# 新年直播1：AI的2025与2026，技术领域的共识与非共识 硅谷101 · 2026-01-14 · 45 min · https://sv101.fireside.fm/231 ## 逐字稿 Speaker 1 Hello，大家好，欢迎收听《硅谷101》，我是洪君。今天的播客是我与我们的视频主理人陈茜，在《硅谷101》视频账号上于2026年1月3日进行的一场3小时视频直播。 在这场直播中，我们主要讲了3个大的部分。第一部分是AI在2025年与2026年技术领域的共识与非共识；第二个部分是回顾过去这几个月自动驾驶领域的商业战争，以及特斯拉FSD的表现；第三部分是从华尔街的视角，大家如何看待2026年的美国股市。 我把这场长达3个半小时的直播浓缩成了3期播客，大家可以挑自己感兴趣的部分来听。下面就开始我们今天的第一场直播。 第一场，我先跟我们的两位嘉宾来聊一聊AI。这一场加入我们的嘉宾是徐皞，也就是大家非常熟悉的硅谷徐老师。他是资深的硅谷技术高管，也是财富500强公司Gen的首席AI创新官。还有一位也是我们的老朋友，张璐，她是Fusion Fund的创始合伙人。接下来就有请两位加入我们的直播间。 陈茜 你好，好的，徐皞，新年快乐。 徐皞 新年快乐。 张璐 新年快乐。 ### 2025 Rewrites the AI Playbook 陈茜 那我第一个问题，我们来总结一下2025年整个AI的发展。如果有一件事情超乎了你在2024年底的预期，会是什么？ 我先抛砖引玉一下。比如，我没有想到Meta落后的这个新闻事件会这么drama，后来经历了大规模裁员，包括TPV lab的重组，甚至搅动了整个硅谷的AI人才大战，也包括杨立昆的离开，这一点我是完全没有预料到的。 还有，我没有想到硅谷会以这么强势的姿态追回来。我也很想问一问两位，你们觉得2025年有什么样的事件或者趋势，是你们之前没有预料到的？我们先从张璐开始，然后徐皞。 张璐 回想2024年到2025年的话，第一个是，我们其实从过去10年一直在布局企业级的人工智能应用，不是To C，而是To B的应用，所以我们一直比较相信垂直领域小语言模型应用落地的可能性。 但说实话，在2024年的时候，也没有预期到2025年大家转向共识的速度会这么快。大家很快意识到，scaling law不是解决所有问题的万能钥匙，也会更加实际、现实地考虑：在行业落地的时候，并不需要最贵、最好的模型去解决所有问题，而是要关注一些小语言模型，通过“鸡尾酒”的方式进行本地化微调，去做各种各样的部署，尤其是在数据隐私和监管要求比较多的行业进行垂直部署。 我记得大概是去年的1月份，当时每年都会有几次大会，比如J.P. Morgan Healthcare Conference，再到后面的Davos。去年我去参加的时候，听到各大财富500强公司，甚至全球的一些领袖在探讨这个问题，对于这方面的认知转向速度非常快。我觉得这是一个比较大的惊喜。 认知转向之后，我们也要看实际的行动。尤其到了下半年、年底，也就是第三季度、第四季度，可以看到大型企业对垂直领域AI布局的预算在增加，包括董事会层面的讨论，已经不是“我们要不要应用AI”这个问题了，答案一定是yes，而是“怎么样、投入多少”，也就是How and how much？我们要放多少预算进去？我觉得这是让我比较惊喜的一点。 另外一点，其实当时2024年预想2025年的时候，会觉得2025年会是很混乱的一年。我记得当时在达沃斯，大家还在讨论新政府上台之后，整个监管各方面会不会有很大的变动，会不会对科技行业，包括AI的发展，产生巨大的影响。 但你回头会发现，反而2025年监管在大规模放松，所以形成了一个不只是人工智能，而是多个技术叠加高速发展的一年。去年一年，不仅是我们，包括我们认识的其他创业投资伙伴，大家的核心感受都是很忙、很累，但同时又有一种非常有热情、很打鸡血的状态。 它不只是单一的AI叙事，其实是AI原生企业，还有AI赋能的各种产业，包括医疗、金融等领域的技术叠加增长，也包括太空科技、国防科技等等。所以，这是让人非常兴奋的一年。 ### DeepSeek Breaks the Monopoly 徐皞 我顺着你刚才讲的Meta说。我觉得Meta的模型落后是一方面，但另外一方面，我们也看到，2024年年底的时候，大家都觉得开源模型的战斗已经结束了，Llama一统天下。 但到了2025年，发现不是这么一回事。后来横空出世了一个DeepSeek。走完这一年之后，这个DeepSeek moment的影响，其实远远超过了我们年初时候的预期。 为什么？因为它让我们看到了好几件事情。第一个，DeepSeek不是一家大公司才能做出来的。后来大家发现，包括Kimi，以及其他一些模型，中国的开源模型很多都做得很不错，而且用比较小的代价就能够做出来。 另外，其实不只是OpenAI、Anthropic、xAI、Google、Meta这些大公司有能量。