Vol.59 2025 AI-Agent年，行业走向何方---狂喜播客节-贰狂

在对谈之前，先做几个简单的小调查。在座有没有完全没有听过我们几位播客的朋友？可以举个手。哇，很多，这我就放心了，太好了，我们可以聊拉新了。

第一个问题是这样：从昨天早上到现在，狂喜已经经历了一天多一点的时间。在你们所参与过的场次当中，有没有关于 AI 的话题？也就是说，你们听过或者嘉宾聊到过 AI 话题的场次，是否基本上绝大部分都有？对。

然后这就有问题了，大家太认真了。我们一会儿再看。我的下一个问题是，大家对我们这场的标题有什么看法？这个标题是我起的，不是一个特别人文向、比较宽泛的话题，它其实是一个相对比较行业化的话题。

我们在组织这场活动的时候，来龙去脉是这个样子的。当时冠亚迪老师在所有主播的群里大概排了 50 场，是从他的角度去排的；剩下的 50 场左右，是我们主播之间的自由碰撞。在碰撞的过程中，其实就跟大家刚才的调查一样，关于 AI 的话题应该是很多人的共识，所以很多人想聊。我们后来又拉了一个小群，在整个拉群的过程中，你会发现很多话题都围绕在人文方向，比如焦虑、替代工作、行业发展，以及行业和人的教育之类的相关问题。昨天我的两场论坛全都是聊这个的。

但是在拉群的过程中，包括经历了昨天的两场论坛之后，我发现一个问题：真正意义上的行业向内容可能相对比较少。当然反过来讲，可能听播客的人也不是真的来学习的，对吧？但是我会觉得，如果大家今天希望听到一个偏人文向的内容，可能会比较难。所以我打了一张纸，本来想跟关博说能不能打在屏幕上，但后来他 12 点半才回，我已经睡了，没办法。

我说，我们今天这场论坛，包括我昨晚在线下跟几位主播聊天的时候，尽量不去碰那些跟人文相关的话题。昨天晚上我数了一下课表，有 11 场关于 AI 的话题，名字或标题里带有“AI”或者“智能”的有 11 场。其中有 8 场明确意义上是人文话题，另外 3 场里面有 2 场我在，即便名字不带人文话题，但也聊到了人文。

所以，如果大家想了解偏人文、偏感性层面的东西，可以去听那些场次。我们今天这个场合就不聊那些事情了。我打了一张纸，题目叫“我们不聊虚的，只聊一些硬核的干货”。

如果大家觉得这个话题可能跟你没什么太大关系，也可以中途随时离开，不强求大家。因为我确实会觉得，播客不是一个真正意义上用来学习的东西，但我们尽可能给大家提供一些信息增量。

我再追问一个问题：现场的同学有多少人是有技术背景的？不多。产品怎么能不算呢？产品、研发都算，市场、运营也算。可以，看来产品居多，还可以。

要不就先请几位主播做个简单的自我介绍，然后我们正式按话题开始，好吧？小狼开始。

大家好，我是小狼，目前在大厂做技术战略和产品创新，从技术到产品，也会带运营、品牌、市场这些事情。目前我是“计算机历史博物馆”的主播，这是一个非常闲散的账号，想起来了就更新一下。

最近这两年我在做 Data 和 AI 相关方向的一些工作，之前做的是云原生和音视频。所以某种程度上，你算我的客户。

你也算吗？

算，你也算我的客户。现在主要是在数据库和 AI 这个领域，所以对底层技术有很多观察。当然，更多的应用是在上层，这也是今天觉得可以聊一下的一个原因。

朱峰老师。

大家好，我是“津津乐道博客网络”的朱峰。其实从 2000 年开始，我就在互联网领域创业。“津津乐道”应该算是我的第 5 家公司了，前几家公司都卖掉了，算是一个连续创业者。

“津津乐道”现在有两块业务。一块是大家所听到的“津津乐道博客网络”旗下的节目，也就是我们的内容业务；还有一块是技术业务，给各个播客提供包括 AI 在内的、跟创作者服务相关的一些服务。我们其实还有一个技术平台，大家可以把我们的技术服务平台“声派”理解成博客领域的尼尔森，它做的是收听率调查，也会用到很多现在的 AI 技术。

今天也很开心跟大家聊一聊。

大家好，我叫于欣烈，是“八八屋”的主播。“八八屋”是一档主要聊智能电动汽车行业技术、产品和商业的节目。我之前也在国外和国内的新势力车企工作过，对智能电动化方面有一些了解。希望这场播客能跟大家多沟通、多聊天。

我叫庄明浩，播客叫“屠龙之术”。我原来是做风险投资的，现在在一家互联网公司做战略和投资，一直关注科技行业的相关发展。

小狼的博客叫“计算机历史博物馆”，虽然已经一年没更新了，但是因为他生了宝宝。朱老师经常出现的博客叫“科技乱炖”，大家有兴趣可以去关注一下。于老师叫“八八屋”，就是那个相声词的“八八五”，这暴露年龄了。

如果大家有兴趣，可以关注各位老师的播客。我们正式开始今天的内容。

为了准备这档内容，既然立了 flag 说我们不聊那些人文的、偏虚的话题，我们准备了提纲。严肃地问一句，真的要按提纲聊吗？这是我的第二个问题。

当然，我们未必会严格按照提纲来聊，但是大概划分了几个板块。第一个板块是关于技术发展的内容；第二个板块是产品，也就是这个行业正在出现什么样的产品和趋势；最后一块可能偏行业、商业和资本。大概是这 3 个区块，但未必严格按照这个划分，聊到哪儿算哪儿。

1. Agent 进入业务世界

我们先沿着标题开始。今天的标题叫“2025 AI Agent 年，行业走向何方？”第一个关键词是 Agent，也就是 Agent、智能体或者其他一些翻译。这个关键词在大家每天关注的各种新闻里面，过去几个月应该处于疯狂轰炸的状态。

我们就从这个开始聊。在座几位老师，从你们的角度来看，如何理解今天这个时间点大家所探讨的 AI Agent？无论是概念、产品、趋势还是方向，都可以。第一个问题，小狼开始。

Agent 这个概念，我们比较早看到的时候，是 OpenAI 提出的“通往 AGI 的路径”。在 L3 这一层当中有 Agent，它除了原先大模型的基础能力之外，又加上了一些 Action，也就是能够自己干点事儿了，所以把它叫作智能体。

但是从技术角度看，它本身其实没有特别多深奥的东西。我们从 AI 时代往前倒，在数字化时代、信息化时代，都有非常多自动化工程。自动化工程、自动化工具，其实一直在代替人类做一些重复、冗余的工作。

这一类工作跟现在所说的 Agent 能做的工作，最大的区别在于，它加了一点自己能干的事情。不管是账号打通，还是根据自己的想法再去做一些事情，再加上前面的基础模型有了一些揣测你需求的能力，其实从技术本身来讲，并没有特别大的差别。

但是我们也看到，这一轮 AI 跟原先的数字化、信息化、自动化最大的区别，在于这个概念跳到了普通人的面前。它从我们原先讨论的基础设施、技术层面，向上跳了一层，到了应用和业务层面。到了业务这一层，涉及的人就更多了，不再纯粹是工程师的事情。

所以 Agent 跳出来之后，大家讨论的就是这样一个范畴。它更多还是沿着自动化和系统向前讨论，但更上层的东西，从技术角度可能就没有特别多可以展开的了。

朱老师，其实小狼刚才说了很多技术问题。我今天发誓不太聊高深的技术，因为我怕在座的同学听不太明白，而且这个环节只有一个半小时，很难展开。

从最近的一些市场反馈来看，第一，我比较同意小狼前半段说的内容，这部分我就不重复了。但是现在来看，AI Agent 在整个工程化实现和产品角度，短期内我觉得它的能力被高估了；但长期看，我又觉得它被低估了，就是这样一个东西。

