# Vol.93 AI面前，互联网其实也是传统行业---串台难得正经 屠龙之术 · 2026-04-02 庄明浩与Iris、CK对谈，提出互联网在AI时代已成传统行业，并抛出“6个月、100亿、8%”的暴论：新赛道短期爆发但利润仅8%。他主张AI硬件需快速迭代而非追求完美，并预言无限供给+算法将催生古典信任回归。三位嘉宾还探讨了AI导致企业差距拉大、字节跳动凭Seedance拉开视频模型差距等现实案例。 ## Key moments - **[0:00] 开场** - **[1:35] 传统行业** - [1:35] 庄明浩指出，在AI时代，原来被视为“新经济”的移动互联网行业本质上已变成传统行业，有着深厚的knowhow和复杂产业链。 - [2:56] 庄明浩解释，大家期待AI是因为线上平台已卷到极致，算法固化了ROI，人们渴望AI改变这种令人生厌的规则。 - [3:50] 庄明浩比喻：现在做的事是在99.5分上雕花，而AI只能做到60-70分，对现有业务没有意义。 - **[4:58] 618暴论** - [5:06] 庄明浩阐述“6个月，100亿，8%”的暴论：在成熟的线上平台和算法体系下，一个细分板块会在半年内滚到百亿规模，但最终创造者只能拿到8%左右的收入。 - [6:52] 庄明浩具体分析8%：平台抽成、投流成本巨大，创作者落袋的只有一小部分，类似抖音白牌电商的困境。 - **[8:53] 时间流速** - [8:59] 庄明浩感叹AI时代的时间流速：“DeepSeek R1到现在不过一年多，三个季度已经成了老项目。” - **[9:41] 产品与服务** - [9:41] CK提出产品属性与服务属性模型，认为AI使得某些领域能兼具产品规模化生产的低成本和服务的个性化交付，如漫剧实现了服务的产品化。 - **[11:08] 商业模型** - [11:08] Iris总结AI带来的商业范式转移：从工业化规模效应到数字化网络效应，再到AI驱动的长尾满足，个性化成本降低。 - [12:39] 庄明浩预言AI会拉出两个极端：一端是超级巨无霸，另一端是超级长尾的个性化，中间状态被淹没。 - [14:09] 庄明浩推演：若AI让短视频产量暴增，现有推荐算法将捉襟见肘，可能回归“编辑精选”或基于信任的古典模式。 - **[17:35] POD** - [17:36] Iris分享POD（按需定制）案例：婚庆个性化物品通过AI工作流实现低成本交付，只需两三人即可。 - [18:19] 庄明浩将POD逻辑类比拼多多“把资本主义反过来做”，即聚合零散需求反向影响供给，现在线上服务也在经历类似过程。 - [19:45] 庄明浩以健康AI为例，说明从80分到100分每步都寸步难行，涉及病历数据化、饮食适配等繁杂细节。 - [21:25] CK指出POD在实体产品领域受限于柔性制造成本和供应链，目前多局限在图案T恤等容错率高的品类。 - **[23:04] 公开构建** - [23:19] 庄明浩提出AI时代的行动哲学：“哪怕做的是屎，也要比别人先做出来。” - [24:55] Iris观察到，一些看似粗糙的AI硬件能拿到融资，可能是因为先一步获得资源、人才，最终提高成功概率。 - [26:43] 庄明浩建议企业不要憋大招：“水线一直在涨，你越憋越没信心；不如扔出来看看，不行再回头改。” - [28:37] CK用游戏打比方：面对未知地图，只有先站出去才能获得信息反馈，计划毫无意义。 - **[29:18] AI硬件** - [29:30] 庄明浩分析AI硬件成为投资共识的原因：中国用户软件付费意愿弱，而供应链基础强大，两条线自然交汇。 - [31:36] 庄明浩透露深圳供应链已出现AI中间件厂商，提供可定制的模型模块，方便硬件公司集成。 - [32:37] 庄明浩指出AI硬件最大的矛盾：物理世界开发周期长（半年到一年半），而AI模型按月迭代，导致用户体验与预期严重脱节。 - [33:42] 庄明浩以AI玩具为例说明退换货率高企，甚至接近女装水平，源于用户被媒体渲染的“钢铁侠”幻想落空。 - [35:34] 庄明浩揭示库存两难：不下大订单成本降不下来，下了大订单可能因高退货率卖不出去，陷入恶性循环。 - [37:35] CK给出忠告：做AI硬件千万不要为了成本下大量订单，可以容忍小亏、高退货，但绝不能压库存。 - **[40:15] SaaS变革** - [42:18] 庄明浩分析中国SaaS现状：传统软件付费生态未建立，AI可能因为没有包袱而走出中国特色企业服务路径。 - [43:58] 庄明浩描述一种现象：有些AI企服产品虽粗糙，但因先踏出一步，在缺乏标准答案的市场中获得了口碑和正向循环。 - [45:28] 庄明浩分享案例：MBA班走访大模型公司，传统行业者缺乏直接使用AI的能力，中间环节成为脏活累活也是机会。 - [46:49] Iris引用SaaS老总的话：“我们本来就是吃脏活累活的，AI来了反而变得性感。” - **[47:19] 未来预判** - [47:58] 庄明浩预判，AI时代平台会越来越强，字节在视频模型上的数据-模型正向循环，让挑战者难以企及。 - [50:05] 庄明浩举例腾讯在游戏AI的投入：其他厂商连想都不敢想的工作，腾讯已经在做，差距被越拉越大。 - [51:07] 庄明浩用运动品牌类比：即使耐克阿迪垄断，仍不断有Hoka、Salomon等新品牌冒出，AI时代也会有类似的新物种从细分需求中长出来。 - [52:02] 庄明浩指出国内多数SaaS公司不懂业务，将行业深层knowhow进行AI产品化是toB的大机会。 - [52:39] Iris总结AI对智力服务的影响：“以前麦肯锡一小时5万，现在用deep research就可以了。” ## Speakers - **庄明浩** (host) - **CK** (guest) - **Iris** (guest) ## Topics 模型与基础设施, 产品与应用 ## Mentioned DeepSeek (company), Insta360 (company), OpenAI (company), 大疆 (company), 字节跳动 (company), 拓竹 (company), 拼多多 (company), 腾讯 (company), Claude (product), GPT (product), Plantier (product), Plaud (product), Rabbit R1 (product), Sora (product), seedance (product), 抖音 (product), 阿福 (product) ## Transcript ### 开场 **Iris** [0:08] 我们今天邀请了一位重磅嘉宾 ， 我之前一直听她播客 ， 要不请她自己来介绍一下 ？ **庄明浩** [0:13] 哈喽大家好 ， 我是 《 屠龙之术 》 的主播庄明浩 。 **Iris** [0:15] 稍微炫耀一下自己啊 。 **庄明浩** [0:16] 没没没 ， 做了个播客在关注科技 、 行业 、 创业 、VC、AI 这些乱七八糟的话题 。 主要就是自己需要做一些记录 ， 然后你会觉得 ，因为每天的变化的东西太快了 ，而且你经过一段时间之后你会发现 ， 可能之前的东西都没有用了 。 但是你需要一个方式把它归拢一下， 所以会用这样的方式 ， 用那个张维维的一个比较文艺一点的说法就是说 ： 我做好它们 ， 好跟它们好好地告别 。 **Iris** [0:44] 我去 。 **庄明浩** [0:46] 所以更多是为自己做的 ，不是为这个台 。 **Iris** [0:49] 其实就是关于 AI 的东西已经有很多在市面上飞了 ， 咱俩也不是技术出身 ， 所以 —— **庄明浩** [0:56] 我也不是 ， 我也不是 。 **Iris** [0:57] 然后更硬核的东西其实欢迎大家关注庄老师的播客 ， 我们其实就想聊一聊就是 ， 可能确实大家开玩笑 ， 就现在 AI 的速度就是只要你不学你就不用学 ，因为实在变太快了 。 **庄明浩** [1:09] 是的 。 **Iris** [1:09] 然后我那天跟启示录录播客 ， 她说 AI 时代在批量地产出新灯 ，因为每一个人觉得自己懂了 ， 可能过一段时间就不懂了 。 **庄明浩** [1:17] 是的 。 **Iris** [1:18] 所以我们其实想聊点稍微更底层的东西 ，因为关注我们播客的很多还是在做 。 庄老师有没有一些分享 ， 就是你现在看这整体 AI 的情况 ，有没有一些什么大的观察之类的 ， 我们可以先开个场 ， 然后再继续聊聊说长期来看 ， 可能 AI 能带来哪些商业范式的转移 。 **庄明浩** [1:35] 我最近想到一个观点是说 ，因为原来你像原来我是做 VC 的 ， 然后主要是看线上的这些移动互联网的公司 ， 什么社交 、 娱乐 、 平台公司 、 短视频 、 游戏这些公司 ，但你似乎发现我有个观点是说 ， 今天 AI 来之后 ，其实这些原来 " 新经济 " 本质上来讲也变成 " 传统行业 " 了 。 ### 传统行业 **庄明浩** [1:56] 就传统行业就代表着 ， 就如果今天你想象我跟你在说这个行业是个传统行业 ， 你第一眼会想到这个行业有非常深的 knowhow， 产业链很复杂 ，有机器 、 有设备 、 有各种各样的不被外人所知的各种各样的经验细节 。 然后大家今天谈论 AI 是说要用 AI 改造也好 ， 加密也好 ， 去做这些事 ， 那似乎发现我们原来熟悉的那些东西也变成传统行业了 。 所以这是一个角度观察 。 第二个就是说 ， 可能是因为过去几年中国整个的在线经济的板块走到了一个比较极端的状态里 ， 就是几个关键词可以总结一切 ， 比如短视频吞噬一切 ， 然后在线广告投放所有的位置全部被钉死 ROI 的价格 ， 任何平台 ， 所有平台大家卷成一个熔炉的绞肉机里的状态一样 。 然后所有的商业建立在这个体系上的商业 ， 无论是内容还是电商还是什么样的东西 ， 似乎都要符合这样的一个游戏规则 ，而且看起来越卷越卷到了一个无以复加的状态里 。 所以就出现了一些变化是说 ， 刚才说很多行业其实本上今天都是传统行业 ， 它都有特别多自己的固有的规则 ， 然后呢 ， 我们又匹配着今天这个时间点线上这么卷跟这么疯狂的状态 ， 就造成结果是说其实大家都很累 ， 都很焦虑 。 为什么大家反过来讲 ， 为什么期待 AI 来的能够这么兴奋原因就是大家期待 AI 改变这样一套已经看起来被卷到牛角尖里的这种规则 ， 所以出现了很多这样的探讨 ， 老板的焦虑也好 ， 大家的尝试也好 ，但是似乎这个时间点可能出现了一个问题 ， 就是 AI 或者说我们把 AI 作为一个主体 ， 我们假设它是个人， 就这一波新的 AI 的这些主体 ， 它来 的第一天不是这个角度来的 。 所以出现的变化是说它确实它成长得非常快 ， 我们看各种各样的什么媒体宣传 ， 今天炸裂 ， 明天改变 ， 后天什么是消失了什么什么 ，但实际情况在于 ， 它确实可能从 0 比如到 60 分 ， 可能就在很短时间突然间就跨过去了 。 但问题在于刚才我说我们现在做的事情是因为我们已经走到尖儿里了 ， 我们现在做的事情可能都是雕花 ， 就是从 99.5 扣到 99.6 的事情 ，但是你告诉我你现在只能到 60 到 70， 你甚至到 80 对我来我都没有意义 。 你像这种大模型我们叫通用大模型 ，但似乎我们在做的很多事情都不是通用的事情 。 所以我觉得这个时间点就 2026 年初 ， 虽然这个也好又进一步感觉又加加速 ，但是这个融合的过程中出现的这些摩擦 ， 这些从局部战场的 80 分涨到 95、99 的这个事情可能需要很长的时间 ，而且可能每一个行业每一个细分角度 ， 它的节奏 ， 它的效率是否真的得到那 么多的提升 ， 还是真的能够改变什么事情 ， 这些东西都是未知数 ，而且可能真的需要不仅仅是那些纯的技术模型公司在做的努力 ， 可能也变成了我们这些旧世界的人需要往那边做更多努力的可能性 。 当然没准也有一些板块可能最后尝试发现不行 ， 就是 AI 救不了我 ，有可能 。 **Iris** [4:49] 我昨天跟沈帅播录播客 ， 我说大家怎么现在 fomo 情绪那么重 ，他说是好事 ， 之前就没东西让你 fomo， 躺着也更不舒服 。 **庄明浩** [4:58] 是的 。 ### 618暴论 **Iris** [4:58] 我上次跟你聊天的时候你讲到几个关键的数字 ， 什么 6 个月 ，100 亿 ，8%， 这个能跟大家分享分享吗 ？ 我印象很深 。 **庄明浩** [5:06] 这是个暴论 ， 还是跟我们刚才讲的逻辑是一样的 ， 就是短视频吞噬一切 ， 或者说今天在线的内容平台几乎吞噬了所有用户的时间 ， 然后又因为在线平台都有非常丰富的广告跟算法的系统 ， 所以几乎所有的位置本上来讲它的 ROI 早就已经被钉死了 。 但是在这种已经固化的算法系统里就会出现一些周期 ， 这些周期里面会出现一些意外的因素 ， 导致它原来被算法固死的那个 ROI 出现一个短周期的波动 ， 这个周期不会特别长 ，因为算法会很快把那个波动抹掉 。 这种短周期一般会出现什么情况 ， 就是说无论是因为技术的迭代还是因为商业模式的创新 ， 会出现一些新的小东西 ， 这些小东西就是在各种排列组合下出现一些小的细分板块 ， 比如过去几年我们能够看到的 ， 比如说之前有一段时间的短剧刚刚出来的 ， 然后去年下半年刚刚出来的慢剧 ， 然后小游戏刚刚出来的时候也是的 ， 包括小游戏衍 生出来我们叫直播间的弹幕游戏 ， 这几个板块都是类似的 。 就像我刚才说的那个观点 ， 它们大概都是在 6 个月时间 ，在还没有人了解或者没有太多人外面人了解的情况下，6 个月的时间 ， 这个行业就这个小的池子会迅速地滚到 100 亿左右的体量 ， 非常快 。 你想过去小游戏 、 慢剧 、 短剧都是 ， 可能新闻听到说有一些人在弄 ， 对吧 ， 还是也不知道怎么样 ， 反正嘣嘣嘣嘣过几个月就感觉全世界都在弄了 ， 然后它的产值无限大 ， 各种各样行业大会全都开起来了 ， 对吧 ， 然后无数的人去上当论坛嘉宾去讲这些 。 你看这几个板块都是这样的 ，6 个月 100 亿 ，但这两个数字更多是一个我们叫是因为今天这个时间点的现在非常成熟的这个平台跟 ROI 的搭建体系拱出来的 ，有点像我有个比喻是有点像挤豆豆 ， 就它本来不应该长出来 ，但是你要硬要挤 ， 它就被挤出来了一个高点 ，但最后那个词其实现在时间看上去是更重要的 ， 就 8%。8% 大概什么意思 ？ 因为你刚才讲你看我们铺了这么多的前提条件 ， 你听起来最后的结论变成了这些真正意义上把这东西做出来的人只能拿到 8% 的钱左右 ， 就是你无论是做小戏还是做短剧还是做慢剧还是做什么 ， 就是第一平台很大 ， 平台要吃很多 ， 第二你要投流 ，因为你要买流量 ，因为你所有的商业模式建立在那个已经被搭的武装到牙齿的熔炉里了 ， 所以你要给它付出巨大的成本 ， 所以到最后到你手里可能只有 8%。 这个事情可能有点类似今天这个事件 ， 比如在抖音上做白牌的电商的品牌遇到的问题 。 **Iris** [7:23] 特别像 。 **庄明浩** [7:24] 对 ， 就是前提假设条件是一模一样的 ， 就是你面临的前提的基础设施是一模一样的 ， 你面临的竞争也是一样 ， 然后你可能突然间在某个时间点 ， 无论是因为你找到了一个什么算法的 bug， 还是你找到了一个什么意外之前没有被摩擦干净的关键词还是什么 ， 你找到了一个我们叫意外值 ，但这个意外值的生命周期不会特别长 ，因为算法一定会算到 ， 它就会 把你拉平 。 **Iris** [7:46] 而且会有一堆人挤进来做 。 **庄明浩** [7:48] 对 ， 就这也是就跟雪崩时候有些雪崩时候一样 ， 就是那些也变成力量会把这个拉平 ，但是就会在那个很短时间拉一个很高的高值出来 ，但是确实因为各种各样的原因 ， 那个高值本上讲是一个虚幻的烟花 ， 你能拿到的你自己落袋为安的钱 ， 说得直白一点可能就是板软 ， 慢剧这波可能连 8% 都不到 。 **Iris** [8:08] 这故事好像刚刚大家开始吹 ， 然后他已经赚不到钱了 。 **庄明浩** [8:12] 因为还是那个观点就是它能够出现当然是有一些原因的 ， 比如我们只看慢剧这个新闻板块 ， 它是因为确实图片视频模型的能力到了一定的门槛 ， 然后 Reddit 了 ， 再加上短剧竞争过度激烈 ， 导致短剧原来找到的那个异常值已经被抹平了 ， 所以逼着大家往这走 ， 然后大家开始找到了所谓的一段阶段内有效的 SOP， 然后就被复制 ， 疯狂地复制 ，但 是这种复制也带来了刚才我们说的那个问题 ， 同时竞争包括算法把这个事情拉齐 ， 它不会就是它已经跑了 ， 你像去年下半年开始火了 ， 已经跑了三个季度了 ，其实已经不短了 。 **Iris** [8:49] 在 AI 的世界里面 。 **庄明浩** [8:50] 这三个季度已经很长了 ， 已经两个时代的故事了都已经是 。 ### 时间流速 **Iris** [8:53] 我之前听别的做 AI 的人说 ， 感觉就是有了 AI 之后整个时间的速度是完全不一样的 。 **庄明浩** [8:59] 太恐怖了 。 **Iris** [9:00] 你看三个季度变成一个老项目了 。 **庄明浩** [9:01] 你就想 DeepSeek R1 到今天不过才一年多的时间 。 **Iris** [9:04] 完了 ， 我要用播客吐槽的那个什么背后一凉 。 **庄明浩** [9:08] 对啊 ， 就是今天确实这个时间的维度真的 ， 你会觉得你很简单 ， 就以我个人职工经验 ， 我去年可以大概每 ， 我偷懒一点 ， 可以每三个月做一次 PPT，但今年明显感觉春节前做的 PPT 春节之后就过时了 。 **Iris** [9:21] 而且不得不发 ， 生怕 DeepSeek 赶紧发模型 。 **庄明浩** [9:24] 对 ，因为然后你看我春节前总结春节这一个月 ， 然后春节过完回来三月 ， 现在三月份 ， 你就明显感觉又进入到新的阶段了 ， 对吧 ， 新的话题 ， 新的议题 ， 新的模型厂商的进展 ， 新的大的版本号又都来了 ， 就是它推着你以这种方式来弄 。 **CK** [9:41] 我用一个模型去看所有的 ， 我们管叫产品 ，不管它是虚拟产品还是实体产品 ，其实一个产品本身来讲一定是有产品属性和服务属性 ， 这两者之间天然它是有 bug 的 ， 比如说实体产品 ， 实体产品它是可以规模化生产 ， 比如说我们现在用的手机 ， 我们现在用的其他的产品都是 ， 就是可以规模化生产 ， 它的商业底层其实是叫规模经济 ， 电商的单店 ### 产品与服务 **CK** [10:09] 的产出规模是超过实体单店的 ， 所以很容易形成规模经济上的成本优势 。 那另外一个极端呢 ， 我们叫服务 ， 服务呢其实比较特别 ， 服务呢是要本地化交付的 ， 产品要不然偏产品属性 ， 要不然偏服务属性 ， 它二者很难兼容 ，但是 AI 能做到的事情是 ， 它其实提供了一种可能性是在某一些领域 ， 它既具备比较好的产品属性 ，也具备比较好的服务属 性 。 刚才庄老师提到了就是那个动画跟漫改这个事情 ，因为我自己也看漫改 ， 原来的动画其实是严重依赖于这些手艺人的手法 ， 我记得有人跟我讲过一分钟动画的成本大概是 1 万块左右 ，但是你看用漫改 ， 它其实用的是 AI 这种手法嘛 ， 甚至于你可以做全自动化 ， 它的成本只有几百块钱一分钟 ， 我觉得这是最大的改变 ， 就是它实现了服 务的产品化 ， 或者说它实现了服务的低成本交付 ， 让很多的东西延伸出来变得可能 。 ### 商业模型 **Iris** [11:08] 今天我们其实刚好就就着这个聊一聊 AI 到底带来了哪些可能我们觉得更底层的商业模型的变化吧 ， 一个其实你刚刚说到就是我们以前都是做线下和实体生意的嘛 ， 那那一代最重要的一个变化其实就是从原来手搓到了变成规模经济 ， 一般都是强者肯定会很强 ， 对吧 ， 到处都是可以滚来滚去搞定所有人， 像 CK 他们那边基本上就是你单店生意多大 ， 你就有多牛逼 ， 这店长都鼻子可以翘老高了 ， 那再往下走其实到了数字化的时候其实它基本上就变成了不一样的一个模式 ，不是规模效应而是网络效应了 ， 所以那个年代大家就疯狂地烧钱 ，是因为你只要能够变成头部 ， 你有更多的用户 ， 你能带来的经济效益是指数级的 ， 那个时候的数学公式就不是一个除法了 ，而是一个指数 ， 那到了今天 AI 这个 模型听起来好像更像个长尾 ， 就是你以前做一个东西的成本是非常高的 ， 像那模具啊做所有的东西包括人员的成本 ， 所以你只能服务最大公约数的人， 然后包括你做内容 ， 像漫剧今天出来的乱七八糟的那些内容 ， 甚至他们说很多游戏这种都变千人千面了 ， 好像这波是这么个逻辑是长尾 。 **庄明浩** [12:15] 对 ，因为原来的工业时代的逻辑是我们建立在工厂的或者说公司组织形态上， 我们建立大工业流水线 ， 建立标准品 ， 然后以规模效应来去突破所有商业模式的可能性 ， 建立在这样一条趋势上 ，但是今天 AI 出现之后你会发现常规意义上的 60 分的东西已经是一个唾手可及的事情 ， 它要么就逼着两个极限 ， 要么就超级巨无霸巨大到所有人无法超越的状态 ， 要么就变成超级长的长尾突出个性化 ，因为你会发现我们还以比如我所说的内容这个板块 ， 你想就今天时间点 ， 比如说春节字节发了这个新的视频模型 ， 今天去手搓一个看上去还 OK 的短视频的这件事情的这个能力基本上已经是 Reddit 了 ， 那当这个东西 Reddit 之后什么变得重要了 ， 就是大家会说什么审美啊品味啊那些东西 ， 那这个东西 在平时点讲就是变成了你自己要表达什么样的东西 ， 你的这套东西能不能得到一部分人的认可跟编辑更多的关注 ，因为那个水平线的东西已经没有意义了 ， 所以它会拉出两个极端 ， 按田元栋的那个观点是说就像费曼曲线一样 ， 就是大部分人会比这个高高的水线低 ， 所以大家就被淹死了 ， 就是安心地淹在这个下面了 ，但有一小撮人在有 一些小的地方会比这个水线高 ，他们就会编辑显现出来特别强的差异性 ， 这种差异性就带来了巨大的长尾的可能性 ，而且这种量级可能今天时间点大家没有想过 ， 就是今天比如说抖音上每天 1 亿视频的上传 。 **Iris** [13:40] 每天 1 亿视频 。 **庄明浩** [13:41] 但大部分时间是人拍的嘛 。 **Iris** [13:43] 对 。 **庄明浩** [13:43] 是人用手机跟摄像头拍的嘛 。 那如果 AI 的能力真的提升到什么 ， 包括成本的问题出来之后， 那这个数字可能会大很多 ，不是大十倍一百倍 ，是大很多 ， 那个数字可能是我们天马行空可能都未必能想象到的 ，但你想如果到了那个程度的话 ， 今天 1 亿视频 ，1 亿这个量级或者几亿这个量级通过算法的方式已经捉襟见肘了 ， 就大家已经刷得会累 ， 会觉 得有问题 ， 会各种各样的情况 ， 就是算法已经很强了 ， 你想如果没有算法的话 ， 每天一个平台上有 1 亿视频上传上去 ， 你想你能看到什么 ， 算法已经很强了 ，但是即便在这种情况下也差不多到头了 ， 就是 AI 的时候会把这个事情再拉高到不知道什么量级里 ， 算法可能也不够了 ， 那需要什么呢 ， 你可能那个时候比如说大家会说 ， 当然这 是很多 UP 主或者说很多创作者想的 ， 就是说个人的 ， 你的品牌 ， 你的影响力 ， 你的一小撮人群对你的全方位多维度的那种认知跟信任 ， 可能编辑会更重要 ， 它就会拉出更多的可能性来去获取更精准也好 ， 或者是更深入的信任感 ， 导致它会有这种片 ， 你相当于原来就是我们从信息分发角度来讲 ， 最开始是门户 、 网页 、 搜索 ， 然后到信 息流 ， 然后到今天算法推荐几乎统治所有的事情 ， 那再往后呢 ， 真的当 AI 来了 ， 就给我们叫生产效率的无限通货膨胀所带来的巨大的爆发之后， 似乎算法也不够了 ， 那什么可能会回归呢 ， 双引号的没准手艺可能会回归 。 **Iris** [15:18] 编辑精选 。 **庄明浩** [15:19] 对 ， 或者是什么样 ， 反正就是你开始信任一些 ， 就是人类 ， 你想人类已经没有办法去处理这个量级的很多事情了 ， 就是你靠你脑子是不可能的 ， 你只能去找那些相对更原始的东西了 ， 就那些东西可能是情感 ， 对吧 ， 可能是信任 ， 可能是什么 ， 可能是那些东西 ， 可能没准是一种双引号的复古跟回归 ， 所以今天这个时间点大家在赌的其实是这件 事情 。 **Iris** [15:41] 对 ， 就你说到那个 1 亿视频 ， 我之前还发了一条 ， 我说现在 AI 很多 ， 大家开玩笑叫 AI 干水嘛 。 **庄明浩** [15:46] 对 ， 就干水 。 **Iris** [15:47] 对 ， 就是看着一本正经 ，其实讲得好像很有道理 ， 最后一想怎么好像什么都没讲 。 **庄明浩** [15:52] 就跟你跟一个聊天机器人对话的过程中， 你如果只是跟它闲聊 ， 你也会觉得它说得侃侃而谈啊 ，也都很好 ，但是你觉得少了那么点人味 ， 少了那点东西 。 **Iris** [16:03] 就像预知菜没锅气嘛 ， 就是这种感觉 。 **庄明浩** [16:06] 对 。 **Iris** [16:06] 而且就是刷得久了 ， 确实大家的东西都是一样的 ， 什么背脊一凉 ， 吓出一身冷汗 ， 每个人都在讲一样的东西 。 **庄明浩** [16:13] 因为算法的原理就是通过你的行为来去调控这个内容出现 ，但是虽然今天比如说短视频平台对于所有内容的 ， 比如我们说标签 ， 可能已经是一个很大量级的处理了 ， 它可能最开始的标签可能是很少的 ，但今天标签已经非常多 ，但即便是这么多的情况下 ，因为人性很多时候是趋同的 ， 对吧 ， 人类大面积大众 ， 我们叫最大公约数喜欢的很多的 ， 无论 是情感还是类型 ，其实是有的 ， 所以它必然还是要符合某种程度上的大公约数的展现的 ， 再加上还要考虑到社会的引导啊 ， 乱七八糟的 。 **Iris** [16:49] 同事良好 。 **庄明浩** [16:50] 对 ， 所以在这种情况下它就 ， 所以今天你想这个领域短视频在中国已经十几年了 ， 它也不是第一天 ， 所以到这个程度之后你会发现确实在某种意义上的回归到我们叫复古一点的状态 。 **Iris** [17:02] 对 ， 就好像是变成你不需要取悦大多数人， 你如果能服务好一小群人 ，他们特喜欢你 ，其实感觉这个世界上去至少内容板块很大的一个趋势 。 **庄明浩** [17:12] 而且这个趋势跟 AI 本身的那个趋势又有一次反加成 ， 就是 AI 的能力给今天这个时间点的个体的能力的加强是肉眼可见非常 。 **Iris** [17:20] 超级个体嘛 。 **庄明浩** [17:21] 对 ， 就超级个体 ， 什么艺人公司最近讨论不是非常多吗 ， 你跟时事公众部也聊了这个事情 ， 就是它是一个反向作用 ， 就是它会让确实原来我们比如说一个人不敢想的事 ， 今天可以想了 ， 然后原来一个小团队不太敢想的事情 ， 可以往上多想一想 。 ### POD **Iris** [17:36] 对 ，其实我们在实体经济板块 ， 我也有些朋友现在在创业做一个项目叫 POD， 就是有点像定制化的 ， 比如说婚礼以前做的那些图 ， 大家不是都是得花很多精力自己去定制找工厂 ， 现在他们就直接一键上传 ， 全部都自动化处理 ， 还有比如说个性化的音乐 ， 个性化的视频 ， 所有这些东西其实都用一套非常简单的 AI 工作流 ， 可能两三个人就能做 到 。 **庄明浩** [17:59] 这个引发另外一个故事 ， 拼多多之前讲的故事把资本主义反过来做嘛 ， 就拼多多之前讲的故事不是这样 ， 就聚拢大量的零散的需求 ， 聚拢到一个地方 ， 通过这个聚拢之后的能量去反向影响价格嘛 ， 就是拼多多原来不就讲这个故事嘛 ， 那你发现今天这个时间点其实线上的很多服务就不单纯是商品了 ， 很多服务也在经历类似的过程 ， 当然这可能不 仅仅是 AI 了 ， 它可能跟线上跟供应链跟很多东西的整合都相关 ， 所以这个故事其实在中国也在很多板块在发生 。 **Iris** [18:28] 你刚说到一个点 ，其实 CK 也聊到 ， 就是以前我们做东西也想做服务 ， 包括我以前做母婴嘛 ， 我们特别喜欢拉群 ，因为你的生命周期可以做很长 ， 你现在有小孩应该很强烈的感觉 。 **庄明浩** [18:40] 我们当时叫孕婴童是三个战场 ， 三个大的战场 ， 虽然都叫母婴 。 **Iris** [18:46] 但其实进来之后 ，因为它基本上所有东西都可以在你这买 ， 所以我们当时本来有一个美好的想象 ， 怎么在私域里面不停地跟他们互动 ，但最后发现这个实在是太费人力了 ， 包括你对于员工的培训 ，因为进来的私域的小姑娘没有一个生过小孩 ， 随便一问就露馅了 ， 昨天刚好我们群里还有人在问我以前我们私域怎么做 ， 我说最高精尖的用户还拉 到群里以我的人设做 ， 然后我的人设叫学霸 ， 所以帮他们小孩写作业 ， 就是它其实是一些很个性化的东西 。 **庄明浩** [19:15] 非常个性 。 **Iris** [19:16] 那之前其实就是靠怼人做这个事 ， 现在 AI 来了之后很多都可以变成一个有想象空间的事情了吧 。 **庄明浩** [19:22] 对 ，但这个事情就跟我们刚才讲的一样 ， 就是它想起来可能是可操作的 ，但执行起来的细节就旁人管 ， 从 80 分到 100 分的每一分都寸步难行 。 **Iris** [19:34] 这就看听友们能不能发挥一下 。 **庄明浩** [19:36] 然后当然你如果你对这个领域有非常深的研究调研 ， 跟各种各样的知识 knowhow， 那很简单 ， 比如另外一个角度健康不也是典型吗 。 **Iris** [19:44] 是的 。 **庄明浩** [19:45] 那大家为什么会期待阿福来在这件事情上做得更深 ， 第一健康是一个很核心很重要的事情 ， 大家不太相信一个很小一点的东西 ， 第二就是健康的复杂度太高了 ， 对吧 ， 那健康就更多 ， 各种各样的病是慢性病是轻微的症状是永久的还是一次性的 ，是需要吃药还是不需要吃药 ， 就是模型只是做了第一步 ， 然后你要针对这个 。 你可能还要考虑中国的大部分人的比如身体的状况 ， 然后饮食的习惯 ，以及相关的适配大家讲的包括药 ， 医院的对接数据系统 ， 然后病例 ， 然后中国的病例可能有数据化的问题 ， 你想就这个 。 **Iris** [20:19] 中国医生的字首先就 。 **庄明浩** [20:21] 对 ， 然后你想这个问题的解 ， 就是真的要解到那个偏我们理想中完美的状态 ， 这个过程中要解的题繁杂且细碎到什么程度 。 **CK** [20:33] 我们现在谈的很多的 POD 项目严格意义上是偏人文的 ， 就举个例子 ， 比如说做一件个性化的 T 恤 ， 就这个就属于 POD， 就相对来讲比较容易 ，因为大家对于那个图案的诉求是容错率比较高的 ， 就是这样我也觉得好看 ， 那样我也觉得好看 ， 刚才庄老师说到那个东西 ， 比如说像医疗 ， 我们会划为另一类叫科学 ， 科学的东西是讲究精准的 ， 对吧 ， 它是要求精准度的 ，而精准度就像说的一样 ， 就是 AI 现在可能做到 60 分到 70 分 ， 所以它对偏人文的内容非常友好 ，但是对于偏科学精准性的内容就没有那么友好 ，因为科学类的东西的容错率更低 ， 那这里面还涉及到第二个问题 ， 就是如果 POD 不是做定制音乐或者是定制插画这种东西 ，而是做实体的产品 ， 那会涉及到产品的柔性制造成 本的问题 ， 又会涉及到比如说转印或者是叫 UV 打印机数码喷涂 ， 就这种柔性制造的可能性 ， 所以这里面其实还是有两个东西 ， 第一个东西是什么样的内容 ， 用户是比较有宽容度 ， 可以通过 AI 低成本交付 ， 第二个问题是当这种虚拟化的产品转化成实体产品的时候 ， 对于柔性供应链的要求非常高 ， 所以我们现在看到的 POD 大部分局限的领 域其实相对是比较有限的 ， 就是很多现在实体行业其实都在谈这个事情 ， 就说我们能不能做 POD， 我们能按需生产 ，但从现在的状态来讲 ， 我觉得改造还是需要有很长的时间的 ， 这个对供应链的要求非常高 。 **Iris** [22:05] 我再补充一点 ， 就是关于 AI 了之后因为服务可以加强嘛 ， 很多一次性交付的东西就变成持续服务 ， 我之前跟朋友聊 ， 我觉得有一个领域还是可以做得很好的 ， 就是大健康 ， 你想象一下以前有多少那种通过电话销售陪伴做减肥的 ， 那现在比如说你用一个智能硬件每天拍你吃什么东西 ， 对吧 ， 然后你再用 AI 的服务加上甚至比如说你定 制一下每天小姐姐催你 ， 哥哥你又多吃了 ， 类似这种 ，其实感觉有很多可以想象的空间 ，不一定要到医疗的领域 ， 确实我觉得医疗是风险太高 ，而且有很多伦理的问题 ， 毕竟 AI 本质上是一个不是说我给你一个精确性 ， 它都是一个概率问题 ， 所以一定会出错 。 **庄明浩** [22:44] 确实 AI 的能力到了一定程度打开了大家很多原来想干但是受限于成本跟可操作性之间的各种各样问题没有办法干得太好的板块 ， 就能干 ，但是你要干到非常好可能就划不来 ， 你可能要付出超于成本很多的投入才可能达到一个比较理想态 。 ### 公开构建 **Iris** [23:05] 第三个我们看到很明显的一个趋势是以前咱们都是要做大计划 ， 然后现在特别流行说叫 build in public， 就是我之前跟你吐槽的这个东西 ， 对吧 ， 按漂亮话来说就是从计划驱动到反馈驱动 ， 明昊的版本叫 。 **庄明浩** [23:19] 就哪怕做的是屎也要比别人先做出来 ， 这个环境就是我有个最核心的 ， 当然这很多人都有这个核心观点 ，因为还是那个观点 ， 就是现在基础的水线大家都知道 ， 水线再往上一点点那个事情大家都在试 ， 没有人知道所谓的标准答案 ， 所以但凡你在水线上跳出来一点 ， 哪怕就证明最后你跳出来这点也是徒劳 ，但是你在跳出来那一 刻或者那一段时间内 ， 你享受到的关注 ， 你享受到的双引号的正向的 buff 是远远大于你跳出来那一点点空间的 ，因为没有人知道标准答案 ， 那但凡有人踏出一小步 ， 局面可能瞬间就打开了 ， 你虽然可能也没有做太多的事情 ， 可能做的东西也没有很复杂 ，但是就是可能那一点点的什么东西引发了大家的讨论也好 ， 甚至是争论也好 ， 还是什么也 好 ， 它会吸引来更多的双引号的关注 ， 这种关注可能来自于用户 ， 来自于资本 ， 来自于媒体 ， 甚至来自于竞争对手 ，但是所有这些东西都会再加注给你 ， 然后你会再基于这些得到的 ，其实这些东西本不应该属于你 ， 就在这个 。 **Iris** [24:22] 在这个阶段 。 **庄明浩** [24:23] 在这个阶段基于你现在在做这个东西的状态 ， 你不应该得到这种程度的 buff，但是你得到了 ， 那你就可以再往上叠嘛 ， 那万一叠着叠着我们真的随着大家都一起在叠这个事情叠到一定高度 ， 那可能没准很多局面真的就被大面积打开 ， 那似乎看上去就是今天的事情不要想着像原来我们做一个非常长远的什么规划 ， 做一个完美无瑕的东西 ， 邦出来就结束了 ， 就不是这样 ， 就今天这个环境绝对不是这样 ， 所以就变成了今天哪怕是做一摊屎 ， 你也要别人先做出来 。 **Iris** [24:55] 对 ， 我之前跟你聊之前我没理解 ， 我还在想说为什么有的人融资融那么多 ， 结果做出来一个这么鬼东西 ， 简直就是华强北贴了个牌 ， 然后连了个模型 ， 为什么这种东西可以融到这么多资 ，但背后可能是说他先拿类似这么一个东西先拿到钱了 ， 然后因为他拿到钱了 ，他吸引到好的人了 ，他最后可能更有概率做出来一个了不起的东西 。 **庄明浩** [25:18] 就什么 Do it until 什么美国那句话 。 **Iris** [25:20] Fake it till you make it。 **庄明浩** [25:21] 对对对 。 **Iris** [25:22] 就是装着装着说不定就成了 。 **庄明浩** [25:24] 当然这么说特别的势利 ，但事实上你会发现这一步还是我还能管 ， 就是因为首先这个水线在疯狂的往上叠 ， 所以这个叠加过程中大家可能确实很多人真的就被淹死了 ， 就大部分情况其实是被淹死了 ， 就是你可能突然间做着做着你发现你三个月前立的项做什么东西 ， 突然间因为什么原因就没用了 ， 然后你就沉没成本沉没去了 ，但是 有些过程中无论是幸运还是怎样 ， 反正你就在某一段时间在水线上多了一点点 ， 那就那一点点可能就会带来很多意想不到的收获 ， 所以就变成了今天这个 ，因为大家都关注嘛 ，但关注的情况下大家都没有答案 ， 所以大家就都希望看到有人做出来答案 ， 哪怕是为了抄 ，也是有这个心理在的 ， 所以这个说好听一点 ， 今天这个状态在奖 励那些双引号敢于勇敢一点创新的无论是人还是公司还是什么 ， 那确实是这样的 。 **Iris** [26:13] 我跟 CK 前两天刚刚聊了一个智能硬件的创始人 ，他在这个行业已经很久了 ，其实他比 Plaud 他们做类似产品还早 ，但他当时就是觉得还没 ready 就没做 ， 结果没想到 Plaud 刚出来的时候不就撞到了这个 GPT 的新模型 ， 然后多模态的那个能力一下子变强了 ， 就全都 buff 加到了自己这个产品上， 所以好像看起来这个时间点真的就是你也不知道会撞到什么大任 务 。 **庄明浩** [26:36] 就是这很多东西都没办法提前规划的呀 ， 你可能想得越多你越难卖出去 。 **Iris** [26:42] 是 。 **庄明浩** [26:43] 当然这么听起来对于比如企业管理者会觉得担心 ， 就是心里没底对吧 ， 肝儿颤 ，但似乎就是你还是要突破一点点 ，因为我的本职工作其实是在一家公司内做战略跟投资 ， 我们也遇到的问题就是我们底层也是一家双引号的传统公司 ， 虽然我们做的是移动互联网业务 ， 然后今天也要做新的 AI 业务 ，也遇到类似的问题 ， 就是你总想着做一个差不多 的什么样的状态再按照传统的方式推广运营上活动这些的 ，但似乎今天这个时间点老产品可以这么搞 ， 老产品加工能可以这么搞 ，但是新的东西尤其这个东西本身还没有定型 ， 今天市面上没有任何一家类似业务的公司说大家都应该这么做 ， 没有 。 **Iris** [27:22] 没有 ， 对 。 **庄明浩** [27:23] 那你就不应该妄念说我真的就碰到你那么强 ， 所有事情所有的决策全部做对 ， 然后正好贴到当下那个时间点技术发展的状态 ， 然后配一个很好的什么壳子或者一个膜 ， 然后搭出来一个很完美的 ，不可能 ， 就这个前提条件不要想了 ，不要这么想这件事情 ， 索性那我们就想一想点点点弄一弄 ， 然后扔出来 ， 我们看看状态 ， 哪怕不行再回来重 做嘛 ， 就一直在水面下， 你就一直在水面下 。 **Iris** [27:51] 就憋大招然后永远被搞定 。 **庄明浩** [27:53] 你一直在憋 ， 那水一直在涨 ， 那你就一直在憋 ， 那越憋不就越没有信心了嘛 。 **Iris** [27:57] 我想起来好像就两年前吧 ，OpenAI 的科学家不是写了本书叫 《 伟大不能计划 》， 当时很火 ， 它大概意思就是说以后都是涌现逻辑 ， 你根本不知道你会走到哪里去 ， 你不如就是找块离最近的垫脚石先走一点 。 **庄明浩** [28:11] 先踩上再说 。 **Iris** [28:11] 先踩上再说 ， 对吧 。 **CK** [28:12] 其实刚才庄老师讲就是 AI 目前能走到什么程度 ， 什么样的方向和路径是对的没有人知道 ， 所以计划是没有意义的 ， 对吧 ， 比如说我们只知道往东走 ，但是你不知道往东走会面临什么东西 ， 这个时候你做任何的计划 ， 就像我们打游戏一样的 ， 你面对一张陌生的地图你只有站出来才知道 ， 你去做计划你说我想做一个完美的东西 ，但是你连 现在前面的情况都不知道 ，而且现在的状态是在巨大的 FOMO 的驱动下， 任何有一点新意的产品扔到市场上去就会有很多人去试用 ， 大家试用完了以后自然会得到一些信息和反馈给你 ， 至于这些信息和反馈能不能驱动这个产品变得更好最终能够跑赢这件事不确定 ，但是的确是这样的 ， 就是一种边用边学或者是让用户先用先反馈然后再调整 ， 就是一种在本质上来讲大家因为在不知道往前走是什么样状态的时候其实就是在博概率 ， 它天然就适合于在不确定性的情况下你必须要先走 ， 就是出来混总是要先出来玩 。 ### AI硬件 **Iris** [29:18] 其实 build in public 现在除了就是数字端的那些产品 ， 特别火的是智能硬件 ， 这个也被认为是过去一年中国投资圈的一个共识 ， 你怎么看这个行业现在的状况 。 **庄明浩** [29:30] 就首先为什么是共识我觉得是挺好理解的 ，因为我们从投资的角度选择尤其是偏早期投资角度来看 ， 今天的事情我们刚才说在产品端跟用户端我们没有办法知道什么东西是对的情况下， 会更优先级看重人的权重 ，在投资的角度来看尤其早期投资 ， 那看重人说的再势利一点无非就是看人的背景资历 title 干过什么这些事情对吧 ， 那所以你 看第一波投的可能大部分是什么这些大厂或技术厂的什么技术专家科研的什么算法工程师什么 CTO 这些人对吧 ， 这是一波 ， 然后大家发现这波人出来之后可能有些问题 ， 就是要么是太技术比如说没有太多商业化或者团队组织那些问题 ， 然后要么就发现太互联网 ，因为大家会有一个比较默认的共识是这一波哪怕 AI 这么疯狂可是中国用户在软件端付 费这件事情听起来不太现实 ，因为在美国 AI 肉眼可见第一个商业模式就是软件的直接付费 ，但这个商业模式在中国可能不太容易走得特别通 ， 对吧 ， 我们不说不太容易走得特别通 ， 那自然而然大家就会想能不能搞个东西不是纯软的 ， 又因为中国过去这些年的新兴制造电动车包括华强北的产业链乱七八糟这些巨大的基础堆在这 ， 所以似乎这 两条线交集在一起了 ， 就是一边是互联网的这一套趋势算法什么技术发展 ， 一边是我们强大的供应链基础 ， 所以这两个就叠在一起了 ， 然后又很巧合的是你看像过去几年有很多明星公司都是符合这个趋势的 ， 典型的大疆 、 拓竹 、Insta360， 小一点像小米供应链那些公司都是符合这个逻辑的 ， 就是它既有了这边就是互联网社区在线这个东 西 ， 然后还有全球化 ， 同时又配着我们已经被证明无数次的强大的供应链基础 ， 所以自然而然大家的共识就非常容易达成在所谓的 AI 跟硬件结合这件事情上出现了很多的战场 ， 这战场再分眼镜就不用讲了已经经历了几轮的厮杀了 ， 玩具 ， 玩具可能又分毛绒玩具 、 塑料玩具 、 陪伴型玩具还是智能化的学习类的那些东西 ， 最开始 大家想到就是无非就是把一个模型放在一个什么东西里 ， 然后做出一个样子仅此而已 ，但是这么简单的想法也得有人做 ， 那它造成的结果就是说你要有专门原来把模型的能力封装成一个比如说本地运行比较省电参数不需要太大比较方便适配的 ， 现在深圳其实供应链里已经有这种专门的中间件厂商它就做一个小盒子 。 **Iris** [32:01] 模块是吧 。 **庄明浩** [32:01] 就是个模块 ， 然后你如果想用你就直接把我模块买走做定制开发 ， 当然你也可以直接卖这个小模块很便宜 ， 然后现在可能这个事情又跟另外一个热的话题叫 3D 打印关联 ， 所以你看所有的这些议题都是让人兴奋的议题都连上了 ，但是你要想这个事情从刚才我们想最开始最最原始的其实出发点是我们把今天的大语言模型的能力变成一个模 块放在一个什么东西里 ， 这是最原始的想法的 idea， 从把这个原始的 idea 做成一个东西开模供应链铺货上直播间 。 **Iris** [32:34] 物理世界的速度跟电子速度就是不一样 。 **庄明浩** [32:37] 它是不一样的 ， 然后你要想我们最原始这个 idea 是基于今天的时间点 AI 模型能力的 ， 可是 AI 模型能力现在基本是按每个月的方式在更新迭代 ， 可是物理世界常规如果这个稍微简单一点的可能我觉得 。 **Iris** [32:50] 少也得半年 。 **庄明浩** [32:51] 对吧 ， 半年已经是非常快了 ， 你像我们自己我们内部我们也做了一个 AI 硬件的吉他稍微复杂一点我们用一年半时间 ， 就是你没有办法克服这个长时间 ， 可是你要想刚才我们说 DeepSeek 到今天也不过才一年的时间 ， 可是过去一年 AI 模型 。 **Iris** [33:04] 哇那我又背脊一凉 。 **庄明浩** [33:05] 对吧 ， 你 AI 模型在过去一年已经变成什么样子了 ， 对吧 ， 然后你那反过来那出现状况是说今天比如市面上在卖的今天你想现在是 26 年 Q1 今天在卖的或者说今天在当红在卖的比较新的产品大概率都是 25 年下半年出来的 ， 你想 25 年下半年出来代表它可能是 24 年立的项 25 年做出来开始卖这都是算快的 。 **Iris** [33:27] 是 。 **庄明浩** [33:28] 24 年立的项 DeepSeek 2.1 那时候还没有 ， 那你很显而易见你拿到那个东西跟你每天被媒体轰炸跟宣传跟演示的东西之间的差距有多大 。 **Iris** [33:41] 简直是原始人。 **庄明浩** [33:42] 对 ， 所以你就会觉得所以到时候我们只看结果我们谈了这么一大堆我们只看结论 ， 这个共识本身我觉得没有错它肯定值得做 ，而且确实这些技术条件确实是 ready 的 ，但是出现现在的问题在于因为刚才我们那个原因就是 AI 世界发展过快那个水线提得过高但是物理世界没有办法那么快的跟上导致的结果是说用户用到的东西跟心里的预期之 间有比较大的差距直接的结果退货率巨高 。 **Iris** [34:07] 就这波巨身都是好像退货率很高 。 **庄明浩** [34:10] 就传说那些玩具有一些朋友跟我说退货率可能都跟女装差不多 ， 就你们知道女装退货率大概是什么样子对吧 。 **Iris** [34:17] 眼镜也是 。 **庄明浩** [34:18] 那肯定的呀 ， 那你在想的是钢铁侠在用的东西对吗 ， 视频里也是你天天看到渲染你就觉得钢铁侠已经来了 ， 结果你一带 。 **Iris** [34:27] 弱智 。 **庄明浩** [34:28] 就是这样的 。 那它没办法就是你从厂商角度来讲它没办法因为它要兼顾你就眼镜这个战场好了电池续航算力显示然后你要考虑是在不在眼端显示那显示要加屏还是加 AR 你想这各种方案它综合这么多选择题最后选择的一个结论做出来的产品又要供应链又要时间又要考虑这些乱七八糟它怎么可能是一个我们理想中那样的东西呢对吧 ，但 是它的宣传跟媒体的渲染已经变成了所以退货率提高但是退货率提高带来更新的问题在于比如今天我们也遇到现实问题特别头疼我觉得今天现在在做实体业务公司的人会特别感同身受我们真的在被受到全球化影响的过程中对吧打仗就会影响所有远期间的成本 。 **Iris** [35:11] 对 。 **庄明浩** [35:12] 然后今天又因为我们最开始的话题今天的时间点所有的线上投放的 ROI 是定死的你的毛利基本上是抠得出来的你投多少流买多少量上多少直播间能卖多少货你算得出来然后你给多少返点你的毛利空间是定死的然后你为了拉什么你想通过供应链的方式拉出来那供应链就会说那你要下更大的订单量下更大的量才能保住那个价格我每涨 价都是给你面子了我现在这原价涨得很疯你要不下这个量我可能就没有办法保证你的比如说报幕成本但问题在于你现在这个量去卖已经在亏着卖了因为退货率的问题因为退货率就是大几十的退货率你怎么搞啊然后你面临的角色就变成了你不下大一个量级的订单你的成本就降不下来但你下了这个量单你可能卖不出去 。 **Iris** [35:58] 而且可能就淘汰了 。 **庄明浩** [35:59] 对 ，而且马上就淘汰你想你都做了一年多然后对吧 。 **Iris** [36:04] 好残酷啊 。 **庄明浩** [36:06] 真的就是所有这些问题全部绑在一起了 。 **Iris** [36:08] 这么讲讲咱们不触电也挺好 。 我说说其实在消费品行业里面现在我服务的那些企业很明显的一个感知就是以前方法论层面上的东西今天就变得忽然非常不值钱 。 **庄明浩** [36:22] 是 。 **Iris** [36:22] 就像我有一个客户是厦门帮你听说过吧就是那种特别会搞流量然后精通抖音算法他们同时在跑三万多条素材 。 **庄明浩** [36:30] 我的天 。 **Iris** [36:31] 就是以前真的是靠年轻拼命的小伙伴有很强的网感今天他们忽然跟我说我发现我跑量的素材几乎都是 AI 了然后他们自己有很强的优化意识就是发现自己原来的那些无论是拼命对吧不睡觉努力战斗文化都没用了所以他们现在反而回过头来重新看说我产品得改体验不然的话我这个 NPS 上不去我这个复购上不去我生意还是玩不转 。 **庄明浩** [36:55] 是的 。 **Iris** [36:56] CK 你这会有别的什么感知吗 。 **CK** [36:58] 感触很深 。 