# Vol.92 回头听3月初的播客，感觉有点恍如隔世---串台藏金阁 屠龙之术 · 2026-03-31 本期庄明浩与Jess回顾了3月初录制的AI行业热点，包括OpenClaw的爆火、AI社交应用Elys及国内大模型竞争。庄明浩认为OpenClaw并非技术革命而是工程组合的胜利，其开源生态打开了新窗口；他分享了自己部署OpenClaw的体验，并指出算力已成为行业瓶颈。最后，他以AlphaGo的故事鼓励听众培养审美与直觉，不必为AI过度焦虑。 ## Key moments - **[0:00] 开场** - **[6:03] OpenClaw** - [6:03] 庄明浩解析OpenClaw爆火原因：底层是给AI一台真实电脑的旧逻辑，关键创新在于将操控植入飞书等IM，让用户像在与真人助手对话，体验感骤变。 - [8:56] 庄明浩指出OpenClaw并非0到1的技术革命，而是工程上的排列组合，恰好卡在模型能力与用户感知同步的时间点。 - [10:31] 庄明浩分享第一个OpenClaw任务：设置每天9点自动查询智能眼镜库存，从安装、授权到定时通知，历经六七步调试才跑通。 - [12:21] Q: Jess问为何从云端改为本地部署OpenClaw？庄明浩说云端虽有围栏但缺乏拥有感，本地部署后更敢信任它访问浏览器和文件。 - **[16:48] 安全与社交** - [18:29] Jess讲述用AI社交App Elys的经历：AI不仅模仿她发言，还因提及她“内耗”引来真人私信关心，暴露AI社交的边界问题。 - **[22:03] 模型与提问** - [22:03] 庄明浩指出OpenClaw让Web3当年设想的去中心化身份、安全支付等叙事变得可现实，甚至催生Web4概念。 - [27:18] Q: Jess观察到GPT理性、Claude谄媚、Gemini灵动，大模型性格是否被训练不同？庄明浩解释模型训练后期引入人类偏好打分，加上用户交互记忆，导致性格分化。 - [28:47] 庄明浩用“差值”理论说明如何提问：提示词的作用是将AI输出区间从1-10000缩窄到1-2，让结果可控，而不是祈求即兴奇迹。 - [30:28] 庄明浩以AI漫剧为例，说明成功并非只因视频模型进步，而是行业摸索出剧本-分镜-图生视频等五六步的标准化流水线。 - **[30:40] Seedance** - [33:52] 庄明浩分析Seedance分镜强的根源：字节跳动凭借抖音、剪映多年海量视频剪辑数据，对镜头语言有深入理解，这是其他厂商难以复制的优势。 - **[35:50] 国内竞争** - [35:50] 庄明浩总结国内AI春节红包大战：结果无意外，龙头地位不变，但因囚徒困境每家都不得不投入重金参与。 - [36:22] Q: Jess问国内AI初创公司各自在赌什么？庄明浩说过去各押注Coding、多模态、Agent等，现在所有方向融合为一张桌，目标趋同。 - [39:35] 庄明浩解析阿里千问林俊杰离职内因：实现“三进三出”统一多模态模型需要打通预训练与后训练团队，而现有按功能割裂的组织架构与之冲突。 - [42:52] 庄明浩对比中美AI：美国将AI视为唯一国运支柱，中国则拥有制造、巨升、商业航天等多元叙事，AI软实力虽重要但非最核心议题。 - **[45:57] 风口与瓶颈** - [45:57] 庄明浩预测AI应用窗口：套壳产品有周期性价值，但广义上ChatGPT也是套壳；下一个爆发点可能是OpenClaw生态带来的更多轻量级工具。 - [47:54] Q: Jess问AI瓶颈是算力还是数据？庄明浩答道瓶颈对用户是算力短缺，但对模型公司而言，边际上数据带来的差异化更大，拥有独特数据是前提。 - [52:08] 庄明浩观察AI创业者画像变化：更年轻、更国际化，且行业快节奏要求创业者能在几个月内多次转型，与传统按部就班的创业模式截然不同。 - [55:14] Q: Jess问用AI收集信息如何鉴别噪音和幻觉？庄明浩强调仍靠提问能力，需求越明确、越细致，AI给出的结果越可靠。 - [55:52] 庄明浩评价“所有行业都值得用AI重做一遍”是正确但宽泛的口号，真正难点在于选择具体路径、解决行业历史遗留的复杂问题。 - [58:33] 庄明浩描述AI生成游戏探索：创业者通过不断叠加限定词（如类型、体量）缩小范围，做出可运行的产品，但往往因限定过多而显得不够性感。 - **[1:01:09] 应用与建议** - [1:03:15] 庄明浩讲述AI概念炒至马桶公司TOTO，因其陶瓷材料是芯片托盘原料而股价上涨，同逻辑日本味精公司味之素也受益，显示市场追逐意外的稀缺性。 - [1:04:05] 庄明浩建议普通人使用AI：找到生活中每周重复5次以上的事（如健身、学语言），让AI在某个环节提效，而不必盲目追求宏大创新。 - **[1:08:00] Her与焦虑** - [1:08:05] Q: Jess问电影《Her》的场景会实现吗？庄明浩认为会，但当下AI社交面临人-AI、人-AI-人等复杂关系网设计，每一步选择都舍弃可能性。 - **[1:11:12] 终局反思** - [1:11:12] 庄明浩在播客节总结页面写下：“去他妈的什么AI不AI的，根本不重要”，反映出对行业炒作的反感与回归生活的呼吁。 - [1:12:55] Q: Jess问在AI时代最应投资自己什么能力？庄明浩答道提问、拆解任务和审美最重要，因为未来人只需在AI生成的海量结果中凭直觉选出最佳。 - [1:15:14] 庄明浩详述AlphaGo纪录片中樊麾与李世石的心路历程：从轻视到崩溃再到“神之一手”，类比今天人类面对AI的共同体验。 - [1:19:51] 庄明浩总结AlphaGo往事：人类曾靠直觉下出神之一手击败AI，但AlphaGo Zero已将人类远远甩开，我们正在重历类似的心理蜕变。 ## Speakers - **庄明浩** (host) - **Jess** (guest) ## Topics 代理, 模型与基础设施, 产品与应用 ## Mentioned DeepSeek (company), MiniMax (company), AlphaGo (product), Canva (product), ChatGPT (product), Claude (product), ClawHub (product), Cursor (product), Elys (product), Gemini (product), Kimi (product), Manus (product), Maxe (product), OpenClaw (product), seedance (product), 剪映 (product), 千问 (product), 豆包 (product), 阿里云 (product), 飞书 (product) ## Transcript ### 开场 **庄明浩** [0:01] 哈喽大家好 ， 我是明昊 ， 今天更新一期串台节目 。 呃 ， 本期节目应该录制于 3 月 3 号 ，是我跟藏金阁的主播 Jess 聊的关于 AI 行业的一些事情 。 对 ， 那个时间点呢 ，OpenClaw 还没有像今天这么火 。 我的关于春节之后的 PPT 的总结也没有发布 ，其实是那天我们聊完之后才发布的 。 然后你可以观察到 ，其实时间仅仅过去不到一个月的时间 ， 业界又发生了非常非常多的变化 。 我们当时在录制的时候 ， 还在聊 OpenClaw 为什么这么火 ， 还在聊上门安装 OpenClaw，在聊春节期间的 AI 社交应用 ， 包括可能聊到了很多今天这个时间点一直在困扰很多人的一些问题 ： 如何使用 AI， 如何缓解焦虑等等。 我最近几天又回头去听这期播客 ， 我总有个感觉 ， 难道以后要每个月以月为更新的频率来做 PPT 的总结吗 ？ 这个频率似乎有点过于快了 ， 我有点力不从心 。 然后正好今天出现一个事情 ， 今天 ， 呃 ，2026 年的狂喜的上半年的这个这个预告已经出了 ，是在 4 月 25 号和 26 号 ， 就是 4 月底的那个周末 ，在上海 。 然后那一周其实我在美国参加一个比较重要的 AI 的行业的大会 ， 本来是想针对这个行业做一些行业大会做一些总结跟整理的 。 然后呢 ， 我就在想要不要疯狂一下， 后来我决定我想冒险一点 ， 或者疯狂一把 。 我想在 26 号我回来那一天 ， 我应该是上午 10 点落地上海浦东 ， 回家收拾一下 。 我下午跟官博关亚迪老师要了一个比较晚时间的档期 ， 我也想做一个比较热乎的解读 ， 就是相当于回国的飞机上我来更新 PPT， 下飞机跟大家去讲一个非常非常热乎的版本 ， 来去针对可能呃 3 月跟 4 月的情况做一次比较重要的梳理 。 这样的话 ， 两个月做一次我觉得相对还可接受 。在聊正题之前 ， 我想跟大家说一件最近发生在我家的事 。 我家最近养了只猫 ， 一只长毛猫 。 猫毛这个东西 ，但凡有养过猫的朋友应该都懂 ， 所以对于我来说 ， 地面清洁这件事已经从偶尔打扫变成了一个必须认真对待的日常问题 。 我家之前用的扫地机器人是上一代产品 ， 那种经典的圆形机身 ， 底部有两个小的圆盘的款式 。 说实话 ， 这种老式扫地机让我比较头疼的是 ， 每次用完之后， 那一套手动清洗零件 、 自己加水 、 加清洁剂 、 清理机身的流程 ， 比我自己拿拖把拖一遍也省不了多少事 。此外， 墙角和边缘也因为机身圆形的设计 ，其实根本够不到 ，而猫毛很容易在那个地方堆积 。 圆盘拖布主要是旋转擦拭地面 ， 差不多 15 分钟才能清洗一次拖布 ， 地上稍微脏一点就很容易小污变成大污 ， 你根本做不到不管它 ， 反而越用越累赘 。 所以前段时间我就下定决心换一台 ， 调研了一圈之后， 最后购买了科沃斯的扫地机器人。 他们最近新上了一款超长续航的洗地机器人 T90PRO， 三四千的价格 ， 核心技术跟旗舰系列一脉相承 ， 用起来的体验确实好了很多 。 让我感观最大的其实是拖地这件事 。T90PRO 用的是滚筒设计 ， 滚筒自动喷水 ， 刮洗之后直接自动把污水回收掉 ， 滚筒每分钟刮洗 200 次 ， 一直在用干净的滚筒清洁地面 ， 就跟自己动手差不多 ， 很干净 。 而且滚筒相较于传统的湿布 ， 接触面积小 ， 压强大 ， 这样对付顽固污渍就很给力 ， 比如干类的油污也能擦干净 。 而且因为滚筒是不需要单独拆卸来清洗的 ， 所以整个擦地流程对于我而言瞬间轻松了不少 。 边角的问题也是被认真对待了 ， 滚筒还能站深处一块出来 ， 贴着墙边和角落清扫 ， 还细心设计了一个毛毡贴边 ， 防止刮坏踢脚线和家具 。 这个细节我觉得是真的想清楚了实际使用场景 ，不是为了参数好看加上去的 。 然后是一个我之前没太重视 ，但用起来才发现很关键的点 ： 续航 。T90PRO 也有高端款的瞬时超充技术 ， 机器回基站清洗滚筒的那短短 3 分钟里 ， 就能补充 10% 的电量 ， 所以能实现超长续航 。 直观感受就是它可以一口气扫完全家 ， 相当于我之前那台开 1.5 倍速 。 用了这款之后， 我突然意识到以前的自己耐心真好 ， 可以等扫地机器人扫到一半 ， 回去充两个小时再出来 。 整体来说 ， 我换了扫地机器人之后， 最直接的感受就是这件事从我需要去做 ， 变成了它自己在做 ， 很像今天的 OpenClaw。 对 ， 如果你家里有猫 ，有日常的灰尘和地面污渍 ， 最近也在考虑换扫地机器人， 或者还在用老款 ， 觉得维护太麻烦想升级 ，T90PRO 是一个值得认真看一看的选项 。 现在还有国补价格 ， 性价比很高 。 具体的链接我放在 show note 里了 ， 感兴趣的可以看一下 。 好 ， 我们下面正式进入今天的播客内容 。 **Jess** [5:50] 欢迎庄老师 ， 要不先请你简单介绍一下自己吧 。 **庄明浩** [5:53] 哈喽大家好 ， 我是 《 屠龙之术 》 的主播庄明浩 ， 然后关注 AI 行业几年的时间 。 本职工作是一家互联网公司 ， 做战略跟投资 ，也在看 AI 相关的项目 。 ### OpenClaw **Jess** [6:03] 咱们先从最热的聊起 ， 大概在去年 12 月底 ， 然后 Web Coding 出现了一个明显的飞跃 ，OpenClaw 的出现让所有人都感到很兴奋 。 那 OpenClaw 它到底特殊在哪里呢 ？ **庄明浩** [6:13] 这个议题其实最近讨论也很多 ，有很多的角度跟方式 。其实很多人会说 ， 给 AI 一台电脑这个最最最底层的核心逻辑 ，其实在 Agent 出现的时候讨论就非常多 ， 甚至包括去年的 Manus，其实底层逻辑也是一样的 。 只不过我们去年呢 ， 看到很多成熟的 Agent 产品 ，其实是给了一台虚拟机 ，而不是一个真实的电脑 。 按 OpenClaw 的作者自己说法是说 ，他会认为这件事情早就应该很能做 ，但是他等了大半年时间没有人做 。 那为什么没有人做 ？ 可能就是因为灯下黑 。其实你看头部供应厂商在做帮助 AI 操作电脑这件事情 ， 或者操作一台有文件 、 有权限的电脑这件事情 ，也做了很多的努力 。 无论是中国还是美国的公司 ，其实都做过很多相关的尝试的探索 ，但是受限于大家 ， 比如说对安全 、 对权限 、 对各种东西的理解 ， 大家做那个东西就是没有到让普通用户感知到 ， 或者说相对专业一点的用户感知到说 ：" 哇 ， 这个东西确实跟原来的不一样 。" 