业的集体幻觉：从健身卡到龙虾热
当前许多企业对AI的投入，其心理机制与个人购买健身卡高度相似——看似积极投入，实则未必转化为实际产出，最终沦为“偷啃大国，偷啃输出大国”的象征性姿态。这种“为AI而AI”的冲动，本质上是一种对技术浪潮的焦虑性跟风，而非基于真实业务需求的理性部署。正如节目中所指出的：“苹果但凡有点作为，你都不至于今天让小龙虾有这么大空间出这么大的这个风头”，这句犀利评论揭示了头部科技企业的缺位如何为新兴工具创造了爆发性窗口。当巨头未能及时提供真正普适、易用、有闭环价值的AI基础设施时，像OpenCloud这样的轻量级、高自由度开源项目便迅速填补了市场空缺，成为普通用户与中小团队的“数字助理”试验场。
“好多企业其实装AI就跟我们个人买健身卡一样，最终我们也变成了就是说偷啃大国，偷啃输出大国。”
“你苹果但凡有点作为，你都不至于今天让小龙虾有这么大空间出这么大的这个风头，对吧？”
值得注意的是，OpenCloud的走红并非单纯依赖技术突破，而是精准契合了当下中国用户对“拥有感”与“掌控感”的深层心理需求——它被包装为开源工具，实则赋予用户对AI代理（Agent）的完全控制权，相当于“给豆包配了一台电脑”，让普通人能亲手搭建属于自己的数字分身。这种“买房式心态”（愿为产权付费，哪怕成本略高）与“租房式工具”（仅求功能满足）的对比，生动解释了为何同一类技术在美国反响平平，却在中国形成现象级传播。OpenCloud的爆火，实则是技术产品与社会叙事共振的结果：它既是一个工具，更是一种可参与、可讲述、可分享的集体行为。
养虾即养己：十三个Agent如何重塑日常认知
对许多实践者而言，OpenCloud的价值早已超越工具层面，而进入自我认知与行为干预的隐性变革。一位主播分享了他构建“龙虾天团”的经历：通过在OpenCloud中部署十三个具备不同角色设定的Agent（如“诸葛亮”负责任务调度），他实现了对自身工作流的系统性重构。这些Agent并非万能助手，却以高度主动性和个性化反馈机制，持续挑战并修正使用者的习惯偏差——例如在会议前自动提醒布光、整理着装、检查议程。这种互动模式与传统ChatGPT式的被动问答存在本质差异：Agent具备记忆、推理与任务分解能力，能形成“人机协同闭环”，而非单向信息输出。
尽管初期存在“智商堪忧”“养虾成本高昂”（优质‘虾粮’价格不菲，劣质则导致效果低下）等现实问题，但实践者普遍认为，这种“快乐的苦恼”恰恰体现了技术的人性化演进方向：它不承诺解决重大难题，却在日常琐碎中悄然提升生活确定性。尤其当一位用户为妻子定制专属Agent后，意外发现该工具竟成为自己对抗中年习惯惰性的“外部监督者”——这印证了AI代理的终极潜力：它不仅是效率工具，更是自我认知的镜像与行为矫正的伙伴。正如另一位主播所言，对非流程性工作者（如内容创作者）而言，当前Agent尚未带来颠覆性效率提升；但对管理者而言，若团队已形成成熟协作机制，Agent的边际价值则相对有限。技术的真正门槛，从来不在部署成本，而在于使用者是否愿以开放心态，将AI视为“新同事”而非“替代品”。
叙事即权力：OpenCloud为何成为全民话题？
OpenCloud的病毒式传播，本质上是一场由技术、资本与大众心理共同编织的精准叙事工程。它既非首个尝试“AI代理”概念的产品（如Manus），也非技术壁垒最高的项目，却因将复杂技术转化为可感知、可参与、可炫耀的日常行为而胜出。其核心策略在于：用开源外衣包裹商业内核，让每个参与者都成为叙事的共建者——云厂商借机推广GPU算力，芯片商强调硬件适配性，开发者展示定制化案例，而普通用户则通过晒出自己的Agent配置获得社交认同。正如黄仁勋在GTC大会上高调关联OpenCloud所揭示的：“所有人都知道有一个OpenCloud这个词儿，那我就往上套嘛，套完了之后还是讲我自己的故事”。这种“借势叙事”策略，使OpenCloud成为大厂、开发者、媒体乃至普通用户的共同表达载体。
