谈话拆解 · 节目「换个视角看懂AI」(讲者姓名未知)· 整理于 2026-10-03

Demo 通胀:演示越来越便宜,产品没有同比例变多?

讲者的命题是:这轮 AI 浪潮最大的错觉「不是模型不够强,而是模型太强了」,每轮技术突破最先降低的「可能并不是做成产品的成本,而是做出 Demo 的成本」。[7] 这页把谈话拆成「他说什么 — 证据实际证明什么 — 还不能推出什么 — 读者如何判断」,结论停在证据能支持的位置。

一句话判定:自动驾驶中的「Demo 到产品存在很大鸿沟」有个案亲历自述支持,但自述不是独立的工作量测量。[1][5] 「技术突破先降 Demo 成本」的先后与幅度、以及「Demo 通胀」这个总体趋势,所列材料虽有从业者归纳,却未提供可比的成本对照或数量统计,不足以确立为跨行业事实。

谈话摘引中的 Waymo 数字(18 个月、约 15 年、1%)可与 Dolgov 演讲整理稿对照;核到的是其回顾与估计,不是独立核实了工期和工作量比例。[1] 「每天一万次任务」「99.9%」是讲者的举例口径,不是实测。[7]

亲历自述 / 讲者转述 演讲整理稿 / 百科时间线 媒体报道 / 作者论述 算例 / 整理者推断

标签只标来源性质,不代表证据分量。判定分三档:有条件支持(限缩后的版本有证据)、所列证据不足(不足以确立原命题,不等于命题为假)、具体事实待核(来源作了自述或转述,但本页尚未独立核实其所述事实)。

一、四组判定

每组按同一节奏:他说什么 → 证据实际证明什么 → 还不能推出什么 → 读者如何判断。

1. Waymo:「Demo 只用了大约 18 个月,规模化用了大约 15 年,Demo 可能只占整个工作的 1%」

有条件支持 · 转述口径须分开

他说什么 讲者转述

「Waymo 做出第一个看起来相当成熟的自动驾驶 Demo 只用了大约 18 个月……但真正能够提供无人驾驶服务并规模化,用了大约 15 年。Demo 可能只占整个工作的 1%。」[7]

讲者据此总结:「Demo 越来越像产品,但它依然不是产品。」[7]

证据实际证明什么 演讲整理稿

Dolgov 在 YC Startup School 2026 的演讲整理稿里回顾:Demo 用了 18 个月,产品用了约 15 年;他把一个能跑的 Demo 估为「最多是 1%」的工作量,强调后续「许多个九」的可靠性投入。他说的 Demo 是 2010 年前后的里程碑:约十二名工程师,一年半左右实现 10 万英里自动驾驶,并完成十条各 100 英里的零接管路线。[1]

整理者汇总

百科条目记载的时间线:2009 年 1 月项目启动;2010 年 10 月公开;2016 年 12 月分拆为 Waymo;2017 年 11 月凤凰城无车内安全员测试;2020 年 10 月向公众开放无车内安全员的服务。[3] 2026 年 3 月媒体报道:每周 50 万付费行程、10 个城市。[4]

还不能推出什么

  • 「18 个月」和「约 15 年」是回顾的历时,「1%」是工作量的经验估计,三者不能互算。这些表述没有给出可靠性工作与其他产品化工作的工时分解。
  • 测试、上线和规模化不是同一个终点。2017 年的无安全员测试、2018 年的上线载客、2020 年的公众无人服务是不同里程碑。[3] 「约 15 年」是 Dolgov 对从 Demo 走向规模化服务历程的概括,不宜任选其中某一年作为统一的「产品完成」日期。[1]
  • 这是个案自述。它支持 Waymo 这一自动驾驶案例中的鸿沟判断,不自动证明每个 AI 领域都是「1% 对 99%」。

读者如何判断:本页摘引的转述与整理稿的核心意思基本相符,不等于逐字一致。引用时写清这是 Dolgov 对 Waymo 历程的回顾,保留「约」「最多」等限定,并区分历时与工作量估计。把「1%」套到自己的项目上之前,先评估错误后果、可恢复性和人工兜底方式。

