142. 雨森的创投观察第2集：Harness、下一个字节、2026大机会和Stanley Druckenmiller

Summary

张小珺Jùn｜商业访谈录 第142集 雨森的创投观察第2集：Harness、下一个字节、2026大机会和Stanley Druckenmiller 日期：2026年5月27日

本集概览 本期节目是张小珺与真格基金管理合伙人戴宇森（A）在“戴宇森的创投观察”系列的第二次深度对谈。两人全面复盘了AI、风险投资领域2026年上半年的变化，聚焦模型创新、Agentic Coding的爆发、Harness及应用层的格局调整、创业趋势，以及投资人与创业者的进化。戴宇森坦诚分析了自己的预判“被打脸”经历，并深度剖析AI行业的巨大不确定性和持续学习的重要性。

内容结构

一、对“被打脸”的复盘与投资人心态 （00:05-14:00） 二、AI模型、Harness与Agentic Coding生态新格局（14:00-60:00） 三、Return（回报）问题的本质——AI进步下的现实考察（23:10-37:30） 四、2026年AI大叙事：应用、创新与商业变革（37:30-87:00） 五、新一代AI原生创业与人才画像（87:00-110:00） 六、硬件、机器人、世界模型与前沿洞见（110:00-126:00） 七、行业挑战、思维锻炼与个人成长（126:00-130:30）

详细内容及亮点

一、对“被打脸”的复盘与投资人心态

• “早期投资频繁被打脸是幸福的。”（戴宇森 13:00）
• 戴宇森坦率回顾，他在上一期（2024年底）对“2026年将是the year of return回报年”预判过于谨慎，尤其对AI市场回调的判断并未出现——反而今年更疯狂。
• 他强调早期投资人必须“strong opinion, weakly held”（strong opinion, weakly held），即观点要强但要能自我修正，不能被自己的言论捆绑。
• 典型段落 06:50: “当你强烈表达一个观点时，会被你说出去的话限制，但真正聪明人应持续学习、进化。”
• 讨论Stanley Druckenmiller等顶级交易员“随情况灵活调整仓位”的投资风格。
• 自己的调仓举动本质也是对外部反馈、信息和市场数据的综合校正。

二、AI模型、Harness与Agentic Coding生态新格局

1. Harness崛起与Agentic Coding

• Harness（套壳/编排工程）原本不被重视，但2026年已成为AI应用落地的基础设施和数据飞轮核心。
• “CloudCode、Codex、Opencloud这些其实都是Harness… Harness带来的数据飞轮让模型本身最终迎来质变。”（戴宇森 58:30）
• 将Harness比喻为“AI时代的操作系统”，模型像驱动器，AI应用开发者不再需要关心底层模型调用，可聚焦于用户体验和实际需求。
• Opencloud以“插入用户最熟悉的IM/微信/Telegram”而非做自己App，大幅降低Agent落地门槛。

2. Harness的独立性与创新

• “不是只有模型公司才能做出好的Harness。”（48:10）
• 经验证，第三方创业团队能跑出很多模型公司未曾设想的创新（如Opencloud heartbeat、memoryMD等）。
• 开源Harness（如Opencloud）围绕个性化、工具集成、记忆管理、长期任务支持，迅速成为极客和专业用户首选。
• 记忆机制和用户粘性：“很多人用Harness是为了自己的memory，换模型没关系，但harness不能换，因为丢了一段共同成长。”

3. Harness、模型公司与应用的边界

• 模型公司掌握底层技术，但在产品创新和用户需求洞察方面，创业公司有不一样的敏锐度和快速度。
• “模型的升级会向下兼并吞噬Harness空间吗？答案是肯定有风险，但优秀的Harness往往能在品牌、用户、context和数据上建立护城河，引领模型也在反向反哺。”（57:00）

三、Return（回报）问题的本质——AI进步下的现实考察（23:10-37:30）

• 投入-产出-结果链条：AI模型公司（如Anthropic）收入大涨，但大部分是客户“购买token”——真正的回报取决于客户能否靠AI产出更高的利润。
• 现实考察发现：“降本已在发生，增效（新业务、新产品）推进缓慢，大规模回报可能尚需时间。”（戴宇森 34:00）
• 编程能力提升10倍不等于收入、利润同步暴涨，大公司最大瓶颈是“做什么新功能”，而非“有多少程序员”。
• “降本容易实现到裁员，增效创造新价值要靠时间与创新孕育。”（37:55）

四、2026年AI大叙事：应用、创新与商业变革（37:30-87:00）

1. AI生产力主线与Agent元年

• “我们一直认为只有agent能解放人的注意力，才能带来AI生产力跨越。”（A 39:10）
• Harness是AI落地的必要配套，推动了应用层多样性、个性化和用户习惯的全面重塑。
• “大家都在享受当老板的快感——AI agent能帮你下达指令后自己跑任务，真正释放人脑。”（47:00）

2. 产品、Harness与创业创新

• 创业要做真正的创新，要敢于“做horizontal（水平通用型）产品”，“太垂直反而会锁死机会”。
• 大厂做应用创新慢，“应用创业者的窗口在于Harness创新、用户数据、品牌效应、网络效应”
• Harness的“记忆效应”（如小龙虾、Cursor）和应用生态（Skill、插件）的网络效应逐步显现，造成用户强粘性。

3. Harness/模型/应用三角格局

• “模型公司以技术为本质，但好的Harness和应用产品同样有巨大价值。好的产品创新带来的网络效应、数据价值、用户信任不可低估。”
• 操作系统类比反复出现：“Harness是AI时代OS，模型像处理器，应用层会大发展。”（60:00）
• 大DAU产品=大机会？未必。Agent时代衡量标准变为“能否让用户省心，解放注意力”。

五、新一代AI原生创业与人才画像（87:00-110:00）

1. 优秀创业者的特质

• 投资始终是“以人为本”、“放弃成见，善于学习、领导力、创新力、意志力。”
• 真格团队关注“前瞻性技术认知＋企业家精神”组合
• “AI原生创业者需要对技术演变有更深刻的原创判断。”
• AI产品经理仍需个人英雄主义——敢于引领产品方向、懂技术又懂用户需求。

2. 组织与结构新变革

• AInative团队规模缩小，组织分工模糊，全栈更受青睐。
• “AI不是简单装个CloudCode就能提效，深刻的组织形态、数据结构、管理流程也要适配。”

3. 投资风口与项目筛选

• 热门项目跟风者众，真格更偏好“出题家”型创业者（能提出新问题、见解的原创者）。
• “可穿戴类AI硬件，很多需求是VC想象出来的，不是真正有用。”

六、硬件、机器人、世界模型与前沿洞见（110:00-126:00）

• 机器人及世界模型：强调多学科融合、数据驱动和模型范式搬运（语言模型到现实世界）。
• “世界模型是硅谷和中国近年最火的投资主题，但定义极为混杂，核心关注点是让机器人能高效泛化、操作现实。”（115:00）
• 消费电子AI硬件多为“新瓶装旧酒”，真创新迭代有限，反而人体机器人、自动驾驶、agent端云协作更具长期价值。

七、行业挑战、思维锻炼与个人成长（126:00-130:30）

• “AI在加速毁灭现有价值的同时，新价值创造需要时间和想象…个人要主动学习AI、增强agency，即主动创新和问题发现的能力。”
• 思考与创新也需“刻意练习”，不能完全外包给AI。
• 教育和社会变革的最大挑战是“培养真正的判断力与行动力”，即“做什么”的能力。

名言金句与精彩时刻

• “Strong opinion, weakly held——观点要强，态度要灵活。”（08:30, 戴宇森）
• “降本已经在发生，增效创造新价值是个逐步释放的过程。”（35:00, 戴宇森）
• “不是只有模型公司才能做出好的harness。”（48:10, 戴宇森）
• “Harness就像AI时代的操作系统。”（58:30, 戴宇森）
• “AI产品的核心指标不是DAU，而是让用户省心，让agent能长程高效运行。”（87:23, 戴宇森）
• “早期投资频繁被打脸是幸福的。”（13:00, 戴宇森）
• “许多创业项目只是把上代的成功范式包在AI壳里…最怕做‘跟风型’创新。”（102:10）

核心观点速览

• AI领域快速演化，早期投资人要持续学习，不能被自己观点锁死。
• Harness（AI编排工程）成为AI应⽤爆发与数据积累的新型基础设施。
• 真实回报/ROI仍是最大悬念，降本在推进，增效需等待真正的AI原生应用与创新落地。
• 好的AI Harness或产品可反哺模型、建立独特护城河，将成为未来Agent网络效应和商业价值的重要承载体。
• 创业要做真正创新，AI应用层的horizontal能力与品牌/记忆/社区粘性正在快速成为核心竞争力。
• AI革命带来的社会变革将深刻重塑组织形态、人才结构、教育目标——行动力、创新力与持续自我进化的能力变得空前重要。

重要时间点速查

• 00:05 - 引出本集主题，对2026上半年市场的反思
• 13:00 - 投资人“打脸”心态，持续学习与观点修正
• 23:10 - AI领域投入-产出-回报链条及降本增效实证
• 37:30 - 2026年AI大叙事及AI Agent元年
• 47:00 - Harness、开放生态的创新与数据闭环
• 60:00 - Harness-模型-应用的OS/CPU类比和未来网络效应
• 87:00 - 新一代AI原生创业与产品创新挑战
• 110:00 - 世界模型、机器人与前沿趋势
• 126:00 - 技术变革带来的社会挑战与教育反思
• 130:18 - 总结个人成长与行业进化

本集结语 本期张小珺与戴宇森用90分钟密集对谈，涵盖AI技术、投资逻辑、产品创新、创业方法论及社会变革各层面。无论是关注AI一线趋势，还是自我成长、认知升级，这场访谈都带来大量非共识、前瞻性强的信息与深刻思考。

Transcript

[A]

