庄明浩
哈喽，大家好，我是明浩。我现在处于崩溃中，因为这是我第 2 次录制。刚才录制的版本有 2 小时 10 分钟，但是我没有点录制，有点疯，但是没办法，还是要继续。
今天的内容叫《2025 年 AI 行业综述》。到年底了，虽然还有 2 个月的时间，但也差不多是时候了。跟去年一样，我做了一份非常长的关于 AI 行业的综述整理。
之所以做这份内容，除了之前做 PPT 的习惯之外，也是因为上周末在上海的狂喜播客节上，我跟关雅荻老师，也就是狂喜播客节的主办方，申请了一场专场。我说我想讲我做的这个内容，90 分钟。虽然我不是脱口秀演员，但差不多是这个意思。
这是我第 1 次在影院的放映厅里放 PPT，感觉还是非常不一样的。我也会挑几张照片放到 show notes 里。现场其实有不少人去听了，听完之后，包括回来之后，大聪明、赛博禅心都发了我这个 PPT。也有人问，会不会有在线版本。
因为当天现场我的场次只有 90 分钟，所以过程中我一直在前面放了一个表。我知道整篇内容的结构，其中有几章我做了比较加快的处理，最后正好用 1 个半小时讲完了这 170 页 PPT。但你一听，90 分钟讲 170 页 PPT，确实太快了，有些内容没有展开。回来之后我就想，还是自己录一段吧，于是就有了今天的内容。
我们正式开始。今天这个 PPT 的标题叫《我们不知不觉地走到了这里》，有一个小标题叫《事情为什么会他妈发展成这个样子》。
1. AI 走向极端
为什么会带着这样的情绪呢？我觉得可能是因为过去这 1、2 个月，大家讨论比较多的一个问题：AI 行业是不是泡沫，是不是过度建设了，是不是走到了很多事情的极限。所以我带着这样的情绪展开今天的内容。
今天的内容核心上分成 4 个板块，其实跟我上次以及再上一次做 PPT 整理的逻辑一样。第 1 章先讲技术，也就是大模型本身的事情；然后讲产品，从技术趋势到产品趋势；第 3 章讲我更熟悉的资本市场趋势，包括二级市场、一级市场和退出；最后做每一期的一个小主题。上一期是吐槽，这一期讲泡沫。
所以一共是 4 章：技术、产品、资本和泡沫。
因为这是第 1 次做纯线下的、类似粉丝见面会或者专场的活动，所以我还是有些紧张。当天上台之前，我就在影厅前面做准备。我每年可能少说也要讲几十场 PPT，二三十场至少应该有，很少需要在演讲之前深呼吸。那天我在前面真的做了深呼吸，因为我发现自己的心跳已经到了 130。
当天在现场，我第 1 页先做了一个小调查。我问有多少人是我的听友，大概有三分之二举起了手，我就相对比较放心，因为大家知道我是什么样的风格。然后我又问，有多少听友是从 2024 年就开始关注我的，大概有一半。
第 3 个问题是，有多少听友加入了听友群？大概只有五分之一举手。我说，这个转化率还是差一点。我平时看到的很多报告、数据、图表，包括比较好的长文，都会分享到听友群里。
第 4 个问题是，有多少听友曾经听过或看过我的 PPT？基本上，播客粉丝跟听友的比例在现场还是比较高的。
在 10 月下半月，因为这次 PPT 的准备大概就是从 10 月下半月开始，所以准备过程中我串台了 3 期节目，其中 2 期已经上线了。
一期是串台《扣舷与融汇的十字路口》，当时标题叫《2025 AI 现场：我们这一年的目击与狂想》。我转过来之后换了个标题，叫《我可是 AI 司马迁呀》，大家应该也看到了。
另外一期是去了波波的《经济波财经》。当时的内容大概叫《2025 年 AI 复盘：从疯狂加速到泡沫争议》。我在现场问有多少听友听了这两期节目，差不多有一半人听过。其实今天很多表述，在当时的两期串台节目里也提到过。
还有一期串台还没有上线，是我去跟面基的老钱聊天。他更多跟我聊的是一级市场，但最后不可避免地聊到了 AI。
当时的感受很像脱口秀演员去开放麦。因为我可能听脱口秀相关的播客比较多，这就像去开一场开放麦：过程中感受一下逻辑和讲述是否顺畅，听者、观众的感觉怎么样，然后才有了今天这个专场，170 页 PPT。
开场我讲了一个故事，这个故事在之前的《十字路口》里也提到过。
前几天我看到一个新闻，觉得很有意思。央视新闻采访了一个杭州做女装的商户女老板，问她今年生意怎么样，有什么想表达的。那个女老板说了一句话：她今年卖了 7 个月的短袖。
7 个月的短袖。你想，这不就叫卖了 7 个月的短袖吗？10 月底去采访，往前 7 个月就是 3 月，那确实该卖短袖了。
差不多时间，影视飓风的团队去上了老罗的播客。他说现在影视飓风最大的收入来源是电商，有一件 T 恤卖了 20 万件。我去淘宝上找了这件 T 恤，就是一件非常基础款的短袖。
除了影视飓风的流量能力强之外，它能卖 20 万件也很重要，原因是今年夏天尤其长，尤其是在上海。我在 11 月 2 日讲狂喜播客节的演讲、讲这个 PPT，以及我在 11 月 3 日录制这期内容的当下，都还穿着短袖。
11 月了，我的天。
差不多时间，10 月底，在杭州灵隐寺，有一些小红书用户发现，杭州天猫服饰团队集体去了灵隐寺拜拜。他们在祈求什么呢？祈求老天赶紧让天气变冷。如果再不冷下来，双十一的服装就没法卖了。
天猫服饰团队在祈福降温。
这个时候我想到了前几次跟汉阳录播课的时候说过的一句话：VC 特别像祭祀求雨。因为人类总是要在非常不确定的环境中找到一些可以确定下来的东西。不断重复，如果真的实现了，哪怕只是部分实现，它就会被坚持下来，成为一种仪式。
当时我说的“祭祀求雨”，现在看上去并不仅仅是 VC 行业的状态，甚至很多行业都是这样。
这就引发到我们今天谈论的话题：这一轮 AI，到底是史无前例的技术革命，还是历史上最大的烟花，甚至两者兼顾？我们不知道。
我觉得这跟这件事情联系起来的时候特别有意思。它像两个极端，但是同一种荒谬。我们在探究世界，面对失控的自然和气候，在祈祷一种侥幸；在规训世界里，冒进到极致的商业逻辑，又去豪赌一个没有人知道的未来。
两种极端，同一种荒谬。事情似乎只能走向极端。
这句话我在上期 9 月份的 PPT 里也提到过：事情怎么会变成这个样子呢？
首先，这是系统性的极端。无论是持续 7 个月的盛夏，还是透支万亿商业的未来，全部都是极端。而当人类面对这种极端时，解决方式是期待另外一个极端来解决它。
我们从追求中庸和平衡的文明中，滑向了一个不可避免的极端时代。
为什么会这样呢？
2. 回看行业轨迹
然后我回头去看我过去做的几期关于 AI 行业的 PPT。科技记者，AI 司马迁，对吧？我回头去看了一下司马迁的记录。
2024 年底做了《我们到底该如何记录 AI 行业这一年》，139 页。春节回来，DeepSeek 火了，我做了《DeepSeek 爆火》，2025 年 2 月，74 页。Mistral 3 月份火了，我做了 Mistral，70 页。4 月份关于 Agent 的讨论特别多，就做了 Agent，58 页。
6 月份，吴晓波频道的老师找到我做了一期节目，128 页。7 月份，基于之前 6 月份做的内容，做了一个简单版，53 页。然后就是上一次 154 页的 9 月份那期，叫《推理想打怪，场景想开图，投资想氪金》。
如果大家有需要，可以去看我 PPT 里放的 ima 数据库二维码，我所有的 PPT 都在里面。
回头来看这些 PPT，其实不需要看内容，只需要看这些 PPT 的目录。很多行业发展的事情、当时关注的东西和脉络，都会在按时间线的记录中浮现出来。
某种程度上，我愿意做这种事情，也是因为你会通过这种被动的方式，不断让很多东西沉淀下来。
当时做这次 PPT 的时候我就在想，因为每次 PPT 的间隔时间其实都不会特别久，可能两三个月是一个常规平均状态。两三个月里总会有一些内容是不变的，所以总会把之前那些 PPT 拿来重新使用。
但这次因为是专场，我觉得这种方式对已经比较熟悉我的听众而言有点不负责任。毕竟大家在狂喜播客节是买了票来的。
所以我想，这次不要再用这样的结构，换一种结构。我单独做了一章，叫“回顾”。
这一章是把一些我认为之前 PPT 中的内容，在这一次整理当中依然可用的部分做一次回顾。回顾的方式特别简单：把原来 2 页 PPT 变成现在的 1 页，做一个缩放。每一页缩放都有一个主题或者关键词，我们一个一个看。
第 1 个关键词叫 OpenAI。当然是它，怎么可能回避它呢？
在这 2 个缩放页里，第 1 章是“Sam 可能要解决的是当下世界上最难的题”。当时我列了几个要素：要解决财务投资人的问题，要解决微软的问题，要解决英伟达的问题，要解决政府的问题，要解决团队的问题，要解决竞争对手的问题。
现在回头来看，Sam 依然在解决这道题，甚至这道题变得更复杂、更难。同时可能在今年 Sam 解决这道题的过程中，我觉得在某个时间点他可能顿悟了。
顿悟的结论是：这场游戏要死，大家一起死。
在 OpenAI 这个关键词下的第 2 页，我用了那张无数次用过的图，就是 L1 到 L5 的技术划分。这张图也被无数人贴到自己的 PPT 里。
Chatbot、推理、Agent，L1、L2、L3，我们正在 L2 到 L3 之间。截止到今天这个时间点，这一波 AI 的技术主线依然在延续，只不过 L1、L2、L3 不是线性递进，而是并行的。
因为直到今天，头部模型厂商对于基础模型能力的提升，依然在非常不遗余力地做各种工作。
第 2 个关键词，行业叙事。
OpenAI 今天已经 5000 亿美元了。行业叙事除了模型本身之外，用 OpenAI 估值的提升来描述也可以。每一次 OpenAI 融资都是一个里程碑。更重要的是，OpenAI 已经 5000 亿美元了，超过了字节，超过了 SpaceX，是世界上估值最大的非上市公司。
这个行业过去两年，甚至到今天仍然非常严重的一种简单粗暴的递进关系是什么呢？
拿越来越多的钱，建越来越多、越来越好的数据中心和基础设施，训练更好的模型，得到更好的结果。
这是技术之外关于钱的叙事。当然，这个叙事可能更多是美国定义的。那我们呢？我们能不能走出一个不太一样的叙事？
我在波波那期播客的视频版 B 站评论区里，也看到评论者提出了类似的问题：这套叙事可能确实是美国建立的，但美元今天出现了问题，或者说可能会出现问题。在这种情况下，我们能否走出不一样的叙事？
下一个关键词，技术实现。
我们是怎么做到 L1 的，又怎么做到 L2 的？现在正往 L3 走，我们怎么做到？有哪些科技与狠活？
预训练做到 L1，后训练和强化学习做到 L2，甚至 L2 到 L3 也是这样。预训练、强化学习、后训练，甚至包括今天出现的“中训练”这样的关键词。
我们用的就是这些科技与狠活。
在追求 L0、L1、L2、L3 的过程中，“通用”成为了某种基础，当然也是最头部模型厂商的目标。因为大家都在做通用的模型，或者通用的 Agent。
当“怎么做”和“要做到什么程度”这些事情都给定了，也就是技术路线和目标给定了，剩下的就是卷。所以过去几年，头部厂商之间的竞争非常激烈。
下一个关键词，英伟达。
我们回避不了 OpenAI，当然也回避不了英伟达。在我做 PPT 的那一周，也就是 10 月的最后一周，英伟达的市值突破了 5 万亿美元，人类历史上第一次出现这样的公司。
它是整个人工智能行业的绝对中心，每个季度几百亿美元收入，70% 多的毛利，账上趴着 1000 亿美元现金。这些现金流支撑着一切可能性。
除了 Sam 的顿悟之外，老黄可能在某个时间点也顿悟了。
做技术、做产品、做研发、订单排期、芯片一代一代更新、供应链，这些事情已经不足以描述英伟达了。老黄要做的是 AI 行业的央行，通过自己的方式去调控整个行业和经济。
下一个关键词，MAG7。
美股七姐妹：苹果、Google、特斯拉、Meta、微软、亚马逊、英伟达，如西部牛仔一般策马狂奔。那 7 位创始人像牛仔一样坐在马上的那张图，我也用了无数次。
没有人敢停下来。当然，每家都有自己的情况，家家有本难念的经。
有非常多的数据指标可以用来看这几家公司在股市中的占比、标普 500 占比，以及它们对股市增长的贡献比例。但某种程度上，在当前这个状态下，这些技术指标其实已经失效了。