刚才小狼说 AI Agent 进入了普通人的领域。但是我经常会面向素人、普通人，或者根本没有任何技术、产品背景的人做调研。昨天节目也聊过，我发现大家真的能够把 AI 用好，在今天这个时间点，其实还存在一个巨大的鸿沟。

我可以请问一下大家，日常生活和工作当中用到 AI 的，可以举一下手。不要放下来。只用到了对话框，也就是 Chat 的，可以把手放下。比如只用 DeepSeek 的，也可以放下。你看，就会放下很多。

这其实是 L2 的东西。大家现在绝大多数人还是在对话框里聊天，不管用豆包还是其他产品，他是在聊天。真正能用好，甚至自己做一个 Agent 的人，可能还很少。

包括这次狂喜播客节，我们也做了一个 AI Agent，可以搜索那些课程。大家会发现，它还是有很多能力边界。它能查，但是很依赖外部数据的供应，也很依赖这个 Agent 自身的能力，里面还有很多问题。我们今天不从技术角度细展开，只是说我现在觉得这个鸿沟还很大。

而且产品圈、技术圈的人可能每天都在为 AI Agent 里的新东西兴奋，比如一会儿我们还会聊到 MCP。但它是不是被高估了？它的能力其实还没有到那个程度。今天特别想聊的就是这样一个问题。

于老师，你怎么看？

对我来说，首先还是希望能够搞清楚 Agent 究竟是什么，因为每个人对 Agent 的定义其实不太一样。从 2024 年以来，到今年，我觉得这个定义确实在慢慢收敛。

对我来说，比较容易判断的有几个特点。第一个，它的能力取决于模型，依托于大模型本身。其次，它是要自主的。如果它只是一个辅助工具，其实就不是 Agent。对我来说，它应该是 autonomous。再一个，它能够调用外部工具。

我觉得这几个特点可以帮助我判断一个 Agent 究竟是不是符合这个产品定义。这就是我对 Agent 的理解。

我因为准备这期节目，特意回去翻了几位老师的博客。刚才说小狼的“计算机历史博物馆”在 2024 年就停更了，但他应该在 2024 年甚至 2023 年的播客节目里就已经聊过 Agent 了，所以它并不是一个全新的概念，已经存在很久了。

2. 模型能力决定上限

我们顺着这个话题往下沉一层，沉到刚才聊过的模型这一层。纯从模型本身的技术发展来看，无论是 OpenAI 定义的从 L1 到 L5 的路径，还是我们走到所谓的 L2 到 L3，刚才也提到了。什么是 L1 和 L5，大家回去自己查，我们几个人的播客应该都讲过，就不再展开了。

那么在今天这个时间点往后看，纯大模型本身的技术进展，在肉眼可见的时间点，比如今年年底，可能会到一个什么样的状态？会不会有传说中的 GPT-5，或者达到一个什么样的程度？纯模型本身的进展，到了年底可能是什么状态？

我先回应一下刚才说电台停更了小一年的事情。一方面是我去生了一对双胞胎，也算是训练了两个小模型，非常小。另一方面，到了去年年底，因为 2023 年我们就在聊 AI 和 Agent，那时其实看不到特别多的应用，底层技术迭代也有一段时间。

到今年，我明天会录新的一期节目，回顾过去一年发生了什么。也可以把这期放进去，多一个今天录的内容。我想先给自己一年前对 Agent 的判断打个脸。

我一年前聊 Agent 的时候，觉得它就是自动化的延伸，更多是帮助工程师更好地解决效率和工程上的问题。但今年再去看 Agent，如果从系统架构或者 IT 知识的角度来看，刚才朱峰也讲过，它被低估的原因在于，未来的未来——我不确定还有多远——可能不需要 IT 架构这回事了。

比如你未来开一家公司，整个 IT 系统就是平台前端一个 UI，下面连接一堆 Agent。每个 Agent 都能解决一个具体的业务问题，而且还能揣摩你的业务需求。到那个阶段，它真的是一批有用的工程师了。

但这个阶段什么时候到？至少 2030 年左右吧。不过又有人说 AGI 可能在 2030 年之前到来，所以也很难说。这是我这一年来认知上的更新。

我认为 Agent 被低估的原因，就在于它未来能够在系统层面承担的工程厚度会不一样。眼下我们的系统架构，或者说 IT 架构，是横着长的：最底下一层，再一层、再一层。如果你是电商，可能有一层中间件；如果你做娱乐，还会有一层 RTC。

未来可能就不是这样一层一层地横着长，而是纵向增长。每个 Agent 自己就能闭环自己的东西，比如基于云来运行。这样想的话，未来确实大有可为。

这也是我觉得现在适合聊 Agent 的原因。如果我们认为这个范式未来能够成立，那么逻辑上每个人都可以写一个 Agent。但具体什么时候能实现，不好说，确实很难讲。

很多时候录节目，嘉宾都希望做一下预测，我们也经常挑战嘉宾做预测，但这个预测往往非常难。开源确实会加速这个进程。

如果提到开源，我前两天刚录了一期“科技乱炖”，聊的就是开源大模型。我觉得从开源社群的角度，不一定是狭义上的开源，而是从社群共识、共同构建的角度，我们肯定能够加快这个进程。

如果看 3 年前 ChatGPT 刚出来的时候，我们看到的应该是一个闭源模型，只能去使用它。但是今天大家会看到大量像 DeepSeek、千问这样的开源大模型。

如果在座各位接触过工程化领域的事情，就会发现现在每个厂商在做的，都是在后端把这些开源大模型调起来，而且不一定只用一个模型。不同模型的整合、匹配，再加上社群的持续贡献，会形成一种共识。

包括我们还会提到 MCP，它也是今年大家刚开始关注的东西。它能不能通过一种共识、一种协议，形成我们理想中的网状 Agent 架构，我不知道，也很难预测。但是开源和社群一定会推动这个进程的发展。

3. 开源重写竞争规则

过去两年半左右，关于 AI 大模型开源还是闭源的争论一直在持续。之前某一段时间，大家可能会认为闭源模型会更强，因为它需要很多钱，需要商业化。

但是随着 DeepSeek 的崛起，以及很多厂商的态度，开源似乎成为这个阶段的一种共识。大家越来越多地看到了开源带来的好处。从闭源模型和开源模型的效率、打分曲线来看，两者之间的差距今天已经微乎其微。

你要知道，在大概一年半以前，整个业界的判断跟今天完全不一样。世界上最聪明、最优秀的 AI 相关公司的认知还是在另一边，但世界突然就变了。

因为小狼原来做过开源社区，而且是在世界上最大、最优秀的开源社区做过，所以这个话题可以稍微展开一点。现场有懂一点 Open Source 知识的同学吗？可以举个手。

我来打个比方。大家如果关注 AI，也会看到“开源”这两个字。它其实没有什么特别的，就是以开放的方式让所有人参与进来一起写代码。大家一起写代码，有需求就往里面提，让这个东西慢慢发展起来。

周围还会有一堆项目围绕着它建立生态。这样一来，未来 Agent 能够更快地解决业务诉求，或者写很多很多个 Agent，这件事就能够加速实现。

所以它其实是一种开放的协作模式，并不是一项技术。在这个维度上，原先大模型开源和闭源的分歧在哪里？

闭源公司认为，所有权和商业机密非常重要，人才也是稀缺的。你肯定没有我人才多，能力也没有我强，所以我只要把人才吸引过来，把他们挖过来，不断迭代，直接商业化，卖给大企业和世界 500 强，就能完成商业闭环，根本不管生态发展成什么样。

