刘飞飞
欢迎大家收听《三五环》，我是刘飞。今天邀请到了老朋友庄明浩老师，先跟大家打声招呼吧。
庄明浩
哈喽，大家好，我是《屠龙之术》的主播庄明浩。
刘飞飞
跟庄老师已经聊过好几次《三五环》了，也是老朋友了。前阵子我们在北京见了一次，当时是 ima 周年活动，邀请媒体朋友一起聊一聊。当时我们聊起来一个很有意思的话题，就是腾讯在 AI 上面的一些动作。
所以今天我们就把这个话题单独拎出来聊一聊：腾讯现在在 AI 方面到底是什么样的状况？从第三方的视角来看，我们对它又是什么样的体感？
首先我先说一下，我的确会感觉，比起其他的一些产品，尤其跟身边的朋友交流起来，好像腾讯 AI 的存在感会稍微弱一些。当然，元宝本身作为腾讯主推的产品，也没有像另外某些厂牌一样那么弱，但是比起字节系，或者海外的这些产品，大家还是会感觉存在感稍微有些弱。
我不知道一听到腾讯系的 AI，庄老师直观上会有什么感觉？
1. 腾讯的聊天机器人策略
庄明浩
顺着刚才的话来说，正好现在是 ChatGPT 发布 3 年的时间点。Chatbot 这个形态在过去 3 年确实过于强势了。这里说的“强势”，尤其是在产品功能跟产品设计的定义上，某种程度上它占据了我们讨论 AI 这个话题很大的空间。
似乎很多人在讨论 AI 的时候，讨论的就是类似 ChatGPT 这样的、偏 Chat 为代表的 AI 产品。如果我们只从这个狭义的角度来看，确实跟腾讯的策略有关。元宝在今天这个时间点，可能是在以一种类似跟随的策略参与竞争。
可是在纯 Chatbot 的国内战场里，去年字节的豆包就比较强势；今年年初 DeepSeek 火了之后，DeepSeek 也比较强势；到年底，阿里的两个相关产品也做了一波比较大的推广。
但是我觉得，在 Q3 财报分析会上，好像马总还是 Martin 说过，在今天这个时间点，从腾讯的角度来看，纯 Chatbot，或者说纯自然语言模型这件事情，大家之间的差距是不是特别大？谁也很难在这种形态上说，在绝对意义上比另外一个竞争对手强非常多。
然后又因为现存的 Chatbot 形态，单纯考虑大家常见的留存、时长，包括未来大家期待中的商业模式拓展来看，也不是那么理想。即便 ChatGPT 已经发布 3 年了，所以从这个角度来看，如果我们单纯只谈论类似 Chatbot 的战场，元宝的参与程度确实不是那么高。
但反过来讲，我还有另外一个个人体感。我其实推荐给身边无数对这个行业不那么了解的人，体验 AI 最直接、最方便的一个方式，就是把微信里的元宝置顶。它是一种几乎没有任何操作成本的方式，能够让普通人以最简单的操作步骤、最短的执行路径，获得这一波 AI 能力的展现。
包括公众号的评论区，对吧？很多用户也开始习惯用艾特元宝的方式去获取相关内容。所以从这个角度来看，元宝打的仗跟我们今天看到的那些纯 Chatbot App 和独立 Web 可能不太一样。
或者说，腾讯有这个资格再开一桌：我不以传统意义上的、古典的独立 App 方式去竞争这件事情。那些战场的意义和阶段性的里程碑，对我来说似乎没有那么重要。我可以用另外一种更适合腾讯、也是腾讯更擅长的方式，去做这样的拓展。
所以，如果我们只谈论狭义上的 Chatbot，这件事情大概是这样。但是今天我们的话题绝对不会仅仅聊 Chatbot 这一件简单的事情。
2. 元宝连接腾讯生态
刘飞飞
Chatbot 是过去我们理解中，AI 公司都在竞争的一种非常主流的模式。但是从目前来看，元宝虽然看起来是个 Chatbot，因为腾讯整个大的生态里有各种各样的产品，所以它可以变成这个生态的一个连接器。
它并不只是一个单纯的端到端聊天产品，不只是当场获取信息，而是可能变成一个很重要的入口。这个入口不光能提供信息，还能提供服务，这其实有点像微信小程序想要达成的效果。
未来这个入口可以连接微信背后的各种服务，可以搜公众号，可以听 QQ 音乐，也可以读取腾讯系的各种文章。这样一个连接器，就能变成一个重新获取腾讯内部产品的入口。它其实有点像大家未来想做的那种操作系统，这可能也是腾讯比较独有的优势。
而且整个 AI 行业天翻地覆之后会发现，Chatbot 也在快速地从之前大家感觉的万马奔腾，变成现在大厂的确更有优势。无论是背后的资源、从大模型到 To C 的用户体验支持，整体上来看，大家日常也都在用，对比过之后还是会发现，不管是元宝、通义、豆包，还是海外的这些产品，比起一两年前的整体体验，无论是回答质量，还是沟通体验、多模态以及各种功能，都有了特别大的变化。
这种变化跟之前我们聊 AI 时的整个趋势不太一样了。大公司慢慢地，尤其像腾讯这种比较关注产品的公司，又跟上来了。跟 ChatGPT 3.5 刚出来之后不一样，那时候大家会讨论谁的大模型做得最好，腾讯的存在感比较弱；到现在，它反而变得更有存在感了。
3. 场景取代模型评分
庄明浩
因为这某种程度上也跟今年 AI 的一个战场有关。从技术到应用，从语言到行为，或者说从所谓的 L1、L2 到 Agent 的跨越，都可能相关。
纯语言模型底层技术的演进虽然还非常激烈，但大家确实也面对了各种现实问题，比如 Benchmark 开始失效了，大家甚至不知道该怎么评估纯技术上的好坏差别。这个时候，从产品逻辑的角度来讲，场景和用户体验的优先级变得更高了，因为纯打分和 Benchmark 已经不足以代表模型是否好用。
这个逻辑无论是在中国还是美国，最近一段时间都变得更明显。越来越多有场景的公司，无论大公司还是小公司，在把模型从技术跨到产品这一步时，呈现出来的状态，某种程度上优于纯技术模型公司本身做的事情。
当然，这件事情是阶段性的波浪，还是肉眼可见的未来会一直保持这个趋势，现在也不好说。但确实在这一段时间，以半年为周期，进入 2025 年下半年之后，这件事情会更明显一点。
大家越来越强调用户体验、场景落地，以及对已有场景研究比较深的公司，在 AI 赋能上的变化。这个趋势确实会更明显。
刘飞飞
上次庄老师来《三五环》时就提到过，今年肯定算是一个场景之年。大模型整体的质量不能说已经完全摸到天花板了，但它在性能或者最终效果上的迭代，肯定没有之前那么快，加速度在放缓。