我很清楚一个产品从设计开始到制造周期这个有多漫长现在的问题其实我可以给大家一个建议如果你是做硬件的话你千万不要纠结觉得这个产品要做好再扔到市场上去你可以做烂一点订单可以做小一点成本可以高一点退货率也可以高一点然后亏也可以亏一点但是千万不要压库存你说我为了获得一个好的成本我下了一个很大的订单然后最终发现退 回来还是百分之六七十七八十到时候你连哭的地方都没有 。 **Iris** [37:39] 没事同行会买你同行怎么也得买个一千件 。 **庄明浩** [37:42] AI 这一波第一波出来其实有一个中国团队当时在海外做了一个小的方形的机器叫 Reddit 吧就兔子逻辑上讲其实就是一个安卓机然后里面跑了个模型就被骂得体无完肤被贬得一塌糊涂但这公司这轮又因为 OpenClaw 再次被提及这个形态可能是一种可能性然后他们又再去尝试新的东西虽然第一代甚至都被判了死刑被媒体被各种各样批得一塌糊涂但至少那个第一 胎没有很大量而且都在我们这些核心圈大家都在弄都看了什么东西虽然可能那个尝试现在看起来在那个时候可能是不太对的但今时不同往日 。 **Iris** [38:20] 我其实觉得就是小龙虾这波至少给到我身边做智能硬件的人一个很大的启示就是用户还是喜欢一个固定的东西一个实体这对吧然后另外一个很明显的特征就是他们开玩笑说小龙虾跟 Calco 就我们这种用 Calco 的人不是有鄙视链的吗就有点像三国志跟三国演义大家还是喜欢更通俗更有人性的东西所以如果你一开始瞄着行业从业者做瞄着就是 评论员说好的东西你其实就做不出好东西但如果你瞄 。 **庄明浩** [38:52] 包括我了吧 。 **Iris** [38:52] 但如果你瞄小白做对他来说这个体验的 delta 特别大所以有可能其实不是切极客人群切懂行的人群就是切小白就像 Plaud 当时就是切医生律师老师他们没有一天想着说我就找互联网从业者找那些懂技术的人。 **庄明浩** [39:08] 我觉得这里面有个很核心的问题是我们现在不确定做出来一个东西什么是用户愿意买单的所以你快速迭代不要怕被骂你的确定还是那句话就是只是你的确定当然有很多创始人很自信他会觉得说我认为用户就需要这个东西那我觉得市场会教育他的 。 **Iris** [39:27] 我记得有一个很火的项目之前是那个外骨骼然后我听说一个很好玩的故事就是一批极客做外骨骼其实都是希望自己变成钢铁侠结果都是想做钢铁侠的人买给他们的老父母然后其实对于这帮创始人来说他们就面对一个很纠结的现象就是他们并不是很想服务老人家他们觉得自己本来是想做个钢铁侠的但是殊不知好像这些人才是有真正的刚 需然后现在就是各个企业就出现了分化有的就是说咱不纠结了谁需要我们就做毕竟老龄化才是个大需求另外一帮人就很拧巴说我是要做个很酷的公司不是做个老年人的康养产品 。 **庄明浩** [40:06] 所以这个人群的选择对吧他们不要用户的选择这似乎都是没有 AI 时代的时候大家也应该去认真去想的问题都是最核心的那些问题其实是 。 **Iris** [40:14] 对对我们刚刚说了就是偏制造端的企业服务端其实这波感觉被搞得很火对吧很多人都说以前 SaaS 的模式反正在那篇文章出来之后不就已经完全被颠覆了吗大家都说现在是从卖工具到卖结果包括有一只腰骨对吧那个 Plantier 在这一块 to be 服务的领域你觉得会发生什么变化吗 。 ### SaaS变革 **庄明浩** [40:36] 两方观点吧就是美国那边的主流观点就是认为这种 AI 的能力确实非常强无论是 agent 的能力还是 coding 的能力然后最底层的逻辑是说未来所有的个人还是企业你真的有一个什么样的需求你可以自己弄而且它是双引号真正意义上的个性化的满足然后确实你明显看到这个 AI 能力在过去几年打得比较深的领域软件工程师最多的什么律师什么财务分析 那你看这几个板块不都是最大的那家 SaaS 公司在做的事情吗所以当然这个逻辑是这样那中国可能不太一样是说首先中国的我们叫整个企业服务跟 to be SaaS 偏软的这部分其实没有起来即便到今天可能会把这个事情归咎于比如说中国的企业的服务意愿然后大家对这个事情的认知价值的认可乱七八糟的反正从结论来说似乎上一个十几年被美国定义的这个 软件 SaaS 的生态在中国其实不是特别 work 那 AI 就来了个议题是说两方观点一方观点是那 AI 来之后我们可能更难那另外一方观点是说我们可能因为没有原来的包袱没准我们能做出一些符合中国新的国情的 to be 的企业服务在 AI 领域的可能性所以也有些公司在赌这个命题那似乎看上去也是这样就是说今天这个时间点中国的企业无论是大企业国企央企 还是中小企业首先比如说数据化跟在线化这件事情已经不需要去做教育用途机大家越来越接受这种东西那在过程中 AI 化这件事情变成了一个更新的议题那能不能在过程中通过 AI 的方式把一些原来大家无论是要花人解决还是花很重成本去解决的事情跑通然后你又发现就跟刚才我们最开始的议题是一样的每一个新闻领域跟新闻行业的这件事情 的接受程度跟可操作程度也不一样有一些板块其实已经在跑得比较顺利了尤其是可能原来它的业务就跟在线业务关联比较深当然这给今天这个时间点在做已经在做相关这些 to be 企业服务的企业而言提供了一个新的命题这个命题叫做你今天你的收入跟你传统业务的这个东西能不能变成新时代的 AI 收入所以你看过去这一两个季度几 乎所有的这些头部大的 AI 的 SaaS 公司无论是港股的还是美股的都在讲自己的什么叫 AI 带来的收入增长就大概是这样一个定义但是今天这个定义还是很模糊的但在未来如果全部都出现那似乎就应该可能会有一些新的厂商来去做这些事情但这个逻辑就是说今天大家还在盘逻辑就是刚才所有一段话都是在盘逻辑它没有真正意义上实施的状态而且现 在这个也一样没有人知道用什么方式什么结果但是问题在于还是又 echo 了我们前面的说法我们今天也会看到很多这种在做相关业务的公司然后你作为一个比如说像我们这种常规平常用比较多 AI 工具的用户人你去看他们提供的产品就你看他们做了什么东西你会觉得就这 。 **Iris** [43:32] 套壳啊 。 **庄明浩** [43:33] 就是甚至可能都是很粗糙的套壳但是你听起来你看那老板状态感觉他卖得还行很多人找他们想买然后你就觉得是不是也是符合他们讲的我觉得他可能只是在这个基础线上多做了一点点事情但是因为没有人知道该做什么但是他多做一点点事情建立了一定的无论是影响力也好口碑也好还是有一些所谓的实施案例的客户也好他就建立了一个他的 自己的正循环哪怕他其实那个东西非常的弱但是他就是因为这种一点点的东西我们见过很多这种比如说把企业内的什么知识库然后什么数字员工其实就是一个对话框嘛把原来企业内部的什么财务的数据包括法律律师的这些原来你有的这些数据做成一个什么沙亚文的记忆系统放在一个聊天窗对话框里然后把原来的可能企业内部的 ERP 做做 新的这个改革你就觉得是就是这些工作应该有人做的吧但你就会觉得这个事情值得被讨论成这个样子吗就这些公司值得被市场给予这么多的这个反馈吗我其实是有 。 **Iris** [44:37] 我觉得主要还是因为美国这 Plantier 好成这样每个人都说我是中国的 。 **庄明浩** [44:41] 中国的 Plantier。 **Iris** [44:42] 对对对 。 **庄明浩** [44:42] 但是这可能更微观的话题 Plantier 的核心其实最开始是跟政府绑定嘛那本身上其实政府这个主体它也是一个比较我们叫固化然后有比较多历史包袱但同时对很多新东西有比较渴望的这样一个状态所以它其实也是个主体那美国政府又更商业化一点尤其在科技领域那中美市场 AI 仗是谁都不可能输的嘛 。 **Iris** [45:04] 对军备竞赛 。 **庄明浩** [45:05] 对啊对军备竞赛那它就变成了新时代的军火商其实就这么逻辑嘛然后它帮政府做一些更政府原来跟厂商之间没有办法直接对接的很多事情虽然很多厂商也进来你看这两天我遇到更现实的问题比如周末我有个活动是帮我一个在上海大学管理学院交 MBA 的老师帮他们的 MBA 去拜访上海的一家比较头部的大模型公司然后昨天那个大模型负责对接的同事说那 他看了一下那 MBA 同学的这个简历都是大部分都是传统行业嘛什么上汽啊什么上海市化工就各种各样的传统行业他会说他们第一不是技术出身第二不是互联网背景我该讲什么给他们他们会演示一些他们模型的能力然后包括可能跟一些企业的合作的案例然后很多这些看到的人就是说我们也想要那问题在于这些企业不具备在这个时间点直接把模型 拿来用的能力无论是它的数据的状态在线化的水平乱七八糟的那中间这个东西就得有人去听啊它某种程度上是一种脏活累活嘛 。 **Iris** [46:02] 是我还算是经历过从线下比如说我们最初审批是一张表我要跑十层楼到后面数字化的那个过程其实就那个过程本身也很漫长然后当时的 SaaS 公司确实本质上就是外包了一堆 PM 来我们这 。 **庄明浩** [46:17] 来对啊就来现场啊 。 **Iris** [46:18] 做这些破事 。 **庄明浩** [46:19] 对啊 。 **Iris** [46:21] 所以我前两天还跟一个也是 SaaS 公司上市公司的老板吃饭我说你们这一波不担心吗他说反正中国的这个 SaaS 股票也没好过然后他说北美有个很大的特征其实他们大概有 30% 是通过公司信用卡一直在付钱的 。 **庄明浩** [46:35] 对是的所以他说 。 **Iris** [46:36] 对他说所以这种吊起来就会很可怕因为老板忽然醒过来说原来我们付了这么多钱 。 **庄明浩** [46:41] 就跟我们个人用户订阅很多东西突然有一天意识到你不需要订阅那么多东西然后你瞬间就卡了一样他原来就是吃的那个订阅的连贯性嘛 。 **Iris** [46:49] 对他说我们本来就是吃这种脏活累活的忽然 AI 来了我反而变得比较性感 。 **庄明浩** [46:54] 所以这个时间点你看那篇文章写的是 2028 洛世顿他想的逻辑也是一样就是之前可能 AI 模型能力还没有到说让大家有那么主动的意识要想这件事情可能大家会觉得哦厉害我们试一试弄一弄可以但是今天你确实还能管你水线已经到你脖子了你真的认真去想然后你发现很多东西真的可以砍的时候那可能瞬间就是从没有意识到一下砍到非常厉害的 状态对他开了干就没有回头见了 。 ### 未来预判 **Iris** [47:20] 我们最后聊一个对于未来的预判吧就是你之前不是那个六个月一百亿跟八个点这个背后其实透露出来一个东西就是好像平台赚更多了 。 **庄明浩** [47:31] 事实如此对吗就是在 AI 时代至少截止到这个时间点的议题大家会认为大家伙越来越大就这个是一个已经偏共识的阶段性结论虽然听起来有悲观但似乎好多角度都在验证这件事情你像刚才我们前面提到昨天那个我听一波可以在讲就是我们刚才说一个人可以想一个人的事情了小团队可以想中团队的事情中团队可以想稍微大一点团队的事情但是 出现了一个问题就是超大团队会拉开超远的距离让所有人不要想他们在做的事情就是它会拉开那个巨大的差距那很简单我们就点我们今天聊过自己的视频模型的例子 。 **Iris** [48:13] Sora 今天关了吗 。 **庄明浩** [48:14] 对当然它有很多现实的原因留存不好成本比较高可能要考虑到后方员跟 Super 竞争也比较激烈它要收拢战线各种原因但其实有另外一条线原因就在于纯做一个 to C 端的视频 APP 尤其是 AI 内容生产这件事情世界范围内没有任何一家公司比自己有信心跟有坚定的不易立的战略的保守的或者说稳定性的竞争没有任何一家公司有无论是初创公司还是大公司 。 **Iris** [48:44] 放弃战场了大家已经 。 **庄明浩** [48:45] 就是这个战场是字节原来的主战场已经立住了世界第一中国移动量最大的最后的结果然后呢大家原来期待 AI 来了之后比如说 AI 视频这件事情原来是说 AI 视频是一个从 0 到 1 的过程然后过程中再优化然后优化的时候大家开始强调所谓的视频的数据的优劣导致的视频模型的能力但是我们说法是说你有这个数据并不能直接导出你做的视频 模型好有可能不是充分条件可能只是必要条件之一但是字节在春节发了 Seedance 2.0 之后告诉大家我找到了我有好的数据导出我有好的模型这条公式又因为刚才我们说的视频这个战场是字节的主战场它在这件事情上是不可能有任何战略的摇摆跟犹豫的所以在这个领域你就不可能除非你有一些别的什么方式去想或者说你不想做那个最大的就是最最最 top 的那几个你以别的方式来做那可以因为这个行业足够的大字节也不可能把所有事情都做了但是如果你是想在那个皇冠的明珠上争那个那你就要想跟字节的竞争那似乎看起来字节在拉大跟这些想争那件事情的人之间的差距当然这么说可能特别的字节粉了对吧但是似乎这个逻辑就是这个样子然后我们再举个例子今天世界上最大的游戏公司叫 腾讯 AI 跟游戏的结合腾讯在做的很多工作本质上来讲是很多厂商连想都不敢想的事情就是它没有这个资格跟成本跟平台的优势来去做这件事情的想象但是他们在做那就变成了这件事情就不像我们原来说你靠堆量你靠去什么传统手艺人的手艺靠这些东西能够解决的问题它就不是一个层面的问题了那似乎在这个角度我们只说这个狭义 的这个战场里那它比别人拉开的距离就远得太远了而且它会比那些今天这个时间希望通过通用模型去 touch 到这件事情的厂商走得更远 。 **Iris** [50:41] 那对于一般的商家或者在商业上的人你觉得大家可以做些什么呢 。 **庄明浩** [50:45] 就还有就刚才那句话没有展开就是那今天你说自己这么强我们就什么都不干也不是啊哪怕是在视频这个字节这么强跟自制者战场也有很多中国的初创公司也在做嘛就你要找到自己的定位嘛就跟传统的商品一样哪怕宝洁当年洗涮水卖到 50% 那它还会有一些新的品类出现我们再举个更现实的例子为什么运动品这个行业每几年就会出现新的牌子 你像这两年什么昂跑 Hoka 萨罗蒙然后前两年的什么食龙鸟那为什么听起来这个品类早就不应该是耐克阿迪的天下了吗耐克阿迪又有钱又有研发能力又持续赞助品牌效应也在那为什么会持续的有新的品牌会出现那可能就是不断的会有一些新的双引号可能小一点的需求然后被一些特殊的用户满足这用户可能又符合了当下的比如社交媒体 的传播还是什么反正符合了某种双引号的情绪跟氛围它就得到了编辑更多的收获那它就可以长到一定阶段当然它长到一定阶段也同样会面临问题就跟 Lulu Lime 前面一样它通过这个人群吃到了红利全球化拓展然后强调各种各样优势但是它到了一定程度也依然会面对当年耐克阿迪面对一样的问题嘛当然这就是不断的这个循环的过程嘛那你 就看你在哪嘛 。 **Iris** [51:53] 也有可能其实这个集团公司它是以一堆小东西对吧它是一个 。 **庄明浩** [52:00] 野狼军吗 。 **Iris** [52:00] 偏苔藓的逻辑不是偏森林的逻辑 。 **庄明浩** [52:02] 是的是的是的我说二是说国内绝大多数的 SaaS 公司是不懂业务的就是它有没有能力把这些功能整合成一个 AI 的体系去完成这件事情我觉得这个就是刚才庄老师说的是 60 分以上内容甚至是到了 80 分 85 分 90 分的内容而这些内容往往隐藏在某一些人的脑子里把它进行 AI 化或产品化我觉得是 to B 非常大的机会我只是举 SaaS 这一个例子其实有非常非常多这 种东西我觉得 to B 市场反而可能在我的眼里未来在 AI 的驱动下会有非常大的变化出来 。 **Iris** [52:39] 确实因为 to B 了之后 AI 很大的一个变化是它把原来很贵很贵的智力变得非常普及嘛以前麦肯锡一小时 5 万对吧现在你用 deep research 就可以了 。 **庄明浩** [52:49] 所以我们也快被 AI 换了哎老师你要小心哦 。 **Iris** [52:53] 没有我就根本不跟你走一个路线了我现在走情绪导演 。 **庄明浩** [52:56] 情绪价值对对对对我最近也在找一些情绪价值的书在学习我发现嗯要转型了 。 **Iris** [53:01] CK 老师你这句话就非常的 AI 学情绪价值看书你觉得有用吗你要实践你要给我们情绪价值 。 **庄明浩** [53:09] 哎我人际模式大家理解一下好了 。 **Iris** [53:14] 我们差不多就这样子啊非常感谢明浩然后大家如果感兴趣的话记得关注他的播客以上就是这期的播客如果大家感兴趣记得一键三连或者进到我们群里有更多人在没有更新的时候各种讨论跟赚钱跟生意商业还有各种八卦好那就这样拜拜 。 **庄明浩** [53:31] 感谢感谢拜拜 。 **Iris** [53:32] 拜拜 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。