124. 年终对话【站在2025年之外】和戴雨森聊2026年预期、The Year of R、回调、我们如何下注

Summary

张小珺Jùn｜商业访谈录｜第124期 精选总结

节目总览

主题：站在2025年末，张小珺与真格基金合伙人戴雨森回顾205年AI、创投与中美科技格局，展望206年趋势，并深度拆解“The Year of R”(回报、研究、记忆)主题。

核心议题：

• AI与创投在205年的真实进展vs预期
• 中国与美国AI生态变化、模型公司竞争格局
• 大模型商业化困境与泡沫隐忧、估值对比
• 206年预测：“Year of R”多重含义（Return回报、Research研究、Remember/Memory记忆）
• 对创业者、投资机构和普通人的现实建议
• 未来AI产品与入口、回调与机遇

---

主要内容脉络与洞见

1. 205年的AI与创投进展复盘

1.1 总体回顾（00:08）

• 205年AI商业化基本兑现，技术→产品→商业链路逐步清晰
• ChatGPT收入猛增，新一代Coding Agent（如Cursor、CloudCode）实现亿级美金ARR
• “技术进步带来产品落地，再带来商业变现这条链路已被验证”
  —戴雨森 [00:11]

1.2 关键模型突破（12:36）

• O系列（如GPT-4O）、DeepSeek等突破传统scaling，推理和编程能力飙升
• 多模态生成（NanoBanana, SORA2等）拓宽应用场景，开源模型（中国为主）崛起，全球开发者开始大规模用“中国芯”
• “过去认为没人能追上OpenAI，事实中国公司用10%成本快速追平”
  —戴雨森 [22:54]

1.3 AI应用市场特征

• 生产力型AI应用大爆发，杀时间类（聊天陪伴等）仍然不及预期
• Prosumer/SMB在全球市场成为AI应用早期采用主力
• 美中创投热情均有明显反弹，尤其中国出海APP占有一席之地

1.4 估值与泡沫初见端倪（55:52）

• 美国AI初创估值高于中国10-30倍，应用与平台类公司均如此
• “美国的创业公司没产品都能给5-10倍中国估值，长期会逐步收敛”
  —戴雨森 [55:59]

---

2. 模型打平后的行业逻辑

2.1 模型无绝对护城河（34:50）

• 算力/数据投入已难拉开代差，全球信息/人才高度流动
• 开源模型逼近甚至优于商业APIs，应用端“切模型”变容易，模型公司缺乏持久壁垒
• “现在的行业没有人能长期守住‘秘密’，信息流通太快了”
  —戴雨森 [36:12]

2.2 护城河迁移：Research与Memory（42:25）

• 下一阶段竞争会往前沿研究与个性化记忆系统倾斜
• “护城河变成研发能力和第一方应用获取的用户数据、上下文记忆”
• “OpenAI和Demis（DeepMind）都提到，未来突破需1-2个新的research突破”
  —戴雨森 [43:24]

2.3 应用层的复杂性与壁垒

• 基于上下文和工具链的Agent产品才有额外护城河（Context+环境整合）
• 简单UI壳（如AI搜索、AI写代码）难抵模型方进军

---

3. 206年展望——The Year of R

3.1 Year of R 的三重意义（86:06 & 142:34）

• Return（回报）：巨额投入后，市场对AI回报ROI要求空前提高，分母变大必须看到可持续增收
  • “206年是Year of R，回报变得尤为重要”
    —戴雨森 [142:40]
• Research（研究）：旧范式红利衰减，行业亟需新范式/新科学突破才能再打开增长空间
  • “现在是Scaling和Research交替，研究突破是下一步关键驱动力”
    —戴雨森 [143:50]
• Remember（记忆）：Products做AI记忆/上下文，形成应用层用户个性化体验和闭环
  • “只有懂你的AI才有真正的差异化潜力，Memory会是206年的必争之地”
    —戴雨森 [147:12]

3.2 应用市场新逻辑

• 订阅制已见天花板，广告/电商为存量分蛋糕，AI coding等按用量收费边际价值递减
• “token消耗暴涨并不等价于回报跟着涨”
  • “大家都谈token消耗量暴涨，但最终关键还在于你投入的钱能否有真实回报”
    —戴雨森 [167:10]
• 企业AI渗透率尚低，主流市场的鸿沟尚未跨过（Coding/Chat是唯一例外）

3.3 估值回调风险

• 投资界普遍预期：AI泡沫“还没到顶端，但短期内回调概率高”
• “泡沫未必是纯坏事。好的泡沫激发创新，坏的泡沫推高短期回报幻象”
• “如果AGI进展delay或回报不及预期，二级市场pullback可能发生在下半年”
  —戴雨森 [161:20]

3.4 建议/忠告

• 创业者：
  • 技术敏锐、全球视角、保持高执行力和韧性，尝试垂直场景/拥有独特数据
  • “不下牌桌，不断翻牌，才可能抓到AI大机会”
  • “创业永远是长期者的游戏，高质量增长revenues/margin才可持续”
    —戴雨森 [150:35]
• 投资人：
  • 聚焦人，优先押注大概率引领者与黑马，警惕“白马高价买黑马的风险”
• 普通人：
  • 提前拥抱新工具，转型到‘AI老板’思维（管理AI并行做事），做“分布外”的人

---

4. 行业与市场结构纵深

4.1 产品与入口预测

• AI Chatbot有望成为新的超级入口，但尚未有互联网级网络效应，产品形态仍有2.0变革空间
• “入口”理论在中国更加根深蒂固，美国模式是“大DAU产品+广告”
• “未来入口或许根本不是chatbot而是更主动、能插入用户流程、能做多模态的Agent/工具”
  —戴雨森 [187:48]

4.2 模型、应用、新交互的未来

• 模型公司争夺自身第一方产品/Agent、Memory多模态能力
• 浏览器、搜索等传统产品形态名称反成“包袱”——新AI产品需要新交互、新命名

---

5. 圈内八卦与VC直言

5.1 创业团队挑选

• 团队过往共事经历、长期信任关系极重要，0后、90后、70后优秀者都可大成
• “中国技术浪潮红利基本由第一波引领者获得，跟风者难成大器”

5.2 白马、黑马、灰马的投资逻辑

• 投资白马（被看好、容易投贵）、黑马（便宜但难中），最忌等价买到灰马（高价买没壁垒的）
• “志霖（Kimi）曾是黑马，用黑马价格买了白马成果；而灰马高价却难有爆发力”

5.3 快问快答精选

• 最推荐AI相关书目：《智能简史》《跨越鸿沟》
• 普通人如何面对AI新时代：“要学会在智能充沛的时代生活， agency和taste将决定价值”

---

部分金句回顾（含时间戳）

• “每次技术革命都带来泡沫，AI作为最大技术革命，泡沫和红利也是最大，这没什么可怕的。”
  ——戴雨森 [160:18]

• “中国开源模型的崛起，是全世界都看到中国模型能力的信号，也打破了很多偏见。”
  ——戴雨森 [29:30]

• “Return（回报）和Research（研究），一个是现实的硬指标，一个是未来的突破希望，206年这两点都会空前重要。”
  ——戴雨森 [142:34]

• “创业公司的第一性原理就是要增长很快，不断用技术与市场的迭代，留在牌桌上永不下场。”
  ——戴雨森 [120:03]

• “token用量的大幅上升不能justify估值；关键还在于你投进去的钱能不能有好的return”
  ——戴雨森 [167:36]

---

重要时间节点（部分）

• 00:08 205年总结、“Year of R”提出
• 12:36 模型端核心突破（O系列/DeepSeek等）
• 22:54 中国模型公司追赶与开源生态崛起
• 34:50 模型间无绝对壁垒，护城河迁移
• 42:25 第一方应用、研究与memory的价值
• 55:52 中美创投估值对比与风险
• 86:06 206年展望——Year of R三重内涵
• 142:34 206年“Year of R”详解，针对创业者建议
• 161:20 泡沫/回调判断，二级市场影响路径
• 187:48 AI产品与“超级入口”讨论

---

总结与展望

本期是2025年终站在AI与科技创业潮头的深度复盘与前瞻。戴雨森以一贯理性、兼具乐观与谨慎的视角，对“泡沫与红利、研发与回报、模型公司与应用公司、局部领先与世界追赶”做了系统梳理。对创投人和创业者分别给出操作性极强的建议。对于大众，他提醒要真切学习“与智能共生”的新生活方式。

“所有革命带来的最大价值都是长远的，但短期永远会高估，长期会低估人的创造力。聪明人下场了，泡沫与回调都只是过程。”
——戴雨森 [162:20]

---

额外提示：节目后半部分有更多创业、项目判断、投资团队与行业内幕，以及对未来AI人机交互（voice、memory、多模态）方向的讨论。欢迎关注“语言即世界languageisworld”公众号获取更多主创精华内容。

Transcript

[A]

