闲聊8月：AI 和机器人改变世界，这钱你出？ - 马克汤｜财搭子AI

今天录制的时间是 2026 年 9 月 4 日。8 月刚刚过去，资本市场也从 7 月份非常大的波动中慢慢恢复了，好像没有继续进一步下跌。但同一时间，这种反复的、像绞肉机一样的行情，还是让很多投资人觉得非常难受——当然，也可能他们并不难受，因为 8 月都去过暑假了。

我们今天就来回顾一下 8 月发生的很多事情，包括新模型的发布，以及美国市场对于 AI 是否是泡沫的激烈讨论。大家会怀疑，coding 之后是不是已经没有新的应用场景了，AI 泡沫是不是马上就要破裂；还有英伟达找人借钱、组银团、贷款、影子银行之类的说法，也都非常热闹。

所以今天我们找到了老朋友马克汤，一期一会，每月来复盘一下这个月资本市场，尤其是科技投资圈发生了什么变化。我们会讨论英伟达、Michael Burry 的大空头，以及 Anthropic 能给我们什么启发，也可能会聊到国债、日元，甚至中期选举。这是一个关于 8 月的大杂烩。如果过去一个月你没有看新闻，不知道发生了什么事情，那今天就是你要好好听的时候。

谢谢 Raymond。我是来自财大 ZAI 的马克汤，刚从霞慕尼的山里回来，在山里面待了一个礼拜，完全远离 AI、科技和财经。

很多听众可能不知道霞慕尼是哪里。霞慕尼是在法国阿尔卑斯山脉下面的一个小镇，我是过去参加 UTMB 越野跑世界总决赛的。山里面做了一个礼拜的野人之后，我有了很多新的思考。回来的这一周，我也在疯狂补习之前发生过的一些事情，并且持续做一些思考和分析。

今天想跟大家持续聊一聊，8 月份到底发生了什么，接下来我们应该关注什么。

你在山里面的时候有网吗？

有网。那是一个基础设施非常健全的小镇，即使在山顶上也有网。

所以你在山里面有网的时候，每天也能看到这些非常夸张的大事。你觉得上个月，也就是 8 月份，最震惊或者最难忘的事情是什么？

1. 市场反弹仍未反转

其实 7 月份的时候我就做过一些复盘。7 月整个市场下杀得非常严重，尤其是全球 AI 科技的硬科技产业链。8 月份整体的市场情绪出现了复苏，但大家依然有恐慌、犹豫、担心和害怕的情绪。

虽然行情回来了一点，但是情绪并没有完全恢复。后面大家就看英伟达财报的节奏，好像给市场注入了一针新的镇定剂，但它是镇定剂，不是强心剂，完全不是强心剂。而且这针镇定剂的效果也并不明显，因为财报发布之后股价涨了一波，马上又跌了回去，所以并不是一个持续性更强的行情。

这件事从 7 月可以一直说到 8 月：到底是反弹，还是反转？很多人觉得这还是反弹，我感觉持这种态度的人越来越多了，接下来进一步下杀也没有什么好奇怪的。

尤其是这些股价处于高位的大公司 CEO，你明显能看出大家都很着急。他们尝试搞出一些新的叙事，或者给出更高的未来指引，来鼓动市场情绪，说这个事情远没有到最后的结局，大家依然欣欣向荣，一切都特别好，everything’s good。

但某种程度上，你能看出这个过程中有些地方好像不太对劲。

比如说，你觉得哪里不对劲？

2. 循环借贷押注芯片需求

我觉得英伟达的循环借贷，就是在尝试通过信用的方式，把对产品、对真正 AI 的需求再前置一把。它就像在抽着那匹马往前跑：产品需求可能还没有到那里，但它硬要把这件事情再加速一把。

因为大家现在已经不再满足于每年增长 50%、80%，或者直接翻倍了。现在市场要关注的是你的二阶导是不是持续变高。如果二阶导开始趋于平缓，包括我们后面可能会聊到的几个大厂商的 ARR 数据，市场情绪马上就会下来。

我觉得这很有意思。先补充一下，英伟达的财报成绩其实还是很不错的，对于明年的 guidance 也很好，这一点毋庸置疑。英伟达肯定不是投资建议，但它确实是一家比较稳健的公司。

不过，它最近的一些操作比较特别。英伟达拉了很多人借钱，同时也有一部分循环借贷，这两个事情是分开的。它找了很多华尔街比较大的投资机构，比如 BlackRock、Brookfield、Goldman Sachs、KKR，让大家一起做这样的借贷。

这个融资的逻辑是，拉着很多有钱的金主一起投资数据中心，把数据中心变成一种类似房子的资产商品。比如今天我在上海收了很多楼，把它们打包成一个 REITs，每年有 5% 或者 8% 的回报，再把这些现金流打包上市。

现在它的情况就是，把所有数据中心打包在一起，然后找这些金主拿钱。貌似听下来，很多人都愿意给，大家还是比较乐观的。

对，这是什么原因？你当时有预料到它会这么成功吗？

我觉得现在大家主要还是在搬运老黄的那些说法。

第一，需求还在那里。我们看到每个月、甚至每周，从 OpenRouter 上的 token 使用量等各种数据来看，整体用量都还处在激增状态。

当然，我们一会儿会详细聊。我认为 token 使用量增加，并不一定代表最后的经济效益也在增加，这是两回事。Token 可能跑得越来越多，但也可能是免费 token，或者是更便宜的 token。所谓的“杰文斯悖论”，就是这个月大家催生出来讨论的一些话题。

另外一方面，老黄说这个卡有残值效应。比如说我给 CoreWeave 去用，最后倒闭了，然后这张卡就没用了；他说这张卡你还能拿出来，别的数据中心也可以用。它是高度流动的资产，而且具备很长时间的使用价值。

比如他说，8 年前的 A100，现在还能租出 5 年的长期租约。这张卡就是这么强，维护得又好，长期使用价值高，使用时间长，跨期也长。这是不是就意味着它有非常好的残值？

你原来做固定资产损益的时候，每年都要摊薄固定资产投资，最后会到一个终值。但现在你会发现，这个终值好像还能延续下去，这就是目前的一整套叙事。

从整个 AI 大环境的终局思维去想，它还是一个欣欣向荣的行业。所以这么多顶尖投资机构，依然愿意参与这个游戏。

我当时看到的时候，第一反应是惊讶：这么多投资机构都非常愿意支持。当然，也可能是不支持的投资机构没有出来。

还有英伟达做担保这件事，我觉得也有点离谱，或者至少有点巧妙。因为很多说法其实并不特别确定，最后大家好像就是听老黄一句话，感觉英伟达这个牌子已经压上去了。但如果真的发生问题，最后能不能把钱收回来，也不一定，这里面有很多争议。

这两天我看到一个观点，觉得特别有意思。老黄之前公开讨论过，如果一家公司破产、违约，或者出现其他问题，它的卡可以作为残值，卖给别的数据中心。

如果只是单点出现问题，这个说法完全可以自圆其说。我也非常相信 H100、GB300，或者后面下一代产品的市场流动性会非常高，这没有问题。

但怕就怕，这件事不是出现在单点违约上。单点为什么会出问题？肯定是行业整体出现了问题，才会出现 CoreWeave、Nebius 开始爆雷的情况。

如果整个行业的需求被证伪，那它就变成一个行业事件。这个时候就像债券违约一样，出现巨大金融危机时，你别管是债券还是股票，做了怎样的股债配置，好像做了分散化处理，但一旦出现系统性风险，所有东西都会下杀。

放到老黄这件事上也是一样。如果只有一家公司违约，可能没有问题；但很可能一家公司的违约，恰恰意味着整个行业出现危机，芯片残值本身也会猛烈下降。那个时候就是全行业的系统性风险。

我补充两点。

第一，只要供大于求 3% 或者 5%，就足够让整个市场的价格跌一半，大概是这个意思。供过于求只要出现一点点，整个价格就会下来。

我不知道当时那个数据有没有什么具体依据或者测算，但我觉得很有意思。正常情况下也是这样：边际卖家只要多卖一个，价格就会不断往下掉。这和现在反过来的供不应求是一样的，只要多一个人需要，价格就可能翻倍。

