Databricks 目前是全球估值最高的初创公司之一，而 Snowflake 是一家市值 600 亿美元的上市公司，年收入 35 亿美元，年增长率达 30%。Sridhar Ramaswamy 是 Snowflake 的现任 CEO，他 2019 年创办的 AI 搜索公司 Neeva 被 Snowflake 以 1.5 亿美元收购后加入了 Snowflake。
在创办 Neeva 之前，Ramaswamy 在谷歌工作了 15 年，将 AdWords 和谷歌广告业务的收入从 15 亿美元增长到超过 1000 亿美元。
加入 Snowflake 后，Ramaswamy 领导公司 AI 战略。他迅速推动了 Cortex AI，一个用于在数据云中构建大语言模型应用的托管服务，以及 Snowflake Intelligence 这样的 AI 智能框架。
近日，Sridhar Ramaswamy 接受了著名播客 20VC 的访谈。主持人 Harry Stebbings 与 Ramaswamy 聊了最近火热的 DeepSeek 是否会对 OpenAI 造成威胁，模型从商品化产品转变为可持续产品套件的关键要素是什么？以及 Snowflake 在面对 NVIDIA 和 Databricks 的竞争时，如何创新。
一些有趣的点
-
DeepSeek 对 OpenAI 不形成威胁，因为它只是一个商品化的模型，而 ChatGPT 是一个完善的产品，它具有更持久的竞争力。
-
我认为绝对有价值的地方在于那些拥有客户关系、提供明确价值，并且愿意快速拥抱 AI 以防止被颠覆者取代的公司。这就是我对 Snowflake 感到乐观的原因，因为我们是一个数据平台，帮助人们收集数据、理解数据、对数据进行分析，并在数据之上运行预测性工具（比如机器学习）。我认为 AI 是数据生命周期和数据访问的巨大加速器。
-
创新不是一种选择，而是我们必须做的事情。相比 Databricks 这样的私人公司，我们是否面临更多限制？绝对有。他们可以大手笔收购业务，而不必担心自由现金流之类的问题。但这就是创新的意义所在——如何在限制条件下推动发展？某种程度上，DeepSeek 是另一个例子，说明拥有「富亲戚」并不总是好事。
-
一家初创公司如果找到了产品市场契合点 (PMF)，就像一个活生生的、会呼吸的东西，这是一种魔法。Snowflake 是这种魔法的具体体现，通过复制很难创造出一个数据产品，你必须不断创新，钱买不到令人惊叹的基础模型，也买不到 Snowflake。
-
Stratechery 的 Ben Thompson 和 Nat Friedman 讨论 AI 泡沫是否是一个像 90 年代电信泡沫那样的「好泡沫」，后者最终为全世界铺设了光纤，让谷歌、Facebook 以及你和我都受益；还是说这是一个像早期互联网泡沫那样的「愚蠢泡沫」，烧掉了大量资金，试图为你送杂货，而我们不得不等 15 年才等到 Instacart 出现？
-
如果你看 AI 领域，在企业端，尤其是在消费端，我不认为存在单一的入口。不过 ChatGPT 有可能正在成为那个入口。所以如果你是一个押注消费端的人，那么在模型的变体和专业化方面，我认为这将有利于现有的主导者，而现有主导者 100% 是 ChatGPT 和 OpenAI，其他模型的入口最终会变得分散。
01
DeepSeek 引领了模型商品化，
但ChatGPT这款好产品更具吸引力
20VC：我现在作为一名投资者看着整个市场，一直在思考可持续的价值将在哪里产生。看起来模型比预期更快地商品化了，我认为 DeepSeek 在过去几周已经证明了这一点。很多应用层的东西似乎只是建立在商品化模型之上的轻量级产品。你如何看待当今AI市场中的可持续价值？
Ramaswamy：我认为部分原因在于——我曾与 OpenAI 的一些人以及一家应用公司（比如某编码平台）进行过对话——今天基础设施提供商和应用提供商之间的界限非常模糊，这很奇怪。如果有全新的应用需要被创造出来，基本上 OpenAI、Anthropic、微软或谷歌这些搞大模型的就会去直接创建它们。
