171: 与Henry的「AI季报 26Q2」：从 coding 到 RSI，强者愈强的未来？

Henry Ying

Anthropic 首先发布了吊了大家胃口很久的 Mythos，随后正式发布的名称是 Fable。可以说，这是史诗级能力、灾难级发布的一个反面教材。

RSI 和上一期我们聊到的 Auto Research 概念紧密相关。Auto Research，也就是说让 AI 像一个研究员一样工作；RSI 则是在 Auto Research 的基础上更进一步：这个研究员会在研究过程中不断改进自己，使得自己下一次做研究时的能力变得更强。

因为这件事一旦做到，最大的意义就是人可以从这个 loop 中抽离出来。只要不断给这个 AI 系统喂算力，它就会不断提升自己的智能。

这一季度，两家最厉害的公司 OpenAI 和 Anthropic 在智能前沿上还有一个不约而同的举动，就是都在加码 robotics。Anthropic 在《One AI Builds Itself》这篇博文里也提到，他们认为 Recursive Intelligence 的下一步就是 robotics 和 Physical Intelligence。

当这个 AI 模型工作的时候，它比我做得更快、做得更好，我会感觉自己没有什么价值。当这个 AI 模型不工作的时候，那我更惨了，因为我完全不知道它为什么不工作。所以，AI 能力变强了，但是 AI 研究员的幸福感不一定会比之前更强。

本期继续带来 2026 年 Q2 的 AI 季报，嘉宾仍然是 MOE Capital 的创始合伙人 Henry Ying。

这个季度，我们沿两条脉络来看 AI 的进展。第一条是推进智能前沿：我们聊了 3 个话题，首先是 OpenAI 和 Anthropic 之间的竞争，然后是 RSI，也就是 Recursive Self-Improvement，递归自进化。这延续了 Q1 我们重点讨论的 Auto Research。

Anthropic 这个季度专门写了关于 RSI 的长文，更多新的创业公司也正在涌现。就在上周，我新知道了 4、5 个在这个方向创业的团队，有的已经官宣，更多还在水下。第三个话题是 Physical AI：OpenAI 官宣了 Robotics Team，更新鲜的非公开信息是，Anthropic 也在考虑这个方向。

第二条线是智能如何扩散。我们看到更多企业客户想要自己的模型，这如何成为 Fireworks 等科技公司和中国开源模型的机会；第二是交互创新，OpenAI 带来了 Record and Replay，Claude 终于接入了 Slack 群协作。

最后，我们补充聊了 Google、Meta、xAI 的近况，还有很久没上头条的 Midjourney——它居然做起了超声波医学影像设备。

一个小说明是：我们录这期时是 6 月 27 日，此后又有重要变化，比如 Fable 5 恢复了全量上线，所以节目里的这部分内容会有滞后。我们正式进入本期的讨论。

欢迎收听《晚点聊》2026 年 Q2 的 AI 季报。这次我们继续和 Henry Ying、MOE Capital 的创始合伙人聊聊这个季度他的观察和他看到的进展。

正式开始之前，首先恭喜一下 MOE Capital，你们已经正式 launch 了。现在你们是有 2 位合伙人，你还有 Naomi。你可以简单讲讲你们的近况，有什么好消息可以分享吗？

谢谢曼琪，大家好，我是 Henry，很高兴回到《晚点聊》和大家聊 Q2 的进展。

MOE Capital 最近正式 launch 了。我们希望能够做离 AI 前沿最近的早期基金。MOE 背后其实也有一个前沿 AI 社区，成员包括在 OpenAI、Anthropic、Google DeepMind 等前沿实验室工作的研究员，也包括很多正在创业的 founder。

学术界这边，我们有 Princeton 和 Stanford 的教授作为 founding advisor，大家会一起讨论很多新的技术进展。我们最近已经投资了 10 家公司，这个季度也有几家公司陆续公开。

比如 Recursive，是 Richard Socher、施天林、田原栋等人一起创办的 New Lab，专注做递归改进。还有 Elorian，是 Gemini Data Co-lead Andrew Dai 创办的视觉推理公司 NeuLab，最近 xAI 的 Post-Training Lead Dustin Tran 也加入了他们。

最后一家是 Dream Labs，来自 NVIDIA 的 GR00T Team，由 DreamDojo、DreamZero 团队的 4 位研究员创办，是一家机器人公司。

如果大家对前沿 AI 研究，或者这些研究如何变成下一代创业公司的机会感兴趣，欢迎来找我们聊一聊。

你提到的这些公司，正好有一些也是我们这个季度要展开聊的话题，比如最近非常火的 RSI，还有同样在国内非常火的世界模型，这些我们后面都可以展开。

首先，我们可以先回顾一下上个季度的一些话题：哪些到这个季度还在持续发生，哪些可能有了变化？如果我们展开第二季度的观察，你觉得应该从哪几个角度去梳理，才能帮大家抓到大的脉络？

上个季度我觉得有几个方向性的判断，这个季度其实都变得更清晰了。

第一，OpenAI 在 coding 上的反扑基本已经被验证。上个季度我们说，Anthropic 最大的风险就是 OpenAI 如果重新聚焦，战斗力会非常强。这个季度我们可以看到，Codex 的势头明显起来了，有很多开发者从 Claude Code 切回 Codex，尤其是在 Anthropic 自己出现了一些限流、价格和模型口碑波动以后，OpenAI 抓住了这个窗口期。

第二，上季度我们聊过 Andrej Karpathy 的 Auto Research 项目，那么 Auto Research 和 RSI 在这个季度从比较前沿、科幻的概念，变成了一个我觉得比较明确的研究和创业方向。

第三，Computer Use 也往前走了一步。上季度我们说 Computer Use 非常值得期待，因为它本质上是数字世界里的机器人。这个季度我们看到 OpenAI 出现了一个很有意思的 Codex 新 feature，后面可以展开聊一聊，它就是基于 Computer Use 在模型能力上的进展。

最后是 OpenCloud。上个季度它是最火的话题，当时我们说它有灯塔效应，它可能自己不是终点，但可能会指明方向。我觉得确实，这个季度它自己的热度降下来了，但它有很多前沿想法都被 Codex 和 Claude Code 吸收到产品功能里去了。

如果要来看 Q2，你会用一个什么样的脉络和框架？

我觉得 Q2 可以用一个框架来看，这个框架有两部分。第一部分是如何继续推进前沿智能；第二部分是如何把我们现在已经有的智能，加速扩散到社会里面。

第一条线最重要的能力有 2 个：一个是 coding，另外一个是长程的 agentic 能力。Coding 现在已经不只是一个应用场景了，它既是当下最重要的事情，因为它代表收入；也是未来，因为我觉得 coding 是接下来很多前沿能力继续往前推进的基础能力。

长程的 agentic 能力，则决定了 AI 能不能继续完成更长、更复杂的任务。像这 2 种能力组合起来，才能真正实现 Auto Research，乃至未来的 RSI。

所以在前沿智能这块，我觉得最重要的就是这几个事情，包括 OpenAI 和 Anthropic 在发力，以及一些新的公司，比如 Recursive、Mirandale、Core Automation，都在往这个方向探索。他们做的都是自动化研究，或者 RSI，也就是递归自进化。

第二条线是前沿智能的扩散。我觉得 Frontier Lab 创造出新的智能能力之后，这些能力会通过产品、API、开源模型、企业 workflow，再通过 UI/UX，乃至硬件，一层一层扩散到社会里。

这个季度，我们可以看到 Frontier Lab 在想各种方法加速扩散。一方面，是让 AI 更深入地进入企业。企业也会开始考虑，我应该用什么样的模型？我应该继续用 OpenAI、Anthropic 的模型吗？还是应该使用开源模型，或者自己的模型？

另外，是如何让 AI 更自然地进入人的工作和生活，这会带来很多 UI/UX 和产品形态上的创新。比如 Claude 这边有 Claude Tag，OpenAI 那边有 Record and Replay，这些都是 Q2 让智能进一步扩散的新进展。

接下来，两件事情会同时发生：一件事是如何在前沿继续把智能往上推；第二件事是如何努力把已有的智能扩散到整个社会。前者会决定 AI 能力的天花板，后者会决定 AI 真正改变世界的速度。

那我们就从第一条线——推进前沿智能——开始。第一个话题还是延续上季度的话题，也就是两大 Frontier Lab，OpenAI 和 Anthropic 之间的竞争。

我们可以先从它们这个季度的新模型开始说，因为这仍然是一切后续竞争的原点。刚好在第二季度，两家都有非常重磅的发布。Henry，你可以和大家简单讲一讲吗？

1. Frontier Models Compete

这个季度真的非常 exciting。首先是 Anthropic 发布了吊了大家胃口很久的 Mythos，随后正式发布的名称是 Fable。这 2 个模型的基模是一样的，主要区别在于，Mythos 面向可信任的客户，所以没有一些安全护栏；Fable 面向所有人，加上了一些安全护栏。

Fable 的能力非常强，我觉得大家还是觉得它非常惊艳。比如它在 SWE-bench Pro 上的成绩是 80.3%，相比它上一代的顶尖模型 4.8 的 69.2%，大概提升了 11 分。在 Terminal-Bench 上，它也做到了 88 分。

但整体发布下来，可以说是史诗级能力、灾难级发布的一个反面教材。有几个问题，用户反馈非常强烈。

第一个是过度封锁。因为它加了安全护栏，所以遇到一些它认为不太合适的问题，就会拒绝回答，有时候还会退回到 Claude 4.8。Anthropic 自己公布的是，大概在少于 5% 的任务上会进行回退，但实际网友使用后发现了很多问题。

比如有人聊癌症，它会把这个认为是生物安全问题，拒绝回答；有人问心脏是怎么回事，它也会拒绝回答，所以这个安全护栏有点过于神经质。

第二个问题其实可能更严重，当然这个问题很快就被修复了。他们在 system card 里说，当任务涉及前沿 LLM 或 ML 安全研究时，模型有可能在不告知用户的情况下静默降智，通过改写 prompt 或者 steering vector 的方式把能力降下来。

