141. Freda的投资札记第2集：Tokenmaxxing、把电机塞进蒸汽机、接力赛变篮球赛、孤独、人的连接

Summary

张小珺Jùn｜商业访谈录
EP141：Freda的投资札记第2集——Tokenmaxxing、电机塞进蒸汽机、组织进化、孤独与连接

日期：2026年5月18日
主持人：张小珺
嘉宾：Freda（湾区投资人，Ultimate Capital合伙人）

---

节目主题概览

本期《投资札记》继续由张小珺对硅谷老朋友、投资界的Freda做深度访谈。两人围绕AI时代的投资热点与“Tokenmaxxing”、AI对组织与产业结构的颠覆、科技焦虑及个体情感连接展开对话。全程信息密度极高，同时不乏感性段落，探讨技术变革下人和人的关系还能剩下什么。

---

主要讨论板块与观点

一、AI与Tokenmaxxing的本质与产业链（00:43–18:49）

• Token作为新的计量单位

  • Token（模型输入输出单位）在AI行业的重要性堪比工业时代的“千瓦时”。
  • Freda强调：目前行业很大程度上被“token”本身误导，真正重要的是每个任务消耗的token量，即token per task。

    “同一个任务，不同模型的token消耗能差几十倍、有时上百倍。这决定了效率。”——Freda [03:35]

  • Output长度、模型推理过程中的reasoning token和agent式workflow都极大拉高token消耗，不是token越多效果越好，反而追求token少、效果好的方案最优。

• Token大爆发与浪费现象

  • 现阶段Token消费呈爆炸式增长，这是行业不成熟、计价方式粗糙所致。

    “很多CFO看到token暴增就加单——但其实token和token不是一码事。”——Freda [09:12]

  • 但从用户数和任务数提升看，未来token总消耗还会大幅增长，与此同时token-per-task和dollar-per-token会逐渐优化。

• 长期计价趋势

  • 现今项目按token消耗量收费，但最终会逐渐转向“按效果付费”。
    • 例：AI客服公司Sierra按解决问题收费、按难度阶梯定价，确保客户利益和自己利益一致。[15:32]

    “Sierra模式，我觉得是最优解，但其他行业未必能照搬。”

• 行业算账与盈利模型

  • 以Meta、Uber等科技大厂为例，AI花销占EBITDA约1～2%，目前整体可控。
  • 但Fred预测：计价方式、token浪费都会被逐步改善，最终行业一定会回归性价比与实际创造价值。

    “总的说，咱们现在就是把电机塞进了蒸汽机。”——Freda [22:30]

---

二、顶级模型公司竞争与产业演化（18:50–39:15）

• 模型竞赛进入递归自我加速期

  • Coding agents让模型之间的“自我迭代闭环”成型，头部公司像Anthropic、OpenAI通过AI训练AI，领先优势可能首次变得牢不可破（recursive self-improvement）。

    “这就像马车换成汽车。前期还追得上，后期完全追不上了。”——Freda [24:20]

• 商业模式变迁

  • 从类SaaS（subscription）转为纯使用量（token）计价，客户会动态选择模型、自动多平台切换。
  • 预测头部两三家模型厂商会形成巨大的收入体量，甚至让市场对数字天花板的认知再次刷新（如全球白领market TAM被重新定义）。

• 各家厂商进展与市场策略

  • Anthropic/Cowork用户增长斜率陡于以往产品，OpenAI、Google、Meta等全面加码coding。
  • 过去高估了coding市场体量，现在反思“量、价假设都错得离谱”。

• “负向滚雪球”商业模型与逆转

  • 只要训练成本年年大幅提升、收入覆盖不及毛利，公司就会越滚越亏。
  • 但如收入爆发式斜率超过3倍，也可能突然转盈利。

---

三、AI冲击下的软件、组织与新业态（39:16–1:10:00）

• AI对传统软件与组织架构的颠覆

  • AI公司人均收入数倍于传统软件公司，十几人可支撑1亿美元收入，销售组织被极致压缩。
  • 投资人已经在2级市场大幅降估软件公司估值，但1级市场“价格倒挂”严重。

    “组织本质是信息传递——开会、层级、对齐全在搬运信息。AI变强，这些都要重构。”——Freda [1:02:30]

• 组织架构需要“第一性原理”重做

  • 历史上新技术初现往往先“把电机塞进蒸汽机”，短期提升有限，长远看需重组流程。
  • 预测未来公司更像“篮球赛”小队，3-5人小分队拥有决策权和全链能力，而不是层层传递式接力赛。
  • 中层大幅压缩，信息捕捉和客户洞察高度自动化。

• 软件的“脆弱”与“安全”

  • 精美UI型、数据结构高度规整（如项目管理、电子签、BI）最易被AI agent取代；而如Excel这种“非结构化”混杂的数据边界较为安全。
  • “数据仓库”也并非绝对保险，AI agent可直接API获取。

• AIGC与Agentic新机会

  • 2B AI代理（agent）远优于2C，信息沟通成本高的B2B跨境、电商、金融流程最易agent化。
  • Agent基础设施创业公司萌芽，如agent专用email、phone等底层重做，websocket优于http，新一代软件“为agent重新设计”。

---

四、AI赋能投资行业与未来市场结构（1:10:01–1:27:59）

• 投资行业AI化

  • Freda坦言投资行业极其低效，信息采集和处理高度手工化。
  • 具备结构化数据和明确定义后，agent能做出比人类更优的投资决策。

    “理论上AI一定比人类做投资好，只是大家还没把思维完全解构成机器能理解的语言。”——Freda [1:13:18]

• AI催生市场风格变化

  • 散户、机构风格收敛，alpha获取窗口极短，event-driven行情将极致压缩。
  • 市场日益narrative-driven（叙事主导），跨行业研究与对“主题投资/热点”的敏锐成为新优势。

• 创业机会与“NeoLab”热潮

  • 硅谷“NeoLab”——从一线大模型团队分裂出的全新AI Lab创业潮，成为VC新宠。
  • VC机构策略按基金规模分配头部押注。

---

五、焦虑、变化与人之连接（1:28:00–end）

• 硅谷焦虑的本质与共鸣

  • AI节奏之快带来的“集体焦虑”是真实存在的，包括Freda自身都有“装不上OpenCloud半夜痛哭”时刻。

    “做科技投资，每出新东西都要上手用，但实在太多太快，每天都焦虑落后。”——Freda [1:35:00]

  • 焦虑与孤独更多是一种时代共性而不是湾区特有。
  • 强调面对不确定性要“Strong opinions, loosely held”（强烈观点，灵活坚持）。

• 人和人的联系还有什么

  • 随着信息和知识交换功能被AI接管，人与人之间信息性对话的边界被极致压缩。
  • 真正剩下的是“人的情感连接”：分享心路历程、勇气、遗憾、spark时刻——这些才是对话的“内容”与意义。

    “所有信息型的东西都可以交给AI，见人只剩下聊一些真诚、有人味、有spark的东西。”——Freda [1:46:55]

• 对创业者的建议

  • “不要太相信大公司分析，创业靠脑热和勇气，因为大厂、模型厂愿意做的你挡不住、你也想不到终局。”
  • “大时代刚刚开始，变化快、风险高，但也是百年一遇的窗口。”

---

精彩语录与记忆点

• “Token早晚会变得比你想象的小而精准，最终拼的是效果不是token数量。” — Freda [08:53]
• “模型公司不是SaaS，是usage-based，客户随时最佳方案切换。” — Freda [22:12]
• “组织层最底色的动因始终是信息流，AI能力提升后整个结构都得重来。” — Freda [1:03:17]
• “焦虑其实就是对‘掌控未来’的幻想破裂，强意见要lightly held。” — Freda [1:40:42]
• “真正剩下的人与人之间的，只有交流那些不好意思说出来的东西。” — Freda [1:48:00]

---

重要时间线（Timestamps）

• 00:43——Freda介绍、Token费用本质讨论
• 05:20——Token per task的意义与模型效率
• 11:32——行业现状：token浪费与预测
• 15:20——按效果计费与AI行业进展
• 22:30——历史借鉴“电机塞进蒸汽机”
• 24:20——Recursive self-improvement与模型代际演化
• 39:11——AI对软件公司的冲击、投资估值倒挂
• 59:00——组织架构重构/篮球赛类团队预测
• 1:06:30——AI agent时代下B2B与基础设施新趋势
• 1:13:18——AI agent投资工具论
• 1:30:45——市场大浪潮、NeoLab创业、资金轮动逻辑
• 1:35:50——硅谷焦虑的共鸣与自我疗愈
• 1:46:55——人与人的联系、情感维系的价值

---

总结

本集堪称全面审视AI时代下技术、产业、投资与个体状态的“全景式大总结”。既有对Token经济、模型迭代、商业模式巨变的理性拆解，也包含了创业者、投资人对行业浪潮的现场判断与反思。最让人深思的，是两位高强度信息工作者坦白焦虑、坦承即便在科技最前沿也常常“跟不上”变化的赤裸心声，并提醒我们关注技术洪流下人与人的真诚联结。

---

微信公众号：语言及世界languageisworld
愿和你一起，从这里，探索新世界。

Transcript

[A]