你说是老天在这个时间点选择的这个创始人做的这个东西也好 ， 还是说可能是因为技术发展到了这个节点出现这东西也好 ， 然后这是一个角度 。 另一方面的角度是说 ， 我觉得在感受层 ， 最大的感受不同是说 ， 我们之前用的所有这些前几年的 AI 产品 ， 本质上来讲它是一个呃独立的一个什么东西 ， 你用它的时候还是要有一定的仪式感 。 但今天 OpenClaw 最大的交互层面的创新 ， 或者说做的事情 ，是把它跑在了你已经有的 IM 软件上 。 然后如果大家就是体验过这个软件的话 ， 你会发现它真的天天躺在你的飞书列表里 ， 跟你去要打开一个应用还是打开一个网页的感受还是不一样 。 天然的会 ， 你会觉得那是一个有所谓的情感 ， 它像个人嘛 ， 然后有所谓的你最熟悉的交互方式的操作 。 然后这个东西的体感的变化 ，其实也是一个对于非核心用户而言很强烈的刺激 。 因为你像对那些非常核心的用户而言 ， 之前在用很多 Web Coding 的工具 ，在用很多 AI 的相关工具 ，在用很多 Agent 用户而言 ， 最核心的一个用户 ，他会说这个东西没有做太多的所谓创新跟往前走 。 但是对于那些没有那么核心用户而言 ， 这个体感的变化的刺激我觉得还是比较强的 。 再加上可能因为开源 ， 开源好事是说 ， 你会发现最近一段时间全国各地开各种各样的 OpenClaw 的大会 ， 那开源代表谁都可以开这个会啊 。 但你想当年， 比如说 ChatGPT 火了 ， 大家会开一个叫 ChatGPT 使用技巧大会吗 ？ 你会觉得有点奇怪 ，因为你是谁 ？ 你凭什么号召这样的会 ？ 但是今天因为它是个开源的方式 ， 大家都可以用各种方式去做 ， 甚至基于它的生态在做别的延展 。 它的这个生态的繁荣跟可延展性 ， 又在这个时间点得到了进一步的推进 。 **Jess** [8:57] 所以我听到说 OpenClaw 它不是一个技术的很大的革新 ， 它其实是一个创意 。 **庄明浩** [9:01] 呃 ， 我们叫工程上的排列组合 ， 碰到了一个合适的时间点 ， 这个时间点可能包括了技术 ， 包括了用户的体验的感知 ， 包括了很多东西的导致 。 它是一个多方的 ， 就它不是一个纯 0 到 1 的那样的天才的发 ， 它不像我们用 GPT， 你想它就是一个人在几个月的时间做的一个小东西 。 它其实相当于更多是一种打包 ， 像拼积木一样 ， 很多东西原材料可能都是 OK 的 ，但是它通过一种相对比较新的方式拼成了一个正好卡在了这个时间点适合的形态上 。 所以它是这样一个工作 。 **Jess** [9:34] 那我再问个特别小白的问题啊 ， 就是为什么没有人抄 OpenClaw 呢 ？ **庄明浩** [9:37] 超过还是超 ？ **Jess** [9:39] 超 ， 就变坏 ， 现在很多人在抄 。 **庄明浩** [9:40] 现在很多人在抄 ， 或者说不是在抄 ， 就是就像刚才那句话的延续 ， 就是因为它现在距离普通人还很远 ， 它有太多的前置条件了 。 首先要有梯子 ， 你要知道怎么去安装乱七八糟的 ， 包括你可能要有硬件的 、 设备的 、 权限的 、 安全的管理这些概念 。 就所有这些东西听起来都是很复杂的事情 ， 那就代表机会是说 ，有人应该在做的事情是把这些复杂的 、 呃 ， 对普通用户不那么友好的东西 ， 变成一个友好的界面的产品来交付给用户来用 。 那其实很多公司现在在做这个事情 ， 就跟当年很多的大家去谈论所谓套壳 ，其实是一样的 。 那这个东西会有一个窗口期 ， 这个窗口期因为这件事情会得到更多的关注 。 当然它再往后发展 ， 一定会被一个更成熟的商业化软件所代替掉 ，但是我们现在处于这个窗口期 ， 包括其实也有很多组织也在做类似的自己的开源的项目 ， 阿里也发了一个吧 。 **Jess** [10:31] 明白 ， 那你自己在用 OpenClaw 吗 ？ **庄明浩** [10:33] 在 。 **Jess** [10:33] 你用它做什么任务每天 ？ **庄明浩** [10:35] 其实没有什么特别的任务 ， 我一天给它跑的第一个任务是特别有意思 ， 就是我朋友送了我一张他们公司做的那个智能眼镜的优惠券 ，但因为智能眼镜他们卖的很好 ， 缺货 ， 一直缺货 ，但那张优惠券是有有效期的 ， 就是说我很有可能在它有效期到之前我买不到 。 所以我需要他每天去看一下 。 我回家的第一个定时任务是每天早上 9 点去帮我看一下这东西有没有货 。 **Jess** [11:00] 怎么样 ？ **庄明浩** [11:01] 首先就是我刚开始是在云端用的 OpenClaw， 然后云端用完之后你觉得不是特别那什么 ， 正好我有一台闲置的笔记本 ，在我的闲置笔记本上把它部署了本地 。 你刚刚安装好的时候 ， 它没有很多的 Skill 跟权限 ， 你需要帮它 ， 首先让它登录 ， 要给它我那个商城的账号 ， 对吧 ？ 然后甚至再开始要给它浏览器的权限 ， 然后要告诉它具体是什么样的地方 ， 然后要安排它每天 ， 比如说什么时间 ，是每天一次还是每天两次 。 我后来约定跟它每天 9 点 ， 这是我俩聊出来的 。 同时可能因为它是飞书上机器人， 它要发一个什么权限 ， 要飞书的机器人的一个什么权限 ， 我要给它重新再配 。 反正就是我为了实现这个听起来很简单的一个固定周期的任务 ，其实从它被安装好到它真正意义上完整的实现这个任务过程中 ，其实经历了可能六七个步骤 。 这些步骤可能涉及权限的管理 ， 我跟它之间交互的方式 、 频率 ， 包括跟飞书 、 跟通知 、 跟乱七八糟这些打通 。 这个过程其实就很像今天我面对所有这种没有完全准备给到普通用户的这些 AI 产品都一样的逻辑 ， 就是它还处于一个比较早的阶段 ， 它在纯体验层 、 距离 、 傻瓜化 ， 还有非常多的路要走 。 所以你在过程中需要不断的去跟它做这种我们叫互相的确认 、 互相的需求的满足的过程 。 **Jess** [12:21] 你刚刚说这件事用云了 ， 为什么现在部署到本地呢 ？ **庄明浩** [12:24] 云端的问题在于需要 ， 就回到刚才前面那个问题 ， 云端现在大部分体验 ， 虽然你也可以去把云端的这个方式接到你本地飞书上 ，但是这个体验本身还是你会觉得那个东西不是你的 。 包括你让它跑 ， 它也能跑 ，但是你不太敢信任它把你的比如账号给它 ， 甚至你不太敢让它访问你本地的浏览器 ， 包括一些文件的处理东西 。 那个是不是自己的那个感受还是不太一样的 。 虽然说这个东西的差别不会说是一个 0 跟 1 那么大的差别 ，但是在很多一些细小的乱七八糟的小事情上， 它就是这些一点点的积累 ， 到了一定值之后你会觉得我需要一个在本地跑的 。 **Jess** [13:00] 明白 ， 我本来一直以为在云端更安全了呀 。 **庄明浩** [13:03] 会 ，因为云端毕竟那个厂商自己做了一些围栏的限制嘛 ， 那确实会 。 所以我反正很多身边朋友问我 ， 我会说就是如果你只是单纯想试一试这个东西是什么样的效果跟那个流程的话 ， 我建议是用云端的方式 。 第一 ， 成本很低 ； 第二 ， 操作方式会简单非常多 。 甚至你像现在随着这几天的发酵 ， 这几家已经部署了 Kimi 跟 Maxe 这种 ， 它已经可以允许到你直接通过自然语言的方式告诉它我要装什么就可以 ， 它不需要用原来命令行的方式 。 它这些东西也开始可以接到飞书上， 接到企业微信里 ， 它也可以让你体验到整个流程 。 甚至如果你有梯子的话 ，Maxe 的这个海外版本 ， 最初是体验版本 ，是不需要用任何的付费门槛 ， 你不需要任何的成本就可以体验到完整的流程 。 所以如果你只是一个想体验 、 想感受一下这个东西是什么 ， 试一些小东西的情况下， 我是建议今天还是通过云端的方式 。 而且本地的问题在于 ， 本地你相当于你自己首先要有一个 ， 你要去买一个模型的那个 API， 无论是买第三方的聚合的 ， 还是买一个独立厂商的 ， 然后你要设置这些 API 的接口 。 虽然有网上已经有非常详细的教程 ， 即便是这样还是会很烦 。 我反正第一步优先级建议还是使用在线的方式 ， 会感受会相对简单一些 。 **Jess** [14:18] 当时花了多久设计这个步骤 ？ **庄明浩** [14:20] 因为我也不懂代码 ， 我也是看着教程一步步学的 。 我装本地部署就装了三次吧 ，因为过程中还是有些细节的问题 。 因为我用的是 Windows， 我的闲置笔记本是 Windows，但大部分大家是在用 Mac 上， 包括那个作者其实最开始做的时候也是针对 Mac 的做 。 所以很多权限 、 很多操作跟很多东西 ，Windows 还是有一些问题 。 所以因为这些问题 ， 再加上因为做教程的人其实他都装过了 ， 所以他在过程中很多他会认为很简单或者很大家应该知道的事情 ，他就略过去了 ， 或者说他就快进了 。 但是你在装的过程中你不是这样 ， 你是每一步都有非常长的时间 。 比如他第一步安装跑一个命令行的时候 ，其实要需要可能 5 到 10 分钟 ，但是他因为做教程 ，他直接一下一秒就翻过去了 。 但你就在过程中担心是不是我这出错了 ， 或者卡还是怎样 ， 就是你会有这种不断的这种事情乱七八糟 。 所以导致只是把它装在笔记本上可以运行 ， 我就装了大概三次 ， 可能花了一两个小时 。 装好之后可以运行了 ， 然后去把它接到飞书上， 可能又用了 20 分钟 。 为什么教程你点这可以点 ， 我就不能点 ，是吧 ？ 为什么他点完不出报错 ， 我就报错了 ？ 就这种乱七八糟问题 ， 又折腾了可能半个小时 。 接好了之后， 然后又跑 ， 跑完之后呢 ， 开始纯聊天之外开始跟他类似刚才交代那个任务 ， 磨的那个任务过程可能又折腾了可能 10 加人才慢慢 。 **Jess** [15:33] 明白 ， 所以你跟他聊任务 ， 你其实也是给他类似于 code 吗 ？ **庄明浩** [15:36] 不是 ，也自然语言也有可能 。 **Jess** [15:38] 自然语言这么简单吗 ？ **庄明浩** [15:39] 不需要 code。 **Jess** [15:40] 我以为还要搞什么 skills， 那么还去哪里下载什么 skills？ **庄明浩** [15:43] 那 skills 是因为就是因为大家观点是说它像一个就是小学生或者是一个白纸 ， 你需要给它增加一些能力 。 这些能力你当然可以跟它说 ， 理论来说它是有一些 ， 比如别人非常好的 skill 可以让它 ， 比如说还有个昨天 ， 昨天遇到现实 ， 就是我想比如昨天那个千问的林一阳离职了哈 ， 然后推特上讨论特别多 ， 我想让它去推特上搜集大家的评论 。 首先你当然要给它一个你自己的推特的账号 ， 这是第一 。 然后第二呢 ， 它需要去访问推特的东西 ，并且可能需要一些权限 。 这些权限你相当于你可以让它一步一步去弄 ， 然后但是也有人可能已经写好了 ， 封装好的 skills 说你安装好这个 skills， 你的龙虾就可以去访问所有社交媒体 ， 可以访问推特 ， 可以访问小红书 ， 可以访问微博 。 你当然可以选择我针对我自己需求去跟它不断的交互 ， 让它完成这个 。 你也可以选择封装好一个东西 ， 装上去之后你跟所有网上都有 。 所以这个方式针对每个人会有不同的配置 。 所以为什么大家弄出来效果完全不一样 ，也是因为这个原因 ， 就因为每个人的需求跟每个人实现这个需求的方式是不一样的 。 **Jess** [16:48] 对 ， 对 ，因为我那天看 ， 比如说现在小红书上都在说什么 OpenClaw 上面装什么 500 多块钱 ， 还帮你接入什么飞书啊 ， 各种帮你下 skills，但是这其实很危险 ， 对吧 ？ ### 安全与社交 **Jess** [16:58] 因为它帮你装的时候万一它搞个木娃娃在里面 ， 把你的那个 。 **庄明浩** [17:00] 比如说它的账号 ， 你们好像现在都不需要这种 ， 现在就是很多没有太多安全观念的用户使用过程中， 它会不自然的泄露很多自己的信息 ，而它可能裸奔在互联网上 。其实现在有一个第三网站在统计 ， 就是裸奔的多少的龙虾其实可以查到核心的一些账号密码 ， 确实是可以查到 。 还是问题是它还是一个太过早的阶段 ， 那这个创始人在做的时候 ，他也没有想什么突然间会全世界都用 ， 所以他刚开始只是他自己一个 ，而且他是一个非常资深的程序员 ， 很多东西他自己可以控制 ， 可以去处理 。 反过来讲 ，OpenClaw 从它出现到爆火这一段时间 ， 频繁的更新版本的更新的内容更多也是在更新这些东西 ，有更多的安全的机制 。 它变成一个纯技术理想主义的开源的一个东西 ， 变成慢慢有很多设置 ，有很多的东西的过程中， 所以也是因为这样的原因导致的 。 但确实很容易 ，因为理论上它确实可你交给它就代表你信任它 ，但是它并不那么知道网络环境的复杂 。 **Jess** [18:01] 是的 ， 我现在理解 ， 就是只要你不去什么 ClawHub 下载那种 skill， 就像你刚说你直接自然语言跟它交互 ， 你其实没有这个风险 ， 你就是慢慢聊就好了 。 **庄明浩** [18:08] 但是很多时候你万一它不受控的跑到了一些地方 ， 你可能不知道啊 。 就比如说为什么火了一个叫 Moltbook 的龙虾的论坛吧 ， 你虽然说大家是在攻它的过程中， 包括甚至主动的设置了它的性格 、 它的表达方式什么 ，但是比如它发了什么帖子 ， 那什么内容你还是要看一看的 。 **Jess** [18:26] 哦 ， 你也会去看吗 ？ **庄明浩** [18:27] 我没有让它去 ， 我都没有让它去 。 **Jess** [18:29] 哦 ， 我突然想起来 ， 就是那个上次我从你的邀请码 ， 那个 APP 叫什么 ，Elys，Elys， 它不是也是各到回天吗 ？ 你会看吗 ？ **庄明浩** [18:37] 最开始会看 ， 那后来我也懒得看了 。 **Jess** [18:39] 看过了 。其实是一样的嘛 ， 就是你如果不看 ， 你就不知道它发了什么嘛 。 虽然你给它设置了你的偏好 、 你的性格 ， 包括比如你今天看的时候你会点击认不认同 ， 那这些每一次的你的这个动作本身其实也在丰富它的记忆体系嘛 。 但是这引发另外一个问题 ， 就是到底它跟你之间的关系 ， 很多人会说类似分身 ，但分身又分 ， 它到底是一个比如说性格分身 ， 还是工作分身 ， 还是一个你想营造的分身 ，其实都不一样 。 那对于一个比如说实时方而言 ， 那到底该怎么做 ， 到底偏哪边 ，其实也是一个更复杂的问题 。 所以它现在帮我匹配人了耶 ， 它经常会说在人群中找到一个跟我很像的人， 然后它有时候会聊天 ， 还跟我勾搭上了 ， 真的 ， 我还跟两个就是真人还真聊过天 ， 好搞笑 。 **庄明浩** [19:28] AI 社交的尝试吗 ？ **Jess** [19:30] 对 ， 那这公司现在咋样 ？ 你们聊过吗 ？ **庄明浩** [19:32] 聊过 ， 那公司挺好的呀 ， 那公司早就已经很好了 。 而且说实在一点 ， 就是这个项目在春节期间的引发讨论 ， 我觉得也是有意义的 ， 就是 AI 社交的这个话题 ，因为 AI 社交这个板块也经历了可能其实从传奇里出现的第一天 ， 大家就会说往 Her 的那个角度去走嘛 。 也有很多过程中的公司在这种做各种各样的尝试 ，其实已经经历了几轮的变化 ，但是直到截止到今天这个时间点 ，其实在 AI 跟社交的尝试上， 无论中国还是美国 ，其实没有什么特别冒尖的结论出现 ， 大家还在试 。 那当然可能社交这条路本来就很难 ， 一直以来都很难 ， 那大家对这个事情的期待跟持续投入应该还是会持续往下走的 。 但是到底 AI 跟社交的关系是什么样 ， 然后大家会说社交更多是人与人， 那 AI 加入之后 AI 到底承担什么样的角色 ， 就像刚才说它到底成为分身 ， 另一个你 ， 还是你希望达到的样子 ， 还是说替你 ， 还是说完全它应该有自己的双引号的人格跟灵魂 。 所有这些选择本质上都没有必要拿 ，而且都有人做过 ，而且都尝试的往前走了一些 ，但似乎也都不那么对 。 那到底应该是什么样的方式呢 ？ 就是现在还在试 。 **Jess** [20:48] 你知道吗 ， 我用这个软件还有个突然想到一个点啊 ， 就我不是刚开始会跟它聊天嘛 ， 我不是比较内耗嘛最近 ， 然后就陷入了一些这种就焦虑中， 然后它真的跟我生活中的一个真人就在下面留言 ， 然后大概意思就是说我的主人最近很内耗什么 ， 然后它跑来问我了 ， 它私信问我你最近怎么了 ， 气死我了我跟你讲 。 **庄明浩** [21:08] 所以就这些边界也是问题啊 。 **Jess** [21:10] 对啊 。 **庄明浩** [21:10] 就这些东西的设置 ，因为还是那个问题 ， 就是 AI 尤其是今天就基于大语言模型这一代 AI 能力 ， 它跟传统软件就是不一样 ， 传统软件写 0 跟 1， 写程序写死就是写死的 ， 你程序里写死不允许把私聊那种 ， 那它就不会 。 但是 AI 不是这样的 ， 就你很难设置那么好的围栏把它围住 ，而且你都不知道围栏设在哪 ， 那就导致过程中它就会出现这种这样的 。 但很多人可能会觉得这挺好的呀 ， 谁知道呢 。 而且每个人的口味跟每个人对这件事情的度又不一样 ， 它也不是一个 0 跟 1 的问题 ， 它是个度的问题 。 那这你说反过来讲 ， 如果你是一家公司的这个负责运营或者负责 AI 这个模型算法的公司 ， 你怎么去解决这个事情 ， 你也没有办法 。 **Jess** [21:49] 对 ，因为现在看到很多人不是用那个 OpenClaw， 然后就是搞一些什么套利软件啊 ， 或者是搞一些预测啊什么的 ， 然后我在想未来会不会出现什么安保公司或者是保险公司针对这种 Agent，也有人在做吗 ？ **庄明浩** [22:01] 应该也有 。 **Jess** [22:02] 感觉这个还挺有价值的 。 **庄明浩** [22:03] 就是这个逻辑其实再演生就变成了 ，其实之前如果大家接触过 Web3 的话 ， 就是当年 Web3 讲的很多超级大的叙事 ， 今天其实越来越接近实现了 。 ### 模型与提问 **庄明浩** [22:14] 就原来大家讲 Web3 不是像那样都基于每一条链供链 ， 然后上一层再上一层 ， 大家基于搭建的东西 ，有安全有认证有体系有支付有交互行为 ， 所有交互行为可被记录 。 不就讲那样一个故事 ， 那 Web3 最后到现在样有各种各样原因 ，但是今天你发现 AI 来之后， 尤其是 OpenClaw 这一波来了之后， 它让原来的故事变得更丰满跟更实在 。 你看前两天那个 ， 你像也是集合上一个大伟海星 ，他是原来做 AI 动画的 ， 然后他们给做了一个开源项目 ，是做了一个可视化的办公室给你的龙虾 。其实本身来讲它相当于就做了一个皮 ， 这个皮就是说你可以看到你龙虾的那个样子在比如它的办公室 ， 之后你交代任务它在打字 ， 然后这会它在休息 ， 它在躺着的时候 ， 就它就是给龙虾一个房子 ， 然后可以在你桌面上看到 。 然后呢 ，有人又基于这个软件又做了一层 ，是说能不能让两个龙虾出现在同一个屏幕里 ， 然后它俩比如说赌博 ， 谈恋爱也可以 ， 赌博也可以 ， 比如说就赌一个什么事情 ， 然后拿 token 来赌 。 你看所有的事情全部建立在一个开源 ， 然后可以在一层基础上再建立一层 ， 然后有完整的认证支付权限乱七八糟的 ， 那不就跟原来 Web3 讲的故事一样呢 ？ 只不过今天这个事情变得更可实现 ， 更看得到 ， 看起来更没有那么金融 。 所以现在不是又炒 Web4，不就讲这个故事吗 ？ 逻辑是一样的 。其实这个你再往前推 ， 去年甚至前年， 大家会说为什么做 Infra， 尤其做给 AI 的 Infra 设施的公司得到影响很多 ， 尤其在美国 。 逻辑其实那个时候就有了 ， 就是说我们今天建立的所有互联网的这套体系 ， 从最底层开始到最上面的交互层 ， 全部都是给人的 ，是没有给 AI 的 ， 那应该重新做一遍 ， 那不就跟 Web3 原来的趋势一模一样了吗 ？ **Jess** [23:58] 对 。 **庄明浩** [23:58] 就我们重新再做一套 ， 这个东西不就出现了 ？ 那这个东西出现的时候 ， 那就变成你要从最底层 ， 甚至从协议层开始就要重新搭 ， 协议 ， 然后交互方式 ， 浏览 ， 然后软件应用 ， 权限 ， 安全 ， 支付 ， 电商 ， 社交 ，不就都来了吗 ？ **Jess** [24:13] 我也在想 ， 我在想这一波 AI 搞不好 Web3 又火了呢 。 对 ， 又活过来了 。 **庄明浩** [24:17] 但是就是这一波 ， 反正你看 OpenClaw 的这个作者 ， 宁愿它绝对不会去碰虚拟货币 。 你像国内你看去年今年也火了一个 ， 相当于它是在给这些 OpenClaw 的这个龙虾的建立类似图书馆 ， 或者叫知识库吧 ， 就是你可以在我这然后就学会很多东西 。 那个创始人也说我也明确 ，因为很多 Web3 就会着火 ， 叙事的方式跟演化的路径确实非常像 ， 那就会找上来 。 但是这些人反正就现在不太想碰这些人。 **Jess** [24:46] 那 Web3 行业已经烂了是吗 ？ **庄明浩** [24:47] 偏金融的叙事吧 。 **Jess** [24:49] 好 ， 那你刚刚说两个龙虾碰面什么的 ， 这是我跟你的龙虾是不同的人的龙虾碰在一起 ， 那这不是也是社交吗 ？ **庄明浩** [24:55] 我跟金老 ， 对啊 ， 金老看一个朋友圈发的很有意思 ，他说他也不会写代码 ， 然后他想换他买 ，他用那个龙虾的底层的大模型 ， 就换的过程中因为他不会弄 ， 就换坏了 ， 龙虾就死掉了 ， 然后他找了另外一个同事的龙虾帮他修复了 。 **Jess** [25:12] 是不是厉害 ？ 怎么能想到呢 ？ **庄明浩** [25:14] 对 ， 就是你会觉得啊这也可以吗 ？ 那确实可以 。 **Jess** [25:17] 有意思 。 **庄明浩** [25:18] 而且这波 Agent 呢 ， 就是我今天有个比喻是说它拆破了很多墙 ，其实这个墙本来不应该存在 ，但是它就是 ， 当然也要感谢大语言模型对自然语言理解真的到了一个非常高的程度 ， 然后又因为它理解了之后真的可以做执行 ， 所以它就可以做很多事情 。 你像昨天晚上我看我朋友那个 Tommy 给我发了公众号 ， 就是解释现在这个实验有什么最低门槛的方式可以快速的实施上手那个龙虾 ， 然后他说他逻辑变成另外一种 ，他说不过今天你有一个比如说类似 CodeX 或者 Cursor 这样的 ， 或者国内那些 AI coding 工具 ， 你现在 AI coding 工具也是自然语言 ， 你也不需要你打 coding， 你甚至可以直接把我现在写的这篇文章告诉它 ， 你说你按照这个文章的方式帮我去把龙虾部署上， 就结束了 ， 甚至都不需要去 OpenClaw 官网去点命令行 ，不需要了 ， 理论上连这个都行 。 甚至再极端一点 ， 比如说大家会说很多不懂代码人看到 GitHub 这几个字会觉得是天书 ， 就是高强力的极高的 for 发源 ， 我们知道那里面超级美 ， 那里面有无数的宝藏 ，但跟我没有任何关系 ， 我都不知道该怎么弄 ， 我也不知道打什么 Node.js，也不知道在怎么本地什么 ， 又部署什么环境 ， 我甚至都不知道打开那个页面 ，也没有应用软件让我点 ，也没有 什么东西 ， 那我怎么用 ？ 我什么都不知道 。 但今天你只要告诉 Agent 说 ， 比如说 PDF 文件的拆分 ， 那现在当然有各种 ，但我想用本地 ， 或者我想用不付钱 ， 我直接去 GitHub 搜 PDF 拆分 ， 肯定有开源的解决方案 ，而且已经是这么多年运行非常好的 ， 我直接让 Agent 去说帮我把那个 GitHub 的那个网站的网页的那个 PDF 的开源软件帮我这个机能下好 。 就你都不需要去理解所有的这些什么环境什么部署 ， 你就告诉它这个东西你帮我弄好 。 **Jess** [27:04] 但是现在做不到 。 **庄明浩** [27:05] 可以 。 **Jess** [27:05] 现在已经可以了 。 **庄明浩** [27:06] 已经可以了 。 **Jess** [27:07] OK。 **庄明浩** [27:08] 就已经到这个程度了 。 只不过大家还有一些恐惧 ， 我觉得是有些恐惧 ， 这恐惧来自于过往的很多年的经验的积累跟延续 。 **Jess** [27:17] 明白 。 就是说到我不是 ，因为我都没有玩 OpenClaw 嘛 ， 所以我日常就是跟 Gemini、GPT、Claude 聊天 ， 然后我自己的体感就是 Gemini 是最灵动的 ， 它也比较像我一点点 ， 然后 GPT 是最理性的 ，Claude 是最舔狗的 ， 所以我还挺好奇的 ， 就是是只有我的 AI 才这样吗 ？ 还是说大家的 AI 都是这么被训练的 ， 就是 GPT 很理性 。 **庄明浩** [27:38] 呃 ， 每一个人。 **Jess** [27:40] 都不一样 。 **庄明浩** [27:41] 都不太一样 ， 或者说大模型被训练到今天这个时间点出现的一个变化是说 ，有一句已经被说烂的话 ， 就品味变得很重要 。 那这个品味不单纯是用户的品味 ，其实这个模型在被训练出来的那一刻 ， 它也是带着双引号品味的 ， 这个品味来自于它的训练团队 。 那为什么会这样 ？ 你像今年年初那次北京大会 ， 杨仁讲一个观点是说 ，因为原来的大模型很多大家是用我们叫预训练的方式把数据喂给它 ， 然后就跑出来了 。 但是过去从可能 24 年 9 月份到 25 年初 ， 过去的一整年大家强调候选人， 候选人变成了它出现一个结果 ， 你要告诉它好还是不好 ， 要给它打分 ， 要让它做题 ， 那好跟不好就有审美嘛 。 所以它训练出来的状态 ， 或者说这个模型本身认为什么东西是好的 ， 什么东西是不好的 ， 或者说什么东西是符合人类的偏好的 ， 那它就有不同 。 所以每个模型的出来的状态 ， 包括你使用过程中， 它也会融杂你的偏好 ， 你的记忆 ，不然你对它的评价 ， 那它也会一段一段的产生变化 。 所以它就确实每个人越来越不一样 。 **Jess** [28:47] 明白 。 