硅谷 AI 大转弯与二级市场的牛市｜对谈莫傑麟

There's something there.

我们今天非常难得又约到了莫杰林的时间 。 莫杰林已经来参加过我们非常多次播客了 ， 然后今天我们在硅谷又见到了 ， 就赶紧拉着他一起录一期关于硅谷的 AI 啊等等相关的内容吧 。

来 ， 莫杰林 ， 跟大家打个招呼呗 。

哎 ， 哈喽 ， 大家好 。

我们上一期播客是年初还是去年底 ？

年初的时候 。 第一期讲乐观嘛 ， 第二期讲英伟达 ， 第三期是我问你答 ， 问关于国内的 AI 的发展情况 。

你记得非常清楚啊 。

对 。

所以今年以来 ， 你觉得美国这边 AI 市场 ， 包括经济啊 、 二级啊等等 ， 大概是一个什么趋势 ？

我觉得今天发生了非常多的事情 。 从去年大家讲技术训练壮强了之后， 到今年大家感受到是一个完全大的转弯 ， 就是大家会开始逐步地去打造一个共识 ， 觉得 AI 的发展又进入到一个非常快的阶段 。

然后这中间我觉得最重要的一个发展 ， 就是用 Token 的消耗量来衡量 。Token 的消耗量就类似于互联网时间我们讲的流量 ，retention 这套指标 。

然后大家现在去观察 Token 的消耗量的话 ， 到今年我们所有人都会被惊讶于就每个季度之间的这个消耗量的增速 ， 包括到 7 月份 ， 再到 GPT-5 发布之后， 整个 Token 的消耗量在不断地往上涨 。

我觉得这个是其他一切事件的一个最中心的趋势吧 。

哎 ， 这个你还记得大概的数字吗 ？Token 的增长大概是什么样 ？

我自己印象最深的一个数字是 7 月份 ，在 6 月份基础上增长了 20% 以上 。 然后这个数字其实是非常像当时移动互联网时间增长最快一段时间的趋势的 。

我不知道国内是多少 ，在美国这边其实整个应用的 ， 包括整个对于模型的 adoption 的时长 ， 从消费者再到企业都是越来越长的 。

然后这个趋势我觉得是从一个大家原来还在期待 AI 是一个外来武器 ， 就一直希望它能够不断地告诉我它 AGI 了 ， 它能做到一些人做不到的事情 ， 已经逐步转化又嵌入每一个 workflow、 日常生活 。

这个转变在今年其实是一方面很默默 ，因为大家没有在关注这个事情 ， 另外一方面又以一种很快速的趋势再去延伸开来 。

那这背后今年发生了特别多事情 ， 比如说开源和闭源的模型 ， 中国的模型 、 美国的模型发了很多版 。在这方面 Infra 的建设其实也有很大的进展 ， 然后应用从中国的应用再到美国的企业端的应用 ，其实也出现了很多的亮点 。

所以在整个 Token 的加速的背景下， 我觉得整个行业从最底层的 GPU 模型再到最上层的应用都有很多的发展吧 。

所以今年整体一句话给我的感觉就是不断在提速 。

哎 ，但比如说我们回到刚才讲 Token 消耗这个事情啊 ， 就我能想到 Token 消耗 ， 第一是肯定有非常多的人在用大模型 ， 这个是一种提速的方式 。

然后呢 ， 各种企业内部 to be 的消耗和场景是一种方式 。 最后可能就是说各种在模型之外的一些应用的消耗 。在你看来 ， 或者我不知道有没有什么数据支撑啊 ， 就这几块到底各自的增速是怎么样的 ？

有很多 research 的机构 ， 比如像 Semianalysis， 像国内也有些做了好的研究机构 ，其实在试图去还原这个消耗 ， 会给出各种数据出来 。

目前看起来整个消耗量的大盘还是在几家核心的 AI lab 手上， 像 OpenAI、Anthropic， 包括 XAI，他们自己的消耗量增长得比较快 。

如果去拆开细分来看的话 ， 第一块当然是 AI lab 自己产品的增速 ， 第二块其实是很多 to C 应用的生产力工具的增速是很快的 。

哎 ， 我确认一下， 就是当你说 Anthropic 和 OpenAI 这种增速快的话 ， 你指的是它本身的应用 ， 还是你把它的 API 那部分消耗也算进来 ？

哦 ， 它本身的应用 。

OK， 那就是说其实大多数场景还是大家越来越多的用大模型 。

这块其实是一个非常强势的一个增速 。

那你去看国内 ， 比如说豆包啊 ，DeepSeek 应该也是最大的 Token 消耗增速的贡献来源 。

我的感受应该是 ， 包括大家去看 ChatGPT， 它的日活和使用时长其实是在一直增长的 。 它的增速其实跟移动互联网时期那些社交产品其实越来越类似 。

哎 ，但这个的原因是什么呢 ？ 因为你看国内很容易理解 ， 从年初 DeepSeek 出来以后， 肯定是有很大的一波提升的 。

包括我们知道 ， 可能因为 DeepSeek 这件事 ， 它的很多竞品其实也都有了两倍以上的数据的变化吧 ， 就是真的是把整个行业带起来 ，而不是零和博弈的一个事情 。

但海外比如说 GPT 最近发了 5， 我们后面也可以聊一下大家对于 5 的一些褒贬不一的评价 ， 对吧 ？ 但在之前的一段时间 ， 似乎没有什么太大的变化 。在美国这边的模型上， 尤其是 GPT 上， 为什么它还是会有一个还不错的增速 ？

这一块其实我觉得有一个认知上今年我觉得最重要的一个迭代是 ， 为什么我们一直在讲 AGI， 包括从 24 年大家就开始特别期待 GPT-5，因为有一个假设 ， 大家是希望模型来证明自己有超过常人的能力 ， 所以让大家有需求去 adopt 模型 。

原来的 scaling law 这条线其实主要的隐含意义是这个 。 我自己从今年 1 月份之后就开始感觉到 ， 这是其中一个很重要的推手 ， 就是你模型变得越来越强 ， 大家去找到更多的场景 。

但是从另外一方面 ，其实我感觉到需求其实是非常强烈的 。 这个需求本质上是什么呢 ？ 从企业端来讲 ， 就是解放生产力 、 替代人， 或者说至少在有人的工作场景下稳定性提高 。

从消费者的角度上讲更简单 ， 比如说我进一步地替代搜索了 ， 进一步地去完成一些工作的场景 。 所以我今年一个很重要的迭代就是说 ， 模型哪怕在这个级别上它不进步了 ， 它的使用场景的解锁其实已经是非常充分的 。

然后需求端其实是比大家想的其实是要强很多的 。 那在这中间呢 ， 就开始进来了 ， 除了模型 AI lab 以外的其他的一些角色 ， 比如说做应用的公司 、 做 Infra 的公司 ， 就会在现有的这个模型的智能的角度下 ，不断让这个事情越来越可用 。

所以这些东西合在一起 ， 简单来说其实除了模型本身变好了之外， 最重要一个点是从需求端 、 客户端 ， 包括创业公司 ，其实都让这个东西的可用性变得越来越强 ， 需求在越来越释放 。

这个其实我自己感觉上是非常像移动互联网产品的逻辑的地方 。

你看我们去年前年的时候讲这件事 ， 就尤其是去年吧 ， 如果要说有一个关键词主题就是 Scaling Law，但如果按你刚才讲这个逻辑 ， 似乎就是大家在谈 Scaling Law 的时候的预期是说它的性能能呈指数的提升 ， 甚至于真的说能去碰 AGI 的一些边 。

但目前看来的话 ， 似乎就是大家没有这个预期 ， 或者说我们不用把预期放那么高 ， 我们就发现现在的模型好像已经能做很多事情 ， 然后大家慢慢地把这些应用场景探索出来 ， 然后就自然地有更多的落地 ， 可以这么理解吗 ？

非常准确 。 因为讲 Scaling Law 那个阶段 ，其实核心的一个名词是 AGI 嘛 ， 现在的点是怎么把它越来越产业化跟工业化 。

所以你用的是 Token 这个指标去衡量 ，而不是用以前的各种 benchmark 的标准 。 那 Token 里面就刚刚讲到 demand 端 ，其实就是消耗量 ， 还有另外一个端 ，其实你每期播客我都有提 ， 我看今年请了很多做 Infra 的创业者来讲 ， 这些人在做什么呢 ？

就是让整个使用的体验变得更好 ， 然后 Token 的体验变好 ， 甚至让 Token 的成本降低 。其实现在就已经从 Scaling Law 大家逐步转到 Infra 层面 ， 去让整个使用环节 、 消费环节变得越来越经济化 ， 速度越来越快 ， 然后整个使用体验越来越好 。其实 GPT-5 也完整地在说这个事情 ，GPT-5 其实没有试图证明自己比其他模型的智商是高多少 ，但它在讲的是说 ， 你看它把很多以前的

模型引掉了 ， 它把很多 Stack、 很多 Infra， 包括它很多前端的界面都做到了自己的这个模型里面去 ， 然后整个开发者的生态 ， 大家反应其实也是说这是一个很好用的模型 。

所以其实 GPT-5 从这一代开始证明自己离 AGI 越来越近 ，也从 Scaling Law 转变为我的整个 Infra 的能力 ， 模型的使用性 、 易用性其实越来越强 。Infra 的更准确的一个衡量指标就是 Token， 那不同的公司在 Token 这个指标上面选取的截面其实不一样 ， 比如说应用公司肯定还是 Token 的消耗量 ， 那 Infra 公司 Benchmark 可能是说 Token 的传输速度 ， 包括成本 ， 往这条线上去在做 。

所以我觉得是一个从技术的早期跨越到现在在逐步产业化 、 加快工业化这么一个时间 。

所以它已经到了应用阶段了 ？

我觉得已经过了应用阶段 ， 反而是在一个怎么去在应用的生态里面让它加速的产业化的这个阶段 。

聊天对话框这个形式其实已经完整地到应用阶段 。 应用阶段我觉得最后一个更新其实是 Agent 这件事情 。

我觉得 Agent 其实特别像什么 ？ 特别像移动互联网时代的 APP 的那个界面 。 以前是说每个公司它一个产品需要有一个 APP， 现在是说我一个使用场景或一个产品需要有一个 Agent， 这个东西定了之后 ，但是你的整个 Infra 其实是不够完善的 ， 比如说你的稳定性 、 你的消耗速度 ， 包括现在 Token 的成本 ，Agent 其实对 Token 的这个使用成本大家还没开始节约 。

现在比如说我们用 Manus 会发现它那个 credit 很快就用完了 ， 那整个这套东西的优化 ， 我觉得已经进入到产业化和工业化的阶段了 。

对 ， 所以我们如果做一个总结的话 ， 就今天的第一个我觉得比较大的结论就是在今年之前 ， 可能大家看的核心都是 Scaling Law， 都是能不能实现 AGI， 然后今年呢 ， 把 Scaling Law 就转成了 Token 消耗 。

对 。

那这是不是意味着大家就觉得 AGI 不重要了 ， 或者说肯定实现不了了 ？

这里面也有一个很有意思的事情 ， 就去年某一次播客里面有提到说大家对模型跟应用的分工的问题 ，其实今年我觉得大家逐步也达成了一个共识是说 ， 第一个是模型还是一个足够强势的位置 ，因为在 AI 产品这件事情上面 ， 最重要的一个差异点其实还是在于智能水平 ， 就是你能不能让你的用户感受到这个东西是智能的 ，是能够替代人， 或者说高于人

去做一些事情的 。 所以说模型的进展本身还是非常重要的 ，但它需要被封装在一个商业环境 ， 或者跟 Infra 一起变成一个产品 ， 变成一个 solution， 就是我到底提供了什么商业价值 、 产品价值 ，而不是单独地去 show muscle， 说我这个模型很厉害 。

我觉得这是一个转变 。 另一个方面呢 ， 尤其 Manus 出来之后啊 ， 大家会 debate 非常多 ， 就是应用 ， 或者说简单点叫壳 ， 这个有没有价值 。

