关于AI扩展的讨论总是围绕着“如何获得更多GPU”展开，但也许更好的问题是：如何把已有的算力用到极致。

一个前沿实验室（比如xAI）的MFU（模型算力利用率）竟然能低于10%——这本身就是一个强烈的信号，说明真正的问题可能不在数量上，而在使用效率上。

对比一下历史数据：GPT-3的MFU约为21%，Gopher是32%，Megatron-Turing NLG是30%，PaLM达到了46%。而本集的嘉宾Anjney指出，当今一线实验室的最佳实践已能做到60%到70%。这说明问题不是技术上限，而是系统性效率。

不是说xAI管理水平低下——显然他们有优秀的人才——而是说在GPU军备竞赛中，优先级可能被放错了位置。GPU获取当然是瓶颈，但单纯增加资本支出并不会自动带来更好的模型，因为前沿AI越来越成为一个系统问题：调度、利用率、网络、内核、框架、数据管道、并行化策略、集群可靠性，以及成百上千个小决策，都在决定你理论上的FLOPs能不能变成实际的训练进度。

Anjney Midha 一直处于AI扩展真实瓶颈的前沿。从构建Discord的开发者平台，到投资Anthropic、Mistral、Black Forest Labs、Periodic Labs等前沿AI公司，再到创办AMP的独立计算网格，他已经花了多年时间近距离观察AI扩展中的效率问题。在这一期对话中，Anjney与swyx在Periodic Labs深入探讨：为什么AI竞赛不只是买更多的GPU，为什么在谷歌95%的利用率会被视为事故，以及为什么下一代AI基础设施必须更对齐、更高效、更负责任。

我们重点讨论了AMP如何让FLOPs像兆瓦一样流动，全栈AI实验室与水平资源池的区别，AI数据中心如何获取社区支持，以及计算市场如何演化成类似独立系统运营商的形态。Anjney还解释了为什么DeepMind未发表的研究背后存在市场失灵，为什么寿命预测是他十四年来一直认为最重要的AI应用之一，以及为什么“输出最大化”可能成为前沿系统的一个新学科。

同时，我们也聊了Anthropic的文化与“运气眷顾准备好的人”在编码模型中的体现，Claude如何突然在编程上取得突破，为什么过早获得太多资本会让AI实验室变得脆弱，Periodic Labs在超导方向上的探索，优秀研究者为何可以成为顶尖CEO，以及硅谷既是传教士又是雇佣军的双重性格。

核心讨论要点

• 为什么95%的利用率在谷歌被视为事故
• AI基础设施浪费如何在前沿实验室规模上放大
• “快速行动、打破常规”为什么在AI数据中心行不通
• 数据中心反弹、电网问题及社区激励如何影响AI扩展
• AMP让FLOPs像兆瓦一样流动的愿景
• 计算需要独立系统运营商的逻辑
• 谷歌内部的可中断需求与动态优先级调度
• DeepMind研究囤积带来的负面外部性
• AMP 1.2GW基荷规划及对6GW尖峰容量的需求
• 寿命预测如何成为AI最重要的医疗应用
• 前沿系统、输出最大化与全栈对齐
• API和抽象层如何随着组织扩展而产生衰减
• 超导体、标准与无损耗系统的梦想
• SF Compute、开放协议与计算市场的未来
• 非英伟达芯片如何从英伟达参考架构中受益
• 信任边界与芯片初创公司对下一代模型架构可视性的需求
• 风投为何常常低估研究者型CEO的能力
• 科学家作为“思维的运动员”
• 伟大CEO需要上游下游都敢于直面冲突
• 领导前沿比“赢”更重要
• Anthropic如何攻克编程能力
• 文化是脆弱的，不是永久护城河
• 艰辛是Anthropic的特征而非bug
• Anthropic从第一天起就把编程作为P0
• Periodic Labs、物理约束与技术现实
• 硅谷雇佣军与传教士团队，以及突破后的景象

时间戳导航

00:00:00 开场
00:00:09 AI算力为何被浪费
00:03:17 负责任的基础设施与数据中心反弹
00:06:07 AMP网格：让FLOPs像兆瓦一样流动
00:12:41 铸造厂、前沿实验室与研究囤积
00:14:42 吉瓦级算力与寿命预测
00:24:08 前沿系统、输出最大化与对齐
00:27:38 计算市场、SF Compute与非英伟达芯片
00:32:57 信任边界、协同设计及研究者型CEO
00:38:17 AI Coachella与第一性原理思维
00:42:43 领导前沿vs.赢
00:45:54 Anthropic如何攻克编程
00:48:25 文化、艰辛与Anthropic的P0
00:54:03 Periodic Labs、物理与硅谷雇佣军
00:56:26 Rishi Valley、新加坡与金钱作为标尺
00:58:47 结语

