主播
节目简介
来源：小宇宙
📝 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
00:00 开场 & 播客简介
系统思维：为什么不能只看一个变量
01:34 信息碎片化时代，如何理解复杂世界
01:51 系统思维的核心：多变量、非线性与难以预测
02:35 天气、股市与复杂系统：一个变量变化如何层层传导
03:01 系统思维如何帮你少惹麻烦
03:24 约会网站案例：优化互动，却伤害长期转化
03:49 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
04:01 Bill Gurley 如何学习投资：从华尔街到风险投资
04:16 Peter Lynch、Buffett、Ben Graham 与 Howard Marks 的影响
05:00 价值投资如何迁移到风险投资
05:37 Bill Miller、Amazon 与网络效应的价值判断
06:48 为什么 VC 也必须懂金融底层逻辑
07:08 华尔街是创业公司最终流动性的买方
07:24 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
07:31 为什么理解一个行业的底层基础很重要
07:43 Pixar 创意天才 John Lasseter 如何研究动画史
08:27 Magnus Carlsen 与国际象棋历史：高手都懂自己的领域传统
08:54 LLM 时代，学习任何领域历史变得更容易
09:20 Picasso 的例子：突破传统之前，先掌握传统
09:44 面试中的差异化：比别人更懂本行业的大师和历史
10:47 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
11:09 创业者的共同特质：痴迷式学习
11:38 为什么颠覆性创业者必须站在技术前沿
12:20 创新者的窘境：年轻人更容易扎进新变化
12:46 每个人都应该对前沿保持好奇
13:07 Bill 为什么同时使用多个付费 AI 账号
13:20 真正强的人：既懂历史，也懂最新前沿
14:11 AI 使用技巧：把后续分析步骤直接写进 prompt
14:53 ChatGPT、Gemini、Claude、Perplexity 的不同使用场景
AI 竞争格局与监管博弈
15:51 AI 会是一家独大，还是垂直模型并存
16:15 Cursor 与模型可替换性：未来可能进入价格优化阶段
16:34 监管如何制造寡头格局
16:48 为什么有些大玩家主动要求监管
17:01 全球监管不一致：美国、欧盟与中国开源模型的竞争
17:40 中国开源模型生态：竞争越激烈，开源越活跃
18:08 开源系统如何加速创新：农民分享最佳实践的比喻
18:59 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
19:29 AI 会如何改变投资方式
19:40 什么只是 AI 外壳，什么可能是真正的应用层机会
20:08 工作流、数据护城河与领域理解的重要性
20:29 法律 AI 创业公司的例子：专业数据与流程沉淀
20:39 ChatGPT 是否会吞掉垂直应用：仍未定论
21:00 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
21:06 训练数据是否快被用完
21:24 专家微调与人类知识边界
22:01 AI 是否会进入自我改进的非线性曲线
22:38 Yann LeCun 的反面观点：下一代 AI 可能在 LLM 之外
23:14 AlphaGo 的启示与局限：封闭系统不等于真实世界
24:28 Tesla FSD 与自动驾驶的约束边界
24:56 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
25:44 Bill 的非共识观点：反对简单妖魔化中国
26:21 AI 建设是否投入了太多钱
26:48 科技巨头把巨额自由现金流投入资本开支
27:15 幂律与递增收益：为什么投资人越来越愿意押注未来
27:45 从 Amazon 到 Uber，再到 AI 公司：亏损规模不断升级
28:09 AI 是否会经历一次“核冬天”
28:59 循环交易：云厂商给 AI 公司钱，再让钱回流到云服务
30:02 成功公司为什么总是被提前抢投
30:18 烧钱速度从风险指标变成行业常态
30:42 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
31:04 散户、代币化与创业公司融资
31:20 资金供给不是瓶颈
31:31 Palantir、GameStop 与散户推动估值
