# AI李时珍带你“尝百草”---小宇宙先声活动演讲---91页PPT solo

屠龙之术 · 2026-09-02 · 53 min · https://www.xiaoyuzhoufm.com/episode/6a97d6a8f03e74ee6b03d6a6?utm_source=rss

## 逐字稿

庄明浩

哈喽哈喽，大家好，我是庄明浩。录一期其实本就早应该录的节目啊，这期节目的内容来自于 8 月 22 日小宇宙在上海做的 AI 先声活动现场。我在那个现场做了一个小时的演讲，当时官方给这场演讲的名字叫《AI 时代的素材李时珍：在信息山野里尝百草》。对，这个李时珍说的就是我。

这场活动是 8 月 22 日举行的。肖一洲官方找到我的时候，应该是 7 月底。当时我们了解了一下他们这场活动大概的样式，然后想让我去讲一些什么样的内容。因为这是一个 AI 主题的活动，现场会有很多主播，我们叫作 Meetup，其实是小型活动；他们也不想那么严肃认真，不一定要像我之前在《狂喜》或者其他大型活动上讲的那样严肃。

### 信息实验开始设计

我就想了想该怎么讲这件事。这个活动现场的主播 Meetup 是分主题的，我所在的主题叫“信息专场”。他们想讨论的是，在信息爆炸的时代，如何分辨真信息和假信息。我基于这个大的主题想了今天的主题：我每次做各种各样的整理，其实都是一次加工，而我的原材料全部来自于我每天观察到的各种报告和图表。

所以我说，要不这样，我们现场做一个小型的互动和实验。因为当时的活动是 8 月 22 日，我从 8 月 1 日开始准备这期内容，就把前 20 天左右我所看到的图表全部讲一遍，不做任何梳理和整理，仅仅是罗列，然后让大家去感受每天接收到的这些信息。在罗列的过程中，看看是否能够输出一些框架和脉络，或者感受到一些框架和脉络。

所以就有了今天这样的内容。这个内容就是《AI 时代的素材李时珍》，李时珍就是我，在信息山野里尝百草。今天的内容有将近 90 页 PPT，因为有 76 页图表，还有一些展开。所以如果有条件，我推荐大家看视频版本，要不然你可能会听不懂我在讲什么。

好，我们正式开始今天的内容，叫“李时珍”。首页我就放了“李时珍”这 3 个大字。我原来不是司马迁吗？怎么就变成李时珍了，对吧？既然已经是了，那我们今天就尝尝 AI 时代所谓的百草。

在做这期播客之前，我应该在 8 月中旬刚更新过一期播客，是我去一个朋友的二级市场基金讲的内容，叫《AI by the Numbers》。我在那期播客里也提到过，那期播客的内容其实是这一次“李时珍”主题的一次预演。所以你们应该看过很多我类似的 PPT 内容，甚至包括之前我做的很多总结，比如《狂喜》上的总结、年度总结、季度总结以及一些小的整理。

如果你看过我的 PPT，大概会知道我的 PPT 内容其实比较简单。这种简单体现在，基本上每一页可能只有一个主题，配两张、3 张，甚至 1 张非常合适的图、表，或者一段文字。之前“AI 练习生”的主播任鑫在一次和橘子的播客里提到过一个观点，他说：“你看庄明浩老师那个 PPT，其实做得也挺简单的，但是每一页都挺好看的。”

因为我的图表都是来自现场现成的图表，所以在美化上应该没有什么太大的问题。但是每一页大家都会觉得：“对对对，这里贴的这张图就是对的，就是这个感觉。”相当于我是想好了这要表达什么内容，再配上一个合适的图表。任鑫当时就在那期播客里问：什么时候 AI 能做到这个水平？

你们应该看过我各种各样的内容，基本上就是这个形态。这些内容来自哪儿呢？我开玩笑说，我每天在网上高速冲浪很多很多小时，在 Substack 上、Twitter 上、Feedly 订阅的 RSS 新闻里，在中文语境下可能还包括微博、即刻、知乎。每天跟范伟一样学吧，学无止境，太深了，一直在学。

出现的结果就是，AI 负责每天震撼世界，我负责把这些震撼保存到我的 Emma 数据库里。如果你订阅了我的 VIP 版数据库，你会发现我的数据库基本上是按每月更新一个文件夹。我录制这期节目的时候已经是 2026 年 9 月，刚刚结束了 2026 年 8 月的文件夹。我看了一下，我在 2026 年 8 月的“可视化图表”子文件夹里放了 113 张图表。

平均如果按工作日算，一天大概 5 张左右。报告那一栏里放了大概 30 份报告，按工作日算，平均每天应该有 1.5 份 PDF。所以每天我都会看到各种各样的信息，如果觉得有值得保存、未来可能有用的内容，我就会放到我的 Emma 知识库里。

如果你订阅了我的 VIP 知识库，应该见过这样的内容。那个地方可能就是我双引号里的“百草园”。我们一张一张开始。

### 基础设施投入加速

第一张图是 CapEx，是截至 2026 年 Q2 各家公司公布财报之后的 CapEx 整理，还是之前那 4 家：微软、Google、Meta、Amazon。4 家加在一起，在 2022 年 Q2 财报结束之后，这 4 家的 CapEx 来到了 733 亿美元；2025 年是 3,315 亿美元，翻番了。2024 年是 2,224 亿美元。

第一张图，CapEx。第二张图是一个表情包，是我看一个美国 Substack 作者画的：锤子找钉子。锤子上面画了一个 AI，那颗钉子其实已经被砸弯了，但他还在继续砸。这可能代表了当下很多 AI，尤其是落地场景上的讨论，大家都说是在用锤子找钉子。