当大家发现核心瓶颈其实是在场景和应用上之后，就开始讨论产品上有哪些可以突破的地方。Chatbot 就像前面庄老师提到的，一开始其实就存在争议：它能不能解决所有问题？大家花了大量投放去做 Chatbot 的用户活跃度，但会发现它没有什么黏性，或者说迁移成本非常低。这条路已经被几家小厂证明不太合理了。
庄明浩
对，高尝鲜、低留存的问题，对于 Chatbot 来说是非常明确存在的。接下来从你的视角看，整个大的产品趋势，或者说大家以场景、应用为驱动的趋势，会变成什么样？
之前有个说法，要从纯语言走向行为。语言的狭义形态，就是这一轮以 Chatbot 为代表的 LUI；而行为会变得更复杂。研究是行为，做一个网页是行为，做一个 App 是行为，甚至把 AI 能力赋予一个具体场景、实现某种功能，也可能是行为。
咱俩准备这个话题时，我想到一个角度。比如今天这个时间点，我们正在用腾讯会议这样一个产品，它因为 AI 能力带来的功能叠加和提升，在产品端的改进，以及这些事情对最直接的收入提升、付费用户转化率提升，如果能够在今年形成所谓的正循环，那对于腾讯会议这个团队而言，这件事情就是 ready 的，就是 work 的。
它就可以持续投入，持续让这个功能或者模块变得更贴近用户体验中更好的那个方向。然后在这个过程中，它能够明确得到正反馈，那就是一个比较良性的状态。
你会发现，以这个角度去看，今年无论是按垂直行业，还是按 Agent 来看，很多拿到阶段性成绩的公司，或多或少都符合这个逻辑。当然这里面有一些是纯模型公司，但大部分其实是偏应用层或者偏场景层的公司，拿到了比较好的结果。
刘飞飞
我在前两年一直有一种感觉，大家经常提到 AI Native，去聊 AI 到底能从底层逻辑上颠覆哪些行业、哪些领域。但后来会慢慢发现，它很难变成一个彻底改变某个行业底层逻辑的技术。
它更多的还是，与其说是 AI 加什么东西，不如说是什么东西加 AI。现在很多行业、领域和场景，更多是通过 AI 去改变生产力效率，让它在给用户提供服务或者给大家提供功能时，变得更加方便、更加有效，而不是使用方式发生了很大变化。
你会发现，很多交互可能没有太多变化，但已经能够给大家创造很多新的价值。我会有这种感觉。
庄明浩
这不只是用户层面的感觉，从底下那一层其实也一样。前两天老黄，也就是 NVIDIA 的黄仁勋接受采访时，回应业界关于泡沫的讨论。他说他看到的机会可能是 3 个数量级的机会。
第一个数量级，是现有已经非常巨大、庞大的互联网体系 AI 化。对于已经有非常强业务关联性的公司，无论是美国的 Google、亚马逊、Meta、微软，还是中国的腾讯、阿里、字节，所有这些公司的业务 AI 化，本身就是一个巨大机会。
无论是对硬件厂商、数据中心建设方、AI 模型本身的提升，还是这些公司内部业务的 ROI 提效，这个叙事已经是一个巨大无比的叙事了。我们先不要去考虑那个纯粹理想中的 AI Native，这个转化本身就是第一个数量级。
第二个数量级，是我们期待中的这些业务，在转化成 AI 之后再延续一步的可能性。第三个数量级，才是我们原来理想中的 AI Native 叙事。
所以在中短期，即使没有最理想的 AI Native 叙事，按照现有逻辑的发展角度来看，增速也非常明显。还有一个更有力的例证：今天这个时间点，国内外厂商，尤其是头部云厂商，Token 消耗量的提升，大部分其实是被自身业务吃掉的。
它们并不那么在意今天一个第三方公司用了我的 API、用了我的模型，还是通过什么方式产生了多少 Token、我收了多少钱。在这个节点你会发现，那条曲线的斜率在往上，而往上的大部分动力是公司自身业务带来的。所谓第三方和我们理想中的 AI Native，几乎可以忽略。
而且这条曲线往上拉的速度没有任何放缓，尤其是在过去两三个季度里。所以中短期光这个叙事，就足够支撑我们往后走很长一段路。
刘飞飞
这种内部通过 AI 改造生产力、提高效率，已经呈现在很多财报里。今天我们聊腾讯，腾讯最新财报里就能看到，第三季度提到，在 AI 和微信商业生态持续提振下，广告收入同比提升 21%，达到 360 多亿元。
这利用了很多全新的 AI 技术，让广告投放更高效，ROI 更高，广告主整体的效果也更高。包括腾讯还提到，内部有 90% 的程序员在使用 CodeBuddy，现在新增代码中有 50% 是由 AI 生成的。
这些其实是在相对比较水下的层面。大家从元宝、豆包感知不到，但大厂已经先落地了，而且落地效果看起来还挺显著。
庄明浩
对，这种趋势似乎已经不需要再探讨、纠正，或者再去讨论它的可能性和正确与否了。它已经策马狂奔，平躺在你的生产管线上。
如果以腾讯为代表，想想腾讯核心的收入来源：金融服务、游戏、广告，可能还有一部分 To B 服务。你看这几个最大的板块，刚才聊到内部提效，我更熟悉的游戏板块里，腾讯互娱的 IEG，其实是国内哪怕把所有互联网公司加在一起，在 AIGC 以及 AI 和游戏结合这件事情上，提供功能、在做相关模块最多的厂商之一。
因为我上一期播客就在聊这个话题，跟他们一些人有过沟通。所以在这件事情上，不需要再讨论它的必要性，也不需要讨论它的 ROI 是否为正，它已经完完全全在偷偷推进了。
4. To C 仍在寻找答案
刘飞飞
所以这可能是第一个层面。对这些大厂来说，当然不只是大厂，中小企业也能在生产力上获得 AI 的各种赋能，只不过大厂本身的基数更大，可能受到 AI 的影响也更大。这是从内部视角来看。
我们再说外部视角。经历了这么多关于 AI 浪潮的讨论之后，有些人会觉得，ChatGPT 3.5 出现这么久了，但在 To C 场景上好像还没有特别多的落地。To C 场景是不是相对来说是个伪需求？产品上是不是还没有出现大家认为的所谓 Killer App？它是不是更像一个泡沫？
庄明浩