但现在呢 ， 我觉得也是随着 reinforcement learning 发展 ， 大家也逐步达成一个共识 ， 虽然我的 RL 的这个时长在扩大 ， 然后使用场景在变多 ，但是除了 coding 和数学之外， 大家找不到一些做 validation 的方式 。

所以大家就是说 ， 那我是不是可以用一些产品的形式先让大家使用起来 ， 然后我看 Manus 出了一个叫 Context， 就提供更多的 Context layer， 或者说 Context 下面 Agentic 能帮你做一些事情 ， 就从纯产品层面去找到一些点 。

所以今年从这个点上来讲呢 ， 模型还是很重要 ，但是需要被封装 ， 需要变成一个解决方案 。 另一方面 ， 大家也意识到说其实产品层面 Context layer 的东西也很重要 ，是这个 solution 或这个产品的一个部分 。

所以今年呢 ， 就是把模型 、 产品以及模型跟产品之间的这 Infra， 大家会变成一个又一个的东西 。 那这个东西背后是什么呢 ？

就是 Token， 就是以 Token 消耗量为主轴的这么一个 。 让我的 Token 怎么变得越来越有价值 ， 就是智能 。Token 怎么变得更便宜 、 更丝滑 、 速度更快 ， 这就是 Infra。

那 Token 这个使用场景能不能提供更多的数据反馈 ， 甚至让它帮你做事情 ， 这就是 Context layer 和 Agentic layer 在做的事情 。

所以整个行业已经从单一的讲 Scaling Law，其实已经变成一套产业 ， 这个产业已经开始逐步地清晰是不同的位置上的这些选手 ，他们自己在这个位置上能做的事情是什么 。

我觉得是已经默默地过渡到这么一个环节 。

嗯 ， 我觉得有几个点啊 ， 第一是说从过去两年多的 AI 的发展来讲 ， 首先我同意说现在的应用公司都是基于模型能力去做的 。

我们在很多场合讲过很多次 ， 比如最早的我们一直在提的 CAI 陪伴类产品 ， 它其实就是因为 GPT-3.5 等等这种聊天能力出现了以后， 它可以套壳去做一个陪伴类的聊天产品 。

然后 Agent 呢 ，其实都是基于 O1 的推理能力 ，在套壳去做了一个 Agent 型的产品 。 所以我们在很多地方讲说 ， 本质上这波 Agent 跟上一波的 CAI 在某些层面是类似的 。

这也是为什么我们最近在看 ， 比如说多模态 ， 就多模态模型如果能解锁很多能力以后， 那如果我能更好地去套壳多模态模型 ， 那个时候的 CAI， 或者说是那时候的 Manus 到底是什么 。

我觉得这个是一条维度 ， 就是说套壳公司不断地基于最新的模型能力去做事情 。 但最近呢 ， 我觉得就包括我们刚才聊的说模型更多地它没有去追求 AGI， 它更多追求的整合 ， 更多追求应用 ，但我觉得这里面有一个不是那么健康的趋势 。

第一 ， 我们从 AI Coding 这个市场来看 ， 美国也卷得不像样子 ， 对吧 ？ 我觉得卷得有点像国内早年市场竞争的感觉 ， 就是大厂也做 ， 然后公司之间互相竞争 ， 互相又有合并 ， 又有 Buy out 等等。

感觉是 AI 虽然大家都在讲应用 ，但真的有 PMF 的东西还是相对比较少的 。 然后有了一个呢 ， 大家都看到都开始做 ， 大厂也做 ， 模型也做 ， 应用公司也都在做 。

我觉得这个是一个点 。 另一个点就是你看像 OpenAI 什么的 ，他们自己也在出 Agent 的产品 ， 包括你讲他们把各种 Infra 都集合起来 ， 那相当于说之前是模型专注于提升智能 ， 智能提升一步就会有更多的能力解锁 ， 然后就会有更多的套壳公司出来 ， 然后套壳我们当然一直是觉得是褒义的 。

然后现在呢 ， 变成说模型解锁智能 ， 然后套壳公司出来 ， 然后模型发现要解锁更多智能很难 ，但我可以把那些已经有 PMF 的套壳我的人的那些东西我顺手做掉 。

这个反而不是你说的大家有各自的分工的一个感觉 。

我觉得这里面有一个很有趣的事情 ， 就是我是觉得现在的公司跟以前的公司还是有一点不同的 。 以前我们会习惯用一句话去总结一个公司 ， 比如说自己就是 APP 工厂 。

到 AI 这个时代的时候 ， 我也感觉到我们会习惯用一句话去定义 OpenAI 的特点是什么 ，Anthropic 的特点是什么 ，Google 的特点是什么 。其实 Google 特别典型 ， 大家就觉得这公司技术人才储备很强 ，但是什么什么不行 。

我的一个很大的感觉是什么呢 ？ 是技术跟产品这条线到底是不是可以融合的 ， 包括国内我们 debate 很久 ， 比如这公司到底是个技术公司还是个产品公司 。

那不就是很多人经常讲的模型级产品 ？

对 ，其实我觉得这两个东西在现在的新的组织里面 ， 它是能够逐步融合的 。 能融合到什么程度 ？

比如说 OpenAI 到底能不能变成一个腾讯 ， 或者说像字节这样的应用公司 ，其实这个不确定 ，但是你明显能感觉到它是在融合 。

包括 OpenAI 其实今年招聘了很多创业公司的 founder 去内部做产品 ， 包括你说的 coding， 包括 Agent 这个产品 。 所以我觉得它的融合是被忽视的 。

就是说现在这些公司它在试图既做模型也做产品 ， 当然会有谁更强谁更 decision making，但是大家是在尝试在做的 。

包括你像 Manus、Jens Park 这样的公司 ， 它其实也做了一部分的技术的部分 ，Infra 的部分 。 像 Manus 的 Sandbox、Jens Park 的 Tools， 包括他们肯定要做 Browser 这些 Agentic 层的这些东西 。

所以我的第一个感觉是说 ， 分工问题上其实是模糊的 ， 就是这些组织它一定会去探索 ， 我一定逐步要把产品接进来 ， 我的产品跟技术是不是 OK。

为什么呢 ？ 因为从逻辑上来说 ， 如果你最终的产品的使用形态是 Agent，Agent 本身是能提供一部分数据的 Context layer 这个闭环回去到模型里面去的 。

所以这个东西其实公司一定会有企图心去说 ， 我一定要尝试去拓展这个边界 ， 我既做技术也做模型 ， 甚至于他们会做一部分 Infra 的事情 ， 包括自研芯片 ， 包括自己很多 Stack，他们自己也会想 incorporate 到自己的模型里面去 。

所以这里面有个隐含的一条趋势是说 ， 这些公司它会试图 ， 可能真的是除了 GPU 那一环 ，他们可能从 Infra 开始试图去拓展 ， 说我的公司是不是都能做掉 ，是不是自己真的可以做一个端到端的一个东西 。

所以我觉得这个部分的变化其实是从美国这边就体现为 ， 就是说大家比较熟悉的 OpenAI、Gemini 都开始做产品 ， 反应速度越来越快 。Google 今年很典型 ， 那应用公司像 Manus 这样的公司 ， 包括 Cursor， 开始在 train 模型 。

所以这个边界我感觉今年是模糊掉的 。

对 ， 我觉得在移动互联网时代 ， 很多人对美国市场我觉得有一个大概的感觉 ， 甚至于我觉得可以说是个误解 ， 就觉得美国市场呢 ， 大家都各自做各自的 ， 非常的垂直 ，也不严战也不竞争 。

但我们看这波还挺明显的 ，其实它竞争完全不比国内更轻松 。

是的 。

尤其是 AI Coding 这件事情看起来 ，其实竞争我觉得只会比国内更激烈 。 但是我想讲的是什么呢 ？ 就是如果模型和应用公司能够互相促进 ， 我觉得肯定长期是个更好的事情 ， 对吧 ？

就是比如模型今天解锁了 A 能力 ， 然后一个应用公司它发现我可以套壳 A 能力 ， 然后去想一个很好的应用场景找到 PMF， 然后模型发现了这个事它就也开始做 。

同时呢 ， 模型的智商和其他能力也在解锁 ， 然后这个公司呢 ， 它具备的是很好的组织形态 ， 很好的认知 ， 很好执行力 ， 它在继续做更新的事情 。

我觉得如果真的是能达到这么一个平衡的话 ， 那至少在未来几年我觉得是一个很好的事情 。 但这个的前提可能还是模型本身的能力 ， 未来到底能解锁到什么程度 。

然后还有个点啊 ， 我觉得就是甚至于在过去几个月的时候 ， 我还以为各个模型它其实都有自己相对明确的分工 ， 比如说 Anthropic 是专攻 Coding， 比如说 OpenAI 专攻 Agent，但现在看起来好像也不是这样 ， 全都卷到一起了 。

是的 ， 我这个感受很明显 ，因为其实很多工程师都有投 Anthropic 二手的份额 。 大家为什么投资 Anthropic？ 因为这个公司非常专注只解决文字模型的 Scaling Law 和 AGI 的问题 ， 然后 Coding 特别强 。

今年一个很大的转变先是 Gemini，Gemini 出了一个其实 Coding 能力也很强的模型 ， 再是 GPT-5。GPT-5 出来之后 ，其实我们私下聊的一些数据里面 ， 它的 API 的增速也是快了很多 。

所以我的感受就是一个大融合 ， 我们没有办法用一句话去定义每一个公司它的优点是什么 。 可能这个时代最重要的优点就是不能有短板 ， 那大家一定会在每个环节上都去试 。

以前可能是抢场景 ， 比如说我做了这个社交 ， 我去抢周围的一些场景 ， 现在呢 ， 可能是抢整个从最底层的 Infra 在最上面应用做的东西是不是越来越多 。

确实今年这个感受是比较强烈的 。

对 ， 然后我觉得有可能是因为有 PMF 的东西还是太少了 ， 所以大家看到你觉得也不太可能就不去做 ， 对吧 ？

比如 Coding 都已经这么热了 ， 然后 Coding 给 Anthropic API 贡献的收入一定是非常高的 。 那你说 OpenAI 说我就是放着这个不管 ， 我就让你发展 ， 好像也不太可能 。

所以可能未来一段时间还是会持续比较激烈的竞争吧 。

对 ， 尤其模型这边 。

嗯哼 。 然后在其他方面呢 ， 一些 Tools 和应用上呢 ， 你有看到什么比较有意思的事情 ？

其实刚刚讲到模型这个事情 ， 很多人都会去讲的一个叙事 ， 就是说技术的结构的进展一般两到三年会来一下 。

最近的一个技术进展应该是去年 10 月份的时候 。

就是 O1。

O1 的模型 。 回头去看 O1 这个模型 ， 它解锁了情商这件事情 ， 就是让聊天这个事情变得更丝滑了 。

然后在这个场景之下 ，其实就出现了非常多的应用 ， 大家就会开始去做 。 这里面呢 ，有两个点我的印象是比较深的 。

第一个点就是说大家不再 debate 应用能做什么了 。 原来我们在提到模型的时候 ，其实有个最基本的东西是泛化 ， 就觉得模型的智能水平能泛化到所有场景 。

对 ， 当时聊的很多是什么泛化 、 涌现 。

对 。

现在都很少有人提到了 。

对 ， 现在大家已经逐步接受说 ，其实我能够在 RL 层面做到 validation， 或者我甚至能给出准确 reward 的这些场景里面 ， 除了数学 Coding 之外 ，其实是相对比较有限的 。

所以这也是 Echo 回为什么模型它一定要做 Coding， 一定要解决能够做好 validation 的这些东西 。 但会有很多场景呢 ， 你会发现还是需要人在这个过程当中的 。

需要人在这个过程当中的这些事情呢 ，其实我觉得是应用里面一个很重要的一分水岭 。 我觉得这是第一个点 。

所以大家也逐步开始尊重说 ， 哎 ， 为什么有一些场景 ， 就是有一些行业背景的公司可能会做得比较好 ， 比如像 Hofi 就做法律的这个公司 ，其实它现在目前还是 AR 最高的一个垂直应用场景的公司 。