他们会想：「编码助手正在起飞，我也要做一个编码助手或者类似的东西。」
「AI 正在生成更好的法律文件，也许我们应该发布一个法律行业的 ChatGPT 类产品。」
对我来说，这就是为什么在当今环境中创造价值变得如此难以确定的原因之一。我认为绝对有价值的地方在于那些拥有客户关系、提供明确价值，并且愿意快速拥抱AI以防止被颠覆者取代的公司。这就是我对 Snowflake 感到乐观的原因，因为我们是一个数据平台，帮助人们收集数据、理解数据、对数据进行分析，并在数据之上运行预测性工具（比如机器学习）。我认为 AI 是数据生命周期和数据访问的巨大加速器。
会有人从这些新的基础能力出发，并且最终做得比 Snowflake 更好吗？我们打赌他们做不到。因此，我认为 AI 显然正在创造价值。例如，Salesforce 正在通过 Agentforce 做一些非常酷的工作，他们非常清楚自己的优势在于关系网络，他们正在自我颠覆，主动出击。但所有新价值的创造，从长期来看，仍然显得非常模糊不清。
产品本身是有价值的。重要的是要理解，OpenAI 之所以会成功，不仅仅是因为他们总是能以最好的价格创建基础模型，而是因为他们拥有产品体验。根据统计，他们有大约 5 亿忠实用户，这是非常难以复制的。
20VC：你认为忠诚的用户会让某个产品一天之内登上排行榜第一吗？
Ramaswamy：你不会从 ChatGPT 切换到 DeepSeek。而且 OpenAI 并不愚蠢，如果他们能够通过托管 DeepSeek 来为 ChatGPT 提供动力，他们会毫不犹豫地这样做。
20VC：为什么你不切换到 DeepSeek？它是免费的。
Ramaswamy：ChatGPT 背后有一系列附加功能。它是一个产品，而不是一个模型，这是一个很大的区别。有一个原因可以解释为什么像 Anthropic 这样的公司没有做得那么好，因为它主要是在模型层面运作。生成图像的能力、上传文件的功能、运行一小段代码的能力——都让 ChatGPT 成为一个完整的产品，我认为这种组合具有持久的吸引力。
20VC：我曾经邀请OpenAI的 Sam Altman 参加节目，我当时还在想品牌推广的事情，他第一句话就是：「我们要碾压初创公司。」我当时心想：「天哪，糟了。」这对我的风投基金可不是好事。但我的问题是，如果你是今天的 Sam，你会怎么做？我们邀请过 Grok 的创始人，他说他必须开源。
Ramaswamy：Sam 的成功正如我所说，他正在打造一个接近 Meta 和 Google 规模的消费级产品。
部分原因可能因为 OpenAI 拥有一台令人难以置信的宣传机器，但你能想到最近哪家公司在几乎没有广告投入的情况下获得了 5 亿用户？而且它还不是一个社交网络。OpenAI 一直带有一点神秘色彩，他们的闭源模式也是如此。
现在越来越清楚的是，他们在误导人们关注某些问题方面非常擅长。而像 DeepSeek 这样的公司揭露了一些这类神话，这是好事。但我会将 OpenAI 这家公司的成功与模型的未来分开来看。显然，他们还有其他目标，比如在 AGI 领域占据主导地位。但 Sam 对你提到的一点我完全同意，那就是：在 OpenAI 的基础上构建初创公司是非常可怕的。
02
初创公司如果找到了 PMF，
就没那么容易被复制
20VC：有两个问题让我感到疑惑。第一个是，假如 NVIDIA 进入你的领域并成为竞争对手。你会为此担忧么？
Ramaswamy：我必须时刻警惕这类事情。AWS 有 Redshift，微软有 Fabric，谷歌有 BigQuery，Oracle 有自己的数据仓库平台。你总是会担心自己成为巨人世界里的小老鼠。如果他们打个喷嚏，你可能会被吹走，我明白这一点。
但另一方面，我告诉人们，过去三年里，OpenAI 和 Anthropic 创造了地球上最好的模型，而不是微软、亚马逊或谷歌。Gemini 还不错，但说实话，最多是个快速追随者。