说老实话，大家后来发现，一年下来，包括离开OpenAI的前CTO Mira Murati做了Thinking Machines Lab，还有SSI做了好几个new lab出来。 所以我觉得DeepSeek只是一个开端。做大模型这件事情，并不是我们在2024年认为的那几家大厂所垄断，也不是只有它们能做。不管是开源模型、美国以外的公司，还是说真正的research，都可能发生在这几家公司之外。 这一点我觉得在2025年年初的时候，没料到会有这么深远的影响。当然，以DeepSeek为首的一批开源公司的结果我们已经看到了，因为即使是在美国，很多企业现在也在使用这些开源模型。 New lab就是那些新的、做AI研究的公司。我不觉得我们今天已经看到它们的结果了，但我觉得至少业界的人认为，它们是在做一件很有意义的事情。这一批公司有希望做出OpenAI在2018年、2019年做出来的事情。 ### New Labs Chase AGI 陈茜 既然刚才徐皞提到了new labs，我就把这个问题提上来说一说。包括你刚才提到的Thinking Machines Lab，以及Ilya Sutskever的Safe Superintelligence。到目前为止，我们还没有看到它们推出非常重磅的东西，你觉得它们会在2026年爆发吗？ 它们会出来一个什么形态的东西？会和主流LLM是一个不一样的应用形态，还是基础模型的形态，或者是另外一种通向AGI的形态？这个东西我们会在2026年看到吗？ 徐皞 我个人是有期待的，我觉得有这个可能性。现在最重要的一件事情是，有很多非常聪明的人愿意集中精力和资源，非常投入地去做这么一件事情。而且这些不同的lab都有自己的thesis，都有自己的angle。 我觉得肯定会出来一些结果。至于是不是会像GPT-3、GPT-4那样，在2020年、2021年、2022年形成一个huge moment，这个我觉得还太早。 陈茜 张璐，我知道硅谷的VC也都在大价钱往这些new labs里面砸钱，你是怎么看它们在2026年的发展的？ 张璐 你看这些new labs，包括徐皞刚才提到的，去年年底有几家新的公司成立，其中xAI的一位founding member，也是我们认识很久的Eric，也出来做了一家新的公司。 你会发现，不只是特别大、特别有名气的科学家，其实主流模型公司的核心科研成员，也可能会在探索的过程中产生一些新的模型架构想法。 但是这类公司有几个特点。首先，它们本身公司的特性和设计，就不是为了优化短期爆发，而是为了探索下一代、长线的新型模型架构。所以你会发现，这些公司的特点就是为什么叫new lab：它们更偏研究性，也更专注安全性，会对很多不同的方向进行探索。 因此你会有一种感觉：AI应用以及创业投资生态可能已经如火如荼地往前走了，但这些new lab那边，可能过了很久才发一篇paper，或者过了很久才做出几个开源模型。但这就是它们在设计之初的底层逻辑。 所以，你如果期待它们像ChatGPT当年一样，突然对整个行业产生巨大冲击，甚至冲击主流LLM的架构，我觉得短期内是比较困难的。 但是现在大家也在思考，LLM真的是达到AGI的最终方向吗？包括现在大家对AGI的定义，我觉得也很混乱。我个人非常喜欢的一个AGI定义，是我记得在TED AI Conference上听凯普老师 [?] 提到的：人工智能能够做90%以上的工作，而且比90%以上的人做得好。 你想，这是一个非常清晰的定义，但是我们距离它还很遥远。在这个过程中，大家也有很多探讨：现在是不是世界模型？我们是不是会从最开始的二维语言，进一步走向三维世界，等等。它可能会不断进阶。 这些new lab内部讨论的，究竟是要对标LLM去做一个新的架构，还是要布局未来3年、5年之后AI所需要的底层基础设施技术和架构建立？这是一个问题。 另外，我也觉得，由于它们的设定更偏研究和安全，可能和我们传统意义上看到的、以商业化为基础，或者VC追求的高速增长型公司的特性不太一样。 所以，确实会有很多钱，按照大家的定义，可能会被浪费掉。因为你会发现，研究很多之后，可能探索出来这个方向走不通。但它对行业有没有价值？确实也有价值。 另外，当时我们记得说2019年ChatGPT让大家非常惊艳，再到后面的2022年、再到2023年，现在我们被惊艳的门槛也在变高。你现在很难说，出现了一个架构，比现有的高10倍。10倍很可能只是一个quantitative的参数。 大家想一想，我们大概在1年多前，一个百万token的训练成本，到现在已经下降了几百倍。所以其实我觉得，现在大家的预期也会比以前高很多。这也是为什么我个人觉得，2026年比较难从这些new lab公司里看到一个让大家觉得“真是一个breakthrough”的东西，但它们做的事情对行业和长期发展还是非常有价值的。 ### Scaling Law Keeps Climbing 陈茜 那你觉得在2026年，这些大模型公司会对scaling law有进一步推进吗？ 