刘飞
欢迎大家收听三五环，我是刘飞。今天邀请到的是老朋友庄明浩。庄老师先跟大家打声招呼吧。
庄明浩
大家好，我是《屠龙之术》的主播庄明浩。
刘飞
庄老师现在做播客感觉怎么样？也做一阵儿了吧？上回咱们录，好像就是你播客的前几期。
庄明浩
对对对，那时候刚刚开始，应该是2023年9月。因为我刚从日本回来，今天在家拆了一天快递，刚刚把小宇宙的两万粉丝奖牌拆出来。已经有两万粉丝了。
刘飞
感觉怎么样？做播客做到现在，符合之前的预期吗？
庄明浩
我觉得还是挺符合之前的预期。它算是你自己的产品交付，在这个过程中，以做产品的心态去面对它，去做所有前期的准备和内容交付。包括在中间过程中，因为内容可能跟我们今天的主题——AI——也比较相关，你因为这件事情又用到了很多AI相关的工具，让这件事情变成一个比较正向循环的过程，形成闭环了。
刘飞
对，你首先要用，对吧？然后你又在讲这个事情，它就正向地滚起来了。
庄老师的播客应该是非常让人耳目一新的，Show Notes里面全是PPT，而且动不动就是大几十页。今天咱们聊的这个话题，其实就是之前看到你在年底分享的关于AI产品的一些视角、思考和观察。当时我记得里面也有好多页PPT，很多印象都挺深刻的。今天这一期就顺着这个话题，顺着AI，咱们聊一聊去年的感受。
首先，整体上你会感觉从2023年到现在，从ChatGPT 3.5出来之后，这一整年的表现，在你个人感受来说是什么样的？
1. AI进入加速时代
庄明浩
我觉得有一个更明显的感受是加速，疯狂地加速。一个很直观的感受是，比如我去做年终统计的时候，是11月底开始做的，真正做完应该是12月11日或者13日。距离现在又过去了大概1个月，你会发现有很多内容已经开始变得过时了，或者有很多内容需要不断更新。
我当时做完第一版是132页，上周给一个朋友讲的时候，这个PPT已经加到143页。你每天都需要用一些东西帮它查漏补缺，每一个涉及到的细分方向，可能在很短的时间内就会出现很多变化。
过去这一年，除了大模型本身技术能力的快速更迭之外，在很多细分方向上，尤其是大家讨论比较多的方向，可能真的就是每2到3个月就翻一篇。你再回头去看，可能两三个月，甚至三五个月之前的新闻、结论、判断，以及当时对很多产品的认知和理解，确实都在疯狂加速。
而且这种加速是一浪叠着一浪。风水轮流转，今天是这个人站在了桥头上，过两天就变成另外一个方向的、另外一家不知道从哪儿来的公司，突然间站到了全世界关注的焦点上，百花齐放。
刘飞
我感觉对于底层技术的迭代或者更新，大家还是觉得2023年底是最重要的那一波。那一波之后，其实在应用层或者中间件层面的迭代变化，各个领域的发展确实非常快。
大家用的底层核心逻辑可能还是大模型，但它在不断演化，有一种这样的感觉。
2. 模型能力开始收敛
庄明浩
其实从去年Q3开始，大家就开始讨论预训练的事情基本已经到头了。到这个节点，这个结论基本上已经成为共识。然后大家开始讨论后训练、分布式推理，以及Agent的实施。
大家也开始讨论，什么时候真正意义上的现存互联网数据会被大模型全部吃完，以及这个事情的边际效应放缓。大概从去年下半年开始，这些基本都成为共识了。
从模型本身的技术能力来看，大家确实在慢慢趋于接近。无论是看各种各样的评分榜单，还是看开源和闭源模型接近的程度，所有曲线都在收敛到差不多的地方。
刘飞
我听做AI的朋友提到过一个视角，有个数据也挺能证实这一点：现在CPU、卡的价格，在之前的泡沫之后也回归理性、回归正常了。因为有一些公司发现，自己去卷大模型可能也卷不出来，就慢慢进入了一个更理性的状态。
还有一个观点，是修寒用了这样一种计算方式：在今天这个时间点，只看中国市场比较偏头部的第三方应用，不算大模型自己的官方应用，只算这些第三方调用的应用。以Token的量来计算，头部应用每天的调用量可能是百亿这个量级。
百亿Token的消耗量乘以单价，再乘以可能有几百个这样的头部应用，单纯用类似云服务的方式计算这个市场的盘子，可能大概也就是几十亿到100亿元的市场规模。
他说了一个问题：肉眼可见地，在2024年，单Token的成本降了两个数量级。年初的推理成本跟年底的推理成本，可能差了100倍。未来再降100倍可能有些难，但至少10几倍到20倍是看得到的。再因为明年多模态能力可能会提升几倍，所以从总成本来说，明年可能还会再降两个数量级。
降两个数量级听起来是一个好事情，可是纯从行业规模角度来说，哪怕为了维持明年100亿元的市场规模，也需要所有这些第三方应用的业务量增长100倍。
对于一家做社交的公司来说，我们确实也在调用各种大平台的Token能力。我们每天的消耗量，可能所有App加起来也有几百万，已经算不少了。可是如果明年的KPI是增长到100倍这个量级，我就觉得我们业务同事的压力会巨大。
庄明浩
这其实是一个相互作用的过程。一方面，提供能力的成本最后会卷到非常便宜。如果真的便宜到一定程度，一定会大大影响整个生态，因为很多应用、很多场景就可以非常随意地调用了。
但现在大家调用还有压力。没有好的商业模式，就只能靠融资。
另外一个点，就是刚才你提到的，整个应用场景层面还需要更大的用户体量和更强的用户付费意愿。这其实也是今天我更想聊的一个方向：从应用层面看看这一年到底有哪些新的变化和感受。
3. 应用与Agent开始分化
刘飞
大家都说2024年是应用年，2025年是Agent年。
庄明浩
已经有这个说法了。
刘飞
你说到这儿，Agent和应用之间的区别是什么？
庄明浩
今天这个时间点，很多人会用一个我觉得很巧妙的比喻。比如我们举个例子，AI搜索的代表公司Perplexity，它的场景是搜索：我搜索一个问题，它根据自己的组织方式把答案给你。
其实你也可以把它理解成一种Agent。它相当于把你的问题分解成各个细分模块和推理过程，然后在每一个过程、每一个模块中，用它所知道和熟悉的信息源以及信息获取工具，做收集、整理，再做呈现，最后给你一个统一的结果。
