Henry Yin
Thank you.所有人都感受到了，coding agents are general agents，AI 的自我进化变得更加贴近现实了。Andrej Karpathy 最近在 Twitter 上讨论他的 AutoResearch 实验，就是让 AI 自动优化自己的训练代码。
程曼祺
OpenClaw 的开发者就是之前做 Clawdbot 的 Peter Steinberger。为什么这样一个应用形态，会来自一个个人开发者？
可以参考一下之前的 Devin。有的时候，一个灯塔效应，或者说给大家指一个方向，这件事可能要稍微跳得远一点。
Dylan Patel 开玩笑说：“Codex 像是一个弱智，但是它在编程这件事情上花了很多时间去学习，然后训练得特别好。但是 Opus 感觉像是 AGI。相当于现在主人是 Claude Code，奴隶是 Codex 在干活。主人是和用户直接交互的，至于这个奴隶到底用谁，它可以去决定，对吧？所以 OpenAI 也在想，怎么翻身做主人。”
Meta 这家公司特别有意思。前几周，大概有一周的时间，他们让全员停下来学 AI，管理层会看每一个人的 token 消耗量，把它作为团队效率指标。所以我知道有朋友让 Claude Code 在那里跑一个 loop，疯狂输出没有意义的 token。最近 Anthropic 那几个 billion 的 revenue 增长里面，搞不好有几十个 million 是 Meta 这边贡献的。
程曼祺
欢迎收听《晚点聊》，我是曼祺。
从 2026 年 Q1 开始，《晚点聊》推出季度总结系列，会分为 AI 季报和具身智能季报。其中，AI 季报的嘉宾是身在硅谷的 MOE Capital 创始合伙人 Henry Yin。他此前已经两次做客《晚点聊》，分享过 Agent 和工具链的创新机会，以及 Gemini 3 之后的一些新进展，分别是第 137 期和第 146 期。
本期节目我们从 OpenClaw 开始聊一季度的进展，进而延展到 Anthropic、Claude Code 以及 Claude Cowork 产品的强劲增长，Anthropic 应用形态与 OpenClaw 的相向而行，以及在这背后的 OpenAI 与 Anthropic 两家公司、它们的 coding 产品 Codex 和 Claude Code，以及最新模型 Opus 4.6 与 GPT-5.4 之间的三重对阵。
所有这一切的快速进展，都发生在过去 3 个月。除了 coding 到通用 Agent 和个人 Agent 这条主线之外，我们也讨论了 AutoResearch 等项目的 AI 自我进化，以及仍处于探索中的其他方向，如持续学习和世界模型。Henry 也分享了他在硅谷这个 AI 密度最高的地方感受到的科技带来的社会变化，以及科技大裁员。而我则补充了我了解到的一些中国公司的情况。
不管是 Agent 主战场的快速发展，还是自进化开发方式的端倪出现，2026 年前三个月的变化都显示，AI 越来越不只是和科技圈相关。下面我们正式进入本期节目。
今天非常高兴邀请到老朋友、MOE Capital 的创始合伙人 Henry Yin。Henry，你可以和我们的听友简单打个招呼。
大家好，我是 Henry。我之前的背景是自己做过 AI research，也创过业。现在我是 MOE Capital 的合伙人。MOE Capital 是 3 个月前在硅谷成立的早期 AI 基金，我们现在已经完成了首关，投资了 6 家公司。
我们的投资方向主要有 3 个。第 1 个是 AI for Science，第 2 个是 B2B 和 prosumer application，第 3 个是 software infrastructure。如果有做这 3 个方向的创业者，非常欢迎来和我们交流。
程曼祺
之前我也介绍过，Henry 是姚班毕业，之后去 Berkeley 读博士，期间创过业、卖过公司，现在在硅谷做投资，是一位资深从业者。他之前也运营 AI House，所以和硅谷的很多 AI 研究员有很多交流。
从这个季度开始，我想约 Henry 每季度来做一些 AI 季度回顾。范围主要可能会涉及美国的一些公司，然后我这边也会聊一聊中国我了解的一些情况。
我们还是先从 AI 现在变革的源头和驱动力开始聊，就是技术的进化还有应用的变化。Henry，你可以讲讲，就整个 2026 年 Q1 来说，你看到的几个最大的变化，或者说 AI 领域有哪些你觉得比较有意思的现象？
1. Three Forces Shape The Quarter
Q1 发生了特别多 exciting 的事情。我觉得可能可以分成 3 件大事。
第 1 件是 OpenClaw 异常火爆。OpenClaw 大家可能都熟，如果之前不知道的话，它是一个开源的、相当于个人 Agent 的框架，可以接入大家平时使用的聊天软件，比如飞书、WhatsApp、Telegram，然后帮你执行各种任务。
我觉得它是让 AI 从聊天开始真正变成干活。所以我看到有人戏称，牛马们终于有了自己的牛马。它的成长曲线非常快，过去可能 60 天，GitHub 的 Star 数量就超过了 React 10 年以来的积累。我觉得 Q1 毫无疑问可能是最火的项目。
第 2 件事，我觉得可能是头部模型厂商的竞争，尤其是 OpenAI 和 Anthropic。这两家现在都特别重视 coding 产品，就是 Claude Code 和 Codex。Anthropic 现在的收入增长，很大程度上我觉得是 Claude Code 驱动的。所以这个竞争的焦点，可能不再是谁的 benchmark 跑分更高，而是谁的产品生态会更深。
第 3 点，我觉得可能是 AI 的自我进化变得更加贴近现实了。Andrej Karpathy 最近在 Twitter 上讨论他的 AutoResearch 实验，就是让 AI 自动优化自己的训练代码。像 MiniMax 最近刚发布的 M2.7，它的副标题也是 “Early Echoes of Self-Evolution”，就是自我进化的早期。
大概有 30% 到 50% 的强化学习研究工作流，是由模型自己完成的。最近也看到有顶级研究员从 OpenAI、Anthropic 这些 lab 出来，然后创业做相关的方向。所以我觉得这个 AI 自我改进，简称可能叫 RSI。我觉得它可能会让模型和 Agent 能力接下来进一步加速。
我觉得 Q1 可能就是这 3 件事。
程曼祺
正好我们可以围绕你说的这几件事展开聊一聊。OpenClaw 也是我一开始就想聊的事情，因为它确实在全球 AI 圈都很火，尤其是在中国，它非常出圈，已经是一个国民级的现象。之前《晚点》也发了一篇文章，讲了小龙虾的狂潮，什么小学生、退休老师都在用这个东西。
从你和周围人的观察、使用体验来看，你觉得 OpenClaw 因为它也是一个 Agent，和之前的 Agent，包括你提到的 Claude Code，以及后来 Anthropic 推出的 Claude Cowork，相比核心区别或者特性是什么？
2. OpenClaw Finds Its iPhone Moment
我觉得 OpenClaw 应该不是技术上的突破，还是一个交互范式的突破。类比一下，我觉得它是 AI Agent 的一个 iPhone 时刻。
触摸屏之前就有了，对吧？但是 iPhone 把它放进了一个所有人都想用的产品里。OpenClaw 技术上没有什么新东西，每一个独立组件都是之前已经存在的，包括 LLM 循环调用、tool use、记忆，Claude Code、Manus 都能做。
但我觉得 OpenClaw 做对了几件事。第 1 件事，它跑在你的本地电脑上。这意味着它能访问你的文件，还有你所有的系统权限，你所有本地的东西它都能看得见。像 Manus 这种 cloud agent，其实只能看到你给它的东西，那是非常有限的，但 OpenClaw 能碰到你电脑上的一切。
这其实是双刃剑，对吧？既是它的超能力，能够帮你端到端地完成任务；相对来说，也是它最大的安全风险。
它做对的第 2 件事，是接入了所有人已经在用的聊天 App，像 WhatsApp、Telegram、飞书。它不需要你去学一个新的界面，更像是 AI 来到你的生活，而不是你去找 AI。
我们看交互方式，Claude Code 是在 terminal 里面跑的，所以它一开始非常面向开发者，非技术人员可能不会一开始就想到去体验 Claude Code。Manus 是一个 cloud agent，可能面向很多数字工作者或者知识工作者。
我觉得 OpenClaw 通过聊天软件的分发，真正把 AI 带到了所有人身边。再加上几个小东西也很重要，比如定时任务、长期记忆——你越用越懂你——还有循环调用 LLM、使用工具直到完成任务。我觉得这些都是加分项。
如果再类比一下 iPhone，就是触摸屏、App、移动互联网这些东西都有了，然后 iPhone 把这些东西组合在一起，放进一个所有人都想用的产品里面。我觉得 OpenClaw 就是这个组合。
程曼祺
因为 OpenClaw 的开发者就是之前做 Clawdbot 的 Peter Steinberger。我不知道大家有没有讨论过，为什么这样一个挺创新的应用形态，会来自一个个人开发者，而不是之前做 Agent 做了挺久的一些公司？比如为什么不是 Manus 或者 Anthropic 先做出这个形态？
这个我觉得可以参考之前的一个例子，就是 Devin。Devin 最大的贡献，可能是提出了 AI software engineer 这个概念。它刚发布的时候，当然自己不太好用，但是这个概念一下就深入人心了。
这个概念一开始也不是 OpenAI 或者 Anthropic 提出的。所以有的时候，一个灯塔效应，或者说给大家指一个方向，这件事可能要稍微跳得远一点，可能不是立刻能够实用，或者说给大家提供很好的用户体验。
我觉得 OpenClaw 现在也是这样。有的时候，这些事情反而可能是没有历史包袱的个人开发者或者 startup 提出来的。但是我觉得大公司的优势是，它们的产品会快速朝着这个灯塔前进。像 Claude Code 最近就发布了很多新 feature，向 OpenClaw 靠拢。
程曼祺
你自己会用 OpenClaw 来做什么？包括你周围的朋友，或者你们投的一些创始人、公司，他们会用 OpenClaw 吗？还是说因为这个东西确实有比较多安全风险，所以在硅谷也没有那么多人用？
