Max Hodak: “Speed Is Determined by Infrastructure”

Max Hodak 用 Science 公司的 Helix 系统，把采购、招聘、绩效全流程自动化，实验成本精确到 4 万美元，招聘和评价全靠数据说话。

技术不是胜负手，基础设施才是

Max Hodak 是 Science 的 CEO，本科时就在 Duke 实验室做脑机接口实验，后来参与 Neuralink 的创业管理。如今 Science 的视网膜假体已经完成重大临床试验，进入过 3 项临床试验：这是一枚植入视网膜下方的芯片，帮助因视杆、视锥细胞失效而失明的患者重新获得视觉信号。Hodak 讲的却不只是脑机接口。他更关心一个常被技术团队低估的问题：公司有了好技术之后，怎样不被采购、成本、招聘和决策这些“后台问题”拖死。

这期回答了 8 个问题：

1. 为什么一家技术很强的深科技公司，反而可能死在采购、预算和招聘上？
2. 为省下 1,500 美元而等两周，为什么可能是更昂贵的决定？
3. 怎样让研发人员知道一次实验真正花了多少钱？
4. 招聘首轮为什么不该卡在某个主管或招聘团队手里？
5. AI 能写代码后，怎样用作业和面试识别真正会思考的人？
6. 能否用类似 PageRank 的机制，替代一年一次的绩效考核？
7. 为什么 CEO 到了关键时刻，反而不能把判断外包给董事会或专家？
8. 脑机接口最棘手的瓶颈，为什么可能不是算法，而是植入物的材料封装？

在总结自己为何不继续讲视网膜产品、而转讲创业基础设施时，Hodak 先摆出了一项足够硬的成果。Science 的视网膜假体植入眼底视网膜下方，绕过已经失效的视杆和视锥细胞；患者戴着带相机和激光投影器的眼镜，红外图像投到芯片上，芯片产生局部电场，直接刺激仍可工作的视网膜回路。一名患者借助它读完了一本 300 页小说，还把书寄给团队。产品已完成重大临床试验，并进入过 3 项临床试验。

但有产品进展，不等于公司能活到产品规模化。Hodak 见过太多由顶尖科学家、工程师创办的深科技公司，不是因为技术原理被证伪，而是因为组织无法把钱、设备、人和决策稳定地接到执行上。公司人数上百、实验空间扩大到几十万平方英尺后，创始人的脑子不再是操作系统；采购慢、岗位空缺、实验成本不明，都会让战略停在幻灯片里。"And so speed determines success and failure and speed is determined by infrastructure."（速度决定成败，而速度由基础设施决定。）

这意味着，深科技真正的复利不只来自某一次技术突破，而来自单位时间内能完成多少轮“做—测—改”。一家每周学到一件事的公司，面对一家每月才学到一件事的竞争者，后者很难追上。反面是：基础设施打错地基，公司即使每月烧掉 500 万美元，也可能仍觉得局面完全失控。这个判断尤其适用于有制造、实验、临床和实物供应链的公司；纯软件公司的物料复杂度确实低得多。

在解释采购系统解决了支出上限后，为何研发资源配置仍会失控时，Hodak 指向了一个更隐蔽的问题：成本归因。Science 会批量买氩气、硅烷、氮气、树脂和培养基，再把它们分给许多实验。于是，一个新细胞系长出来、一枚探针在晶圆厂完成一次加工，究竟花了多少钱，没人说得清。物料只是从冰箱里拿出来，实验室就很容易把它当成不花钱的行为。"Therefore, experiments are free."（因此，实验就成了免费的。）

他给出的数字很具体：某套晶圆制造流程，每迭代一次要 4 万美元。假设公司完成 2,000 万美元 A 轮融资，计划撑四年、雇 20 人，人员成本大约能吃掉总消耗的一半；20 人每年的人力成本可到约 300 万美元。再租 2 万平方英尺场地，按每平方英尺 4 美元算，每年又是约 75 万到 100 万美元。融资额在员工眼里像一座金山，真正可自由配置的研发预算却会缩得很快。

