AI李时珍带你“尝百草”---小宇宙先声活动演讲---91页PPT solo

哈喽哈喽 ， 大家好 ， 我是明昊 ， 录一期其实本周有早应该录的节目 。 呃 ， 这期节目的内容来自于 8 月 22 号小宇宙在上海做的 "AI 先声 " 活动的现场 。

对 ， 我在那个现场做了一个 1 小时的演讲 。 当时官方给的名字 ， 嗯 ， 这场演讲叫 《AI 时代的素材李时珍 ，在信息山野里尝百草 》。

对 ， 这个李时珍说的就是我 。 然后， 呃 ， 这场活动是 8 月 22 号举行的 ， 小宇宙官方找到我的时候 ， 我没错应该是 7 月底 。

当时我们就在想 ， 呃 ， 我了解了一下他们这场活动大概的样式 ， 然后想让我去讲一些什么样的内容 ，因为这是一个 AI 的主题 。

然后现场会有很多的主播的 ， 我们叫 meetup，其实是小型的活动 。 然后呢 ，他们也不想那么严肃认真地说 ， 一定要像我之前类似在狂喜或者在其他大型活动上讲的那么认真的 、 严肃的内容 。

然后我就想了想 ， 该怎么讲这个事情 。 然后， 呃 ， 这个活动现场的主播的 meetup 是分主题的 ， 我所在的主题叫 " 信息专场 "。他们是想说 ， 这个专场的主题是想说在信息爆炸的时代 ， 如何分辨真信息跟假信息 。

我基于这个大的主题 ， 想了我今天的主题 。 我说要不这样 ，因为我每次做各种各样整理的时候 ，其实都是一次加工 。

那我的原材料全部来自于我每天会观察到的各种各样的报告跟图表 。 所以我说要不这样 ， 我们现场做一个类似小的互动跟实验 ， 就是把我这一个月 ，因为当时的活动是 8 月 22 号 ， 我从 8 月 1 号开始准备这期内容 ， 就大概前 8 个月的 20 天我所看到的图表 ， 全部都讲一遍 。

呃 ，不做任何的梳理整理 ， 仅仅是罗列 。 然后让大家去感受一下每天的这样的信息 ， 然后在罗列的过程中， 看是否能够输出一些 ， 或者是有感觉地感受到一些框架跟脉络 。

所以有了今天这样一个内容 。 所以这个内容就是 《AI 时代的素材李时珍 》， 就是我 ， 对吧 ，在信息山野里尝百草 。

呃 ， 今天的内容有快 90 页的 PPT，因为有 76 页的图表 ， 还有一些展开 。 所以如果有条件 ， 我推荐大家看视频版本 ， 要不然你可能会听不懂我在讲什么 。

好 ， 我们正式开始今天的内容 。 叫 《 李时珍 》。 对 ， 首页我就放了 " 李时珍 " 三个大字 。 我原来不是司马迁吗 ？

怎么就变成李时珍了呢 ？ 对吧 。 那既然已经是了 ， 嗯 ， 我们今天就尝尝 AI 时代的所谓的百草 。

我在做这期播客之前 ， 应该在 8 月中左右 ， 刚更新过一期播客 ，是我去一个朋友的 21 市场的基金讲的内容 ， 叫 《AI by the Numbers》。

我在那期播客里也提到过 ， 那期播客的内容其实是这一次关于李时珍这个主题的一次预演 。 所以你们应该看过很多我的类似那样的 PPT 的内容 ， 甚至包括之前我做的很多的总结 ， 各种各样的狂喜上的总结 、 年度的总结 、 季度的总结 ， 一些小的整理 。

呃 ， 如果你看过我的 PPT 的话 ， 你大概会知道我的 PPT 内容其实是比较简单的 。 这种简单体现在 ， 基本上就是每一页可能一个主题配两张 、 三张 ， 甚至一张一个非常适合的图或者表 ， 或者一段文字 。

呃 ， 之前仁心在 ， 就是呃 ，AI 炼金术的主播仁心 ，在有一次跟橘子的播客里提到过一个观点 。 她会说 ， 呃 ， 她说你看周明昊老师那个 PPT，其实做得也挺简单的 ，但是每一页都挺好看的 。

因为我的图表都是来自于现场现成的图表 ， 所以美化上应该没有什么太大的问题 。 但是每一页都觉得 ， 哎 ， 对对对 ， 这里贴的这张图就是对的 ， 就是这个感觉 。

对吧 ， 相当于我是想好了这页要表达什么内容 ， 配上了一个合适的图表 。 然后仁心当时在那期播客里就问 ， 什么时候 AI 能做到这个水平 。

所以你们应该看过我的各种各样的内容 ，是这个形态的 。 那这些内容来自于哪呢 ？ 我开玩笑说 ， 我每天在网上高速上了很多很多小时 。

对吧 ，在 Substack 上 ，在 Twitter 上 ，在 Feedly 订阅的 RSS 的新闻里 ，在中文语境下可能微博 、 极客 、 知乎 。 对吧 ， 每天跟范伟一样学吧 ， 学无止境 。

太深了 ， 一直在学

。 然后呢 ， 那出现的结果就是 AI 负责每天震撼世界 ， 我负责把这些震撼保存到我的 Emma 的数据库里 。

呃 ， 如果你订阅了我的 VIP 版的数据库 ， 你会发现我的数据库基本上是按每月更新一个文件夹 。

呃 ， 我录制的现在已经是 2026 年的 9 月 ， 那刚刚结束了 2026 年 8 月的文件夹 。 我看了一下， 我在 2026 年 8 月的 " 可视化图表 " 这个字 ， 文件夹里放了 113 张图表 ， 平均如果按工作日算的话 ， 平均一天 5 张左右吧 。

然后报告那一栏里放了大概 30 份左右的报告 ， 按工作日算应该平均 1.5 份 PDF 一天 。 所以就是每天我都会看到各种各样的信息 ， 我会觉得有值得被保存下来的 。

如果未来有用的内容 ， 我会放到我的 Emma 的知识库里 。 呃 ， 如果你订阅了我的 VIP 知识库 ， 应该你见过这样的内容 。

然后那个地方可能就是我的 " 百草园 "。

我们一张一张开始 。 第一张图 ， 呃 ，CapEX。 呃 ，是截止到 2026 年 Q2 的各家财报之财报之后的 CapEX 的整理 。 还是按照之前的四家 ： 微软 、Google、Meta、Amazon。

四家加在一起 ，在 2026 年 Q2 财 ， 呃 ，Q2 的财报结束之后， 这四家的 CapEX 来到了 7330 亿美金 。在 2025 年是 3150 亿美金 ， 翻番 。

对吧 ，2024 年是 2224 亿美金 。 第一张图 ，CapEX。

第二张图是一个表情包 ， 呃 ，是我看一个美国的 Substack 他画的 ， 就是锤子找钉子 。 对吧 ， 那个锤子上面画了个 AI， 那钉子其实已经被砸弯了 ，但还在砸 。