26年我有一个关键词叫26年是YearofR就是R之年这个英文字母代表着几个含义第一个R我的含义我觉得叫Return就是回报你觉得站在205年的尾巴上你有嗅到泡沫的味道没有人類歷史上每次技術革命都帶來了泡沫幾乎毫無例外不管是從當時的修運河還是修鐵路還是修高速公路後來的互聯網其實我覺得都帶來了泡沫在接下來26年我覺得還會越來越多的討論AI下一個範式是什麼AI模型能力是不是遇到了一些瓶頸以及說AI短期能兌現的收入是不是能夠足以撐得起來這個投資你提出TheYearofR同时你清空了二级市场的股票那你会做空吗我不会我觉得做空是一件当然有人很擅长做空因为我有很多对冲基金的朋友但是我觉得做空是一个你希望别人变得很惨的事情我觉得这个在二级市场不是一件好事情Hello大家好欢迎收听张小骏商业访谈录我是小骏这是一档由语言及世界工作室出品的深度访谈节目我们希望和你一起从这里探索新世界不知不觉我们来到了205年的最后一个月在北京的初雪之中我们希望和大家一起做一个回顾与展望系列站在205年之外今天的嘉宾是真格基金管理合伙人戴宇森在12季節目中朱孝虎聲稱三年內不會有泡沫泡沫論調成屬無期之談創業者206年應當全速前進那宇森今天帶來了全新的看法在他看來206年的關鍵詞是TheYearofR回報與研究會變得再度重要某種意義上206年將是一個現實與回調之年Hello宇森先給聽眾朋友們打個招呼嗨非常高興又再次做客小君的播客我是政客基金管理合夥人戴宇森此刻是205年的12月份站在這個年底我們來做一個對AI進展和整個創投的205年的覆盤和206年的展望總體來說你怎麼看205年在AI和創投狀態你覺得是超出你的預期還是低於你預期的首先因为我确实在过去几年经常有一些关于AI发展的分享所以我也正好做了一下复盘因为到年底了我觉得AI的发展基本上是符合我之前的一个预期的那么也正好回顾一下在去年应该是2014年底吧我陆续分享过的一些预期首先当时我们有一个基本的判断就是AI应用商业化是需要一定的时间的当时我打了个比方是AI还在快速学习它是一个非常聪明的小学生但是一个小学生去打工可能还不能赚钱所以我们是要先看到技术的进步然后技术的进步在产品上落地然后再进行商业化那么我们看到205年其实大家对AI商业化的进展应该是得到了比较多的兑现比如说ChattyGPT的收入涨得很快Anthropic这项模型的API涨得很快然后我们看到像Cursor像CloudCode这些在Coding方面已经达到了接近1美金RR的级别然后我们也看到新一代像ManusGenSpark这样的Agent这个应用其实也朝着以美金以及商量去走了所以我覺得技術進步帶來產品落地然後帶來商業化這條鏈路是得到驗證的然后二五年初的时候当时我们有一个分享是说我觉得有三个技术的进展很重要一个是推理能力的提高这个是随着ChallengeBTO系列这个thinkingtime的scaling带来的推理能力提高很重要然后第二个是编程能力的提高以Sony的3.5为代表模型能够在思维bench这样的真实世界编程任务中获得非常好的表现这个能力提升很重要第三个是computeruse模型能够使用更多的人类使用的软件来完成任务这三个能力加起来会解锁agent的元年那么我们在25年我们看到了一方面像codingagent比如说CloudCode或者Codex这种能够自己进行编程任务长达可能一个小时以上的有点像L3级别的codingagent产品的诞生以及得到广泛的应用AR可能到达10亿美金同时我们也看到了像我们投资的ManusGenSpark作为比较明显代表的所谓通用型的agent产品的出现同时他们的AR也到达了1亿美金的级别得到了很多用户的喜爱所以我觉得Asian元年的判断也还是符合预期的然后20年底我们当时有聊过一些对AI应用的一方向的判断首先我们觉得现在的AI它是一个生产力提升的革命那么我觉得中国互联网过去10年其实大家赚钱的是杀时间的应用简单来讲就是用户在你这花很多的时间低于很大大家评判的是我们怎么从这些时间里面赚到钱所以当时大家投了很多类似于CarryAI的应用有人说叫百思一大战各种AI陪伴聊天但是我是覺得比起這種killtime殺時間的應用AI來省時間其實更重要所以我當時覺得AI2C應用的發展可能跟移動互聯網有點不太一樣那麼我覺得現在來看可能這種殺時間陪伴型的應用我覺得可能還是沒有到達一個大家期待值這個跟我們判斷是比較類似的但是現在有大的應用的基本上都還是在生產力方面的應用第二个就是我们一直对人形机器人是比较谨慎的这里指的不是说这种跑跑跳跳的这种locomotion的能力更多的是讲它怎么去使用工具完成任务的manipulation的能力因为我们一直认为改变数字世界一直是比较简单一点但是我们对于物理世界的改变一直是比较难一直是比较被高估的这从自动驾驶的发展也可以体现出来那么我们在去年就提出人性机器人Manipulation手上的能力落地会持续的不及预期我觉得今年其实大家看到原来对optimus以及这些人性机器人manipulation的预期其实应该是落空的这个肯定要继续往后延当然我们看到有一些非常有意思的新的趋势比如说像VLA或者像Sunday为代表的新的这种家用机器人的一些可能的前景但整体来讲我觉得巨声智能或者说Manipulation还是属于一个比较不及预期的情况第三个我觉得在过去两年包括今年也有很多硬件公司想要做替代手机的硬件比如说之前的Homing然后我记得还有一个叫Friends的有一个吊坠然后rabbit等一些这种试图于替代手机做这种比较通用能力的硬件我觉得这个还是比较难的然后所以然后对于agent来讲呢我们确实也看到有一系列agent的产品的雏形开始出现但这些产品主要还是给Prosumer就是这些比较专业的个人以及中小型团队用的因为在大型公司里面要部署agent对于数据对于隐私权限这些要求都比较高所以我们看到在大公司里面agent其实它的渗透率是很低的但是目前的agent的产品它主要是给全球的这大概几亿人就是知识工作者这些专业型个人使用所以這是AI我覺得是比較符合我的預期的然後對於創投我覺得在中美其實都有些超過預期在美國我們看到大家的熱情還是很高漲的出現了像比如說ThinkingMachineLab是這種在沒有產品或者基本沒有產品的情況下達到50個Billion估值的新型的創業公司然後也陸續出現了一批百億美金級別的初創型公司可能大概在一兩億美金所以大概是50倍AR的範疇然後但我覺得最超預期的還是中國創投生態的回暖我覺得整體來講首先阿基市場中國發生了很大的反彈對吧這個肯定是一個從退出端賺錢端的盈利效應然后从年初开始DeepSeek横空出世然后大家看到中国机器人领域的很多发展中国在比如说半导体产业链上像观摩块这些领域也是具备全球非常强的竞争力然后Madness等我觉得也让大家对于中国的应用生态有了更多的信心大家发现中国从模型端应用端机器人半導體產業鏈的上游這裡面其實都還是有很多很優秀的公司所以大家對於創投的熱情其實也回來很多我們明顯地看到市場上投資的項目的數量以及投資的金額以及估值以及項目競爭的強度都發生了很多的提升所以這塊我覺得是超預期的我們來拆開覆盤一下你覺得205年在模型側有哪些進展在模型社的进展我觉得我们一个大的思考方式是首先技术的底层有什么突破然后这个底层的突破怎么被scale怎么被更多的数据更多的率率去提升最后带来我们看到的它的性能提升以及它的使用场景提升在过去一年我觉得第一个很重要的就是以O系列为代表加勒基BT的OE应该是在204年的10月发布的它代表了解锁了thinkingtimescaling这样一条技术路线因为原来是pre-training的scaling然后它带来的是我在inference端我通过花更多的时间资源去inference然后也能带来性能提升所以我们就看到它落实在benchmark上比如说衡量博士生知识级别的GBQA这个Benchmark基本上是从去23年的20多分然后做到现在大概接近八九十分的水平已经超越人类PhD的水平然后CVBench大家都表达出能详对吧是衡量在GitHub上真实世界编程任务的表现当时GPT-4是大概不到5分然后在过去的12个月里面这个分数被提升到了现在接近80分包括当时scaleAI搞的humanitieslastexamination人类最后的考试这个标题当然也非常的有野心觉得这是AI最后的考试也是从一开始的可能12到18个月以前几分的水平现在大概是30多分甚至40多分的水平所以这是到reasoning能力大幅提高同时这也带来了像在年中的时候OpenAI和Gemini两家都宣布自己的通用模型能够获得IMO金牌级的成绩因为以前做这种IMO级别的数学题都是需要有形式化证明这样的专业模型但现在一个通用模型它也能够解答IMO金牌级超过可能9.%的人类然後最近DeepSeek的V2其實也是帶來開源的IMO金牌級的表現這其實我們整體來講就是有一個判斷是有更多的理事時刻到來理事時刻也就是來自於AlphaGo當時下棋的時候戰勝人類最強棋手那麼在編程領域數學領域包括很多常識的推理這些領域其實AI就在超過人類中最強的個體這其實會帶來很多我們認知的變化那麼第二個進展呢我覺得就是在多貿貸上那么我觉得这个最核心的是多模态的视频和图片生成和语言模型的结合所以我们今年看到了在年初的时候是GPT-4O带来了吉布利时刻大家发现当一个图片生成模型对于指令追寻非常好能够理解你的prompt语义的时候它的用户场景发生了很多的扩展然后后来是NanoBanana以及最近的NanoBananaPro我们发现你可以把一个长篇文章给它然后生成一个解释的PPT或者说是一个解释的infographic就是海报甚至上哆啦A梦去给你解释这个是一个对于场景非常的提升同时VO3,SORA2这样的视频领域音化同步生成然后更好的保存度更长的生成时长更好的物理一致性这其实也让大家意识到托马泰的应用的场景被拖宽了很多那么第三个模型端的进展呢我觉得就是看到中国模型公司的持续追赶因为在24年的时候我觉得大家其实是很担心的觉得中国公司是不是第一缺卡第二呢很多人才是不是也都在美国那这种情况下中国模型是不是会比较落后比较长的时间但是年初首先DeepSeek橫空出世讓大家意識到中國公司可以通過十分之一甚至更小的成本追到世界的接近世界搜查的水平但當時可能大家覺得是不是因為DeepSeek這家公司特別不一樣其他人能不能做到但我們發現好像並不是只有DeepSeek能夠完成這樣的追趕其實後來Qianwen然後Kimi的K2然后包括可能像GLM、MINIMAX当然还有字节对吧这一系列的模型它逐渐的都能够在美国的收藏模型发布之后过几个月中国就能拿出来一个可能性能接近但成本只有五到十分之一并且还能真的用上了开源模型所以我们也看到在年初的时候其实整个开源生态主导还是拉玛但是现在基本上已经是中国模型的天下包括一些美国的全世界的这种应用场景也陆续在采用中国的模型我们看到Cursor不是出来Composer1的模型然后大家普遍认为它是基于中国的开发模型训练的然后all-in的主播就是SocialCapital的ChadMax他其实也说他们已经把很多的使用切到了KimiK2上因为表现很好同时价格很低我觉得模型端还是有很多的这样的进展你看中国的模型在追赶,美国的几家模型公司似乎也没有拉开差距,包括OpenEye,Anthropy,Google这三家的座次排名也一直在发生变化,你觉得这个现象本身反映出什么? 长远看模型之间是有秘密的吗? 首先我觉得这个行业里边信息和人才流动很快尤其硅谷没有经验所以信息其实又流动更快据说当这些人才流动的时候实际上很多knowhow是不可能完全保密的它没有办法封锁对所以我觉得是没有能够真正长期保守的秘密并且大家也都在算力和数据上有大量投入尤其在硅谷大家手上可能都有几十万卡去进行训练和实验所以我觉得目前来看还是比较难拉开代差尤其是大家基于的数据其实也大差不差对吧比如说之前大家在coding上面很多数据后来在具体上面去做在这里面当然每个模型擅长的东西会不太一样比如说基本来很擅长多模态的生成和理解然后Adobe在编程上还是很领先同时OpenAI比如说在这种跟用户日常使用中以及它模型是不是能够灵活的在thinkingpro的这个方式去切换这个routing做得很好但整体来讲大家没有拉开显著的差距当然这里面可能还有一个原因就是现在的benchmark也是比较饱和了比如说最近刚出来的这个Opus4.5它在CPUBench上大概得分是80分然后Dreamline3Pro大概得分是78分所以看上去好像只有两分的差距但目前来看我们了解下来开发者在实际使用上觉得Opus4.5还是好用很多的这个差距可能不只是分数的差距所以我有时候在想像我们我是清华的读书然后那个时候就说有人是高分低能有人是高考分数虽然不高但是他相对不高但是他的能力很全面对吧这里面也代表着说对于衡量模型的benchmark其实也需要很多的升级因为如果你的benchmark已经饱和了之后很多时候就必须得进一步的去在开发者群体中去使用在用户专业使用才能看到它的真正能力差距然後這個其實跟203年大家預期不太一樣那個時候大家對於ScaldingWater的一個簡單粗暴的理解就是大力出奇蹟就是說當我投入了很多錢尤其很多卡然後我遜出來的模型就有了壁壘所以我就可以把後面的錢都賺了我覺得這個是當時大家大力投入的一個預期但是實際上目前看來就是第一大力能不能帶來說跟別人都不一樣差異化的這個奇蹟能讓自己的模型一家獨秀我覺得目前來看至少前面的第一軍團還是在一個持續你追我趕的過程中第二就是你投入了大量的卡大量的錢能不能形成一個後面的人追不上的壁壘目前來看的話中國公司還是追得挺緊的所以我覺得這其實都對於一開始簡單粗暴的大力處機器的敘事提出了很多的挑戰如果现在的假设前提是模型没有秘密模型很难形成大的护城河和壁垒那么这对于模型公司来说是一个什么样的信号啊模型公司真正需要应该but的东西是什么它的护城河是什么这个其实最近伊利亚的访谈我觉得很好的说明了这个问题他就说AI历史一直是一个Scaling和Research交替的过程当可能以Transformer为代表当然后面GBT把在基于Transformer的Scaling的范式提出来之后那么大家在这上面投入了算力投入的数据带来的Scaling其实让模型能力提升很多但是到现在可能谁能发现下一个去进一步scaling的方式或者说底层的predominant突破可能就会重新变得非常重要然后我看Demis他昨天有一个采访他也说他认为现在到AGI中间还需要一到两个breakthrough他说的当然我觉得是研究的breakthrough所以為什麼現在我們看到在矽谷大家對於研究這個話題其實重新變得非常的重要因為大家都意識到現有的範式提升已經變得有點marginal當然現有的能力已經可以解鎖很多的場景但是要真正到來AGI不管是那種對人類產生威脅的AGI還是那種讓大家都不用工作躺平的AGI可能都得需要研究上的進一步的很多突破说到模型你怎么看待中国的开源模型对于全球的贡献它对于全球AI走势产生哪些连锁的反应首先其实中国在AI里面开源是有很好的传统的那么在很早的时候比如说像智普的GLM其实就是开源的GLM130B然后204年没有DeepSeek时刻之前其实DeepSeek的V2当时提出了MLA然后千万其实就有很好的口碑但25年我觉得确实DeepSeekR1横空出世是一个全世界都看得到的信号就是中国的模型能力很强并且开源能够真正的让很多全球的开发者抛开一些成见去使用中国的开源模型所以一年的时间确实开源生态的座次就完全不一样了那么我觉得DeepSeek它的出现打破了很多当时的一些偏见也好或者说一些叙事第一如果你是去做追赶并且如果你是真的很去思考怎麼樣節省成本實際上並不一定是說一定要10萬張卡才能訓出來一個足夠好的模型因為當時很多敘事是這樣的說你沒有10萬卡集群所以你做不出來好的結果但是當你在做追趕的時候實際上就有很多實驗你已經不用再做了同時因為你資源少所以你更加精打細算我覺得才會有像MLA這種在效率上非常重要的成果出來並且當時第二個敘事是說優秀的人才都在矽谷所以中国的人才不够但是后来大家发现好像有个叙事变成了说是中国的中国人和美国的华人对吧就是USChinesevsChinaChinese而且大家发现其实大家可能都是比如说清华北大的本科他们其实之前就是坐在一张桌子上读书的所以他们其实本质上没有那么大的教育区别或者人才区别对吧现在甚至出现了硅谷顶级人才又回国的一些现象对吧但不多有差不多但是要有了在兩年前大家覺得不可想像所以我覺得中國公司的人才上也沒有那麼大的劣勢然後我覺得在上半年的敘事室大家說DeepSeek這家公司特別特別不一樣所以只有他們追趕其他的公司是不是不行我覺得當時我去一個panel大家就很有一种带着一种怜悯的眼神看着我说你居然是大模型的投资人真的是苦了你了就好像说是不是你们投的那些都要完蛋但是我觉得我们在下面你也看到其实并不也只有DeepSeek一家公司能够完成追赶对吧那Kimi他们的K2又是K2Thinking在HumanityLastExamination还有BrowserCam这些其实蛮难的Benchmark上其实是获得了Sota的表现并且实际使用下来大家也觉得好像模型是挺不错的千萬我想在國際上國際的用戶群眾也非常的受歡迎字節的模型尤其像他們多貓胎的一些模型像C-Dance也非常好對吧然後JLM4.6Minimax其實陸續都發現中國的模型公司拿出來的模型就是也挺好用的成本也是挺低的並且大家使用的資金從整個融資額來看就非常低所以這裡面又有了第三個故事就是說都是因為靠徵流中國公司因為把美國公司數據徵流下來所以才這麼好為什麼Meta還宣布出來是因為我們不搞徵流我覺得首先徵流是一個肯定作為追趕者的優勢你可以有一些超級路的辦法但是我想說的是把這個全部歸於真流其實我覺得會讓大家忽視中國公司做了很多真正的技術創新比如說像當時DeepSeek做MLA對吧然後後來做DSA做習俗注意力然後包括Kimi在moonoptimizer上的进一步的迭代对吧我觉得这里面其实针流肯定有帮助这也是作为追赶者的优势但同时我觉得假以时日给中国公司一些时间一些资源肯定他们也是有非常多的创新的所以包括说中国系统性的是有一个成本结构的优势的当然现在在美国大家讨论的是我基建的速度电力的成本这些可能在中国长期的优势并且当然也还是因为Frontier模型公司的进展也在放缓这样才能够形成这种紧密追赶的局面所以我是觉得短期内要完全超越我觉得肯定还是很难的但是保持一个追赶的态势把差距缩小在6到12个月中间我觉得这个是目前来看还是比较现实的中国公司这一系列的开源动作是不是进一步的让模型公司没有秘密没有互衬合我觉得单纯靠API的互衬合确实可能不是那么强比如说当时我们在年初的时候当时Manus上线其实原本全都是Cloud3.7的API因为当时只有Cloud3.7才能够跑起来Manus他们的这样一个Agentic的产品但是很快就发现Gemini其实也跑得挺好的但是价格更便宜所以他们其实很快就切换了大量的量水Gemini然后后来发现当时Andropic编程一级绝成嘛但是OpenAICodex发了之后大家发现Codex编程能力也很强然后现在其实你发现就是對於一個API的用戶來講一個應用它其實在API中間切換其實是比較容易的所以應用公司反而具備了一個優勢是它可以博彩諸家所長它可以不同的任務用最好的模型這反而是一個體現賣API這件事情本身壁壘沒有那麼高的一個體現但是也比較差生意吧只是說它肯定不是個壟斷性生意那這意味著模型公司都要去通過應用產生互相合謀我觉得今年是看到了这样的趋势比如说Andropy这个字体当然因为他们原来有Cloud但是Cloud其实是一个没有花太多精力的应用但是CloudCode其实今年得到了很多的好评也产生了大量的收入AR应该涨得非常快应该发布之后几个月就到几亿美金的AR了并且大家也都看到了当你拥有应用的时候你会拥有更多的用户数据拥有更多contacts然后不管是在这里面接受memory的机会还是说让你的模型变得更加强大其实我觉得这里面都是有很多的好处的所以我们也看到模型公司有自己的第一方的产品其实会变得越来越重要应该最近Darius在一个访谈里面也就说他们在关键的领域会自己做第一方的产品甚至不惜和他们最大的客户Cursor去直接竞争这个我们也看到也是今年一个很有意思的现象或者说趋势既是客户的关系又是竞争的关系CloudCodevsCursor你觉得谁会赢长期来看因为现在已经不只是CloudCode的VSCursor已经是CloudCode的Codex、AntiGravity等一系列模型的低端产品VSCursor并且在Cursor很多细分领域比如说WebDAV也有像Lovable这样的非常强大的应用去跟它去竞争其实包括Madness可能也有一些Cursor相关联的用户场景所以我觉得Cursor可能还是会遇到很大的挑战當然他有一個優勢或者說他希望建立的優勢是因為用戶佔用了很多尤其對於他的TapTap一種方式他可以遜自己的小模型去預測用戶編程是要做什麼這個其實也是他在一些場景還具有一些優勢的原因但我覺得本質上來講是因為假设你把应用看作是一个加工厂从模型公司他买来token然后加工成应用的输出给用户那么在编程的应用里面模型公司给他的也是code然后他把code给用户其实大部分也是code就是这个模型给到应用之后应用的加工是比较少的那么在这种情况下我认为对于应用公司来讲壁垒就相对薄一点但是如果你从模型公司拿到了输出你经过比较复杂的加工最后给用户的是一个很完整的结果或者是一个工作直接就完成了这个时候我觉得壁垒会更高一些所以我自己觉得Cursor挑战还是蛮大的但今天还是动态发展中是的我觉得AI就是非常难预判所以任何这种很具体的预判我觉得都要做好随时被打脸的准备每次讲这些免责声明就是反正三年前也没有人预料到ChinaGPT会来所以我们现在对任何长距离的预测准确性我觉得都非常的低关于开源和币源再多问一个问题你看中国的公司大部分都开源了为什么只有自己不开源我可能也不是回答这个问题最好的人吧但我觉得字节可能对他来说还是在应用端这么的落地可能是对他最重要的事情它本身也没有需要通过开源建立起生态影响力从而去融资或者说去获得客户的压力开源肯定还是一个与人为善所以有更大的影响力的工具对字节来说可能更重要的还是它的这些产品不管是豆包集梦还是其他的这些产品能够让用户喜欢用所以对它来说开不开源我感觉也没那么重要以上是205年在模型测的进展那在应用测呢在应用测在205年你看到哪些新的进展我们看应用的一个大的逻辑始终是首先模型能力要进步然后才能带来应用的场景被打开所以在去年的时候我们当时有个分享是应用还没有到iPhone时刻因为当时ChatterGate出来大家就说AI是不是到了iPhone时刻了我当时说可能我们还在黑媒时刻因为iPhone跟黑媒当然这个都是属于80后的回忆了它一个很大的区别是黑媒当时技术还不够强移动互联网做移动终端它的技术能力还不够强所以导致它上面的应用比较少开发者也比较少并且当时应用的形态不确定所以我们当时就在一直在想模型能力的进步怎么样解锁应用的机会我觉得今年其实是兑现了这样一个趋势的逻辑就是模型能力提升才能解锁很多应用的机会那么显然那么coding在Sony3.5基本上是在20年下半年发布的这个其实是带来了coding應用的真正的大的普及然後Cursor為代表當然還有WindowsServer等一系列的變成應用跨越鴻溝進入主流市場現在很難想像一個稍微有一點信息量的程序員他不使用AI變成工具那麼所以也带来了从一亿美金到十亿美金甚至更高的进步然后同时coding能力进一步的提升带来了codingagent的爆发大家刚才提到了cloudcodecodex包括antigravity这一系列的应用第二就是Agentic確實帶來了很大的從零到一的落地在23年其實就有Auto-GPT這樣一個有點像是Agent的一個思想實驗當然那個時候模型能力太低了所以他根本就很難真正的去完成Agent的動作現在Manus和JamesBarr在這個辦公領域对于知识的处理文件的数据的处理做PPT这几些领域确实实现了说给他一个prompt然后他自己完成给他一个好的结果CloudCode这些为代表的codingagent我觉得也是让大家看到了说AI去干活人不用去动的这种所谓L3级的体验然后多媒体领域ChadGPT-4ONanoBanana为代表的图片生成SORA2和VO3为代表的视频生成我觉得也都是处于它长足的发展尤其是SORA2带来了这样一个应用的体验虽然大家现在看到SORA流程很低但是那是因为它的它不是个消费内容的地方但是它這種Cameo生成的內容效果其實讓很多人第一次看到了虛擬和現實的邊界正在被消散我覺得這個是非常讓人覺得很魔法般的時刻所以每次這方面的進步也會火遍全網對吧我記得在年初的時候有一陣子是大家都在做自己的吉卜力頭像然後後面是每個人都在和自己和Sam一起做點什麼拍視頻對吧然后因为AI的逻辑能力推理能力提升所以我觉得在行业里面其实它的落地的能力也变得更强了那么在美国比如说不管是替代这种高价值的律师行业对吧像哈维为代表的哈维·拉戈尔为代表然后或者替代这种劳力密集型的白领就是这种小白领比如说客服可能Ciara、Zycon这都是比较典型的在美国很重要的这个AI家行业的应用那在中国比如说我们投了黑狐这样的公司它是AI家工厂里面的小单快反制造这个我觉得是非常符合中国的国情包括我们投了鱼儿为伍是想去做AI家教育我觉得在每个市场他们想用AI去降本增效或者说替代这种相对比较简单的知识型劳动的情况不太一样但是各有各的特点但这些也是因为模型的推理能力模型的幻觉减少推理能力提升带来的机会那么所以这是一条主线就是模型能力带来应用的爆发模型能力的提升带来应用的爆发第二个我觉得是大家看到其实应用是能够有互衬合的之前有两个常见的讨论第一个是说应用到底能不能提供额外的能力第二个是应用有没有互衬合我觉得在比如说23年的时候我们看到的第一批AI应用确实大部分只是做了一个模型的外部的UI用户通过UI去跟模型进行交互得到了还是模型输出的结果这种我们之前也打过这个比方就是说它就像生鱼片就是鱼肉加上芥末和酱油但是现在我们看到新的比较复杂的应用不管是像havi这种有行业性的应用还是像manus这种偏generalagent他们首先需要很多用户的contacts因为模型只是有基础的固化的能力你要给他实时的context用户自己行业里面的专有数据以及用户自己的喜好以及用户跟应用他交流的历史就所谓的memory这些是模型本身不具备的是需要应用去提供给他的然后同时这些agent他们能够使用更多的工具并且去改变它所在的环境比如说去写一个代码给自己用这种环境和工具其实也是由应用去提供的所以我们看到在模型层外面其实先进的应用它多了上下文这一层context以及环境和工具这一层我的比方就是现在可能就从原来的生鱼片变成满汉全席那你这个肉的质量食材的质量还是很重要但是同时你服务也很重要环境也很重要这个厨艺也很重要对吧所以这样的应用其实是有互生合的并且呢我们也看到其实这些应用它的附加值让一个好的应用它在一些表现上是能超过头部的模型比如说manus他们在scale发布的一个叫做remotelaborindex的测试上他们是超过了所有的先进的模型就因为说他确实在模型上面做了更多的事情尤其大家最近也发现比如说challengeBT他虽然大家觉得他的模型是不是已经出现了就并不一定是绝对最好的模型但是它的流程其实越来越好在这里面其实很多分析也觉得可能memory带来了一个这样的一个进步所以這當然Celergy也是一個模型公司做的產品但是Memory這一層其實是在產品層的所以我覺得應用還是有呼聲盒的所以這個可能是整體的我們對於應用的一些觀察然後在今年我們當然因為我們投資這個中國創始人嘛所以我們看到這個中國應用的出海是表現很不錯的我們看到Andreessen有一個關於Top50這個AI應用的一個榜單其中中國公司做的有十幾個然后因为我们正好也比较幸运投资了一系列出海做的比较好的Portfolio从21年投的黑GenOpusClip然后到现在ManusGenSpark这一系列在AR的排名上都还比较靠前我们发现在现在基于LM的应用它第一天就是国际化的在以前比如說可能像我們投小紅書小紅書要做出海他肯定要做自己的區域化的運營要做很多產品上內容上的調整其實這樣之前不管是像美團出海拼多多出海自己也出海其實都是這樣他不能簡單的把產品就放到海外去都有強運營他都要做很多的本地化但是對於因為語言模型一上來就是所有語言都是通曉的並且對於這些白領工作者的任務一個美國人一個巴西人一個日本人一个中国人其实他要做BPT的需求可能都是差不多的所以像JSBuckManus这样应用他一上来就是这对全球市场的当然这对创始团队对于他们在运营中的很多具体的细节提出很多新的挑战但同时我们也看到了因为中国应用创业者在过去其实积累了很多不管是打仗的经验执行力以及自己的产品设计能力的并且在美国其实大部分的应用创业者都是要做垂直行业的都是要做企业服务的因为这是硅谷十几年来它最赚钱的一个公司所以在这种稍微有水平的horizontal的通用应用领域那么中国创业者其实体现出来很强的信任力在2C上华人有很强的信任力这种2C当然可能也不是那种对于最普通的用户而是对于这种Prosumer对于中小型团队SMB在这个时候我觉得大家的竞争是比较公平的因为在美国做企业服务你需要对这个行业很了解大家也会在意说你是中国公司美国公司之类的这些地缘政治带来的担心但是如果我就是一个让你做更好PPT的工具这个他最后还是谁把产品做好谁给用户的结果好他就能得到更好的应用所以我觉得这里面中国的应用创始人是有很多优势的并且我们也看到中国创业者的经营效率也很高比如说plod在全球做到了1亿美金以上的收入其实他之前一直是没有融资的然后我们最近投了一家叫polo在深圳的公司他们也是做在线的视频生成其实对标的也是像美国higgsfield这样的视频生成公司但是他之前也是没有融资的都是自己的钱做起来做到20个million所以中国创业者还是执行力很强挺能打的说到这里你鼓励创业者一开始不拿融资开始自己做到一定规模再来融资吗我觉得如果你真的能够以很少的资金做起来那当然始终你可以这么去做但是呢我觉得创业拿融资其实是一个我觉得是一个时光机就比如说你认为你原来花一年的事情你能不能靠融资能把它变成三个月把它做了因為你融錢然後有當然也不只是錢還有包括融資帶來的品牌效應帶來的這些關聯對所以尤其是AI現在變化很快嘛所以你可以不拿錢慢慢做但是如果你拿錢能讓這個時間變短那我覺得還是應該拿但是這也反映了一個特點就是當中國創業者一上來就能接觸到全球市場的時候那他的這個Tim目標市場規模其實變大了很多如果你能讓產品說話的話其實有可能像SimonAllen說的一個人的公司就能做到一定規模但是整體來講我覺得創業公司或者所謂的startup其實它的第一性原理的定義就是它是一個增長很快的公司那你肯定作為一個好的創業者你要想怎麼利用各種資源和手段來讓自己增長更快拿融資其實也是這一點你去年說25年是A戰元年你覺得今年A戰已經大爆發了嗎我自己感覺A戰的沒有那麼多啊不知道你們的體感怎麼樣首先去年我们说205年会是Agent的元年但元年就意味着它是第一年那么AndrewKibasi最近有一个非常好的博客他就说从自动驾驶的经验去看现在Agent的发展他说Agent不是叫做TheYearofAgent因为英文里面叫TheYearofAgent中文我们说Agent的元年但是元就是第一的意思对吧英文有很多人说是YearofAgent意味着今年就把事干完了但实际上他说这是DecadeofAgent我觉得这是非常准确的所以我们叫什么叫agent因为现在每个人都说自己是agent所以这个定义也是很乱的但是agent这个词它来自于agency因为你们的agencyagency就是主观能动性的意思就是意味着说你要是有agency的AI应用那就意味着他要能够自己去自主的比如拆解一个目标规划路径去看看他有什么工具去调用然后去用好这样的工具使用工具之後獲得反饋然後調整自己的動作最後看我的任務是不是完成了我是不是還要繼續做這其實就跟一個真人去工作一樣那麼顯然並不是每個現在大家用的所謂的agent都滿足這樣的條件的那么首先就是没有那么多真正的agent的应用基本上一个agent你可以认为是你把任务给他他就能自己把事情做了至于做了好不好你可以另说但是他要是比较自主的那么这种自主性也导致说他要对他的结果负责这个过程中人类的干预是比较少的它有可能做出来的结果跟你想的不一样所以它其实是一个比大家预计要慢的过程在自动驾驶里面是这样在AI里面是这样在人性机器人更加是这样所以当我们要提到autonomous要提到agent的时候它往往都是一个比较长期的过程它可以很快地给你一个比较有意思的demo当时Androidcapacity就是说它十几年前他就坐了自动驾驶L4的车开了可能几英里他觉得这个东西好像非常的成熟了很快就可以用但实际上我们现在坐过L4级别Robotaxi的人还是非常少所以这其实是一个符合预期的事情所以元年意味着说是有产品开始落地的第一年但是不是说今年就把这解决了并且Agent目前的能力还是处在一个比较常鲜者的市场我们一直讲《华语红国》这本书里面把市场分为早期市场和主流市场早期市场的Innovator是因为这个事情很新颖所以去用而Adopter是因为这件事情有可能有很大的价值才去用现在Agent肯定还是在这个领域那么它要真正的到主流市场也就是说普通百里都要去使用的话还是需要我们开始的框架就是技术的不断进步解锁一个足够容易使用且结果足够好的应用机会需要像GPT-4之余ChadGPTSony3.5之余编程这样的这样级别的模型进步才能完成目前来看我觉得还是需要至少一年以上的时间对这个一年三年我觉得大家其实预期不是那么确定但是因为现在主流模型厂家都在进行大量的Agentic的这种数据的收集和训练包括自己豆包最近出了豆包手机对吧其实也是让豆包更好地去利用手机我会比较乐观的认为这个过程可能会比大家想的要快一点因为對於一個白領坐在電腦前面他用的應用基本上也就是可能10種以內一個人常用的手機應用可能也就是幾百個這樣的級別比如說你手機上可能經常用的應用可能都沒有10個估計都不超過20個所以這個數據才是比較容易訓練出來的那麼如果是以AI能夠比較自由地使用我們人類在電腦和手機上它使用的軟件作為一個標誌的話這個我覺得可能一年之后我们就会发现AI的agent能力有很大的提升但是能使用好这些工具可能也不足以就带来agent的全面普及因为它还有一个就是要处理各种异常情况理解你的任务进行规划获得反馈所以我整体觉得确实decade可能是一个比较准确的描述在你看来你觉得codingagent它会是大厂的趋势吗你觉得创业公司应该碰吗目前來看我覺得這個已經是名牌了就所有的模型公司都在拼命提高Coding的能力本身Coding也是LM非常擅長的賽道因為Coding就是一種語言我覺得這個裡面對於創業公司現在再去做肯定已經比較難了下一個像CodingEngine的機會是什麼我覺得這個可能是對創業公司更重要的或者說我在Coding這件事情上我能怎麼樣超越現有的範式去實現比如說現在單純靠本身像现在的coding其实有点像是模仿人类写的代码所以他对于只要说这个编程任务是人写过的他很好地抄过来但是如果这个事情之前人类没有写过没有解决过那他怎么好地去做包括可能coding的偏后端一直还是现在相对比较弱一点的因为现在AI非常强于做前端所以大家用webcoding都是在有人比喻是做一个很好的房子的外面的装修但是房子里面的下水里面的这些包括可维护性对吧这些是不是做得足够好这个其实我觉得还有很多提高的空间但整体来讲我觉得这个可能也还是属于大厂的机会比较多一点你觉得创业公司应该做什么样的agent有一个比较典型的特点是说做这里面agent需要很多在模型里面没有的数据的因为coding的大部分的代码其实都是在模型的已有的里面但是比如说我们投了黑狐对吧他其实做很多在工厂里面怎么样把一个制造业的任务拆解成对应的工序这样的很多数据可能并不一定在模型里面已经有或者说也不一定是个公有的数据因为慧根到底目前的模型能力它还是基于一个他见过类似的数据然后进行泛化所以如果你的很多使用的数据或者说你要用户你要完成的行为是模型没有见过或者其他的公寓也没有见过的可能这个里面我觉得就会有跟模型厂商差异化的机会那你怎么看minus这样的通用agent我觉得通用Agent的通用其实也是来自于模型能力的提升但是肯定对用户来说它也是集中在几个具体的用户场景上比如说对于Manas的用户来讲很多人拿它去做PPT有的人拿它去做网页所谓的WebDAM也有人拿它去做研究或者是做数据的分析所以我觉得在近期还是要因为我们有一套能让模型更好的去做agent任务的框架比如他们可以做wideresearch可以让模型同时跑10个并行的agent的任务这个是其他的agent应用都做不到的所以当你有这样的info的时候你能不能在这些任务上做得比别人更好这个其实是我觉得你的通用性不管是manus也好genspark也好你在infra上做的这些工作你要能够带来的一个模型厂商没有的优势所以他again他不是简单的说做一个talk的事情而是你有没有一个你持续提高的技术能力然后基于这个技术能力加上模型厂商的模型进步所以你能够起到1加1大于2的效果像朱少虎他就会说创业公司就应该做tradeagent获取别人没有的数据你会这么简单的来下这个结论和判断吗别人没有的数据我觉得这肯定是对的问题就是说什么数据是真跟别人没有的这个可能没有想的那么容易因为比如说我举个简单的例子之前其实很多人想做医疗的agent对吧但是后来发现这是我听别人讲的因为我们也没有什么投资人员我是听别人讲的说其实医疗的数据大部分就是在公寓的因為對於每個病症它的特點是什麼診斷是什麼診療是什麼有非常多的公有數據所以當你給他AI一系列的你的症狀描述的時候給你的結果其實就很準雖然你有可能有很多醫院問診但是這些數據基本都還是對於一個人類已有公有知識庫的一個重新複製所以實際上醫療在現有模型的能力是很強的但比如說像我們投遠為伍對吧教育這個事情它不只是說要專門的數據它還有非常英才視角就是同樣一個教你一個二元一次方程但是對於不同資質的學生教法就不一樣這個數據我覺得是在模型裡面是沒有的並且怎麼教對吧因為我們不是說讓用戶去跟一个模型去聊天他就自己学会了教学是一个主动性的过程所以这种我觉得属于一种专有数据或者是专有场景所以从这个角度来讲应用的目的最后是要垂直垂直意味着说应用能提供模型中不具备的价值应用不能只是把模型的价值打包卖给用户这也是我说Cursor的问题Cursor这样应用的问题是因为模型给你的是扣的你给用户的也是扣的所以你没有做太多的处理剩余片形产品我重新來表述一下朱小虎的這個觀點他說應該要聚焦在垂直上因為他覺得在互聯網時代可能大家離開大廠一條馬路AI時代要離開大廠三條馬路他其實是從競爭來講的就是當你做的是一個通用agent的時候這個市場過大大廠肯定會跟你捲那你怎麼捲過不管是這種模型廠商還是這種巨頭呢我覺得肯定這是一個信任力很強的領域但是我覺得當大家都認為你去做通用沒機會的時候可能也存在反目視的機會因為你問任何投資人你問做通用有沒有機會大家都告訴你我欣賞人會做實際上我們投Manas包括Manas發布的時候也有非常多的投資人會認為那OpenAI一做你就沒戲了但是OpenAI其實也做了加了GBTA進來發布了之後大家發現第一不好用第二表现也没有特别好我觉得这里面始终还是有一些细微的竞争上可能的差别比如说ChatterGPTAgent是被包在ChatterGPT里面的它是被放在一个ChatterBot里面的ChatterBot是不是一个最适合做Agent的界面呈现形态我觉得不一定包括你看最后面CloudCodeCodex也是个单独的应用它不是放在原来的ChatterBot里面的所以你为了一个任务有一个更加适合他的交互和UI我觉得这个还是很有价值的第二个就是当然模型公司理论上可以做任何事情但是他在这件具体的方向上他投入的人力和你的人力是不是有这个足够大的差别我觉得这可能这也是一个可能的竞争方向但总而言之我完全同意但这并不构成说一个应用公司如果能够抓住机会在这里面首先获得很大的价值我觉得这个也是不矛盾的如果我是Cursor的牵制者,我现在肯定是要笑的都睡覺都要醒來對不對但是如果你是最後最後一輪投Cursor那你可能不一定能賺到很多錢但是我們因為做早期投資對吧我覺得哪怕退一萬步說PropertyCursor也會有遇到很多模型公司來挑戰對吧但如果你是Property的天使投資人你若是Cursor的天使投資人那你會覺得非常悲傷嗎還是說你其實是開心的能賺到很多錢的所以我覺得這個其實並不能說終於是字節所以我就不做前面的應用了而且市場是動態的還沒有定數對我覺得這裡面做太久期的推演我覺得是比較難的因為始終事在人為嘛其實我覺得比如當時兩年前大家就在聊propriety是不是套客那可能他就是套殼可能最後他也會被這個CharlieBoyd這些都幹掉但沒關係中間他有投資人有很多賺錢的機會他是也是創造了真實的用戶價值和用戶場景Again比如說那互聯網早期的最有名的公司一個叫網景一個叫雅虎對吧那最後這個公司都沒了可能都被Google幹掉了一個被Chrome幹掉了一個也被搜索引擎幹掉但你可以說投雅虎投網景沒有意義嗎我覺得也不是這是從天使投資人的角度我覺得是從行業發展的角度因為你不能說終局是這樣的所以你從前面到終局的過程你就不去探索了我最後一個包子吃飽了但我前面的包子不吃了不管是從短期的投資的價值還是從產業發展的價值來講我覺得其實都還是有很多機會的回望205年你們出售了多少項目20來個這是多還是少相比過去幾年我们其实一直保持比较稳定的节奏因为我们其实想的就是我们就投最优秀的中国创始人华人创始人那么显然每年其实都会有优秀的中国人创业对吧那所以二二年二三年大家都很悲观的时候我们其实也持续在投资其实现在我们投的这些可能大家觉得跑得比较好的AI公司基本都是我们二三年投的MADIS我们是就是蝴蝶效应我们是在二二年投的所以我们一直是在稳定的投资市场很悲观的时候我们觉得还是有很优秀的人创业市场很火热的时候我们也觉得最优秀的人其实也没那么多所以我们一直保持比较一贯的节奏你对你们过去三年的投资满意吗现在看我觉得一方面短期来看现在肯定就是简单来讲在AI软件吧就是AI的软件应用的领域比较头部的一些公司是我们天使投的但肯定可以做得更好比如说对于好的公司可以拿更多的股份对吧这点我们Manus上做得挺不错的其他几家公司我们可能还不是我们也不是第一大股东所以我觉得可能可以做得更好另外我覺得確實機器人力我們一直很謹慎現在非常火熱也有公司馬上上市了當然可能我們一直還是覺得對於一個公司我們還是希望它真正的帶來了很多用戶使用上的價值讓我們賺到錢至於比如說資本市場的火熱與否這個我覺得也不是我們能夠去判斷的然後整體來講我們還是覺得還行但是有很多可以提高的地方你說中國公司現在估值很有吸引力這個普遍是美國公司比如說同等的規模量及它的積分之幾可以举几个例子来说明比如说从天使轮的估值来讲ThinkingMachine第一轮是10亿美金第二轮是50亿美金它基本上也就没有什么产品有一个Tinker但是它整体还是一种非常常识早期的产品50亿美金应该是中国所有的AI创业公司加起来的估值还要多对吧大模型公司加起来可能有个10多亿然后应用公司加起来10多亿一家美国的初创公司在没有产品的情况下它的估值是中国所有AI软件产业的估值之和当然米瓦尔他们包括JohnSchumann这些research他们都是这个行业的缔造者之一肯定都很牛啊但是我想说的就是说是不是有这么大的差异可能也值得观察对吧然后包括从模型公司来看Mistro最新一轮是140亿美金的估值他们刚发的Mistro3他们其实在pretraining上已经不怎么做了然后他们的benchmark的对标也就是和Kimi千万deepseek去对标但比如说Kimi其实是一个40亿美金不到的公司在上一轮估值也就30多亿美金的估值所以我觉得这里面还是有一些差距然后应用上来讲像美国比如说Manus这样一家几个月时间就能做到10个Billion然后有几十个点GrossMargin月度增长20%这样级别的公司我大家一般给他应该是3到5个Billion30到50亿美金的估值那么包括我们最近投的POLO对吧它是没有融资做到20个美元美国HicksField应该是10个美元其实他们做的事情都是类似的如果是TALK反正都是TALK对吧做AI视频生成但是比如POLO在中国第一轮大家给他估计也就是80个美元那么就是4倍对吧然後Mannus當然他現在他上一輪都是Benchmark投了那個時候是5億美金當然新的一輪反正這個不知道具體估值能做出多少吧但是整體來講我覺得美國對於一個高增長的應用公司能給到30到大幾十可能10倍的AR中國可能是給到10倍我覺得這是一個差距假设你是一个美国投资人,你现在有能力在这些所有公司里面放钱,你会怎么配置?