这意味着，研发管理不能只统计“做了多少实验”，还要把物料、工序、批次和制造记录追溯到实验层级。Science 为此把实验室步骤写入内部系统 Helix，才能知道一条路线每次迭代的真实账单，并比较不同路线值不值得继续。不过，归因不是自然科学：租金计多少、设备折旧摊多少、未来产量按什么预期估，都包含管理判断。系统不是替人给出唯一答案，而是让这些判断终于有账可算。

在讨论第 17 名员工该怎样购买一台 3,000 美元电源时，Hodak 描述了早期公司最常见的一种假节俭。创始人收到申请，觉得 3,000 美元太贵，想到三天后有场拍卖，也许能以半价买到；代价是设备两周后才能送达。账面上，这是节省 1,500 美元。可如果公司每周已经在高薪人才身上花 10 万美元，让一群工程师等一周再开工，损失早就盖过了折扣。

问题不只是创始人批不批准。非信用卡采购常常要先开供应商账户，处理保险和认证文件，让对方出报价单，公司生成采购订单，对方再开票。一个电源从提交需求到到货，可能就拖两周。此时研发人员不是在做实验，而是在企业采购软件里点按钮。"It is mostly not that we are smarter. It is infrastructure like this."（这主要不是因为我们更聪明，而是因为有这样的基础设施。）

这意味着，控制支出的关键位置，不是每笔小额采购的最后一关，而是更早的预算设计。先明确团队一个月能花多少、各小组有多少可支配资源，再让专业人员在边界内自己权衡 1,500 美元和一周时间哪个更贵。这样，创始人不必逐笔替团队判断该买半价电源还是全价电源。边界也很明确：这不是“有需求就买”的放任。Hodak 的前提恰恰是先锁住月度总支出，再把单笔工具采购的低效审批拿掉。

在说明传统招聘如何迅速拖垮团队，以及 Science 如何搭建招聘流程时，Hodak 的重点是：申请量一大，任何单点审批都会变成堵车口。Science 的做法是，候选人一进入系统，系统自动找出背景相近的 7 到 8 名现有员工，请他们从“强烈赞成”到“强烈反对”投票。过去几年，顶层申请中有 17% 进入电话筛选；这轮投票通常在 24 到 48 小时完成。

他们把流程拆成四步：初始投票、电话筛选、作业、完整面试。电话筛选也不是由某个业务主管独占，而是从全公司抽人参与，判断三件事："Judgment, horsepower, and agency."（判断力、能力上限和主动性。） 换成大白话，就是遇到模糊而复杂的情境，能不能做出好决定；学习和解决难题的上限够不够高；能不能主动把想做的事推进，而不是等指令。

AI 能写代码后，Hodak 也不再把“能否手写某段代码”当作核心判断。他更看重候选人如何拆解一个设计问题。作业要尽量抗 AI，要有足够高的上限，并压缩成两三个可比较数字；比如优化 GPU kernel 时，能把循环周期压到多低，结果天然可量化。进完整面试前，团队希望至少 25% 的候选人最终拿到 offer，否则现场面试耗时太多。分布式首筛不是让创始人退出：Hodak 仍建议创始人在相当长时间里亲自面每一个人，只是不能让创始人或招聘团队成为整个公司扩张的唯一阀门。

在追问公司如何在市场给出最终答案前，提前知道自己是否招对人时，Hodak 对年度 360 评估泼了盆冷水。传统做法是一年一次发大量表格，HR、主管和员工开一轮轮会。它很打断工作，而且常常不会发现管理者原本不知道的问题；更多时候，是把“大家早知道但迟迟没处理”的事再确认一遍。等一年才得到反馈，组织已经在错误配置里跑了很远。

Science 每隔约 4 到 6 周向员工推送一个核心问题："knowing how this person turned out would you vote again today for their hire?"（现在知道这个人后来表现如何，你今天还会投票支持当初录用他吗？） 团队再把这些反馈连成一张图谱。图谱不是简单数票：一个被高评价者给出的评价，权重会更高。这借鉴了 Google 早期 PageRank 的思路，即“被可信节点认可的节点更可信”，技术上接近特征向量中心性，Science 称其为 Eigen reviews。

系统还会随机删除部分评价关系，重复跑 1,000 次。如果最终分数分布多出额外峰值，可能意味着某个小圈子彼此抬票或针对性压票，值得人工调查。这意味着，绩效管理可以从年终行政仪式变成持续更新的组织传感器，较早发现协作关系、局部团队和人才配置的问题。但它不是自动判决机。异常峰值只是线索，分数也只是多个信号之一；系统可以提示哪里要看，不能替管理者证明谁对谁错。

