大家好，我是方睿资本的李峰，欢迎来到我们这一期的产业观察。我们请到了我们的一位CEO，是银普科技的田阳。当然呢，他有如下几个特点，大家在听的时候呢，可能需要稍微费心费力一些了。第一个，他的学科背景呢比较综合，因为他有几个标签吧，比如说既是清华的星火班。呃，就是所谓理科当中的好学生的班，学霸们的班。那同时呢，他还学了这个神经生物学的相关的计算方向的博士。
所以它既跟计算有关，又跟物理有关，又跟神经生物学有关，同时还跟AI有关，这是它的第一串标签。这标签里在工作上呢还富含除了很多论文，因为我也看不太懂，所以我就不重复了。它也是华为叫二零一二实验室，那当然这也是另外的一个标签，就类似于我们常说的华为天才少年这个方式，只不过是在特定的方向上做这个。突破性的研究。
那除此之外呢？他做的事情也比较特别。从第一次听，在我们投资的时候，我都不能保证大部分人听懂了百分之五十的一个事儿的情况下。做到了今天，可能大家都能听懂的一个事儿，在过去的一年里边，当然这个就涉及到了在今天另外一个谈话的主题，就是在最近随着小龙虾的火爆了之后。出现了一波各种各样不同类型的AI创业，它其实更多的是家庭的AI硬件，就是它附带了算力，也包括了跟云端的通讯，也包括了本地的数据传输和存储这些功能在内的这样一个家庭硬件，不管它是更像PC。
更像NAS，因为我们也投过NAS，还是更像一个无屏的专用设备，还是已经在市场上卖断货了的Mac Mini。不管它是哪一类，今天大家都把它归到了叫家庭的AI。啊，硬件当中去，那他的创业方向走到了今天之后，从当时我讲的，就是对大部分人来讲可能不那么容易理解的一个专业方向，到了今天跟这个家庭AI硬件相结合的一个方向，应该大家都能。
啊，了解到那所以这这也是我们今天聊的主要话题。接下来我们就从田阳本人先开始。我不知道，反正刚才这一串标签，从你的成长经历上来看，就是作为好学生考上清华，作为清华里的好学生进了清华班，然后接下来又学了完全不同的专业的博士，然后又跨了两个学科，当然也包括去华为，也包括创业。就大概这个成长经历对你来讲有什么？
特殊的事儿跨了这么多不同的标签儿，甚至行业和专业。好，谢谢谢谢峰叔的这个邀请。对于我来说的话，就是我觉得我的成长的过程应该都是为了好玩。刚才我们在测一个叫做SBTI的一个新的这个现在很火的一个东西。哦，这个好火，最最近两天。是的，是的，对的。那是个什么？我都没打开看，有人发给我链接了。就很有个性的一个测试，我的测试结果是这个够够，大概可以理解为就是一种虽然讲究理性，但其实做很多事情是凭着兴趣来的这样的一个。
角色吧，其实这也对我还是比较符合的。有的事情的确是比较凭兴趣的。你的MBTI是什么？我的MBTI应该是INTP。哦，你是TP啊？那有可能对啊，对，难怪你是有更多。有一些按照自己兴趣和心意的随机性，嗯，是的，是的，可能这个随机性可能在很多人看来稍微冒险了一点。从小，因为我的性格就是天然如此，我喜欢在做某些事情的时候就是凭着心意来。
我其实转很多的这个方向，包括现在做很多的事情，更多的还是从兴趣驱动本身。从我最开始做计算神经科学，再到后面我转去做统计物理。其实这里补充一个背景，就是那个现在国外的那个非常知名的AI公司Sorpic，它的这个创始人。他的博士其实经历和我一样，他最早也是做统计物理和复杂系统的，而且他的导师我认识是 William Balic。
不过据说他在学术生涯当中不是很顺利，不过好在他有幸毕业了。其实我和他的经历会比较的类似，我们最早的时候都是从复杂系统这边来的，所以可能我们思考问题的确会带上这样的一个学科的烙印。我最开始的时候做比较具体的做计算神经科学，后面的话我开始去做比较抽象的统计物理，到现在为止我也依然如此。我能稍微问一下，计算神经生物学名字上，我大概能最初的理解它是干啥的，但是我不知道它具体在这个学科设置上的时候，它计算神经生物学主要是做模拟神经网络，或者说模拟跟大脑有关的这些机制来。
设计计算架构吗？还是什么计算神经科学？它其实发展的话，应该分两拨人。第一拨人的确是来自于计算机科学背景的人推动的，他的目的可能就是为了去做 simulation，然后从能够你做一些生物启发式的计算。我属于另外一拨人，那就是来自于物理背景人。人做的，我们更多的是利用物理学的这个手段去研究大脑是如何编码外界的信息，或者它产生的这个神经活动有什么样的动力学的规律。
这些规律又意味着大脑会处于什么样的状态？我们可能更多的去解释为什么，但是我们并没有把它做成一个应用。在这样的一个学科的发展经历当中，我更多的就是奠定了一个用具体的数理的方法去描述一个本来无法被数学描述的这样的一个体系的一个能力。当然，有了这个能力之后，我也就转向了其他的方向。对，在这儿我就稍微岔开话题问别的问题。
当然，我先说这个问题跟我的一些相关性，因为正好，比如说我母亲原来在中科院，她就在最早的那个叫认知科学实验室，那也是个交叉学科。因为她在八十年代中后期的时候，是在中国刚刚开始，她凑巧也是复合什么物理啊、计算机啊、生物啊等等等等。那当然，今天大家比较热的，在因为“十四五”规划提出，也包括我们政策导向的这个脑机接口。
当然，这是一个跟刚才的神经计算、神经生物学有关的话题。今天另外一个与之相关的事儿，是因为今天大家在机器人使用，不管是哪一种用视觉开始的指导动作的模型，不管它叫VLA、VLT、A、VLM等等，大家今天都碰见了一些问题，所以大家今天又开始。回去说能不能在这个视频模型或者基于语言模型上做不同的架构来解决跟物理世界交互的问题？
这就是今天很时髦的世界模型或者叫物理模型，但是他们各自涉及到的范围不太一样。那在做世界模型和物理模型的时候，又涉及到一个问题，就是关于人是怎么在。不学物理的时候，也能理解一些物理量和物理规律，从而在这个自然世界当中不会出问题。比如说，即使不通过语言这个架构，任何一个动物它在来回蹦跳的时候，它也知道那个树枝能不能承得住它，那块石头踩上去能不能做个支点。
以及它从A点跳到B点，跳过水坑的时候，它知道它的跳跃能力是不是能越过那么长的范围等等，大概这些是比较基础的物理量了。那大概用动物不靠语言来做任何的中中间介质也能行，所以这也涉及到了大脑怎么认知物理的问题。那没有学物理的人，应该也有了一些基本的物理常识，但是物理常识也会有错误，所以我在我们内部打比方的时候，我就说，如果人的这个直觉物理没有问题的话，就不会有两个铁球同时落地这个。
其实是不存在的，但是著名的科学实验出来，就是因为你觉得它不同时落地，这是你的直觉物理告诉你的哈。那把所有这些问题都提出来之后，我只是想问说，从当时你学的这个专业，虽然现在离开很久了，所有这些问题，今天对于人是如何认识世界，并且在没有学物理学的情况下，怎么掌握物理规律，我们的物理规律在大脑当中是怎么呈现的？
它能怎么解决今天的这个机器人跟物理世界交互这一大串相关的问题？今天你觉得我们在哪个阶段、什么水平和哪可能会有一点点答案？我离开计算神经科学的原因也包括其中一点，就是我并不认为人类的大脑是一个很完美的东西。我们的强处是在于我们的。某一些 sense，或者说不需要思考的这一点，所谓的直觉方向，或者说某种潜意识的方向，的确会显著的强于现在的 AI。
但这一点，其实我认为可以通过更加后天的这个数学方面的这个研究，可以来设计更聪明的算法去解。因为本质上来说，所有的生物都是极度有缺陷的。我们现在的机器人如果想要发展，我认为方向不应该再回到仿生，因为仿生已经走了那么多年，其实也并没有走出来特别好的经验。嗯，我们还是需要承认，就是我们或许机器人就应该不同于人。
嗯。人所谓发展所有的创造的概念，都希望就是在自己的身上去寻找借鉴和经验。这种的前提和假设都是因为以前我们造的所有的东西都是弱于我们的。嗯，但是今天当我们开始做AI之后，其实我们是有可能去创造一个强于我们的东西的。这个时候，其实人的潜意识是害怕的，这也就是为什么我们希望AI会更像人，因为人在我们自己认为就是我们心目当中最聪明的东西。
但或许其实AI可以借助更聪明的办法，它可以变得强于人。或许机器人同样也可以如此。所以我认为，可能现在做机器人的他应该。比如说，完全放弃这一个借鉴生物，或许可以走更通用或者更开放一些的这个思路。当然，这样的一个思路可能现在潜藏在不同的学科里面，并不一定有统一的答案。但我认为，除了关注神经科学或者脑科学之外，大家还可以关注，比如说在物理学里面的一些研究，或者在其他的一些化学里面的研究，也同样可以从自然界找到一些其他方面的答案。
比如说，同样谈机器人，我们会知道，在化学的尺度上面，我们有分子机器人，然后有自主装机器人。然后在物理的尺度上面，我们也可以看到，大自然其实或许在我们看来不具备智能的物体，它也可以在集群层面有各种各样自主式的行为。我们认为这些方式同样也可以隐含着某些规律，可以去启发我们开发现在的所谓的智能体。因为本质上来说，人类的智能只是大自然智能的一部分。
而我一直相信的一点是，大自然的智能因为进化的时间远远超过人类的进化时间，其实其中部分的细节是可以值得借鉴的。明白了，对，这是从另外一个角度来看这个所谓演化的力量。那我就问一个另外半个问题，就跟刚才我那一串里边相关的，就比如说，你觉得今天我们对大脑的机理机制研究，因为大脑是个能效超级好的，就是因为它消耗了我们百分之差不多二十这个身体能量，然后但是其实它。
做如此大量的叫多模态数据处理，同时还加认知和决策，还做复杂思考，还做抽象，还要做表达。不管是CPU还是GPU都超级厉害，但是又能耗没那么高，因为我每天没吃多少东西。那我不知道你觉得今天我们先不为了仿生，就是我们理解大脑，你觉得理解到什么程度？我们目前基本上已经摆脱了原来还在在颅相学时代积累的那些经验，对，包括现在我们最早在二十一世纪初的时候，我们还在会喜欢用