那显然每个投资人的riskprofile投资的逻辑什么都不太一样比如说如果说我的话我会觉得一个比较典型的策略是亚铃星策略对吧在前面最稳的公司比如说可能OpenAI或者如果你放谷歌的股票或者Antarctic这几个头部的积极模型经营的公司去下注同时我认为中国公司其实是对于一个全球资产配置来说有很好的optionality就是齐全价值的因為你的估值很低然後如果中國公司能出來一個比如說在AI時代的字節這裡面是可能有百倍回報以上的機會但是OpenAI現在再做百倍回報是不是有點難或者說反正肯定還是條件比較大所以一個是最穩的一個是彈性最大的那麼彈性最大當然中美的創業公司可能都是有彈性的但是我會壓根說中國公司的創業公司在一上來估值上可能就比美國便宜了幾十倍當然我們也看到市場也是始終有效的所以美國一方面大家會有人擔心這個估值是不是太高了但是在中國也看到新的優秀的創業者大家這個估值也在提升所以我是覺得這個中美估值之間的這個差距也會被逐漸地縮短肯定很難說完全沒有差距我覺得這個也比較難但是差距一樣不會那麼大很多人说现在投资很像之前移动互联网的时候看APP的项目你的体感是这样吗你觉得看agent的项目和看APP的项目不同的是什么首先移动互联网APP很火的时候我在创业我没有在投资所以可能这不是一个亲身体验的体感我自己有一个观察就是说移动互联网实际上它是互联网的一个移动化它本质上是分发端发生了很多变化那麼它基於的底層技術其實沒有那麼大的變化比如說TCPIP協議這些是沒有大的變化的所以簡單來講10年前的App現在也可以用30年前的網站現在也可以用現在的AI它在分發端還是移動互聯網的延續你還是要做一個網站或者做一個App這點沒有變但是在技術端其實它更像類比的是半導體革命就是当时整个从集成电路开始的革命需要很大的开packs需要很密集的科研然后技术进展有明显的周期划分是有分几代几代的所以当我们看到分发端其实很成熟所以应用一旦出来震荡很快但是应用本身出现其实它不是一个一出而就的过程所以在这里面互联网平台因为它有网络效应尤其像这种社交网络电商内容平台所以它有明显的先发优势所以当时才出现了说如果你有网络效应那你先发我就投你很多钱这样你快速获取用户用户就留在了这里但AI因为是比研发的这个时候很多有后发优势就是你在前面探索了但我可以用我资金优势数据优势去做到后面的超越所以在这里面其实是有很多pi一样的第二移动互联网那个时候确实小成本创业的就还是比较多对吧很多应用型公司一开始创业可能就是一个很小的团队Instagram被收购的时候就是10个人13个人10亿美金但现在AI创业成本在人才算力数据流量上都还是比较高的尤其是流量端实际上現在流量確實都很貴對吧所以當你做到一定的程度之後大家可能在流量上還是需要花很多的錢這也是帶來了一個原因是因為現在流量端其實是一個成熟市場移動互聯網創業的時候流量端是一個早期市場大家都在增強用戶的突然多出來的這麼幾億用戶他的幾個小時的移動端的流量時間但是現在大家搶的是已經要從抖音搶時間從王者榮耀搶時間從Instagram搶時間所以這個是有挑戰的然後我覺得可能有比較類似的是說這個大部分优秀的创业者我觉得还是会看到机会早点下场所以我觉得十年之后如果会出现新的一代像赵一鸣王鑫黄峥这种划时代的创业者那我们现在可能已经听说过他的名字了虽然我们可能还不知道他是谁如果知道的话大家就去投了但是我們可能已經聽說過這一號人物了這個我覺得也是在這兩年大家普遍都比較formal希望多投的原因因為大家覺得反正我把市面上好一些的都投了是不是總能投到下一個王姓張一鳴對吧這個我覺得可能也是你覺得會嗎但这边会有一个假设是说10年之后会有新的一代王姓张一鸣出来这个假设可不一定是一定成立的当然我相信肯定会有非常优秀的创业者但是他们面对的竞争也跟当时这几位现在的顶级创业者面对的竞争也不太一样因为当时没有张一鸣跟他竞争当时是大家都在称谓张一鸣现在是大家先要跟张一鸣竞争这个还是不太一样当然大家觉得张一鸣的创业方向没有机会不就是个新闻客户端吗我覺得這個其實我對字節的很粗淺的理解是說現在大家在字節做成之後已知這個結果之後大家想的一個邏輯是字節好像一上來就想得很清楚然後就把事情都做了但是在我的一個粗淺的觀察是字節是把這個信息分發推薦這事想得很清楚但同時他們在執行上也經過大量的試錯所以一個事情做成之前它其實往往都不是顯然的比如小紅書現在大家都覺得好像很顯然但我們都知道當時小紅書是很多人都覺得看不上覺得做不大所以我覺得創業就是有意思就在於這兒你很難提前去判斷所以今天創業比之前更難了我認為肯定是更難了或者說也看不同的難度吧比如說現在創業者實際上建造一個APP變容易了以前我們經常遇到有人說我有個想法但缺一個研發把APP做出來現在你可以webcoding至少做個能用的APP是沒什麼大問題的對吧但是在流量端在是变难的同时呢巨头也更加警惕了现在巨头们创始人又很年轻又很能打对吧不管是在中国在美国那OpenAI作为一家创业公司面对Google巨头那也发现SeagateBrain对吧作为创始人自己亲自指挥战斗进入这个CodeRed然后跟OpenAI竞争打得很激烈因為巨頭也都怕被顛覆嘛而且AI還有一個很有意思的就是說它其實也有點像是個名牌所有人都認為AI會顛覆自己所有人都認為是大機會的時候對創業公司的難度就會繼續上漲當然你說現在是agent的第一年那最終你覺得agent生態會擴展成什麼樣啊通用agent和垂直agent他們會怎麼分層我覺得現在還非常早所以我覺得其實挺難去判斷的但我一個直覺是覺得通用agent能做的事情可能比大家預期的要多就是真的是通用agent在有大量的數據非常強的智能以及可以用很多工具的情況下他能做的事情其實挺多的如果你只是簡單的有一些垂直數據或者垂直的場景的話不一定能守得住我是覺得可能最後不會有那麼多特別垂直又很大的agent的存在这个是我的一个初步猜想但是我觉得长期也挺难预测的我只是觉得现在还是需要技术的进步来解锁更多的场景现在技术的进步基本上做的还是coding数据分析做简单的PPT文件这样我觉得能做的事情还有非常多整体来讲我觉得你认为一个初级白领坐在电脑前面他按照一定的流程能够做好的任务都可以被aging的完成所以我觉得这里面还是挺多机会的好的以上是对25年的复盘那对于26年你有哪些展望啊我们可以有哪些预期对最近因为到了年底所以我们一直在也是做展望不管是对我们的LP对我们内部还是跟大家去分享交流我自己对26年呢我有一个关键词叫26年是YearofR就是R是年这个R有这个英文字母代表的几个含义第一个R,我的含义叫Return,就是回报回报这件事情很重要因为过去几年大家看到的都是像英伟达这样股价的暴涨包括英伟达上下游对吧不然Oracle还是CoreViv还是上游是光模块内存这些本质上来讲大家bet的是对AI的投资在持续超预期为什么会有这么多投资呢是因为大家被潜在的大的回报也就是return所吸引因为当GDP出来之后大家谈论的是说几年之后实现AGI了大量的价值会被创造大量已有的公司会被颠覆但是现在因为大家投入的I就是investment这个投入越来越大了并且大家发现现在的投入跟之前高速公路光纤都不一样现在数据中心的算力可能过几年之后因为是占大头嘛差不多一个数据中心的50%的投入是算力也就是现在的这些卡它4到6年之后可能就会变得过时所以这个投资需要在更短的回报周期里面看到有回报的落地而且有越来越多这样的落地有越来越多的RReturn才能够推动未来的I就ROI所以我觉得大家在投入变大的时候对于回报的关注也会越来越大那么为什么我们会觉得206年这个return非常重要呢因为首先从模型端来讲模型能力进步解锁场景带来应用价值我们反复提到这样一条主线是这一波AI革命我认为最本质的驱动力但首先我们看到从已有的这些benchmark以及实际落地的场景来看模型的能力进步也就是新的一代Sota模型发布之后相比上一代模型的能力进步是正在放缓的想想看GPT-4发布的时候相比GPT-3的进步那现在GPT-5的发布相比GPT-4的进步那其实这个进步是在放缓的同时呢投入又大了很多因為在這個次AI革命開始的時候大家講的是ScalingLord略稱為投入越大大力出奇蹟簡單來理解但是現在發現剛才我們說到第一大量的投入帶來的進步增加放緩同時又沒有能夠阻止像中國這些開源模型公司以低成本的快速接近所以我覺得對於模型端它的這個編輯回報是下降的那麼应用端在去年其实大家对应用的商业化变现其实是不太看得清楚或者是悲观的在那个时候我们觉得25年应用的商业化以及aging会很乐观这个我觉得是一个不同的是一个当时的setup就是低预期但高增长但现在当大家已经看到25年的应用收入这些报告之后大家对26年27年的应用落地是很乐观的所以带来了大量的投入以及包括说最近像比如说Meta天价蛙人这样的这种投入带来其实它就是意味着未来预期很高嘛但是呢我們來看到說其實應用落地的預期從幾年前大家認為很多人認為27年就會實現AGI當時講的AGI可能就是模型非常的通用非常的強大甚至對人類的造成威脅我記得當時在加州還有關於這個要不要暫停模型訓練的這麼一個抗議包括說當時有立法當然後來被駁回了然後後來講的是可能ASI讓很多人都失業我覺得這樣的預期到現在我們看到在明年那麼我們看到這個AI應用的幾條主線我覺得很明顯這個夢想在短期在變小的那麼可以梳理一下現在比較核心的這個幾AI的應用商業模式第一個是訂閱制這也是其實AI收入的大頭就是ChattyDVD、Dreamline這些按照這個20美金20美金的這個收費但订阅制呢现在在二五年是取得了很大的进步也说也让比如说OpenAI的AIR长得很快现在已经接近18个币的AIR但是目前来看呢首先是早期的这几亿知识工作者愿意为AI去付费的用户现在已经渗透率已经是比较高的了现在基本上OpenAI已经是接近6亿的DAU然后10亿的MAU作为一个帮助人们去获取知识去进行研究的应用来讲的话实际上它的渗透率不低了然后针对普通用户提价是比较难的因為之前我本來講的故事是隨著我的模型越來越聰明從20美金一個月到20美金一個月到20美金一個月但這裡面有幾個變量第一個是說去年或者前年20美金買到的模型現在就只能賣20美金了因為模型的本身智能的進步加上模型的token價格的下降導致說你其實針對更好的智能你並不一定是做更好的提價大家都可以想一想比如說20年前Netflix针对一个月的订阅应该就是17美金左右现在Netflix高的订阅是20多美金低的订阅是几美金就是这20年来Netflix给用户带来价值提升的巨多消耗的流量带来的巨大的提升但是它的收费的价格其实没有涨多少就是普通用户的订阅值提高是比较难的并且这里面加入了大量的竞争Gemini的竞争,潜在的Meta,XI等大家的竞争这种竞争其实会让不管是哪家说订阅制它的收费其实是很难去大规模提价的那么第二个现在大家很有期待的就是以OpenAI为代表的当你有了10亿DAU之后当你有用户很多的Memory之后通过广告加电商去进行变现那么首先广告价电商呢我认为这大概大部分是一个存量的重新分配因为这是之前像Meta像Bidense像Google所有的这些大用户量的互联网应用它变现的最重要的方式但是整个互联网电商的蛋糕是和零售的拆迁渗透率极为相关的同时整个在线广告的盘子大小也是和在线的商业交易的GMV成一个大概的比例的就这两个总市场规模其实不太会突然去翻倍的增长所以更多的是存量竞争存量竞争分蛋糕那显然这也是为什么Meta、Google包括字节、腾讯等在今年在过去一两年时间里面都对这个大DU应用非常的警惕非常的投入的原因之一但是纯量分蛋糕并不带来新的生产力对吧第二个呢对于一个新型态的互联网应用做广告加电商的速度是没那么快的大家现在都对这个商业模式很了解的但是实际上Google其实花了好几年才找到ADword、ADsense的商业模式那么对于Facebook来讲其实也是花了6年的时间才从Facebook上找到信息流广告抖音的电商化和广告化其实也都是花了挺长的时间那么对于Chatterbot来讲它首先是个新产品形态并且呢电商和广告付费和订阅制提升这其实有的时候是矛盾的因为如果当你收订阅费的时候实际上你要不要给用户主动推送广告以及什么样的形态合适的推送广告其实这是有很多相互矛盾的地方所以我会认为大家在这个地方对于OpenAI或者其他的这种Chatterbot它的广告商业化我觉得是可能会很速度会很不及大家现在乐观的预期因为大家现在普遍觉得26年可能广告就要贡献相当的收入但实际上最近爆出了一篇文章就是说OpenAI进入CodeRed的状态实际上它是要把精力花在模型能力的提升而不是做广告上广告探索是一个需要时间的一个过程然后第三个大家关注的重点就是AIcoding或者图片生成这种按用量的模式因为这边有个大的叙事是说当AI替代了很多程序员的工作所以AI公司能够收到程序员工资的一部分程序员全球大概可能有个1亿以上的程序员假设每个人一年10万美金那就是10万亿美金那AI在里面能赚5万亿美金那就是巨大的回报但是我的看法是说如果你替代了很多的程序员并不意味着说你能赚到这些程序员的工资而是说这些程序员原来完成的任务变得不值钱了基于用量的这些应用它的用量会持续变大这个我觉得是没有疑问的这是所谓的杰文斯悖论当一个token的成本下降它的用量会提升但是因为它成本也在下降所以涨了10倍的用量VS跌了10倍的价格可能你会发现一个程序员给AI工具它的付费当它提升到比如说20一个月之后你可能很难再去短时间提升到20一个月就是大部分不是那么SOTA不是那么特别有技术含量的任务它会以一个相对FluxRate就是固定价格的形式去进行收费而只有最SOTA最前沿的任务才能够按照用量去进行编辑效应编辑成本很高的去收费所以我觉得这里面短期看其实不会有那么的乐观然后第四个就是企业服务比如说大家说Havi、LaGuardia或者这种在美国比较典型的企业服务的社会方式但是这部分目前肯定还在早期市场大量的企业都还在寻找怎么样在业务中使用AI企业服务软件的这样机会从最简单一个就是微软在OfficeCopilot这个里面其实这已经是一个非常直接的应用场景了但是Copilot的渗透率和收入其实是始终低于预期的对于一个大公司尤其像美国这些财富50强的大公司来讲它去使用新技术其实它的速度其实比大家一般想的要慢因为这边有很多的數據的原因、隱私的原因、權限的原因、對工作有影響的原因那麼我會預期AI這個企業服務呢在明年大家會發現在早期市場滲透率達到一定的程度之後其實增速也會下來所以整體來講這個大的要看return的原因是因為AI有這麼多新的投入但是它到底帶來了多少新增的GDP這個其實是歸根到底大家就要算算賬美國這個紅衫的David他其實提出一個20幣問題後來說60幣問題簡單講就是說這麼多英偉達的卡買了然後你要帶來對數據中心的投入意味著最後你一年AI要賺回來60幣的收入才能夠兌現這個投入而現在這個問題已經不只是60幣了已經是超過一個缺點的問題了所以這個裡面其實這個帳是越來越難算清楚了而在25年大家多了大量的投入並且對未來有更高的預期之後26年我覺得對於return對於回報的要求會變得更高所以我覺得這首先是一個206年是yearofreturn就是大家要對AI投資的回報變得非常的關注那麼這個對於創始人的啟示我們也在想因為在今年年初Cursor當時大家看到一個故事是說當你成長很快那麼你的margin並不重要你甚至可以負margin的去增長但是負margin增長實際上你就是在補貼用戶嘛你把一塊錢買的token賣五毛錢因為你的邏輯是用戶習慣了之後未來我這一塊錢的成本變成了五毛錢甚至兩毛錢的成本我就可以賺錢但是目前來看我們已經發現在矽谷當然趨勢已經逐漸對應用模式變成了說你有沒有一個好的margin你有沒有一個好的retention所以最後你是不是能夠有一個有質量的增長因为这个逻辑很简单做模型公司你要做训练你要做实验你要招人所以你费很多钱可以理解但应用公司你本质上是把token买回来之后加工变成对应互联网有附加值的产品卖出去那你的margin是应该有一个可观的margin的但还是会对这应用有一个类似于SaaS的这种50%以上margin的要求的我觉得这个是我们在矽谷看到很明显大家对于应用型创业公司的新要求所以我觉得这对于真正能够把自己的产品做好让用户愿意付出一个比较高margin去买的应用公司是好事但是如果应用公司他做的事情是简单的倒卖token把token打折卖掉这种增长就是质量不是很高的增长我觉得这是不太能够持续的第二我觉得如果大家开始关注回报的时候我觉得对于好公司是好事因為大家不關注回報的時候就是大家都能夠融很多錢這個時候可能你本來是能夠帶來不錯的回報這個時候你也被迫去進行一個激烈的競爭當然當大家需要看回報的時候真正能創造價值的公司反而會更加standout所以這個是EofR的第一個R那麼我覺得從這個回報怎麼來我覺得現在最近這一個月半個月大家普遍都指向的一個另一個R就是research这是伊利亚说的伊利亚是一个说的人因为AI我们看历史上都是一个scaling和research的交替提高每次是新的paradigm新的研究范式的解锁带来了scale的新机会带来AI的提升但AIscaling达到一定的瓶颈之后或者它的进步放缓之后又需要新的research去提升新的那麼伊利爾博客講得非常好大家肯定要去聽一聽肯定比我講的好太多了那麼簡單來講就是現在又到了要research提高的時候那麼Demis最近的訪談其實也是說他認為到了AGI還需要一到兩個研究的突破當然這裡面研究的突破是什麼有人說onlinelearning有人說這個世界模型可能有不同的領域但是目前的研究可能沒法讓大家直接一步到AGI這個可能是一個比較明顯的大家都認同的情況那么因为要去做下一代的research所以我们看到硅谷也有一个投资的新的趋势就是投一种新的公司叫做NewNaps这个公司其实就是说以研究员为主要核心去投入去做研究的然后去探索跟现在头部模型公司有差异化的新的AI的机会比如说典型的一波公司像比较知名的像thinkingmachines像伊利亚的公司SSI对吧包括像年初做的reflections到近期又有一些新的公司像humanend就是end的那个符号periodicIsara这些都是新的一上来就是10亿美金级估值融上亿美金的这种新的研究Lab本质上来讲大家是想有点像他们是下一代的OpenAI通过一个偏移研究性的组织找到下一个范式然后在下一个PriorityShift里面变成很重要的一家公司因为做工程和产品和做偏探索性的研究很不一样需要有宽松的环境自由探索的文化没有那么多的KPI和时间的限制因为你很难说6个月之内你要做出一个新的研究这是很难去计划的OpenAI当时Stanley他们写的一本重要的书也是伟大不能被计划这其实反映了OpenAI是一个研究Lab时候的一个现状但OpenAI现在已经不是个研究Lab了或者说它已经主要是一个产品驱动用户和收入的Matrix驱动的创业公司了所以这个时候怎么样重新找到一个有研究文化的一个组织那是可能在硅谷这些newlabs可能是大家的一个新的bet所以这个我们看来也是一个就是说在硅谷这种资源非常充沛大家愿意去投资未来的总值的情况下的一个新的趋势然后对于研究来讲还有一个很重要的就是benchmark因为AI在训练包括在预训练还是在PostTraining以及在数据收集的时候很多时候其实它是明确的优化目标就是Benchmark之前我们看到在几年前大家针对的Benchmark还是比较简单的当时的MMLU或者是像后来的3Bench其实就是一个针对Coding有了新的好的Benchmark所以大家对Coding有了个明确的标准这样大家Coding能力都提高很快其实我们反复看到Benchmark和能力进步其实是有个相互推动的关系所以为什么顺宇确实提出了非常reasonary的工作就是给AI命题的人是很厉害的但是现在我们看到已有的benchmark基本上已经被逐渐刷爆了或者说已经不能够特别好的体现AI能力的区别那么包括说如何衡量一个在大多数领域已经超过人类表现的模型人类要去想去benchmark一个比自己聪明的存在或者比自己至少是推理能力更强支持更多的存在这个其实是越来越难的所以我其实很同意顺宇当时提出的下半场这样一个理念你需要新的benchmark去指導AI的進步去進行訓練上的包括衡量和指導訓練的進展這個其實也是需要在research上有很多的突破所以我覺得第二個R就是說通過research的進步我覺得是能夠解鎖下一波大的return的機會但這個裡面我覺得就是要非常關注前沿研究的進展因為应用的创新很多时候它的前续条件先决条件都是技术本身的进步现在技术的进步可能又到了说研究的突破所以可以想想看当去年我们看到O系列的突破的时候其实对于未来应用的落地可能就会有一些新的引导所以这个我觉得也是蛮需要去关注的所以这是第二个R就是Research那么事不过三对吧所以为了凑第三个R我现在想的叫Remember或者Memory因为Memory我觉得也是大家目前看到说AI应用一个差异化的关键因为如果你没有memory没有所谓的个性化那其实你问AI和我问AI得到的结果都是一样的但是目前来看哪怕现在的memory还是比较初级的能力其实已经对用户使用的体验挺不一样了比如同样一个问题对我来说我问ChatterGBT和我问Gemline我得到答案的个性化程度ChatterGBT已经高了很多因为它有跟我三年以来的所有聊天的这些记录和memory所以当AI应用能通过memory进行差异化并且这种差异化能带来个性化的时候这也会给未来的商业化接受很多空间因为只有懂你的AI才能够去进行更好的推理和推荐但是呢现在的memory我觉得基本还是基于retrieval的就是通过把过去的这些聊天记录啊这些记下来然后到时候去引用这个其实还是没有能够做到真正的理解好比说你的朋友对你的理解完全来自于他有个很厚的笔记本记录了跟你聊天的每一句话那真正的记忆肯定是他不用带这个笔记本他已经在内心深处更理解你更懂你形成了这种在线学习也好或者说in-contactlearning也好这样的这种模型权重级别的记忆这个我觉得也是研究的兵家必胜之理归根到底最后我们每个人用的AI可能它都是一个针对我们的模型所以它是一个研究上也很前沿的领域同时呢其实大家现在还在讨论一个就是proactiveagent因为大家发现现在AI应用有一个用量和价值的瓶颈是现在都是人要主动地去问爱人要主动地发起一个操作但是显然有大量的我们的需求其实是我们不一定想得起来去跟人家去讲去跟人家去做这好像一个好的秘书应该是老板他没有去说的时候就能够察言观色主动解决问题而不是老板说了才去解决问题所以proactiveagent肯定是大家接下来一个很重要的方向但是我认为有了很好的memory以及对用户所处在的context有很好的理解才能够解锁proactiveagent的机会那么这种memory其实来自于比如说现在到了下午可能我们要点个下午茶到底喝什么这可能大家说的最多的一些这种简单的例子但是我们可以远远想象的是一个有主动性的好的助理可以做的事情远超于此但是这个没有memory我觉得是很难去进行的所以我是觉得memory应该是在26年在AI应用里面大家的一个必争之地怎么样获得用户尽可能多的contacts和用户有尽可能多的交流从而形成好的memory然後讓應用有差異化我覺得這個會是26年的一個很重要的主題所以26年會成為一個現實之年會更看重回報與此同時研究和記憶會帶來不同的可能性對所以如果要用一個單詞或者一個字母就是R這個是我目前感覺一個很重要的一條主線當然這裡面還有一個R我覺得還沒有涵蓋到的就是雖然我想了很久能不能用个啊来表示好像没有想到就是我们看到就是我们看到的应凑啊对这个就我们看到明年模型能力因为还是回到我们的主线模型能力的大幅进展解锁应用的机会那么我们看到模型能力正在发生大变化的就是这个多模态的能力多模态其实这里面分为两方面一个是多模态的reasoning一个是多模态的generation目前大家看到的很多首先是Generation的进化尤其是NanoBananaVO3带来的模型能够更好的跟随我们的语义来生成更好的图片和视频其实我们可以想想看GPT3.5解锁了ChattyGPT这样的机会那么Solana3.7解锁了Cursor这样的大应用机会Solana3.7还解锁了Madness这样Agentic应用的初步的机会那么NanoBananaProVO3这样的进展它能解锁什么样的这种大应用的机会呢我觉得现在在一个chatbot里面我们去跟他讲让他生成一个图片或者生成一个视频这并不是一个很自然的或者很流畅的体验但现在大部分人用nanobanana或者是这个GBT这些图片还是这样去用的所以我觉得这里面其实在垂直领域比如说能不能颠覆kana或者是对其他的这种不管是视频内容的生成与编辑可能都会有很多新的机会并且我们显然我们有大量的时间和价值是在多模材内容的消费上比如图片的消费视频的消费以及大量的广告也是基于图片和视频的这里面不管是创造者还是广告素材的生成其实都是百亿千亿美金级别的机会这里面我觉得一定会有有意思的应用会出来同时人本質上是一個視覺輸入的機器我們對世界大部分的理解是通過視覺輸入的那么我也可以关注一个叫ZeroBench的一个Benchmark它是有一百个比较复杂的就是人都可以做但是现在AI基本上还做不了的一个叫做视觉reasoning的任务目前最好的模型基本上还是不到10分但是我听说其实在前一样的Lab里面可能有能做到六七十分的模型已经在是有可能了所以我是很期待这方面出现的应用因為現在雖然AI很聰明但是你讓他去比如說要理解這個世界不管是虛擬世界的界面還是真實世界他看到的東西其實還是有很多的很弱智的錯誤所以我覺得當visualreasoning突破的時候我們對於交互對AI能做的事情可能會有很多的提升這些可能還不到AGI的層面但是它對於應用的價值我覺得是蠻大的红杉美国最近有一个预判合伙人David提出206年将会是yearofdelay延误之年会出现人工智能两极分化的局面一边是数据中心建设进度delayAGI时间表退后另一边是AI应用将保持强劲的增长势头你怎么看他的这个预期我觉得它这个delay一方面是物理世界建设的delay实际上在虚拟世界引入变化是容易的但是物理世界的变化因为始终牵涉到实际的建设始终是比较难的尤其在美国这样建设数据中心建设新的电力其实都还是有比较多的挑战这也是明显大家看到今年交易的主题交易电力交易这个数据中心的修建同时像他说TSMC这样的上游公司他们没有那么强的扩展动力因为对他们来说他们希望自己能够平衡一下周期性就是你下游的需求带的特别多假如我把产能也提高了10倍那万一你下面需求变少了怎么办所以这里面物理世界的delay我觉得是必然会出现的同時他剛說的就是AGI的delay這個其實就跟我們剛才一直聊到的模型能力進展不是一出二救需要研究的範式突破才能夠解鎖下一個模型的能力大的進展我覺得這個是一致的因為DavidCohen他就是提出20B問題和60B問題的投資人所以他一直在強調就是說投了這麼多錢到底return在哪裡return能不能那麼快那麼大的到來我覺得這一點上我們是有其實是有蠻多反正對他說的是蠻多認同的然后他说的第二点就是说这个AIadoption它的增长会很持续这个AI的adoption就渗透率会提升这个我觉得是肯定没问题的就是我们肯定会用更多的token但不要忘记token的价格也在飞快的下降对吧所以首先是哪些AI的adoption渗透是在早期市场哪些是真正跨越鸿沟的adoption我觉得这个要区分现在我目前看来跨越鸿沟也就是说主流用户都在用的可能就两个一个是这个ChatGPT为代表的这种Chatbot第二个就是Coding基本上现在我觉得全世界程序员中Coding的AICoding的渗透率应该已经超过20%了這就屬於跨越鴻溝但是跨越鴻溝之前那麼這本書它提到的非常重要的一點就是大家會把早期市場這些常鮮者的快速滲透和採用把它簡單外推到主流市場但是如果當主流市場的用戶還是沒有使用的動力而早期市場的用戶又被消耗完的時候就會可能出現一個斷崖式的增長率的下降叫做鴻溝AI这一波有个特点是因为分发渠道是先成的就是大家最后还是通过一个网站、一个应用去分发所以对于早期长线的用户一旦出现一个有意思的应用长线的人能够很快地第一时间用到这个应用这跟移动互联网早期不一样移动互联网的早期和互联网的早期其实都需要有硬件设备的扩散比如说个人电脑的扩散、关线的扩散以及說這個智能手機的擴散所以當時哪怕你有一個非常好的移動互聯網應用你也得等智能手機擴散到這個大的人群比如說拼多多其實當時起來也是因為整體下層用戶已經拿到了都有智能手機了當然現在其實硬件設備都有的情況下所以AI應用在早期市場的擴散速度其實是非常快的但是這種早期市場的快速擴張我認為是很容易讓大家對於主流市場的進度過於樂觀所以這個也是我覺得要繼續觀察206年可能也會是一個非常有意思的有很多判斷可能跟大家想的不太一樣的年份最近很多人都在談論AIBubble你覺得站在205年的尾巴上你有嗅到泡沫的味道沒有我觉得要怎么看泡沫这件事情首先人类历史上每次技术革命都带来了泡沫几乎毫无例外不管是从当时的修运河还是修铁路还是修高速公路后来的互联网其實我覺得都帶來了泡沫所以AI我認為是人類歷史上可能最重要的技術革命我認為它帶來人類歷史上最大的泡沫可能也是很理所當然的但大家談到泡沫的時候呢其實就是它本身上是估值和價值的高度不契合對吧我覺得現在呢可能還沒有到泡沫的最頂端因為互聯網的泡沫包括之前Web3的很多泡沫其實大家看到的是泡沫顶端的表现是资产价格出奇的高而且不只是好公司很高这些烂公司甚至是骗子公司也很高当时互联网泡沫的时候大家被记住最深的就是WebOne这样的这种可能商业模式都不成立的公司都估值非常高所以从那个角度来看我们还没有到那个程度目前来看因为大家这些公司的短期估值甚至很低的因为它增速很快所以它的短期估值很低但是我觉得历史不会每次都是完全一模一样的去压运因为正因为大家都在担心这种泡沫所以目前来看的话这些资产价格还没有到特别离谱的阶段但我觉得这里面大的风险还是说对于AI的预期的变化因为这个预期的变化它是一个在长时间的长周期端去调整大家的预期的过程我們其實反復看到歷史上當長端和短端出現錯配的時候其實就會帶來資產的價格大幅變化比如說在23年初當我們對於長端AI的預期大幅提高的時候那麼短端當時英偉達其實有很多庫存所以其實有很多二級智商的高手其實當時是做空英偉達因為他們覺得你庫存很多你的短期估值很高但實際上你長端已經發生了變化所以那個時候短端的這個悲观其实已经不是主要因素了现在我们在短端其实比较乐观的因为在大家对于明年英伟达的预期后年英伟达的预期还是很高我拿英伟达举个例子哈但是在长端如果大家对于AI落地它的这个价值回报的周期变长同时AGI的到来放缓的话这种长端的预期我觉得變化或者是變悲觀的話那麼短端它業績再好可能也都不會是主要的交易因素所以我就從二級市場來講我覺得明年是有可能出現一個比較大的回調的但這個回調是不是泡沫所謂的破裂還是這是在泡沫真正衝向頂端之前的一個叫做說什麼蓄力之後再繼續漲我覺得這個也不好說但我是覺得對return的關注以及現在我們還是在伊利亞這樣的矽谷領軍的研究員這聽到了對於研究需要範式的這樣一個擔心我覺得會逐漸的擴散那麼在接下來26年我覺得還會越來越多的討論AI下個範式是什麼AI模型能力是不是遇到那些瓶頸以及說AI短期能兌現的收入是不是能夠足以撐得起來這個投資我觉得这个会是20多年越来越多人会关注甚至会担心的主题然后这样的担心尤其配合上最近美国的一个劳动力市场的放缓这个可能带来了一些对市场会有冲击所以我自己感觉明年如果以美股为代表的话市场是可能会有一个比较明显的pullback然后比较大的时间点可能是在下半年尤其当劳动力市场出现一定的软化然后AI本身的return也出现一些不及预期的情况这里面很有可能OpenAI本身的用户和收入的增长会是担心的一个很重要的trigger当然市场很难预测所以我觉得也是一个目前基于刚才一系列对于return和research的一个思考目前的一个判断POMO我觉得肯定是有的因为如此巨大的投入不管是从基础建设的投入还是人员工资的投入这个肯定对于短期的回报要求非常高我认为短期肯定是很难兑现的但是是不是那种疯狂的泡沫我觉得还没有到那个程度但是没有泡沫我觉得也不客观但是說到這個我覺得今年有本書我讀了非常有意思叫《Boom》他就把泡沫分成了兩種他說一種泡沫是說認為未來會比現在好很多這個其實是我們VC天天在做的事情叫投資未來他說這個是好的泡沫另外一種泡沫是說未來跟現在會完全一樣他說這個是壞的泡沫什么叫未来和现在完全一样呢比如说次贷危机当时大家就觉得这个次级贷款一样能还得上对吧或者大家近的例子说中国房地产大家觉得未来房子会一直涨或者茅台会一直涨这个叫做说未来和现在会一样的泡沫未來和現在不一樣的比如說不管是當時的AR、VR、元宇宙、區塊鏈或者是這種AI、互聯網其實都是未來會非常不一樣那麼這好泡沫的意思是說認為未來會跟現在不一樣讓大家會去追求進步會有很多的投入這種投入是有很多外部性的比如说互联网泡沫虽然引发了泡沫但是这个里面有很多的投入变成了光纤变成了这些创业公司的资金最后确实改变了世界并且这种泡沫它的参与者主要是专业玩家比如说VC创业者它带来的外部性影响是有限的但认为未来跟现在一样的泡沫就导致说第一最后参与者可能是普通人第二就是他沒有帶來真的歪不信因為他不鼓勵大家去改變未來所以他的邏輯就是說泡沫也是人們一種對未來的期許與希望與雄心壯志的體現需要泡沫來驅動人們往前進並且但這個裡面就是說泡沫肯定會帶來一些影響但是呢我們也要支持就好的泡沫有的時候是必須的所以從這個角度來講我覺得有泡沫我覺得一點都不可怕或者說從人類歷史上都不可怕但是我們要在具體投資和創業中去規避那種比較明顯的泡沫帶來的損失如果預期明年會回調的話你做了什麼調整嗎在投資策略上我们始终的调整包括我们跟我们LP说的就是我们无法决定市场的价格因为我们只是一家机构市场有的时候很悲观给的价格很低有的时候很乐观给的价格很高但我们始终的原则就是投资最优秀的创始人最优秀的创始人有的时候市场给这个价有的时候给那个价我们无法决定但只要我们是投了优秀的人我们在第一轮投的这个就是我们的安全边际因為巴菲特說安全邊境是用合適的價格買入好的資產但我們並不是市場定價者所以我們能保證的或者說我們嘗試去確保的是創始人本身的能力或者水平至於市場給什麼價格我們就也無法決定但我們不會在市場很高的時候就不投了或者在市場很低的時候就不投了我們始終是投優秀的人這點我覺得是沒有變化的你覺得明年二級和一級會怎麼傳導我自己会觉得二级的pullback还是会比较明显的像我刚才说的可能我觉得就是在下半年的风险会比较大二级如果出现了比较持续的pullback我就会影响到一级的融资情况因为目前除了从美国的一级来看融资已经很乐观了你想都已经是天使轮就10亿美金还能再这么乐观了它已经是一个往上的空间已经不怎么大但往下的空间我觉得还是有不少的这么一个环境所以我是觉得如果阿基真的发生了pullback并且我认为这个也有可能是因为对于return对于回报的担心那么对于意义市场融资也是会有影响的因為現在肯定是一個比較好的時間雖然是不是泡沫之巔不好說可能還不是但是至少已經挺高了這個我覺得不管是我們的感覺還是說我們跟美國這些大的資產配置者JLP聊下來基本上大家還是有比較統一的一個觀點但是很多事情是相互的因為很多人說大家都覺得有泡沫那就不會有泡沫但實際上我觉得如果你去问很多投资人其实有没有泡沫中心确实还是很多争议的我相信你跟不同的投资人聊也会看到不同的观点所以我可能是属于比较关注return的那一派但是我想说的是我们其实是在23年24年我们其实反复强调的就是说AI前景非常大要有耐心要敢於去投資不管是從一級的還是二級的角度我覺得在大家沒有那麼確定的時候敢於去下注但是如果大家都很樂觀都覺得AGI快要實現的時候反而可能要冷靜的想一想是不是那麼快這個是我想表達的一個核心對你說到其他投資人我想到朱孝谷前兩天跟我說他說至少三年內看不到泡沫大家都在講泡沫的時候這個泡沫肯定是沒到的他们这些论点都是无稽之谈现在Token消耗量太快了今年觉得爆发十几倍明年还要爆发十几倍Token消耗量我觉得肯定会持续非常快的增长每年涨十倍是必然的但是同时Token的价格也在下降并且要想一想就是互联网在整个过程中它的互联网的用量其实一直是持续增长的没有哪年说互联网大家用的少了你觉得这不是一个关键指标我覺得token用量的大幅上漲不能夠justify說現在的估值就是合適的或者就不會有大的預期的回調因為第一token量的上漲不一定能帶來回報的必然到來所以我想說的是最後的關鍵在於說你投下去的錢能不能有好的return這個return並不直接等價於token的消耗因為完全在互聯網裡面也出現了大量的這樣的場景就是你花了更多的互聯網的貸款usage但你沒賺到錢我突然想到這股AI泡沫的討論它這個悲觀情緒是怎麼傳導的它是從哪來的最早的源頭实际上现在还是处在一个非常没有传导的阶段吧我觉得如果传导的话那现在的股市的走势它就不是这个样子了最早来说的话最近应该是在当时Oracle呀等一系列公司公布了與OpenAI的大單嘛大家就在質疑說OpenAI你怎麼掏得出來1.4個缺點去滿足這樣的未來的算力需求所以現在我覺得目前市場交易的還是對OpenAI的擔心所以你發現Google發了虛擬貸款之後OpenAI對應的影子股票像軟銀包括Orico就跌得非常厲害整個Oracle比如說為例的話它是跌回到了發當時那個超大RPO訂單的新聞之前也就是說市場認為這個事情都不會發生市場認為把這個全都抹掉了所以我覺得目前大家的擔心首先還是在OpenAI的擔心大家覺得OpenAI你是不是有這麼多的錢因為你畢竟現在只有50億美金估值你就融了可能一千億美金你怎麼fulfill這1.4個缺鏈的這些訂單對吧我覺得這個是包括當時還有一些對英偉達的投資OpenAI然後又買英偉達卡的擔心我覺得所以現在大家普遍的觀點並不是說整個AI有泡沫大家只是覺得OpenAI是不是這個無法完成它的訂單但是我的觀念其實是說明年對於整個AI這個生產系統的return大家會逐漸地越來越擔心而這個擔心again還是來自於第一商業化變形還沒那麼快第二在研究端我們需要有研究的突破才能夠對模型能力進行大幅提高是基於這兩個核心的觀察所以我覺得二極市場裡面其實有一句話就是strongopinionweaklyheld你要有strongopinion是因为你要对于一个事情有很多的研究然后你有个推演但是比如说如果比如说明年出现了新的大的商业化变现场景或者说模型能力得到了很大的提高这个提高可能来自于现有的范式的进化或者来自于新的研究的突破那我也非常乐于改变我的观点我觉得这个其实就还是为什么我的这个对于明年比较谨慎的看法它来自于哪几个观点的支持你个人是全部心仓了二级对吧對我個人現在是基本空窗的有沒有可能當美國的這些frontierlab都遇到需要現實回報的時候中國的這些AI應用公司反而對他們比較好我覺得中美的估值差距是會縮短的我覺得這個是但是這個縮短可能是相向而行可能是美國這邊下降中國這邊大變樂觀這邊會不會反而是當海我覺得至少是說大家對於中國的AI應用在一兩年前大家普遍比較悲觀的嘛我覺得現在逐漸發現有很多樂觀的信號但是我是覺得長期來看的話我覺得中美差距不會有那麼大就跟互聯網其實中美差距並不大甚至有的領域中國應用開發者是做得更好的所以我觉得中美现在在两年前大家交易的可能是一个1比10的差距现在可能变成了我不知道5比10或者是怎么样但是我觉得最后可能30比10或者50比10那都是很可以期待的你经历过互联网周期那像这样狂奔后的回跳时刻你经历过吗当时发生了什么有什么可以借鉴的說實話我自己當時在創業我其實是這個狂奔的一員我覺得第一個就是說Morallaw就是非常有名的我們會短期高估一個應用的進步長期低估一個技術帶來的影響的變化這個其實是每次都生效的所以我覺得第一我是相信回調一定會來第二長期也一定會發展所以在都很high的時候要警惕回調要對於realityR的那一塊要有關注那麼在如果回調政黨來了之後呢也要有信心因為在那個時候很多這裡面因為市場火熱才來的投資人和創始人會被擠出去在這個時候還堅持創業的創始人我覺得可能是更值得投資的所以我們從投資人的角度包括從創業者的角度可能都是說做好準備就是大家都非常樂觀的時候做好悲觀的準備大家都非常悲觀的時候做好樂觀的準備我覺得才是一個偏反共識的一個思維方式第二個我覺得就是優秀的公司往往都是很早成立的大家想想看亞馬遜Google這些公司其實都是在互聯網泡沫破裂之前就成立的當然他們在泡沫破裂的時候也會嚴重受損當時亞馬遜差點股價跌了95%差點就破產了所以做得早投得早很重要同時對風險的預備也很重要風險大風暴來的時候能活下去可能你就是一個市場格局變好宏觀環境幫你清理掉競爭對手的一個機會所以這個時候我覺得優秀的創始人應該要多想想看自己的增長是不是高質量增長是低毛利甚至負毛利換的增長還是說你是有比較不錯的毛利比較不錯的retention我覺得這也會很重要假設一個極端情況就是206年是研究年假設如果技術不能再提升範式也沒有新的變化那在現有技術能力下能夠支撐這一波AI應用浪潮的爆發嗎我觉得现在的技术当然不是说不提高我觉得他只是说从那种指数级的加速进化到比如说可能比较incremental的线性提升我觉得对于L2级别的要求可能都没有什么大的问题整体来说可以理解成为如果是一个坐在电脑前面然后他主要工作是按照某个流程去做事情的人类白领他做的工作应该都可以做这个意思就是说他不用去搞新发现或者说解决那些没有遇到的问题但大部分我们做一个做办公室白领做的工作他其实都是解决一些已经解决过的类似的问题這個對於現在AI來講我覺得包括當計算機工具使用的能力Agent能力進一步提高變身能力進一步提高之後我覺得這些都是沒問題的所以這已經可以替代很多的工作了但是像我剛才說的就是你替代了這些工作你不代表說能夠把他們的工資都賺了只能說他們的工資可能變得不值錢了比如說原來接線員的工作就永遠的消失了他們的工資也永遠的消失了但是會出來新的工作對吧但是L3级别的就是需要AI自主去做决策自己承担决策的后果的这个我觉得是需要比较长的时间因为像这个L3L4级别的自动驾驶Robotaxi其实已经是比较简单的任务了因为它们跟环境不用发生变化它们是二维环境它们在二维世界里运动只是速度比较快确实后果比较大但是这个其实是花了十几年的时间所以从这点来讲我觉得要解锁这种级别的智能实现大家想的很多那种AI让人失业或者AI让我们都不用工作了这种预期的话那确实是需要模型能力的进一步提升的基于刚才的三个R你对于创业者有什么建议我对创业者的建议第一个就是说回到我们最开始AI模型能力的进步解锁应用的场景从而带来应用机会这条主线我们发现比较优秀的AI应用创业者基本都是说对于技术的进展有一些自己的高质量的判断这种判断一种可能像比如说我们投Kimi像杨志霖他本身对于比如说二三年对于长文本的判断二五年对于Agentic的判断其实这种判断的质量很重要因为你做的应用或者你模型训练的方向其实是为了6到12个月之后的SOTA去准备的如果你做的时候这个模型能力已经很成熟了你可能做晚了但如果你做这个应用它的能力需要模型5年之后的能力那可能做早了对吧像肖鸿他们其实能做出MADNESS我觉得很重要的一点也是他们首先PEAK加入很重要他们对模型能力的发展的前瞻具备了更多的了解第二就是他们在做MADNESS之前是在尝试做AI来控制浏览器所以他们对于AI怎么去使用浏览器使用工具做了很多的研究这也是属于对技术本身进步的了解所以我觉得应用创始人可以不是技术背景但是要对技术发展他有一些自己的预判一些了解或者自己不知道要招一个人或者要有pick对吧第二个我觉得确实要立足全球市场因为现在的尤其是AI偏生产力的应用它一上来是可以做一个全球市场的产品的这也是让公司面对的市场规模收入前景其实都有很大的扩张当然创始人并不是说一定要在国外生活才能面对全球的产品其实萧红在Manus发布之前是没有去过美国的而是说要对于全球市场中产品的设计比如说什么样的功能设计什么样的审美是比较适合的然後如何在全球市場做運營做推廣這些要有一些瞭解這個其實我覺得中國新一代創始人不管是海歸的還是在本土成長的其實越來越有競爭力的因為大家其實從小就是在用著全球這些優秀的產品成長起來的嘛並且大家也天天賭的都是ElonMuskSteveJobs這些矽谷創業者的傳記對吧很多時候看的新聞也是全球同步的所以我對這點我覺得中國創業者其實成長的是很快的第三個我覺得現在AI每年都有很多的变化如果简单来讲就是菜单一个牌桌每年都有新的牌位翻出来这个时候不下牌桌持续翻牌保持高执行力高的迭代速度就有机会其实MADNESS他们是第三次尝试才把这张牌给打得还不错对吧他们一开始是做Benchmark然后做Monica然后做MADNESS然后投进Spark的时候他们是要做AI搜索然后他们也是转型到做Agent的这个方向然后最近我用了很多的一家我们的Portfolio叫TypeLess它是用语音在计算机和电脑上和手机上做输入它最开始是做一个基于Shopify的浏览器插件然后后来第二步是做一个有点像Monica的叫MaxAI的浏览器插件然后第三步做TypeLess所以我们就发现包括說黑JAM黑JAM我們當時投的時候他是要做給電商的模特換頭然後他後來做虛擬人當時他做模特換頭叫Cereal叫濕雲科技所以我們發現在AI時代因為變化太快了機會很多所以不要拘泥於某一個事情持續迭代然後不斷翻牌留在牌桌上就會有很多新的機會然後還有一個就是我們開始聊到的其实赵虎说的很对就是垂直是有很多的壁垒可能产生的地方对吧所以想想看自己的数据自己的场景什么是模型公司它没法简单覆盖的比如说我们说AI加教育AI加制造美国AI加法律这些就是你有没有什么经验数据是模型厂商不具备的专有知识并且你的分发渠道比如说美国有家公司叫ABRIDGE他們就是在做醫院裡面的transcription幫助醫生去根據跟患者的溝通形成診療記錄他們有個很獨特的優勢是他們的大投資方叫Epic是美國大部分醫院裡面的軟件的提供商他有自己獨特的分發渠道這個醫院不是簡單的你裝個chatterbot就能用的這種分發渠道的優勢可能也是垂直裡面很重要的價值所以我覺得在26年可能一些簡單的叫低垂的果實被摘摘得差不多之後對於應用創業者其實對於高品質增長的要求對於回報的要求以及對於全球競爭的能力都會有很多新的挑戰但是也會有很多新的機會你看現在對創業者來說方向可以變排面也在變競爭也在變那對於投資人來說你們投或不投判斷的是什麼呢還是人嗎那怎麼判斷人呢對其實因為我們一直說我們是個看人的基金嘛所以我們確實內部有一直有很多的討論包括我們之前應該也聊過就是我們有一個對創始人一開始的情況的簡單劃分叫小天才老司機操辦手科學家的四個象限包括最近有很多人問我們是不是指頭年輕人指頭0後其實挺有意思有很多90後對其實90後老了是吧我覺得因為大家現在都在講說找小天才嘛好像這三個字是一個非常大家都在找的對象楊哲林還是小天才嘛那楊哲林是當年的小天才現在的老司機你看我們在今年確實我們投了小一半0後的創始人小一半就是有百分之幾十0後的創始人因為確實我覺得對於0後來講他們更加AInative他們並且做一個公司做一個產品他們所需要的人也變少了很多因為可以用AI去做嘛這裡面我們覺得有很多有意思的機會但同時我其實覺得很有意思因為我也投了景坤是70後張懷鼎就是70後包括我們投的穆希馬上上市了也是70後William對吧所以顯然這裡面不是說0後就有機會啊這個70後怎麼樣90後那蕭紅和那個杨士霖都是92、3年的所以我是觉得他俩都92的都92的对所以年龄我觉得真的是一个其实不是一个我们真的叫判别