开场0:00
感谢小红书 、 滴滴企业版 、 飞书微博音频对 " 第 3 届狂喜播客节 " 的支持 ， 感谢所有狂喜播客好伙伴的一路支持 ， 希望大家玩得开心 。
然后大家也可以随时写下话题卡 ， 然后示意工作人员来收 。 好 ， 谢谢 。
好 ， 谢谢金主叭叭 。
感谢感谢 。 这个我们正式开始今天的这一场的对谈 ， 然后呃 ，在对谈之前先做几个简单的小调查吧 。
就是在座有没有 、 完全没有任何听过我们几位的播客的朋友可以举个手 。 哇 ， 很多 。
这我就放心了 。
这好啊 ， 这我们可以聊 。
拉新了可以 。
很好很好 ， 这个是比较好 。OK， 第一个问题是这样 ， 然后第二个问题是 ， 呃 ，在从昨天早上到现在这个时间点 ， 可能狂喜已经经历了一天多一点点的时间 。在你们所参与过的场次当中， 是否有关于 AI 的话题 ？
就是是否你们听过或者嘉宾聊到了 AI 的话题 ？
OK。
也基本上绝大部分都有了 ， 对吧 ？ 然后这个这个 ，OK， 现在就有问题了 。 我的天 ， 大家太认真了 。
然后我们一会儿再看啊 ， 一会儿再看 。 然后这个 ， 呃 ， 我的下一个问题是 ， 这个大家对我们这场的这样一个标题 ，因为我特 、 这个标题是我起的 ， 就是不是一个呃特别特别人文向跟比较宽的话题 ， 它其实相对是一个比较行业化的话题 。
然后我们在组织这场活动的时候 ， 这个来龙去脉是这个样子的 ， 呃 ， 当时关亚迪老师在我们所有的主播的群里大概排了 50 场 ，是他的角度去排的 ， 然后剩下的 50 场左右是我们主播之间的自由碰撞 。
然后在碰撞的过程中 ，其实就跟大家刚才那个调查一样 ，其实关于 AI 的话题应该是很多人的共识 ， 所以很多人想聊 。
然后我们就又拉了个小群 ， 拉群包括整个的沟通过程中， 你会发现很多的话题围绕在了人文向 ， 焦虑 、 替代工作 、 行业发展 ， 呃 ， 行业发展可能比较少 ， 比如说这个行业跟人的教育之类的相关的话题 。其实昨天我两场对谈全都是聊这个的 。
然后呢 ， 拉的过程中， 包括昨天经历两场之后， 我发现一个问题 ， 就是聊真正意义上的行业向的内容可能相对比较少 。
当然反过来讲 ， 可能听播客的人大家也并不是真的来学习的 ， 对吧 ？ 但是我会觉得 ， 如果大家今天希望听到一个偏人文向的 ， 可能会比较难 。
所以我打了一张纸 ， 本来我说我想跟关博说能不能打在屏幕上 ，但后来他 12 点半才回我 ， 我已经睡了 ， 对吧 ， 没办法了 。
我打了一张纸 ， 我说我们今天这场论坛 ， 包括我跟线下跟几位主播 ， 昨晚上我也说了 ， 我说我什么尽量不去碰那些跟人文相关的话题 。
因为在这两天的论坛里面 ， 我昨天晚上数了一下课表 ，有 11 场关于 AI 的话题 ， 就是名字跟标题以带 AI 或者智能的有 11 场 ，其中有 8 场明确意义上的是人文话题 ， 另外 3 场里面有两场我在 ， 即便名字不带人文话题 ，但也聊到了人文 。
所以如果大家想了解一些偏人文跟偏感性层面的东西 ， 去听那些 ， 我们在今天这个场合里就不聊那些事情了 。
所以我打了一张这个题目的纸 ， 叫 " 我们不聊虚度 ， 我们只聊一些硬核的干货 "。 然后这个这个 ， 呃 ， 我们就正式开始这个简单的沟通一下 。
就如果大家觉得这个话题可能跟你也没什么太大关系 ， 那可以中途随时咱们就离开啊 ，也不强求大家 。
因为我会确实会觉得播客不是一个真正意义上的来学习的 ，但是我们尽量 、 尽希望地给大家提供一些信息的增量 。
然后要不 。
我想追一个 。
OK。
我想追一个问题啊 ， 就现场的同学有多少人是有技术背景的 ？
不多 ，不多 。 嗯 ， 可以 。
啊 ， 算 。
产研 。
产研怎么能不算呢 ？
产研都算 。
产研都算 ， 市场运营都算啊 。
真的吗 ？
哈哈哈 ， 别 。 呃 ， 我再看一眼好吧 。
哦 ， 还可以 。
OK，OK。
还可以 ， 还可以 。 看来产品居多 。 还可以 ， 还可以 。 对 ， 然后 。
非常好 。
好不好骗 ？
哈哈哈 。 对 ， 然后这个我们要不就先 ， 比如几位主播先做个简单的自我介绍 ， 然后我们就正式按话题开始了 。
嘉宾介绍4:16
好吧 ？
好 。
嗯 ， 小狼开始 。
啊 ， 呃 ， 大家好 ， 我是小狼 。 呃 ， 目前呢是在大厂做技术战略和产品创新 ， 然后也是从技术到产品 ，也带运营啊 、 品牌市场这些东西 。
然后目前是计算机历史博物馆的主播 ， 是一个非常闲散的这个号 。 呃 ， 想起来了就跟一下 。 然后最近这两年呢 ，是在做 Data 跟 AI 相关方向的一些工作 。
之前呢是在做云原生和音视频 ， 所以某种程度上你算我的客户 。
OK， 算算算 。
你也算吧 ？
那算算算 。
你也算我的客户 。 哎 ， 对 。 然后现在是数据库跟 AI 的这个领域 ， 所以有很多的这个对底层技术的一些观察吧 。
然后当然更多的我们向上层是有很多的应用 ， 然后也是今天这场觉得可以聊一下的一个原因吧 。
嗯 ， 朱峰老师 。
大家好 ， 我是津津乐道播客网络的朱峰 。 嗯 ，其实我是从 2000 年开始就在互联网领域创业 。 嗯 ， 津津乐道应该算是我的第五家公司了 ， 前几家公司都卖掉 ， 然后算是一个连续创业者吧 。
然后津津乐道现在是有两块业务 ， 一块呢是大家所听到的津津乐道播客网络旗下的这些节目 ， 我们的内容业务 。
那还有一块呢 ，其实是我们的这个技术业务 ， 就是给各个播客提供一些包括 AI 在内的创作者服务领域相关的一些服务吧 ， 算是 。其实还有一个技术平台 ， 大家可以把我们的这个技术服务平台 ， 它叫生态 ， 理解成播客领域的尼尔森 ， 它其实是做收听率调查的这么一个机构 。
所以也会用到很多 ， 现在用到很多的 AI 技术 ， 确实是他们的客户 。 对 ， 哈哈 ， 对 ， 今天也很开心跟大家聊一聊 。
嗯 。
OK。
大家好 ， 我叫于欣烈 ， 我是叭叭呜的主播 。 叭叭呜是一档主要聊智能电动汽车行业的技术产品啊 、 商业啊这么一档节目 。
我之前也在国外和国内的新势力吧工作过 ， 对在智能电动化方面有一些了解 。 这几个希望这场播客跟大家多沟通 、 多聊天 。
OK， 这个我叫庄明浩 ， 呃 ， 播客叫屠龙之术 。 呃 ， 我原来是做风险投资的 ， 然后现在在一家互联网公司做战略跟投资 ， 然后一直关注科技行业的相关的发展吧 。
然后小狼的播客叫计算机历史博物馆 ， 虽然已经一年没更新了 ， 哈哈哈 ，但是它因为它生 、 生宝宝的 。
然后这个这个朱老师经常出现的播客叫科技乱炖 ， 科技乱炖 ， 大家有兴趣可以去关注一下 。 于老师叫叭叭呜 ， 就是那个相声词的叭叭呜 。
这暴露年龄的 。
对对对对对 。
对 ， 然后如果大家有兴趣可以去这个关注各位老师的播客 。 然后我们就正式开始今天的内容 。 呃 ， 为了准备这场内容 ，因为既然立了 flag 说我们不聊那些人文的跟偏虚的话题 ， 对吧 ， 我们准备了提纲 。
哈哈哈 ， 严肃 。
真的要按提纲聊吗 ？
哈哈哈 ， 当然 。
这是我的第二个问题 。
当然我们未必会严格地按照这个提纲来聊 ，但是我们大概会划分了几个 。
态度 ， 态度这什么 。
几个几个板块 。 这个板块大概我们设计的是 ， 呃 ， 三个板块 ， 会聊一部分关于技术发展的板块 ， 一部分了解 ， 一部分聊偏产品的板块 ， 就是这个行业在出现什么样的产品跟趋势 。
最后一块可能是偏行业 、 商业跟资本的 ， 就是三个区块的内容 。 然后未必会严格地那么划分 ，但是我们就看聊到哪算哪了 ， 对吧 ？
好 ， 然后我们就先沿着这个来说 ， 就是我们从标题开始吧 。 我们今天的这个标题叫 "2025 AI Agent 年， 行业走向何方 "。
Agent概念7:52
我们第一个关键词 Agent， 就是 Agent 这个关键词 ， 或者叫智能体 ， 或者是其他一些翻译 ， 可能在各位每天关注的各种新闻里面 ，在过去的这几个月时间里面 ， 应该是疯狂轰炸的一个状态 。
那我们就从这个开始聊起 ， 比如说再问几位 、 再做几位老师 ， 从你们的角度来看 ， 比如说你们如何理解今天这个时间点的大家所探讨的 AI Agent， 无论是概念 、 产品 、 叙事还是方向还是什么 ？
对 ， 第一个问题 ， 小狼开始 。
呃 ，Agent 这个概念呢 ，其实我们看到比较早的时候 ，是 OpenAI 提出的 Way to AGI 的一个 。
路径 。
呃 ， 一个路径 。 对 ，在 L3 的这一层当中有 Agent， 它把这一层呢更多的 ， 呃 ， 除了原先的大模型的基础能力之外， 加上了一些 action， 嗯 ， 就是能够去自己干点事了 。
啊 ， 所以把它叫智能体 。 呃 ，但是从技术的角度看呢 ， 它本身其实并没有特别多深奥的东西在 ，因为原先我们在从 AI 的这个时代往前倒啊 ， 数字化时代 、 信息化时代 ， 都有非常多的这种自动化的工程 。
是的 。
然后自动化的工程 、 自动化的工具 ，其实都在代替人类做一些 ， 呃 ， 偏重复的冗余的工作 。 但是这一类工作跟现在聊到的 Agent 能做的工作最大的一个区别在于说 ， 它加了那么一点点的自己能干的事情 。
嗯 ，不管是账号打通的事情啊 ， 还是想 ， 还是想法能够再去做一下， 再加上它前面这个基础模型又有了一些揣测你的这个需求的一些能力之外 ，其实从技术本身来讲 ， 它没有特别大的这个差别 。
但是 ， 呃 ， 我们也看到说 ， 呃 ，AI 这一波它跟原先的这个数字化或者说是 。
自动化 。
呃 ， 信息化 、 自动化最大的一个区别在于说 ， 这个概念跳到了普通人的面前 。
OK。
它从我们原先聊的这个 ， 呃 ，Infra 的层面 ， 就基础设施技术的层面 ， 向上跳了一层 ， 到了应用 ， 到了业务 。
那到了业务这一层时候呢 ， 就涉及到的人就更多了 ， 就不纯是工程师的事情 。 嗯 ， 所以这是 Agent 跳出来之后大家讨论的 ， 我们在讨论的一个范畴 。
呃 ， 它更多的还是沿着这个自动化跟这个系统向前去讨论的 ，但是更多上上面的东西 ， 我们从技术角度可能就没有特别多讨论了 。
理解 。 朱老师 ？
其实我是觉得刚才小狼说了很多技术的问题啊 ， 我今天发誓不太聊这个高深的技术 ，因为我怕在座的同学们 。
没有那么 。
听不特别明白 ，因为这个节 ， 呃 ， 咱这个也就是一个半小时时间 ， 很难展开 。 但是从最近的一些这个市场的反馈来看呢 ， 第一 ， 我首先比较同意小狼前半截说的这些内容 。
对 ， 这个我就不重复了 。 但是呢 ， 现在来看 ，其实 AI Agent 在我们整个工程化实现还有产品的角度来看呢 ， 嗯 ， 短期内我觉得是被高估了 。
对 。
它的能力 。
是的 。
对 ， 它的实现 。 但长期看呢 ， 我觉得又被低估了 。 它是这样的一个东西 。 而且呢 ， 嗯 ， 刚才小狼说这个 AI Agent 进入了普通人的这个领域 ，但是我们现在来看 ，因为我总会面向就是素人 、 普通人， 或者是说根本他没有任何技术啊 、 产品背景的人去做一些调研 ， 昨天节目也聊过 ， 我会发现大家其实真的能够把 AI 用好 ，在今天的这个时间点 ，其实还
会存在一个巨大的鸿沟 。
对 。
巨大的一个鸿沟 。 我可以请问一下大家 ， 呃 ， 日常生活和工作当中用到 AI 的 ， 可以举一下手 ，不要放下来 。
对 ， 然后只用到了对话框 ， 就是 chat 的 ， 把手放下 。
嗯 ， 比如说只用 DeepSeek。
对 ， 你看就会放下很多 ，是吧 ？ 谢谢大家 。
