Hello，大家好，我是小俊，今天是我们的系列节目《Freda的投资札记》第二集。可能有听众是第一次听我们的节目，那我还是来，呃，介绍一下，Freda Duane在湾区做投资，是Altimeter
Capital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OpenAI、Anthropic、字节跳动；在二级市场的投资案例有英伟达、存储芯片、Snowflake、Robinhood。
那在Freda的投资札记的第一集，也就是我们的第一百二十五集节目中，他曾经深入的分析了当下美国的明星公司给他们的巨额收入算了算账，探讨了美国资本的新秩序，以及当时大家都很关注的泡沫话题。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，啊，比如说
Tokenmaxxing 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Freda的访谈。期待二零二六年，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 Open Cloud，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？人和人之间啊。那我们今天邀请的是在湾区做投资，也是我们之前一百二十五集的嘉宾Freda来返场。那Freda还是先给听众朋友们打个招呼。哎，大家好，也谢谢小军邀请。那开始，我不是很想跟你从我们熟悉的那个硅谷遇三家这些模型公司开始聊啊。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公司的收入啊，token的消耗啊，但是token这件事的本质应该怎么理解？哦，我觉得这几年因为AI出来，所以出了其实是有几个这样的单位吧，包括大家经常说的叫 dollar per flop，包括 dollar per watt，包括你刚才提到 dollar per token。
那现在用的更多的是 dollar per token，然后它比较的是相当于是实际业务的回报。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 dollar per token。我会把它想象成为就是工业时代的，大家看这个 dollar per kilowatt hours，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 token per task，就说你同样一个任务，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。呃，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 的这么一个一个一个任务，比较好的模型可能有个一两百行非常精炼的代码就写完了。啊，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 reasoning tokens，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 compute token，第三就是现在大家说的，比如说一些什么 agent 的这个 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，哎，这是不是解释了为什么有些 token 的用量特别大？那 token 的消耗是越多越好吗？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是其实是你的效果，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。那他并不是说它的效果更好，而是说同样的效果之下，它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，哦，员工是非常喜欢用的，然后也能看到一些这个，对吧？员工生产效率的提升。那我作为这个 CFO，那我的结论就是说，哦，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啊？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，如果我们比较就是啊，给大家可能会有这么一个。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拆分为几个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 token per task，然后再乘以你的这个 dollar per token 的这么一个概念啊。
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 Anthropic 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CoCo当时还是要陡峭很多的。
所以就是前两项，就是也就是用户数和每个用户的任务数，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。然后，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，你看大家都去都去说啊，我用了多少个token，然后以及对吧，我花了多少钱？我觉得这个状态本身其实是不太正常的。嗯，哎，你觉得这个未来会怎么演变？
我觉得可能还是拆开讲讲看吧。比如说，token per task，就像我们刚才讲的，我觉得是最有效率的模型。其实 over time 是会越来越被大家认可。然后 dollar per token 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 atropi 这个 opus
这个模型。它名义上的这个售价是五块钱 per million 的 input tokens，然后是二十五刀的这个 per million 的 output tokens。
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 cache 的命中率其实非常的高，可能有这百分之九十八、九十九这么高。当然，也是也有其他原因，就说比如说它这个 adaptive workflow，它 input 是比 output 长很多的，所以 dollar per token 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。嗯，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 Tokenmaxxing 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，但其实是不矛盾的。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 Cloud Code 上面一年的这个花销是好几个 billion，就是有几十亿吧，是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 最近也说它要裁员百分之十嘛，然后我大概算了一下，我说啊，数量级上它这个百分之十的裁员大概刚好能对应它在 Cloud Core 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 AI 预算，所以算下来大概是几千万的这个这个量级。
我大概算下来，把头部几家公司，尤其是在做 token maxxing 的公司拉出来来算的话，目前大家的这个 AI spend 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一个数字了。哎，你觉得按 token 收费这个模式长期合不合理？
哦，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很可比。有一个公司叫 Sierra，它是做 AI 客服的。然后他就是完全是按效果收费的。
