# 为什么我们对 25 年 AI 极度乐观｜AI 年终复盘 42章经 · 2025-01-04 · 32 min · https://www.xiaoyuzhoufm.com/episode/6777d48a15a5fd520ecd1ea6?utm_source=rss ## 逐字稿 曲凯 There's something there. 你要是问我怎么看明年 AI 市场，我的回答就是：极度乐观。我对当下的 AI 市场和明年的发展都非常非常乐观，明年肯定是个 AI 大年。 我发现现在市场太悲观了，所以我拖延了好多天，但我最后决定一定要做一期这个年终总结，就是这个原因：想给大家讲清楚，我们到底看到了市场里的什么东西。 那我们先切入主题，看一下过去这两年的 AI 发生了些什么。 ### The AI Rush Meets Reality 2023 年，AI 来了，然后很多互联网人和美元基金就直接冲了，对吧？因为不管从什么角度，这波 AI 都跟大家熟悉的互联网那波机会太像了。而且，天下其实已经苦互联网人久矣。从 2015 年以后，其实大机会就不多了；2018 年以后，几乎没有。 我记得过去两年涨起来、达到千万日活的互联网产品，大概也就是包括番茄小说在内的极少数几个。互联网人发现，哎，我好不容易练成了一身武功绝学，江湖没了，那怎么办呢？这怎么能忍？ 然后市场呢，跟大家一起做了个判断：AI 是不是大机会？那肯定是什么量级先不说，它有可能是对标电、对标互联网、对标云什么的，我们先不管，对吧？那肯定是个大机会。 然后呢，大家又做了一个判断，就是 AI 肯定还在早期。所以很多人就有个结论：做 AI 要先去投有技术背景的人。于是，像清华的各种教授都被 VC 找了一遍。2023 年最多的钱，肯定都流向了大模型公司，很少量的钱流向了做中间层和做应用的公司。 其实我们一直在呼吁大家，应该多把钱放在应用里面，但最后很遗憾，并不是这样的。 2023 年的时候，假设你是从 OpenAI 出来的人，那你就像是从神坛上下来的人一样。大家去美国学习，也都是千方百计想约个 OpenAI 的人聊聊。 那冲的结果怎么样？我们就自然而然地来到了 2024 年。 2024 年我觉得不能作为一个整体来看，要分成两个部分：第一个部分是 2024 年 9 月前，第二个部分是 2024 年 9 月后。为什么？因为 9 月前的市场基本就是一潭死水。 我现在几乎可以断言，2024 年上半年，整个一级市场，尤其是美元基金的一级市场，就是过去十年、甚至二十年，以及未来几年一级市场的最底部，这一定是最差的时候了。尤其是新创业公司的融资，几乎归零。 可能会有一些老公司拿到后续融资，但新公司就真的是几乎没有拿到融资的。 在这个期间呢，同时还发生了几个事情。比如那几家大模型公司，大家总说的“六小虎”“七小虎”什么的，渐渐从热点顶端开始退温了。 我们刚才拿 OpenAI 的人举例。如果一个 OpenAI 的人是 2023 年出来的，那可能刚开始的时候估值能到几千万美元；到 2024 年的时候，可能甚至不会有人去投了。 一直到最近，大家在国内外得到一个结论：Pre-training 好像没用了，那大家也都不太做了，尤其是国内，大家都去搞 Post-training 了。 如果你说你是在 OpenAI 做 Pre-training 的人，价值就更小了，可能现在要在国内跳槽找工作，性价比都没那么高。 那这个时候，如果一个机构仍然要出手，怎么办？ 我们就发现，2024 年的钱去了两个方向，其中最主要的就是具身智能。如果说 2023 年 AI 创业投资的关键词是大模型，那 2024 年的关键词就肯定是具身智能。 