对话实录

开场：Anjney Midha、AMP与算力浪费

Swyx [00:00:00]: 我们现在在Periodic Labs，和AMP的创始人兼CEO Anjney Midha在一起。欢迎你。

算力利用率：节点分配、MFU与对齐问题

Anjney [00:00:09]: 谢谢邀请。在谷歌，集群利用率通常有两种衡量方式：节点分配率和MFU。节点利用率是指数据中心中使用的卡占比，如果在谷歌，低于95%就是事故——我的联合创始人Seb来自谷歌，他构建了Borg、PBorg/GQM调度器，那里95%被视为宕机，96%是标配。而很多单租户集群都达不到这个水平。至于MFU，目前一线水平在60%到70%之间。这本质上是一个领导力问题，一个对齐问题：负责出资和使用集群的人是否真正目标一致？理论上应该是，但资本到实际调度之间的链条太长，层层脱节。你听说过弧度比喻吗？两条线一开始只差几度，随着距离拉长，偏差越来越大。很多集群实现和前沿实验室正面临这种情况：初始化时计划很好，但被迫快速扩张而不是迭代式推进，浪费迅速放大。解决方案其实很简单：迭代式搭建。长期在半导体或数据中心行业的人对此并不陌生，AI不应该成为借口。新能力是新的，但常识永远应该流行。AI扩展不仅不改变常识的重要性，反而放大了常识的价值——因为现在的误差成本更高，浪费代价也更大。浪费的代价不仅是经济上的。我目前运营AMP，也做过投资人。说“这次不一样”在能力层面可以接受——我们确实在获得前所未有的能力，但这不意味着在基础设施层面也可以一样。我喜欢黑客和创业者的心态，但还记得扎克伯格从“快速行动、打破常规”转向“快速行动、稳定基础设施”的时刻吗？

负责任的基础设施与数据中心反弹

Swyx [00:03:10]: 快速行动与稳定基础设施。

Anjney [00:03:11]: 现在我们需要的是快速行动与负责任的基础设施。人们会问影响在哪里。昨天在我斯坦福的课上，General Matter的创始人Scott Nolan来谈论能源瓶颈，他提了一个绝妙的想法：假设每计算小时单位成本约4美元，如果要在一个新社区建数据中心，为什么不直接说“我们收4.5美元一小时，多出来的50美分直接作为现金给当地社区”？作为计算客户，我很乐意付这个溢价。因为如果社区能明确看到公共收益，计算会更可靠。今年美国有高达20%的数据中心面临社区反弹风险——无法获得建厂所需的社区支持。人们不仅关心就业，还关心电网、环境、许可等问题。想象一下，如果你说：“我们在你社区建数据中心，还能降低你的电费。”那社区就会成为合作伙伴，但现在不是这样。未来一定会有监管审查和调查，那些以AI进步为名“快速行动、打破常规”的人最好做好准备。我们AMP在采购计算时，尽量选择有长期记录的合作方，很多甚至不是AI供应商。所谓“新云”这个类别有很多营销成分。美国有很多靠谱、可信赖的数据中心服务商，已经经营了20多年。他们不参加NeurIPS的happy hour，不出现在Build大会上，不混圈子，但他们是很成熟的合作伙伴——懂局域网、懂电力、懂运维，有信用记录。这群人经历了互联网的繁荣与萧条，我很信任他们。而计算层充满了短期思维，这迟早会出问题。

AMP网格：让FLOPs像兆瓦一样流动

Swyx [00:06:07]: 你谈到激励对齐，按理说全栈集成在同一个公司（如xAI、OpenAI）内最对齐。你作为独立基础设施层，为什么比全栈公司更能对齐你的组合公司？

Anjney [00:06:28]: 在系统设计中，有两种架构：集成与池化。提高利用率可以通过系统集成（把多个流程合到一个节点）或者把流程抽出来在不同节点间共享。AMP grid本质上是一个计算网格，我们试图为计算做电力网格做的事——这是一个跨云的池化和利用层，与全栈集成相反。