functional MRI 等等的方式来研究大脑，我们认为大脑有分区。
但现在我们也进一步的进化，我们意识到，其实所谓的大脑的分区也并不一定完全对。其实所有的这个认知加工的技能都可能牵一发而动全身，它可能是很多个脑区共同来参与。这其实逐渐的就指出来一个方向，就是每当我们希望给大脑的某一个脑区贴标签的时候，其实往往这个想法就是错的。其实，大脑往往是一个整体，而这一个发展的趋势的确现在已经给了我们很多关于大脑的新的这个见解。
我认为，大概人类关于大脑的研究大概的转折点就是在一五年之后。有，二零一五年之后，其实我们逐渐的开始意识到，比如说 functional AI 等等的做传统的固定的脑分区也是错的，然后我们开始会强调 distributed coding 等等的新的概念。我们现在认识到，比如说人的意识可能会有不同的假说的路径，我们可以在前额叶或者在其他的地方找到不同的配合方式。
这些都是在指明，其实神经科学逐渐的从一个传统的生物学上经常研究的方法就是收集彩票，我们发现一个现象就给它打一个戳，这种样子的一个范式逐渐的过渡到了我们开始去归类不同的现象之间的这个物理上的联系或者化学上的联系，这种样子的一个思路的转变，其实就是神经科学开始变成一个现代意义上的科学的一个起点。所以，二零一五年之后的神经科学的发展是非常值得关注的。
从目前我们看到的关于脑机接口这个研究上面来看。第一，我们已经逐逐渐的意识到了，我们应该如何去获取关于哪一些肢体或者哪一些我们感兴趣的这个认知现象的控制的信号环路，应该如何在大脑里面去找。而另外一方面，假设我们知道它在哪，我们人类应该如何造相应的器具，去想办法把相应的这个神经的这个电信号或者其他的信号给提取出来。
再者，提取出来了之后，我们如何用更聪明的数学办法去处理这些信号，从而抽取出我们需要的那个信号的组件，进而我们能够基于这些信号的组件去建模人类正在做什么，从而我的这个脑机接口应该如何去识别它的这个神经活动的现象和人类的意图之间的绑定的关系。这些其实都是在一五年之后发展开始变得越来越迅速的。现在的脑机接口或者其他的这个相关的神经科学的工具，其实还在停留在实验室层面的更多。
如果按照现在的这个速度发展下去，尤其当现在我们越来越多用计算手段来开始研究了之后，其实脑机接口的飞速的发展也是可以指日可待的。我记得在我读博士期间，清华的那个洪波教授，他应该是和这个医科大学那边一起做的，就是把这个残疾人，然后用这个脑机接口的方式来实现他一些原本无法做到的这一个含有病理的肢体的控制，或者做说话，或者做其他方式的这个交流，进而能够对这个残疾人本身做一定程度的治疗。
我觉得这一方面的这个研究可能会在未来十年之内就可以走出实验室，开始尝。尝试一些应用，对我们开始刚聊到一点点这个关于背景的时候，我相信大家已经听出来了，因为过往我的博客。在我跟李翔对谈的时候，我有一个对于听众来讲比较折腾的地方，就是句子很长，那个逻辑很复杂，且他们要努力争取环环相扣，所以一旦走神就很容易掉线，然后又不容易听懂。
但是今天我们终于看到了另外一个这个比我甚至句子还长，这个逻辑更抽象和逻辑链条更长的学霸啊！那我们就。权且安慰自己，当做这是个这个学霸的这个表达方法哈。那其实刚才你讲到的这些事儿，我们把它总结为两个问题，挺有意思的。第一个问题是今天的脑机接口，就像刚才您举到的。在已经出现的这些针对适应症的这些干预方式，更多的是一些我们叫直接的因果关系，就是这个不管叫这个靶点还是叫这个区域，其实主要是控制，不管是运动还是一些直接感知类的事情，那我可以通过刺激让它直接恢复。
那你也讲到了第二个问题，就是今天的神经科学或者叫今天的大脑研究，也许会更多的不是像研究我们过往脏器一样，比如说肝就是负责这个，肾就是负责这个，心脏就负责这个。他们更多的在意识或者叫在认知的比较深层的领域，它是叫整个一个系统同时调动多个分区、多个模型，或者同时调动了多个专家系统对一个输入进行了复合的处理，并且进行了复合的输出，不是把每一个分区当成是一个单独的像脏器一样的直接因果关系来研究了。
我不知道这个是不是在最粗的意义上，某种就像我们这个从。去年春节的这个 DeepSeek 开始在大模型里的这个 M O E 的类别，它可能在思想上面的确有异曲共通之妙。对，好，那我们先把这个背景的问题告一段落，我们回过头来回到我们的创业主轴上，因为你在学术上其实已经。有成就，并且有教职了。当然，教职之前也经历过华为的二零一二实验室。
我不知道这几件事情之间，就是先去了工业界，取得了一定的基础研究的成绩，然后又回到了学术界，取得了教职，然后又从教职出来，不再继续学术这个研究方向，而进入产业界。这个大概一波三折，有什么他们之间的？思考和联系，从你的生活价值，除了刚才讲到的，因为兴趣导致这件事儿之外，我在做统计物理研究的时候，统计物理里面有一个新兴的非常小的分支，叫做information thermodynamics信息热力学。
它是研究信息和能量之间如何转换的。传统来说，信息可能是有了计算机科学之后我们才会讨论的概念，但可能信息热力学的视角会认为，在宇宙当中有非常多的基本的物理量，那其实 information 也可以作为其中一个。他会认为，比如说擦出一个信息，需要有固定的一定的单位的热力学量需要去做消耗，这也就是所谓的兰道尔法则等等的其他的相关的法则告诉我们。
信息包括叫计算，它其实和物理世界是紧密相关的。这样的一个学科给了我一个新的视角，就是我发现其实计算机也可以是一个很好的物理研究对象。这件事情也使得我的第一个创业的方向选择的点。其实，如果从归根结底来看，为什么我会最早注意到，就是说我们要去优化整个主板上的各种各样的控制的方案。其实，在我看来，这个主板就是承载了一个特定的计算任务，它需要去编码或者处理特定的信息量。
而现在，它有一大堆可以控制的物理参量，比如说电压，比如说 frequency，比如说功耗相关的这一个热。这些转化关系就是我希望去控制，从而能够让整个计算机达到最优能效的这样一个手段。而这样的一个手段，刚好我又注意到，的确在我创业的时间节点，它和计算机产业从最上游的芯片到最下游的整机各个环节上面遇到的很多的，无论是消费者遇到的难题，还是生产界遇到的难题，其实是息息相关的。
大家都在寻找不同的视角，去最好的控制一个计算机的系统。从而能使得它达到能效比最优，所以最终的话，我就选定了这样的一个创业方向。所以从某种意义上来说，概括起来，首先呢，我是我的学科背景给了我这样的一个思考的视角；其次，我认识到这个思考的视角可能和某些人的需求是相关联的。最终，我就选择了做这样的一个方向。
对这个，我之前还不知道有这么个过程。你刚才讲到的信息是个能量这件事，因为我们在看一些别的事情，尤其在当时看跟AI有关的一些事情的时候，我无意中。去翻了一本前半段很好看，后半段有点晦涩的书，就是关于信息论的一本科普的书。但是它其中主要讲到的就是香农所提出来的一大堆的事情，其中有一个非常重要的问题，就是刚才讲到的，就是信息和熵，或者叫信息和能量之间的关系。
那个也给了我很多以前我完全没有过的视角。天洋在做的事情，我稍微简单的做成一个我能力所能及的概括和普及的话，大概就是：今天随着我们进了AI时代，大家有各种各样的需求，在这个基础上，不管是计算机还是各种其他类型的计算设备，他们的那块主板有可能因为各种各样的原因而产生计算相关能量的浪费，或者叫不均衡。然后田阳做的最先开始，我说我们第一次去听，因为没接触过，所以不是特别好理解的部分，就是从他当时的能力开始去。
想一些方式方法，不管是软的还是硬的，怎么能解决每一块主板上尽量好和尽量多的计算资源的使用和调度问题，而尽量少的浪费这些所谓叫能量或者叫消耗？我不知道这个大概理解正确吗？嗯，其实从根本的目的上来说，所有英普创造的技术就是为了让计算机能在使用给定的能量产生给定的热的前提之下，尽可能多的把本来应该计算的信息量。
算出来，从而能够实现它更高的能效比。明白了，我们回过头先问几个基本的问题。当然，今天我觉得这些基本问题答案稍微好理解一些了。就是你觉得你创业的时候，比如说半年以前或者一年以前，半年多以前，为什么现在是一个？对这个需求开始出现了明显增加，或者叫明显良莠不齐，或者叫明显有市场机会的这个时间点，为什么是现在？
有哪些因素造成了现在能做、应该做和要做好这件事儿？我认为几个因素，首先第一个因素，其实在我刚开始创业的时候并没有特别的普遍成立，但是我相信它一定会成立。那就是一个简单的经济学原理，就是AI不可能一直处于基建时代，只花钱却没有产出。所以，我们需要思考的只是它的产出的方式会是什么。最开始大家想到的肯定是推理，那推理接下来就要想的是推理的下一步是什么，可能就是做应用。
虽然那个时候我并没有办法去证明一定事实一定如此，但是我相信的是，当它走向推理或者走向应用之后，CPU和内存厂商会变得越来越重要。因为其实从更大的视角上来看，整个主板上所有的零件都会变得越来越重要。因为计算的范式从纯粹的训练端可能只靠GPU，CPU只是一个帮忙的。对，到了后面推理端，其实已经开始涉及到CPU，再到现在的所有的Agent，它需要的是从SSD内存、CPU、GPU之间来回的数据搬运。
我们可以看到，整个主板上几乎所有的关于计算和存储相关的器件，它都已经用上了。这件事情就是我最早在创业的时候，我相信未来一到两年就会留给我的机会。虽然我创业的二零二四年的那个时候，其实世界上还没有特别好的 agent 的应用能够来催生新的硬件，但我认为或许过了两三年，这一件事情就会成为事实，所以我提前开始做相关的事情。