31:50 私有公司股份代币化的风险：投机与操纵
32:07 为什么 Stripe 这样的公司不希望股份被随意交易
32:36 股价波动会如何影响员工与公司运营
33:15 IPO 流程为什么不公平
33:41 为什么上市机制本该像拍卖一样匹配供需
34:06 华尔街为何放不下 IPO 定价权
34:20 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
34:27 稳定币如何冲击信用卡网络
34:33 英国 Faster Payments、巴西 Pix 与美国支付系统的落后
35:10 美国监管俘获如何保护信用卡收费模式
35:20 USDC：几秒到账、低成本、还能获得收益
35:48 稳定币是什么：用美国国债一比一储备的加密美元
36:17 加密轨道为什么能实现全球即时转账
36:51 ACH 三天结算与美国支付系统的低效
37:23 为什么稳定币可能比政府更快解决支付问题
37:57 Visa 和 MasterCard 的高利润护城河为何面临威胁
38:35 中国移动支付的案例：二维码、微信支付与支付宝
39:14 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
39:50 AI 会不会挑战 Moody's 这样的评级机构
40:01 Moody's 的真正力量：它是被市场接受的标准
40:27 AI 是否会重塑股东投票建议服务
40:49 指数基金崛起后，代理投票机构的权力变大
41:09 黑箱评分与双边收费：为什么 Bill 认为这像一场劫掠
41:41 Tesla 薪酬方案案例：风险控制与股东利益的冲突
42:31 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
43:01 指数基金持股过高带来的治理问题
43:20 被动基金是否应该不投票
43:48 小股东可能获得过大控制权的二阶影响
44:00 隐性指数化：主动投资人为什么被迫跟随巨头
44:48 大规模指数化是否反而创造了主动投资机会
45:01 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
45:18 为什么讲故事是成功创始人的关键能力
45:49 Bill 如何爱上长篇非虚构写作
46:25 Malcolm Gladwell、Michael Lewis 与新新闻主义的影响
46:44 写作如何帮助投资人形成思想
47:06 Amazon 六页备忘录：写清楚，才是真的想清楚
47:39 写作也是风险投资人的“磁铁”和名片
48:05 创始人的三个不公平优势：讲故事、产品直觉与前沿理解
48:34 产品直觉很难后天训练
48:56 创始人为什么一直都在销售
49:14 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
49:27 Uber 带来的现实经验：商学院案例里找不到
49:41 赢家通吃、网络效应与无止境融资
50:05 Lyft 拿十亿，Uber 拿三十亿：资本竞争如何升级
50:22 没有董事会、导师或案例能指导这种局面
50:43 AI 公司今天也处在类似环境里
50:55 从 Amazon 到 Uber，再到 AI：烧钱规模又多了一个零
Benchmark 的组织设计
51:07 Benchmark 如何建立平等合伙制
51:38 为什么传统合伙制容易让资深者拿走过多权力和利益
52:05 没有国王、没有首席合伙人：五个平等合伙人
52:26 平等合伙制的优势：更容易招到优秀人才
52:50 为什么平等会鼓励大家培养新人
53:15 合伙人之间更愿意分享资源和人脉
53:39 没有薪酬政治，但也很难扩张和推动新项目
54:00 Benchmark 单页网站的故事：组织结构如何影响执行
54:49 极简网站背后的自信与取舍
VC 行业为什么偏向年轻人
55:11 创始人为什么选择某个 VC
55:37 风险投资是有网络效应的投资类别
55:55 创始人希望身边的人真正理解自己在做什么
56:23 年轻 VC 的优势：更接近创始人，也更懂新技术
56:50 电子竞技、YouTube 与细分领域认知优势
57:38 VC 像体育吗：年龄、精力与竞争压力
58:03 年轻人为什么仍有机会闯入风险投资
成功的定义
58:10 Bill Gurley 如何定义成功
58:31 风险投资曾是他的理想工作
58:42 即使没有额外回报，他也会选择做那份工作
59:02 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
59:29 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