比如GPT-5推出的时候，市面上大家都说scaling law已经hitting a wall。但是谷歌的新一代Gemini出来之后，大家又说，谷歌是对scaling law的进一步极致执行，说明scaling law其实还没有hitting a wall，还有继续往前推进的可能性。 刚才张璐也说了，过去一年我们看到整个token价格急速下降，算力性能也在急速成长。大家觉得2026年还会看到scaling law进一步向前推进吗？ 徐皞 我个人比较乐观，倾向于认为scaling law还是非常strong的。 第一，就像你刚才提到的，OpenAI推出GPT-5之后，大家感觉也就一般般，但是Gemini又让大家重新燃起了希望。我觉得这个例子正好说明，OpenAI在上半年，甚至更早的时候，内部可能已经觉得预训练差不多了，也已经take off了，所以花了大量精力在预训练之外。 但是谷歌证明了这个方向可能是错误的。据说OpenAI现在又开始把focus放回预训练里面。 我从computer architecture的角度来讲，我们一直说算法、算力、数据这3方面。虽然数据大概从ChatGPT出现的那个moment开始，网上的数据都已经被扒光了，但实际上我觉得远远不够。 数据到底应该怎么curate，什么样的数据是好的，什么样的数据是不好的，应该放多少比重，其实里面有太多permutation，大家还没有把这件事情搞清楚。 Google的Gemini最近的2.5、3的很多突破，其实都和很好的数据有关。并不是网上的数据一下子多了很多，而是它在数据整理、清洗以及使用方式上花了很大功夫。我觉得现在还有很大的空间，这还只是公开数据怎么使用的问题。 还有很多domain knowledge。以前我在Paradigm Network管AI的时候，当然，今天的Gemini和当时第一版的Gemini差很多，但当时就发现，它不是不了解安全领域的数据，而是一丁点都不了解。要让它理解domain knowledge，这还有很长的路。 这是从数据的角度。从算法的角度，我们刚才已经说了，其实有不同的angle可以去思考、去尝试不同的东西。我非常同意张璐的一个看法：不一定2026年就会出什么成果，但大家会尝试很多东西。即使试错了，或者有些东西试了没有用，这本身就是progress，大家也能够互相学习。 算力方面，虽然你看Elon Musk建了最大的一个数据中心，甚至以后要做百万张卡，但我觉得并不是把卡串起来就一样了。这里面有太多从computer architecture到数据集群的问题：你怎么把卡连起来，怎么实现容错和带宽优化，到底训练多长时间会崩掉，因为什么原因崩掉，这里面有非常多工作可以做。 所以从我的角度来讲，说预训练scaling law已经差不多了，我不敢下这个结论。我不知道这个空间到底在哪里，但如果我们若干年以后回头看，发现还有10倍的空间，我完全觉得这是可以想象的。这是我的看法。 陈茜 张璐有什么补充吗？ 张璐 我也同意徐皞讲的，2026年scaling law还是成立的。但一方面，它已经不是唯一的增长路径了；另一方面，由于现实原因，它可能会成为只有少数玩家能够负担的发展方向。 另外，现在对于scaling law的理解，不会再像以前那样，觉得只是扔越来越多的数据，有点像无脑地用数据堆砌来推进，而是更多从系统层面进行scaling，包括刚才徐皞提到的算力，以及整个system的优化。 谷歌在这方面其实比较有优势。刚才徐皞也提到了，不是数据更多，而是数据质量很重要，包括数据优化和数据多样性。 另外，谷歌还有一个优势，就是真实世界用户反馈形成的闭环。它通过多条产品线快速获得用户反馈，再进行产品优化，这也是它的scaling law成立的原因之一。 现在我们的叙事也在改变。2025年和2024年相比，大家不再只是追求哪个AI最聪明、哪个模型效果最好，也会关注哪个AI成本更低，哪个AI可以更实际地落地。 这时候再看谷歌的很多系统优势，它在这个层面上进行系统化的横向和纵向scaling law，对它来讲就是成立的。这也是为什么你会看到Gemini这次表现得这么惊艳。 其实我们内部也了解到，谷歌毕竟还有一个非常强的部门，就是DeepMind。DeepMind从几年前开始，内部已经有很多新型的模型架构，可以和现有的大模型进行整合，从各个角度进行协同优化。这也是它非常大的特点。 所以我觉得今年会非常有意思。大家会看到，过去很多scaling方式会被修正，也会看到更多系统型玩家展现出强大的实力。 我觉得现在AI生态可以分成两类公司。一类是模型中心的公司，比如OpenAI、Anthropic；另一类是系统中心的公司，谷歌是一个代表，其实xAI也是以系统为中心来搭建这样的公司。 马斯克一开始并不只是在训练模型，他希望从硬件到软件，把整个生态都搭起来，并且用他在资金和执行能力上的优势往这个方向发展。 