再下一页是云的份额。这张表基本上每个季度各家厂商公布完财报之后都会出现。美国 3 大云厂商，AWS、微软云、Google Cloud 加在一起，占市场份额的比例应该是 28% 加 20% 加 15%，也就是 63%。整个 Q2 的收入是 143B，增长 43%。

然后第二梯队我们看到了 CoreWeave、Oracle、Nebius 这些公司。这是一张云厂商份额表，来自 App Economy Insights 这个机构。图表我也经常用，你看到那种非常有名的各家公司的财报桑基图，应该都是他们出的。没错，后面我们也会看到 SpaceX 和英伟达的这样一张图。

再下一张是云的增长。前面说的是市场份额，现在再看具体增长，还是 3 家头部厂商加 Oracle。这张表格里多了 Oracle 的云收入。你会发现，微软云、Google Cloud、AWS 以及 Oracle Cloud，从 2025 年 Q2 的收入到今天 2026 年 Q2 的收入，增长都非常恐怖。

所以这两张表可以代表我讲过无数次的一个观点：AI 这一波最直接的体现，就是各家云厂商的收入增长。

### 模型价格逼近斩杀线

然后是“斩杀线”。这张图最近出现过好几个版本。我第一次在这个 PPT 里用的这一张，应该是 8 月初，没记错的话，是 DeepSeek-V3-Flash-0731 那个版本刚刚出现的时候画的。

这张图是一个横纵坐标系，横坐标是模型价格，纵坐标是模型在某个榜单上的得分。你会明显感觉到，DeepSeek-V3-Flash-0731 的价格非常便宜，但是得分非常高。所以以它的位置画一个矩形出来，被这个矩形画进去的所有模型，理论上似乎都没有意义了，因为这些模型都比它贵，而且得分没有它好。

你会明显感知到，其他头部厂商，无论是美国的 GPT 也好，还是 Claude 也好，中国的 Kimi 也好、GLM 也好，大家的工作都变成了逃离斩杀线。也就是说，这条斩杀线的可视化表现，第一次，或者说比较主流地出现在大家面前。

然后又是一张 CapEx 增长图，是按企业划分的。还是 AWS、Google、微软这 3 家，在 CapEx 增长的表格里增加了一家，另外一家大厂 Meta 也放了进来。这张表格是按照 2023 年、2024 年、2025 年以及 2026 年预期画的，每家公司过去 4 年的增长曲线都非常夸张。

CapEx 的统计，在我 70 多张统计图表里出现的次数非常多。下一个表单是 CSET 30。这个表单就是前两天我去录一级半市场，和 Roman 聊的时候提到的：每个季度美国会有一家机构出一个当季美国一级市场标的的热门榜单，就是这个 CSET 30。

我们看到了 Anduril 排在第一，OpenAI 排在第三，排在第二的是那家美国的“大疆”——做国防的公司；Databricks 第四，Stripe 第五，Polymarket 第六，Lambda Labs 第七，Cluely 第八，然后 Neuralink，也就是马斯克那家脑机接口公司，排在第九。

这就是最热门的、还没有上市的一级市场公司。每个季度的榜单其实都会变化。去年 OpenAI 应该一直是第一，但今年基本上都是 Anthropic 第一了。

这张图是标普 500 截至 7 月 31 日的曲线增长情况。这张图大概每半个月会更新一张，你们也能够感知到标普 500 过去一年多时间里的变动情况。你看到了去年 3 月的大跌，也看到了今年 7 月很重的调整，当然你也看到了整体趋势依然在往上，屡创新高。

再下一张图是英伟达 Q2 财报之后更新的，不对，是 Q2 财报之前做的英伟达对外上市公司的投资。当时最大的投资还是英伟达投英特尔，第二是 Nebius，第三是 CoreWeave。我为什么要强调是 Q2 财报之前呢？如果没记错的话，Q2 财报之后这个表就更新了，因为英伟达在 Q2 的时候投了 SpaceX。

所以在它所有对外投资的上市公司股份份额占比里面，SpaceX 应该已经排在第一了。

再下一张，CapEx 增长依然是这几家公司。这次有 5 家了，Meta 和 Oracle 都在，另外还有 3 家云厂商。对比的还是 2025 年和 2026 年全年。你看这个表单的统计有各种各样的方式：有单个季度的，有全年的；有按云厂商统计的，有按 4 大厂商统计的；也有把 Meta、Oracle 放进去的。后面其实还有把 SpaceX 放进去，CapEx 又一次出现了。

再下一张，又是 CapEx，但这张表对应的是 GDP 占比。它相当于把 5 家最大的 CapEx 投入厂商的所有 CapEx 加在一起，用这个数字不断去对比当年的美国 GDP。这个比例从原来的可能 1.7%，已经涨到了将近 2.8%。

而且明显能够感知到，我也说过无数次这个观点：每一次我们对 CapEx 的预期，在过去 3 年基本上都是低估的。每一次财报一出，这个数字就要往上调；每一次财报一出，就要再往上调。

下一张是 H100、H200 和 B200 这些最核心 GPU 的租赁价格。这几个价格明显还在涨。GPU 的租赁价格也是大家观测 AI 市场需求的一个非常重要的指标。

下一张是一个金融机构做的软件 ETF 和 AI ETF 过去两年左右时间的对比。你明显感觉到，进入 2025 年下半年开始，市场在买单的是 AI 软件，而在抛弃的是传统软件。过去这么多月，大家一直在说 SaaS 已死、软件已死，但 AI 软件的增长很好。这两条曲线在 2025 年下半年出现了巨大的分割：AI versus 软件。