这个过程中，也有一些没有那么坚信具身智能的机构，同时兼顾了第二个方向，就是 AI 硬件或者消费电子的投资。 同期来看，我们看一下 2023 年出来的那些创始人怎么样了。 先说大模型。大模型其实大家已经讨论非常多了，不去再多聊那些八卦之类的，我觉得意义也不大。 总之，现在模型的发展趋势是非常符合我们自己 2023 年初判断的。比如说，大模型最终是 Commodity，对吧？它成为一种商业化的基础设施。 再比如说，大模型开源的进展速度其实仍然超过闭源。实际应用落地的时候，市场和公司其实都偏向于多模型混合的方案，而不是单一模型通吃。它可能会用好几个模型，应用在不同的场景；也可能自己有一个自己训练的小模型之类的。 最后，我们一直以来的判断就是，技术永远是为了解决问题而存在的，所以好的产品永远大于一切。你永远只是说“我技术领先”，可能用处没有那么大。 那 2023 年出来的那些做应用产品的创业公司，状态又怎么样呢？ 前两个月我们也计算了一下，当下市场当中，大概有 20 到 30 家应用类公司的估值超过了 5,000 万美元。当然，这里的“超过”也不会高太多，可能大多数就是 5,000 万美元，少数可能能摸到 1 亿美元左右。 所有应用公司的 ARR，也就是年收入，情况怎么样呢？首先，大多数为 0。因为不得不承认，大多数公司还在打磨、没有上线，或者刚上线、正在找 PMF 的阶段。 少数找到了 PMF 的，能达到 100 万美元 ARR。极少数头部项目，现在达到了一千万美元左右的 ARR。最 top 的可能能到 3,000 万到 5,000 万美元。这个大概就是整个国内外应用市场收入的情况。 所以我觉得可以得到一个结论：我们所有人在 2023 年的时候，都对于 AI 过于乐观了，以至于 2024 年市场给的这些反馈比较负面，又让大家过于悲观。 包括我们最近看到很多人在讨论、总结当下市场的时候，其实都是一个比较悲观的基调。有的人直接就说悲观，有的人讨论半天，但其实他心里是悲观的。 但我们真的是不一样。我们真的是对当下和未来 AI 市场都极度乐观。 ### The Market Starts Recovering 这就要从 2024 年 9 月后说起。9 月后，我们发现市场发生了几个核心变化。 第一，融资市场明显复苏。有很多高估值的初创企业出现。这可能来自一些机构：它年底要冲 KPI，或者明年有一个募资规划，所以今年到明年要多投，这些都是可能的原因。 另外一个原因呢，就是我们确实发现，各种模态模型的能力在默默加强。比如图片生成的能力，其实在某种维度上早就超过人类了。 语音和歌曲生成的能力，如果你看了最近 Suno 新出的一些歌曲制作的东西，包括其他一些语音类的产品，我相信你会跟我一样得到一个结论：语音和歌曲模型的能力也基本超过人类了。 然后视频和 3D 模型的进展速度，远超大家预期。我记得 2023 年的时候，大家还在讨论：视频模型可能还得要两三年，3D 模型可能还要更久。 但过去一年里面，视频模型的发展速度非常快。而且这里面核心主流的玩家，也有非常多国内的玩家，比如可灵、MiniMax 的海螺、字节跳动推出的视频模型等等。还有很多创业公司的视频模型，其实在国际上也都处于比较领先的位置。 我们可以说，现在视频生成和 3D 生成，大概接近 GPT-3 当年的水平。如果是这样的话，2025 年大概可能能达到 GPT-3 到 GPT-3.5 的水平，那其实基本就是可用的一个状态。 最后，大语言模型本身的进展速度反而低于市场预期。大家都期待 GPT-5 或 GPT-4.5 能抓紧出来，但最后实际上并没有。 但是我们同时要看到，虽然它大的发展低于预期，但它不断在做增加性能和降本的工作。所以其实现在很多应用已经到了一个可用的临界点。 