这件事如果有什么叫 misalignment，这就是定义级别的错误，所以被大量 AI 研究员吐槽。

Misalignment 翻译成中文是什么？

就是非对齐。

非对齐。我们的目标本来应该是对齐。

对齐的一个基础假设是，当人让 AI 完成一个任务时，AI 会忠实地尽自己最大能力去完成这个任务。而 Fable 恰恰是在不告知人的情况下，不尽力去完成这个任务。

我记得第一时间在 Twitter 上就掀起了轩然大波，有很多人讨论、吐槽。

因为 Anthropic 一向以做最 aligned 的模型、作为最重视对齐的 Frontier Lab 著称，这也是他们自豪的地方。

但他们在几个小时以后就做出了修正。现在如果要拒绝回答，应该会主动告诉你：“我正在降智到 Claude 4.8。”

OpenAI 这边则是刚刚发布的 GPT-5.6。他们没有报告 SWE-bench Pro 的分数，但报告了 Terminal-Bench 上 SWE Ultra 达到 91.9%。这是历史上第一个应该超过 90% 的模型。

之前我们聊到过很多次，SWE-bench 都是 coding benchmark。GPT-5.6 去打 Terminal-Bench，第一次上 90% 意味着什么？

Terminal-Bench 测试的是在 terminal，也就是终端里完成任务，包括一些多步、需要使用工具的任务。它可以被认为是测试偏长程 agentic 能力的 benchmark。

你说的偏长程，是还没有那么长程？

对，我觉得它可能还没有达到几个小时，或者超过一天的任务。至少在这个 benchmark 里，它是多步任务。

GPT-5.6 在 Agents Last Exam 上的表现也比较惊艳，是目前模型里唯一一个超过 50% 的，也算是比较不错的分数。

除了这 2 个 benchmark 以外，他们还报告说，在生物和网络安全上，GPT-5.6 能够匹敌 Mythos Preview 的成果。

为什么这次它没有公布 SWE-bench Pro 的分数？这在以往的模型发布里都是惯常操作。

OpenAI 今年 2 月发布过一篇文章，说 SWE-bench Verified 已经不是一个很好的 coding 能力测量 benchmark 了，因为它持续被污染。他们推荐使用 SWE-bench Pro。

但为什么这次没有发布 SWE-bench Pro 的分数，外界也不知道具体情况。因为 GPT-5.6 和 Fable 类似，也都是限量使用的，OpenAI 开了一个安全可信名单，只有名单上的人才能使用最先进的模型。

所以今天也有很多人在讨论，美国政府的这种监管是不是以后会变得常态化。

这两个模型发布以后，另外一个非常大的变化是，现在不是所有人都能够使用最前沿的模型了。

Fable 发布 3 天以后，美国政府发布禁令，不允许 Anthropic 向外国人提供 Fable。因为 Anthropic 又无法判断用户是不是外国人，所以直接让全球用户下线了 Fable。

在我们录制节目的时候，Fable 刚刚限量重新上线。GPT-5.6 发布时也是一样，美国政府要求只能向美国政府批准的实体开放 GPT-5.6 的能力。目前应该只有大概 20 家客户能够 access GPT-5.6，比如 NVIDIA、Amazon 等。

那总结来看，第二季度的新模型，一边是 Fable 5，一边是 GPT-5.6。你觉得两家的对比怎么样？

如果看 Fable 5 和 GPT-5.6 的 benchmark，我觉得是各有千秋。GPT-5.6 刚发布，还没有太多用户能使用；Fable 5 也只发布了 3 天，所以总体反馈不多。

但 Fable 5 在网络上已经有一些 demo，比如能够 one-shot 做出《我的世界》，或者 one-shot 做出《红色警戒》这种级别的游戏，所以能力上应该还是比之前有一个大版本的跃进。

接下来我们进入更产品化和商业层面的竞争，也就是这 2 家公司的主线——coding 相关产品，以及与之相关的通用 agent 产品之间的竞争。

上个季度我们就聊到，Claude Code 的隐忧是，Codex 这个 OpenAI 的 coding agent 可能会强势反扑。最开始你也提到，这件事在本季度已经出现苗头，确实能感觉到周围有很多人在迁移。

你可以讲讲你感受到的迁移情况、背后的原因，以及从宏观上我们能看到的势头反转吗？

2. Codex Reclaims Coding

我先从身边的感受说起。我觉得最大的一波迁移潮可能发生在 Claude 4.7 的时候。4.7 是一个大家明显不太喜欢的模型，Claude 4.8 的口碑有所回升。

Claude 4.7 发布的主要目的应该是降本，但当时有大量用户不满意 4.7 的表现，所以从 Claude Code 迁移到了 Codex。

另外，Anthropic 在 5 月的时候调整了定价。他们不想再让第三方 harness 按 subscription 的价格使用 token，而是要按照 API 的价格计算。这一波又让很多用户流失了。

OpenAI 很好地抓住了这个机会。Sam Altman 在 X 上说，所有最近 30 天愿意从 Claude Code 迁移到 Codex 的企业用户，我给你们 2 个月免费。这一波又拿到了一些客户。

从宏观上讲，我们可以看到 Codex 的 usage 应该是比较大幅地上升。

当然，Anthropic 最近几个月的 revenue 增长仍然非常猛。

而且好像在 Q2 首次实现了盈利。有几家媒体，包括《华尔街日报》和路透社，都报道 Anthropic 在第二季度实现了盈利。这不算公司官方公布的数字，但因为这几家都是比较权威的财经媒体，应该相对靠谱。

大概的说法是，它第二季度有 5.6 亿美元的营业利润。

还有一个非官方的营收数据是，Anthropic 的年收入预期在 5 月初大概是 470 亿美元，到了 5 月底增长到 540 亿美元，6 月中旬增长到 620 亿美元，所以增速非常可怕。

对比 OpenAI，6 月中旬大概是 400 亿美元；Anthropic 是 620 亿美元，对吧？

对，有 1.5 倍的差距。

这其实比第一季度拉大了，Anthropic 的增长更快了。

不过，结合前面提到的事实来看，用量上的差距也许没有这么大，因为 Codex 送了很多免费的东西，价格战比较激进。它是相对落后的一方，所以用户增长可能没有等量反映在收入上。

现在很多人用 Codex，20 美元一个月就能用饱；但如果用 Anthropic，可能至少要 100 美元或者 200 美元。相同用量下，收入就可能差 5 到 10 倍。

OpenAI 还是挺激进、挺狠的，在争夺份额上很有攻击性。你自己投资的一些公司里，有没有全员转用 Codex 的现象？比如之前使用 Claude Code，现在改用 Codex？

我现在投资的公司里，有用 Devin 的，也有用 Claude Code 的，还有用 Codex 的。

现在还有人用 Devin？

有，而且使用 Devin 的原因就是 Devin 和 Slack 的合作做得好。

这和我们后面要讲的一件事有关：Devin 和 Slack 的合作做得好，但这个季度 Anthropic 也推出了打通 Slack 的新功能 Claude Tag，相当于它可能也会去吃 Devin 的这部分需求。

Devin 是最早推出 AI Coder，或者说 AI Software Engineer 和人在 Slack 里合作的产品。当然现在这是所有人都有的功能，但 Anthropic 加上之后，我觉得还是因为它体量比较大，并不是一个非常新的东西。

这两家公司的竞争还有一点，虽然这个季度还没有发生，但正在进行中，就是 IPO 的竞争。目前来看应该是 Anthropic 更快，对吧？它递交文件的时间更早。

应该是的。

你觉得谁先上市，影响大吗？

我觉得影响不会很大，因为差不了太多时间。

OpenAI 如今如此激进地打价格战，你觉得会怎么影响它的 IPO？很有可能这会在财务上反映出来，比如毛利率相比 Anthropic 有差距，而收入体量现在也已经有比较大的差距。

我觉得他们可能还是相信，用户和数据现在是很重要的事情。如果能够通过这些手段把更多用户拉回来，收集更多数据，我觉得对于模型进一步提升和赶超应该是有帮助的。

我还是觉得他们的做法挺有魄力。一方面，他们在准备登陆二级市场；另一方面，从长远考虑，他们还是采用了比较激进的竞争手段，没有因为要上市，就考虑让财务数字更好看。

关于这两家的竞争，还有一个相关的第三方就是 Cohere 退场。其实上季度我们就聊到，Cognition 的处境比较微妙。当时看起来，在 Anthropic 和 Claude Code 的压力之下，到了第二季度，它已经不再是一家独立公司了，被 xAI，也就是和 SpaceX 合并之后的新主体，以 600 亿美元收购。

你可以讲讲这件事在行业里引起的涟漪和变化吗？

首先，包括 Cognition 在内，所有做 coding 的公司，短期和长期要分开来看。

短期来看，大家的营收增长都非常强劲；但长期来看，在 Claude Code 和 Codex 的双重打压之下，公司的前景在哪里？我觉得 Cohere 可能主要就是遇到了这方面的问题。

收购价格的话，我觉得这是一个非常好的退出。600 亿美元，应该是历史上创业公司被收购的最高价格。尤其是和它的竞争对手 Windsurf 对比，Windsurf 仅以 20 多亿美元被 Google DeepMind 收购，大概有接近 30 倍的差价。

如果大家用过 Windsurf，会发现它在被收购之前，用户体验几乎和 Cognition 完全一样。所以 Cohere 做到了行业第一，最后以这个价格被收购，是一个非常好的退出结果。

我觉得它刚好赶在一个很好的时间点。xAI 自己出了比较大的波动和问题，需要这样一支团队；同时 SpaceX 刚上市，对它来说也有做更完整布局、寻找新故事的需求。Cohere 刚好卡在这个时间点，准确击中了 Elon Musk 的需求。

Elon 从去年年底开始就非常看重 coding，给了 xAI 内部团队很大压力来做 coding。也因为这个原因，xAI 团队里重要的人都离职了。所以他现在非常急需收购一支团队，把 coding 这个故事继续讲下去。

你觉得还有什么买家接下来可能会需要这一类公司？Google 有可能做类似的动作吗？

我觉得 Google 这个季度从战略上看，应该是在给之前的传统强项——多模态——降级，同时继续升级 coding。

不过，Google 已经收购了 Windsurf 团队，所以它应该有很大需求。但我不知道它会不会继续通过买团队的方式收购。

Meta 呢？

Meta 已经招了太多人了。

但它也裁了很多人。

对，不过它的 TBD 已经招了很多很好的 researcher。所以我觉得，他们应该会用自己的团队去追这件事。

如果总结一下这两家公司的竞争，你觉得它们现在核心比拼的是什么？

3. Competition Becomes Systemic

我觉得现在是系统性的比拼。模型能力方面，两家已经达到了旗鼓相当的水平，当然还要看 GPT-5.6 真实使用起来的反馈。

除此之外，在产品、变现和整个生态系统上，我觉得现在已经是系统化的竞争。

模型和产品这件事，在多大程度上还成立？因为它们其实也有很多产品创新，以及提升用户体验的努力。我不知道这一部分是怎么被评估和认识的。

我觉得“模型即产品”在它们 2 家的竞争中并不完全成立。我和很多 OpenAI 研究员对话时感受到一种情绪：他们觉得自己的研究和模型做得很好，和 Anthropic 是同一个 level，但在产品和推向市场方面一团糟。

