127. 大模型季报跨年对谈：和广密预言一场AI War、两大联盟和第三个范式Online Learning - 张小珺Jùn｜商业访谈录

Summary1 min read

张小珺Jùn｜商业访谈录 — 第127期

大模型季报跨年对谈：和广密预言AI War、两大联盟和第三个范式Online Learning
播出日期：2025年12月24日
嘉宾：广密
主持：张小珺

节目概览

本期为大模型行业季报系列的第八集，亦是张小珺与AI专家广密跨年对谈的第三年。两位深度解析2025年末全球AI行业现状与变局，围绕“AI War”（AI战争）这一由商业、科技、国家安全交织的新赛道，横跨两大技术联盟、商业格局、行业泡沫与第三代AI范式（Online Learning）的前沿突破。对中国公司、产业创新、华人创业者也给出深刻建议。

AI War：新时代的科技竞赛

AI泡沫还是AI战争？（00:04-21:00）

广密提出，AI目前不是泡沫，更像战争：“AI可能就是得看作这是新的国防或核武器一样的东西，所以很多人可能就会砸光最后一分钱也不会轻易下牌桌吧。”【广密，01:37】
AI巨头（Google、OpenAI）谁都输不起，形成反Google联盟和反OpenAI联盟，谁强都招对手。
巨头需同时自我防守与进攻，AI已不仅仅是商业问题，更关联中美国家战略，颠覆性极强。
云服务公司因模型崛起面临“白牌化”，未来流量入口或将被AI Agent抢占，对信息分发传统巨头造成威胁。
行业目前对AI泡沫的担忧主要因OpenAI提出的1.4万亿美元算力投资承诺，以及短期难以实现的商业收入（“按现在的商业模式，五年回不来本”）。

“这是一场全球巨头都输不起的战争或军备竞赛，甚至说是中美国家战略都输不起的战争竞赛。”【广密，03:26】

AI商业模式与潜在收入（21:01-45:00）

OpenAI未来的收入结构分为三块：订阅、电商/广告、API授权服务，单订阅一项远超Office与Netflix现有体量。
更大的想象空间在于AI Agent真正替代白领劳动后，可产生极大增量市场，甚至突破内容创作和科学发现等领域的规模限制。
行业现状类似早年AWS和抖音，大家都低估了这些平台的想象力。
营收结构的本质变化依赖于模型能力突破，如Online Learning。
头部模型公司攫取产业大部分价值链，类似十年前的综合电商平台。

技术联盟与模型格局

两大技术联盟的形成（45:01-01:09:00）

当前全球分为两大核心技术阵营：
- 英伟达GPU生态（支持OpenAI、Anthropic）
- Google自研TPU+Model一体化（更像AI时代的“苹果”）
广密认为，英伟达在硬件和生态层面仍具长期竞争力，即便Google拥自主硬件与模型。
OpenAI、Google、Anthropic占据全球AI-native收入80%-90%，形成寡头垄断。
头部模型公司在人才密度、战略侧重上形成差异化，比如GPT重C端消费和“朋友”定位，Anthropic主攻Coding与2B、Google多模态见长。

“现有的两个范式拉不开差距，大家只能在战略定位上有差异化。”【广密，01:18:32】

交替领先与行业分化（01:09:01-01:41:00）

头部模型公司（GPT、Gemini、Cloud）交替领先会是未来常态。
战略性分化明显（如Gemini多模态领先、Anthropic在Coding/Agent可靠性突出）。
SOTA（最强模型）不再是唯一衡量标准，“高分低能”应退出主舞台，真正大规模产品/流量/用户场景更有价值。
Meta、XAI尚未站稳一线，基础模型门槛高在资本与人才而非传统护城河。

下一代范式：Online Learning（01:41:01-02:16:00）

预训练（Pre-training）和强化学习（RL）两大范式已到终点，未来突破点或在于模型自我学习（Online Learning/Continual Learning）。
Online learning使模型能在推理和交互同时学习，解决数据瓶颈。
关键比喻：预训练如“化石燃料”，RL为“新能源”，而Online Learning则是“核聚变”。
OpenAI、ILIA的SSI、ThinkingMachines等新Lab下注新范式。

“onlinelearning可能才是唯一重要的真问题，就是模型的自主学习学习效率比较高，只有这个突破了其他问题才是本质上的解决。”【广密，02:13:11】

投资与中国机会

投资主线与策略（02:16:01-02:37:00）

投资第一性原理：“围绕技术成长最陡峭的地方下注”。
首投头部模型公司；其次布局算力/存储基础设施（如英伟达、台积电）；三是“技术溢出红利”机会公司（例如Cursor、Perplexity）。
应组合下注，AGI指数应平衡配置：OpenAI、字节、Google、Anthropic、英伟达等。

“AI的投资就是白糖技术成长最陡峭的地方，围绕主线。”【广密，02:22:41】

中国AI公司/创业与中美产业观察（02:37:01-03:16:00）

中国大模型公司DAO（如豆包）已展现高DAU，但模型能力还未被完全认可，爆发点或在2026年新模型推出后。
巨头竞争将在流量入口决胜，“胜负手”在于产品型突破和下一代范式。
相比美国硅谷的极致创新与产业空心化，中国优势在于工程师红利和产业基础，但风投激励不足。
华人创业者建议：
- 坚定做全球市场（优先北美高付费）；
- 利用中国人才红利；
- 坚持做“好产品”、重视技术本身，无需刻意包装公司“外籍”色彩；
- 深入研究驱动的投资和团队建设。

“中国的矽谷对比美国的矽谷，这个差距是有点拉大了，很大的一个原因是资本的贫瘠，市场化的民间资本太少了。”【广密，03:05:03】

机遇展望与前沿趋势

新突破的期待与流量新入口（03:16:01-03:40:00）

对206年最强烈期待是：看到下一次“核弹级”范式突破（如Online Learning）。
C端流量可能因Agentic Web崛起发生终极流量入口变革，创业公司有“掀桌子”的机会。
硅谷“New Labs”如SSI、ThinkingMachines、Periodiclabs等分头突破多领域AI极限。

机器人・模型・数据范式（03:40:01-04:05:00）

硅谷机器人创业项目涌现，行业尚处“百花齐放”状态，数据采集和真机数据是竞争胜负手。
全球头部AI应用公司（OpenAI、Anthropic等）收入结构稳健，中腰部公司“泡沫”风险高于头部。
海内外AI行业、应用和数据/模型的机遇空前，华人团队成为全球瞩目的新生力量。
未来三到五年，华人AI企业heading global有20%概率登顶，前提是技术、资本、算力、创新环境全驱动。

精彩语录与高光时刻

“AI可能就是得看作这是新的国防或核武器一样的东西，所以很多人可能就会砸光最后一分钱也不会轻易下牌桌吧。”【广密，01:38】
“现有的范式现有的路径还是有机会让模型比绝大多数的白领或者知识工作者聪明的，这个确定性是非常高的。”【广密，06:12】
“最领先的技术模型未来一段时间还是会交替领先，本质原因就是在现有范式下，大家的knowhow差距拉不开。”【广密，01:19:03】
“onlinelearning可能才是唯一重要的真问题，就是模型的自主学习学习效率比较高，只有这个突破了其他问题才是本质上的解决。”【广密，02:13:11】
“我觉得基础模型公司本质上像十年前的综合电商平台，你scale这个SKU的时候比垂直电商效率高太多。”【广密，01:44:23】
“如果AI成了，美国会非常的牛；如果AI遇到卡点，短期挑战依然有。中国应把工程师红利和人才用足。”【广密，03:00:24】

重要时间线

00:04 — 开场，AI War 的提出与行业现状描摹
21:00 — AI企业商业模式与产业链价值分析
45:00 — 技术联盟、两大生态打法剖析
01:09:00 — 头部模型公司、多极化分化 vs. SOTA标准
01:41:00 — Online Learning与第三代AI范式前瞻
02:16:00 — 投资主线、行业分化及组合策略
02:37:00 — 中国AI公司、全球化与创业环境观察
03:16:00 — 前沿突破展望、机器人和新技术实验室盘点
03:40:00 — 机器人与数据范式进展、行业收入格局
03:57:00 — 华人团队全球席位展望、创新资本呼吁

