Sridhar Ramaswamy做过Google高管，也从Google离职创办了搜索引擎Neeva。如今担任Snowflake CEO的他，正面对一个比当年更直接的问题：当模型可以写代码、Agent可以重建软件，软件公司还能靠什么留住客户？
他对这个问题的兴趣，也来自一次创业失利。创办Neeva时，Sridhar相信广告模式限制了搜索体验，却没有想清楚新搜索引擎究竟该怎样服务用户。后来，大模型让“直接给出答案”成为可能，但Neeva已经错过了时机。这段经历让他反复强调：看见旧产品的问题，和找到新产品的形态，是两回事。
在与South Park Commons创始人Aditya的对话中，Sridhar从Google和Neeva的经历谈起，进一步讨论开源模型、Agent和企业软件的未来。他最关心的不是软件还能不能被造出来，而是当它越来越容易被造出来，什么价值仍然难以复制。
访谈的主要观点包括：
1. 选择新方向，要看旧能力还能发挥多少作用。从Google高管转向消费者创业，意味着他熟悉的团队管理和业务运营无法直接解决产品与市场契合的问题。从Snowflake高管转任CEO，过去积累的能力则仍然适用。
2. 创业者需要把问题想清楚，不能只知道现有产品哪里不好。他认为Neeva对广告搜索局限性的判断有道理，但团队缺少一张清晰的路线图：更好的搜索体验具体是什么，用户为什么会换过来？
3. 机会出现之后，执行速度同样重要。在他看来，早期Bing聊天产品已经展示了AI搜索的潜力，却迟迟没有解决响应过慢的问题，最终没能把领先体验变成领先产品。
4. 闭源模型会率先突破，开源模型也会持续追赶。这种交替变化让Snowflake有理由保持模型选择权，让产品运行在不同模型之上，并按任务优化成本。
5. Agent时代，harness 可能成为新的入口。他将harness比作浏览器，认为如果一家公司的产品只能埋在别人的Agent框架之下，就可能逐渐失去与最终用户的联系。
6. 代码容易生成，企业软件就更需要证明长期价值。Snowflake押注的是缩短客户从部署到获得价值的时间，并通过每一次使用积累反馈，让下一次使用更有效。
7. 难以复制的价值，往往存在于软件之外。广告系统和市场平台能与真实世界持续互动，形成外部难以看见或重建的反馈闭环；单纯依靠软件复杂度建立的壁垒，正在变得脆弱。
8. 判断用户想要什么，要看他们做了什么。Neeva让他意识到，用户口头上可能在意隐私和广告干扰，但实际选择时，便利性与可获得性往往更有分量。
从-1到0：如何选择值得投入的方向
Aditya：你显然很喜欢把自己置于一种可能失败、也可能成功的境地，而且这种选择的上行空间很大，潜在回报也很高，在 South Park Commons（SPC），我们其实非常关注从-1到0这一阶段。具体来说，我们的使命就是和真正有才华的人一起，给他们一些时间和空间，让他们去想清楚哪些想法值得去做，哪些事情值得去投入。
Sridhar，你的职业轨迹之所以如此令人印象深刻，其中一个原因就是，你曾好几次把自己重新带回到-1。你加入Google之前，已经在企业软件领域取得了不错的发展；但加入Google后，你又重新回到了IC（IndividualContributor，个人贡献者）的角色。这个我们后面再展开聊。
不过我很好奇：你是怎么决定自己应该做什么的？你过去挑选方向的成绩很好。你通常会用哪些标准去判断一件事情是否值得做？
Sridhar：至少在什么时候、以及该如何推动改变这件事上，我的想法会更细致一些。
首先，改变是件好事，重新开始也是件好事。但你也必须真正意识到，从零开始是非常残酷的。
这种想法其实很早就形成了。我当时想考进IITs，也就是印度最顶尖的一批高校。第一次考试我惨败了。尽管我父亲对此非常不满，我还是决定接下来花一整年专心准备考试。他当时就说：“你真傻，你应该直接去上大学。”但我觉得，这个选择值得赌一次。
类似地，十年之后，我很遗憾地得出结论：研究并不是我特别擅长的事情。于是我重新调整方向，告诉自己：“好，那我试着去做软件工程师。”毕竟，我本身也有一定的软件工程背景。
所以找到适合做出这些改变的时点很重要。但最重要的是，你要清楚地知道，在你所处的领域里，什么是真正能够创造价值的；与此同时，最好还能把这种判断和你自身能够带来的优势结合起来。