再下一张是 SpaceX 的财报，又是来自刚才说的 App Economy Insights 做的桑基图。收入来自 Space、Starlink 和 xAI 这 3 个板块。通过桑基图的情况来看，目前 SpaceX 更多的收入其实来自于 Starlink，但更多的成本花在了 xAI 上。

这就是一个“眼前的苟且”和“诗与远方”的对比，或者说，一个是现金流业务，一个是未来的画饼业务。用桑基图的方式看得非常明显。

同样来自 App Economy Insights 的，是 SpaceX 的 CapEx 投入。现在 SpaceX 的 CapEx 投入也很大，但如果按 3 个业务来分，xAI 的投入绝对远比 Starlink 和火箭业务的 Space 投入大，可能要大一个数量级。

比如在 2026 年上半年，整个 SpaceX 的 CapEx 投入是 28.5B，也就是 285 亿美元，其中 236 亿美元给了 xAI。Space，也就是火箭业务，只有 2.2B，也就是 22 亿美元；Starlink 只有 2.7B，也就是 27 亿美元的 CapEx 投入。

还是来自这个机构的数据统计，下一张是 AMD 的收入构成。AMD 公布 Q2 财报之后，你会发现 AMD 的数据中心收入增长也很快，甚至超过了其他所有业务的收入。数据中心收入就是 AI 相关的收入。

再看 SpaceX 的收入构成。这张表来自另外一个机构。从收入角度来看，目前最大的是 Starlink，4.29B；第二大的是 xAI，2.56B；Space 其实并不大，只有 0.962B。

从利润贡献角度来讲，Starlink 是盈利的，但是 xAI 和 Space 都是亏损的。

再下一张是电力与 GDP 的对比。同样是一个坐标轴，横坐标是人均 GDP，纵坐标是电力。你明显感知到，没有什么国家是 GDP 很好但用电很少的。要么就是用电很多、GDP 很高，要么就是用电很少、GDP 很低，大部分国家都分布在这样一条非常正相关的曲线上。

因为电力可能也是 AI 时代最核心的指标之一。

再下一张，我放了 4 页 PPT。这 4 页 PPT 来自前 Google 首席科学家 Jeff Dean 离职的时候，他画的 BP。他要去融资，所以画了一个简单的 BP，一看就是拿 Google Docs 做的。

第一页讲 Jeff Dean 以及另外几位合伙人的工作经历：他们干了什么，做过什么事情。第二页其实在《AI by the Numbers》那期里我也用过，讲的是 Loop 这件事其实已经在其他实验领域实现了，他们要做的是把这件事扩展到 AI 领域。

第三页是这几位联合创始人在 Google 做过什么事情。第四页是他们要做什么：Automate ML, Science and Engineering for Impactful Problems。

这 4 张 PPT 代表了 Jeff Dean 这样一个江湖大佬离职时的认知：我们这些很厉害的人做过这些很厉害的事情，我们合作过哪些人，然后我们现在要做的事情是什么，愿景和具体执行方式又是什么。

我觉得这可能也是当下这个时间点，最优秀的头部创始人去融资时最好的一种表达方式。

到这里，我们大概过了 20 页图表，所以我做了一个暂停页，问了几个问题。第一个问题，是不是有点蒙圈？你回想一下，过去这 20 页讲了什么内容？有没有一些感觉是偏杂乱的，还是说你感觉上已经有一点所谓的有迹可循？

没关系，无论是哪种感觉，我们都继续。深呼吸，我们继续往下走。

又是一张标普 500 的图。刚才说的标普 500 涨势图截止到 7 月 31 日，然后过了一周出了一个 8 月 5 日的版本。为什么会有 8 月 5 日这个版本呢？因为 8 月 5 日那一天，标普 500 再创新高，达到了 69.8T，也就是 69.8 万亿美元，再创新高。

所以这张图无论是什么时候做、截止到什么时间点，都可以用一个同样的标题。我也用过无数次：屡创新高。

### 巨头开始争夺 AI 版图

再下一张图，是红杉的一位合伙人发的一张 Twitter 截图。他认为，当前这个时间点美国最头部的 AI 公司——OpenAI、Google、微软、亚马逊、英伟达、Apple、SpaceX——它们之间的关系很像《星际争霸》。

每一个种族都有自己的天赋，也有自己擅长和不擅长的东西，都在发挥自己的角色，向胜利努力。他用了一个类似《星际争霸》的比喻。因为当年我是打《星际争霸》的，所以我对这个比喻的认可度比较高，就把这张图截了下来。

再说一下，这位合伙人叫 David Cahn。他就是之前红杉写过《AI 的 2,000 亿美元问题》《AI 的 6,000 亿美元问题》《AI 的 8,000 亿美元问题》和《AI 的 1 万亿美元问题》的那位作者。他的这几篇文章，我在之前很多次行业总结里也都用过。

再下一张，又是 SpaceX 的 CapEx 支出。这张表格来自一位 Substack 作者，他专门写半导体，也是我订阅付费的少数几个 Substack 作者之一。他用了一个树状柱形图来表示过去几个季度 CapEx 爆发式的增长，这条曲线拉得非常夸张。

再下一张是 CapEx versus Sales，也就是和销售收入做对比。很多人会说，这些巨头的 CapEx 已经到了某种极限，大家会把它和利润做对比。但现在你发现，和利润对比之后，很多公司出现了负向现金流，所以大家只能再去和销售收入做对比。

