[年终复盘①]AI带给我的10个Aha Moments｜庄明浩：RSI 来了、AI 的奇观与粗糙、巨头夹缝中的创业机会
- 年初的 Agent 热潮让实现范式收敛，但抢装设备并不是普通用户的必修课。 庄明浩把 OpenClaw 的爆发视为“潘多拉魔盒被打开了”：本地权限、常驻设备、通知方式等开始组成可用的工作方式。他认为，从业者亲历这些难处很有价值；普通人当时没有参与，如今回看也未必漏掉什么。
- 视频模型的领先优势，正在由生成质量扩展到数据、分发与广告形成的经营闭环。 庄明浩将 Seedance 2.0 到 2.5 的领先，归因于独家数据、资源投入和战略决心，以及短剧生态带来的全流程循环：“自己产生，自己分发”。他没有认定竞争已经结束；通用模型能否“一竿子捅穿所有事情”，仍是独立视频、世界及物理模型厂商面临的关键变量。
- 巨头的战略取舍，为主战场之外的创业公司留下了足够大的空间。 从 3 月 24 日 Sora 2 关闭出发，庄明浩认为，“大模型会吃掉一切”和垂直公司继续成长可以同时成立；不是所有人都要做万亿美元公司，100亿—200亿美元的公司也很强。他举出估值可能达到200亿—300亿美元的 Perplexity，以及亚洲 AI 陪伴公司月流水可能有几千万美元、月 AR 可能超过1亿美元的例子，提醒早期投资者别忘了：过去投出一家10亿美元公司，已经是好成绩。
- RSI 的产业线索，是实验室支出流向下游，同时安全风险随自动化能力放大。 6月4日 Anthropic 的《When AI Builds Itself》，让庄明浩看到头部厂商公开谈及局部自我改进循环；新实验室随之需要数据、后训练、强化学习环境和 benchmark，带动下游公司。他的“文艺复兴”观察也指向传统硬件厂商重新受益，但同一套能力还有另一面：“七乘二十四小时”的 Agent，也是一支永不停歇的“矛”。
- 模型市场正在按任务与成本分层，前沿能力领先的时间窗口也在缩短。 庄明浩以 8月14日 Qwen 3.8 的 27B 模型为例：小模型追到上一代顶尖能力所需时间，从18—24个月压到九个月；他对比较对象究竟是 Opus 4.6 还是 4.7 并不确定。Koji转述 OpenRouter 数据称，基准前10模型的调用量占比，五个季度内从约80%降至20%；顶尖模型仍可收取溢价，日常任务则不必支付同样的价格。
- 平台能力越齐全，越可能给极简产品留下入口。 7月9日 GPT-6 发布前后，OpenAI 将 Codex 换入 ChatGPT，庄明浩提到 Codex 月活最近达到4,000万，并认为三栏界面定义了一轮生产力产品。Koji却因响应慢、聊天与工作模式选择、额度和 Pro 模式负担，把简单任务转向 Grok Bot；这种复杂度，正是 Muse 等产品可以“扎你一下”的地方。
- 软件需求开始被自制程序和直接调用模型分流，但应用商店下滑不能归结为单一原因。 庄明浩把8月21日苹果财报后 App Store 收入首次下降列为转折点，同时承认设备普及、增长和运营等因素也在作用。Koji用自己制作的观鸟学习程序说明需求如何被重新满足；至于密码、支付、安全隐私能否守住付费，他的回答仍带着限定：“可能，也只是可能吧。”
- 模型靠“奇观”证明能力之后，内容差异化也可能转向粗糙感与人的选择。 Opus 5.5 自动制作播客可视化，让庄明浩对深奥内容的理解从自评六七成提高到可能八成。另一端，他把文字塔防《赵云与阿斗》的走红归因于刻意的“极度粗糙”：当精美素材越来越容易获得，保留“沙粒感”反而能带来新鲜感，但他认为这种热度不会持续很久。
1. Agent 的突破来自一套能够运行的范式
- 庄明浩的第一个节点，是2025年12月发布、2026年春节前后在国内爆发的 OpenClaw。腾讯楼下排队安装、抢 Mac mini、付费请人部署，折射出一个共同感受：“潘多拉魔盒被打开了。”即使产品粗糙，大家也想亲自体验新的工作方式。
- 在他的解释里，突破不只来自模型，而是 Harness 开始收敛：本地还是云端、是否需要24小时常驻设备、通过哪个应用通知、用户交出哪些权限，都被打包成一套方案。年初少数极客开始尝试的 Agent 集群等做法，到 Q4 讨论 Personal Agent 时，已经成了标配。
- Koji 追问其中的泡沫与 FOMO，庄明浩承认，普通人当时不买设备、不折腾，如今也没有漏掉太多。但从业者亲历体验、操作、组件、协议乃至更底层技术的困难，才能理解后续产品在解决什么；即便 Skills 可能被模型能力覆盖，也更清楚能力边界，而非只能接受现成状态。
2. 视频模型的优势来自完整经营闭环
- 春节前后的 Seedance 2.0，是庄明浩眼中的视频模型分水岭。他强调，从2.0到刚发布的2.5相隔半年多，更新节奏远慢于语言模型，却仍奠定了他所说的“世界第一”的领先地位；视频模型有自己的研发节奏。
- 他把优势归结为独家数据，以及中国厂商在资本、人员资源和战略决心上的领先。相比之下，Google 内部的云、语言模型、DeepMind、多模态和世界模型团队需要争夺资源；当 Coding 被视为通向 AGI 的主线，多模态可能只是“边桌”，阶段性优先级就会改变。
- 更强的推动力来自 AI 短剧：相关体系可以生产、分发、消耗广告，并利用用户行为；庄明浩称其为全流程的 RSI，利润也留在体系内。Koji概括为“自己产生，自己分发”。庄明浩认为，可灵理论上也有类似生态、也能赚钱，但规模小得多。美国一些视频模型厂商则逐渐“不在主流视线中”；他没有说它们完全退出了竞争。行业仍在追4K、时长、动作与人物稳定性等方向。
3. 通用模型能否捅穿物理世界仍是分叉点
- Koji追问视频模型战争是否结束，庄明浩没有下定论：独立视频、世界和物理模型厂商，相信这些能力需要分别建设；通用模型厂商则押注语言模型验证过的路径，可以“一竿子捅穿所有事情”。他认为两边的观点都充分，路线何时交汇，是明年值得关注的节点。
- 庄明浩转述宇树王兴兴的一种预期：GPT-7 发布后应该就能“把物理捅穿”。如果兑现，对独立物理 AI 厂商可能既是挑战，也是威胁。具身智能的商业模式尚未丰满、稳定；相比之下，游戏有足够大的行业盘子和较成熟的商业模式，行业也已经发展很久。软件行业多年来建立的体验、操作和交互护城河，如今同样令人担心。Koji的判断是，关键在于与真实世界的联系有多强。
4. Sora 退出没有消灭垂直创业机会
- 庄明浩把3月24日 Sora 2 关闭列为第三个节点：一种解释是视频竞争加剧，让 OpenAI 在有限资源下选择战略放弃。这同时打开另一个问题——最强模型公司能否吃掉所有市场？他的回答是，两派都有道理；技术持续突破，不妨碍垂直公司继续成长。
- 他提醒，所谓“边缘战场”并不小：“不是说所有人都要去做一万亿、两万亿美金公司。”100亿—200亿美元的公司已经很强。Perplexity 虽不再频繁占据讨论中心，他观察其收入、流量仍好，估值“可能”已有200亿—300亿美元；热度下降不能直接等同于经营失效。他也提到 AI 浏览器和 AI 搜索：两人谈到 OpenAI 也发过 AI 浏览器，Koji补充称 Comet；这类产品如今少被提起，但并不意味着所有边缘机会都消失。
- AI 陪伴是另一例。庄明浩认为，Character.AI 的核心团队被 Google 买走后，公司使命一度像是被判了“死缓”；但市场反而出现“一鲸落，万物生”。据他观察，2026年下半年已有四五家公司跑出；估值可能达到10亿美元乃至几十亿美元，月流水可能有几千万美元，月 AR 可能超过1亿美元。他说，中、韩和东南亚已有不止一家公司跑出来。对早期投资，这已值得参与，而非必须与万亿美元巨头比较。
5. RSI 让实验室的资金流向下游生态