2. 规律:「每一次技术突破只解决最好看的 1%,没解决最难的 99%」

鸿沟有条件支持 · 跨领域规律证据不足

他说什么 讲者归纳

「深度学习来了,大家做出了各种识别 Demo;大模型来了,大家做出了各种写作、编程、客服、问答 Demo;多模态和 Agent 来了,大家做出了能看、能听、能操作软件的 Demo。」[7]

讲者把三轮浪潮并列,得出「技术突破让起点前移,但不会把终点搬过来」。[7]

证据实际证明什么 亲历自述

Karpathy 在 2025 年 10 月的访谈里说,自动驾驶的演示可以追溯到 1986 年;他自己 2014 年左右坐过一次近乎完美的 Waymo 演示,当时以为很接近了,结果仍花了很长时间。他的判断是:某些任务存在很大的 demo-to-product gap,Demo 很容易,产品很难,尤其在自动驾驶这类失败代价很高的场景。[5]

Dolgov 的七课里,除「Demo 与产品的差距」外,还有「每家物理 AI 公司都需要模拟器」「评测是竞争优势」。[1] 整理者认为,这些与讲者强调工程投入的方向相近,但不能视为对讲者整套产品化清单的逐项验证。

还不能推出什么

  • 本页所列亲历案例来自自动驾驶。所列材料未提供写作、编程、客服等领域可比的一手工作量测量;Karpathy 自己也提醒,很多行业、任务未必具有高失败代价这个属性。[5]
  • 「只解决 1%」是把 Waymo 的经验比例借用到其他浪潮。它是比喻性的归纳,不是跨领域测量结果。
  • 模型进步也可能降低产品化成本。测试、集成、运维是否因此提效、提效多少,所列材料未给出可比的成本数据;不能据此断言只有 Demo 受益。

读者如何判断:把这条当作「有自动驾驶亲历自述支持的提醒」,而不是「在所有高错误成本领域已被反复验证的规律」或「所有 AI 项目的定律」。判断自己的领域时,先看第四节的错误成本问题。

3. 「可靠性的多个九」:成功率算术与工程投入应分开

有条件支持 · 算术与经验判断分开

他说什么 讲者举例

「如果 AI 能达到 99%,每天跑一万次任务就还有一百次失败……第一个九可能来自模型能力,后面的九往往来自整个组织能力。」[7]

讲者强调「不能只问我的 AI 能做到什么,还要问它做错一次会发生什么」。[7] 错误后果是讨论可靠性需求的重要维度,但不是单独决定所需成功率的计算规则。

证据实际证明什么 亲历自述

Dolgov 在所述物理 AI 语境下认为:可靠性和性能「活在一条指数型的九的梯子上」,到第一个 90% 或 99% 是容易的部分,之后每加一个九大约要十倍努力;他以错误可能危及人命、无法像数字操作那样撤销重试来强调失败代价。[1]

Karpathy 把这一过程称为「march of nines」,认为每个九的工作量相当,Demo 能跑 90% 只是第一个九。他的粗略回忆是,在 Tesla 约五年推进了两到三个九,后面还有更多。[5]

作者论述

Garg 列出的算例是:每步 90% 成功时,10 步任务整体成功约 35%;每步 99% 时约 90%;100 步任务即使每步 99% 也只有约 37%。[6] 本页明确采用的简化前提是:每步成功率相同、步骤互相独立、任一步失败即整体失败。

还不能推出什么

  • 两种增量描述不同,但缺少可比口径。Dolgov 说每个九「约十倍努力」,Karpathy 说工作量相当;所引段落均未定义可比较的工作量单位。本页不把它们画成同一条成本曲线,也不据此认定两人在同一度量下相互矛盾。
  • 「每天一万次、一百次失败」是期望值算术,不是观察。在每天一万次任务、各次失败概率均为 1% 的假设下,期望失败次数是一百次;不要求任务彼此独立,也不意味着每天恰好失败一百次。演示成功率不能直接代替真实任务分布上的成功率。
  • 步骤独立是简化假设,不是对真实 Agent 的普遍描述。Garg 还讨论了错误进入后续步骤上下文的问题。[6] 这不使上述乘方算例变成对具体系统的实测,也不足以判断其偏差方向和幅度。

