庄明浩
哈喽大家好，我是明浩。翻看了一下自己的小宇宙后台，又有一段时间没有录制自己 solo 的播客内容了。正好最近有一段时间，因为一个场合需要讲 AI 行业，所以做了这次内容的储备。
整个内容的制作时间是从 8 月到 9 月 4 日截止，今天录制的时间是 9 月 6 日，所有信息大概截止到 9 月 4 日。因为这个行业变化得太快，每天都会发生各种各样的事情，所以先做一个这样的澄清。
今天这期播客的标题叫“推理像打怪，场景像开图，投资像氪金”。这三句话放出来之后，基本上你就可以判断，我今天会讲 3 个比较大的内容：推理代表技术，场景代表应用，投资代表 AI 行业的资本动向。
当然，我在 PPT 的首页也放了几段黑色的小字，在这里又放了一个叫“赚钱靠炒股”。这是我身边的一位好朋友给我提供的建议。可能这个行业在今天这个时间点想要赚钱，确实靠炒股会更容易一些。
然后我起了一个副标题，是更简单的一个标题，就是技术、应用、资本这 3 个角度，以及我所关注的 AI 的角度。因为是一个公开场合，所以我做了一些调研，比如是否用过一些 AI 工具，使用频率怎么样，用没用过今年比较火的通用 Agent 工具，有没有为 AI 产品付过钱，日常工作中已经在用的 AI 能够帮什么忙，以及每天关注的各种信息里面，AI 的占比有多大。反正这是一个非常简单的调研。
正式进入今天的内容，其实有 5 个部分。第一个部分是简单的自我介绍，然后是刚才讲的 3 块内容：技术、产品、资本，最后留了一段吐槽。
这个吐槽是因为今天 9 月 6 日下午我要去参加一场知乎的活动，现场会有一个类似脱口秀和吐槽的环节，所以这些内容算是为那个部分准备的。我们正式开始。
自我介绍我觉得在听我播客的人应该就不需要看了。反正我的过往职业经历、我关注什么、擅长什么，听我播客的人应该也都知道了。
我又重新翻了一下，这一年不到的时间里，我做的 AI 主题相关的 PPT 文档。其实更早还有，但没有那么完整：去年 12 月做了 2024 年的总结，2 月份做了 DeepSeek，3 月份做了 Manus，4 月份做了 Agent，6 月份做了一个课程，7 月份做了前面几期播客讲过的年终 AI 行业共识。所以目前在讲的应该是第 7 个关于 AI 行业总综述性质的 PPT。
刚才讲过，这期内容的 PPT 是 9 月 4 日讲的，我是 8 月份开始准备这个 PPT 的。过程中会有一个非常明显的感觉，其实每一次做这样的 PPT 都有这样的感觉，就是行业变化真的太快了。
可能你每天早上一睁眼，就会发现昨天晚上发生了一些事情，需要加到 PPT 里。在这个过程中，我发现了几个比较有意思或者比较重要的节点。
比如 8 月初，Google DeepMind 发布了它的世界模型和视频模型的最新版本；8 月 6 日，Claude 发布了 4.1；8 月 8 日，GPT 发布了 GPT-5；8 月 19 日，DeepSeek 发布了 V3.1，也就是 Base Model 3.1。这些事情都发生在 8 月。
用一句有点戏谑的话来总结，目前世界上领先的科技公司 Meta，正在进行它 6 个月以来第 4 次 AI 组织结构调整。所以这个行业变化得非常快。
同样，我真正意义上动手开始做这份 PPT，应该是 8 月 20 日左右。在做的过程中，8 月 27 日，国务院发布了关于实施“人工智能+”行动的意见。
从业时间比较久的同学应该会有印象，大概在 10 年前，国务院也发布过一个类似的行动意见，叫“互联网+”。
8 月 28 日，每个季度全世界经济体所有人都最关心的一家公司的财报，也是当前世界范围内估值最高的一家公司——英伟达，发布了新的季度财报。这些事情都发生在整个制作过程中，每天真的是日新月异。
回头来看，这两年多的时间里，AI 行业各种各样关于技术革命、颠覆的鼓吹，到底是真的，还是泡沫？最近一段时间关于泡沫的讨论也很多，在我今天的内容中也会涉及。
比如今年谈论比较多的强化学习、Agent、MCP，这些东西为什么会成为今年的共识？我们在各种新闻里面看到，几亿美元的 AI ARR、几十亿美元的 AI 公司的估值，以及几百甚至上千亿美元的 CapEx 投入。钱这件事情都是毛到飞起。
“毛”是一个形容词，形容钱不值钱了。然后再去讨论很多问题的时候，你会发现大家开始探讨极化，也就是两极分化是不是必然的趋势。
聊到这里，你会发现，我们今天不是在聊 AI 行业吗？怎么会聊到一些社会性和哲学性的问题？似乎这些事情也不可避免。那我们正式开始进入今天的内容。
第一个部分是关于技术的。今天技术、应用和产品的正式内容里，这 3 章每一章都有 4 个小节，最后一章吐槽应该有五六个小节。
我们先讲技术。技术里面我分了 4 个小节。第一个小节叫 OpenAI 定义的发展范式。听我播客比较多的人应该知道我要讲什么。
截至 2025 年第三季度这个时间点，整个 AI 行业这一波依然还在延续着 OpenAI 所定义的技术范式。
第一章的第二个小节，我讲强化学习带来的提权运动。听过我之前讲 AI 行业播客的朋友应该也知道我大概会讲哪些内容。强化学习这件事情依然在影响行业，出现了提升权重的效果。凡是出现提升权重，所有事情就会卷到底。
第三个部分我会讲中国和美国的对抗。无论中美对抗如何，华人在 AI 行业的崛起看起来已经是必然趋势了。当然还有一条暗线，是关于开源和闭源的探讨。
最后一块我会讲多模态和 Coding。为什么会讲这两块？前面几块基本上都是围绕着大语言模型的语言这个板块，但在过去一年多的时间里，多模态和 Coding 的发展也很快。
业界会出现一些探讨：如果我们未来要走向 AGI，无论 AGI 的概念和标准本身是什么，如果我们要走到那里，语言是不是唯一的解法？如果不是，Coding 和多模态是不是也在这件事情的主桌上？
这是今天关于技术的 4 个部分。我们从第一节开始。
1. OpenAI 定义发展路径
我们把时间拨回 2022 年 11 月 30 日。关注这个行业的人应该知道，当天 OpenAI 发布了 ChatGPT，引发了这一轮所有的事情。
ChatGPT 基于 GPT-3.5，通过 Chat 的 UI 方式跟人对话，人类真正意义上体验到了通用大模型的能力边界。然后在 2023 年春节回来，A 股应该就开始炒那一波 AI 公司了。
2023 年 3 月，比尔·盖茨发布了一篇很有名的文章。他声称，这一轮 AI 是他人生中仅见的两次技术革命之一。
第一次是他见到了 GUI，所以做了微软的操作系统；这一次就是 AI。他说这件事情可以跟芯片、电脑、互联网、智能手机媲美。他也看到了 AGI 的可能性。
我为什么会放这一页作为所有事情的起初？大家想一下，2022 年 11 月 30 日到今天不过才两年多、不到 3 年的时间。
回想过去两年多发生的事情，有一种感觉就是时间过得太快了，恍如隔世一般。
进入这一部分，真正意义上的那张图，其实是我用了无数次的图。这张图是我用一个 AI 工具画的，也被很多人放到了很多 PPT 上面。
这就是 OpenAI 在去年定义的、他们认为的 AGI 发展路径，从 L1 到 L5：L1 Chatbot，L2 推理，L3 Agent，L4 创新，L5 组织者。
直到今天，整个业界的大模型发展范式依然在延续这条路径。
我们是怎么走到 L1 的？这个我也讲过很多次，借用了之前真格基金的一次内部分享 PPT。我们最早基于规则，70 年代的时候，后来有了机器学习，再后来大家开始尝试用神经网络训练 AI，然后有了 Transformer 架构，有了 GPT-3，再到 GPT-3.5 的 ChatGPT。
一路走来，AI 行业其实已经发展了几十年的时间。我们拿到了 L1 Chatbot。那 L1 我们获得了什么？
再次引用之前李开复老师在零一万物刚刚成立那一天做的一张 PPT，就是我们拿到了一个不限领域、 不限场景的通用大模型。当然，现在零一万物似乎已经不再做模型本身的研发了，但也没有过去多久。
再拔高一些，这段内容是我听我的好朋友汉阳在做《浮游天地》第一期、跟仲卿的对话时提到的。他们谈如何做播客，然后汉阳问仲卿，有没有什么他认为比较好的播客瞬间。
仲卿提到过一期播客，是美国知名主持人 Lex Fridman 做的技术播客。在 ChatGPT 发布之前，他采访了 OpenAI 当年的核心创始人之一伊利亚·苏茨克维尔。当然，伊利亚现在已经离开 OpenAI 了。
他俩在对话过程中聊了很多，包括如何训练模型，如何基于神经网络架构做 AI 训练，以及训练得到了什么样的结果。
当时 Fridman 问了伊利亚这样一个问题。他问伊利亚：“在整个深度学习或者人工智能训练的过程中，最美丽或者最令人惊讶的想法是什么？”
伊利亚停顿了一下，想了想。他的答案特别简单：“It actually works。”
最美妙的地方就是，它真的有效。这太疯狂了。我们就是训练这些神经网络，把它们变大，它们就会变得越来越好。我们喂给它足够的数据，它就出现了“涌现”，整个 AI 系统这样就可以用了。
所以，It actually works，是这一波通用大模型最重要的意义。它有点像“大力真的可以出奇迹”，给未来几年 AI 行业的发展指明了方向和执行路径。
OpenAI 熬过了当年的质疑期和猜测期。因为当年业界并不认可，或者不太相信通过这样类似大力出奇迹的方式，就可以做出通用大模型。
这个意义甚至可以像哥伦布发现新大陆一样。这个故事我去年应该也讲过：哥伦布之前不是没有人尝试去找新大陆，但没有人找到。但哥伦布一旦找到，大家就知道这件事情是对的。
这就是它的一些意义。
2. 强化学习重塑训练范式
然后我们到了 L2。2024 年 6 月，Claude 发布 3.5；2024 年 9 月，OpenAI 发布 o1，我们正式进入 L2 推理。
在那个时间点之后，可能从 2024 年第三季度到 2025 年第一季度，几乎世界上所有的头部模型厂商在做的唯一工作就是复现 o1。
这个故事在我当时讲 DeepSeek 的那个 PPT 里有更详细的解释。当时所有模型公司都希望让 Chatbot 这种对话形态的模型思考得慢下来。
如何让它慢下来？大家做了各种各样的尝试、规则和限制，也做了各种基础设施层面的创新。最后，Kimi K1.5 和 DeepSeek-R1 真正意义上开源地实现了推理效果。
当时在知乎上，Kimi 的一位核心技术研发人员发了一段话，说要通过 RL 做题的方式，也就是强化学习做题的方式，要有精确的 reward，不要采取任何结构化的方法。最终这些结构化的方法都会限制模型的效果，要让模型自己去探索思考范式。
思考包含收敛过程，要允许犯错，就是通过这种方式不断做题，让大模型得到了“推理”。
如果大家有兴趣，可以去翻我之前讲 DeepSeek 的那期播客，我讲得更详细一些。