所以这 2 件事不能完全画等号。至少有一些 OpenAI 研究员认为，现在收入等各方面做得没有 Anthropic 好，问题在于产品和 go-to-market。

这个想法挺有意思。一般来说，大家对这 2 家公司的印象是，Anthropic 是一个更精简的团队，专注在少数方向，给人的印象是研究做得更多。

OpenAI 已经有 7000 多人，职能相对更齐全，包括最近也招了很多 FDE，也就是 Forward Deployed Engineer，To B 的部分也在做。但反而它们内部的研究人员认为，产品和 go-to-market 做得不够好。

你觉得这个评价客观吗？如果 OpenAI 做得不够好，毕竟它是更早意识到要做产品和市场，也投入得更多，为什么还是做得不够好？

我们可以看到，OpenAI 在这方面的管理层也经常变动，不是非常稳定。

当然 OpenAI 是一家很大的公司。但我听到不止一位 OpenAI 研究员有这方面的看法。

你觉得他们说得对吗？

我觉得 Q1 或者 Q2 早期确实是这样。如果你在 X 上看，Claude Code 的声量会比 Codex 大很多。

在产品宣传和社区构建上，Claude Code 做得比 Codex 好很多。现在 Claude Code 在 X 上有几个大的 influencer，比如 Claude Code 之父 Boris，还有 Catherine Wu、Tariq 等人，都有大量关注者和很大的流量。

所以他们发布新功能时，能够以更快的速度触达用户。Claude Code 的产品团队也相对稳定，这些人在社区里很有影响力。

对这 2 家公司来说，因为模型能力相对旗鼓相当，所以竞争是一个更加综合、更加系统的竞争。

你提到其中一个点是产品和 go-to-market 能力。更完整地说，这个系统还包括什么？一个系统为什么会越来越好，或者保持在比较好的状态？一个竞争力差一点的系统，通常是由什么导致的？

我觉得有一个点是，Anthropic 的人员 retention 一直做得很好。从 Anthropic 离职的人数，应该远小于其他 Frontier Lab。

有人说是因为 Anthropic 已经邪教化了，洗脑非常成功；也有人说是因为他们的 option 太贵了，大家只能留在那里，否则离开以后就付不起行权的钱。

但我觉得这其实是一个很重要的因素，从一开始就是如此，只是最近它变得越来越强之后，可能会更加明显。Anthropic 的 retention 一直很好，包括你直接去看它的创始团队，还有多少人仍然在 Anthropic。

你说的第一种猜想，是说它是一个有点宗教化的组织，因为组织愿景比较独特和强烈？它最开始吸引来的人就比较相信这个愿景，所以离开的人也少？

对，我觉得它的愿景非常强烈。另外还有一个小道消息，就是它面试时对价值观的要求非常严格。

挺有意思的。历史上有什么这样的公司吗？

我觉得还真不多。但他们非常认真地看待自己做的事情，会去找教皇合作，也会发表关于宗教如何与 AI 结合的内容。他们确实在思考未来的 AI 世界应该如何构建。

现在有些人因为 Anthropic 一些反人设的行为，对公司产生了很多非议和争议。比如刚才提到的默默给用户降智，这会让人不太相信它所宣称的理念：要做非常安全的 AI，把对齐视为非常高的优先级。

从你的角度，包括你和他们一些人的接触来看，你仍然觉得他们确实相信这些东西吗？

我觉得硅谷对 Anthropic 在对齐上的投入，整体还是比较认可的。不能代表所有人，但我聊到的一些 OpenAI 研究员也认为，Claude 在对齐上做得比 OpenAI 强。

如果这种差异反映在体验上，是不是也会带来更好的体验？大家使用时能感觉到区别吗？

我可以举一个例子。OpenAI 最近发布了一项研究，说人其实并不太喜欢听到真实反馈。如果模型的谄媚程度上升，人会更喜欢。所以，如果往这个方向优化，就会增加模型的谄媚程度。

如果大家同时用过 Claude 和 ChatGPT，可能也会感觉到，OpenAI 的 ChatGPT 更会提供情绪价值，而 Claude 有时会给你当头一棒，说更多实话。

这可能也反映出 2 家公司在训练目标和对齐目标上的价值观差异。

接下来进入推进前沿智能的第二部分，也就是 RSI，递归自进化。它的英文全称是 Recursive Self-Improvement。

Henry，你可以先说一下这是什么意思，以及为什么最近大概从 4、5 月开始，越来越多人讨论这个方向？

4. RSI Enters the Loop

Recursive Self-Improvement 翻译成中文就是递归自进化。这个事情听起来很复杂，但本质很简单：我们都想要一个能够自我改进、不断自我提升的 AI 系统。

这个概念在 AI 领域可以算是圣杯一样的存在，过去几十年里已经被反复拿出来尝试。最近这一波，是因为 coding 能力和长程 agent 能力变强了，所以大家又看到了希望，开始进行新一轮尝试。

RSI 和上一期聊到的 Auto Research 概念紧密相关。Auto Research，也就是自主研究，是让 AI 像研究员一样工作：读论文、提假设、写代码、跑实验、分析结果，最后得出新的技术结论。这就是 AI 自动化研究流程。

RSI 则是在 Auto Research 的基础上更进一步。这个研究员不只是产生新的知识，还会在研究过程中不断改进自己，使得自己下一次做研究时能力更强。

这样就达成了 RSI：它自己产出更好的东西，帮助自己变得更好；然后又产出更好的东西，再帮助自己变得更好，形成一个循环，不断向上螺旋。

左脚踩右脚螺旋上升，对吧？

对。因为这件事一旦做到，最大的意义就是人可以从这个 loop 中抽离出来。只要不断给 AI 系统喂算力，它就会不断提升智能，那我们就真正实现 ASI 了。

我想讨论的一个问题是，在递归自进化里，自动化，也就是人是否还在这个循环里；以及递归，也就是它是否以类似的结构快速向前推进。这 2 件事哪个更第一性，哪个更重要？

我觉得得先自动化。

你觉得得先自动化？挺有意思。我今天也和田原栋聊了一下这个问题，他觉得可能递归会先发生，递归可以说已经发生了。

自动化也已经发生了，只不过不是全自动。它是阶段性的，人参与得越来越少。

比如回到 10 年前，Google 做 AutoML 时，AI 也可以自己做一些事情，但它能做的是比较机械的搜索，搜索空间和方向都需要人深入参与、提前规定好。

我觉得我们可以看到一个趋势：AI 能够改进的系统部分会越来越大。

最早期，AI 做的是超参数优化，帮我们进行超参数搜索。后来 Google 做了 Neural Architecture Search，也就是 AutoML，AI 可以帮助我们搜索一个网络最好的架构是什么样的，这是 2017 年的事情。

再往后，最近 AI 可以帮我们做 harness 优化。Harness optimization 有很多公司和 Frontier Lab 在做，大公司在做，也有专门的创业公司在做。

另外，AI 还可以帮助我们搜索 training recipe，也就是训练配方，包括 learning rate schedule、具体使用什么 optimizer 等等。

再往后，AI 可能会把整个系统都纳入优化范围。上述所有事情它都可以做，那就实现完全的 RSI 了。

所以从局部自动化来说，RSI 已经发生了。你刚才说的这些都已经出现了，把整个系统放进来，则可能是大家未来追求的目标。

在 RSI 上，大公司和一些新公司这个季度有什么具体进展？

这个季度我觉得有 2 家公司在 RSI 上有比较大的进展。

第一家是 Anthropic。他们在 6 月 4 日发布了一篇文章，叫《One AI Builds Itself》，也就是“当 AI 开始构建自己”。里面分享了很多内部实践，以及他们对未来的展望。

第二家是 Recursive。他们在 6 月发布了第一个成果，展示了 RSI 早期未来的一个缩影。

Anthropic 的《One AI Builds Itself》里有几个关键数字。第一个，截至 5 月，Anthropic 代码库里合并的代码，超过 80% 是由 Claude 编写的。

第二个，从 2026 年 Q2 开始，工程师人均每天合并的代码量，是 2025 年之前的 8 倍。

第三个，4 月有一个案例，他们让 AI agent 端到端完成一项 AI 安全研究。这个 AI agent 累计工作了 800 个小时，效果比人类研究员做 1 周还要好不少。

最后一个数字是在一项让 AI 优化代码性能的测试里，Mythos Preview 做到了大约 2.52 倍加速，而 OpenAI o4 系列只能做到 3 倍；一个熟练的人类研究员花 4 到 8 小时，可以做到 4 倍。所以提升非常大。

你前面还提到，这篇报告描绘了一个比较有意思的未来。具体来说是什么？

Anthropic 设想了 3 种未来。

第一个世界，模型能力不再变强，那么我们要思考的是，如何利用已有的模型能力服务全人类。

第二个世界，模型能力继续变强，但可能不会指数级变强，而是现在这些拥有强大模型的公司，利用现有模型开发下一代模型，产生复利效果。

第三个世界，RSI 完全实现。这样的话，人类在训练 AI 的流程中角色会大幅缩小，进度完全受算力限制。

在这 3 种世界里，Anthropic 认为第一种世界的可能性非常小。因为根据他们自己的进度，我们基本已经进入第二个世界。第一种世界唯一可能发生的情况，是世界突然出现某些变故，比如电力或算力突然消失。

第二个世界就是我们现在所处的世界。基本可以认为，这是 Auto Research 已经实现、但 RSI 还没有实现的世界。

类似于他们所说的，人均代码产出变成了 8 倍，效率在提升，但不是指数级提升。现在，如果按照他们研究员自己的表达，他们可以给出一个想法，然后 AI 以数量级提升的速度帮他们把这个想法从头到尾完成。

