Post by Wilson Huang

▉ Bill Gurley 的系統思考課：從 AI 泡沫、China 開源模型，到一張只有一頁的 Benchmark 官網 Benchmark 創投老將 Bill Gurley 上 The Knowledge Project，從系統思考、AI circular deals 為何同時拉高又延後崩盤、China 開源模型為何演化更快，到 stablecoin 如何繞過信用卡與 IPO 的監管捕獲，最後揭密 Benchmark 五人平等合夥制為何讓官網只剩一頁。一場業內老兵的思考框架拆解。 —— ▍TL;DR 1. 系統思考是他最常回去拿的那把工具：世界是「多變數、非線性」的，一個變數翻轉整個系統就換一種行為，所以別被單一指標綁架。 2. 學一個領域要兩頭抓：往回挖歷史（差異化、顯示熱情），往前衝最新的 edge（AI、TikTok），兩個都做你就是 power player。 3. China 有十幾個 open source 模型互相訓練、互相公開做法，這個競爭系統的演化速度可能比美國這套封閉系統快得多。 4. AI 的「circular deals」會同時拉高崩盤機率、又延後崩盤時間：你給錢讓對方花回你的服務，整個產業被吹得更大、更快。 5. IPO、信用卡、跨境匯款都是 regulatory capture 的活化石，stablecoin 跟即時支付正在從旁邊繞過去。 6. Benchmark 五個合夥人完全平等、沒有老大，連官網都只有一頁，這是這個結構的副作用。 ▍先認識一下講話的人 這集是 2026 年 6 月 9 日上線的 The Knowledge Project，主持人是 Shane Parrish。他原本是加拿大情報機構出身，後來靠 Farnam Street 這個部落格寫「思維模型」寫成一個品牌，podcast 專訪各路投資人跟經營者聊決策跟思考方式，基本上是知識型聽眾的精神食糧。 這集的來賓是 Bill Gurley。他是 Benchmark 的 general partner，矽谷最受尊敬的創投之一，最著名的戰績是 Uber 的早期投資人，部落格「Above the Crowd」是很多創投人的必讀。要說明一下他的現況：他在 2020 年就退出 Benchmark 的主動投資角色，沒有參與新基金，但保留合夥人身份，目前還掛在 Instawork、Nextdoor、Stitch Fix 等公司的董事會，也是 Santa Fe Institute（研究複雜系統的智庫）的董事。換句話說，這是一個打過完整週期、現在退到後排看局的業內老兵。聽他講話的價值就在這，他沒有要 sell 你任何一檔。 ▍系統思考：別被單一指標牽著走 Gurley 開場就講他最常回去拿的工具是 systems thinking。他在 Santa Fe Institute 的董事會待過，那邊研究複雜系統理論，他給的定義很乾脆：複雜系統就是「多變數、非線性」的系統。天氣、股市都是。這種系統可以維持一種行為很久，然後某一個變數一翻轉，整個東西就走另一條路，而且後果是一階、二階、三階導數一路傳下去。 他舉了一個我覺得很有畫面的例子。某個大型交友網站想驗證一個假設：把個人檔案做長一點，互動會不會變高？聽起來很合理，測了，結果是真的，互動上升，於是全面上線。幾個月後才發現，這對「轉換率」是負面的，因為當大家在那個層次知道更多資訊之後，反而不約了。 這就是二階效應的可怕之處：你當下看到的指標是綠的，真正的後果埋在好幾個月後。Gurley 的結論是，系統思考的價值不是讓你預測，而是讓你「避開麻煩」。你會對後果保持警覺，不會把整盤棋押在單一指標上。這點要留意，因為現在做產品、做投資的人，手上的 dashboard 比以前多十倍，但每個數字背後的二階效應沒人幫你標出來。 ▍一個領域，往回挖歷史、往前衝 edge 接下來這段我很喜歡。Gurley 說現在這個世界資訊被切得很碎，大家只想要 gist、只想要 executive summary，但弔詭的是，你能取得的資訊量是史上最多的，有了 LLM 更是這樣，開車一小時都能跟它學完一個領域。 他主張的反而是反過來：去鑽你那個領域的歷史。他講了兩個故事。一個是他的合夥人 Alex 在拍賣會標到跟 Pixar 創意核心 John Lasseter 吃一頓飯，結果 Lasseter 在自家放映室端出十道菜，每一道配一部他認為對理解動畫至關重要的經典卡通，邊看邊講。另一個是世界西洋棋大賽中場辦的冷知識比賽，冠軍是 Magnus Carlsen，題目全是棋的歷史。頂尖的人，往往對自己領域的源頭瞭若指掌。 他給了一個對任何人都實用的場景：你大學畢業去 P&G 面試行銷職，現場二十個人，只有你真的懂行銷史上那些大師，而且你能在面試裡講出來，這不是強到爆的差異化嗎？他朋友甚至建議大學申請 essay 就這樣寫，想念物理就去寫物理的先驅，瞬間跟所有人拉開對比，而且這會「推論出熱情」。他補一句很犀利的話：如果你覺得學這些很 tedious，那大概代表這不是你真正的熱情，你站錯跑道了。 但他馬上提醒這是兩頭抓。光懂老東西不夠，你還要死命搞懂最新的 edge。創業者能顛覆 incumbent，靠的都是邊緣正在發生的某個動態變化，現在是 AI，當年是 mobile。他自己手上同時開了五個 premium AI 帳號，就怕漏掉什麼。歷史給你框架跟熱情，edge 給你機會，兩個都做到，你在你的領域就是 power player。 我自己對這段最有感的是面試那個例子。同樣去應徵行銷，你既懂所有 legend 又真的玩透 TikTok，這種組合在台灣職場一樣稀缺得不像話。 ▍他怎麼用 AI：你低估它能做的事 Shane 問如果觀察他用一週 AI 會被什麼嚇到，Gurley 的答案是：「你常常低估它能做的事。」很多人會叫 AI 列出某個東西的前十名，然後自己拿這十個去研究。但你其實可以一次把後面的功都塞進 prompt：列前十、列每個的優缺點、用維度 A 排序、再用維度 B 排序一次。他說自己早期還會叫 AI 給數字然後自己加總，後來才發現「幹，加總這件事也能叫它做」。 他也分享了實用的分工。ChatGPT 的 project 結構跟 memory 把他黏住了，因為它認得他這個人。查餐廳他用 Gemini，因為有 Google 評論資料，而且不要只問哪家好，要問「哪三道菜大家狂推、哪些被警告別點」，直接鑽進菜單。寫 code 大家信 Claude，做公司深度研究、尤其是不熟的國家的公司，他聽說 Claude 表現更好。所以現在還是混用的局面。 關於會不會收斂成單一模型，他的判斷是「高度取決於局怎麼走」。coding 這個目前最大的垂直領域已經出現換模型的情況，Cursor 甚至讓使用者自己挑。等產業走向價格優化（現在還不是主要目標函數，但幾年後會是），換模型會更普遍。但有個反方向力量：如果監管變得極度繁瑣昂貴，反而會推向寡占，因為合規成本只有大玩家撐得住。 ... 閱讀原文請到 wilsonhuang .xyz 如果是你，會怎麼選？