- 6月4日 Anthropic 发布《When AI Builds Itself》，是庄明浩最强烈的震动之一。最打动他的不是技术细节，而是图示：人加电脑训练模型，再加入一个、两个模型继续训练，“加到最后人类不见了”。另一幅不断复制、组合 Logo 的动画，让他“毛骨悚然，鸡皮疙瘩起了一身”。
- 他的判断保留了边界：这意味着头部厂商公开说明，内部“在局部看到了这种循环的可能性”，并非所有环节已经无人化。他还推测，既然6月4日能公开展示，内部可能在之前两个季度、甚至两个版本时，就已开始试验。
- 庄明浩把 Ilya 谈 TTT（测试时训练）等探索放在同一条线上：路径可以不同，但头部实验室的研究者似乎在相近时间看到方向收敛，并开始进入可操作状态。他还提到田渊栋等人的公司 RSM、Jeff Dean 离职后新公司的无限符号 Logo，以及 Mira 等人的 Loop 方向，作为这类关注的例子。
- 这也是他解释下半年产业变化的资金链：新的 Lab 和大的 Lab 都要围绕 RSI 建立体系，重新配置人员、组织、训练环境与数据；下游的后训练、强化学习环境、数据和 Benchmark 公司因此获得需求。相关趋势可能 Q2 就已开始。巨头花费的量级，足以拉起一批下游公司。理解循环之后，他的感受是：“它打开了就关不上了。”
6. 全天候 Agent 也是全天候攻击能力
- Koji提到录制前后 PHP 出问题、PinCap 遭攻击等事件。庄明浩认为，最显著的变化是时间被压缩：漏洞逻辑或实现方式一旦露出一点苗头，有经验的人就能得到灵感，从发现到实施几乎没有间隔。过去的 Zero-day 时间尺度，如今可能被压到几乎不可量化。Koji称之为从 Web Coding 走向 Web Hacking。
- 庄明浩转述一家做后训练与 RL 环境搭建的公司 CEO 的判断：“最懂代码规则的 AI，当然最懂得如何利用漏洞。”追求“七乘二十四小时”的 Agent，也同时创造了一支“七乘二十四小时无休息、无终止的矛”。这不是另一项独立风险，而是同一能力的一体两面。
- Koji提出，限制循环的可能只剩能源。庄明浩则转述 Anthropic 的文章：模型能把大概二十几台电视盒子串起来运行，每台只需几十美元，且中国更便宜。他由此担心，算力载体可能扩散到廉价设备，“光拔数据中心的电源看起来已经没有用了”；他也承认，这听起来像科幻故事。
- 他还提到 Netflix 已拍好一部记录 OpenAI 模型攻击 Hugging Face 的纪录片；Hugging Face CEO 看过预告后表示失望，认为 Netflix 渲染了过多负面情绪。庄明浩借此强调，各方说话的角度和利益并不总是清楚。
7. AI 浪潮让老硬件公司重新站到前排
- 6月27日做上半年总结时，庄明浩用了“文艺复兴”作标题。开场是2026年金曲奖最佳男歌手张震岳、最佳女歌手蔡依林，让他感叹“今夕是何年”；下一页则写着：“那些老朋友全都回来了。”
- 他以自己观察的标普500涨幅前20为例，称其中可能有16—18家，是戴尔、SanDisk、希捷、西部数据、美光、AMD、三星、SK 海力士等让人联想到当年 DIY 攒机的公司；他称其余两家是减肥药公司。“似乎这个世界只有 AI 和减肥药两件事情了。”这份榜单给他的震动，是新需求重新抬升了老厂商。
- 内容行业则面临另一种重排。他把 AIGC 冲击概括成“素材之死”“流程之死”“版权之死”：剧集、电影、音乐已经出现流程变化，短剧又让版权问题显露出来。至于艺术在 AI 时代走向哪里，他没有答案；Koji认为变化的速度和强度超过预期，庄明浩补充，连方向都未必知道。
8. Codex 定义了一轮界面，也带来了复杂度
- 第六个节点是7月9日 GPT-6 发布。庄明浩更关注同期 OpenAI 把 Codex 换入 ChatGPT 的动作，以及随后 Codex 的增长：他提到最近月活已达4,000万。去年发布、Q1 被认为难以击败的 Claude Code，到 Q2 开始遭遇 Codex 追赶；7月之后，Codex 的口碑也逐步追回。
- 他称 Codex 是上一轮产品的“版本之子”：左边项目、中间执行、右边展示结果的三栏界面，成为办公 Agent、垂直产品乃至 SaaS 共同模仿的形态。Koji补充，最早长成这样的是 Manus；庄明浩同意。两人也认为，Personal AI 又开始改变这套样子。
- Koji的实际使用却出现反作用：原本几乎所有任务都在 ChatGPT 完成，如今简单任务转向 Grok Bot，因为 ChatGPT“太慢了”。聊天还是工作、是否启用 Pro 模式、额度何时重置，都增加选择负担；Koji觉得不用 Pro 模式会“吃亏”，让简单需求也被复杂流程包住。
- 庄明浩认为，Claude 同时塞入聊天、Code、Design 等原本独立的产品，也面对同样的问题：包袱累积后，很难一刀切回简单。于是新的极简产品就能“扎你一下”。Koji将 Muse 放在这个位置，庄明浩则说，自己现在大部分时间也在用 Muse。
9. 小模型追赶前沿能力的时间正在缩短
- 8月14日 Qwen 3.8 的27B模型发布，被庄明浩选为第七个节点。一张时间轴让他看到：30B以下、可以本地部署的小模型，追到过去顶尖模型能力所需的时间，正从18—24个月缩到九个月。他说该模型已达到 Opus 4.6 或4.7的水平，但对具体版本并不确定。
- 他的解释是，前沿模型进入 T 乃至10T参数量后，激活、专家模型、优化和路由都更复杂。他判断头部能力增长“一定在放慢”，同时承认目前无法量化；小模型则仍能从效率、路由等方面快速获益。于是，“今天我们被称为奇观的东西”，九个月后就可能在小设备上本地运行。
- 至于端侧最终由大厂还是新公司胜出，他回答：“这我不知道。”他更愿意把端侧小模型与决策模型放在共同框架下看：用较低成本、更高效地完成事情。成本也不只是单价，而包含中美、开源闭源、本地部署、通用或专用等五六个维度。
10. 自制软件开始触及应用商店的需求基础
- 第八个节点是8月21日苹果第三季度财报之后，App Store 收入出现十几年来首次下降。Koji直言：“大家不买软件了，不买 App 了，自己造了。”庄明浩认为 Vibe Coding 是原因之一，可能是很重要的一个，但也承认增长、设备普及和运营均有影响，不能证明唯一因果。
- Koji的例子来自观鸟：在上海南汇东滩看迁徙鸻鹬，学了三年，辨认考试“可能只能考十分”。他让 AI 做了一套遵循艾宾浩斯记忆曲线的学习程序，最近每天像打卡多邻国一样练习。庄明浩还提到，创业者李楠的鼠标驱动被用户归藏自行重写并开源，李楠随后转发推荐，说明这类做法正从极客圈向外扩展。
- 庄明浩因此提到，多邻国的收入与用户仍在增长，股价却已跌去一大块。软件厂商当然可以解释自己的护城河，但他的感受是：“这个浪感觉已经淹到墙根底下了。”至于最终结果，他仍说没人知道；过去需要软件完成的任务，也可能直接交给模型处理。
- Koji认为 1Password 仍值得持续付费。庄明浩将可能保留价值的领域指向支付、密码、安全和隐私，但马上加上限定：“可能，也只是可能吧。”
11. 模型竞争从分数转向性价比边界
- 双十一期间，benchmark 网站 Artificial Analysis（AA）的一段可视化让庄明浩印象深刻：纵轴是模型得分，横轴是 Token 价格，把优势点连起来，就是不断上移的帕累托前沿。一个更强、更便宜的新模型出现，其支配范围内的旧模型便失去性价比，形成所谓“斩杀线”。
- 这套图原本是自媒体解释竞争的工具，后来进入厂商官方发布材料。庄明浩举例说，智谱的官方公众号也画过斩杀线；他认为榜单上的模型终会被打满或接近打满，“单纯打分已经没有意义了”，成本才成为新的具象化考量。他也保留限定：单独一个分数，并不等于完整用户体验。