举一个现在回头看并不算理想的转变：我当时在Google负责一个非常庞大的团队和一项规模很大的业务，后来却选择出来创业。
现在回头看，这并不是一个特别好的转变，因为当时让我成为Google一名优秀高管的很多能力——比如运营一个相当复杂的业务或管理一个大型团队、组建团队、激励团队、制定产品战略——在我创办Neeva之后，基本上都派不上什么用场了。
因为Neeva是一家consumer company（面向消费者的公司）。在那里，最重要的是Product-Market Fit（产品与市场的契合），而这件事在很大程度上又存在很大的偶然性。我在Neeva的时候，感觉自己非常无能为力。这就是一个典型的例子：做出这样的改变时，里面承载的风险实在太多了。
相比之下，从Neeva到Snowflake——或者更准确地说，从在Snowflake担任SVP（高级副总裁）到成为CEO——虽然同样是挑战，但这些转变要容易得多，因为即使这是一个全新的职位，我过去积累的一整套能力依然能够发挥很大的作用。
Aditya：所以，从你刚才说的这些内容里，其实有很多值得总结的地方，但我先挑两个来说。
第一点，你显然很喜欢把自己置于一种可能失败的境地，比如你会想：“好，我没考进IIT。”但与此同时，你也可能因此获得很大的上行空间，存在很高的潜在回报。
你会不会觉得，自己需要这种对未知可能性的刺激感？我自己作为一个创业者，也确实喜欢做一些挺疯狂的冒险运动。有时候我也会想，自己内心深处是不是有一种冲动，就是要不断把自己推到能力的边缘，看看自己究竟能做到什么。
Sridhar：我喜欢挑战，挑战能让你更了解自己。但其实，失败反而更有意思。
我经常告诉别人，也告诉自己：你不是你的失败，你也不是你的成功。这种不断努力、不断追求的状态，并不是每个人都喜欢，但这是非常人性的一部分，而且真的很重要。
从Google学到的经验：如何在AI时代做产品
Aditya：在我们继续聊Neeva之前，我有点好奇。你在Google待了很长时间，而且那是一段非常辉煌的经历。不只是因为你在Google工作，还因为你参与打造了很多我想我们大多数人每天都会用到的产品，比如搜索和广告，而且这两个本身都是相对独立的产品。
你觉得，在座这些创业者可以从你在Google的经历中学到些什么，尤其是在今天这个时代——也就是AI时代做产品、创业的过程中？无论是公司文化、如何去做、应该做什么，还是如何确定优先级，你在Google的经历里有没有总结出一些在今天依然特别有意义的东西？
Sridhar：我想，在座各位其实都能凭直觉理解这一点。真正优秀的创业者所拥有的核心超能力——比如Elon，当然还有Larry和Sergey——就是他们极强的reductive ability（化繁为简的能力）：能够剥离掉所有表面的细节，直达问题的核心，并通过持续不断的讨论，把真正重要的事情想清楚。
我和Larry、Sergey谈任何事情，从来都不是一件轻松的事。他们会不停地争论。IIT也是一样，我们会就每一件事情争论不休，不管重要还是不重要。但正是在这样的讨论中，真正重要的东西才会浮现出来——在特定情况下，究竟什么事情才是真正值得推动、真正重要的。
Larry、Sergey，以及Eric——我在Google工作的大部分时间里，Eric都是CEO——还有一个很重要的特点：他们在做到这些的同时，依然是非常好的人。
我经常跟别人说，尽管我给过他们无数次发火的理由，但他们三个从来没有对我大吼大叫过。我就是会跑去跟他们争论各种事情，而且一争就是几个小时。他们把这些都当成了智力上的挑战。我从来没见过他们对任何人无礼，也从来没见过他们冲任何人大喊大叫。我觉得，他们既是非常好的人，又是极其执着的竞争者。毫不夸张地说，我们确实让很多公司退出了市场，但那依然是公平竞争，而且他们对身边的人都非常好。
在我看来，这种不懈追求和人性之间的结合，既是Larry、Sergey和Eric三个人的鲜明特质，也是Google这家公司很重要的一部分。
图片来源：Google Blog
有些东西，只有当你离开之后，才能真正意识到、真正学到。因为那时候你才有机会从外部重新审视自己在那里的经历，或者从一个由外向内的视角去看一家公司。Google确实是一个非常非凡的地方。
Aditya：对，我很喜欢“极强的化繁为简能力”这个说法。因为你去听Elon的一些采访时，会发现一个很常见的说法就是：“哦，他怎么总是在谈物理定律。”但我觉得，他之所以经常这么做，归根结底，是因为他会把问题不断简化到最核心的几个问题上：什么是真正重要的？哪些地方是我可以改变的，哪些地方是我改变不了的？