还是那 5 家公司：AWS、Google、微软、Meta、Oracle。其中最危险的看起来已经是 Oracle。Oracle 现在的 CapEx 和 Sales 对比，已经达到了 85%；Meta 达到 60%；微软达到 53%；Google 是 40%；AWS 是 28%。

再下一张，是彭博社做的一份报告。这张标题我起了个名字，叫“梁胜”。这张报告写的是头部模型的 Token 输入和输出价格，包括 Grok 4、GPT-5、Claude 4.1、Kimi K2、千问 3 Max 以及 DeepSeek-V3-Flash。

最贵的模型，输入价格是 50 美元，输出价格是 50 美元；另一个模型的输入是 10 美元，输出是 50 美元。所以你看到这个坐标系，横轴是 0、10、12、13、14、15 美元。如果你知道 DeepSeek 的价格，它画出来就像是在坐标轴上方描了一点点黑线，非常小。

之前很多人会说：“这个图是不是忘了画 DeepSeek？”但你细看，DeepSeek 确实画了一条黑线，只是非常非常小。因为这个坐标轴每一格是 10 美元，它的价格只有零点几美元，看起来就跟没画一样，所以大家会说：“是良胜。”

但是今天 9 月份再去听这个问题的时候，良胜有些时候变成了梁子，对吧？后面出现了一些别的事情。所以这也印证了我之前无数次讲过的：每次我做这样的 PPT 时，这些图表的有效期都非常有限。过一段时间，就会出现一些新的叙事把这个图表盖过去。

再下一张图，是美国一个机构统计的 Token 平均价格。它统计的是 Token 的平均价格，又分成 3 条曲线：中间那条蓝色曲线代表所有 Token 的平均价格；上面那条更贵的红色曲线代表闭源模型的价格；底下那条绿色曲线代表开源模型的价格。

你明显感觉到，进入 2026 年 Q3 开始，因为开源模型能力的急剧提升和价格成本的逐渐体现，再加上最头部闭源模型的价格确实过于昂贵，导致这个曲线出现了一些变化。首先，平均价格还在往下走；闭源模型价格在疯狂下降；开源模型价格则在微微抬头。

如果你听了我最近几期播客，应该会明显感觉到，进入 2026 年下半年，或者说从 2026 年上半年开始，把训练模型做成商品化，或者帮别的厂商做训练模型的厂商越来越多，收入涨得也都很快。

无论是预训练、后训练、强化学习，还是数据环境搭建，这些厂商都越来越多。Prime Intellect 所代表的这个趋势会非常明显。所以美国 Menlo 的 GenAI 统计了一张表，列出了这个时间点增长比较快的、做数据和 RL 的厂商。这张表应该也放在了《AI by the Numbers》那次 PPT 里。

再下一张，前面无数次讲过的 CapEx 都是美国公司。也有一些第三方机构做了中国公司的统计，按照互联网公司、华为以及运营商这几个角色，划分了中国 CapEx 的增长情况。

这些数字预计中国 2026 年应该不到 200B。这个数字相对于美国最头部的厂商而言，其实并不大。

再下一张是 AI 和互联网的对比，同样比较的是 CapEx 投入和 GDP 的占比。这张表格来自一个第三方金融机构，它对比了当年互联网爆发时 CapEx 和 GDP 的比值，以及今天 AI 时代 CapEx 投入和 GDP 的比值。

你会发现，进入 2024 年的时候，两者是差不多的。2024 年的 AI CapEx 占比，类似于当年互联网巅峰的 1997 年，都是 0.8%。到 2025 年，互联网当年的 CapEx 占 GDP 是 0.9%，而 2025 年 AI 领域的 CapEx 占 GDP 已经达到 1.4%。

到 2026 年，对比的是 1999 年。1999 年是很多人默认拿来和互联网泡沫做对比的年份。当年互联网接近泡沫时，1999 年的 CapEx 占 GDP 只有 1%；但今天 AI 已经跑到了 2.4%。未来可见的 2027 年，这个数字会跑到 3.1%。

当然，是否会像当年 2000 年互联网泡沫那样出现比较大的回调，没人知道。这只是一个大致时间点的对比。

再下一张是来自一家国内 Agent 厂商的图。当然是一家初创公司，它既服务海外用户，也服务国内用户和企业用户。它给出了过去大半年左右时间里的 Token 增长情况。你明显感觉到，这个 Agent 代表的增长，在过去 3、4 个月里出现了爆发式增长。

再下一张是 VC 退出的集中度，时间段分成 2005 年到 2010 年、2011 年到 2016 年、2017 年到 2022 年，以及 2023 年到现在。这个集中度非常明显地出现了马太效应。

在 2023 年到 2026 年的退出里面，Top 1% 的公司退出价值达到了整个行业的 80%。也就是说，如果你没有投到 Top 1% 的公司，就和这个行业 80% 的潜在收益没有关系了。Top 1% 到 Top 10% 的公司，达到 12% 的价值；剩下 90% 的公司，只实现了 8% 的退出价值。

### Loop 成为核心叙事

下一章是讲 Loop。Loop 可能是当下这个时间点，无论训练模型还是做 Agent，大家最核心的逻辑，或者最核心的叙事方式。

Hugging Face 做了一个四象限分布：到底什么样的工作，或者什么样的场景，可以比较容易地实现 Loop？最典型的就是代码和数学。首先，它们非常容易编辑；第二，非常容易验证。是否容易编辑，以及是否能够做验证，就可以划分出 4 个象限，你可以把不同场景放到这 4 个象限里。