3. OpenClaw Enters Everyday Workflows
我自己试用了 OpenClaw 大概一周以后，就把它卸载了。我主要的工作流还是基本上都在 Claude Code 上面。
但是我身边也有朋友特别喜欢 OpenClaw。有一个朋友写了一篇文章，记录他的使用过程。他一开始也比较怀疑，但用了之后发现，完全放手的回报不是 10%，而是 10 倍。
他给我举了几个例子。一个是消息管理：他会每 15 分钟让 OpenClaw 扫描一下收到的所有消息，包括短信、Slack 里的消息。一旦发现他承诺要和别人某天、某时、某地见面，就会自动创建日历事件，还会让他回复得更及时，很少忘事。
另外，他在很多 WhatsApp、Signal 群里，每天都有上百条消息。对于国内用户来说，可能更多是微信群。他就用 OpenClaw 每天给他生成群聊摘要，这样他可以把这些吵闹的群静音，但不会错过重要消息。
他还有几个有意思的生活场景，比如价格监控。他之前同时追踪 30 多个商品的价格，现在都可以用 OpenClaw 完成。它还能帮他做旅行规划，判断酒店的照片是否符合他的个人偏好，看看哪个酒店应该订；包括餐厅定位，以及拍一张冰箱的照片，整理里面还有什么东西，更新购物清单。
这些事情他基本上都用 OpenClaw 搭起来了。不过，他确实投入了很多时间，才把这些工作流跑起来。所以对普通人来说，直接装上 OpenClaw，可能没有办法很快把这些应用场景用得特别舒服。
程曼祺
我觉得你这个深度使用 OpenClaw 的朋友讲的这些场景，可能确实是 Claude Code 没有那么方便做的，或者说之前的 Agent 都没有那么方便。
比如冰箱照片，就得用手机拍一下。我觉得它得和移动端结合得比较紧：我用手机拍一下，猜测他可能发到自己的某个聊天软件里，用这种方式喂给小龙虾。
如果是一个电脑本地端或者外部端的产品，这么做都不是特别方便。你得用手机拍，再传到电脑，然后再做其他操作。
完全同意。对于 Claude Code 用户来说，这就很烦。你得先用手机拍照，如果你是电脑 terminal，还要 AirDrop 到电脑，再扔到 terminal 里面，步骤很多，你可能就不太会去用。所以这确实是 OpenClaw 更方便的地方。
程曼祺
OpenClaw 自己给 GitHub 的官方定位，叫 personal AI assistant，个人 AI 助理。我觉得它有一种跨越工作和生活的趋势。
你自己用了一周之后就不用了，是因为没有什么生活上的需求吗？你主要就是在工作，所以觉得用电脑就够了？
这么一说，可能确实是这样。之前我们也交流过一个事情，就是 OpenClaw 在中国特别火，在美国其实没有那么出圈，它的中美热度有差异。
前段时间，哈萨比斯的传记作者卡伦·马拉比来到中国推广新书，在一个圆桌上也提到，美国 10 次对话里有 9 次不会提到小龙虾，但他来到中国以后，每个人都在问他小龙虾。
在硅谷，OpenClaw 当然也非常火热。我觉得 Peter 有成为新一代教主的趋势。不过我感觉硅谷的 researcher 确实不太提 OpenClaw，因为对他们来说，技术上没有什么新东西。
硅谷的 indie hacker 和创业者社区，可能会更关注 OpenClaw 一些，因为它代表了一种新的分发方式。
我个人觉得中国热度可能更高，有几个可能性。第 1 个是，中国用户本身对聊天优先的产品可能天然有感觉，因为我们都是被微信生态培养出来的。第 2 个是，国内像 Claude Code、Claude Cowork 这些软件可能封得比较厉害，大家平时用起来会比较费劲，所以开源选项可能更火。
另外还有一个性价比问题。中国用户可能对成本更敏感一些，而中国的模型又便宜、好用，开源模型也很多，所以 OpenClaw 和国产模型就形成了很好的天然组合。
最后，我觉得还有一个原因，就是名字起得很好。龙虾这个词，可能非常符合中国人的胃口。
程曼祺
这边其实有很多普通人也非常想用小龙虾。我之前给你转过一个新闻，在闲鱼上可以花 500 元、1,000 元找到人上门安装小龙虾。它已经非常扩散了，不只是做 AI 或者搞技术的人在讨论。
我想知道在你那边的感受是什么。比如一个设计师或者销售人员，他们会用小龙虾吗？会知道这个东西吗？
我觉得设计师现在用得更多的，可能还是 Figma Make、Google Stitch，也有一些设计师开始用 Claude Code。像销售或者做 go-to-market 的人，现在用 Claude Cowork 比较多。
我听说有公司比较离谱，要求自己的非技术人员也开始搞 hackathon，用 Claude Cowork 来自动化内部销售流程。但是使用 OpenClaw 的人会比较少。
在美国，扩散到更多工作群体的，可能是 Anthropic 的产品。
程曼祺
对，Anthropic 的产品。设计师可能会更垂直一些，比如 Google Stitch 和 Figma Make。
你刚刚也提到 OpenClaw 和中国开源模型有很多结合。这确实有一些数据上的反映。我看 OpenRouter 最近一个月的数据，大概是 2 月 20 多号到 3 月 20 多号。它专门统计不同应用对模型的消耗，在 OpenClaw 这个应用里，前十名大部分都是中国公司。
最多的是阶跃，Step 3.5 Flash；然后是 MiniMax M2.5，后面有 Kimi K2.5、智谱 GLM-5，包括小米的新模型最近也上榜了。我觉得可能便宜还是核心原因吧。
背后可能也可以多给大家讲讲。Peter 最早用的也是 Claude，但被 Anthropic 封了，后来转向 MiniMax，发现成本只有 Claude 的 5%，于是开始公开推荐 MiniMax，相当于带动了整个生态。
他最早的项目叫 Clawdbot，就是基于 Claude 做的。但 Anthropic 和他水火不容，先给他发了商标侵权律师函。1 月 9 日，又直接从服务器端封掉了他通过 Claude 订阅运行 OpenClaw 的这条路。
所以 Peter 在 1 月 12 日公开发帖说：“我现在开始正式向大家推荐 MiniMax over Anthropic，只有 Anthropic 5% 的 cost。”
后来 2 月份他自己加入了 OpenAI。MiniMax 的 M2.5、M2.7，大概输入 token 是 0.2 美元，输出是 1.2 美元，按每百万 token 计算。Claude Opus 4.6 的价格大概是输入 5 美元、输出 25 美元，基本上是 20 倍的差距。
大家算了一下，如果之前用 Claude 的订阅，每个月 200 美元，换成 MiniMax 以后，每个月可能变成 15 美元。我觉得 Agent 场景对成本还是非常敏感的，因为一个复杂任务动辄会调用模型几十次、上百次，而不是一次简单对话。
成本差 20 倍，再乘以调用次数，差距还是非常大的。
而且我自己的观察是，OpenClaw 这个产品形态本身不是特别符合 Anthropic 的审美，因为它显然看起来安全风险比较大。Anthropic 不管做什么，都会一直强调这个组织、这家公司非常重视安全。
这可能也是为什么 Claude Code 已经推出很长时间了。它从 2025 年 2 月开始测试，应该是 5 月左右正式推出，但一直没有走到“直接进入你的手机，让你给它很多权限”这一步。当然，小龙虾热潮之后，Anthropic 也有一些变化，这个我们之后可以展开。
程曼祺
说到你刚才提到的模型，在 OpenRouter 的排行里面，前面确实大部分都是中国公司，也会有 Claude Opus 4.6，还有 GPT-5.3 等。
但有一个挺新的面孔，叫 Trinity Large Preview。我之前不知道这个模型，后来查了一下，背后是一个美国公司，叫 Arcee AI。不知道你是否了解这家公司的情况？如果了解，可以稍微讲讲，这是个新公司吗？
这家公司在美国的讨论度不是特别高。他们大概融了 5,000 万美元，从零训练了一个 400B 的稀疏 MoE 模型，大概有 13B 的激活参数，采用 Apache 2.0 license，大概花了 2,000 万美元训练这个模型。
但它冲上 OpenRouter 排行榜的原因很简单：在 preview 期间完全免费，相当于每百万 token 0 美元，所以用量很大，但不代表质量很好。
我看社区投票，Kimi K2.5 和 GLM 的排名好像都比 Trinity Large Preview 高一些。其实模型厂商变成了一个战场：谁的模型在 Agent 场景下跑得好，又便宜，谁就能吃到这一波巨大的流量。
程曼祺
包括中国的一些公司动作会非常快。智谱刚刚推出了一个新模型，叫 GLM-5-Turbo，他们说这个模型就是专门面向 OpenClaw 场景优化的。
我身边也看到不少朋友开始思考这方面的创业点子：有没有一些小模型或者专用模型，可以服务 OpenClaw 整个生态闭环里的某一个小部分。
你觉得这种创业点子会比较持续吗？因为我也和别人讨论过这个问题。有的人会认为，拥有最强大模型的公司，也没有理由没有最强的小模型。因为有了大模型，其实也可以做小参数版本。
做这些创业的人，每个人的想法可能也不一样。但其中有一个思路是，现在每个大公司都在收购小公司。如果你能打出自己的品牌，吃到这波流量，其实也有很好的退出机制。
程曼祺
这挺硅谷的。至少在中国，被收购退出不是一个特别多、特别通畅的路径。
可能大家的支付意愿还是会低一些。
程曼祺
前面讲的是 OpenClaw 比较火和它的一些创新，也稍微讲到了一些不成熟的地方。如果更完整地描述，你觉得它现在比较不足的地方有哪些？
4. OpenClaw Hits Its Safety Limits
我觉得可能有 3 个点。第 1 个是贵，第 2 个是有时候不太稳定，尤其是长任务，第 3 个是安全仍然是一个很大的问题。
贵的话可以举个例子。我有一个同事，用 OpenClaw 帮他注册了一个新的 LinkedIn 账号，过程中可能调用了 OpenAI 的 computer use 能力，最后花了 20 美元。这只是注册一个账号的任务，可以看到成本堆得非常快。
所以现在做日常的高频实验，尤其是追求效果、使用好模型的话，成本还是非常吓人的。
安全方面也有一个很有意思的故事。最近 Meta 超级智能实验室负责 alignment 的负责人，在 Twitter 上分享了一个恐怖片故事。