Hello,大家好,我是小骏今天是我们的系列节目戴宇森的创投观察第二集在戴宇森的创投观察第一集也就是我们节目的第124集中真格基金管理合伙人戴宇森预言说206年的关键词是theyearofr他鄙视较为谨慎觉得206年将是一个现实与回调之年并且在过年前就清空了所有二级市场的股票那现在过去了小半年时间很多人说他的一部分观点有点被打脸宇森经过了短暂的内心挣扎决定还是继续来录制我们的系列节目他将持续的分享自己的投资思考那接下来就是我对宇森的访谈期待206年我们和AI共同进步我确实受到了我的播客的影响就是我是不敢像我的朋友那样那么激进的去加成今年确实有非常多的朋友赚了非常多的钱对我来说我肯定加回了一些仓位但确实没有那么激进等会你说的是你受到了播客的影响还是你受到了之前观点的影响这个话说出去产生影响力让你受到影响还是说你观点本身让你产生的影响我觉得当你越强烈的表达一个观点的时候你会被你说出去的话限制而如果这句话是公开表达的那肯定会有更多的限制这也是我们之前我在想要不要再录这第二期播客的原因但后来技客的瓦总西东说服了我他说如果你认为你的观点被打脸了你就不愿意再说了那其实你是真正的被你的观点绑定了但实际上你应该是一个持续学习持续进化的个体因为你看很多字节系的创始人出来可能会引用一些像字节的打法你觉得整体从人群划分来说字节系的创始人是一个好的投资人群吗我的一个简单的观察是有的是要把字节学会的东西可能要自己颠覆自己的一个过程哈喽雨森还是给听众朋友们打个招呼嗨大家好我是政客基金的管理合伙人戴雨森距离我们上次聊过去的小半年上次你在我们播客里提到EarofR这些观点当时的R包括回报研究和记忆你今天觉得这个判断是不是有点被打脸对其实这几个月来陆续有人把之前的播客发给我说你看你说今年AI的回报有问题今年可能会有回调是不是被打脸了我觉得其实挺有意思的因为作为早期投资人你必须在很多事情很早的时候去进行思考然后给出一些判断但是在这过程中的话我觉得打脸是一个常态做早期投资因为当你陆续被打脸的时候很多时候其实说明这个行业变化很快那么如果你做早期投资这个行业飙很快那就意味着它有很多的机会那么AI这个领域被打脸的判断也非常的多其实我们当时录的时候应该是在1月12月左右当时其实大家最关注的是OpenAI因为当时讲OpenAI的DAU有8个亿很快到10个亿了那个时候我记得OpenAI宣布跟一家公司合作股价就涨几十个点宣布和谁买谁的算力比如Oracle股价立刻就跳涨几十个点然后到了去年12月呢Gemini3发了然后那个时候大家说哇Google变得很厉害大家说Google有TPUGoogle有最多的算力Google也有很多人才然后Google有原生的多媒体模型所以当时Google替代OpenAI成为模型之王然后到了今年1月份大家发现Cloud的Coding能力很强当然后面的OpenCloud对吧然后CloudCode大家全民去学AgenticCoding所以在今年大概3月份的时候Zopic的收入增长非常快它在二级市场的二手的市值也超过OpenAI所以3月份的叙事是Zopic一意绝成但是现在到5月份来它好像又发现Codex也很不错它的新用户的增速已经超过了CloudCode然后Opus4.7大家发现有点降质当然后面发现是一系列的系统的问题导致的但大家发现GPT5. 也很好所以现在大家又觉得好像OpenAI又有这种卷土重来或者说在你追我赶的趋势所以我感觉AI这个领域里面就哪怕哪个模型更好这个问题在我们过去的6到8个月里面不同的时候问可能都会有不同答案所以我觉得打脸是个常态并且如果一个人怕被打脸那永远不说永远不判断那绝对不会被打脸所以我是觉得正好也是去阶段性的去复盘去思考对我自己对于咱们的交流都会是一个有帮助的事情我专门回去看了看你上一次非常精准说的是要在今年下半年迎来回调你现在还做这个判断吗因为今年上半年起码没有他反而更疯狂了对我觉得这也是我们在二级市场里面有一句话叫strongopinionweaklyheld就是你要有一个很强的观点但是你不要被自己的观点说绑架说实话我在录了那期播客之后我后来也在想人很容易被自己说出去的话绑架比如说当你看空它的趋势的时候你就很容易看空做空我不是说做空的做空而是说你可能空仓对吧或者是你去想买但是为什么叫weaklyheld是因为你如果有个strongopinion有个很强的看法你最好要知道你的看法是怎么来的我有这样一个看法是因为一二三不同的原因所以当这些原因发生变化的时候我觉得一个真正的聪明人其实是应该去调整自己的看法的所以我是觉得说出去的话更难改变但是这是我要努力克服的一个事情那么我们确实看到当时我有一个比较重要的判断是我认为OpenAI大家指望它的收入会有落空的风险因为当时大家觉得OpenAI的核心收入分三大块一块是订阅制的收入一块是广告电商的收入一块是企业服务的收入我觉得前两块确实在6个月之后看其实没有大家想的增长那么快因为它的pro的用户的付费包括说它的广告电商其实进度都是低于预期的但是确实anthropic的coding的收入在企业服务里面的收入这样大幅增长那肯定是在去年1月底12月初是没有看到的这个确实是在cloud456. 发布之后带来了一个从量变到质变的提升导致很多人以前无法用angienticcoding完成任务现在能完成的很好所以当这个变化发生的时候那自然你对于未来的轨迹的判断也会发生变化因为世界本质上是个BS的世界你前面发生的概率对后面时间判断就是有影响所以我现在对这个整体的回报的时间线肯定是往后推迟同时我自己肯定也是在仓位上在我自己的投资上也会做一些调整这就是AI这个领域的魅力因为它经常发生很大的变化我们在这里面每天都觉得很有新鲜事都觉得很充满好奇心对你去年底说二级市场清仓空仓了那今天是怎么变化的当然我们这个不做任何投资建议仅仅是作为一些分享对首先我在二级市场的偶像是StanleyDrunkmirror就是当时索罗斯的车牌手他现在在做自己的基金了他是一个交易员他不是基本面投资人所以我自己的二级市场风格也不是一个股票买了满五年的这种我是更多的是从一个交易角度去看那么刚才说到二级市场里面这句话strongopinionweaklyheld我在看到这个anthopic的用量大幅上涨之后并且我自己也去频繁的使用cloudcode我自己给自己做了蛮多小的工具我自己使用我确实觉得这是一个大的变化带来的影响是很深远的同时我们也在硅谷看到meta啊google啊越来越多的公司在全民吃螃蟹大家一起在去使用agenticcoding使用很多的token去尝试创新然后很多个人我的各种好朋友们他们也得到很强的体感有的人可能一个月烧几千美金上万美金的token所以这方面肯定会继续带动token的消耗所以我也加回了一些像大家其实也都耳熟能详的不管是存储光CPU这些所谓卡脖子的肠胃因为现在硅谷整个大的就在做多硬件尤其做多硬件里面瓶颈的部分但确实在这方面我确实受到了我的播客的影响我是不敢像我的朋友那样那么激进的去加成今年确实有非常多的朋友赚了非常多的钱对我来说我肯定加回了一些仓位但确实没有那么激进等会你说的是你受到了播客的影响还是你受到了之前观点的影响这个话说出去产生影响力让你受到影响还是说你观点本身让你产生的影响我觉得当你越强烈的表达一个观点的时候你会被你说出去的话限制而如果这句话是公开表达的那肯定会有更多的限制这也是我们之前我在想要不要再录这第二期播客的原因但后来技客的瓦总西东说服了我他说如果你认为你的观点被打脸了你就不愿意再说了那其实你是真正的被你的观点绑定了但实际上你应该是一个持续学习持续进化的个体其实也是非慢学习法对吧你会不断的去表达思考从中得到反馈这其实很像模型的强化学习你要得到一个反馈信号高质量的反馈信号所以很多时候是负反馈信号我觉得是很重要的这也是我觉得市场很有意思的地方播客很有意思的地方因为在日常生活中可能不会有人那么直接的批评我但是市场不会对你说好话市场说你错了你就错了当然也有很多听众说你看这个是不是被打脸了所以我觉得这是一个很好的对自己思维和思考的练习好那你基于这半年的外部反馈和市场的反馈你能总结一下之前你看对的是什么看错的是什么要不要更完整的有一个表述对我觉得看对的主要就是当时关于return的一个担忧其实主要是在对于C端用户的担忧这里面一方面是说针对当时以OpenAI为代表的普通用户的订阅制收费我认为第一它比较难以提价当用户付20美金一个月的时候是比较难快速的提到几十一百美金一个月的对于普通用户来讲第二就是当时已经有50万的付费用户了我认为这个付费用户已经把人群中比较愿意为AI的日常的这种chatbot付费的人群给筛选出来了这部分要继续提高我觉得是比较难的那么OpenAI的产品的DAU以及它的付费用户的帧数以及每个付费用户的UP我觉得它的帧数会比较慢那么我认为这个是在过去的6个月里面大家看到它的增长是陷入到一定的停滞第二就是说当时OpenAI在很努力的去做广告和电商招了很多人推出很多新的产品形态那么我认为在一个很创新的用户产品里面去做广告做电商这不是一个简单的把广告放进去就可以做到的事情哪怕像字节这么强大的公司他在抖音在TikTok这些里面的电商和广告探索都花了很长的时间Facebook和Google他们也在成立之后都花了6年8年的时间才成为一个广告的超级超级所以我认为在ChatterGBT里面插广告这个事情当时大家是太乐观了实际上它不会有那么简单我觉得这个也是得到验证的所以我觉得这两个基于当时的ChatterGBT作为AI的领头羊作为大家最关注的变形渠道我觉得这个判断没有大的问题但显然对Adobe或者说Coding当时是完全没有预料到会在这么短的时间内发生这么大的变化这个是看错的这部分但我也可以展開講一講就是說為什麼當時沒有看到這個到來因為我覺得如果是智利的話其實它很多時候是一個突變的過程這跟互聯網是有很多不一樣的互聯網在很早的時候比如說在上個世紀末的時候其實就有了電商有了廣告有了門戶有了即時通訊它在現在的很多商業模式的基礎已經出現了但是互联网是需要把更多的人连接起来有更快的网速然后产生更高的变现效率它的商业模式出现的很早但是它是一个不断完善的过程但是对于AI来讲它本身是智力那我们可以想一个人来说他的智力是必须突破一定的阈值才有价值的虽然说把AI的智力从猫的智力提高到比如说智商80智商90它是一个很大的成就但是你想你要招个员工你肯定希望他的智商至少是10吧它是有一个突破这个预值它会突然出现很大的价值我觉得这个很像蒸汽机我们之前也经常拿比方就是把水烧开了才有蒸汽机那如果烧到9度其实也不会有蒸汽机但是这个到底多少度是烧开这个提前预计我觉得是比较难的从各方面的信息了解包括可能像之前你跟Azopio摇顺鱼的访谈大家对于coding这个时候什么时候突破这个预知把这个agent能够跑起来能够真正的完成高价值的coding应用其实没有一个很明确预期否则cloud4.5就不会叫4.5可能会叫5对吧因为他们本身也是对这个版本号也可以看出来其实没有那么大的一个期待那么我们就看到就是说后视镜去看没有范式变化但没有提出新的模型架构也没有说出现一个新的训练的方式的但是就是在4到4.5的过程然后4.5又被4.6进一步的放大带来了这个coding体验的本质变化那么当然我觉得从背后来看呢普遍大家觉得还是数据占很大的部分对吧那高质量的这个用户coding的数据让模型的编程能力变得更好同时呢也有很多的agenticRL的部分啊让模型呢这方面能力提升所以原来跑不起来的agenticloop它能够跑起来了啊那这个时候的话AI就开始能够完成更长时间更高价值的编程工作这个我觉得是一个不知道什么时候发生但是你事后去看这个节点还是挺明显的你觉得你自己是在什么时候才开始真正的理解了anthropic首先不能说理解对吧因为SRV本身就是一家尤其是对中国比较封闭的公司所以我们的很多信息其实都是二手的可能都不是一手的所以比如说也可能更理解对吧所以我就不能这样理解但是我今年三月份在硅谷确实也进一步的交流了一圈之后我确实觉得大家普遍提到的一点是组织能力和组织形态或者更具体的说AI大家在探索阶段比如说在CharlieGPT出现之前大家不知道AI能做什么它是一个从下往上的基于一些超级个人进行灵光一线的探索的这样的阶段所以在那个时候OpenAI这种相对比较松散比较从下往上的组织结构其实比较适合探索不同的方向的因为我记得OpenAI最开始的时候就有三个不同的方向做机器人、做世界模型、去打游戏打L当时语言模型只是个小的团队在做但是这种支持自由探索的方式在探索期很有价值但是现在AI进入到了一个逐渐收敛的过程mansobject当然他选中coding的这个过程我的理解是他也不是说一上来就说我就要做coding而是因为他在这过程中逐渐发现当他的训练数据中coding的比例越来越多他的coding表现越来越好并且呢他其实也选择了一条做enterprise做生产力跟openai做大地球产品不太一样的路线但是当他已经比较明确扣定这个方向之后那我觉得Anthropic在这个过程中体现出来的其实是一个从上往下的公司的组织能力他们每个人进去面试都是有价值观面试的这个其实是一种共同方向的认可那么我觉得顺云讲的也很重要就是他并不是那么强调一个个人英雄主义的我们在openai见了有很多明星研究员他们每个人可能有自己的一个要做的方向但是如果你是明星我也是明星呢其实可能各自有各自的想法那资源分配上好像sam也是更像是一个他原来在ycpresident嘛他说他有点像是个天使投资人的一个感觉在硅谷其实蛮多人这种评价就是会不断的鼓励有各种小项目所以我们看到openai经常有很多项目做出来了上线了然后后来没人管感觉又消失了之前的gbt可能有什么SARA可能是都已经比较大的了对吧我记得他做了软件现在不知道还有谁在用然后他做了operator做了很多新的尝试啊但是这个他就缺乏一个持续性因为他很多时候是基于很小的团队从下往上做的但是按BioPack呈现的看来他不仅是招人的价值观公司的方向很一致并且好像Darryl还没两个星期会跟公司有一个他的内部的思考memo的同步就他是一个很对齐的组织这点上满像是一些中国就战斗力很强的这个公司的然后它其实产品迭代很快我们看到在3月份CloudCode应该是几十天迭代了几十个不同的功能有的时候经常我一进Cloud的那个准备它又升级了它其实是一个管纱也管埋的组织OpenAI的很多产品有点像管纱不管埋到后面就没人维护的感觉我觉得这个其实是一个探索期适合置下网上的发散型的组织而这种高速赛跑期其实适合一开始只有明确bet然后从上往下价值观比较一致方向也比较齐心的组织所以我觉得这个确实是一个组织带来的在这个阶段优势但确实我看你跟广媒也聊到这点就是说OpenAI还是有很多创新的种子正在萌芽对吧那假设接下来几年不咋变了那可能Anthropic这种专一的优势就会很大但如果一两年后下一个范式又诞生了那这个时候可能重新又会回到一个探索阶段啊这个其实是我在去年的R里面的第二个R就是research因为当时我看到会不会有很多newlab的诞生大家其实也都在bet一件事情就是下一个范式可能又重新需要这种像newlab这种比较发散比较自由而且同时也有很多资金的去探索的组织去诞生但确实在现有范式下就直接实现了在coding的一个大的提款转变那这个我觉得是一个很多人并没有看到的这样一个变化并且我在微博还看到有另外一个观察就是在去年以前很多人认为coding是一个垂直领域大家是把coding和比如医疗金融并列的虽然我记得我和广密我们其实都讲过很多就是coding觉得是一个比较通用的能力但是哪怕我跟一些researchlab比较senior的研究员聊他如果自己不是做coding的他往往之前也是觉得coding就是垂直方向中的一个但现在大家发现coding不是一个垂直coding是一个水平的是一个horizontal的一个领域所以它其实可以加强大家的办公室的工作加强医疗加强大家去做研究的速度所以这个就让coding的意义变得很不一样了但同样的说这也是做出来看到之后变得很显然但是在这之前并不是那么显然一个事情然后对Andropin呢其实他之前是对他有一个担心就是说他是不是一个卖API的公司尤其是在CloudCode还没有变得这么风靡之前CloudCode顺于也这么认为顺于也这么认为是的他其实我记得在去年年中他担心的是说那你是卖API的那人家Codex卖的API更便宜是不是你就不够好是吧当时其实是担心更好的模型出来或者更便宜模型出来卖API的商业模式就没有门槛和壁垒但是其实你就会发现CloudCode非常重要如果没有CloudCodeUnstoppable只卖它的API我觉得它会是一家很不一样的公司CloudCode带来了一个用户大量高质量的使用数据然后经过各方面了解这种数据的回流确实让它能够训练更好的coding的模型实现这种数据飞轮的提升并且其实你看最近Codex长得也很猛对吧所以你会发现CloudCodeCodex这其实都是harness对吧那并不是说你有了强大的模型你就可以把API卖出去你就很强的优势的用户还是要用一个产品用户不是直接用API所以在这里面它既有好的模型它同时又率先提出了一个能够做longtimehorizon任务的这样一个harness就是CloudCode我觉得这个也是这家公司它做的很正确的事情嗯啊但是这个Harness是模型公司做的是的那是不是有可能未来的这种好的Harness都是用模型公司来做我觉得是不一定的因为其实CloudCode是可以接别的模型的对吧所以你从这一点来说就是它和模型的偶合是没有那么强的然后显然我们在年初的时候看到OpenCrowOpenCrow可是一个个人做的曾经它一度成为了非常火的Harness之一对吧对你会发现至少并不是说只有模型公司才能够第一方的做出好的Harness当然如果你是模型公司你对你自己的模型的发展方向你对它的参数对它的各种细节很了解所以你可以说你的Harness会做得不错但是我觉得opencloud是另外一个例子就是它有很多创新未必只有模型公司才能想出来的其实大家都可以想出来所以我觉得这里面只能说现在几个好的harness有一些是模型公司自己做的opencloud也好manus也好其实也都是harness只是他们以前都要套壳去年大家都说这是套壳不重要现在大家说原来这叫harness变得很重要我就觉得大家对这个事情的判断对它的重要性的判断其实都是在不断的变化的好這個問題我們後面還要聊一聊因為我們剛才在聊anthropic然後也聊到了openeyes做了codex你覺得anthropic它的優勢是穩固的嗎你覺得今天的anthropic是被高估的嗎openeyes是被低估的嗎对这个也挺有意思的就是我觉得你要从短期中期长期不同的视角去看比如说如果说很短期三个月的角度可能都被低估了假设他们今天上市啊普遍大家都认为可能至少是两万亿美金的公司现在安发比格的新股的价格是90亿美金openeye大概也差不多90亿对吧但是他们其实都是预计在下半年或者明年初上市那在现在的市场情绪下上市我估计直接翻倍炒到3万亿可能都有可能你从这个角度来讲可能反而是被低估的对吧因为他现在在年底的AR的预期是10亿美金那10亿美金现在也就是10倍1万亿美金那不能说是特别贵对吧如果你从很短期的市场情绪界来看可能Enzobig和OpenAI其实都是被低估的但如果你从一两年的角度来讲我仍然认为他们可能是被高估了啊因为现在的return这个问题并没有真正被解决它只是变成另外一种形式了这个待会我们也可以聊一下那但简单来说就是说有可能两年之后你去看你都会发现他们估值会有很大的下降但如果你从10年的角度去看那我认为这里面那个赢家或者说也许两个都是赢家也许两个都会长期存在那有可能会是5万亿10万亿的公司所以我觉得要看短期中期长期怎么怎么怎么去思考这个问题还有一个看法就是说现在其实头部几家模型公司没有拉开真正大的差距所以你会发现谁最后发模型谁就显得最厉害因为它每个模型它都是一个比较大的提升后发的就有后发优势啊但如果你用这个去过度推演这可能也是会有些问题嗯靠code和codex之间的竞争你怎么看目前来看很多是会有品牌锁定的比如说我自己用CloudCode用的挺好的那我有没有动力去试用Codex呢可能就没有所以这种品牌其实会有很重要优势先发的品牌新制定位还有用户粘性用户粘性有的是基于习惯的对吧比如说我在我的CloudCode里面配了很多的skill我有很多我的写在CloudMD里面的配置这个时候你要我用Codex我可能就得重新弄一下所以你看Codex现在其实是有点价格战的他们的成本基本上是比CloudCode的同等合下来应该要便宜50%他现在在一些longtimehorizon在一些reasoning的角度我的一些两个都用的朋友呢也反映codex其实挺好的所以如果有个人现在一上来就用的是codex他可能也觉得挺好的所以我觉得这个时候又变成了渠道之争因为在现在两者在做很多任务的时候没有那么本质的差别那么这个时候品牌渠道价格这就变得就很重要但是如果你是两个月前问我这个问题,那那个时候Codex是要落后CloudCode挺多的,但是GBT5. 的出现其实改变了很多大家对于Codex的认知,所以这有点像好马配好鞍,对吧? 但是现在他们的模型和Harness很多时候是有绑定关系,通过他的这个codingplan去绑定,你要去看到底是因为他提供了很有折扣价的模型,还是说Harness本身做的很好。

