Hello，大家好，我是小俊。今天是我们的系列节目《戴雨森的创投观察》第二集。在戴雨森的创投观察第一集，也就是我们节目的第一百二十四集中，真格基金管理合伙人戴雨森预言说，二零二六年的关键词是 the year of R。他彼时较为谨慎，觉得二零二六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。雨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。那接下来就是我对雨森的访谈。期待2026年，我们和AI共同进步。那我确实受到了我的播客的这个影响，就是我是不敢像我的朋友那样那么激进的去加仓。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。
等会儿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？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。但后来纪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。Hello，雨森还是给听众朋友们打个招呼。嗨，大家好，我是真格基金的管理合伙人戴雨森。
距离我们上次聊过去了小半年了。上次你在我们播客里提到 E of R 这些观点，当时的 R 包括回报、研究和机遇。你今天觉得这个判断是不是有点被打脸了？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，这个行业变化很快，那就意味着它有很多的机会。那么AI这个领域呢，被打脸的判断也非常的多。其实我们当时录的时候，应该是在十一月、十二月左右。嗯，啊，当时其实大家最关注的是 OpenAI，因为当时讲 OpenAI 的 DAU 有八个亿，很快到十个亿了。
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；宣布和谁呃买谁的算力，比如说 Oracle，股价立刻就跳涨几十个点。然后到了去年十二月呢，Gemini三发了。然后那个时候大家说，哇，Google变得很厉害。大家说，Google有TPU，Google有最多的算力，Google也有很多人才，然后Google有原生的多模态模型，所以当时Google替代OpenAI成为模型之王。
然后到了今年一月份，大家发现 cloud 的 coding 能力很强，当然后面的这个 open core 对吧？然后 cloud code，大家全民去学这个 agentic coding，所以在今年大概三月份的时候，啊 topic 收入增长非常快，它在二级市场的二手的市值也超过 open ai，所以三月份的叙事是按 topic 一骑绝尘，但是现在到五月份来。
大家好像又发现，哎，Codex也很不错，它的新用户的增速已经超过了 Claude Code。然后，Office 4.7，大家发现有点降质啊。当然，后面发现是一系列的系统的问题导致的啊。但大家发现，GPT 5.5 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，在我们过去的六到八个月里面，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，并且呢，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。
嗯。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，它反而更疯狂了。对，我觉得这也是我们在二级市场里面有一句话叫 strong opinion, weakly held，就是你要有一个很强的观点，但是你不要被自己的观点所绑架。说实话，我在录了那期博客之后，我后来也在想，人们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啊。我不是说做空的做空，而是说你可能空仓，对吧？或者说你去不想买。啊，但是为什么叫 weakly held？是因为你如果有一个 strong opinion，有个很强的看法呢，你最好要知道你的看法是怎么来的。啊，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，那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。嗯啊，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六个月之后看，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，Atopic 的 Coding 的收入，在企业服务里面的收入这样大幅增长，那肯定是站在去年十一月底、十二月初是没有看到的。这个确实是在 Cloud 四点五。
啊，四点六发布之后，带来了一个从量变到质变的提升，导致很多人以前无法用 Agentic Holding 完成的任务，现在能完成得很好。啊，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。嗯，因为世界本质上是个贝叶斯的世界，你前面发生的概率对后面事件判断就是有影响。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儿，都觉得很充满好奇心。对你去年底说二级市场清仓空仓了嘛？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 Stanley Druckenmiller，就是当时索罗斯的操盘手，他现在是来做自己的基金了。
就他是一个交易员，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拿五年的这种啊，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，Strong opinion, weakly held。我在看到这个 Anthropic 的用量大幅上涨之后，并且我自己也去频繁的使用
Cloud Code，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，带来了影响是很深远的。
同时，我们也在硅谷看到。呃，Meta呀，Google呀，越来越多的公司在全民吃螃蟹，大家一起在去使用 Agentic Coding，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。啊，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。啊，像大家其实也都耳熟能详的，不管是存储啊、光啊、CPU啊啊这些所谓卡脖子的长尾，那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。但确实在这方面呢，我确实受到了我的播客的这个影响，就是我是不敢像我的朋友那样那么激进的去加。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。
等会儿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。但后来纪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。”其实也是费曼学习法嘛，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，嗯啊，你要得到一个反馈信号，高质量的反馈信号，可以很多时候是负反馈信号，我觉得是很重要的，啊，这也是我觉得市场很有意思的地方，博客很有意思的地方。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，你就错了啊！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啊！嗯。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 端用户的担忧啊。
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，当用户付二十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五千万的付费用户了，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。
嗯，这部分要继续提高，我觉得是比较难的。啊，那么 OpenAI 的产品的 DAU 以及它的付费用户的增速，以及每个付费用户的 up，我觉得它的增速会比较慢。那么我认为这个是在过去了六个月里面，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啊，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，它在抖音、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六年、八年的时间才成为一个广告的超级英超机。
所以，我认为在 ChatGPT 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 ChatGPT 作为 AI 的领头羊，作为大家最关注的变现渠道，我觉得这个判断没有大的问题。但显然对Andropic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。
嗯，但我也可以展开讲一讲，就是说为什么当时没有看到这个到来啊？因为我觉得，如果是智力的话，其实它很多时候是一个突变的过程。这跟互联网是有很多不一样的。互联网在很早的时候，比如说在上个世纪末的时候，其实就有了电商，有了广告，有了门户，有了即时通讯。它在现在的很多商业模式的基础已经出现了。但是互联网是需要把更多的人连接起来，有更快的网速啊，然后产生更高的变现效率。
它的商业模式性出现的很早，但是它是一个不断完善的过程。但是对于AI来讲，它本质上是智力。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，比如说智商八十、智商九十，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一百吧？嗯，它是有一个突破这个阈值，它会突然出现很大的价值。
我觉得这个很像蒸汽机啊，我们之前也经常打比方，就是把水烧开了才有蒸汽机。那如果烧到九十九度，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埃泽尔皮和姚胜宇的访谈。大家对于 coding 这个时候什么时候突破这个阈值，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的预期。
否则， cloud 四点五就不会叫四点五，可能会叫五，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，大家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等，但是就是在四到四点五的过程，然后四点五又被四点六进一步的放大，带来了这个 coding 体验的本质变化。
嗯，那么当然，我觉得从背后来看呢，普遍大家觉得还是数据占了很大的部分，对吧？那高质量的这个用户扣点的数据，让模型的编程能力变得更好，同时呢，也有很多的 agentic L 的部分啊，让模型的这方面能力提升。所以原来跑不起来的 agentic loop，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 Ansarbic 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啊，可能都不是一手的。所以，比如顺宇可能更更理解，对吧？
所以我就不能讲理解。但是我今年三月份在硅谷呢，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ChatGPT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现的探索的这样的阶段。嗯，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、去打游戏的L。当时语言模型只是个小的团队在做啊，但是这种支持自由探索的方式呢，在探索期很有价值。但是现在AI进入到了一个主线逐渐收敛的过程。Manzopik，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IO产品不太一样的路线。
但是，当他已经比较明确敲定这个方向之后，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，呃，我觉得顺一点讲到点也很重要，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，那其实可能各自有各自的想法。那资源分配上，那好像 Sam 也是更像是一个，他原来在 YC President 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么评价。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
GPTs。可能有什么？Sarah，呃，Sarah可能是都已经比较大的了，对吧？我记得他做了浏览器，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Borupic陈先生看来，他不仅是招人的价值观，公司的方向很一致，并且好像Darry还没两个星期会跟公司有一个他的内部的思考memo的同步，就它是一个很对齐的组织，这点上蛮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，我们看到在三月份Cloud Code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的那个桌面，它又升级了。它其实是一个管杀也管埋的组织。OpenAI的很多产品有点像管杀不管埋，到后面就没人维护的感觉。嗯啊，我觉得这个其实是一个探索期，适合自下往上的发散型的组织。
而这种高速赛跑期，其实适合一开始就明确 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，我看你跟广斌也聊到这点，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的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回到一个探索阶段。啊，这个其实是在去年的R里面的第二个R，就是research。因为当时我看到硅谷有很多new lab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new lab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 的一个大的体感转变。
那这个我觉得是一个很多人并没有看到的这样一个变化，并且我在硅谷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 和比如说医疗、金融并列的。虽然我记得我和广明，我们其实都讲过很多，就是 coding 觉得是一个比较通用的能力点。但是哪怕我跟一些
research lab 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。
但现在我发现，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办公室的工作，加强医疗，加强大家去做研究的速度啊！所以这个就是让科技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。
嗯，然后。对啊，Dolphin呢？其实大家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Cloud Code还没有变得这么风靡之前，包括盛宇也这么认为。盛宇也这么认为，是的。他其实我记得在去年年终，他的担心是说，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，Cloud Code 非常重要。如果没有 Cloud Code，Anthropic 只卖它的 API，我觉得它会是一家很不一样的公司。Cloud Code
