Vol.76 我们不知不觉的走到了这里---170页PPT讲透2025AI行业

哈喽哈喽 ， 大家好 ， 我是明昊 。 我现在处于崩溃中 ，因为这是我第二次录制 。 刚才录制的版本 2 小时 10 分钟 ，但是我没有点录制 。

啊 ，有点疯 ，但是没办法 ， 还是要继续 。 对 ， 呃 ， 今天的内容叫 "2025 年 AI 行业综述 "。 对了 ， 到年底了 ， 虽然还有 2 个月的时间 ，但是也差不多时间 。

跟去年一样 ， 我做了一份非常长的关于 AI 行业的综述整理 。 那为什么会做这份内容 ？ 除了之前的 PPT 习惯之外 ，因为在上周末在上海的狂喜播客节上， 我跟瓜亚迪老师 ， 就是狂喜播客节的主办方 ， 申请了一场专场 。

对 ， 我也不是脱口演员 ，但是差不多的意思 。90 分钟 。 我说我想讲我做的这个内容 ： 第一次在影院的放映厅里放 PPT， 哇 ， 这个感觉还是非常不一样的 。

我也会挑几张照片放到收 note 里 。 现场其实也有不少人去听了 。 然后听完之后呢 ， 现场包括回来之后大聪明赛博禅新发了我这个 PPT，也有很多人会问 ， 说会不会有这个在线的版本 。

然后， 呃 ，因为当天现场我的这个场次只有 90 分钟 ， 所以在过程中我一直在前面放了一个表 。 因为我知道整个文章的结构 ， 我在过程中的某几章章节其实做了比较加快的处理 ， 所以最后我是正好用 1 个半小时时间讲完了这 170 页 PPT。

但你一听 90 分钟讲 170 页 PPT， 过快了 。 对 ， 所以有些内容没有展开 。 然后回来我就想 ， 我还是自己录一段吧 。

对 ， 所以有了今天的这个内容 。 好 ， 我们正式开始 。 呃 ， 今天的这个 PPT 的标题叫 " 我们不知不觉地走到了这里 "。

有一个小的标题叫 " 事情为什么会他妈发展成这个样子 "。 那为什么会带着这样的情绪呢 ？ 我觉得可能也是过去这一两个月时间 ， 大家讨论比较多的关于 AI 行业是否是泡沫 ，是否是过度建设了 ，是否走到了很多事情的极限里这样的一个事情 。

所以我带着这种情绪展开今天的这个内容 。 今天的内容一共会分核心内容大概分 4 个板块 ，其实跟我上次以及再上一次做 PPT 整理的板块的逻辑是一样的 。

先讲技术 ，也就是说大模型本身的事情 。 然后讲产品 ， 就是从技术叙事到产品叙事 。 然后第三章讲我更熟悉的资本市场的叙事 ， 无论是二级市场 、 一级市场还是退出 。

最后做每一期的一个小的主题 。 上一期是吐槽嘛 ， 然后这一期讲泡沫 。 所以是 4 章 ： 技术 、 产品 、 资本 、 跟泡沫 。

然后因为是第一次做纯线下的类似 ， 你说是粉丝见面会啊 ， 还是专场还是什么 ， 所以我还是有些紧张的 。

当天上台之前 ， 我就在那个影厅前面做准备 。 我我我每年可能少说要讲几十场 PPT， 二三十场至少应该有 。

我很少需要在我演讲之前深呼吸 。 那天我在前面真的做了深呼吸 ，因为我发现我的心跳已经跳到 130。

然后所以当天在现场 ， 我第一件事做了一个小调查 ， 我说有多少是我的听友 。 然后大概有 2/3 的人举起了手 。

我我就相对比较放心 ，因为大家会知道我是什么样的风格 。 然后我又问有多少听友是在 24 年就开始关注的 ， 相当于就在 24 年的时候就已经看到了我一些这样类似的展示 。

大概有一半 。 然后我又问了第三个问题 ， 我说有多少听友是加入了听友群的 。 大概只举手了 1/5。 对 ， 然后我说哦 ， 那这个转化率还是差一点 。

对 ， 我说我平时看到的很多报告 、 数据图表 ，其实都会分享 ， 包括好的长文都会分享到听友群里 。

然后第三个问题 。 然后第四个问题 ， 我说呃 ，有多少听友曾经听过或看过我的 PPT。 那基本上是播客的粉丝 ，他跟我的听友的这个比例在现场还是比较高的 。

然后在 10 月的大概下半月 ，因为我这次的 PPT 的准备大概是从 10 月下半月开始的 。 然后在准备 PPT 的过程中 ，其实我串台了 3 期节目 ，有两期已经上线了 。

一期是串台 Kozy 跟容慧的 《 十字路口 》。 当时的标题叫 "2025 AI 现场 ： 我们这一年的目击与狂想 "。 然后我转过来之后换了个标题 ， 叫 " 我可是 AI 司马迁呀 "。

对吧 ， 大家应该也看到了 。 然后另外一期是去了那个波波的 《 进一步采经 》。 然后当时的内容其实是类似的 ， 叫 "25 年 AI 复盘 ： 从疯狂加速到泡沫争议 "。

然后我当时在现场问了有多少听友听了这两期节目 ，其实大概差不多有一半人听过了 。其实我很多今天的一些表述的点 ，在当时的两期串台节目当中也有提到 。

然后还有一期串台还没有上线 ，是我去跟面基的老钱 ， 当然他更多跟我聊的是医治上 ，但我们最后不可避免地聊到了 AI 这件事情 。

然后我当时的感受就像 ， 我觉得很像那个脱口秀演员去开放麦 。 对 ，因为可能听脱口秀的播客比较多 ， 很像很像去开讲开放麦 ， 就是在过程中你去感受这个逻辑 ， 这个讲述是否 ， 比如你自己比较顺畅 ， 然后听者的感觉怎么样 ， 包括听众的感觉是怎么样 。

然后才有了今天这个我们叫专场 ， 对吧 ，170 页 。 然后开场开场我讲了一个故事 ， 这个在之前的十字口也有提及 。

我说呃 ， 前几天看到一个新闻 ， 我觉得很有意思 ， 呃 ， 一个央视的新闻采访到一个杭州做女装的这个商户的女老板 ， 然后问她今年生意怎么样 ，有什么想表达的 。

那个女老板有一句话是说 ， 她在今年卖了 7 个月的短袖 。7 个月的短袖 ， 你想可不要 7 个月短袖吗 ？10 月底去采访 ，7 个月之前就 3 月 ， 那可真的要卖短袖了 。

然后差不多时间 ， 影视飓风的 team 去上了老罗的播客 ，他说现在影视飓风最大的收入贡献来源是电商 。他说他们有一件 T 恤卖了 20 万件 。

对吧 ， 我去淘宝上找了这件 T 恤 ， 就是一个非常非常基础款的短袖 。 除了 team 的流量能力强之外 ，他能卖 20 件也很重要 ， 原因是今年的夏天尤其的长 ， 尤其在上海 。

我在 11 月 2 号讲狂喜播客节上讲这个 PPT，以及在我现在 11 月 3 号录制现在的这个内容的当下， 都还穿着短袖 。11 月了 ， 我的天呐 。

然后差不多时间 ，10 月底的时候 ，在杭州灵隐寺 ，有一些这个小红书上的这个这个用户发现 ， 呃 ， 杭州的这个天猫服饰团队的人集体在灵隐寺拜拜 。他们在祈求什么呢 ？

他们在祈求老天赶紧把天变冷一些 ， 赶紧要冷下来 。 如果再不冷下来 ， 双 11 的服装就没法卖了 。

天猫的服饰团队在祈福降温

。 然后我这个时候就想到了上前几次我跟汉阳录播客的时候 ， 我说 VCE 特别像 《 祭祀求雨 》。 对吧 ，因为人类就是要在那种非常不确定性中找到一些可以被确定下来的东西 ，不断重复 。

如果真的实现了 ， 哪怕是部分实现 ， 它就会被坚持下来成为一种仪式 。 当时我说的 《 祭祀求雨 》。

那现在看上去 ，《 祭祀求雨 》 并不仅仅是 VC 行业的状态 ， 甚至行业很多行业都是了 。 然后引发到我们今天讨论的话题 ， 所谓这一轮关于 AI 的 ， 你说是史无前例的技术革命 ， 还有可能是历史上最大的烟花 ， 甚至两者兼顾 ， 我们不知道 。

我觉得这跟这件事情联系起来的时候就特别有意思 。 它像两个极端 ，但是同一种荒谬 。 我们在碳基世界 ， 我们面对失控的自然的气候 ， 我们在祈祷一种侥幸 。在硅基世界 ， 冒进到极致的商业逻辑 ， 去豪赌那样一个没有人知道的未来 。

两种极端 ， 同一种荒谬 。 事情似乎只能走向极端 。 这句话我在上期 9 月份那期的 PPT 里我也提到过 。

事情怎么会变成这个样子呢 ？ 它首先是系统性的极端 ， 无论是持续 7 个月的盛夏 ， 还是透支万亿商业的未来 ， 全部都是极端 。

而当人类面对这种极端的时候 ， 的解决方式是我们期待另外一个极端来解决我 。 我们从追求中庸和平衡的文明中， 滑向了一个不可避免的极端时代 。

为什么会这样呢 ？

然后我回头去看我过去做的几期关于 AI 行业的 PPT，Kozy 叫我是 AI 司马迁 。 对吧 ， 我回头去看了一下司马迁的记录 ，24 年底做了 " 我们到底该如何记录 AI 行业这一年 "139 页 。

春节回来 DeepSeek 火了 ， 我做了 DeepSeek 爆火 ，25 年 2 月 74 页 ，Minus 3 月份火了 ， 做了 Minus 70 页 。 然后 4 月份关于 Agent 讨论特别多 ， 我就来做了 Agent 58 页 。6 月份 ， 呃 ， 吴小波频道的老师找到我 ， 做了一期节目 128 页 。

然后 7 月份基于之前呃 ，6 月份做的那个 ， 做了一个简单版 ， 做了 53 页 。 然后就是上一次 154 页的 9 月份那那期 ， 叫 " 推理像打怪 ， 场景像开图 ， 投资像氪金 "。

如果大家有需要 ， 可以去扫我在 PPT 上放的这个 IMA 的数据库的二维码 。 那个我的所有 PPT 都在里面 ，有兴趣可以去看一下 。

然后回头来看这些 PPT，其实都不需要看内容 ， 我只需要看这些 PPT 的目录 。其实很多行业发展的事情 ， 跟当时的关注的东西 ， 跟脉络 ， 都在按时间线的记载中浮现了 ， 都是这样 。

然后我觉得某种程度上说 ， 为什么我愿意做这种事情 ，也是因为你会通过这种被动的方式去不断地让很多东西沉淀下来 。

然后当时我在做这次 PPT 的时候 ， 我在想 ，因为每次 PPT 其实间隔时间都不会特别久 ， 可能两三个月是一个常规的平均态 。

那两三个月你总会有些内容是不变的 ， 所以你总会把之前那些 PPT 拿来重新用 。 但这次因为是双引号的专场 ， 我觉得这种方式可能对已经对我比较熟悉的这个听众而言 ，有点不负责任 。

对吧 ，因为毕竟大家在狂喜是买了票来的 。 所以我就想 ， 那这次不要用这样的结构 ， 我就换一种结构 。

所以我做了单独的一张叫 " 回顾 "。 这一张是我把一些我认为之前做的 PPT 的内容 ，在这一次的整理当中依然可用的内容 ， 做了一次回顾 。

回顾的方式特别简单 ， 我会把两页原来的 PPT 变成现在的一页 ， 做一个缩放 。 对吧 ， 然后每一页这个缩放是有一个主题的 ， 或者有关键词 。

那我们一个个看 。 第一个关键词叫 OpenAI， 当然是它 ， 怎么可能回避到它呢 ？ 然后我在这两个缩放里面的第一张是 Sam 可能要解的是当下世界上最难的题 。

当时我列了几个要素 ， 比如说要解决财务投资人的问题 ， 要解决微软的问题 ， 要解决英伟达的问题 ， 要解决政府的问题 ， 要解决团队的问题 ， 要解决竞争对手的问题 。

那现在回头来看 ，Sam 依然在解这道题 ， 甚至这道题变得更复杂更难 。 同时可能在今年， 在 Sam 在解题双引号解题的过程中， 我觉得在某个时间点可能顿悟 。

顿悟的结论是 ， 这场游戏要死 ， 大家一起死 。 然后在 OpenAI 这关键词下的第二页 ， 我用了那张无数次用过的图 ， 就是 L1 到 L5 的技术划分 。

这张图也被无数人贴到他们的 PPT 里 。Chatbot 推理 Agent L1 到 L2 到 L3， 我们正在 L2 到 L3 之间 。 这是截止到今天这个时间点 ， 这一波 AI 的技术主线依然在延续 ， 只不过 L1 L2 L3 不是线性递进 ，是 L1 L2 L3 并行 。

因为直到今天 ， 头部模型厂商对于基础模型能力的提升 ， 依然在非常不遗余力地在做更容量的工作 。OpenAI 第一个关键词 。

第二个关键词行业叙事 。OpenAI 今天已经 5,000 亿美金了 。 行业叙事除了刚才我们说的模型本身之外， 如果用 OpenAI 的估值的提升 ，其实也可以 。

每一次 OpenAI 融资就是一个里程碑 ，以及重要的是 OpenAI 已经 5,000 亿美金了 。 它已经超过了字节 ， 超过了 SpaceX，是世界上最大的飞商公司 ， 估值最大的飞商公司 。

另一个是这个行业的过去两年， 甚至在今天更为严重的一种非常简单粗暴的递进关系 。 这个递进关系是什么呢 ？

拿越来越多的钱 ， 建越来越多跟越来越好的数据中心 infra 来训练更好的模型 ， 得到更好的结果 。

它是技术之外的钱的叙事 。 当然这个叙事可能更多的是美国定义的 。 那我们呢 ？ 我们能够走出一个不太一样的叙事吗 ？

我在波波的那期播客的视频版的 B 站的评论区 ，也看到了评论者们给出了类似的问题 ， 就是这套叙事可能确实是美国建立的 ，但美元今天出现了问题 ， 或者说可能会出现问题的情况下， 我们能否走出不一样的叙事呢 ？

行业叙事 。 下一个关键词叫技术实现 。 我们是怎么做到 L1， 又怎么做到 L2？ 我们现在正往 L3 走 ， 我们怎么做到的 ？

有哪些科技与狠活 ？ 对吧 ， 预训练做到 L1， 后训练强化学习做到 L2， 甚至 L2 到 L3 也是这样 。 预训练强化学习后训练 ， 甚至包括今天出现了什么中训练这样的关键词 。

我们是用的这些科技与狠活 ， 然后在追求 L0、L1、L2、L3 的过程中， 通用成为了某种基础 。 当然也是最最最头部模型厂商的目标 ，因为大家都在做通用的 ， 无论是通用的模型 ， 还是通用的 Agent。

然后当我们怎么做 ， 跟要做到什么程度这些事情给定的情况下， 比如技术路线跟目标给定的情况下， 剩下的就是卷了 。

所以过去几年同工厂商的竞争非常的激烈 。 技术实现 。 下一个关键词英伟达 。 我们回避不了 OpenAI， 当然也回避不了英伟达 。在我做 PPT 的这一周 ， 就是 10 月的最后一周 ， 英伟达的市值突破了 5 万亿美金 ， 人类历史上第一次 。

整个 AI 行业的绝对中心 ， 每个季度几百亿美金收入 ， 百分之七十几的毛利 ， 账上趴着 1,000 亿美金现金 ， 这些现金流支撑一切可能性 。

老黄除了 Sam 在顿悟之外， 老黄可能在某时间也顿悟了 。 做技术 、 做产品 、 做研发 、 订单排期 、 芯片一代一代的更新 、 供应链 ， 这些事情已经不足以描述英伟达了 。

老黄要做的是 AI 行业的央行 ，他要通过自己的方式去调控整个双引号的行业跟经济 。 央行做的事情

。 下一个关键词 mag7 美股七姐妹 ， 苹果 、Google、 特斯拉 、Meta、 微软 、 亚马逊 、 英伟达 ， 如西部牛仔一般的策马狂奔 。

那七位创始人像牛仔一样坐在马上的那张图 ， 我也用了无数次了 ， 没有人敢停下来 。 当然每家都有自己的情况 ， 家有本难念的经 。

然后当然有非常多的数据指标去看这几家公司在股市的占比 ， 标普 500 的占比 ， 跟对股市贡献的增长的比率 ， 很多技术性指标 。

但某种程度上来说 ，在当前这个状态下， 这些技术性指标其实已经失效了 。 因为所有人在 2025 年要结束这个时间点 ， 一定会把预期打满 。

打到什么程度呢 ？ 这也是波波在播客里提醒我 ，他说我们在这个时间点 2025 年底 ， 人类走完了这个世纪的 1/4，也走完了一个 5 年 。

那人类不可避免的会往前看 ， 当然也会往后看 ， 会看回看这 25 年 。 我的 PPT 上也有这部分 ， 当然也会往前看 。

首先会看未来 5 年， 我们有了十五五 ， 对吧 ， 五年计划 。 那所有的公司也一样 ， 今天你会发现所有公司的预期全部都是打满 5 年的 。5 年预期给我打满 。

