# 从开源到 Agent，从组织到个体：AIEC 大会现场侧记 屠龙之术 · 2026-06-18 庄明浩与高飞在AIEC现场对谈，围绕企业AI转型中的组织变革、Agent成为共识后产品趋同的差异化难题，以及模型公司通吃与应用层错位竞争的拉锯。他们以美的、浪潮、Kimi等为例，剖析自上而下与自下而上策略的并存，指出开源与闭源正从对立走向平衡，并强调在技术挡不住的无力感中，人的品味、现场感和情绪反应将愈发珍贵。 ## Key moments - **[0:00] 开场与发散** - [0:49] 庄明浩认为AIEC大会主办方在Keynote环节的设计突出开源、Agent、组织等核心话题，配置花了心思。 - [2:18] “没有标准答案，大家都有自己的主张。” - [3:24] 高飞观察到社会对AI的关注变得非常发散，完全不是专业化，甚至出现奇怪的热搜。 - **[5:14] 组织与落地** - [5:14] 高飞指出，AI作为新兴技术，理论上应该改变组织形态，就像蒸汽机带来了生产线。 - [6:26] 庄明浩提到大会上有三位嘉宾的话题与组织相关：美的、浪潮、以及服务传统能源的OPC案例。 - [8:02] 高飞转述美的魏总的观察：数字化时代是底下干活的人急，老板不急；AI时代是老板急，但干活的人不一定急，因为上下文工程没做好。 - [10:39] 高飞预测，AI native组织需要有人打个样，就像云计算时代AWS用自己的实践为电商波动提出最佳方案。 - [12:41] 庄明浩介绍浪潮内部将Agent作为数字员工，配权限、数据围栏，并建立skill hub，试图解决组织落地问题。 - [14:34] 高飞与庄明浩探讨AI转型可能不需要从边缘小步快跑，而可以直接自上而下推进核心系统。 - **[18:10] Agent共识** - [19:43] 庄明浩列举Claude Code/Cowork, Kimi Code/Work, Tree Solo/Work, CodeBody/WorkBody等，说明各厂商产品形态趋同。 - [22:10] 高飞提问：当所有软件界面都趋同，厂商如何体现自己的区隔和差异化？ - [23:52] 庄明浩分享帮长春同学选择营销Agent工具的经历，发现即使专业人士面对众多趋同产品也难以抉择。 - [25:29] “每个时代都有每个时代的背背佳”，用户需要的是确定性现成答案，而不是复杂工具。 - [26:13] “AI不是螺丝刀”，它不是用于明确单一目的的工具，它的无限可能反而让普通用户无所适从。 - [27:17] 高飞提到黄仁勋所描述的应用层价值达20万亿美元，相当于中国GDP，这块市场谁来做成疑问。 - **[27:37] 应用与生态** - [28:49] 庄明浩讲述Cursor曾为Anthropic贡献50%收入，但Anthropic推出Claude Code后二者关系紧张。 - [29:58] 高飞提出创业公司可以通过错位竞争，在自己聚焦的细分场景投入更多人力，与大公司形成反向错位。 - [33:24] 庄明浩指出，虽然Agent是共识，但下一步模型发展方向（如世界模型、自主进化、多智能体）上各家存在非共识。 - [33:43] 庄明浩提到Kimi创始人时隔五个月，演讲中新增第三件事——多Agent集群，作为新的赌注。 - [37:08] 高飞讲述Meta因全员监控、裁员，以及Alexander Wang让工程师做数据标注，引发员工强烈抵触。 - [40:42] 庄明浩分析钉钉新任负责人雨水背景，认为内部需要踩过坑的人来避免重蹈覆辙。 - **[46:06] 开源新思考** - [46:13] 庄明浩认为开源话题需要重新论证，当前是百花齐放，需要平衡开源与商业化的形态。 - [49:19] 高飞提到智谱唐杰教授在GLM5.2发布时表示坚持开源，但上市公司面临成本与竞争压力。 - [50:44] 庄明浩从企业角度分析，不能容忍断电风险和数据外泄，所以需要开源模型作为自己的发动机。 - [52:12] 庄明浩预测开源模型的商业化将是组合拳，向上结合Agent，向下结合基础设施变现。 - [53:10] 庄明浩引入彭凯平院长的演讲，指出即使在李飞飞周围的高认知人群，也对AI带来的未来感到焦虑。 - **[53:37] 人的价值** - [54:54] 高飞提出技术宿命论：不是这家公司，也会有另一家公司把技术推到极限，这是挡不住的必然。 - [55:51] “无力感是大面积的来袭”，当看到Claude 5等模型表现时，人们发现最好只是旁观，不要瞎指挥。 - [56:59] 高飞以李世石对战AlphaGo的经历比喻人类面对AI的心理阶段：从怀疑、担心到彻底破碎。 - [58:30] 庄明浩提出，当AI无所不能时，人之所以为人的特性是什么？我们如何与这几十年相处？ - [59:44] 庄明浩转述美国记者观点：“摘要越来越不重要，但秘密越来越重要；静态内容不重要，现场live越来越重要；标准化不重要，个性乖张的越来越被认可。” - [1:01:07] “历史经验都告诉我们，技术一定每一次都把所谓的情怀冲烂”，但人仍坚持做最后的手艺人。 ## Speakers - **庄明浩** (host) - **高飞** (guest) ## Topics 代理, 模型与基础设施, 产品与应用 ## Mentioned Anthropic (company), DeepSeek (company), Kimi (company), MiMax (company), OpenAI (company), 字节跳动 (company), 智谱 (company), 浪潮 (company), 美的 (company), 腾讯 (company), 阿里 (company), Claude Code (product), CodeX (product), Coder (product), GLM (product), Kimi Code (product), Tree (product), WorkBody (product), 千问 (product), 火山 (product) ## Transcript ### 开场与发散 **高飞** [0:07] 呃 ， 大家好啊 ， 我们今天这是一个比较特别的节目哈 。 首先我们在这个 ， 呃 ， 人工智能加生态大会 ，AIEC 哈 ，2026， 然后我们这档节目叫 《 圆点 Talk》 播客 ， 然后今天有幸联动业界 ， 哈哈 ， 著名啊这个播客节目啊 ，《 屠龙之术 》 啊 ， 主持人庄明浩老师 ， 然后之前也是我们互动过几次 。 **庄明浩** [0:30] 好几次了 。 **高飞** [0:31] 好几次了 ， 然后每次都有收获 ， 然后今天在一个新的场合 ， 呃 ，因为今天上午的时候我在这个第二直播间 ， 所以没有在这个主会场 ， 所以要不然那个庄老师先给我普及一下上午论坛几位嘉宾在这个活动上讲了哪些比较有金句感 ， 或者 。 **庄明浩** [0:49] OK。 **高飞** [0:49] 对 。 **庄明浩** [0:49] 是这样的 ， 就是我当时看到这个 AIEC 的主办方给我发了这个日程的时候 ， 我就感感觉他们对这个 ， 尤其是最重要的一上午的 Keynote 环节 ，有比较详细的设计 。 **高飞** [1:00] 嗯 。 **庄明浩** [1:01] 那他们今年想突出的是 PN 几个话题 ， 比如说开源 ， 嗯 ， 啊 ， 比如说 Agent， 啊 ， 比如说组织 ， 嗯 ， 然后这几件事情可能也是在 26 年中这个时间点 ， 业界也好 ， 技术圈也好 ， 产业圈也好 ， 比较关心的核心的问题 。 所以从嘉宾的配置上来讲 ， 我觉得这个配置本身应该是花了蛮多心思的 ， 然后邀请的角色方面 ，他们所代表的状态可能也各不相同 ，但是这个匹配下来我会觉得挺完整 ， 非常完整 。 **高飞** [1:31] 嗯 。 **庄明浩** [1:31] 然后听下来你会觉得就是可能这些嘉宾来自于不同的角色方 ， 比如说有类似我们这样的偏行业分析的角色 ， 然后有大学的学者 ， 然后有真正意义上在做模型最前沿的 ， 无论是技术还是产品研发的这些同事 ， 然后当然还有一些 ， 比如说是比较相对听起来有些传统的行业 ， 可能大家会觉得 ， 哎 ， 为什么这些企业会出现在一个 AI 大会上 ，但是他们会 讲今天这个时间点 ， 这些已经非常成熟的 ， 可能体量非常大的企业如何面临 ， 呃 ，AI 的转型 ， 就是他们在做这相关的这个状态 。 所以我听下来会觉得整个的这个维度跟方式相对配的比较平衡 ， 然后我们能够在今天时间点所关心的很多问题 ， 呃 ，他们这些嘉宾以各种各样的角度给了他们的一些尝试 。 我会觉得今天这个时间点似乎 ， 呃 ， 它没有所谓的标准答案 ， 呃 ， 我觉得很像各家在主张自己的方式 ， 嗯 ，也没有人有绝对的正确的路 ， 只是大家在尝试过程中在摸索 ， 再走一步看一步 ， 再就跟大模型训练一样 ， 训一点出来 ， 你也不知道会训成什么样子 ，但是反正会再往前走 。 然后当然你可能在现场也感受到了非常强烈的这个氛围 ，因为我会觉得进入到 26 年之后， 整个的就是甚至是泛人群对于 AI 的关注度又再一次得到了提升 。 对 ， 这个可能跟年初的比如说龙虾那一波 ， 然后很多相关的东西都是相匹配的 ， 然后当大家看到一个可能前几年还是在 ， 比如更多还是在像咱们这样的科技媒体上看到的东西 ， 它进入到了无论是个体还是企业的流程工作过程中， 它开始产生一些效果 ，但同时可能也会产生非常多的摩擦 。在这个这个就在这个时间点 ， 那似乎这些探讨跟这些关注得到了 更多的编辑 ， 更多的倾向 。 对 ， 所以我的整体感觉是这个样子 。 **高飞** [3:24] 对 ， 我我也感觉就是现在整个社会对 AI 的关注度就变得非常的发散 ， 它完全不是个专业化 。 **庄明浩** [3:31] 对 。 **高飞** [3:31] 我过去一两周在微博见到无数个奇怪的热搜 ， 哈哈 ， 就是奇怪的 AI 热搜 。 **庄明浩** [3:37] 对 。 **高飞** [3:37] 我都不能理解 ， 比如前天上一个什么世界模型一个热搜 ， 然后过两天又一个什么 physical AI 一个热搜 ， 就是完全没有规则 。 我在想 ， 哦 ， 真的有这么多人关注这些事吗 ？ 所以后来后来在想 ， 可能有一种情况是这个话题是随机流动的 ， 甚至我觉得很多跟投资有关 。 **庄明浩** [3:52] 对 ，是是非常相关的 。 就是就是今天这个时间点 ， 确实你会发现所有议题都是连在一起的 。 就是昨天我也在跟另外一个朋友串另外一个相关内容准备的时候 ， 你会发现大家最开始还是在聊一些分散的话题 ， 刚才比如刚才聊过的技术的发展 、 前沿模型的状态 、Agent， 然后 Harness、Loop 这些东西 ， 然后也聊到产品的节奏的变化 ， 然后聊到什么传统企业加 AI， 然后甚至聊到什么 AI 的内容创作 ， 然后也聊到不可避免聊到可能 OpenAI 跟 Anthropic 要去上市 ， 然后中国几家已经上市的模型厂商的状态 ， 然后与之相匹配的可能最近最热的 SpaceX 的上市 ， 然后所有这些事情可能又跟比如说整个的中美两国的二级市场相关的趋势全部都连在一起了 。 就整个整个这一个大的议题 ， 你可以把所有的反正跟这个相关的都放在里面 ， 然后它的问题的我们叫覆盖的宽度跟深度都非常的恐怖 。 **高飞** [4:49] 对 。 **庄明浩** [4:49] 对 ， 所以就但是所以反过来讲 ， 为什么今天我会觉得如果今天有幸认识这个组委会的这个负责这个统筹 ， 我是要给他比如点个赞的 ， 就是在这么复杂的这个体系内 ， 能够找到一个相对清楚的逻辑框架来把这个话题展开 ， 我觉得这已经非常不容易了 。 **高飞** [5:04] 对 ，其实刚才我们也谈到几个方向 ，有关于模型的问题 、 落地的问题 ， 然后今天我印象当中还有一块是关于 AI 和组织的问题 。 **庄明浩** [5:12] 对对对 。 **高飞** [5:12] 因为这块啊 ， 好像过去一段时间呃 ， 讨论的也比较多 。 ### 组织与落地 **庄明浩** [5:17] 对 。 **高飞** [5:17] 因为 AI 如果它真的是一个很新兴的技术 ， 就像之前呃 ， 比如说福特第二次工业革命 。 **庄明浩** [5:25] 是 。 **高飞** [5:26] 然后它就出现了生产线 。 **庄明浩** [5:28] 对 。 **高飞** [5:28] 然后这种工厂的方式 ， 那道理上新工业革命在 AI 的技术上， 它是不是也要改变组织形态 ，是吧 ？ **庄明浩** [5:36] 都应该 ， 就这个逻辑 。 你看上一次的蒸汽机时代不也一样吗 ？ 就大家会说蒸汽机 ， 蒸汽机发明到真正意义上蒸汽机所代表的技术 ， 真正意义上大大幅提升 GDP， 中间是经历了可能 30 到 40 年的时间 。 **高飞** [5:47] 对 。 **庄明浩** [5:47] 那 30 到 40 年本身来讲就是组织啊 ， 嗯 ， 生产关系啊 ， 呃 ， 交易结构啊 ， 产业产业流的关系 ， 这些与之相匹配的东西成熟之后， 它才能真正显现出状态 。 那似乎每一次的我们叫工业革命跟技术革命 ， 都可能需要经历这样一个过程 ， 就是单纯只发明出来这个东西 ， 可能仅仅是开始 ， 那个东西发明出来的时候 ， 可能因为它很新 ， 嗯 ， 甚至很庞大 ， 对 ， 很昂贵 ， 嗯 ， 对吧 ？ 我们现在也是面临这个问题 ， 嗯 ， 它可能没有办法在那个时间点就显现出来所谓比如说提升 GDP 或者改善巨大的这个行业的状态 ， 它就需要经历那样一个过程中， 那可能稍微微观一点的话题就变成了组织的话题 。 所以今天我觉得今天的组织话题 ，其实有三位嘉宾的话题都是跟组织 ， 或者说跟组织这个话题的广泛意义上相关的 。 一位是美的的那个那个那个那个负责人。 **高飞** [6:36] 魏总 。 **庄明浩** [6:36] 对 ， 然后一位是浪潮的董事长 ， 然后还有一位最后的嘉宾是讲 OPC 的 ，但是他的 OPC 的工作也是服务于一个比较传统的能源型的企业的改造的 。 所以那无论是超级巨大的制造业企业 ， 像美的这样 ， 它可能员工非常多 ， 然后业务非常复杂 ， 全世界各地都有各样的业务 ， 然后体量也很大 ， 还是像浪潮这样 ，其实它是一个 ， 我觉得是一个 IT 基础设施的公司 ， 它其实跟我们科技行业已经非常近了 ，但是他们同样也面临巨大的 AI 的挑战 ， 那甚至到一个传统都不能再传统的一个造水泥的厂 ， 怎 么跟现在的 AI 通过一个个体的超级个体的合作方式能够提升 ， 可能哪怕只是 2%、3% 的效率 。 所以你发现所有这个过程中面临的问题 ， 它就不是纯的技术方案的问题了 。 **高飞** [7:20] 对 。 **庄明浩** [7:20] 它也不是产品的问题 ， 它很多时候确实是组织啊 、 文化啊 、 流程啊 ， 这些东西相匹配的东西 。 **高飞** [7:27] 对 ， 中午和呃 ， 魏总还有 IDC 的霍总也聊了一下， 我觉得他们讲挺有意思 ， 就是刚才你也说了美的的印象很深刻哈 。 **庄明浩** [7:36] 对 。 **高飞** [7:36] 然后我跟他聊了一下， 感觉也也蛮有意思 。他说因为他呃 ， 美的其实呃 ， 美的实际上不是现在才开始做技术输出 。 **庄明浩** [7:45] 是 。 **高飞** [7:45] 啊 ，他这个数字业务已经做了好多年了 ， 然后他提的观点是说 ，他原来对这些制造业去谈数字化转型的时候 ， 实际上是大家有心 ，但是并没有那么有力 。 **庄明浩** [7:56] 对对对 。 **高飞** [7:57] 为什么呢 ？ 因为数字化转型是一个有价值 ，但是它不可能完全马上衡量出来它的价值的地方 。 **庄明浩** [8:02] 是的 。 **高飞** [8:02] 所以呃 ， 这些董事长也好 ，C-level 也好 ，他在口号上肯定是比较认同的 ，但是行动上未必那么那么支撑 。 然后这波大语言模型出来之后， 然后我就问他区别在哪里 。他说区别在于说这个 C-level 的心态发生了变化 ， 就原来他要去说服这些老板说 ， 哎 ， 我们应该赶快去用 。 **庄明浩** [8:21] 对 。 **高飞** [8:21] 现在是反过来 ， 这些老板其实说 ， 哎 ， 我知道了 ，因为我天天被这个 。 **庄明浩** [8:25] 对 。 **高飞** [8:25] 轰炸 ， 轰炸之后我知道 AI 转型是必然 ，但是反过来说 ， 我现在怎么搞这件事情 。 然后他给我的看法就是呃 ， 就像咱们用这个 AI 一样 ， 需要什么上下文工程 。 **庄明浩** [8:35] 对 。 **高飞** [8:36] 他的意思是企业当中的上下文工程现在做的不好 。 **庄明浩** [8:39] 对 ， 第一步还没有启动都很难 。 **高飞** [8:41] 因为他没有数据嘛 。 **庄明浩** [8:42] 对 。 **高飞** [8:42] 对吧 ？ 那你如果没有数据的话 ， 模型和你的什么东西相结合呢 ？ 没得结合 。 然后他就说好 ， 现在等于说把当年数字化转型那部功课 。 **庄明浩** [8:51] 再补上 。 **高飞** [8:52] 终于在大语言模型时代 。 **庄明浩** [8:54] 再补上 。 **高飞** [8:54] 开始干这件事了 。 所以我觉得呃 ， 蛮有意思的 。 **庄明浩** [8:58] 而且你你发现 ， 我觉得中美在面临类似的问题 ， 你像前一段时间两家最近不投欧盟市场上， 开始跟金融机构合作做那个合资公司 。 **高飞** [9:06] 啊 ， 对 。 **庄明浩** [9:06] 然后做这个前端部署的这个这个工作 。 本身上其实类似的问题嘛 ， 就是虽然他们那边可能 ToB 的生态 ， 包括数字化呀 ， 再进化的工作其实已经做了很多年， 其实理论上说是比我们要呃 ， 阶段更先进一点 。 **高飞** [9:18] 对 。 **庄明浩** [9:18] 但是面临 AI 这波巨大浪潮来临的时候 ， 大家面临的问题是一样 ， 就是确实呃 ， 那个技术的样子已经看起来非常 ready 了 ，但是现实的企业内部的无论是环境 、 数据 、 流程 、 架构 、 人的惯性 。 **高飞** [9:33] 对 。 **庄明浩** [9:34] KPI、OKR 所有这些东西 ， 它需要一个非常复杂与之相匹配的状态 。 然后那个中间的就需要一个类似的决策方式 ， 它既要能知道 ， 比如今天这个时间点 ， 模型能力的边界大概是什么样子 ，以及与之相匹配的能做成什么样的东西 ， 适配这个复杂的体系 ， 就是它需要一个这样的这个这个东西 。 当然它可能美国是用 FD， 那中国是不是在用一些别的什么形态的 ，是公司 ，是组织 ，是个人还是什么样 ， 可能也是一个未来一段时间我们会看到的变化 。 **高飞** [10:02] 对 ， 我我猜可能 FD 这种模式在在中国我现在听的也比较多 ， 然后觉得我觉得比较搞笑的一件事情是 ， 原来数字化转型的时候呃 ，是底下干活的人可能比较急 ， 比如说我要上云 。 **庄明浩** [10:14] 对 。 **高飞** [10:14] 老板不一定急 。 **庄明浩** [10:15] 是的 。 **高飞** [10:16] 对 ，但现在 AI 时代是老板比较急 ，但干活的人不一定那么急 。 然后嗯 ， 还有一块是关于这个 ， 就是刚才你也谈了浪潮 ， 就是彭总讲这个呃 ， 这个 AI 组织 ， 我觉得可能呃 ， 未来一段时间关于 AI 组织是什么样子的 ， 就是 ICT 企业 ， 嗯 ， 就是或者叫 AI 企业或科技公司 ， 就他们会怎么做 。 **庄明浩** [10:39] 会打个样 。 **高飞** [10:40] 会打个样这件事会变得比较比较重要 。 **庄明浩** [10:43] 对 。 **高飞** [10:43] 啊 ， 对 ， 就像在这个 SaaS 时代 ， 我们知道有办公软件说什么样的企业用什么样的 ， 就是他好像说他能有一些最佳实践 。 **庄明浩** [10:52] 是 。 **高飞** [10:52] 呃 ， 当时呃 ， 比如说阿里云做云计算的时候也说嘛 ， 还包括亚马逊做 AWS 也是说因为我是电商 ， 然后 。 **庄明浩** [10:59] 所以我们在这 。 **高飞** [11:00] 我电商我的波动最多 ， 所以我用云用这种计算资源最好 ， 所以我变成这样 。 那未来在 AI 时代是不是有些 AI 原生的或者 AI 科技企业 。 **庄明浩** [11:09] 对 。 **高飞** [11:09] 他们这个组织变化会成为呃 ， 生态合作伙伴 。 这个随波逐流这种方式 。 **庄明浩** [11:15] 因为本身上今天我还是观点 ， 就是大家没有绝对的标准答案 ， 所以每个人有自己的主张 。 **高飞** [11:19] 对 。 **庄明浩** [11:19] 那主张过程中大家就想 ， 那说再直白一点 ， 我选择一个合适的合作伙伴 ， 都不说是供应商 ， 就是合作伙伴来做这个尝试 ， 这个第一层的信任关系的建立 ，其实是一个很复杂的东西 ， 对吧 ？ 那如果你在你的体内已经构建了一些我们都不说正确的方案 ， 哪怕只是做出了一些实施 ， 看到了一些状态的变化 ， 那这就是多迈一两步 ， 可能就能看到一些东西的情况下， 那似乎这个信任感的建立会更容易达成 。 而且这件事情就是确实在这个时间点 ， 就是各个环节各种深度的 AI 的实践尝试 ， 百花齐放 ， 就是你每天会见到各种各样的稀奇古怪的方式 ， 那它不成体系 ， 它也杂乱无章 。 那对于已经越是有规模的企业而言 ， 它面对这种状态 ， 它确实会比较 ， 我们叫马爪 ， 就是比较不知道该怎么办 ， 对吧 ？ 虽然它很焦虑 ，也想推进 ，但是从哪开始 ， 怎么样一步来 ，是内是是内部优先 ， 还是找外部合作伙伴 ， 双方的权利 、 边界 、 界限 、 跟原有组织之间的配合 ， 所有这些事情 ，其实我我觉得今天这个呃 ， 这个这个浪潮的彭总他们讲 ， 就是他们现在在这个过去一段时间 ， 浪潮作为一个偏 IT 基础设施的公司 ，在内部为了迎接这一轮的 AI 的浪潮 ，在内部组织上 、 文化上， 包括做了很多事情上的探索 。 **高飞** [12:41] 对 ，他做了什么事 ？ **庄明浩** [12:41] 就他是这样的 ， 就是他们比如说基础逻辑其实特别简单 ， 就是当 Agent 成为类似数字员工出现的时候 ， 那与之相匹配的 Agent 要有一套与它相匹配的所有员工就在的东西 ， 比如说权限 、 数据的这个这个围栏 ， 然后它专有的一套数据跑数据的地方 ， 然后同时可能又因为龙虾的兴起之后，Agent 的并发 、Agent 的多 、Agent 的管理跟企业数据的安全的处理 ， 包括软硬件结 合的这些东西 ， 它又有一套 ， 然后可能再往前一点 ， 比如说那到员工这一层 ， 员工如何去让自己的已有的工作能够变成一个相对被 AI 所理解 、 所接纳 ， 就是或者说双引号更广泛意义上的上下文能够给到 AI， 那这个东西的数据化似乎也需要做一些推进的工作 ， 那甚至可能在做 ， 比如他们内部也在做类似的什么黑客松 ， 黑客类似这个内部的 skill 的 这个 hub， 就是他们自己的 skill hub， 就是他们员工或者是他们的 IT 部门来去做的 ，他们针对内部的 ， 然后这个东西如果一旦成熟 ， 它也可以开放给它的服务客户 ，因为本身上讲它的客户很多都是首先买了它的硬件或者买了它的基础设施 。 **高飞** [13:45] 其实很多也是有科技公司 。 **庄明浩** [13:46] 对 。 **高飞** [13:47] 或者科技公司上下游 。 **庄明浩** [13:48] 对 ， 所以很多可能都是可以复用 ， 就跟刚才讲那个云的故事是一样 ， 所以他们在做这个这样这样的与之相匹配的各种各样的尝试 ，但当然过程中可能会有非常多的挑战 ， 非常多的挑战 ， 跟原有 KPI 的不不匹配 ， 对吧 ？ 跟呃 ， 不同员工或者不同职能的员工对这个事情的接受程度 、 改良的效果 ， 然后同时可能也要考虑到成本的问题 ， 就是成本问题可能是过去这一两个月时间业界讨论最多的问题了 。 **高飞** [14:13] 因为原来不是最大化 Token。 **庄明浩** [14:15] 对 ， 现在看起来这个这个这个指标有点过于简单粗暴了 ， 对吧 ？ 我觉得这个不太合适 ， 所以大家很快意识到了 ，因为业界很快就意识到这个问题了 ， 所以其实现在这一段时间 ， 业界的大部分公司 ， 无论是美国还是中国的 ，在之前一段时间比较激进的公司 ，其实都在去认真的考虑我们叫 Token 的成本效率的问题 。 **高飞** [14:34] 对 ， 然后那个美的的呃 ， 魏总讲了一个观点 ， 我觉得也蛮有意思 ，他说呃 ， 原来在做数字化这个转型的过程当中， 有一个很著名的说法叫小步快跑 ， 就是从边缘 ， 然后开始逐渐向核心业务 ， 然后他认为呢 ，在 AI 转型时代未必要这样 。 **庄明浩** [14:53] 嗯 。 **高飞** [14:53] 对 ， 未必要这样 ，因为那个是因为说 AI 到底有用没用 ， 大家不是特 ， 就是数字化转型有用没用 ，不是那么太清楚 。 **庄明浩** [15:00] 对 。 **高飞** [15:01] 所以我们先在一些场景当中做验证 ， 那现在呢 ，其实没有人会觉得说这东西没有用 ， 无非是说你用在哪和花多少钱用 ， 对吧 ？ 和怎么用的问题 。 所以说有一种可能性是没准是从自上而下做 。 **庄明浩** [15:14] 对 。 **高飞** [15:14] 就是我先从一些核心系统 。 **庄明浩** [15:15] 核心的 。 **高飞** [15:16] 对 ， 然后如果老板支持 ，有足够的预算 ， 还有文化上也不抵触 ， 然后就可以从中心开始做 ， 然后逐渐反而是用呃 ， 先进代替落后， 对这种这种这种模式 。 **庄明浩** [15:28] 是 。 **高飞** [15:28] 当然了 ， 同时呢 ， 可能呃 ， 你组织当中也允许一些这个小步快跑的一些个人实践 ， 对 ， 然后这样的话 ，由这个呃 ， 公司层面是一个战略的核心推动 ， 然后再加一些呃 ， 业务部门的一些零散的创新 ， 然后组合起来 。 **庄明浩** [15:43] 对 。 **高飞** [15:43] 可能会变成一种呃 ， 最佳实践 ， 然后就就这一点呢 ， 正好和那个腾讯这部分呢 ， 我觉得是先呃 ， 就是变成两个方向 ，因为它那个 work body 一开始其实是个 。 **庄明浩** [15:57] 边缘项目 。 **高飞** [15:58] 边缘项目 ， 个人产品 。 **庄明浩** [15:59] 对 。 **高飞** [15:59] 对吧 ，是因为 Cloud Code 出来之后， 发现它可能我们是就是腾讯内部觉得有这样的一个产品 ， 所以呢 ， 这个个人和团队先把这个原型做出来 。 **庄明浩** [16:09] 对 。 **高飞** [16:09] 做完之后呢 ， 进行小规模试用 ， 发现这个效果很好 ， 然后我们就呃 ， 这个在腾讯内部就变成了一个叫明信息产品 ， 这实际上跟 Cloud Code 的出现基本是一样的 。 所以我在想这件事或许可能是这样的 ，在 AI 原生公司 ， 然后是自下而上创造产品 ， 然后当它向外扩散的时候呢 ，是自上而下， 就你不用试点了 ， 这个就这么干 ， 我已经跑过了 ， 然后你就按这东西干就行了 ， 就变成一个就这么一个扩散过程 。 **庄明浩** [16:36] 所以就是我觉得就是这两种主张其实也都没有对错 ， 就本身上讲 ，因为我本身工作也在一家互联网公司做战略跟孵化 ， 就是一样的 ， 就是我们有一个非常稳固的传统 ， 传统业务非常稳定 ， 就是很多年没有太多的变化 ， 就非常稳定 。 那在这个主业上的我们叫加 AI， 它就变成了一种自上而下的 ， 就是我们会觉得 AI 对这个业务 ， 比如我们主业 ， 我们做社交的核心的指标 ， 留存转化就是那些 ， 那你的核心的任务就变成了能不能用 AI 的方式把留存转化提上来 ， 那用什么样的工具跟什么样的方式 ， 那就是你们团队的语识 。 但是我的逻辑 ， 老板认为我的逻辑是这样的 ， 那就是自上而下的 。 那边缘的我们叫孵化跟创新项目 ， 就它它可能考虑的就是我们能够基于我们 ， 比如原来一些技术优势也好 ， 一些意外的积累也好 ， 跟今天这个时间点 AI 一些什么新技术做一些可能的结合 ， 产生一些双引号的涌现 。 **高飞** [17:26] 对 。 **庄明浩** [17:26] 然后对那个东西你不会期待它一出来就是一个满分的东西 ，不太不太期待它是一个大招 ， 一上来就什么都对 。 **高飞** [17:34] 对 。 **庄明浩** [17:34] 在这个时代可能这个这个期待本身就是不合理的 ， 对吧 ？ **高飞** [17:37] 对 。 **庄明浩** [17:37] 它就是一些尝试啊 ， 一些先做一个小东西扔出来看一看 ， 无论是看看呃 ，是用户的接受程度 ， 还是呃 ， 反馈 ， 还是市面上同行的感觉 ， 还有没有人有没有人 copy， 还是说没什么水花 ， 那再再试 ， 对吧 ？ 就是它的这两套可能也都会发生在可能同一个企业的不同的地方 。 **高飞** [17:57] 对对对 ， 所以呃 ， 怎么说呢 ， 就是就是没有标准答案 ， 确实是这个呃 ， 目前这个大模型落地的一种常态 。 **庄明浩** [18:07] 对 。 **高飞** [18:07] 但是但是从人的本能而言 ， 我会寻求一个标准答案 。 **庄明浩** [18:10] 对对对 ， 就所以所以我觉得这个话题可以引发了 ， 当然现在中午讨论 ， 就是我今天呃 ， 我昨天看到这个这个这个大纲 ， 这个主主这个嘉宾列表的时候 ， 我想我会认为呃 ， 它会分 ， 比如说因为有两家模型公司 ， 一家是初创模型公司 ， 一家是火山嘛 ， 然后有两家是做 Agent， 分别是阿里的 Coder， 一个是腾腾讯的 WorkBody， 我会认为这是两个话题 ， 就是一一 ### Agent共识 **庄明浩** [18:37] 拨人应该在讲模型的事情 ， 一拨人应该在讲 Agent 的事情 ，但我听下来之后， 除了那个 Kimi 的话题之外 ，其实另外三家讲的是一样的话题 ， 就是甚至他们四家我觉得讲的是一个话题 ， 就都是共识 ， 就都是共识是什么呢 ， 就是呃 ， 今天这个时间点 ， 我们这一轮的语言模型发展到 26 年中 ，其实已经三年多快四年的时间了 ， 整个的模型的演化的 路线 ， 或者说模型与产品相匹配的演化路线 ， 现在看起来无论是中国厂商还是美国厂商 ， 基本上是共识 ， 就是呃 ， 过去半年的共识 ， 就是以 Cloud Code 为代表的这个形态 ， 这个形态不仅仅是产品形态 ，也包括与之相匹配的 ， 它会反向影响模型的训练 ，Harness 也好 ， 就你讲 Loop 也好 ，其实都是一样的 ， 就是呃 ， 甚至这个共识更细化到这个产品长什么样 子上， 甚至产品的名字上， 你看嘛 ， 就是 Cloud 有 Cloud Code 跟 Cloud Cowork， 对吧 ？ 然后你看 Kimi 有 Kimi Code 跟 Kimi Work，Kimi Work 先上讲 ， 然后这个这个字节有 Tree Solo， 原来就是 Code Code 版 ， 然后有 Tree Work。 **高飞** [19:42] 对 。 **庄明浩** [19:43] 然后这个这个今天的腾讯 ， 腾讯就是原来叫 CodeBody， 然后 WorkBody， 它俩是一起的 ， 然后像 Cowork 和 Cloud Code。 **高飞** [19:53] 对 ， 然后阿里也一样 ， 阿里是这个 Coder， 然后也现在也做了 Coder Work， 就是就是当然这这有另外一个也是共识 ， 就是 Code Agent 跟通用 Agent 之间的界限也基本上打掉了 ， 模糊掉了 ， 对吧 ？ 反正形态都是差不多的 ， 左边项目栏 ， 中间对话栏 ， 加挂载什么 MCP skill， 右边一个执行栏 ， 对吧 ？ 就是你发现大家都差不多 ， 对吧 ？ 都都都都是这个样子 ，而且变成了一个共识 。 所以本身上讲 ， 就是今天这个时间点 ， 我们只是把眼光聚焦在模型跟 AI 应用厂商的这个场景里来看 ， 过去半年的这共识是非常强的 ， 就是大家都是在往这走 ， 所以是甚至可以再再再往前推一点 ， 就是咱们上次聊的是这个两个月之前聊的这个 Token， 这个 Token 跟 Chat Chatbot 这个战场 。 **庄明浩** [20:40] 对 。 **高飞** [20:40] 本身上这个战场已经升级到了就我们叫这一波的春节前还叫龙虾的战场 。 **庄明浩** [20:45] 对 。 **高飞** [20:45] 但现在已经不叫龙虾战场 ， 可能叫 Agent 或者叫什么的战场 ，但是那个东西就是那么个东西 。 **庄明浩** [20:49] 对 。 **高飞** [20:50] 呃 ， 字节 、 腾讯 、 阿里 、Kimi、Max、 智谱 、OpenAI、Anthropic， 甚至 Google。 **庄明浩** [20:56] 对 。 **高飞** [20:56] 都一样 ， 都是一模一样的这几条腿 。 所以那而且你明显感觉这个共识可能会再持续一段时间 ，因为你刚才我们谈到厂商 ， 比如厂商状态而言 ， 腾讯也好 ， 字节也好 ， 阿里也好 ，Kimi 也好 ，Mima 的厂 ， 模型厂商也好 ， 大厂商也好 ，在纯模型的进展跟打分的这个战役之外， 出现了一个新的战场 ， 就 Chatbot 战场 ， 似乎大家已经认为就这样了 ，但这个新的 这个战场大家打的还是蛮激烈的 ， 然后呃 ， 推广资源 、 宣传 、 算力的支持 ， 甚至包括咱们上次聊过的收费的尝试 ，其实都在这个战场里 ，在过去的几个月时间差 ， 开始展现出一个爆炸的状态 。 **庄明浩** [21:35] 对 ， 我突然想一个很有意思的事情 ，在移动互联网时代 ， 呃 ，因为 iPhone 和 iOS 的出现 ， 把所有的手机都统一了 ， 就现在我们拿出一手机 。 **高飞** [21:46] 都一样 。 **庄明浩** [21:47] 对吧 ，20 手机放在一块都一样 ， 上面也没有键盘 ， 然后一块屏幕 ， 然后正面看什么双摄 、 四摄都差不多 ， 就把所有的硬件都变成一个样子 ， 然后谁也别说谁抄谁 。 **高飞** [21:57] 对 。 **庄明浩** [21:57] 就是都是致敬 ， 都是致敬 。 然后这波 Agent 来了之后， 好像要把所有的软件界面全都 。 **高飞** [22:03] 对 ， 都改成那个样子 。 **庄明浩** [22:04] 刚才说就是这是 project， 然后这个是那个工作区 ， 反正所有的软件界面都一样 。 那如果啥都一样了 ， 那我那我觉得也有问题了 ， 那肯定就是我作为一个甲方 ， 我在谁都一样的情况下， 那我肯定要寻找就是不一样的 。 **高飞** [22:20] 对啊 ，是啊 。 **庄明浩** [22:21] 啊 ， 对 ， 就是这个大家怎么去怎么去体现自己的区隔 。 **高飞** [22:25] 所以就是我觉得对于这些我们设身处地想 ， 如果今天比如说我是今天上午的这个 ， 比如说 Coder 的总监 ， 或者是这个腾讯 CodeBody 或者 WorkBody 的负责人， 就是本身上讲今天就是他们的挑战真的是 ， 就这个战役本身真的是一个非常非常难的战役 ， 就他同既要这个跟着跟住模型的进展 。 **庄明浩** [22:45] 对 。 **高飞** [22:46] 还要考虑到自家模型的厂商的问题 ， 战队的问题 ， 然后还要去逐渐的改善用户体验 ， 然后呢 ， 还要去考虑刚才我们说的竞争跟区别性的问题 ， 就是你要知道前两个问题已经我觉得耗费了非常多的 。 **庄明浩** [23:00] 对 。 **高飞** [23:00] 精力跟那个想法 ，但是第三个问题确实我觉得非常难做 ， 就是说所以反过来讲 ， 你看啊 ， 大家在推的逻辑就变成了他可能就往回去找 ， 比如说这个腾讯可能会跟比如腾讯体系内的什么腾讯文档啊 、Emma 呀 、 腾讯云来做结合跟对接 ， 然后 Coder 可能会跟阿里的体系 ， 阿里云也好 ， 电商也好 ， 甚至千问也好 ， 甚至是灵光也好 ， 然后字节的可能会 跟火山的整套 ， 甚至包括多么泰的整套 。 **庄明浩** [23:26] 对 ， 再去串 。 **高飞** [23:27] 抖音的这个 。 **庄明浩** [23:28] 对 ， 所以就是你你当然就是确实就你像那天我遇到很现实的问题 ， 就是我一个 ， 比如说我是长春人， 然后我的大学的同学 ，他在长春本地做那个婚纱摄影 ， 然后也拍视频嘛 ， 然后他那天他不是学这个计算机啊 ， 就不是 ，而且不是关注我们这个的 ， 然后他那天就问我 ，他说他想给他们那个工作室做一个营销的 Agent，他应该用什么 ， 然后我就有点 被问住了 ， 就是 。 **高飞** [23:54] 脑当中没有一个产品 。 **庄明浩** [23:55] 对 ， 就是他说他他知道豆包 ，也知道元宝 ，但是我会觉得他这个场景可能纯 Chat 模型 ， 就 Chatbot 不太能好解决 ， 或者效果不是那么高 。 **高飞** [24:06] 对 。 **庄明浩** [24:06] 那你就当然希望他能够给他一个我们今天能够用到的 ，有带上下文记忆的 ， 能够做实施的 ， 甚至能够做方案产出的这样一个偏 Agent 的产品 。 就这个时候你就出现了一个选择 ， 那你给他推哪个 ， 然后你是推 ， 你想他是一个学艺术出身的 ，他没有那么强的这个技术的背景 ， 然后呢 ， 呃 ， 那你在选择的时候 ， 你是选择 WorkBody， 还是选择字节的 Tree， 还是 Code， 还是选择阿里的 Coder， 就是你在这个选择的时候 ， 你考虑的问题就不是那些我们每天在聊的这些问题了 ， 什么谁的模型好啊 ， 谁的什么 这个上下文的 。 **高飞** [24:42] 你考虑的是兼容性问题 。 **庄明浩** [24:43] 对 ，是对他的匹配度啊 ， 或者他对这些东西的接受度 ， 或者说那个软件最最基础层的应用性的问题 ， 然后再去做的一个推荐 ， 甚至包括可能安全啊 、 信任啊这些角度再去做的一个选择 。 所以你发现其实这个这个虽然很热闹 ， 非常热闹 ， 大家感觉每天都在被这个轰 ，但是在我们这些人之外的广大人群里面 ， 这个事情还是一个挺挺新的 ， 跟有很多的环节需要去再往前趟一趟的状态的这个这个 。 **高飞** [25:11] 对 ， 我我我我突然你刚才说这给我一个启发 ， 就是很多用户他要的不是一套 ，他其实要的就是一个工 ， 就是一个固定的工作流 。 **庄明浩** [25:19] 对 。 **高飞** [25:20] 像我们比如说用刚才你说那个场景 ， 让我想到其实一个模型加 Cowork 加一些 skills 就可以 。 **庄明浩** [25:26] 就可以 ， 对 ，其实是可以的 。 **高飞** [25:27] 我可以现想把这事做了 。 **庄明浩** [25:29] 对 。 **高飞** [25:29] 但是你又想一想 ， 就这个东西搬给他肯定不行 。 **庄明浩** [25:31] 对 ， 绝对不行 。 **高飞** [25:33] 就是我兄弟 ， 我是做婚纱摄影的 ， 我不是工程师 ， 对吧 ？ **庄明浩** [25:37] 对 。 **高飞** [25:37] 那这个里头就可能出现了一个知识落差 。 我突然想到就是可能每个时代都有每个时代的背背佳 。 **庄明浩** [25:43] 对 。 **高飞** [25:44] 什么意思呢 ？ 就是说你要解决投背问题 ， 你不需要这么一个东西 ， 你只要就是你平常做的直 ， 然后有块板放在这就行了 。 但是有的人就需要一个背背佳 。 **庄明浩** [25:53] 对 。 **高飞** [25:53] 然后再比如说这个学习机这个产品 ， 我一直觉得学习机这个产品我觉得一直不能理解 。 电子词典 ，因为原则上你有个手机一个 Pad， 然后装个词典不就行了吗 ？ **庄明浩** [26:04] 对啊 。 **高飞** [26:05] 但实际上电子词典和学习机这玩意其实卖的很好 。 **庄明浩** [26:07] 对 ，是啊 。 **高飞** [26:07] 那为什么会卖的很好 ？ 实际上就是因为这个用户要的是一个 。 **庄明浩** [26:12] 确定性的 。 **高飞** [26:12] 确定性的现成答案 ，是吧 ？ **庄明浩** [26:13] 对 ， 就是我我有朋友他他举个例子说 ， 就是现在这因为 AI 这一代的基于 Transformer 价格语言模型 ，其实还在疯狂的演进过程中， 然后它无限的扩展 ，但是它的问题变成了它 ， 我那个朋友讲的是它不是螺丝刀 。 **高飞** [26:27] 它不是螺丝刀 。 **庄明浩** [26:28] 对 ， 就是它也不是一双筷子 。 就说你用螺丝刀跟用筷子的时候 ，是有非常明确的目的 ，并且你也知道它能干嘛 。 **高飞** [26:35] 对 。 **庄明浩** [26:35] 但是 AI 现在这个时间点 ， 尤其是偏模型这一层 ， 它不是螺丝刀跟筷子 。 **高飞** [26:40] 除了 Coding 这个场景之外 。 **庄明浩** [26:41] 对 ， 对 ， 可能就是它没有被规范的那么的明确跟限定的那么死 ，但是这是它的好处 ， 它可以做很多的事情 ， 它可以做很多的延展跟很多的无限的可能性 。 但是就是因为很多最最基础的用户 ，他就需要一把螺丝刀 ， 我就需要把这个螺丝拧掉 ， 甚至我只需要一个十字口螺丝刀 ，而不能给我一个平口螺丝刀 。 那这种情况下， 你怎么去平衡好当前 AI 的这种特性跟这个非常非常 niche 的需求之间的匹配 ， 然后你要要考虑到天花板啊 、 市场竞争啊 、 乱七八糟 ， 这个可能就是今天这个时间点 ， 我会觉得在做 AI 应用层的 ， 无论是模型厂商还是初创公司还是大公司做的产品 ， 都需要去考虑的出发点的问题 。 **高飞** [27:20] 其实这个问题就涉及到黄仁勋讲五层蛋糕的时候 ，他第五层是应用 ， 然后这一层他认为最高看到是 20 万亿美金的价值 ， 然后那天我大概算了一下 20 万亿美金再乘上汇率 ， 差不多是 140 万亿人民币 ， 正好相当于中国的 GDP。 ### 应用与生态 **高飞** [27:38] 所以我在想 ， 那这个中国 GDP 体量的这块市场到底谁来做 ？ **庄明浩** [27:42] 是 。 **高飞** [27:42] 模型厂商自上而下通吃 ， 还是说可能未来有 N 多的这种应用公司 ， 像移动互联网时代出现一大堆超级 App， 你觉得是哪种可能性 ？ **庄明浩** [27:51] 现在这个阶段 ， 我会觉得大家还在摸索过程中， 就出现了一个我们只从我们不知道最终结果 ， 只从过去这几年的结果来看 ， 就是但凡你一个板块够一定体量之后， 它就会吸引来大家的关注 。其实你看过去几年已经经历过的 ， 呃 ， 我觉得通用 Agent 它已经算这一波了 ， 上一波 Coding， 然后这个 Coding 是非常大的一波已经被 ， 然后然后再再细分小人群 ， 比如说法律 、 金融这些板块 ， 可能我之前有说法 ， 就是但凡你有明星公司很快到 1 亿美金 AR， 所有人就都来了 。 就是既然大家都不知道正确答案 ，也不知道该到哪 ，但是有人踏出来说我到了 ， 那他马上大家就会无论做不做 ， 至少先要去感觉跟研究一下弄 。 我来我刚才来的过程还在看一个新闻 ， 说那个 ， 呃 ， 就是是那个哪个外媒报道 ，是那个 Cursor 不是被 XAI 收购了 ， 就是做 Coding 的 ， 然后之前说 Cursor 在最早期的时候可以给 Anthropic 贡献 Anthropic 整个公司 50% 的收入 。 **高飞** [28:48] 对 。 **庄明浩** [28:49] 就是那对吧 ， 那就是然后甚至 Claude 这个 Claude Code。 **高飞** [28:54] 然后 Anthropic 七手干掉了你的甲方 ， 对吧 ？ **庄明浩** [28:57] Anthropic 说我们 Claude Code 只是一个非常边缘的研究项目 ，不会这个 ， 还做了很多安抚工作 ，但突然间一瞬间 ， 当你这么大 ，而且发展那么快 ， 它就人之常情嘛 ， 它怎么可能放弃掉这个这个角色呢 ？ 然后那后面的事情大家都知道了 ， 对吧 ？ 那当然 Cursor 现在可能也还在涨 ， 然后它也在做自己的模型 ， 哪怕是基于开源模型 ， 然后呃 ，Anthropic 的 Claude Code 跟 OpenAI 的 CodeX 也疯狂的在在弄 ， 对吧 ？ 甚至成为今天这个时间点可能最最最主要的叙事 。 所以 那那类似的故事发生在法律行业差不多 ， 你像哈维跟另外一个叫哈格维 ， 哈格维吧 ， 两家都是法律领域 ， 非常快达到 1 亿美金 、2 亿美金 AR， 然后马上 Claude 出了一个 Claude 的那个 law。 **高飞** [29:42] Law， 对 。 **庄明浩** [29:42] 然后当然他会说跟那个哈格维是和是是什么合作 ， 乱七八糟 ，但是再往前推呢 ， 谁知道呢 ？ 如果它真的够大的话 ， 那但这个我觉得这个这个议题是一个持续会没有标准答案跟没有结论的议题 ， 它持续会被 。 **高飞** [29:58] 对 ， 我跟一些创业公司去聊的时候 ，他们会提到一个看法是说错位 ，因为创业公司看起来可能只有 20 个人或者 30 个人 ，但是在这个细分场景下， 可能大公司或者模型公司它没不一定有 20 个人， 可能只有两个人， 所以它形成一种反向错位 ， 就是我在这里面投入的东西可能会更多 。 那我想其实影响这件事情的唯一就是组织的商增了 。 **庄明浩** [30:20] 对 。 **高飞** [30:20] 就是模型公司也不可能无限的大 。 **庄明浩** [30:22] 对 ，是的 。 **高飞** [30:23] 对吧 ？ 那你现在有可能 3,000 人， 你如果有 300 万人， 那原则上你所有的事情都做 ，但是如果你达到 300 万人的时候 ， 这个组织商增恐怕也太大了 ， 那这事干不了 。 所以能影响他们的可能只有这个组织形态 。 然后如果还有一个是模型的自我进化 ， 啊 ， 如果模型的自我进化说不需要一个组织形态来满足个性化需求 ， 那也没问题 ， 比如用户提了个需求 ， 说我要解决这个细分问题 ， 然后现在没人做 。 **庄明浩** [30:46] 没有自己做 。 **高飞** [30:47] 然后模型说 ， 哎 ， 这个问题我可以自己琢磨一下呀 ， 琢磨完之后直接交付个产品 ， 那只有这两种情况可以阻碍模型公司的前进 ， 否则的话可能还需要 。 但从我个人角度而言 ， 我还是比较期待就是 Agent 层或者应用层的有更多的公司 ， 就是这 20 万亿美金的市场 ， 我更期待的是 2 亿个 。 **庄明浩** [31:07] 小的 。 **高飞** [31:08] 呃 ， 这个就是 20 万亿个 20 万 ，而不是 20 万个一个亿 ， 对吧 ？ 那那那个世界可能太枯燥了 。 **庄明浩** [31:17] 是 ， 只是因为现在这个时间点 ，因为 Meta 才这一轮才三年多的时间嘛 。 **高飞** [31:22] 对 。 **庄明浩** [31:22] 虽然涨得非常快 ， 都已经 AR 几百亿美金这样状态 ，但确实其实现在只在几个战场里被证明确实非常有效 。 **高飞** [31:30] 对 。 **庄明浩** [31:30] 然后大家再基于这战场再做更多的外延的延展 ， 我们还是可以 ，但所以很多人会说这只仅仅只是开始嘛 。 **高飞** [31:36] 对 。 **庄明浩** [31:36] 当然这个开始可能已经开始触碰到人类的很多极限里面去了 。 **高飞** [31:40] 对 。 **庄明浩** [31:40] 所以这就是两方非常强烈的观点 ， 对吧 ？ 一方会认为仅仅只是开始 ， 一方会认为已经非常极限了 ， 对吧 ？ **高飞** [31:46] 对对对 ， 没错 。 那个 ， 呃 ， 做水泥智能体的这个 ， 呃 ， 呃 ， 这家公司其实我觉得也蛮有意思的 ，因为我跟他也聊这个问题了 ， 我问他说大语言模型在其中是不是可以有这种侵入到他这个赛道 ，因为他这个本质上是材料科学 ， 然后是 AI for science。 **庄明浩** [32:04] 对 。 **高飞** [32:04] 我们都知道 AI for science 是大家在所有在公司在供的一件事情 ， 对吧 ？ 然后我就问他 ， 我说那你这个特殊之处在哪 ？ 他说因为他这不是大语言模型 ， 它是一个更像一个时间序列模型 ， 就是它是一个材料专用的模型 ， 那只要大语言模型还是以大语言为主 ， 这个数据语料为主的话 ， 那道理上说这个就有所区隔 。 那就看这个大语言模型它的泛化能力有多强 ，是不是要把这些数据集也拿到其中 。 当然我想呢 ， 就算拿到其中， 道理上大于就大语言模型公司也不会派一个前端前端部署工程师进去 。 **庄明浩** [32:40] 来补这个 。 **高飞** [32:41] 对 ， 我们想象不到这个事情 ，是吧 ？ **庄明浩** [32:42] 比较难 。 **高飞** [32:43] 啊 ， 对 ， 就是比如说这个火车引擎派了一个人去具体进到一个水泥厂 ， 然后驻场三个月 ， 好像比较困难 ，是吧 ？ **庄明浩** [32:51] 我觉得是 。 **高飞** [32:52] 对 。 **庄明浩** [32:52] 所以还是需求 ， 需求是足够多样化且复杂的 。 **高飞** [32:55] 对 。 **庄明浩** [32:56] 而且深度可能也够 ， 尤其在很多场景里 。 所以纯语言模型拓展跟泛化这件事情真的能做到什么程度 ， 现在真的是问号 。 **高飞** [33:03] 对 。 **庄明浩** [33:03] 而且你明显感觉我会觉得今天这个时间似乎又进入到了一种刚才说都是共识 ，但也有与之相匹配的就是非共识 ， 就是大家到底再往下一步往哪探嘛 ， 无论是模型结构 ， 对吧 ， 还是选择比如世界模型 ， 还是 AI for science， 还是什么 ， 还是自主进化 ， 就是虽然这几个话题听起来也都是共识 ，但是这几个话题之间怎么选 ，也是一个比较强烈的非共 识 。 **高飞** [33:24] 啊 ， 对 ，其实呃 ， 你说的很对 ， 就是这块可能岔出来一个 ， 就是往前发展可能有两种不同的方向 。 第一种方向是有一个集中性的智能 ， 就是自我进化 。 **庄明浩** [33:33] 对 。 **高飞** [33:33] 对吧 ， 叫 RSI 吧 。 然后还有一种方向就是多智能体 ， 就是我这个单一智能那个那么强 ， 然后我有多智能体联动 ，是吧 ？ 这个今天今天上次提到 。 **庄明浩** [33:43] 今天对 Kimi 他们提到 ，因为呃 ，Kimi 的创始人比较少出来嘛 ， 我上一次见到他是在 1 月初 ，也是清华组织另外一场大会上 ，是唐杰教授拉的 ， 然后他们当时讲 ， 呃 ，他的演讲 ， 当时的演讲就相当于他的演讲话题 ， 我不记得 ，但是他演讲的议题就是 Kimi 在当时的时间点在模型研发上到底在 bad 什么 。在 1 月份他 bad 只有两件事情 ， 一个是 Agent 啊 ，Token 的效率 ，Token 效率相 当于什么 ？ 就是模型场上 Token 效率变成了同样解决一个类似的任务 ， 我新的模型能不能用更少 Token 解决掉 。 **高飞** [34:15] 对 。 **庄明浩** [34:15] 或者说同样 Token 能不能解决一个更复杂任务 ， 就是它的 Token 效率是这个逻辑 。 **高飞** [34:18] 对 。 **庄明浩** [34:19] 第二个就是 Kimi 一直在做就是上下超长的上下文 ， 就是它在 bad 这两个 skyling， 它今天的议题变成了三个 bad， 三个 skyling， 第三个 bad 就是多 Agent 集群 ， 这也匹配着可能过去 Kimi 从 2. 几到 3.0 到现在 3.2 的在主推的那个多 Agent 集群的那个功能 ， 就是确实如你所说 ， 就是我觉得这个可能从一家微观的模型厂商自己来看 ， 还是从整个模型公司的这个竞争来看 ， 都在做类似的事情 ， 就是它在做的事情是说我设计好流程 ， 分配任务 ， 不同的 Agent 承担不同的责任 ， 那与之相比的是不同 Agent 有不同的角色 ，有不同的上下文 ，有不同的能力 ， 对吧 ？ 然后来去做 ， 比如后面还会有个综合整理审查的角色 ， 然后来去把整个流程串起来 。 那你看这个工作过程似乎也就变成了今天这个时间点 ， 大家去尝试做所谓的 Honeynets 跟 Loop 的模型的训练的逻辑是一样 。 然后还有一种逻辑是说 ， 呃 ， 你会发现越来越多的无论是 ， 呃 ， 比如说传统的 SaaS 公司 、 大的企业 ， 还是一些初创的应用公司 ，在用模型的时候也在做用类似的逻辑 ， 就是不是说所有的事情都交给一个最贵的模型 ， 是一个最合理的方式 ， 我似乎应该也有一个我的路由层 ， 然后再去选择什么样的东西交给什么样的模型 ， 然后来去承担一个什么样 的角色 ， 最后再有一个类似收口的人来把这个整个工作的这个能力或者这个表现提到一个新的 ， 无论是成本层面还是结果层面 。 所以你发现这件事情似乎也变成了人类的一种习惯 。 **高飞** [35:52] 对 ， 呃 ， 我记得啊 ，Anthropic 的创始人写过一篇文章 ， 叫 《 数据中心的天才之国 》， 就是数据中心里这些 AI 都变成一些天才 。 但是如果我们看人类组织的话 ， 没有一个组织全是天才 。 **庄明浩** [36:04] 对 ，是啊 。 **高飞** [36:04] 那他怎么干呢 ？ **庄明浩** [36:05] 这怎么干呢 ？ 就是我这一千个天才 ， 然后我觉得我说是对的 ， 然后那个天才说我觉得说是对的 ， 然后就像那个这个这个曼哈顿工程一样 ， 原则上其实天才是有 ，但是这个天才方向是各各不一的 。 **高飞** [36:17] 对 ，是的 。 **庄明浩** [36:17] 然后得有一个组织者 ， 然后把这天才组织起来才能把这活干了 。 如果全是天才 ， 这样的组织存在吗 ？ **高飞** [36:27] 可能现阶段最早期的 AI 实验室可能是这样的 ，但是其实也不是的 。 因为前两天我看一个统计报告是说他统计了 Anthropic 过去几年招聘的那个招聘的 list，其实大部分人不是真正意义上的研究员 ， 都是比如说做基础设施的 ， 做做研的 ， 对 ， 都是偏比如说亚马逊 AWS 的或者 Meta 的做后台的 ， 就是他都是人数上大部分人其实是这样的人。 **庄明浩** [36:51] 或者说有些干活的人。 **高飞** [36:52] 工程上， 工程上 。 **庄明浩** [36:53] 就是就就工程就我们称为干脏活嘛 ， 对吧 ？ 我真正去解决一些吊卡的问题 、 供电的问题 ，有时候天才不见得能解决好 ， 就天才连自己吃饭的问题都解决不了 ， 更不用说解决 GPU 吃饭的问题了 。 **高飞** [37:08] 所以确实 ， 然后很有意思的是最近 Meta 也出了事情 ， 我觉得是都是像你看所有事情都连在一起 ，Meta 最近出现了非常大的这个员工的抵触的问题 ， 就是这个这个之前不是 Meta 小扎在推全员的监控 ，他不是要监控鼠标键盘吗 ？ **庄明浩** [37:24] 对 。 **高飞** [37:24] 就相当于把员工的所有的信息全部收集上去 ， 然后来让 AI 取代 ， 包括与之相匹配的是 Meta 最近裁了 8,000 人嘛 。 所以你可以让耳知 Meta 内部的员工的这个抵触情绪已经非常强烈了 。 然后又又做什么事情 ， 就 MetaAF 的人不是 Alexander 王吗 ？ 他原来不是做那个数据标注的 ， 然后他会说 Meta 的工程师的这个人群的平均水平肯定比任何一家做数据公众标注公司的这个标注员们的水平要高的多的多 。 所以他就他相当于内部说是随机抽调了几千人扔到他的 AI 实验室里 ， 让这帮工程师天天做任务做标注 ， 然后这帮工程师说我像被扔进了集中营 。 **庄明浩** [38:00] 哈哈哈 。 **高飞** [38:01] 我我觉得你这个逻辑特别好 ， 就是 Alexander 王呃 ， 没有把把 Meta 变成一个 AI 实验室 ， 然后把它变成一个他熟悉的数据标注 。 **庄明浩** [38:11] 对 ， 这这个太太匹配他在工作经历跟他的风格 ，但是你就会觉得这个哎呀 。 **高飞** [38:16] 但我觉得这里有问题 ， 就在于说这种方式只能解决已知问题 。 **庄明浩** [38:19] 对 。 **高飞** [38:19] 对吧 ？ 就是你呃 ，Meta 的工程师虽然能力很强 ，他毕竟还是 Meta 的工程师的平均水准 。 **庄明浩** [38:25] 对 。 **高飞** [38:25] 对吧 ？ 那你把它优化的更好 ，也就代表 Meta 可以用更低的成本来把这事情做了 ，但 Meta 问题显然不是说它既有问题嘛 。 **庄明浩** [38:33] 对 。 **高飞** [38:33] 它既有问题 ， 它 social 做的不好吗 ？ 其实我觉得已经可以了 ，也就可以了 ， 它也变成不了 TikTok。 然后它的还有啥 ？ 它的元宇宙做的不好吗 ？ 它眼镜好像做的也是全世界最好了 。 所以既有问题是不能靠把员工证明为 skill， 呃 ，不是 ， 就未知问题是不能靠把员工证明为 skill 解决的 。 然后既有问题去提质增效这件事情好像也不被华尔街所接受 。 **庄明浩** [38:55] 对 。 **高飞** [38:55] 华尔街所接受的是嗯 ， 买未来是吧 ？ 就是我无无限的算力投入 ， 然后呃 ， 进行一种闭环 ， 我融资买卡 ， 买卡之后训练模型 。 所以我如果这么看的话 ， 我对 Meta 未来的这个这个趋势也相对没那么看好 。 **庄明浩** [39:13] 对 ， 压力是蛮大 ， 确实 。 我会觉得今天这个时间点对于这些已经成体量的公司而言 ， 确实这个 AI 上的业务探索真的是一个过于难的命题了 。 **高飞** [39:22] 对 。 **庄明浩** [39:23] 甚至包括今天这两家中国最大的互联网公司腾讯 ， 甚至是三家 ，其实就是腾讯 、 阿里 、 字节都在 ， 那主业大家都很了解的情况下，AI 来了 ， 然后模型大家都会做的情况下， 怎么把应用层也好 ， 云也好 ， 甚至原有的业务结合也好 ， 都做的双引号被认可 ，其实是一个非常非常难的命题 。 **高飞** [39:45] 对 ， 所以呃 ， 未来可能这个整个 AI 的这个产业链还是需要有一定的生态 ， 然后大家各自有一定的生态位 ， 就不太可能说是从上而下， 就一竿子直到底 。 **庄明浩** [39:58] 但是但是就是就是怎么讲 ， 就是不撞南墙不回头 ， 撞了南墙也不回头 。 我会觉得就是因为这个议题太大了 ， 就是甚至今天可能整个科技行业几乎是唯一的议题 ， 那你在这个这个巨大的这个 buff 的加持下 ，是不可能做一些比如说收缩 ， 比如说一些慢一点的 。 你像前两天那个腾讯云大会 ，不是 Dawson 直接就跟那个姚顺雨开玩笑说外界都说我们慢了 ， 就是他自己都会讲出这个话 ， 那其实就是大家其实也意识到这个问题嘛 ， 只不过就是这个问题的解 ， 确实每一家公司的状态 ， 资源禀赋 ， 过去的积累啊 ， 很多尝试 ， 包括这个团队适合跟擅长什么 ， 我觉得都是相匹配 。 你像这两天更更新的新闻是这个 ， 比如说钉钉的事情 ， 然后钉钉换了新的这个负责人， 新的负责人做了之前做 ，其实做了也是内部一个 Agent 产品 ， 虽然那个产品更多还是在海外做 ，但至少为什么换这么一个年轻人， 就是说我会觉得就是在那天看到新闻的时候 ， 我说那个那个雨森 ， 就是那个雨森 ，他最重要的身份是 Model Run 的创始人 ，是负责人， 就在这 件事情上 。 为什么 ？ 就是说我们内部需要找一个哪怕没有人知道边上拿 ，但是有人踩过一些坑 ， 就是这个 。 **高飞** [41:09] 起码排除掉一些错误 。 **庄明浩** [41:10] 对 ， 起码不要不要把一些坑先弄掉 ， 再去做新的事情 。 然后那就是包括今天知乎上了 AI 的这个最大的更新版本 ， 大家开玩笑说会不会变成知乎的钉钉 1， 这我们不知道的 ， 我们不知道 ， 可能要过一段时间才会 ，但至少你会看到这些我我们国内可能最大的科技巨头们在它最核心的主业上在用 AI 做各种各样的改进跟尝试 。 我觉得这个这个决心跟这个 ， 我会觉得就是如果今天有个平行宇宙没有 AI， 对于这些公司而言 ， 今天这时间点做什么都会变成一个非常非常难去下决定的事情 ，但至少现在有 AI， 你可以知道至少要干这个事情 ，并且要弄 。 **高飞** [41:53] 对对对 ， 这个嗯 ， 我我看国外的呃 ， 最近这个这一两年的这种呃科技公司这种大会吧 ， 我会发现这个互相呃出台的情况变多 ， 就数据公司可能出现在算力的公司那 ， 然后算力公司可能出现在 Agent 那 ， 然后大家虽然说也在不断拓展自己的边界 ， 或者换句话说 ， 只要没说这个事一定谁做 ， 那像你讲的就是我得先去撞这个南墙 。 **庄明浩** [42:18] 对 ，是的 。 **高飞** [42:18] 撞了之后回来之后， 然后我再看看我最后这个体积 ， 我就这个表面积的大概有多大 。 **庄明浩** [42:25] 撞了 ， 对 。 **高飞** [42:25] 对吧 ？ 然后大家各自然后站在合适的位置 。 **庄明浩** [42:28] 但你想 ，但你想 ，其实过去几年我有个说法 ， 就是美国的生态就是整个西北乱成一锅粥呀 ， 对吧 ？ 你看这几家科技巨头 ， 呃 ， 从这个所谓的 Mac 7 到 OpenAI 到 Anthropic， 甚至 SpaceX 都算上， 对吧 ？ 从最底层的能源 、 数据中心 、 芯片 ， 然后模型 ， 然后 ToB、ToC、 云 ，其实都都有 ， 或者说都无论没有 ， 就是我的竞争对手可能在某个领域是我竞争对手 ， 这个领域变成合作伙伴 ， 就是整个西西北就乱成一锅粥 。 **高飞** [42:59] 对 ， 就是我觉得你刚才举这个这个这个这七姐妹哈 ， 我觉得这例子特别好 。 你看马斯克不就是个最典型的吗 ？ **庄明浩** [43:06] 对呀 ，是 。 **高飞** [43:07] 对吧 ？ 曾经他认为这个 Grok 可以成为这个三姐妹和四姐妹之一 ， 最后没有 ， 然后最后变成了云 New Cloud， 哈哈 ，New Cloud， 就变成个新云公司是吧 ？ 这个我相信大家既没有开开猜到这个开头 ，也没有猜到这个结尾 。 **庄明浩** [43:23] 对 。 **高飞** [43:23] 然后变成一个 Anthropic Cloud 的一个推理服务商 。 **庄明浩** [43:25] 对 。 **高飞** [43:26] 对吧 ？ 这个这个这个完全出乎所有人意料 ， 然后而且还要干的更大 ， 说我现在做太空算力 ， 我还要帮 NVIDIA 去部署太空的算力 。 **庄明浩** [43:35] 对 。 **高飞** [43:35] 是吧 ？ 那我然后那天我就开句玩笑 ， 我说呃 ， 什么样的公司训练不好模型呢 ？ 就是绑闭工作做的太好的公司训练不好模型 。 为什么呢 ？ 我有两个例子 ， 第一个是这个马斯克的 XAI， 第二个例子就是 Apple。 **庄明浩** [43:48] 苹果就典型 。 **高飞** [43:48] 因为这两个这两这两个人不存在没有钱的问题 。 **庄明浩** [43:51] 对 。 **高飞** [43:51] 然后他们也不存在招不到合适的人的问题 。 **庄明浩** [43:55] 对 。 **高飞** [43:55] 对吧 ？ 然后又不存在说他们没有做呃长期主义的问题 。 **庄明浩** [43:59] 对 。 **高飞** [43:59] 那苹果一件事可以干很长时间 。 **庄明浩** [44:01] 是的 。 **高飞** [44:01] 那如果既有钱又有时间 ， 然后还有人这事还干不成 ， 那只有一个原因 。 所以我自己拍了个主题 ， 我说这保密工作做的太好 。 那为什么呢 ？ 就是模型这个事迭代太快 ， 然后你你期待用一个把一帮人关在一个屋里 ， 然后用三个月封闭开发的事情来干这件事 ， 我认为在这个时代并不存在 。 **庄明浩** [44:22] 发大招的发大招的形态已经过去了 ， 真的 。 **高飞** [44:24] 对吧 ？ **庄明浩** [44:25] 发大招形态绝对过去了 。 **高飞** [44:26] 就因为这个你的 CD 太长了嘛 。 **庄明浩** [44:27] 太长了 。 **高飞** [44:28] 对吧 ？ **庄明浩** [44:28] 不可能 。 **高飞** [44:28] 你这你可能按住 5 秒 ， 这个对世界而言就过去了 5 年， 然后你会发现这个事又来不及了 。 就这句话我不知道说的合不合适 ，其实也适用于我觉得适用于 DeepSeek， 就是 。 **庄明浩** [44:40] 对啊 ，是啊 。 **高飞** [44:41] 对 ， 今今年呃春节的时候大家期待的发 ，但没发 ， 对不对 ？ **庄明浩** [44:45] 对 。 **高飞** [44:46] 但是因为它有原因嘛 ， 大家都知道的原因 ， 对吧 ？ 因为适配国产芯片 ， 然后包括 ，但确实我会觉得呃 ， 我也我也很多次讲 ， 我说今天的模型进进展节奏已经是 IA， 你看马向就是 Kimi 已经 3.2 了 ， 呃 GLM5.2 出了 ， 然后 MiMax M3 都是过去两周左右 。 你想啊 ，在两周之前的一两个月有一个版本 ， 然后再推前就春节一个版本 ，也就你就想从春节到现在 ，不过才四个五个月时间 ， 已经是第三轮了 ， 就是大概一个半月到两个月就肯定是有一轮的更新的 。 **庄明浩** [45:16] 对 。 **高飞** [45:16] 然后那就是大家在它就变成动态的了 ， 它就不是一个一个节点 ， 一个截面 ， 然后一个大招 ， 它不是了 ， 它就是每个月更新 ， 然后每个月更新出来的时候 ， 你在上个月或者在上个版本你是不知道那个版本会出什么新的特性的 。 **庄明浩** [45:30] 对 。 **高飞** [45:31] 然后在不断的迭代 ，不断的往前滚 。 **庄明浩** [45:33] 对 ， 然后用这种发大招的方式说憋个一年出了一个东西 ， 所以我也不太那么看好 Ilya 的那个 。 **高飞** [45:40] 已经憋两年了 ，不是一年是两年了 。 **庄明浩** [45:42] 公司叫啥名我有点忘了 ， 叫 SSI 是吧 ？ **高飞** [45:46] 对 。 **庄明浩** [45:46] 啊 ， 对 ， 叫 。 **高飞** [45:47] 已经两年了 。 **庄明浩** [45:48] 已经两年了 。 **高飞** [45:49] 两年了 。 **庄明浩** [45:49] 那接下来还要等多久 ？ 其实李飞飞的那个实验室发东西都比他快一点 ， 所以我我我我倾向于说 ， 除非 AI 的范式是一个颠覆性的变化 。 **高飞** [45:59] 对 ，有变化 。 **庄明浩** [46:00] 完全不是 Transformer。 **高飞** [46:01] 对 。 **庄明浩** [46:01] 呃 ， 完全是另外一种架构 ， 所以我并不觉得就这种方式可能会解决什么问题 。 然后刚才咱们聊了模型这块 ， 我觉得有一个话题是可能是要触及的 ， 就是聊到 DeepSeek 了 ， 就是开源这块 。 ### 开源新思考 **庄明浩** [46:13] 然后我我我有种感觉就是开源就在当前阶段可能需要重新论证一下开源的这个这个未来的一种形态或者落地的方式 。 为什么这么讲 ？ 我们如果把 DeepSeek 作为第一波的话 ，因为它用低成本的方式去推理 ， 实现了一个让大家当然也它也创造了一个最后无疾而终的市场 ， 就是一体机 ， 这个这个两年前 。 然后第二波的话 ， 我认为可能算呃千问 ， 就是 Q1， 然后因为国外有大量的模型是基于 Q1 去微调出来的 ， 甚至包括最近创智学院吧 ， 做了一个模型 ， 好像也是基于呃 Q1 3.5 呃做做做做微调后训练出来的 。 但是在现在时间点 ， 我我感觉好像找不到那个扛大旗的人。 **高飞** [46:57] 百花齐放 ， 说好听叫百花齐放 。 **庄明浩** [46:59] 百花齐放了是吧 ？ **高飞** [47:00] 对 ， 说好听叫百花齐放 。 **庄明浩** [47:01] 那那你觉得这个 。 **高飞** [47:02] 我会觉得就是呃这个议题变成另外一种讨论 ， 就是原来在 OpenAI 最风光的那个年代 ， 大家认为开源一定没有没有意义 ， 就是因为它需要大家当时的论点是大家需要非常多的钱 ， 需要非常前沿的科学家做很多的事情 ， 所以它一定是闭源公司更强 。 然后 Deepsy 跟千问这一波相当于扭过来 ， 尤其以中国的开源模型为代表 ， 我觉得这个这个叙事主要是在去年这一年的叙事是这样一个叙事 。 但是到今年之后， 这个叙事相当于就是说如果第一个第一代的叙事是一个闭源极端的叙事 ， 呃去年是开源极端的叙事 ， 今天相当于是回调了 ， 就是它也没有那么开 ，也没那么闭 ， 就是双方都在找寻一种权衡跟中间态的形态 ，而且又因为彼此也在融合 。 今天这点不是说我开源就跟商业化没有任何关系了 ， 对吧 ？ 不是这样 。 反而讲今天所有闭源厂商其实都在跟开源公司做学习仿造 ， 乱七八糟 ， 甚至它可能有一部分它最非最核心的模型它也会仿 。 **庄明浩** [47:58] 你像 OpenAI 和 Google 的那个 Gemma。 **高飞** [48:02] 干什么嘛之类的 。 **庄明浩** [48:03] Gemma 和 Gemma。 **高飞** [48:04] 对 ， 都它它也在做类似的事情 ， 然后它也需要开源的生态来帮助这件事情长得就 ， 所以他们在中间做融合 。 然后又因为这个事情 ， 最近又出现了更更更极端的一个讨论 ， 就是美国政府把这个 Claude 最新的五代模型相当于禁掉了 ， 反正也是禁掉了 。 