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，到了 Code、Codex，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 long time horizon 任务的这样一个 harness，就是 cloud code。
我觉得这个也是这家公司它做的很正确的事情。嗯，啊，哎，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都是用模型公司在做呢？我觉得是不一定的，因为其实Cloud
Code是可以接别的模型的。对吧？所以你从这一点来说，就是它和模型的耦合是没有那么强的。然后显然我们在年初的时候看到 Open Core，Open Core 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，你对于它的参数，对于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OpenAI是另外一个例子，就是它有很多创新，那未必只有模型公司才能想出来的，其实大家都可以想出来。
啊，所以我觉得这里面只能说现在几个好的Harness有一些是某些公司自己做的，Open Core也好，Manus也好，其实也都是Harness，只是他们以前都要套壳哈。去年大家都说这是套壳不重要，现在大家说啊，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，这个问题我们后面还要聊一聊，因为我们刚才在聊 Anthropic，然后也聊到了 OpenAI 做了 Codex。你觉得 Anthropic 它的优势是稳固的吗？你觉得今天的 Anthropic 是被高估的吗？OpenAI 是被低估的吗？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，呃，普遍大家都认为可能至少是两万亿美金的公司。现在 Anthropic 的新股的价格是九千亿美金，OpenAI 大概也差不多九千亿，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，嗯，炒到三万亿可能都有可能。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 ARR 的预期是一千亿美金，那一千亿美金现在也就是十倍，一万亿美金，那不能说是特别贵，对吧？如果你从很短期的市场情绪这些来看，可能 Anthropic 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。但如果你从十年的角度去谈，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，那有可能会是五万亿、十万亿的公司。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，这可能也是会有一些问题。嗯，CoCode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 Cloud Code 用的挺好的，那我有没有动力去试用 Codex 呢？可能性没有。所以，这时候品牌其实会有很重要的优势：先发的品牌心智定位，还有用户粘性。
呃，用户粘性有的是基于习惯的，对吧？比如说，我在我的 Cloud Code 里面配了很多的 Skill，我有很多我的写在 Cloud M D 里面的配置。那这个时候，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，他们的成本基本上比 Claude 的同等核下来应该要便宜百分之五十。
他现在在一些 Long Term Horizon，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个渠道之争，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。
但是如果你三个月前问我这个问题，那那个时候 Codex 是要落后 Claude 的挺多的。那是 GPT 五点五的出现，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，通过它的这个 Coding Plan 去绑定。嗯，也要去看到底是因为它提供了很有折扣价的模型啊，还是说 Harness 本身做的很好？
但整体来讲，我觉得现在五月中旬的这个时候，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 capex，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说 Anthropic 的客户这边。那么我们思考一下，就是 Anthropic 的 token 其实是他客户的投入。
他客户买的这些 token，烧的这些 token，其实要得到的是做出来的软件，对吧？这个是它的产出。嗯，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。嗯，现在大家都在拼命投入，因为大家觉得这个投入最后有结果，这个结果，那我想一定是要利润的增加。
那利润的增加呢？要不然就是收入的增加，要不然就是成本的减少。对，就是要不然就是降本，要不然就是增效。当然，或者就两个一起，对吧？那我们就要去想，那首先我们如果认为这个循环的公式是成立的，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，去做出新的产品啊？我认为很多时候其实不是缺程序员去写代码，而是大家不知道该做什么。那我们在想另外的思想实验，就是对于一个稍微有一些规模的公司来讲，突然多了十倍的工程师，他的收入是不是会大涨？
我认为很多时候其实是不会的啊。其实我们可以经常看到，呃，就有很多人反馈说，用了 Agent 这个功能之后，我的产出、我的效率提升了十倍啊。但是这么多十倍此起彼伏，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？嗯。所以它是一个逐渐释放、逐渐发现新产品、新需求的过程，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，大家想的是我借了六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的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，硅谷有的公司其实是在互相卷起来了，进入彼此的领地。
比如说，原来 Loveable 是做网站的，现在 Loveable 可以做 PPT 了；然后原来 Gamma 是做 PPT 的，现在 Gamma 可以做网站了。因为你发现，当你可以做 web coding 的时候，可以用 agent coding 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，嗯。
所以现在做一个已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这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烧了这么多，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上都非常担心自己被裁员，因为大家焦虑，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很好的做了。但我觉得这里面其实你会发现。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，虽然说可能只占他工作中的一部分时间，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的能力那部分容易，但是很多时候，比如说一个人他在有组织里边的，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，当然有一部分是本来就招多了啊，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百分之十五的人，他是他随时可以裁的，本来又有冗余。
但再进一步去裁，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百分之八十甚至百分之九十的高速公路驾驶，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corner case。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 corner case 啊，这个让这个人没有那么简单被裁掉。
第三呢，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？所以他他能省下来这个投入，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，它是被以ASOBIO的收入这个形式，因为ASOBIO只要有收入，它的上游这些硬件公司、内存公司、光模块，他们就。
可以有很多的订单，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 AI Coding 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，所以它有点像是个水槽，上面有无数多想吃螃蟹的人。
下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Anthropic包括OpenAI，它的AR长得非常快。我们也看到国产的Colin模型，他们其实也是收入长得很快，只要有专利就能卖出去。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 AI coding 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 AI coding 的尝试。大家三月份、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，就是三月份你烧的 token 比现在就多很多，因为很多 AI token 花出去其实可能没有带来本质的价值。
嗯，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。但是现在呢，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，Colin也简单了很大的变化。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。
嗯，哎，但是我觉得你刚才说的都是程序员，就是AI coding对于程序员的替代，或者是程序员的大幅度的数量的增加。但是我们既然说coding是泛化的，它应该是对更多行业都产生影响的。嗯嗯。对，我觉得这个其实程序员他当时是把它拿出一个领域做比喻嘛，呃，另外第二步大家就想的是整个 office 呃 worker 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？
就你原来要写一个报告，你现在把我 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。嗯，但是你投资决策，你最后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，它跟你可它可以多写十倍、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，我还是对对我投资决策负责。AI没法负责，我也没法开除他，我也没法关掉他。
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。所以一个组织里面，一个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，模型做得更好。我认为这个可能短时间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来又人的瓶颈，就是AI写的很多报告，但人还是要检查一下，所以这个检查时间可能变少了。我觉得整体来讲。生产端的提升，并不代表着说最后结果端的结果。对。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。
嗯。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啊？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七千亿美金。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存储厂商的利润了。就是硬件端已经有非常大的投入。同时呢，Anzobig假设按照大家预期，到年底一千亿美金的呀，意味着每个月它卖出一百亿美金的token。那掏了一百亿从这儿买 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， too big to ignore。嗯，所以我是认为，现在的这个 hyperscalers，像这个亚马逊啊这些，都已经在举债去建设它的数据中心。它用资金杠杆引起来之后，那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二零二六年吧。因为你看，去年底我们聊的时候，我记得你说的是 year of return，但是当时还有很多人说二六年会是应用的爆发，然后也有人预测说今年会是大厂 super up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？你们总结来概括一下，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。嗯，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，我因为从二三年到现在也陆续录了一些不同的播客嘛。然后我就看了下我之前讲的这些标题，比如二三年的时候，我们当时的标题就叫做“大模型只是起点，人类未来是和多智能体紧密协作的”。
然后在二四年的时候，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、呃计算机使用能力、思考能力这三个能力，能够在二五年解锁Agent的元年。所以基于这样的思考呢，其实我们也是在之前就投资了像 Harness、GenSpark 这样的做 Agent，可以说是第一波 Harness 的这个公司。
嗯，那我们也投资了 Kimi，其实应该是国内最关注 Agentic Coding 的技术模型公司。那么他们在二五年也完成了巨大的转型啊，在现在也成为了呃，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？然后在二五年的时候，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 attention is all you need。啊，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，你都需要人来探索。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，很多人睡睡觉之前把任务布置下去，睡觉之醒来之后发现Agent把它给适可做了。
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儿。那么在这个时候，我去年还录了一期，就是说 A 软的出现意味着我们每个人都得当 AI 的老板。我觉得现在很多很有意思的一点是，大家在今年好像都经历了一种就是用 A 软的上瘾的一个阶段，对吧？
