# Vol.94 再不聊聊openclaw可能就不需要聊了---串台知本论 屠龙之术 · 2026-04-16 本期节目探讨了openclaw（龙虾）引发的AI Agent热潮，庄明浩与冰洁深入分析了龙虾作为数字员工的本质与局限、国内外市场差异，以及由此带来的AI投资逻辑剧变——早期投资传统方法论失效，一人公司成为可能。同时，节目也直面个体焦虑，提出在AI浪潮中应‘手脏一点’积极拥抱，并反思教育的终极问题。 ## Key moments - **[0:00] 开场** - [0:08] 庄明浩比喻：“大语言模型很像一个发动机，甚至已经到了F1的引擎，可是民众没有办法直接拿引擎来用。龙虾就是非常简单的脚手架跟车。” - [0:18] Q: 孙冰洁问：这到底是技术落地的信号，还是一场赚快钱的狂欢？ - [0:22] 庄明浩：“第一波赚钱的肯定是卖课的。” - [0:33] 庄明浩担心：会不会在某个节点，我们会陷入到类似今天Web3的局面？ - [0:42] 庄明浩指出：“英伟达的市盈率已经低于沃尔玛，我们经历过所有的梯云纵最后都会踏下来。” - [0:48] Q: 孙冰洁问怎么区分AI赛道的“价值股”和“投机股”？A: 庄明浩认为所有都是投机股。 - **[2:59] 龙虾初探** - [3:59] Q: 孙冰洁问openclaw与宣传中的数字员工有多大差距？ - [4:12] 庄明浩解释为什么需要“养”虾：openclaw像新员工，需要教它任务偏好和工具。 - [6:02] 庄明浩指出openclaw在复杂任务中效果越好，但对使用者要求高。 - [8:02] Q: 孙冰洁问这波龙虾热带来的效率提升更多针对ToB还是ToC？庄明浩回答C端用得多。 - [8:54] 庄明浩谈到ToB战场的变化，CIO开始重新考虑企业软件采购，引发美股SaaS暴跌。 - [11:41] Q: 孙冰洁问每年春节左右出现惊艳产品是巧合还是规律？庄明浩解释有情感和版本周期因素。 - **[12:59] 商业生态** - [13:24] 庄明浩指出在浪潮中所有公司的最优解就是“应蹭尽蹭”，第一波赚钱的是卖课的。 - [15:03] Q: 孙冰洁问这波龙虾热有什么独特性？庄明浩回答其独特性在于开源，任何人都可以借机做事。 - [19:17] Q: 孙冰洁提到有观点认为openclaw本质是算力过剩的消化工具，是阴谋论吗？ - [19:31] 庄明浩回应阴谋论：结论可能对但马后炮，算力一直稀缺；Token如燃料，消耗速度更快。 - [22:06] Q: 孙冰洁问Token经济在AI产业链中扮演什么角色？庄明浩比喻Token是燃料。 - [23:06] Q: 孙冰洁问国内外Token价差是否让国内龙虾泡沫比海外更大？庄明浩解释中国更火是因用户没有用过Claude Code等。 - **[26:08] 投资逻辑** - [26:08] Q: 孙冰洁问从投资视角如何评估openclaw的商业价值？庄明浩认为它本身价值难评估，但带动了生态繁荣。 - [28:05] 孙冰洁提到早期投资人认为龙虾火但与己无关，项目不需要资本；庄明浩举例真格基金用5万美金Token孵化，早期投资方式在变。 - [30:04] 庄明浩指出今天AI让一个人或小团队可做大事，试错成本降低，一笔天使钱可以试多次方向。 - [32:40] 庄明浩谈到国内一级市场共识是AI硬件，因为有强大供应链和成熟创业者。 - [34:34] 庄明浩思考“全网”的概念：几百万用户讨论龙虾就感觉全世界都在讨论，实际覆盖有限。 - **[35:41] 泡沫担忧** - [35:41] 庄明浩坦承担心AI会像Web3一样，在某个节点陷入狂热褪去后的尴尬局面。 - [37:07] 庄明浩：“你在经历的当下，你是不知道你是在泡沫那个阶段的。” - [37:17] 庄明浩举例英伟达市盈率已跌至不足20，相比巅峰40腰斩，但收入仍在涨。 - [40:17] 庄明浩指出一级投资人报告全都看多，因为一级不能看空；但金融史告诉我们每次泡沫都一样。 - **[40:51] 二级市场** - [40:51] Q: 孙冰洁问二级市场对AI概念估值逻辑是否已从算力延伸到应用落地？庄明浩分析中美不同。 - [43:02] 庄明浩：“市场永远都是有效的，市场永远都是过头的。” - **[45:14] 投机博弈** - [45:15] Q: 孙冰洁问怎么区分AI赛道的价值股和投机股？庄明浩回答“我觉得所有都是投机股”。 - [46:50] 庄明浩讲述台积电董事长游说故事，称其调研了客户的客户确认AI需求是真的，增强了市场信心。 - [48:31] Q: 孙冰洁问二级市场更看重AI公司的短期营收还是长期技术壁垒？庄明浩认为不同阶段不一样。 - [50:51] 孙冰洁讲在国内大厂做AI研发的朋友整天焦虑被自己研发的工具替代。 - **[50:52] 替代焦虑** - [51:46] 庄明浩举例短剧行业：AI生成能力成熟后，演员、服化道几乎全部失业，变化极快。 - [53:06] Q: 孙冰洁问AI时代“一人公司”是未来趋势还是创业幻想？庄明浩认为逻辑成立但现实空间有限。 - **[56:36] 自处教育** - [56:37] Q: 孙冰洁问在AI浪潮中个体应该如何自处与生存？庄明浩建议让手脏一点，去使用AI融入日常。 - [1:00:05] 庄明浩讲给儿子找夏令营的故事，所有夏令营都在割韭菜，朋友问孩子“如果今天没作业你想干什么”，引发教育思考。 - [1:00:40] 庄明浩回顾openclaw创始人故事：财务自由后想做一件简单的事却没人做，于是自己来做。 - **[1:01:25] 落幕与进化** - [1:01:25] Q: 孙冰洁问openclaw热潮最终会以什么方式落幕？庄明浩认为很难定义里程碑，可能已在泡沫曲线上。 - [1:03:06] Q: 孙冰洁问未来3-5年AI智能体会走向什么方向？庄明浩认为自主进化是共识，在coding领域已接近。 - [1:06:14] Q: 孙冰洁问AI狂热褪去后如何理性看待投资和创业机会？庄明浩指出机会在分化，要选强公司。 - [1:07:58] Q: 孙冰洁问对投资者有什么建议？庄明浩说要清楚自己在玩什么样的游戏，根据自己的风险偏好。 ## Speakers - **庄明浩** (host) - **孙冰洁** (guest) ## Topics 代理, 投资行业与职业, 创业故事 ## Mentioned Anthropic (company), Meta (company), OpenAI (company), Oracle (company), 台积电 (company), 微软 (company), 智谱 (company), 英伟达 (company), 阿里 (company), ChatGPT (product), Claude (product), DeepSeek (product), GLM (product), GPT (product), Gemini (product), Kimi (product), MiniMax (product), OpenClaw (product), 千问 (product), 豆包 (product) ## Transcript ### 开场 **庄明浩** [0:08] 大语言模型很像一个发动机 ， 它甚至已经到了 F1 的引擎 ， 可是民众没有办法直接拿引擎来用 。 龙虾就是非常简单版的脚手架跟车 。 **孙冰洁** [0:18] 这个到底是技术落地的信号呢 ， 还是一场赚快钱的狂欢 ？ **庄明浩** [0:22] 第一波赚钱的肯定是卖课的 。在美国也一样 ， 所有公司的最优解就是应蹭尽蹭 。 会不会在某个节点 ， 我们会陷入到类似今天 Web3 的局面 ？ 你总会隐隐地有些担心 。 你在经历的当下， 你是不知道你是在泡沫那个阶段的 。 市场永远都是有效的 ， 市场永远都是过头的 。 英伟达的市盈率已经低于沃尔玛 ， 我们经历过所有的梯云纵最后都会踏下来 。 **孙冰洁** [0:48] 怎么来区分 AI 赛道的 " 价值股 " 和 " 投机股 "？ **庄明浩** [0:51] 我觉得所有都是投机股 ， 没有钱 。 所有关于 AI 的探讨 ， 最后都会走向两个问题 ： 一个是关于身心灵的 ， 一个是关于教育的 。 **孙冰洁** [1:02] 嗨 ， 朋友们好 ， 欢迎收听 《 知本论 》。 我是冰洁 ， 这期节目我们终于要聊一聊龙虾了 。 我们的节目就是这样 ， 等着这个子弹都飞了好一会儿的时候 ， 终于能够沉淀下来 ， 观察一下目前这个市场到底发生什么 。 那从这个春节以来 ，AI 圈的热潮就是各种 " 养虾 " 热 。 那我们选择在这个节点上来分析一下过去这个市场 ， 尤其是从投资 、 从市场来看 ， 到底发生了什么 。 所以呢 ， 我们今天请来了一位行家 ， 庄明浩 ， 资深科技投资人， 长期关注 AI 和互联网赛道 ， 请他来跟我们一起聊一聊 。 欢迎明浩 ， 要不要跟 《 知本论 》 的听友们打个招呼 ？ **庄明浩** [1:44] 好 ， 感谢 《 知本论 》 的邀请 。 我是 《 屠龙之术 》 的主播庄明浩 。 我的本职工作是在一家互联网公司做战略跟投资 ， 然后业余时间会关注行业 ， 写一些分析 ，以这个超长的 PPT 见长 。 所以每一段时间 ， 会针对整个 AI 行业发展做一个相对比较长的整理跟梳理 。 你像我上一个本来是给腾讯准备的 ， 之前给 《 浪潮 》、 联想 、 小红书 ， 然后阿里 、 支付宝 ， 就是这些公司 ， 反正时不时地 ， 每个季度能有个一两次吧 。 **孙冰洁** [2:17] 这几个月企业培训里面 ，他们关注最多的是龙虾吗 ？ **庄明浩** [2:21] 其实我觉得跟今天的议题很像 。 就龙虾可能只是个引子吧 ， 可能会拖到今年谈论很多的什么 Agent 生态啊 、 什么 Harness 啊为主吧 。 包括可能最近一段时间 ，Claude 兴起之后， 大家就又去讨论 Coding 这件事情到底是核心议题还是一个分的议题 。 我就按自己的方式来做 ， 就是以这个方式来做整理吧 。 **孙冰洁** [2:43] 过去这几个月里面 ， 我是没有赶上 " 养虾 " 的热潮 ， 我也没有加入 " 养虾 " 大军 。 所以呢 ， 我一方面有点好奇 ， 另一方面又有点焦虑 。 