Harry，你比任何人都清楚。一家初创公司如果找到了产品市场契合点 (PMF)，就像一个活生生的、会呼吸的东西，这是一种魔法。这不是靠几句漂亮话或一些想法就能创造出来的。
Snowflake 是这种魔法的具体体现，通过复制很难创造出一个数据产品，你必须不断创新。显然，Databricks 在过去五年里已经成为数据领域的非常强大的竞争者，但我们 Snowflake 同样有很强大的产品，并且与 Databricks 的运作方式有很大不同。我们需要继续创新并保持领先。
钱买不到令人惊叹的基础模型，也买不到 Snowflake。
20VC ：关于 NVIDIA 的问题是一方面，另一方面是你提到的 Databricks。假设你的一些董事会成员和投资者说，Databricks 可能在AI工作负载方面处于领先地位，比如 Mosaic、MLflow（机器学习流程管理工具）和直接模型托管。你怎么看待这个问题？你认为 Snowflake 在这方面落后了吗？
Ramaswamy：我们应该把机器学习和 AI 区分开来。我跟别人开玩笑，所有机器学习的人都把自己标榜为经典 AI。似乎他们是第一个进入市场的，那是他们的甜点领域，而且他们在那方面已经做了很长时间。
我们确实在追赶模式中，但 AI 是一个更年轻的领域，在 ChatGPT 之前几乎不存在。我对我们不仅处于前沿，而且在许多方面领先于他们感到非常自信。我们在如何更好地进行数据转换和数据工程等方面，系统性地思考并迅速将 AI 变成了现实。
我们如何理解非结构化数据？如何可靠地将其转化为结构化数据？我们会将所有这些整合到一个名为 Snowflake Intelligence 的智能框架中，它即将推出。在 AI 领域，我对 Snowflake 的现状感到非常满意。
我们有许多令人印象深刻的客户案例，比如西门子、Elevance 和拜耳制药，还有很多其他公司正在生产环境中使用 Snowflake 的 AI。所以我觉得我们在这一方面表现不错。这是一个快速变化的领域，而我引以为豪的是我和 AI 团队在这个快速变化的领域中一起战斗，我的态度是：我可以跑得和任何人一样快。放马过来吧！
20VC：我想问一下，哪种结构更有助于创新，更有助于赢得竞争？是 Databricks 这样超级晚期的私人公司，还是 Snowflake 这样的上市公司？
Ramaswamy：创新不是一种选择，而是我们必须做的事情。相比 Databricks 这样的私人公司，我们是否面临更多限制？绝对有。很明显他们可以大手笔收购业务，而不必担心自由现金流之类的问题，他们的销售人员数量是我们的一倍。但烧钱很容易，花钱也很容易失控，你应该小心。
我们是否在限制下运作？绝对是。但这就是创新的意义所在——如何在限制条件下推动发展？某种程度上，DeepSeek 是另一个例子，说明拥有「富亲戚」并不总是好事。
20VC：这些限制在哪里帮助了你，又在哪里伤害了你？
Ramaswamy：比如，在 AI 方面，我们决定不会对团队规模提出不合理的要求。我没有要求空白支票，我们明确知道自己需要做什么，需要对要构建的内容有清晰的认识，并且必须执行得非常好。因此，通过适度的投资，我们能够迅速在 AI 领域迎头赶上。我认为这些限制带来了清晰度。你不会试图做所有事情，也不会追逐不可扩展的业务。
当出现剧烈的市场反应时，限制可能会带来问题。例如，人们可能会过度解读季度间数字的变化。在某种程度上，Snowflake 股票的起伏反映了公众公司面临的严格审查。
在一个理想的世界里，我可以告诉我的团队和投资者：「我们已经掌控了局面，别担心，一切都会好起来。」但实际上，你必须担心，因为人们会根据股票的价值来做抵押贷款之类的决策。
于是你进入了难以管理的外部性问题，这提高了负责任运营的标准。这是我们去年不得不快速学习的东西。但这也是一个例子，说明作为一家公众公司，你不必担心剧烈反应，因为它们可能会引发一系列二阶后果。