然后我自己的感受就是 ，因为我觉得你会提问题其实很重要 ， 就你会提它的 prompt 的 policy 重要 ， 那就是本质上来说 ， 它其实是决定了 AI 的上限 ， 那你怎么学会提问题呢 ？ 因为我觉得人会提问题这件事情其实也是有人的能力 ， 你是不是有这种结构的能力 ，也是不是评判一些思维或怎么样 ？ **庄明浩** [29:07] 你在来之前我正在听那个仲芊跟瀚洋他们新的一期播客 ，因为仲芊和瀚洋不是创业做了一家公司吗 ？ 然后他们其实内部的在使用的一套工作流 ， 然后瀚洋也把这个工作流给一些做内容创作的公司讲过 。 我觉得逻辑是一样的 ， 就是说首先就是你要认知到今天 AI 模型的能力 ， 它其实是一种平均值的能力 ，而这种平均值有点类似仲芊比喻说 AI 在做的工作是说差值 。 什么叫差值 ？ 就是说你告诉它 1 跟 2， 然后你让它中间补一个数 ， 它就会补 1.5 或者左右 。 但如果你告诉它 1 跟 1 万 ， 那它补 ， 你就可想而知它补的结果就不可能是一个稳定态 。 所以那就变成了你的很多所有提示词也好 ，skill 也好 ， 所有这些的你在做的事情 ， 本质上是让那个差值的区间可控 。 所以你对它的提示词跟要求 ， 本质上是要做这件事情 。 所以反过来讲 ， 为什么是 OpenClaw 这一出现之后， 绝大部分人体验几年后就结束了 ？ 因为它没有办法把自己 ， 比如说无论是你工作还是你娱乐还是什么 ， 你的需求 ， 比如明确成按比如节奏或者按阶段 ， 每一步要干什么 ， 这一个阶段完成什么工作 ， 然后我需要达到什么效果 ， 然后为什么会这一件事情分成了 123455 个阶段 ， 为什么是这样逻辑关系 。 就这个工作或者这件事情的这个工作方式 ，其实是大家可能没想过的 ， 尤其是很多大家会觉得基础的事情不需要那么复杂 。 现在例子 ， 比如说去年下半年开始 ，AI 漫剧火了 ，其实核心原因特别的简单 ， 最底层原因当然是因为视频模型能力到了 ， 这最最核心原因 。 ### Seedance **庄明浩** [30:50] 但是更重要的原因是说行业摸索出来一套刚才我说的流程 ， 那流程被证明是有效的 ， 然后这种流程就是说分 12345 个人， 从剧本到镜头分镜 ， 然后从镜头分镜到文字到图片 ， 然后从图片到视频 ， 然后再到最后一个类似导演 ， 就是这大概五六个步骤被证明是 OK 的 ，而且人在过程中的每一个步骤的作用 ， 然后它行使什么样的职责 ， 人跟 AI 怎 么分工 ， 一个阶段到下一个阶段 ， 它收进来什么 ， 吐出去什么 ， 怎么验收 ， 变得越来越清楚 。 然后这个链 ， 就这个工作流就被完整的落下来 ， 然后你但凡这工作流能转起来 ， 它就跟流水线一样就转起来 。 就是因为这样一个过程跟这种东西变成了可操作的 SOP， 所以它变成了这样 。 所以今天如果大家用 AI， 就是简单的那就大家不需要 ，但是如果涉及到复杂的 ， 然后你需要一些流程化的东西 ， 你就按工程方向来做 ， 你做内容设计 ， 做小红书 ， 做播客 ， 做什么这那的 ， 那你就把它变成这个样子 。 **Jess** [31:59] 我刚突然想到不是自己说那个 Seedance 吗 ？ 姐妹们 ， 我春节也一直在玩 ， 然后我就给它喂同一个 prompt， 它出来的事情全都不一样 。 **庄明浩** [32:06] 那就是你的 prompt 太宽了 ， 就跟差值一样 ， 你给它 1 到 1 万的差值 ， 它当然做出来就是有可能 2000，有可能 8000，有可能 5000，有可能 2000。 **Jess** [32:14] 明白 。 **庄明浩** [32:15] 所以你看 ， 尤其那一波那个图跟视频生成的 ， 就是这个这个演化 ， 虽然图片跟视频的模型越来越强 ， 越来越厉害 ，但是你发现那一波最厉害的人 ，他们对这些模型的提示词也是越来越长的 。 **Jess** [32:31] 我超长的 ， 我提示词我都已经满了 ， 它不能再超 ，不能超 1000 字 ， 我上 Gemini 帮我 ，也是分镜的好吗 ？ 但是每次出来的视频都完全不一样 。 **庄明浩** [32:39] 还是有很多的差别 ， 还是比如可控性啊 ， 对提示词的理解啊 ， 然后对镜头的理解乱七八糟 ， 虽然在慢慢的内化到模型内部 ，但是依然还是需要外部的更多的输入 。 **Jess** [32:51] 对 ，但是我就在想 ， 比如说时代在发展 ， 比如再过个三年， 我随便不用说三年了 ， 可能三个月搞不好就是影视行业会受到重创 。 **庄明浩** [33:00] 这波 Seedance 大家其实讨论最多的几点 ， 第一就是它理解分镜的 。 **Jess** [33:04] 对 。 **庄明浩** [33:04] 那为什么理解呢 ？ 其实特别简单的逻辑 ， 你想嘛 ， 抖音已经上线几年， 十年多了吧 ， 然后抖音让视频创作者使用抖音 ， 包括使用剪映 ， 它拍出一段原始素材 ， 比如几段原始素材贴在一起 ， 然后剪掉什么东西 ， 保留什么东西 ， 转场怎么设计 。 你像剪映最核心的功能最开始不就是转场 ， 那它当然它在这件事上它知道呀 ， 当然反过来讲就是它知道这些东西跟最后能做出来还是不对等的 ，但是它时间也好 ， 各种各样的原因也好 ， 它做出来 ， 那就代表它在这件事上确实比很多下行商要理解的更深 。 那就导致这一波大家会为什么会认为 Seedance 这一波 ， 虽然那些什么一致性啊 ， 什么画面效果还很强 ，但是更就是让人感觉惊奇的 ， 或者说 wow 的那种感觉 ， 还是在分镜的处理上 。 **Jess** [33:52] 对 。 **庄明浩** [33:52] 就是因为原来人家知道 。 **Jess** [33:54] 是的 。 你自己玩那个吗 ？ **庄明浩** [33:55] 我不太玩 ，不太懂 。 **Jess** [33:57] 对 ， 然后前两天不是还看个新闻吗 ？ 就说 Claude 不是出了一个功能 ， 然后就说什么 60 秒搬空 ChatGPT 那个 ， 那个我当时在想就是怎么能这样呢 ？ 就这个门开在哪呢 ？ 就搬得那么容易吗 ？ **庄明浩** [34:08] 就跟刚才讲一样 ， 你其实是可以直接跟模型说 。 **Jess** [34:11] 是啊 ， 所以我在想 ， 我的意思就是说 GPT 没有想到这点吗 ？ **庄明浩** [34:14] 也不是没有想到 ， 就是反正这个观点就是模型发出来之后， 它就是这样一个东西啊 ， 它的运转方式不就是这样 ， 它就是记着这些东西 ， 然后才不断的跟你交互 。 你跟所有的大家大模型聊天 ， 比如它知道你大概什么工作 ， 什么性格 ， 那它怎么知道的呢 ？ 它记在哪了呢 ？ 它当然有个地方记着了呀 。 那你现在就是说我要把你记的东西拿出来 ， 理论上那段提示词不就是说这个吗 ？ **Jess** [34:35] 是啊 ，但我意思我以为它们有个防火墙什么的至少 。 那这样的话不是 Gemini 能搬吗 ？ **庄明浩** [34:39] 理论上都可以啊 。 只是说搬出来之后， 搬出来之后它能用成什么样子还是不一样 。 **Jess** [34:45] 那为什么这个新闻不是搬 Gemini，是搬 GPT 呢 ？ **庄明浩** [34:48] 因为最近不是那个美国出了一些状况吗 ？ 就是五角大楼跟那个 Anthropic 撕开了嘛 ， 然后 OpenAI 马上不就把这个事情接过去了吗 ？ 那美国民众就觉得 OpenAI 不可信 。 所以你看这一周末 ， 美国那边 ABC 早报搒单 ，Claude 马上就变成第一了 ， 大家都去下 Claude。 那就是美国人民的这个诉求还是很朴素的嘛 ， 对吧 ？ 你在瞎搞 ， 然后你跟特朗普搞这些乱七八糟的 ， 我都不喜欢 ， 那我就换 。 但换的在于确实 GPT 在记忆这一层 ， 尤其对于人跟人沟通 。 因为 GPT 在过去一年多其实纯产品端的最大的 ， 或者说另外一个说法是说 ，OpenAI 在 ChatGPT 的产品上在赌的是 ChatGPT 跟你频繁的沟通和聊天 ， 能够记住你的所有的这些偏好 、 性格 、 要求 ， 包括所谓的谄媚 ， 所谓这种东西是它的护城河 。 它是通过这个方式建立起跟其他产品的区隔 ，并且保证留存的 。 但是今天就是有一波用户说我一定要离开你 ， 所以那个东西不就变得重要了吗 ？ 因为上周末是一个特殊的原因导致的 。 **Jess** [35:50] 对 ， 然后要么就说一下国内的那嘛 ， 春节他们 ， 我看他们还下订单买奶茶啥的 ， 我都没参与这波 。 ### 国内竞争 **Jess** [35:56] 等我看到新闻的时候奶茶已经没了 。 国内这帮人在玩什么 ？ 抢用户 ？ 就还是很互联网思维 。 **庄明浩** [36:02] 大厂是啊 ， 大厂没办法呀 。 就本质上春节这场战争 ，其实从结果来看没有任何意外 。 第一的还是第一 ， 第二还是第二 ， 第三还是第三 ， 甚至曲线都没有什么变化 ， 就可能有一个波峰上去掉下来 。 但是春节就是这么特殊 ， 所以中国就这么特殊 。 它就是囚徒困境 ， 别人弄了你就得弄 ， 虽然大家知道弄起来可能看起来也没什么用 。 **Jess** [36:22] 明白 。 对 ，因为说国内我就很好奇 ，因为国内不是有什么六小楼吗 ？ 就他们到底在比什么呢 ？ 就他们的差异化是什么呢 ？ **庄明浩** [36:29] 国内现在可能也就四五家了吧 ， 像百川跟零一已经不太碰纯模型的事情了 。 远离这个主战场啊 。 那剩下的四家加 DeepSeek 的吧 ， 算 。 **Jess** [36:38] 对 。 **庄明浩** [36:38] 然后每一家 。 你要说目标其实一样 ， 就还在追那个最投入模型的那个最尖的那个东西嘛 。 对 ，但只不过每家追的方式跟去赌的东西不太一样 。Jupyter 去年开始赌 Coding， 然后 Kimi 在赌 Agent，MiniMax 其实一直在赌多模态 。 那今天你会发现 25 年还能这么讲 ，26 年其实大家赌的是一件事情 ，因为所有的桌都变成一桌 ， 就是 Coding、 多模态 、 语言 、Agent 其实在一桌 ， 然后所有人的目标都是一样的 ， 就变成大融合了 。 包括这两天讨论最多的这个千问的这个事 ，其实也跟这个有关系 。 你像原来大家谈论大模型的时候 ， 就语言模型 ，ChatGPT、Claude， 然后国内的什么 DeepSeek、 豆包 ， 然后这几家初创公司 ， 本质上也是在做语言 ， 就对话嘛 。 这是一桌 ， 然后另外一桌是多模态 ， 图 、 语音 、 视频其实是另外一桌 ， 就是做事方式不太一样 ， 或者东西也不太一样 ， 只不过可能底层原理是一样的 。 但是做着大家发现是一桌 。 什么叫一桌呢 ？ 比如今天这实验里 ， 你跟比如 Gemini 说 ， 你帮我生成一张 ， 比如前两天大家讨论什么 2028 末世论 ， 我不把网页链接跟文字贴给你 ， 我只跟它说 ， 你帮我生成一张关于 2028 末世论讨论这篇文章的 ， 比如信息图 。 你想这个实现逻辑啊 ， 就说第一它要去搜找到这篇文章 ， 然后它要理解这里面的文字 ， 然后要做总结归纳 ， 然后做成图产出结果 。 所以它要理解 ， 就它不单纯只是说画一个画就结束的事情 ， 它把语言的理解跟图片生成是放在一起的 。 那今天实验里你会发现 ， 同文厂商都在追求的就是我们叫多模态近 、 多模态出 。 所以你看 Kimi 最新的模型 ， 你看原来这几家中国的公司 ， 尤其是初创的大模型公司 ，是几乎不碰多模态的 。 早年的 Kimi 也好 ， 智谱也好 ， 都是没有图片 。 **Jess** [38:42] 对 ， 我之前就想特别好奇为什么不做 ，是因为这个门槛很高吗 ？ **庄明浩** [38:45] 原来是分开的 ，其实是两桌 ， 实现路径要求的东西不太一样 ，但你发现变成一种像 。 所以今年春节 Kimi 发了 2.5， 第一次就是多模态了 ， 智谱也开始了 ， 然后 DeepSeek V4 截止到大家今天录制还没有发布 。DeepSeek V4 最大的变化 ， 除了刚才大家提到的 Agent 模型能力之外， 大家猜测最大的变化可能是支持多模态 ， 就变成了所有人在一个桌上 。 本质上讲 ， 文字也是模态的一种 ， 它不是一个意外 ，不是一个独立的 。 所以变成了这个状态之后 ，其实本质上讲 ， 你像今天我们讲千问 ， 林俊杰在年初的表态是说 ， 如果他还在位的话 ， 千问大模型今年的目标是三进三出 ， 就是文字 、 图片 、 视频进 ， 我不区分 ， 你什么都能进 ， 文字 、 图片 、 视频出 ， 就一个模型搞定 。 而不像原来那种分 ， 你今天是文字模型 ， 今天是图片 ， 它今年的目标原来就是这个 ， 导致的结果是说它要做这个 ， 就需要把所有东西进来是一样的 ， 运转训练是一样的 ， 后训练也是一起 。 所以它要做的事情是把所有事情放在一起来做 ， 才能保证这个结果 。 但今天阿里云的组织架构是要把所有事情拆开 ， 预训练团队是预训练团队 ， 模型团队是模型团队 ， 后训练团队是后训练团队 ， 多模态团队是分语言 、 视频 、 图片的 。 这个事情的组织架构的设计 ， 跟它表态想做的那件事情之间是对立的 ， 所以出现了今天所有的事情 ，是这个原因导致的 。 