纯 To C 的 Chatbot 已经跑出来了。虽然它有各种各样的问题，虽然有留存、商业转化率的问题，但 Chatbot 已经变成一种偏通用的产品形态，成为历史上最快达到很多里程碑的产品形态之一。
无论它多么简单、大家多么不认可，现实状态就是它已经是了。哪怕它不像移动互联网出现的那些特别大的应用，但它至少替代了搜索引擎。我身边很多人已经不用搜索引擎了，这已经是一个巨大无比的东西摆在这里。
如果把全世界所有 Chatbot 加在一起，用户量级可能已经是一个天文数字。另一方面，我们这帮从业者的经验年份，天然习惯用移动互联网时代的考量方式和思维去看今天的 AI 应用。
但现在的问题在于，即便到今天，可能还没有到移动互联网真正意义上爆发的那个时间点。而且，是否一定要沿袭传统移动互联网定义的那套东西，我觉得也是个问号。
上面这段话特别容易变成站着说话不腰疼。即便是我们这些身处战场、天天盯着这些事情的人，也不可避免地会用古典意义上的留存、时长去衡量。但当你发现这件事情没办法衡量时，大家就开始转移。
比如从投资视角来看，我们怎么去看这些 AI 初创应用公司？后来大家实在没有办法，甚至没有所谓的 PMF，只能去看 ARR。然后你会发现，在这个讨论过程中也出现了一些问题，比如 ARR 的毛利、ARR 的计算等。
到今天，大家开始讨论，是不是应该再退一步。移动互联网发展十几年，最后告诉大家的终极答案就是留存、时长和转化，但那是一个太过终极的答案。所以我们往前退了一步，发现还不行，那就再往前退一步，退到最原始的问题：用户需求到底是什么？我们以什么方式满足这个需求？什么指标能够衡量它被满足了？
今天这个时间点，大家讨论的似乎是，Token 消耗速度在变快，以及产品在很短时间内覆盖了一个很大的细分人群。大家再去看移动互联网早期那些 App 的状态，初期并不那么关注所谓的 ARR，或者初期的留存和时长，因为那是终极答案。
今年下半年出现了一些比较有意思的新 App。还有一个角度是，从人的角度看，有一批创业者经历了过去 3 年的浪潮，原来拥有非常资深的经验，同时又积累了比较强的这一波 AI 经验。
他们在这个时间点重新出发创业时，切入点、选择的应用功能、初期执行方式和运营节奏都会比较顺，能够得到更多市场关注和认可。这一波出现之后，事情再往后推，可能会越来越好。
刘飞飞
大概能感知到庄老师说的这一点。我们顺着这个话题，讲一讲日常使用的产品和具体场景。
我会明显感觉到，之前用这些产品时，场景都差不多：这个试试，那个也试试看，看哪个答案效果好。但现在我会明显感受到区分度。做内容、写稿子时，如果需要比较基础的概念，我可能会用豆包，因为它速度比较快。
有些内容需要搜集更多材料，我发现公众号能提供相对准确的信息，其他平台的幻觉会更强，尤其是中文资料。所以当我想搜集信息、研究一个课题时，元宝用得会比较多。
有些特殊场景，我需要整理自己过去讲过的东西，或者之前聊过的内容，就会用 ima。还有一些海外资料，就会用海外的产品。Gemini 也会用得更多，因为我发现它的资料和搜集能力，确实比 ChatGPT 更全面，或者说更准确。
我能感觉到，在过去大模型技术已经拉不开太大差距之后，场景上的差距，以及大家手里掌握的资源和数据带来的差异，正在变得越来越明显。
庄明浩
数据确实越来越重要。数据、算法和算力，不是大家经常提到的 3 个核心要素吗？
纯从个人体验来讲，这一波发展到现在，算法层面和算力层面，用户的体感不会那么强，但数据层面的感知确实越来越强。
最近一段时间，海外 Gemini 3 的口碑非常好。很多人会在社交媒体上说，Google 多年积累的搜索偏好、对用户习惯的感知，这些东西越来越重要。
对于 OpenAI 而言，AI 出现的第一天，大家就说这部分大模型，尤其是偏语言的大模型，确实是奔着搜索去的。但搜索毕竟是需要长期积累的事情。当彼此之间的模型能力差距没有那么大的时候，这种积累的边际效应就显现出来了。
在国内，这一点就更明显。微信在中文互联网，尤其公众号这个板块，在中文互联网内容质量上的断档式领先，当然会决定结果。
刘飞飞
从这个角度来看，我们这些人基本天天都在用，而且确实有比较明确的场景。但这种体验和数据层面展现出来的、用户使用感受上的差距，所带来的用户感知，对于普通用户而言可能还早了一点，但会有越来越多用户产生这种感觉。
既然说到 Gemini 3 Pro，庄老师了解到大家对它评价特别好，主要是基于哪些方面呢？
5. Gemini 迈向多模态
庄明浩
它是两天发布的。第一天发的是 Gemini 3 Pro，第二天发的是 Nano Banana Pro，这两个基本上是连在一起讨论的。
首先，就像刚才说的，纯大语言模型本身的评判，在今天无论对机构、数据方还是个人用户而言，确实已经很难了。所以哪怕 Gemini 3 Pro 上榜之后，大家现在也不太看榜单了，还是从体感角度去评判。
纯从用户角度来讲，大家为什么认为它的能力在提升，原因就在刚才说的这一点：Google 多年积累的搜索体验、输入关键词或一段话时对语义的理解，以及用户想得到什么结果、什么结果是好、什么结果是不好的这套 Know-how，正在慢慢影响 Gemini 3 的输出结果。
而且 Gemini 3 现在已经融入 Google 正常搜索的 AI 模式里了，所以从这个角度来看，它的优势比较明显。
引发更大范围传播的，我觉得是 Nano Banana 的这一轮。那天我所在公司的投资人组织了一场 Google 官方面向我们的分享，介绍 Google 这一波模型的进展。
我觉得从他们的角度来看，语言、多模态和 Agent 这三件事情是包在一起的。对 Google 而言，这三件事情是一件事情，不是独立的。就像我们原来做 PPT 时，自然语言是一桌，多模态是一桌，Coding 是一桌，但他们会认为这是一桌，是一起的。
从结果上来看，因为有了更强的多模态能力，而且这个多模态能力带着自然语言模型的能力，就出现了一种从量变到质变的变化。
我举一个很现实的例子：让今天的 Gemini 3 生成一张刚刚结束的 F1 分站赛颁奖照片，或者生成那一站的积分表。这个结果并不是简单地让它生成一张 F1 车手排名表，它包含的信息是刚刚结束的这一站比赛的积分。