像不像当年的微软？

不能这么说，微软说“Love Microsoft”也是后面的事情了。

但是工程师是一种很奇怪的生物。工程师永远都觉得资本主义不好，想要打破垄断，要把封闭干掉，用开源的方式去打破封闭的商业化。

为什么开放？因为工程师的生产能力非常强，他可以手搓大模型。他认为哪怕不靠这个吃饭，也希望技术能够更好地发展，这是一个纯情怀的东西。

但情怀背后，他把人和能力开放出来之后，可以获得更好的声誉、拿到更高的工资，甚至基于这个东西去创办一家公司。

DeepSeek 我理解也有这个出发点。它并不想基于模型变成一家大模型商业模式公司，更多是通过这一波把自己推到了一个生态位上。到了那个生态位，怎么说呢，拍一下大腿就知道自己该怎么赚钱。

再加上它做了这件事情之后，大家可以看到，国内所有的 App、大模型上层厂商，都借着这股东风把整个市场带起来了。这件事情绝对利好整个产业链。

所以开源和闭源，我觉得已经有了目前的结论。因为提纲里还有一个中国和美国的问题，大家可以看到，中国的开源跑得比美国快。

美国是因为人家已经在赚钱了。中国选择了另外一种方式：美国还在赚钱，中国还在后面掀桌子、弯道超车。

美国赚钱，是因为所谓全球化实际上就是世界 500 强，而世界 500 强绝大部分总部都在美国。OpenAI 新的版本出来以后，核心团队基本上都是 BD，他们养了大量 BD，去世界 500 强坐着，卖商业服务，在企业内部部署大模型，赚得很好。

他们也是私有部署吗？

对。国外的云没有那么好，所以他们会采用这种方式。但国内不一样。国内的大模型厂商基本上是自己做，之前还经历了囤芯片的大战。

国内也不会去采购一家商业公司的服务，因为没有哪一家做得比 OpenAI 更好。所以国内这种蓬勃的生命力，在这个时候展现出来了。

中国的开源会做得更快，但它带来的好处是，会像当年互联网那一波一样，出现一波弯道超车。中国的 IT 基础设施确实相对薄弱，这句话不太好讲，尤其是很客观。

作为提供者，不能讲这件事情。你作为提供者不能讲，我来讲。

基于这个现状，未来我们能够有一批新公司基于 AI 去构建，这跟当年的互联网真的非常像。开源又加速了这件事情，所以这也是我从美国回来的原因。

从这一轮来看，中国和海外还有一个巨大的区别。海外在使用某些服务的时候，更愿意选择 SaaS 系统，对吧？我在云上使用 SAP 之类的服务，这些公司其实都是基于这一轮起来的。

但是大家会发现，在中国，To B 的生意很难做。大家都想要什么？自主可控一体机。

所以中国有一个特殊的 AI 商业模式，就是一体机。我给你搓一台一体机，把显卡装进去，放在你的公司内部。这跟中国企业选择服务的偏好有关系。

你总不能买一个闭源模型，然后放在企业内部部署。很多一体机附带的可能都是 DeepSeek、千问这样的模型，放到企业内部之后，再在上层做应用，基本都是这种模式。这跟中国企业的偏好有关系。

这就是我们现在的商业模式吗？

对，我说的是我们这个行业。

我原以为是你的商业模式。

国内现在大厂对企业 IT 这一块的商业模式，主要还是以采购为主。企业买设备、下订单、搭机房。如果不做采购，对企业来讲它就不是资产。

你跟他说用云服务，用 SaaS，数据放在云上，风险很大。第一，公司没有资产，破产清算的时候连个机房都没有。

那是费用，不是成本。

这是非常关键的一个东西。第二，如果数据在云上，未来你自己做数据确权，或者有可能做数据交易的时候，也没有资产。什么都没有。

所以在国内 IT 商业模式的前提下，SaaS 做得不是很好。

这个问题我再引申几句。原来我是做美元风险投资的，大概从 2010 年左右开始做中国 TMT 投资。2010 年正好差不多是移动互联网爆发的时候。

从 2010 年开始，看中美两国 TMT 发展的主线，其实非常清楚。中国的主线就是移动互联网加后期的算法，长成了今天我们在用的所有东西。

美国除了这条线之外，还有另外一条线，就是云。云、SaaS、To B 的生态链，在那个时间点，作为一个美元基金，内部有两个最大的组：一个是做 To C 的移动互联网组，另一个是做 To B 的组。

最后的成绩是，To C 组赚得盆满钵满，To B 组全军覆没。我们沿袭着看上去跟美国差不多的生态，去找 PaaS 层、SaaS 层，再细分 HR、财务、法务、物流、营销等领域，选择中国合适的公司投资。但最后可能到了 2022 年或 2023 年，布局十多年之后，从风险投资的角度来看，最后就是全军覆没。

我记得特别清楚，2022 年还是 2023 年，有一家香港上市的港股公司，叫北森。我不知道大家是否知道这家公司。北森是中国最大的 HR SaaS 公司，很多公司的 HR 系统就是他们做的。

我们认为 HR 至少在美国也是一个巨大的 SaaS 市场。这家公司可能在一级市场融了几十亿元，估值可能是几十亿美元。它在融资条款中签约的合格 IPO 条款是 300 亿港币，如果低于这个价格就不能上市。

但是二级市场不会惯着你。第一天 300 亿港币上去，第一天跌 50%，第二天再跌 50%，一周之后，这家公司只值 30 亿港币。

至少原来那条路径，在我们习惯的互联网发展领域里不是特别理想。但是这一轮可能会有些变化。当 AI 来了之后，Agent 也好，实施也好，或者更多 To B 的企业服务厂商，基于 AI 做适合中国本土的业务，无论是采购还是其他方式，可能这一轮会有一些转机。我们至少期待是这个样子。

4. MCP 打通智能体网络

刚才聊的话题当中，也无意中出现了一些跟今年 AI Agent 差不多频率出现的关键词，比如 MCP、A2A、多模态、上下文记忆。对于不是技术出身的人来说，尤其是英文的几个字母出现时，真的是满头问号。

我们就聊聊这个事情。为什么最近一段时间 MCP 的讨论特别多？现场有没有完全没听过 MCP 的同学？大概还有三分之一。朱老师，你来吧，这个更像是生态领域的事情。

MCP 如果简单理解，它其实是在 AI Agent，或者说 AI 智能体之间建立了一个应用程序接口，让它们之间可以用代码互相通信。

比如我要订个房，我问 AI：“我想明天在上海订一间房，位置在某个电影院附近。”如果后端大模型支持订房的 MCP 接口，它就会调用这个接口。接口会返回订房信息，就像我们在网站上查房态一样：附近有哪些酒店，它通过应用程序接口把信息返回给你。

你甚至可以做下一步操作，比如让它帮我付款，或者进一步选择。它可以再调用支付宝的 MCP，把款付掉。这些 MCP 其实可以形成网状结构，后面还可以做清算、结算。

它就是在 AI 智能体之间建立一套互联互通的体系。AI 和 AI 可以打电话了，AI 和 AI 之间可以自己聊，我不用管它们具体怎么沟通，最后前端大模型返回给我一个结果，让我选择就好了。

今年这也是一个很火的概念。这个玩法其实是为下一个阶段准备的，下一个阶段是向 Multi-Agent 方向发展。

如果没有 MCP 这一层，对用户来讲也会用得很糟心，很多 Action 没有办法完成。我其实觉得 MCP 这套玩法在国内有点困难，因为国内有天然的壁垒、障碍和生态隔离。

比如我们什么都喜欢在微信公众号里做，或者在小程序里做，All in One。它跟其他域的工具和流量都有很大的隔离。

海外 PC 比较多。大家可能不知道，美国手机消费品市场是低端机的天下，手机里不需要装那么多 App，很多 App 做得也比较简单。大家更多还是拿电脑在那边做事情，每天还要拿电脑去查邮件。哪怕在手机上做，也是打开一个网页，或者发短信。

但国内提前进入了移动互联网 All in One 的阶段，这会带来我刚才说的隔离，也会导致很多工具调用存在比较大的阻碍。所以要看平台和平台之间谈得怎么样。如果平台之间谈不好，就是断的，就像今天我们使用各种 App 一样。