之前大家觉得 Token 费用太高，或者模型的能力没有那么强，总差那么一点；现在在很多领域其实已经够了。 另外，今年以 OpenAI 为首推出了 o1 这样的推理模型。可能很多人觉得 o1 使用起来就那样，但它其实真正让 Agent 的落地变得可实现了。 最后一个点，就是这几个月新发生的市场变化里面，可能大多数人最容易忽略、但我们的感知特别明显的一个点：创始人的画像发生了明显变化。 在 2024 年年中及以前，AI 创始人基本都是从互联网这些传统行业转型出来的。但最近几个月，我们看到了大量这种我们称之为“AI 创二代”的人出现。 比如大模型公司出来的人、大厂 AI 业务负责人出来的人，甚至也有一些中小型 AI 创业公司的联合创始人、高管出来再次创业。 这些人对 AI 的理解、认知，以及他们讲的要做的方向和故事，都给人耳目一新的感觉，可能跟之前是非常不一样的。 所以我们是切身体会到了，整个 AI 市场从底层技术、从业者的质量，再到资本环境等，全都在进步。而且这个进步毫无疑问会继续延续到 2025 年，这就是我们乐观的核心原因。 当然，我知道有很多人可能担心美元基金、宏观经济，包括地缘政治等问题。但我自己一直坚信，最终决定市场的是资产本身的价值。供给总归会有波动，资金会流向那些能让它赚钱的地方。 只要你的资产做得足够好，一切问题都是能解决的。所以我觉得长期来看，这波 AI 没有什么太大的问题。 ### Applications Become the Main Bet 讲完过去，我们再来看一看 2025 年 AI 会往什么方向走，都有哪些机会。 首先，大的市场环境我们相信会进一步变好。但这个变好的表现形式大家要注意：它不是当年“万众创业”或者火热市场回归的那种变好，而是更加两极分化。 从资本方向来说，现在已经分成了美元基金和人民币基金。国内目前一级市场其实明确了两条路：一条是出海，一条是国产替代、硬科技、卡脖子等。前者偏美元，后者偏人民币。 从创业融资来讲，机构会更倾向于把钱投给背景非常好的人，并且愿意给到更高的估值，而不是以低估值撒很多小项目。 从 2023 年开始，很长一段时间我们看到的创业公司第一轮估值，大概平均在 5,000 万人民币上下。然后这两个月，我们看到了很多一上来就是 2,000 万到 3,000 万美元估值的项目，甚至也有几个市场里在传的、5,000 万美元左右的第一轮估值。 所以，单个项目的估值是在涨的，但并不是说数量涨了非常多。现在不存在一种情况：我背景不太好，这个事情也没有准备得那么好，但我愿意接受一个低估值，用低估值来换投资。这个事情仍然是不太成立的。 所以这里想提一个建议：如果现在在听我播客的人还没有进入 AI 这个圈子，你又对自己的能力和积累有一定信心，那当下可能仍然不是选择创业的最好时机。 现在最好的选择是什么？你可以选择加入另外一家 AI 创业公司，或者去某个大厂内部负责 AI 业务，先进行一些积累和学习。当你在这段经历里面做出一定成绩，然后再考虑创业，可能是一个更好的选择。 第二点，像我们之前说的，2023 年市场的关键词是大模型，2024 年的关键词是具身智能，那 2025 年的关键词会是什么？ 我觉得一定是应用落地。这里面包括软件应用，以及一些 AI 硬件应用的落地。除此之外好像也没什么了。大模型大家也投完了，具身智能也投得差不多了，那就是得投应用落地了。 而且这现在好像已经变成中美市场以及一二级市场的共识：大家 2025 年都想去找那种真正能落地的资产标的。 从具体落地角度来看，过去两年大家探索出来的一个最共识、也是目前最能落地的方向，就是生产力工具类产品。 其实它大概是过去一年火起来的一个概念。有人叫它 Prosumer，或者叫 Pro-C 人群，也可以说是“小 B 大 C”的这么一群人。