当时也讲过，从 DeepSeek 最早的 V3 基础模型，通过强化学习的方式，得到了 DeepSeek-R1-Zero。R1-Zero 有一些可用性问题，DeepSeek 那边又加了一些冷启动数据和基础调整，做出了今天我们在用的 DeepSeek-R1。
直到当时来看，整个技术行业大模型领域的技术领先者，领先时间大概可能在 6 到 9 个月。这个数字可能今天已经缩短到 3 个月。
到了 L2 之后，整个 AI 领域大模型训练的范式，从原来的预训练转化到了后训练，以及强化学习的崛起。
2024 年 9 月，光锥智能和小军的大模型季报就提到，o1 刚刚发布，光锥智能就已经提到，可以让 AI 用随机路径尝试新的任务。如果效果超出预期，就更新神经网络的权重。这可以认为是一个 reward model，也就是奖励模型。
让 AI 记住更多成功的尝试，再开始下一次尝试。这不就是强化学习吗？
到了今年，因为所有人都在往 Agent 走，很多人会说 Agent 可能会持续很久很久，我们要打 Agent 的持久战。
同样是之前 Kimi 的那位核心技术研发人员，在知乎动态上发了一条想法。他说，让 Agent 不打持久战的唯一路径，就是让 AI 训练 AI，真正实现自我进化。
其实我们这个行业在今天这个时间点，已经正在践行这件事情。当然中间的难点非常多，这个逻辑看上去很简单，但执行起来非常困难。
到了今年年初，推理模型成为所有头部厂商的标配，我们开始往 L3 走了。但标配并不代表模型本身训练结束了。
你会发现，在 2025 年 9 月这个时间点，Base Model，也就是基础的非推理模型，和推理模型的能力提升依然在进化。这个行业智能本身的进化，依然是这个行业的主线。
这句话也不是我说的，是光锥智能说的，我依然信奉这句话。
一旦这个行业的方向，包括执行路径和实施方法被确定，当然中间细节可能没有那么清楚，但只要方向、路径和方法确定，造成的结果就是肉眼可见的内卷。
如果我们拉各种各样的榜单、排名数据和头部模型进展情况来看，美国头部的几家模型公司的竞争，在过去一年多的时间里急速卷了起来。
包括 Anthropic 的 Claude、Google 的 Gemini、Meta 的 Llama、OpenAI 的 GPT 系列、xAI 的 Grok 系列。当然过程中 Llama 现在可能有点掉队，所以 Meta 要在 6 个月内进行 4 次 AI 相关业务的组织架构调整。
整个 AI 圈可能有一张非常有名的梗图，就是 OpenAI、xAI、Anthropic 和 Google 4 家模型厂商构成了一个圈。今天你发布新模型，你就是世界上最领先的模型。
这个事情可能在过去 3 个季度里面已经频繁发生了。
在我做 PPT 的过程中，8 月份 GPT 发布了最新模型 GPT-5，就是当年 2024 年所有人期待中的 GPT-5。
GPT-5 发布之后讨论非常多，观点也非常两极分化。有人认为非常好，有人认为非常差，甚至有很多用户吐槽说要用回 4o。
当然这里面有记忆、情感以及各种各样其他的原因。但如果我们单纯只看数据，GPT 的表现依然还是很好的。GPT-5 应该依然是今天世界范围内最领先的模型之一，它在各种榜单上的评分都非常高。
更重要的是，GPT 系列模型的成本依然在下降。最头部模型的单位成本，确实依然在延续着可能每年降一个数量级的方式下降。
但这里出现了一些问题。我在上一期年终 AI 总结的时候就提到过，当大模型的能力已经进展到这个程度，出现了一个问题：我们开始没有办法评估大模型本身能力的进化。
因为但凡出现一个榜单，这个榜单是一个固化的题，但凡你有 KPI，所有的努力和目标就会奔着 KPI 去。所有这种榜单的 100 分，很快就会达到，或者接近达到。
如果我们没有办法用榜单和打分的方式去衡量模型本身能力的进化，那应该用什么样的方式？
现在有一派观点认为，既然现在大模型正在从推理往 Agent 走，Agent 要做我们人类在做的一些工作，那么执行这个任务的时间长度，似乎就可以被拿来作为衡量模型进化能力的指标。
GPT-5 已经走到了可能可以支持运行 2 小时 17 分钟左右的相关任务。
这个数字是什么概念？大家回想当年第一次用 ChatGPT 或者类似工具的时候，你问它一句话，它可能会有一个思考时间，最开始可能是几秒，然后给你打一段话，可能又是几秒。它思考加上把这段话打出来，可能一共是 10 秒、20 秒，这就是它执行任务的时长。
可是今天，最头部的模型能够执行任务的时长已经达到 2 个小时以上。这个数量级的差距大家可以算一下，从几十秒到两个小时。
我们回头再来看，从最开始的非通用模型走到 L1 通用模型和 Chatbot，再走到 L2，我们经历了从预训练到后训练、强化学习这些事情。
这个 PPT 其实之前我也用过，就是那些“科技与狠活”：预训练、后训练和强化学习。
当然，这又会引发一些新的问题。预训练领域，2024 年 9 月伊利亚就说，通过让数据变得更大来得到更好模型的 scaling law，已经慢慢失效了。
那么到了 2025 年 9 月，这件事情还成立吗？
为什么会有这个问题？你会发现，模型似乎又出现了新的数据可能性，就是合成数据。因为大模型本身也在产生数据，产生这个世界上原本不存在的数据。
这些东西如何让模型能力得到提升，能不能提升，以及如何提升，都是问题，都是大家在尝试各种各样的方式。
但凡这些路径被证明是通的，那就是第一台永动机。因为你相当于在用自己产生的数据训练自己，就像刚才那位研究员说的，让 AI 训练 AI。
后训练从 L2 开始变得更加重要，截至 2025 年 9 月依然非常重要。
强化学习就是做题。做题最明显的是数学和编程这两个板块。在过去一段时间，大模型领域的进展非常快速，因为这两个板块的奖励函数是非常明确的：做对了就是做对了，编出来的程序能跑就是能跑。
但在那些没有办法给出非常明确奖励函数的场景，怎么办？同时，能不能让这些场景里的打分也由 AI 来做？
因为到了今天这个时间点，可能有一些细分领域已经需要用人类博士来做奖励模型的构建。既然你已经说模型的智商和能力到了人类博士的水平，那能不能让模型给模型自己做出的答案打分、构建奖励模型？
如果这件事情也通了，那是不是就是第二台永动机？
你要知道，永动机是一个违背物理规律的逻辑，但它一旦能够成功，这件事情就一定会起飞。如果有两台永动机，那就不知道会起飞到哪里。
但是这个逻辑盘起来很简单，真正实施起来却有非常多的问题。
比如刚才我们提到，数学和编程可以有明确的奖励函数和奖励模型，那其他领域怎么办？如何构建一个稳健的、让 AI 模型在过程中进行强化学习的环境？这个环境的搭建，无论是硬件还是软件，都是问题。
如何防止 reward hacking？但凡你设置了一个所谓的明确指标和标准答案，模型跟人是一样的，它会找所谓的 hacking。
就跟公司里大家做牛马、做打工人的时候一样。如果设定了一个 KPI，而这个 KPI 是单向且偏数据导向的，很多人就会想别的办法。为了完成这个指标，做一些不太对的事情，模型也是这样。
最后是高质量数据的获取。
过去一段时间，Meta 用 148 亿美元投资 Scale AI，把 Scale AI 的核心团队拉到了 Meta。Scale AI 最早是给上一代 AI 公司，尤其是自动驾驶公司做数据标注的，是一家数据公司。
2018 年，Scale AI 的员工做的事情是什么？比如自动驾驶摄像头拍出一张路面行驶的照片，他要把照片中的人、路上的车、路标以及各种各样的东西画出来，做标注。这是 2018 年 Scale AI 做的事情。
到了 2022 年 ChatGPT 发布之后，Scale AI 的员工变成了程序员、医生、律师、金融行业从业者，甚至这些专业领域的博士。他们要做打分，要做奖励模型的构建。
这就是变化，这是强化学习带来的问题。而且这些问题其实没有标准答案。每一家公司在内部执行过程中，这些问题的权重、复杂程度、解决得好与坏都不一样。
很多问题其实是工程问题，而不是纯技术问题。
3. Agent 进入主线
然后我们走到了 L3。毫无悬念，2025 年哪怕只过去 3 个季度，也可以做年终总结：2025 年就是 Agent 的一年。无数人也讲过了。
在一个开源模型、开源数据库的平台上，他们统计了从 2024 年底到今天，过去大概 3 个季度的时间里，人类在他们平台上建立的数据库，和 AI Agent 建立的数据库相比，过去几个月里，AI Agent 建立的数据库已经是人类的 4 倍。
这引发了另外一个探讨：今天整个互联网生态是为人类建立的。可是未来，如果跑在互联网上的更多东西变成 AI Agent，那似乎所有事情都要推翻重来。
我们已经看到硅基和碳基在互联网上未来的发展趋势了。
从 L0 走到 L1，再走到 L2，我们能归纳出什么？这个我也讲过无数次。
第一个能归纳出来的叫通用。通用，不是垂直，不限定场景，不设置边界。
当然，这非常难，所以初期实现一定是不完美的。因为你强调通用，就不可能在初期实现每一个板块都比现有方案解决得更好。
然后是更少的控制、更强的学习。这是从 L0 走到 L1，再走到 L2。那到了 L3 也是这样吗？现在看上去似乎依然是这样。
同样，之前我盘过一个逻辑，我们要经历从简单到复杂，再到简单。
比如 L1 的时候，我们最开始觉得，这太简单了，跟它说话不就完了吗？打字不就完了吗？后来发现不对，复杂的提示词工程出现了。
到了 L2，你会发现推理模型似乎不需要复杂的提示词了，因为它好像什么都懂，什么都能理解，会帮你想很多。你有了推理过程，只需要问它一个比较简单的问题，不需要非常复杂的提示词工程，它就能给你一个很好的结果。
然后走到了 L3。很多在做 L3 的人会说，应该做 Workflow。这个在我之前讲 Agent 的那期内容里也讲了很多。
但现在看上去，似乎不应该有一套 Workflow，而应该让模型自己去解决。
聊到这里出现了一个问题。我们聊了很多 GPT，包括 GPT-5、Anthropic、Claude、xAI、Grok、Gemini、DeepSeek、R1、V3。这些都叫模型，都是模型。
我们很少聊到今天第二章要讲的东西，叫产品。ChatGPT 是产品，DeepSeek 的 App 是产品。我们忽视了一点点用户的事情，当然后面会补回来，但在这里我们忽视了。
既然提到 DeepSeek，我再多说一句。我上一次画这张图的时候，大概是 6 月、7 月，有一波传言说 DeepSeek 的 R2 快发布了，但截至今天，DeepSeek R2 还没有发布。
最近两天有新闻说，年底 DeepSeek 可能会发布新的 R 系列模型，并且带 Agent。
最开始盘的逻辑是这样的：去年下半年我们有了 DeepSeek 的基础模型 V3，V3 通过强化学习得到了 R1-Zero，R1-Zero 再做了一些改进，得到了直到今天我们在用的 R1。