但似乎这有些讽刺 ，因为今天市场上的技术变化可能是按月在变化的 。 但是我们所有在财务 、 在投资 、 在业务收入上的预期 ，是按 5 年期打满的 。

这中间肯定会有非常多的不太对的地方 。Mag7 下一个关键词 capex 资本投入 ，也讲过无数次了 。 呃 ， 最头部的四家公司 Google、 微软 、Meta、 亚马逊的 capex 投入在 25 年接近了每家 1,000 亿 。在 26 年， 在刚刚更新的 25 年 Q3 财报之后 ，在 26 年， 这四家公司的 capex 投资一定会超过 1,000 亿美金 ， 每一家都超过 1,000 亿美金 。

这张 capex 的曲线图你应该已经见 ， 如果你关注这个行业 ， 你应该已经见过无数个版本 ， 无数个媒体 ， 用过无数种配色的方案去画这样一张图 。

而这张图已经快更新两年了 ，也就是说这个增长周期才也才刚刚开始 。 同时除了这四家之外， 你会发现今天的这个投资的 capex 投资的趋势里面 ， 增加了一些新的公司 。

还有一点很重要的是 ， 后面会详细提及这些巨无霸们赚的钱跟这每年 1,000 亿投资之间的这个比值是重要的 。

因为它涉及到另外一个问题 ， 要不要发债 。 而债务是跟泡沫崩溃非常非常直接的因素 ， 我们后面会详细展开 。

第三 ， 呃 ， 下一个关键词云计算 。 云业务是承接 AI 的第一站 ， 这个共识其实去年， 甚至前年就有 。在过去这一年里面 ，AI 里的整个的叙事策略基本也是这样的 。

你去翻每一季阿里的财报的这个分析师的电话会议上， 我们妈的讲讲话基本上就是这个逻辑 ， 对吧 ？

然后呃 ， 细看美国的最大的三家云厂商 ， 亚马逊 、 微软跟 Google， 呃 ，AWS 就是亚马逊的云依然是领先者 。

但是看每个季度的增量角度来看 ， 微软云的边际增量已经超过了 AWS。 当然这季度有变化 ，但在前几个季度出现了变化 。

那这个变化是由什么引起的 ？ 当然是因为过去几年 OpenAI 跟微软的独家绑定协议 。 也当然在过去的一周 ， 微软跟 OpenAI 的独家绑定协议出现了变化 。

再下一个关键词开源 。

中国的 AI 模型江湖已经没有所谓的六小龙之说了 ， 开源成为了某种正确的叙事 。 企业这种叙事是由中国厂商引导的 ， 这全世界范围内都是如此 。

那开源似乎是原因 ，也是结果 ，也可能是某种斗争的开始 。 然后在当下这个时间点 ，在 AI 领域的开源并不等于跟商业化拒绝 ， 就是它不等于没有商业化 。

呃 ， 开源的生态的繁荣 ， 成为了所有投资营厂商所追求的一个目标之一 。 同时在整个开源生态里面 ， 各个细分板块的开源的相关技术的更迭跟趋势变化 ， 基本上也代表了当下行业的发展变化 。

开源 。 再下一个关键词东美中美对抗 。 呃 ，AI 这事发展到今天 ， 大概率未来就是中国跟美国两国之间的竞争了 。

欧洲都不太行 ， 对吧 ？ 日韩就更不行了 。 那这种竞争是技术 、 人才 、 资本全方位的竞争 。 那其他国家怎么办呢 ？

然后同样另外一个角度是说 ，因为中美对抗的这个因素存在 ， 呃 ， 它会给创业者跟投资人们提出更复杂的问题 。

因为对于中国的初创公司而言 ， 你需要在一种比较拧巴的夹缝中寻求可能的发展空间 。 嗯 ， 这件事情不仅仅对创业者 ， 对在做 VC 投资的从业者们其实也一样 。

有些无奈 ， 甚至有些无解 ，但是活总得干 。

再下一个关键词是 Agent。 那也不需要多做解释 ， 对吧 ？2025 年是 Agent 的元年， 对吧 ？ 关于 Agent 的讨论特别的多 ，Agent 到底是什么 ？

但最近一个季度似乎对 Agent 的讨论开始变少了 ，因为大家真的在去做了 。 呃 ， 聚光灯的关注也很少 ，但是从从比如说项目的意义上， 项目融资的分类的比例来看 ，AI Agent 以及 Agent 的 infra 依然是最重要的方向 ， 甚至可能在 Agent 这个小的板块里面 ， 做 AI Agent 的同时再做 Agent， 可以让业务产生类似提云洞的效果 。

因为太多东西不成熟 。 那当然如果产生提云洞 ， 那很多事情就不可控了 ，并且像云厂商这种大厂在这个板块一定是全都要的 。Agent。

再下一个关键词 ARR 数据 ， 年度经常性订阅收入 。 呃 ，因为现在的所谓的 AI 项目的分类其实都蛮难的 ， 那如何去评估这些项目的好坏 ， 尤其是在融资的时候 ， 怎么定价 ， 估值怎么给 ，ARR 似乎成为了唯一的标准 。

但是 ARR 本身又出现了很多问题 ， 比如说它会有各种各样的取巧的方式 ， 后面会详细讲开 。 那不看 ARR 还能看什么 ？

看毛利吗 ？ 可是现在毛利也似乎没有办法看 。 我在上一次 PPT 也讲过 ， 一地鸡毛 ， 对吧 ？ 一地鸡毛 ， 甚至很多很多人会说 ，AI 似乎就是一场巨大的击鼓传花 ， 从芯片开始 。

那很多人也会说 ， 大模型的单位成本其实在下降 ， 那毛利按理说应该提高才对 。 可是问题在于 ， 最最最头部模型其实一直都没有降价 。

那这是幻觉吗 ？ 然后还有人会说亏损亏钱 ，在经在硅谷是事吗 ？ 烧钱是事吗 ？ 这种人还有这样的结论吗 ？ARR。

再下一个关键词 Gartner 技术曲线 。

我也经常用这个分析框架 ， 我觉得这个分析框架很好用 ， 它作为一个心理的标尺 ，也可以作为对未来判断的依据 。

你可以在不同时间把不同的相关技术发展放在这个曲线上不同的位置 。 但很多人会说 ， 那如果是这样的曲线 ， 那似乎所有都需要经历一个所谓泡沫破裂的过程 。

那泡沫就是中性词了 ， 对吗 ？ 因为都需要经历 。 然后如果这个曲线一旦跟股票的曲线结合在一起 ， 很多事情就可以被解释了 。

那确实如此 。 所以 Gartner 技术曲线我也用过很多次 ，而这个事情是在不断的动态更新 。 每一次做 PPT 的时候都要去找最新的 Gartner 技术曲线 。

下一个关键词一级市场 。 呃 ， 我借用了之前在硅谷银行的一张图 ， 就是那张图列上了每一年成立的新的重要的公司以及成立的基金 ， 然后几年做了一些周期 ， 就是行业的周期 。

然后那两条曲线基本上是拟合的 。 所以当时或者今天依然很多人会说 VC 一直都是先进生产力的代表 。

那可是今天 ， 呃 ，VC 这个市场或者 VC 这个行业 ， 无论是在中国和美国 ， 遇到了一些挑战 ， 可能中国的挑战会更大一些 。

那对于在中国从事 VC 行业的从业者而言 ， 会很拧巴 。其实之前我们 Kochi 的播客里也有提过 ，他说一个美籍的合伙人说 ， 反问他说 ， 你是否相信技术创新带来的经营增长 ？

你是否相信 VC 对于技术创新的促进 ？ 当然这两个问题没有什么错误 ， 对吧 ？ 当然愿意相信你就答应去做 。

可是现实的很多条件会让这件事情变得非常的难 。 那对于很多 VC 经营而言 ， 你是否会做到认清现实的同时保持那份热爱 ？

问号 。 然后在 AI， 呃 ，在 AI 的这个大浪里面 ， 一直上整个很难的情况下，AI 当然是最主要的叙事 。 面对冲天的流动性 ， 面对人类历史上最大的技术革命的可能性 ， 你不投这个投什么呢 ？

对吧 ？ 一级市场 。 然后所有的这些我能够复用的关键词都讲完了 。 讲到这时候 ， 你听完之后， 你发现如果今天的这些播客到这结束了 ， 好像也可以 ， 对吗 ？

就是因为这些东西都没有变 ， 所以之前我说这些这些页是可以重新拿来用的 。 那后面的 100 多页讲什么呢 ？

所以我单独列了一页 PPT。 我说我做的所有这些 PPT， 最难的事情其实是 ， 或者说最最最痛苦的事情是行业的发展比你做 PPT 的速度要快

。在我加工这个 PPT 最最最疯狂的这 10 月的最后一周 ， 发生了非常多的事情 。 如果大家关注这个行业 ， 应该知道发生了什么事情 。

比如说 OpenAI 跟微软确定了 OpenAI 的新的结构 ， 包括跟微软的未来的合同合作方式 。27 号 ，NVIDIA 在华盛顿开了今年的 GTC， 就是 NVIDIA 的大会 ， 公布了 NVIDIA 下一代的芯片研究进展 ， 公布了它的订单情况 ， 公布了它投资了诺基亚 10 亿美金 ， 公布了无数事情 。

更更更重要的是 ，在过去这一周 ， 七姐妹七姐妹里面 ， 除了 NVIDIA 跟 ， 还有跟谁啊 ？ 除了 NVIDIA 跟

特斯拉之外的五家 ， 苹果 、 微软 、Google、 亚马逊 、Meta 都发了财报 ， 财报信息量巨大无比 。 而所有这些内容全部要体现在这个 PPT 上 。

好 ， 我们继续正式进入正题 。 技术 、 产品 、 资本 、 泡沫的第一章技术 ， 又分了四个小标题 ： 自然源 、 模型 、 开源 、 多模态 、Agent。

起初我在做这个 PPT 的时候 ， 放了一张这个跟这些话题没有什么相关性的图 ， 就大概是一些什么芯片呀 、 什么示意图啊这种东西 ，因为没有找到特别合适的图放在这 。

但是就在我做 PPT 的过程中，29 号 ， 我关注比较多的一家机构发了 25 年 Q3 的大模型进展的报告 。 我把它的第一页截住来放在这 ， 发现它所总结的 25 年 Q3 AI 领域的所谓的五大趋势 ， 跟我这四个专题是一一 ， 几乎一一对应 。

它只是不过把多模态这个主题换成了两个分主题 ， 一个是语音模型 ， 一个是图片模型 ， 一一对应 。

首先说模型本身 ，25 年的纯自然源模型主赛道 、 主航道推理模型 ，在年初 21 发布之后， 这件事情就已经定了 ， 对吧 ？

其实再往前推 ，24 年 9 月份 OpenAI 发布 O1 开始 ， 截止到今天 ， 推理模型依然是我们叫 LLM 的主航道 ， 截止到今天依然是 。

然后在那 ， 我们就看在 25 年纯 LLM 的研发上， 我们遇到了哪些问题 ， 无论是基础模型 、 推理模型还是 Agent， 遇到了哪些问题 。

首先我们前面说过 ， 强化学习强势崛起了 ，而且是再次崛起了 。 我们要给模型做题 、 做得好奖励 、 做得好惩罚 。

所以为什么今年模型能力在数学跟编程领域提升那么明显 ？ 因为这两个领域有非常明确的激励模型 。

那问题来了

，其他领域怎么办 ？ 那些没有办法做明确验证的模糊的领域怎么办 ？ 那些东西要不要跟人类的偏好做双引号的对齐 ？

那些创造性任务怎么办 ？ 没办法验证 ， 完全没办法验证 。 然后所有人之前大部分人用选择式只针对结果做激励 ， 那过程激励就不重要吗 ？

当结果激励边际上到了头的时候 ， 似乎过程激励的边际效应开始出现了 。 如何防止 revolve hacking？ 因为你给它设定目标 ， 模型就跟人一样 ， 它会为了那个目标不择手段 。

可是你不希望它用野路子 、 用别的方法绕过去 ， 对吗 ？

把所有这些问题加在一起 ， 本质上来讲 ，其实它是 AI 大模型这三要素 ： 算力 、 算法 、 数据中的数据那部分 。

所以这相当于是更广泛意义上的数据获取出现了问题 。 第二个记忆

，在 ChatGPT 发布之后 ，其实关于大模型的记忆的上下文的拓展 、 长度的拓展 ， 到今天依然还在持续 。

但似乎上下文长度的拓展可能仅仅是开始 ，因为它有更复杂的问题 ， 比如说如何去平衡长时记忆 、 短时记忆 ， 再复杂到某一段记忆的可控性 ， 与如何去处理语义的漂移跟不同记忆之间的冲突 。

检索跟访问这些记忆的效率现在还是比较低的 ， 如何提升 ， 甚至大家去探讨 ，因为我们在说语言模型 ， 纯文本之外的形态到底对语言模型能不能有别的什么方式来做促进 ， 纯文本之外的可能性会是什么 ， 后面会讲到 。

第三个问题 ，benchmark 评判的标准出现了问题 ，因为所有的基准的指标都是几年前的指标 ， 都已经几乎全部失效了 ， 已经没有办法评价今天最牛逼的模型了 。

而且对于训练模型的过程中出现了挑战 ，是说你到底是为了好用 ， 还是为了打分高 ？ 可是为了好用的现实 ， 该怎么去定义好用又出了问题 ， 对吧 ？

到底是应用导向还是打分导向 ？ 然后又因为现在现存的很多 benchmark， 它的数据会被泄露 ， 然后很多模型在训练过程中会针对这些数据做专门的训练 ， 那那个分不就失真了吗 ？

然后模型的进展是按月算的 ， 可是 benchmark 的进展可能要半年甚至更长的时间 ， 它是偏静态的 。 那静态的东西如何去评估一个动态的模型的进展 ？

所以结果是长期有效的 benchmark 非常难 ， 非常非常难 。 也是在做我 PPT 的过程中， 洪三不是在上半年出了一个洪山啊 ， 洪山中国逼着投资人自己做 benchmark，他们做了一个 benchmark， 然后在我做 PPT 过程中更新了一个版本 ， 包括更新了一批模型的数据 。

所以这个动态的更新也也也其实挺麻烦的 。benchmark 让我们具体看一些案例或者一些示例 ， 我们再看数据层跟 benchmark 层面的难到底难到什么程度 。在这一轮 AI 之前的上一代 AI 典型叫 AlphaGo 下围棋的 ， 然后今年柯洁就是中国最好的围棋选手之一吧 ， 上过一次鲁豫的节目 ，他跟鲁豫做访谈 ， 鲁豫问了他这样一个问题 ，他说 ：" 我听说这个现在所有的职业选手每天

其实都在跟 AI 下棋 ， 你也是 ？" 可以说是的 。 然后鲁豫就问 ：" 那你不会担心 AI 会把你的这个思路啊 ， 学棋的这个解题 ， 这个这个这个下法学过去吗 ？

就这个数据你不怕被不怕被它吃走吗 ？" 柯洁的回答是这样 ，他说 ：" 我们水平那么低 ，AI 要我们的数据干什么呢 ？

那不就污染它的数据库了吗 ？" 这是柯洁说的 。在他那个领域里 ，AI 的能力具体到哪 ， 我们已经不知道了 。

就是比如说按正态分布来算 ，0 到 100 分下围棋 ， 动物下围棋可能是 0 分 ， 对吧 ？ 基础人类下围棋符合正态分布 ， 大部分人可能分布在 20 分到 60 分 ， 像柯洁这种可能 100 分或者 80 分 、90 分 。

我们原来认为我们在培育的 AI 是慢慢慢慢接近 90、100，但今天 AI 可能已经 1 亿分了 ， 它已经不知道飞到哪去了 ， 你已经没有办法去评估了 ， 对吗 ？

那未来是不是在这一波的 AI 模型领域的很多板块里面 ，也会出现这样的情况 ？ 似乎有些板块有这种苗头 ， 就是但凡它突破了某一个临界值之后， 我们人类对它的评估都出现了问题 。

然后再看竞争 ，在美国基本上四家 ， 对吧 ？ 图文模型厂商 OpenAI 的 GPT、Anthropic 的 Claude、Google 的 Gemini、XAI 的 Grok， 然后很多人会说 Llama 呢 ？Meta 的 Llama 呢 ？Meta 的 Llama 已经掉队了 ，在今年 totally 的 totally totally 的掉队了 。

