# Vol.85 写在DeepSeek发布一年之后，也写在元宝要发10亿红包之后---串台厚雪长坡 屠龙之术 · 2026-01-26 庄明浩与雪球主播七一在DeepSeek R1发布一周年之际，回顾2025年AI大模型领域的关键变化：DeepSeek如何以极低成本撬动全球市场，推动中国开源模型崛起；豆包日活破亿、ChatGPT周活逼近9亿，留存曲线反弹标志应用年到来；技术层面，强化学习成为标配，多模态融合与在线学习（continual learning）成新焦点，李飞飞的世界模型为具身智能铺路。投资视角下，中美估值逻辑迥异：美国巨头以预期打满估值，中国公司则以1%成本做到80-90分水平。最后建议普通人以“一周重复五次”原则尝试AI，并拿它当对手盘训练投资思维。 ## Key moments - **[0:00] 开场** - [2:33] 庄明浩回忆冯骥在微博上称DeepSeek为“国运级别的科技成果”，引爆舆论。 - **[2:40] DeepSeek出现** - [5:05] 庄明浩分析DeepSeek R1的冲击：成本从几千亿美金骤降至几百万美金，引发中美冲突。 - **[5:51] 推理模型** - [7:28] 庄明浩强调美国AI叙事核心：“这场仗是不能输的。” - [9:12] 庄明浩指出DeepSeek R1的阶段性跨越：从Chatbot L1进入推理模型L2，且开源做法促使全球复现。 - [12:23] 七一总结中国开源模型在2025年主导全球开源生态，倒逼OpenAI等闭源厂商。 - **[12:44] 应用落地** - **[14:38] 模型之战** - [15:21] 七一提出中国工程师更擅长工程实施和成本效率，导致开源模型的涌现。 - [17:10] 庄明浩回顾2025年模型进展：GPT-5未达预期，Google多模态在Q3变强。 - **[18:49] Agent** - [20:44] 庄明浩宣布2025为“应用年”：豆包日活破亿，ChatGPT周活逼近9亿，留存曲线反弹。 - [23:05] 庄明浩自问：“腾讯呢？”引发对腾讯AI动作的讨论。 - [23:58] 七一与庄明浩探讨国内模型战役是否结束，庄明浩认为新玩家难入局，现存玩家各有赛道。 - [27:37] 庄明浩预测纯模型战场不会一家独大，可能小几十家公司各有战场。 - [29:04] 庄明浩分析美国出现“new lab”现象：前大厂研究员出走，赌新研发范式。 - **[29:43] 多模态** - [32:03] 庄明浩解释L1到L3：从Chatbot到推理模型再到Agent，Agent成为2025年Q2的讨论焦点。 - [35:00] 庄明浩提出AI给用户强烈刺激的核心词是“看见”：看见模型吐字、思考、执行。 - [37:23] 庄明浩指出Agent的冰山现象：表层的界面只占很小比重，底层大量基础设施问题未解决。 - [38:27] 庄明浩解释Agent基础设施需求：AI需要专属浏览器、身份、权限甚至协议。 - [41:44] 庄明浩讨论AI协议难题：HTTP等协议公有且无商业利益，如今商业公司主导协议之争。 - [43:45] 庄明浩描述首次使用DeepSeek深度思考功能时的震撼：“它开始给你展现思考过程，非常震惊。” - **[57:28] 商业化** - **[1:00:18] AI投资** - [1:00:46] 庄明浩分析XAI与推特可能合并，估值2300亿但收入仅5亿，全凭马斯克信仰。 - [1:07:28] 七一问“什么体量的公司应做基础模型”，庄明浩答：“到一定体量都得做，没办法。” - [1:08:31] 庄明浩引用黄仁勋的“五层蛋糕”理论，阐明科技巨头必须全栈布局。 - [1:11:59] 庄明浩谈DeepSeek特殊性：无法用商业逻辑解释，美国也有人建议模型公司去做量化基金。 - [1:15:53] 庄明浩揭示基座模型技术路线：预训练数据见顶，后训练（强化学习）仍有40%-50%空间，online learning是下一突破点。 - [1:18:38] 庄明浩比喻：“预训练像石油，后训练像新能源，online learning像核能，实现就起飞了。” - **[1:24:03] AI叙事** - [1:27:35] 庄明浩断言：多进多出的多模态已成为共识，纯语言模型场景变窄。 - **[1:31:44] 使用AI** - [1:31:46] 七一询问世界模型，庄明浩解释物理路线（李飞飞）与视觉派（视频实时生成）的分歧。 - **[1:35:33] AI教育** - [1:39:08] 庄明浩推算AI市场潜力：美国头部科技公司总估值可能从6万亿迈向20万亿美元。 ## Speakers - **七一** (host) - **庄明浩** (host) ## Topics 模型与基础设施, 产品与应用 ## Mentioned Anthropic (company), DeepSeek (company), Google (company), Kimi (company), Meta (company), MiniMax (company), OpenAI (company), X.AI (company), 字节跳动 (company), 智谱 (company), ChatGPT (product), Claude (product), DeepSeek R1 (product), Gemini (product), Grok (product), Llama (product), Manus (product), 元宝 (product), 千问 (product), 豆包 (product) ## Transcript ### 开场 **七一** [0:01] 台积电这家公司历史以来是以冷静 、 理性著称的 。 台积电这次财报分析师的电话会上特别有意思 ， 台积电董事长说 ：" 我们要上调明年的 KPS。" 原来预估应该是 490 亿美金 ， 调到 520 到 560。 然后他说 ：" 我们这种投资是非常审慎的 。" 为了审慎 ， 我在过去的 3 到 4 个月 ， 跟我的客户 ，以及我客户的客户 ， 做了非常多的调研 ， 来去验证 AI 到底是否有实际需求 。 我的答案令我非常满意 。在这个链条上最尾端 、 最理性 、 甚至有些冷静到极致的公司 ， 它的需求预期都上调了 。 你已经给出一个更明确的预期 ， 那似乎就应该可以定个性了 。 各位听友大家好 ， 欢迎收听雪球出品的厚雪长播 。 这是一档和投资相关又不止于投资的节目 。 我是主持人七一 。 一年前 ， 具体来说是 2025 年的 1 月 20 号 ，DeepSeek 发布开源推理模型 DeepSeek R1， 模型迅速登顶全球应用商店的搒首 ， 引发了美股的强烈震荡 。1 月 28 日的英伟达的市值也一度蒸发近 6000 亿美元 。 同时呢 ，其实也是开启了 A 股港股新一轮的高歌猛进 。 现在看来 ， 从那一刻开始 ，也就是一年前 ， 一切都变了 。 中国 AI 模型的命运齿轮开始重新转动 ， 和美国的齿轮紧紧地咬在了一起 。 时隔一年呢 ，AI 大模型发生了挺多天翻地覆的变化的 。 国内的 DeepSeek、 豆包 、 千问 、 元宝 、Kimi、MiniMax、 智谱 ， 国外的 ChatGPT、Gemini、Grok、Anthropic 等等吧 ， 它们在基础模型 、Agent、 多模态上都有了很多重大的迭代 。AI 模型在资本市场端 ，也给这些公司带来了新的估值和想象空间 。 那么今天呢 ， 我们和 " 屠龙之术 " 的主理人庄明浩一起 ， 从 DeepSeek moment 开始 ， 回顾一下 2025 年国内外大模型在技术以及产品层面上的发展和变化 ， 同时也聊聊 AI 的资本故事 ，以及上下游产业链的全新投资机会 。 呃 ， 明浩 ， 要不然我们就先从这个 DeepSeek moment 开始 。OK。 啊 ，其实我们播出的这个时间点呢 ， 倒退一年， 基本就是去年春节的这个时间 。 刚刚好那个时候就一个比较重大的事情就发生了啊 ，DeepSeek 一下就变成了所有的媒体的头条 。 是的 。 你大概还有印象吗 ？ ### DeepSeek出现 **七一** [2:40] 当时这个触发点是什么 ？ 为什么它突然就变成头条了 ？ **庄明浩** [2:44] 当然印象非常深 ，因为正好是去年春节嘛 。 我带着我老婆跟孩子在那个上海周边一个酒店玩 ， 没什么事闲着 ， 然后就看电视啊 ， 然后马打风的时候就看手机上就爆了嘛 。 最核心的是 ， 我没错 ， 应该是 1 月 26 号晚上 11 点左右 。25 年或者 24 年， 中国最红的一位创业家 ， 就是黑神话悟空的创始人冯骥 ，在那天晚上 23 点左右发了条微博 。他说他用了 5 天 。 当时没记错应该是 1 月 20 还是 21 号 ，R1 正式发布的 。 **七一** [3:14] 呃 ，DeepSeek 的 R1。 **庄明浩** [3:15] 对 ， 就是那个最核心的那个推理模型的版本 。 然后他说用了 5 天 ，他说爆论 。他说 DeepSeek 可能是国运级别的科技成果 。 嗯 。其实在那 5 天发生了什么事情 ， 就是 R1 发布之后， 确实在整个科技界 、 业界 、 创投界 ， 包括可能在美国的主流的财经 、 科技媒体的报道越来越多 。 然后在那个时间点 ， 得到了一个很重要的发酵 ， 第一次产生了一个冲突 。 你看大家今天在过去的这个季度讨论什么 AI 的泡沫 、 算力的投资 、 什么几万亿美金这些事情 ，其实在去年那个时候也在讨论类似的事情 ， 只不过数量级可能小于量级 ， 千亿美金差不多 。 但是也是一个非常大的数字 ，OpenAI 融很多钱 。 然后你要知道 ，在这个事情出现之前 ，是特朗普刚刚上任 ， 一上任不就发布了一个新一轮的经济支门计划嘛 ， 就是跟 OpenAI 软银 、 甲午文的 5000 亿美金的新一轮的投资 。 **七一** [4:03] 对 ， 我有印象 。 **庄明浩** [4:03] 从美国的视角是说 ， 我们每天在讨论的事情是说 ， 我们要投几百几千亿美金做一个这样的东西 。 然后突然间中国出现一个东西是说 ， 它只花几百万美金 ， 当然只是一次的训练成本 ， 就可以做得差不多 ，而且甚至看上去更好 。 发生了什么 ， 对吧 ？ 就是为什么这个差别这么的 ， 从数量级上来讲 ，是百一千亿美金到几百万美金的这样一个数量级的差距 。 它是一个几千倍的差距 。 **七一** [4:26] 从你 VC 的感觉 ， 可能关注得更早啊 ，但是至少从更大众的维度 ， 或者媒体维度 ， 倒退一年前 ， 中国还是看客吧 ？ 然后突然间就变成了核心玩家了 。1 月 26 号的 ，也就三天之后吧 ，1 月 29 号 ， 扎克伯格 。 **庄明浩** [4:41] 去白宫 。 **七一** [4:42] 对 ， 首先他是 Q4 的这个财报会 ， 接着他就去白宫 。 等等这一系列 ，他自己就提了 DeepSeek， 关注度又上来了 。 **庄明浩** [4:50] 对 ，因为在美国的角度而言 ，AI 这场仗是不能输的 ， 绝对不能输 。 你想过去一年美国发生了所有这些事情 ， 美国如果 AI 再输 ， 就美国就完了 ， 对吧 ？ 它没有任何的正面的 buff 来加成了 。 所以你看扎伯格也好 ， 你看黄仁勋也好 ， 你看 Sam Altman 也好 ， 你看微软 CEO 也好 ， 所有人去国会讲 AI 的时候的核心的主题 ， 或者说核心的出发点 ， 全部都是 " 我们要确保美国在 AI 领域的绝对领先的地位 "。 就是它是一个母题 ， 就是不 care 你什么公司 ， 反正你只要去国会讲 AI 的出发点全部都是这个 。 营造了这样的氛围出现之后， 那它必然会造成那种冲突 。 这个冲突是那么强烈 、 那么刺激 、 那么赤裸裸 。 还有个更核心的问题在于 ， 你要想啊 ，其实在纯业界角度来讲 ，在 24 年， 其实中国的这些模型厂商 ， 当时所谓六小龙 ， 包括当时的千问 ，其实也在发模型的版本更新 ，其实也还行 。 就是也不是说落了非常多 ，但至少确实有一定差距 ， 我们要承认 。 但是也在弄 。 但是 R1 的那个时间点 ， 产生更大的刺激 ， 或者更强烈的影响在于 。 ### 推理模型 **七一** [5:51] 训练成本是吧 ？ **庄明浩** [5:52] 成本是一方面 ， 另外一个就是阶段性的跨越 。ChatGPT 发布之后， 大家定义这个行业走到叫 L1， 就是普通的 Chatbot。 但是大家用 R1 之后， 它会有那个思考的过程嘛 。 **七一** [6:02] 对 。 **庄明浩** [6:02] 就叫推理嘛 ， 双引号的推理 ， 至少看上去像推理的样子 。 推理是个很重要的 。 然后你要知道 ， 我们相当于从 L1 跨到 L2，24 年可能 9 月到 10 月的时候 ，L2 的第一个发布是 OpenAI 嘛 ，O 系列模型 ， 直到今天 O4。 但是 OpenAI 发布 O1 的时候是闭源的 ， 就世界上其他厂商是不知道它是怎么弄出来的 。 就是看上去 ， 哦 ， 确实非常厉害 。 那你就可想而知 ， 自从 24 年的 90 月份开始 ， 或者 24 年 Q4，其实世界上所有的头部模型厂商做的工作 ， 就是复现 O1， 就是我也要做到 L2。 那当时那个时间点 ，其实也有类似的厂商 ， 差不多时间点也做出来了 ， 只不过大家在那个时间点没有选择开源 ， 就没有选择告诉大家我是怎么做的 。DeepSeek 这家公司可能就是梁老板比较有这个 。 **七一** [6:45] 有梦想有追求 。 **庄明浩** [6:46] 对 ， 大爱对吧 ？ 他就把他所有的训练方式 、 实施方式 ， 甚至数据集的采集 ， 所有的方法全部公开 。 而且更重要的是 ， 呃 ， 当时有一篇那个核心的外国的 newsletter 去解读 DeepSeek 的论文 ， 投论文中有一部分是这样的 ： 我觉得这个部分尤其代表了 DeepSeek 这家公司的态度 。 就是说 DeepSeek 的 R1 叫推理模型 ， 它是基于 DeepSeek 有个基础模型叫 V 系列 ， 叫 V3。其实 V 系列是在 24 年 12 月底就发布了 ， 相当于它是在 V3 基础上做出了 R1。 做的这个方式就是可能 25 年大家都在用 ， 叫强化学习的这个方式 。 你要知道它在它论文里写是说 ， 我不单纯只把 V3 训练到了 R1， 我用这套方法同时训练了当时市面上其他的科研模型 ， 比如说什么 LLaMA， 我把我这套方法也复制到了其他的模型上， 然后他们的成绩也提升了 。 相当于大爱到我可以把我全部分享 ，并且告诉你们我这套方法也适用 。 **七一** [7:43] 从那个时候开始 ， 长达过去一年的这样探讨啊 ， 我确实听到了很多博主啊 ，因为这也是我的其中一个重要的信息来源了 ， 就是大家还都在说 ，其实这一轮变成了中国的开源的这个姿态 ，在促进了整个世界的 AI 的开源 ， 还有包括往前推进 。在 25 年 DeepSeek R1 之前 ， 主流的观点会认为这件事情还是需要闭源公司来做 ，因为它需要特别多的钱 ， 特别多的投入 ， 高精 尖人才的这个加持 ， 它才可能 run 下来 。 但是开源模型出现之后， 大家会发现 ， 当然也因为中国的几家模型厂商的频繁的开源的状态出现 ， 再加上可能之前代表开源的 Meta、LLaMA 掉队了 ， 就是掉得一塌糊涂在 25 年， 然后把这个态势直接就扭过来了 。 所以你看整个在 25 年开源模型这个板块 ， 几乎很多搒单 ， 可能前十几二十名全部都是中国公司的模型 ，而且是各个大小尺寸的模型 。 