就大家总觉得有做不完的事情啊，一会儿让人做这个，一会儿让人做那个。后来我有个朋友说了一句话，我觉得特有道理。他说：“我们其实很多人是在享受当老板的快感。”我说：“啊，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随。”其实我们每个人都爱当老板，所以呃，如果收回来，就是说我们其实并不意外啊。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，这个都没有壁垒。现在大家说啊，原来 harness 还是很重要，要有 harness engineering。所以，如果回到说二六年的AI世界，我认为就是模型能力的提升带来了AI的真正的落地。那AI的落地的形态，它最后其实落地是在一个应用也好，Harness也好这样的产品上的。
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，就是现在也是个显学了，对吧？我觉得如果说以前我们用一个产品，不管它是不是AI产品，有点像是我自己去开车的话，嗯，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。
它开的很好，但是我们要搞一堆人给他保养、换胎，给他去这个让控在了赛道里面，所以它有点像 harness 这个词，对吧？因为它是来自于这个马具嘛，它是一个就是说你是怎么样让一个非常强的东西，你去让它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，它首先是要有这个 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啊。这个是虽然是很重要的。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 agentical 的循环去跑他的这些任务，从而在一个好的 harness 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 Open Core 出来，大家觉得非常的惊艳，是因为 Open Core 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。然后他还有一个心跳的 heart beat MD，嗯，他每隔三十分钟让模型去检查一遍有没有没做的事情，就是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一做是各种 sandbox，就它的 runtime。在这个里面，其实我们发现模型需要用更复杂的应用。记得最早其实去年 Manus 出来的时候，他们就做了这个 Sandbox，对吧？当时跟 E2B 在合作，就是模型能够在 Sandbox 里面去上网、去使用软件。
呃，当然现在的话，大家会越来越发现，我要有个持久的一个 Sandbox，我要给 AI 配一个更加持久的电脑。嗯，所以现在我们看到最近这个 Digital Ocean 也是做这个训练机，他们也涨了很多。同时，现在我们看到 AI 持久的具备一台电脑，它能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这一层，现在是比如说模型厂商自己在做，但显然有Open Car、
Hermes、啊、Manus、Transbug这些在做啊。那么Context是需要用户通过这个产品去给它的，这个模型它不会自己从天上掉下来。而且Runtime也有很多公司正在做这样的事情，所以我会觉得是我们在模型外面包了越来越多的层次，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的这几个壳里边。
所以你觉得可儿是变得更有价值了是吗？我认为可儿是变得更有价值。那你还认可模型及产品吗？就是杨志林非常坚定认为的那个观点。我认为他说的核心是在说产品的核心能力是模型来提供的。嗯，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 A I 这波浪潮的引爆是 Chat GPT，但 Chat GPT 也是一个产品，它其实是把 Instruct GPT 这样一个模型，把它 post train 成一个对话的形式，嗯，啊，然后用这样一个对话的 Chatbot 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 A P I 互动，那肯定不会有这样大的变化。
比如说，你可以说 ChatGPT 是一个模型级产品，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，没有这样的革命的诞生。嗯，所以我觉得这个话并不是矛盾的啊。所以我能理解，你觉得进入二零二六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二零二六年模型就是一切，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？我想说的一点是说，尤其是我们从一个早期投资人角度，因为我们看到模型的这个生态位已经相对比较稳定嘛，你说再出来一个像现在这种投模型公司，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Harness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它带来的收集的数据是可以反哺模型的。嗯，这其实也是大家认为啊，早伟哥他的扣题模型做的这么好，其实也是他在 cloud code 在上面形成的这个数据闭环、数据飞轮、重要关系、数据飞轮或者数据回传形成的这个闭环，对吧？
因为以前 chat bot 大家觉得没有数据飞轮，是因为 chat bot 主要是考验的模型它对世界的理解和智能，那么我们人类跟他聊的东西很难让它的模型变得更聪明，因为它已经训练了人类大量的一些数据，对吧？啊，但是在 coding
这里面，因为它每个都是解决现实生活中的问题，所以当你起了一个项目，你在这里面什么地方做好了，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。
所以在这个里面，你拥有自己的 harness，其实比人变人更重要了。所以我们可以看到，像 Cursor，大家原来都觉得 Cursor 你做一个壳，是不是你就没什么价值？但是它也证明了它的 Composer 基于 Kimi 的 Pre-training，然后它自己有大量的高质量的它的 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，哪怕我只有壳，但是呢，壳带来的数据加上我去做 Post-training，我也能够模型即产品。这可能也没说错，因为它可以说 Composer 也是我的产品。但这个 Composer 怎么来的？如果我没有 Cursor 这个壳，我就没有这个模型。嗯，所以我觉得这两句话可能同时是成立的。
模型级产品，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？呃，从投资的角度，我觉得当然是这样的。
我觉得现在AI是一个很难去看中局的一个行业，所以你说可能没有价值，也许十年的中局是对的，但是这不妨碍它有好的产品、好的公司，甚至好的退出。啊，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。我再举个互联网的例子，就是当年这个你可以说雅虎不本质，对吧？可能最本质的是搜索引擎，所以觉得 Google 最好。
Google 最好是最好，但如果你是雅虎的天使投资人，那你那也觉得是传奇，对吧？所以我是认为，至少对于早期的投资来讲，我们不会太拘泥于说你是壳，你是模型，你到底要做什么。Crusher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？
反正我自因为小龙虾那个，它这个Harness呢，一方面它的功能很强大，但另外一方面呢，它做的也有很多问题，所以它老是死掉。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它，就是用 Cloud Code 去修它或者怎么样。那你看，为什么要把小龙虾救活这回事儿？其实大家在意的是，在这个Harness里面存进去的这些Memory一些记忆，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Kimi K2.5发了之后，大家发现哎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九十分的表现，二十分的价格，对吧？如果说很多人在 Harness 里面，为了挽救自己的 G，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，哎，我不知道你没有注意到，就是我们前面两集节目，福利和顺宇他们其实有一个观点是很大不一样的。就是福利他还是觉得 OpenCLow 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，他应该是聊到了 Open Core 这个话题，所以他有这个看法。但是他肯定不会觉得 Harness 比模型更重要，并且呢，我认为他们应该也都认为一个好的 Harness 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。
因为顺宇也聊到了，就他之前也担心 Anthropic 有这个只卖 API 的这个问题，对，也就是说他是担心一个只有 Model 的 Anthropic 是不足够有壁垒的。吴力当然也说到，框架能够提升那个中层模型的上限，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它做Harness就能做到最好？我认为不一定。就模型公司做Harness有优势，有它对于模型发展路线的了解，有它对模型结构的了解，也当然也有它很多算力和很多聪明人，对吧？这是这样的优势。但是另外一方面来讲，我认为模型公司它强的 researcher 和一个做应用的公司它对于应用的理解，它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：哎，这个好像 Manus 的这个 PPT 比你们说要好看。
我记得他回答说：这个不本质。嗯，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，我就得做个好看的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，它在很多的事情上，它的看法是不一样的。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，但是它还提高了智能的上限。
当它提高了能力本身的时候，它自然就能做出好看的PPT。嗯，我觉得这个是一个相辅相成的过程，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，做出更更好的一个产品。对于好的 Harness 来讲，比如说对于 Open Core 来讲，它可能是希望模型公司升级它的模型的。
对吧？他肯定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，然后它能做更多的事情。所以我觉得他们俩并不是说我很担心模型公司的升级，你一升级我就没饭吃了。我觉得并不是这样一个逻辑在这里面，并且我认为 Cloud Code Codex 第一方的，同时 Manus Open Cloud Helms 第三方的，他们都有很多自己的特点。
嗯，你并不是觉得说好 Cloud Code 是完全覆盖吊打这个 Open Cloud。对吧？Open Cloud它其实因为开源的部署在本地的，给了更多的权限，有Harder Beat等一系列机制，它就是在雨森会上会做得更好啊。当然，可能Cloud Cloud也会进步，但是下一个像Open Cloud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，啊，也有Adobe，也有各种各样的这个软件公司，AutoDesk。嗯，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Use
Case可能就太狭窄了。嗯。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壳也好，Harness也好，它们的不同是什么呀？你自己体验上，嗯，我自己体验当然是从一个VC总结的角度。其实Harness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sandbox里面跑这样一个虚拟的浏览器，就让AI去访问网页，去执行很多的操作。
比如他第一个做了这个 wide research，当时我们开玩笑说，因为有一个叫 deep research，我们说 wide research。其实这个 wide research 就是现在的 agent team、agent swarm 这种同时起十个、几十个 sub agent，然后去执行这个不同的任务。
其实它是比 cloud code、比现在这些大家做 agent team 都要做的更早的啊。然后我后来了解是，Adobe 做 cloud code 的时候，其实也借鉴了很多 Manus 在做这个 wide research 时候的这样一个经验。他其实做了很多隐秘的工作，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公司，它基于模型，它把模型的这个agentic loop context engineering吃的很透，所以它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 Cloud Code 它这个 CLI
其实是一个非常重要的展现形式，对吧？在这个 Terminal 里面，实际上 AI 是一个更便于 AI 去进行操作，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 agentic loop 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，Open Cloud其实有非常多的创新。Open Cloud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呃一个 Cloud Code 这样 A I 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 Memory MD 这套体制，我觉得做的很有意思的。因为在 Chat GPT、Manus、Cloud Code 在之前，大家都是觉得我要把 Search
分开。因为大家不想串 context，我最好我这个 session 就有这个 session 的 context，那个 session 就有那个 session 的 context。
但对于欧盟块来讲，他所有的都在一个大的聊天里面，但他只通过每天去整理他的 memory md 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欧盟块记得我，对，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，Manas也做了自己的Agent。后来就发现，我在一个流式的对话里面，是用户最简单、最朴实的一个沟通形式。而且 OpenAI 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 WhatsApp、Discord、Telegram。
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，我要造一个我的app，对吧？这个所有人都这么做，但是他做了说我去到你熟悉的地方，这个其实我觉得是它风靡的一个非常重要的原因，尤其在中国风靡的原因，因为它能插到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？嗯，当然他们都引领了很多的产品创新，对，都有很多的产品创新。当然，这里面有的我觉得会被模型公司交到训练里面去，但是他有的是一个产品是理念，对吧？啊，并且它很多时候你会发现这个 context
它是存在它的产品这一层的。当然，你可以把它的 memory MD 就把它去导出来啊，然后大家可能以后 continual training 可以训到模型里面去。