也就是说，Gemini 要先知道最近结束的 F1 分站是哪一站，这是搜索能力，不是生成图片的能力。然后它要知道这一站的结果，以及这些结果对应的车手姓名、头像、照片、车队。所有这些 Know-how 都要对齐之后，才能交给图片模型进行生成。
它包含的是现实世界的信息，通过搜索和语言模型进行整理、归纳之后，形成一个完整的结果。所以这一轮之后，你会发现各种各样的信息图表特别多，也会有人用哆啦 A 梦的方式解释 Transformer 架构，或者做一本解释光合作用的图解书。
过去人类不会把这种命题交给 AI 图片生成工具，因为我们知道，模型可能大概知道你在做什么任务，但不了解底层核心的 Know-how 和常识。今天随着模型能力提升，这件事情被抹平了。
现在我可以信任它，真的帮我做出某种东西，而且我知道那个东西符合刚才说的这一套逻辑。它从量变变成了质变，不再只是炫技：做一个特别漂亮的东西，让你看一眼、感叹一句“好漂亮”，然后就结束了。
它变得可用，变得可以被场景使用。这个事情似乎也跟 Agent 的概念有关联：它可以通过搜索、工具调用、数据抓取、分析整理和推理，得到一个结果，同时使用合适的工具给你一个结果。
这条链条就跟我们理想中的 Agent 贴上了。
所以这一波 Gemini 3、Nano Banana 和多模态能力，确实很强。而且 Veo 3 的最新版本还没有发布，视频模型还在后面。可想而知，最新版 Veo 一定会非常强。
如果视频也出来，多模态、文本、Agent、Coding 都融合在一起，Google 也没有落下，融在一起就变成一个大一统的东西了。
刘飞飞
听起来真的很像之前大语言模型刚出来时大家那种震撼的感觉，它的技术路线当时颠覆了很多东西。
我之前也是学 NLP，也就是自然语言处理。长期以来，NLP 都是在做各个垂类子课题，想通过一个个子课题的研究，最后把它们编到一起，解决一个大的问题。
但后来发现，你不需要单独研究词性、分词、句法，也不需要分别研究这些东西。只要大力出奇迹，把所有东西、所有算力堆在一起共同解决，你会发现所有子课题都在同步解决。
这个类比不一定完全合适，但现在看起来，可能就是结合之后真的出现了一加一大于二的效果。不是单纯地说我这是一个大语言模型，这是一个语言能力，然后跟多模态结合，跟画图、视频、代码结合，而是证明了把这些能力堆在一起，效果的确很好。
庄明浩
对，端到端解决这个问题，确实是一个趋势。我们看到的阶段性展现和里程碑，还是挺让人兴奋的。
所以我们觉得，大模型的进展之前有人担心到了所谓极限，或者说 Scaling Law 几乎已经没有了。现在看起来，还是有得搞。
6. 混元押注世界模型
刘飞飞
腾讯这边也有自己的大模型。相比来说，大家可能会感觉它的存在感不如其他模型强。庄老师怎么看呢？
庄明浩
现阶段媒体关注的声音，更多还是集中在美国那几家：OpenAI、Claude、Google 和马斯克。中国这边，大家或多或少比较关心的，可能是两家最头部的开源公司 DeepSeek 和千问。
后面的厂商大家关注没有那么多，但某种程度上，字节、百度、腾讯在各个板块的模型进展，今年也都比较快。甚至再低一级的厂商，比如小米、B 站、小红书、微博，这个体量的公司，其实也都在选择适合自身业务的模型，并在模型上做拓展。
以腾讯为例，我今天在做 Q3 总结时，讲到多模态这个领域正在经历一个变化。多模态首先包括语音、图片和视频，现在这些能力被打包成我们叫的 Media。
在这个板块里，图片和视频领域的腾讯混元一直做得不错。再往前推演，我当时还说了一个战场，叫 3D。国内做 3D 的战场里，混元 3D 一直是最领先的产品之一。
而且你要知道，3D 场景天生跟游戏非常接近。所以最头部的游戏厂商，在 AI 3D 生成这件事情上的决心，比其他类型的厂商更强。你会发现，混元 3D 非常强。
这个战场再往前推，多模态再往前推一步，就变成了世界模型，也就是 DeepMind 和李飞飞在做的那个东西。在国内这个战场里，混元今年应该在 9 月份发布了世界模型 1.0 版本，也在持续更新迭代。
如果像前面讲的，语言、多模态、Coding、Agent 最后是一件事情，那么在多模态这个细分领域里，终极形态可能就是世界模型。
在这件事情上的投入、不犹豫，以及跟现有业务的结合上，腾讯绝对的，甚至比世界内的任何一个厂商都有超强的耐心。哪怕这件事情比自然语言模型更难在短期内达到所谓的 GPT 时刻，腾讯混元在这件事情上的坚持，我觉得会做得更深。
总结来看，我觉得纯语言模型本身的竞争已经过于激烈，性价比已经非常不高了，这里说的是双引号意义上的“不高”。但在多模态这个战场里，从语音、图片、视频，到 3D、世界模型，再考虑腾讯自身的业务，混元有非常强的资格，也已经有成绩证明它一定是主牌桌上的核心厂商之一。
刘飞飞
而且做这种多模态模型，据我的了解不一定特别专业，但它肯定比语言模型在财力和资源上的支持要求高不少。
这里面最后可能变成大厂之间的竞争，真正有能力迈过门槛、进入赛场竞争的公司并没有特别多。但腾讯肯定是其中一家，因为它真的很赚钱，手里的自由现金流也足够高，这可能也是很重要的一点。
庄明浩
对，它有决心。有的公司可能也有决心，但不一定能腾挪出这么多资源去做这件事情。
甚至某种程度上，我当然这是猜测，腾讯几位老板给混元部门开会时，可能会给出类似这样的倾向：我们在多模态这个战场上，要持续保证处在第一梯队。
在多模态这个战场上，我觉得没准是下过这个命令的，至少给过决心和要求，并且给了足够多的支持和资源，来保证这件事情。
所以在这个事情上，我觉得还有得打。而且某种程度上，中国厂商相较于纯语言模型那个战场，可能在多模态这个战场上更有优势，也更有落地的可能性，达到更好的位置。
当然现在 Google 这一轮真的太强了，但这一轮领先能够持续多久，也是个问号。
7. 巨头重返模型战场
刘飞飞