它在倒逼 ， 比如 OpenAI 其实也要在它的模型里面挑选一部分非最优的模型来做开源 ， 来做适配 。 如果我们回看整个 25 年全世界 AI 行业的发展 ，有几个关键词是一定要提的 ， 比如说强化学习是一定要提 ， 比如 Agent 可能要提 ，DeepSeek 可能要提 。 那如果把视角聚焦到相对中国的话 ， 那开源是一定会被提及的核心关键词 。 然后它似乎成为了某种在这场 AI 竞争当中的 ， 你说是武器 ， 说是抓手 ， 某种我们可能更适合的方式 。 为什么会是这个方式 ，也有很多别的原因 。 因为上午我也跟一些做技术的人聊 ，他们可能会认为纯模型的从 0 到 1 的研发这件事情 ， 当 OpenAI 解决之后， 后面的事情更多是偏工程跟实施的问题 ， 成本效率的问题 。 那这些事情确实我们这边的工程师们更擅长 ， 所以导致了这些东西的出现 。 我们在这样的一个时间点啊 ，DeepSeek moment， 感觉这个民族自豪感当然油然而生了 。 但是这个对于我们观察过去一整年， 也挺感慨的 ， 就变化非常快 ，而且非常多 。 当然中国也崛起了非常多好的这种公司 ， 然后美国也继续在往前走 。在这一年当中这么多事 ， 我们一起来梳理一下吧 ， 就是从 DeepSeek 之后， 咱们不用完全按照时间线 ， 呃 ，有哪些你现在一下就能蹦出来的 ， 我觉得可能是以中美为主的这样的一些大事件吧 。 **庄明浩** [9:58] 呃 ，DeepSeek 火了之后， 先是经历了一轮 ，因为炒股嘛 ， 英伟达当天不是跌了 17% 嘛 ， 大家又讨论那个什么贾维斯概率定论的那个问题嘛 ， 就煤矿发掘到底是对煤矿公司好还是对行业好 ， 就是又讨论那个问题嘛 。3 月份中国的 Meta 出现了 ， 然后大家关于 Agent 的讨论开始变多了 ， 这个 Agent 的讨论可能延续到 5 月左右 ， 然后中间出现了 4 月的美股大跌 ， 可能 更多是因为关税啊 ， 乱七八糟 。 但是反正它是相配着的 ， 然后大跌又跌回来 ， 然后开始慢慢往回涨 ， 标普 500 就不断创新高 ，但是中间有波折的 。 然后模型角度来讲 ， 可能大家本来在 24 年就期待中的 GPT-5 发布了 ，但是 GPT-5 并不那么理想 ， 就没有显现出像之前那些版本超强的领先的身位 。 然后在 Q3，Google 的多模态能力开始变强了 ，VO3、Nanobanan 到 Nanobanan Pro， 到年底的 Gemini 3， 就是这一系列 ， 从可能从 26 年下半年， 股价也能表现 ， 就 Google 的股价开始挡不住了 ， 对吧 ？ 到年底 OpenAI 又发布一些 ， 然后过程中有印象的比较多的 ， 可能还包括 DeepSeek 自己的模型进展 。 因为你要知道 ， 刚才我们讲的故事是说 DeepSeek 先发了 V3 的基础模型 ，在 V3 基础上做了 R1。R1 把大家预期拉到这么高的情况下， 大家当然会期待 R2 会多强 。 所以在 25 年的过程中 ，其实出现过几轮传闻 ，R2 快做出来了 。 第一轮传闻大概在 25 年的五六月份 ， 然后没出来 。 那个时候大家说的原因是说 DeepSeek 在跟华为做测试 ， 那个趋势又加进来了 ， 就是中国跟美国的芯片的那个趋势 。 再传一波是 25 年的 9 月到 10 月 ， 传说 DeepSeek 下一轮的模型做好了 。 当时我记得特别清楚 ， 最开始 V 系列的模型是 V3， 然后 V3.1，V3.1 的什么 0528 版本 ， 就 5 月 28 号的版本 。 然后在 9 月份又发了一个 V3.1 的最终版 ， 大家叫这个名 ， 大家期待 ， 哦 ， 既然叫最终版 ， 那下一个是不是应该强一点 ， 叫 V4 呢 ？ 因为大家会期待 ， 如果发了 V4，在 V4 基础上不就应该是 R2 了吗 ？ 对吧 ？ 就这个逻辑不应该是这个样子吗 ？ 结果过了一周 ，他发了个 V3.2， 就是大家 ， 哦 ， 还没到 。 当然就是他们可能内部有自己的节奏 ， 对吧 ？ 但是你从版本号上你能看出来 ，他们其实还没有准备好嘛 。 你在 26 年初这个时间 ， 可能大家再更期待 ， 就是因为过去一段时间 ， 可能 DeepSeek 连续发了两三篇论文 ， 核心论文都是关于模型结构的研发层的事情 ，而且看上去就是为下一代模型做的基础 。 反正气氛已经烘托到这了 ， 对吧 ？ 大概率可能比如春节左右的时间 ， 又是春节 ，V4 会出来 ， 对吧 ？ 那今天这个时间点 ， 模型也在发生变化 。 之前你相当于基础模型跟推理模型是分开的 ，但是你会发现现在它慢慢在融合 ， 就是可能因为强化学习更重要的原因 ，是不是有可能没有 R2 了 ， 直接 V4 就全部搞定了 ，也有可能 ， 我们不知道 。 这个节点很重要 ， 然后这是纯模型研发层 ， 然后更重要还有另外一层 ， 就是 25 年大家会说是应用年嘛 ， 要用嘛 。 ### 应用落地 **庄明浩** [12:49] 所以你看 25 年， 比如说字节的豆包破了 1 亿的日活 ，1 亿日活是一个 APP 领域很重要的节点 ， 一个里程碑 。 然后美国那边可能 OpenAI 的 ChatGPT 之前 10 月左右应该是 8 亿的周活 ， 传说现在已经到 9 亿了 ， 然后两家公司都拿到了这个双引号的微笑曲线 ， 就这个很重要 。 就是我们传统看移动互联网的整个 APP 发展的时候 ， 会说很多 APP 如果在某个战场里 ， 比如它的用户量级到了一个体量 ， 它的品牌影响力到了一定样子 ， 包括它的功能叠加到了一定程度的时候 ， 它那个留存曲线会拉回来 。 按理说留存曲线应该随着时间越来越长 ， 留下人越来越少 ， 对 ， 越来越少人会用嘛 ， 它最后会回归一个稳定态 。 但是拉起来就代表它变了 ， 量变变到了一个质变的过程 ， 我们叫微笑曲线 。ChatGPT 是在 10 月份拿到的 ， 传说豆包也拿到了 ， 就是它的留存的曲线拉起来了 ， 那就可能到了某个临界点过了 。 进入到 Q4， 阿里突然间加大了 ， 非常大的 ，因为其实在过去一年， 阿里一直都很强势的在推 AI， 可能之前是在阿里云千问模型上， 包括可能跟资深业务结合上， 然后突然间进入到 Q4， 阿里在图思应用上 ，在千问上， 甚至蚂蚁 。其实阿里集团跟蚂蚁应该算两家公司 ， 蚂蚁其实也在推自己的模型 ， 自己的应用 ， 阿福啊 ，他那个模型的东西 ， 那当然就会期待中国最大几 家巨头 ， 字节这个动作 ， 字节因为买了今年春晚的赞助 ， 对吧 ？ 肉眼可见 ， 当天晚上豆包一定会日活巅峰 ， 一定 ， 对吧 ？ 能不能破 2 亿我们不知道 ，但反正肯定是个巅峰 。 阿里突然也动了 ，并且过去一段时间 ， 如果你关注这个行业 ， 你应该无数的地方看到了阿里各种各样的推广的文章 ， 乱七八糟 。 那腾讯呢 ？ 那腾讯呢 ？ 元宝呢 ？ 那元宝呢 ， 对吧 ？ 那姚顺雨呢 ， 对吧 ？ 刚刚接手腾讯 AI1 号位的这位年轻的 LLP 研究员怎么做呢 ？ 张小龙怎么动呢 ？ 所有这些事情都会推到 26 年去 。 ### 模型之战 **七一** [14:38] 我记得之前你在某一期节目里面谈到一个 ， 就是说中国所有的这些模型厂商的一个现状啊 ， 或者说是不是这场前续的战役已经基本上结束了 。 我记得你表达过类似的观点 ， 就是说头部的反正能做的都已经做出来了 ， 然后没做的好像是不是也不打算做了 。 然后接下来还有一批中厂 ， 那可能有些是早期的 ， 比如像 Kimi 这种 ，其实早出来活着 ， 继续活得挺好 。 那还有我们可能一会会聊到的两家上市公司 ，其实也都处于这个现存的第一梯队里面 。 那这场国内的模型的战役 ， 你觉得是不是基本上已经告一段落了 ， 还是说未来还是会横空出世一些新的玩家 ？ **庄明浩** [15:20] 新的玩家已经很难了 ，但是现存这些玩家挑大了通罗马吧 ， 就都有自己赌的事情 。 有一个可能辨不明的问题 ， 就是到底是一家业务是什么样子的 ， 它的技术底蕴是什么样的程度的公司应该做自己的基础模型 。 就这是一个辨不清道不明的问题 。 最后我们讨论变成了 ， 可能因为大家都做投资了 ， 大家只能说估值到多少体量的公司都应该做 ， 就只能用这个最粗暴的估值标准来去评判了 。 但是这个标准放在这 ，其实中国备案过的纯大模型的话 ，也有几百个了 。 当然可能现在还是技术研发没有那么多了 ，但至少已经有几百家公司都在做相关的基础模型研究 。 那除了刚才我们提到的这几家最大的互联网巨头 ， 然后这几家比较前沿的初创公司 ， 那你说百度也在做 ， 小红书也在做 ， 甚至 B 站也在做 ， 小米也在做 ， 美团也在做 ， 对吧 ？ 然后再次一级的可能几十亿美金的公司可能也在做 。 那中国的 A 股上市公司 ， 克拉逊飞在做 ， 对吧 ？ 就是中国也有一批这样的公司也在做 ， 尤其在 ToB，在企业服务 ，在政府的这个相关的体系都在做 。 那似乎大家都会在找寻自己的场景 。 然后还有更现实 ， 今天也是讨论 ， 就是说如果我们只看模型这个战场的话 ， 收敛程度或者它的竞争不太可能是一家独大 ，因为它又不是平台 ， 它又不是短视频 ， 哪怕是短视频也有三五家呢 ， 对吧 ？ 虽然第一超级大 ，但是也有第二第三的位置 。 那如果是这样一个逻辑的话 ， 那似乎这个战场能容下的公司不会太少 。 **七一** [16:50] 那你觉得是个三五家共享蛋糕 ， 还是说真的能拉到 50 到 500 家共享蛋糕 ？ **庄明浩** [16:57] 小几十家应该我觉得是各自有自己的战场吧 。 **七一** [17:00] 因为你拉到美国来看 ，其实也就那几家 。 **庄明浩** [17:03] 但美国情况确实不太一样 ， 就是说美国这套 AI 模型的叙事还是建立在超大的金融叙事的基础上 ，而且它似乎只有这一种叙事 。 那这个门槛就被硬生生的拉到了一个不可理喻的门槛上去 。 当然我觉得所有事情都是物极必反的 。 你会发现在 25 年进入到 Q4 的时候 ， 美国出现了一波我们叫 new lab， 可能是 OpenAI 研究员 ， 什么 Google 的研究员 ， 或者是前什么 Meta 的那些几个公司的人员出来 ， 然后做一些新的我们叫 lab。 你看它叫 lab， 它不叫公司 ， 就相当于大家在赌有没有新的研发范式的可能性 。 那就代表着之前的那个状态确实已经拉到太极限里去了 。 原来那条路径只能那几家公司走了 ，但是是不是那几家公司就一定会走到底呢 ？ 也不一定 ， 对吧 ？ 所以为什么大家愿意给这些 new lab 在它什么都没有的时候 ， 给很高的估值投很多的钱 ？ 那就是大家在赌有新的可能性 。 **七一** [17:59] 那你说的这个新的可能性 ， 你觉得更多的还是这个基础模型的可能性 ， 还是就是 agent 的可能性 ？ **庄明浩** [18:05] 在赌的这个 new lab 还是在赌模型本身的可能性 。 但中国可能情况又不太一样 。 首先我们的叙事不是建立在那个非常严格的金融的巨大的门槛叙事上的 。 我们有开源 ， 我们有工程实施 ， 我们有中国特色的各种各样的场景 ， 无论是 ToC 还是 ToB。 那很简单 ， 我们看今天可能会聊到这两家上市公司的财报 。 如果我们用一个非常简单的粗暴的数字去解释的话 ， 就是他们都是大概用了可能 OpenAI 投入的 1% 量级的钱 ， 做到了可能 80 到 90 分的样子 ， 非常牛逼了 ， 对吧 ？ 而且非常适合中国国情来做的这个事情 。 然后我们这边可能又有具身 ，有机器人， 又各种各样的延展 ， 包括先进制造 ， 很多的问题它可能都叠加在一起 。 那不是只有那一条路走到黑的选择的 ， 我们的选择路径特别的多 。 ### Agent **七一** [18:50] 咱既然先聊公司 ， 那就从公司出发 。DeepSeek 之后， 那很快中国的这个 agent Manus 就出来了 。Manus 呢 ，在那个时刻确实惊艳了一下， 然后之后感觉又沉寂了很长一段时间 ， 直到最近它被收购的时候 ， 它又再次的有一轮大的曝光嘛 。 就这中间发生了什么 ？ 你后来有跟踪吗 ？ **庄明浩** [19:09] Agent 可能在 25 年 Q2 左右是讨论的最热烈的一段时间吧 。 还是回到刚才那个说法 ， 就是 OpenAI 定义的 L1 到 L5 的过程 ，L1 是 Chatbot， 就是普通的聊天机器人，L2 就是以 DeepSeek R1 为代表叫推理模型 。 然后其实在 25 年 Q1， 基本上头部厂商都做出来了嘛 。Kimi 也是在差不多 DeepSeek 没几天之后就推了他们的 K1.5 还是 K2， 反正也是推理模型 ， 几乎头部厂商都在 25 年 Q1 做到了推理模型的东西 。 所以推理模型成为标配之后， 那大家自然而然会往前再推一步嘛 。 那 L3 不就是 agent 嘛 ？ 那现在告诉你这个关系不是一个线性关系 ， 它是一个今天这个时间点叠加在一起的关系 。 因为今天这个时间点最最最基础的基础模型的研发还在研发 ， 推理模型也还在研发 ， 同时 agent 也在 ， 就跟那个甘特图一样 ，也在弄 。 但是确实在那个时间点 ，agent 的讨论达到了一个新的高度 。 但反过来讲 ，其实 24 年也有很多人探讨 agent，因为确实大家会认为这轮 AI 的探讨的核心的爆发原因是因为语言模型的爆发 。 但语言只是一个对话 ， 只是一个信息的沟通跟有无 ，但是大家期望的是说技术革命 。 你技术革命你当然是要蒸汽机一样 ， 你要干活啊 ， 对吧 ？ 你要解决人类的这些问题 ， 你要提升 GDP 呢 ， 好吗 ？ 那当然需要干活 ， 所以它要从语言跨到行为嘛 。 所以你看今年那个前两天千问发那个 agent 不就是叫 action 嘛 ， 就把那个关键词放在那个核心的议题里面 ， 就是一样的逻辑嘛 。 **七一** [20:34] 从对话到行动 。 **庄明浩** [20:35] 对对对 ， 就是你要从语言到行为嘛 ， 逻辑是盘的明白的嘛 ，但怎么弄 ， 弄成什么样 ， 做什么东西 ， 做什么取舍 ， 跟工程上怎么实施 ，其实大家是迷糊的 ， 就没有标准答案 ，也不知道 。 然后 Manus 算是第一个把人们期待中那个样子弄出来的 。 我之前一直有个观点 ， 就是说我们抛开这个纯技术研发 ， 纯从用户角度来讲 ， 这种 AI 让大家刺激感这么强烈 ，有个核心的关键词叫看见 。 看见什么 ？ 就是你第一次用 ChatGPT 或者用这样工具的时候 ， 你第一次看到一个电脑屏幕在那吐字 ， 就这个强烈的感受是非常直观的 。 就你不需要理解技术细节 ， 你也不需要了解它怎么实现 ， 你就感觉它在一本正经的在吐字 ，而且还看见了它在思考过程 。 然后第二对 L2 就变成了你看见它在思考过程 ， 就它在怎么想的 ， 反正你看上去好像差不多意思对 ， 对吧 ？ 看见的感觉非常强烈 。L3 agent 理论上说 Manus 做的事情就是看见 ， 就是它让人们第一次看见了 AI 是怎么干活的 ， 包括之前豆包的那个尝试 ， 虽然感觉立刻被干掉了 ，但视觉的刺激是最直接的嘛 。 所以你看见了一个东西在做执行 ，在打开网页 ，在访问 ，在点击 ，在收集数据 ，在做 PPT， 就是这个看见的过程 ， 从纯用户体验这层来讲 ， 让大家知道了 ， 或者说大家期待中的 agent 应该是这个样子 。 同时出现了问题也是到年底这个时间点 ， 原来语言的事情更多是模型公司本身的事情 ， 就它只要解决算力 、 算法跟数据的问题 ， 做很多工程实现 ， 它就可以理论上说是往前推的 。 但是到 agent 这个事情就变复杂了 ， 就它就不是模型公司自己的事情 ， 它要跟外界环境产生交互 ， 要访问数据库 ， 调取网页 ， 要打车 ， 叫外卖 ， 对吧 ？ 