但整体来讲,我觉得现在5月中旬的这个时候,大家的差别没有两个月前那么大了。 嗯你也刚才说到return的问题没有真正解决是这样的就是我们投入的这些capx它最后要变成一个回报对吧这个是return问题的本质那么anthropic的收入大涨其实让很多人认为这个回报问题已经被解决了但我的看法是anthropic的收入它不是最后的回报它其实是它的客户的投入大家买来这么多token大家不是烧着玩的大家是想最后要得到结果的所以这是把回报的问题进一步下推到了是Unzopic的客户这边那么我们思考一下就是Unzopic的token其实是他客户的投入他客户买了这些token刷了这些token是要得到的是做出来的软件对吧这个是他的产出那这个产出光软件还不行这个软件要卖钱或者要能够降本它能带来利润的提升这个才是结果我们可以认为它是一个三步的链条叫投入产出结果現在大家都在拼命投入因為大家覺得這個投入最後有結果這個結果我想一定是要利潤的增加利潤的增加要不然就是收入的增加要不然就是成本的減少要不然就是降本要不然就是增效或者就兩個一起那我们就要去想首先我们如果认为这个循环的公司是成立的那我们就要看到它的终端用户最后能够有新的利润作为结果那么如果你要从增效的角度来看增加的收入其实是应该通过新产品新服务扩展新的业务领域去诞生的那我们可以想一个问题就是移动互联网过去几年陷入了其实发展一个停滞对吧大家都觉得这个产品好像没有什么新的产品形态了这个原因是因为缺程序员去做功能呢还是因为缺好的产品经理去发现新的需求去说出新的产品我认为很多时候其实不是缺程序员去写来码而是大家不知道该做什么那我们再想另外一个思想实验就是对于一个稍微有一些规模的公司来讲突然多了10倍的工程师他的收入是不是会大涨我认为很多时候其实是不会的其实我们可以经常看到就有很多人反馈说用了agentcode之后我的产出我的效率提升了10倍但是这么多10倍此起彼伏我们去看公司的收入那公司是不是多出来了很多新产品卖给了很多新用户带来很多新的收入我们目前来看是没有观察到一个大幅度的这种最后结果的提升的会不会是时间还不到对就是你那个烧开水理论是的我认为这是里面新产品的出现新功能的发现它是一个逐渐的过程它不是说你程序员突然多了十倍你的新功能就出来了很多对吧所以它是一个逐渐释放逐渐发现新产品新需要的过程但你烧掉了token可是现在就烧掉了所以我认为它会有个时间的错配在之前大家建设这个GPU集群算力中心的时候大家想的是我接下来6年甚至更长时间把这个钱赚回来但是我今天烧掉了token我能不能过两年再把它赚回来这个我认为它的忍耐的时间可能会比大家想的要慢并且呢在现在我们在硅谷在中国其实我们都看那个现象就是原来硅谷其实不是那么内卷的我觉得不内卷有一个重要原因是硅谷的原来程序员很贵那么我这么贵的程序员我最好还是让他做我的核心业务但是现在你突然有了很多便宜的编程的能力但是你又不知道该做什么新东西的时候所以我们现在就发现硅谷有的公司其实在互相卷起来了进入彼此的领地比如说原来拉夫宝是做网站的现在拉夫宝可以做PPT了然后原来伽玛是做PPT的现在伽玛可以做网站了因为你发现当你可以做webcoding的时候可以用agentcoding的时候但你不知道做什么新的那第一反应是把别人做一下所以现在做一个以复制一个已有功能的能力其实变得越来越快了但是如果你要做出个大家都没想到的功能其实还是很难因为它不是一个编程问题它是一个创新问题它是一个产品问题所以我是认为降本增效值里面增效或者这个增效就是增加收入增加收入这部分它是一个逐渐的过程它不是靠你增加了很多的编程能力就可以立刻增加收入的所以现在大家发现降本是这个核心说到底裁员对吧因为我token少了这么多如果人员工资不减少那我总成本是上升的对吧裁员呢我觉得这里面首先第一点如果出现大规模的裁员他们这些程序员的收入也是别人公司的收入对吧这个其实对于整个经济是有巨大的影响当然在硅谷我的感觉是每个人基本都非常担心自己被裁员因为大家都很焦虑这个焦虑实实在在的为什么呢是因为大家看到自己工作的主要的部分变成已经可以被AI很好的做但我觉得这几年其实你会发现一个程序员他可能百分之八九十的工作是编程但也还有百分之一二十的工作很多是沟通协调甚至是一些管理一些这个人与人之间的信任所驱动的就这些部分虽然说可能只让他工作动的一部分时间但是他是不能被Agent直接去取代的所以我的看法是说很多时候你替代他的编程能力那部分容易但是很多时候比如说一个人他在一个组织里边的他的这种关系他的人都互相信任沟通交流他还不能被取代所以这个人你还不能简单的就把他裁掉了实际上你会发现在硅谷当然有部分是本来就招多了这部分可能是AI来不来可能都可以裁掉的基本硅谷的这些大公司裁个15%的人他是他随时可以裁的本来就容易但再进一个去裁我认为没有那么简单这个其实有点像自动驾驶的时候很早的时候自动驾驶就已经可以解决80%甚至90%的高速公路驾驶但这个时候能不能直接就把人去掉呢其实不能因为还有一些cornercase同样我认为在一个哪怕是软件工程师的工作里面其实也还是有一些cornercase这个让这个人没有那么简单被裁掉第三个就是说裁员毕竟是一个你只能做一次的工作你只能把一个人裁一次对吧所以他差点省下来就是投入但是他不能持续的增量的裁出更多的成本来所以我是感觉return问题并没有真正的消除他是被以Azobio的收入这个形式因为Azobio只要有收入他的上游这些硬件公司内存公司光模块他们就可以有更多的订单但是如果当anthropic的客户最后没赚到钱那他们还会不会买这么多anthropic的token或者是coding的token这个我认为是非常值得观察和打个问号的但是现在肯定是涌进来去使用AIcoding的人是远多于发现自己花出去的token没有那么多的价值的人其实它有点像是个水槽上面有无数多想吃螃蟹的人上面其实有很多人是觉得螃蟹不好吃他走了但是现在进来的人远多于离开的人所以AnsarBig包括OpenAI它的AR长得非常快我们也看到国产的coding模型它们其实也是收入涨得很快只要有刷新率就能卖出去但我认为你最后是要把这个漏水堵住的就是来吃螃蟹的人来尝鲜用AIcoding的人他是要能够最后从中赚到钱而且这个赚钱的周期不能太长我不能今天招了token我过两年才能赚钱这个我觉得大部分公司是受不了的其实我们很多时候也可以自己看看,因为我们自己也做很多的AIcoding的尝试,那三月份二月份估计都养了很多小龙虾对吧,也烧了不少token,但很有可能你会发现是三月份你烧的token比现在就多很多,因为很多AItoken花出去其实可能没有带来本质的价值。 我觉得这个其实是我们观察到很多包括公司里面也遇到的常态当然现在呢我确实觉得对于小公司对于个人是很有机会的因为原来个人的创新小公司的创新很多时候确实是卡在程序员不够所以他们是有想法没有人做所以这个时候codingengine带来很大的变化但是我觉得很多大公司的问题应该不是没有人做而是说不知道做什么以及组织效率很低但是我覺得你剛才說的都是程序員就是AICoding對於程序員的替代或者是程序員的大幅度的數量的增加但是我們既然說Coding是泛化的它應該是對更多行業都產生影響的对我觉得这个其实陈旭元他当时是把它拿出一个领域做比喻嘛另外第二步大家就想的是整个officeworker知识工作者知识工作者比如说这里面你的这个能写更多的报告了对吧就是你原来要写一个报告你现在把AI给你写了那你是不是可以下岗了其实我在想这里面有一个挺有意思的地方就是我们比如做投资机构每个人能看的报告都多了很多但是你投资决策你除了还是要人去对这个决策负责比如说你原来看你的贷款可以看一家公司现在你可以看十家公司但是你能承担的投资的这个职责是不是你可以多投十倍的钱我认为不是的在这里面我其实想到一个框架就是叫做说一个组织里面能够背的锅是有限的只要你的AI还不能帮你端到端的去完成一个工作的话它可以多写十倍一百倍的报告但是人还是要对那个报告的结果以及它驱动的行为负责比如说我投了这个公司我还是对我投资决策负责AI没法负责我也没法开除它我也没法关掉它当一个人能承担的职责是一定的时候因为这取决于他的工资或者取决于他能承担的损失对吧AI是没法给你担责的所以一个主持里面一个人能承担的职责相对有限的时候你只是把比如说AI能写的报告写的更好模型做的更好我认为这个可能短线也不会让一个人能多投十倍的钱出去多承担十倍的责任除非说现在我们能够拿到一个报告我们就不用看了它肯定是对的然后我们可以用它去指导但是目前我们也看到就是肯定还是有一定的幻觉比例或者很多工作它还是需要人去检查那这个时候就会又回到一个人的瓶颈就是AI写了很多报告但人还是要检查一下所以这个检查时间可能变少我觉得整体来讲生产端的提升并不代表就是说最后结果端的结果那么回到刚才那个三步的框架就是投入产出结果投入端我觉得是在大幅进行产出多了一些但产出又没带来结果这个我觉得需要时间去验证因为今天的AI能力好像还在快速变化那我们就来看return的问题会不会有点早我觉得肯定是比较早的但是我认为为什么现在要看呢以及去年年底说要看呢是因为这个数很大如果这个数几百亿美金那其实大家可能觉得花得起嘛但是现在整个AI今年在硬件上的利润是70亿美金你也可以看到最近都说三星海力士的工人对吧都是一年几百万的奖金对吧因为三星海力士他们的利润已经接近英伟达了然后传统意义上的这个CSP就是几个大的云厂商他们的利润已经低于纯储厂商的利润了就是硬件端已经有非常大的投入同时呢Enzobig假设按照大家预期到年底10亿美金的AR意味着每个月他卖出10亿美金的token掏了10亿从这买token的人他们赚了多少钱这个问题我觉得也是一个越来越需要在比较快的时间内回答了否则这个数字是太大toobigtoignore所以我是认为现在的hyperscholars像MR学院这些都已经在举债去坚持他的数据中心他用资金杠杆引起来之后实际上对于回报的要求这个问题的解答的时间要求其实是在变短的哎我们接下来聊一聊整个206年吧因为你看去年底我们聊的时候我记得你说的是yearofreturn但是当时还有很多人说26年会是应用的爆发然后也有人预测说今年会是大厂sharepayup之战但转过年来发现跟大家想的完全不一样所以你今年对于整个叙事是怎么看的那么总结来概括一下其实我们对于AI革命的关注的主线一直都很清晰我们一直就很看好AI对于生产力的巨大提升我们也一直认为只有agent才是AI提高生产力的主要形式因为agent不需要人的注意力才能解放人的注意力所以我还特意看了一下我因为从23年到现在也陆续录了一些不同的播客然后我就看了一下我之前讲的这些标题比如23年的时候我们当时的标题叫做大模型只是起点人类未来是和多质量体紧密协作的然后在24年的时候其实当时因为也有很多人质疑大模型的商业价值是什么那么我当时讲的就是说模型能力的提升才能够解锁更多AI的价值尤其当时我们聊到编程能力计算机使用能力思考能力这三个能力能够在R5年解锁Agent的元年所以基于这样的思考其实我们也是在之前就投资了像ManusJensberg这样的做Agent可以说是第一波Harness的这个公司我们也投资了Kimi其实应该是国内最关注AgenticCoding的技术模型公司那么他们在R5年也完成了巨大的转型在现在也成为了我们认为是可能全世界最好的这样一个开源的Coding的模型对吧然后在R5年的时候其实我看当时我就认为模型的能力越来越提升之后我们将不再需要那么多的attention对就attentionisallyouneed因为我的总结是以前人类做的所有的工作比如说你写代码你去做一个这个PPT你去干任何事情你都需要人的attention所以只要说这个AI不能解放人的注意力它就没法带来本质的提高但我们现在看到agent很多人睡觉之前把任务布置下去虽然是醒来之后发现agent把这个事给做了所以这个其实是真正的因为模型能力的提升带来了真正agent的到来所以我们能实现不需要注意力从而能够实现一个人干很多事那么在这个时候我去年还录了一期就是说agent的出现意味着我们每个人都会当AI的老板我覺得現在很多很有意思的點是大家在今年好像都經歷了一種就是用aging的上癮的一個階段對吧就大家總覺得有做不完的事情一會讓他做這個一會讓他做那個後來我有個朋友說了一句話我覺得特有道理他說我們其實很多人是在享受當老闆的快感我说那这个我倒是当了很多年老板我倒是比较懂得这种言出法遂所以我们每个人都在当老板所以如果说回来就是说我们其实并不意外我们一直都很看好AI对生产力的提升我们一直都很看好agent作为AI生产力的这样一个形式那么我们也一直在投这样的公司只是以前大家说就是套壳这个都没有必了先大家说啊原来Harness还是很重要要有HarnessEngineering所以如果回到说R6. AI世界我认为就是模型能力的提升带来了Azure真正的落地那Azure落地的形态它最后其实落地是在一个应用也好Harness也好这样的产品上嗯那说到这里因为我们也聊了好多遍Harness你能不能给大家讲讲你你理解的这个模型的编排工程嗯当然这个词也是一个就是现在是个显学了对吧我觉得如果说以前我们用一个产品不管他是不是AI产品有点像是我自己去开车的话现在我觉得我们构建的是一个有点像我们看F1赛事里边车手在开车只是这个车手变成了模型他开的很好但是我们要搞一堆人给他保养换胎给他去这个让他控制在赛道里面所以他有点像harness这个词对吧因为他是来自于这个马具嘛他是一个就是说你是怎么样让一个非常强的东西你去让他在你规定的这个里面去运行嗯那这个里面我觉得就分为几个部分最基础的是模型对吧其实这是大家开始讨论的最多你有没有个好的模型但模型呢他首先需要有这个context因为模型有很多东西他是不知道的你需要把这个context给他这个context可能是实时的context可能是属于你这个组织专用的信息这个实际上是很重要的然后在context外面你还要给他建立起比如他能使用的工具他能够以什么样的agentic的循环去跑他的这些任务从而在一个好的hardness里面他们能够做更多的事情其实我们看到比如说当时为什么opencloud出来大家觉得非常的惊艳是因为opencloud它通过给这个模型很多的权限它解锁了很多大家原来没有想到的场景比如在mac文件上进行操作然后它还有一个心跳的heartbeatmd它每隔30分钟让模型去检查一遍有没有没做的事情就很多这些机制讲出来都很简单但是它其实是让模型能够更加在长程的任务上去完成的更好所以这块是这个Harness在外面有一层我觉得现在很多人在做的就是各种Thunderbox就是它的Runtime在这个里面其实我们发现模型需要用更复杂的应用这个最早其实去年Manus出来的时候他们就做了这个Thunderbox对吧当时跟e2b在合作就是模型能够在Thunderbox里面去上网去使用软件当然现在的话大家会越来越发现我要有持久的一个Thunderbox我要给AI配一个更加持久的电脑所以现在我们看到最近这个digitalocean也是做这个训练机他们也长得很多同时现在我们看到AI持久的具备开电脑他们在这个电脑里面一直去跑更多的任务这件事情也变得很重要所以这其实都是架构在模型层外面的现在只是说harness这层现在是比如说模型厂商自己在做但显然有opencloud,hermes,madness,genspark这些在做那么contacts是需要用户通过这个产品去给他的这个模型它不会自己从天上掉下来而且runtime也有很多公司现在做这样的事情所以我会觉得是我们在模型外面爆了越来越多的层次这里面有的是模型厂商做的有的是第三方创业公司做的并且这里面越来越多的价值在于模型外面包了这几个壳里边所以你觉得壳是变得更有价值了是吧我认为壳是变得更有价值了那你还认可模型机产品吗就是杨志霖非常坚定认为的那个观点我认为他说的核心是在于说产品的核心能力是模型来提供的但显然我们现在打交道的不是一个模型或者不是一个模型的API而已对吧现在把一个API给你你当然也能把它接起来但是我们交互的始终是一个产品就哪怕说最开始AI这波浪潮的引爆是ChatterGBT但ChatterGBT也是一个产品它其实是把InstructGBT这样一个模型把它position成一个对话的形式然后用这样一个对话的chatterbot形式体现出来如果它不是这样一个harness它只是让用户自己去跟模型API互动那肯定不会有这样大的变化比如说你可以说chatterGBT是一个模型机产品它其实主要是一个模型外面包了一个harness但是没有这个harness也就没有这样一个用户的使用没有这样的革命诞生所以我觉得这个话并不是矛盾的所以我能理解你觉得进入206年壳变得更重要了吗因为这和有的人观点是相反的因为有的人觉得进入206年模型就是一切模型吞噬一切我觉得这两个观点可以同时存在首先就是说你会发现拥有先进的模型这件事变得前所未有的重要因为如果你的模型不够强你也完成不了这些任务对吧我想说的点是说尤其是我们从一个早期投资人的角度因为我们看到模型的这个生态位已经相对比较稳定你说再出来一个像现在这种头目模型公司需要的钱需要的难度大很多但是我们同时也看到大家都是在不同的highlight上去用这个模型的并且我们其实在今年大家还意识到一点就好的harness他带来的收集的数据是可以反补模型的嗯这其实也是大家认为安法贝克他的扣里模型做的这么好其实也是他在cloudcode在上面形成的这个数据闭环数据飞轮周围数据飞轮或者数据汇传形成的这个闭环对吧因为以前chatterbot大家觉得没有数据飞轮是因为chatterbot主要是考验的模型他对世界的理解和智能那么我们人类跟他聊的东西很难让他的模型变得更聪明因为他已经训练了人类大量的数据对吧啊但是在coding这里面因为他每个都是解决现实生活中的问题所以当你起了一个项目你在这里面什么东西做好了什么东西没做好应该用哪个库哪个东西要变化所有的这些都是高质量的反馈信号所以在这里面你拥有自己的harness其实比原本更重要了所以我们可以看到像cursor大家原来都觉得cursor你做一个cur是不是你就没什么价值但是他也证明了他的composer基于kimi的pretraining然后他自己有大量的高质量的他的feedback数据所以训练出来composer这个模型其实是个挺好的模型所以这反而也说明了说哪怕我只有cur但是呢cur带来的数据加上我去做posttraining我也能够模型机产品这可能也没说错因为他会说composer也是我的产品但这个composer怎么来的如果我没有cursor这个cur我就没有这个模型所以我觉得这两句话可能同时成立的模型机产品所以你要有一个自己的好的模型可能会仍然非常重要但同时你没有一个好的产品你可能就不会有这样的独特的模型嗯这里面有一个点是因为就是从外界的角度来说哦大家都会说这些壳最后都卖给了模型公司但是从你的角度来说反正我是早期投资人他卖了我也可以退出对不对从投资的角度我觉得当然是这样的我觉得现在AI是一个很难去看终局的一个行业所以你说可没有价值也许十年的终局是对的但是这不妨碍它有好的产品好的公司甚至好的退出所以我觉得在这个时候谈太远的这种不一定是那么实际投资或者创业中有意义的我再举一个互联网的例子就是当年你可以说雅虎不本质对吧可能最本质的是搜索引擎所以就Google最好Google最好是最好但是如果你是雅虎的天然投资人那你那也觉得是传奇对吧所以我是认为照对于早期投资来讲我们不会太拘泥于说你是壳你是模型你到底要做什么Cursor最后也做自己的模型对不对并且呢我是觉得对用户来讲他对Harness更加忠诚很多朋友都有那种不断的抢救自己小龙虾的那个过程我就我不知道你有没有啊反正我自己因为小龙虾那个他这个Harness呢一方面他的功能很强大但另外一方面呢他做了也有很多问题所以他老是死掉老是死掉但是我就经常遇到包括我自己就是不断的要去救活他就是用CloudCode去修它或者怎么样那你看为什么要把小龙虾救活这回事其实大家在意的是在这个Harness里面存进去了这些memory这些记忆对吧那至于很多人是在小龙虾里面不断的换模型去用的比如说当时我记得KimiK125发了之后大家发现这个小龙虾跑得很好所以就有人可能就把opus或者是cloud的模型换成了kimi因为大家觉得这是一个90分的表现20分的价格对吧如果说很多人在harness里面为了挽救自己的记忆要把harness救活同时呢为了降成本什么他可以换他的模型提供商那这里面我觉得是反映其实对用户来讲对终端用户来讲harness其实更有它的粘性嗯我不知道你没有注意到就是我们前面两期节目福利和顺宇他们其实有一个观点是很大不一样的就是福利他是觉得opencloud这种智能体的框架非常重要它能激发中层模型的上限但顺宇就觉得这种形态其实不太重要他更关注的是模型公司的能力所以你怎么看待他们这种差异性以及你的观点是什么首先我觉得他们说的不矛盾他们俩都是搞模型的所以你如果问他们什么最重要他们一定会跟你说训一个好的模型最重要我觉得对福利来讲他应该是了到了opencross这个话题所以他有这个看法但是他肯定不会觉得hardness比模型更重要并且呢我认为他们应该也都认为一个好的hardness对于提升模型的表现获取高价值用户的交互数据从而形成数据回流这两点也都是重要的因为顺羽也聊到了就他之前也担心Adoptic有这个直卖API的这个问题也就是说他是担心一个只有model的Adoptic是不足够有壁垒的吴立当然也说到框架能够提升这个中程模型的上限所以这一点我觉得也是他们共同表达的好的harness对用好模型和训好模型也是有很大的帮助那至于说这里面是说模型公司是不是他做harness就能做到最好我认为不一定就模型公司做harness有优势有他对于模型发展路线的了解有他对模型结构的了解也当然有他很多的算力和很多聪明人对吧就是这样的优势但是另外一方面来讲我认为模型公司他强的researcher和一个做应用的公司他对于应用的理解他可能是两种不同的能力那么我们其实可以看到在比如说OpenAI他们之前是有很多基于模型的产品的雏形但是到Manus出来的时候其实我们发现比如Manus当时做PPT做的挺好然后当时我还问了一个OpenAI在做Agent的一个研究员我说这个好像Manus的这个PPT比你们做的好看我记得他回答说这个不本质我觉得他说的没毛病对吧对于一个模型的研究员来讲PPT好不好看确实不本质但对他的用户来讲很本质对用户来讲我用你做PPT我也得做个好看的PPT对吧所以我是觉得一个做模型的公司和一个做应用的公司他还有很多的事情让他的看法是不一样的模型公司认为的不本质是说我在现阶段以这个为目标去优化不本质但是他还提高了智能的上限当他提高了能力本身的时候他自然就能做出好看的PPT我觉得这个是一个相互相成的过程对吧你永远可以说模型公司未来会做得更好但是未来的那个更好的模型它也能被Harness去用做出更好的一个产品对于好的Harness来讲比如对OpenCore来讲它肯定是希望模型公司升级它的模型的对吧他可能是希望我有更好的模型说我这个harness能够让这个模型运行的更好然后他能做更多的事情所以我觉得他们俩并不是说我很担心模型公司的升级你一升级我又没饭吃了我觉得并不是这样一个逻辑在这里面并且我认为cloudcodecodex第一方的同时manusopencloudhelmuth第三方的他们都有很多自己的特点你并不是觉得说好cloudcode是完全覆盖吊打这个opencloud的对吧,opencloud它其实因为开源的,部署在本地的,给了更多的权限,有heartbeat的这些机制,它就是在云连这种场合会做得更好,当然可能clockwork也会进步,但是下一个像opencloud这样的产品它也会进步。 如果另外还有一个比方就是说,我们可以看假设操作系统的角度来讲,微软是做了IE和Office这两个在早期的时候就是Windows上最重要的应用但是Windows上并不是只有Microsoft做的应用它也有Adobe也有各种各样的这个软件公司Autodesk所以我不会认为说这些最后的应用也好Harness也好最后都是模型公司自己做的如果那样的话我觉得这个生态这个usecase可能就太狭窄了你刚才也提到一个好的Harness是有生命力的你能不能讲讲这些出现过的可也好Harness也好它们的不同是什么呀你自己体验是什么我自己体验当然是从一个VC总结的角度其实Manus当时出来的时候我们就看到他其实做了很多之前大家没有做的事情比如说他在Thunderbox里面跑这样一个虚拟的浏览器去让AI去访问网页去执行很多的操作比如他第一个做了这个wideresearch当时我们开玩笑说因为有一个叫deepresearch我们做个wideresearch其实这个wideresearch就是现在的agentteam,agentswarm这种同时起十个几十个subagent然后去执行这个不同的任务其实它是比cloudcode的比现在这些大家做agentteam都要做得更早然后我后来了解是Adobe做cloudcode的时候其实也借鉴了很多Manus在做这个wideresearch时候的这样一个经验他其实做了很多异类的工作,他这个创新其实确实体现了一种大家没见过一个做应用的公司或者叫做Harness的公司,他基于模型,他把模型的这个AgenticLoop,ContextEngineering吃得很痛,所以他做出来了很多模型公司没有做出来的体验,我觉得这个是创新。