他给 OpenClaw 的任务，是接入自己的真实 Gmail 邮箱，帮他整理邮箱，因为他有大量邮件没有看。但他特意说，任何操作之前都要先和他确认。这看起来是非常安全的。
但是 Agent 在处理邮箱时，因为邮件太多，context window 爆炸了。上下文一旦被塞满，现在这些 Agent 都会自动压缩上下文，把完整上下文变成一个简短总结，然后继续工作。
在总结过程中，它把“任何操作前要先和我确认”这个安全指令默默丢掉了。之后 Agent 开始疯狂删除他没有读过的邮件。他在手机上疯狂给 OpenClaw 打字：“立刻停止，不要这么做。”但 Agent loop 完全无视，所以他只能冲到自己的 Mac mini 那里拔网线，像拆炸弹一样。
最后还是有大概几百封邮件被删除了。事后他还和 OpenClaw 对话，复盘这件事，OpenClaw 也非常坦率地承认了自己的失误：“That was not okay。”
这件事很有意思。你看，一个在超级智能实验室负责安全和对齐的人，自己也会遇到这样的安全问题。
程曼祺
你描述的这个场景特别有意思，因为它有很多动作片的要素，像一个赛博版本的《生死时速》，就是基努·里维斯演的那个。你看过吗？在公交车上，最后得争分夺秒地解决危机。
对，他得一边在手机上打字，一边冲到电脑面前，最后捅了个挺大的篓子。但我还挺敬佩他，作为安全负责人，能把自己中招的故事分享出来，还是挺有勇气的。
我觉得这个案例也说明一个问题：现在 AI 在长时间工作中反而会变笨。这是一个很大的问题。
目前因为 context 有限，长任务中上下文被压缩，重要指令被丢弃。有时候你和它合作越久，反而会觉得它越不可靠，因为它的记忆有时候可能还不如人的记忆。
这也是为什么之后可以聊到持续学习。我觉得这是一个非常重要的研究方向。当前的模型没有真正的长期记忆，只有不断被压缩和遗忘的短期上下文。
程曼祺
从现在这些不足来看，业界有什么努力在完善它的体验吗？
我觉得 OpenClaw 从 3 月开始发布了很多新版本。3 月 22 日是一次相对比较大的版本更新，主要有几个方面。
第 1 个方面是安全加固。它做了新的执行 sandbox，防止 Agent 执行危险代码；包括在底层运行环境中插入安全环境变量、验证 webhook 签名，以及完整的密钥管理 CLI。这些都是大家在安全性上踩过坑以后，正在解决的问题。
第 2 个方面是我们刚才提到的上下文压缩。它现在把上下文压缩做成了一个插件，可以替换第三方的上下文压缩策略。社区里也有叫 Lossless Claw 的无损压缩插件。
另外，多 Agent 协作，以及它自己的插件和 skill marketplace——叫 ClawHub——也都做了一些改进。
程曼祺
5. Agents Rewrite Software Platforms
关于 OpenClaw 的更多影响，有一个讨论很多的话题，就是新的 Agent 应用对传统 SaaS，也就是云端软件的冲击。
有一种比较极端的说法，觉得 SaaS 可能已死，会被完全替代。你可以讲讲你怎么看 SaaS 接下来的变化，包括你之前自己创业，做的应该也是 SaaS，对吧？
对。我觉得很多国内创业的人都知道，在国内做 SaaS 是一件非常难的事情。
这个逻辑是，大厂有钱招程序员，工资相对来说也不是特别高。那我自己需要什么软件，自己写就好了。以前国内做 SaaS，最后可能都会做成咨询公司或者外包公司，做很多定制化开发。
现在同样的事情，可能会发生在全球范围。大量 AI coding agent 起到一个廉价程序员的作用。如果这件事情在全球范围内发生，中国 SaaS 之前比较难的逻辑，可能也会应用到全球。
美国现在相当于也出现了廉价的 AI 劳动力。大家都可以自己写代码，需要什么软件，我为什么要每年花几万或者几十万美元购买你的服务？我直接用 Claude Code 给自己写出来一个，把未来很多年的费用省下来。
所以这个事情从逻辑上是说得通的。未来传统 SaaS 公司可能不会消失，但 margin 可能会下降。用户对比一下自己写代码的成本，觉得差不多，或者只略高一点，可能就会选择你的服务。
不再是以前那样，大家都认为 SaaS 是一个很好的商业模式，能够达到 80% 到 90% 的 margin。未来可能不会是这样的格局。
程曼祺
你刚才这个总结挺有意思。AI coding agent 让工程师红利从中国蔓延到全世界，是吗？把全球信息软件市场都中国化？
对，大家都进入 hard mode。
程曼祺
OpenClaw 打开的方向，类似你前面说的 Devin 指了一个方向，也就是个人 AI 助理，或者说更灵活的 Agent。它接下来会进入一个什么样的局面？
我们现在看到不少大公司也在进场。最近英伟达在 GTC 上，黄仁勋说 2026 年是 Agent 元年，他们自己也做了 NemoClaw 企业 AI Agent 平台。Claude Cowork 最近也有一些更新，我觉得它变得更像 OpenClaw 了。
OpenClaw 是一个灯塔，但绝对不是终点。就像曼琪说的，这些大公司基本已经全面进场，而且各有各的打法。
GTC 上，黄仁勋说 OpenClaw 是下一个 ChatGPT。NemoClaw 本质上就是 OpenClaw 加上企业级安全层。他们也有 OpenShell sandbox，可以通过写 YAML 文件控制 Agent 能碰哪些数据、哪些 API、访问什么样的网络，还包括审计追踪等企业级功能。这是 NVIDIA 的策略。
Anthropic 基本上也受到了很多 OpenClaw 的启发。观察它最近 Claude Code 的产品更新，基本上是在沿着 OpenClaw 的方向走。
可以举几个例子。Channels 加入以后，现在可以通过 Telegram、Discord 给 Claude Code 发消息、下指令。Remote Control 可以让你用手机远程操控电脑上运行的 Claude Code。Computer use 也是最近新加的功能，现在 Claude 可以控制鼠标、键盘和屏幕。
这样它就不只是写代码，还可以浏览网页、打开 App、做任意桌面操作。定时任务也是 3 月新加的功能。还有 Dispatch，相当于一个常驻的 AI 管家，能够自主启动和协调多个 Claude Cowork 干活。
这些基本上都是我们在 OpenClaw 之前看到过的功能。我数了一下，过去 52 天，他们发布了 74 个功能，基本大部分都在朝 OpenClaw 的方向走。
OpenAI 则是直接把 Peter Steinberger 买下来了。虽然他加入以后还没有公开产品，但我觉得后面应该会有 OpenAI 版本的产品，和他们之前的 ChatGPT Agent Team 相结合，这是可以预期的。
程曼祺
为什么没有这么快？你刚才说 Anthropic 52 天发布 74 个功能，迭代速度非常快。Peter 加入 OpenAI，以 AI 行业的时间来说也不算短了，可能已经不到两个月，但我还没看到什么动静。
我的感觉是，OpenAI 现在的精力还是稍微有点分散。他们自己可能也意识到了这个问题。
和 OpenClaw 热潮相关的，一是刚才提到 Claude Code 有很多更新；有人认为 Anthropic 正在赢得这场比赛，最后可能会获得竞争胜利的成果。Anthropic 能做到这一点，和它之前将近一年的 Claude Code 积累和发展有很大关系，这也影响了 Anthropic 和 OpenAI 的竞争格局。
程曼祺
可以先讲讲 Claude Code、Claude Cowork 和 OpenClaw 的对比。它们的用户分布有什么差异？两边现在都更新得比较多，实际体验上，你觉得谁更胜一筹？
如果是开箱即用的体验，Claude Code 和 Claude Cowork 肯定比 OpenClaw 好用。但它们可能还是针对不同的用户群。
Claude Code 最初的客群是专业程序员，是深水区工具。OpenClaw 面向大众，是浅水区入口。Claude Cowork 可能介于两者之间，连接深水区和浅水区，是 Anthropic 的一座桥梁。
所以 “Anthropic is killing the game” 这个说法，我觉得还是有一些道理的。
程曼祺
它们有一种相向而行的感觉。Anthropic 是先从比较专业的人群、比较难的场景开始做，从 Claude Code 到 Claude Cowork，覆盖面在扩大。
OpenClaw 一开始就能放到 WhatsApp、Signal 里面，所以一开始的打击面就挺广，交互上的覆盖面很广。
但我知道，如果装原始版本，过程挺麻烦。比如我自己也感谢中国公司的努力和勤奋，像 BigModel、Kimi 都做了很多云端版本，安装起来方便一些。我自己试过，但也发现它有很多问题，比如上周和它聊过的事情，这周它可能就不记得了，记忆有问题。
云端版本可能有一个问题：很多 OpenClaw 的价值，在于它拥有你的全部信息，可以访问你的整个生态。
我自己是苹果用户，用 iPhone 和 Mac。如果 OpenClaw 装在自己的电脑或 Mac mini 上，它可以访问我的 iMessage、Notes，以及苹果封闭生态里那些没有 API 的东西。
这在我试用的那一周里，对我来说是很好的用户体验。
程曼祺
我可以提供另一个视角的用户体验。我的工作很多是文档类、文案类工作，所以很多东西确实在飞书上。反而如果我装一个本地版，让它去看飞书里的东西，我觉得很麻烦。
飞书已经能解决我很多工作场景里的事情。可能做程序、开发、产品的人，每个人的情况又不一样。
所以我觉得，飞书这种 all-in-one 的办公平台和小龙虾结合，和这种形态结合，还是挺有潜力的。
6. OpenAI And Anthropic Enter Three Battles
程曼祺
确实。这个话题再延伸一下，就是 Anthropic 和 OpenAI 的对比。
Q1 正好是这两家公司的市场预期发生较大变化的时间。我自己的感受是，现在很多人比较看好 Anthropic 的发展。你的整体观察是什么？
我觉得这是一个关键节点，可能是 Anthropic 从以前大家认为技术上受尊敬的挑战者，变成了真正威胁 OpenAI 的、同等甚至更强的对手的一个季度。
核心驱动力并不是模型上 Anthropic 大幅领先 OpenAI，而是产品力上的领先。