20VC：如果可以，你会选择将公司私有化以消除这些限制吗？
Ramaswamy：不，我认为透明度是一件好事。它提供了流动性，并且能够让你对自己的表现进行评估，我认为这是很重要的一部分。有时 CEO 很容易让自己陷入一种「一切都会好起来」的幻想中，而实际上你并没有得到任何反馈。
我们的公开市场是很现实的，要么赚钱，要么不赚钱；要么有自由现金流，要么没有。我认为这种现实感是有帮助的。
注：二阶后果（Second-Order Consequences）是指由初始行动引发的一阶后果进一步导致的后续影响。它超越了直接、表面的结果，需要从时间、系统、因果链等维度进行深入思考才能预见。
03
AI 肯定有泡沫，
但仍有创新空间
20VC：我想谈企业对 AI 的采用。前几天我在一个峰会上和一群 CEO 坐在一起，他们说：「你知道吗？我们还在等待技术领域的新人真正带来投资回报。」我的问题是，你认为我们会像对待自动驾驶那样经历兴奋期然后进入平台期，还是会看到企业在 AI 领域的指数级加速采用？
Ramaswamy：我认为增长会更温和一些。另一方面，我可以非常自信地告诉你，AI 今天正在创造价值，并且将继续创造持久的价值。
许多曾经对我们来说极其困难的事情现在变得更容易了。如果某个 CEO 告诉你他们从 AI 中没有看到任何价值，我会说：「我不确定你了解多少，那么让我们来看一些例子，那些显而易见、简单的例子。」
我在达沃斯进行了 30 场会议。我使用了一些 AI 工具，比如听写和转录工具来为自己写笔记。我也手写了大量的笔记，我的团队中有个人说：「真的要写 25 页吗？我真的不想读这个。能不能给我一个总结？」于是我把所有笔记都上传到云端，输入指令：「我要每场会议的一句话总结。」结果出来了一个简洁漂亮的总结。同样，我们内部有一个聊天系统，它可以访问结构化数据，并能处理那些你需要在仪表板上点击很多次才能找到答案的问题，甚至需要提供大量上下文的问题。这带来了巨大的价值。
20VC ：达沃斯是全球CEO聚集地，从你在达沃斯感受到的情绪中，有什么收获吗？
Ramaswamy：首先，我对达沃斯采取了一种非常实用主义的态度，而不是关注更大的议题。这是我第一次参加，我原本对离开工作五天感到恐惧，尤其是因为董事会和财报季即将到来，但事实证明非常值得。
我在这里有大量的会议，也见到了许多公司的关键人物。我从 CEO 们那里听到的信息更多是：「帮助我们创造具有实用性的 AI，告诉我们什么是能做到的。」
当我向他们介绍我们如何利用非结构化数据快速创建一个基于文档语料库的聊天机器人，或者如何利用结构化数据时，他们都理解了。
当我告诉他们，现在你可以混合匹配这些功能，创建一个智能平台，在一个地方访问大量相关信息时，人们感到兴奋。
当我向他们解释如何通过整合所有结构化和非结构化信息来自动化部分承保流程，比如为一栋建筑投保时，他们会说：「这太棒了。」我们需要继续专注于实用性，但我没有遇到太多对 AI 的狂热怀疑，因为我只是拿出手机，向他们展示了昨天用 AI 做的五个愚蠢但有趣的事情。
20VC：感觉我们从未见过巨头像现在这样快速创新。比如 Scott Belsky（前 Adobe 高管），显然他所在的公司以前行动缓慢，但现在每个人都行动得更快了。过去我们认为巨头都很慢、很糟糕，但现在他们不再如此了。
Ramaswamy：是的。
20VC：你见过巨头像现在这样快速行动吗？
Ramaswamy ：我们都记得历史，没有人想成为那个因 IBM 与微软交易而闻名的人（早起与 IBM 的合作成就了微软）。
人们明白那是一次多么戏剧性的转变，也知道像 DEC（Digital Equipment Corporation）这样的公司是如何消失的。谷歌在山景城接手的第一栋大楼就是 SGI（Silicon Graphics）的那座紫色建筑。在那之后的五年里，我总是告诉加入我团队的每个人：「SGI 建造了这些建筑。」然后我会观察他们是否明白了这一点。所以我们从中学到了教训。