所以你再看各种新闻 、 各种搒单 ， 包括这四家图文模型厂商更更新模型的时候 ， 每次他们发新模型都会说自己是世界上最先进的模型 ， 对吧 ？

然后我们前面讲到 ， 当技术目标呃以及实现方法基本给定的情况下， 造成的结果就是卷起来 。 所以在之前前面提到 25 年 Q3 的这个大模型的竞争的这个这个这个表单上， 我们看到了几家投模型厂商 ， 就你追我赶这个状态 。

当然 G 呃 GPT 呃 Meta 嗯 ，Llama 已经掉队了 ，Llama 非常明显的掉队了 。 然后在这张表单上， 那个做报告的国外的公司把 DeepSeek 也放在了里面 ， 你会发现中国最好的头部开源模型的能力 ，也在逐渐的追赶上世界上最领先的模型厂商 。

然后那就提中国 ， 对吧 ？ 那就不能不提中国的刚才说到的开源 ， 对吧 ？ 然后嗯 ， 除了大家知道比较多的 DeepSeek 跟千问 、 阿里的千问之外 ，其实呃在六号龙叙事之后， 还在坚持做模型研发的 Minimax、Kimi 跟智谱啊 ，也在疯狂的推进开源模型的研发 ， 然后并且跟得非常快 。

就在我做这个 PPT 的那一周啊 ， 应该是 Minimax 发了他们最新版的模型 ， 能力非常强 ， 口碑非常好 ， 无论是国内的还是国外的口碑都非常好 。

然后这里面出出现了一个问题啊 ， 就是我们原来做这种我们美元 VC 之前有一种非常偷懒的工作方式 ， 就是美国出现什么 ， 中国一定会出现什么 ，并且美国出现什么 ， 那个代表公司的估值大概率除以一个数值 ， 应该就是中国这个领域公司的估值 。

这事情在过去的移动化量领域已经发生了无数次 ， 无数次 。 但是今天在 AI 领域 ， 这个故事还能重现吗 ？

比如说今天 AI 大模型领域最好的初创公司叫 OpenAI， 它的估值是 5,000 亿美金 ， 那么中国的头部的初创的模型公司的估值应该是多少 ？

原来我们一般讨想的方式是除以 3 或者除以 7， 除以 3 是比较激进的 ，因为我们会认为我们的消费人口会更多 ， 我们平台会更大 ， 除以 7 就是汇率 ，但是再保守点 ， 除以 10 也差不多了 。

可是今天中国最头部的模型厂商的估值大概是在小几十亿美金 ，也就是说跟 OpenAI 差了 100 多倍

，不是除以 3，也不是除以 7，也不是除以 10， 要除以 100 是 100 多 ， 那这合理吗 ？

然后开源甚至会被写在国院发布的人工智能加的行动意见书中， 然后在 GTC 上， 老黄也发了一张开源模型的进展 ， 你会发现千问在过去几个月的增速非常快 ，也逼得美国那家头部厂商也开源了一部分他们的模型 ， 甚至 Airbnb 的 CEO 前两天在推特上公然说 ：" 我们就是在用这个千问 ，并且我们是对比了千问跟最新的 OpenAI 的 GPT 模型 ， 我们最后选择了千

问对开源模型 。" 那所以综合来看 ， 我们叫自然语言模型的主桌大概就是这些公司了 ， 对吧 ？OpenAI、Google、Meta、XAI， 然后 Anthropic、Meta 能不能追上还要看新的团队组建之后的效果 。

中国这边可能阿里 、DeepSeek、 呃 、Kimi、Minimax、 智谱 、 腾讯 、 字节差不多吧 。 然后有一家欧洲公司叫 Mixtral 什么的 ， 我也提过很多次 ， 欧洲唯一剩的独苗 ，但是呃 ， 它的模型进展本身来讲已经掉队了 ， 它比 Llama 还要掉队 ， 无论是更新频率 、 模型的效果还是打分 、 口碑 、 增速 、 开源社区的影响力什么的 ， 全面落后， 甚至连 Llama 都不如 。

但是就是这样一家公司

在欧洲 ，因为在欧洲是独苗 ， 它被荷兰的光刻机公司 ASML 投资了 ， 最新一轮估值 140 亿美金 ， 那问题又来了 ， 我们比不了 OpenAI， 我们比 Mixtral，Mixtral 都 140 亿美金了 ， 我们的头部模型厂商应该值多少呢 ？

然后再看 ， 比如说 24 年、25 年跟 24 年做对比 ， 模型厂商的这个调研的这个百分比 ， 就它是调研开发者使用的哪些模型厂商的百分比 ， 那一个人会用多种模型 ， 所以加在一起这个百分比会超过 100%。

但是你会看到趋势 ， 比如说 OpenAI 从 83% 涨到 24%， 就很稳定 ， 然后 Gemini 从 31% 涨到 80%， 追得非常快 。 当然这是调研数据啊 ，并不是绝对数据 。

然后 Claude 从 46% 涨到 67%，其实涨得也还可以 。DeepSeek 从 0% 24 年下半年涨到 24 年上半年， 因为那个时候 DeepSeek 刚刚发 V1 还是 V2 吧 ， 然后涨到今年 53%， 然后 Llama 49% 跌到 43%，XAI 从 0% 涨到 31%，XAI 涨得也很快 ， 千问 0% 涨到 25%，Mixtral 37% 跌到 22%。

我们刚才说过 ， 它已经掉队 ， 甚至比 Llama 掉得更掉链子 。 所以那 Mixtral 都 140 亿美金了 ， 中国的 AI 头部模型公司值多少钱呢 ？

然后再一点 ， 呃 ， 单位的大模型的 token 成本确实在下降 ，而且是以指数的方式在下降 。 这件事情之前赛美说过 ， 每年可能 10 倍差不多 ，但是但是但是 ， 市场最领先的模型价格是没有下降的 。

什么意思 ？ 就是市场总有一个第一名 ， 第一名的那个价格是不会降的 。 当然它的有人取代它之后， 它就会降了 ，但是那个第一名 ， 站在第一名位置上的人是不会降的 。

这也是造成之前我们说过一个观点 ，是为什么很多 AI 模型厂商的毛利并没有因为模型成本的下降而下降 ，因为大家都在用最好的模型 。

然后之前跟柯洁跟荣晖在 Solo 后聊的时候 ， 荣晖问 ：" 如果回看 25 年， 你对哪一个模型的发布最有印象 ？"

然后他们猜 ， 比如说是 GPT-5 还是比如说 Google 的 Veo 3。 我说那些确实记忆很深刻 ，但是最深刻 ， 当然可能也因为是近期的 ， 我说是 DeepSeek 的基础模型的 3.2 版本的发布 。

那为什么呢 ？ 是这样 ， 我们前面讲过 ， 呃 ，DeepSeek R1 惊艳了世界 ， 对吧 ？DeepSeek R1 的基础是通过 DeepSeek 的基础模型 V3 演进而来 ， 它通过后训练 、 强化学习加一些呃体验上的改进得到了 R1。

那在今年 6 月份的时候 ， 呃 ，DeepSeek 发了基础模型 V3.1 的更新版本 ， 叫 3.10528， 就 5 月 28 号 。 然后在 6 月份的时候 ， 很多人就期待是说 ， 我们在今年能不能看到 DeepSeek 的 R2。

那 R2 理论上来说 ， 应该是在一个更强的基础模型上训练的 ，并且是一个跨世代的基础模型能力上推推演出来的 。

那似乎在那个时候 ， 大家就开始期待 DeepSeek 的 V4 什么时候会出 。 然后在今年 9 月 22 号 ，DeepSeek 出了它的 3.1 的最终版 ， 叫终极版 9 月 22 号 。

然后大家就说 ， 或者说大家在期待 ， 或者至少我在期待吧 ， 那下一个版本是不是就应该到 4 了呢 ？

因为我们能有了 4 之后， 差不多才会有 R2， 对吧 ？ 过了一周 ，9 月 29 号 ，DeepSeek 发了新的 V3 系列模型 V3.2，也就是从 3.1 跳到 3.2， 没有跳到 4 啊 ， 终究是我错付了 。

那很多人就会问 ，maybe R2 可能会基于 V3.2， 谁知道 ， 我们再等等看吧 。 然后讲完自然语言模型 ， 我们讲多模态 。

多模态借用了一张之前的 PPT， 多模态这个战场在经历从局部战场到大战场 ， 图片 、 视频 、 语音 、3D 到世界模型

。 然后图片跟视频基本上已经 totally 的进入到所谓的生产管线之中了 ， 对吧 ？ 他们已经换了一个专有名词叫 media， 它跟 media 的关联度可能远远大于所谓今天我们去聊图片跟视频 。

所以我们看到 Google 最近发 Veo 3 的新的版本 ， 能力又再次的提升 ， 它本来已经是这个市场最领先的模型了 。

当然中国厂商在这里面跟进的也非常的快 ， 快手也好 ， 字节也好 ， 那几家初创公司也好 ，其实跟进都蛮快 ， 图片跟视频 ， 然后就是世界模型了 。Google DeepMind Gen 3， 然后李飞老师的 World Lab， 然后浑源的世界模型其实也在做 ，并且应该是在上周也更新了版本 1.1 了吧 。

然后这玩意儿就引发了我另外一个记忆中的沉睡的关键词 ， 叫元宇宙 ， 对吧 ？ 这个也讲过无数次了 。

如果真的世界模型这个事情做到极致状态 ， 那不就是元宇宙的叙事又成了吗 ？ 就像 DeepMind 的那位创始人说 ， 世界模型可能就是孕育 AGI 的子宫 ， 对吧 ？

世界模型 。 然后再往下， 刚才我们在记忆那章当中提到过一个最后的问题 ， 就是在于文本之外， 模型数据获取上能不能有别的可能性 。

最近一段时间 ，10 月底吧 ，DeepSeek 跟智谱差不多时间同时发布了自己的 OCR 模型 。 为什么一个大语言模型的实验室会在差不多时间都发一个 OCR 模型呢 ？

就图片识别文字的模型 ， 这件事情不是已经很多年了吗 ？ 为什么要在这个时间重新再做一件这件事情 ？

智谱跟 DeepSeek 到底看到了什么 ， 跟什么样的可能性呢 ？ 我们再去回想人类 ， 人类是怎么学习知识的 ？

人类当然是通过语言 、 文本 、 图片 ，但这些东西是通过视觉看到的 。 纯文本的 token 的长度 ， 今天某种来说已经到了极限了 。

那通过把图识别出来 ，并且压缩的方式 ， 似乎能够突破这个极限 。 当然这只是一种设想 ， 到底是否真的能够实现那个效果 ， 还要等这些模型厂商去尝试 。

下一个关键词 ，Agent。Agent 2025 年是 Agent 的元年， 对吗 ？ 提过无数次了 ， 对吗 ？ 也不是我提的 ， 对吧 ？Sam Altman 提过 ，Ilya 提过 ， 然后雨森提过 ， 无数的报告的标题都是这个 。

但是我在十字口的时候又又说 ， 我说 Agent 要做真的很很那什么的话 ， 可能要 5-10 年 。 然后这个观点其实也有很多人会提及 ， 比如说 Kimi 的核心的一位研发员工在直播上写过 ，他说能实现 ， 要想实现 AGI 达到能替代 80% 人类白领工作的 Agent，是需要非常漫长的时间的 ， 可能 5-10 年， 甚至更久 ， 除非有全新的颠覆性技术出现 。

这段话其实我也引过很多次了 。 然后也是在最近一段时间 ， 前 OpenAI 的联合创始人， 也是特斯拉非常资深的技术研究员卡帕西 ，也是行业的大神之一 ， 上了一次播客 ，他的观点也被很多人转发 。他说今年根本不是什么 AI 元年， 他只是呃 Agent 元年， 他只是 Agent 持续研发迭代这种十年周期的事情的第一年 。

为什么会这么讲 ？ 因为他原来在特斯拉的时候 ，他在 12 年就看到了自动驾驶的那个 demo，他会认为那个 demo 已经 ready 了 ，但是直到今天 ， 已经过去了 12 年的时间 ， 自动驾驶依然没有达到理想状态 。他说 Agent 会非常像这件事情 。

所以今天你会发现 ， 如果大家用过各种各样 Agent 工具的话 ， 它其实没有那么想象中的好用 。 我在 PPT 里放了一段视频 ， 如果大家下载的是 PDF 版本的 PPT，是看不到这个视频的 。

大概意思就是说 ， 一堆足球的这个 ， 一堆人在踢足球 ，但是怎么也没办法把那个球踢到门里 ， 就跟那个动作特别搞笑跟滑稽 ， 这帮运动员就跟得了脑血栓一样 。

那就那就是现在这个时间点 ，Agent 行业的状态 。 那为什么会是这样 ？ 其实特别简单 ， 确实跟自动驾驶非常的像 。

那不单纯只是一个那个 Agent 它本身的技术问题 ，因为它需要跟环境产生交互 ， 它要有行为 ， 它的行为要跟别人产生关联 ， 要去访问别人的数据库 ， 要调用网页 ， 要搜索 ， 要各种各样的事情 ， 要有账户 ， 要有数据 ， 要有安全 ， 要有用户体系 。

所有这些东西 ， 包括记忆的上下文 ， 甚至这个记忆上下文 ， 要跟你的模型本身的记忆上下文要区隔 。

一味的执行任务需要的成本 、 时间 、 给出答案的评判 、 激励模型 ， 所有事情全部都是问题 。 这问题就不只是 Agent 他自己的问题了 ， 要把这些问题解决的都差不多 ， 就跟那个木桶一样 ，不能有短板 ，他就没有办法很快的解决 。

然后在 Agent 这一波之后， 又出现了很多词 ， 比如说什么 deep research 啊 ，computer use，Agent model 啊 ， 那你说这些关键词 ， 它到底是在描述这个技术 ， 还是在描述这个技术给人用到的产品呢 ？

这个问题其实我在 Agent 那次 PPT 里也探讨过非常多 ，也没有什么答案 。 那我们就正式进入第二章 ， 产品叙事 。

产品叙事又分三个小节 ：OpenAI 是一家什么样的公司 ， 热门的产品方向 ，AR 的叙事 。 先看 OpenAI 是一家什么样的公司 ， 这是一家 5,000 亿美金的初创公司 。

我们能否用 ChatGPT 或者什么样的产品 ， 就概括了这家公司 。 它到底是一家技术公司公司 ， 还是一家产品公司 ， 还是全都要 ， 对吧 ？

这个问题之前也问过 Sam，他有他的选择 。

我们回看这一年啊 ，OpenAI 到底发了哪些东西 ？ 它发了 O3、O4 系列 ，GPT-4.1、DALL·E 3 那个图片模型 ，realtime，GPT-5、Sora 2， 这一些都叫模型 ，是技术范式 。

同时它也发布了 CodeX、Pulse、AgentKit、APPInside、Sora 的 app，以及最近发的浏览器 。 这一波都叫产品 ， 一波是纯技术模型 ， 一波是产品

。 最近的是

10 月假期发的 Sora 的 app， 对吧 ？ 很多人应该用过 ， 或者看到相关视频了 。 很多媒体会说 ， 我们这个世界不需要一个 AI 版的抖音 ， 当然不需要 ，但是 OpenAI 需要 。

它需要的是什么 ？ 它需要的是把它已经差不多 OK 的技术 ， 封装成一个用户体验良好的产品 ， 交付给用户 ，并且寻找可能的商业模式 。OpenAI 需要 。

那它为什么能做到这么多产品的发布呢 ？ 当然是因为在过去一年，OpenAI 做了一次比较大的组织架构调整 ， 它把技术技术研发的 team 跟产品应用运营的 team 分开了 ，并且找来了前 Facebook 移动端的 VP， 一位女士 ，Simone 叫 ，86 年的女士 ， 来做 Facebook 产品跟应用团队的 CEO。

是 CEO， 当然她已经划分了 ， 拆分了某种意义上 。 但呃 ，以及有新闻说 ， 现在 OpenAI 三千名员工里面有 600 人是前 Facebook 员工

， 这引发了更复杂的企业文化组织其他的问题

。 然后在也是在 10 月 ，OpenAI 发开了今年的开发者大会 ，Sam 讲了很多事情 ， 然后有一件事情是说 ，在 ChatGPT 的对话框中， 已经可以支持调用一些第三方工具了 ， 比如说你可以调用 Booking 来订酒店 ， 调用 Canva 来做设计 ， 调用 Figma 来做网页或者 UI， 调用 Spotify 来听音乐 ， 调用 Zillow 来查询美国的房产数据 ， 直接在 ChatGPT 的聊天框里 。

那这件事情在做什么呢 ？ 呃 ，ChatGPT 或者说 Sam 或者 OpenAI 在做的事情 ， 我们很熟悉 ， 就是 all-in-one， 就像我们的微信 、 我们的周宝 、 我们的抖音一样 ， 一个 app 可以做所有的事情 。

