庄明浩
好，感谢大家。大家看到现在这个标题，其实是一个非常简单的标题，叫“年终的 AI 共识”。因为整个 AI 行业过去两年半的发展非常快，我每年做整理的时候，回头去看自己在 2024 年底做的内容，都会感觉像上个时代的东西一样，很多东西已经过时了。所以，这次我只能把时间点截止到做这期内容的前一两天。
其实今天的内容是我在直播之前刚刚做完的，直播的时候还在不断修改 PPT。所以我起这个标题，是想总结截至 2025 年 6 月、也就是大概年中这个时间点，行业正在形成的一些共识。当然，阶段性的共识会有一个问题：如果我们有穿越的能力，穿越到几年以后再回头看，可能会发现现在形成的所谓行业共识是错误的。但在当下这个时间截面的数据来看，无论它对还是错，至少所有人似乎都已经开始接受这些共识。
我们正式开始。今天的内容其实比较简单，结构也非常清楚，跟我录制的 AI 课程结构是一模一样的。我当时录了 4 节课：第 1 节讲技术，第 2 节讲产品，第 3 节讲资本，第 4 节讲未来大概半年左右的展望和趋势。
今天的内容还是围绕 3 个主题关键词：技术、产品、资本。每个主题关键词下面，又分成 3 个小节，这 3 个小节的标题我也放在大纲那一页上。我们一张一张开始，先从技术讲起。
1. 推理模型持续升级
似乎今年有一个不需要再商讨的结论：2025 年是 Agent，也就是智能体的一年。所以今年技术讨论的中心肯定是 Agent。不过在 Agent 之前，我在上一期课程里可能也讲过，先出现的是 L2，也就是推理模型。推理模型的发展同样非常重要。
进入今年以后，伴随着推理模型的发展，尤其是以中国的 DeepSeek 为代表，包括阿里的通义千问，开源生态也发展得非常丰满。所以今天我们围绕推理、Agent 和开源这几个关键词展开。我们先看推理模型。
左边这张图，是我正式课程当中的一页，讲的是 OpenAI 定义的 L1 到 L5 的 AI 发展趋势。它认为，从 L1 到 L5，类似于自动驾驶的发展趋势。L1 是我们已经非常熟悉的聊天机器人，也就是 Chatbot 形态。
L2 是推理者，也就是推理模型。我们现在使用 DeepSeek 也好，豆包也好，它会向你展示非常长的推理过程，这类模型就叫推理者。L3 可能就是 2025 年以后业界讨论比较多的智能体、Agent 或者代理。
从时间维度来看，在 2025 年这个时间点，我们似乎正在从 L2 走向 L3。但这里面有一个问题：L2 推理模型，我们今天熟悉的所有大模型厂商，无论是美国的 OpenAI、xAI、Google、Meta，还是中国的 Kimi、豆包、智谱、DeepSeek、阿里的通义，推理模型本身已经是标配了。
但我的第 1 个观点是，标配并不代表结束。整个递进过程不是一个取代的过程，而是整体往上提升的过程。所以回头来看 2025 年上半年的发展，L2 推理模型的能力其实还在继续提升，甚至还在往前推进。
如果听过我之前的课程，就会知道推理模型是怎么得到的：我们通过一个基础模型，以强化学习的方式得到推理模型。那在推理模型继续发展的同时，之前的基础模型，也就是 Base Model 的能力，在 2025 年依然还在提升。
所以从 2022 年底 ChatGPT 发布到今天，技术持续进展、智能逐渐提升，这条最核心的主线似乎在 2025 年依然延续。今天所有头部大模型公司坚持最重的核心研发，也都在这里：智能本身依然是这个行业最主线的东西。
然后出现了一个小小的分支，或者说一个小小的场景。在 Agent 这个板块里，它总要干活，而它能干的活当中，编程，也就是 Coding，似乎是最简单的。因为 Coding 本质上是一个线上的虚拟世界，具有严格的逻辑标准。代码需要符合一定的逻辑框架和标准，对于计算机而言，理解 Coding、理解代码相对更容易。
所以 AI Coding，也就是 AI 编程，似乎成为了今天这个时间点所有头部 AI 模型厂商的兵家必争之地。所有公司都在做 AI Coding。这就是关于推理模型的第 1 个问题。
刚才我们讲过，推理模型之前是 Base Model，也就是非推理模型。我们当年使用的 GPT-3.5，以及早期的 Kimi、豆包、通义模型，都叫非推理模型，也就是 Base Model、基础模型。现在我们使用的 DeepSeek R1、Gemini 2.5 Pro、o4，以及 GPT 的 o 系列，本质上都叫推理模型。
可是对于头部厂商而言，基础模型和推理模型两边的技术研发进展都非常快，而且都抓得很紧，基本上属于“两手抓，两手都要硬”的状态。为什么会这样，后面会讲到。
先看美国的情况。今天美国 AI 大模型领域的主要厂商，大概有 4 到 5 家。最前面的当然是过去两年多引领行业发展的 OpenAI。第 2 名可能是它最大的竞争对手之一、初创公司 Anthropic，Anthropic 的核心团队原来也来自 OpenAI，它做的是 Claude 模型。