只要遇到这个领域里面的人， 我都会问一个同样的问题 ， 就是 ： 你养虾了吗 ？ 我先问一下， 你自己的参与度怎么样 ？ ### 龙虾初探 **庄明浩** [3:03] 对 ， 我养了 。 虽然龙虾 openclaw 的正式发布时间应该是 25 年年底 ，但是真正意义上讨论起来 ， 尤其在中文互联网讨论里来 ， 应该是在 1 月底到 2 月春节那段时间 。 所以在那段时间 ， 我就先试了一试 。 然后但是因为春节期间我度假出去玩了 ， 就我手边也没有电脑 ， 所以我就更多是以在线的方式试的 。 然后春节假期回来之后， 我才真正意义上在我电脑上安装了就本地部署的龙虾的这个软件 。 然后也其实是春节之后回来 ， 中国的国内的主流这些大厂才开始做很多的工作 ， 尤其是工程上的 ， 帮助龙虾这件事情从一个原来非常非常极客人群的一个开源软件 ， 甚至可能安装步骤要非常非常复杂 ， 到今天已经基本上各家都有非常非常傻瓜一键可以安 装的版本 。 这件事情也不过才经历了可能一个多月时间 ， 我没记错应该是春节之后回来那一周开始 ， 各家厂商开始动起来了 。 **孙冰洁** [3:59] 我一直搞不清楚 ， 就从实际的体验和应用来看 ， 它和所谓的宣传中的这种数字员工有多大的差距啊 ？ 它现在能实现到什么样的程度 ？ **庄明浩** [4:12] 龙虾这个论文兴起之后 ，其实大家一直有一个动词叫 " 养 " 嘛 。 就是 " 养 " 这个动词我觉得是一个很重要的这个说法 。 就是龙虾本质上来讲是一个开源的软件 ， 它就是一个软件 ， 它软件里面有一套架构 ， 它的架构包括了可能让 Agent 或者让这个 AI 模型可以有记忆 、 有偏好 、 有工具使用能力 、 有本地文件的获取的权限 ， 然后同时有可能跟你现在已存的 IAM 软件之间的联通功能 。 说起来就是这样一个架构 。 所以你听起来它并没有什么特别惊天动地的创新 ， 对吧 ？ 本质上它是一个架构层跟工程上的实现 。 只不过我觉得最核心原因是因为这一轮从 25 年底 ， 基础模型的能力确实在很多领域里其实它已经够了 ， 只不过这种能力没有办法 ， 或者说普通民众很难去感受到这种能力的边界 。 有个比喻是说 ， 原来大语言模型很像一个发动机 ， 然后去年 DeepSeek 2.1 为代表的推理模型像一个更更强大的发动机 。 但是到了可能去年年底的以 Claude 4 系列为代表的模型 ， 它甚至已经到了可能 F1 的引擎 。 可是民众没有办法直接拿引擎来用 ， 所以它需要一台车 ， 对吧 ？ 它才能体验到这个引擎多么强 。 那本质上来讲 ， 龙虾其实就是这样一个非常简单版的 ， 我们叫脚手架跟车 。 那当你有了车之后， 逻辑上来讲是你可以做很多事情了 ，但是这里面就出现了问题 ， 就是它只是在模型层上封装了一层架构 。 你真正让它去做一些任务的时候 ， 你还要给它配更多的双引号的工具 ， 所以会有 " 养 " 的过程 。 所以龙虾这个软件安装到每个人电脑之后， 每个人的使用方式 、 他使用的场景 ， 包括你给这条龙虾安装什么样的工具 ， 就决定了每一个人在使用这个软件所带来的区别 。 所以就是完全不同 。 所以最最最基础的 ， 可能你就用它的功能 ， 你看起来跟我们今天用 OpenAI、 用豆包其实没有什么区别 。 你让它查一个东西 ， 对吧 ？ 让它去搜索一个什么信息 、 一个新闻 ， 帮你整理一份报告 。 那这种场景下 ，其实它跟普通的模型之间差别不大 ， 甚至因为它没有做太多在这些事情上的优化 ， 它可能还不如今天是你我们能够用到的比较优化好的一些纯模型本身的 Chat 工具 。 但是在一些更复杂的任务场景里 ， 尤其比如说代码 、 编程 ， 然后你的任务的整个的流程是需要分很多个阶段 ， 每个阶段有不同的交付 ，有验收 ，有这样的环节的体验 。 然后这个过程如果越复杂 ， 理论上来说 ， 用龙虾或者用类似的软件可能达到的效果越好 。 但是这个过程对使用这件事情的人的要求特别的高 。 所以它的理想态当然就会像我们讲的所谓的 " 员工 " 很像 。 就像你今天招一个员工进到公司 ，他可能只是个刚入职场的年轻人 ，他有一个基本的能力 ，但是他不知道你的规范 、 你的流程 ，不知道你们在做事情的要求 ，他也不知道你们对这些东西的产出的过程是怎么样的 。他甚至不知道他的上游是谁 ，他的下游是谁 ， 然后他在中间过程中能够用到 什么样的工具 ， 或者用到比如什么样的数据库 、 什么样的软件 ， 然后形成什么样的格式 。 所有这些东西本质上讲你是要教他的 。 那龙虾似乎也是这个逻辑 。 初始状态它就是一个你可以认为有一个普通大学生水平的这样一个智能 ，但是它不了解你所有这些东西 ： 你的偏好 、 你的性格 、 你的要求 、 你的上下文 、 你的工具 、 你的数据库 、 你的所有这些权限 。 那你要慢慢慢慢教它跟给到它 ， 然后通过它不断地一次一次地跟你一起 ， 还是它去执行任务的过程中给它反馈 ， 然后让它调优 ， 然后不断不断地这样过 。 就所以又回到刚才那个关键词 ，" 养 " 这个关键词是一个很重要的过程 。 就是它不是一个安装好了用就结束的事情 。 **孙冰洁** [7:56] 那关键是还得看是谁在养 。 **庄明浩** [7:58] 非常重要 。 就是驾驶员还是非常非常重要的 。 就是人还是非常非常重要的 。 **孙冰洁** [8:02] 你觉得这一波龙虾热 ， 它带来的这个我们说效率的提高也好 ， 还是生产力的提高也好 ， 它更多的是针对于 ToB 的企业层面 ， 还是针对 ToC 的大众层面呢 ？ **庄明浩** [8:14] 现在看可能 C 端用得多一点 ，因为 ToB 的实施可能没有那么快 。 而且又因为就是龙虾可能只是这一轮 Agent 热的一个集中的爆点 。其实从去年开始 ， 关于 Agent 的实施 ， 无论在 ToB 还是 ToC 就已经非常多了 。 那龙虾相当于用了一个比较极端的方式 ， 把这个热度推到了一个其实本不应该属于它的热度上 。 那分 ToB 跟 ToC 战场来看 ，ToB 战场其实出现了一个变化是说 ， 无论中国还是美国 ， 比如说企业内的类似 CIO 这样的角色 ， 就是首席信息官 ， 原来负责买系统 、 负责内部流程 、 数据库管理这些人， 可能会在今年或者说去年的下半年比较慎重地考虑自身企业内的比 如说数据的流转流程 ， 然后包括原来的你去购买那些软件 SaaS 系统的实施是否还值得被买 。 所以这个引发了今年上半年讨论很多的美股的这波 SaaS 跟软件股的暴跌嘛 。 那确实也是因为今天这个时间点 ，AI 跟 Agent 能力在 Coding 这个板块进展得确实过于快了 。 它快到了我们理想中未来所谓你真的为了你满足自己 ， 无论是自己个人还是企业 ， 一个什么样诉求的一个双引号的广义上的软件这件事情的建造成本 ， 几乎可以忽略不计了 。 就是你真的可以有什么想法 ， 你自己去用语言的方式说出来你的需求 ， 今天 AI 其实就可以帮你实现 。 然后这件事情看起来已经并不遥不可及了 。 那建立在原来的稀缺性上的这种软件跟 SaaS 的生态似乎就受到比较大的挑战 。 所以这个趋势是一个比较大的趋势 。 然后但是这个需要时间 。 就是个人可能还相对简单 ，但企业里你想就是它有流程 ， 对吧 ？ 它有数据的考量 ， 它有安全 、 隐私 、 权限 ， 包括可能数据可能企业里原有的工作的方式 ， 包括甚至你的 KPI、OKR 可能都要调 。 那这个事情听起来就不可能是一个简单的瞬间就完成的工作 。 所以它在这个时间过程里 。 但是也有一些观点会认为 ， 我们原来的这套生态到我们理想中刚才讲的新的生态 ， 可能是一个瞬间扭转的局面 。 就原来大家是考虑在观望 ，但是从观望到争抢可能就是瞬间的事情 。 所以这个时间点可能就在 ToB 这个战场可能在有这样的纠结 。 就有一些激进的观点会认为已经到了从观望到争抢的这个状态 。 那有一些保守还认为还需要一段时间 。 **孙冰洁** [10:36] 因为你也去了好多企业去给他们做培训嘛 ， 和他们进行交流 。 你感觉企业对于这一波的这个 AI Agent 热潮的一个态度是怎么样的 ？ 是更多的是焦虑还是什么 ？ **庄明浩** [10:48] 就是焦虑是不可避免的 。 就是所有人都会非常焦虑 。 但是我觉得那更现实的角度来讲 ， 我觉得大家其实在考量的是 ， 你像很简单 ， 这轮 AI 热潮是从 22 年底 ChatGPT 发布开始 ，23、24 年大家讨论更多是大模型本身的事情 ， 对吧 ？ 然后去年可能是推理模型作为主要的讨论点 ， 那今年可能就是 Agent 了 。 那到这个节点 ，其实你会发现大家已经不太会去考虑该不该用了 。 大家考虑的或者说在焦虑的更细节的问题在于怎么用的问题 。 怎么用 ？ 用在哪些环节上 ？ 用到这些环节上是提升效率 ， 还是改进流程 ， 还是直接增加收益 ？ 是直接用模型 ， 还是用魔改的一些什么东西 ？ 是直接找模型厂商合作 ， 还是找一些软件公司 ， 还是自己来做 ？ 是这样一些我们叫操作层的问题在困扰着很多企业也好 ， 个人也好 。 **孙冰洁** [11:41] 我注意到有一个现象 ， 我不知道是巧合啊 ， 还是它就是这么一个规律 。 每年的基本上这种比较惊艳的一个产品啊 ， 或者是一个东西出现 ， 基本上就是在上一年的年底到这一年的年初 。 比如说原来的那个 ChatGPT 是 ， 然后 DeepSeek 是 ， 然后再到现在 openclaw 也是 。 这个是巧合吗 ？ **庄明浩** [12:04] 很多人会说每年春节左右会是一个比较重要的节点 。 我觉得有一部分是情感的因素 。在这个时间点产生的一些东西 ， 它会被引爆跟传播得更剧烈 ， 所以它会引发很多这样的探讨 。 有另外一个角度是说 ， 从 1 月下半月到春节左右那一个月左右时间 ， 中国的头部模型厂商疯狂地发各种各样的版本 ， 包括美国头部模型厂商更新了比较大的版本 。 然后在今天 4 月份的这个时间点 ， 你发现新的一波大版本又来了 。Anthropic 发了一个最新的超级神秘的模型 ， 它说已经强大到它不敢发出来 。 然后 OpenAI 的传说中 GPT-6 也准备好了 ， 智谱的 GLM 5.1 发布了 ， 前几天 MiniMax 2.7 发布了 。 