总结

本期通过2小时40分钟长谈，全程高密度、干货满满。广密视角宏观国际，微观到C端产品、创业实践和底层范式创新。AI行业的未来远未定论，交替领先、范式跃迁、数据决胜、华人突围、技术驱动投资，多线程齐头并进。对AI创业者、投资者、技术热爱者极具启发和参考价值。

“深度对话是孤独旅途上温暖的灯塔。我们把握每个季度的技术脉搏，持续输出真正有用的信息。” ——张小珺

Loading summary

Transcript1 lines

[00:05]
A
不能稱作是AIBubble更像是AIWarAI可能就是得看作這是新的國防或核武器一樣的東西所以很多人可能就會砸光最後一分錢也不會輕易下牌桌吧你看Google越強越會形成一個反Google聯盟OpenEye越強也會形成一個反OpenEye聯盟其實你看OpenEye誕生的初衷不就是為了挑戰Google嗎所以有一个很大的概率就是说未来机器人世界模型的突破可能不一定是今天在座的这批人有可能今天在座的这批人是上一代MLP一样的结果确实是鲍伦就机器人最大问题还是不犯法对吧做这个播客很大的一个意义就是要有passion去鼓动中国的科技公司都买卡给年轻的研究员更多的搓卡的机会hello大家好欢迎收听张小军商业访谈录我是小军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是全球大魔星季报的第八集也是我和广密跨年对谈的第三年了那这期节目将带你看到在对AGI开始充斥着现实主义情绪回归的当下全球的AI竞争它形成了怎样的战队阵营和联盟各个前沿实验室在探索哪些新的办事以及硅谷又涌现出了哪些新型的研究实验室如果你对全球大模型记报有更多的想法或者建议欢迎大家在评论区里多多给我们留言我们都会看到那205年的最后期待我们和AI共同进步Hello广蜜还是给大家打个招呼吧Hello我是光秘時間過得好快呀這已經是我們的第八集季報第三年的跨年對談了你覺得我們一起錄製這個系列這麼長時間給你的生活工作帶來哪些變化你覺得做內容好玩嗎我覺得做內容蠻有趣的吧就是反饋必還比投資快而且播客的聽眾很多都是一線的從業者很多人水平也挺高的很多人聽了後找我聊天也認識了很多朋友吧我自己也学到了很多东西就是一线的人说受到很多启发这也是一个很好的正向鼓励吧我就希望每个季度能系统地讲一讲就对自己和对团队也是一个阶段性总结然后也希望这个让听众更好地理解这个全球AI的进展然后大模型机报也希望纯粹地做一个公益科普的內容吧是輸出真的有用的信息反正做著做著的過程中呢堅持做播客慢慢的也有了一個更大的意義或者說一個passion就是說叫推動中國AGI的起手和步道者就是步道和科普自己相信的東西希望中國也有一個自己的矽谷吧也希望對華人創意者有些幫助吧過去這個季度似乎整體的AGI敘事在變得更現實更謹慎你的感受和狀態是什麼樣的我过去一个季度依然还是把大部分时间精力花在了AI研究员身上因为技术变化确实很快还要持续的理解技术的进展今天又到了一个比较关键的时间点比如说Coding从年初几亿美金硬生生的涨出来一个百亿美金年化营收的一个新市场对吧后面还有多大然后会怎么走再比如Google王者歸來對吧對後面格局的影響再比如說伊利亞公開說Skilling停了我們應該怎麼理解包括還有下一代範式OnlineLearning已經在孕育了這個可能還是一個核彈級別的突破對吧所以接下來應該關注什麼哪個是真問題哪個是假問題這個時候感覺理解技術的本身變得比以往更加的重要所以理解了技術本身對26、7年做正確的戰略下注是非常有用的你看最近大家都在說AIbubble那站在205年的尾巴上你有嗅到泡沫的味道沒有你對於206年是樂觀更多還是悲觀更多我担心过一阵子现在结论是不用太担心不能称作是AIbubble更像是AIwar这是每个科技巨头都输不起的战争或军备竞赛甚至说这也是中美国家战略都输不起的一个战争竞赛AI可能就是得看作这是新的国防或核武器一样的东西所以很多人可能就会砸光最后一分钱也不会轻易下牌桌吧为什么你说每个科技巨头都输不起就是颠覆性太强了你举一个现实的例子商业上就是说你看现在每个开发者或者企业过去都是首选AWS或者Edge去做应用开发部署对吧现在是首选用哪个模型GPTCloudGemini那云厂商就被白牌化了就像当年惠普Dell一样其实就被藏到后面去了然后我们再推演C端就看豆包手机这个例子如果AIAgent成為流量入口了那今天的superapp其實就被短路了那今天的superapp其實是靠信息不退勝賺錢的如果agent讓信息分發充分對稱了那像Uber像攜程這種信息中介平台其實就不應該賺那麼多錢了你看在汪区打Uber经常被平台抽个50%司机连一半都不到那传统甚至说传统搜索也不应该赚那么多钱所以今天的科技巨头他又要防守又要激进的进攻对就是这是商业层面就如果从国家战略层面我觉得AI也应该成为这个中美战略重点之一吧就是叫再重视都不为过其实输不起的Agent会带来重新的流量分配有可能会打掉现有的平台那你觉得为什么大家会谈论AIBubble呢这次AIBubble的导火索是什么呀我看你们前段时间也开了研讨会来讨论这个事儿对主要原因还是10月份的时候SAM提了1.4个T那个问题嘛30个G瓦的那个算力建设GPU都是按6年探销嘛那就意味着OpenAI平均每年要烧掉20多亿美金那歐派到203年公開的預測也就20多億美金的年營收未來五年累計加起來的營收大概五六千億美金其實從商業和現金流的視角短期期內肯定是算不過賬的也不知道怎麼賺回那麼多錢說實話今天也不知道賽姆為什麼要花那麼多錢但我覺得有一個明確的是未来两三年欧盘的现金流是没啥问题的就是你看最近有个新闻按80多亿美金估值再融10亿美金对吧其实欧盘自身的现金还是充裕的但这1.4T就听着比较大其实大部分的投入都是二八年和之后的一个多月以前就赛姆上了一个播客在主持人连续追问欧康爱如何为1.4万亿美元的承诺买单的时候他那个问题回答的很不好他说如果你想卖掉你的股份我可以帮你找买家够了这个也引发了大家对于欧康爱信心的波动那你能不能拆解一下欧康爱的收入构成歐派有可以看得清的收入也有看不清未來潛在的收入如果看得清的收入我們就拆一下訂閱廣告電商我們就比較樂觀的假設203年之前它做到40亿的月货25亿的周货15亿的日货对吧那假设它的订阅做到10%的付费率那就是4亿用户这个是非常合理的就是因为对标OfficeOffice应该也是3到4亿的付费用户但很多是企业帮员工付费订阅嘛4亿的付费用户每个用户假设是20美金的年费这其实是80亿美金其实Office也是几亿的付费订阅用户几百亿美金的生意对吧包括Netflix也是几亿的付费订阅用户其实我直观的感觉ChatterGPT应该比Office和Netflix要大然后这是订阅再算电商和广告就假设不付费的用户就要看广告那我們就假設每個週活它的up值比如20美金50美金對吧假設20多個億的週活那其實這也是50到10億美金的一個營收對吧第三個就是賣API你拍脑袋也能做到50到10亿美金其实他们是很有规模效应的其实模型就是新的云这跟亚马逊当年有了电商业务自己做云是一样的逻辑那其他的可能还有一些agent的其他的收入我觉得这几块都看不见的差不多做到两三千亿美金营收一年对吧那其实相当于今天的meta或者字节一样大所以从这个角度看呢就是只多了一个互联网平台其实也没啥意思但那肯定也是抢了一大块存量的生意的那个但它很大的也是增量的东西啊对你刚才说的这几个是看得清的收入那看不清的潜在的未来的收入会有什么对我觉得这个是比较有意思的就是我们总是缺乏想象力的就是再让我们回到AWS诞生的头几年抖音诞生的头几年其实大家都不会觉得这俩能做到千亿美金营销对吧包括再让我们回到203年也不会想到OpenAI和Anthropic估值能长这么快哪怕就回到今年年初当时咱们播客提了那个CodingCodingAgent是今年主题十個月前看AIcoding這個單一行業大家也不