那可能代表了当下很多 AI， 尤其是落地场景上的讨论 ， 大家都说在用锤子找钉子 。

再下一页 ，Cloud 云的份额 。 这张表基本上每个 Q2 各家厂商公布完财报之后会出现 。 美国三大云厂商 ：AWS、 微软云 、Google 云 ， 加一起占市场份额的百分之应该是 28%， 加 20%， 加 15%，63%。

对吧 。 然后收入 ， 整个 Q2 143 个 B， 增长 43%。 然后第二梯队我们看到了 Callwave、Oracle、Nebius 这些公司 。 这是一张云厂商份额的表单 ， 呃 ， 来自于 APP Inside。

这个机构出的 ， 呃 ， 表表跟图我也是经常用的 。 你看到那种非常有名的各家公司的财报的商机图 ， 应该都是他们出的 。

我没错 ， 后面也应该我也会看到 SpaceX 跟英伟达的这样一张图 。 呃 ，Cloud 份额 。 再下一张 ，Cloud 增长 。 前面说的是市场份额 ， 那再看具体的增长 ， 还是三家头部厂商加 Oracle。

这张表格里面多了 Oracle 的云的收入 。 你会发现 ， 呃 ， 微软云 、Google 云 、AWS 以及 Oracle 云 ， 从 25 年 Q2 的收入到今天 26 年 Q2 的收入的增长 ， 都是非常非常恐怖的 。

所以这两张表可以代表我也讲过无数次的观点 。AI 这一波最最最直接的体现 ，是各家云厂商的收入增长 。

然后是斩杀线 。 对 ， 这张图其实最近出现过好几个版本 。 我第一次在这个 PPT 用的这一张 ， 应该没记错是 8 月初的一张 ， 就是 DeepSeek v4 Flash 0731 那个版本刚刚出现的时候画的 。

呃 ， 这张表单的这个这个图 ， 就是一个横纵坐标坐标系 。 横坐标是 ， 呃 ， 这个这个模型的价格 ， 纵坐标是模型在某一个搒单上的打分 。

呃 ， 你会明显地感觉到 DeepSeek v4 的 Flash 0731 版本的价格非常的便宜 ，但是打分非常高 。 所以以它的位置画一个矩形出来 ， 被它矩形画进去的所有模型 ， 理论上来说似乎都没有意义了 。

因为这些模型都比它贵 ， 且打分情况没有它好 。 那明显感知到 ， 呃 ，其他的头部厂商 ， 无论是美国的 GPT 也好 ， 还是 Claude 也好 ， 中国的 ， 呃 ，Kimi 也好 ，JYM 也好 ， 大家的工作都变成了逃离斩杀线 。

也就是说 ， 这个斩杀线的可视化表现 ， 第一次 ， 或者说比较主流的出现在大家面前 。 斩杀线 。

然后又是一张 CapEX 的增长图 ，是分企业的 。 呃 ， 还是那三家还在 ：AWS、Google、 微软 。 那这 CapEX 增长这张表格里面增加了一家 ， 呃 ， 另外的 CapEX 增长的大厂 Meta。

然后这张表格是按 23、24、25、 以及 26 年的预期画的每一家过去 4 年的增长 ， 曲线非常夸张 。 呃 ，CapEX 的统计应该在我七十几张的统计的图表里面 ， 出现次数非常非常多 。

下一个表单 ，Set30。 这个表单就是前两天我去录那个 E10000 市场 ， 我跟 Romin 聊的时候 ， 我说每个季度美国会有一家机构出一个当季 ， 呃 ， 美国 E10000 市场的 ， 呃 ， 标的热门搒单 ， 就是这个 Set30。

我们看到了 Anthropic 排在第一 ，OpenAI 排在第三 ， 排在第二是那家美国的大疆做国防的 。Databricks 第四 ，Stripe 第五 ， 呃 ，Polymarket 第六 ，11Lab 第七 ，Clash 第八 。

然后 Neuralink， 呃 ， 马斯克那家脑机接口公司第九 。 就是最最最热门的这些 E1000 市场没有上市的公司 ， 呃 ， 每个季度的搒单其实都是有变化 。

这个搒单去年应该 OpenAI 一直是第一 ，但今年基本上都是 Anthropic 第一了 。

再一张图 ， 标普 500 的截止到 0731 的曲线增长情况 。 呃 ， 这个表单或者这个图也是大概差不多每半个月会有一张更新 。

你们也能够感知到标普 500 过去一年多左右时间的变动情况 。 你看到了去年 3 月份的大跌 ， 你看到了今年 7 月份很很重的调整 ，但是你也看到了整体趋势依然在往上， 屡创新高 。

再下一张图是英伟达 Q2 财报之后更新的 ， 呃 ，不 ，Q2 财报之前做的英伟达的对外上市公司的投资 。

当时最大的投资还是当时投英特尔 ， 第二是 Nebius， 第三是 Callwave。 我为什么会强调是 Q2 财报之前呢 ？ 如果没记错的话 ，Q2 财报之后这个表就更新了 。

因为 ， 呃 ， 英伟达在 Q2 的时候投了 SpaceX。 呃 ， 所以在它所有的对外投资的上市公司的股份份额的占比里面 ，SpaceX 应该是排在第一了 。

再下一张 ，CapEX 增长 。 依然是 ， 呃 ， 这次有五家了 ， 那就是 Meta 跟 Oracle 都在 。 然后另外三家云厂商 ， 对比的还是 25 年跟 26 年全年的 。

你看这个这个表单的统计 ，有各种各样的统计的这个方式 ，有单个 Q 的 ， 对吧 ，有全年的 ，有按云厂商的 ，有按四大家的 ，也有把 Oracle 放进去的 。

那后面其实还有把 SpaceX 放进去的 。CapEX 又一次出现了 。 那再一次再一张 ， 又是 CapEX，但这张表对应的是 GDP 的占比 。

呃 ， 它是相当于把这五家最大的 CapEX 投入的厂商的所有的 CapEX 加在一起 ， 用这个数字不断地去做对比当年的美国的 GDP。

那从原来的可能 1.7% 已经涨到了将近 2.8%。 而且明显感知到我也是无数次的观点 ， 每一次我们对 CapEX 的预期在过去三年基本上都是低估的 。

就每一次财报一出 ， 这个数字就要往上调 ， 每一次一出就要往上调 。

下一张 ，H6Z 做的 ， 呃 ，H100、A100、H200 跟 B200 这几个最最最核心的 GPU 的租赁价格 。 对 ， 然后这几个价格你明显感知到还在涨 。

那这些 GPU 的租赁价格也是大家观测 AI 市场的需求的很重要的指标 。 租赁价格 。 呃 ， 下一张是一个金融机构做的软件的 ETF 跟 AI ETF 过去两年左右时间的对比 。