因为到了 2025 年结束这个时间点，所有人一定会把预期打满。打到什么程度呢？
波波在播客里提醒我，2025 年底，人类走完了这个世纪的四分之一，也走完了一个 5 年。人类不可避免地会往前看，也会往后看。
会回看过去 25 年，也会往前看未来 5 年。我们有“十五五”规划，对吧？5 年计划。所有公司也一样。
今天你会发现，所有公司的预期都被打满了 5 年。
但这似乎有些讽刺。今天市场上的技术变化可能是按月在变化的，但是所有财务、投资和业务收入上的预期，却是按 5 年打满的。这中间肯定会有非常多不太对的地方。
下一个关键词，CapEx，资本投入。
最头部的 4 家公司，Google、微软、Meta、亚马逊，2025 年的 CapEx 投入接近每家 1000 亿美元。到 2026 年，在刚刚更新了 2025 年第 3 季度财报之后，这 4 家公司的 CapEx 投资一定会超过 1000 亿美元，而且每一家都超过 1000 亿美元。
这张 CapEx 曲线图，如果你关注这个行业，应该已经见过无数个版本了。无数媒体用过无数种配色方案，去画这样一张图。这张图已经快更新 2 年了，也就是说，这个增长周期才刚刚开始。
除了这 4 家之外，你会发现今天投资趋势里面还增加了一些新的公司。还有一点很重要，后面会详细提到：这些巨无霸们赚的钱，跟每年 1000 亿美元投资之间的比值很重要，因为它涉及另外一个问题——要不要发债。
而债务，是跟泡沫崩溃非常直接的因素，后面会详细展开。
下一个关键词，云计算。
云业务是承接 AI 的第 1 站。这个共识其实去年甚至前年就有。在过去 1 年里，阿里的整体叙事策略基本也是这样。你去翻每一季阿里的财报，在分析师电话会议上，管理层讲话基本就是这个逻辑。
细看美国最大的 3 家云厂商：亚马逊、微软和 Google。AWS 依然是领先者，但从每个季度的增量角度看，微软云的边际增量已经超过了 AWS。当然这一个季度有变化，但前几个季度已经出现了变化。
这个变化由什么引起？当然是因为过去几年 OpenAI 跟微软的独家绑定协议。当然，在过去一周，微软跟 OpenAI 的独家绑定协议也出现了变化。
下一个关键词，开源。
中国的 AI 模型江湖已经没有所谓“六小龙”之说了。开源成为某种正确的叙事，而且这种叙事是由中国厂商引导的，在全世界范围内都是如此。
开源似乎既是原因，也是结果，也可能是某种斗争的开始。
在当前这个时间点，AI 领域的开源并不等于拒绝商业化，也不等于没有商业化。开源生态的繁荣，成为所有模型厂商所追求的目标之一。
同时，在整个开源生态里面，各个细分板块的开源技术更迭和趋势变化，基本上也代表了当下行业的发展变化。
下一个关键词，中美对抗。
AI 发展到今天，大概率未来就是中国和美国之间的竞争了。欧洲不太行，日韩就更不行了。
这种竞争是技术、人才和资本的全方位竞争。那其他国家怎么办？
另外一个角度是，因为中美对抗这个因素存在，它会给创业者和投资人提出更复杂的问题。对于中国初创公司而言，需要在一种比较拧巴的夹缝中寻找可能的发展空间。
这件事情不仅对创业者如此，对做 VC 投资的从业者也一样。有些无奈，甚至有些无解，但活总得干。
下一个关键词，Agent。
这也不需要多做解释。2025 年是 Agent 的元年，关于 Agent 的讨论特别多：Agent 到底是什么？
但最近一个季度，相关讨论似乎开始变少了，因为大家真的开始去做了，聚光灯的关注也少了。
不过从项目和融资分类的比例来看，AI Agent 以及 Agent 基础设施依然是最重要的方向。甚至在 Agent 这个小板块里，做 AI Agent 的同时做 Agent 基础设施，可以让业务产生类似 T 运动的效果。
因为太多东西还不成熟，如果产生这种效果，很多事情就会变得不可控。像云厂商这样的巨头，在这个板块一定是全都要的。
下一个关键词，ARR，也就是年度经常性订阅收入。
现在所谓 AI 项目的分类其实都很难。如何评估这些项目的好坏，尤其是在融资时如何定价、如何给估值，ARR 似乎成为唯一标准。
但 ARR 本身又出现了很多问题，比如会有各种各样取巧的方式，后面会详细讲。
不看 ARR 还能看什么？看毛利吗？可是现在毛利似乎也没有办法看。我在上一次 PPT 里讲过，一地鸡毛。甚至很多人会说，AI 似乎就是一场巨大的击鼓传花。
从芯片开始，很多人会说大模型的单位成本其实在下降，那毛利按理说应该提高才对。可是问题在于，最头部的模型其实一直没有降价。
那这是幻觉吗？
还有人会说亏损、亏钱在硅谷是事儿吗？烧钱是事儿吗？这一轮 AI 还有这样的结论吗？
下一个关键词，Gartner 技术曲线。
我经常用这个分析框架，觉得它很好用。它既可以作为一个心理标尺，也可以作为判断未来的依据。你可以在不同时间，把不同的相关技术放在这条曲线上不同的位置。
但很多人会说，如果是这样的曲线，那似乎所有事情都需要经历一个所谓泡沫破裂的过程。那泡沫就是中性词了，对吗？因为所有技术都需要经历这个过程。
如果这条曲线一旦跟股票曲线结合在一起，很多事情就可以被解释了。确实如此，所以 Gartner 技术曲线我也用过很多次，而且每次做 PPT，都要去找最新的 Gartner 技术曲线。
下一个关键词，一级市场。
我借用了硅谷银行之前的一张图。那张图列出了每一年成立的新公司和新基金，并且按照年份做了一些周期划分，也就是行业周期。那两条曲线基本上是拟合的。
所以过去或者今天，依然有很多人会说，VC 一直都是先进生产力的代表。
可是今天，VC 这个市场或者行业，无论在中国还是美国，都遇到了一些挑战，可能中国的挑战会更大一些。
对于在中国从事 VC 行业的从业者而言，会非常拧巴。之前我在科技播客里也提过，一个美元基金的合伙人反问：你是否相信技术创新带来的经济增长？你是否相信 VC 对技术创新的促进？
这两个问题当然都没有错。愿意相信，就愿意做。可是现实中的很多条件，会让这件事情变得非常难。
对于很多 VC 而言，你是否能做到认清现实的同时，保持那份热爱？
在 AI 的大浪里，一级市场整体很难的情况下，AI 当然是最主要的叙事。面对冲天的流动性，面对人类历史上最大的技术革命的可能性，你不投这个投什么呢？
到这里，所有能够复用的关键词都讲完了。
你听完之后会发现，如果今天这期播客到这里结束，好像也可以。因为这些东西都没有变，所以之前那些页可以重新拿来用。
那后面的一百多页讲什么呢？
我做的所有这些 PPT，最难、最痛苦的事情，其实是行业的发展比你做 PPT 的速度更快。
在我加工这个 PPT 最疯狂的 10 月最后一周，发生了非常多事情。如果大家关注这个行业，应该知道发生了什么。
比如 OpenAI 和微软确定了 OpenAI 新的结构，包括跟微软未来的合作方式。10 月 27 日，NVIDIA 在华盛顿开了今年的 GTC 大会，公布了下一代芯片的研究进展、订单情况，还公布了投资诺基亚 10 亿美元，以及无数其他事情。
更重要的是，在过去这一周，MAG7 里面除了 NVIDIA 和特斯拉之外的 5 家——苹果、微软、Google、亚马逊、Meta——都发布了财报。财报信息量巨大，而所有这些内容都要体现在 PPT 上。
好，我们继续正式进入正题。
技术、产品、资本、泡沫。
3. 模型遭遇瓶颈
第 1 章，技术，又分成 4 个小标题：自然语言模型、开源、多模态和 Agent。
起初我在做这个 PPT 的时候，放了一张跟这些话题没有太大相关性的图，大概是芯片示意图之类的，因为没有找到特别合适的图。
但就在做 PPT 的过程中，10 月 29 日，我关注比较多的一家机构发布了 2025 年第 3 季度大模型进展报告。我把它的第 1 页截出来放在这里，发现它总结的 2025 年第 3 季度 AI 领域所谓的 5 大趋势，跟我这 4 个专题几乎一一对应。它只是把多模态换成了 2 个分主题：语音模型和图片模型。
首先说模型本身。
2025 年纯自然语言模型的主赛道、主航道——推理模型——在年初 o1 发布之后，这件事情就已经定了。其实再往前推，2024 年 9 月 OpenAI 发布 o1 开始，截止到今天，推理模型依然是大语言模型的主航道。
那在 2025 年纯大语言模型的研发上，我们遇到了哪些问题？无论是基础模型、推理模型还是 Agent，都遇到了哪些问题？
首先，强化学习强势崛起，而且是再次崛起了。我们要给模型做题，做得好就奖励，做得不好就惩罚。
所以为什么今年模型能力在数学和编程领域提升得那么明显？因为这两个领域有非常明确的激励模型。
问题来了，其他领域怎么办？那些没有办法明确验证的模糊领域怎么办？那些东西要不要跟人类偏好做对齐？那些创造性任务怎么办？
没办法验证，完全没办法验证。
之前大部分人的选择是只针对结果做激励。那过程激励就不重要吗？当结果激励的边际效应到了头，似乎过程激励的边际效应开始出现了。
如何防止 reward hacking？因为你给它设定了目标，模型就跟人一样，会为了目标不择手段。但你不希望它用野路子，用别的方法绕过去，对吗？
把所有这些问题加在一起，本质上其实是 AI 大模型三要素——算力、算法、数据——中的数据部分出了问题。更广泛地说，是数据获取出现了问题。
第 2 个问题是记忆。
在 ChatGPT 发布之后，关于大模型记忆和上下文长度的拓展，一直到今天都还在持续。但似乎，上下文长度的拓展可能仅仅是开始。
因为它会有更复杂的问题，比如如何平衡长时记忆和短时记忆，如何控制某一段记忆，如何处理语义漂移，以及如何处理不同记忆之间的冲突。
检索和访问这些记忆的效率现在仍然比较低，如何提升？甚至大家也开始探讨：在纯文本之外，其他形态能不能对语言模型提供促进？纯文本之外的可能性会是什么？后面会讲到。
第 3 个问题是 Benchmark。
Benchmark 的评判标准出现了问题。所有基准上的指标都是几年前的指标，几乎全部失效，已经没有办法评价今天最好的模型了。
而且在训练模型的过程中还有一个挑战：你到底是为了好用，还是为了打分高？
可是“好用”在现实中该怎么定义，又出了问题。到底是应用导向，还是打分导向？
现在很多 Benchmark 的数据会被泄露，很多模型在训练过程中会针对这些数据进行专门训练。那分数不就失真了吗？
模型的进展是按月计算的，但 Benchmark 的更新可能要半年甚至更长时间，它是偏静态的。那静态的东西如何评估一个动态模型的进展？
所以，长期有效的 Benchmark 非常难，非常非常难。
也是在做 PPT 的过程中，红杉中国让投资人自己做 Benchmark。他们做了一个 Benchmark，在我做 PPT 的过程中又更新了一个版本，包括更新了一批模型的数据。
这种动态更新其实也挺麻烦。
让我们具体看一些案例，再看数据层和 Benchmark 层面的难到底难到什么程度。
在这一轮 AI 之前的上一代 AI，典型代表叫 AlphaGo。
今年柯洁，中国最好的围棋选手之一，上了一次鲁豫的节目。他跟鲁豫访谈时，鲁豫问了这样一个问题：
“我听说现在所有职业选手每天其实都在跟 AI 下棋，你也是吗？”
柯洁说，是的。
鲁豫又问：“那你不会担心 AI 把你的思路、学棋的方式、解题和下法学过去吗？你不怕自己的数据被它吃走吗？”
柯洁的回答是：“我们水平那么低，AI 要我们的数据干什么呢？那不就污染它的数据库了吗？”
这是柯洁说的。
在他那个领域里，AI 的能力具体到了哪里，我们已经不知道了。
比如按正态分布来算，0 到 100 分，下围棋，动物下围棋可能是 0 分。基础人类下围棋符合正态分布，大部分人可能分布在 20 分到 60 分，像柯洁这种可能是 80 分、90 分，甚至 100 分。
我们原来认为，AI 是慢慢接近 90 分、100 分。但今天 AI 可能已经是 1 亿分，已经不知道飞到哪里去了，你已经没有办法评估了。
未来这一波 AI 模型的很多板块里，是不是也会出现这样的情况？似乎有些板块已经有这种苗头：但凡它突破某个临界值之后，人类对它的评估就出现了问题。
再看竞争。