那这件事情在移动互联网年代 ， 美国公司是没有做到的 ，Google 也好 ， 微软也好 ， 都没有做到 ，Meta 也没有 。ChatGPT 想做成那个样子

， 它为什么敢这么想呢 ？ 首先用户数据角度来讲 ，10 月份 Sam 公布的最新的 OpenAI 的周活 ， 达到了 8 个亿 。7 个亿是什么时候 ？

是两个月前的 8 月 。在今年年初 ， 这个数字就 4 个亿 ， 一年不到翻翻 ，而且是在这么大的数量级上翻翻 。

同时更更更加重要的是 ，在我上次 PPT 也有提及 ，ChatGPT 在留存数据上看到了微笑曲线 ， 留存时间越长 ， 啊不 ， 使用用户越长 ， 留存下来越多 。

那为什么会出现这种违反常规的数字跟曲线呢 ？ 是因为当某些 app 到了一定的里程碑之后， 这些里程碑可能是用户量里程碑 ， 可能是覆盖率里程碑 ， 可能是品牌的影响力的里程碑之后， 用户就会越来越多的留下来 。

所以它才敢做 all-in-one 的想法 。 然后也在差不多的时间 ， 呃 ，ChatGPT 包括 Claude 其实都发布了他们的用户的使用行为的调查报告 ， 可以用他们搜索呀 、 找寻建议呀 、 写文案呀 、 创造图片呀 、 分析数据呀 、 编程呀 ， 对吧 ， 干各种各样的活 。

但这个这个图呢 ， 是一个百分比的这样一个拆分的图 ， 看起来呢 ， 哦 ， 你大概知道结论 ，但这个图没有冲击力 ， 对吧 ？

我看到网上有人把这张图重新画了一下， 它把所有的这些目的 ， 或者说用户用它来干嘛的这个事情 ， 你要知道在没有 ChatGPT 之前 ， 用户也干这些事情 。

那他们用什么软件跟网站来干这些事情 ？ 它把这些被潜在有可能替代掉的网站 ， 全部都放在了这张百分比百分比的图上， 就很冲击了 。

你原来数据分析用 Excel， 你原来搜索是用 Google， 你原来创作图片是用 Canva，是用 Photoshop， 你原来做翻译是用 Google 翻译 ， 对吗 ？

今天好像很多人都在用 ChatGPT 做这些事情 。

然后德林分辨室统计了一下， 曝光的跟没有曝光的 ，OpenAI 在做的很多事情 ， 比如说 OpenAI 可能还在做一个社交平台 ， 社交平台 OpenAI 还在做一个 AI 硬件 ， 对吧 ？OpenAI 还在做机器人， 可能 OpenAI 还在做给企业专门的服务 。

那 OpenAI 最近发了 ，因为它写报告的时候 ， 这个德林分辨室写文章的时候 ，OpenAI 还没有发浏览器 ， 它说 OpenAI 内部在做浏览器 。OpenAI 之前还说要在做一个招聘网站 ， 对吧 ？OpenAI 做的事情很多 ， 太多了 。

那这样一家公司 ， 今天我们到底该去如何评价 ， 如何去定义这样一家公司 ？ 然后再从另外一个角度来看 ， 从 OpenAI 的成本结构来看 ， 可能 80% 的成本还是花在了研发上， 比如它更多的还是个技术实验室 ， 可能 30% 左右的成本花在了这个支持 ChatGPT 这样的产品的 infra 上 。

那从成本角度来 ， 确实技术为重 ， 产品为辅的这样一个结构 ， 可能是 OpenAI 现在的状态 。 但这就足以足够形容 OpenAI 吗 ？

当然不 。在 10 月 29 号 ，OpenAI 跟微软确定了那个交易结构之后，Sam 做了一场直播 。在直播过程中，Sam 放了一张图 ， 这张图就是他设想中 OpenAI 的架构 。他说我们为 OpenAI 的研究产品与基础设施设想了三大核心支柱 ， 我们必须成功完成构建 AGI 所需的研究 ， 必须打造一个既便捷又强大的使用平台 ， 同时还要建设足够的基础设施 ， 让人们能够以低廉的成本使用他们所喜爱

的卓越的 AI 技术 。 我们对整体架构的构想 ， 最底层是芯片 、 机架及相关系统 ，他们所在的数据中心以及能源 。在此基础上， 我们训练模型 ， 然后构建开放平台 。

所以硬要拆的话 ， 今天 OpenAI 可能是四家公司 。 我们最熟悉的技术研发的技术实验室 ， 我们相对比较熟悉的那家产品公司 ， 已经找了 CEO，Sam 正在构建中的这家基础设施公司 ， 芯片 、 数据中心 、 能源 ， 可能还有一家其他乱七八糟的公司 ， 比如在这次跟微软的交易结构当中， 特别指出的硬件项目不在合作范围内 ， 那家硬件公司 。

所以 OpenAI 现在可能有四家公司 ， 没准以后会有更多 。OpenAI 讲完 ， 我们再讲那些产品方向 ， 一个一个讲 。Chatbot 我们最熟悉跟最用最多的这个这个方向 ， 然后呃 ， 数据统计截止到 10 月 24 号 ，因为最新的报告还没有出 。

看 Chatbot 这场仗 ，ChatGPT 似乎看上去已经赢了 ， 占比一直都很高 ， 当然 Gemini 在过去几周长得非常好 ， 非常非常好 ，但是再小一些已经可以忽略到 other 里了 。

然后真正一看看那些数字 ，OpenAI 现在 ChatGPT 可能每周以 3%-5% 的数字还在增长 ，因为它已经太大了 ， 它不可能暴涨 。

但是 Gemini 很疯狂 ， 过去几周基本上是在每周 60% 甚至 70% 以上在增长 ， 甚至有几周达到 95%。 那如果再这么长下去 ，他们之间的差距似乎会被疯狂的缩小 。

那似乎 Chatbot 战役还没有打完 ，有可能 。 然后 coding，AI coding 在这一年确实突飞猛进一般发展 ，Healthy 最近发了一个算是报告吧 ， 讲 AI coding 的 ， 然后他说我如果把整个 coding 的流程 ， 从初期做框架 、 做架构 ， 到写代码 、 到测试 、 到发版本 、 到数据库 、 到运营平台 、 到 QA、 到所有这些事情 ， 你把整个流程拉开来看 ，AI 在渗透各个各个各个板块 ， 然后在各个各个板块都

有不同样的专门服务这个板块的相关的 AI coding 公司来做相关的服务 ， 就产业链的分工已经非常细致了 。

然后我们也在这个板块看到了几乎所有过去一个一年左右时间所谓的 ARR 增长神话 ， 就是那张那几张什么一亿美金最快达到的增长表 ， 五亿美金最快达到增长表 ， 前面几个全部都是 AI coding 公司 。

今天你突破 ， 明天我突破 ， 今天你六个月达到一亿美金 ， 我明天三个月就达到 ， 对吧 ？ 它都是这样的 。

我们在 AI coding 这个板块确实见到了无数的增长神话 ，但是但是最近事情有些变化 ， 进入到 Q3 开始 ， 呃 ， 这些偏初创的独立的 AI coding 工具的流量在下降 ，而且是所有人都在下降 ， 哪怕最领先的 Cursor 都不能幸免于难 。

平均每周过去一周跌 20%、30%、19%、15% 这么跌 ， 这个数字不小 ，不是跌一两个点 ，是跌十几二十个点 。 这么跌下去 ，AI coding 的故事还怎么圆呢 ？

或者说跌下去的这些量被谁拿走了呢 ？ 差不多的时间 ， 最好的两家模型厂商

，Anthropic 的 Claude 以及 OpenAI 的 GPT-5 都上线了第一方的 coding 工具 ，Claude Code 以及 GPT-5 的 Codex， 且这两件事情的增速非常的快 。 刚才说前面有一张五亿美金 ARR 的增长表 ， 最新的记录是被 Claude Code 拿走的 ， 那 AI coding 当然是个巨大的战场 。

最后的赢家到底是谁呢 ？ 是模型厂商的第一方产品 ， 还是会是第三方产品呢 ？ 你要知道 ， 头部的 AI 模型公司的市估值也可能到 100 亿美金 ， 甚至几百亿美金了 ，他们也拿了很多的钱 ， 这场仗还得继续打下去 。AI coding 下一个通用 Agent， 我有一个不知道哪来的想法 ， 通用 Agent 这个说法似乎是我们这边独有的说法 ， 美国那边好像不太说这个说法 ， 好像似乎

大家默认的 Agent 会有 Agent 的说法 ，但不会有所谓的通用 Agent。 但是这个板块里确实中文公司比较多 ， 典型代表两家 ，JetSpark 跟 Manus 都是中国公司 。

很巧合的是 ，JetSpark 最近出了融资新闻 ，是红杉中国跟腾讯投了最新一轮 10 亿美金估值 ， 然后这两位其实也是 Manus 的投资人。

所以对 ， 所以可能真的是中国叙事 ， 我不知道 。 然后浏览器的竞争最近又加剧了 ， 对吧 ？ 因为 Facebook 问那个 OpenAI 加入了战场 ， 发了他们最新的浏览器 。

然后我之前用过两张我之前的 PPT， 我说浏览器必须一定是 BI 命令之地 ， 它是整个运营 Agent 运行 Agent 的这个环境中很重要的一环 。

然后我又放了张截图 ，是我的 Mac 的程序屋 ， 然后打开了一堆 app， 比如说 Fellow，OpenAI 的浏览器 ， 夸克 Chrome 跟 Perplexity 的浏览器 。

我说这些当然 ， 这些肯定是浏览器 ， 然后在他们的旁边是豆包 ，是 ChatGPT，是 IMA。 那其实如果大家用过这些工具 ， 你会发现这些工具本身今天也带有浏览器的功能 ， 那他们似乎也是浏览器 ， 对吧 ？

所以然后再再复杂 ， 比如说最近夸克更新了个版本 ， 它把夸克最开始初始版本实际上浏览器的那样 ， 它有个搜索框 ， 然后搜索 ， 当然它可以带 AI 搜索 ，但同时它加了一个模式叫助手模式 。

有人打开夸克 ， 点助手模式之后， 夸克就变成了像豆包一样的纯 Chatbot 的助手 。 然后你就想嘛 ， 这几个事情 ，Chat 搜索 Agent 浏览器 ， 整个就是乱斗 。

然后你再看 ， 比如说 Manus 选择的策略是说 ， 我在我的 Agent 里面跑一个沙盒浏览器 ， 那 OpenAI 的选择是说 ， 我在浏览器里跑 Agent。

谁对谁错吗 ？ 没有谁对谁错 ， 对吧 ？ 是在浏览器跑 Agent 还是 AI 跑浏览器里 ， 没有谁对谁错 。 然后你说

Perplexity 的浏览器 ，OpenAI 浏览器是 AI 浏览器 ， 那豆包跟 ChatGPT 是不是呢 ？Chrome 呢 ？ 夸克呢 ？

对吧 ？

然后再看一些数据情况 ， 呃 ，Xsingle 发了今年 Q3 的 AI 应用的海内外的数据 ， 从整体的行业增长来看 ，其实还在增长 ， 呃 ， 海外大概季度增长 19%， 中国这边 7%。

然后各个品类有各样的头部公司 ， 然后在这个报告最最开篇 ，Xsingle 的主编刘震博士发了一段话 ，他说曾经围绕模型的狂热与想象正在正在逐渐退潮 ， 市场开始用最朴素的标尺 ， 用户价值与活跃规模去度量真正的胜出者 。

我觉得这句话写得很很贴切 ，但出现了一些另外的 ， 我觉得不太好的 。 虽然整体来看在增长 ，但是细看细分板块可能出现了一些问题 。

如果大家有印象的话 ， 我在上一期报告里引用了一个 Cosmobile 在今年上半年的 AI 应用报告 ， 它有一个结论是说 ， 它把所有 AI 应用分成 App、Web 跟插件 ，其实只有插件在比较多的厂商在上半年获得了正向的增长 。

然后在原生 App 跟 Web 里面 ，有 2/3 的 AI 应用其实都是负增长 ， 就是都在跌 。 然后这个数据在 Q3 更恶化了 ， 这个数据在 Q3 首先 App 也还是有 60% 在跌 ，PC 网页有 75%，有 3/4 在跌 ， 更多在跌了 。

然后插件原来是 75% 在涨 ，但是今天只有 48%，不到一半的在涨 ， 超过一半也在跌了 。 有时候全市场平均来看 ，有一半以上的 AI 应用在跌 ， 细看确实 Web 端的跌的会更多 。

你刚才前面讲的 75% 的 Web 端的 AI 应用在跌 ， 就用户是不是尝鲜之后发现效果不理想 ， 或者更重要原因 ，他就不不用了 ， 对吧 ？

然后同样是在 Cosmobile 这个报告里面 ， 它统计另外一个数字是说人均的单次的 token， 这个数字也在降 ， 这个数字也在降 。

当然它的解释是说 ， 可能是因为模型能力的提升 ， 用户不需要太多轮的对话就可以得到好的结果 。

但是到底是模型能力提升带来的 token 的消耗的降低 ， 还是说用户的粘性变低了呢 ？ 这两个答案之间的权重到底是怎么样的 ， 我觉得也没人知道 。

那 token 衡量不了 ， 或者 token 在降低 ， 那时长呢 ？ 时长其实还在增长 ，但这个增长还是有点慢 。 中国最头部的 AI 应用的平均使用时长可能只有十几分钟 ， 几分钟都算好的 。

这个时长很难撑起一个什么样子的平台级机会 ， 至少按照古典的移动互联网理论来看 。

产品叙事的最后一节 ，ARR，ARR 到底是什么 ？ 其实我在上一次的播客里有讲到年度订阅 ， 年度经常性订阅收入 ， 它计算方式应该等于年度所有用户的年度订阅费用 ， 加上所有用户其他的这些 ， 这个给你的订阅也好 ， 或者买附加服务的产生的收入也好 ， 减去用户的推定 ， 要减用户推定的 。

可是我问现在这个时间点 ， 这个市场 ， 这些讲 ARR 的公司减减了推定吗 ？ 然后 ARR 其实已经在这个时间点 ，是事实上的初创的 AI 公司的估值标准 。

所以所谓的什么一亿美金 ARR 的俱乐部 ， 超过一亿美金 ， 你可以叫自己是一家不错的这个这个 AI 初创公司了 ， 对吧 ？

然后之前那个报告说 ， 它去划分一个 VC 初的报告 ， 它会划分什么样的 AR， 那个 AI 公司是超明星公司 ， 就是在 1.5 年时间内达到一亿美金 ARR， 那普通的明星公司就是四年时间达到这个数字 。

所以 ARR 变成了绝对意义上事实的标准 。 但问题是就是 ， 呃 ， 我看到一篇文章用了一个比喻 ， 我觉得很很恰当 ，他说富二代之前说过一句话 ， 说今天的神圣罗马帝国早就不是原来的神圣罗马帝国了 ， 它既不神圣又不罗马 ， 更不是帝国 。

这句话同样可以套到今天的 ARR 讨论上，ARR 是三个关键词 ， 叫年度经常性订阅收入

。 很多公司的 ARR 肯定不是年度的 ，因为很多公司的产品没有上线一年， 当然可以用月度乘以 12， 对吧 ？ 所以不是年度的 。

第二 ， 肯定也不经常性 ，因为你每一次公布的时候 ， 或多或少是你在做促销 ， 做活动 ， 做升级 ， 做改版 ， 做各种各样的事情 ， 它肯定不能按经常性来算 。

甚至有很多公司 ， 它的那个所谓的东西都不是收入 ， 那 ARR 年度经常性订阅收入既不年度又不经常性 ， 甚至不是收入 ， 那我们还看这个指标吗 ？

所以有了这个疑问 ， 或者有这个困惑之后， 有些人找想找寻改变 ， 比如说 HLZ，HLZ 就是家媒体公司 ， 它每半年会发那个 top 50 的 web 跟 top 50 app 流量的 AI 应用搒单 ， 这个我也用过很多次 。

然后最近它发了一个新的搒单 ， 这个搒单是什么 ？ 它联合了一家做第三方支付的公司 ， 这公司是专门给初创的 startup 做支付系统管理的公司 ， 就你什么银行啊 、 支票啊 、 在线支付各种各样工具 ， 去买什么用什么 ， 都通过这个系统来做的 。

所以它能统计到它所能够覆盖的几万家 startup 在 AI 应用上的花花销的情况 ， 它按这个排了个搒单 。

然后你要说真金白银花出的钱 ， 确实能够代表一些事情吗 ？ 它排了 top 50， 叫 AI where startups spend on AI top 50， 然后 OpenAI 当然第一了 ，Anthropic 第二了 ，Replit 第三 ，Replit 做代码的 。

