AI 使用互联网的频率将是人类的 1000 倍。
Parag Agrawal 这个名字上一次大规模出现在公众视野，还是两年前他担任 Twitter CEO 之时。在马斯克收购风波后，他极少公开露面，实则已投身创业，带领 30 人团队创立了 AI 基础设施公司 Parallel。
近日，知名创投机构 Kleiner Perkins（KP）播客节目对 Parag 进行了深度访谈。作为曾掌管巨头的前 CEO，Parag 不仅探讨了"AI 上网频率将是人类 1000 倍”等宏大命题，更分享了回归初创状态后的具体实战细节：从每日烧钱让 AI 代工，到应对创始人的“生存焦虑”，再到重构商业模式以应对开放互联网的未来。
以下是访谈核心观点提炼：
-
半天烧掉 378 美元跑 AI：Parag 自建后台应用让 AI 处理数据，半天消耗数百美元 Token。他主张：“在让模型接管工作上，宁可在过度消耗上犯错，也绝不在保守上犯错。” -
靠 4 人团队创收数千万美元：早期无专职销售，工程师直接对接客户，成交率近 100%。董事会指出：“高赢单率说明参与的交易量远远不够。” -
别急着写代码：“每一个问题的答案都该是一个模型。”遇到需求应先收集数据、建立反馈循环，将任务交由模型解决，而非盲目编码。 -
心安理得地“漏球”：每天只聚焦最重要的三件事，其余事务刻意忽略。“只要坚持漏掉次要的球，团队自然会进化出接球的能力。”
每天只做三件事，心安理得地“漏球”
Juben：欢迎来到 Grit 播客。今天我们请到了 Twitter 前 CEO、Parallel 创始人 Parag Agrawal。在创立 Parallel 之前，你在 Twitter 度过了十多年，从工程师晋升至 CEO。现在，你正在探索一个截然不同的问题：当 AI 成为互联网第二大用户时，会发生什么？
刚才我们在厨房聊天时谈到融资等事宜，我问你能否喘口气，你回答：“老兄，我要是喘口气，这公司就完了。”这种紧迫感是否让你感到必须同时处理所有事情？
Parag：当一切让人感觉“一旦喘息就会死掉”时，确实容易陷入必须处理所有事的误区。但我一直在思考：哪些事能产生实质性影响？如果不加筛选，我可能会做一堆事仅仅为了让自己感觉高产。
我对“抓大放小”感到极度心安理得。我经常把球漏掉。每周、每天，我只关注几件核心事务。肯定有很多次要的球被我漏掉。
Juben：但最终会有人接住它们，对吧？
Parag：是的。正因为我经常漏掉一些事，我的团队在组织架构上进化出了接住这些漏球的能力。你会逐渐建立起一种文化：如果这件事足够重要，它最终会弹回到我这里。
Juben：如果漏掉的事只有你自己知道呢？
Parag：那是个问题，所以不能漏掉那种球。你必须优先处理那些绝不能漏掉的。我的策略是每周、每天列出三件事。我会把“阅读邮件”和“回复邮件”分开，先通读所有邮件，然后早上坐下来想：“今天哪三件事是我需要主动去做的？”
有很多事情是被动的，但不能让被动淹没主动。我会写下三件主动出击的事，并确保它们被完成。至于其他事，天然带有被漏掉的风险。如果某事足够重要，它会冒泡进入前三名。在做那前三件事时，我不看收件箱。我不会像机器一样对每个决定进行优先级排序，那太耗费精力。
周五看半成品 Demo，周六陷入生存焦虑
Juben：你提到如何在周五下午安排产品演示。作为创始人，这是你将业务节奏内化的方式。到了周五晚上你觉得事情在推进，可周六早上又会在生存焦虑中醒来，觉得“肯定有什么东西坏了”。能描述一下这种感觉吗？
Parag：这是我的每周节奏。团队在做很多酷事，而我通常不完全清楚每周酝酿的新东西。最好的方式是去看那些粗糙的、正在进行中的东西。
周五的演示不是为了展示打包好的成品，而是展示“我这周在做这个，还没做完，很粗糙，但我对此兴奋”。如果我只优先处理那三件重要的事情，这类信息永远无法传递到我这里。
每周五汲取这种极具感染力的兴奋感非常有价值。一些想法会沸腾起来：“基于这个我们还能做这么多事。”于是你开始为错失机会而偏执，或者担心别人也想到同样的点子。你的大脑向不同方向发散，然后你必须把所有这些想法浓缩成真正重要且可执行的事情，并在周一付诸行动。
每天烧几百美金跑 AI？“宁可在乱花 Token 上犯错”
Juben：几周前，你展示了一个自己写的应用。令人震惊的是，那天下午 1 点前你已在 Token 上花了约 378 美元。你说：“我只是想尽可能多地做点事，现在根本不在乎成本。”这如何帮助你完成当天的前三件事？又如何帮你找回那些漏掉的球？