因素因为也正好因为有听说市场上有人说真哥是不是指头年轻人怎么样其实我们完全没有这样的一种说法或者标准而且事实是也是我们在各个年龄段都有很优秀的创始人但我觉得这里面我们以前复盘的刚才说到几点对吧对技术要有自己一些潜在的了解对全球市场要有一些自己的竞争力然后对于AI家产业的结合要有韧性不下牌桌持续执行力我觉得还可以再补充一两个就是我们觉得在中国每一次技术革命浪潮来的时候都有很多人创业但是最后真能赚到大钱的基本上还是引领者就是第一波甚至是第一个去提出一个创新形态的创业者而不是那些在这个行业已经很火了之后才进来的人在美国因为收购退出机制比较完善所以哪怕你没有做到第一名第二名你也可能被大厂一个不错的价格并购所以自己能赚到钱投资人也能赚到钱但是在中国我们看到如果你不是前三名甚至不是第一名那可能大家都没有什么赚大钱的机会所以我们强调这个引领者的概念其實我們叫大黑馬引領者我們就是有那個投資團隊討論群現在尋找大黑馬引領者Kingmakers三個關鍵詞因為現在確實有很多說Madness火了之後就會有很多人說我要做什麼什麼領域的Madness對吧那在就人機器人現在可能國家都說太多了150家那是不是要少一些不要一紮堆上市就我覺得每次跟風的公司還是挺多的但是真正能夠大成的我覺得還是真正能引領的公司在這裡面我覺得是我們還是蠻關心的一點然後我覺得越是在這個行業變化很快的時候其實團隊的構成就越來越重要其實因為現在也有很多的所謂的船局的現象對吧有的可能大家也沒有想到要創業了因為時代大潮來了所以就有點趕鴨子上架或者沒有準備好去創業的這樣強烈情況但我們去看其实比如说美团的创始团队很多都是王兴的同学是室友对吧张一鸣的创业团队其实也有好多都是他的室友辱波应该跟一鸣就是室友关系对吧然后比如说米哈游同学室友创业饿了吗同学是不是室友不确定同学创业对吧然后insta360同学创业其实好的创业团队我们觉得始终都具备对技术很敏感对新的变化很敏感并且有很强的信任长期合作长期了解像肖宏他们做Manus的创业团队也是最开始跟肖宏肖宏潘潘他们几个都是一起做第一家夜莺科技的那Kimi的创业团队智霖Tim他们也都是在清华的同学甚至是一起玩乐队的所以我觉得这些事其实是普遍的因为我们现在看到有的团队可能真的几个人原来是不太认识的然后因为市场很火然后又大家把它传承一起去创业但是我是觉得今天还不电影就是F1那部电影对吧我觉得看了之后的感觉就是创业真的是一个像F1赛车一样的非常对于团队有极致考验的过程这个时候任何团队上的这种裂痕包括之间的互相不了解信任不够都很容易产生这种崩掉的情况产生这种很大的事故所以越是在竞争激烈变化很快的时候越对团队的初始的组成的这种信任互补其实是有越高的要求怎么想到把Pick和张涛介绍给minus团队的为什么觉得他们互补呢为什么觉得他们合适首先Pick和张涛都是我们投过的创业者Pick我们是高中就投了然后当时也是就是高中就做了某码浏览器上了苹果推荐的小天才然后当年小天才对他后来也是拿了几轮融资后来就卖给了第四方式然后他当时去第四方式之后他也在想新的机会是什么所以他也是我们邀请他过来做我们的EIR在我们这帮我们一起看项目他现在还在我们看项目的群里面把我们给AI的很多建议但是我觉得Peak后来也确实是觉得他自己不一定要去当CEO去创业他还是更像是一个chipscientist对技术非常的狂热同时也对于执行落地有很多自己的见解但他确实不想去管人管那么多的人作为公司CEO所以在这过程中的话也逐渐的就是跟小孔结识然后觉得很合适Peak应该主要是安娜推荐给Manus然後張濤呢我跟他大學時候就認識了我們當時都一起寫博客那個圈子的他在過去其實做過2C做過2B做過中國產品也做過國際化其實我覺得張濤一直他有很多的經驗但是他一直有點陰差陽錯吧在等待一個真正屬於自己的大機會所以他當時跟老王一起做官商之外然後後來老王关联之外被美团并购之后他还在想萨尔达的机会是什么所以他也在我们这儿也不能叫EIR吧但是我们也就来了很多因为认识十几年了所以当时也帮他介绍比如Kimi跟Monica大家都在聊然后他跟销鸿也聊得挺好的所以也就在24年作为也是联合创始人产品负责人加入了销鸿的团队那个时候都还在做Monica对那时候Monica不是一个很大的团队也并不觉得它是一个非常有潜力的团队他们为什么会选择我觉得肯定是因为认同这个团队尤其认同萧红嘛说实话Monica当时中国基本所有的VC肯定都知道很多人都看过但是大家都不同都觉得是一个套壳嘛这个我们你也当时采访萧红也是在她只有Monica的时候采访的对吧然后我们当时一直就很喜欢当然我们那时候也很难预计会有Madness这部产品出来但是我们一直觉得这个团队不管是从过去的经历团队的组成小红自己的成长都很优秀所以总能干出点什么事情来所以这里面我觉得Manus当然是一个好的至少目前来看第一步走的很好的结果但是我觉得在这之前我觉得他们就符合我们刚才说的对吧团队对于尤其是加上了Pick涛哥之后的团队对于技术的前瞻的发展因为当时我们是第一波去對Devin感到非常的驚喜的團隊當時我應該是在204年的時候我們就談到說Devin讓大家看到了一個面對未來的窗子其實Devin肯定給Madness有很多的啟發但Devin是一個完全中立編程的Agent它的使用門檻也很高其實Madness它中間的虛擬機啊這些關鍵的概念也是來自於Devin的很多啟發但這也是一種對於未來的一些前瞻的觀察我覺得這個對團隊很重要然後團隊的戰鬥力一直非常靈活實行力很強不下牌桌這些其實都是我們覺得創業者很本質的一些特性你們現在怎麼找人啊我覺得肯定有的是我們主動去找有的是他們找我們那我們也做很多的活動比如說我們針對0後我們有針對0後專門的飯局我們也去找优秀论文的作者优秀产品的创始人等等我觉得这些都大家还是大下不差因为前些年大家可能找字节离职的人美团离职的人当然都会找这些肯定都会找但这些是比较大家容易找的因为一个知名的高管离职大家反而都会去找當然比如說景坤我們當然我跟凱華認識很久了跟景坤確實當時他創業我們是看他創業新聞之後去跟他聊這種肯定都會有我只能說最好的往往都還是說就是各種人的推薦就是當然可能比如說像這個景坤當時我們看到他的時候知道他創業是看到新聞但是跟凱華本來就知道凱華很靠譜對景坤也一直有久仰很久各種已有關係的這種靠譜的推薦我覺得始終是VC找人最重要的點之一吧所以我們也是盡可能的去跟就是一方面是找未來的張一鳴一方面是找可能認識未來張一鳴的人可能認識未來張一鳴的人那可能每个人有自己的感觉判断对吧但整体来说一个人周围的朋友圈他是不是够优秀可能也是我们很关注的一点刚才说这两年优秀的项目你们都在里面那有没有miss掉的肯定我相信再过十年看我们肯定会miss很多项目今天看有没有让你已经开始心痛的了目前可能還好但是again我覺得時間還太短所以因為23年大家開始做現在25年才兩年時間所以再過兩三年我覺得答案會很不一樣有錯誤的嗎你覺得肯定有錯誤的但是我們做天然投資90%項目都會死這也很正常我們從來不怕一個項目會死我們只是說我們從中能得到什麼教訓你看過80後創業者90後創業者還有70後創業者80後創業者90後創業者0後創業者你覺得不同代屆之間創業者有什麼不一樣我覺得很難用一個簡單的答案去回答這個問題因為這種簡化的回答可能也不太負責任一人創業者和二人創業者呢朱小谷就說她不適合投二人創業者但是她現在也開始講情緒價值投AI玩具了這個非常不像她做的投資嗯我感觉我出现的感觉是很多大城的创业者是I人但是他学会了E人的技巧因为尤其在中国可能很多优秀创业者他需要deepthinking他需要很深度的思考得到一些非共识的判断所以在这过程中的话他们往往有时候具备很I的特点但是呢因为创业你需要跟大家去谈判你需要去商务上的合作或者招人所以E的那方面就是去交流的能力是要具备的所以比如说星哥张一鸣黄峥应该都是爱人吧但他们显然是能够招聘人激励人能够谈成关键的合作所以他们肯定能具备异的一面但是可能互联网这些人这些顶级创业者想起来好像偏爱的居多特别异的创始人的例子是什么现在好像都没有怎么见到异人了我感觉比如说现在你觉得谁是比较大意的创始人李凡是那他確實挺藝人但他們的團隊其實挺中和的他們團隊有藝人和I人的組合另外兩個I是吧偏技術型嘛他一看就是ENTJ有千億美金公司裡面馬老師應該是藝人好你再說他的公司小了那說明我們給他很多的成長的期許有什麼你見了第一次就不會再見第二次的創業者我觉得肯定这个会是因为要么就是人品问题你有很多发现这种对于底层的integrity人品的质疑我还是觉得我还是很关注一个人为什么要创业因为创业刚才提到的创业是一个高压过程所以他会遇到很多的挑战在这个挑战的时候你心力有多强你愿不愿意一直干下去还是你有可能干到那就放弃了所以我还是挺关注一个人创业的原因是什么因为确实听到很多原因就是因为这个人挺火的然后有人劝我出来好像我也觉得也就是半退半就型的创业可能我还是比较希望创始人有比较内深的创业的动力和激情你过去你有听到过什么打动你的回答吗其实有百多创业者他就是天生要创业或者他是很早就选择了创业这种生活方式因为我自己的角度啊我自己当时为什么也没有打过工就直接创业了跟陈欧一起创业呢我觉得也是第一我特别希望能够做互联网去给用户带来价值因为我最早是学用户体验的所以我是觉得做一个产品让普通人从中受益这件事情特别伟大所以我之前觉得Google很伟大Wikipedia很伟大Facebook也很伟大就是让普通人变得很强大的产品很伟大第二我就覺得不想在大公司裡面去做一個棋子或者不想去網上爬那種感覺我希望能夠雖然公司小但是我能夠比較自然自如的表達我的想法和觀點所以互聯網加創業這個很早就成為了我想過的生活方式所以我覺得很比如蕭紅也從來沒有打過工也不是從來沒有他被收過名列作為職業經紀人工作一段時間但是他也是他大學畢業之後就沒有工作直接去創業了对他来讲创业也是一种注定的生活方式我觉得其实对于真的一心想创业的人来讲创业就是一个很自然的答案他不用去说服自己你收到一份BP你会怎么决定见不见这个创业者先看团队先看团队他是不是至少说就本身第一是水平能力就是你是不是之前有这种能够脱颖而出的一些特点对吧然后大概是什么个组成12的角度我確實覺得現在是要變化太多了就比如說太多人因為莫妮卡是個瀏覽器插件所以沒有投這個小紅的團隊對吧所以我覺得對事情來講我反而覺得不是那麼重要因為珍哥過去大家會覺得珍哥非常的看重一個人的履歷創業者的履歷你們現在這個有變化嗎我仍然是這麼觀點的就是我的看法一直是說對我們來說我們要見很多人我們要投到這裡面可能非常不一樣的人所以我們希望這個人他是一個非常特別的人只是這個特別有的時候不是那麼顯而易見的比如說履歷不能簡單的被理解成為是有大廠的經歷或者是有很好的這個學校的背景雖然學校的背景大廠的經歷可能是這裡面的一個必要條件但它並非一個充分條件比如说我们希望一个人有很强的学习能力,那很强的学习能力有的时候会体现在他有很好的学历上,但有的时候也会体现在他有很好的成长性,就是他五年前的他,两年前的他,一年前的他,现在的他,协力很高,对吧? 所以这个很多时候是要去交流去聊出来的所以我是认为优秀的创业者他一定是在某些领域脱颖而出的只是说这个不会简单的被理解成为之前在哪家公司或者说之前在哪个学校我觉得这个是一种过于简化的误解如果王欣欣第一笔钱来找的是真格你们当时会怎么看她很难去做这种假设因为现在的王欣欣已经不是当年的王欣欣了当年的时候我没有同时见过她但是确实有各种原因当时没有当时没有推进啊这个肯定也是我们看当时思考看人的哲学的一个很大的漏洞所以我们其实专门想过很多这个例子就是说如何不错过当年的王欣欣啊所以我们现在的看人的里面呢对于这个人到底做这件事情他是不是有那种我就就是现在就要做这件事情或者我要长期投入做这件事情的这种obsession中文怎麼講就是沉迷癡迷王欣欣她是癡迷做機器人的她其實在大學的時候她說她癡迷的是AI或者說機器人是AI的一個體現吧可能因為我們沒有跟她坐下來這樣去聊過所以可能我的感覺是她很早她其實就是一個在機器人這個領域有很多實際的經驗當然屈大江她其實也證明了自己是能夠去好的公司但同時呢她當時我記得在B站上的那個機器人的視頻就很火嘛他一定是在機器人裡面很早就脫穎而出的一個人我们现在确实觉得这种对一个事情的充沛的热情无论如何都要做的这种动力是蛮关键的当然我觉得很多时候是因为我们已知道了语书和王欣幸的现在我们去反推他的当时但我觉得投人很多时候是刻舟求剑没办法你只能说根据现在优秀的创始人去反推他早期的特质所以我觉得这种假设性描述都很难因为我们没法回到那个时代去重新去见当时的王欣欣所以这个我觉得只能说尝试去婉遵一下因为现在创业变得更难了你觉得他的团队是不是需要符合性更高我们确实觉得创始人的leadership很重要就是创业它一般也不是一个人干的事你总得有个团队那你能拉来什么样的人我觉得这个其实很体现创业者尤其是他周围对他熟的人对他的一个了解比如说刚才我们说到为什么很多都是同学因为年轻创始人一上来你要拉那种很资深的人也很难所以你肯定只有找自己身邊最熟最信任的人但相反但同時如果大家都是名校的你周圍的同學室友他們放棄了很多很好的工作機會願意跟你幹這其實也是一個對你的信任投票對吧所以我們其實確還蠻關注創始人他的合夥團隊裡面有沒有跟他長期很熟悉長期合作過的人畢竟如果你從一個好學校出來你從一個大廠出來那你周圍這些優秀的人有多少人願意跟你幹尤其在一切都還不確定的時候願意跟你幹這本質上是一種leadership和說服能力你現在看到哪些是你覺得不錯的機會有哪些方向有可能是因為AI來了之後增量的方向大面上我是觉得生产力比就是savetime比killtime要好然后生产力里面呢我觉得让AI能够知足的帮人做更多事情也就是所谓的agent我觉得这可能是这里面最大的一个机会面但至于说这里面在什么领域去做这些我们我觉得很难去做这种前端的判断我们今年在LP的AGM上我们讲了四个对未来的大判断一个就是206年创业方向一个就是当token的价格降低10倍token的用量提升10倍这里面有什么是让大家能够用更多token的其实AGM就是一个大逻辑因为AI自己去解决问题会比人用AI会要使用更多的token在一个token变得很便宜智能变得很茂盛的情况下什么样的产品我觉得像MADNESS在年初出来的时候它是比一个CHATBOT要多用10倍的TOKEN其实我们就看到你能让AI更高效的去用更多的TOKEN完成更多的价值这个始终是个大的方向然后多么太我们觉得VIDEO的视频video和图片的生成和理解这是一个大的方向刚才我们已经讲到了然后对于这个记忆相关的怎么样能够获得更好的更多的context从而带来更个性化独特的价值这个很重要然后第四个我说的是voice因为我觉得声音其实是一个我们跟人和跟计算机交流最自然的媒介当然在之前其实因为对于语音的理解对语音的捕捉其实都还是比较初级的所以很多时候这样的杀手应用的雏形比如说SiriAlexa当时其实就是基于语音的但是那时候AI比较笨所以它还没有那么厉害但是在今年二五年我们看到像Plow的Granola包括Whisperflow还有我们投的Typeless这一系列的应用其实都是基于语音的交互和获取的进步带来了很魔法般的体验所以我觉得语音可能也是一个大家持续会发现很有意思的场景的一个机会杀时间的应用还没有看见会不会是因为时间还没有到技术水平还没有到我觉得几个方面第一个就是说它面臨的競爭很激烈就是殺時間的應用基本上你要從哪裡搶時間還是從比如說TikTok、抖音、王者榮耀、吃雞你的對手它很強但是對於生產力你對比的是沒有智能的比如說你到底是要Office自己做PPT還是AI幫你做這個對比是顯然的所以我覺得一個是對手怎麼樣其實這個可能是最關鍵的技术上来讲我觉得确实memory在变好AI跟人的沟通比如说什么虚拟女朋友啊her这种场景的话我觉得这个技术都是在持续提高的核心还是说人的情感投射这些它本质上也是一个人之所以为人的本质的一个特点这个会不会一两年五年就发生很大的变化人都跟AI去谈恋爱不跟人谈恋爱了这个可能也还是一个要改变人性的事情我觉得花的时间反而还是比较多的可能不是我们这一代是下一代也有可能可能我们可能我已经toooldfor虚拟陪伴现充现充现充是在Chatbot之外你有看到什么新的不错的交互吗我觉得voice是一个比较近的就是在近期我非常强烈建议大家使用一下typeless就是typeless. com然后它简单来讲第一步是一个AI输入法就是在电脑上按一个键你就可以用AI进行输入但它不只是说把你说的话原字的体现出来比如说你可能说我接下来说三点第一点什么第二点什么第三点什么它给你的是一个一括号一行二括号一行三它是一个帮你结构化之后的一个体验然后你可以选中一段文字跟它说翻译成中文翻译成英文翻譯成用更簡單的方式去描述這個問題它本質上是你用一個鍵讓語音去驅動iPhone做一件事情從輸入的角度呢其實口語和書面是有很多不一樣的其實我們每次寫一個文章呢是把我們腦子中可能偏口語的表達把它寫成書面的但是比如說我們現在錄播客但實際上你要形成一個好的文字稿很多時候要進行從書面從口頭語到書面語的調整但是我覺得TypeLess這樣的應用首先是完成這樣一個轉換但是更大的願景在於說它其實是先把Siri沒做到的事情給做好就是你跟AI之間只有一個鍵的距離你按下這個鍵一個非常強大的AI就來聽你的話了你可以讓它去做很多事情我覺得這個其實是一個蠻大的交互上的區別你過去一年看了多少項目我自己一對一聊的項目應該因為我們每個月都有登記我大概聊了應該有150個這數也很多了吧顯然我們下面的這些偏年輕的同事肯定聊了更多的就我沒有聊那麼多但是基本上一個月聊個十幾個也就是說每天幾百多人見到一個新項目我覺得這個也是挺正常的聊了150个投了多少个今年我投的比较少今年我投了两个项目你为什么投这么少就是那簡單的就是說沒有遇到那麼想投的但我覺得可能也是我的問題就是有好的項目我還沒有見到所以也希望通過播客能夠有見到更多更好的項目當然有可能我們判斷就是錯的而且很大概率我們的判斷很多都是錯的很多我們投了的可能也不是足夠好的很多我們沒有投的可能也是很好的所以我覺得真的是看緣分的你們也不投人形機器人這個跟朱小虎是一樣的人鷹機器人我確實覺得現在還是在一個非常科研期但是我們當時確實非常想投Sunday的那個團隊Tony和池塵但是因為各種原因最後沒能投進去吧政客現在目前在管的基金規模是多大呀總共加起來大概十幾億美金我們歷史上管的所有基金目前這一期是四億美金再投的是十四億美金以覆蓋天使為主我們只投天使當然有的時候你也不能說只吧但是我們希望我們是只投全球範圍內優秀的華人創業者的第一筆錢你們為什麼不往後走一點當然這是你們的傳統天使是我們覺得自己還稍微會做且感興趣的事情你現在做投資的快樂是什麼我觉得还是第一是自身的认知提高并且能够有一个reward去验证或者否证自己的判断并且能够陪伴优秀的公司成长我觉得也是这里面快乐的来源所以我觉得早期的好处就是说你的参与感更强但是认知的表达可以去二级市场表达但是对于人的认知可能是一个这里面也能够得到很多正反馈的过程你一级时间花多还二级时间花多那当然是一级啊二级属于把别人去夜店打游戏的时间花在了二级上你今年的生活有发生变化没有啊花了更多时间在孩子身上现在两个孩子所以那肯定其实你也在训一个模型对吧所以你看到这个就有时候觉得语言模型其实预测下个token会带来智能这个还蛮本质的因为比如说看他学说话他可能是不断的他说背一個唐詩他是不斷的去想要復刻下一個token比如白日依山靜當然說靜的時候會得到表揚說別的的時候會說這個不對是白日依山靜所以你不斷的能夠預測下一個token其實你產生了所謂的記憶和智能但同時也覺得人是很厲害的因為人其實不需要那麼多數據可以全領對吧人其實很快就學會了很多技能這也是伊莉雅在那個歷史中舉例的就是这个人其实需要的样本量是比较少的学习速度是很快的所以其实可能有更高效的智能形成方法但整体还是挺不一样的你今年典型的一天是什么样的那典型的还是白天看项目晚上读读书研究一下二级市场读了多少书今年今年我还没来得及统计但应该也接近10本吧因为每年10本是我的一个目标今年读的比较好的书是吗智能简史我忘记是去年推荐还是今年推荐的因為我是今年四月份我給姚生宇推薦了這本書都看他在你的博客裡也提到了確實《智能簡史》是我覺得應該是我在一月份讀的應該是我的年度推薦書確實他把這個智能的由來講得非常的好然後還有一本書叫《第一隻眼》我覺得也是他講那個光開關理論就是為什麼韓5G大爆發大概80萬年的時間在這之前1年地球的生命始終都沒有一個大的爆發然後呢在韓5G大爆發的那80萬年地球的生命出現了非常大的進化非常多的物種誕生出來這有很多個理論啊有一個叫做說地球的含量發生了很多變化的理論然後另外這個理論叫光開關理論他就是說在那個時候有個山葉蟲他的皮膚上多了一個感官能力比較強的細胞然後他因為這個對光線的感知能力變強了所以他在競爭中獲得了優勢所以通過這個進化這個感官能力越來越強所以最後進化出了眼睛在一個所有人都是瞎子的世界突然有一個生物進化出了眼睛所以他在捕食上獲得了巨大的進步這樣就push其他的生物也紛的要進化出來對應的眼睛也好對應的這個去躲避攻击或者去捕猎的这些比较四肢吧就是说各种末端器官也就得到大量发展所以这其实有点像解释智能怎么来的第一步就是你这个眼睛怎么样的到来推动了整个世界的发展这个其实挺像我们不管是在技术进步带来了应用的变化带来了世界的变化其实同时也很像一個這市場環境對吧大家怎麼樣從這個競爭中大家都獲得了成長市場變得更加成熟這個價值被創造出來的過程所以我覺得還蠻讓人覺得驚心動魄的有沒有覺得中國VC過去兩年非常喜歡ClubDuo我覺得每個時代都會有ClubDuo出現那ClubDuo能不能賺錢或者能賺大錢也不好說現在看呢我覺得都有可能其實我覺得是這樣的就是克拉布蒂歐肯定是大家很認同這個人所以大家都會想投這種時候我們叫做白馬白馬是能賺錢的因為白馬他的勝率可能也比較高同時他確實很優秀所以作成也會比較大那么另外一种是黑马黑马就是说大家可能都不是很看好大家都不投但是你看对了所以你投了黑马也是可以赚钱的因为虽然黑马一般成的概率比较小但它也便宜所以你的成本也比较低我觉得我们一直要警惕的是灰马或者说白马是白马的价格但是胜率其实就跟黑马一样所以我是觉得投资家要警惕这种就是你付出了更高的价格你有没有换来更高的赔率或者说更高的胜率杨志霖被分为白马杨志霖在现在大家觉得肯定是白马对吧但是其实他的大模型公司当时是估值最低的所以你可以认为他是大模型公司里边的黑马OKRed当时是黑马RED其實肯定當時屬於黑馬因為大家都不投嘛但是我們後來也覺得挺有意思的因為甚至還有人說RED是草根創業者我心裡想一個華東科大畢業之前20多歲做SARS公司賣了幾個億的創業者居然是草根創業者這是怎麼得出來的結論但是其實在我們看來他的不管是各個背景創始人的團隊的構成之前創業的結果都非常好呀所以他當時也算是黑馬是吧我不知道在別人那怎麼看從結果來看好像是黑馬因為至少很多人沒投嘛但是可能在我們心中也在劉源心中可能他就是劉源的白馬就賣了個黑馬的價格那當然是最好的就實際上是白馬但你以黑馬的價格買到那非常好就怕你實際上是個黑馬的勝率但是你白馬的價格買了那就很難了舉個例子得罪人的事情不要做再問一個關於VC的問題啊就是你覺得現在VC還是年輕人的好職業嗎也问了朱小谷这个问题我觉得坦率来讲现在VC的年轻人肯定跟十几年前比要比难一些但是我觉得VC既然是面向未来的既然是可言创新的既然也是优秀的创业者一般还是说相对比较年轻的我觉得对年轻人来讲始终会有很多机会但是对年轻人的考验会变多因为我觉得在十几二十年前中国是本身贝塔很大所以好项目其实后续性看是很多的但当时VC比较少所以当一个年轻人去一个VC他能够有机会开枪的时候可能就会有很多回报的机会那现在可能确实公司的竞争在变激烈最大的机会可能也在变少而現在比如說可能每個基金都會有一批40歲上下的或者40到50歲中間這種年富力強的投資人投資人能做的時間比較久這個我覺得對年輕人就是說你確實要更多差異化你並不是因為你在一個好的機構你做投資所以你就有機會你還是要對這個產業有更多你自己的理解其實反而我覺得就是这其实跟创业者一样就是我们那时候做聚美的时候也是市场很蓝海所以你找到一个领域稍微做一做可能做个几个别连的公司但是现在肯定做几个别连公司难度大很多我觉得对于投资人来讲其实是一样的对普通人有什么建议我最近也在想这个问题我有一句话的总结是我们要学会在一个智能很充沛很丰盛的世界里面生活因為在人類歷史上智能intelligence一直是個奢侈品所以能夠大規模動用聰明人的要麼是頂級企業要麼就是國家政府軍王甚至是這樣才有國師嘛就你看那個大明王朝156這個就是以前只有頂級的資源就是聰明人但是現在智能突然變得好像花20美金好多智能的時候第一個我覺得就是當執行力变得很廉价,因为AI可以帮你做执行,AI可以帮你写代码这边很重要的会变成Agency和Test就是你要做什么你有没有自己想做的东西,所有主要的东西变得很重要第二个是Test,就是AI帮你给了三个方案,我帮你选了一个这个也变得很重要第二个呢就是原来我们很多时候是我们自己去做一件事情或者是叫做线性的做一件事情先做A再做B再做C但是当像agent这样的应用越来越多的时候我们其实可以并行完成很多事情现在有人说他们用AI编程就变成了说给不同的agent不同的任务然后自己就主要是负责要给AI牛马下各种指令对吧就要做好AI的老板做老板重要的很多事就不是说自己去干而是说指挥别人去干那这里面怎么能够从一种线性思维到并行的思维然后之前很多时候我们往往有些想法但是因为没有人去做很多人说我就差个程序员所以我没有创业但是现在执行力变得很多的时候就应该不只是想多去try多去尝试这样得到的很多经验可能是不一样的那么还有一个我觉得在移动互联网时代互联网时代其实都也一样的就是多使用最先进的工具体验未来当时候其实我们也好或者Manus他们团队其实也是很早体验Devin才感受到了一个Agentic的这个已经呼之欲出了然后最早ChatterGBT我是在发布的当天晚上我用了凌晨4点钟我觉得这个东西太革命了就是之前我们看过很多Chatterbot完全跟这个不是一回事我觉得当时最早用ChatterGBT的人其实可能也是對AI有一個更加樂觀的判斷包括當時互聯網最早上網的人最早買iPhone的人包括最早買特斯拉的人可能都是因為提前用了最先進的工具最未來的產品去感受未來然後我觉得这里面还有一个就是之前对于写代码的人来讲之前大家都强调代码的效率代码的可附用性但是在现在当AIcoding变得非常的能力强大量又足又便宜的时候很多问题你原来不一定会说我要写个软件去解决的可能是说我要怎么样去思考怎么样但现在你可以通过写个为这一件事写个app写个软件去解决这个事情就用一次性的代码可以解决一个问题这个其实是一个在之前大家不敢想的事情我觉得这些都是基于当intelligence当执行力变得很充沛的时候我们怎么改变自己的思考方式并且因为现在AI训练里面非常讲究一个东西就是寻找OOD的数据OOD就是outofdistribution就是如果你做的事情你的工作你的思想基本上都是wellindistribution就是在AI的分布中在数据的分布中你是很平均的这个时候就说明价值不大因为AI可以很好的复制但是像人类历史上比如说艺术家毕加索也好或者莫扎特也好他们其实都是能够产生非常不一样的数据所以他们才会成为大师我们作为一个人我们的思想或者我们能做的事情有多不一样我觉得这本质上会取决于我们有多难被AI替代或者说我们会多有价值因为AI对于所有的withindistribution在分布中的数据都是很好复制的但说到底我们对人类这样一个集合体做出的贡献有多少是在已有的分布之外的我觉得这个会是一个挺有意思去思考的一个话题当然可能大部分人包括我自己都是一样的我们做的事情没有什么AI不能复制的这个可能也是一种未来但是假设我们面对未来去思考就是努力让自己变得稍微独特一点最後幾個快問快答一個全球範圍內你喜歡的食物我是湖南長德人所以我很喜歡長德牛肉粉長德牛肉粉因為湖南有很多粉嘛所以長德牛肉粉是圓的跟長沙的扁粉不太一樣這個是我從小吃到大的食物當然我也是很推薦給所有想對吃辣或者說對於吃粉麵食品很喜歡的朋友一個全球範圍內你喜歡的地點我第一反应想到的是在墨西哥坎昆有一个天坑溶洞然后它是一个圆形的平台在那湖中间然后顶上有曙光打下来前两天刘金问我这个什么代表新的那个图片我当时发了一张图片给他因为我觉得柏拉图有这个岩洞的暗喻嘛觉得我们其实都是生活在岩洞里面我们看到的世界只是一个投影但如果有能夠在洞穴上找開一個缺口有一束光能打下來那其實我覺得也是對人類的一個啟蒙或者說一種新生的力量所以我一直覺得新東西充滿新生力的公司都很重要可能那個地方給我有一點這樣的一種實物感就是說穿透岩洞的一束光這個意象一個少有人知道但是必須知道的知識點可以是一個冷知識你是看得見你的鼻子的但是理智上生活中不會覺得你的鼻子有任何的礙事是因為你的大腦不斷地把鼻子抹掉了但是你認真看你是可以看到你的鼻子的顯然所以這其實其實代表什麼呢就是我們看到的世界並不是真實的是我們大腦經過加工的世界大腦為什麼要把它抹去礙事啊如果你的視野中始終有個鼻子在那那不是很礙事嗎進一步來講你人看到這個世界在視窗膜上其實是反過來的但是大腦把它正過來因為反過來也礙事所以你如果戴上一個眼鏡把這個視覺反過來你一開始會非常不習慣但是經過一段時間它會自己正過來你甚至可以戴著那樣的眼鏡騎自行車但你把眼鏡取掉它又會變得反過來但是再過幾天你又適應了所以我们看到的世界并不是真正的世界是我们大脑经过处理之后的世界最简单的想法就是你其实看到你的鼻子但你不会任何时候觉得这个鼻子有什么影响刚才我们聊了一本就是《智能简史》我觉得当然所有读过的书是个非常大的一个话题所以我讲的可能还是今年我觉得对我很重要的书我觉得《智能简史》其实是就了解智能的来历很重要并且他讲的非常好他是个创业者其实也是个很年轻的创业者好像就30岁不到的创业者还是30多岁反正挺年轻的他是个做科技的创业者然后从这个海洋中的古细菌讲到切尔基PT4的诞生我觉得这是一本非常非常有历史意义的书它里面讲了智能的五次革命比如说为什么人是有前后的为什么有一个头和尾是怎么来的这个其实很多很有意思的问题都在里面有一个我觉得很科学的解释第二本書當然可能不是今年讀的就是我因為今年現在我們研究的是科技創新我們研究都是一個新技術怎麼樣從很早期普及進入主流市場所以我覺得《跨越鴻溝》始終是講這個理論最重要的一本這個商業書它當時是講90年代的那個基於企業服務市場和基於硬件市場的但是我覺得在ASI也非常的適用并且我觉得现在AI我们看到了像Chatterbot像Coding这些的跨越鸿沟但是我们同时也会发现在这里面很多对于return的担心也是来自于说技术在早期的扩散可能会有一个鸿沟阶段带来的你心目中影响AI进程的几篇论文这个问题其实我觉得肯定比如AlexNet,Transformer包括BitLesson这些我觉得都是耳熟能详的但是我认为我不具备能力去在现在指出来什么是在未来10年会变得很重要的本身來講我們我雖然讀很多論文但是我並不認為我真的能夠很懂這個論文本身背景我也不是這個背景的你還是會自己讀的是吧當然會自己讀比如說今年我當時讀到R1那篇paper的時候我就覺得它這個裏面比如它說這個基於過程的reward不是很重要要基於結果的reward這個我其實說白了我從這個角度來講我覺得這個理論很優美或者說很符合直覺但是我說實話我沒有能力判斷比如說另外一個人想說不對這個過程也很重要其实我是没法判断的说实话所以我们并不假装我们懂这个技术本身我们更多的是跟不同的优秀人去聊尝试找到大家共同的规律和共识是什么基于当下认知一个关键的重要的bet是什么其实我想如果你是说做多什么的话我其实觉得从二级市场的角度来讲其实现在我没有太多做多的动力但是我觉得包括我们每天在做的工作其实都是在bet一件事就是中美的AI的差距這個差距可能是一個絕對值的差距可能也是估值的差距在技術上在應用上在商業化上我覺得是會縮小當然這個我覺得過去一年我們看到了很多這樣的跡象但是我覺得這個還是會繼續持續縮小這意味著說可能因為這有不同的詮釋有可能是美國發展我們也發展但是我們發展得更快或者是美國可能會有一些對於return的挑戰中國繼續發展我覺得這裡面具體那種形式我不知道但是這個gap我認為最寬的時候已經過去了你提出TheYearofR同时你清空了二级市场的股票那你会做空吗我不会我觉得做空是一件当然有人很擅长做空因为我有很多对冲基金的朋友但是我觉得做空是一个你希望别人变得很惨的事情我觉得这个在二级市场不是一件好事情并且做空从技术来讲也很难做因为做空本质上是一件加杠杆的事情你只能赚到百分之一百但是你可以亏无限并且你也会带来很多的这种思想压力你会很紧张所以我是执着多但是我可以降低我的仓位你有听过我播客没有我当然听过你播客你听过哪几期我最新最有印象的可能姚舜禹那期那到这里就是这期节目的主要内容了不过在这期节目的结束我又放了一段和雨森在录节目前的一场闲谈比较随意我们点评了一下那些时常会被议论起的AI公司如果你感兴趣也可以继续听下去XGBD现在想讲一个超级入口的故事你觉得它能够顺利的成为那个超级入口吗AI时代的我也可以从几个方面去看因为超级入口是一个我们中国投资人和创业者非常熟悉的概念美国投资人会这么说吗美国有所谓的超级入口吗其实好像并不是他不追求一个大而强的东西他可以追求一个大跌又的产品大跌又的产品目前来看最好的变现方式其实就是广告Google是靠广告Meta是靠广告字节是靠广告当然字节还有电商打赏之类的当然广告也是核心所以我刚才说到的如果你还是要用一样的这个公式的话那你其实很多时候吃的是同一块广告的这个蛋糕所以为什么看今年Meta非常着急对吧Meta这个挖了那么多人去做然后腾讯也很着急挖了某位大神去做AI在這個裡邊其實我覺得就是大家都看到ChinaGPT在奔向10億DL的路上走得很快其實對於這些靠大用戶量加賣廣告為主要商業模式公司來講其實都是CodeRed都是非常重要的但是當所謂大家都去花很多錢去訓自己的模型做自己的AI產品的時候你分的還是當然這個網上蛋糕會有增量但是你分的這個蛋糕的80%我認為還是同樣一個蛋糕所以那這樣但你的投入是多了很多對吧所以通过广告和电商我认为这里面的增量蛋糕是有限的大部分还是存量蛋糕的重新分配其实Satya在一个他的博客里面讲过这个观点他说什么是AGI他认为AGI就要能让地球的这个GDP到一个高增速他当时说的是以10个点的增速来增长就是你要创造新蛋糕你不能只是我去抢别人的蛋糕高分一有剧透的蛋糕所以我觉得广告和电商有点像是分一有的蛋糕那麼之前大家打給了另外一個第二點就是說他說AI現在編程很厲害有這麼多程序員的工資對吧全世界大概有可能有億級別的程序員然後每個人每年現在掙挺多錢所以AI應該分到他們的這些工資中的一大部分我認為這裡面有個致命的漏洞就是如果AI能夠假設完成一個年薪十萬美金的程序員的大部分工作不代表說AI就要賺比如八萬美金而是說原來值十萬美金的程序員工作變得沒那麼值錢了就是世界上不需要再給他付10萬美金了最後你會發現因為AI的智能越來越強導致一個10萬美金的程序員可能他的大部分工作就被20美金的AI給做掉了它是一個價值有點像通縮的過程它不太會繼續需要原來付那麼多的錢其實我們看人類歷史上技術的誕生會永久地消滅掉大量的人的工作的價值但是他的他會增量來自於新的工作產生而不是說來自於原來的工資他賺了一大部分所以我覺得至少在你新工作沒有大幅產生的時候老工作的這個價值其實會反而會被下降的所以從這個角度來看我並不覺得在短期内一两年的时间内从订阅制从广告或者电商还是从程序员的工资这几个角度能把大家的这种巨大的投入给收回来而且归根到底为什么大家愿意投千亿美金级的钱去做前沿的AI其实是基于一个AGI的假设就是说我投了这么多钱第一我能够带来极其强大的生产力的加成比如说像大家举的例子是发现新的药物发现新的科学这个其实可能是远超现在AI能做的事情然後第二呢是我覺得我投了這麼多錢下去我能夠讓別人進不來就是我投了一千億兩千億美金我有這個超級AM我就可以產生大量價值但是別人進不來但現在發現第一超級AM目前還沒有來第二你投了這麼多錢之後你好像無法阻止中國公司很快做一個開源的做到你的百分之八九十的能力但是百分之二十的成本百分之十的成本甚至是在這種情況下你的投入是不是還要這麼繼續我認為明年是一個關鍵年我会把它定义为AI1.0的产品这个产品当然已经是非常革命性的了因为一问一答你来我往这个形式其实是很general的所以它会做很多事情但是呢它同时也会有很多问题比如说我们刚才聊到的它不够主动对吧不够多模态然后它面对很多比较复杂的操作的时候它其实也做起来很别扭比如说像现在我们发现当它要去一直操作你的电脑或者完成一些复杂的简体的任务的时候它就不太像是只能在一个chatbot里面去做一个chatbot它很难去比如说帮你去做一个深度的调研然后用你的电脑去看很多视觉的东西就是它可能需要很多新的UI新的交互其实我们看历史上每一次技术的进化它不仅仅是技术的进化就能够直接到达这个产品和商业化它是需要有新的产品和交互的比如说当Google当时把这个新的搜索技术给做出来PageRank它其实是同时搭配的是一个非常极简的一个searchbox对吧当自己去做推荐引擎来去想颠覆搜索引擎的时候实际上它是要通过一个像抖音这样的一个上下滑的一个界面最好的把推荐这件事情做的放大也好变得最好用也好对吧所以那它是一个容器它是一个很好的容器是个新的容器而且新的容器才会给用户带来完全不一样的体验所以比如说我觉得Chatbot肯定是语言模型在三年前20年底最適合一個容器但是再過五年它還是最適合容器嘛這個裡面其實我覺得不一定所以說到這個呢其實我是有個推測就是說如果之後的產品形態也有可能發生很大的變化那在1.0形態時候的這個王者他未必是2.0或者3.0我不知道就是下一代交互發生的時候他往往反而會有一種創意者的窘境就像当时其实互联网1.0最强的应用是这个雅虎当时雅虎作为门户网站其实门户当时是最适合当时信息的一个形态就是靠浏览靠分类和浏览但是受惹引擎出现是一个比较可能叫互联网2.0对吧就是一个更强的互联网的技术这个时候它需要一种全新的交互形式所以带来全新产品的机会那么在Chatbot之后OPI机制也在看比如他说第一步叫Chatbot第二步叫Reasoner第三步叫Agent第四步好像叫Organization第五步是Innovator就是后面有不同的这个升级的时候那可能比如最适合Agent的产品形态是什么那这个可能就不一定是个Chatbot比如说我们当我们从Manage的时候我们其实也觉得可能Manage有点像是给大家一点Preview一点这个具体体验剧透一点20时代的一个Agent会是什么样的比如说你可以看到Agent来做什么Agent有一个自己的这个Sandbox它在里面可以用电脑可以用浏览器这可能是一个比Chantbot要更加适合一个Agent未来的产品所以发现现在也有很多这个产品也是有点像Manus这么一个结构就是你这个有一大块像画布啊或者说一个Sandbox啊让Agent自己去操控的环境所以我并不是说Manus就是那个2.0产品我只是说这里面可能产品形态上会有很多的变化的可能但是现在大部分产品还是插宝子所以我觉得我们还在一个AI非常早期的阶段所以从长期来看我觉得AI带来的变化还是会非常大比如最近字节出了多宝手机其实也是一个很有意思的尝试对吧他其实也是说是技术预览版出来之后他谈到比如微信啊什么的就跟他就对抗了但是我觉得这也是一个有可能给大家看到未来的机会但是那样的未来他肯定还是很不完善的所以我只是想说这个我们对长期为什么乐观是因为我们觉得现有的产品形态还有非常多迭代的空间但我觉得短期它的这个形态短期是多短几年比如说26年所以为什么我说明年就很关键因为现在投入已经很高了Meta應該明年會增加50億美金的CAPEX投入在AI上其他幾家其實也都是幾百億美金增加紅杉美國的那個David他當時寫了個叫20B問題就是說這有多了一個20億美金問題多了20億美金的這個英偉達的卡那麼你要最後要怎麼把這個錢給掙回來後來寫個叫600億問題現在他已經不寫了因為這個數字太大了現在差不多已經是一千億美金你怎麼把這個一千億美金每年要多掙回來一千億美金怎麼掙回來這其實是一個就是屋子裡的大象越來越嚴重的問題其實大家現在是沒有一個特別好的答案或者說目前大家在明年的解法可能就那麼幾個Chatterbot廣告電商然後AICoding然後一些SaaS但你目前看什麼東西能解決這個問題我覺得是有很大的挑戰我本來會是個大泡沫嗎我覺得要看你怎麼定義泡沫就是說因为比如说第一种定义可能就是说这东西完全没有价值然后被炒得很高比如说在我们出去看Web3、元宇宙啊什么会有这样的情况第二种叫高估对吧我觉得OpenAI显然它现在是现在用户最多收入最多的这个AI应用所以我觉得它下面的价值是很多实在的只是说大家给这个价值什么估值我觉得这里面估值是有可能有调整的这个空间但是它本身的价值还是很solid所以我不觉得不是第一種對這至少不是那種下面沒有啤酒的泡沫我們這樣說就是說這個啤酒會有泡沫但下面有啤酒對吧但你這個啤酒和泡沫的比例是什麼有的時候可能是七分啤酒三分泡沫那啤酒沒有泡沫也不好喝了但有的時候是可能純泡沫沒有啤酒對吧那有的領域可能大部分都是泡沫那這樣其實就很危險嘛我覺得AI是帶來巨大的價值的只是說現在大家投入說需要的短期return太高了現在程序PT作為一個入口它還不穩固對吧它稳固吗我觉得目前来看肯定是不如互联网的顶级路口稳固的对比Google当年Google可能刚单身三年的时候也不能说这个产品刚单身三年的时候Google单身的时候其实它有个特点就是当时没有能够跟它匹敌的所有引擎它在技术上的领先优势还是蛮大的就当时并没有一个像现在的Google一样很快就能拿出来一个足够好的模型以及本身又有分发优势的产品去跟OpenAI竞争对吧当时Google出来的时候它的表现是完全吊打之前所有的所有的引擎然后同时又没有人拿出来类似的技术跟它竞争所以它其实很快就获得了这样一个压倒性的品牌的优势它那个裸干效应很强第一步是它的技术它的优先性然后Google其实后面是有规模效应因为它有大量的对Query的分析能力它是一个自我循环的飞轮你有更多的搜索Query你就能够更好地优化那些常委的Query常委的搜索词所以你就能够给这些常委提供最好的体验对于用户来说没有任何理由去使用一个第二好的搜索引擎我肯定用最好的搜索引擎因为我的切换成本是零为什么我不用最好的呢所以在这里面Google后来获得最大的市场份额了但对于现在的Chatbot来讲第一就是说大家发现其实你有ChatDBT但我Gemini我可以很快的在三年内我就从大家原来觉得loser变成了一个我能提供给你几乎相当的体验的这样一个Chatbot第二呢在这里面它也没有形成像社交网络的这种网络效应或者像抖音的这种双面平台的效应它其实还是一个工具那工具可能最后是谁好用我就愿意去切换当然现在大家期望的是通过memory建立起这样的飞轮通过记忆建立这样的飞轮现在建立成了吗我觉得肯定是有的就是大家看到比如说家里GPT不是流程有个撬尾曲线吗这个撬尾曲线我认为是两个事情带来的一个是模型变强了模型变强导致原来觉得没用的人现在回来了说你还是很有用的第二就是因為我的記憶首先我覺得記憶很重要但是我覺得現在的記憶其實還是在一個比較簡單的一個層面現在的記憶它有點像是這個AI它用了很多外掛就用了筆記本把我跟你聊的東西記下來然後我需要的時候我去去筆記本裡面找一找我們當時聊了什麼一種retrieval的這種記憶但實際上我們人類知道真的好的記憶不是說我一個本本記了很多我們聊的話是說我的這個模型被我們的這個對話被我的經歷改變了所以我能夠理解我能夠get到你喜歡什麼而不是我要去每次要去我的那個記錄本裡面去找所以这种能够持续学习就和每个模型可能你用的AI模型跟我用的模型不一样的这种深度理解的记忆现在其实是不具备的所以现在的记忆基本上是居于聊天记录但这个其实已经带来了很多好处比如说我自己跟ChatbotGPT因为也是用了这么几年所以它对我的了解确实是要比一个新的Chatbot是要更高的我觉得这个是有一定的壁垒的但就看在这个过程中它能不能夠把記憶帶來的效果變得越來越好現在可能是一個好了百分之十百分之二十的效果那也許以後誰都對我更多的了解他能夠提到說哪怕記不來我的模型更強了但是因為你沒有記憶所以我還是能夠提供一個比你要更好很多的體驗我覺得這個是很有可能發生的但是到现在他变成了一个统治化的商品而且中美的差距可能也没有那么大了对我觉得在三年前大家假设是我投入了这么多的算力这么多的数据又有这么多人才所以第一名的模型厂商当时觉得OpenAI会拥有一个别人做不出来的模型其实当时很多人也悲观嘛觉得中国是不是因为没卡所以熏不出来这样的模型对很焦虑啊所以那个时候大家对这个投入是可以理解的对吧因为大家觉得我现在投入一百亿两百亿一千亿那我得到一个你没有的模型那我就可以一直领先然后我从中赚好多钱对吧但是对这个模型的壁垒的这样一个事实的变化我觉得也是会对大家的投入产生非常大的影响的因为大家发现好像你不能阻止一个中国公司去拿出来一个相当的模型太便宜而且同时不管是训练也便宜很多推理也便宜很多对吧所以我也觉得中国模型公司的价值是被大大低估的嘛因为显然全世界能拿出来一个相当于比如说八九十分搜查模型的能力的模型的公司其实没有几家但是可能在美国是一个千亿美金的物质中国可能是一个几十亿美金的物质但他更悲观的是他的产品没有建立起真正的币来没有网络效应如果你看Google他当年不可能是绝对的技术护城河他当年肯定也存在这种就是人员可能被挖然后换一家公司继续把这个技术做一遍的这种情况那Google为什么当年能迅速建立起护城河那是因为他的产品有网络效应当年Google没有面对一个面对一批像现在OpenAI面对Google或者是Meta或者是XS這樣的競爭者呀就當時互聯網整個都是藍海對吧就是Google小公司亞馬遜也是小公司微軟當然大很多但是微軟也不是搞互聯網的所以當時互聯網大家都是小公司但現在是模型公司一上來它的競爭力就變成了這些MAGA7這幾家超大型的公司包括字節所以一上來對於這個模型公司的金融格局就不一樣而且同時當互聯網在早期的時候整個互聯網都是在快速擴張的所以大家其實都是在獲得增量的用戶但是現在整個AI最後還是一個互聯網產品那互聯網的流量是已經被充分分發的所以現在在矽谷大家也發現公司之間的競爭變得很激烈因為其實比如說假設有像HaviVSLagora對吧或者像那個Ciara朱克福的VSDaigle就是在同一個AI的細分領域其實大家競爭非常激烈因為總共其實也沒有那麼多的這個客戶你有一個客戶可能我就損失了一個客戶像現在的GBT和Gemini其實也是對吧其实大家发现这并不是一个大家都是心蛋糕的游戏其实已经到了一个需要你死我活竞争的时候你看到OpenAI有做出心蛋糕的可能性吗我觉得肯定有肯定有很多可能性其实OpenAI为什么我实际觉得当Gemini出来之后OpenAI其实在被低估呢是因为大家好像觉得说是不是它就赢GameOver了或者Gemini就赢这个模型就超越它了其实OpenAI内部还是有很多的新的创新的不管从人的角度还是从在我们Going的项目的角度是有很多可能能创新的但是这个都需要时间就是这个事情它不是一个我现在投入然后我这个6个月之后就能产出来一个过程你个人投OpenAI吗我个人没有投OpenAI但是我买了这个OpenAI的影子股票软银OK你为什么个人不投OpenAI也没有什么好投资的渠道通过广义如果有好的投资渠道你会投吗? 我会投啊谁叫我说他不会? 我觉得每个人的看法不一样但确实我觉得如果50亿去投我觉得这个不是一个特别就是说不一定是个特别好的进入点但我说实话,如果我现在有一笔比较大的钱,我一定要去投,在页面去投,那我觉得欧派肯定还是最好的选择。