### 现金流开始承受压力

前面提过现金流。我们前面无数次看了这 5 家公司的 CapEx，但是 CapEx 这笔钱从哪儿来？会不会影响它们的现金流？我们正在处于 2026 年 Q2 到 Q3 这个时间点，出现了一个问题：你会发现某些厂商的现金流顶不住了，自由现金流不够覆盖 CapEx。

但是因为大家对未来的预期非常好，可能到 2028 年或 2029 年的时候，这些公司今天投入的巨大 CapEx 会产生更加巨大的收入。是否会如预期那么理想，我们静观其变。

再下一张图是红杉做的。他们把过去 20 年每一年的热门话题，和事后来看当年最热门的公司做了一个列表。你明显感知到，所谓当年最好的公司，和当年最热门的话题之间其实存在一定的时间差。

也就是说，当年讨论最多的事情，并不代表这个事情里最好的公司当年就已经是最后最好的公司。这个事情一般会有延后性。很多事情是在事后我们才认清趋势，可是认清趋势的时候，当时这个议题里最好的公司其实已经涨得非常壮大了。

再下一张图，是最近特斯拉公布的那个巨大芯片工厂的俯瞰图。底下同时做了几个对比，用来对比现在的特斯拉工厂、五角大楼和苹果总部的大小。那个工厂巨大无比，大到真的特别恐怖。

它可能是现在的五角大楼，或者苹果总部那个圆环建筑的几十倍那么大。你想想它们已经很大了，然后那个东西再放大几十倍，我的天。

再下一张图是一张梗图。最近头部模型们都在双引号地做一件事情，就是 escape，逃离人类的控制，做各种各样攻击的事情。首先是之前 OpenAI 和 Hugging Face 的事情，然后 Anthropic 也出现了，Meta 也出现了。

现在最近一段时间 Google 的 Gemini 不是太行嘛，所以有人画了一张梗图：Google CEO 推着 Gemini 的 Logo，说“你也来呀，你也赶紧去 escape”。

再下一张图是数据中心和办公室投入的曲线对比。这张图其实用过很多次，而且每一次都有更新。之前被很多人看到的那一次，应该是两条曲线达到了交集，也就是说，给人类办公室的投入少于了给数据中心的投入。

这两条曲线相交之后，你要知道，数据中心依然在疯狂投入，可是办公室的投入在减少。所以两条曲线之间的距离还在变大，我们现在正在看到这个趋势。

再下一张又是梗图，是一个积木图。这张图的标题叫“AI 的经济”。最上面是 Oracle、JPMorgan、英伟达、SpaceX、微软，可能还有 AWS，刚才我们都提过这些公司。

底下有两个非常孱弱的支脚，OpenAI 和 Anthropic。也就是说，OpenAI 和 Anthropic 的收入支撑了所有这些 AI 经济，但相对于巨大的投入而言，这两个支脚非常孱弱。

再下一张是 AI 行业的毛利。这是一个第三方资管机构做的统计，把行业分成芯片、能源、算力与云，以及应用与模型 4 个区块。从毛利角度来看，芯片现在毛利最高，平均 41%；能源是 24%；算力与云是 11%；但模型与应用公司的毛利是负 59%。

这就是当下这个时间点现存的状态。但这个状态是否正确呢？很多人认为是不对的，因为如果行业发展到合适的阶段，应该是反过来的。无数次大家期待的是，模型和应用距离用户更近，应该拥有更高的毛利，但现在看起来可能有点一厢情愿。

再下一张表是世界最大的公司。这张表是 8 月 8 日的。为什么要列 8 月 8 日呢？因为这个表每天都可能发生变化。

截至 8 月 8 日，最大的还是英伟达，5.4T；苹果，4.5T；Google，4.3T；微软，3.7T；亚马逊，2.9T；TSMC，2.1T；博通，2.0T；SpaceX，1.7T；然后是沙特的阿美，1.7T；Meta，1.5T。

到这里，我们过了 40 页。所以当时我又做了一个暂停页，我说：“有点感觉了吗？是否已经有所谓的有迹可循了？是更累了，还是有点烦躁了？”无论怎么样，我们还要继续，我们还有很多。

再下一张又是一张梗图，又是“梁文锋”的梗图。那张图用的是特朗普遭枪击之后举手的知名照片，把特朗普换成了梁文锋，后面抱着他的是 Sam Altman、马斯克和 xAI 的 CEO，而那面旗子变成了 DeepSeek。又是一张梗图。

### AI 资本投入冲向万亿

CapEx，8 月 10 日。同样是这些公司，这次变成 6 家了。多了谁呢？在 Google、亚马逊、微软、Meta 和 Oracle 之上，多了 SpaceX。刚才我们说过，SpaceX 的 CapEx 投入也非常大，所以它也值得被放进来。

各家公司发布完财报之后，8 月 10 日有第三方机构做了这个统计。2027 年预计这 6 家公司的 CapEx 应该已经超过 1 万亿美元了，达到 1.132 万亿美元。

再下一张是 ARR 与估值。抛开 Anthropic 和 OpenAI 这些最头部的模型公司，我们看那些各个细分领域的 AI 代表公司，比如 Ramp、Legora、Harvey。它们的 ARR 和估值倍数对比，你会感觉平均可能都有几十倍，甚至有超过 100 倍的。

这可能是当下这个时间点，一级市场对于这些垂类领先 AI 公司的一种双引号的认可。

又是一张 CapEx，同样是增加了 4 倍的 xAI。这张表可能从 2020 年开始统计，时间跨度更长，然后从 2022 年、2023 年、2024 年、2025 年开始计算每年的增长，预计到 2028 年。