然后我们看到 ElevenLabs 做做语音的 ， 看到了 Cursor， 看到了 Notion， 看到了 Perplexity、Kling、Canva、Lovable、Adapt、Glint 做法律的 ， 我没记错 ， 还有做那个截图的 Gamma 做 PPT 的 ，Midjourney 做图的 ， 对吧 ？

然后 Manus， 然后 Danvin，Plot，Plot 对 ， 然后 CapCut 剪映 。 然后这些公司里面做通用类的可能占 60%， 做垂直各个行业的 ， 或者各个板块的占 40%。

典型的以客服 、 销售跟人力为代表 。 那这几个关键词基本上也是去年我跟 Kochi 做 YC 项目整理的时候比较多创业项目密集的板块 。

然后纯 coding 工具有四家 ， 还这还不算那几家大模型厂商 ，不算 OpenAI，不算 Anthropic， 就还有四家做 AI coding 工具的公司 。

所以前面为什么那么多 AI coding 工具拿到了所谓 ARR 增长神话 ， 还是有原因的 。 然后同样的是 ， 呃 ， 这 50 家公司里面有 12 家出现在了之前 HLZ 统计的这个叫流量搒单上 ，也就是说有 38 家并不在流量搒单上 ，他们的流量并不大 ， 或者他们并不被那么多人所知 ，但是他们的收入还可以 。

然后中国公司有四家 ，Kling、Manus、Plot 跟剪映 。

讲完产品了 ， 我们讲第三章资本 ， 呃 ， 先讲二级市场 ，因为你已经谈到了 ARR， 对吧 ？ 谈到钱 ， 那我们就多谈点钱的问题 。

先讲二级市场 ，Mag 7 的叙事 ， 那些妖艳异常的狠角色 ， 跟以及新出来的一些延展的行业 。 先看 Mag 7， 呃 ， 我放两张图 ， 一张是标普 500 的过去一年的曲线 ， 一张是 Mag 7 的市值的曲线 ， 两张曲线几乎是一模一样的 ，因为 Mag 7 加在一起占标普 500 可能已经 30%， 甚至快 40% 了吧 。

基本上这一轮的牛市就是由 Mag 7 引领 ， 这个之前我也讲过 ，而这个图几乎每次都在用 。 然后拉长周期看 ， 我们前面说过 ， 我们到了一个世纪走完了 1/4 的时候 ， 会主动被动的往前面 25 年看 ， 对吧 ？

那拉长周期来看 ， 确实整个市场是由科技公司引领的 。 我们看过去 25 年， 基本上就是 Mag 7 从很小到参天大树的这个过程 。

然后看过去 10 年， 整个美股的 top 10 的变化 ， 基本就是这一波新的科技公司从原来的小公司变成了超级的酒吧 。

那再拉短一点来看 ， 我们把 ChatGPT 发布作为一个时间节点 ， 就是 22 年 11 月底到今天 ，其实快 3 年的时间 。

以这 3 年的曲线来看 ，AI 公司涨了 165%， 非 AI 公司涨了 24%， 标普 500 涨了 68%。 就是一个非常非常大的一个天上跟地下， 对吧 ？

然后科技巨头们当然是引领这轮巨大牛市的绝对核心动力 ， 对吧 ？ 我们看 top 10 的公司 ，top 10 公司除了七姐妹之外， 多了博通 、 沃尔玛跟巴菲特的公司 。

呃 ， 除了沃尔玛跟巴菲特公司之外的 8 家公司全部都是 AI 代表公司 。 今天这个时间点 ， 这 10 家公司的市值占比占美国 GDP 的比重 77%。

这个数字已经超远远远远远远超过了当年互联网泡沫出现的时候的这个数字 。 当年互联网泡沫的时候 ， 前十家公司是微软 、 思科 、IBM、 英特尔 、Oracle、 花旗 、 沃尔玛 、 记忆这些公司 ，他们当时占美国 GDP 其实只有 34%。

今天是 77%， 集中度变得高得无以复加了 。 而且我们第一次在我们这些 PPT 里面还没有讲到泡沫 ， 我们但是我们已经开始涉及到泡沫的问题了 。

然后那在这些巨大的家伙面前 ， 最最巨大的出现了一家人类史上我们前面提到的第一次到达 5 万亿美金的公司 NVIDIA。

有家媒体做了一张图 ， 我觉得非常有意思 ，NVIDIA 从 0 到涨到市值 1 万亿 ， 一个 training 用了 6,138 天

。 它从一个 training 涨到两个 training 只用了 180 天 ， 到两个 training 的时候是 24 年 Q1 差不多 ， 然后大概只过了 66 天 ， 两个月它就有 3 万亿美金了 。24 年中吧 ， 到 4 万亿美金它用了 273 天 ，25 年中， 然后到今天的 5 万亿用了 78 天 ， 涨到了 5 万亿美金 。

然后老生常谈的 CapEx 投入前面其实也讲到了 ，而且每一次每一次巨头们发财报 ，在过去两年都会增加未来一年的 CapEx 支出预期 ，也就是说一次财报出来之后就往上加 ， 一次就往上加 。

现在 26 年可见的 ， 我们说过最大的四家 ， 亚马逊 、 微软 、Meta、Google 的 CapEx 投入 ， 每一家都会超过 1,000 亿美金 。

分别来看各个几家的情况 ， 上周 Google 发了这一季度财报 ，Google 历史上第一次单季度营收破 1,000 亿美金 ，Google 云的增长非常的迅速 。

它跟 Anthropic 签了一个巨大的关于 Google 云跟 TPU 芯片的订单 ， 形势一片大好 。 所以有媒体写这季度财报是 Google 的 NVIDIA moment，NVIDIA moment。

然后同一天 Meta 也发了财报 ，Meta 的收入也达到历史新高 ，但 Meta 的利润跌得一塌糊涂 。 当然它有一些异常事件 ，但是还是跌得很厉害 ，并且它的资本投入还在增加 ，但是没有显现出 AI 能力的提升 ， 包括 Llama 也掉队 。

所以同一天 Meta 跟 Google 发布财报 ， 都是在盘后发的财报 。 发完财报 ，他们俩的盘后的股价就出现了分歧 ，Google 涨了 7.6%，Meta 跌了 7.3%。

然后那天晚上开盘 ，Meta 直接跌了 15%。 当然后来涨回来 ， 那天晚上结束的时候 ，Meta 一共跌了 11%。Meta 是一家一点几万亿美金的公司 ， 一天晚上跌去 2,000 亿美金 。

媒体写到 Meta 跌是因为它不是 Google，也不是微软 ， 它没有云 。

微软呢 ， 隔天发布 ， 最大的亮点是云业务增长 40%， 依然紧盯着 AWS。 更更更大的变化是来自于 AWS。AWS 在过去两年多时间里面 ， 每个季度 AWS 亚马逊的 AWS 云的增速只有百分之十几 。

刚才前面提到 Google 跟微软都是 30% 甚至 40%， 所以被追得非常难受 。 而在这一个季度 ， 微软呃亚马逊的 AWS 的增速被拉了回来 ， 达到了 20%，是近两年多的新高 。

然后基础设施的需求非常的强劲 ， 亚马逊那那一天公布完财报之后的隔天交易 ， 直接当天涨了 12%。

我还是那个观点 ， 这是一家几万亿美金的公司 ， 一天晚上涨 12%。

所以回头来看 ， 所谓的七姐妹 ， 每家有自己的定位 、 选择 、 战略 、 战术 、 业务 ， 最后决定他们的股价 ， 就是这样 。

当然所有以上的分析全部全部都是马后炮

。 再看细分的 ，Mag 7 的这个叙事在 23 年第一年被很多人提及 ， 所以在那一年我们来看整个标普 500 的所有公司 ，Mag 7 涨了 76%，但标普 500 只涨了 7%。AI 领域相当于的其他公司 ， 除了 Mag 7 之外， 涨了 45%。

然后到 24 年这个差距变小了 ， 整个 Mag 7 涨了 48%， 标普 500 涨了 11%， 非 Mag 7 的 AI 公司涨了 28%。 到今年这个事情反转了 ，也不是反转 ， 出现一些变化 ， 标普 500 依然是 7%，但是 Mag 7 只涨了 16%。

这个市场的增量 ， 涨得更多的是 AI 领域的 ， 除了 Mag 7 之外的那些公司 。 那么问题来了 ， 除了 Mag 7 之外的 AI 公司是哪些呢 ？

按板块来分 ， 这个市场需要新的叙事 ，不能总炒 Mag 7 了 ， 对吗 ？ 所以需要新的叙事 。 先炒的能源 ，不意外吧 ？

记忆 、 通用能源 ，以他们为代表的能源类公司涨了 53%。 第二类芯片公司 ， 博通 、 台积电 ， 芯片类公司涨了 41%。

第三类软件公司 ，Palantir、Oracle、Snowflake 涨了 33%，而 Mag 7 平均只涨了 16%。 市场需要新的叙事 ， 我们看市场的叙事啊 ， 我们原来市场叙事就是原来我们前面最最前面讲那个叙事 ， 我们投更多的钱 ， 建更好的数据中心 ， 训练更好的模型 ， 产生收入 ， 结束了 。

但是今天这个叙事走到了供应链里 ， 数据中心的供应链里 ， 算力 、 芯片 、 存储 、 能源 ， 甚至是硅的供应 。

然后你发现 25 年大 A 炒的很多的热门的话题跟主题 ， 这里也都出现了 。

然后我们再看哪些行业得到了边际上更多的关注 ， 首先首当其冲当然是芯片行业 ，NVIDIA、AMD、 博通 、 台积电 。

第二 ， 存储 ， 存储最近非常热 ， 非常非常热 ， 它包括内存 ，也包括硬盘 ，SanDisk、 希捷 、 西部数据 ， 哦 ， 这都是我们当年玩 DIY 船机的时候用的内内存跟硬盘的厂商 ，他们不应该是夕阳产业吗 ？

但是他们今年涨得非常好 ， 比如说 SK 海力士 。 为什么 Sam 跟老黄分别在前后脚去了韩国 ， 见了海力士跟三星呢 ？

他们去见他们干嘛呢 ？ 另外一个战场 ， 云的战场 ， 前面我们讲到前面最大的三家 ，AWS、Google 云 、 微软云 ， 那当然出现了挑战者 ， 或者说有异军突起的 Oracle， 然后以及另外一个战场 ， 后面会详细讲到 。

先看芯片行业 ， 绝对行业中心 ， 绝对中心 ， 对吧 ？5 万亿美金的 NVIDIA， 我用这张图 ，NVIDIA 只有 4.5 万亿 ， 这张图已经过时了 ， 实际上这张图可能也就上个月更新的 。

博通 1.6 万亿 ， 然后 AMD、 英特尔 ， 甚至再小一些的高通 ， 都说自己在加入这个战场 。 然后无论是在预训练还是在推理两个板块上， 现有的芯片厂商 、 云厂商代表 Google、AWS，以及一些出现了一些初创的芯片公司 ， 都在做相关的事情 。

反过来讲 ， 国产公司 ， 国产的 GPU 公司 ， 为什么这么快的时间会全部几乎给了绿灯 ，也是因为这是当下这个时间点 ， 这个行业的绝对的重心 。

存储 ， 哦天呐 ， 存储 ， 谁他妈会想到这件事情会炒到内存跟硬盘都不够呢 ？ 谁他妈会想到 ？

然后我在网上找了一个数据中心的成本结构表 ，40% GPU， 当然了 ， 网络 13%， 土地跟建筑 11%， 能源 10%， 上下不变了 。

最后一项存储 1%， 只占整个成本结构 1% 的存储都不够了 。

所以造成结果是什么呢 ？ 截止到 Q3， 截止到 Q3， 标普 500 所有公司 ， 标普 500 所有公司在 25 年涨得最好的两家 ，不是大家可能初始会想到的 Palantir，不是大家想到的甲骨文 ， 甚至不是因为黄金今年暴涨的金矿公司 ，而是刚才我们提到的两家做硬盘的公司 ， 西捷跟西部数据 。

这季度财报之后，SanDisk 也在暴涨 。 然后更有意思的是 ， 前两天小米的红米系列发布今年的 K90， 大家知道红米是小米的性价比系列 ，是相对中低端的 ， 所以那这波红米的潜在用户是非常关注售价的 。

红米当天晚上公布了 K90 售价之后， 小米的微博就被攻破了 ， 被骂死了 ，因为所有的用户都觉得小米 K90 的定价定高了 。B 的雷军雷总在隔天早上 9 点发微博说 K90 系列全面降价 300 块 ，他又补了一句说最近的内存涨价实在太多 ， 希望大家能理解 。

所有的事情都连到一起了 ， 就像我在十字路口讲的一样 ， 我们不知不觉的在很多事情里面走到了人类的极限里 ， 谁他妈能想到内存跟硬盘都不够了 ？

云 ， 对吧 ？ 无数次强调这一轮 AI 最直接的体现 ， 三个最大的家伙们依然在增长 ，但增速已经下来了 。

但是每年整个云这个市场的增速还是非常非常可观的 。

在这种情况下， 云厂商之间的竞争的这个重点变成了增量 ， 对吧 ？ 因为老的量已经很稳定了 。

然后我们前面讲过 ， 微软每个季度的增量超过 AWS， 靠的是微软之前几年跟 OpenAI 的绑定 。 异军突起的 Oracle 的云的这个增速 ， 它你像云 Oracle Cloud 的收入在 25 年只有 10 个币 ，100 亿美金 ，但是它敢预期在 24 年可以涨到 1,440 亿美金 ，5 年时间翻 144 倍 ， 这个曲线是怎么做出来的 ？

你什么时候见过一个公司对它的收入预计曲线是拉成这个样子 ， 跟指数增长一样 ？ 那它靠的是什么 ？

当然靠的也是 OpenAI 了 ， 对吧 ？ 然后除了刚才我们说的这个通通用云的主战场之外 ，在云的这个战场里面出现了一个细分的战场 ， 它在未来 5 年每年预期有 69% 的增长 ，是这个行业有 69% 的增长哦 。

它的直增长也是指数级增长 ， 这种指数级增长曲线看起来都很吓人。 这个战场叫 New Cloud，New Cloud 新云 ， 典型公司 Codeware、Nebius。

然后甚至在很多这一轮的 AI 的云厂商的服务评价的评比当中， 排在前面的不是微软 ，不是微 ，不是 Google，不是亚马逊 ，是这些 New Cloud 公司 ， 甚至微软这种有自己云业务的厂商 ，并且可能单季度已经是世界上最大的云厂商之一的厂商 ， 要跟这些 New Cloud 厂商签签订超过百亿美金的巨大合同 。

巨头们为什么会允许有这样一个战场出现 ， 甚至要跟他们签这么大的合同 ？

有一个比喻也是我看了 ， 我觉得很很容易解释 ， 叫树叶有专攻 。 今天的公有云战场已经十几年、 二十几年了 ， 像 AWS， 我去翻 AWS 的官网 ，AWS 提供的相关服务可能有超过 200 项 ， 它叫 Amazon Web Service， 你能想到的 Web 相关的 service 它都提供 ， 它就像个超市一样 ， 像百货公司一样 ， 它什么都有 。

但是这一轮 AI 热潮的数据中心云需求是相对比较明确的 ， 我要的是什么 ？ 卡以及算力 ， 顶多要卡的连接跟整套的服务 。

那 Nebius 也好 ，Codeware 也好 ， 做的什么 ？ 是做的专卖店 。 你打开 Codeware 的官网 ， 最直接的 pricing 点进去 ， 就是一张卡 ， 一个小时一个月做多少钱 ， 就这么简单 。

然后呢 ， 这个活就跟汽车租赁公司一样 ， 买车租出去 ， 你听起来就是一个资本消耗巨大的业务 ， 对吧 ？

然后呢 ， 作为最大的双引号这个领域的车企 ，NVIDIA 就很精明的双引号精明的投资了 New Cloud 里面最头部的几家公司 。NVIDIA 对外公布的这个数据 ， 它持持有外部的其他公司的股票最多的占比 90% 的就是 Codeware 的股票 ， 它占 Codeware 百分之应该是百分之几吧 ， 几个百分点吧 。

也就是说在 New Cloud 这个战场里面 ，有非常多英伟达的亲儿子跟干儿子们 ，因为芯片现在是紧缺的 ， 谁能拿到 GPU 呢 ？

谁能最快的拿到最新的 GPU，并且可能会有一定折扣呢 ？ 谁能稳定的得到这个供应呢 ？ 为什么会有这些稳定的关系呢 ？

那股权合作似乎是最合理的方式 ，不是吗 ？ 乐见其成

， 讲完二级讲一级 。

整体来看 ，25 年算是 A1 上的一个还不错的年份 ， 从前的角度来说 ， 它在前三季度的钱就已经超过了 23 年跟 24 年， 预计加上 Q4 可能会超过 22 年， 但跟 21 年疯狂的 21 年是没法比的 。