但我想说的是，移动设备是一个重大的平台转变，而现有巨头在其中表现得相当不错。还记得马克·扎克伯格最初试图推动 Facebook 的移动网页，然后放弃了，转而开发应用程序吗？谷歌也是如此，他们将搜索转移到移动端。我带领团队经历了五年的「恐怖时期」，将移动端的付费从桌面端的 10% 提升到 100%。所以我想说，即使在上一轮技术变革中，所有科技公司都变得相当聪明。亚马逊没有因为移动设备而被颠覆。
移动设备确实催生了一些全新的事物，比如 Uber 和 Lyft，但那一代公司已经学会了如何应对平台颠覆带来的巨大挑战。这就是为什么你看到这些公司在疯狂投资未来，因为他们看到了一些东西，并且有足够的资金去做这件事。这就是为什么 Facebook 变成了 Meta。
马克·扎克伯格并不在意元宇宙（Metaverse）的失败。他就像在说：「放马过来吧！我现在专注于 AI 了。」我认为这是公司真正从过去吸取教训并努力创新的表现。
20VC：我看到马克·扎克伯格投资了 650 亿美元在数据中心上，你也看到了 Stargate（星际之门）的 5000 亿美元公告。我知道这里面有股权和债务，但我们从未见过如此大规模的资金投入某件事。这是AI的军备竞赛，它会走向何方？
Ramaswamy：AI 泡沫终究会破裂，就像其他泡沫一样。Stratechery 的 Ben Thompson 和 Nat Friedman 之间有一段非常有趣且富有洞察力的对话，他们讨论了这是否是一个像 90 年代电信泡沫那样的「好泡沫」，后者最终为全世界铺设了光纤，让谷歌、Facebook 以及你和我都能受益。还是说这是一个像早期互联网泡沫那样的「愚蠢泡沫」，烧掉了大量资金，试图为你送杂货，而我们不得不等 15 年才等到 Instacart 出现？
面对现实吧，你和我都不知道。如果这些投资大部分流向了电力和建筑等领域，你可以说：「这为世界创造了盈余，总会有好的事情从中产生。」另一方面，如果它们流向了快速贬值的硬件，那价值就会瞬间消失，我认为现在还为时尚早。
但回到你刚才的问题——我们该怎么做？仍然有创新的空间。我认为像 OpenAI 这样的公司不可能覆盖所有的工作流。你和我需要做的是找出那些仍然适合颠覆的领域，并在那里创造价值。
我认为 Harvey 是一家很棒的公司，它不会被 OpenAI 颠覆。我认为找到这样的细分市场并投资于它们是我们成功的关键公式。钱并不总能买到一切。
04
AI ToB 市场，
不会出现垄断入口
20VC：说到钱并不总能买到东西，市场上有人说：「Snowflake 的问题是增长在哪里？」你能在多大程度上「购买」增长？你对并购战略的看法是什么？
Ramaswamy：首先，我们已经有 35 亿美元的收入，并且还在持续增长。显然，我们必须继续保持这种势头。
我们在上次财报中提到的是，我们已经显著扩大了 Snowflake 的业务范围。我们过去专注于数据层，我们也做一点机器学习。
现在我们已经从这一点扩展到：我们将帮助你完成数据摄取，帮助你搭建数据工程架构。我们希望成为你在数据工程、分析、机器学习以及通过 AI 实现用户访问方面的关键部分。无论是我们创建的工具，还是像 Snowflake Intelligence 这样的平台，我们的业务范围都大大拓宽了。
我们有一个团队，不仅在推动如何获取更多分析市场份额，还在进入其他非常大的数据细分市场，逐一颠覆它们。
当然，我们会继续关注一些公司，但与我们核心业务无关的非有机收购策略并不是我感兴趣的，我认为那会是一种干扰。Snowflake 是一家由产品驱动创新的公司，不是一家私募股权公司。因此，我们的大部分增长必须由产品创新来驱动。我们会做一些明智的收购吗？比如 Snowflake 花了大约 1.5 亿美元收购 Neeva，我认为这笔投资已经得到了回报。这些是我们应该做的事情。