然后今年一个很大亮点其实是医疗 ，有好几家医疗创业公司的 AR 其实增速也很快 ，并且是如果我们去做一些实地的访谈 ， 你会发现说这些医疗机构对这些医疗公司的评价是非常高的 ， 觉得他们在解决很多问题 。

然后就是金融的场景 ， 你会发现说这些垂直场景的 PMF 其实是有的 ，但它可能不是体现为技术的形式 ， 技术只是它的一个锚点 。

它其实还是解决了很多 workflow， 解决了很多行业特殊的语言环境 、 使用环境的这些问题 ， 然后让智能在这些场景里面找到一些用处 。其实又 Echo 回来 ， 我们在讲到底应用跟模型之间的这个分界点里面 ，在 Context 这个层面 ，有一些场景它就需要这些东西 。

那它会演绎为比如说是合规 ， 会演绎为是说一整套的 documentation 也好 ， 它会演绎为很多这种具体的场景的事情 。在垂直场景里面大家是找到很多 ， 包括我们前几天有一起见一个做保险的公司 ， 你会在这些应用场景里面会找到这种 PMF。

另一个应用这边其实很激烈的就是中国的创业者 。 中国创业者其实它从模型到 Context 间 ，他们解决了一部分 Infra 的问题 ， 然后让消费者率先一步感受到智能这个东西 ， 找到一部分场景 。其实这个也是今年很重要的一个亮点 。在 Manus 之后，Jens Park、Fellow 很多产品其实我们看到增速其实都还是蛮好的 。

所以基本上这两个场景还是发展比较快 。

呃 ， 我们先再回到模型再聊一个点啊 ，因为你刚才提到了 O1， 包括其实最近一年以来大家提到 Agent， 提到 RL 基本就提到 O1。

但如果大家有印象的话 ，O1 刚发的时候其实是没有什么声音的 ， 大家似乎都觉得说好像没有什么变化 。

那正好 GPT-5 刚发嘛 ， 似乎大家也觉得 GPT-5 没有怎么样 。 所以有没有一些点是可能比如说明年的今天倒推回来去看说 ， 哦 ， 原来 GPT-5 它其实某一个工作是特别有意义的 ，是有能解锁的一些新东西的 。

我觉得很有 ，其实你提到上半句我共鸣很深 ， 就是今年像 OpenAI、Google 的模型去拿了 MO 金牌 、 银牌的这些事情哈 ， 就它说明什么问题呢 ？

就是其实我们已经没有太多工具可以去评估模型的好与坏了 。 我觉得已经过了那个阶段 ， 甚至我觉得到现在来讲 ， 我在很多使用场景里面 ，其实我已经很难评估模型是进步了还是不进步 。

这个其实又 Echo 回我们一早说的那个 ， 进入到工业化跟产业化的阶段了 。 那工业化跟产业化里面 ， 大家会去评估的最重要的指标是什么呢 ？

其实我觉得是成本 ， 对吧 ？ 因为你只有足够便宜 ，在性能不变的情况下， 它的产业化速度就是会加快的 。

所以我觉得现在已经从用户最早期去感受模型智能 ， 现在也就是让模型智能变成新一个工业化的开始 。

那在这个过程当中， 本身我们去评估模型这件事情重要性其实已经在变低了 。 这是第一个点 。 另一个点你提到了后半句 ， 就是说大家当时对 O1 的评估 ， 我觉得是有一个预期的差异的 。

大家预期是说这个东西可以一下帮我解决很多事情 ，但是呢 ， 我们回头去看 ， 我们其实是当时没有准确的定义说一下解决很多事情意味着什么能力 ， 意味着怎么去评估这个模型 。

但后来大家发现 ， 随着 RL 的这个时长变得越来越长了之后， 你最直观的感觉就是它很懂你 ， 它的情商足够高 ， 它能够更容易的听懂你说的话 ， 它降低了用户 prompts 的难度 。其实这个在产品层面这个点是比较清晰的 。

那第三个点就是 ， 我个人觉得 GPT-5 是一个非常重要的转折点 。 第一个呢 ，是你看股市上面已经极其急落 ， 就是大家对于 AGI 的预期其实已经被不能叫抹平 ， 已经大大幅的被修正了 。

然后 GPT-5 其实开展了一个新的开端 ， 就是说那我们在拼什么呢 ？ 我们拼的是我们 full stack 的能力跟效率 ， 就是我这个模型 OK 是好的模型 ， 同时我这个模型是能被大家去用起来的 。

甚至你看它分为 thinking without thinking，在商业上来讲 ， 比如说它 RL 的 Token 和 Coding 的 Token， 这些全部计价分开 ， 找不同的执行团队去销售 ， 去做这些事情 。其实你已经明显的 GPT-5 进入到一个加速产业化 、 工业化的这么一个阶段 。

但这个岂不是进入到所有国内创业者的舒适区了 ？ 比如说如果说它拼的是整合 ， 拼的是 Infra， 拼的是工程 ， 那我觉得 DeepSeek 不会比它差 ， 或者只会比它更好 。

我觉得逻辑上是 ， 我感受到的一个共识就是说 ， 除了 Thinking Machine 之外啊 ，因为 Thinking Machine 的产品 demo 三季度才会发 ， 除了这个公司之外， 确实大家是接受了我现在的模型架构就是这个样子了 。

我的智能水平是来自于每个环节去挤出来的这么一个增速 。 当然了 ， 你从 pre-training 到 post-training 到最后的应用 ， 挤出来的这个智能水平的叠加还是乐观的 ， 它还是一个几十的增长的这么一个区间 。

但是呢 ， 大家已经接受说这个结构就是这个样子了 ， 包括你像 GPT-5 它做了很多结构上创新 ，其实还是跟 Infra 有关系 。

我怎么更加的区分开来 ， 效率怎么更高 ， 包括今年这几家公司在 ASIC 的研发的速度上面其实都加快了 ， 大家都在围绕 Infra 做事情了 。

对 ，因为我们上一期播客正好是跟一博录的 Infra 主题 ， 确实我跟他聊完以后也才意识到原来 Infra 是这么重要 ， 对于模型的影响会这么大 。

很明显啊 ， 比如说 Manus 那个 Credit， 我给它 prompt 一个问题 ， 它是只做 Context 的这个理解 ， 还是它会在前端就有一个优化了模型帮助你去做 prompt， 这两个东西对 Token 的消耗量的差异其实是非常高的 ，但是还没有太多人开始做这个事情 。

对 ，而且你看像 DeepSeek 年初刚出来的时候 ， 很多人在讨论到底为什么 DeepSeek 这么强 ， 然后很多人最后会落到一个结论是 ， 比如说是不是它的组织形式 ， 还是说它像一个 Lab 一样让大家忙各自的事情 。

但我们上一期播客里面其实给出了一个特别好的答案 ， 就是因为 DeepSeek 本来它因为量化 ， 所以它就是具备很好的 Infra 的基础 。

然后梁元峰本人也是一个非常 Infra 的人 ，他自己也懂 Infra，他最近好像还发了一篇 Infra 的论文 ，他也是作者 ， 然后他们的优化指标也跟别人不一样 。

就因为种种这些东西 ，其实最后它可能能够成功的一个核心原因就是落在 Infra 上面 。

我有听一博那期播客 ，其实我觉得讲的非常好 ， 它主要是做多模态的 Infra。其实 Infra 我的理解是分为三块 ， 第一块是模型跟 GPU 之间的 ， 我怎么用卡这件事情 。其实我理解 DeepSeek 是在这个环节上是做的非常好的 ，因为确实就像你说的 ， 它在原来做量化的过程当中， 它积累了很多实操的工程经验 ， 它知道怎么能够把卡用好 ， 甚至能把上一代的卡用好 。

所以我觉得那个部分是第一块的 Infra。 那当你这个东西在往上走的时候 ， 现在会出现第二块 Infra， 就是模型跟应用之间的 。

目前在美国这边有一些代表公司 ， 像 Together AI、Fireworks，他们其实在做这一块 ， 就是俗称的帮你做推理的优化 。

这两家我觉得你可以稍微展开一下 ，因为比如说 Together AI 在硅谷很多地方看到它的广告其实还挺火的 。

我记得上次来印象很深的就是它其实在硅谷很多地方打 DeepSeek 的广告 ， 对吧 ？ 在它那能用到 DeepSeek。 然后 Fireworks 因为是一个华人创业者做的嘛 ，Meta 出来的 ， 一直其实都挺火 ， 然后最近又拿了更多的钱 。

我觉得这两家要不你可以稍微展开讲一讲 。

他们主要就是前段时间今天有一个事件 ， 就是 Anthropic 不再 serveWindsurf 的模型 。 嗯哼 ， 这个事情之后呢 ，因为原来这些应用公司它就是用这些模型公司的 API， 所以顺带着就是这些模型公司帮他们做应用的 server 推理的优化 ， 这套东西让你越来越快 ， 越来越稳定 。其实 Together AI 和 Fireworks 这批公司大概会有七八家 ，他们最早其实也是帮你做一些基础的设施工作 ， 比如说你要去 adopt Anthropic

的模型 ， 我帮你去做一些数据集的搜集 ， 我帮你做一些推理 ， 相当于是一个中间顾问商的这么一个角色 。

但是当今年 Windsurf 这个事情完了之后呢 ， 很多应用公司不会选择只在一家模型上去 serve 自己的应用 ，他们就会去找一个 backup 的这么一个 vendor， 然后这里面大部分人就会选择去 Together 或者 Fireworks， 让他们帮忙做推理的优化去 serve 他们的应用 。

这一层其实主要是他们在做 ， 只是现在有一个比较大的 debate 是什么呢 ？ 是会有很多人觉得这一层的 Infra 目前看起来是个 commodity，但是我觉得这块是要再继续观察的 。

像 OpenAI 和 Anthropic 这个类型的 AI labs，他们会把这些东西还是想要自己做掉 ，因为这块其实技术难度听起来不是特别高 ， 它主要是一个运营和管理的这么一个难度 。

然后另外一方面呢 ， 这一层很多东西其实是开源的 ， 包括英伟达也会希望这一层是开源的 ，因为开源了之后会有更多的应用 ， 你至少不要在我在推我这个 agent 时候出现问题 。

所以这一层的 debate 主要在于它是不是一个可以收上来毛利的这么一个业务 。 再往上走其实还有一层 Infra， 我之前听 Sheet0 创始人也上过你的播客 ， 包括磊磊讲的那个 Agent 的 Infra， 这一层就是纯应用的 Infra， 它就是在模型层再往上， 比如说你需要这个模型帮你去做事情 ， 订机票什么的 ， 这个叫 Agentic。

你像 Fellow， 包括你像 Manus、Jens Park，他们也尝试在做 Agentic。 为什么呢 ？ 因为你 Agentic 层做的越好 ， 用户的感知更明显 。 我们举个最简单的例子 ， 如果你跟模型如果只是对话 ， 用户呢可能觉得很好 ，但如果你对话完了之后， 它能顺手帮你去做很多事情 ， 用户的感知其实是完全不一样的 。Agentic 再往上还有一层就是 Context， 我到底是通过什么 Context 来跟用户交流 ， 这两层其实都

有 Infra， 包括我看之前 Manus 的 CTO Peak 也写了一个 Context Engineering 的一个 research， 然后也在讲这一层 。

我打断一下， 就你刚才讲第三层 ，其实典型就是 E2B Browserbase 这种吧 。

Yes。

那第四个在 Context 里面 ， 似乎现在还不算是有完全第三方的这种 Infra 公司吧 ？ 就因为 Context 是非常重要的一部分嘛 ， 很多应用公司就自己把这块做掉了 。

所以 Context 这个事是不是更多的还是自身的机会 ，不是第三方的机会 ？

我觉得是 ，因为它涉及到非常多了 ， 没有办法被 RL 去 validate 的东西 。

对 ， 它最后是真的一家公司的核心嘛 。

是的 。 我觉得这个部分其实跟移动互联网的连接是在整条线里面最紧密的 ， 就你对用户的理解 ， 包括我刚刚提到那些垂直行业 ， 比如说我们自己做金融 ， 做投资 ， 我们对我们这个行业怎么理解的 ， 都在 Context 这一层 。