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
00:00 开场 & 播客简介
系统思维：为什么不能只看一个变量
01:34 信息碎片化时代，如何理解复杂世界
01:51 系统思维的核心：多变量、非线性与难以预测
02:35 天气、股市与复杂系统：一个变量变化如何层层传导
03:01 系统思维如何帮你少惹麻烦
03:24 约会网站案例：优化互动，却伤害长期转化
03:49 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
04:01 Bill Gurley 如何学习投资：从华尔街到风险投资
04:16 Peter Lynch、Buffett、Ben Graham 与 Howard Marks 的影响
05:00 价值投资如何迁移到风险投资
05:37 Bill Miller、Amazon 与网络效应的价值判断
06:48 为什么 VC 也必须懂金融底层逻辑
07:08 华尔街是创业公司最终流动性的买方
07:24 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
07:31 为什么理解一个行业的底层基础很重要
07:43 Pixar 创意天才 John Lasseter 如何研究动画史
08:27 Magnus Carlsen 与国际象棋历史：高手都懂自己的领域传统
08:54 LLM 时代，学习任何领域历史变得更容易
09:20 Picasso 的例子：突破传统之前，先掌握传统
09:44 面试中的差异化：比别人更懂本行业的大师和历史
10:47 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
11:09 创业者的共同特质：痴迷式学习
11:38 为什么颠覆性创业者必须站在技术前沿
12:20 创新者的窘境：年轻人更容易扎进新变化
12:46 每个人都应该对前沿保持好奇
13:07 Bill 为什么同时使用多个付费 AI 账号
13:20 真正强的人：既懂历史，也懂最新前沿
14:11 AI 使用技巧：把后续分析步骤直接写进 prompt
14:53 ChatGPT、Gemini、Claude、Perplexity 的不同使用场景
AI 竞争格局与监管博弈
15:51 AI 会是一家独大，还是垂直模型并存
16:15 Cursor 与模型可替换性：未来可能进入价格优化阶段
16:34 监管如何制造寡头格局
16:48 为什么有些大玩家主动要求监管
17:01 全球监管不一致：美国、欧盟与中国开源模型的竞争
17:40 中国开源模型生态：竞争越激烈，开源越活跃
18:08 开源系统如何加速创新：农民分享最佳实践的比喻
18:59 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
19:29 AI 会如何改变投资方式
19:40 什么只是 AI 外壳，什么可能是真正的应用层机会
20:08 工作流、数据护城河与领域理解的重要性
20:29 法律 AI 创业公司的例子：专业数据与流程沉淀
20:39 ChatGPT 是否会吞掉垂直应用：仍未定论
21:00 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
21:06 训练数据是否快被用完
21:24 专家微调与人类知识边界
22:01 AI 是否会进入自我改进的非线性曲线
22:38 Yann LeCun 的反面观点：下一代 AI 可能在 LLM 之外
23:14 AlphaGo 的启示与局限：封闭系统不等于真实世界
24:28 Tesla FSD 与自动驾驶的约束边界
24:56 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
25:44 Bill 的非共识观点：反对简单妖魔化中国
26:21 AI 建设是否投入了太多钱
26:48 科技巨头把巨额自由现金流投入资本开支
27:15 幂律与递增收益：为什么投资人越来越愿意押注未来
27:45 从 Amazon 到 Uber，再到 AI 公司：亏损规模不断升级
28:09 AI 是否会经历一次“核冬天”
28:59 循环交易：云厂商给 AI 公司钱，再让钱回流到云服务
30:02 成功公司为什么总是被提前抢投
30:18 烧钱速度从风险指标变成行业常态
30:42 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
31:04 散户、代币化与创业公司融资
31:20 资金供给不是瓶颈
31:31 Palantir、GameStop 与散户推动估值
