潛空間幕後:殺死我的 SaaS、Jev 與 2026 年的 AI|AIEi 上海
潛空間幕後:殺死我的 SaaS、Jev 與 2026 年的 AI|AIEi 上海
Latent Space 共同創辦人 Shawn Wang 主張,AI 工程正成為一門以工具框架(harness)與社群為基礎的專業學科;而 AI 如今讓創辦人能以自建工具取代昂貴的 SaaS,並提早展開行銷。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Latent Space 播客與 AI Engineer 會議系列的共同創辦人 Shawn Wang 認為,「AI 工程師」這個職稱之所以成功,是因為它給了非研究背景的人一個身分認同,以及一條能靠 AI 賺錢的職涯路徑;而同一套「自己動手做」的邏輯,如今正威脅中型 SaaS 廠商——他們的企業客戶可以用 coding agent 複製自家產品。本集大部分時間談的是 Latent Space 的創立故事與其背後的「公開學習」(learn in public)原則、AI Engineer 會議的加盟模式與首屆上海場,以及一場競賽:Wang 付錢請外部人士重寫一套年費 4 萬美元的 SaaS 工具。節目最後談到中美新創文化差異、給技術創辦人的 GTM 建議,以及 AI 安全。標題所預告的上海會議預覽,其實只是接近尾聲的一段簡短討論,並非本集主軸。
Wang 自述是從金融業轉職的開發者,把 Latent Space 從一個談 Stable Diffusion 的部落格做成會議事業,目前一邊為 Cognition 等公司提供顧問服務,一邊以執行長身分經營 AI Engineer。主持人 Galen Gao 則是中國社群經營者,協助中國創辦人走向國際。讀者讀完後,應該能掌握 Wang 的幾項具體主張:AI Engineer 為何能成為一個成功的品牌、他認為中型 SaaS 市場會怎麼崩解,以及他眼中中國開發者相對美國同業的強項與弱項。
AI Engineer 之所以成功,是因為它命名了一種身分,而非一項技能
Wang 表示,這個詞之所以成功,是因為它鎖定的是人們「想擁有」的職稱,而不是一個技術分類。ChatGPT 推出後的一場駭客松上,一位非技術背景的參加者告訴他自己「全力投入 AI」,並問她能做些什麼。他的結論是:跟工程師相比,她幾乎什麼都做不了——工程師可以同時指揮多個 AI 系統,非技術使用者頂多是把提示寫得更好。他從自己的職涯觀察到一個模式:沒有光環的職位會被專業化,而誰先為它命名,誰就擁有這個類別。
他考慮過幾個替代名稱——AI tinkerers、LLM engineer、applied AI engineer——最後選定 AI engineer,因為它最簡單。他把背後的概念歸功於 James Clear 的論點:要與人建立連結,靠的是身分認同與嚮往,而不是職業或嗜好,因此社群會圍繞著「通往更好版本的自己」的那條路形成。Wang 的版本是:給人一個能賺錢的職稱,他們就會對它忠誠。
他判斷誰算 AI 工程師的標準是實務性的,而非看證照。AI 工程師就是系統半夜出問題時,凌晨四點爬起來修的那個人。他把這種個人貢獻者角色,跟逐漸成形的全公司角色「AI 架構師」區分開來——後者決定一家公司裡每個人怎麼用 AI;也跟 AI 設計師、AI PM 等鄰近職稱區隔。
他對那些把從不寫程式的高階主管捧上天的會議圈批判得很直接:
「有一大堆意見領袖,這輩子一天程式都沒寫過……他們都說:喔,我估計 AGI 再兩年就到了。你們未來都會沒工作,要為下一步做好準備。而很巧的是,那個『下一步』長得就像他們現在的工作。」
Wang 說,AI Engineer 刻意複製他在 GDC、KubeCon、JSConf 和 PyCon 看到的工程師對工程師形式:真正動手做的人上臺講實戰血淚,臺下聽眾則是負責決定技術棧的人。他說這個職稱從他創造以來幾乎沒變,變的是哪個子領域當紅——早期是檢索與上下文管理,近期是 coding agent 與 harness 工程,另外還有記憶與評估相關的工作。如今 World's Fair 大約有 30 個議程軌,涵蓋這些領域。