归根到底，你的 context 在什么地方？我觉得在目前来讲，肯定在 harness 里面了。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，我觉得那如果没卖呢？那比如说，入完的这个逻辑，那都比入完卖给了微软，对吧？嗯，那实际上啊不对，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，监管密不是他就拿模型是OS的比喻嘛？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 O S 的处理器。现在有很多的应用，它是基于说啊，你有一个 Cloud Code 或者你有个 Codex 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 Cloud Code 里面去啊。然后包括有一些应用，比如说有叫 Pencil 的，包括我们投了叫 Slack 的，它其实都是基于你现在的 Runtime。就Runharness里跑的一个Cloud
Code的实力，然后我让他们再去做一个壳，做这个功能，所以它有点像是我在Windows上去做一个应用，啊，因为对于这样的这个应用来讲，它不用自己去处理跟模型怎么通讯。
而是由这个中间 harness 层，比如说 Cloud Code 或者 Open Cloud 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，所以你得去写很底层的代码。当 Windows DOS 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 I/O 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 handle API 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去通信，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agentic 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cloud code或者这些harness基础上，你再做一个skills，或者你再做一个它的壳，其实你就不用去处理，比如说怎么跑这个agentic loop，harness帮你处理了，然后你上面去做就行了。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，哪个便宜加点物美你用哪个，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，就是大家开始出现基于克劳扣的去做应用的这样一个尝试。嗯，或者 Cloud Code 了以后，可能它就变成一个 O S 层，你装到 Cloud Code，但是你并不是用 Cloud Code 去做，而是你用一个 Cloud Code
上的应用去做事情。其实我们现在也看到了这样的一些趋势，因为 Cloud Code 对很多人来讲，它是一个 C L I，它是基于在 Terminal 里面的，啊，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 Cloud Code 的 Runtime
上面。
那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，就会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，比如说我也做过小黄车，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，只是一个创新失败可以再来。但如果你做的事情上来就不创新，我觉得在AI这是很危险。所以我觉得第一个推到位就是说，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啊，我要做很垂直。有的人其实是觉得进一个垂直行业比较保险，因为大厂先不会来跟你竞争，对吧？
你好像在一个小天地里面。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。当你做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。那他们是做了一个很通用的 agent，所以后来才衍生出了哦，我可以做 PPT，哦，我可以做网站，我可以做数据分析，对吧？
嗯。所以当技术量很快速 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新。对啊。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，呃，因为硅谷的很多时候讲要做垂直 SaaS 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 SaaS，是因为 SaaS 已经到了后勤。
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，在一个技术发展早期，当有horizontal的机会的时候，勇敢的去做horizontal，勇敢的去做创新，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，Perplexity、Manas、Jensberg、OpenCrawl、呃、Hermes，除了这些AI，我觉得这一波跑出来的大应用啊，当然现在很早，其实很多都是horizontal的。
啊，Lovable，他原来是大家做网站，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啊。我觉得这个是有点反共识的，因为肯定讲垂直的会非常多啊。嗯，哎，你刚才说要创新，这个事我突然想到，因为今年所有人都要做agentic coding，嗯，这个会不会过于同质化？
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 A G I 是那种毁灭人类，对吧？Singularity，然后后来是变成就是说解决黎曼猜想啊，创造新东西。现在是替代普通程序。就我认为，如果虽然说现在 A G I 已经实现了，我其实不太认同。啊，因为他说的是
coding coding A G I，但是 again，他其实也是把 A G I，我认为是做了一个缩水化的，在这里面怎么样真正实现能够创新，其实还是非常重要的。
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 within distribution 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，A I 写前端最简单，因为你前端做网站就是那些东西。但是我怎么样有一个真正 O O D 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。
我们刚刚说的降本增效嘛，啊，降本现在在发生。现在 A I 毁灭旧价值的速度是远高于创造新价值的速度的。但是创造新价值，可能说要有新产品，比如新药物、新的这个发现，那这些其实还是要AI去做。当然，我觉得现在在美国，我们也看到新一代的New Lab很多都在做Auto Research啊，都都是在通过AI去加速研究过程。
包括顺宇在播客里也聊了，其实硅谷现在Top Lab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在做的。比如大家都在做AIG那个coding，但有的做法就是靠蒸馏，对吧？我把这个旧的数据把它蒸进来。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。那么在这个里面，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，你可能也得训练自己的模型。我觉得Cursor是一个最典型的例子，对吧？
它不是也要卖了吗？但也可以不卖呀。我觉得他是是XAI很想买它吧？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Cursor这家公司变得更有价值了。它其实也是从Harness到模型的一个例子。第二个，我觉得就是说，你的护城河要建在产品上。比如说，我刚刚提到的例子，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。
这个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，我其实也在想，互联网这个里面最强的其实是网络效应，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。对，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。
比如说六个月前你用的agent，我用的agent没有什么本质变化，比如你用Cloud Code解决问题，我的Cloud Code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，我有我专业的skills，并且我跟我的agent的去沟通之后，他对我有很多更加独特的了解。
比如假设我跟他讨论了一百个BP，那他可能对于戴雨森怎么看一个BP，他就会有更多的了解。嗯，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。A G的Harness里面积累了不同的Context，个性化来来实现的，这样就会出现我有理由把我的事儿给你做。比如说，我不知道你现在写这个采访提纲或者什么采访稿，你可能也会有一些自己的Skills或者之类的。
那这样同样一个采访稿给张晓俊的A G的。去生成他的问题，就会比我自己拿我的 Claude 的生成会更有价值，对吧？因为你的 agent 是有可能沉淀了你所有的访谈、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，张小俊很慷慨，他做一个张小俊 skill，然后给很多 agent
去用。但是我想这个其实是不太 work 的，因为当你的 skill 一做出来之后，你就失去对它的控制了，它也可以被随意分发。
所以我觉得可能以后会出现的情况就是说。我的agent的雇佣张小军的agent，你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来来做，然后他让比如我的agent给你一千块钱，啊，可能一千块钱太便宜，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做出来东西要好很多。
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，所以我我只在描述一种我心中有可能出现的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，六个月前我是没有理由雇佣你的Agent的，因为你的Agent跑的也是Opus，我的也是Opus，所以咱俩都很一样，咱俩都是short文本型。
但是你想，在我刚才描述的这个场景里面，你的context、你的property information、你的可能是永远不会被蒸馏到模型里面去的，就模型可能永远不会有张小俊那么具体的你的这些知识。所以你的agency做出来东西就跟别人不一样。其实我们也看到了，比如说像我们随便说什么归藏这样的大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，归藏老师，你帮我做一下这个，我愿意给你钱，对吧？因为你的agency做出来就是漂亮。当然他最近做了个PPT skill，但他如果不把它做成skill，他是说哦，我的agency接单，对吧？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，呃，那这个是不是一种可能的网络效应啊？所以我就在想一些agent native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？啊，我们看了一些在做这个事情的啊，其实是有一些在做 agent to agent 的这个 marketplace 啊，这是有一些公司还很早啊。
有的，比如说是你我的 agent，寻你的 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，它能把你的 agent 的差异化给体现出来。嗯，就我们每个人都在自己家里炼丹了。呃，或者说我们的 proprietary information 是有价值的。嗯，比如说，我认为我看 BP 的经验，如果我能够以某种程度沉淀到我 agent 里面去，那我这个 agent 它也具有一定的价值，对吧？
你可能说，你可以花高价请这个沈南鹏的 agent 啊，也可以花点小钱请戴宇森的 agent 帮你看看 BP。看看二级市场投资吧，哎，这也说到了我们后面一个话题啊，就是创业。你怎么觉得二零二六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喘口气？因为现在我们也看到了硅谷有很多的Neuralas，哎，他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基模？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。好，所以吧，大家，你如果每个VC，他估计在过去的十二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，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 Manas 可是几十个 Manas 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。
那所以我是想说的话，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，只能做点儿写写诗、翻翻译什么的，那你就做不了什么应用呀。
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PPT，就是它的应用场景变多了。这第一性原理来讲，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。Harness当时做的时候，其实像e to b这样的这个sandbox刚刚出来，所以他们才能够做很多sandbox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，有各种各样的组件是在完善的，所以应用公司其实它也越来越容易去做了。很多时候，其实应用的门槛最后还是在于说用户数据、网络效应、品牌。就是，比如说，也许Codebase变得很强大，但是对我来说的话，我Cloud Code用习惯了，我可能还用Cloud Code的。
嗯啊，所以这种品牌效应，包括我有朋友就用Probability，他习惯了。就是这种品牌效应的话，它不是那么简单的说，我有一个更好的模型，我也给你替代了。并且呢，我们其实还还可以看到，就是移动互联网时期的巨头做这些应用，它的速度反而是很慢的，因为 Adobe OpenAI 它其实是创业公司啊，对吧？其实你看，比如说 Meta、 Google 或者中国的很多大厂，它自己做应用的创新是挺慢的。
当然，中国字节做豆包对吧，这个非常大。但是你想看看，比如说其他这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。嗯，其实你也可以认为美国的AI应用也是创业公司做的，只是说是Andre和这个OpenAI做的一样。所以我是认为AI应用这个领域来讲，机会是变多的，并且创业来的太快。呃，我觉得起来太快，是因为大家现在在做 coding 这个事情，是它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 cloud design，你看它做了 design 也做得很好，对吧？啊，但是在它出来之前，实际上就有很多做 design 的机会。我是相信一个公司没办法所有事情全做完。或者换言之，如果他真都做完的话，那我也认了，是吧？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这样的存在啊。