- Koji转述 OpenRouter 数据：五个季度内，基准前10模型的调用量占比从约80%降至20%，因为日常任务没有那么复杂；庄明浩补充，花费口径也可能呈现向下趋势。Koji的判断是两端并存：SOTA 可以更贵、获得更高溢价，同时另一端也会出现免费模型。
12. 奇观比榜单更能让人感到能力跨线
- Opus 5.5 带来的播客可视化，是庄明浩最后一个正式节点。他回看徐梦迪那期深奥对谈时，自评录制过程中只懂六七成；配上模型生成的动态 PPT，再完整看一遍，可能理解到八成。可视化在这里改变了内容的可理解程度。
- 他强调，不需要操作剪映，也不需要专门配置 Skills，就能生成与讲解配合的画面。Koji补充说，团队还是给了一些简单指示；庄明浩认可，主要是风格要求。他看到成品的反应，是想放一张“毁灭吧”的表情包。
- 他转述《帝国时代》的比喻：建造“奇观”，既展示实力，也是在向所有人宣告“来打我”。他举出 Opus 5.5 剪视频、GPT-3.5 做 Blender 3D、GPT-6 改造《魔兽争霸》等例子：当分数、甚至性价比都不足以表达顶尖能力，厂商就要让毫无专业背景的人第一眼也震惊——“今天最头部模型怎么能让人知道它已经强到什么程度？造奇观。”
- 这种震惊也伴随无力感。庄明浩提到卡帕西看到 Phi-5.1 或 GPT-6 后的感受：原以为自己的品味、审美和技巧还能引导模型，如今发现“只能跟在它后面”。Koji引用 DeepSeek 研究员那句“我不得不把我的才华埋葬在昨天”。这也是本期的 Aha moment 不断变成“毛骨悚然 moment”的原因。
13. 精美变得廉价之后，粗糙感也能创造吸引力
- 庄明浩的彩蛋是微信小游戏《赵云与阿斗》。据他观察，它近一两个月一直位居小游戏榜首，玩法是成熟的塔防、合成和 Roguelike 随机抽牌组合；真正醒目的是画面全部用文字：弓箭手就是“弓”，枪兵就是“枪”，赵云就是“赵云”两个字。
- 他确信这种“极度的粗糙”是刻意设计。AI 图片、视频和短剧不断用高清、细腻、精致的画面刺激用户，反而可能引发逆反，需要一点反方向的体验。但他认为“它不会火很久”；模仿出现、人们习惯之后，新鲜感也会消失。
- Koji把这种感受连到自己的公路播客：环境有些不受控制，像旅行一样带着“沙粒感”，反而让自己表现出录音棚里不同的生命力。两人最后落到的追求，是继续做出“人味儿”。
- 对2027年的计划，庄明浩回答“不知道，不知道”。他的生活切面是，狂喜播客节的 AI 话题占比高峰可能在2024、2025年达到约15%，这次88场里只有8场。他最后那页 PPT 一直写着：“他妈的，AI 不 AI 的，享受生活吧。”
Full transcript
本周我们又到了 2026 年年底，要做年度复盘的时候了。今年我们准备做点不一样的，不打算做一个大而全的复盘。为什么呢？因为你要追求全面，去问 AI 就可以了。所以今天我们会邀请一些在一线经历了这一整年 AI 发展的朋友，和我们分享各自在 2026 年的 10 个 AI 带来的 Aha moments。我们希望它能成为一个系列，让大家看到十字路口和朋友们的 2026 年。这周请到了明浩，欢迎来到十字路口。
感谢 Koji 邀请。大家好，我是明浩。
明浩，你的第一个 2026 年 Aha moment 是什么？
1. The OpenClaw Agent Shift
我觉得，2026 年马上就要进入 Q4 了。大家回想 Q1 的时候，可能都会想到 OpenClaw 的崛起。
所以第一个就是 OpenClaw。
对。当然，OpenClaw 正式发布应该是在 2025 年 12 月，但真正意义上在国内产生比较大的影响，应该是在春节左右，也就是 1 月底那个时间点。春节回来之后，所有大厂瞬间跟进。如果大家有印象的话，可能还记得当时大家排队去腾讯楼下安装，去抢 Mac mini，甚至花钱请别人帮忙安装。因为在那个时间点，OpenClaw 还是一个太新、相对不太完善的东西。
但在那个时间点，我觉得参与行业的技术从业者、研究员，以及我们这些从产品和观察角度关注行业的人，都充分意识到了 Agent，以及今年更热的一个词——Harness——所带来的模型改进和对普通用户的促进作用。大家有一种感觉：潘多拉魔盒被打开了。那个感觉很明显，所以大家才会排除万难，去体验和感受这个东西带来的变化。
后面发生了很多事情，大家也都知道。但在那个时间点，你会明显感知到，确实在 2026 年初，我们迈入了一个新时代。其实我没记错的话，Sam 在 2024 年就说过 L1 到 L5 的划分，当时 L3 是 Agent，L2 是推理。在那之前，做 Agent 和相关尝试的人已经很多了，可大家都在摸索一种范式。今天回头看，所有 Harness 的搭建可能就是一套范式。
这套东西到底要给用户提供什么组件，用户需要接受什么？它是在云端还是本地？有没有一台 24 小时常驻的设备？通知是通过 App、网页，还是已经有的某个 App？所有这些东西打包在一起的状态，可能从 OpenClaw 那个时间点开始，大家觉得已经收敛了。
虽然今天讨论 OpenClaw 的人已经没有那么多了，但我经常会看一个数字。大家可能有印象，OpenClaw 当时是开源项目，开发者是个人，所以更新特别快，基本上今天没有更新，第二天一定会更新，差不多是这个节奏。我记得特别清楚，最火的时候，OpenClaw 在 Twitter 上发布更新，当天转发可能有几万，后来变成几千，现在可能只有几十了。
回头来看，这条线是一条非常长的主线。抛开模型层，从产品层和应用层来看，它是贯穿今年的一条很大的主线。
今天也有一些声音会说，大家看 OpenClaw，当时那么热情、那么疯狂，是不是投入得太多了？是不是吹大了泡沫，放大了焦虑和 FOMO？你怎么看当时的情绪？它好在哪里，不好在哪里？
我觉得好在大家开始尝试。最近 Q4 大家讨论的所谓 Personal Agent，所有演进，其实在 OpenClaw 出来的时候，大家对未来的推演里或多或少都已经想过了。
是。
比如说我要有一个类似自己的群组，或者我要有一个 Agent 集群。你会发现，这一轮 Personal Agent 已经把这件事变成标配了。但在那个时候，它还只是少数极客的尝试。大家会去尝试怎么跟 AI Agent 配合，尤其是给它上下文、本地权限之后，怎么一起工作、怎么配合、怎么改造流程。这些事情我觉得都有意义。
当时我们已经开始探索，或者说最前沿的使用者和技术人员已经开始探索这些新东西。过去一年，无论是产品端的改进还是模型的改进，其实都是延续着这些思潮在推进，我觉得这是好的一面。
不好的一面是，除了最前沿的人和像我们这样特别关注的人之外，大部分普通人如果没有参与到那个过程里，今天回头看也没有错过什么。但这个趋势过去几年一直在出现：大家经常开玩笑说，发展太快了，快到我什么都不用学，学了也过时。
不过，另外一面是，如果你没有在那个时间点体验过那些困难，可能就不太能理解为什么今天新的代表性产品会这么做。它们解决的问题，来自当时遇到的难处。这些难处可能在体验层、操作层、组件层、协议层，甚至更底层的技术层。每一层都会有专门的人去解决、往前推。就像木桶一样，所有桶板都提高了一块，才有了今天这个样子。
所以对于普通人而言，没必要当时买一台 Mac mini，装上之后又不太会用，还要折腾来折腾去。但除此之外，其他的事情我觉得都是必要的。
我觉得对从业者来说是很有必要的。
当然。它相当于给了大家一个收敛的共识，或者一个更明确的方向，让大家知道该做什么。我觉得这是过去一年巨大的贡献。