比如专业的视频创作者、歌曲创作者、保险经纪人、券商从业者，甚至也包括 AI Coding 的工程师群体等。 这里的核心原因是什么呢？为什么最后卡出来这么一个人群？ 首先，过去 5 到 10 年，国内市场似乎验证出一条结论：国内的 To 大 B 市场好像不行，做不起来。 这里面的原因当然有很多，但核心的几条，我理解就是：国内人均 GDP 低，人的成本低，所以用软件去替换人，好像意义没有那么大。 然后，产业结构和美国不同。美国头部企业都是私企，国内很多头部企业是国企。最后，很多利润其实是被大量渠道赚走了。 当然这里面也会涉及账期、定制化、私有化等问题。 大 B 不行，那纯 C 行不行？好像也不行。 这里最核心的一个原因是什么？就是国内 C 端的付费意愿和能力都比较低。AI 又是一上来就产生 Token 成本的事情，所以之前互联网时代那种“我先免费拉用户、先亏钱，然后未来再靠广告赚钱”的路径，好像就行不太通。 所以最终大家就卡出来这么一个“小 B 大 C”的概念，也就是生产力工具。因为这个人群兼具 C 端的用户和传播属性，也有一定类似 B 端的付费能力。 这个概念在 2025 年，我们相信仍然会是一个偏主流的方向。我也相信，明年我们可能会看到一批达到千万美元 ARR 的这类创业公司出现。 除此之外，2025 年我们最看好的两个方向是 Agent 和多模态。Agent 大家提得很多，但我个人其实认为，多模态的潜力更大。 我们分别讲一下，先讲 Agent。 ### Agents Challenge the SaaS Model Agent 其实从去年就开始火，但直到最近推理模型能力提升，才真正解锁了它的可行性。 未来，各种专业人群、垂直领域都可能有 Agent 的机会。而且现在有很多人认为，Agent 会是对传统 SaaS 的一次迭代更新，市场价值可能会是 SaaS 的 10 倍。 因为本质上，SaaS 提供的是软件服务，而 Agent 提供的是软件服务加人力的一整套打包解决方案。 你可以想象，SaaS 是我提供一个软件给你公司的员工去使用；但 Agent 自己具备一定的智力，所以它是软件加 Agent 来执行，它可以替代整个部门，甚至。 这里也有个核心问题：不管你是做一级投资、二级投资，还是做职业选择，都会遇到一个问题——Agent 到底是大厂和现存玩家的机会，还是新创业公司的机会？ 如果 Agent 是对 SaaS 的更新迭代，那会不会是现有的 SaaS 公司直接加上一些 Agent 能力，做一个新产品就可以？ 为了回答这个问题，我去研究了 SaaS 当年是如何取代传统软件公司的，也就是为什么传统软件公司当年没有成功转型成 SaaS。 我发现答案有几个。 第一，将现有的本地化软件迁移到云端，还是有一点技术门槛的，而且成本挺高。 第二，SaaS 公司更用户导向、更产品导向，因为它需要持续交付；而传统软件公司更多是强销售、一次性销售。 最后一点也是最重要的，就是两者在商业模式上有本质区别。 传统软件是开发完成后一次性付费，比如一年几百万的费用；而 SaaS 公司是少量多次的订阅制收费。 你可以想象，传统软件公司可能是重渠道、重线下、长周期。他不知道要开多少次会、吃多少次饭，最后敲定一个几百万、上千万的大单。 与此同时，SaaS 公司可能有一个刚毕业的学生，坐在办公室里，跟客户约了个视频会，说：“你看，我们这个线上可以直接开通，一个月只要 500 块钱每个人，功能可能跟你们花几百万买的一样，那你要不要？” 所以，SaaS 公司和传统软件公司，从开发模式、销售模式，到组织结构、人员管理等，都有本质区别。 这个区别决定了传统公司要转型是很难的，最后可能还不如重来，或者去做一些收购。 