然后我们访谈下来，其实他的客户也非常认可他这种收费模式。他就是说，如果你啊，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interest aligned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，或者说保险理赔，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啊，Anthropic开始聊起。它应该是今年最亮眼的模型公司之一吧？那在你看来啊，Anthropic你觉得它这一波的领先优势能持续多久啊？它的壁垒高吗？对我其实也一直在想这个问题，就是我觉得过去两年吧，就是大家的默认的假设都是说搜特的模型没几个都会换一次手。
那去年底是大家都在吹张本来，然后之前是Open A I，啊，现在Anthropic，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rolling basis的，但是我觉得可能就是这一两个月，可能是第一次我开始。就是质疑这个假设还会不会持续？核心的原因就是当这个 coding
agent 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 recursive self improvement 这个味道。就是他如果真的过了某个临界点，这个曲线会变得非常的陡峭。那你后边就是有点就 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。
啊，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其实已经喊了两年嘛，为什么这次是不一样的呢？呃，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一月份开始吧。其实节点也就是coding agent的成熟，往前翻可能六个月之前，你coding的模型对一个工程师的他们叫这个total factor productivity的提升，可能就只有一个百分之五。
然后到去年底可能能到百分之十五、百分之二十，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。
那你觉得今天现在到了后面无法追赶的地步了吗？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那种感觉，就是我我猜想，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的跑起来了，那你没有对吧？你没有这个汽车这个引擎的这个马，就就没有任何比的意义了。所以可能就回到coding嘛，就比如说OpenAI，它是按照。就最近这一两个月，按照 GPT 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 Sergey 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 Claude Code 之间的竞争？对外面的比较非常非常多，啊，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有非常大的、非常多的这个争论和比较，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Cloud Code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OpenAI和Propay，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SaaS的一个概念，SaaS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per c上面了。但是模型它就肯定是一个 usage base，然后是一个 token base，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 Opay 和 Antrope 的关系在现在看来，我觉得不是传统意义上的竞争。投递能力还是最本质的。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 time 就市场大小的时候，就是用价格乘以量。
然后那个时候觉得量，也就是说谁会去用这个 coding 模型？我当时大家就是说啊，美国有多少
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，对吧？我记得我们那时候还内部有些讨论，有人说啊，二十刀差不多了；有人说啊，应该能到两百刀，因为你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，所以两百刀，对吧？
给到 coding，大家觉得已经很可以了，对吧？你用价格乘以量，你你算出来其实也就是一个一百亿美金吧，这么一个市场规模。啊！但明显这个东西是完全错误的，因为到了今天，你 Unproven 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。哎，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Dario说的，就是全球的白领，他他一直他的那个PPT的就投资的PPT里面，就是上来的第一页就是白领的time，他说是一个三四十个trillion，就是大概三四十万亿的这么一个一个市场规模。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。这个这个这个意思，所以这个这个思维就是说，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就是越来越数字化，这个范围是在持续扩张的啊。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碳。
对，所以其实每次想到就Co Work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Coing，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Coing的这个收入当时很快飙到十亿美金的时候，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？哦，这个应该就是可能最早什么看一最开始是Cursor吧，Cursor的这个Coding收入很快就飙到可能十亿美金，然后是Coco，然后上来就是那个时候，因为你按十亿美金按照我们那个Time来算，就已经占了百分之十了，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？哦，这个概念就其实是Darryl提的啊，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一，那这个模型今年能带来大概三到四的这个收入，那毛利一般就算百分之五十吧，那你就是不到两块钱的这个这个毛利。
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。就以前戴瑞欧讲的，就是或者他当时的认知是说，你如果想跳出这个负像滚雪球这个loop，你只能靠你训练scaling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，不再是三，而是比三高很多，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Avalanche其实已经把预测做得非常极致、非常优美了，就非常第一性原理。但就是这边有一个很简单一个公式，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，就是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没讲清楚，就比如说你推理的毛利率，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，unprovable就对吧？就是年初这这几个月，它需求突然爆发，所以公司会被迫把更多的compute放在推理上面，就所以就突然一下就暴利了。嗯，现在媒体经常报 OpenAI、Anthropic 这些公司的收入节节升高啊，这两个你怎么对比？这是很难对比。就首先大家管它叫 ARR