这个世界不是均匀分布的。如果你能作为 Early Adopter，更早看到一些产品，也可能比别人早一点得到启发。
对。就像今天大家会说，Skills 可能也不重要了，因为随着模型能力越来越强，你不需要预置一些 Skills，模型能力可能已经覆盖了它们。但你走过这一路，有了那套逻辑和打法，就会非常清楚模型和产品能力的边界，也知道它们的实现方式。那你用不用，就很自由了。但如果你没有经历那些，就只能默默接受现在的状态。
好，这是第一个 Aha moment。第二个是什么？
2. Seedance Sets the Video Pace
第二个也是差不多在春节左右，就是 Seedance 2.0 的发布。
好。
这是视频模型的一个节点。在那个时间点，大家公认视频模型这场战役还是要看中国厂商，而且 Seedance 已经站到了最前面。
我觉得更现实的是，如果把语言模型和多模态模型、视频模型分开来看，过去一年语言模型几乎每天都在更新版本，看版本号就知道了。但视频模型，尤其是以 Seedance 为代表的头部视频模型，版本号更迭没有那么快。原因可能是视频模型比较难，但我觉得更重要的是，它有自己的节奏，能认真地做这件事情。
现在 Seedance 2.5 刚刚发布，之前是 2.0，直接从 2.0 跳到 2.5。2.0 和 2.5 之间几乎没有什么动作，也就半年多的时间。语言模型这边不可想象，但视频模型即使没有频繁更新，Seedance 依然是最领先的，已经奠定了大家公认的世界第一的领先地位。
你觉得是什么原因？它成为 SOTA 那么久了，大家也没有追上。
各家有各家的问题。原来追得比较紧的是海外的 Google，中国这边可能有可灵、MiniMax、海螺、PixVerse 这些公司。Seedance 在 2026 年发布 2.0 之前，就已经显现出领先地位，只是没有那么强势。
但回头来看，从 2022 年底到 2026 年，整个模型训练的发展里，拥有独家数据的厂商，其边际效应增强已经有苗头了。Seedance 在视频领域有这个优势，而且在中国厂商里，它的资本和人员资源，以及对这件事的战略决心，都领先一到两个身位。
跟 Google 比的话，Google 过去一年经历了太多其他事情，导致它有所摇摆。原来大家会认为 Google 多模态很强、语言模型很强、TPU 也很强，什么都很强。但这个故事在去年年底瞬间就被推翻了。今年大家都说 Google 落后了，那它就要去追。可能上面的资源要去追语言模型、Coding，而且算力也要优先安排，团队内部也要争抢资源。Google Cloud、语言模型、DeepMind、多模态、世界模型，各个团队之间都要抢资源。
而且在美国的叙事里，多模态可能是一个边缘战场，没有那么重要，不在主桌上，所以 Google 在策略上可能没有跟得那么紧。对 Google 来说，阶段性的战略选择里，语言模型可能也没有排在最前面。
大家还是觉得 Coding 通向最终极的 AGI。
对，所以它可能上半年就没追。更现实的问题在于，视频产业去年开始兴起的这一波 AI 短剧浪潮，到今年更疯狂了。当然也有大浪淘沙、良莠不齐，但这件事对 Seedance 来说形成了更强的 Loop，也就是更强劲的 RSI 循环过程。
有自己的全家桶，自己产生，自己分发。
自己消耗广告。它把所有东西都纳入进来，这件事对模型本身也有好处，用户行为也都能用起来。
这真的就是 RSI。
广义上来说，是全流程的 RSI：所有东西都吃进去，利润也都留下来。所以它不需要担心、怀疑这件事，就可以策马狂奔。从这个角度看，其他竞争对手跟它就不是一个量级的选手了。哪怕可灵，理论上跟它处在类似的生态里，但可灵的圈子可能比它小好几号。当然它也能赚钱，但它就是小。可在这个世界里，大就是好，对吧？
好就是大，就这么简单。那怎么办呢？
所以我觉得 Seedance 2.0 的发布，以及过去这大半年，虽然它占据媒体和我们这样的传播渠道的版面不算特别多，但在产业落地上，它是真正推动了漫剧、短剧、真人剧，以及配套出海和视频模型演进的力量。
过去半年多，整个视频模型行业里，有一些打不过这场仗的就去追世界模型了。还在打视频模型这场仗的，就在追高清、4K、超长时长、动作一致性、稳定性、人物稳定性，以及古典意义上的视频质量。
而且美国的竞争对手感觉都退出战场了。
基本上我们能够提到的也就是——
Luma、Pika——
对。
这些都已经不逊色于——
不那么——
也不能说他们——
Runway 吧。
对对对，都慢慢地 out 了。
就是不在主流视线中了吧。
那你觉得视频模型的战争已经算是结束了吗？
今年另外一个热词就是世界模型。大家又会认为语言模型、世界模型，包括视频，甚至再拓展到物理。如果世界模型也包括物理，那这些事情最后会被包在一起，用一种通用的方式全部解决掉吗？尤其 GPT-6 出来之后，它去做 3D、搞定这件事，最近一段时间相关讨论特别多。
我们到底能不能用当前在语言模型上验证的 Skills，一竿子捅穿所有事情？包括 Opus 5 出来、5.5 出来之后，大家拿它剪视频，这也是我的一个很重要的 Aha moment。
那如果未来真能一竿子捅穿所有事情，它们就会合在一起。但今天看起来还是分开的，那到底该押哪边？
现在两边的观点都很充分。做视频模型、世界模型、物理模型的独立厂商，站在一边；通用模型厂商则认为一竿子能把所有事情捅穿。
到底这两条线会在什么时间点出现什么变化，我觉得也是明年值得关注的重要节点。前两天谁来着，宇树王兴兴不是说 GPT-7 发布之后应该就能把物理捅穿吗？那就等 GPT-7 什么时候发布。如果真的捅穿了，对今天那些做物理 AI 的独立模型厂商来说，可能就是个问题。这个问题可能是挑战，也可能是威胁。
我们今天在十字路口公众号还有一篇文章，讲的是 Astra 对具身模型是不是致命打击，以及它真的会毁灭普通具身基座模型的可能性有多大，从 1 分到 10 分是几分。当时我正好主持了两场论坛，上面有七八位现在还在一线的具身公司的创始人或首席科学家，我把大家关于被打击程度的观点总结成了 1 到 10 分。
我觉得现实的问题在于，具身智能本身的商业模式还没有非常丰满，也没有非常稳定、固化，所以确实存在很容易被捅穿的可能性。
不过我们经常会从另一个角度聊游戏。虽然大家会觉得，尤其这一轮 5.5 和 6 出来之后，游戏也被颠覆了，但“游戏被颠覆”这个话题已经说过很多次了。世界模型那一波出来的时候说过，Genie 3 那一波也是这样。每次这种问题出来的时候，游戏本身的固有商业模式还够强，行业盘子足够大，足以支撑很多事情，而且这个行业走到今天也走了很远。
当然，你说这个的时候，也会有另一个声音跳出来。就像最近一段时间大家讨论软件行业被颠覆一样，软件行业也走了很远。大家认为体验、操作、交互很重要，是很深的护城河，但似乎也会有点担心。
我觉得这个取决于你和真实世界的联系有多强。如果一切都在数字世界里，摧枯拉朽的力量来了之后，可能瞬间就没了。
我觉得 Seedance 2.0 可能会衍生出短剧行业的事情，那是行业里更复杂的问题。前两天有个朋友说，如果回看同一时期的发展脉络，红果上线 3 年的发展速度超过了抖音，无论是用户量还是用户时长。可能打败抖音的是红果。
好，前面两个，一个是 OpenClaw，第二个是 Seedance 2.0 的发布。第三个 Aha moment 呢？
3. Sora and the Long Tail
第三个是顺着这个话题来的：3 月 24 日，Sora 2 关闭了。大家可能会说，这时候有一种论调认为，纯视频模型的独立状态受 Seedance 的影响太强烈了，再加上竞争疯狂加剧，OpenAI 在有限资源的选择上做了调整，然后把它关掉。
战略放弃。
对。我觉得这引发了两个议题。一个是刚才聊的视频模型问题，另一个是过去几年大家也一直在讨论的：模型厂商，尤其是最头部的大模型厂商，能不能把所有东西都吃掉？