所以你看 ， 从春节前 1 月底到今天 4 月中左右时间 ， 可能这个时间从原来的每半年一波 ， 已经进化到每季度一波 。 那如果再往前进化 ， 基本上就不会有所谓的密集期了 ，因为每天都是密集期了 。 **孙冰洁** [12:59] 就从这个目前市场上的反馈 ， 还有商业的角度来说的话 ， 我们都能够看到 ， 就是现在市场上衍生出了各种代装服务 、 培训课程 ， 还有这个专用硬件这些产业链 ， 这些卖课程啊 、 卖安装服务的人是大赚一笔 。 ### 商业生态 **孙冰洁** [13:16] 所以你觉得这个到底是技术落地的一个信号呢 ？ 还是说它又是一场赚快钱的这种所谓的狂欢 ？ **庄明浩** [13:24] 我觉得第一波赚钱肯定是卖课的 。其实在美国也一样 。其实很简单的逻辑是说 ， 一个新兴的这样的一个技术出现之后， 媒体总会愿意把它渲染成一个革命性的 ， 一个什么改变世界的 、 什么震惊宇宙的这样一个东西 。 **孙冰洁** [13:38] 是的 ， 你不上车就晚了 。 **庄明浩** [13:39] 对 ， 那民众被这种情绪渲染之后 ，他为了满足这种欲望 ，他当然需要一个中间决策方 ， 把原来可能很高门槛的东西拉低门槛来给到你嘛 ， 然后去填补你的这个焦虑 。 这个情绪本身的前提条件是一样的 ， 只不过我们用什么样的方式去满足这个情绪价值的区别 ，是课 ，是安装服务 ， 还是帮你封装好一个傻瓜化的版本 。 所有这些就大家其实共谋嘛 ， 双引号的共谋 。 当然这么说特别上帝视角 。 面临这样的浪潮 ， 我有个观点是说 ， 当这个事情被吵到这个程度的时候 ， 任何一家利益相关方的公司 ， 无论是大公司还是小公司 ， 无论是云公司 、 什么互联网公司 、 模型厂商 、 算力公司 ， 甚至芯片公司 ， 所有公司的最优解 ， 或者说唯一解 ， 就是应蹭尽蹭 。 这个热浪已经是如此了 ， 你不参与其中， 你可能就浪费掉了这样一股热潮 。 所以其实这件事情在过去几年的 AI 浪潮里也已经频繁发生 。 那你像去年 DeepSeek 2.1 火的时候 ，不也一样吗 ？ 卖什么 DeepSeek 2 的虚拟主机的 ， 对吧 ？ 然后卖实施的 ， 教你什么 DeepSeek 2 的 。 那很简单 ，DeepSeek 2.1 出来之后， 没几天就出了 DeepSeek 2.1 的书 。 那龙虾火了之后， 那现在市面上龙虾的书也很多了 ， 对吧 ？ 那其实这个东西说实话 ， 它并不值得被写成一本书 ，因为它的框架 、 它的逻辑并不那么复杂 。 但是所有这些都代表了它就是这样一个风潮 ， 你要参与其中 。 那人在江湖身不由己吧 ， 只能这么说 。 **孙冰洁** [15:03] 对比一下之前的 ， 像包括元宇宙热 ， 还有 ChatGPT 热啊 ， 这一波龙虾热 ， 你觉得它有什么独特性吗 ？ **庄明浩** [15:11] 有一个我认为的比较独特性 。 因为它首先它是个开源软件 ， 理论上说任何人都可以在满足它开源要求的情况下做任何事情 。 我再举个很简单的 ， 比如说过去一段时间 ， 可能在全国各地每周末都有各种各样的 openclaw 或者龙虾的大会 ， 然后它的主办方你看其实五花八门 ， 什么人都有 。 就是所有人都可以借着这个事情来做他自己想做的事情 。 但是你想 ChatGPT 是不太现实的 ，DeepSeek 2.1 可能也不太现实 ，因为它毕竟属于一家公司 ， 属于一个商业实体 。 你没有那么强的资格跟身份说我代表 ， 或者说我组一个这样东西 ， 我就可以把那个最大 logo 放在我的会议的主视觉上 。 但 openclaw 可以 。 所以你会发现今天所有人都在借着 openclaw 来满足自己的 ， 你说欲望可能有点难听 ，但是满足自己的一些小的算盘 ， 我觉得是合理的 。 这些所谓的 KOL， 包括我们这些人， 然后大厂商 、 小厂商 、 一些组织 ， 甚至学校 、 教辅机构 ， 甚至政府 ， 它也在做很多相关的事情 。 就跟那个雪球滚起来一样 ， 它一滚起来你已经控制不了了 ， 所有人只能往上加 ，不断地加 ，不断地加 。 所以这一波可能跟之前那几波不太一样 ， 就是因为它所有人都可以加 ， 都可以借着它来讲自己的故事 。 那它就造成了现在的状态 。 我们现在可能这个时间点正在看到它从超级疯狂到慢慢慢慢有点冷静 ，有点回落 。 **孙冰洁** [16:33] 对 ， 它正在慢慢地降温 ， 尤其是其中关于它的这个数据安全啊 、 隐私啊这些东西的讨论会比较多 。 **庄明浩** [16:41] 对 ， 这个你引发另外一个角度 ， 就是说 openclaw 因为它是一个个人开发的开源软件 ，并且这个开发的这个人是一个非常资深的程序员跟技术的大脑 。 它起初做这个东西是为自己做的 ， 所以它没有想过全世界人民都要用 。 它就为自己需求 ， 它相当于默认了自己建立在一个很高的门槛上做了这样一个东西 。 所以它会认为我有能力控制 ， 我有能力去判别什么样的东西是危险的 ， 什么样的东西是安全的 ， 什么样的权限跟什么样的围栏是 OK 的 。 但是它没有想到这个东西突然一下火 ， 所有人都用了 。 所以你看从它火了到后续直到今天 ， 现在更新版本特别快 ， 可能每一两天都要更新一个版本 。 它更新版本里面的很多内容都是关于安全 、 关于隐私 、 关于权限 ，因为它原来没有想过会这样 。 但是这个问题出现的变化是说 ， 你会发现其实在龙虾火了之后， 甚至火之前 ， 很多人可能哪怕都没有用过龙虾 ，但是它也在探讨安全跟隐私的问题 。 你想嘛 ， 我们原来做了大模型 ， 然后大模型变成更厉害的推理模型 。 推理模型到了一定程度 ， 大家觉得它的智商水平已经达到人类的基准线了 ， 可以让它干一些活了 。 大家提出所谓 Agent，Agent 的实施其实从去年开始 ， 大家有公认的角度是说 ， 我们就给 Agent 一台电脑 ， 或给它一个浏览器就好了嘛 。 但是因为做这件事情的之前的很多厂商 ， 无论它是创业公司还是大厂 ， 它就要顾虑到刚才我们说的这些安全 、 权限 、 隐私的事情 。 所以做出来的东西呢 ， 就能用 ，但是可能在一些限定场景下， 或者限制于成本 ， 它没有办法铺那么开 。 但是 openclaw 不一样 ，因为它最开始它就没有想那些问题 ， 所以它把这个事情推到了极端 。 我就默认给你 ， 如果你在本地运输运行 openclaw 的原始版本的话 ， 那相当于你可以给 openclaw 你的电脑的所有的权限 。 它相当于把这个事情推到了一个极端里 ， 就是我不考虑任何层面下的这件事情 ， 我就我们极端点来搞 。 那这种方式当然它有它的好处 ，但是它的巨大的坏处在瞬间就推到了世人面前 。 所以这一轮的关于 openclaw 的探讨 ， 你会发现很多人甚至都没有用过龙虾的情况下， 大家也开始莫名其妙地要担心安全 、 隐私 、 权限 、 你的文件 、 你的数据这些问题 。 那某种程度可能也是好事 ， 就是真的 AI 这轮的能力发展到今天这个程度之后， 那那个安全的问题就变成一个更广泛意义上的问题 ， 就不单纯只是原来我们探讨的网络安全那么一个狭义的问题了 ，而且是新的课题 ，而且是摆在所有人面前 ， 无论是个体 、 公司 、 行业 、 政府面前的一个很重要的议题 。 而且大家不知道这个议题该怎么解决 ， 它就把这个问题推到了一个极端里 ， 让大家赤裸裸地面对它 ， 然后去找可能的解决方案 。 **孙冰洁** [19:17] 我还看到一个挺有意思的讨论 ， 它说它的本质是算力过剩的消化工具 ， 核心是在帮大模型厂商消耗 Token， 实现商业闭环 。 这么听其实有点阴谋论 ， 你怎么看 ？ **庄明浩** [19:31] 对 ， 结论可能是对的 ，但是它是一个马后炮的事 。 我们从马前炮脚来说 ， 模型厂商都缺算力 ， 哪怕没有龙虾还都缺 ， 龙虾吃了之后就变得更缺了 。 但这个事情如果我们再从上级角度来看 ， 它跟当年的 IT 行业的这个摩尔定律是一样的 。 摩尔定律就是每 18 个月芯片能力会翻一番嘛 ，但是会有一个跟摩尔定律相匹配的软件的行业定律 ， 叫什么安妮比尔定律 ， 就是摩尔定律翻出来的这些计算能力会被微软的系统跟相关软件的消耗吃掉 。 就它是相辅相成的嘛 。 那似乎看上去这一轮在 AI 领域也出现了这样的状态 。 你会发现算力的增长是肉眼可见 ， 大家数据中心的投产 ， 每年这家科技巨头开发的投入 ， 然后卡的购买数量 ， 对吧 ？ 它已经是这样的一个上升曲线 。 那同时可能单位 Token 成本还在下降 ， 那理论上说应该越来越够才对 ， 对吗 ？ 但是问题在于今天这个时间点 ，AI 的模型吃掉的 Token 的这个速度确实更快了 。 举个更现实的例子 ， 我们原来最早用 ChatGPT 也好 ， 你用豆包也好 ， 这个交互过程可能只需要几十秒 ， 那就它相当于在那跑了几十秒 ， 对吧 ？ 但是今天你想 ， 最先进的模型已经可以在那跑十几个小时的任务 ， 十几个小时跟几十秒之间是多大的差距 。 而且它的跑任务可能是 Coding， 可能是搜索的 ， 可能是识别图片的 ， 可能是生成视频的 。 它跟一个单纯的你回答几个字之间的差别 ， 又是一个几何量级的差距 。 那这几个数字一乘 ， 它那个数字就非常非常的恐怖了 。 所以你会发现 ， 无论是中国的厂商还是美国的厂商 ， 无论是模型厂商还是云厂商 ， 算力稀缺是一个大家都在面临的问题 ， 甚至稀缺到什么程度 ？ 前两天 OpenAI 关闭了 Solar 2， 你像 OpenAI 这种公司融了那么多钱 ， 理论上它的卡 、 它的算力应该是还 OK 的 ，但是问题在于它要做的事情太多了 。 它今天要做模型的研发 ， 还要服务好它现在的客户 ， 还要服务好它的普通的像我们这样的用户 ， 然后它要做 Coding， 还要做视频 ， 还要做 Solar App， 它要做的事情太多了 。 它发现这件事情之间也要有优先级 ， 那这个优先级就是根据算力的紧缺程度来的 。 那你看国内厂商为什么大家会说慢 ， 为什么大家会说你一周什么就给什么 1,500 次调用 ， 就是为什么有这么多的限制 ？ 那就是因为大家都不够 。 那为什么会不够呢 ？ 就是因为大家可能都在用更复杂的任务交给 AI， 当然这中间可能有非常大的浪费 。 你让它跑一个天气 ， 对吧 ？ 