R1 在今年 5 月 28 日更新了版本，得到了 R1-0528。然后 8 月份，基础模型 V3 发布了新的版本，叫 V3.1，而不是之前传闻中的 V4。
V3.1 发布之后，再经历这样一套强化学习过程，当然会得到一个更好的 DeepSeek R 系列推理模型。
但这就是我们期待中的 R2 吗？我们还要等 DeepSeek 出现 V4 之后，再去期待那个 R2 吗？
这些问题可能只有 DeepSeek 内部在做权衡和处理，我们就静观其变吧。
4. 中美争夺开源主桌
提到 DeepSeek，就不能不提今天这一章要讲的第三个话题：中国和美国的问题。
我在这期 PPT 里起了一个名字，叫“江湖再无六小郎”。之后，我更新了两家模型厂商的进展：DeepSeek 和千问。
这可能是目前世界范围内最领先的两个头部开源 AI 模型。开源似乎成为了某种符合中国特色的 AI 大模型发展路径。
在准备这个 PPT 的 7 月，除了 DeepSeek 和 GPT 之外的头部模型厂商，包括千问，可能千问也发布了新版本。7 月份还在研发大模型的中国公司，几乎都更新了自己的版本。
所以当时有一个总结叫“疯狂的 7 月”：开源 AI，中国模型引领行业发展。
进入 8 月，刚才前面提到的几家头部模型也发布了更新，开源似乎成为了某种业界共识。因为你会发现，连 GPT-5 的某一个细分型号也开源了。
我们想一个问题：对于这些模型公司而言，开源到底是目的、手段，还是其他什么？
我觉得每家公司的情况不太一样。但从阶段性结果来看，中国的模型厂商在开源这个板块确实非常强势。
比如有一个面向设计师的平台，尤其是除了常规意义上的美术类设计师之外，也包括做前端代码的设计师。他们有一个类似开源模型榜单的评分网站。
这个网站目前前 15 名全部是中国模型，第 16 名才是 GPT-5 系列的一个小模型。
最近一段时间，也有很多媒体去写中国的开源模型，比如《经济学人》会写中国的开源模型，以及中国如何通过开源模型和美国进行 AI 竞争。
前两天，a16z 的合伙人在 Reddit 上说，80% 的 a16z 投资的 AI 初创公司在使用中国的开源模型。
这是阶段性结果，还是某种趋势的开始？
总结一下，今天这个时间点，如果大语言模型是 AGI 的主桌，那主桌上的公司大概有哪些？
就是前面我们提到的这些公司，包括美国公司、中国公司和一家法国公司。
美国公司包括 OpenAI 的 GPT、xAI 的 Grok、Google 的 Gemini、Anthropic 的 Claude、Meta 的 Llama。虽然表现差一点，但 Meta 至少还在主桌上，还在做。
中国公司包括阿里千问、DeepSeek、智谱、MiniMax 和 Kimi。还有一家法国公司 Mistral。
这可能就是当前这个时间点还在大语言模型主桌上的公司。
读到这里大家会说，好像少了一些人。当年的六小龙当中的几个已经消失了，比如百川、零一万物。然后字节呢？腾讯呢？最近有比较多的调整。华为呢？
这些都在原来我去年总结的 PPT 上，可是现在都不见了。
然后就出现了一个问题，这也是我们今天讲技术的最后一部分：AGI 的主桌只有语言这一桌吗？
ChatGPT 发布之后，百川的小川总讲过这样一段话：“当机器掌握语言，强人工智能就到来了。”
所以这是一种观点，会认为语言大模型，语言是通往 AGI 主桌的唯一路径。
可是语言这个定义本身的范围也很宽泛。Coding 是语言吗？广义来讲是的。
所以 Alphabet 联合创始人会说，12 个月之内，我们可能会进入一个 AI 能写出世界上所有代码的世界。如果到了那一天，似乎 Coding 也在主桌上。
除了这些赛博世界和硅基世界的事情，碳基世界呢？
Google DeepMind 的一位核心成员说，多模态，尤其是他们在做的所谓世界模型，是一个孕育 AGI、能够无限拓展的虚拟子宫。
如果这个真的实现了，达到了世界模型理想中的状态，似乎多模态也应该在主桌上。
5. Coding 和多模态争位
所以，除了语言还有两桌：Coding 和多模态。我们一桌一桌看，先看 Coding。
这里出现了一个问题：Coding 到底是大语言模型的子集，还是新的路径可能性？
这个问题每个人都有自己的观点，每家大模型厂商也有自己的认知方式。但无论怎么样，过去一年多的时间证明，AI Coding 可能是第一个行业内找到、或者说实现了 PMF 的方向。
Cursor、Replit、Lovable，在很短的时间内都非常快地拿到了很好的收入增长数据。每家模型厂商也在疯狂推动 AI Coding 相关能力和第一方工具。
过去一年多的时间里，AI Coding 的竞争非常激烈。
国内同样非常激烈。叫得上名字的互联网公司和技术大厂，也都在疯狂推动 AI Coding 工具和 AI Coding 的模型能力。模型厂商自己就不用讲了，腾讯、美团、阿里、字节全部都在做，甚至更小一点的厂商也在推。
早年我在想这个板块的时候说，Coding 这件事情，程序员这个人群按理说应该是最无国界的一帮人。至少大家写代码的时候是用英文在写。
所以相对于其他板块，因为各种各样的原因，中国可能会有一些战场和可能性之外，我当时会觉得 Coding 是不是可能不那么需要中国公司参与这么多。
但后来我看到很多新闻之后发现，我忽视了一个因素，这个因素就叫安全。
你想，你是腾讯、字节、阿里、美团，甚至你是小红书。你内部的程序员都在用第三方工具来写代码，你的 CIO 怎么想？
这跟很多公司当年为什么都要做自己的 IM，我觉得逻辑是一样的，安全还是一个很重要的事情。
然后第二桌，多模态。
多模态正在经历一场从局部战场到大战场的竞争。局部战场是早年的图片、视频、语音、3D；大战场是什么？极端状态就是世界模型。
讲到这里，又回想起 AI 这一波之前的关键词：元宇宙，沉浸派的代表。
先看图片。图片这个板块我也强调过无数次。Stable Diffusion 的开源是 2022 年 8 月，2022 年 11 月才发布 GPT，所以图片 AI 的生成其实早于这一波大语言模型，大概早了 1 年左右。
今天这个时间点，大家衡量头部 AI 产品的 AI ARR 标准，可能是 1 亿美元、2 亿美元或者 5 亿美元。
可是你要知道，2023 年 10 月，也就是快两年之前，头部图片 AI 应用 Midjourney 就已经说，2023 年他们的 AI ARR 到了 2 亿美元，今天可能已经到了 5 亿美元。
大家原来认为图片战争已经打完了。然后今年上半年，OpenAI 发布 GPT-4o 的时候，出圈了一波吉卜力风格图片模型的能力。
很多当时做图片模型的个人开发者和厂商，会认为之前做的很多工作看起来都没有意义了，直接被吃掉了。那个时候也有很多观点说，图片模型的战争已经打完了。
但 8 月份 Google 新出了 Nano Banana。最近一段时间应该很多人都看到了这个模型的能力。
本以为战争已经结束，但发现还在疯狂进展。单纯看模型厂商的排名，无论是文生图还是图片编辑，基本都是兵家必争之地，所有在主桌上和不在主桌上的厂商都在做。
再回想一点，即便到了 2025 年今天，移动互联网已经发展到这个状态，我们看 iPad 的榜单，App Store 里面图片摄影这个类目一直都是兵家必争之地，每年都会有新东西出现。
直到今天，AI 这一波就更不用说了。图片一直都是兵家必争之地。
再到视频。之前有人说，视频不就是让图片动起来吗？
之前有 Sora、Runway、Pika。那个年代视频模型的能力从最开始不是特别理想，有个最著名的梗图，是威尔·史密斯吃意大利面。它代表了 AI 视频模型的进展。
到了今年，Google 发布 Veo 3，又踏了一大步。原来生成的 AI 视频是没有声音的，Veo 3 之后出现了声画同步的 AI 视频生成。
然后我们看各种榜单，会发现其实在视频编辑和视频生成这两个榜单上，中国厂商出现得更多，甚至占比也比美国厂商更多。
之前也有一段时间，很多人会说，为什么美国的 AI 视频生成厂商做的东西不那么行，在 Veo 3 出来之前尤其明显。
再去想为什么是 Google 在这件事情上这么强，其实一个很简单的道理就是，视频模型的训练是通过视频数据进行的。谁拥有视频数据？在美国当然就是 YouTube。
那为什么之前不行？因为大模型训练的数据使用和版权问题一直是一个灰色地带。即便 YouTube 是 Google 的，Google 的模型部门也不能完全放开地使用 YouTube 上的视频来做模型训练。
所以之前一段时间，美国的视频模型领域进展是不如中国的。你看榜单也会发现，比如在文生视频榜单上，第一是字节，第三是 Big Words AI 这家 AI 创业公司，第四是 MiniMax，第五是字节，第七是 MiniMax，第八、第十、第十四都是快手的可灵，阿里也在，字节和 Big Words 也在，OpenAI 最好的模型只排在第 13 位。
在图生视频板块，类似字节、Pika、MiniMax、字节、MiniMax，第 6 才是 Google；第 7 是 MiniMax，第 8、第 9、第 10 全部是可灵；第 11 才是 Midjourney，第 12 又是可灵，第 13 是字节，第 14 是 Hi Dream，第 15 是快手，几乎没有美国公司。
为什么？很简单。快手和字节可能是拥有视频数据最好的两家厂商之一。
所以我们回头来看，图片和视频本质上来讲，今天的界限已经非常模糊了。我们把文生图、图片编辑、文生视频、视频编辑、图生视频这几个板块放在一起来看，字节出现得非常强势。
然后是语音。语音模型的竞争，我做这一页 PPT 的时候是 8 月 27 日。我拉了一下榜单，当时语音排名第一的是 MiniMax，第二是 OpenAI，第三是 MiniMax，第四是 OpenAI，第五、第六、第七是 ElevenLabs，第八是 Fish Audio，第九是一家我不太认识的厂商，第十是 OpenAI。
这是 8 月 27 日拉的榜单。当时我的结论是这样的：前一段时间潘乱做过一期关于 AI 模型的播客，在播客过程中聊到一个问题，为什么这一波很多创业者在做 AI 播客的尝试。
他们聊了很多角度。我在那期播客下面放了一条评论，说关于这个问题我提供一个侧面的答案：语音模型在今年竞争其实蛮激烈的。
但是相较于前面我们提到的，无论是之前那一波在主桌上的文本模型，还是多模态领域的视频和图片模型，现在这个时间点，做一个 SOTA 或者接近 SOTA 的语音模型，所需要的人，无论数量还是质量，所需要的卡，以及数据的难度，都要远远小于前面那几个。
所以做一个 SOTA 或者接近 SOTA 的语音模型，成为了很多中型厂商内部非常有性价比的方向。
这些中型厂商，典型比如小米、小红书、B 站这种公司，内部也都有类似 AI Lab 的部门。做一个这种程度的语音模型，对于这些 AI Lab 来讲，是绝佳的性价比之地。
所以你回头看，小米、B 站、小红书都发布了语音模型。