这是 L2 嘛 。
对 ， 对 ， 就是 L2 的东西 。 大家可能现在绝大多数人还是在那个对话框里聊天 ， 对吧 ？ 别管是用豆包还是用什么东西 ， 它是在聊天 。
真的能用好 ， 甚至说自己做一个 Agent， 可能还很少 。 包括这次我们的这个狂喜 ， 我们也做了一个那个 AI Agent 嘛 ， 对吧 ？
可以搜那些课 。 大家也会发现它还是有很多的能力的边界 。 嗯 ， 它能查 ，但是它很很依赖外部的数据的供应 ， 很依赖于这个 Agent 自身的能力 。其实还有很多很多问题 ， 我们今天不从技术角度细展开了 。
就是说我现在是觉得它的这个鸿沟还很大 。 嗯 ，而且 Agent 在现在我们产品圈 、 技术圈的人可能 ， 哎 ， 每天都是兴奋于很多 AI Agent 里面的新的东西 ， 比如 Euron， 还会聊到 MCP 啊等等这些东西 。
但是是不是被高估了 ？ 嗯 ， 它的能力其实没有到那 。 嗯 ， 对 ，其实今天特别想聊这样一个问题 。
OK。
嗯 ， 于老师 。
于老师 。
我觉得对我来说 ， 首先还是希望能够搞清楚 Agent 究竟是什么 ，因为大家其实每个人的 Agent 的定义其实不太一样 。
嗯 ，是 。
2024 年以来吧 ， 我觉得到今年其实确实慢慢收敛了 。 对我来说比较容易判断的几个特点吧 ， 第一个 ， 首先它能力是取决于模型的 ， 依托于大模型本身 。其次呢 ， 它是要自主的 ，因为很多它是辅助工具的话 ， 它其实不是一个 Agent。
对我来说啊 ， 它是 autonomous 的 。 嗯 ， 再一个 ， 它是能调用外部工具的 。 我觉得这几个特点是能够帮助我去判断一个 Agent 它究竟是不是符合这个产品定义的 。
明白 。
我觉得这是我对 Agent 的了解 。
理解 。 呃 ， 我因为准备这节目 ， 特意回去翻了几位老师的播客 。 我刚才说小狼的计算机历史博物馆是在 24 年就停更了 ，但是他应该在 24 年甚至 23 年的播客的节目里面就已经聊过 Agent 了 。
所以 Agent 不是一个全新的概念 ，其实它已经存在很久了 。 那我们就顺着这个话题 ， 大家会聊到其实本质上讲 ， 可能 Agent 今天确实成为了这个时间点 ， 大家会在这一波 AI 大模型发展过程中的一个话题或者一个热议点 。
模型趋势13:52
那我们就往下沉一层 ， 沉一层 ， 沉到这刚才我们聊过这个模型这一层 。 纯从模型本身的技术发展来看 ， 无论是 OpenAI 定义的从 L1 到 L5 的这个路径 ， 我们走到所谓的 L2 到 L3， 刚才也提到了 。
那什么是 L1 跟 L5， 大家回去自己查 ， 我们几个人播客应该都讲过 ， 我们就不再展开了 。 那是不是今天这个时间点往后看 ， 比如说纯大模型本身的技术的进展 ， 可见的 ， 比如说在今年年底应该可能会到一个什么样的状态 ， 比如说会不会有传说中的 GPT-5， 还是什么样的东西 ， 还是说达到一个什么样的程度 ， 可能是在肉眼可见的这个时间点 ， 比如
到年底 ， 纯模型本身的进展的状态 。
嗯 ， 呃 ， 我先我先 echo 一下刚才讲说这个电台停更了这个小一年 。 哈哈哈 ， 对 ， 呃 ， 一个是我去生了一对双胞胎 ， 呃 ，也算是 train 了两个小模型 。
对对对 ， 非常小 。
然后， 呃 ， 另外一个是到去年年底 ，因为我 23 年我们就在聊聊 AI， 聊 Agent， 那个时候其实看不到非常多的这个应用 ， 然后底层的技术迭代也有一段的时 ，也有一定的时间 。
然后， 呃 ， 到了今年的时候 ， 对 ， 我明天就会录新的一期 。 哎 ， 哈哈哈 ， 我会 recap。
你就把这期放进去就好了吧 。
哈哈 ， 对 ， 这一期放进来多一些 。
我今天就录了 。
哈哈哈 ， 然后我会去回顾一下， 就在过去的这一年里面发生了些什么 。 我想先先去给自己的一个啊结论打个脸 ， 就是我一年前聊 Agent 的时候 ， 我觉得它就是自动化的一个延伸 。
嗯 ， 啊 ， 更多的还是帮工程师更好地去解决一些效率和工程上的问题 。 但是等到我今年再去看 Agent 的时候 ， 我觉得如果从我不知道大家有没有那个架构的方面的这个知识啊 ， 如果从呃系统架构或者说 IT 知识的角度来看的话 ， 呃 ， 刚才那个朱峰也讲过的 ，他被低估的原因是在未来的未来啊 ， 我不说不清有多远 ， 未来的未来 ， 你可能不需要 IT 架构这
回事了 。
嗯 。
你未来你比如说开一家什么公司 ， 然后你的整个 IT 系统就是你平台前端一个界面 UI， 然后下面吊一堆 Agent， 然后每一个 Agent 都能解决一个具体的业务问题 ， 然后这个具体的业务问题还能揣摩你的业务需求 。
所以到那个阶段的时候 ， 它真的就是有用的一批这个工程师了 。 啊 ，但是那阶段什么时候到 ， 至少 30 年左右吧 ，但是又有讲说可能 AGI 30 年之前会来 ， 所以就也也很说不清 。
然后这是我个人这一年来的一个认知上的这个更新 。 嗯 ， 就是我认为 AGI 之所以被呃这个低估的原因 ， 就在于它未来能够在系统层面承担的这个工程的厚度会不一样 。
因为眼下我们的系统的架构 ， 或者说 IT 的架构是横着长的 。 嗯 ， 最底下一层啊 ， 然后再一层 ， 再一层 ， 再一层 ， 然后如果你是电商 ， 你可能有一层什么中间件 ， 然后如果你是什么娱乐 ， 你还有一层 ， 对吧 ？RTC， 对吧 ？
那到未来可能就不是一层一层一层一层这样长了 ， 它可能就是纵着长的 。 嗯 ， 然后每一个 Agent 自己就能闭环自己的东西 ， 然后它比如说在基于云 。
所以就如果这样子想的话 ， 那未来确实可大有可为 。 所以这是一个很大的一个一个变化 。 然后这也是我觉得现在去聊 Agent 比较好的一个时间吧 。
因为如果说我们我们认为这个范式在未来能够成立的话 ， 那么逻辑上每个人都可以去写一个 Agent。
是 ， 对 。 嗯 ，但是具体什么时候能实现 。
不好说 。
很难讲 ，其实是很难讲 。 很多的时候录节目 ， 嘉宾都希望来做一下预测 ， 我们也有的时候经常会挑战一下嘉宾 ， 你做一下预测 。
但是往往这个预测是非常非常难的 。
但开源是加速了它的 。
开源 ， 对 ， 我们如果提到这个开源的话题 ， 确实是我前两天刚录了一期节目 ， 科技乱炖就提到 。
科技乱炖的上一期是聊开源的 。
开源大模型 ， 对 ， 聊开源大模型的 。 我是觉得从开源社群的这个角度 ， 咱们不也不一定是完完全全的就是狭义领域的开源 ，而从社群共识的这个角度 ， 从共同构建的这个角度 ， 我们肯定是能够加快这个进程的 。
对 ， 呃 ， 如果我们看三年前 OpenAI 刚出的时候 ， 我们看到的应该是一个闭源的模型 ，是吧 ？ 你只能去用 。
但是今天你们会看到大量的像 DeepSeek、 千问等等这些开源的大模型 ，而这些开源的大模型 ， 呃 ， 如果在座的各位接触到能够接触到工程化领域的一些事情之后， 你们会发现其实每一个厂商现在做的是什么 ， 做的就是在后端去怎么样把这些开源的大模型吊起来 。
它不一定会只用一个模型 ， 它不一定会用只用一个模型 。 所以这种整合 ， 这种 match， 再加上社群的持续的贡献 ， 它会形成一种共识 。
包括我们还会提到 MCP，其实也是今年刚刚大家开始关注的一个东西 ， 它是不是能够通过一种共识 、 一种协议 ，因为从技术角度来讲 ， 它很简单 ， 能不能通过这种协议形成一个我们理想当中的一个网状的一个 Agent 的一个架构 ， 我不知道 。
对 ， 很难预测 ，但是开源和社群一定会推动这个进程的发展 。
开源闭源19:22
嗯 。
嗯 ， 我们话题聊到这 ， 就是我觉得在过去这两年半左右时间里面 ， 关于 AI 大模型的开源还是闭源这件事情的争吵也一直在持续 。
一段时间 。
某一段 。
现在已经有结论了 ， 我觉得 。
对 ， 之前的某一段时间 ， 大家会认为可能闭源的模型会更强 ，因为它需要很多的钱 ， 需要商业化 。 但是随着比如 DeepSeek 的崛起 ， 呃 ， 带来了这一波的探讨 ， 包括很多厂商的态度来看 ， 嗯 ， 开源似乎成为了这个阶段的一种共识 。
嗯 ，是 。
然后大家越来越多地看到了开源所带来的好处 。 然后从数据上来看 ， 呃 ， 我们拉变模型 、 开源模型的效率跟打分的曲线来看 ， 两者之间的差距今天已经微乎其微 。
嗯 。
对吧 ？ 就是这件事情其实可能也是 ， 呃 ， 就是这个的判断 ， 你要知道在过去在可能两一年半之前 ， 整个业界的判断跟今天是完全不一样的 。
嗯 。
世界上最聪明跟最优秀的 AI 相关公司的认知还是在这一边的 ，但世界突然就变了 。
嗯 。
对 ， 就所以 ，而且因为小狼原来是做开源社区的 。
嗯 。
对 ，他在世界上最大跟最优秀的开源社区做过 ， 所以这个话题我觉得可以稍微地展开一点 。
嗯 ， 现场有懂一点 open source 的知识的同学吗 ？ 举个手 。
开源 。
好 ， 我来打个比方啊 ， 就是因为大家应该如果关注 AI 的话 ，也会看到所谓的开源这两个字 ， 它其实没有什么特别的 。
它就是以开放的方式让所有人都参与进来 ， 一块写代码 ， 就是这么简单的一件事情 ， 就大家一起去写代码 ， 然后有需求一起去往往里提 ， 然后让这个东西慢慢慢慢长起来 ， 然后周围呢 ，也会有一堆的项目围绕着它去建一个生态 。
那这样的话 ， 我们刚才提到的未来的 Agent 能够更快地解决你的业务诉求 ， 或者说写很多很多个 Agent 这件事情 ， 就能够加速去实现 。
所以它其实是一个开放的协作模式 ， 它并不是一个一项技术 。 然后在这个维度上呢 ， 原先其实大模型开源跟闭源的呃 point 在哪里呢 ？
呃 ， 闭源的公司认为说这个东西的所有权跟商业机密 。
很重要 。
很重要 。
对 。
嗯 ， 然后我的人才也是稀缺的 ， 你肯定没有我人才多 ， 然后你能力肯定也没有我强 ， 所以我只要把人吃下来 ， 就在湾区 OpenAI 吃人吃得很凶啊 ， 就给钱给得很多 ， 然后把人挖过来 ， 我把这个吃掉 ， 然后我自己去不断地去迭代 ， 我直接去进行商业化 ， 卖给这个呃大企业 500 强 ， 它就能够完成它商业的这个迭代 。
我根本就不管这个生态发展成什么什么样 。
像不像当年的微软 ？
对 ，不能不能这么说 ， 微软 loveMicrosoft 那也是后面的事情了 。
对对对 ， 逼逼了吧这个 。
哈哈哈 ， 对 ， 然后但是呢 ， 就这个世界就工程师是很奇怪的一种生物啊 ， 对吧 ？ 工程师呢 ， 永远都觉得这个资本主义是不好的啊 ， 哈哈 ， 我要打破垄断 ， 然后我要把这个封闭给它干掉 ， 然后我要用开源的方式去打破封闭的商业化 ， 所以它开放 。
为什么呢 ？ 是因为工程师他确实生产能力非常强啊 ，他可以手搓大模型 ， 然后他认为我今天哪算哪怕不掐这碗饭 ， 我也希望技术能够更好地发展啊 ， 这是一个纯情怀的东西 。
那情怀东西背后呢 ， 就是它把人工开放出来之后， 它可以有更好的 reputation， 它能拿到更高的工资 ， 甚至它可以基于这个东西去做一家公司 。
然后呃 ，其实 DeepSeek 我理解它也有这个出发点的 ，因为它并不想要基于它去变成一个大模型的 mass 商业模式的公司 。
根本不开 。
对 ， 它更多的是通过这一把把它自己推到了一个生态位上， 它到那生态位之后， 怎么说呢 ， 拍嗯 ， 拍个大腿都知道自己该怎么赚钱 。
嗯 。
