186: Anthropic招股书丨“银行也有百亿预算”，与Fusion Fund张璐聊大企业在想什么

Anthropic 上市正好处在一个转折点。过去这 5 年，大家讨论最重要的一点，是怎么样投入更多资源、堆出能力最强的 AI。但接下来几年，我觉得更重要的是怎么样把 AI 的能力嵌入各种工作流程和产业中。模型能力不再是最重要的因素，成本、整合等等才是。

AT&T 是美国最大的通信运营商之一，它直接公开宣布，公司内部 AI 预算的 60% 到 70% 会投到开源部分。只要一个行业里有一家企业开始行动，剩下几家追上的速度就很快。美国有一家非常知名的银行，我从他们的首席 AI 官那里听说，他们今年的 AI 预算已经达到 100 多亿美元，这让人非常惊讶。

我最近真的思考很多的一点就是 AI 监管。我们刚才提到的 AI 向善委员会，也就是 AI for Good Commission，这个礼拜二刚开了一个董事会会议，讨论了两个多小时，因为现在进入了一个非常敏感的时刻。

今天我们一次发了两期节目，分别从一级市场和二级市场的角度，解读 Anthropic 上周发布的 S-1 文件，也就是招股书。在一级市场的讨论中，我邀请了晚点聊的老朋友、Fusion Fund 创始合伙人张璐。过去 11 年，张璐一直在硅谷投资 To B 科技创新领域，正好和 Anthropic 的主要客群——各行业的大企业 CIO、CTO——有直接接触。

她的观察可以帮我们看清需求端的一个关键问题：实际上，那些使用 AI 和 token 的企业客户是什么心态？用 AI 来做什么？是否已经验证了回报？哪些具体领域有新的增长机会？总体而言，就是 coding 之外还有什么？

最后说明一下，本期节目录制于上周四。本周 Anthropic 更新了招股书里的部分数字，包括官方口径的三季度收入和长期算力支出合同总额。具体的数据分析可以看 show notes 里我更新的数据图。我们正式进入本期节目。这次欢迎老朋友、Fusion Fund 创始合伙人张璐再次做客晚点聊。璐，你可以和我们的听友简单打个招呼。

好的，谢谢曼祺。很高兴有机会再次来晚点聊，和大家交流。

这次邀请璐来交流，是想一起聊聊本周行业里的大事件：Anthropic 正式披露了 S-1 文件，也就是招股书，里面首次披露了大模型前沿公司的财务和经营数据。这也意味着他们离 11 月中旬正式上市又更近了一步。

Fusion Fund 长期关注硅谷的创业活动，所以我们也想更多从一级市场，以及 Anthropic 上市之后对 AI 创业的影响来展开讨论。

确实。

谢谢。

1. The IPO's Market Impact

过去这几天，大家对 Anthropic 上市的关注度非常高。你会看到，在纳斯达克，我前两天正好和纳斯达克北美西海岸的负责人聊天。他说，Anthropic 上市也导致很多原本准备上市的公司把上市时间往后延了。大家可能知道，智能戒指公司 Oura Ring 就提前一天撤回了上市计划。

他说，在纳斯达克的历史上，这种情况可能只发生过两次：在上市前 24 小时左右，决定取消上市计划。所以你能看到，Anthropic 上市对整个上市市场的影响还是比较大的。

对，我们后面也会展开讨论它对其他公司的影响。先从一些比较快的问题开始吧。你可以分享一下直观的想法：看完这份 S-1 文件之后，哪个信息让你更看好 Anthropic？

大家都知道它的收入增长，尤其是今年第二季度、第三季度的增长速度非常惊人。但我觉得比较深刻的是，它已经拥有超过 11,000 家、可能接近 12,000 家年消费额超过 10 万美元的客户。这和刚开始客户相对集中的情况非常不一样。

其中我记得大概有 2,000 家客户一年的消费额达到了 100 万美元以上。这证明它已经深入整合进企业内部的云服务和工作流程。所以你会发现，它不只是一个技术工具，而是有点像企业内部的基础设施。

从这个角度看，未来持续在流程中深入迭代，也就是我们讲的 upsell，可能会更快，影响范围也会更大。很多时候，大家讨论 AI，讨论得比较多的是模型性能，但模型性能只能决定客户或大企业会不会尝试这个产品。最后能不能长期留下来、能不能有很高的留存率，取决于它能不能渗透进现有的工作流程并和流程整合。所以这个数字让我觉得比较惊艳。

那有没有哪个信息会让你对它更谨慎？

我觉得可能是收入增长和资本投入之间的关系。大家也看到了，Anthropic 手上的现金非常多，过去这段时间融资能力很强，消费能力也很强。大家今天可能也看到另一篇报道，SpaceX 的数据中心业务有一个非常大的客户也是 Anthropic。

所以我会持续关注这个数字，尤其要看它实际的经营利润率、现金流，包括未来模型训练要投入多少资金，以及未来算力合同大概是什么样的预期。这些可能会让我更谨慎地看待公司长远的商业和盈利发展。

你认为它这次上市有多大几率会导致 AI 整个行情从盛转衰？

我并不觉得 Anthropic 上市本身会导致 AI 行情整体反转。AI 的大趋势现在大家看得比较清楚了。一两年之前，可能还有人问我 AI 是不是真的会来；我觉得现在大家已经意识到，这是一个不可逆的大趋势。

但我们也处在 AI 的不同阶段。过去这 5 年，大家讨论最重要的一点，是怎么样投入更多资源、投入算力、搭建基础设施，堆出能力最强的 AI。无论是模型表现还是其他方面，追逐能力都是最重要的优先事项。但接下来几年，我觉得更重要的是怎么样把 AI 的能力嵌入各种工作流程和产业中。所以你会发现，优先级不一样了。模型能力不再是最重要的因素，成本、整合等等才是。

这是一个很有意思的时间节点。Anthropic 上市正好处在这两个不同 AI 阶段的转折点上，所以我不觉得它会让 AI 行情反转，但可能会让大家更多讨论比较现实、实际的 AI 应用场景。

IPO 会让大家冷静下来，看一看这个公司的价值和未来发展方向是不是有合理的预期。现在市场上是不是有泡沫？当然有。任何新技术都会催生一批热钱，一定会产生泡沫，有点像泡沫经济。如果上市之后股价表现不好，也确实可能会让投资人重新评估其他 AI 模型公司、AI 基础设施公司，以及一些估值很高的独角兽。

但价格虚高和 AI 的真实需求增长是两回事。我反而觉得，如果市场能够更理性地定价、更理性地进行资本投入，对长期的 AI 创业生态是件好事。我刚才提到，下一步是怎么样低成本、大范围、高效地把 AI 植入各种工作流程和产业。所以如果市场价格回调，反而对产业是好事。

说到定价，大家现在也关心一个问题：它最后的市值会落在什么位置？最开始有人认为是 2 万亿美元，10 月中旬又传出可能是 1.5 万亿美元。你怎么看这个问题？硅谷有什么讨论？

2. Pricing Anthropic's IPO

前一段时间，我记得好像是 Social Capital 的投资人 Chamath。他和 Anthropic 对话时也提到，公司要不要把上市价格定得更低一点。我觉得现在大家也都希望 Anthropic 上市的价格定在一个能让市场健康反馈的区间。