我们可能没有办法清晰的去说这个东西就是智能还是不智能 ， 你会不会做 ，但它可能就是在这一层的你怎么去处理是重要的 。

这可能就是像我们以前国内看 SaaS 之后得到个结论说这个团队很强 ，因为它行业 know-how 很强 。 那现在其实就是把行业 know-how 改成了类似 Context 的感觉 ， 或者说 Context 里面就包含了它的行业 know-how。

我觉得 know-how 在我这分两种 ， 第一种是你了不了解 ， 你熟不熟悉 ， 另外一种是你是不是真的能够去 make some changes， 你能不能做一些变换 ， 就是你 know-how 到已经一个地步了 。

我觉得这部分在应用层短期很难被替代的 ， 你看这些垂直行业就非常明显 。 你像 Harvey 那个公司 ，其实一开始大家都会吐槽说这公司它做那套 Rack 其实也很容易被替换 ，但为什么到现在为止 ，不管它毛利啊 ， 各方面的问题 ， 为什么它能做 ？

因为它确实就对这个行业足够了解 ， 再结合美国 Enterprise 这个生意的一些固有的粘性 。 那你去排一个 ARDE 梯队 ， 你会发现说 Harvey 还是第一名 ， 做的最早的那几家医疗机构还是第一名。

就是你会发现对行业的 know-how 理解这个事情 ， 它是个听起来很虚 ，但是当你这个 know-how 强到说你可以去说服客户 ， 甚至你可以把这个行业很多部分的效果或者效率提高很多倍的时候 ，其实它就变成一个从虚向实的东西 。

对 ，但我站在国内创业者或者投资人的角度来讲 ， 我觉得这个事就比较烦人 ，因为美国的 ToB 一直都很好 ， 包括过去年我们看到各种 ToB 的 Agent、Voice Agent， 或者说在垂直行业里面提效的东西有非常多 ， 对吧 ？

包括你刚才讲那些 ， 包括医院 ， 我们看到也有专门给兽医做的 ， 专门给牙医做各种各样的东西 。

但在国内似乎 ToB 这条线落地就没有那么多成功的案例 ，也不是那么可行 。 然后你要让国内的创始人到美国或者出海做很 ToB 的事情 ， 难度又更大 。

所以最后国内创始人， 我觉得甚至可以说是被逼的 ， 就变成只能做 to-procurement 的这么一块东西 。

对 ，因为 Enterprise 这个生意在美国其实很多年了 。 我最早去了解美国的创业环境的时候 ，其实有一点惊讶的点是说 Enterprise 其实是一个从本质逻辑上来说 ， 它不太 VC 的一个商业模式 。

它本质上其实告别了所谓的颠覆式的创新 ，但是它的优点是在于是说美国的营商环境其实非常稳定 。

就不要说 Enterprise 了 ， 就是这边的用户他去取消他的那个订阅 ，其实都是一个相对比较低的数字 。 所以说确实就是它是一个留存比较好的行业 。

但是这个行业它隐含的一个假设就是说 ， 你旧的人很难被替代的话 ， 你新的人也很难产生颠覆式创新 。

嗯哼 。 然后就是在总结你刚才讲的那个点 ， 就是你觉得未来一段时间模型会做的事情 ， 就是它会把更多的东西整合进模型里面 ， 包括各种应用 ， 尤其是已经验证 PMF 的场景 ， 它肯定会尝试去做一些东西 。

然后 Infra 呢 ， 就像我们刚才讲从 Token 消耗这个角度 ， 对吧 ？ 各种能优化 Token 相关的东西 ， 它都会往它自己那里面去合并 。

对 ， 我觉得是这样的 。

嗯哼 。OK。 如果我们把这个作为大前提 ， 包括以上我们所有讲的 ， 那我自然而然有个疑问 ， 就为什么英伟达还在涨这么多呢 ？

上一波涨是因为 Scaling Law 嘛 。 那如果现在不是讲 Scaling Law 了 ，也不是讲 AGI，而是讲工程落地啊等等 ， 那英伟达包括其他的一些 AI 的公司吧 ， 为什么还是继续在涨这么多 ？

首先英伟达涨了很多是因为 Token 消耗量一直在涨 。 随着 RL 技术范式以来 ， 大家对 pre-training 消耗量其实没有降低 ，但是整体的 Token 消耗量 ， 包括 Infra 也在涨 。

所以说呢 ， 它整个 Stack 里面对英伟达的销量其实是一直在增长的 ， 这个其实是一个核心 。 同时大家可以去看一下 ASIC 公司 ， 包括 AMD 今年的股价表现其实都是非常好的 。

什么意思呢 ？ 就是说我觉得市场和公司已经开始在注意节流的这个部分 ， 比如说我在 Infra 里面是不是可以尝试着去用自己的 ASIC，是不是尝试可以去用 AMD 解决很多问题 。

但在这里面呢 ， 会出现一个具体的问题 ， 就是说英伟达这个公司确实它的软件和售后服务的生态做得太厉害了 ， 所以导致很多公司呢 ， 它会更愿意一站式的用它的卡 。

但是你你会发现说 ， 大公司已经从战略层面在去思考这件事情 。 国内其实尤其典型 ， 国内因为长期有 H 卡禁运的这个问题 ， 包括现在是 B 卡禁运的这个问题 ， 所以国内是有非常多的其他的卡来做推理这个步骤 。

所以说其实我觉得从企业方 、 投资者市场已经关注到说 ， 英伟达它当然是足够强势 ，但是我们需要有很多节流的方案来去让整个 Infra 变便宜 。

我觉得这件事情大家就可以像 AlphaGo， 像有一家公司是 COS， 它是 Google 的一个 vendor， 然后像 AMD 今年的股价表现都是很好的 。

所以我觉得从这个点上来看 ， 你刚刚提到一个赚钱的密码 ， 就是说大家只要去解锁了 Infra 的变化趋势 ，在里面是能找到更多的机会的 。

包括今年英伟达的很多产业链的公司 ， 像国内的新一盛 ， 像中际旭创 ， 包括这条线上像 PCB 的厂商 ，其实今年的涨幅都已经远远超过英伟达本身了 。

这些其实都是在 Infra 层面上面在做不断的优化去适应新的趋势了 。

所以过去一段时间和未来一段时间的主题就是 Infra 和 Token 消耗 ， 可以这么理解吗 ？

我觉得可以这么理解 。

然后 Infra 其实就也会分很多块嘛 。

对 。

就是你刚才其实讲的有四块吧 ？

啊 。

那现在最核心的优化和大家的重点是放在哪一块上呢 ？ 你觉得因为你像你刚才讲的英伟达什么 ，其实它是最底层的那个 Infra 嘛 。

我觉得最核心的一个优化还是在最下面 ，因为坦白说 ， 你卡的价格还是决定了所有东西的走向的 。 但是英伟达这公司实在做得太好了 ， 可能聊英伟达可以专聊一期 ， 就是它为什么软件生态做这么好 。

比如说你我们比到 Infra 这件事情 ， 按道理来说 ，其实 AMD 的卡是有绝对的成本优势的 。 那那为什么至少到目前为止 ， 它离英伟达的差距还是蛮远的 ？

其实都是来自于它的软件和整个售后服务的生态 。 我们经常发现在硅谷 ， 你如果你在 Infra 的执行上面有一些软件的问题 ， 英伟达基本上是随叫随到 ， 它会帮助你去尽快的用起来它的整个硬件生态 。

但这种执行能力在 AMD 生态上啊 ， 或者在其他一些公司上还是很难看到的 。 你优化这一层 ，其实你整个成本可能会降得更快 ， 甚至比如说你多一个竞争对手给英伟达 ， 可能英伟达自己降价的预期也会开始越来越近 。

但是这一层的难度确实是在一个个体的案例 ， 就是英伟达这个公司确实太厉害了 ，不仅是它的芯片架构上面 ， 包括它的产业链 ， 它的软件 ， 它的售后执行能力 ， 每个环节其实都太强了 。

所以这一层它的优化呢 ， 会是一个长期的趋势 ， 我觉得不会特别快 。

但像你讲的 ， 你看 AMD 什么的其他也涨得很好 ， 然后国内的包括韩国企业这几天就是突然又新高 ， 然后国内的很多高模块啊等等也都涨得很好吧 ？

所以这个趋势它的可延续性你觉得是有多强 ？

我觉得逻辑的延续性是非常强的 ， 就是我一定要降本 ， 一定要给英伟达多一些竞争对手 ， 至少在推理端多一些解决方案 。

但是它的问题还是要看个体公司你能不能 deliver，因为硬件的这个东西它跟软件真的完全不一样 。 就包括今年你像为什么特斯拉卡了它的 Optimus 很多订单啊 ， 预期啊这些 ， 软件是可以越跑越快的 ，但硬件不是这么一个东西 。

硬件它有的时候需要一个合力点 ， 你这个合力点没有到的时候 ， 可能市场对你的预期需求是在这个地方 ，但你交付不出来 。

这个我觉得是硬软件之间的一个很重要的差异 。 所以简单来说 ， 就它逻辑的延续性其实是非常强的 ，但是这里面还要取决于个体公司能不能交付 。

比如说大家可以看一下 AlphaGo 这个公司 ， 这个公司呢 ，其实整个交付能力也非常强 ， 尤其是对大客户 。 所以你会发现大家对这公司的认证程度其实也是非常高的 。

所以是这么一个状态 。 其他 Infra 层面的话 ，其实我觉得会一个非常有意思的看点 ，是看会不会出现第三方的公司去做这些 Infra， 比如说推理这件事情 ， 还是说由模型和应用公司去做掉 。

这个其实是一个非常重要的 mapping， 就到底谁来去做这个事情 。

但这个应该是短期内很难看出来的 ， 它应该是相当长的一段时间会大家要并行的吧 ？

并行 ，但是它有一个转折点是 ， 包括我通过跟你聊 ， 跟国内公司聊了 ， 我们已经感觉到该出现的公司其实已经差不多了 。

比如说国内也有想要做 Agent Platform 的公司 ， 它本身就是在帮 Agent 做 Infra， 然后硅谷的话 ， 像 Fireworks 啊 ，Together 这种公司也越来越多 ， 甚至里面有一些公司还要再往下做一层 ， 想要去帮助公司做模型 ， 做推理 ， 做 Training 这些公司也开始出现 。

然后呢 ， 应用这层的公司呢 ， 能做的模式和形态基本上也都出现 。Vertical 公司里面的话呢 ， 像 Palantir 这种公司也出现了 。

所以这个时候是一个很好的关注的时间点 ， 我们也在高频的去观察说到底什么样的团队去解决这个问题 ， 比如说会不会出现新的 Snowflake， 还是说 Snowflake 是一个嵌在 Palantir 里面的东西 。

这个其实是一个很有意思的长期的观察点 。

嗯 。 然后其他的一些美国二级公司呢 ，也有些很有意思的 ， 比如说 Meta 最近就超级火热 ， 包括 Google 啊等等这些 。

我不知道你们今年最核心的几个关注点是什么 ？

Google 跟 Meta 非常重要 ， 虽然这两个公司不一定会有投资机会 ，但是研究这两个公司对研究 AI 很重要 。 为什么呢 ？

我觉得大家对 Google 的标签化是比较明显的 ， 这公司它在协作效率上有问题 ，但是它的技术储备能力非常强 ，而且是全站式的 ， 从硬件软件其实都非常强 。

然后今年的模型进展 ， 包括不只是文字模型 ， 它们的 Veo3 啊 ， 包括我们听说下半年要出的很多视频模型啊 ， 包括机器人啊 ， 它的进展像在行业里面来讲 ，其实都是还是让所有人都觉得它是一个很重要的第一第二名这么一个角色 。

然后怎么去理解这个问题 ，其实是个很难的课题 。 我觉得这个点可能交给国内的企业家去理解会更容易 ，因为他们让过这么大规模的竞争的公司 ， 到底什么要素更重要一些 ， 或者说至少有一个判断 ，Google 你有了这些要素 ， 你有足够强的能力 ， 你到底还能不能去通过改变组织模式的方式去做出来很多新的东西 。