會覺得一年能漲十倍硬生生漲出來一百億美金對吧我覺得AI的潛在的看不見的營收規模是很大的我覺得是會有驚喜的因為這可是全世界最聰明的一批人最牛的科技公司和最厲害的大佬都在努力搞的一個市場那如果具體來說我覺得OPIEE真的想賺錢有兩種演繹的潛在方向一種是agent真的開始work了真的端到端替代勞動力了賺到工資的預算不再只是一個工具比如說全球白領有10個億OPIEE就靠輸出10億白領的價值自動化白領的工作每個agent白领这个工资比如说一千美金或者到一万美金之间对吧那就是一个T到十个T的营收这个这就很大了那其实你看白领里面最快的还是软件开发市场全球软件开发市场大概一千五百亿美金对吧今年AIcoding其实只有一百多亿美金还不到10%那未来几年涨到30%或40%的渗透率我觉得未来肯定还会更高对吧那另外还有一个比较星辰大海的就是叫大規模做人做不了的增量的高價值內容比如說Coding可以重新寫CUDA對吧這個科學發現這個治癒人類所有疾病對吧幫我們研究比如說室溫超導的材料對吧這個AI做AI的科學家技術物理很多東西我覺得這些潛在價值都是非常非常高的那這裡的前提也是模型更加可靠端到端能力更强对吧也需要比如说onlinelearning这个本质上的突破所以我们现在只能解释AI这件事说更像国防或者战争的军备竞赛未来的潜力巨大每个人都输不起所以那我们就说巨头每个都不会放弃都会投光自己有的最后一分钱对吧其实我觉得这个一定程度上是超越了商业回报輸了就有被顛覆的風險正因為這個太重要所以大家不會讓Google一家獨大也不會讓歐盤一家獨大所以英偉達也好微軟也好亞馬遜也好對吧會繼續支持歐盤和AnthorpeAnthorpe這個就很像一個巨頭的妻子的加持因為任何一家都很大都可能對其他家造成威脅所以這裡面有很多這個巨頭博弈的一個平衡但我感覺就是商業上長期對AI的商業模式還是要抱著一個樂觀的態度吧那個比如Agent真的落地後我就對傳統流量平台生意還是會有很大影響的就剛才提到那個流量短路的問題你說Dropkick有巨頭的棋子價值那你覺得中國的這些公司有巨頭的在巨頭間博弈的這種棋子價值嗎好像中国的巨头都很强独立的模型公司呢没有显著的比巨头这个领先对吧那自己和阿里好像都很强腾讯也在开叉吧我去了大神你刚才说欧盘有几块收入你觉得他做起来广告和电商的这个速度会乐观吗我觉得长期乐观其实就是时间问题就是历史上只要是大流量有粘性的平台最终都是能变现的那这个速度我觉得就取决于优先级的问题可能广告和电商今天还不是最高优先级问题我理解的最高优先级问题是20年底之前先做到10倍亿的日货我觉得这个是更重要的我覺得我怕今天是被低估的就像當年很多人都覺得手機和短視頻是沒法做太多廣告的屏幕太小如果AI搶廣告是一場存量的競爭長期是要靠替代勞動力帶來的收入那這部分的gap本質上是AI能力是否能順利的搶奪到這個勞動力市場你怎麼看這個問題我觉得核心取决于AI的能力边界走到哪到时候是AI便宜还是人便宜那AI便宜其实本质上是电费是不是走不便宜我觉得现有的范式现有的路径还是有机会让模型比绝大多数的白领或者知识工作者聪明的我觉得这个确定性是非常高的那个弯曲你看朱涅的程序員已經找不到工作了假如說你是一個A輪的創業公司你要招一個馬農只要你拋出去這個崗位很多人看到我覺得是輕鬆收到幾百個甚至上千個簡歷的其實這個已經在發生了就是工資勞動力的預算你上面提到一個概念就是AIwar就是AI的戰爭這是一場全球巨頭都輸不起的戰爭那現在縱觀全局你覺得他的這場戰役的主要推動方有哪些他們現在分成了哪些陣營我們可以來做一個概覽简单的分就是两大阵营就是英伟达的GPU和Google的TPU对吧就是你看Google首次推出真正的SATA的model对吧模型芯片云产品端到端集成其实Google更像是AI时代的苹果上一期播客咱们专门花了一部分讲Google被低估了我觉得Google长期确实会很强不过呢就是英伟达生态下支持的OpenAI和Anthropic依然是优等生我感覺這兩家相比Google在人才密度上還是會更優質一些的其實英偉達更像是AI時代的安卓的位置在這個生態下這兩大陣營可能是未來一段時間的主線就是大家想研究AI的進展還是圍繞這兩大陣營圍繞最領先的這兩三家模型我覺得很多投資機會都是圍繞這兩條主線去延展的那你從應變的角度看只要是需求遠的大於供給那英偉達和Google兩家都應該配置其實這兩家不管說勢均力敵或者其他的我們的一個感受叫交替領先就哪一邊跌了其實都是加倉的時候其實是應該有一些逆向的這個思考今天這個時候就是英偉達和歐盤被低估了因為什麼呢因為GPU綜合還是對比TPU是更好的缺點就是貴了但你也沒辦法台積電的產能就這麼多英偉達和歐帕這條線其實還是被低估的包括英偉達Ruby那一代卡應該是能甩開TPUV8一个代际的升位的对吧而且英伟达已经提前占了台积电1.6纳米的未来的产能其实长期GPU的优势还是会很强的你看你分成了硬件层之争和应用层之争硬件层之争是英伟达和Google应用层之争是OpenAI和Google那如果再往后推你觉得会有什么样的走势你看Google越强越会形成一个反Google联盟OpenEye越强也会形成一个反OpenEye联盟其实你看OpenEye诞生的初衷不就是为了挑战Google吗马斯克当年提的那所以AGI这个事不能只在极少数的一家或两家公司手中也不能只在美国手中这样世界才会更平衡一些那接下來我們依照這個全球大模型氣泡的慣例我們來梳理一下現在的模型格局有沒有一些比較重要的觀察閉上眼睛最想傳遞幾個關鍵詞吧第一個就是叫交替領先第二個就是Google和Opera的市值兩家公司總和能到10萬億美金第三個就是206年能看到下一代新範式的信號第四個可能就是AGS马拉松现金流之战这个待会可以展开讲讲第五个我们可以聊聊就是AGS的投资和创意的策略就是叫压住到技术成长的最陡峭之处就是最领先的模型最领先模型技术溢出的红利最领先模型需要的算力我觉得这几个是最强烈的几个关键词的感受吧我们可以一个个展开聊一下你看今天全球这几个top的模型包括GPTCloudGemini它的格局似乎依然没有稳定下来你刚才也说一个判断是交替领先这个能不能展开讲讲这会是一个常态吗我觉得未来的一年模型层面的交替领先应该会是一个竞争常态这里指的模型还是全球最领先的三家模型GPTCloudGemini你看这三家你从他的营收角度看年底差不多分别是210亿美金90到10亿美金50亿美金对吧总计差不多360亿美金的年化收入占了全球ANnative营收的80%到90%我们预估全球其他所有大模型原生的收入差不多40多亿美金出头XCI的Grok可能3-10亿美金之间其实还是很小的所以还是叫最领先的三家模型拿走了绝大部分因为这三家的技术和品牌都是有很强的溢价的哪怕你领先3%510那你可以放大效应可以多赚很多钱其实这个就很像体育里面的球员对吧为什么C罗梅西能力上没有比其他球员强个几十倍但他赚的钱比其他球员强个几十倍我觉得这里面最关键的判断就是最领先的三个技术模型GBTCloudGemini未来一段时间还是会交替领先本质的原因就是在现有的范式下就是预训练加强化学习这俩大家的knowhow大家的方法彼此是甩不開的人才也在流動信息也在流動就是想甩開就得新的方式了其實我覺得內心認為Google還沒有顯著領先但是呢XAI和Meta還沒有真正上第一梯的牌桌因為這兩個戰略這個BET還沒有那麼清楚其實XA和META呢這事也有一個啟發你會發現模型公司不是叫護城河很高而是進入門檻非常高因為要靠資本人才其實前三家因為做得早人才和資本的這個門檻比較高那你覺得交替領先的這個模型格局這個現象本身它說明了什麼呢就是现有的两个范式拉开差距大家只能在战略定位上有差异化上一期博客主题其实叫模型再分化那这一次模型的主题叫做交替领先你觉得这两个观点是替代关系还是递进关系这两个不矛盾应该是一个递进关系因为过去五到六个月其实模型分化更明显了也验证了我上期博客的一些判断其实大家