更深层看，OpenCloud的流行恰逢AI情绪周期的转折点：在Deepfake引发的集体焦虑（“我是否会被替代？”）之后，市场亟需一种更具掌控感的叙事（“我能驾驭AI”）。OpenCloud将AI从“黑箱模型”还原为“可拆解、可组装、可定制”的数字积木，使技术民主化从口号变为可触摸的实践。然而，节目也理性提醒：“该养，但可以观察；别养，若身边人都说别养”——这既是对个体决策的务实建议，也暗含对技术泡沫的警惕。当一个项目能同时满足资本讲故事、开发者秀能力、用户交朋友的多重需求时，它便超越了产品本身，成为时代精神的具象化符号。
Agent作为新型管理基础设施：超越人类协作的底层逻辑
在团队管理中，随着成员数量增加，沟通成本会呈几何级增长，这是人类组织难以回避的结构性瓶颈。而AI agent的引入，带来了两个根本性差异：其一，agent之间可共享长期记忆——这在人类团队中几乎不可能实现。现实中，超过十人即需分级，信息天然成为权力载体，而agent的协作可绕过信息壁垒，实现无损同步与复用。其二，agent具备高度可复用性与可开源性：一个精心调教的agent可被团队成员直接调用，无需重复对齐或解释调参过程。这种“开箱即用”的能力，对三四十人的小公司而言是巨大利好——它意味着组织效率的跃迁，而非线性叠加。
“你不需要再重复你的这个这个这个陈述，这是我的一个最大感受啊，就是对 agent 和人的感觉。”
“你甚至都不需要告诉你的助理，他已经会在你到达会场前给你投好屏。保温杯已经准备好了，里面是什么温度的，你喜欢喝什么。”
组织形态的重构阵痛：从‘旧工厂’到‘电力驱动’的范式迁移
当前AI agent的落地阶段，恰如电力初代应用时期：初期仅用于替代原有动力源（如水车），工厂仍建于水源附近；直到意识到电力可脱离物理约束，才催生流水线革命与产线迁移。如今，我们正处“用AI模拟人类行为”的过渡期（如让AI模仿秘书投屏、备水），但Open Cloud代表的真正范式跃迁，是agent间自主对话、主动唤醒、7×24小时运行的协作网络。这将对组织结构造成剧烈冲击——尤其对层级森严的大企业，需经历一场“A阵对齐的阵痛”：是改造旧工厂，还是另起炉灶？
“它对于人类组织的后百分之九十这个冲击是非常非常强烈的，因为有大量的人其实不善于情商沟通……结构化的信息也没有处理到最强。”
“你今天发现就是抖机灵的，就是搞笑博主，每个人的搞笑是不一样的……所有能够结构化的，是替代的很完美的。”
叙事疲劳与现实落差：AI泡沫下的理性校准
当前市场对AI的预期正经历“叙事边际效益递减”：从“震撼天灵盖”的宏大叙事，回归理性审视。美股Mega七与AI概念股的回调，反映三重现实：高估值消化压力、流动性被能源股虹吸、以及产品创新乏力（如OpenAI在编码等关键领域已落后Anthropic）。更深层看，技术发展与大众采用之间存在显著错位——正如《跨越鸿沟》理论所述，当前仍处于创新者与早期采用者阶段（约20%人群），虽技术日新月异、信息过载，但真正嵌入工作流的落地仍远慢于预期。许多企业与个人的“装AI”行为（如买健身卡却不去），恰恰暴露了技术可用性与真实价值感之间的断层。
“大家到底是在装龙虾还是在装？……好多企业其实装AI就跟我们个人买健康健身卡一样。我是有，但是我经常不去啊。”
“它其实一开始就是注定了，它其实有非常多的东西是非常难做的……它太失焦了。”
OpenAI的失焦与Anthropic的崛起