Latent Space 原本只是為了擠進一個自己不夠格的領域而寫的部落格
Wang 把這個節目追溯到一次失敗的創業,以及一個刻意的選擇:公開學習。他當時在 Airbyte,用他的話說,公司做得還行,但稱不上火箭升空;就在那時,Stable Diffusion 發布了,時間點在 ChatGPT 之前。他修過一些機器學習課程,但自認不是專家,於是開始寫部落格分析這個模型、記錄自己學到什麼。一開始沒人注意。後來,時任 Stability AI 執行長的 Emad Mostaque 讀到那篇文章,公開稱讚寫得好。
更深的源頭,是他從金融轉進科技業。他說,金融是零和:把你會的東西告訴別人,它的價值就沒了。科技大致上是正和,所以大家會開源自己的成果、上臺演講、坦承犯錯。這個差異,加上他在 Two Sigma 遇到一位糟糕的主管、閒到有餘裕在正職之外寫作與演講,讓他體會到:公開學習讓你得以自己選擇老闆,而不是被指派一個。
他很直白地說,光靠努力什麼都換不到:「不是因為你很努力,你就理所當然該贏。你必須非常努力,而且還要夠強。」他也把這種做法定位為對文憑主義的矯正——他說這在亞洲文化中尤其嚴重:先拿學位、再考證照、然後才找工作,這個迴圈逼得一個 16 歲的孩子就得決定一生。
Gao 提出一個中國的平行案例:現在名為 Way2AGI 的社群,源自一群 Stable Diffusion 與 ComfyUI 愛好者在同一份線上檔案上協作,他說這個社群已達到約百萬使用者,是中國最大的 AI 社群。Wang 也證實,ComfyUI 的創作者曾上過 Latent Space。
會議加盟體系靠三條規則與借來的信任運作
AI Engineer 目前的運作方式,是一場旗艦級 World's Fair,加上一套讓各地主辦方加入的合作夥伴計畫,明確仿效 JSConf。Wang 的理由是:他不可能觸及每個國家,但每個國家都會想要一場 AI 會議,所以當地團隊可以自己從零辦,也可以借用品牌、YouTube 頻道與社群觸及。
| 專案 | Wang 所述的內容 |
|---|---|
| 旗艦規模 | 原訂 6,000 人,實際突破 7,000 人;議程線上觀看約 150 萬次 |
| 內容政策 | 所有演講與工作坊一律發布;約 30 個議程軌 |
| 資料釋出 | 所有演講轉錄並編目,可打包成資料集下載用於訓練 |
| 合作方義務 | 不得濫用品牌、所有內容都要發布、維持行為準則 |
| 商業條件 | 營收分潤,其餘條件未說明 |
| 首個加盟場 | 巴黎,其主辦團隊後來被 Mistral 收購 |
Wang 說,這種合作模式確實有風險,因為他是把品牌交給他沒有僱用的人;不過到目前為止,還沒有合作方辦出糟糕的活動。他也說,他衡量的價值是社交層面的:有人因此被錄取、共同創辦人因此相遇,至少有一對透過社群認識的伴侶如今實質上已結為連理——他把這個數字稱為自己的頭號 KPI。
至於上海場,他講得很明白:不是他把 AI Engineer 帶進中國,而是當地合作夥伴促成的。他把營運功勞歸給 Hanhua、Leidu 和 Meng Ying,以及 Gao 的同事 Lei。他說自己持新加坡護照,無法在中國設立當地實體,而且主要業務在美國,不想跟美國當局惹上麻煩,所以安排是加盟制:「我是麥當勞,你是麥當勞中國。」他也提到,這場活動不會直播,之後會上傳到 YouTube。
他點名 Meng Xiao 是一位粉絲,幾乎每一集都翻成中文;並舉 Manus(約 2024 年底創立,後來遷往新加坡)與 OpenClaw 為例,說明他想讓全球聽眾看到的中國動能。
Kill My SaaS:一週內用 1 萬美元重寫一套 4 萬美元的工具