Parag：首先，写那个应用并非我的前三件事之一，纯粹出于兴奋我想玩一玩。构建它的初衷是为了获得真实认知：如果我构建一个能看到我所见之物，并在有限权限下主动做所有我该做工作的工具，它会怎么做？
在 Parallel，我们对开放网络非常痴迷。工作时需整合个人信息、公司信息及开放网络。这个项目想看看，在代表我高效工作时，机器喜欢在 Parallel 上花费多少 Token，又在其他地方花费多少。
结果证明，它对我的前三件事非常有用。它让我感到踏实，因为它也在替我保持偏执，推断我的优先级。它会对我要漏掉的其他球进行反推。有了这个东西，我在漏掉这些球时比以前更刻意了一些。虽然它的 Token 消耗效率低得令人发指，但目标不是极限消耗，优化它并不划算，我认为它是可以被大幅优化的。
Juben：你会让 Parallel 团队的每个人都构建一个代表他们自己的版本，然后每天花 500 美元在这些东西上，只为了让大家少一点焦虑吗？
Parag：可能会。要让它对你真正有用，需要付出真正的努力和心血。开箱即用的东西没一个是真正有用的，除非你塑造你自己，并让它围绕你来塑造。任何愿意付出努力并能创造真正价值的人，如果能最大化产出，每天 500 美元完全没问题。
Juben：你是否开始把 Token 支出当成董事会上需要专门审查的开销明细？成本何时会稳定下来？
Parag：对此我有两点看法。第一，单纯追求 Token 消耗最大化存在失败模式，这不仅因为资金成本高，更因为引发的"AI 精神内耗”或优化时间成本太高。不要用 Token 消耗量来衡量价值。
第二，我们谁也不知道完美的界线在哪里。你宁愿犯哪种方向的错误？是因为太保守而完全不花 Token，还是走到另一个极端，在模型还不够好的地方稍微多花点时间和 Token？我个人的决定是：我宁愿在过度消耗 Token 这一侧犯错，也不愿在保守那一侧犯错。
Juben：我们会追踪数据，但目前不强制执行限制。我们最优秀的工程师在使用 Agents 的方式上采用了独特技术，限制他们使用 Token 的方式在我看来是个错误。你同意吗？
Parag：是的。人们低估 Token 价值的一种表现是认为“只是把本来要干的活干得更快了”。真正让我兴奋的是，人们拓宽了原本能做的事情的边界，或者通过使用 Agents 和模型，对事物承担了更多端到端的所有权。
后端工程师现在会做更多前端工作，前端工程师会改变 API 形态。有人会使用 Agent 做大量安全审查，或推送一系列原本不会做的优化。这实际上是人们在扩大他们对产品的影响力和所有权范围，这才是真正商业价值产生的地方。
别急着写代码：“每一个问题的答案都该是一个模型”
Juben：今天早上遇到的真实用例是，每次客户想看 Roadrunner 的实际效果时，都想用自己的 SKU 来看。搭建环境需要几天时间。如果不能自动化，我们就得招更多人。对我来说，这就是我会说“放手去干吧”的地方。
Parag：这很有意思。尽管有自动化工具，我们今天仍在尽可能快地招聘工程师。如果你有一系列极其有趣且极具价值的事情可以去构建，而且客户需要它，那么即使每个工程师的生产力都大幅提升，人多依然力量大，直到触及机会空间的饱和点。
之所以有一类企业正以疯狂速度增长，是因为可以将两种效应叠加相乘：一是招聘的速度和质量，二是把构建能力转化为客户可采用的极具价值产品的速度。所有这些因素相乘，造就了令人发指的增长率。
Juben：但你不觉得有些类型的工作，那些真正伟大的工程师就是不想做吗？比如为客户环境进行 20 次数据填充。
Parag：伟大的工程师想要做的是高影响力的工作，而这些工作往往是困难的。如果你拥有伟大的工程师，必须相信他们的判断力——如果他们能用现有工具把某件事自动化，他们一定会去做。
我们在内部讨论简单的事情：如果你能用 AI 把某件事自动化，就去自动化。在旧世界，这需要工程师依靠直觉、运行 A/B 测试、寻找新特征、构建数据管道来迭代模型。现在，你可以把其中一些事情放进一个更自动化的循环里。只要有一个清晰、干净的衡量标准，就可以把很多事情自动化。
随着找到可信赖且能自动化的反馈循环，工程师所做的工作会随着时间推移变得越来越“元（meta）”。我们的目标是把更多的事情推到学习模型中，而不是写在代码里。我在内部经常说一句话：每一个问题的答案都是一个模型。
遇到问题，不要急着写一堆代码。相反，去收集数据，弄清楚好的输出应该是什么样，确定合适的模型架构，训练模型并放入循环中不断改进。这种思维方式能让你跳出传统决策过程，招聘那些全面且善于解决问题的人。
