程曼祺
在上周和戴雨森聊了 2025 年的 AI 复盘和展望之后，刚好上周五和周末，这个行业又有很多新的事情发生，所以我们又约了一个补录，聊聊一些新的进展。我觉得可以还是从我们最开始的那个话题补充一下：你觉得行业里最重要的几件事情，结合新的进展，可以再展开说一说。
戴雨森
1. OpenAI 解出 IMO 金牌题
过去的这个周末确实发生了很多事情。我觉得最重要的一件事，是 OpenAI 的一个新模型在 2025 年 IMO 比赛中获得了金牌级别的成绩，具体来说是 6 道题做对了 5 道题。
这个事情为什么很重要？因为按照 OpenAI 的描述，这是一个没有联网的大语言模型，并且没有专门针对数学进行优化，也没有使用其他工具，比如 Code Interpreter。它完成了 IMO 的证明题，OpenAI 还找了 3 个 IMO 金牌得主进行交叉验证，认为这个证明是正确的。
当然，这个结果也引起了一些争议。比如 Google 就说，这个结果并没有得到官方认证，所以还不一定有效。陶哲轩也说，IMO 题目的解答过程可能有很多不同的情况，得分会不一样。
但不管如何，这是一个语言模型，没有经过特别的数学优化，单纯在离线环境中解出了 IMO 级别的证明题，这其实还是比较划时代的。因为之前 Google 用 AlphaProof 和 AlphaGeometry 去做的时候，其实是专门为数学准备的模型，或者使用形式化验证的方式去做。这种模型没有那么强的泛化能力，它更像是专门针对数学问题训练的系统。
对。Google 的 AlphaProof 和 AlphaGeometry 在去年 7 月获得了 IMO 银牌的水准，当时离金牌还差一点，但它不是一个通用的大语言模型。
而这一次 OpenAI 说这是一个通用的大语言模型。每年这个时候正好是 IMO 考试，题目出来之后它立刻就做了，所以也不能说是提前训练过这些题目，对吧？它不太可能是因为泄露了题目，然后再针对性优化。
戴雨森
对。虽然这一年多语言模型发生了很多进展，但这里面 coding 和数学计算都是结果比较容易验证的问题。如果你做对了，程序就能运行起来，或者把数据带进去验算。
IMO 的题目是证明题，属于比较难以验证的问题，hard to verify。这一直以来都被认为是当前 LLM 难以解决的问题类型。而且显然，世界上大部分问题事先是不知道答案步骤的。
所以，当一个语言模型能够不经过特殊调教，就去解答这样的问题，并且达到了人类中比较顶尖的水平时，这也意味着语言模型的思考能力进一步提高了。
OpenAI 还提到，可以通过增加思考时间来提高模型表现。这也进一步验证了 inference scaling law 这样一个非常重要的 scaling law。我们之前聊到，除了 pre-training 之外，又出现了 post-training 和 inference 的 scaling law。
第二，这说明 LLM 的泛化能力很强，能够解决很多我们原来以为解决不了的问题。根据我们之前聊到的，模型能力越来越强，它可以接触的场景越来越多，带来的应用机会和创造的价值就可能越来越多。
第三，我也在想，一道 IMO 证明题和一个尚未被证明的数学小定理，在形式上是很类似的，都是要证明一个比较难以验证的问题。很多时候，人类在做开创性的新工作，就是想尝试证明一些没有被证明的问题。
当然，现在让模型去证明一些大的问题或者大的猜想，肯定还比较难，比如哥德巴赫猜想。但在人类发现新知识的工作中，也有一些小定理、小证明需要去做。当语言模型能够解决 IMO 题目的时候，实际上也说明，发现理科新知识这件事情已经不再只是对未来的预期，而是可能已经近在咫尺，甚至已经可以发现一些小的新知识了。
还有一个八卦，据说 OpenAI 现在这个模型所基于的 base model，和 GPT-4o 其实是一样的。至少现在跑出来的这些模型，也有人认为可能都是同一个最基础的 base model，并不是在 base model 上有那么大的提升，而更多是通过 post-training 和 inference 这些预训练之后的过程实现的。
这就说明，虽然大家认为 pre-training 撞墙了，还有很多问题需要解决，但 post-training 以及 inference 上的优化还可以走很远。这其实也带来了对 AI 发展空间的很大畅想。
结合一些公开信息，以及你和一些人的交流，他们是怎么做到这一点的？你刚才大概说了可能是 inference scaling，除此之外还有什么信息吗？
我看到 Twitter 上 OpenAI 自己的人会分享，这个东西和 multi-agent 有关。我最开始看到的时候有点困惑，因为它一方面说这是一个通用的大语言模型，另一方面又说用了 multi-agent。一般人可能会理解成，是不是用了不同模型的组合，或者工具的组合？
戴雨森
现在还非常早，所以到底怎么做的，大家众说纷纭。我相信几个月之后，我们可能就会很了解它是怎么实现的。
这里面的 agent 应该并不是指用工具进行规划的那种 agent，而更像是模型中有多个角色相互合作，进行更强的推理。这可能是初步了解到的一些传言，有一些技术人员是这么描述的。
2. 智能曲线继续陡峭
我其实有一个很强的感受。2023 年 3 月有一篇论文叫Spark for AGI，就是“AGI 的火花”。当时他们测试了 GPT-4 的预发布版之后，感叹说从 GPT-4 的能力中看到了很多 AGI 火花的例子。
那是两年半以前。两年半在很多科技进步史里面是很短的时间，甚至我们投资一家公司，可能两年半之后产品才刚刚发布。但是我们现在再去看那篇文章，当时那些研究员非常激动地说看到了 AGI 的火花，在现在看来已经是非常非常简单的事情。
从当时那些 AGI 的火花，比如解一些简单的题，到现在能解 IMO 级别的题，其实只过了两年半。我的想法是，智能在一两年半以前就已经让人很惊讶，到现在其实已经提升了非常多，并且时间非常短。两年半在很多进步史上都是很短的时间，那十年之后会怎么样？这个曲线其实是非常陡峭的。
这篇文章的作者后来加入了 OpenAI，他说这件事情的重要性怎么强调都不为过，可能是一个 moon landing moment for AI，也就是 AI 的登月时刻。
一个只是预测下一个词的模型，没有工具，却做出了一个真正有创造性的证明。这样的证明在人类中也只有极少数天才才能做出来。这充分说明了 AI 已经到达了什么样的水平。
所以我想起我们年初录制的时候讲到的一点：今年会带来很多震撼，越来越多的行业会见到“李世石时刻”。我们当时定义的李世石时刻，就是 AI 超过人类第一名，或者说超过人类中最顶尖的那群人的时刻。
在这个过程中，我们已经看到 coding，看到数学，越来越多领域出现了这样的情况。接下来可能还会有更多这样的时刻等待着我们，原来觉得很难被解决、或者离我们还很远的事情，可能会被解决。
还有一个消息，有可能不光 OpenAI 做到了这一点。OpenAI 发布信息之后，Google 的一位研究员也在 Twitter 上表达了大概这样的意思：OpenAI 提前发布了这个进展，所以 Google 也值得期待。
听他的意思，好像 Google DeepMind 也得到了金牌，但不知道是不是也是一个通用型模型。之前的 AlphaGeometry 还是专用模型。如果这次也是通用模型，那就说明这项技术不只是能够做到，而且已经不只是一家公司拥有，技术扩散也开始了。
这样的话，不管哪家的模型，都可能从中受益，大幅度提高推理能力。
据你交流的这些从业者，尤其是中国的从业者，他们会对这个成果感到很吃惊，还是基本上也能想到？
戴雨森
这个方向肯定是大家知道、大家都在做的。更强的 reasoning 能力带来更强的思考，就能够证明更难的题目。但现在我们突然就能看到这个结果，还是很震撼。
我聊了一些中国最顶级的研究者，他们都表示非常吃惊。我觉得这也是一个好的信号，说明行业又有了进步的方向。
当你知道原子弹能爆炸的时候，离把它做出来就不是很远了。所以我相信，大家会逐步了解这件事情是怎么做的，并且能够提高自己模型的性能。
3. 数学推理改变 AI 应用
我还想追问一个问题：从这个技术进展到应用，会发生什么变化？
你刚才讲到“李世石时刻”，历史上已经出现了几个比较典型的案例。我觉得有 3 个：一个是在围棋上超过最顶尖的人类，另一个是 coding，还有一个是数学推理。
数学推理其实比 coding 更难，因为 coding 是一个比较容易验证的问题。之前为什么说强化学习在 coding 上比较适用，也是因为 coding 的结果 reward 比较清楚。代码写出来能够运行，实现了对应效果，测试用例也都通过，结果就被验证了。
但证明题有没有证对，像现在 IMO 解答的判卷，本身就是很复杂的事情。所以，像这种难以被验证的问题也被攻破时，我觉得它的泛化意义比 coding 更强。
戴雨森
围棋是一个非常具体的 case，信息是完备的，胜负是明确的，所以在这个过程中强化学习起到了很大作用。
Coding 相对来说也比较结构化，容易验证，并且 coding 可以认为是另外一种形式的语言，还是一个语言类任务。很多时候大量代码别人已经写过了，你只是把它拼装起来。所以在这个过程中，它推理、产生新知识的过程没有那么多。
但数学是理工科的基础。数学能够解决很多不需要在自然世界中实验，而是靠思考和推理进步的学科。这样的话，可能很多领域都会得到进步。
从生产力的角度，我觉得它带来的进步会比 coding 更大。
我刚才其实想问的就是应用影响。你觉得它的影响会更大吗？
戴雨森
有可能。如果说 coding 现在替代的是很多比较年轻的程序员的工作，很多时候这些工作属于我们之前讲的“复制粘贴型代码小子”的工作。
比如我做前端，前端界面肯定有人写过类似的，我把它拿过来改一改。但现在这种真正由思考带来的新知识、解决难题的能力，肯定是更值钱的那一部分。
我觉得 AI 不断把人类比较简单的任务替代掉，人类就往更加难、更加有价值的任务走。但 AI 又会追着人去解决更有价值、更难的问题。所以我认为，这对接下来应用的发展、AI 价值的提升，都有很大的意义。
这也是为什么这次让我更加看到了 AGI 即将到来。如果原来 AGI 像一列火车，你远远看到它在冒烟，现在已经听到声音了。
你刚才讲到一个点：IMO 的证明是否正确，其实验证起来很难。这让我想到 OpenAI 研究员在 Twitter 上发布的一些信息。他们提到，这次一个很大的进展在于，强化学习也可以用来处理这种看起来正负反馈并不直接的领域。
它的奖励并不是那么清楚，奖励模型看起来更复杂、更难设计，但他们也能做到不错的效果。有 OpenAI 研究员说，这是背后一个很大的进展。
另外，最近从 OpenAI 去 Meta 的研究员 Jason Wei，提出了一个观察，叫“验证的不对称性”。他认为，有很多任务是你完成它的时间少于验证它的时间。数学题就是这样，因为验证一个解答可能比做题花费更多精力。
之前很多任务属于 hard to produce but easy to verify，也就是做出来很难，但验证比较容易。比如写代码可能比较难，但验证代码能不能跑起来，试一试就知道。
现在有点像是 hard to produce, hard to verify。但他总体认为，这种很难验证，或者验证时间大于完成时间的任务，还是很难完全替代人，因为最后仍然需要有人来做判断。