读者如何判断:两位亲历者的共同提醒是:在他们讨论的自动驾驶场景中,做出演示不等于完成产品,后续可靠性仍需工程投入。各阶段的工作量比例、每个九的投入及具体交付目标,仍须在自己的任务和系统中验证。

4. 「Demo 通胀」:惊艳演示越来越多,能稳定交付的产品没有同比例增加

所列证据不足 · 讲者用语

他说什么 讲者命名

「过去做出 Demo 本身就是门槛,现在 Demo 正在成为最低配置。一个精彩的演示可能只证明你用了最新的模型。」[7]

讲者把这种现象称为「Demo 通胀」,并提出三个「最危险的创业幻觉」:Demo 完成不等于产品快完成;产品能运行不等于商业模式成立;用户惊艳不等于长期付费。[7]

证据实际证明什么 整理者核查

所列材料不足以确认「Demo 通胀」这一中文说法的首创者,也未提供按统一口径统计演示与稳定交付产品数量的对照数据。Karpathy 对 Demo 的谨慎态度是个人判断,不是数量趋势的证据。[5]

Dolgov 演讲在 YC 视频页的标题是「Demo 只是 1% 的工作」,说明这一观点在 2026 年已被一线从业者公开强调;这是从业者归纳,并非统计验证。[2] 本页只核到该页标题,不能把它作为独立佐证。

还不能推出什么

  • 不能确认更早出处,不等于「讲者原创」;所列材料没有统计,也不等于「现象不存在」。这里只能说:所列证据不足以确认原创性或验证总体趋势。
  • 「通胀」需要可比较的口径。要检验它,至少需界定什么算 Demo、什么算稳定交付的产品、统计哪个时间窗口与范围,并提供可比较的数量或成本证据;所列材料没有给出这样的对照。
  • 三个「幻觉」的后两条并非 AI 独有。「能运行不等于商业模式成立」「惊艳不等于付费」是通用创业判断;本页所见谈话摘引没有论证它们因 AI 而加剧。

读者如何判断:把「Demo 通胀」当作一个提醒和讨论框架,不当作已被证明的市场趋势。对自己有用的版本是:当做出 Demo 的门槛下降时,判断一个项目要看 Demo 之外的指标。

二、看得见的鸿沟:时间线、三层难度、九的算术

以下仅整理所列来源中的里程碑、经验表述和假设算例;不画工期占比饼图,不画统一的成本曲线。

Waymo 公开里程碑:测试、上线载客、公众无人服务、规模化是不同的事 百科时间线 / 媒体报道

  1. Google 自动驾驶项目启动。[3]
  2. Dolgov 所说的「Demo」里程碑约在这一年:约十二人、约一年半,实现 10 万英里自动驾驶,并完成十条各 100 英里的零接管路线。[1] 同年 10 月项目公开。[3]
  3. 更名 Waymo,从 Google 分拆。[3]
  4. 凤凰城开始无车内安全员测试。[3]
  5. Waymo One 在凤凰城上线载客。[3]
  6. 向公众开放无车内安全员的服务。[3]
  7. 媒体报道每周 50 万付费行程、10 个城市;此为报道月份,不是首次达成时间。[4]

三层难度:要检验的东西不一样 讲者框架

Demo

展示「在给定条件下可能做到」。可以自选输入、彩排多次、出错重来或引入人工接管;演示条件和人工介入应当说明。

对应问题:业务结果是什么?你展示的是能力还是结果。

产品

检验「在约定范围内可持续做到」。要处理模糊输入、错误数据、权限缺失和异常情况,稳定达到交付要求,并有失败处理机制。

对应问题:代表性评测是否稳定?关注代表性样本中的持续表现,而不是最好的一次。

公司

追求「可持续、规模化、成本可承担的交付」。要组织评测集、异常处理、人工复核、权限、审计、回退和交付流程。

对应问题:失败如何发现、谁接管、代价由谁承担?