Hello大家好我是小俊今天是我们的系列节目FREDA的投资扎记第二集可能有听众是第一次听我们的节目那我还是来介绍一下FREDA段在湾区做投资是UltimateCapital的合伙人这是一个硅谷科技基金横跨一二级市场在一级市场的投资案例有OpenAIAnthropic字节跳动在二级市场的投资案例有英伟达存储芯片SnowflakeRobinhood在FREDA的投資詐欺的第一集也就是我們的第125集節目中他曾經深入地分析了當下美國的明星公司給他們的巨額收入算了算賬探討了美國資本的新秩序以及當時大家都很關注的泡沫話題那可以预告一下的是在本期节目中呢我们除了一如既往的聊AI和投资这些很干的内容之外比如说TokenMaxing啊AI时代的组织架构啊我们还会聊一些很感性的东西尤其在这个充满了不确定性每个人都很焦虑和孤独的时代人和人的关系还剩下什么那接下来就是我对Frida的访谈期待206年我们和AI共同进步实话说就是很焦虑所以你也会觉得自己跟不上对吧对我其实比如说几个月之前有一天我深夜因为在家装不上OpenCloud真的是痛苦就说出来非常的搞笑但当时就是你一个东西装不上你就会想说我连这个都装不上我什么都跟不上就是不是要被时代淘汰了那你觉得人和人之间还剩下什么人和人之间那我们今天邀请的是在湾区做投资也是我们之前125集的嘉宾Freda来返场那Freda还是先给听众朋友们打个招呼大家好也谢谢小君邀请那开始我不是很想跟你从我们熟悉的那个硅谷玉三家这些模型公司开始聊我们先聊一个在AI时代新出来的一个计量单位就是Token那现在大家都在讲Token公司的收入Token的消耗但是Token这件事的本质我覺得這幾年因為AI出來所以出了其實是有幾個這樣的單位吧包括大家經常說的叫dollarperflop包括dollarperwatt包括你剛提到dollarpertoken那現在用的更多的是dollarpertoken然後它比較的是相當於是實際業務的回報我觉得一个比较明显的趋势就是我觉得到未来当我们去看一家公司会去比较一些公司的时候应该都会去看dollarpertoken我会把它想象成为就是工业时代的大家看这个dollarperkilowatthours就是一个千瓦时的一个概念比较的是能耗产出比但同时其实我也写过一些文章然后我非常想说的就是我觉得token其实也是一个非常容易误导人的这么一个单位因为这里面最重要的就是tokenpertask就是说你同样一个任务不同的模型或者说不同的应用消耗的token可能差几十倍甚至上百倍我觉得这个理解是非常重要的这是为什么呀其实原因非常多我觉得一个就是输出的这个长度可以差很多比如你同样去有一个做coding的这么一个任务比较好的模型可能有个一两百行非常经典的代码就写完了你便宜一点可能弱一点的模型呢需要写几千行非常啰嗦的代码你表面上看这两边的任务都是完成了但是其实你消耗的token是完全不是一个量级然后这个里面还有一些像大家都说的这个什么一些比较隐藏的叫什么reasoningtokens很多模型在回答之前会做大量的这个中间的推理你这部分用户是看不到的但它实际上不同的模型会消耗非常不一样这个数量的这个computetoken第三就是现在大家说的比如说一些什么agented这个workflow它本身就会像一个放大器一样更加放大这个token的消耗所以就真的是同一个任务不同模型的这个token消耗量是可以差非常非常多的嗯这是不是解释了为什么有些token的用量特别大那token的消耗是越多越好呢哦这个肯定不是越多越好而且我觉得其实是反过来的因为最终大家会意识到你要的其实是你的效果以及你追求达到这个效果能达到最高的这个效率比如说我举一个身边的这些developer都说的一个反馈的一个例子像cursor这个coding模型你问他同一个问题他就是会消耗更多的tokens那他并不是说他的效果更好而是说同样的效果之下他的这个能效是更低的但是如果我想象一下如果我是一个大公司的这个CFO我给我的这些developer一些这个cursor的这个credit然后那我能看到的其实就只是cursor的使用量是在暴增的然后我就会推断说呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃呃那我作为这个CFO那我的结论就是说我要继续加单我觉得这个是一个行业在相对比较早期的这么一个现象我觉得是大家还没有真的理解到就是Token和Token不是一回事就是这个事实那所谓这个Token大爆炸会不会自然的消停因为毕竟模型会变得越来越的高效我觉得没有那么容易去直接回答说是或者不是就是这个里面如果我们比较就是academic可能会有这么一个比较学术化的这么一个公式就是AI的总投入实际上是可以分为几个input的那其中第一就是你有多少个用户然后去用这个去乘以每个用户完成多少个task然后再乘以这个tokenpertask然后再乘以你的这个dollarpertoken的这么一个其中前两项就是用户数和每个用户的这个任务的这个量肯定会继续大幅增长的你从程序员如果说破圈到普通的白领去用AI其实是一个非常大的一波用户破圈比如说像就是Anthropy有一个产品叫Cowork那Cowork是一个给像我这样的普通人去用的一个产品Cowork我们看到在它同等的规模量级的时候它的增长的斜率实际上是比就是CloudCode当时还是要陡峭很多的所以就是前两项也就是用户数和每个用户的用户数我觉得是没有什么可说的是一定会继续增长而且大幅增长的但是后两个我觉得都会是有优化的因为现在整个这个状态你看大家都去说我用了多少个投币然后以及我花了多少钱我觉得这个状态本身其实是不太正常的嗯你觉得这个未来会怎么演变我觉得可能还是拆开这两个看吧比如说tokenpertask就像我们刚才讲的我觉得是最有效率的模型其实overtime是会越来越被大家认可然后dollarpertoken这个里面也有一些一些变化和一些就是具体的理解比如说像unprofit这个opus这个模型它名义上的这个售价是5块钱permillion的inputtokens然后是25刀的这个permillion的outputtokens但是就是根据这个行业的这个第三方的分析,它实际上的收费其实只有一块钱,就是因为它的做这个缓存做这个这个cash的命中率其实非常的高,可能有百分之九十八九十九这么高。 当然也是有其他原因,就说比如说它这个agentiveworkflow,它input是比output长很多的。 所以dollarpertoken这个里面实际上也是有很多文章可以做的我觉得过一阵大家会越来越意识到其实模型的性价比才是这个里面最重要的东西所以怎么演变我觉得现在肯定是一个非常浪费的状态但是并不意味着我们刚才把这几个拆完之后就是AI的总投入会下降我自己的想法或者说就是想的这个方式就是我觉得现在这个时代背景很多事情其实是既对又对的就比如你说现在的大家说tokenmaxing有没有大量的浪费我觉得这个答案是肯定的但是你说token的用量未来会不会继续大幅上升我觉得这个也是对的听着矛盾那其实是不矛盾的对我看到有一些投资人是用那个token的消耗量作为项目的判断的依据你怎么看我觉得是一个阶段的产物吧就好像你在工业时代的时候你不会去真的炫耀说我一个灯我耗电耗特别多反而你会去购买可能贵一点的这个LED我觉得过一段时间这个东西会有一定的变化我记得你比较擅长算账啊那现在很多公司花在AI上的钱你觉得是真的在创造价值还是说在烧钱这个里面大家一般被拎出来说的其实都是比如说Meta也都是传言说他在CloudCode上面一年的这个花销是好几个Billion就是有几十亿吧确实是一个非常吓人的数字然后这个里面比较有意思的是因为Meta最近也说他要裁员10%嘛然后我大概算了一下我说啊数量极少他这个10%的裁员大概刚好能对应他在CloudCode上面的这个开支当然我不是说这个是直接的因果关系再比如像Uber的CFO其实上个月也跳出来说他说他们公司在三个月之内就光coding这一项就花掉了原来计划一整年的这个AIbudget所以算下来大概是几千万的这个量级我大概算下来把头部几家公司尤其是在做tokenmaxing的公司拉出来来算的话目前大家的这个AIspend大概对应百分之一百分之二的这个ebitda所以目前还算是一个可控的吧说实话其实算出来这个数比我想象的要好我以为其实已经是一个更大的这么一个数字了你觉得按token收费这个模式长期合不合理这个我其实会有一个自己比较强的判断就我觉得行业逐渐大家会理性起来然后所以这个收费模式是一定要变的我觉得是会逐渐从按照token收费转向按照效果付费就因为我们刚才就是说的就token这个东西本身其实真的不是很可比有一个公司叫Sierra它是做AI客服的然后它就是完全是按效果收费的然后我们访谈下来其实它的客户也非常认可它这种收费模式它就是说如果我AI能帮你解决这个客服我没有转人工我是收钱的如果我转了我就不收钱而且它里面还分很多就是问题的这个复杂度这个解决度然后它的单价也会不一样所以我作为客户其实我跟Sierra是非常interestsaligned的就是说我们都想解决这个问题然后我们都想少去烧这个token所以其实是我觉得一个最优解吧但是这件事情在客服里面是非常ok的因为你可以量化但并不是每个行业所以我觉得可能会是一点一点比如说从客服的这个解决率从你的这个销售转化包括什么催收贷款或者说保险利赔就是一些场景我觉得会先开始变成用效果付费然后有一些比较有创意类的比如什么写作这些那我觉得可能对吧长期可能还是会是按token收费的这种这种效果因为写作的效果不好量化嗯接下来我们还是要聊聊这几个重点的模型公司啊那先从这几个月大家最关心的一家公司安德罗比开始聊起他应该是今年最亮眼的模型公司之一吧那在你看来啊安德罗比你觉得他这一波的领先优势能持续多久啊他的壁垒高吗对我其实也一直在想这个问题啊就是我觉得过去两年吧就是大家的默认的假设都是说SOTA的模型每几个月都会换一次手那去年底是大家都在吹Gemini然后之前是OpenAI现在Unprofit那过几个月是不是会继续换所以领先这个词就在之前一两年其实都是一个rollingbasis的但是我觉得可能就是这一两个月可能是第一次我开始就是质疑这个假设它会不会持续核心的原因就是当这个codingagent成熟之后其实出现了一个我觉得非常重要的一个loop就是你更好的AI才能去训练出下一代更好的AI所以就是这个循环一旦跑起来就有一点点就是那些researcher说的叫recursiveselfimprovement这个味道就是它如果真的过了某个临界点这个曲线会变得非常的陡峭那你后面就是有点就singularity或者就你怎么定义它吧就是后面再追的人可能真的就没什么意义了你觉得这个拐点这个转折点这个变化会在什么时候发生也就是说AI训练AI其实已经还有两年嘛为什么这次是不一样的呢我觉得现在只是还在这个发生的时间点的一个早期就是可能就是从今年1月份开始吧其实节点也就是codingagent的成熟往前翻可能6个月之前你coding的模型对于一个工程师的他们叫这个totalfactorproductivity的提升可能就只有一个5%然后到去年底可能能到1%205现在肯定是更高的所以你看模型大厂出新模型的速度其实也不像以前就是要花大几个月甚至一年反而是一个月就能出一个新的版本我觉得这个其实是真正的原因为什么像Meta那么大一家公司会愿意花几十亿在一个别的公司的模型上面因为你如果没有这个东西你迭代的速度就是真的会比别人慢一大档那你覺得今天現在到了後面無法追趕的地步了嗎? 我个人判断其实我觉得已经非常非常快了就不是很恰当但如果说做一个类比就有点像是我不知道是不是像当年比如说马车换汽车那种感觉就是我猜啊就最早创造出来的汽车可能也是经常抛锚所以你前面的一些就是快马可能还能跟一跟追一追然后那个时候两者的差距可能没有那么清楚但是你一旦这个汽车可以正常稳定地跑起来了那你没有对吧你没有这个汽车这个引擎的这个马就没有任何比的意义了所以可能就回到coding吧就比如说OpenAI它是按照就最近这两个月按照GBT和coding两个组做了非常大的重组然后把coding推到了非常非常高的位置然后Google是就是Surgey亲自在管coding然后Meta内部也在推自己的coding的模型然后也是希望年底能做出Sota啊什么的然后XAI对吧就是公开收购Cursor其实背后的逻辑都是差不多你怎么看Codex和CloudCode之间的竞争对外面的比较非常非常多讨论也非常多我个人觉得任何时候如果大家在两个产品或者说甚至两个人之间有非常多的争论会比较其实通常说明他们实际的效果是差不了太多的Codex最近很明显在打价格战做了非常大的补贴然后凡是比如CloudCode不让用的地方然后Codex都是就是欢迎你去用所以这个我觉得这个价格战还是挺正确的一个策略吧对于他来说因为他是毕竟是后来者这里面也说到我自己一个反思就是这两年花了太多时间就在比较openandprivate但我觉得更重要的逻辑应该就是说知道这两个都会非常的大而且最近的一个思考就是觉得呃你如果看商业模式就是整个这个模型层或者叫叫智能吧它不是一个sas的一个概念sas是就是subscription嘛它是按人头收费当你一个东西是subscription的时候实际上你是价格是封顶的然后你买了之后你用的越多实际上越便宜所以你作为客户其实你会倾向于只用一家因为你你钱都花了花在这个perse上面了但是模型它就肯定是一个usagebased然后是一个tokenbased所以你作为CFO就是你做的这个选择不再是说哦我今年选择哪个vendor而是你在去optimize就是我每一个query我用的是哪一个模型这么一个问题所以它实际上因为它的商业模式会反过来鼓励大家同时用很多个vendor然后而且随时比较随时切换所以OPI和ANTHROPY的关系在现在看来我觉得不是传统意义上的竞争CODING的能力还是最本质的对对对我觉得这两年有很多反思但其实这个是里面非常大的一个反思就是实话说一两年之前刚出来CODING这个赛道的时候其实投资人去估算我们叫TEM就市场大小的时候就是用价格分离量然后那个时候觉得量也就是说谁会去用这扣点模型当时大家就是说每位有多少developer然后就是四五百万人其实是一个很小的一个小众群体然后那个时候当大家去考虑这个价格的时候我记得我们那时候还内部有些讨论有人说20刀差不多了有人说应该能到20刀因为你整个一个软件也就是这么贵因为一个公司最多最多可能也就花一两千块钱在它所有的软件subscription上面所以20到对吧给到coding大家觉得已经很可以了对吧你用价格乘以量你算出来其实也就是一个10亿美金吧这么一个市场规模但明显这个东西是完全错误的因为到今天你unproper一家的这个收入都远不止这个量了所以反思的话觉得对量和价当时的这个估算都错得非常离谱所以这个到底应该怎么去思考对我觉得可能真的是回到像Daryl说的就是全球的白领他一直他的那个PPT投资的PPT里面就是上来的第一页就是白领的10他说是一个三四十个trillion就是大概三四十万亿的这么一个市场规模他说这个就是他要去吃的市场的这个大小这个逻辑我理解来看就是说因为我们每天做了很多事情都有一点点就是说如果我会写代码我应该会让电脑自动去做这个任务的这个意思所以这个思维就是说我coding真实的time实际上是任何可以被计算机操作的事情然后随着这个世界也是越来越数字化,这个范围是在持续扩张的,包括我希望大家用AI去操作Excel,或者是我觉得之后会用AI来做交易,所以这个是它真正的time。 对,所以其实每次想到就Cowork这个产品,就两个人做出来,都觉得真的是挺震撼的一件事情。