所以然后再加上它做了这件事情以后呢 ， 大家可以看到国内的所有的这些 APP 的应用啊 ， 然后大模型的这个上层的厂商啊 ， 就借着这股这股东风 ， 整个市场都能起来 。
嗯 。
这件事情绝对是利好整个产业链的 。 所以开源和闭源 ， 我觉得这已经是目前的一个结论了 。 然后因为我们提纲里面还有一个中国跟美国的问题啊 ， 大家可以看到说中国的开源跑得比美国 。
快 。
对 ， 跑得比美国要快 ，是因为美国呢 ， 人家已经在赚钱了 。
嗯 ， 所以我们选择另外一种方式 。
对 。
中国还在后面掀桌子 ， 弯道超车 。
对 ， 人家在赚钱了 ， 然后我们在掀桌子 。 然后呃 ，他们赚钱是因为我们知道所谓的全球化 ， 实际上就是世界 500 强吧 。
嗯 ， 然后世界 500 强绝大部分的总部不都在美国吗 ？ 然后 OpenAI 它的呃新的版本出来以后， 它基本上核心的团队都是 BD。
嗯 ， 它养了大量的 BD， 然后去这 500 强这个做着 ， 然后卖自己的这个商业服务 ， 然后在企业内部去布他们的大模型 ，他们赚得很好 。
他们也是私有部署吗 ？
对 。
哦 。
呃 ， 国外的云没有那么 ， 嗯 ， 没有那么好 。 所以呢 ， 就是但是国内不一样 。 嗯 ， 国内大模型厂商就是大厂吧 ， 基本上还是自己手搓 ， 然后之前还在囤芯片的那轮大战里 。
对 。
嗯 ， 然后自己搓 ， 然后我也不会去采购一个商业公司的服务 ，因为没有一家做得比听起来做得比 OpenAI 要更好 。
嗯 ， 所以国内就是这种蓬勃的生命力 ， 哎 ，在这个时候展现出来 。 所以开源 ， 呃 ， 所以中国开源会做得更快一些 。
但这个东西呢 ， 它能带来的好处就是它会像当年互联网那波一样 。
对 ， 特别像 。
特别像 ，有一波弯道超车 。
对 。
然后中国的 IT 基础设施之差 ， 这句话不能不太好讲 。
尤其是很客观 ， 很客观 。
对 。
尤其是你不能讲 。 我们节目 ， 我们节目聊不了 。
我们可以讲 ， 你作为提供者是不能讲这件事情的 。 这句话讲 ， 剪到你这 。
好 。
对 ， 就是对 ， 基于这个现状 ， 嗯 ， 我们能够更好地未来有一批新公司 ， 哎 ， 基于 AI 去构建 。
对 。
所以它跟当年的互联网真的非常非常像 ， 然后开源又加速了这一件事情 。 所以这是为什么我从美国回来的原因 。
哈哈哈 。
好 ， 朱老师有什么补充 ？
呃 ，其实我觉得 ， 嗯 ， 从这一轮上来看 ，其实中国和海外还有一个巨大的区别 。 海外在使用某些服务的时候 ， 它更愿意选择什么 ？
中美生态25:30
选择一个 SaaS 系统 。
对 。
是吧 ？ 我在云上我可以去用 ， 比如 SAP 啊等等 ， 这些公司其实都是基于这一轮起来 。 但是你们会发现在中国 ，to be 的生意很难做 。
嗯嗯嗯 。
大家都想四个字 ， 叫什么 ？ 自主可控 。
一体机 。
哎 ， 所以中国有一个特殊的商业模式在 AI， 就是一体机嘛 。
对 。
我给你搓一个一体机 ， 把这显卡怼进去放你公司内部 ， 这个是跟中国企业选择服务的一个偏好有关系的 。
那你总不能说我去买一个闭源模型的东西 ， 我放在我的企业内部去部署 ， 它很多的一体机 ， 它所附带的可能都是 DeepSeek 啊 、 千问啊等等这种东西 ， 然后放在企业内部 ， 然后再在上层再去做应用 。
嗯 。
它都是以这种模式来做 ， 这跟中国企业的一个偏好 。
嗯 。
也会有一定的关系 。
对 。
这这是我们现在的商业模式 。
啊 ，是吗 ？
对 ， 我就是咱们 ， 我是说咱们 。
哦 ， 好的好的好的好的 ， 我还以为是你的商业模式 。
国内现在大厂的就是 to be 啊 ， 就企业对 IT 这一块的商业模式主要是以采购为主 。
对 ，他买设备 。
对 ， 买设备 ， 然后下订单 ， 然后 。
搭机房 。
对 ， 就是如果你不做采购这件事情的话 ， 对于你来讲啊 ， 它就不是一个企业资产 。
嗯 。
你跟他讲你用云服务 ， 用 SaaS， 然后你的数据在云上， 这风险可大了 。 一 ， 你你公司没有资产 ， 你破产清算的时候你连个机房都没有 。
对 。
然后第二个 。
那是费用 ，不是成本 。
对 ，是 ， 这这是非常关键的一个东西 。 然后第二个就是你你的数据如果说在云上 OK， 你自己在做数据确权 ， 或未来有可能对吧 ， 做数据交易的时候 ， 你也没有资产 ， 你啥都没有 。
所以在国内的这个 IT 的这个商业模式的前提下啊 ，SaaS 就做得不是很好 。
对 ，但这个这个问题我我多引申一句几句啊 ，是这样的 ， 就是呃 ，因为原来我是做这个美元的风险投资的 ， 我们大概从 2010 年左右开始做呃中国的 TMP 的投资的时候 ，其实 2010 年正好差不多是移动互联网爆发了嘛 。
然后其实从 2010 年开始 ， 我们看中美两国的 TMP 发展的主线 ，其实是非常清楚的 ， 中国的主线就是移动互联网加后期的算法 ， 就这么一件事情 ， 然后长成了今天我们在用的所有的东西 。
美国那边主线除了这条线之外， 有另外一条线 ， 就是云 ， 就是云的这条线 ， 就企业服务 、Cloud、SaaS 这条 to be 的这条生态链 。
所以在那个时间点 ， 比如我们作为一个美元基金 ， 我们其实内部有两个最大的组 ， 一个组是 2C 的移动互联网组 ， 一个就是 to be 的组 。
那最后的成绩来看 ， 就是 2C 的组赚得盆满钵满 ， 对吧 ？to be 组全军覆没 。
嗯 ， 很不好 。
全军覆没 。
对 ， 很不好 。
就是我们沿袭着看上去跟美国差不多的生态 ， 我们也去找 PaaS 层 、Ads 层 、SaaS 层 ， 找 SaaS 层再去细分 HR、 财务 、 法务 、 物流 、 营销 ， 所有的这些方式去选择中国合适的公司去做投资的选择 。
但最后可能在 2022、23 年， 你布局了 10 年多的行业之后， 从风险投资的投资的角度来看 ， 最后就是全军覆没 。
我记得特别清楚啊 ， 就是 23 年还是 22 年， 有一家香港上市的港股公司叫北森 。 我不知道大家是否知道这家公司 ， 北森是中国最大的 HR、SaaS 公司 ， 就是很多公司那个 HR 系统就是他们做的 。
我们认为 HR 至少在美国 ，HR、SaaS 也是一个巨大的市场 。 这个公司可能在一市场融了几十亿的钱 ， 融了几十亿的钱 ， 它的估值可能是几十亿美金 ， 估值在一市场 。
港股上去当天 300 亿港币啊 ， 为什么是 300 亿港币 ？ 因为它在融资的条款中签约的合格 IPO 的条款叫 300 亿 ， 如果低于这个是不能发出来的 。
但是你要知道 ， 二级市场是不会惯着你的 。
嗯 。
第一天 300 亿上去 ， 第一天跌 50%， 第二天再跌 50%。 嗯 ， 一周之后这公司只值 30 亿港币 。
今天 。
人家在香港上市 。
对 ， 这这是另外的话题 ， 我们在这不展开了 。 就是呃 ， 至少原来那条路径可能在上一个我们习惯的的互联网发展领域不是特别理想 ，但是这轮可能会有些变化 。
就当可能跟我们今天话题是相关的 ， 就是当 AI 来了之后，Agent 也好 ， 实施也好 ， 或者说更多的 to be 的企业的服务的厂商基于 AI 在做适合中国本土的 ， 无论是采购还是什么样的方式的业务的时候 ， 可能这轮会有一些转机 ， 对吧 ？
我们至少期待是这个样子 。 所以所以补充一点这个话题 ， 然后我们继续往下走 。 就是刚才在聊的话题当中， 我们无意的也出现了一些关键词 ， 这些关键词可能是跟今年 Agent 差不多频率出现的 ， 比如说 MCP， 对吧 ？
热门关键词30:15
比如说 A2A， 对吧 ？ 最近一个月也有很多人探讨 ， 比如比如说多模态 ， 对吧 ？ 比如说刚才我们说的上下文的记忆 ， 对吧 ？
这些关键词对于因为我不是学技术的啊 ， 对于我们这种不是学技术出身而言的 ， 这些关键词 ， 尤其是英文的几个字母出现的时候 ， 你真的是满头问号 ， 对吧 ？
这个这个这个 ， 那我们就聊聊这个事情 。 比如说为什么最近一段时间 MCP 的讨论特别的多 ， 或者说呃 ， 大家现场有人不知道 MCP， 就是大概完全没听过 MCP 的可以举下手吗 ？
我还是有 1/3 的到 。
来 ， 朱老师 。
那你来吧 。
哈哈哈 ， 你来吧 。
你来你来 。
这个更是生态领域的事情是吧 ？ 对 ，其实 MCP 呢 ， 大家如果简单的理解的话 ， 它其实就是在 AI Agent， 或者我们现在可能说大一点叫 AI 智能体是吧 ？
在这些之间呢 ， 建立了一个应用程序接口 ， 就是它们之间可以用代码互相通信了啊 。 比如说呃 ， 我要订个房 ， 我问 AI 啊 ， 这个我想明天在上海订一间房 ， 什么位置 ，在比如说在龙门影城附近订一间房 。
那么呢 ， 它的 AI 就会 ， 我们的 AI 的大模型的后端 ， 如果它支持某个订房的 MCP 的接口的话 ， 它就会调用 ， 调用这个接口 ， 这个接口就会返回来一些关于订房的信息 ， 就像我们在某些网站上去查房态一样 ， 对吧 ？
有哪些酒店在哪个附近 ， 它通过应用程序 ， 它通过这个接口把这个信息返回给你 ， 然后你甚至可以做下一步操作 ， 你帮我付款 ， 或者你帮我选择进一步的选择 ， 它进一步再去调 ， 比如调支付宝的 MCP 啊 ， 哎 ， 把款付掉 。
然后这些 MCP 其实它是有一个网状的结构 ， 我们能互相连接起来 ， 后面还可以做清算 ， 做结算等等。
它其实就是在 AI 的智能体之间 ， 我们建立了一套互联互通的体系 。 我不知道我这么理这么讲大家能不能理解哈 。
对 ， 我讲的可能有一点技术 。
现在跟 AI 可以打电话了 。
对 ，AI 和 AI 之间它们自己可以聊了啊 ， 我不用管了 ， 你最终我前端的大模型返回给我一个结果就行 ， 让我选就好了 ， 剩下的事情你们自己沟通去啊 ，是这这样一个东西 。
对 ， 今年这也是很很火的一个概念哈 。
嗯 ， 这玩法其实是为下一个阶段准备的 。
是的 。
嗯 ， 下一个阶段是向 Multi Agent 方向去发展 。
是的 。
然后呃 ，但是如果没有 MCP 这一层的话 ， 那对于用户来讲 ， 它也呃用得挺揪心 。
对 。
嗯 ， 很多的 action 没有办法做 。 然后我其实觉得 MCP 的这套玩法在国内 ， 嗯 ， 怎么讲 ，有点困难 。
嗯 。
因为国内有天然的这个 。
壁垒 ， 障碍 。
升职隔离 。
对 ， 哎 ， 对 。 好 。
对 ， 就比如说我们我们很流行干嘛都在这个微信公众号里 ， 对吧 ？
All in one。
对 ，all in one， 然后在微信里面 。
在小程序里 。
对 ，在小程序里 。 然后它跟其他的这个其他域的工具和流量都有挺大的隔离的 。
是的 。
但是呃 ， 海外呢 ，其实 PC 比较多 。 嗯 ， 就大家可能不知道 ， 美国还还挺 ， 美国的手机消费品市场是低端机的天下 。
嗯 。
嗯 ， 就是大家手机里不需要装那么多 APP， 然后它们的 APP 也做得挺挺简单的 ， 然后大家更多的时候还是拿个电脑在那边 ， 对 ， 做有的没的 ， 每天还要拿电脑去 check email。
对 ， 哪怕在手机上弄一个东西 ， 它也是打开一个网页 。
也是 ， 对 ，也是打开一个网页 ， 然后发短信 。
嗯 。
人家发短信 。 嗯 ，但是国内就提前进入到了这个移动互联网的这个 all in one 的这个里面 ， 那这个里面呢 ， 它就会带来呃 ， 我刚讲的升职隔离 。
那升职隔离呢 ， 就会导致你的很多的工具的调用其实是有比较大的呃 block。