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，数量大概是多少呀？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儿还是底部时刻、慢升时刻的时候，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。你说你去年看了一百个项目，投了两个，今年呢？今年已经投了三个啊，今年五月了，投了三个了。对，那稍微是快了一点。我想再echo一下刚才说的，就是大厂和创业关系，因为其实你开始问的问题本质上是说模型与应用，其实还是有点像是大厂和创业公司的这个对立关系，对吧？
嗯，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，因为它模型模式也变大厂了嘛，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机会点啊，就是如果一个东西一出来，大厂不管说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。
啊！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A M B N B是吧？有一种太小众啊，比如B站一出来，二次元太小众；A M B N B在别人家睡觉太小众；得物卖鞋的太小众，对吧？这是一种。另外一种就是它没有技术含量，太 low 了，对吧？内涵段子，呃，拼多多，对吧？
大家觉得太 low 了，看不上。然后有太累了，比如说美团，他们一开始太累了，要下地推很累。然后有不合规，对吧？比特币、滴滴打车、Uber。然后有这种就是太超前了，太科幻了，比如 OpenAI、SpaceX。所以你会发现，就是每个时代大厂的创业公司，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 Talk，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，那 Talk 没用，我觉得实际上不是这样的。或者如果你认为 Talk 值是零，那 What If 你是错了，它其实不是零，那它就有一个增值的空间的机会，对吧？
第二个我觉得就是，比如开源，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 Open Core 这些也是通过开源去获得用户啊。当然你可以说 Open Core 现在还没有收入，但是如果当很多人的应用都跑了 Open Core 上，那它有没有可能出一个收费的增强版，对吧？
我觉得完全都是有可能通过开源吸引用户，然后通过闭源、通过商业化去获得收入的。然后第三个，比如说。你看，Open Core出来时候，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，我自己都搞崩溃好多次。它安全性也是有些问题，因为他们跟你电脑绑定嘛，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，他不太敢做的，因为他对你的电脑有负责。
Exas出事的时候，他要负责。但是这个也是创业公司一个 move fast and break things 的一个优势。嗯，这里面很多东西可能在模型厂商看来都不本质。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。嗯，今年你们看好哪些方向？首先，我们一直坚持投人嘛，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，我们投了两家做聚生方向的公司，这两家公司我们都是第一轮投资人。一个创始人叫刘松明，是零零年的；另一个叫丁宁，是九七年的。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，所以他们一只要想创业，我们就投了。啊，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。
但我们的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。呃，就我们想北大，也想所有这些学校嘛。就但你会想，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，嗯，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，去年是都是两亿左右的估值吧，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啊。也是因为大家觉得他们做的方向很重要，嗯，不是说因为我们要投世界模型，是因为我们按图索骥，我们本来就看好这两匹千里马，对吧？
然后他们往哪跑，那是他们去想的这个问题呢。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啊，因为他们一个是 RDT 系列的作者，一个是 Simple VLA 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 Generals 几乎同期做了这个通过大规模收集物美的数据进行这个模型训练的工作。
同时，他们也很具备企业家精神，技术前沿的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志林是一样的，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，嗯。所以说到你们最擅长的人，你觉得AI native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？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，嗯，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，我就去做的。其实，执林在大家都还不知道大模型是什么时候，他二一年就来训一个大的模型了。那我觉得我们投机器人这里面的创始人其实也是一样的。
我们有一个公司叫五G做灵巧手的，最近也是得到了非常多的关注，估值涨得很快。同时，他做的手确实也是做世界上可能最好的灵巧手之一吧。他其实是最开始是做电机的啊，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。那他做了做，他发现手这个东西很重要，嗯，在那个时候很少有人做手，而且很少有人做高自由度的灵巧手。
那个时候大家做的手只有几个自由度。他的数据就是说，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，然后手的这个成本会快速下降，所以我要做手。哪怕在那个时候，大家觉得手太贵了，那个时候一个手可能都是几十万，大家就觉得你就太贵了，市场很小。但那时候坚定他做灵巧手。那现在其实手的成本在越来越快的下降，同时这个手的硬件也做得越来越好，并且呢，今年你会发现像Aegosentric。
这样的这个数据，因为它是通过人手去做事情的，视频数据进行训练的，所以跟人手同构的营销手就变得越来越重要。所以在这种时候，他其实就成为了一个非常呃，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？我们也是投优秀的创始人，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 U I U C 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 M B C 的钱我才去创业，他是自己掏钱去做的。所以对这些非常有热情，他同时在整个做硬件过程中，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，他很多这些思考是引领的。
当时他做零下手的时候，其实我们也担心是不是有点太早，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 Alpha 三区的数据去训练模型的这样一个大的浪潮啊。但是，我想这也是大家为什么觉得事件模型这个很重要，也是因为大家看到了在过去的六到十二个月里面，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scaling law。
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投的清单？还是纯凭感觉，呃，当然不是纯凭感觉。我们在蛮多地方博客文章里面都会聊到，我们看人有一些框架。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。
对，你们上一个时代就这么分了吗？呃，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业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、意志力，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业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历过很多的考验，是不是能力互补。所以这些我觉得都不会变，嗯，只是对技术的了解。二十年前是对互联网的了解，十年前是对移动互联网了解，现在是对AI的了解和机器人的了解。
这个其实我觉得，比如说，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有很深刻的认知。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，这个东西就很重要。
所以，更多的创始人有技术背景，呃，我觉得是，或者说你至少要深刻理解这个技术怎么回事儿，可能是PhD，呃，那倒未必吧。我觉得技术背景和 PhD 很有很多强关联，对吧？但是未必是一个，嗯，他一定得是个 PhD 啊。我觉得不一定，因为你看，你你也说从清华的这些年轻教授里面、年轻老师里面去找嘛。嗯，比如说刘松明，他是在读 PhD，但是他应该博二博三，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，因为世建模型还是一个研究驱动的公司嘛，或者是一个方向嘛。嗯，但你比如说，如果你要做个AI应用，那可能就不需要是个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，对吧？姚舜宇，当然我们今天好像提了他很多次，主要是太近了。
对，他说那个AI研究员的个人英雄主义时代过去了，都是集体主义的事情啊。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型的人才，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，或者是张小龙也好。我觉得五一他的产品都是说，我有一个对未来的看法，大部分人还没看到，我看到了，所以我要召集团队，调集资源，把这个产品做出来给大家用。嗯，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。我记得顺云他一直说以前的AI研究员，比如说几年前，比如说伊利亚，那肯定叫个人英雄，完能的有没有这个个人有很大的区别？
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pre训练的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情况。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，大家以前说啊，我要做的事情叫L。
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。但是在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。但我觉得做一个好的产品，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，以及接下来六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。嗯，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，我们夸的那个创始人Peter，他其实之前就是一个创业者，公司卖了一亿美金嘛，所以他已经是我们定义着。是一个老司机了，然后他是好像自己在用 Cloud Code 的时候呢，他要吃饭，他就觉得说，我吃饭的时候怎么能继续用这个 Cloud Code 呢？
所以他本来一开始是要做一个在手机上去继续用 Coding Agent 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 Cloud Code 和他的 IM 把它联系起来，然后通过 IM 去遥控他的 Coding Agent，嗯，然后基于这个再一步一步的把这个 Open Cloud 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 Power User。
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。其实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。嗯，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它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 attention is all you need，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式，但这公式里面有个 bug，就是世界上只有这么多人，每个人只有二十四个小时，你就会发现，他们的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 A 站的时代，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做好一个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，就从Attention is all you need变成Attention is not all you need。那护城河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，让用户就在这里面形成闭环。
但这个里面，我觉得有个混搭的问题是：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飞书里面的信息，因为飞书开放。那在这种情况下，你原来的超强护城河反而可能会变成你。
束缚自己的一个壁垒。其实我们看到 Open Core 出来之后，飞书接入的很快。对，飞书出来，飞书 CLI 对吧？那我们就发现，有的在微信里面的工作群里啊，我是有动力把它迁移到飞书上去的，因为在微信里聊了 A 级的看不到，但在飞书里聊了 A
级能看得到。那我逐渐的可能就去飞书聊了。那原来你的护城河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，所以它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 Open Core 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，因为它是针对就是创新型用户。我拿微信举例子，微信其实有一个很大的特点，你说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AI native的交互，哪怕复杂一点，但它更强大。所以，这是不同的产品设计理念可能不一样。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 chatbot 的推广大战嘛，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ChatGPT开始，到后来Sora，到后来Minus Cloud Code，包括Vo3，包括C Dance Two，其实你会发现主力不是靠投放，都靠靠什么？
