Jacob：没错，没有家长就没有VC。
Brendan：这就是“权威背书”。
Patrick：说到融资，你们之前（注：今年2月）刚完成一亿美元的B轮融资，恭喜！这笔钱会怎么用？你们是怎么判断何时该融资的？
Brendan：其实我们唯一主动去融资的就是种子轮，为了说服父母退学。A轮和B轮都是被投资人“抢投”的。我们的想法是保持稀释率在5%左右，建立“弹药库”，用来投入产品研发，比如推荐激励、创新的消费级产品，扩大市场供给端，也会投入更多后训练数据，提升模型表现预测能力。我们ML团队最大的瓶颈其实就是做更多评测和训练环境，这也正好和我们的主营业务吻合。
Jacob：你们的客户群有很多基础模型公司，你怎么看这个领域的未来？有人说会只剩两三家巨头，你觉得最后会有多少玩家？他们会怎么差异化？
Brendan：这是个好问题。我坚信OpenAI现在和未来都会是产品公司，而不是API公司。很多API能力会大宗商品化，关键是怎么和客户场景深度集成，这才是定价权的来源。但市场足够大，每家都能在细分领域吸收大量价值。哪怕有实验室专注做对冲基金，也能赚巨额利润。大家喜欢用经验主义说这些公司估值虚高，但如果你从“自动化知识型工作”这个第一性原理出发，这些顶级团队一定能做出伟大的公司。
Jacob：现在模型跨领域泛化很强，所以感觉赢家通吃，还是会有细分领域的佼佼者？你举的对冲基金例子很有意思，说明应用层还有很多空间。
Brendan：对，聚焦很有价值。我觉得做通用API不是好生意，最终只会剩下一家。更多价值会在应用层，每个垂直领域和客户场景都需要深度定制。
Jacob：你觉得这些定制模型会需要很多复杂的标注吗？
Brendan：肯定会。比如每个交易公司都能针对自己独特的交易分析做评测，判断哪些结论准确，哪些不准，能否转化为盈利。如果有一流的后训练团队专门优化交易分析，比人类交易员更快，那机会大得惊人。
Jacob：感觉有些交易公司最优策略应该是暂停交易，花九个月专注后训练模型。
Brendan：我其实很惊讶，很多交易公司在后训练上的投入比想象中少，可能是地理原因——他们主要在纽约，实验室和研究员都在旧金山，而且顶级研究员更想做AI，不愿意只为赚钱。但我相信他们会大举投资，和前沿实验室形成九位数、十位数的合作，定制自己的应用。
Jacob：你现在在AI领域最大的未知是什么？如果能知道答案，对公司运营会有什么影响？
Brendan：还是你刚才说的，人类五年、十年后会做什么。这是个极难的问题，也是公司使命的一部分。我们有各种直觉，但世界变化太快。很多工作会被自动化，我们需要更好地理解未来人类的新机会和经济角色，这很重要。