你明显感知到进入到 25 年下半年开始 ， 呃 ， 市场在买单的是 AI，而在抛弃的是软件 。 对吧 ， 这么多年， 呃 ， 过去这么多月大家一直在说什么 SaaS 一死 ， 软件一死 ， 那 AI 的软件增长就很好 。

这两条曲线在 25 年下半年出现了巨大的分隔 。AI VS 软件 。

再下一张 ，SpaceX 的财报 。 又是来自刚才我说的 APP Economic Insights 做的商机图 。 呃 ， 收入来自于 SpaceX， 呃 ，Xlink， 然后 Starlink 跟 xAI 这三个板块 。

然后你们也通过商业图的情况来看 ， 目前 SpaceX 更多的收入其实来自于 Starlink，但是更多的成本花在了 AI 上 。

就是一个是眼前的狗血 ， 一个是时隔远方 ， 或者说一个是现金流业务 ， 一个是未来的画饼的业务 。 商机图的方式会看得非常非常的明显

。 同样来自于 ， 呃 ，APP Economic Insights，SpaceX 的 CapEX 投入 。 因为现在 SpaceX 的 CapEX 投入也很大 ，但这个投入也是按三个业务来分的话 ，AI 的投入绝对远比 ， 呃 ，Starlink 跟火箭的 CapEX 投入大得非常多 ， 可能要大一个数量级 。

比如说在 H1 2026， 就 2026 年上半年， 整个的 SpaceX CapEX 投入是 28.5 个 B，285 亿美金 ，其中 236 亿美金给了 xAI。 呃 ，SpaceX 就是火箭业务只有 2.2 个 B，22 亿美金 。Starlink 只有 27 亿美金的 CapEX 投入 。

还是来自这个机构的一个数据统计 ， 来自于 AMD 的收入构成 。 呃 ，在 AMD 公布了 Q2 的财报之后， 你发现 AMD 的 Data Center 的收入增长也很快 ， 呃 ， 甚至超过了其他所有业务收入 。

那 Data Center 的收入就是 AI 相关的收入 。

呃 ， 再看 SpaceX 的收入构成 。 这张表就来自于另外一个机构了 。 从收入角度来看 ， 呃 ， 目前最大的是 Starlink 4.29B， 第二大的是 AI 2.56B。

呃 ，SpaceX 其实并不大 ， 只有 0.962B。 然后从利润贡献角度来讲 ， 呃 ，Starlink 是盈利的 ，但是 AI 跟 SpaceX 都是亏损的 。

再下一张 ， 电力与 GDP 的对比 。 呃 ， 同样是一个坐标轴 ， 横坐标是 GDP per Capitol， 纵坐标是电力 。 你明显感知到没有什么国家是 ， 呃 ，GDP 很好但用电很少的 。

要么就是用电很多 GDP 很高 ， 要么就是用电很少 GDP 很少 。 就大大部分国家分分布在这样一个非常非常正相关的曲线上 。

因为电力可能也是 AI 时代最核心的指标之一 。 再下一张 ， 我放了四页 PPT。 呃 ， 这四页 PPT 来自于什么呢 ？

来自于前 Google 的首席科学家 Jeff Dean 离职的时候 ，他画的他的 BP。 对 ，他要去融资 ，他要画了一个简单的 BP， 一看就是拿 Google Doc 做的 。

第一页是讲 Jeff Dean 以及另外几个他的合伙人的工作经历 ，他们干了什么 ，他们做了什么事情 。 呃 ， 第二张其实在 ， 呃 ，AI by the numbers 那张我也用过 ， 就是讲述 Loop 这件事情其实在其他实验领域已经都实现了 ， 那么他们要做把这个事情在 AI 领域扩展 。

然后第三张是这几个 Co-Founder 在 AI， 呃 ，在 Google 做过什么事情 。 然后第四张是他们要做什么 ， 就是 Automate ML, Science, and Engineer for impactful problems 这四张 PPT 代表着 Jeff Dean 这样一个江湖大佬离职时候的他的认知 ， 就是我们这些牛逼的人做过这些牛逼的事情 ， 我们合作过哪些哪些人， 然后我们现在要做的事情的愿景跟具体的执行方式 。

我觉得这也是可能当下这个时间点这些最优秀的头部创始人去做融资的时候最好的一种表达方式

。 截止到这儿 ， 我们大概过了 20 页表单 ， 所以我做了个暂停页 。 我问了几个问题 。 第一个问题 ，是不是有点蒙圈 ？

你回想一下过去的这 20 页讲了什么内容 ？ 有没有一些感觉是偏杂乱的 ？ 还是说你感觉上有一点所谓的有迹可循 ？

没关系 ， 无论是哪种感觉 ， 我们都继续深呼吸 ， 我们继续往下走 。 又是一张标普 500 的 。 刚才说的标普 500 的涨势图是截止到 0731 的 ， 然后过了一周出了个 0805。

为什么会出了 0805 呢 ？ 因为 0805 那一天标普 500 再创新高 ， 达到了 69.8 个 Trailing， 再创新高 。 所以这张图无论是什么时候做 ， 截止到什么时间点 ， 都可以用一个同样的标题 ， 我也用过无数次 ，在 " 屡创新高 "。

对 。

呃 ， 再下一张图是红杉的一位合伙人去讲的一张推特的截图 。他会认为当前这个时间点 ， 美国最头部的 AI 公司 ，SOTA、OpenAI、Google、 微软 、 亚马逊 、 英伟达 、Apple、SpaceX，他们之间的关系很像星际争霸 ， 就是每一个种族都有自己的天赋 ，有自己擅长跟不擅长的东西 ， 都在发挥自己的角色 ，在向那个胜利做努力 。他用了一个类似星际争霸的比喻 ，因为当年我是打星际争霸的 ， 所以对这个比

喻认可度比较高 ， 把这张图截了下来 。 呃 ， 再说一下， 这个合伙人叫 David Chen。 呃 ，他就是之前红杉写 ， 比如说最早我没记错写 2000 亿美 ，AI 的 2000 亿美金问题 ，AI 的 6000 亿美金问题 ，AI 的 18000 亿美金问题 ， 跟 AI 的 1 万亿美金问题的那位作者 。

呃 ，他的这几篇文章我在之前的很多次的行业总结里面也都用过 。 再下一张 ， 又是 SpaceX 的 CapEX 支出 。

呃 ， 这张表格是来自于一个 Substack 的作者 ，他专门是写半导体的 。 呃 ，也是我订阅付费的少数的几个 Substack 作者之一 。他用了一个树状的柱形图来表示过去几个季度在 CapEX 上爆发式的增长 ， 这个曲线拉得非常的夸张 。

再下一张 ，CapEX VS Sales，也就是跟销售收入做对比 。 呃 ， 很多人会说这些巨头们的 CapEX 已经到了某种极限 ， 大家会跟它的利润做对比 。