戴雨森
有可能。但是能够给出一个证明，本身就已经是很大的一步了。技术上我觉得肯定是一大步，智能能力上也是一大步。
当然我们现在还不知道很多细节，也期待有更多分享和解密，或者其他模型公司尝试复刻这样的成果。我相信这不会太远。按照现在 AI 的进展，当一件事情能被做到的时候，它就不再是一个真正的“大问题”，相当于那层纸已经被捅破了。
4. 抢人大战全面升级
刚才说到 Jason Wei，正好还有一个想补充的话题。你上次提到，这半年一个很重要、最近才发生的事情，就是抢人大战。你又获得了一些新的信息，这个可以补充一下吗？
戴雨森
确实有很多人被抢了，也有人接到电话但没有去。
我还是觉得，大量优秀人才以 disruptive、中文叫颠覆性的薪资被挖走，不管对被挖的人原来的团队，还是对 Meta 自己的团队，比如原来做 GenAI 的人，都会产生很大冲击。
听说这样的组织动荡在硅谷每一家主要公司都在发生。被挖的人这边，军心很多都动摇了。有人会想，为什么？那我是不是应该涨薪？Meta 原有的 AI 团队据说也受到了很大冲击。
高薪挖人肯定是人才价值的一种体现。现在本质上是顶级人才的竞争，顶级人才的经验和 know-how 很重要。但我觉得，越优秀的人才也越需要磨合。磨合需要时间和环境，这么多厉害的人能不能和谐地合作、形成合力，也需要观察。
历史上也有很多失败的例子，所以这对 Meta 的组织也会是很大的挑战。
你觉得什么时候中国会发生这么激烈的抢人大战？听说中国大厂现在抢人也很厉害。据说腾讯正在花很大代价抢人。
戴雨森
据我所知，腾讯从通义和字节都挖了一些人。目前看，挖人最猛的是腾讯。
所以字节已经过了它挖人最猛的阶段，至少上一波已经过去了？现在是腾讯接过了挖人的接力棒？
戴雨森
我没有那么全局的视角。你的观察和感受是这样，我觉得可能是这样的。
5. OpenAI 发布 ChatGPT Agent
这个周末还有一个新的进展。北京时间周五凌晨，OpenAI 发布了 ChatGPT Agent。但这件事和 IMO 引起了完全不同的反响。Agent 发布之后，很多人会觉得有点失望，没有那么惊艳。
首先，我觉得这体现了 OpenAI 作为 AI 领头羊、最大的 AI 应用公司，看到的机会方向。
我们年初就开始说，能够理解目标、拆解规划、编程和使用工具、对结果进行 review 和反思的 Agent 产品，从最初的构想，到 Devin、Manus 等第一批产品作为先行者，再到现在发布到 ChatGPT 里面，已经逐渐成为共识，成为大家聚焦的方向。
Agent 发布之后，有人总结说 OpenAI 发了一个 Manus。我们不会这么看。虽然有很多理由也许可以这么想，但我认为首先完全不要低估 OpenAI。它有最多的人、最多的卡、最多的 AI 产品用户，并且确实在安全性上做了很多考量，额外加了很多安全约束。
ChatGPT Agent 的能力被限制得很死，这是一个负责任的表现。它是 OpenAI 关于 AI 安全能力分级中，第一个被列为高危险级别的产品。这是对 AI 安全负责的表现，因为他们担心会遇到钓鱼网站，或者用户让它寻找生物武器信息之类的问题。
但另一方面，这也说明公司变大之后会变得更谨慎。创业公司的行动力快、敢于突破，可能正是机会所在。
有人总结说 OpenAI 发了一个 Manus。我觉得这主要不是在比较效果或者方方面面的能力，而是指产品形态。
它其实把 Operator，也就是你之前总结的写操作，和 Deep Research，也就是读操作，结合起来了。在形态上，和之前 Manus、Genspark 这些产品比较像。
Manus 确实探索出了一种让用户能够直观看到 AI 在做什么的方式，让人理解 Agent 正在发生什么。否则，如果完全只给一个结果，用户可能会很困惑。
我们也看到 Manus、Genspark、Kimi，包括 MiniMax 等中国几家 AI 公司，陆续针对 OpenAI 的任务，用自己的线上 Agent 产品进行对比。
不得不说，这几家公司线上产品给出的结果，在很多维度上确实不错。比如有人做 PPT，对吧？它做出来的 PPT 确实比 ChatGPT Agent 产生的结果更好。ChatGPT Agent 做的 PPT，真的有点丑。
戴雨森
这里面给我几个启发。
第一，说明中国公司做产品的产品力不错。这个从移动互联网时代我们已经看到了很多例子，不管是豆包、即梦、剪映等一系列中国公司的移动互联网产品，确实都很不错。
第二，说明所谓“套壳”、调用 API 的应用，并不一定会被 model-native 的产品吊打。之前大家的想法是，等 OpenAI 下场之后，它的模型能够端到端训练，就会吊打应用公司。
但我发现并没有那么简单。以前 Chatbot 很多时候是用户直接和模型沟通，用户没有多少 context，也没有多少工具。这个时候模型变强，确实可能吊打一款第三方 Chatbot 产品。
但现在 Agent 需要更多 context、更多工具。所谓环境，很多是由外壳或者应用本身提供的。Manus 分享过他们怎么做 context engineering，这篇文章很多人评价很高，因为这是大家现在都在解决的问题，其中有很多实践需要时间和经验。
这也是周末刚发布的内容，文章链接之后可以放到 show notes 里。
我在想，context engineering 可能最早来自 prompt engineering。Prompt engineering 是给 AI 一个命令、一个任务，然后 AI 自己去做事情。我当时开玩笑说，这很像很多公司的管理方式：老板说要做什么，员工就去做。
但像字节这样比较先进的公司，强调的是 context, not control。它想说的是，我给员工更多上下文、更多授权，这样员工能够更好地完成任务。
现在我对 context engineering 的粗浅理解是，模型能够使用的是这些 context。那我怎么样把更好的内容，以更适合模型操作的方式提供给它，从而提高它的表现？
第一，每个单独的 session，我怎么提供更好的 context、更好的数据，并且用更好的格式处理，这样单个 session 能做得更好。
第二，如果有多个 session，比如今天做了什么，明天还要做类似的事情，后天也要做类似的事情，以及所谓的个性化和记忆，怎么通过跨 session 的更好 context，持续提高 AI 为我工作的质量？
长期来看，这可能成为我的护城河。因为我这里拥有更好的 context，所以同样的模型更了解我。这可能包括用户偏好、个性化，甚至是我工作中积累下来的经验。
第三，好的产品设计可以提供模型以前获取不到的 context。比如大家经常举的一个想象中的产品，现在还没有真正做出来：假设我戴一副眼镜，能够时时刻刻看到周围的环境，这种 context 就需要通过好的产品设计，包括硬件和软件，提供给模型。模型自己不可能产生这样的 context，这也说明了产品层的价值。
你说的眼镜例子很有意思。眼镜看到的数据，是现在互联网巨头都没有的数据。
所以，从 ChatGPT Agent 的发布，首先我们看到了 Agent 这个方向逐渐形成共识；第二，看到了创业公司面对模型巨头时，仍然有灵活性、先发优势等竞争优势；第三，也进一步体现了我们之前说的“被低估”。
我觉得模型进步的速度被低估了，应用和壳的价值也被低估了。这个周末发生了两件事：一个是模型获得 IMO 金牌，说明模型进步速度仍然很快；但同时，OpenAI 自己做的 ChatGPT Agent 还有很多提升空间，也说明产品本身、壳的价值被低估了。
所以，模型和应用都在被低估，AI 可能整体仍然被低估。
程曼祺
6. 上下文成为产品护城河
应用或者壳的一层价值，确实来自特别的 context，也就是上下文。
你刚才说的 context, not control，和管理学应该是相通的。那应该是《奈飞工作法》最开始提到的内容。它和 AI 打通起来很有意思，因为 AI 在生产力上确实比较像一个人。
如果把 AI 当作一个人去理解，你可能会更好地使用它。你需要教它，给它上下文可能就是一种更好的教法，相比于给它具体指令。
第一波大家想的是怎么写更好的 prompt，也就是给出更好的指令，或者老板怎么写更好的 brief。最开始我们人类可能会说，我要一个大气的东西；后来才会进一步说明具体应该怎么做。
但再进一步，你可能需要更多事例，以及更好的外部环境带来的 context。这其中有很多具体技巧，Manus 的文章里分享了很多。
更多 context 让模型能力进一步提升，反映出我们对 AI 模型的使用程度更深，产品本身的进化也越来越完善。原来可能是一句话输进去，模型自己去运行；现在产品可以做更多事情，在这个过程中，产品公司的价值就能更好地体现出来。
你觉得应用的这一层价值，什么时候可能也会被模型做掉？是不是要等在线学习出现，模型本身可以不断吸收新的上下文？
戴雨森
其中还要看你能不能获得这些上下文。比如你的产品有没有用户 input。如果没有这样的 input，再怎么学习也学不到。
从这个角度看，好像又回到之前大家讨论过、后来又否定的一套逻辑。
移动互联网是用户越多，数据反馈越多，推荐精准度越高，有一个自动运转的数据飞轮。后来大家又觉得，在大模型、Chatbot 这种应用里，用户提供的很多输入，对模型智能能力的提升没有直接帮助。
但你刚刚说，用户的输入对 context 有直接帮助。
戴雨森
我觉得这是两个问题。
之前大家说数据赋能不存在，核心意思是用户本身的聊天记录没法提高模型的智能，这一点我同意。因为模型的智能现在已经超越普通人的水平，所以我日常跟它聊天的内容，对它的智能没有太大帮助。
最开始模型通过 RLHF 提高表现，但现在普通人的 preference 已经没有那么有用了。比如我都能解 IMO 的题目了，那为什么要在乎普通人觉得这个回答好还是那个回答好？
对于有标准答案的事情，大部分人的输入确实没有什么价值。但这不妨碍在 Agent 场景下，当我要完成一件工作时，我应该怎么做这个工作，有什么反馈，怎么样完成用户目标，这些用户数据肯定有帮助。
所以这是两件事：用户数据对产品体验有帮助，对产品本身的体验有帮助，但不一定直接帮助模型能力提升。对于智能，或者有标准答案的 ground truth，普通人的输入意义确实变小了。
最开始，模型相当于大量人类平均智能的压缩。有人说语言模型是互联网的模糊压缩。但现在它显然已经超越普通人，达到超人水平。这个时候，简单的数据可能就没有那么有用了。
我想到这一点，是因为现在这个时间点可能越早做 Agent，积累的用户以及上面的上下文就越有价值，而且价值会随着时间越来越明显。
之前大家可能会担心，新的、更强的模型出来之后，原来的很多产品会被淹没。如果没有 context，也没有环境，只是模型给你什么就输出什么，那可能确实是这样。
在上周和戴雨森聊 2025 年的 AI 复盘和展望之后，刚好上周五和周末，这个行业又发生了很多新事情，所以我们补录了这一部分。接下来的内容，是我们上周的录制。
相比上次 2 月初聊天，到现在差不多过去了 5 个月，今年也已经过半了。总结一下，你觉得 2025 年上半年 AI 领域最重要的几件事情是什么？
戴雨森