对回到coding我觉得哎或者说反思投资这件事情就投资做判断我觉得是经常错的然后作为投资人我觉得我能做的事情也就是在发现coding的这个收入当时很快飙到10亿美金的时候就应该非常快速的意识到自己本来的投资框架和time就彻底想错了对然后及时改吧哎你是什么时候意识到的这个应该就是可能最早什么看最开始是Cursor吧Cursor的这个Coding收入很快就飙到可能10亿美金然后是CloudCode然后上来就是那个时候因为你按10亿美金按照我们那个Time来算就已经占了10%了那肯定是没有那么正常的这件事情所以那个时候就应该有很及时的这么一个反思我记得你之前提过了一个概念叫负向滚雪球你用来把负向滚雪球来解释模型公司的商业模式这个框架你现在有没有发生一些变化这个概念其实是Daryl提的我只是把它翻译成就是更投资人的一个语言我依然觉得这个是一个非常经典的一个概念就是非常简单的说就是如果你去年你训练一个模型的成本是1那这个模型今年能带来大概3到4的这个收入那毛利一般就算50%吧那你就是不到2块钱的这个毛利然后这个问题就是说因为你今天今年吧你在训练的模型这个成本最起码要是三对吧然后你这样再加上一些什么销售啊什么人员啊然后你利润就会是负的然后只要你训练成本每年还是对吧就几倍的这样的增长你的这个生意就会像负像滚雪球一样就越滚越负就以前Darryl讲的就是或者他当时的认知是说你如果想跳出这个负向滚雪球这个loop你只能靠你训练skating的这个变慢但是我觉得最近几个月就是证明其实还有另外一条路就是如何你的这个收入增长的斜率是更陡峭的不再是3是比3高很多你公司也是会突然盈利的嗯所以公司其实自己也没有想清楚需求会这么强对对对就Adobe其实已经把预测做得非常极致非常优美了就非常第一级的原理但就是这里面有一个很简单的公式就是说两件事吧一个就是说如果你训练的成本占收入的比例是低于你推理毛利的公司就能赚钱然后第二是一个constraint吧就是说因为你训练就你总成本就训练加推理这个总和实际上是提前定下来的就是这个里面不知道讲一讲清楚就比如说你推理的毛利率是公司是可以掌控的但是训练和推理的算力占比最终是你需求决定的所以就是你需求并不是真的那么可控但像比如说Anthropic对吧就是年初这几个月它需求突然爆发所以公司会被迫把更多的卡片放在推理上面所以就突然一下就暴利了现在媒体经常报OpenEye,Anthropic这些公司的收入节节升高这两个你怎么对比就是很难对比就首先大家管它叫AR2嘛就是但它根本就不是AR2因为AR2是叫什么annualrecurringrevenue在模型这里它又不是annual又不是recurring而且大家用的口径真的是七七八八什么都有有的是用过去四周的收入乘以13然后更激进的是用过去一周乘以53所以其实是可以差出很多的然后这两个公司也没有让这个比较变得很容易因为有的是用Growth有的是用Net比如说Android它是报告出来的是这个GrowthRevenue然后你还要做一些调整比如说假设40%是这个第三方的API然后那你Net对吧你要扣掉这个然后少个可能20%这样子吧然后OpenAI是反过来就它是报告是一个Net然后你要换成Growth你可能要再加个6%10反正但是它们的EBITDA实际上是完全可比的对,所以反正也是浪费了很多时间在算这个数字上面。 你怎么看OpenAI和Underpin对算力的需求? 我觉得这个里面最大的这个就是学到的点就是我觉得市场就包括自己其实都远远低估了每一个GW的这个电力能产生多少的就是模型收入。 像第三方有爆出来就是OpenEndProperty现在分别可能有小几个GW的这个算力然后年底就是应该能到5然后明年比如到10就之前大家觉得说每个GW差不多能对应比如说10亿的收入就还不错了但是这几个证明这个数字被远远低估了就推理和训练这边的这个成本应该分别都是对应一个GW能有10亿这个没有问题但是收入这边其实可以飙得非常的高所以這個東西的模型公司的收入天花板我覺得其實是被系統性低估了的就是說一個Gigabyte到底能產生多少收入到今天也沒有人能看到上限你說一百億你說五百億其實現在看來都是挺有可能的大部分矽谷投資人是什麼時間看懂這家公司的嗯,Unprofit真正的inflationpoint我觉得是就是去年就是它AR从10亿到50亿那个时候那个时候投就是因为它从10到50它用了不到半年然后比OpenAI的同期其实是要快很多的其实看到那个就应该已经知道对吧就是我们刚才提到的比如coding比我们大家想的要大要快对吧但那个时候也不是无可挑剔那个时候会挑剔两个东西吧一个是它那个时候毛利率是非常难看的但是你真的和一些就是做info啊做工程的人聊会觉得说可能问题不大能有很多优化可以做然后另外一个当时大家其实都非常concern的就是很担心这个Daryl和美国政府的关系但是你说投资人我觉得大部分都是205年觉得说啊真的是coding这个东西起来了所以是要就是加仓或者说减仓了DropIt你觉得OpenEye和DropIt和Gemini这个玉三家未来会长期在同一条河流里竞争吗还是他们会分化这个也挺有意思的我觉得去年这个时候我会觉得说几家已经有明显的分工了已经几乎就定下来了但到了今年反而觉得就是模型层的商业模式可能会挺趋同的就是什么东西火起来什么东西有收入大家都会去做的比如曾经我会觉得GBT年性非常大我把我不管是报税啊或者体检的单子啊都存在它的那个就是它有一个folder或者叫projects里面了但今年就是只是因为Untroper有一个能帮我画图的叫一个visualization的这个功能我个人其实就倒戈了那也是因为就是现在大家对coding市场的大小判断就觉得说这个coding会很大嘛所以反而不是很在乎这几家现在具体侧重什么而是只是觉得模型层本身会占这个就是computestack就是更大的比例然后今年底这两家加起来看个什么两千亿的收入体量我觉得也不是特别奇怪所以也是在锻炼自己这个脑子去习惯就是更大的数字和这个叫upsidesurprises吧嗯那那个瓦斯克和芬蒙尼西的SAI呢哦我觉得这个要说实话我觉得现在没有人真的能对XAI就接下来的这个成功与否做出任何判断因为没有任何能参考的datapoints也没有团队也没有进展就处于一个真的是在乱猜了但这里面其实有一点就是比如说伊朗它把XAI的DataCenter租给Anthropic那我看很多媒体说什么是它彻底不做训练了它就做一个NeoCloud了这个确实不是这都是公开的数据但是XAI是有三个DataCenter的有什么Colossus有MacroHard还有第三个它叫MacroHarder就是它后面两个都是用Blackwell的然后那个Colossus是用H10就是本来是用来跑推理的所以他实际上是把自己现在就是不太用的一个然后租给就是最缺卡的安特罗比而且那个本身也不大就30个就是麦克瓦可能就是这样XAI整体数据中心20%然后大概能租出就是四五十亿的收入所以其实是一个非常makesense的一个一个商业决策MetaTBD你有没有什么想说的MetaTBD这边我觉得一个是它年底肯定是要冲击一个SOLTA的模型它今天可能是对吧对标一个Gemini2.5然后更大的问题就是说Meta它做出这个模型之后怎么去真的变现然后现在看来可能有这么几个可能的方式吧一个就是它已经一直在推的这个MetaAI就是一个单独的这么一个APP然后另外Meta应该也会推他们自己的这个叫OpenCloud或说这个小龙虾这个助手然后第三个我也会好奇我会看一看因为它现在有内部在用它的这个coding模型嘛但是如果coding模型真的能做起来那一块是不是能有一些就是给外部用的这个收入我觉得这个是meta对吧就是能不能有真的多出来的AI收入的这个重点嗯AI对软件公司的冲击也是硅谷现在讨论非常多的一个话题你怎么看这个问题这个里面其实给我最大的反思是软件这件事本身就是软件一直大家都觉得是跟2C是很不一样的嘛就是它是一个我们叫push的这么一个一个model就是你需要销售你需要一整套的gotomarket所以你看不管是servicenowadobe都是三四萬人吧然後Salesforce有七八萬人這裡面很大一部分是銷售就是CEO自己也是銷售那他銷售和營銷佔比就是佔收入比例應該有百分之四五十都有但是就是比較大的震撼就是Unprofit其實也是一個土幣的公司它百分之八十都是企業的這個用戶員工就只有三千人那就是你傳統軟件公司你算下來可能每個員工有五十萬美金的這個對應的這個收入那Entropy每個員工應該能對應就是上千萬美金的收入就差了就是一個數量級而且Entropy真的都沒有一個正經的銷售團隊像他的不管是他這個叫什麼Coworker啊或是他的Skills啊他的Projects啊其實是普通人没有那么容易上手的这些产品但大家还在非常疯狂的上手去学习要去使用所以我