那现在你发现跟利润对比 ， 很多公司出现了负向的现金流 。 那大家只能再去跟销售收入做对比 ， 又是那五家公司 ，AWS、 呃 ， 亚马逊 、Google、 微软 、Meta、Oracle。

那其中最危险的看起来已经是 Oracle。Oracle 现在的 CapEX 跟它的 Sales 对比已经达到 85%。Meta 达到 60%。 呃 ， 微软达到 53%，Google 40%，AWS 28%。

再下一张 ， 呃 ， 是一个布隆伯格做的报告 。 这张标题我起了个叫 " 梁圣 "。 这张报告就是 ， 呃 ， 当时他去写这个这个头部模型的 Token 的输入跟输出的价格 。Fable5 GPT 5.64 OK K3， 呃 ， 前文 3.8 Max 以 DeepSeek V4 Flash。

呃 ， 最贵的 Fable5 的价格输入是 50 美金一个 million， 输出是 ， 呃 ， 输入是 10 美金 ， 输出是 50 美金 。 所以你看到这个坐标系的这个横轴是 0、10、20、30、40、50 美金 。

那如果你知道 DeepSeek 的价格 ， 它那个图像画出来就跟在坐标轴上往上描了一点点黑线一样 。 所以之前很多人会说这个图是忘了画 DeepSeek，但你细看 ，DeepSeek 是画了一条黑线 ， 就非常非常小 。

因为你要想这个坐标轴的单块是 10 美金 ， 那它当然零点几美金看起来就跟没画一样 。 所以大家会说是梁圣 。

但是今天 9 月份你再去听这个问题的时候 ， 梁圣有些时候变成了梁子 ， 对吧 ， 就后面出现了一些别的事情 。

所以就 Echo 我之前无数次讲过 ， 就每一次我做这样的 PPT 的时候 ， 这些图表的有效期都是非常有限的 。

那过一段时间就会出现一些新的叙事把这个图表盖过去 。

再下一张图 ， 呃 ， 美国一个机构统计的 Token 的价格 。 它统计的是 Token 的平均的价格 ， 又分了三条曲线 ， 分别代表 ， 呃 ， 这个这个中间那条蓝色的曲线是所有 Token 的平均的价格 。

上面那条红色更贵的 ， 代表的是 B 元模型的价格 。 底下那条绿色当然代表的就是 K 元模型的价格 。

你明显的感觉到进入到 26 年 Q3 开始 ，因为开源模型能力的急剧提升跟价格成本的逐渐体现 ， 再加上最头部 B 元模型的价格确实过于贵了 ， 导致这个曲线出现了一些变化 。

首先平均价格来看 ， 再往下走 ，B 元模型在疯狂的掉 ， 那 K 元模型在微微的抬头 。 我们继续往下 。

呃 ， 如果你听了我最近几期播客 ， 你明显感觉到进入到 26 年下半年左右 ， 或者 26 年上半年开始 ， 呃 ， 把训练模型做成商品化 ， 或者说帮别的厂商做训练模型的 ， 无论是预训练 、 后训练 、 强化学习 、 数据环境搭建的这种厂商越来越多 ，并且收入涨得都很快 。

呃 ， 红杉的 OpenAI Intelligence 所代表的这个趋势会非常明显 。 所以 ， 呃 ， 美国那个 Monroe 的 GP 也统计了一张表 ，是这些这个时间点涨得比较快的做数据跟 RL 的厂商的列表 。

呃 ， 这张表应该我也放在了 By the Number 那次 PPT 里 。

再下一张 ， 前面无数次讲过的 CapEX 都是美国公司 。 那也有一些第三方机构做了一些中国公司的统计 。 它是按互联网公司华为对华为单算 ， 然后运营商这几个角色划分的中国的 CapEX 的增长情况 。

那这些数字 ， 中国 26 年预计应该是 200，不到 200B 吧 。 那其实这个数字并不相对于美国那家最头部的厂商而言并不大 。

再下一张 ，AI 跟互联网的对比 。 同样是比 CapEX 的投入跟 GDP 的占比 。 呃 ， 这张表格来自于一个第三方金融机构 。

它去对比的 ， 呃 ， 当年互联网爆发的时候的 CapEX 跟 GDP 的比值的对比 ，以及今天这个时间点 AI 时代 CapEX 投入跟 GDP 的对比 。

你发现进入到 ， 呃 ，24 年的时候是差不多的 ， 都是 24 年相当于类似当年互联网巅峰的 97 年， 都是占比 0.8。

到 25 年互联网占 0.9， 就互联网当年的 CapEX 占 GDP，但 25 年的 AI 领域的 CapEX 占 GDP 已经达到 1.4。 到 26 年， 呃 ， 对比的是 99 年 。

这个对比 ， 或者这个年份的对比 ，也是很多人默认的跟互联网泡沫做对比的年份 。 当年互联网接近泡沫的时候 ， 就是 99 年的互联网 CapEX 占 GDP 只有 1%，但今天 AI 已经跑到了 2.4。

那未来可见的 27 年， 这个数字又跑到 3.1。 当然是否会像当年 2000 年互联网泡沫那样出现一个比较大的回调 ， 没人知道 。

这只是做一个差不多时间的对比 。 再下一张 ，是来自于一个国内的 Agent 厂商 。 呃 ， 当然是个初创公司 ， 它会服务海外用户 ，也会服务国内用户 ，也会服务企业用户 。

它去给的过去大半年左右时间 Token 的增长 ， 你明显感觉到这个这个 Agent 代表的增长的情况 ，在过去的小三四个月时间里面爆发式的增长 。

再下一张图 ，VC 退出的集中度 。 呃 ，是按 2005 年到 2010 年，2011 年到 16 年，17 年到 22 年，23 年到截止到今天 。 呃 ， 这个集中度是非常非常明显的出现了一个马太效应 。2023 年到 2026 年的退出里面 ，Top 1 的公司退出的价值达到了整个行业的 80%。

也就是说你没有投到 Top 1 的公司 ， 你就跟这个行业 80% 的潜在收益没有关系了 。1% 到 10% 的公司达到了 12% 的价值 ， 剩下 90% 的公司只实现了 8% 的退出价值 。

Loop， 再下一张是讲 Loop 的 。 呃 ，Loop 可能是当下这个时间点 ， 大家无论是学模型还是做 Agent 的这个这个核心的逻辑 ， 对吧 ， 或者核心的叙事方式 。

然后 HOA 做了一个四象限的分布 ， 就是到底什么样的工作或者什么样的场景可以实现比较容易的 Loop。 那最典型的就是 Code 跟数学了 ， 对吧 ， 就是首先非常容易编辑 ， 第二非常容易做验证 。

