<p>微软首席技术官凯文·斯科特（Kevin Scott）对等待下一个突破性模型的人工智能初创公司提出了一些建议：这项技术已经能够做远超大多数人所能利用的事情，因此不要再等待，开始构建吧。</p>
<p>此外：真正的客户吸引力仍然比在线热度更为重要。</p>
<p>在最近一次南公园公共活动中，斯科特与该组织的普通合伙人、前 Dropbox 首席技术官和 Facebook 工程师阿迪提亚·阿加瓦尔（Aditya Agarwal）一起发言，斯科特表示，创始人们正坐拥 “巨大的能力过剩”——这意味着当前的人工智能系统能够做的事情远超大多数基于它们构建的应用。</p>
<p>他以 ChatGPT 为例：他表示，推出时其基础模型 “相当老旧”，而当时没有人（包括斯科特和他的同行）预测它会成为一个潜在的万亿级产品。</p>
<p>斯科特说：“进行实验的成本从未如此之低。因此，去做那些该死的实验。尝试一些东西。”</p>
<p>他说，障碍不在于模型能力，而在于将其实际应用所需的那些不光鲜的集成工作。</p>
<p>“你需要做的一些事情来挖掘这些系统的能力就是一些看起来很丑陋的管道工作，或者是肮脏的产品构建，” 他说。“但你在初创公司，这就是你的生活。这更多的是关于磨练。”</p>
<p>斯科特还警告创始人不要将在线关注误认为是真正的吸引力。他表示，当前环境充斥着 “虚假信号”——从媒体报道到投资者兴趣——这些并不真正与您是否构建了有用的东西相关。</p>
<p>“你有一群人的商业模式是获取在线文章的点击量或让人们订阅他们的 Substack，” 他说。“如果你相信生态系统的这一部分向你发送的反馈，可能会导致你朝着完全错误的方向前进。”</p>
<p>他说，真正的信号来自于构建客户真正喜爱的东西。</p>
<p>其他话题包括：</p>
<ul>
<li>开源与闭源模型（他有效地将其框定为工具箱，而不是战斗，并表示微软同时使用两者）。</li>
<li>在人工智能训练中专家反馈的重要性，他认为这是潜在的初创公司优势。</li>
<li>为人工智能代理构建记忆系统的基础设施挑战，他表示，仅仅训练更大的模型无法解决这个问题。</li>
</ul>
<p>请在上方或南公园公共 Minus One 播客中查看完整演讲。</p>

<p>微软首席技术官凯文·斯科特建议人工智能初创公司停止等待更好的模型，开始进行实验，因为当前的人工智能系统仍有未开发的潜力。他强调了真实客户吸引力的重要性，胜过网络热度，并警告媒体和投资者可能发出的虚假信号。斯科特指出在人工智能开发中需要进行实际的集成工作和专家反馈，并讨论了开源与闭源模型以及人工智能内存系统中的基础设施挑战</p>