在通用能力上你追我赶对吧甩不开但是都有了各自的战略的bet重点你比如说Gemini3其实是在多麼泰是斷檔式領先的對吧但是在TEX和CODING包括AGENT其實差不多也是追平OPEN和ANTHROPIC之前的模型TEX能力其實感覺像是優先級放後了多麼泰戰略放前面了那你再比如說ANTHROPIC的OPUS4.5它還是CODING軟件開發領域最好的模型OPUS4.5我觉得依然是被低估的一个因为它做的任务更长更可靠也更好还更省token那个我估计后面还能解锁很多东西那再比如说ChatGP的BET其实它就是2C消费端依然是断档式领先的差不多4.85个亿的日货对吧还是Gemini可能五六倍的关系那ChatGP长期想做一个10到20亿日货的个人助理个人朋友那这也是一个战略bet我觉得他们会突出个性化能力对吧所以你看Google的动摩泰ChadGP的朋友Anthropic的coding和agent那包括Ilia的SSA或者这个Synchromeshense这个去搞下一代翻译所以我觉得这比较有意思的一个点就是模型分化这个点一个启发就是说安卓匹克專注2B放棄了2C專注Coding和Agent這個戰略Bet是很值得AI創業者去學習的不然的話安卓匹克早就在這麼激烈的形勢就掛掉了所以大家在各自的戰略Bet之下一定要做到鲜明的特点都是要为这个战略bet叫以中为始的有一个你优化的目标端到端的优化签下优化模型那本质是优化数据对吧那你看ChinaGP在C端其实体验明显还是比Gemini要好一些的然后因为是对数据做了专门的优化那Cloud在2B企业或者知识工作者这个体验是更好的那本质还是对数据做了优化你说MIRRORTHETHINKINGMACHINESLAB代表新一代范式这个范式指的是什么這個只是猜測啊那個伊莉亞和Mira這兩人肯定是很懂OpenAI未來的roadmap的對吧其實這兩個人沒必要說再去catchup現有的model肯定是想去battle下一代的不管說online論點也好continue論點也好我覺得他們都是有自己的路線和一盤大棋的那你觉得今天再去争夺这个Sota模型的位置还有意义吗意义是什么呢既然大家都是在交替领先秀肌肉啊我觉得我们就拿meta来说啊就是你再退一个sota的model只是交一个作业肯定是不够的它得有个很牛的爆款产品才够的起码得到chadgp这种量级吧才算爆款因为这样才能撑得起meta120亿美金的明年的capex投入对吧你看meta现在涨上现金大概五百亿美金明年利润可能六百亿美金但他明年要投入一千两百亿美金其实只有一个SATAmodel肯定是不够的对吧那包括今天的SATA都是benchmark的SATA对吧我觉得那个Gemini3和GP5.2都是有很大刷分的这个嫌疑的因为很多模型都是得分很高但这个低能对吧高分低能那个其实真的SATA我觉得应该好的定义是有多少營收有多少客戶輸出多少的tokens來定義而不是benchmark的榜單了就是看有多少人用嘛之前你在播客上有一個觀點是說基礎模型攫取了價值鏈的大部分價值那現在你還是這個觀點嗎我觉得还是这个判断吧就是这里面有一个偷懒的类比就是基础模型公司就很像十年前的综合电商平台你scale这个SQ的时候就是模型公司scaledata这个是更容易的你最后看模型公司想做好哪些能力就是加数据你比如说chatterGP也好coding也好就很像Amazon早年卖书一样他通过卖书拉通了物流仓储和用户对吧那接下来他横向的SKU更多的SKU那今天领先的模型公司也是对吧你看他自己都在努力的做好Office里面的PPTExcel数据分析包括Fanon投研的对吧其实基礎模型公司他們scaledata的效率是更高的那個因為之前ChatGPT做chat也好coding也好其實都拉通了fullstack整個data的這個pipeline也比較好所以我覺得理解基礎模型公司的特點尤其是他們未來半年模型公司內部的演進的目標這個是很關鍵的所以今天對投資和創業我覺得意義很大的一點就是說你到底是做的一個垂直電商還是一個小紅書你做垂直電商可能也能賺錢但是要退得很靈活但是歷史上垂直電商沒有很大的平台公司的但是你看小紅書是在綜合電商平台之上又構建出了一層叫消費價值很高的叫內容資產對吧我覺得這個是很有意義的所以今天我們去思考Perplexity也好思考Cursor也好對吧包括一些Agent的公司也好所以它到底是垂直點上還是小紅書我覺得這個今天還沒有答案大家都在探索期我覺得這個是比較有意思值得思考的現在還太早了今天这个时间点的一部分特殊性在于Gemini崛起了大家会担心OpenAI会怎么办它会不会对OpenAI有很大的影响你会怎么看待这两家公司的竞争对我觉得这里的核心一个观点就是Google加OpenAI总市值能到10个T以上吧我對OPIEE現在比較樂觀覺得被大幅低估了吧我覺得有幾個原因第一呢就是OPIEE可能是過去20年裡面唯一一家有機會挑戰Google的公司微軟並其實都沒有真的挑戰到Google第二呢OpenAI还是今天当下最好的AI标的那如果OpenAI你不配置不投对吧那其实其他的风险是更大的其实OpenAI的人才密度包括产品的领先性都还是很好的那今年两百多亿美金AR明年四五百亿美金AR其实你说很高的multiple也没有很贵而且第三欧盘还是有最高的概率继续立的下一代范式创新对吧onlinerunning或者下一代的探索还是最领先的现在资本市场担心的无非是财务的亏损我感觉财务亏损这个问题不用过度谈心嘛因为过去几十年资本主义国家积累的财富是足够多的你看今天除了AI还能投啥呢我估计所有的钱都会砸到AI领域吧嗯我覺得至於Google的競爭我覺得Google也不會一家獨大吧因為這個市場也不是一個零和博弈因為Chadbolt做了很多增量市場就很像之前我們比喻的短視頻抖音之於優酷的競爭對吧我覺得Google和OPEN還是比較好的組合吧未來在C端評分天下所以今天我覺得是Google短期高估欧派短期被低估其实Google这一波因为推了一个SATAmodel它的估值是从189倍的PE变成了一个289倍的PE其实是一个估值扩张的逻辑对吧我觉得背后的原因还有很多的就是你比如说GPT和Gemini它们在模型上拉不开很大差距假设模型是交替领先的模型上都无法大赢但是GPT是在产品和品牌优势是很强的但Google有生态优势对吧Opi的人才我们感觉还是整体略优于Google的而且它的产品sense和战略也是更好的我觉得还有一个有意思的可以对比的就是说ChadGPT过去三年的增速是远超微信当年的微信是三年的时间可能涨到了4.5亿的MAOChadGPT是三年涨到了14个亿的MAO我觉得这是比较厉害的一个数字了就是说ChadGPT现在日活比如4.8到5个亿对吧Gemini现在只有90万那它日活大概还是一个5到6倍的关系我们不知道这个最终比例是多少可能7比36比45比5还不好说但还是倾向于判断ChadGPT依然会是长期的第一对吧那最终可能是一个10到21日活的产品但Google的崛起王者歸來還是會壓制歐派的規模或者回報率的但這裡還有一個很關鍵的判斷最终的最终ChadGPT会不会融合传统搜索最终也会吃掉传统搜索的广告的份额但另外一面就是说传统搜索会融合ChadBot对吧我觉得不排除一种可能就是ChadGPT它会形成一套自己全新的搜索引擎而且这个模型更快更新化也更好对吧而且这些模型生成的内容还能被反复利用起来那那ChatGPT的终局它就是一个信息分化融合的产品但我觉得说了这么多就说不代表Google不好Google也是好的那个它有很多好的资产对吧Wemo也很好它还是SpaceX股东对吧它还有Ansmorphic那个要治愈人类所有疾病我觉得Google包括英伟达可能还是人类最快接近10个T的公司的候选人吧就是十年前大家不敢想像有萬億美金公司對吧就像今天不敢想像有十萬億美金公司我覺得未來有可能有好幾家十萬億美