存储就是这样。缺口可能只有 5% 或者 10%，但它就能让价格翻倍、三倍，甚至更高，因为确实非常需要。

第二点要讲的是单点泡沫破裂、单点问题和全局问题。我觉得我们的听众应该非常有经验。

就像中国房地产市场，某个人急着卖房，说我要移民、要看病，或者要解决孩子上学的问题，房价当时就跌了 20% 或 30%。所有中介冲上来说：“今天晚上这套房子就没了，赶快买。”你可能会觉得这只是单点问题，但过了一年才发现，它其实是集体事件的一部分。

或者一家房地产公司倒了，有人来收购，说这栋楼、这块地的残值我全都拿走，这是可以的，属于单点问题。可如果是过去几年那种房地产行业整体出问题，就很麻烦了。它不是挡住一个小缺口，而是大坝直接倒了，洪水会全部泄出来。

3. Burry质疑芯片折旧

这个说法的始作俑者，或者说最大的声音，还是 Michael Burry。简单介绍一下 Michael Burry：他是华尔街非常有名的大空头。他之前有一部电影叫《大空头》（The Big Short），电影讲的就是他。原著作者 Michael Lewis，是美国非常出名的财经作者。

很少有基金经理会有一部电影专门描述自己，除非是《华尔街之狼》这种，但那里面的人也不算真正意义上的基金经理。一个真实存在、还活着的基金经理有电影拍他，还是很少见的。

Michael Burry 是一个非常喜欢看空的人。在他过去几十年的历史中，看空的时间远远多过看多。显然，除了 2008 年那次大的判断之外，其他很多次都没有做对。

我觉得《大空头》之所以受欢迎，可能是因为很多人对于华尔街的贪得无厌，以及 2008 年金融危机的始作俑者，有一些主观判断和情感。这个电影刚好迎合了很多主流媒体和民众的意见，所以电影很火，这个基金经理也因此很火。

他过去两年一直在说大空头的事情，说 AI 泡沫马上要破裂。他应该从前年或者去年开始做空英伟达和 Palantir，具体时间表我已经记不清了，因为他一直在说做空，至少是一年多以前就开始了。

他自己的基金现在应该已经很小了，注销之前的 AUM 大概是 1.5 亿美元。相对美国基金经理的规模来说，应该算比较小的基金。

我不能说他的收入主要来自这个，因为他可能靠做空赚了很多钱，我也不知道。但他的一个重要收入来源是 Substack，叫作 Cassandra Unchained，有 30 多万付费用户，一年订阅费 300 多美元，接近 400 美元。

也就是说，他每年靠写 newsletter、写邮件，能赚到 1 亿美元。大 V 的影响力真的太厉害了，我非常羡慕有人靠写邮件就能写出 1,000 万美元。

他的核心控诉有两个。

第一，现在的循环借贷很厉害，所以循环借贷一定会崩，一旦崩了就会非常可怕。这件事他有一手经验，因为他在 2007、2008 年做空房地产、买 CDS，当时非常成功，所以他认为这套东西维持不住。

第二，他认为很多公司的折旧有问题，普遍认为科技公司的折旧都是在做假账。

他的逻辑是这样的：如果今天买了一块芯片，不管是 A100 还是 Vera Rubin，12 个月之后很可能就会推出下一代芯片，而且下一代芯片比上一代更好。所以，前一代理论上应该接近作废，或者进入不能使用的状态。

这就有点像 iPhone。我们买了 iPhone X，iPhone 11 出来的时候，iPhone X 会瞬间贬值很多，在二手平台上的价格也是这么走的。等到 iPhone 15、18、20 出来的时候，iPhone X 就完全不值钱了，贬值速度非常快。

他的定义是：芯片是电子产品，不是生产资料。所以那些把折旧年限定为 4 年、5 年、6 年的人，都是在做财务造假，因为这些东西应该被直接 write off。

刚才你也说了最重要的一点：8 年前的 A100 现在还在用，甚至还在涨价。它的价格非常坚挺，包括租价和买价都很坚挺，而且流动性很好，不是只有一两个人在交易，而是很多人在交易。

这个过程是因为顶级的卡，尤其适合训练，特别是预训练，对它的需求非常高。

但我们现在也知道，越来越多的 token 消耗从训练转到了用户使用时的推理。推理对于顶级卡的需求没有那么高，当然，用顶级卡跑肯定是最好的：TCO 成本低，速度快，每秒生成的 token 多，支持并发的能力强，网络效果也好。

但这不妨碍老卡继续做大量普通任务。现在的 Codex、Claude，也会给用户推出 standard、fast mode 和 ultra-fast mode。它们底层其实就是用不同的卡做性能优化，或者控制并发量。

同一张卡只服务一个请求时，速度会非常快；如果同时进来 7、8 个，甚至 100 个请求，它也能运行，只是每个请求会慢一些。这就意味着老卡在当前数据中心的实际使用中依然有价值。

它等于是差异化服务，再加上差异化定价。老卡的租价和买卖价格之所以坚挺，本质上就代表着它在数据中心的实际使用情况。

如果我有一个问题，首先不一定要用 Claude Code，也不一定要用 OpenAI，可以用 DeepSeek，或者更便宜的模型。其次，我也不一定要把这个问题放在 GB300 上，可以放在 A100 上。

那 GB300 适合做什么？可能是预训练，或者我今天要解决一个特别难的问题，比如“如何治疗癌症”，那就会放到更需要大算力的地方去问。

所以这很有意思，它产生了很多梯队。

之前有一个投资人跟我说，CoreWeave 很早以前买的卡，这么多年之后还在用，不仅仅是因为大模型公司内部有梯队分类，也是因为客户来源多元化。

比如 OpenAI 的 slow version 可能会用 A100。还有很多对时效要求没有那么高，或者需要本地部署的公司，它们也会使用 A100 的模型。

现在这个梯队已经非常明显地建立起来了。有些人研究蛋白质，有些人做数据科学，有些人做材料科学，他们不需要那么大的算力。各种需求都有人使用，所以 A100 的需求在膨胀，需求膨胀才导致它可以涨价，也能够维持现在的状态。

我觉得这其实是一个很神奇的事情。

我在看 Michael Burry 的东西时，感觉他还是偏向用财务口径理解这件事，至少我读下来，没有感觉到他特别懂现在 AI 场景和需求的变化。

他还是从一个非常财务化、非常像看房地产公司的角度去看问题。很多事情可能无法完全体现在数据里。

我觉得现在研究 AI 最重要的一点，就是你得自己用 AI。你得亲自摸各种产品，体验它们和一年前相比发生了什么变化：哪些事情以前不能做，现在能做了；哪些事情效率提升了很多；哪些事情仍然不能做，但你期望它在未来的迭代中能够做到。

Michael Burry 博士可能就像电影里一样，你会发现他做预测时是坐在办公室里做的。但这种东西最好还是实际使用一下，或者去数据中心看看，到底是怎样的情况。

对，我去半导体制造企业看看生产线，可能更加贴近供应链里真实发生的事情。

他离硅谷也很近，现在已经不在华尔街了，在加州，去硅谷转一转，应该就能知道很多事情。

而且我觉得你前面提到的现在可能有两层 router。

第一层是不同任务之间的路由，甚至同一个任务，因为 agent 执行时会有不同的子任务。不同等级的子任务，可以分流给不同等级的大模型，追求性价比和效率的最大化。

有些任务很简单，交给一个快速的小模型，效果可能比交给一个更聪明的大模型更好，因为它更快，答案又没有差别。但对于很复杂、需要多步推理、需要大参数量去激发思维和洞察的任务，就需要非常顶级的大模型。

这是模型层面的 router，agent 本身也应该具备这样的能力。

不同模型可能适配不同芯片，或者在不同芯片上的 TCO 不一样，所以你需要自己去使用、自己计算。

包括我们使用国产卡时，也会计算 token 经济性，因为电力是生产 token 的原材料，电费本身也变成了成本结构中需要考虑的要素。中美的电力成本又不一样，所以同一个模型，在不同地区的最优部署方案可能完全不同。