再下一张图是 AI 的价值链。有人分成 5 层蛋糕、6 层蛋糕、7 层蛋糕，对吧？每个人都有自己的划分方法，但大概率这几个板块可能都是通用的：从消费者到模型，模型下面是大型云厂商和 New Cloud，再下面是数据中心、服务器，再下面是能源和存储芯片。

这种划分方式来自 iCapital 报告的截图。同样来自这个报告的，还有一个桑基图。刚才列的是各个板块的厂商，而这张图按照资金流转的方式来画：钱进入模型厂商，然后这些钱怎么流转到云厂商，云厂商再给到数据中心和芯片，最后再给到能源。每一个层级之间的钱的流转，同样用桑基图的方式做了对比。

再下一张是斩杀线。DeepSeek-V3-Flash-0731 发布之后，8 月十几号，DeepSeek 又发布了 V3-Pro-0813，再次基于 V3-Pro 的数据画了一条新的斩杀线。这条斩杀线更狠了。

虽然 V3-Pro 的价格有了比较大的提升，但是它的能力也提升了非常多，所以超过这条斩杀线的公司变得越来越少，几乎全部被买掉了。

再下一张图来自 Ramp，这家做支付的公司统计了 Claude 发布 Opus 4.1 之后，Opus 的收入占比。Opus 最后被证明确实太贵了，它的收入占比并没有涨得特别恐怖，涨到大概只有百分之十几就不涨了。大部分人使用 Opus 的系统，还是在用 Opus 4.0。

再下一张图来自 OpenRouter。OpenRouter 新聘了一位做数据可视化的主管，每天在 Twitter 上发图，我特别开心。这张图代表模型发布频率，统计的是每一年每个月在 OpenRouter 上新发布的模型数量。

2024 年 1 月是 14 个，2 月只有 3 个，3 月 8 个，最多的 8 月是 28 个。这个柱状图的颜色有区分。你听到了，最多的一个月是 28 个，也就是平均一天不到 1 个。

所以 2024 年所有柱状图都是白色的，白色代表平均每天发布的模型少于 1 个。到 2025 年，你发现每个月发布的模型数量明显变多，比如 3 月达到 45 个，4 月达到峰值 50 个，然后年底几个月每个月分别是 35 个、42 个、42 个、35 个。

这几个出现高峰的月份就变成了紫色，紫色代表平均来看一天超过 1 个，但不到 2 个。到 2026 年，这个数字更加恐怖，2026 年 4 月有 80 个，7 月有 70 个。

达到这个数字的时候，平均每天发布的模型数量变成了 2 个以上，所以这几个柱子就变成了绿色。这张图截至 8 月 11 日，8 月已经发布了 22 个模型。如果 8 月画满的话，应该也会是绿色。

所以你明显感觉到，明星模型的发布频率在疯狂加速。

再下一张图来自彭博社，是循环融资的图。这张图其实在去年大家讨论 AI 泡沫和循环融资最热烈的时候也有过一个版本，我也用过，在我去年年底《狂喜》播客节的那期 PPT 里也有。

今年 8 月，彭博社又画了一个新的版本，更新了各家的估值、数据规模，以及各家新投资的厂商。这张图再一次更新了循环融资，日期是 8 月 13 日。

再下一张图同样来自 Ramp。Ramp 每个月会统计一次 AI 行业的采用率。这条曲线在今年 5 月或者 4 月的时候，AI 支出第一次超过了 SaaS，之后每个月都在增长。

再下一张图是 New Cloud 双强 Nebius 和 CoreWeave 的收入、自由现金流、股价、估值以及毛利的对比情况。

再下一张图是 OpenAI 的 ARR。这张图的数据截至 8 月 12 日，最新曝光出来的 ARR 应该是 44.3B。

再下一张图是 VC 2026，统计的是 VC 行业的投资。你明显感觉到，2026 年是疯狂的一年，甚至可能是创历史纪录的一年，无论从投资额度还是投资项目数量来看都是如此。

从项目分布来看，2026 年最大的主题当然是广义上的软件，也就是 AI 相关的项目。从额度来划分会更明显，可能 70% 到 80%，甚至 90% 左右的钱都投到了 AI 上；从项目数量角度来讲，可能占比 30% 到 40%。

再下一张图同样来自那个半导体 Substack，统计的是各家云厂商，也就是那 4 大 CapEx 投入厂商的存储成本占比。你明显感知到，这些曲线全部都在往上拉，全部都在往上拉。

再下一张图是截至 8 月 12 日 Codex 的活跃用户。这张图如果今天来做，应该已经是 2,500 万这个数字了，可是截至 8 月 12 日，数字只有 1,500 万。就在我演讲的那一天，这张图更新到了 2,000 万。

所以你看，这种图就是没办法不更新，因为只要过 1 个月，所有数字都要重新更新。

再下一张图，前面列过世界最大的上市公司。因为长鑫上市，中国现在最大的上市公司变成了长鑫，第二是腾讯。同样，这张图是有截止时间的。如果我没记错的话，这张图应该截至 8 月 13 日。

再下一张图是中美开源模型的发布时间对比。横坐标是时间，纵坐标是参数量。你明显感觉到，虽然 Thinking Machines 发布了新的模型，虽然英伟达也发布了新的开源模型，但从频率和参数量角度来讲，中国模型在开源领域确实还是非常强势的。

再下一张图来自 Hugging Face，同样是一个统计。刚才那个统计是每个月发布的模型数量，这次统计的是所有模型的数量：从 2022 年、2023 年、2024 年、2025 年到 2026 年，数量暴涨。模型里面可能又分语言、多模态、语音、RL 等各种各样的模型，也就是 Hugging Face 上发布的模型总量。