自己也在反思就是是不是说用户真的对智能的需求是无限的是不是我们之前有点过于去强调就是销售的这个重要性我觉得这个当然也不是说只是对软件因为也会让大家去反思之前很多我们就比较习以为常的那些大公司吧就为什么需要有这么多的员工嗯这个对比也不只是对于软件公司对吧啊对对就像比如说举个例子像meta对吧已经是挺高效就是挺卷的一个公司8万员工然后每个员工你算下来可能有30万美金的这个对应的这个收入已经比软件好很多了但是AI出现之后我觉得我再看这个巴达员工就还是会觉得很神奇就这个是一家2C的公司也没有新的霍克的需求就肯定有些维护但是就为什么这整个Meta团队对吧就朋友在里面的朋友还都是比较忙碌的一个状态所以所以投资人是在抛弃软件公司吗对简单说是我觉得这里面有一个就是投资里面非常简单的一个逻辑就是我们看这个discountrate因为说到底很多东西都是大家可能听过叫DCF都是看未来的这个现金流然后你放一个discountrate然后就算到今天然后看公司值多少钱所以都不需要是对未来有非常强的这个判断就只要不确定性上升了这个估值就会被压因为这个discountrate就上升了吧所以二级市场还有一个比较有意思的一个观察就是二级市场其实软件已经被卖的七八八已经跌了可能50%都不止了但是一级市场还有很多公司停留在就是AI之前的那个估值逻辑里面所以会有一些就是一二级就是估值的倒挂吧啊很多一级市场的明星公司就是不管是什么或者说一些很大很不错的公司你如果今天上市你的估值其实都会被砍挺厉害的对然后软件公司还不止他有一个问题就是他的这个就是SBC啊你如果股价跌了50%然后你还想给员工同样的这个股票对吧这个这个赔偿你就要发两倍的股票对所以是一个比较两难的这么一个状态你觉得哪些软件是更脆弱的我觉得其实都有一点点是时间问题了就是比如说一个我会看它本身软件里面UI的这个占比有多高那如果它的就核心价值本来就是一个非常精美的一个UI那它是最脆弱的就死在最前面的比如说很多PointSolutions对吧就受冲击是受的最大最彻底的像不管是什么电子签啊项目管理啊一些BI的工具啊然后另外也是看它这个数据结构化程度有多深就是你可能也听过一句话就是大家说一切软件都是一个Excelwrapper但其实这个wrapper和wrapper也差很多像比如像就是Monday是一个就是项目管理工具的这么一个软件它的数据结构是非常规整的它每一行是一个就是一个固定的一个任务对象然后每一列也是固定的就这一类其实是最容易被agent取代的但是excel其实是是很混乱的它每一个表格里面每一个格子其实语义是可以完全不一样的不管你是名字啊数字啊公式啊都混在一起所以excel本身其实我觉得是很难被ai直接替代的所以我在我觉得也是一个matteroftime就是哪些总在前面哪些可能大家觉得还能再撑一撑那office这套办公软件还有意义吗? 对最近其实推特上面大家炒这个炒得非常火就是说整个这套office不管你是powerpoint还是excel都没有存在的意义了你就直接用一个网站的这个就是html就可以了我之前也这么觉得但我最近觉得其实这个背后也没有那么简单就是像你AI生成一个网页版的这个PowerPoint其实是很快的但是只要你需要再手动去改一改你会发现还是你直接在PowerPoint里面改就是你直接人手去改是会就拉一下拽一下是会快很多而且是会更精准的然后我会把整个office系统想成是有点像是一个流水线就是我可能不需要手动改我只需要就是去审批就可以了但是只要我把这个文件发给这个流水线上面的整个一条线只要有一个人他需要去手动修改那我觉得office系统工具其实就还会有继续存在的价值有什么类型软件是相对安全的市场会普遍觉得比如说数据存储什么datawarehouse是比较安全的但最近我们都自己在具体的在用这个然后我也有一个感想就是我觉得这件事情可能也不是绝对的就比如我作为一个投资经理那我想拉比如说50只股票的估值做一下很快的这么一个比对那过去我是需要一个warehouse是去host这些数据然后我会要写非常精准的SQL去调用但现在其实如果我有这个模型然后我在cloud里面写一个skills然后我直接靠比如说Bloomberg的API我只需要几秒钟的这个token的消耗就能完成一个分析然后我这个setup成本也几乎就是零吧这个是在模型就是出来之前是完全不可能的所以就是也让我在想就是对吧warehouse或者说这个datalake或者什么这些东西是不是纯安全的我觉得其实也不是AI时代新的软件机会在哪里有吗现在比如从VC投资角度能看到很多公司说自己是AICRM就是AI的ERP但是看下来其实我觉得还没有什么真正本质的改变也就是说它那些更多的就是说你不需要手动输入我可以给你就是云录入或者怎么样怎么样我觉得最近也有很多人聊但我觉得一个比较大的机会就是去让软件去处理以前这些企业决策过程中没有被记下来的部分比如说我在CRM里面我记录一个客户我会记下来说我给这个客户打了25%的这么一个折扣但是我今天的这套CRM其实是不会记录说为什么是20%为什么不是30%曾经还有过一些什么方案被谁否决了谁说服了谁CFO有什么concern客户到底想要什么所有这些决策过程其实都是消失的之前这些东西也没办法被记录因为有太多unstructureddata那到了AI的时代你就不再去需要去做一个压缩的工具你可以直接去处理这个比较原始的信息所以是一个可能是有一步比较大的机会在这里的我觉得你觉得软件是不是要为agent重新设计我觉得肯定是的也是最近一个就是使用上的一个感触就是在连比如说这个agent对吧一个是去连slack一个是去连就是discord然后会发现这个slack呢其实它还是基于这个http就是你人发一个消息然后它服务器回应它对人类聊天是够用的但是对agent其实它是非常非常非常非常难用的因为agent它需要是一个就是非常持久非常对吧就是realtime然后需要长期在线然后发现就是这个discord因为它是这个websocket所以就用的非常的顺手所以我甚至那天在想我说如果说哪个模型公司把这个discord收购了也不奇怪对所以我觉得整个软件这一套都要从第一线原理都要去想就是agent需要什么一起重新做一套设计吧然后包括就是在股票市场就更明显了大家最近都在炒这个cpu的短缺实际上也是几乎是同样一个说的同样一个事情我看到你最近還寫了不少關於AI時代組織架構的文章這有點不太像投資人會研究的課題對吧你為什麼會開始研究這個对我也不是HR我也不是COO就是但我研究下来我觉得这件事情比想象的要重要很多而且其实非常有意思就是还是Daryl他提过两个概念他说一个叫TechnologyDiffusion然后另外一个他叫EconomicDiffusion那Technology就说是模型能力本身的进步嘛大家都能看到这个曲线还是非常陡峭的然后他这个economicdiffusion他就是说你这套模型能力真正被企业和经济就是吸收落地的速度他自己是说这个是没办法吃得准的因为可能要落后几年甚至对吧就是大几年就是十几年的这么一个窗口所以其实研究这个组织架构本质上就是在判断这个economicdiffusion就是AI什么时候变成收入然后什么时候这个社会生产力会提升的这么一个问题吧历史上有没有类似的例子其实有非常非常非常经典的例子一个就是当年差不多就是电发明的那个时候就是从电灯泡到真正的社会生产率提升就其实是用了40年大概有二三十年那个生产率是没有任何提升甚至反而还降了一点的然后这个去看背后的原因就是说之前都是蒸汽机嘛然后蒸汽机的那些工厂实际上是垂直这样堆起来设计的因为你中间是需要放一台非常大的蒸汽机然后你靠皮带去发动力的其实电机很快就被发明了但是并没有真的用到流水线上并没有真的提升效率大家还是把蒸汽机拆掉然后换出去然后把电机塞到同样一个位置然后工厂还是像原来那样垂直设计的对一直是到流水线形成了其实那个时代的这个就生产率才上去所以给我的震撼也比较大就是说新技术出现对吧真的不是说直接就等同于这个就是economicdiffusion或者这个经济的价值還有另外一個就是離我們近一點就是說後來到了計算機的時候就應該是80年代90年代吧80年代的時候其實電腦就已經在就是辦公室在銀行其實都已經在用了然後那個時候跟現在非常像我覺得就是每個人都覺得自己的工作更快了但是宏觀上面生產率没有任何提升然后我看一些经济学家就说什么啊这个是什么productivityparadox就是很多人对这个话题进行研究最后发现是到了90年代中后期了吧就是一些像沃尔玛啊像亚马逊啊那些公司他们开始围绕着这些计算机和网络重新设计它的这个业务那个时候出现了就是企业的数据库然后非常早期的ERP然后包括像亚马逊的这个對比之前這些歷史時期你覺得AI現在曲線它在哪個位置我觉得现在可能就是像刚才说的把电机塞进蒸汽机的那个位置的这个阶段吧就是每个人都把AI加进了自己工