过去一个季度，Anthropic 的收入增长非常疯狂，大概以每个月 5 billion 美元的速度增长。OpenAI 可能从去年年底的 210 亿美元，增加到现在的 250 亿美元，增长相对 Anthropic 放缓。
一个关键差异是，Anthropic 大概 70% 到 75% 的收入来自 B2B 和 API，而 OpenAI 的收入更加多元化，可能有时更依赖消费者订阅。
Claude Code 是 Anthropic 的杀手级应用，现在大概有 25 亿美元 ARR，超过 Cursor 的 20 亿美元，基本上已经是开发者界的老大哥。这是 Anthropic 核心的增长引擎。
程曼祺
我补充一下 Claude Code 的收入。它的绝对数字按照 ARR 口径计算，2025 年 12 月是 9 亿美元，到 2026 年 3 月初是 19 亿美元，不到 3 个月增长了 10 亿美元。
OpenAI 这边，2025 年底是 214 亿美元，2026 年 2 月是 250 亿美元。所以从绝对值上看，之前是 9 亿和 214 亿，现在是 19 亿和 250 亿，体量已经差不多了。Anthropic 的增长追得非常快。
你刚才提到 Cursor，我觉得这也是一个值得展开的话题。我最近见了一些编程工作比较多的人，他们以前是 Cursor 的深度用户，会购买 200 美元那一档，付很多钱，但最近已经很久没有打开 Cursor，完全转投 Claude Code。
我也知道，Cursor 在 2025 年上半年曾经是硅谷非常火的一个雇主，很多人都想去这家公司工作，觉得它很有前景。但现在看起来，这个产品的竞争力受到 Claude Code 很大的挑战。你自己的感受是什么？
短期可能对 Cursor 的 revenue 影响不大，因为大量美国开发者还在从 GitHub Copilot 迁移过来。
长期来看，Cursor 的窗口应该在收窄。短期 revenue 影响不大的原因是，很多美国大企业，比如 Amazon、银行、Citibank、Capital One，它们的开发者还在使用 GitHub Copilot。
它们的迁移路线，大概率是先迁移到 Cursor 这种和 Copilot 接近、但用户体验更好的产品，然后再迁移到 Claude Code 或 Codex。所以 Cursor 短期还是有很大的增量市场。
但 Claude Code 增速这么快，长期来看，Cursor 最大的价值还是数据，也就是海量高质量的工程轨迹。它能不能利用数据优势提升自己的 coding 能力，做更多 continued pre-training，是一个关键问题。
但目前来看，它的时间窗口可能已经快关闭了，因为 Claude Code 的 revenue 和用户规模都已经追上来。长期来看 Cursor 确实会比较危险，它自己的数据护城河也在被侵蚀。
程曼祺
按照你刚才说的美国大公司编程人员的迁移路线，因为 Copilot 是微软的产品，微软在这块基本上是收缩的状态，是这样吗？
大致是这样。这个事情应该发生挺久了。去年还是什么时候，他们大幅降低了 GitHub Copilot 的定价。我觉得从那个时候开始，他们就已经意识到自己的产品竞争力不行了。
以前 OpenAI 和微软有很多合作，Copilot 也有很多 OpenAI 的支持。但现在显然两家已经有点渐行渐远，OpenAI 也主推了自己的编程产品 Codex。
程曼祺
Codex 对比 Claude Code，你觉得它有竞争力吗？包括背后的两个最新模型，一个是 OpenAI 3 月推出的 GPT-5.4，另一个是 Anthropic 2 月推出的 Opus 4.6。
在编程非常多的程序员群体里，大家是怎么使用和讨论的？
我可以先简单说一下 Opus 4.6 和 GPT-5.4 这两个模型，再来对比 Claude Code 和 Codex。
Opus 4.6 是 1M 上下文。它当时一个比较大的噱头，是能够连续工作大概 15 个小时而不崩溃。也就是说，这个模型能够保持连贯的、目标导向的任务执行，长达大约 15 个小时。
之前的模型可能几个小时就会丢失上下文，远离目标方向。它当时的 Terminal-Bench 2.0 也拿到了最高分。Karpathy 比较火的 AutoResearch 项目，也是优先选择 Opus 4.6 执行，因为 OpenAI 那边在长任务执行时会有一些问题。
GPT-5.4 有几个亮点。第 1 个是，它在 OSWorld 这个 benchmark 上达到了 75%，超过人类的 72.4%。
程曼祺
OSWorld 是什么 benchmark？考察什么？
OSWorld 考察的是 computer use 能力。给你一个桌面和一些任务，你需要点击鼠标、进行各种操作，最后完成任务。它相当于一个模拟人类使用电脑的 benchmark。
GPT-5.4 有原生的 computer use 能力，模型自己能够看屏幕、动鼠标、打字，不需要 web 工具包装。
它也把 coding 合并到 GPT 的主线模型里面了，在 SWE-bench Pro 上也拿到了很高的分数，应该是 57.7%。这是两个模型大概的对比。
实际使用 Claude Code 和 Codex，很多人都觉得 Codex 的纯写代码能力可能更强，但 Opus 和 Claude Code 与用户交流起来更舒服，理解用户意图的能力更强。
Dylan Patel 在 Twitter 上开玩笑说，Codex 像是 “a retarded kid super trained on coding”，就像一个智力障碍的孩子，但在编程这件事上花了很多时间训练，训练得特别好。
但是 Opus 感觉像 AGI。Opus 是一个比较 all-around、交流起来非常聪明的模型，但在编程这个方向可能略弱于 Codex。
程曼祺
Codex 是达斯汀·霍夫曼演的《雨人》的编程版。其实这是个很好的比喻。
很多开发者现在的做法是，给 Claude Code 写一个 skill。当我需要写代码或者 review 的时候，就调用 Codex 的 exec 来执行写代码和 review 任务，然后用 Opus 或者 Claude Code 做思考和规划。
我和 OpenAI 的人交流时，他们自己也发现、也知道这件事。所以他们其实也在想怎么改进用户交互体验。
相当于现在主人是 Claude Code，奴隶是 Codex 在干活。主人实际上是和用户直接交互的，至于下面这个奴隶到底用谁，主人可以看谁厉害，然后去替换，对吧？
主人的 traction 还是更强。所以 OpenAI 也在想，怎么翻身做主人，让交流能力和用户实际工作体验变得更强。
程曼祺
我觉得现在 coding 的核心，不只是写代码更好，而是能不能完成完整的工程任务：改 bug、跑测试、读日志、提 PR，整个循环的用户体验能不能更好。这比较重要。
你觉得这种体验差异是怎么造成的？是因为两个模型的优化方向不一样吗？
我觉得 Anthropic 在这方面整个积累可能更深。用户体验很多时候不会被一个 benchmark 完整描述。
有个不太恰当的例子，感觉有点像苹果生态和安卓的对比。苹果的跑分或者硬件参数，常常远远不如安卓手机，但实际用户体验可能有很多人喜欢。
现在 benchmark 有点像硬件参数，能够部分描述东西怎么样。但真正重要的是，开发者实际用起来感觉怎么样。
我觉得在这方面，Anthropic 做了更多更全面的优化，也有更好的数据来训练模型。
程曼祺
从两家公司的发展来看，Anthropic 更早、更聚焦在 coding 和代码上。Claude Code 从内测到正式推出，也比 Codex 更早，接触用户更早，所以可能积累了更多用户习惯、使用场景、常见需求和多样化数据。
我觉得 OpenAI 的问题不是模型不行，它的 research team 还是非常强的。它的产品能力，尤其在 to B 方面，可能稍微差了一点。
Peter Steinberger 加入 OpenAI，也可能是一个信号：他们意识到自己需要补一补产品力。
简单对比一下两家公司的优劣势。OpenAI 的优势是更大的 consumer 用户基础，ChatGPT 有非常强的分发能力，资金可能也仍然更加充足。
OpenAI 的劣势是注意力实在太分散，ChatGPT、API、各个 vertical 的 enterprise，还有 Sora。前两天他们刚刚把 Sora 关闭了，还有 OpenAI for Science。
Anthropic 的聚焦程度高得多，基本上就是编程加企业用户，所以在这方面摸索时间更长，也更有心得，产品感受力和积累更强。
程曼祺
这种产品感受力和积累，是很难逾越的竞争优势吗？OpenAI 有什么可能追上来？
我觉得 OpenAI 的风险，他们内部可能已经在反思。3 月中旬，他们应用负责人 Fidji Simo 在全员会上明确说过一句话：“We cannot miss this moment because we are distracted by side quests。”
他们自己也感觉有点被分心了，但现在处于非常重要的时间节点，需要更多聚焦和 Anthropic 的竞争。
他们内部也在说，像 Atlas 浏览器、广告、电商集成这些事情，应该往下砍，转向 coding、生产力和企业服务。
反过来看，我觉得 Anthropic 的风险其实就是 OpenAI 的反扑。如果 OpenAI 能砍掉这些 side quests，真正聚焦，战斗力还是非常强的。
Anthropic 的另一个风险是 Google。我们今天第一次提到 Google，但我觉得 Google 的进步也很大。Google 在把 AI 集成进 Google Workspace，比如 Gmail、Google Docs、Google Drive、Google Sheets，这些尝试都做得不错。Google 的分发能力可能是这几家里面最强的。
程曼祺
前面说到了 OpenAI 和 Anthropic 的竞争。在美国，xAI 和 Google 也是大家比较关注的公司。可以讲讲这个季度它们有什么变化吗？
这个季度对 xAI 来说可能是灾难性的。因为有大量 co-founder 离职，其中一些是非常重要的 co-founder。离开以后，大家可能会对公司前景失去信心。
比如张国栋、戴子航，都是这个季度离职的，当然还有很多其他人也走了。
程曼祺
他们的去向确定了吗？
不是所有人都确定。不过确实有不少人会去其他 lab，可能大部分人都会去。TML 吸收的人数可能最多。
程曼祺