那我们再来看 AI 公司和 SaaS 公司，在这个点上相比如何呢？ 从技术门槛上来看，AI 的技术门槛和变化，可能没有之前那么剧烈。但开发模式一定需要根据 AI 时代重新变化。 从销售模式和商业化上来说，这里可能会有一个跟之前类似的核心变化：如果未来 AI 真的能做到按结果付费，而不是按订阅付费，那可能就会是对现有 SaaS 公司和模式的颠覆式变化。 我现在可以卖一个 SaaS 软件给客户，说：“这个能帮你让比如 100 个销售人员提效。”客户买了、试了，但最后结果到底怎么样、使用深度到底怎么样，我相信现有的 SaaS 表现不一定那么好。 但如果有一家 AI Agent 公司出来说：“你拿去用，最后看它帮你省了多少钱，再分给我其中的百分之多少。” 如果最后 AI Agent 真能实现这个效果，那我就会倾向于认为，Agent 仍然是新公司的机会。因为像我们刚才比较的，一个传统公司，包括现在的 SaaS 公司，要彻底变革成一个新的商业模式太难了。随之而来的销售人员管理、组织模式等，可能都会发生剧烈变化。 在 SaaS 时代，销售的作用其实已经弱化了。我们会听到很多 SaaS 公司拥有成百上千人的电销团队。所以后来 SaaS 又有了 PLG 的说法，也就是通过产品本身的功能和口碑来吸引用户，然后再去做商业转化。 但如果 Agent 最后真的按结果付费，那似乎大多数公司就不再需要销售了，对吧？我可能做做 SEO、做做营销就够了。 因为你想，如果我是客户，反正你按结果付费，那有多少我都去试一下。最后谁做得好，我就保留谁就好了。 除此之外，还有两个问题是当下所有 SaaS 公司都会遇到的。 一个是客户觉得 SaaS 软件的定制化太差，都是通用功能。另一个是 SaaS 软件太多，数据又无法打通。 这两个问题其实都非常适合用 AI、Bot、Agent 这些概念来解决。 所以未来有没有可能，一个公司使用一个打通的 Bot 平台，上面有 N 个 Agent 互相协同，就足够了？ 上面是我们基于商业逻辑的分析。但虽然分析了这么多，我最后始终认为，最终最重要的还是人和组织的问题。 你可以想象，大多数传统软件开发者可能是一个背着公文包的中年人形象。你不会觉得他们懂互联网，也不觉得他们能转型成功。 SaaS 创始人中，有大量拥有很深行业 Know-how 的人，他们当然也懂互联网。但这里面有多少人能够快速转型到 AI，这个不确定，对吧？ 我相信他们可能会犹豫一年，自己内部先试验一段时间，然后再从外面招个人做一段时间。中间万一发现这个人不行，可能还要再换。 但这些时间成本，其实已经完全足够一家创业公司跑起来了。 所以最终，我认为市场上创业者的平均基准线能力，决定了新玩家的机会有多大。 我相信，比如说 20 年前，这个基准线肯定是不及格的，所以有大量互联网人出来颠覆的机会。 10 年前，可能是刚及格，所以大家仍然会问：“你这个事情腾讯做怎么办？百度做怎么办？”但最后还是会出现大量创业公司的机会。 而在今天，我觉得在 To C 领域，这个基准线可能已经非常高了。比如说，你不会觉得今年的张一鸣和 10 年前的张一鸣有本质区别，也不会觉得他落伍了，实际上他应该是更强了。 但 To B 领域，我觉得这个基准线还没有达到 To C 那么高。尤其是国内的 To B 和 SaaS，跟海外一些国家的水平比起来，也还有待进步。 所以我觉得，To B 领域里面仍然有大量新公司的机会。 作为结论，我觉得 2025 年的 Agent，第一，主要会在 To B 领域落地。我们一会儿会提一下 To C，但它主要会在 To B 领域落地。 第二，一些存量 SaaS 公司会基于已有渠道，先快速利用 AI 概念攻占一些市场。这个我们已经看到了。 