然后每个季度来看 ，CP 赛的统计已经连续四个季度 ， 单季度超过 900 多亿的融资 ， 已经连续四个季度 。

但是有另外一个不太好的数字 ，是每个季度融资的项目在变少

， 钱在变多 ，但项目在变少 ， 代表着单个项目拿到的钱在变多 ， 项目在变贵 ， 后面会讲到 。 然后 AI 当然是绝对意义上的核心主题 ，AI 在整个 25 年 CP 赛的统计里面 ，是 51% 的项目是 AI 项目 ， 拿走了 85% 的钱 。

哦天呐 ，85% 的钱 ， 占比以上一半以上的项目 ， 绝对意义上钱全部拿走 ，并且这同样带引发了一个隐含的结论 ，是 AI 项目也更贵 。

所以从分布来看 ， 后期项目的增加非常多 ， 超级大项目特别多 ， 我们叫 100 亿美金 ，100 亿美金以上的项目叫超级大项目 ， 原来 10 亿美金就是大项目 ， 今天对不起 ， 钱已经毛掉了 。100 亿美金 ，100 亿美金以上估值的公司拿钱才算大项目 ， 这些公司拿到的钱增长比 24 年翻了一番 ， 比 23 年不知道翻了几番 ， 甚至比巅峰的 21 年都要翻一番 ， 超级大

的 big deal。 甚至从单重平均数来看 ， 今天这个时间点 ， 一家公司平均融资规模已经达到 2,400 万美金 ， 已经这个数字超过了 21 年的 2,170 万美金 ， 超级大的 big deal。

从行业的细分角度来看 ， 同样看 big deal， 就单轮融资 ， 比如超过 1 亿美金的这些大的 deal 里面 ， 过去几个月 AI agent 相关公司拿钱特别多 ， 反过来为什么是 AI agent 公司 ，也是因为那些小一点的公司的体量不够 ， 超级大的公司 VC 已经投不起了 。

从 ChatGPT 发布到今天不到 3 年的 ，不到 3 年的时间 ， 我们只看新成立跟新发展起来的公司 ， 从不是独角兽到变成估值 10 亿美金 ， 变成独角兽 ， 新的 AI 相关的独角兽已经超过 100 家 ， 已经是上新投出来的 。

这么多大 deal， 这么多独角兽 ， 这么多 100 亿美金以上的公司融资 ， 当然需要大的基金喽 ， 所以基金们也在变大 ，但能变大的只是少数 ， 马大效应非常的明显 。

这张图其实我用过 ， 之前我之前 PPT 也用过 ， 可能 top 30，top 30 的基金都不是 top 30，top 30 基金拿走了市场 75% 的钱 ， 大基金参与的 deal 越来越大 ， 单个项目的钱越来越多 ， 占比当然就越来越高 。

然后硅谷银行的统计会更吓人， 同样是两个巅峰 ，21 年跟 25 年很像 ，但 21 年的时候 ， 超过 5 亿美金的超级大 ， 我们叫 big big deal 了 ， 超过 5 亿美金 ， 只占整个市场 18%， 金额只占 18%。

可是今天超级大的基金 ， 呃 ， 超级大的融资 ， 占整个这个市场融资的钱的比重已经超过 63%。 也就是说 ， 几乎全部是由大 deal 来去贡献的整个市场流动性的 。

你要知道 ， 一个常规意义上的 VC 基金 ， 大概的体量 ， 一只基金可能也就几亿美金 ， 可是今天市场上大量存在着一轮融资 ， 融几亿美金的项目 ，VC 怎么办呢 ？

再讲退出 ， 首先 IPO 还是比较凉的 ， 实话实说 ， 还没有一点提升 ，但是相对于过去几年已经提升不小了 。

所以我用过很多次标题 ， 今年算是 MA 并购的大年， 绝对意义上的大年 。

而且更更更重要的是 ， 并购的发起方不仅仅是上市公司了 ， 非上市的公司在今年并购也很积极 ， 典型的像这个领域活跃的第一家公司 OpenAI，OpenAI 今天 5,000 亿美金 ， 它除了用现金的方式之外， 它更多的在用它股权的杠杆的方式去并购其他的公司 。

最大的是今年上半年收购苹果设计师的那家硬件公司 ， 对吧 ？ 所以 OpenAI 某种程度上说也在提供市场的流动性 。

而且更重要的是 ， 这次的架构调整之后，Sam 再一次的确认了 ，Sam 没有任何一点点 OpenAI 的股权 ，他只拿工资 。

那 Sam 的身家是在哪体现呢 ？ 或者说的再赤裸裸一点 ，Sam 靠什么挣钱呢 ？OpenAI 投资的跟收购的很多公司 ，Sam 都有股份

。 然后流动性变好了 ， 那很多大公司 ， 意义上的大公司就会选择不上市 。 所以从统计来看 ，10 年之前 ， 一家公司平均从初创到上市要经历 12.2 年， 今天这个数字拉长到 15.9 年 。

美国超过 1,000 亿美金的初创公司有 6 家 ，有 5 家是 AI 项目公司 。

这么大又不上市 ， 那投资人要退出 ， 或者说有人想买他们的股票怎么办呢 ？ 就会有野路子出现了 ， 两种野路子 ， 第一种二手份额交易 ， 这个其实在中国也有 。

今天我前面也讲过一个故事 ， 说一个中国的人民基金的合伙人说自己是 CIX 投资人

，其实这不需要花很多钱 ， 甚至你也不需要买很多股 ， 你只要参与下就可以 ， 你就可以写在你的微信视频号的介绍里了 。

你甚至今天你写你是 OpenAI 的投资人，Anthropic 的投资人， 你甚至写你是 OpenAI、Anthropic、XAI、SpaceX， 所有甚至是字节跳动的投资人， 你想达到这个目的 ，并且这个事实成立所需要花费的成本低到尘埃里 ， 我都可以 ， 如果我想二手份额交易 。

然后更狠的是 ， 像 Robinhood 这种野路子 ， 本来就很多的券商 ，他们在做的事情是用 Web3 的技术在做 stock tokens， 我相当于获得一部分的这些没有上市的初创的大家伙们公司的股份 ，并且把他们上链 ， 然后用 Web3 的方式让普通民众可以交易野路子

。 好 ， 我们讲完了技术 ， 讲完了产品 ， 讲完了资本 ， 我们到了最后一章泡沫 。 我用了一张封面图 ，是我在网上找的 ， 是一个巨大的泡泡 ， 里面画了九家公司的 logo：ChatGPT、NVIDIA、Meta、Google、 微软 、Anthropic、XAI、Podcast， 我们都提过很多次

。 我就是为了这碗醋 ， 这碗叫泡沫的醋 ， 包了今天这顿饺子 ， 还是三个部分 ：Sam 跟老黄到底在搞什么 ， 我们怎么一步一步的走到了这里 ， 最后所谓的泡沫到底是什么 ，Sam 跟老黄到底在搞什么 。

首先 ， 按我总结 ，Sam 在过去几个月的工作分两个阶段 ， 一个工作叫既往不恋 ， 就是把之前的事情解决掉 ； 另一个故事 ， 另一个工作叫纵情向前 ， 往前大踏步的把未来的五年的预期打满 。

然后 Sam 在大概 10 月十几号去了一次 A16Z 的播客 ，他说 ：" 我的管理经验不是不太适合企业管理 ， 我非常适合成为投资人， 这是我之前做的事情 ，并且是我的职业 。"

所以世人似乎已经忘掉了 Sam 之前是干嘛的 ，Sam 是投资人啊 ， 投资人最擅长的事情是什么 ？ 是画饼啊 。

所以回头来看 ， 命运的齿轮可能很早就开始转动了 。24 年 2 月 ，24 年 2 月 ， 已经快两年之前了 ，Sam 就说过这件事要成 ，AI 这件事情要成 ， 需要 7 万亿美金 。24 年 2 月 ，24 年 2 月的时候 ，OpenAI 什么状态 ？

当时当时公司估值 860 亿美金 ， 今天多少 ？ 今天 5,000，1/5， 对吧 ？ 呃 ，1/6 吧 。 当年 23 年， 因为是 24 年初 ，Sam 说的 ，23 年全年 OpenAI 的收入是 16 亿美金 ， 今天多少 ？

呃 ，25 年 OpenAI 预计大概 120 亿美金 ， 收入是之前的 15% 不到 ，13。

当时的周活一个亿 ， 今天是 8 个亿 ， 当时是 12.5%。在那个时候 ，OpenAI 不像今天这么大的时候 ，Sam 说 ：" 我需要 7 万亿美金 。"

当时所有人， 投资人 、 媒体 、 政府 ， 我们这些看客 ， 都觉得他疯了 ，7 万亿美金 。 然后我们再再解那道题啊 ， 我们之前说过 ，Sam 其实在过去一年多在解的题是什么 ？

就是既往不恋的那个恋的是什么 ， 既往的网又是什么 。他要做的事情要保证技术领先 ， 要保证 ChatGPT 的用户提升 ， 保证收入的增长 ， 保证 OpenAI 有足够的现金流做所有的事情 ， 要让公司的估值不断的提升 ， 要保住最核心的团队 ， 要把之前那个看上去有点荒谬的什么 100 倍的投资人的利益封顶的结构拆掉 ，并且要改成从公益组织改成利润组织 ， 非

这个这个利益实体变成公司 ， 对吧 ？ 他要做这些事情 。 那截止到 25 年底这个时间点 ， 似乎看上去阶段性 Sam 已经全部解决掉了 。

今天我们还已经 5,000 亿美金了 ，ChatGPT 5 依然是非常世界上最好的模型 ，ChatGPT 已经 8 亿周活了 ， 今年 OpenAI 的收入可以涨到 120 亿美金 ， 谈妥了跟软银的最后一轮融资 ， 软银已经批准了最后一笔钱 ，225 亿美金已经打过来了 ，5,000 亿美金的估值做到了 ， 通过卖老股的方式 ， 让很多 OpenAI 的员工已经成为亿万身家的富翁了 ， 解决好了结构 ， 得到了政府的批准 ， 微软的协议

重新签掉 ， 松绑所有的问题 ， 似乎在这个时间点都解决掉了 。 好 ， 既往不恋 ， 我们往前走 。 记得 Sam 说我要多少钱吗 ？

我要 7 万亿美金 ， 第一笔 5,000， 年初特朗普提出的星际之门计划 ，5,000 亿美金 ， 特朗普联合 Oracle、 软银跟 OpenAI 所谓的星际之门计划 ， 虽然这个计划是五年预期 ， 虽然这个计划过程中钱谁拿的问题 ， 到今天依然是个问号 ，但是这第一步迈出去 ， 就打在了 5,000 亿美金这样一个数字上 。

好 ，是未来五年 5,000 亿美金的预期 。 这时候 Sam 回头看了一下自己的 OpenAI， 未来五年做到 230 年，OpenAI 预期收入 2,000 亿美金 ， 看上去跟 5,000 挺接近的 ， 对吗 ？

但是出了问题是说 ， 可能要到 29 年甚至 30 年，OpenAI 才会有正向的现金流 。在过程中，OpenAI 一直是亏损的 ， 它需要烧钱 ，OpenAI 需要烧多少钱 ？

预计自己预计是 1,150 亿美金 。 刚才我们前面算过

，OpenAI 今天这个时间点已经烧掉了可能几百亿美金了 ， 它还要再烧几百亿美金 。 我们还发现 ， 靠自己把这个窟窿怼上是不太可能的 。

那怎么办呢 ？ 又回到前面的叙事 ， 我既然可以把我未来五年的预期打满 ， 那为什么不把我这个预期打到别人身上 ？

所以他找到了第一个合作伙伴 ，也是星际之门的合作伙伴之一 ，Oracle。 因为 Oracle 的云在云时代几乎全面落后于那几家 ，他迫切的希望自己云的业务有改善 。

然后在那个时间点 ， 微软跟 OpenAI 也出现了一些隔阂 ，Sam 也不想把这个生意直接给微软 ，他需要一个对这个生意更渴求的人。

甲骨文和 OpenAI 一拍即合 ，OpenAI 承诺未来五年给甲骨文 3,000 亿美金的云服务合同 。 一夜之间 ，Oracle 暴涨 ，Oracle CEO 某几个小时成为世界首富 。

然后你去拉 Oracle Cloud 收入的增长曲线 ， 刚才我们前面讲过 ， 五年翻 144 倍 ， 那个曲线拉出来就跟指数增长一模一样 。

好 ， 第一枪打完 ，OpenAI 的 Sam 发现这招好用 ， 继续打 。OpenAI 变成了金手指 ， 五年的预期打给谁 ？ 谁起飞 ？

他打给了谁呢 ？AMD， 跟 AMD 签约了十几瓦的数据中心的芯片合作协议 。AMD 在数据中心领域的竞争已经被 NVIDIA 秒成渣了 ，他迫切的需要这个大客户 ， 所以 AMD 给出的利益是最多 10% 的股份给 OpenAI。

然后你再看 AMD 拿到这个合同之后的收入增长预期的曲线 ，也变成了指数增长曲线 。 同样的事 ，OpenAI 又跟博通搞了一次 ， 六啊十 GW，AMD 是 6 GW，6 GW 变成金手指之后， 谁点谁谁起飞 。

然后这个故事发生的同时，NVIDIA 也发现了这个事情 ， 老黄说这不是好事吗 ？ 所以老黄跟 Sam 也谈了类似的合同 ，NVIDIA 啊不是 OpenAI 跟 NVIDIA 签了一个 10 GW 的数据中心的服务合同 ， 反过来 NVIDIA 投了 1,000 亿美金给 OpenAI。

至此 ， 这个在芯片 、 算力服务 、 云

、AI 公司之间的小的循环建立了 。NVIDIA 乐见其成 ，不是吗 ？ 然后我们看今天的 NVIDIA，5 万亿美金的世界第一大市值公司 ， 拉过去几年的所谓股价 ， 什么美股企业 ， 美都给我靠边站 ， 可以一骑绝尘 。

这是 NVIDIA 现在的江湖地位 ，NVIDIA 现在一个季度可以赚赚利润 264 亿美金 ， 这个数字还在增长 ，NVIDIA 现在账上趴着 1,000 亿美金 ，NVIDIA 在数据中心领域的垄断地位不可动摇 。

那这么多钱趴在账上干嘛呀 ？ 造起来呀 ！ 除了 1,000 亿美金投 OpenAI 绑定巨大客户的同时，50 亿美金投英特尔 ， 拉英特尔一把的同时 ，在 CPU 战场也开始做尝试 。

同时，10 亿美金投诺基亚 ， 跟诺基亚联合研发下一代的网络 。 刚才我们在数据中心那张成本表里面 ， 网络的成网络的这个成本占比可比存储要多很多很多很多的

。 然后这个故事里面没有 Google， 为什么 ？ 因为 Google 可以自己玩一桌 ，Google 有芯片 ，有云 ，有干儿子 Anthropic。他跟 Anthropic 在差不多时间也签了一个超级大的云跟 TPU 的订单 ， 所以 Google 说我不跟你们玩 ， 我自己拉一桌就好了 ， 我为什么要跟你们一起玩 ？

好 ， 这个故事讲到这 ， 第一步 Sam 跟老黄到底在搞什么 ， 我们讲清楚了 。 我们再看第二步 ， 叫我们怎么一步一步的走到这 。

前面我们说过 ， 我们在很多事情上走到了人类的极限里 ， 那我们是怎么走过来的呢 ？ 我用了一种取巧的方式来去讲这个故事 ， 用数字的变大 ， 一步一步的变大 ， 让你不知不觉的走到了极限里 。

这种事情其实在互联网泡沫的时候也出现了 ， 我们在无数的杂志上看到过各种各样超级大的数字 ， 那些数字大到让人震惊 ， 让人的脑子没有反应 。

这轮 AI 也一样 ， 我们从一个数字开始 ，1 亿 ，100 个 million 就是 1 亿 。1 亿这个数字代表什么 ？

在飞埃年代 ，1 亿美金是世界上最有名的球星 C 罗从曼联转会皇马的转会费 ，1 亿美金差不多 。 今天世界上最优秀的 AI 科学家乔陶 、 麦塔娃他们从原来的公司加入麦塔的转会费也是 1 亿美金 。

所以红杉写了一篇文章 ， 叫 《 当前的 AI Lab 非常像体育俱乐部 》，因为他们都是由一家科技公司或者超级富豪所持有 ， 明星员工的年薪超过千万 ， 甚至过亿美金 。

普通员工跟明星员工的薪资差距巨大 ， 对吧 ？NBA 现在顶薪 7,000 万美金一年吧 ， 底薪一两百吧 ， 我没记错的话 ， 对吧 ？

现在 AI Lab 也一样 ，1 亿 ，1 亿美金 。 前面我们提到过 ， 它是垂类的或者初创的 AI 公司能被人提及的一个门槛 ，AIR 的门槛 。

所以有所谓的 1 亿美金 AIR 俱乐部 ， 我们知道那些什么 Devon 啊 ，Manas 啊 ，Laobo 啊 ，Harvey 啊 ，Eleven Labs 啊 ， 都是差不多这个体量的 AR，1 亿美金 ， 你可以做你是一家不错的 AI 初创公司了 ，AR 1 亿美金 。