离开的人里没有人自己创业吗？
也有人自己创业，现在可能还在 stealth mode。
离职的原因，可能和去年 12 月 OpenAI 发布新模型、coding 能力大幅增强，以及 coding Agent 在整个生态中的地位提升有关。尤其是 Grok 自己的模型训练得不是很顺利，可能大幅刺激了 Elon Musk，然后他的情绪也影响到了团队，造成这一波离职潮。
xAI 最近也在疯狂招人，包括从其他 lab 挖人、收购创业公司。不过新招的团队需要时间磨合，提升生产力。所以我觉得 xAI 接下来追逐其他 frontier lab，可能会有一些难度。
程曼祺
Google 一季度的声量，相比去年下半年 9 月、10 月、11 月的时候要少一点。它有一个模型更新，是 Gemini 3.1，在 3.0 的基础上做了新的更新。还有什么其他动向吗？
Google 的模型动向好像不太多，但在其他生成式模型上，比如 Jini、Leo，也都有一些更新。我觉得 Google 可能还在憋大招。
不过它最近的 TurboQuant 也是很有影响力的工作。我看到产品层面还是有很多进展。
不管是 Chrome 里现在可以很容易调用 Gemini，在网页里更方便地获取信息，还是做一些自动化，它们都做得不错。整个产品线里，Gmail、Google Sheets、Google Slides 都集成了 AI，所以我对 Google 产品上的尝试还是非常有信心的。
程曼祺
你看好 OpenAI 聚焦和反扑吗？你觉得它会取得比较明显的效果吗？
大家开玩笑说 Sam 是一个 portfolio manager。他作为 CEO，手里有一笔钱，有一堆可以投资的项目，问题是把钱投到哪里。
大家说 Sam 是一个很好的资产管理人。所以如果他能意识到这个问题，重新分配资源，我觉得还是很有希望的。
程曼祺
总结一下，在 OpenAI、Anthropic 和 Google 这些美国核心 AI lab、AI 公司之间，现在的竞争焦点可能已经不是模型能力本身了。这几家的模型都很强，竞争焦点更多转向你刚才说的应用和生态。
下一个阶段的竞争，关键确实不再是谁的模型更聪明，而是谁的产品生态更深。竞争可能会从模型竞争变成平台竞争。
第 1 个是模型能力在收敛。GPT-5.4、Opus 4.6、Gemini 3.1，它们之间的差距在缩小，benchmark 也不再是差异化来源。
第 2 个是真正的竞争维度可能会转向开发者生态，比如 Claude Code 和 Codex 的竞争；还有企业信任，包括是否安全、合规、可靠，以及成本问题，推理成本谁更低。这个可能 Google 会做得更好。
Google 不能被忽略，因为它的优势可能不在当前模型能力上，而在拥有的数据、分发能力，以及 TPU 计算。我觉得这些仍然很厉害。
最后一个竞争维度，是除了在现有范式下做产品和生态竞争，还要看谁能突破下一个范式。比如现在大家比较关注的持续学习、递归自我改进。如果哪家 lab 能够在这方面产生突破，可能就会引领下一个时代。
程曼祺
你说的是全球情况。你说模型在收敛，是指被称为“御三家”的那 3 家最强公司，它们的模型在收敛。
如果把全球更多地方都放进来，比如中国。现在很多模型公司也在发布新模型，Qwen 也有很多新模型。还有一个没有发布的模型，DeepSeek V4，虽然没有发布，但大家也都在讨论。
把全球放在一起看，下一个阶段的模型竞争或者 AI 竞争，有什么值得关注的地方？
7. Coding Agents Become General Agents
可以先聊一下现状。现在所有人都感受到了，coding agents are general agents。一个模型如果 coding 不行，就没有办法做个人助理这种事情。
所以可以看到全行业 all in coding 的趋势。Benchmark 的差距在缩小，但实际使用的差距还是比较大。Kimi、MiniMax 其实都在 all in coding。
另外，长上下文基本变成标配。1M 上下文以前刚推出时，大家还觉得很大，现在基本所有人都有 1M 上下文。
所有人也都在做 long-horizon，也就是比较长流程的任务能力。大家都很关注这一点。这就是 Q1 的一个现状。
程曼祺
这些改进其实都是为了 Agent 这个最主流的场景，对吧？
对，很多改进都是服务 OpenClaw 这个 use case。
程曼祺
如果一家公司没有自己的产品触手，你觉得它能做好这种面向场景的改进吗？
比如 Kimi、MiniMax、智谱、阶跃，还有字节，都在做自己的应用。当然使用人数多不多，每家公司有区别。
有的公司比较聚焦模型，比如 DeepSeek，目前没有特别明显的产品动作，但也在招这方面的人，接下来肯定会有。
现在 Agent 应用变得更深入，是不是意味着做模型还是得自己有产品触手？
很多人之前问过一个问题。回看 2000 年互联网泡沫，当时大家觉得互联网要来了，所以 Cisco 应该是一个非常好的公司。但它最后被 commoditize 了，也就是商品化，变成一个没有差别的商品，很难做出差异化，也很难有超额利润。
我举 Cisco 的例子，是想说现在模型厂商也会担心：如果我只做模型层，之后会不会面临被商品化的风险。
所以现在模型厂商都不是只做模型。大家都是垂直整合，从模型到开发者，再到上层应用，所有东西都做。我觉得这应该是模型厂商未来的趋势。
程曼祺
这在中国一开始特别典型，创业公司都是这么干的，叫双轮驱动。因为大家觉得得有一个产品，得有商业化的方法和触手。
但我觉得现在主要是，做产品这件事本身可能对模型迭代很有用。你需要知道使用你模型的人在想什么，也就是从模型竞争到平台、系统、生态竞争。
我再补充一个点。刚才说 benchmark 不再重要，也不是完全不重要，只是没有以前那么能代表实际用户体验。
如果没有 benchmark 作为目标，那你朝什么方向优化？如果你有自己的应用、自己的产品，就有一个优化方向，可以从用户实际使用产品中收集信号。
如果没有产品，就会比较难。
程曼祺
用户实际使用产品的信号，对模型真正有用的是不是非常稀疏？我想知道它是一个什么样的流程，可以比较高效地从用户真实使用中提炼出有用的东西。
也经常有模型研发的人说，现在绝大部分人的提问都无法触及模型真正的智能上限，大家根本提不出那么难的问题。
第 1 点，模型在很多日常生活或者数字工作者的任务中，智能其实已经溢出了，不需要那么强的能力。
之前我们上期可能聊过一个 benchmark，叫 OfficeQA，是 Databricks 做的。它有一大堆文档，针对这些文档提问题，测试 3 种能力。
第 1 个是解析文档的能力，因为 PDF 里有复杂表格、图片等内容。第 2 个是召回，也就是 retrieval 的能力。第 3 个是基于这些信息进行推理的能力。
模型真正负责的，主要是推理或者 reasoning 这部分。他们发现，这部分模型已经做得很好了，大部分失败都发生在解析文件和召回上。
所以在这个 benchmark 上，模型的推理能力已经溢出了。现在需要解决的是其他问题，让整个工作流运行得更好。
回到刚才的问题，现在怎么提升模型的 coding 能力或者其他能力？最近网上也很火的一个事情，是 Claude 指责其他模型厂商从他们那里做蒸馏。
它们会购买用户实际使用 Claude 的数据，筛选出其中比较好的用户使用轨迹，也就是 trajectory，然后用这些轨迹继续做 pre-training。
如果我自己有一个产品，别人会使用我的产品或者 API，我就可以从用户任务里收集比较好、比较难的任务，让 Claude 做一遍，再从轨迹里做蒸馏，提升自己的模型。这些都是比较常见的方法。
程曼祺
这里还想补充一个和 Cursor 相关的话题，也可以侧面反映模型和应用之间的关系。
一季度有一件很有意思的事情，大家发现 Cursor 新模型的背后其实用了 Kimi K2.5。而且它们最开始没有宣布，因为按照行业惯例，如果使用开源模型再做自研，应该要说明。
你可以讲讲大家怎么讨论这个事情，以及这意味着什么吗？
第 1 点，这是对中国开源模型非常好的认可。对所有中国 AI 从业者来说，都是值得高兴和骄傲的事情。
美国顶级 Agent 产品公司，优先在中国开源基模上做 fine-tune，让主产品基于这样一个模型，这是很大的认可。
第 2 点，双方对这件事的处理也很有意思。Cursor 是这么大的一家公司，很快要以 55B 美元估值融资，却在开源模型使用和 license 上犯这种低级错误，我还是比较吃惊的。
难道不是应该在开始训练模型之前，就考虑好 PR、compliance 和法律问题吗？但最后公布时完全没有提到 Kimi 的名字。有时候世界确实是个草台班子。
程曼祺
这是因为它是美国公司，而且在主力产品上使用中国模型，有一些地缘政治 concern 吗？虽然 Kimi K2.5 是开源模型。
技术和数据上肯定没有问题。我觉得地缘政治的担忧，可能小于大家对它自研能力的担心。
很多大公司已经明确说过自己在使用中国模型，包括 Airbnb CEO Brian Chesky。所以美国公司使用中国模型这件事，好像没有特别引起美国人的反感。
但他们可能担心的是，大家会觉得“你们其实没有做太多工作，没有自己的核心竞争力，只是用了一个中国模型，再在上面做一点 RL”。我个人感觉，他们可能更担心这方面。
所以在发布时，可能会更强调自己的工作，相对少强调 Kimi 在其中的作用。
程曼祺
Cursor 是旧金山孩子，要脸。
但后来被发现以后，我觉得双方处理得相对体面。
一方面，Kimi 做得非常好，没有指责 Cursor，官方发布非常正面，表示很骄傲，Cursor 选择了他们的开源模型作为核心产品，也希望未来有更多开源合作和生态发展。我觉得这真的非常大气。
Cursor 那边也很快承认错误，坦诚讲了他们如何选择 Kimi 模型，以及之后在 Kimi 模型上做了什么工作。大家对他们后续坦率的沟通还是比较认可的。
我相信双方之后也在讨论 revenue sharing 和未来合作。总体来说，这是一个比较好的收场。
但回到第 1 点，中国模型确实做得非常棒。
程曼祺
如果 Anthropic 开源了一个模型，Cursor 使用它的开源模型，却没有说用了 Anthropic，你觉得 Dario 会怎么反应？
不好说。以 Dario 的性格，他可能会有反应。Dario 还是有些脾气的。