它本身就是一种广义上的Agent，相当于把你的任务拆解、分析，然后利用不同的工具和不同的展现方式，最后给你结果。
如果以这个角度来看，今天大部分被归类为场景应用的产品，其实都算是一个小的Agent，可以这么理解。
我觉得2024年的整体状态是，大家开始划一些小的边界。做产品的人很重要的一点，是定义好你的产品边界。产品边界背后可能是用户需求，底下是技术实现的可能性。
2023年比较麻烦，在于边界不清楚，技术又在疯狂迭代。两边都是动态的情况下，你没有办法在中间找到一个稳定态。2024年相对好一点，是技术能力的边界大家慢慢摸清楚了。
用户场景的挖掘和探索，与技术能力的匹配，我觉得是2024年所有相关公司的同学，尤其是产品人在做的事情。这些事情在一定程度上、在某些板块形成了一些共识，而这些共识又被封装成了一个个小功能或者小产品。
所以这一年确实是变化特别大的一年，我自己也有很强的感受。你会发现，生活上或者一些朋友的状态，大家差别好像不大，但是回头看一年前的AI领域，当时热门的产品、大家看好的产品，以及大家讨论的大模型创业公司，其实现在已经到了一个阶段，比赛已经拿到结果了。
当时大家比较看好的某些产品，现在好像也有的已经听不到声音了。
刘飞
今年大家评价下来，从最主流的应用获得最大用户规模的，可能还是豆包、夸克这样的产品。也就是说，从大的应用场景层面看，还是大厂的产品。我不知道你在这方面有什么感受。
4. 大厂赢在组织运营
庄明浩
这个结论我觉得也是从今年Q3、Q4开始逐渐变成共识的。
今年大概6月或者7月的时候，一位大厂的朋友问我在用哪个产品。我说了一个刚才你提到的产品。他当时还没有形成这些共识，就疑惑地问，为什么你选择这个？
我说，我为这个产品或者应用买单的点到底是什么？在现阶段肉眼可见的、底层技术模型能力已经接近趋同的情况下，我买单的点是：我相信这个产品团队的产品人和运营人员，能够迅速跟上任何一个被短时间内证明、并形成共识的小场景。
哪怕今天突然出现一个新的应用、新的场景或者新的爆点，这个团队也会在很短时间内跟上，而且会以一种在用户体验和运营层面更接近我们熟悉的方式和习惯把它跟上。
我买单的就是这一点，所以我不需要担心今天突然出现了什么东西而我不知道。我的时间差不会特别久，因为我相信这样的团队会在很短时间内跟上。
这完全不是技术方面的原因，而是组织和运营层面的原因。
刘飞
在所谓的大厂，或者集中更多资源投入去做的产品里面，你还是能得到更完整的用户体验。
比如豆包，之前大家对它的印象可能是图标有点山寨，刚开始是一个虚拟人形象，那时候虚拟人特别火。刚开始使用时，感觉跟其他大模型工具拆出来的工具差不多，但后来还是发现，哪怕是视觉和交互上的很多优化，以及细节上的优化，他们都非常迅速。
你之前在极客公园上提过，他们有一些问题回答得特别奇怪，但团队马上就能响应。这种响应能力对小团队来说比较奢侈，可能没有那么多条件去做。
庄明浩
我觉得这件事情更证明了一个点：在Q4密集出现的，你会发现几家大厂都做了应用层和模型层的团队分割，或者说团队重新搭配和组合。
字节的豆包不用讲，豆包的模型团队跟产品团队、运营团队是分开的，不是一个团队。阿里其实也做了调整，夸克接收了原来做通义App产品的团队来负责，相当于把应用层的业务放在一起，把模型层的技术研发放在一起。
这几天我又看到腾讯也做了类似的处理：把元宝的模型团队留在技术团队，把应用团队跟腾讯会议的团队并在了一起。
也就是说，模型是模型，应用是应用，这件事情至少在团队层面区隔得更开了。
我觉得在2023年到2024年上半年的时候，一个偏共识的观点是模型即应用，模型和应用是在一起的。可是到了2024年下半年，因为竞争、模型底层技术能力越来越清楚、场景越来越细分，以及各种运营的需要，越来越多工作、技术实施和运营变得细碎、复杂，而且需要专业的人来做。
单纯依靠技术人员去做尝试，会发现有点跟不上。
我们从另外一个角度来看，OpenAI做出了GPT模型，再到ChatGPT，这一步是一个巨大的跨越。但是ChatGPT从产品端的实现来看，它更像是一个此前有人说过的、OpenAI内部Demo Day上的东西，突然爆发成了核心产品。
这个产品本身并没有那么复杂，包括后来出现的一系列基于ChatGPT的配套产品，比如GPTs、最近推出的Agent服务，以及Calendar连接等。它开始变成一个不单纯是技术示范的东西。
如果GPT模型是一项技术，ChatGPT的纯对话方式是往前迈了一步，那么现在的用户和市场环境要求大家往外再迈10步、20步。而且那些步子里面，产品边界、用户需求、运营节奏这些东西的比重更大。
包括OpenAI自己，团队也经历了很多变化。原来绝大部分人都是技术研发方向，现在可能有一半人是偏产品和运营的。
这个趋势在中美是一模一样的。
刘飞
你说这个让我想到最近也在反思的一件事。ChatGPT刚出来的时候，其实已经出现了很多做小模型的公司，或者做各种技术场景、应用场景的技术团队。那时候大家就提出，ChatGPT这个技术模型其实能够覆盖所有场景。
因为我之前读研学的是NLP，当时有个说法叫NLP已经不存在了。你不需要再单独做分词、机器翻译，或者各种垂直课题，因为大模型其实能够覆盖所有这些子命题。
所以我当时会天然觉得，是不是ChatGPT这种形态已经能够覆盖所有产品形态了？你想知道什么，跟它对话就可以得到，原则上好像是这样的。
但是后来我确实发现会存在一些问题。比如为什么会出现AI Coding的很多产品，为什么出现了很多AI搜索产品Perplexity？刚开始我其实也不太理解。我觉得ChatGPT能联网，不就是一个Perplexity吗？
夸克能搜索，以及夸克用AI去搜索，和它原本的搜索到底是什么关系？之前我没有想太清楚，但后来发现，刚才你说的那个点让我想明白了一个道理：底层技术模型是一回事，它确实能覆盖所有场景，但是在每个具体应用场景、每个我们能用到AI的地方，可能还得再加一层应用配合。