现在看来，这个议题的双方都有非常强的立场。一方认为它会吃掉所有东西，就像刚才聊的，它会把所有事情捅穿。今天捅穿数学，明天捅穿物理，后天再捅穿法律、金融，什么都有可能。另一方认为，即使大模型这么强，你还是能在各个垂直领域看到过去几年发展很快的公司。
我觉得双方观点其实都对，不能说谁一定能把谁百分之百地全部取代。但对今天的 AI 发展来说，大家已经可以认真看看非主战场之外的边缘战场了，那些边缘战场其实也不小。
这些边缘战场的机会也很多，不是所有人都要去做一万亿、两万亿美元的公司。做一家一两百亿美元的公司其实也很强。今天你会发现，AI 浪潮之后，一两百亿美元规模的市场其实非常多。
对。无论是从技术能力的垂直角度划分，还是从行业的横向角度来看，都出现了很多可能性，还有很多机会可以做。
比如哪些边缘战场？可以举一些例子吗？
纯从大模型的几个板块来看，哪怕大家认为视频模型可能已经被捅穿了，它也长出了很多东西。另一个例子是 AI 浏览器，或者 AI 浏览器加 AI 搜索。Perplexity 虽然没什么人提，但它的收入和流量一直都很好，可能已经是一家两三百亿美元的公司了。大家第一天就认为 AI 搜索会干掉浏览器。
浏览器，OpenAI 已经把——谁还记得 OpenAI 也发过 AI 浏览器呢，对吧？
Comet。
对。哦，这已经不重要了，对吗？但是就是在这些大家默认已经没什么人提及、跟无人关心的角落，还是有些公司长得很好，而且立得很开。
最近大家聊得比较多的是 Character.AI 这个板块。中美两国的观点差别比较大。在美国，这个领域基本上是一鲸落，万物生。Character.AI 的核心团队原来来自 Google，后来 Google 把核心团队买走了。我觉得在那个时间点，Character.AI 公司的使命已经被判了死刑，只不过过去一年还在延续，属于死缓。
死缓。
对，就是死缓。这个战场一直有很多公司在做。但直到今天，也就是 2026 年下半年，市场上可能已经有四五家公司跑出来了。所谓跑出来，就是估值达到十亿美元，甚至几十亿美元，月流水可能有几千万美元，月 AR 可能有 1 亿美元以上。已经有不止一家中国、韩国和东南亚公司跑出来了。
几乎都是亚洲公司吧，比如 OOC、KeepSay、Emochi。
相对于一万亿美元的 OpenAI 和两万亿美元的 Microsoft 来说，确实不算什么大事，或者说它们也看不上。但对一家初创公司，或者早期投资来说，这件事值得参与，而且是非常简单明晰就能看到的机会。
我今年还有一个很大的感触：当我们频繁提到那些最大的数字时，已经忽略了我们起初追求的东西。尤其对早期投资来说，当年投出一家十亿美元的公司，已经是非常好的成绩了，对吗？
是。
今天这个战场里，十亿美元的公司可能刚融完天使轮。
起步价。
对。当市场上最大的公司已经涨到一万亿、两万亿美元，比很多传统巨头都大、收入也超过传统巨头的时候，它们花的那些钱就会变成其他公司的收入。这个量级足以养活一大堆几百亿美元的公司。
所以今年这一轮 RSI，诞生了数据公司、做后训练的公司、做推理的公司，这都是一个逻辑。甚至那一波 New Cloud 公司不也是这个逻辑吗？
4. The Recursive AI Loop
6 月 4 日，Anthropic 发了一篇文章，标题叫《When AI Builds Itself》。
RSI。
Anthropic 特别擅长做动画。我说的动画，是指他们每次发布博客、文章，都会配上一张很好的可视化示意图。我天天做 PPT，对这种图的感受特别明显。他画了两张图，我看完之后毛骨悚然，起了一身鸡皮疙瘩。
第一张图是标题图，左边是标题《When AI Builds Itself》，右边是一个动画。Anthropic 的 Logo 本来是一个方块，你可以把它理解成马赛克方块，然后逐渐变成 Anthropic 的 Logo。接着那个方块复制，再慢慢变成 Anthropic 的 Logo，不断复制、不断叠加，叠出一个更大的 Anthropic Logo。大 Logo 又变成小 Logo，再继续叠，最后变成更大的 Logo。
我当时看完，就像恐怖片里地上全是害虫在爬一样。这个可视化做得太清楚了。
一乘二、二乘三，三生万物。
三生万物，就是这么简单。这是一张示意图。文章正文里还有一张更清楚的图：第一行是人类加一台电脑训练 Anthropic，得到 Anthropic 的 Logo；第二行是人类加电脑加 Anthropic，训练出新的 Anthropic；第三行是人类加电脑加两个 Anthropic Logo……这样不断加下去，最后人类不见了。
我不用看那些技术细节，单纯看这两张图，就知道这个世界变了。或者说，6 月 4 日他们决定发布这篇文章，就代表他们在之前的两个季度，甚至两个版本之前，就已经开始尝试这件事了。
他们经历了测试和实施，到了可以拿出来给公众看的程度。
对，6 月 4 日。
所以那之后的下半年出现了非常多……
所有趋势都围绕这件事情展开。
对。
所有趋势都在围绕它展开。模型厂商已经几乎……你看当时 Google 那个季度，Gemini 5.2 还是 5.3 发布的时候，唐杰老师说 Gemini 6 是下一个最大的版本，完全基于 RSI。其实年初唐杰老师在北影大会上也提到了这件事。
到了那个时间点，可能在 2026 年初，模型厂商的创始人们已经看到了这种可能性，甚至内部也在尝试。但 6 月 4 日对我们这些观察者和从业者来说，是最头部的厂商真正把这件事定义出来，说已经在局部看到了这种循环的可能，并且告诉你内部在哪些环节用到了什么程度，以及它在过去一两年里以什么速度、什么状态影响了所有事情。
我觉得这件事引发了下半年特别多的变化。我上一期季度总结的 PPT 里就讲到，Ilya 的模型还没有发布，但他之前说自己在做 TTT，也就是测试时训练，可以理解成一样的逻辑。你看田渊栋他们公司，我看新闻说今天他们发布了正式版第一版模型，公司名字就是 RSM。
嗯。
就是换了另外一个单词。
Recursive。
对，Recursive。然后 DeepMind 的首席科学家、在 Google 工作了 27 年的 Jeff Dean 离职了。他那家公司的 Logo 是一个无限大的符号。还有 Mira，他们当时提出的也是在讲 Loop。
这些原来处在头部大厂核心位置的研究员、专家和科学家，在差不多的时间点做类似的事情。角度和实施路径可能不同，但我觉得他们看到了一个大方向正在收敛。这个大方向可能很多人都意识到了，但似乎到了 2026 年，它收敛到了一个可操作的状态。
这一波 New Lab 出来之后，钱都涌进来了。新的 Lab 和大的 Lab 都要建立针对这套 RSI 的体系，人员、组织、训练环境、数据，所有事情都来了。这些钱流向下游，下游生态就被硬生生拉起来了。
嗯。
所以今年下半年出现了这一波趋势，甚至 Q2 可能就已经开始了。做后训练的、搭建 RL 环境的、做数据的、做 Benchmark 的，中国和美国的厂商都在做。
收入暴涨。我觉得这个故事就像一个潘多拉魔盒被点燃了。点燃之后，因为你了解这个循环过程，就知道它打开了就关不上。
当然，这也引发了更复杂的问题，比如安全。就像 Anthropic 那个 Logo 动画演的一样，当它不断复制、不断延展、不断把触角伸出去，很多事情就防不胜防了。
所以限制它的唯一可能是能源。
但能源现在也出了问题，或者说是电和设备的问题。前两天 Anthropic 又发了文章，说他们内部监测到模型可以把大概二十几台电视盒子串起来运行。
电视盒子？
几十美元一个，中国更便宜。那算力会是什么情况？但模型可以依靠自己的能力把几十台盒子串起来，让它自己跑。你想，光拔数据中心的电源看起来已经没有用了。