之前他和 Sam 在印度参加一个 AI 大会，可能大家还记得 Twitter 上那个很好笑的桥段。莫迪拉起了 Sam 的手，所有人都要拉手，最后是致谢环节。Dario 没有和 Sam 拉手，全场只有他们两个不拉手，把手举了起来。大会主办方还让他们两个站在一起。
我觉得 Dario 是一个很有脾气的人。如果这件事发生在他身上，可能不会像 Kimi 这么宽容。
程曼祺
我们前面的讨论，从 OpenClaw 开始，到 OpenClaw 和 Claude Code、Claude Code 和 Codex，再到背后的 OpenAI 和 Anthropic，以及模型相关进展，都是在一个很清晰的主线上：从 coding 到 general agent，以及围绕它的模型和生态建设。
下面可以聊聊你前面提到的另一个 Q1 很有意思的进展，就是 AutoResearch、软件自己的进化，或者说自我递归迭代。这是一个相对比较新的方向，可以先简单讲讲它是什么吗？
8. AI Starts Improving Itself
最开始是 Andrej Karpathy 在 3 月发起了讨论。
我可以先解释 AutoResearch 的背景。Karpathy 之前做过一个主要偏教学目的的项目，叫 NanoChat。它相当于一个极简版的项目，用几百行 Python 代码就能训练出 GPT-2 级别的小模型。
它主要是让大家学习，从 pre-training 到 RL，一个大语言模型的训练流程是什么样的。
程曼祺
他做 NanoGPT 的目的是什么？是因为假设很多人都需要自己训练模型吗？我感觉这个项目的受众非常窄。
但它其实非常火。我觉得 Karpathy 对 AI 教育非常有热情。
一方面，他确实希望把 AI 这些事情用最简单的方式讲清楚，让普罗大众都能明白它是怎么回事。另一方面，他在一次访谈里提到，把这些东西用最简单的方式实现，也能帮助他理解这些东西的本质。
程曼祺
有点费曼教学法的感觉。
对，有一点。
他在 NanoChat 的基础上做了 AutoResearch。相当于让一个 AI Agent，比如 Claude Code，反复修改 NanoGPT 训练部分的代码，目的是让训练出来的模型更好。
整个系统主要有 3 个文件。其中有一个文件叫 program.md，是人类写的实验指导方针，告诉 AI：“你的目标是修改另外两个 Python 文件中的一个，想办法改进训练流程，降低 bits per byte 这个 evaluation metric。”
流程是，先读取 train.py 文件和之前的结果，想一个改进方案，用代码实现，跑 5 分钟训练看结果，然后重复这个过程。
一次实验是 5 分钟训练，加上写代码和思考，大概 15 分钟。一个小时能跑 4 个实验，一个晚上能跑 100 个实验。它像一个永不疲倦的 PhD 学生，两天可以跑几百次实验，自主查看结果、想新的 idea、修改代码。
最后，它找到了 20 多个有效改进，把 GPT-2 级别小模型的训练时间从 2 个多小时降到 1 个多小时，大概提升了 17% 到 20%。
这相当于 AI 在没有人类持续指导的情况下，自己跑实验、优化自己。这个事情居然能 work，所以大家非常兴奋。之前有点科幻的 AI 自我改进流程，感觉快要真正工作了。
程曼祺
但它最开始还是有一个人类指导，对吧？program.md 是人类写的文档，只是过程中没有人类指导。
对，program.md 现在还是人类写的。未来也可能由 AI 来改进 program.md。
程曼祺
为什么这个项目会这么火？我大概理解，它是 AI 参与之后，自己把一个 GPT-2 模型的训练时间压缩了。这个事情更广泛地看，未来可能带来什么改变？
第 1 点，这不是什么全新的想法，不是 AutoResearch 这个想法今天才出现。大家惊讶的是，以前的梦想快要变成现实了。
很多人认为 AI 自我优化是 AGI 路上的圣杯。很多公司其实很早就在探索。大概一年前，我和 Nano Banana Team 的一个核心 researcher 交流时，他提到 Google 内部就在做类似尝试，有一个东西叫 Model Lineage Map，也就是模型祖先图谱。
它相当于一个有向无环图。每个节点是一个模型，每条边记录从一个模型到另一个模型，或者从一个版本到另一个版本，做了什么改进。
他们的目标是让 AI 分析这张图，预测下一条边和下一个节点应该在哪里，也就是自己发现下一个最有价值的研究方向。
当时可能是 AI 能力还不够，时机不成熟，也可能是模型 coding 能力不够强。但一年多以后，Opus、Codex、Claude Code 变强了，再加上 Karpathy 做的 AutoResearch 实验，大家看到了更多验证。
之前 Google 发过 AlphaEvolve 的 paper，用 Gemini 优化 Gemini 自己的 kernel，提升了 23% 的 performance。GPT-5.3 Codex 也参与过调试自己的过程，最近 MiniMax 发布 M2.7，也有类似的尝试。
多个数据点在最近几个月同时出现，包括 Karpathy 的 AutoResearch 实验，让大家重新考虑：这件事是不是马上就要发生了。
程曼祺
这意味着什么？首先看起来，对人类研究员的依赖会减少。刚才你也提到，它做实验的次数可以大幅提升，也就是说 AI 进化会越来越快。
一句话，这个是“加速度的加速度”。AI 研究本身被自动化了，加速度加速，相当于加速度的平方。
程曼祺
但它并不解决方向的问题，对不对？往什么方向优化的问题，或者说这也是它应该解决的问题。
它应该会逐渐往这个方向走。但目前可能是在一个搜索空间里实现非常有效的搜索，至于搜索空间是什么，还是由比较厉害的人类研究员来决定。
未来它的能力肯定会逐渐变强。
程曼祺
你刚才举的例子里，不管是压缩训练时间，还是改 kernel、提升某方面能力，或者强化学习用多少，目标还是由人设定，而且是比较具体的目标，不是笼统目标。
对。大家也试验过，如果目标不够具体，或者修改范围变大、搜索空间变大，现在的 AI 还差点意思。
如果搜索空间变大，有时候改着改着就全部改坏了，甚至自己都改不回来。目前这个阶段确实会发生这种事情。
程曼祺
AutoResearch 发布后，我看到有人把它用到开发软件上。比如 Shopify 的 CEO Tobi，他说把类似方法用在模板引擎上，模型自动提交了 93 次，渲染速度提升了 53%。
AutoResearch 这种应用，接下来是不是会在特别具体的软件工程上有很多应用前景？
现在把一个 Agent 扔过去，让它自己做优化能不能行，我觉得有一个重要指标：有没有清晰、可量化的优化目标。
Shopify 这个 case 的目标可能是渲染速度，并且有一个快速反馈循环。每次改完，跑一次测试，就知道是否成功。
很多其他问题的障碍是，大多数工程问题没有这么干净的优化目标。第 2 个问题是安全审查，如果直接进入生产环境，谁来审查，怎么确保它能工作。
第 3 个问题是可解释性。AI 做了一个改进，但人需要理解这个改进为什么这么做、为什么有效。
所以我觉得最适合的场景，还是性能优化、写更好的 kernel、数据库查询、基础设施调优。这些领域有明确指标，并且可以自动验证，交给 AI 做比较有效。
我可以举一个反面例子，是我最近室友告诉我的。他的公司要给网站加一个黑夜模式，也就是 dark mode。他试了 Devin 和 Claude Code，基本上都运行了一个多小时，但都没搞定。
因为视觉效果很难验证。AI 在验证视觉效果时，性能还不是特别好，无法判断改完以后按钮和文字的颜色是否正确，也无法判断在黑夜模式下按钮、文字看起来是否舒服。
这些需要人眼判断的事情，AI 自动化循环就跑不起来。
程曼祺
也就是验证比较主观的任务，它就跑不起来。
AutoResearch 这一套方法，Karpathy 定义得很清楚，可以直接用到一些现成的开发任务上。
另一方面，从去年开始，整个 AI 领域也在讨论一些新的学习方法，听起来和自进化比较相似，有很多 buzzword，包括在线学习、持续学习、元学习。AI 的自我进化，这些概念和方向现在有什么进展？它们可能更偏模型或者底层。
持续学习和自进化，可以分开来说。
持续学习是什么意思？大部分 AI 模型部署以后，权重就不会再发生变化。无论它和用户做多少推理、多少交互，都不会继续获得新的知识、新的技能，也不会进一步了解用户的喜好。
持续学习要解决的问题，就是模型部署以后能不能继续获得新的知识、新的能力，或者更了解用户的偏好。
程曼祺
而且是要更新到权重里，对吧？更新到参数里才算持续学习？
不一定。持续学习现在大致有两个方向。
一个是基于文本的持续学习。大家很熟悉的记忆机制，可能就是穷人版的持续学习。另一个方向是更新一部分权重，通常是一小部分权重，来实现持续学习。
最近 Stanford 孙宇他们 lab 做的 test-time training，是比较前沿的探索领域。
程曼祺
你刚刚说，用记忆的方式不更新权重，是穷人版持续学习；Stanford 孙宇他们更新小部分权重，是另一个方向。为什么前者是穷人版？因为成本低吗？
现在大家写 skills、做 memory，它们的好处很明显：容易理解。人类可以直接看 skill 文件、记忆文件是什么样，也很容易调整，使用起来简单。
所以很多人、很多项目、产品，都在用这种方式提升 AI 的能力。
但它也有明显限制。上下文满了以后需要压缩，会损失信息。所以它被叫作穷人版持续学习，是因为仍然存在一些问题。
程曼祺
但它比较亲民，大家都可以用，当然也有缺陷。
对。如果希望用更好的方式做这件事，就可能要想办法把新的知识、新的能力放进模型权重里。
之前大家做 LoRA，就是修改一小部分模型权重，把新的知识或能力放进去。现在可能不仅针对数据做这件事，而是针对用户特定的输入，基于这个输入做调整。
它在整个 life cycle 上，和以前做 LoRA 有一些区别。
但它现在运行起来比较复杂，因为每次推理时都要更新一小部分权重，对底层基础设施要求比较高。
其次，他们目前只在几个 billion 参数的小模型上验证了可行性，能不能 scale up 到大模型——现在的模型都是几百 B 或者上 trillion 参数——也是需要验证的事情。
程曼祺
如果模型是这种机制，用的人越多，难道每一个请求都要自己更新一遍权重吗？
最后可能还是要看实际应用场景，以及投入产出比是否合算。