包括苹果，虽然现在大家对它的批评比较多，在这一轮AI大科技公司竞争中也相对落后，但它仍然有非常强的系统优势。 所以从这个角度看，大家对于scaling law的理解和定义，都会和过去几年非常不一样。 ### Meta Searches for Its Edge 陈茜 接下来我们聊聊几个大玩家现在的发展情况。首先预测一下Meta在2026年的表现，因为现在大家对TPD Lab的hype也很高。 最近还有一个新闻，Meta收购了中国团队Manus，交易金额据说在20亿到30亿美元之间，而且听说只用了10多天就完成谈判，非常快。我记得Manus整个团队从中国迁到新加坡，再到美国，其实也就1年多的时间。 大家觉得Meta这么快出手，背后意味着什么？它为什么要收购Manus？你们觉得2026年的Meta能不能给大家一个“OK, I can come back”的surprise，还是会落后得更远？ 张璐 我可能有一些自己的偏见。说实话，我现在对Meta挺失望的。 我刚才也提到了，我们之前一直非常看好开源生态。当时Llama 3出来的时候很惊艳，也非常希望他们在这个方向上继续推进。 后来Llama 4之所以发布之后被大家批评，表现和预期差很多，也是因为他们内部的战略调整。他们希望AI不只是做reasoning、做推理模型，而是更多关注产品端，太早地向产品端推进，所以导致当时的发布其实很不尽如人意。 在徐皞提到的DeepSeek发布之后，大家也看到了其他公司在开源生态方面的表现。Meta过去这一年经历了非常动荡的过程，包括收购Scale AI、团队内部调整，以及最近对Manus的收购。 对Manus来讲，这是一个非常好的退出。Manus整个团队的执行能力和产品能力都很强，数据也很好。但我有一个疑问：现在Meta最需要的能力是什么？它最需要的是应用能力，还是模型能力？ 我个人觉得，它可能更需要的还是模型能力。那它为什么不去更多地追逐一家更好的模型公司，而是花大价钱收购一家应用公司？当然，我也听说了一些圈内的rumor，说他们还问过好几家公司，可能也有自己的一些想法和布局。 但至少从今年下半年看来，Meta在AI这边已经从整个第一梯队掉下来了。虽然大家对杨立昆的评价可能有各种不同的看法，但我仍然觉得，当然也有一种可能是他错了，但也有一种可能是，他们正处在黎明前的黑暗。 如果他们坚持当时对世界模型的投入，说不定也会做出一些新的东西。对于Meta这么大体量的公司来说，要么就有实力像谷歌一样弯道超车，马上走到第一梯队；要么就做一些和别人不一样的东西。 如果永远做的都是科技行业里连前三都排不进去的事情，那会非常痛苦。 但另一方面，我觉得Meta有一个非常大的优势，就是它的创始人非常有执行力，非常有gut。做出决策之后，你会看到它本身的转向能力很强，对公司的控制程度也很强，而且公司现金流各方面现在都处于非常好的位置。 所以我觉得它有试错的成本。也希望它的人才储备，以及整个公司内部的结构，能够更快稳定下来。我们也希望看到更多科技公司，尤其是大型科技公司玩家，能够重新进入第一梯队。不要让Google一家逐渐做大，做得太大的话，一家独大对生态来讲也不是一件好事。 徐皞 这方面我跟张璐的观点完全相反。 我觉得Meta没必要找事去做大模型，做做应用挺好的。Meta作为一家世界级公司，需要有一定的研究能力，对模型和AI有一定深度的研究理解。做一点大模型本身不是问题，但我觉得Meta最大的优势还是应用。 怎么样让用户在使用Meta任何产品的时候，都能体验到GenAI带来的更好体验？我觉得这是最重要的。我没觉得它必须做大模型，也可以去买OpenAI或者Anthropic的模型API。What's wrong with that？我一点都不觉得有任何问题。 其实我对其他一些公司也挺失望，比如微软，包括苹果。但我对它们的失望，不是因为它们没有把大模型做出来，而是觉得它们没有把应用做好。 当然，你可以说，要把一个应用真正做好，可能需要把应用、模型到硬件完全串起来，这样可能是最好的。但我觉得今天Meta最大的问题，还是在应用里看不到模型能力的体现。 张璐 我觉得Meta已经到了这个体量，不做大模型，未来其实会面临比较大的生存挑战。 而且Meta虽然表面上看是一个偏应用的公司，但内部很多东西都是full stack，包括server也都是自己的。很多年前，大概不到10年前，它们推出过一个产品叫Graph Search，那是一个比较大的宣布，当时带队的团队也很强。那个时候它们其实已经在AI搜索这个层面上进行布局了，只是后来因为数据隐私等考量，这个产品没有继续推进。 所以我觉得，从未来公司的发展来看，如果我们经常说人工智能未来会像electricity，也就是像电力一样，那么作为这么大体量的公司，如果电力不掌握在自己手里，还是有一定危险的。 尤其硅谷这几家科技公司，很难说谁和谁是非常紧密的合作伙伴，可以一直协同发展。 