嗯嗯 。
所以就要看平台和平台之间谈得怎么样 。
对 。
对 ， 如果平台和平台之间谈不好的话 ， 那 。
就是断的 。
就是断的 。
对 ， 就跟今天我们用各种 APP 一样 。
对 ， 所以我们也希望说能够有人， 对吧 ， 推动一下各个这个大平台开放度再再大一点 ， 然后让 AI 能够这个穿梭一下 。
但如果 AI 穿梭了 ， 那这个流量的钱就跑散了 。
对对对 ， 那可能从商业模式上可能要建立一个新的架构 。
对 。
才有可能 ， 或者是说呃 ， 会不会就像我们当时的移动互联网打败传统互联网的时候一样 ， 会出现一个新的巨头 。
新的入口 。
新的入口 ， 然后我们建立了一些新的标准 ， 把传统的这些古典互联网的参与者打掉 。
对对对 。
啊 ， 比如就像微信打掉了百度一样 ，是吧 ？ 嗯 ， 对 ， 这个前几天大大来过这附近 ， 大家知道吧 ？
语言到行为35:17
这个就是上海的这个什么什么魔术空间 。 嗯 ， 对吧 ？ 然后那天我不知道大家是否看了当天的新闻联播 ， 如果没有看的话 ， 我建议大家回去看一下 。
不是我我每次新闻联播都是 AI 自动给我总结的 。 然后呢 ， 就是我们刚才聊的这段话 ， 我们看我们刚才大概聊了半个多小时， 聊了技术 ， 聊了 AI Agent， 聊了呃开源跟闭源 ， 聊了一些中国和美国的对比 ， 包括聊了今天这个时间点很热门的 MCP， 对吧 ？
听起来是一些非常非常散的点 ，但是为什么推荐大家回头去看那天的新闻联播呢 ？ 很有意思 ， 那天新闻联播的时候有一个画面 ， 应该是大大去了一个一个公司拜访 ， 那公司正好在开会 ，有一帧画面是那次会议室的白板 。
嗯 。
那会议室白板写的是什么呢 ？ 叫下一代智能体的发展 。
嗯 。
下一代 AI 智能体的发展 。 我看到这个 。 对 ， 然后列了几个细碎的小项 ， 下一代要干什么 ， 对吧 ？
上下文的记忆要变长 。
嗯嗯 。
要实现多 Agent 之间的互通 ， 要让它做的任务的时间从原来可能一个人几个小时的工作变成了几个人一周的工作 ， 时间任务的变复杂 。
嗯 ， 然后多 Agent 之间的通信协议 ， 然后再往下几个点 ， 就是那一帧 ，有兴趣大家可以去翻 ， 我不确定的是哪天 ， 反正大家知道是哪一帧 ， 哪天的都新闻联播可以回去找 。
然后这部分关于技术的讨论 ， 我们差不多到这 ， 然后最后给大家一句话 ， 可能也方便大家在过程中， 包括以后去看到所有今天这个事情在发生的 AI 相关技术理论在发生的事情怎么理解 。
这句话特别的简单 ， 这轮的 AI 大模型的发展在开始经历从语言到行为 ， 从语言到行为 。 你会发现今天我们聊的很多事情全部都是这个逻辑 ，因为这一轮的 AI 叫大语言模型 ， 对吗 ？
叫 large language model， 它是语言模型 。 所以在过去的两年多时间里面的模型的发展能力更多是在语言跟对话的行为上的 。
但是发生两年多 ， 这个事情总要用起来了 ， 用起来的时候 ， 它叫智能体也好 ， 它叫 Agent 也好 ， 多 Agent 协作也好 ， 干活也好 ， 它要有行为 。
所以有些厂商在做的事情是把这个行为能力变得更强 ， 为了行为能力更强 ， 我要更强的上下文协议 ， 要更多的理解 。
同时有些厂商在做的事情是说 ， 它要用现存的世界上的工具 ， 工具之间要有跟 AI 的通信协议 ， 所以有了 MCP。
所以你会发现这个事情至少在技术这一层 ，以这种方式被串起来了 。 对 ， 就是关于这一节我们的一个小小的总结 ， 这个 。
我稍微补充一点啊 。
可以 。
因为刚才大家谈的还主要是 LLM， 就是大语言模型 ，其实在并行的世界还是在物理世界也有其他的大模型 。
是的 。
比如说在车的这个领域和机器人的领域 ， 它实际上是 vision action 的模型 ， 就是刚才刚才这个明昊谈到了说现在我们从 L 到 A， 对吧 ？
对 。
Language action 正在逐渐演进 。 之前在这个简单来说通俗一点词儿什么那些时髦叫具身智能 ，不论是车还是说真正的这些人形机器人， 它都可以视称视为一种机器人。
它们的模型最开始是 vision 开始的 ， 它们不是靠语言 ， 两条并行的路线 ， 它是在物理世界去发生的 ， 它是一个从 vision 到 action 的一个一个模型 。
那随着大模型整个技术往前面推进 ， 现在进入了一个新的阶段 ， 比如大家可能会听到一个很时髦的词叫端到端 。
嗯 。
比如像特斯拉它最开始实现的智能驾驶的这个技术方案 ， 后续很多国内的呃第一梯队吧 ，也纷纷实现了这样的方式 。
那下一步它们一个国内厂商的一个方向叫 VLA， 它会在 V 和 A 中间加上 L， 就是把 language 结合到之前的从 vision action 这个模型里面一起来训练 。
就是它跟之前的 L 到 A 是一个并行的方式 ，在物理世界也在发生这样的情况 ，不论是在车上还是在真正的人形机器人方面 ， 它们在模型的多模态方面也在发生的一些演进 ， 包括 Agent， 就是呃除了 LLM， 还有另外一个世界也在发生着进化 。
大家看车企的广告的时候看到 VLA 肯定都是眼蒙的 ，但今天听完我们大概你就知道 VLA 分别是什么 ， 对吧 ？
产品叙事39:48
我们继续往下探讨 ， 这个刚才也或多或少的开始渗透到了 ， 我们开始聊到了产品的话题 ， 我们上面大部分是在聊技术的发展跟技术的趋势的问题 ，但是技术是技术这一层的 ， 我们作为普通的用户 ，不论是个人还是企业 ， 我们要用的那个东西叫产品 ，是用的一个东西 。
用 ChatGPT 或者 DeepSeek 的比喻来讲 ，DeepSeek R1 是模型 ，DeepSeek 的 App 是我们用的产品 。 那我们就开始聊聊产品的事情 ， 比如说今年可能上半年最火的 ， 我我做个再做个这个调查 ， 呃 ，有人有多少人用过这个这个这个 deep research， 就是 ChatGPT 的那个 deep 的功能 ？
还可以啊 ， 比让有人多少人用过那个中国国产的那个叫 Minus 的产品 ， 这个就少很多 ，因为还在邀请 ， 对吧 ？
对 ， 然后那有多少人， 那那最近有多少人用了这个 ， 比如说字节的 Code 空间也有是吧 ？ 然后这个比如说百度的心想 ， 这个好像没有啊 ，也有啊 ， 好 ， 可以可以 。
那这个比如说这个这个 。
蚂蚁不是也做了一个吗 ？
它们那个 。
叫啥来着 ？
不提了 。
哦 ，不提了 ， 好 。
没关系 。
好好好 ， 这个你发现这个这一轮关于 Agent 的讨论当中， 除了刚才我们聊到的技术本身的这个发展之外， 更重要的是大家切身的开始用到一些打着 Agent 名号的产品 。
嗯 ， 那为什么用这个关键词叫打着 Agent 名号的产品 ？ 就是说很多东西是挂羊头卖狗肉的 ， 对吧 ？
很多东西是新瓶装旧酒的 ，但是确实至少截止到 25 年上半年这个时间点 ， 我们叫通用的 Agent 的那个产品确实引发了这一波的比较多的讨论 。
那我们就从这个话题作为开始的这个切入 。 如果大家没用过的话 ， 我建议大家在这场结束之后可以去用一用 ，因为这几个大厂的现在的产品 ， 国内的产品应该都是不需要邀请了 ， 比如说字节的 Code 空间应该是不需要的 。
对 ， 这个百度的心想应该也是不需要的 ， 然后这个这个各种 AI 搜索工具的 deep research 功能现在越来越多 ，也应该是不太需要邀请了 。
大家如果有兴趣可以去试一试 ， 对 ， 要不我们从这个话题开始 ， 比如说用过吗 ？ 或者感受怎么样 ？
或者是 。
我先提个问题啊 。
嗯 。
因为我从我自己的使用体验来看 ，其实我对通用 Agent 这个名字其实是 。
有质疑 ， 对吧 ？
对对对 。
对对对 ， 这个问题非常好 。
对 ， 我我其实在我的理解 ， 它通用其实本身是大模型的能力 。
是的 。
那我其实 Agent 对我来说 ， 它是一个更专业 、 更垂直的工作流 ， 它把它产品化了 ， 它就应该是更专业的 ，而不是一个更泛化 、 更通用的 。
对对对 。
所以我之前大概之前大家其实分为两类嘛 ，deep research 一类 ， 这种所谓什么调研型 。
对 。
还有一种是生成型的 。
对 。
类似于 coding 啊 。
对对对 。
这些东西基本上 Minus 可能最牛 ， 把这俩加一块了 ， 它都能做 。 但是我觉得对我来说在使用上它们都不是通用型的 。
OK。
嗯 。
那我们这个话题就变成这个话题 ， 我觉得这个话题也很有意思 ， 通用还是垂直 ？ 其实啊 ， 我们回头来看啊 ， 还是按 OpenAI 的定义 ，L1 叫 Chatbot， 就是我们用到的字节都包括 ChatGPT。
我们从早年的上一代的 AI 走到 GPT 的时候 ，是经历了一次通用的 。ChatGPT 发布第一天没有说任何它要做的垂直行业 ， 它说我什么都能干 ， 对吧 ？L1 的时候是通用的 ，L2 的时候到了 DeepSeek， 到了 O1 的时候又经历了一次通用 ， 对吧 ？
我是通用的推理模型 ， 我也没有说我是专门做某个板块的通用 。 那这轮如果这个事情真的如 OpenAI 定义的 L1 到 L2 到 L3 的话 ，Agent 这一轮是不是还应该是通用的 ？
我们话题收敛 。
我我个人对通用的理解啊 ， 它可能是 for 个人的 。
个人， 个人开发者 。
对 。
个人用户 。
个人用户 。 呃 ，因为原先其实新的技术出现的时候 ， 所谓的通用的技术它是 for 开发者的 ， 更多的解决是开发者的工作诉求 ， 然后开发者的一些 ， 对吧 ， 小癖好的这个需求 。
但是这一波呃大模型呢 ，因为它是自然语言交互嘛 ， 它变革了交互形式 ， 所以可以走到这个千家万户当中去 。
所以它的这个通用更多的是 for 个人， 你满足你的个人的成长诉求啊 ， 学习诉求啊 ， 包括搜索诉求啊 ， 这个我觉得是它通用的这个呃产品的逻辑 。
嗯 。
这也是为什么很多的呃通用的所谓的 Agent 也好啊 ，Chatbot 也好啊 ， 会被大模型本身的产品形态替代掉的原因 。
对 。
因为大模型它慢慢的演进能力上去之后， 就可以解决这种个人视角层面的这一些需求啊 ， 这是跟它自己的技术演进路线相关的 。
但你说这个东西是不是会变成一个通用的产品 ， 我认为未来应该会变成某种程度上的集成工具 ， 就它单独作为一个产品放在那边 ，但不解决一个实际的具体需求是很难的 。
嗯哼 。
嗯 ， 所以这是我对通用 Agent 的理解 。 然后我也有一个建议 ， 就是因为呃大家刚听了很多的技术 ， 之所以听起来很散的原因在于它的底层技术还在往前演进 。
对 ， 快速发展 。
它它没有确定 ， 所以上层的这种通用 Agent 的所谓的工具啊 ， 什么呃豆包啦 、 扣子啊这些东西 ， 大家可能之前用啊觉得傻不拉几的 ， 然后你慢慢你会觉得过一段时间就聪明一点 ， 过一段时间就聪明一点 ， 然后等到了哪一天你会发现哎 ， 它真的能够当个人了 。
那那个时候呢 ， 就是它真正的能够在你的旁边去帮你解决问题的时候 ， 我是觉得大家可以跟着它一起去成长 ， 这是一个非常好的进入的时间 。
是的 。
嗯 ， 如果说你当然如果有小孩的话 ， 你可以先就让它开始用 AI， 就它有问题就可以去问一下 AI， 这是一个非常好的一个培养下一代这个新脑子的一个办法 。
然后这是这是通用通用 Agent 我的想法 。
朱老师 。
嗯 。其实对于我来讲 ，有了很多的所谓的通用的 Agent， 我反而不太敢用了 ，因为我会发现它的能力其实是有上限的 。