听起来，这可能就是大家对 Google 这样的公司重新乐观起来的一个原因。之前 OpenAI 刚出来时，大家都在看空这些大厂。最近有人说，当年 OpenAI 出来的时候，大家会说 Google 要挂掉了，但现在似乎是 Google 在革 OpenAI 的命。
庄明浩
今天 OpenAI 的 Sam Altman 临时发了一封红色警报邮件，说我们真的要把所有核心精力聚集在 ChatGPT 上。
按照 OpenAI 原来的战略实施路径，在 GPT-5 发布之后，包括内部技术和产品团队分开了，产品团队做了很多产品端和商业化的尝试，广告也来了，各种东西都来了。
但现在看上去，技术本身还在疯狂演进，所以 OpenAI 逼着 Sam 不得不把内部状态重新调成红色警报：还是要把所有集中注意力放在 ChatGPT，以及背后的 GPT 能力提升上。
真的，你会觉得 AI 这场竞争和战役太难了。
我们还是以第三方的角度，站在旁边看美国这些公司。到 2025 年 11 月之前，我觉得 Sam 及其核心团队已经阶段性解决了过去几年大家诟病的很多问题，包括它跟微软的各种问题、组织架构问题、上市问题、融资问题，当然泡沫不讨论，还有人才流动问题，以及到底是产品公司还是技术公司、能不能持续保持领先等问题。
在 11 月之前，它可能已经把很多问题阶段性解决得差不多了。按照我之前做 PPT 时的观点，它已经是“既往不恋，纵情向前”了。原来的问题已经搞定了，接下来要疯狂往前走。
结果突然之间，Google 这一轮的状态逼着它承认：你原来的事情根本没有解决完。原来的战场还有非常大的敌人，而且已经站起来了，变得非常强大。
所谓纵情向前，根本不允许你有那个资格，也没有那个任性的资本去做那些看上去正确的事情。你又被拉回到了纯模型竞争本身的战场。
从行业角度来讲，这当然是好事情，会让模型进展再一次提速，让大家对这件事情有更多、更强的信心。但纯粹从 OpenAI 这家公司自身而言，真的太难了。
刘飞飞
可以理解，因为这确实不像当年移动互联网的竞争。移动互联网时代，你跑马圈地完成之后，大厂拿你也没办法，因为你们完全不是一个领域，你的壁垒已经建立起来了。
庄明浩
跨回到国内也一样。过去 3 年，无论我们叫生成式 AI、大语言模型还是什么，这一波策马狂奔和疯狂遐想，本质上确实勾勒出了一幅很多人内心中的蓝图，包括发展方式和趋势。
但当我们为了那个理想中的山峰攀登时，会发现这些攀登者自身的位置、过往资源的积累，以及跟这件事情的匹配程度，还有为了攀登新的高峰所储备的资源，确实都有差别。
这种差别看上去越来越明显。有些人很稳，你不会担心他；有些人可能已经在爬到半山时掉下去了；还有些人可能在疯狂地想拉爆所有人，但发现没有那么容易。这种状态也出现了。
刘飞飞
对，会有一种感觉：当我们看 Gemini 3 Pro 这一轮，包括庄老师刚才说的趋势，对应到国内就会发现，像腾讯这样的公司，前面大家可能觉得它做得比较慢，或者没有预期中那么快，但回头再看，好像这些大厂依然是最有优势的。
它们的优势不光在于有足够多的技术资源、财力资源和算力资源，还包括场景和用户资源。当 AI 更多解决的是生产效率问题，而不是像移动互联网那样直接颠覆一个场景时，原来已经圈好的场景、已经提供服务的厂商，显然还是更有优势。
回头来看，腾讯旗下各种产品、各种场景都在慢慢接入 AI，也都有能力把 AI 接入得很好。这个时候你会发现，其他创业公司做生产力工具、嵌入工作流的产品，比如代码、搜索、内容等，可能就是不如直接在微信里做，或者在腾讯系的其他产品里做。
庄明浩
这一波讨论之前，OpenAI 不是开了开发者大会吗？允许在 GPT 的对话框里直接调用一些第三方应用。当时就有很多评论认为，OpenAI 在那个时间点想做当年整个美国移动互联网没做到、但中国移动互联网里的微信做到的事情，就是 All in One。
所有东西都在里面，只需要通过小程序或者对话框调用的方式，实现相关功能。美国互联网时代没有人做到这件事情，Meta 没做到，Google 没做到，微软也没做到。OpenAI 的 ChatGPT 想做，但现在挑战也比较大；而在国内，这件事情已经成型了。
从这个角度来讲，腾讯，或者说微信——我们先不说腾讯，因为腾讯业务太多，条件也太多——只从微信角度来看，它可能是最不着急、最不需要一步跨那么大、把所有东西做出来的厂商。
它现在通过刚才提到的元宝能力，把一些功能放到微信生态内的小场景里。对于用户体验提升、留存提升和 AI 渗透力提升来说，可能已经够了，而且成本也不会那么高。
所以从这个角度来看，微信有资格以这种方式参与这场竞争，也有资格任性一点，这无可厚非。
从二级市场角度来看，今年上半年开始，尤其是年初，因为 DeepSeek、算力投入以及 CAPEX 投入的事情，前两个季度每一家科技巨头——无论腾讯、阿里还是百度——发布财报时，分析师都会关注资本支出，也就是 CAPEX 的投入。
美国那边已经明确是军备竞赛，中国有些厂商也选择了这条路径。腾讯上半年似乎也在借这个叙事，但进入下半年之后，这个叙事就没那么重要了。腾讯再次有资格任性地说，我可以不靠这个叙事。
这个趋势一方面是基于美国体系和现有竞争导致的，另一方面，因为这些公司都在香港和美国上市，所以要让分析师听懂。但进入下半年之后，随着业务的提升，无论是自身业务转化 AI 的效率提升，还是我们前面聊到的其他事情，你会发现腾讯有资格、也有任性的资本说，我不一定要在 CAPEX 上硬上，不一定要放出非常大的数字。
第一，我有这个钱，我不是现金流出了问题。第二，现阶段我觉得这是一个进可攻、退可守的选择，而不是疯狂往前顶、每个季度都要拉出超预期数字的状态。
这会吸引一波认可进可攻、退可守风格的投资人选择相信它。市场上当然总会有激进派、保守派和各种派系，但腾讯管理层在这件事情上选择这样的策略，也符合腾讯一直以来的人设。
如果我们把 Pony 总类比成腾讯这个人，他过去在很多事情上的决策和战略实施，确实就是有资格、有任性的资本说：今天我不靠所有人希望看到的重大资本投入，不疯狂堆卡、堆算力。我有自己的一套趋势，而且这套趋势在内部体系里已经越来越看到它是 OK 的，那我就没有必要依靠那个叙事。