我们也希望有人能够推动各个大平台的开放度再大一点，让 AI 能够穿梭一下。但如果 AI 穿梭了，流量的钱就跑掉了，这可能需要从商业模式上建立新的架构。

会不会像移动互联网打败传统互联网的时候一样，出现一个新的巨头、新的入口，然后建立新的标准，把传统互联网的参与者打掉？

对，比如微信打掉百度一样。

前几天大大来过这附近，大家知道吧？这个就是上海的这个魔术空间。那天的新闻联播大家看了吗？如果没看，建议回去看一下。

我每次看新闻联播，都是 AI 自动给我总结的。

我们刚才大概聊了半个多小时，聊了技术、AI Agent、开源和闭源、中国和美国的对比，以及今天这个时间点很热门的 MCP。听起来是一些非常散的点，但为什么推荐大家回头去看那天的新闻联播？

那天新闻联播有一个画面，一位重要人物去了一个公司拜访，那家公司正好在开会。有一帧画面是会议室的白板，白板写的是“下一代 AI 智能体的发展”。

上面列了几个细碎的小项：下一代要做什么，上下文记忆要变长，要实现多 Agent 之间的互通，要让它完成的任务，从原来一个人几个小时的工作，变成几个人一周的工作，也就是让任务的时间跨度和复杂度都增加，还有多 Agent 之间的通信协议。

有兴趣大家可以去翻一下，我不确定是哪天，反正大家知道是哪一帧、哪一天的新闻联播，回去找就可以了。

5. AI 从语言走向行动

关于技术的讨论，我们差不多到这里。最后给大家一句话，可能方便大家在过程中，以及以后看到所有正在发生的 AI 相关技术和理论时理解它们。

这句话特别简单：这一轮 AI 大模型的发展，开始经历从语言到行为。

你会发现今天聊的很多事情全部都是这个逻辑。因为这一轮的 AI 叫大语言模型，Large Language Model，它是语言模型。过去两年多，模型能力的发展更多是在语言和对话层面。

但发展了两年多，这个东西总要用起来。用起来的时候，它叫智能体也好，叫 Agent 也好，叫多 Agent 协作也好，本质上都是要干活，所以它要有行为。

有些厂商在做的事情，是把行为能力变得更强。为了行为能力更强，需要更强的上下文协议和更多理解；有些厂商做的事情，是让现存世界里的工具之间建立跟 AI 的通信协议，所以有了 MCP。

你会发现，至少在技术这一层，它们是以这种方式被串起来的。这就是关于这一节的小小总结。

我稍微补充一点。刚才大家谈的主要是 LLM，也就是大语言模型，但在并行的世界、物理世界里，还有其他的大模型。

比如在汽车和机器人领域，它实际上是 Vision-Action 模型。刚才庄明浩谈到，现在我们从 L 到 A，也就是从 Language 到 Action，正在逐渐演进。

之前有一个比较时髦的词叫具身智能。不论是汽车还是真正的人形机器人，都可以视为一种机器人。它们的模型最开始是从 Vision 开始的，不是靠语言，是两条并行的路线，它是在物理世界发生的，从 Vision 到 Action。

随着大模型技术往前推进，现在进入了一个新的阶段。大家可能会听到一个很时髦的词，叫端到端。比如特斯拉最开始实现智能驾驶的技术方案，后续很多国内第一梯队的厂商也纷纷实现了这样的方式。

下一步，国内厂商的一个方向叫 VLA，会在 V 和 A 中间加上 L，把 Language 结合到之前的 Vision-Action 模型里一起训练。它跟之前的 L 到 A 是并行的方式，在物理世界也在发生这样的情况，不论是在汽车还是在人形机器人领域。

它们在模型多模态方面也在发生演进。所以除了 LLM，还有另外一个世界在发生进化。

大家看车企广告时，如果看到 VLA，肯定都会一头雾水。但今天听完，至少知道 V、L、A 分别是什么。

我们继续往下探讨。刚才也或多或少开始渗透到产品话题了。上面大部分聊的是技术发展和技术趋势，但技术是技术这一层，我们作为普通用户，无论个人还是企业，要用的是产品。

用 ChatGPT 或 DeepSeek 打个比方，DeepSeek R1 是模型，DeepSeek F 是我们用的产品。我们开始聊产品。

6. 通用 Agent 迎来现实检验

今年上半年可能最火的产品之一就是 Deep Research。用过 ChatGPT 里的 Deep Research 功能的，可以举手。还可以。用过中国国产的 Manus 的有多少？这个就少很多，因为还在邀请制。

最近有多少人用了字节的扣子空间？也有。百度的心响呢？也有人用。蚂蚁不是也做了一个吗？叫什么来着？不提了，没关系。

你会发现，这一轮关于 Agent 的讨论，除了技术本身的发展，更重要的是大家切身开始用到一些打着 Agent 名号的产品。为什么说“打着 Agent 名号”？因为很多东西是挂羊头卖狗肉，也有很多是新瓶装旧酒。但至少截至 2025 年上半年，通用 Agent 产品确实引发了比较多讨论。

如果大家没用过，我建议这场结束后可以去用一用。现在几个大厂的产品，国内产品应该都不需要邀请了。比如字节的扣子空间、百度的心响，以及各种 AI 搜索工具的 Deep Research 功能，应该都不太需要邀请。大家有兴趣可以试一试。

我们从这个话题开始。用过这些产品吗？感受怎么样？或者我先提个问题：从我自己的使用体验来看，其实我对“通用 Agent”这个名字有质疑。

这个问题非常好。我的理解是，“通用”本身其实是大模型的能力，而 Agent 对我来说是一个更专业、更垂直的工作流，它把工作流产品化了，就应该是更专业的，而不是更泛化、更通用的。

之前大家其实分为两类：Deep Research 是一类，属于调研型；还有一种是生成型，比如 Coding。Manus 可能把这两类合在了一起，它都能做。

但对我来说，在使用上它们都不是通用型。

这个话题就变成“通用还是垂直”，我觉得很有意思。我们回头来看，还是按 OpenAI 的定义，L1 叫 Chatbot，就是我们用到的豆包、ChatGPT。

从早年的上一代 AI 走到 GPT，经历了一次通用化。ChatGPT 发布第一天没有说要做哪个垂直行业，它说什么都能干。L1 的时候是通用的。

到了 Deep Research、DeepSeek，到了 o1 的时候又经历了一次通用化：我是通用的推理模型，也没有说专门做某个板块。

如果这件事真的如 OpenAI 定义的 L1 到 L2 到 L3，Agent 这一轮是不是也应该是通用的？

我个人对“通用”的理解，可能是 for 个人，面向个人开发者和个人用户。

原先新技术出现的时候，所谓通用技术更多是 for 开发者，解决开发者的工作诉求和一些小癖好的需求。但这一波大模型因为使用自然语言交互，变革了交互形式，所以可以进入千家万户。

所以它的通用，更多是 for 个人，满足个人成长、学习、搜索等诉求。这也是为什么很多所谓通用 Agent、Chatbot，最后会被大模型本身的产品形态替代。

大模型慢慢演进、能力提升之后，就可以解决个人视角层面的需求，这是跟它自身的技术演进路线相关的。但这个东西会不会变成一个通用产品？我认为未来应该会变成某种程度上的集成工具。

它可以单独作为一个产品存在，但如果不解决一个具体的实际需求，就很难成立。这就是我对通用 Agent 的理解。

我也有一个建议。大家刚才听了很多技术，之所以听起来很散，是因为底层技术还在快速演进，没有确定下来。所以上层这些通用 Agent 工具，比如豆包、扣子，大家之前用可能觉得傻乎乎的，过一段时间会觉得它聪明一点，再过一段时间又聪明一点。