这个是动机一。而动机二的话，则会更加贴近于就是关于硬件本身的观察。我们抛开掉 AI 这件事情不谈，我们现在的所有的芯片的制造越来越往七纳米乃至以下去做相应的这一个研发。从物理上面可以这样来说，我们在把芯片不断的往更小的尺度去做，逐渐的从宏观尺度走向了介观的尺度。我们都知道，就是一个物理的物体，它只有在自己的那个尺度上才会受到周围的物体的显著的影响。
那现在芯片走到介观尺度，它会受到什么样的影响的？最简单的就是介观尺度有大量的非平衡态的热扰动。芯片可能和那个热扰动相关产生的这个能量的波动尺度是相同的，换句话说，就是在物理上它们互相影响的这个幅度是很强的。那么必然，当一个芯片放在一个主板上的时候，它会受到附近的这个发热或者其他的问题的影响，会越来越显著。
所以我赌的其实也是现在的这个所有的芯片的发展会往这介观尺度乃至更微观的尺度去发展。从而它会受到周围的越来越多的物理量的影响，从而如果我能够控制好它的外在环境，其实也就是主板的环境，我就能够给它创造更好的条件。这样两个趋势就是我认为的技术趋势。而从消费趋势上面来看，我看到的机会是，其实我们谈计算机的产业，因为普通的消费者一般接触到的无外乎就是PC，或者说准确来说就是laptop，而很少的有人会接触到服务器等等。
我们会看到两边现在的发展逐渐的开始脱节。服务器端其实有越来越多新的技术被点亮，但其实，在纯粹的C端的laptop，我们已经有很久没有见到过真正意义上能够革新的这些新的技术了。所以，我认为或许现在的产业刚好就停着在一个需求端需要它去做变革，但还在没有很好的变革的方向的这样的一个节点。那这个时候，或许我做任何一个尝试都是有可能。
有机会上车的，所以我就判断这个可能是一个好的创业的方向。这个讲的挺有意思的，我先来把这个话在我们投资上的一些事情的对应稍微简单的翻译一下，或者我们从现在最时髦、大家热议的这些焦点公司上做个对应也行。就它的第一和第三两件事都非常有意思。刚才讲到了所谓叫在各种各样层面调度资源，在从大模型的预训练或者从大模型变大，然后大模型到推理和推理到 agent 这个几个过程当中会出现对这些不同资源调用需求的变化。
这个观察其实在现实中已经有这个对应了。我们翻译成不是这个专业背景的人大家都能理解的一个现象，比如说英伟达收购了这个
Grok。那当然，你也可以说，从去年春节开始，这个DeepSeek做的这个推理模型，那等等这些事情，大概都意味着，就从英伟达做针对大模型训练的这个GPU芯片，用两百亿美金收购了Grok之后，在最新一期的英伟达大会上所推出的这个训练推理一体，就是它的这个英伟达芯片加上Grok架构的芯片一起。
那这个Grok就是我们讲说从最适合大模型训练的那个芯片，到更适合推理的新的英伟达它收购的这个芯片架构。那我们在投资端也看到了另外一个问题，就是正好回应了刚才你讲到的这个趋势，就是因为我们呃有投非常多的不同类型的AI架构芯片，不管它是TPU的，它是像Grok的LPU的，当然也包括其他的一些端侧芯片，也包括RISC-V等等。
那我发现这个行业正好在热度上是从云端的异构芯片，比如说TPU，到了云到端之间的这个推理芯片，比如说我们有行云，还有我们另外一个叫元传媒等等，他也做过一期博客。然后正在热的就是所谓叫端上的芯片，三类芯片他们做的在硬件层面固化下来最大的不一样，其实就是他们在调度这几个资源的分配上是不一样的，就是计算、通讯和存储。
那其实刚才你也讲到了，这个从第一个角度来看。当它从大模型的训练走向应用的时候，就一定是不一样。但是这个不一样，今天更多的我们还是仍然体现在了，确实是服务器端。今天端上的芯片只是刚刚开始热。那端上的芯片，什么是端呢？就是我们讲的各种各样的应用的这个硬件终端。那端上的芯片开始变热了之后，就这个AI异构芯片变热了之后带来的结果，可能就是你讲的三。
就是那个三，就是刚才讲到了，我觉得这是个有意思的现象观察。就是我们今天使用的电脑也行，我们今天使用的手机也行，我们今天可能各种各样新出现的智能硬件也行，甚至包括 Mac mini，甚至今天大家统称为龙虾机的各种各样不同的这个家庭硬件，包括 NAS，它们其实都算端上的硬件，但今天它们所用到的 AI 芯片和 AI 能力，包括你现在用的电脑，还都要回到云上去。
他们还没有在端上本身兑现和普及出来，那当然这就是你讲的PC或者叫电脑没有什么明显的架构转变了。同时，在另外一侧AI和大模型和服务器端或者叫这个大模型的训练、推理和应用端都有。非常快速的创新，造成了我们今天觉得可能家庭硬件或者叫桌面硬件或者叫个人硬件开始会可能出现变化了。那当然结论上之一就是，如果它直接在芯片层面调整个芯片的架构，要不然就是在调度资源的能力上变，就回到了刚才你讲的这个CPU问题。
然后他刚才讲到的界观。我们用个最容易理解的老百姓的话来讲，比如说我们讲一个组织或者一个器官，是我们讲一个相对宏观一点、具体一点的这个事情，它作为一个整体出现的系统。然后我们讲到介观，也许就讲到了细胞。那如果我们讲到微观，也许我们讲到基因组或者叫基因片段。那大概它所谓介观会受到影响的概念，就是你把尺度缩到了一定程度之后。
就比如说，细胞和细胞之间，细胞和你的系统的整个环境之间，细胞和体液之间，它们大概各种各样的变化，都会受到了周围环境自己的状态变化。以及整个这个系统环境和系统运营的目的这些事儿的影响，那它比一个组织和器官受到的影响要非常多维且非常多项，既有来自于微观的，又有来自于宏观的。那大概你刚才讲到了，随着芯片到了非常小的制程，或者叫非常高的制程，就是来到了几纳米这个层面，大概就来到了所谓这个介观。
这个尺度上，它可能会对一块这个高制程芯片起到影响的因素就变多了。就像刚才你讲到，那在这儿概大概这三件事儿，有不同程度上对应到了刚才你讲到的原因。那我不知道从你这个过去的一年多以来。这个工作的对象和范围，在我的理解是，不管叫软件还是在软的层面来调度系统资源，然后今天慢慢的又走向了在硬的层面直接形成一个新的含软调度的硬件。
这个过程，你觉得是一个必然过程，还是一个今天？正好因为叫家庭智能终端发生了非常大的变化，一会儿我们讨论这个话题，才出现的机会，就是大概你自己看是你的。原来选择的道路，还是因为选择的方向了之后，凑巧在这儿碰上了这个交叉口，然后就拐上了这个交叉口。这里取决于一种商业上面的一个发展的策略吧。从我们最早开始试图去推行相应的新的技术的时候，这里就涉及到了一个经典的问题，就是科技公司如何教育市场。
我们毕竟希望去教育的市场是已经停滞了接近二十年的没有技术变革的一个旧市场。那在这个过程当中，其实我们最终会遇到一个问题。我们如何让别人意识到这个东西真的是有用的？对，在这样的一个趋势之下，其实所有的科技公司最终必然转向，都是先在自有的平台上面先去做相应的这个技术方面的 demo，或者双商业上方面的 demo。
这个估计在商业上已经是一个必然的结局。不过刚好它的确使得我们遇上了最开始的我预判的那个所谓的 agent 时代，会让这一类型的终端需要有新的变化。这样一件事情，并且这一个事情发展的速度比我的预想的更快。我们在二零二五年就遇上了它，所以它的确给我们带来了很好的机会。所以现在银普的定位当中，的确就会认为做自有的平台是一个非常重要的事情。
我们从传统的一个可能一开始是奔着经典的半导体企业去的路子，现在可能已经逐渐的转变成说，我们的确是有自己的芯片的研发或者相应的产品的计划，但是更多的我们会更加专注于自有的平台这样的一个效果。对，所以，我们回到历史时间点上对应。我在我们内部跟投资团队讨论过这个问题。我说，你如果过个三四年再回过头来看，也许去年春节那个 DeepSeek Moments 正好是模型从训练转向推理、转向准备应用的时间点。
那也许今年的，当然龙虾不还不一定持续，因为它只是个现象。但是龙虾这个现象出现的时间点，正好当然也是春节附近了，正好时隔一年，就是从形成了拐点之后，第一次有一个被大家热议的直接到应用层的应用了，就是那个时候是从模型变大拐向。呃，应用，然后现在是应用第一次有个接触和落地了。那大概这是两个有意思的这个历史时间点。
也许我们过三五年回过头来看的时候，他们是几个转折点。我们回到刚才讲到的这些硬件问题上，我不知道从你的角度，因为正好极客公园出了一篇文章来讨论这个所谓叫智能又一次被赋予了叫AI原生硬件，但这个AI原生硬件跟一年半以前、一年以前大家去投AI眼镜儿。是完全不一样的了，因为那个时候AI硬件，所谓叫原生硬件，都还是创新型的，从来没出现过的一些东西。
当然，今天也可以这么讲，但我其实更多的。愿意把它定义成叫AI的家庭终端，或者叫AI的个人终端。当然，它的这个起点是Mac Mini，但今天所谓叫家庭智能终端，或者叫AI原生个人终端。或者一部分叫龙虾机，这里边有非常多类型的产品。我不知道，大概从你的角度，你能怎么看待整个这一大片概念？因为它非常混淆。
现在的话，这一个市场因为是新兴的，大家必然会从不同的商业产品的定义的角度来去做自己想要做的硬件，这无可厚非。不过从这个整体上来看，因为历史上面其实计算机的产品都是有规律可循的。从发展经验上面来看，一个合理的方向应该是借助现在的这样一个AI发展的趋势，未来的这个所有的计算终端可能在至少偏向于消费端的这个市场里面，我们认为它会形成一种整合。