你看一眼你手机不好吗 ？ 让它去查一个 PDF， 你为什么不给它 TST 呢 ？ 对吧 ？ 但是用户是没有罪的 ，但是这个过程中就产生了这种我们叫扭曲跟你的需求跟供给之间的这个问题 。 所以你说到底是不是阴谋论 ， 还是它其实是个正向互相促进 ， 你分不清 。 **孙冰洁** [22:06] 在龙虾的热潮里边 ，有一波暴富的人群就是囤 Token 的 。Token 经济在 AI 的产业链中， 它到底是扮演一个什么样的角色 ？ **庄明浩** [22:16] 刚才我比喻是大模型跟推理模型是引擎 ， 我们今天做的龙虾 ， 它像是一个脚手架的车 ， 那 Token 就是燃料 ， 无论是单纯让发动机自己在那转 ， 还是把发动机装到车里 ， 让车跑得更快更远 ， 所有这些事情都需要燃料 。 那个燃料就是 Token，Token 背后是数据中心 ，是电 。 为什么大家会说 ， 就是今天这个时间点衡量很多事情的指标 ， 如果粗暴点只需要一个指标的话 ， 这个 Token 量是一个很重要的指标 ， 就是你消耗了多少燃料 ， 就代表你的体量 、 你的规模 、 你的增速 ， 你所有的事情 ， 包括钱也是 。 **孙冰洁** [22:51] 你说到了一个关键点 ， 我查了一组数据 ， 目前国内外 Token 的价格 ， 它的价差能够高达 17 倍 。 中国的大模型厂商 ， 它有很强大的一个成本的优势 ， 大概能够占据 60% 的 Token 供应 。 所以这也引起了一些疑问哈 ， 就是这会不会也让国内的龙虾泡沫要比海外更大 ？ 的确是从表象上来看 ， 国内的热度要更高 ，而国外对于龙虾并没有那么大的狂热 。 **庄明浩** [23:21] 对 ， 首先确实就是 openclaw 在中国比在美国火 ， 美国的主流的做 AI 或者用 AI 的人群 ， 比如说 ChatGPT、Claude， 然后 Gemini 一步一步用 ， 它是个递进的过程 。 咱们最开始讲 ， 就龙虾并不是一个跨越巨大鸿沟的一个东西 ， 它是一个小幅的改进 ，并且可能只针对一些比较特别的场景 ， 尤其是偏个人。 所以对于美国的很多主流的 ， 尤其是 ToB 的用户而言 ， 龙虾对他来讲是一个小玩具 ，他可能试一试 ，但他不会觉得真的比 Claude Code 或者是他们在用的 API 解调那些更值得被颠覆 。 但中国不一样 ，因为中国大部分用户没有用过 Claude Code，也没有用过 CodeX， 甚至去年比较火的 Agent 工具 ， 大家还是用豆包 、 用 Kimi， 对吧 ？ 甚至年底开始用千问 ， 千问才开始让大家说哦 ， 我可以订个奶茶 ， 我可以叫个车 。 因为上一代的 ， 或者说之前的模型 ， 或者之前在做的很多事情是 Chat，是对话 ，但是这一代 Agent 我们叫 Action， 或者叫行为 ， 它是有动作跟做事的 。 那我们相当于从 Chat 跳到了 Agent， 它是个跨越 ， 它就导致大家对这个新的东西的渴求度跟感受度会超级强烈 ，而那边是递进的 ， 所以它没有那么强烈 。 那就刚才所说的泡沫 ， 首先龙虾是不是个泡沫本身不好定义 ， 就是甚至泡沫本身的定义也不好去去说得那么清楚 。 那龙虾这波热潮其实在国内 ， 我觉得某种程度上是好事 ， 原因就在于它把民众的认知从原来的偏纯 Chat 那个领域拉到了越来越多大家做行为 、 做工作 、 做很多真正意义上双引号的事上 。 那确实这个事情是符合 AI 发展的规律的 。 那厂商 ， 就是模型厂商 、 云厂商 、Token 的算力厂商 ， 甚至包括互联网大厂 ， 甚至包括今天这个时间点已经非常成熟的我们在用的 Chatbot，其实本质上来讲都在往前推这件事情 ， 推到让大家更多地感受到这个能力的提升 。 你像 DeepSeek 更新了新的 APP， 多了一个专家模式 ， 这个模式本身不是一个新的功能 ，但是从基础的 Chat 到复杂的 Chat， 对吧 ？Deep learning 到做一个什么东西 ， 到开始真意义上它可以帮你干活 ， 它就是这样一步步走的 。 美国 ToB 市场更大更成熟 ， 那中国 ToC 市场更成熟 ， 它这两国的市场它就有这样的区别 。 那你就要符合中国的这些广大的人民群众对于技术没有那么理解 ， 大家看到代码 ， 看到 ID 界面就感觉疯了 ，不要碰这个东西 ， 对吧 ？ 不是这样一拨人， 那我们就按照这拨人的需求给他们 ，他们应该享受到这轮技术能力演进的适配的状态 ， 所以出现了所有刚才我们聊的这些事情 。 **孙冰洁** [26:08] 从它的这个商业模式来看的话 ， 你看龙虾它作为一个开源项目 ， 本身它不盈利 ，但是呢 ， 它带动了一系列的硬件 、Token、 培训这些环节赚钱 ，也就是一种典型的项目不赚钱 ，但是生态赚钱的模式 。 ### 投资逻辑 **孙冰洁** [26:22] 如果从投资的视角来看的话 ， 怎么评估它的商业价值 ？ **庄明浩** [26:26] 它本身的商业价值很难评估 ， 所以反过来讲 ， 最后就是龙虾的这个作者很快就被 OpenAI 收编了嘛 。 当 OpenAI 收编之后， 它马上承诺就是还是以类似基金会的方式去支持这个开源项目 ， 它也没有加入 OpenAI。OpenClaw 跟 OpenAI 其实本质上也没有绝对的关系 ， 就很像比如 Linux 或者是一些很多很著名的开源的社区跟软件一样 ， 就它并不属于一个商业实体 。 这个其实引发另外一个讨论是说 ， 今天因为 AI 这轮就是开源的生态崛起得特别快 ， 原来大家会想开源的东西跟商业之间其实是有比较大的隔阂的 ，但是今天你会发现这种隔阂或者这种界限在变得越来越模糊 。 那 openclaw 这个个体而言 ， 它确实这个个人以及它的核心这些贡献代码的团队 ，以及 openclaw 这个软件本身的商业价值 ， 你很难狭义地给它评估 ，但确实它带来了所有生态的繁荣 。openclaw 相当于是第一个真正意义上大家看到的一个人的双引号 " 一人公司 " 的价值被放大的那个可能性的极端展现 。 那未来随着开源软件跟商业之间的界限越来越模糊 ， 它会带来更多的变化 ， 可能会带来更多的不一样的东西 。 所以你会发现今天很多 ， 比如说我们做意识上投资者去投一个很多初创公司 ， 它这个初创公司可能第一个做的模型也好 ， 产品也好 ， 它就是开源的 。 那起初可能就是没有办法从非常势力的商业价值角度去衡量 ，但是它的影响力 、 它的传播 ， 包括它的覆盖 、 它的生态 ，在阶段性意识上是可以给它一个估值的 。 那当然到了某个节点之后， 它还是要去符合那些古典意义上的金融跟财务的要求 ，但是那个时间点它可能已经非常大了 。 **孙冰洁** [28:05] 你刚刚说到一级市场 ， 我前段时间听到几个早期投资人 ，他们有一个共同的观点 ，他们都觉得龙虾再火也跟我无关 ，因为现在基于龙虾生态的这个创业项目 ， 可能有几个人就能完成 ，他们认为不需要早期资本的介入 。 **庄明浩** [28:21] 可能没有那么极端 ，但是这个早期资本可以换另外一种形式 。 我觉得很有意思 ， 你像那个我的好友 ， 就十字路口的 Koji，他另外一个身份是真格基金的 Venture Partner， 就是很多不了解意识上朋友们看到很多新闻的时候 ， 会有一些概念上的混淆 ， 比如前两天耐克中国的 CEO 应该加入红杉 ，也做的是 Venture Partner， 叫投资合伙人。Venture Partner 本质上来讲 ， 它不是一个真正意义上这个基金的 员工 ， 它更像是一个类似顾问的身份 ， 当然他们会有一定利益绑定 ，但是它的角色会很开放 。 我讲这故事是什么 ？ 就是 Koji 他跟真格一起合作一个项目 ，是说给今天这个时间点的 AI 的初创的 ， 哪怕是一个个人， 提供 5 万美金的 Token， 我这 5 万美金的对应的 Token 给到你用 ， 然后你做个东西 ， 做好那个东西 ， 我们再来评估你这个项目是否值得投资 。 但是这 5 万美金 Token 相当于就是个孵化 ，因为很多今天这个时间点 ， 你想用最 ， 你比如 Claude 最贵那个模型 ，其实很贵 ， 你哪怕今天只是跟它对话几句 ， 可能就要每一句话要零点几美金这种 ， 对吧 ？ 那你更不想复杂任务 。 那很多个人开发者 ， 尤其是比较有能力的技术开发者 ， 如果他没有一个初始的 Token 的使用成本 ，他可能没有办法做一个很好的东西 。 所以他以这种方式来做最早的投资 。 那你说 5 万美金 ， 哪怕是 5 万人民币 ， 对吧 ？ 可能确实听起来不是一个投资者或者一个天使投资人应该投资一个项目的那个最低额度的起始线 ，但事实今天这个时间点这件事情也变化了 。 确实今天 AI 的能力让哪怕是一个人， 或者一个非常小的团队 ， 可以想象一个比较大的事情 。 按照我朋友说法是说 ， 小团队今天可以想中型团队原来做的事情 ， 中型团队可以想原来大型团队做的事情 ，因为 AI 能力的加持 。 但是这件事情就是说 ， 它并不代表早期投资没有意义 ， 或者说早期投资今天这个时间点 ， 对于很多早期项目评判方式也出现变化 。 有一个衡量角度是说 ， 原来比如说一个天使投资人投一个天使项目 ， 可能更多是看这个团队的背景啊 、 人啊 ， 包括他们要做这个事情起步需要多少钱 ， 那确实看起来这个钱比可能比原来小了 。 然后呢 ， 原来可能我天使投资投你一笔钱 ， 你做到一定阶段 ， 然后你就用 A 轮 ， 对吧 ？ 然后 A 轮再给你一笔钱 ， 然后你做到下一个阶段 ， 然后再去融 B 轮 ， 它原来是这样一个流程 ，但今天不一样 ，因为首先变化很快 ， 第二呢 ， 你启动一件事情的成本没有那么高 ， 所以很有可能是说你因为你的背景 ， 或者说你的 Title， 或者你的资历 ， 你可能拿了 一笔钱 ， 哪怕它只是天使的钱 ，但这笔钱可能让你可以试 6 次 ， 你可以今天试这个 ， 做了几个月发现不行 ， 换掉再做另外一个 ， 还不行再换 。 因为今天这个时间点做一件事情 ，并且做到一定阶段 ， 达到一定效果 ， 这个成本变低了 ， 所以它可以让你多试几次 ， 然后你试着试着发现有一个方向值得再往前试 ， 你再融下一笔 ， 没准你融到了 ， 然后你发现过程中还是不行 ， 那再换 。 