是否容易编辑跟是否能够做验证 ， 就可以划分出来四个象限 ， 你就可以把不同的场景放到这四个象限里 。

现金流 ， 前面提过了 ， 我们前面无数次看了这五家公司的 CapEX，但是 CapEX 这钱从哪来 ， 会不会影响他们现金流 ？

我们正在处于 26 年 Q2 到 Q3 这个时间点的时候出现了一个问题 ， 你会发现某些厂商的现金流顶不住了 ，他的自由现金流不够 CapEX 了 。

但是因为大家对未来的预期非常的好 ， 可能到 28 或 29 年的时候 ， 这些公司今天投入的巨大的 CapEX 会产生更更更巨大的收入 。

那是否如预期那么理想 ？ 我们静观其变 。 现金流 ， 再下一张图是红杉做的 。 就是它把过去 20 年每一年的热门的话题跟当年事后来看最热门的公司做了一个列表 。

你明显感觉到 ， 呃 ， 所谓的当年最好的公司跟当年最热门的话题之间 ，其实是有一定的时间差的 。

也就是说当年讨论最多的事情 ，并不代表着那个事情里的最好的公司是当年最后最好的公司 。 呃 ， 这个事情一般会有延后性 ， 很多事情是在事后我们才认清趋势的 。

可是认清趋势的时候 ， 当时这个最好的公司已经其实涨得非常壮大 。

再下一张图 ，是 ， 呃 ， 最近特斯拉公布的他们那个巨大的芯片工厂的俯瞰图 ， 然后同时底下做了几个对比 ， 去对比 ， 呃 ， 现在的特斯拉的工厂 ， 对比五角大楼 ， 对比苹果的总部的那个大小的示意图 。

那个工厂巨大 ， 巨大无比 ， 大到真的特别特别的恐怖 。 它可能是现在的五角大楼 ， 或者是现在的那个苹果的那个圆圈的那个东西的几十倍那么大 。

你就想他们已经很大 ， 然后那个东西再放大几十倍 ， 我的天 。

再下一张图是一张梗图 。 最近头部模型们都在双引号的做一件事情 ， 就是 escape， 对吧 ， 逃离人类的控制 ， 做各种各样攻击的事情 。

首先是之前 OpenAI 跟 Hugging Face 的事情 ， 然后 Anthropic 也出现了 ， 然后 Meta 也出现了 。 那现在最近一段时间 Google 的 Gemini 不是不是太行吗 ？

所以这个就画了一张梗图 ， 就是 Google CEO 在推那个 Gemini 的 logo， 说你也来 ， 你也赶紧去 escape。

再下一张图 ， 数据中心跟办公室的投入的曲线对比 。 这张图其实用过很多次了 ，而且每一次都有更新 。

之前被很多人看到的那次 ， 应该是两个曲线达到了交集 ，也就是说给人类的办公室的投入少于了给数据中心的投入 。

那这个曲线相交之后， 你要知道数据中心依然在疯狂投入 ， 可是办公室的投入在减少 ， 所以这个曲线在拉大 ， 它的距离在变大 。

我们现在正在看到这个趋势 。 再下一张又是梗图 ， 呃 ， 一个积木的图 。 然后这张图的标题叫 AI 的经济 ， 就是最上面是 Oracle， 然后 JP Morgan， 英伟达 ，SpaceX， 微软 ，其实可能还有 AWS， 刚才我们提过这些公司 。

然后底下有两个非常孱弱的支角 ，OpenAI 跟 Anthropic。 就是 OpenAI 跟 Anthropic 的收入支撑了所有这些 AI 的经济 ， 非常非常的孱弱 ， 对 ， 相对于巨大的投入而言 。

AI 行业的毛利 ， 呃 ， 这是一个第三方资管机构做的 。 呃 ， 芯片 、 能源 、 算力跟云 ，以及应用跟模型四个区块 。

从毛利角度来看 ， 芯片现在毛利最高 ， 平均 3%，41%。 能源 24%， 呃 ， 算力跟云 11%，但模型跟应用公司的毛利是 -59%。

这是当下这个时间点现存的状态 ，但这个状态是否是对的呢 ？ 很多人认为是不对的 ，因为如果行业发展到合适的阶段 ， 应该是反过来的 。

无数次大家期待的是模型跟应用距离用户更近 ， 应该他们毛利更高 ，但现在看起来可能有点一厢情愿 。

再下一张表 ， 世界最大的公司 。 这张表是 8 月 8 号的 。 为什么要列 8 月 8 号的 ？ 因为这个表每一天可能都发生变化 。

进入到 8 月 8 号那一天 ， 最大的还是英伟达 5.4T， 苹果 4.5T，Google 4.3T， 微软 3.7T， 亚马逊 2.9T，TSMC 2.1T， 博通 2.2T，SpaceX 1.7T， 然后是沙特的那个阿美 1.7T，Meta 1.5T。

截止到这我们过了 40 页 ， 所以当时我又做了一个暂停页 。 我说有点感觉了吗 ？ 是否有所谓的有迹可循了 ？

是更累还是有点烦躁了 ？ 无论怎么样 ， 我们还要继续 ， 我们还有很多 。 再下一张又是张梗图 ， 又是梁胜的梗图 。

那张特朗普被枪击的知名的那个举手的照片 ， 然后这张图把特朗普换成了梁胜 ， 后面抱着他的是 Sam Altman， 马斯克是 Anthropic CEO， 然后那张旗子变成 DeepSeek， 又是一张梗图 。CapEX 0810， 呃 ， 同样是这五家 ， 呃 ， 变成了六家公司 。

你看六家公司了 ， 多了谁呢 ？ 在 Google、 亚马逊 、 微软 、Meta 跟 Oracle 之上， 多了 SpaceX。 刚才我们说过 SpaceX 那天的 CapEX 投入也非常大 ， 所以它也值得被放进来 。

然后各家公司发完财报之后 ，在 8 月 10 号有第三方机构做了这个统计 。27 年预计这 123456， 六家的 CapEX 应该已经超过 1 万亿了 ， 达到 1.132 万亿了 。

ARR 与估值 ， 抛开 Anthropic 和 OpenAI 这些最头部的模型公司 ， 我们看那些各个细分领域的 AI 的代表公司 ， 比如 Ramp、Legora、Harvey 这种公司 ， 它的 ARR 跟估值的倍数对比 ， 你感觉平均可能都几十倍 ， 甚至有超过 100 倍的 。

这可能是当下这个时间点意义上对于这些垂类领先的 AI 公司的一种双引号的认可 。

又是一张 CapEX， 同样是增加了 SpaceX， 然后这个可能就是分 ， 呃 ， 从 20 年开始统计 ， 这张表的时间跨度更长 。

然后 22、21、22、23、24、25 年开始算每年的增长 ， 然后预计到 28 年 。

再下一张图是 AI 的价值链 。 那有什么五层蛋糕 、 六层蛋糕 、 七层蛋糕 ， 对吧 ， 就是各个人有各个人换方法 ，但大概率的这几个板块可能都是通用的 ， 对吧 ， 从消费者到模型 。