大公司里面，Google 刚刚开完今年的 I/O 大会，你会看到 Google 的 Gemini 系列模型能力提升也非常快。还有一家初创公司，是前 Twitter 和特斯拉老板埃隆·马斯克做的 xAI。除此之外，还有 Meta 做的开源模型 Llama。
所以在整个美国市场，大概就是这几家公司频繁更新自己的模型，不断提升模型能力。今天你发布了最新模型，你就是世界上最领先的模型；明天他发布了一个模型，可能他就成为世界上最领先的模型。美国过去一段时间的行业发展，基本符合这个逻辑。
今年最开始可能先发布的是 Gemini，然后是 o4，前两天 OpenAI 又发布了 o3-pro。你会发现，这个轮转大概就是这样：谁家发布了最新模型，谁就站在最前面的位置上。美国这边基本就是这样的情况。
中美竞争，其实是整个 AI 行业发展的另一条主线。2022 年底 ChatGPT 刚刚发布的时候，业界会认为中国模型厂商距离美国模型厂商的差距，大概在 1 年到 1 年半左右。经过两年多的发展，我们其实已经追得非常快了。
DeepSeek R1、千问 3，以及最近发布的豆包 1.6，在各种榜单上的评分都已经和世界上最优秀的美国模型相差无几。所以，如果看 AI 行业的竞争，基本还是围绕中美两国核心厂商的模型能力提升展开的。这件事情也可能会成为未来一段时间行业发展的主线，就是中美之间的竞争。
2. Agent任务不断变长
前面几页讲的是第 1 个小标题：推理模型。第 2 个小标题叫 Agent。这个关键词过去一段时间大家已经听过无数遍了。似乎没有争议的是，2025 年就是 Agent 年，这件事甚至不需要等到年底再定义。虽然今年才刚刚过去 5 个多月，还不到 6 个月，但你会在各种地方看到 Agent 的广告、Agent 公司的融资，以及各种各样的 Agent 产品发布，所以才会有“Agents everywhere”这样的梗图。
左边这张图，是 OpenAI 一位核心技术开发人员在 Twitter 上发布的内容，意思是 2025 年是 Agent 年。这个结论看上去已经没有任何悬念。年初的时候，大家可能还会讨论其他关键词，但到了 2025 年 6 月，我觉得这个结论似乎已经被确定了。
Agent 发生了什么，或者说出现了哪些问题？第 1 个问题是，我们到底应该如何衡量 Agent 的能力。大家都说，如果听过我的课程，就会知道 Agent 要从语言走向行为，要和人类合作，甚至帮助人类解决一些问题。那我们怎么衡量一个 Agent 能力的提升，或者它能力的范围？
业界最近有一种说法是，我们可以衡量 Agent 能够执行多长的任务。任务时长就是一个可衡量的标准：原来它可能只能执行几分钟的任务，现在可能可以执行十几分钟、二十几分钟，甚至更长；极限情况下，可能可以执行几个小时，再往上推，甚至可以执行几天的任务。
从业界统计来看，2019 年到 2025 年，也就是过去大概 6 年时间，在这个衡量指标上，AI 模型的进展是每 7 个月翻倍。每 7 个月翻倍，也就是一年将近翻两番。你要知道这是指数级增长，所以曲线会拉得特别快。
如果我们再细化一点，把 2024 年 9 月 OpenAI 发布 o 系列模型定义为推理模型开始，那么 AI 行业进入推理模型之后，你会发现 AI 执行任务的长度在急速增加。刚才我们把 2019 年到 2025 年拉在一起看，是每 7 个月增长 1 倍；但如果只看过去 1 年半左右，也就是 2024 年到 2025 年，这个数字已经缩短到每 4 个月增长 1 倍。
所以，如果把这条曲线拉出来，它会更高、更快。随着模型能力提升，一个 Agent 执行任务的时长，比如超过几个小时，应该很快就能看到。这种增长确实非常像传统 IT 行业的摩尔定律。
如果大家是 IT 从业者，应该都知道摩尔定律：每 18 个月，芯片的算力会提升 1 倍。提到摩尔定律，就不能不提另外一个定律，叫安迪—比尔定律。它的英文说法是：“Andy gives, Bill takes away。”Bill 就是比尔·盖茨，Andy 指的是英特尔的 CEO。
这个定律当时的意思是，安迪代表的英特尔每 18 个月把芯片能力提升 1 倍，但比尔·盖茨的微软会通过各种应用程序把这一倍的能力也消耗掉。软硬件相辅相成，共同把行业拉起来。如果你的硬件能力 18 个月提升了 1 倍，但软件消耗没有提升 1 倍，那么硬件更新似乎会变慢。
但从结果来看，基本上硬件更新多快，就会出现多大、或者说多需要消耗更强硬件的软件。就像今天我们使用手机一样，大家会发现手机性能无论怎么提升，用一段时间之后还是会卡。因为在性能提升的同时，软件的消耗能力也在提升。这就是安迪—比尔定律，它是在摩尔定律之上产生的另一个定律。