因为消费者的心理趋势必然是花一个价钱买到尽可能多的功能。承担AI计算功能的这个，无论叫计算机还是叫终端或者叫其他的东西，它未必会和传统的计算机产生一个天然的分异。我更加相信，他们两者天然就应该被同一个终端去。做相应的这个功能上面的这个形式，这个是我相信的一个发展方向。而从产品呈现的形式上面来看的话，其实无外乎就是一大一小小的东西，自然我们就可以随身携带。
大的东西可能是我们放在家里面，它可以承担更大的算力或者更丰富的功能。而这里的小的设备和大的设备具体会往什么样的方向发展？虽然我没有自己的一个标准的产品定义，但我相信有几个方向是可以去参考的。我们来谈一谈关于小的，也就是这个可移动的东西。我认为它的未来的发展趋势就是更加要强调交互，因为我们注意到，其实我们手中已经有了一个交互能力非常强的小的东西，就是手机，尤其是智能手机的这个交互能力非常强的。
如果我们在移动端试图去做一个没有交互的、只有算力提供能力的小盒子，或者说，比如说，长得像充电宝的一个东西，它能够外挂在手机上等等。其实我们是创造了一个要依附于其他终端的终端。对，那很快就会被那个提供依附功能的那个终端，如果他把这些算力芯片塞进去，他其实完全能自己做出。因为它掌握了交互的门槛，所以我认为未来能够活下来的在
pocket 层面的这个消费的，其实必然是它自己就自带了所有应该有的交互功能，同时它提供了相应的这个算力。
然后这个我认为它就是在移动端会发生的这个趋势，它可能是现在的手机厂商做的，或者是我们还在不知道的未来的一种新的这个不同于手机的交互的终端来做的，但是必然它会强调交互感。而在这一个固定端，或者说我们就是说放在桌子上的、放在家里的这个终端，我认为它不一定要强调交互感，因为它只需要通过这个局域网的连接，它可以形成万物互联即可。
其实我们现在家庭里面已经分散了大量的AIoT，不仅是家庭当中，其实走出家庭，在整个生活当中，乃至于在工业界，AIoT到处都是。AIoT天然就是一个散的概念，它们需要的算力可以有一个统一的hub来去。存在，但是他们的交互方式很难完全都塞到一台机器里，即使是造成一个笔记本电脑的样子，其实也是塞不下的。所以我认为桌面端往往会变得越来越简洁。
它可能就是一个弱化的，逐渐变成就是我们生活当中像水电门一样，默认会存在的一个东西，就像路由器一样，没人会在乎路由器长什么样子，它就静静的放在那，提供该有的算力，它可能就是一个算力的路由器，它自己去形成相应的算力，连接家庭里面的机器人，连接家庭里所有的AI的功能，去承载这些东西就可以，它可能会变成一个更加安静的角色，它更加强调的是稳定性，强算力。
体积小，然后省电，然后能够以合理的价格去走入家庭或者工业界，这个可能是它的发展的趋势。那从这个方面来看的话，其实这两者，无论是 pocket 端还是桌面端，其实发展趋势就会越来越像原来手机和这个计算机如何去分异的这样的一个。发展趋势，我们的手机和计算机其实是没有互相取代能力的。手机其实，在我们手里面主要是通讯和娱乐功能，对。
而所有的工作，其实我们更愿意在计算机上去做，因为我们天然默认意识到，现在的计算机已经是交互效率最高的设备之一。嗯，不可能再造出来比它更高的这个设备了。所以我认为，Pocket端偏娱乐、偏交互，必然就是一个趋势，因为我们需要的是随身携带。而桌面端偏向于强功能，但是它可能交互方面，我们可以允许它有一些不方便。
这个可能就是在现有的工业条件之下，我们最有可能能够长出来的两类产品。对我把你的话变成我容易理解的中老年人才熟悉的现象翻译一下。今天我们讨论的是一个每个人都需要越来越大的算力、存储资源。在此之前，在这轮AI之前，我们讨论的其实只是大家需要更复杂的CPU和更大的带宽。那从带宽的这个历史发展来看，最早大家都是直接连电话线拨号上网，这可能很多人都不了解这个历史。
在九十年代的时候，然后中间出现了个专用设备叫猫，然后再往下的时候，今天大家应该。不太可能有任何人是通过电话线上网的了，它基本上就是有一个专用的路由器，就是不管是多大带宽的路由器来解决在家庭的这个事儿，因为它又连了WiFi，所以导致的结果是你们家所有要连需要带宽的这些任何这个叫互联设备，基本上都从它那儿连出了互联，就等于是它从最早的电话线上分离出一个专用设备，从专用设备因为基础设施当中的。
呃，光缆、光纤的发展，又包括家里需要联网的设备变得非常多之后，它就变成了一个比较特殊的专用设备。所以，我拿你的。对应例子来举例子的话，假定我们今天只调度资源和部分联网和工作和需要一些键盘交互的话，就是我们的PC。那也许将来按照同样的顺序，因为之前是为了使用带宽，现在就变成了要使用越来越大、越来越大的算力，就像我们对带宽的需求一样。
所以那个算力在家里头就会被。当然，算力也既包含计算，也包含存储和数据通信，这个设备就会被调度出来，就像当年的插在电话线上，加上插个猫，变成今天的无线路由器。这个发展方式一向变成一个单独的家庭设备，这大概是你刚才在家里头的这个表述方式吗？嗯，对，是的，哦，那我不知道，就说，因为我刚才举的这个例子，要稍微有点年纪的人才能正好经历的完整过程，要不然，对于年轻人就直接进入了二零一五年之后那个切点上，中国的宽带入户大规模发展之后，在那个之后，基本上我们熟悉的就都只有这个无线路由器这件事本身了。
很少有人在经历前面的过程了。好，那回到你今天在做的事儿，就是比如说，我也知道你很快就有新产品发布，跟一些芯片巨头发布新产品。那你今天呈现出来的这个产品是在刚才描绘的这个图景当中的哪一个位置，和为什么选择了这个位置？嗯，首先的话，因为个人喜好以及应该叫做团队喜好的原因，影谱的大部分产品会慢慢的变成我刚才所说的那个强算力、默默无闻就一直放在桌子上非常安静的那一个设备。
我们会有大量的产品会往那边去推。另外的话，我们今年的确会有一款是手持的强交互的这样的一个设备会推出。然后，之所以会去做这样的一些设备，除了有商业合作方面的原因之外，银普掌握的实际上是有能力用相同的硬件做更高性能的产品的能力。那在这种样子的基础之上，我们能否在现在的这个产品形态并没有完全定义的这个所谓的AI原生硬件的这个时代，去找到一种更强劲的切入产品的能力？
因为其实早期的苹果的发展，它在PC的这样一个概念并没有完全被定义清楚的时候，通过更好的组合，从Apple One时代开始，一直到它最后好很好的卖的这个Apple Two，其实苹果也就是做了当时世界上最好用的计算机。那现在我们需要问的就是，银普是否有机会在这样一个时代去做最好用的这个AI Native的这个计算机或者叫终端？
这个终端就是将要发布的产品。应该还是基于家庭终端的对吗？还不是手持的对吧？对，是的。我们首先要发布的第一款是放在桌面上的，然后接下来今年还会有四款放在桌面上的这个设备，然后会有一款手持的这个设备，可以放在 pocket 当中。放在桌面上的设备，你们将要出售的这些产品。应该它跟电脑的形态的不一样，你需要还是不需要它带一个全键盘和这个显示器？
我们会永远强调它可以带显示器和键盘，但我们会越来越弱化它带显示器和键盘的这个需求。对，所以它更多的就是个就像我们这样独立出来的路由器一样，这个独立出来的算力资源，对于消费者而言，他买一个你有你的产品和买一个没有你的只有其他硬件厂商的产品，它可能产生的最大感官上的差别是什么，或者叫体验上的差别是什么？
现在现阶段，今年的产品暂时能够带来的这个体验上面的差别，核心的要素就是性能强或者更加的稳定。这一个的话，主要是因为我们现有的芯片产品依然是代流片或者是正在流片的这个过程当中。今年六月份的时候，欢迎大家关注 Computer X，我们将会和其他几个国际巨头一起发布 AI SSD，能够允许大家在同一台计算机上跑远远大于原来能跑规模的这个 AI。
这些都会使得一旦加上银谱，就意味着你的某个单点能力会变得显著强于以前的硬件，即使可能大家都是用同样的处理器芯片造出来的计算机，这个会是我们今年强调的概念，那就是更加强调是 in plan inside，因为有了银谱，所以能力变强。从明年开始，我们可能会稍微有一些区别，因为当我们的芯片逐渐可以开始做独立的运行之后，银普的定位将会是希望去做计算机层面更好的控制芯片和协处理器芯片的厂商。
那我们会强调，是因为有了银普的chip在里面，你会多了这个额外的功能。比如说，我们明年将会要推出的一款新的芯片，呃，我不知道大家合不和我有共鸣，就是像插游戏卡一样的，当你插上了这个游戏卡。卡之后，我们就希望你对应的某一个AI跑了就会显著的快于所有处理器芯片上能跑出来的速度。当你把它拔掉了之后，你还可以换上其他的游戏卡。
或者叫做AI卡插上去，让它能够不断的通过切换这个插的卡来低成本能享受某一些这个特定模型的AI的加速，这个会是我们明年开始推出的产品。我们会强调逐渐的把银普的能力，虽然它可能依然会外延到整个主板上，但是我们会逐渐的把它收拢到一些协处理器芯片或者是这个控制芯片厂商。控控制芯片的产品上，我们绝对不会做处理器芯片，因为我们所有的发展的目的都是为了能够和所有的这个处理器芯片厂商去做合作，一起来做这个计算机产品。
这个就是我们在今年和明年的一个主要的这个战略。我再来回到大家更容易理解的角度问一下和总结一下。所以说我是一个普通消费者。就是我买了你这个盒子之后，就使得我能够在这个已有的，就是这个市面上都能买到的这些硬件这个组合基础上，还能在这个盒子上去跑，远高于这些硬件原来能支持的。AI能力，我不知道这个从结论总结上来看，大概是这句话吗？
是的，更强的AI，更强的游戏的性能，更强的图形渲染，更强的浮点数计算，不抛弃传统的能力，让计算机本该有的那些功能也同样变得更强。我们用既保护你的技术门槛，又能够用户能理解的角度来看的话，我怎么使得一些已经大量被使用的硬件组合在一起，并且加了你之后，完成了这个盒子当中超越原来硬件的功能。就是大家怎么能理解为什么你能做到这件事儿？
