它扮演什么角色？我的意思是，你如何看待它？你看到他们了吗？客户？
是的，我认为这很有趣。我的意思是，最有趣的部分可能是美中方面。我认为他们令人印象深刻的是，这是一个相对较小的团队，能够通过明显的大量投资获得接近前沿的东西。人们对这个故事的很多看法都是不正确的。有一些数据点说，哦，训练这个模型花费了1000万美元。当然，是的，每次训练运行可能花费1000万美元，但它是在一个具有大量固定成本的集群上进行的。
所以是的，当然，那个时间段是1000万美元，但这是很多个1000万美元。所以人们的很多想法，我认为都不是这样的。但是的，我认为这是一项令人印象深刻的努力，能够获得具有竞争力的东西。在推理方面表现出色，推理成本如此之高，它不像纯软件，如果你拿一个未优化的模型在芯片上运行，对你来说可能比使用这些API更昂贵，因为他们已经针对该模型进行了从高层到底层代码的优化。
所以，你知道，我认为如果你看它如何影响市场，你知道，我的看法是大部分支出仍然流向这些顶级模型，没错。你知道，Anthropic、谷歌、OpenAI等。显然，有一类东西是开源的。我确实认为这是一个买家的理性再次使其存在的领域。他们希望有竞争力，开源总是善于找到利基市场。也就是说，这些模型的性质，它们被称为开源，但实际上与开源不同，如果你拥有X版本的权重，你无法制作X+1版本。
你没有源代码，所以你实际上不能继续生产它。这更像是拥有编译后的二进制文件。如果我给你Linux的编译二进制文件，你不能改进Linux，但你可以免费运行它。大致就是这样。是的，你可以微调权重等，但这只是来回推送。你实际上不能进行下一次迭代。所以一些与开源的类比不成立。但是，从根本上说，我想说的是，在软件中总是存在商品化游戏因为免费提供东西很容易，因为软件部分的固定成本很低。
这在我们的业务中是如此。在许多其他业务中也是如此，你通过免费提供一些价值（对你来说没有成本）并提供商业产品来实现这一点。我认为每个人都在某种程度上这样做。
也许只是总结一下。我总是喜欢问“ moonshot”问题。所以当我们考虑Confluent的一些“ moonshot”机会以及更广泛的人工智能时，你对人工智能有什么大胆的预测吗？
你知道，没有什么特别有趣的。你知道，人工智能现在被如此广泛地讨论，每个方面都在被谈论。最有趣的问题是关于不同用例的进展速度。我们什么时候能做X？现实是没有人知道。你知道，即使是构建模型的人，也不知道到底什么会解锁什么，何时解锁。我认为，你知道，我认为除了正常的LLM之外，最值得关注的显然是一些物理世界的人工智能和机器人技术，如果这方面取得进展，我认为这是另一个同样令人兴奋和奇怪的维度，其影响也是如此。
你知道，早期迹象表明在这方面有一些进展。显然，与五年前相比，这方面有更多的投资。所以我认为这是一个值得关注的有趣领域。但预测这些科学问题的进展速度并不容易。大多数做这件事的人并不比其他人有更多的信息。所以我认为我们会看到会发生什么。但如果这方面取得进展，那将是一件大事。至于Confluent，我们的角色，我们觉得嘿，我们处于非常有利的位置。这些人工智能用例的基本要素之一是数据。
数据需要实时并与业务同步，这一点非常基本。如果你想作为业务的一部分采取行动，你必须拥有与世界上正在发生的事情同步的数据。否则，就像试图用昨天的快照在日常生活中行走一样。没错。你会撞到东西。所以我们认为我们在这方面有很大的机会。几周前在我们的 conference 上，我们发布了一些关于实时上下文数据、处理、生成和服务的新功能。
我认为随着时间的推移，这将成为我们在这个领域的一个重要用例。所以我不会称之为“ moonshot”，因为也许我们已经投入了工作，我们已经在通往月球的半路上了或者别的什么。但这肯定是，我认为，我们在这个领域的一个重要机会。太好了。
嗯，有很多值得思考的地方。像往常一样，见解深刻，Jay。非常感谢你的时间。RBC的所有人和所有出席者，谢谢大家。
是的，谢谢大家。