作流然后但是其实我觉得也没有人真的去问说这个流程本身或者说这个公司本身为什么长成现在这个样子或者说像我们刚才说的为什么对吧比如Meta或者任何公司需要8万人为什么我们需要这么多的层级对还是有挺多就是没解决的问题嗯那如果从第一性原理看的话你觉得公司为什么是今天这个心态啊公司其实就是里面就几个事情吧就是你有很多人然后你今天有很多层级然后中间有一些就是信息流反正一般大家说层级都会理解为说是一个权利的一个结构就是谁向谁汇报然后谁比谁更senior但我觉得其实这个层级它更更深层的功能应该是一个信息的一个传递就是因为你这个组织变大了之后你没有人能看到一个全貌所以你需要这个一层一层的这个管理层然后他先从就是CEO这里收集信号然后他综合一下然后他提炼一下然后他向下一层一层传递下去然后从下往上也是靠这个方式去翻译去拆解就其实组织这个机制我觉得都是在解决这个信息传递的这个问题包括我们开这些会包括大家说的什么同步这些进度包括这个什么对吧一个quarter大家要对齐一下然后所有这些其实都是一个信息搬运的机制都是因为人和人之间就是传输的成本比较高吧这在科技公司里是不是尤其明显对就是或者你想一个产品怎么在科技公司里面被设计出来就是你的片你要写这个PRD然后你的这个designer要把PRD就是解读成一个就是可视化的东西然后developer呢看了之后啊可能要再做几周或者几个月的这个这个开发然后还有QA还有几周然后你还有gotomarket对吧就这个这个销售团队然后端到端可能就六个月就过去了里面很多其实都是翻译成本就是一个人把另外一个人到底想做什么然后大概翻译成就是大家能理解的东西我觉得AI进来之后每一个环节都会变成新的bottleneck就那天听一个founder讲我觉得挺有意思的他说最开始打击的是这个developer开发的这个时间你之前可能要两到三个月你现在webcode了然后你可能两周就写完了然后呢你就会发现QA就不太对变成了bottleneck你就没理由说再花几周做QA所以就把QA的人裁了或者把这个function就改了然后你就会发现这个前面的这个PM这个设计又成了新的bottleneck变成了最花时间的地方然后你改完之后你发现这个gotomarket又成了最新的bottleneck所以就是就像在不停的在解决问题打地鼠一样就是我觉得实际上是整个流程都需要重新设计你经过研究以后啊你觉得这个重新设计之后可能会长什么样嗯我觉得就是之前可能是一棒一棒的这种就是接力赛吧然后之后可能更像是一个小团体的这种呃叫叫篮球赛也好就是可能就三到五个人一个小分队然后你的这个必要的技能都在你的这个团队里面了而且这个团队应该是能自己直接就是做决策然后只有非常大的这个问题才会向上汇报可能是这么一个一个模式吧然后里面一些细节比如说你这个QA可能你嵌入开发然后包括你PM比较做的就是更全能一点对所以是就挺挺多细节上的变化很多人最近也在都在讨论AI时代应该怎么做组织变革就是现有的一些公司你目前有没有看到一些比较成功的案例啊有没有一些具体的做法然后还有比如说嗯基层中层角色层哪个链路的人在未来会变得更重要相应的哪些可能更危险一些說實話我也在找就是哪些組織就是可能就是轉型比較快但美國實話還這沒邊說有看到就是比較consensus大家可能都會說中層要被壓縮我另外感覺就是我覺得一個企業裡面可以被追蹤到的這個信息我覺得會這個量會暴增那我覺得人會把就是他和客户就谈判的整个过程细节应该都会capture到然后都会喂给这个agent然后agent还能拿到所有我CRM的这个历史数据然后往来然后他应该是能有个上帝视角是能直接告诉我说客户现在就其实什么状态然后你需要做什么所以整体感觉就是企业就更活了吧但我自己也在找就是有没有比较好的例子嗯你看我们前面聊了投客模型软件和组织那现在我们回到你最熟悉的领域啊就是AI对投资行业会带来什么变化哦我觉得变化会非常多就是因为投资行业真的是一个非常非常低效的行业啊大家花大量的时间都在找信息然后这个清理这个数据然后比较预期然后判断这个positioning我这几个月想的问题就是说如果你给到这个agent足够干净也足够亮的这个数据然后你能很清晰的告诉他你的这个交易目标他有没有可能做的比人好我觉得理论上这个百分之百会比人做的好当然你需要告诉他你理想的交易是什么样因为每个人对吧理想交易或者说交易的这个风格不同你希望每一笔持有多久你希望追求多少的收益你能承受多少的回撤什么样的机会你会愿意出手就是这些都定义清楚之后我觉得AI能做出一道非常完美的这个交易系统所以我倾向于觉得今天没做出来只是因为大家其实思维也很混乱对吧没有把真的自己的思维过程完全解构清楚你今天没有做出来你觉得它的难点主要是在哪里我觉得一个很明显的就是在数据吧因为财务数据就是听上去非常标准化但实际上非常非常非常细碎像最近比如我在用这个agent去接财务数据我发现我需要接可能十几二十个这个财务数据的vendors才能拼凑起我平时用的这些数据所以是非常乱的这么一个行业然后另外我觉得也需要去更好的理解市场背后不同玩家怎么去做决策吧就是南美股来说从交易量的角度来看其实量化占比是超过百分之六七十的然后散户大概是百分之三十然后传统机构我们觉得很大但实际上根本不占什么交易量然后平台型的一些机构比如什么Citadel它能占个百分之就是个位数吧然后如果你再回到量化如果你假设高频本身它不去下一个方向性的一个判断的话它更像是一个momentum的一个加强器那所以真正影响方向的就是散户中频和platform上所以说后来就是这个agent还需要能很理解散户到底在怎么想所以散户是非常重要的我觉得AI时代也会让更多人参与股市散户的行为也会更加机构化也会更复杂所以是挺值得去多想一想的散户喜欢什么我觉得几条比较明显的我总结出来的规律一个就是散户整体其实喜欢就是PE就是估值比较低的然后可能不一定看那么多很细的财务数据但是PE这个数字怎么都会瞄眼然后另外就是喜欢就是梦想比较大的然后喜欢这种创始人有张力的包括这些年的这个TeslaSpaceX这些包括我们说的Robinhood也在这个也在这个范畴还有就是喜欢绝对股价不高的就比如同样是指如果你每股8块钱你会比每股80块钱更受散户的这个欢迎所以但说到底吧我觉得散户喜欢股价涨的反正我整体的感觉就是未来不再是一个机构教育散户而是说机构也要向散户学习因为这个市场很明显非常的越来越叫风格化越来越thematic然后也越来越narrativedriven所以散户本来就是你价格形成的一部分嗯你觉得市场会有很大的变化吗我自己觉得会就是一个是刚才说的散户和机构性欺杀我觉得会非常快的收敛然后另外我觉得基本面和量化尤其是和中频量化我觉得会有一波叫converge吧然后我觉得任何市场上的alpha的这个就是或者说alpha的realization就是alpha的实现会变得非常的快舉個例子比如之前說OpenEye它如果宣布和某一家公司合作那以前市場可能要花幾天理解那這幾天之內我會給我比如說不同機構的投資人朋友打電話讓大家對一對數字然後你會看到那個股價幾天會調整到我們大部分玩家覺得比較合理的位置但之后就是对吧你给agent所有这些信息他能自己去看就之前的一些一些案例所以他能可能那一秒就是就能达到那个那个股价所以这种就是eventdriven的这个事件类型的交易我觉得会越来越几乎是没有做的必要再比如财报也是就是今天我们其实看一个财报里面要看很多东西你要对吧算第三方的这个数据然后你要问市场预期你要比较consensus然后我觉得未来这些都会更系统化更框架化然后AI会有一种就是上帝视角的感觉做更精准的判断那说回来呢市场怎么变呢我觉得可能因为Agen做了非常精准的变化可能股价不会像今天似的在业绩就是有那么大的这个波动嗯那你觉得市场会更波动还是更有效率两者都会有因为更波动因为大家反应都更快因为就是agent嘛它会放大几乎是同一个这个这个signal交易会更拥挤然后也会就是更有效率因为就是信息就是很快就进入反应到价格里面所以真正的alpha就会从啊我比你早发现一点然后变成我比你更能理解一些大的趋势吧而且我觉得很明显就我觉得之后就是跨行业的研究越来越重要了我觉得以后是需要在筹资行业去做一个专才然后可能像比如我们今天有一些基金他说他主要是做这种中小盘做这种就是没人看的这种小公司因为这个里面才能有一些就是就是一些alpha吧但我觉得这个东西很快就都会被AI覆盖因为AI的这个学习能力非常强的对所以也挺期待的应该能看到挺多变化的我们回到投资层面AI直播创业公司哪些方向已经跑出收入了你可以来一个快问快答哦,coding也是最大的嘛,就是几十个别人的手术都有了,是最大的一块,然后往下就断档了,就是比如说做healthcare的,不管是abridged,openevidence,然后大概有两个B吧,然后做legal的,比如说不管是Harvey啊,或者是McGoran啊,这个有超过一个B。

