VC不是赌正确，而是赌概率

张明浩（人称庄明浩）从业十五年，亲历了中国VC从移动互联网爆发到硬科技崛起的完整周期。他坦言，VC投资本质上不是赌‘正确性’，而是一个赌‘概率’的事情——它不需要每次都成功，只要有一两个项目成功，就能覆盖全部失败的成本。这种认知背后，是一种对行业本质的清醒理解：悲观者往往正确，乐观者才能成功。他回忆起2019年重返经纬资本时，正赶上元宇宙概念悄然萌芽，但很快发现行业节奏已今非昔比：早期VC的主题更迭从“每两年一次”加速到“每季度一次”，资本疯狂涌入，估值虚高，甚至一家尚未有产品的团队也能拿到数亿美金估值。他最终选择离开，不是能力不足，而是无法说服自己接受这种高压、高赌注、低容错的节奏。

‘悲观者往往正确，但乐观者成功吗？VC就是这样一个游戏啊。’

‘你虽然证明不了元宇宙一定成，但万一在某个平行宇宙里它成了呢？那似乎所有的投资都是值得的。’

‘屠龙之术’：当技能已无龙可屠

2024年9月，庄明浩启动播客《屠龙之术》，名字源于他常对创业者说的一句话：‘你掌握的那些技能其实是屠龙用的，但世界已经没有龙了’。他观察到，自己早年深耕的互联网VC方法论——尤其是偏美元基金、to C、移动互联网时代的运营与增长策略——在AI浪潮下迅速贬值。他举例说，当朋友播客讨论“增长”时，评论区有人留言：“这是一期满满的屠龙之术。”——“增长”已成过时关键词。他意识到，过去那些被频繁咨询的行业洞察，在AI时代正失去表达土壤。于是他索性自建平台，从“被需要的专家”转向“主动输出的讲述者”。有趣的是，他刻意淡化头衔，只保留“屠龙之术主理人”这一身份，因为他认为：在当下，‘个人表达’比‘身份标签’更重要；一个 softer、圆融的定位，反而更具适应性与时代感。

‘你所会的东西，或者你所知道这些东西……你的图灵之树（应为‘屠龙之术’）是没有地方表达的。那索性这样，那我自己做个地方好。’

AI时代：从‘手搓PPT’到‘人机协作’

庄明浩将内容生产拆解为四个阶段：搜集资料（买原材料）→ 加工整理（洗切）→ 统筹安排（排灶台）→ 烹饪（炒菜）。他观察到，AI已深度介入前三步：OCR、语义理解、图表解析、多源信息整合，效率远超人力；而“统筹”阶段，AI甚至可与人“一比一协作”。但最后一环——真正意义上的创作与风格化表达——他仍坚持“手搓”，即人工完成PPT设计与演讲稿打磨。他补充道，像NotebookLM、Napoleon等大模型图像生成工具，已能快速将复杂内容转为可视化呈现，“如果场合不严肃，我也会用AI”；但核心创作仍保有“最后的手搓”仪式感。这种分层协作，映射出他对AI的真实态度：不是替代，而是增强；不是终结手艺，而是重新定义手艺的边界。

‘最后的守拙的坚持的意义，可能只有一点点，作为所谓老手艺人能坚持，已经没有技术层面的坚持。’

中美博弈中的AI：前沿战场与现实错位

中美关系的演进正深刻影响着AI行业的发展路径。表面上看，AI是当下最热门的议题，但实际在高层战略对话中，芯片管制、技术脱钩等科技议题的优先级远低于宏观双边关系本身。这反映出一种认知错位：我们常以为自己站在“前沿战场”的中心，但大国博弈的棋局远比想象中更宏观、更谨慎。

有趣的是，近期中美互动中大量出现的AI生成假图（如黄仁勋P图版“搬茅台”）不仅展示了当前图像生成模型的惊人能力，也暴露了内容审核体系的脆弱性。2025年中，图片模型的“破绽识别”难度已远超当前水平——问题早已不是“能否造假”，而是“如何识别”。这背后是技术迭代的加速：从ImageNet到Nano Banana（图像生成+理解一体化），再到视频模型（如Sora），世界模型正悄然逼近。

“人类一败涂地。”

“AI像打篮球，你是没有办法通过看视频去学会拍球的。你唯一要做的就是去拍，拍多了就有手感，仅此而已。”

版权崩塌与行业震荡：AI冲击下的新秩序

AI对内容生态的冲击已远超技术层面，正系统性瓦解传统版权体系。基于内容生成的版权逻辑正在失效：当AI能以极低成本生成高保真、高相似度内容（如皮卡丘形象衍生品），法律与平台的应对显得迟缓而被动。目前主流策略是强制添加水印或标签，但这只是权宜之计。