金公司就是其實今天它從三到五萬億漲到十萬億的難度是遠小於今天市面上比如說幾百億美金的公司漲到千億美金的難度的也小於千億美金公司漲到萬億美金這個難度所以大公司有可能確實會變強這是一個這可能就是一個我們即將面對的一個趨勢但是今天GOOGLE是不便宜的因為剛才說到它那個固執擴張的邏輯你看JAMINA現在有一個SOTA的模型那外界都覺得JAMINA領先了據你們了解到實際它的流量是怎麼樣的有變化嗎Gemini3顯著在模型上進步我覺得是好事如果不進步反而就更擔心了首先Gemini3我覺得對模型的格局是產生了一些影響的因為Google第一次成為明顯的SOLTA但是反映到產品和流量的增速上Gemini3對DAU的拉動甚至還不如當時的NanoBanana這個產品拉動的更明顯其实ChatGP在生活助手这个性质是非常强的很多人是把ChatGP放在手机的手屏上了我们上一期博客提到其实Gemini很多的还是在web端的生产力你看ChatGP周末是也在用的Gemini很大程度上是周一到周五的工作时间叫牛马工具比如做前端开发做PPT還有數字就是說Gemini的MAU大概是ChetGBT的20到25但Gemini的DAU比MAU的比例是很低的只有10%ChetGBT的DAU比MAU的比例大概是25%這其實是一個更高頻打低頻的這就說明單月的繪畫的次數ChetGBT是Gemini也是高三四倍的然後还有一些角度就是说移动端ChadGPT的统治力是非常强的活跃度是比Gemini高非常多的因为移动端才是叫生活助理的主战场而且你从地域上看ChadGPT守住的是叫最高价值的地区就是北美啊欧洲啊这些付费能力很强的发达市场都是ChadGPT的主战场我觉得它的商业化的根基是很稳的那Gemini其实是走了农村包围城市的就是在巴西在印度在越南這些安卓主導的新興市場在新興市場Gemini的滲透率是很高的MAU可能到了ChadGP的三分之一左右吧所以就是說從流量的大盤來看ChadGP比整個Google搜索從年初的95比5現在變成了85比15這樣的比例了吧其实ChatGP已经不再是边缘流量了已经变成一个主流的流量平台了你看最近Google的表现不错你觉得根本的原因是什么呀你觉得Google今天的危机解除了没有我觉得Gemini3肯定是有刷宝的PR上肯定有很多工作的确实是模型上SOLTA领先了对吧那个大家只是不把Google当AI的loser诺基亚这种看法对吧那个把它当一个AIwinner了叙事的反转对吧我觉得长期危机是没有真正解除的未来agent对传统搜索和广告怎么影响这个还不知道一种情况就是明年ChadGT真的会吃掉很多传统搜索的份额广告还有一种情况就是Google自我革新集成AI继续做AI时代的王者我觉得这两种走向还是要持续观察思考的过去三年我们看到两个范式的演进分别是预训练和强化学习那在今天这个时间点你看伊丽娅说Skilling结束了现在进入了研究时代那之前我们有一期播客也提前预言了O1的强化学习的范式今天你有看到第三个范式没有有新的这种范式级别的跃迁吗pre-training的scaling确实快结束了但应该说onlinelearning刚开始那现有的范式啊那第一个就是pre-training预训练应该说走到七八十了对吧还有空间但投入很大那第二个就是R5强化学习走到了30%到50%的阶段那大家今天都在scaledata這兩條範式下可能格局不會發生翻天覆地的變化那頭上的幾家彼此也都比較清楚加上人才流动和信息流动其实都是名牌的竞争了其实最主要原因还是预训练搞不出更多数据了对吧比如说五六十个T可能也是很多模型公司的一个极限了而且今天模型的激活参数并没有无限变大反而是在变小的而是吸收度在变高今天确实是走向了一个很大的MOE的一个架构我的感受是OPEN也好SSI也好SYNC也好都看到下一個範式都在賭下一個大的範式創新矽谷現在最熱的還是叫continuallearning我們很多人叫onlinelearning其實就是模型的自主學習學習效率更高更少的數據就可以學得更快边推理和交互的时候也在学习这个我觉得还是一个最根本性的变革你看移动互联网就是交互的过程沉淀数据今天的大模型还是一个叫静态的冰冻的没有数据飞龙的产品它没有办法从每天的交互中吸取足夠的信息對吧它需要大量的樣本數據才能做預訓練才能學到那個為什麼移動互聯網比PC互聯網大十倍對吧因為每天的交互交互過程中沉澱了這個互動吸收了用戶偏好我覺得onlinelearningwork以後呢就是說AI是會吸收人的智能呢就從人類的經驗中學習就是但新範式的成熟呢可能還需要一些基础设施的程序比如说更长的context包括laura也是重要的东西比如说多个模型的变形采样反正我们还是花了不少时间跟领先的研究员去聊下一个范式大家都还是比较乐观的应该在206年比如说夏天或者什么时间能看到突破的一些信号这些新范式主要是有哪些公司在主导谁是其中比较领先的OPENHAIR还是最遥遥领先的投入最大其次还是ELIA的SSIMIRROR的THINKINGMACHINES这也还是比较看好THINKINGMACHINES的或者其他的NEOLABS的一个原因我觉得大家都是有一盘自己的大棋的其实这比较有意思ANTHROPIC是OPENHAIR最早的SKILLINGTEAMELIA是最早的PRODUCTIONTEAMThinkingMachines其实是原版ChatGPT和PostTrainTeam其实这几个团队都很强OpenAI即便在分懵离析了三四次以后依然还很强Google其实今天应该还没有整体TopDown的做onlinelearning这些探索可能还是独立的一些研究员在个人探索的角度吧我們什麼時候能看到SSI和ThinkingMachinesLab的一些比較主要的產品我覺得2016年應該能看到一些東西吧為什麼你覺得onlinelearning特別重要我覺得這裡有一個暴論就是大家提的機器人世界模型甚至多姆太其實可能很多是假問題onlinelearning可能才是唯一重要的真問題就是模型的自主學習學習效率比較高只有這個突破了其他的問題才是本質上的解決因為這裡最重要的還是泛化性如果不泛化那後面還是走自動駕駛的老路就是有多少人工就有多少智能所以有一個很大的概率就是說未來機器人世界模型的突破可能不一定是今天在座的這批人有可能今天在座的这一批人是上一代NLP一样的结果确实是包论就机器人最大问题还是不泛化对吧那没泛化你就要像自动驾驶一样走个十年一点点的采数据我觉得下一代范式对现有格局影响是很大的所以我觉得理解技术每个季度review之前的观念还是比较重要的吧你能不能更形象的解释一下这三个方式从pre-training到RL再到onlinelearning我觉得有三种比喻这个是我们团队提的pre-training预训练的数据就像石油化石燃料量非常大但总共是有限的现在已经用了七八成了那RL强化的专家数据呢就是征留的人类专家的数据就像新能源有用但总量比较小所以出现了像surge也好默克尔这种专门帮招聘人类专家的外包公司收入也在快速爆发那昂赖留尼有一个比喻就是叫核聚变这是核能还没有突破但如果突破了就是无敌的人类就进入轨迹时代了Bytheway你覺得一定會出現這個所謂的第三個範式嗎會不會AI的技術躍遷就此終結了呢我觉得可以从基础设施成熟的角度去理解吧因为技术在向前发展可能突破就是一个时间问题因为过去三年GPU的出货量每个研究员手上拥有的算力研究员的能力和数量都是爆发性成长的这个就很像好莱坞整个工业化的创作体系形成了那持续做出新的作品就是时间问题我觉得是有因果的所以这个也是做这个播客很大的一个意义就是要有passion去鼓动中国的科技公司多买卡给年轻的研究员更多的搓卡的机会我们就想为什么伊利亚诞生在硅谷因为谷歌这种大厂很早期就做长期投入其实没有计算短期的ROI的如果中国大厂多投入多买卡培养人才那中國的伊利亞下一代的伊利亞那大概率是未