那到底这个事情会造成 ， 那你如果极端的想 ， 呃 ， 反正开源社区的人会认为这种操作 ， 这种偏一刀切的方式 ， 无论是切哪边 ， 只要是一刀切的方式 ， 似乎都不太适合 ， 或者说都不是太对的 。 但是这个度的掌握跟拿捏 ， 我觉得无论对于监管层还是对于参与其中的模型厂商而言 ， 这个事情我觉得都是一个也是个挺难解的议题 。 **庄明浩** [48:46] 对 。 **高飞** [48:46] 就是大家你像原来也会担心 ， 尤其是之前呃千问的负责人离开的时候 ，其实有一派的声音会认为大家会越来越少的看到开源千问的头模型的大的开源 ， 它可能会只开源小参数的 ，而最核心跟最 Pro 那个模型可能就不会开源了 。 然后但是可能因为竞争的原因 ，因为比如说 Kimi 还是在做的 ， 然后 MiMax 在做的 ， 智谱也在做的 ， 甚至智谱在我看昨天唐杰在教授在社交媒体上说 ， 我们就是要开放给所有的这些 。 那就是但同时毕竟大家已经是上市公司了 ， 已经是到了这个体量 ， 这个成本结构已经到这个样子 ，并且已经触碰到很多事情的极限的情况下， 你总要在某个时间点考虑一些 ， 你说是调整还是重新再一次的找到一个平衡态还是怎么样 。 所以我觉得这可能这个事情也会持续很长一段时间的天平的摇摆都会 。 **庄明浩** [49:43] 对 ，其实很多这种大型的传统的企业行业而言 ， 我觉得他们可能对开源模型的要求可能会更多 ，因为道理上它不会容忍 。 如果 AI 这么重要 ， 它不能不太会容忍说别人掌握一个开关 。 **高飞** [49:58] 对 。 **庄明浩** [49:58] 然后一夜之间就断电一样 。 **高飞** [50:00] 对 。 **庄明浩** [50:01] 对吧 ？ 就是你看一个工厂运行的时候 ， 最怕就是断电嘛 。 我断电就代表产线一停 。 那如果是有些制造行业 ， 比如说像水泥等等 ， 这个产线一停就全废嘛 。 **高飞** [50:10] 对 。 **庄明浩** [50:10] 就是我不是说我在通电的时候就开了 ， 对对对 ， 这这这这一批量我就全废了 。 那我原则上不应该我这个开关掌握在别人的手里 ， 我道理上我自己还得备点发电机什么之类的 。 所以哪怕是从这个角度而言 ， 它也需要一个呃这个开源模型作为我内部的一种这种发动机 ， 更不用说语料和数据的问题 。 **高飞** [50:31] 对 ，是的 。 **庄明浩** [50:31] 对吧 ？ 就是我把所有的语料和数据都贡献给一个模型公司 ， 对我来说是一个最优选项吗 ？ 恐怕不是 ，因为我如果给你就代表给了全世界 ， 那我这家公司的护人河护人河上下文就都没有了 。 所以从这个点上而言 ， 我觉得可能开源模型它有一个从地心原理角度来说 ， 它有存在依据 ， 就是不能被断电 ，以及我的数据资产会成为我就像可口可乐的配方一样 。 你说这事这事好像也没有那么秘密 ，但是那那可口可乐也不会把这个这个配方这个公布出来 。 然后我从我喝的口感来看 ， 我觉得可口可乐的口感我我不是打广告啊 ， 就好像味道是 。 **高飞** [51:09] 是不一样一点 。 **庄明浩** [51:10] 是不一样一点 。 对对对 。 **高飞** [51:12] 所以这个我觉得这些就这个议题也是就是开源闭源竞争 ， 然后怎么去选择自己的策略 ， 尤其对于每家模型厂商它在这个事情上的程度 ， 我觉得可能会长期的勾住这些厂商的战略选择 。 就是它在它去选择它的核心战略的时候 ， 这个议题一定是非常核心的一个议题 ，在可见的中短期 ， 如果就是模型的范式不出现大的调整的情况下 。 **庄明浩** [51:36] 对 。 **高飞** [51:36] 所以呃当然我们相或者说我们还是乐于相信呃人性本善 ， 就是如果最最底层的考虑来讲 ， 就是大家去通过这样的方式建立所谓的开源社区的影响力 ， 利用开源生态保持自己模型领先改进 ， 然后获得更多的认可 ， 甚至更多的实施应用 。Sorry， 就是这个正向的善意的逻辑 ， 理论上说是大家就是更多人愿意相信的 ，但是商业是不太能建立在一种以善 意考量的信任上 。 所以这中间会有比较多的拉扯吧 。 **庄明浩** [52:12] 没错 ， 所以可能开源模型未来的商业变现是一个组合权 ， 就是不是单纯靠一个模型本身 。 **高飞** [52:19] 对 ，是 。 所以你看其实现在模型厂商也是这样的嘛 ， 对吧 ？ 除了卖这个常规的 Token，也卖 Token plan，也卖各种各样的工具 ， 对吧 ？ 就是它它也在丰富它的这个 。 就所以我还是那个前面的说 ， 就是今天开源不是说完全不商业化 ， 它就是原来大家会认为开源就跟你是一个菩萨一样 ， 对吧 ？ 是一个完全善 ， 就是没有任何商业化 ，但今天不是了 。 今天的开源其实跟商业化的结构其实非常深的 。 **庄明浩** [52:44] 对 ， 它向上可以结合 Agent， 向下可以结合到基础设施 。 **高飞** [52:48] 对 。 **庄明浩** [52:49] 然后在基础设施层和 Agent 层面 ， 它其实也可以完全可以变现 。 **高飞** [52:54] 对啊 。 **庄明浩** [52:54] 而且这个场景是正好适合开源这种模型的 。 **高飞** [52:57] 是啊 。 **庄明浩** [52:57] 这样的话就会解决所谓这样的问题 。 然后还有一个我觉得很有意思的事情 ， 就是因为今天这个呃 AIEC 的会当中有一个非常我觉得独特的嘉宾 ， 就是彭凯平彭院长 。 **高飞** [53:10] 彭院长 。 **庄明浩** [53:10] 因为他他是研究幸福心理学的 。 **高飞** [53:12] 心理学的 。 **庄明浩** [53:13] 啊 ， 对 ， 心理学 ，而且是幸福心理学 。 **高飞** [53:14] 对 。 **庄明浩** [53:15] 呃以我最近接触无论是国内和国外这种各种活动当中， 这个焦虑感是一个大家统一的话题 。 呃我参加这个 Google Cloud 的活动时候见到李飞飞 ， 然后李飞飞就说他说他周围的人见到他都会问说我们家孩子以后学什么专业 。 **高飞** [53:30] 对 。 **庄明浩** [53:31] 然后我就在想一个问题 ， 说李飞飞那周围都是一些高认知人群 ， 那他们难道不应该知道这个事情的答案吗 ？ ### 人的价值 **庄明浩** [53:38] 如果他都不知道 ， 那普通人就更不知道了 。 **高飞** [53:40] 现在不正好赶上这一年的高考吗 ？ **庄明浩** [53:42] 啊 ， 对对对 。 所以就代表说那这个个体在里面 ， 就是做一个个体在这个模型时代如何自处的问题 。 我不知道你听了这个彭院长的演讲之后什么感受 。 **高飞** [53:54] 因为确实就是他正好是学心理学的嘛 ，他会讲他的观点是说人类的 ， 比如说善良啊 ， 然后体验感啊 ， 在场感啊 ， 这些东西会愈发的变得更重要 。 然后在尤其在模型来的这个时代 ， 你要充分去发挥自己的 ， 比如个性 、 善意 ， 然后体验这些东西 。 我觉得这个议题本身其实在过去一段时间非常多的各种各样的角色都讲过类似的逻辑 ， 就是呃当一件事情真的被推到极端 ， 比如说 Coding 这件事情 ， 我觉得典型 ， 那其实 Coding 再往前 ， 我在周末有个活动是讲那个活动是讲 AI 跟影视的 ， 我会去讲一个 AI 内容的 ， 那这个板块不就更对吧 ？ 那图片模型跟视频模型已经什么样子了 ， 对吧 ？ **庄明浩** [54:39] 打击力更大 。 **高飞** [54:41] 对 ， 已经 。 那如果再往前推 ， 如果今天比如说你身边是有一个做同声传译的朋友人， 你想想他在经历什么 ， 对吧 ？ 那再往时间前 ， 那你原来如果有认识一个职业下围棋的人 ，他在过去十年经历了什么 ？ 就是我觉得问题都是一样 ， 就是确实呃似乎看起来最近一段时间有有一些有一派的观点叫类似叫技术宿命论 ， 或者说技术的必然论 ， 就是说无论今天是 Anthropic 是 Google 是呃是 Sam 还是 Dario 还是谁 ， 换一个任何一个人， 不是他也会有另外一个人把这个技术推到那个地方 ， 就是不是这公司也会有另外一个公司 ，他会推过去 。 然后历史上无数次的告诉我们 ， 当一个技术到了一定程度的时候 ， 它就挡不住了 。 就你明显感觉 ， 我觉得进入 26 年这个感觉会非常的明显 ， 就是在很多的板块里它就是挡不住了 ， 它就是进入到了一种越来越快的这个过程 ，而且很快可能就我觉得这一轮的这个 Claude 5 的模型出来之后， 你看很多我们这些所谓同业者去写评论的时候 ， 都会有一个非常强烈的无力感 。 就原来我们还在想 ， 你像我们去什么编排啊 ， 给 Agent 下任务啊 ， 去组织啊 ， 告诉他怎么做 ， 可你发现有一些任务或者有些场景里 ， 我们最好的工作是站在旁边看着 ，而不要去瞎指挥 。 就是你明显感觉到就是它卖过你了吧 ， 就是这个这个感觉 ， 尤其在就我们所熟悉的偏白领的这个这个板块里 ，因为 Coding，因为 Agent，因为这些东西在 26 年的这个极具的卷的状态导致的 ， 就是这种无力感是大面积的来袭 。 所以大家的焦虑我觉得是非常能够理解 。 但是你反过来讲 ， 就是这又跟今天这个专业一样 ， 就是你你能想象在我是 80 后对吧 ？ 我们那个时候确实我觉得选专业还是一个非常非常重要的一件事情 ， 甚至很长时间它会影响你的工作 ， 你的很长的事情 ， 它会有比较长期的稳定性的这个事情 。 可是今天你发现这些议题似乎都松动了 ， 对吧 ？ 就是你学什么专业跟你做什么事情之间的关联性 ， 哪怕你做一个什么事情是真的能做一辈子吗 ？ 或者非常长吗 ？ 或者说那个工作本身对于你这个专业的需求真的有那么 ， 就是你看所有这些命题似乎都在被打破 。 那这个情况下就相当于你像那个又是李世石的故事 ， 就是他下了五局对吧 ？ 第一局是就像我们面对这早期我们是怀疑猜忌不认可 。 对 。 **庄明浩** [57:10] 然后第二局的时候开始担心 ， 然后开始有些纠结 ，有些嗯感觉不太对 ， 到第三局就就碎了 ， 就是道心破碎 ， 就是完全什么都不知道了 ， 就被打碎了 。 那似乎你会发现人类在这个这个情况下， 真的是你要先把自己推到一个假设我们会碎的状态 ， 然后呢 ，不是说我们就不活了 ， 我们就结束人类 ，不是这样的 。 我们当然我们这一代我会觉得就是我们在听我们节目的今天这个时间点的这一代人， 我们可能就像当年的蒸汽机来的时代的纺织工人一样 ， 就是蒸汽机确实非常强 ， 呃可能它带来国家 GDP 的剧烈的提升 ，但是蒸汽机的纺织工人， 就纺织工人的工资可能就很多年没有变化 。 **高飞** [57:55] 对 。 **庄明浩** [57:55] 啊 ， 甚至可能纺织工人在几十年之后就慢慢慢慢变成一个非常小众的手工艺者了 ，他就不是一个大大范围 ， 那可能我们会经历这个事情 。 但是问题在于 ， 就我们就是在经历这个这一片的这这些人对吧 ？ **高飞** [58:08] 对 。 **庄明浩** [58:08] 我们这几十年就是要经历这个事情 ， 那就变成了我们如何与我们这几十年相处嘛 。 **高飞** [58:13] 对 。 **庄明浩** [58:13] 就我们的后代 ， 就是我会觉得我们的后几代可能就它会到一个新的阶段 ， 就是我们这所谓的第四次第四次工业革命结束了 ， 到了一个新的什么平台里面 ， 那是他们的事情 。 但是我们在经历过程中这些人， 我们就要想我们这几十年要该怎么过 ， 对吧 ？ 我们的价值是什么 ？ 就是当一个 AI 的真的是无所不能 ， 它能做所有的事情 ， 它甚至在安排整个宇宙运行的规则 ， 它变成一个类似上帝的存在的时候 ， 那我们该干嘛 ？ 我们人之所以为人的特性到底是什么 ？ 