Swyx [00:07:12]: 超级水平化。

Anjney [00:07:13]: 对，多云、多芯片。目标是让FLOPs像兆瓦一样流动，这在今天非常困难——到处都是孤立的算力池，没有可互换性。我们现在从调度层入手，也做经济层。但随着我们公开工作进展，越来越多的人说他们也在努力让计算在某个层次上变得可互换。作为网格，我们希望所有参与者都能加入。经常有人问我：“你是新云吗？”我说不是，新云是供应商。又问：“你是风投？”我说不是，他们是网格的需求方。我们把自己看作独立系统运营商（ISO）。研究电力网格历史会发现，当工厂意识到池化比各自跑半载发电机更好时，就需要一个独立的实体来协调各方——输电线路、发电设施、工厂。这个中立的协调机制至关重要。最持久的网格往往是不拥有自己资产的，它们最初有长期且需求不相关的大客户——比如钢铁厂和鞋厂，一个晚上尖峰，一个白天尖峰，通过池化共享基荷，然后调度尖峰时段。历史标杆是美国的PJM互连等ISO。我们就对标这个模式。技术上，我们从调度层起步，因为Seb和Mihai在谷歌就干这个。

Swyx [00:09:28]: 你的调度团队？

Anjney [00:09:28]: 是的，他们在谷歌做的。我还有Discord的运维背景。

Swyx [00:09:35]: 我有点乱，但不管怎样，我知道你在Discord负责开发者平台，不是内部基础设施。

Anjney [00:09:42]: 对，Discord是一个反例，它自己构建了WebRTC语音和视频基础设施，没有使用第三方，然后通过全球2亿多游戏玩家来池化需求。在系统设计中，抽象和组合、捆绑和拆解、垂直化和水平化这些概念反复出现。AMP就是这个网格的独立系统运营商。我们通过池化需求，从我们信任的合作伙伴那里池化供应，目标是四年内达到约1.3GW规模。我们的需求方包括一些世界顶尖研究实验室，比如Periodic Labs。每个实验室都有基荷保障，同时可以灵活地向上或向下尖峰。这个设计和我之前在a16z提出的Oxygen项目、以及谷歌的GQM/BorgX调度器是一致的：如何给内部团队保证基荷，同时允许他们在研究时快速尖峰。当然，最近几年谷歌在基础设施上的一个创新是可中断需求——通过信用系统实现动态优先级排序，任务可以被中断，让更优先的任务插队。

Swyx [00:12:15]: 这听起来很像Brain Marketplace，我们之前和Da vid Luan聊过。批评是：有时需要中央集权全力押注一件事，而靠信用“资本主义”可能不管用。谷歌内部试过这个，结果是错过了GPT。

铸造厂、前沿实验室与研究囤积

Anjney [00:12:41]: 我们的结构类似谷歌：AMP Holdings旗下有基础设施业务，还有一个叫Foundry的资本业务，负责孵化或投资前沿AI实验室。比如我们在Periodic以及今年早些时候向Anthropic投入了几亿美元。我发现很多在DeepMind等实验室推进前沿的研究者，最终会感觉与Alphabet的“独裁”不对齐，然后被卸磨杀驴。这是悲剧，但我理解Sergey团队有自己的生意。但这不意味着我们其他人应该坐等那些进度被解锁。过去十年DeepMind内部有多少非凡研究从未见天日？有的根本论文都不发表了，因为内部有六个月禁令，商业团队说“这个可能有用”，然后就永久冻结了。所以发表的论文往往是质量不够好的，存在逆向选择问题。这是市场的负面外部性，需要有人来解锁。我们只有1.2GW计算，约400亿美元云支出，远远不够。