來三五年一定會出來的現在已經有很多年輕的研究員已經有這個苗頭了而且都好年輕是我最近聊下來我覺得大家對於AGI的故事似乎都出現了現實性的回歸啊那你作為一直在這個鼓吹AGI的人你今天對於AGI有了進一步思考沒有啊你還相信AGI嗎这是比较重要的一个问题就是说我们过去半年认真花时间研究了给这些frontiermodel做数据标注的公司最大的一个体感就是如果模型数据分布里面没有这类数据这类任务就是不work只有压缩过这类数据这个任务才work所以你就感觉今天的模型还是一个巨大的压缩器数据太重要了是的它都需要很多能启动的激活数据其实今天的模型它在知识层面已经超过了巨大多数的人但是Agent却没有见过人真实工作的环境所以就是还要找大量的人类专家真实工作环境的数据比如说打印店店员怎么操作Foodshop对吧这个销售人员怎么操作Salesforce对吧银行的贵员怎么用系统呢那皮肤科医生怎么看病呢其实都要征留人类金牌级别的专家这些数据然后在Hour的Training才让这个Pattern才能翻画就你就突然感觉这很像自动驾驶AZ要处理的厂委数据量很大而且解决厂委问题呢需要的时间很久那个之前大家有句话叫模型机产品但其实后面还有句话叫数据及模型就是模型机产品数据及模型我觉得这个是一个比较强烈的感受然后就关于AJ这个问题我们听过一个rumor就说SAM最近也在內部說先忘掉AGI當你過去一段時間搞明白了模型公司怎麼弄數據之後大家都在很大的力氣去搞數據我覺得這讓我對AGI需要的時間这个预期肯定是拉长了一些agent的落地呢需要的时间更久一些但是在局部知识工作者这个群体可能很快的比如说coding对吧所以我觉得现实一点的说就说在知识工作者这个群体局部的实现R3或R4的体验是能看得到的比如說ChatGP做信息獲取CodingAgentOfficePPTExcelAgent投研的Agent我覺得圍繞知識工作者這個群體是能挖出來更多像Coding一樣的金礦的吧所以這個結論就是說局部的R3R4确定性非常高很难整体的到R4但即便是现有的两个范式就是预训链和标数据做R2这些我觉得有可能也能让AI系统比绝大多数的白领知识工作者效率高很多也是有很高的经济价值的但能不能真正意义上吃到那个工资的预算或者说大规模的解决人类的高价值这个我觉得是不好说的如果这个周期拖得比较久那就是烧现金流的现金流之战那如果这样的话Google自己是很有优势的Meta投入太大了我觉得不好说那就是说Anthropocene它是一个棋子的压制我们相信欧盘还是能融到非常多钱的因为美国资本比较充裕那是不是这些frontierlab都要走向垂直走向分化我觉得分化会更加明显在自己的战略bet之下会做到更机智所以所谓的通用的插宝通用的agent它可能是个伪命题我觉得要在通用的能力基础之上做自己的分化在垂直场景里找价值在某一类场景里找价值你比如说ChatGPT做朋友Anthropic做CoworkerCodingAgent对吧Gemini做多模态的助理大家都要想想优化各自的数据嘛那我们来聊聊投资啊你的主业基于你现在认知你的投资策略有没有变化如果简单的说就是说AI的投资就是白糖技术成长最陡峭的地方围绕主线嘛如果简单的几句话就是说你应该投全球最领先的两三家模型这个就很像当年投电商平台其实不存在小而美的垂直电商第二就是投最领先模型需要的算力和规矩的info就像宁德时代和英伟达都是一类公司大家总还是低估这个趋势的大小吧然后第三就是投最领先模型技术溢出的红利那肯定还会有更多的PropertyCursor这种从技术溢出的夹缝中快速冲到几百亿美金的公司那往大了说可能还有拼多多和TikTok这种级别的机会对吧因为拼多多的本质还是说中国的电商的基础设施非常好了物流交通微信的流量供應鏈對吧支付這些都成熟了我覺得AI的技術是今天正是在走向成熟的這個階段然後我覺得今天的投資策略裡面一定要關注幾個大的平台一個是ChatGT一個是GoogleGemini還有一個字節對吧還是要理解平台眼睛的邏輯的平台能做好啥平台做不好啥我覺得這幾個大的公司再涨个三五倍概率是更大的而且是简单题但是平台又没做好的有漏洞的一些地方对吧我觉得这个是比较重要的今天这个时间点我觉得是比较关键的就是说站在今天未来三年的bet到底是啥所以我觉得通过深度的研究是可以找到爆发性的机会的就是研究真的可以做的很深当核心策略的吧我觉得其实很多人并没有真的做好topdown的深入的focus的研究你是研究性驱动的投资不是人脉性驱动的投资都重要的我觉得都重要所以回到AGI的投资策略呢你只拜他一家是风险也很大的最好是投多家因为大家是交替领先技术变化太快最好的还是有一个篮子我觉得是比较好的因为确实比较难最終判斷哪一家是winner階段性我們覺得AnswerPick非常好對吧今天我們覺得OpenAI非常好中間有一段時間覺得Google非常好最好是有一個組合吧你現在理想中的AGI的Index有變化沒有上一期播客應該是40%的OpenAI加40%的字節10%的Google10%的AnswerPick對吧我覺得現在是25%的歐牌25%的字節10%的Google10%的AzurePeak再加10%的英偉達和台積電每家都放一些就多了英偉達和台積電嘛那個我覺得你覺得英偉達還沒見頂不能當作投資的這個不作為投資建議我覺得英偉達今天是被低估的吧因為Google起來了嘛Google起来你觉得英伟达会跟OpenAI我觉得会交替领先嘛OK对然后另外我觉得还有一个点就是说你看ChinaGPT今天发布刚过了三周年对吧那今天要想未来三年重要的范式和winner到底会是什么样的对所以我觉得这些newlabs就是不管SSISYNCMACHINES也是应该好好考虑的嗯我们马上就要迈入206年了作為投資人你最期待的是什麼? 你接下來一年願意投哪些主題? 我覺得最重要最重要的還是206年希望看到下一個核彈級別的範式突破比如说onlinelearning对吧那如果这个突破了可能能带来更加主动的agent这个产品形态也会发生变化我觉得还有一个比较重要的就是看到了豆包手机这个例子就是不知道豆包手机最后会怎么样但我觉得给了很大的启发思考就是叫AgenticWeb我觉得这才是真正的Web3终于有了这样一个Power让创业公司或者新公司有掀桌子的机会之前几年是很难的这是一个流量短路和极强颠覆性的一个东西我觉得26年围绕知识工作者可能是有挺大的尤其是Coding包括多莫泰進步也會很快有可能是一個多莫泰的大年那多莫泰對整個的技術架構也會有很大的影響你剛才提到那個AgenticWeb能不能展開講對就是Agent如果成為流量入口了那對今天的SuperAppGooglesearch也好手机厂商也好我觉得影响还是很大的其实是一个流量的终局之战其实本质是抢的流量的分配权如果agent真的像做到助理一样不限量的运转那你比如说对于Uber对谢成仁公司影响是很大的其实我觉得是一个颠覆性很强的掀桌子的技术点吧你花时间在硅谷比较多能不能给我们讲讲最近弯曲的一些重要的趋势我觉得有几个感受吧第一就是刚才说的模型机产品数据及模型第二个感受就是一横一纵就是横向的在征留人类专家的知识纵向的呢又在搞下一代范式然后硅谷也出现了很多Neolabs新的实验室包括硅谷的机器人过去半年进步也不错吧待会我们也可以聊聊硅谷这些主要的AI公司从上到下的年化营收增长的情况模型及产品数据及模型有什么可以展开的吗其实你看过去几年最大的体验的升级还是来自模型的升级模型升级呢本质都是数据的升级就是Google之所以多莫泰强其实还是弄了很多真实的多莫泰的数据对吧图像各种Anthropiccoding强本质还是有最高质量的一个code数据那OpenAI更注重的是模型的性格或者擬人化朋友这些那你看Sora其实它更重视密码和传播性C端很强Google的VO呢很注重的是创作者的这个体验生产力其实这些都是在模型训练最初它的数据分布决定的我觉得这里面对创