31:50 私有公司股份代币化的风险：投机与操纵
32:07 为什么 Stripe 这样的公司不希望股份被随意交易
32:36 股价波动会如何影响员工与公司运营
33:15 IPO 流程为什么不公平
33:41 为什么上市机制本该像拍卖一样匹配供需
34:06 华尔街为何放不下 IPO 定价权
34:20 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
34:27 稳定币如何冲击信用卡网络
34:33 英国 Faster Payments、巴西 Pix 与美国支付系统的落后
35:10 美国监管俘获如何保护信用卡收费模式
35:20 USDC：几秒到账、低成本、还能获得收益
35:48 稳定币是什么：用美国国债一比一储备的加密美元
36:17 加密轨道为什么能实现全球即时转账
36:51 ACH 三天结算与美国支付系统的低效
37:23 为什么稳定币可能比政府更快解决支付问题
37:57 Visa 和 MasterCard 的高利润护城河为何面临威胁
38:35 中国移动支付的案例：二维码、微信支付与支付宝
39:14 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
39:50 AI 会不会挑战 Moody's 这样的评级机构
40:01 Moody's 的真正力量：它是被市场接受的标准
40:27 AI 是否会重塑股东投票建议服务
40:49 指数基金崛起后，代理投票机构的权力变大
41:09 黑箱评分与双边收费：为什么 Bill 认为这像一场劫掠
41:41 Tesla 薪酬方案案例：风险控制与股东利益的冲突
42:31 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
43:01 指数基金持股过高带来的治理问题
43:20 被动基金是否应该不投票
43:48 小股东可能获得过大控制权的二阶影响
44:00 隐性指数化：主动投资人为什么被迫跟随巨头
44:48 大规模指数化是否反而创造了主动投资机会
45:01 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
45:18 为什么讲故事是成功创始人的关键能力
45:49 Bill 如何爱上长篇非虚构写作
46:25 Malcolm Gladwell、Michael Lewis 与新新闻主义的影响
46:44 写作如何帮助投资人形成思想
47:06 Amazon 六页备忘录：写清楚，才是真的想清楚
47:39 写作也是风险投资人的“磁铁”和名片
48:05 创始人的三个不公平优势：讲故事、产品直觉与前沿理解
48:34 产品直觉很难后天训练
48:56 创始人为什么一直都在销售
49:14 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
49:27 Uber 带来的现实经验：商学院案例里找不到
49:41 赢家通吃、网络效应与无止境融资
50:05 Lyft 拿十亿，Uber 拿三十亿：资本竞争如何升级
50:22 没有董事会、导师或案例能指导这种局面
50:43 AI 公司今天也处在类似环境里
50:55 从 Amazon 到 Uber，再到 AI：烧钱规模又多了一个零
Benchmark 的组织设计
51:07 Benchmark 如何建立平等合伙制
51:38 为什么传统合伙制容易让资深者拿走过多权力和利益
52:05 没有国王、没有首席合伙人：五个平等合伙人
52:26 平等合伙制的优势：更容易招到优秀人才
52:50 为什么平等会鼓励大家培养新人
53:15 合伙人之间更愿意分享资源和人脉
53:39 没有薪酬政治，但也很难扩张和推动新项目
54:00 Benchmark 单页网站的故事：组织结构如何影响执行
54:49 极简网站背后的自信与取舍
VC 行业为什么偏向年轻人
55:11 创始人为什么选择某个 VC
55:37 风险投资是有网络效应的投资类别
55:55 创始人希望身边的人真正理解自己在做什么
56:23 年轻 VC 的优势：更接近创始人，也更懂新技术
56:50 电子竞技、YouTube 与细分领域认知优势
57:38 VC 像体育吗：年龄、精力与竞争压力
58:03 年轻人为什么仍有机会闯入风险投资
成功的定义
58:10 Bill Gurley 如何定义成功
58:31 风险投资曾是他的理想工作
58:42 即使没有额外回报，他也会选择做那份工作
59:02 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
59:29 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
外观