20VC：有没有哪条收入线目前对 Snowflake 来说很小或微不足道，但在 7 到 10 年内将成为主导收入来源，我们应该关注？
Ramaswamy：100% 是 AI。我认为它将是一件大事，它提供了颠覆当前商业智能（BI）的机会，更直接面向消费者。
能够加速 Snowflake 增长的关键在于人们基于 Snowflake 构建应用。像摩根大通、贝莱德（BlackRock）、西门子这样的公司都在 Snowflake 之上构建数据应用。我们的平台允许他们做一些非常巧妙的事情，比如整合他们自己的数据和客户的数据，以创建数据应用。
我认为这部分目前还很小，但我预期这将成为 Snowflake 一个巨大的整体收入机会。最酷的地方在于，你从一个昂贵的项目变成了这些公司收入的一部分。正如你所能想象的，这种合作关系的动态要好得多。我希望我们能够说：「当你们赚钱时，我们也会赚钱。」
20VC：我们可以扩展一下模型领域的讨论，我不知道 5 到 7 年后会是什么样。我们会生活在一个有许多专业化、垂直化模型的世界，还是一个有少数通用化、超大规模模型的世界？我记得曾经读到过，历史上有人认为搜索最终会被某种垂直化的服务所取代，但他们没有预料到会有这些庞大的多领域巨头几乎掌控了一切。
Ramaswam：这是一个非常好的问题。不幸的是，我的答案将是预测未来总是困难的。
如果我们拆解一下谷歌搜索并分析它为何能够占据主导地位，首先也是最重要的一点是，谷歌做了一系列交易，基本上成为了许多门户或浏览器的默认搜索引擎，比如 Yahoo、美国在线（AOL），Firefox，以及所有 PC 制造商。这是一种非常刻意的战略，旨在成为搜索的核心。微软在那些早期年份里忽略了这种机会，这就是谷歌如何起步的。有机营销确实是一部分原因，但这只是其中一小部分。真正起作用的是那种「引力效应」，使他们能够逐一击垮其他垂直领域。
有趣的是，Bing 的前身 Live.com 实际上拥有更好的图片搜索功能，超过谷歌。但谷歌的做法是：「你在找图片？我们会把它们直接放在主搜索页面上，你不需要去别的地方。」这就是谷歌征服几乎所有垂直领域的方式，无论是购物、视频还是地图。通过这个核心的粘性属性，谷歌就这样征服了消费者世界。
如果你看 AI 领域，在企业端，尤其是在消费端，我不认为存在单一的入口。不过 ChatGPT 有可能正在成为那个入口。所以如果你是一个押注消费端的人，那么在模型的变体和专业化方面，我认为这将有利于现有的主导者，而现有主导者 100% 是 ChatGPT 和 OpenAI，其他模型的入口最终会变得分散。
我曾经担心过：「会不会出现一个单一的企业入口点，统治一切？」我现在仍然担心这一点。我认为这种机会仍然存在，但在企业端，我看到各种各样的专业化机会出现。因为在过去的 50 年里，这个领域并没有出现类似于谷歌搜索的东西。
20VC ：我也很喜欢关于谷歌通过合作实现分发策略的历史细节。我不知道它竟然达到了这种程度。
Ramaswamy：我们都以为谷歌是靠「完美消费」成功的。有一天，所有人都决定我们应该用谷歌。
20VC：分发，你认为哪个合作伙伴关系对谷歌的分发能力产生了最大的影响？
Ramaswamy：雅虎和更早的一些公司，那些是入口。美国在线不知道如何做搜索，雅虎也不认为搜索很重要。
20VC：先付钱真的重要吗？
Ramaswamy：100% 重要。如果我没记错的话，我们付给美国在线的钱比我们赚到的还多。谷歌的创始人非常了不起，他们做出了一系列极其明智的商业决策。是的，产品很棒，但人们低估了商业的力量。
20VC：我看到很多关于软件工程的争论，认为这些是AI最早主导的领域。你是否不同意这种说法？你会说，软件工程仍然有巨大的价值，学生应该继续学习它？还是会说，不，这确实是受影响最早的领域？
Ramaswamy：我认为各种知识型职业都会受到巨大的影响。我有一个简单但相当准确的描述，可以说明 AI 能做什么：它是一个强大的翻译层，可以在各种结构化和非结构化的知识之间进行转换，以一种只有人类才能做到的方式理解它们。因此，我认为任何知识工作者，包括软件工程师，都应该拥抱这项技术，并看看它将走向何方。