那你说谁对谁错 ， 没有谁对谁错 ， 就是这个东西也是在动态变化过程中 。 **Jess** [40:14] 对 ，因为我知道 MiniMax 一开始就是多模态嘛 。 我就是好奇 ， 就是它这个是很难度很高吗 ？ 就为什么大家一开始不都做多模态 ？ **庄明浩** [40:21] 或者说 ， 所以这个 MiniMax 刚才我就想说 ，MiniMax 刚刚发了今年的财报 ，MiniMax 今年的目标也是一样 ， 放在一起 。 原来其实它是分开的 ， 就是 MiniMax 2.5 是 Agent 跟语言模型 ， 然后有视频模型 ，有独立的 ，他们还有语音 ， 然后还有对应的是你的海螺产品 ，但今年他们就想归拢到一起 。 **Jess** [40:41] 明白 。 哎 ， 我突然在想 ，Gemini 生图的时候不是什么 Nano Banana，他们那时候也是分开的对吧 ？ **庄明浩** [40:47] 最开始是 ，但后来 Nano Banana 最强的一点在于不是画一张图画出来 ， 它在于理解所有的背后的逻辑 ， 就是它把知识的理解跟搜索融在了模型里 ，而不是分开 。 所以你比如说那时候你像 Gemini，Nano Banana 最开始出现最多的一个案例是画那个你在任何一个地方打卡的照片嘛 ， 比如说我让它画在希腊那个最有名的那个海边的那个小镇上打卡 ， 把我照片放进去 。 你说你没有给它希腊那个乡村的照片的图例哦 ， 按原来的视频模型 ， 图片模型是说你要把那个希腊的那个小乡村海边那个照片给它 ， 然后把你的照片也给它 ， 把两张照片拼在一起 ， 那是原来的模型的能力段 。 但今天告诉它 ， 我只把我的照片给你了 ， 然后我告诉你说你把我放在那个地方 ， 那就代表它知道那个地方在哪 ，并且知道那个地方是什么样子 ， 然后才能把你画进去 。 就它跟原来那个方式就不一样了 ， 它就不单纯只是画一张图就好了 。 **Jess** [41:44] 明白 。 那我在想技术变得那么快呢 ，AGI 哪一天能实现呢 ？ **庄明浩** [41:47] 不知道 ， 没人知道 。 而且现在还是那个问题 ， 业界连对 AGI 的标准依然到今天没有定论啊 ， 就什么叫实现 AGI 呢 ？ **Jess** [41:55] 那就是它有自己的脑子啊 。 **庄明浩** [41:56] 那现在没准它已经有了呢 ， 谁知道呢 。 就这个评判标准也是问题啊 ， 对吧 ？ 就是有人会说一个标准 ， 就这个标准也是在变化的 。 这个标准是说 ， 如果今天我们为给大模型的所有的基础数据截止到比如 1911 年爱因斯坦发表相对论之前 ， 那模型自己能不能推出来相对论 ？ 如果能 ， 理论上说就至少实现了人类的脑子的迹象 。 但问题在于 ， 就是说没准它今天已经可以了 ，但我没有办法只给它截止到那个时间点的数据 ， 包括怎么去实现这个现象 ， 你还要给它就是引导 。 那这个过程怎么去评判 ， 你到底是给了它引导 ， 还是给了它数据 ， 还是给了什么才出现这个结果 ， 你也不知道 。 所以这个评判标准本身也是一个很 ， 还要用钱去算的 ， 用什么 90% 场景解决什么人类 90% 的工作 ， 那这个数字本身也是很难很难 ， 什么叫 90% 的场景 ？ 场景是有无数个的 ， 对吧 ？ 所以这些东西到今天依然没有定论 。 **Jess** [42:52] 我突然有点好奇 ， 就是他们现在不是很多人说模型之战其实是国战吗 ？ **庄明浩** [42:55] 中美两国之间的战争 ，是啊 。 **Jess** [42:57] 那我在想中美现在最大的差异在哪 ？ 就美国有更多的钱 ， 还有什么 ？ **庄明浩** [43:02] 美国的状态是说它还是有世界上最好的人工智能 ， 然后钱 ， 就是整个金融系统是很支撑得住这件事情 ，因为它确实需要太多的钱了 。 钱可能会演化成什么能源啊 、 电啊 、 甚至太空啊 ， 乱七八糟的一些事情 ， 然后整个体系也支持创新了 。 但美国的问题变成了 ， 美国可能只有这个了 。 就如果美国 AI 让输了 ， 那就不就完了吗 ？ 美国就没有可依靠 。 但中国这边相对还好 ， 我们至少还有很强的制造业 。 而且为什么比如巨升这一波 ， 中国发展明显要比美国更好 ，也是有很多历史原因 。 比如说我们上一代是政策引导是电动车 ， 电动车很多什么零部件的这个能力是可以自动到巨升 ， 然后巨升这一波又因为 AI 大模型的兴起 ， 它又到了一个新的阶段 ， 可能又因为中国的消费市场的广阔 。 所以中国这一波它有很多的双引号的议题 ， 你很简单 ， 炒一股 ， 主题特别多嘛 。 不仅仅只有人工智能 ， 甚至可能人工智能 ， 尤其是偏软的人工智能 ，是所有这些主题当中相对偏后的一个主题 ， 它不是一个最核心的 ，但美国那边可能只有这一个主题 ， 没有别的主题了 。 **Jess** [44:09] 但我觉得巨升这一波很傻呀 ， 没有什么 C 端的场景 。 **庄明浩** [44:13] 不在乎 。 就是某种程度上说 ， 我在年底总结 PPT 的时候 ， 我总结观点是说 ， 我们无论主动还是被动 ， 还是意外， 找到了一种中国特色的金融市场支撑 ， 所谓可以创新的路 。 就是你看这几家 ， 首先看芯片的几家公司 ， 然后马上要上的巨升跟商业航天的几家公司 ， 都是一样的 ， 纯从收跟用户的覆盖角度来讲 ， 还非常早期 。 但是因为它有别的因素 ，有政策 ，有乱七八糟 ， 它就可以在很短的时间得到足够多的支持 ， 双引号的支持 ， 各种各方面的支持 ， 金融市场的支持 ， 钱的支持 ， 政策的支持 ， 它就可以把它提到一个可能本来不应该属于它的状态里 。 那你说是好是坏 ，也没人说 ，但反正就是你会发现这套叙事已经变成一种 SOP 了 。 大家为什么那么关注十五五计划里提到这些关键词 ，也是这个逻辑 。A 股为什么买单这么多方向 ，也是这个逻辑 。 **Jess** [45:15] 不过我之前还挺意外的 ， 就是现在不是说美国也有一些机构在看中国的这些 AI 吗 ？ 可以这样吗 ？ 那这样的话不是会有些信息泄露啊什么的 ？ **庄明浩** [45:24] 但这个事情 ， 哎呀 ， 那反过来讲 ， 那这个事情论跑到根里是没有底的呀 。 那这几家 AI 模型公司都拿美金的 ， 你不说 ？ **Jess** [45:30] 对啊 ， 对 ， 我就是这个好奇 。 **庄明浩** [45:32] 那这个问题跑到底就没有办法了 ，因为它不是个 0 跟 1 的问题 ， 它有太多中间的度的问题 。 所以为什么刚才我说那个 ， 我刚才一句话也是说 ， 我说在那些中国市场的议题里面 ， 偏软的人工智能 ， 尤其大模型这一波 ，其实偏后， 原因也是因为一样的原因 ， 就是为什么智谱没有在 A 股上市 。 它肯定是努力过的 ， 它的背景也非常适合 A 股 ，但为什么最后它还是只能去港股 ，也是个原因嘛 。 **Jess** [45:57] 明白 。 所以你觉得下一步是什么呢 ？ 哪个接口 ？ ### 风口与瓶颈 **庄明浩** [46:00] 哪个接口也吵了很久了吧 。 **Jess** [46:02] 但是应用还少啊 。 **庄明浩** [46:04] 看能什么时候这些公司推到 ， 就是我觉得跟排队一样 ， 就是优先排的是芯片这几家嘛 ， 国产芯片嘛 ， 然后现在在排的是巨升嘛 ， 后面商业航天嘛 。 **Jess** [46:15] 明白 。 对 ， 还有就是现在不是很多都是套壳吗 ？ 我其实我一直不理解 ， 就是套壳就是套了一个 API。 **庄明浩** [46:22] 套壳就是壳的作用 ， 相当于是让用户更简单跟更容易的体验到 AI 的技术能力 ， 可以一直都有价值 ， 只不过它的价值会变大变小 ， 会在周期内出现一些变化 。 **Jess** [46:34] 但是套壳的本身就是更容易被模仿 ，其实它核心竞争力更少 。 **庄明浩** [46:37] 这个问题就是说 ， 那到底什么样的创新叫技术创新呢 ？ 只有那些最底层的 、 最原始的才叫吗 ？ 并不是呢 。 所以反过来讲 ， 就套壳这个观念还是一个太宽的概念了 。 就狭义上套壳确实意义有限 ，但是它有一段周期性的窗口期 。 但广义上套壳 ， 就这个问题就变得特别的宽了 ， 就很难去解释得那么清楚 。 或者说再直白一点 ， 本质上来讲 ，ChatGPT 就是 GPT-3.5 的套壳啊 。 就 GPT-3.5 是个模型嘛 ， 那模型对用户而言是没法直接用的 。 你直接用 ， 实际上你要在外面做一层皮嘛 ， 那层皮可能就是交互 UI， 是一种体验方式 ， 是一种流程设置 ， 甚至包括复杂的账号 、 权限 、 安全 、 隐私那些东西 ， 那不都是壳吗 ？ **Jess** [47:22] 对 。 明白 。 我突然好奇 ， 就是因为 MiniMax 和智谱已经上了 ， 那剩下的不上的原因是 ？ **庄明浩** [47:28] 也在上， 今天马上上了嘛 ， 已经暴露在港股嘛 。Kimi 不着急 ， 好处是说特别简单 。 我在写今天的 PPT，MiniMax 跟智谱的股价是虚的 ， 大家都知道 ， 所有人都知道 ，但是它们的暴涨会让 Kimi 的意向估值得到提升 。Kimi 融的钱是真金白银的这样 。MiniMax 跟智谱的股价涨跟跌 ， 对公司现金流是没有影响的 。 **Jess** [47:49] 我懂了 。 **庄明浩** [47:50] 但 MiniMax 跟智谱涨 ，Kimi 就可以涨价 。 **Jess** [47:54] 明白 。 所以说 AI 的瓶颈主要是算力 ？ **庄明浩** [47:59] 现阶段 ， 从用户端而言可能是算力 ，但是对于这些公司而言可能是数据 。 因为就三件事情嘛 ， 算法 、 数据 、 算力 。 算法层是算按照刚才我们聊的算纯底层技术创新了 ， 这东西没有那么容易 。 你可以说 GPT 发布到今天 ， 算法层面几乎没有太大的创新 ， 都是小的边缘的创新 ， 纯底层的要一的创新很难 。 当然现在很多公司在想能不能有新的创新 ，但这个是一个不可知的 、 不知道多久会怎么样的一个事情 。 所以这是算法 。 所以对于现在已经成熟的公司而言 ， 手头的事还是基于算法的改进优化这些事情 ， 就算法层 。 算力层的问题在于 ， 它现实的受到很多物理的因素的影响 ， 无论是电还是芯片本身的大小 、 它预算单元的数据 ， 包括生产的周期 ， 乱七八糟这些事情导致的建设啊 、 土地啊 ， 一系列的问题导致的这个现在的情况 。 然后中国这边可能又还要加一个因素 ，是中美的限制的问题导致的 。 然后你看明显的感觉就是 ， 大家原来会认为算力已经够了 ， 阶段性是够了 ，但你一看 ，但凡有新的 ， 或者说 AI 这三年已经经历过类似一个 Merlin 域的状态 ， 就是说 Merlin 域就是每 18 个月芯片的能力会翻一翻 ，但同时 Merlin 域会有相同的意思 ， 说你翻的这些能力会被软件也消耗掉 ，因为 你的软件会变得越复杂 。AI 也一样 ， 原来大家会认为 ， 比如说模型在便宜 ， 算力可能看上去也在便宜过程中 ，但是不断出现新的东西 ， 它会吃掉这些算力 。 这波 OpenClaw 尤其明显 ， 你会发现大家所有人都非常缺算力 ，因为确实你让一个 AI 去跑一个很复杂的东西 ， 尤其是原来给人类设计的东西 ， 让它去跑 ， 它就是要耗很多的算力 。 那这些东西一旦起量 ， 你看你发现 ， 尤其这些初创公司 ， 算力马上就不够用了 。 智谱发了智谱的 GLL5 之后，Coding 能力确实非常强 ， 然后再加上 OpenClaw 来了之后， 大家想接 ， 你发现智谱去卖那个它的 VIP 的时候 ， 它都开始限量卖 ，因为它卖了之后， 它就要给人停服 ， 它发现它的算力不够 ， 它都不能敞开卖 。 不是它不想卖啊 ，是它不能敞开卖 。 所以现在它已经有退款了 ， 模型卖 API 公开要退款 ，因为它发现我服务不了那么多用户 。 **Jess** [50:06] 我在想它是有服务多少用户就要退款 ？ **庄明浩** [50:08] 没有很多用户啊 ， 那就代表就是因为这一波 OpenClaw 带来的这一波变化 ， 它就是一个几何量级的算力爆炸 ， 真的 ， 对吧 ？ 那初创公司明显的看到这个 ， 那连千问这种都说算力会受 ， 即便是阿里云跟字节跟腾讯这种公司 ， 如果真的放开 ， 你就很简单 ， 为什么春节期间 Seedance 排队排几个小时也是一样吗 ？ **Jess** [50:31] 现在晚上也排很久 。 **庄明浩** [50:32] 你想 ， 你反过来讲 ， 就是它真的那么火 ， 你想真的上手去用的人能有多少 ？ 那个量级不会是一个特别恐怖的数字 ， 相对于比如抖音一天有 8 亿用户 ， 它绝对不可能是一到 1000000000， 它可能到几十万撑死了 。 但你想嘛 ， 几十万人生成一个视频 ， 就已经让字节这种体量公司要排队几个小时， 每天在用的这个人数的基数 ，不会是一个特别大的数字 。 但是即便是这样一个数字 ， 字节这个体量已经天天疯狂堆算力了 ， 字节也没有上市 ，也不在乎财报 ， 能买肯定应买尽买的公司一定是这样的 。 但即便是这样 ， 它也会觉得有压力 ， 对吧 ？ 所以算力是这一层 。 