在美国，基本上就是 4 家头部模型厂商：OpenAI 的 GPT、Anthropic 的 Claude、Google 的 Gemini，以及 xAI 的 Grok。
很多人会问，Llama 呢？Meta 的 Llama 呢？
Meta 的 Llama 已经掉队了，而且是在今年悄悄地掉队了。
你会发现，各种新闻、各种榜单，包括这 4 家头部模型厂商更新模型时，每次发布模型都会说自己是世界上最先进的模型。
前面讲过，当技术目标和实现方法基本给定之后，结果就是卷起来。
在 2025 年第 3 季度的大模型竞争表格上，我们看到了几家头部厂商你追我赶的状态。Meta 的 Llama 已经非常明显地掉队了。
做报告的国外公司把 DeepSeek 也放在了里面。你会发现，中国最好的头部开源模型，能力也在逐渐追赶世界上最领先的模型厂商。
那就要讲中国，当然不能不提刚才说到的开源。
除了大家知道比较多的 DeepSeek 和阿里千问之外，在“六小龙”说法消失之后，仍然坚持做模型研发的 MiniMax、Kimi 和智谱，也在疯狂推进开源模型的研发，而且跟得非常快。
就在我做 PPT 的那一周，MiniMax 发布了最新版模型，能力非常强，口碑非常好，无论国内还是国外的口碑都很好。
这里面就出现了一个问题。
我们原来做美元 VC 的时候，有一种非常偷懒的工作方式：美国出现什么，中国一定会出现什么；美国代表公司的估值，大概率除以一个数值，就是中国这个领域公司的估值。
这件事情在过去的移动互联网领域发生过无数次。
但是今天在 AI 领域，这个故事还能重现吗？
比如今天 AI 大模型领域最好的初创公司叫 OpenAI，估值是 5000 亿美元。那么中国头部初创模型公司的估值应该是多少？
原来我们一般会除以 3 或者除以 7。除以 3 是比较激进的，因为我们会认为中国消费人口更多，平台会更大。除以 7 是汇率，保守一点除以 10 也差不多。
可是今天，中国最头部模型厂商的估值大概是几十亿美元，也就是说跟 OpenAI 差了 100 多倍。
不是除以 3，也不是除以 7，更不是除以 10，而是要除以 100。那这合理吗？
开源甚至会被写进国务院发布的“人工智能+”行动意见中。在 GTC 上，老黄也展示了一张开源模型的进展图。你会发现，千问在过去几个月的增速非常快，也逼得美国那家头部厂商开源了一部分模型。
甚至 Airbnb 的 CEO 前两天在推特上公开说，他们正在使用千问，并且对比了千问和最新的 OpenAI GPT 模型，最后选择了千问。
所以综合来看，大语言模型的主桌大概就是这些公司：OpenAI、Google、Meta、xAI。Meta 能不能追上，还要看新团队组建之后的效果。
中国这边可能是阿里、DeepSeek、Kimi、MiniMax、智谱、腾讯和字节。
差不多了。
还有一家欧洲公司叫 Mistral，我也提过很多次，欧洲唯一剩下的独苗。但它的模型进展已经掉队了，比 Llama 还要掉队。无论是更新频率、模型效果、打分、口碑、增速，还是开源社区影响力，全面落后，甚至连 Llama 都不如。
但就是这样一家公司，在欧洲因为是独苗，被荷兰光刻机公司 ASML 投资，最新一轮估值达到 140 亿美元。
问题又来了：我们比不了 OpenAI，那我们比 Mistral。Mistral 都 140 亿美元了，中国的头部模型厂商应该值多少？
再看 2024 年和 2025 年模型厂商的调研数据。这个调研统计的是开发者使用不同模型厂商的比例。一个人会使用多种模型，所以加在一起会超过 100%，但你可以看趋势。
OpenAI 从 83% 降到 82%，基本稳定；Gemini 从 31% 涨到 80%，追得非常快。当然这是调研数据，不是绝对数据。Claude 从 46% 涨到 67%，涨得也不错。
DeepSeek 从 2024 年的 0，涨到 2025 年上半年的某个比例，再涨到今年的 53%。Llama 从 49% 跌到 43%。xAI 从 0 涨到 31%，涨得也很快。千问从 0 涨到 25%。Mistral 从 37% 跌到 22%，我们刚才说过，它已经掉队了，甚至比 Llama 掉得更厉害。
所以，Mistral 都 140 亿美元了，中国的 AI 模型公司值多少钱？
另外，单位 token 的成本确实在下降，而且是以指数方式下降。之前 Sam Altman 说过，每年可能下降 10 倍左右。
但是市场最领先的模型价格没有下降。什么意思？市场上总有一个第 1 名，第 1 名的价格不会降。当然它被别人取代之后会降，但站在第 1 名位置上的模型，价格不会降。
这也是为什么很多 AI 模型厂商的毛利没有因为模型成本下降而下降：大家都在用最好的模型。
之前跟寇姐和蓉慧在《十字路口》聊的时候，蓉慧问，如果回看 2025 年，对哪一个模型的发布最有印象？
他们猜可能是 GPT-5，或者 Google 的 Veo 3。我说那些确实记忆很深刻，但最深刻的，可能也是因为时间比较近，是 DeepSeek 基础模型 V3.2 的发布。
为什么呢？
我们前面讲过，DeepSeek R1 惊艳了世界。DeepSeek R1 的基础是 DeepSeek 基础模型 V3，通过后训练、强化学习和一些体验上的改进，得到了 R1。
今年 6 月，DeepSeek 发布了基础模型 V3.1 的更新版本，叫 V3.1-0528，也就是 5 月 28 日的版本。
当时很多人期待，2025 年能不能看到 DeepSeek R2。R2 理论上应该是在更强的基础模型上训练出来的，是跨世代基础模型能力推演出来的。
于是大家开始期待 DeepSeek V4 什么时候发布。
今年 9 月 22 日，DeepSeek 发布了 V3.1 的最终版，V3.1-Terminus。大家就开始期待，下一个版本是不是应该到 V4 了？因为有了 V4，差不多才会有 R2。
结果过了一周，9 月 29 日，DeepSeek 又发布了新的 V3 系列模型，也就是 V3.2，从 V3.1 跳到 V3.2，没有跳到 V4。
终究是我错付了。
很多人会问，R2 会不会基于 V3.2？谁知道，我们再等等看。
讲完自然语言模型，讲多模态。
4. 多模态扩大战场
多模态这个战场，正在从局部战场变成大战场：图片、视频、语音、3D，到世界模型。
图片和视频基本上已经悄悄进入生产管线了。它们已经换了一个更重要的名词，叫 media。它跟 media 的关联度，可能远远大于我们今天单独讨论图片和视频。
我们看到 Google 最近发布 Veo 3 的新版本，能力又一次提升。它本来就是这个市场最领先的模型。当然，中国厂商跟进得也非常快，快手、字节以及一些初创公司，跟进都很快。
然后就是世界模型。
Google DeepMind 的 Genie 3、李飞飞老师的 World Labs，以及混元的世界模型都在做，混元应该也在上周更新了 1.1 版本。
这又引发了我另一个沉睡的关键词：元宇宙。
如果世界模型真的做到极致，那不就是元宇宙的叙事又成立了吗？
就像 DeepMind 的那位创始人说的，世界模型可能就是孕育 AGI 的子宫。
再往下，刚才在记忆这一章里提到过，最后一个问题是：在文本之外，模型的数据获取上能不能有别的可能性？
最近一段时间，大概 10 月底，DeepSeek 和智谱差不多同时发布了自己的 OCR 模型，也就是图片识别文字的模型。
这件事情不是已经很多年了吗？为什么一个大语言模型实验室，要在差不多的时间重新做 OCR？
智谱和 DeepSeek 到底看到了什么可能性？
我们回想一下人类是怎么学习知识的。人类当然通过语言、文本和图片学习，但这些东西是通过视觉看到的。
纯文本 token 的长度，今天某种程度上已经到了极限。通过把图像识别出来并压缩，似乎能够突破这个极限。当然这只是一种设想，到底能不能实现，还要等模型厂商继续尝试。
下一个关键词，Agent。
2025 年是 Agent 的元年，这个观点已经提过无数次了。也不是我提的，Sam Altman 提过，Ilya 提过，Karpathy 提过，无数报告的标题都是这个。
但我在《十字路口》里也说过，Agent 要真正做起来，可能需要 5 到 10 年。
这个观点其实也有很多人提到过。比如 Kimi 的一位核心研发员工在知乎上写过：要实现 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 5 到 10 年，甚至更久，除非出现全新的颠覆性技术。
这段话我也引用过很多次。
最近一段时间，前 OpenAI 联合创始人、也是特斯拉非常资深的技术研究员 Karpathy，上了一次播客。他的观点被很多人转发。
他说，今年根本不是什么 AI 元年，只是 Agent 持续研发迭代这种 10 年周期的第 1 年。
为什么这么讲？因为他原来在特斯拉的时候，2012 年就看到了自动驾驶的 Demo，他认为那个 Demo 已经 ready 了。但直到今天，已经过去 12 年，自动驾驶依然没有达到理想状态。
他说，Agent 非常像这件事情。
今天你会发现，如果大家用过各种 Agent 工具，它其实没有想象中那么好用。
我在 PPT 里放了一段视频。如果大家下载的是 PDF 版本，应该看不到这段视频。大概意思是，一群足球运动员在踢足球，却怎么也没有办法把球踢进球门，动作特别搞笑、滑稽，就像这帮运动员集体得了脑血栓。
那就是现在这个时间点 Agent 行业的状态。
为什么会这样呢？
其实特别简单，它确实跟自动驾驶很像。这不单纯是 Agent 本身的技术问题，因为它需要跟环境产生交互，需要有行为。它的行为要跟别人产生关联，要访问别人的数据库、调用网页、搜索各种东西，还要有账户、数据、安全和用户体系。
所有这些事情，包括记忆上下文，以及如何把外部记忆上下文跟模型自身的记忆上下文区隔开，为了执行任务所需要的成本和时间，如何评判答案，如何设计激励模型，全部都是问题。
所以这已经不只是 Agent 自己的问题了。要把这些问题都解决得差不多，就像木桶一样不能有短板，因此没有办法很快解决。
在 Agent 这一波之后，又出现了很多词，比如 Deep Research、Computer Use、Agent Model。
这些关键词到底是在描述技术，还是在描述技术给人使用的产品？这个问题我在 Agent 那次 PPT 里也探讨过很多，没有什么答案。
接下来正式进入第 2 章，产品趋势。
5. OpenAI 变成平台
产品趋势分 3 个小节：OpenAI 是一家什么样的公司，热门的产品方向，以及 ARR 的趋势。
先看 OpenAI 是一家什么样的公司。
这是一家 5000 亿美元的初创公司。我们能不能用 ChatGPT 或者某一个产品来概括这家公司？
它到底是一家技术公司，还是一家产品公司，还是全都要？
这个问题之前也问过 Sam，他有自己的选择。
回看这一年，OpenAI 到底发布了哪些东西？
它发布了 o3、o4 系列，GPT-4.1，DALL·E 3，Realtime，GPT-5，Sora 2。这些都叫模型，是技术范式。
同时它也发布了 Codex、Pulse、AgentKit、Apps SDK、Sora App，以及最近发布的浏览器。这一波都叫产品。
一波是纯技术模型，一波是产品。
最近发布的是 10 月假期期间发布的 Sora App。很多人应该已经用过或者看到相关视频了。
很多媒体会说，我们这个世界不需要一个 AI 版的抖音。当然不需要，但 OpenAI 需要。
它需要的是什么？它需要把已经差不多成熟的技术，封装成用户体验良好的产品，交付给用户，并且寻找可能的商业模式。
OpenAI 需要这样做。
为什么它能做到这么多产品的发布？当然是因为过去一年 OpenAI 做了一次比较大的组织架构调整，把技术研发团队和产品、应用、运营团队分开了，并且找来了前 Facebook 移动端的一位女性 VP，出生于 1986 年，来负责产品和应用团队的工作。