因为每个人立场不一样嘛,比如说我可以通过别的方式去投资,但是如果我就是一个成长型基金的管理者,对吧,我有一笔大钱,我只能投一级市场,可能像Thrive或者像Ultimator这样的公司。 那我觉得OpenAI仍然是这里面可能最稳的选择因为你投别的这种创业公司你可能会面临它跌百分之八十的情况OpenAI可能跌百分之五十可能别人跌百分之八十那这种情况相对来说OpenAI还胜就相对要好因为OpenAI确实是比较神似的商业模式在科技领域也很少见这种资本密集型的业务对吧你觉得它要招钱会在哪一刻终止这其实是我觉得刚才没有提到的一点就是如果大家都是卖广告OpenAI卖广告显然是不划算的呀因为你在抖音上卖广告抖音的编辑成本很低对但是OpenAI你还有influencecost你还有那么贵的人你还有那么贵的训练成本所以那同样卖广告为什么我要在你这个地方卖呢对吧花这么多钱就给我做个这对所以我是觉得influence其实是可以下降就首先单位智能的价格实在下降但同时大家对智能的需求是提高的所以在短时间内形成某种平衡虽然你这个模型在变得越来越便宜但大家又需要越来越好的模型但我认为对于很多需求来讲可能你主要会发现它有一个平衡点就是说比如说可能对于一个翻译的需求可能十年之后我需要的模型那也就是这样我并不是需要一个始终变得越来越强大的模型去做翻译所以在这里面可能始终只有那些最frontier的比如现在可能是开发比较复杂的程序做很复杂的agent的事情才需要最先进的模型现在其实很多时候一些小一点的模型可以解决很多问题所以大家就会发现推理成本会下降训练成本会不会下降那么多呢这个其实不好说目前来看能够有效的把大量的算力或者数据用于训练带来更好的模型这还是很必须的所以我觉得这个固定成本可能不会少太多推理成本可能到达一定的量之后可能会逐渐的下来但是這個可能比互聯網在很長一段時間內都還是一個邊際成本更高的一個生意那麼所以當然大家會有一個期待就是說假設AI非常聰明它能給我一個非常好的推薦所以說雖然我的單位的這個SERP的成本很高但是我的推薦質量也很高所以我轉發率可能變得很高這個是有一種有可能把它讓它回本的可能但是我覺得目前來看只要把這個廣告給做好只要把這個訂閱給做好其實是需要挺多的时间去设计这样的产品和去迭代它不是一个那么简单的事情不是说你把广告贴在那就完了其实可以看看Google当时做广告Google其实很快就成为一个非常火的应用但是它的广告其实探索了很久因为显然Google也不是说简单的放在Banner上去你就可以做广告了所以它其实是98年上线然后02年的时候才把这个Facebook也是05年上線,Facebook是12年才發明了星期六廣告,在之前Facebook做過一些遊戲新聞廣告和本地生活的廣告。 但是他也沒有找到一個怎麼把他們這麼多用戶有效的以一種不違和不侵入式的方式偷廣告的這個產品直到發現的信息流所以並不是說你有很多用戶你就可以很容易的去用廣告來變現的你需要找到一個最適合你的產品形態你的用戶狀態的廣告形式顯然我們不太可能說切特比迪給我回答一個問題的時候就把廣告插進去肯定沒有那麼簡單肯定它要有一種更加不會讓人會覺得自己被背叛的方式因為很多人會覺得我都付費了為什麼你還給我推廣告那我能不能付費讓你不要給我推廣告對吧就是你的付費和你的廣告有的時候其實也是會有矛盾和衝突的就像我們付費了YouTube我就不想在YouTube上看到廣告一樣所以怎麼樣讓廣告變得原生的插入到你的產品形態中其實這個不是一個簡單的問題你覺得燒錢會在哪一刻終止你说的烧钱是说它单位economy算不过来还是说它服务每个用户的编辑成本下降编辑成本下降我觉得可能在有一段时间内可能都不太会下降因为用户始终需要更强的智能它可能始终需要比如说serve一定的influencecost来满足用户的一个需求只是说你想CharityBT三年前发布的时候那个时候他只能做的事情是很有限的所以那個時候的CharityBT在現在看可以免費提供了甚至在你的電腦端冊就可以跑了但是同樣你也不會為當時的那樣CharityBT付錢了可能你始終給CharityBT付的比如說這幾年都是付20美金一個月但是這20美金你希望買來的智能是越來越多的你肯定不會說三年之後的20美金你還買來現在的這個20美金智能你肯定是接受不了的你看三年前大家还会说拆GDP一定会颠覆Google但是今天看好像也没有今天又有一种说法是拆GDP开始做群聊了想探索社交Meta完蛋了你怎么看这事我觉得Google是很有可能会完蛋的你还是这样觉得是吧因为我记得三年前你这么说过我从两个方面讲第一呢我认为Google尤其是它这个ScaleBrain作为创始人进入FounderMode对吧然后把这个Digimind和GoogleBrain合并然后全力去做Gemini他其实表现出了一个incumbent就是中文叫什么在位公司的一个非常强的竞争力就是他其实是付了很大的努力去让自己知道在现在没有被颠覆的试想如果他反应慢一拍那他可能现在就很难搬回来这个局了所以另一方面Google有很强的Infra的能力包括TPU包括GCP有很强的人才因为他们买了DeepMind他们有这样的人才但是呢他们其实也是因为他们进入了这个所谓CodeRed或者RedAlert红色警戒对吧然后这个Founder回来带打拼命弹所以他们才现在实现了某种程度上的这个守住了这个阵脚并且开始有反超的迹象所以我认为这并不是一个一定会发生的换一个公司可能就会走向被顛覆的這個境地第二個呢我並不認為現在吉姆蘭就已經確定了它可以阻止CharlieGPT的增長哦是嗎對因為我們可以看到CharlieGPT的流程是遠好於吉姆蘭的這裡面其實有些比如說第一個可能是Memory導致的第二個可能是品牌对吧因为对于很多普通用户来讲它其实不像我们天天会去研究Gemini在这个指标上好啦Chadwick-Payne好对他们来说Chadwick-Payne可能就是AI的代名词AI就是Chadwick-Payne就跟互联网找去的时候可能Yahoo就是互联网的代名词一样我上网就是上Yahoo这种你作为行业领袖行业领军产品在普通用户群众的这种品牌地位是非常强大的所以你会发现這個專業人士裡面當然會研究很多基本萊的細節但是對普通用戶來講當CharlieGPT挺好用的時候它切換到基本萊的動力其實不一定有那麼大的所以現在我們其實看到是覺得基本萊這個模型不錯對吧然後它有一些Google還有巨大的distribution優勢通過GoogleAImode去分發通過免費的基本萊Pro去分發但實際上我是認為你再過幾個月看可能你發現基本萊並沒有讓CharlieGPT的增長能够真的卖下来多少最近口吐不是他发了一个研究他就说最近ChinaGPT的流量下跌但是24年23年这个时候都是下跌的更多的是一个季节性因素但这个我觉得Let'ssee但是我觉得仍然有很大的可能是金门来是好了金门来能够有一块金门来自己的用户但他不能够本质的去slowdownChinaGPT的增长其实我觉得这个是蛮有可能的而且尤其是如果当用户聊了越多之后形成memory的这样一个粘性之后是有可能他会取代搜索引擎在我这儿已经取代搜索引擎了就是对我来说我仍然是大量的搜索性的问题我其实都是在问ChallengeBT可能只有一类比如说假设我想问赵小军最新的博客地址是什么那这种你要给我具体的link的我还是会去用Google但比如显然原来有大量的问题原来我可能想赵亚军最近跟谁录了播客聊了什么内容我现在肯定是问起来GPT你说一个summary对其实搜索你可以分为几种task第一种task就是说我就要个地址那这种可能是Google最快第二种就是说我希望看几个地址然后得到了这个文章内容我最后得到一个问题的结论比如说我现在感觉不舒服头晕该吃什么药或者说我这个应该去东京住哪个酒店很多这些问题其实现在都是GPT给我了而且你会发现ChattyGPT能够回答你的问题越来越多越来越准的时候你会问他更难更重要更隐私的问题这样反过来会形成一种更加强的飞轮但是呢确实如果你开始用GibbonLineGibbonLine也会越来越得到你的信任但这个关键就是说当这个ChattyGPT已经变成很多人心中的No.1甚至说唯一的那个代表AI的应用的时候这个时候其实在主流和群众扩散你如果是大家认为的那个最重要的应用或者最知名的应用是有很多的优势的这个在跨越鸿沟里面叫龙卷风暴它的意思就是说当一个技术跨越鸿沟进入主流市场的时候如果你是这个技术的No.1你是这个它的leader那你会获得大量的自来自然水的优务就是这样的话第二名是很难跟你竞争的但是Google显然有资源的优势Google有大量资金的优势所以Google能不能通过这个去玩到超车呢我觉得是很有可能是有可能的但是我并不会觉得这是一件一定会发生的事情所以在今年年中的时候我其实对Google很乐观因为我们看到像我们投的像Manas这样的应用他们把Anthropic切成Google那个时候我觉得大家对Google过分悲观了但我觉得现在其实Google也并不是说其他人打赢了其实我觉得它的GDP仍然还是非常强大的你觉得OpenAIXGBP对于Meta有威胁吗? 我说实话我觉得威胁没那么大还是对Google有威胁? 我觉得对于SocialNetwork社交网络其实是一个非常强的网络效应目前来看我觉得还看不到ChatterGBT对于人们社交关系之间的影响这个其实是Facebook、WhatsApp或者Instagram的基石但是搜索引擎跟ChatterGBT是最直接的就是信息的搜寻以及处理就这个task是最直接针锋相对的所以我并不觉得谷歌现在就已经脱离危险了但是呢确实从更长期的角度来讲如果其他的GPD变成一个10亿DAU然后每天用户下面的时间花的越来越多的应用那它确实也必然会对于像Meta或者字节这种大DAU加高时长的应用反正我就那么多DAU反正我就那么多时长那除了其他的GPD更多在我这儿不就会变少吗因为确实就会有这个风险为什么现在大模型产品AI产品都没有网络效应网络效应它的定义就是说你可以简单理解成为我用是因为你也用他也用对吧那以工具型产品一般来说都比较缺乏网络效应这里面有一种例外是像Excel或者是Word是具备网络效应的因为你用Excel我也得用Excel去打开它是用文件格式形成的网络效应但如果只是说我进行搜索或者进行问答那确实它我用跟你用没关系就是多一万个人用不会让我的体验变得更好但是在这个里面比如说Solar引擎就是没有网络效应Solar引擎是一个典型的规模效应加品牌因为它有数据的规模效应它是规模效应对它其实因为我说了大量的第一名能占百分之九十对吧九十多对而且它还有一个特点就是它的切换成本非常低嘛浏览器其实也没有网络效应但浏览器的第一名也占了非常大的市场份额因为浏览器切换也很容易那我为什么要用一个第二名的浏览器呢?