7. AI 正式进入主流市场
这些事情都属于 AI 在很多领域已经从研究，或者说很创新但用途还不大的产品和技术，进入了主流市场。
比如 coding 肯定是现在的重中之重。我今天听说 OpenAI 单独设立了 coding 部门。现在 OpenAI 有 3 条业务线：GPT、API 和 coding。
Coding 是现在大家发现 AI 最有用、最愿意付钱、增长非常快的事情。
代表产品我觉得是 Cursor 或者其他 AI coding 工具，还有 Claude Code。有人说它是 L3，或者说更 agentic 的 coding 产品。
戴雨森
它能够比人效率更高，写代码更快，代码更优美，能够处理更大的 code base。所以 AI 在 coding 领域正式跨越鸿沟、进入主流市场，这是上半年最重要的事情之一。
第二，我觉得是 o3 在 4 月正式发布。它同时伴随 ChatGPT 用户高速增长。
去年下半年我们看到 o1 发布，年初看到 R1 发布，再到 o3 发布。这几个 reasoning model 的进步，代表 AI 在推理、问答、解题领域，也从一个很惊艳的科研成果，进入大家都能使用的产品，这是另一个跨越鸿沟的过程。
ChatGPT 的用户增速还在上升，很多是被 Deep Research、o3 这样的进一步推理能力带动的。
我们也看到 R1 在年初发布，这是中国公司在 reasoning 上非常重要的突破。Kimi Researcher 也是国内可能第一个广泛可用的 Deep Research 类产品，获得了很好的用户反馈。
我觉得这个领域的 AI 也已经正式比大部分人做得更好了，所以这也是一个跨越鸿沟的过程。
第三，我一直说 Devin 是一个非常先行者。它是我们看到的第一个 L3 级别 Agent 的 prototype 雏形。Manus 在 3 月发布，Genspark 也在 3 月发布，Claude Code 以及更多产品陆续出现。
随着模型三大能力——推理、coding、tool use——提升，出现了第一批这样的 Agent：人们给它一个模糊目标，它自己使用工具、寻找解法、评估完成程度，并最终完成任务。
我觉得它还没有进入特别主流的市场，但在 early adopter，也就是早期采用者中，这种 Agent 形态的应用已经得到广泛普及。它有很多问题，但我们已经看到它变得很有用。这是 AI 在应用领域发生的最重要的事情之一。
第四，我觉得多模态领域的进展，也从玩具一样的应用场景，到了越来越主流的场景。
一个是 GPT-4o 的图片生成。GPT-4o 对语义的跟随非常好，能够准确反映用户意图。越来越多人用它生成图片，不管是吉卜力风格、漫画，还是流程图，图片生成的能力变得更加有用。
它也可以帮助 Agent 应用提供更丰富的内容和交互。
本质上是指令跟随能力变好了，所以它更能满足要求。原来像抽卡，现在越来越好了。直观来看，越来越多人的头像变成 AI 生成的，很多微信公众号文章的头图，我一看也是 GPT-4o 生成的。
戴雨森
Veo 3 我觉得非常厉害。它把声音配上去之后，我们看到的世界已经有点像真假难辨的虚拟世界了。这也是突破了一大步。
Veo 3 第一次让我有跨过恐怖谷、真假难辨的感觉，这也是上半年发生的重要变化。
第五是抢人大战。不管是 Meta 的抢人，还是创业公司融很多钱，包括最近 Windsurf 被收购的 drama，这些都反映出硅谷对人才的争夺、公司融资的竞争，进入了一个新的激烈程度。
我们在中国看早期投资，也能感觉到市场今年变得很热。很多项目融资额上来了，抢项目的情况重新出现了，甚至出现一个月融好几轮的情况。大家的热度和情绪都在提高。
这些变化都是因为大家确实看到了 AI 的落地。很多事情不再是概念，而是实实在在的，甚至已经产生收入。
所以你最关注的主线，都和应用普及、渗透到更多人有关。它的原动力还是技术变化，对吗？
戴雨森
我们认为模型基础能力的提升会解锁更多应用场景，模型能力配合好的应用，才能让大家真正把这个能力用起来，给用户创造价值。
一个真正给用户创造价值的应用，能够以各种方式从用户那里收到钱，最直接的是订阅，也可能以后按照交付工作收费。它的商业化会逐渐得到验证。
我们最关注的还是 AI 对生产力的提升。在数字世界和物理世界中，我们更关注 AI 在数字世界的能力，所以投的很多应用主要是 AI Agent，或者 AI 生产力相关的产品。这是目前最能够实际给用户带来价值的场景。
除了你们关注的这条主线，AI 硬件、具身智能，其实也属于 AI 范畴。
戴雨森
具身智能当然非常火热，但我认为今年有一件被高估或者被证伪的事情，就是特斯拉最近下调了 Optimus 的生产预期。
我在 2023 年就认为，大家对 Optimus 进工厂打螺丝的预期太高了。当时大家普遍觉得 2025 年会有 1 万个机器人进工厂打螺丝，但我觉得大家完全低估了机器人 manipulation 的难度。
目前我们看到大的 demo 在越来越好，但实际上，比如让机器人给你做一杯咖啡，还是非常非常难。当然，突破很有可能今年发生，但如果大家觉得 2025 年就会实际落地，我觉得那肯定是高估了。
你说的 Optimus 下调生产预期，还是《晚点》报道的独家。之前我们也写过一篇文章，讲整个具身智能产业链，里面很多其实也是产业链上的公司。
从产业链梳理一遍，你会发现很多地方确实还处在比较早期、不成熟的状态。这件事情不能拔苗助长。技术发展会经历一个方向逐渐确定、scale up、技术变成产品落地，再到广泛铺开的过程，很难跳过。
戴雨森
所以我觉得，之前大家对机器人的预期确实比较高。
另一方面，你觉得这半年有没有一些被低估的事情、公司或者现象？
戴雨森
我觉得首先是应用的价值仍然被低估。
一年以前，大家讲的趋势是模型公司会吊打应用公司，应用公司都是套壳。所以当时像 Manus，或者我们投的其他公司，都经历了很多质疑。大家会问，你是套壳，有没有长期价值？模型一升级，你是不是就完蛋了？
现在来看，虽然这种质疑还在继续，但显然不是模型一升级应用公司就完蛋。相反，好的应用公司期待模型升级，让用户得到更强大的应用。
所以应用的价值，或者调侃一点说，壳的价值，仍然被低估。
第二，我觉得优秀团队的价值也被低估。
当然我想说 Kimi，但我想说的不是世界上只有一个 Kimi。我们投资 Manus、Kimi，投资所有公司，都是在投人。
8. Kimi K2 改写预期
大家之前显然没有预料到，萧红会做出一个世界级的生成式应用。再比如，Kimi 几天前发布了 K2。以现在这个时间点，7 月 15 日来说，它就是全世界最好的开源大模型，没有之一。
它在 coding、agentic workflow，包括中文写作能力上，确实比 R1、Grok 4 更好。
R1 是年初发布的模型，在 AI 领域 6 个月已经很久了。Grok 4 的侧重点可能也不只是在 coding，但总体来看，从用户反馈和 benchmark 上，我们现在已经不太相信只看榜单了，更看用户反馈。
我们看到全球反馈非常正面，可以说他们交出了一份阶段性答卷。大家会问，DeepSeek 之后 Kimi 在做什么？我们上一次播客也讨论过这个问题。他们确实做了很多复盘，把精力聚焦在下一代模型和技术本身。
但我们很容易在很早的时候就做出过早判断，低估优秀团队调整、转型的过程。大家好像觉得 DeepSeek 出来以后，几家“六小龙”就不行了。但我觉得并不是这样。
当团队足够稳定，有很多优秀人才和资源，又努力向前突破时，团队的主观能动性和腾挪空间仍然远远被低估。
我补充一下。昨天我们也在讨论一个数据，OpenRouter 是一个可以调用各种模型的路由器，很多开发者会用它。
在 OpenRouter 的统计里，K2 刚发布没几天，我昨天看到它在 coding 类目里的调用量排第 13。今天已经到第 10 了。
前面主要是闭源模型，Claude、Gemini、GPT。它前面还有一个开源模型，排第 8 的是 DeepSeek V3。
坦率地说，实际使用的人肯定会意识到 K2 比 V3 好。但 V3 发布时间很长，很多应用已经架在 V3 上，所以用量还会变化。
戴雨森
新模型的调用量快速上升很正常。这是用户反馈，不是 benchmark。
Coding 和 Agent workflow 确实是大家正在使用的场景。应用开发者会用它来 build。如果一个模型和 Claude 相比也很好，成本又低，还开源，那很多人自然有动力使用。
使用之后大家的评价是最真实的。
比如 Pablosky 的创始人发了一条 Twitter，说他们已经开始尝试在 Pablosky 中调用 K2，还说 Kimi 做得非常好。
有人开玩笑说，OpenAI 本来要发一个开源模型，结果 delay 了。当然我不认为这一定是事实，可能只是巧合。OpenAI 之前说 7 月要发一个开源权重模型，确实 delay 了，因为他们 3 月 8 日左右发过相关消息。
但它反映了一个现象：现在模型竞争仍然非常激烈，是你追我赶。不能说谁现在厉害，就觉得其他人都不行。
所以总结来说，我觉得优秀团队的价值被低估，应用的价值被低估，模型能力的进化速度也可能被低估。
听说 GPT-5 很快要发布，可能是一个多模态原生、推理能力很强、Agent 能力也很强的模型。
实际上我们发现，好的应用公司都是在针对 6 到 12 个月之后的模型做设计。
Cursor 刚出来的时候，当时的模型还跑不动它想要的视觉能力，直到 Claude 3.5 Sonnet 出来，Cursor 才真正成为好用的产品。
Manus 设计的时候只有 Claude 3.5 Sonnet，但发布时 Claude 3.7 Sonnet 已经出来了，所以 Manus 本身的能力也得到提升。之后 Claude 4、Gemini 2.5 等新模型出来，又进一步提高了 Manus 的能力。
现在我们也看到模型能力提升仍然很快，可能很快会有让大家震惊的发布。
所以可能出现的情况是，模型增长超预期，应用价值也超预期，整个 AI 的发展从这两个方面都超过大家的预期。
这半年有一个我之前没有想到的新变化，和 AI 本身没关系，就是最近非常激烈的外卖大战。
外卖大战牵扯了好几个巨头的精力和资源，包括阿里、美团和京东。你觉得这会怎么影响中国 AI 的格局，或者对创业公司有什么影响？
戴雨森
现在感觉还是两个战场，长期可能有影响，对资源投入肯定有影响。
但我看，比如阿里云的增速预期仍然很高。今天英伟达也宣布可以重新向中国出售 H20，我觉得我们关注的是，美国的 IDC、云计算和云服务 capacity 增长很快。
当模型能力达到一定程度之后，应用落地，大家都会使用这些应用，所以需要大量推理成本。这件事情肯定先发生在美国，因为他们先做出了 Claude 3.7 或 Claude 4 这个级别的模型。
但中国随着 Kimi、字节、DeepSeek 发展，也会有同等类型的模型，可能只是隔几个月追赶。我认为中国的需求大概率也会起来。
知识工作者方面，中国和美国很像。他们用 Office，我们也用 Office；他们用搜索和 Deep Research，我们也用。所以需求增长是很确定的事情。
这和外卖大战没有什么直接关系。我只是说，像阿里云、火山云这样的中国云服务，以及数据中心、数据公司，可能会重复美国已经出现过的模式。