徐皞 当然，你说短期时间的话，可能它还是有一个比较强的惯性，但我觉得尤其是在看到Zuck他本身也是一个比较年轻的CEO和创始人，一方面是公司的愿景，一方面也可能是个人的愿景和野心。小扎其实是很早就对AI感兴趣，在OpenAI成立之前，小扎就对身边的人说他对AI怎么怎么感兴趣。因为我以前有一个同事是在小扎身边，就是负责AI，那是2013年、2014年的时候，可想而知他是对AI的憧憬，并不是说只是因为最近ChatGPT这一点，所以说我一点都不奇怪。 我完全同意张璐你说的，从长期来看，你需要对这项技术有一定掌控。但我不觉得Meta急着做这件事情。 说老实话，不管是我们说的new labs，还是Fifty Billion Dollar、Hundred Billion Dollar，甚至一千亿美元，你都能够买下来。而且现在模型的shelf life、保鲜期太短了。你即使今天做到世界第一，so what？你稍微打个6个月的瞌睡，就已经掉到很后面了。 所以我不觉得这是只争朝夕的事情。从industry的角度来讲，只争朝夕是一件好事情，但从单一公司的角度来讲，我不觉得你错过1年就会怎样。 这一年你只是去做应用，到了2027年再去想模型，我觉得也来得及。 张璐 你的整体观点我是同意的。其实我觉得你这个观点也适用于苹果，包括大家对苹果的批评这么多。 你看，苹果之前说要和OpenAI合作，现在又马上去和谷歌谈合作。它牢牢把控着自己的硬件层面，本身是数据的入口，也是应用的入口，所以它把真实世界的AI入口，也就是AI layer、AI interface，抓在自己手里，就有很强的优势。 但我觉得Meta确实处在一个比较特殊的位置。尤其是它和苹果的关系很tricky，它一直想摆脱苹果，但又不能摆脱。所以，它是不是能够通过AI这一波趋势，让自己获得更强的独立性，我觉得可能也是一个机会。 陈茜 没错。其实我们看到，Meta已经通过AI的发展，包括广告算法，吃到了很多二级市场的红利。 而且我听到一个说法，就是硅谷这几家大公司，以及这些大公司背后的founder，都非常希望自己能够带领公司成为第一个达到AGI的公司。这是他们想要留下的legacy，也是他们的野心所在。 所以不管是自己的野心，还是公司未来的发展，也包括你看Elon Musk、扎克伯格、谷歌的这些人，以及Brin也回来了。好像除了苹果没有去卷大模型之外，其他公司其实也都在卷大模型，想要达到AGI。 所以，2026年我们就继续拭目以待吧。就像你说的，这里面有很多成分是个人激情，不完全是出于商业模式。 ### OpenAI Faces Its IPO Test 那我们继续聊一聊OpenAI。2025年，Sam Altman搞定了OpenAI关键的架构转变，让它变成了一家可盈利的公司，也就是说它可以上市了，很有可能会在2026年上市。 接下来，如果从资本的角度看，怎么去看它的估值？它的收入能够对齐外界对它的期待吗？ 张璐 我觉得首先，架构一直以来都是它比较大的一个雷。所以我觉得它能够把架构这一层，尤其是和它比较大的投资方微软，谈到这个程度，已经是一个很大的milestone了。 但你说它现在的收入水平、增长水平，以及最新的估值，是不是能够让大家觉得，它真的能够在二级市场获得同样倍数的期待和对待，我觉得这是大家有很大疑问的事情。 这也是为什么你看它宣布IPO之后，Anthropic那边也马上提出来，它们可能会有机会以更加合适的收入和估值比例，获得资本市场更多支持。 另外，就像你提到的，之前它发布GPT-5等产品，以及Gemini前后的一些发布，其实都让大家比较失望。包括我现在听到的，无论是用户端的数据留存，还是Y Combinator，也就是YC，这些初创企业对API的调用情况，都发生了一些变化。 以前调用API最多的是OpenAI，但现在最新的这个batch，大部分使用的都是Gemini API。当然，这还处在早期阶段。OpenAI依然是一个非常大的公司，无论从用户惯性、用户数量，还是收入水平来看，都是一个巨无霸。 但它现在的利润空间，基本上很难让大家看到，未来它怎么样成为一个不只是盈利的公司，而是真正能够盈利的公司。至少目前，大部分投资人很难看到它的路径。 再看它的竞争对手，Gemini现在训练成本可能不到OpenAI的30%，这还是没有进行极致优化的结果。所以我觉得它面临的挑战还是比较大的。 但另一方面，因为利润率和巨大的成本问题，它可能确实需要更多资本市场的支持。所以你说它需不需要IPO？它一定需要IPO。但IPO之后它的价格能不能撑得住，我觉得这对市场和公司都是一个比较大的挑战。 陈茜 徐皞，你觉得OpenAI今年会怎么样？ 徐皞 OpenAI主要还是一个故事。我说的“故事”没有任何贬义或褒义，因为我觉得这是一件未知的事情。 Sam Altman是一个很会讲故事，也能够赢得投资人信任的人。至于他是不是能够把这件事情做出来，OpenAI有没有前途，或者这个前途是不是无量，我觉得还需要很多证明。 