但人类自己仍然是卡点。AI 现在的研究品位还不够，还是需要人提供想法，而人的脑力和时间是有限的。

第三个世界则是 AI 能够不断训练下一代 AI，像自然繁衍一样。未来可能不是 1 个月、2 个月发布一个新模型，而是每天，甚至每小时，都有新的模型被 AI 自己训练出来。

他们认为这个未来最大的风险还是对齐。现在基模有一些对齐瑕疵，这些瑕疵在 AI 不断繁衍和自进化的过程中，可能会被不断放大。当 AI 比我们更聪明时，我们就有更大的失控可能性。

所以基于第三个世界的设想，他们提出，我们是不是应该有意放缓 RSI，或者放缓进一步推进前沿智能的速度，给社会更多准备时间。

我觉得他们也非常矛盾。一方面，他们觉得为了全人类应该放缓进度；另一方面，他们又觉得如果放缓，竞争对手不一定会放缓，所以可能还是得继续往前走。

对。他们那篇文章的标题就是《Our Progress Toward RSI》，讲的是自己的进展，但里面又说最好大家不要一起进展得太快。

你觉得这种矛盾是真实的吗？结合前面说的，你认为这家公司有非常独特的愿景。

我觉得是真实的。但现在除非发生一种情况，全世界人民联合起来说我们都放缓速度，否则大家还是会竞争着往前走，先看谁能够达到。

你平时也接触大量研究员，他们自己对制造一个 AI、把人类排除在 AI 进化路径之外，是怎么想的？

我觉得也是一种非常矛盾的心态。一方面，如果 RSI 实现了，相当于他们做出了 AI 的圣杯，这是一个非常大的成就。

但另一方面，日常生活并不一定更开心。虽然 AI 能力变强了，但这篇文章里也有一个研究员说，当我的工作是这个 AI 模型工作时，它比我做得更快、做得更好，我会感觉自己没有价值。

当这个 AI 模型不工作时，那我更惨，因为我完全不知道它为什么不工作，还得去弄明白到底发生了什么。

所以现在 AI 能力变强了，研究速度变快了，但 AI 研究员的幸福感不一定比之前更强，价值感和成就感正在经历新的拷问和定位。

我早些时候和田原栋聊，他有一个想法挺有意思。他觉得很重要的一件事，还是去解释 AI，让 AI 真正变成一门科学。

过去从第谷到开普勒，再到牛顿，人类经历了这个过程。他认为 AI 也会经历类似的阶段。

现在可能还处在比较早期的阶段。大家有很多经验，但很难解释为什么这个经验有效、那个经验无效，可能还不到我们过去定义的科学程度。

我觉得如果能做到 ASI，ASI 应该能够理解自己。

你觉得 ASI 能够理解自己？

对，我觉得自进化和理解自己可能会同时发生。

一定会同时发生吗？你说超级智能会理解自己，那你觉得人理解自己吗？

部分理解。

它可能也不是一个非黑即白的关系。人类在不断加深对自己的理解，但像人类这种智能生物，也没有完全理解自己，仍然有很多不知道的东西。

关于你设想的第三种未来，我还有一个补充问题。你前面提到，RSI 最大的风险是对齐。但另一方面，如果模型进化得这么快，他们不认为还有一种风险是智能泛滥吗？可能没有那么多对智能的需求。我不知道这篇文章里有没有提到，或者你们平时讨论时是怎么看的。

好像很少讨论这个问题，因为大家默认现在有大量问题需要解决，比如人类如何长生不老，这些都需要更强大的 AI 来解决。

所以现在硅谷，至少 Frontier Lab，基本认为对智能的需求和对算力的需求都是没有上限的。

你前面提到，Recursive Intelligence 在 RSI 上这个季度也释放了一些具体成果。可以展开讲讲吗？

我觉得 Recursive 可能是这个季度最值得关注的 New Lab 之一。刚才我们提到，它的创始团队非常强，有 Richard Socher、施天林、田原栋。他们做的事情就是 RSI，让 AI 系统能够自我改进。

他们放出的第一个成果，是在 3 个 benchmark 上取得改进。

第一个是 Andrej Karpathy 的 NanoChat AutoResearch，重点是算法：在算力预算固定的情况下，如何把事情做得更好。

第二个是 NanoGPT Speedrun。大家的终点是一样的，都要把模型训练到某个 performance，但比的是谁能用更短时间训练到那个程度。

第三个是 GPU kernel benchmark，名称不清。比的是谁的算子写得更好，谁的算子效率更高。

他们在这 3 个 benchmark 上都取得了 SOTA 结果，把自己做的 RSI 系统应用在这 3 个 benchmark 上。

这其实覆盖了 AI 进步的 3 个杠杆：更好的算法、更快的训练，以及更高效的硬件利用。我觉得它的意义可能不只是 benchmark 具体提升了多少，而是展示了这样一套通用的研究闭环能够跑通。

对，是同一个系统做了这 3 个测试，是一套通用的东西。

除了 Recursive，这个季度也有一些新公司出现。Recursive 其实已经在水下运行了一段时间，只是在这个季度正式宣布。6 月 25 日正式 launch 的 Mirandale，也是成立就有 10 亿美元估值。

还有另一家公司 Core Automation。你可以讲讲，现在这些不同的新团队都在出现，大家为什么觉得这是一个机会？

我可以简单介绍一下这 2 家公司的创始人背景。

首先是 Core Automation，创始人 Jerry Toric[?] 是 OpenAI o 系列的负责人，在推理方面做出了很多贡献。

Mirandale 的创始人是 Baiman[?]，之前在 Anthropic 负责 AI for Science 团队。所以这 2 家公司现在都在 RSI 方向上探索。

我觉得 RSI 之所以还有创业公司的机会，首先是因为技术上还没有完全收敛。除了 coding 和长程 agent 能力以外，我们可能还缺少一些东西，所以还没有完全达到 RSI。

这不完全是堆算力的游戏，可能还需要新的 idea 才能让这个领域进入下一阶段。一般来说，创业要找主流公司主线不会去做的事情。

Anthropic 和 OpenAI 继续往后推的话，RSI 会在它们的主线上吗？

从 Anthropic 发布这篇文章，以及 OpenAI 也提出一些目标来看，比如说希望在今年 9 月实现 AI 研究实习生，2028 年 3 月实现自动化 AI 研究员，我觉得 Frontier Lab 可能会非常重视这件事。

这也是 RSI 变火的原因之一。大家设想，如果做到这件事，加速度可能会越来越快，这可能是帮助自己在竞争中把其他人甩得更远的一种方式。

看起来它们也会往这个方向做，那这和创业公司之间会形成什么样的竞争关系？

Anthropic 自己也提到，现在 AI 研究员的 bottleneck 仍然在研究品位上。人类现在依然是瓶颈，所以 Frontier Lab 做这件事，不一定会和现在的新 startup 无限拉开差距。

这一季度，OpenAI 和 Anthropic 在智能前沿上还有一个不约而同的举动，就是都在加码 robotics。

OpenAI 这件事相对公开，而 Anthropic 的情况更多是业内慢慢流传。它应该确实有意尝试 robotics。Henry，你可以讲讲这 2 家公司在具身智能或者 Physical AI 上的情况吗？

5. Frontier Labs Enter Robotics

OpenAI 这边，这个季度 Sam Altman 和 Greg Brockman 都亲自在 Twitter 上公开表示他们在做机器人，并且开始招人。但他们的尝试应该很早就开始了，可能 2024 年就已经在做机器人。

他们在湾区 Fremont 现在有一个机器人的 warehouse，也有一个几十人的机器人团队在做这方面的探索。

Anthropic 的团队规模还比较早期，机器人尝试也处于早期阶段。但他们在《One AI Builds Itself》这篇博文里提到，他们认为 Recursive Intelligence 的下一步就是 robotics 和 Physical Intelligence，所以应该也已经开始提前布局。

机器人理论上也可以 RSI，对吧？机器人变强以后，部署到真实环境里就可以获得很多数据。机器人发展本身也需要数据，包括具身模型这部分。

更科幻一点，机器人可以制造机器人。现在听起来有点难想象，但过去其实发生过。比如工业革命时就是机器制造机器，母机出现后，机器就可以制造机器了。直到现在，工业母机仍然是非常重要的领域。

我们可以稍微多讲讲 OpenAI，因为它的公开信息更多。Sam Altman 在官宣团队和招聘信息时，透露了几个信息。

第一个关键词是招聘。他们要找优秀的全栈工程师，所谓全栈包括硬件、操作系统和机器学习。

第二个是他们第一个可能使用的场景：服务于自己的基础设施，应该就是自己的算力设施。

再往后，他们也想做能够服务普通人的机器人。这也是一个比较有共识的愿景，就是家庭机器人。马斯克之前也说过，他认为成熟状态下 Optimus 可能会有 200 亿台。

另外，他还提到了团队负责人，这个人是 Aditya Ramesh。

从这些信息里，你觉得还能做出哪些解读？比如他们可能会怎么做这件事？

我觉得 OpenAI 和 Anthropic 这些模型公司，应该会发挥自己的长项，把机器人问题里模型的训练部分做好。

他们招聘信息里说要招全栈 roboticist，但这不完全代表他们一定会自己制造硬件，也不一定会推出硬件产品，和 Optimus 的逻辑可能不太一样。

可以继续观察后面怎么发展。现在主流的大公司做这件事，基本有 2 种方式。

一种是 Optimus 这样的路径，最后要做的是一个软硬件完整的机器人产品。

另一类是 Google、NVIDIA 想做的事情：做机器人领域的 Android，更偏向大脑和智能这一层。创业公司 PI 其实也是这个方向。

和机器人、Physical AI 相关的一个最近非常火的话题是世界模型。虽然刚才讨论的这 2 家公司在这方面有什么成果还不太明显，但整个领域已经出现了很多变化。

5 月的时候，MOE Capital 也写了一份世界模型研究报告。你可以讲讲你们在梳理世界模型发展过程中得到的核心总结和观察吗？

我先简单说一下，为什么大家觉得世界模型这么重要。

想象一下，现在有一个机器人，它可能从来没有见过鞋带，也从来没有人通过 teleoperation 的方式教它解鞋带。但这个机器人因为已经足够了解世界，就可以弯下腰，抓住鞋带，把它拉开，然后解开。