我个人觉得，现在更多讨论偏向 1.5 万亿美元这样的区间。当然，也取决于它整个路演的情况、最后的认购情况，价格会不会再走高。你看 SpaceX 上市的时候，市场对它的期待以及整个市场环境都更好一点，但 SpaceX 最后也没有按最高价格上市。

所以这也取决于市场现在对公司价格的期待。如果还是在 1.5 万亿美元左右，反而可能对之后的股价变化更有利。还要考虑到 Anthropic 过去这段时间融了很多资，其中有些是长线投资人，有些可能是短线投资人。上市之后的锁定期、锁定期之后股市的波动，以及它怎么样设计锁定期，都是要考虑的。SpaceX 的锁定期有 7 个不同的时间节点，最后大家会发现这是一个很聪明的设计。Anthropic 要不要做类似的事情，我觉得这些都和它的初始定价相关。

对。我也和一些二级市场的人交流过，他们比较看重现在还没有披露的 10 月 run rate 数据。有了 10 月的数据，就可能推测它到今年年底能不能达到年中预期的 1,000 亿美元左右，还是会更低。这可能会影响它上市时的定价，让定价低于 1.5 万亿美元。

你会发现 AI 市场很有意思。回头想一想，今年 1 月的时候，声望比较高的还是 OpenAI；到了夏天，Anthropic 开始在市场上很受关注，当时 OpenAI 在二级市场交易的价格已经跌了很多。到现在，大家又开始对 Anthropic 有很多担忧。前一段时间开源的趋势起来之后，大家对 Anthropic 可能会有一些质疑，或者说希望看到更强劲的数据来体现它的价值。

我也能理解为什么二级市场的投资人想看 10 月的数据。大概两周前有一份报告提到，大企业对闭源模型，也就是前沿 AI 模型的使用率，已经从 57% 降到了 14%。大部分企业开始转向部署开源模型。我记得有个公开报道说，AT&T 是美国最大的通信运营商之一，它直接宣布，公司内部 AI 预算的 60% 到 70% 会投到开源部分。

大家也看到英伟达 CEO 黄仁勋对开源生态的支持。我 7 月份刚加入联合国和 ITU 设立的 AI for Good Commission，也就是 AI 向善委员会。这是一个董事会，有 44 位创始成员，我也是其中之一。黄仁勋、Salesforce 创始人 Marc Benioff，还有十几个国家的政治领袖也在里面。我们讨论的一个大议题除了 AI 监管之外，就是开源。

7 月份第一次会议之后，很快英伟达和黄仁勋就发布了一封倡议书，号召大家更多支持开源生态。从 7 月份到现在，开源生态在美国发展得非常快。中国的开源生态做得也很好，美国这边也在快速发展。开源生态在企业级部署中的加速，包括英伟达帮助很多企业客户部署开源生态，势必也会影响前沿模型和闭源模型，比如 Anthropic、OpenAI、Meta 的一些市场份额。

这个市场迭代变化的速度非常快。但我不觉得开源崛起之后，闭源公司就一定会受影响。核心还是市场整体有多大。我们现在进入了整个经济体都在进行 AI 整合的阶段，不只是科技行业。在美国，科技行业占 GDP 可能不到 10%；现在我们要把 AI 整合进占美国 GDP 30%、50% 以上的经济体里。整体的蛋糕还是越来越大，只是未来切分蛋糕的时候，不会只有一两家公司独大，会有更多开源、闭源、大企业、小企业一起来分。

对，核心就是整个需求的盘子有多大，以及增长会有多快。这个问题我们之后可以展开来聊。回到 Anthropic 上市的情况，这次招股书披露了一个和你刚才提到的事情相关的信息：它说非核心员工在上市当天就可以解禁 10% 的期权。这个设计常见吗？可能带来什么影响？看起来抛压好像比较大。

是的，这可能会给上市后的价格带来潜在波动压力。但另一方面，我觉得 Anthropic 一直以来对公司内部员工还是比较有信心的。再加上它有一个特点：这家公司相对年轻，不像有些公司经历十多年才上市。从成立到现在，它的周期和一般上市公司相比比较短，所以它可能也觉得可以给员工一个好的窗口期，让他们早点变现，但不是全部变现。这样他们也有灵活度，可能会长期持有这些股票。

他们现在有 5,300 多名员工。当然，Anthropic 的文化也比较特别，大家有时候会开玩笑说他们有些宗教氛围，公司里的人有一些非常一致的想法和信仰。也许到时候当天真正卖股票的员工会比较少，这反过来也会让市场觉得，至少公司里的人对公司非常有信心。

是的。就像 SpaceX 上市的时候，员工也认购了很多上市份额。所以我觉得很多时候，公司员工内部对公司愿景的信心，对市场也是一个比较积极的信号。

大家还比较关注的一个问题是上市时机的选择。Anthropic 在目前这个时间点上市，还有一些问题没有完全解决，包括之前有员工离职，美国政界也在讨论 AI 发展太快带来的失控风险和安全问题，而且它自己的增速也有放缓的迹象。为什么它还是选择在 2026 年年内上市？另一方面，OpenAI 把上市时间推迟到了 2027 年。你怎么看这两种不同的选择？

OpenAI 就算真的想今年上市，我也不知道它是不是从公司内部准备、财务状况上达到了上市的阶段。所以我觉得一部分是他们的选择，另一部分也是它确实做不到今年上市。

但这两家公司有一点应该是一致的：大家都想做第一个上市的公司。

对。

先发优势还是非常明确的。所以我觉得 Anthropic 选择现在上市，可能确实也是因为它希望赶在 OpenAI 之前上市。而且就像你提到的，它的增速已经在放缓了，之后会不会更慢，谁也不知道。它在现在市场热度很高、公司本身发展速度也很快的阶段上市，可能是一个相对比较好的选择。

另一方面，当然，它手头现金很多，但上市也是为了融资。后续能不能持续获得更大的资金支持，对它来说也很重要。它的估值已经到了一个阶段。之前多少年都不会出现一个万亿级别的公司，但今年出现了这么多。从他们的角度，也要考虑资本市场有多少资金可以支持一个万亿级别的公司上市。Anthropic 先上市，会不会有优势？很多想投 AI 的资金会先投这家先上市的公司；等后上市的公司上市时，市场上是不是还有那么多资金可以投进去？市场上的钱也不是取之不尽、用之不竭的。

所以现在 Anthropic 事实上会先上市，对 OpenAI 来说还是带来了更多发展的不确定性。

那一定是的。这两家公司是直接竞争对手，属于同一个类别，所以先上市确实会影响市场对另一家公司的看法，也会影响资金流向。

你个人最关注招股书里披露的哪些指标和事实描述？前面你已经提到了一些，包括客户集中度、收入增速、算力支出的投入承诺等等，还有什么吗？

另外我比较关注的是企业客户留存率，以及它怎么样扩张。我们过去 11 年一直做 To B 投资，企业的留存率非常重要。还有将来 upsell 的空间在哪里，这些都是公司未来收入能不能持续增长的重要指标。