业最大的一个建议就是说除了你要的通用能力你想做好AI产品或模型产品一定要向下的做好数据你到底有哪些差异化的数据的byte我觉得这个是最关键的搞数据有没有看到什么新的好的方法有多少人工有多少智能有多少最高质量的专家金牌级别的标注员采集这些数据我觉得这是最关键的你刚才还说了一个观点叫一横一纵我就想到以前大家会担心OpenEye成为一个大一统的入口中心流量中心AGI时代的唯一的一个大的入口今天看应该不可能了这个是不现实的我觉得还有这种概率只是过起来大家觉得它的容纳性不会那么强了吧而且似乎是有很多级的入口之前杨顺宇那个观点世界不是单级的对而且手机厂商明年可能也是一个重要的主题吧一横一纵的展开讲讲横向就是征留人类专家的知识横向拓宽更多的行业领域吧其实这样做呢有可能AA的上限也挺高的那个Anthropy就觉得这样做就能到AGA了超过绝大多数的知识工作者那纵向就是下一代范氏嘛刚才聊的昂岚伦宁对吧那纵向突破了记忆的问题memory这个问题解决了边推理边学习对吧有交互甚至有新的硬件尤其是AI产品更主动可以alwayson对吧后台帮你准备联想很多东西包括交互形态对吧那个ChatGPT今天是必须promise之后才会回答不会主动思考那每次提问他都要从头推理一遍那推理过程中其实还没法学习最近OpenEye的Mark陳在有一次訪談中說到他心中的下一代產品應該是Memory這個記憶能力大幅提升AI會從用戶的這個提問中學到用戶深層次的問題這個用戶的一些經驗那個下次用戶提問的時候他已經做了很多反思甚至準備聯想了很多東西越用會越聰明那在這種情況下呢更聪明更主动的agent那有可能他也需要他的一个适配的硬件的交互方式硅谷最近出现很多newlabs其实不止我们知道的SSI和ThinkingMachineslab能不能给大家展开讲讲这些lab的分布嗯对最领先的肯定还是SSI对吧伊利亚在做的然后做模型的自主学习呃这个现有的范式都是预测下一个token对吧他可能想预测一个更长的逻辑那thinkingmachines刚才也提了可能有有一盘大棋然后还有一个opera的posttrain的leadliam出来做的periodiclabs他是做材料的模型应该说是叫室温超导那个liam呢他是opera之前posttrain的lead是mira这个Barrett他们走了之后这个Lam一度做PostTrain的负责人然后他另外一个连创是那个DeepMind的化学模型的负责人材料大模型其实比医药大模型相比呢就是说材料的实验反馈周期更短然后模型做RO的整个周期是更短的但这个呢什么时候出结果其实也看不到还有比如说做Multi-Agent方向的Isara创始人也是OpenAI出来的EddieZhang他是做一个相当于群体智能就是训练Multi-Agent各种需要的环境还有还有massn这个是x也出来的然后这个更像是做一个有同理心的模型这个比较像最早有个公司叫inflection那个方向做的吧还有比如说这个是一个世界模型方向比较有意思的一家吧他以前是一个游戏集锦那种高光的录制平台说是有38亿的游戏片段积累的数据他跟YouTube的数据最大的区别就是说它这些记录的全都是这个用户在游戏过程中的高光时刻所以天然的获得了用户标注的这种高质量和操作的反应数据还有一个比较有意思的就是英伟达最近投的Reflection就是这个像是一个美国版的DeepSeek因为现在是中国的开源模型充斥了美国的各种企业一批人认为不能过度依赖中国的开源模型所以要扶持一个美国的开源模型填补这个空白吧关于机器人你有什么洞察没有一个是从时间上过去一段时间都发了很多东西因为OPPA的CHP火了之后很多人出去创业对吧都想做机器人领域的OpenAI比如说PySundayGeneralist我觉得这三家是比较好的那个这个大家都出去创业了一段时间都陆续发了一些东西但还有做硬件的包括WaxFigure这些过去半年都是大家集中交作业的时候吧所以比较热闹硅谷的公司比较重视这个能力的上限的突破中国公司就更务实一些这里面比较关键的一个还是数据数据还是最重要的bet或者差异化的所在你比如说Google和Pi他们是摇操作的真机数据Sunday他们是用手套和重包的方式去采数据Generalist他们是用手套采了大量的真机数据宣称有一个27万条的数据说是目前最大的真機數據集然後包括也有一些進步就是說世界模型和YouTube的數據也在成為機器人訓練數據的一個重要的來源包括也有說這個跨設備的數據馬上可以這個cross通用了然後之前大家還關心機器人的場景用在哪裡那今天我覺得主要還是兩個場景一個是疊衣服一個是沖咖啡但除了這兩個以外還沒有大規模的泛化吧然後另外一個就是大家可能更重視硬件了甚至有的人就覺得硬件可能佔百分之七八十的成功要素吧所以越來越多的算法公司都開始做自己的硬件了我覺得機器人公司實在是太多了你最看好哪幾家你覺得哪些是這其中比較值得關注的我覺得大公司裡面最好的還是Google跟Tesla一個做大腦一個做本體硬件創業公司我覺得最好的有三家一個是Pi一個是Generalist他們的公司還有一個是SundayTony他們的公司我觉得派首先是团队非常强就你就知道他长期的vision是做啥就是机器人领域的大脑research的文化非常好世界级的然后最新发布了一个recap强化学习框架这个核心就是说他在他可以验证机器人执行任务的鲁莽性就是每个步骤都是一分还有一个模型在打分就是这一步到底是0.78分他可以不断优化就他加了valuefunction或者这个creditassignment这些这些东西就像下棋一样他知道每一步什么是有利于成功的什么是这个我觉得能从成功和失败中学习我觉得这也是一个挺重要的进步吧当然今天的学术属性还更强一些第二个就是Generalist也是Google出来的团队他们的口碑和能力都还是非常好的这个比较重要的是他们宣称说自己发现了机器人领域的SkinLaw有了27万条真肌因为有真机数据它的流畅度和丝化性其实比以前也好了非常多这里的screenload也比较有意思这个跟模型参数有关这个7B以下对如果你增加很多好的数据呢对效果提升是很有限的但你10B的参数以上呢你增加数据对模型提升效果就就非常好而且重要的是可预测了其实这个我觉得还是一个值得重视的一个信号吧然后桑蒂呢他們就改造了那個烏米那個那個那個手用手套的方式這個就可以低成本大規模的去採很多家庭數據我覺得他們是比較這個有想像力的就想直接進家庭做家務這個他們說採的這些數據這個利用率還能比較高的吧包括还有一些公司叫丹娜我觉得是比较务实的就是做叠衣服对吧然后叠纸巾希望先把这些场景做好那个丹娜可能不像另外几家AIResearch上很酷但运营能力其实是比较强的我觉得这里还是不能忘了GoogleGoogle还是综合能力最强的得天独厚的一个优势吧然后因为其实背后底层是Gemini多模态能力很强然后对我觉得大概是这几个名字吧它有整体一个基座模型的优势是的机器人现在进步很快你觉得现在到什么阶段了呢离所谓的GPT-4时刻还远吗我觉得离GPT-4还有挺长的距离的今天可能处于一个GPT-0.5到GPT-1的时刻可能未来两三年到GPT-2到GPT-3的时刻因为今天架构数据方法都还没有收敛这个跟之前语言模型这个还是不一样的语言模型是很收敛的大家Portrait这个方法和数据都还是比较一致的这个语言模型是先统一再分化对吧机器人是一上来都是分化的那个因為機器人不像語言模型它沒有一個統一的這些基礎也沒有統一的硬件那個同時多麼大的進步包括各種人才的湧入其實每個團隊都有自己的BET所以今天機器人還是一個百花齊放的狀態吧估計可能再跑一段時間之後可能技術路線才會收斂但是場景和方向大家還是有不同的分化和BET你剛才說可以給我們分析一下頭部這些公司AIR的增長情況拿來分析一下吧嗯先说一个结论啊就是说越头部的公司越便宜越头部的公司越没有bubble其实反而有bubble的可能还是