吉瓦级算力与寿命预测

Swyx [00:14:51]: 1.2GW这个数我第一次听到，很大啊。

Anjney [00:14:56]: 是的，而且还没全部落实。这只是我们已开始落实的需求。稳态目标是有1.2GW的常驻基荷池，尖峰容量估计未来四年需要约6GW，才能让我们的团队感到可以持续推进前沿——无论是超导体发现，还是我们正在投资的一个新方向：医疗中的寿命预测。这实际上是我研究生时期的工作。我在斯坦福医学院攻读生物信息学硕士，师从Nigam Shah教授，研究寿命预测。斯坦福拥有美国最大规模的纵向患者数据集之一（超过1200万患者生命），只有VA的数据集更大。当时我们尝试用深度学习在STRIDE数据集上做寿命预测，目的是帮助临终关怀。美国Medicare和Medicaid有超过30%花费在临终护理上。而且文化上，亚洲人对死亡的看法与西方不同。在印度中心，人们死后有庆祝游行，因为相信轮回。到了美国，我发现医疗系统把死亡视为终点，拼命推迟，因此医师会给很大的误差范围（“六个月到六年”），为了免于被起诉，不敢做确定建议，结果患者陷入“尝试所有疗法”的恶性循环，最后在病床上度过最后几周，既降低生活质量又浪费公共资金。Nigam Shah认为，AI可以给出比人类精确得多的推荐——只要精度足够高，就能赋能患者。技术上是可行的，甚至简单的回归模型就能工作，现在用RL更好。但问题在于监管：不能让AI系统承担误诊责任。十二年前我因此感到幻灭，现在有了更多资源，我重新投入这个领域。这是我十四年来每天都放不下的问题，我愿称之为“死也要死在上面的山”。两个关键议题应该获得两党共识：一是用科学帮助患者做出正确的临终决策，减轻纳税人负担；二是建设净正效应的数据中心，因为算力是训练好模型的瓶颈。为此，我们把AMP注册为公共利益公司。我的妻子Viv深耕教育，她家族是物理学家和教育世家。这堂课是我尝试从“家族黑羊”变成教育者的努力。

前沿系统、输出最大化与对齐

Swyx [00:24:08]: 你说想建立一门新学科，叫做“前沿系统”。简洁点说，就是反对浪费——浪费GPU、浪费人力、浪费医保。有没有更精炼的概括？

Anjney [00:24:45]: 从工程角度很简单：输出最大化（output maxing），也就是“输出最大化部门”。把已有资源用到极致。我深信最优结果。美国和其他国家正在失去对细微差别的欣赏，AI也一样。苦涩教训成立，但并不意味着就能把50万块GB300扔给次优模型扩展、浪费算力。同时也不意味着要搞五十种不同架构、缺乏标准化。Anthropic之所以有非凡速度，就是因为他们选了Transformer架构并加倍投入。当时投资分散在其他架构上，所以能集中发力反而解放了扩展。我们都有责任在AI这个新能力上做到全球范围的输出最大化。如果我在斯坦福创建一个新院系，可能会叫“对齐院”。对齐是一个困难的问题，解锁后全栈对齐在任何组织和系统中都极有价值。在风投中，如果LP、创始人和IPO股东能形成全栈对齐，那是持续的礼物。系统刚开始时反馈环很紧，随着扩展、分工、抽象增多，每层API接口都会带来沟通损耗。工程学上能否既扩展又不损失对齐，不产生有损耗的传输？

Swyx [00:27:01]: 你是指标准？

Anjney [00:27:02]: 标准是一种方式。另一种是通过全新能力——比如在Periodic Labs这里发现室温超导体，实现无损能量传输。两者选一：要么在协议或API规范上标准化做到无损通信，要么创造全新能力释放充裕度，让标准化变得不重要。这就是我每天思考的事情。

计算市场、SF Compute与非英伟达芯片

Swyx [00:27:38]: 每个想要输出最大化的基础设施者都会思考这个。我们和SF Compute聊过，他们试图标准化计算期货合约。

Anjney [00:27:57]: 我觉得Evan和SF Compute很棒，希望我们能加速它。这类交易所很难启动，因为各方之间存在信任边界低效、资本市场低效、运营低效。如果能注入一个巨大需求或供应冲击，就能加速新飞轮。我的希望是将来SF Compute有多余容量就接入网格，需要需求也接入网格。今天我们的实现还主要是通过一组可信的实验室和大学。我们希望能成为一个开放协议，供任何人接入——无论是需求方还是供应方。但过去六周，我们原本以为年底会有多余容量，现在全没了。