现在就得出结论说这意味着软件工程会成为一个好职业或变成一个狭窄的专业领域还为时过早。在互联网出现之后，像《纽约时报》这样的大媒体可以覆盖世界的每个角落，也许你不喜欢它们，也许你想看到其他观点，但它确实变得集中化了。同样的事情也发生在音乐行业，以及其他领域。所以，我认为很难预测它会产生多大的影响。但只要软件仍然重要，我就能看到将软件和 AI 应用于越来越多领域的巨大机会。
所以，我不认为软件工程作为一种职业会比分析师或 CEO 这样的职业更容易被淘汰。我和别人开玩笑——我是一台电子邮件机器，这就是我所做的全部，我讲话、写作、阅读。因此，我认为关键在于拥抱未来，看看它能走向何方，保持灵活性。我认为软件工程不会在短期内消失。
05
真正的领导力：
告诉人们他们不想听的话，并让他们留下来
20VC：我想问一些职业生涯早期的问题，从你大学时期或者第一份工作时说起，当时你有没有想过自己会成为一名CEO？为什么？
Ramaswamy：不，我没有想过，尤其是在读本科的时候，甚至在攻读博士的时候也没有。实际上，当我攻读博士学位时，成为教授更像是理想的选择。但在某个时刻，我对做研究并不那么感兴趣了，于是转而投身软件工程。当你在正确的时间出现在正确的地点，伟大的事情就会发生。
20VC：当你回顾那些日子并反思它们时，现在你作为一家年收入 35 亿美元的上市公司的CEO，你会不会想：「我可以从中吸取教训？」那些教训是什么？
Ramaswamy：不懈努力？我仍然记得每次和 Larry 或 Sergey 讨论问题时都让人筋疲力尽。他们会就每一个话题与你争论，但好东西往往就是这么产生的。你审视了每一个可能的细节，并且对自己要求非常高。我还开玩笑地跟别人说，当我成为广告部门负责人时，像与法务团队合作这样的事情变得容易多了，因为他们已经被 Larry 和 Sergey 在 Google Books 或 YouTube 等项目上推到了极限——早期 YouTube 是一个法律噩梦。所以，这就是我的终生收获：坚持到底，保持第一性原则思维。
这就是谷歌，我认为他们在每一次讨论中投入的能量以及追求真相、追求正确商业结果的不懈精神，绝对是我至今仍在践行的东西。
20VC ：人们总是认为随着时间推移，你会变得越来越好，尤其是作为CEO。那么，有什么事情是你觉得自己变得更糟的？
Ramaswamy：这是个好问题。身体技能随着年龄增长确实变得更难维持，这就是自然规律。我曾经可以毫不犹豫地跑 20 英里，不需要任何准备，想跑就跑，但现在不可能了。不过，我认为精神方面的事情很大程度上是可以控制的，这也是让我感到欣慰的部分。在推动自己学习、衡量、适应方面，我毫不松懈。
另一件我们必须现实面对的事情是，随着年龄增长，你投入到全新领域的时间会变得有限。你必须对这种事情保持谦逊。我开玩笑地跟我的儿子们说：「你这辈子不太可能成为音乐会钢琴家了，那部分已经结束了。」所以我们必须接受什么是可以改变的，什么是不可改变的。
但是在精神方面，我想说的是，对于一个敏捷且有驱动力的人来说，世界任你驰骋。现在有这么多语言模型可以帮助你创建定制程序，做一些以前根本无法做到的惊人事情。所以从这个意义上，我认为在精神层面的机会甚至比以前更多了。
20VC：你会给像我这样以及其他高强度工作的CEO们什么建议？我们需要带着别人一起前进，但这很难。
Ramaswamy：我认为，确保人们理解大局、机会的短暂性以及它消失的速度有多快，至关重要。
我经营的这家公司每年创造大约 35 亿美元的收入。如果你考虑世界 GDP 的增长率，经过通胀调整后，它每年增长 1%-3%。如果是 1% 的增长率，让它翻倍需要 100 年左右的时间，而我们谈论的是在两年内实现这种增长。