Juben：你们现在有多少工程师？
Parag：三十来个。六个月前大概是十五个。在大概六七个月的时间里，人数翻了一倍。
只要产品够好，销售自己会送上门
Juben：我能讲一个关于 Parallel 的故事吗？大概六到八周前，我们的销售运营合伙人 Liam 说他有点兴趣加入 Parallel。他说：“第一，他们仅靠大概四个人就卖出了几千万美元的收入，而且这还是在他们自己‘瞎搞’的情况下做到的。”销售人员对产品能不能卖出去有非常敏锐的嗅觉。
衡量工作做得好不好的标准，就是看有没有创始人试图挖你。Mamoon 和我看到 Liam 离开真的很难过，但也非常激动，对 Parallel 更加看好。
Mamoon：公平地说，Liam 看到的那些东西，我们六个月前就看到了。当你看到其他人也看到了同样的潜力，加上 Parag 能够把他们招募过来，这就是愿景正在变为现实。
Parag：我想补充一下关于“在我们自己‘瞎搞’的情况下”这个评论。今年初开董事会时，Mamoon 问：“当客户在考察你们时，成交率是多少？”我们说几乎总是能成交。然后他说：“所以，这就说明你们参与的交易还不够多。”这是一个非常简单但扎心的评论。
直到 Liam 作为局外人在第一周客观审视情况后，我们才真正内化了产品在市场上受到的追捧程度。是他告诉我们，我们所看到的情况有多么不同寻常，因为这给了我们更多的信心和方向。
Parag：Mamoon 还把我介绍给了之前在 Windsurf 负责销售的 Graham。归根结底，无论你处于什么职能，你都是在建立一家由信徒和传教士组成的公司。与 Graham 的早期介绍、几个月的相互了解，以及他作为公司的信徒想要投资我们，所有这些小事累积起来，让我们能够与极其特别的人建立起强大、深厚的伙伴关系。
当 AI 上网的频率变成人类的一千倍
Juben：能谈谈你们的使命吗？你为什么创立这家公司？
Parag：我们创办这家公司，是因为我沉迷于一个想法：Agents 和 AI 使用互联网的频率，将会比人类曾经使用互联网的频率高得多，我写下了一个数字——一千倍。我以前构建过千倍规模的系统；从架构或基础设施的角度来看，现有的系统没有一个是为这种规模设计的。
我还写下，将会需要新的商业模式。过去三十年里在网络上存在并演进的所有商业模式，都即将发生彻底的改变。开放网络是我亲身经历并生活于其中的代际变革。现在，开放网络的未来将迎来第二次重生，你可以称之为一个平行的网络（Parallel web）。
开放网络的整个底层逻辑是，人们把内容公开发布，因为有很好的方式可以获得分发、推动变现和销售商品。这里面内置了保持内容开放的激励系统。风险在于，如果我们创新不够，网络就会开始封闭。如今，在 Agents 使用网络和人们在开放网络上发布内容之间，存在一些激励错位。这需要被解决。
如果 Agents 使用互联网的频率将增加一千倍，我们将创造真正的价值。只要我们弄清楚如何激励开放，如何奖励高质量、独特、差异化的内容，就能让网络保持开放和繁荣。这就是公司的核心使命：在 Agents 获得更多高质量信息所创造的巨大财富，与那些策划、创建和生产这些信息的人之间，建立统一的激励机制。
Mamoon：两年半前我们第一次谈论这个话题时，为 AI Agents 构建网络的想法就完全说得通。能带我们回顾一下那个拐点是什么吗？
Parag：如果我们回到过去，初代版本的 ChatGPT 是不联网的，但我们仍然觉得它非常酷。对于现在已经习惯使用 ChatGPT 或 Claude 的人来说，如果使用一个没有联网权限的模型来处理 75% 的工作，你会发现它根本没法用。
为什么我们突然改变了方向？因为这些模型呈现的界面和心智模型是：它们既聪明又无所不知。一旦你把这种心智模型构建到产品中，你就必须使用网络，否则你就不是无所不知的。如果这东西连上一届超级碗的日期都不知道，那感觉就太蠢了。
同样的事情也发生在编程智能体（Coding Agents）上。我们用模型构建的每一个应用，都在拉高客户的期望，让他们觉得它是无所不知的。这种直觉已经从“模型很聪明”演变成了“模型加上网络”，现在又正在演变为“并且它能访问我所有的数据”。
我们真的将 Parallel 视为每一个模型在进行各种工作推理时的基础设施延伸。当不同类别的工作从模型中获取价值时，我们就能起飞。
Juben：你能举几个例子吗？比如 Harvey 的用例？