豆包，我认为当然它是有投放的，字节你不可能不搞投放。比如说豆包的对于语音都做的很好呀，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，对吧？它很多也是靠这种，比如说我居然能够识别我的方言，包括我最近也用豆包输入法，确实做的很好，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，比如说大家靠补贴去获客，对吧？
大家其实还是在用什么样的这个功能是很重要的。所以我是觉得这个推广的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DAU，对吧？DAU是一个大家非常关注的一个目标。那么你为了让DAU增加呢，你是精力是放在这个GUI上面，让用户用的更加舒服啊，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A型的为主的时候，可能每天有多少人来用其实不是那么重要，而是有多少A型的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 要做得多么 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，它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。因为这里面归根到底呢，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 D A U 产品应该成为一个目标吗？
对于产品来说？呃，我觉得，当然，如果你能真的有很多DAU，肯定一般是好事儿。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，Claude的DAU肯定远低于ChatGPT，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，如果你又低又高，价值任务也高，那可能最好吧，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，呃，你可能出现一种很滑稽的场景是，你为了优化你的DAU，所以你让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，他就自己去跑出来，那你都不用去看了。
说你的用户访问反而会下降。如果你要天天用户盯着看，你可能迭代又很高，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？我觉得取决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，我们投的时候往往都还没有数据。我觉得其实有多少真实的非常喜欢它的用户，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，但是说一千道一万，就是那产品就不好玩。
或者就是这产品不好用，你没有找一个人说，我好，这个产品太好了，我天天要玩。这种情况下，AI时代抖音可能是伪命题，我不知道是不是伪命题，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，而是它用起来真的很好用，吃起来真的很好吃的啊。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，你会发现，不管它大家说是套壳，大家说是什么，好像一点都不高级，但是真的很好用啊。嗯，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既然新产品，我都会去自己去用的一个部分原因吧。AI native的产品在哪里啊？
到底？我自己在想，就是A I有点像是一个外星人，他来到了人类的世界。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。那现在来了些 agent，但是 agent 还不够多，所以让你我让更多人怎么样能够低成本拥有好的 agent？
我觉得不管是 Cloud Code、 Codex、 Open Cloud Manus、 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。我觉得这个是第一波，就是让人类拥有更多更好的 agent。第二波呢，是让来到人类世界的这些 agent
更好了适应人类的数字世界，因为人类的数字世界基本上是为了人类设计的，比如说这些 GUI，比如这些验证码、呃，信用卡这些东西。
那么，A I在原来往往是要被阻止的对象，对吧？原来都是要阻止bot。好，现在我们有一堆好的bot来了，所以让A I高效地使用人类的软件和基础设施变得很重要。比如说，大家都发现支付是个问题，所以像Stripe也好，像这个Coinbase也好，都在做要给A I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 AI block 在外面的。
嗯，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。然后比如说各种 compute use，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，你得给他办个这个 sim 卡吧，你得给他弄个微信账号吧，你得给他弄个支付宝吧，这是一个让 agent 能够待下来用好人类已有设施的。
但是再进一步，agent进一步变多，进一步变得更重要的时候，会有agent的专属的数字世界的工具和它的infom。比如说，人类用信用卡，但是人类的支付是有一些特点，人类的支付是低频次的，相对你很难一天支付一万次，对吧？啊，人类的支付一般是点对点的，我付给这个商家。那人类的支付呢，往往也是相对大额的，我很少说付零点零零零一元。
所以，人用卡是一个符合人类的支付特点的行为。但 agent 呢，可能是非常高频的。比如说，假设我的 agent 呢帮我去写一个报告，他可能要查一百个数据库的资料，他可能就得付一百次，也许啊，在未来，那那时候就非常非常高频。但同时，每次又可能很小额，然后它同时呢，可能又是一个多对多、一对多的支付，所以给 agent 的发卡，只是让 agent 按 AI 适应人的系统。
让 agent 用人类的 GUI，也是让 AI 适应人。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记忆外，因为记忆外是因为人是能力很差的，比如人会记不住自己看到哪儿了，所以你需要一个列表，你滑到这儿了。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 更好的适应人类的数字世界。第三个是建设强大的 agent，他专属的对他最适合的数字世界，因为这边每一个其实都是产品的机会嘛。
嗯，假设抠定能力无限，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。比如说，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、智能窗帘呐，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尖的程序员。
最顶尖程序员可能在字节写推荐算法呢，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，但微信要服务十亿人，对吧？显然微信里面有的我想要功能就没有。嗯啊，比如说我一直想要有一个语音条的一个进度条，因为徐小平老师经常给我发十几条六十秒的那个语音条，那是我你还需要进度条？我就特别想希望，就是说，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？所以我都得一个一个听完。
就是说我用的微信和我奶奶九十多岁了用的微信是一个微信，嗯，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。
嗯，那也许以后我美好的梦想，对吧？就是一个这样的应用，它给你提供一个底座，但是上面的很多功能你是可以去改的，你是可以符合你的个性化需求的。比如对你来说，存在微信里就可以做采访，就可以做博客了。嗯，第二种就是说更加个性化的软件。嗯，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课，也许可能就有一个我们俩录播课今天专门为他做的软件，可能是个Web App，对吧？我们先把我们的问题、我们的这些提纲准备好，然后我们在这过程中可能就是直接去操作了，嗯。所以，当你有无限多的程序员，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，也要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，但微信得让给我改造的接口，对吧？所以这里面其实它不是一个一蹴而就的过程。嗯，刚才我们也讲到 AI native 的创业者和现在新的机会。那对于 AI native 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，嗯，确实对创业公司来讲，原来往往有的时候还是缺人嘛，但现在有想法缺人开发，那可以用agency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地推要做呀，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，公司的规模会变小，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啊，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栈。
因为我反正就是指挥一个AI agent，那这些事儿我都能干了。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十年的公司，最大的问题是说你的 context、你的数据没有在 AI 里边，你把这些 context 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 context 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 build Slack using Slack。
嗯，其实 Cloud Code 和 Codex 团队也都有分享过，就 Cloud Code 是用 Cloud Code 写的，Codex 也是用 Codex 写的，就其实是一个这个新产品、新公司，它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、至少是软件开发这个里面。这样效率的提升就很明显。
结构呢？结构会发生变化，组织结构。呃，对，刚刚说的组织结构就是，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 的。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，就会有更多的全栈的人，而不是更多明确的组织部门划分的人。
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。嗯，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 Claude、 Claude 就完事儿了，它其实需要组织的变化了。嗯，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，呃，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，整个工厂都是围绕这根轴做的。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。嗯，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。从蒸汽机到电动机，并不自然的带来生产力的提升。你需要有厂房的这个物理上的组织变化，以及说怎么组织这个生产。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。
嗯。我是觉得技术它到最后的结果，它是一个逐渐渗透的过程。这里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？
嗯，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高变现的公司如此的成功，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。嗯。啊，因为我们也看到很多人做了AI应用，我会把它总结成为一个AI的信息流，就是一打开也是一个信息流，然后用户单列或者双列在刷一些AI产生的东西，或者说跟AI互动的东西。
啊，往往也有很多也是字节系的创始人啊，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字节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。嗯啊，那么比如说像Open Core就是个完全另外一种体现。Open Core没有自己的应用，它连自己的阵地都没有，但是它活在每个地方。
活在你的微信、你的泰迪官网里的地方，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，然后再做留存，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观念去竞争。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to C，但是我觉得在AI这个时代，to C的机会或者to C做娱乐的机会，做Q time的机会，我觉得不一定是这个时代的大机会。
嗯呃，为什么呢？因为你现在做任何一个Q time的，不管是现在做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。嗯，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儿闲着没事儿有意思就行了。
所以我们现在看到有一些像雨森呐，或者是Loopy的，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儿啊，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。所以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，所以你好玩，是吧？用户还是要玩个好游戏。这种竞争一开始也是难的，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，嗯。所以你这儿怎么能又说的很像暴论？
那我觉得现在很多大家追投的 AI to C 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，有的时候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，我们看到有的字节系创业者做的产品也挺像一个字节的产品的，就是我刚说到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Chatbot这样。嗯，就我把这种组件再做一个信息流应用，我觉得是蛮难有大机会的。嗯，有什么大机会啊？接下来？嗯，比如我刚刚讲的这个，怎么让
A 技能三步走更快发生的机会，嗯，让更多的 A 技能来到人类，让 A 技能更好的适应人类数字世界，让 A 技能与 A 技能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，所以有了自营电商。
这个过程其实是要新瓶装旧酒，新技术解决老问题。嗯，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。但是呢，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，social network。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得发生本质的变化，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谷歌和百度，移动的浏览器还是酷，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，啊，然后才诞生了说推荐引擎，因为在手机屏幕很小，你没有时间去搜索、去点击，所以你要推荐，对吧？