然后数据 ， 我会觉得 ， 或者它会边境上带来更多的差距 ， 数据能带来的差距可能是一个更广泛的话题 ， 变成了就像刚才我们举例 ， 字节的这个 ， 为什么这一轮智能模型这么强 ， 为什么别人无论是中国公司还是美国公司 ，不太看得起 ， 看得追得上 。 原因就是因为它在广泛意义上的数据上建立了太多的优势 。 当然数据 ， 或者你有独特的数据 ， 或者双引号你的数据好 ， 跟做出好的模型之间不是等号 ，不是你有就能 ， 它是有很多别的事情导致的 ，但是你没有就肯定不能 。 所以它是这样一个事情 。 所以为什么边际这三个因素在这个时间点 ， 对于用户而言 ， 确实算力明显感觉到更紧张 ，但对于在做模型的厂商而言 ， 数据这层工作边际的带来的变化跟区别会更大 。 **Jess** [51:56] 你比较看好谁啊 ？ **庄明浩** [51:57] 都挺看好的 。 而且我还有个观点 ， 就是就因为咱们做投资 ， 一级跟二级的状态的某种意义上的回暖 ， 会对这个东西有促进是一定的 。 **Jess** [52:08] 比如说你看了这么多创业者嘛 ， 你觉得这批 AI 的创业者跟之前互联网的创业者有什么不同吗 ？ 比如他们可能更理想主义 ， 或者是更极客 ？ **庄明浩** [52:16] 我还是觉得在这个阶段确实看上去是这样 ， 比如更年轻 ， 然后更国际化 ， 或者说第一天想的就比较多 。 因为今天 AI 这波初创的公司 ， 首先 AI 是业界最大的共识 ， 这共识已经持续了很长时间 ， 所以不需要再去探讨很多更细枝末节的问题 。 然后第二点 ， 确实中美在这个时间点的很多议题跟原来完全不一样 ， 政策 、 监管 、 乱七八糟这些事情导致的 ， 你会对今天的 AI 公司的初创公司的创始人的要求变得更复杂 、 更多样 。 当然这个创始人的画像也变得不太一样 ， 跟上一代的比如英皇岛那一波 ， 甚至跟消费那一波都不太一样 。 比如大家更偏向比如技术出身 ， 尤其是科研出身 ， 然后当然中间也有很多坑了 ，是吧 ？ 然后可能会更觉得第一天就要国际化 ，但国际化也有分 ， 国际化也不是个 0 跟 1 的问题 ， 它也分很多度 ，是到底是在中国公司服务全球客户 ， 还是说第一天就去海外， 还是怎么样 ， 乱七八糟各种各样的事情 。 然后还有更复杂的是 ， 可能今天这个时间点 ，AI 这波因为整个行业变化的速度过于快 ， 导致的结果是说 ， 你对很多项目的评判是不能以原来的时间刻度去评判的 。 原来时间刻度可能是按比如半年到一年的事情 ， 今天可能要按月或周的方式 ， 甚至说原来大家的方式是说我给你一笔钱 ， 然后你做到一个里程碑 ， 然后你再去融一笔新的钱 。 现在你在一个过程中， 给你的钱你要试 6 次 ， 甚至 10 次 ， 才可能试出下一个东西 ， 或者说你要试很多的功能 ， 或者很多东西的调整 。 就是这个变的东西的 ， 比如说不红不火 、 跨越的状态会变得特别的强烈 ， 跟原来那种按部就班 、 相对长一点点时间的考量方式完全不一样 。 所以就会导致你可能今天投一家公司 ， 我们聊的时候在做这个 ， 过两天它已经完全不做这个事 ， 做别的事 ， 就太常见了 。 然后再做两年发现这个也不行 ， 然后再做 。 **Jess** [54:09] 那个大模型也没什么机会了 ， 现在 AI 还能投什么呢 ？ 硬件 ？ **庄明浩** [54:13] 去年 AI 硬件比较火嘛 ， 然后 AI 英法比较火 ， 尤其是美金市场 ，AI 英法更火 。 **Jess** [54:19] AI 英法就技术设施 ？ 各种刚刚你说的底层那些乱七八糟的 。 **庄明浩** [54:24] 今年还不知道 ， 谁知道 。 今年肯定是 OpenClaw 带来了这一波新的机会 。 **Jess** [54:28] 但其实也是 。 **庄明浩** [54:29] 没有什么呢 ？ 其实没有新的机会 ，其实还是 Agent 那条主叙事的延续嘛 ， 只不过确实大家看到了更多机会 ， 或者说打开了一扇窗 。 就原来 ， 我看那天极客那个 Orange 讲 ， 我觉得逻辑 ， 虽然这话听起来有点糙 ，但我觉得是一样 ， 就这个逻辑是对的 。 就是说去年 Meta 的火应该是 4 月还是 5 月 ，但是 Meta 像 iOS， 它是个封闭体系 ， 它就是那么个东西 。 但 OpenClaw 像安卓 ， 它是开源 ， 它可以基于它的这个生态做更多 ， 谁都能做 ， 理论上谁都能做 ， 那它就被打开一扇窗嘛 。 所以这个事情为什么大家会兴奋 ， 为什么会讨论那么多 ， 甚至这种讨论已经不仅仅局限在这个软件本身的事情上 ，也是这个原因 。 **Jess** [55:12] 明白 。 我还挺好奇的 ， 就是因为很多人现在会用 OpenClaw 给自己爬各种信息 ， 比如论文啊什么的 ，但是很多可能是噪音 ， 怎么鉴别呢 ？ **庄明浩** [55:24] 那在 OpenClaw 之前不也一样吗 ？ 你去用大模型去搜 ， 去找东西 ，也有很多幻觉乱七八糟的一样的 。 所以今天这个时间点 ， 还是那个观点啊 ， 就是模型它很强 ，但是它的强是一定是有一定局限性的 。 就是你希望得到的东西 ， 最好是越明确跟越清楚 ， 理论上说是越能够给你好 。 所以这个回到那个老生常谈 ， 还是你的 。 **Jess** [55:49] 还是你的提示词 。 **庄明浩** [55:50] 对 ， 你的能力的边界导致的 。 **Jess** [55:52] 对 ，因为很多人都说 ， 所有行业都值得 AI 重新做一遍呢 。 怎么看 ？ **庄明浩** [55:57] 值得是值得 ，但是过程中有太多的 ， 就你不能把这句话当成是一种尚方宝剑 ， 或者说就是这句话并不能指引你做更细节的执行 。 比如我们公司做游戏的社交的 ， 大家原来都认为 ， 或者也不是认为 ， 就历史上已经无数次证明 ， 天体相关的科技技术爆发 ， 大概率会在娱乐这个板块优先得到验证 ， 对吧 ？ 这个结论是不太有太大错 。 那 AI 这一波看上去应该也是这样 ，但是就这个结论 ， 或者就像 AI 重新做一遍这种话 ，是大家能够开始这件事情的原因 。 但是怎么做 ， 做到什么程度 ， 阶段性得到什么样的结果 ， 选的哪条路 ， 都是一团麻 。 就是甚至可能 Mirror 这件事情做完三年大家发现所有人全错了 ， 然后推倒重新再来 ，也有可能 。 那其实都是这样的结论 。 所以那似乎很多行业也都是会类似经历的 ， 就是这个行业存在在这这么长时间 ， 它是这个样子 ， 它当然会有很多的问题 ， 大家都知道 ， 那它存在就一定是有原因的 。 就它不是一个没有人看到这个问题 ， 然后没有人解决 ， 它不是这样的 。 那新的东西来 ， 确实可能会在某些环境上对它产生一些影响啊 、 促进啊 、 改动啊 ， 那这些东西到底怎么用 ， 用到什么程度 ， 用什么样子 ， 阶段性求什么样的结果 ， 过程中要不要犹豫纠结 ， 都是问题 。 **Jess** [57:21] 那现在有做 AI 游戏了吗 ？ **庄明浩** [57:23] 无数公司都在做 ， 无数公司 ， 大公司小公司都在做 。 **Jess** [57:28] 有做好了吗 ？ **庄明浩** [57:29] 那就好 ， 标准怎么了 ？ **Jess** [57:31] 用户量很大啊 。 **庄明浩** [57:32] 那不行 ， 这是移动互联网时代的指标 ，不能看 AI 时代 。 **Jess** [57:35] 真的啊 ， 就是不看用户了 ， 那现在看什么呢 ？ **庄明浩** [57:37] 不知道 ， 连看什么都不知道 。 所以优先 ， 可能从结论来说 ， 优先能够看到的是 AI 的带来的 ， 比如说降免增效的能力 ， 这个是能看到 。 但是它走到这个议题里 ， 你就发现它不性感了 ，但反而可能不性感也是好事 。 就是你的 ROI 算得过来 ， 对吧 ？ 你的实施路径比较清楚 ， 对吧 ？ 你不需要犹豫就行 。 但是大家当然希望那个理想的东西会来 ，但是问题在于 ， 理想的东西一定不是凭空出现的 ， 它一定是因为各种各样的努力 ， 人做了各种各样的努力跟拓展 ， 然后包括底层技术的提升 ， 环境的变化 ， 竞争乱七八糟 ， 它是多方的因素导致到一个节点 ， 突然间出现了一个 ， 就跟 OpenClaw 一样 。 那你不能因为你期待那个 ， 就不做前面的事情 。 但问题在于 ， 很可能大家做前面的全都是炮灰 ， 那怎么看呢 ？ **Jess** [58:23] 是啊 ， 你现在有看到什么特别好玩的项目 ？ **庄明浩** [58:26] 也谈不上好玩吧 ， 就是大家都在做类似刚才我说前面那一段的事情嘛 ， 尤其在游戏的社交这个板块嘛 。 就是从去年年底开始 ，有一堆做 ， 我们叫在游戏这个板块想尝试做 AI 生成游戏 ， 然后 AI 生成游戏听起来是个特别大的概念 ， 那就变成我们把这个概念收敛 ， 用 AI 的什么能力生成什么样子 ， 或者什么类型 ， 或者说什么体量的游戏 ， 你要给它加新的引词嘛 。 然后你这些新引词加到一定程度 ， 你发现这个东西可以做了 ， 就有些公司开始做了 ， 然后也做出来一些东西 ， 然后它确实做出来的东西 ，因为你加了足够多的新引词 ， 所以它做出来的东西看上去是可以能做它加了新引词这个描述的东西的 。 但是做完之后你发现它哪怕把东西做好了 ， 你也会因为它加了太多的新引词 ， 你会觉得那个东西不够 sexy。 但是反过来讲 ， 就是它就是一步一步的扩张 、 收敛 ， 再扩张再收敛的过程中， 才慢慢慢慢打开的 。 **Jess** [59:25] 我在想如果拿 AI 做游戏的话 ， 它烧了 token 和用人工去做 。 **庄明浩** [59:30] 对 ， 这是另外的问题 ， 这是另外的问题了 。 就是就跟自动驾驶一样嘛 ， 美国为什么推得那么合 ， 因为美国司机贵啊 ， 那中国为什么会有阻力 ， 就是因为中国的司机便宜嘛 。 **Jess** [59:40] 对啊 。 **庄明浩** [59:41] 一样的问题 。 **Jess** [59:43] 像黑神话悟空这种 ， 我以前一直不知道这游戏它的到底它的牛逼在哪 ， 还叙事吧 ， 它画面 ， 那这个 AI 其实是 。 **庄明浩** [59:50] 理论上可以 。 **Jess** [59:51] 对 。 **庄明浩** [59:51] 那就跟我做 PPT 一样啊 。 **Jess** [59:53] 是啊 。 你确实还手搓的 ， 你搓得很好看 。 **庄明浩** [59:56] 那它好看来自于哪呢 ？ **Jess** [59:58] 就是很清晰 ， 然后颜色啊配色啊 。 **庄明浩** [1:00:01] 你看你是 ， 你反过来讲 ， 你所有的这些对于它的描述 ， 理论上都是可以让 AI 的 。 **Jess** [1:00:06] 对 。 **庄明浩** [1:00:06] 给 AI 的 。 就我让你什么什么香木风 、 淡色系 、 什么可视化信息图 ， 理论上都是可以给到的 。 而且它也理解这些话题背后代表的含义 ， 应该是 ， 就像我们刚才说的 ， 今天的图片生成模型已经完全的理解我们所说的这些交流 。 但即便是这样 ， 当然这个话也仅限于一段周期感说 ， 就这个水位在慢慢慢慢往上升 ， 明显感觉到已经到脖子这了 。 就基本上， 除非是我们这种吹毛求疵的要求 ， 大部分场景已经几乎不太需要 。 但问题在于 ， 就是黑神话悟空就是游戏领域的它尖儿上的那个流水线工程化的体现 ， 它就只能要求所有事情做到 99 分 ，95 都不行 。 它只能在它体系内的某些块可能 95 分够 ， 它觉得现在模型比如到 80 分 ， 再加点人工达到 。 但是在那些最核心的地方 ， 它没有办法 。 那但是问题在于 ， 要求比达到 99 分的厂商越来越少 ， 大部分情况下是不需要的 。 **Jess** [1:01:07] 对 。 **庄明浩** [1:01:08] 那 PPT 就是典型 。 ### 应用与建议 **Jess** [1:01:10] 你现在拿什么做 PPT？ **庄明浩** [1:01:11] 我自己用 Canva。 **Jess** [1:01:12] 哦 。 **庄明浩** [1:01:13] AI 现在太强了 。 **Jess** [1:01:14] 我之前记得有一个人给我推了个网站 ，是专门做 PPT 的那个 ， 叫啥来着 ， 我以为你拿他弄的 ， 挺漂亮的 ， 做的 。 **庄明浩** [1:01:20] 就是这个变成另外一个 ， 大家刚才我们提过很多审美是核心 ， 就这些 ， 你说做个网站 ， 做个 PPT， 做一张小红书上的题图 ， 做一个 ， 就这些可视化的东西吧 ， 我们叫 。 那什么叫好看呢 ？ 对吧 ？ 就是它的标准 ， 它的 ， 然后我看前两天有一个很有意思的报告 ， 如果你有兴趣可以放在你的存档里 ， 它就是一个设计咨询公司 ， 然后去调查了可能十几家最头部 AI 公司的它们的网站 、 它们的报告 、 它们的产品的 UI 界面 ， 然后去归纳了几条在 AI 这个时代的设计风格 ， 我觉得写得很好 。 