嘛，就是但它根本就不是 ARR，因为 AR 是叫什么 annual recurring revenue，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。
十三，然后更激进的是用过去一周乘以五十三，所以其实是可以差出很多的，呃，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，有的说net，比如说Anthropic，它是报告出来的是这个growth revenue。然后你你还要做一些调整，比如说假设百分之四十是这个第三方的 API，然后那你 net 对吧？
你要扣掉这个，然后少个可能百分之二十这样子吧。然后 OpenAI 是反过来，就它是报是一个 net，然后你你要换成 growth，你可能要再加个百分之五百分之十，反正但是他们的 EB 大实际上是完全可比的，对，所以就反正也是浪费了很多时间算在算这个数字上面。你怎么看 OpenAI 和 Undarbing 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gigawatt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OpenAI和Propy现在分别可能有小几个gigawatt的这个算力，然后年底就是应该能到五，然后明年比如到十。就之前大家觉得说每个gigawatt差不多能对应。
比如说，一百亿的收入就就还不错了。但是这几位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digua能有一百亿，这个没有问题。但是收入这边其实可以标的非常的高。嗯，然后所以这个东西的这个 imply 就说模型公司的收入天花板，我觉得其实是被系统性低估了的。就是说，一个 GigaByte 能产生多少收入，到今天也没有人能看到，对吧？
就没有能看到上限。你说一百亿，你说五百亿，其实现在看来都是挺有可能的。嗯，topic，那大部分硅谷投资人是什么时间看懂这家公司的呀？嗯，topic真正的inflation point，我觉得是就是去年，就是它A R R从十亿到五十亿那个时候，那个时候投就是因为它从十到五十，它用了不到半年，然后比Open I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？那个，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infra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Dario和美国政府的关系。
但是你说投资人，我觉得大部分都是二零二五年觉得说啊，真的是coding这个东西起来了，所以是要就是加仓或者说建仓啊topic。哎，你觉得 OpenAI、Anthropic 和 Gemini 这个“遇三家”未来会长期在同一条河流里竞争吗？还是他们会分化？啊，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，已经就几乎就就就定下来了。
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 GPT 聚合性非常大，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 Unproper 有一个能帮我画图的叫一个 Visualization 的这个功能，我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 compute stack 就是更大的比例。然后今年底这两家加起来看那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 upside surprises 吧。
嗯，那那个马斯克和分崩离析的XAI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 data points，也没有团队，也没有进展，就就就处于一个真的是在乱猜了。但这里面其实有一点，就是比如说伊朗他把 XAI 的 data
center 租给 Atropac，那我看很多媒体说什么啊，是他彻底不做训练了，他就他就做一个 new cloud 了，这个确实不是。
这些都是公开的数据，但是 XAI 是有三个 data center 的，有什么 classes，有 Macro Hard，还有第三个它叫 Macro Harder，就是它后面两个都是用 Blackwell 的，然后那个 classes 是用 H
一百，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 enterprise，而且那个本身也不大，就三百个就是 megawatt，可能就是占 XAI 整体数据中心百分之二十，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 make sense
的一个一个商业决策。
嗯，Meta T B D，你有没有什么想说的？Meta T B D这边，呃，我觉得一个是它年底肯定是要冲击一个SOTA的模型，它今天可能是对吧？对标一个Gemini二点五，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。一个就是他已经一直在推的这个 Meta AI，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 Open Cloud，或者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 Cody 模型嘛。但是如果 Cody 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to C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go to market。所以你看，不管是ServiceNow、Adobe都是。
三四万人吧，然后 Salesforce 有七八万人，这里面很大一部分是销售，就是 CEO 自己也是销售。那它销售和营销占比就是占收入比例，应该有百分之四五十都有。但是，就是比较大的震撼就是，Unprofit 其实也是一个 To B 的公司，它百分之八十都是企业的这个用户，员工就只有三千人。那就是你传统软件公司，你算下来可能每个员工有五十万美金的这个对应的这个收入。
那Anthropic每个员工应该能对应就是上千万美金的收入，就差了就是一个数量级。而且Anthropic真的都没有一个正经的销售团队，像他的不管是他这个叫什么CoWork啊，或者他的Skills啊，他的Projects啊，其实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，然后去使用，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，对对对，就像比如说举个例子，像Meta，对吧？已经是挺高效的，就是挺卷的一个公司，八万员工，然后每个员工你你算下来可能有三百万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，我觉得我再看这个八万员工，就还是会觉得很神奇。就这个是一家To C的公司，也没有新的获客的需求，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，对挺多东西可以反思的。我觉得是还是像刚才就说的，比如说 probably co work，对吧？
这么成功的产品，就两个人做出来。所以 AI 来了之后，我觉得挺值得思考，就是组织架构应该什么样子，然后以及一个公司，对吧？到底需要多少人？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 discount