Swyx [00:29:37]: 爆炸性增长。

Anjney [00:29:38]: 对，全没了。我信息里全是朋友问“有没有50个节点？” 关于非英伟达芯片，比如MatX的Rainer Pope。他提到一个我之前没想到的洞见：他们选择了英伟达参考架构，所以MatX芯片可以直接插入任何按英伟达方案规划的数据中心。从I/O看，和英伟达机架一样。他们在系统协同设计上创新——很多收益其实来自那里。他说不能在所有战场上作战。我问他：“你们新芯片预计明年出片，打算和谁合作托管？”他说谁合作都可以，这不是重点。他选择了不成为全集成芯片供应商，专注逻辑die的协同设计，其余委托给生态系统。这又引入了抽象和可能的损耗。他如何防止损耗？他说“我就选了英伟达标准，因为有现成协议可借力。”英伟达的参考架构是公开的，Jensen实际上帮助了MatX这样的公司。计算需求如此高，英伟达本身也无法完全满足，我们需要更多芯片。MatX的做法聪明：不创新数据中心设计，而是利用Jensen已经做好的工作，在别处创新。这可以解锁新瓶颈。对于这类芯片团队，主要瓶颈是信任边界——协同设计需要尽早了解下一代模型架构，因为芯片设计需要两年。在谷歌内部时，他紧挨着Gemini和PaLM团队，信任边界很近。离开成为创始人后，最大的风险就是失去信任边界。我喜欢帮助独立生态系统中的芯片团队获得信任。

信任边界、协同设计与研究者型CEO

Swyx [00:33:19]: 他的联合创始人就是PaLM团队成员吧？

Anjney [00:33:23]: 对。在谷歌内部系统协同设计非常紧密，出来后就面临信任边界风险。我帮助芯片团队获取信任，因为我从早期就参与了Anthropic，并是Mistral董事会成员、帮助启动了Black Forest Labs。目前我在六七个团队中。

Swyx [00:33:57]: 才六七个？我感觉是13个。

Anjney [00:34:02]: 不，一次深度参与一个。Arena的CEO其实是个临时职位，帮助Anastasios他们招聘团队，他只用了五个月。

Swyx [00:34:33]: 他口才非常好，曾是辩论冠军，又非常数学化，是罕见人才。

Anjney [00:34:43]: 他是输出最大化者。还没毕业就发表了远超同龄人的引用量，同时做LLM Arena等百万用户产品。风投常常把人限制在盒子里，说“他是研究者不是CEO”。这是什么话？Dario就是科学家出身，四年内将公司从零带向万亿估值。名义上的CEO不难，好CEO难，而伟大的CEO所需的高水平表现，那些已经在自己领域顶尖的科学家早已证明过。在学术界竞争成为顶尖，本身就是思想界的运动员。我宁愿资助所有已做出贡献的研究者。如果他们没做出SOTA，那也还行，但常见失败模式是他们其实更想发论文而不是当CEO。我们AMP Grid也会向大学实验室捐赠计算。但如果你想成为CEO，必须愿意直面冲突——不仅在科学上对信念坚持，还要对团队、客户、所有人保持对抗性的坦诚。

Swyx [00:37:50]: 我能感受到一点，但想象不出Dario面对的压力有多大。

Anjney [00:37:56]: 压力是个人尺度而已。你现在做这个播客，就是非凡的沟通者，已经从我这里挖出了比大多数采访者更多的东西。

AI Coachella与第一性原理思维

Swyx [00:38:17]: 可能是因为我们之前见过多次，有基础信任。

Anjney [00:38:20]: 信任源于一致性。我们在社区里相互认识多年，最早在NeurIPS新奥尔良的午餐会上见过。那次你明显带着“这VC是谁”的表情。后来听到你新加坡口音，我说“我高中在新加坡读的”，这才破冰。在科学界，有时那些看似高压力的问题对其他人来说也很平常。我学到的是，那些世界级领袖面对的很多问题和你我一样小。我的课请到了Sam、Satya、Jensen，被称为AI Coachella。我幸运地得到了很多人的指导。抛开表演性的东西，他们都是普通人，都在努力适应这个AI迫使大家修正假设的时代。就在上周，有个人问我：“你对实时动作预测模型怎么看？”我特别高兴，因为他问得很具体，而不是笼统的“你怎么看世界模型”。世界模型有四种不同含义。能问出这么具体问题的人，说明他们做了功课，知道自己在跟谁竞争。真正做事的人之间有深厚的同行情谊，但这在被抽象成商业术语时会丢失。

领导前沿vs.赢

Swyx [00:42:43]: 大家对所谓“赢”的理解很奇怪。

Anjney [00:43:03]: 不，你想要的是领导，不是赢。推动前沿，做前人没做过的事，捕获价值——但别捕捉到让人觉得你和使命不对齐。捕获足够价值以持续创新。Jensen在Dwarkesh的播客上说“我没有用失败者的心态醒来”，这很酷，因为两人其实在谈同一件事——只是抽象层次不同。Jensen有那著名的五层蛋糕模型，而Dwarkesh的理解更贴近训练阶段。问题在于类比推理太多，隐含假设太多。