因为之前大家说的输入Prompt的成本，或者说学习门槛，还是很高。大家还是想要能直接用起来的东西。
庄明浩
我之前有个比方：大模型本身像一个巨大的太阳，有无限的光量、能源和热量，但是很少有人能直接把太阳变成自己的能量和热量。你还是需要中间有一层类似导管的存在。
这根导管可能定义好了长度和宽度，导到你那儿时，热量、光和能量恰好符合你的需要。做这一层管道、做输入和导流的过程，其实就是产品定义的过程。
太阳本身当然还是非常强大，是万物之源。但是当太阳本身已经稳定的时候，我们更多确实需要外围的东西，帮助它变成一个可用的东西。
5. 夸克成为全能助手
说到刚才这一点，我觉得有一个产品——夸克——挺值得聊一聊。他们最近更新了新的Slogan，叫“两亿人的AI全能助手”。他们既不提自己是搜索，也不提自己是浏览器，而是提全能助手。这其实就是刚才我们在聊的思路和方向。
他们今年的下载量确实已经很高了，七麦数据发布的报告里也是行业第一。这种新的方向转变，可能也是在匹配我们刚才说的趋势。
刘飞
你觉得他们这种集中的趋势是什么样的？
庄明浩
我之前做年度总结的时候，有一张写的是中国的巨头。在阿里那一章，我写了除了通义千问在开源模型领域的能力，以及大模型改善阿里体系内的电商业务之外，还特意提了一嘴夸克。
因为我现在基本是夸克的日活用户，我还特意强调，我没有收钱。夸克在AI大模型这一波之前，我其实就是它的用户。
当时为什么会用？更多是在上一个年代、浏览器竞争的最后阶段，夸克通过偏纯用户体验层面的操作，在一定程度上获得了一些用户。
它当时可能在操作界面的简洁性、无广告、和网盘的合作，以及很多小工具上做得不错。我记得它做过志愿填报的工具，也做过很多PDF文件处理工具。这些小工具和浏览器内置插件，就像瑞士军刀一样。
我们这类人可能不太会用国产的、广告比较多的浏览器，可能更常用Chrome。但有时候我们会觉得Chrome占内存比较大，或者想用翻译功能时还需要加一些辅助软件，比较麻烦、繁琐。在一些细碎的场景、真的需要瑞士军刀的时候，我会用夸克。
AI来了之后，对这类产品是一个巨大的加成。原来浏览器的最后时代，江湖基本已经定了。夸克在用户体验层面确实很强，但在那个时代，单纯依靠用户体验，很难从中国众多用户的主页和各种浏览器中把市场抢过来。它的体验没有强到足以撬动整个市场。
但是AI来了之后，这件事情就不一样了，它给这个事情提供的杠杆变得非常大。
从最早的搜索，到AI的各种工具集成，再到插件，以及把这些功能集成好之后重新打磨，你会发现从2023年底到2024年初，很多PC软件都在尝试增加各种功能。
这些功能的增加十分考验产品团队的能力。最早周鸿祎他们也宣传过一波，各大浏览器厂商都不会放弃尝试。但在这个过程中，基于自己的模型能力，加上产品体验边界的设计，以及对用户体验的理解，最后封装成一个个小东西，摆在什么位置、以什么方式放在那里、怎么跟原有核心功能结合，这些都十分考验产品能力。
刘飞
你说的这个特别关键。一方面是产品体验，比如所谓首页的八大金刚、十六宫格应该怎么排布，每个功能怎么安排，交互关系是什么样；另一方面，还包括大厂内部的组织关系。
生产关系到底由谁控制？最后可能是总裁或者总经理控制页面的逻辑。你会发现这种事情非常复杂，不是简单地往上累加几个功能就可以。
交付出来的当然是一个大版本更新，加了几个图标、几个按钮和几个小工具。但背后的事情其实非常复杂，确实很考验这部分功力。
庄明浩
你提醒了我一个思考视角：AI来了之后，它其实能用更好的方式把这些东西组合起来，这可能就是趋势形成的一个原因。
原来的搜索框是用来搜索网页的，但现在的搜索框可以支持各种应用场景，甚至未来可以搜索各种Agent。入口集中之后，在用户体验上就不一样了。原来我需要在十六宫格里逐个看，搞清楚每个功能是什么意思、能实现什么；现在可能通过一个入口就能完成。
刘飞
反过来想，什么东西放在所谓首页的几大金刚里，什么放在那个框里，什么放在二级页面，什么放在最后生成的地方，这些也十分考验产品团队。
你看OpenAI的客户端，不管是Mac端还是PC端，看上去就是一个框。跟当年百度提出的框计算一样，看上去就是一个框。这是它选择的一种讨巧的方式，也可以说是All in One的方式。
但这种方式未必适合国内主流用户。国内主流用户可能习惯用搜索、文字或者自然语言表达，但更多功能模块还是习惯以封装好的方式，通过点击、傻瓜式、步骤尽量少的方式来呈现。
这些东西的取舍本身也是一件非常难的事情。
ChatGPT发布之后，各种报告都在讲这个东西能干什么、那个东西能干什么。其实今天我们能做的很多事情，当时已经被写出来了。过去一年多，很多产品团队和应用公司做的事情，是把功能真正变成一个足够大规模的用户群体、最大公约数用户能够简单使用并完成交付的东西。
还要评判这个结果是90分，还是60分。大部分用户需要60分，还是需要90分？每一次选择中的取舍、平衡和博弈，最后就变成各家产品最大的不同。
比如AI PPT就是竞争非常激烈的方向。现在有独立产品可以做，也有夸克，以及其他一些浏览器支持相关生成。你会发现每家的侧重点有很多细微区别。
有些偏总结、整理和大纲生成；有些强调模板库足够强大、足够多样，让你选择各种风格；有些强调可视化做得好；有些强调逻辑结构清晰。
我做PPT做得太多了。对普通用户来说，区别这些事情其实非常难。比如有朋友问我想用AI PPT工具，我需要问他很多问题：你要用来干什么？做成什么样？是什么场景？有没有范本？希望做成什么样的表达方式？是文字比较多，还是图片比较多？是严肃场景，还是非严肃场景？
我问完这些，才能对应地给他介绍合适的工具。
