Jev发布24天估值从2亿美元涨到75亿美元，超四分之一财富500强排队接入

以下是视频口播的自动转写，可能有错字。

它是今年科技圈最大的笑话，也是最大的神话。Jav，一个不会聊天、不会写代码、连今天星期几都能算错的模型，发布仅仅24天，估值就从2亿美元飙到75亿。财富500强里，超过1/4的公司正在排队接入。造出它的人，曾是OpenAI的核心元老之一，当年让ChatGPT学会说人话的核心技术，他是主要缔造者之一。

一个教会了机器说话的人，最终却靠一个不会说话的模型而被世界记住。在所有人都在狂卷聊天大模型的时候，他抛出了一句震动整个行业的判断：让AI学会聊天，这条路从一开始就走偏了。这个人叫迪奥戈·阿尔梅达，在硅谷，你很难找到比他更佛系的创始人。加入OpenAI之前，他给自己放了一年半的长假，旅行、冥想、学喜剧，顺手把炉石传说打到了全球前二。

他后来说，这可能比做出Jav还要难一点。但真正压在他心头的，是2002年之后互联网上泛滥的AI垃圾。他亲手参与点燃了生成式AI的火种，却眼看着全网被廉价文本淹没。我们好不容易造出了电灯泡，结果所有人都不去推进电网改造，反而全在琢磨怎么用它来烧水。

怎么把灯丝拧出更多花样？到处都是灯泡，可真正的生产力革命在哪？2023年感恩节，OpenAI 爆发震惊全球的董事会政变，奥特曼突遭罢免，全世界科技媒体在狂欢，从业者忙着站队、打探内幕、揣摩人心。阿尔梅达当晚退掉了度假机票，因为他突然意识到今晚全公司都没心思工作，闲置的 gpu 集群终于归他一个人用了。

于是他通宵跑完了自己的实验。后来有媒体问他对那场政变的看法，他只回了两个字，烦人。随后他毅然离职，转身创办了 typesafe。他原本以为解决系统的可靠性只要一周，结果一扎进去就是整整两年。阿尔梅达是个重度洁癖患者，但为了赶进度，20多号人直接搬进了他在旧金山的私人公寓，外卖盒和咖啡杯每天堆成小山，对他是生理层面的折磨。

融资时他也一样固执，别人恨不得把各大评测榜单的分数刷到第一，他见投资人却一张跑分图都不带。他说公开基准极度容易被操纵刷榜，拿着那种数据要钱是侮辱双方的智商。发布前夕，公司账面收入约等于零，超过一半的种子用户根本看不懂这个产品是什么，技术社区嘲讽不断：“这算什么重大突破？

不就是个分类器吗？”商业顾问也严厉警告他们：“大家需要的是止痛药，我们卖的像一瓶维生素，这玩意儿没人会买单。”2026年9月15日，Jav正式发布，紧接着，硅谷炸了。不到3分钟的演示视频，播放量逼近4000万，几乎是当年GPT-4o视频的两倍。

开发平台Vercel记录显示，24小时内，全平台13%的付费团队完成了接入，调用量在3天内冲破万亿级。这个数字在深夜也没有回落，因为人类需要睡眠，而流水线上的自动化任务不需要。24天后，A16Z领投，红杉跟投了8.7亿美元，投后估值直奔75亿美元。

团队曾为了庆祝梦幻开局，约定全员一起把头发染成粉红色。事实证明，成年人团队里最脆弱的契约莫过于大家一起干件出格的事。最后兑现承诺的只有阿尔美达一个人，全球开发者在直播间里看到的是这位前OpenAI元老顶着一头扎眼的亮粉色头发在安静写代码。至于他的团队，全部被死死按在机房里处理海量用户涌入的问题，连去理发店的时间都没有。

一个不会聊天的AI凭什么引爆整个行业？答案就藏在心理学家丹尼尔·卡尼曼的认知框架里。人的心智由系统一和系统二组成。系统二是慢思考，负责复杂的推演、逻辑权衡与语法修辞；系统一是快思考，负责直觉和秒级反应。你出门穿球鞋还是穿皮鞋，看一眼天气就能秒定。

人类日常95%的决策由系统一接管。而过去几年，整个产业在大模型应用上干了一件非常荒谬的事。在真实的业务流程里，比如一个自动化订票系统判断用户是要退票还是要改签，这本是一个纯粹的系统一反射。但在过去，企业必须调用一个几百亿甚至上千亿参数的大模型，等它慢条斯理地推导3秒，吃掉数千个token，最后给你吐出一长串得体的废话。

Jeff把这层华丽的包装全撕了，它只保留三项能力：多选一、打分以及给出一个“是”或“否”的概率值。没有过渡词，不生成寒暄，单次决策只要70毫秒，读入100万token成本4美分，给出答案甚至不收钱。当一项技术足够便宜且实用，就一定会泛滥到无法想象的程度。

外网开发者们彻底玩疯了，有人用它做了个订票代理，从苏黎世搜到伦敦的航班，全程7秒，成本3分钱。项目在GitHub上线三天，狂揽上万颗星。做电商的开发者用它做实时虚拟试衣，用户在麦克风前说话，系统识别语音、判定体型，从衣橱挑选，再到实时渲染穿搭，每次决策只耗时0.6秒，花费不到一厘钱。

数据库公司用通用大模型清洗10万条杂乱文本，花了37美元，耗费半个多小时，而Jav只花了5毛钱，用40秒就搞定了。Jav这个名字，来源于经济学上著名的杰文斯悖论。19世纪经济学家杰文斯发现，蒸汽机的煤炭利用效率越高，煤炭的消耗量反而不会下降，反而会呈爆发式增长。

因为当动力便宜到一定门槛，它就会从奢侈的实验变成铺满全球的铁轨和轮船。效率的终极意义从来不是让人省着用，而是让人放肆地用。这个逻辑恰好接通了阿尔梅达开头那个关于电灯泡的比喻。电动机刚发明的头20年，世界上的工厂效率没有任何实质提升，因为当时的电动机太贵、体积太大，工厂只能在原本安放巨型蒸汽机的地方摆上一台同样庞大的电动机，再通过繁复的轴轮和皮带把动力层层分。

发下去，真正的工业爆发发生在微型电动机足够廉价之后。当每个工位、每个转轴边都能装上一台小马达，工厂的流水线才终于摆脱了对单一动力源的迁就，第一次完全按照生产的自然流向重新排布。当然，75亿的估值背后依然悬着问号，它的底层架构至今是个商业黑箱。

开源社区里关于它不过是拿大模型做了蒸馏的质疑从未平息。更关键的软肋在于，快往往意味着浅。一个单步决策95%的准确率听起来极其惊艳，但如果一个复杂的工业工作流需要连续做10次判断，连乘下来，整个系统的成功率就直接跌破了60%。万亿级的调用量是真的，但其中多少是真实的生产价值？

财报会替所有人回答。很长一段时间里，全世界最聪明的一批大脑都在拼命教机器如何巧舌如簧，如何堆砌辞藻，如何在答不上来时体面地掩饰尴尬。但真实世界的齿轮从来不是靠修辞来咬合的。最顶级的智慧，到最后往往会呈现出一种极度收敛的克制。就像那个放弃了唱“only you”的唐僧。

我是阿畅，关注我，和你一起看懂这个疯狂的AI时代！