等到某一天，你发现它真的能够像一个人一样，真正能在旁边帮你解决问题，那时候我觉得大家可以跟着它一起成长，这是一个非常好的进入时间。

如果家里有小孩，现在就可以让他开始用 AI。有问题就去问一下 AI，这是培养下一代新脑子的一个非常好的办法。这就是我对通用 Agent 的想法。

对我来讲，有了很多所谓的通用 Agent，反而不太敢用了，因为我发现它的能力其实有上限。它给我搭了一个茧房。

比如我用最简单的搜索，搜出来的东西看上去是一个很好的结果，但往往这个结果并不对。很多时候它会给你一个非常完整的报告，你会发现它说得不太对。你又不可能把每一条引用都点进去，结果是什么呢？我又用回传统搜索。

我还是要用传统搜索，看多个来源的结果，再去核查一遍。它其实并没有给我省很多事情。这是非常典型的情况。

包括这次我们给狂喜播客节做 AI Agent，也会发现它的幻觉现象还是比较严重。当然，这可能取决于数据源，也可能是因为没有付费使用更好的模型，默认的小模型确实有一点问题。

但作为个人用户，尤其是 To C 用户，如果盲目使用通用模型，把它返回的结果当成一个结果，甚至当成真理，往往可能会踩坑。

今天也会发现，有一些开发者在使用 Coding 工具。每个开发者用完之后都会跟我说，虽然用两天就完成了以前要写一周的东西，但调错又花了两周。Debug 的时间比编程的时间还长。

因为我完全没有办法控制 AI 的行为。它写出来的东西不是不能用，但仔细看会发现里面有很多幻觉，带来一些奇奇怪怪的逻辑。所以今天是不是真的应该把通用 Agent 当成银弹？我觉得远远没有到那个时候。

我建议大家在这个阶段使用 Agent 时，锻炼自己的杠精本事。不断反问它、批判它、PUA 它，让它不断自己判断自己说的话是不是在说胡话。

你甚至可以直接告诉它：“你就是在说胡话。”然后看它怎么圆。在现在这个阶段，你需要通过这样的方式让它自己心里有点数，同时也要每天提醒自己：它很有可能在说胡话。

这个时候要有这样的学习能力，不要把它当成正确答案。

我补充一点。我觉得刚才朱老师谈到的遭遇，恰恰说明了 Agent 比较微妙的位置。

一方面，它的能力依托于大模型，不可能摆脱大模型本身的缺陷，自己变得比模型能力还强。幻觉本身就是大模型存在的问题。

另一方面，它又担心大模型能力太好，把自己替代掉。也就是说，它一方面希望大模型变好，一方面又希望大模型不要太好。这是 Agent 现在比较微妙的位置。

但如果用旧世界的方式来看，大模型可能更像操作系统，Agent 更像应用。它需要不同的应用来满足不同的需求，成长在这个 OS 上面，需要不同的管理、调配，以及对资源和算力的调度。

所以 Agent 不用过于担心大模型能力提升。只有大模型能力提升，Agent 才能变得越来越有用。不同的专用 Agent 丰富起来之后，整体就变成一个通用 Agent。

作为整体，它可以泛化、可以通用；作为一个 Agent 个体，它是垂直的、专用的。

在 Manus 火起来的时候，我做过一次测评。测评过程特别有意思，因为你的前置思考会变得特别多。你要先想清楚，交给它一个什么样的任务。

如果交给它一个简单的搜索任务，它一定完成得不好，因为搜索的发展比这一轮 AI 早太多，也深入太多。如果交给它一个过于复杂的任务，看上去它也完成不了，那就达不到测试目的。

所以当新工具出现时，反过来要求我们作为使用者的能力变高了。

很巧合的是，我跟上一场坐在这里的一位老师找到了同一个任务，这个任务特别匹配。简单说一下，如果听过相关内容，大家可能会知道我们找的是什么任务。

在 Manus 发布的第二天，世界上知名的 VC 机构 A16Z 发布了一个榜单，统计过去半年 Top 50 的 AI Web 网站，以及 Top 50 的 AI DAU App。这个榜单每半年更新一次。因为榜单刚刚更新，所以世界上没有任何媒体、新闻机构或其他人写过详细分析，只有它自己写了一篇。

我们发现了这个任务：它列出了 50 个网站和 50 个 App，中间当然有重合，比如 ChatGPT 的网站和 App 都会在里面。我的任务是，让它查这 100 个网站和 App 里，有多少家中国公司。

大家想象一下，这个任务的执行过程。那篇文章有两张表，分别是 50 个网站和 50 个 App，还有一篇文章简单解释了一下。所有基础信息源就是这些。

我把任务交给 Manus 后，它第一次返回的结果是 9 个还是 7 个。我说这不可能，不可能这么少。为什么是这个数字？因为在 A16Z 官方文章里提到了几个中国公司，所以它第一次返回的结果就是一个最偷懒的结果。它只针对那篇文章做了分析。

我告诉它：“不可能这么少。”它第二次又去做，返回了十几个结果。我说：“依然不可能这么少。”

然后我去查看它第二次的整个实现路径和过程，发现它还是去搜新闻，搜索来源还是新闻。我说，这种方式依然不行。第三次我直接告诉它应该怎么做：把 50 个网站的名字、50 个 App 的名字和图标一个个列出来，分别对应到背后的公司，再去搜索每家公司是否有新闻、官网或工商注册信息，证明它是不是中国公司。

它再去跑，返回的结果是上下文超限了。

这个过程像不像你在训练实习生？你听完就知道它现在是什么状态了，它很像一个实习生。

实习生不会上下文超限。

但人类的第一反应也一定是偷懒。实习生第一反应一定是偷懒，不想干了。你会慢慢告诉它，合理的做事方式应该是什么样，在中间不断调优，期待它给出更优秀的结果。

至少在这个时间点，普通用户可以用到的产品大概就是这个状态。

而且它还不会骂你，可以随便 PUA。

我觉得使用 AI，包括使用 Agent，对每个人来说，其实就是学习如何成为领导的过程。

最开始你是个小领导，要教实习生怎么做，可能是一个小组组长。以后随着 AI 能力增长，或者随着你要做的任务越来越大，如果它能力足够强，你可以把它当成秘书或助理，只需要吩咐它一些目的明确、要求明确、结果明确的任务，它就能交付结果。

我觉得随着 AI 能力成长，在使用 AI 的过程中，你要学会如何当领导。否则你不知道该交给它什么任务，还是打工者心态，跟它沟通的时候你们俩都是牛马，它也完成不好交付的任务。大家确实应该学好怎么当领导。

好像又回到人文话题了。我经常要把这根弦拉回来，进入下一个话题。

7. AI Coding 重塑软件开发

刚才也聊到，除了通用 Agent，另一个最近最热的方向是 AI Coding。从去年年底 Cursor 发布以来，Coding 这个板块增长非常快。

从底层逻辑上讲也好理解。Coding 是构建虚拟世界、数字世界最基础的东西，天生带着逻辑和框架。理论上 AI 应该最理解这个东西，所以 AI Coding 在过去大半年发展得非常快。

但也出现了问题。像朱峰老师说的，今天用 AI Coding 工具，哪怕是最资深的程序员，也会发现 Debug 的时间可能超过 Build 的时间。

现在技术还在往前走。大家怎么看 AI Coding 未来的发展？真的会像想象中的理想状态一样，我今天跟 AI 说“给我做一个抖音”，它就可以直接做出来吗？

我们列了几个产品，Cursor 和 Devin。这两个产品其实是两个阶段的产品，甚至再往前还有 GitHub Copilot。我们先不聊 Copilot，它更像平台上的半成品。

Cursor 算是 Human in the Loop 的产品，你需要跟它说“帮我写一段什么样的代码”，它能帮你写好，然后你再粘贴到 IDE 或其他地方，再去发布一堆东西。

Devin 则是 End to End，也就是端到端、一站式。你告诉它“帮我写一个网站”，它就能帮你写一个网站，还能发布。这是它的愿景。它的官网后面有一句话是“the developer”，把 Devin 当成一个真正的工程师来使用。

