首先是在 b 站刷到了这个 OpenAI 员工翁家翌的访谈视频：
翁家翌：OpenAI ，GPT ，强化学习，Infra ，后训练，天授，tuixue ，开源，CMU ，清华｜ WhynotTV Podcast #4

访谈视频中翁家翌提到他是 OpenAI 的 infra （ LLM 基础设施）建设的，在他的观点看来，哪家 ai 公司更有能力看的并不是谁家的模型又上了 Benchmark 排行榜第一名，而是公司内部的 infra 的对于 llm 的迭代速度。

视频中他提到，OpenAI 内部用于训练 ChatGPT 的 infra 已经是三年前搭建的了，而他们仍然还在准备新一代的 infra ，这是 OpenAI 面对 DeepSeek, Gemini, Claude 时较为乏力的原因，这些后来者的 infra 比 OpenAI 的更加先进，这意味着他们可以更快地对 LLM 进行迭代。

随后又刷到了美国战争部长去 SpaceX 向 Elon Musk 取经的视频：
美国防部长走访马斯克星舰基地！要把第一性原理搬到五角大楼！

Musk 的 SpaceX 或者说 Tesla 的成功原因，一个是他的“第一性原理”，另一个就是他的“快速迭代理论”。

快速迭代理论说的是：并不是从一开始就做一个完美的产品，而是先做一个差不多的产品，然后用最快速度去逼近完美。

而 Musk 的星舰基地，就是一个快速迭代的平台，这个星舰基地有充足的资源让他可以不断试错不断发射失败，发射失败的速度越快，他距离成功的速度也就越快。

同理，回到 LLM 的迭代中，各家 AI 公司其实真正需要的不是一个牛逼的算法或者架构，而是可以最短时间内验证一个 idea 的能力，任何人有 idea 或者算法都可以在最短时间内集成到产品中去，从而判断是否可以加强产品能力。

这也是 DeepSeek 在 2025 年初能够释放重磅炸弹的原因，幻方量化有足够的 infra ，才能实现他们各种颠覆性的 ideas 。

LLM 的 infra 是 AI 公司的算力基建和训练管道，而对于普通程序员或者独立开发者来说，其实 idea 并不重要，因为这个世界上有太多的 idea 了，在 idea 落地之前，没人知道这个 idea 能否成功，重要的是实现 idea 的 infra ，也就是现在的 coding agent 。

因此，作为开发者，在 2026 年，一个 idea 落地的效率大大提高，因此没有必要再去问值不值得做，而是先 vibe coding 一个最简单的核心出来，然后看市场反馈，如果反馈好那么使用快速迭代理论来疯狂地接近成功。

另外再举一些生活中的例子，比如你想开一家咖啡馆，而你本身并没有开咖啡馆的经验，你要做的不是花几十万重金盘下一个店面装修再购买数万元的设备，而是使用最低成本：买二手设备，租便宜店面，先简单装修等等压缩成本的方式开一家咖啡馆，然后看自己能不能开好这家咖啡馆，如果营业不下去了就倒闭，然后总结经验，继续开始下一次试错。

到目前为止想的就这么多，本想用 AI 优化一下排版，但是不希望 AI 代理我的语言输出，大家将就看吧。