今天来看，AI 行业似乎也有类似的规律：算力提升、Token 消耗量提升、价格下降，但同时消耗算力的东西也变得越来越多。左边这张图可能展示了 GPT-4 相关能力增长了 100 倍，但成本已经下降了 100 倍。
更小的模型出现了，软件更新和路由方式提升了效率，硬件本身的效率也提升了，所以成本确实已经下降了 100 倍。但另一方面，我们研究的模型越来越大，参数量可能以 10 倍、100 倍的规模膨胀。
最早使用模型或者各种 Chatbot 的时候，我问一个问题，它很快就回答了。它可能思考 2 秒钟，然后用 5 秒钟把不多的文字打出来。现在有了推理模型，你输入一个问题之后，它首先要进行很长的推理，可能要思考 30 秒，然后再给你一大段更长的答案。
所以，单是思考和回答的时间，以及内容的长度，相比基础模型可能就提升了 5 到 10 倍。现在又有了 Agent，它要执行任务，可能要工作几个小时，甚至一天。相对于之前的几秒钟，这又是一个量级上的乘积。
虽然 Token 价格已经下降了 1 到 2 个量级，但这边可能又增加了 3 个量级。所以无论成本怎么下降，整个行业还是在往上走。如果 2025 年没有 Agent，也没有推理模型，我们还使用原来 Base Model 的商业形态，那么今天 Token 的成本似乎已经可以忽略不计，因为它消耗的 Token 没有那么多。
问题在于，软件这一侧还在继续向前走。所以无论硬件升级多少，或者成本下降多少，软件都会把这部分能力消耗掉。这和之前的安迪—比尔定律非常像。
上一个问题讲的是 Agent 的任务时长，或者说它消耗 Token 的问题。更麻烦的是，OpenAI 有一位研究员大概上个月发表了一篇文章，讲 AI 行业进入所谓的下半场。左边这张黑色的图，展示的是各个 AI 模型在各种测试榜单上的得分增长情况。
你会明显看到，之前的一些老榜单，比如黄色或者粉色的榜单，可能在 2021 年就已经出现了。随着模型能力不断提升，它们不断接近 100 分这个满分。同时也会有一些新榜单，可能到 2024 年才出现，但大模型很快就能把这些榜单打到 100 分，或者接近 100 分。
现在有一个很现实的问题：大模型的能力已经很强了。你可以拿人类的法律考试、高考，或者会计师考试的问题去测试模型。最近高考之后，也有很多人拿高考题去测模型。可如果模型回答任何题目都是 100 分，那它已经是 100 分了，我们接下来要怎么测它能力的提升？
我们怎么知道它变得更厉害了？似乎如何评价 Agent 能力的提升，也变成了一个问题。所以最近业界讨论非常多的，就是 Benchmark 的设计：题目要怎么出，已经变得越来越难。我们没有办法验证模型是不是变强了，那后面怎么评估、怎么演进、怎么进一步改进和提升它的能力呢？
最近还有一个很有意思的新闻，是在我们录制前一档节目之后发生的。红杉中国是一家风险投资基金，他们逼着投资人下场做了一个 Benchmark，叫 X-Bench。红杉中国内部有一些技术人员，他们做了一套题给 AI，通过测试这套题来评判 AI 的能力。
连投资人都要下场做题，因为大家确实没有办法了解模型的能力，所以只能逼着自己搞一套题，去考模型的能力。你会发现，关于评测的问题非常多，也在倒逼大家解决这些问题。
再看一些更有“科技与狠活”的东西。我在课程的技术章节里讲过，我们是怎么从上一代 AI 走到今天的 ChatGPT 通用大模型，又怎么从 ChatGPT 时代的基础模型走到了推理模型，现在又正在走向 Agent。
这一路走来，我们用了一些“科技与狠活”。第 1 个是预训练。最早的时候，我们给模型喂非常多的数据，把这个世界上的书籍、信息，以及互联网上的各种内容都拿来做预训练，相当于让模型预先学习一遍。
但在 2024 年 9 月，也就是去年 9 月，大家开始讨论 Scaling Law 可能失效。什么意思？就是再多的数据，看上去也没有太多意义了，甚至出现了一个问题：世界上似乎已经没有太多数据可以继续喂给大模型。
今天大模型的参数已经非常大了，它似乎什么都知道。人类现存的、能够知道的各种信息，它好像都知道了，所以边际效应一定会递减。那么到了现在这个时间点，也就是 2025 年 6 月，过了大概 3 个季度，这个结论还成立吗？
你会发现，刚才我们讲过，基础模型的能力其实还在提升。那它靠的是什么？现在还不能说已经形成了共识，只能说出现了一种尝试：如果人类历史上已经存在的东西，无法再进一步提升模型效率，那么模型本身产生的信息，能不能再喂回模型？
这就是合成数据的意义。我们回想一下 AlphaGo，AlphaGo 是通过人类棋谱学会下棋的，把人类所有棋谱的可能性都学习了一遍。但 AlphaGo 后面的版本叫 AlphaGo Zero，它没有依靠任何人类棋谱，而是自己生成棋谱。