然后CloudCode它这个CLI其实是一个非常重要的载线形式对吧在这个Terminal里面实际上AI是一个更便于AI进行操作而不是在一个图形化界面里面故意是给人用的对吧GUI但是这个CLI确实主要是给AI去用的然后他在这个里面也通过把这个skill把这套对于agentloop的配置啊我觉得他是把模型能力发挥的很好让这个程序员在上面获得了非常好的体验然后opencloud其实有非常多的创新GoogleCloud在你Mac上运行所以它可以访问你Mac里面所有的文件访问你的日历访问你的信息这些体验其实是原来一个CloudCode这样的Agent它不具备的然后心跳的机制让它能够去完成定时的任务具备更强的记忆它的MemoryMD这套体制我觉得做的很有意思的因为在ChatGBTCloudCode在之前大家都是觉得我要把Cache分开因为大家不想串context,最好我这个session就有这个session的context,那个session就有那个session的context,但对于OpenCloud来讲,他说的都在一个大的聊天里面,但他只通过每天去整理他的memoryMD,去实现这个memory,这个我跟很多研究员聊过,他们一开始是觉得不以为然的,因为觉得你这样context会串的,那AI可能会有幻觉,但对于用户来讲,他有非常强的感觉是OpenCloud记得我。 因为我都丢在一个context里面了所以这个感觉就是很神奇所以你看后来我们大家都纷纷跟进Manage也做了自己的agent后来就发现我在一个流逝的对话里面是用户最简单最朴实的一个沟通形式而且opencloud它有个自己的tui但是基本没有人用它是通过把agent插入到每个用户最熟悉的领域比如插入到微信插入到whatsappdiscordtelegram这个产品形态也是之前没有的因为之前大家都是想我要造一个我的网站我要找一个我的app对吧这个所有人都是这么做但是他做了我去到你熟悉的地方这个其实我觉得是他封闭的一个非常重要的原因尤其在中国封闭的原因因为他能插到IM里面去对吧那我们肯定是对IM这个产品形态是最熟悉的他在这些方面的创新都是非常强的这个创新显然也不是一个典型模型公司一个研究追问的公司他去做的对吧当然他们都引领了很多的产品创新对对很多产品创新当然这边有的我觉得会被模型公司交给训练里面去但是他有的是一个产品设计理念对吧啊并且他很多时候你会发现这个context他是存在他的产品这一层的当然你可以把他的memorymd去把它去导出来啊然后大家可能以后containertraining可以训练到模型里面去归根到底你的context在什么地方我觉得在目前来讲肯定是在harness里面嗯他们引领了产品创新然后卖给了模型公司模型公司吸收了他们的产品能力最后这个能力还是在模型公司啊呃我觉得那如何没卖呢那比如说如果按照这个逻辑那都比如我卖给微软对吧嗯那实际上不对并没有卖给微软其实我觉得现在挺像是一个操作系统的比喻的呃自然管理不是他就拿模型是os的比喻吗但我现在觉得这个harness本身更像是个os模型它其实很像是驱动这个OS的处理器现在有很多的应用它是基于说你有一个cloudcode或者你有个codex的runtime然后我在这个上面再做一个应用比如说我有个skill我这个skill可以插入到你的cloudcode里面去然后包括有一些应用比如说有叫pencil的包括我们投了叫slug它其实都是基于你现在的runtimeruntime就是你跑的一个cloudcode的实例然后我在他们再去做一个curl做一个功能所以它有点像是我在windows上去做一个应用因为对于这样的这个应用来讲他不用自己去处理跟模型怎么通讯而是由这个中央harness成比如说cloudcode或者opencloud处理这个模型的通讯而做这个skill的人他其实只用考虑我的skill怎么做这个特别像是在早期操作系统出现的时候形成的分化因为在早期我们去想最开始你要写一个应用你是自己得处理怎么跟CPU去通信的在没有Windows这样的东西之前所以你得去写横底层的代码当WindowsDOS这样的操作系统出现之后你只需要处理跟Windows的通讯那至于Windows怎么去调度这个CPU内存怎么去做这些IO接口是操作系统去解决的所以对于当时windows出现之后那开发者他就不用去handle硬件了他其实就handleAPI就行了那iOS其实也是这样iOS出来之后我写一个移动的APP我就不用太考虑我怎么跟苹果的处理器怎么跟摄像头的通信它被封装成了一些接口我调用就行了那你看在三年前一个AI应用开发者他得自己去处理怎么样写一个agent一个loop怎么样处理memory怎么样处理各种guardrail就是模型的这些harness的东西那个时候要做一个应用开发者是更辛苦的但现在你在cloudcode或者这些harness的基础上你再做一个skills或者你再做一个他的curl其实你就不用去处理比如说怎么跑这个agentloopharness帮你处理了然后你让他们去做就行了所以现在我是觉得它有点像是harness变成了操作系统层然后模型变成了处理器层因为你也知道当时比如windows年代你可以用intel的cpu你可以用amd的cpu对吧你可以插拔这个cpu哪个便宜家电物美你用哪个或者哪个新的更强用哪个这个其实挺像现在的就是用户可以插拔模型给他的harness对吧然后在这个操作系统上大家再去build新的不同的能力好像有点这么类似哈就是大概是出现基于cloudcode去做应用的这样一个尝试嗯或者CloudCode以后可能它就变成一个OS层你装了CloudCode但是你并不是用CloudCode去做而是你用一个CloudCode上的应用去做事其实我们现在也看到了这样的一些趋势因为CloudCode对很多人来讲它是一个CLI它是基于在Terminal里面的所以很多人其实现在他不是打开这个Terminal去直接去交互而是说他有一个图形化的界面跑在CloudCode的Runtime上面这个我觉得也是今年很有意思的一个趋势吧嗯我们在看创业者的时候就是发现有的人是比较求稳啊他做一个好像被大家已经讲了很多的概念比如说我也做过小王侠我稍微改一改的我觉得在这个变化很快的时候机会很多的时候最怕的其实就是为了稳妥去跟风因为你一跟啊你如果东西不够创新你跟着别人跑那可能时间就浪费了缺钱可以融资就是一个创新失败可以再来但如果你做的事情一上来也不创新我觉得AI就是很危险所以我觉得第一个推特位就是说你要做真正大幅度的创新第二个呢我觉得是其实要敢于做horizontal的东西其实因为大家如果在硅谷的时候每个人都说我要做vertical我要做很垂直有的人其实觉得进一个垂直行业比较保险因为大长线不会来跟你竞争对吧你好像在一个小田地里面但是我觉得技术发展早期变化太快了如果你做的太垂直的话你是容易把自己给困进去的当你是horizontal的时候其实你的能力是可以去发散的啊比如说他们刚开始做的时候其实并不知道后来ppt做网站会变成一个主要的场景他们是做了一个很公用的agent的所以后来还衍生出了哦我可以做ppt哦我可以做网站我可以做数据分析对吧所以当技术要很快的时候horizontal能让你能让很多新的浪潮的变化能对你有用对你有价值因为你能最早发现一些市场性对因为你是一个能够承载不同场景的一个产品你是一个载体对因为硅谷的很多时候讲要做垂直SARS的这个叙事对吧所以很多人也是被这个影响但是我认为要做垂直的SARS是因为SARS已经到了后期通用的机会已经被做的差不多了所以你才要做垂直做一个什么宠物医院预约系统之类的但是这个在一个技术范围很早期当有horizontal的机会的时候勇敢去做horizontal勇敢去做创新这个我觉得是有大机会的那么在这个里面我觉得其实你看Publicity,Manus,JamesBurke,OpenCrawl,Hermes除了这些AI我觉得这一波跑出来的大应用当然现在很早其实很多都是horizontal的lovable它原来是diagonal现在也在做各种各样的平行扩张对吧所以我是觉得在机会发生的时候就是要创新而且要敢于做通用的东西我觉得这个是有点反共识的因为可能讲垂直的会非常多嗯哎你刚才说要创新就是我突然想到因为今年所有人都要做agenticcoding就会不会过于同质化我认为肯定也是有点的其实我还是有一个暴论就是我们对AGI一直在缩水的最开始的AGI是那种毁灭人类对吧singularity然后后来是变成就是说节约离慢猜想啊创造新东西现在是替代浮通程序就我认为如果说实话说现在已经实现了我其实不太认同啊因为他说的是codingAPI,但是again他其实也是把AGI我认为是做了一个缩水化了在这里面怎么样真正实现能够创新其实还是非常重要因为写代码尤其大部分的这种日常的写代码它是一个完全withindistribution的事情就是他写的代码都是在人类已有代码里面的所以我们现在大家发现AI写前段最简单因为你前段做完之后就是那些东西但是我怎么样解决一个真正OOD的问题这个现在仍然是个开放问题因为大家原来想的很多时候是你要有新的生产力我们刚才说的降本真相嘛降本现在在发生现在AI毁灭旧价值的速度是远高于创造新价值的速度了但是创造新价值,很多时候要有新产品,有新药物,新的发现,这些其实还是要AI去做,当然我觉得现在在美国我们也看到新一代的NewLab很多都在做AutoResearch,都是在用AI去加速研究过程,包括顺宇在博客里也聊了,其实硅谷现在TopLab都在用AI在整个模型训练过程中去加速,这个我觉得也是大部分人在做的。 比如大家都在做HTMLcoding但有的做法就是靠征流对吧我把这个已有的数据把它征进来那在这个里面的话你可能这就是一个只抄答案但是你没有做这样一个创新的过程那么在这里面怎么样让模型能够训练模型然后把这个迭代速度变快这可能也就是大家都在做coding但有的人可能做的不一样啊刚才说Harness我再补充一个问题就是模型公司的能力进一步提升它会不会向下吞噬兼并Harness的空间我觉得肯定是有可能的所以第一个harness你积累了自己数据之后你可能也得选自己的模型我觉得cursor是一个最典型的例子对吧他不是也要卖了吗但也他可以不卖呀我觉得他是是XI很想卖好吧但我觉得卖不卖其实是一个结果嘛但是至少你可以看到composer的出现肯定是让chris家公司变得更有价值了他其实也是从harness到模型的一个例子第二个我觉得就是说你的护身盒要建在产品上比如说我刚刚说的例子就是你的记忆在harness上的时候那用户是可以换模型但他不想换harness结果我们其实见到很多这样的例子对吧用户希望拥有这个记忆用户希望拥有这个memory另外呢我其实也想互联网这个里面最强的其实网络效应对吧但是过去其实AI我觉得大家一直没有做出一个好的网络效应来很多人都在一直在想AI能不能有网络效应其实我在一个月前我就是在想这个问题我觉得是有可能出现一个agent的一个网络效应本质上是因为agent之间的差距越来越大带来了一个价值交换的可能比如说6个月前你用的agent我用的agent没有什么本质变化比如你用cloudcode解决问题我的cloudcode是一样的那这个时候就没有理由去交换对吧那各自做各自的但是现在因为大家在Harness上沉淀了越来越多的context比如说你可能有你的skills我有我装的skills并且我跟我的agent去沟通之后他对我有很多更多的独特了解比如假设我跟他讨论了10个BP那他可能对待遇生怎么看一个BP他就会更多的了解这样就出现了一种情况是同一个任务给不同的人的agent做他会得到不同的结果因为这是agent的harness里面积累了不同的context和个性化来实现的这样就会出现我有理由把我的事要给你做比如说我不知道你现在写这个采访提纲或者什么采访稿你可能也会有些自己的skills或者之类的那这样同样一个采访稿给张小军的agent去生成他的问题就会比我自己拿我的cloutcode生成会更有价值对吧因为你的agent是有可能陈列了你所有的访谈你所有的问题的准备所有的这些思考的那在现在的做法是赵小骏很慷慨他做一个赵小骏skill然后给很多agent信用但是我想这个其实是不太work的因为当你的skill一做下来之后你就失去对他的控制了他也可以被随意分发所以我觉得可能以后会出现的情况就是说我的agent雇佣张小军的agent比如假设我要采访一个人啊然后我跟我的agent说你去把这个任务这个请张小军的agent来做然后他比如我的agent给你一千块钱啊可能一千块钱太便宜了给你一万块钱吧啊然后这里面一千块钱是token的价值但九千块钱是因为你的agent积累了你的专有知识专有信息所以他比我的agent花一千块钱烧token做的东西要好很多我觉得这种价值的网络是有可能出现的这个其实有点像是个电商所以我只是在描述一种我心中可能有可能出现的agent之间的网络效应但是你想那这个雇佣劳动市场的关系对对对6个月前我是没有理由雇佣你的agent因为你的agent跑的也是opus我的也是opus所以咱俩都可以一样咱俩都是烧土本钱但是你想在我刚才描述的这个场景里面你的context你的privateinformation你的可能是永远不会被侦略到模型里面去的就模型可能永远不会有赵小骏那么具体的你的这些知识所以你的agent做出来的东西就跟别人不一样其实我们也看到比如说像我们随便说什么规章加上大V对吧他做出来的东西就是不一样所以其实你会发现有人就会把东西给他说哎规章老师你帮我做一下这个我愿意给你钱对吧因为你的agent做起来就是漂亮当然他最近做了个PPTskill但他如果不把它做成实用他就说我agent的接单然后我接一单你付我多少钱其中有的是token的费用有的是我的溢价那这个可能就是一种agent的交换的marketplace那这个是不是一种可能的网络效应啊所以我就在想一些agentnative的产品形态举个例子说这可能也是一种护城河对吧有股东创业公司去做吗我们看了一些在做这个事情啊其实是有一些在做agenttoagent这个marketplace啊这是有一些公司还很早啊有的比如说是我的agent行李的agent帮我去发个帖什么的但我认为这个长期的价值就在于说他能把你的agent的差异化给体现出来嗯就我们每个人都在自己家里练单了呃或者说我们的propertyinformation是有价值的你说我认为我看BP的经验如果我能够以某种程度上沉淀到我agent里面去那我这个agent他也具有一定的价值对吧你可能说你可以花高价请这个沈南鹏的agent也可以花点小钱请戴雨森的agent帮你看看BP看看二级市场投资吧哎这也说到我们后面一个话题啊就是创业你怎么觉得206年创业变得更难了呢尤其在模型更强大了之后你觉得嗯首先模型的创业还有没有窗口期因为现在我们也看到了硅谷有很多的尼拉斯你看他们跟模型都高度相关然后国内像比如说林俊阳的公司是不是也要做机模那同时在这个模型似乎要吞噬一切的时代应用创业者的机会是不是缩小了我觉得如果你从投资的实际情况来看肯定是大家投的公司和估值都越来越高了所以大家如果每个VC他估计在过去的12月里面投的项目都变多了然后投的估值都变高了项目变多了对吧嗯对啊我觉得哪怕我们就说AI应用啊我们都不说机器人或者说这个硬件什么的那其实就挺多项目的很多人拿到了比原来高很多的融资那当时Manus可是几十个Manus的融资一年多以前都融得很艰难现在很多公司一出来就几亿美金我不是说做模型的是做应用的所以谁啊很多那字节系就有好多个呢所以我是想说的话就是其实实际上来讲大家投的应用公司在变多估值在变高啊我觉得这是资本市场给出的反馈第二个呢其实我是认为应用创业者的机会是特别大的因为我刚才我们聊到这个操作系统的类比对吧现在模型能力强了模型能力强了其实你的应用可做的场景就多了原来的模型能力很差只能做点写写诗翻翻译什么的那你就出不了什么应用呀你现在的模型能力这么强你可以做网站做各种设计你可以做ut就是它的应用场景变多了这第一心原理来讲应该它可做的事情就会变多对吧并且呢它不仅是模型能力变强harness也变强了你原来做个应用你得自己去做memory你得自己去做沙盒Manas当时做的时候其实像e2b这样的这个Thunderbox刚刚出来所以他们才能够做很多Thunderbox应用那现在这些基础设施不管你是做记忆的你是做沙盒的有各种各样的主见是在完善的所以应用公司其实它也越来越容易去做的很多时候其实应用的门槛就还是在于说用户数据网络效应品牌就是比如说也许扣价是变得很强大但是对我来说的话我克劳扣的用习惯了我可能还用克劳扣的啊所以这种品牌效应包括我有朋友就用publicity他习惯了就像这种品牌效应的话他不是那么简单的说我有一个更好的模型我也给你替代了并且呢我们其实还可以看到就是移动互联网时期的巨头做这些应用他的速度反而是很慢的因为安卓比OpenAI他其实是创业公司啊对吧其实你看比如说MetaGoogle或者中国的很多大厂他自己做应用的创新是挺慢的当然中国自己也做豆包对吧这个非常大但是你想看看比如说其他的一些大厂到底拿出了什么让人觉得比较惊叹的AI应用其实很少的其实你也可以认为美国的AI应用也是创业工程做的只是做的是Adobe和OpenAnswer的一样所以我是认为AI应用这个领域来讲机会是要变多的并且创业呃我觉得起来太快是因为大家现在在做coding这个事情是他模型能力最主赛道上的事情当然cloud的这个公司确实它是非常卷的比如说clouddesign你看他做的design也做的很好对吧啊但是在他出来之前实际上也就有很多做design的机会我是相信一个公司没有把所有事情全做完或者换言之如果他真都做完的话那我也认了对吧但实际上我认为历史上你没有出现过一个公司把他的事情全都做完就这样的存在嗯所以你们今年出手速度是变快了还是变慢了相比去年前年数量大概是多少啊我们整体节奏比较固定今年比去年要多一点那也没有多很多吧二五年上半年整体市场在就是那会还是deepseeker时刻manage时刻的时候所以那时候还比较没那么活跃今年我们整体会多一点但我们的节奏还是相对比较固定我们也没有多很多啊我知道有的同行