另外，大家知道 Anthropic 的龙头产品还是 coding，也就是代码业务。但现在越来越多非 coding 业务也开始贡献收入，所以我想看它是不是能够从 coding 的成功，扩展到更广泛的企业工作流程中。

3. Anthropic's Early Backers

对，正好可以补充一下。这次招股书披露了一个指标，叫净收入留存率，也就是 NRR，应该对应你刚才说的客户增购情况。这个数字是 900%。

招股书里还有一个和一级市场 VC 相关、比较有意思的信息。投资 Anthropic 的 VC 很多，但正文里反复提到的 VC 是 Spark Capital。这个机构的合伙人 Yasmin Razavi 也是董事会里唯一的 VC 代表。你可以和听友简单介绍一下，这是一个什么机构？为什么它在这家公司里看起来比较重要？

Spark 是我很喜欢的一个基金。去年我还和它的一位合伙人一起参加过一个活动上的 panel，当时他们提到了 Anthropic 这个案例。我当时讲的可能是 SpaceX。它们的共同点是，投资人在公司相对早期的时候，就对公司的价值有很强的认可，而且长期持有、不停加注。

Spark 大概是在 2005 年、2006 年左右成立的，在硅谷有 20 多年了。之前投过 Coinbase、Twitter。对 Anthropic 的投资，不只是投中了一个高速增长的公司；更重要的是，他们投资的时候，市场还没有形成共识。Yasmin 作为 Spark 的合伙人，也是 Anthropic 的董事，一直在支持公司，也持续在董事会上发挥比较大的影响力。

另外我也想稍微解释一下，大家在 S-1 里看到 Spark 经常出现，也是因为她的董事身份需要披露。这不是说她贡献不大，她的贡献当然很大；但大家看 S-1，不能因为某个名字出现次数多，就认为这个人的贡献最大，也不能根据文件里提及的次数来排名，还要考虑其他因素。

对，我补充一下。他们是在 2023 年 5 月投的。那个时间点，ChatGPT 刚刚引起全球热潮没多久，Anthropic 肯定是一个非共识的选择，当时估值也比较低，大概是 45 亿美元。Dario 也说过，Yasmin 在战略上推动团队把 coding 市场作为重点。我觉得可能也是这个原因，所以她一直在董事会上。

你说得很对。2023 年，OpenAI 和 ChatGPT 受到全球关注，ChatGPT 成了一个全球现象。那个时候市场不一定有共识，觉得还容得下第二家前沿模型公司。

而且 Anthropic 很早就提出安全的重要性，但那时 AI 安全也不是核心优先事项。从这个角度来说，他们当时确实投得比较早。我记得在那之前还有一轮，估值大概是 30 亿美元。Anthropic 最早融资的时候并不是很顺利，后来大家比较熟悉它的时候，才到了高速发展、高速融资的阶段。

我觉得它的历史很有意思的一点是，早期还拿过 FTX 创始人 SBF 的钱，应该是 FTX 公司的钱吧？

对。

它那个时候很不好融资吗？所以会有币圈资本来支持？

还有另一个背景：SBF 他们那一帮人有个小团体，当时小团体内部也在互相支持。所以我觉得他倒不是故意去拿币圈的钱，而是因为 SBF 正好是他们那个利他小团体里的重要成员之一。

他现在应该还在服刑，这说起来也非常戏剧性。因为当时 FTX 破产了，他们在 Anthropic 的股权应该被用来偿债了，他没有拿到现在的收益。

对。当时他在 Anthropic 的股权很多都是拍卖的，也有一些投资人以相对打折的价格买了下来，相当于是一个清算过程。我记得之前大家讨论过，如果当时没有暴雷，SBF 在 Anthropic 的投资，现在完全可以覆盖他当时需要赔掉的那些资金。所以很多时候你会发现，市场时机和整个市场的运转都很有意思。

Anthropic 什么时候才成为主流共识里特别好、特别值得投资的公司？

2023 年的时候，我们刚才提到，市场还在想有没有空间容纳第二家模型公司。但 Anthropic 当时已经开始获得一些战略资本支持。我记得 Google、Amazon 以及其他战略投资者都是在那个阶段投资的。

这些战略投资，一方面当然是为了布局更多样化的模型；另一方面，他们也不希望市场上只有 OpenAI 一家，希望打造一个更多元、更有竞争性的市场。对这些大企业来说，这也有利于它们提升自身 AI 能力，是一种战略布局。

但那个时候整个资本圈还没有形成共识。到了 2024、2025 年，Claude 的技术能力基本上得到了很强的认可，尤其是代码能力、复杂推理和上下文能力。它从一开始就强调安全，也把安全放在技术层面的优先位置，这让它在企业部署层面赢得了很强的信任和口碑。企业会觉得和它合作，在内部更容易获得接受。

再加上你刚才提到的一个重要战略选择，就是 coding 产品线。我觉得 2024、2025 年，它的技术能力得到了比较大的认可，企业级定位也比较清楚。那时大家基本上会觉得，OpenAI 更多走 To C，服务 C 端客户；Anthropic 更多走企业客户。

今年 1 月，coding 带来了商业化上最重要的转折。AI coding 证明，前沿模型可以直接参与一个高价值应用场景，而不只是单纯提供信息。早期 ChatGPT 用来智能搜索、搜索信息、回答问题；AI coding 则让人发现，它确实是很高效的生产力工具。

我们经常讲什么时候才是 AGI。我记得之前听过李开复老师的一个定义，我一直很喜欢：什么时候 AI 可以做人 90% 的工作，并且比 90% 的人做得好？如果把范围拉小一点，我觉得各种 AI 智能体接近 AGI 的时刻，就是它至少能在针对的应用场景里完成 90% 以上的工作，而且做得比 90% 以上的人好。现在看到的智能体里，唯一达到这个标准的就是 AI coding。

4. Why Anthropic Chose Enterprise

回顾这个历程，Anthropic 在战略和行为上有一个特点：它没有在 C 端做特别大的投入。这和 OpenAI 的做法形成了对比。不同阶段，大家对这件事的解读不一样。C 端用户增长非常快的时候，大家会说 Anthropic 不做 C 端，可能是缺失了一部分，因为没有积累这方面的能力；但在它的 coding 和企业客户表现很好时，大家又会说它的战略很好、非常聚焦。长期来看，你怎么看它的做法？它做的事情相对更少。

我回答这个问题当然有自己的倾向性，因为过去 11 年我只投 To B，从来不投 To C。我一开始看 Anthropic 和 OpenAI 的时候比较偏向 Anthropic，也是因为这个原因。我非常看好 To B 市场。

美国 To B 市场的优越性和成熟度也是一个特点。我个人还是觉得，这是 Anthropic 非常正确的战略选择。尤其是它不是市面上第一家 AI 模型公司，而是第二家，所以它可以把有限资源集中在高价值的企业需求上。

C 端需求的问题是非常发散，每个人的需求都不一样，要求又比较高，同时用户的反馈信息也不是结构化的。每个人的想法都不一样，人很难预判。企业需求相对结构化。不同企业的工作流程虽然不一样，但内部都有很好的结构化体系。这让你在设计产品、获得反馈的过程中，能拿到质量更高、也更一致的信息。在资源有限的情况下，这些对产品优化很有帮助。