这个东西是个很有意思研究的话题 ， 它就 echo 到说 Meta 做的这件事情 ， 到底它能不能凑出来一个模型 ， 这个应该是现在 debate 最大的一个课题 。

一部分人会觉得说 ， 哎呀 ， 临时凑的团队 ， 大家的 vision 可能不那么一致的情况下， 它能不能去 compete next generation model。

另一种说法就是说 ， 哇塞 ， 它招的这些人都已经是每个 lab 里面最头部 ，而且他还不只是优秀 ，他还是有过一线工程经验的人。

很多是有过上镜经验的 。

对 。

很多是都是 OpenAI 发布会上的人。

是的 。 所以两个课题都非常有意思 ， 这两个课题加在一起会透射出来一个在投资里面很重要的点是什么呢 ？

大家还是在一种 FOMO 的情绪当中的 。 最早的 FOMO 来自于 2023 年， 大家觉得说我一定要有模型 ， 我一定要买卡 ， 我一定要有堆算力 。

然后通过 Meta 做这一系列的这个招聘的动作 ， 我们会反映出来一个事情 ， 就是这个 FOMO 其实它 2025 不但没有结束 ， 它是变得越来越强的 。

不 ，但我觉得大家本来没有这么深的感觉的 ， 好像是 Meta 靠一己之力把这个事又给 FOMO 起来了 。

但是你看现在国内腾讯也在做类似的 ， 它可能没有这么夸张 。 美国这边其实除了 Meta， 除了 Google 之外， 比如说你像微软 ， 你像 ServiceNow 这种层面的公司 ，其实这半年以来的招聘动作都很夸张的 。

包括你像 ServiceNow 这个公司 ，其实它已经做了三四个收购了 ， 它觉得它招不到人， 所以它要通过收购的方式去做这个事情 。

然后微软大家都觉得啊 ， 这 Copilot 做太差了 ， 然后它也在狂招做 post-training 和做产品的人。 所以说你说这个 FOMO 情绪 ， 如果你放在一个更广义的层面去看的话 ， 今年已经从抢卡延伸到抢人的这个 FOMO 情绪 ， 我的体感其实是在变强的 。

但这背后为什么是一个很值得研究的话题 ， 比如说 2023 年 FOMO 肯定就是由 OpenAI 带来的 ， 我得重卡 ， 我得先把 pre-training 改上 。

那今年的 FOMO 有什么带来 ， 可能每个人视角就会不一样 。

所以你的视角呢 ？

我的视角确实是觉得这个东西离产业化越来越近了 。 比如说你像 ServiceNow 这个公司 ， 它是有场景 ，因为它是帮企业做 workflow，Microsoft 是因为有 500 强的这个 franchise， 包括腾讯 ， 腾讯在国内也有很强的场景的这么一个价值 。

确实有场景公司会切身的感受到说 ， 我经常开玩笑啊 ， 就比如说现在 AI 的能力 ， 你不觉得很像当年移动互联网的地推吗 ？

就是我靠地推把线上挪到线上来 ， 现在的 AI 的这个能力自动能让大家去进入到一个新的场景 。

那有场景的公司 ， 或者说有能力的公司 ， 就会越来越切身的感受到 ， 它不仅是一个遥不可及的 AGI， 或者说是一个不熟悉的 AGI， 它是一个我切身能感受到这个东西离我的商业场景 ， 离我的产业化越来越近的一个趋势 。

你在越来越近的情况之下， 我觉得人一定会坚定的去做一些判断和动作 。

嗯哼 。 就我们前面有聊到一个很关键的点 ， 就是之前的关键词是 Scaling Law， 现在关键词是 Token 的消耗 。

然后这个 Token 的消耗呢 ， 它仍然带来了很多二级市场股票的增长 ，但是国内是牛市了 。在我们录的这两天里面 ， 牛市更加的确认了 。

我们其实很早之前的那期有一期播客就讲东升西落嘛 ，但美股其实也不算落 ，他们也涨得挺好的 。

美股是涨得特别好 。

哈哈哈 。

它是落完了迅速回升嘛 。

所以我们上次讲的没毛病是吧 ？

对 。

确实东升西落了 ， 然后变成东升西又升了 ， 现在是 。

是 。

但这个趋势你觉得能维持多久呢 ？ 就英伟达已经非常高了 ， 然后其他的很多也涨得很高 ， 国内有非常多股票涨得很高 。

就是在新的这种 Token 消耗的逻辑之下， 你觉得未来一段时间二级市场的反馈会是什么样的 ？

我记得我们之前有一期讲过 ， 就对于美股来说 ， 或者整个美国大的景气度来说 ，AI 是非常重要 。 大家说一个比例的话 ， 就 AI 或者说整个科技的发展的景气度 ， 对美国的景气度来说 ， 可能占一个三分之二 ， 甚至还有更重要的一个角色 。

对 。 我记得你提过一句话 ， 你说 AI 是现在所有资产里唯一的泡沫 。

对 。

你目前也觉得事实是这样 ？

是 。 但是泡沫是打引号的 ， 就是它不是个贬义词 。 这个泡沫其实跟以前我们认知的泡沫不一样 。

以前认知的很多泡沫 ， 它有一个附加条件 ，是觉得这个东西是个骗局 ， 或者说至少是没有太大发展空间的 。

但 AI 显然不是 ， 它是重要性也很重要 ， 然后它也有发展空间 ， 同时它也有泡沫 。 泡沫体现为其实就是估值 ， 就创始团队管理层可以拿到更大的激励 ， 更多的资源去做事情 。

它其实是这么一个状态 。 就对于美国的整个大的景气度来说 ，AI 占一个很主导的作用 ，因为它代表整个科技生产力 ， 它是不是能持续保持领先 ， 然后进而决定它非常多方面落地 。

对于中国来说 ， 这个也很重要 ，但它没有那么重要 。 因为对于中国来说 ， 它的整个宏观经济 ， 或者说二级市场里面的情绪 ， 它其实很多是由更多方面来决定的 。

比如说我们之前也有提到它的化债的问题 ， 比如说现在居民存款 ， 或者说投资意向 ， 风险偏好 ， 我们的整个制造业周期 ， 它可能是由好多个部分组成的 。

所以对于美国的判断来说 ，其实比较见仁见智 ，但同时它又比较简单 ， 就是说大家怎么去看待 AI 这一下， 就它的工业化或者产业化的进程 ，是不是会像我们想的那么顺利 。

我觉得不同的人对于这个颠簸程度的受力感也不一样 ， 比如说我们会有 3-6 个月的一个停滞期 ， 发展没有大家预期那么好 ， 这个算不算一个问题 。

如果这些问题都不算的话 ， 可能就会有很多人觉得它就会一直长留下去了 。 但如果比如说现在大家的预期已经到这个产业化的进程 ， 很快可以替代人了 ， 我相信这个是不少的一部分人的预期 。

也有一部分声音会说 ， 这个替代的过程其实不是一蹴而就的 ， 它中间还会碰到很多法规 、 公司决策 、 技术和 Infra 落地 、Infra 成本等等这些方面的影响 。

那这个过程中可能就会有颠簸 。 总而言之 ， 我整体感觉上美国这边还是跟之前一致 ， 它取决于大家对 AI 发展的一个心理预期的这么一个波动 。

如果它持续保持领先 ， 持续发展 ， 产业化工业化进程持续加速的话 ， 那整体来说还是一个偏向上的局面 。

当然现在从宏观角度来讲 ， 虽然我们不是专业的宏观的分析师 ，但是大家今天也都能看到 ， 就是川普的一系列的政策 ， 对于科技公司的干预 ， 对于地缘的这些干预 ， 肯定会对股市有影响 。

但整体来说 ， 我们还是能看到科技对于美国的整体的发展来说 ， 还是起决定性的作用 。 那对于中国来说会少一些 。

中国最近进入牛市 ， 我觉得大家也在说 ，但是没有准确答案 。 大家也会觉得说 ，是因为大家心理预期或者风险偏好发生了一些变化 。

所以两边整体来说看起来一致 ，但是内核还是不同 。

嗯 。 我们先讲美国那边 。 我记得去年， 比如说英伟达到 3 万亿的那一波 ，其实大家的一个核心的假设和待验证的事情是模型能力是不是一直在往上走 ， 对吧 ？Scaling Law 是不是有效 ？

你觉得现在有没有一个核心的假设和待验证的点 ， 或者说如果万一这个事被证伪了 ， 这个 bubble 可能就会破掉 ？

有这么一件事吗 ？

其实在 Scaling Law 和刚刚说的这个消耗量中间 ， 它对于英伟达个体来说存在一个中间叙事 。 这个中间叙事它推动什么呢 ？

就英伟达的需求主要分为两个部分 。 第一个部分就是用来做模型的训练的 ， 尤其是 pre-training 这部分的用卡 。 大家更多的会觉得这是一个周期性的需求 ， 比如说我模型训到一定程度 ， 或者我架构到一定程度 ，不再发生大的改变了之后， 我的需求量会有一个周期 。

另一方面是来自于推理的需求 ， 就我实际的用户在使用过程中会用到的需求 。 所以你刚刚说的第一个 Scaling Law， 它就对应的是训练 ， 后面对应 Token， 或者说我们能够用到泡沫这两个字的时候 ， 它对应的其实是推理的需求 。

这两个需求其实是此消彼长的 。 那悲观的人会觉得后面的应用需求可能会来的没有那么快 ， 或者说可能大家会因为一些过于高的预期 ， 短期去把这个使用需求提起来 ，但是不持续 。

所以导致这个 trade-off 会变成一个负的 trade-off， 就是训练需求其实是一个周期性的 ，但是推理需求并没有完全兼顾的起来 。

但是乐观的预期都会觉得推理的需求一定是非常大 。 同时由于英伟达的整个架构和服务的先进性 ， 它在推理需求的市场份额还是很高 ， 所以这个 trade-off 就完全成立 。

就我们可以去忽视训练的周期性的需求 。在这个叙事的过程当中， 英伟达在 DeepSeek 出来的时候 ， 它是先跌的 ，而且它跌的比较夸张 。

但是呢 ， 迅速大家又看到今年因为 RL 的这个进展 ， 导致训练的需求其实也在提高 ， 包括像 Meta 最近招了非常多的核心的工程师 ， 进而也会提高它训练的用卡需求 。

同时它推理的需求也提高的很高 。 所以这个 trade-off 不但没有发生 ，而变成了在今年来说 ， 两边需求都是在往上走的这么一个局面 。

所以它其实客观上， 它又把训练的需求的周期往后移了 ， 同时推理的需求又起来了 。 所以它从 3 万亿到 4 万亿 ， 甚至现在往 5 万亿蹦的这个过程中， 就呈现一个比较顺的这么一个叙事 。

嗯哼 。 所以从现在这个节点来看 ， 那后面核心的一个时间节点和看的事情是什么 ？

我觉得两件事情比较重要 。 第一件事情当然是 Meta， 就是 Meta 为什么会在这个时间点选择花那么多资源去组建这么一个团队 。

我听说 Mark 最近也要录一个播客来去讲他的一些想法 。 所以那第一个时间点当然是说新的模型的团队 ， 它是不是能够在 6-12 个月的周期去做出来一个更好的模型 。

第二件事情是一个更见仁见智的东西 ，其实我也想听一下你的感觉 ， 就是应用的需求 。 现在美国这边会有一个词叫 Vibe Revenue， 氛围式的收入 。

它的隐含的意思就是说我们现在会使用 AI，但其实我们也不知道我们用 AI 来干嘛 。 现在收入里面有一部分其实是来自于大家有过高的预期 ， 或者说大家在整体行为的渲染下面 ， 会不假思索的去增加 AI 的利用 。

大家会觉得在应用里面有个很核心的卡点 ，是说我们是不是会出现一些能够稳定的消耗 Token 的这些应用 ， 或者说场景出来 。

我觉得这个事情也会比较重要 。 但是应用的半壁江山可能都是由华人来做了 ，不管是在硅谷的华人还是在中国的华人。

所以这里面的这个观察 ， 甚至有一些偏对产品应用的理解 ，其实是很重要的 。 大家到底觉得就这么持续下去了 ， 就跟短视频一样 。

短视频发展到今天 ， 它不只有抖音 、TikTok、 快手 ，其实包括现在像 YouTube， 包括 INS，他们里面的短视频的消耗需求都是非常高的 。

所以第二部分其实是一个更行业判断型的问题 ， 就是应用现在的这些需求是不是会稳定的持续下去 ， 会找到不管是叫 PMF 也好 ， 还是产业化里面的一些 ROI 的节点也好 ， 可能这个点会比较重要 。