是多很多的我们还比较稳定一点你说你去年看了10个项目投了两个今年的今年已经投了三个今年5月了投了三个了对那稍微是快了一点我想Echo一下刚才说的就是大厂和创业关系因为其实你还是问的问题本来是说模型与应用其实还是有点像是大厂和创业公司的这个对立关系对吧包括模型和应用公司的不对的关系模型和应用以及或者模型这里因为它模型公司也变大厂了嘛所以它还是有点像大厂和应用公司的关系其实我认为历史上一直以来就是做大厂看不上的事情是一个忌讳点啊就是如果一个东西一出来大厂不管这个大厂是模型厂还是互联网公司他都觉得很好很厉害我要做这个事情往往创业公司就很难但是你看移动互联网时期的时候那些出来的公司往往都是带着某种大厂看不上的属性的比如说AMB有种太小众啊比如B站一出来20元太小众AMB在别人家睡觉太小众恶物卖鞋的太小众对吧这是一种另外一种就是他没有技术含量太low了对吧内涵段子拼多多对吧大家觉得太弱了看不上然后有太累了比如说美团一开始就太累了要下地推很累然后用不合规对吧比特币滴滴打车Uber然后有时候就是太超前了太科幻了比如OpenAICPCX所以你会发现就是每个时代大神的创业公司其实都是在大厂看着成长起来的它不是因为大厂没看到它是因为大厂有某个理由说服自己太小众太low太超前太累太不合规那我认为现在大厂其实会同样的说有一些是他们觉得比如说太low的比如说饕客我觉得如果大家都觉得harness特重要那咱也没有这个机会了对吧但是现在其实大家已经在觉得更重要了去年的时候大家都觉得talk没戏talk没用我觉得实际上不是这样的或者如果你认为talk价值是零那whatif你是错的它其实不是零那它就有一个争执的空间的机会对吧第二个我觉得就是比较开源开源也是大家原来看不上的东西大家都觉得我要有收入我要商业模式你开源什么意思对吧你看现在不仅模型开源同时opencloud这些也是通过开源去获得用户当然你可以说opencloud现在还没有收入但是如果当很多人的应用都跑到opencloud上那还是有没有可能出一个收费的增强版我觉得这完全都是有可能通过开源吸引用户然后通过币源通过商业化去获得收入的然后第三个比如说你看opencloud出来的时候很多人就说这东西太不安全了然后也太容易崩溃了确实很容易崩溃我自己都搞崩了好多次它安全性也是有些问题因为它能跟你电脑绑定嘛现在去读你的文件嘛但是这种事情我觉得就是大厂也好模型厂也好它不太敢做了因为它对你的data有很多access出事的时候它要负责但是这个也是创业公司一个movefastandbreakthings的一个优势这里面很多东西可能在模型厂看来都不本质但是你说一些这里面它需要有产品的创新需要有权限的创新然后需要有这个商业模式的创新今年你们看好哪些方向首先我们一直坚持投人所以我们还是在投优秀的创业者但其实挺有意思的就是说我们发现优秀的创业者他其实会和热门的方向共振的比如说去年下半年我们投了两家做巨声方向的公司这两家公司我们都是第一轮的投资人一个创始人叫刘松敏是0年的另一个叫丁玲是97年的他们都是来自于清华的非常年轻的PhD和教授我们投他们都不是因为他们是做世界模型或者是做机器人大脑这种热门的方向而是我们跟踪了好几年一直就觉得他们是我们心目中很优秀的在清华新一代的年轻的学术型的创业者但是他们做的这些事情在今年都变成了一个大家觉得很热的风口所以估值也都涨了很多我们也觉得市场很热情但我们在一开始并不是因为他们要做这个方向我们去找这个方向的创业者所以投了他们而是我们一直觉得他们很优秀关注很久所以他们只要想创业我们就投了所以我们一直是通过投人寻找优秀的人然后这些优秀的人他们做的事情有可能变成下一个风口成为大家关注的方向但我们投资的逻辑始终是从人的角度出发的因为我们天天就在想比如清华里面谁最具创业家精神非得是清华对我们想北大也想所有的这些学校对但你会想就是名校里面民企里面或者开源社区里面对吧谁是这里面最突出的个体我们一直在想这个问题然后我们就在不断的去跟进去跟这样的人去沟通交流对他们提供更高更好更早的帮助那只是说他们终于有一天要创业了但实际上每个人我们都跟了几年的时间所以我们也理所当然成为第一轮的这个唯一的最大的投资人估值多少去年缺点是都是两亿左右的物质吧两亿人民币左右现在好像都几十亿了所以确实市场比较热情也是因为大家觉得他们都是发现很重要不是说因为我们要投世界模型是因为我们暗图所及我们本来就看好这两批千里马对吧然后他们往哪跑那是他们去想这个问题呢所以你们为什么看好这两个人呢这两个人的特质是什么我觉得我们看好的很多人其实都是说对这个技术充满前瞻的理解因为他们一个是RDT系列的作者一个是SimpleVIA系列的作者算是也是里面挺有影响力的paper比如说刘松明他是在跟Journalist几乎同期做了通过大规模收集5米的数据进行模型训练的工作同时他们也很具备企业家精神技术前来了解加企业家的精神在现在其实都是蛮重要的并且能够放弃很多东西果断创业这其实也是我们当时其实看知灵是一样的对吧对这个大模型本身很深刻的理解然后想成为一个企业家也是在及时的去出来创业所以说到你们最擅长的人你觉得AInative的这个创业者你们观察到他们哪些特质非常重要和之前有什么不一样吗我觉得创业者的一些最底层的能力没有特别大的变化无论你是做互联网还是做AI还是做机器人我相信一些学习能力领导力创新力意志力这些都是必备的很难想象有一个领域需要聪明人另外一个领域就不需要聪明人我觉得这个不会但我觉得对于每一个技术来讲呢我们确实在不断的寻找引领者就是真的在这个基础里面他不是别人已经说我要做世界模型那我去做而是说我在别人还没有谈这件事情别人还没有说agent别人还没有说世界模型别人还没有说大模型的时候我去做的其实直林在大家都还不知道大模型是什么时候他21年就在训练一个大的模型了那我觉得我们投机器人这里面的创始人其实也是一样的我们有一个公司叫5G做零锹手的最近也是得了非常多的关注估值涨得很快同时他做的手确实也是就世界上可能最好的零锹手之一吧他其实是最开始做电机的我们投他的时候因为他当时就说我要做一个非常扭矩非常强的一个高扭矩电机然后他做了之后他发现手这个东西很重要但那个时候很少有人做手而且很少有人做高自由度的零锹手那个时候大家做的时候只有几个自由度他那时候就说因为未来机器人的最好的操作会是手人手的数据是最容易获得的然后手的成本会快速下降所以我要做手哪怕在那时候大家觉得手太贵了那个时候一个手可能都是几十万大家就觉得也太贵了市场很小但那时候坚定他做零销售现在其实手的成本在越来越快的下降同时手的硬件也做的越来越好并且今年你会发现像Ecosentric这样的数据因为它是通过人手去做事情的视频数据运营训练的所以跟人手同购的宁小手就变得越来越重要所以在这种时候他其实成为了一个非常也是蛮关键的公司吧但是这并不是说我们一上来就意识到手会特别特别好对吧我们也是头优秀的创始人他去探索出来他认为做手的机会来了这个人你们为什么判断他是好的一个创始人他其实是从UIUC毕业之后就自己家里掏钱供他去做电机的公司他对创业是一个非常有执念的一个创始人他不是说我融而为稀我还是创业他是自己掏钱去做的所以这件事情非常有热情他同时在整个做的营业过程中他有很多自己的坚持和思考其实我们确实也是在不断的意识到他很多的这些思考是引领的当时他做零销售的时候其实我们也担心是不是远太早但是现在发现其实不早或者说正好是这个时候因为赶上了大家用这个EchoCentric数据去训练模型的这样一个大的浪潮但我想这也是大家为什么觉得世界模型这个很重要也是因为大家看到了在过去的6到12个月里面机器人的发展也是很快的大家看到了有一些端倪是机器人出现了某种情况的这个叫scalinglaw你刚才说了很多就是你们觉得也是一个好的创业者他的可能一些特质那如果具体来说的话比如说他会表现出什么你会觉得哦他是一个好的创始人或者你有没有什么就不同的情感还是纯凭感觉当然不是纯凭感觉我们在蛮多地方播客文章里面都会聊到我们看有一些框架比如说我们把创始人一开始分为四类小天才老司机科学家操盘手你们上一个时代就这么分了吗我并不认为这个时代就不这么分了或者我认为其实我们有很多创意者是符合我们对小天才或者老司机这个定义的然后比如我刚才讲的四种力这也是我在内部经常讲的一个框架就是学习力创造力领导力移植力每个力有不同的维度去进行判断和探讨所以其实我觉得优秀的创意者的很多第一性原理是始终是一致的从徐老师他们做新东方开始对吧始终我们都关注创始人之间的配合之间的信任始终我们都关注创始人为什么要创业的这个动机我们都关注他这个团队是否经过很多的考验是不是能力互补所以这些我觉得都不会变只是对技术的了解20年前是对互联网的了解10年前是对移动互联网的了解现在是对AI的了解和机器人的了解这个其实我觉得比如往往是一个创始人他对于这个技术他适应的很早很早就开始用他对于不同的技术的细微的差别又很深刻的认知他也对技术的发展有很多自己的洞察和判断这个判断我们也不知道对不对但至少很多人是没有判断的或者很多人判断是听播客听来的有的人他是能够产生原创判断的这个层面就很重要所以更多的创始人有技术背景我觉得是或者说你至少要深刻理解这个技术怎么回事可能是PhD那倒未必吧我觉得技术背景的PhD肯定有很多强关联对吧但是未必是一个他一定得是个PhD我觉得他不一定因为你看你你也说从清华的这些年轻教授里面年轻老师里面去找比如说刘松明他是在读PHD但是他应该不二不三他就退学创业了嘛所以你说是不是一定要拿到这个PHD呢我觉得可能也是啊就或者他得做过一定的研究工作因为世界模型还是一个研究驱动的公司嘛或者是一个方向嘛但是比如说如果你要做个AI应用那可能就不需要这个PHD了但是你对于这个AI模型的理解你可能要跟研究员是相同的level姚舜宇当然我们今天好像提了他很多次主要是太近了他说AI研究员的个人英雄主义是来过去的都是集体主义的事情但是AI产品经理可能还有一些个人英雄主义的机会你认可他这个观点吗以及在你心目中一个好的AI产品经理他的特质是什么样的你刚才说的那几个其实也是技术性的人才对吧我觉得他其实也是可以叫做AI产品经理但我想说就是产品经理如果我们沿用他原来定义的话可能就是很需要个人英雄主义的你想那些产品型的CEO乔布斯也好王涛也好或者是赵小龙也好我觉得五一它的产品都是说我有一个对未来的看法大部分人没看到我看到所以我要召集团队调集资源把这个产品做出来给大家用所以这里面一定是带有一种他自己的远见他自己的非共识的看法了所以这可以认为是一种个人英雄主义我记得顺云他意思是说以前的AI研究员比如说几年前比如伊利亚那肯定是个人英雄版本的有没有这个个人有和哪个区别但现在可能在有的比如说模型训练的这个pipeline整个它已经比较完善的时候可能就是说这个人他负责搞pretraining的data那一个人搞和另一个人搞可能差不太多我觉得可能是有这么一种精狂这个是因为模型训练很多内容已经变得工业化变得更加系统性的去做对吧因为之前是探索大家以前说我要做个事情叫RL我最近看那个Demis的传记对吧那他确实做了很多个人角度的重要判断但是现在可能大家都这么学模型所以变得工业化的时候也许个人英雄主义就没有那么明显但我觉得做个好的产品始终是你要引领的你要做一个世界没见过的东西才是好的产品那这个时候确实需要有一些偏见需要有你对未来的一些偏见那么AI产品经理我觉得要非常理解AI前沿的发展就AI现在能做什么以及接下来6个月大概率能做到什么因为我们觉得好的AI产品一般都是为未来设计的然后自己呢要非常的理解这里面技术带来一些很细小的差别其实我一直在想OpenCore的那个创始人Peter他其实之前就是一个创业者公司卖了一亿美金所以他已经是我们定义叫做是一个老司机了然后他是好像自己在用CloudCode的时候他要吃饭他就觉得说我吃饭的时候怎么能继续用这个CloudCode所以他本来一开始是要做一个在手机上去继续用CodingAgent的这样一个管道所以他很自然做了一个Hooker然后把他电脑上的CloudCode和他的IM联系起来然后通过IM去遥控他的CodingAgent然后基于这个再一步一步的把这个opencloud做出来所以他其实是自己有很深刻的对AI的理解他是个非常强的poweruser同时呢他又理解这里面的很多细微的差别就是他要在手机上用啊所以他要做一系列别人没有去用到的事情所以我觉得这也是有点很像是一个人群中的引领者他有一个别人还没有的需求大家做出来之后大家都发现哦原来我可以在手机上去用我的Mac上的agent有什么是过去互联网时代或者移动互联网时代非常正确的一些做法但是今天不work我觉得有很多就是整体来讲移动互联网有很多叫做说他那个时候的金科玉律的东西我觉得现在都会发生改变我觉得移动互联网的商业模式可以叫做attentionisallyouneed就是它是要用户或者DAU对吧乘以时长乘以变现效率等于收入这个其实是移动互联网时代的公司但这公司里面有个bug就是世界上只有这么多人每个人只有24个小时你会发现他们变现已经时长到达极限所以只有提高变现的深度所以开始出现打赏啊直播啊这种高变现的产品但agent的时代用户自己看着屏幕的时长已经不是最关键的指标了可能更关键的指标是METR那个研究院就他说一个agent能够持续完成有价值任务的关键指标对吧就是你把这个任务给他他能跑多久所以这个时候怎么样最好一个harness把这个模型能够长时间的完成一个任务这就变得更重要如何解放用户的注意力让这个AI去干活变得很关键所以这个是完全一个指标的变化就说attentionisallyouneed变成attentionisnotallyouneed那互乘盒的角度其实也发生了很多变化比如说我们看移动互联网的时候很多这些超级应用其实都是把用户圈在自己的APP里面他们往往都是不让用户出去不让用户在这里面形成闭环但这个里面我觉得有个很大的问题是如果用户的agent变得很强大但是用户的agent无法访问你这个封闭的APP里面的信息比如说在之前用户的agent就很难访问微信里面的信息因为微信不开放对吧那用户可能就会去访问Facebook里面的信息因为Facebook开放在这种情况下你原来的超强护身盒反而可能会变成你束缚自己的一个壁垒其实我们看到OpenCloud出来之后Facebook介入的很快Facebook出来FacebookCLI对吧那我们就发现有的在微信里面的工作群聊我是有动力把它迁移到Facebook上去的因为在微信里聊了Agent看不到但在Facebook里聊了Agent看得到那我逐渐的可能就去Facebook聊了那原来你的护身盒就变成了你的一个可能一个软肋并且在这里面对于互联网公司来讲一般都变成比较成熟的公司了所以他对于一个产品的安全性质量这些是比较高的要求的但是你看比如像opencloud这样的产品大家是没有历史包袱的这里面可能有些bug有些安全问题那大家是愿意尝试的因为它是针对创新型用户我拿微信举例子微信其实有一个很大的特点就是它针对很多小白用户嘛因为大家都觉得它是特别好用特别针对小白用户也能用但是这种针对小白用户特别好用特别安全很多时候它也会让高级用户用起来就觉得不方便因为你要照顾最大公约数对吧那所以我们现在看到这种生产力型的这个应用他们就是另外一个人群那在这种情况下你就可以针对这些前沿用户设计最好的最AInative的交互哪怕复杂一点但它更强大随之不同的产品设计理念可能也不一样这就导致说这些创业公司做出来的产品可能高级用户更加喜欢然后我们还在今年春节不是有那个各个shadowbot的推广大战吗就是发红包或者让你去买奶茶对吧我觉得这个也是一个典型的就是移动互联网到后期之后大家习惯性的去靠投放靠补贴去获客但是我会觉得现在领先的这些AI应用绝大部分都不是靠这种花钱砸出来的而是靠你的产品给用户带来一种魔法体验带来的从CharliesBeauty开始到后来Sora到后来MadnessCloudCode包括VO3包括Seedance2其实你会发现主力不是靠投放都不知道靠什么豆包我认为当然它是有投放的字眼你不可能不搞投放比如说豆包的对于语音都做得很好语音上它对于各地方言做了很多的处理但是一个很重要的亮点它很多也是靠这种比如说我居然能够识别我的方言包括我最近也要用豆包输入法确实做得很好就是它靠很多产品带来的魔法时刻进行传播的在海外你很少看到比如说大家靠TH货客对吧大家其实还是在用什么样的功能是很重要的所以我是觉得这个推广思路也在发生很大的变化那原来习惯于去补贴的你会发现发红包让大家来用可能最后大家因为你的体验没有魔法的地方所以大家又走了还有一个就是在互联网时代其实大家看比如说Dao对吧Dao是一个大家非常关注的一个目标那么你为了让Dao增加呢你是精力是发在这个GUI上面让用户用的更加舒服更加简单但是如果当你的用户已经不再以人类为主而是以agent为主的时候可能每天有多少人来用其实不是那么重要而有多少agent来用才会变得更加重要那这个时候你的产品设计理念比如说你可能就是要为了agent更加friendly那可能你的CLI或者你的API要做得更好而不是你的GUI要做的多么fancy啊这可能也是一个很大的变化总而言之就是移动互联网里面强大的公司他拥有的这些从商业模式产品模式流量变现推广方式这些可能在AI时代我觉得都会发生很多的变化因为这边归根到底呢一个是给人用的一个是给agent用的这个里面可能会有很多的新的东西产生嗯这里说到一个问题就是大的DAU产品应该成为一个目标吗对产品来说呃我觉得当然如果你能真的有很多DAU肯定一般是好事但是我想说的是一个DAU没那么高的产品它不一定说不大比如说CloudCode的DAU肯定远低于JRGBT但它的收入量级可能要高很多就是一个大DAU产品和一个高价值任务的产品应该选择做哪一种当然如果你又DAU又高价值任务也高的可能最好吧对吧但是你会发现如果我用户不用老上来看这个应用就能完成大量的有价值的工作那其实这个DAU可能就不是一个最北极星的指标相反如果你为了优化DAU你可能出现一种很滑稽的场景是你为了优化你的DAU所以你要用户不得不多上来看一看但是可能更好的是说用户把任务交给他,他就自己去跑,那你都不用去看了,所以你的用户访问反而会下降。 如果你要天天用户盯着他,那可能DOU很高,但可能反而说明你不能够让用户省心的去完成事情。 对啊,所以应该选哪一种?