模型下面是大型云厂商跟 neocloud， 再下面是数据中心 、 服务器 ， 再下面是能源 、 存储 、 芯片 ， 这种换的方式 。

这是来自一个 iCapital 的报告的截图 ， 然后同样是来自这个报告 ， 它也画了一个商机图 。 就是这个刚才列的是各个板块的厂商 ， 然后它按钱的方式做轮转 ， 这钱进来什么给到模型厂商 ， 然后这些钱又怎么轮转到云厂商 ， 云厂商再给到数据中心 、 芯片 ， 然后再给到能源 。

每一个层级的钱的流转 ， 同样是用商机图的方式做了对比 。

再下一张 ， 斩杀线 。DeepSeek V4 Flash 0731 发布之后的 8 月 10 几号 ，DeepSeek 发了 V4 Pro 0813， 再次基于 V4 Pro 的数据画了一条新的斩杀线 。

这个斩杀线更恐怖了 ， 虽然 V4 Pro 的价格有了比较大的提升 ，但是它的能力也非常提升 ， 所以超过这个斩杀线的公司变得越来越少 ， 几乎全部被买掉了 。

再下一张图来自 Ramp 那个做 ， 嗯 ， 支付的公司 ， 它统计的 ， 呃 ，Opus， 啊不是 ， 它统计的 Cloud 发布 Fable5 之后的 Fable5 的收入占比 。

那其实 ， 呃 ，Fable5 之后被证明确实太贵了 ， 它的收入占比并没有涨得非常非常的恐怖 ， 涨到大概只有百分之十几就不涨了 。

大部分人用 Opus 的系统还是在用 Opus 4.8。

再下一张图来自 Hugging， 呃 ，OpenRouter。OpenRouter 新出了一新出了一个做数据可视化的主管 ， 每天在推特上发 ， 我特别开心 。

这张图是代表模型发布频率的 ， 呃 ， 就是它统计当年每一个月在 OpenRouter 上新发布的模型数量 。 那第一 ， 呃 ， 第一栏是 24 年，1 月 14 个 ，2 月只有 3 个 ，3 月 8 个 ， 最多的 8 月 28 个 。

然后这个这个柱状图的颜色有区分 ， 你听到了 ， 最多的一个月是 28 个 ，也就是平均一天不到一个 。 所以在 24 年所有的这个柱状图都是白色的 ， 白色代表平均每天发布的模型少于一个 。

到 25 年的时候 ， 你发现每个月的发布模型数量明显变多 ， 比如说 3 月达到 45 个 ，4 月巅峰达到 50 个 ， 然后年底的几个月每个月 35 个 ，42 个 ，42 个 ，35 个 。

那这几个巅峰出现的高峰月就变成了紫色 ， 紫色代表平均来看一天超过一个 ，但不到两个 。 到 26 年这个数字更恐怖 ，26 年的 4 月份有 80 个 ，7 月份有 70 个 。

那当达到这个数字的时候 ， 平均每天的模型的滥池的数字变到了两个以上 ， 然后这两个月变成了绿色 。

然后这张图截止到的是 8 月 11 号 ，8 月 11 号 8 月份已经发了 22 个了 。 所以 8 月份如果画满的话也应该是绿色 。

所以明显感觉模型的发布频率在疯狂的加速 。

再下一张图来自于布隆伯格循环融资的这张图 。 这张图其实在去年大家讨论 AI 泡沫跟循环融资最热烈的时候 ，也有过一个版本 ， 我也用过 ，在我去年年底狂喜的播客节的那期版本 ，PPT 里也有 。

那今年 8 月份布隆伯格又画了一个新的 ， 更新了各家的估值 ， 呃 ， 数据的大小 ， 包括各家新投资的厂商 。

这张图再次的更新了 ， 循环融资 0813。

呃 ， 再下一张图同样来自 Ramp， 呃 ，Ramp 每个月会统计一个 AI 行业的采用率 ， 这个曲线今年的 5 月份还是 4 月份的时候 ，Anthropic 第一次超过了 OpenAI， 然后， 呃 ， 每个月在增长的变化 。

再下一张图 ， 呃 ，neocloud 双强 Nebius 跟 Corvell 的收入 ， 呃 ， 自由现金流 、 股价跟估值 ， 呃 ， 毛利的对比情况 。

再下一张图 OpenAI 的 ARR， 啊 ， 这张图的数据截止到 8 月 12 号 ， 呃 ， 最新的曝光出来的 ARR 应该是 443 个 B。

再下一张图 VC 2026， 呃 ， 统计的是 VC 行业的投资 。 你明显感觉到 2026 年是一个疯狂的一年， 甚至可能是创历史纪录的一年 。

无论从投资的额度还是投资项目的数量都是如此 。

从项目的分布来看 ，26 年最大的主题当然是就是广义上的软件 ， 就 AI 相关的 。 从额度划分会更明显 ， 可能 80% 甚至 90%， 呃 ，70% 吧左右的钱都投到了 AI 上 。

从项目角度来讲 ， 可能占比 30% 到 40% 吧 。 再下一张图同样来自那个半导体的 Substack。 那各家云厂商的 ， 呃 ，不对 ，是那四大 CapEx 投入厂商的 memory， 就是存储的成本占比 。

你明显感知到这个曲线全部都是往上拉的 ， 全部都是往上拉的 。 再下一张图 ， 截止到 8 月 12 号的 codex 的活跃用户 。

这张图如果今天来做 ， 应该已经是个 2,500 万的数字了 。 可是截止到 8 月 12 号 ， 这个数字只有到 1,500 万 。

就在我演讲的那一天 ， 这张图更新到了 2,000 万 。 所以你看这种图就是你没办法不更新 ，因为只要过一个月 ， 所有数字重新要更新 。

再下一张图 ， 前面有列过叫世界最大的上市公司 。 那因为长鑫的上市 ， 中国的最大的现在的上市公司变成了长鑫 ， 第二是腾讯了 。

同样这张图是要截止时间的 ， 如果没记错的话 ， 这张图应该是截止到 8 月 13 号的 。

再下一张图 ， 中美的开源模型的发布时间对比 ， 啊 ， 包括它横坐标是时间 ， 纵坐标是参数量 。

你明显感觉虽然 ， 呃 ，Thinking Machine 出了新的模型 ， 虽然英伟达也出了新的开源模型 ，但是从频率跟参数量角度来讲 ， 中国模型确实在开源领域还是非常非常强势的 。

再下一张图来自 Hugging Face， 呃 ， 同样的统计 ， 刚才的统 ， 刚才那个统计是每个月的模型的数量 。 那它这次统计的是所有模型的数量 ， 从 2022 年、23 年、24 年、25 年、26 年、26 年暴涨 。