Devin 其实在 2023 年就已经出来了。早在 2013 年我做代码托管平台的时候，我们就已经设想过，未来可能有一个工程师帮你写代码。

这件事情并不新奇，因为工程师永远都希望找另一个牛马来替代自己的牛马工作，这就是工程师工作的本质。

这两个产品到现在为止，我觉得比以前复制粘贴要好用一点。但它更多还是要在代码工程质量和系统稳定性比较强的场景里使用。

比如在大厂内部，用这类工具来提效已经非常成熟了。因为内部不管是代码品味、代码规范，还是代码质量，都比较成熟。你在内部使用，效果就很好。

但如果原先团队的代码质量就不怎么样，本身已经有一堆技术负债，再叠加 AI 写出来的技术垃圾，那就像面条摞面条，变成银丝卷了，不太健康。

所以内部要不要用 AI Coding 产品，取决于你们公司的 CTO，也取决于整个技术架构是否干净、代码是否干净。在这个基础上再用它去提效。如果不行，大不了重构，反正可以重来。

但我认为 AI Coding 未来一定是一个方向，甚至“the developer”广泛进入各行各业，也是确定的事情。

那工程师怎么办？这又回到人文话题，绕不开。工程师要做的，是更好地使用自己的牛马。

只不过工程师可能要再往前走一步。原先的工程师不太愿意出来见人，需要很多人帮他翻译：翻译客户的业务需求，翻译其他团队的诉求，然后自己坐在那里发脾气。我不是说你脾气不好。

但未来可能有人帮你写代码，你就要往前走一步，去了解真实的业务需求是什么，了解今天做这个东西的价值在哪里。我觉得这也是对能力的一种锻炼。

还有前端的各位产品设计师、产品经理，你们也可以做工程师。大家也知道，工程师的工资要比产品设计师和产品经理高很多，所以大家也可以从另一个维度判断自己。

如果是产品经理，我觉得现在就可以用起来。

我补充一点。你说的可能更多是大厂的牛马，我说的更多是个人开发者和创业者。

对他们来说，AI 提供了一个非常好的能力，也就是一人公司。以前以我为例，有时候公司要写一些东西，最头疼的就是前端或者前端设计。因为没有那么多人手去做设计工作，小公司养一个专职设计师，其实不是特别现实。

现在我会用这些工具来帮我设计前端页面。以前它设计得非常垃圾，但现在我发现它设计得越来越现代，越来越好了。我几乎不需要怎么改，直接就能用，甚至它把前端代码也套进去了。

前端的标准范式太好看了，而且你可以指定用什么框架、什么架构去写。如果公司内部文档写得还可以，它连调用后端的代码都能帮你搞定，直接就能用。

它现在最大的问题是，如果做一个大的项目，它不行，没有办法解决复杂度的问题。但如果只是一个临时活动页面，或者搓一个官网，就非常好用。比如我要备案某个域名，把页面怼上去，这种特别适合。

独立开发者的能力不一定非常全面，一定会有短板。用 AI 去补短板，是现在非常好的工具。但你一定要善于拆分需求，把需求拆开、模块化。

我甚至可以用 AI 写一个又一个微服务，再把它们串起来。这样复杂度就降低了，我只需要解决一个微服务内部的问题。

如果你试图让 AI 在一个项目里把整个大项目从前端到后端都构建起来，以现在的能力往往还不够。拆开之后，让它写代码，会舒服很多。

Coding 这个板块看起来应该是这一轮 AI 里面最先拿到阶段性成果的板块。国内厂商当然也不会放过这个战场，基本上所有主流头部大厂，尤其是模型大厂，都在推出自己的 AI Coding 工具。字节、阿里都有相关服务。

如果有代码能力，或者知道代码是怎么执行，需要一些代码能力的朋友，我们建议从这个时间点开始给自己加上这件武器。这是一个很好的时间点，而且确实越来越简单。

像我们这种完全不懂代码的人，慢慢也可以构建一些小东西。Build 的快感，在今天仍然非常强。

我歪个楼。Code 其实也是一种语言艺术。大家除了用它编程，很多 IDE 工具也是非常好的写作工具、文字写作工具。

有一个特别有意思的服务叫 Deep Cloud，它利用 DeepSeek 的 COT 生成非常好的逻辑思维链，把一个问题或者写作需求拆解出来，再把这个思维链喂给像 Cloud 这样非常擅长写作或 Coding 的模型，用它来生成很好的写作文章。

这是一个嫁接的服务。包括很多人用 Cursor 来写东西，它的 Coding 和 Writing 是相通的。大家用好这些工具，个人效率会提高很多。

很多厉害的程序员早年都是拿记事本写代码的。

现在很少了吧？

现在确实少了，早年是这样。

朱老师，你觉得 IDE 有可能成为 Coding 领域的超级入口吗？如果未来还有 IDE 的话。

我觉得要分两个阶段。短期来看，各种 IDE 一定会加上 AI 能力，不管是嫁接别人的，还是自己做一个。Cursor 其实就是把 VS Code 改造了，它一定会成为入口。

但长期来看，可能会有一个问题：我不需要写代码了，甚至 PRD 都不需要。AI 直接把活干了。你告诉 AI：“帮我把这个图从绿色修成蓝色。”为什么还要写代码？它直接帮你修了。

我觉得这可能是阶段问题。

一说到这里，程序员可能又焦虑了。

这个还很远。

确实还很远。

刚才聊通用 Agent 时，其实已经渗透到另一个问题：今天无数人会说，大模型还在疯狂演进，在演进过程中一次次吞掉一些之前由产品公司定义的功能。

当然，也有无数新公司不断去做类似我们通常所说的“套壳”。我不太喜欢“套壳”这个说法，因为它带了太多偏见和情绪，但既然大家都会讨论，那几位怎么看今天这个时间点的纯技术大模型公司，以及那些不再做底层模型、而是做偏应用层公司的关系？

这是竞争、竞合，还是共同发展？

我提供一个场外信息。2015 年我创业做工具，创业失败，当时非常低落。但现在回头看，我觉得现在跟那时候有一个很相像的场景：你可以一直套，一直持续套。

投资人也在套，这就是重点。你现在就可以开始套，这家公司倒了，找好钱再做一家，再套下去。一直做，你就会变成一个非常资深的专家。

因为这个阶段大家都还很早期，技术在演进，应用场景也在寻找，很多技术还在发展。上一波云计算和互联网早期，大家也是在做所谓的套壳。那时候可能没有特别大的东西可以套，但概念都可以套。

在套壳的过程中，你会发现需求，发现底层需要什么样的依赖，生态需要什么样的支持，还能找到细分场景。找到细分场景，就相当于找到了商业模式和产品方向。

所以我不觉得套壳是坏事。我特别不喜欢“套壳”这个词，我觉得一切皆是套壳，谁不是壳呢？

在产品上做更多尝试，总是有意义的。就像刚才说的，我们会在过程中发现自己的模式和需求。不做，永远不会发现。

永远要往上走，往更靠近用户的一侧走。我觉得这才有意义。现在大家都去卷大模型，有的是真的在卷，有的可能只是一个概念。

这里我想问一个问题，就是所谓纯产品叙事是什么。因为如果讲纯产品叙事，更多讨论的可能是超级入口、超级应用，下一代微信、下一代字节、下一代头条。

如果我在创业，可能会放弃这种叙事方式。更多还是实事求是地每天问自己一遍：你到底在解决什么问题？

8. 小团队找到新生意

看，我们的话题悄无声息地就顺到第三个板块了。上一个板块更多聊的是产品。刚才说第三个板块会聊行业，包括产业和资本。

我第一个问题就是，上一代尤其是中国移动互联网年代，可能也要感谢这些 VC 做的事情。在那个叙事里，所有人的叙事都是“干一票大的”，投资人和创业者都是这个趋势。

但你会发现，今天这个时间点因为各种原因，看起来比较难了。反过来，AI 能力的杠杆加持，让个体能量被放大，一人公司或者小而美的生意，可能性和概率都极大提升了。

所以叙事的改变，也是这一轮 AI 随着技术和产品更迭产生的一种新的创业趋势或行业趋势。过去几年已经出现很多案例：一个人可能只是产品经理，不会太多代码，但找到了一个很小的需求，也不需要讲一个特别大的故事，就把东西做出来，通过推广跑起来了。