要各种事情 ， 本质上讲那就不是一家公司的事情了 ， 它就跟自动驾驶一样了 ， 对吧 ？ 你要路况 ， 每个地方又不一样 ， 什么灯 、 什么路 ， 然后黑天 、 下雨天又跟电 ， 它就变得复杂 。 那逻辑上来说 ， 这个复杂流程就不可能是短期就能突然间解决的 。 所以为什么到 25 年下半年的时候 ， 关于表层我们叫 agent 这一层的探讨变少了 ，但是关于 agent 的 infrastructure， 帮 agent 做基础设施的公司得到更多关注 ， 就是这个原因 。 就大家发现 ， 如果我们要做这个东西 ， 就跟那个冰山一样 ， 我们看到的只是那个冰山尖上那点点界面的东西 ，但那个界面东西占整个这件事情的比重极小 ， 然后底下是一大坨坨问题没解决 ， 所以大家要去解决那件事情 。 所以到 25 年下半年， 纯从比如意识上的角度来看 ，agent 的 infrastructure 相关的公司得到了更多的关注 。 **七一** [23:03] 这个 agent 的 infrastructure， 它更多的是什么样的 infrastructure？ **庄明浩** [23:07] 比如今天这个时间点 ， 我们在用电脑去干各种各样的工作 ， 本质上我们所有这些操作 ， 跟去访问的网站 、 调用的数据库 ， 甚至我们用浏览器 ， 都是给人做的 ， 它不是给 AI 做的 。 如果未来 AI 承担更多工作 ， 那就应该有一套给 AI 做的东西 ， 就应该有 AI 的浏览器 ， 就应该有 AI 用的数据库 ， 就应该有 AI 用的访问权限 ， 甚至要给 AI 一个身份 。 比如今天我去打开一个网站注册 ， 我填验证码 ， 我要手机收短信验证码 ， 那这些东西 AI 现在看上去搞不定啊 ， 那它就需要访问 ， 那怎么办呢 ？ 那是不是应该给 AI 一套这样的东西呢 ？ 那这些东西应该谁来做 ？ 是那些 。 **七一** [23:48] 对这个 API。 **庄明浩** [23:50] 对 ，是那些已有这些服务的公司做 ， 还是应该有个新的公司来做呢 ？ 典型比如说有家公司叫 Browser Use， 你听这个名字 ， 就是给 AI 用浏览器的这个中间件的嘛 ， 那就相当于它把浏览器的很多的原始的结构打乱和打散 ， 适配到 AI 的场景下， 让 AI 能更好的运用浏览器 ， 它就做这一层啊 。 然后比如说有专门给 AI 做身份的 ， 就今天你去访问一个网站 ， 如果是一个 AI 的方式去访问 ， 很多网站会把你挡掉 ，因为它会认为你是爬虫 ， 你是攻击流量嘛 ，但能不能用什么别的方式 ， 这个问题也引发了 25 年有一段时间大家讨论那个 AI 的协议特别多 ， 什么 MCP、ACP 协议 ， 各种各样的协议 。 你要知道 ， 互联网没有成为我们民用的互联网之前 ， 互联网的协议就已经存在了 ， 就什么 HTTP 协议 、FTP 协议 、SMTP 协议 ， 这些协议甚至连浏览器这个界面没有的时候 ， 它就已经在那了 ， 它是底层已经在搭好情况下才出现了界面 ， 然后人类才用 。 可是今天 AI 不是 ，AI 突然间就走到前面去 ， 结果回头发现我们连协议都没有 ， 协议都没有 ， 那开始有些公司开始做协议嘛 ， 然后包括把这些协议大家越来越多厂商加进来 ， 然后让这个听上去从语言到行为的这个环能够转起来嘛 。 当然这些所有这些事情 ， 我们说的是简单的 ， 那你真的落到谁来干 ， 谁承担什么责任 ，他图什么 ？ 当年这些协议本质上都是公有的东西 ， 它没有背后的商业公司 ， 它甚至没有利益 。 那 HTTP 协议属于任何人吗 ？ 不属于任何人， 也不属于任何家公司 ， 没有人通过 HTTP 协议来挣到钱 ， 协议是应该那样的东西存在 ， 可是今天不是啊 ， 今天引领所有都是商业公司啊 ， 大家都是谈钱的 ， 那这个事情责任怎么划分 ？ 我凭什么要用你的协议 ？ 我也想做协议 ， 对吧 ？ 我也想占这个位置 ， 所以这些问题就变得特别的复杂 ， 它就不是那么简单说靠理想 、 靠照搬原来的方式就能实现 。 所以这个事情为什么慢下来 ，也是因为这些事情导致 ， 就是它逻辑上就不可能快 。 所以到了 25 年下半年， 我们叫水上这一层的讨论就变少了 ，其实在变少 ，但是确实那些在做的公司 ， 随着用户习惯的养成 ， 然后推广乱七八糟 ，其实收入在涨嘛 ，但确实他们的聚光灯就被拿走了嘛 。 **七一** [25:58] 明白 。 刚才你说到这个 ， 过去一年最重要的一个就是看见嘛 。 **庄明浩** [26:03] 对 。 **七一** [26:04] 先说一下你自己看见吧 ， 你有没有第一时间去试一试 ？ 当时的感受和第一次接触到 ChatGPT 3.0 体感 ， 你会有什么直观的感受吗 ？ **庄明浩** [26:14] 实际上就是刚才说那个看见是很重要 ，是说你看见一个模型在思考嘛 。DeepSeek 的 App 推出来的时候 ， 最开始是没有那个深度思考的那个功能的 ， 那个按钮没亮 。 后来它又加了功能叫在线搜索 ， 它相当于是两个按钮 。 你想啊 ， 这两个按钮点亮不点亮就有四种选择 。 你全部点亮那个体验才是那个完整的体验 ， 就是深度搜索加在线思考 。在起初没有深度搜索 ， 就是它不展示深度思索的过程的时候 ， 你会觉得这就是一个类似 ChatGPT 或者豆包也好 ， 或者元宝也好那样的东西 。 但是你但凡把深度思考点上， 然后它开始给你展现它的思考过程 ， 你那一下就是非常震惊的 ， 实打实的看到了一个模型双引号的思考的方式 ， 就是它怎么一步一步的把你提出的那个问题拆解成有逻辑 、 有框架的需求 ， 然后给你打出来 。 你像之前我们用各种各样的聊天技术 ， 本质上它的回答很特别快 ， 它想一下啪就弹出来了 ， 确实很强 ，但当那个慢下来之后， 你会觉得哇 ， 这个能力提升确实很恐怖 。 而且还有一点就是它不是在随便的胡说 ， 它的很多想的角度 、 拆解的方式可能你都没有想过 ， 它会让你有启发 。 **七一** [27:30] 反而给我结构化了 。 **庄明浩** [27:31] 对 ， 就是它比人强 ， 对吧 ？ 就是让人类碳基生物对这种东西的感触是非常明显 。 之前是谁 ？ 陆一航说的 ， 就说你说上一代的这个 AI 下围棋 ， 开车 ， 打什么新征霸 ， 我们又不天天开车 ， 我们又不天天下围棋 ， 我们又不天天打游戏 ， 就是像电竞选手一样 ， 你强强好了 ，但是今天它能写邮件 ， 对吧 ？ 给你分析一个东西 ， 帮你整一个发言稿 。 **七一** [27:57] 像你一样思考 。 **庄明浩** [27:57] 对 ， 然后你就觉得哇 ， 这个从 DeepSeek 之后 ，因为我相信你中美的每一个新的大模型出来 ， 你肯定都有试嘛 。 能不能帮我们回忆回忆 ， 就其实也就一年的时间 ， 让你印象比较深刻的几个模型 ， 或者你干了一件什么事 ， 它的那个执行你还挺惊讶的 。 这个是最近一个我觉得特别强烈 ， 就是你像 24 年底 O1 就出现了嘛 ， 你要用 O1 是要付钱的嘛 ， 事实上大部分人是没有用过推理模型 ，而且 O1 在推出的时候是不显示那个推理过程的 ， 所以你只是感觉它答案很好 ，但你不知道它为什么这么好 。在那个时间点 ，Claude 就很强了 ， 你要知道 24 年大家聊 Claude 的时候 ， 还是聊它的文本能力很强 。 **七一** [28:38] 你说 Anthropic 是那个 。 **庄明浩** [28:39] Anthropic， 那个时候大家就指定它 ， 比如说你给我写一篇华尔街新闻风格的什么什么议题的文章 ， 你下这个指定代表什么 ？ 就是它要 totally 的理解什么叫华尔街新闻体 ， 什么样的结构 ， 什么样的表达 ，以什么样的方式展开 ， 它要理解这件事情 ， 它才能帮你写 ，而不是单纯就吐出一截字完事了 。在那个时候它就已经实现了 ，在那个时候你就感觉哇 ， 这个文本的写 。 **七一** [29:05] 就是 24 年 。 **庄明浩** [29:05] 24 年底的时候就可以了 。 今年年中的时候 ，其实印象最深的应该是图片模型的进展 ， 就是 Google、Nanobanan，其实一直以来图片的 AI 的生成其实是比这轮语言要早一点的 。 图片的进展一直非常强烈 ， 比如说上半年 GPT 出了一波那个 4O， 就生成那个吉卜力风格的头像的那一波 ， 那一样的 ， 跟刚才讲那个逻辑是一样的 ， 就是它完完全全了解这个风格所代表的含义 。 **七一** [29:33] 元素是什么 。 **庄明浩** [29:34] 对 ， 配色 、 样式 、 展出跟那些东西 ， 那就不单纯只是画一张图的事情了 。 **七一** [29:40] 就你把这个抽象的东西能够结构化 ，其实也挺难的 ， 人都不一定能做到 。 ### 多模态 **庄明浩** [29:44] 人都不行 。 然后 Nanobanan 出现之后， 就经常说那句话叫言出法随嘛 ， 包括同时间的 VEO3， 就那个视频模型 ， 就言出法随是一个特别简单容易理解的标准 ， 可能普通用户就能感知到的 。 然后到年底 Nanobanan Pro， 我感觉特别深 ， 这个案子我之前也讲过 ， 我儿子是一个小学六年级的这个小学生 ，他们有那种家长什么职业日的那种分享活动 ， 然后我就给他们讲 AI 嘛 ，AI 做的 PPT， 讲的内容是这轮 AI 大模型的这个怎么来的 ，并且告诉他们一些基础的怎么用到他们学习里 ， 就讲这两件事情 。 我想讲的事情是变成了第一 ，以小学六年级的水平能够理解的 AI 大模型实现的原理 ， 第二个是能够在他们的学习过程中怎么帮助他们 ， 就这两个议题 。 然后我把这两个议题喂给了这个 Nanobanan， 就是 Google 的 Gemini， 然后我说我想做个 PPT， 我跟我儿子说 ， 我说我想做这个事情 ， 我儿子说最好配个故事讲 ， 就不要干讲 。 然后我就想那我配什么呢 ？ 那肯定是配你们理解的东西 ， 对吧 ？ 我第一个想我说配火影忍者吧 ， 然后我儿子说你知道火影忍者 ， 我们有一半同学可能不太知道火影忍者 ， 你们这是你们上 。 **七一** [30:50] 他的这个思考挺逻辑化的 。 **庄明浩** [30:53] 当我想到用火影忍者配的时候 ， 我就做了 ， 用那个 NotebookLM， 就是 Google 最新的那个基于模型做的那个文档生成的东西 。 **七一** [31:00] 我知道 。 **庄明浩** [31:01] 做出来我就震惊了 ， 首先它完完全全的理解火影的世界发生了什么 ， 比如说佐助不是说写人员 ， 写人员可以复制嘛 ， 它就把这个东西嫁接到了一个 AI 模型的能力 ， 就是它理解底层运行的这些逻辑之间的匹配关系 ， 它不是说给你画个人在这讲 ， 这不是那么简单的挂在那的关系 。 **七一** [31:21] 首先它可能讲一个关于复制的故事 ， 它对应的是复制忍者 。 **庄明浩** [31:26] 对 ， 然后就是比如它用了谁谁谁的技能去表示一个什么 AI 的能力 ，是完全贴在一起的 ，也就是它是在逻辑层构建了这样的关系 ， 然后做完了我说哇 ， 这个太强了 。 **七一** [31:38] 这个是 Nanobanan 实现的 ， 还是其实先得通过那个语言模型 。 **庄明浩** [31:42] 好问题 ， 这个问题引发另外一个讨论是说 ， 这个讨论在今天也出现变化是说 ， 之前大家可能前几年更多是叫语言模型 ， 然后图片是图片的事情 ， 或者多模态是多模态的事情 ，coding 是 coding 的事情 ， 原来大家认为这是三条平行线 ， 我们叫三个主桌 ，但是似乎走到今天的时候你发现可能是一桌 。 现在常规的这些 APP 工具实现方式是说我给一个议题 ， 然后你生成了一个大纲 ， 然后基于这个大纲再去配一个模板 。 **七一** [32:11] 再去配个模板 。 **庄明浩** [32:12] 它其实是并行的实时的方式 。 **七一** [32:15] 就感觉是不同车间 。 **庄明浩** [32:16] 对 ， 它是拼在一起的 ， 你说能不能用 ， 能用 ，也符合我们现在基础逻辑 ，但是新一轮发现它不是这样的 ， 它是多模态进 ， 多模态出 ， 它是一个盒子 。 **七一** [32:28] 总得有一个入口嘛 ， 你选用的是 Nanobanan 还是 LLM 呢 ？ **庄明浩** [32:32] Nanobanan，但你进的东西是多模态的 ， 出的也是多模态的 。 **七一** [32:36] 所以你给它的指令其实就是一个连带文字指令加图像指令的一个东西 。 **庄明浩** [32:40] 之类的 。 你会发现 26 年出这个时间点 ， 中国的这几家模型厂商原来是偏语言的 ，但你发现他们最近都在往多模态上靠 ，而且这种靠不是说像原来那种并行的 ， 你用语言模型有多模态模型有什么 ， 它是在一起的 ， 所以未来没准可能是一桌 。 你像前两天那个千问的那个负责人去那个北京那个大会嘛 ，他们今年有很重要的那个目标就是三进三出 ， 就是文字 、 图片 ， 或者说图片 、 视频 、 语音进 ， 然后中间模型是一个盒 ， 同时支持三个出 ， 就不是平行 ， 它是一个 。 还是刚才那个故事 ， 火影做完了 ， 然后我儿子说火影不行 ， 我们可能一半同学不知道火影是什么 ， 我说那蛋仔派对行吗 ？ 然后我说出这个话的时候 ， 脑子里的想法就出现了 ， 我说 Google 可能不太知道蛋仔派对是什么 。 **七一** [33:25] 我都不知道蛋仔派对 。 **庄明浩** [33:27] 就是小孩玩的一个新的游戏 ， 网易出的 ，因为它是在国内环境 ，因为 Google 对 ， 大家会担心 。 **七一** [33:32] Google 不一定 。 **庄明浩** [33:34] 结果我低估了 ， 我给它新的提示词 ， 我说你帮我做蛋仔派对风格 ， 它也完全理解 。 **七一** [33:40] 还是 Nanobanan。 **庄明浩** [33:41] 对 ，也做出来了 。 然后我做完 ， 我儿子看完说确实也很好 ，但我们老师可能不太喜欢 ，因为是个游戏的 IP 嘛 。 **七一** [33:48] 这是一个挺较真的甲方 。 **庄明浩** [33:50] 对 ， 最后我们只能选一个所有人都知道 ， 然后又符合各种各样要求的 。 **七一** [33:55] 奥特曼吧 。 **庄明浩** [33:56] 我们最后选了西游记 ， 它的最后的核心逻辑是说你是唐僧 ， 模型是孙悟空 ， 你要用紧箍咒来控制它 ， 才能让你帮助你实现你的目的 。 **七一** [34:06] 但这句话其实是 AI 告诉你的 。 **庄明浩** [34:08] 对 ， 就是它把西游记的故事的框架跟逻辑抽离出来 ， 抽象变成了匹配上 AI 模型今天的状态 ，并且符合刚才我说 ，不希望教你说你直接拿它来操作业 ， 这个肯定你肯定还是一个增强的助手的这个角色 。 所以它把这两件东西在它底层就匹配上了 ， 它是文字的理解逻辑加多模态能力匹配在一起 。 **七一** [34:29] 可能你的指令只是说了一句说请用西游记的故事 。 **庄明浩** [34:33] 对 ， 就结束了 。 然后它所有的逻辑全部符合 ， 包括它说今天这个时间点模型怎么来的 ，是数据算法算力 ， 它就用老君炼丹炉的比喻来比喻这件事情 。 大家现在不都说模型训练不就跟炼丹一样吗 ？ 当我看到这个时候我就觉得哇 ， 这个它不是画一张图 ， 画个山水 ， 画个鸟给你放 ，不是的 ， 它是完完全全的理解逻辑框架 ，common sense 这些东西 ， 然后再匹配可视化 。 **七一** [35:04] 这个是今年才实现的 ， 去年没这东西 。 **庄明浩** [35:07] 去年没有 ， 达不到 ， 就图也没达到 ， 文字也没达到 。 **七一** [35:09] 因为 Google 它有很多的玩意儿嘛 ， 那你更多的测试的是 Nanobanan，Gemini 它又是做什么的呢 ？ **庄明浩** [35:17] Gemini 的强势是说整理一些信息 ， 或者做个报告的这种方式 。 你要知道这轮模型出来的第一天 ， 大家就说这个东西是打败搜索去的 ， 大家会认为这个替代搜索特别的强 。 但反而这句话的反面是什么呢 ？ 就是搜索公司之前积累的能力在今天还是有用的 ， 比如今天我真的要搜一个很严肃认真的一个话题 ， 非常收敛 ， 我不希望模型产生太多的幻觉 ， 我就是要你现实的帮我搜索到这些东西 ， 找到这些东西做加工整理 ， 那这个能力还是需要那个基础的搜索能力的 ， 什么样的结果排在前面 ， 什么样的结果重要 ， 这个东西只有搜索引擎公司知道 。 所以在这个板块里面 ， 你想偏对严肃认真一点的这种东西的信息整理 、 搜集 、 加工 ，Gemini 非常强 。 当然 GPT 选择另外一条路 ， 你像 GPT 现在在赌的 ， 或者说它在强调是说它更懂你 ， 它给你提供更多的所谓情绪价值 。 你说你现在跟它聊天 ， 它反正加了很多乱七八糟的话来恭维你 ， 对吧 ？ 它是在赌这个事情更重要 ，但是你明显感觉在一些非常严肃的场景里不太行 ， 那因为 OpenAI 没做过搜索 ， 它只能借用第三方的搜索能力来去做那一层嘛 ， 再多都是锦上添花的事情嘛 ，但 Google 是做搜索的 。 **七一** [36:26] 正好借着你刚才说的这个点 ， 咱们先把美国这一块今年的一些纯技术和产品侧的变化我们先说完 。 你刚才提到了 Gemini， 那我们刚才还有两家媒体嘛 ， 就一个是 X 的这个 Grok， 还有你说严重掉队的这个 LLaMA， 那这两家现在今年又发生了些什么呢 ？ **庄明浩** [36:46] XAI 反正一直马斯克在建他最大的数据中心的集群 ， 算力头上 XAI 应该是除了 OpenAI 之外最激进的一家了 ，因为马斯克的这个帝国的能力 ， 对吧 ？ 这个不可避免的 ， 所以他拉了足够多的钱建设最大的数据中心 ， 然后又因为 XAI 跟推特其实现在是绑在一起在做的嘛 ， 那他会基于推特的语料做很多的尝试 ， 社交啊 、 陪伴啊 ， 再加上跟推特的业务合作绑定 。26 年很有可能出现的事情是马斯克会把 XAI 跟推特合在一起 ， 很有可能 ，因为俩业务现在绑得太深了 ，而且这个故事也好讲 。 **七一** [37:17] 就是 XAI 和 X。 **庄明浩** [37:19] X， 对 ， 就逻辑上是讲得通的嘛 ， 当然那可能这个事情他就丢掉了 ， 或者说他就丧失了真正意义上还在追求那个最那个状态的那种公司的可能性嘛 。 聊 XAI 还是要带着马斯克聊 ， 就是不能光聊 XAI 本身 ， 马斯克是有特斯拉 ， 还有明年马上要上市的 SpaceX， 对吧 ？ 有太空 ， 然后太空可能又跟太空数据中心又挂在一起 。 **七一** [37:40] 他感觉把这套故事说得更圆了 。 **庄明浩** [37:42] 然后就可以融无限多的钱 ，因为现在这几家投入模型公司 ，Google 没法算 ，因为它是业务本人， 那 OpenAI 应该是去年 200 亿美金 AR，Anthropic 应该是 90 亿左右吧 ，XAI 可能只有 5 亿美金 ， 量级上差一个 0，但 XAI 的估值可不低哦 。OpenAI 最后轮是 5000， 这轮大概 7000-8000 再融嘛 ，Anthropic 这轮是 3500-3700 嘛 ， 这两天是红杉 、 英伟达跟微软靠了 ， 还在融 ，但已经是 3000 多亿美金公司 ，XAI 已经 2300 了呀 。 可是我刚才说第一名 200 亿美金收入 ， 第二名 90 亿美金 ， 第三名只有 5 亿美金收入啊 ， 它凭什么敢叫价 2000 多亿美金 。 **七一** [38:17] 那还是因为马斯克 。 **庄明浩** [38:18] 对啊 ， 所以它的业务其实没有那么重要了 ， 就是看马斯克怎么玩这件事情 ， 投他的人也是这么想的 ， 就是我们信你 ， 然后你就折腾吧 ， 我也不管 ，也不太去 care 你的什么收入这那了 ， 你就弄吧 ， 这是 XAI。Meta 的问题在于在过去一年发生了很多乱七八糟的架构的调整的事情 ， 之前的这个团队 ， 模型团队 ，LLaMA 的这个团队 ，在过程中也做了一些乱七 八糟的事情 ， 什么刷搒啊 ， 什么提前的那些弄 。 我觉得核心问题在于 Meta 不是一家技术底子的公司 ， 它更多还是一个产品跟应用跟分发渠道的公司 ， 所以它的内部这个我们叫 AI 实验室的角色定位目标 ，其实一直以来都是比较飘忽的 ， 然后过程中又出现了这个竞争的急剧加剧 ， 导致把这个战场拉到一个你没有办法掉队的状态情况下， 然后你要 知道去年这几家头部科技巨头在我们叫 KPI 的时候都是千亿美金 ， 然后 Meta 也跟了 ，但问题在于 Meta 有没有云 ， 对吧 ？ 就是核心问题微软可以跟 ，Google 可以跟 ， 苹果也可以跟 ， 当然苹果现在没有跟 ， 甚至亚马逊也在跟 ，因为人家那三家是云厂商啊 ， 美国最大的三家云厂商不就他们三个吗 ？ 但 Meta 没有云啊 ， 所以为什么去年 Meta 股价不好 ，也是个原因 ， 就是首先你模型乱七八糟这些事情 ， 然后你靠了这个 1000 亿美金的 KPI 的投入 ，但是你这 1000 亿美金其实是飘在天上的 ， 你没有云的成色成天 ， 可想而知它内部的这些状态 ， 然后年终小扎不就要折腾吗 ？ 还好是说 Meta 是一家创始人还年轻且还在干活的巨头 ， 所以小扎自己弄嘛 ， 就挖人嘛 ， 就那些乱七八糟的故事出现了 ， 挖了一堆可能硅谷最核心的公司 ，但问题在于你想 ， 你相当于拉了一批特种兵 ， 或者是一批雇佣兵的状态的情况 ， 然后你当然也找了一个类似负责人， 可能负责人也很年轻 ，他的口碑也不好说多好 ， 对吧 ？ 也很张狂 ， 然后你又期望在这个时间点去追上那个已经曲线被拉得非常快的那个模型进展的那个状态 ， 所以 LLaMA 至少在 Q3、Q4 就基本没有声音了 ， 现在你可以理解 Meta 还没有发新的模型的状态 ，但是反过来讲 ， 好处是说 AI 的能力对于传统业务的提升 ， 尤其是广告业务的提升 ， 这个事情其实在 25 年已经看到了 ， 无论是中国还是美国公司 ， 很多公司都 讲了这个故事 ，Google 也好 ， 腾讯也好 ，App 也好 ， 阿里也好 ，Meta 就更是了 。 **七一** [40:36] 就是提效这块 。 **庄明浩** [40:37] 对 ， 所以那它就还有一个算一个小的正的 buff， 所以对 Meta 而言 ， 这又回到刚才我们聊那个问题 ， 什么样的公司应该在金融行业上还要努力 。 **七一** [40:48] 对 ， 你看了这么多的这个中美的案例 ， 你现在大概自己有一个属于你个人的初步的结论吗 ？ **庄明浩** [40:54] 结论最后就是那么简单赤裸 ， 就是到一定体量估计就还是要做 ， 没办法 。 **七一** [40:59] 而且是不是说就不只是我要做基础模型 ， 甚至可能我要很多基础设施建设 ， 我还得要搞起来 ， 那是不是我的这个 LLaMA 云我也得提前先搞起来 ？ **庄明浩** [41:08] 有可能是 。 **七一** [41:09] 对吧 ， 最终他发现缺了一块就是不行 。 **庄明浩** [41:11] 对 ， 所以你像年底有特别多那种报告拉那个对比的单子嘛 ， 就是把产业链分开 ， 底层基础设施 、 数据中心 ， 甚至芯片 。 **七一** [41:19] 黄仁勋不是搭了一个五层的蛋糕吗 ？ **庄明浩** [41:21] 对对对 ， 就那个东西嘛 ， 就是大家就开始把各家公司在这个五层上的能力做对比嘛 。 **七一** [41:25] 是 。 **庄明浩** [41:25] 那你看去 Google 很强 ，因为它 Google 每条都很强 。 **七一** [41:28] 蛋糕的每一层都有 。 **庄明浩** [41:29] 对啊 ，而且都很强嘛 。 那有些人就是缺啊 ， 甚至他把巨神也放在上面 ， 把机器人也放在上面 ， 那似乎未来的所谓双引号的科技巨头 ， 那就是应该符合那个矩阵的贴蛋糕的 ， 或者贴那个点灯的那个样子的存在 ，但你说合理吗 ？ 我也不知道 ， 反正市场的规则 ， 或者市场评判你的角度就是这样 。 **七一** [41:47] 感觉就是都得有 。 **庄明浩** [41:48] 就是都得有 。 你看亚马逊 、 贝佐斯也要去做太空 ，也要去做太空 ，也是 。 **七一** [41:54] 就发现都得自己闭环 。 **庄明浩** [41:56] 要做巨身 ， 对吧 ？ 亚马逊可能还说得清楚一点 ， 我可以靠机器人什么操控提效什么的 ，但你听起来也是一个有点牵强 ，但似乎就是大家对你的评判标准就是变成了那样一张表 ， 然后在那个表上你就可以你强不强 ， 你多强 ， 大家评判标准就变成这个样子了 ， 那你说它合理吗 ？ 我们也不知道合不合理 。 **七一** [42:13] 对 。 **庄明浩** [42:14] 那你看中国公司其实也 ， 这家科技巨头头部的不也一样吗 ？ **七一** [42:17] 也是都有云 。 **庄明浩** [42:18] 首先阿里 、 字节 。 **七一** [42:20] 基础设施也都有 。 **庄明浩** [42:21] 甚至华为 。 **七一** [42:22] 然后 AI 也都有 。 **庄明浩** [42:23] 百度 ， 对吧 ？ 芯片 、 基础设施 、 云 、 数据中心 、 应用 、 渠道 、 模型 。 **七一** [42:28] 对 。 **庄明浩** [42:28] 那就变成了谁在哪个地方比较强一点 ， 谁在哪个地方比较弱一点 ， 然后你突出什么 ， 你的优先级是什么 ， 对吧 ？ **七一** [42:34] 那是不是这只是巨头的逻辑 ， 比如说我们刚上市的像智谱和 MiniMax， 它显然不具备这五层蛋糕的实力嘛 。 **庄明浩** [42:42] 是的 。 **七一** [42:43] 它可能现在就是顶端那一层蛋糕 ， 可能两层吧 ， 它还有一个基座模型也有 。 **庄明浩** [42:47] 对 。 **七一** [42:48] 再加上面的应用 。 **庄明浩** [42:49] 对 。 **七一** [42:49] 也是有的 。 那可能再往下一层 ， 比如到云 ， 或者到算力基础设施 ， 那肯定都是没有的 。 **庄明浩** [42:55] 只把聚光灯放在这几家偏初创公司上， 这个问题确实太难了 。 就是 AI 这一波对于初创公司的创始人的要求真的是六边形战士 ，因为这场仗在第一天大家就知道是一个巨大无比的战争 ，而且蔓延很久 ， 对吧 ？ 你不像上一个叫元宇宙 ， 它三年就结束了 ， 认为就不是一个合理站得住的事情 ，但 AI 这一波肉眼可见 ， 可能再打五年十年都是有可能的 。 **七一** [43:19] 那反过来我们又怎么看今天聊的这个话题的初始啊 ， 就是这个 DeepSeek Moment， 像 DeepSeek 这种公司 ， 那显然又和刚才说的巨头又不是一类 。 我们聊了这么久之后又重新回看这件事的话 ， 你有什么新的想法 ？ **庄明浩** [43:34] 我今天看了一篇文章 ， 我觉得很有意思 ，他建议头部模型公司也去做一家量化基金 。 **七一** [43:41] 再赚点股票的钱 。 **庄明浩** [43:42] 对 ， 就是美国那边大家已经走到死胡同里了嘛 ， 你想嘛 ， 就这些公司在未来的承诺什么五年预期 ， 什么几万亿美金数据建设 ， 然后大家去碰什么能源电力 ， 就是你已经摸到很多事情的物理跟人类的极限的状态里了 ， 然后你的预期 ， 你的所有的测算都没有办法再往前推演的情况下， 大家只能退回来想最核心的问题 ， 钱从哪来的问题 。 **七一** [44:05] 自己也得挣点钱 。 **庄明浩** [44:07] 你把订阅收入算上， 对吧 ？ 你把广告 、 什么电商 、 什么 API、 什么 ToB 算不算吧 ？ 它就是算不过来 ， 那你怎么办呢 ？ 然后大家发现 ， 哦 ， 中国有一个这条路 ， 然后你看今年官方业绩还是可以的 ， 然后不是那个这两天又出了一个国内的量化基金公司不也做了模型吗 ？ **七一** [44:23] 对 。 **庄明浩** [44:23] 开模型能力也很强 ， 然后大家说要不我们美国的模型公司也去做量化基金吧 。 **七一** [44:30] 美国的量化基金肯定比中国的还要多 ， 发展更早 ， 那他们肯定现在也在大量的引入人工智能的这样的工具了 。 **庄明浩** [44:37] 所以 DeepSeek 就是不仅是中国还是美国 ， 可能都要感谢这家公司的出现 ， 就是它有一种完全商业逻辑上分析不出来的身位跟角色做了一件事情 ，并且看上去它不受任何的影响 ， 对吧 ？ 比如前两天这个清华不是组了那个大模型大会吗 ？ 智谱在 ，Kimi 也在 。 **七一** [44:58] 你说那个就是头部顶尖公司的聚会 。 **庄明浩** [45:01] 然后那个千问也被拉了 。 **七一** [45:03] 姚顺云也有空参与了 。 **庄明浩** [45:04] 那因为是开源聚会 ， 所以没有拉字节合理 。MiniMax 因为在忙上市也没来 ，但如果没上市我觉得也是来 ，但 DeepSeek 就没法来 ， 或者它也不想来 。 **七一** [45:11] 它可以来 ，但是它不想来 。 **庄明浩** [45:13] 所以它的身位很特殊 ，但反而它又是最做量化出身 ， 跟这个战场结合最深的一家公司 。 **七一** [45:20] 有点独孤九剑的感觉 。 **庄明浩** [45:22] 就是很特殊 ， 非常特殊 。 **七一** [45:24] 明白 。 我们从刚才说就是整个初始的技术吧 ， 然后到产品 ， 我们先把这一块故事先讲完 ， 就产品大概捋了一遍啊 ， 中美大概是这么一个状态 。 那技术呢 ， 从基座模型开始 ， 然后语言模型 ， 然后到我们刚才已经讨论了一些就是关于视觉啊等等的一些核心的应用 。 我再往前跨个两三年， 就是这一年算是一个几何层面上的一个革命性的变化吗 ？ 以及我们再看 2026 年， 它的速度会变得更快吗 ？ 还是说差不多 ？ **庄明浩** [45:53] 我经常说法是我们怎么得到这么强大的模型的 ， 从 ChatGPT 之前到 ChatGPT 到 DeepSeek 到今天百花齐放的状态 ， 用了几个方式 ， 对吧 ？ 最开始我们是通过所谓的预训练得到了 GPT-3.5， 预训练就是喂大模型的无数的数据 ， 参考人类神经网络方式把它做训练 。 预训练现在还在发生 ， 出现了一个问题是说大家第一面临的问题是预训练的数据开始变得少了 ， 就是能够喂给模型的数据的编辑在变得越来越少 。 **七一** [46:25] 你说能喂的已经喂了是吗 ？ **庄明浩** [46:27] 至少可能 80% 吧 ， 可能很多比如说没有被数据化 ， 没有被在线化 ， 或者很难处理 ， 这是一种 。 你要知道这个观点不是今天有的 ， 这个观点可能在 25 年终究有了 。 那为什么 25 年下半年 Google 又更强了呢 ？Google 在这一轮更强还是基于预训练的能力 ，但是它就不是说单纯只是数据的有跟没有的问题 。