我为什么要用一个第二名的搜索引擎呢? 你觉得Chapel最后的市场格局会像搜索引擎的市场格局吗? 它是通过规模效应进来的市场吗? 我觉得是有可能是有可能的就是搜索引擎其实会像比如说内容平台这种有很多的内容平台它相对的分散其实也没有那么多的内容平台比如说抖音快车B站对吧但这种平台它有个特点就是小红书我确实上面有独特的内容我就有用户存在的理由对吧但是如果对于搜索引擎来讲第二名的搜索引擎确实没有什么存在的理由但第二名的社交网络第二名的内容社区也确实有它存在的理由但工具型产品我觉得如果你千万成本很低你又没有像memory建立起来的这个飞轮的话那它最后就会收敛到那个最好用的工具这个是经常出现的一种情况你怎么看啊,TheRapik? 我觉得对他的看法,我始终都觉得当他没有自己的产品的时候他会有很大的风险因为现在你会发现只有一个模型是不够的其实模型如果你只是调API切换起来是很快的我们也看到不管我们投的这些应用他们其实切换一个模型对他们来说没有那么大的压力因为用户的数据contact其实在我产品端這好像比如說如果你造了輛好車發動機換掉其實影響沒有那麼大所以Android做CloudCode我覺得是很重要的一塊就是在這裡面它不僅要歐模型它還要用自己的應用和自己的用戶但是呢因为最近大家都在卷Coding嘛就好像有人说是不是Google又超过Anthropic了这样其实我最近跟几个做AICoding的人聊他们就说这Opus4.5还是做得非常好虽然在数位Bench上其实它的得分没有高多少但是实际用起来体验还是挺不一样的就GoogleGimbalLight3其实很多开发者反映实际使用起来没有那么好就是它有点像是得分很高但是它在实际使用中可能反而比不过Anthropic的模型这个也很有意思这个反映的其实就是说Benchmark本身其实现在可能不一定能够很直观的反映一个应用有多好这个有点像比如说清华大家高考分数都很高但是不是比如说这两个高考分数一样的人他们的这个实际上工作的能力是一样的有的人可能是高分低分的有的人可能分数没那么高但是能力很强对吧所以我觉得现在对于Benchmark的研究也是在明年非常重要的一环因为其实Benchmark现在很多时候是引导了模型怎么去训练它有点像高考命题组所以像姚胜宇可能就是之前的高考命题组组长那他出什么样的题大家根据这个体育训练其实就会影响到模型的数据的准备对吧然后很多前面的Pipeline当然现在当这个高考题已经被大家都刷爆的时候那你接下来应该做什么样的提议其实这个我觉得反而会形成每个公司内部的一个很重要的壁垒你怎么看CloudCode和Cursor的竞争我觉得Cursor感觉还是有点难因为现在不仅是CloudCode竞争CodeX还有AntiGravity对吧就是原来Windows13全部我做的就当这三家基础模型公司都有了自己的CodingAgent的时候并且他们都还有通过自己的语音去进行分发对Cursor来讲其实是一个比较尴尬的劲敌但我觉得你看其实这也是一个非常有意思的比如说Publicity是把AI搜索这个其实是先驱的对吧他就先驱先驱了都那肯定啊他肯定他是在这个ChatterGBT还没接搜索的时候他就出了这个AI搜索嘛包括当时还有个U.