所以，我觉得他最后呈现出来的那种非常简洁、甚至有点禅意般的视角，其实是这些年来不断训练这种化繁为简能力的结果。
Sridhar：我是说，对他所处理的那些事情而言，那些就是无法改变的基本规律。如果你让Elon去做物理学研究，我敢肯定，他也会开始争论弦理论，以及“物理学中什么是无法撼动的基本规律”。这其实只是一种思维方式。
Aditya：对，这很有意思。至少在SPC，我们和潜在创业者交流的时候，他们身上可能最能决定其发展方向的特征之一，就是我们内部所说的“clarity（清晰度）”。
具体来说，对于一个问题，他们可能花0分钟把所有逻辑和细节都给你讲清楚；但如果你问他们：“归根结底，未来6个月和18个月里，对你的业务来说，真正重要的事情究竟是哪一两件？”
他们往往能给出非常简短、非常明确的答案。他们会说：“真正重要的就是这一两件事。如果这件事情发生了，我觉得我们就有机会把业务提升到下一个阶段；如果没发生，那我们就得不断调整方向，但那会是一个相当不好的信号。”
他们对自己的方向非常清楚，而且并不是说他们没有情绪或者没有激情——恰恰相反，他们对此非常投入。
我自己也很喜欢这种思维方式。尤其是在创业早期，我每天早上醒来，脑子里就会有那么一两件最重要的事情，我会一直想着它们，然后围绕这些事情行动。
你刚才已经稍微聊到了一点Neeva。你在Google待了15年之后离开了。当时你脑子里最想解决的那一两个问题究竟是什么？你为什么想用Neeva去解决它们？
我之所以这样问，是因为我在想：会不会其实是你的想法本身没有错，只是早了一年，甚至两年？还是说，用这种方式去理解当时的世界本身就是有问题的——也就是事后用counterfactual（反事实推演）方式，重新想象“如果当时怎样就会怎样”？
Sridhar：对。坦率地说，首先，这个想法最初其实是以一种比较抽象的形式形成的：以广告为支撑的搜索模式已经走到了它能够发挥作用的极限。这个判断本身没有什么问题。如果不受广告模式的束缚，你显然可以把搜索做得更好。
我觉得，Neeva真正的问题，或者说我自己当时最大的自负，在于没有一张清晰的路线图：好，那具体该怎么做？要实现一个大幅优于现有产品的搜索引擎，到底需要发生什么？
这种事情不是应该靠“先做起来再想”去摸索的，因为，如果一开始连它应该是什么样子都没有想清楚，这个项目实在太大了，根本不是靠不断开发就能找到答案的。
直到将近三年后GPT-3出现，我们才意识到：“我想点击一个链接。”——根本没人这么想。
图片来源：TechCrunch
这其实就是AI搜索引擎能够做到的一个绝妙之处：既然你把点击这一步去掉了，就可以直接一次性把用户想找的东西交给他。
我觉得，我们当时最大的问题，就是缺少这种清晰度。至于具体怎么实现，里面当然还有大量细节，而且有时候，你也可能恰好赶上一波自己原本没预料到的浪潮。这就是所谓“运气比什么都重要（better to be lucky）”的那类故事。
但归根结底，Neeva的根本问题还是缺少清晰的答案：好，我们要做一个新的搜索引擎，但具体该怎么做？
Aditya：你知道，其实也可以说，当初打造GPT-3.5和ChatGPT的那些人，在产品真正推出、大家开始使用之前，也未必完全知道自己手里到底有什么。
结果一出来，所有人都开始说：“哦，原来这才是正确的方式。”从互联网搜索，到电子商务，再到其他各种事情，似乎都可以用这一套方式重新做一遍。所以有时候确实需要运气，但也有serendipity（机缘巧合、意外发现）。你先把东西做出来、放到市场上，然后才会发现，它可能突然开始起飞，甚至发展出一种完全超出预期的生命力。
Sridhar：没错。首先，机缘巧合当然很重要，但执行同样重要。如果你回到2023年初，看看当时的情况，在座有多少人还记得那句“we will make Google dance（我们要让Google手忙脚乱）”的演讲？
Aditya：这是Satya说的。
Sridhar：对，这句话就是Satya说的。当时机会其实就摆在那里，等着有人抓住。
我想在座大多数人可能都不记得Sydney了，但当时的Sydney其实比ChatGPT强得多。2023年的大部分时间里，ChatGPT输出的内容都相当糟糕。你问它事实性的问题，如果是那种需要较强推理能力的问题，它反而可能答得很好；但如果你只是问一个具体事实，它往往会毫不犹豫地编一个答案出来。