Wang 的這場競賽,源自一筆預算專案。每場會議的軟體支出約 30 萬美元,大約佔 300 萬至 1,000 萬美元活動預算的一成;他估計自己一年花在 SaaS 上的錢約 100 萬美元。他的抱怨不只是價格,還有這些工具又慢又醜、反應又差——一個功能需求提上去,要等六個月才排進 roadmap。
於是他拿了一套員工想要、年費 4 萬美元的工具,公開懸賞 1 萬美元,徵求任何人把它重做成開源版本,再用 Codex、Claude、Devin 等 coding agent 客製化。他幫參賽者付了 agent 訂閱費。共收到 69 件作品;他說大部分都能用,大約五件好到值得付錢,而且全部都是在大約一週內完成的。他把結果定調為對 SaaS 老闆的警告:如果有 50 個各付 4 萬美元的客戶都這麼做,一門 2,000 萬美元的生意一年內就沒了。
「模型非常擅長把你軟體的每一個畫面都點過一遍,然後獨立複製出來……所以只要我能接觸到你的軟體,我就能複製它。祝你好運。」
他很謹慎地界定適用範圍。Salesforce、Google、AWS 不會有風險;有風險的是服務中小企業的中型 B2B SaaS。他給這些廠商的建議是:轉型成某個垂直領域的 agent 開發商,像法律界的 Harvey 或 OpenEvidence,或者轉做專門的資料供應商。他對 SaaS 老闆沒什麼同情——「他們都是大人了」——反而更同情小企業主,因為現在對他們來說是黃金時代。
他舉的具體例子是會議講者篩選:1,000 件投稿搶 25 個名額,而現行工具得逐筆點開紀錄。有位參賽者把它重做成單一可排序的表格——這樣一個檢視畫面,按正常流程得等六個月才提得出來。他承認維護成本不是零,但認為 coding agent 足以處理,而且為了完全客製化,停機一天是可以接受的交換。
他也談到用自架的開源替代品換掉更多自家工具鏈:Calendly、Google Drive、GitHub、Dropbox、Slack、DocuSign。DocuSign 這個案例他說得最重:電子簽章在各國都有法律效力,DocuSign 並沒有專利,「網路就是電子郵件地址」。他的自架版本會把簽好的檔案直接存進自己硬碟上對應的資料夾——這是 DocuSign 沒提供的整合。
他把這種競賽模式比作 99designs——Latent Space 的標誌就是從大約 400 件投稿中選出來的。他說願意付錢請人來經營同樣的 SaaS 複製服務,也就是「軟體界的 99designs」,因為行政負擔很重:這套工具有五種使用者角色(主辦方、講者、參加者、贊助商、廠商),全都得對同一套流程達成共識,而評選花了約兩個月。他也揭露,競賽中使用的 AI 評審只檢查投稿是否有效,不判斷哪件最好,而且它選出的結果跟團隊的選擇不同。他的解釋是:在看到 70 個範例之前,他根本講不清自己要什麼。
System 1 模型把智慧放程序式碼的執行路徑,而不是聊天視窗
Wang 稱 Diogo 的 TypeSafe 作品是他對 AI 工程原始願景最清楚的體現,並說他極力爭取讓 Diogo 擔任新節目的第一位來賓。Diogo 是 InstructGPT 的共同作者,他主張模型應該服務開發者,而不是反過來:把模型縮小到只負責做選擇或估機率,然後把它直接放進關鍵程式碼的執行路徑裡,就像寫一行 if 判斷句一樣自然。
Wang 把這跟主流做法對比:一個大型的傳統應用程式,外掛一個聊天機器人當視窗——這裡一個聊天面板、那裡一個選單——結果軟體只在某一點上聰明,其他地方全都笨。他說可靠性是主要理由,速度是次要理由,這也是公司取名 TypeSafe 的原因。他也把這個洞見歸功於 Diogo 的非典型背景,認為正規體系出身的研究者往往相信只要訓練規模更大、引數更多就能解決一切。在 Wang 看來,這個想法之所以能打動人,靠的是 OpenAI 帶來的可信度、清楚的框架(System 1 對 System 2),再加上表演力——粉紅外套、Doom 實機示範——讓大型模型的極限在幾秒內就看得見。Wang 形容自己是同一套組合的縮小版:技術上夠扎實,也懂得溝通。
Gao 提到中國開發者很吃這套產品,並舉一位非程式背景的人為例:她在發文前會先用它判斷某段播客片段會不會爆紅。