然后这个模型里面肯定有分语言 、 多模态 ， 呃 ， 语音 、RL 各种各样的 ， 这个 Hugging Face 上所发布的模型的数量 。

截止到这我们看了大概 60 页 。 我在当天又问大家感觉如何 ，是否听起来已经慢慢有一些脉络了 ， 还没结束 ，但快了 。

前面说了 OpenAI， 那当然会有 Anthropic 的 ARR，但 Anthropic 的 ARR 其实最近有非常多的版本 ，有时候 700 多亿美金的 ，有时候 600 多亿美金 。

这个数 ， 这个 ， 这我截的这张图是最后一次 ， 它只统计到了 5 月份那次 470 亿美金的 ，但是给出了年度预期是 1,000 到 1,200 亿美金的 ARR。

同样的 ， 它给出了 Anthropic 在过去一段时间的估值的变化 ， 从 ， 呃 ，25 年的 61.5 个 B， 对吧 ， 然后到 25 年 9 月 183 个 B， 到 26 年 2 月 3,800 亿美金的利润 ， 到 5 月份 9,650 亿美金的利润 ， 到最近它传出要 IPO 要目标 2 万亿美金 。

再下一张图 neocloud， 呃 ， 我们虽然说 neocloud 这家公司长得都很好 ， 然后各种各样股价这样的事情 ，但是在纯云计算的整个战场来看 ，neocloud 占比还是非常小的 ，但是它们增速确实非常非常非常的恐怖

。 下面两张图 ， 呃 ， 来自一个类似 OpenRouter 这样的公司的统计 ， 就是统计它所统计它所覆盖的模型的分布 。

那从 Token 角度来讲 ， 呃 ，Anthropic、OpenAI、Google、xAI、DeepSeek，但是这个统计更有意义的是从收入 ， 就是 spend 的角度来看 ，Anthropic 绝对强势 ， 可能超过 60%，但它统计的更多是基于 API 的调用的收入 。

呃 ， 再下一张 ，Cursor 600 亿美金确定被 SpaceX 收购了 ，有人做了一张 Cursor 的个人投资人的回报 ，他的天使投资人可能有超过 3,000 倍的回报 。OpenAI 其实投了他们天使轮 ， 呃 ，seed 轮 ， 种子轮 ， 大概 500 到 800 倍回报 。Netflix、Friedman、 原来 GitHub 的 CEO 有 400 到 1,000 倍回报 ， 就他那些天使 。

然后 A 轮可能有 100 多倍回报 ， 然后哪怕是 growth 那一轮都有几倍的回报 ，而且时间都很短 。

再下一张 ， 英伟达的持仓 ， 我刚才讲过 ， 它公布 Q2 财报之后 ，因为更新了 SpaceX 的投资 ， 哦 ， 那我记错了 ， 第一大的还是 Intel， 第二大的 SpaceX， 第三大的是 Corvell。

再下一张 ， 标普 500 的今年截止到 8 月 14 号的 TOP10 的涨幅 ， 全部都是 AI 相关的一年公司 ，Sundays、 戴尔 、 希捷 、 美光 、 英特尔 、 西部数据 、Marroway、 呃 ，Lumen， 那家做光的 ， 惠普 、AMD， 前十名 ， 全部都是 。

再下一页 ，Co2 画的 ， 基于 OpenAI 的一个统计 ，OpenAI 的 Token 调用量自从这个这个 Codex 崛起之后， 就是 Agent 代替 Chatbot 这个趋势非常非常的明显 。

现在 Agentic 的 Token 占比已经 64%， 将近 2/3 了 ，ChatGPT 就纯 Chat 已经只有 36% 了 。

再下一张图我觉得做得非常非常好 ， 就是本地模型的能力达到某一个时间点的 SOTA 模型能力需要的时间 。GPT-3 那个年代到 GPT-3 的能力是 20 年 6 月份还是 7 月份发布的 ， 达到 GPT-3 的本地模型可以部署的小模型是 Llama 的 33B，是到了 23 年的

2 月 ， 只用了 33 个月 。 然后后来很多的 ， 比如说 GPT-4 的发布是 2023 年 3 月 ，但是 GPT-4 能力的小模型就是 Chainway 2.5 的 32B，24 年 18， 呃 ，9 月份发布了 ， 过了 18 个月 ， 后来只需要这个时间缩短到了 9 个月 。

也就是说 ， 比如说 Opus 4.5 是 25 年 11 月份发布的 ， 这个月 ， 啊 ， 上个月刚刚发布的 Chainway 3.8 27B 也到了这个能力 ， 就不到 9 个月了 。

那这个事情再往前推 ， 当前最强的模型 Fable5 可能再过 ， 我觉得都不需要 9 个月 ， 可能 7 到 7、8 个月时间就可能有一个小于 30B 的模型可以本地部署的模型的能力达到了 。

这也是为什么这一段时间 ， 呃 ， 关于边缘模型 、 本地模型的部署的讨论特别多的原因 。

再下一页 ， 真循环融资 ， 又是一个循环融资往复的表单 ， 还是那些科技巨头 OpenAI、Anthropic， 然后 neocloud 公司各家投入多少钱给对方 ， 再去以订单的方式转移多少钱 。

呃 ， 再下一页 ，Brex TOP 25， 嗯 ， 就像我前面说的 ， 这个是一个统计过去的 Summer 2026， 就你可以类似 Q2 吧 ，25 家涨得最快的软件提供商的公司 。

那除了一些 ， 呃 ， 比如说硬件公司跟一些 SaaS 公司之外， 有我没记错的话应该有 6 家公司是 AI 的应用公司 ， 然后有 14 家公司是做 AI infra 的 ， 就是给 AI 行业做 ， 无论是训练模型 、 做数据 、 做后训练 、 做预训练 、 做强化学习环境搭建的这些公司 。

再下一张 ，Anthropic 的 18 号曝光的 ARR， 啊 ， 那张图的曲线里面就出现了好几个数据源 ，有说是 650 的 ，也有说是 740 的 。

再下一张图 ， 万亿美元俱乐部 ， 达到 1 万亿美金的上市公司的列表 ， 跟之前有一张世界最大的上市公司列表的公司是基本重合的 。

再下一张图 ， 同样来自 Ramp，8 月的 TOP 的 Software vendors，其实跟那个 Brex 的搒单是非常非常重合的 。 然后你们也能感觉到的趋势也是刚才我说的 ，Own Your Intelligence 所代表这些为 AI 模型提供训练服务的公司非常多 。

再一张图 ， 跟前面那张图非常像 ， 就是数据中心跟办公室的投入对比的 。 这张图拉到了 26 年 9 月份 ， 这个曲线拉得更大 ， 当然它的横坐标拉得更宽 ， 所以这个图变扁了 。

再下一张图 ， 同样子来自 Ramp， 这张图是写的每一个季度 ， 从去年 Q2 开始 ，OpenAI 跟 Anthropic 的 ARR 收入增长了 ， 就是它的收入增长了 。Q2 进入到 26 年， 大家都说 Anthropic 的收入增长比 OpenAI 快 ，而且快非常多 。