而Sydney，也就是Bing的chatbot，当时已经解决了这些问题。它唯一一个致命缺陷是：每次交互都要花两分钟。但他们始终没有解决这个问题。
而这些人恰恰就是后来为OpenAI提供算力的那批人。他们没有看到眼前的机会。Bing本身每年的收入就超过100亿美元，所以如果要把Sydney推成下一代搜索的核心体验，他们其实会承担很大的风险。但问题在于，真正做出了更好搜索体验的是他们，而不是OpenAI；可他们最终还是把这个机会错过了。
AI模型生态：开源与闭源的竞争
Aditya：所以，打造新产品真的很难，非常难。
在我们稍微聊一下Snowflake之前，我想先问问你的看法。现在是不是一个非常适合做open-source model（开源模型）的时代？我们刚刚有GLM-5.2发布，而且评价非常高。总体来说，我觉得GPT-5.5也很令人兴奋。至于Fable，不管它到底是什么——至少听起来，如果我能用上的话，应该也挺酷的。
Sridhar：顺便说一句，现在有一种观点认为，模型的所有进步其实都取决于底层硬件，而Fable和5.6只不过是运行在B200上的模型。
Aditya：对，我知道。所以我真正想问你的是：你现在怎么看整个模型生态？
现在领先的模型厂商——比如Gemini、ChatGPT和Claude——再加上六七个大型open-source models。站在你现在Snowflake CEO的位置上，你会怎么思考，应该如何在这样的生态里做选择、应对和布局？
Sridhar：站在Snowflake CEO的角度？首先，这其实一直在重复一种循环：frontier model（前沿模型）厂商会在某些维度上推出明显更强的模型，然后open-source models再逐渐追赶上来。我觉得真正令人惊讶的是，真正有能力做出frontier model的公司，其实就那么几家。
Aditya：还是让我觉得不可思议。真的有点疯狂。我就是觉得：“可钱也不是万能的。”对，确实不是。我到现在还是觉得这件事挺不可思议的。
Sridhar：frontier labs（前沿模型实验室）的能力不断增强，至少对很多企业客户来说，确实带来了一些担忧：“等等——如果所有软件都变成这样呢？”
你看，Satya曾经在Twitter上发过一条相关的内容，《The Wall Street Journal》好像也刊登过一篇文章。设想一下这样一个世界：所有软件都消失了，而这些模型成为几乎整个人类与底层数据之间的接口，那会是一个完全不同的世界。
所以，人们确实会担心，过度依赖单一的模型来源会带来风险。
Aditya：对，本质上，这其实是在担心中心化。
Sridhar：完全正确。所以，Snowflake一直以来的优势之一，就是面对cloud service providers（CSPs，云服务提供商）时，我们始终是一个中立的数据平台。有很多客户会把主要业务运行在AWS上，同时在Azure上部署一个灾备实例。我们过去的一个核心卖点就是：你的部署可以很容易地从AWS迁移到Azure。
不过，大家其实都知道，软件真没那么容易搬过去。云计算这件事，说起来很简单，但现实中做起来非常痛苦。哪怕只是把一个中等规模的部署从一个CSP迁移到另一个CSP，里面也会有大量和特定CSP深度绑定的接口和依赖，绝大多数公司都会掉进这个坑里。
现在到了AI领域，我们的整体布局也是基于同样的思路。我们的Snowflake orchestrator（编排器）CoCo，也就是Snowflake的coding agent（代码Agent），以及我们认为未来会成为workflow front end（工作流前端）的CoWork，都让我们能够做到这样：你用我们的产品，而我们来确保它在OpenAI和Anthropic上都能同样出色地运行。这本身就是一个卖点。
而open-source models（开源模型）在很多方面又进一步强化了这一点。因为我们有一个团队，专门负责把我们的harness（运行框架）运行在各种open-source models之上。我们也有一支非常优秀的inference（推理）团队，所以我们甚至可以直接自己运行这些模型。对于Snowflake这样一家公司来说，这意味着完全不同的成本结构。因此，整体来说，我们现在的布局其实相当不错。