当然，所有这些工具里面都有一个我们刚才讲的最大公约数。中国大部分白领用户的需求可能还是基于模板，所以能够提供足够丰富、可选择、可编辑，并且与内容相匹配的模板库，是一个基础流程。在这个基础上，才是各家的区别。
你说的时候，我就感受到现在又是一个产品经理很有用的时代。你刚才说的那些，应该由产品经理来抽象。
我简单抽象一下：这些事情从技术上说并没有那么复杂，它其实就是提前做一些预处理，再告诉大模型应该生成什么样的结果，把它分类到几个场景里，然后这些场景又能封装成一个个小应用。
几乎所有产品都有总结和整理的功能。上传一个文件，帮我总结一下，这是大部分用户最开始的用法。稍微进阶一点，可能会说我需要结构清晰的总结，需要一个符合金字塔原则的总结，会加一些限定词。再复杂或者更高阶一点，用户可能会提出对结构、格式和其他内容的要求。
本质上，每一步进阶都是一次巨大的用户流失。因为你相当于要求用户变得更聪明。所以在这个过程中，这些东西怎么做成按钮、功能，或者预设好放在那里，全部都是工作量。
这其实是互联网产品一直在解决的一个根本性的人性问题，就是懒。所有产品形态都在努力让人更舒服、更轻松地消费，不管是消费内容，还是消费其他东西，一直都在往这个方向发展。
今天确实如你所说，我在开始之前也不会这么讲。这个阶段可能恰恰又回到了对产品人、尤其是好的产品人的高要求时代。
而且今天这个时间点的更高要求在于，你还要同时理解技术本身的边界，才能把这两个东西融合起来。
庄明浩
如果拿夸克举例，刚才说的这些应用层面的东西，我最近具体打开、看每一个场景的时候才发现，它真的做了很多。
之前这一两个月使用夸克，主要还是把它当Perplexity去用，也就是AI搜索。它能搜到很多网页，也能整合资料给出答案。这个场景跟豆包不一样。
它们看起来都是一个搜索框、一个对话框，但夸克的结论很多来自网页。所以我原本以为它主要就是搜索，或者网盘，但后来发现它确实做了很多东西，而且有很多年轻人在用。
年轻人用它干什么？就是解题。它有一个类似“夸克扫描王”的产品，旗下有很多场景，包括拍照翻译、直接扫描试卷错题并整理出来。
我之前看到案例时也觉得挺神奇。这些封装和打包，从技术上想想好像确实没有那么复杂，但加上这一层封装之后，使用体验就非常流畅。
不像以前，可能要在网上搜索各种攻略，把东西输进去，再告诉AI要怎么样怎么样。现在我发现，它确实提供了很多具体场景，而且用户规模很多也是来自这些具体场景，而不是单纯来自搜索。这是一个很有意思的现象。
这个问题再往前一步，有这么多所谓的场景，哪些东西放进去，哪些不放，哪些现在放，哪些以后放，我觉得也是所有相关团队非常重要的考量。
今天这个时间点，哪怕是在任何一个细分小领域里，可能已经有不错的产品和团队了。但作为一个完整的All in One功能体验团队，选择什么功能放在核心位置，放在主页的几大金刚位置上，这种权衡和取舍也十分考验团队能力。
6. 入口正在重新集中
之前我看过一篇文章，它的说法更现实：你的下一个浏览器可能就不是浏览器了，而是真正的这些AI工具。
浏览器这个概念，在今天AI的加持下变得更广义了。甚至这个广义不单纯是AI造成的。在AI到来之前，至少中国很多浏览器团队在竞争的最后阶段，浏览器本身已经非常强大，里面有各种封装好的小功能和小工具。
只是在那个年代，大家已经很难调动起积极性。但AI来了之后，这件事情确实被提升到了一个新的高度。
这又让我想到Google当年的战略。Google当年想通过Chrome来做OS，让你的电脑里不需要有其他任何东西，有Chrome就够了。Chrome整个插件生态也是这个逻辑。
只不过当年提出这个战略时可能有点早，做了几年之后发现还是有限。但AI这一波来了之后，未来某个时间点，你的PC，甚至手机，可能真的不需要别的东西了。
浏览器是一个狭义概念，未来可能是一个框、一个入口，或者某种其他形态。这个入口实现我们想实现的所有功能和场景。除了常规的通用方式，它也会提供定制好、封装好的东西，这可能就是大家的区别所在。
刘飞
你刚才说浏览器是入口，现在很多年轻一点的朋友可能理解不了。智能手机和移动互联网时代，入口都是App。
在前互联网时代、软件时代，软件是最重要的入口。到了互联网时代，浏览器是最核心的入口，因为在浏览器里可以看到所有信息和内容，购物、社交，以及各种场景，基本都在浏览器里面。
所以Chrome虽然没有真正做成OS，但它的插件生态跟当年我们使用浏览器时已经完全不一样了。我们能对浏览器做的自定义，以及它现在的灵活度，都发生了很大变化，只不过使用场景正在被手机压缩。
正如你说的，有了AI底层逻辑的支持和更多应用场景之后，All in One的价值会变大。
以前各个互联网产品之间存在企业竞争的隔离，或者场景之间存在隔离，它们没有融合在一起的诉求。但现在腰部和尾部的各种场景，都可能集中到一个地方去体现，使用同一个底层模型。这确实是一个挺新鲜的生态。
庄明浩
而且这个生态也会对做All in One产品的团队提出更高要求。
上一波有一段时间，大家曾经在插件生态里疯狂竞争。很多梗图就是一个人的浏览器里有六七个插件。浏览很多东西时，你会发现这些插件之间也在竞争：高亮一段文字，右键会出现一堆可选择的标签和选项。
但插件这种形态，确实适合初期跑通小规模的PMF。它当然天生受限于浏览器本身的很多事情。只要想再往后走一步，就不可能满足于插件这种形态，一定要继续往后走。
OpenAI、Anthropic、国内的初创公司以及大厂，其实都是这个逻辑，所有人都不会满足于做一个插件。
刘飞
现在我们日常的使用体验确实在急速提升。我想了一下，跟一年前相比，一年前更多时候是觉得这个东西很新鲜，想试试看AI能不能帮我完成某件事。
但现在我使用这些产品的状态已经发生变化了。无论是使用频次还是使用深度，都超过了过去的AI产品，或者过去使用的各种浏览器插件。它们真的在日常工作和生活里起到作用了，这是一个很大的变化。