中國創辦人很會做產品、很不會做行銷;要在寫規格之前修,而不是之後
Wang 給技術創辦人的建議是:行銷不能是最後一哩。工程師與研究者通常把 GTM 當成公司裡最資淺的職能——讓實習生去經營社群——而且往往等到什麼都決定了,才找行銷來「看一下」部落格文章。他主張 GTM 應該在產品寫規格之前就形塑產品:鎖定哪個客群、用什麼說法、這些客戶聚集在哪裡、他們用什麼詞描述自己的問題、用了之後生活怎麼變好。
他引用「畫龍點睛」這個成語——龍是產品,點睛是行銷——並說多數創辦人其實有龍,只是有些人自以為有。他建議研究者出身的創辦人找一位 GTM 夥伴。他的通則是「展示,而非說明」:一段 demo 勝過一份簡報,這也是為什麼讓人記住的是 Doom 示範——而那是 developer relations 團隊做的,不是 Diogo。
談到中美新創文化,Wang 對強度落差講得很重。他說 996 在中國是真實存在的,舊金山則不然,週末照樣放鬆,而且美國勞動法規根本不容許那樣的工時。他對在中國遇到的創辦人評價極高:
「有非常多優秀的創辦人……如果他們住在美國,他們會幹掉 Amazon,會幹掉 Facebook。他們沒更有錢的唯一原因,就是他們住在中國。」
他也提到產品落地的差異有多大:ComfyUI 在中國的聲量遠高於美國,OpenClaw 在中國也更有動能。他提到比亞迪——2007 年他在北京遊學時,還覺得這家公司正在崛起,如今已在搶佔美國市場——作為中國執行力長期被低估的例子。他為上海場設定的目標,明確只談技術層面的跨文化交流,不談政治;他並主張,中國的實驗室之所以在全球觸及上吃虧,部分原因是他們的發布埋在企業簡報裡——他舉阿里巴巴的 Qwen 路線圖為例,說他得自己翻譯,因為美國聽眾根本沒看到。
Wang 的近期押注是互動模型與持續學習;他怕的是 AI 寒冬,以及比網路犯罪更糟的東西
被問到最興奮的領域時,Wang 把 System 1 模型擺一邊,認為那太明顯了,改口點名互動模型——雙方同時聽與說、可以打斷的全雙工溝通,Thinking Machines 已做過示範。他把這個跟持續學習配對——模型不是在前訓練與後訓練之後就停止,而是在跟你共事的過程中持續學習——再加上世界模型。
他更近的擔憂是商業面的:AI 在大約 50 年間經歷過好幾輪盛夏與寒冬,而會議事業高度依賴這波熱潮。他更大的擔憂是安全。他說實驗室裡的研究者深切憂心社會調適的速度跟不上,而風險不是假新聞或失業,而是更糟的東西——當下是網路安全,極端情況是生物武器。他把節目的立場講得很白:
「對大多數人來說,預設就該假設 AI 會帶來毀滅……人類歷史上,每當更先進的文明遇上較落後的文明,較落後的那一方就會滅絕。而這東西的演化速度大約是我們的 1,000 倍。」
延伸閱讀方面,他指向自己 GitHub 上的「Good AI Newsletters and Podcasts」清單,以及 aeo.latent.space——他在那裡向模型丟了大約 200 個問題(最適合工程師的 AI 播客、最佳支付新創、最佳資料庫),再替答案排名,邏輯是模型的回答大致反映了實驗室資料集策展人的取捨。
值得關注
本集有兩條線索指向相反方向,值得放在一起看。Wang 一方面主張軟體的重建成本正變得極低,另一方面又在賣一個價值建立在策展與信任上的會議品牌——而這份信任,他同樣交給了他沒有僱用的加盟夥伴。如果 Kill My SaaS 的邏輯成立,最可能消失的正是那些贊助、參展他這類活動的中型廠商,而這是他沒有觸及的營收問題。上海場是加盟模式的第一場實測,而且是在一個他沒有實體、也無法以營運者身分到場的市場;先前唯一的加盟場巴黎已被 Mistral 吸收,因此沒有合作方獨立辦活動存活的乾淨先例。Gao 對這場活動的期待——更多關於基礎設施、支付、安全與前沿研究的討論,加上東西方研究者交流——相當程度可以當作指標,用來判斷這個加盟體系能否產出全球聽眾在別處拿不到的內容,而那才是品牌值得擴張的唯一持久理由。