我们还可以进一步做cost optimization（成本优化）。比如，我们有一位工程师想出了一个非常巧妙的Skills编译方法，这种感觉几乎就像历史重新上演了一遍：最开始，我们有代码；后来有了模型；然后我们开始用英文描述要做什么；而现在，对于那些最简单的任务，我们又把它们重新变回代码。而且这样做的成本非常低。
Aditya：感觉就像是，如果我们能把这些Skills全都转换成简单的代码，然后把它们做成类似bytecode（字节码）这样的东西，让它们运行得高效得多，再让compiler（编译器）进一步对它们进行优化，那不是很好吗？
Sridhar：完全正确。所以你会看到，这个循环又回来了。从这个意义上说，这对Snowflake这样的公司其实是个好消息。
但话说回来，有很多基本的规律依然不会改变。harness是新的browser（浏览器）。不管别人怎么说，把自己的产品埋在别人的harness下面——我们中的一些人可能不得不这么做——都会带来很多风险。
所以，我们一直以来都非常认同这一点。一部分原因是我过去有consumer background（面向消费者产品的经历），我的联合创始人也有类似的经历。因此，我们非常看重打造能够直接触达最终用户的产品。在现在这样的时刻，这一点就会变得非常有价值。
Aditya：那我再稍微追问一下，想让你做一个面向未来的判断：你觉得未来12到24个月，甚至未来几年，模型生态会如何发展？
你觉得，最头部的三四家公司——还是OpenAI、Anthropic、Google，可能还有Meta——在资本、芯片，也许还有研究人才方面形成了足够高的集中度，以至于它们能够比较稳定地保持6到12个月的领先优势？
还是说，open source和closed source之间的差距实际上会开始缩小？我自己其实没有明确的看法。
Sridhar：我觉得这会呈现周期性的变化。你说得没错，有时候会出现一个非常强的closed-model release（闭源模型发布），然后open source一点点追赶，再然后又会出现一个更强的闭源模型。
至于Fable会怎么样，我们还得看看。显然，我觉得现在很难判断，所以也很难知道Fable到底会带来多大的跃升。要么你做很多预测，要么你干脆一个都不做，所以我觉得现在确实很难说。
芯片和AI模型有一个很独特的地方，就是各种不同的芯片和各种不同的模型，都存在近乎无限的需求。
比如说，有大量任务运行在A10芯片上，这本身就很特别。A10完全够用，五六年前Neeva就在用它们，而直到今天，它们依然非常有用，即使旁边已经有最新的B200。
而且，现在一个compute hour（计算小时）的价格，实际上还比以前更高了——因为市场上有足够的需求。未来这个情况还会继续变化。
但我觉得，现在真正困难的是，frontier models要想长期保持非常、非常、非常大的差距，似乎并不容易。
首先，目前这样的公司就已经有两家，未来可能还会更多，与此同时，还有一批open-source labs（开源模型实验室）能够相对快速地追赶上来，这才是现在最有意思的现象。
这对我们所有人都是好事，因为这意味着市场不会被高度集中。
图片来源：NVIDIA官方网站
我们所有人都在大谈open source，却经常忘了一件事：Google实际上曾经让整个搜索研究领域逐渐失去了空间。试想一下，如果你拿不到这个世界上最大规模、人人都在使用的搜索产品所拥有的数据，甚至连其中千分之一都拿不到，那还有哪个学者会愿意继续研究搜索？
同样，支撑社交网络的那些算法，也并不是open source的重要来源——尽管Meta确实在很多其他领域贡献了大量open source。
所以，我觉得我们本来完全可能走向这样一个世界：最终只有一家模型供应商。
就我个人而言，我觉得我们现在真的很幸运，因为最终可能会有三家、五家，或者七家公司。
Aditya：对，这是个很好的观察。我当时算是比较早期就在Facebook工作的人——我记得，我们三个人最早发布了Facebook的一个open-source package（开源软件包），不过那主要是基础设施，本质上是一个RPC layer（RPC层）。
但你说得完全对。再往更广的方向看，比如内容排序以及各种内容处理，21世纪初其实有大量相关研究，后来大家就都不做了，因为如果你根本拿不到News Feed的数据，那你还能研究什么？根本没有意义。