确实没有直接关系。不过我看了一下，大家声称要在外卖上投入的资源还是挺多的，好像比投 AI 多很多。
戴雨森
与其免费喝奶茶，不如训练先进的模型。
接下来我们围绕一些具体分块展开。你觉得为什么 R2 还没有发布？DeepSeek V4 和 R2 现在都很神秘。
戴雨森
确实很神秘，只能通过外围信息了解。
听说应该还在 V4 的训练阶段。DeepSeek 是先发 V3，再发 R1。现在 V4 还没有出来，所以 R2 肯定要基于新的基模。我听说 V4 还在训练，那 R2 可能要等 V4 之后。
我相信他们肯定有很多有意思的创新。我也和里面一些人聊过，他们的创业能力很强。
同时我觉得也会受到算力限制。卡相对总是有限的，火了之后又有很多算力要用来做 inference。
我觉得他们可能也会有一些变化，包括对模型、对智能接下来怎么演进的判断。
我去年秋天和一些与梁文锋交流过的人聊过。那时候他还非常笃定地认为要做大语言模型，虽然他们也发了一些多模态的东西，但基本上不做多模态。后来他们投入了很多多模态，说明他们的判断也发生了变化。
戴雨森
这也是比较现实的情况。他们的资源没有多到能够全面对标，所以必须像 Anthropic 一样做选择：我有一些判断，认为某些事情现在比较重要、也比较容易出结果；另一方面，有些事情可以等一等，等大家思路更加清楚之后，再凭借工程能力、团队和创新去赶上。
比如字节现在可能比较全面。它有 Edge 去做最领先的探索，有 Flash 去做 SOTA，也有 Base 去服务应用。
字节给我的感觉是，在 coding、推理、多模态等各个领域都要全面突破。DeepSeek 可能是重点突破：在智能能力上突破。资源没有那么多的时候，就要做选择。
现在下面有 Edge、Flash 和 Base 3 个组织？
戴雨森
对，他们现在有比较明确的分工。一个探索前沿，一个做什么，另一个做什么。
Edge 由周畅负责，下面应该有十几个项目。最开始他们列了 5 个方向，现在可能扩展到了十几个项目。
字节把应用和研究分开，又把研究里的 SOTA 和 frontier 分开，我觉得这个组织方式比较合理。
他们是学习了其他公司的方法，还是之前就已经在做 frontier 和 applied 的区分？
戴雨森
当资源充足时，确实应该把组织职责变得更明确。
之前大家普遍遇到的问题是，如果既要模型团队做前沿研究、追赶甚至超越 SOTA，同时又要应对某个 App 的需求，这两个目标很容易打架。
Kimi 过去半年其实也总结了很多反思。比如 K1 完全没有投入太多精力，主要在做下一代模型，以及通过 RL 提升模型智能的边界。
原来有一个应用时，需要花很多精力维护它，解决 corner case、修 bug。但这些工作对冲击下一代模型、挑战 SOTA，帮助没有那么大。
以前他们没有分开，是吗？
戴雨森
之前很多公司都会遇到模型团队要做产品需求的情况，因为这是两个完全不同的优化目标。
这也是以前我们经常问大模型创业公司创始人的问题：你又做模型，又做产品，中间的精力怎么分配？
戴雨森
目前来看，可能还是要先把一个轮子做好。
如果你要做应用，可能就要假定自己使用最好的模型，这个模型不一定是自己的。比如 Manus，谁最好、谁最适合我，我就用谁。
如果你要做模型，就要想怎么样让自己的模型保持 SOTA，具备某个领域最好的能力。就像 OpenAI 之前的 coding 也不是做得最好，强如 OpenAI，也不能说所有方面都领先。
K2 这个过程你应该比较了解。
今年年初 DeepSeek 热潮之后不久，有一个信息是，Kimi 内部重新明确了目标，要追求 SOTA。现在看到的 K2，可能就是这个调整之后、包括投放减少之后，第一个比较重磅的成果。
你对这个过程怎么了解？
戴雨森
我第一眼看到 K2 这个名字时，觉得挺有寓意。K2 是乔戈里峰，出了名难爬的山。
前几天暗涌有一个 panel，把投资 Kimi 和 MiniMax 的投资人放在一起。去年、前一年也有类似的活动。前一年我开玩笑说，好像大家都很同情我们，怎么投了“六小龙”。
但我觉得，遇到挑战时，一个团队怎么回应、怎么坚持自己的路线、怎么继续创新和创造价值，能够反映出一个团队的能力。顺风有顺风的打法，逆风有逆风的打法。
MiniMax 有自己的专注领域，现在也启动了上市流程，这是他们的应对方式。也有一些公司出现更多内部团队变化或业务调整。
Kimi 很重要的一点，是团队非常稳定。你看它的创始人团队和核心团队，其实没有太大变化。
这正是我第一个好奇的问题。不少公司到联创层面，或者某个板块负责人层面，都会有一些变化。Kimi 好像没有怎么变。
戴雨森
这和他们团队的基因有关。
这个团队以杨植麟为核心，大家合作很久了。不是因为我要做一家大模型公司，才临时组建出这样一个团队。他们有些人以前就是清华的同学、室友，一起玩乐队。
以前我找过很多资料，看到当年杨振宁获得诺奖时，有一张照片，是他们系里的同学做了横幅支持他。我也遇到过一些清华同学之间有上下级关系的人。
我会觉得，在清华的氛围里，像杨振宁这样当年在学校里学术上很厉害、或者行为和事迹让大家觉得很厉害的人，在这群人里仍然有很强的号召力。
当然，这也是我们从一开始投资这个团队的核心原因。我们识别到的，不只是技术，还是组织领袖。
这个团队一开始的构成，不只是因为要做大模型，而是因为大家有共同交情和共同信任。团队在遇到挑战时，这种稳定性很重要。
第二，Kimi 一直专注于一个方向，就是提高智能。你去看它的官网，它一直以来的使命就是探索把能源转化为智能的最优解。
他们也会进行各种探索，但整体上一直关注生产力和智能。比如多模态、情感陪伴这些，他们没有上线产品去做。我不是说这一定对或者错，只是至少说明他们很 focus。
尤其在面对挑战时，团队要稳定，方向要聚焦。Kimi 一开始就是以技术基因和技术 vision 作为核心能力的。
AI 变化太快，很多人可能忘了，2023 年 Kimi 其实和后来 DeepSeek 有些像，也是一个出圈的 AI 应用。当时它对长文本这个技术方向做了重要判断，做了长文本模型，并基于此推出了带搜索的 Kimi 第一版。
那时候大量 AI chatbot 都不带搜索，不带搜索，用途会局限很多。你连美国总统是谁都不知道，肯定不行。
所以在这个过程中，它对长文本技术链的判断，体现了团队的技术 vision。
到 2025 年，当你需要做更加 agentic 的工作、更多 coding task 或者更大的 code base 时，大家发现原来 context length 真的很重要。
这也印证了杨植麟和 Kimi 团队对技术方向的判断。长文本这件事，到现在仍然在逐渐被大家意识到比原来想象的更重要。
原来大家只是想，把《三体》丢进去会怎么样。现在大家发现，做 agentic 任务时，Agent 不能做 100 步就停下来；推理也对长文本有很多要求，因为它会生成很长的思维链。
所以我总结下来，第一是团队稳定，而且稳定来自长期渊源和信任；第二是坚持看准的大技术方向，而不是一会儿陪伴火了就做陪伴，一会儿多模态火了就做多模态，一会儿 2G 火了就做 2G。
一个团队做的事情都应该有积累。第三，团队本身的技术基因和技术洞察一直在线。
当然，R1 的成功也带来了很多启发，这一点毫无疑问。
很多人当时看到 R1，认为 pre-training 不重要，post-training 很重要。但实际上，R1 的成功离不开 V3。没有一个好的基模，后面做 R1 这种“左脚踩右脚式”的强化学习训练，post-training 也无从谈起。
你还是要在 pre-training 上拿出一个好的 base model，然后再做 reinforcement learning。
Kimi 的强化学习团队很强，之前确实基模比较弱，圈内也都知道。所以过去几个月，一方面他们在 RL 上做了很多工作。Kimi Researcher 这个产品实际上基于的还是原来的 base model，也就是 K1.5，对吧？
对，是 K1.5。
戴雨森
通过 RL，它提升了 Deep Research 的能力。
另一方面，他们在 pre-training 上训练了一个万亿参数级别的 K2。这个好的基础模型说明，pre-training 当然重要，整体的 post-training 也重要。做好之后，模型能力会提升。
K2 现在还是 non-reasoning model，还没有发布 reasoning 版本。
推理版本和多模态版本肯定都会做。
戴雨森
对。那就会有一个很好的开始。
所以，这些事情说明他们把精力重新放回技术本身。DeepSeek 带来了很多启示。
还有一点，开源也很重要。核心来说，当你给社区提供价值，全球 AI 社区又处在 early adopter 阶段，社区会很热心地回报你。
我们在 DeepSeek、Manus、Jasper 这一系列产品上都看到了这一点。你拿出好的产品，以开放态度和用户交流，世界各地的用户会欣赏和支持你，甚至主动帮你改进问题。
但开源不是灵丹妙药，不是什么东西开源就会好。核心还是你开源的东西别人觉得好不好。
K2 是一个 1T 参数的模型，开源社区里真正能部署它的人应该很少吧？
戴雨森
你看 OpenRouter 的数据，它并不是让你部署在本地，而是有很多人通过 API 使用。
你本地部署满血 R1 也不是简单的事情。它大概是 671B 的 MoE 参数，激活参数可能是 37B。K2 规模更大，但开源的定位并不是“我要部署一个 72B 模型，让大家在自己的电脑上跑起来”，这不是核心重点。
重点是让大家对模型拥有更多掌控权。隐私是大家看得到的；大家也可以对它做 post-training。
我觉得这会让社区整体变得更好。比如社区提出了 MuonClip 这样的 optimizer，很多技术思路上的创新，也会给大家带来启发。
DeepSeek 是一个很好的榜样：通过开源、开放给社区提供价值，社区会通过热爱反哺你。
你刚才也提到，Kimi 之前的基模从一个不太好的状态，到现在变成开源模型里最好的模型。这个变化是怎么发生的？
戴雨森
肯定需要算力、投入和时间。
Kimi 拿到大规模算力的时间相对比较晚。它 2023 年才开始做，之后获得投资，有了整个算力部署，所以到 2024 年才开始训练足够大的 base model，进行 pre-training。
这是事实情况。
DeepSeek V3 应该也给了他们不少技术启发。
你觉得他们彼此之间互相启发？
戴雨森
我觉得大家都互相启发。Muon optimizer 的开源代码里，其实可以看到一些东西。当然，他们也用了 MLA 架构，这都很正常。
但当你自己把 pre-training pipeline 搭建起来，为了搭建 pipeline 又对 Muon 做升级，比如 MuonUp、MuonClip，这些进步实际上会提升团队技术能力，也让你对模型有更多可控能力。
所以这确实会让他们在技术上进一步升级和迭代。
刚才你总结了一些逻辑上的点：为什么会有 K2 这样的成果，以及现实过程中遇到了什么。
在一家公司里，如果外部舆论把它置于低谷，一个很大的压力可能是人员流失。我指的不只是核心层，也包括一线工程师。
戴雨森
肯定有人流失，这是毫无疑问的。