对 。
它给我搭了一个茧房 ， 比如说我用一些最简单的搜索 。
对 。
对吧 ？ 我我去搜的时候 ， 它给到我的那些东西 ， 它会给我一个很看上去很好的结果 。
对对 。
但是往往这个结果好像不对 。
对 。
很多时候都是这样 ， 它给你了一个非常完整的一个报告 。
对 。
然后发你会发现它说的不太对 ， 然后你又不可能每一条的引用都点进去 ， 结果会导致什么呢 ？
我又用回了传统的搜索 。
嗯 。
我还是要用传统的搜索 ， 我看多方面的这个结果 ， 然后我再去 check 一遍 ，其实并没有给我省很多的事 。
嗯 。
啊 ， 这是非常典型的一个一个一个情况 ， 包括这次我们去给我们的二狂去做这个 AI Agent 的时候 ， 我们也会发现它的 。
幻觉的现象还是 。
幻觉是相对比较大的 。
是的 。
当然这个可能取决于 。
数据源的问题 。
呃 ， 一个是数据源的问题 ， 一个可能是我没有加钱用更好的模型 ， 比如说它那个默认的那个小模型 ， 可能确实是有一点问题 。
但是你会发现 ， 如果我们过于的作为个人用户啊 ， 还是讲 To C 这一块 ， 作为个人用户来讲 ， 如果你盲目的去使用这个模型 ， 就把通用模型返回的结果当成一个结果或者一个真理的话 ， 往往你可能会踩到坑里哈 。
对 。
就会有这方面的 。 当然我们今天也会发现 ， 延展一下， 今天也会发现有一些开发者在用一些编程的工具 ，是吧 ？
嗯 。
Coding， 嗯 ， 对 ，Coding 的工具也会有 。 但是每一个开发者都会用完了之后都会跟我讲 ， 我虽然用两天的时间就完成了一个以前要写一周的东西 ， 结果我调错又花了两周 。
嗯嗯嗯 。
Debug 的时间比编程的时间更长 。
因为我完全没有办法控制 AI 的行为 ， 它给我写出来了是一个又不是不能用 ，但是你仔细看 ， 你会发现里面有很多幻觉 ， 带来了一些奇奇怪怪的逻辑 ， 会有这种情况 。
所以今天我们是不是真的应该去把通用 Agent 变成一个银弹 ？ 我觉得我远远没有到那个时候 。
嗯 。
对 。
同时我我其实建议大家在这个阶段啊 ， 使用 Agent 的时候 ， 锻炼出自己的这个杠精的本事 。
嗯 。
就你不断的去反问它 ， 批判它 ， 然后不断 。
PUA 它 。
对 ，PUA 它 ， 然后让它不断的自己去判断自己说的话 ， 自己是不是在说胡话 。
嗯 。
甚至你可以告诉它你就是在说胡话 ， 然后看它怎么圆 。 就是在现在这个阶段 ， 你需要通过用这样的方式让它自己 ， 对吧 ， 心里有点数 。
同时你也需要通过这样的方式 ，不断的每天去提醒自己 ， 它很有可能在说胡话 。 就你这个时候要 ， 对 ， 要要有这样的一个学习的能力 ， 就不要把它当成正确答案 。
嗯 。
我我补充一点 ， 我觉得刚才朱老师谈到这个遭遇吧 ，其实恰恰说明了 Agent 它比较微妙的这个位置 ， 就是一方面它的能力是依托于大模型的 ， 它不可能摆脱大模型本身的一些缺陷 ， 自己变得更好 。
对 。
对吧 ， 比这个模型能力还强 。
嗯 。
这个幻觉本身 ， 大模型本身就存在 。
嗯 。
那第二呢 ， 它其又担心大模型能力特别好 ， 把它给替代了 。 就是一方面又希望大模型好 ，也希望大模型不要那么好 。
我觉得这是 Agent 的一个现在有一点微妙的一个位置 ，但是我觉得对我来说 ， 我会一个不恰当的用旧世界的方式来看它的话 ， 比如大模型可能更像一个操作系统 ，Agent 可能更像一些应用 ， 就是它需要不同的应用来满足不同的需求 ，但是它是成长在这个 OS 上面的 ， 需要它不同的管理啊 ， 不同的调配啊 ， 包括它整个资源和算力 。
我觉得 Agent 它其实不用担心 ， 过于担心吧 ， 大模型本身的能力的这个这个提升 ，而且它只有大模型能力提升了 ，Agent 才能变得越来越有用 ，以及不同的专用的 Agent 丰富起来 ， 它其实就变成整体的一个通用的 Agent， 就是它作为一个整体来说 ， 它是可以泛化 ， 可以通用的 ； 作为一个 Agent 的个体来说 ， 它是一个垂直的专用的 。
嗯 。OK。 这个呃在这轮的这个 Minus 火的时候 ， 我做过一次测评 ， 然后做测评的过程我觉得特别有意思 ， 就是你的前置的思考特别的多 。
嗯 。
因为你要思考交给它一个什么样的任务 。 嗯 。
你能理解就是今天如果我交给它一个简单的搜索任务 ， 它一定完成的不好 ，因为搜索今天的发展要远比这轮 AI Agent 早太多 ，并且深入的太多 。
那如果交给一个过于复杂任务 ， 它看上去也完成不了 ， 那你就达不到测试它的目的 ， 对吧 ？ 所以当这个新的工具来的时候 ， 你会发现反过来要求我们作为使用者而言的要求变得更高 。
然后最后很巧合的是 ， 我跟上一场坐在这的兰西老师找到了同一个任务 ， 这个任务特别的匹配 。
我简单说一下， 如果听我不会知道我们找到哪个任务 。在 Minus 花的第二天 ， 呃 ， 世界上知名的 VC 机构 A16Z 发了一个搒单 ， 这个搒单是统计过去半年 Top 50 的 AI Web 网站 ，以及 Top 50 的 AI 的 DAU 的 App， 它这个搒单是每半年更新的 。
然后又因为呢 ， 它这个搒单刚刚更新 ， 所以世界上没有任何一个媒体或者新闻机构或者什么人写过这个搒单的详细分析 ， 只有它自己写了一篇 。
我们发现了这个任务 ， 这个任务是什么呢 ？ 你是列出来了 50 个网站加 50 个 App， 当然中间有重合 ， 比如 ChatGPT 的网站一定会在 ，ChatGPT 的 App 也会在 。
好 ， 我交给 Agent 的任务是说 ， 你帮我去查这个里面涉及的这 100 个网站 ， 呃 ，50 个网站跟 50 个 App 有多少中国公司 。
大家想象一个任务 ， 这个任务的执行啊 ， 那篇 A16Z 的文章有两张表 ，50 个网站 ，50 个 App， 它有一篇文章简单解释一下， 所有的信息源 ， 基础的信息源就是这样 。
我交给 Agent 之后， 它第一次返回的结果 ， 它说是 9 个还是 7 个 ， 我说这不可能 ，不可能这么少 。 那为什么是这个数字呢 ？
因为在 A16Z 官方那篇文章里面 ， 它说了几个中国公司 。
嗯 。
所以第一次返回的结果就是一个最最最偷懒的结果 。 听明白了吗 ？ 它只针对那篇文章做了分析 。
好 ， 我告诉它 ， 我说不可能这么少 。 它第二次去做 ， 又去找 ， 第二回给我返回了大概十几个结果 ， 我说依然不可能这么少 。
然后我再去查它第二次的这个整个 ，因为你会发现它整个的实现的路径跟过程 ， 它做的方式是说它去搜 ， 搜索搜索的来源还是新闻 。
然后我说这种方式依然没有办法 。 我告诉你 ， 第三次我告诉你该怎么做 ， 我说你的做事方式应该是把这 50 个网站的 App， 呃 ， 网站的名字 ，以及 50 个 APP 的 App 的 icon 一个一个给我列出来 ， 一个一个给我对应这背后公司是谁 ， 再给我去搜每一家公司是否有过新闻 ，有过官网 ，有过工商注册信息证明它是中国公司 。
它再去跑 ， 返回的结果是上下文超限了 。
哈哈哈 。
你看这像不像你就是训练 。
对 。
实习生 。
就是这个过程你听完之后， 你就知道它现在的状态应该是个什么样子 。 它很像一个实习生 ， 非常像 。
它最开始 。
实习生不会上下文超限 。
对对对 ， 就是它就人类的第一反应一定是偷懒嘛 。
实习生就不干了嘛 。
偷懒嘛 ， 第一反应一定是偷懒嘛 。 然后你会慢慢的在过程中告诉它合理的方式应该是什么样的 。
你在中间不断的调优 ， 期待的是更优秀的结果 。 它就是一个这样的 ， 至少在这个时间点 ， 我们能够见到的 ， 我们普通人用户可以用到的产品的状态 ， 可能是这个情况 。
对 。
而且它还不会骂你 。
对 ， 你随便跟它 PUA。
对 ， 我觉得其实使用 AI， 包括 Agent， 对每个个人来说 ，其实就是学习你如何成为一个领导的过程 。 就是你最开始是个小领导 ， 你要教实习生怎么做 ， 你可能是一个小组组长 ， 那以后随着 AI 能力增长也好 ， 或者你逐渐的任务要做得更大也好 ， 那比如说你其实只要它能力强 ， 你作为它 ， 它作为你的秘书或者助理 ， 你吩咐它很简单的一些 ， 目的很明确 ， 要
求很明确 ， 要付出什么 ， 得出什么样结果的任务指向的时候 ， 它就能交付给你结果 。 我觉得其实随着 AI 的能力成长 ， 你在使用 AI 的过程中， 你就要学会如何当领导 ， 要不然你不会交给它什么样的任务 ， 你不会 ， 你还是一个工作打工者心态 ， 你跟它去沟通 ， 你们俩互相介绍都是牛马 ， 它也完成不好交付好的任务 。
就是确实大家其实应该学好怎么当领导 。
嗯 ， 好像又回到人文话题了 。
对 。
我经常会这个拿 6 根弦拉回来 。 对对对 ， 我们下一个话题 。 刚才也聊到就是其实这轮关于 Agent 的 ， 除了我们通用的 Agent 之外， 另外一个最近最热的方向是 AI 的 Coding 这个方向 。
AI编程54:32
呃 ，其实从去年年底 Cursor 发布以来 ， 呃 ，Coding 这个板块的增长是非常非常快的 。 那从底层逻辑上来讲 ，其实也好理解嘛 ，Coding 其实就是构建这个虚拟世界 、 数字世界最最最基础的东西嘛 ，而且它天生带着逻辑跟框架嘛 。
那理论上来说 ，AI 应该是最理解这个东西的嘛 ， 所以看上去 AI Coding 在过去这可能大半年时间里面发展非常非常的快 ， 对吧 ？
但是也出现了问题 ， 像朱峰老师讲的一样 ， 今天用 AI Coding 工具 ， 哪怕是一个最最最资深的程序员 ，他也发现他 debug 的时间可能要超过他建 build 的时间 ， 对吧 ？
那当然现在整个的这个技术还在往前走 ， 对吧 ？ 那大家就是比如说几位怎么看 AI Coding 未来的这个发展的这个方向 ， 真的会像想象中的理想状态说 ， 我今天跟一个 AI 说你给我做个抖音出来 ， 它就帮帮帮给我去做了 ， 对吧 ？
就我们这边列出了几个产品啊 。
对 。
呃 ，Cursor 还有 Devin。 嗯 ， 这两个产品其实是两个阶段的产品 。
是的 。 甚至再往前是 ， 呃 ，GitHub Copilot。
对对对对对 ， 我们先不聊 Copilot，因为它就半成品嘛 。
是 。 嗯 。
它是平台上的半成品 。
是是是 。
这两个还算相对独立的 。 呃 ，Cursor 呢 ， 它是算 human-in-loop 的产品 。
嗯哼 。
嗯 ， 就是你需要跟它讲你帮我写一段什么样的代码 ， 它就能帮你写好 ， 然后你再粘贴过去 。 啊 ， 粘过去不管到 IDE 还是到什么 ， 然后再去做发布 ，有的没的 。
呃 ，但是 Devin 呢 ， 它就是一个 ， 嗯 ， 呃 ，end to end， 嗯 ， 端端到端 。
嗯 。
它是一站式的 ， 然后你告诉它帮我写一个网站 ， 它就能帮你写一个网站 ， 然后还能发布掉 。 嗯 ， 这是它的 ， 呃 ， 愿景 。
然后它的官网的后面有一句话是 "the developer"。
对 。
对 ， 它它讲 Devin 是一个 ， 对吧 ， 这个程序师 ， 哎 ， 这个工程师 ， 把它当成一个真正的工程师在用的 。 但 Devin 其实也是 23 年， 嗯 ，23 年他们就已经出了 ， 然后我早在 113 年我做代码托管平台的时候 ， 我们就已经 picture 过未来能够有有一个工程师帮你写代码 。
嗯哼 。