Netflix当时也办过一段时间的Netflix Prize，后来因为隐私问题不得不停止。所以后来基本没人愿意继续做这类事情了。
我觉得，站在用户的角度来看，现在存在这么多open-source models（开源模型）其实是一件非常好的事情。就我自己来说，我现在也会运行个人Agent。大概就在一周前吧，我也不太确定，突然之间我的Hermes Agent决定要用掉600美元的Claude Opus4.8。
我当时就想：“一天600美元？就算是再好的助手，这也有点太贵了。”但解决起来其实很简单：换成一个便宜的open-source model，让它跑起来，然后看看效果你是否满意。结果你会发现：“哦，实际上，我根本分辨不出差别。”而且效果非常棒。
AI时代的软件价值：Snowflake如何构建护城河
Aditya：接下来我们换个话题，聊聊Snowflake。我有点好奇——我记得Snowflake从技术上来说，应该是全球有史以来规模最大的software IPO（软件公司IPO），如果我没记错的话。按融资金额计算，它应该是全球规模最大的software IPO。
Sridhar：对，按融资金额计算是这样的。
Aditya：太疯狂了。从历史上看，我记得你之前提到过这一点：Snowflake做的事情，本质上是开发非常复杂的软件，然后把它卖给客户，再帮他们完成部署。
但我们现在所处的时代，软件已经变得更容易创建、更容易开发了。
到目前为止，我们经常谈到一些可以通过vibe coding（自然语言驱动的代码开发）做出来的软件——可能是网站、App、内部工具、Dashboard（仪表盘），甚至可能只是我的创业想法做出来的第一个版本。但现在，已经有人开始做文件系统了。
我们投资组合里就有几个人，他们说：“其实我们就五个人。传统上，一个文件系统是非常复杂的东西，但你知道吗？我们现在就是可以把它写出来，因为我们大概已经有这个能力了。”
所以这里自然就出现了一个问题：现在很可能已经有人在这些coding agents（代码Agent）的帮助下，开发一种现代化的分析、存储和数据库解决方案。
你怎么看这件事情？
Sridhar：是的，毫无疑问，外面肯定已经有人在做分析解决方案了。不过，其实已经有Postgres了，而且它本身就是开源的，现在也有很多人在它的基础上开发各种东西，还有人在做CRM系统，以及其他各种各样的软件。我觉得，每家公司都需要认真思考一件事：自己真正能够长期保有的价值到底是什么。
过去，只要你能让企业采用你的软件，让你的软件深入他们日常的工作方式，那么这种熟悉度本身就足以形成一道“护城河”，让企业不会轻易考虑更换。但这一切正在发生变化。所以，我们确实会花很多时间思考，我们真正能够长期提供的价值是什么。
其中很重要的一点，就是让客户能够更快地从数据平台这类产品的投入中获得实际价值。比如，我们能从用户的使用情况中了解到什么？
我把CoCo看作未来一个非常重要的战略推动力，但并不是因为它可以帮助客户更快地在Snowflake上部署东西，而是因为它能够学习：一家特定的公司究竟需要做什么，才能更快地在Snowflake上完成他们真正想完成的任务。
图片来源：Snowflake官方网站
它已经开始形成一个feedback loop（反馈闭环），帮助我们理解，针对某一个具体客户，究竟应该怎样持续优化。比如，我之前也和一些人聊过一个想法——现在这甚至已经不算什么大胆的理论了：所有软件最终都可以被简化成运行在某种数据底座上的少数几个Skills，而这些Skills本身还可以不断自我演进。我们已经在自己的很多内部系统中这么做了。
我们从头重建了一个SRE（Site Reliability Engineering，站点可靠性工程）系统。最开始，它基本上就是一些Snowflake数据。
第一天，什么都没有。第一周结束时，已经有大概20多个Skills。到了第二周结束时，Skills的数量已经多到我都很难逐一梳理清楚，更别说弄明白整个系统到底发生了什么。在接下来的三个月里，它的结构一直在不断演化，到现在，它已经变成了一个完整的系统。
所以，我们现在会非常认真地思考几个问题：整个部署生命周期是什么？价值创造到底意味着什么？Snowflake究竟能提供什么，是其他公司无法提供的？