啊，这是因为技术的渗透率到达一定的程度，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、体力劳动者也拥有了智能手机之后，开始出现了美团、滴滴等这样一系列做 O T O 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，出现了拼多多这样的公司。
所有的这种是全是创业公司，它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。
所以这一部分已经诞生了巨大的价值，但是如果我们把这个规律基础全推的话，当AI或者Agent变得渗透率很高，变得很成熟的时候，就是你有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意见变得更有价值？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？
可能以后就不是我来接受你的采访，可能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，以及怎么样这样的这样变化发生，包括过去大量的商业模式都建立在广告上面，现在很多人也在看这个问题了，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？顺便再举个例子，比如说。现在是AI帮人去生成Excel，对吧？但如果以后，因为Excel是一个让人与人通讯的工具嘛，说我做一个Excel给你看，你能get到我要说什么。但以后如果AI跟AI之间通讯，可能都不是通过Excel进行的。它可能直接就是API把这个数据传给你了，它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城河就会受到很大的打击？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A I用人类的软件，computer use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就进行通讯，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A I的渗透率到达一定的程度，A I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多人做，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时候雏形了。比如我投的那个Slack。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，然后我们八个人加 agent 在一个渠道里面去合作，你能够给我的 agent 下命令，对吧？
呃，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？但这是非常雏形的一些尝试啊，包括我开始说的 agent 与 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 收购的那个 MultiBook，对吧？它类似说每个人的 agent 去发帖，嗯啊，当然那个还有点 cosplay 的感觉，呃，其实就是 cosplay，因为发什么是它的主人去指定的。但如果你的 agent
能够跑一个假设是一个月的一个 long-term horizontal task，那它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了。
嗯，哎，硅谷今年 VC 投资最火的主题是 new apps，你觉得中国的主题是什么呀？New Labs确实很火，因为好像那个滴滴最近做了统计，有六十多家New Lab。呃，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部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在只在投 new lab，因为首先投 new lab 的是一类 VC，有另外一类 VC，比如说 Benchmark，他就会觉得这个东西太贵了，他就不想投这种 research driven，嗯啊，然后又没有明确的方向的公司，他会愿意更加投一个产品型的公司。啊，其实你看 VC 的 demo day，百分之七十还是各种 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，所以很多人就是用 AI 在做垂直的 SaaS，只是原来是人去编码，现在加上 AI 加一些 agent。呃，应用层面，硅谷就是各种 vertical SaaS，然后偏科研层面确实有很多 new lab，啊，new lab 里面做 AI research 的，做 AI for science 的，做这个机器人的，这种都有。
中国，我觉得首先硬件方面会火很多，对吧？今年我们过去看到这十二个月，机器人一直都很火。当然，现在从这个原来做人形的硬件，变成开始做机器人脑，就是各个世界模型。反正世界模型，大家对这个词有很多不同的定义，但是反正交织的世界模型很多。比如说做这个AI硬件，或者不管是可穿戴的，还是说做虫啊，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，另外一方面是我刚才总结做AI Q time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，量子计算啊，可控核聚变最近也都很火。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，包括从上市啊这些得到的结果来看。
另外一方面，就是还是很多人想找下一个字节啊，这是也是我的一个感受。大家对自己有执念啊，陆职业是上时代最成功的公司嘛？为什么不找SpaceX？嗯，哦，最近我好像昨天就看到有两个零零后手搓火箭的，呃，其实火箭挺多的呀，应该商业发射公司也有不少，嗯，但可能中国商业发射会更加是一个跟政府需要更多紧密合作的领域吧，嗯，当然火箭公司也有几十家吧，其中头部玩家应该也有一个五六家。
嗯，你不是前段时间也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token，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，大家就比谁烧得多。
这面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AIGM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完Zooby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，至少我要上车，对吧？可能跟韩国人都想去三星、海力士打工业，这就是B趴的AI。
这个其实可能是一个确实，大家在硅谷因为看到了潜在的这个失业带来的替代，呃，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六到十二月变得非常热的一个概念。嗯，我觉得在中国呢，其实很多时候大家会发现我有很多硬件的，但这个硬件它得有用啊。所以他得能够去做操控，那能够去帮人真正去做事情，否则我不能买到家里摆着，对吧？
这个是一个实用主义的角度。从模型的角度来讲呢，确实在过去可能像以 Ego Scale 为代表的这种通过大规模的 Ego-centric，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 Journalist 做的这种大规模用
Umi，就是人带着一个这个夹爪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泛化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 scaling law 进行训练。从而让机器人的模型也具备 zero shot 的泛化能力，就有个事情没见过或者 few
shot，我看人类示范一次我就学会了，以及说提高它的稳定性。所以我今天凡最近做了个演讲，他也是把这个机器人的这个过程分为 pretraining、 fine tuning 和 rl 三步，跟语言模型对应。
如果你是以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、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，但它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啊。
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。嗯，但是我觉得这个也是大家投入非常多精力在做的事情。所以第二个就是第一个是 coding，第二个是事件模型，然后第三个我觉得就是这个 auto research，因为大家会发现，大家想事件呢还是一个比较
recursive 的，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。
今年田园洞的那个 recursive，那其实也官宣嘛，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。嗯，当然，我在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六个月变得非常火的领域吧。嗯，和中国有什么不同？确实，我想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 全是吧，没有什么近屏，当然可能，但是 Cloud Code 和
Codex。但实际上你会发现，Proberacity也有很多人用，Proberacity的AR也到了四点几亿美金，然后Davinci其实也有四点几亿美金，然后OpenAI这些显然也很多人用啊，所以我是感觉到硅谷其实还是非常focus在模型和vertical上，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，然后其他的肯定很多说都是应用模式。世界模型算模型还是应用？世界模型算模型。那就新投了两家模型啊？对对对，那三家模型。从要训练模型的角度上，是的吧？OK，对，你可以这么理解。哎，世界模型算基模吗？算机器人的技术模型吧，解决机器人问题的技术模型吧。
你笑一下，是因为这样估值会更高吗？我是觉得世界模型这个词太模糊了，因为它是等于是用一个 hype 的词来总结嘛。但是也许因为交流的方便，对吧？那可能大家说啊，这是世界模型。但每个世界模型公司，它可能很多时候它讲的这个做法会很不一样。嗯。比如说，那谢赛宁他肯定就认为这些世界模型公司做的都不是世界模型，对吧？
嗯，但比如说 V R A 是不是一种世界模型？你可能认为它是也是一种世界模型，但赛宁可能就觉得你这里面有这么多 language，那这个就不行了。赛宁好像也觉得这个 video generation is not world model，但现在有人不这么认为，对吧？所以我觉得这里面还是个开放问题，并没有收敛的。
嗯，那国内的硬件机会会很大吗？有什么 A I native 的硬件产品是你觉得不错的？嗯，你说的是比如说各种可穿戴的、录音的这种，不是说机器人的那种，是吧？嗯，消费电子吧，嗯，消费电子。我其实有个暴论，我认为现在很多消费电子公司会重蹈当时新消费那一波的覆辙。新消费如果大家记得的话，二零年那会儿特别火。
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，嗯，拉面什么各种。但是，但后来时候很多就发现，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，它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，其实它没有解决一些很fundamental的问题。
它很多时候，比如说可能给硬件加了个Chatbot。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A G呢，是不是要有个专门的载体？还有人卖叫什么龙虾机，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Mac Mini，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、散热等这些方面都是做的挺均衡的了。所以我会反而觉得，在一个比较长的时间里面，A G的好的载体其实还是手机和云端。
就是因为现在也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。我觉得在这个里面，所有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，什么时候你今天换件衣服，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to do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。因为VC觉得自己很忙，然后我也要今天有十个to do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，相对它的麻烦来讲，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投吗？我们可以说基本没有投。OK，像Lucky这种是吧？反正我们都没有投，并不针对某一家公司啊。其实我觉得确实我们没有看到，当然我们是投人的角度，就是想从市的角度评论。我觉得这个事儿不好做。但相反，比如说我在 Aura，还有这个 Whoop，他们其实跟 AI，当然你说有点 AI，对吧？
但是它其实不是要 AI 硬件，它反而是要叫健康硬件。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？机器人，我们投了机器人的主件公司，像五G的灵巧手和方舟机械臂，嗯，两家世界模芯的公司。然后在之前，我们投了飞西，然后它分在中策。但我们确实没有投这一波的人形机器人。
但我觉得人形机器人目前就人形啊，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，也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，但是它实现的这个终局，就是机器人能够去操控这些东西，它是很需要的。
嗯，但人形机器人呢？我觉得肯定它现在是在一个资本很兴奋的阶段，所以它估值对于大的销售啊这些来讲都是比较高的。这个我也不知道是不是能持续这么高。嗯，但我觉得，至少我们目前看到的人形机器人到底有没有用？我觉得还是在一个发展的过程中啊。就我觉得，人形机器人eventually可能会很有用，但是它前提它需要一个好的手，所以我们投了手；它可能要好的臂或者好的其他机械结构；它同时还要有更好的模型，所以我们也投了模型。
我们肯定也错过了很多机会，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，又有很多的信息流转变得很便捷，所以确实很快。比如说 VC 关注的领域或者他喜好的领域呢，他就变得很共识。嗯，所以我们就会看见，比如说很多做各种刚刚说可穿戴录音的，对吧？
因为每个人都会讲啊，因为 A 级呢需要很多 context，所以我做录音，把你的 context 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，哪怕这个东西看上去很奇葩，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Ploud其实很厉害，因为它定义了一个产品形态。但后来你发现有很多人做各种Ploud，长成各种形状，贴在手机后面或者天啊，我觉得那样的话就变成了一个跟风，这个就有点跟风了。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，有播客讲这个，所以他要做一个只是 better 的一个产品啊。