但我们要看两点：第一，核心层的稳定性；第二，Kimi 很多年轻同事留下来，不只是因为 Kimi 发多少工资，还因为大家觉得核心团队真正重视技术，能够学到东西，正在做一件很厉害的事情。
知乎上 K2 发布之后，有几位他们的研究员写了自己的感想。你们有些研究员我知道已经待了很久。
戴雨森
对。优秀的人永远有很多选择，大家都可以去买他们。
有没有可能国外公司甚至跑到中国本土来挖人？
戴雨森
完全有可能。
我只是想说，大家待在这里肯定不只是因为你给多少钱，而是觉得跟着你，第一能学到东西，第二可能真的能做成一件自己觉得很厉害的事情。
这也符合 Kimi 核心团队的基因。
所以我觉得，之前 Kimi 做投放时，我们也讨论过，那不是他们最擅长的事情。比如和字节比谁广告投得好，确实比较难。
但现在反而回到了这个团队能力最强、最有初心、最认可的地方。我觉得这很重要：面对外部压力和市场压力时，首先自己不要乱，要 focus，聚焦在自己最擅长、能做好且有意义的事情上。
K2 发布之后，你和杨植麟交流了什么？
戴雨森
我们没有直接交流太多，可能和研究员讨论了更多细节。我和雨桐聊了很多。
对志林来说，这可能是他的技术愿景，加上他带领团队打的第一个胜仗。我们不说胜仗，是因为好像没有一个具体敌人。更准确地说，是在压力之下交出了一份很重要的阶段性答卷。
我本来想邀请他录一期播客。
戴雨森
对，但是他太忙了。
我还以为他是因为太忙，不想录。
戴雨森
当然，太忙也是一个很重要的原因。我也挺想拉他聊聊 K2 的过程。推理版发布之后，也许可以一起聊聊。
他现在可能还在忙，因为还要发布不同版本。我们还是要尊重创业者自己的节奏和形象。
我想说的是，包括我们看到研究员写的文章，我觉得很感人，但里面有很多技术细节，说实话我们作为投资人也没有那么了解。
9. 模型从好走向更好
在技术领域，你会比较关注哪些变化？
戴雨森
之前我们聊到，解锁 AI 生产力的 3 条主线是 reasoning、coding 和 tool use。
Reasoning 方面，我们看到 o3、o4-mini，甚至还有 o3 Pro。虽然它们在榜单上的进展没有那么大，但我认为这说明榜单本身已经像高考了。
有人高考考 150 分，是因为卷子只有 150 分；有人考 140 分，是因为只能考 140 分。分数差距看起来不大，但实际能力差距可能很大。
我们自己使用下来，o3 相比 o1 又上了一个台阶。o3 Pro 推理时间更长，结果一步一步变得更好。
现在模型在 reasoning 的细节上还有很多提升空间：大方向正确，但细节幻觉减少了，推理结果更加严谨。
同时我们也发现，小一点的模型也能在 GPQA 这样的指标上取得很好的分数。Kimi 最近在 AIME、GPQA 等测试上的得分也很高。
所以越来越小的模型，也能够解决很好的 reasoning 问题。
你说小模型，指 Kimi 哪个模型？K2 的激活参数比较小？
戴雨森
对。K2 的总参数很大，但激活参数大概是 32B。它本地部署可能比较难，但每次推理成本还可以。
现在它的推理还有很多优化空间，普遍反馈是推理速度有点慢，但我觉得这些都可以优化。
我们之前和一些人交流，比如阿里云 CTO 周靖人。他甚至不认为 o1、o 系列的出现算特别大的范式变化，认为这仍然是在大模型这个方法下自然延展出来的方向。
戴雨森
我同意。
如果它们还是 Transformer，简单来讲，我觉得大家可能会期待下一个 Transformer。但也许 Transformer 就能走很远。
高速公路也能带大家走很远，铁路也能走很远。并不是说今年一定要出现一个完全不一样的东西。
至少今年我们看到能用上的技术变化，不是从零到一，而是从一到十。
Reasoning 可能是从五到十，或者从五到八。它是从很好到非常好。
Coding 方面，Claude 3.5 Sonnet 已经不错，但 context 还不够长，很多自我纠错能力也不够强。
Claude 3.7 和 Claude 4，尤其是 Claude 4 Opus 的 coding 能力，表现非常好。大家发现，在 Claude Code 里，它可以处理非常大的 code base、非常复杂的代码，甚至一步就能 get it right，一步完成。
这也是从一到八、九，甚至到十的质量提升，体现为 context 变长、错误减少。
这些从好到更好的变化，主要靠工程解决的吗？
戴雨森
从我们了解到的信息来看，pre-training、post-training、数据、RL 这些领域肯定都有很多进步。
但目前来看，可能还不是完全新的范式。底层逻辑和训练方式仍然有延续性。当然，具体怎么做有太多 technique，我们不是技术专家，也不想随意评论或猜测。
作为投资人，你们看一个团队能不能在从好到更好的过程中保持竞争力，主要看什么？
戴雨森
我们本来就主要投应用，不会再投一个模型公司。所以说实话，我们更多是在观察模型进步的速度。
如果能判断模型进步速度，我就去拿 1 亿美元一年。开玩笑，应该也拿不到。
我觉得基础模型竞争今年一个比较明显的变化，是 Google 的势头又起来了。
2023 年 OpenAI 横空出世之后，大家觉得 Google 有点被打懵了。但现在 Gemini 2.5 的口碑和使用情况都很好。
Google 技术积累非常深，人才密度很高，同时很有钱，算力也充沛，还有自己的 TPU。所以今年我们觉得 Google 的边际变化很大。
Gemini 2.5 系列模型很好，GCP 的 serving 也很好。和 AWS 相比，同样提供 cloud API，GCP 做得其实不错。
Google 还推出了 Ironwood TPU。TPU 是 Google 花了很长时间打造的架构，所以它的实力很强。它肯定是现在模型前三家公司里非常有竞争力的一家。
但大家也担心它对搜索主页的影响，所以 Google 股价一直在震荡。这是一个典型情况：老业务可能受损，新业务追得很快，但最终怎么样，可能一两年之后才会更加清楚。
Veo 3 也是这样。Google 在多模态领域的积累很深，早在 Gemini 2 甚至上一代时，大家就能感觉到这一点。Veo 3 一下子成为视频生成领域毫无疑问的 SOTA，和它长期的多模态积累分不开。
Google 还在做很多 VLA，也就是和具身智能相关的模型，探索 Gemini 和机器人结合。VLA 现在仍然处于比较早的阶段，PI 也提出过类似的模型框架。
Google 的布局非常全面。有些东西是从好到更好，也有一些仍然处于从零到一的探索状态。
Gemini 的 Deep Research 也挺好用，而且成本上有优势。
戴雨森
对。现在 OpenAI、Google、Anthropic 这 3 家各有特点。
对 OpenAI 来说，它越来越像一家应用公司，非常强调 ChatGPT 这个应用本身的规模和更多功能，比如会议记录这样具体的功能迭代。
Sam Altman 之前不是在“10 亿用户”和 AGI 之间做选择吗？他选了 10 亿用户。目前来看，这条路径很清楚。
Anthropic 目前还是专注于 coding Agent，通过 Claude Code 驱动应用。Claude Code 本来是他们内部的开发工具，他们说“我用 Claude Code 来构建 Claude”，现在又把它拿出来让大家使用。
这也回到了之前说的主题：模型和上面一层应用之间的关系。
戴雨森
如果看一个应用，我觉得应用价值可以分为几层。
第一层是模型本身带来的价值。模型厂商提供了这些能力，并且固定在权重里。比如模型是更好的模型，推理和代码能力就更强。
但模型权重固定之后，内容是死的，所以需要 context。
Context 我觉得可以分为 3 层。
第一层是公域 context。比如今天的天气，模型肯定没有，需要通过搜索获得。当然现在有些模型本身会进行搜索，但它仍然需要工具。
第二层是组织 context。比如在一家公司部署模型，公司有什么流程、已有文档和知识积累，这些模型本身不知道，需要应用层和模型合作，让模型知道并调用。
第三层是个人 context。组织里每个人和 AI 聊的内容、偏好、对话历史、个人情况，模型本身也不具备，需要应用层提供。
所以中间 context 这一层，有很多必须由应用层提供。应用层提供得好不好、内容如何，会带来巨大差别。
此外还有环境。AI 最后不只是问答机器，而是要帮你做事情。做事情时，它能调用什么工具、影响什么结果，也需要应用公司提供。
比如你提供哪些公有或私有 MCP 工具，最后能够把结果反映到什么文档、code base 或其他产出上。
模型只是最底层的一环。ChatGPT 刚出现时，大部分场景是在问模型，从模型压缩的知识中提取答案。这个时候确实主要靠模型。
但当模型的智能需要配合 context 和 environment 使用时，应用或者说壳的价值就体现出来了。
Anthropic 主要聚焦做模型，但 Claude Code 也是一个产品，需要在上面提供 context 和工具。它现在两边都做，你觉得未来会怎么样？
戴雨森
当你有一个好的模型时，当然希望有一个好的应用配合它。这个应用可以是自己的，也可以是别人的，但你需要一个能够获得 context、影响 environment 的地方。
OpenAI 有 ChatGPT，Google 有 Gemini。Anthropic 让 Claude 为 Windsurf 或 Cursor 提供能力。我不知道它怎么想，但如果它有一个更加 native 的应用，就能更好展示 Claude 100% 的能力，这对它可能更有价值。
这很自然。没有必要为了强化自己的特性，就只做 To B，或者只做模型。模型做好当然很重要，但只用模型本身，可能不足以把模型价值全部发挥出来。
你觉得 DeepSeek 什么时候可能到这个阶段？它现在虽然有一个应用，但我觉得基本上没有在模型上面做什么。
戴雨森
这要看他们怎么想。目前听说他们仍然主要 focus 在模型上。
我的观点是，只做模型当然也很有价值，就像发动机很有价值一样。但你卖汽车，是不是只卖发动机？当然不是。
汽车一开始可能发动机占绝大部分，因为先要让车走起来；但之后还需要冰箱、彩电和沙发。
如果你要完整发挥模型能力，第一方应用，或者紧密结合的应用，还是很有必要的。
一年前大家对 Google 的定位还不是这样。一年前大家觉得 Google 是失意者，落后了，人也被挖走了。
但 Sundar Pichai 回去之后好像带来了很大变化。还有传言说，Claude AI 的创始人改了一个 bug，模型性能立刻提升很多。当然这件事不知道真假，但关键人才带来的进步确实可能很大。
所以关键人才，以及大家协作方式的变化，可能是 Google 变化的重要因素。还是因为他们真正重视这件事情？
我听说他们 Gmail 团队加班很严重。原来大家觉得 Google 是一家养老公司，现在发现他们也很拼。
戴雨森
硅谷这些公司现在都很卷。给了这么多钱，总得卷起来看一下。
你看 xAI，那些照片里他们都睡在帐篷里。这里面一方面利益很大，另一方面事情做好之后带来的成就感也很大，完全可以理解。
我觉得这挺好。模型竞争把这个领域的聪明人都动员起来工作了。几家公司的创始人都亲自下场、拼命重视这件事。
大家都意识到，如果前两年还在讨论 AI 什么时候落地，今年这件事已经毫无疑问了。