Thinking Machines Lab 的 Tinker 做了 Multi-LoRA 基础设施。当时我看到 Tinker 支持 Multi-LoRA，就怀疑他们是想做大规模的定制化、个性化尝试。
最后可能要看具体应用场景需要什么样的定制化，以及每个人是否真的需要自己的模型，或者拥有自己的模型有多大价值和意义。
程曼祺
这是持续学习。那自进化呢？它和持续学习有什么区别和联系？
自进化和 AutoResearch 的联系更紧密。自进化就是说，AI 能不能改进自己。
最近有很多相关工作，包括 AlphaEvolve、Sakana AI 的 Darwin Gödel Machine。它们都是形成一个循环，让 AI 想办法改进自己、实现改进，再重复这个循环。
所以 AutoResearch 应该放在自进化框架下面。
这也是为什么在基础设施做得比较好的 lab 里，核心 researcher 的工作量有时反而变小了。他们亲自执行的时间越来越少，更多是在想更 high-level、更高级别的前进方向，然后交给有自进化能力的系统实际执行。
程曼祺
这种方向上，有什么新的创业机会吗？你有没有看到新的公司？持续学习和自进化方面的创业公司最近还挺多，但很多成立时间也不长。
刚才讨论里提到，Thinking Machines Lab 的 Tinker 训练产品支持 Multi-LoRA，可能是在为大规模用户自定义铺路。
还可以举几个目前可能仍在 stealth mode 的创业公司例子。
有一家公司在做一个很有意思的方向：学习能力特别强的小模型。他们认为，现在大模型里有大量参数存储知识和各种能力，但在 MoE 架构里，学习能力本身可能由少数几个专家负责。
所以他们想做一个专门负责学习能力的小模型，把其他知识和不需要的东西扔掉，把学习能力本身抽取出来。这样的模型可能特别适合个人助理，比如 OpenClaw 底层的模型，因为它可能特别擅长学习主人的偏好。
还有一家公司在 scale up，把 Karpathy 的 AutoResearch 以更大规模实现，比如把单 Agent 扩展成多 Agent 并行协作。Karpathy 自己下一轮计划里也提到了很多相关内容。
程曼祺
9. World Models Expand The Frontier
模型领域现在应该还有一个大的进展方向，就是世界模型。这也是大语言模型之外，很多公司在探索的方向，也有一些新的创业公司。
这个方向的创业公司也挺多。大家可能比较熟悉的有李飞飞老师的 World Labs，他们更偏向于 3D 世界建模。
最近还有 Saining Xie 和 Yann LeCun 创办的 AMI Labs，可能会延续 Yann LeCun 之前在 JEPA 模型上的方向。
Google 之前 Dreamer 团队的负责人 Danijar Hafner，也出来做了一家公司，可能更偏向 policy：我看了这个视频，接下来应该采取什么 action。这可能和 robotics 有比较好的结合。
还有另外一家公司的创始人，之前是 autoregressive DiT 的作者，也是 Self-Forcing 的作者。他们可能更偏向环境模拟：给定一个视频和一个动作，预测下一步会发生什么。相当于和 Daniel 做的 policy 形成镜像关系。
另外还有 NVIDIA 一直在做的、和物理引擎结合的方向。这些都是对世界模型、视频模型的不同探索。
程曼祺
这些探索方向，未来更多是用在机器人和具身智能上吗？
这些模型接下来主要可能针对两个应用。
一个是交互式媒体。比如新的游戏范式是不是实时生成的世界，可以根据玩家行为生成下一帧，或者影响 NPC 和游戏剧情。交互式媒体可能是一个应用方向。
另一个就是具身智能。不管是做机器人的 policy，还是做机器人模拟环境，让机器人的改进 loop 跑起来，我觉得都会对具身智能有很大影响。
程曼祺
接下来可以聊一下算力变化。每年 Q1，英伟达都会召开 GTC 大会，推出一堆新产品，也会讲算力基础设施的新想法和思路。
这次 GTC，或者说最近整个 Q1 的算力层面，有什么值得关注的动向？
10. Inference Becomes The Bottleneck
GTC 的主题大家都看到了，就是从训练到推理的转折。
Vera Rubin 的推理性能提升了 3 到 5 倍，推理 token 成本可能下降 10 倍，所以非常利好 token 消耗量很大的个人助理大规模部署。
另外，NVIDIA 去年 12 月收购的 Groq 也派上用场了。Groq 的 LPU 被集成到了 Vera Rubin 里面。
最近还有一个非常新的事情，前两天刚发生：Google 做了一项关于 KV Cache 的改进，通过 quantization 压缩 KV Cache，降低存储要求，可能从原来变成六分之一。
我个人判断，推理优化还有很大空间。如果大家被逼到这个程度，我觉得还能想出很多好的办法去优化推理算法。基础设施建设也会同步进行，但推理成本和性能通过新 idea、新算法进一步下降，是可以预期的。
程曼祺
这又回到了现在竞争的主线，还是和 Agent 相关，就是从训练到推理的转折。Agent 会带来推理阶段，也就是使用模型阶段的大量算力消耗。
整个推理上下游，不管是芯片、上面的 infra，还是 CPU，都有很大的空间。
现在大家可以看到一个趋势：everything is becoming a computer，所有东西都变成了一台电脑。
以前可能是一个对话，现在变成一个 Agent 活在电脑里面，Agent 自己还能开不同的 sandbox，去跑各种其他任务。这些事情很多都需要 CPU。
模型不光要做 inference，模型写了代码以后还要执行任务，运行这些代码就是 CPU 的工作。所以 CPU 最近也有很大的增长曲线。
我看到一些做投资的朋友在研究，怎么比较干净地买到 CPU 的金融资产。很多公司自己做 CPU，也有其他参与者，所以有些朋友的结论是应该买 Arm，因为 Arm 可以向各种厂商出售 license。
程曼祺
最后想聊聊 Q1 一个和技术、模型并不直接相关，但确实受到技术发展影响的现象，就是大裁员。
这件事在硅谷可能更明显，中国公司可能会更多顾虑就业。你可以讲讲现在在美国感受到的情况。我知道 Meta、Amazon，包括 Oracle，都有比较激进的裁员计划。
11. AI Reshapes The Labor Market
我觉得这可能是今年一个比较可怕的事情。最近有 3 个数据点。
第 1 个是今年年初 Amazon 裁了 16,000 人，其中有很多工程师。Amazon 没有特别声张，但确实裁了，所以新闻里提到得不多。
第 2 个是 Block 的 CEO Jack Dorsey 宣布，公司裁员 40%。他说，大多数公司可能会在一年内做出同样的事情。40% 里有很多开发者和技术人员。
他明确说，原因不是公司财务状况或者业务不好，而是 AI。公司现在可以减少 40% 的人员，却做到和之前相同甚至更高的 output。
第 3 个是 Meta。Meta 特别有意思。前几周，大概有一周时间，让全员停下来学习 AI，管理层会看每个人的 token 消耗量，把它作为团队效率指标，相当于文化层面的变化。
既然有人看这个指标，就一定会有人优化这个指标。所以我知道有朋友让 Claude Code 跑一个 loop，疯狂输出没有意义的 token。
Anthropic 最近那几个 billion 的 revenue 增长里，搞不好有几十个 million 是 Meta 贡献的。
Meta 内部学习完如何更好地使用 AI 后，扎克伯格就说要裁员 20%，大概 15,000 人，把省下的钱投入 AI capex，把 AI 投资翻倍到大约 650 亿美元。
这是我觉得今年可能最重要的 3 个数据点，但肯定是开始，而不是结束。它的影响范围之广，可能已经超过疫情时期美国科技公司的大裁员。
现在被裁的人找工作的难度，可能比上一轮裁员潮更大。
程曼祺
接下来大家可以怎么办？需要提前做什么准备？
大家可以考虑创业。如果有好的创业想法，也欢迎联系我们。
以后可能真的要考虑个体户这条路线。AI 加强了公司的能力，也加强了每个个体的能力。
以前一个人技能树点得不全，没有办法做一个产品，但现在这些限制可能不存在了。对于个体来说，每个人都可能当自己的老板，做个体户，结合自己的优势做产品，自己做一个 business 养活自己。
程曼祺
加入创业公司是不是也不能保证工作？创业公司裁员也挺狠的。你刚才说自己当老板，如果加入小团队，小团队现在是不是也很依靠 AI 来替代人工？
小团队也想明白了：只要有 5 个厉害的人，前 5 个人特别厉害，再配上一些 Agent，技术方面可能就差不多了。当然也要看具体做什么。
程曼祺
最近和你们一些被投公司交流，有没有看到什么使用 AI，或者由于 AI 发展而带来的用人和组织变化？
比较明显的感受是全员 AI native。不管你是程序员还是非程序员，对 AI 工具的使用都是面试中的重点。
其次，成长快的创业公司还是愿意招人，因为它们的时间窗口可能比人效更重要。但总体来说，相比以前更偏向质量而不是数量。一个厉害的人加 AI，效率还是比堆人高得多。
程曼祺
我可以分享一些中国的情况。中国很多创业公司的 CEO，明面上不会特别多讨论 AI 减员，但实际上很多 CEO 还是很受冲击的。
AI 确实能干很多以前可能需要雇几个人才能完成的工作，受影响比较明显的包括设计、前端和一些比较简单的开发。
我听到一个挺有意思的思路：很多创业公司很难花钱让整个组织都是市场上最贵、最厉害的人。过去可能是一流的人加二流、三流的人，完成不同任务。
现在可能会变成，花更多钱请更好的人，一流甚至超一流的人才，而二流、三流的人可能就不需要了。以前是一流和二流搭配，现在是超一流和 Agent、AI 搭配。
整个公司的人变少，但用人成本不一定同比下降，因为可能会花更多钱招更好的人，招那些能更好使用 AI、拥有更多想法的人。
这很像电影《2012》里洪水的场景。你所处的海拔，就是你的技能高度。海拔越高越安全，被淹过去，就相当于被 AI 取代。
程曼祺
最近你周围有没有什么让你感觉这件事发生得很快的具体故事？有没有一些你觉得挺厉害的人，也会被裁员波及？
比如律师。最近我看了一篇文章，叫 Claude-Native Law Firm，讲了一个例子。
一个客户临时要求律所当天修改合同里的 7 条内容，第二天早上交回去，否则合同就不做了。
以前他们需要奋战一整晚，而且很难在这么短时间内处理大量法律文件，同时确保每个条款之间没有冲突。