然后CustomerServices接近一个B然后VideoGeneration大概是几百个Million然后AI就是推理基础设施不管是Together或者Fireworks都是这个行业有几个Billion的这个收入然后做芯片的不管是马上要上市的Cerebros啊包括之前被说过的Grok啊这个也是大头吧这个几乎就涵盖了所有能上一个Billion量级的这个创业公司了在这些领域这些模型巨头们会不会跟他直接竞争这个其实挺有意思的这个问题从2年大家就开始问但我觉得这个答案在过去几年是一直有变化的就是23年的时候那个时候大家管这些叫AIrapper对吧或者就是叫模型rapper那个时候大家是很担心模型公司会吃一切的然后但实际上245年这两年大家其实已经不再说这个话了就是因为会发现这些公司其实收入增长也非常快然后也有一些比较好的推出但是可能就到了这两个月吧我觉得我重新又开始非常担心模型公司的竞争因为模型本身在变得就他们叫非常的这个stable就是它有这些不管是skills啊然后它可以用工具啊有connector啊有记忆啊就是就应用层和模型层的边界其实是又一次就是被推向应用层这边然后像Unprofit对吧他已经就已经站出来说他说他会先吃编程然后他第二大业务他就会去吃金融领域对我觉得他应该可能就看到了我看到的就是金融这个领域非常的非常的肥而且非常的低小然后像OpenEye马上就推出自己的这个音频模型那他对不管是什么Lifecare不管是对1labs会是什么样的影响就这些问题我觉得都会很快出现而且哦还有一个挺大的一个变化就是openandprivate几乎在同一天都宣布自己和很多这个私募基金合作然后把模型推到这些基金的被投的企业里面就是这个里面会有一波非常大的就是adoption所以对挺多挺多进程那说到这里应用公司还剩什么呢模型公司四处开展模型公司吞噬一切嗯我有我自己的看法但是我说一下这些应用公司自己是怎么去defend的吧就比如说做legal做法律的那些公司他会说说因为合规啊因为就是那个行业的一些监管会比较严然后律所会非常担心模型出这个hallucination所以不能用今天的大模型直接去做应用然后像我们聊的一些就是做客服的公司他会非常强调说客服领域有很多的这个叫lastmile就是你总有一些就常理的一些需求但是我个人觉得说如果你只是依赖于一个合规或者说你只是去处理所以206年了你還投銀公司嗎作為投資人投还是投的这里面还有一个就是从投资行业流动性的一个变化来我觉得也挺重要的就是在过去几个月里面其实每一家你熟悉的VC基金都成立了一个就是成长型基金就是投后期项目的然后用这个基金其实去从自己的VC基金里面去接不管是OpenEyeUnproper这样的大项目所以就是VC基金反而是被空出来了所以就是就作为创业公司其实还是很容易拿到融资的而且今年马上有一波上市然后也有很多就是收购的案例啊所以VC都在疯狂退出所以手里的现金是还是挺充足的对OK所以现在VC你们那里最火的是什么呀我觉得硅谷这几个月肯定就是Neolabs就是真的是能有10家Neolabs吧就Neolabs就是那些从AIlab出来的研究员自己开的新的这个lab对对包括赛宁包括红乐童苏玉他们来过我们节目他们应该都算是Neolabs我也发现就是硅谷的那个投资主题变成了Neolabs这本身说明什么呀为什么会这么投呢而且为什么是这个时间点啊是不是说就是有能力做模型的创业者都不太会去做应用一般来说这两个拿到的融资的金额差距还是挺大的对对对为什么现在会出来我觉得就是因为OPEC涨到了这个接近一个trillion就一万亿的这么一个估值然后很多投资人会去想说说我现在拿着它我还能再赚多少的回报但是如果说有任何一个对吧这个Neolabs我能博到一个几倍的这么一个收益那我还是非常值得去做这一笔的而且再有就是这几年因为硅谷整个它叫acquirehigher对吧就是你只要你优秀你总会被一个非常优秀的lab再去再去给招回去所以让退出其实变得非常的好所以我觉得我觉得主要这个是原因吧然后我也可以实话说就是从VC的角度因为有的VC就是投Neolabs投的非常的多有的是完全不碰这个背后实际上是一个非常非常非常简单的一个数学问题就是因为你每家Neolabs融资的金额都是比较多的嘛那VC会想说说我在这么大几十家里面我不可能全都投但是我也绝不可能只投一家因为你这一家你根本选不出来所以我要放大概是放比如说就四五家然后每一家我如果放50万那我就是大概两个亿的这个总投资那这个时候VC就会去看说我这一期基金有多大如果我是一个大几个亿的这个基金我是可以去做就是整个Neolabs这个板块的投资的那其中像我们说的有一个比如说有几倍的收益就可以了对所以这个是从利息的角度现在除了NeoLabs还有什么别的方向任何跟推理或能让模型就降价的这些创业公司都非常的火然后另外一个我自己觉得比较有意思的是给这些agent去做基础设施的创业公司这一波挺有意思的就是因为像我们刚才讲的agent他不是人嘛就当他用这个工具用email然后包括用这个用支付和人是不一样的比如拿email来说就是你今天这个GmailAPI对发送量的这个请求的这个频率是有限制的你对于人来说可能是够了但对于agent来说是完全不够的是很容易就就被detect到然后就被就被block住的然后所以有这样的创业公司叫agentmail它是给agent用来发邮件的然后手机也是一样有这个叫agentphone我觉得之后其实所有的基础设施不管你是就是什么browser啊identity啊什么payment啊compliance这些都会被重新做一遍嗯AgenticCommerce这条线你怎么看可能跟几个月之前相比新的判断就是我觉得2B比2C要大很多2C就是今天这个消费体验其实已经做的还挺不错了甚至很多时候消费者是自己愿意花时间去看这些网页然后也有一些娱乐的属性在里面那AI只是帮我去下单的话可能价值是有但是不是那么大所以其实你看OpenAI可能也是看到了这个他也觉得不是很好做所以他目前那一块他只是想做和就是travel相关的先没有去碰就真正的这个消费然后图币这边我研究下来我觉得是很不一样的比如说跨境电商就是我公司比如说在美国但是我想比如说远程购买一批办公的沙发然后这个里面其实有非常广的信息维度包括我的这个你定量是多少你的单价是多少如果你定的多了可能有一个折扣然后你这里面的这个这个认证然后有没有一些就是进出口的这个合规然后有一些付款的条款如果你对吧可能你付款付的早我会给你一个什么样的折扣就是是一个非常复杂非常长的一个链条其实有很多沟通成本然后只要沟通成本高的这个场景都天然非常非常非常适合agent所以这块我觉得反而是值得去看一看的最后想想自动驾驶和机器人吧怎么看这一块的新东向我说实话我觉得整体比我想的发展是要慢的所以这个对我来说也是一个看法的一个修正吧像自动驾驶这边我觉得最有意思的其实是尹伟达他推出了自己的开源模型叫这个Alpmaio这个如果真的能做起来就是像就是车厂的这个安卓系统吧那如果能成的话那行业的格局都会变就不再只是一两家车厂能做自动驾驶而是会很快有一个就是一个铺开的一个过程所以这个是我个人花时间最多也是觉得最值得关注的然后一些自动驾驶的细节上面大家也开始卷reasoning吧像比如说语言模型感觉已经都就已经做好reasoning了但是自动驾驶是大家开始做reasoning因为大家也发现就你纯靠堆数据然后模仿学习你覆盖不到所有的edgecases所以模型还是要能去理解就是路上发生了到底是什么之前最近是不是有点突破我看了很多就是我自己可能会更谨慎一点因为就很多这个researcher都会说说在在机器人领域还没有看到像LLM那样的清晰的scalinglaw就是就是scalelaw对我对我来说也是一个学习就是scalelaw其实和这个模型你加了数据就有进步是两码事就是说你的这个你scalelaw是需要你这个pretraining这个loss能呈现一个非常干净的这么一个lossscale的这么一个一个下降吧而且你还有一些什么跨任务啊跨场景啊就是跨这个本体的这么一个泛化所以现在是一个大家都希望它出现但是目前更像是一个就是feature强化的这么一个阶段没有一个真的可以外推的一个干净的这么一个曲线然后美国还有就是对吧就机器人的hardware怎么做然后感觉每一家这个厂商都在过去几个月都去深圳学习了一波所以面临的