我的看法是，相比之下，比如Claude Code，或者Codex再加上一些开源系统，我们需要让客户更快地获得实际价值，这就是我们接下来要面对的竞争。但核心思路其实很明确：要从长期、持久的价值出发，还要思考，产品的使用如何让下一次使用变得更快、更高效。
有意思的是，在AI时代，广告系统反而是一种相对稳固的业务模式，因为它们包含一个外部世界很难看见的反馈闭环。所以，我们所有人都需要开始思考：如果所有软件都可以被轻易复制，那么最终真正能够留下来的东西是什么？
Aditya：这个回答其实很好，你的意思基本是：没错，现在代码确实可以非常容易地生成出来。但从历史上来看，企业软件过去最大的特点之一，就是time to value（从投入到产生价值所需的时间）很长。
你要怎么把解决方案真正部署到客户那里？怎么定制？怎么根据某个具体客户的需求进行调整？而现在，这一切其实都可以更快地完成了，因为这些代码生成系统可以帮你解决其中很大一部分问题。
Sridhar：没错。不过别忘了，另外一件同样正在发生、而且对我们所有人都适用的事情是：我们现在又可以合理地押注一件事——模型能力的提升不可能永远持续下去，总有一天会遇到瓶颈。
我们不知道那一天什么时候到来，但它一定会到。你真正需要做的，就是确保当这场增长停下来的时候，你已经坐在自己的椅子旁边。这也是为什么我们现在需要尽快把业务建立起来。
Aditya：确实。你刚才已经开始谈到这个问题了：如果软件变得越来越容易开发、成本越来越低，甚至逐渐有商品化的趋势，那么哪些企业还能保持长期价值？广告交易市场是一个例子。还有哪些领域是你比较看好的？——或者换句话说，哪些领域你觉得不会受到太大影响？
Sridhar：首先是那些能够与外部世界发生实际互动的事情。
我们刚才谈过广告生态，它本身就是一种marketplace（市场平台）。但其他类型的marketplace也具有非常可靠的长期价值，比如Airbnb、Uber，或者其他各种垂直领域的专业市场。
但我不太认为基础设施这个类别本身有什么特别之处。我想你也会同意这一点，Aditya。
过去，人们会说：“SaaS软件比基础设施软件更容易重建和替换。”但我不认为Agent会在意这个区别。比如Spark，甚至一个文件系统的实现，只要你手里有一个reference implementation（参考实现），就可以重新构建一个新的版本，而且可以做到API一一兼容现有系统。
所以，就长期价值而言，我现在还看不到太多其他例子。它必须是某种超越软件本身的东西。
保持学习：如何在AI时代获取和消化信息
Aditya：Sridhar，我们刚才聊天的时候，有一件事让我印象特别深，就是你非常愿意学习，也总是希望每天醒来都能不断接触新的东西。
尤其是现在，正处在一个非常不可思议的时期。变化的速度之快意味着，如果你喜欢学习，这种节奏有时候会让人有点应接不暇，但同时又非常令人兴奋。
你每天醒来，都会发现一些新的东西。你很容易一边觉得信息量太大，一边又因为进步的速度而兴奋不已。
所以，你平时是怎么获取信息的？你是那种经常刷Twitter的人吗？还是更喜欢读Substack上的newsletter（新闻通讯）？或者你喜欢和自己认识的那些最聪明的人聊天？换句话说，你是怎么从自己接触、吸收的信息中获得真正有价值的洞察的？
Sridhar：首先，我觉得现在这个时代，如果你还有一份日常工作，尤其是像我这样，那你最好做好投入无限时间的准备。
我经常看到，那些对身边AI世界发生的一切完全不了解的人，往往就是那种——我之前聊天的时候也说过这件事，Richie当时还笑了——如果你的日程表严格按照朝九晚五来安排，而且还想过正常的生活，那么AI可能真的不适合你。因为不花大量时间，你根本学不到东西。
首先，它确实需要投入非常多的时间。
我会和很多人交流，既有一对一的交谈，也会在Slack上交流。我和Snowflake许多最前沿的工程师都有直接联系，我们会不断来回讨论：“嘿，看看这个。”“你看，这件事原来可以做到。”
我也会花很多时间亲手折腾各种东西，在不同层面上做实验。没错，包括写代码，但也包括研究有没有新的做事方式。
我只是稍微折腾了一下，就发现CoCo，也就是我们的coding agent（代码Agent），大部分时候其实运行在Opus上。
但后来我想做一个xkcd风格的演示文稿。我当时想：“好，你只需要一个OpenAI API，就可以生成非常好的漫画。”最后，这又变成了一套演示文稿，用来教Snowflake的员工如何更好地使用Agent来编写软件。