比如字节、火山引擎服务中国客户的 agent 场景，和 Amazon 用 Claude 服务美国客户的场景，最顶层的模型可能是一样的，因为模型和任务挂钩。但再往下到芯片，最好的选择就变了。

更具体一点，假设 Amazon 提供 K3 给客户，K3 是一个独立模型；火山引擎或者阿里云也可能提供 K3 给用户。但在中国和美国部署时，它们的成本结构和使用的芯片方案并不一样。

所以，同一个模型、同一个 OpenAI 的模型，在不同人手上也可能有非常不一样的情况。

4. AI泡沫观察关键指标

如果我们假设循环借贷和 Michael Burry 说的都是对的，现在确实是 AI 大泡沫马上要破裂的前夜，你觉得应该观察哪些指标，才能获得比较有一手感的判断？

前面说的循环借贷，或者现在做 AI 应用时存在的很多潜规则、刷单情况，都值得关注。大家互相刷，和循环借贷其实是一样的：我借钱给你，让你买我的东西。

比如我买你的服务，你也买我的服务。这样会发生什么？我们的 ARR 数据是不是都涨了？

但实际上，我们赚的钱没有变多，甚至还要额外交税，因为确实产生了交易。所以现在这个时间点，如果要分析财务，一定要看哪些东西和中间发生的这些事情没有关系。

如果把 AI 产业链变成一个独立的、端到端的产业链，它可能涉及电力、原材料、芯片、云厂商，再到模型侧，这是完整的产业链。

那这个产业链外面是什么？可能是真实的用户需求。也就是说，不管产业链里面怎么变、发生什么变化，如果外面的真实需求没有上升，里面再怎么变化都没有用。那只是内部循环，包括创业公司之间互相投资，或者中间做各种处理，都不重要。

所以我觉得现在可以看经营现金流和存货。大家真正要看的是自由现金流，自由现金流等于经营现金流减去资本开支。

现在大家会说，资本开支很高是正常的，但这个指标相对比较滞后。如果看 OpenAI、Dope 这样的创业公司，可能看不到；如果看 Hyperscaler，它们的数字也是按季度更新，而且更新时还要再加两个月，会更晚。更不用说大公司可能有动力去掩盖事实。

我想到两个指标，可以讨论一下。

第一个是英伟达的 CDS，或者 CoreWeave 的 CDS、Oracle 的 CDS，选一家都可以。它们其实是同向运动的，差别不太大，关键是看边际变化有没有发生明显改变。

如果变化明显，就表示卖保险的人突然意识到：“我要多收一点保费，这个有点危险。”这是一种情况。

第二个是看 A100 的价格。我觉得看 GB300 的价格没有意义，因为 GB300 是硬通货，有多少我买多少。美国人真的吃不下了，中国人说你送过来，我都能吃下，肯定是有多少买多少。

但如果美国有很多 A100，多出来了，中国人想不想买？我觉得是不想买的。所以 A100 是更边缘的资产，也会更加敏感。

A100 的交易量，以及它的价格变化，可能会是一个比较好的前置指标。

有道理，我可能会看一看。

包括前面说的财务指标，存货和应收账款也非常重要。

但现在很难看清楚，很多东西都不透明，数字想怎么做都行。

对，因为产业链内部发生的各种事情，最终都能导致财务数据变化。

其实很简单。之前有人在 CNBC 的采访中问黄仁勋：为什么会有循环借贷？这其实类似于在问，如果你不给那些公司钱，它们是不是就不会买你的卡了？

答案肯定不是。就算我不给它钱，它也会去从别人那里抢、借，甚至偷来钱买我的卡，实际情况就是这样。

今天很多中国厂商因为地缘因素买不到这些卡，但我相信它们非常希望拿到最先进的卡去训练模型，而且非常需要。之前 DeepSeek 的采访里也提到过，它们确实非常需要这些卡。

所以英伟达投资下游，并不一定就代表这是 circular financing，这其实也是很大的证据。

还有前面提到的那些大型金融机构和投资机构。它们现在因为英伟达提供担保，愿意参与，或者组成所谓银团，本质上就是在分散风险。

大家会想：“你们都上了，那我也加一把火。”感觉风险不是特别大。要死大家一起死，就是拴在一根绳上的蚂蚱。

但什么时候会出现一家机构站出来说：“我自己就给某一家直接做，我自己一家去给它做担保？”那可能代表信心又出现了一次上升。

5. AI成为国家军备竞赛

还有一个有意思的事情，是 David Sacks 在 All-In Podcast 里说的一句话，我特别有共鸣。

他说，AI 竞赛肯定是中美两个大国之间的新竞赛。你可以说它是不是冷战，但它至少是一个星球大战级别的军备竞赛。

普通听众不要以为你用的是豆包，我们就不打仗了。我觉得这是一个很现实的问题，它就是一场军备竞赛。

作为中国人，当然会希望所有中国模型做得非常好。这个我们之后可以再讨论斩杀线、开源和蒸馏的问题。

David Sacks 提到的一点是，这件事的费用本来应该由国家来承担。既然是国家级别的战争，就应该由国家、由国防部来做。这些数据中心应该由国防部投资，因为你在研究新时代的核武器，那不就应该由国防部出钱吗？

现在让私营企业用自己的 free cash flow 覆盖这件事，它借一点钱又怎么了？

另一种说法是，美国现在最大的国防，就是把利息降下来。这样所有 Hyperscaler 借钱就不会那么难受，就更能把这件事推得更久。

如果我们认定 AI 是国家之间的重要战争，是核武器级别的重要科研突破，那就必须抢先完成，国家和全民的力量都要推上去。

在这种情况下，你会希望 Hyperscaler 尽可能成功，不希望泡沫破裂，因为那会带来很多非常不好的影响。

所以我当时听完这句话，觉得挺有意思。

中国可能是通过举国体制支持芯片公司，也有非常便宜的电力。中国的电力资源丰富，这也是支持相关公司的一种方式。

David Sacks 是不是已经卸任白宫人工智能相关职务了？我记得好像卸任了。特朗普现在是用人唯亲，那个 Vivek 也是他在纽约比较熟悉的人。

All-In Podcast 的几位大佬，对于政府支持这件事、推动整个产业链，都有很强的观点。他们对 Dario Amodei 的评价也一如既往地很差，觉得他在某种程度上限制了发展速度。

比如他一直鼓吹 AI 很危险，让政府加强监管，这些行为其实都在拖延美国在这件事上的进度。

过去一两个月，我们也看到中国模型已经追赶了很多，所以他们会说：你把一个网络安全问题交给 OpenAI，GPT 告诉你太危险了，不能做；结果 Kimi K3 把它解决了。

他们很早就把 AI 上升到国运级别的机会。它本来就是国运级别的。

当然，这和我们今天要聊的很多话题都一样。机器人其实也是国运级别的机会。

中国现在支持两个大方向的硬科技发展：一个是 AI，一个是机器人，以及半导体、芯片等附属产业。

说到机器人，宇树你有关注吗？

宇树不是已经跌掉一半了吗？

6. 机器人终局决定投资逻辑

我从终局思维来说，非常相信马斯克之前的那些表述。我之前在自己的节目，或者和你聊天时，也聊过这个观点：人形机器人最后会帮助人类从现在的状态走向 UBI，也就是 Universal Basic Income，所有人都有基础收入的状态。

因为机器人可以帮你干活，每个人就不用再辛苦地工作。随着机器人的生产水平提高，大家会从 UBI 转向 UHI，也就是 Universal High Income。

那个阶段是全人类因为人形机器人和智能涌现而实现整体抬升，类似于进入一个乌托邦状态。

我觉得 GDP 的整体抬升，不能只是靠印更多钱。它的增量有多少来自货币扩张，有多少来自生产力提升，必须区分清楚。我说的是有效 GDP 的提升，而不是名义 GDP 的提升。