Google 这一轮在预训练强的是说它在预训练的工程实施上又做了改进 ， 相当于第一步是预训练的数据的有跟没有 ， 再一级是预训练这些数据有了之后的工程实施 ， 比如说什么样的数据好 ， 什么样的数据不好 ， 怎么做 清洗 ， 怎么做整理 ， 怎么调这些东西 ， 证明预训练还有空间 。 这是第一步 ， 就是预训练 。 如果从技术角度来讲 ，25 年是叫我们叫强化学习年， 强化学习是在后训练 ， 就相当于我们把模型做出来了 ， 需要做出来之后的训练 ， 让它变得更好 。 后训练就是强化学习的方式 ， 就让它做题 ， 你做对了就激励你 ， 做错了就惩罚你 。 所以为什么这一年数学 coding 是发展最好的 ，因为强化学习代表着数学做对就是对的 ，coding 能跑通就是跑通 。 但是大家出现了问题是说 ， 那那些没有办法打答案的场景怎么办呢 ？ 所以为什么比如这一轮做数据标准公司又重新变得更重要 ， 就是我要去找什么 。 **七一** [47:43] 还是要找标准答案是吧 ？ **庄明浩** [47:44] 或者找人类认知中的好的东西是什么 ，而且是那种可能最 top 的 ， 就它可能真的是一个非常资深的律师 、 医生 、 什么金融的交易员这种角色 ， 来去把这个东西构建 ， 然后让机器学习到 ， 然后进行强化学习不断训练 。 这个事情可能算我觉得进展可能 40% 到 50%， 就大家还有很多的空间 。 所以肉眼可见 ，26 年还会继续在我们叫强化学习的 ， 比如环境搭建 、 机器模型的系统的处理上， 包括怎么防止我们叫 revolt hacking， 就是大家下 KPI 一样 ， 你只要定好 KPI， 我总有什么方式取巧 ， 那为了防止模型取巧 ， 它要做这些围栏 ， 对吧 ？ 就这种事情 ， 包括怎么对模型的能力做打分 ，benchmark 的事情 ， 这些可能都是偏我们叫数据层面的问题 ， 就这一层可能还有已经走了 40% 到 50%。 **七一** [48:33] 这还是偏基座模型 。 **庄明浩** [48:34] 它基座模型的我们叫后训练 ， 然后大家发现还是不行 ， 那还要再往前推 。 就是你要知道 ， 首先预训练的这个事情还有可能 30% 的空间 ， 后训练可能还有 40% 到 50% 的空间 ， 大家再找更新的 ， 更新的是什么 ？ 可能在 26 年大家比较公认的一个至少在硅谷的公司 ， 我们叫 online learning， 或者叫 continual learning， 就是自主学习 。 就现在的模型是说模型公司这一段时间 ， 预训练后训练反正训好了 ， 到这个节点截止 ， 公布 ， 然后大家用 。 **七一** [49:01] 对 。 **庄明浩** [49:02] 然后我再训下一代 ， 然后再一段时间再停一下， 我再公布 ， 它是一个断的 ， 按节点的方式的 ， 那能不能 。 **七一** [49:12] 实时反馈 。 **庄明浩** [49:12] 对 ， 持续的转 ， 那这个事情逻辑上应该是能的 ， 对吧 ？ 那就变成了如果我们想实现这样的方式 ， 需要做什么新的工作 。 所以之前有个比喻是广密的比喻 ， 我觉得比喻很好 ， 就是预训练像石油 ， 它很强很有用 ，但有限 ， 可能挖掘差不多了 。 后训练像新能源 ，也很强 ，也在不断的替换 ，但是可能也有限空间 。 如果 online 能实现 ， 就类似核能 ， 它就起飞了 。 如果是这样的话 ， 确实如果在纯基座模型的底层技术研发上，26 年看上去 online learning 的很多研究会变得非常的重要 。 所以为什么那么多 new lab 出现也是因为这个原因 ， 就是你要知道这已经是第三级的事情了 。 **七一** [49:53] 是 。 **庄明浩** [49:53] 现在的头部模型公司更多的精力前人还是放在前两件事情上的 ，他没有那么多的精力放在第三件事情 ， 虽然也在做 ，但是这就似乎看上去给了一些新公司的可能性 。 **七一** [50:05] 它对于资源的要求 ， 线上学习会更高吗 ？ **庄明浩** [50:08] 会 ，而且会更复杂 ，而且现在可能连标准答案都没有 ， 现在很多公司都在试各种各样的方式 ， 这是一个我们叫纯 ， 我们叫模型研发层的逻辑上来讲的可能的推演的状态 。 那这只是纯模型吗 ？ 这些事情到底是谁来做 ， 做到什么程度 ， 每家公司就有自己的选择 ， 它可能基于你的技术能力 、 团队背景 、 钱的多少 ，不仅是美国公司 ， 中国公司也一样 。 所以你看那次大会上， 唐杰也好 ，Kimi 的杨振宁也好 ， 都提到一个观点叫模型公司的 token ROI， 就是我有这么多的算力跟研发的能力 ， 我投到这几件事情上的哪件事情上， 投多长时间 ， 能够达到什么样的效果的 ROI， 对这些公司而言变得新的挑战 。 **七一** [50:56] 我们现在常听的就是稍微接触多一些的 ， 肯定知道就是 token 当然和算力有关系 ，但更多的还是和钱有关系 。 **庄明浩** [51:05] 对 ，是的 。 **七一** [51:06] 也有一个说法就是未来其实 token 的成本还是会显著下降的 。 **庄明浩** [51:09] 是的 。 **七一** [51:10] 这个在整个你们 VC 产业里面会有什么判断吗 ？ **庄明浩** [51:13] 有一些说法是每年就是一个零嘛 ， 基本上每年是一个零的降嘛 ，但是这个降是静态的 ， 就是今天这个模型发布了 ， 到它一年之后确实它的成本变成了十分之一 ，但是问题在于在一年之后会有一个更新的模型还在那儿 ， 最好的模型永远都是最贵的 ， 只不过因为模型能力的提升 ， 它原来的模型能力的成本会下降 ， 所以就变成了这个事情其 实 24 年很多公司在赌 ，24 年很多公司就在用最新的模型来做很多样的应用尝试 ，但是因为模型本身的算力成本就很高 ， 所以他们没有毛利 ，但是他们讲的故事是说一年之后因为这个东西会降到十分之一 ，但是问题在于在模型能力没有收敛之前 ， 你作为最前沿应用 ， 你永远都要用最好的模型 ，因为最好的模型永远都没有降价 ， 所以你的毛利一直就没有 回来 。 但是有些观点会认为可能进入到今年之后， 模型能力在某些场景里是收敛的 ， 或者在某些场景里我不需要用当前市面上最好跟最大的模型 ， 我可能用一些小的能力没有那么强的 ，但是它的成本更好的也够 。 **七一** [52:15] 刚才我们主要讨论的是基座模型啊 ， 语言模型上你觉得还有什么迭代空间吗 ？ **庄明浩** [52:20] 就是大家在赌 online learning 吗 ？continual learning 吗 ？ **七一** [52:22] 也一样的 ， 对 ， 然后整个像视觉的 、 图像的这一类的模型也都是一样的 。 **庄明浩** [52:28] 或者说它会跟刚才说的那个语言模型越来越融合在一起 。 **七一** [52:32] 所谓的多模态 。 **庄明浩** [52:33] 多进多出 ，因为这个看上去肉眼可见就是共识了 。 智谱跟千问最近都发了多模态领域的模型 ， 智谱刚刚发了他们的第一代图片模型 ， 智谱原来几乎不做多模态的 。DeepSeek 也发了 OCR 模型 ，DeepSeek 也没有多模态 ，但是今天走到这之后大家发现 ， 纯语言的事情似乎也进入到一个比较窄的领域里了 。 很多事情纯语言就是解决不了的 。 你比如说这个很连另外一个问题就是具身 ， 机器人为什么智能化稍微差一点 ， 就是具身领域没有那么多现成的数据让你用 。 你像多模态领域出现了叫世界模型 ， 我今天来的时候看新闻说哪家公司跟那个李飞飞的模型公司合作 ， 那家做具身智能的公司就想用新生成的 AI 的这个世界来去给机器人做数据采集 。 **七一** [53:20] 这个帮我们普通的听众还是稍微做点科普吧 ， 就李飞飞说的这个世界模型究竟是什么 ？ **庄明浩** [53:27] 你可以理解就是比如说用语言或者用图片的方式搭建出一个虚拟世界 ， 这个虚拟世界的所有的物体是符合现实世界的物理规则的 。 比如山坡就是斜着 ， 你斜着走上去就是慢 ， 你往下滚就是快 ， 一个石头大它就很沉 ，有一滩水你把东西砸进去它就会掉到水里 ， 一个玻璃的杯子掉到地上它就会变碎 。 我构建一个这样的场景 ， 它符合现实世界的物理原理 。 **七一** [53:50] 所有的物理定律 。 **庄明浩** [53:51] 然后呢 ， 这个东西做出来能干嘛 ？ 当然最容易想到可以做游戏 。 **七一** [53:54] 对 。 **庄明浩** [53:55] 因为游戏现在其实干的就是这个事情 。 **七一** [53:56] 是 。 **庄明浩** [53:57] 那原来做的时候就是一点点抠出来的 ， 我就做个石头就是做一个石头 ， 做个山就是做个山 ，但今天可以用 AI 能力直接一句话生成了 。 再衍生 ， 那自动驾驶为什么那么慢呢 ？ 因为自动驾驶就是让车需要跑在世界的各个地方 、 各个道路上， 感知所有的这些数据 ， 双引号的数据 ， 做反馈 。 机器人也一样 ， 怎么爬山 ， 怎么涉水 ， 怎么抓取多大的东西 ， 这个东西的材质到底是 。 **七一** [54:22] 就是你不能一条条写给它 。 **庄明浩** [54:24] 对 ， 你不能一条条让它试啊 ， 那 。 **七一** [54:25] 给个语料库那不行了 。 **庄明浩** [54:27] 比如你制作手术机器人， 那可以 ， 你只做肠胃镜什么环节什么手术 ， 你所接触的物质的材料基本圈死的 ， 那可以 。 **七一** [54:36] 那就不用世界模型 。 **庄明浩** [54:38] 对 ，但是如果你要做人形机器人， 大哥 ， 就是你就想让它变成保姆 ， 变成 。 **七一** [54:42] 哪都得去 。 **庄明浩** [54:43] 什么都能干的 ， 就跟人一样 ， 那你就要给它一个仿生的环境啊 。 **七一** [54:49] 明白了 。 **庄明浩** [54:50] 那仿生环境逻辑上来讲 ， 原来你是没有办法以相对可控成本的方式 ， 你当然可以用原来的土的方式做 ，但那个东西做出来又要多少钱 ， 要多大的算力 ， 要多少的存储的介质才能搞 ， 那今天你在可控的环境下， 你可以通过 AI 的方式帮你搭一个可控范围内的虚拟环境 ， 让你的机器人去试嘛 ， 你哪怕真的捏碎个杯子也不会出现什么问题嘛 。 **七一** [55:14] 现在的世界模型的一个行业内的进展大概是怎么样的 ？ **庄明浩** [55:18] 现在世界模型有两个路线 ， 一个路线是刚才这个我们叫物理的路线 ， 就是李飞飞他们这个代表 ， 包括可能 DeepMind 也算是这种 。 另一种是多模态的演讲 ， 就是从图片视频到世界 ， 偏视觉的 ，他们做的事情是说基于视频的生成 ，他们原来做视频生成嘛 。 **七一** [55:33] 对 。 **庄明浩** [55:34] 那理论上说视频生成不是其实也做出来一个空间的东西嘛 ， 那能不能实时的渲染 ， 实时的生成 ， 比如现在生成一段视频 ， 我们坐在这儿在录播客 ， 我直接在这个生成过程中我说前面这个录播客的人站起来了 ， 走到前面把那个椅子踢倒了 ， 我说完 ， 然后他这个视频那个人就站起来走到前面把那个椅子踢倒了 ， 这是一派 ， 叫视 觉派 。 那他们这派的你听上去这个逻辑变成了未来的比如视频生成啊 ， 再演化这些东西会变得有意义 ，但是它就不是瞄着刚才我们说的那个场景去做的 ，但你说这两个到底哪个重要或哪个谁知道 ， 反正现在很多都在做 。 **七一** [56:10] 明白 。 **庄明浩** [56:11] 这两套技术在 25 年 Q3、Q4 开始 ， 很多公司开始做 ， 然后很多公司开始尝试 ， 然后往这走 。 就是世界模型之前也有人做 ，但是它的媒体关注度 ， 然后融资的情况 ， 这些东西没有到今天这么疯狂 ，在 25 年可能 Q4 开始比较多的讨论 。 还有原因就在于我们之前讨论的那些很多问题其实没有什么花花头了 ， 就没有什么新鲜事了 ， 对吧 ？ 但这个是个新的 。 **七一** [56:34] 它现在也会出现了一些垂直到具体行业或者领域的一些应用啊 ， 比如现在有很多人在讨论 AI 医疗 ， 这个算是一条新的路线吗 ？ **庄明浩** [56:44] 其实一直都是嘛 ， 你像我们上午聊那个朋友 ，他是做数据库 ，他就说一条脉络是按职能分 ， 比如说肉眼可见 ， 比如说客服 ， 对吧 ， 然后这个销售 ， 对吧 ， 这是最常见的一些板块功能 ， 非常明显 ， 然后再就按行业分嘛 ， 比如医疗 、 金融 、 法律 ， 首先行业足够大 ， 第二呢很重要一点 ，因为他做数据 ，他说本身这个行业内生的这些数据就很 重要 ， 价值就很高的情况下 ，他们当然会优先尝试 AI 的能力的拓展 。 我们整个吧这个叫 Pen2P 这个战场 ，其实在美国发展也很快 ，而且还那些我们叫 AIR 搒单 ， 除了那几家最大的模型公司之外， 很多上搒单的公司都是这类公司 ， 比如做法律的 、 做金融的 、 做销售的 、 做什么视频剪辑的 ， 就这种公司 。 ### 商业化 **七一** [57:28] 短期内的未来吧 ， 比如说就是今年， 更有快速一些成效或者有突破的这种路线 ， 更偏 2B 一些还是更偏 2C 一些 ？ **庄明浩** [57:37] 都会有我觉得 ，2C 属于多模态今年一定会更 ， 就还是那个观点 ， 就多模态的它是并行 ，但是你明显感觉现在趋势变成大家是一起的 ， 那就变成会变得更大 ， 会解锁更多的场景 。 因为你像 AI 过去几年发展基本就是一个技术突破或者一个节点的什么技术 ， 突然间到了一个临界之后， 它就会打开一些应用场景 ， 无论是 2B 还是 2C， 看上去可能今年都不太会是 。 纯模型本身研发今年的共识就是刚才说的在线学习 ，continual learning， 它会带来一批机会是说做 continual learning 的基础设施 、 服务 、 数据采集 ， 然后基础研发那些公司出现了 。 再往前推就是变到真正意义上落地到具体应用场景里 ，因为你想嘛 ， 无论是互联网还是移动互联网 ， 最开始一波都是工具嘛 ，其实 AI 过去三年基本也是偏工具属性的东西多了一点嘛 ，但工具就不会特别大嘛 ， 对吧 ， 这是很现实的问题 。 那最后变大的都是平台嘛 ， 平台有社交平台 、 内容平台 、 电商平台 、 各种各样平台 ， 那似乎 AI 今天这个时间点 ， 至少头部公司都想往平台化转嘛 ， 那平台化就变成了商业模式 、 网络效应这些事情 。 那今天 AI 在这件事上还不是那么强 ，但是逻辑上 26 年一定会加强 ，但至少怎么加强我们不知道 。 而且肉眼可见 ， 比如 ChatGPT 刚刚加了广告 ， 加广告大家早就有预期 ， 只不过是这个什么时间点以什么样的方式嘛 ， 那它为什么在这个时间点加呢 ？ **七一** [58:58] 这个算是什么提早做商业化尝试了 。 **庄明浩** [59:00] 对 ， 就是因为逻辑上来讲就应该走到那儿的 ， 就是技术研发 ， 然后应用 ， 然后到平台 ， 一直以来不都是这个逻辑嘛 。 而且你要想还有另外一个逻辑是说 ， 所有这种 IT 行业的我们叫价值链的这个三角是应该倒过来的 ， 就是应用公司是最多 、 最大且最丰富的 ， 然后中间层差不多 ， 比如云啊或者基础设施 ， 然后底层是最小的嘛 。 但现在 AI 行业是正三角 ， 就是基础设施最大 ， 芯片公司最大 ， 英伟达最大 。 **七一** [59:28] 对 ， 卖铲子的人现在是最大的 。 **庄明浩** [59:30] 上面公司其实最小的 。 **七一** [59:31] 对 ， 应用层最小 。 **庄明浩** [59:33] 不应该这样呀 ，因为谁的用户最近谁应该最有价值嘛 ， 它会倒过来的话 ， 那似乎就我们要推到那个程度去嘛 。 