所以这件事情也不新奇 ，因为工程师永远都希望自己再找一个别的牛马来替代自己牛马的工作 。 啊 ， 这是工程师工作的本质 。
然后， 呃 ， 这两个产品到现在为止我觉得比 ， 啊 ，以前 copy paste 要好用一点 。
嗯 ， 对 。
但是 ， 呃 ， 它更多的可能还是要在一个相对的 ， 呃 ， 比如说代码的工程质量和系统的这个 ， 呃 ， 稳定性强一点的场景去用 。
嗯 ， 比如说你在大厂里面 ， 你去用这样的工具去提效 ， 现在已经就大厂里面已经非常成熟了 。
对 。
呃 ，因为我们内部的不管是代码代码品位 ， 然后代码规范这些都很成熟 ， 然后代码质量也很高 。
嗯 ， 所以你去用这个东西 ，因为内部还会有一些 REG 嘛 ， 然后内内部去用了以后就效果都很好 。 但如果说你原先就在一个这个团队的代码质量就不怎么地 。
嗯 。
然后本身就是一堆 ， 本身就是一堆技术负债 ， 你在那个基础上再去叠加一些 AI 写出来的技术垃圾 ， 那你就 ， 对吧 ， 你想象一下你这个东西 。
就是面条多面条 。
对 。
就变银丝卷了 。
对 ， 所以就不是不是很这个健康 。 所以你内部要不要用 AI Coding 的产品 ， 我觉得取决于你们公司的 ， 对吧 ， 贵司的 CTO， 呃 ， 贵司的整个的技术架构干不干净 ， 呃 ， 代码干不干净 ， 然后在那个基础上你可以再用它去做 。
如果不行的话 ， 大不了重构 。 嗯 ， 对于 。
就大不了重来嘛 ，AI 反正牛马嘛 。
对 ， 大不了重来 ， 啊 ，其他人也都可以开掉 。 啊 ， 然后反正但是呢 ， 我认为 AI Coding 未来一定是个方向了 。
嗯 。
嗯 ， 甚至 ， 呃 ，the developer 广泛的进入到各行各业也是确定的一件事情 。
是的 。
那么工程师怎么办嘛 ， 对吧 ？ 这又回到人文的话题 。
对 ， 绕不开的 ， 我们还是会涉及到这些 。
对 ，但是 ， 呃 ， 工程师怎么办呢 ？ 就是你你怎么样更好的去用好你自己的这个牛马 。 一样的 ， 嗯 ， 只不过工程师你可能要再往前走一步 。
原先的工程师呢 ，他不太愿意这个出来见人的 。 嗯 ，他需要很多人来帮他翻译 ， 翻译客户业务的需求 ， 翻译其他团队的诉求 ， 然后自己坐在那边发脾气 ， 对吧 ？
我没有说你脾气不好的意思啊 。
嗯 。
对 ，但是未来呢 ， 可能你自己有人帮你写代码了 ， 那你可能就要往前走一步 。
对 。
去了解一下真实的业务需求是什么 ， 然后去了解一下我今天做这东西的价值在哪里 。 我觉得这也是对能力的一种这个 ， 呃 ， 锻炼 。
嗯 。
然后还有就是前端的 ， 就是各位 PD 们 ，PM 们 ， 你们也可以做工程师 。
是 。
对 ， 大家也知道工程师的这个工资要比 PD 和 PM 要高很多 。 嗯 ， 所以大家也可以用另外一个维度去去这个判断自己 。
所以如果是产品经理的话 ， 我觉得现在就可以用起来 。
嗯 ，其实我想补充的一点是 ， 你说的是大厂的牛马们 ， 哈 ， 我说的可能更多的是个人开发者和创业者 。
对 。
是是是 。 对 ，其实对于他们来讲 ，AI 提供了一个非常好的能力 。
一人公司 。
对 ， 一人公司 。 对 ，以前呢 ，以我为例 ， 哈 ，有的时候我们公司去写一些这个 ， 我们还不算是一人公司 ，但是我们有时候我们最头疼的事情是写前端或者是设计前端 。
这件事情因为我没有这么多的人手去搞这个设计的工作 ，因为你这么小公司 ， 你养一个专职的设计其实不是特别现实 。
对 。
那现在我其实会用这些工具让它来帮我设计前端的页面 。 嗯 ，以前可能设计的非常垃圾 ，在一开始的时候 ， 现在我会发现它设计的越来越现代 ， 越来越好了 。
我几乎不需要怎么改 ， 我直接用 ， 甚至它把前端代码也套进去了 。
因为前端的标准范式太好看了 。
呃 ， 对 ，而且它是你是可以指定你用什么样的框架 ， 什么样的架构去写的 。
对 。
而且如果你公司内部的文档写的 OK 的话 ， 那它调后端的 。
对 。
更通用 ， 代码都都给你搞定了 。 你就直接用就好了 。其实这是没有问题 ，但是它的现在最大一个问题就是说 ， 如果你做一个大的项目的话 。
嗯 。
它不行的 。
对 ， 它没有办法解决复杂度的问题 。
对 ， 它解决不了复杂度的问题 ，但是就是一个临时的活动页面 。
嗯 。
哎 ， 非常好 。
搓个官网 。
对 ， 搓个临时的官网 。 哎 ， 类似于这种 ， 比如我要备问备案某个域名是吧 。
对 。
哎 ， 把它怼上去 。 这种就特别特别的适合 ，因为独立开发者他的能力不一定是非常非常全面的 ，他一定有短板 ，但是用 AI 去补你的那个短板是我觉得现在是非常好的一个工具 。
而且你一定要善于拆分你的需求 。
是 。
把你的需求拆开 。
嗯 。
模块化 ， 我甚至可以写一个又一个的 ， 拿 AI 写一个又一个的 ， 微服务再把它串起来 。
嗯嗯 。
我的复杂度就降低了 。
嗯 。
我只是要解决这一个微服务内部的问题就好了 。
相当于原生 。
对 。
嗯 。
对 ， 这样的话 ，其实你去用 AI 可能更舒服一点 ， 让它写代码 。 如果你试图让它把整个的大的项目从前端到后端都构建起来 ，在一个项目里面 ， 往往可能现在的 AI 能力还是不够的 。
嗯 ，是的 。
这个 Coding 的这个板块看起来应该是这轮 AI 里面最先拿到阶段性成果的一个板块 。 然后这个 ， 那这句话的下一句就是国内的厂商们当然也不会放过这个战场 ， 对吧 ？
所以基本上所有主流的头部大厂 ， 尤其是模型大厂们 ， 都在推自己的 AI Coding 的工具 ， 对吧 ？ 就是这个字节也好 ， 阿里也好 ， 都有相关的这个服务 。
对 。 如果是比如说有代码能力 ， 或者说知道代码是怎么执行 ， 需要一些代码的能力的朋友们 ， 我们是建议这个时间点开始让自己这个武器加上 。
这是一个很好的时间点 ，而且确实越来越简单 。 就像我们这种完全不懂代码能力 ， 慢慢你也可以构建一些小东西 。
就是这个 build 的这个快感还是在今天非常非常好会拿到的 。 对 。
而且大多数大厂这个时间段发的产品都比较简单 ， 随便好 。
随便用 。
对对对 ， 这个很重要 。
我歪个楼啊 ， 就是其实 Code 它也是一种语言艺术 。
对 。
大家除了用它来编程 ，其实很多的 IDE 工具是非常好的写作工具 。
是的是的 。
文字写作工具 。
是的 。
就是有一个特别有意思的服务叫做 DeepCloud， 它是利用 DeepSeek 它的 CoT 生成非常好的这种逻辑思维链 ， 把一个问题拆解或者写作需求 ， 然后把这个思维链喂给像 Cloud 这样非常擅长写作的或者这个 Coding 的一个模型 ， 然后用它来生成非常好的写作的文章 。
这是一个一个嫁接的一个服务 ， 就是包括很多人用 Cursor 来写东西的 。
对 。
就是它这个 Coding 和写作 Writing 是是相通的 ， 就是大家用好了这样的工具 ，其实呃 ， 个人这个效率提高是很大的 。
因为很多牛逼的程序员都是拿记事本写代码的 ， 对吧 ？
嗯嗯 。
现在很少了吧 ？
现在很少了 。
早年是这样的 ， 对吧 ？
我再歪个楼 ， 朱老师 ， 你觉得 IDE 有可能成为就是 Coding 这一块的超级入口吗 ？ 如果未来还有 IDE 的话 。
对 ， 我觉得是分两个阶段吧 。 如果我们看短期的话 ， 各种 IDE 一定会加上 AI 的能力 ， 别管它是嫁接别人的还是自己做一个 ， 对吧 ？
你看 Cursor 它其实是把那个 VS Code 魔改了嘛 ， 实际上 。 它它做这么个东西 ， 它一定会成为入口 。 但是如果长期看 ， 会不会有这么一个可能 ？
不需要了 。
我不需要写代码了呀 。
PRD 都不需要了 。
AI 就直接把你把把你的活干了 ， 你为什么要写代码 ？ 告告告告诉 AI 你帮我把这个图从绿的给我修成蓝的 ， 你想写什么代码直接给你修了 。
嗯 。
是吧 ？ 我我觉得这是可能是有一个阶段的问题 。 一说这样的话 ， 程序员可能又焦虑了 ，是吧 ？
嗯 。
这个还很远 。
哈哈哈 。
对 ， 还很远 ，其实还很远 。
嗯 ， 非常远 。
嗯 ， 然后我们引发到另外一个问题 ，其实在刚才聊这个通用的时候也渗透到这个问题 ， 就是呃 ， 今天无数的人会说 ，因为大模型还在疯狂的演进 ， 那大模型在演进的过程中一次一次的吞掉了看上去一些很值钱被产品公司定义的功能 。
然后当然也有无数的新的公司在不断的去做类似我们双引号的叫 " 套壳 " 的事情 。 那当然我不太喜欢啊 " 套壳 " 这个说法 ，因为它带了太多的偏见跟情绪 ，但是没办法 ， 既然是大家都会去议论这件事情 ， 那呃 ， 几位怎么看今天这个时间点的 ， 比如说纯粹意义上的技术大模型公司 ，以及这些可能更多的不再做底层模型 ，但是做偏应用层 、
偏上一层的公司之间的这种 ， 你说是竞争也好 ， 竞合也好 ， 或者是发展也好 。
我我输入一个场外信息 ， 我 15 年的时候创业 。
嗯 。
嗯 ， 做这个工具 ， 呃 ， 然后这个创业失败 ， 非常的挡 。 嗯 ，但我现在去看的话 ， 我觉得现在跟那个时候有一个非常相像的场景 ， 就是你可以一直套壳 。
一直套 。
对 。
持续套 。
对 ， 持续套 。
你看投资人也在套壳 。
对对 ， 这就是重点 。 哎 ， 你你可以现在就开始套 ， 嗯 ， 然后你这家公司倒了 ， 对吧 ， 好点钱再做一家 。
再套 。
然后你一直做一直做 ， 你就会变成一个非常资深的专家 。 嗯 ，因为在这个阶段里面大家都还很早期 。
嗯 ， 技术也还在演进 ， 然后应用场景也还在找 。
是 。
呃 ， 然后这里面的很多技术也还在也还在发展 。 就上一波我们在做所谓的这个云计算和互联网的时候 ， 大家就是在前期的所谓的套壳 。
对 。
就那个时候可能没有特别大的东西可以套 ，但是概念都套壳嘛 。在那个套壳的过程里面发现的需求 。
嗯 。
呃 ， 比如说发现它底层需要什么样的依赖 ， 然后生生态需要什么样子的 support， 然后你在这里面又能找到细分的场景 。
找到细分场景 ， 你就相当于找到了你的商业模式跟你的产品方向 。 所以我我其实并不觉得套壳是个坏事 。
嗯 ， 我觉得它可能是大家一起在共创的过程 。
对 ， 我甚至觉得现在大家都去卷大模型 ， 往往是个坏事 。
对 。
你不如在产品层面 ， 你哪怕是套壳 ， 当然我特别不喜欢套壳这个词 ， 我觉得一切皆套壳 ， 谁不是壳呢 ？
对 。
对吧 ， 这个 。 所以在产品上， 我们去做更多的尝试 ， 它总是有意义的 。 就像刚才小狼说的 ， 我们总会在这个过程当中发现你的模式 ， 你的需求 ，不然的话你不做永远不会发现的 。
嗯 。
永远要往上走 ， 往更靠近用户的那一侧去走 ， 我觉得才会有意义 。 现在大家都去各个公司都去卷大模型 ，有的是真的在卷 ，有的可能就是一个概念 。
嗯 ， 那这这个地方我觉得有一个有一个那个明浩想问的问题 ， 就所谓的纯的产品叙事是什么嘛 。
嗯 。
因为如果说讲到纯的产品叙事的时候 ， 可能更多讨论的是超级入口 。
超级 。
超级应用 。
大的 。
对 ， 超级大的这个新的 ， 就下一代微信 ， 下一代字节 ， 下一代头条 。
嗯 。
就是我觉得如果我再创业的话 ， 我可能会放弃这个 。
这个故事的叙事方式 。
对对对 。
对对对 ，有可能更多的还是这个实事求是的去每天问自己一遍你在解决什么问题 。 看我们的话题就悄无声息的就 。
就顺下来了 。
就顺下来我们的第三个板块了 。 我们上一个板块更多聊的全都是产品 ， 对吧 ？ 刚才我们说第三个板块会聊行业 。