所以你发现市面上其实有很多这样的项目 ， 我开玩笑讲叫见光死项目 ， 就是创始人确实背景很强 ，也很容易拿到天使 ， 然后甚至这个天使的钱也很多 ， 可能几千万人民币都有 ，但他没有东西 ，他就在试 ，不断地试 ， 然后试一个东西做出来发现不太行 ， 见光死掉 ， 再试还不行 ， 再试 ， 直到试到一个觉得还可以的再往前弄 。 但凡他这个还可以的东西 ， 阶段性得到一定的正反馈 ，他可以再融 ，但没准他做一段发现还是不行 ， 那这个项目再换 ， 你会觉得这会变成常态 。 我们原来那种一直做一件事情 ， 从最开始做到一定阶段 ， 融下一轮 ， 然后做到大规模再融下一轮 ， 那个故事可能是一个古典的 TMT 互联网 、 移动互联网的 VC 叙事 。 今天的 AI 行业不是这样的叙事 ，是你是要不断地试 ，不断地找方向 ， 甚至可能今天投你投资的人跟明天投你投资的人， 你谈的讲故事完全不一样 ， 都是有可能的 。 **孙冰洁** [32:06] 你提到了一个特别关键的变化 ， 就是这种早期投资在 AI 赛道的这种方式和逻辑的变化 。 因为前面你也提到了像这个龙虾的创始人 ，他现在被 OpenAI 收编 ， 像之前的 Manus、Cursor 这些爆款的 AI 产品 ，也大多是这种我们现在说哈所谓的打引号的 " 世外高人 " 打造的 ，而不是像传统的这种创投的逻辑是孵化出来的 。 所以再加上你说的 ， 它就是意味着现在的一级市场早期投资的在 AI 领域的那种传统的逻辑 ， 基本上已经失效了 。 **庄明浩** [32:40] 所以对于意识上投资者而言 ， 压力跟挑战都很大 ，因为现在处于一个某种意义上的混沌态嘛 。 就当然有一批人还是信奉原来那个方式 ， 你像过去一年整个中国意识上最大的共识是 AI 硬件嘛 ，因为大家会觉得纯软的东西很难做嘛 ， 你让用户付钱在国内不太现实 ， 然后 ToB 这个生态跟美国又没得比 ， 或者说纯软的东西大模型已经投完了 ， 那自然 会走硬件 。 然后硬件又因为大家会觉得 ， 比如过去这些年， 你像大疆 、 拓竹 、Insta360， 甚至小米供应链那些公司 ， 甚至包括小米自己 ， 本质上来讲都是符合我们这一套叙事的 。 我们有巨强大无比的供应链 ， 深圳 、 华强北 ， 然后有上轮电动车 ，有巨升 ，有所有这些东西都连在一起 。 又因为这些创业者 ，因为在这些公司里面经历过这些战役跟战争 ，他理论上是一个双引号成熟的创业者 ，他是 righted。 那今天 AI 来之后， 相当于让两件事情结合在一起 ， 所以大家疯狂地去投这个样子的创始人， 无论他做什么 ， 做玩具 、 做毛绒的 、 做带显示屏的 、 做学习机还是做各种各样的东西 ， 对吧 ？ 拍照的 、 摄像头的 ， 就是你能想到的各种各样的板块 ， 就这个故事本身的逻辑 ， 造成了这种我们叫群体效应 。 你说它不对吗 ？ 我觉得没有什么不对 ， 就是它符合我们刚才讲的所有逻辑 ，但同时确实如刚才所说 ， 今天给了那些双引号的 " 世外高人 " 更多的可能性 。 原来的你像移动互联网发展到比较后期 ， 可能 15、16 年之后， 基本上就没有真正意义上新出来的大公司了 ， 就初创公司已经非常难了 。 那是因为那个时候 、 那个阶段 ， 整个行业所有东西开始固化了 ，但今天是一个新的战场 ， 新的可能性给到了这些 ， 尤其是因为刚才我们说那个给 AI 给个人能力的那个加成的状态 ， 它可以无限地被放大 。 那似乎就有了这种可能性 ，是说有另外一套叙事 ， 就他真的是可能是个世外高人 ，他真的可能是原来可能不在任何 VC 社群里的这样一个角色 ，他真的做了一个非常大的事情 。 那这个事情也会频繁地爆出来 ， 甚至这个事情再扩大 ， 我不知道你想不想这个问题 ， 比如说今天这个时间点 ， 全网的概念到底是什么 ？ 我为什么想这个问题 ？ 前段时间这个阿里的那个千问的那个负责人林运扬离职 ， 那造成的结果就是全网的探讨 。 可是在这个事情出现之前 ， 知道林运扬这三个字的人， 可能只有几十万人全世界范围内 ， 对吧 ？ 那全网的范围到底是什么呢 ？ 你再比如说我们今天讨论龙虾 ， 中国的无数的厂商已经做了非常非常多傻瓜化跟低门槛的方式 ， 让用户体验到龙虾的能力 。 可是即便是这样 ， 我们去算一下今天这个时间点 ， 全中国有十几亿网民 ， 真正意义上无论是在电脑还是在云端用上龙虾的用户 ， 大概是个什么量级 ？ 没准是几百万 ， 可是几百万 ， 你感觉就已经是全世界都在讨论这件事情了 ， 对吧 ？ 所以那这个双引号 " 全网 " 的概念 ， 到底是一个什么样的范围 ， 什么样的界定 ？ **孙冰洁** [35:29] 这是一个非常好的思考的视角 。 我们现在是好像所谓的全网都在龙虾狂热 ，但是你真的放大到这个基数的话 ， 这个从数量量级来看的话 ，其实真的没有那么大 。 **庄明浩** [35:41] 因为我最近在准备我最新一期的 PPT， 我还没有想得特别成熟 ，因为最后你总要做一些升华跟这个总结嘛 。 ### 泡沫担忧 **庄明浩** [35:47] 我想最后 PPT 落在一个点上， 我会有一些担心 ， 当然我这个担心没有那么强烈 ，但这个担心会很像今天我们回头去看那些现在还在 Web3 战场里的人。 当年 Web3 炒得最热的时候 ， 你去看它的市值 、 它的讨论 、 它的融资 ， 它们对未来的憧憬 、 对技术路线的信念的坚定 ， 跟今天可能有点类似 。 哪怕到今天 ， 依然有很多人还在坚守在那个战场里 ，但是你知道它就像一个取高喝寡的东西 ， 它不太可能实现它原来所设想的那么伟大的规划 ， 什么样的 。 那当然我内心觉得 AI 跟 Web3 还是不一样 ， 我们自身在做的所有这些事情 ， 本质上也在推动这件事情 ，但是我也会担心我们认为在发生非常非常重要的事情 ，在影响很多重要的事情 ，在影响一级市场 、 二级市场 、 几万亿美金 、 人类的 GDP， 甚至人类的未来 。 但就是会不会在某个节点 ， 我们会陷入到类似今天 Web3 的局面里 ？ **孙冰洁** [36:44] 我个人感觉的话 ， 这还是有点不同的 ，因为 AI 所谓的这个全网和它覆盖的这个全民的概念 ， 相比 Web3 的话 ， 那还是要大得多 、 广得多 。 基本上大家都认可这是一个势不可挡的浪潮了 ，但是 Web3 的话 ， 肯定没有达到这样的量级和势能 。 **庄明浩** [37:02] 对 ， 我内心当然也是这么认为 ，但是你总会隐隐地有些担心 。 **孙冰洁** [37:06] 你觉得有可能是狂欢一场 ？ **庄明浩** [37:07] 当然它就是这个 ， 可能引发咱们后面的讨论 。 所谓的泡沫 ， 所谓的调整 ，其实人类你在经历的当下， 你是不知道你是在泡沫的哪个阶段的 。 你只有在事后可能过了十年、 二十年之后， 回头去看 ， 你才知道那个浪的曲线的变化 。 你看英伟达的股价 ， 对吧 ？ 因为今天英伟达的 PE 已经比什么沃尔玛 、 什么 Costco 都低了 ， 对吧 ？ 然后甚至比标普 500 的平均 PE 都要低了 。 就是你就觉得啊 ， 怎么会这样 ， 对吧 ？ 然后你看进入到 2026 年， 引领过去三年， 整个美股叙事的所谓科技巨头 ， 这七家都在跌 ， 跌微软已经跌了 1/3 了 ， 可能是微软历史以来最差的一个季度 。 就是可是过去三个季度 ，AI 行业依然非常喧嚣 ， 非常热闹 ， 热闹得一塌糊涂 。 可是为什么这些过去三年引领这个行业走的人， 我们只从股价上来看 ， 出现这样的分歧 ， 甚至这些分歧不是一家两家 ，是所有公司都面临这些分歧 。 连最代表的英伟达 ， 已经连发两个季度超预期的财报之后， 股价丝毫没有变化 ， 那就很容易大家会想 ， 它到底是在只有两个结果 ， 一个结果是憋个大的 ， 另外结果就是往下， 就是没有别的结果 。 那你选择相信什么呢 ？ **孙冰洁** [38:19] 你感觉现在市场进入到了一个所谓的冷静期吗 ？ **庄明浩** [38:22] 我觉得有外围的因素啊 ， 就是这个国际局势的不太平导致的这些事情 ， 可能会对股市整体有影响 ， 对吧 ？ 因为股市它是一个很复杂的系统 ，但确实我们只从股价上来说 ， 今天这个时间点 ， 头部的 AI 相关的上市公司的股价跟它在 AI 业务上的 ， 比如收入增长啊 、 什么预期之间的关系已经不大 。 就这些故事已经被透支得不能再透 ，但是就这个趋势没有到头 ， 所以它就卡在这个中间 ， 还是那个议题啊 。 如果我们认为 AI 是技术革命 ， 那历史上所有技术革命都经历一个周期 ， 叫基础设施的过度投入 。 那现在算吗 ？ 今天你像这个投入已经到什么程度 ？ 我们已经受限很多物理世界极限 ， 存储芯片 ， 对吧 ？ 已经炒了两个季度了 ， 然后台积电的代工一直都是受限的 ， 就先进封装 ， 对吧 ？ 电 ， 对吧 ？ 然后你像最近大家又讨那个光传输 ， 对吧 ？ 就是卡之间的传输信号 ， 连那个原来铜缆都不用光 ， 然后建立数据中心的土地审批也是问题 。 那似乎看上去 ， 我们已经到了很多不可操控的极限点 ， 那已经是人类的物理极限了 。 然后呢 ， 另外一边大家会说 ， 这个算力需求远远没够 ， 就像我们刚才讨论一样 ， 中国现在只有几百万人用而已 ， 几百万人用已经让中国所有的互联网大厂 、 所有云厂商 、 所有民营公司的算力都紧张了 。 那过度投入应该是现在多少倍啊 ？ 那那个数字已经大到我们没有办法想象了 。 那这中间到底是谁对谁错呢 ？ 所以就是我觉得市场也是在这种两方都有非常强烈理由的观点之间来回冲撞 ， 彼此都说服不了对方 。 **孙冰洁** [40:00] 对 ， 现在也能明显感觉到市场信心是受到了一定的影响的 。 因为就像你说的 ， 目前它整个的生态是投入远远地大于产出 ，而且需求跟产品能力错位 ， 所以进入到了这样的一个冷静 ， 甚至是观望的时期 。 **庄明浩** [40:17] 对 ， 你会发现你看到所有的这种 ， 比如报告 、 什么分析文章 ， 然后观点的抛出 ， 本质上来讲 ， 你会天生的第一反应是说 ，他有他的屁股所在的一边 ， 所以导致他说的这些事情 。 那当然这是合理的 ， 对吧 ？ 因为你坐在这当然要说这些话了 。 你看几乎所有的意识上的投资人的报告 ， 全部都是看多的 ，因为他在做一级 ， 一级是不能看空的 ， 一级看空就没法干了 。 