GDP 要提升，一个是生产端，一个是消费端。未来大家想要什么就能得到什么，因为生产效率可能接近无限。

当然，这听起来很科幻。我只是尝试从终局思维理解这件事。

总结一下，如果按照这个角度思考，人形机器人就是未来产业链，甚至全世界范围内不可缺少的东西。

现在很多事情不成立，比如场景不成立、能力不成立、成本不成立、BOM 成本和终端销售需求不成立，这些都没有问题。

现在大家能看到这么多机器人，主要是在开运动会、表演武术、切水果、跑步，跑步时腰还闪了，或者进行拳击。

进入工厂的那批机器人则更偏传统，比如机械臂，或者针对特定任务调优的机械手。它们更像 ASIC，而不是 GPU。它们不能既搬箱子，又操作模块，还能去检修和修 bug，它们通常只能做一件事情。

现在大多数在工厂里真正派上用场的机器人也是这样。

但这不妨碍长期来看，如果终局真的是那样，而国家现在又在支持这件事，那大家就可以相信梦想，对中间过程少关心一点，多关心最后的结局。

从这个角度来说，宇树现在估值高，或者短期目标很难达成，都很正常。王兴兴脸上没有笑容，也很正常。

很多东西都是先由资本市场把估值抬上去，然后你会发现事情并没有那么顺利，估值又哗哗地下来。等真正到了某个节点，可能是技术成熟了，也可能是场景成熟了，或者出现了其他催化因素，这个事情才真正变成现实。

像这种新兴科技，我最近也挺关注 AI 眼镜。

作为一种新的外设硬件，大家需要有一个接受过程。手机、充电宝，甚至手持小风扇，大家都是逐渐接受的，不是产品一出来就直接卖爆。

很多产品是怎么让人产生“我也想试一试”的冲动呢？就是看到大家都在用，社会上看起来好像所有人都在用。

这就回到了前面说的刷单。很多事情可能就是 fake it until you make it。先展示出来，就像我们现在做 AI 应用一样，你得展示一个通用智能体在某个具体场景里能够做什么。

你不能只说它什么都能做，而是要展示具体的应用场景，让终端用户真实看到它在这个场景里可用，再联想到自己生活和工作中的痛点与需求，觉得“这个不错，我要试试”。

最开始往往很艰难，可能需要刷一些数据，真的是 fake it until you make it。我觉得这种事情现在在前沿科技探索中非常多。

我可能和你的看法不太一样。

Fake it until you make it 的意思是，如果机器人今天没有明确的使用场景，但我通过马拉松、武术表演等方式吸引大家注意，让更多资源、人才和资金投入这个行业，我觉得无可厚非，这是 marketing 的一部分。

但我不觉得这是 fake it until you make it。运动会本身可能没有用，但它至少是在展示和推广。

我记得 All-In Podcast 里也说过，美国人会一直宣传 AI 很恐怖、机器人很恐怖；中国是怎么处理这件事的？中国首先会支持这个支柱产业，因为它未来可能是一个非常大的机会，甚至可能是 number one 的行业。

支持它的方式之一，就是让大家对这个东西有好感、有亲和度。于是可以建一个体育馆，送票让大家来看机器人的表演，让它在各种社交媒体上获得曝光。

这等于是通过曝光，拉近一种新产品形态和人的关系。

可以这么理解：中国政府在帮助中国人民接受机器人产业这件事上，确实做了一些努力，所以我们才会在春晚上看到类似的机器人表演。

你要不断增加它的曝光。美国为什么有很多人对 AI 或者机器人非常反感？其实就是因为美国政府在这件事上没有做什么努力，反而一直在说要禁止某些东西、增加安全检查、做更多对齐。

欧洲也是这样。从顶层设计上看，中国对前沿技术更友好，美国和欧洲对前沿技术更不友好，所以最后民众的态度也会反映出来。

任何东西都是一体两面，有好的一面，也有坏的一面。关键在于你想放大它好的一面，还是放大它坏的一面。

通过技术和业务优化，让坏的一面尽可能少，让好的一面尽可能强，是另一回事。一个是做 PR 的角度，一个是业务发展的角度，这是两个角度。

我再分享一个观点，可能还是和你不太一样。

我认为，一个机器人，或者任何一种机电设备，肯定是因为有一个用户真的需要它，而不是因为看到别人用了才去用。

最简单的例子：你们家用洗碗机吗？

用啊。

你们家洗碗机每天都开一次以上吗？

不是每天，因为不是每天做饭。大概一周做 3 次饭，会用 2 次。

至少我们在这件事情上达成了共识，不会吵起来，这样播客还可以继续下去。

我之前在极客公园发了一个帖子，有几百个评论、几百个赞，已经接近热搜级别。每天早上起来，我都在想，怎么会有这么多人给我评论。

我说的事情是：中国有这么多人都不用洗碗机，他们将来怎么会接受一个家务机器人走进家里帮他们做家务？

这个帖子下面无数人开始吵。点赞的很多，评论也很多，评论几乎清一色都是负面的。点赞的人可能偏正面，所以我就站在中间，两边的反馈都收到了。

负面评论很多。第一，很多人说洗碗机洗不干净、不够快，还要自己预处理，洗完还要自己把碗拿出来，不如自己洗。他们觉得自己洗碗洗得比洗碗机好，这是非常骄傲的一点。

第二，有人说谁说中国人不用洗碗机，中国人可太爱用洗碗机了。有人举了一个特别好笑的例子，说洗碗机必须能够洗蔬果，他才会用。

我第一次知道，现在国内有些品牌为了让大家买洗碗机，给洗碗机增加了洗蔬果的功能。现在有些洗碗机放在水槽里。洗碗机不是应该用高温、通过高温消毒吗？我当时就想，你洗蔬果是把它当火锅了吗？直接就能吃了。

后来我一搜，发现是我孤陋寡闻。还有人说家里没有地方安装，没有上下水，设备又大，不知道怎么放。还有人说长辈肯定不习惯这种机器，但年轻人又经常吃外卖。

各种理由都有，但没有人能真正反驳我那句话：这些缺点难道不也同样适用于家务机器人吗？

我觉得很多人对机器人的理解，或者说对机器人的向往，是把它想象成一个阿姨。

但你刚才说洗碗机，我认为这是一个很重大的例子。我其实也不太理解，为什么中国人在几乎所有电器上的渗透率都非常高，中国人也做出了很多全球领先的电器品牌，小家电的全球市场占有率也很高。

中国人既会用，也会做，唯独洗碗机的使用率非常低。大家还会举出很多理由。

那我就会想，将来家务机器人出来之后，你难道不会挑它的毛病吗？

你看现在 WIC 上有个机器人的展馆，很多人在叠衣服，有人在冲咖啡，展示的都是一种泛化的感受。它们不是要展示军工机器人，而是要展示家用机器人，所以场景都会往“阿姨”这个方向靠。

这就会比较困难。阿姨也会犯错，而且你很难找到一个和自己特别合得来的阿姨。

未来人形机器人在家里服务你，可能是它能猜到你今天想吃什么；你在沙发上睡着时，它能帮你盖上毯子。这种很贴心的动作，人类很难找到一个阿姨始终做到。

所以大家现在对人形机器人的上限要求非常高，但技术发展天然是有过程的。

这很有意思，因为大家对机器人的想象可能过高。

如果机器人最后是通过一个非常具体的场景落地，比如回到机械臂这种单一场景，像分拣快递包裹，那么大家会觉得它非常有用。

但一旦它采用人形形态，大家对它泛化能力的要求和想象就会非常高，这会让事情更难推进。

这和 AI 是一样的，还是要落到具体场景。

我觉得我们的观点并没有冲突。我的意思也是，它必须落到一个具体场景，让人看见它的价值。

大家不会因为知道机器人什么都能干就去买它，而是因为它在自己平时经常使用的场景里做得特别好，同时看起来还可以尝试其他事情，才会愿意购买。

很多人使用 AI，也是因为看到别人做的 PPT 很漂亮，知道这是 AI 做的，于是才愿意尝试。机器人也是一样，先在特定场景打穿，有明显的 use case，再谈泛化。