现在 OpenAI 已经在某种意义上把这些团队拆分开了。还有新闻说，OpenAI 3000 名员工里有 600 人是前 Facebook 员工，这引发了更复杂的企业文化和组织问题。
也是在 10 月，OpenAI 举办了今年的开发者大会，Sam 讲了很多事情。
其中一件事情是，在 ChatGPT 的对话框中已经可以调用第三方工具。比如可以调用 Booking 订酒店，调用 Canva 做设计，调用 Figma 做网页或 UI，调用 Spotify 听音乐，调用 Zillow 查询美国房产数据，直接在 ChatGPT 聊天框里完成。
这件事情在做什么？
ChatGPT，或者说 Sam、OpenAI 在做的事情，我们很熟悉，就是 All in One。像微信、支付宝和抖音一样，一个 App 可以做所有事情。
在移动互联网年代，美国公司没有做到这一点。Google、微软、Meta 都没有做到。ChatGPT 想做成这个样子。
为什么它敢这么想？
首先，从用户数据角度来看，10 月 Sam 公布，OpenAI 最新的周活达到了 8 亿。7 亿是什么时候？是 2 个月前的 8 月。
今年年初，这个数字只有 4 亿。不到 1 年翻了一倍，而且是在这么大的数量级上翻倍。
更重要的是，我在上次 PPT 里也提到过，ChatGPT 在留存数据上看到了微笑曲线。使用时间越长，留下来的用户越多。
为什么会出现这种违反常规的数字和曲线？
因为当某些 App 到了一定里程碑之后，这些里程碑可能是用户量、覆盖率，或者品牌影响力的里程碑，用户就会越来越多地留下来。
所以它才敢做 All in One 的想法。
差不多同时，ChatGPT 和 Claude 都发布了用户使用行为的调查报告。用户可以用它们搜索、寻找建议、写文案、创造图片、分析数据、编程，做各种各样的事情。
原来的图只是一个百分比拆分图，看起来你大概知道结论，但没有冲击力。
我看到网上有人把这张图重新画了一下。他把所有用户使用 AI 的目的，以及这些目的原来对应的软件和网站，都放到了这张图上，冲击力就很强了。
原来做数据分析用 Excel，搜索用 Google，创作图片用 Canva 或 Photoshop，翻译用 Google 翻译。今天好像很多人都在用 ChatGPT 做这些事情。
The Information 统计了一下已经曝光和还没有曝光的 OpenAI 正在做的事情。
比如 OpenAI 可能还在做一个社交平台，还在做 AI 硬件，还在做机器人，可能还在做面向企业的服务。写报告的时候 OpenAI 还没有发布浏览器，但报告说 OpenAI 内部正在做浏览器。
OpenAI 之前还说要做招聘网站。它要做的事情太多了。
那这样一家公司，今天我们到底应该如何评价，如何定义？
从 OpenAI 的成本结构来看，大概 80% 的成本仍然花在研发上。也就是说，它更多还是一家技术实验室。可能 30% 左右的成本花在支持 ChatGPT 这样的产品研发上。
从成本角度看，技术为重、产品为辅，可能是 OpenAI 现在的结构。
但这足以形容 OpenAI 吗？当然不够。
10 月 29 日，OpenAI 和微软确定交易结构之后，Sam 做了一场直播。在直播过程中，他放了一张图，展示他设想中的 OpenAI 架构。
他说，OpenAI 的研究、产品与基础设施有 3 大核心支柱：必须成功完成构建 AGI 所需的研究，必须打造一个既便捷又强大的使用平台，同时还要建设足够的基础设施，让人们能够以低廉的成本使用他们喜爱的卓越 AI 技术。
整体架构最底层是芯片、机架及相关系统、数据中心以及能源。在此基础上训练模型，然后构建开放平台。
所以硬要拆的话，今天的 OpenAI 可能是 4 家公司。
第 1 家是我们最熟悉的技术研发实验室；第 2 家是我们相对熟悉、而且已经找了 CEO 的产品公司；第 3 家是 Sam 正在构建中的基础设施公司，涉及芯片、数据中心和能源；第 4 家可能是其他各种各样的公司，比如这次跟微软的交易结构中特别指出，硬件项目不在合作范围内。
所以 OpenAI 现在可能有 4 家公司，以后没准还会有更多。
讲完 OpenAI，再讲产品方向，一个一个来。
Chatbot 是我们最熟悉、使用最多的方向。数据统计截止到 10 月 24 日，因为最新报告还没有出来。
看 Chatbot 这场仗，ChatGPT 似乎已经赢了，占比一直很高。当然，Gemini 在过去几周增长非常好，非常非常好。再小一些的产品已经可以忽略，放到 Other 里。
真正看那些数字，OpenAI 的 ChatGPT 现在可能每周还在增长 3% 到 5%。因为它已经太大了，不可能暴涨。
但 Gemini 很疯狂，过去几周基本上每周增长 60% 甚至 70% 以上，有几周达到 95%。如果再这么涨下去，它们之间的差距似乎会被疯狂缩小。
所以 Chatbot 的战役还没有打完，有可能。
下一个是 AI Coding。
AI Coding 在这一年确实突飞猛进。Hugging Face 最近发布了一个关于 AI Coding 的报告。他说，如果把整个 Coding 流程展开，从早期做框架、做架构，到写代码、测试、发布版本、数据库、运营平台、QA，AI 正在渗透到各个板块。
每个板块都有不同的、专门服务于该板块的 AI Coding 公司。产业链分工已经非常细致了。
在这个板块里，我们看到了过去 1 年左右所谓的 AI ARR 增长神话：最快达到 1 亿美元的公司、最快达到 5 亿美元的公司，前面几家全部都是 AI Coding 公司。
今天你 6 个月达到 1 亿美元，明天我 3 个月达到 1 亿美元，大家不断刷新记录。
AI Coding 确实见到了无数增长神话。
但是最近事情发生了一些变化。进入第 3 季度开始，这些偏初创、独立的 AI Coding 工具流量在下降，而且是所有人都在下降。
哪怕最领先的 Cursor 也不能幸免。平均每周下跌 20%、30%、19%、15%，这么跌下去，AI Coding 的故事还怎么圆？
或者说，跌下去的这些流量被谁拿走了？
差不多同时，最好的两家模型厂商——Anthropic 的 Claude 和 OpenAI 的 GPT-5——都上线了第一方 Coding 工具：Claude Code 和 GPT-5 的 Codex。
这两件事情的增速非常快。前面说过一张 5 亿美元 ARR 的增长表，最新记录就是被 Claude Code 拿走的。
AI Coding 当然是一个巨大的战场。最后赢家到底是模型厂商的第一方产品，还是第三方产品？
你要知道，头部 AI 模型公司的估值可能已经到了 100 亿美元，甚至几百亿美元，它们也拿了很多钱，这场仗还得继续打。
下一个是通用 Agent。
我有一个不知道从哪里来的想法：通用 AI 这个说法似乎是我们这边独有的，美国那边好像不太说这个说法。美国似乎默认会有 AI，但不太说所谓的通用 AI。
不过这个板块里确实中国公司比较多，典型代表是 Genspark 和 Manus，都是中国公司。
很巧合的是，Genspark 最近出了融资新闻，红杉中国和腾讯投了最新一轮，估值 10 亿美元。这两家也是 Manus 的投资人，所以可能真的是中国叙事，我不知道。
浏览器的竞争最近又加剧了。OpenAI 也加入了战场，发布了自己的浏览器。
我之前用过两张 PPT。一张说，浏览器一定是平台运营之地，是整个 Agent 运行环境中很重要的一环。
另一张是我的 Mac 程序坞截图，打开了一堆 App，比如 Felo、OpenAI 的浏览器、夸克、Chrome 和 Perplexity 的浏览器。它们当然都是浏览器，但它们旁边还有豆包、ChatGPT 和 ima。
如果大家用过这些工具，会发现这些东西本身今天也带有浏览器功能，那它们似乎也是浏览器，对吧？
最近夸克更新了一个版本。夸克最初就是浏览器，有一个搜索框，当然可以做 AI 搜索。同时它增加了一个“助手模式”，打开之后，夸克就变成了像豆包一样的纯 Chatbot 助手。
于是你会发现，Chat、搜索、Agent、浏览器，整个就是一场乱斗。
再看不同公司的策略。Manus 的选择是，在 Agent 里面运行一个沙盒浏览器；OpenAI 的选择是，在浏览器里运行 Agent。
谁对谁错？没有谁对谁错。
是在浏览器里跑 Agent，还是让 AI 跑浏览器，没有谁对谁错。
那 Perplexity 的浏览器、OpenAI 的浏览器是 AI 浏览器，豆包和 ChatGPT 是不是？Chrome 呢？夸克呢？
再看一些数据。
QuestMobile 发布了今年第 3 季度 AI 应用的海内外数据。从整体行业增长来看，其实还在增长。海外大概季度增长 19%，中国这边增长 7%，各个品类都有各种头部公司。
报告开篇，主编刘震博士写了一段话：
“曾经围绕模型的狂热与想象正在逐渐退潮，市场开始用最朴素的标尺——用户价值与活跃规模——去度量真正的胜出者。”
我觉得这句话写得很贴切。
但整体增长的背后，也出现了一些不太好的变化。
如果大家有印象，我在上一期报告里引用了 QuestMobile 今年上半年的 AI 应用报告。它把所有 AI 应用分成 App、Web 和插件。
上半年，只有插件有比较多的厂商获得了正向增长。在原生 App 和 Web 里，三分之二的 AI 应用都是负增长。
这个数据在第 3 季度进一步恶化。
第 3 季度，App 仍然有 60% 在下跌，PC 网页有 75% 在下跌，也就是四分之三都在跌。插件原来有 75% 在增长，但今天只有 48% 在增长，不到一半，超过一半也在跌了。
也就是说，全市场平均来看，有一半以上的 AI 应用在下跌。
细看，Web 端跌得更多。刚才说了，75% 的 Web 端 AI 应用在跌。是用户尝鲜之后发现效果不理想，还是更重要的原因是用户不用了？
同样是在 QuestMobile 的报告里，它统计了另一个数字：人均单次 token 使用量也在下降。
报告的解释是，可能因为模型能力提升了，用户不需要多轮对话就能得到好的结果。但到底是模型能力提升带来的 token 消耗降低，还是用户粘性变低了？这两个答案之间的权重到底是什么样的，我觉得也没人知道。
Token 衡量不了，或者 token 在降低，那时长呢？
时长其实还在增长，但增长有点慢。中国最头部 AI 应用的平均使用时长可能只有十几分钟，几分钟都算好的。
这个时长很难撑起一个什么样的平台级机会，至少按照古典移动互联网理论来看。
产品趋势的最后一节，ARR。
ARR 到底是什么？
我在上一次播客里讲过，年度经常性订阅收入的计算方式，应该等于所有用户的年度订阅费用，加上所有用户其他订阅或者购买附加服务产生的收入，再减去用户退订。
要减去用户退订。
可是现在这个时间点，市场上这些讲 ARR 的公司，减去退订了吗？
ARR 已经成为初创 AI 公司的事实估值标准。所谓“1 亿美元 ARR 俱乐部”，超过 1 亿美元，你就可以说自己是一家不错的 AI 初创公司了。
之前有一份 VC 机构出的报告，把 AI 公司划分成不同类型。超明星公司，是在 1.5 年时间内达到 1 亿美元 ARR；普通明星公司，是 4 年达到这个数字。
所以 ARR 变成了绝对意义上的事实标准。
但问题是，我看到一篇文章用了一个比喻，觉得很恰当。
伏尔泰之前说过一句话：今天的神圣罗马帝国，早就不是原来的神圣罗马帝国了。它既不神圣，又不罗马，更不是帝国。
这句话同样可以套到今天的 ARR 讨论上。
ARR 是 3 个关键词：年度、经常性、收入。
很多公司的 ARR 肯定不是年度的，因为很多产品还没有上线 1 年。当然你可以用月度收入乘以 12，但它不是年度。
第二，它肯定不是经常性的。因为你每次公布的时候，或多或少都在做促销、活动、升级、改版和各种各样的事情，肯定不能按经常性来算。
甚至很多公司所谓的 ARR，根本都不是收入。