com对吧差不多是二三年出来的但是当ChatterGBT包括Gmanite包括这些都把SOCO带上的时候其实Publicity它的这个天花板就很明显了甚至它就会被模型Native的产品逐渐的给消磨掉Cursor其实也是在模型的coding能力有但是呢还没有专门的产品的时候其实出来的应用对吧它其实跟Publicity都是23年出来的但是你会发现当模型公司都全力做自己Native的产品去跟它竞争的时候这种靠吊API叫套壳也罢或者叫做套壳的这种产品其实就会面临很大的竞争压力但是这里面为什么它们很难有壁垒呢是因为对于Publicity和对于Cursor来讲它给用户输出的结果与模型给它的结果差别没那么大基本上你可以想象成为比如说Cursor它就是把模型给它的code又输出给了用户中間它自己帶來的增量是不多的但比如說你想如果對於一個像這種heavy這樣的這種強烈行業屬性的應用那麼模型給它的這個內容它其實是要經過很多行業自己的數據流程進行處理所以它給用戶的和模型給它的中間是有很大的區別但是AI搜索和AIcoding我覺得是體現了就是說用戶得到的和模型給它的其實差別不大所以当模型公司去跟应用公司竞争的时候你还是觉得模型公司更有优势如果应用公司没有在模型之外建立起自己的独特价值我们之前提过一个框架就是在模型之外首先有context对吧这个context可能是用户自己他的preference可能是用户跟模型之间的memory就是记忆可能是用户这个行业的专有数据这个专有数据模型不具备所以模型里面本身不带有这些数据这些属于context然后再进一步的就是说当这个模型要使用各种工具要改变一个环境因为它现在模型agent了之后它能够跟环境互动去改变一个环境的时候你能用什么样的工具你能用什么样的环境这个其实也是由这个这个产品去提供嘛就如果你在你context这一层有很很自己独特的这些数据和context然后你的工具和环境层有自己独特工具环境的时候这个就是你在模型之外额外创造的价值但如果你只是把模型输入的东西简单的提供给了用户那这个确实你的这个壳就很薄所以我觉得对于应用公司来讲你要把外面的这个你产生的增量价值要做厚你才具有这样的壁垒说到热量因为你们是Mintus投资人你怎么看Mintus在去年底今年初跑出来了作为一个小创业公司我们觉得像现在AI跑出来创业者可能有几个特点第一个就是我觉得对于技术前进的方向要比较有感知这个感知可能是你自己就是搞这个的比如说像芝林他们因为我本来就是topresearcher我能够对像23年是对成文本然后25年对Agentic这个技术发展的方向有自己的判断提前bet的一个东西。 对,就我bet六个月之后会火的东西,简单来讲。 比如说Cursor其实他们也是提前bet的coding,但是Solene3.5出来,才让Cursor真正变得非常可用了。 对吧那我觉得Manus他们一方面Peak的加入很重要因为Peak对于这个模型本身的进步的方向是很有自己的认知和看法的上次聊天还是你和Peak一起跟我聊的对对对我们讲SORA对吧所以说Peak肯定是一个更加对于模型前进展更了解的刚才其实有提到一个小点就是关于AI浏览器你觉得AI实在需要新的浏览器吗我覺得可能這個東西它不叫瀏覽器這個是我們跟蕭紅當時我們也聊了很多這個他們中間探索過瀏覽器然後放棄了就是當你叫瀏覽器的時候你其實就面臨著你要符合原來大家對於瀏覽器的很多的已有的期待這什麼意思呢就是你要改變用戶對於一個產品非常固定的印象和習慣這個其實是比較難的当时ARK就是那个BrowserCompany嘛他们在做那个ARK浏览器他们花了很长的时间其实都很难说服用户接受因为用户发现你跟我习惯的Chrome不一样了比如说你的Type在左边一下子你就变得很习惯所以请问什么增量吗我为什么要切换呢对啊就是我切换我切换一个很熟悉的产品那属于你的增量很大否则我要习惯一个你的新的一套交互方式或者操作方式就变得很不习惯所以我是觉得当你把它叫浏览器的时候,你的风险都是在你和一个非常成熟的产品形态去竞争,所以如果OpenAI说我是做的是AI思维引擎,它可能也很难跟Google竞争,但是当它叫Chatbot的时候,用户对待期待就不一样了,其实你会发现搜索引擎推薦引擎包括現在ShadowBot其實都是解決用戶獲取信息的一個問題但是在搜索引擎出現百度和Google之後就再沒有人能做出一個更好的搜索引擎了因為大家競爭的是大家新的競爭產品其實另外一個東西是抖音但你很難直接說我也做過搜索引擎就跟以後的搜索引擎競爭大家的心智是非常固定的所以不要拿上一个时代的产品形态去定义自己对我觉得不要叫说就是AI的某某某这个某某某是一个上一个时代的产品形态我觉得这种是很难去做的因为当你这个某某某它已经有非常强的期待了你应该做一个新的名字比如说我可能叫Chatbot我可能叫做说一个agent对吧但是如果你说我也叫浏览器这个其实是蛮难做成功的其实你看当时有人想做移动上的YouTube結果發現移動上的長視頻還是YouTube和B站但是我是抖音是短視頻當時很多人想做移動上的瀏覽器移動上也沒有新的瀏覽器移動上的瀏覽器還是Chrome移動上的所有引擎還是百度還是Google當時很多人想做移動的某某某某某某某是一個PC年代很成功的產品其實沒有人做成那说我要在新的时代把旧的产品形态重新做一遍,这句话是个伪命题? 我认为很多,很大程度上是个伪命题,但是你可以满足一样的需求,就比如说Google和这个ChinaTPT满足的是类似的需求,用户对于要搜寻信息解答一个问题的需求,但是它叫不同的东西。