在被问到脑机接口走向实用化，还剩哪些最难工程问题时，Hodak 没有先谈算法。他先讲了人体的边界条件：不能把导线直接穿过皮肤。皮肤是重要的免疫屏障，连接器周围无法真正完全愈合，细菌可能沿着通路进入颅内，后果不是设备失灵那么简单，而是患者可能发生严重感染。因此，植入物必须在皮下闭合，供电和通信都得另找办法。

早期方案有多笨重？一款十多年前的视网膜假体在眼球周围加了束带，侧面挂一个装着电池和 PCB 的钛盒，手术长达四个半小时。Hodak 的结论很直接：这条路没有成功。Science 用激光投射实现无线供电，避开了电池、穿皮导线和大钛盒。但供电问题缓解后，下一道关卡仍在：设备要在人体里长期活着，就得有一层贴合式封装，既不被人体降解，也不伤害人体，还要经得住身体持续的排异、重塑和侵蚀。

"that material science is a very open-ended field and if you're interested in material science that is a thing that we need progress in."（材料科学是一个极其开放的领域；如果你对材料科学感兴趣，这正是我们需要取得进展的方向。） 这意味着，脑机接口的瓶颈会从“能否读出或写入神经信号”转向更朴素也更难绕开的材料问题：怎样把电子设备长期留在一个从不静止、也没有真正惰性表面的身体里。无线供电不是终点；长期可靠的封装仍是开放题。

在谈创业者如何处理高风险决策，以及自己从 Neuralink 经历中学到什么时，Hodak 给出的判断并不讨喜：流程能替 CEO 减少大量日常摩擦，却无法替 CEO 做关键判断。公司创立四五年后，某个决定可能牵动数亿美元。创始人会去问董事会、顾问和专家，却可能发现每个人都只能提供局部意见，没有人能替自己回答“到底该选哪条路”。"you cannot delegate your judgment."（你无法委托别人替你做判断。）

他反对把创业理解成一套可复制的五步法。创业面对的是不断落在桌面上的新事实，许多决策放在一周内看甚至会显得前后不一致。真正需要的是持续校准判断力：在有代价的选择里下注，等待反馈，再修正自己的判断过滤器。Hodak 见过公司卡在“深度局部最优”里——某个人能力很强，却不适合公司当前阶段；把此人移走后，组织反而解锁，进入新阶段。

这也是他所说“行动产生信息”的含义。卡住时，光在会议室里预测风险，通常不会得到新答案；要向系统里注入行动，才会出现此前不存在的反馈。边界同样重要：这不是鼓励 CEO 为了显得独立而反着共识做事。Hodak 强调没有放之四海而皆准的创业规则。独立判断不是拒绝建议，而是在听完建议后，仍愿意亲自承担那个具体事实格局下的后果。

“省下 1,500 美元，可能烧掉一周研发速度”和“年度 360 评估太慢，持续重投票才能暴露组织故障”，表面上一个讲采购，一个讲绩效，实际都在解决同一件事：公司能否把资源快速转化为新的信息。电源迟到，实验无法开始；人员问题一年后才处理，协作损耗已经累积成组织惯性。两者消耗的都不只是钱，而是学习周期。

“实验成本一旦不可见，团队就会把研发当成免费”则补上另一面：快不等于乱跑。团队必须看见一次晶圆迭代的 4 万美元，看见场地、人力和物料如何吃掉 runway，才能在既定预算内把速度用在最值得验证的假设上。采购、成本归因、招聘、绩效，本质上都是创业公司的传动系统；它们决定技术想法能不能从一个人脑中，稳定地传到实验台、产品、临床和市场。

但系统再好，也不能消除“真正的 CEO 工作，是在无人可问时押注并行动”这一层责任。对正在带团队、做项目或管理自己职业选择的人也是一样：先把那些重复发生的摩擦做成可靠流程，把注意力从无意义审批中腾出来；然后在真正没有标准答案的岔路口，别把选择伪装成“等更多意见”。你要知道自己在用什么资源换什么信息，也要准备好为那个选择接收反馈。