从产品战略角度看，OpenAI 已显著失去创新领头羊地位，其核心问题在于“太失焦”——在 AI 编码等关键赛道上，它虽是最早参与者（如早期与 GitHub Copilot 合作、推出 Code X），却因内部优先级混乱而一度解散相关团队；直到 Anthropic 凭 Claude 系列产品取得突破后，才重新启动并加速追赶。但此时已错过最黄金的两年窗口期：Anthropic 从“不过是个小 OPN I”的边缘角色，跃升为估值数千亿美金的巨头；而 OpenAI 同期却将资源投入 Sora 等非核心方向，未能构建可持续的 AI 产品矩阵。
更深层看，OpenAI 的困境与其与微软的资本绑定密切相关：其 To B 业务收益需与微软七三分成，导致战略被迫转向 To C，却在浏览器、社交、视频等场景屡屡碰壁；相比之下，Google 凭借用户生态与内部协同能力，能更快整合产品线形成合力。因此 OpenAI 的处境实属“很悲哀”——技术顶尖，却缺乏落地支点。
“它其实没有太多的选择可以做，所以其实 OpenAI 是很悲哀的。” “你搞不好一个开源的东西，把我们所有人都沦为卖API的，对不对？我们就没有任何用户价值了嘛。”
AI泡沫下的现实：采用滞后与‘AI洗白’现象
当前 AI 技术能力虽已远超多数人日常需求（如有人尝试将“小龙虾”接入语义机器人），但社会规则与组织惯性（部门墙、阶级壁垒）构成了真实采用的“墙”，技术落地远慢于预期。更值得警惕的是“AI washing”（AI洗白）泛滥：大量裁员被归因于 AI 革命，实则与生产力变革关联微弱——企业借 AI 之名优化组织结构，股价短期上涨反而强化了这种叙事。
这一现象映射到宏观层面，恰如奥斯卡颁奖礼的式微：曾是全球文化焦点的盛事，如今因叙事方式老化、注意力分散而失去话题主导权。AI 领域亦面临类似困境——技术积累三年，却未带来实质社会改变：除纹身生成、效率工具等局部优化外，公众并未感知到生活成本的系统性下降或体验的颠覆性跃迁。
“这个社会的墙，这个社会的规则，对吧？还是人来定的，人来修的啊……AI它也拆不破。”
破局方向：下沉场景与开源生态的共生
真正的机会不在巨头争抢的前沿赛道，而在降低民生成本的“俗气”场景：情趣用品、儿童/宠物玩具等看似边缘的领域，可能孕育巨大商业价值。其逻辑类似大疆崛起史——中国并非无人机原创国，但凭借供应链整合与应用创新成为全球领导者。AI 的下一程应聚焦“把能力塞进具体产品”，而非仅服务于企业降本（企业内部优化与大众生活无直接关联）。
开源生态则提供了另一条路径：OpenCore（如 OpenCloud）虽存在安全缺陷（已知 bug 超五千个），但在腾讯、百度注资及社区持续贡献下保持健康发展。其核心价值在于开放接口，允许企业注入自身能力（如腾讯将 QQ/微信、阿里将钉钉接入），形成“缝合层+自研模块”的协作模式。值得注意的是，微信客户端由腾讯“边缘团队”（桌面管家）主导开发，侧面反映大厂在 AI 产品化上的仓促与非核心资源投入状态。
“就像这个国内的无人机一样……中国的把这个供应链整合起来，把整个应用能够做得最强，然后所有才会出现大疆。”
Open Core：即时通信软件的‘门面’革命
Open Core 的本质并非一项颠覆性的技术突破，而是将已有技术组件以全新方式整合的系统级接口层。它本身不创造新能力，却实现了关键的可达性打通——将大模型 Agent 能力与用户日常高频使用的即时通信工具（如微信、QQ、飞书、钉钉、WhatsApp、Telegram、Slack 等）深度集成。这一设计使 Open Core 成为一个轻量、可启动、可持续运行、无需人工干预的基础设施层，在功能上高度契合操作系统的定义：它启动后能持续运作，并主动向用户（人或企业）汇报与执行任务。