对于顶级创始人，不管是 Zuckerberg、Larry Page、Sergey Brin 还是 Elon Musk，他们都意识到这件事情不能输，必须赢，或者至少必须跟上。所以愿意花钱、愿意投入，都是很自然的。
未来已经到来了，或者说正在到来。
YC 最近创业营有一个演讲，标题大概是：你现在做任何公司，都要假设 AGI 会在两年内实现。也就是以 AGI 两年内实现为基础假设，思考你的公司应该怎么做。
2027 年？
戴雨森
对。当然 AGI 到底是什么，有很多争论，但变化毫无疑问正在发生。
现在硅谷学计算机的学生找工作都变难了，因为大家不需要初级程序员了。你还没有 Cursor 写得好。
刚才讲的是三条技术主线中的两个：推理能力和编程。第三个是工具使用。
我观察到，现在大家谈到一些模型，包括 Kimi K2、Grok 4，都会说在模型训练过程中就训练了工具使用能力。这是以前讲预训练时不太会讲到的部分。
戴雨森
现在 MCP 形成了一个很大的生态，有越来越多为 AI 搭建的工具变得可用。
大家也意识到，AI 能使用人的工具完成很多任务，所以训练时会收集更多人类操作软件、使用功能的轨迹。
现在可能有两条路线。
一种是 MCP，类似 API，通过接口调用能力。
另一种是通过视觉，让 AI 模拟人类使用已有软件。
这两条路线都有很多人在做。以前大家其实没怎么做，所以 OpenAI Operator、Manus 使用沙盒浏览器和沙盒虚拟机，都是通过模拟人类使用方式去操作软件。
MCP 也是在搭建一个过程，让 AI 更好地使用人类已有应用的功能和 API。这是让 AI 变得更有用的非常重要的一件事。
为什么这个趋势要直接在训练时做，而不是之后再做？直接训练进模型里会更好吗？
比如 MCP 其实是一个协议，可以接这个协议；也可以有一个基础的、具备通识能力的模型，在基模基础上通过工程手段让它使用工具。
戴雨森
我理解很多能力在模型端 native 地具备之后，使用起来成本更低，也更容易通过 RLHF 这样的过程做好。
因为使用软件有没有完成任务，通常有明确 reward。比如点外卖买奶茶，是否成功下单，是可以判断的。通过强化学习和少量数据，就能够提升这方面能力。
所以工具使用在模型端训练，让模型天然具备使用工具的能力，价值更大。
这种做任务的场景确实很适合强化学习，因为 reward 比较明确。
戴雨森
对。它有没有完成任务，很多时候可以很好定义。
所以技术上还是沿着之前的三条线，加上多模态内容生成。
戴雨森
对。多模态内容生成里，视频很重要，但目前主要还是大公司在做。
当然 MiniMax 做得很好，海螺也做得不错。应该是海螺 02 发布之后，有一个特别火的、类似 Veo 3 的东西：小猫跳水，各种东西跳水，有小猫、小狗、大象。
Midjourney 的视频模型也很厉害。
戴雨森
对，Midjourney 的效果很好，成本也低。
这本质上也是训练模型的战争，竞争很激烈。Veo 3 是很领先的结果，字节也做得很好。
我觉得这也是一种生产力，但比较集中在某个 vertical。
还有 voice。现在语音也越来越接近以假乱真的边界。我一直觉得 voice 很重要，但它的带宽有限，我们通过语音沟通的内容没有那么多。
所以它可能不如视觉、多模态、编程和任务完成那么重要，但仍然是一个重要领域。
总体来说，最大的机会还是推理、编程、工具使用，以及视觉多模态的进展。
应用上，这半年除了我们已经看到的 Manus、Jasper，你自己用得最多的应用是什么？
戴雨森
如果限定在中国网络环境下，我觉得 Kimi Researcher 很适合我的使用场景，因为我做很多研究工作，包括生成研究报告，未来还会加入更多工具使用功能。
我自己用得最多的还是 ChatGPT。它的 o3 是整体最平衡的模型。
但比如我要生成 PPT、做 PPT 结构稿，我可能会用 Genspark，因为它的 slide 能力确实很强。需要把模型生成的结果做成网站或者展示时，我会用 Manus。
所以我可能都会尝试。
你算过每个月在 AI 产品订阅上花多少钱吗？
戴雨森
应该接近 1000 美元。Manus 200 美元，Genspark 200 美元，ChatGPT 也是 200 美元，Gemini 也是，Grok 也是。基本上我都买最高级版本。
我一直有个理念，新产品要多试。很多时候花钱试一试，虽然相对来说可能也不算太多，但当你看到未来时，会产生很多灵感。
我最近和二级市场朋友讨论，3 月 Manus 上线之后，推理用量明显暴涨。Agent 会使用多得多的 token。
当时二级市场很多人质疑英伟达，觉得 DeepSeek 出来后大家是不是少用卡了。他们用 Chatbot 的需求去算，认为假设所有人都用 Chatbot，好像也用不了那么多推理量，所以是不是卡卖多了。
但实际上，这就像拨号上网时，你说所有人都聊 QQ，怎么会需要那么多带宽？后来大家还要看 4K 视频。
模型能力覆盖更多场景之后，token 使用量会多很多。Manus 这样的应用普及后，token 用量会大幅增加，对算力的需求也会越来越大，不管是下一代模型的需求，还是推理算力的需求。
所以英伟达现在又创新高了，市值超过 4 万亿美元。
你刚才说 Agent 应用的用户 token 用量是一千倍以上？
戴雨森
对，我们已经看到，Agent 应用的 token 用量是普通 Chatbot 的一千倍以上。
我突然想起来，应该是 2023 年，有一次黄仁勋内部讲话。那时英伟达市值刚到 1 万亿美元左右，他说目标是 2 万亿美元。当时我们还觉得他的口气很大，但现在已经 4 万亿美元，很快可能到 5 万亿美元。
你觉得它还会到 5 万亿美元吗？
戴雨森
token 转化为生产力的趋势才刚开始。
火车开动之后，不会突然停下来，而且我们还在发现越来越多的使用场景。
原来大家假设我写这么多代码，但有了 Cursor、Claude Code 之后，你会写更多代码。有了 ChatGPT、Manus 之后，你会问更多问题。
以前很多问题我不知道问谁，也不会问。但现在有一个很好的研究工具，我就可以问更多问题，获得更多答案。它带来的生产力会让我更愿意为 AI 付钱。
我挺想有一个方式算一下，不同场景里 token 的消耗是怎样的。OpenRouter 可以看到一些，但我觉得它会有开发者偏好。
它里面编程的 token 调用量，远远多于 role-play、陪伴或者游戏类场景。
戴雨森
但 OpenRouter 本来就有很多开发者，所以他们用它编程，编程量自然很大。而且它没有计算 Manus、Genspark 这些大型产品，因为大型产品不会通过公开路由，而是直接调用官方 API。
所以可能没有特别完整的数据，能看到生产力、陪伴等不同场景中 token 到底怎么分布。
戴雨森
现在没有公开数据，只有和各家云厂商、模型厂商调研。
但 OpenRouter 的趋势还是有参考价值。它的绝对数，比如占比多少，可能不可靠，因为大型产品没有被算进去。但谁在榜单上往前走，可以反映相对强弱。
它相当于一些中小开发者投票选出来的结果。
目前看，生产力对 token 的消耗确实很多。
戴雨森
因为生产力可以成十倍增长。
如果是杀时间、陪聊，一个人就那么多时间。字节这些公司的逻辑是 attention is all you need，它消耗的是你的时间，而时间有限。
但生产力场景中，你可以问一个问题，也可以问 100 个问题，需求能增长 100 倍。
但我一秒钟能消耗的 token 可能也能无限增长。
戴雨森
可以。因为一秒钟内我要看的东西、要消费的内容，未来可能会变得非常复杂。
举一个简单例子。二级市场朋友到美股业绩期，一天可能关注一个领域，比如 SaaS，有 5、6 家公司要发布业绩。它们可能在凌晨 4 点发布。
他们要看业绩，把业绩数据带入模型做对比，快速判断；两个小时后还要参加电话会议，听 CEO 怎么讲业务展望，准备问题，再听 CEO 怎么回答。
以前他们需要凌晨 4 点起床，查看业绩、听电话。如果覆盖几只股票，不可能同时听几场业绩会。以前只能靠招更多人，或者重点选择。
但有了 AI，虽然现在可能还不能完全跑通流程，我觉得接下来 6 到 12 个月，完全可以覆盖 50 只股票。
AI 可以帮我听晚上的业绩会议、做笔记，把我提前准备的问题整理出来，再总结 CEO 如何回答这些问题，最后写成报告。
这些工作以前不在 time 里，是因为你做不到。就像飞机发明之前，没有人有“今天从中国去美国”的需求，因为没有这样的条件。跨国飞机出现之后，大家才突然发现有这样的需求。
现在也一样。我们可能觉得自己没有那么多问题要问，但能力提升之后，会出现很多原来不会想做、现在可以交给 AI 做的工作。
这种需求增长远远超过每天有多少闲暇时间需要 AI 来打发。
这个我有一点怀疑。因为你特别想工作。
戴雨森
不是我特别想工作，而是如果这个工作能给我赚钱，我就愿意做。
生产力如果能产生价值，我愿意付钱。你给我赚 100 块钱，我给你付 1 块或者 10 块。
当 AI 按使用量收费后，很多人其实愿意使用更多 AI，因为它确实能完成工作，帮你写更多代码。原来这些代码我要花时间、花钱去写，价值很直接。
你一个月花在 AI 上的钱，差不多算是雇了一个人。
戴雨森
对。七八千块钱，但雇一个分析师还比这贵。
应用上，你看到什么新的趋势？
戴雨森
Agent 是巨大的趋势。
10. Agent 成为生产力主线
这个词非常宽泛，我自己有几个定义。第一，它要能够根据人类给出的一个大目标，选择工具、规划执行路径，并在过程中评估完成得怎么样，最后交付一个合理结果。
这就像一个人。
当然具体做法可以不同。比如 Kimi 现在提出“模型级 Agent”。当你有很强的训练模型能力时，会想在模型训练中加入更多工具使用能力，做成这样的产品。
OpenAI 最开始规划的 5 个阶段里，第三个阶段就是 Agent，位于 Reasoner 之后。
张翔宇之前讲得特别好，我很认同。他说，第一个阶段是 Chatbot，对应 ChatGPT；第二个阶段是 Reasoner，对应 o 系列的 reasoning；第三个阶段 Agent，对应的 Agent-native 模型是什么。
戴雨森
对，现在好像还没有真正出现。
这反映的是不同的模型训练阶段。我很赞同。Agent 的定义里，目标也是 Agent 自己去找的，但现在目标仍然是人给定的。
现在 Agent 更像是：我给你一个目标，你预测使用工具的序列，决定用什么工具完成任务。它还没有到像一个员工一样，自己拆分任务、定义目标。
目前 Agent 仍处于比较早期。但 Agent 产品从 Manus 算起也才几个月，所以一年后、半年后，随着模型能力提升，我们看到的 Agent 产品会大幅提升。
同一道 Agent 题目，不同公司因为资源禀赋不同，会有不同解法。现在不需要未卜先知，认定未来一定哪种方式是正确的。
比如 Kimi 通过在模型训练中加入端到端的 RL，加入工具使用数据，让模型本身具备很强的 Agent 能力。他们肯定想探索第三阶段的 Agent-native、原生模型是什么。
模型公司会从模型训练角度花很多精力探索。
Manus 不是模型公司，所以它会基于模型公司的工作，和模型公司交流，了解未来模型会往什么方向走，再让自己的产品更好发挥模型能力。
这里有一个 takeaway：要保持灵活。