对 。
产业 ， 包括资本的事情 。 那我其实我在这第一个问题就是刚才小狼这个问题 。 啊 ，其实上一个时代 ， 尤其是中国的移动互联网的这个年代 ， 当然可能也感谢双引号感谢啊 ，是不是真的感谢不知道 。
产业探讨1:08:11
感谢这帮 VC 们做的事情 ， 就是在那个叙事里面 ， 所有人的叙事叫干一票大的 。 嗯 ， 干一票大的 。 嗯 ， 就是这是无论是投资人还是创业者的叙事都是这个样子 。
可是你会发现今天这个时间点因为各种各样的原因 ， 看起来比较难了 。 但反过来讲 ， 今天这个时间点可能是因为 AI 能力的杠杆的加持 ， 你会发现一个个体能量的放大的效应 ， 让类似一人公司或者是一个小而美的生意的可能性跟概率极大的提升了 。
对 ， 所以这个叙事的改变其实也是这一轮 AI 随着技术产品的更新产生的一种新的 ， 你说是创业的趋势也好 ， 还是行业的趋势也好 。
过去几年其实已经有非常多的这种案例出现了 。 啊 ，他可能只是一个产品经理 ，也不会太多的代码 ，但是他找到一个非常小的需求 ，他也不需要一个特别大的故事 ， 把东西做出来 ， 通过各样的推广 ，他就乱起来了 。
就这个事情的门槛跟实现的方式在今天相较于 10 年之前 ， 可能已经是一个巨大的变化了 。 对 。 嗯 ，
你先说 。
呃 ， 我最近几年在研究电商 。
OK。
嗯 ，OK。 因为我在想啊 ， 这年纪大了以后 。
得干点什么 。
得干点什么 ， 对不对 ？ 就是这种老讲大叙事 ， 老讲宏大叙事 ， 非常的不 solid。 然后我就发现电商行业真香啊 。
嗯 ， 就是你手里有个货 ， 然后你对渠道比较了解 ， 你就能去卖 。
有现金流啊 。
对啊 。
能赚起来啊 。 这这个话题应该找刘飞老师来聊聊 。
非常赚 。
问问他的这个失败 。
然后利润也很好 ， 虽然也有价格战的问题啊 ，但是如果你的品不错 ， 哎 ， 然后其实你就能做得很好 。
能非常快的得到反馈 。
对 ， 那在我们软件行业呢 ， 哇 ， 真的就是穷得要死 。 嗯 ， 就是嗯 ， 它的商业模式啊 ， 我觉得一没有那么成立 ， 然后第二个呢 ， 就是这个产业链还是太短了 。
嗯 。
我们的上游下游每个环节玩家不够多 ， 然后你的产业位置可能也有点奇奇怪怪 ， 然后大厂呢又包揽太多 。
是 。
呃 ， 美国呢之所以好 ，是因为它的产业链的长度非常长 ， 每个人都可以在其中做一个小小的东西赚到钱 ， 当然也是因为他们有足够多的这个 500 强 ， 本身就很赚钱啊 ， 赚全世界的钱 。
那回到回到这个话题的时候 ， 我会觉得到了今天的这个这个叙事下， 我们能够做的就是解决一个具体的问题 。
嗯 。
因为我们肉眼可见的是 ， 像电商这样子的基于互联网的诞生了新的商业模式 ， 然后又衍生出了产业链的产业会越来越多 。
嗯 。
嗯 ， 就是中国的产业未来会越来越长 。
嗯 。
产业链会越来越长 ， 然后产业链的位置会越来越好 ，因为对吧 ， 政策什么的也在推 ， 大家慢慢的往上走 ， 然后原先欠缺的很多的什么工业软件的基础啊 ， 这些东西也都也都在补 。
在补 。
对 ，在补 。 如果这些东西都补齐的话 ， 那我觉得未来不管大家是作为一个专家也好 ， 还是做一个小生意也好 ， 你在你熟悉的行业里面都可以有一个小生意 。
我从上海搬到北京 ， 再搬到杭州之后， 我学会了一句话 ， 叫做做生意不丢人。 对 ，因为在上海跟北京的时候 ， 我们更多讨论什么创业啊 ， 干大的 。
干大的 。 尤其北京 。
对 ， 尤其北京啊 ， 那什么中关村 。
对 。
然后搬到杭州之后， 哇 ， 就不一样 ， 你做什么生意啊 ， 今天在哪里发财啊 ， 我觉得哇 。
赚点什么东西 。
对 ， 就是浙江浙商的这个 。
状态还是不一样的 。
对 ， 非常脚踏实地 ， 然后大家就非常 ， 然后问的问题也很具体 。 哎 ， 你今天要做一个什么样的事情 ， 这个事情成本怎么样啊 ， 然后呃 ， 销量怎么样啊 ， 然后能能赚多少钱啊 ，也不用赚大钱 ， 对吧 ， 一家人够就行了 。
可以 。
然后每天生活也很乐呵 。 所以我觉得这是我 ， 对吧 ， 作为一个搬到杭州的创业者的心态的转变 。
理解 。 朱老师 ， 朱老师经历过干几票大的了是吧 ？ 对 ， 干了几票 ， 干了几票 ， 对 ， 干了几票 ，但是也是很累 。
对 ， 呃 ， 这个就不细谈了 ， 大家可以去网上搜去 。 对 ， 这个现在其实我们科技乱炖节目的三个主播平时也会做一些投资的工作 。
是 。
对 ， 甚至我们科技乱炖自己还成立了一个创投工作室 。 投的都是什么呢 ？ 其实都是作坊 。 嗯 。 作坊 。
对 ， 你最好一个人， 不要超过三个人。 你能把一件事情 ， 别管是基于 AI 也好 ， 还是基于什么也好 ， 基于你的能力也好 ， 你能够把这件事情的现金流做起来 。
滚起来 。 是非常非常重要的 。 但是这里有一个点哈 ， 我觉得我不知道在座的有没有想自己做一个作坊的同学哈 ， 这里还仍然会有传统的投资领域的一个问题要拷问大家 ， 就是你的护城河在哪 。
嗯 ， 你如果用 AI 做一个非常薄的东西 ， 我短期看可能是一个非常好的 feature，是吧 ， 我可以去卖 ， 可以去做 ，但是很快你会发现 ， 别管是大模型还是其他人， 就直接把这个能力放进去了 。
嗯 。
对 ， 你就败了 。 所以现在我们找的很多的小的创业者做的基本都是基于他此前的一些能力和积累掏出来的一些东西 。
哦 。
就是一层一层套壳掏出来的东西 ， 比如说最近我们看一个 ， 我不是 。
计划解决方案 。
对 ，其实是一个解决方案 ， 基于他我过往的能力和积累的一个解决方案在行 。 而最近我们找的一个项目是这样 ， 我不知道能不能说 ，不能说我能回头就剪了 。
不能说了 。
对 ， 那就不找 。 对 ，其实找的往往是你在一个领域内有一定的经验能力 ， 我用 AI 去给你赋能 ， 你能把这件事情做得更好 ， 或者你甚至说能够用 AI 给它规模化 。
嗯 。
对 ， 我觉得这才是一个比较漂亮的作坊 。
作坊 。
对 。
对 。
嗯 。 我们又回到了人文话题 ， 对吧 ，不小心的 。 我们再问一个 ， 我想问 ， 我其实我这场论坛最想问于于欣烈老师一个问题 ，因为大家知道于老师在智能汽车行业的经验非常的深 ， 然后刚才我们讲 OpenAI 定义的这个 L1 到 L5 是严格按照自动驾驶的那个 L1 到 L5 去配的 。
很有意思的是 ， 我在经常去做播客的时候 ， 我的播客评论区经常会有一些汽车行业从业者 ， 尤其是自动驾驶从业者 ，他说我们看到这个 L1 到 L5 的这个划分方式 ， 身体感上会有一些不太适应 。
因为上一轮的关于自动驾驶的最热烈的讨论也是在自动驾驶在从经历 L2 到 L3 的阶段 。 那我们今天看上去我们是变成一个新人的 ， 我们以 AI 的角度我们是一个新人， 我们期待 L3、L4、L5 牛逼 AGI 起飞了 ， 对吧 ，但其实在自动驾驶的时候那个年代截止到今天还没有到 ， 对吧 ， 甚至看上去 L3 在经历非常大的瓶颈期 ， 非常非常非常大 。
那我想这个趋势 ， 我觉得您既了解汽车又了解 AI 行业 ， 商业也非常熟悉 ， 怎么看这轮是不是会对比我们这些新进来者的体感会更强烈一些 ？
是这样 ，在汽车行业啊 ，其实特别是智能驾驶的从业者是非常痛恨这个 SIE， 这个它的分级的 ，因为它分分的非常的机械 。
对 。
不符合用户场景 ，但是大家又扔不掉这个东西 ，因为它是一个易于跟市场跟用户来沟通的一个很容易达成共识的一个被压缩的概念 。
那所以到今天依然延续到说会我说做 L3 啊 ， 做 L4 啊 ， 这个它是一个大家能够有共识能够沟通的方式 。
那么刚才谈到 OpenAI 这个分级啊 ， 它的 L3 实际上就是 Agent 嘛 。
对 。
Agent 如果按它的标准定义来看 ， 刚才我们谈到它其实有几个特点 ， 一个特点是自主的 ， 就是全自动的来完成 。
那另一个特点是它可持续的调用工具 。 那从这点来看 ，其实在回到智能驾驶它的分级 ，在辅助驾驶那阶段 ， 实际上它是达不到 OpenAI L3 这个阶段的 。
嗯 。
就是它要是人人和车共驾 ， 就是 Copilot。
对 。
它是不是 Autopilot。
是 。
那么只有从 L 智能驾驶的 L3 开始 ， 它才开始符合 OpenAI 的 L3 阶段的这个定义 ， 它是自动的 。 换句话说 ，因为 L3 对 L3 大家很很容易模糊 ， 就觉得是不是这个搞不清楚 。
那换句话说 ， 自动驾驶的 L4 也是属于 OpenAI 的 L3。
嗯 。
就是真正能够它全自动的来完成 ， 替你完成驾驶这个工作 ， 你不用去全程参与了 ， 你去跟它沟通就可以了 。
那这个就是在智能驾驶上相互的一个对应关系 。 但另外呢 ，其实因为技术的原因 ，以及政策法规的原因 ，以及责权要要要区分的这个原因 ， 就是这个真是发生了事故算谁的 ， 对吧 ， 这经常用户会问厂商的一个问题 。
那所以在 L3 以及后续的所谓自动驾驶的落地上， 一直非常难 。 那今年有望华为在中国会率先实现有条件的自动驾驶 L3， 那它只局限在于高速的场景 ， 它不做市区 。
以及我国最近发布了智能驾驶的这管理新规 ，以后大家不能叫智能智能驾驶了 ，也不能叫自动驾驶 ， 连著名的特斯拉 FSE 在中国都改名了 ，不允许你叫全自动驾驶 ， 大家都统一叫辅助驾驶 。
嗯 。
只有华为遥遥领先 ，在 。
遥遥领先 。
中国可以使用智能辅助驾驶以及有条件的自动驾驶这样的产品名称 ，以及配合它 ， 今年中国有可能会颁布 L3 相应的管理的法规 ，在中国开始落地有条件的自动驾驶 。
嗯 。
就是这是在中国的叙事 。 那我们是一个逐逐渐演进的一个过程 ， 大家其实还是从乘用车市场的角度来出发 ， 对吧 ， 我买辆车 ， 它支架怎么样啊 ，是不是第一梯队啊 ， 能实现 L3 吗 ， 我们会问这样的问题 。在美国不一样 ， 美国接下来下一步没有 L3， 就基本上就是 L4 了 ， 就是所谓的无监督的 FSD， 就是特斯拉 。
特斯拉不仅在它的个体的乘用车上可以实现这样的宣称要实现这样的功能 ，以及在今年就要落地它的 Robotaxi， 它要把这个 L4 变成它真的出行服务 ， 这也是它它的整个市值变化很大的一个原因啊 。
今年大概五六月份就会在奥斯汀开始落地 。 它采用技术方案甚至跟中国不一样 ， 这是非常有意思的一个情况 。
以前我们是某着特斯拉的技术路线来跟进的 ， 就是中国做提家 ， 对吧 ， 只要它路线清楚了 ， 我们分分钟都会赶上， 甚至做的可能产品体验比它还好 ， 技术先进性可能不如它 ，但是在产品体验上我们甚至做的比它更好 。
但是在今天 ， 特斯拉已经不对外公布它的智能驾驶路线了 ， 再也不开 AI day 了 ， 我不告诉你我做的是什么 ， 完全沙盒 。
那下一步我们其实中国的路线就是刚才我们谈到的 VLA，不论是像理想汽车啊 ， 小鹏啊 ，他们判断自己下来下一步怎么能够实现 L3 以及 L4， 就是要通过 VLA 的这样的方式才能够实现 。
传统的以前 ， 比如像端到端加 VRM， 为什么做不了 ， 就是因为这个 VRM 就是 Vision Language Model 嘛 ， 它其实是一个很低效的手段 ， 就是以前我是视觉跟这个视觉跟语言之间没法沟通 ， 我要把它我看到的路牌 ， 比如说前方右转几点到几点 ， 我通过视觉识别出来 ， 通过转化成自然语言 ， 再告诉那个 VA 那个模型 ， 就是它的效率非常低 ，在车上不是很难接受