另外，C 端用户增长很快，但我记得 ChatGPT 在北美的付费用户比例，上次看的时候大概是 5%，应该不超过 10%。企业客户不一样，他们有明确的付费能力，使用强度也很高，会持续使用并提供真实世界的反馈。

大家经常会讲，怎么样让 AI 产品变得更好。我们现在可能已经有共识：首先要有高质量的训练数据；其次，要在用户使用过程中获得高质量的反馈数据；第三，AI 产品在被使用的过程中，能不能持续生成高质量的数据。如果这三种数据都有，对 AI 产品持续优化和成长都非常有价值，不只是刚开始训练用的数据。企业客户正好在这三方面都有优势。

另外，它的应用场景相对有限，不会有那么多发散的使用方式。产品的可靠度和准确率也会更有保障。尤其是 coding 这样的场景，很容易衡量产品的 ROI：给我带来了多少价值？将来怎么收费、怎么定价也更清楚。

消费端当然有用户规模大的好处，但也有很多其他挑战。我一直很看好 To B，也坚定地只投 To B。我不觉得 To B 公司一定要在 To C 层面有布局，也不觉得 Anthropic 需要在所有市场都和 OpenAI 竞争。

未来 personal agent 的发展，确实可能让消费者入口越来越重要。企业端会不会也有类似发展，让它变得更加分散、分布式？我觉得有可能。尤其在 agent 的语境下，你会发现 OpenAI、Google、Apple 都在强化自己的消费端入口优势。但如果 Anthropic 通过企业 API 和第三方触及用户，也可以触及这部分 C 端用户的信息，只是入口优势没有那么强。这个市场足够大，也足够多样化，不会只容纳一家企业，还会容纳多家企业多样化发展。

5. What Comes After Coding

前面我们反复提到，它现在的增长是 coding 带来的。从数据闭环、一致性、强反馈等角度来说，coding 是一个非常好的市场。大家也开始关注 coding 之后是什么。

Anthropic 三季度的收入和二季度相比，环比收入增速已经下滑比较多。面对这种情况，你看到的下一个能媲美 coding 这种规模和爆发速度的场景可能是什么？

我觉得不一定会再有一个单项产品，像 coding 一样强势、增长这么快。但 Anthropic 现在应该强化整体的企业级平台，让自己不只是模型供应商，而是成为企业 agent 工作流程里最主要的基础设施提供方。

你看现在 Claude Cowork，企业用得很多，我们自己内部也用 Cowork。这是它的一个探索。如果 Cowork 通过 MCP 和各种软件连接起来，就会形成一个中台效应。如果所有工作流程的入口都从 Claude Cowork 走，对它未来强化企业平台、提升整个流程都非常重要。

你说到这个，我觉得有个数据可以补充。这次招股书把订阅收入和按量消耗的收入，也就是 API 收入，分成了两个部分，可以按半年看到不同构成。

我粗浅地理解，按量消耗的收入里应该大部分偏纯粹的编程需求，因为程序员比较习惯这种用法。订阅收入则有很多更广泛的知识工作者，因为不编程的人可能更喜欢订一个账号、每月付钱来使用。

如果按半年拆开看，Claude 的订阅收入增速高于按量收入增速。按量收入 2026 年上半年同比增长 1,200%，订阅收入 2026 年上半年同比增长 1,690%，接近 1,700%。这可能是一个向好的数据，也许有更多非程序员的知识工作者在用 Claude。

当然也有另一种解读：年中 Claude 没有改变收费政策之前，订阅方式更划算，所以订阅增长更快。现在 Claude 对企业客户的新政策是，企业规模超过 150 人，就不能走订阅，只能按量付费。

我们之后可以观察，它会不会直接披露编程用户和非编程用户，也就是更偏企业办公平台用户的比例。现在还没有这个官方数字。

我也想请你分享一下身边的案例。比如你们的被投企业，以及你们接触的很多大企业 CIO。这些大企业比较典型，因为很多具体岗位不是编程岗位。这些人怎么用 Claude 和 AI 办公产品？他们觉得实际回报怎么样？

6. How Enterprises Adopt AI

现在我觉得要理解，AI 有两个阶段。一个叫 AI 植入，能够完成 business automation，也就是商业自动化；另一个是 business optimization，也就是商业优化。

自动化更多是提升效能、优化工作流程，可能降低成本。降本增效能让大家看到 AI 的优势，但不一定能直接在财务报表上体现出来。另一方面，优化涉及的是能不能更好地提升公司收入。所以企业内部不同部门使用 AI，有些处在自动化阶段，有些处在优化阶段，看到的 ROI 也不太一样。

我们和《财富》500 强企业沟通非常多。你知道，我们从 2018 年开始建立 Fusion CXO 网络。当时有一位合伙人加入，他以前也是惠普的全球 CTO，还一直在做美洲的一些工作，这几年也做了好几届美国总统顾问。我们一起建立了这个网络，现在有 40 多位、接近 50 位《财富》500 强企业的 CTO。里面很多人不只是 CTO，还有首席 AI 官，也就是 Chief AI Officer。

有几点比较有意思。很多公司过去半年开始设置首席 AI 官这个职位，这个职位的影响范围和战略范围也越来越大。有些公司虽然没设这个职位，但有技术背景的 CTO 也开始承担这个职能。

我一个很强烈的感受是，过去一两年，尤其是过去这一年，也就是 2026 年，我们 CXO 网络里的成员找我的频次非常高。以前我们每季度聚一次，现在他们经常在董事会留一段时间让我进去分享，有时整个 C-level 团队也会和我交流。因为他们现在非常迫切地要建立针对企业内部不同工作流程、不同战略价值的 AI 战略和数据战略，这对他们非常重要。

嗯。

这不只是科技行业。我举个例子，前一段时间我们做了一份针对制药行业的调研报告，和全球排名前 20 的制药企业基本都聊过。聊完发现，60% 到 70% 的企业把 AI 放在内部战略优先级的第一位，整合 AI 企业的速度也非常快。

今年年初大家可能也听到新闻，比如礼来和英伟达宣布了几十亿美元的合作。后来 Merck 和 Google 的 Gemini 也宣布了一个比较大的合作。只要一个行业有一家企业开始行动，剩下几家追上的速度就很快。

美国有一家非常知名的银行，我从他们的首席 AI 官那里听说，他们今年的 AI 预算已经达到 100 多亿美元。它是一家银行，却有这么大的 AI 预算，这让人非常惊讶。

现在《财富》500 强企业 AI 整合和使用的渗透率还比较低。比如我也投很多 AI 医疗，这个行业现在 AI 渗透率可能还不到 5% 到 6%，不到 10% 是肯定的。金融、保险行业也还在初始阶段、刚刚起步。但它们现在已经把 AI 放在很高的优先级，企业正在储备预算，未来增长空间也非常大。

很多《财富》500 强企业会先在一个部门、一个团队或一个特定业务场景使用，然后从试点场景或团队扩展到全公司，再从个人工具扩展到企业级智能体平台。刚开始可能代码层面的应用比较多，之后会扩展到软件维护、测试、安全，再到产品、数据，以及其他和技术相关或不相关的团队，销售、客服团队也都可以逐步植入 AI。