刘飞飞
我也有这种感觉。现在整个局势变化非常大。之前大家会评价，大厂之间是不是用同样的方式竞争，过去很多东西在 AI 领域可能失效了；但现在再看，AI 的确更像一种技术和基础设施。
在具体呈现上，它更像给老房子换装修，或者给老的场景重新做一些体验优化。至少从目前阶段来看，正如庄老师刚才说的，后面不一定，但现在大家使用的很多 AI 产品，无论是 Chatbot，还是处理 PPT、文档、代码等，依然是很落地、很直接的生产力工作。
这代表现在大家需要的、AI 当下能解决的，还是一些老问题。很难说 AI 直接创造了一个新的生产场景，让大家未来都在 AI 工作流里生产，目前感觉还不太一样。
再反过来看腾讯，过去从公众号、视频号到各种产品积累下来的工作和生活用户行为数据，会让你感觉这是一个海外完全不存在的数据库。从现在这个节点来看，这确实是它更有优势的地方，所以它没那么慌。
庄明浩
经历了一波巨大的喧嚣、讨论和 FOMO 式投入之后，2025 年马上结束，ChatGPT 发布也 3 年了。每一家头部巨头都有一定的 FOMO 情绪，原来肯定都有，只是不会像起初那么不知所措。
而且随着很多事情融入业务，效率提升、ROI 转化、技术演进迭代，以及团队和这件事情的匹配程度等，到了一个节点之后，大家会有不同的策略选择，慢慢出现位置区隔。
这确实很像登山。虽然山顶的峰看上去只有一个，大家出发的地方也差不多，准备的粮草可能有差别，但走着走着，你就发现区别出现了。
8. 腾讯重新获得松弛感
刘飞飞
说起来我记得，大半年前元宝推得特别猛。我跟腾讯的朋友交流时，他们普遍感觉那个阶段腾讯内部也很焦虑，因为包括囤卡、技术积累和技术路线在内，都有很强的 FOMO 或者焦虑情绪。
但我能明显感觉到，最近跟腾讯的朋友交流，大家松弛多了，尤其是自上而下传递出来的松弛感。大家会觉得，我们还是能按照之前的方式找到之前的节奏。
当然，这并不是说完全没有焦虑，也不是说腾讯已经高枕无忧了。但整体来看，从我们前面说的场景、产品，到现在这个 AI 元年的阶段，肯定会比以前轻松一些。
庄明浩
我觉得今天这个时间点，对于腾讯、阿里以及中国最大的这些互联网公司而言，AI 当然是绝对意义上最重要、最核心的议题。
纯模型本身的事情，哪怕你的业务跟模型的关联性在这个时间点没有那么强，也还是要跟。只不过在跟的过程中，你要越来越清楚，做这件事情的意义是什么，短期目标和想达到的结果是什么，中期可见的目标是什么。
远期可能没有办法想得特别清楚，但中短期一定要想清楚。这样就会变成更直接、能够落地的东西。那些东西阶段性的正反馈、阶段性的 ROI 等，是否能够满足你对这件事情的预期，就变成今天这个时间点，头部科技巨头内部从战略角度衡量工作的一个脉络。
9. AI 创业仍有窗口
刘飞飞
从你跟身边投资市场的观察来看，未来是不是中小公司、中小场景就完全没有机会了？应该也不是吧？
庄明浩
也不是。而且投资还分一级市场和二级市场，这中间的差异非常大。
一级市场还是很买单应用场景类初创公司的，确实有些公司涨得已经非常大。哪怕它遇到了一些挑战，一级市场依然非常 Buy in AI 应用这一波的爆发和可能性，无论是在中国还是美国。
这件事情在 2025 年会变得更加坚定。去年我们差不多也在说类似的话，但去年说这话时，很多投资人没有那么坚定。
逻辑上大家应该这么做，因为模型本身的投资，对于一级市场来说已经不太可能是主战场了。能参与的人越来越少，门槛越来越高，厂商也越来越少，所以我们应该投下面的应用层。
这还是纯逻辑层面的推演。但到 2025 年之后，随着一些厂商阶段性拿到正反馈，这种反馈可能来自用户层级、收入层级，也可能来自细分领域的影响力。无论如何，当你拿到了一定的正反馈结果，就会有越来越多的人从纯逻辑层面认为这件事情应该做，到现实世界告诉你确实应该这么做。
所以一级市场对 AI 应用层初创公司的关注和持续下注，在 2025 年甚至明年依然会延续。
二级市场会有另外的变化。今年整个二级市场经历了几轮主题轮换。这个词特别大：芯片有一轮，能源有一轮，最近一轮是存储。
过程中，美国软件也经历了几家偏 To G 或 To B 的 AI 软件公司那一轮，表现其实还可以，但这个叙事确实不如能源、芯片和存储的趋势直接。因为美国那边的事情太赤裸裸了。
即便所有人都认为存在过度投资的风险，但它就是一个大的趋势框在那里，没有办法不跟。中国其实也出现了类似的情况。
所以从这个角度来看，二级市场对于偏软件、尤其偏应用这一层，确实也认可、也买单。但二级市场里存在更大的叙事和更大的喧嚣。
刘飞飞
那再说回来，我一直好奇，现在一级市场投资人在看中小公司、看比较早期的创业团队时，会不会像移动互联网时代一样问：如果大厂也做了，你怎么办？
大家会有这种问题吗？或者会在意哪些跟大厂差异化的地方吗？
庄明浩
这个话题在现在的一级市场里，大厂已经不是一个简单意义上的“大厂”了。这个关键词包含的备选项太多，某种程度上，OpenAI 可以放在这里，Google 也可以放在这里。
因为这一波 AI，尤其是偏应用层的初创公司，所面对的全球化机遇摆在所有人面前。所以这里的大厂不只是中国大厂，也包括美国大厂。
今天这一波最新 AI 应用层的创始人，很多人在创业之初就想得比较清楚。有些人选择贴着做，也不在意。我觉得这一波关于 GPT-3 和 DALL-E 的讨论尤其明显。
理论上，这一轮模型能力提升得这么剧烈，按照之前的逻辑，它应该吃掉一些东西，而且是明确吃掉一些东西。但现在看上去，原来做相关业务的公司，因为这一轮巨大的模型提升，以及媒体声音带来的曝光，反而得到了更多关注和增长。
之前有个比喻，说模型厂商像海水一样，可能会把人吞没。也有人说，我们做的是船，随着模型海水水位提升，我们也水涨船高。
但这里面有个度：你是贴着海平线在做，还是已经长出一段距离，能够保证自己安全？这个度每家厂商都不一样。