嗯，哎，所以播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。那小俊的博客听的人这么多，就我觉得大家会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，嗯，用一些app转成文字嘛。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。
你听了七个小时，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。那些我也不开车，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，你看这个文字稿好长啊！对，很长。你能读完？肯定比我听的时间短。我会读完吗？比如说你两个小时的播客，我肯定不用两个小时读嘛。不愧是一年能读一百本中信的。这个这个应该是这样的吧？比如说你那七个小时播客，我读完应该不用七个小时。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呀？
嗯，首先我确实也是用这个 Agentic Coding 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，然后我去年年终的时候，我用 Cloud Code，我发现它能做到百分之八十的任务，但是它离真正把它发布上线、调通我日常使用，其实还是差临门一脚的。现在，但是我在今年年初确实我用了之后，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，比如说我的播客、我的 newsletter，然后我的会议纪要，然后我的各种我写作的内容，每天都有好几个爬虫把它整理到一起，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这些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。
啊，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。嗯嗯，所以我自己感觉的话，确实AI生产力的提高在投资行业是很实实在在的，因为投资行业确实，嗯，大量是信息嘛，啊，就是这个分析嘛。然后我最近也在想一个问题，就是。越来越多的很自然的，我们就把很多思考就外包给了 ChatGPT 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？那我觉得和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，呃，所以其实可能并没有真正理解这件事情。呃，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，对吧？
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一千年前的人类，很多人从这个身体上可能是要更加弱的，因为我们大量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。
啊，所以现在很多事情，但是记不住事情，但是我要去搜索一下。那现在我们正在把思考外包给 AI。Angel Cabassi 他就说一个话，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？我要去那地方刻意的运动。那可能当你的很多思考外包给 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，我为了准备咱们的这期播客，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，以怎么来的？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，但作为一个快四十岁的这个中登，你的想法可能是比我二十岁创业的时候要少了很多。
我感觉，虽然现在我坐拥各大 coding agent 的订阅，每天有很多 AI 等着给我打工，但它干什么？其实我觉得这是一个很多人遇到的问题。对我也在想，就是现在等于有很多 AI 程序员等你调遣，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 web app，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。就我有一个不愿透露身份的朋友，可能就要林总吧，他就是每个月要烧一万美金的token，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过什么东西。
我说你这个有点像奥马咖菜对吧？今天去鱼市上看到有条鱼，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。你用它做什么好玩的事儿？呃，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，Oppo
Aura这些，我就做了一个 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 共创做一个，就是鼓励朋友之间这个互相比较自己健康数据的应用。哦。啊，然后他们的初衷是要督促我减肥。他们就说这个我要做一个 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，因为我来一起开发吧，所以我们也用这个 agentic 协作。
但很多东西确实好像不是什么直接能产生商业价值，但是我觉得在这过程中，比如说我们知道用 AIGC 一起协作做一个事情，好像这个到底难点在哪儿？其实我觉得也是个很有意思的一个体验吧。嗯，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啊？包括失业。我觉得失业可能确实是不可避免的，因为现在的技术的扩散速度更快了，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，锻炼自己使用AI的能力，从自己的职业安全性来讲，其实也是很重要的。嗯，因为谁能驾驭好AI，可能就更难失业嘛，对吧？但是目前来看呢，确实AI毁灭价值的速度比创造价值的速度要更快。现有工作被替代很快的时候，公司会变得更高效，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嘛。
在这种情况下，我估计确实很难说，因为会有失业，所以AI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、海地是赚太多钱了？嗯，其实这也是为了社会稳定的一个举措吧。嗯，那我觉得现在我们看到的是AI的一阶导，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，因为我们一直来看，新工作的产生是需要时间，但是呢，它会产生在很多你想象不到的地方。啊，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。啊，因为当时这个煤矿越挖越深，越深之后容易积水，积水之后容易塌方啊，所以很危险。
当时的蒸汽机呢，它只能做直线运动，所以它就只能在这个抽水这个场景。然后后来，瓦特其实发明了冷凝器和行星齿轮，他把这个往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，尤其是带动这个纺织机，当时这个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。纺织业的进展之后呢，每个人拥有的衣服变多了，那带来一个需求是对颜色的需求。
啊，因为以前你就几件衣服，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，现在的巴斯夫、拜尔这样的这种化工巨头，其实当时是开染料作坊的啊，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。但是历史上来看，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，产生了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？所以那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。
嗯啊，那在这个过程中的话，可能要不然呃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儿已经好像变得确实被替代了很多，所以可能带来的度呢也会更大。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 Cloudberry 用多了之后，会不会有一种很强的对它的信任感和依赖感？它能够很好的帮你把很多事情都做好之后，你会天然很信任它，然后你会跟它一种协作关系嘛？因为你跟他一起协作做了很多事情啊。这个时候，我忍不住的告诉他更多。对啊，你会很依赖，发生更多，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。
嗯，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会儿，我就观察很多人其实拿它不是说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，OpenAI当时还有一个特点就是它的那个对齐文件写的是比较有人味儿的。
就是跟 ChatGPT 或者这些相比，它是比较给人一种一点点拟人感，但又没有特别拟人啊，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。嗯，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，心理依赖度也提高了。依赖度就是现在，如果把 AI 从你生活中拿掉，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，呃，就是我们也不给什么大家建议了，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？你怎么想这事儿？因为我孩子刚上幼儿园，我就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，人会剩下 agency 和 taste 啊，这是很多人在讲的嘛啊，说 AI 干活，你有这个 taste。
我忽然意识到，Taste人也很难啊。AI那么聪明，他又见过那么多的好的数据，他的Taste绝对是远超普通人类的。所以我后来意识到，Taste 可能也不是人类的什么专有的阵地啊。因为想那 AI 做的 PPT 很好看，那我一看，所以我认为 Taste 这事儿也不靠谱。可能到目前来讲还是 agency，就是说，不管他做了多好，要做什么还是你跟他讲的。
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，如果突然一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。但是如果你刻意去想，对吧？呃，可能你发现哦，还有很多事情可以变得更好。那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所有问题，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。但是现在下一个方向也是 proactive agent，对吧？这个 proactive agent，它顾名思义就是说我要有，agent 要有更强的 agent，对。那这个时候呢，可能就更加是一个有挑战了。所以我后来在想，现在的 AI 如果基于现在的这个模型结构呢，它能很好的解决人类已经拥有的数据，就是 within distribution 的事情。
但人类其实很有意思，就是有少部分人类他能创造 out of creation 的事情，他能创造一个之前人类从来没见过的事情。你会发现现在 A I 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 rephrase，嗯，但是他讲不出一个原创的笑话，所以这个其实挺有意思的，就是为什么有的人能够创造出 O O D 的内容？
对啊，比如加罗华二十多岁就能够搞群论，对吧？为什么？就这里面，我觉得还有很多可能是对于人脑的研究啊，包括像这个关于杨德坤也好，或者是有都挺多那个Sutton，就是说松鼠的智能，我们人类还没学会呢。猫的智能，对吧？就是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。嗯，但如果一个人能产生的内容是 out of distribution，是能够创造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。嗯，但这个可能就是叫好奇心也罢，创新性也罢，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了，就脑力变得很重要。所以那个时候就开始读书改变命运。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？你原来挑来体力没有用了。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，知识已经变搜索引擎替代了，所以大家开始想要动手能力啊，比如写代码、动手能力这些。
但是呢，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 的什么，但可能这个 taste 的之间也会被，就是做对了没有啊，也会被 AI 取代掉，因为 AI 可以去跑实验，去获得很多 reward，去最后做什么，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。对，我觉得这个是一个我在那边在想，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。所以我就说，从多用AI，多做点稀奇古怪的东西开始。哎，录播后经常会有被打脸的时候，你还会继续录吗？对，之前我跟王总说，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，就对自己产生某种flag。
然后娃总就说，啊，娃总就是纪克的CEO，嗯，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，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，那有的地方是就糊弄过去的。
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，嗯，我觉得是一很有价值的，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，大概率不是因为他永远正确，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。嗯，我其实是在想要被打脸的一个工作中，好享受被打脸。那所以我们这个会继续延续下去做吗？可以啊，我们可以下次下次可能又会被打脸。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。We'll explore the
new world from here. Shouting out so the clouds can't hear every heartbeat, 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.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。We'll explore the new world from here,
shouting out so the stars can hear. Every heartbeat, drawing the map.We steer. We'll explore the new world from here. Step by step to the top to
cheer. We're the start of the story. This world, we'll hear. We'll explore the new world from here.