这个事情的门槛和实现方式，相较于 10 年前，可能已经发生了巨大变化。

我最近几年在研究电商。因为我在想，年纪大了以后该干点什么，得干点什么。

一直讲大叙事、宏大叙事，非常不扎实。我发现电商行业真香：手里有货，对渠道比较了解，就能卖，有现金流，也能赚起来。

这个话题应该找相关老师来聊。电商利润也很好，虽然有价格战，但如果你的产品不错，就能做得很好，能非常快地得到反馈。

但在软件行业，真的就是穷得要死。它的商业模式一方面没那么成立，另一方面产业链太短。我们的上下游每个环节玩家不够多，产业位置也有点奇怪，大厂又包揽太多。

美国之所以好，是因为产业链长度非常长，每个人都可以在其中做一个小东西赚到钱。当然也是因为他们有足够多的世界 500 强，而这些公司本身就很赚钱，赚的是全世界的钱。

回到今天的叙事，我们能够做的就是解决一个具体问题。肉眼可见的是，电商这样的互联网商业模式诞生之后，又衍生出了很多产业，产业链会越来越长，位置也会越来越好。

中国的产业未来会越来越长，产业链会越来越好。政策也在推动大家慢慢往上走，原先欠缺的工业软件基础也在补。如果这些东西都补齐，未来不管作为专家还是做一个小生意，你在熟悉的行业里都可以有一个小生意。

我从上海搬到北京，再搬到杭州之后，学会了一句话：做生意不丢人。

在上海和北京，我们更多讨论的是创业、干大的，尤其是北京。搬到杭州之后就不一样，大家问的是：“你做什么生意？今天在哪里发财？”

浙江浙商的状态不一样，非常脚踏实地，问的问题也很具体：今天要做什么事情？成本怎么样？销量怎么样？能赚多少钱？不用赚大钱，一家人够用就行，每天生活也很开心。

这是我作为一个搬到杭州的创业者，心态上的转变。

我经历过几票大的，也确实很累，这个就不细谈了，大家可以去网上搜。

现在“科技乱炖”的 3 个主播平时也会做一些投资工作，甚至“科技乱炖”自己还成立了一个创投工作室。我们投的是什么？其实都是作坊。

最好一个人，不要超过 3 个人。你能把一件事情，不管基于 AI，还是基于自己的能力，把现金流做起来，这一点非常重要。

但这里还有一个传统投资领域的问题：你的护城河在哪里？

如果你用 AI 做一个非常薄的东西，短期看可能是一个很好的 Feature，可以卖、可以做。但很快你会发现，不管是大模型还是大厂，都会直接把这个能力加进去，你就失败了。

所以我们现在找的小创业者，做的基本都是基于此前的一些能力和积累，再套出来的东西，一层一层套出来。比如最近我们看了一个项目，其实是一个基于他过往能力和积累的解决方案。

我们找的往往是这样的人：在一个领域里有一定经验和能力，再用 AI 给他赋能，把事情做得更好，甚至用 AI 把它规模化。我觉得这才是比较漂亮的作坊。

我们又回到人文话题了，不小心就回来了。

9. 自动驾驶重审 L3

我想问于老师一个问题。大家知道，于老师在智能汽车行业的经验非常深。刚才我们讲 OpenAI 定义的 L1 到 L5，严格来说是按照自动驾驶的 L1 到 L5 去划分的。

很有意思的是，我经常做播客时，评论区会有一些汽车行业从业者，尤其是自动驾驶从业者。他们说，看到 L1 到 L5 的划分方式，体感上会有些不适应。

上一轮自动驾驶最热烈的讨论，也是自动驾驶从 L2 进入 L3 的阶段。今天从 AI 的角度，我们像一个新人，期待 L3、L4、L5 很厉害，AGI 起飞。但在自动驾驶领域，到今天还没有实现，甚至 L3 正经历非常大的瓶颈。

您既了解汽车，也了解 AI 行业和商业，怎么看这一轮？是不是会让我们这些新进来者的体感更强烈？

在汽车行业，特别是智能驾驶从业者非常痛恨 SAE 分级，因为它分得非常机械，不符合用户场景。但大家又扔不掉这个东西，因为它容易跟市场和用户沟通，是一个容易达成共识的压缩概念。

所以直到今天，大家依然会说做 L3、做 L4，因为这是一种能够形成共识、方便沟通的方式。

刚才谈到 OpenAI 的分级，它的 L3 实际上就是 Agent。按照它的标准定义，Agent 有几个特点：一个是自主，全自动完成；另一个是可以持续调用工具。

从这一点回到智能驾驶分级，在辅助驾驶阶段，其实达不到 OpenAI 的 L3。人和车共驾，是 Co-pilot，不是 Auto-pilot。

只有从智能驾驶的 L3 开始，它才符合 OpenAI L3 的定义，因为它是自动的。换句话说，自动驾驶的 L4，也属于 OpenAI 的 L3，也就是真正能够全自动替你完成驾驶工作，你不用全程参与，只需要跟它沟通。

这就是两种 L3 之间的对应关系。大家很容易混淆，以为它们是同一个东西。

但因为技术、政策法规，以及责任权利划分的问题——真正发生事故算谁的，这也是用户经常问厂商的问题——所以 L3 以及后续自动驾驶的落地一直很难。

今年有望华为在中国率先实现有条件的自动驾驶 L3，但它只局限于高速场景，不做市区。同时，我国最近发布了智能驾驶管理新规，之后大家不能叫智能驾驶，也不能叫自动驾驶，连特斯拉 FSD 在中国都改名了，不允许叫全自动驾驶，统一叫辅助驾驶。

只有华为可以使用“智能辅助驾驶”和“有条件的自动驾驶”这样的产品名称。配合今年中国可能颁布 L3 相应的管理法规，有条件的自动驾驶有可能开始落地。这是中国的叙事。

我们是一个逐渐演进的过程。大家还是从乘用车市场角度出发：我买一辆车，它的智驾怎么样？是不是第一梯队？能不能实现 L3？我们会问这样的问题。

但美国不一样。美国接下来可能没有 L3，基本上直接就是 L4，也就是所谓无监督的 FSD。特斯拉不仅要在乘用车上实现这样的功能，今年还要落地 Robotaxi，把 L4 变成真正的出行服务，这也是它市值变化很大的一个原因。今年大概五六月份会在奥斯汀开始落地。

它的技术方案甚至跟中国不一样，这非常有意思。以前我们跟着特斯拉的技术路线走，中国做的是追赶式路线，只要它路线清楚了，我们很快就能赶上，甚至产品体验比它更好。技术先进性可能不如它，但产品体验我们甚至能做得更好。

但今天特斯拉已经不对外公布智能驾驶路线了，再也不开 AI Day，不告诉你做的是什么，完全放在黑盒里。

下一步，中国的路线就是刚才谈到的 VLA。不论是理想、小鹏，还是其他厂商，都在判断下一步怎么实现 L3 和 L4，通过 VLA 的方式实现。

以前端到端加 VLM 为什么做不了？因为 VLM 是 Vision Language Model，它是一个低效的手段。以前视觉和语言之间没法沟通，需要把看到的路牌，比如“前方右转”，先通过视觉识别出来，再转化成自然语言告诉另一个模型，效率非常低。