这就是所谓“人类原来不存在的数据”。它是从哪里来的？是模型自己产生的，是模型自己学习、自己生成出来的。今天的大模型也是一样，它会写文章、写信息、生成图片和视频，也会形成对很多事情的理解。它产出的这些信息，统称为合成数据。
如果把模型生产出来的合成数据再喂回大模型，是否会提升大模型的能力？如果可以，那是不是就像武侠小说里的梯云纵一样，左脚踩右脚，再踩左脚，就能一直往上飞？
这是预训练。那后训练是什么？2024 年 9 月的时候，大家会说数据没法继续获得，前面的训练解决不了问题，那我们就往后走：先把结果生成出来，再从结果反过来训练模型。那个时候大家会说，在 L2 推理模型时代，后训练变得非常重要。
现在后训练还重要吗？前面我们讲过，L2 的推理模型其实还在继续向前走。它通过什么方式向前走？最后一个关键词就是强化学习。
什么叫强化学习？我在课程里已经讲过。你可以给大模型做题，先通过数据训练把模型做出来，然后让它做题。它做对了，就给它激励；做错了，就给它惩罚。它不断做题，不就会越来越厉害了吗？这就是强化学习。
但你一听这个逻辑就会发现，正确与否的评判，也就是激励系统，似乎只有一部分题比较容易判断。典型的就是数学和编程，因为它们有标准答案。为什么推理模型出现之后，整个 AI 领域的 Coding 能力，以及物理、化学等需要推理的能力，提升得特别快？因为它们有一套严格意义上的标准答案库。
对就是对，错就是错。代码写出来能运行就是能运行，不能运行就是不能运行，所以它的激励系统非常容易构建。但你要想，还有太多问题的激励系统很难构建。
比如让模型写一篇文章，什么是好，什么是不好，哪个词更合适，什么样的风格更好，这些东西怎么评判？早期也有人做这类工作。比如前面会讲到，Meta 投资了 143 亿美元、占股 49% 的 Scale AI，就是做数据标注的公司。
早年的数据标注，标注的是自动驾驶画面：这里是一棵树，这里是一辆车，这里是一个人。这样的工作原来可以由普通标注人员完成。但新的数据标注是什么？需要找法律、物理、金融、医学等领域的博士，给大模型生成的答案打分。因为只有至少达到博士水平的人，才有可能评判模型的答案。
但这还不够。很多问题可能连人类专家都不知道该怎么打分，那怎么办？这个领域又出现了另外一种趋势：能不能让大模型自己打分，用另一个模型来做裁判？
然后通过这种评判，反过来刺激原来的模型，让它知道什么是好、什么是不好。你听到这里，会发现这又是一次“梯云纵”：用一个模型的能力，去评判另一个模型做题的对错。
就像网上很多人让豆包和 ChatGPT 互相 PK、互相辩论一样。凡是形成类似这种梯云纵效果的事情，它就可能不断往上走。所以我们看到，这些“科技与狠活”在 2025 年出现了很多变化。
刚才这一套讲法比较虚，都是描述，没有具体案例。我们讲一个更现实的例子，比如大家都知道 DeepSeek 的故事。其实我之前的 PPT 里也讲过，DeepSeek 出圈是 DeepSeek R1，也就是中间那条绿色曲线，在今年春节期间出圈。
那 DeepSeek R1 是怎么来的？DeepSeek 原来有一个基础模型，叫 V3。R1 是推理模型，它是在 V3 的基础上，通过刚才讲的强化学习得到的：让它不断做题，做对了就给激励，做错了就惩罚。
但在这个过程中出现了一个中间状态，就是深绿色的 DeepSeek R1-Zero。它是完全依靠 V3 基础模型进行强化学习得到的。后来大家发现 R1-Zero 有一些瑕疵，于是又通过后训练等方式，做出了 R1，供大家使用。
5 月 28 日，R1 又发布了一个新版本，叫 R1-0528。这个版本的能力相比之前的 R1 有了非常大的提升，尤其是在数学和 Coding 上。听到这两个关键词，大家就知道它是通过强化学习来的。
反过来讲，它在其他领域也有提升，只是没有那么明显。那这些能力提升靠的是什么？就是我们刚才讲的，通过另外一个模型来给它打分，用模型来做奖励模型。这又是一次梯云纵。
你要知道，现在的 R1-0528，前面是 R1，再前面是 R1-Zero，再前面是 V3，所有起源都是 V3。可是 V3 的基础模型马上要发布新版本 V4，V4 一定比 V3 更厉害。那 V4 再走这样一条路，产生出来的 R2 应该会厉害到什么程度？
所以业界最近特别期待 R2 的推出。按照逻辑，R2 应该会非常厉害。今天 R1-0528 的最新版本已经很强，几乎追上了最头部的 OpenAI 和 Claude 模型。R1 的基础是去年年底的 V3，已经是 6 个月之前的基础模型了。
过了 6 个月，V3 升级到 V4，能力应该会提升。提升之后，再通过强化学习和后训练改进，训练出来的 R2 似乎应该更强。两次梯云纵踩出来的东西，当然会更强。
所以无论是中国还是美国，业界、科技圈、金融圈和券商都非常期待 R2 出来之后会达到什么程度。它一定会很强，但究竟强到什么程度，现在还不知道，我们可以期待一下。