银普的规划当中分两类产品，一类产品主要希望的是通过更好的控制主板上的供电和其他相关的这个散热相关的信息，能够让这一个在一块主板上的处理芯片有更舒适的运行环境。从而能够发挥它的极限性能，提升这个计算机的通用计算性能，包括浮点数计算或者图形渲染。而另外一类型的产品的规划方向是消除整个主板上难以优化的部分的 I/O 点，是为了服务 AI 的推理或者是现在的 agent 应用。
这个就是目前英普最核心的两个产品的方向。这些硬件资源都是国际著名企业，所以他们各自是分属不同企业的。那把他们放到一起的时候呢，那个借官的原因，所以他在。它的这个加在一起的硬件当中，加了一层更不同的调度，使得每一个硬件都能被充分的。利用就是它它原有的资源可以被充分释放，并且又不影响其他与它不同厂的硬件跟它的适配，或者叫跟它的资源调度之间的冲突。
从老百姓的话来讲，大概是这么个道理，对不对？嗯，对，是的。我们可以以AI现在的AI agent的应用为例，我们每个人在做agent交互的时候，它涉及到了你有一大堆的数据要存在SSD。有一堆的数据要放在显存上，然后当显存上放不下之后，我们可能就要判断它是完全扔掉，未来要重新计算，还是说我们不愿意扔掉，我们把它继续塞到 SSD 里。
这个过程里，我们永远就会经过一个叫做 PCIe 总线的东西。我们把数据从原来放着它的显存和内存上面，download 到这个 SSD。这个过程是影普最关心的核心的路径。首先呢，我们会和一部分做存储的企业一起去做关于SSD进出的这一部分的I/O速度的优化的产品，比如说今年六月份我们要发布的那个SSD。
另外一方面，在这个 PCIe 总线上，其实还有很多的环节，它可能是在短期，即使英普有技术，也很难在商业上推动去做 I/O 优化的东西。那这一部分的 I/O 的这个 bottleneck，我们会希望通过新的产品直接把它给取代掉。这个比如说，我们明年希望推出来的那个像插 U 盘卡形式一样的那个 AI 推理的那个加速的卡。
这些都会使得我们其实就是现在在沿着整个 PCIe 总线去找，看 AI 的数据需要流动到哪，那个地方是否能够在现在的商业条件里去做优化。如果能，我们就和 I/O 厂商去合作；如果不能，我们就希望自己来做芯片，逐步的把那一部分的 I/O 给拿掉。如果是计算机专业背景或者相关专业背景的芯片相关的，肯定能听懂这一段话了。
因为我也不是从我们的角度，我们简单的把它翻译成这样两个方便大家理解的问题：就第一个，在今天。AI层面，在AI到应用层面，就是我们叫推理和具体应用层面，它有个非常不好调度的事情，就是有大量的数据存储和交换，就涉及到了刚才他讲的这个I/O，就是这个input output和这个，就是这个通讯这部分。另外一部分就是所谓存储，就这个 SSD，就是哪些我要存下来，存的时间长一点；哪些我用完就可以扔了。
因为这里边涉及到的是巨量的数据在应用侧，所以这两件事儿就变成了制约硬件能力和所谓叫 AI 反应的速度和 AI 智能化的程度，模型大和小，或者叫 AI 的大能力大和小当中，在应用侧最瓶颈的两件事儿。那刚才他讲的事情，就是他来想办法把这两件事情，当然也包括跟硬件的底层合作，来更好的调度清楚，或者叫利用最少的资源调度到最高效的程度。
大概这个就是刚才我们解释的事儿。还有另外一个例子，可能大家比较容易理解。我不知道这个例子你能不能同意。我在我们内部给科技组的其他同事解释的时候，会用到这个例子。我就说，这就像九十年代那个时候，因为个人电脑还在比较贵的时候，就最先开始从几万块钱，然后到零一年、零二年的时候，应该也在。接近一万块钱，就大几千块钱，显然是比较贵的。
虽然芯片也在摩尔定律上迭代，但是大家显然用不起很贵的电脑。那时候是为了解决另外一种算力资源调度的问题了。所以那个时候有一个时髦的做法，他们叫超频，就是让计算机努力在CPU上，在当时你能买得起的那块CPU上，跑到尽量高的这个计算速度上，或者跑到尽量高的频率上。这个事儿大概从九十年代初期吧，然后后来是因为中国消费能力上去，以及芯片的价格下降的比较快了，超频的事情才慢慢消失了。
那我们打比方，就今天是因为大家对算力和包括数据存储和交换的这个需求。太大，就是在AI这一侧，尤其在端上，它还不像在服务器上大集群。服务器上现在有很多变化，包括做光互联等等。在这个意义上，于是你这个事儿就有点像在几个硬件资源之间的这个调度上的超频。我不知道这个例子你能认可吗？我觉得这其实是一个非常好的解释啊。
我们假设一下未来。D D R 的价格会变成大米的价格，H B M 我们可以在计算机里做一整块 H B M，把整个所有的我们都不需要 Flash 来存储了，我们直接用 D D R
来存。那或许那个时候，英普现在做的所有的努力就显得有一些单薄和没有意义了。但毕竟我们活在一个现在的。DDR、HBM等等是贵如黄金的一个年代，我们不存在那么大的容量的东西，所以需要有调度，必然就会存在这样的一个环节，就是我们需要在现有的人们能买得起的这样的一个条件之下，去尽可能达成更高速的AI推理或者其他方面的计算。
其实英普就是活在这样的一个时代，寻找这样的一个机会。对我这个正好回应一下，如果假定有人只跟金融相关，跟计算机技术不完全相关，这个在你的金融上的反应就是为什么在最近的这半年里边，跟存储有关的企业股价上涨了五倍多，就是因为。刚才他其实解释了，其实就是在AI从计算转向推理、转向应用的过程当中，数据存储和交换的原因导致那个各种类型的存储、高通讯能力的这个存储开始，大概逐层带动的全部都涨了很多价，主要是因为越贵的越有人用，尤其是在之前的服务器端，就是在我们讲从。
大模型的训练转向推理的这个过程当中，就是从 DeepSeek Moments 往后的这一年里，尤其是过去半年里发生的。那这也回应了刚才讲说，为什么在这个时候内超频的这种资源调度会显得尤其在端上重要？因为今天显然你的电脑也既不可能装上。也用不起，也带不动最贵的英伟达的这个AI芯片。三月份开始，大家往后就会看到了一些消费电子产品的。
最少在年内的这个涨价，就是因为他们各自要用到的存储也都被整个刚才讲到的这个趋势把价格带起来了一些。那所有这些这个用不起的东西，又回过头来到今天，消费者想要用又想要用好的，就变成了在今天，如果我们刚才打这个比方，就类似超频的这件事儿，就是把刚才我们讲到的这几种硬件资源，在你买得起的范围之内，能用得上尽量好的AI能力的这个需求。
那回应另外一个小话题，就我们刚才讲到了，今天有一大片的龙虾机，也有Mac Mini，虽然它们各自出来的原因各不相同，在去年DeepSeek在春节出来之后，在去年的四月份开始，出现了非常多的叫DeepSeek一体机。就是把软硬封装在一起的，做了重新集成的。当然那个时候还是更多的针对企业级用户，或者是用大模型本身的这些偏云一点的用户，偏企业级的用户。
那今年这个龙虾机和 Mac mini 就变成了 To C 的，就是我们讲终端硬件了。那我不知道从你今天的角度，我们分别两个话题怎么看今天的 Mac mini 和之后 Mac mini 这类产品，就是拿苹果来举例子。那因为它是一个大厂，而且它自己封装了一个这个，就像也是无屏的家庭终端。那第二个问题是，今天有非常各异形态的龙虾机，他们都愿意把自己叫龙虾机。
那这两类东西，从今天的这个发生原因上，肯定就跟刚才我们讲到你讲到的所有事儿一样，到应用端要革新一样，应用端要超频一样。那但往后看，你觉得这两类东西各自会怎么样？我认为，其实核心的需要发展的趋势是，大家要逐渐的从往里面塞一个应用，变成塞对应的能力。现在的龙虾机其实无外乎就是传统的 mini PC， mini PC 是一个在计算机行业当中存在已久的这个概念。
从最早的英特尔开始做 NUC，后来他们把它卖给了 ASUS，然后现在的 ASUS 的 NUC，再到国内的，比如像 GMK 等等的厂商，大家都一直在做 mini PC。然后龙虾机其实就是 mini PC，把这个现在的这个 Open Cloud 或者其他的 Open Cloud 的变体。塞了进去，这个从商业本质上来说，就是我用传统的一个硬件往里面 download 的一个预置的程序。
但其实未来，我认为这一个模式应该要发生一步的改变。或许那个硬件依然在未来的五年或者十年还是比较传统的，因为硬件这边迭代比较难。但是它可能不再是 download 的一个预置的软件，它可能是预置某一些能力。在投资方面，大家可以关注做 memory 的人，或者无论他是从软件方面做 memory，还是从硬件方面去做这个 memory。
做 memory 的人其实是在用做手机的思路来做现在的，比如说做 mini PC 的改造。我们来回忆一下，之前很多人会问我们一个端云之争，就是为什么 AI 不能够完全上云？大家想一下，大家的手机里面的数据是完全上云的吗？其实不是，因为你有个性化的需求，人的个性化的需求必然就会使得我的本地必然要存储相应的数据，要个性化。
未来的AI我们也会越来越强调那个agent也是个性化的。那这个时候，它其实给了现在的做龙虾机或者做传统计算机改造的这一波人一个很大的机会，就是。谁有能力做更好的软硬件结合的 memory，能够让那个龙虾或者其他的 agent 在这个计算机运行上的时候，它就能通过时间的累积变得越来越懂你。这一个发展方向，我觉得可能就是。