现实看上去，有些厂商可以一次又一次地，即便贴在海平面上，也随着海平面上涨。当然你说它能涨到多么庞大的结果，没人知道。
但问题在于，一级市场似乎不需要考虑那么终极的答案。说得直白一点，你投一家公司几千万美元，它涨到几亿美元，再涨到更大体量、十亿美元以上。某种程度上，这家公司大概率会有一个什么结果，从投资角度来看，前面那些讨论和最终答案可能没有那么重要。
如果你考虑太多，就没有办法下注。所以你刚才问的这个问题，大家当然会问，但它没有标准答案，也没有绝对意义上的正确答案。大家只能走一步看一步。
谁知道呢？比如我们认识的朋友，原来可能是做语音的。这一波图片能力起来了，他把图片功能加上，再卖一个打包会员，这一波又涨了不少。
他团队可能也不大，工作也未必多复杂，但就是在这种辗转腾挪之间，拼执行力、拼创意、拼整合、拼信息差，乱七八糟拼在一起。站在初创公司的角度，抛开对它业务本身的评判，离远一点看这家公司：几个月前可能只有 2 个人，现在有 10 个人；几个月前一个月只有 10 万美元收入，现在一个月有 100 万美元收入。
那公司当然在变好，当然能够融到下一轮钱。这样就行了。
刘飞飞
听起来，现在的逻辑跟当年确实差别挺大的。
庄明浩
你不能想得那么极端，因为那个最极端的彼岸和远方没有标准，短期内也不可被证伪。你没有办法通过思考终极答案，反推并指导今天的投资决策。
你只能盯着眼前和肉眼可见的中短期事情来做决策。跟过去二三十年前想象未来相比，现在的不确定性更强。
当年当然也有很强的不确定性，你会想未来电商是什么样，但电商大致是什么样，还是可以想象出来的。现在 AI 能改造成什么样、做到什么程度，以及多长时间做到什么程度，很多时候都想象不出来。未来的格局和生态，也很难想象。
所以你只能选择相信创始人，比如他的应变能力、过往经验，以及现在已经积累的东西。这些东西的堆积和叠加，就是大家都会问的护城河。
但今天的护城河，可能不是一句话能说清楚的。它没有那么像早年的移动互联网，拥有某个特别长的长板，或者一个类似护城河的东西。
今天所有的护城河，可能变成了执行力、对行业的理解、对技术能力更迭状态的理解、对商业模式探索的把握，以及推广能力。甚至还包括它自身的品牌和创始人自己的品牌。
这些东西加在一起，变成了那个护城河。
刘飞飞
所以听起来，也很难把当年的标准直接用到现在的大厂上。我刚才也在想这个问题，移动互联网时代，上一代大厂里的很多公司，包括门户网站，当年有很多互联网公司没有跟上。
但到了现在，大厂依然有自己的壁垒和优势。甚至听起来，微信的优势可能比 Google 还要大很多。它是一个 All in One 的产品，是一个巨无霸，能连接用户；张小龙做的小程序，整个生态感觉就是为 AI 做的准备。
未来大家可以直接连接各种各样的服务，它是一个天然的 Agent 入口。这对微信来说可能是非常强的优势。
但同时也存在扑朔迷离的地方。未来发展方向是什么，生态到底会长成什么样，还是依赖微信团队和腾讯内部的产品经理、决策者对 AI 的认知。
AI 是个很抽象的概念，我该怎么用 AI？如果贸然接入很多 AI 的东西，不见得是好事。包括怎么接、应该接什么功能、AI 未来是更开放的生态还是封闭生态、该怎么利用自己的数据，这些都是很复杂的事情，而且拆得越细越复杂。
庄明浩
比如从现有这些边界已经定义好的产品里思考 AI 化拓展：浏览器怎么做？腾讯会议怎么做？输入法怎么做？更复杂的还有 QQ 音乐怎么做？
对于腾讯内部这些已经相对成熟的产品，无论是独立事业部、独立公司，还是内部小团队，在既有产品形态已经稳固的情况下，引入 AI 功能、进行 AI 迭代，这件事情已经非常复杂，而且是个性化的选择。
这件事情可能就够腾讯干了。说得再直白一点，假设我是腾讯会议的产品经理，甚至不是腾讯会议负责人，只是某个功能的产品经理，我中短期的工作其实不需要纠结和犹豫：肯定是 AI 化，接下来只是看做什么、怎么做。
我不需要对大方向产生太多犹豫和纠结。与此同时，还有新的独立产品在出现，IMA 也好，元宝也好，它们承担的角色、功能迭代，以及它们在各自战场上的竞争对手在做什么，它们到底想拓展成什么样，都需要思考。
我觉得 IMA 是一个典型。我几乎天天用，因为我的博客数据库和内容库都在 IMA 上面，所以每天跟他们接触比较多。当然你同时也会用各种文件整理工具，过程中会时不时带入一种角色：如果今天我是 IMA 的产品经理，这件事情做不做？
NotebookLM 推出的功能要不要接？我是不是不在意这件事情？现在排期中的功能，哪些看上去没有那么重要？你可以想象，这个工作已经细化到一种不需要先描绘一个巨大的大饼、讲一个宏大故事的程度，它已经贴到你每天要做的事情里了。
当然，过程中还是需要抉择，需要跟进最新技术进度，跟进最好的竞争对手在做什么。但它的状态已经不是原来那个样子，可做的事情已经非常多了。
10. AI 产品回到真实场景
刘飞飞
说到这里，我总想到之前经常提的那个悖论：AI 领域真的不存在 AI 产品经理。
你说 AI 产品经理，当然可以指一些需要懂 AI 技术和算法、能够跟程序员良好沟通的角色。但到最后，尤其在大厂里，产品经理还是要像刚才提到的那样，理解自己的场景。
比如现在元宝可以在微信评论区被艾特，可能是微信产品经理比较理解自己的场景，才做了这个功能。腾讯会议怎么接入 AI，也显然不是一个特别懂语音技术、多模态技术和算法的 AI 产品经理来决定的，而是腾讯会议产品经理对会议的理解。
在会议场景和会议需求中，开会的人到底有什么需求？AI 哪些地方能帮到我，哪些地方帮不到我？而不是只要接入 AI，效果好就行。
之前我忘了跟谁聊过，有些地方为了硬接 AI，甚至让 AI 告诉农民什么时候出门施肥、什么时候收割。但农民并不爱听这个，因为他们凭自己的经验就能直观解决这个问题。你通过一个更间接的 AI，反而解决不了问题，大家当然不愿意用。
所以最后还是要落回到一点：对于产品经理和产品决策者来说，首先应该关注自己的场景和面对的用户需求，再去看 AI 能帮我解决什么问题。