这个逐步扩大的速度是合理的。早期基数比较小，后面翻倍就容易。但大家也要对《财富》500 强企业植入 AI 的整体时间有合理预期。大家总觉得 AI 进来之后可以直接做优化，但为什么我刚才说有两个阶段？大部分产业和企业并不想、也不能马上改变工作流程。

在科技领域，我们会觉得应该马上打破旧流程，再重新建立。但你去问保险公司，想不想自己建一套 CRM，他们会说不想，只想继续用现在的。你给我一个智能体，让它用现在的软件就可以。即使使用智能体，他们也希望它继续使用现有的软件，而不是从头给他们编一套新的。

所以 AI 初步嵌入企业，尤其是大规模嵌入，一定还是要先进入现有工作流程。这一步完成之后，才是我们说的优化。在优化过程中，可能会实现更大规模的 AI 原生能力。但第一步可能就需要 3 到 5 年，第二步可能还需要更长时间。并不是说明年一年，整个产业和经济体就突然被 AI 赋能了，可能还需要几年逐步推广。

还有一些核心问题要解决，比如 AI 监管。企业级应用很重要的一点是，你对 AI 安全有没有监管？甚至先不要提监管、不要提安全，先问你有没有透明度。作为公司 CEO，你知不知道公司员工用了多少 AI 工具，这些工具触及了哪些核心数据？你对这些有没有基本认知？如果这些都没有，就更不要谈 AI 安全了。

嗯。

这些都是未来要解决的问题，还有成本问题。为什么很多大公司开始使用开源？因为闭源模型太贵了。我看到过一家咨询公司提到，有一家不能说名字的大企业，在大概一个月时间内，Anthropic Claude 的账单突然达到几亿美元，接近 5 亿美元。这对他们 CFO 来说非常震惊。这个数字肯定不可持续，所以他们要开始查为什么用了这么多、怎么样控制。

各大科技公司现在也都开始限制员工了。刚开始是鼓励大家用更多 token，现在开始限制你不能用太多。这是一个很有意思的市场变化周期。

你刚才说到，一些《财富》500 强企业，也就是非科技行业的企业，已经有很高的 AI 预算。这是因为它们已经从之前的使用中看到 AI 能帮忙降本或者带来新收入，还是说它们正在更大规模地试用？

现在还是在试用的过程。我觉得企业逐渐开始形成共识。前几年，每家公司，尤其是非科技行业公司，对 AI 战略和时机都有不同想法。但我觉得今年所有产业都形成了共识：AI 绝对是未来。

而且它们想到的不是有一家初创企业来和自己竞争，而是业内竞争。如果我不用 AI，竞争对手用了 AI，我可能就会被它吞掉，它的市场占有率也可能更高。

AI 的核心之一是降本增效和赋能，让更少、更核心、高能量、高质量的团队做更多工作。从市场角度看也是一样。以前可能 80% 的市场由 30 家公司占有，未来很可能 80% 的市场只有 5 家或 7 家公司占有，因为这几家公司通过 AI 植入，大规模提升了内部的产品能力和对外服务客户的能力。这几十家公司都会想，我能不能成为最后的 5 家或 8 家？竞争对手开始行动时，我是不是也要快速行动？

所以你会发现，只要一个行业有一家企业开始大规模部署 AI，其他企业跟上的速度就很快。美国还有个特点：大家关注比较多的是上市企业，但美国也有很多大型非上市企业，它们的行动速度很快。我和一些非常知名的大型家族企业、非上市企业交流时发现，它们几年前就已经在 AI、自动化、机器人等领域投入了几十亿美元。

嗯。

它们的好处是非上市企业，董事会相对比较小，不需要担心股价，手里现金又很多，所以 AI 投资和部署的灵活度很高。

这也是为什么我们一直投 To B、看好 To B。过去几年，尤其是 AI To B 这波浪潮里，我们看到了非常巨大的机会，我们自己的企业增长速度也很快，因为它们都是做 To B 的。

我们今年这一年真的非常累。

嗯。

但一边累，一边又很高兴，因为觉得市场到了一个很成熟的阶段。以前大家可能只是在拼算力、想办法把模型能力推到最好，但模型能力做到最好，毕竟还没有在产业里体现价值。现在到了一个产业体现价值的阶段，大家开始用它了，这真的是未来市场的巨大机会。

我觉得整体规模很大，这件事比较确定。不太确定、或者比较难判断的是节奏。

对。

7. Beyond Coding's Fast Start

coding 的爆发节奏非常快。我觉得从 2025 年开始，比如 Cursor 那时候，到 2026 年，现在中美这些比较大的经济体里，很多程序员已经把特别多工作交给 coding agent 了。

对。

但其他类型的知识工作，比如金融、法律、医疗，还有各种更细的分类，扩散速度会有多快？如果速度不够，会不会导致市场未来几年有起伏和波折？

会。所以我刚才才说，大家要有合理、理性的预判和预估。coding 有几个比较明确的特点。第一，它毕竟是科技行业，科技行业使用 AI 的速度比较快，植入新技术的速度也很快；同时它是高频应用场景。

嗯。

对吧？

对。

它是高频次的应用场景，任务价值又非常高，因为 coding 的过程直接产生产品，结果验证的速度也很快。当然，像我刚才提到的，AI coding 可以直接完成任务，而不只是给你一个建议。

嗯。

但你刚才提到的法务、金融，很多东西都不能马上验证结果，本身不是一个直接产出结果的应用场景。有时候，比如法律层面上，你也不能直接用 AI 替代律师，可能还是用 AI 提供意见。医疗、金融等等都有很多不同场景，所以它们和 coding 非常不一样。

我们不希望大家预期所有行业都像 coding 一样快速爆发，而是要合理预估、预判每个工作流程。比如企业后台的工作流程，有很多地方可以通过 AI 自动化。你刚才提到财务，财务从数据收集、整合到报告，都需要很多细节和大量数据分析整合，AI 其实可以做得很好。

企业后台还有合规、运营、企业级服务销售、采购、库存管理等等，都可以用 AI 做很好的自动化流程管理。

嗯。

另外，企业拥有大量数据，这些数据本身也是资产。2019 年我记得去过中东的未来投资倡议大会 FII，也就是“沙漠中的达沃斯”。当时我参加一个 panel，说未来每个人、每个企业最重要的资产就是数据资产，因为数据资产的价值最高，增长速度也最快。2019 年到现在已经 7 年了，大企业终于意识到数据资产的重要性。

所以它们现在做很多 AI 战略，核心之一也是数据战略：怎么样让自己的数据变得可用？我有这么多有价值的资产，但它们现在还不可用，怎么样把它们整合、清洗，变成一个高质量、可以用于 AI 训练的数据库？我觉得这是现在企业意识到的一点。

所以它们不只是想试用 AI 产品，也意识到在 AI 时代，自己拥有很多有价值的数据资产，而这些正是 AI 需要的。你看现在很多 AI 模型公司，比如 Anthropic、OpenAI，花销最大的方向之一也是买数据。所以数据拥有方，尤其是高质量企业级数据的拥有方，还是这些大企业和传统企业。