科技行业从业者从语音模型的技术能力顺延到场景，无数人当然会想到播客。
我再次强调，这是我 8 月 27 日写的 PPT。隔一天我就被啪啪打脸了。
8 月 28 日，OpenAI 上线了新的 GPT Realtime API，也就是语音 API。更重要的是微软。
大家知道，微软和 OpenAI 过去两年多一直有非常深的绑定关系。微软一直是 OpenAI 独家的语音供应商。虽然最近出现了一些问题，他们在谈新的解决方案，但至少截至今天还是这个情况。
但因为出现了裂痕，微软原来没有自己的模型。8 月 28 日，微软发布了两个模型，其中有一个就是 Voice 语音模型。
所以这个逻辑不只是我看到了，不只是中型厂商看到了性价比，它变成了兵家必争之地。
8 月 28 日，就在我做好上一页 PPT 的隔天，我发现自己被啪啪打脸了。
语音讲完，我们讲 3D。
AI 3D 的生成正在走向成熟，开源模型也很多。在这个板块里，似乎游戏厂商会有一些优势，因为无论是拥有 3D 数据，还是使用 3D 数据的场景，游戏厂商当然都有天然优势。
所以腾讯、微软、Roblox 都在推动自己的 3D 模型。当然也有一些初创公司，以及一些不错的中型公司，在这个领域进行尝试。
再往前演进一步，从局部战场到大战场。大战场的典范是什么？世界模型。
今年 Google 的 Genie 3 和李飞飞老师的 World Labs，都发布了他们在世界模型领域的进展。这回就真的是元宇宙的叙事了。
刚才前面讲 3D 的时候，我说游戏公司是不是会更有优势？如果再拓展到世界模型，理应游戏公司也有点优势。
当时我把“是不是游戏公司会更有优势”这句话后面的省略号，放在了世界模型这张 PPT 上。
因为我的 PPT 是 9 月 4 日做完，9 月 3 日我做更新的时候很有意思：美国时间 9 月 2 日，也就是我们这边 9 月 3 日，腾讯混元发布了他们世界模型的第一版。
所以我又更新了一页 PPT，真的是说什么来什么。
技术趋势讲完，我们进入第二章，产品趋势。
6. 产品趋势开始分化
过渡到产品趋势的时候，我会讲一部分从技术革命到产业革命的趋势变化，然后再讲真正意义上的产品趋势。
产品趋势可能会回答一些问题。比如今年大家探讨非常多的，是不是模型就是应用？Agent 到底是模型，还是本身就是产品？
这个问题在我上一次、上上次讲什么是 Agent 的时候，也讲得比较多。然后我会讲一些所谓的热门方向，最后会提到不得不提的 ARR，到底什么是 ARR，也要解释清楚。
先看技术趋势。我也用了无数次 Gartner 的技术曲线。
这条技术曲线包括几个维度的解释：所有技术都可能经历这样的周期；不同技术在同一时点下有不同的位置；技术的波动往往不是单向的；技术是有节奏的；不同阶段的技术对应不同的资本需求。
如果听我播客比较多，这段话应该听过至少 5 次。
今年的 AI 技术曲线也是在 8 月刚刚发布的。我们会发现，在期望膨胀的峰值上的是 AI Agent，已经慢慢开始跌到谷底的是生成式 AI，已经进入稳定阶段的是云。这基本上符合我们之前讲的逻辑。
过去两年，我们这个行业似乎只有一个非常简单粗暴的递进关系：越来越多的钱，训练越来越多的模型，建立更好的数据中心，训练更好的模型，得到更好的结果。
如果我们用阴谋论的方式来讲，这是美股那几家最头部公司的共谋，也就是所谓的美股“七姐妹”。
这些图之前我也用过无数次。股价的共谋，拉开“七姐妹”的股价增长，截至 8 月已经快接近 20 万亿美元了。
这 7 家公司从 2022 年底 ChatGPT 发布以来暴涨，炒美股的人应该都知道我在讲什么。
然后是 CapEx 的共谋。CapEx 的增长，今年应该是亚马逊、Meta、微软、Google 4 家超过 3,000 亿美元。
数据中心的共谋，就是这些钱要投到数据中心里。
最近有一张梗图，很多人也会转。它统计了美国从 2014 年到 2025 年投资建设数据中心的钱，以及投资建设办公室的钱。
这两条曲线已经快接近了。数据中心建设的增长已经快接近 Office 的建设，当然 Office 在往下降。
也就是说，硅基世界和碳基世界又一次要产生交错了。未来给硅基世界的“办公室”，可能会大于甚至远远大于给人类的办公室。听起来有点可悲。
然后是云计算的共谋。云和 CapEx 我觉得是一体两面。
也是在我做这个 PPT 的前一天，也就是 9 月 3 日，美国一个知名的半导体行业 Newsletter 发了一篇新文章，分析过去几年美国最头部的 3 家云厂商：AWS、微软和 Google Cloud 的增长情况。
你会发现，如果只看每个季度新增收入，微软要远远高于 AWS，尤其是在最近几个季度。原因就是刚才我们前面讲过的微软和 OpenAI 的绑定。
听到这里，熟悉行业的人会说，不对啊，Anthropic 和 AWS 也有绑定关系，对吗？亚马逊之前应该投了 Anthropic 几十亿美元，可能是几十亿或者 80 亿美元。
但是你要知道，前两年 Google 也投了 Anthropic，所以在之前那段时间，Anthropic 更多使用的是 Google 的云。
然后当然就再一次造就了无敌的英伟达，涨到 4 万多亿美元。
英伟达的 3 波 Combo 我也讲过无数次：游戏显卡是一波，Web3 挖矿是一波，到这一波数据中心。
然后我们真正意义上开始衡量产品趋势了。
ChatGPT 在过去一两个月更新了一些用户数据：每周 7 亿活跃用户，这是 Sam Altman 在 2025 年 8 月自己说的；每天 25 亿次提示，也是 8 月的数据。
流量数据我只找到截至 7 月的，7 月是单月增长 135%。这些全部都是用户指标。
这里面出现了一道选择题。这道选择题其实是今年年初某个媒体问 Sam 的：你到底是想要 AGI，还是想要一个拥有 10 亿用户日活的平台级公司？
成年人世界肯定是都想要，但如果一定要偏向一个，Sam 偏向了后者。
AGI 是技术趋势，10 亿日活是产品趋势。
最近一段时间有一些报告拉出来之后，你会发现 ChatGPT 的数据确实非常强势。
有一张图是 ChatGPT 的留存曲线图：按月统计，第一次付费之后，第二个月还在，第三个月还在，第四个月还在，第五个月还在。
这个数据出现了一个变化。如果按常规来看，时间拉得越长，留存应该越差，因为越来越少的人会用。但如果拉得足够长，ChatGPT 这个曲线的末端开始回升了。
也就是说，时间拉长之后，在最近一段时间 ChatGPT 的留存反而在提升。
ChatGPT 已经上线快 3 年了。这个其实就是我们叫的“微笑曲线”。
当然，这个概念最早不是来自互联网，而是来自工业界。在互联网、移动互联网时代，工业领域的微笑曲线是什么？就是当一个产品的某些东西过了一个临界值之后，它的留存会出现拉升。
那个临界值可能是品牌、竞争、垄断，或者其他因素。我们可能在抖音、拼多多上都见过类似曲线，今天这条曲线出现在了 ChatGPT 上。
Sensor Tower 统计的数据，是每个月使用相关产品的天数。你会发现，ChatGPT 大概已经到了 13 天，也就是每个月 30 多天，平均有 13 天会用到。
这个数字从刚刚发布时的 4 天左右，一直涨到了 13 天。Claude 只有 12 天，xAI、Twitter 是 13.7 天，Google 是 18.6 天。这个数字还在增长。
似乎看上去，Sam 赌对了，或者 OpenAI 赌对了，或者说看到了正确的趋势。
7. Agent 变成产品
然后我们真正意义上开始聊产品，或者说 2025 年是 Agent 年。
Agent 到底是什么？有人说，今天可能用得比较多的是搜索、Coding、Deep Research，这些都已经是非常明确的 Agent。除此之外呢？
或者换个问法。这张图我也用过很多次，讲 Agent 到底是什么：用户给大模型一个需求，大模型在环境内运行，反馈结果给你，这就是 Agent。
但这张图并没有解释 Agent 到底是模型还是产品，是技术还是应用。
最近出现了一些访谈，我觉得比较值得大家深读的是前一段时间张小珺采访 Kimi 杨植麟的那篇文章。
大家知道，Kimi K1.5 其实也是世界范围内除了 OpenAI 之外，最早知道推理模型训练方式的公司之一。因为 K1.5 和 o1 是差不多时间发布的。当然，K1.5 应该没有开源。
在那篇文章当中，张小珺问杨植麟怎么看 2025 年前三个季度出现的一些所谓 Agent 产品。
杨植麟是这么说的：一开始我们看过去半年或者去年的很多产品，是基于基础模型，在上面搭了一些脚手架。这里出现了一个关键词，叫脚手架。或者设计一些工具，让模型更好地使用，从而搭建一个产品。
张小珺说，那他们是在享受模型溢出的能力。杨植麟说，对，本质上是在做模型训练过程的逆向工程。
这是从模型厂商的角度来看这件事情。
然后杨植麟又说，如果模型公司去做一方产品，逻辑就完全不一样了。因为模型公司不再需要逆向这个过程，而更多是正向地做法：我先把这些工具设计好，把我的上下文工程方法都设计好，我就在这个环境里训练模型，模型天然就会表现得更好。
所以这是两种不同的思路，但第二种思路的上限也许更高。
模型公司是这样认为的。
杨植麟又说，他们现在在一方产品，也就是做这样的事情上的投入还不算特别多，因为现在更多精力还在模型本身的训练，一方产品还不多。
不过 Claude Code 就是 Anthropic 自己的一方 Coding 产品，以及 ChatGPT Agent，也就是 ChatGPT 自己的 Agent 产品。这些一方产品应该也会成为一个很大的趋势。
后面就要看一方和三方产品怎么配合，在生态里是什么样的状态。
这 3 段话，是作为一个模型厂商对刚才那个问题的看法。
反过来，我们再看 Agent 公司或者产品公司怎么看这件事情。
也很巧合的是，最近一段时间，Manus 的一些创始人接受了采访。Manus 创始人之一 Peak 说，在我们之前接触的这些 AI 模型的试用和运转过程中，其实只有两个角色：用户和模型。
尤其在 Chatbot 这种产品形态里，用户问一段话，模型给一个结果，这个事情就结束了。只有两个角色，你跟模型交互，得到输出，结束了。
但是 Agent 不同。它除了用户和模型之外，引入了第三个关键元素，叫环境。
所以 Manus 会认为，他们在做的很多工作是搭建一个更好的环境。
这几段话出现了几个很重要的关键词：脚手架、一方产品、环境。
我觉得身位不同，看这件事情的角度就不同，解决这些问题的方法也就不同。
抛开盘逻辑，我们聊聊真正做事的人。
首先，我们看真正意义上在做 Agent 的公司。这里面出现了一个麻烦的事情：即便是在做 Agent，怎么对这些 Agent 进行分类都很麻烦，几乎没法分。
我也讲过无数次，因为我做过很多这样的工作，分类本身特别主观。什么标准？是横向、纵向、垂直、通用？都没有标准。