我们到下一个数量级 ，10 亿美金 ， 这个数字更熟悉 ，one billion， 对吧 ？billion 独角兽的衡量标准 ， 独角兽的衡量标准 。

我们前面提过 ChatGPT 发布三年， 一直让新头出来 ， 新头出来 100 家独角兽 。 然后 CBNSA 的统计 ，AI 领域现存的独角兽有 203 家 ，因为还有一些年纪比较大的独角兽 。

所有这些公司成为独角兽的平均时间两年， 两年 。 与之相对比的 ， 非 AI 领域的独角兽公司成立的时间平均 9 年，one billion。

我们到下一个数量级 ，也不是下一个数量级 ， 乘以 10，10 个 billion，100 亿美金 。 这个在衡量什么 ？100 亿美金是当前这个时间点敢称为 AI 明星公司的估值的入门门槛 ， 大概十几家 ，Midjourney、Devon、Mixtral、Perplexity、Scale，100 亿美金或者小几百亿美金 ，10 个 billion。100 亿美金也差不多是 AI 初创公司天花板 ，OpenAI 跟 Claude， 呃 ，OpenAI 跟 Anthropic 在 25 年的收入 ，OpenAI 预计是 120 亿美金 ，Anthropic 预计是 90 亿美金 ，Anthropic 最新的融资 130 亿美金

，100 亿美金哦 ， 还是这个数量级 ， 还是这个数量级 ，是目前的科技巨头们跟我们前面提到的叫 New Cloud 的公司签订的大单的订订单金额 。

比如说 Meta 跟 Covil 的订单是 142 亿美金 ， 微软跟 Nebius 签的是 174 亿美金 ，OpenAI 跟 Covil 签的是 119 亿美金 。 我们数量级还在 10 个 billion，10 个 billion 是什么呢 ？

同样的 ，也是历史上烧钱最多的公司 ， 烧过的钱的数量级 。 比如说 Uber 烧了 180 亿美金 ， 特斯拉烧了 93 亿美金 ，Snapchat 比较少 ， 烧了 32 亿美金 ，Netflix 烧了 110 亿美金 ， 历史上最烧钱的公司烧的钱也就是 100 亿美金 。

再往回头来看 ，2 个亿年代 ， 亚马逊大概烧了 20 亿美金就上市了 ，Uber 烧了 180 亿美金上市 ，9 倍 。 那如果我们硬要算 ， 虽然这个不太符合统计学规律 ，但我们硬算 ，Web 1.0， 亚马逊 20，Web 移动互联网 ，Uber 180，9 倍 ， 那是不是 AI 这一波应该再 9 倍呢 ？

这个数字从 180 乘以 9 变成了 162，1,620 亿美金 。 刚才前面说过 ，OpenAI 自己算要烧 1,150 亿美金 ， 所以肯定是一个烧 1,000 亿美金以上的公司了 ， 对吧 ？

然后我们再到下一个一个数量级 ， 叫小几十个 billion， 小几百亿美金 。 比如说今年 Google 收购 Viz， 历史上最大的收购案之一 ， 当然它比收购呃呃那个沙特收购 EA， 微软收购报血要低 ，但是也不小了 ， 叫 320 亿美金 。

比如说前面提到了 NVIDIA 一个季度的收入 467 亿美金 ， 我在做 PPT 的当天 ， 我查一下百度的市值 ，438 亿美金 ， 小几十个 billion。

然后到下一个 ，OpenAI 发布的数量级单位 ， 前面提到叫 GW，GW 它代表的是 1 GW 能源的数据中心所需要消耗的成本 ， 这个数字在今天约等于 50 个 B， 就是 500 亿美金 。

所以你发现 OpenAI 现在对外签合同都是签 GW 的 ，因为钱已经不代表任何事情 ， 它在签 GW， 它跟 NVIDIA 是 10 GW， 跟博通 10 GW， 跟 AMD 6 GW。

我们刚才说一个 GW 对应 500 亿美金 ， 它现在签出去的是 26 个 GW， 还有一些小的 ， 加不加不可能已经三十几个 GW 了 。

所以这两天 Sam 直播的时候 ，他说他签出去的钱已经有 1.4 万亿美金了 ，GW 到下一个数量级 100 个 B，也就是说 1,000 亿美金 。

这是 Google 最新一季度的收入 ，Google 历史上第一次单季度的收入突破了 1,000 亿美金 。 这是 NVIDIA 最近投 OpenAI 的投资额 ，1,000 亿美金 ，其实也是 OpenAI 也是 NVIDIA 账上的现金差不多 ， 当然 NVIDIA 投 OpenAI 不是一笔到 ， 它是分批的 。

同样的 ，也是前面提到过无数次的 ，在 26 年， 最最最大的四家科技巨头的 CapEx 投入 ， 每一家都将超过 1,000 亿美金 ， 到了 100 个 billion 的这个数量级 。

再下一个数量级 ，500 个 billion， 就是 5,000 亿美金 。OpenAI 现在的估值 5,000 亿美金 。 前几天老黄 NVIDIA 开 GTC 大会 ，NVIDIA 说截止到 26 年底 ，NVIDIA 的订单金额 ， 订单金额 5,000 亿美金 。

我们再下一个数量级 ， 我们用到又要到一个新的英语单词 trillion，因为 billion 已经不够了 ，是 trillion。 红杉有位合伙人叫 David Chen，他每隔一段时间会写一个 AI 行业的这个文章 ， 文章的标题是一样的 ， 就是 AI 的行业的多少多少钱的问题 。他的文章的内容也是基本一样 ， 就是在探讨当前的这种资本投入加一起 ， 什么时候多少钱才能挣回来 。他在 23 年 9 月份的时候写的

， 叫 AI 的 2,000 亿美金的问题 。23 年 9 月 ，在 24 年的时候 ，David Chen 又写了一篇新的文章 ， 叫 AI 的 6,000 亿美金的问题 。

然后在上周 ，David Chen 没有写文章 ，但是他上了一期 20VC 的播客 ，他说今天是 AI 的 8,400 亿美金问题 ，也差不多是同一天 。

我订阅一个 newsletter 的作者 ， 直接写了 AI 的 one trillion question，1 万亿美金 ， 就是我们今天的投入已经到了 1 万亿美金这个体量

。 然后我们再算刚才同样是 OpenAI 的那个承诺 ，GW 数据中心的建设 ， 它目前承诺的数据中心建设已经超过 30 个 GW。Sam 说承诺出去的钱已经到了 1.4 万亿美金 ， 然后也是在这几天 OpenAI 传出准备上市 ，OpenAI 今天 5,000 亿美金 ， 它还在涨 ， 未来可能要两年的上市期 ， 准备期到 26 年、28 年、27 年左右 。

我们不知道哪年它上市的时候 ， 预计 1 万亿美金的估值 ，1 万亿美金的上市公司 ， 它融多少钱呢 ？

这里面又触碰到一个人类的极限 ， 历史上， 历史上人类所有的公司上市当天募集的金额最多的一家公司 ， 沙特阿美那家石油能源公司 ，也只不过融了 262 亿美金 。

如果未来 OpenAI 以 1 万亿美金上市 ， 它要融多少钱呢 ？ 我们算过它要缺多少钱 ， 对吧 ？ 那它要再融一轮 ， 能弥补一点收入也能弥补一点 ，但是它 1 万亿美金上市 ， 融 10 个点 ， 就是融 1,000 亿美金 。

无论是上市的估值 ， 募资的金额 ，以及历史上烧的钱的数量 ，OpenAI 已经是人类的极限了 ， 甚至已经超过原来的历史记录很多倍了 。

万亿美金 ， 我们最近经常在哪听到万亿美金呢 ？NVIDIA 5 万亿美金 ， 微软跟苹果超过了 4 万亿美金 ，Google 超过了 3 万亿美金 ， 这是世界上目前最大的公司的市值 ， 几万亿美金 。

万亿美金似乎也成为了美股的最大公司的入门门槛 ， 比如说博通现在 1.8 万亿了 ，Meta 1.9， 特斯拉 1.5。 然后当这个数字大到这个程度的时候 ， 人们尤其是炒股的人， 会经常用到一个指标 ， 叫巴菲特指标 ，也就是说这个指标是巴菲特说 ， 我把所有的美国的上市公司的估值加在一起 ， 除以美国的 GDP。

如果这个数字大于 1.5， 就会很危险 ， 历史上已经证明很多次了 。 那今天截止到 25 年的 10 月底 ， 这个数字是多少 ？

美股的所有的上市公司 ， 就 US stock market 比美国的 GDP 这个数字到了 221%。 当然很多人说这个数字可能失效了 ， 为什么 ？

因为今天最最最头部这些大家伙们 ，他们可能有一半甚至小一半的收入不来自于美国本土 ， 所以你不应该去除美国的 GDP。

某种程度来说 ， 你应该除世界的 GDP。 好 ， 我们开始聊 GDP 话题了 ， 对吗 ？ 这里的数字变成了 trillion， 万亿美金 ， 我们当然要去聊 GDP 了 。

那我们就看

全世界 2026 年的 GDP 大概是多少 ， 预测 2026 年世界的 GDP 总额 124 个 trillion。

所以你发现 ， 我们一步一步的走到在数量级这个单位上， 我们已经用到 trillion，而且 trillion 一般是用来形容 GDP 的 。

然后做到这的时候 ， 我就想 trillion 下一个英文单词是什么 ， 我都不知道了 。 我查了一下， 叫 cadrillion， 就是 10 的 15 次方 cadrillion。

我又问了一下 AI， 我说这个这个英文单词常用吗 ？ 这个英文单词非常的不常用 ， 日常场景几乎用不到 。

它经常会用到计算天体质量 、 宇宙距离或者微观粒子的数量 ， 还有一点用在数据存储与运算上

。 因为我们常见的另外一个缩写叫 PB， 就是 cadrillion。 哦 ， 我才反应过来 ， 哦 ， 原来是这个单词 。 我们不知不觉的已经开始用这样的单词 ， 或者可能要用到这样的单词了 。

所以到这的时候 ， 很多事情你发现我们走到这了 。 经济学人前两天发了一个封面的图 ， 还是英国人敢骂 ， 画了一个红色的广告 ， 广告图贴在那个地铁的那个广告墙上， 上面写了几个英文单词 ， 两个英文单词 Chat GDP。

然后写了一篇文章 ， 叫如果 OpenAI 死翘翘了怎么办 。 我不是在乱乱翻译哦 ，他用了 barely up， 就是肚子翻过来的那个词 ， 那不就是死翘翘的意思吗 ？

对吧 ？ 然后聊到这了 ， 你发现我们似乎不需要聊今天的最后一个话题了 ， 叫泡沫到底是什么 。 你要知道在 9 月份的时候 ，Sam 在哎应该是 8 月 ，因为我在写上期播客的时候 ， 就提到了这张图 。Sam 主动的在一些公开场合说 ， 当下的 AI 投资存在泡沫 。

那现在我们再去讨论泡沫是什么 ， 似乎好像已经没有太大的意义了 ，但是我们还是聊一下吧 ， 都已经聊到这了 。10 月份开始 ， 我每天订 Substack，Substack 上的文章几乎每天都有不止一条 ，在标题里就会有 AI 泡沫的这样的关键词 ， 每天都有 。

那为什么会在这一个月多月时间里面 ， 对这个事情引发这么多讨论 ， 或者大家在讨论什么 ， 我觉得很有意思 。在 25 年 10 月份这个时间点 ， 或者 25 年 Q4 这个时间点 ， 大家的讨论已经不是说这件事情是不是泡沫了 ， 这件事情的讨论变成了这是什么泡沫的讨论

， 已经默认它就是了 ， 对吧 ？ 然后我们再去探讨后面的问题 ， 比如说前几天 ，也上个月吧 ， 亚马逊的 CEO 贝佐斯去意大利的一个科技活动演讲 ，他提到这轮的泡沫是好的泡沫 ，good， 那也就是说有坏的泡沫 ， 对吧 ？

你知道贝佐斯是肉身经历过互联网泡沫的 ， 亚马逊是从 100 多股价跌到过 6 块钱的 。 所以贝佐斯说是好的泡沫 ， 就是它不是郁金香 ， 它是类似互联网这样好的泡沫 。

然后前两天大卫翁老师的播客 ， 应该是聊牛市还没有结束 ，他说他看到份报告 ，也是美国的研究机构 ，他说这个研究机构把泡沫分成四类 ， 按象限四象限来分 。

四象限就两个维度 ， 一个维度是说横坐标是说 ， 这个泡沫是由非生产性的因素引起的 ， 还是生产性因素 。

非生产性因素就是说郁金香是典型了 ， 甚至某一段时间的黄金也是 ， 就是它没有生产的价值跟意义 。

那生产性典型什么铁路啊 ， 光纤啊 ， 这都是生产性的 。 这是一个维度 ， 另外一个维度是 ， 这个泡沫是由债务更多引起的 ， 还是由股权引起的 。

债务 ， 房地产是债务 ， 刺激贷是债务 ， 股权呢 ， 互联网是股权 ， 当然也有债务 ，但是所以它就分了四个象限 。

那现在看上去 ， 大部分人认为 AI 在第一象限 ， 就是生产性的股权泡沫 ， 相对来说比较良性 。 然后也是在我做 PPT 的过程中， 应该 10 月 22 号左右吧 ，COWTOW，COWTOW 基金发了下半年的市场更新情况的报告 ， 这个报告只解释了一件问题 ，也是关于 AI 泡沫的 。COWTOW 的研究机构翻了过去 400 年的历史 ， 历史上无数次的所谓泡沫 ，他翻了可能几十本书吧 ， 然后他们总结泡沫分

六种 ， 亚马逊 CEO 说分两种 ， 叫好的跟坏的 ， 美国那个研究机构说分四种 ， 然后 COWTOW 说嗯分六种 ， 股市引发的 ， 基础设施建设引发的 ， 房地产引发的 ， 信贷引发的 ， 收藏品引发的 ， 还有什么引发的 ， 六种泡沫 。

所以大家已经不去讨论泡沫确认的问题 ，在讨论什么类型的泡沫 。 然后那这一轮关于所谓泡沫的最最最直接的 ， 我们叫体现跟诱因 ， 当然是因为几家头部厂商之间的互相的 ， 我们叫循环融资 。

当然也有人会说 ， 类似融资租赁的事情不是在很多板块都有吗 ？ 但是这一次确实非常非常的像当年互联网行业发生的事情 。

所以经历过那个周期的 ， 无论是基金经理 、 投资人 、 股民 ， 还是这些公司的相关的利益方面 ， 都会有非常强的反应 。

所以在过去几天 ， 呃 ， 过去几周吧 ， 你已经见过非常多各种各样复杂的信息图表 ， 讲各家公司之间的业务投资 ， 什么云服务订单的这种漩涡图 ， 对吧 ？

昨天晚上， 前天晚上晚点应该也放了吧 ， 最有名的应该是呃彭博社跟那个经济学人， 还是时代杂志画的各种各样的那种循环的图 ， 应该已经看过很多 PPT 也放了 。

这种图甚至甚至逐渐的变成了表情包 。 我见到一张最有趣的表情包 ，是地铁站上摆了大概可能 10 个插排 ， 然后插排彼此用彼此的线连接起来 ，但他们没有电 ， 就是插排自己连在一起 。

对 ， 当然是不是这样 ， 或者是是不是 AI 这波是真的没有双引号没有电的 ，不好说 ，但这手这种这种表情图已经表情包已经出来了 。

然后那所有人不可避免的 ， 会把这一轮发生的事情跟上一次的 AI 泡沫做对比 ， 把所有的曲线什么 PS、PE、 股指乱七八糟拉起来 ， 确实在前期的这个曲线的这个叫非常的像 。

那现在问题很多人讨论变成了 ， 我们到底是在这个曲线的前面的这段 ， 还是说在急速增长这段 ， 还是说在接近巅峰已经在山尖上那段了 ， 大家讨论变成这个样子了 。

然后我在做这次 PPT 的过程中， 用了很多的这个 AI 工具啊 ， 然后做总结的整理 ， 同时顺手让他们跑了一些 ， 比如给他一些资料 ， 让他帮我做整理 ， 做成 PPT， 做了可能加加不加不 ， 估计也有小 100 页吧 ，但最后其实我只留下了一页 。

这一页是总结整理历史上的很多次泡沫 ， 跟这一次人工智能的区别 ， 比如说铁路 、 无线电 、 光纤 、 太阳能 、 人工智能 ， 然后比一些特征 。其实最近应该是高盛上周也出了一篇文章 ，是说他用了六个特征去描述这种 AI，他说六个特征已经全部符合泡沫的特征了 。