到这里，我们看了大概 60 页。我在当天又问大家感觉如何，听起来是否已经慢慢有一些脉络了？还没结束，但快了。

### 模型生态继续扩张

前面说了 OpenAI 的 ARR，那当然会有 Anthropic 的 ARR。但 Anthropic 的 ARR 最近有非常多的版本，有说 700 多亿美元的，也有说 600 多亿美元的。这张图是最后一次截到的版本，只统计到 5 月那次的 470 亿美元，但给出的年度预期是 1,000 亿到 1,200 亿美元的 ARR。

同样，它给出了 Anthropic 在过去一段时间里的估值变化：从 2025 年的 61.5B，到 2025 年 9 月的 183B，再到 2026 年 2 月的 380B，5 月的 965B，最近又传出要 IPO，目标估值是 2 万亿美元。

再下一张图是 New Cloud。虽然我们说 New Cloud 这些公司的股价涨得都很好，但在纯云计算的整个战场来看，New Cloud 的占比还是非常小的，只是它们的增速非常恐怖。

下面两张图来自一家类似 OpenRouter 的公司的统计，统计它覆盖的模型分布。从 Token 角度来讲，主要是 Anthropic、OpenAI、Google、xAI 和 DeepSeek。但这个统计更有意义的是从收入，也就是 spend 的角度来看：Anthropic 绝对强势，可能超过 60%。不过它统计的更多是基于 API 调用产生的收入。

再下一张，CoreWeave 以 600 亿美元确定被 SpaceX 收购了。有人做了一张 CoreWeave 各轮投资人的回报图，它的天使投资人可能获得了超过 3,000 倍的回报。OpenAI 其实投了他们的天使轮和种子轮，大概是 500 到 800 倍的回报。

Nat Friedman，原来 GitHub 的 CEO，有 400 到 1,000 倍的回报，就是他那些天使投资。A 轮可能有 100 多倍回报。哪怕是 Growth 那一轮，也有几倍的回报，而且时间都很短。

再下一张是英伟达的持仓。我刚才讲过，英伟达公布 Q2 财报之后，因为更新了 SpaceX 的投资——哦，那我记错了，第一大的还是英特尔，第二大的是 SpaceX，第三大的是 CoreWeave。

再下一张是标普 500 今年截至 8 月 14 日的涨幅 Top 10。全部都是和 AI 相关的硬件公司：3M、戴尔、希捷、美光、英特尔、西部数据、Marvell、Lumen、惠普、AMD，前 10 名全部都是这些公司。

再下一页是 Co Two [?] 基于 OpenAI 做的一个统计。OpenAI 的 Token 调用量自从 Codex 崛起之后，Agent 代替 Chatbot 的趋势非常明显。现在 Agentic Token 的占比已经达到 64%，将近三分之二；ChatGPT 这种纯 Chat 的调用，现在只有 36%。

再下一张图，我觉得做得非常好：本地模型的能力达到某个时间点 SOTA 模型能力，需要多长时间。

GPT-3 那个年代，GPT-3 是 2020 年 6 月还是 7 月发布的？达到 GPT-3 能力、可以本地部署的小模型，是 Llama 的 33B，到了 2023 年 2 月，只用了 33 个月。

后来很多模型都缩短了这个时间。比如 GPT-4 是 2023 年 3 月发布的，但是达到 GPT-4 能力的小模型，是 Qwen 2.5 的 32B，2024 年 9 月发布，过了 18 个月。后来这个时间缩短到了 9 个月。

也就是说，比如 Opus 4.5 是 2025 年 11 月发布的，而这个月、上个月刚刚发布的 Qwen3.5-27B，也达到了这个能力，不到 9 个月。

再往前推，当前最强的模型 Grok 5，可能再过不到 9 个月，甚至 7 到 8 个月，就可能有一个小于 30B、可以本地部署的模型达到它的能力。

这也是为什么这一段时间，关于边缘模型、本地模型部署的讨论特别多。

再下一页，是真循环融资，又是一个循环融资往复的表单。还是那些科技巨头：OpenAI、Anthropic，以及 New Cloud 公司。各家投入多少钱给对方，再以订单的方式转移多少钱。

再下一页是 Brex Top 25。就像我前面说的，这是对 2026 年夏季，也可以类似理解为 Q2，25 家增长最快的软件提供商做的统计。

除了一些硬件公司和 SaaS 公司之外，我没记错的话，应该有 6 家是 AI 应用公司，14 家是做 AI 基础设施的，也就是给 AI 行业做训练模型、数据、后训练、预训练以及强化学习环境搭建的公司。

再下一张是 ISOBIC 在 18 日曝光的 ARR。那张图的曲线里面出现了好几个数据源，有说 650 亿的，也有说 740 亿的。

再下一张图是万亿美元俱乐部，也就是市值达到 1 万亿美元的上市公司列表，和之前那张世界最大的上市公司列表基本重合。

再下一张图同样来自 Ramp，是 8 月的 Top Software Vendors。它和 Brex 的榜单非常重合。你们也能感受到刚才我说的那个趋势：Own Your Intelligence 所代表的、为 AI 模型提供训练服务的公司越来越多。

再下一张图和前面那张很像，也是数据中心和办公室的投入对比。这张图拉到了 2026 年 9 月，曲线之间的距离更大。当然，它的横坐标也拉得更宽，所以整张图变扁了。

再下一张图同样来自 Ramp，写的是每个季度从去年 Q2 开始，OpenAI 和 Anthropic 的 ARR 增长，也就是收入增长。

进入 2026 年之后，大家都说 Anthropic 的收入增长比 OpenAI 快，而且快非常多。从刚才曝光的几条曲线来看，确实如此。但是基于 Ramp 的统计，截至 8 月 17 日，在 Q3，OpenAI 的 ARR 增长重新超过了 Anthropic。