过去我们看到的一件事情，就是ChatGPT已经有可能接近10亿用户了。这是第一个把这件事情做出来、享受到这个红利的产品。 但10亿用户到底有多强的粘性？我觉得半年前大家还觉得，OpenAI的ChatGPT是其他人赤着脚都赶不上的。但我觉得现在已经有很多人开始质疑，包括Salesforce的CEO也说，他已经从ChatGPT改成Gemini。当然，他可能有做PR的成分。 半年前，我个人不会从ChatGPT转成Gemini。半年以后我还没有转，但我说的是default，我觉得我今年是有可能转的，因为还要看它们怎么做。 所以你就能够看出来，10亿用户其实是有所松动的。 另外，OpenAI做的东西很多，和Anthropic比起来要杂得多、广得多。这到底是一件好事还是坏事，我觉得现在很难说。我没有看到一件事情是铁板钉钉的，但每一件事情又让我感觉到有很大的潜力。 陈茜 对，市场太大了。它是一上来就要吃掉所有市场，还是像Anthropic一样专攻一个市场？ ### Anthropic Pushes Into Enterprise 接下来我们来看Anthropic在2026年会有什么样的发展。Anthropic也说要上市。我们看到，Anthropic在商业和收入上，特别聚焦coding这一块。AI coding在2025年是一个关键词，大家觉得这个市场在2026年会继续扩大吗？ Anthropic会不会独占这个蛋糕？现在Windsurf已经被谷歌给收了，接下来现有的这些小一点的初创公司和其他player，会不会被Anthropic吃掉这些蛋糕？Anthropic的商业化还能往哪里扩张？ 徐皞 Anthropic过去两年非常稳扎稳打，做事情也非常聚焦。它在企业服务这一块，基本上从两三年前不能说远远落后于OpenAI，但当时大家应该还记得，大概两年前OpenAI的CEO有一个周末被fire掉，但后来又回来了。 那个时候，绝大多数企业只用OpenAI。但那件事情让很多企业开始想：OpenAI如果瞬间消失掉怎么办？我是不是应该有一个Plan B？ 从那时候到现在，大概两年两个月，roughly来说，财富500强、财富1000强的公司，如果只用OpenAI的已经很少了。大家开始选择Gemini或者Anthropic，Anthropic是一个大赢家。 我不知道现在企业服务API调用这一块是不是已经完全超越OpenAI，但即使还没有超越，我相信它已经在超越的路上。 从这件事情上来讲，我觉得Anthropic非常聚焦，也非常有成就。但今天这个AI时代，没有哪个公司真正拥有护城河。 3年前，我觉得AI coding这件事情大概GitHub应该已经完全占领市场了，其他小打小闹的公司有一堆。到1年前，发现Cursor开始崛起；但现在又发现Claude Code起来了。 说老实话，我不觉得这场战斗已经结束了。我觉得还会有下一个什么东西出来。用户的粘性没有那么强，不管是企业服务API，还是AI coding agent。 但这对用户、消费者，或者在这些平台上做产品的企业来说，可能是一件好事情。这是一个百花齐放的世界。 总体来讲，我觉得Anthropic非常好，但不代表它就可以心安理得地认为，竞争已经结束了。 张璐 我同意徐皞讲的。其实在AI coding层面，现在还是处在第一阶段。2026年，整个市场规模和应用都会进一步加速、扩张，大家会看到AI不只是一个C端娱乐应用，而是企业生产力，这一点非常关键。 尤其像Cursor，它后面也有调用Claude。Claude Code出来之后，本身就是一个以模型为基础的原生代码模型和coding agent，所以它的整体使用体验，以及对一些开发场景的支持，都非常受到开发者欢迎。 过去这一年，很多公司都从Cursor转向Claude Code。所以我觉得在代码方面，Anthropic现在在市场上的地位还是比较坚挺的，当然也会随着模型能力的提升进一步进步。 现在可能是科技圈使用coding agent比较多，但就像我提到的，它会逐渐形成非常明确的企业生产力。随着它在大产业里推进，会形成一个非常巨大的市场量级，所以它的收入水平和收入潜力还会进一步增加。 另一方面，我觉得Anthropic还有一个优势，就是一直以来都在稳扎稳打地做To B，而且非常强调安全。所以它可能希望成为高监管行业，或者对数据敏感行业的默认AI。 比如金融、医疗、保险等非科技行业，追求的并不是模型表现能力最强，而是第一要义必须安全。这里有监管、compliance和数据隐私的问题。它是不是能够理解整个现有架构在监管层面的需求，然后提供安全的AI本地化部署等等，这些都很关键。 SARP一直在推进这件事情。比如2025年，它专门推出了一款针对金融行业的产品。当然，那个产品推出之后，我听到的反馈也是褒贬不一，但至少它的思维理念比较明确。 它没有发散地说，既要做硬件，又要做infrastructure，又要做芯片等等，而是明确要做To B，推动这些敏感行业落地AI。 