所以你会发现，各种各样的榜单、各种各样的图里面，关于 Agent 的分类特别没有标准。
除了做 Agent 本身，刚才我们讲过，或者说 Manus 讲过，除了用户和模型之外，还有第三个要素叫环境。
环境是一个宽泛的概念。所以今年除了做 Agent 本身的公司很热之外，给 Agent 做基础设施也很热。
这可能包括协议，因为有 MCP 和各种各样的协议；给 Agent 做所谓的上下文和记忆系统，现在有专门的公司做这种事情；当然也有一堆公司让 Agent 使用浏览器、使用我们现在的电脑。
所以，a16z 有一个专家总结了 AI 在 2025 年的 6 个趋势，或者说 6 个方向。我前面其实全部提到了：通用 Agent、Agent 协议、Deep Research Agent、Coding Agent、Computer Use，以及 Voice。
这些方向虽然都圈定了，但你会发现它的划分标准和维度也是飘忽的。有些是技术维度，有些是功能维度；有些是 Agent 本身，有些是 Agent 的基础设施。
所以它这个划分也可能是为了硬要把图画得好看，硬写了几块。
如果我们再细想，哪怕是当前给 Agent 做基础设施这件事情，也可能非常复杂，涉及的工作特别多。
除了刚才聊到的记忆、上下文应用、使用浏览器、使用电脑之外，安全是不是？数据库是不是？模型路由是不是？结果展现是不是？虚拟机是不是？沙箱是不是？全部都是。
所以也有一些厂商、评测方或者第三方厂商在发布 Agent 报告时，用这种方式来画图：我们能够看到的东西，只是这件事情能够运行成功的冰山一角，底下的地方大得多。
既然分类没有共识，光谈逻辑听起来也有点虚，我们怎么办？
很好的是，在我做 PPT 的过程中，a16z 发布了它每半年一次更新的 AI 产品榜单。这个应该很多朋友也看过。
过去两年半里，a16z 每半年会发布一次他们能统计到的前 50 大 AI 网站以及前 50 大 AI App。第五版正好是在 8 月发布的。
这里面涉及几类公司。每次发布这个图，都会引发一个媒体选题，就是去找中间的中国公司。
我们会提到，但更多还是从榜单上来看产品的趋势和变化。
首先第一类，当然是大家最熟悉的 Chatbot：ChatGPT、Gemini、Claude、DeepSeek，全部都在。它们在过去一段时间已经对我们太过熟悉了。
单纯从流量、外部访问量来讲，这场战争 ChatGPT 已经打完了。前面提到 7 亿周活、每天 25 亿次提示，月度数据还在疯狂增长，微笑曲线也出现了。
第二个关键词是 China。
在 Web 前 50 榜单里，有 12 家中国公司或中国公司的产品；App 榜单里面，50 家里有 22 个，接近一半。这也比较符合我们对中国厂商能力优势的判断。
a16z 把这些中国公司分了 3 类，我觉得这个分类很有意思。
第一类叫服务本土巨头，比如阿里、豆包、混元、元宝、Kimi。第二类是面向全球的出口者，只做海外市场，比如 Monica、Manus。第三类是内外兼修的混合型选手，比如美图。
然后第三个关键词是社交陪伴。我觉得这是一个无人关心的角落。
除了 a16z 发布这个榜单之后做了一期 20 多分钟的播客，其中提到了一嘴之外，绝大部分媒体，无论中文还是英文，我翻了一下，几乎没有人提到这件事情。
但细看是这样的，因为我做社交，所以我得看。
Top 50 榜单的 Web 里面，有 10 家是做社交和陪伴的，这个比例一点都不小，至少在 Web 上是这样。
我看了一下这些网站，跟 Character.AI 很像。如果按 AI 社交领域不太准确的划分来讲，这种体验是我们叫 1.0 的体验，也就是你跟一个虚拟角色聊天。
但至少在 Web 上，哪怕是所谓社交 1.0 的体验，AI 带来的陪伴体验依然是很多人喜欢的，因为前 50 里有 10 个。
但细看这些产品，大部分——我不能说全部，大部分——内容会有那么一点点擦边，NSFW，也就是成人向内容。
那就出现一个问题：除了做擦边，还能干点什么呢？
比如今年上半年，这个板块相关从业者讨论最多的一家公司，一定是 Tolan。它做了一个带有外星人元素和性格的 AI 陪伴工具，有几个小人，你可以跟它一起成长，跟它聊天、对话，也可以拍一张照片给它，给它进行装扮。
Tolan 的设计很出挑。
比如国内有些公司，像林间疗愈室，你可以跟几个小动物聊天，它会跟你互动、反馈。
比如王能康做的独响，它类似于 AI 朋友圈。最近独响又在推他们的手环硬件，我觉得很有意思。
比如之前也提过很多次的自然选择做的 Eve，AI 男友、恋爱女友的讨论也非常多。
但是，以一个冷血一点的投资人的角度来看，这个公司在做的尝试，可能更多是在交互和设计层面想办法。交互和设计层面之外的东西，我们就不知道了。
同时，我觉得对于很多公司而言，这个板块的尝试，尤其是中国模型公司而言，是一种在主桌之外的尝试。
因为刚才我们讲过，主桌是语言大模型、强化学习和智能主线。哪怕再加两张副桌，Coding 和多模态，竞争也已经非常激烈了。
除了这些之外，还有没有一些桌可以打？社交是很重要的一桌。
所以你会发现，这个板块里出现了很多中国公司。有一类是大公司，比如字节、美团。美团都在做 AI 陪伴，因为美团最近也在推他们的开源模型。
美团其实一直在做大模型，但想要突破并不容易，所以他们也在做这个事情。
比如昆仑、赵亚辉老板，比如 MiniMax。但他们面临很多问题，比如商业化问题、增长问题，以及各种各样的问题。
我们还看到做在线教育的作业帮也在做 App。我们看到了元象、西湖心辰。
元象是元宇宙时代就在讲 AI 故事的相关初创公司。之前他们讲 AI 游戏，到了这一波 AI，他们又开始讲自己做大模型。
但他们当然很难上主桌，所以也做 AI 应用。
西湖心辰也类似。在最初中国那波大模型公司里面，西湖心辰是接近六小虎的。但今天因为各种各样的原因，可能已经没法参与主线战争，那就去参与附着的方向，也就是社交陪伴。
这听起来不就又圆起来了吗？似乎游戏厂商也应该参与。
当然了。米哈游的蔡老板在新加坡，他们不是前一段时间推出了新的游戏吗？其实那是一个我觉得更接近社交陪伴类的应用。
你跟 NPC 通过语音对话去解决各种各样的问题，所以这不又圆起来了。
然后下一个关键词是 Google。
在这个榜单上，第一次出现了 4 个 Google 的项目：Gemini、NotebookLM、Google Labs 以及 Google AI Studio。
好事是都出现了，坏事是，你会认为大公司就是大公司，各个业务条线、各个事业部之间还是有很多部门墙。大家都出现了，但彼此之间可能还是分开的。
Google 在过去一段时间的模型能力和产品进展上，比很多人预想的要好。所以很多人会说，Google 回来了，Make Google great again。
当然，最近一段时间讨论最多的就是前面也提到的 Google 新图片模型 Nano Banana。
在小红书和朋友圈，大家最近几天应该已经疯狂看到那张 AI 生成 3D 手办的图了。
虽然那个 3D 手办没有办法真正打出来，它只是一张图，但那个效果已经让大家非常震惊了。
你也看到很多电商场景，或者让模型把两个人、一些物品组装在一起，同时保持一致性，这件事情也非常强。
甚至有一些二次元爱好者，把自己喜欢的二次元角色变成现实中的状态生成出来，也做一些图片。
更极端的是，很多朋友做了一个尝试：我给一张图片，然后指定图片上的一个位置，说把这个位置的视角变成另一个视角。原来是俯视角变成平视角，原来是前视角变成后视角。
它的这些能力，我用一个成语来讲，叫言出法随，非常强。
然后出现了一个小故事，我觉得非常值得讲。
小猫补光灯的作者花生在即刻上发了一张图。他给女朋友拍了一张照片，女生站在一个房间里。
他给 Nano Banana 的提示词是：再放一张照片，是一个海滩的地图截图，不是那个海滩本身，而是一张地图上的位置截图。
他说，把图 1 里女生的照片放在图 2 的地图位置上，然后生成一张看上去几乎没有任何漏洞、像是他女朋友真的站在那个海滩上的照片。
我看到这条即刻之后，在下面评论说：“把这个功能封装起来，似乎就是一个小产品了。这个产品可以叫云旅游。”
模型能力已经溢出到这个程度，似乎产品的边界也变得模糊了。
同样，在我把 PPT 第一版更新完的 9 月 3 日，三色塔发布了今年上半年的 AI 行业应用报告。
它做了一个统计，我觉得非常有意思，也让我想了很多。
它统计的是从 2023 年到 2024 年、2025 年的对比，也就是 2023 年下半年和 2024 年上半年对比，2024 年下半年和 2025 年上半年对比。
对比的是各个品类，也就是 App Store 分类当中带 AI 的应用增长数量。
听明白了吗？就是各个分类中 AI 相关应用增长的数量。这个增长数量不是 AI 应用的绝对数量，而是增长数量：原来可能没有这个应用，有了 AI 之后，突然多出来的基于 AI 的相关应用。
大家可以想象一下，什么品类是边际增长最多的品类。
第一名是营养与美食。为什么是营养与美食？还有很多是宗教与灵性。
为什么是这些品类的产品变多了？我想的一个逻辑是，AI 的能力对于这些品类应用的增强，以及边际效应的影响是最直接、最容易被看到的，所以大家都去捞。
下一个关键词是 Web Coding。这个其实在前面 Coding 那一桌已经讲过了。
Coatue 是美国知名的对冲基金和风险投资基金，它在今年 6 月份的报告里讲，AI Coding 从 2024 年到 2025 年中，生生抠出来一个新增的 10 亿美元体量的市场。
那几家最头部的公司增长非常快。Lovable 已经到 1 亿美元，Cursor、Replit 也都在快速增长。
整个今天这个时间点，在 Coding 这个板块，无论是做客户端、本地端、服务端、数据库、安全、外部编辑器、App 编辑器，还是做前端、后端，凡是你能想到的工具都有。
甚至很多工具把这些功能全部包在里面了。
刚才我们讲的几家头部公司的 ARR 增长非常快，这里面出现了一个我们下面会讲到的关键词：ARR。
头部模型厂商里面，Anthropic 现在看上去的战略选择就是 All in Coding。
他们在今年年初推出了自己的第一方产品 Claude Code，增长非常快，已经快到比 Cursor 更快，甚至正在影响 Cursor。
但反过来有一个问题，这个问题其实在这一季光锥智能和小军的大模型季报里面也提到过。
Anthropic 作为行业第二和追赶者，可以选择 All in 一件事情，可是对于行业领先的 OpenAI 和大公司 Google 来说，是不能只赌 Coding 的。
所以造成的结果就是，Web Coding 之后，一切皆可 Web。Web 营销、Web HR、Web 创业，都可以。
到了产品这一章最后一个小议题，ARR。
8. ARR 重写增长叙事