近五年最大的一个发展方向，它会逐渐的从预制一个软件变成预制一堆能力。这个能力可能是 memory 的能力，可能是检索的能力，可能是某些关于操作系统内核改造的，乃至于比如说创造新的操作系统的，或者在主板方面做改造的，或者在存储方面做改造的。其实大家都应该往这个方向去点。而从产品呈现形式上面来看的话，硬件端我们需要承认的是，迭代永远是慢的。
慢，我们现在很难去做一个不同于 Mac Mini 的东西，但是我们可以想办法让现有的造 Mac Mini 的硬件能够垒出来一台更适合去跑、更懂你的 AI agent 的这样的一个硬件。而这个东西往往在存储端、在计算端都需要做新的很多层面的研发。客观上来说，在这一个方面，硬件厂商和或者说有硬件能力的软件厂商的机会会大于纯软件厂商，因为如果真的我们需要把它变成基础能力。
就像现在我们会默认每一台计算机它能做图形渲染是基础能力一样，它会从一种纯软件的 A P P 行为变成是一种基础的。操作系统层面的这个能力的具备，这一方面的能力就是接下来所有的厂商去做的。它可能有一些厂商会把它称为 AI OS，或者有一些厂商把它称为 AI PC，无所谓。其实大家都要描绘的就是那个能让现在的软硬件结合体具备某些能够未来跑任何一个 agent 都变得更好的一些能力。
对，我听懂了。就是说，这个例子虽然不一定更像 Windows，但是就更像说，原来你在最早用 PC 的时候，大家都需要自己会编程，不管你用那个时候的最原始的哪一种语言来编程，来驱动这个计算机程序运营。那这个显然，虽然PC开始普及到了用户，但是编程的能力并不能立刻同时普及到用户。那这时候大家要想各种各样的办法，怎么才能承载一个？
能让大家都用得了和用得上的界面层，来使得既能调度计算机的这些计算能力，又能够对普通消费者不需要从头学一遍编程。但是可能那时候有各种各样的操作系统，但是最后因为各种各样的主观客观原因，所以这个有了个 Windows。那虽然这个例子不完全相同，因为 Windows 并不那么。需要在底层完全调度好硬件资源，但是它多多少少也要适配在那个时候的硬件资源里。
但是它用图形化的形态，最终解决了消费者怎么使用计算机的这个门槛问题，而不是在用每个消费者都必须得去学一遍不同语言的编程来驱动它的。这里我问一个可能跟你们有相关性，但不一定完全相关的旁支话题，就是今天大家比如说在用龙虾的时候，有一个普遍的问题是，如果真的他在用了的话，尤其是在训练龙虾或者叫配置和训练的过程当中，大部分消费者对于专业消费者还好。
就是他发现的挑战是，我在尝试或让他完成一些简单任务，比如说对我做一些邮件提醒，对我做一些简单的日历提醒和日历汇总和日程汇总等等的这些过程当中，就发现我在调教他的过程当中，花的钱就已经有点超出用户预期了。不管他是小几十还是百把块钱，那他就可能会想说，哎呀，我花几十块钱、百把块钱调教了一个这个功能出来。
有点贵，不一定划算。它又不起到了一个真正意义上的助理作用，又显然超出了一个我对计算机AI能力愿意付费的程度。我不知道。那从这个话题上来讲，将来你觉得用户在刚才我们讲到的智能终端普及的过程当中，大家会希望有多少跑在我的端上的模型，这样我可以不需要到云上去花这个所谓叫词元就这个token的钱。就可以用得上一些模型，然后有多少是我会去端上买这个 token 这个资源的钱？
你觉得最后大概看起来用户会怎么在这个过程里演化？嗯。我们其实这么来想，现在的AI，如果我们承认它是基础设施的话，所有的基础设施在最早被发明的时候，它都很贵，很贵。对，在最早发展的前几年，必然就是只有一部分人会愿意用得起那个。是的，是的。资源，那其实现在的AI也处于一些当下的这样的一个境地，未来或许就是当它足够便宜之后，端云之争就消失了，因为它真的很便宜。
但现阶段，我们需要承认，就是用户会对自己的任务做重要性分级。比如说，我们也会认为有一些重要的任务，它天然就是云端的，我就是用 cloud，它就很厉害。但有一些任务，我们承认它就是不值得我花 cloud 的那两百五十刀每个月。对，那在这种样子的情况之下，其实端测就是一个很好的场景。这种趋势可能，如果我们借鉴以前的那些所谓的基础设施的话，可能它在未来的十年都会呈现出这样一个就是重要性的分级。
我们会把某些更加私密的或者重要但是不那么困难的任务放在端，因为它可能更多的偏向于日常的这个任务的这个承担，它可能每一天都要花钱，那不如就变成一个每一天都不用花钱的东西，它不用跑复杂的任务。其实大多数的我们日常的消费者是不会用AI做复杂任务的。而更多专业的任务，比如说，当你真的要去做编程，或者你要做复杂任务编排，那你就付费给 Nsorpic 买它的 Cloud 就好了。
我也同意会是这样的。我们再打两个比方，比如说，就像大家最早拨号上网的时候，那个时候要付电话费，那老贵了。就是九十年代中期的时候，大概你要想上网干点简单的事儿，那时候都还不是有什么普及的联网游戏之类的。干点简单的事儿，都一个月都得花点儿，这个得小几十块钱或者中几十块钱的电话费，在那个时候就老贵了。那当然，后来你到今天为止，大家都已经在手机上不觉得流量是钱了，几乎是非常多人在用不限流量套餐了。
然后我要举另外一个例子，我不是原来投过B站的天使，但是现在回去做独立董事。B站有一个发展的非常有意思的时间点，就是大概在一四年到一七年。那个时候呢，有个什么特殊的现象出现呢？就当然第一个，就那个时候随着中国的智能手机普及，这个手机上的这个B站用户开始显著增加了啊。原来主要都是PC，手机用户显著增加。
一四到一七年的时候，运营商们在开始铺了大规模基础设施，面向4G之后的基础设施之后，就开始推流量套餐。然后流量套餐当时是越来越便宜的，开始是比较贵的。我印象中的时候，用手机的用户里是缓存下来的，就是他在WiFi环境下把这个视频先存下来，然后再。这个上下班的路上再拿手机来看，因为它是长视频嘛，那时候还是十几分钟或几十分钟，大概好像是一七年左右，主流都变成了在线了。
就那个时候就开始，因为有这种叫几乎不限流量的套餐开始出现了，所以那个叫在线浏览视频的用户就显著增加了。就像我们刚才讨论，所谓今天大家在端上用模型还是在云上用模型。那可能随着咱的基础设施和资源的价格变得非常便宜，以至于最终会有不计资源的算力套餐之后，可能就云上去了。但是在且长的一段时间，大家就也得主要靠一定程度的端上，这样的话可以不花钱。
就像你讲的，叫任务不同的这个分级。那我们顺便在这问一下，就比如说，不管是六月开始还是六月开始往后的这几款硬件，对于所谓的。端上适配模型，在端上就可以直接用AI算力，而不需要到云上去购买资源的这件事儿，肯定是。以某种形式上也能更好的支持，对不对？我们会希望把它支持的更好，比如说可能同样的一个
iPhone 价格的硬件，比如现在的很多的 PC 厂商可能宣传的本地跑 AI，其实它也就跑个十六 B 或者是八 B 的模型。
那可能我们希望能够给它支持到二三五 B 或者三九七 B，或者乃至于更大。我们希望通过不同的手段，在现有的拼拼乐的这样的一个用已有硬件来拼凑的一个前提之下，想办法把它变成一个能跑大规模 AI 的这样的一个事情。然后，我认为至少在未来的一到两年，这样一个妥协的硬件方案其实会是一个主流，因为我们做所有的事情都要分步骤来。
现阶段是我们看到了软件方面有这个需求，但的确不存在新的硬件的零件能让你来做真正意义上的新的计算机。所以这个时候，其实更好的系统集成是未来的两年的最好的这样的一个方案。我们需要做的是先填补上这个市场的空白。今年发布每款产品的时候，我们只会在其中一部分的环节强调其中用到了部分的新的东西，但大体上来说，我们会很大方的承认这个就是已有的零件，我们就有能力用同样的零件拼出来不一样的东西。
而这些零件可能大家在其他的厂商那里也能够很轻松的买到，在今年乃至于到明年的早期，我们都可能是这种样子的。只有当英普自己的芯片出来之后，我们可能会再强调在芯片上面有本质性的不同。那这个阶段其实也会有很多其他的厂商也看到类似的机会，比如说我们看到有很多原来做 NAS 的或者做软件的团队，对，现在也开始希望去做这一些事情。
我们可能在软件能力上面的确弱于其他的团队，但我们在 OS
层和在硬件层。的确会强于其他的团队。那在这个方面，我们会找自己的生态定位，就是我们做的这个所谓的AI原生native的硬件里面强调的是它的通用性，而不是和某个硬件强绑定。对，那我们接下来就讨论一下第二步的计划了，就是到这个明年要做的这个协处理器芯片哈，就这个协处理器，简单来讲，我们把它称之为叫辅助处理器就好了，就是不是那块主芯片，是主芯片之外的芯片。
那在解释协处理器的变化的时候呢，它有几种不同的样板和例子哈。我不知道，就说两个问题：第一，你所定义的这个协处理器在之后会。主要以什么形态和功能出现？那第二个问题是，你觉得它最终的道路会怎么变化？哈，我先举两个例子。开始智能手机的时候，就是比如说一零年之后的这个版本。最先开始，我们今天用到的几乎所有功能，所有的这个智能手机上非常重要的一些应用，比如说什么打车呀、外卖呀等等这些事儿，肯定是离不开所谓叫定位，就GPS。
我们虽然不能叫它协处理器，但是最早GPS呢，在手机里是块单独的芯片。但后来呢，在不同情况下，它就慢慢的合并到了这块主芯片上，因为当然跟它的应用越来越多，或者跟它的重要性变得越来越多，调的频率也越来越高，然后加上制程的一些进展和能力的一些，因为 G P S 主要是没什么变化，所以慢慢它就被融进去了哈，在较多数情况下。
这是一个例子。另外一个例子呢，我们举说，这个在二十多年前的英伟达，那二十多年前的英伟达呢，它出现肯定是因为在那个时候，就是在两千零二零三年之后，大家因为打游戏的这个需求，作为驱动互联网和PC应用最主要的一个早期应用，越来越多。打游戏就涉及到了，就刚才我们讲到的这些图形图像的处理，尤其要平滑、要快、要实时、要精度高等等。