我告诉人们的第一件事是，我们非常幸运能够处于一个可以创造如此多价值和如此快速增长的环境中。要维持并加速这种增长，需要非凡的人才。这并不适合所有人——期望值很高，回报也很高，机会巨大，而机会成本甚至更大。所以我认为问题在于，人们想在 Snowflake 成为什么样的人？
我们绝对希望成为地球上每个企业的数据引擎，我认为这是一个非常了不起的使命。此外，我们还可以在此过程中建立一家标志性的公司，这需要特殊的人才。
20VC：当你招聘某人时，认为他们能够适应公司发展的不同阶段，但结果却错了，为什么你会犯错？
Ramaswamy：这些事情是不可预测的，人生很长，人也会随着时间改变。某些事情——随便举个例子，比如拥有 1000 万或 5000 万美元——会对人产生影响。
我之所以在 2003 年加入 Google，部分原因是因为一些在 2001 年和 2002 年加入的人突然间身价达到了 5 亿美元。
并不是每个人都能扩展自己的能力。我与很多人讨论过，当团队规模翻倍时需要具备哪些条件。我的建议通常是这样的：每次你的团队规模翻倍，所有那些让你在之前的团队中表现出色的东西，通常会成为你在新岗位上成功的巨大障碍。我不确定你是否能真正内化这一点。它需要人们进行大量的自我重塑，重新定义自己是谁以及如何运作。
只有少数人能够完成这些转变，适应并茁壮成长。我认为给人们提供这样的机会，是我的责任、工作和义务，但同时，我也是无情且冷酷的，因为我给了人们时间和机会。
作为成年人，我学到的一件事是如何不逃避那些令人不快的对话。我会和人们谈论哪些地方做得好，哪些地方做得不好。我给他们时间。如果最终还是不行，那就没办法了。我曾经让一些人承担一半的工作，并告诉他们这对他们来说是更好的选择。这是我一生中最难做的事情之一。
20VC：你刚才提到了降职的问题，这是否意味着你应该直接解雇他们？有人曾经对我说过，如果你愿意接受更少的回报，就永远不要做这笔交易。我在这里也应用了这个原则：如果你愿意让他们留下，但给予更少的责任，他们不应该直接离开吗？
Ramaswamy：所有这些都发生在快速变化的环境。一个你原本认为 20 名工程师就能搞定的领域，突然间需要 100 人。那个原本管理 20 人的员工现在负责 40 人，并且需要扩展到 100 人。他们在挣扎，而业务不能等待。这并不是因为他们是坏人，也不是因为他们无法胜任工作，而是对我来说，找到合适的背景和框架，帮助某人在特定时刻取得成功，这类对话是可以进行的。
我曾经有一位总监，他意外地负责了两个不同的领域。我告诉他：「我要拿走其中一个领域。顺便说一句，你手头的这个领域，它将成长为一个 400 亿美元的业务，但这是五年、六年之后的事情（也就是 Google Shopping。）这是我们看到的一个巨大的机会。」那个人接受了这份工作，最终成为了副总裁，取得了巨大的成功。
这需要很多说服力，因为每当进行这样的对话时，人们的第一个反应通常是「我失败了」，但实际上并不是。你被赋予了一项不可能完成的任务。让我们重新塑造它，让你再次取得成功。这才是真正的领导力：告诉人们他们不想听的话，描绘未来的愿景，并让他们留下来。这很难。
20VC：你认为更富有的领导者会成为更好的领导者吗？因为你更有决心，不那么担心下行风险，也不害怕失去工作或者发生其他事情。
Ramaswamy：不，我认为这可能会让他们变得冷漠，甚至可能对巨大的风险过于宽容。这是一种平衡，作为领导者，你总是面对不同的利益相关者群体，重要的是要记住，这不仅仅是关于你自己，还有公司里的员工、股东和客户。去年我们作为一家大公司经历了一段非常艰难的时期，当情况逐渐清晰时，我们意识到这影响了许多不同的人。这并不总是关于全力以赴追求高风险目标。有时你确实需要做出一个 90 度的大转弯才能到达某个地方。但我不认为在那些从个人角度不受结果影响的职位上，就一定是更好的领导者。
-
高浓度的主流模型（如 DeepSeek 等）开发交流； -
资源对接，与 API、云厂商、模型厂商直接交流反馈的机会； -
好用、有趣的产品/案例，Founder Park 会主动做宣传。
（文：Founder Park）