所以所有意识上的报告全都是看多的 ， 全都是这只是刚刚开始 ， 跟互联网泡沫不一样 。 但是金融史告诉我们每次都一样 ， 对吧 ？ 那你还相信哪边呢 ？ **孙冰洁** [40:51] 从二级市场来看的话 ， 你觉得二级市场对 AI 概念的估值逻辑 ，有没有从算力延伸到应用落地这个层面 ？ ### 二级市场 **庄明浩** [41:00] 我觉得分中国 、 美国 ， 中国 、 美国情况不太一样 。 就美国那边还是以最头部公司的 KPIs， 然后云厂商的变化 ， 包括马上要上的这两家公司的估值为核心的构建整个框架 。 初创公司可能按 AI 多少倍去算 ， 然后软件股跟 SaaS 股在经历一个比较大的调整期 ， 当然这调整期看起来也在经历波折 。 有些软件股其实也开始变 ，也开始回调了 ， 然后有些软件股已经跌得一塌糊涂了 。 所以美国那边是这样的情况 ， 中国不太一样 ，是说中国其实本质上来讲 ， 国内的资本市场其实是缺绝对意义上的好标的的 ， 所以它会把这种焦虑跟情绪拱到一些其实本不应该他们享受的标的上 。 当然这可能是中国 A 股的一些特殊情况 ， 然后那 A 股跟港股可能又联合地说 ， 所以港股你会发现质谱跟 Max 涨得一塌糊涂 ，因为他们是纯血的 AI 大模型公司 ，他们没有任何别的事情 。 可是你看一些 AI 相关的公司 ，其实跌得还是蛮惨的 ， 哪怕它的业务主要还是靠 AI 贡献 ， 甚至它可能有非常强的 AI 的能力 ， 可是跌得也是蛮惨的 。 那甚至那就更不要说那几家大的大家伙了 ，他们就因为各种各样的原因 ， 反正那当然所有的这套东西可能跟就是跟国内资本市场的这个构成 ， 然后对主题的偏好 ，以及不断的这个故事的叠加都相关 ， 就它存在也是合理的 。 **孙冰洁** [42:20] AI 这种之前比较热炒的题材驱动的行情 ， 现在是不是已经渐渐地开始降温 ， 甚至褪色了 ？ **庄明浩** [42:30] 但是题材永远都是有新题材的 。 **孙冰洁** [42:33] 有新故事 。 **庄明浩** [42:34] 对 ， 你像去年下半年开始就是存储嘛 ， 到今天存储还在涨 ， 内存 、 硬盘都在涨 ， 然后去年年底到今年年初开始炒光嘛 ， 光通信嘛 ，因为大家会觉得大的数据中心的联网影响整个速度 ， 除了存储之外， 开始变成通信开始遇到障碍 ， 甚至去炒一些更底层的元器件 ， 对吧 ？ 就这个逻辑 ， 只要那个巨大的资本支出的前提条件不发生扭转 ， 那这个故事看起来就可以继续炒下去 。 而且这件事情你会觉得 ， 首先就有两句话其实是对立的 ，但听起来都合理 ， 就是第一 ， 市场永远都是有效的 ； 第二呢 ， 市场永远都是过头的 。 那有效就是它总会再调整 ，但过头就是它总会先过去才会调整 。 前两天我看新闻是说泡沫 ， 它已经跌到它的市盈率比它的代工厂商都低了 ， 它的工厂的市盈率比它高 。 那你想泡沫它是一家有 IP，有渠道 ， 它不应该这样 ， 对吗 ？ 但是那为什么呢 ？ 对吧 ？ 然后你看这边也一样 ， 英伟达的市盈率已经低于沃尔玛了 ， 甚至低于苹果 。 大家会认为苹果在 AI 年代不应该是个失意者吗 ？ 它只是靠它传统的这些 iPhone 啊 、Mac 啊 、APP Store 来贡献收入稳定 ，但是今天苹果的市盈率是超过英伟达的 。 为什么 ？ 这是不是有点角冷过剩了 ？ 也不知道 。 那所以你会发现这些 ， 包括每个主题探出来 ， 这个主题被炒到什么程度 ， 我觉得也是一个它揉杂了太多的情绪 。 那我们再举个更现实的例子 ， 比如说质谱又涨了很多 ，因为质谱发了新的模型 ， 只要发了新的模型 ， 它表现好 ， 它就可以涨 。 然后比如说明天又有一个下一个什么 openclaw， 什么 opencat 或者 openbear， 只要这个主情绪还在 ， 所有今天新加的东西都会让它变成燃料往上拱 。 但是这个事情你听起来就很危险了 ，不是吗 ？ 因为你想啊 ， 质谱会涨 ，MiniMax 也就会涨 。 就我们总有个那个金庸的那个武功叫梯云纵嘛 ， 就是左脚踩右脚就上去了 。 但是你要知道 ， 我们经历过所有的梯云纵 ， 最后都会踏下来 。 就是它会有个梯云跌的过程 ， 就是你今天是纵 ，因为你 A， 所以 B 涨 ，B 又涨了 ， 又代表 A 也应该涨 ，不断地升 。 但是当市场的主情绪扭回来的时候 ， 它就会变成叠加的往下 ，因为这个跌它就会跌 ， 那就补跌 ， 就再往下跌了 。 那现在看起来 ， 如果我们只选 0 跟 1 的话 ， 看起来现在这个时间点 ， 这个情绪还在正向这一边 ，因为确实 openclaw 带来这一波的能力的提升啊 ， 效率的提升 ， 个人用户的渗透 ， 算力的需求 ， 它这个主浪看起来没有太大的问题 。 但是什么时候这个情绪可能会出现变化 ， 那没有人知道 。 而且你在经历过程中是不知道我们到底在哪 。 ### 投机博弈 **孙冰洁** [45:15] 那在这种情况下， 怎么来区分 AI 赛道的价值股和投机股 ？ **庄明浩** [45:19] 我觉得所有都是投机股 ， 没有钱 。 **孙冰洁** [45:22] 哈哈哈 。 **庄明浩** [45:23] 对吧 ？ 我原来讲过一个故事 ， 产业链上最上游是用户嘛 ， 用户无论是 ToB 还是 ToC 是用户嘛 ， 然后用户去买应用嘛 ， 然后应用是运行在模型上的嘛 ， 模型是运行在云上的嘛 ， 云的物理世界是数据中心嘛 ， 数据中心里放的是卡嘛 ， 然后卡是由台积电代工的嘛 。 那你看这个链条 ， 无非就是这些公司嘛 ， 对吧 ？ 那现在看起来用户的需求无止境的啊 ， 用户是没有错的 。 那模型厂商 、 应用厂商 ， 那就是疯狂地提供服务 ，但应用厂商的商业模式受限于它要给云公司跟模型公司成本 ， 它的毛利很低 ， 甚至是负毛利 。 它所以它需要输血 ， 需要投资人的钱 ， 甚至需要上市 ， 对吧 ？ 那模型公司也类似 ， 就模型公司一边要提供服务 ， 它也有成本 ， 一方面它要训练新的模型 ， 它也有成本 。 而且随着这个巨大模型的提升 ， 算力成本乱七八糟越来越高 ， 所以模型公司可能五六十的毛利 ，但是其实这个毛利 cover 不住成本 。 那云厂商看起来还不错 ， 对吧 ？ 几家大云厂商增速都很好 ，但云厂商也有它自己的成本 。 然后你听起来似乎做数据中心的数据中心 ，以及数据中心里的卡 ， 就英伟达的卡听起来是赚钱的 ， 无论怎么他们都是赚钱的 。 那他们赚钱 ， 台积电就不会亏钱 ， 所以大家去找台积电 。 可是台积电也提了 KPIs， 它也疯狂地加注了 。 就是台积电这家公司历史上是以冷酷 、 冷静 ， 甚至冷血著称的 。 那即便是这么冷酷 、 冷静 、 冷血的公司 ，也加了 KPIs， 那似乎可以被证明应该是信得过的 。 它甚至董事长在财报会议上说 ：" 我们去调研了我的客户 ， 我的客户的客户 ， 来确认 AI 的需求是不是真的 。" 那答案是很满意的 ， 人家都这么说了 ， 你理论上应该相信了 ， 对吗 ？ 因为所有链条上的这几家都这么说了 。 但是还是那个问题 ， 当这件事情涨到很多事情的极限里的时候 ， 你就不能只看这些公司说什么了 。 有个更现实的问题在于 ， 虽然比如大家的收入在涨 ， 尤其是云公司 、 什么科技巨头 ， 包括软件公司 ，但可能现金流是在降 ， 降的是在疯狂降 ，因为巨大的投入的支出 。 那总会有一个什么阶段 、 什么节点 ， 或者什么比率 ， 这件事情应该到头了 ， 对吧 ？ 你像比如现在 Meta 50% 的收入要做 KPIs，Meta 又没有云 ， 你会觉得有点危险了 ，不是吗 ？ **孙冰洁** [47:37] 是 。 **庄明浩** [47:37] 那这种情绪会越来越激 ， 越来越激 ， 它到一个什么节点会从疯狂扭转成那个样子 ， 我们也不知道 ， 没有人知道 。 所以在过程中， 你只能选择你的风险偏好去选择 ， 从投资角来讲 ， 你认可什么跟不认可什么 ， 你只能去根据你自己的承受范围去选择 。 所以你如果以刚才那问题 ， 所以我说的正确废话 ， 就所有的都是投机 ， 本质上来讲今天这些都是 ，因为大家在赌那个巨大的未来 。 可是那个巨大未来确实需要太多的钱 ， 太多的前置条件才能走上去 。 但是你会发现 ， 你又回头看 ， 你发现过去三年， 哦 ， 走得也还行 ， 对吧 ？ 虽然也中间有很波折 ， 乱七八糟各种各样的事情 ，但是似乎还在这个浪里 。 这可能跟之前的确实跟什么元宇宙 Web3 不一样 ，因为元宇宙 Web3 可能就差不多三年就结束了 ， 就是它已经彻底地不在我们讨论氛围跟真伪的状态里了 。 但是这一波不是啊 ， 似乎看起来刚刚开始啊 ， 那就是继续往前走呗 。 **孙冰洁** [48:31] 从现实层面来看的话 ， 你觉得二级市场更看重 AI 公司的这种短期的营收 ， 还是它长期的技术壁垒 ？ **庄明浩** [48:39] 我觉得二级市场可能还是要相对长期一点 ， 当然短期营收也很重要啊 ，但是可能不同阶段的公司也不一样 。 比如说大模型公司 ，因为它阶段很早 ， 就这个阶段 ， 你可以预期它刚上市是去年的报表 ， 然后今年是第一个完整财年， 第一个完整财年收入肯定是暴涨 ，因为它确实赶上这波了嘛 ， 它肯定涨很多倍 ， 都不是 ， 可能都不是个位数倍数 ， 它可能都是十万位数倍数 。 那你就就想再再明年呢 ， 能不能再有一个什么新的再撑几个量级的增长 ， 你是期待这个事情 ， 对吧 ？ 那你像传统业务公司 ， 你像比如做数据中心业务 ， 做实施的 ， 做这些可能原来比较苦力业务的公司 ， 那你就再看它能不能借着 AI 这波 ， 比如把原来很苦的生意的毛利提几个点 ， 能不能变得更不那么苦 ， 对吧 ？ 你再期待这些事情 。 那然后你比如芯片公司 、 代工公司 ， 那你就期待它能不能从原来一个量级的订单变成因为一个巨大的需求 ， 它的比如订单或者收入跨一个量级 。 就是你只能期待这些事情 ，但这些事情听起来也是短期的 ，因为你会发现 ， 你哪怕得到了那个你期待中的正反馈的结果 ， 那你到了下一个阶段 ， 你会面临下一个阶段的问题 。 比如过去这一年多 ，Oracle 的股价就是非常典型的代表 ，Oracle 大家原来认为是在整个云时代失意的一家公司 ， 它还是一个传统的数据数据库软件公司 ，但是 Oracle 接了 OpenAI 大的订单 ， 邦邦邦一顿暴涨 。 