比如说都是什么淡色系啊 ， 什么手绘风啊 ， 什么赛博朋克风格 ， 然后你还是可以归纳出来一些关键词 ，但你想啊 ， 这些东西一旦被归纳 ， 你理论上就是可以为 AI 让它去遵循这个原则来做 ， 那它就会越来越偏向这个审美跟偏好 。 **Jess** [1:02:16] 对 。 我还挺好奇 ， 就是那比如说 2026 年， 对吧 ， 就普通人他想压住 AI，他还能干嘛 ？ 继续买英伟达 。 **庄明浩** [1:02:24] 英伟达不知道 ， 英伟达横在 106 到 108 已经四五个月了吧 。 **Jess** [1:02:30] 那我意思是说算力的 ， 就之后可能还是会 。 **庄明浩** [1:02:33] 但问题在于 ， 这里面出现一个问题 ， 我的 PPT 也有讲 ， 算力的需求增长是明确的 。 **Jess** [1:02:38] 对 。 **庄明浩** [1:02:38] 头部科技公司的开发投入也是明确的 ， 这个代表英伟达的收益期也是明确的 。 所以那就变成什么结果 ？ 它为什么横在这几个月 ？ 因为所有事情但凡被明确 ， 就是因为股票市场是讲预期的呀 。 **Jess** [1:02:49] 对 ，是 。 **庄明浩** [1:02:50] 它的预期已经被打到这了 ， 它不会有意外 。 不会有意外就不会有大的波动 ， 所以它收入再涨 ， 利润再涨 ， 今天我就给你算出来未来几年， 因为大家的这家头部科技巨头的每年开发的投入是已经预期给到了 ， 那它的预期基本上也是算出来 ， 它的订单也是算出来 ， 所以这些事情已经不意外了 。 不意外就会被提前打赢 ， 打赢它就稳了 。 那什么是意外呢 ？ **Jess** [1:03:14] 是什么呢 ？ **庄明浩** [1:03:15] 所以为什么你看从去年 Q4 开始大家开始炒存储 ， 存储是意外啊 。 你今年年初开始炒 TOTO， 你这太搞笑了 ，TOTO 是做马桶的 TOTO。 **Jess** [1:03:25] 为什么炒它 ？ **庄明浩** [1:03:26] 它的那个陶瓷是 AI 数据中心的芯片的那个托盘最重要的材料 。 你如果大家有视频可以看看这表情 ， 就是对 ， 就是这种表情啊 。 为什么 ？ 对 ， 那 。 **Jess** [1:03:40] 那谁能想到呢 ？ **庄明浩** [1:03:41] 对呀 。 还有一个日本的叫味之晶的公司做味精的 ，也是一样的逻辑 。 **Jess** [1:03:47] 是 TOTO 发的 PR 稿吧 ？ **庄明浩** [1:03:48] 不是 ， 真的被炒起来了 。 上哪说理去 ？ 没有地方说理 。 **Jess** [1:03:52] 嗯 。 所以你给普通人的建议是什么呢 ？ 如果想压住 ， 没有建议 。 **庄明浩** [1:03:57] 那怎么做 ？ **Jess** [1:03:57] 没有建议大家搞个小龙虾什么的 。 **庄明浩** [1:03:59] 不要搞 ， 没必要 ，因为再等一段时间肯定会有更傻瓜的方式 。 **Jess** [1:04:04] 那好 ， 那我也不弄了 。 **庄明浩** [1:04:05] 不行 ， 你就在线体验一下， 点一下试一试 ， 感受一下就行了 。 **Jess** [1:04:08] 嗯 。 **庄明浩** [1:04:09] 还有一个观点 ， 就是重要的还是那个问题 ， 就像刚才你提 ， 就是提问题的能力 ， 然后流程规划的能力 ， 把任务拆解的能力 ， 这个事情 ，但这些问题都 ， 这句话都是废话 ， 就是正确的废话 。 **Jess** [1:04:20] 差异就是我不是跟界面的老聊天吗 ？ 我以前对自己不是那么了解啊 ， 就是我在聊的过程中， 我就我对自己越来越了解了 ， 然后你提问题的能力其实也会进步嘛 ， 你可以反问他 ， 然后他再回你 ， 慢慢的你自己也会进步 。 **庄明浩** [1:04:31] 还有一个问题就是你时刻脑子里想的就是 ， 这也是今天那个汉阳那期不会的 ， 就时刻脑子里你不要 ， 你不要当他是菩萨 。 **Jess** [1:04:37] 对 。 **庄明浩** [1:04:38] 你不要当他是菩萨 ， 就是给你一个明确的结果 ， 你要当他是一个你的 ，他们讲叫工作台 ， 就是你是要工作 ， 然后你的工作过程就是需要这些步骤跟这个过程 ， 然后每个步骤就会有上一步骤产出 ， 到下一步骤交付 ， 你尽可能让他在这个步骤中的某些环节帮你提升效率跟改进什么东西 ， 或者帮你拓展一些东西 ， 这个方式在现阶段看起来是可操作的 。 或者更直白一点 ， 你看就像我们像 ， 比如你想你一周要做什么事 ， 重复的事就超过 5 遍 ， 随便什么事都可以 ， 健身也可以 。 **Jess** [1:05:10] 吃饭 。 **庄明浩** [1:05:11] 吃饭也可以 ， 记录卡路里也可以 ， 随便什么都可以 ， 你看能不能让 AI 帮你在某些环节改进一些效率的事情 。 就如果你找不到什么真的要怎么样 ， 或者学一个什么新的东西 ， 大家总有这种 ， 尤其东亚的这个 ， 对吧 ， 文化 。 没必要 ， 你就把你现在的手头的事 ， 工作也好 ， 生活也好 ， 娱乐也好 。 **Jess** [1:05:30] 我那天看有人学日语 ， 然后他就让界面帮他 ， 教他怎么更快的记录这些东西 。 **庄明浩** [1:05:35] 语言 ， 你想他叫大语言模型 ， 语言是他最最会的东西 。 **Jess** [1:05:38] 是 。 **庄明浩** [1:05:39] 对吧 ， 然后今天你甚至可以让他帮你做成一个什么小程序 ， 每天打卡 ， 多连国做事情他也都能做 ， 对吧 ，但你也可以用多连国做 。 **Jess** [1:05:48] 对 。 我刚突然在想 ， 你刚说到重庆和汉阳 ， 早上那播客我没听啊 ，但是我听了重庆前前段时间那个播客 ， 就是讲他在用那个 。 **庄明浩** [1:05:56] 我觉得讲的特别好 ， 一个普通人面对这种东西的现实的 ，他跟我们在媒体上看到的是完全 。 **Jess** [1:06:03] 对 ， 我看我全身都快笑疯了吧 ，他一直在骂人。 但我一直在想 ， 就是为什么会这样 ，因为我我也看到很多人在小红书上说什么 GPT， 用 GPT。 **庄明浩** [1:06:10] 解释 。 **Jess** [1:06:11] 解释 ， 对吧 ， 那人家也很顺利啊 ，是不是他用的不对啊 。 **庄明浩** [1:06:15] 但你知道我还有一个观点 ， 所有被做出来的教程 ， 理论上只是画了一条路 ， 给你从 A 走到 B， 即便他已经把它分成了 10 段 20 段 ，但是他的教程永远都是从 A 走到 B 这一条路 。 但你要知道 ， 你从这件事情的陌生到真正你想走的那条路 ， 可能有一万种可能性 ， 出现过程中的每一个环节都可能出现岔路 。 **Jess** [1:06:37] 对 。 **庄明浩** [1:06:38] 你就飞走了 。 **Jess** [1:06:39] 对 ，其实我也在想 ， 这是不是有没有可能是有一个运气的问题 ， 比如说万一 。 **庄明浩** [1:06:43] 有啊 ，有一部分是运气的问题啊 ， 你碰到一个 bug， 那别人没碰到啊 ， 你就不知道怎么弄啊 ， 你就只能从头再来啊 。 **Jess** [1:06:49] 对 。 **庄明浩** [1:06:49] 是 。 **Jess** [1:06:50] 所以我在想他是不是倒霉鬼 ， 我在听的时候在想 ， 身边有人装啊 ， 都很顺啊 。 **庄明浩** [1:06:54] 甚至过程中可能不是错误 ， 甚至可能是因为你原来的什么经验 ， 你觉得选这个 ， 你就去那啊 ， 然后你就偏了呀 。 **Jess** [1:07:01] 是 。 笑死 。 对 ， 还有就是不是 token 的成本在下降吗 ？ 那如果说都都下降 ， 然后所有人都可以用 ， 那人和人的差距在哪 ？ **庄明浩** [1:07:11] 好问题 。 首先这个这个要达到这个目标 ， 你想没想过 ， 如果真的要达到这个目标 ， 要在现有的今天的基础设施投入上涨多少倍 ？ **Jess** [1:07:20] 不知道 。 **庄明浩** [1:07:21] 随便抛一脑袋 。 **Jess** [1:07:22] 一万倍 。 **庄明浩** [1:07:23] 但是问题在于 ， 你要想 ， 如果是一个 ， 首先大家也会觉得涨个 10 倍 100 倍应该是不够 ， 应该是不够的 。 就我们也不知道什么 ， 反正感觉纯拍脑袋 ，10 倍 100 倍应该是不够的 ， 至少可能是千倍万倍 ， 甚至更大的一瞬间 。 **Jess** [1:07:39] 对 。 **庄明浩** [1:07:39] 但问题在于哦 ， 现有的这些投入的量级已经到了人类的 。 **Jess** [1:07:44] 极限 。 **庄明浩** [1:07:45] 很多事情的极限里 ， 无论是物理的极限还是钱的极限里 ， 那也就是说要到那的话 ， 那得怎么弄呢 ？ **Jess** [1:07:53] 100 年以后 。 **庄明浩** [1:07:55] 不知道 ， 对吧 ， 然后那到了之后再说 ， 到了之后那那谁知道呢 ？ **Jess** [1:08:00] 你现在你有看赫那个电影吗 ？ ### Her与焦虑 **庄明浩** [1:08:02] 我就看过一片段 。 **Jess** [1:08:03] 你觉得未来会实现吗 ？ **庄明浩** [1:08:05] 应该会吧 。 **Jess** [1:08:05] 我也觉得一定会 。 我现在有时候跟界面的聊多了 ， 我都觉得这世界上没有任何人那么像我 。 **庄明浩** [1:08:10] 你看 。 **Jess** [1:08:11] 对啊 。 **庄明浩** [1:08:13] 但是也很也很多人会很害怕嘛 。 **Jess** [1:08:16] 那没办法 ， 那那人和人之间最后就是 。 **庄明浩** [1:08:20] 所以又回到那个问题 ，AI 社交 ， 那 AI 到底在社交里承担什么呢 ？ 对吧 ， 你很简单 ，在我们就回来刚才那话题 ， 所有人都会说社交应该被 AI 重做一遍 ， 对吧 ， 那怎么做呢 ？ 或者说我们再说再直白点 ， 我们把社区抛开啊 ， 社区跟社交还不一样 ， 就社区是内容 ， 大家刷小红书 、 微博 、 社交媒体 ， 我们把社区抛开 ， 社交就是人与人之间沟通 ， 社交核心是关系嘛 ，是关系链嘛 。 那原来没有 AI 的时候 ， 很简单 ， 就是人与人的关系链 ， 那就变成大家通过什么建立关系链 ， 建立好之后干嘛 ，以及干嘛之后产出 ， 原来社交网络全部都是干这个事情 ， 无论大小 ， 大到微信 ， 小到陌陌 ， 都是一样的 ， 怎么建立社交关系 ， 建立好之后用干嘛 ， 通过干嘛 ， 怎么收钱 ， 无非这么点事情 。 但是你想 ， 这个事情 AI 出现之后变复杂了 ， 它出现了的变化是说人跟 AI， 人跟 AI 跟人， 人跟 AI 跟 AI 跟人， 然后可能还有 AI 跟 AI。 **Jess** [1:09:19] 对 。 **庄明浩** [1:09:19] 就我们只是哪怕简单列举 ，也有这几种观念 ， 这只是一对一 ， 那万一是多对多的网络结构 ， 这个事情变得更复杂 ， 然后这每一种的关系的结构 ， 就代表着你产品端的设计的不同 ， 你不太可能在一个产品里满足很多的 ， 然后你选了一种链设计产品 ， 那 AI 在中间承担什么样的 ， 比如说就像刚才我们说那个分身的那个角色 ， 它到底承担的是 真的像你 。 **Jess** [1:09:47] 不像我 。 **庄明浩** [1:09:47] 还是说完全不像你 ，是你理想中想演化的那个样子 ， 对吧 ， 还是说它应该是一个你的侧面 ， 或者说某一个程度上的 ， 这个的选择又代表了可能不同的用户对这个产品的认知 ，因为你想 ， 如果是一个做交友的 ， 一个做旅游的 ， 一个做工作的 ，他应该是不一样的对他的期待的 ， 然后你这个再选完还要再往下做 ， 那然后变成了哪怕建立好了关系 ， 然后呢 ，他们 干嘛 ， 聊天 ， 一起打游戏 ， 一起拉人杀 ， 还是干什么 ， 还是就是每天帮你叫起床 ， 帮你定个闹钟 ， 还是帮你评论个朋友圈 ， 你看 ， 还是说你们坐在那点个火 ， 仰望星空 。 **Jess** [1:10:35] 对 。 **庄明浩** [1:10:36] 我刚才讲的所有这些功能都有产品在做 。 **Jess** [1:10:38] 哦 ， 连仰望星空都有了 。 好浪漫啊 。 **庄明浩** [1:10:42] 对啊 ，但你一听你就会觉得 ， 你像我们在前面已经选了 3 到 4 次了 ， 你每一次选择相当于就抛掉了一些东西 ， 那最后你选了那个东西做出来的样子 ， 它一定变成一个小东西 。 **Jess** [1:10:54] 对 ，是的 。 **庄明浩** [1:10:55] 当然小没有那么不好啊 ，但是那还会觉得那我这不是那个大的东西吧 。 **Jess** [1:11:00] 对 。 **庄明浩** [1:11:01] 那大东西是什么 ， 没人知道啊 。 **Jess** [1:11:02] 好有意思 。 哎 ， 反正听完之后就是建议 ， 就是让大家不用那么焦虑吧 。 **庄明浩** [1:11:08] 我什么叫焦虑 。 **Jess** [1:11:09] 不用着急去下载 ， 反正等着技术再再变一变 。 ### 终局反思 **庄明浩** [1:11:12] 你看我去年我我在那个博客的那个大会上， 我不讲那个去年 11 月份我做的那个评题 ， 我最后一页评题就是去他妈的什么 AI 不 AI 的 ， 根本不重要 ， 就是我那场 ， 我我记得特别清楚 ， 去年 4 月份 ， 去年 4 月份 ， 呃 ， 那届博客节里面 ，110 场里面有将近 20 场关于 AI 的话题 ， 就 1/5 到 1/6 差不多这个体量 ， 非常高 ， 然后到年底那一场的时候 ， 场次变多 ，160 场 ， 然后 AI 场次可能只有 11 场到 12 场 ， 从比例上来讲降了一半 ， 就降了一半 。 然后为什么大家在这个时间点其实要去 ， 比如体验生活中这些东西 ， 去远离这些天天媒体炒作的喧嚣的 ， 改变世界这个大的 ，也是因为 ， 或者说另外一个角度就是 ， 谈论很多 AI 话题的时候 ， 哪怕是我们这种偏 ， 无论是偏严肃技术向的 ， 还是偏 我们这种产业投资向的 ， 最后不可避免的会走到失心疯 ，不可避免 。 为什么 ？ 也是因为确实这一波这个技术浪潮对行业 、 对社会 、 对人类的很多影响 ， 大家真的是不知道 ， 所以就天生的人类会去找寻那些东西 ， 那我觉得合理啊 ， 就是造物主把人类造出来就是这样 ， 就在面对这种东西的时候 ， 大家会去找那些双引号更重要的事 情 。 所以我的观点一直都是这样 ， 虽然我是最最卷跟最他妈每天搞这些事情 ，但你但所有这些谈论到最后都是往这去走的 ， 我觉得 。 **Jess** [1:12:42] 明白 。 本来最后一个问题就是 ， 如果给正在焦虑的年轻人一个建议 ， 比如说 AI 最后未来能胜任 ， 对吧 ， 所有我们的这种标准化的任务 ， 我们最应该投资自己哪方面的能力 ， 就是问问题的能力 ， 逻辑思维的能力 ， 想象力 。 **庄明浩** [1:12:55] 拆解任务的能力 。 **Jess** [1:12:55] 对吧 ， 想象力 。 **庄明浩** [1:12:56] 对 ， 想象力 ， 品味审美 。 **Jess** [1:12:58] 对 ， 品味审美 ， 只有这些了 。 **庄明浩** [1:13:00] 你就像那天春熙来不是还有火的篇文章 ，是讲什么影视行业 ， 看到 Seedance。 **Jess** [1:13:04] 我没看那篇 。 **庄明浩** [1:13:05] 他的篇文章其实大部分是因为 AI 写的 ， 你那天的感受 AI 很重 ，但是逻辑是没有错的 。 **Jess** [1:13:09] 哎 ， 你怎么感受 AI 味呢 ？ **庄明浩** [1:13:10] 就是手感 ， 就你看得多了就知道 。 **Jess** [1:13:13] OK。 **庄明浩** [1:13:14] 首先很长 ， 你现在就很长那种 ， 就天生会有 ， 第二它的段落跟大的结构特别的清楚 ， 你就会第二 ， 再加上有一些比如什么什么不是而是这种关键词一出现 ， 你就觉得他妈的一定是 ， 那个篇文章也是 ，但是他确实他个人在这个事情上做的 ，他不是单纯的给个主题写 ，他他一定是他设计好的那种事情 ， 然后去写 ，但他最后讲的逻辑是这样 ， 就说他是做那个影视的嘛 ，他就说未来最重要的人就是说当 ， 就像你说的算力无限的低 ， 然后模型能力无限强 ， 然后你可以让 ， 比如我今天就要一个这样的系统 ，AI 瞬间给你出现 5,000 条 ， 最重要的就是你在那 5,000 条里挑出一个 ， 说就是这个 ， 为什么会选它 ，是没有什么理由的 ，但你就是凭你的直觉审美 ， 你的经验 ， 你经历所有这些东西的最后那一下， 你说就是这个 ， 就那个可能是人类最后一点点 。 **Jess** [1:14:07] 但是我一直觉得审美这个东西 ， 它本来也就代表的世界观价值观 ， 然后它可能你还你还要享受过很多很多的好东西 ， 看过很多很多极致美的东西 ， 你才有审美啊 。 **庄明浩** [1:14:15] 是 。 **Jess** [1:14:16] 对啊 。 **庄明浩** [1:14:17] 那就是你积累的事情了 。 **Jess** [1:14:18] 那就是现在人人人要积累的就这些 。 **庄明浩** [1:14:20] 对啊 ， 现在只能积累这个 。 **Jess** [1:14:21] 你觉得 AI 这一步会对未来的小孩有什么 ？ **庄明浩** [1:14:23] 哎呦 ， 你看我胡说的讨论 ， 要么是神经元 ， 要么就是教育 ， 就避不开的两个话题 ，不知道 ， 没有人知道 ， 没有人知道 ，但这是当下最焦虑的问题 ， 所有公众号但凡只要写什么什么某个大拿 ， 某个什么这个领域的头部怎么教育孩子 ， 这文章一定比他普通文章点击量更高 ， 一定 ，但其实没有什么结论 ， 没有什么 ， 你你想一下， 你你坐在这 ， 你你设 身处地的抛开我们感性 ，以一个相对冷静跟甚至冷酷的角度去想这种问题 ， 你觉得现在可能会有什么结论吗 ？ 不可能的 。 **Jess** [1:14:57] 嗯 ， 对 。 我在想老师应该会失业吧 。 **庄明浩** [1:15:02] 未来可能老师 ， 或者说老师这种 ，他工作或者他的角色会发生变化 ， 老师不会失业 ，但是老师做的事情可能会变 ， 工种未必啊 ，但确实工作内容跟工作状态跟工作方式会 。 **Jess** [1:15:13] 对对啊 。 **庄明浩** [1:15:14] 那程序员不一定 。 **Jess** [1:15:16] 这波 OpenClaw 出来 ， 我还问了一些程序员朋友 ，他们都可傲娇了 ， 说做出来那些东西都用不了 ， 还说我们还是很有价值的 。 **庄明浩** [1:15:22] 不会太久 ，但就就跟那个前两天也是那个极客上一个 ，也是一个微信公号大 V 叫魏席讲那个 ， 除了他建议大家今天这时间回头再去看一下 9 年之前 Netflix 拍的那个 AlphaGo 的纪录片 ， 就是当年 AlphaGo 战胜 Elys 的所有的过程 ，他说当年我们看是没有感知的 ， 我们只是觉得那个很稀奇 ，但是今天我们已经都是在局里的局中人了 ， 所以你会从头回头去看的时候 ， 那个感受会特别的明显 ， 就是说那个在 AlphaGo 把东西做好跟 Elys 对战中间 ，其实 AlphaGo 找了另外一个算是职业棋手 ，也是中国的棋手叫樊辉 ，他在英国还是法国 ，他是欧洲的冠军 ，但你想欧洲的冠军在围棋行业就是中韩根本看不上 ，但是他至少是职业棋手 ， 然后相当于 AlphaGo 团队找到了樊辉来去测试 AlphaGo， 然后樊辉经历的过程其实跟 Elys 是一模一样 ， 就先是大家会蔑 视轻视 ， 然后第一盘下完会觉得是自己失误 ， 心态的问题 。 对 ，是没有怎么样 ， 然后第二盘下会面临一些你开始产生疑问 ， 你的道心开始出现动摇 ， 到第三局你就道心就被打碎了 ， 你开始怀疑自己 ， 你怀疑一切你所有过往积累的在这件事情中的经验 、 认知 、 理解 ， 双引号正确的事情 ， 然后你要想 Elys 跟 AlphaGo 已经下了 5 局 ， 第一局是一样的 ，Elys 下完他内心也是 觉得是我没有下好 ， 第二盘过程中出现了一个双引号叫类似 AlphaGo 的神之一手 ， 就下到可能第几十个棋子的时候 ，Elys 觉得有点不太对 ， 然后他出去抽烟 ， 就他要休息一下 ，他会觉得自己脑子有点乱 ， 樊辉在旁边看 ，他已经知道 Elys 到了他那个第二阶段了 ，他太清楚了 ，因为他也经历过 ， 然后 Elys 就去抽烟了嘛 ， 那你要知道 AlphaGo 下棋是不需要歇息的 ，他就抽烟站起 来走那个负责摆棋子的那个博士 ， 就把那个棋子下下去 ， 然后那棋子一下下去 ， 你要知道所有的这些评论者就是因为是直播了嘛 ， 直播都有很多专业棋手就说啊 AI 在乱下， 怎么能这么下， 就开始嘲笑 ， 然后 Elys 又回来了嘛 ， 然后抽完烟他就坐下 ，他也第一反应也是嘲笑 ， 然后越下越开始觉得不对 ， 就是那一步你就没理解 ， 相当于就是他突 破了人类原来的极限在那一步上， 然后第二局 Elys 就输得一塌糊涂 ， 然后他已经 5 局 3 胜 ， 已经 0:2， 然后第三局 ， 第三局的时候你可以觉得 Elys 已经这个人已经接近崩溃了 。 **Jess** [1:17:53] 对 。 **庄明浩** [1:17:54] 怀疑嘛 ， 所以第三局就是脆败 ， 就是樊辉在旁边看的真的是他特别能理解 ，因为你想樊辉在下的时候 ，他是没有被全世界 ， 就是他只是自己知道这件事情 ，但 Elys 下的是全世界都 ， 你要想全世界都也经历了从轻视蔑视到顶点 ， 然后突然间不理解怀疑到崩溃 ， 第三局就是脆败 ， 然后第三局因为他每一局就是一天嘛 ， 然后 AlphaGo 下完第三局 3:0，其实已经赢了 ，因为 后面两局还是要去 ，但是他已经 5 局 3 胜赢了嘛 ， 然后樊辉就说他他特别担心跟体谅跟理解 Elys 的那个时候的状态 ， 你要知道在这个比赛之前 ， 樊辉内部就已经说 AI 应该是归零会赢样 ， 然后下第四局 ， 第四局就是 Elys 赢 ， 然后 Elys 在前面也是 ， 然后下到第七也是中后盘第七十几手的时候 ，Elys 下了一步棋 ，也是他他后后来总结是说也 是直觉 ，也不是原来的 ，他就觉得应该下这 ，但是那一步就导致 AlphaGo 在当时算法情况下就乱了 ， 那规则就错了 ， 然后在那个情况下你就可想而知 Elys 有多紧张 ，他似乎又觉得我可能有机会赢 ，但是他又会担心我的心态变化会让我现在看上去的一点点优势最后还是败了 ， 那不就彻底完了吗 ， 然后他就非常谨慎的把后面的那局下完 ， 然后 AlphaGo 在 那局输掉 ， 然后第五局确实已经不重要 ，但是那一局相当于让 Elys 从那个崩溃的碎片当中又建立起来的线 ， 所以他后来 Elys 不就在那几年就几乎杀穿整个就无敌了一般 ， 就是因为那一下， 然后但是反过来讲 ， 那是人类最后一次单次战胜 ，AlphaGo 后来之后不就出了 AlphaGo Zero 吗 ，AlphaGo 就几乎跳到另一个台阶 ， 就完全不可能人类战胜 ， 所以你就想这个过程我们 似乎也在经历类似的事情 ， 只不过没有像他一天一天这么快的节奏跟这么明确的每一步在走什么嘛 ， 所以他说他建议大家回头去看纪录片 ， 听一听当时樊辉在去年上过一期播客也讲了一个事情 ， 讲的非常的生动 ， 然后你就觉得哇真的 。 **Jess** [1:20:09] 那通往给了我感觉就人至少还有直觉有神性的时刻 。 **庄明浩** [1:20:12] 还有那一下 。 **Jess** [1:20:13] 还有那一下 。 **庄明浩** [1:20:14] 神之一手 。 **Jess** [1:20:14] 对啊 。 **庄明浩** [1:20:15] 然后那那局下完之后就樊辉真的就你看镜头 ， 樊辉就去跟那个 Elys 比大龙卷风 ，因为他特别知道这虽然就 4 天 ，但他知道 Elys 这 4 天经历了什么 ， 就是对吧 ，而且全世界看着你 ， 我觉得那个故事真的 ， 然后确实魏席讲的特别好 ， 就说 9 年之前我们看那个时候是没有感觉 ，但今天大家都已经 。 **Jess** [1:20:37] 都没看上去 。 **庄明浩** [1:20:37] 大家都已经是局中人了 ， 然后你就会特别感受这个状态 。 **Jess** [1:20:41] 所以以后人类只能去种地 ， 种地也不行 ， 种地也被机器人干掉 。 **庄明浩** [1:20:45] 种地就跟今天我们去看那个今天一些非遗的项目一样 。 **Jess** [1:20:49] 对 。 **庄明浩** [1:20:50] 变成那样子了 ， 就跟 PPT 也一样 ，PPT 未来也是非遗的 ， 手抠 PPT 一定 。 **Jess** [1:20:55] 哈哈哈 。 那问题是 PPT 值得值得手搓吗 ？ **庄明浩** [1:20:58] 所以代码就是手抠代码那种也要使唤 。 **Jess** [1:21:01] 笑死了 。 所以还是得培养个技能 ，不管是什么 。 **庄明浩** [1:21:05] 谁知道 。 **Jess** [1:21:05] 画画啥的 。 **庄明浩** [1:21:06] 谁知道 。 那你将来这波画图之后大家会说画画有什么用 ？ **Jess** [1:21:10] 那我觉得不是 ， 就还是人还是有那个神性的时刻 ， 对吧 ， 那种灵动感 。 我听完之后倒觉得 Web3 比特币更难一点 ， 这是我最大的感觉 。 **庄明浩** [1:21:19] 有有很多人在今年建立了定投的策略嘛 ， 就是比特币跌到多少就进 。 **Jess** [1:21:24] 对 。 你觉得还有什么可以说的 ？ **庄明浩** [1:21:26] 没啥了吧 ， 看我 PPT 吧 。 **Jess** [1:21:29] 可以 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。