“洪水马上来了，很多人还岁月静好。” —— 田渊栋，前Meta AI研究总监 2026年2月28日，硅谷坐标主持人曹卿云在硅谷专访了田渊栋。田渊栋在Meta深耕11年，主导了强化学习、大模型推理与长上下文等多项前沿研究，近期刚刚以Co-founder身份开启新的创业旅程。本次对话涵盖大模型竞争、记忆与存储、推理前沿路线、Agents对社会的冲击等议题，以下是核心内容整理。 田渊栋 CMU机器人学博士。在Meta AI（FAIR）深耕11年，担任研究总监。他主导了开源围棋AI ELF OpenGo（单GPU击败职业棋手）、大模型长上下文扩展的奠基工作 Positional Interpolation 与 Attention Sinks（ICLR 2024，引用逾1,400次），以及隐空间推理前沿探索 Coconut，同期联席主导 Llama 4 Reasoning 方向，Google Scholar总引用超22,000次，h-index 74。近期以Co-founder身份开启新的创业旅程。 「本期核心观点」 1. 大模型竞争：蒸馏时代，领先优势正

一个值得关注的信号来自垂直场景：面向会计师事务所的 agent 平台 Basis 宣布融资 $100M，估值 $1.15B，用来加速产品与扩张团队。它主打用 agent 自动化结构化会计工作流（税务、审计、咨询等），把 LLM 与规则控制、审计追踪、合规框架结合起来，并保持 human-in-the-loop 的审批与复核。文章还提到其客户中包含约 Top 25 会计师事务所的约 30%。 SVV 视角：这条融资更像“路线图被验证” 不是所有 SaaS 都同等被 AI 冲击；相反，强流程、强合规、强审计链的领域，反而更适合做“端到端 agent + 人类复核”的落地形态。会计/税务/审计正是典型：任务结构化、错误成本高、但可通过流程约束与审计追踪来降风险。 这类产品的护城河往往不是“模型本身”，而是：工作流编排 + 合规规则 + 数据接入/数据结构 + 可追溯产物（audit trail），以及与事务所现有系统的集成深度。

过去一年，很多 SaaS 公司出现了一个反直觉现象：留存（GRR/NRR）看起来并没有崩，但市场仍在用更低的倍数定价“未来增长”。这更像是一次增长确定性的折价——AI 出现后，投资人对“软件未来如何继续增长”有了不同答案。更关键的是，买方预算正在从“再叠一个系统/模块”转向“AI 工具 + AI 改造”，因为后者的 ROI 叙事更直接：更少的人做更多的事，效率收益更快可见。短期结果是：不少 ISV 的增速被注意力迁移压住；中长期悬念变成：谁能把 AI 变成可持续收入，谁又会被 agent 贴着 API 把价值层绕走。 “工作流分化/风险象限”类框架图（示意图） SVV 的采访启示：给经营者的“本周两条硬要求” 产品必须 AI 化：不是“加一个 AI 功能”，而是能说清楚 哪些工作从人→机器、价值如何计量、客户为何愿意付费。并且要能落到可销售的 package（功能、定价、交付、风控与责任边界）。 运营也必须 AI 化：把 AI 用在内部“提速”上——更快决策、更快交付、更快试错；否则外部范式在变、内部时钟还停在旧节奏，差距会指数级拉开。 一个董事