但接的过程中大家发现 ， 随着每个季度的财报越来越出现 ， 大家发现这个生意本身对于 Oracle 这种以牺牲毛利率去接巨大订单的云厂商而言 ， 可能最后这个事情是得不偿失的 。 你你的现金流可能在未来三年会出现巨大的问题 ， 然后市场开始往回调 。 我们从股价来看 ， 去年一年白折腾 ， 就是就是生存水平又跌回来 ， 甚至还在往下跌 ， 那怎么弄呢 ？ 所以就是每一个阶段有每个阶段面对的问题 。 那你比如这一波对软件股跟 SaaS 公司也一样 ， 就是你像过去这一个季度财报 ， 几乎所有软件公司都在讲自己的 AI 业务产生的收入 ，其实都是涨的 ， 甚至整体收入都是涨的 。 但是大家有一个固有的巨大的逻辑是说 AI 会替代你们 ， 那这个逻辑不扭转 ， 这个情绪不扭转 ， 你收入再怎么涨 ， 听起来也不会改变股价本身的那个浪 。 所以那就是它就是这么一个状态里 。 **孙冰洁** [50:51] 对 ， 你说的这一点 ， 我在生活里面有很微妙的观察 。 我前段时间跟我一个在国内某大厂就从事 AI 研发的一个朋友交流 ，他们从事的是目前我们看起来最赚钱的 ，而且也是最新兴的 、 才对风口的一个行业 。 ### 替代焦虑 **孙冰洁** [51:07] 但是他们这批研发人员在其中啊 ， 整天讨论的就是会被自己研发的这种 AI 工具替代 。他们那个焦虑反而是更重的 ， 比我们要重得多 。 **庄明浩** [51:16] 因为他们站在那个边界边上了 ， 那个边界确实就是挡不住了 。 这是我春节的最直观感受 ， 就是很多事情真的是挡不住了 。 然后你你最近一段时间这个新的模型发布 ， 包括这两天 Anthropic 这个新闻 ， 它说他们的模型太强 ， 强大到它不敢发出来 。 当然它有一定的营销的成分 ，但是你可想而知它那个东西的能力确实 ， 你看各种各样打分 ， 各种各样的排名 ， 包括它在很多场景里的应用 ， 那真的可能就是挡不住了 。 那怎么办呢 ？ 而且尤其如果你真的从事这个研发的话 ， 那似乎那很简单 ， 比如我们再举国内更现实的例子 ， 短剧 ， 短剧原来火得一塌糊涂 ， 现在所有的短剧公司演员几乎全部失业 ，因为大家不需要演员 ， 我用演员干什么 ？AI 生成就好 ， 用演员干什么 ？ 又演得又不好又贵 。 **孙冰洁** [52:04] 短剧这个真的是昙花一现呢 ， 原来那么好的一个生命看起来 。 **庄明浩** [52:09] 对 ， 那你想原来短剧是相当于是救活了之前不太好的影视行业 ， 服化道 、 场地 、 横店 ， 然后这个演员 、 化妆师 、 导演 、 编剧 ， 原来这套灯光 、 摄影 、 摄像 ， 大家这个行业原来影视行业以前不是不行了吗 ？ 然后短剧行业火了 ， 大家觉得能吃一波 ， 然后嘣 ， 全线本体来一个 ，AI 能力到了 ， 就挡不住了嘛 ， 就是过了那条线了嘛 。 就无论是文字 ， 从编剧开始 ， 到图片 、 场景 、 分镜 ， 到视频生成 、 可控性 、 应用能力 ， 然后深化同步 ， 所有的事情全部 ready 之后， 啪 ， 全部扫掉 。 然后怎么办 ？ 就瞬间 ， 真的是瞬间 ， 就是从原来大家还在观望 ， 还在怎么样 ， 到瞬间全部接受 。 那这个行业就是这么快的 ， 就是这个小半年的时间 ， 然后现在全都什么 AI 慢剧了 ，AI 生成的真人剧也有了 ， 就是它一定会非常快的 ， 怎么可能慢下来呢 ？ **孙冰洁** [53:06] 一边是这种挡不住的趋势 ， 另外一方面呢 ， 我们又看到现在 ， 尤其是随着龙虾热引发的这种 AI Agent 的狂热 ， 我们看到很多 ， 包括一人公司的兴起 ， 这种机会又被炒得也挺热的 。 你觉得这个所谓的一人公司 ， 它到底是一个未来的趋势呢 ， 还是说它现在是一种创业的幻想 ？ **庄明浩** [53:30] 你一定要选的话 ， 肯定是相对悲观的嘛 。 逻辑上来讲它也合理 ，因为确实让我们说 AI 今天给个体的附加的可能性真的被无限放大了 。 然后你真的想就是你想干什么 ， 理论上说去做实施的过程中， 呃 ，不仅仅是 AI， 可能包括供应链 ， 包括互联网 ， 包括很有很多技术的加成 ， 让今天一个个体能够做的事情的边界真的被无限放大 。 所以理论上说它确实可以成立一家双引号的个人公司 ， 这个逻辑本身没有问题 。 但是现实问题在于 ， 真的今天这个时间点的整体的经济环境给了大家那么多的空间做一家一人公司 。 所以你看今天一人公司就那几个方向 ， 自媒体博主上课的 ， 对吧 ， 卖课的其实一样 ， 然后做一个什么 ， 做教师 ， 做老师 ， 然后做一个什么美工 ， 做一个什么手工艺品的品牌主理人， 就是你能想到的大概就是那几个东西 。 可是这个职业 ， 或者我们从职业角度来讲 ， 就这种职业再大 ， 它不太可能会影响第一产业跟第二产业 ， 对吧 ？ 第三产业只能可能影响一部分 。 当然这么想又中举思维了 ，但是似乎就是 。 **孙冰洁** [54:37] 对 ， 我刚想说 ， 你这个思维堵死了多少对于灵活就业的希望啊 。 **庄明浩** [54:42] 哈哈哈 ，不是灵活就业本身没有问题 ， 包括一人公司你成立也没有 ，但是你做这件事情之前 ， 你是要想好你要干什么 ，并且你干的这件事情是有价值跟有意义 ，并且所在职班也能养活自己 ， 你才值得这么搞嘛 。 你像前两天我听那个谁郝景芳郝老师他们讲 ，他们原来公司其实就拆成了很多个原子的个体 ，其实他们干的活没有变化 ， 就还是以郝景芳老师为主体 IP， 包括做一些教育课程 、 线下的实施 ， 还是做这个事情 。 但是比如说原来各地的分办事处就变成分公司 ， 或者说独立公司 ， 它除了接郝老师的这个业务 ， 它可以接别的 。 然后你原来做这个课程研发的 ， 你也可以研发别的课程 ， 你也可以卖给别的人， 就是它变成一个这样的体 。 那今天确实在这个领域 ， 对吧 ，在线教育这个板块 ， 纯教育的内容研发 IP， 然后售卖销售 ， 什么私营运营 ， 包括组织班机确实可以拆成了 。 然后你在线下运营可以拆成更小的主体 ， 就是逻辑上来讲没有问题 。 它从一个原来可能几十人的一体公司变成十几家四五个人的小公司也 OK， 没问题 。 **孙冰洁** [55:42] 我下次有机会找郝景芳老师来聊一聊 ， 看她的这个在线教育 ， 哈哈哈 ， 从中发现了什么样的商机和未来的趋势 。 **庄明浩** [55:51] 就是她在经历这样的过程嘛 ，因为你想原来很简单 ， 她是个典型的案例 ， 就刚才我们讲的原来她的公司趁着那几年在线教育热 ， 她也融了钱 ， 对吧 ？ 那她有投资人的钱 ， 这个钱肯定不是小钱喽 。 那投资人钱拿了之后你就要做大喽 ， 你要上市 ， 对吧 ？ 哪怕被并购 ， 你的规模跟你的增长速度变得非常重要 。 可是今天这个市场 ， 无论是政策还是什么原因 ， 似乎不允许你以这样方式来做了 。 那你有什么别的方式吗 ？ 那她在选择今天这些符合刚才我们讲的原子化 、 阿米巴经营这种方式来做 ， 然后又因为 AI 能力的加持 ， 让她很多事情有了更 ， 就是在这个故事里 ，AI 很像是润滑剂 ， 它让你原来这些中间环节 ， 理论上说是可以更容易地拆开 ，因为大家通过 AI 的方式就可以润在一起 ， 没必要绑在一起来做嘛 。 ### 自处教育 **孙冰洁** [56:37] 这又涉及到大家都很关心的个体的生存的问题 。 那前面我们也谈到了这个 AI， 你说这个浪潮是挡不住的 ， 然后呢 ，也提到了一些可能潜在的机会 。 但是呢 ， 整体来说 ， 大家对于这个东西的一方面呢 ，是看到了它带来的一些对于我们所谓的助力 ， 另一方面也看到了它可能存在的威胁 。 所以你对这个事 ， 你对于个人的生存状态 ，在接下来的这个浪潮中， 你是怎么看的 ？ **庄明浩** [57:05] 就是焦虑是不可避免的 。 所有关于 AI 这样的探讨 ， 最后大概率都会走向两个问题 ， 一个问题是关于身心灵的 ， 一个问题是关于教育的 ， 就是小孩子的教育的 ， 就是这两个问题基本是回避不开的 。 它其实是一个问题 ， 就是我们对未来的生活的 ， 无论是我们自己还是我们下一代生活的焦虑的问题 。 你说今天实际上有什么解决方案 ？ 没有 。 我再举个另外一个套路 ， 今天很多的 ， 比如说各种各样的公众号 ， 会写什么今天某个什么科技大拿 ， 什么教育专家讲怎么在 AI 时代教育他的孩子 ， 这种文章一定会比它普通文章的点击量变得更高 。 如果我们今天冷静点想 ， 你觉得那篇文章会讲什么吗 ？ 它会讲出什么吗 ？ 会有什么明确的标准答案跟正确答案告诉你吗 ？ 不可能 ， 对吧 ？ 因为没有人知道会怎么样 ，因为所有人都在经历这个当下， 没有人会预判 。 我也一样 ， 焦虑我儿子的教育 ， 没有任何人能独善其身 ， 焦虑是常态 。 那既然是常态 ， 我们就要接受它 ， 然后去能做一些改变我们焦虑的事情 。 最简单的方式就是让自己手脏一点嘛 ， 你去用一用 ， 感受一下嘛 ， 试一试嘛 。 哪怕你每天不是工作 ， 你每天日常的娱乐生活 ， 比如说我在减肥 ， 对吧 ？ 每天你就拍卡路里 ， 记住你的日常餐饮 ， 今天大模型已经偷偷的可以搞定 ， 你不需要用什么软件 ， 就是你让这件事情融到你的日常的工作过程中， 你可以让它给你开心嘛 ， 对吧 ？ 就是你可以让它享受我们叫 build 的乐趣 ， 然后玩的乐趣 ， 然后让你生活变得更有意思 、 更丰富的乐趣 。 你没必要把它想得那么苦哈哈 。 今天大家很常见是说我一定要抽一个什么大块的时间 ， 我要学一下什么东西 ， 没必要嘛 。 这东西不是那样一个东西 ， 它大部分情况下对个体而言不需要这种方式 。 你就日常工作过程中以自己的方式去 touch， 哪怕感受一下发现不太合适 ， 那你先退回来嘛 ， 再等等嘛 ， 然后再去它再去感受 。 所以你一遍一遍这过程中， 你会越来越的接受跟容纳这个事情过程中， 你就会比较容易 。 所以你说有什么解 ？ 没什么解 ， 这个现实就是挡不住 ， 它已经滚滚而来 。 你能在你的生活中找到什么乐趣 ， 你甚至可以完全不开这件事情 ， 去找你本来有的乐趣 ， 去感受无论是身边的人 、 现实的世界 、 花花草草 、 你的兴趣爱好还是什么 。 