那从刚才曝光的几个曲线来看确实如此 ，但是基于 Ramp 的统计 ， 截止到这个 ， 这个表应该是截止到 8 月 17 号 ，在 Q3，Q3 OpenAI 的 ARR 增长重新超过了 Anthropic。

再下一张图 ，AI 存储份额的份额图 ， 三星还还是美光 、 宝成新 、Sandisk。 截止到这 ， 我们一共过了 76 页图表 ， 今天所有的图表截止到可能大概 8 月 20 号 。

你回想一下， 只是截止到 8 月 20 号 ， 我刚才说过整个 8 月大概放了我的收藏夹里放了 113 张图表 ， 只是图表 ， 还不包括 PDF。

回想一下这过去的这 40 分钟左右时间 ， 你是否记住了一些关键词 ， 比如说 CapEx， 比如说 ARR， 比如说

Own Your Intelligence， 比如说估值 ， 比如说一些什么呀 。 然后你再去想一下有哪几张图十分像流向 ， 十分像 ， 哪怕你有个自己收藏夹也想放在里面 。

再去想一下， 无论是在当时那一天还是现在 9 月初这个时间点 ， 哪些图其实已经过时了 。其实我很多标记了日期的图都过时了 。

你再想一下， 好像有一些图之间是矛盾的 ， 即便是这么新的图 。 再想一下， 如果一年之后， 也就是 27 年的 9 月份 ， 回想今天我们过的这七十几张图表 ， 哪些图值得在那个时间点还被留下来 。

可以想一想 ， 每个人都会有自己的答案 。 我在当天也问了一些朋友们 ，他们有每个人确实都有自己不同的答案 。

有些人只记住了一些表情包 ， 我觉得也没有问题 ， 对吧 ？ 有些人记住了斩杀线 ，有些人记住了梁胜 ， 对吧 ？

都 OK， 没有任何问题 。 然后呢 ， 你想 ， 如果我们在 8 月这个 8 月底或 9 月初这个时间点 ， 要对 AI 行业做一次回顾整理 ， 我的上一次回顾整理截止的时间点其实是 6 月底 。

那也就是说 7 月份的类似的数据也要做一次这样的重新的收集 。 那如果要做这一次这样的整理 ， 你想讲一个什么样的故事

？ 我标红的叫讲一个什么样的故事 。 你看我们看到的这么多内容 ， 这么多材料 ， 这么多的我们叫加工可被加工的东西 ， 看起来有些杂乱 ，但你感觉可能也有些脉络 。

但这些脉络之外， 你想讲一个什么样的故事 ？ 更现实的问题 。 如果大家熟悉我的 PPT 的话 ， 我的 PPT 类似这样的总结一般会分四章 ， 前三章基本是统一的 ： 技术 、 产品跟产业 、 资本 。

我基本都会讲这三件事情 ，但唯独第四章每一次都不太一样 。 第四章有些时候会是偏鸡汤的 ，有些时候是偏一个故事的 ， 比如说讲泡沫 ，有些时候会讲一个更复杂的什么样的议题 。

所以如果现在我们要做一个过去可能一个季度左右的整理 ， 你想讲一个什么样的故事 ？ 那我先说我的答案 ， 如果我要做这个整理的话 ， 我大概率会想讲红杉那个主题 ， 就是 Own Your Intelligence。

无论是所有应用公司都叫所谓的 New Lab， 还是说这些做这个趋势相关的服务厂商们变得越来越强 ， 收入越来越高 ， 估值越高 ， 还是说这个事情也顺延到了中国 ， 你会发现这个东西可以把所有事情串起来 。

我想讲这样一个故事 。 你要想这个议题再扩展 ， 如果这个整理扩展到季度 ， 我现在基本上是按季度 ， 再扩半年， 再扩年度 ， 比如说到年底你想整理过去一年这样的内容 ， 你所需要付出的时间的成本 、 脑细胞的成本有多少 。

以及我还是那个说法 ， 我们今天过的所有内容全部都只是图 ， 那还有那些巨长无比的 、 具有结构化的 PDF 文件呢 ？

同样也要考虑其中 。 所以那截止到这 ， 又回到文章最开头 ， 我每一次做出一个几十页深上百页 PPT 的时候 ， 类似人心讲的 ， 哦 ，他讲得很好 ， 很恰恰当的用在一个合适的地方 ， 放了一个合适的图表或者一个表情包都可以 。

什么时候 AI 能做到呢 ？ 你觉得今天的 AI 能力可以通过类似 Skill 的方式 ， 哪怕它有我所有的上下文 ， 能实现吗 ？

我觉得大概率还是实现不了 ， 或者说能实现个六七成差不多了 。

那我们再往后想 ， 如果我们把我的这个工作看成是一个循环的过程 ， 那相当于我做了收集 ， 根据我的标准 ， 我每天看到的东西做了收集 、 整理 、 加工 、 定时的输出结果 ， 然后再反从头开始所有这个事情 。

那这个可能就是所谓的我的 Loop， 如果把我假设成一个 AI Agent 的话 ， 那未来人人都会有自己的 ， 甚至极端点 ， 人人都会有自己的模型 ，有自己的 Agent 跟自有的 Harness。

那这个过程中我觉得大家都要去想 ， 你自己的 Loop 这个循环的过程应该是什么样 。 然后就是最后一页 ， 我用用了仲卿当时讲的一个故事 。

所以我为什么定期一定要做整理 ， 呃 ， 我举了个比喻 ， 就是我不知道大家是否去过那个 ， 比如说耐克的工厂店 ， 就工厂店它因为它要摆非常多的商品 ， 它没办法像那个正规的品牌店那样直接挂在墙上 。

所以很多时候 ， 比如说 T 恤啊 、 裤子 ， 它会用一个圆圈形的衣服架挂一圈 ， 就是可能几十条裤子会挂在一个架子上， 这是一个圆圈形的衣服架 。

我我经常的感觉就是我就像那个衣服架 ， 我不断地往上挂衣服 ，不断地往上挂衣服 ，但是我知道挂到一定程度我就挂不住了 ， 就太多了 ， 我一定要在某个方式下把它放下来 ， 我才能再去挂 。

这就很像当时仲卿讲到说张维有一张专辑叫 《 白银饭店 》 啊 ，他在这张专辑的这个介绍里写过很长的一段话 ， 去讲他过去几年怎么做的这张专辑 ，在他在北京 ，在大理 ，在经历很多很多的事情 。在这个介绍的最后一段 ，他写了这样一句话 ，他说 ， 呃 ， 张维说我迫不及待地想拿出这张专辑 ，因为这样我才能和他的告别 ， 下一步山长水远 。

好 ， 感谢大家的收听 ， 呃 ， 老规矩 ， 我的 PPT 会放在 show note 里 ， 啊 ， 强烈推荐大家以视频的方式收听这期播客 ， 要不然你真的不知道我在讲什么 。

再次感谢 。