提到 ARR，我们就稍微多聊一聊。ARR 到底是什么？似乎没有人解释得特别清楚。
年度收入不应该叫 ARR，应该叫收入。年度订阅收入怎么算？退款怎么算？打折怎么算？都是问题。
更重要的是，ARR 应该是目前我们能够看到的各种 AI 榜单当中最常见的一种类型。
我在 PPT 上列了几份 ARR 榜单，包括 Not Boring 的 ARR 榜单、CB Insights 的 ARR 榜单。你会见到各种各样的 ARR 榜单。
ARR 似乎成为我们衡量 AI 公司的一个很重要的标准。
前两天 BVP 基金发布了今年在 AI 领域的趋势报告，他们会把 ARR 的增长作为衡量 AI 超级明星公司和一般公司的最重要指标。
18 个月到 1 亿美元 ARR，就是最牛的公司、最牛的初创 AI 公司。就这么粗暴。
但这里出了一个问题。前两天我的好友兰溪在即刻上发了这样一条动态，我觉得很有意思。他说：“上线不满一年的产品不允许用 ARR 这个指标，立法了已经，违者死刑。”
他为什么会发这个？因为大家确实在过去一段时间看到了太多新闻，说某某公司在很短时间内达到某个很大的 ARR 数字。
比如我上线 9 天，号称达到 1,000 万美元 ARR。
那这 1,000 万美元怎么来的？大概率应该是上线这 9 天收入加在一起，再乘以 40，因为一年 365 天。
但问题是，如果今天这个用户付的是年费，你把它加总在一起再乘以 40，其实是 40 年的数字。
比如他一年付 200 美元，或者一年付 365 美元，你不能把 365 直接乘以 40。你应该用 365 除以 365，再乘以 9，得到 9 天的收入，然后再乘以 40。
这里就出现问题了：上线不满一年的产品能用 ARR 吗？
如果能，最低去算 ARR 的时间周期应该是多久？是季度乘以 4，还是月乘以 12，还是周乘以 52，还是天乘以 365，或者小时乘以多少，甚至秒乘以多少？
说到这里，你已经能听出，这个数字本身可以做各种各样的解释。
还有刚才我们没有问的问题：退款怎么算？打折怎么算？
如果你有一个周期，不同周期之间肯定有起伏，为什么你就可以用线性外推？
说一个更简单的例子，做游戏的人都知道，游戏的年流水预估不能用手游流水乘以 12，因为那个数字一定会掉。手游流水可能就是最高峰，怎么能乘以 12？
很有意思的是，前面我也提到，Manus 创始人之一 Peak 最近接受了一次采访。他是在新加坡 Stripe 的一个会上接受采访的，Stripe 是做支付的。
他们提到的数字是 9,000 万美元真 ARR。
这个数字怎么来的？相当于直接把后台支付数据拿出来：如果付的是年费，就除以 12；如果付的是月费，就作为当期数字加在一起，再乘以 12。
小红书的 CEO 在即刻上也发过一段很长的解释，说明他们为什么要让这样的数字作为年度收入数字的基础。
真男人就直接给你开支付后台，别给我扯那些 run rate。
产品讲完，最后讲到了钱，ARR。
讲到钱，我们就再多讲一点，多讲一点我更熟悉的板块：资本。
我们先讲二级市场，再讲一级市场，再讲退出，最后聊一聊是不是泡沫。
二级市场已经讲了两年、快三年的“七姐妹”故事，似乎出现了一些问题。有些公司掉队了。
现在市场头部 10 家公司，应该已经占标普 500 的 40% 左右了。除了 Mag 7 之外，还有博通、JPMorgan 和巴菲特的公司，这些都是大家伙。
无敌的 NVIDIA 之前也讲过了。每个季度 NVIDIA 发布财报，几乎已经变成了世界经济的晴雨表。
但是数学里有一个非常简单的定律，叫大数定律。它已经这么大了，未来增速当然会越来越慢。
在越来越慢的情况下，大家还能把整个世界经济撑在 NVIDIA 上面吗？
所以你会发现，即便这个季度尤其明显，NVIDIA 的收入又创新高，也达到了预期，可是市场已经完全不兴奋了，甚至还经历了一些回调。
除了 NVIDIA 之外，Mag 7 里面有 4 家有明确的 AI 战略，也就是在 CapEx 上投入最大的 4 家：亚马逊、Google、微软和 Meta。
我们一家一家看。
亚马逊的故事，只有 AWS 在 AI 领域。刚才我们前面讲过，AWS 在过去几个季度增长没有想象中那么快。
因为它跟 AI 没有直接绑定，但传说未来一段时间，AI 会越来越多地放在 AWS 身上，包括可能会和亚马逊一起研发 AI 芯片。
所以未来如果这个故事讲得通，并且在 AWS 每个季度的增长趋势，或者叫边际增长上看到趋势，亚马逊就会好一些。
Google 现在这个时间点在 AI 领域最大的问题是，到底 AI 对 Google 来说是危险还是机会。
威胁来自对搜索的威胁，机会来自新的 AI 是否会成为 Google 新搜索的可能性。
所以如果我们把 AI 的整个产业链拉长来看：应用、模型、云、芯片，在今天这个时间点，这 4 件事情全都很强的公司，全世界只有 Google 一家。
微软的故事其实也是完整的，只不过有些东西没有那么强。现在更麻烦的是微软和 OpenAI 之间的关系，所以他们一边谈，一边催着推出自己的模型。
Meta 的模型 Llama 不行了，所以要建立新的团队。
但 Meta 的强势之处在于，它是几家科技巨头当中唯一一家创始人还在一线打仗的公司，小扎还在。
同时，这几个巨头出现了一个趋势：大家发现 AI 对广告平台的影响和加成非常明显。
而且这个故事破解了一个什么困局呢？
Meta 在前两年跌得比较厉害。为什么 Meta 之前要去做 VR？因为 Meta 没有设备。
大家会说，为什么没有设备这么重要？因为 Apple 前几年改了广告策略，不允许广告平台获取太多用户数据，因为隐私的原因。
Apple 改了之后，包括安卓也改了之后，Meta 的趋势就变差了。因为 Meta 没有设备，只靠广告，但广告没有办法获得用户更多数据，你就没有办法做所谓的精准推荐。
所以之前 Meta 的负 Buff、Debuff 就是这个。
今天 AI 把这个 Debuff 减掉了，甚至变成了正面 Buff。AI 可以做这件事情。
这件事情对 Meta 的影响是直接的，因为你直接可以看每个季度的广告收入，就能看到这个数字。
当然 Meta 现在的问题在于，花了这么多钱，在那么短时间内挖了这么多人，而且都是大牛。亚历山大·王又不是一个善茬，团队管理会非常复杂。
最近一段时间不是疯狂出现一些新闻吗？有些人离开，有些人吐槽，包括原来 Meta 的 AI 负责人和亚历山大·王之间也有矛盾，各种各样的问题。
我们强调 Mag 7，强调其中无敌的 4 家有战略的巨头。那剩下两家，看起来就是至少阶段性在 AI 上失意的公司：苹果和特斯拉。
苹果的 Apple Intelligence 到今天依然不是特别理想的状态。
最近也有新闻说，Apple Intelligence 可能会使用 Google 的模型，甚至使用 OpenAI 的模型。
最近几个月也疯狂传出，Apple 在谈收购 Perplexity，以及那家法国模型公司 Mistral。
为什么是那家法国公司？很简单。主桌上的那些公司，美国公司它一家也碰不了了。
OpenAI 已经 5,000 亿美元了，怎么可能碰？收购别想了。xAI 是特斯拉和马斯克的。Anthropic 被 Google 和亚马逊绑定了。
中国公司更不要想。Apple 去收购一家中国公司，就跟自己要上市一样。中美关系要好到什么程度，这个批准才能过？
只剩下那家法国公司。所以那家法国公司最近也在融钱，因为它的地位特别特殊。虽然模型不是特别强，但它的位置很特殊。
特斯拉也一样。特斯拉的问题变成了，特斯拉主营业务的汽车销量在下降。
车的销量在下降，AI 又是一个超级烧钱的事情，所以马斯克现在也很难。
除了这几家最大的公司之外，过去两年多，整个美股市场里面也有几家公司享受到了巨大的 AI 红利。
Palantir 是给美国政府提供 AI 模型实施的公司。在整个标普 500 的统计里，它的 PS 和 PE 倍数一骑绝尘，PE 90 倍，PS 250 倍。
有人画了一张表，把标普 500 所有公司的 PE、PS 拉出来。在最右上角，Palantir 一骑绝尘。
最近分析 Palantir 的文章也很多。
第二家是 AppLovin。这家公司原来最早是做游戏和游戏广告的，后来把游戏业务卖掉之后只做广告。
刚才我们在 Meta 上讲过，AI 对这一波广告平台的影响非常直接且强烈，所以 AppLovin 在过去几个季度收入涨得非常快。
第三家，上一期博客我跟一鸣聊过，是维斯塔能源，Vistra Energy。
这 3 家都是得益者。
从结果来看，如果我们把今年年初到今天，应该是到 8 月 20 日左右，把 Mag 7 的股价拉出来，你会发现涨得最好的 NVIDIA，涨了 30%；Meta 涨了 28%，排第二。
虽然 Llama 表现拉胯了，但广告收入提升明显。微软排第三，涨了 21%，因为微软云和 OpenAI 的绑定，微软的故事是完整的。
Mag 7 平均涨了 10%。低于平均线的是亚马逊和 Google，每家只涨了 5%。
Google 的问题在于，那个威胁依然没有解决。虽然 Google 的 AI 能力提升非常强，包括最近一段时间 Google 解决了搜索引擎的问题，所以最近两三天 Google 又涨了一些。
亚马逊的问题在于，它只有 AWS。
这几家是涨的，另外两家当然就是跌的。苹果跌了 10%，特斯拉跌了 18%，全都对上了。
用二级市场大佬本杰明·格雷厄姆最著名的一句话：“股市短期来看是投票机，长期来看是称重机。”
二级市场讲完了，我们讲一级市场。
二级市场有非常明确的股价作为所有事情的衡量标准，一级市场没有。虽然一级市场有估值，但是不流通、不交易，那怎么办？怎么去衡量这个市场的变化和趋势？
硅谷银行想了一个非常有意思的方式。
它把能够收集、整理到的一级市场头部基金和相关利益方的 3,200 档播客内容，全部做了 AI 分析。基于这些内容分析出了当前市场的趋势和热门方向。
厉害吧？它给这个事情起了一个名字，叫播客指数。
所以美国播客为什么发达是有原因的，大家认可播客也是有原因的，跟中国不一样。
SVB 做这件事情我觉得非常有意思，它找出了 4 个主题：Crypto、AI、能源和国防。
而且每个主题都会有基于时间点和不同里程碑事件的趋势变化，非常有意思。有兴趣可以去翻一下它的报告。
先说一级市场融资。我也讲过无数次，2021 年和之后是两个世界。
从数据上来看，虽然 2025 年开始，甚至从 2024 年下半年开始，融资有一些回调，或者有一些回暖，但相较于 2021 年还是差得很多。
2021 年太疯狂了。
回头来看整个 OpenAI 的发展历史，今天叫价 5,000 亿美元，从最开始 200 亿美元开始，整个每一个节点的融资事件，基本也代表了 OpenAI 的发展过程。
回头来看整个美国 TMT 行业的一级市场投资，过去 20 年其实只有两条主线。