那这会不会形成对初创企业的竞争？当然会，因为我们主要就是投To B AI。但也能看到，它毕竟还是一家大模型公司。到底是做一个通用agent，还是做更加细分市场的垂直agent，这还是它未来需要考量的战略发展方向。 所以，初创企业还是可以用更快、更聚焦的方式去获得市场先机。 最后一点，我觉得Anthropic比较好的一点，是没有太多历史遗留问题。刚才徐皞也提到，OpenAI一直想推To B，但它在To B上最大的竞争对手和拦路虎就是微软。 包括现在你去看OpenAI成本和利润的架构，中间其实很依赖微软的Azure。所以你会看到，OpenAI开始和其他云平台谈合作。 但Anthropic从一开始就没有这个问题，它没有绑定到某一个云平台上。它可以拿谷歌的钱，也可以拿Amazon的钱，现在也开始和微软合作，所以在自己的成本结构层面上有更多灵活性。 当然，它现在也存在和OpenAI一样的大模型问题，就是怎么样进行成本优化。如果真的想成为一家在2026年可以IPO的公司，这些财务数据需要更好地体现出来。 它们怎么样探索下一步盈利和盈利路径，同时又不牺牲自己的高增长率，这可能是公司内部现在比较重要的一个方向。但总体上，我觉得它和OpenAI相比，还是有很多比较大的利好。 ### Applications Finally Reach Work 陈茜 2025年很多人说是应用元年。这一年我确实看到非常多的startup，很多应用也变得好用了、跑出来了，甚至我们自己的视频团队也在用很多这样的工具。 在应用层面，两位觉得2026年我们不说API或者开发者应用，就说像我们这样的人，以及很多正在看直播的观众，他们自己的体感会是什么样？大家会不会觉得有更多好用的应用爆发出来？ 张璐 我非常相信。我专注早期投资，去年投的最后一个项目，给公司汇款是在圣诞节那天。人家说money never sleeps，我们说创新也never sleeps。 过去一年，投资人不睡觉，创业者也不睡觉。现在大公司在进行军备竞赛，小企业其实也处在非常打鸡血的状态，不断往前推。 就像你提到的，现在很多垂直领域的应用层出不穷。在这个过程中，它已经为大家铺设开了很多以前没有想象过的应用场景。 如果我们以前看科技行业，应用新技术的主要领域是互联网和AI，但整个科技行业在美国GDP中只占10%。可如果你看金融、医疗、保险等所有服务行业，加到一起是美国GDP的50%以上。 每个行业里面都有各种各样的应用场景，也都有垂直AI agent落地的机会。再加上我一开始提到的，过去2025年一年，大企业在AI层面的整合速度和预算提升都非常令人惊讶。 大家可能知道，JPMorgan Chase是美国最大的银行，它的CEO公开说过，公司内部部署AI相关的预算，比其他排名前10的银行加在一起还要高。 那我们就有3家公司和它合作。这3家公司都是初创企业，大概在A轮左右。可以看到，它们拿到订单的量级和速度都非常惊艳，最快的一个可能不到几个月，就签下了一个非常大的订单。 你看到这样的部署过程，带来的不只是商业验证和市场验证，更重要的是我刚才提到谷歌的一个优势：真实世界的反馈和快速闭环。你的产品获得真实反馈之后，才能继续优化，然后更快地进行再部署。 所以我们在2025年已经看到了这个趋势的开始。我觉得2026年一定会加速，尤其是早期科技创新领域，可能会比去年发展得更快。 陈茜 好的，看起来确实是一场硬仗要打。徐皞，你觉得呢？ 徐皞 陈茜，你刚才提到2025年是应用元年，我觉得要看这个“元年”是怎么定义的。 如果这个元年的定义是开始看到一些比较有意思的application，也就是应用，我觉得可能算。但如果说元年意味着大规模爆发，那肯定算不上。 从某种角度上讲，如果我站在1年前预测今年会不会有更多应用，我觉得1年以后回头看，好像比我想象的要少一点，至少从广度上来讲是这样。但从深度上来讲，一些application是不错的。 最重要的一个application，可能就是我们刚才也提到了很多次的AI vibe coding，或者说AI coding。不管是Cursor、Claude Code，还是其他产品，今天一批程序员，甚至非程序员，也开始使用Lovable这一代的产品。 我觉得这个应用算是很多人在用了。但你说它真的对我们的工作和生活产生了很大的价值，我觉得还没有。 第二大的应用可能就是企业服务里的客服。也有好几家公司，比如Sierra、Backgroun，可能几十个甚至几百个。你也可以说，所有企业服务AI公司多多少少都在做support功能。 这一块的应用我觉得算是起来了，也做得比较深了。除此之外，陈茜你跟我做过一期节目，聊过AI浏览器，我自己也在做。 但你说AI浏览器是不是已经走入千家万户，显然还没有到。但至少它让大家感觉到，1年前我刚开始做AI浏览器时，所有人都在问，为什么要做一个新浏览器？浏览器战斗已经结束5年、10年了。 