不管是夸克还是豆包，里面塞的东西确实越来越多。夸克之前提出“AI in All”，现在也不讲自己是浏览器了，而是叫AI全能助手。
我看现在豆包也这么叫了，豆包叫超级助手，首页上会有一句：“你好，刘飞，你的超级助手已上线。”
因为它有更多资源，也在产品上投入了更多，提供了各种新的功能，包括PPT等。所以感觉整个行业都在往这个方向走，甚至比当初的浏览器还要繁荣。
庄明浩
这可能也是一种奢侈品。你既要有基础的对话能力，2024年大家又都上了多模态能力，包括图片、音乐、视频。然后还需要封装好的各种场景小工具。
最早可能是翻译，再到智能体构建，再到更复杂的场景，比如PPT、文件整理总结、脑图。这些功能项和可落地点是无限延长的。
对很多团队来说，不可能一直跟下去。但对今天几个核心、在这件事情上有大决心的巨头来说，这件事一定要跟下去。
最近一个季度各家头部公司对团队的调整，本身也符合这个趋势。底层技术模型继续由技术团队研发，无论是模型幻觉问题、多模态能力提升、效果提升，还是准确性问题，都由模型团队来做。
前面的产品体验、用户设计、场景边界，以及做什么取舍，则由专门做To C应用、面对To C用户更有能力的团队来做。
因为你会发现，把这两件事放在一起，是不可能都做好的。
刘飞
之前有一个新闻，你前面提到的阿里通义正式并入阿里智能信息事业群，说新的战略大方向是AI To C。也就是说，交给夸克来做。
因为夸克之前在用户体验上有比较长期的探索，所以它有一个完整的To C战略方向，能够集中更多资源，单独、针对性地在应用层面进行竞争和产品投入，满足更多用户需求。这可能确实也是各家公司都在做的事情。
我之前PPT里还有一页梗图，是当年“三级火箭”理论的一次演绎。
原来三级火箭是搜狗王小川提出的，搜索引擎、输入法、浏览器三者之间是递进关系。现在进入AI时代之后，你会发现这些东西应该都包在一起：输入法、浏览器和搜索引擎都包在一起。
按照我们刚才的逻辑，它们其实都是用户跟AI、跟技术模型产生交互的方式和入口。未来这些东西没准会变成统一的某种东西。
当然现阶段仍然有很多分化的场景。现在几乎所有主流输入法都在做AI问答和搜索，浏览器就不用讲了，搜索引擎也不用讲。现在还处在各自分开、在原本定义好的产品边界里做尝试的阶段。
但如果再往后推演，是不是大家可能就合到一起了？
庄明浩
好像是条条大路通向同一个方向、同一个入口。
以前一提夸克，很难想象它跟豆包是一样的产品，但现在大家都觉得它们都是AI工具。AI工具里相似的地方越来越多，长得也越来越像。
从产品设计角度，只从最狭义的产品设计角度讲，几个头部厂商的纯AI助手工具，在PC端越来越像浏览器。这里只是“像”，它们在UI展现层面上比较像，但底层逻辑完全不同。
它可以是All in One，也可以是其他形态，本质上是一个交互入口，加上一定的取舍，形成了这样一个东西。
7. AI Native边界消失
而且顺着这个方向，还有一个点很有意思：以前我们认为是AI产品的产品，变得越来越丰富。之前我们会说这是ChatGPT-like产品，比如典型的豆包；还有一些原本只是“加AI”或者“跟AI有关”的产品，现在也变得越来越AI，AI甚至成了它底层最核心的组成部分或技术支持，比如夸克。
所以边界也越来越模糊。
以前大家也一直在讨论AI Native这个说法，但它可能没有那么严谨。大家会认为，如果去掉AI产品就不能成立，才叫AI Native产品。
但这个定义也不一定准确。很多过去使用的产品，所使用的技术和概念本身就是耦合在一起的。你很难把它单独摘出来，判断它到底是不是纯AI产品、是不是AI原生产品。它是不是AI原生，也不一定意味着它更有价值或意义。
刘飞
这个你怎么看？
庄明浩
AI Native是一个一直在讨论、一直没有结论的概念。
之前确实有人认为，比如AI Native游戏，就是如果没有AI功能，这个游戏就不成立。但那个理想状态的Native到底是什么，到今天依然没有绝对意义上的结论。
反过来，如果我们不知道AI Native是什么，可以看看上一个时代，也就是移动互联网时代。移动Native，大家谈论最多的可能是抖音、拼多多，也可能算上美团。
但当移动发展到极端状态时，可能今天只有拼多多还在坚持不做PC和Web。反过来讲，电商绝对不是一个跟移动有那么大关系的事情，只能说它是一个只做Mobile的App，不是Mobile Native的App。
美团或者滴滴使用了地理位置，这在一定程度上可能符合狭义Native的概念。可是把这套理论放到AI上，今天AI区别于上一代技术能力的特性本身就是一个多元、复杂的概念。你又希望在这个概念之上再套一层AI Native，确实就很难画清楚。
刘飞
我觉得这个概念出现本身也有一个历史原因。ChatGPT、OpenAI这样的团队出现之后，大家都在卷大模型、讲AI的故事。
在那个泡沫里，有些团队会说自己是AI团队。这时候就需要做一些区分：它是不是一个幌子？是不是只是在自己的功能里加了一点AI？加了一个智能客服，就算AI产品吗？
所以那个时候更多是从技术视角去分辨。但现在已经进入卷应用、卷产品的阶段，可能更多还是要从用户视角重新看这个问题。
庄明浩
最近两天，MiniMax的CEO不是也接受了一次采访吗？之前我们跟乱总聊过一次AI和移动的对比。
反过来讲，如果进化到产品这一层，用户真的没有那么在意是不是AI。比如“春象”做知识库的那位创始人，他在做这个产品的时候，曾经在某个节点做了一个决定，把软件介绍核心的二级标题里的AI描述去掉了。
最开始写的是“某某AI食品分析”之类的，后来他发现去掉之后效果更好。用户并不需要关心你是不是用AI实现的，而是你把这个场景服务好，告诉我结果，并且超出我的预期，这件事情就结束了。
刘飞
庄老师是做VC的，你肯定知道，很多团队To VC时这么讲会更好听，也更容易把事情显得不一样。