如果一个特定场景都做得不好，却声称自己什么都能做，那是没有人会答应的。

我还想说一点：现在中国一级市场的机器人行业，肯定存在明显泡沫。我觉得这是一个 fair statement。

中国机器人行业现在大概有 1,000 多家创业公司在推进，和各地产业园、政府都有合作。大家互相采购，做一些支持和支撑，先把交付数据做起来。

很多机器人公司共享相似的上游供应链。有些公司，比如宇树，自己研发电机，或者自己研发视觉系统，这和之前的智能驾驶有一点像。

这些公司在两三年内都很难把商业闭环做得特别扎实。包括宇树和智元，它们可能都很难在两三年内实现交付量几百倍的增长。

现在大家的交付量可能就是几百台、几千台。大多数公司一年生产 1,000 多台、2,000 台，已经是极限了，这个量并不大。把这些量级消化掉其实很简单。

真正的问题是，有几家公司能够撑到 3 年、5 年，甚至更长时间，等到技术拐点出现；或者有足够资金保障公司在这个过程中持续积累和成长。

现在这 1,000 家创业公司里，一半甚至更多都可能会死掉。它们必须经历淘汰，或者进行垂直整合，这肯定会发生。

我猜未来会发生几件事。

现在大家对机器人有好感、有期待，但如果实际能力达不到，融资会越来越困难，很快可能就会进入第一波大规模死亡。

不过，我对这个行业长期肯定高度乐观。这种乐观有点类似于我对中国电动车行业的乐观，但未必代表我对某一家企业乐观。

国家肯定希望电动车整体行业非常好，希望它能够和全世界所有国家竞争。但对于单一企业来说，仍然可能遇到很多困难。

所以如果要投资这些企业，问题会比较大。整个行业可能是好的，但你要看谁能够拿到足够的资本活下去。

之前有一个知名投资人讲过，互联网泡沫时期投资网易，泡沫破裂后大部分公司都死了，但网易手里有足够的钱支撑它继续走下去。因为竞争环境里大部分公司都死了，它反而活了下来，最后就发展起来了。

前沿科技行业很可能都会经历这样的优胜劣汰，头部效应会非常明显。

7. 模型竞争进入斩杀线

接下来我们讨论另一个非常惨烈的前沿科技：大模型。

我先问一下，你能不能记住所有大模型的编号？谁是几，几点几，你都记得住吗？

记得住一点吧。毕竟我是 AI 创业者，我就是干这个的，靠这碗饭吃。

我就是一个业余用户，每天用着用着就会发现，谁是 5，谁是 4，我已经完全搞不清楚了。

我们工作中经常发生一件事：突然有一个新模型上线，我们先看评测，判断它在哪些维度表现不错，再猜测它能不能替代我们目前在某个场景使用的特定模型。

比如我有一个小模型需求，它必须支持多模态和图片理解。之前可能用的是最便宜的豆包 Mini，现在就会想，能不能换成最新的智谱模型，或者其他模型。

你们现在的主力模型是谁？

现在还是以 DeepSeek 为主，但最近在测试 GLM-5.3 Flash 的能力。

如果第一次听马克汤参与的节目，马克汤是菜搭子 AI 的联合创始人。菜搭子是一个 AI 应用。

AI 应用可以理解成一个冰箱，它需要消耗很多电，而且电越便宜越好。全世界最了解哪个模型效果好不好、便不便宜、稳不稳定的，往往就是 AI 应用公司的老板，因为每天都靠这个活着。

模型是我的成本项。我得挑出能够产出最好效果、同时又最便宜的模型，作为我的成本，这对整个利润来说是最好的。

8 月份，Twitter 和中国社交媒体上都非常火的一张图，就是斩杀线的图。

目前 DeepSeek V4 是一个重要的斩杀线衡量标准。一个模型要么能力比 V4 好，要么价格比 V4 便宜，但后者基本不可能，所以大部分模型其实没有存在的必要。

这和中国电动车不太一样。如果你买错了一辆斩杀线以下的车，买了就买了，可能还会开 10 年，毕竟是一次性买卖。但软件是可以无限切换的，很容易 switch 到别的模型，10 分钟就换掉了，所有 memory 和 skill 都可以带着走，几乎没有感知。

所以这变成了一个极其残酷的竞争。我先听听你的 reaction。

这个斩杀线对我们来说非常真实。我们肯定不会使用比 DeepSeek V4 Flash 0.731 版本更贵、能力又更弱的模型，没有任何必要。

现在可选范围非常有限。要么为了某些特定场景的任务达成率、准确度和低幻觉，选择最顶尖的闭源模型；要么选择更便宜、但能力已经超过大部分模型的那一侧。

我最近把它定义成“够用”。大部分发给大模型的请求，要求就是够用，不要犯低级错误，回答符合要求就可以。因为它可能不是最终展示给用户的，而是后端数据生产管线的一部分。

这一步把任务做扎实，剩下考验的其实是整个应用产品 harness 的能力。

从过去两个月，也就是 7 月和 8 月发布的模型来看，中国开源模型已经出现梯队。

比如 Kimi K3 是一个 2.8T 参数的大模型，部署成本比较高，需要 64 张卡才能达到比较好的部署效果。DeepSeek 对应的模型可能 4 张卡就能跑起来。

等一下，你说 K3 需要 64 张卡，而 V4 需要 4 张卡？4 张卡这个数字我们也不确定，可能是 4 张，也可能是 6 张。

对，但差距就是这么大，所以 K3 的模型成本会高很多。

K3 刚出来时的定价，基本和美国的 GPT-5.6 Terra 那一档模型对齐，没有明显价格优势。它甚至比 GPT-5.6 最便宜的 Luna 模型还要贵，完全谈不上是一个高性价比的开源模型。

我们过去对开源模型的定义是便宜、好用、量大管饱，但现在已经不是这样了，开源模型也要分梯度。

DeepSeek、GLM-5.3 Flash 是小模型，部署成本比较低，所以价格仍然能够维持在斩杀线附近。它足够聪明，这对美国人的焦虑感非常大。

闭源模型能力很强，大家当然拍手叫好。但大部分企业已经用不起最好的模型，因为用量太大。

最近我很多朋友，无论是在游戏公司、大厂，还是其他类型的公司，都开始说公司限制 token 用量了。

你说的大厂，是指硅谷大厂限制 Claude 的用量吗？

我说的主要是国内大厂。

国内大厂也会限制国内模型的使用吗？

也会限制。企业达到一定规模之后，就会考虑数据安全。考虑数据安全，就不会让员工直接用 Codex Coding Plan 处理公司的实际工作。

公司内部可能会有一套 harness，底层模型差不多，Codex harness 也是开源项目。员工可以自己选择不同模型，企业把路由都做好。

不同模型内部有不同积分消耗倍数，和 WorkBuddy 类似。员工最终可以自己选择组合方式，但当月 quota 用完就是用完。

如果是国内模型，成本应该很低吧？是不是有时候只是想用 GLM-5.3，但 5.3 满了，暂时用不到？

我的意思是，闭源模型用不起了，开源模型还是可以用。

但国内有什么闭源模型？

国内很多大公司其实都接了顶尖闭源模型的接口。

所以你的意思是，国内某大厂的员工不能像以前一样无限制地使用 OpenAI 的模型，对吧？

对，就是这句话。

我刚才还以为你说的是，午休时生成一个《红色警戒 92》，每天打一局新游戏，游戏不用下载，直接生成。之前阿里也做过类似的事情。

反正现在大家都开始限制，硅谷也开始限制。它会逼迫大家做两件事。

第一，去找老板要更多 quota。你只能说：“我现在的工作产出比原来高两倍，quota 也应该给我两倍，这不过分吧？”或者“我的工作产出高了 5 倍，quota 多给我 3 倍，不过分吧？”因为人效确实提升了。