所以，年度经常性订阅收入，既不年度，又不经常性，甚至不是收入。那我们还看这个指标吗？
有了这个困惑之后，有些人开始寻找改变。
a16z 是一家媒体公司，每半年会发布 Top 50 Web 和 Top 50 App 流量 AI 应用榜单，这个我也用过很多次。
最近它发布了一个新的榜单。它联合了一家做第三方支付的公司，这家公司专门给初创公司提供支付系统管理，包括银行、支票、在线支付等各种工具。初创公司买什么、用什么，都通过这个系统完成，所以它能统计到覆盖的几万家创业公司在 AI 应用上的花销。
它按照花销排了一个榜单，叫《AI: Where Startups Spend on AI | Top 50》。
理论上说，真金白银花出去的钱，确实能够代表一些事情。
OpenAI 当然第 1，Anthropic 第 2，Replit 第 3。然后我们看到 ElevenLabs、Cursor、Notion、Perplexity、Cluely、Canva、Lovable、Adept、Clio、Harvey、Gamma、Midjourney、Mistral、Devin、Plot，以及 CapCut。
这些公司里，做通用类的可能占 60%，做垂直行业或者垂直板块的占 40%，典型方向是客服、销售和人力。
这些关键词，基本也是去年我们做外资项目整理时，创业项目比较密集的板块。
纯 Coding 工具就有 4 家，还不算 OpenAI 和 Anthropic 这几家大模型厂商。也就是说，前面为什么那么多 AI Coding 工具拿到了所谓 ARR 增长神话，也是有原因的。
同样，这 50 家公司里有 12 家出现在之前的流量榜单上。也就是说有 38 家并不在流量榜单里，它们的流量并不大，或者不那么为人所知，但收入还可以。
中国公司有 4 家：Kling、Kimi、MiniMax 和剪映。
讲完产品，我们讲第 3 章，资本。
6. 资本市场全面加速
先讲二级市场。既然已经谈到了 ARR，谈到了钱，那就多谈点钱。
二级市场的叙事是 MAG7，那些妖艳异常的狠角色，以及新出现的一些延展行业。
先看 MAG7。
我放了两张图，一张是标普 500 过去 1 年的曲线，一张是 MAG7 市值的曲线，两张几乎一模一样。因为 MAG7 加在一起，占标普 500 的比例可能已经 30%，甚至快 40% 了。
基本上，这一轮牛市就是由 MAG7 定义的。
拉长周期看，前面说过，我们走到一个世纪四分之一的时候，会主动或被动地往前 25 年看。
拉长周期来看，整个市场确实是由科技公司引领的。过去 25 年，基本上就是 MAG7 从很小的公司变成参天大树的过程。
看过去 10 年整个美股 Top 10 的变化，基本就是这一波新的科技公司从小公司变成超级巨无霸。
再拉短一点，把 ChatGPT 发布作为一个时间节点，从 2022 年 11 月底到今天，已经快 3 年了。
按这 3 年的曲线看，AI 公司涨了 165%，非 AI 公司只涨了 24%，标普 500 涨了 68%。这是非常大的天上和地下。
科技巨头当然是这轮巨大牛市的绝对核心动力。
Top 10 公司除了七姐妹之外，多了博通、沃尔玛和伯克希尔·哈撒韦。除沃尔玛和伯克希尔之外，其他 8 家全部都是 AI 代表公司。
今天这个时间点，这 10 家公司的市值占美国 GDP 的比重达到 77%。这个数字远远超过互联网泡沫出现时的数字。
当年互联网泡沫时期，前 10 家公司是微软、思科、IBM、英特尔、Oracle、花旗、沃尔玛、GE 等，它们当时占美国 GDP 的比例其实只有 34%。
今天是 77%，集中度高得无以复加。
我们在还没有正式讲泡沫之前，已经开始涉及泡沫问题了。
在这些巨大的公司面前，最巨大的，是人类历史上第 1 个市值达到 5 万亿美元的公司——英伟达。
有家媒体做了一张图，我觉得非常有意思。
英伟达从 0 涨到 1 万亿美元用了 6138 天；从 1 万亿美元涨到 2 万亿美元只用了 180 天；到 2 万亿美元时是 2024 年第 1 季度左右。大概又过了 66 天，它就有了 3 万亿美元，是 2024 年年中。
到 4 万亿美元用了 273 天，是 2025 年年中；到今天的 5 万亿美元，只用了 78 天。
再说老生常谈的 CapEx 投入。
过去 2 年，每次巨头们发布财报，都会增加未来 1 年的 CapEx 支出预期。一次财报出来往上加一次，再往上加一次。
现在 2026 年可见的、最大的 4 家公司——亚马逊、微软、Meta 和 Google——每家的 CapEx 都会超过 1000 亿美元。
分别来看各家情况。
上周 Google 发布了季度财报。Google 历史上第 1 次单季度营收突破 1000 亿美元。Google Cloud 增长非常迅速，它跟 Anthropic 签了一个巨大的 Google Cloud 和 TPU 芯片订单，形势一片大好。
所以有媒体写，这组财报是 Google 的 NVIDIA moment。
同一天 Meta 也发布了财报。Meta 收入达到历史新高，但利润跌得一塌糊涂。当然它有一些异常事件，但利润还是跌得很厉害，而且资本投入还在增加，却没有显现出 AI 能力的提升，Llama 也掉队了。
Google 和 Meta 的财报都是盘后发布的。发布后，盘后股价出现分歧：Google 涨了 7.6%，Meta 跌了 7.3%。当天晚上开盘后，Meta 直接跌了 15%。后来涨回来一些，最终跌了 11%。
Meta 是一家 1 万多亿美元的公司，一个晚上跌去 2000 亿美元。
媒体写，Meta 下跌是因为它不是 Google，也不是微软，它没有云业务。
微软隔天发布财报，最大的亮点是云业务增长 40%，依然紧盯 AWS。
更大的变化来自 AWS。
过去 2 年多时间里，亚马逊 AWS 每个季度增速只有 10% 多。刚才说过，Google 和微软都是 30% 甚至 40%，所以 AWS 被追得非常难受。
但在这个季度，AWS 增速被拉回到 20%，是近 2 年多的新高。
基础设施需求非常强劲。亚马逊公布财报后的第 2 天，股价直接涨了 12%。
这是一家几万亿美元的公司，一个晚上涨 12%。
回头来看，所谓七姐妹各自的定位、选择、战略、战术和业务，最终决定了它们的股价。
当然，以上分析全部都是马后炮。
再看细分市场。
MAG7 的叙事在 2023 年第 1 次被很多人提及。那一年，标普 500 所有公司里，MAG7 涨了 76%，标普 500 只涨了 7%，AI 领域其他公司涨了 45%。
到 2024 年，差距变小了。MAG7 涨了 48%，标普 500 涨了 11%，非 MAG7 的 AI 公司涨了 28%。
到今年，事情出现了一些变化。标普 500 依然涨了 7%，但 MAG7 只涨了 16%。市场增量涨得更多的，是 AI 领域除 MAG7 之外的公司。
问题来了，除 MAG7 之外的 AI 公司有哪些？
市场需要新的叙事，不能总炒 MAG7，对吧？
所以先炒能源，不意外。
以 Constellation Energy 等公司为代表的能源类公司涨了 53%。第 2 类是芯片公司，博通、台积电，芯片类公司涨了 41%。第 3 类是软件公司，Palantir、Oracle、Snowflake，涨了 33%。
而 MAG7 平均只涨了 16%。
市场需要新的叙事。
原来的市场叙事是：投更多的钱，建更好的数据中心，训练更好的模型，产生收入。
但今天这个叙事走到了供应链里，走到了数据中心供应链里：算力、芯片、存储、能源，甚至硅的供应。
你会发现，2025 年 A 股炒的很多热门话题和主题，在这里也都出现了。
首先受到边际上更多关注的，当然是芯片行业：NVIDIA、AMD、博通、台积电。
第二是存储。存储最近非常热，包括内存和硬盘。SanDisk、希捷、西部数据，这些都是我们当年 DIY 攒机时用的内存和硬盘厂商，按理说不应该是夕阳产业吗？但它们今年涨得非常好。
比如 SK 海力士，为什么 Sam 和老黄分别前后脚去了韩国见海力士和三星？他们去见这两家公司干嘛？
另一个战场是云。
前面讲过最大的 3 家：AWS、Google Cloud 和微软 Azure。当然也出现了挑战者或者异军突起者，比如 Oracle。
先看芯片行业。
这是绝对的行业中心，绝对中心。
5 万亿美元的英伟达。我用这张图时，NVIDIA 只有 4.5 万亿美元，这张图已经过时了，虽然可能也就是上个月更新的。
博通 1.6 万亿美元，AMD、英特尔，甚至更小一些的高通，都说自己要加入这个战场。
无论预训练还是推理，现有芯片厂商、云厂商，包括 Google、AWS，以及一些初创芯片公司，都在做相关事情。
国产 GPU 公司为什么这么快就几乎全部拿到了证监会的绿灯？也是因为这是当前这个时间点行业的绝对中心。
存储，谁能想到这件事情会炒到内存和硬盘都不够了？
我在网上找了一张数据中心的成本结构表：GPU 占 40%，网络占 13%，土地和建筑占 11%，能源占 10%。最后一项是存储，只占 1%。
只占整个成本结构 1% 的存储都不够了。
那结果是什么？
截至第 3 季度，标普 500 所有公司里，2025 年涨得最好的两家，不是大家可能首先想到的 Palantir，不是甲骨文，甚至不是因为黄金暴涨而上涨的金矿公司，而是刚才提到的两家硬盘公司：希捷和西部数据。
这季度财报之后，SanDisk 也在暴涨。
更有意思的是，前两天小米红米系列发布了今年的 K90。大家知道，红米是小米的性价比系列，用户非常关注售价。
红米当天晚上公布 K90 售价后，小米微博被攻破了，被骂得很厉害。所有用户都觉得 K90 定价太高。
第二天早上 9 点，雷军发微博说，K90 系列全面降价 300 元。他又补充说，最近内存涨价实在太多，希望大家理解。
所有事情都连在一起了。
就像我在《十字路口》里讲的一样，我们不知不觉地在很多事情里走到了人类的极限。
谁能想到内存和硬盘都不够了？
再说云。
这一轮 AI 最直接的体现，3 个最大的云厂商依然在增长，但增速已经下来了。不过整个云市场每年的增速仍然非常可观。
在这种情况下，云厂商之间竞争的重点变成了增量，因为老的量已经很稳定。
前面讲过，微软每个季度的增量超过 AWS，靠的是过去几年跟 OpenAI 的绑定。
异军突起的 Oracle Cloud，2025 年收入只有 100 亿美元，但它敢于预期，2029 年可以增长到 1440 亿美元，5 年翻 144 倍。
这条曲线是怎么做出来的？你什么时候见过一家公司对收入的预计曲线拉成这个样子，跟指数增长一样？
它靠的当然也是 OpenAI。
除了公有云主战场之外，云领域还出现了一个细分战场。它未来 5 年每年预期增长 69%，也是指数级增长。这样的指数增长曲线看起来都很吓人。
这个战场叫 Neocloud，典型公司是 CoreWeave 和 Nebius。
甚至在很多 AI 云厂商服务评价中，排在前面的不是微软、Google 或亚马逊，而是这些 Neocloud 公司。
微软这种拥有自己云业务、单季度可能已经是全球最大云厂商之一的公司，也要跟 Neocloud 厂商签订超过百亿美元的巨大合同。
巨头为什么会允许出现这样的战场，甚至要跟它们签这么大的合同？
有一个比喻很容易解释：术业有专攻。
今天公有云战场已经发展了十几年、二十几年。像 AWS，我去翻它的官网，提供的相关服务可能超过 200 项。Amazon Web Services，所有你能想到的 Web 相关服务它都提供。
它像一个超市、百货公司，什么都有。
但这一轮 AI 热潮的数据中心云需求相对明确：我要的是卡和算力，最多再要卡的连接和整套服务。
Nebius 和 CoreWeave 做的是什么？是专卖店。
你打开 CoreWeave 的官网，直接点 pricing，就是一张卡每小时、每个月租多少钱，就这么简单。
这个活儿听起来像汽车租赁公司：买车，再租出去。这是一个资本消耗巨大的业务。