Dolgov 强调模拟器与评测。[1] Demo、产品、公司的三层区分来自讲者框架。[7] 卡片中的对应问题与措辞限缩为整理者归纳;各层工作并非互斥,也不代表量化的工作量比例。

两种「九」的口径对照 亲历自述

Dolgov(Waymo)

他认为可靠性在一条指数型的九的梯子上;到 90% 或 99% 是容易的部分,之后每加一个九约十倍努力。[1]

语境:他强调物理世界的错误可能危及人命,不能像数字操作那样撤销重试。[1]

Karpathy(Tesla 自动驾驶五年亲历者)

他将其称为「march of nines」,认为每个九的工作量相当;90% 只是第一个九。他的粗略回忆是约五年推进了两到三个九,不是精确计数。[5]

语境:亲历案例是自动驾驶;他也提醒,很多行业和任务未必具有高失败代价这个属性。[5]

所引段落没有给出可比的工作量单位。十倍与相当工作量是不同的增量描述,不能合成同一条成本曲线;共同提醒是,演示之后的可靠性仍需工程投入。

九的算术:同一失败率,任务量放大后的期望失败次数 算术

每天一万次任务的失败次数算例,非实测
单次成功率 每天一万次任务的期望失败次数 讲者对这档的描述,非通用交付标准
90%1000 次「可以做出精彩演示」,交给客户是「需要用户帮你不断善后的实验」
99%100 次「每天一万次任务就还有一百次失败」
99.9%10 次「不一定够,要看剩下的错误落在了谁身上」

每天「一万次」的设定及表内讲者描述来自谈话摘引。[7] 在各次任务成功概率等于表中设定值的假设下,期望失败次数等于失败率乘任务量,不要求任务彼此独立。期望值不保证每天的实际次数相同;演示与真实环境之间的成功率差异,也不能由这些算例推定。

多步任务的整体成功率(Garg 算例) 作者算例

本页采用的简化假设:每步成功率相同、步骤独立、任一步失败即整体失败

  • 90% × 10 步约 35%
  • 99% × 10 步约 90%
  • 99% × 100 步约 37%

数值来自 Garg 文章中的数学算例,并非实测;他还讨论了错误进入后续上下文的问题。[6] 在上述简化假设下,任务步数越多,整体成功率越低。实际系统可能存在步骤相关性、重试或纠错机制,不能据此算例直接判断具体 Agent 的成功率或是否「可托付」。

三、为什么先便宜的可能是 Demo

这一节整理讲者的解释,不把它当作已由成本数据验证的因果结论。[7] 讲者论证

Demo 可以选择条件

  • 可以用最标准的数据、最清晰的指令、最理想的流程
  • 可以彩排十次,只展示成功的一次
  • 出错可以重新生成,背后可以有人接管
  • 讲者的比喻:「Demo 面对的是一道你提前知道答案的题」

讲者的比喻:产品面对「永远不知道下一题是什么的考试」

  • 失败了怎么办、异常了谁处理、不确定时要不要停下来
  • 与客户现有系统对不上怎么办、客户中途改需求怎么办
  • 模型升级后流程失效怎么办
  • 谁发现错误、谁承担损失

整理者补一条边界

不能把上述比喻理解为「产品不能选择条件」。产品同样可以限定场景、拒答、重试和人工复核。审查重点不在于是否允许限定条件,而在于是否披露边界、满足约定并能处理失败;Demo 也应说明演示条件和人工介入,不能无证据地概括为「通常不说」。整理者推断

四、看一个 AI 项目的三问,加一问

前三问及「做错一次会发生什么」来自讲者。[7] 整理者将失败后果单列为第四问,用来讨论前三问需要具备多强的保障。

  1. 它展示的是能力,还是结果?「能自动回复客户」是能力;「客户问题解决率达到多少」是结果。还应说明能力如何转化为用户价值,不能由演示直接推出付费意愿,也不宜断言「只有结果能定价」。

    讲者原问;定价说明经整理者限缩

  2. 它展示的是最好的一次,还是稳定的一千次?看代表性样本上的表现,而不是剪辑过的成功案例;同时交代样本选择、失败定义和人工介入程度。「一千次」是讲者的表达,不是统一的验收样本门槛。