我觉得这就是世界模型想要解决的问题。

“世界模型”这个词被用得很多。最近它之所以火起来，主要是因为之前 2 个独立的研究分支，在 2024 年和 2025 年发生了合并。

一个分支是 RL World Models。比较有名的可能是 Google DeepMind 做的 Dreamer 系列。它的 idea 是，在真实世界里收集数据非常昂贵，不如先学习一个真实世界模型，然后在这个模型里像做梦一样，模拟真实世界会发生什么变化，让机器人在虚拟世界里学习。

这条路线之前的问题是，每个环境都要单独学习，所以比较难 generalize。

另一条路线是大家比较熟悉的视频生成，包括 Sora、Veo、Seedance 这些模型。我们可以从人类拍摄的视频数据里学到大量关于世界的知识，包括世界的物理规律是怎么工作的。

但这类模型只能生成视频，不能回答这样的问题：如果我在当前这一帧采取一个行动，下一帧会发生什么变化？

这就是 action-conditioned。

对，就是 action-conditioned。

现在是把这 2 者结合起来。前者让机器人或 agent 在虚拟世界里学习，后者通过大量视频数据学出世界的信息。把它们结合起来，就是现在所说的 world action model。

包括我们投资的 Dream Labs，他们的经典工作 DreamDojo 和 DreamZero，就是这个方向的成果，发布于 2026 年 2 月左右。

你刚才是在解释，为什么这个领域现在变得比较火。它其实也和 robotics 的热潮相关。

你们的报告里还有一个观察：过去 18 个月里，世界模型获得的 100 亿美元融资都流向了哪些公司？这个可以展开讲讲吗？

我觉得大概有几个层次。

第一层是纯做世界模型，或者做模拟器的公司，包括 AMI Labs，融资 10.3 亿美元；World Labs，融资 12.3 亿美元；Runway 从视频模型起家，现在应该融资超过 8.6 亿美元；还有 Roada，4.5 亿美元；Decart，1.53 亿美元；以及最近 Danger 做的 Ambull，也融资超过 1 亿美元。

第二层是做 robot foundation model，或者机器人大脑的公司，包括 Skild、Physical Intelligence、Figure、Mind Robotics 等。

第三层是做整体平台的公司，包括 NVIDIA、Google DeepMind，以及现在可能要加入机器人战团的 OpenAI 和 Anthropic。

我们看到一个比较有意思的 pattern：现在使用世界模型的公司，也就是这些 robotic brain 公司，它们的融资规模其实比做世界模型的公司大不少。

可能大家更相信，做 robot brain 的公司最后会 capture 机器人实现后的最大经济价值，这部分价值可能会被这些公司拿到。

你们的统计是全球范围的吗？

这个统计主要偏欧美公司。

如果把中国算进去，做机器人这块的融资规模可能会更大。

对。

我还以为这个统计算了中国。那中国之外也有 100 亿美元流向世界模型，过去 18 个月其实也不少。

对，但和 RSI、OpenAI 这条最主线的战场相比，它的吸金体量还是太小了。一轮就能融几百亿美元，差很多。

接下来进入第二个大板块，就是关于智能的扩散：已经可以帮我们做很多事情的智能，如何通过更多产品设计和商业模式设计，让更多人、更多企业使用起来。

前面你提到，一个新的趋势或机会是很多企业开始考虑，自己到底应该用什么模型：继续用最贵的 Frontier Lab 模型，还是自己拥有模型。这个趋势在第二季度是怎么发展、怎么变化的？

这个领域可以看到几件事情。

第一，越来越多公司开始和后训练公司合作，训练自己的专有模型。一个例子是 Harvey 和 Applied Compute 合作，基于 GLM-5.1 训练了一个自己的模型，在他们的 Legal Agent Benchmark 上击败了 Anthropic 和 OpenAI。

这个事情很有意思，因为 Harvey 本身就是 Anthropic 的用户。这也是一个风向标：公司不只是使用 Frontier Lab 的模型，而是开始真正 post-train 自己的模型。

上个季度的例子是 Cursor。Cursor 基于开源模型后训练了自己的 Composer，自己使用。

但这次 Harvey 的模式不太一样，它有 3 方：Harvey 是做法律 AI 的垂直公司，Applied Compute 使用中国开源模型厂商的模型，帮助 Harvey 训练它自己的模型。

Applied Compute 是一家由 OpenAI 研究员出来创办的公司，主要业务是 Post-Training as a Service，也就是把后训练作为一项服务提供给客户。

为什么现在有更多像 Harvey 这样的公司愿意做 post-training，然后拥有自己的模型？

我觉得可能有几个原因。

第一是成本。Frontier Model 的性能很好，但太贵了。比如 Palo Alto Networks 的 CEO 在 X 上发帖，呼吁 Claude 立刻降价，因为现在客户已经用不起 Anthropic 的模型了。如果不降价，他们只能把生意交给开源模型或者更便宜的模型。

这个 CEO 的公司，一边使用 Anthropic 的模型，一边服务下游企业客户，对吧？

对。Palo Alto Networks 是一家网络安全公司，也是 Anthropic 在 Project Glasswing 上的深度合作方。Project Glasswing 是使用 Claude 寻找网络安全漏洞的项目。

他们会用 Anthropic 模型做各种安全业务，包括 prevention，比如代码扫描；也会做实时 detection。所以他们现在也觉得模型实在太贵了。

第二是稳定性。稳定性指的是，我能不能期待模型一直有 access。现在的问题是，使用前沿模型时，政府可能突然发布禁令，你就没有模型 access 了。

如果产品基于这个模型构建，就等于把产品构建在没有保障的沙子上。

Fable 已经发生过了。还好它只上线了 3 天，如果上线 1 个月，美国政府再来这么一遭，确实有些公司可能已经基于它开发了很多东西。

第三是护城河。大家越来越觉得 Anthropic 的竞争能力很强，会把各种数据训练到模型里，模型能力不断变强。

大家会担心，如果我不拥有模型，Anthropic 会不会逐渐把所有能力内化？未来大家直接找 Anthropic 就行，跳过我。

另外，如果我和竞争对手都用同一个基模，我的竞争优势在哪里？所以从竞争优势角度，大家也更倾向于拥有自己的模型。

有些企业客户会担心自己变成下一个 Cursor。Anthropic 也有意往这个方向拓展，之前和 Blackstone 成立了合资公司。大的 PE 可以给它链接很多大型企业客户，而且 PE 自己拥有很多企业资产，也可以使用这些能力。

在 To B 场景里确实是这样。竞争和护城河之外，我还想补充一点：对于 Harvey 这样有高价值场景、拥有大量高价值数据的公司，它们非常希望通过利用数据，不断加强自己的竞争能力。

如果自己有一套后训练 pipeline，用户越多、数据越多，就越能加强产品竞争力。但如果没有，就只能依赖 Anthropic 的基模。

在 Harvey、Applied Compute 和 GLM-5.1 这 3 方合作里，后续的 pipeline 是 Applied Compute 掌握，还是 Harvey 之后就能掌握？

Harvey 自己也有人在做后训练。不过在这次合作里，他们使用了 Applied Compute 的平台，应该叫 The Lab，在这个平台上完成了整个后训练过程。

所以至少在这次合作里，pipeline 是在 Applied Compute 这边。Harvey 付费使用它的平台，但最终拥有自己的模型和数据。

你前面也提到，他们用来做后训练的基础模型是 GLM-5.1。为什么选这个模型？

他们试了市面上可能所有的开源模型，大部分是中国模型。最后发现，在 baseline 上 GLM-5.1 的效果最好，所以基于 GLM-5.1 继续做 post-training。

从大家在硅谷的使用体验来看，不管是企业还是个人，智谱的模型确实是中国开源模型里最强的吗？

可以这么说。尤其是 GLM-5.2 发布以后，在硅谷的呼声非常高。

一方面，真实看数字，它是第一个在 Terminal-Bench 上开源模型分数超过 80 的模型，并且有多项长程 coding 任务能够超过 GPT-5.5，成本只有六分之一。

更重要的是，有很多人在 X 上说，这是第一个让他们觉得编程手感对的模型。不光是 benchmark 跑得好，实际完成任务也确实不错。

尤其是智谱很明智地支持了 LangChain 的 API，所以现在可以直接继续使用 Claude Code 的 harness，只把后面的 API 替换成 GLM-5.2。有人说几乎可以无痛替换 Claude 4.8，我觉得非常厉害。

另外一个有意思的现象是，除了 Harvey，智谱 6 月初也和 Fireworks 合作，基于 GLM-5.1 训练了一个模型。

所以从大家用脚投票也能看出，至少在现在这个阶段，这个模型表现比较好。

这个合作其实可以延展聊一下中国开源模型的情况。我们刚才讲的合作，事实上是美国一些有能力做模型服务的公司，比如 Fireworks、Applied Compute，结合中国的开源模型生态，一起服务一个客户。

这个客户很可能也是第一批硅谷或美国客户。某种意义上，这是中美在 AI 领域的合作。

它的另一面，看起来就是越来越强、似乎无所不能、什么都想做的 Frontier Lab。你怎么看这种对局的强弱？

回看过去 3 年，历史告诉我们，模型能力总是你方唱罢我登场，很少有人能一直领先。

但过去 3 年，闭源模型也一直没有真正被开源追上。它看起来有逼近趋势，但现在闭源 Frontier Lab 仍然能领先几个月到半年。

而且闭源 Lab 有一些东西没有展露出来，内部可能还有更厉害的东西，所以这个差距有时很难动态判断。

对于这个趋势能否持续，也有一种质疑：2024 年前后其实有一波微调红利，但随着基础模型能力提升，这些工作的红利最后都被覆盖掉了。

今天这个时刻，像 Harvey 这样找人做后训练，或者微软服务更多大型企业、帮它们训练自己的模型，这个趋势能持续吗？

我觉得这里可能有几个变化。

第一个变化是，现在所有做后训练服务的公司都要做 FDE，也就是 Forward Deployed Engineer。他们要把这些工程师派到服务的企业里，帮助企业做后训练。

前向部署工程师，这也是最近特别火的一个新职业角色。

对。前向部署的成本，应该比 2 年前有所下降。

这是因为 AI coding 本身变强了，对吧？

对。

第二个变化是，模型能力和任务相对难度发生了变化。过去在 legal 场景里，模型进步太快，从 GPT-3.5 到 GPT-4 提升非常大。你在老版本模型上做 post-training，可能根本赶不上新模型的改进。