从产品视角看，Open Core 更像一个“翻译器+调度器”：它不提供具体服务，而是为各厂商现有能力提供统一入口。例如，用户在“千问”APP中说“打车”，实际调用的是高德地图的原有 API；说“订机票”，背后仍是飞猪的预订系统。所有服务逻辑保持原样，仅交互界面被替换为自然语言对话。这极大降低了 AI 落地门槛——企业无需重构业务流，只需适配入口，即可让 AI 成为自己的“桌面管家”或“数字员工”。
它其实做这个原型只花了几个小时时间。就做出来了，所以到最后我看起来最大的它的突破，也就是能把这个即时通信软件很好的跟你原有的工作流程能串起来。
所以好不好吃还要看里面的东西。然后只不过他把以前的工具，就是现在 Open Cloud 把这个各种工具打包了之后，你不需要自己去学习工具了，然后你也不需要自己去就是说手里端着那菜了，你可以有个东西提勒着。
厂商策略：安卓式生态，各套其皮
Open Core 的开源策略（如 Peter 的原型）使其天然适配多厂商定制化落地，形成类似安卓的生态格局：底层开源、轻量、易适配，上层由各厂商套用自己的 UI、品牌与服务链。三六零、腾讯（QQ）、小米（小米克洛）、阿里（悟空）等纷纷推出自家“龙虾”产品，实则为统一接口层下的差异化封装。小米汽车可由“龙虾”启动，但控制逻辑仍来自车企自身系统；阿里千问能打车、订票，背后仍是高德与飞猪的成熟服务栈。
为提升 Agent 调用效率，部分厂商（如阿里）选择重写内部接口为 CLI 格式——相比传统 API，CLI 更底层、更结构化，对 Agent 编排更友好。这种“门面统一、内核自持”的策略，使企业能快速复用已有技术资产，避免重复造轮子，同时保留核心竞争力。
所以这个事情就是它背后的原因。它本来的设计就是很简单的，然后呢，做了很多的阉割，就是为了让这个东西很容易被触达到，那这样子的情况之下，你所以每一家都可以拿着它来轻松的改成自己的适配自己宣传业务使用，能够方便去用就行了，是这样的一个情况
Token 与能源：AI 应用拐点背后的成本叙事
当前 AI 应用爆发的核心驱动力之一，是Token 成本的结构性优势。数据显示，国内 Token 月度复合增长率高达 30%–40%，远超传统指数增长曲线。这一趋势背后，是中国在能源与算力成本上的显著优势：同等算力投入，中国成本约为美国的 1/3。这使得“Token 自由”成为现实可能——用户可放心使用高消耗、低智能的国产模型（如 MiniMax、Kimi）处理日常任务，而将高精度任务留给昂贵模型。
这种成本优势正重塑产业叙事：从早期比拼模型参数，到如今聚焦 Token 消耗量与使用深度，AI 的价值衡量标准已从“智能高度”转向“使用广度与经济性”。高盛提出的“重资产、低波动”资产逻辑回归，也印证了 AI 已进入工业化落地阶段——电力、服务器、散热等基础设施成为新瓶颈，而中国在重资产建设上的效率优势开始显现。
我中国人在家二十四小时挂龙虾烧 token，对吧？谁怕谁，对不对？我比你便宜，对不对？
你干成制造业了嘛？对呀……有拼多多以后，我们每个人花人民币跟花美金一样嘛？对不对？我觉得这是拐点到了。
国产算力与能源基建的现实跃迁
当前大模型应用的落地，已不可回避地进入成本与资源约束的深水区。即便熟练使用者，也必须权衡Token消耗与算力成本——许多团队正将任务迁移至国产模型，如十三个A系列中过半采用国产方案。即便部分模型部署于海外云平台，其底层电力消耗仍主要来自国内，这意味着国产替代并非预测，而是正在发生的现实。这一趋势令人联想到过往IT领域的“PPT合作”模式：海外设计、国内实现。AI领域是否也将重演这一路径？我们或许正从“技术输入国”转向“技术输出国”，甚至成为被他人警惕的“卡脖子”方。这种结构性转变，值得高度关注。