Parag：Harvey 使用我们的搜索产品，这样一来，与 Harvey 产品的所有交互都能始终了解外部世界的信息，获取最新数据和难以获取的数据，同时又不会消耗太多的 Token。
这里面还有第二层因素。在 2000 年代，有很多数据被称为深网（Deep Web）——那些在网络上极难获取的内容。有许多门户网站的内容，并不在典型搜索索引中，因为它们无法通过点击链接直接到达。但在 AI 时代，我们的工作是将内容带入 AI 的上下文窗口中。因此，我们为那些历史上的搜索引擎没有抓取的东西构建了爬虫。
当你在构建 Harvey 时，为了确保世界各地的权威源文档都能被访问，从而使每一条输出都有充分的依据，你会非常看重对公共领域中这些难以抓取的信息的完整覆盖，以及在这些信息上真正优秀的搜索排名和质量。
Twitter 的规模很大，但 Parallel 的机会大得离谱
Mamoon：你想谈谈在 Twitter 运营过最大规模的网络系统之一的经历吗？以及在支持规模和延迟方面，你如何将那段经历与你在 Parallel 必须构建的东西进行对比？
Parag：Parallel 本质上是一个技术产品，它是一个规模极其庞大的系统。我想说，随着时间的推移，它的规模将明显大于 Twitter。Twitter 非常了不起，但它只是网络和世界上公开内容的一小部分。Parallel 的机会感觉要大得离谱。
在保持网络开放方面，使命是一样的。Twitter 试图让更多高质量、独特的内容保持在开放世界中。这与 Parallel 的使命是一致的。
回到基础设施，既然认识伟大的工程师，也知道如何务实地为某种规模设计系统，你就会知道什么时候该为下一个量级重新构建它们。在 Twitter，我们每年都不得不重写整个系统，因为它们不是为下一个数量级的规模设计的。但如果你一开始就为四年后的规模做设计，你什么都交付不了。我们在 Parallel 也在运用同样的经验教训。
我从 Twitter 机器学习基础设施部门学到的另一件有趣的事情是，推荐系统最初是如何像拼凑起来的东西一样起步的。随着时间的推移，越来越多的东西就会变成端到端训练的。这与 Waymo 在自动驾驶汽车上演绎的故事是一样的。你可以从一开始就在大规模上进行更多端到端的尝试，这会让你走上一条快速自我改进的道路。
Juben：当时大家都抢着来跟你一起工作吗？跟我说说最早期的情况吧。
Parag：我们当时非常低调，处于隐身状态。没人知道我要创业。我早期做的一个决定是，确保团队里一半以上是新人，而不是以前跟我共事过的人。在真正开始招聘的几乎一年前，我就已经物色了非常有才华的人。我问了他们一个标准问题：“你合作过的最优秀的三个人是谁？”最终，我和另外六个人组成了最初的创始团队，其中一半是我以前不认识的人。通过这种方式，我们建立了一个超越我在 Twitter 初始人脉网络的团队。
Juben：我们还能畅想哪些 Parallel 被深度嵌入的场景？你们的市场是如何扩张的？
Parag：我们的核心信念之一是，你必须在每个客户的语境中体验你的产品。我不觉得我们非得去“扩张”市场。只要你用模型来构建任何东西，无论是产品还是工作流自动化，我几乎确信，你必须赋予它联网的能力。无论你的情况如何，我们都必须提供最好的方式。
这种需求是广泛的。如果你是一家试图简化运营的大型企业，你可以让内部团队购买 LLM API 和 Parallel API，通过一堆 MCP 或 CLI 将其与内部数据连接起来，并构建工作流自动化。或者你也可以说：“我其实想要一个为像我这样的人把这套东西产品化的人。”我们唯一关心的是，当 Agents 访问网络时，我们能为它们提供最好的产品。
让我兴奋的是，人们通常会将此框架化为：“我们已经在做这些工作了，现在我们要让它变得更高效。”不，人们会去做以前根本没有发生过的工作。例如，一家考虑收购的私募股权公司，以前会将他们探索的空间缩减到一个自上而下、凭直觉列出的小名单。现在他们可以使用 Parallel 和模型，对各种标准运行模拟，并进行大量计算，穷尽地得出一个理性的机会列表。如果这能让他们选出一个更好的标的，由此创造的价值是如此巨大，以至于绝对值得极限消耗 Token。这就是明年的增长点——以全新的方式运营那些已经存在了永远的业务。
Juben：当你听到"Grit（坚韧/毅力）”这个词时，你会想到什么？
Parag：我认为 Grit 就是去做困难的事情，而你能够做到这一点的唯一方式是：这件事对你来说有意义，而且它很有趣。