更深层的危机在于就业结构的断层。中年从业者面临“上升通道冻结”：过去“从零到熟”的职业路径被AI直接跳过——新入行者无需积累即可产出接近资深水平的内容，而中间层则陷入“既无经验优势，又无效率优势”的夹缝。美国大学生就业困境与毕业典礼上对AI演讲的集体嘘声，正是这种焦虑的具象化。

“很多极端的人会认为，现在所有的基于内容生态的版权的体系会被AI冲掉，就这套版权体系可能就是在未来某段时间就完全不适用了。”

巨头围猎与创业困局：从护城河到摩天楼

AI创业的残酷现实是：一旦ARR（年化经常性收入）突破1亿美元，便自动触发巨头“抄底机制”。无论是法律科技（Harvey、Casetext）、代码工具（Cursor、Replit）还是视频生成（可灵、快影），所有验证过商业价值的赛道，都会迅速迎来大厂“零犹豫”入场——字节、快手、阿里、谷歌无一缺席，且均以主业为依托，毫无退意。

这导致创业者的“护城河”高度脆弱：垂类数据、工作流、API、Skill体系，短期有效，长期存疑。尤其当巨头将多模态、语言、编码三大能力整合为统一AI OS时，垂直赛道将彻底失去独立性。OpenAI暂时放弃多模态，是因资源有限下的战略取舍；而Anthropic凭借代码能力异军突起，则证明：技术突破常源于意外反馈，而非预设战略。

“现在这个阶段看起来，OpenAI更care跟Azure之间在Code跟Agent上的竞争。所以他暂时的忽略掉了，或者说暂时把多模态这条腿先撇掉了，因为他不可能一起，谁都今天这个时间没有办法把三件事情全部兼顾的很好往上走。”

行动先于理解：AI时代的实践悖论

在AI学习与应用上，存在一个根本性的认知偏差：企业主常误以为需要先构建完整路径、等待标杆案例落地，再跟进投入——这就像试图通过看视频学会拍篮球，却迟迟不敢上手。真正的掌握只能来自反复实践，手感是在一次次拍球中形成的，AI能力亦是如此。若企业持续等待“最稳妥的起点”，最终只会像旁观科比与乔丹比赛一样，彻底失去参与感。

当前许多大型企业虽仍停留在Chatbot阶段，却因组织惯性而“活得好好的”，但这只是时间差带来的假象。AI不是需要整块时间系统学习的课程，而是嵌入日常工作的能力流。更关键的是，我们已进入“不讨论‘能不能做’，而直接讨论‘ROI’”的阶段——这恰恰标志着技术进入深水区：从探索期转向价值验证期。尽管当前尚无清晰的量化指标，但GDP等宏观滞后指标无法反映实时变革节奏；正如历史GDP数据次年才公布，技术对生产力的渗透需要时间发酵，而我们正身处这一“滞后中的爆发前夜”。

很多的企业……他们不想拍，拍起来再说，没有必要难，没有这俩，而且变化太快，你跟不上，你不可能等到说，我等到一个什么没有。

你发现问题了吗？就是说，我们不去探讨前面那个问题了，我们已经不去探讨能不能跟应不应该了。我们在探讨东西变成了，这东西做完了要去探讨它的 ROI 了，也就代表我们再往前走。

生态极化：大模型与超级个体的两极叙事

AI浪潮正推动行业向两极分化加速演进：一边是依托超大规模基础设施（如Roblox式平台）的集成化生态，提供物理引擎、AI引擎、开发者工具、支付运维等全栈能力；另一边是纯粹为表达而生的独立作品。中间态企业面临生存挤压——要么依附平台成为模块化组件，要么彻底转向独立创作。游戏行业已初现此趋势：超大型在线游戏与微型独立游戏之外，传统中体量商业化游戏空间被持续压缩。

这种分化背后是算力资源的高度集中化：美国前五大公司占据全球超75%的算力，而中国若整体计数仅排第四至第五位。要享受先进AI服务，往往需嵌入巨头生态，进一步强化了“强者恒强”的马太效应。DeepSeek与华为升腾芯片的合作，正是对这一格局的主动破局——其价值不仅在于模型性能本身，更在于推动国产算力生态的自主构建。该合作虽非商业导向，却为行业提供了关键基础设施选项，其影响将在下半年逐步显现。

你刚刚讲到去依赖……DeepSeek在这件事上做了很多努力，而且是很多非势力性的努力，就他不是为了利益的考量做的努力。

所以它对这个生态的帮助，可能会慢慢在下半年显现出来。

价值观对齐：没有标准线的“人类共识”困境

AI竞争已超越技术本身，深入至价值观定义权的争夺：模型输出的差异本质是训练数据与对齐目标的差异。当你用Kimi、豆包、DeepSeek等模型问同一问题，其回答不仅文字不同，更传递出截然不同的“人格感”——或理性或感性，或积极或审慎。问题在于：我们究竟要与谁的“人类”对齐？ 没有统一的人类价值观坐标系，也就没有可操作的对齐标准。