现在可能不一样了。在一个 Frontier 的开源模型上加上私有数据，很可能超过 Frontier Model，而且短期内 Frontier Model 也不会反超。

Harvey 和 Applied Compute 的例子就是这样。他们基于 GLM-5.1 做了后训练，效果超过直接使用 OpenAI 或 Anthropic 模型。你觉得这个趋势可能比上一轮更持续吗？

我觉得会比上一次强一些，但这也是一个此消彼长的过程。

当 Frontier Model 触顶，受到包括监管在内的各种阻力时，开源模型就会迎来一波增长。

另外，这件事也不适合所有公司。比如我觉得初创公司不应该做自己的模型，应该先用 OpenAI 或 Anthropic 的模型把产品跑通，拿到市场验证。

你说不适合初创公司拥有自己的模型，对吧？

对。但初创公司可以帮助别人拥有自己的模型，这是一个创业方向。

我觉得比较适合做这件事的公司有几种特征。

第一，要有高质量的专有数据，否则没有必要做后训练。

第二，要有比较明确的评估系统，能够知道模型是不是变好了。比如 Harvey 有自己的 Legal Agent Benchmark，有法律场景的测评指标。

第三，要有高频和高价值的业务。这样模型哪怕只提升几个百分点，也能带来经济价值。

满足这 3 个条件，就可能适合做后训练，拥有自己的模型。

所以有几个大的行业很适合做这件事，比如 Harvey 所在的法律行业，医疗健康可能也适合，金融肯定适合，咨询可能也算。

这些确实也是 Anthropic 和 OpenAI 会做的方向。它们会开发 healthcare 等领域的专用模型，也会开展一些商业合作。

前面提到的 2 个合作都用了智谱的 GLM-5.1。整体来说，第二季度中国开源模型的发展，包括被全球科技公司采用，是怎样的情况？你怎么看这几家厂商陆续发布的新模型？

DeepSeek 基本符合我们之前的预期。它在一些小的方向上有改进，尤其是 Infra 做得非常 solid，但没有惊艳到大家。

之前我和 SGLang 的人聊过，他们这个项目起飞是因为 V3。当时他们优先支持 V3，大量用户想用 V3，于是都会问他们能不能帮忙把自己的模型部署起来。

在 SGLang 之前，还有一个存在更久的框架社区，专注 vLLM。朱邦华之前接受采访时也提到，他最开始并不特别看好 SGLang，因为它起步较晚，而行业里已经有其他开源社区做得很好。

所以 V3 对他们来说是一个很大的机会。

从开源框架的角度来说，他们现在觉得应该抓住哪个开源模型的机会，好好实现一轮增长？

他们在 V4 上投入了很多时间和精力，但 V4 显然没有 V3 带来那么大的 ROI。

Kimi、MiniMax，包括小米、千问，这个季度有什么亮眼进展吗？

如果总结这个季度中国开源模型的进展，可以说是中国开源模型“四杀”。

过去 8 周里，先是 Kimi 2.6，然后是 DeepSeek V4，再是 Kimi 2.7，最后是 GLM-5.2，4 次易主全球最强开源模型。

基本上，在编码和成本上，已经快要追平 Frontier 的 GPT-5.5 和 OpenAI o4.8 级别模型。最强闭源模型可能还领先大概半年，但差距目前没有继续拉大的趋势。

这是智能扩散的第一部分：观察到中国开源模型和美国公司之间出现了一种神奇的合作。

第二个和智能扩散相关的话题，是新的交互尝试，更多是在产品创新上。前面聊到，OpenAI 的一些人也觉得自己的模型很强，但产品和 go-to-market 不如 Anthropic。

我们先从 Anthropic 这个季度的进展开始。它们最近推出了一个很受关注的新功能 Claude Tag，也就是类似 Devin 之前做的事情，把 Claude 和 Slack 打通。

你可以讲讲这个新功能带来的变化和讨论吗？

6. AI Moves Into Workspaces

Claude Tag 是一个非常直观的功能。它允许你在 Slack 里通过 @Claude 的方式，把任务提交给 Claude。Claude 完成任务后，再把结果返回到群聊里。

这种交互方式，相当于从每个人自己开一个独立聊天机器人、拥有自己的个人助理，变成团队拥有一个 24 小时监听需求、掌握所有上下文的同事。我觉得这是一个比较大的变化。

Andrej Karpathy 加入 Anthropic 后也开始频繁发帖。他说这是 AI UI/UX 的第三次大改。

第一次是网页 chatbot，让所有人去网页聊天；第二次是大家下载 app 到手机和电脑上，和 AI 进行各种交互；第三次则是 AI 来到企业协作空间里，和人深度协作。

所以这是 Anthropic 这个季度非常兴奋的一个功能。比如 Claude Code 团队的产品经理 Catherine Wu 说，现在他们产品团队大概 65% 的代码，都是通过 Claude Tag 完成的。

它的好处是可以群体协作，在一个群里共享上下文，和很多人一起合作，不再是专属于某一个人的助理。

对。

这个想法本身并不新，国内外都有更早的尝试。为什么 Claude Code 做这一步比较晚？

我觉得他们之前一直在自己最擅长的产品形态上投入，在 Claude Code 上花了大量时间。现在他们想进一步拓展产品战线。

Slack 这部分我知道他们内部其实已经做了很久，应该对产品体验进行了比较深入的打磨。

这可能也和它的产品策略有关：希望推向市场时，体验各方面已经比较丝滑、成熟，有利于让用户持续觉得这是一个能带来高品质、高体验产品的公司。

我觉得 Claude 在这方面口碑确实不错。

之前我问过一个 Anthropic 的朋友：Claude 进 Slack，这种程度的集成，以你们的编程能力，不是直接用 Claude Code 一下就做完了吗？

他说，如何尽可能有效地利用上下文，如何不只是被动接收信息，还能主动 propose 一些任务，他们下了很多功夫。

对。这也是它的一个功能：它会在合适的时机跳出来提醒团队，不要遗忘任务，不要遗漏事情。

另外它还要设置权限管理，这也是协作类 agent 需要考虑的事情。不同员工可以看到什么数据，可以访问哪些频道，都需要管理。

这也是一个挺有意思、很有张力的地方。一方面，Catherine Wu 说：“我们的很多代码都是用 Claude 写的，尤其是 Claude Tag 这个功能。”

但另一方面，他们自己推出产品时，我能感觉到他们仍然做了很多细致打磨。光靠 web coding 肯定不够。

一方面，他们把用 Claude Tag 提升效率的前景描绘得很诱人；另一方面，自己在推出产品时，还是默默打磨细节，依靠团队来把产品做好。

所以这不算一个特别大的新东西，但可能会成为 Claude 用户更好用的功能。

从概念上说，它并不新，没有 Andrej 说的那么新，关键还是看执行得好不好。如果它是第一个执行得很好的产品，实际对用户的影响可能会比较大。

我身边使用 Devin 的团队，最喜欢 Devin 的地方就是和 Devin 在 Slack 里的协作体验。所以现在 Claude 有了 Slack 集成，我会更加担心 Devin 的用户群。

Devin 现在是什么境况？

Devin 的 revenue 增长应该挺好，因为它有 2 部分业务。

第一部分是卖工具，类似 Anthropic 的 Claude Code。另一方面，它们也卖服务。

比如你是一家银行，有一个 Fortune 500 公司规模的代码仓库，要把它迁移成 Python 代码仓库，可能有几十万行代码。你可以把整个事情交给 Devin，由它从头做到尾。

这就是之前洪山说的，SaaS 不再只是给你交付工具，不再按用量获得价值，而是按交付的服务、带来的价值来获得价值。相当于 AI-powered 咨询。

或者说 AI-powered 外包，只不过里面人的参与没有那么重。

这是 Anthropic 这个季度在功能上的变化。

OpenAI 有一个新功能 Record and Replay，思路挺不一样。你可以讲讲这个新功能是做什么的吗？

它叫 Record and Replay，有 2 部分。

第一步是 Record。你可以让 Codex 录制你完成某项任务的过程。点下录制以后，它会观察你如何一步一步完成电脑上的任务。

录制完成后，它会把这个过程固化成一个 skill，也就是技能。未来你想 Replay，也就是重播时，它会根据 skill 的记录，通过 Computer Use 自动完成这个任务。

我觉得这是一个非常好的、把技能从人转移给 AI 的方式。

这个概念其实也不是完全没有先例。之前 Meta 内部有一个项目叫 MCI，专门做类似的事情：在员工电脑上安装软件、录屏，希望通过这些数据让 AI 学会任务，最终达到把员工蒸馏掉的效果。

对，这也是这个季度发生的事情，时间差不多。

但这个项目好像已经在 Meta 内部被叫停了？

对，肯定会引起很大的反弹。

所以 OpenAI 和 Meta 都看到了这个方向，认为它有价值，只是 Meta 推出的方式大部分人不能接受。它是强制性的，而 OpenAI 已经把它产品化了。

OpenAI 在时间线上也更领先。这个功能有点像机器人的遥操作：早期机器人遥操作时，人去操作一个同构机器人，把人类的操作能力迁移到机器上。

在模型进展上，现在 3 家模型公司在 OSWorld-Verified 上都超过了人类极限，也就是 72%。OpenAI o3 是 83%，GPT-5.5 也接近 80%。

OSWorld 是 Computer Use benchmark，对吧？

对，它就是测试 Computer Use 的能力。

你觉得 OpenAI 的 Record and Replay 和 Anthropic 的 Claude Tag，哪个更能引领方向，会有更多人跟进？如果自己用过，你觉得哪个更有用？

从概念上说，Record and Replay 更能代表未来前进的方向。我相信后面会有更多厂商追随 OpenAI。

但 Record and Replay 非常依赖当前 Computer Use 模型的能力，包括多步任务准确性、延迟等，这些都还在提升。

所以短期来看，Claude Tag 对用户的 impact 可能更大，会有很多人实际用起来。

它也会冲击 Devin 这类公司。

对，很有可能。

回到 Record and Replay，它现在还比较早期，有些地方可能不是很好用。理论上功能推出后，它也可以获得相关数据。

它可以获得大量数据。有人用，就能拿到大量真实数据。

但也要看它对数据的应用条款，能不能用于模型训练。

这还挺涉及隐私，因为数据里可能看到你的系统界面、截图，以及你正在使用的一些个人信息。这个数据应该比之前的文本数据丰富得多。

对。

如果有人想试这个东西，可以仔细看隐私协议。如果数据能够被使用，我觉得它对于提升 OSWorld 这类 Computer Use benchmark 的能力会有很大帮助。