不过，Agent 又出现了一个问题。刚才我们讲的这种能力提升，更多集中在基础模型和 L2 推理模型上。至于 L3，也就是执行任务这件事情，看上去我们可能会在这里停留很久。
因为前面讲的预训练、后训练、强化学习，本质上是在提升模型本身的能力。但今天模型要从语言能力走向行为能力，还需要很多其他工作和配套系统一起让它变得更强。这个事情就没有那么简单了，它没有办法像前面那样靠两脚踩着梯云纵直接往上走。
更现实、也更有意思的一个对比是，OpenAI 对 L1 到 L3 的类比，本身就是自动驾驶。自动驾驶行业在 L3 也停留了很久，因为 L4 基本上就不需要人了。历史似乎也是这样。
我还截了一张聊天截图。这个叫 Flow 的人，是 Kimi 的一位技术研发员工。年初业界有一篇关于如何复现推理模型的文章，就是他发在知乎上的。今年他又发了一篇文章，标题叫《论 Agent 的持久战》。
他说，要想实现 AGI，达到能够替代 80% 人类白领工作的 Agent，需要非常漫长的时间，可能是 5 到 10 年，甚至更久，除非出现全新的颠覆性技术。当然，这只是他一家之言，也有很多人并不认同。最近也有很多人统计大佬们对这个时间点的判断，有些比较乐观，认为可能只需要 2 年、3 年；有些比较悲观，认为时间会更长，甚至比 5 到 10 年还要长。
具体需要多久我们不知道，因为这件事情还在不断演进。
3. 开源生态强势崛起
最后一个小标题是开源。开源生态正在强势崛起，尤其以中国的两家公司为代表：DeepSeek 和阿里的通义。它们的能力提升非常快。
这两条曲线中，美国那条线不区分开源和闭源，任何模型都可以纳入；中国这条线只看开源模型的发展能力。所以，中国整体模型能力的发展，要非常感谢这两家公司在开源模型上的努力。
之前美国最好的开源大模型公司是 Meta 的 Llama，但现在 Llama 基本上已经掉队了。Meta 最近也在疯狂调整整个大模型团队和内部组织架构。反过来，中国这两家公司的开源模型发展很快，也刺激了其他公司，比如最近的小红书，以及之前的智谱、MiniMax、Kimi，都在发布自己的开源模型。
开源生态变得越来越兴盛。原来有一种观点认为，大模型需要那么多钱、那么多预训练资源，开源项目没有办法调用这么多资源和资金。但现在看上去，这件事未必如此。
从开源领域来看，开源也会分不同的组件和功能。刚才我们讲过整个行业的趋势，开源领域也有类似趋势。比如，哪些开源项目得到了更多关注？今年关注度增长超过 70% 的项目，最多是 Agent 架构和工作流；第 2 大类是 Coding；第 3 大类是 Inference，也就是和 Agent 相关的基础设施。除此之外，还有 API 管理、后训练、AI Search，以及 Agent Framework。
项目关注度是一个第三方指标，但也能看出非常明显的行业趋势：Agent、Coding、Inference，这些关键词在我的课程里也被反复提及。Post-training，也就是后训练，刚才我们同样讲过。所以从开源角度来看，行业发展也符合刚才讲的逻辑。
这是蚂蚁做的一张开源大模型图谱，蚂蚁开源公众号上应该可以找到，大家有兴趣可以翻一翻。整个开源领域在过去一年多的发展态势，确实非常快。
4. AI产品重塑交互
技术讲完了，接下来讲产品。产品又分成 3 个小标题：交互、运营和结果，也就是产品设计、产品运营和产品结果。
产品设计方面，在我上次录课程的时候，大概是两个月前。过去两个月不到的时间里，在中文互联网，不算美国，我们已经看到了不下 10 款新的 Agent 产品。比如字节的扣子空间、百度的心响、LiblibAI 做的 Lovart、号称第 1 款 AI 浏览器的 Fellou、昆仑万维的天工，以及 Flowith。
我没有完全列全，还有很多很多各种各样的 AI Agent 产品。特别是如果你关注一些公众号，可能每天都会看到新的产品上线。
更有意思的是，最近大家发现浏览器这种形态，已经是多么古老的互联网产品形态了。互联网出现比较早的时候就已经有浏览器了，但这么古老的东西，在 AI 时代似乎又变成了一个新的兵家必争之地。
你比如说在美国，Chrome 传说因为 Google 的反垄断问题，政府可能会逼迫它拆分出来。OpenAI 也报价过，各家公司都报价过，大家都想抢。Google 也会认为 Chrome 是它在 AI 战场上最核心的武器之一。
Safari，也就是苹果的浏览器，最近一段时间改了它内置的 AI 搜索引擎，也造成了股价调整。苹果还提到，Safari 的搜索量首次下降，因为大家都开始使用 AI 工具。你会发现，这件事和 AI 已经完全分不开了。
初创公司里，OpenAI 传说正在内部开发浏览器；Perplexity、Genspark 都在做浏览器，也已经发布了产品。原来的 Arc 也是专门做 AI 浏览器的。你会发现，大模型公司、AI 搜索公司、Agent 公司，以及纯粹的新一代 AI 浏览器公司，似乎都在疯狂做浏览器。