但我一直觉得，AI是一个技术，不是一个场景。这跟以前的LBS不一样。现在已经不太提LBS这个词了，它有一点历史感。以前滴滴、美团都是基于地理位置的产品，LBS至少还算是一个场景。
但AI根本不是场景，基于AI做什么事情才更关键。所以我几年前可能就写过一句比较大胆的话：不存在什么AI产品经理，因为AI是一个技术。
以前从来没有人说自己是C语言产品经理，或者Java产品经理。你做的场景，用Java实现还是用C语言实现，最后效果都是一样的。
哪怕我用规则来写，最后能够达到这个效果，也没有问题。现在有了AI，你可以利用AI实现这个效果，但不是AI天然就是对的。
前面说的这些封装应用，其实并没有大家想象得那么超出当前人工智能的范畴，也不是什么强人工智能。里面其实加入了大量规则，需要人为判断各种情况，处理合规、安全和各种场景的问题。
所以它并不是一个纯AI的东西，但最后效果反而可能更好，并不代表AI就是对的。
庄明浩
这让我想到最近正在考虑的一件事。小宇宙最近不是上线了AI总结功能吗？
我就在想，比如一个热门节目，第一个付费会员把内容总结之后，第二个人再点AI总结，小宇宙内部怎么处理？是把之前已经生成好的那份复制过来，还是再生成一次？
刘飞
如果从成本考虑，我感觉应该是复制。
庄明浩
但你会发现，今天常见的很多PC端工具，包括公众号里的很多总结工具，基本上每次都应该是独立生成的。
为什么大家没有在规则上做进一步处理？可能是优先级、时间，或者现阶段成本还没有那么高。反正你想想，这只是一个非常细碎的实现点，就需要做选择，做不同阶段的动态平衡。
这只是今天所有人都知道的、最基本的总结功能，其他功能展开之后会是什么样？
8. 应用落地成为焦点
所以2025年可能会更关注应用和场景上，大家做得更具体、落地得更扎实的事情。
刘飞
去年一年，围绕AI这个词的关注，确实花了更多时间。核心团队，尤其是技术团队，之前大家还会去看Transformer这样的论文，关注当年论文作者都去创业做什么了，也会研究奥特曼的生平。当时有很多不同流派。
但现在确实感觉2025年可能会回到一个更原始的问题：不管是大厂，还是身边很多创业的朋友，他们利用AI最后做出了什么样的产品？这个应用满足了哪些需求，提供了什么价值？
庄明浩
其实就像你前面说的，不是之前大家不需要考虑这些，而是之前可能还没来得及考虑，也还没到时候。
而且中国团队可能更擅长考虑这些事情。美国那边可能还处于比较卷、比较奔跑的状态，再加上他们可能直接去了To B和企业服务的战场。对他们来说，考虑那些东西更顺遂、更合理，也更容易拿到钱，无论是VC的钱还是客户的钱。
但纯从C端尝试来讲，我们天然有网民基数，有用户习惯，也有移动互联网和互联网这20年积累下来的经验和Know-how。在这件事情上，确实需要有新的变化和调整，甚至某种程度上可能是全世界范围都通用的。
我们真的不太能指望美国公司来做这些尝试，以及我们定义好的边界场景的实施和封装。可能确实很难指望他们来做。
刘飞
你说的这点感触也很深。一年多之前，大家感慨比较多的是，硅谷团队才能做出ChatGPT这样的产品。现在我们也在追，单纯从技术层面，尤其是硬件和芯片层面，确实一直在追赶。
但应用层面，从一年前使用的国产AI产品，到现在正在使用的这些产品，体验已经迭代到比海外产品好很多了。平时使用的感受确实不一样。
我现在用豆包、夸克，会比用Perplexity和ChatGPT更多一些。
现在TikTok这件事闹得也很热闹，其实也在证明这一点。硅谷那些大厂为什么在应用层面、体验层面卷不动？因为它不只是产品，还包括运营、配套设施，以及各种上下游的事情。
庄明浩
所以这件事确实让人看到了一些新的希望和机会。
之前会觉得这些东西都追不上，那就等等国外的产品。2024年，身边很多朋友也在考虑，是不是纯做海外市场。但现在会发现，我们也有不同的竞争优势。
这可能会让很多产品人更安心、更踏实地做自己擅长的事情。肉眼可见要做的事情还有很多。
刘飞
我记得你之前跟扣姐聊过一期，应该是聊YC当年投的那些AI公司。里面To B公司的比例占绝大多数，做To C的非常少。
庄明浩
是的，这是那边的一个风格。
刘飞
说到这个，你对AI行业整体还有哪些让你觉得挺兴奋的点？
9. AI硬件争夺新入口
我自己2025年可能会比较关注AI硬件，尤其是“百镜大战”。我自己用Meta眼镜，也试过雷鸟，还试用过闪极，感觉挺不一样的。
这让我又找到一种很兴奋的感觉：这是一个消费级场景，有很多可能性，大家可以做很多事情。因为用户规模快速增长，它可能在这个基础上迭代出很多有意思的东西。
你有什么新的关注吗？
庄明浩
我在PPT里写方向的时候，中美两国都提到了硬件。硬件在过去一年多经历了很多变化，很多方向也确实有产品团队跑出来。眼镜基本上已经成为共识中的共识。
今年CES上无非就是几个方向：眼镜、戒指、陪伴机器人、人形机器人，以及扫地机器人，或者美国那种清理泳池、打扫草坪的机器人。CES上几乎所有公司都在做这几个方向，已经成为中美两国绝对意义上的共识。
我觉得硬件本身也符合我们今天谈论的事情。硬件是更需要定义好产品边界的东西，因为硬件有供应链、开模、最小批量投产、渠道和存货，硬件本身的成本都是实打实的钱。
上一代智能硬件已经有无数人踩过很多坑。这一波AI来了之后，有更大的机会和可能性，但那些坑依然都在那里。
只说眼镜这一波，肉眼可见地可能会分成两个档次。一档是用高通芯片，均价大概在1500到2000元左右，完全对标雷朋那款眼镜。另一档可能使用国产芯片，比如紫光展锐，那一档售价甚至可以做到1000元以下。
体验上可能会有一定差距，但成本会降得非常快。再往后，高通可能会推出分布式芯片方案，Meta其实也有一个实验室的产品，正在推动类似的方案。
眼镜本身要考虑重量、电池、散热和能耗。AR、VR最后剩下来的大部分公司，做的都是分体式设备，一定还有另外一个东西。AR最后的大部分公司，前面都有一个小盒子，由这个盒子来实现运算，甚至承担一部分电池功能，眼镜尽量不做这些事情。