再下一张图是 AI 存储份额图，包括三星、美光、长鑫和 SanDisk。

截至这里，我们一共过了 76 页图表。今天所有的图表，截止时间大概是 8 月 20 日。你回想一下，我刚才说整个 8 月大概往收藏夹里放了 113 张图表，这还只是图表，不包括 PDF。

回想一下过去 40 分钟左右的时间，你是否记住了一些关键词？比如 CapEx，比如 ARR，比如 Human Intelligence。

比如说估值。然后你再去想一下，有哪几张图你十分想留下，哪怕有自己的收藏夹，也想把它们放进去。再去想一下，无论是在当时那一天，还是现在9月初这个时间点，哪些图其实已经过时了？其实，我标记了日期的很多图都已经过时了。你再想一下，好像有一些图之间是矛盾的，即便是这么新的图。

再想一下，如果1年之后，也就是2027年9月，回想今天我们看过的这70几张图表，哪些图值得在那个时间点还被留下来？可以想一想，每个人都会有自己的答案。我在当天也问了一些朋友，他们每个人确实都有不同的答案。有些人只记住了一些表情包，我觉得也没有问题，对吧？有些人记住斩杀线，有些人记住了梁文锋，对吧？都OK，没有任何问题。

### 人人开始拥有自己的 Loop

然后你想，如果我们在8月底或者9月初这个时间点，要对AI行业做一次回顾整理，我上一次回顾整理截止的时间点其实是6月底。也就是说，7月份的类似数据也要做一次这样的重新收集。那如果要做这一次这样的整理，你想讲一个什么样的故事？我标红的就是：“讲一个什么样的故事？”

你看，我们看到了这么多内容、这么多材料，以及这么多我们叫作加工过的、未加工的东西，看起来有些杂乱，但你感觉可能也有些脉络。但这些脉络之外，你想讲一个什么样的故事？更现实的问题是，如果大家熟悉我的PPT，我的PPT类似这样的总结一般会分4章。前三章基本是统一的：技术、产品和产业资本，我基本都会讲这3件事情；但唯独第4章每一次都不太一样。

第4章有些时候会是偏鸡汤的，有些时候是偏一个故事的，比如说讲泡沫；有些时候会讲一个更复杂的议题。所以，如果现在我们要做一个过去大概1个季度的整理，你想讲一个什么样的故事？那我先说我的答案：如果我要做这个整理的话，我大概会想讲红杉的那个主题，就是“Own Your Intelligence”。

无论是所有应用公司都叫所谓的New SaaS，还是说这些做与这个趋势相关服务的厂商们变得越来越强、收入越来越高、估值越来越高，还是说这个事情也顺延到了中国，你会发现这个东西可以把所有事情串起来。我先讲这样一个故事。

你要想这个议题再扩展。如果这个整理扩展到季度，我现在基本上是按季度；再扩半年，再扩展到年度。比如说到年底，你想整理过去1年这样的内容，你所需要付出的时间成本、脑细胞成本有多少？而且我还是那个说法：我们今天过的所有内容全部都只是图，那还有那些巨长无比的、具有结构化的PDF文件呢？同样也要考虑进去。

所以，截止到这儿，又回到文章最开头：我每次做出一个几十页甚至上百页PPT的时候，别人会讲：“哦，他讲得很好，很恰当地在一个合适的地方放了一个合适的图表或者一个表情包。”什么时候AI能做到呢？你觉得今天的AI能力可以通过类似Skill的方式，哪怕它拥有我所有的上下文，实现吗？我觉得大概率还是实现不了，或者说能实现个60%到70%差不多了。

那我们再往后想，如果我们把我的这个工作看成是一个循环的过程，那相当于我做收集，根据我的标准，把我每天看到的东西收集、整理、加工，定时地输出结果，然后再回到开头，从头开始所有这些事情。这可能就是所谓的我的loop。

如果把我假设成一个AI agent的话，那未来人人都会有自己的agent；甚至极端一点，人人都会有自己的模型、自己的agent和自有的harness。在这个过程中，我觉得大家都要去想，你自己的loop，这个循环的过程应该是什么样。

然后就是最后一页，我运用了钟晴当时讲的一个故事。所以，我为什么一定要定期做整理？我举个比喻。我不知道大家是否去过耐克的工厂店，工厂店因为要摆非常多的商品，没办法像正规的品牌店那样直接把商品挂在墙上，所以很多时候，比如T恤、裤子，它会用一个圆圈形的衣服架挂一圈，可能几十条裤子会挂在一个架子上。

我经常感觉自己就像那个衣服架，不断地往上挂衣服。但是我知道，挂到一定程度就挂不住了，太多了；我一定要用某种方式把它放下，才能再去挂。这就很像当时钟晴讲到的：张玮玮有一张专辑叫《白银饭店》。他在这张专辑的介绍里写过很长的一段话，讲他过去几年怎么做这张专辑：他在北京、在大理，经历了很多很多的事情。在这个介绍的最后一段，他写了这样一句话：

张玮玮说：“我迫不及待地想拿出这张专辑，因为这样我才能和它告别。下一步，山长水远。”

好，感谢大家的收听。呃，老规矩，我的 PPT 会放在 Show Note 里。啊，强烈推荐大家以视频的方式收听这期播客，要不然你真的不知道我在讲什么。再次感谢。