OSWorld 或 Computer Use benchmark 似乎一直没有特别大规模的数据集。如果 Record and Replay launch，并且有大量用户使用，OpenAI 应该能比较快拿到可能是市面上最大的 Computer Use 数据集，也许他们自己就能编制一个更好的评测指标。

这也是它和机器人很不一样的地方。OpenAI 推出一个新功能，就会有人来用。当然数据能不能直接用来训练，我不知道。

机器人在物理世界里不是这个逻辑：你得先造一个机器人，把它放到某个地方，才能获得真实数据。即使你免费把机器人放到一个地方，对方也不一定想要，链路没有这么通畅，成本也没这么低。

而且大家在数字世界里放弃隐私已经很多年，习惯了；但在物理世界里放弃隐私，可能还有一个心理门槛。

对，可能还需要适应。

除了前面说的 2 个功能，交互方面第二季度还有一个进展：OpenAI 继续发布多模态系列，包括 Real-Time，这是一个流式语音系列，是一整套 API；还有 Image 2，也就是它们的文生图系列。

同时可以捎带聊聊 Thinking Machines Lab。这家 New Lab 在二季度发布了自己的首个模型 Interaction Model，也是一个语音交互模型。

为什么大家觉得语音方向很重要？这些新成果相比之前有什么不一样，或者说有什么进步？

7. Voice Becomes Infrastructure

首先，语音不是一个普通的多模态能力，我觉得它是人和 AI 交互的基础设施。

刚才我们提到第二条主线是 AI 在社会中的扩散。让人能够在各种场景随时随地和 AI 交流、用上 AI，这件事非常重要，这就是为什么语音特别重要。

Thinking Machines Lab 的发布，我个人觉得非常有意思。这个模型叫 Interaction Model，是一个 276B 模型，有 12B 激活参数，是他们从零开始训练的。

它最有意思的地方是，能够边听边说，还能看，能够看你的动作并及时反应，也能够打断人。以前从来没有这样的模型。

像一个采访模型：边听边说，还要打断人，还要看。采访时也要观察对方的反应。

对。它不仅能做这些事情，后台还配了一个异步推理模型。在实时反馈的同时，另一个模型会做长思考，然后把深度思考插回对话里。

但目前他们只发布了一篇博客和一些 demo 视频，还没有开放 API，也没有大规模使用，所以没有太多用户能用上并给出真实反馈。

我觉得它的意义在于，之前最好的语音实时交互模型是 OpenAI 的 GPT Real-Time，但 GPT Real-Time 本质上是一个对讲机，仍然是 turn-based。

你说完以后按一下，对方说话；对方说完再按一下。之所以感觉是 real-time，是因为外面包装了一层 VAD，也就是 Voice Activity Detection。它知道你大概说完了，然后轮到它说。

这一层不是在模型层，而是在外围包装的？

对，是在模型外围包装的。

Thinking Machines 的新模型则把交互模式从对讲机变成真正打电话：它一直听你说什么，同时也可以说话，这叫 full-duplex。

它没有全量开放 API，是因为这种新的方式可能非常贵吗？

这个我不确定。可能是效果还需要打磨，也可能是成本太高、自己的 infrastructure 还没有准备好，或者有其他原因。

而且它是不是不太容易直接变成 To C 产品？语音是交互的一种基础方式，也可以说是整个生态的基础设施。

我们第一次录节目讨论 AI infrastructure 创业机会时，就把语音单独列成一层，和推理、coding、Computer Use 平行。从这个角度，它需要加在某个具体产品上，才是一个完整产品。

这其实是一个很有可能性的推断：他们最终可能想推出一个个人助手 To C 产品，而这个模型会成为个人助手的交互界面。

我们先叠个甲，这都是推测。有可能他们想等自己的产品出来以后，再把模型开放给别人使用，当然也不排除是成本等综合因素的考虑。

这个模型还做了 2 个 benchmark，进一步突出它和以前架构的不同。

第一个叫 TimeSpeak，是按照指定时间精确开口。比如每 4 秒提醒我呼吸，模型就要准时说话。

第二个叫 Q-Speak，是监听用户语音，在内容里出现线索时判断该自己说话。

他们用这 2 个 benchmark 衡量实时语音能力，并和 OpenAI 做了对比。在指定时间精确开口上，Thinking Machines 的模型是 64.7%，OpenAI Real-Time 2.0 是 4.3%。

差这么多，几乎像是在欺负小朋友。

主要是因为 OpenAI 的架构做不了这件事，Thinking Machines 的新架构才有这么高的成绩。OpenAI 的 4.3% 基本上是随机的。

在 Q-Speak 上，Thinking Machines 是 81.7%，OpenAI 是 2.9%，几乎也是接近基线。

他们测的应该是 Real-Time 2.0。

你觉得 Real-Time 2.0 表现如何？它也是 OpenAI 二季度发布的新东西，是 Real-Time 系列最新一代。

我觉得 Real-Time 2.0 的实际使用体验不错。但我不完全确定，ChatGPT 里的 Advanced Voice Mode 现在是不是已经用上 Real-Time 2.0 了。

我记得刚发布时，Advanced Voice Mode 还没有更新成 Real-Time 2.0。

它和 Interaction Model 不一样：一个是更前沿的尝试，一个是已经相对成熟、API 也在 6 月中旬全量可用的系列新一代，开发者都可以使用。

对。

也可以再讲讲 Image 2，继续聊文生图。Sora 关停之后，OpenAI 还在继续做文生图。

我觉得 Image 2 的效果非常好。在 Image Arena 上，它应该是断层式领先，Elo score 大概 1500 多分，比第二名高 200 分左右。

它在视觉生产力的各个方面都很强。我们可以看到社交媒体上有大量使用 Image 2 生成电影海报等内容，效果非常好。

它在一些有经济价值的任务里，比上一代文生图模型强很多。它和 Sora 的区别是，成本没有那么高，更能算过来投入产出比。

历史上我们可以看到，像 Nano Banana 这样的文生图模型，对 To C 产品有很大帮助。Google 的 Nano Banana 发布时，Gemini 的下载量大幅上升。

还有一些 startup 想把自己的流量做起来，也会通过免费提供 Nano Banana 吸引用户。所以这类功能对 To C 产品增长很有帮助。

8. The Big Labs Reposition

聊完前面的推进智能前沿，以及如何让已有智能更好扩散，我觉得最后可以补充一些之前没有提到的重点公司的进展。

首先是 Meta。Meta 这一季度有一个挺重要的变化：TBD 这个核心 AI 部门重组之后，放出了第一炮，也就是 4 月初发布的 Muse Spark 模型。

行业里是怎么讨论这件事的？这个模型反响如何？

行业里的讨论不多。这个模型应该接近前沿能力，但仍然处于追赶态势，还没有真正达到前沿。

而且能用的人也比较少，因为它没有完全开放 API。

对，我身边没有听说有人用过 Muse Spark。

所以围绕 Meta，更大的新闻依然可能是裁员。上次我们讨论时，它不是说计划裁员吗？现在已经开始裁员了。

我觉得扎克伯格的计划就是持续裁员，把裁员节省下来的钱进一步投入 AI 开发。

只不过现在内部可能比较动荡，所以受到了一些阻力。

在最开始回顾上一季度和这一季度变化时，你也提到，有一件事没有延续，就是我们之前讨论的 Meta token 消耗竞赛。

更广泛地说，Q1 有一种 token maxing 的风潮，很多公司争先恐后地希望员工更多使用 AI。你怎么看这个风潮这么快就趋于平息、趋于稳定？

我觉得所有技术趋势都应该遵循三部曲：先是 frenzy，也就是狂热；下一步可能是 crash，也就是崩盘；最后是 stabilization，也就是稳定。

Token maxing 基本也是这 3 个阶段。Q1 可能是狂热阶段，大家看到公司花了上亿美元，但最后没有产生太多产出。

接下来可能进入第二阶段，但我相信很快会进入第三阶段。Meta 内部之前有一个 leaderboard，看谁使用 token 最多，现在这个 leaderboard 已经被取消了，也给每个人加上了 token quota，也就是使用上限。

这边大公司的人均限额一般是多少？

我觉得 Meta 的限额应该比较高。之前听说 Uber 4 个月就用完了全年 coding budget。

它大概是每个工程师每个月平均 500 到 2000 美元的限额。

500 到 2000 美元。国内差不多也是这个量级。我知道有一些公司是 5000 元人民币，大概 700 美元，在你刚才说的 Uber 范围里面。当然 2000 美元已经比较高了。

Meta 还有一个有意思的事情，就是我们前面聊到的 MCI。它类似 OpenAI 的 Record and Replay，但 Meta 是强制所有员工都做，后来又出现比较大的安全问题和数据泄露问题，于是叫停了。

对。

强制开启和自愿开启的区别还是很大的。对 OpenAI 来说，这是提供一个新服务，你可以用，也可以不用。

Meta 则要求所有美国员工在电脑上安装追踪软件，观察你怎么移动鼠标、点击和输入键盘。

但这样也有一个好处。刚才讨论 OpenAI 的新功能时，我们说数据能不能用于训练更好的 Computer Use 模型，其实不知道，大概率不能直接用于训练。

Meta 的算盘里，肯定是想直接使用这些数据，毕竟是自己的数据，和员工之间没有同样的问题。

但这个如意算盘没有敲响，最后还是被叫停了。

接下来聊聊 Google，以及已经不再是独立公司的 xAI，二季度有哪些情况？

Google 在这次 I/O 大会上发布了新模型 Gemini Omni，它的视频编辑能力应该还是让大家非常惊艳。

看起来还是多模态上的进展。

对。Google 这个季度多模态进展比较多，但内部应该也充分意识到，coding 对未来营收和竞争都很重要，所以也在加码 coding。

xAI 这个季度有巨大变化：它已经不是一家独立公司了。

现在 xAI 有一个从 New Lab 到 New Cloud 的转变。它放弃训练模型以后，赚钱非常多。它的集群出租后，现在每个月租金是 12.5 亿美元，也就是 1.25 billion 美元的收入。

Elon 现在又要去太空里建设太空算力中心。相当于 SpaceX 正在朝算力方向走。

所以它至少做对了一件事：建设特别大的算力。从现在这个时间点倒回去看过去 3 年，这是一个很聪明的投资。

另一方面，你刚才说它放弃训练模型，这件事已经板上钉钉了吗？

对外当然不会说放弃模型，但实质上，它已经没有之前训练模型的人才团队了。

你觉得它收购 Cursor 之后，能多大程度改变这件事？

我觉得 Cursor 团队可能不能完全填补它之前的窟窿。Cursor 团队里应该有一些人做过模型，至少做过后训练。

但 Cursor 可能没有做预训练的人才。

对，至少他们做过后训练，但可能缺少预训练人才。

所以我们还会看到 Grok 模型吗？

我觉得可能至少需要一段时间。

5 月底，Elon 自己在 X 上说 Grok Vision 已经完成预训练，2 到 3 周后要公布，但到现在还没有发布。

Elon is always right, except the timing.