在车上，这个方案的问题包括时延和准确度。现在 VLA 把 Vision、Language、Action 放在一起训练，让它们在内部完成沟通，不需要两个模型之间再进行对话。

所以现在中国基本采用这条路线。未来这条路线能不能真正实现 L4，大家都不知道。今年要看美国那边能不能真正实现 L4 落地。

听起来是一个边缘的方案。

对。李想前两天的那个 talk 里也说，VLA 不是非常高效的方案，但它是当下可以接受的方案，因为大家不能停滞不前，必须找一条路继续往前走。

街上跑的无人快递车，算 L3 或 L4 吗？

你说的是萝卜快跑那类吗？

不是，就是拉快递的那种，好像背后有人遥控。

这种有很多，包括酒店里给你送东西的小机器人。你让开，它还要进电梯。这些基本上都不是真正的自动驾驶，它们有路径规划和规则，主要是路径跟随，跟工厂里的车差不多。

10. 芯片叙事迎来拷问

我们还有 10 分钟，聊一些更大的话题，也给听众留点时间。提纲上最后一个话题，我给你调整一下：你来告诉大家，钱在哪里。

这个话题是这样的：从 2022 年底到 2024 年底，如果大家炒美股，最简单的策略就是买英伟达。这建立在一个巨大的共识和预期之上。

但 DeepSeek 出现之后，大家会担心基于算力芯片的 AI 叙事遭遇巨大挑战。当然，反方观点会说，这就像当年的杰文斯悖论：当一个东西的成本变低，它会带来行业爆发，反过来刺激行业发展。

就像这一轮 AI 的讨论，Agent 对算力的消耗远大于 Chatbot，可能是几千倍。这个争议的两端，似乎决定着 NVIDIA 未来的走势。

昨天另一场偏人文的活动里，有一位观众问：“NVIDIA 还能买吗？”几位嘉宾怎么看？不考虑股价，只考虑这个叙事本身，大家相信哪一边，或者倾向于哪一边？

我从一个细节入手。刚才你谈到规模效应，未来需求增加、成本下降，可能会带来更多芯片需求，我觉得这个逻辑没问题。

但问题在于，这个需求是不是能够落到 NVIDIA 身上。随着 DeepSeek 这样的模型出现，大家会看到训练需求对芯片的需求相对放缓，后训练和推理方面的需求，可能才是未来增长的主要需求。

那么在推理芯片上，NVIDIA 还能不能像今天一样完全垄断市场？不一定。

这就牵扯到另一个问题：关于 NVIDIA 的股价，大家容易非黑即白，要么认为公司要垮了、别买了，要么认为它会原地起飞、一定垄断市场。

其实中间还有很多状态。只不过以前大家对它的期望太高，因为整个市场几乎都被它掌握，接近垄断，所以它的 PE 倍数和市场对增长的期望都非常高。

以后它可能不会像之前那样高速增长，但仍然可能是市场上最大的玩家。这是一个中间状态。如何评估这个状态对应的股票价格，是更偏投资科学的问题，而不是非黑即白地说 NVIDIA 行不行。

NVIDIA 仍然是一个很重要的玩家，但市场会发生变化，之前给它的估值是不是太高了，这是可以讨论的。

我再补充一点汽车上的情况。这一届在智能驾驶芯片方面，大家都知道算力要求非常高。特斯拉是自研芯片，NVIDIA 今年应该推出 Thor 芯片。

但因为 Blackwell 架构的问题，NVIDIA 不断推迟芯片上市和上车，导致中国很多新车型今年的发布延后。它新推出的芯片只能提供较低算力的 Thor U，最高 1000T 算力。

现在一个问题是成本非常高，另一个问题是整个上车测试还没有真正完成，所以今年它对中国智能驾驶市场的影响非常大。

目前各家公司也都开始自研芯片，不论是出于地缘政治、成本还是技术原因。蔚来、小鹏、理想都在自研芯片，华为就不说了。

蔚来 ET9 已经发布，小鹏今年第二季度会上它的图灵芯片，也会随着新车一起发布。理想应该在明年发布它舒马赫的芯片。大家都在自研芯片。

蔚来曾经是 NVIDIA 在中国第一大的智能驾驶芯片买家。未来它在中国智能驾驶芯片市场的份额会逐渐下降。

但大家要明确一点，智能驾驶芯片对 NVIDIA 的收入占比非常低，贡献很小。哪怕这块业务放弃了，它的 AI 芯片业务仍然非常赚钱。

所以应该去买台积电。听懂了吗？

朱老师，挑一个问题吧。

这个问题肯定是问，能不能介绍一下为狂喜做的 AI Agent，做什么、怎么做、效果怎么样。

其实它就是用扣子搭了一个知识库系统，把狂喜播客节的课表导进去。

但这个过程有一个问题，我为什么想聊这个话题？实现很简单，但我会发现，AI 落地现在有一个巨大的普遍性问题：我们的资料都没有为 AI 做友好设计。

大家打开手里的课表，看它的排版结构，根本不利于 AI 理解，它不是结构化的。所以我首先要把它交给一个大模型，让它重新排成 CSV 或 JSON 格式，再放进知识库系统。

包括大家可能在 AI Agent 里查不到嘉宾信息、资料和活动信息，为什么？因为关老师给我的所有资料都是一张一张的图片。我到现在还没有拿到 Word 版，估计活动结束之后才能要到。

这就是现在 AI 落地的一个问题：我们原来准备给人类阅读的东西，是否适应 AI 的理解和阅读习惯？这很有意思。

我觉得 AI 也需要成长一下，应该意识到人类社会的数据就是这么脏。但它总要有一个过程。

如果马上要用 AI 解决问题，这也是对数据库层面的一个挑战。

我挑一个问题。我知道有一个“中美 AI 水平差距多大”的问题。好大的命题，可能还要再聊一个小时。

怎么说呢，我感觉就那样。它其实不是 AI 技术本身的差距，而更多是全产业链的问题。

AI 是一个泛话题，向上向下有很多层。美国有成熟的软件和 SaaS 商业模式，中国也有适合弯道超车的土壤。未来结果怎么样不好说。

但能够看到的是，在政策层面，有很多想要在 AI 方向大力发展的利好。我觉得根据过去的经验，如果政策上想大力发展，很难失败，基本都是“大力出奇迹”。

如果 AI 真要走到业务层面，再加上一带一路等大的政策，又能有新的场景。比如沙特需要重新建设 IT 基础设施，那我们用 AI 给它重新做一套，这个机会就很好。

贫瘠的土壤更容易长出下一代的花。对中国用户来说，大家的灵活度比美国用户高很多，对新技术的接受程度和拥抱新事物的状态也更好。

所以整体来看，我觉得肯定是向好的。

我这边挑一个问题，作为最后一个小问题。这个问题问得特别细：提问者做营销，想问“Agent”这个词是否适合出现在产品 Branding 和推广过程中，以及是否适合出现在创业融资 PPT 里？

我的答案是不适合。我们今天讨论的这些 AI Agent 的内容，就让它封装在这个会议室里。

再举一个小例子。我之前的博客里提到过，前几天国内 AI 大模型头部公司智谱发布了一个新产品，叫 AutoGLM 沉思版，这是一个类似 Deep Research 的 AI Agent 产品。

听懂这句话了吗？听懂的举个手。没什么人听得懂，对吧？因为这句话是它的官方新闻稿。我再重复一遍：它发布了一个产品，叫 AutoGLM 沉思版，这是一个类似 Deep Research 的 AI Agent 产品。

这可能代表了当下这个时间点的状态：无数关键词跟用户之间无限割裂，产品跟技术之间无限割裂，公司的市场营销、公关团队和产研团队互道傻逼。

少说两句吧。PR 就用在市场层面，PR 一定不是你的产品定位，这是两件事。

好，正好就是刚才那句话：让我们把今天这些跟日常生活没有太多关系的话题，仅仅封存在这个四号厅里。

谢谢大家，我们这场到这里结束。