国内也一样。之前夸克发展得非常猛，前几天还发布了高考志愿填报相关的 AI 模型。夸克似乎已经成为阿里体系内 To C AI 的排头兵，战略地位被无限拉升。
这也从侧面刺激了竞争对手。QQ 浏览器最近也发布了 AI 功能。你要想，QQ 浏览器在腾讯内部，从产品团队的资源禀赋和优先级来看，肯定排在很多产品后面，不会排在微信前面，也不会排在 QQ 前面，更不会排在很多游戏产品前面。它原来的资源优先级不会那么高。
但这一波 AI 到来之后，大家发现浏览器这件事还是很重要，还是要做。所以你会发现它最近更新得非常频繁，也在疯狂加入 AI 功能。原本处于相对“躺平”状态的 QQ 浏览器，也得重新支棱起来。
浏览器为什么会成为 AI 的必争之地？刚才已经讲到了一个关键词：它需要一个载体。今天我们让 AI 帮我们做事，但它做事需要记忆，需要规划，需要使用各种工具，甚至还要执行各种动作。
它做所有事情的时候，需要一个稳定、可扩展，并且能够和世界上其他工具产生连接的环境。它得有个地方，不能飘在空中，否则什么都做不了。看上去，浏览器就是那个地方、那个载体、那个环境。
当然，在交互层面，这也是我在课程里讲过无数次的事情：看见、看见、看见，重要的事情说 3 遍。
把最近一段时间新发布的几个产品截图放在一起，你会发现它们几乎没有太大区别：左边是一个聊天框，右边看着它在操作，可能是在搜索，也可能是在推理，或者帮你做可视化展示。基本形态都是用户说完之后，就看着它开始做事。
“看见”的意义在于，这一波大模型有一个很麻烦的问题，叫幻觉。它会产生错误，或者说它出现问题，是经常发生的事情。但如果它让你看到自己一步一步怎么执行，那么哪怕最后结果不是特别理想，你也比较容易原谅它，或者说更容易产生信任，觉得它至少努力过。
反过来想，如果没有这些过程，它只给你一个结果，那你只能评判这个结果。就像小孩做题一样，老师如果只批改结果，可能只看对错；但如果你写得好一点，没准还能拿到一些过程分。
所以要让用户看见，用户才会信任你。只有信任你，他才愿意不断尝试，因为 Agent 本身也需要不断尝试。因此在交互层面，看见、看见、看见非常重要。
5. 邀请码成为增长公式
从运营角度来看，有些事情原来可能是无心插柳，现在变成了一种通用模式。比如我们看各种 AIGC 产品的宣传视频，无论中国还是美国，视频基本都是创始人坐在沙发上或者其他地方，以介绍产品的方式出镜，然后开始讲产品。宣传视频的风格非常统一。
大家也开始疯狂使用传统互联网产品都在使用的一个功能，叫邀请码。它当然有一个听起来很合理的理由：产品初期流量太大，成本会快速提升，所以需要控制进入人数，同时通过邀请机制做传播，形成病毒传播和社交传播。
邀请码大家都在用。每发布一个新产品，大家都会问谁有邀请码，能不能分享一下。邀请码的价格甚至都被炒高了。
我有朋友做了一个产品，他也是这一波的自媒体创业者，几个年轻人一起做了一个新的产品，叫“马都来”。它是什么？比如你有一个邀请码，就可以把邀请码上传到这个平台，由平台自动分发给其他有需要的人。你如果在寻找某个邀请码，也可以在这个平台上发布需求。
这个产品之所以会出现，也是因为这一波产品推广方式催生了这样的需求。我的朋友说，这件事似乎在这个时间点形成了一种 SOP，也就是当下产品发布的公式：
在某个限定领域里，因为通用领域已经被拿走，只要定语加得足够多就能做到第一，推出首个 AI Agent 产品；在某个 Benchmark 上拿到 SOTA，也就是最好的成绩；并且使用该产品需要邀请码。看上去，这已经变成了一套通用公式。
我还有另外一个朋友在下面评论说：“史称邀请码之乱。”最近一段时间，这件事确实讨论得非常多，也特别热，大家吐槽得也很多。
我们似乎还要重新定义另外一件事情，就是版本号。原来软件的版本号非常重要，大版本、小版本都会有明确的版本号。但这个行业发展得太快，导致很多东西很早就上线，功能其实并不完善，却已经做得非常大。
比如最近最火的 AI Coding 工具 Cursor，它的 ARR 已经达到 5 亿美元，也就是一年收入大约 5 亿美元，可能是有史以来增长到这个数字最快的公司之一。但它达到 5 亿美元 ARR 的时候，版本号刚刚更新到 1.0。之前大家使用的还是 0.7、0.8、0.9 这样的版本。
这意味着它还处于非常早期的阶段，但已经做得这么大。再比如前几天在极客圈很火的 Uman，它的创始人是阿里原来负责语雀的玉伯，后来离开阿里去了字节，在飞书做了一年之后出来创业。他也做了一个 Agent 产品，或者说知识库产品。
这个产品已经做了一年，现在刚刚更新到 0.3 版本。从体验角度来讲，很多产品给用户呈现的状态其实都非常早期。但这个时代允许大家以非常早期的方式先把产品交给用户，用户开始使用，产品方再在和用户、和整个 AI 磨合的过程中不断提升，慢慢变得稳定。