当然，这听起来像科幻片里的故事，但似乎至少在数字世界里，这件事情正在发生。昨天的新闻是 Netflix 拍好了一部纪录片，记录 OpenAI 的模型攻击 Hugging Face。
这么快就拍出来了？
对，这么快。8.99 美元还是 9.99 美元就可以买到了。但 Hugging Face 的 CEO 看完预告片——他肯定先看了那篇报道——说自己有点失望。
嗯。
他说 Netflix 太过渲染负面情绪了。但现在每个人说话，你也不知道他的角度、利益是什么。反正世界就是这样，已经走到这儿了。
我觉得值得一看。我们录播客的今天，昨天都分别发生了非常大的安全事故。你怎么看接下来会发生什么？PHP 出问题，然后 PinCap 被攻击，感觉好像很难幸免于难。
很难，因为太难了。首先所有的时间都被压缩了。原来在安全领域，大家说漏洞的时候，有一个形容词叫 Zero-day。
比如黑客发现了一个漏洞。微软操作系统有漏洞，但微软会定期更新、打补丁。Zero-day 漏洞就是厂商打补丁之前的漏洞：我发现了一个微软还没发现、市场上也没人发现的漏洞，这就叫 Zero-day。Zero-day 可以拿来卖、拿来攻击，也可以做很多事情。很多黑客的工作就是找 Zero-day 漏洞。
但今天 Zero-day 可能已经被压缩到一个几乎不可量化的时间尺度里了。它本来就代表当天之前的漏洞，但现在可能已经是 0.000000001 天的量级。
就像昨天 PHP 的漏洞，他们其实已经在做很多事情了，但视频被放出来之后，漏洞逻辑和实现方式只要被人看到，有一定技术能力的人看到一点苗头，灵感火花一被点着，实施层面就已经没有任何间隔了。
从 Web Coding 到 Web Hacking。
对，已经没有任何难度了。
其实现在很多攻击，我觉得都不带任何目的。
前两天我看了一个最近几个月爆火的、做后训练和 RL 环境搭建的厂商 CEO 接受播客采访。他说了几句话，让我毛骨悚然：最懂代码规则的 AI，当然最懂得如何利用漏洞。
你在追求 7×24 小时的 Agent 的同时，也是在拥有一个 7×24 小时无休息、无终止的矛……
嗯。
……在一直运作。这就是这件事情的一体两面。
我们虽然在聊 Aha moments，但感觉聊的都是毛骨悚然 moments。
也没办法，今年这种时刻特别多。后面可能会聊到更细节的东西：各行各业，哪怕是最前沿的人，也会经常感到无力。比如今年几个非常重要的时间点，前一段时间 DeepSeek 的研究员那篇文章。
“我不得不把我的才华埋葬在昨天。”
对。他是研究员，而且是在最一线的研究团队里。还有我记得今年特别清楚，卡帕西看到 Phi-5.1，还是 GPT-6 的时候，发过一篇文章。他说原来还觉得自己能引领一些事情，觉得自己有品味、审美，也有一些花招，可以教它、引导它。现在发现自己只能跟在它后面。
这种感觉在各行各业都特别明显。今年我的感觉是，Opus 5.5 出来之后，已经可以做可视化的视频剪辑和播客了。
这是不是你的第五个 Aha moment？
可能不是第五个，因为它的时间比较靠后。
好，那我们先讲第五个。
5. The Old Guard Returns
第五个很有意思。是 6 月 27 日，也就是上半年结束的时候，我做了一次总结，标题叫《文艺复兴》。PPT 第一页放的是前一天的 2026 年金曲奖颁奖典礼：最佳男歌手张震岳。
最佳女歌手蔡依……
蔡依林。
梦回 30 年前。
你就会想这个世界发生了什么，为什么没有新人出现？
为什么没有新人出现？
就是发生了什么？我的第二页 PPT 标题叫“那些老朋友全都回来了”。我们看标普 500 涨幅最高的公司，排出来的名单里，前 20 名可能有 16 到 18 名都是这些公司。我数了数：戴尔、SanDisk、希捷、西部数据、美光、SK 海力士、三星、AMD，英伟达不用讲了，还有微星，甚至港股里的联想。
怎么老登在统治天下？
就是我们 80 后当年攒机、DIY 那个年代的这些厂商，今年全部暴涨。这个世界到底发生了什么？为什么会变成这个样子？今夕是何年？我看金曲奖的那个晚上就有这个感觉：今夕是何年，为什么会变成这样？
当然，你可以说这是因为没有新的可能性，也可以说是一些特殊需求导致这些“老家伙”又回来了。可能 AI 来了之后，世界上不会再有新的歌手了，至少古典意义上的歌星可能不会再有了，因为互联网时代的媒体已经去中心化了。
标普 500 前 20 名里涨幅最高的公司，刚才说了 16 到 18 家，剩下两家公司是什么？是做减肥药的两家公司。所以好像这个世界只有 AI 和减肥药两件事情了。这个世界现在对硅基太不友好了。这个 Aha moment 可能没什么人会这么想，但我觉得特别有意思。
很有意思。AI 肯定不会这么想，这也是我们这个播客还存在的一丝人类荣光。
因为我们也算是内容创作者，所以对内容板块发生的事情会更敏感。
我今天上半天也做了一次演讲，讲 AI 对内容行业的冲击。我当时说是三次死亡：首先是素材之死，大家都知道；然后是流程之死，我们已经在剧和电影领域看到了，甚至音乐领域也看到了；最后是版权之死，在短剧里已经看到了。
再往后是什么？我们对艺术的追求，或者说现代艺术在 AI 时代会发展成什么样，可能是一个更复杂、没人讲得清楚的议题。当然业界对此也讨论很多。
一定会发生，只是发生的速度和强度都超过了我们的预期。
甚至方向是什么样，我们都不知道。所以我觉得这个也蛮有意思。
好，我们讲了五个，正好讲到上半年结束。第六个是什么？
7 月 9 日，GPT-6 发布。
嗯。
这个模型发布大家都知道了，我就不需要讲了，讲另外一个角度。差不多同一时间，OpenAI 做了一个狸猫换太子的动作，把 Codex 换成了 ChatGPT。大家开玩笑说是狸猫换太子。然后就有了很多人看过的那条曲线：Codex 的 MAU 暴涨。最近一次应该是 4,000 万，之前是 100 万、200 万、300 万、500 万、600 万，就这么一直涨。
我觉得在那个时间点，也就是 7 月左右，大家可以回想一下当时是什么情况。Claude Code 是去年发布的，Q1 的时候大家认为 Claude Code 的表现无敌，Codex 从 Q2 开始追。7 月 9 日之后，Codex 慢慢越追越好，至少在口碑上追上来了。
我这次演讲的标题叫“版本又换了”。Codex 是上一个版本的“版本之子”，也就是定义了这一波产品的样子。Codex 基本上可以定义这件事。我那天看到 Figma 的 CEO 还是谁，直接画了一张图，说未来很长一段时间，所有软件，甚至 SaaS 软件，都应该是这个样子：现在大部分 AI 软件都是三栏，左边是项目，中间是执行，右边是类似呈现状态的部分。
嗯。
这一波 Personal AI 又退回去了。
但在 Personal AI 出来之前，各种 Agent、产品、SaaS，甚至各种垂类产品，基本都长这个样子。
对，因为生产力长成这个样子，可能已经是一个共识。Personal AI 还是没有那么生产力，所以版本又变了。
在那个时间点，我开玩笑说 Codex 是个非常好的老师。所以 Kimi Code、J Code、Max Code，以及国内各种各样的 Agent，尤其是办公类 Agent，全部都长成那个样子。
其实最早长成这个样子的还是 Manus。
对，其实是的。
我觉得 Codex 和 ChatGPT 的合并也带给我一个副作用：现在我开始用 Grok Bot。原来我百分之百的任务都在 ChatGPT 里完成，复杂任务可能会用 Manus。但现在简单任务我会去用 Grok Bot。
对。
为什么呢？因为 ChatGPT 太慢了。
很快捷，很简洁。
而且我默认又开在 GPT-6 的推理模式。
对，然后你可能又需要选聊天还是工作。