第一条是移动互联网，第二条是云。这两条主线依然在延续。
问题就衍生出来了：AI 能否成为第三条主线？
无论能不能，市场已经给出投票了。或者反过来说，不信这个还能信什么？
我在前几期跟汉阳聊天的时候也聊过这件事情，不信这个还能信什么？
所以我们来看，2025 年整个美国市场 58% 的 VC 投资投到了 AI 行业，36% 的项目是 AI 项目。
为什么这两个数字差这么大？因为 AI 项目贵。36% 的项目吃掉了 58% 的投资额。
过去 3 个季度大概是 440B 的融资。
这些项目无论早期还是晚期，一个字：贵，超级贵。
早期是又多又贵。比如在种子轮，像 YC 的项目，已经有 80% 是 AI 项目了。
在种子轮，AI 项目的融资额可能比常规项目多 40%左右。后续项目就不用讲了，对吧？一个项目融几十亿美元，甚至像 OpenAI 这种，一轮融几百亿美元都比比皆是。
贵。姜太公钓鱼，愿者上钩。
贵到什么程度？
OpenAI 前 CEO 米拉·穆拉蒂的新公司 Thinking Machines Lab，融资 20 亿美元，估值 120 亿美元的天使轮。
融资 20 亿美元，估值 120 亿美元的天使轮。什么都没有，只有团队。什么都没有，疯狂。
这么大的 Big Deal，似乎在整个 AI 板块成为了常态。
造成的结果是什么呢？
同样是硅谷银行的统计。它统计了 2021 年那个疯狂年代和今天的情况。
即便是 2021 年那个疯狂年代，超过 5 亿美元的 Big Deal，占比当时其实只有 18%；今天已经是 63%。
所以当年的分布比较均匀，今天就是一个 Big Deal 占整个大市场最重要贡献的状态。
这是好事还是坏事？说不清。
就在我做 PPT 第二个版本的第二天晚上，Anthropic 融了这一轮，融了 130 亿美元，估值 1,830 亿美元。
在这一轮之前，Anthropic 已经有 86 个投资人了。
86 个投资人，签字都要准备多少份？
这就造成一个问题。不仅 OpenAI 有 83 个投资人，Hugging Face 也有 53 个投资人。
这些投资人参差不齐。有些是正规的基金或者大型战略方，但有些人的钱你不知道是哪儿来的。
过去几年，在美国包括中国，另外一种投融资方式很火，叫 SPV，也就是特殊目的载体。
什么意思？比如 Anthropic 这一轮融 100 亿美元，我认为我认识 Anthropic，或者之前就是它的股东，或者因为各种各样的原因，我要拿到 1 亿美元的额度，但我没有 1 亿美元怎么办？
我再去融钱，相当于找别人当我的投资人，我来投 Anthropic，然后我在中间既享受 Anthropic 估值的增长，也能获得我们叫作通道费的收益。
这件事情无论在中国还是美国，过去几年依然一样。很多很多这样的安排，造成的结果是很麻烦，因为你不知道钱是哪儿来的。
所以最近一段时间，这个行业最牛的两家公司，OpenAI 和 Anthropic，都明确反对投资者通过 SPV 来投资自己。
同时，今天在中文互联网上，你会看到很多人挂着或者说自己是 OpenAI 的投资人，是 Anthropic 的投资人，是 SpaceX 的投资人。
这很有意思。
有一位在网络上非常活跃的人民币基金从业者，虽然我不知道那个基金投了什么，也查不到他们基金投了什么，但那个人就挂着自己是 SpaceX 的投资人。
我就想，你是怎么投的 SpaceX 呢？你是一家人民币基金啊。
后来想，应该就是自己可能放了一点钱，投到了一个不知道哪儿来的 SPV 里。
那你说他是不是？嗯，也是。但这种事情就很微妙。
所以今天如果你看到有一些人的对外 title 是 OpenAI 的投资人，尤其他又是一个国内的人，而且不是红杉这样的头部基金合伙人，也不是美国那些最头部基金的合伙人或从业者，那你就要多留个心思。
再多的话我就不讲了。
这么多 Big Deal，当然就需要大基金，所以基金行业的马太效应也非常明显。
2025 年上半年，PitchBook 的统计显示，Top 10 的基金融了市场 50% 的钱，Top 30 的基金融了市场 74% 的钱。
同时这些基金也变得更加多样化、多元化，不单纯做基金。要改变运营结构，要做 FA，要做各种各样的事情。
当然，除了这些基金之外，前面提到的二级市场那些大家伙，Mag 7，也都是很多初创 AI 公司最后非常重要的投资者。
NVIDIA 投了 12 家比较重要的 AI 公司，亚马逊投了 7 家，微软投了 7 家。
然后还出现了一个问题。
刚才讲的这些公司，比如 OpenAI、SpaceX、Anthropic，甚至字节、小红书，都出现了一个状况：它们业务发展其实都很好，只要想融资，市场上就会给到。
它们的投资人想出老股，只要有人想卖，就有人会买。
最近一段时间，字节和小红书都出了新闻，而且都是外媒报道。小红书应该是 310 亿美元，真实市场成交数据可能比这个还高，应该是 380 亿美元左右；字节是 3,300 亿美元左右，已经涨到这个程度。
你只要想卖，就有人买。
所以对这些公司而言，它们可以持续融到钱，甚至不缺钱，又有流动性，有些公司还会自己回购。
字节会回购员工股权和期权，每年都有这个价格。
那它们为什么还要上市？想过这个问题吗？
为什么要上市？待在那里不就行了？
从结果来看，确实如此。这些超级大的非上市公司在一级市场待的时间越来越长。
讲退出。
首先讲并购。在美国，并购比 IPO 更大，也更多。
2025 年可以下一个结论，甚至我在年终做 6 月那期报告的时候就写过：2025 年是绝对意义上的并购大年。
从数据统计来说，截至 2025 年 6 月，2025 年的数字已经超过 2023 年、2024 年全年。今年大概率会是历史新高，无数收购还在进行中。
就在我做 PPT 的这个时间，OpenAI 还收购了那家做数据统计的公司。就在昨天，Dia 被 6 亿多美元收购。我这个都没来得及放进 PPT。
在这些并购当中，AI 相关项目当然是最重要的项目，首当其冲，是 5 年平均值的 2 倍。这是 CB Insights 的统计。
但这些并购当中，大部分其实是我们叫掏空式并购。
这个讲过很多次了，包括最近 Meta 收购 Scale AI，其实也不算传统意义上的收购。
我给你一大笔钱，让你的所有投资人退出，给一个天价，让你不会有任何造次的想法。原来的团队还在，业务也还在，但我把核心几个人拿走，这就是掏空式并购。
同样，刚才那个话题，原来大家讲并购，更多是上市公司收购非上市公司。
可是今天市场上有很多家没有上市、但有持续融资能力，体量很大又非常有流动性的非上市公司，它们也在做并购。
OpenAI 就是典型。
大家似乎忘了，Sam Altman 早年是做投资人的。我发现今年 6 月 1 日，OpenAI 收购了苹果原来设计师创办的公司 io。
然后就是刚才提到的，在我做 PPT 第一版和第二版之间的那个晚上，OpenAI 还公布了以 11 亿美元收购 Statsig。
Statsig 是做数据统计、应用监控的公司，11 亿美元，非常热乎的并购。
这个并购的来源是这样：OpenAI 最近正式任命了应用部门 CEO 菲姬·西莫。她原来是 Facebook 的 VP。
现在收购的这家 10 亿美元公司的 CEO，其实是原来这位女士在 Facebook 的同事，他们俩之前合作过。
最前面的故事讲到，Sam Altman 在赌成为平台，ChatGPT 迎来所谓的微笑曲线，所以产品优先级被拉高了。这两位的加入也符合这个逻辑。
你要知道，这家公司不上市，但它又那么大，当然会有股权交易。
这种非公开市场交易在美国其实是很透明的。AI 当然也是最重要的标的，前十大标的里面，可能有 8 家是 AI 相关公司。
当然第一现在是 SpaceX，又回到刚才前面的话题。
并购讲完，讲 IPO。
一个结论：IPO 没有真正意义上开闸。从 IPO 数量来看也是如此，IPO 并没有开闸。
但过去两年 AI 领域出现了一些相关上市公司。从股价表现来看，这些公司的表现都很好，这会带来投资人的信心。
典型的，今年可能是最大的科技公司上市，Figma。
当然，Figma 上市之后，从上市第 3 天开始就一直在跌，疯狂暴跌，距离高点可能已经跌了一半以上。
但是 Figma 的上市依然非常疯狂。
疯狂到什么程度？Figma 天使轮的股票价值是每股 0.09 美元，上市当天一股 110 美元。
以上市初期几天的价格计算，Figma 的天使投资人 Index 在这个项目上赚了 1,850 倍。
A 轮投资者赚了 480 倍，B 轮投资者赚了 240 倍，连这个公司的 C 轮投资者都赚了将近 100 倍。
当然今天这个数字可能打个对折，但即便如此也太夸张了。
刚才提到它的天使投资人叫 Index。Index 这家基金最近非常红，红到什么程度？
我讲过很多次，红杉是 VC 行业的 King。现在很多人在探讨，Index 能否跟红杉相提并论。
为什么？看 Index 手里的 portfolio：Figma 一单赚 1,000 多倍；Index 手里还有今年以 320 亿美元被 Google 收购的 Wiz，那家做网络安全的公司。
Index 手里还有 Scale AI。Meta 用 148 亿美元让 Scale AI 的投资人退出。Index 手里还有 Roblox，还有没有上市的 Notion。
所以大家开始探讨，Index 是否可以跟红杉相提并论了。
太疯狂了。
这么疯狂，直接引发最后一个问题：是不是泡沫？
9. 泡沫开始反噬市场
只看标普 500 的 P/S 和 P/E，跟 1999 年到 2000 年的互联网泡沫相比，数字已经超过了。
再看另外一个核心数字：AI 数据中心和基础设施投入的钱，占 GDP 的比例已经超过了当年互联网时代。
所以，是不是又一次泡沫加大崩盘？
同样，硅谷银行统计了一件事情：把今天最头部的 AI 相关公司的估值拉出来，无论上市还是没有上市，再去对比互联网泡沫时代市场上最头部的公司，同时抛掉过程中的通货膨胀因素影响。
今天最头部 AI 公司的估值累计已经超过当年最头部互联网公司的估值。
而且更麻烦的是，当年很多互联网公司已经上市了，今天很多 AI 头部公司还没有上市。
再把相关指数的曲线做对比来看，指数涨幅的趋势几乎是贴在一起的。再看 P/S。
倍数，甚至比当年更疯狂。但是，你要知道，所有事情都是物极必反。当这么多人开始讨论泡沫的时候，你会发现市场出现了一些主动降温的趋势。比如，Sam Altman 在公开场合直接讲到，今天的 AI 投资是存在泡沫的。然后，MIT 最近一份报告说，95% 的公司尝试 AI 是没有得到效果的。这就造成了股市连续 3 天每天跌 2 个点、3 个点，当然这两天又回来了。