你看这些产品,他们可能因为CEO或者团队在某一个时间提前6个月bat了一件事情,然后在6个月之后火了,火了能对创业公司或者大厂带来什么,对于AI产品? 火的那些長期的護城河嘛首先火可能比不火好對吧然後你會發現在AI這些做得比較好的產品很少甚至我認為現在還沒有是通過我們傳統講的用增手段給做出來的用增手段就是用戶增長就因為我們在PC互聯網或者在移動互聯網的後期大家談的都是怎麼投放大家談的都是怎麼買量怎麼投放但是你會發現MetaJourney、ChinaGPTCursor,Madness,包括Publicity这些就是它的初期用户增长其实都是因为它给用户提供了一个MagicalExperience提供了一个非常不一样的体验让用户形成口碑传播因为在跨越宏固这个框架里面EarlyMarket就是Innovator和EarlyAdopter他们之间是互相信息沟通很多的他们会去想去使用最新的技术给自己带来价值所以你发现反而这些QA2变得很重要因为大家都是从这里学到新的AI的知识当然这可能也是付费的可能也有这种软文什么的但是在这个时候主要是好产品自己会说话它不是靠买量才得来的所以当你能够让用户觉得你的这个产品非常不一样形成自发口碑传播的时候这个肯定是对于初期的货客增长都会非常大的意义并且呢刚才我们也提到就是当你在这个一个行业革命的早期你被认为是那个领先的产品的时候这样带来的这个品牌加成也会让你有更多的自然流量这个其实是一个尤其当它没有网络效应的时候其实这是一个非常重要的先发优势但是確實如果在互聯網裡面其實創業公司會更容易做因為互聯網經常出現的一個場景是創業公司先發明了一個產品形態但是它有網絡效應所以它很快就變得壁壘很深這個時候它只要去融錢或者是把用戶增長做起來那麼它就很穩了但是現在AI我們發現有後發優勢就是當你沒有網絡效應的時候你先做大廠可以的你先做然後再去抄你但这个时候因为你切换成本比较低对吧所以你反而可能会有些劣势但这也没办法这就是你的产品形态所决定的过程中有给Manus过什么建议没有哪些是能说的还是有蛮多建议的比如Benchmark也给了他们很多建议我们也给了他们很多建议但我觉得有的也不一定对比如说我就觉得他们要把memory这个事给做得更好哦你应该提前看到他们产品对吧对你当时的预判是什么你当时的感受是什么提出在年初的时候对会火呀那是我跟科技讲的呀哦然后呢就火了呀但我给他们提了一个很关键的建议啊什么建议就是他们最开始的产品是更像devin的就是是一个三蓝式布局然后我当时觉得普通用户会觉得三蓝太复杂所以我建议他们改成一个更像chatterbot的布局就是他現在旁邊的AI在幹活的那個區域是默認摺疊的你點擊再展開他本來默認那個地方是固定的所以那樣的話就看起來更像是個程序用的專業工程因為程序源網都有多個屏幕然後就很大嘛但是他當時我當時就說能不能把他改得更像是個chatbot就是用戶更像是跟AI主要是進行對話然後有需要的時候再去看一下在幹活在做什麼这个他们自己还是觉得比较有价值的一个建议那Mira和Elia那两家公司呢还有李正飞的公司这些都偏前沿探索是吗对这些我们可能都属于NewLab那个方向但是做科研有个特点就是说它不是一个钱越多就越好它也不是一个能够定很明确时间目标的一个思路所以Elia当时它比如说它融很多钱之后然后它就就不理会外界的事情但Basic是个意思来说我就专心做研究直到爬下一个高峰嘛所以当一个科研导向的时候其实甚至很多人其实都认为科研型的Lab适不适合去投资都是一个问题你没有投吧我中国好像也没有什么太多这样的标的对吧当然这些都是美国公司啊中国公司呢比如中国大模型的走向是什么样包括Kimi包括DeepSeek包括MiniMax还有智博就点评这些就太得罪人了但我觉得只做大模型可能还是不要的可能还是要模型做个变形产品这个产品不管是做出海还是做有中国特色的产品可能都得就都得解决R的问题就是因为我去模型我用模型也是为了去获得回报嘛所以我觉得不管是中国还是美国明年都要解决return或者在return这件事情都要有更多的visibility都要有更多的确定性就是我还没赚来但是我还能看到钱是可以赚来的这个我觉得中国可能有不同的解法因为中国一直都是羊毛出在猪身上的这种间接式商业模式然后我觉得现在AI有一个特点是每年都会有很多新机会如果你把它看作是一张牌桌它每年都会有很多新的牌局所以在这里面也许这一个牌局你错过了那等下一场所以它有不同的翻牌的机会这个时候一方面是对于执行力要求很高第二就是要比较有韧劲待在牌桌上等下一张牌也会有很多机会比如说肖宏他第一张牌也是莫尼卡第二张牌也是曼尼斯就是你能够持续地去抓住机会因为移动互联网到了后期之后是一年可能就一张牌甚至都没有牌有假牌可能不属于创业者所以那个时候你创业者就变得很尴尬创业者其实重要的是要有机会然后在这里面去高执行力去把机会抓住好了今天的节目就是这样这里是商业访谈录是一档由语言及世界工作室出品的深度访谈节目你可以到公众号关注我们的工作室获取更多的信息我们的公众号是语言及世界languageisworld我们希望和你一起从这里探索新的世界