但如果 GLM 之类的模型都管饱，capacity 没有限制，就不会中途掉下来，那么中国用户基本不会遇到这种对话。

中国人的普遍习惯是：有什么最好的，我先用。

但 Claude 除外，因为 Claude 现在不能无限使用。

对。假设 Claude 不能用，大家也不会因为 DeepSeek 用爆了，就重新去要额度。大家要额度，基本都是因为 GPT 和 Claude。

我老婆就在管公司内部的 quota 策略，这件事很好笑。作为团队管理员或者企业主，你其实很难衡量底下员工的真实产出。

以前大家是 token maxing 的时代，会说：“我这个月比上个月多用了两倍 token，我厉害死了。”现在不是这样了，而是必须实实在在把成绩交出来。

那这个成绩是什么？比如你是做后台的，可能就是后台产品的使用率，或者其他同事使用你这个中台的情况。

如果你们公司，或者你个人平时使用中国模型，从豆包到 GPT 都算上，价格肯定便宜。会不会出现 capacity constraint，也就是产量不够，限制你使用？

你说的是自己使用，还是公司给用户使用？

自己用也好，公司用也好。

我自己现在主要还是以 Codex 为主。

那如果是公司的用户使用呢？

那不太会。用户是按照一定用量付费的，我们每一档都有商业化模型。比如一个月收用户 100 元，底层实际消耗多少 token，最后对应的就是毛利率。

我的问题是，会不会出现这种情况：你想调用各种国内开源模型的 API，但因为产量不够、卡不够，或者其他原因，结果 call 不出来了？

不太可能。

我之前听过一种说法，为什么全球模型价格没有被明显拉下来，是因为中国产量不够。

可以这么说，科威特是全世界石油开采成本最低的国家，但它并不是最显著的石油生产国，也不是影响力最大的国家，因为它的 Q 不够。它的 P 很低，但 Q 不够大，产量不够。

理论上，如果美国人也能用到中国开源模型，那 Anthropic 的 P 就应该降 100 倍去 match 它，因为价格会向最低的地方靠拢。但很明显没有发生，因为很多模型的 Q 不够，产量不足。

你有没有观察到这种情况？

国内现在国产卡在推理卡上的普及越来越快。我不知道实际情况，但从各种媒体和财经新闻的报道来看，确实在变多。

包括训练卡，也从过去以英伟达的卡为主，开始切换到 10 万张国产卡组成的集群去做训练。推理卡理论上会更简单，所以我觉得应该还好，现在还没有到完全供应不上的阶段。

那我们聊聊蒸馏。

8 月份这个词已经被很多播客节目讨论过了，我们就不再介绍蒸馏是什么，直接听听你的 reaction。

中美就是互相蒸馏，谁也不要说别人没蒸馏，也不要说自己没蒸馏。

中国的开源模型不是只发布开放权重就结束了，它们还会发布技术报告，很多东西都直接说出来。比如 DeepSeek 对 KV Cache 的优化，Kimi 对 KDA Attention 机制的优化，这些都是架构层面的提升。

根据最近公开的访谈稿来看，DeepSeek 公布了一部分成果，并没有公布全部成果，所以它在实际使用中可能还是比别人厉害，成本也比别人低。

但光是公布 KV Cache 的优化就已经很厉害了。你会发现，海外模型也会参考中国模型在技术方案和架构上的贡献。

那我来蒸馏一下你，这不是很正常吗？

刚开始我想聊蒸馏，其实是因为张一鸣的那次讲话。

过去几个月，很多美国公司指责中国公司进行大规模蒸馏。根据公开信息，他们指责的主要是千问、MiniMax、TipSick 和 Kimi，应该没有提到智谱。

之前的中转站其实也和蒸馏有关。我曾经做过一期节目，想问中转站的人：你有没有把数据卖给谁？谁来找你买这些数据？

从投资角度来说，如果一家大模型公司愿意蒸馏别人，而且蒸馏得很好，或者愿意竭尽一切方法去获得这些数据，我认为这对公司是一个利好。我会愿意买这样的公司。

回到张一鸣的话，他认为这不是好事。

第一，如果你是学生，每天抄老师的作业，永远抄不过老师。你可以无限接近，但永远不可能真正超过老师，只能追赶。这是一种取巧。

第二，从组织建设的角度来说，最后公司里可能会有很多擅长蒸馏的人，就像很多黑客，但真正的数据清洗、预训练准备和训练工作，组织上反而可能没有做好。

所以张一鸣这句话，可能代表一个企业家对更高目标的追求，但它同时把“蒸馏”变成了一个负面词。

在科技界，蒸馏以前并不是负面词。比如 Claude Code 里的 Opus 是一个巨大的模型，但如果想在手机、电脑上使用更小的模型，lite、flash 都可以看作蒸馏，都是从大模型变小模型。

如何在很小的体量下，达到接近大模型的效果，就是把大模型的智慧收集到小模型里。这是很正常的方式。

DeepSeek 也做过很多类似的事情，把自己的大模型蒸馏成小模型，让它更便宜、更好用，价格更有性价比。

但张一鸣的讲话把这个事情定义成了负面。它到底在道德上、法律上，还是中美地缘关系上是负面的，我们可以再讨论。

我个人认为，蒸馏不是负面词。

举个例子，你觉得拼多多是一家“蒸馏”的公司吗？

假设 2015 年到 2017 年的中国电商环境，和今天的中美环境一样：我有芯片，但不让你用，永远卡着你，让你无法发展。

当时中国电商环境里有“二选一”，所有电商公司几乎都打不了。京东靠自营还能活下来，其他平台都活不下来。

在这种情况下，拼多多最开始通过“砍一刀”，我认为可以说是蒸馏了腾讯的社交关系，也可以说是一种取巧的方式。它先获得上牌桌、继续往前走的机会，最后才有了市值超过淘宝的拼多多。

你说拼多多蒸馏，我刚才联想到的蒸馏方式，和你前面说的其实是两回事。

前面那个更像是社交裂变的打法，它确实是在蒸馏微信的社交关系。

第二种蒸馏，我觉得是拼多多包括后来 Temu 的方式。国内原本有人做品牌、做独立站、卖东西，拼多多把这种能力抽象出来，取它的精华，变成白牌产品，做全托管。

它把供应链蒸馏出来了。蒸馏本质上就是萃取精华，把最精华的东西抽出来，自己再去卖。

如果把整个模型的迭代优化分成三块，第一块是架构优化，第二块是数据优化，数据优化也包含合成数据，第三块就是通过蒸馏带来的优化。

蒸馏和数据优化有很大的共通性，因为很多合成数据也可以叫蒸馏。

很多模型公司通过开中转站的方式获取真实生产环境数据，本质上也是蒸馏。基本上国内大模型公司都有自己的中转站业务——这句话是马克汤说的，不是我说的。

大家各自做自己的提升，考验的是组织管理能力。比如多少人员配置重心放在架构提升上，并不妨碍另外一部分人去做蒸馏，把后训练能力快速补齐。

这也是为什么我们看到国内前沿大模型公司在架构上不断优化，而且这些优化还会被美国的两家闭源公司积极采纳。大家互相成长，这就是开源社区的价值。

如果蒸馏出来的东西是闭源的，我觉得问题会更大。但如果蒸馏出来的是开源的，情况就不一样了。美国有两个人反对，但也有很多人支持。

我明确一下刚才描述的拼多多蒸馏。

拼多多那种方式肯定不能叫现在所说的蒸馏，因为我们现在讨论的是模型技术。我想说的是，当商业环境里出现一个比你大很多、并且对你施加超出竞争能力的限制时，你有什么办法突破、取巧，让自己活下来、长大。