所以你看，Cursor 到今天已经做得这么大了，才刚刚发布 1.0 版本。我们可能真的要重新定义版本号。
6. Agent开始交付结果
最后一个产品关键词叫结果。这可能也是 AI，尤其是走到 Agent 之后，大家讨论非常多的一个问题。原来的软件交付的只是软件本身，它像一个工具。
所以大家会讨论为什么要做 Agent。Agent 相当于一个智能体，也可以把它理解成你的员工。你要求员工交付的是结果。理论上来说，结果的衡量应该非常明确。
从原来的技术趋势走到产品趋势，交付的也是结果。衡量结果，无非就是收入、毛利，以及过程中产生的数据飞轮。我们可以通过这样一套衡量体系，评判今天出现的各种 AI 工具和 AI 产品的结果。
它应该交付的是结果。结果的交付方式也很有意思。这张梗图我觉得非常贴切地形容了这一轮 AI 交付结果的过程。
最古老的生产方式，是传统生产线。比如我要交付一辆汽车，我先生产轮子，把轮子架起来，再生产底盘，然后生产车架，最后把所有东西组装在一起，把一台车卖给你。这是传统意义上的流程或流水线生产。
到了互联网时代，大家强调敏捷开发。什么叫敏捷开发？如果今天我要给你一辆汽车，我先做一个滑板，然后做成滑板车，再做一个自行车，再做一个摩托车，一步一步最后给你一辆汽车。
这就是敏捷开发强调的东西：先做一个小东西，先跑起来再说，然后不断往上加，不断迭代，最后交付一辆汽车。
今天 AI 是什么情况？因为 AI 大模型无所不能，所以它出来的时候，往往是一个功能多到无以复加的东西。但我们真正需要的不是这样一个什么都能做的东西，而是一个可以稳定完成具体任务的东西。
所以你要砍掉功能，限定边界，把不该交付的东西拿掉，并且保证稳定输出，最后才能交付一个稳定的结果。这可能就是这一波 AI 的交付方式。
你会发现，最近很多做垂直行业 Agent 的公司，或者其他 AI 公司，其实都在做同一件事：大模型确实无所不能，但不能直接拿来用，因为它不稳定，因为它有幻觉，也因为它不知道很多细节。
你需要砍掉一部分能力、限定边界、保证稳定输出，最后交付一个明确的结果。整个过程就是这样。
衡量结果最直接的方式当然是收入，也就是 ARR，年度经常性收入。所以你会看到各种关于 ARR 的榜单。美国这边，ChatGPT 当然还是最头部的，Claude、Midjourney、Cursor 也都在最前面。
中国这边，头部产品可能包括美图秀秀。美图最近的 PR 也比较多，它靠这一波 AI 发展得非常快。它交付的是一个明确结果：帮你生成证件照，或者帮你做美化效果，你可以直接看到结果。
我女儿前两天幼儿园报名，需要生成证件照。生成一次可能要 15.9 元；如果要换一个装束，可能还要加 4 元；如果要增加一个尺寸，可能又要加 3 元。但你着急使用，只能付钱。
这种方式确实很方便。你只要提供一张正常的正面照片，就可以生成证件照。所以你会发现，交付结果确实是衡量这一波 AI 产品最简单的标准，而结果的直接反馈就是收钱，因为你是为结果付费的。
7. AI资本疯狂加速
既然提到了 ARR，也聊到了钱，我们就正式进入第 3 章：资本。资本也有 3 个关键词：加速、并购和 Infra。其中最后一个关键词 Infra，在我的课程里已经讲了比较多，今天再讲一点。
先说疯狂的加速。起因当然是这些公司，尤其是最头部 AI 公司的 ARR 增长非常快。OpenAI 在 2023 年只有 10 亿美元收入，2024 年是 40 亿美元。2025 年初的时候，OpenAI 预计全年收入是 100 亿美元；上个月刚刚调整，现在预计今年收入达到 130 亿美元。
它的最大竞争对手 Anthropic，年初预计今年收入大概是 20 亿美元；上个月，也就是 5 月 31 日左右，相关消息已经更新到 30 亿美元。你要知道，它们在年初做计划时应该已经留出了余量，结果过了 5 个月，预期还被自己上调了。可想而知，增长有多快。
Cursor 就更不用说了。我去年年底做年度总结的时候，Cursor 的 ARR 还是 1 亿美元；现在已经涨到 5 亿美元。用了一年不到的时间，增长非常疯狂。
这一轮 AI 公司估值，主要是靠 ARR 来估。这个我在课程里也讲过：估值等于 ARR 乘以一个倍数。你会发现，这一轮 AI 头部公司的估值，相对于 ARR，也就是传统意义上股票估值里的 PS 指标，远高于传统非 AI 公司。
巅峰时，估值可以达到 ARR 的几百倍。最头部的公司通常可能达到几十倍。比如刚刚融资的 Cursor，ARR 是 5 亿美元，这一轮估值大概 100 亿美元，融资 9 亿美元。
最近刚刚确认的新闻，还有刚才提到的 Scale AI。Meta 投资了 148 亿美元，占 49% 的股份，对应的估值三百多亿美元，增长非常快。