的 ， 一个是时延的问题 ， 一个是它的准确度的问题 。 那么现在 VLA 是把 Vision Language Action 就都给你转一块了 ， 都放在一起 ， 你们自己拉一群自己聊吧 ，在这个内部就实现了 ，不用说两个模型之间来进行对话沟通 。
所以现在基本上中国采用这个路线 ， 那未来这个路线能不能真正实现所谓的 L4， 大家都不知道 。
那今年就要看美国那边能不能实现真正的 L4 落地了 。
听起来是一个边缘的方案 。
对 ， 就是包括理想前两天谈了一个 Atalk， 它也它自己也说啊 ， 就是 VLA 它觉得不是一个非常高效的一个方案 。
是 ，是现是现实情况下接受的 。
但是是当下可以 。
对 ， 可接受 。
没错的一个方案 。
对 。
因为大家不能停滞不前 。
是 。
对 ， 就是它必须要找一个路接着往前走 ， 这个确实是长久以来我们可能真的跟特斯拉要走不同的路线了 。
是是是 。
那于老师就是街上跑的那个无人的快递车 ， 它算是到 L3、L4 了吗 ？
快递 ， 就是那萝卜快跑那类的吗 ？
不是 ， 就是拉快递那种 。
拉快递的小孩 。
那好像背后有人遥控吧 。
没什么人。
它它有很多 ， 就包括像我们酒店给你送的小机器人， 你让开我要进电梯了 ， 这个基本上这种它都不是真正的 ， 它是有这个规划规则的 。
哦 ， 就是路径路径追随的 。
对对对 。
就跟工厂的那些车似的 。
OK。
我们还有 10 分钟的时间 ， 我们聊一些更大的话题 。 嗯 ， 咱也咱也可以给听众留点时间是吧 ？ 对 ， 聊聊我一个提纲上我们最后话题 ， 然后留几个这个问题的时间 。
最后一个话题其实是 。
你这样 ， 我给你调整一下 。
也行 ， 那你来 。
你你最后一个大的话题告诉大家钱在哪 。
啊 ， 对 ， 就就就我就想问这个 。
就就这个 ， 你就总结一下大钱在哪 。
对对 ， 就是基基本上这个话题是这样的 ， 就是呃 ， 从 22 年底到 24 年底吧 ， 呃 ， 两年时间里面 ， 大家如果炒美股的话 ， 最简单的策略就是买英伟达嘛 。
嗯 。
那这个是建立在一个巨大的共识跟巨大的这个这个企业之上的 。 但是当呃 ， 比如说 DeepSeek 出现之后， 大家会担心呃 ， 基于算力芯片的这个叙事在 AI 这一轮去到了巨大的挑战 。
当然有反方的观点会说 ， 就跟那个当年梅塔那个贾维斯的理论一样 ， 就是当一个东西成本变低 ， 它会带来这个行业的爆发 ， 反过来讲它会刺激这个行业 ， 就跟这轮 AI 的探讨一样 ， 呃 ，Agent 的探讨一样 ，Agent 它对于算力的消耗远大于 ChatGPT 可能是几千倍 。
那这个事情上的争议跟天平的左右似乎就决定了 NVIDIA 未来的走势 。 所以昨天昨天我们另外一场纯聊人文的时候 ，有一位观众问的问题就是 NVIDIA 还能买吗 ？
嗯 。
对吧 ？
有结论吗 ？
我我没结论 ， 我又不会炒股 ， 对吧 ？
嗯 。
几位嘉宾怎么看 ？ 或者说我们不不考虑股价 ， 就是这个叙事本身 ， 比如大家相信哪一边或者倾向于哪一边 ？
你们先看这问题啊 ， 我从一个细节入手 。 刚才你谈到这个规模效应啊 ， 它未来的需求增加 ， 呃 ， 成本下降可能会获得更多的芯片的需求 ， 我觉得这个逻辑是没问题的 。
但是这个问题在于 ， 那个需求是不是能够落在 NVIDIA 身上 ？ 因为随着比如说像 DeepSeek 这样的模型的出现 ， 大家会看到训练的需求对芯片的需求相对放缓了 。
大家其实在这个后训练 ， 就是推理这方面的需求是为以后增长的主要的需求 。
嗯 。
那么在推理芯片上面 ，是不是 NVIDIA 还能像今天一样完全垄断市场 ？ 不一定 。 这就牵扯到一个问题 ， 就是关于 NVIDIA 的股价 ， 我觉得一个大的问题是大家非黑即白 ， 就要不这公司就垮了 。
要不谁赢 ？
大家就别买了 ， 要不然它就是原地起飞 ， 一定是垄断市场 ，在这个中间手状态的 。 它只不过之前大家对它的期望太高了 ，因为整个市场都是它掌握的 ， 几乎几乎是垄断的 。
那么它的这个整个的 PPT 倍数啊 ， 市场对它的期望增长啊 ，其实非常高的 。 那么以后它可能不会像之前那么高速的增长了 ，但是它仍然是一个市场上最大的玩家 ， 它可能是一个中间的状态 。
那么如何来评估 NVIDIA 股票股价 ， 是一个更倾向于投资科学的一个问题了 ，不是一个非黑即白说 NVIDIA 要不行要不不行 ， 就投资不是这样来看的 。
所以 NVIDIA 仍然是一个很重要的玩家 ，但是市场会发生变化的 ，以及之前给它估值是不是太高了 ， 我觉得这是可以讨论的 ，而不是说它它就不行了 。
嗯 。
不想讨论也可以 ，也可以找 。 主要是证监 ， 我没有证监会的牌照 ，不能推荐股票 。 对 ， 纯个人意见也没关系 。
对 。
那就大家比如说针对手里用户这个观众的问题 ， 我们挑几个差不多就 。
NVIDIA 我再补充一点啊 ， 关于汽车上的 ， 就是这届在支架芯片 ， 大家都知道算力要求非常高嘛 ， 特斯拉是自研芯片 ， 今年 NVIDIA 应该推出索尔芯片 Sol， 它的一系列芯片 ，但是因为它的 Blackwell 的架构问题 ，不断的推迟它的芯片的上市 ， 发布上车 ，以至于造成了我们中国很多新车型的今年的发布要延后 ，以及它的新上的芯片只能提供低算力的 ， 大家叫索尔 U。
嗯 。
它的最高 1000T 的算力 ， 现在一个是成本非常高 ， 一个是它整个的能够上车的这个这个测试啊等等没有真正的完成 。
所以今年它对中国的智能驾驶上影响是非常大的 ，以及目前各个公司都开始自研芯片了 ，不论是考虑到地缘政治的原因 ， 还是因为成本的原因 ， 还是因为技术的原因 ，不论是像魏小李 ， 对吧 ， 华为就不说了 。
嗯 。
魏小李其实都在自研芯片 ， 蔚来已经上车了 ，1T9 已经发布了 。 那小鹏今年 Q2 会上它的图灵芯片 ，也会随着新车一起来上车发布 。
理想应该在明年发布它的舒马赫的芯片 ， 大家都在自研芯片 ， 就是以后这是在中国市场非常大的英伟达的买家 ， 蔚来曾经是英伟达在中国第一大的买家 。
那么随着自研芯片 ， 它支架芯片在中国的市场份额会逐渐的下降 。 当然大家要明白明确一点 ， 就是支架芯片对英伟达的收入占比非常低的 。
对 ， 贡献很小 。
没多少 ， 没多少 。 就虽然这块业务它可能哪怕说它放弃了 ， 它 AI 芯片那边还是非常非常赚钱的 。
所以应该去买台积电 。 听懂了吗 ？ 好 ， 这个朱老师要不挑个问题 ？
挑个问题吧 ， 这个问题肯定是问我 。 能介绍一下为狂喜做的 AI agent 吗 ？ 做什么怎么做的效果 ？
对 ，其实它就是用 Cozda 的一个知识库系统 ， 我就把那个狂喜播客节的那个 。
课表 。
呃 ， 课表导进去的 。 但是这里有一个问题 ， 我为什么想聊这个话题 ， 实现很简单 ，但是在这个过程当中， 我会发现 AI 落地的一个现在巨大的普遍性的问题 ， 就是所有的我们的资料都没有为 AI 去做友好的设计 。
是的是的 。
大家打开手里那个课表 ， 你看它那个排版的结构 ， 它根本就不易不利于用 AI 去理解 ， 它不是一个结构化的 。
所以我首先要把它扔给一个大模型 ， 让它重新给我排一个 CSV 或者 JSON 格式的东西出来 ， 然后我再给到知识库系统里 。
包括大家可能从那个 AI agent 里面查不到嘉宾的信息啊 ， 资料 ， 包括这次活动的资料 ， 为什么 ？ 因为关老师给我的这个所有的资料都是一张一张的图片 。
哈哈哈 。
我至今还没要来 word 版啊 ， 估计结束了之后能要了 。 对 ， 所以这个就是现在 AI 落地的一个问题 ， 就是我们人原来准备给人类来读的东西 ，是不是适应了 AI 的理解和阅读的习惯 。
这是一个挺有意思的问题 。
是的是的 。
对 。
是的 。
我觉得 AI 要成长一下， 它应该意识到人类社会的数据就是这么脏 。
嗯 ，但是它要有过程嘛 ， 就是我们如果要马上就要用它来解决问题 ， 那就是要 。
这这也是给到数据库 。
对 。
数据库层面的一个挑战 。
是 。 想要不挑一个 ？
我这有一个中美 AI 水平差距多大的问题 。
我去 ， 好大的命题啊 ， 再聊一个小时 。
哈哈哈 。 怎么说呢 ， 我感觉就那样吧 。 它其实不是 AI 技术本身的差距是怎么样 ， 它更多的是全产业链的问题 。AI 是一个泛话题 ， 嗯 ， 它向上向下有很多层 ， 然后美国呢 ， 它有它现在成熟的这个软件和 SaaS 的商业模式 ， 中国呢 ，也有中国这个可以弯道超车的这个评级的土壤 。
对 。
所以呃 ， 未来的这个结果是是怎么样呢 ，也不好说 ，但是能够看到的是 ， 就是我在嗯 ， 对 ， 我能够在政策层面看到很多想要在这个 AI 这个方向上面大搞特搞的一些利好吧 。
嗯 ， 然后我觉得以大家过去看的这个经验 ， 如果说政策上想要大搞特搞 ， 很难有失败的 。
基本都大力会出奇迹 。
对 ， 大力会出奇迹的 。 我现在我现在觉得大力会出奇迹 。 嗯 。
OK。
然后再加上如果 AI 真的是要往就是业务层面走 ， 再加上什么一带一路这些大的政策 ， 然后又能有新的场景 ， 又能有这个 ， 对吧 ， 沙特这个所有的 IT 都要重新搞 ， 那我们拿 AI 给它重新做一个 ， 那这不要太好啊 。
所以就是评级的土壤更容易长出下一代的花 。 啊 ， 然后对于中国的用户来讲 ， 我觉得大家的这个灵活度啊 ， 要比美国那帮 stubborn 的这个 。
好太多 。
要好太多了 。 就大家对新技术的这个接受程度 ， 然后对新的东西的这个呃 ， 拥抱的这个状况要好很多 。
所以我我觉得整体看肯定是向好的 。
Agent建议1:29:33
好 ， 我这边提高一个问题 ， 我们作为最后一个问题就结束了 。 我觉得这个问题问的特别好 ， 这个问题问的特别特别特别的细节 。他说 agent 这个词是否还合适出现在 ， 比如他是一个做营销 ，他说是否出现在合适出现在我们在做产品 branding 跟推广的过程中 ，以及 agent 这个词是否适合出现在我创业做融资的 PPT 里 。
我的答案是不适合 。 哼哼 ， 我们今天讨论的话题 AI agent 年这么多的内容 ， 就让它封装在这个会议室里就好了 。
好吧 ， 这个再举一个更小的例子 ，是我 PPT 里呃 ， 之前那个我的播客里提到过的 。 前几天国内的 AI 大模型头部公司智谱发布了一个他们新的产品 ， 这个产品叫 Auto GLM 沉思版 ， 这是一个类似 deep research 的 AI agent 产品 。
听懂这句话了吗 ？ 听懂人举个手好吗 ？ 没什么人听得懂 ， 对吗 ？ 因为这个这个句话里你听 ， 这这这是它官方的新闻稿 ， 官方的哦 。
我再重复一遍 ， 它发布了一个产品叫 Auto GLM 沉思版 ， 这是一个类似 deep research 的 AI agent 产品 。 听懂了啊 ， 这个可能就是代表了当下这个时间点的状态 ， 无数的这些关键词跟用户之间无限的割裂 。
对 。 产品跟技术之间无限的割裂 。 嗯 ， 公司的市场营销公关团队跟产研团队互道 SB。 嗯 ， 没错 ， 听懂了吗 ？
所以 。
一个非常实操的建议 。
少说两句吧 。
啊 ，PR 团 PR 就用在市场层面的 PR， 一定不是你的产品定位 。
对 。
嗯 ， 这是两件事情 。
好 ， 这个正好就我还是那个刚才那句话 ， 让我们把今天的这些话题 ， 这些跟日常生活没有任何太多关系的话题 ， 仅仅封存在这个四号厅里 。
好 ， 谢谢大家 ， 我们这场结束到这里 。 嗯
。