但今天至少在硅谷，大家都会说，做AI浏览器是一件很有意义的事情。不过这场战斗其实还没有完全开始，更不用说已经走了很远。所以AI浏览器算一块，但其他的我还没有看到很多应用。 我自己也在想，为什么会这样？一个原因是周期。新的技术要出现新的application，总归需要一段时间。 但我觉得还有好几层原因。第一，我觉得ChatGPT说老实话，虽然刚才已经说了它的护城河不够深，但它在绝大多数人的脑子里已经留下了比较深的印象。 很多时候，你要做一个比较niche的应用，ChatGPT已经做得不错了。这时候你再去做一个新的应用，机会就没有那么多，除非你的功能要好很多。 第二，所有模型的能力都在提升很多，这对应用开发者多多少少造成了一些困扰。并不是说他们没有空间，而是模型能力提升得非常快。 有一件事情是，我本来做的一件事情被模型做掉了。过去3年一直在讨论这个问题，但我觉得不只是这个。对应用开发者来说，真正困难的是模型不断在变化。 不要说GPT-5.0到GPT-5.1这些不同模型。即使我在GPT-5.1出来以后用的是同一个模型，说老实话，模型版本没有变，但它背后的能力其实在变化，或者说它的各种特性也在变化。 我觉得这对今天的开发者来说还是蛮困扰的，每天都是不一样的世界。但我还是希望2026年有更广泛的应用出现在我们的手机和desktop上，而不只是少数几个应用。 陈茜 非常好，非常感谢徐皞和张璐。 ### Vertical Agents Demand Precision 接下来我们回答一个观众的问题。有观众问，两位对于domain-specific agent的前景有什么看法？比如面向传统供应链、supply chain，还有retail行业的agent。 我觉得这个问题提得非常好，因为agent确实是2025年的一个关键词。两位觉得它在2026年会有什么样的发展？ 张璐 现在的一个发展方向，是从chat到agent，再到multi-agent。我觉得domain-specific，也就是刚才提到的行业垂直应用，这些agent的发展速度会很快。 比如前段时间有一家比较大的保险科技公司被一家保险公司收购。Newfront Insurance大概卖了15亿美元，不到20亿美元。它们其实做的是一个相对简单、直接的应用，用人工智能自动化brokerage。 你说它有没有做一个整体的平台服务？并没有。但因为它的量级做得很大，其实也就用了5、6年时间，做到几亿美元收入，最后以一个比较好的价格退出。 物流和供应链方面，我们倒没有看到特别大的公司，但这个方向有一些中型公司，比如融资几千万美元的公司。包括我们投资的一些公司，和Koch Industries合作的公司，也在快速崛起。 我觉得今年还有两个比较大的方向：一个是医疗，另一个是space，也就是太空科技。整个太空生态的数据量在崛起，它本身又比较AI robotics原生。 医疗方面，现在数据隐私和数据孤岛的问题，在应用federated learning，也就是联邦学习之后，也得到了很好的解决。医疗本身又是一个非常巨大的市场。 所以这些领域的垂直agent，我们也看到很多公司在早期阶段崛起。它们现在的量级可能还比较小，这也是为什么普通大众在市场上还没有关注到它们。 但因为我们做早期投资，可以看到这些公司从可能没有收入，增长到几千万美元收入，甚至很快增长到上亿美元收入。这个增长速度，我觉得是过去10年任何一个技术发展或技术创新趋势都没有体现过的。 徐皞 一旦要做到domain-specific，也就是在某一个领域，就意味着你对回答或者做事情的精度、准确度要求会很高。 它不像ChatGPT或者其他语言模型，有时候出现hallucination，大家笑一笑就过去了，尤其是consumer应用，可能也无所谓。即使我是一个programmer，使用Cursor或者Claude Code，它们做错事情，我也可以不断修正、检查，所以问题不大。 但之所以垂直领域比较难，是因为很多时候用户对它的期望值很高。他希望你不只是90%正确，甚至不只是99%正确，而是希望你完全正确。 世界上没有完全正确的事情，但我觉得这件事就非常难。这也是为什么在这种情况下，你需要做很多domain-specific的工作，不管是agent、数据处理，还是自己的模型微调。 你很难让一个horizontal、generic的agent达到非常高的精度。所以这里面会有domain-specific的agent、模型、平台、数据，以及各方面的工作。 但最重要的原因是，大家对它所做事情的期望值很高。 陈茜 非常感谢两位。大家新年快乐！ 徐皞 新年快乐！ 张璐 新年快乐！ 洪君 好的，那这就是我们的第一期节目，也欢迎大家在评论区写下你们对2026年AI领域的看法。记得收听我们接下来的两场直播。如果大家对这种形式感兴趣，还有很多人说希望听到我们的直播回放，我们以后可以尽可能多地同步上线我们的播客账号。我是洪君，感谢大家的收听。