所以这个事情为什么会 ， 我经常开玩笑 ， 我经常说一句话是说所有这些论坛 ， 今天这些探讨 AI 的最后的话题 ， 大部分都会跑到身心灵去 ， 就是没有办法 ， 就这个焦虑确实 ， 然后大家去解决这些焦虑的时候 ， 确实你要我们像这个上午这个彭教授讲的 ， 你要向内求 ， 就向人本身的我们人之所以为 人的那些东西去求可能的答案 。 当然这么说特别的哲学 ， 抽象 ， 特别轻飘飘 ， 对吧 ？ 我们再讲一些更现实的 ， 比如说我前两天看一个这个一个一个一个美国的一个同行记者去讲一个观点 ， 当然他只是讲媒体的变化 ， 就是今天写字 ，他会说呃比如今天摘要越来越不重要了 ， 就是随便一个 ，但是秘密变得越来越重要了 ， 我们之间的小的秘密 ， 比如说静态的内 容变得越来越不要了 ，但现场的 live 变得越来越重要 ， 比如说传统意义上的大的媒体越来越不重要 ，他是个人 founder，他叫 founder 越来越重要 ， 然后他说标准化的甚至华丽的一些东西似乎越来越多人不 ，但是个性的怪异的 ， 甚至一些乖张的东西被越来越多认可 。 你明显感觉这个趋势它可能从上一个 AI 时代 ， 甚至算法时代就已经出现是这个趋势了 ， 那这只是媒体 ， 对吧 ？ 那再往前推 ， 你像我周末的话题是讲创作的 ， 那你像今天创作对吧 ？ 就是我们就讲中国影视行业好了 ， 中国影视行业前几年经历过寒冬 ， 对 ， 然后过程中出现了一个看上去是救命稻草的东西叫短剧 ， 很快的时间涨了很多 ， 对吧 ？ 几百亿 ，24 年超过电影行业 ， 对吧 ？ 然后短剧救活了之前的什么横店 ， 什么横店变数店 ， 什么符花道 ， 什么编剧 ， 什么导演 ， 就是大家满心期待 ， 然后 26 年 CD3.0 出现了 ， 嘣 ， 今天这个时间点实拍变成奢侈品了 。 **高飞** [1:00:27] 对 。 **庄明浩** [1:00:28] 大部分可以用 ， 那那这些内容创作者干嘛去了 ？ 那就变成了今天时间似乎当然好多强度想它会有门槛降低了嘛 ， 纪录屏全了嘛 ， 会有越来越多人做来做纪录 ， 来做内容创作 。 那这个时候的议题变成了你为什么要表达 ， 你要表达什么 ， 你希望得到什么样人群人的关注 ， 你希望得到这些人的什么样的反馈 ， 你跟他之间的关系的构建是如何产生的 ， 你们通过这样的方式能不能获得彼此的认可 ， 情感的表达 。 **高飞** [1:00:58] 对 。 **庄明浩** [1:00:59] 我觉得这个事情会越发的重要 ， 所以那就我们要经历这样的状态 ， 经历这样的时间 ， 经历这样的这个过程 ， 当然可能最后的结局我觉得还是悲观的 ， 就是像那天谁王剑说说 ， 说历史上所有经验都告诉我们 ， 技术一定会每一次都把所谓的情怀冲烂 ， 每一次 。 但是我们似乎正在经历这一过程 ， 就我们这几十年要做的事情 ， 就是我们要坚持我们作为所谓的最后的手艺人， 最后的一些东西去把它做得更好 ， 我们去坚持一些可能后辈再去写历史书的时候 ， 我们这些东西根本不重要 ，也只是历史的一篇 。 但是我们作为经历这些人而言 ， 可能有办法 ， 就我们只能把这个东西 。 所以我之前去另外一个活动 ， 我叫最后的手搓 ， 比如说我平时做 PPT， 我还在坚持用手搓的方式 ， 虽然听起来已经没什么人在意了 ， 对吧 ？ 甚至可能我用 AI 的方式也可以做得很好 ，但是你还在坚持 ， 那你坚持的那意义到底是什么 ， 对吧 ？ 那那那点点意义到底是什么 ？ 那无非就是你希望通过一个 ， 比如说你调一个很很漂亮的字体 ， 很特别的一个边框 ， 很有意思的一个版式设计 ， 展现一点点我们人类作为所谓的这个这个手艺人的一点点坚持 。 当然你会知道这个事情会越来越不重要 ， 越来越小 ， 越来越没有那么多人 care，但是你 care， 就是你 care 这件事情很重要 。 **高飞** [1:02:13] 对 ， 我觉得可能不止你 care， 很多很多人也 care， 呃哪怕是同样的内容 ， 如果让我感觉到你的输出过程是一个很强 AI 味道的输出过程 ， 那我本能的会你对这个产品的输出的价值进行低估 。 然后如果你有一定的手搓 ，有你本身一定的品味去加成 ， 我会觉得这个东西的价值会更高 。 **庄明浩** [1:02:34] 对 ， 所以品味对吧 ？ 信任 、 决定 ， 就这些东西会变得越来越编辑重要 ， 原来他妈的也很重要 ， 只不过当这个时代来的时候 ， 你会愈发的会对这些东西更加的珍惜 。 我觉得这个 ， 我觉得这个这个状态已经来了 ， 就是我或者说有另外一派观点会认为 ， 就是造物主在造人类的时候还是非常厉害的 ， 就是人类总会在很多事情推到非常极端的时候 ，有一部分人会先觉醒 ， 就是他会先意识到这个事情不太对 ， 然后再去推动一些事情的变化 ，而不要走到一个绝对的极端的状态里 。 **高飞** [1:03:07] 对 ， 完全同意 ，因为本质上无论用什么样的方式去实现 ， 创造出什么样的商品 ，因为这些东西是为人服务的 。 **庄明浩** [1:03:15] 对 。 **高飞** [1:03:15] 我们没有一个东西是完全不为人服务的 。 **庄明浩** [1:03:17] 是啊 。 **高飞** [1:03:17] 说我那是完全的环境自然主义者嘛 ， 说我我是为了一个火星上的一个山服务 ，不是的 ， 我们还是为人服务 。 我相信只要为人服务 ， 那背后就需要有人去衡量它是否人需要 。 **庄明浩** [1:03:31] 对 。 **高飞** [1:03:31] 就这工作总需要吧 ， 就是人总有资格说这东西好还是不好吧 。 你要说人连这个就这个反应都没有了 ， 这个在使用 AI 的时候 ， 我我今天问了那个彭教授一个问题 ， 我说你怎么看这个什么是人类所坚守的 ？ 他提出一个看法 ， 就是说起码你那一刻的情感反应是人不要的 。 **庄明浩** [1:03:48] 对 ，是的 。 **高飞** [1:03:49] 你总不能把这个情感反应让位于 AI， 说这个事好还是不好 ， 我已经丧失这个能力了 ， 我要问 AI 这东西好吗 ？AI 说好 ， 哇 ， 好 ， 这 AI 说不好 ， 这个搞错了 ， 搞错了 ， 这事不好 。 就起码要把你这个反应 ， 这个第一反应留给自己 。 然后我们如果用 AI 写东西的时候 ， 会发现 AI 特别喜欢替你做反应 ， 比如说它有个惯用语言 ， 就是说这是一个全场反复被琢磨的一句话 ， 这是全场让所有人最惊讶的一句话 。 那至于是不是不重要 ， 就是它把反应给你 。 **庄明浩** [1:04:19] 对 ， 它要剥夺你那个情绪反应 。 **高飞** [1:04:21] 对 ， 先把 vibe 给你 。 **庄明浩** [1:04:22] 对对对 ， 所以我觉得在这个时代 ， 我们可能越来越多要把我们的情绪反应 ， 就这一刻我判断这事的好恶 ， 好恶这件事情要保留在我们自己身上 。 **高飞** [1:04:32] 所以就甚至这个话题在 ， 为什么大家要去线下去参加这样的 ， 比如会议去看到那个人， 那当然我可以看直播呀 ， 对吧 ？ 从纯信息接收角度没有什么影响 ， 甚至可能更好 ，因为收音啊 ， 效果啊 ， 转播它可能会更好 ， 对吧 ？ 甚至可能带着 PPT 是直接电子版 ， 就是所有东西都更清晰 。 那为什么一定要很多时候还去体验线下的感觉 ， 甚至比如说世界杯 NBA 都是一样的 ， 就是你你你在场的感受 ， 对吧 ？ 那几个小时的氛围 ， 所有人的情绪的感染 ， 你自己被调动出来 ， 你可能原来你内心里没有的一些东西的 ，但那个东西可能愈发在这个时间点会显得我觉得变得珍贵 ， 甚至包括今天现在再扩展到 ， 比如为什么最近段时间做播客的人越来越多 ， 就是长的内容跟相对不是被那么预加工跟预制的 ， 那些不是那么爆炒的 ，不是那么短平快情绪的东西 ， 会越来越多人的愿意 ， 当然还是有很多人喜欢 。 **庄明浩** [1:05:25] 喜欢 ， 对 ，但是你会发现有一些人越来越多的觉得那个东西好像不太对 ， 我需要找一点别的方式来把这个东西平衡一下， 那也是符合这个趋势的 。 **高飞** [1:05:34] 对 ， 那说到这 ，其实我们觉得今天也聊差不多哈 ， 从组织形态开始 ， 然后到 Agent 模型的关系 ， 然后再到人在这个时代未来的自处 。 **庄明浩** [1:05:46] 对 。 **高飞** [1:05:46] 这个这个如果再往后看 ， 可能三到六个月 ，因为这个时代谁也不敢说一到三年了 。 **庄明浩** [1:05:54] 哇 ， 这个三 ， 我你看我做 PPT， 我是春节之前 1 月做了一档 ，是做了 25 年总结 ， 春节回来 ，因为春节发生很多事情 ， 我在 3 月 ， 我没做 ， 应该 3 月中做了第二版更新 ， 然后 4 月底是做了因为一个活动做了一个更新 。 我现在现在马上 6 月中， 我感觉我就是我搜集的资料已经已经已经溢出了 ， 我需要再做一次整理 ， 才能把过去这一个半月发生的事情再做一次 ，因为你不做你就感觉一篇翻过去了 。 **高飞** [1:06:24] 对 ， 那你会期待这个生态 ， 就是 AI 的生态 ， 这种各种活动你也参加很多 ， 就是 AI 人工智能 + 这种生态 ， 它未来什么样一种组合方式是有利于个体或企业 ，有没有一种 ？ **庄明浩** [1:06:38] 我会觉得就是大家还是就是当然现在这个时间点没有人会停下来 ， 对吧 ？ 但是我会觉得进入到某一个阶段 ， 可能似乎比如应该有的行业分工啊 ， 应该有的行业的这个这个这个角色的缓解的定定死的状态 ， 可能慢慢慢慢会凸显 ， 或者说慢慢慢慢边界会很清晰 。 现在我觉得就是还是那观点 ， 鸡西北乱成一锅粥 ， 就所有的都是糅杂在一起的 ， 所有人都想做所有的事情 ， 那因为大家会觉得 AI 模型无所不能 ，但似乎不应该是这个样子的 。 那大家在这个过程中在不断的磨合 ，不断的博弈 ，不断的去找寻自己的边界 ， 那可能在我们正好就处于这个从一个可能原来只是一棵树 ， 或者一个非常奇异的植物 ， 变成一个真理上生态繁茂的森林的状态 ， 我们在经历这个过程 。 **高飞** [1:07:27] 那从我个人来看 ， 我其实我最近会比较关注硬件 ，因为大家知道其实从当年 IBM 那篇呃那个文章叫 《 谁说大象不能跳舞 》 啊 ，不是文章 ，是自传 ， 那时候是软件时代主导的世界 ，但现在来看其实软件正在被实时生产 ， 所以硬件是很难在短时间内被制造出来 。 **庄明浩** [1:07:47] 所以今年不是说老登谷又重新都都非常的很好 。 **高飞** [1:07:50] 就是从供给的角度而言 ， 这个供给曲线可能非常没有弹性 ， 就是明明你一要 ，但是我也不能马上 。 **庄明浩** [1:07:55] 对 ，是 ，因为它受物理限制 。 **高飞** [1:07:57] 它受物理限制 ， 所以我觉得未来可能对硬件会有一轮新的重估 ， 然后从生态链的角度而言 ， 我觉得它也比较有意思 ，因为它向下要电 ， 然后向上呢供给需求 ， 所以它正好是承上启下， 所以未来我觉得可能只用硬件这波的那个枢纽 ， 可能会比原来这个呃这个互联网时代可能表现的会更明显一点 。 那我觉得好像也差不多差不多了 ， 然后也感谢大家收听收看我们这个这个圆顶套子和屠龙之术的这个梦幻联动 。 **庄明浩** [1:08:28] 哈哈哈 ， 感谢 。 **高飞** [1:08:29] 然后这个呃这个我们再加一师 ， 可能两到三个月之后， 我们要迭代一轮新的认知的时候再和庄老师聊 。 **庄明浩** [1:08:35] 好好 ， 感谢感谢 ， 感谢感谢 ， 拜拜拜拜 。 **高飞** [1:08:38] 拜拜 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。