作为这个领域最大的“车企”，NVIDIA 很精明地投资了 Neocloud 里最头部的几家公司。
NVIDIA 对外公布的数据里，它持有的外部公司股票中，占比最高的是 CoreWeave。也就是说，在 Neocloud 这个战场里，有很多英伟达的亲儿子和干儿子。
因为芯片现在紧缺，谁能拿到 GPU，谁能最快拿到最新 GPU，可能还会有一定折扣，谁能稳定得到供应？
股权合作似乎是最合理的方式，不是吗？
讲完二级市场，讲一级市场。
整体来看，2025 年算是一级市场还不错的一年。
从金额来看，前三季度融资已经超过 2023 年和 2024 年，预计加上第 4 季度可能会超过 2022 年，但跟疯狂的 2021 年没法比。
按季度看，CB Insights 的统计显示，已经连续 4 个季度单季度融资超过 900 亿美元。
但有一个不太好的数字：每个季度融资的项目在变少。
钱在变多，项目在变少，代表单个项目拿到的钱变多了，项目变贵了。
AI 当然是绝对意义上的核心主题。根据 Crunchbase 的统计，2025 年有 51% 的项目是 AI 项目，但拿走了 85% 的钱。
超过一半的项目，拿走了绝大部分的钱。这同样代表一个隐含结论：AI 项目也更贵。
从分布来看，后期项目增加非常多，超级大项目特别多。
原来 10 亿美元就是大项目，今天不一样了。估值超过 100 亿美元，拿到的融资才算大项目。
这些公司拿到的钱，比 2024 年翻了一倍，比 2023 年不知道翻了几倍，甚至比巅峰的 2021 年还要翻一番。
从单轮平均数来看，今天一家公司的平均融资规模已经达到 2400 万美元，超过了 2021 年的 2170 万美元。
从行业细分角度看，单轮融资超过 1 亿美元的大 Deal 里，过去几个月 AI Agent 相关公司拿钱特别多。
反过来讲，为什么是 AI Agent 公司？也是因为那些小一点的公司的体量不够，超级大的公司 VC 已经投不起了。
从 ChatGPT 发布到今天，不到 3 年。只看新成立和新发展起来的公司，从不是独角兽到估值 10 亿美元、变成独角兽，新的 AI 相关独角兽已经超过 100 家，都是一级市场新投出来的。
这么多大 Deal、这么多独角兽、这么多估值超过 100 亿美元的公司融资，当然需要大基金。
所以基金也在变大，但能变大的只是少数，马太效应非常明显。
这张图其实我之前也用过。可能 Top 30 的基金已经拿走了市场 75% 的钱。大基金参与的 Deal 越来越大，单个项目拿到的钱越来越多，占比当然也越来越高。
硅谷银行的统计更吓人。
同样是两个巅峰：2021 年和 2025 年。
2021 年，超过 5 亿美元的超级大融资只占整个市场融资金额的 18%。但今天，超级大融资占整个市场融资金额的比重已经超过 63%。
几乎全部由大 Deal 贡献了整个市场的流动性。
你要知道，一个常规意义上的 VC 基金，体量可能也就几亿美元。但今天市场上大量存在一轮融资就融几亿美元的项目。
VC 怎么办？
再讲退出。
首先 IPO 还是比较凉，实话实说。M&A 有所提升，相对于过去几年已经提升不少。所以我用过很多次的标题是：今年算是 M&A 并购的大年，绝对遇上了大年。
更重要的是，并购发起方不仅是上市公司，非上市公司今年并购也非常积极。
典型的就是 OpenAI。OpenAI 今天 5000 亿美元，除了用现金，它更多在用股权杠杆去并购其他公司。最大的是今年上半年收购苹果设计师参与创办的那家硬件公司。
OpenAI 某种程度上也在提供市场流动性。
更重要的是，这次架构调整之后，Sam 再一次确认，他没有任何一点 OpenAI 的股权，只拿工资。
那 Sam 的身家体现在哪里？或者说得更赤裸一点，Sam 靠什么挣钱？
他投资和收购的很多公司，Sam 都有股份。流动性变好了。
很多所谓大公司也会选择不上市。
从统计来看，10 年前，一家公司从初创到上市平均要经历 12.2 年；今天这个数字拉长到 15.9 年。
美国超过 1000 亿美元的初创公司有 6 家，其中 5 家是 AI 相关公司。
这么大又不上市，投资人要退出，或者有人想买它们的股票怎么办？
于是就会有野路子。
第 1 种是二手份额交易，这在中国也有。之前我讲过一个故事，一个中国人民币基金合伙人说自己是 SPAC 投资人。
其实不需要花很多钱，甚至不需要买很多股，只要参与一下，就可以写在微信视频号的介绍里。
你甚至可以写自己是 OpenAI、Anthropic、xAI、SpaceX，甚至字节跳动的投资人。
想达到这个目的，并且让这个事实成立，所需要花费的成本低到尘埃里。我都可以，如果我想。
第 2 种更狠。
像 Robinhood 这种原本就有很多野路子的券商，开始用 Web3 技术做 stock tokens。它相当于获得一部分未上市初创巨头公司的股份，把它们上链，再用 Web3 的方式让普通人交易。
这就是野路子。
7. Sam 与老黄互相下注
好，我们讲完技术，讲完产品，讲完资本，到了最后一章，泡沫。
我用了一张封面图，是在网上找的。一个巨大的泡泡，里面画了 9 家公司的 Logo：ChatGPT、NVIDIA、Meta、Google、微软、Anthropic、xAI、Palantir。
我们都提过很多次。我就是为了这碗醋，这碗叫“泡沫”的醋，包了今天这顿饺子。
还是 3 个部分：Sam 和老黄到底在搞什么？我们怎么一步一步走到了这里？最后，所谓泡沫到底是什么？
先说 Sam 和老黄到底在搞什么。
我总觉得，Sam 在过去几个月的工作分成两个阶段。
一个工作叫“既往不恋”，把之前的事情解决掉；另一个工作叫“纵情向前”，往前大踏步，把未来 5 年的预期打满。
Sam 大概在 10 月中旬去了一次 a16z 的播客。他说，自己的管理经验可能不太适合企业管理，但非常适合成为投资人。投资是他之前做的事情，也是他的职业，所以世人似乎已经忘记 Sam 之前是干什么的。
Sam 是投资人。
投资人最擅长的事情是什么？是画饼。
回头来看，命运的齿轮可能很早就开始转动了。
2024 年 2 月，快 2 年之前，Sam 就说过，这件事要成，AI 这件事情要成，需要 7 万亿美元。
2024 年 2 月，OpenAI 是什么状态？
当时公司估值 860 亿美元，今天是 5000 亿美元，差不多是当时的 6 倍。当时 2023 年全年 OpenAI 收入是 16 亿美元，今天 2025 年预计大概 120 亿美元，是之前的不到 8 倍。
当时周活是 1 亿，今天是 8 亿，是当时的 8 倍。
在 OpenAI 还没有今天这么大的时候，Sam 说需要 7 万亿美元。当时所有人——投资人、媒体、政府以及我们这些看客——都觉得他疯了。
7 万亿美元。
我们再来解那道题。
Sam 过去一年一直在解决什么问题？“既往不恋”的那个“恋”是什么，“往”又是什么？
他要保证技术领先，保证 ChatGPT 用户提升，保证收入增长，保证 OpenAI 有足够现金流去做所有事情，让公司估值不断提升，保住最核心的团队，把之前看上去有点荒谬的投资人利益封顶结构拆掉，并且从公益组织改成营利组织，从非营利实体变成公司。
截至 2025 年底这个时间点，看上去阶段性地，Sam 已经全部解决掉了。
OpenAI 已经 5000 亿美元，GPT-5 依然是世界上最好的模型之一，ChatGPT 已经有 8 亿周活，今年 OpenAI 收入可以涨到 120 亿美元，谈妥了跟软银的最后一轮融资，软银已经批准最后一笔 225 亿美元并打过来了。
5000 亿美元估值做到了。通过出售老股，很多 OpenAI 员工已经成为亿万身家的富翁。
结构解决了，政府批准了，跟微软的协议重新签掉并且松绑了。所有问题似乎在这个时间点都解决了。
好，既往不恋，我们往前走。
记得 Sam 说需要多少钱吗？7 万亿美元。
第 1 笔是 5000 亿美元。
年初，特朗普提出新的 Stargate 计划，5000 亿美元。特朗普联合 Oracle、软银等提出 Stargate 计划。
虽然这个计划是 5 年预期，虽然钱由谁来拿到今天依然是个问号，但第一步就迈在了 5000 亿美元这个数字上。
好，这是未来 5 年 5000 亿美元的预期。
这时候 Sam 回头看了一下自己的 OpenAI。未来 5 年，到 2030 年，OpenAI 预期收入 2000 亿美元，看上去跟 5000 亿美元挺接近。
但问题是，可能要到 2029 年甚至 2030 年，OpenAI 才会有正向现金流。在此过程中，OpenAI 一直在亏损，需要烧钱。
OpenAI 预计需要烧多少钱？自己预计是 1150 亿美元。
前面算过，OpenAI 到今天已经烧掉了几百亿美元，还要再烧几百亿美元。靠自己把这个窟窿填上不太可能，那怎么办？
又回到前面的叙事：既然我可以把未来 5 年的预期打满，为什么不把这个预期打到别人身上？
于是它找到了第 1 个合作伙伴，也是 Stargate 的合作伙伴之一：Oracle。
Oracle 的云业务在云时代几乎全面落后于其他几家，它迫切希望自己的云业务有所改善。与此同时，微软跟 OpenAI 出现了一些隔阂，Sam 也不想把生意直接给微软，他需要一个更渴求这笔生意的人。
Oracle 和 OpenAI 一拍即合。
OpenAI 承诺未来 5 年给 Oracle 3000 亿美元的云服务合同。
一夜之间，Oracle 暴涨，Oracle CEO 在几个小时内成为世界首富。
你再去看 Oracle Cloud 的收入增长曲线，5 年翻 144 倍，拉出来跟指数增长一模一样。
第 1 枪打完，OpenAI 发现这招好用，继续打。
我发现这变成了金手指：5 年预期打给谁，谁就起飞。
它又打给了 AMD。
OpenAI 跟 AMD 签约了 6GW 数据中心芯片合作协议。AMD 在数据中心领域已经被 NVIDIA 甩得很远，迫切需要一个大客户，所以 AMD 给出的利益是最多 10% 的股份给 OpenAI。
你再看 AMD 拿到这个合同之后的收入增长预期曲线，也变成了指数增长。
同样的事情，OpenAI 又跟博通合作了一次，博通是 10GW，AMD 是 6GW。
变成金手指之后，谁被点到谁就起飞。
这个故事发生的同时，英伟达也发现了这件事情。老黄说，这不是好事吗？
于是老黄跟 Sam 也谈了类似的合同。
OpenAI 跟 NVIDIA 签了 10GW 数据中心服务合同，反过来 NVIDIA 投资 1000 亿美元给 OpenAI。
至此，在芯片、算力服务、云和 AI 公司之间，一个小循环建立起来了。
NVIDIA 乐见其成，不是吗？
今天的 NVIDIA 是 5 万亿美元的世界第 1 大市值公司。拉过去几年的股价，什么美股七姐妹都靠边站，NVIDIA 一骑绝尘。
NVIDIA 现在一个季度可以赚 264 亿美元利润，这个数字还在增长。账上趴着 1000 亿美元，数据中心领域的垄断地位不可动摇。
这么多钱趴在账上干嘛？造起来。
除了拿 1000 亿美元投资 OpenAI、绑定巨大客户之外，它还拿 50 亿美元投资英特尔，在拉英特尔一把的同时，也开始尝试 CPU 战场；拿 10 亿美元投资诺基亚，跟诺基亚联合研发下一代网络。
刚才数据中心成本表里，网络成本占比比存储高很多。
这个故事里没有 Google，为什么？
因为 Google 可以自己玩一桌。Google 有芯片，有云，有干儿子 Anthropic。它跟 Anthropic 差不多同时签了一个超级大的语言模型和 TPU 订单。
所以 Google 说，我不跟你们玩，我自己拉一桌就好了，为什么要跟你们一起玩？
好，第 1 步，Sam 和老黄到底在搞什么，我们讲清楚了。
再看第 2 步：我们怎么一步一步走到这里？
8. 泡沫走向人类极限
前面说过，我们在很多事情上走到了人类的极限里。那我们是怎么走过来的？
我用了一种取巧的方式讲这个故事：用数字一步一步变大，让你不知不觉走到极限。