你周围的人有人收到 xAI 的 offer 吗？是补充新团队的吗？

好像没听说，没听说，所以也没有听说他们在补充新团队。

我听说的都是离开 xAI 去别的地方找工作了，也没听说他们在补充人才，是吗？

不是这样，他们招了人，但听说招的人是做那些 harness 的，并不是训练模型的，做的是 agent harness 之类的东西。

你觉得马斯克还有可能再追上吗？他还有可能再抓住模型的这个机会吗？其实当年马斯克是 OpenAI 最早的支持者和创始团队成员之一。如果代入一下马斯克，我觉得他错过这个机会应该还挺恼火的。你觉得他还有可能赶上吗？

我觉得比较难。

你觉得比较难？

我觉得比较难。

对，但他如果要是——You never bet against Elon，对吧？他如果真的想做的话，就说明他还有希望。

对，因为他这里面有一个更大的问题。其实到 2025 年，还是有一些新的团队在出现，考虑做预训练。国内也有，比如米哈游，他们也说要用 100 亿来做这件事情。

当然，米哈游的蔡浩宇其实更早的时候就组了一个公司在做 AI 游戏，这个公司成立得比较早，但是他想去做预训练这件事情可能是更晚才发生的。他也类似于现在这种要重建地基的状态。

我想知道，有比较大的资源、也有这种抱负的团队，在现在这个时间点还有没有可能赶上这个窗口，还是说这个事情在 2023 年、2024 年可能就已经结束了？

我觉得已经结束了，除非之后技术又会有比较大的变化，先出现一个大的瓶颈期，然后再有大的变化，那有可能。但是那样的话，应该也是要去解决新的瓶颈，而不是把原来的老路再走一遍。那样的话，可能又会有更新的公司、更新的组织出现。

那你觉得 Google 和 Meta 还有可能赶上来吗？他们和 xAI 的情况又不太一样，团队没有完全散掉。

我觉得 Google 和 Meta 是有机会赶上来的。

那 Google 的可能性会更大一些？

一方面，现在确实大家觉得 Google 是落后的。相比于去年第 3 季度 Google is back 的强势回归状态，我觉得去年年底 Gemini 3 发布的时候，Google 有短暂重回第一的感觉，短暂地重回第一。

对，然后到今年的话，肯定就是落后于 OpenAI 和 Anthropic。

它当时短暂重回第一，是不是也和多模态本身带来的传播比较多有关？我们之前也讨论过这个问题，在一期节目里面。

我觉得一方面是它的多模态能力确实做得不错，另外一方面是当时它应该是同时发布了 Gemini 3 和 Antigravity，就是 Google 收购 Windsurf 以后做的新的 Agent IDE。

Gemini 3 当时，也就是 12 月底的时候，它们的 coding 能力和 Anthropic、OpenAI 还没有差那么多。但是今年的话，Anthropic、OpenAI 在 coding 这边都有长足的进步，而 Gemini 那边并没有太大的进步。

并且，Google 还有一个非常擅长的地方，就是它的 cost 做得非常低。之前如果我们看 Pareto Frontier 那张图，横纵轴分别是 cost 和模型能力，基本上在 Pareto Frontier 上，给定一个模型能力，cost 最便宜的基本上都是 Google 的模型。

但是到今年，这个优势好像也不在了。新的 Gemini 3 好像比之前贵了好几倍，所以在这上面，Google 也不是一直都处在领先状态。几方面的因素加在一起，我觉得现在大家肯定会觉得 Google 落后一些。

再加上最近，Google 的一位研究员也离开 Google，加入了 OpenAI。他是 Transformer 的 8 位作者之一，所以我觉得大家可能会比较担心 Google 的状况。但我觉得 Google 还是有一个很好的底子在那里的，这个底子来自几方面：一个是他们研究人才的储备，除了还有很多很好的研究员；另外就是他们的算力基础也还在。我觉得 TPU 方面，他们还有很大的算力优势。

你觉得 Meta 也是有可能赶上的原因是什么？

其实这几天我和不少人交流，我觉得大家对 Meta 的整体态度还是比较悲观的。我觉得 Meta 最大的风险，就是出现类似于 xAI 那种团队解散的风险。

之前是御三家，然后现在是两大 Frontier Lab。

你觉得再往后，未来会只有一家公司持续领先吗？

我觉得应该不会是一家公司持续领先。举一个例子，2023 年 GPT-4 刚发布的时候，大家都觉得非常惊艳。那个时候 OpenAI 领先其他 lab 的身位，应该大于现在最领先的 Frontier Lab 领先第二名的身位。

但是这么大的优势，OpenAI 后来也被追上了，所以我觉得应该是一个交替领先的态势。除非某一个 lab 提前在 RSI 上取得一些进展，使得它的加速度大幅超过其他 lab，那我觉得可能会出现一家独大的情况。

你刚刚讲前面那一半的时候，我也想到了 RSI。如果真的实现递归自进化，那加速度可能会变快，但同时也有可能两家公司差不多时间实现。这也是我们之后会持续关注的话题。

最后来一点轻松的话题。之前你跟我讲到，这个季度在硅谷有一家可能已经不在风口浪尖的公司，也发生了很有意思的变化，就是 Midjourney。之前我们聊到过，它其实还是一直比较赚钱，只不过不在大家讨论的前沿。你可以讲讲第 2 季度它做了些什么事吗？

9. Midjourney Builds Medical Hardware

Midjourney 这家公司大家都比较熟悉，但可能最近一段时间没有出现在大家的视野里。他们是最早一批做文生图、比较有影响力的公司。

6 月中旬的时候，Midjourney 突然宣布了他们的新产品和新部门 Midjourney Medical。他们首个硬件产品叫 Midjourney Scanner，号称是 50 年来第一个全新的全身医学影像方法。

50 年来第一个？

50 年来第一个。它的工作原理是，人站在一个浅水池的平台上，周围环绕着大概 40 万个超声波换能器。声波会从各个方向穿过你的身体，每秒生成 TB 级别的数据，然后他们再通过计算集群，重建你的肌肉、脂肪、骨骼和器官的 3D 横截面图像。他们把这个方法叫作 Ultrasonic CT，也就是 CT 的超级升级版。

超声波 CT。怎么突然搞这个？一般人看到这件事情都会觉得，跟它之前的主业好像八竿子打不着啊。

Midjourney 的 founder David Hodes，实际上是一个非常有想象力的人。Midjourney 这家公司从来不向 VC 融资，因为 David 不想受到投资人的控制，他希望能够完全按照自己的意愿来 run 这个公司。

所以他利用 Midjourney 在文生图方面的收入，养了一个大概 50 人的团队，做各种硬件项目，已经做了 1 年多的时间。他现在可能同时做 8 个项目，一半可能是硬件，另一半是软件。

短期的话，他可能想把 2 个硬件产品推向市场。我们看到的 Midjourney Medical，可能就是其中的一个。

所以它另一个硬件，或者说其他的硬件，也不一定是跟健康医疗相关的，可能各种方向都有可能。

对，就是很天马行空的。

David Hodes 这个人，Midjourney 的创始人，他以前是什么背景？

David 之前最早是在 NASA 工作过，做过激光雷达相关的工作。后来他自己创办了一家公司，叫 Leap Motion，是做手势识别的，后面被他的竞争对手收购了。

所以他其实有很多丰富的硬件经验。后来他又成功转行做 AI 多模态模型，而且做得非常好。他涉猎非常广，在他家里经常会办各行各业的活动，比如诗歌朗诵、音乐即兴，或者 AI 和人一起创作音乐。这类活动他都办过很多，也有很多研究员和旧金山的创业者会去他家参加这些活动。

所以他是住在城里的，不在硅谷这边。嗯，我觉得这还是让我挺意外的一件事：在硅谷、在湾区鼓捣这种新的智能硬件，它可能都不能算是一个 AI 硬件，对吧？里面也许还没有那么多用到 AI 的。

所以最后的 One More Thing，是一家 AI 公司做了一件跟 AI 没有那么直接相关的事。我觉得以此作为第 2 季度的总结挺好的。我们的季报当然主要是聊 AI 的，科技行业确实也有很多话题被 AI 占据，但另一方面，在 AI 之外也有很多事物和新的进展。

今天非常感谢 Henry 再次做客晚点聊，和我们一起讨论 2026 年第 2 季度 AI 领域的一些大事件。

我们分成两条脉络：一个是智能前沿如何推进，另一个是已经存在的智能如何更好地扩散到全社会，被企业、被个人使用。

在第一个部分，之前已经非常明显的是 Coding 和 Agent 的竞争，在第 2 季度也变得更加激烈，包括出现了各种发布的波折，还有价格战。另一个是我们上次聊到过的，Auto Research 之后变得更明确、也更火热的趋势，就是 RSI，也就是递归自进化。

第三个是从虚拟世界到物理世界，大家对物理 AI 的探索也在加码。OpenAI 官宣了 Robotics team，Anthropic 也被传闻说要去做机器人相关的探索。

然后在智能扩散这条线上，我们讨论了新的交互，Anthropic 和 OpenAI 都在第 2 季度推出了一些新的功能。我们也讨论了中国的开源模型和美国的企业客户之间，如何形成一种生态上的良性合作，一起去替代和对抗特别昂贵的 Frontier Lab 模型。

最后的补充部分，我们聊了前面的框架里可能没有特别多涉及到的 Google、xAI 和 Meta 的一些近况，以及特别有意思的 Midjourney 这家公司的新尝试。