<p>Microsoft CTO Kevin Scott has some advice for AI startups waiting for the next breakthrough model: the technology can already do far more than most people are getting out of it, so stop waiting and start building.</p>
<div class="lb-trans"><p>微软首席技术官凯文·斯科特（Kevin Scott）对等待下一个突破性模型的人工智能初创公司提出了一些建议：这项技术已经能够做远超大多数人所能利用的事情，因此不要再等待，开始构建吧。</p>
</div><p>Also: real customer traction still matters more than online buzz.</p>
<div class="lb-trans"><p>此外：真正的客户吸引力仍然比在线热度更为重要。</p>
</div><p>Speaking at a recent South Park Commons event with the organization’s general partner, former Dropbox CTO and Facebook engineer Aditya Agarwal, Scott said founders are sitting on a “gigantic capability overhang” — meaning that current AI systems can do far more than most apps built on top of them.</p>
<div class="lb-trans"><p>在最近一次南公园公共活动中，斯科特与该组织的普通合伙人、前 Dropbox 首席技术官和 Facebook 工程师阿迪提亚·阿加瓦尔（Aditya Agarwal）一起发言，斯科特表示，创始人们正坐拥 “巨大的能力过剩”——这意味着当前的人工智能系统能够做的事情远超大多数基于它们构建的应用。</p>
</div><p>He cited ChatGPT itself as a past example: the underlying model was “pretty old” when it launched, as he put it, and nobody (including Scott and his peers) predicted at the time it would become a potential trillion-dollar product.</p>
<div class="lb-trans"><p>他以 ChatGPT 为例：他表示，推出时其基础模型 “相当老旧”，而当时没有人（包括斯科特和他的同行）预测它会成为一个潜在的万亿级产品。</p>
</div><p>“The cost of doing the experiments has never been cheaper,” Scott said. “So do the damned experiments. Try things.”</p>
<div class="lb-trans"><p>斯科特说：“进行实验的成本从未如此之低。因此，去做那些该死的实验。尝试一些东西。”</p>
</div><p>The barrier isn’t model capability, he said, but the unglamorous integration work needed to put it to practical use.</p>
<div class="lb-trans"><p>他说，障碍不在于模型能力，而在于将其实际应用所需的那些不光鲜的集成工作。</p>
</div><p>“Some of the things that you need to do to squeeze the capability out of these systems is just ugly-looking plumbing stuff, or grungy product building,” he said. “But you’re in a startup, that’s kind of your life. It’s more about the grind.”</p>
<div class="lb-trans"><p>“你需要做的一些事情来挖掘这些系统的能力就是一些看起来很丑陋的管道工作，或者是肮脏的产品构建，” 他说。“但你在初创公司，这就是你的生活。这更多的是关于磨练。”</p>
</div><p>Scott also cautioned founders against mistaking online attention for real traction. The current environment, he said, is flooded with “false signal” — from media coverage to investor interest — that doesn’t really correlate with whether you’ve built something useful.</p>
<div class="lb-trans"><p>斯科特还警告创始人不要将在线关注误认为是真正的吸引力。他表示，当前环境充斥着 “虚假信号”——从媒体报道到投资者兴趣——这些并不真正与您是否构建了有用的东西相关。</p>
</div><p>“You’ve got a bunch of people whose business model is getting clicks on articles online or getting people to subscribe to their Substack,” he said. “If you believe the things that particular part of the ecosystem is sending to you in terms of feedback, it could be that you’re steering yourself in exactly the wrong direction.”</p>
<div class="lb-trans"><p>“你有一群人的商业模式是获取在线文章的点击量或让人们订阅他们的 Substack，” 他说。“如果你相信生态系统的这一部分向你发送的反馈，可能会导致你朝着完全错误的方向前进。”</p>
</div><p>The real signal, he said, comes from building something customers actually love.</p>
<div class="lb-trans"><p>他说，真正的信号来自于构建客户真正喜爱的东西。</p>
</div><p>Other topics included:</p>
<div class="lb-trans"><p>其他话题包括：</p>
</div><ul>
<li>Open-source vs. closed-source models (he effectively framed this as a toolbox, not a battle, and said Microsoft uses both).</li>
<li>The importance of expert feedback in AI training, which he views as a potential startup advantage.</li>
<li>The infrastructure challenge of building memory systems for AI agents, a problem he said won’t be solved by simply training bigger models.</li>
</ul>
<div class="lb-trans"><ul>
<li>开源与闭源模型（他有效地将其框定为工具箱，而不是战斗，并表示微软同时使用两者）。</li>
<li>在人工智能训练中专家反馈的重要性，他认为这是潜在的初创公司优势。</li>
<li>为人工智能代理构建记忆系统的基础设施挑战，他表示，仅仅训练更大的模型无法解决这个问题。</li>
</ul>
</div><p>See the full talk above or on the South Park Commons Minus One Podcast.</p>
<div class="lb-trans"><p>请在上方或南公园公共 Minus One 播客中查看完整演讲。</p>
</div>

Microsoft CTO to AI startups: Stop waiting for better models and ‘do the damned experiments’

- 微软首席技术官 Kevin Scott 建议 AI 初创企业应尽快开发，而非等待突破。  
- 他说，当前 AI 系统的能力远超多数应用，真正的客户吸引力比线上热度更重要。  
- Scott 指出，整合工作的复杂性是障碍，而非模型的能力。

微软首席技术官对人工智能初创公司表示：不要等待更好的模型，‘赶紧去做实验’