Manus 讲 less structure, more intelligence，但有时 structure 也会让工作更好用。比如 Genspark 专门针对 slide 场景做 PPT，加入了一系列更好的 workflow。
很多做研究的人不喜欢 workflow，觉得它限制了模型探索工具的能力。但如果你已经知道做一件事的 best practice，我觉得某些结构也有好处。
这两种角度对用户来说也不一样。有些用户场景本身就有大概流程，希望结果更可控。
戴雨森
对，成本也不同。用户要的是结果，至于怎么到达结果，可能有各种路径。
有的方式更灵活，但成本更高；有的更固定，但成本相对低。
大家可能是在解同一道题，但用了不同解法。
今天秘塔也发布了一个 Deep Research 产品，它的交互也很不一样。
戴雨森
所以要保持开放心态。我们被打脸太多次了，必须保持谦虚和开放，很多事情都有可能。
最大的趋势无疑还是 Agent，也就是 AI 生产力。要真正提高生产力，就得让 AI 承担更多事情。
我们看 Claude Code、Manus，它们有一个核心理念：人不要做事情，AI 去做事情。
有人把它说成 L3，类似自动驾驶里的 Level 3：人可以不动方向盘，让车自己开。
喜欢写代码的人更喜欢 Cursor，因为它仍然让你写代码，主界面是写代码的界面。但 Manus 发现，很多产品经理用 Cursor 时根本不看中间，因为他们不会写代码，看了也没用，只看右边的对话框。
Claude Code 更极致：你不能写代码，只能告诉 AI 你要做什么，AI 去完成，人只能看着并下命令。
这就是 L3 或 Agent：AI 唱主角，人不需要去改什么，只要当好老板。
我们确实要学会当 AI 的老板。做老板就是放权、提供资源、给出目标，具体怎么做，要让 AI 员工去完成。
这对很多人来说也是门槛。原来所有事情都是自己做，有时让 AI 做一次，觉得做得不好；让它做几次，还是不好。
我以前创业时也有这种感觉：下属怎么这个都没做好，我来做给你看。但后来意识到，这不是好的管理者。
应该赋能下属，让他们知道我要什么，也让他们拥有足够的能动性。
这可能是人类历史上第一次，人们需要培养一个工具。以前说培养一个人，但很少有人有能力或机会培养一个人，大部分人其实是被培养的。
现在每个人都要培养自己使用 AI 的方式，这是很不一样的事情。
Manus 和 Genspark 这些产品，我理解更偏通用 Agent，人群比较泛。你们怎么观察具体场景里的垂直 Agent？
戴雨森
它们现在看起来通用，是因为模型能力也比较通用。但逐渐会出现某个应用更擅长某件事，另一个应用更擅长另一件事，最终会产生垂直领域。
你最后肯定要在某些领域做到绝对第一，才有长期存在的价值。目标不一定是追求通用，而是在早期发展中逐渐收敛到核心、重要的场景。
之前没有能力，也不知道适合做什么。蒸汽机发明时，大家尝试了各种用途，最开始是抽煤矿里的水，后来发现可以做火车，也可以做纺织机。
蒸汽机很通用，但最后最大的价值来自几个具体领域和场景。
现在 coding 毫无疑问是一个领域，做 PPT、Office work 是一个领域，Deep Research 是一个领域。
以后也许帮你参加电话会议、做会议记录，会成为一个重要场景。还有很多有意思的事情。
还有一个有意思的话题。国内一讨论相对通用的产品，包括 Office work、Deep Research，大家都会觉得大公司肯定要做，这是大公司的必争之地。
但我和国外投资人聊时，对方反而会为 Super App 的可能性感到兴奋。他们关心的是，你怎么去打败 OpenAI 或 Google 这样的大公司？
戴雨森
你有机会挑战大公司，总是好事。至少你参与了奥运会，比完全不参与好。
Manus 出现后有几种说法。第一种是，这东西没壁垒，我一个周末就能做出来。但过了这么久，仍然没有看到一个真正接近它的产品。
可能有很多形式相似的产品，但从实际使用体验来说，还没有一个真正接近它。
另一种说法是，大公司会做。但你发现，海外大公司目前也没有一个完全一样的产品，中国大公司做了很多。
我觉得全球市场对创新还是比较尊重的。不太会有一个和你长得一模一样的东西直接跟你竞争。大家会借鉴交互、呈现方式，比如 AI 如何工作的呈现，但不会一模一样复制。
出海竞争中，先发有很多口碑、传播优势。现在也没有谁像素级复制 Manus。
海外大公司不完全照抄，主要是文化氛围，或者同辈约束吗？
戴雨森
有点像。可以借鉴、学习，但像素级复制界面，我觉得在全球范围内都不是很 decent 的行为。
这在硅谷以前从来没发生过吗？比如 Facebook 抄 Snapchat 的 Stories 功能，我正想问，难道连扎克伯格都没做过像素级抄袭？
戴雨森
他没有像素级抄袭。他借鉴 Stories，比如每个人上面有一个圆圈可以点击，但没有做到和 Snapchat 一模一样。
他已经算硅谷比较狠的人了，所以也因此受到很多诟病，确实要付出代价。
我觉得这还是一个更加良性的竞争环境。
那现在抢人的竞争算良性吗？
戴雨森
又是扎克伯格，又是他挑起的，对吧？
我觉得这体现了他的 founder 精神。他要把这件事情做成，不惜一些代价去竞争。如果是花钱能解决的事情，那就花钱解决。
这也体现了人才确实很重要。他从 OpenAI 挖来了很多人。
OpenAI 之前想以 30 亿美元收购 Windsurf，后来告吹，被 Google 从中间截胡了。接下来 OpenAI 会有什么后续？
Windsurf 这个 deal 的具体情况我们也不知道，还在吃瓜。
戴雨森
但有一件事很明显：对创业公司来说，战争强度在加大。
你要面对大公司有很多补贴的竞争，也面对很多挖人的竞争。要吸引优秀人才，他们的机会成本也在变大。
你说的是硅谷的创业公司？
戴雨森
对，硅谷。
但这对创业公司来说，也提供了很好的退出方式。只是如果你想做一件特别大的事情，可能不会满足于退出。
有人觉得卖几亿美元很好，也有人想做一家千亿美元的公司。
比如 Cursor 现在要面对更多成本：补贴大家使用 token，招聘更多人，也要融更多钱。
我们之前看到 Cursor 融了很多钱，还会想为什么要融这么多。但现在不管是 token 补贴，还是人才竞争，门槛都上了一个台阶。
顶级人才可以去 Meta 拿每年几千万美元，那你至少也不能差太多。
对很多创业公司来说，门槛和水位确实都提高了。
最近硅谷抢人非常激烈。Windsurf 最开始传出的方案是 24 亿美元，主要给创始人、核心几十人团队和投资人，剩下的公司股份 Google 不收购。
这个方案可能对硅谷创业生态有影响。
一线工程师加入创业公司，通常会牺牲一部分现金收入，换取股票或期权，希望和公司一起成长。但在这种收购里，一线工程师好像得到的很少。
戴雨森
具体他们怎么决策，包括为什么 Cognition 又出来，我确实不知道。
这个只能 case by case 评价，可能说明谁的 bargaining power 更强。
如果被收购方 bargaining power 很强，大家都很想买它，那员工肯定也希望跟着创始人一起赚大钱。
但如果大家其实主要想要的是核心人员，情况就不一样。
硅谷这种 acqui-hire，也就是买人式收购比较流行，一方面是为了绕过反垄断等流程，另一方面也能加快速度。
这些公司太有钱了。几家 mega company 账上有很多钱，投资方也融了很多钱。如果能用钱换来时间和竞争优势，对它们来说就是一道简单题。
11. AI 重塑工作与社会
最后我想问一些感受性的问题。
从 2023 年到现在已经两年半了，你目前对什么事情还特别好奇？
戴雨森
我觉得始终有很多。
第一，我好奇如何衡量智能的边界。
GPT-4 刚出来时，人类还可以说，这里有个问题，那里有个问题。现在，不管数理内容还是文笔内容，我们越来越难找到它的问题。
当人类智能被接近时，怎么衡量一个可能比你聪明、思考得比你深、记忆力比你好的存在？如何衡量智能？
姚顺雨写过《下半场》那篇文章，里面提到下半场 benchmark 很重要。怎么评价一种新的智能？
现在的 benchmark 已经钝化了。一个模型出来 benchmark 很厉害，已经不能说明太多。85 分和 86 分，真的能反映模型之间的区别吗？
Kimi 内部的 benchmark 也很重要。做 RL 时，关键是如何衡量结果。
所以不只是外部 benchmark，内部 benchmark 的水平和质量，也是团队竞争力的一部分。一个公司怎么建立自己的内部指标体系，和高考命题能力很像。
如何衡量智能，以及如何探索智能的边界，仍然非常重要。
现在我们还可以说，模型要用起来才能感受。但再过几年，可能前 5 名产品都比你聪明。那你怎么评估谁更好？
模型在 HLE，也就是 Humanity’s Last Exam 上的进步非常快。从年初到现在，已经拿到 20 多分了。年初只有几分。
去年我们已经看到这个趋势。GPQA 在 2024 年初，模型可能只有几分；现在已经是 80 多分。GPT-4 一开始拿 5 分，现在也到了 70、80 分。
我们一次又一次看到，只要 benchmark 能够被衡量，AI 就会进展得很快。
所以，什么是好的 eval，什么是好的 benchmark，不管对 AI 研发者、普通用户，还是对人类来说，都会变得非常重要。
地球上出现一个比你聪明很多的东西，你当然会对它很好奇。
第二，我反复强调生产力逻辑：当每个人拥有大量生产力之后，会对个人、组织和世界产生什么影响？
对个人来说，就是超级个人。一个人能做的事情越来越多，从一个人做一个小猫补光灯，到一个人开发游戏，再到一个人的独角兽公司，都完全可能实现。
Instagram 被收购时有 13 个人。未来从 13 个人压缩到 1、2 个人，我觉得完全可能。
这意味着人与人之间的差别会很大。当每个人拥有一个无限聪明的助手，以及像 Manus 这样日夜不休帮你工作的赛博牛马时，有的人能用好它，产生很大价值；有的人可能还没有产生那么大价值。
每个人的成长速度会变得不一样。
对组织来说，一方面，小组织可以变得很强大；另一方面，大组织可以通过先进技术管理更大、更复杂、更多元化的业务。
现在美团能管理几百万骑手，字节能管理这么复杂的业务，是因为有先进的互联网通信和管理技术。AI 出现后，管理人数、业务复杂程度和深度，是否可以再上一个台阶？
世界是由各种组织驱动的，所以组织能力边界的提升，会对世界产生很大影响。
进一步说，当生产力总量大幅提升，同时人与人、组织与组织之间的差距变大时，如何在效率和公平之间寻求平衡？
第一步是最聪明的人造出工具给头部人群使用，但这些产生的价值，怎么反哺普通人？即使不是很努力学习 AI 的人，怎么从中受益？
我们怎么把 AI 产品变得越来越易用，让普通人也能受益？这些都是非常重要的问题，可能不是十年后，而是三五年甚至更短时间内，就需要实实在在解答。
还有 AI 安全。坏人用 AI 做坏事是一方面，AI 自身也会带来问题。
现在很多代码是 AI 自动写出来的。Claude Code 写的大量代码，人可能都没有 review，也没法 review，因为速度已经远超人的理解能力。
测试可能都通过了，但以后如果里面有问题、bug 或后门，怎么应对？这些已经是迫在眉睫的问题。