rate，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，然后你就就你放一个 discount rate，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 discount rate 就就就上升了嘛。
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七七八八，已经跌了，可能百分之五十都不止了。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了啊。很多一级市场的明星公司，就是不管是什么Data Bridge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，它还有一个问题，就是它的这个就是SBC，啊，你如果股价跌了百分之五十，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呀？嗯，我觉得其实都有一点点是时间问题了。就是比如说一个，我会我会看它本身软件里面UI的这个占比有多高。
那如果它的这个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point solutions，对吧？就受冲击是抽的最大最彻底的。像不管是什么电子签呀、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 Excel wrapper。
啊，但其实这个 rapper 和 rapper 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 matter of time，就是哪些走在前面，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 Twitter
上面大家炒这个炒得非常火，就说啊，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 这套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 这套工具其实就还会有继续存在的价值。嗯，有什么类型软件是相对安全的呀？嗯，市场会普遍觉得，比如像做就是数据存储啊，什么 data warehouse 啊是比较安全的。嗯，但最近就是我们都自己在具体的在用这个，然后我也有那天有一个感想，就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，比如说五十只股票的这个这个估值吧，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，然后我会要写非常这个精准的这个 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Boomer的A P I，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Set Up的成本几乎就是零吧。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Data Lake或什么这些东西，呃，是不是纯安全的？我觉得其实也不是。嗯，AI时代新的软件机会在哪里啊？有吗？嗯，现在比如从VC投资角度能看到很多公司说自己是AI CRM，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啊，你不需要手动输入，我可以给你就是语音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，就是我在CRM里面，我记录一个客户，对吧？我会记下来说，我给这个客户打了百分之二十五的这么这么一个折扣。
但是我今天的这个这套CRM其实是不会记录说为什么是百分之二十五，为什么不是百分之三十？那曾经还有过一些什么方案被谁否决了，谁说服了谁，对吧？就是CFO有什么concern，对吧？就是客户到底想要什么？所有这些决策过程其实都是就是消失的。那之前这些东西也没办法被记录，因为有太多这个unstructured的这个data。
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波比较大的机会在这里的。我觉得，你觉得软件需不需要为Agent重新设计？啊，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real time，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，就是也也不奇怪。对，所以我觉得整个软件这一套都要从第一性原理都要去想，就是 Agent 需要什么，一起重新做一套设计吧。
然后，包括就是你在股票市场就更明显了。大家最近都在炒这个C P U的短缺，实际上也也是几乎是同样的一个说着同样一个事情。嗯，哎，我看到你最近还写了不少关于A I时代组织架构的文章，这有点不太像投资人会研究的课题，对吧？你为什么会开始研究这个？对，我也不是H R，我也不是C O，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。
就是还是就是Dario他提过两个概念，他说一个叫Technology Diffusion，然后另外一个他叫就是Economic Diffusion。那Technology就说的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 economic
diffusion，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，因为可能要就是落后几年，甚至对吧，就是大几年，是十几年的这么一个一个一个窗口。
所以，其实研究这个组织架构，本质上就是在判断这个 economic diffusion，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一个问题吧。历史上有没有类似的例子？哦，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，就其实是用了四十年，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是垂直这样堆起来设计的，因为你中间是需要放一台这个非常大的蒸汽机，然后你你你靠这个皮带啊，然后去去去发这个动力的。就其实电机很快就被发明了，但是。并没有，就是真的用到流水线上，并没有真的提升效率。就是大家还是哦，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 economic diffusion 或者这个经济的价值。嗯，哦，还有另外一个就是离我们近一点，就是说后来到了计算机的时候，就应该是八十年代、九十年代吧。八十年代的时候，其实电脑就已经在就是在办公室、在银行，其实都已经在用了。
然后那个时候跟现在非常像，我觉得就是每个人都觉得自己的工作更快了，但是宏观上面生产率。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 productivity paradox？就是很多人对这个话题进行研究，最后发现是到了九十年代中后期了吧，就是一些啊，像沃尔玛呀、像亚马逊啊那些公司，他们开始围绕着这些计算机和网络。
重新设计他的这个业务，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供应链，然后整个对吧？又又用这个就电脑这套思维重新设计了一下，然后一下子整个生产率就就就上去了。所以，就回到就是Darrell这个东西，我觉得还是挺有意思的。对比之前这些历史时期，你觉得AI现在曲线它在哪个位置？