挑战还是挺多的要不然中国偷偷啊对对对如果说中美关系更好一点其实投中国的一些机器人是比较合理的一个一个决策我们去年聊过AI对美股带票的影响那过去半年你有没有一些新的想法嗯对我还回顾了一下去年聊的我觉得有两个判断需要很诚恳的复盘我觉得一个是对的一个是错的就是对的就是去年底我觉得今年市场最重要的风向标会是openeye和unprofit的收入那这个看来确实是对的我觉得市场今天涨的这么火热就是unprofit的收入一加撑起来的然后但当时有一个判断非常离谱的是我觉得我自己以为今年整个市场的这个重心会慢慢的从半导体接棒到AI应用那这个判断现在看来是完全是错的对我感觉过年前和过年后完全是两个世界每次都那你现在觉得最核心的判断是什么或者说我最担心的吧我觉得我最担心的就是接下来这些大厂尤其是云厂商的现金流会非常的难看然后我不知道市场对这个会是一个什么样的一个反应因为你按照今天的这个capex就是资本开支这个曲线走下去到27年你几家就是大的厂商的这个叫我们叫现金流就自由现金流都会转成是负的整个行业有一万亿美金就超过这个不止的这个capex而且这些还只是表内的数字就是每一家大厂其实都就按错错了吧就都签了很多表外的资本开支对而且这些大客户还都和这些存储的公司签了这个我们叫这个长写所以你开pex的预测几乎是只会上修不会下修的在这一块所以我不知道这个东西当大家真的看到全都是负的现金流会是一个什么样的一个状态嗯但市场也会问花这么多钱到底有没有回报啊对这个问题一直都是存在的今年可能一个比较好的一个变化就是除了模型厂商以及模型厂商甚至能看到利润率了然后云这边也看到了投资回报而且开始加速了比如说谷歌是一个例子那他如果说今年为什么说您生意变差了一个是竞争变多一个就是我觉得它在价值它在这个computestack的价值链也被分走了很多像现在有很多这个newclouds我们刚才也聊到这不是XAI对吧也成了一个新的newcloud那你现在几家云厂商加起来已经有这个两万亿美元的这个收入储备那这个里面其实有超过一大半都是openandproper这些模型的这个长期的算力订单然后我说这个价值的这概念就是说你云之前你会卖很多上层的这个软件那个部分其实是margin很高的但现在那部分的价值很多是被模型公司是去拿走了的芯片这边有没有什么变化芯片这边一个就是云厂商的很多自研芯片都开始从内部工具变成了一个对外卖的这么一个商业产品那谷歌的TPU这个是变化最大的它之前都是不对外卖的然后但现在它已经开始把TPU作为硬件直接卖给客户这个可能是它我觉得过去十年就是它这个战略里面最重要的变化然后亚马逊呢实际上他也财报爆出来他有两百多个billion这个trinium的收入他这个已经是就是已经是一个独立芯片公司的规模的这么一个状态了嗯我记得我们之前还聊过广告如果openif开始卖广告你觉得对市场会有什么影响哦这块我也有一个反思我觉得是之前理解的不够完整就因为我之前的思维是说我觉得如果openeye做广告对行业会非常危险因为美国线上广告的这个渗透率超过80%那你openeye再进来你肯定是一个存档的概念吧你只能从googlemeta手里面抢然后后来就是又看了一下比如亚马逊的广告亚马逊其实在过去几年就自己静悄的做出了一个接近10个Billion量级的广告业务就他拿的其实不完全是传统意义的上的广告预算就比如说宝洁如果说给沃尔玛吧50美元让自己的这个洗发水放在一个货架上更显眼的位置这笔钱其实它不算是广告费用而是作为一个收入的这个叫什么tradeandpromotion的这么一个东西它是从销售收入里面扣掉的所以已经没有很多细节但就是说我觉得整个这个市场还是很大的而且在新进来玩家比如说OpenEye开始卖广告也未必是一个完全存量一定要从谷歌Meta手里面抢的这么一个概念嗯今年是不是还有几个超大型的IPODropikOpenEye这个对市场会有什么大的影响吗对第一个上的肯定是SpaceX然后还有你说的那两家这几个加起来反正咱们算比如说4万亿美金级别的这个IPO那这样子你融资按5%算大概是20亿美元吧然后你可能你流通盘可能是40亿这样子所以就也做了很多测算也跟投行就是来来回回就是觉得从一个纯市场容量上面看是撑得住的就是你全球你主动投资股票基金这些mutualfunds吧现在可能它帐上就能有1万亿的美金的这么一个现金那再加上散户因为散户这些年自己会投不到OpenEndProperty和SpaceSize肯定会想进这个市场喊算去投包括一些主权基金包括对冲基金所以市场不是接不住但是我个人感觉更大的问题其实是一个资金的轮动就你新的IPO进来大家喜欢大家想去拿那肯定我觉得今天现有的MAX7会承压这个还不算上我们刚才说了就是对吧MAX7很多的它这个现金流已经要付了所以原来你是七巨头然后之后你很多都会被稀释我觉得大票裁员会不会有什么影响这个也是做了很多测算我觉得其实对它的这个叫EPS就对它这个每股这个收入帮助是有限的大概算下来就比如说你如果20%的裁员对于那几个就是MAC7能对应EPS的5%或10%吧但是对软件公司影响会非常大像比如Salesforce这种就是典型人力密集型的这个SaaS公司你一个20%的裁员能很轻松的对应405%的这个EPS的这个增长今天听起来这个市场一片向好又是上市又是退出有什么是可能让市场情绪变差的吗我觉得几个可能的吧就一个就是社会影响如果说对吧大规模的裁员那可能政府多少会有一些干预然后像比如说token浪费带来的这个回落对吧比如说卖了这几个billion的这个外部模型发销但我还是那个观点我觉得这个哪怕有一波就是浪费带来的回落我觉得也不影响中长期的趋势然后再有就是我觉得大家对于整个Mac7这个付现金流我觉得会有一波更大的一个讨论大家会问说那接下来哪怕模型还在进步但这个钱从哪里出这块是确实现在是没有看到一个很好的解决办法的然后目前比如说Antropic看到收入是就非常好的一件事情但是Antropic的这个收入毕竟不是它并不是endcustomer就是比如说像其他的人去用Antropic产生更好的这个收入这个收入其实大家一直是没有真的看到的我觉得比较乐观的看可能到年底吧大家会更希望看到一个就是真正的就是因为AI带来的收入总体来说硅谷现在是不是弥漫着一种对于裁员的恐惧我覺得確實有而且焦慮恐懼本來就是最容易傳播的情緒然後還有一個我覺得就很實在說比較現實的一個背景就這幾年很多人也因為AI這一波就報復了然後所以是財富差距然後你技術的變革全都疊在一起的這種焦慮這個影響會有多大呀你说裁员对吧最近有人问这个Druckenmiller就说这个AI是不是肯定导致裁员和通缩然后他的原话他说如果你抱听这个想法你是arrogant然后也不是openminded对我套用这个我就说我在这上面肯定是没有资格真的下定论的一方面从人类有记忆以来其实每一轮技术变革都会大家说是就就业的末日不管是当年这款马车汽车然后纺织机然后电力计算机到互联网其实每一次都是这样然后但另外一方面我们投资里面都说说这次不一样是投资里面就最危险的几个字所以可能真的就是像专家们说的就是保持一个openminded保持一個開放的態度吧那如果說這個悲觀者是對的AI造成很大規模的就業衝擊那政府其實也可以通過印鈔啊就比如說或說全民基本收入啊或說就是收稅啊就做一些應對所以可能不會是一個大家想像的長期通俗的這麼一個市場那投资上面我觉得能做的事情或者普通人能做的事情就是就知道市场的主流是什么然后但是也同时去看到别人现在还没有看到的这个路径然后提前做好心理的这个准备所以当这个剧情不管是按哪条路展开的时候在心理上和这个组合上面都能准备好都能快速调整我觉得这个就是能做的事情了历史上技术革命都是怎么影响就业的你有没有一些研究哦这个我其实是花了很多时间让这个AI去回顾几百年的这个历史包括最早在英国这个动力织布机摧毁了这个手工织布然后还有之前很大规模的这个美国农业人口从劳动力的40%降到就只有1%然后在美国还曾经有一波是这个电话接线员他在高峰时期其实也是有大几十万人的然后到最后全都被自动化就替代了再包括美国可能就稍微近期一点这个铁锈带就对吧世界这个中国加入WTO也有很多这个引发的变化我觉得也不敢说是真的学到什么但是最大的感受就是历史上人类真的经历了很多巨变今天我们会觉得AI这种对吧很多不确定性很大的压迫感但如果真的和当年就工业化取代手工农业对农民的震撼相比我觉得是不是一个量级的就是每一代人