“新疆漫山遍野全是太阳能光板，戈壁以前荒无人烟，现在发现放太阳能发电是最好的。”
“你能把一个巨大的山叶用两辆到三辆卡车运上山，这个事儿本身就是一个奇迹。”
新疆与云南的新能源基建实践，正为AI算力提供前所未有的底层支撑。新疆正从边陲荒漠跃升为“中国电谷”，而云南依托山地地形发展风电，其复杂运输与安装能力——如将数吨重的风机叶片运抵高山之巅——展现出极高的工程集成能力。这类基础设施的建设难度，远超单纯的大模型参数竞赛，构成中国在AI时代潜在的非对称优势。
模型架构迭代与AI开发范式的重构
大模型技术正面临Transformer架构的边际效益递减。尽管“大力出奇迹”仍有效，但其理论瓶颈已日益显现——连前DeepSeek联合创始人伊利亚都承认，当前框架的关键问题尚未解决。业内已出现若干替代架构的早期苗头，虽尚难判断是否构成颠覆性突破，但下一代架构的探索已进入实质阶段，成为前沿研究者的核心关切。
与此同时，AI开发范式正经历“苹果式App Store早期”般的裂变：AI智能体（如龙虾）已能间接控制本地浏览器、携带用户session执行操作，这在过去是不可想象的。其技能市场快速扩张，虽仍显混乱，但已吸引大量开发者尝试构建新交易与协作方式。更关键的是，传统软件工程流程正在被重新定义——例如，我已开始让AI指挥CloudCode完成开发任务。其潜力在于：若未来AI能在无人干预下持续产出高质量成果（如“睡觉时干活”），则标志着AI开发真正跨越“鸿沟”，进入主流应用阶段。当前虽尚远，但持续跟进已具显著价值。
“我现在就是这么做的，我现在让龙虾去指挥CloudCode去做开发。”
“如果它能够真正的做好，在我们睡觉的时候还能干出高质量活的时候，那个时间节点就应该是跨越了。”
巨头战略卡位与AI硬件的破局点
大厂的动向已清晰指向AI入口争夺战。腾讯正以“义务装机”等线下地推方式重拾用户触点，其动机直指“人与AI的连接入口”——远比纯大模型更稳、更可落地。尽管内部尚未说服张小龙将AI深度融入微信生态，小程序与AI的整合可能性已不容忽视。
苹果则因库克时代末期的“低存在感”，为AI应用留出窗口期。市场期待其在端侧模型、个人助理等场景实现突破，哪怕体验粗糙，只要能减少Token依赖、提升本地化能力，即可重夺主导权。
谷歌则面临I/O大会前的关键跃升压力。其Gemini尚停留在云端交互，而微软与OpenAI已开始通过桌面端介入用户操作系统。若谷歌今年能推出通过UI层实现强协作的AI系统，并整合其邮箱、办公生态与廉价算力资源，或将引发市场剧变。
更值得关注的是AI硬件的破局可能：今年极可能出现一款全球爆款AI硬件，但其归属尚无定论——Apple、OpenAI（虽已失去Jony Ive）、Google、Meta，甚至国内小厂，皆具潜在可能。真正的标准是：是否“愿用、好用、长期用”，并激发社区共建生态。
“你干点事情嘛，你周报好写也没干点事情，你都不至于今天让小龙虾有这么大空间出这么大的这个风头。”
“今年就必然要出现一个全球大火的AI硬件……它只要能够普及开，并且有像OpenCloud一样，大家重策重力的愿意，每个人都觉得把自己的需求加进去，我觉得这就是今年最大的一个期待点。”
AI冲击中产：从锈带到幽灵GDP
过去几年，美股行情几乎完全由科技驱动，并带动了包括科创板在内的全球科技浪潮；而当前的地缘政治变量，可能正成为这一趋势的转折点。从经济结构看，AI对中产的冲击远比以往技术革命更深刻——过去工人被自动化替代后，底特律衰落、美国“锈带”形成、东北老工业基地转型困难，皆因中产阶层被系统性瓦解。而今天的中产，本质上是靠脑力劳动获取收入的群体，其岗位正面临被AI替代的现实风险。