他们用 Claude 做这件事，发现客户的很多要求本身互相冲突，要求并不合理。于是他们用 Claude 分析哪些可以接受，哪些存在冲突，可以 push back，也就是反对对方的提议。
之后他们做出新的文档，并附上说明，解释为什么这样处理，哪些地方 push back 是因为客户自己没有发现条款之间的冲突。
所有事情在 2 到 3 个小时内，由 2、3 个人通过 Claude 协作完成。可以看到，一个稍微有 AI 能力的小型法律团队，已经能够超过对方法务团队的能力，并且在非常短的时间内发现对方的错误。
所以用 AI 和不用 AI，差距已经非常大。
程曼祺
但你这个例子给了我一个启发。我感觉律师不太好被取代。除了你说的这些工作，他们可能还有别的能力，比如和检察系统的关系、自己的人脉。
我觉得未来和人打交道的工作可能最安全。搞人的工作，可能是最安全的。
程曼祺
我还可以分享一个中国的例子。最近我遇到一个比较好玩的事情：一家大中型公司，有一个部门管理了大几千名开发人员。他们想找一些中小企业或者 AI 创业公司的 CEO、技术 leader，聊一聊 AI 怎么改变研发组织和研发流程。
了解到这个需求后，我就在想，他们是不是觉得团队的人有点多了？这确实是一个很大的研发团队，可能在想怎么用 AI 提效。
这也许是背后潜在的想法。我们持续关注一下，等下个季度交流时，看看他们团队减员到什么程度了。
程曼祺
关于 Meta 裁员 20%，他们现在已经开始了吗？内部有什么风吹草动？这个事情宣布了，但具体执行到哪里了？
我还没有第一手信息。
程曼祺
我猜想，总不能按照 token 量来排吧？
如果里面真的有这一条，我觉得会挺好玩的。
你还真别说，我觉得 Meta 历史上干过类似的事情。他们以前是少数技术能力被认为很强，但在衡量 performance 时用过代码行数的公司。
所以我不意外他们可能在 AI 时代再干一次：把代码行数变成 token 量，用来作为裁员指标。Token 用得最少的 20% 直接自动离开。
程曼祺
我们可以观察一下之后具体怎么裁这 20%。
你现在也做投资，周围有很多大公司和创业者朋友。最近这一段时间，大家比较共同关心的问题还有什么？
说个题外话，大家比较关心湾区房价会怎么变化。
程曼祺
这也和 AI 相关，应该是 AI 热潮带来的吧。
湾区房价一直被认为是由高薪软件开发工程师支撑的。如果明年或者后年连续出现裁员潮，房价会怎么变化？
可能有人会觉得，比较便宜的房子，比如 100 万、200 万、300 万美元的房子，会因为很多人失业、还不起按揭而降价。
但另一方面，现在很多厉害的 AI 研究员收入特别高。他们在 OpenAI、Anthropic、xAI、Meta 拿到很大的 package，赚很多钱，尤其这些公司马上要上市了。
会不会 1,000 万美元以上、供应比较少的房子反而涨价，而便宜房子因为大部分人失业而降价？现在大家都在猜测未来湾区房价会怎么变化。
程曼祺
这和 AI 挺相关，刚好折射出你说的两种情况：有人可能拿到 1 亿、2 亿美元的年包，或者两年的总 package；更多人则在担心自己的工作还能持续多久。
非常赛博朋克，摩天大楼下面就是贫民窟。
这也是所有 AI 从业者都需要思考、关注的问题。AI 现在确实还是一个非常中心化的东西，有算力、有资源、能力强的人，会得到很强的增幅效果，但它也可能逐渐加剧社会不平等。
未来社会如何解决这些问题，是一个很有意思的课题。
我最近听到一个新的思路。以前大家会讨论 UBI，也就是无论工作不工作，每个月先发 1,000 美元。
现在另一个思路是对 token 收税：不能无限制地投入资金、建设数据中心、进行推理，然后把人都裁掉。如果运行更多 token，除了每个 token 的成本之外，还要交一些税。
这样企业可能要考虑，是否应该不受限制地增加 token 消耗。我觉得未来社会机制可能也需要适应 AI 时代的变化。
程曼祺
给 token 收税，是让 AI 更像人了。因为公司招人，要交相关税费，对吧？人是有和每个人头相关的成本的。
这个逻辑很容易理解。美国支持 MAGA 的人，或者对工作分配不满意的人，会说制造业都转移到中国了，中国人抢了美国人的工作，而且他们不交税。
未来不是中国人抢美国人的工作，而是 AI 抢了所有人的工作，AI 也不交税，那怎么办？给它上关税，给它加税，让它交税。
我觉得这可能是自然的进化方向。
程曼祺
下个季度到半年，你认为比较确定会发生什么？
可能有小有大。
第 1 个，我觉得今天还没提到的名字 DeepSeek V4，应该会在下个季度发布。我觉得它众星瞩目，大家想看看这次有没有憋出一个大招，再次震惊全世界。我还是非常期待新模型发布。
程曼祺
你觉得让 V4 震惊全世界，是不是对它要求太高了？一家公司能连续震惊全世界吗？何况它的资源相对有限，和全球最核心的 AI lab 比起来，并不占优势。
确实压力比较大。他们之前做了很多不错的工作，V4 大家也等了很久，所以期待被拉得比较高。
目前来看，如果想满足或者超出大家对 V4 的期待，压力确实比较大。从最近发布的工作和 paper 来看，可能还差一点。不过我们可以等一等，看结果怎么样。
程曼祺
你说最近发布的工作，是指其他家发的工作太强了，还是指去年底到今年初 DeepSeek 陆续释放的一些成果？你指的是 mHC 和 Engram 这些吗？
mHC、Engram，还有一些工作基于字节 Seed 的工作。
我现在也听到一些声音，认为在这些基础工作上，DeepSeek 领先的程度可能比之前缩小了。现在字节可能在 Seed 的创造力上更强一些。
程曼祺
我和 Seed 的人聊，他们的反应是，其他人的一些工作也是基于 Seed 的工作。
这是一个争论。但我觉得比较确定的是，下一季度 DeepSeek V4 应该会发布。
另外比较期待的是 computer use benchmark，也就是 CUB。现在这个 benchmark 的成绩还非常低，最新模型的 performance 好像也只有 10% 多。
现在我们又看到 Claude Code 操作电脑的功能上线，所以我很期待 computer use 方面出现新的突破，让跨不同应用、在没有 API 的情况下自动化工作流变得更好。很多企业应该会有很好的落地场景。
程曼祺
有什么事情你还不太确定，但很想验证？
不太确定的是持续学习和递归自我改进，究竟能以多快的速度落地。
前段时间我写了一篇相关博客。发布以后，很多研究员参与讨论，我们 MOE Labs 也办了一次主题讨论。
大家可能还是觉得现在的方法有 over-engineering 的嫌疑，也就是说过于复杂。大家可能期待一种机制上和 skills、memory 一样简单，但效果更好的方法。
目前还没有人完全掌握这个配方。所以希望今年 Q2 能看到一些突破性进展。
程曼祺
你说现在的方法过于复杂、太工程化，指的是 test-time training 这样的方法可能还是比较重？
对。大家希望在使用模型训练推理模型、同时让模型权重小部分更新的阶段，能够实现更原生的持续学习，但现在做得太复杂了。
程曼祺
今天非常感谢 Henry 做客《晚点聊》，分享 Q1 的一些观察。
聊下来可以明显感受到，目前被大范围使用、也是核心模型厂商竞争追逐的主线，其实就是从 coding 到 Agent 这一条模型进展，以及相关应用和整个开发者生态。
这个领域在这一季度出现了 Opus 4.6，目前被很多人认为是最强的代码和 Agent 模型；GPT-5.4 也发布了；Anthropic 的 Claude Cowork、Claude Code 收入快速增长；OpenAI 正在收敛枝枝蔓蔓的投入，也重新聚焦生产力场景。
接下来 Q2 值得验证的，是 OpenAI 和 Anthropic 之间的新竞争。
我们也讨论了主线之外一些更远期的方向，包括持续学习，以及用 AI 改进 AI 的自进化。
最后，我们延展聊到了 AI 对大家生活和工作的影响，包括已经在硅谷发生的科技公司大裁员，以及中国大小公司可能因为 AI 对人员和组织进行调整。
本期节目到这里。
本期内容还补充了更多中国正在发生的情况，以及我的一些整体感受和观察。
如果从 2024 年下半年初露锋芒的 Devin 开始算起，Coding 到 Agent 的酝酿和蜕变已经经过了整整一年半。期间出现了 Cloud Code、Melo、s、Trans Park、Cloud Co-work 等诸多探索。
到 2025 年底，一个越来越成为共识的观察是，coding agent 就是通用 agent。我在第 157 期年末 AI 回顾的单口节目里，从模型和应用两个角度详细分享了相关事实和观察。
到今年一季度，几个事情汇聚，进一步让更多人看到了 Agent 的价值。这包括 Claude Code 逐渐积累的用户和体验，以及最重要的实打实的收入。这个产品在 2026 年 2 月的最新 ARR 已经达到 25 亿美元，超过同期 Cursor 的 20 亿美元。
还有把 Agent 放进聊天对话框、带来新交互体验的 OpenClaw。小龙虾在中国全民出圈，让 Agent 变成了更多老板和工作者会认真考虑的提效手段。
不考虑 AI 领域仍在发生的其他探索，仅仅是接下来围绕 Agent 的效率优化、降本，以及体验和交互方式的创新，就有巨大的创新和业务空间，而且这是一个足够大的空间。
对我个人来说，到此时此刻，那种“此轮 AI 绝对不会进入寒冬和低谷”的乐观宣言，才有了让人安心、能够切实踩上去的地面。
这意味着很多改变。大公司肯定会有更明确的动作，比如向来慢一步的腾讯，看到 OpenClaw 后难得展现了一次速度。一众 AI 公司也需要再次思考模型研发和打造强应用之间的平衡与兼顾。
我们会看到一些像实验室的公司，也开始更多考虑产品化，比如在招聘上已经有所动作的 DeepSeek。
我们也会看到，过去国产 AI 效率工具收不到钱的论断正在动摇。在 Agent 这种对效率和成本比较敏感的场景里，便宜够用，甚至在某些功能和体验上比欧美产品更好用的中国产品，收入正在快速增长。
更多人的工作方式和整个劳动市场，也会发生改变。
这期是我们第一次尝试季度总结，录完之后我发现仍有一些角度和方面没有展开讲到。希望各位听友在评论区多多留下意见和建议，也分享你的 AI 观察。下季度再见。
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。