AI 也会带来很多隐私暴露，以及虚假内容。真实和虚假的界限会变得模糊。
现在我可能还读得出 DeepSeek 的味道，但一年后可能就读不出来了。AI 也会引用虚假内容，但什么是虚假？你说它是假的，它就是假的吗？也许那个才是真的。
这些都会变得越来越难。
像《晚点》这样的媒体可能会变得更重要。一个很荒诞的情境是，以后不管有什么事情爆出来，我都可以说这是 AI，视频和照片都是假的，都是 AI 生成的。真实越来越难区分。
戴雨森
我一直在想，人类最大的限制是什么。
我认为一个限制是大脑的功率。人类大脑的功率大约是 20 瓦。全人类有 80 亿个大脑，但每个大脑的功率都有限，这是人类智能的上限。
但 AI 可以接近并突破这个上限。
当你多了这么多智能之后，要用它做什么？人和 AI 的角色分工是什么？这些都是我们很快要面对、需要调整的问题。
所以我有时觉得有点可怕，因为大的变化已经到来，只是大家还在逐渐感受到它。
对程序员来说，影响非常直接。很难想象，普通初级程序员如果不用 AI，或者只有自己的编程能力，两年后还能找到什么工作。
一年前 AI 写的代码还只是那样，一年后已经非常好了。人很难在一年时间里完成这样的改变。
你会对什么事情感到疲倦吗？
戴雨森
我觉得第一个是特别激烈的营销。
过去几年有很多震惊体，一会儿说人类又被颠覆了。但确实有颠覆人类的事情发生，只是大部分没有那么大。
Manus 在营销上几乎没有花钱，但大家总觉得它好像做了很多营销。
2023 年左右，大家说训练模型，模型是什么，觉得很神秘，好像 AI 科学家是一群巫师。但现在模型已经可以变成应用、落地，所以我当时也发过一句话：Talk is cheap, show me the product。
现在不是 show me the code，因为代码也是 AI 写的。关键是 AI 的能力最后要变成产品，让用户真正用起来。
用户和开发者用起来，觉得好，那就是生命力。
目前发展比较好的公司，大部分都做到了这一点：拿出一个对用户和客户真正有价值的产品。我觉得现在已经到了应该看产品的阶段。
所以应该少一点营销，少一点空洞的东西，更多拿出实实在在的产品和应用。
你现在此刻正在思考，想在未来几个月、今年内验证的问题是什么？
戴雨森
一个问题是，L3 级别的 AI 应用，能不能快速提升到真正完成很多实际工作的程度。
比如 Manus，我们都在用，也看到很多用户愿意付钱，但它有时一件事情只能做到七八十分，后面还需要人补充。
Claude Code 正在逐渐形成一种能力：一次做完，几乎不用修改就可以上线。
接下来几个月到年底，我觉得大家都会有很大提升。到时候可能真的会变成，我给 AI 一个要求，它就吭哧吭哧地工作，很多时候一次就做好。
第一是能不能做到；第二是做到之后，对工作的影响会很大。
你说到这里，我想起你上次说过一句话：未来已来，但分布不均。
它对不同用户可能不一样。现在比较多使用 Manus、Genspark、Deep Research 的人，到年底可能给它一个任务，就能一次完成。因为这和你与 AI 之间的磨合有关。
戴雨森
对。我自己使用 AI 的一个切身感受是，有时候需要刻意让自己多用它。
第一次把复杂任务交给 AI 时，你会觉得完成得不完美。但好的产品是为未来的 AI 设计的。
如果一个 AI 产品上线时已经把事情做得非常好，可能反而做晚了。Cursor 2023 年就有了，但直到 Claude 3.5，尤其 3.7 出来之后，才进入爆发式增长。
你肯定要为未来的模型设计。
Manus 也是这样。它上线时很多事情确实做不好，但没关系，6 个月、12 个月之后，新一代模型会让它把事情做得更好。
所以一定要为未来设计，而不是只为现在立刻能获得的能力设计。
这对一般用户来说有点反直觉，但放在快速发展的语境里可以理解。
YouTube 创始人 Steve Chen 之前来《晚点》时也提到，YouTube 一出来就是为未来的宽带网络设计的。那时美国刚开始普及宽带。
戴雨森
对，但 YouTube 刚出来时还没有进入主流人群，它是为三五年之后设计的。
短视频也一样。抖音 2017 年上线，快手更早，它们其实是为一两年、三五年之后的智能手机和 4G 设计的。
你永远要往时代前走一步。
现在很多 Agent 产品，也是在为几个月或一年之后的模型能力设计。
所以你想验证的一个问题，就是到年底这些产品能不能真正高度自动化地帮你完成事情，几乎不需要人参与。
比如现在成功率是 20%，能不能到 70% 或 80%。如果能做到，前沿用户对工作的定义、使用 AI 的方式，都会发生很大变化。
另外一个我好奇的问题，是记忆会带来多大的变化。
我们一直在想，AI 应用长期的壁垒是什么？我觉得很重要的一点是记忆或者个性化。
现在记忆和个性化对 AI 结果的影响相对有限。它可能知道你是投资人，知道你在中国。但长期来看，我们希望它像你的员工或助手，和你相处越久，越了解你，越来越能够替代你。
我想看到它在这方面是否会有很大进步。
这个进步是不是不能只靠模型？记忆需要不断互动，需要给它个人层面的 context。
戴雨森
一方面，大家可能会考虑 online learning，也就是在线学习的技术。员工也是在工作中学习，模型能不能随着你的使用不断改变权重。
另一方面，也需要你给它更多数据、文件和上下文。所以应用怎么巧妙设计，也非常重要。
这里面模型和应用需要共同协作。
我觉得我们对创新未来要有更多期待，也要更宽容一些。大家应该对中国人的创新、对中国的创业创新能力有更多信心和支持。
你们现在特别关注什么类型的团队？新创始人还在什么地方出现？他们是从学校、大厂，还是其他地方出来？
戴雨森
今年我们看到想出来创业的人又多了很多。
一两年前，大家需要相信未来应用会落地；现在已经看到 Manus、Genspark，以及一大堆机会在前面。大家自然会想，也许我也可以。
这会是一个越来越多人的过程。很多研究员、大厂里的年轻人，都在蠢蠢欲动。
应用创业现在还不晚，对吧？
戴雨森
如果你能找到比较好的方向，肯定不晚。
一个趋势很大，不可能一年走完。
最近有没有看什么好玩的书或者作品，愿意分享吗？
戴雨森
我想推荐《三十三号远征队》。
这是一个游戏，由一家法国创业公司制作。它讲的是一个虚拟世界里的故事：有一个神，每年会在天边的一块石头上写下一个数字，那块石头叫 Monolith。
这个数字是倒计时。他最开始写 100，每写下一个数字，对应年龄的人就会死，全部消失。第一年写 100，第二年写 99，然后 98，一批一批的人死去。
人类因此要反抗。每年，他们都会组织那些还差一年就到对应年龄的人，组成远征队，去挑战这个神、打破魔咒，但一直没有成功。
现在他写下了 33，也就是说今年 33 岁的人会死，所以第 33 号远征队出发了。
前两天正好是萧红的 33 岁生日，我就说他可以玩一下。这个游戏讲的是一个刚满 33 岁的人，如何去挑战天命的故事。
这款游戏由一个 33 岁的创业者带着 33 个人做出来。他之前在育碧工作，觉得工作比较无聊，就出来做了这款游戏。
团队很小，甚至育碧里做 micropayment 的人都比他们团队多。但他们用了 Unreal Engine 5，画面非常美，音乐也非常动听。
它有点像法国版《黑神话：悟空》。它非常艺术化。我会觉得，《黑神话：悟空》是中国的大 IP、中国的艺术积淀加上先进技术带来的作品；《光与影：33 号远征队》则是法国浪漫主义设定、艺术气息加上先进技术带来的作品。
它是今年最畅销的游戏之一。我非常喜欢这款游戏。
感谢推荐。这是单机游戏吗？
戴雨森
对，在 Steam 和 PlayStation 上都有。
法国的电话区号也是 33。
戴雨森
是吗？
我刚查了一下，33 也是共济会里最高等级的象征，和 42 一样，有一些组织认为 33 是最高等级的终极数字。
你看，萧红也推荐了这个游戏，虽然还没玩，但我告诉他，这个“33 号挑战天命”的故事太适合他了。
行，那今天非常感谢雨森做客晚点聊，分享了他最近这半年看到的一些变化和思考，从技术的角度其实还是沿着我们之前讨论过的那三条主线，就是推理能力、coding 还有工具使用，再往前演进，是有很多从好到非常好的进展，到更好的进展，然后另一方面就是在应用上面我们看到了很多的普及。本期的重点呈现分享三个与以往播客有关的内容。
一是关于 Agent 应用所需要的模型能力，之前在一百零六期与戴雨森长聊 Agent 的节目中，他提到促进 Agent 能力的三个技术变化是推理、编程和工具使用能力的提升，这次他还提到了多模态能力也非常重要。而在具体的实现方式上，近期的一些新模型，从 X 点 A I 的 Grok 到 Kimi 的 K two，都强调直接在训练阶段就去获得使用工具的能力，这似乎代表了模型对 Agent 能力的进一步的吞噬。但另一方面，在获取个性化的 context，也就是上下文的这个过程中，仍然是离不开产品的，这是壳和应用的价值。一个好的产品设计可以引导用户参与建立更多的 context，这包括组织的上下文、个人的上下文，还有环境的上下文，这也是近期的一个热门讨论话题，本集中有简单提到，就是 context engineering。正好近期，Manus 的联创记忆超 peak 也写了一篇相关的文章，叫做《Context Engineering for AI Agents: Lessons from Building Manus》，链接我贴在了 Show Notes 里。
二是关于 L 三模型，其实也就是 OpenAI 此前定义的 AGI 的五个阶段中的第三个阶段，Agent 这个阶段应该对应的模型。我们之前在一百一十期和明势的合伙人夏令的节目中也有讨论到，刚好雨森是 Kimi 的早期投资人，夏令是 Mini Max 的早期投资人，这两家公司现在是中国大模型创业公司里的两家头部公司。我聊下来的一个感受是，Kimi 和 Mini Max 都想率先做出和定义对应 Agent 阶段的 L 三模型，但 L 三模型到底要有一些什么样的能力，其实在整个业界现在都没有那么的清晰。O 三算什么？也许算。OpenAI 这个未公开的拿到了 IMO 金牌的模型，应该也会带来关于 L 三阶段模型的更多的启发。这可能是一个渐进进化的过程，而不是一个非常明显的里程碑，又或者说一些里程碑在它刚出现时，不会如多年后我们回头再去看时那么显眼和清晰。
第三是这次 OpenAI 拿 IMO 的进展让我想到了年初的一百零三期节目中与清华的两位博士生肖朝军和付天宇聊注意力机制的改进，最后我们聊到了一种 AI 相对终极的应用，科学发现和创新。比如 AI 能像一个博士生一样完成一个全新的课题吗？这中间可能需要数月乃至数年的思考，是一个超级复杂的任务。拿 IMO 金牌还不是一个完整的科学发现，但它离更长更深的思考都更近了一步。在辅助人来做科研上，应该也会有更强的能力。第一批把 AI 用得非常好的博士生和科研人员会如何加速科学发现？再过几年，我们会看到真正的 AI 博士生吗？
本期节目就到这里，感谢收听。如果你对今天聊的话题有观察、好奇或疑问，欢迎在评论区分享想法，这也会成为我们节目的一部分，让整个讨论更完整。你也可以把我们的节目分享给对这个话题感兴趣的朋友，推荐更多你想听的主题和嘉宾。你可以从小宇宙、苹果 Podcast 等渠道关注“晚点聊 Late Talk”，也欢迎关注我们的公众号“晚点 Late Post”。下期再见。