这看上去又是一次梯云纵：收入增长很快，而估值又是基于收入计算的，所以估值也跟着快速增长。
8. 并购进入高峰
估值涨得太快，投不起怎么办？或者说，很多公司已经非常厉害了，进入了新的赛道。去年我写报告的时候，很多并购案其实属于“掏空式并购”，大家并不真正认可公司的产品和价值，只是把团队买走，所以那时候的并购不是真正意义上的并购。
但今年虽然刚刚过去不到 6 个月，已经宣布或者确认的并购交易非常多。甚至现在就可以给年底下一个结论：2025 年绝对是并购大年，尤其是在 AI 领域。
原来很多并购发生在上市公司并购初创公司，但今天很多未上市公司的估值也非常高。比如 OpenAI 的估值已经达到几千亿美元，它也在并购私人公司。所以私人公司和私人公司之间的并购也非常多。
从并购角度来看，今年一定是并购大年，美国的 VC 们又赚得盆满钵满。
再延伸一点，这一页和今天的话题没有那么相关，但我觉得可以讲到这里。昨天腾讯音乐收购了喜马拉雅，我昨天也在自己的博客里写了一期内容。我当时的观点是，中国的反垄断似乎已经翻篇了。
你会发现，包括 A 股的一些政策，也在鼓励 A 股上市公司做并购。所以我们中国这边似乎也可能成为并购大年，只不过并购标的不太一样。比如百度收购 YY、迅雷收购虎扑、TME 收购喜马拉雅，这些都是并购。
9. Agent基础设施浮现
那机会出现在哪里？这是红杉在 5 月底一次大会上的 PPT，逻辑其实非常简单，和我们前面讲的非常像。
既然这一轮从推理模型走到了 Agent，首先推理模型本身还会继续发展。推理模型刚才讲过，通过梯云纵不断提升，其中一种方式就是合成数据，所以合成数据也非常重要。
然后我们走到 Agent。Agent 需要调用工具，但它不能直接调用，需要脚手架来帮助它调用。这些都是机会。哪里出现问题，哪里就是机会。
纯粹从投资角度来看，尤其是早期投资，机会大概就出现在这些地方。甚至在 Agent 生态里，协议层也没有真正意义上的行业标准。今天大部分 Agent 调用工具时，使用的是 Anthropic 的 MCP 协议。
但未来如果世界上有非常多 Agent，Agent 之间似乎也需要一个协议。人和 Agent 之间的协作，看上去同样需要一个协议。就像互联网行业一样，HTTP、SMTP、FTP 等各种协议，共同构建了互联网运行的基础。
你要知道，所有这些协议，本质上都是为了人搭建的。我们还没有专门为 AI 搭建这些东西。如果未来 AI 真正运行起来，AI 的网络，以及 AI 和人、AI 和 AI 之间的连接，似乎也需要协议，所以这里都有机会。
更不用说真正意义上为这一轮 Agent 提供基础设施的公司了。
这张图最近一段时间好像是刘教授发的，讲的是 Infra，也就是如何给 AI Agent 做基础设施。首先，前面讲过，我们需要给 Agent 搭建一个环境。浏览器是环境，虚拟机也是环境。
如果要让它调用浏览器、访问浏览器，那它和浏览器之间似乎也需要一些功能和服务。它还需要长上下文记忆，需要执行能力、搜索能力，甚至可能还需要支付能力。
我们现在的在线支付，是为人设计的，不是为 AI 设计的。支付涉及资金和安全，还要考虑权限问题，比如数据库权限、人的访问 ID 权限。你会发现，所有这些事情都变成了问题。
所以在当下这个时间点，这些都会成为早期投资的重要标的方向，因为后期已经投不起了。刚才我们讲过，有的公司已经融了几亿美元。一个基金可能都没有几亿美元，它怎么投得起？所以我们只能在早期往前投。
而且现在基础设施还不完善，这个观点我在课程里面也讲过。
最后一页，是最近硅谷银行报告里的一张图。我在课程里从技术讲到产品的章节，也使用过一个类似的观点，叫 Gartner 技术成熟度曲线，也就是技术发展曲线。
所有技术的发展，似乎都要经历一个从默默无闻，到开始爆发，再迅速到达愚昧之巅，然后跌入绝望之谷，最后慢慢走向理性化和生产成熟的过程。所有技术似乎都需要经历这个过程。
在一个时间截面上，不同技术也会分布在曲线的不同位置。今天 AI 似乎也处于这样的状态。
这张图大家可能看不太清，我大概解释一下。比如云计算，Cloud 已经在曲线的后段，云和 AI 的结合已经成为非常明确的共识，进入了相对理性的阶段。纯生成式 AI，比如生成图片，也已经进入了比较成熟的阶段。
AI Coding 处在最疯狂的阶段，接近愚昧之巅，是现在最热的东西。还有一些没有那么热的，比如边缘 AI、消费级 AI，这些可能还在爬坡的过程中。AI Agent 也已经接近曲线顶点的位置。
所以你会发现，这和我们今天聊的状态非常相关：最热的东西，一定在最顶点；不太讨论的，或者已经进入成熟阶段的东西，已经跑到曲线后面去了。
从技术到产品再到资本，其实都可以用差不多这样一张图，把脉络比较清楚地梳理出来，做成一张地图或指向标，帮助大家理解这些内容。
我今天的分享大概就是这些。