我见过一些创业者，他们做得很好，能够抓住用户留存，让大家喜欢用这些产品。本质上还是因为他们对场景有洞察，而不是因为他们对 AI 的理解有多厉害。
说实话，大家接入的都是差不多的大模型，使用方式也大差不差，技术上真的不存在太大的壁垒。但有些人对场景理解得不好，自己根本不是这个场景下的用户，做出来的产品就只是为了炫技。
庄明浩
这个感受进入 2025 年、进入场景竞争时代之后，确实很明显。比如刚才提到的微信里艾特元宝这个功能，没准这个功能的产品经理同时还要考虑公众号评论区要不要加图片和表情包。
他的工作就是这些。AI 只是这一系列横向细节中的某一项。最终考量的是整体体验。
比如只负责公众号评论区的人，要讨论评论体验的提升：要不要加图片？是否允许自定义表情包，还是只允许官方表情包？要不要加艾特？艾特是允许艾特用户、艾特作者，还是艾特一个 AI？
它变成了一个具体层级的选择。所以这件事情一下又复杂了。
我们前面聊腾讯 AI 战略，好像它是一件事：到底重视不重视 AI？但最后落到每个非常小的地方，变成的都是具体怎么用。
QQ 浏览器里也接入了很多 AI，在做 Agent；腾讯会议、微信、输入法，每个产品用 AI 的方式都不一样。用好了，整个产品效果特别好；用不好，在市场上就没有那么强的竞争力。
这是具体情况具体分析，很难回答“腾讯 AI 到底做得好不好”这样的问题，因为问题太大了。
11. 未来仍然无法预测
刘飞飞
如果畅想一下，不知道庄老师会不会想，再过 5 年可能不好想，那再过 2 年呢？你觉得 AI 生态可能会是什么样子？
庄明浩
2 个月都不好想。我说真的，现在这个环境太恐怖了。
当然，年底总结时，人类不可避免会在整数年结尾畅想下一个整数年。今天正好是 2025 年年底，自然会想到 2030 年是什么样，再远一点可能会想到 2050 年，因为四分之一个世纪走完了。
但今天这个时间点，行业变化确实是按月度周期在变化和调整。虽然我们之前有个比喻，说可以用线性外推的方式把那条线画出来，但过程中波浪极度波折，AI 也是如此。
当然你可以有一个相对中长期的目标，也可以看到远期肉眼可见的主牌桌上的几个角色：语言、多模态、Coding、Agent。这些事情肯定会继续往前推，推到什么节点不好说。没准到了 L4 阶段，L4 就变成某种意义上的里程碑。
到了 L4，今天这个时间点面临的症结和很多问题，可能会被彻底释放。那个时候当然可能需要更大的投入和基础设施。反过来讲，没准到了那个时间点，腾讯这样的厂商也会疯狂加入，这也是有可能的。
但现实可见的事情是 5 年、10 年，甚至永远达不到，我们都不知道。
在这个过程中，肉眼可见的“眼前的苟且”——我觉得苟且不是贬义词，是个中性词——就是对现有业务进行稳定提升，跟随头部模型的技术能力，尝试在创新业务中寻找新的 AI 范式。
我觉得这个框基本上不太会出错。对于头部厂商而言，似乎都是以这样的方式面对这件事情。
当然，你的体系里经过过去几年的发展，可能有些业务或板块已经长得比较茂密了，那你就在已经长出来的东西上继续加注、扶持，让它变得更丰满，再去找可能性。它就是这样一个滚动的状态。
刘飞飞
总的来说，按照目前的趋势，当下大家对 AI 的理解，或者说 AI 发展到现阶段，确实会让大家对腾讯的看法产生一些变化。
但再往后，在这个不断变化、波谲云诡的 AI 时代到底会怎么样，大家还是要继续观察。
庄老师刚才也提到，腾讯自己也是一家投资能力很强的公司。它该埋的点早就埋完了。大家都在找可能性，它可能已经提前埋下了 10 个、20 个种子。对这些公司来说，钱已经不是什么太大的问题。
这些钱无论是用于资本投入、投资，还是暂时留在那里，都不是什么问题。腾讯又有一次任性的资格：那我就先都不做取舍，大家一起往前走，哪一个阶段、哪一个东西涨到某种状态，再把它弄回来。
这个事情对腾讯来说太熟悉了。历史上不只是在技术侧，在游戏、广告、社交上，它都出现过。
庄明浩
所以我还是觉得，今天这个时间点，大家去评判一家公司、讨论一家公司的业务时，很容易把一个中国或美国巨头想象成一个样子：它就是一个人、一根棍，或者某种单一的东西。
但现在的问题是，今天世界上最大的这些公司，本质上已经极度复杂，是异常复杂的体系和系统。无论业务层、架构层、组织层、投资侧，还是各种可能性，都非常复杂。
一个复杂系统往前走，不太可能被纯线性、单维度地推演。它有太多可能性和意外情况。
我觉得这一轮 Google 也是如此。为什么今年大家会说 Google 再次伟大，Make Google Great Again？是 DeepMind 在过程中发挥了作用，还是 DeepMind 内部组织结构调整在某个时间点起了作用？是创始人回来让大家 996 起了作用？还是收购 Character AI 的核心负责人起了作用？
你会发现，所有这些可能都是原因，但所有这些可能也都不是唯一原因。它就是一个复杂系统生态，在某些时间点做出尽可能正确的决定之后，堆积形成的某个状态，在特定时间点呈现出了阶段性结果。
反过来讲，也不是说 Google 就一定一马平川、马上赢了。它这一段时间获得的正向评价，以及我们认为巨头在这个阶段拥有更强优势的结论，这个有效时长也是个问号。
没准明年又会因为某种原因出现新的挑战和新的可能，更多初创公司获得更多优势，也有可能。
刘飞飞
所以这确实是一个挺有意思的时间阶段。疫情前后，大家好像觉得互联网、信息时代基本已经发展到一个阶段了，但 2023 年、2024 年之后，隔一段时间就会有新的冲击。
它跟大厂的关系，跟我们日常使用的这些产品的关系，也依然很大。很难想象，两年之后我们使用微信的状态和感觉是不是还一样，可能还真不好说。
庄明浩
是啊，谁能知道呢？没人知道。
刘飞飞
今天我们就先聊到这里。我相信中间有很多观点，尤其庄老师的观点，可能会对大家有一些启发。
希望大家听完之后，能够对手头关于 AI 的工作和生活带来一些变化，那就最好了。今天就聊到这里，感谢庄老师，我们下期再见。
庄明浩
感谢，感谢。