然后于是于是就出来了这个最早的英伟达 G P U 图形处理单元，除图形处理单元的这个 G P U
的这个名字的来源，就是因为那个时候要处理好图形。某种意义上也可以把它叫做对图形处理的这个一块专用芯片，或者我们也全切把它称之为某种意义上的协处理器也好了。当然。因为历史的发展，他们俩的道路是不一样的。最后这块我们讲叫做协处理器芯片，由于最后都变成了并行计算，就是变成了我们今天的AI，尤其在一四一五年神经网络变得比较重要之后。
因为并行计算就使得它的这个并行能力，原来用在图形处理加速上的这个能力变得极其重要、突出和有用，然后就慢慢的英伟达走到了这个市场的中心。原因为原来它只能配合这个主控的CPU芯片做一个图形处理的部分，那后来到今天，它就变成了今天我们心目中的英伟达。这是两个不同的发展道路了。解释完了这个所谓叫协处理器芯片之后。
回到你今天来看这个问题，就是比如说明年我们要做这个协处理器芯片，从它覆盖的范围啊、功能啊和它的发展道路上，你自己定义它会怎么变化？虽然今天很难把三五年之后的事儿都看清楚。嗯，刚才讲了，其实协处理器芯片就是如果以英伟达和这个G P S芯片来为例的话，其实。他们的一个发展方向，最终就是被归到了这个主处理器芯片上。
另外一种就是，它可能从最早的一个辅助的角色，逐渐变成了一个独立的处理器芯片。从我们的角度上来说的话，如果大家认为AI是一个未来的一个基础的功能，其实无论我们把现在的那个协处理器芯片叫什么名字，它其实未来或许也有两种的分化方向。第一类分化方向就是它可能会追求越来越通用，就是它就是只能够支持AI方面的加速，但它的好处是它能够支持不同AI的加速。
那这种路线的局限就是在于，它往往无法支持很大规模的AI，或者在有限的成本之下，它往往只能支持比较小的AI。它可能会更加适合的是和那些强的处理器芯片厂上去做配合。去做进别人的产品线里面去，因为这种样子的情况之下，通过两块芯片，它就可以形成完整的工作流，这个是路径一。还有一条路径是说，我想办法去抛弃兼容性，我不要往处理器芯片的那个思路去走，我往更极端的一些这个纯粹的这个软件做硬化的这个方面去走。
那它的好就是说，我在相同的成本之下，我有能力去做更大规模的AI的支持。但它的坏处就是它抛弃了兼容性，所以往往它很难去被做进通用的处理器芯片里。哦，它的未来就变成可能纯粹的在主板上面是一个辅助的定位，或者就是一个最好是能做成可插拔、可更换的定位一样。那这种样的场景在计算机里面，它可能就是一个M点two接口的某种东西，或者U点two接口的某种东西，能够在主板上插进去。
然后我就像插了一张游戏卡一样获得了这个AI的功能，然后拔出来我就可以再换下另外一张。另外一种形式，它可能会往嵌入式方向去走，因为嵌入式设备当中，它和计算机的环境不一样，它们往往不太强调你要做这个强的处理芯片的整合。它更加强调的是成本的控制，在这个方面，或许这一类型的协处理器芯片的，就是做极端硬化的，也会在这个电子的市场当中有自己的适用之处。
因为国内的芯片的整个的我们的产业链的分布的情况，基于实际的情况来考虑，银普走的是第二条路，也就是我们抛弃做通用性，去做极端的这一个放弃通用性的这个硬化，来降低成本，来尽可能快速的去做这种。专有的这个ASIC芯片的这样的一条路径是我们会选择的。我换一个稍微宏大一点的命题，围绕这个事儿来说，每一次叫硬件的能力加架构出现变化的时候，当然这里面有很多其他技术的相关变革。
它也许都会出现一些新的，我们叫品牌或者叫新的巨头，就不管我们讲PC产业也行，我们讲手机到智能手机这些变化也行，就是他们大概都是刚才我们讲到的这种变化哈，从服务器到个人电脑的这些变化也行，就等等等等，在这一轮的变化里，重新要对端侧硬件进行一个新的架构调整，也新进行了一个新的能力调整，当然也新进行了一次软硬件。
资源调度的这个调整，在这个软的硬的都变的这个过程当中，往后看十年，你觉得多多少少它分成俩问题：电脑品牌还会再洗牌吗？因为已经非常非常非常稳定和固化了。那第二个问题是，这里边会有新品牌，而你觉得最后以某种专用能力出发，你会希望做一个这种消费级家庭硬件的新品牌吗？从现在的计算机市场的格局上面来看的话，我首先给大家介绍一下现在的格局是什么样子的。
咱们讲的传统的计算机制造厂商，比如说在全球市占比最高的应该是联想，联想一直很多年都没有变化了。然后另外的话，我们知道就可能代表着的科技和快速扩张的这样的一个符号的是这个华硕，也就是 ASUS。然后，另外的话，还有一些可能已经逐渐的开始有一些变化趋势的这个，像ASUS或者像这个MSI等等的这个企业，现在的计算机市场正在逐渐的进一步的做分异。
虽然联想本身的规模在不断的上升。但其实，联想在所有计算机厂商当中的占比，它开始逐渐的有一定的下滑。这件事情是因为我们发现，在全球各地有大量的新的 O E M O D M 出现，而他们都在培养自己的品牌。为什么会培养这样的一个品牌？当然，一方面也是为了和联想进行争利；另外一方面，或许大家也或多或少嗅到了，就是在现有的这一个市场的格局当中，联想或者华硕虽然它有品牌力。
但是它的品牌力没有达到像苹果在自己的生态当中的那个量级，它其实是有可能被变革的。而在这一个方面，虽然华硕是一个比较年轻的计算机的厂商，但它其实就是在联想已经很大的前提之下，它在培养自己的计算机品牌，并且做到现在这个地步的。未来如果有更大的机会的话，其实未尝不可能长出来一个新的厂商。而从这个厂商的定位上面来看，我认为它应该是取代不了联想的。
因为联想等等的传统的企业，它强是强在造，比如说笔记本电脑等等的行业，对，它的确在供应链的管理方面是碾压级别的优势。是的，传统的产品门类依然会属于联想或者华硕等等。是，但是我们会相信可能会有新的产品门类会出现，而这样的一些产品门类里面，或许是有一些新的计算机品牌可以去诞生，也是我希望能够出现的这样的一个市场方面的机会。
而这种市场机会的驱动力和芯片和软硬件结合方面会有很大的这个关系。传统的，如果我们依然去走品牌方加组装厂的这个路径，那全世界不再可能会有第三家企业能和联想和华硕在同一个台面上去做竞争。但如果我们反过来来看，我们去补足他们不存在的能力，比如说在 O S 层面开发的这个能力，比如说在这个软硬件结合层面的这个调度的能力，乃至于在芯片层面的能力，其实我们是可以走苹果的模式去培养新的计算机品牌。
苹果也不是世界上第一个计算机企业，已经有巨头的前提之下，它成长起来的。所以我并不认为计算机市场是一个永远固化 的格局，巨头之间并没有那么大的垄断的能力。所以说，潜在来讲，就是如果假定靠专用加适配特定。能力的和场景的这个路线在逐渐硬化，硬化的概念就是把它做的更芯片化、更软硬件集成的效那个效率高之后，也许就会有个单独的位置。
当然，也这也许意味着回到我们最先开始的话题，除了每个人都用的电脑就PC之外，或者手机之外，还会有别的也跟他们同等重要的家庭智能终端形态或者产品的出现，对吧？这大概是刚才的某一种结论。另外一个小的话题，你刚才因为在我们话题最先开始的时候定义了一下移动终端的问题。我的理解就是，做手机的附属配件很容易，渐渐的就变成了手机能力提升之后淹没的部分。
因为你也提到，你们可能会推一个跟移动和个人移动终端适配的呃产品。如果这个事儿在没不涉及商业秘密的情况下，你觉得？这种你从你的思路上来讲，叫做为什么要做和打算以什么不同的形态来实现这个目标，或者不同的消费者端的体验和感受来兑现这个产品。嗯，其实这一个产品之所以会独立于手机而存在，无外乎只有一个核心的原因，就是我们现在的AI聪明，但是它没有那么的聪明，以至于我们不敢把掌握大量个人信息的手机真的交给他。
嗯，这样的一个事情是很本质的。假设笔记本电脑足够的算力强，其实我们也不敢把它交给一个AI来控制，因为上面也有我们的工作方面的信息。我往往需要的是一个相对来说个人隐私虽然在上面也有，但是不那么重要的一个设备来做这个交互。那可能在移动端就是一个可能像手机但又不是手机的东西。首先呢，它不能是一个手机，因为人不能装两个手机在口袋里。
对。其次呢，它得是一个和手机交互方式上面得有一点不同的东西。对，比如说如果它还是一个玻璃板让大家来点，那它其实就变成了一个小号或者大号的平板。是的，那人也不会随身携带平板，它必然就是在某些交互方面就天然就有独立的点。在我们设计这个产品的时候，希望呢就是它更加贴近于纯粹的 agent
的交互方式。可能我们所有的交互方式在跑非 Agent 任务的时候都变得极度的不方便哦，但是我们会让它至少跑 Agent 的时候变得足够的方便。
而这样的一个硬件，当然这也并不是涉及到什么商业的秘密。其实中国是有很好的产业链基础可以去做的。在我的读书的学生的时代。在深圳就有一个出口转内销非常厉害的这样一个企业，主要就是卖极客市场，它就是这个 Clockwork。可能有的听众可能买过 Clockwork Pi，有的人可能压根不知道，就是世界上其实还存在一种商品概念，叫做掌上 Linux 开源掌机。
哦，确实不知道，这是一个产品的门类，其实。这样的一个产品门类，如果我们基于同样的技术栈，在交互方式上面做一些特质化的定制，其实它就能很快变成一个AI的原生的硬件，而它刚好就可以动用已经积累了接近十年的这样一个产品定义，加上方案的定义，再加硬件的这个定义的能力。这也就是我们目前采用的技术栈，所以如果做一个不恰当的比喻，其实银鹏马上要推出的这样的一个机器，可以理解为是AI