Swyx [00:44:19]: 现在确实是第一性原理思维者最好的时代。

Anjney [00:44:28]: 没错。风投社区尤其如此，在不确定时紧抓前一个时代的公理当作真理，却混淆了启发式与公理。公理可以自洽证明，启发式只是捷径。过去几年我不得不忍受很多人用启发式当公理来评判公司和人，比如“Anthropic只是在训练模型，不算SaaS”，最终如果细看似乎有点道理，但推导方式根本不对——一言以蔽之，Anthropic在去年十月那个关键训练中取得了起飞。

Anthropic如何攻克编程

Swyx [00:45:52]: 你冷不丁问一句：Anthropic是怎么在编程上取得突破的？Claude 1、2都还行，但不突出。主流假设是“一次幸运的反赌，然后乘数效应”。

Anjney [00:46:17]: 我在印度Rishi Valley读寄宿学校时有个很烦人的老师，信奉“运气眷顾准备好的人”。他总是说我没拿到95分是因为不够幸运，因为我不够准备。当时我很反感，但现在我明白了。Anthropic在编程上准备了整整四年。当正确的上下文数据和开发者差异出现时，你可以说他们“幸运”，但他们是极其有准备、甚至偏执地准备了四年。而且早期资源极度短缺，被迫极度高效。他们的技术栈效率远超OpenAI，简直不是一个数量级。所以，运气确实眷顾准备好的人。

文化、艰辛与Anthropic的P0

Swyx [00:48:25]: 你提到文化才是最终护城河，但你说文化很脆弱。

Anjney [00:48:43]: 对，文化不是一套信念，而是一套行动。如果你停止践行那些证明使命对齐的行动，文化就开始磨损。它像花园一样需要每日照料。但你若找到照料花园的系统——最终来自于了解自己，自然地做出毫不费力的取舍，这些取舍反而加固文化，成为别人很难追赶的东西。Anthropic从第一天起就有传教士般的信念：扩展会持续，系统是随机的而非确定的，存在误差，不破解可解释性就有风险。所以他们对安全非常重视，早期宁愿推迟发布。事后看可能觉得过分，但当时他们不知道模型会被怎么用，担心推出bug带来巨额责任。正是这种日复一日的安全行动塑造了文化。最困难的是早期没有一群人共同经历压力、危机，文化就不会界定的足够清晰。现在太多资金涌入实验室，没有艰辛。这反而是Anthropic的特征而非bug——被拒绝的次数、资源匮乏的现实，迫使你清楚知道要死在哪个山上。他们的P0从一开始就是编程：攻克编程就能攻克AGI，因为编程能力可以加速计算机上的所有工作。为此他们对其他事情说了很多不。相反，能筹集过多资金的团队，不必定义P0，导致文化最脆弱，甚至无法起飞。

Periodic Labs、物理与硅谷雇佣军

Swyx [00:54:03]: 那么Periodic Labs的制约或艰辛是什么？

Anjney [00:54:09]: 技术上就是物理，是实打实的现实。而公司层面，Liam曾是ChatGPT的联合创建者，Doge曾是DeepMind的Skip level。我们之前用前沿模型测试物理和科学能力，表现非常差。12个月前还不受欢迎，甚至有人刚承诺加入却因更高薪酬反悔。后来我们取得技术突破，做出了SOTA系统。那些想回来的人，我说“不行”。我相信第二次机会，但时间必须治愈。硅谷既是传教士地方，也是雇佣军地方，当大额资金介入时，有些人会失去理智。

Rishi Valley、新加坡与金钱作为标尺

Anjney [00:56:26]: 我是在Rishi Valley长大的野孩子，睡硬石板。后来到新加坡读奖学金项目，住在Boon Keng附近的过渡宿舍，房间只够放上下铺，床会晃。我和一个来自中国不会英语的DotA高手同住，度过了一段美好时光。这段经历让我明白，物质需求极低就可以快乐。金钱是衡量自己的方式，但当它从副产品变成标尺，就失去了意义。应该用它来做更有意义的事。

结语：下次再聊

Swyx [00:58:47]: 很高兴有这次对话。你非常启发性，还有很多关于你怎么搭建投资组合、AMP现状想聊，时间不够了。非常感谢。

Anjney [00:59:01]: 很高兴见到你，改天去吃鸡饭。

Swyx [00:59:04]: 好，我刚要办生日派对，给你发邀请。

Anjney [00:59:13]: 好，谢谢。