你刚才说到了几个方向。我们可以跳开 Anthropic，把大模型公司和各种新创业公司都算上。你觉得哪些场景可能比较快，或者相对容易用 AI 带来比较大的改变？

我觉得刚才提到的企业后台智能体应该相对比较快。从某种程度上来说，各个企业后台的需求一致性比较强，也比较标准化。

我知道有一个市场大家不一定特别看好，但我个人蛮看好，就是医疗。医疗在美国占 GDP 将近 20%，而且医疗领域的数据质量都很高，数据量也很大，应用场景又很多样。同时，由于医疗行业自身系统的问题，你会发现它很多工作流程的标准化程度还是比较高的。

如果公司能把医疗所需要的数据敏感性、AI 监管以及其他特定功能整合好，我觉得 AI 在医疗行业里的推进速度会比大家想象的快很多。

嗯。

我自己之前做医疗 AI，又投 AI 医疗投了十多年，非常看好这个方向。今年无论是药厂还是医疗机构，都非常公开地在谈 AI 愿景。我也在美国一家规模比较大的非营利医疗机构的董事会任职，这家机构叫 CommonSpirit Health Foundation。5 月份，他们的 CTO 跟我说，他们上千家医院和诊所可能要开始部署一些 AI 智能体。

你想，它的体量这么大，一旦开始部署，就会产生真实世界反馈，整个流程走下来，我觉得还有很大的快速增长空间。

他们部署的医疗智能体，来自 Anthropic 这一类通用模型公司，还是来自这个领域的专门公司？

这个问题很好。我们当然是投初创企业的，也不希望整个市场被一家独占。

嗯。

现在确实能看到，像我刚才提到的医疗行业，用的很多也是初创企业的解决方案。还有一些大一点的机构，可能会在内部部署本地化的开源模型。

这也是为什么英伟达在大力推动开源生态。它希望大部分客户，尤其是高监管行业的客户，可以通过部署开源模型，更快地把 AI 植入工作流程。你看英伟达不仅开放权重，甚至开放数据，是真正在做开源，因为它想推动企业加速部署。

嗯。

如果没有开源，对很多敏感数据来说，尤其医疗和金融这类高监管行业，问题不是它想不想用，而是把所有数据传到云端确实有法律风险。有些数据必须留在本地，那怎么办？当然要用本地化的小模型。

这种市场需求也创造了各种各样的初创企业机会。我们投了很多 AI 医疗公司，你会发现它们的核心都是小模型、本地化部署，以及直接整合到产品层面的 AI 监管和数据隐私功能。

说到这个话题，我觉得有个有意思的讨论。coding 之后，企业办公的更多细分场景，以及医疗、金融、法律这些高价值垂直场景，机会更偏向谁？

Anthropic 和 OpenAI 肯定都想做这些方向，今年也能看到它们在法律、医疗方面都有投入。

对。

另一方面，我在想，这些场景的分散程度和发展速度，以及每个单独场景的规模，可能还是比它们已经进入的 coding 领域，在爆发节奏和规模上有一定差距。这有可能导致模型公司做了一个更大的东西之后，反而更难做那些更细、更小的东西，可能会有更多创业机会。

对，是的。所以我觉得今年是创业非常好的一年。就像我刚才提到的，大方向是大家现在不只是单纯追求模型能力，而是非常实际地推动大企业在产业里大规模部署 AI。

我们要看过去的 AI 基础设施是以什么为目标来优化和搭建的：就是建一个模型能力最强的 AI。但现在优先级变了，基础设施也要转向怎么样降低成本、降低推理成本、降低每个任务的推理成本。

还有一个变化。以前算力需求更集中在训练里，80% 的算力消耗都在 training。但未来大家看到，80% 的算力消耗会在 inference，也就是推理阶段。怎么样降低 AI 成本，不只是在训练层面重要，在推理层面甚至更重要。推理也和企业本地化部署息息相关。这是一个新的创新机会：怎么样重新设计、搭建 AI 基础设施，满足新一代 AI 整体化、大规模部署的需求？

还有一点，以前使用 AI 是被动的：你使用产品，产品给你一个答案，就像用 ChatGPT 一样。但现在 agent 是主动的，会主动调用并完成工作。这种主动和被动形式的变化也很有意思。

另外，今天还有一个很重要的话题，就是从语言模型到 physical AI。这也是一个非常大的技术方向。语言模型一开始是大语言模型，之后才讨论小模型；但 physical AI 从一开始，大家就会讨论 specialized models。为什么？因为 physical AI 的很多应用场景都涉及物理世界的设备。如果模型非常大，在当地算力和电量有限的情况下，确实运行不起来。

大家当然讨论很多 world model，世界模型很重要，也很有力，但没有讨论的是 world model 非常贵。真的运行 world model，算力和电力消耗都非常巨大。我们现在又进入一个非常实际、讲究成本的 AI 使用时代。怎么样帮助未来 physical AI 实现低成本、大规模部署，又是一个创新机会。

所以你会发现，我刚才讲的这些创新机会，初创企业都可以做，都是很好的 AI 基础设施机会。更不要说 AI 监管、AI 安全等等。

在应用层面，我刚才提到的就是高监管行业的垂直应用。OpenAI、Anthropic 想做这些，也会面临挑战：要和初创企业竞争垂直小模型吗？要和初创企业竞争，针对特定应用场景做个性化优化、开发特定产品能力吗？这对它们来说是不是最优战略？它们能跑得这么快吗？企业会把内部数据交给它们吗？

现在对初创企业来说，一个很大的优势是，很多大公司，包括我刚才提到的药厂、保险公司，愿意开始把内部数据分享给初创企业，让它们根据这些数据建立符合工作流程和应用场景的 AI 应用。它们愿意分享给初创企业，是因为觉得自己有办法控制。但它们愿意把这些数据分享给 Anthropic 或 OpenAI 吗？

对，这两家已经是大巨头了。

是。而且 Anthropic 前一段时间确实有一件事，在产业里讨论比较多，客户的反馈也不是特别正向：Anthropic 开始做 wet lab。

对，湿实验室。

对，这会让药厂觉得，你用了我所有的数据，现在反过来和我竞争，那我是不是还要继续让你拿到我的内部数据？这不只是一个行业的问题，其他行业也会想，自己将来是不是会面临同样的问题。

我后面正好有个相关的问题。前面我们在讨论，对 Anthropic 来说 coding 之后可能是什么。你提到它把企业级 agent 平台做好，是现在就能看见的一个大机会。但另一方面，很多垂直的、高监管的、有个性化需求的领域有很多创业机会，甚至底层算力基础设施也可能随之变化。我们之前也讨论过，你们投了一些推理层异构芯片公司。

说到前沿模型公司自己在做什么，我发现一个很有意思的事：它们好像还是在卯足劲做最难的事情。Anthropic 自己搞湿实验室，应该是要把发现新药做得更加完整，或者做成一个闭环。OpenAI 最近也在密集发表数学论文，一会儿解决千禧年问题，一会儿又解决各种菲尔兹奖级别的难题，还有物理问题、计算机理论问题。你怎么看前沿模型公司这方面的探索？这些事情未来一段时间能给它们带来多少商业回报？