    讲者原问 + 整理者补充

  3. 它有没有处理失败的机制?系统如何识别不确定性、错误如何被发现、谁来接管、错误怎样进入下一轮评测。讲者的话:「没有失败机制的 AI 不是自动化,只是把风险藏到了流程后面。」[7]

    讲者原问与警句;具体问题由整理者展开

  4. 它做错一次会发生什么?生成一张不满意的图片可以重来;漏付一笔款、交错一份合规文件、在路上判断失误,代价不同。可靠性目标还须结合任务量、错误后果、可恢复性与兜底机制判断,不能仅因错误成本低就把 90% 当作通用交付门槛。

    讲者提出失败后果问题;Karpathy 也区分不同任务的失败代价。[5] 本项具体判断建议为整理者归纳。

五、所列证据不能支持的进一步结论

Demo 不重要?

不能这样推出。Dolgov 讲的是 Demo 之后的工作量比例,不是 Demo 的价值;他的 Demo 正是整个故事的起点。[1] 讲者也说「模型负责缩短从零到一」。[7] 工作量占比不能直接代替价值判断。

所有项目都要五个九?

不能这样推出。Karpathy 提醒很多任务未必具有高失败代价属性。[5] 整理者建议结合具体任务量、错误后果、可恢复性和兜底机制设定目标,而不是从行业热度或单一成功率推导要求。

「稳定」就等于「商业成立」?

不是。讲者把「产品能运行」和「商业模式成立」分开。[7] 稳定交付不能单独证明需求或长期付费意愿,这些仍需另外验证。

「车内无人」等于没有人类参与?

具体事实待核。Karpathy 在 2025 年访谈中谈到远程人员参与,也明确承认不了解 Waymo 的具体机制。[5] 这不是对其远程驾驶方式的核实;本页不据此判断 Waymo 当前的人类参与程度,也不把远程协助与远程驾驶混为一谈。

15 年都花在「可靠性」上?

不能这样推出。Dolgov 用「许多个九」强调 Demo 之后的可靠性投入。[1] 「约 15 年」是历程概括,不是可靠性工作的工时合计;所列材料也不能支持硬件、法规、运营或融资各占多少时间的拆分。

模型升级只抬高起点?

讲者说「模型升级会抬高所有人的起点,但不会替你完成产品化」。[7] 「不会替你完成」不等于「不会降低产品化成本」。模型工具也可能影响测试、集成、运维成本,但所列材料没有给出可比的成本数据。

来源

每条注明核查深度:「正文已读」指整理者读过该页正文;「仅核摘要」指只核对了搜索摘要或条目;「只核到标题」不作独立佐证。英文原话均由整理者译为中文,引号内为意译。

  1. Dmitri Dolgov: Seven Lessons From Building AI for the Physical World(YC Root Access 整理稿)2026-08-03 · Waymo 联合 CEO 在 YC Startup School 2026 的演讲整理稿;亲历自述;正文已读
  2. Waymo Co-CEO Dmitri Dolgov: The Demo Is Only 1% Of The Work(YC Startup Library 视频页)日期未核 · 同一演讲的视频页;只核到标题,页面未读,不作独立佐证
  3. Wikipedia: Waymo2026-10-03 读取 · 百科时间线条目;仅核与本页相关的日期条目,未读全文
  4. TechCrunch: Waymo’s skyrocketing ridership in one chart2026-03-27 · 媒体报道;仅核摘要;报道数字未回核 Waymo 原始数据
  5. Dwarkesh Patel 访谈 Andrej Karpathy:AGI is still a decade away(官方文字稿)2025-10-17 · 在 Tesla 做了五年自动驾驶的亲历者自述;正文已读
  6. Ashu Garg(Foundation Capital):What it takes to build AI agents that actually work2025-11-01 · 投资人文章;作者论述与算例;仅核摘要
  7. 原始分享:「换个视角看懂AI」节目谈话逐字稿2026-10-03 由用户提供 · 主材料;讲者姓名未知;其中 Waymo 数字为对来源 [1] 的转述;「每天一万次任务」为举例