比如一家 SaaS 公司，之前本来一年有几亿的收入，还有一堆渠道。它说：“我现在推出一个 AI 产品，然后利用已有渠道，很快一年卖个几千万，行不行？” 肯定可以。所以，传统的、有渠道的 SaaS 公司会利用 AI 的概念，先见到收入。 第三，就是我们刚才讲的，更多主打新商业模式的 Agent 创业公司会开始冒头，并且在未来持续反攻现存的 SaaS 企业。 ### Search Evolves Into Action 讨论完 To B Agent，我们再提一个容易被大家忽视的问题。 我们以 Perplexity 这家公司为例。大家提到 AI，就会想到几个最大的场景和代表公司。典型的两个，一个是陪聊的 Character.AI，最后卖给了 Google；另一个是现在估值接近百亿美元、代表搜索的 Perplexity。 但如果我说，Perplexity 实际上是一家 Agent 公司，你会怎么想？ Perplexity 的创始人前阵子在斯坦福做了一个对谈。主持人问他：“你觉得你这家公司最终如何成为一家伟大的公司？” 他的回答是什么呢？他说：“如果我们能够帮助人们找到所有问题的答案，并帮助他们完成所有任务，我们肯定能跻身于此列。” 这个回答看起来很普通，但其实开启了我的一次认知升级：原来 Perplexity 的目标不是搜索，而是在完成任务上。 其实后来我一想也觉得是这样。你看，我们每个人搜索，最终是为了得到一个问题的答案和解决方案。 Google 已经把信息检索和推荐做到了极致，但用户大多数时候仍然要跳转出去寻找答案。 那如果 Agent 可行，是否能在搜索的同时自动帮助用户完成这个解决方案？比如 Perplexity 已经上线的电商搜索，就是一个类似的尝试。 与其我在各个平台先去搜索商品、搜索这些商品的评价，再去各种电商平台比价、下单，为什么我不能在一个平台上完成？ 我直接在搜索的时候说：“在什么季节、现在什么温度，我想买一双适合的鞋。”然后给我推荐一些鞋，再帮我比较各种品牌和款型、各个平台的定价，最终我直接在这个搜索网站上一键下单，其实这个事情就完成了。 从这个角度来说，是否可以说 Perplexity 最终就是一家 Agent 的公司？ 这是不是也解释了为什么它有这么高的估值？因为如果是这个逻辑，它确实有可能成为下一代 AI 最大的入口和平台，而且它好像就是 OpenAI 最大的竞争者。 我们再把这个逻辑推而广之。 前微软 CEO 萨提亚·纳德拉曾经讲过一个点：比尔·盖茨在他整个职业生涯当中一直强调的一件事，是数字领域只有一个类别，叫作信息管理。 我相信张一鸣可能也会有这种共同的观点，对吧？ 像我们刚才讲的 Perplexity 的例子，如果信息管理最终大多都会指向一个行为、一个 Action，那有没有可能 Agent 时代最终的类别叫作“信息管理加行动”？ Agent 就是这么一个完成体。 所以，当下所有做信息类、辅助类的 AI 产品，尤其是 To B 和 To Prosumer 类的产品，未来是不是都要往提供结果的角度去思考和发展？ 比如现在一款 AI 产品可能做的是帮你更好地搜集信息，那这款产品就要想：如果用户搜集信息是为了做一个视频，那所谓 Agent 的时代，是不是意味着你未来都要做“搜集信息加自动生成一个视频”？ 这是一个简单的小例子，大家可以持续思考。 ### Multimodality Creates AI Native Products 终于讲完了整个 Agent。最后我想讲一个我觉得最重要、却很少有人提的方向，就是多模态，尤其是多模态在 To C 领域的落地和应用。 这两年大家一直在讨论 AI Native，讨论是不是所有的 App 都值得被重做一遍。