你怎么看这个问题 ？ 就你通过跟这些应用的这些创始人去沟通接触的话 。

我觉得是这样 ， 就是你从美国市场看 ， 就像我们前面有聊到的 ， 美国市场其实 To B 是非常繁荣的 ， 然后 AI 在 To B 里面降本增效肯定是行得通的 ，而且它的效益是比较明显的 。

比如说我们假设美国市场的 To B， 它可能本来是 1,000 亿美金 ， 那 AI 再不好用 ， 它的能力再不如大家的预期 ， 它只要能够提效个 5%， 那其实就是带来 50 亿美金的增值 。

所以其实在 To B 领域里面 ， 这个账是很好算的 。 但国内的市场的区别就是 To B 好像就是没有起来 ， 大家都在做一些新的 To C 啊 、To Consumer 的事情 ， 可能更多的国内的逻辑是在 CURSO 那条线里面 ，而不是在 Harvey 或者其他的那些美国的 To B 什么医疗金融那些线里面 。CURSO 最新的数据就是一年， 现在应该是 5 亿美金的 ARR 嘛 ， 那其他的公司肯定就是沿这条线在走 。其实我们

去年的播客里面好像就提到说 ， 国内那一波 AI 公司里面 ， 去年达到 1,000 万美金 ARR 的就非常少 ， 就已经是一个很高的标准 。

然后去年看整个美国 ， 可能大概最高就在三五千万美金 ， 然后今年我们能看到 CURSO 突破到了 5 亿美金 。

国内呢 ， 可能有些公司开始在往 5,000 万美金甚至 1 亿美金去走 ， 这个大概是目前的一个趋势 。 但是把 To B 刨出来以后， 那这些公司哪怕我们说明年有很多家能做到 1 亿美金 ARR 的国内的 AI 公司 ， 它整体的体量仍然是小的 。

我觉得你刚刚提到 To B 的这边需求是比较确定的 ， 降本增效这个事情肯定是一个长期投入路径 。

我觉得更 promising 的点是来自于企业 ， 它永远不想管你特别多的人。 所以一旦你的这个技术和产品的这个过程能够让你是少管理人， 它这个需求就会一直存在 。

嗯 。 所以讲回来 ， 你觉得以英伟达为代表的整个美国的这些 AI 的 Beta 在二级市场会继续涨 ？

我自己会感觉它会有很大波动 ，但是在比如说 Meta 推模型之前 ， 或者说在应用大家真的发现这个 Agent 没用之前 ， 如果有这一天的话 ， 我觉得它的趋势是很顺的 。

因为目前我们看不到 pre-training 的需求下降 ，Infra 的需求下降 ， 虽然 AMD、Arbol 这种公司都很努力 ，但是你看不到说大家对英伟达这个东西的消耗 ， 或者说竞争会有一些干涉 。

所以基本上还是在这么一个顺的周期里面 。

嗯哼 。 但国内在这块的二级市场的表达 ，其实更多还是停留在芯片啊 、 一些 Infra 之类的这些地方 。

中国寒无霁嘛 ， 包括英伟达的一些产业链 。

对 。 国内就没有像 Meta 呀 、Google 啊 、 微软啊这样的一些东西 。

其实有 ， 只是一开始大家觉得最原生的 AI 的公司其实是 DeepSeek 和字节 ，但这两个公司都没有上市 。 然后大家在今年找到的第三个标的其实是腾讯 ， 过程中一度是阿里 ，因为阿里的模型尤其是开源这部分也做得很好 。

但今年因为腾讯在国内整个 AI 的努力程度变强了很多 ， 战略程度变高了很多 ， 所以今年其实你看腾讯的表达上也很顺 。其实就还是大厂逻辑 ， 只要一个大厂它花钱了 ， 让大家感觉它在努力了 ， 就会被列入到这类故事里面 。

也要看它有没有进展 。

讲到这个点上 ，其实我也回想起来 ， 跟移动互联网整个估值体系其实差了很多 。 我们当时你记不记得在看移动互联网的时候 ， 还是需要它有所谓的 PMF 数据的验证这些 。

现在其实基本上整个商业和投资的研究能力已经到了说好 ， 你招的是这个人， 我会去验证你招的这个人他有没有实际的工程经验 ，有没有实际的记录 ， 让我来提高置信度 ， 就是说你能不能交付出来一个很好的东西 ， 你是不是在正确的路径上面 。

大家也会给你希望 ， 只要你的基础业务是足够健康的话 。 那这个故事今年美国就是 Meta， 中国就是腾讯 ，其实都是在验证的 。

所以这个客观上也反映出来两件事情 。 第一件事情就是说确实技术发展很重要 。 第二呢 ， 大家的投研和商业研究能力其实变强了非常多 ， 现在已经不局限于说只看数字 ， 只看竞争 ， 只看 market share、retention 这些东西 。

可能大家现在也会提前去预判这个技术重不重要 ， 然后你在技术的执行力上面 ， 或者说你的 vision 是不是正确 。

所以这个点上也是我们投资这个行业 ， 我觉得会是一个很大的一个变化在这个周期里面 。

所以讲一些更宏观的 ，A 股到底是不是牛市 ， 或者说它大概该怎么判断这一波机会 ？

嗯 。其实这个点我相信所有人讲都会打脸 ， 你知道吗 ？ 二级市场其实是一个预期的投射 ， 这个预期不管是悲观的预期还是乐观的预期 。

比如说为什么科技对美国很重要呢 ？ 因为科技代表了一种长存的预期 ，而且科技的毛利率很高 。 那我记得是 24 年 1 月份的时候录制的乐观的那一期播客 ， 当时的整个中国资产其实是已经把很多很悲观的预期预期进去了 。

我们当时提到一个点 ， 回想起来其实还挺有意思的 ， 就是在很多人有悲观的预期情况下， 大家也没有躺平 ， 尤其在我们周围的这些创业的 ， 或者说大公司的这些负责人手上， 我们也没有看到这个迹象 。

好 ， 过了两年到今天来看 ， 我观察到的变化是 ，他们找到了一些事情 ，他们是能做的比全世界其他的团队要做的好的 。其实不只是 AI 领域 ， 比如说今年像泡泡玛特 、 像中国的生物医药 ， 我觉得这是跟当时我们录制 " 我们应该尝试着乐观一点 " 那一期播客里面最大的一个变化 ， 就是说它从一个我只是预期 ， 我只是积极向上， 我只是扎扎实实的在做产业

， 它已经变成了是说我真的有一些东西我能做的特别特别好 。 那 AI 里面大家最熟悉的肯定就是 DeepSeek， 还有 Manus， 还有 Jens Mark 这些公司 。

那我们来讲牛市的几个要素啊 ， 第一个要素我觉得一定要有一批公司 ， 它是优质且有一个比较持续性的业绩输出的 ， 这个首先是具备的 ， 从去年开始其实一直在具备 ， 从小米那批公司开始 。

那第二个预期呢 ， 就是大家的风险偏好要提高 。 那风险偏好是怎么提高的呢 ？ 其实是来自于正反馈 ， 就是说我在市场里面赚到钱 。

对 ， 就是你发过那张图嘛 ， 就是主管去开户 ，其实就是一个体现嘛 。

对 。在这个点上其实我也在学习 。 今天曲老师你有没有发现一件事情 ， 就是我们刚刚提到美国今年是在关税的时候落得很狠 ，但回来的也很巨大 。

这一波波动里面很重要的一个群体其实是散户 。 现在散户跟原来散户首先是不同的 ，他拥有的投研工具 ， 包括你看富途这类 APP， 美国就是 Robinhood，他们做的非常好 ，他们能够拿到的投研的内容 、 信息的内容 ，其实跟比如说上一个牛市大家能够拿到的信息内容其实已经完全不一样了 。

再加上现在的各种专业媒体 、 专业 KOL 发的东西 ， 这个首先是第一个点 。 第二个点呢 ， 就是说我们不讲散户他对基本面的判断是正确与否 ， 这个见仁见智 ，但是散户对于一个牛市行情的重要性这件事情 ， 我觉得是很值得研究的 。

比如说散户当然就会更团结 ， 比如说他们对于一个东西的喜好 ，他们会更坚定 。 但你看投资机构这边 ， 尤其像美国这边 ， 现在最优秀的投资机构 ，他们都是叫平台类资产 ，他们有一个很重要的特点是什么 ？

它周转特别的快 ，他们是靠周转来获取这个收益的 alpha。 也就是说如果你从一个牛市的基本行情来看 ， 我们假设一个市场里面全是高周转的资金 ， 或者全是量化 ， 它形成牛市的这个难度其实从逻辑上来讲 ， 我觉得相对是更高的 ，因为大家的资金都在博弈 。

但散户呢 ， 比如说美国这边我印象最深的散户支持的公司最早是 Tesla， 后面就演变成了这两年最核心的 AI 公司 Palantir。

我对这公司的认知 ， 我不会说我过了一个星期我就变了 ， 比如说我们俩聊完之后我就觉得 Palantir 不行了 ， 我要卖掉 。

我觉得在散户群体里面 ， 尤其在现在是高知的散户群体里面 ， 很难出现这种局面 ， 大家很有 conviction。

哎 ，但你这个点我觉得跟大家本来的认知当中的很多东西好像正好反过来的 。 嗯 ， 大家认知当中第一 ，其实美国的机构是占比是最高的 ， 对吧 ， 跟国内正好是不一样的 。

所以很多市场的表现 ， 大家就说因为国内散户占比太高了 ，而美国机构投资者多 ， 所以我们总说要引入长线投资 ， 长线的钱是买了以后他会放着 ，他会减少波动 ，但听你讲的好像反而是反过来的 。

对 ，因为这两年的二级市场跟以前二级市场是完全不同的 。 首先从资金结构上来说 ， 美股现在资金结构其实有一大半都是来自于量化和平台的 ， 这些资金都属于博弈型资金或跟随型资金 ， 所谓的长钱还是很大的一个比例 。

但是他们有一个特点是什么 ？ 他们基本上不动 ，他的周转周期是非常慢的 。 所以我们通常现在看到市场的剧烈的波动 ，其实一方面是由刚刚提到的平台或者量化的这种机构去贡献的 ， 那剩下一部分可能有 20%、30% 是散户 。

但是我刚刚提到的点是什么呢 ？ 就是在波动型资金或博弈型资金里面 ，有百分之可能说六七十它是跟随型的 ， 它没有那么团结 。

什么叫没有那么团结呢 ？ 哎 ， 我一直会很关注你买这公司你的预期是什么 。 如果你的预期是错的 ， 我要跟你做一个反向的交易 ， 它是博弈型资金 ，但散户通常不太会去过多的做这种博弈型的动作 。

所以结论你从交易结构来说 ， 你的问题是对的 ， 就是长钱或者大钱仍然是占有绝对主导性作用 ，但他们的交易频率太低了 ， 所以他们引发不了市场在 6-12 个月的周期去剧烈的波动 。

那真正在交易的钱里面呢 ， 可能有一大半也不团结 ，他们互相是在博弈的 ， 机器是在做跟随的 。 所以打引号的这个散户群体是非常有意思 。

这两年我们周围有很多做一级市场的小伙伴 ， 这几年也在做二级市场 ， 对吧 ， 这几年大家都有正反馈 。

我觉得这个点是很重要的 。 如果我因为看好英伟达 ， 我因为看好特斯拉 ，并且我赚到了钱 ， 就会形成自己的投研或投资体系 。

这件事情是我觉得在一个长牛的市场里面很重要的一个给予 。 那比如说以前很多散户 ， 如果你是在做 A 股 ， 那 A 股通常从历史上来看是一个牛市相对比较短 ，但熊市相对比较长的一个资金市场 。