当你长到一定体量，就有超过它的可能性。

拼多多最开始如果只靠微信和砍一刀，肯定不能发展成后来的拼多多。它是一步一步往上走，走到一定量级之后，才有机会再翻上去，最后成为最大的那个。

先模仿，后超越。

所以我的主观期待是，创业公司面对大厂和芯片短缺这两个问题时，肯定要想更多弯道超车的方法。你可能要一直走弯道，一直走，才能活下来。

但大家要坚信，中国企业不管是在 AI、机器人这些新兴产业，还是在汽车产业，很大程度上都在引领世界。很多企业就是在弯道里不断前进，最后直接走到第一名。

比如现在汽车的主动式悬挂，这些都是 BBA 没有的。你做着做着，就会发现它们也开始推出更新的东西了。

但主要还是要先在牌桌上。所以现在还是鼓励为主。

我觉得 8 月份的蒸馏事件很复杂。我个人对蒸馏是比较鼓励、比较积极的态度。

世界上最不鼓励蒸馏的可能是 Dario。他最近发布的 Claude 5.1，额外增加了防蒸馏机制。

我听说有人说蒸馏变困难了，是真的吗？

可能加了一些机制，但蒸馏还是可以继续做，只是难度增加，并不是完全不能做。

很多蒸馏和中转站的情况一样，可能发生在 coding plan 里，而不是实际调用官方的付费 API，所以也没有办法完全拦掉。

比如现在 5.3 或者 Kimi K3 的能力已经非常接近闭源模型，中转站的生意还好吗？

还不错。

为什么？

因为那些大厂员工还是习惯用最好的模型。

我用惯了 Codex，你现在让我不用 Codex，改用 WorkBuddy，我也得想一想。由奢入俭难。

懂了。其实我也是。你不能只看边际提升没有那么多，这还是一个习惯问题。我们上次也聊过切换成本。

8. 办公软件战争刚刚开始

接下来再讲最后一个话题，中国办公软件。

之前那期节目有很多大厂员工给我不同的反馈。他们觉得：“哪里有你说的这么差？你这是在造谣，我们公司做得可好了。”

也有一些前员工，尤其是钉钉的前员工，说钉钉实际的问题比我们想象的还要严重，还举了很多例子。

我看完之后觉得很有意思：阿里是一家有问题的公司，但没想到钉钉的问题更多。

我们来聊一下 8 月份中国 AI 办公软件的情况。

第一，QuestMobile 有一组数据还挺特别，统计了中国几个大厂最新的月活数据。数据显示，WorkBuddy 的月活大概是 600 万，这是截至 7 月的数据，8 月可能又增加了一些，毕竟广告已经打到全世界都是。

截至 7 月，WorkBuddy 的月活是 600 多万，Qwen Code 是 200 万，Trae 是 200 万，Qoder 是 20 多万。

假设它们 8 月全都翻倍，WorkBuddy 可能就有上千万 MAU。为啥？We shall had it out。

我听说的另外一些数据源是说，WorkBuddy 可能是百万级日活，小百万的规模。所以我不知道总办的人认为这个数据符不符合他们的 KPI，或者符不符合他们的预期，毕竟广告投放非常大。

我这次不是出去玩嘛，你不会是在阿尔卑斯山的山顶看到了 WorkBuddy 的广告吧？

That’s not gonna happen。

首先跟大家聊一个跟投资没什么关系的事情。我是飞到瑞士日内瓦，广告完全是两种东西。我在中国上飞机之前，看到的是“千问办公，专业的人用千问办公”、WorkBuddy、豆包、阿里云、火山引擎，这是一类办公软件、数据库和云产品。

到了日内瓦下飞机，当然因为我去的那一周正好有比赛，所以看到的都是各大运动品牌，完全是两个世界。然后回国的时候又再次感受了一下，因为那个廊桥实在走太长了，全是铺天盖地的办公 AI 广告。我觉得中国人是被办公禁锢住了。

所以我前面也想，你马上要去硅谷了，可以看一下美国那边的广告是什么类型的。反正欧洲是天壤之别。

美国的话，可能都是想要融资的公司，去刷那些巴士和广告牌。

对，我觉得很有意思。你刚才讲的事情让我岔开了，我想到最近一件事。你知道在 Stanford 的毕业典礼上，谷歌 CEO Sundar Pichai 去了，学生们却不是很喜欢他。我觉得这个事情很有意思，因为 Stanford 已经是全美国最 AI、最 AI-native、最接近 AI 的大学了吧？

它是美国浙大，对吧？

清华，清华，对吧？清华可能也不是很高兴这样说。清华觉得自己不是美国 Stanford。

很有意思。他讲的事情是，很多学生对 AI 有很强的负面情绪：AI 会替代人，AI 很危险，AI 想把我取代掉，等等，有很多这样的情绪。

这在美国非常普遍。我不知道为什么中国好像很少看到，或者说没有在社交媒体上看到“我们要抵制 AI”“我们要怎么样”的声音。美国还有很多针对数据中心的抗议，对吧？这又是另外一个话题了。但是美国有很多这样的情况，在中国其实没有。

中国人反过来高度拥抱 AI。现在很多大博主，赚钱最多的就是 AI 教程型博主，教你怎么用 AI、怎么靠副业搞钱、怎么打第二份工。我觉得真的很不一样。

中国机场有那么多办公软件、数据库和云的广告，反映的就是这些公司肯定经过衡量和测算，发现效果是好的。去机场打广告也不便宜，投放之后确实能给产品下载量、使用时长和品牌认知带来增量，他们才会愿意投这个广告。

中国人真的是太爱工作了。你说为什么两个地方的人不一样？

首先，欧洲人会觉得这事跟我没关系。我们只有一个 Mistral，法国人的公司分分钟也要垮掉。对，我只管下班的时候从日内瓦河漂回去，然后去山上徒步。我那一周接触到的就是这一类关键词，一个办公软件的广告都没听到过。

我觉得美国人既能接触到这个东西，同时他们的生活方式和对待工作的态度，还是很强调 work-life balance 的。很多人会觉得：“我好像不卷就不行了。”

中国人则是习惯卷了，会从“想尽一切办法让自己变得更有竞争力”的角度去思考这个问题。美国人是从“我好像马上就没有办法继续这样生活了”的角度去思考问题。欧洲人则是从“这事跟我没关系”的角度去思考问题。

我那天看了一个做饭的节目，有个厨师说，另外一个厨师已经 70 岁了，正是出来闯的年纪。这句话在欧洲被听到，应该要上法庭，算虐待老人。

抛开投资或者科技发展的角度先不说，我总是觉得大家可以看看多样的生活方式。不是只有在办公室里吭哧吭哧地使用 WorkBuddy、使用千问办公，才能过好这一生。

我们国家大家都太努力了，可能失去了很多探索美好的机会。

你现在说了一些非常不卷的话，那我现在又要把你卷起来。我猜想马化腾可能也在同时听这个节目。

好，马云也在听。两个马老师都在听这个节目。你会怎么评价目前办公软件战争的阶段？支付战争打完之后，其实形成了明确的壁垒，也有比较好的结果，我认为那是一场好的战争。外卖战争打到现在，已经很明显是烂尾了。

那办公软件这场战争，你觉得是好的还是不好的？终局会是什么样？

现在这场战争才刚刚开始。我们之前应该提到过一个观点：办公 AI 可能先从辅助，到替代，再到真正变成一个数字员工，去扩充人的能力，大概是这 3 个阶段。

现在远远没有到第 1 阶段完成的状态，它还在辅助人，努力把人的效率提升到极致。我们其实可以看到，国外有一些类似的产品形态，中国也有非常优秀的创业公司在做 AI 应用。类似于 Grokbot 的产品形态，Grokbot 这种产品形态在中国其实很早就有一家 AI 应用公司在做了。

我现在最烦的就是，别人开会的时候跟我说：“这个东西是 AI 帮我写的。”你不要告诉我你是用什么写的，你自己写的还是 AI 写的，跟我没关系。你交上来的作业就是你的作业，对吧？

对，AI 就是辅助你。未来如果每个人都有一个 Buddy，大家都有一个悟空，那就是悟空跟悟空聊，八戒跟八戒聊，Buddy 跟 Buddy 聊，最后可能是 Buddy 跟悟空聊。

我为了拿补贴券，把悟空、Buddy 和 Trae 什么的全都装了。

对，未来就会发生这种 Agent 网络之间的 A2A 沟通。可能是团队和团队之间，比如一个组织内部的沟通，也可能是供应商和客户之间的沟通。人与人的沟通会变得非常复杂，Agent 之间的 Payment 也会出现。

但我认为，这可能是一个更重要的发展方向。我觉得 WorkBuddy 是什么产品？我说的 WorkBuddy，指的是所有类型的产品都以人为主角，Agent 只是助手或者工具。这样的战争最后面临的问题，其实是要做一个技术方案去适配这个世界。