后面的某些公司然后你看我们从上到下往下数就是说oppa可能200到210美金对吧? Anthropy可能90到10亿美金其中比如说CloudCode这个产品可能已经公开都已经这个10亿美金以上的AR了Cursor也已经超过10亿美金了然后数据标注的两家SurgeAI还有Macur都超过10亿美金的AR了然后MidJourney的话我看公开也说七八亿美金对吧还有TogetherAI这个做Serving的有个三亿美金所以接下来后面的可能都少于三亿美金了比如说Green企业搜索的可能有两三亿美金RapidWebCoding的一個有個兩三億美金比較有意思的是聲音的那個ElevenLabs他可能有個將近三億美金的AR還有前端建站的這個LoveableLoveable可能有個兩億多美金了然后医生版的ChatterGPTOpenEvidence这个有个1.5亿美金然后还有数字人的Synthesis然后有个1.5到2亿美金包括FireworksAI有个一两亿美金包括医疗的Average这个科普的Ciara其他可能还有一些比如说Harvey可能也1.5到2亿美金黑鸩可能也一億美金以上了然後回頭我們可以貼一個圖貼到那個博客的後面就是我們整理了一個其他的可能還有一些這個包括Minus、JamesPark也都這個有一個大概的我們之前被說老在聊這些矽谷公司對於國內的這些豆包、千萬元寶、DeepSeek、Kimiminimax质朴还包括minus你有什么想说的吗我们听说豆包已经超过一个多亿的DAU了吧我觉得还是超预期的豆包今天的模型完全不代表真实水平为什么我感觉人才密度是比较高的就是可能也是一个模型就改变一个frontiermodel出来可能又改变所有人对豆包模型的印象了很多人说豆包今天模型不够对不起他的能力对吧那我觉得可以期待一下26年豆包新的模型出来我觉得这个领先性还是比较强的可能26年是中国C端chartboard肯定竞争的一个关键窗口吧你觉得今年还没有分胜负对吧腾讯阿里肯定会激进的弄呀对吧所以26年肯定大家我看这个投放啊什么这个宣传挺多的也就这几个大厂卷流量入口了吧其他呢我觉得都要有各自的bet嘛就是你看25年我觉得很多的独立的模型公司都在学anthropic要么做codingKimmy在学他对做coding或者学minus选minus选做agent你觉得可以预见的是模型下一个胜负手是什么呀我觉得两个吧一个是产品上端到端的战略的bet你比如说anthropicbetoncoding给自己找到了一个战略的生态位对吧那chessGPT其实也是端到端betc端的朋友对吧那这个体验也比其他的更好一些那第二个胜负手可能就是下一代饭食了看谁先弄出来如果模型自主学习Worker之后那最后就是加算力的问题了他可以跑得很快中美的AI叙事你觉得在过去一年有发生过变化吗那么聊聊中美AI产业对他们整体的一个体感的差异就是资本主义只追求叫最极致的东西对吧叫资本驱动数据驱动或者token驱动那资本家呢就只奔着那个金字塔的塔尖去弄了那这个带来的缺点就是美国的产业空心化是很严重的制造业也是比较空心化了这个贫富差距也比较大其实你就发现美国能造出来的东西很少了以巴菲特为代表的资本家只追求回报率对吧那TimCook为代表的职业经理人为了迎合资本家都把制造业转移到中国了我觉得这是造成产业空心化很大的一个原因吧那个所以你在外区待久了就会有一个感觉美国的制造业就是印钱印出了无数的美元和美债那这些美元和美债呢今天都投到了AI这个方向所以如果AI成了那美国会非常的牛那如果AI遇到一些卡点那其实这个短期的挑战肯定还是有的所以这个就很像当年的美苏争霸中国就像这个当年的美国一样猫在后面那个把美国的Frontier的零到一去做产业化所以你看电动车智能手机3D打印机运动相机很多东西都是硅谷零到一发明的但是中国呢后来居上占据很大的一个市场份额这个我觉得一个很大的原因还是说硅谷他做出来了它是主動放出來了它去追求一個更高階的創新了那壞處就是產業空心化嚴重只有一個空中邏輯了所以我覺得AI是真的會決定中美未來的戰略格局和競爭力的華人創業者在這一波AI的浪潮中非常的強勁你對他們有哪些建議我覺得第一要堅定的做全球化市場尤其是高付費能力的美国市场美国能贡献收入的百分之六十利润的百分之七八十然后第二呢一定要用好中国的人才工程师红利不要放弃中国的人才红利和产业优势我觉得淡化身份淡化地缘就是做好产品本身吧一定要用好华人的这个人才优势这个是一个最关键的要素而且华人创业者我觉得要更自信不用很别扭的非要把自己包装成一个海外公司说我是美国公司说我是新加坡公司其实你团队百分百都是中国人对吧我觉得做好产品就是王道叫自强则万强对吧然后第三呢就是说真的想拿硅谷一线VC的钱其实不容易的因为这个信任链很难就是比如说你在咱们这个圈子大家都知道你很牛都支持你了那个那你去给老外证明有时候比较难证明的没有这个信任链我觉得中国VC也是重要力量的所以其实你在早期发展的时候这个能拿什么钱我觉得这个就多拿了我覺得客觀來講中國創業者其實做美國市場遇到的這個困難因素是比這個矽谷當地的創業者肯定是更難的要克服更多然後這個身份啊地緣這些問題所以搞得我覺得反正我們也都挺討厭說那些說不投中國背景團隊的那些美國VCE但你沒辦法我覺得這個東西我覺得就是叫自強則萬把產品做好拿產品說話那你做大了總有人會幫你解決各種問題為什麼你說希望推動中國有個矽谷我一度觉得中国有个硅谷就是中国有个硅谷这个意味着是一个很多的零到一的创新对吧移动支付二维码直播微信O2O对吧其实中国一度零到一的创新是很多的大家都是很自豪的那个美国投资人还经常来中国学习这两年过去四五年少了很多对吧我是201年读大一那个那一年给我一个很大的触动就是電商雙十一剛開始起來那個雙十一快遞堆滿學校門口我覺得那次給了我很大的震撼就是後來各種O2O這個拋腿的生意對吧後來到紅杉做投資那個你看到了很多這個中國零到一的創新我覺得那時候的創新氛圍也是蠻好的我覺得這種創新氛圍呢現在只能在矽谷感受到了這個其實坦白說過去幾年我覺得中國的矽谷對比美國的矽谷其实这个差距是有点拉大了我觉得很大的一个原因是资本的贫瘠市场化的民间资本太少了我们团队拉了一下过去三四年里面诞生的AI的应用公司長到獨角獸的可能有10多家了全球全球然後做應用的公司裡頭中國團隊做的我現在只能想到三五家我覺得這個比例比互聯網時代少太多了我覺得非常可惜的這不包括大模型對吧不包括大模型那個我覺得中國的人才優勢還是很強的這一批95後978的是非常優秀的但是很多年輕人呢0到1的高風險創業新其實是需要VC的風險資本去投資的因為這個創新的失敗率非常高因為VC本身就是一個風險的生意對吧那很多創新是從邊緣市場冒出來的那這種就需要風險資本的支持才能做起來我覺得肯定是希望中國能有比今天多個幾十倍甚至幾百倍的VC的資本支持各種的創新这样年轻人的想象力才能被激发出来吧所以我觉得肯定希望各类资本都更充裕一些多支持一些年轻有想象力的创业者吧你对华人团队的长期有什么期待呢你觉得三到五年之后全球最领先的AI公司会是华人团队做的吗三到五年后全球最领先的AI公司如果是如果是华人背景团队的这个概率之前可能是0-5%的概率现在我觉得到了20%的概率我不知道听众大家觉得自己内心是一个什么样的概率我觉得这里面核心变量就是我觉得华人的人才基础非常好但是今天只有人才这一个关键要素此外还是需要资本算力创新的环境另外也要看对最领先的定义怎么定义如果是规模和营收都是最大人才竞争力最强那我觉得有可能是自己那个我觉得希望我觉得希望未来中国还能有10个自己的这种公司做好全球化的跨国业务吧营收技术和人才竞争力都是比肩甚至超过美国的Mac7的因为GoogleMeta没有中国市场那中国公司你能把中国也做好全球也做好那肯定是最好的也希望未来对中国公司的叙事包括定价也更好一些了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