那意味着什么呢 ？ 意味着个人投资者他的投资反馈系统很难完全的建立起来 ， 比如说刚好他可能做对了一些事情 ，但迅速市场就没了 。

但美股呢 ， 是一个熊市比较短 ，但牛市比较长的市场 ， 意味着是说哎 ， 我真的多了解特斯拉 ， 我对这公司的了解 ， 我是不是能转化为一个投资的策略 ，并且能从里面获得正的反馈信号 ， 我去做下一笔投资或下一笔交易 。

那在一个长牛为主的市场里面 ， 这几年其实很多中国的散户也好 ， 或者说中国的个人投资者也好 ，他们其实也在去看美股 ， 这个投资体系的形成是很夸张的 。

所以我最近也在专门研究这个课题 ， 就是说这次美股从关税以后到现在 ， 散户的活跃情况 ，他们对于股票的挑选是一个非常值得去借鉴的过程 。

我想跟你分享一个公司是 Palantir。 我们最早觉得 Palantir 很好 ， 纯粹是因为订单 。 当时我们觉得整个 AI 在美国企业端的应用里面 ，Palantir 是一个绝对受益的角色 ，因为它的商业模式和团队的问题 。

但是你发展到今天 ，Palantir 去做咨询落地 ， 做 AI 落地的很多组织模式 、 产品交付的模式 ，在美国很多企业端的应用已经在推广了 。

大家觉得它的内部的组件模式其实是 OK 的 ， 大家也会去学它的 AI 的那个 Stack 的系统 。 所以你看 Palantir 是一个散户为主的推起来的这么一个公司 ， 现在推到接近一两百倍的 PE，但是这公司它是有基本面的 。

所以其实研究散户很重要 。 那回到你的问题 ， 就 A 股会不会是一个牛市 ， 我自己会倾向于相对乐观一点 ，但是中间有个很重要的变量 ， 这个变量是什么呢 ？

是中国的个人投资者会怎么去应对这个东西 。 包括我觉得有一个很有意思的点是 ， 上一批的老股民 ， 平均的股龄可能都有 20 年了 ，他们怎么去理解这个事情 ， 怎么把他们从美股上学到的东西 ，因为他们哪怕不炒美股 ，他们也会在这里面看到一些经验 ，他们怎么去移植到 A 股中国的科技资产里面去 。

所以我觉得这是一个非常有意思的我们在研究的课题 。

嗯 ， 我觉得这段很有意思 。 然后在美股上我们看到的 AI 的表现很好的 ， 基本都是那几只大票嘛 ，在过去两年里面基本都是这样 。

未来你觉得会有什么变化吗 ？

我们把模型 、 把卡这些层面都叫 Infra， 我觉得市场尝试在做一件事情 ， 就一直在从 Infra 去切软件 ，因为这个是我们大家所有人的自由基 ， 就是一个 Infra 好了之后， 我们应该能产生一个大牛股 ，是来自于软件应用行业的 。

但是我觉得很巧的地方是 ， 过去两年这个代表角色一直被 Palantir 占据 ， 它切软件这个一直是没太切过来 ，因为大家发现还是 Infra 公司有数据 ，有 Demo， 然后有人才 ， 所以一直在炒 Infra。

所以最多是说哎呀 ， 时不时大家看完英伟达之后， 去看一看英伟达的产业链 ，不管是在中国还是在海外的 ， 然后大家时不时的去看看 ASIC， 去看看包括英伟达投资的主体 ， 像 CoreWeave， 或者是像一些更便宜的芯片解决方案 ， 像 AMD。

这两年呢 ， 我觉得一大半的交易热情其实都是在这边 。 但是今年出现一些很有意思的应用公司 ， 我其实在这可以随便讲几个 ， 大家也可以去看一看 。

第一个公司其实叫 Reddit， 大家现在如果在用 ChatGPT 的话 ，ChatGPT 在高频的使用 Reddit 的数据 ， 它是有点像是美国的知乎加 B 站加小红书 ， 且没有被过度商业化的这么一个平台 。

大家对于它的社区的数据质量还是非常认的 ， 所以也经常会让我去想一个事情 ， 如果像知乎 、 小红书他们有很强的 AI 团队 ，他们做 AI 产品会变成什么样子 。

那现在 Reddit 是跟 OpenAI 非常紧密的合作嘛 ， 所以其实我觉得 Reddit 是一个非常有意思的公司 ，也是我觉得中国的投资者会很有研究优势的这么一个公司 。

第二个很有意思的公司是 ServiceNow， 这个国内应该知道的人会少一些 ， 可以多解释一下 。ServiceNow 其实它就最早是帮企业做 workflow， 就是我先以咨询的模式看一下你的工作流里面哪些是能够固化成为一个系统的 。

我理解它有点像是一个半咨询半交付的这么一个团队 ， 最终它交付还是以软件的方式去交付 ，但它这个工作非常辛苦 。

比如说最早 Salesforce 它的增量会更快一些 ， 原因是因为我就卖 CRM，而且 CRM 每个公司其实都有需求 ， 所以它的产品会相对简单 ， 然后我主要比拼我的销售能力和我的渠道的能力 。

但 ServiceNow 它就是呈现出来一个先慢后快的角色 ， 它因为帮了很多企业 ， 尤其是 500 强的客户去做了这个 workflow 的这么一个产品 ， 所以哎 ，有一个场景出现了 ， 哎 ， 我做 workflow 里面 ， 我这里面出现了一个数据的这么一个小的软件 ， 你能不能帮我做了 ？

我这里面出现了一个比如 CRM 的软件 ， 你能不能也帮我做了 ？ 所以 ServiceNow 呢 ， 就从 2023 年开始的 ， 它就从一个 workflow 软件涉及到其他的软件 ， 它就开始做 SaaS 里面大家最喜欢的就是加购的这么一个逻辑 。

它有点像解决方案提供商啊 。

它是从解决方案交付产品最后占有管理层心智 ， 所以这公司的整个交付能力 、 工程能力其实是非常强的 。

只是国内现在曲老师你这两天介绍给我的一些创始人也在尝试做美国的企业端客户 ，他们最该研究公司其实是 ServiceNow。

还有第三家我觉得非常非常有意思的公司是谁呢 ？ 其实是刚刚上市的 Figma。

对 ， 我本来就觉得应该会有这一家 。

对 ，其实当时国内我们在研究 SaaS 的时候 ， 非常有热情研究 PLC 的公司 ， 包括 Figma， 包括 Notion， 它刚好契合华谊这里面的一些优势项目 ， 就是做增长去找增长点 。

对 ， 你其实有点像现在大家讲的 Procurement。

是的 ， 然后你看现在的 AI 里面 ， 那批公司几乎都是 AI 的 Winner， 包括 Notion，其实没有人会定义说他们是 AI 的 Loser。 然后 Figma 这公司其实非常有意思 ， 对这公司的评价是非常两极的 。

第一极的评价会觉得这公司就是一个设计公司 ， 它在产品和技术上很多思维其实是有障碍 ， 或者说不够先进的 。其实下两年我也看国内有很多在做设计场景的这些创业公司啊 ， 大家会觉得说会有更原生 AI 的公司把他们的场景 ， 甚至于就以后 ChatGPT 腾出手来了 ， 或者现在通用的 Agent 可能就能把那个东西做掉 。

但是这件事情呢 ， 我觉得可能要分开看 ， 就是就回到我那个应用的逻辑 ， 就是当整个 validation 并不是全泛化型的 validation 的时候 ， 任何一个应用一定会存在一个 Context Layer， 这个 Context Layer 里面一定会存在两个角色 ， 一个是使用者是谁 ， 另外一个角色是在这个过程当中我的产品交付是做什么 。

那 Figma 这个产品交付的场景 ， 它有个很大的需求是它的设计师不在同一家公司工作 ， 它当时呢 ， 整个设计性已经迭代到了模板这一步了 。

它核心讲的是协作这件事情 。

对 ， 所以在这个点上， 它对于 AI 的挖掘偏艺术性的部分 ，其实我觉得是非常值得关注的 。 就这里面我们现在不能够完全假设说 AI 是一个纯泛化型的东西 ， 它在某些东西上肯定是离 AGI 很近的 ， 比如 Coding 可能两年三年基本上就是一个 full agentic 的东西了 。

但是你在设计这种场景我还是看不到 。 那这里面 Figma 它怎么在它这个协作场景这么多分析师的环境里面去找到 PMF， 非常值得研究 。

我看最近像 Jens Spar 也出了设计端的产品 ， 国内也有一些创业公司也在做这个事情 ， 美国也有 。 但是我觉得 Figma 它的那个场景优势非常值得期待 。

然后这里面更值得期待一个话题是 ， 它不算是一个老公司 ， 算是一个中生代的公司 。 那中生代的公司怎么去 adopt AI？

它比完全新的公司最大的优势是它有场景 ， 它有资源 。 有些现在上市基本上在 400 亿美金的估值 ， 为什么讲估值 ？

因为比较容易招人。 那如果它能做出东西来 ， 我们是不是可以想象其他在几百亿美金的公司 ， 中国可能在一两百亿美金的公司 ， 或者几十亿美金公司也能去找到一条路径去 adopt AI。

主要是这三家嘛 。

对 ， 然后当然还有很多应用公司 ，其实我们现在都在研究 ， 比如 Duolingo 这个公司也是老生常谈了 ， 从 AI Loser 变成了 AI Winner， 最近又变成 Loser 了 。

快速的一句话说一下， 它为什么最近又变 Loser 了 ？

我觉得很大原因是因为 ChatGPT 的整个使用量 ， 包括它的语音的那个接口做得很好 。 然后呢 ，Duolingo 在数据上面稍微有一些瓶颈 ，是因为它想像 YouTube 一样推那个全家的方案 ， 那个数据没有大家想的那么好 。

嗯 ， 就二级市场基本就这些 ， 我觉得已经聊得非常全了 。 嗯 ， 美国的一级市场呢 ， 你有关注哪些东西吗 ？

我觉得美国一级市场最重要的一个话题 ， 第一个就是模型公司的估值越来越夸张 。 今年可能大家稍微没有那么熟悉 ，但是也很熟悉的公司就是 Thinking Machine， 一上来就是一个上百亿的估值 ， 然后全明星的团队 。

这个点上我认为还是一个往前进的一步 ， 虽然肯定有泡沫 ， 这进的这步是什么 ？ 就投资更加的创始人 driven 了 。

我觉得至少在美国这边其实是 ， 尤其针对这些模型的产业 ， 那比如像 Scale AI 被收购 ，也更加坚定了大家这个信心 。

哎 ，但我觉得这里面有个点可能可以给大家一个视角的补充 ， 就是因为大家在国内看到美国的很多新闻 ， 首先很多是二手的 ， 然后呢 ， 很多只是一个结果 ， 大家不知道里面很多复杂的过程 ， 包括有些 deal 其实我觉得在美国和国内也有些时候是会有点类似的点的 ， 就它里面有各种攒局的人， 有各种可能甚至于背后的一些交易 ，有其他的一些目的啊等等。

就是大家也不能只看一个结果就说什么东西 ， 包括比如说大家看到 Meta 说一亿美金招人 ，但这个所谓的一亿美金到底是实际是多少 ， 它的 deal 是怎么谈的 ， 这个钱最后到底能不能拿到手 ，其实里面是有很多复杂的细节在的 。

非常复杂 ， 除了这个交易的条款之外， 还有大背景 。其实这个点又回到 AI 里面 ， 你刚问我那个事情 ， 我觉得最重要的事情是 AI 的个体性很强 。

什么叫个体性很强 ？ 我们内部把它叫 1%，1% 不一定是优秀 ， 它可能是特别 。 比如说小红 ， 就是我们当时有聊过一件事情 ， 我们当时觉得它很特别 ， 就现在美国的整个一级市场融资 ， 一句话的话 ， 对于特别的估值是给的很夸张的 。