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或者任何公司需要八万人，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形态？呃，公司其实就是里面就几个事情嘛，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力的一个结构，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 managers 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去去翻译去拆解。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这些进度，包括这个什么对吧？一个quarter大家要要要要对齐一下，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。嗯，就是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PM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，呃，可能要再做。
几周或者几个月的这个这个开发，然后还要有Q A，还有几周，然后你还有Go to Market，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。啊，我觉得 A I 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 的这个开发的这个时间，你之前可能要两到三个月，你现在 vibe code 了，然后你可能两周就写完了，然后呢，你就会发现，哎，Q A 就不太对，变成了 bottleneck，你就没理由说再花几周做 Q
A，所以就把 Q A 的人裁了，或者说把这个 function 就改了，然后你就会发现这个前面的这个这个 P M 这个设计又成了新的 bottleneck，变成了最花时间的地方，然后你你改完之后，你发现这个 go to market 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Q A可能你嵌入开发，然后包括你P M你要做的就是更全能一点，对，所以是就是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、决策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？哦，说实话，我我也在找，就是哪些组织，就是可能就是转型比较快，但美国这边说实话还没有看到，就是比较
consensus，大家肯定都会说说中层要被压缩。我另外一个感觉就是，我觉得一个企业里面可以被追踪到的这个信息，我觉得会这个量会暴增。那我觉得人会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，然后他应该是能就是有个上帝视角似的，能能直接告诉我说客户现在就其实什么状态，然后啊你你需要做什么，所以整体感觉就是企业就更活了吧。
但我我自己也在找，就是有没有比较好的例子。嗯，你看，我们前面聊了 Token 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？啊，我觉得行业非常多，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A阵。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，嗯，它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能做出一套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。今天没有做出来，你觉得它的难点主要是在哪里啊？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。
呃，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一个一个行业。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？就是拿美股来说，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 啊，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 share。所以说回来就是。呃，这个Agent还需要能很理解，就是散户啊，就是到底在怎么想。
呃，我觉得，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。嗯，哎，散户喜欢什么？哦，我觉得几条比较很明显的，我我总结出来的规律，一个就是散户整体其实喜欢就是P E就估值比较低的，然后可能不一定看那么多很细的财务数据，但是P E这个数字怎么都会瞄一眼。
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 Tesla、SpaceX 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，就比如同样市值，如果您每股八块钱，你会比每股八百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，因为这个市场有很明显、非常的越来越叫风格化，越来越 thematic，然后也越来越 narrative driven。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信息差，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。举一个例子，比如之前说 OpenAI，它如果宣布和某一家公司合作，那以前市场可能要花几天理解。
那这几天之内，我会给我，比如说不同机构的投资人朋友打电话，让大家对一对数字，然后你会看到，哎，那个股价几天会调整到我们大部分玩家觉得比较合理的位置。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 event driven 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？那我觉得可能因为 Agent 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，哎，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映到价格里面，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投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的这个学习能力是非常强的。
对，所以也挺期待的，能应该能看到挺多变化的。我们回到投资层面啊，AI这波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，呃，coding肯定是最大的嘛，就是几十个 billion 收入都有了。啊，是最大的一块儿，然后往下就断档了。就是比如说做 healthcare 的，不管是啊 bridge open evidence，然后大概有两个 b 吧。
然后做 legal 的，比如说不管是 Harvey 啊，或者什么 Gora 啊，这个有超过一个 b。然后 customer services 基金一个 b，然后 video generation 大概是几百个 million。哦，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。
然后做芯片的马，不管是马上要上市的Cerebras啊，包括之前被收购的Graph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。嗯，在这些领域，这些模型巨头们会不会跟他直接竞争？啊，这个这个其实挺有意思的。这个问题从二二年大家就开始问，但我觉得这个答案在过去几年是一直有变化的。
就是二三年的时候，那个时候大家管这些叫A I