但AI眼镜这一波，这个结论还没有形成。到底是不是要有另外一个设备？如果没有，怎么平衡刚才那些问题？如果有，这个设备跟原来设备之间是什么关系？
这又引发了另一个问题，比如戒指和手表。苹果已经有手表，而且你会发现苹果很多非常新的功能，尤其是空间智能、体感之类的功能，最先会适用于手表，先用手表去试。
未来如果苹果推出一个跟我们今天看到的AI眼镜技术路线差不多的东西，这个眼镜怎么跟苹果手表结合？我觉得这是非常有可能看到的事情。Meta也在做类似的事情。
再延伸一下，戒指是不是也应该和这件事情有关？戒指天然就有手部动作识别和操作的能力。现阶段戒指更多还是戒指本身的问题，但如果眼镜能够成为一个重要终端，眼镜和戒指之间是不是也可能产生交互？
这些都是我们大概率会在2025年看到各种尝试的方向。当然很多产品可能会成为炮灰，但方向肯定会往这里走。
哪怕只说眼镜这个场景，它能捕捉更多第一人称视角看到和感受到的东西，能够积累的数据，是之前大语言模型数据里拿不到的信息。
这些数据对生成以及你前面提到的Agent，在很多场景下都非常有价值。以前这种真实的、偏私人化的信息是没有的，网上公开的都是公开信息。光是基于这些新数据产生的新可能性，就有很多想象空间。
前两天火山引擎开发者大会不是有一个示范视频吗？第一个视频讲的是他们的视频模型。场景是一个负责人要出差，他拿手机拍一下，问：“我在哪儿？该坐什么车？几点的飞机？什么行程？”
然后到了另一个地方，他又拿手机拍一下。你会发现那个视频有点怪，是因为如果把掏出手机、打开相机拍摄的动作换成用眼镜完成，整个流程就非常顺畅了。
完全不需要掏出手机拍摄，再跟手机对话这么复杂的流程，单纯依靠眼镜的拍摄和对话能力，事情就全部打通了。
这些场景会让我感觉到，出现了很多年没有过的、让人觉得兴奋的时刻。
包括你刚才提到的CES上出现了很多陪伴机器人。刚开始我其实不太理解，后来跟一些家长朋友聊，也有身边朋友准备创业做这个方向，他们描述了一下，我确实重新理解了。
还是刚才说的逻辑：现在的AI底层能力，确实可以让小朋友跟它聊天。你可以告诉它：“你现在是一个语言老师”“你是一个家教”“你是提供心理服务、跟小朋友聊天的老师。”它确实能做到这些。
但它封装得还不够好。它没有像刚才说的那些交互，不能让小孩直接玩起来，或者感到兴奋。尤其加上多模态之后，比如能不能拍照，能不能和小天才手表更好地结合，做软硬件结合、场景结合，这确实是一个很有想象空间的方向。
我家里现在有两个可以理解为2024年场景下的产品。
一个是对讲机，当然是给小孩用的，但你一听名字就知道它是对讲机。硬件本身就是对讲机，里面内置了大模型能力，也可以绑定各种模型。
为什么会这样？因为它做得早，用了一个最成熟、已经被验证过的上一代技术方案，把这个东西实现了。可以说是从0到1。
我也有第一代这一波所谓AI对话的毛绒玩具，但它有一个问题，就是刚才你说的问题。
我儿子今年10岁，马上11岁，我女儿5岁。他们在体验完新鲜感之后，不知道该跟那个玩具说什么。
这就像我们面对一个东西：如果我没有明确要做什么，你给我一个ChatGPT，或者其他什么工具放在那里，我也不知道该说什么。你需要先提问，它再给你答案。
但很多时候，尤其是偏陪伴性质的产品，不应该是这样被调起的，也不应该是这样的交互方式。
没办法，上一代2024年的很多产品，可能在2023年就已经开始做了。那时候立项，基于当时的产品技术能力设定边界，再把东西做好，最后出来的产品可能就是那个样子。
但到了2025年，大家可以期待更新、更丰富的玩法。比如它可能有眼睛和眼动扫描，能够根据家里成员的状态形成记忆，可以跟你打招呼，拥有更多主动能力。
这些确实需要团队具备更强的产品设计、交互等综合能力。
刘飞
你说的整个发展趋势，又可以类比互联网产品或者移动互联网产品。
早年，20年前甚至20多年以前，上网要克服很多困难，有很多门槛。你要知道自己去哪儿，要在笔记本上记住网址，再手动输入进去，很多东西都需要主动获取，不可能直接推给你。
后来有了门户网站，可以点来点去；再后来，什么东西都可以输入搜索框；再后来，很多东西直接推给你，进入个性化推荐时代。
这些变化都是往这个方向发展。以后尤其对于小朋友来说，交互场景肯定会变得更丰富，因为技术条件上不存在特别大的门槛，也没有很大的瓶颈。
还有一点，从人的角度讲，过去两年的AI初创公司，也培养了一批对这一代AI技术能力有感觉、有明确认知的潜在创业者。
不管他原来是互联网人、硬件从业者，还是做其他事情的人，经历这两年的AI洗礼之后，他对AI技术能力的理解可能已经足够了。他的复合能力在这个时间点变成了Ready的状态，这让我们对2025年可能出现更多优秀创业者有了更高期待。
庄明浩
是的。
刘飞
说到这个，我又想到之前看到的新闻。大厂其实也在考虑应用场景更进一步的结合。
2024年我写过一篇文章，讲字节收购Oladance。Oladance原来做耳机，后来当然可以再封装成AI耳机。
包括现在天猫精灵的硬件团队，也在和夸克一起做软硬件结合的产品。这可能也会是一个趋势，最后的入口会出现一些新的生态变化。
庄明浩
而且入口背后的能力要求又提升了一个Level。技术、产品、运营、场景边界、交互UI，以及各种人机交互，都要绑定、耦合好，变成一个整体交付。
刘飞
庄老师有没有遇到过一些让你挺“下头”的时刻？就是发现好像跟之前想的不一样。
10. 产品短板指向具体任务
庄明浩
这还是跟自己的使用场景有关。平时做PPT太多了，现阶段的PPT工具都没有那么理想。或者反过来讲，是我们这些人要求太高了。
如果有一天我们这些人都能被工具搞定，那就像你今天下午聊天时提到的代码比喻一样：如果真的到了手工制作PPT变成历史遗物的那一天，那就说明AI已经足够好了。