存量的世界可能本身就有问题，但它硬要去适配，结果用户不买账，也不喜欢用。用完之后，用户又觉得它会把自己取代掉，所以会长期处于一种很拧巴的状态，感觉不太好。

只能说，如果步子迈得太大，直接像你说的做第 3 代数字员工，那可能就会扯着蛋了。

对，那可能就是另外一个问题了，在中国可能会有别的问题。对大厂来说，他们也很难论证这件事情。

如果要证明一件事情是有效的，可能看的是商业化收入、活跃数据、留存、转化这些数据。但是如果是一个数字员工，你要劝说付钱的那个人，就更难让他做出这个决定。

现在明显是大家为了提效、为了砍人头，去使用这类工具。要是做数字员工，就会涉及集团战略、组织规划、公司应该怎么发展、组织形态是什么样，这就是更复杂的一条链路。

就像我说的，它可能跟 fake it till you make it 一样，最开始必须有几家明星公司出来做案例。这些明星公司可能不付钱，也是为了试而试。

我这次去硅谷，也是想去看一下有没有什么新的东西。因为我觉得，硅谷相对来说的大公司，比如 1,000 人以上的公司，在如何使用 AI 这件事情上，肯定比中国很多公司走得更前沿一点，所以想看看别人是怎么用的。

我觉得组织关系或者组织方式其实非常重要。现在比较少有播客或者比较少有人讨论这个问题，因为通常需要企业一号位出来讨论自己的公司为什么做不好。很多人不愿意说这个事情，但这其实是对社会很重要的财富。

在新时代出现这种非常特别的工具时，我们的组织应该做什么样的调整，什么应该做，什么不应该做，什么是短期阵痛，什么是社会代价，这些都应该充分讨论。但现在确实比较少有人说这个事情。

当时 Michael 的博客里也提到一件事，跟你刚才说的相呼应。他在一堆数字员工的可能性当中，选择了做 marketing。

因为 marketing 对接的人都还是数字化的。比如我帮你做 marketing、做投放，帮你对接 YouTube 广告，整个工作流都是跟数字打交道，不需要跟真人或者线下物理环境打交道。

他当时讨论过很多不同类型的数字员工。每一种都有各自的门槛或者局限，很多事情都做不了，所以他最后决定做这个。大家可以关注一下 Hell Yeah[?]，我觉得是很有意思的公司。

9. 美债利率重返高位

最后一个问题，关于宏观的事情。Labor Day 过了，我相信在我们的播客放出来的时候，Anthropic 可能已经准备要上市了。我们可能已经要准备做 Anthropic 的 IPO 特辑了。

但现在宏观上确实出现了很多问题，很多事情让人有一点担忧。比如最近一段时间日元大涨，美债整体到了非常高的位置。现在不管你降息不降息，美债都在逼着你加息。

美债、日元、石油价格又重新回到了相对高位，石油现在应该已经 90 多美元了。战争天天都在打，永远打不停，虽然已经不上头条，但还是持续不断。

之前美国财长贝森特宣布的 Treasury Twist，也就是发短债、买长债，以及最近联储主席在 FOMC 上比较鹰派的讲话，这一系列宏观因素都非常动荡。

你觉得 8 月份看到的哪个宏观因素，会让你觉得“这个好像有点不一样”？

这个我得好好想一想。我前天看到一张图，它又跟 AI 相关。它说 AI 未来可能有两种结局：一种是泡沫破掉，另一种是 AI 非常非常成功。不管是哪种结局，长端利率都会跌。

如果 AI 特别成功，就代表 AI 的渗透率变得非常高，生产率大增，所以会出现某种程度上的通缩。出现通缩之后，长端利率就会下降，甚至大跌。

第 2 种情况是泡沫破掉。泡沫破掉之后，所有 AI 产业链上的股票、纳斯达克全部爆炸。爆炸之后，投资者就会去买国债，一买国债，利率又下来了。

所以不管 either way，长端利率可能都会在 2027 年年底、AI 的结局逐渐明朗之后，出现必然的下跌。

那只是说，在这个过程中，现在整体的财政压力和通胀压力，都会让短期利率一直处于高位。美国财政部一直在尝试把长端利率往下压，但都有一些饮鸩止渴的感觉，好像没有解决实际问题。

确实是市场在通过交易的方式逼着美联储加息。我自己感觉，加息的概率相对来说可能还是比较小，但确实能感觉到，现在投资人对于美债危机的定价越来越大。

你说美债危机爆发，应该是什么形式？是美元出现危机吗？最后的结局是什么样，谁来救，怎么救？这件事情比较 tricky。

很有意思的一点是，现在处于“狼来了”的状态。有人轮流出来说一句话，第 1 次可能对 10 年期或者 30 年期国债有一定影响，利率可能降几个点，大家觉得：“市场好像在听话。”

然后第 2 次、第 3 次再说，等到第 15 次的时候，就出现递减效应，已经完全没有人理他了。最近做的 Treasury Twist，也就是发短债、买长债，第 1 天有反应，第 2 天、第 3 天、1 个星期之后，全部又回来了。

所以现在美国长端利率处于 2007 年以来的最高水平。

接下来看 9 月份会怎么样：会不会加息？如果不加息，会发表什么样的言论？中期选举可能也是比较重要的信号。

我感觉这个美债危机一时半会儿救不了，但不知道接下来会出现什么更有意思的事件，影响整个资本市场。

美国的债务问题，桥水的瑞·达利欧已经说了很多年，十几年肯定是有的。你看它现在就是处于一个“要爆不爆、还没有真的爆”的状态。

如果它一直通过各种方式，用时间差把影响往后延，那人还活着，就还能顶一顶。但是如果利率持续走高，对包括现在大家关注的这些硬科技、成长股的影响会非常大。

对，因为这会直接增加大家的融资成本。现在 Google 也好，其他这些大厂也好，在自由现金流都已经转负的情况下，都需要通过融资，不管是股权融资还是债务融资，本质上都有资金成本。

如果美国整体利率处于往上抬的状态，大家的融资成本都会变高。潜在地说，ROI 就会变低，ROIC 也会变低，所有故事都会往负面的方向走。

这也是为什么大家关注这些宏观新闻，本质上是在关注它对大科技有没有下杀的影响。

但同时你也可以理解，现在的股价是在 30 年期国债收益率 5.3% 的情况下形成的。如果 30 年期收益率往下跌到 4.7%、4.8%，股价可能就会不一样。

对，但要看它有没有出现倒挂。不能单从长端去看，如果出现倒挂也不好。

对，但现在倒挂感觉有点困难。贝森特的动作是想让它往倒挂的方向走，但它明显不听话。

是的。我觉得这个事情很有意思，反正这个问题有点太大了，我们也只能随便聊一聊 8 月份的情况。

今天的话题主要还是围绕 AI 资本泡沫。我们聊了很多东西，包括循环借贷、Jensen Huang 的循环借贷，还有一堆钱到底是不是支撑了这个泡沫，以及这个泡沫什么时候会破裂。

Michael Burry 说它要破裂很多年，Ray Dalio 说美债要破裂很多年，但好像目前为止都没有实现。这个月我们看到，Anthropic 可能很快要上市了。

在这种中国模型的追杀线之下——

是追杀线，而且它不是斩杀线，是追杀线，追着你杀。它追的是 Anthropic。

那 Anthropic 在 IPO 过程中，路演的时候会怎么跟投资人解释？

他肯定跟你说：“我憋着一个大的，一直没发呢。”

对，我觉得有可能。然后直接发一个 GPT-6。今天 GPT-6 出来了吗？

听说特别炸裂。

哦，是吗？反正每次都是这样。

因为不炸裂也不会发。

我们前面还讨论了整个中国 AI 的情况、AI 的资本泡沫、追杀线的情况，以及机器人行业的一些情况。但这些可能都还是受到全球宏观因素的影响，包括美债、日元、石油价格和黄金走势。

接下来可能我们 1 个月之后再聊一聊，看 9 月份会发生什么事情。基金经理从暑假回来了，9 月应该会更加热闹一些。

大家都从山里回来了。

对。谢谢马克汤。

好，下期再见。

好，拜拜。

拜拜。