rapper，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，但实际上二四二五年这两年，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退出。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Anthropic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，我觉得他应该可能就看到了我看到了，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OpenAI马上推出自己的这个音频模型，那它对不管是什么LifeKit，不管是对Eleven Labs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 OpenAI and probably 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，就就是这个里面会有一波非常大的就是 adoption，所以对，挺多挺多竞争啊。哎，那说到这里，应用公司还剩什么呢？
模型公司四处开战，模型公司吞噬一切。嗯，我有我自己的看法，但是我就说一下这些应用公司自己是怎么去抵份的吧。就比如说，呃，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，他会非常强调说啊，客服领域有很多的这个叫拉
smile，就是你你你总有一些。
就常理的一些一些需求，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，拉 smile的这个工作，其实你并不能吃到就是最大最肥的这块价值，而且你的利润率，我我觉得长期也不会说特别的好。嗯，所以二零二六年了，你还投应用公司吗？作为投资人，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了，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去从呃自己的VC基金里面去接，不管是OpenAI和Prop这样的大项目。所以就是V C C星，反而是被空出来了。所以就是就作为创业公司，其实是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V C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new labs，就是真的是能有一百家new labs吧？就那new lab就是那些从AI lab出来的研究员自己开的新的这个lab，对。对，包括那个赛宁，包括那个红乐彤、苏玉他们来过我们节目，他们应该都算是 new labs。
哎，我也发现，就是硅谷的那个投资主题变成了 new labs，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 OpenAI Property
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 New Labs，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 acquire hire，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，要我就主要这个是是原因吧。
然后我也可以实话说，就是从 VC 的角度，因为有的 VC 就是投 new labs 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，就是因为你每一家 new labs 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，比如说啊，就四五家，然后每一家我如果放五千万，那我就是大概两个亿的这个总投资。那这个时候V C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New Labs这个板块的投资的。那其中像我们说有一个，比如说有几倍的收益就就就可以了。对，所以这个是从V C的角度。
现在除了Neural Labs还有什么别的方向？呃，任何跟推理或能让模型就降价的这个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它不是人嘛，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Gmail API对发送量的这个请求的这个频率是有限制的。你对人来说可能是够了，但对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 Agent Mail，它是给 Agent 用来发邮件的。然后手机也是一样，有这个叫 Agent Phone。
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，Agentic Commerce这条线你怎么看？哦，可能跟几个月之前相比，新的判断就是，我觉得To B比To C要大很多。To
C就是今天这个消费体验其实已经做的还挺不错的，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。啊，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，to B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啊，包括我的这个你定量是多少，你的单价是多少。如果你订的多了，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？可能你付款付得早，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，呃，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。呃，所以这块我觉得反而是值得去看一看的。嗯嗯，最后想想自动驾驶和机器人吧，你怎么看这一块的新东西？我说实话，我觉得整体比我想的发展是要慢的，所以，嗯，这个对我来说也是一个就看法的一个修正吧，像。自动驾驶这边，我觉得最有意思的其实是英伟达，它推出了自己的开源模型，叫这个 AlphaMind。
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 edge cases，所以模型还是要能去理解，就是路上发生的到底是什么。嗯，机器人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 scaling law，就是就是 scaling law 对我对我来说也是一个学习，就是 scaling law 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scaling
loss需要你这个pretraining这个loss能呈现一个非常干净的这么一个loss curve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。要不然中国投投啊，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对美股大票的影响，那过去半年你有没有一些新的想法呀？
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 OpenAI 和 Anthropic 的收入。那这个看来确实是对的。我觉得市场今天涨的这么这么火热，就是按profit的收入一家撑起来的。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呀？嗯，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开拍，就是资本开支这个曲线走下去，到二七年。