或者每一个个体吧都会觉得自己非常的special觉得自己非常的不一样但实际上放到一个历史的长河也就是很小的这么一个波澜那你觉得这次到底是一样还是不一样我觉得一样或者不一样说到底主要看速度和广度然后就是这个变化的速度和广度那你速度上面历史上看其实很多技术转型是很慢的比如说你农业劳动力对吧就是虽然影响很大但其实花了一百年的时间然后你哪怕是这个接线源自动化也花了几十年就AI目前来看我觉得扩散可能是会快很多的然后那广度上面就大家都觉得说这一次白领影响很大但实际上就是之前的就是农业呀或者什么就对应的规模实际上是差不多的这个里面我觉得真的很难下判断像比如现在大家都拎出来说就比如说在20156年的时候就是Hinton他就說他說啊我們不應該再有放射科醫生了因為這個深度學習已經超過人類放射科醫生的這個水平了那到今天其實這個醫生的名額不僅沒有減少反而對吧女創性高然後薪酬也在上漲然后包括最近大家说说软件彻底死了公司要裁员了但是其实你看这个Developer招聘的数据其实已经到了一个历史上最好的这么一个点位所以一样不一样我觉得说实话真的走一步说一步吧我倾向于觉得会变化会快很多你自己是长期悲观还是长期乐观长期肯定是乐观我觉得一个东西能大幅提升生产力长期肯定对经济是利好的我觉得现在具体来说我觉得是一个非常适合创业的一个时间点就是当你这些大厂不再是绝对的安全但创业的话你融资是很容易的然后你coding让做很多东西变得很快然后很多新的需求然后格局也没有稳定所以大家都叫这个是什么第四次工业革命一个大时代所以去做点新的东西本身也不丢人嗯对创业的人有没有一些建议哦如果在创业的话我觉得不要听我上面任何分析因为因为说说实话前面分析都是分析大公司就分析一些比较对吧就是已经有很明确的这个商业模式的公司你这些VC尤其是早期的项目很难有那种让你觉得说有互成和然后有很对吧很叫什么mode啊就是你如果去想的话其实是没有的有什么东西是模型公司或者大厂真的想做自己做不出来的我觉得也是没有的所以就不能去想一个终局的概念就是有一点要脑子一热然后好好准备然后好好努力想做就做吧我觉得这个这个就是建议对前面聊了很多干货硬核的东西包括模型啊商业模式啊几十亿几百亿的数字那我想换个频道啊因为很多人都去硅谷呆了一圈回来反馈最多的就是焦虑那你天天在那里你的真实感受是什么你焦虑吗实话说就是很焦虑可能能说的就是更好听一点但我觉得实话说就是非常焦虑对我甚至自己也去思考这个我也去想就是焦虑这件事情的本质其实就是对于未来不确定性的恐惧我自己每天具体的状态就是觉得自己跟不上包括什么autoresearch出来了包括carry10有demo的一个新的workflow哪怕是这个cloud上面每天新的这个功能然后软件的变化硬件的变化都太多太快了做科技投资你肯定每出一个新的东西我觉得都应该自己上手去用一下才能对投资做判断但事实就是东西太多太快然后每天打开推特上面都会说说啊什么youhavetolookatthis然后thisischangingmylife就是你有一种就是又有新东西了然后我又落后了我又没跟上了这种感觉我觉得在现在不确定性高的这个时代实话说我觉得不管是媒体啊或者说就是个人其实创造焦虑也变得非常的容易你就是去问问说啊你这周烧了多少tokens你有几个opencloud就一堆对吧这种就是这种名词然后再叠加大家对裁员的恐惧就是确实是一个很糟的一个状态所以你也会觉得自己跟不上对吧对我其实比如说几个月之前有一天我深夜因为在家装不上OpenCloud我真的是痛苦就说出来非常的搞笑但当时就是你一个东西装不上你就会想说我连这个都装不上我什么都跟不上就是要被时代淘汰了就说实话我都不知道普通人是怎么能一次装上的因为那个OpenCloud还有连很多东西然后也没有那么trivial就他要自己写什么JSON这种东西那我哪里会写我连那个我连屏幕上的光标我自己都找不到然后还要我给他什么APIkey又不能exposeAPIkey反正是一个反正当时的那个那个心理状态是非常着急然后非常焦虑的就是是很容易有很负面的情绪的就但是我可能也不想把这个说的太重就是因为确实每天感受到的也不只是焦虑还有一种莫名的激动就突然好像什么事情都可以做了因为变化的过程中你机会最多你投资对吧也是也是最有机会的时候那希望我们听众听到你这个例子能够感觉好一点啊就是所有人都很焦虑不是只有你焦虑啊对对我也希望就大家其实说出来很多事情也就也就没那么也没什么所谓了你覺得這種狀態到底是灣區特色還是說是我們整個大時代的特色我觉得是时代特色的焦虑无非就是第一是你很在乎这个然后第二就是你作为本体你没有足够的这个确定感人都会有一种想要掌控未来的冲动但是我们前面聊的所有的问题不管是裁员会不会发生然后经济的影响然后anthropy能领先多久都是不确定性很高的这个话题就是我覺得人或說包括我自己也是我會對什麼事情都有一個自己的看法但有一句就是英語說的是叫這個strongopinionslooselyheld就是現在因為處在這個時間點你其實未來本來就是不能完全被掌控的在這個不確定這麼高的一個時代下裡面有沒有什麼確定性是高的東西啊我们能抓住点什么我觉得肯定也有就是我觉得就不断去问自己不断去想说AI就到底对吧这一波到底带来的是什么呃我觉得更高的智能和效率的提升长期肯定是好的事情而且智能本质上是非常平权的就是像今天一个对吧一个小镇上的一个孩子能用上的工具可能和硅谷工程师没有什么本质区别但是同時就是因為平權了所以整個社會市面的很多資源也會有一個重新的分配所以這個平權會以一種非常痛苦的方式在這個社會中間去實現嗯所以我會覺得其實我們這代人應該覺得挺幸運的就是活的這個對吧這個大幾十年見證了很多歷史但大家好像都沒有這種很幸運的感覺都都感覺要被焦慮捲走了你之前還提到一個變化就是說越來越不想跟人溝通了对这个确实是就是也可以说是一种孤独感吧就是我以前非常喜欢约人聊就尤其是约就是行业的专家让比如30分钟之内可能就从一个几个领域非常顶尖的人那里面拿到非常高浓度的知识就是那种感觉是非常爽的然後但現在就是很多跟工作有關的對話真的是不管對方是誰不管是從業者啊投資人啊就是可能百分之九十九十五的這個信息性的內容我都可以直接問AI得到答案而且這個答案可能是我更想要的就真的不是说这里面我有什么优越感不想再跟别人聊而是说我很真实地觉得以信息交换为目的的对话这个意义是在快速地被掏空的那你觉得人和人之间还剩下什么人和人之间非常的鸡汤我觉得剩下的就是情感的连接吧现在比如出去开会只要我做了准备就是对方说的事实性的内容其实我都能通过准备然后能基本上预料到但是比如说我其实前段时间随便在跑道头跟一个朋友坐下来可能本来也没有准备聊什么大的事情然后聊着聊着话题跑到就是说做事情的勇气啊然后他人生的一些遗憾然后我在乎什么然后有没有什么东西会让我觉得有就是有很spark就是很很闪光的感觉当我自己回头看的时候我觉得那个可能是我近一长段时间里面最有内容的一次对话就他没有给我任何信息上的增量但就是比较有人味吧所以我自己其实现在心里也算是就是明显画了一条线就是我如果是跟信息跟知识分析有关的事情会交给AI但是见人这件事情反而变得可能更单纯了就是去观察观察别人然后去聊一聊心路历程然后聊一些比较真诚甚至可能之前大家都不会聊的一些东西吧我觉得不然的话也确实是浪费两个人的时间那可能两个人都去跟AI聊一聊会效果会更好嗯对你说到这些真诚的做出来会有点不好意思的东西就像你说你装OpenCloud没有装上然后痛哭一样嗯我觉得这也是我们这档节目的初衷就是也是希望能够和听众之间形成一些真实的真诚的连接对所以我觉得我前面说那些就是支持你的信息应该都算是公开信息吧比较适合agent总结使用可能最后这一段啊希望能有点意义对了我们那个工作室叫做语言及世界工作室当你第一次听到这个名字的时候你会想些什么嗯之前可能看了没有多想不是特别的敏感现在看我觉得有一点点像我们刚才说的就是AI时代组织架构那个那个意思就是说今天社会很多时候语言都是被用来对吧就是翻译信息传递信息的那这个时候我的判断是我觉得AI会去做到这部分的工作但是语言很多时候还会被用来就真正建立人与人之间的联系我觉得这个是会越来越宝贵的这么一个一个东西字幕by索兰娅✿好了今天的节目就是这样这里是商业访谈路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wellexplorethenew