我懒得选。
有些事情可能应该是聊天，但你又会觉得，万一这个事情延展出什么东西，还是应该放在工作里。
对。
那聊天存在的价值似乎就……
包括它给了我 Pro 模式，我觉得不用 Pro 模式就吃亏了。
对，你还要考虑额度、重置，乱七八糟的事情。
是。
所以当产品足够复杂、包袱足够多的时候，就一定会有更新、更好的东西出现。
没错。
更好的东西，因为你没法在原有的东西上解决所有问题。所以它自己为什么要做那个 Dot？昨天晚上 Claude 也发了。为什么？因为原来的东西已经……
嗯。
Claude 的前端现在是聊天框，它已经说可以默认帮你找 Cowork，不用你选聊天。Code 也在里面，最近还把 Design 放进去了。原来 Claude Design 只能在网页上用，现在也要加到后端。它的后端已经复杂到可能同时兼具三四个原本独立产品的样子，又不可能一刀切，把所有东西都切掉。
由俭入奢易，由奢入俭难。
对。
当你已经繁杂到不行的时候，就会出现一个新的东西……
扎你一下。
用极简的方式扎你一下。所以我觉得 Muse 也有这样的市场定位。
是的。我现在大部分时间都在 Muse 上。
这是六个了，对不对？第七个是什么？
8 月 14 日。
嗯。
6. Small Models Catch Up
Qwen 3.8 的 27B 模型发布。为什么选这个？因为这一年如果只谈模型发布，可以谈无数个选择。我看到一张非常好的图，是一个时间轴，像甘特图一样。比如在某个月，GPT-4o 发布，它的能力是这样的。然后往后推，推到什么时候停止？就是什么时候发布一个新的、小的、可以在本地部署的 30B 以下模型，能力达到 GPT-4o。
明白，什么时候端侧模型的能力强到了……
达到当时上一版的 SOTA 模型。GPT-4o 那个年代，这件事可能要持续 18 到 24 个月，也就是一年半到两年。到了 Qwen 3.8B，它的能力已经达到 Opus 4.6 还是 4.7 的水平，只用了 9 个月。把甘特图画出来，变化就特别明显。
这个加速背后的原因是什么？
我觉得就是刚才聊的这些模型训练变化，对吧？强化学习环境的搭建，以及当最大的模型、最前沿模型的参数到了 T 甚至 10T 的量级之后，出现了更多复杂的问题：激活、专家模型、优化、路由。
如果世界上有一条可以定量定义模型能力的曲线，虽然今天还没有，那你会看到前沿模型的速度其实在放慢。它一定在放慢，但我们还没办法量化它怎么放慢。虽然有一些 Benchmark，但后面的模型追上来会比较快。
另一方面，小模型在小参数量下，可以在效率、路由、渗透率等方面做得更好，所以差距越来越小。当然不可能永远接近，更不可能瞬间接近，但它在不断压缩。9 个月就代表着今天被称为奇观的东西，9 个月之后可能就能在一台很小的设备上本地运行。
端侧模型这么快达到一定能力，一定会打开一些别的东西。
所以你觉得端侧模型最后还是由今天这几个大厂做出来，还是会出现不一样的端侧模型厂商？
这我不知道。那就变成独立厂商要不要赌的问题。从这个角度顺着往下看，决策模型的出现也符合这个逻辑。
大家可能还是把“端”这个词看得太重。如果把模型大小、它做的事情、它的成本放在一起衡量，端侧小模型和决策模型其实是在做类似的事情：以相对低的成本做更高效的事。
更快、更便宜。
对。决策模型在这个时间点出现也是这个原因。当模型的后训练、学习、数据环境搭建，以及模型本身的训练、预训练，都变得极端复杂的时候，就会有厂商去做更小、更简单的事情。
这些更简单、更小的事情是出于成本考量。最简单的是价格、单价，可能还包括中美对抗、开源闭源、端侧本地、决策模型和通用模型。今天的模型厂商可能也会像 iPhone 一样，分 Pro Max、Pro、Plus、标准版和 Lite。可能也是同样的逻辑，所以成本是一个涉及五六个维度的问题。
好，这是第七个。
第七个。第八个是另一个议题：8 月 21 日，苹果发布第三季度财报之后，App Store 的收入首次下降，结束了连续十几年的增长。
大家不买软件、不买 App 了，自己造了。
我们进入了这样的时代。最近一两个月，软件行业被颠覆的事情被讨论得很多，我觉得这非常符合逻辑。
从有模型的第一天起，大家就觉得这是会发生的事情。
对。当然，这件事是不是只有这一个原因，是不是充分必要条件，我们不知道。
是。
但至少在这个时间点，我们看到了，或者能找到一些证据证明这件事正在发生。当然苹果自己也有自己的问题，比如增长问题、设备普及的问题，还有 App Store 的运营问题，这些都可能导致这个转折点出现。但很多原因里一定有一个，甚至可能很重要的一个，就是 Vibe Coding 的能力到了，让每个人都可以尝试做自己的软件。
或者过去要通过一个软件完成的任务，今天直接让模型帮我做了。
对，一个功能就搞定了。今天百花齐放，GitHub 成为新的小红书，也是一个原因。大家随便做个小东西放上去，什么都有。
我前两天看到国内很有名的创业者、原魅族 VP 李楠。楠总不是做了那个键盘鼠标吗？前两天归藏买了李楠总出的鼠标，觉得它的驱动做得不好，就自己写了一个，还开源了。李楠总转发说，以后大家用这个吧，不要用我们自己的。当然，对普通用户而言，这听起来还是有点天方夜谭，但它已经从原来非常极客、非常假的那群人，扩展了两个圈层。
我最近自己 Vibe Coding 的一个程序，是因为我喜欢观鸟，最近又是迁徙季。迁徙季在上海，大家会去南汇东滩看鸻鹬。鸻鹬类的鸟最难辨认，因为它们长得都太像了，所以观鸟爱好者特别喜欢辨认不同的鸻鹬。
我已经尝试学习 3 年了，还是觉得自己……
不进则退。
现在考试可能只能考 10 分。我就让 AI 帮我做了一个学习程序，遵循艾宾浩斯记忆曲线。最近我天天用它，像打卡多邻国一样学习鸻鹬。
所以你看多邻国，虽然收入和用户还在涨，股价已经跌了一大块。没办法。软件厂商站在自己的角度，当然会有各种各样的说辞，说自己有护城河之类的。但这个浪感觉已经淹到墙根底下了。谁知道未来会怎么样，没人知道。
那我现在感觉还是有一个软件，不管怎么样都会持续付费：1Password。
所以最后可能就变成那些最核心的东西，比如支付、密码、安全和隐私相关的。不过也只是可能。
好，我们第九个 Aha moment 是什么？
7. The Model Efficiency Frontier
美国有一家做 Benchmark 的网站叫 Artificial Analysis（AA），它在双十一期间发了一个视频。视频是一张性价比图，也就是帕累托最优图：纵坐标是模型得分，横坐标是 Token 价格。
所有模型会分布在这个空间里，把最上面的点连起来，就代表当下所谓的帕累托最优曲线。原来那条曲线可能在最底下，然后一点点往上拉，最后拉到很高。
嗯。
这个图的可视化，我们以前都开玩笑叫“斩杀线”。
是。
比如今天出现一个新模型，它会在横纵坐标上标出一个点。DeepSeek 当时为什么会出圈？DeepSeek V4.1 还是哪个版本出现的时候，打在这个位置上，代表它得分很高，但很便宜。
你把那个点往横向和纵向拉，就会形成一个长方形。理论上来说，长方形里面的模型就没有意义了。
因为它没有你强，还比你贵。
当然，单独的得分不一定代表用户体验，但至少能看出趋势。于是就有了斩杀线：模型打到这个位置，下面的模型就要超过这条线，否则就没有意义。然后新版本很快又会把斩杀线拉上去。
这张图最开始是我们这些自媒体作者画出来的，是我们用一种比较容易理解的方式讲述这个故事，属于非官方做法。大家如果还有印象的话，Gemini 5.3 Flash 上线之前有一个版本，叫“牛来”，它借了电影的风，在海外匿名打榜。等它正式公布时，说这个“牛来”模型就是 Gemini 5.3 Flash。