这种事情在互联网泡沫时也出现过。我们在无数杂志上看到过各种超级大的数字，大到让人震惊，让大脑没有反应。
这一轮 AI 也一样。
我们从一个数字开始：1 亿美元。
1 亿美元代表什么？
在非 AI 年代，1 亿美元是世界上最有名的球星 C 罗从曼联转会皇马的转会费，差不多就是 1 亿美元。
今天，世界上最优秀的 AI 科学家跳槽，从原来的公司加入 Meta，转会费也是 1 亿美元。
所以红杉写过一篇文章，叫《当前的 AI Lab 非常像体育俱乐部》，因为它们都由一家科技公司或者超级富豪持有。明星员工年薪超过千万，甚至过亿美元，普通员工和明星员工的薪资差距巨大。
NBA 现在顶薪一年 7000 万美元，底薪一两百万美元，我没记错的话。AI Lab 也一样。
1 亿美元，是垂直领域或者初创 AI 公司能够被人提及的一个门槛，也是 ARR 的门槛。
所谓 1 亿美元 ARR 俱乐部，里面有 Devin、Manus、Lovable、Harvey、ElevenLabs 等公司，差不多都是这个体量。
ARR 1 亿美元，你就可以说自己是一家不错的 AI 初创公司了。
下一个数量级是 10 亿美元。
这个数字更熟悉，对吧？独角兽的衡量标准。
从 ChatGPT 发布到今天不到 3 年，新投出来的 AI 相关独角兽已经超过 100 家。
Crunchbase 的统计显示，AI 领域现存独角兽有 203 家，因为还有一些年纪比较大的独角兽。
这些 AI 公司成为独角兽的平均时间是 2 年。与之相比，非 AI 领域独角兽公司的成立时间平均是 9 年。
下一个数量级，100 亿美元。
100 亿美元在衡量什么？
在当前这个时间点，敢称为 AI 明星公司的估值入门门槛，大概是十几家公司。
Midjourney、Devin、Mistral、Perplexity、Scale，都在这个数量级。
100 亿美元，或者几百亿美元，也差不多是 AI 初创公司的天花板。
OpenAI 和 Anthropic 在 2025 年的收入，OpenAI 预计是 120 亿美元，Anthropic 预计是 90 亿美元。Anthropic 最新一轮融资 130 亿美元。
100 亿美元还是这个数量级。
这也是科技巨头跟前面提到的 Neocloud 公司签订的大订单金额。比如 Meta 跟 CoreWeave 的订单是 142 亿美元，微软跟 Nebius 签的是 174 亿美元，OpenAI 跟 CoreWeave 签的是 119 亿美元。
数量级还在 100 亿美元。
这也是历史上烧钱最多的公司烧过的钱的数量级。
比如 Uber 烧了 180 亿美元，特斯拉烧了 93 亿美元，Snapchat 烧了 32 亿美元，Netflix 烧了 110 亿美元。
历史上最烧钱的公司，烧的钱也就是 100 亿美元。
回头看互联网时代，亚马逊大概烧了 20 亿美元就上市了，Uber 烧了 180 亿美元上市，差了 9 倍。
如果硬要算，虽然不符合统计学规律，但 Web 1.0 亚马逊是 20 亿，移动互联网 Uber 是 180 亿，增长 9 倍。那 AI 这一波是不是应该再增长 9 倍？
180 亿乘以 9，变成 1620 亿美元。
前面说过，OpenAI 自己预计要烧 1150 亿美元，所以肯定会成为一家烧掉超过 1000 亿美元的公司。
再下一个数量级，是小几十亿美元、几百亿美元。
比如今年 Google 收购 Wiz，320 亿美元，是历史上最大的收购案之一。虽然比沙特收购 EA、微软收购暴雪低，但也不小。
再比如，NVIDIA 一个季度收入 467 亿美元。我在做 PPT 当天查了一下，百度市值是 438 亿美元。
接下来是 OpenAI 发布的一个数量级单位：GW，也就是数据中心的能源功耗。
今天大概 1GW 约等于 500 亿美元的投入。
所以你会发现，OpenAI 现在对外签合同都开始签 GW 了，因为钱已经不代表任何事情。
它跟 NVIDIA 是 10GW，跟博通是 10GW，跟 AMD 是 6GW。一个 GW 对应 500 亿美元，它现在签出去的是 26GW，加上一些小的，可能已经 30 多个 GW 了。
这两天 Sam 直播时说，他签出去的钱已经有 1.4 万亿美元。
再下一个数量级，1000 亿美元。
这是 Google 最新一季度的收入，Google 历史上第一次单季度收入突破 1000 亿美元。
这是 NVIDIA 最近投资 OpenAI 的金额，1000 亿美元。也是 NVIDIA 账上的现金差不多的数量级。当然 NVIDIA 投资 OpenAI 不是一笔到位，而是分批完成。
同样，2026 年最大的 4 家科技巨头的 CapEx 投入，每家都将超过 1000 亿美元。
再下一个数量级，5000 亿美元。
OpenAI 现在的估值是 5000 亿美元。
前几天老黄在 GTC 大会上说，截至 2026 年底，英伟达 AI 芯片订单金额将达到 5000 亿美元。
再往上，我们又要用到一个新的英语单词：trillion。
红杉有位合伙人叫 David Cahn，他每隔一段时间会写一篇 AI 行业文章，标题都差不多，讨论 AI 行业到底需要多少钱。
2023 年 9 月，他写的是《AI 的 2000 亿美元问题》。
2024 年，他又写了一篇《AI 的 6000 亿美元问题》。
上周，他没有写文章，但上了 20VC 的播客，说今天是 AI 的 8400 亿美元问题。
差不多同一天，我订阅的一个 Newsletter 作者直接写了《AI 的 One Trillion Dollar Question》。
1 万亿美元，也就是今天的投入已经到了 1 万亿美元这个体量。
我们再算刚才 OpenAI 承诺建设的数据中心。它目前承诺的数据中心建设已经超过 30GW。
Sam 说，承诺出去的钱已经达到 1.4 万亿美元。
也是在这几天，OpenAI 传出准备上市。OpenAI 今天估值 5000 亿美元，还在增长。未来可能需要 2 年左右的上市准备期，可能是 2026 年、2027 年或者 2028 年，我们不知道是哪一年。
它上市时，预计估值达到 1 万亿美元。
一家估值 1 万亿美元的上市公司，要融多少钱？
历史上，人类所有公司上市当天募集金额最多的是沙特阿美，也只融了 262 亿美元。
如果未来 OpenAI 以 1 万亿美元上市，它要融多少钱？
我们算过它还缺多少钱。它可能再融一轮，也可能靠收入弥补一部分。但如果以 1 万亿美元上市，融 10 个点就是 1000 亿美元。
无论是上市估值、募资金额，还是历史上烧掉的钱，我发现都已经到了人类极限，甚至超过原来的历史记录很多倍。
万亿美元，我们最近经常在哪里听到？
NVIDIA 5 万亿美元，微软和苹果超过 4 万亿美元，Google 超过 3 万亿美元。这是目前世界上最大公司的市值，几万亿美元。
万亿美元似乎也成为美股最大公司的入门门槛。比如博通现在 1.8 万亿美元，Meta 1.9 万亿美元，特斯拉 1.5 万亿美元。
当这个数字大到这个程度，人们，尤其是炒股的人，会经常用到一个指标，叫巴菲特指标。
也就是说，把所有美国上市公司的估值加在一起，除以美国 GDP。如果这个数字大于 1.5，就会很危险。历史上已经证明过很多次。
截至 2025 年 10 月底，美股所有上市公司的总市值除以美国 GDP，这个数字到了 221%。
很多人会说这个指标可能失效了，为什么？
因为今天最头部的这些公司，可能有一半，甚至接近一半的收入不来自美国本土。所以不应该除以美国 GDP，某种程度上应该除以世界 GDP。
好，我们开始聊 GDP 了。
这里的数字变成了 trillion，万亿美元，我们当然要聊 GDP。
2026 年全世界 GDP 大概是多少？预测 2026 年全球 GDP 总额是 124 万亿美元。
你会发现，我们一步一步走到数量级的极限，已经用到了 trillion，而 trillion 一般是用来形容 GDP 的。
我做到这里的时候就想，trillion 下一个英文单词是什么？我都不知道了。
查了一下，叫 quadrillion，就是 10 的 15 次方。
我又问 AI，这个英文单词常用吗？
这个单词非常不常用，日常场景几乎用不到。它经常被用于计算天体质量、宇宙距离、微观粒子数量，以及数据存储和运算。
因为我们常见的另一个缩写叫 PB，就是 petabyte，我才反应过来，原来是这个单词。
我们不知不觉已经开始使用这样的单词，甚至可能要用到这样的单词了。
所以到这里，很多事情你会发现，我们已经走到这里了。
《经济学人》前两天发了一个封面，还是英国人敢骂。它画了一个红色广告贴在地铁广告墙上，上面写了两个英文单词：Chat GDP。
然后写了一篇文章，叫《如果 OpenAI 死翘翘了怎么办》。
我不是乱翻译，它用了 “belly up” 这个词，就是肚子翻过来，也就是死翘翘的意思。
聊到这里，你会发现我们似乎不需要聊最后一个话题了：泡沫到底是什么。
你要知道，8 月份或者 9 月份的时候，Sam 在一些公开场合主动说，当下的 AI 投资存在泡沫。
现在再去讨论泡沫是什么，似乎已经没有太大意义了。但既然已经聊到这里，我们还是聊一下。
10 月开始，我每天订阅 Substack。Substack 上的文章几乎每天都有不止一篇，在标题里出现“AI 泡沫”这样的关键词。
为什么在这 1 个多月里，这个事情引发了这么多讨论？
我觉得很有意思。
在 2025 年 10 月，或者 2025 年第 4 季度，大家讨论的已经不是这件事情是不是泡沫，而是这是什么泡沫。
已经默认它就是泡沫了。
前几天，或者说上个月，亚马逊创始人贝佐斯去意大利参加一个科技活动。他提到这轮泡沫是“好的泡沫”，也就是说还有坏的泡沫。
贝佐斯亲身经历过互联网泡沫。亚马逊股价曾经从 100 多美元跌到 6 美元。
所以贝佐斯说这是好的泡沫，不是郁金香泡沫，而是类似互联网那样的好泡沫。
前两天大卫翁老师的播客聊牛市还没有结束。他说看了一份美国研究机构的报告，这个研究机构把泡沫分成 4 类，按照 2 个维度形成 4 个象限。
一个维度是，泡沫由非生产性因素引起，还是生产性因素引起。
非生产性因素，郁金香是典型，某一段时间的黄金也可以算。它没有生产价值和意义。
生产性的典型是什么？铁路、光纤，这些都是生产性的。
另一个维度是，泡沫更多由债务引起，还是由股权引起。
债务方面，房地产、次级贷都是债务；股权方面，互联网主要是股权，当然也有债务。
所以它分成了 4 个象限。
现在看上去，大部分人认为 AI 在第 1 象限，是生产性的股权泡沫，相对来说比较良性。
也是在我做 PPT 的过程中，大概 10 月 22 日左右，Coatue 基金发布了下半年的市场更新报告。
这份报告只解释一个问题，也是关于 AI 泡沫的。
Coatue 翻了过去 400 年的历史，历史上无数次所谓的泡沫。他们可能翻了几十本书，然后总结出 6 种泡沫：股市引发的、基础设施建设引发的、房地产引发的、信贷引发的、收藏品引发的，还有其他类型。
亚马逊 CEO 说分两种，好的和坏的；美国研究机构说分 4 种；Coatue 说分 6 种。
大家已经不再讨论泡沫确认的问题，而是在讨论什么类型的泡沫。
这一轮所谓泡沫最直接的体现和诱因，当然是几家头部厂商之间互相循环融资。
也有人会说，类似融资租赁的事情不是在很多板块都存在吗？但这一次确实非常像当年互联网行业发生的事情。
所以经历过那个周期的基金经理、投资人、股民以及这些公司的利益相关方，都会有非常强烈的反应。
过去几周，你已经见过很多复杂的信息图表，讲各家公司之间的业务投资、云服务订单，以及它们形成的旋涡。
最有名的应该是彭博社、《经济学人》或者《时代》杂志画的各种循环图。很多 PPT 也放过，甚至逐渐变成了表情包。
我见过一张很有趣的表情包：地上摆了大概 10 个插排，插排彼此用电线连接起来，但它们没有电，只有插排互相连在一起。