但你要知道今天英伟达已经 4 万亿美金了 ，4 万亿美金是底哦 ， 那你想上面得有多大 。 **七一** [59:47] 至少打开想象空间吧 ， 对吧 。 **庄明浩** [59:48] 所以之前有人算过就是几轮的这个技术浪潮的更迭 ， 传统 IT 到互联网到移动互联网 ， 可能美国还有云一波 ， 然后到今天 AI， 就基本每一浪是三倍在涨 ， 最后一波大概美国就是可能 6 万亿美金加一起头部公司 ， 那乘三就变成可能要到 20 万亿美金 ， 那今天看上去我们还马上就奔 1 万亿美金去了 ， 对吧 ， 然后 Google 也好 ， 微软也好 ，Nvidia 也好 ， 加不 加不可能也到了 ，也差不多这个数字是对得上的 。 ### AI投资 **七一** [1:00:19] 正好聊到这儿了 ， 那我们就开启我们的后面这一个 ， 尤其是我们的听众更爱听的一部分啊 ， 就是炒股票了 ， 然后投资 ， 当然这个炒股票背后你也可以通过一些公募或者私募基金的方式去来实现的啊 ， 我们就直接从你刚才说的就是美国开始吧 ， 美国开始那两部分 ， 第一个就是说估值的问题 ， 第二个是基本面的问题 ， 就拿你刚才举的那个例子 ， 比如说 OpenAI， 至少是估值是 1 万亿美元 ， 然后你刚才也提到了 ， 就大概我们的年产现在 200 亿美元 。 **庄明浩** [1:00:50] 50 倍 PS。 **七一** [1:00:51] 对 ， 你怎么看这个差距呢 ？ **庄明浩** [1:00:53] 那你看中国公司呢 ？ 这个有另外一个段子啊 ， 就 1% 的定律嘛 ， 我们刚才前面讲的就是说 ，是中国的头部模型公司基本上是用美国头部模型公司 1% 的成本做到了大有十分的样子 ，但其实他们的估值也是 1% 啊 。 你把这个命题扩到国产 GPU 也一样 ， 国产 GPU 的头部公司就是英伟达的 1%， 对吧 ， 英伟达 4 万亿到 5 万亿嘛 ， 那 1% 就是 400 到 500 亿美金嘛 ， 乘个 7 那不就是 3000 亿人民币嘛 ， 那差不多就是国产 GPU 公司的这个数字嘛 。 当然很多人会说那他们的收入完全没法比 ，但现实就是这个因素是今天这个时间点决定估值最重要的因素 。 然后我们再看美国这些公司 ，OpenAI 的 1 万亿美金看跟谁比 ， 就如果最后 AI 这波如果是一个 20 万亿美金头部公司加一起的估值的话 ，Google 肯定会在 ，Google 今天 3 万亿美金到 4 万亿美金 ， 那跟它差不多的一家公司应该值多少钱呢 ？ 大家是以这个角度来衡量 OpenAI 的价值的 ，不是按收入的 ，是没有办法按收入去衡量的 。 当然 OpenAI 在一直对外或公开或隐私的去算 ， 比如到 2030 年左右的收入规模 ， 肉眼可见的 OpenAI 能算得出来的收入规模可能会在 2000 到 3000 亿美金 。 **七一** [1:02:02] 每年 。 **庄明浩** [1:02:03] 对 ，但你反过来讲 ， 今天 Google 一个季度就 1000 亿美金收入了 ， 今天 ， 当然 Google 更多是靠传统业务嘛 ，但反过来讲 OpenAI 未来大头收入订阅 、 广告 、 电商 、ToB API 无非就这么些嘛 ， 你掰手头是数得出来的嘛 ， 那你还能有什么新花活也不太可能了 ， 这是算得出来的 。 我会觉得今天无论是美国还是中国的一级和二级 ， 它都会把一个算出来的预期直接打满 ， 就是你但凡这个事情能算得出来 ， 那我就先把它打到这儿 。 **七一** [1:02:30] 完全不保守 。 **庄明浩** [1:02:31] 对 ， 巨升也一样嘛 ， 对吧 。 **七一** [1:02:32] 对 。 **庄明浩** [1:02:33] 就只要我算出来趋势 ， 它就会打到这儿 ， 你说合不理 ， 存在就是合理的 ，有人靠那就是合理的 ， 当然保守派还会认为巨大的风险 ， 然后这个问题引发另外的问题就是说 ，OpenAI 今天定得这么高 ， 你就会发现 Anthropic 看上去很便宜 ， 就是第二名 ， 就跟当年 21 年疯狂的时候 ， 快手上市的时候我记得特别清楚 ， 快手上市前一天我跟很多那个做二 级的小伙伴在溜牙嘴吃饭 ， 招股书已经出来了嘛 ， 就很多就讨论业务啊什么构成啊竞争什么这那 ， 无数的分歧 ，但唯独对第二天的估值几乎没有任何分歧 ， 大家一定会觉得一定是往上跳很多的 ， 那就是一个疯狂的 ， 然后大家会说快手凭什么值得 ，因为 B 站那时候大概 100 亿美金 ， 巅峰 ， 那快手这个价格看上去并不贵啊 ， 然后你再比 ， 那快手可能巅峰一两千亿港币吧 ， 那这么看上去腾讯很便宜啊 ， 比着比着就我们叫踢云洞嘛 ， 就飞上去了嘛 ， 那今天不也一样嘛 ，Google4 万亿美金大家觉得很合理 ，因为 Google 很强 ， 那如果未来真的在 AI 领域只有两家偏应用跟偏软的公司在的话 ， 或者两到三家 ， 那第二名看上去应该也不是一个特别差的结果 。 **七一** [1:03:39] 第二名就会是 Anthropic 嘛 ， 那应该也不一定对吧 ？ **庄明浩** [1:03:42] 对啊 。 **七一** [1:03:43] 你比如如果 OpenAI 如果是第一 ， 那第二是谁还不好说呢吧 ， 比如说 Gemini 也会觉得它是第二 。 **庄明浩** [1:03:49] 那因为它有 Google 在嘛 。 **七一** [1:03:50] 对 ， 它有 Google。 **庄明浩** [1:03:51] 那从意识上的角度来讲 ， 这个价值变成了就跟那个无数的问题 ， 今天你比如你真的可以作为一个意识上投资者 ， 市场上有几十亿美金 ， 你的命题变成你一定要投 ， 那你怎么投 ？ 可选标的太少了 ， 然后每一家标的都有自己的位置 。 **七一** [1:04:05] 所以这个生意或者说 AI 的模型的这个领域吧 ， 你们觉得肯定不是一个偏左侧入的一个区域了 。 **庄明浩** [1:04:13] 是的 ， 非常 。 **七一** [1:04:14] 已经完全是一个偏右侧的一个 。 **庄明浩** [1:04:18] 就看你信不信 。 **七一** [1:04:19] 投资方法 。 **庄明浩** [1:04:19] 只能这么想了 。 就是今天你没有办法用任何方式去理解一两千多亿美金进 XAI 的人怎么想的 ， 只有唯一的理由就是他们信马斯克 。 **七一** [1:04:27] 信马斯克 。 **庄明浩** [1:04:27] 只有这一个理由 ， 没了 。 但反过来讲 ， 马斯克历史以来都没让投资人亏过钱呀 。 **七一** [1:04:32] 他还不断地在证明自己 。 **庄明浩** [1:04:34] 对呀 。 **七一** [1:04:35] 那你去写头角的时候 ， 你也只能这么写 ， 你还能怎么写呢 ？ **庄明浩** [1:04:39] 嗯 。 **七一** [1:04:40] 这是独属于你们投资人的一些困惑是吧 ？ **庄明浩** [1:04:43] 也不是困惑 ， 你想明白就干了 ，有什么好困惑的呀 。 **七一** [1:04:48] 七小强之外 ，因为还有几家额外的算是 AI 的新贵啊 ， 咱们先从那个七姐妹开始捋吧 ， 就微软算没有自己的是吧 ， 它用的 OpenAI。 **庄明浩** [1:04:57] 也在做自己的 。 **七一** [1:04:58] 也在做 。 大头算是 OpenAI 是吧 ？ 另外几个你像 Amazon，他们有在这方面涉猎吗 ？ **庄明浩** [1:05:06] Amazon 是这样的 ，Amazon 之前不是太好 ，但 Q3 还是 Q4 财报当天晚上涨了 12% 吧 ， 核心原因在于亚马逊 AWS 云的增速重新回到了超过 20%。 **七一** [1:05:16] 它云不错 。 **庄明浩** [1:05:17] 云这个战场实际上就是美国最大三家嘛 ，AWS、Google 云跟 VR 云嘛 ，在过去这三年左右时间里面因为 AI 的增长 ，Google 是因为自己业务的状态 ， 然后微软跟 OpenAI 的绑定 ， 我没记错的话在 25 年 Q3 之前的两个季度 ， 单季度的增长额 ， 就是不是单季度的绝对比例 ，是单季度的边际增量 ， 微软是已经超过亚马逊的 ， 那它核心原因就是因为绑定了 OpenAI 嘛 。在那几个季 度基本上微软跟 Google 云都是每个季度 30% 左右的增长 ，但是 AWS 只有百分之十几 ， 甚至是百分之十一十二这个样子 。 虽然你是市场老大 ，但是趋势上看上去就很危险嘛 ， 所以那段时间亚马逊的股票是不太好的 。 **七一** [1:05:56] 那现在我们看到另一侧又是苹果和 Google 的绑定 ， 现在变成微软和 OpenAI 的绑定 ， 这边是苹果和 Google 的绑定 。 **庄明浩** [1:06:04] 用那个说法就是进西北乱成一锅粥 。 **七一** [1:06:08] 再帮我们梳理梳理 。 **庄明浩** [1:06:10] 是这样 ， 原来的战场是微软跟 OpenAI 绑定 ， 亚马逊跟 Google 其实都是 Anthropic 很早的投资人 ，但是在起初 Anthropic 没有做绑定关系 。 当 OpenAI 跟微软产生了问题之后， 今年 11 月份微软跟 OpenAI 正式的算分手 ， 合并分手吧 ， 虽然也有一定的延续性 ，但是合并分手了 ，不限制互相的这个独家了 ， 所以这轮 Anthropic 的投资微软就参与了 。 同时在过程中 ，在那轮最疯狂的那个循环融资的那个阶段 ，Google 加码了 Anthropic，并且跟它签了一个巨大的 TPO 加云的绑定协议 。 **七一** [1:06:48] 听起来就是一堆大佬都投了 Anthropic。 **庄明浩** [1:06:52] OpenAI 又拿了英伟达的钱 ， 又拿了什么 。 **七一** [1:06:54] 对 ， 黄仁勋的那个故事 。 **庄明浩** [1:06:55] 乱成一锅粥 ，其实大家都融在一起了 ，但是现在市面上有两个阵营 ， 一个是 Google 跟这个 。 **七一** [1:07:02] 苹果 。 **庄明浩** [1:07:02] 这阵营确实在 25 年 12 月份的股价上有一个分道扬镳的趋势 ， 那个趋势是因为大家会担心以后会代表这个阵营的资金流会出现巨大的问题 ，因为所有人是把预期打到了至少 2030 年， 无论是云投入 ， 然后 KPS 投入 ， 数据中心的建设 ， 然后包括收入的增长全部都是打到那儿的 。在起初打这个预期的时候确实大家涨了一波 ，但是过程中大家去算细节的时 候发现核心的问题其实特别简单一个问题 ， 这个账算不过来 。 这一波绑定阵营的公司也是分位置的 ， 排在最前面受伤最惨烈的就是那波杠杆最高的公司 ， 什么 Coway、Nebius 这些我们叫 New Cloud 公司 ，因为他们杠杆最高 ， 所以他们风险最大 ， 大家会担心他们的资金流会出问题 ， 然后说 Oracle 这种公司 ， 大家会算 Oracle 的未来签这个订单跟你的 KPI 的投入 ， 然后收入它算 出来 Oracle 未来可能三年资金流会出问题 ， 然后再次一击可能是一些比如 AMD 这种公司 ， 大家会担心它的数据中心业务真的就起不来了 ， 它就变成一个像英特尔一样的 ，但英特尔现在又涨回来一点 ， 对吧 ， 所以你看这个故事就不断的这种循环 ， 然后 Google 这边的强势在于 Google 自己强势了 ， 带着它这些合作伙伴 ， 理论上从预期角度来讲大家更相信 ， 所以才 产生 。 但是进到 2026 年之后， 你会发现我们录制这个时间过去了可能小半个月的时间 ， 除了存储公司还在涨之外， 这些公司其实基本上没怎么太动 ， 就价格是比较稳定的 ， 英伟达也好 ，Google 也好 ， 苹果也好 ， 微软也好 ，Meta 也好 ， 基本上是比较稳定在这儿的 ， 当然可能也跟年初这个时间有关 ， 存储芯片什么美光 、SanDisk 还在疯狂的在弄 ， 那是因为这 一波的这个情绪确实打到这儿了 ，但是这几家公司其实现在是稳在这儿的 。 你可以理为刚才我们讲的所有这些的预期测算 ， 可能在这个时间点已经账已经结完了 ， 那再往后是什么趋势跟眼睛 ， 可能需要一些什么事件来引爆来刺激才有可能出现疯狂 。 **七一** [1:09:01] 我们在雪球上其实也有人讨论这个观点 ， 当然也可能它是因为先有事件 ， 然后它再 。 **庄明浩** [1:09:08] 再找原因 。 **七一** [1:09:09] 再找原因也是有可能的 ， 比如说他看这个 Google 和苹果的这个绑定 ，也会说到其实这是美国最大的两个移动终端 ， 你有硬件终端了 ， 又有了 AI 承载的一个新的故事可以来讲了 ， 所以我们也可以看到对标的国内 ，因为比如说豆包的它的应用被封了 ， 那所以它可能自己也在找一个合作的一个独家的手机厂商 ， 对吧 ， 最终现在是不是说从 AI 战 ， 好像这个版图 ， 这个 刚才说的五层蛋糕我又要拓展了 ， 我又要变成硬件入口 ， 变成手机之争了 ， 这是不是一个新的叙事吧 ，在你看来 。 **庄明浩** [1:09:46] 反正今年过去这十几个交易日 A 股不就吵这些东西吗 ，A 股跟港股不就是这些议题吗 ， 应用 AI 落地场景这些吗 ， 确实是 ， 这个事情已经搞了三四年时间 ， 它当然一定还是要越往前越走 ， 那今天这个时间点看上去 AI 不太可能产生一个新的巨大的硬件 ， 还是跟现有终端的绑定 ， 或者做一个外延外挂的这种什么做小东西 ， 对吧 ， 基于 手机作为核心的这个中心载体存在的这种方式 ， 看上去中短期还是应该是这个趋势 ， 就这个命题应该短期内不会被推翻 ， 那自然再往前推那就变成了这些刚才我们讲的为什么进入到 Q4， 中国的互联网大厂又开始搞入口之战 ， 入口之争就跟十几年前大家又回来一样 ， 就这个感觉为什么那么强 ， 就也是个原因 ， 就确实到了可能这个时间点 ，而且这 个战争很有意思说我们都被教育过 ， 都经历过那个之人， 这个事情是不是真的会像原来那个样子出现 ， 我们也不知道 ， 会不会有什么意外的什么因素加进来 ， 什么意外的对手 ， 意外的决策方也不知道 。 我们拉 Max 过去 25 年的这个整个交易 ，其实涨最好的是那个 Google 嘛 ， 涨最差的是苹果嘛 ， 估计大家会认为值得大家期待 26 年苹果可能有什么变化 。 对于苹果过去这几年的议题其实特别的简单 ， 就是它的技术业务太厚了 ， 对吧 ， 非常稳定 ， 就基本稳定态的这个状态大家都很清楚 ，但它的问题就变成了你在期待的是说如果我们有时装穿梭机穿越到 26 年底去回看 ， 如果最后变成苹果涨得最好 ， 那需要什么因素让它涨得最好 ， 那就一定是我们期待中 AI 带来那个巨大的趋势在 边际上改变特别多 ， 才会带来那个结果 。 但是这个议题对于苹果这家公司执行起来太难了 ，因为它原有东西太厚了 ， 太稳定 ， 库克又不是一个 。 **七一** [1:11:31] 冒险行为 。 **庄明浩** [1:11:31] 激进型的人， 当然库克马上要退了 ，但这也是一个很重要的因素 。 **七一** [1:11:36] 也是一个变量 。 **庄明浩** [1:11:36] 非常重要的因素 ， 接班的人是谁 ，他的态度 ，他对这件事情的态度 ， 执行力 ， 选择什么样的方式 ， 什么角度 ， 阶段 ， 乱七八糟 ， 这个就是 26 年苹果唯一的议题 。 **七一** [1:11:50] 你刚才提到库克的稳定 ，以及接下来的接班人的不一定稳定 ， 这大家一个猜测 ， 那我们对比来看其实扎克伯格过去的一年我就感觉不是那么稳定 ， 就是或者说 。 **庄明浩** [1:12:05] 乱跳 。 **七一** [1:12:06] 焦虑吧 ， 我能从媒体头条里读到他的焦虑 ， 就感觉他在折腾整个 AI 的团队的时候 ， 可能也是他自己在模型掉队的这件事情上确实很焦虑 ， 然后所以他在不停的尝试新的东西 ， 包括这个 Manus 的收购以及一系列的其他的这种动作 。 **庄明浩** [1:12:24] 直接上任了一个新的副总裁嘛 ， 就是原来高盛的后人嘛 ， 搞金融的嘛 ， 还是那个问题 ， 就是他上了这艘船了 ， 一年要投 1000 亿美金下去的 ，他的收入利润并不足以支撑烧很多年， 那总要在某个节点有一个说法吧 ， 那说法是什么呢 ，也有人天马行空想 ，他为什么不收一家模型公司呢 ， 那似乎可以解燃眉之急 ， 然后也有一种观点是说他就不应 该收模型公司 ，他就应该做好应用 。 **七一** [1:12:53] 所以就是模型和应用之争反正到现在还没有结束是吧 ，在你看来 。 **庄明浩** [1:12:58] 没有 。 **七一** [1:12:58] 而不是说就像五层蛋糕你必须每一层都拥有 。 **庄明浩** [1:13:02] 对于巨头自己而言肯定是全都要的 。 **七一** [1:13:04] 全都要 。 **庄明浩** [1:13:05] 对 ， 那肯定的 ， 就这个议题不需要怀疑 ，但是除了这之外还会有别的公司也在做嘛 。 **七一** [1:13:09] 我们再回看这些国内的大厂商 ， 先说大厂吧 ，25 年我们的中概互联吧 ， 尤其是其实涨得还是蛮好的 ， 排除一些单属于国内的一些场景 ， 比如说什么电商大战这些 ， 我们先把它这个因素刨除在外， 纯说在基础设施比如说云 ， 或者是 AI 的这个层面上的迭代 ，也给这些公司带来了不少的实质的提升了 。 我不知道你会第一个就是怎么评价过去一年嘛 ， 就这些估值的抬升 ， 你认为是一个符合他们现在业绩所取得的成绩吗 ， 然后第二个就是看未来 。 **庄明浩** [1:13:44] 我觉得基本还是符合的 ， 当然这里面可能加了这个情绪的 buff， 这轮中美对抗的很多议题的延展打到了 AI 这儿 ， 所以狭义的应用本身或者说 AI 业务的发展情况来看 ，并不足以支撑那么好的结果 ，但是因为它加了别的 buff， 又因为底层的这个 AI 的基础确实在往上走 ， 所以几层叠在一起导出的结果我们马上来说就是合理的 。 这里面这几家所谓的中概互联的这些公司 ， 可能每家状态又不太一样 ， 阿里其实在过去一年基本上是 ， 我们还是抛开外卖电商的那个 。 **七一** [1:14:19] 对 ， 抛开电商的部分 。 **庄明浩** [1:14:19] 我们只说 AI 的这个角度 ， 阿里是在这件事情上是非常激进且践行很多事情的 ， 无论是投入对阿里云的位置的提升 ， 包括千问模型的研发跟现有业务绑定 ， 包括到年底千问的这个 App 的这个 Agent 的实施 。 我开玩笑讲就是 Q4 无家就是他们那个 ToC 业务们的老大 ， 起到拿了尚方宝剑一样 ， 你看那张发布会的图就是阿里业务全都在上面 ， 对吧 ， 你要知道那张图之前千问模型发布的时候就有 ，但那张图在 。 **七一** [1:14:47] 没人看上那会儿 。 **庄明浩** [1:14:48] 在起初的时候那个位置是不一样的 ， 之前是说千问模型赋能这些业务 。 **七一** [1:14:53] 现在不是了 。 **庄明浩** [1:14:54] 现在不是 ， 现在是你们都来装到我这里 ， 对吧 ， 你们是来给我站台的 ， 你们是 Logo 贴在这放在我这里的 ，是拿了尚方宝剑的 ，是想斩谁斩谁的 ， 想让谁来谁来的 。 那在这一年， 我觉得在整个这场战争里阿里是最饥渴的那一个 ， 当然可能他一直以来的身份的状态有关 ，他一直以来做了那么多的很多的技术设施做了脏活累活 ，他会觉得他相对于那两家最大 ，他比如在纯 ToC 端的一直担心入口 ， 一直担心要做社交 ， 要做 ToC， 要做市场 ， 要做大 DAO。 **七一** [1:15:26] 十几年了 。 **庄明浩** [1:15:26] 那就是他的妄念 ， 所以今天又给他一次 ，他当然会疯狂的弄 ， 就不会太在乎 ，但是他可能再持续也要担心现金流啊 ， 乱七八糟这些事情的 。 我觉得在这个战场里字节的状态是说 ， 当然字节没有上市 ，但是字节可能核心原因是在去年的时候那次组织架构调整 ， 然后整个专家来带领了这个字节的这四个团队跟应用团队分开 ， 然后豆包独立 ， 再加上不断的招人， 稳定 ， 目标清楚 ， 再加上张一鸣在背后的这些 。 你要知道在 24 年底就有很多媒体去写 AI 大模型仗字节已经打完了 ， 那个时候确实非常的强 ， 如果没有 DeepSeek 的话 ， 那个趋势会更明显 ，但 DeepSeek 出现之后， 现在某种程度来说 。 **七一** [1:16:07] 又改变战场了 。 **庄明浩** [1:16:08] 又改变了战场 ，但是至少字节还在坚持自己 ， 比如偏 B 源 ， 更强调多模态的能力 ， 豆包的这个 ToC 的这个事情 ，而且看上去豆包并没有真正意义上花太多的推广的钱 ， 腾讯算上去稳定 ， 很坐得住 ， 元宝之前其实推过一波 。 **七一** [1:16:23] 对 ，是的 。 **庄明浩** [1:16:24] 其实就是他刚出来的时候推了一大波 。 **七一** [1:16:26] 然后 DeepSeek 出来之后他又跟 DeepSeek 结合 。 **庄明浩** [1:16:28] 我印象中那会儿还也是上了很多媒体的头条 ， 就是说他一下冲到了下载搒的第一名。 **七一** [1:16:34] 我觉得某种程度来说腾讯跟苹果刚才讲的一个逻辑很像 ， 就是它家底太厚了 ， 就是老业务太稳了 ， 你想腾讯今天游戏又涨了多少啊 ， 广告对吧 ，也很好 ， 金融支付也都很好 ， 似乎腾讯有这个我们叫双引号韧性的资格 ，但是反过来讲又回到我们今天那个最核心那个问题 ， 到底什么样的公司应该在基础模型研发上投入 。 **庄明浩** [1:17:00] 按照你刚才的定义结论 ， 就是还是说达到一定体量 。 **七一** [1:17:04] 就要 。 **庄明浩** [1:17:04] 的公司就得有 。 **七一** [1:17:05] 对 。 **庄明浩** [1:17:06] 看上去腾讯在年底做了一定的适配这个议题的调整 ， 拉了一条顺域 ， 调了组织结构 ，但是还是需要时间 ，而且我们再去类比上一场战争 ， 短视频的战争 ， 腾讯也是经历了几轮的威士 ， 威士还重启过一次 ， 到视频号才某种程度上缓解了腾讯在短视频领域的焦虑 ， 那是要靠龙哥的呀 ， 所以那天千问发的时候我就在想 ， 肉眼可见 DeepSeek V4 春节一定会发出来 ， 会引发很多讨论 ， 豆包一定会在春晚上疯狂弄 。 **七一** [1:17:43] 也引发新一轮讨论 。 **庄明浩** [1:17:44] 然后千问看上去也会不遗余力的打下去 ， 那腾讯呢 ， 然后你要知道腾讯是一家公司 ， 公司是由人组成的 ， 姚顺雨该做什么 ， 张小龙该做什么 ， 还是他们俩配合做什么 ， 我们也不知道 ，不太可能就这么待着吧 ， 那也太稳了 。 **七一** [1:18:03] 我这个还想问你一个问题呢 ， 我作为一个一线互联网大厂 ，因为 AI 都是要有点偏 all in 的一个大的策略 ，但是呢由于家底的不同或者你的心态的不同 ， 那现在大家就展示出了不同的情绪状态吧 ， 至少从媒体公关舆论端能够看出来 ， 那什么心态是好的在你看来 ， 就对于大厂来说 ， 激进焦虑一点更好 ， 还是我稳一些 ， 我往后退一些低调一点更好 ， 焦虑 的也有 ， 那比如说我引入了一些新生代的这种 AI 科学家吧 ， 姚顺雨也好 ， 包括小米的罗弗利啊 ， 包括这个海外也都是一样的 ， 你会相信这种在 AI 时代上超小年龄的少年天才吗 ， 还是说其实 30 多岁中流砥柱会比较好 ， 我提到一个中年命题了 ， 这也是一个很重要的时代母题 ， 三四十的一个中间力量和一个超级的少年天才 ， 你又会相信什么呢 ， 这俩 问题吧 。 **庄明浩** [1:18:58] 第一个问题还是看创始人的性格 ， 就创始人是一个什么样的状态 ，他大概率就会偏向那个状态 ， 哪怕是超级巨头本身来讲 ， 如果创始人还在公司里做很重要的事情 ， 那本身来讲公司的状态就是创始人的性格的展现 ， 就是到今天其实依然如此 ， 腾讯 、 字节 、 阿里 、 拼多多 、 美团 、 京东 、 百度其实都是 ， 当然这个回答特别的讨巧 ， 特别的偷 懒 ，但事实就是这样的 ， 就如果你只说一个因素 ， 那确实这样 ，但反正就它不是个 0 跟 1 的度 ， 它是一个在某个时间点动态在变 ， 那腾讯为什么在这个时间点一定要抓一个这么年轻的研究员 ，他为什么在这个时间点做这样的调整 ，他应该是见了市面上无数的人， 也聊了无数的人， 马丁也好 ，Paul 也好 ， 肯定是 ， 当然可能有互相的选择的各种各样的 原因 ， 那这个动作本身就代表他们也不是那么不焦虑的 。 我跟刘飞做过一期 ， 就是上个月吧 ， 我们做那期播客的时候 ， 腾讯还没有发要顺雨的这个新闻 ， 我们当时就在聊的是说抛开情绪层 ， 纯从业务层角度来看 ， 腾讯在做很多叫 AI 的提效的事情 ， 或者叫 AI 跟原有业务结合来做改进的这些事情 。 **七一** [1:20:04] 就看着不那么显山露水的事情 。 **庄明浩** [1:20:05] 但其实效果也还行 ， 腾讯会议啊 ， 什么腾讯的那个文档 ，IMA， 然后微信自己的内部元宝 ， 什么搜索啊 ， 公众号的结合 ，他做这些东西本身不会有什么错 ， 或者从理想角度来讲都能立下来 ， 然后短期看 ， 或者比如年底做年终总结 ， 这些小伙伴也都能加薪 ， 对吧 ，也都能拿到奖金 ， 对吧 ， 应该问题不大 ， 甚至可能腾讯比如在多模态在最 核心的游戏板块 ， 浑圆的几个什么 3D 世界模型 ，也都是做的比较前沿的 ， 只不过他不做 PR 跟做太多的个人用户的 。 **七一** [1:20:38] 相对偏低调 。 **庄明浩** [1:20:39] 这个态势是个底 ， 就是他能兜住腾讯的在 AI 领带的底 ，但是他不足以把上限拉出来 ，但是反过来还是问腾讯跟苹果的底子太厚了 ， 就是他兜住底就已经很强了 ，他只要把他有时候提个几个点 ， 那就是一个天文数字了 ， 我觉得 Paul 那个马丁内心的问题就变成他在这个中间做摇摆 ， 做纠结也没有比较难 ， 那他在这个时间点可能就多迈了一 步 ， 多偏了这边一点点 。 **七一** [1:21:08] 那对于我们投资人来说 ， 当然可能耐心就未必那么足了 ， 尤其是散户啊 ， 你有耐心 ， 然后你的家底厚 ， 你今年增长个 2%， 那我们股民就很尴尬了 。 **庄明浩** [1:21:20] 所以就像那个说了无数句话 ， 短期永远都是情绪的投票机嘛 ，因为当下 AI 就是情绪的主导嘛 ， 你就要适合这个情绪嘛 ， 就要匹配这个情绪 ， 从股价角度来看他就要这么做 ，但是公司尤其这么大句子 ，他不会只考虑股价的问题 ， 所以就变成了我们跟或者我们散户对吧 ， 跟公司之间其实是不同的身位的 ， 我们在求的东西不一样 ， 所以你 要在中间的状态是感觉这个公司在这个阶段是否在某种程度上说双引号的迎合这种情绪 ，在过去一年 AI 的整个叙事上， 那没有错呀 ， 我们就需要这样的 flag 呀 ，他才能立住 ， 阿里性格就是要打胜仗 ， 我就是要持续的有战意 ， 我 flag 立在那里 ， 大家才能集中力量干大事往前弄嘛 ， 这就是阿里的风格 ，他天然就匹配这种方式 ，但似乎腾讯不是这样 的 ， 那他就没有办法那么匹配我们的预期 ， 对吧 ， 那他就变成了现在这个样子 ，但腾讯已经 600 多了 ， 对吧 。 **七一** [1:22:18] 对 ，他又回到了一个水位的一个相对的高点 ， 这样的话就是让大家就是去思考 ， 你是一个更相信一个长期一些吧 ， 咱也不是说拿着不卖 ， 长期一些的偏价值投资的方式来看 ，其实腾讯现在也已经不便宜了 。 **庄明浩** [1:22:34] 对 。 **七一** [1:22:34] 那从阿里来说 ，他也从估值的谷底也已经爬出来了 ， 好像也不是很便宜了 。 **庄明浩** [1:22:41] 是啊 。 **七一** [1:22:41] 那是不是说 AI 的上这个船 ， 我们从就是实际投资标的的角度来说 。 **庄明浩** [1:22:46] 我觉得有另外一种去看这个问题 ， 你很简单 ，22 年底 XGP 发布 ， 我们看一个统计 ， 那个统计是 CoTo 做的 ， 分三类股票 ，Mac 7，AI 领域非 Mac 7 公司 ， 非 AI 公司 ， 这三年的变化是很有意思的 ，23 年是 Mac 7 领 。 **七一** [1:23:04] 七姐妹是吧 。 **庄明浩** [1:23:04] 七姐妹领衔 ， 中间的是 AI 非 Mac 7， 长得最差的是非 AI 公司 ，24 年还是这样的 ，但是 Mac 7 领先的幅度大大缩小了 ，25 年就是 AI 领域非 Mac 7 领先了 ， 比如说芯片公司 ， 能源公司 ，AI 软件公司 ，APP 啊 ，Snowflake 啊 ，Salesforce 啊 。 **七一** [1:23:27] 其他层的公司 。 **庄明浩** [1:23:29] 就是其他层公司开始领先 Mac 7 了 ，Mac 7 稳定可能百分十几吧 ， 然后非 AI 公司还是一个差 ， 那中国似乎比这个时间要晚一年多 ， 那似乎看上去过去这一年是由这几家科技巨头所带来的 。 **七一** [1:23:43] 我们按照这个规律来说啊 ， 知道这个没有任何见骨的方向性的建议 ，但是巨头可能还会继续引领 ，但是它的涨幅有限了 ， 那接下来可能是一些边缘战场 ， 或者说应用层 ， 或者是底层基础设施层 。 **庄明浩** [1:23:57] 有可能 ， 反正美国是这个路径走过来的 ， 然后美国现在已经炒到存储了嘛 ， 那中国也在炒嘛 。 ### AI叙事 **七一** [1:24:03] 那当然就是结合到这儿 ， 我们就可以引申出来一个小问题了 ， 对于投资者来说也可能是个大问题 ， 先抛一个母题吧 ， 现在是不是一场泡沫 。 **庄明浩** [1:24:14] 这个问题先不回答 ，在高一层来看这个问题啊 ， 刚开始被讨论的时候是在差不多 25 年 Q2。 **七一** [1:24:22] 半年前嘛 。 **庄明浩** [1:24:23] 不是太多人讨论 ， 最集中讨论的时间是在 25 年的 Q4， 就是那轮循环融资 ， 什么英伟达 、 投 Meta、 投博通 ， 然后投 MD，Oracle 再投谁 ， 就那轮是这个议题讨论的顶峰 。 **七一** [1:24:36] 脚踩着脚上天的那一段 。 **庄明浩** [1:24:37] 然后到今天这个讨论其实在往下掉 ， 暂时说话不腰疼 ， 抽离出来这个身份 ， 似乎市场上开始接受现在存在的就是合理的 ， 然后你看所有这些美国的头部的金融机构对 26 年的预期全部都是向上的 ， 没有人向下， 全部都是向上 ，但很多人就会说那共识的达成这么集中， 似乎也会有问题 ， 还有点很现实的讨论 ， 所有所谓的科技革命或者技术革命在先期 都会经历这样一个喧嚣的阶段 ， 对吧 ， 就跟那个技术曲线一样 ， 它需要经历一个这样的周期 ， 那只不过现在的问题变成了我们到底是在山腰上还是在顶 ，在山腰上就代表了还可能有一段 ，但在顶就代表我们要往下， 会有一个比较巨大的调整 ， 这个议题到这时候大家也接受了 ，有些人会认为在山腰上 ，有些人会认为在顶上， 这个议题再往前推变成另外一个 议题 ， 这个议题变成了我们回看过去这几年整个无论是中国还是美国的股市的情况 ， 尤其是科技代表的股市 ， 从山顶到山底再涨回来 ， 这个周期在疯狂的压缩 。 **七一** [1:25:40] 变短了 。 **庄明浩** [1:25:40] 就是原来可能一年， 后来是半年， 甚至后来变成季度 ， 比如去年 4 月份那次大跌 ， 很快就回来了 ， 如果是这样的话 ， 哪怕出现比较巨大的调整 。 **七一** [1:25:51] 我大概明白你要说啥 。 **庄明浩** [1:25:53] 那似乎好像也不会是一个超长期的问题 ， 它至少不会跨年， 这种观点现在也很多 ，而且还有点很现实的问题 ， 我们从主题轮动的角度来想这个问题 ，Mac 7， 然后英伟达 、 云 、AI 软件 ， 当然中间有一波 AI 能源 ， 对吧 ， 然后到年底炒到存储 ， 还能再炒什么 ， 最近几天有一些人在说那个要出那个 APP 的综合报告嘛 ， 应该这几天就会出嘛 ， 那它 会不会变成一个导火索 ， 还是一个引爆点 ， 还是个什么我们不知道 ，因为那天谁说的 ， 说所有这种预估市场扭转的那个都是徒劳 ，但是大家就是乐此不疲的一次一次的 。 **七一** [1:26:37] 我们就不是说它还会炒什么额外新的话题 ，而是说旧有的话题产生了新的一些叙事的方向 ， 比如说我的业绩持续的在爆发 。 **庄明浩** [1:26:48] 我们看这个产业链啊 ， 用户 、 应用 、 模型 、 云 、 数据中心 、 数据中心的建设 ， 然后数据中心的原料 、 芯片 、 代工 ， 代工是最底下的 ， 台积电刚发财报 ， 台积电这家公司历史以来是以冷静理性著称的 。 **七一** [1:27:09] TMSC。 **庄明浩** [1:27:10] 台积电这次财报非常特别有意思 ， 台积电董事长说我们要上调明年的 KPS， 原来预估的还要再往上调 ， 原来预估应该是 490 美金调到 520 到 560， 调得很高了已经 ， 然后他说我们这种投资是非常审慎的 ， 为了审慎我在过去的三到四个月跟我的客户以及我客户的客户做了非常多的调研 ， 来去验证 AI 到底是否有 。 **七一** [1:27:38] 实际需求是吧 。 **庄明浩** [1:27:40] 我的答案令我非常满意 ， 台积电的分析会大家都找到 ， 你当然会非常直接想到是说在这个链条上最尾端最理性 ， 甚至有些冷静到极致的公司 。 **七一** [1:27:53] 它的需求已经给出一个更明确的预期 ， 那似乎就应该可以定个性了 ，但我反而又想 ， 还是链条上， 我们不太信任应用公司 ，因为它的毛利低得一塌糊涂 ， 没法看 ， 我们不太信任模型公司了 。 **庄明浩** [1:28:09] 也都在讲故事 。 **七一** [1:28:11] 云公司的故事也炒过了 ， 数据中心也炒过了 ， 英伟达我们也不信了 ， 反正英伟达怎么都赚钱 ， 我们似乎只能信代工公司了 ， 那再往下呢 ？ **庄明浩** [1:28:20] 原材料嘛 ， 硅 。 **七一** [1:28:23] 那只能这么推演了 ， 我没有办法了 ， 对吧 。 **庄明浩** [1:28:26] 这是一个非常长的链条 ， 就像你说的 ， 比如说如果我们拿 2000 年互联网泡沫来说事 ， 和现在可能理性上感觉有点像 ， 那都科技革命嘛 ， 那中间人家还有 08 年金融危机等等其他的一些重大的一些下调 ， 当年可能缓个两三年、 三四年， 然后就重新回正 ， 那你觉得反正按照你刚才说的理论 ，其实现在也不可能等那么久了 。 **七一** [1:28:49] 很有可能 ，而且看上去这种 AI 就是有那个议题 ， 就是这次不一样嘛 。 **庄明浩** [1:28:54] 对 ，在 AI 这件事上你是相信这个叙事的吗 ？ **七一** [1:28:57] 这次不一样 ， 或者这次一样 ， 只是个结论 ， 就这个结论的得出是可能有 100 个因素导致的 ， 它不是一个简单的 0 跟 1，100 个因素里面一定有一些因素是一样的 ，有一些因素是完全不一样的 ， 所以最后的造成结果看上去是一样的 ，但实际上它内部的构成可能是完全不一样的 ， 所以这种 AI 也有可能是 ， 就是你在今天也可以找出 100 个一样的因素 ，也可以找出 100 个不一样的角度 ， 你也不知道这中间这几百个因素的权重到底最后会怎么样 ，但是现实的复杂的系统就是这样 ， 很有可能某个时间点某个什么意外因素就成为了一个最重要因素 ， 引爆了什么事情也有可能 ，但是现在看上去就是大家基于这轮用户的使用度的提升 ， 那些最基础的我们双引号低性原理 ， 用户的拓展 、 留存 、 付费率的提升 ， 或者 说单个用户 Token 的消耗 ， 然后这些场景的拓展 ， 就是这个现实的更浅层的不需要那么复杂逻辑的推演的角度看 ，AI 还在一个正向的过程中， 所以那似乎如果这个底不出太大的问题 ， 那我们就不需要那么去顾虑一些 ， 所以我们纯从技术产业的角度去看 AI， 应该可以下结论说不是什么太大的问题 ，但是因为有了金融的叙事的叠加 ， 这个事情的波 动会变得剧烈 ， 它会变得不像看上去产业跟商业的那么稳定态的一个曲线 ， 作为投资者对吧 ， 我们可能更在这一侧 ， 那在这一侧的问题它就变得复杂 ， 就不单纯只是我们聊业务 、 聊技术 、 聊产品这些 。 **庄明浩** [1:30:34] 技术一定会迭代 ， 肯定 AI 工具也会越变越好用 ，是吧 ，但是股价不一定能涨 。 **七一** [1:30:40] 对 ，是的 。 **庄明浩** [1:30:40] 这个事我觉得大家还是要小心啊 ，但是实际上在小心的最后的我们这个结论的前续 ， 如果大家认真听的话 ， 还是能找到一些今年 2026 年投资整个这个产业上下游的一些蛛丝马迹的啊 ， 我们刚才在这个技术啊 ， 然后产品啊 ， 包括资本端其实都聊了很多了 ， 我们今天进入最后一个话题吧 ，其实在这样的一个大的洪流下， 至少我吧 ， 认认真真的开始 用 AI， 确实也是从这个 DeepSeek Moment 之后 ，在之前没怎么用 ， 说实话 ， 之后不只是用 DeepSeek， 那国内的几乎每个用个遍 ，因为我们是偏品牌公关的这样的一个部门的方向 ，其实会有大量的稿件的撰写 ， 基本上交给 AI 来打底稿是没有任何问题的 ，但是也能看出各个 AI 模型的性格偏好非常不一样 ， 然后幻觉的点也不太一样 ， 所以我们基本一天就像我有五个 小同事一样 ， 五个不同的 AI 每天跑 ， 看谁写的最好 ，copy paste 的那个指令 ， 然后大家来竞争嘛 ， 竞争上岗 ， 然后这个已经变成我们的一个挺日常的操作了 ， 那海外的模型其实也会用 ， 站在实用的这一端吧 ， 能不能也请这个明昊给我们的这些普通的散户朋友们 ， 当然他一方面在投资角度他是散户 ， 另一方面他可能就是一个普通的打工者 ， 或者 ### 使用AI **庄明浩** [1:32:00] 他是一个创业人， 我们在 AI 使用上面 ， 你觉得现在到了一个什么阶段 ， 或者说我们怎么能够用它来实现我们更高效的工作吧 。 **七一** [1:32:10] 之前有个很简单的标准说 ， 如果你一周有一件什么事情 ， 无论是工作还是生活中， 一周重复超过五次 ， 你就应该试试用 AI 去解决 ， 或者是哪怕用 AI 解决部分步骤 ， 就是重复五次就代表着你需要不断的去做一些重复的事情 ， 无论生活还是工作中， 那你就应该今天的实验交给 AI 来 ， 让你哪怕不能完全的 totally 的解决掉 ，也可以在过程中的某些环节给你提供一些 帮助 ， 更现实的问题 ， 我们这种平时做信息处理比较多的工作 ， 今天实验 AI 在总结 、 在加工整理 、 在可视化表达上真的强得没边 ， 那翻译就更不用说了 ， 翻译早就已经完全的 ， 我英文特别不好 ，但原来我就没法看英文的报道 ， 哪怕有些翻译都很难 ，但今天就是几乎无痛的就搞定 ， 哪怕这个文章很长很复杂 ， 翻译的效果不是很 好 ， 你去交给一个比如像 NotebookLM 这样的工具 ， 帮你做一个可视化的无论信息图还是一个 PPT 的方式 ， 你大概其实就了解了 ， 那这种东西你本来就很提效 ， 你为什么不用 ， 所以在工作过程中我会觉得不需要为宏大的这些乱七八糟的命题所每天新闻的轰炸所担心 ，因为媒体需要声量 ， 科技需要发展 ， 它总是需要这些东西 ，但对于个体而言我会觉得这些东 西当然你可以看 ， 你每天关注公众号 ， 听听播客没有问题 ，但是重要的可能对于自身而言更重要还是日常的学习工作生活过程中， 你想怎么改进自己 ，以什么样的方式 ， 甚至说再具体一点投资 ， 你可以拿 AI 当你的对手盘做训练 ， 比如说你真的看好一个股票 ， 无论是得到消息还是你认准什么原则 ， 你觉得这个东西重要 ， 那你以一个对手盘的方式去跟 AI 沟通对 话 ， 比如说你可以问它 ， 如果今天你是我的对手盘 ， 你会怎么考虑这件事情 ， 然后有没有什么东西我没有考虑到 ， 或者说你认为这个因素重要还是某一个别的什么因素 ， 就是它可能也不是正确的 ，但是有一个对手盘的假想敌在那 ， 你就可以让自己构建一个思维去不断的变得更适合自己 ， 就这个的对手盘的试炼我觉得是一个很容易 ， 就是很多人会说 拿 AI 做什么头脑风暴 ，但我觉得头脑风暴尤其对我们这些懒人来讲太麻烦了一件事情 。 **庄明浩** [1:34:20] 你就别头脑风暴了 ， 直接给我 20 个选项 。 **七一** [1:34:23] 就对手盘 ， 就是你如果真的要做投资者 ， 那你就可以试试拿 AI 做你的对手盘 ， 看有什么东西其实你没想到 ， 然后再去不断的实施 ， 然后不断的去下注 ， 然后看结果 ，因为原来没有 AI 工具的时候 ， 你很难真实的以一个有那么丰富经验的对手的方式去考虑这件事情 ，但今天这个东西唾手可得 ， 讨论所有的 AI 话题 ， 每一次最后话题一定会上 升到身心灵 ， 无论聊科技 、 聊行业 、 聊产业 、 聊金融 ， 最后都会上升到这个角度 ，也没有办法 ， 那确实就是调整好自己心态 ， 然后不断的去用一用试一试 ， 改变自己生活的效率 ， 那其实就可以了 。 **庄明浩** [1:34:59] 你觉得它可以有效的帮你去分析股票的基本面吗 ？ **七一** [1:35:04] 可以啊 ， 那你今天纯搜索信息本身而言 ， 这件事情对 AI 太容易了 ， 当然它的信息可能太过零散 ， 那你就要做收敛 ， 那怎么收敛就是你的能力了呀 。 **庄明浩** [1:35:14] 所以不是靠 AI 来收敛 。 **七一** [1:35:16] 那当然你也可以借鉴跟看它的建议 ，但是你要找自己的风格跟风险偏好嘛 ， 那这些东西是怎么产生的 ，是你的一次次的投资 ， 一次次的挣到钱或者亏到钱产生的你自己的这个东西 ， 你的这套东西才是你应该去坚持跟打磨的东西嘛 。 ### AI教育 **庄明浩** [1:35:34] 我还有个小问题 ， 就是刚才因为你举了一个例子啊 ， 就是你帮自己的孩子做 PPT， 你怎么看小孩这个题我觉得还挺关键 ， 当然不是说你作为你儿子的乙方啊 ， 更多的还是说他这个年龄 ， 比如说如果他会了 ，而且这个显然比让他自己敲代码那更容易会 ， 那以后他也不用你来帮他做了 ，他自己直接给 Nano Banana 输入指令不就好了吗 ， 那这个东西到底 是打开了他的创造力还是实际上关闭了呢 ？ **七一** [1:36:07] 没人知道 ， 强调再多其实人天性都是要偷懒的 ， 都是要找捷径 ， 哪怕没有 AI 上一轮搜索啊 ， 电子的设备的加入也会让这个事情往这个东西里面去发展 ， 所以首先这个事情不可避免 ， 过程中让他用 ， 然后让他去感受 ， 你像杭州不是开那个 AI 的黑客松吗 ， 我就带他去玩了一天 ， 去转 ， 去参加各种各样的项目的体验 ， 让他感受 ， 就 你只能给他提供这种我们叫外围的环境 ，因为现在没有标准答案 ， 没有人知道 ，而且还有点很现实 ， 之前写那个人人都是产品经理那个苏杰 ，他们现在就在做那个给小孩的那个类似 AI 的营 ， 然后让他们去学习 ， 你像上海有那个原来初宝的创始人家梁也在做类似的事情 ， 然后北京我有个朋友原来可能是阿里的一个同事 ，他现在自己因为带他女儿也在 做类似的事情 ， 我们这个年纪有孩子的都很焦虑 ，但怎么解都不知道 ， 一头包乱七八糟的 ，但是今天如果有一个你信得着的你的朋友 ，他孩子也在 ， 你也知道他能他知道合适的 ，不是那些纯要收割的决策方 ， 能帮这个事情让孩子体验到 、 参与到 、 感受到 ， 那似乎也就做到这了吧 ， 比如说我们那朋友说这个寒假想拉一个营 ， 今年不是 AI 视频能力提升很快吗 ，他想找一个做 AI 视频的很厉害的大拿 ， 正好有一个他的朋友的爸爸是做那个纪录片导演的 ， 然后可能以这两个人为主 ， 再找一个比如做那个 AI 培训的老师 ， 就三个人拉一个营 ， 比如在北京郊区找个什么酒店 ， 拉几十几二十个孩子 ， 七天封闭 ， 我们就从头开始学 ， 然后弄 ， 最后产生结果是比如几个小孩一组真的做一个比 如电影或者一个纪录片 ， 然后去爆爆展 ， 那你一听挺好的呀 ， 对吧 ， 那不就行了吗 。 **庄明浩** [1:37:51] 给你一个 AB 选项吧 ，也是一个现在经典家长们会讨论的一个事啊 ， 就是小学我就给手机给 Pad 给 APP 还是都不给 ， 长大一点再给 ， 你肯定是选择前者是吗 ？ **七一** [1:38:04] 我们家现在都给了呀 ， 我们女儿大班 ， 然后她在学一个英语 ， 那个英语课有个作业是说你要用一个词 ， 就是学了一个单词之后她要把它画出来 ， 那如果它是个名词还好 ， 它是个蝴蝶蜜蜂这还好 ， 比如说这个词是 loose， 那些你怎么画 ？ 大班简笔画 ， 这个太难了给我简单一点 。 **庄明浩** [1:38:29] 最后给了她什么答案 ？ **七一** [1:38:31] 好像是画了几只小猫 ， 然后分布在不同的地方 ， 然后指向这一堆小猫是那些 ， 我又不会画画对吧 ， 我也没学过该怎么表达 ， 那你怎么办呢 ？ **庄明浩** [1:38:44] AI 还是能解决一些这种问题 。 **七一** [1:38:46] 因为现在语音的识别能力很强 ， 你说什么它能知道吗 ？ 大概率国内的这些产品也都做过围栏嘛 ， 就是不会出现一些乱七八糟的东西嘛 ， 然后语音交互又很简单 ， 我女儿大班也已经会用了 ，28 号吧 ，他们又家长要去讲 ， 我就给他们去讲那个 AI， 又是拿那个 NotebookLM 做的 ， 我就说幼儿园大班水平不要太难 ， 我跟他们讲 。 **庄明浩** [1:39:10] AI 现在已经出现在我们的生活里很多了 ， 具身智能那是从一个相对比较笨拙的机器人转手卷开始的 ，也是 2025 年的一开头春节 ， 然后春节的时候又爆发了 DeepSeek 这个 moment， 那一年之后你看我们都走到了今天 ，其实我觉得已经发生了挺翻天覆地的变化了 。 **七一** [1:39:29] 甚至这个问题再往前 ， 你想 23 年的春节是这一波 A 股 AI 概念股的第一波浪潮 ，24 年春节我没记错应该出了 Sora，25 年春节是 DeepSeek，26 年的春节气氛已经烘透到这里了 ， 一定会有大事出现 。 **庄明浩** [1:39:45] 我们就共同期待一下今年还会有些什么革命性的事件发生 ， 感谢明昊来我们的节目 ， 我们下期再见 ， 拜拜 。 **七一** [1:39:54] 感谢感谢 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。