所以你反过来讲 ， 今天这个时间点 ， 当 AI 能力越来越强 、 越来越普世 、 越来越接近所谓的双引号的 AGI 的时候 ， 那人每一个个体都要想 ， 那你存在的价值会是什么 ？ 我举个更现实的例子 ， 现在是 4 月 ，因为我儿子现在六年级 ， 我女儿大班升小学 ，4 月份基本上就是找他们夏令营的时间 。 你自然你肯定想找 AI 训练营嘛 ， 对吧 ？ 然后呢 ， 你找完之后， 你会发现这些夏令营本身都是在割韭菜 ， 它其实是在满足家长的这种焦虑情绪 。 然后我正好有身边朋友在做类似的事情 ，他就说他们想做的事情是这样 ， 就说他给很多他们教的小孩子这样一个问题 ， 说如果今天你没有作业 ， 你没有课外课 ， 爸爸妈妈也没有对你的要求 ， 你今天想干什么 ？ 这是他们在这个你可以觉得夏令营或者这段时间用 AI 来做一件什么事情的起点 ， 那你就要想清楚 。 那类似的问题其实给成人也一样 。 **孙冰洁** [1:00:02] 哎 ， 我经常这样设想的 ， 这个前提就是假如说我今天有花不完的钱了 ， 我最想做什么 ？ 哈哈哈 。 **庄明浩** [1:00:10] 那小孩子其实这个场景会更容易实现嘛 ， 对吧 ？ 就是家长养着你 ， 然后你现在你也没有作业 ， 你也没有课外课 ， 你也大块时间 ， 你想干点什么 ？ 你会发现啊 ， 很多小孩子是回答不出来的 ，他不知道 ，因为他天天被安排的基本上是稳定态的 ，他没有那么多的就是自己到底要你想要什么 ， 你想得到什么样的精神的满足感 ， 你因为什么事情能够得到正反共 ， 就这些事情你似乎会觉得越来越重要 。 那反过来讲 ，openclaw 我们回到今天所有议题的最开始 ，openclaw 故事也是这样一个故事啊 ， 那个创始人就是一个卖过公司 、 财务自由 ，但是还没有很老的一个山外高人， 对吧 ？ 是像你所说 ，他就是有一个自己的需求 ， 说我能不能今天我出去玩的时候 ， 用我的手机上的微信或者美国的微信 WhatsApp 去控制我家里那台电脑 ，AI 帮我干个活 ， 就这么简单一件事情 。他会认为这个事情不应该早就应该有人做 ， 没有人做啊 ， 等了大半天没有人做 ， 那好 ， 我来做一个 。 它的原始出发点就是这么简单 ，但就这么一件事情 ， 本应该有人做的事情没有人做 ， 那它不就出现了后面所有事情吗 ？ 那似乎这个故事不也就代表了刚才我们说的这一套话吗 ？ **孙冰洁** [1:01:25] 是 ， 咱们再回到今天的这个主题上 ，因为今天是以这个 openclaw 龙虾热开始的 。 如果是从投资周期来看的话 ， 你觉得最终这个热潮会以怎么样的一个方式来落幕吧 ， 或者是结束 ？ ### 落幕与进化 **庄明浩** [1:01:41] 我曾经想过一个角度 ， 比如说英伟达再跌 50%， 会不会是一个比较重要的节点 ？ 但这个当时我想股价跌 50%，其实这个定义本身不合适 ，因为英伟达的收入一直在涨 。 那如果按 PE 跌 50% 呢 ？ 其实没准已经跌下去了 ， 对吧 ？ 就是今天英伟达 PE 才十几吧 ， 应该不到 20， 应该那巅峰 40， 那不真的已经跌一半了吗 ？ 那似乎那会呢 ， 市场好像也在慢慢的在做 。 就所以说还是观点 ， 就是我们这一代在经历这个当下的人， 很难去感受说突然间某个什么时间点 ， 一个里程碑说定义邦来了 ， 好像很难 ，但是它就在不断的过程中， 不断的去经历这样一个曲线的变化 ，而且它可能已经在发生 。 所以你像常规那个很多人画过那种曲线 ， 我们就先慢慢慢慢上升 ， 然后突然间上升到一个顶点 ， 然后再暴跌下来 ， 然后再回归到一个稳定态 。 你看所有的什么市场营销理论 ， 什么 Gartner 技术曲线 ， 什么金融市场的市场泡沫曲线 ， 基本都是这样一个曲线嘛 。 那如果我们上帝视角来看 ， 那我们今天到底在曲线的哪个地方 ？ 有些人会认为我们可能还在那个暴力上涨的阶段里 ，因为你有很多信号证明我们还远远没有到极限 ， 对吧 ？ 但有些人认为可能我们已经过了那个点了 ， 已经再往下走了 ， 对吧 ？ 就是我们参与其中是没有办法画出来的 ， 只能这件事情交由以后的历史来回看这段历史的时候 ， 才会画出来那个线 。 **孙冰洁** [1:03:06] 你觉得未来 3-5 年 AI 智能体它的发展还会走向一个什么样的方向 ？ **庄明浩** [1:03:11] 其实去年年底业界的共识是说 AI 的智能体下一阶段叫自主进化嘛 。 最近这几个月 ， 所有关于 AI agent 相关的 ， 比如说脚手架 、Hannes， 然后环境搭建 ， 本质上来讲也在让 AI 自主进化 ， 就是人类不要加太多的干预 ， 它自己去纠偏 ， 自己去验证任务的每一个节奏 ， 自己去找解决方案 ， 达到最后的结果 。 当然现在这个尝试在过程中， 还没有真正意义上可能在某些场景里 ， 比如 coding 或者说单纯的代码的生成领域 ， 可能已经接近了 。 就是你让 AI 去写一个相对 OK 的简单的程序 ， 今天实际上已经是基本 ready 了 ，但是在很多复杂场景可能还没有 ready。 那自我进化这个程度 ， 可能就是看上去肉眼可见 ，agent 这几年大家的唯一的努力的目标 。 但反过来就出现一个问题 ， 什么时间点才叫完成了 ， 或者我们定义它真的可以自主进化了 ？ 就这个定义似乎也很难 ， 可能就过了 ， 挡不住了 ， 它就过去了 。 然后你要看原来 OpenAI 定义的五个阶段 ， 跟自动驾驶一样 ，L1 到 L5， 我们最开始叫 L1 Chatbot， 就最基础的聊天机器人，L2 推理我们已经跨过去了 ，L3 agent 我们正在这个过程中，L4 叫研究者嘛 。 它的逻辑是说 ， 当 OpenAI 内部的这个 AI 能够做今天 OpenAI 研究员做的事情的时候 ， 它就实现了 L4， 就叫研究者 。 那也就是说 AI 把 OpenAI 自己的研究员替代了 。 那最后一个叫组织者 ， 组织者其实就是做把这些强大的个体以什么方式编排在一起 ， 变成一个主体 。 那你听起来 L4 跟 L5 就是我们的目标 ， 那似乎看上去 ， 如果能够实现双引号的自主进化 ， 那 L4 可能就到了 。 但是你要想 ， 今天 AI for Science 也是一个非常非常大的热门的话题 。AI for Science 领域大家在研究的事情 ，其实就是研究者在研究的事情 ， 就相当于原来是一个科学家在研究生物 ， 研究医 ， 尤其药 ， 对吧 ？ 药学是最那个什么的 ， 研究什么蛋白质 ， 原来是需要非常复杂的人力建模搭建这套复杂 ， 甚至需要现实世界的什么培养环境 。 但今天 AI 能力到了这个程度 ， 那似乎 AI 在真的在做 science， 那真的它达到了人类研究员的状态 ， 那似乎看起来也不是一个什么遥不可及的命题 。 但是这个问题就我们现在在盘逻辑 ， 这个逻辑听起来没什么漏洞 ，而且似乎看上去也在往这走 ， 只不过在每一个细分领域 ， 什么样的节奏 ， 什么样的方式 ， 包括这个领域真的到了那个状态 ， 跟我们现实的人类世界之间的博弈 、 冲突 、 利益 、 监管 、 政策 、 安全 、 隐私 、 权限 、 乱七八糟所有这些事情可能再去做碰撞 。 那这个事情其实现在也正在发生 ， 所以那就是这样往前突进 ， 突进突多了 ， 往回调 、 碰撞 、 权衡 、 博弈 ， 然后再往前突 ， 再往前 ， 再往前 ， 就它就是这样一个过程 。 **孙冰洁** [1:06:14] 我们今天聊这个龙虾的话题的时候 ，其实是已经在它处于一个相对冷静的时期 ， 然后再去复盘 ， 再去重新的理顺它发展过来的这个逻辑 。 所以有一个问题 ，其实我一直以来就挺好奇的 ， 比如说我们经历了好几轮的这种所谓的技术狂热 、AI 的狂热 ， 那当这种狂热褪去之后， 该究竟应该怎么理性的看待 AI 的投资和创业的机会 ？ **庄明浩** [1:06:43] 我觉得首先还是一个大家认可 ， 这是一个巨大的浪潮 ， 它带来了很多新的机会跟新的可能性 。 那移动量那一波其实已经某种程度上是结束 ， 就是它已经是非常稳定态的东西 ， 你很难今天再期待一个人做一个什么 APP 再获得比较大的双引号的成功 。 那 AI 这轮似乎如此 ， 然后又因为 AI 能力的加成 ，AI 真正意义上大家讨论怎么用的时候 ，而不是在讨论能不能用的时候 ， 你会出现分化 ，有些公司会变得越来越强 ，有些公司可能就被淘汰了 。 所以在二级来看 ， 大家在就在挑哪些公司会越来越强 ， 哪些公司会被淘汰 ， 你开始在投票 。 那在一级就变成了大家去找寻 ， 即便是一级上你会发现其实也有大模型了 ， 大模型公司已经是稳定态了 ， 基本不太会有人有创业公司说出来我要做大模型公司 ，不太可能了 。 那再上一层 ， 无论是脚手架 、 应用还是什么东西 ， 什么样的空间 ， 哪些公司属于大厂 ， 哪些空间属于初创公司 ， 哪些活是脏活累活 ， 哪些活是可能有长期性的 ， 哪些活可能是允许百家齐放 、 百家共鸣的 ， 就是大家在找这样的可能性 。 所以它就是这样一个过程 ， 我觉得是好事 。 就至少从意义上角度来讲 ， 大家这个主题就意义上也是讲主题的嘛 ， 这个 AI 的主题还会至少再延续一段时间 ， 它不会今天就结束了 ， 它可能会再演发 、 再演进 、 再怎么样 。 **孙冰洁** [1:07:58] 你对其中的投资者有什么建议或者是忠告吗 ？ **庄明浩** [1:08:04] 哎呦 ， 这哪敢 ， 我觉得就是得想清楚自己在玩什么样的游戏吧 ， 这个也可能跟你自己的 ， 比如性格偏好 、 风险承受程度 ， 对吧 ？ 我觉得偏二级是以这个为主 ， 那一级也一样 ， 一级只能看多 ， 没有看空 。 那你就要你选什么样的时间点 ， 看哪个阶段 ， 做什么样的阶段性的布局 。 但这种说都特别的战术化 ，不腰疼 ， 就是你不弄 ， 你当然可以这么讲 ， 只要参与其中， 你是没有办法独善其身的 。 所以你只能在不断的抽离 、 不断的入局之间来回来的调 ， 阶段性的想一想 ， 能感受一下状态 ， 然后看一看现在市面上在发生什么 ， 你觉得做的好的人在做什么 ， 或者他们在下什么样的决定 。 我觉得也只能这样 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。