然后我这个 PPT 总结出来应该是几个特征 ， 比如说是不是革命性技术 ，是大规模的资本需求 ，是政府支持 ，是供应商融资 ，是过度建设 ，是崩溃与整合 ， 待观察 ， 最终留下了价值创造 ，也还在待观察 。

然后这里面为什么我会留下这一张 PPT， 这张 PPT 的这个因素里面还有一项叫这次不同 ， 哈哈哈 ， 这次不一样 ， 每一次都会有人说这次不一样 。

所以我去翻了一下， 确实就是这次不一样 ， 这个标题的书 ， 尤其讲金融历史的书 ， 就不止几本 ，是很多很多本 ，但似乎历史告诉我们每次好像都一样 。

那这次真的不一样吗 ？ 很多人就会找不一样的这个这个理由 ， 对吧 ？ 首先找到 ， 比如说当时互联网泡沫最代表的公司思科 ， 思科在互联网泡沫期间 ， 它的盈利其实是没有特别明显的增长 ，但是它的估值涨得非常非常非常的多 。

可是今天的 NVIDIA， 它的估值增长跟它的盈利增长的两条曲线几乎是贴着的 ，也就是说我的估值增长是有非常强的业务支撑的 ， 我们不一样 。

比如再看巅峰的互联网泡沫期间 ， 头部的互联网公司的估值到了 89 倍平均 ，而今天头部的 AI 相关公司的估值的 PE 倍数只有 28 倍 。

掐开来看 ， 比如最疯狂的年代的时候 ， 思科的估值到过 101，Oracle 到过 90，Sam 到过 77， 戴尔 51， 微软 69，是这样一个量级 。

今天呢 ，NVIDIA、 微软 、 苹果只有 31 倍的 PE，Google 22 倍 ，Meta 20 倍 ，Amazon 24 倍 ， 稍微高一点的博通也不过才 37 倍 ， 平均只有 28 倍 ，28 倍很健康很稳健好吗 ？

再看我们前面讲过债务会比较麻烦 ， 那我们就看这个今天这个时间点 ， 过度的这些投资的钱到底是哪里来的 。

这个数据比的是 CapEx 投入除以你的经营现金流 ， 巅峰不光鲜的年代 ，AT&T 93% 的经营现金流去做了 CapEx， 今天微软 54%，Google 55%，Meta 高一些 65%，Amazon 最高 80%， 新加入的 Oracle 135%。

那几家大家伙听起来确实还比较健康 ，但是 Oracle 很危险 ， 所以 Oracle 在接了 OpenAI 订单之后， 它要举债 ，因为它的经营现金流不够支撑它的 CapEx， 举债这个事情就会变麻烦 。

而举债的不会仅仅只有 Oracle 一家 ， 最近一段时间 Meta 也在举债 ， 然后出现了一个问题 ，Meta 的股价大跌百分之十几 ，但是 Meta 发的要建数据中心的 270 亿的债券认购超过 4 倍

， 认购超过 4 倍 。 那在这种环境下， 你是 Meta 的 CEO， 你是这些投资公司的头部公司 CEO， 你是要慎重考虑要不要举债的 ，因为现在举债太容易了 ，但你也知道债会很危险

。 然后不一样的还有什么呢 ？ 比如说美国最近开始美联储降息了 ， 停止缩表 ， 可是你要知道 ， 互联网泡沫形成的过程中是在加息的 。

还有一件事情 ， 折旧 ， 人们都说 ， 虽然铺设铁路跟铺设光纤的公司挂掉了 ，但是铺设的铁路跟光纤成就了未来的交通跟互联网 。

好 ， 这个话题同样放到今天 ， 那是不是今天疯狂建设数据中心的公司会挂掉 ，但数据中心留下来会有价值呢 ？

不一定 ， 为什么 ？ 因为铁路跟光纤的折旧可以折 25-30 年，

铺的东西放在那 ， 过几年拿来用还可以用

， 卡不一定 。 今天 NVIDIA 是每年都在出新卡 ， 每年的芯片的提升率都非常高 。 今天这个时间点 ， 如果不是因为过度的供给的紧张 ， 需求的旺盛 ， 谁愿意用 5 年之前的卡呢 ？

甚至谁愿意用 3 年之前的卡呢 ？ 那么数据中心的最大的成本贡献 ，40% 的卡的折旧 ， 合理的折旧周期应该是多少呢 ？

如果合理的周期是 3 年， 那这种巨幅投入所需要的收入的成本利润的 cover 那个数字是不是就过高了呢 ？

能 cover 住吗 ？

所以今天这科科技同们怎么去解释这件事情 ， 我们其实在期待 AI 带来增量的市场 ， 新东西 ，但现实的问题 ， 或者说今天这个时间点 ， 更主要的趋势是原有的市场的改进 ， 就是用 AI 重做一遍叉叉叉 ， 对吧 ？

所以你看 ， 比如说字节也好 ， 就火山对吧 ， 包括 Google 最近公布财报也好 ， 开发布会也好 ， 都会说他们的 token 消耗量已经超级大 。

比如最近 Google CEO 说 ， 我们的那个全系列的 token 的消耗量 ，在上个月是 1.3 个烤猪里 ， 我终于见到烤猪里了 。

这个数字在上一次公布的时候 ， 一年中是 980 个 t，在之前 480 个 t，在之前是 50 倍增长 。 这些 token 是被谁耗掉的 ？

是被用 Gemini 的第三方公司吗 ？ 不是 ，是被 Google 大部分被 Google 自己用掉了 。 那火山公布那个数字是被谁用掉了 ？

大部分是被火山 、 字节以及旗下的 ， 甚至包括抖音的推荐算法吃掉的 。 自身就是头部科技大厂 ， 自身业务的 AI 改造这件事情 ，在今天已经够吃了 ， 甚至未来几年依然够吃 。

这可能是当下这个时间点 ， 为什么这些科技巨头敢继续提 CapEx， 甚至不惜举债去做这件事情的核心原因 。

当然这个趋势能撑多久 ， 我们也不知道 。

那我们上面全部都是逻辑 ，有没有一些更科学的方法呢 ？ 有 ， 美国的一个科学作家 ，也是个分析师 ， 用了五项指标来衡量当前的泡沫指数 ， 五项指标分别是经济压力 ， 怎么算呢 ？

用当前的投资额除以 GDP， 如果超过 1% 就比较危险 ， 现在在哪 ？0.9%。 第二 ， 行业压力 ， 用行业的营收投以除以投入

， 来看是否相称 。 今天这个指标在 AI 领域非常的不相称 ， 就是收入远远小于投入 。 第三个指标 ， 收入的增长是否足够的快 ？

今天这个时间点 ， 收入增长还可以 ， 快速还是比较快的 。 第四 ， 估值热度 PE， 包括 E 厂的估值 ， 今天这个指标 ， 它用红呃红灯 、 黄灯 、 绿灯来去做这个指标的分布 ， 估值热度这件事情上的这个指标 ， 已经在绿灯跟黄灯之间了 。

最后一个指标 ， 资金质量 ， 就刚才我们说的 ， 到底是来自于稳健的资产分配 ， 比如说这些公司自己产生的经营现金流 ， 还是来自于债 ， 或者是其他的主力的资本 ， 叫影子银行 。

这个数字按他现在的统计来说还比较健康 ，但是刚才我们前面讲到了 ， 只是在他认为 ，但这个指标在一些别的人认为已经非常危险了 。

所以在他角度来看 ，他可能只认为有两个指标是绿色的 ，有一个指标是 ， 呃 ，有三个指标是绿色的 ，有一个指标是黄色的 ，有一个指标在绿色黄色之间 ， 还没有指标到了红色 ， 所以看上去还可以 。

这是他对行业的分析 。 那我们用差不多的一种分析方式去分析类似的事情的时候 ， 我就看到一篇文章是这样写的 ，他说啊 ，他找了一本书作为理论支撑 ， 这本书是普林斯顿大学出的一本书 ， 这本书叫 《 危机速成课 ： 宏观经济概念在经济上行崩溃和复苏中的作用 》。

啊 ，也是一个普林斯顿大学的教授 ， 跟伦敦政经大学的一位博士生做的这本书 ，他们会认为所有的这些事情会经历三个阶段 。

第一 ， 泡沫形成 ， 泡沫形成是不仅仅需要估值跟各种各样的价格提升的 ， 它需要两类投资者 。 一类投资者是认为天真的投资者 ， 盲目的进行线性外推 ， 认为整个曲线会继续上涨 。

第二类投资者叫明知估值过高 ， 却因害怕过早抛售而继续持有 。 似乎现在这个市场里 ， 这两种投资者都有 。

第一个阶段 ， 泡沫形成 ； 第二个阶段叫资产错配 ， 大家的目的是让它得继续 。 投资者由于某些政策或扭曲的因素 ， 影响了融资方向 ， 错误的投资了热门行业中的不合适的公司 。

这个标准听起来有些主观 ，但似乎我们可能也正在经历 。 然后就是最后一个阶段 ， 崩溃开始 。 崩溃是由什么引发的 ？

是由影子银行的债务引发的 。他们的容易 ，他们很容易受到挤兑的影响 ，并加剧资产价格的下降 。

嗯 ， 然后我们把这套分析的框架 ， 刚才是放在行业 ， 我们放在公司的角度来看 。 也有另外一篇文章 ， 它叫 《 人工智能的纸牌屋 》。

它用另外一种四象限的方法 ， 官方方式 ， 把今天我们聊的这些公司放在了四个象限里面 。 四个象限两个衡衡量方式 ， 第一种衡量方式 ， 资金的安全性 ， 到底是经营现金流还是债务 ， 这刚才我们讲过 。

第二种衡量方式 ， 纵坐标 ，AI 的业务的占比 。

那第一象限最危险的就是全 AI 业务又都是债 ， 对吧 ？ 典型的 COVID，OpenAI， 包括 XAI 做的这种 SPV， 最安全的 AI 并不是所有业务的 ， 就是 AI 业务占比没有那么高 ， 同时自身业务非常强 ， 没有发债 。

亚马逊 、 微软 、Apple，有一些比较危险的 ， 要么就是举债举的比较多 ， 要么 AI 占比过高 ， 比如 AMD 这种 、Anthropic 这种 、Oracle 这种 。NVIDIA 在哪 ？NVIDIA 在中间 ，在原点 。

我们前面说过 ，NVIDIA 是央行 ， 它想去哪就去哪

。 然后呢 ， 我们把这些视角放到这些公司上的时候 ， 我们再把视角再下探一步 。 假设今天你是那个一象限最危险的公司的 CEO， 你不要去解 Sam 那样难 ， 我们换一个别的更简单的题 ， 比如说你今天是 COVID 的 CEO， 你今天是 NAPUS 的 CEO， 你怎么看待这件事情 ？

然后你说我杠杆高 ， 你说我风险系数高 ， 可是我们真的微观看这些公司啊 ， 我觉得很有意思 。COVID 这家公司是这样的 ， 整个 COVID 的核心团队全部来自于金融行业

，他们原来的业务是做挖矿的 ，是做矿场的 ，Web3 挖矿

。 然后你跟这种公司说你的杠杆高

， 别闹了好吗 ？ 别闹了 。NAPUS 更狠 ，NAPUS 这家公司 ， 如果最近听了 Google 101 最近一期播客的话 ， 应该知道 ， 这家公司原来是从俄罗斯最大的资本引进公司 Yandex 拆分出来 ，因为俄乌战争的问题 ，Yandex 被制裁

， 公司的工程师们 、 研发人员们分散在欧洲各地 ， 南斯拉夫 、 北欧 、 德国 、 法国 、 英国 ， 各种各样的地方 ， 甚至有些来到了全亚洲的这个区块 。

然后在荷兰阿姆斯特丹 ，Yandex 原来的 CEO 叫了 1,000 位兄弟 ， 从欧洲亚洲各地来到荷兰阿姆斯特丹 ， 另起炉灶 ， 做了一家公司叫 NAPUS。在起初是给欧洲的很多互联网公司提供类似 AI 技术设施的 。

你你想象一下， 过去几年这家公司经历了什么 ，他们的工作状态 ，他们的每天的所想的事情 ， 然后面对这样一个巨大的机会 ，并且市场愿意给你可能性 ， 跟哪怕是举债的风险你也知道的情况下， 你的市值 ， 你的公司的估值可以在一一年之内涨几番 ， 你成为这个巨大浪潮中最重要的那几个分子 。

虽然你可能是最危险的 ，但是你面对这样的公司 ， 你说它杠杆高 ， 风险系数高

， 似乎有些过于苛刻了 ，不是吗 ？ 好 ， 讲到这 ， 看起来我们也差不多讲完了 。 很多人听完会说 ：" 哇 ， 你这讲的头头是道的 ， 你跟大聪明一样 。"

对吧 ， 跟大聪明一样 ，但大聪明最容易犯错 。 我在聊这个话题过程中， 有几位朋友 ， 包括几篇文章 ， 给我的很多的刺痛 。

我的一位天使基金的做合伙人的朋友说 ，他之前给我分享一张他的 PPT，在内部的 PPT， 那那张 PPT 的标题叫 《 不要做早下车的大聪明 》。97 年， 格林斯潘就说互联网泡沫了 ，97 年就说了 。

但是如果听他的 ， 哪怕互联网泡泡沫破了之后的指数 ，也再没有低过他说的那个时间点 。

最大的常识最后往往会形成最大的共识 ，由此带来的价格走势往往都是非常极致的 。 聪明的人的诅咒 ， 往往是因为太早看到常识 ，而看不起常识

。在行情远没有演绎完的时候 ， 就去刻意寻找反共识或非共识的观点 。

彼得林奇前两天接受采访 ，他说很多人急于套现 ， 这样他们就可以说我赢了 。 投资者为市场调整做准备 ， 或试图预测市场调整而损失的钱 ， 就跟今天市场在发生的事情一模一样 ， 远远多于市场调整中本身损失的钱 。

彼得林奇说的不是我说的 ， 这个图我是在投资聚义厅的公众号看到的 。 投资聚义厅的作者宝哥又说了这样一段话 ， 对很多人来说 ， 泡沫的定义其实只是一个他们没有参与的牛市 。

所以当我们在讲担心泡沫的时候 ， 究竟是指担心泡沫马上要爆 ， 还是担心出现泡沫自己不在场 ？

然后差不多是最后一页了啊 ， 倒是第二页 。 我在现场我说 ， 我问所有听听我这期内容的所有的这些在场的听 ， 我说听完什么感受 ？

我就在 PPT 上写出 ， 我说是不是感觉我好像什么都讲到了 ， 技术 、 产品 、 资本 、 人 、 江湖 、 恩怨 、 乱七八糟 ， 甚至连表情包都讲了 。

但听完之后你你你发现有什么结论吗 ？ 有什么特别鲜明的观点吗 ？

丝滑都没有 ， 你甚至可能都没有记下什么东西 。 我说这就对了 ， 为什么 ？ 今天 PPT 最后一页 ， 狂喜播客节是个很有意思的活动啊 ， 它就像我研究生学的一门课 ， 叫自组织一样 。

官博跟樊一如会组织一两百位的主播 ， 然后在可能活动开始前两周 ， 让大家碰撞 ， 随机产生两天时间 100 多场讨论话题 。

当然其中可能有一部分是他们主动说话 ，但大部分话题是大家想到想聊什么话题 ， 然后自己去组队 ， 或者自己去拉朋友 ， 或者拉不认识的人， 或者你看到什么话题你愿意参与 。

它是一个非常非常随机的自组织过程 ， 所以它产生的这 100 多个话题的分布是有意义的 ，是有统计意义的 。在今年上半年 5 月份的狂三狂上 ，有 101 场对话 ， 我看了一下，AI 相关的话题有 12 场 ， 占比 12%。

这一次的狂喜 ，因为人变多了 ， 然后听也变多了 ， 然后又有一个地 ，有一个外面的场地 ，有 128 场对话 ，但是 AI 的话题只有 8 场 ， 占比只有 6%。

从 12% 掉到了 6%， 拦腰

。 所以我最后一页说什么他妈 AI 不 AI 的 ， 没有那么多人关心这些事情 ， 享受生活可能是最重要的 。 好 ，以上就是今天我所有分享的内容 ，是我第二次录制 ， 呃 ，有些累了 。

对 ， 然后我的 PPT 在我的 show note 里 ， 大家都知道 ， 你可以找一个大块的时间把它一次看完 ， 你也可以分开看 ， 你也甚至可以只看 PPT， 如果不懂再来找这个文章 ， 甚至我这次录了视频版放在了 B 站上， 如果需要都可以去看 。

然后我之前所有的 PPT 也在我的 IMA 的知识库里 ，有需要也可以扫搜 note 里的二维码 。 再次感谢 ， 谢谢大家

。