首先说 OpenAI 投入大量资源做数学、理论科学研究，我觉得要从不同角度看。第一，这确实是测试和提高模型推理能力的一种方式。数学有一个比较明确的优势：很多问题可以通过形式化证明来验证。很多自然语言任务相对开放，但数学证明是比较明确的，对就是对，不对就是不对。这对强化学习、推理模型训练以及自动化评估都非常重要，也在推动模型推理能力的发展，是一条重要的技术路径。

我们最近正好聊了一个团队，很有意思。他们是一群数学家，自己生成了很多数据，这些数据后来被 OpenAI 这样的模型公司高价买走，因为这些公司也缺这样的数据。它对模型公司最有价值的地方，就是能用于推理能力。

另外，我觉得 AI for Science 还有一点很重要。如果模型不只是像过去的 ChatGPT 那样总结已有知识，而是能够提出问题、提出新的、可以验证的科学结果，那它产生的知识就不只是基于已有知识，而是在产生新的知识。这可能也是很多大模型公司想做 AI for Science 的原因之一，彰显 AI 的能力进入了下一层，开始逼近 AGI。

对。

这些研究能不能短期贡献收入？我觉得不一定。从商业角度来说，它们短期内应该不太能给公司带来收入。但从长期看，能不能提升模型推理能力和科学研究能力？当然非常重要，也会逐渐推动它们在技术路径上做更多探索。

你刚才还问 Anthropic 做制药这件事。我觉得一方面它确实有自己的愿景和部署，也是一个巨大市场；但另一方面，我有个不同看法：我不觉得大家需要把那么多关注都放在 AI 药物研发上。

现在药物发现已经做了很多，但要想一个现实问题：比如以前通过 AI 只能发现两三个 target，现在可以发现几百个 target，但这些 target 还不能直接变成药，还是要做临床试验。难道现在要把这几百个都拿去做临床吗？这样成本岂不是更高？整个药物研发过程中，最大的成本其实花在临床阶段。现在因为发现了更多 target，反而要花更大的资金和资源做这么多临床吗？临床之后的成功率也不一定更高。

所以我们现在看很多公司，包括我们自己投的一家公司，是用 AI 做临床试验，辅助提高临床成功率。比如用 AI 做药物发现，发现了三五百个 target，能不能再用 AI 从中选出两三个临床成功率最高的 target，然后进行临床试验，让最后的成功率至少达到 50% 到 60% 以上？我觉得这反而是对整个制药行业非常有价值的事情。

嗯。

还有一点是，可以用 AI 做很多垂直模型。我们有一家公司我个人很喜欢，它用 AI 做细胞疗法的垂直模型，也就是 vertical model for cell therapy。它做的是人体细胞的数字孪生，能用于很多不同疾病。最近它也和哥本哈根的诺和诺德这家药厂做了一个很大的合作，针对帕金森病的一个适应症。

我觉得这些都是非常好的发展方向，也非常看好。我们经常聊 AI 向善，也就是 AI for Good。AI 和医疗结合，是 AI 向善最好的探索方向之一，既有很大的经济价值，也确实能为人类创造福祉。

对。我觉得它们现在开始做的偏科学发现的领域，怎么和商业结合，可能会有很大价值。只不过这类经济活动以往离普通人比较远，所以大家感觉起来比较抽象。

不过这倒是挺符合 OpenAI 最开始给自己定的 AGI roadmap：前面是 chatbot，然后是 agent，agent 后面是创新者。它现在做的事情确实是在往那个方向发展。再往后是 organizer，也就是组织者。

嗯。

接下来想讨论一个话题。这次 Anthropic 的招股书披露了非常多算力长期投入，也引起了关于长期算力需求能否持续的讨论。

嗯。

8. AI's Compute and Competitive Shakeout

这一轮全球二级市场的大行情，主要还是由 AI 基础设施板块驱动的。我想先澄清一个事实：最近有一些和美国公司交流过的朋友提到，硅谷一些中腰部的明星独角兽面临很大的算力压力。一方面，它们为了竞争，和算力厂商、云厂商签了 3 到 5 年的长约；另一方面，它们的需求肯定又不如 OpenAI 和 Anthropic 这些最领先的公司那么大、那么确定。

所以有些公司业务发展或者需求不及预期，满足不了之前承诺的算力需求，开始打折转租算力。首先我想知道，这种现象是个别存在的吗？还是有可能成为一种群体现象？

现在确实是个别存在。但整体上，你现在无论和 Nebius、Together AI 还是 Cohere 聊，它们今年的算力基本上都已经没有了，都要等明年。现在基本上需要做模型训练、预训练、pre-training、post-training 的公司都还是缺算力。

但你说的中腰部 AI 独角兽确实有这个问题：它们基本上都要签长约，而且长约基本上 3 年起。如果公司中间出现问题，确实会有很多算力释放出来。去年已经出现过一波，我记得去年底有一段时间，市面上突然出现很多算力，但到今年年初没过多久，算力马上又紧缺了。所以这确实可能是一个周期性现象。

因为大家现在都特别缺算力，价格和合约都被推到比较高的水平。比如 SpaceX 前段时间卖算力卖得很贵，它允许初创企业签短约，不用签 3 年，但如果签 1 年，价格好像要翻一倍。这时候公司就觉得，还不如签 3 年，因为签 1 年的价格都够买 2 年了。

但我不觉得即使中腰部的独角兽或模型公司释放出所有算力，也会对市场产生挤压，因为需求还是非常巨大。另外，GPU 算力不是标准化、同质化的商品。不同 GPU、不同网络架构、不同数据中心的位置，对应的 AI 工作流程和需求都不一样。

比如现在市面上 H100 还是买得到、订得到的，但大部分公司想要的是 B300 和 H200。还有，如果你要训练模型，对数据中心的需求是大规模、高带宽、低延迟；如果是做推理，它是分布式的，就更容易分布到不同区域、不同类别的 GPU 上。

所以，虽然算力需求非常大、还会持续增长，但不代表其他公司就能直接用掉你说的这些中部独角兽公司释放出来、或者用不到的 GPU。市场一定会出现这种情况：一方面有些公司觉得算力还是不够，另一方面也会有很多闲置的 GPU。

那我觉得至少对算力层是个利好。别人用不着、释放到市场上的算力，其他客户也不见得能用上，所以还是得采购新的，可能还是得要新的算力。

对，但对一些做 GPU 买卖的企业不一定是好消息。你如果是英伟达，需求当然会一直很强；但有些公司做的其实是倒卖 GPU。旧 GPU 的计算价值可能没有那么高，你就需要大幅降价才能卖出去。

同时，大家持续需要的是新一代芯片、新一代 GPU、新一代算力。我觉得算力需求增长和算力资产价格下跌可以同时发生。整个 AI 产业消耗的计算量可能不断增加，但某一代 GPU 的租赁价格也在持续下跌。比如大家都不要 H100 了，它的价格越来越低，但同时我们消耗的算力还越来越大。

所以我觉得这是一个很有意思的现象，大家也不应该把这两种情况看成必然的因果关系。

嗯。整个交流下来，我的理解是，在你现在的视角里，AI 创业创新未来能够渗透的市场空间还是非常大的，整体状态是向好的。

除了 Anthropic 自己未来发展的机会，我们也聊到了创业领域有哪些创新公司可以做的方向。另一方面，从 Anthropic 和 OpenAI 的进展来看，尤其是在披露更详细的财务情况之后，你觉得有什么赛道可能会受到不利影响吗？