目前为止，肯定还没有答案。 我觉得这个答案就藏在多模态之中，尤其是在 To C 领域。 如果 AI 只是产品的一个附属功能，比如现在很多人在产品里面加入 AI 总结、AI 提示、AI Bot，做一些聊天，但产品的交互界面和形态都没有发生很大变化，那自然不可能是一个 AI Native 的产品。 但在多模态的视角之下，产品的组织形态和使用逻辑，都有可能发生彻底变化。 比如我们以 NotebookLM 为例。这是 Google 推出的一个产品，能够让用户上传一篇文章，然后自动变成两个 AI 的对话，就像播客一样。 而且，用户还能随时插入这段对话，进行互动或者改变对话的走向。比如你可以跟两个 AI 主播说：“某个点我好像没太听懂，你们能不能再多解释一下？” 这两个人可能就会往这个方向去讲。 这里典型地用到了 AI 的理解能力、语言能力，也引入了多个 AI 的人格，完成了跨模态的内容组织，还加入了用户互动。 可以想象，这类产品的最终形态和使用行为，肯定是现有产品无法承接的。 如果我们再把这个例子泛化，用多模态中所谓 Any-to-Any 的思路来推演，就是任何模态到任何模态。 也就是说，未来用户的输入可以是任何内容：不管是发一段话、拍一张图、上传一段视频，还是给一个链接，AI 都可以把这类内容变成任何最适合的形式来输出。 比如说，如果我今天想学习一个概念，输入进去的可能就是几句话。然后 AI 可以直接帮我生成一段辩论类的视频综艺来帮我理解。 我还可以随时作为其中一方的辩手加入进去，提出我的问题，或者提出反对意见。 这是不是就颠覆了现有的内容获取方式，以及人类接受教育的方式？ 所以我认为，Agent 的路径是相对有标准答案的，但 AI Native 的答案，可能就藏在多模态之中。 当然，我现在可能只能给一些大概的思路和方向，这肯定不是一个完美的 AI Native 答案。这个问题也不是我现在能够解决的，对吧？我觉得这是需要无数勇敢而天才的创业者和产品人来探索的。 在这里，我只能给大家几个我觉得可以持续思考的建议。 第一，虽然我们讲它是 Any-to-Any，也就是任何模态到任何模态，但从历史经验来看，是不是视频类型内容的输出，才是多模态的最终归宿？ 当然，这里面有可能会有一些文字，也会有一些图文，但视频是不是最大的形态？ 第二，人们未来的内容消费，会不会都从被动接收信息，转变为被动接收与主动参与的结合？ 就像我们刚才举的那个辩论类视频的例子，或者现在 NotebookLM 的播客，用户都可以随时加入进去。 也有很多人在讲，未来的视频和游戏是不是会融合成一件东西。我的理解都是一件事情，就是增加互动性。 第三，Any-to-Any 多模态这件事，仍然是生产力的变革。 如果我们能够通过新的 AI、Bot、Agent，以及人与人之间各种组织形式的变革，去改变背后的生产关系，是不是可行？ 我相信，如果这个问题的答案能够出现，那一天可能就是真正的下一个抖音将要出现的时候。 ### Optimism Rewards Early Believers 最后我想讲的是，我知道很多人这两年可能没有那么好过，做不做 AI 其实可能也都差不多。 但我确实明确看到，身边早入场的人和坚定乐观的人获得了回报，包括我们自己。 比如今天这一批高估值的公司，绝大多数都是 2023 年初就勇敢进场的创业者。 又比如去年我们交流 AI 比较多的人，这些人可能哪怕当时没有创业，今天也都遇到了各种各样的机会，成了各个大厂或者 AI 公司的核心业务负责人。 所以最后，我想用之前讲过的两句话来收尾，也是对大家 2025 年的建议和祝福： 在巨大的不确定性面前保持乐观，在脚踏实地赚钱的同时保有梦想。 希望大家 2025 年一切顺利，一起加油。