但现阶段还没有。反过来讲，代码已经快到那个阶段了。从Cursor到Devin，你明显感觉这件事已经控制不住了，真的会变成你说的那样：以后手工写代码会变成一种历史遗老遗少的行为，甚至像行为艺术一样。
但现在我日常用得最多的PPT场景，确实还是比较难。
刘飞
而且即便这么多产品已经用了两年，那么多做文件整理和总结的尝试，你会发现，像蓝心每次跟《乱翻书》直播，为什么要带蓝心？就是因为蓝心有自己的总结和整理，“蓝心一言”就是它的总结和整理。
你会特别相信它不会漏掉任何核心观点和结论。
但看现在这些产品，即便是已经非常成熟的总结工具，哪怕输入了你认为很完善的提示词和框架，得到的结果你还是会担心，担心它漏掉了什么，或者没有抓到什么。
但看蓝心的总结，你不会担心这些问题，甚至会觉得可以不用再看原来的视频和播客了。
庄明浩
这个我感受也很深。以前也会焦虑，内容创作这件事是不是跟代码类似。后来发现确实不是。
内容创作，或者说做内容相关的总结、整理、分析，有太多主观判断的成分，它不是一个确定性很强的任务。代码的确定性就强得多。
包括我前面说的，为什么在那些具体场景下，AI的封装足够有意义和价值。比如讲题、搜题、去水印，或者帮你生成一套Excel表格公式，这些事情都很明确。指令明确，想得到的结果也明确，所以能够迅速覆盖。
刘飞
再说回来，整体还是一个乐观的感受。很朴素的道理就是，肉眼可见要做的事情还有很多。
不要想得太复杂、太远，单纯把现阶段排在日程上、应该做完的事情做完，就已经有很多事情要做了。
我觉得确实应该多关注具体场景和应用。身边有很多朋友跟我说想学习AI，我会问他，你准备怎么学？其实连入手方式都不知道。
学习AI不是去读论文、研究OpenAI的历史，关键是你的目的并不明确。
但现在进入这个阶段，我觉得对每个人来说，不管未来AI工具会不会影响你的工作和生活，对于程序员、美术设计师、老师，以及教育行业的朋友来说，可能已经有一些确定性场景。
还是那句比较俗的话：未来AI的发展是不均匀的。有些地方已经比较明确地产生了很好的效果，它正在慢慢蔓延和覆盖，形成涟漪。
所以如果大家对AI感兴趣，我个人比较强烈的建议是先去用一用。先用用夸克，先用用豆包，先用用这些大家都在用的产品，大概就知道AI是怎么回事了。
一年多之前，用ChatGPT还有一些困难，Claude也不一定能用。但现在有这么好的国产产品，体验肯定会带来很多不一样的感受。
还有一点很现实：日常工作中有什么事情是你一直要做的，同时又希望提高效率或者改善效果？以这个作为推动力就更简单了。
你是任务驱动，而不是泛泛地了解一下。哪怕同一个工具，泛泛地用也只能把它当成玩具。但如果是任务驱动，比如我平时PPT是工作中心，那我就去看现在各个AI PPT产品的功能，是否足够覆盖我的场景。这样会有更明确的感知。
庄明浩
所以我也已经过了最焦虑的年代。现在大家也不太会花很多时间去看论文了，该怎么用就用起来。
11. 钥匙开始匹配场景
刘飞
但那天我做完PPT，正好同一天出现了两条新闻。一条是某个初创大模型公司融了一笔钱，而且不是那几个所谓“小龙”的公司；另一条是某个大厂定义了下阶段战略重心。
AI当然是所有人的方向，但更重要的是AI怎么做，怎么变成一个新的工作层级。
你会发现，虽然在今天这个时间点，很容易下比较悲观的结论，比如大模型技术能力我们确实跟美国有一定差距，纯粹的初创公司做大模型也确实比较难。
但是活还是得干，生活还是要继续，总有人要负重前行。
现阶段没有真正意义上的绝对标准答案，也没有绝对共识。但我们可以在细碎的用户场景、工具实现和技术边界里去寻找可能性。
我之前总有一个钥匙的比喻。实体钥匙之间，细微的锯齿差别，就是每把钥匙能够和对应的锁匹配的原因。
表面上看，每把钥匙都差不多，但每一个锯齿的区别，以及它和锁芯内部结构的匹配，才是每把锁和每把钥匙存在的价值。
今天AI应用也在经历类似的过程。初创公司摆在桌面上的可能有100把钥匙，看上去早期都一样。但它需要不断打磨，把齿的锋利程度、齿的数量、高低和缓急都磨出来，直到它能够插进去，成功打开那把锁。
AI也在经历这样的过程。这个过程当然会痛苦，会有很多炮灰，会有很多不成功的尝试，但只有经过这个过程，才能实现最后的匹配。
庄明浩
我觉得比较乐观的一点是，除了应用场景上看到很多探索和落地方向之外，对于很多独立开发者，以及大厂、中厂、小厂的产品来说，手头确实又有更多事情可以做了。
每个人手里的资源、面临的目标都不一样，但你可以找到自己擅长的事情。这也是钥匙和锁的逻辑：你的钥匙能开什么样的锁，你的钥匙是大的还是小的。
做出一个好的判断之后，再去看AI能帮你做到什么程度，这又是一个挺好的时代。
当然，它跟移动互联网时代不完全一样，但确实是一个值得尝试的时代。你可以在自己熟悉的场景和用户里，通过AI把产品做出来。
而且AI技术能力的加持，让这件事的门槛更低了。代码、交互，以及各种内容和工具的生成，在AI时代都丰富了不止一个量级，让有想法的人更容易、更快地实现自己的想法。
刘飞
标准化组件确实越来越多，门槛也在不断降低。
之前三五环也聊过小猫补光灯的作者花生。他是一个典型案例，本身是产品运营出身，没有任何技术背景，但花几个月时间自学，就能开发出一个小而美的产品来。这是一个非常好的案例。
庄明浩
未来还是充满乐观的。
过去两年一直有一个我认为到今天依然没有改变的趋势：因为大家没有绝对意义上的标准答案和绝对意义上的共识，所以只要有人尝试出一点东西，市场就会给出比这个东西本身更多的正反馈。
刘飞
对，因为大家都很迷茫，不知道该做什么，也需要得到一些答案、慰藉或者里程碑。只要有人达到了一点点，他得到的关注和正反馈就会远远大于事情本身。
庄明浩
所以大家可以乐观起来，挺好的。
刘飞
行啊，那我们今天就先聊到这儿，我感觉落到这个地方挺好。大家也有什么新的AI观察和思考，对我们刚才聊的有哪些想法，都可以在评论区留言。感谢庄老师，那我们就下期再见。