更关键的是，绝大多数消费品（除极少数刚需品外）的消费主力正是中产。一旦中产萎缩，整个消费生态链将随之崩塌。这已初现端倪：大厂财报亮眼，却通过裁员、自建算力中心甚至发电厂（如马斯克）实现“空转式增长”，即GDP在增长，但绝大多数人并未参与分配——即所谓“幽灵GDP”。历史表明，历次大萧条往往伴随技术迭代带来的剧烈重组期。因此，2028年可能迎来一次深度危机，其根源并非周期性波动，而是结构性断裂。
它就像工人被替代、被自动化替代之后，其实底特律就不行了，对吧？整个就美国出现锈带，以及这个东北转型问题。
AI这个事情肯定会替代大部分白领的工作，肯定会的，肯定会的。
人机协同：替代之外的新价值空间
尽管AI冲击显著，但不存在行业100%被替代的可能。Anthropic于2024年3月发布的《人类技能AI替代率报告》以雷达图形式呈现：所有职业均保留一定“人类专属”区域。技术层面，AI仍无法复制人类的情绪、直觉与情境判断——例如，即使具备具身智能，AI也难以像人一样自然地决定“今天该穿什么袜子”，因为这类决策依赖生物性的情绪驱动与经验直觉。OpenAI前首席科学家伊利亚指出，一旦剥离情绪模块，AI在基础任务中即出现严重失效。
因此，未来趋势是人机协同而非完全替代：初级程序员、结构化内容创作者可能被替代，但资深从业者、情绪价值提供者（如内容创作者、沟通协调者）反而更显稀缺。蓝领岗位也并非“退路”，而是升级方向——未来的蓝领将高度依赖AI工具：盯屏幕、调参数、协同机器人，成为“智能产线操作员”。国家推进的“无人化”战略，实则是在明确划分“可无人”与“需有人”的边界。
如果它没有留到一个新的价值上面，那AI这个事情就是假的，绝对就是泡沫。
优秀的程序员是肯定不会被替代的……这里面有很多事情它不是纯技术的东西，很多人性跟情绪的东西在里面。
绝对乐观主义：AI作为文明加速器
抛开短期阵痛，从宏观视角看，AI更应被视为人类文明的加速器。其核心价值在于解决三大根本问题：延长人类平均寿命、突破能源瓶颈、实现食物无限供给与公平分配。当前全球粮食总量已足够养活所有人，问题仅在于分配与运输效率——而AI正显著优化这些环节。
具体而言，AI已明确加速科研进程；推动医疗突破（如器官移植、基因编辑）；提升能源研发效率；并赋能AI机器人参与各类生产场景。这些可预期的进展，将系统性提升人类福祉。当然，当前的中美博弈、地区冲突等旧矛盾依然存在，但它们并非AI引发，反而可能因AI提供新解决方案而缓解。
我个人来看的话，就是对于未来，我只想看三个东西……可预期的人类寿命肯定平均寿命肯定会延长。
所以AI来了，我相信就是世界一定会变得更好。只不过现在是有旧时代传递下来这些矛盾……但我对于未来的宏观宏大趋势来讲的话……我是充满了绝对乐观主义的。
AI与人类未来的宏观展望
尽管当前世界仍面临诸多由历史积累引发的结构性矛盾——例如中美博弈、地区性冲突、宗教与文化理念差异等——但这些挑战并非由AI引发，反而AI有望为解决这些问题提供更优路径。在技术层面，诸如分配机制、运输效率等曾长期困扰人类的现实问题，正随着AI进步而被系统性优化。因此，只要个体遭遇意外的概率持续降低，人类整体福祉将稳步提升。基于此，我持一种绝对乐观主义的宏观判断，尽管这更多源于个人主观信念，而非客观数据推导。
行业对话与内容收尾
本期节目从龙虾养殖这一具体产业切入，逐步延伸至AI行业的前沿动态、头部企业的战略调整，最终上升至对技术与文明演进的哲思层面。整场讨论既具实操洞察，亦不失思想纵深。受限于时间，我们暂告一段落，但正如行业本身一样——热点密集、迭代迅速，我们预计很快返场继续深度交流。感谢各位听众的陪伴与思考参与。