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。呃，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，就暗搓搓的吧，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协，所以你Capex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，呃，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，而且也开始加速了。比如说谷歌是一个例子，那它如果说今年。
啊，两千亿的这个资本开支，它的云收入能大概有一千亿美金左右，所以可能是一个两年回本的这么一个概念。然后亚马逊也类似，所以云厂商不是没有回报，但问题就是云这个生意本身，我还是觉得是变差了的。为什么说云生意变差？一个是竞争变多，一个就是我觉得它在价值，它的在这个 compute stack 的这个价值链也被分走了很多。
像现在有很多这个 new cloud，我们刚刚也聊到，就比如 XAI，对吧？也成了一个新的 new
cloud。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Open和Proper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，但现在他已经开始把 TPU
作为硬件直接卖给客户，这个可能是他我觉得过去十年就是他这个战略里面最重要的变化。然后亚马逊呢，实际上它也财报报出来，它有两百多个 billion 这个 training 的收入，它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一个一个状态了。
嗯，我记得我们之前还聊过广告。如果 OpenAI 开始卖广告，你觉得对市场会有什么影响？哦，这块我有一个反思，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 OpenAI 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百分之八十，那你 OpenAI 再进来，你肯定是一个存量的概念嘛，你只能从 Google、 Meta 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悄的做出了一个接近一百个 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，保洁如果说。给沃尔玛吧五十美元，让自己的这个洗发水放在一个就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trade and promotion的这么一个一个一个东西，它是从销售收入里面扣掉的，所以。
里面有很多细节，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 OpenAI 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IPO啊？Dropic、OpenI，这个对市场会有什么大的影响吗？对，第一个上的肯定是SpaceX，然后还有你说那两家，这几个加起来，反正咱们算，比如说四万亿美金级别的这个IPO，那这样子你融资。
嗯，按百分之五算，大概是两千亿美元吧。然后你可能你流通盘可能是四千亿这样子，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mutual
funds吧，现在可能。他账上就能有一万亿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，就OpenAI Property和SpaceX嘛，肯定会想进这个市场，想想去投，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进来啊，大家喜欢，大家想去拿，那肯定我觉得今天现有的Max Seven会会承压，然后这个还不算上我们刚才说了，就是对吧？Max Seven很多的它这个现金流已经已经要负了，所以原来你是七巨头，然后之后你很多都会被稀释，我觉得。嗯，大票裁员会不会有什么影响？
哦，这个也是做了很多测算。我觉得其实对它的这个叫 E P S，就是它这个每股这个收入帮助是有限的。大概算下来，就比如说你如果百分之二十的裁员，对于那几个就是 Mac Seven 能对应 EPS 的百分之五或百分之十吧。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，你一个百分之二十的裁员能很轻松的对应百分之四五十的这个 EPS 的这个增长。
哎，今年听起来这个市场一片向好啊，又是上市又是退出，有什么是可能让市场情绪变差的吗？嗯，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 Meta 这几个 billion 的这个外部模型花销。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 Mac Seven
这个负现金流，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Anthropic看到收入是就非常好的一件事情，但是Anthropic的这个收入毕竟不是它，并不是end
customer，就是是是，比如说像其他的人去用Anthropic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。嗯，总体来说，硅谷现在是不是弥漫着一种对于裁员的恐惧？我觉得确实有。而且焦虑、恐惧本来就是最容易传播的情绪。然后还有一个，我觉得就很实在说比较现实的一个背景，就这几年很多人也因为AI这一波就暴富了，然后所以是财富差距，然后你技术的变革全都叠在一起的这种焦虑，这个影响会有多大呀？
你一说裁员对吧？最近有人问这个Drake Miller啊，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open
minded。”对我套用这个，我就是说我在这个上面肯定是没有资格真的下定论的。一方面，从人类有记忆来，其实。每一轮技术变革都会，大家说是就是就业的末日，不管是当年就把马车、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Drake Miller说的，就是保持一个。open-minded，保持一个开放的这么一个态度吧。那如果说这个悲观者是是对的，AI造成很大规模的就业冲击，那政府其实也可以通过印钞啊，就比如说或者说全民基本收入啊，或者说就是收税啊，就做一些应对。
对，所以可能不会是一个大家想象的长期通缩的这么一个一个一个市场。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。嗯，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百分之四十降到就只有百分之一。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。
再包括美国可能就是稍微近期一点，这个铁锈带就是对吧？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A I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？