这一困境在历史中早有隐喻。李世石与AlphaGo的对战故事常被简化为“人类从傲慢到破碎再到重生”的励志叙事（A面），但其B面揭示了更残酷的真相：所谓“神之一手”的胜利实为偶然，后续测试中AI已远超人类。当李世石主动设定“AI每步20秒、自己无限时长”的“公平规则”并获胜后，他立刻拒绝重复比赛——因深知那只是技术代差下的短暂喘息。这恰似当下人类与AI的关系：我们尚未经历真正的“第三局崩溃”，却已开始预演后续的焦虑与自我怀疑。

那现在我们在经历的这些事情都是这样……只要过了线，他就挡不住了，他就会走到他该走到的地方。

你现在很简单，大家正常用，每天用各种各样的模型……你读完这段文字，你感受他是个男的，是个女的，嗯，是个积极乐观的人，还是个理性的人？你是能感觉出来，他就是有区别的。

公平的边界：当AI开始以人类方式游戏

当前AI与人类的对抗已进入新阶段——例如xAI模型若与英雄联盟传奇选手Faker所在的T1战队对战，其前提必须是AI操作延迟被限制在人类毫秒级反应范围内，并仅通过屏幕识别、鼠标键盘输入等人类可及方式参与游戏，而非利用后台接口、数据直连等非对称优势。这种设定下的“公平”，并非绝对公正，而是人类在技术现实中所能设定的唯一可接受的竞争基准线。正如历史上的AI对战（如星际争霸）所示，一旦解除操作限制，AI凭借微秒级响应与全盘控制能力，人类几乎毫无胜算。

“我们人类玩游戏怎么玩？看着屏幕，操纵鼠标、键盘，而且有延迟，对吧？……完完全全用人类公平的方式来做这个测试。”

“人类最后的真理可能就是那个东西了——直觉。”

这一设定背后，折射出的是人类对自身能力边界的重新认知：AI在操作层、逻辑层已逼近甚至超越人类，但直觉——即基于长期训练、身体感知、临场状态与情绪判断的综合反应——仍是人类当前最不可替代的高地。当AI被问及“若要击败Faker，你会向他提什么问题？”时，答案聚焦于“如何感知对手紧张”“如何判断对手针对策略”，全是直觉层问题，而非操作细节。这也印证了：AI尚未真正掌握‘情境中的判断’，而人类却在千百次实战中内化了这种能力。

创作的黄昏：当穷举成为可能，表达才真正开始

从围棋到音乐，AI正快速逼近对人类高阶认知活动的全面覆盖。围棋中，AI已掌握最优解路径；音乐中，旋律本质是数字排列组合，而AI模型已能精准定位人类听觉舒适区间的极小子集——音乐创作的‘技术难度’正在消失，但‘表达意义’反而愈发凸显。当所有旋律组合被穷举，真正稀缺的不再是“好听”，而是“为何而作”“为谁而作”“想传递何种情绪”。

“那为什么要再去创作？那就变成了你想表达什么，你想让谁听到你的声音，你的情绪，你想得到什么样的反馈，或者你希望在这段旋律得到什么样的慰藉，才是重要，而且会愈发的重要。”

这种转变带来一种悖论：创作的门槛在降低，但创作的价值在升高。就像电影《给阿妈的情书》之所以破圈，并非因其技术完美，而在于它在“略高于平均水平”的表达中，击中了观众长期被压抑的情感需求。在AI主导的“水面”之下，人类创作者的生存策略，正从“做出好作品”转向“讲出真故事”。当AI接管了执行层，人类唯一能坚守的高地，是意义的锚点——情感、意图、关系与身份的表达。

时间错乱与存在延续：我们不是历史的旁观者

身处技术剧变的中心，我们无法像后人那样冷静回望。当海外大模型公司的高级研究员已开始为“两三年后下岗”做养老规划时，那种时间感的错乱与紧迫感便真实袭来——我们不再相信“长期主义”的叙事，因为周期正在压缩。这种焦虑并非孤例，而是系统性压力的前兆。

但人类的韧性，恰恰在于不因极端推演而放弃当下行动。哪怕AI已能自动生成PPT、写代码、谱旋律，仍有“手搓PPT”的坚持者——他们并非技术上不可替代，而是以行动宣告：某些过程本身，就是意义。这种坚持看似螳臂当车，却为未来留下一种“人之为人的痕迹”。

“你像李世石……作为最后一位以艺术定义围棋的人类棋手，我们还是过早的失去了知识。”

当AI给出唯一标准答案，围棋失去“风格”与“探索”的艺术性，人类便失去“找寻”的激情。这警示我们：技术的胜利，未必是人类的失败，但若我们放弃定义‘为何而战’，那才是真正的终结。未来不会是“人 vs AI”的二元对立，而更可能是“人与AI协作中，人如何重新锚定自身价值”的漫长过程——即便那过程充满无力感，它仍值得我们认真参与。