我觉得学于你要做什么样的产品,如果是生产力的角度,我觉得大概率一个让用户很省心的,就是能够长程运行的agent会更加重要。 嗯,你们现在会看数据指标吗? 你们会看什么数? 当然你们是投人我们投的是往往都还没有数据我觉得其实有多少真实的非常喜欢他的用户这点很重要因为很多用户你可以去买来或者收入也可以靠一些手段去布置但是有多少是你的狂热粉丝这个我觉得在这个时代是蛮重要的你有一百个觉得你觉得你还可以还ok的用户可能比不上你有十个特别喜欢你的用户这个也是我觉得现在有的AI应用产品比较奇怪的一点就是说因为有的产品是跟你讲逻辑说什么我是AI时代的抖音啊什么的但是说一千道以外就是那产品就不好玩或者就是这个产品不好用你没有找一个人说我好这产品太好了我天天要玩这种情况下AI时代抖音可能是个没问题我不知道是不是闻名题但是我觉得至少一个好的产品应该就像一道好菜一样它不是说讲起来要很好而且它用起来真的很好用吃起来真的很好吃的其实你会发现之前不是由于很多人讲AI游戏或者元宇宙或者什么很多这些概念最后被证伪的一个核心原因就是真的没有用啊但是好的产品你就会发现不管他大家说是套壳大家说是什么好像一点都不高级但是真的很好用啊现在反而就是亲身去用这件事情变得其实挺重要的所以这也是为什么我确实还是基本上新产品我都会去自己去用的一个部分原因吧AInative的产品在哪里啊到底我自己在想就是AI有点像是一个外星人它来到了人类的世界,这个过程中其实它是有几个阶段的,第一个阶段呢是让人类要拥有更多更好的agent,就是比如说三年前人类社会是没有agent的,那现在来了一些agent,但是agent还不够多,所以让你我让更多人怎么样能够decement拥有好的agent,我觉得不管是CloudCode的Codex,OpenCloudManus,Hermes全都在做这个事情,安装越来越简单配置越来越容易然后你能够越来越容易去管理我觉得这个是第一步就是让人类拥有更多更好的agent第二步呢是让来到人类世界的这些agent更好地适应人类的输出世界因为人类的输出世界基本是为了人类设计的比如说这些GUI比如这些验证码信用卡这些东西AI在原来往往是要被阻止的对象原来都是要阻止Bot现在我们有一堆好的Bot来了所以让AI高效地使用人类的软件和技术设施变得很重要比如说大家都发现支付是个问题所以像Stripe也好像Coinbase也好都要给AI发人类的信用卡比如说像那个Cloudflare他们以前都是挡住AI的都是把AIblock在外面的他们最近推出来一个服务就是让agent能够跟人一样平等的去注册和使用各种服务然后比如各种computeruse各种sandbox沙盒其实是让AI能用人类已经写好的软件就好像一个外国人来到中国他得有一个你得给他办个sim卡你得给他弄个微信账号你得给他弄个支付宝这是一个让agent能够待下来用好人类已有设施的但是再進一步進一步變多進一步變得更重要的時候會有A型的專屬的數值世界的工具和它的infra比如說人類用信用卡但人類的支付是有一些特點人類的支付是低頻次的相對你很難一天支付一萬次對吧人類的支付一般是點對的我付給這個商家那人類的支付呢往往也是相對大額的我很少說付0.1元所以人用卡是一個符合人類的支付特點的行為但agent可能是非常高频的比如说假设我的agent帮我去写一个报告他可能要查10个数据库的资料他可能就得付10次也许要在未来那时候就非常高频但同时每次可能很小额然后同时可能又是一个多对多一对多的支付所以给agent发卡只是让agent按AI适应于人的系统让agent用人类的GUI也是让AI吸引人最后如果我们认为AI非常强大我们认为AI无处不在那AI应该有完全自己native原生的符合它特点的东西比如说AI和AI之间的支付就跟人的支付不一样就可能就没有卡这个概念那么AI用的它就可能是CLI或者是用的是一个API总之它可能不是用了人的GUI因为GUI是因为人是能力很差的比如人会记不住自己看到哪所以你需要有个列表你划到这了但AI没有这个问题AI可以变得更高效所以总结就是我认为分三步一个是让人类拥有更多更好的agent第二个是让agent更好地适应人类的数字世界第三个是建设强大的agent它专属的对它最适合的数字世界因为证明每一个其实都是产品的机会嘛嗯假设coding能力无限会有什么样的机会呢我们其实人类现在有很多地方确实都是因为程序员不够比如假设你有很多程序员为你服务你可能用到什么样的软件对吧我觉得第一个就是我们可以用到更好的软件比如说假设有什么智能家居智能窗帘呢有什么智能热水壶啊你就会发现有很多软件还是因为写它的人不是最顶级的程序员最顶级的程序员可能在自己写推荐商业法呢但是如果你做了什么智能热水壶扫地机你的那个程序员就是一般的程序员所以我们往往会感觉到很多这些app挺难用的但实际上如果每一个软件都是由最顶级的程序员写的那它的性能应用性安全性这些可能都变得非常好它首先可能是一个把我们已有的应用一个大幅提升第二个呢我觉得是个性化的软件比如我们每个人都用微信在微信要服务十亿人对吧显然微信里面有的我想要功能就没有比如说我一直想要有一个语音条的一个进度条严徐老师经常给我发十几条60秒的那个语音条但是我还是要进度条我就特别想像就是比如说两倍速播放或者我能拖到某个地方是吧但是没有对吧所以我都得一个个听完就是说我用的微信和我奶奶90多岁了用的微信是一个微信这本身就是一个可以被提高的事情对吧比如说我是一个高级用户所以我可能要有更加高效的联系人管理方式或者群发能力或者对语音的管理但我可能就不需要任何让我刷刷刷的功能那对于我奶奶可能她用的是另外一种东西对吧现在其实所有人不同的人都用了一个微信那也许以后我美好的梦想对吧就是一个这样的应用它给你提供的底座但是上面的很多功能你是可以去改的你是可以符合你的任意化需求的比如对你来说存在微信你就可以做采访就可以做播客第二种就是说更加个性化的软件第三个呢我觉得就是会出现很多可以一次性使用低频使用的软件因为原来你对于一个低频需求你就没有动力去做一个软件因为就划不来嘛但也许今天我们俩录播客也许可能就有一个我们俩录播客今天专门为他做的软件可能是个webapp对吧我们先把我们的问题我们的这些提高准备好然后我们在这过程中可能就是直接去操作了所以当你有无限多的程序语言非常低的价格你可以做什么事情我觉得其实是有很多新的需求会诞生但这个新的需求诞生是一个逐渐的过程因为它需要有人去想象也需要一个好的基座去进行这样的个性化比如刚才我们说的想改造微信但微信得要给我改造了接口对吧所以这里面其实它不是一个一出而就的过程嗯刚才我们也讲到AInative的创业者和现在新的机会那对于AInative的创业公司的组织形态你有没有一些观察呀就是有没有一些见到的你觉得比较好的案例和上个时代的不同或者什么呢我觉得第一个就是确实变小了确实对创业公司来讲原来往往有的时候是缺人嘛但是现在有想法缺人开发那可以用agent去开发确实这个公司规模会变小尤其是当做产品阶段会变小因为如果你有很多有递推要做呀你有很多的商务谈判可能还是需要人但是如果在写代码这件事情上获得pmf的时候公司规模会变小并且呢在以前其实很多时候软件开发里面是一个瀑布式的分工有这个架构有这个后端前端测试UI运营但现在可能越来越多变成全载因为我反正就是指挥一个AIagent那这些事我都能干了这个时候可能就从瀑布式分职能的流程化变成了一个一个小的独立运行的组织就几个人负责一个产品功能模块他就从他的底层设计到他的前端上线测试到运营都是同一拨人干的现在其实很多公司都在尝试用agent去提高自己的经营效率但是对于一个假设已经运行了10年的公司最大的问题是说你的contacts你的数据没有在AI里边你把这些contacts搞进去其实是非常难的所以我们也看到有一些新的公司他们从第一天起他们的contacts就都是AI可见的那么AI就非常了解他们要做什么比如说我们投了一家公司叫slack它其实做的就是一个人和agent合作的一个平台它有点像是一个人和agent一起用的slack他们整个自己的公司的运转任务的管理编程本身都是在他们自己的平台上所以他们是buildaslockusingslock其实cloudcode和codex也都有分享过就是cloudcode是用cloudcode写的codex也是用codex写的就其实是一个这个新产品新公司他就能够从第一天开始让AI参与到绝大部分他们公司的经营制造的软件开发这个里面这样效率的提升就很明显结构呢结构会发生变化所有结构对刚说的组织结果就是我觉得分工可能会模糊化因为原来有很多分工是基于人的context原来为什么有前端后端有UI是因为一个人的技能有限一个人的context有限一个人不能同时做前端后端UI但是现在AI是可以的所以你的分工可能就会变得更加模糊一些就会有更多的全家的人而不是更多明确的组织不能划分的人所以这会带来一个推论就是说如果一个公司已经有很明确的部门墙了那其实AI去适应就很难所以这也是为什么很多大公司它推AI不是简单的说每个人装个cloutcode就完事了它其实是需要组织的变化的这其实也是我觉得为什么不是说简单的你有了好的模型你那边就降本增效了其实很多时候要解决人的问题嗯这个挺难的都是在进行一轮AI的组织变革对组织变革这个我想多讲两句就是之前有一篇文章讲的很好忘记谁写的就是说在工业革命的时候有一个从蒸汽机到电动机的过程然后蒸汽机的工厂呢它是围绕着一根主轴去建设的因为蒸汽机它是一根轴在转嘛然后所以它就有一根很长的轴然后轴上拖了很多皮带把这个主轴的动力传送到每一台机器上所以那个时候的工厂是一个狭长型的整个工厂都是围绕着一根轴做的但是电动机出来之后因为是电线电线是不需要那根主轴的所以电动机时代的工厂它可以做的更大更扁平这种更大更扁平的工厂出来之后就带来了一个发明叫流水线是福特当时做的这个流水线的出现你只有当公司能修的很大很扁平的厂房的时候才能去做如果你所有的动力都来自于一根轴的话那它其实就很难做一个大的流水线厂房那流水线的诞生带来了生产效率大幅提高对吧所以这个故事讲的就是说从蒸汽到电动机并不自然的带来生产力的提升你需要有厂房的物理上的组织变化以及说怎么组织生产从原来的一个工位做很多事情到一个工位做一个事情流水线推动这个事情才会带来这样的变化我是觉得技术它到最后的结果它是一个逐渐渗透的过程正面需要的组织变化其实是难的地方因为组织变化都是人的变化人的变化它不是一分钟就变了它可能要十年才会变甚至要老的组织里面新的人替代老的人或者新的组织替代老的组织它才会发生这样的变化你有个观点是下一个字节跳动级的公司可能长得不像字节跳动你要不要阐述一下我觉得现在确实大家因为像字节跳动为代表的这种移动互联网大DAU高变线的公司如此的成功所以我觉得现在是有一批创始人和一批投资人在寻找下一个字节跳动公司但是呢我认为每一个时代革命型的公司它其实解决的用户的问题它的交互方式都是挺不一样的因为我们也看到很多人做的AI应用我会把它总结成为一个AI的信息流其实你打开也是一个信息流然后用户单列或者双列再刷一些AI产生的东西或者说跟AI互动的东西往往也有很多也是直接系的创始或者这样去做我认为这个其实就是把新的技术包在了一个自己最擅长的一个信息流的这个壳里边然后再去比推广比分发我是觉得在字节的游戏规则里打败字节是非常难的那么比如说像opencore就是个完全另外一种体现opencore没有自己的应用他连自己的阵地都没有但是他活在每个地方活在你的微信你的telegram你的地方所以我想讲的只是说把上一个时代的成功范式比如信息流比如说通过推广然后再商业化然后再做流程这整个一套体系搬到AI的时代呢我觉得你其实反而就是在跟上个时代的冠军去竞争这个其实是很有难度的并且呢上个时代移动互联网应该是2C但是我觉得在AI这个时代2C的机会或者2C做娱乐的机会做Qtime的机会我觉得不一定是这个时代的大机会为什么呢因为你现在做任何一个Qtime的不管是像AI小游戏或者AI短剧什么的首先你一上来就面临着分发上你就是要甚至要从字节去买量你的分发其实就是被已有的冠军把持的第二就是说你的竞争对手一上来你就得比抖音比这个红果就得比小红书更好看这个其实是个很高难度因为最开始快手字节出来的时候它是只要比用户站在那显得没事有意思就行了所以我们现在看到有一些像Resona或者是Lupit有一些一系列这种AI游戏的公司我觉得他们面临尴尬的情况就是游戏确实不好玩用户要选择是在刷短视频还是看短剧还是玩你的游戏中间那你游戏一上来就得很好玩这个其实挑战是挺大的其实它的关键是游戏不是AI对对用户来说我其实目的不是为了我用AI而是我要玩一个好玩的游戏对吧那我有王者荣耀PUBG或者是看红果短剧那你的这个游戏是不是足够好玩你不能说我游戏是AI的所以你要玩因为我还是要玩的好游戏这种竞争一开始是难的但是生产力角度原来用户都得用手打excel现在AI帮你做那一下子就是十倍一百倍的提高所以这个其实是简单题我认为所以你这总能说的很像暴论那我觉得现在很多大家追投的AI2C的应用不一定是很好的投资方向。 嗯,哎,这有一个问题啊,因为你看很多字节系的创始人出来可能会引用一些像字节的打法和方向,那你觉得整体从人群划分来说字节系的创始人是一个好的投资人群吗?