比如说我都是做 AI 预训练的 ，但是我训练过的规模的量级 ， 我训练过的模型的 record， 它会造成非常大的差异 。

我觉得至少在我这个十几年的从业周期里面 ， 我从来没有看到过就是第二梯队和第一梯队这么大的一个估值的差异 。

那除了 AI 的行业 ，其他很多公司的融资其实并不顺利 ， 这是另外一个差异 。 这里面其实我想提一个点 ， 就是最近因为 Anthropic 在 Claude 新人的融资 ， 很多人在提示这个风险 ，因为像 Anthropic 和 OpenAI 这几年的融资过程当中 ，他们其实有了很多个人投资者的钱 。

一方面是大家在提示说这种 SPV 的交易 ，因为有各种层层的圈套 ， 所以说它可能会有一定交易架构的问题 。

但其实我看到另外一个方面 ， 就是其实我周围有很多朋友 ， 尤其是工程师的朋友 ， 都有在投这两个公司的一级市场的股份 ， 事实证明下来他们从投资能力上也赚了很多钱 。

那整体来说这就是一个正反馈 ， 所以大家为什么继续愿意去在上百亿美金规模去投 Thinking Machine，是因为大家看到说哦 ， 我在 Anthropic 在 OpenAI 身上有这么多人投他们的二手份额去赚到了钱 。

像 Scale AI 大家会看到说哦 ， 我只要参与到这个行业里面 ， 变成一个核心的角色 ， 然后 Meta 需要我 ， 我能够通过收并购卖这么多钱 。

这个就是美国一级市场正反馈 。其实也想听你聊一下， 你觉得今年国内的融资环境也是接近美国这种给的比较慷慨的局面吗 ？

我觉得你刚才讲的一个点特别好 ， 就是首先其实你提到二级市场的一个反馈闭环 ， 这个是我之前没想到的 ， 确实是这个问题 。A 股确实没有长牛 ， 那就很难建立反馈闭环 ， 大家建立的可能就是为所发育 ， 或者说是竞合关系的一个反馈闭环 。

那一级市场 ， 美国我觉得比国内最好的地方就是它有一个非常好的生态 。 那么所谓的生态其实就是一个闭环 ， 只能有生态才能里面有各种各样的闭环出现 。

国内其实是没有一个很好的生态 ， 那就是变成有点像单点击破啊等等这种感觉的一个形态 。 所以最终就是几家公司拿到最多的钱 ， 赚到最多的钱 ， 几家投到这几个公司的机构赚到最多的钱 。

那最近一两年， 我觉得国内的一级市场有几个变化 ， 第一是不可否认的整个市场在往下走 ， 就它在这两年之内肯定是有些跌宕起伏 ， 比如说今年上半年可能就比去年更好一点啊等等 ，但把这两三年当做一个整体 ， 跟我们说前五年、 前十年比 ， 肯定是一个往下走的状态 。

然后越来越像一个偏职能型的部门 ， 就它不是一个很大的去驱动增长 ， 或者有很大增量的一个事情 ，而是一个偏职能型的 。

就你知道不管哪个国家 ， 一定需要一级市场 ， 一定需要新的创业公司出来 。 我觉得这是一个变化 。 另一个变化就是两极分化越来越严重 ， 大家很多人都觉得说今年是不是你们一级市场特别好 ，AI 是不是特别火热 ， 大家都在讲 AI， 然后又 Manus，有很多很多的公司出来拿了很多的钱 。

实际上从绝对数量来讲 ， 我觉得跟往年没有特别大的本质的区别 ， 就是整个国内今年比如 AI 的热度 ， 我觉得可能是去年的 10 倍 ， 应该是完全合理的吧 ，因为 DeepSeek、 因为 Manus 这些带起来的 ，但实际投资的数量我觉得是没有 10 倍这么多的 。

但那些公司拿到的钱可能是去年的 10 倍 ， 所以最终的结果就是两极分化 ， 大家仍然想要在最好的团队 、 最好的公司里面去投钱 。

而且我觉得这个趋势目前看起来是在继续的 。 嗯 ， 哎 ， 我有个比较好奇的问题 ， 你记不记得好像是 23 年在你家 ， 当时你让我给一些刚刚开始在国内做模型创业的 Founder 做一下分享吗 ？

就你来蹭我们的分享吧 ， 那一次我就是张岳光 、 曹越 、 小红 ， 好多都在 。

你跟他们接触这么久 ， 你觉得有没有一些可以分享的东西 ， 譬如说啊 ， 你觉得他们看到的 AI 现在景气度怎么样 ， 觉得是一个多大的事情 ， 最大的困难这些 ？

你说我们接触的创业者嘛 ， 对吧 ，in general 来讲的话 ， 我觉得大家状态其实差不多 ， 就首先肯定是越来越相信的 ， 就这个事一直都是在往前走的 。

对 ， 我觉得这个是一个大的前提 。 然后大家遇到的问题 ， 我觉得跟模型的竞合始终是个问题 ， 就怎么样更好的利用模型的技术去做更好的产品 ， 反过来呢 ， 又能不在模型的主干道上不被模型吃掉 。

另一方面就是在资本市场跟一些用户市场上的一些纠结的问题吧 ， 大家也都知道现在很多公司还是首选会做出海的市场 ，因为海外可能付费能力更强 ， 付费意愿更强 ， 然后海外的钱也更多一点 ， 这些我觉得至少在目前还是个问题吧 。

但我觉得这里面我也想强调一个点啊 ， 我觉得现在很多人都觉得国内市场没法做 ， 我是觉得你真正理解这件事的话 ， 国内市场是可做的 。

为什么这么讲 ？ 因为大家很多时候容易下感性判断 ， 就听了一些观点觉得哦 OK， 那国内做不了 ，但如果你真的拆解开来 ， 它到底因为什么能做 ，因为什么不能做 。

比如说大家做海外市场 ，是因为觉得说海外的人付费能力强 ， 对吧 ， 然后 AI 的成本高 ， 你只有做海外才能 cover 这个成本 ， 或者说现在 AI 因为成本高 ， 所以你不能做大 DAO 的产品 ， 包括一些各种融资环境等等。

但你真正想的话 ， 国内市场未来 Token 成本是不是能下降到几乎为零 ， 我觉得是可以的 。 但那个时候你是不是不需要担心这些问题了 ？

那你是不是就是又能把移动互联网那时候的路径走一遍 ， 你是不是又能做大 DAO 的产品 ， 又可以靠比如说广告赚钱 ， 或者可以做社交产品等等。

所以我觉得中长期来看 ， 国内市场仍然是有机会的 ， 只是在当下这个特别的阶段 ， 大家可能是先从海外市场来去做吧 。

嗯 ， 另外一个话题我觉得刚刚讲的挺有意思的 ，也是关于一级市场的 ， 就是从去年到今年有一个词特别火 ， 叫 Vibe Coding 嘛 ， 包括我这两天看那个 Jens Spar 在旧金山很多地方的广告 ， 都是叫 Vibe Working。

随着 Vibe Coding， 我周围有一些原来做了很久 VC 的人在做 incubator， 或者在做加速器 ， 然后其实今年有很多人也在加入这个 。

大家的逻辑是说 ，因为 Coding 变得越来越便宜了 ， 所以说你更容易的在早期更低的成本去验证 PMF。 你觉得国内现在大家在投这些公司吗 ？

俗称就是一个人的公司 、 两个人的公司 。

对 ，有很多人在做这样的事情 ， 国内也有人在支持这样的一些所谓的独立开发者啊之类的 。 我其实可能跟大多数人观点是有点不一样的 ， 我觉得就是未来的公司的效率是不是会更高 ， 我觉得是 ， 需要的人是不是会更少 ， 我觉得是 。

但这个是来自于非常新的组织结构来应对 AI 这波的一个变化 ， 结果是可能效率更高 、 人更少 ， 或者说更少的人能做更多的事情 。

但是是不是就一定带来一个结果 ，是不是会有一人公司或者几人公司 ， 我觉得这个是有点 ， 就是跟我们刚才讲说到底国内市场有没有机会 ，是不是一定只能做出海 ，是类似的 。

就大家容易纠结于一些概念 ， 就你到底是不是一人公司又怎样呢 ？ 你如果两个人能把这事做得更好 ， 为什么一定要一个人呢 ？

其实它还是一个性价比的问题 。 另一个点就是 ， 我觉得大家会经常看到一些新闻 ， 说美国这边会有一个什么一个人一年赚个几百万刀之类的 ，但国内就很少 。

我觉得这里面有几个原因 ， 一个还是我们刚才提到生态的问题 ， 美国的生态确实好 ， 它能赚的钱就是多 。

另一方面我觉得还有一个原因 ， 可能是大家相对比较忽略的 ， 就是我们经常看到国内的典型的独立开发者吧 ，他有非常强的 engineer coding 的能力 ，但是他在商业上经验是偏少的 。

嗯 ， 我之前还有一个问题 ， 就是因为现在的这个标题实在占据流量太多重要性了哈 ， 大家推送的时候都看标题 ，但是我们在复盘整个 Token 消耗量的时候 ， 我们感觉到今天视频对于 Token 的消耗的增速其实非常快 ， 曲线画出来的话是一直在文字的上面很多 。

增速它肯定是更快的 ，但你看绝对数量的话是不是还是 。

还是蛮多的 ， 所以我们也一直在找到底是哪些应用在消耗这个增速 。 我们大家熟知的肯定都是可灵啊这些 ， 就是工具嘛 。

你有看到什么有意思的应用吗 ？

首先其实我们年初的时候做过一篇算是复盘总结加今年的展望 ， 我们里面很明确的就讲了两个点 ， 就是 Agent 和多模态 。

我觉得到目前为止仍然是非常正确的 ，Agent 那波已经过去了 ， 然后下一波我们觉得就是多模态 。 多模态里面当然最主要的一部分就是视频嘛 ， 然后甚至于截止到今天之前 ， 大家在做 AI 视频的时候 ， 做的大多还是偏特效啊 、 剪辑啊这些东西 ， 包括你讲的你觉得增速比较快 ， 应该也是在这几个方面 ， 或者有一些可能就是图片转视频这个方向 。

但我们觉得这些方向不是那么所谓的多模态 native 的东西 ， 或者你可以理解这些东西 ， 我们觉得它有点类似于 CAI 的那个阶段 ， 对于多模态来讲 。

那我们在等的是 ， 当像 Weo3 这样的模型 ， 它做得更好 、 成本更低的时候 ， 那那个时候会不会有一个类似于 Manus 这样的产品在多模态里面出现 ？

它有可能是一个更多模态 native 的一个 ， 可能是内容社区的产品 ，也有可能就是一个所谓的多模态推理之类的东西 ， 都有可能 。

甚至有可能它就是一个更像世界模型的那种探索的东西 。 那我们在等那个时间点出现 ， 我觉得那个时间点出现以后， 它就会像是今年年初的 Manus 一样 ， 它又会带起来半年甚至更久的一波浪潮 。在当下， 我觉得在 Agent 之后， 整个市场其实在一个相对的冷静期吧 ， 大家都在等一个更新的东西出来 。

嗯 ， 所以我们今天其实已经聊了很长了 ， 我们聊了很多国内外 AI 一级市场 、 二级市场等等相关的东西吧 。

所以你自己这边基于这些认知 ， 你们未来一段时间的规划是什么 ？

我们比较兴奋的点是 ， 我们从 AI 的研究者想要做成用 AI 来帮助 ，因为投资这个行业底层就是生产力和 documentation， 就是它是由一堆文字材料组成的 。

所以我们内部已经在组建新的团队去把我们的研究跟 AI 做更多的结合 。 但是这些东西目前是在一个服务于自己的投资的过程当中， 所以我们其实起了一个偏开源的名字 ， 叫 WhatIf， 它的逻辑就是说让更多过去由于投研能力达不到 、 被忽略的一些认知 ， 怎么更好的加入到整个投研的过程当中 。

所以我们也会定期的做一些讨论的活动 ， 然后让不管是大厂的这些 researcher、 工程师 ， 或者 CTO， 还是在投资方面一些比较有新的体系理论的这些朋友 ， 就是我们会定期做一些讨论 。

如果大家有兴趣 ，也可以去参与我们的报名。 但我们目前的运营能力非常有限 ， 目前可能我们还是上限会抵达 100 个人的这么一个过程当中 。

好 ， 那我们今天就到这 ， 谢谢莫杰林 。

好 ， 感谢 。