可是你要想，我也看了那份 MIT 报告。实话实说，那份报告的质量不能称得上高。无论是数据的来源、调研的方式，还是给出结论的推导过程，我觉得都算不上一份很高质量的报告，甚至都有点愧对 MIT 这个 title。但是就是这样一份报告，一个骇人听闻的 95% 失败率的数字，就能让指数连续几天调整几个点。我觉得市场似乎有点过于紧绷了。
但这句话又反过来说，为什么会这么紧绷？然后我们再去看一个现实的数字：91%。这个数字是什么呢？美国银行统计了大概 3,000 多位美国的基金经理，其中 91% 的基金经理认为当前的美股估值是高估的。91% 啊，这个数字已经高到几乎不能再高了。
但是，同样一份报告里有一段话是这样说的：相较于持有这些股份，把它们抛掉的风险可能更高。听懂了吗？人在江湖，身不由己啊。但这似乎听起来也非常危险。
然后延展出来的问题，可能这个问题也有很多讨论：AI 这一波到底会不会影响人类的就业？从数据上来看，前几年失业这件事情的锅不应该由 AI 来背，因为没有 AI 的时候也会有失业。我们回看当年的互联网和移动互联网，也是类似的。但未来是怎么样，不知道。最近也有一些报告提到，AI 对初入门的人类工作的影响是非常直接的，但再往上还好。
10. 吐槽拆穿行业套路
讲到这儿，技术、产品、应用算差不多讲完了。然后我们进入最后一个偏轻松的氛围，吐槽环节。我大概列了 5 个小标题：喜新厌旧、世界首个、毛利为负行不行、谁他妈甘心做个插件呢、练练信商吧。听完这 5 个标题，你大概知道我要讲什么。
我们一个一个讲。喜新厌旧，什么“小寒”，叫“寒王”好吗？茅台，茅台算个屁。喜新厌旧，喜欢芯片不喝白酒，指半导体板块表现强劲，而白酒板块表现低迷。
“不寒而栗”，因为不持有寒武纪而惶恐不安的样子，这是最近股市出的段子。一旦出现股市段子，大家就知道这个事情已经热得没边儿了，对吧？同样的，我用了一张之前用过的图。刚才我们讲过，在美股的得意者当中，第一家叫 Palantir。
Palantir 为什么得意，或者怎么显现出它的得意？它在整个标普 500 里面，250 倍的 P/E、90 倍的 P/S，一骑绝尘。但是，如果我们用同样的坐标系、同样的方法去把寒武纪标上的话，Palantir 就是弟弟，弟弟中的弟弟。寒武纪在跌之前是 91 倍的 P/S、555 倍的 P/E。
因为这个季度寒武纪的财报出来以后，收入涨了很多，对吧？所以利润也涨了很多。如果是在之前，寒武纪的 P/E 有 4000 多倍。90 几倍、200 倍，好意思说话吗？所以，对于寒武纪的估值，似乎都有了重新的计算方法。
你要知道，今天寒武纪的估值已经快要接近英特尔。虽然英特尔在过去几年表现不好，可是那也是英特尔。今年 1 月 7 日，我看到一个段子：寒武纪以什么方式估值？概率法估值。它有 1% 的概率成为英伟达，所以它当然就等于英伟达 1% 的市值。
然后到最近这段时间，我们再去看这个段子，寒武纪已经超过了 1%，已经快到 2% 了，所以有了新的段子。问股民：“你知道英伟达吗？”股民说：“知道啊，不就是美国的小寒武纪吗？”段子啊，段子。
但是，寒武纪的股价前两天超过了茅台，对吧？我们回头看中国股市的历史，一家公司的股价超过茅台，其实是一种诅咒，诅咒。有很多公司当年超过茅台之后，跌幅都超过 99%，而且不是一家，是好几家，跌幅超过 99%。没有说错啊，是 99%，跌没了。
前两天，晚点做了一张信息图，显示这些公司的股价变化。我在底下评论说：恶意做图。
第二个，全球首个。你们家全家都是全球首个。你几乎可以天天看到媒体说某一个 AI 产品是全球首个，各种各样的定语，对吧？只要定语加得足够多，大家都可以做第一。
然后你会发现一些黑话。当然黑话我也讲过，但是这些黑话被用到宣传视频里，我也觉得很奇怪。前两天看到一个新闻，是一个 AI 玩具。这个 AI 玩具的公众号推送是“全球首款、又全球首个端到端 AI 互动玩具”。端到端是什么？为什么要用在玩具上？
有类似问题的不止我一个。在这条公众号推送的评论区，第一条应该就是一位普通用户问：“端到端是什么意思？”官方回答：“简言之，拥有媲美真人的流畅互动体验。”哦。
所以，从这些产品的营销角度来看，似乎已经成为一个 SOP。这个之前我吐槽过：首先放一个介绍视频，然后介绍视频全都是黑话，就像刚才讲的“全球收割、端到端什么什么什么”；然后都是 CEO 一张大脸。能不能换个样式？
然后都用邀请码，对吧？邀请码这件事我也讲过。早年你用所谓的成本考量，我还能理解。可是今天，大家会说病毒式邀请效果好，可是今天媒体投放——你会在你所关注的那些 AI 公众号里，几乎在某一段时间疯狂地看到某一家公司疯狂出现。就不能错开一点吗？非得同一天发吗？车轱辘话说好几遍，能换点话说吗？
我觉得头几家公司这么弄可能还好，但不能每一家都这么弄吧。下到什么程度？我觉得也很有意思。刚才我们前面提到一家美国投 AI 很多的公司，叫 a16z，包括那个榜单也是它做的。
a16z 前两天的 newsletter 推了两篇文章。一篇文章是教 AI 行业的公司怎么做 AI 产品宣传视频，另外一篇文章更扯淡，教这些初创公司的 CEO 怎么运营自己的社交媒体。就是当一件事情的套路已经套路化到逼投资人下场来教人做的时候，这件事情已经演化到什么程度，已经可想而知了，对吗？太荒谬了。
然后再下一个吐槽，毛利。我们前面讲到过 ARR，然后你发现最近一段时间讨论毛利的声音变多了。同样的，之前 BVP 那个报告里面，除了衡量 ARR，其实它也衡量了毛利。虽然初创公司的 ARR 增长非常快，但是它的毛利很低，大概只有 25%；相较于 SaaS 的 50%，甚至 60% 以上，真的太低了。
也是在我写报告的过程中，我关注的一个 New Zette 也发了一个报告，叫《AI 产品的 2025 年毛利水平报告》。你看，大家其实都在关注毛利。然后你真的细化去统计这件事情，你会发现 AI 好像是一场巨大的击鼓传花。
哪怕是那些看上去增长最快的 AI 产品，对吧？有人发了一条推文说，你付 20,000 美元给一个 App，比如像 Cursor 这样，然后 Cursor 付 500 美元给 OpenAI 的 API 费用，或者给 Anthropic。这 500 美元里面，可能有 300 美元是你融来的 VC 的钱。然后 OpenAI 再给 AWS 或者微软云 1000 美元，里面可能有 500 美元也是 VC 给的。然后 AWS 再去买 1 万美元的 M 一代芯片。你看到问题就出现在哪儿了吗？
M 一代芯片长成这样是有原因的，对吧？看上去是一个巨大的击鼓传花。然后有一张梗图是说，你可能有 1 亿美元的 ARR，但可能你的 token 费用是 1.2 亿美元。
The Information 还特意写了一篇文章，去算了一下几家头部模型公司和头部产品公司的能力。模型公司确实好一点，可能 Anthropic、OpenAI 是 50% 到 60%；像 Replit、Lovable 做 AI coding，可能占 20% 到 30% 左右。毛利甚至可能在某个阶段是负的。
这其实就出现了一个问题：亏损从来都不是风险投资或者硅谷担心的事情，烧钱这件事情太正常了。但是，一个亏钱的生意建立在另外一个亏钱的生意之上，这个事情就有点诡异了，对吧？
这里面出现的问题是，我们在前面讲模型的时候说，不是号称模型成本每年要降 10 倍吗？那今天的毛利，明天如果今天没有毛利，哪怕我坚持到明年，因为模型成本降了 10 倍，那我的毛利不应该是 90% 吗？可是我一看账单，我消耗的 token 数量涨了 1 万倍。哪儿出了问题？这个假设难道不对吗？
两件事情出了问题。第一，没有人会用老款的模型，就跟没有人会看昨天的报纸一样。今天这个时间点，世界上最先进的模型，单价几乎没有降过。今天的 GPT-4o 确实比去年的 GPT-4o 便宜了，但是因为有 GPT-5。
第二，几何倍数的消耗。我们前面讲过，衡量一个模型跟 Agent 的能力时，我们现在用时间来衡量，原来是几十秒，现在变成几个小时，而且这个长度是以每 7 个月翻一番的方式在增长，它是一个几何倍数的增长。所以，你之前建立在线性外推基础上的所有假设都失效了。
怎么办呢？这就倒逼所有 AI 产品调整计价方式，无论是模型公司还是应用公司，最近一段时间调整产品定价的公司特别多。最有名的是 Claude，对吧？Claude 现在推出了 Claude Code。甚至有些第三方榜单会显示使用 Claude Code 的 token 数量排名。
中国不是有一个榜一大哥吗？可能付 200 美元一个月，但是他用了他妈几万美元的 token。那这种生意怎么可能持续下去呢？对于 Anthropic 来讲，所以它调整了计价方式。
然后下一个讲插件。这个是 QuestMobile 今年发布的《2025 年 AI 应用半年报》，然后它把 AI 应用分成了 3 个类别，分别是 App、网页和插件。App、网页和插件，然后统计了一下 2025 年上半年的增长情况。
非常不幸的是，App 和 Web 的 AI 应用，只有三分之一的应用有增长，其余的都是负增长。但是在插件板块，有四分之三的插件增长，四分之一的插件没有增长。这些插件绝大部分来自厂商自己：浏览器插件就是浏览器公司做的，微信就是小程序插件。
可是问题在于，如果是一家独立公司，谁他妈甘心做个插件呢？所以现在摆在很多人面前的问题在于，哪怕你有一个 App、一个 Web 端的独立产品，如何保持持续增长，对所有人来说都是问题。
最后一件事情，信商。这两天阅兵，对吧？你会发现各种各样的特朗普恶搞图片。如果今天是一个对 AI 还没有那么了解的人，他可能真的认为这些图片是真的。
年初 DeepSeek 火了之后，那篇假的、我也讲了无数次的知乎上梁文锋的假回复，已经骗了很多人。前两天也是 DeepSeek，有篇文章说 DeepSeek 融资了。那篇文章是怎么来的？是通过各种各样的渠道，有些内容可能是 AI 在某个不知道的地方生成的，然后被另外一个 AI 通过总结、整理的方式收录，再被另外一个 AI 总结、收录。经过几轮的洗之后，这个新闻就越来越难判断它到底是真是假。
我这个人特别、特别看不得这种假消息被转发，可是我对这些假消息明显感觉越来越吃力了。那还好，还好的是国家出手了。今年 3 月，网信办发布了关于印发《人工智能生成合成内容标识办法》的通知，这个事情 9 月 1 日正式实施了。
所有平台展现给用户的内容，如果有 AI 生成的部分，一定要做标识，无论是显性标识还是隐性标识，都是强制要求。那这种事情能不能避免刚才我说的那个问题？我觉得不太可能，但是有总比没有强。最后的最后一页是一个非常有意思的梗图，过去两年行业的总结：AI，是问题。AI，也是解决方案。好，感谢大家收听这期播客内容，两个小时左右。我这个报告涉及的所有外面的图表、引用都在我的 IMA 知识库里，有需要可以去扫描添加。再次感谢，希望对大家有所帮助。以及预告一下，类似的这个选题 11 月 1 日左右或 10 月初我还要再做一次，压力有点大，感谢感谢。