你会更仔细的看他吗? 我觉得自己出来创始人他本身的素质肯定是很高的我的一个简单的观察是有的是要把自己学会的东西可能要自己颠覆自己的一个过程其实确实我们看到有的这些新创业者做的产品也挺像一个字节的产品的就是旺旺说的是一个信息流刷来刷去然后里面可能是AI生成的小游戏AI生成的小组件或者一个chatterboard这样就我把这种转身再做一个信息流应用我觉得是满难有大机会的有什么大机会啊接下来嗯比如我刚刚讲的这个怎么让Agent的三步走更快发生的机会嗯让更多的agent来到人类让agent正好适应人类的数字世界让agent与agent之间的协作变得更加便捷我认为这都是巨大的机会或者为什么这么说呢就是每次技术革命发生的时候我认为首先是新技术解决老问题的过程比如说互联网创业的时候首先是已经有了邮件大家用互联网发邮件有了email已经有了新闻报纸大家用互联网再做一遍报纸有了门户网站已经有了商业大家用互联网再做一遍商业有了自营电商这个过程其实要新瓶装旧酒新技术解决了问题这种时候往往它是有很大价值的但是呢最大的机会我觉得是在于技术的渗透率到达一定的程度的时候诞生的全新机会比如说互联网的时候当上网的人越来越多其实就存在着说把这些人组织起来的新的契机但是呢socialnetwork和这个即时通讯这里面是互联网时代最大的机会之一当越来越多的信息上网了大家去查找信息的方式就会发生本质的变化所以有了搜索引擎这也是互联网时代最大的机会之一然后当商家买家和卖家都上网了其实就需要有更好的这种组织形式所以出现了这个平台电商这也是互联网时期最大的机会之一然后移动互联网来临的时候大家其实是用移动的思维去做老需求比如大家做移动的浏览器移动的搜索引擎移动的YouTube但是有发现移动的搜索引擎还是Google和百度移动的浏览器还是框移动的YouTube还是YouTube但是当智能手机4G的普及率够高的时候比如说当内容创作者和消费者都有了智能手机的时候才诞生了新的内容平台短视频平台直播平台这样的机会然后才诞生了说推荐引擎因为在手机并不很小你没有时间去搜索去点击所以你要推荐对吧这是因为技术的渗透率到达一定程度出现了新的native的商业模式然后当游戏玩家坐在手机上之后出现了手游伟大的公司像米哈游这样的公司对吧然后当蓝领工人体育劳动者也拥有了智能手机之后开始出现了美团滴滴等这样一系列O2O的公司当这个下沉市场的很多用户用了智能手机有了微信有了支付方式之后出现拼多多这样的公司所有这些公司全是创业公司他全都是在做一个什么事情就是技术的渗透率到达一定程度技术的完善度到达一定程度之后出现了新机会那么AI其实我们看到的我认为是一模一样的,AI一上来是新技术解决老问题,我们原来要coding,所以AI来帮你coding,原来要写文章,AI帮你写文章,原来要翻译,AI帮你翻译,原来要画图,AI帮你画图,所以这一部分已经带上了巨大的价值,但是如果我们把这个规律机制全推的话,当AI或者agent变得渗透率很高变得很成熟的时候比如你有agent我也有agent每个商家都有agent每个产品服务都有agent比如说这里面他们之间怎么协作怎么样高效的去让我的agent变得更有价值比如说当每个人都有自己的分身的时候那我们的沟通是不是会发生很多可能以后就不是我来接受你的采访首先是我的分身来接受你的分身的采访那这样同时我可以针对很多话题对吧我可以有很个性化的内容如果当大量的工作都是由AI来进行和AI完成的时候那比如说组织会发生什么样的变化以及怎么样这样的变化发生包括过去大量的商业模式都建立在广告上面现在很多人已经在看这个问题了就是如果广告都不是人看了是AI看了广告还存不存在那是不是广告就得发生本质的变化以及商业模式就会发生很多本质的变化随便再举个例子比如说现在是AI帮人去生成Excel对吧但如果以后因为Excel是一个让人与人通信的工具嘛所以我做Excel给你看你能get到我要说什么但以后如果AI跟AI之间通信可能都不是通过Excel进行的他可能直接就是API把这个数据传给你了他不需要把它组织成一个表格的形式那这个时候是不是微软以前的这种护身盒就受到很大的打击其实美国现在SaaS出现的这些变化也是嘛因为原来是说现在就是AI用人类的软件computeruse是基于你有这个软件我要用人去用那以后可能就不需要这个软件了我直接跟你的底层数据库进行通讯那你的这个界面就变得没有用了所以我觉得这里面很多都是属于AI的渗透率到达一定的程度AI的能力到达一定的程度之后出现的新机会在这个里面可做的事情非常多且大概率是创业公司做的今天还处于你说的第一个阶段我觉得今天已经第一个阶段肯定是很不耐做就AI干人类本来要干的事情但我认为已经逐渐开始出现一些当你有AI我有AI的时候出现的比如我投的那个Slock他其实就是一个如果我们三个人合作但我们三个人可能有五个agent然后我们八个人家agent在一个渠道里面去合作你能够给我的agent下命令对吧比如说你把这个文件看一下然后给我一个反馈其实就跟我们在日常工作中很像对吧但这都是非常雏形的一些尝试啊包括我开始说的agent和agent之间的marketplace对吧你有agent我有agent然后我们的agent能不能够各取所长做一些获得价值的交易对吧这个其实我觉得都是很有意思的尝试只是现在还非常早包括那个被meta收购的一个multibook对吧它里面是说每个人的agent去发帖当然那个还有点cosplay的感觉其实就是cosplay因为发什么是他的主人去指定的但如果你的agent能够跑一个假设是一个月的一个longtimehorizontaltask那他中间去发帖去做点什么事情其实好像也很正常就好像有外国人经常去的酒吧一样嗯诶硅谷今年VC投资最火的主题是newlaos你觉得中国的主题是什么样NewLabs确实很火因为好像那个滴滴最近做了统计有60多家NewLabs我觉得这也是反映他们几个观察第一个就是说他们觉得现有的几家头目模型公司确实已经很大了所以如果你要再去创新的话呢就需要有一个更加自由同时有资金很充沛的科研型组织但其实我会说硅谷并不是说大家都要只在投newlab因为首先投newlab的是一类VC有另外一类VC比如说benchmark他也会觉得这东西太贵了他就不想投这种researchdriven然后又没有明确的方向的公司他会愿意跟他投一个产品性的公司其实你看YC的demoday,70%还是各种vertical的SaaS,其实我觉得这有点像习惯动力,因为硅谷就是很喜欢垂直的SaaS,所以很多人就用AI在做垂直的SaaS,只是原来是人巨编码,现在加上AI加一些agent,应用层面硅谷就是各种verticalSaaS,然后偏科研层面确实有很多newlab,newlab里面做AIresearch的,做AIforscience的,做这个机器人的这种都有。 中國我覺得雖然硬能方面會火很多對吧今年我們過去看到這12個月機器人一直都很火當然現在從這個原來做人形的硬件變成開始做機器人腦就是各個世界模型反正世界模型大家對這個詞有很多不同的定義但是反正教這些世界模型的很多比如说做这个AI硬件或者不然可穿戴的还是说捉虫啊还是说各种有很多然后AI应用其实也有不少一方面是我觉得做这种生产力相关的另外一方面是我能总结做AIQtime的想做下一个字节的我觉得这个也有不少当然还有很多硬科技量子计算可文和域面最近也都很火整体来讲我觉得我们是比较偏硬的就一方面因为硬科技在整个比如资本市场上其实还是有一些正反馈嘛包括从上市啊也得到的结果来看另外一方面就是还是很多人想找下一个自己啊就是也是我的一个感受大家对自己有执念啊那这也是上市的最成功的公司吗为什么不找SpaceX嗯最近我好像昨天就看到有两个0后首出火箭的呃其实火箭挺多的呀应该商业发射公司也有不少嗯但可能中国商业发展会更加是一个跟政府需要更多紧密合作的领域吧当然火箭公司也有十家吧其中头部玩家应该也有一个五六家你不是前段时间你在硅谷学习了一段时间吗你有什么可以跟大家分享的前沿的一些方向呃我觉得最大的两个感受就是三个感受吧一个就是说coding带来了这样一个大的变化大家都在拼命的去使用coding不管有没有用我先用上然后开始大跃进式的烧token对吧meta有个leaderboard大家就比谁烧的多这边肯定有很多是浪费的但肯定也有很多创新会被寻找出来这个带来的其实就是一个很大的就是有些人很兴奋觉得一件马上会实现很多人就很恐惧觉得自己要失业所以硅谷很多人就想去投安桑比克的老股因为你这样要把我的工作消灭了那我不如成为你的股东所以我要上车对吧可能跟韩国人都想去山西海力士打工一样这就是bepartofAI这个其实可能是一个确实大家硅谷因为看到了潜在的这个失业大家替代非常大的一个影响然后我觉得世界模型确实是一个在中美过去的6到12月变得非常热的一个概念我觉得在中国其实很多时候大家会发现我有很多硬件但这个硬件它得有用所以它得能够去做操控能够去帮人真正去做事情否则我不能买在家里摆着对吧这个是一个实用主义的角度从模型的角度来讲确实在过去可能像以egoscale为代表的这种通过大规模的egocentric就是看人手怎么在做事情的视频进行的训练的模型以及像generalist做的这种大规模用UMI就是人带着一个家长去进行操作的数据进行训练的模型几条不同的路线在机器人上陆续都出现了一个好像说机器人在做一些任务的稳定性以及在做一些之前没见过任务的犯坏能力上出现一些端倪所以我觉得在硅谷大家是特别想把语言模型的这个范式给平移到机器人的模型上就是通过收集大量的数据符合某种scalinglaw进行训练从而让机器人的模型也具备zeroshot的放滑能力就有个事情没见过或者fuelshot我看人类示范一次我就学会了以及说提高它的稳定性所以我今天反正最近做了个演讲他也是把这个机器人的这个过程分为pretrainingfinetuning和IL三步跟语言模型对应如果你是以模型为出发点的话你会很想把这个对应给建立起来所以这个世界模型其实是一个很热的很大的词但是确实世界模型现在也处在一个概念纷争中就是到底什么是世界模型大家也不知道可能大家普遍都认为说不管是用什么方式但他的目标是我要像语言模型是预测下一个token一样世界模型是预测下一个世界的状态一个state但这边用什么路线去走收集什么样的数据或者scale什么样的数据这里面有很多的分歧但是我觉得这个也是大家投入非常多机密在做的事情所以第二个就是第一个是coding第二个是实践模型然后第三个我觉得就是这个autoresearch因为大家会发现大家想实践的还是个比较recursive就是AI能够自我迭代自我提高AI提升AI的过程不管是在科学研究上还是在AI研究上其实都有这样的公司在做这样的事情今年铁面洞的那个cursive那这些官宣嘛他们好像也是在做自我改进的这个AI这个也是一个面向未来很重要的方向当然我想中国好像也有一些在考虑做这方向的科研性质的公司大概这三个是我觉得硅谷这过去6个月变得非常火的领域和中国有什么不同确实我刚才讲的这三个都偏基础研究一些在硅谷的话做一个horizontal的就是水平的通用应用是很少的我会这样发现好像manus虽然是吧没有什么竞品但可能当然是cloudcode和codex但实际上你会发现publicity也有很多人用publicity也到了4点几亿美金然后devin其实也有4点几亿美金然后opencloud这些形态也很多人用啊所以我是感觉到硅谷其实还是非常focus在模型和vertical其实horizontal我认为还是有很多的机会你个人在中国的投资会更偏应用吗我模型就投了kimi嘛然后其他的可以都说都是应用模式世界模型算模型还是应用世界模型算模型那就新投了两架模型哦对对对没三架模型从要训练模型的角度上是的吧ok对你可以这么理解世界模型算机模吗算机器人的技术模型吧解决机器人问题的技术模型你笑一下是因为这样固执会更高吗我是觉得世界盟友这个词太模糊了因为它是等于是用一个hype的词来总结但是也许因为交流的方便对吧那可能大家说这是世界盟友但每个世界盟友公司他可能很多时候他讲的这个做法会很不一样比如说那谢赛宁他肯定就认为这些实践模型公司都不是实践模型对吧但比如说VOA是不是一种实践模型你也可以认为它也是一种实践模型但赛宁可能就觉得你这里面有这么多language这个就不行赛宁好像也觉得这个videogenerationisnotaworldmodel但显然有人不这么认为对吧所以我觉得这里面还是个开放问题并没有熟练的对国内的硬件机会会很大吗有什么ANAT的硬件产品是你觉得不错的嗯你说的是比如说各种可传带的录音的这种是吧不是说机器人的那种是吧消费电子吧消费电子我其实就有个抱论我认为现在很多消费电子公司会重蹈当时新消费那波的覆辙新消费如果大家记得的话20年那会儿特别火那会儿就是什么品类都被做一遍从这个护肤品到洗面奶到牙膏到everything吧纳面各种但是带货的时候很多就发现不是你把一个传统的品类做一些小创新然后在互联网上找直播找李佳琦去带货他就变成了一个完全不同的新品类的我觉得现在有很多的AI硬件其实他没有解决一些很fundamental的问题他很多时候比如说可能给硬件加了个chatterbot或者加了一些AI感知的能力交流的能力但是有没有创造出一个新的需求品类我是觉得有一点担忧并且呢整体来讲做硬件是比做软件更难的因为硬件有供应链要开模要设计迭代更慢需要更多的资金占用销售起来也更麻烦所以硬件其实是比软件难度肯定是要更大的其实现在也有很多人在讨论比如说这个agent是不是要有个专门的载体还有人买叫什么龙虾机对吧就是专门养龙虾的机器但实际上我觉得看来看去为什么大家最后还是买了个macmini或者还是有个手机其实现有的电脑和手机在尺寸性能耗电散热的这些方面都是做的挺均衡的所以我会反而觉得在一个比较长的时间里面agent好的载体其实还是手机和云端就是因为现在有很多可能几十个各种可穿戴然后录音然后比如说给你更多的context或者这些应用我觉得在这里面所谓做可穿戴的其实都会面临一个问题就是说你要把一个东西穿戴起来真的是一个很大的一个就是你要很坚持的习惯啊尤其是你别在衣服上什么时候你既然换件衣服你要把它又要别上去什么这个里面它得给你解决很大的需求提供很大的价值我觉得目前如果只是说你有一些录音然后告诉你比如说今天有什么todo什么的我觉得这个其实是一个很多时候我说的不客气是个VC想象出来的需求就是VC觉得自己很忙然后我也要今天有10个todo提醒我要做什么但对于绝大部分普通人来讲你把你每天的拍下来录下来带来的增量价值相对他的麻烦来讲我觉得是很有限的所以我对这个领域我是持一些比较谨慎的看法尤其是可穿戴的各种硬件都没有偷吗我们可以说基本没有偷oklukey这种事反正我们都没有投并不针对某家公司啊只是我觉得确实我们没有看到当然我们是投人的角度的实际上从市的角度评论我觉得这个事不好做但相反比如说我的aura还有这个whoop他们其实跟AI当然你可以说有点一样对吧但是他其实不是要AI硬件他反而是要健康硬件我就觉得还是要真有用而不是因为我用了AI我就应该值很多钱嗯哎那机器人呢你们投了多少一是人我们投了机械人的主建公司像5G的零销售和方舟机械币两家世界模型的公司然后在之前我们投了飞蜥然后它分架在中策但我们确实没有投这一波人性机器人但我觉得人性机器人目前就人性啊肯定现在还是处在一个非常非常早期就是科研为主然后不管他讲的故事是什么他的有用呢我认为都得靠manipulation就是说能够去操作来实现所以我觉得确实世界模型不管是谁做出来或者怎么做但是他实现的这个终局就是机器人能够去操控这些东西他是很需要的但人性机器人呢我觉得肯定他现在是在一个资本很兴奋的阶段所以他估值对于大的销售啊这个来讲都是比较高的这个我也不知道是不是能持续这么高嗯但我觉得至少我们目前看到人行星人到底有没有用我觉得还是在一个发展的过程中啊就我觉得人行星人eventually可能会很有用但是他前提他需要有好的手所以我们投了手他可能要好的币或者好的其他机械结构他同时还要有更好的模型所以我们也投了模型我们可能也错过了很多机会但我觉得我们也在观察吧去年pass最多的项目是什么项目我觉得是跟风的项目因为大家都比较formal又有很多的信息流感变得很便捷所以确实很快比如说VC关注的领域或者他喜好的领域他就变得很共识所以我们就会看见比如说很多做各种比方说可穿戴录音的对吧因为每个人都会讲啊因为agent需要很多contacts所以我要做录音把你的contacts都录下来然后也有很多人比如做各种领域的manus因为我是觉得我们希望投的是出题家就我们希望他是提出了一个不一样的看法他做个不一样的东西哪怕这东西听上去很奇葩而不是说这个东西已经是一个赛道了比如说叫可穿戴录音赛道比如plod其实很厉害因为它定义了一个产品形态但后来也发现也有很多人做各种plod长成各种形状贴在手机后面或者贴在我觉得那样的话就变成了一个登峰这个就有点登峰了所以对这个是我们可能pass的比较多的就是一种原因吧就是说我们看到他真的是因为这个赛道火了然后有VC谈这个有波克讲这个所以他做一个只是better的一个产品哦哎所以博客现在在投资里面能影响判断吗我觉得肯定是一个信息传播非常好的渠道呀那小骏的博客听的人这么多就我觉得大家就越来越快的同步到前沿的认知吧你会听完吗我其实不听博客你都是转我我都是读的用一些app转成文字吗对哦你是觉得这样更高效对一些特别好的比如说你跟赛琳聊的那些我就是听完的你听了7个小时我怎么不信呢我陆陆续续听的呀因为我是个喜欢阅读比听更这些我也不开车我也不做饭一些常见的那种手腾不出来的场景我也没有现在我自己写了个AI的小应用所以我关注的这些播客他会每天检查一遍有没有新的transcript然后他会自动的拉下来放到我的notion里面所以我每天去notion看看我的AI有没有给我弄来新的播客的文字稿哎呀这个文字稿好长啊对很长你能读完肯定比我听的时间短我会读完比如说你两个小时播客我肯定不用两个小时读吗不愧是一年能读10本中心这个这个应该是这样的吧比如说你那7个小时播客我读完应该不用7个小时哎过去半年你自己有什么变化吗AI发展这么快到底对投资人的改变是什么样嗯首先我确实也是用这个agentivecoding做了很多我自己用的小工具我是一个以前不会写代码的人然后我去年年中的时候我用cloudcode我发现它能做到80%的任务但是它离真正把它发布上线调通或日常使用其实还是差临门一脚的现在但是我在今年年初确实我用的时候发现这个完成度是完全不一样的当然我现在做的很多东西还是在于说把我的各种信息的获取比如我的播客我的newsletter然后我的会议纪要然后我的各种我写作的内容每天都有好几个puzzle把它整理到一起然后给我自己整理个日报比如说我每天见的人可能有一个人我分三个时间见了三次可能对他的内容的纪要直接会整理在这个人的条目下面然后去建立对一个人对一个公司对一个股票长期的跟踪我觉得这个确实是让我的信息获取和收集效率提升了很多所以我自己也确实AI的质量力的提高,这在投资行业是很实实在在的,因为投资行业确实大量是信息嘛,就是这个分析嘛。 然后我最近一直在想一个问题,就是越来越多的很自然的我们就把很多思考就外包给了交流GBT或者给了AI,比如说以前遇到个问题,可能大家会去自己了解一下想一想,现在很多时候就是问AI对吧,这个怎么回事。 那我觉得您这带来了很多的好处但是呢这可能也会出现很多的问题是因为如果你直接得到的是答案而你没有自己经过思考的过程你对于这个答案的质量以及你后续再怎么进一步的去思考可能都是比较就是你的大脑并没有变化你的权重没有更新所以其实可能并没有真正理解这件事情我后来就想到说如果一个人一直坐轮椅的话他的腿部肌肉可能就会退化就会萎缩那么一个人如果长期用AI带来的这种所谓的思考代替自己的思考那这个思考能力可能也是会退化的所以你看我们之前是把体力劳动外包给机械所以我们现在估计是比10年前的人类很多人从这个身体上可能是要更加弱的因为我们大半时间是坐着或者是在车里边对吧然后后来我们是把知识和记忆外包给互联网所以现在很多事情它是记不住事情但是我要去搜索一下那现在我们正在把思考外包给了一下AndrejKavazic他就说了一个话他说你可以外包思考但是不能外包理解但我认为思考可能也不能完全外包我后来在想你看我们现在为了说多运动我们有健身房对吧我要去这地方刻意的运动那可能当你的很多思考被暴露给AI之后可能你需要思想的健身房就是你刻意的去思考比如说我为了准备咱们这期播客对吧我也对于很多事情可能有个观点但是这个观点里面有哪些论据以什么来的我其实是在逼我思考的一个过程当我思考了之后而不是我让AI去总结一下对吧我能够对一个事情就能够讲得更清楚思考是需要刻意练习的然后创新也是需要刻意练习的因为现在有个很明显的特点是年轻人有很多想法但作为一个快40岁的这个中登你的想法可能是比我20岁创业的时候要少了很多我感觉虽然现在我坐拥各大codingagent的订阅每天有很多AI等着给我打工大家想干什么其实我觉得这是一个很多人遇到的问题对我在想就是现在等于有很多AI程序员等你掉钱但是做什么呢包括我自己都有这个问题可能这不叫问题叫做有这么一个苦恼吧这个也是需要刻意练习的比如说可能先从做一些简单的webapp对吧同步我的会议同步我的日程同步我的订阅是开始我觉得这个事情它不是一蹴而就的就你很难一上来就写一个很复杂的应用你都不知道写什么但是也许可以从简单的做起一步一步其实就跟健身锻炼可能一样先从简单的然后做了拉伸然后做俯卧撑然后逐渐的去变复杂所以我是感觉到在AI时代学习好的使用AI其实是需要刻意练习的对于很多人来讲他不知道用AI干什么但是这个事情我觉得是一个可以逐渐提升的就我有一个不愿意透露身份的朋友可能就叫林总吧他就是每个月要烧一万美金的投票他就是非常的努力的用AI解决自己遇到各种问题他甚至做了个什么事情呢他就做了个扫描器扫描每天哪些域名到期了又没有人注册然后他就看今天他的AI注册回来什么域名然后他就看给的域名做了什么东西我说你这个有点像Omakase对吧今天去鱼市场看有什么鱼我就做什么菜他有点像是逼自己刻意的去做一个比如他上次买了一个猫相关的他就给自己家里五只猫做了一个实时监控系统这个东西反正就很好玩因为我很佩服他因为我觉得他是在刻意练习自己用AI创新你用AI做什么好玩的事啊比如说我跟我家人我太太啊包括我父母他们都有智能硬件嘛我做了一个dashboard可以把各个数据API放到一起去对比去看然后最近我跟这位林总还有我们另外几个朋友在用那个我们投的Slock共创作一个就是鼓励朋友之间这个互相比较自己健康数据的应用然后他们的初衷是要督促我减肥他们就说我要做一个dashboard让你看到大家的这个睡眠都很好所以你要多睡觉我说好行我来一起开发吧所以我们也用这个agentic协作但这种东西确实好像不是什么直接能产生这样的价值但是我觉得在这过程中比如说我们知道用agent一起协作做一个事情好像这个到底难点在哪其实我觉得也是很有意思的一个体验你觉得社会应该怎么来消化这个技术变革带来的一系列的变化和冲击包括失业我觉得失业可能确实是不可避免因为现在的技术的扩强速度更快了它会快到超过很多人重新学习新技术适应的这个过程所以我觉得从个人角度来讲确实学习AI关联自己使用AI的能力从自己的职业安全性来讲其实也是很重要的因为谁能驾驭好AI可能就更难实验对吧但是目前来看确实AI毁灭价值的速度比创造价值的速度要更快先有工作被替代很快的时候公司会变得更高尚但是对于个人来讲一个是学习AI一个就是说在AI比较难以去替代的领域比如说很多人与人之间打交道的事情其实还是AI很难去替代因为这需要人和人之间的信任或者人承担责任在这种情况下我估计确实很难说因为会有失业所以不发展了因为谁也承担不起不发展的代价可能确实会以某种类似于UBI的好或者说是税收的形式来去进行某种程度的利益再分配最近韩国不是有人在提议这个三星海力士赚太多钱了其实这也是为了社会稳定的一个举措但我觉得现在我们看到的是AI的一阶倒或者说直接带来的影响AI可以写程序所以程序员可能会失业但是长期来讲我是很乐观的因为我们一时来看新工作的产生是需要时间但是它会产生在很多你想要不到的地方我之前就举了个例子就是工业革命最开始蒸汽机发明是为了从矿井里面抽水因为当时这个煤矿越压越深越深之后容易积水积水之后容易塌方所以很危险当时的蒸汽机呢它只能做直线运动所以它就只能在这抽水的场景而后来瓦特其实发明了冷凝器和行星齿轮他把网复运动变成了一个圆周运动所以蒸汽机可以做更多的事情然后尤其是带动纺织机当时叫珍妮特纺织机的发明所以是先从蒸汽机的发明带来了纺织业的进展纺织业的进展之后每个人用的衣服变多了带来一个需求就是对颜色的需求因为以前你做几件衣服你也不需要区分颜色但是你有几十件衣服的时候怎么区分颜色最开始的染料是天然染料比如说各种有颜色的胭脂草啊什么这种虫啊什么的很贵产量很少比如当时紫色是最贵的颜色因为自然中紫色是比较少的颜色当时这个化学合成染料工艺就开始发展现在的巴斯福拜尔这样的这种化工巨头其实当时是开染料作坊的就是人造染料的这个工厂当然可能不能是完全直接的类比吧但是历史上能看纺织业的大幅发展对于染料工业的增长然后染料工业带来化工产业的诞生化工产业的诞生之后后来化工产生的汽油产生的塑料产生的化肥这一系列非常重要的化工工业的这个产品然后它又带来比如说人类的农作物生产力的提升然后带来塑料带来很多新的应用场景所以它一个蒸汽机的发明很多这些东西它是扩散的它一开始的时候其实大家也没有想到蒸汽机带来纺织业的提升或者带来化工工业的提升这个需要时间然后需要有很多的企业去找到这里面当一方面的能力供给大幅提升之后带来的这种生产力的溢出然后它带来什么新的机会所以在这里面会产生很多新的工作所以我觉得长期来讲产生新的工作这个是毫无疑问的,但是扩散需要一点时间,那在过程中的话可能要不然一个人就是说我要学习使用AI,另外一方面就是说我要去探索AI带来什么新的机会,但是现在问题就是变化太快了,确实工业革命呢是几十年的扩散时间。