当然，这一轮 AI 是不是真的没有电，不好说。但这种表情包已经出现了。
所有人不可避免地把这一轮发生的事情跟上一次 AI 泡沫做对比，把各种曲线——PS、PE、股指——乱七八糟拉起来。前期曲线确实非常像。
现在问题变成了：我们到底在曲线前面的这段，还是在急速增长的这一段，还是已经接近巅峰、到了山尖？
大家讨论已经变成这个样子了。
我在做这次 PPT 的过程中用了很多 AI 工具做总结和整理，也顺手让它们跑了一些东西。给它一些资料，它就帮我整理成 PPT，算下来可能有将近 100 页。
但最后我只留下了一页。
这一页是总结历史上很多次泡沫和这一次人工智能泡沫的区别。
比如铁路、无线电、光纤、太阳能、人工智能，再对比一些特征。
最近高盛也发布了一篇文章，用 6 个特征描述这一轮 AI，说 6 个特征已经全部符合泡沫特征。
我的 PPT 总结出来的特征是：
是不是革命性技术？是。
是不是需要大规模资本？是。
有没有政府支持？是。
有没有供应商融资？是。
有没有过度建设？是。
崩溃与整合？待观察。
最终是否留下价值创造？也待观察。
这里面我为什么留下这一页？因为还有一项叫“这次不同”。
每一次都会有人说这次不一样，所以我翻了一下，确实有一本书就叫《这次不一样》，尤其是金融历史类书籍，这类书不止一本，而是很多本。
但历史似乎告诉我们，每次好像都一样。
那这次真的不一样吗？
很多人会寻找“不一样”的理由。
比如，当年互联网泡沫最具代表性的公司是思科。思科在互联网泡沫期间，盈利没有特别明显的增长，但估值涨得非常多。
可是今天 NVIDIA 的估值增长和盈利增长两条曲线几乎贴在一起。也就是说，估值增长有非常强的业务支撑。
我们不一样。
再看互联网泡沫巅峰时期，头部互联网公司的平均估值达到 89 倍。而今天头部 AI 相关公司的 PE 倍数只有 28 倍。
拆开来看，在最疯狂的年代，思科 PE 到过 101 倍，Oracle 到过 90 倍，Sun 到过 77 倍，戴尔 51 倍，微软 69 倍。
今天呢？NVIDIA、微软和苹果只有 31 倍 PE，Google 22 倍，Meta 20 倍，亚马逊 24 倍，稍微高一点的博通也不过 37 倍，平均只有 28 倍。
28 倍很健康，很稳健，对吗？
再看债务。
前面讲过，债务会比较麻烦。那今天这些过度投资的钱到底从哪里来？
这个数据比较的是 CapEx 投入除以经营现金流。
互联网泡沫巅峰时期，AT&T 用 93% 的经营现金流做 CapEx。
今天微软是 54%，Google 是 55%，Meta 高一些，是 65%，亚马逊最高，达到 80%，新加入的 Oracle 是 135%。
几家巨头听起来确实还比较健康，但 Oracle 很危险。
Oracle 接了 OpenAI 的订单之后，需要举债，因为它的经营现金流不够支撑 CapEx。
举债会变得麻烦，而举债的不会只有 Oracle 一家。
最近一段时间 Meta 也在举债。Meta 股价大跌 10% 多，但它发行的建设数据中心的 270 亿美元债券，认购超过 4 倍。
在这样的环境下，如果你是 Meta 的 CEO，是这些头部公司的 CEO，你要慎重考虑要不要举债。
现在举债太容易了，但你也知道债会很危险。
不一样的还有什么？
美国最近开始降息，停止缩表。但互联网泡沫形成的过程中，其实是在加息。
还有折旧。
人们都说，虽然铺设铁路和光纤的公司后来倒闭了，但铁路和光纤留下来，成就了未来的交通和互联网。
这个话题放到今天，是否意味着疯狂建设数据中心的公司会倒闭，但数据中心留下来会有价值？
不一定。
铁路和光纤的折旧可以按 25 到 30 年计算，铺设的东西放在那里，过几年依然可以使用。
但芯片不一定。
今天 NVIDIA 每年都在出新卡，每年的芯片提升率非常高。如果不是因为供应紧张和需求旺盛，谁愿意用 5 年前的卡？甚至谁愿意用 3 年前的卡？
数据中心最大的成本贡献是 GPU，占 40%。那 GPU 合理的折旧周期应该是多少？
如果合理周期是 3 年，那么这种巨幅投入所需要的收入、成本和利润覆盖数字，是不是就太高了？能覆盖住吗？
今天这些科技巨头怎么解释这件事情？
我们其实在期待 AI 带来增量市场和新东西，但现实的问题是，今天更主要的趋势是原有市场的改进，用 AI 重做一遍某某事情。
你看，字节、火山引擎，包括 Google 最近发布财报、开发布会时，都会说 token 消耗量已经非常大。
比如 Google CEO 最近说，他们全系列模型的 token 消耗量上个月是 1.3 quadrillion。终于见到 quadrillion 了。
这个数字上一次公布时，一个月是 980 trillion，再之前是 480 trillion，再之前是 50 trillion，增长非常快。
这些 token 是谁消耗的？
是使用 Gemini 的第三方公司吗？不是，大部分是 Google 自己消耗的。
火山引擎公布的数字是谁消耗的？大部分是火山引擎、字节以及旗下业务，甚至包括抖音的推荐算法消耗的。
头部科技大厂自身业务的 AI 改造，在今天已经足够大，甚至未来几年依然足够大。
这可能是当前这些科技巨头敢于继续提升 CapEx、甚至不惜举债做这件事情的核心原因。
当然，这个趋势能撑多久，我们也不知道。
上面全部是逻辑，有没有更科学的方法？
有。一位美国科学作家，也是分析师，用 5 项指标衡量当前的泡沫指数。
第 1 项是经济压力，怎么算？当前投资额除以 GDP。如果超过 1% 就比较危险。现在在哪里？0.9%。
第 2 项是行业压力，用行业营收除以投入，看是否相称。今天这个指标在 AI 领域非常不相称，收入远远小于投入。
第 3 项是收入增长是否足够快。今天收入增长还可以，速度比较快。
第 4 项是估值热度，包括 PE 和其他估值指标。它用红灯、黄灯、绿灯来表示，估值热度已经处于绿灯和黄灯之间。
第 5 项是资金质量。资金到底来自稳健的资产负债表，比如公司自身产生的经营现金流，还是来自债务和其他逐利资本，也就是影子银行？
按照他的统计，这个数字还比较健康。
但我们前面已经讲到，只是在他看来比较健康，别人可能认为已经非常危险。
从他的角度看，可能有 3 个指标是绿灯，1 个指标是黄灯，还有 1 个处在绿黄之间，没有指标到红灯，所以看上去还可以。
我们用差不多的方式分析类似问题时，又看到另一篇文章。
它找了一本书作为理论支撑。这本书是普林斯顿大学出版的《危机速成课：宏观经济概念在经济上行、崩溃和复苏中的作用》，由一位普林斯顿大学教授和一位伦敦政治经济学院博士生合著。
他们认为，所有这些事情会经历 3 个阶段。
第 1 阶段，泡沫形成。
泡沫形成不仅需要估值和价格提升，还需要两类投资者。
第 1 类是天真的投资者，盲目进行线性外推，认为曲线会继续上涨。
第 2 类是明知估值过高，却因为害怕过早抛售而继续持有的投资者。
似乎现在这个市场里这两种投资者都有。
第 2 阶段，资产错配。
大家的目标是让它继续。投资者由于某些政策或扭曲因素影响了融资方向，错误地投资了热门行业中不合适的公司。
这个标准听起来有些主观，但似乎我们可能也正在经历。
第 3 阶段，崩溃开始。
崩溃由什么引发？由影子银行的债务引发。影子银行容易受到挤兑影响，并加剧资产价格下降。
我们把这套分析框架从行业放到公司角度，又有另一篇文章，叫《人工智能的纸牌屋》。
它用另外一种四象限的方法，把今天聊到的这些公司放在 4 个象限里。
两个衡量维度：第 1 个是资金安全性，到底是净现金流还是债务；第 2 个是 AI 业务占比。
第 1 象限最危险：全是 AI 业务，而且都是债务。典型的包括 OpenAI，以及 xAI 做的 SPV。
最安全的，是 AI 不是全部业务，AI 业务占比没有那么高，同时自身业务非常强，也没有发债。亚马逊、微软、苹果都属于这一类。
有一些公司比较危险，要么举债比较多，要么 AI 占比过高，比如 AMD、Anthropic 和 Oracle。
NVIDIA 在中间，在原点。
前面说过，NVIDIA 是央行，它想去哪儿就去哪儿。
我们把这些视角放到公司上，再下探一步。
假设今天你是第 1 象限最危险公司的 CEO，不要去解决 Sam 那道难题，我们换一个更简单的题。
比如今天你是 CoreWeave 的 CEO，或者 Nebius 的 CEO，你怎么看这件事情？
别人说你杠杆高，风险系数高。
但我们微观地看这些公司，会觉得很有意思。
CoreWeave 的核心团队全部来自金融行业。他们原来的业务是挖矿，是 Web3 挖矿，是矿场。
你跟这种公司说杠杆高，别闹了，好吗？
Nebius 更狠。
Nebius 原来是俄罗斯最大的搜索引擎公司 Yandex 拆分出来的，因为俄乌战争，Yandex 被制裁。公司的工程师和研发人员分散在欧洲各地，南欧、北欧、德国、法国、英国，还有一些来到了亚洲。
在荷兰阿姆斯特丹，Yandex 原来的 CEO 召集了 1000 位兄弟，从欧洲和亚洲各地来到阿姆斯特丹，另起炉灶，做了一家公司叫 Nebius。
起初它给欧洲很多互联网公司提供类似 AI 基础设施的服务。
你想象一下，这家公司过去几年经历了什么，他们的工作状态和每天所想的事情是什么。现在面对这样一个巨大的机会，市场愿意给你可能性，哪怕你知道举债有风险，但你的市值和估值可以在 1 年之内涨几番，你成为这个巨大浪潮中最重要的几个分子之一。
虽然你可能是最危险的，但面对这样的公司，你说它杠杆高、风险系数高，似乎有些过于苛刻了，不是吗？
9. 大聪明容易过早下车
讲到这里，看起来我们也差不多讲完了。
很多人听完后说：“你讲得头头是道，跟大聪明一样。”
但大聪明最容易犯错。
我在聊这些话题的过程中，有几位朋友以及几篇文章，给了我很多刺痛。
一位天使基金合伙人朋友之前给我分享过一张内部 PPT，标题叫《不要做早下车的大聪明》。
1997 年，格林斯潘就说互联网泡沫了。1997 年就说了。
但如果听他的，哪怕泡沫破裂之后，指数也再没有低过他说的那个时间点。
最大的常识最后往往会形成最大的共识，由此带来的价格走势往往都非常极致。
聪明人的诅咒，往往是因为太早看到常识，因而看不起常识。在行情远没有演绎完的时候，就刻意寻找反共识或者非共识的观点。
彼得·林奇前两天接受采访时说，很多人急于套现，这样他们就可以说“我赢了”。
投资者为市场调整做准备，或者试图预测市场调整而损失的钱，远远多于市场调整本身造成的损失。
彼得·林奇说的，不是我说的。
我在投资聚焦的公众号上看到一张图，作者宝哥还说过这样一段话：
“对很多人来说，泡沫的定义其实只是一个他们没有参与的牛市。”
所以当我们说担心泡沫时，究竟是担心泡沫马上要爆，还是担心出现泡沫时自己不在场？
差不多是最后一页了，倒数第 2 页。
在现场，我问所有听完这期内容的人有什么感受。我直接在 PPT 上写：是不是感觉我好像什么都讲到了？技术、产品、资本、人情世故、江湖恩怨，甚至连表情包都讲了。
但听完之后，你发现有什么结论吗？有什么特别鲜明的观点吗？
似乎好像都没有。你甚至可能没有记下什么东西。
我说，这就对了。
为什么？
今天 PPT 的最后一页，是关于狂喜播客节的。
狂喜播客节是一个很有意思的活动。它很像我研究生时学的一门课，叫自组织。
主办方会组织一两百位主播，然后在活动开始前大概两周，让大家随机碰撞，产生两天时间里的上百场讨论。里面可能有一部分是主动策划的，但大部分话题都是大家自己想聊什么，然后组队、拉朋友、拉不认识的人，或者看到感兴趣的话题就参与。
它是一个非常随机的自组织过程。
所以产生的一百多个话题分布，是有统计意义的。
今年上半年 5 月的狂喜播客节有 101 场对话。我看了一下，AI 相关话题有 12 场，占比 12%。
这一次狂喜播客节，因为参与人数变多，场次也变多，一共有 128 场对话，但 AI 话题只有 8 场，占比 6%，从 12% 掉到了 6%，拦腰斩断。
所以我最后一页写的是：
管他 AI 不 AI 的，没有那么多人关心这些事情。享受生活，可能才是最重要的。