所以，最重要的还是始终对一切可能性保持开放的心态。
我觉得这个过程确实很累，但与此同时，我过去六个月在工作中获得的乐趣，可能比前面15年甚至20年加起来还要多。现在真的是一个非常令人惊叹的时代。
经验与反思：学习、用户偏好与Google的商业化
Aditya：昨天是父亲节。我有三个年幼的孩子，所以Richie就找他们聊了几个问题。其中一个问题是：“爸爸喜欢做什么？”其中一个孩子说：“我爸爸好像总是在看书。”另一个说：“我爸爸喜欢工作。”
当时我心里有一点触动。我想，他们眼里的我，就是一个整天看书、工作的爸爸。但我后来又想，现在确实是该这么做的时候。因为我们正处在这样一个时代，你多少需要投入更多的时间和精力。
那一刻其实挺有意思的，因为现在真的很难再过朝九晚五的生活。而且我觉得，我们正处在一个变化速度极快的时代，有些事情，你确实得做出一些牺牲。
那么，有哪一本书对你的人生轨迹产生过最大的影响？
Sridhar：你问过我这个问题。我还真没有一个特别好的答案。我就给你一个比较Geek（极客式）的答案吧。我觉得，可能是高中老师给我的一本三角学课本。我花了整整一个暑假，把里面所有题目都做了一遍。现在说出来还有点不好意思。
Aditya：但这其实是个很棒的答案。搞得我现在都有点想知道那本书到底叫什么了。好，这个问题也不错：你过去曾经非常坚定地相信某件关于搜索的事情，但后来发现自己错了，是什么？
Sridhar：我当时以为人们更在乎隐私，尤其是在搜索领域。我以为，他们在意广告对使用体验的影响，也在意广告的打扰程度，已经到了愿意真正采取行动的程度。
Aditya：所以你的意思是，大多数人其实……
Sridhar：大多数人根本不在乎。我觉得，便利性——包括方便程度和可获得性——最终压过了人们对广告带来的烦恼。
Aditya：完全同意。这其实也是一个很典型的例子：人们说出来的话，并不一定代表他们真正想要的东西。
Sridhar：没错。无论是访谈、问卷调查，还是其他类似的方法，如果你只是依赖这些东西，其实什么都得不到。有一类问题，你根本就不应该去问别人。你应该去看他们实际上做了什么。
Aditya：就像stated preferences（口头表达的偏好）和revealed preferences（实际行为体现出的偏好）之间的区别。完全如此。
还有一个问题：你觉得Google做对了什么，而大多数人，直到今天依然没有真正grok（理解透彻），或者仍然存在误解？
Sridhar：你看，Google其实是不经意间闯进了人类历史上最惊人的一座钻石矿。但我觉得，Google在广告驱动的商业化这件事上，尤其是在搜索领域，做得非常出色，只是大多数人没有给予它足够的重视。
我们早期其实有一些原则，比如说，要把创造出来的价值在用户和Google之间进行分配。其中有一个50/50的分配规则。
如果你提出了一种非常好的方式，可以进一步提高广告收入，Eric总会告诉我们：“应该把其中50%用来提升广告系统的质量，另外50%才作为Google的收入。”
现在回头看，这件事情甚至有点讽刺。我还是DOJ（美国司法部）那场审判的证人之一。所以我有机会看到过去15年里自己写过的那些邮件，以及别人给我的回复。
这原本可能是一件让人非常尴尬的事情，但幸运的是并没有。
真正让我印象深刻的，是我们当年在商业化以及商业化方式上的那种深思熟虑。当然，那种极其激烈的竞争意识也是其中的一部分——这一点既存在于他们身上，也存在于我自己身上。但与此同时，他们能够始终坚持一个非常高的标准，我觉得这一点真的很了不起。
我甚至可以很肯定地说，你去看看其他几乎任何一家大型公司的广告，你都会发现，它们在广告体验上的尴尬程度，远远超过Google，甚至直到今天都是如此。
Aditya：我想我们时间差不多到了，五点之前我们就要被赶出去了。谢谢你这么坦诚地分享这些想法。我觉得我们正生活在一个非常有意思的时代，而你今天来到这里，分享自己的经历，对我们来说真的非常有帮助。所以，谢谢你。
Sridhar：非常感谢。
原视频：The Secret Superpower of Great Founders | Sridhar Ramaswamy (Snowflake CEO)
https://www.youtube.com/watch?v=dcExd-tQRj4