但是AI现在一年时间大家感觉这个写程序这个事已经好像变得确实被替代了很多所以可能大概度呢也会更大在这里面投资机会也好或者说大家对于社会的思考对于人和人人和职业关系的思考都会发生很大的变化可能最大的变化来自于人类怎么思考跟AI的关系我不知道你用Clockwork用多了之后会不会有一种很强的对他的信任感和依赖感他能够和好了帮你把很多事情都做好之后你会天然很信任他然后你会跟他有一种协作关系嘛因为你跟他一起协作做了很多事情这个时候我忍不住的光他更多对你会很依赖他更多然后产生的这种依赖其实对你的生活工作都会产生很多变化这个我们其实还完全没有准备好但是其实很多人你看用小龙虾当时那个火锅的观察很多人其实拿他不是说做了什么很重要的工作很多时候是像个养成系一样发现他记得很多然后他还能帮你做很多事情又有你的记忆又能帮你做很多事情同时opencloud当时还有一个特点就是他的那个对齐文件写的是比较有人味的就是跟challengebt或者这些相比他是比较给人一种一点点女人感但又没有特别女人啊所以很多人用起来是有一种养成系的情感投射的感觉反正我是觉得这里面很多变化正在发生因为原来是聊天但是现在我们一起合作这个带来的这个关联性是强很多的性依赖度也挺高依赖度就是现在如果把ASO你说我要拿掉你可能真的是很难拿掉我觉得最近好多人都会问一个问题就是我们也不给什么大家建议的因为这个可能我们过去录过好多就是很多人会说我孩子以后上学应该学什么专业你怎么想一事因为我孩子刚上幼儿园我觉得这个其实是一个挺难的问题我觉得真的是培养他的agency会很重要之前我在两年前的博客里面我讲的是说人会生下agency的taste啊这是很多人在讲的吧啊说AI干活你有这个taste但后来意识到taste人也很难啊AI那么聪明它又见过那么多好的数据它的test绝对是远超普通人类的所以我后来意识到test可能也不是人类的什么专有的阵地啊你想那AI做的PPT很好看那我一看所以我认为test这事也不靠谱可能到目前来讲还是agency就是说不管它做得多好要做什么还是你刚才讲的所以我刚才说创新要刻意练习做什么也要刻意练习很多人包括我自己如果突然下问你你要做什么事情其实你可能不知道你可能不知道自己要做什么事情但是如果你可以去想对吧可能你发现哦还有很多事情可以变得更好至少这个我觉得目前还是一个人就问出好问题如果有个人能回答你说的问题但是你知道要问问题啊你要有想去解决的问题想去改变的现状但是现在下个方向也是proactiveagent对吧这个proactiveagent不明思义就是说我要有毕竟要有更强的agent对那这个时候可能就更加有挑战了所以我后来才想现在的AI如果基于现在的模型结构它能很好的解决人类已经拥有的数据就是withindistribution的事情但人类其实很有意思就是有少部分人类他能创造outofdistribution的事情它能创造一个之前人类从来没见过的事情你会发现现在AI它没法讲一个原创的笑话它只能把一个人类已经讲过的笑话给refresh但是它讲不出一个原创的笑话所以这个是挺有意思的就是为什么有的人能够创造出OOD的内容比如加罗华20多岁就能够搞群论对吧为什么这里面我觉得还有很多可能是对于人脑的研究包括像关于亚纳昆也好或者是有挺多Saturn比如说松鼠的智能我们人类还没学会猫的智能怎么样探索这个世界形成一种能够自我学习进化的过程这个可能也还是没有去找到一个好的答案所以从这个角度来讲的话如果你做的事情你的能力全都在一个人类分布的一个正态分布的中心的话其实就很容易被替代但如果一个人能产生的内容是outoftheevolution是能够传送出一个之前没有过的内容那这个还是有可能比较不容易被替代的但这个可能就是叫好奇心也罢创新心也罢这些怎么在教育里面去体现我觉得可能都是非常大的课题但是我觉得人类历史上是在不断的去把人类真正重要的能力给蒸馏出来比如说工业革命发生之后人的体力就变得不那么重要就脑力变得很重要所以那个时候就开始读书改成英语那时候大家开始重视教育因为之前你没有教育你有体力嘛原来挑来体力没有用但是互联网发明之后呢我觉得是把人类的这个记忆和能力分开了就知识和能力因为知识都可以搜到知识已经变收银一体了所以大家开始想要动手能力比如携带码动手能力这些但是AI来了之后呢我觉得是把能力中又把它从一个执行力和判断力又分开就先执行力去把一个事情做了这个又变得越来越这个AI取代了但是判断力我要做什么啊以及说taste什么但可能这个taste之间也会被就是做对了没有啊也会被AI取代的因为AI可以去考实验去获得很多reward所以最后做什么对吧这个行动力这个会变得至少目前还是AI不能自己自己动起来那我觉得这个是一个我没来想但是我没有答案我是觉得好像让一个人更有agency包括我自己也是所以我就是从多用AI多做点稀奇古怪的东西开始诶录播后经常会有被打脸的时候你还会继续录吗所以之前我跟瓦总说我说哎呀下次不要录了因为这个说出去的话就会限制自己的这个就会对自己产生某种flag然后瓦总就说瓦总就寄客了这句话就是西东然后他就说你不能被自己说句话束缚因为你如果觉得打脸了之后然后你就不录了那你是真正的被打倒了所以我觉得不断的去总结自己的思考是一个让自己把一些没想清楚的问题有机会想得更清楚的过程刻意练习因为当你表达的时候你就会发现有的地方你自己是很清楚知道自己是懂的或者你认为自己是懂的但有的地方是糊弄过去的这个在你讲一个东西的时候是很清楚的所以我觉得这也是对我自己的一个整理的过程我觉得是很有价值的并且还是那句话我觉得作为一个早期投资人频繁被打脸是幸福的我觉得如果一个人总是不被打脸大概也不是因为他有点正确而是因为他没有进步频繁被打脸一方面我认为是我在获得反馈信号我在成长另外一方面是我觉得这个行业在变化所以有很多新东西那我早期投资工作就有机会我其实是在想要被打脸的一个工作中好享受被打脸所以我们这个会继续延续下去做吗可以啊我们可以下次下次肯定会被打脸我不知道其他嘉宾会怎么想反正我是感觉这很正常因为早期投资真的是被打脸的一个习惯了他们也接受了吧我觉得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♪Wellexplorethenewworldfromhere♪Shoutingoutsothestarscanhear♪Everyheartbeatdrawinthemapwesteer♪Wellexplorethenewworldfromhere♪Stepbystepturnitdowntocheer♪