在智谱官方公众号的推送里，智谱自己画了斩杀线。从那以后，你会发现国内基本上所有厂商发布模型时，除了放打分表，也开始放斩杀线。
确实很直观。
斩杀线很可视化。这也跟我们刚才聊的话题一样：成本是一个多维度的考量。这件事似乎开始被定义成衡量模型好坏的重要方式，哪怕只是让吃瓜群众看起来觉得模型很强。因为大家已经知道，柱状的打分表没有什么意义了。
说到这里，我想到最近 OpenRouter 发了一个数据。去年一季度，Benchmark 上最公认的 Top 10 模型，调用量占了八成左右。到了最近一个季度，过了五个季度，SOTA 前十模型在 OpenRouter 上的调用量只有两成。也就是说，更多人用的其实不是那么 SOTA 的模型，因为他们的日常任务没有那么复杂。
对，没那么复杂，而且 SOTA 模型比较贵。
所以我觉得未来一方面斩杀线会继续存在，对 SOTA 的追求也会没有止境，越 SOTA 可以越贵，愿意为它支付溢价的人也一定会存在。但另一方面，也会出现免费的模型。
OpenRouter 的图还有一个指标是 Token 量，另一个是 Spend，也就是花的钱，可能也会呈现往下的趋势。所以斩杀线可能已经被大家公认为一种具象化的考量方式，单纯打分已经没有意义了。
嗯。
因为只要出现榜单，榜单上的模型就会被打满，或者接近打满。那怎么衡量一个模型变得更好？就是用斩杀线的方式。我觉得这也直接呼应了第十个。
最后一个压轴的是什么？
Opus 5.5 出来之后，我先看到了人心。
8. Models Make Magic
它跟橘子做了一期播客，形式是三个头像，加上类似 PPT 的画面。橘子一边讲，系统一边把他说的话做成可视化效果。我是一个天天跟 PPT 和可视化打交道的人，一下子就 get 到这个东西了。
然后你知道它为什么不一样。橘子讲的还是比较简单的，比如画个坐标系、做个呈现。你那个是一个科学家讲了什么 Scaling Law，然后做出一个三维图，我瞬间就躺平了。
是清华交叉信息研究院助理教授徐梦迪那一期。
对。
说实话，他讲的内容有点深。
非常深。
我录播客的时候可能懂了六七成，对话能继续，但没有彻底听懂。Opus 5.5 帮我做了那个动态 PPT 之后，我又从头到尾看了一遍那期播客，觉得自己可能学到了八成。
可视化非常重要。
我们这期播客也会做可视化。
对。
大家看到的视频播客里会是 Opus 5.5 配的图。它不需要操作剪映，也不需要做别的动作。你不需要什么 Skills，也不需要特别的指示，最多对风格有些要求。你做的是捏泥土的风格。
我们还是给了一些简单的指示。
对，给了一些风格上的指示，但仅此而已，它就过了那条线。我的 PPT 有一页放了你们俩的截图，旁边放了黄渤和沈腾电影里的表情包：毁灭吧，不要扯了，毁灭吧。
震惊、叹息。
我觉得这件事为什么跟上一个议题连在一起？刚才我们说了，单纯打分没有意义，所以大家开始追求斩杀线，也就是帕累托最优。但这件事情也没有意义，大家开始追求什么？
那天兰溪讲的一个观点非常好。他说，如果大家玩《帝国时代》，就会知道游戏里每个国家、每个种族最后都会有一个非常大的建筑，叫奇观。奇观会公告天下：你建成了奇观，相当于告诉所有人来打我。
嗯。
但奇观有很强的展示性。为什么要建？因为它叫奇观。今天你看 Opus 5.5 拿来剪视频，GPT 3.5 去做 Blender 的 3D，做各种展示。最近我在 Twitter 上看到有人拿 GPT-6 魔改《魔兽争霸》的人物和场景，做成塔防游戏或者吸血鬼类型的游戏。
也有人把 Steam 上的游戏《塞尔达》放到 MacBook 上玩。
或者让马里奥去跑《神庙逃亡》。奇观就是要让一个什么都不知道的人，第一眼看到的时候感到震惊。今天最头部的模型怎么让人知道它已经强到什么程度？造奇观。
所以我们说这一期播客是 Aha moment，但很多时候，发布一个产品或模型，要造的其实是魔法时刻。
我觉得最近天天看奇观，已经看得葛优躺了，有点 PTSD。它已经超过了你的想象。我经常用一个比喻，很多人也讲过：学霸考 100 分，是因为卷子只有 100 分；给他 10,000 分的卷子，他也能考 10,000 分。但对一个只能考 60 分的人来说，100 分和 10,000 分没有区别。
我们现在经常有这种感觉。所以奇观已经进化到这个程度了，下一步呢？
那你对 2027 年有什么计划？
不知道，不知道。
有什么是在叹息、震惊之外的？
9. Why Rough Edges Matter
这引出了一个小彩蛋。因为我原来就开始列 10 个 Aha moments，列到第 10 个时，发现那 10 个都比较正经，这个第 10 个非常不正经。
所以把它变成彩蛋。
对，彩蛋。最近因为一些机缘巧合，我玩到了微信生态里最火的一款小游戏，叫《赵云与阿斗》。
《赵云与阿斗》。
对，听起来是个三国题材游戏。
是。
它是一个典型的塔防游戏，大家一听就懂。三国题材在游戏领域已经用了多少年了？但最近一两个月，它一直是微信小游戏的排名第一，甚至已经有一堆模仿它的游戏出现了。
它为什么会变成这样？你想象一下，今天头部游戏厂商做游戏，肯定会精美到无以复加。青龙偃月刀上的玉石，可能都已经精细到极致了；连一个小兵手里拿的刀，也武装到了牙齿。
人类过去几年被 AI 生成的图片和视频刺激了，尤其是高清、鲜亮、精细的画面。中国又有短剧，你想过去一年大家看了多少短剧？短剧已经进化到极致。人类可能被这种精致到极致的画面刺激了一两年。人会物极必反。这个游戏很有意思，它所有的画面都是文字。
都是文字？
弓箭手就是一个“弓”字，枪兵就是一个“枪”字，你的武将赵云就是“赵云”两个字。
这是它火的原因吗？
对，它火的原因就是这个。玩法本身是塔防、二合，再加上 Roguelike，你会随机抽五张牌，然后摆放。这些玩法都是已经非常成熟的玩法，当然，玩法的排列组合也是一种能力。但最重要的是它的画面极度粗糙，你甚至觉得像一个大学生做的产品。
你说这是无心插柳，还是刻意做出这种风格？
肯定是刻意做的，就是文字。比如这是一个“云”，再出一个“关”，就能合成“关云”。
有趣。所以在这个时候做一些返璞归真的事情。
我最近玩的时候就觉得，人类真的被高清、极度细腻的东西影响得太深了，可能已经到头了。
需要一些沙粒感。
需要一些反着来的东西。当然这只是一步，它不会火很久，人们也会慢慢习惯这种东西。现在已经有很多抄袭的了。但你会觉得，人面对这种东西，还是会有逆反心理。
其实我自己也是。我们今天是在录音棚录，但我最近录了很多公路播客。
对。
我也觉得公路播客里的状态不一样，有点不受控制，有点像公路旅行的沙粒感。我觉得它会让我的状态跟在录音棚里不一样，焕发出不一样的生命力。
所以这件事情让我发现这个游戏的时候，我就觉得不错，有点意思。
所以 2027 年肯定还会发生更多让我们震惊、叹息的事情。当然……
我们已经没法预测了，已经没有任何人能预测。
但反正做好自己、做出人味儿，仍然是一个值得期待和追求的事情。
是的。
最后我们来送个祝福吧。这期讲 Aha moments，讲出了不少毛骨悚然 moments。最后给大家送一个什么样的祝福？
我每次参加狂喜播客节，最后那页 PPT 都是一样的。我之前每次都会统计，因为狂喜播客节一天可能有几十场，两天可能有一百多场议题，我每次都会统计 AI 话题有多少。
其实这个趋势在往下降。巅峰可能是在 2024、2025 年，AI 话题可能占 15%，慢慢降到 12%、11%。这次可能 88 场里只有 8 场。
不到 10% 了。
那张图是我当时用 PPT 做的。我可能在讲什么，然后用手比了一个动作，被拍下来之后特别像 Gangster。后面的标题就是：“他妈的，AI 不 AI 的，享受生活吧。”
好的，大家听完这期播客不要太焦虑，还是享受生活吧。
焦虑留给我们就好了，对吧？你就不要焦虑了。