我觉得 Anthropic 已经做得比较好的领域，比如 coding，确实很难再和它竞争。另外，以前我们叫 wrapper，就是在模型层面套一个壳，直接做一些科技行业应用的公司，可能会越来越难。

模型本身能力已经很强，这时候如果只是单纯用现有模型做一个产品，很难和模型公司竞争。一方面是横向的 AI 基础设施，另一方面是纵向的 AI 应用。接下来我可能会关注更多高监管行业的 AI 应用，因为高监管本身也是准入门槛。

如果是非高监管行业，比如科技行业各种 AI 应用，我觉得初创企业竞争会越来越差。对 Anthropic、OpenAI 来说，模型即产品已经可以直接打通，尤其是科技领域的一些应用。

那你觉得对一些 To C 应用来说呢？Anthropic 最近也发布了个人 agent，或者偏个人 agent 的产品，叫 Claude。

好几年前我就有一个不太受欢迎的观点，也公开演讲过。我觉得 AI 市场非常巨大，但我们一直专注 B 端，还有一个原因：我觉得 C 端 AI 市场最终有 80% 到 90% 还是会被大模型公司或科技公司占领。

这和你刚才说的原因有关，还有一个很重要的点是 C 端数据的所有权到底在谁手里，谁能拿到最多高质量的 C 端数据。比如 Google，我几年前就公开讲过，我看好它的模型能力，尤其看好它在 C 端的用户数据质量。

嗯。

它的用户数据质量真的非常可怕，而且它不只是有用户数据，还有 distribution channel。比如 Gemini Flash，只要有 Google Chrome 浏览器就可以免费使用。这不只是意味着有几十亿用户，更意味着马上就有几十亿用户的真实使用反馈。它可以把这些反馈拿回去优化产品，这种规模和速度，一般初创企业根本没法竞争。

这就是为什么我们一直没有投 C 端 AI。我不是说 C 端 AI 产品一定做不出来，肯定还是有做得好的产品，但从整体市场机会来看，大头应该会被大型科技企业占领。当然我讲的是美国市场，中国市场和美国市场不一样。

像 Manus 这家创业公司做的 personal agent 产品，前段时间不是特别火吗？它最近在硅谷的热度有下降吗？从体感上来说呢？

现在还可以。

OK。

我觉得用的人还是蛮多的。但你想，刚开始还有很多其他产品，比如 Character.AI，刚出来的时候也很火。

很快就申请破产。

对。这种 To C 产品热度起来得很快，但后续能不能持续发展，还是要观望一段时间。你看，不只是 Meta 在做个人 agent，其他公司也会逐渐开始做。那你就会面临很多大公司竞争。

一个很简单的问题是用户的分销渠道。你确实可以马上通过 Meta 的平台触及这么多用户，下载量一下起来，也是因为它是 Meta 做的 agent。我觉得这也是初创企业需要考虑的。

OK。最后想请璐分享一个问题：你现在有什么正在思考、觉得很重要，但答案还不是很清晰的问题吗？

9. The AI Governance Question

我最近真的思考很多的一点就是 AI 监管。我们刚才提到 AI 向善，也就是 AI for Good Commission。这个礼拜二我们刚开了一个董事会会议，讨论了两个多小时。

嗯。

因为现在进入了一个非常敏感的时刻。以前你可能觉得监管是之后的话题，先部署 AI 产品，再做监管。但现在涉及 physical AI，就有一个很现实的问题：以前 AI 幻觉，给你的答案是错的，你笑一笑可能就过去了；但 physical AI 不一样。在 physical AI 的语境下，如果 AI 出现任何问题，可能会伤害人的生命，甚至造成非常巨大的事故。

你会发现，我认识的很多产业龙头企业，CTO 现在很着急地问我，AI 监管的技术解决方案是不是一定要先做好，才能大规模部署 physical AI。

嗯。

所以这也是我现在一直在思考的问题，因为它对产业整合 AI 来说太重要了。医疗也是一样，它不只是用语言模型，也会用 physical AI 模型。

AI 监管又是一个非常复杂的话题。首先要考虑未来技术发展的方向，不能只考虑现在的技术，还要考虑未来的技术。另外，它又需要跨区域、跨产业合作。最后到底是做产业独立的监管，还是跨产业的标准化监管？这些都是巨大的问题。

所以现在无论企业界、政界还是商业界，大家都比较着急，希望找到解决方案。

嗯。

所以这既是一个机会，也是一个挑战。我也希望有更多创业者、企业家和资本方关注这个方向。

好。今天非常感谢璐再次做客晚点聊。我们从 Anthropic 发布招股书聊起，聊到了 Anthropic、OpenAI 这样的前沿模型公司目前的发展状况和之后可能面临的新课题，也聊到了这个时间点，大家从之前一股劲儿把模型做得更强，到现在更关注 AI 实际能带来什么价值。这个转变也会带来很多新的创业机会。

今天非常感谢璐。我们这期节目就到这里。

好的，谢谢。

最后再总结一下这两期节目中张璐和 Rob 的观察和视角。这两位投资人最关注的都是需求端。Rob 虽然在 AI 算力层有长期持仓，但他多次提到，问题的关键在需求端，而不是供给端。如果需求接不上，供给侧的债务才是问题。由于他的投资风格比较长期，而且这一轮入局较早，我能感觉到，他在投资操作上并没有把太多注意力放在现在很多人讨论的供给端债务风险上。

显而易见的一点是，AI 未来的价值规模相对确定。编程本身就有很强的扩展性，而且 AI 还可以进入更多企业、行业和个人的经济活动之中。不确定的是节奏和过程。整体来说，我感觉 Rob 对需求接下来的节奏判断偏中性。比如他提到，亚马逊对未来两年的云增速有信心，这是一个表现。虽然不能全信，但现在就判定这是骗人的，也为时尚早。

过去一直投 To B 的张璐，正好高频接触很多企业的 CIO 和 CTO。她对需求有更多具体观察。比如她提到，现在大企业客户之间也会有竞争：如果一个行业里有一家公司有比较明确或者激进的 AI 战略，它的对手也会想更快跟进。

她认为，服务 coding 之外更多企业机会的公司不一定是前沿模型公司。未来的市场不会由几家公司独大，尤其是企业市场。AI 要更深入地进入《财富》500 强企业的流程，需要经历自动化和优化业务两个环节，时间不太可能像 coding 一样在一年内快速爆发。

不过，这对一级市场投资人其实是个好消息，说明还有很多机会不会都被 Anthropic、OpenAI 等模型巨头满足。同时，应用层和模型层的变化也会带来算力层的变化。过去的绝对重心是用大规模 GPU 集群训练最强的模型；未来，更多资源和资金也会投入推理降本、推理阶段的异构芯片架构、分布式计算、端侧计算等新的算力形式。这些地方也可能有新公司的机会。

张璐对需求的观察是中性偏积极的。各位听友对自己和身边的 AI 需求有什么直观的感受和想法？或者你发现了哪些有意思的现象和数据？欢迎在留言区一起讨论和分享你自己看到的 AI 需求前景。这也是我接触的这么多从业者都非常关心的问题。Coding 之后有什么？