native的Linux开源掌机。
对，那我不知道，就说从这几个形容词一定义完了，就是AI native这个Linux又是开源还是掌机？最少在阶段性上，它应该是个。偏专业产品，或者我们如果不叫偏小众，最少它是偏专业产品，偏极客产品。我们刚才讲那个家庭终端不一样，它不是个偏稍微大众一点的市场的产品。虽然可能会有很多的企业认为现在是做
AI agent 的 general C 的时代，但其实我并不认为，因为我真的和 AMD 他们去办过龙虾节，也参加过龙虾节。
我的个人的观察是，百分之九十九的 general 的 C，他在下龙虾之前，他并不知道龙虾能干什么；他下了龙虾之后，他也不知道能干什么。是的，在整个过程里，其实。它的核心的诉求是它要下一个龙虾，但是龙虾和它的生活其实是脱节的。是的。那我们来思考一下，做硬件和做软件不一样。做软件的团队，他可能觉得 General C 只要下了，能花哪怕一块钱也是 OK 的。
当然，但我们是做硬件的企业，对于我们来说，启动是有硬成本的。对，这个时候其实我需要的是高消费力的。稳定市场，而不是可能虽然规模远远大于稳定市场，但是可能消费能力比较随机，并且它的单一随机消费量也比较低的这种样子的一个general的C的市场，可能对我来说就比较的不利。所以我们会去选择做那种稳定性的，然后有强消费力的市场。
其实我们反过来来看，我们来问大家这样一句话：世界上打游戏的人多，还是会写AI代码的人多？其实是会打游戏的人多。当然。但是如果大家看英伟达的财报，打游戏的人在它的财报贡献里面是最低的。我们这样来看，打游戏的人其实也是一个随机的消费能力，因为打游戏你只要能够勉强跑上游戏，你就不会想要去换GPU。对，是的。
但是做AI的这一波人不一样哦，对，或者做图形渲染的这一波人不一样。所以，硬件厂商应该关注的是专业用户，因为他们高付费意愿，他们愿意为了随着代际，你只要有性能提升，他就愿意去换。而 general C 它是一个很好的市场，但是应该是你先稳妥住了自己在专业 C 端或者专业 B 端的这个市场份额之后，再去试图思考这个 general C，这个可能会是现在在做硬件厂商应该去走的路子。
英伟达虽然走的是反过来的路子，它最早是做General C，但它之所以走那条路子，是因为它当年的那一个整个的市场竞争的格局允许它这么做，因为那个时候并没有这样的一个市场的分异，我们已经没有英伟达那样的机会了，所以我们必然需要先在专业市场里去做产品定义。这个有一个有意思的问题，其实也回应了刚才你的这个答案。
今天我们就是大家熟悉的绝大部分科技产品，不管它是相机相关的、无人机相关的、什么打三D打印相关的，这些事情，他们几乎都是从专业用户开始的。就既是手机，那大家说，哎，不对，我用苹果手机的时候，我已经不是专业用户，我完全在任何一个方向都是个普通用户。但是那是因为是呃智能手机只是手机的个升级而已。那你要从移动电话的最早。
用户群来看，它确实是跟最早最早的这些专业用户，既包括这些什么海洋啊、特定通讯目的啊、什么等等这些专业用户才开始的。当然，刚才我们举那些其他的消费级科技硬件的东西，最早也都是从专业用户开始，就他们都是从垂直走向慢慢的大中化的，主要是叫技术和硬件能力的双重下放，最后到了足够大的普及程度了。我问一个不相关的小问题吧，作为一个小的讨论和收尾，也是对于今天听众关心的问题，因为龙虾最近的这轮火是引起了很多人对。
叫应用层的关注，我在朋友圈里也刷到过很多，大家都是一定要试一下。虽然试完了之后，在具体的应用上，它适合为它做什么，大家不一定清楚。那这里边有两个小的开放问题。第一个，显然这个龙虾的热度在中国比美国大非常多，我不知道从你的角度来看，为什么会中国比美国热那么多？第二个问题是，这一波显然看起来热度下降了很多。
那从往后看，你觉得会出更不同的龙虾来承继这个过程，还是龙虾在应用层稳定下来之后，它自己再会慢慢长大？我觉得这里可能我表达的观点不一定代表市场的实际情况，只是我的个人判断。龙虾火其实是有一个原因，我一直认为中国其实没有国民级的AI应用，但我们却活在AI的时代，已经活了两到三年。所以其实用户需要有一个国民级的AI应用。
当他们看到了龙虾之后，或许其实中国的市场之所以反响大，是因为中国没有ChatGPT，也没有Cloud。它大家看到的机会是，或许Open Cloud一个开源框架，很快可以被云厂商做成是一个国民级的应用。这个可能是。从消费端，大家潜意识里面认识的一个趋势；而另外一方面，对于云厂商来说也是一样。云厂商在中国的这一个困境在于，他们的云端能够跑的也只是 Chatbot。
没有国民级的AI应用，现在或许有机会能够扶持一个，所以大家都会一拥而上。这个可能就是国内和国外最大的一个区别。对于国外的人来说，因为从Code X到其他的Open Code再到Cloud Code等等，因为东西太多了，所以可能Open Cloud的这个冲击力虽然也很强。但是并不会呈现出AI一个广泛持续的这样的一个概念啊。
另外一方面，我们也意识到，就是国内的这个风潮，就是关于小龙虾的，其实已经可以认为就是在衰退。比如说最简单的一个例子，我们来观察看半龙虾节的这一个数量开始减少，减少，这其实就已经开始证明是衰退。这个时候，其实我们来思考硬件厂商去做一个纯粹为了赶龙虾时髦的机。这也是我强调的，就是你要从做一个传统的硬件往里面塞一个APP的模式，要逐渐的过渡到是塞一些能力的这个方式，因为这个APP很有可能就是一个月的风潮。
而做硬件的人，哪怕是深圳的华强北，他最起码也需要一个月才能搓出来一个这个小的机器。所以，其实做硬件的人不太适合去赶风潮，而要去预测一个风潮。国内的这一个和国外的不同。并不意味着国内的确能成长出来一个小龙虾的市场，它很有可能只是表达了一种期待，对，就是一种人们对于像抖音级别的这种AI时代的这个应用的一个期待。
回到刚才我们这个第二个问题，就像我们讲DeepSeek，回过头来看，它可能多多少少意味着确实是一些模型的拐点，就我们讲从模型只拼大到更多的。来推广推理，那或者叫更多的开始应用推理，就是说，这是一个从时间点从历史往回看的时间点。那今天，比如说龙虾这个事儿，刚才我们那个第二个开放性的问，因为那个推理我讲了还是个云端的事儿，就还是个to b的事儿了。
更多的那小龙虾这件事儿会是一个从假定我们再过一年来讨论和回看的时候，它是个AI应用to c的时间节点事件嘛？就假定过一年、过半年、过两年之后。它从这个节点开始，就意味着它要开始蓬勃长大了。我觉得它应该可以被视为某种意义上的拐点，但这个拐点并不是说龙虾类的产品就会成为未来的主流。中国其实和海外的消费，包括产品使用的这个方式，其实是有很大的不同的。
比如说，举个例子，我们中国人从进入移动互联网开始，其实就有所谓的超级流量入口，比如说像抖音等等的。我们习惯的就是这种掌握了所有流量入口，然后交互非常简单的这种国民级应用，而在海外，往往这种东西会更加的淡一些。嗯。所以，我们可以想象，未来或许能够真正打动中国市场的所谓的AI应用，可能也得是采用抖音等等的逻辑才能做出来的AI应用，因为中国从最开始我们跳过了很多的时代。
其实计算机的很多的发展的这个年代，有一些年代在中国就是不存在的。比如说，我们会好奇中国人为什么不用主机打游戏？尤其零五后，很多人对计算机的知识几乎是完全不了解。对，是的，他可能在计算机上面连打开一个压缩包的能力都没有。所以会出现就是卖三十九块九正版 Python，再到现在一百多块钱帮你装龙虾，两百多块钱帮你卸龙虾，三百多块钱帮你清数据的这些生意。
是，其实我们就意识到，可能中国的环境，我们就是需要有那种帮用户干完所有的事，降低他自由度的某种 AI 应用，或许才能更加适合中国人的心里。因为 Open Cloud
还是过于的开放，对它的这个使用的方式，其实还是属于在海外的消费市场里面大家喜欢的那种方式。它和抖音的逻辑是不一样的，明白。好，那最后我们除了祝你大卖之外，我再问一个小问题吧，就是说，你觉得这种支持AI能力的家庭智能硬件这个终端，呃，不管它是哪一个形态，因为你们马上要发产品了，在可见的一年到一年半之内吧，到明年年底之前，它在中国的市场规模和在国外的市场规模大概从你的预判来看，它会是啥样的？
我们在实际的和很多客户做接触的过程当中，客户也给了让我们惊讶的数字。我们观察到，其实国内的B端对于AI的拥抱能力是很强的，在B端的销量，国内可能未必逊色于海外。专业C这个市场在中国还是相对来说更小一些，在C端可能的确除了我们之外，几乎所有的厂商的体量肯定在C端也是海外为主。这个主要是因为消费习惯的不同，但是在国内并不是完全和AI隔离，在B端其实我们能看到非常好的销售数字。
它有可能是很多我们认为比较传统的企业，但它其实在AI的拥抱方面也同样非常的强。而这些企业往往它能撑起来营收，也已经很大。所以这是我们目前的这个观察。回应你的观点，就是像去年的也且有大半年，就是从大概从四月份到十二月份，那个DeepSeek一体机就卖的无敌好，就是在你讲的To
B这个场景里，尤其是。各种类型的币，主要是大币和中币，所以确实像你说的，就是因为国内的产业环境和国内的数字化的基础设施，尤其基础设施做的比较好。
因为国内当然也卷得很，所以大家生怕有什么事情会别人有了我没有，并且又变成了竞争优势，然后。所以大家就都卷得很厉害，就所以to B确实有这个机会。那我们今天讨论的这些内容，反正都是代表大家各自不同的企业和个人观点，所以就供大家参考，希望大家能从中受益。当然，我们也预祝吧，五六月份上市的产品和之后的这几款都能够大卖成功。
好呀，谢谢谢谢。