就是每一代人或者说每一个个体吧，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一个波澜。嗯，那你觉得这次到底是一样还是不一样？哦，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。然后你哪怕是接线员，这个自动化也花了几十年。就是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，就比如说在二零一五一六年的时候，就是Hinton他就说，他说啊，我们不应该再有放射科医生啦，因为这个深度学习已经超过人类放射科医生的这个水平了。那到今天，其实这个医生的名额不仅没有减少，反而对吧，屡屡创新高，然后薪酬也在上涨。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 的招聘的数据，其实已经到了一个历史上最好的这么一个一个点位。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。嗯，你自己是长期悲观还是长期乐观？啊，长期长期肯定是乐观。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，在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护城河，然后有很。对吧？很叫什么mot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中局的概念，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。
哎，前面聊了很多干货、硬核的东西，包括呃模型啊、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待了一圈回来，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 Auto Research 出来了，包括 Carry Ten 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 Twitter。上面都会说说啊，什么 you have to look at this，然后 this is changing my life，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，呃，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 open cloud，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，就是这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 Open Cloud，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？就说实话，我都不叫普通人是怎么能一次装上的？因为那个 Open Cup 还要连很多东西，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。然后他要我给他什么 API Key，又不能 expose API Key，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？也也也也是也是最有机会的时候。那希望我们的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，也就也就也就没那也没什么所谓了。你觉得这种状态到底是弯曲特色，还是说是我们整个大时代的特色？我觉得是时代特色吧。嗯，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，呃裁员会不会发生，然后经济的影响，然后N
property能领先多久，都是不确定性很高的这个话题。
就是我觉得人或者说包括我自己也是，我会对什么事情都有一个自己的看法，但有一句就是英语说的是叫这个 strong opinions loosely held。就现在因为处在这个时间点，你其实未来本来就是不能完全被掌控的。嗯，在这个不确定这么高的一个时代下，里面有没有什么确定性是高的东西啊？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。但是同时，就是因为平权了，所以整个社会上面的很多资源也会有一个重新的分配。
所以这个平权会以一种非常就是痛苦，这个非常 painful 的方式，在这个社会中间去去实现。嗯，所以我会觉得，其实我们这代人应该觉得挺幸运的，就是活的这个，对吧？这个这个大几十年，见证了很多历史，但大家好像都没有这种很幸运的感觉，都都感觉要被焦虑卷走了。你最近还提到一个变化，就是说越来越不想跟人沟通了。
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，像比如三十分钟之内，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。然后，但现在就是很多跟工作有关的对话，真的是不管对方是谁，不管是从业者啊、投资人啊，就是可能百分之九十九十五的这个信息性的内容，我都可以直接问AI得到答案，而且这个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，不想跟别人聊，而是说我我很真实的觉得，以信息交换为目的的对话，这个意义是在快速的被掏空的。那你觉得人和人之间还剩下什么？人和人之间啊，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，我只要我做了准备，就是对方说的事实性的内容，其实我都能通过准备，然后能能基本上预料到。
但是比如说我，我其实前段时间随便在 Paluto 跟一个朋友坐下来，可能本来也没有准备聊什么大的事情，然后那聊着聊着。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。就我当我自己就是回头看的时候，我觉得那个可能是我近一一长段时间里面就是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。比较有人味儿吧，所以，我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、嗯分析有关的事情，我会交给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，说出来会有点不好意思的东西，就像你说你装 Open Call 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知识类的信息，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，嗯，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，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会去做掉这部分的工作。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。从这里，shouting out so the clouds can't hear every heartbeat drawing the
map we steer. From here, step by step turn the doubt to cheer. We're the start of the story. This world will hear. We'll explore the new world from
here.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（Language is World）。我们希望和你一起从这里探索新的世界。friends at our side in an open sky. If
tomorrow's still unclear, we'll draw arrows till the path appears. We'll explore.We'll explore the new world from here. Shouting out so the clouds
can't hear. Every heart be drawing the map we steer. We'll explore the new world from here. Step by step, turn the doubt to cheer. We're the start of
the story. This world we're here. We'll explore the new world from here.