庄明浩
台积电这家公司历史以来是以冷静、理性著称的。台积电这次财报分析师电话会上特别有意思，台积电董事长说：“我们要上调明年的 CapEx，原来预估应该是 490 亿美元，调到 520 亿到 560 亿美元。”
然后他说：“我们这种投资是非常审慎的。为了审慎，我在过去的 3 到 4 个月，跟我的客户以及我客户的客户做了非常多的调研，来验证 AI 到底是否有实际需求。我的答案令我非常满意。”
在这个链条上最尾端、最理性，甚至冷静到极致的公司，它的需求已经给出了一个更明确的预期，那似乎就应该可以定性了。
七
各位听友大家好，欢迎收听雪球出品的《厚雪长播》，这是一档和投资相关又不止于投资的节目，我是主持人七。
一年前，具体来说是 2025 年 1 月 20 日，DeepSeek 发布了开源推理模型 DeepSeek-R1。模型迅速登顶全球应用商店榜首，引发了美股的强烈震荡。1 月 28 日，英伟达的市值一度蒸发近 6000 亿美元。
与此同时，这也开启了 A 股、港股新一轮的高歌猛进。现在看来，从那一刻开始，也就是一年前，一切都变了。中国 AI 模型的命运齿轮开始重新转动，和美国的齿轮紧紧咬在了一起。
时隔一年，AI 大模型发生了很多天翻地覆的变化。国内有 DeepSeek、豆包、千问、元宝、Kimi、MiniMax、智谱，国外有 ChatGPT、Gemini、Grok、Anthropic 等等。它们在基础模型、Agent、多模态上都有了很多重大迭代，AI 模型在资本市场端也给这些公司带来了新的估值和想象空间。
今天，我们和《屠龙之术》的主理人庄明浩一起，从 DeepSeek Moment 开始，回顾 2025 年国内外大模型在技术以及产品层面的发展和变化，同时也聊聊 AI 的资本故事以及上下游产业链的全新投资机会。
明浩，要不然我们就先从这个 DeepSeek Moment 开始。
庄明浩
1. DeepSeek 引爆全球震荡
其实我们播出的这个时间点，倒退一年，基本就是去年春节的时候。刚好那个时候发生了一件比较重大的事情：DeepSeek 一下子变成了所有媒体的头条。
七
你大概还有印象吗？当时这个触发点是什么？为什么它突然就变成头条了？
庄明浩
当然印象非常深，因为正好是去年春节。我带着我老婆和孩子在上海周边一个酒店玩，没什么事，闲着就看电视，后来手机上突然就爆了。
最核心的是，我没记错的话，应该是 1 月 26 日晚上 11 点左右。2025 年中国最红的一位创业家，应该就是《黑神话：悟空》的创始人冯骥。他在那天晚上 23 点左右发了一条微博，说他用了 5 天时间体验 DeepSeek。
DeepSeek-R1 正式发布的时间，应该是 1 月 20 日或者 21 日。他说自己用了 5 天，然后说了一句“爆论”：DeepSeek 可能是国运级别的科技成果。
七
其实在那 5 天里发生了什么事情？
庄明浩
R1 发布之后，确实在整个科技界、业界、创投界，包括美国主流的财经和科技媒体中，相关报道越来越多。在那个时间点，它得到了一个非常重要的发酵，第一次产生了一个冲突。
今天大家在讨论 AI 泡沫、算力投资以及几万亿美元这些事情，其实去年那个时候也在讨论类似的问题，只不过数量级可能小一个量级，大概是千亿美元，但同样是一个非常大的数字。OpenAI 融了很多钱，而在这件事情出现之前，特朗普刚刚上任，上任之后不久就发布了“星际之门”计划，也就是和 OpenAI、软银、甲骨文一起进行 5000 亿美元的投资。
七
对，这个我有印象。
庄明浩
从美国的视角来看，大家每天讨论的是要投几百亿、几千亿美元做这样一个东西，结果突然间中国出现了一个模型，说它只花了几百万美元。当然，这只是一次训练成本，但它就可以做得差不多，甚至看上去更好。
于是大家就会问：发生了什么？为什么这个差别从数量级上看，是几百亿美元、上千亿美元到几百万美元的差距？这可能是几千倍的差距。
七
从你做 VC 的感觉来看，你可能关注得更早一点，但至少从更大众或者媒体的维度，倒退一年前，中国还是看客，突然间就变成了核心玩家。
1 月 26 日之后，三天之后就是 1 月 29 日，扎克伯格去了白宫。他先参加了第四季度财报会，接着去了白宫，在这一系列活动里，他自己也提到了 DeepSeek，关注度又上来了。
庄明浩
因为在美国的角度而言，AI 这场仗是不能输的。
七
绝对不能输。
庄明浩
你想，过去一年美国发生的所有这些事情，如果美国在 AI 上再输，美国就完了。它没有任何正面的 Buff 来加成了。
所以你看扎克伯格也好、黄仁勋也好、萨姆·奥特曼也好、微软 CEO 也好，所有人去国会讲 AI 时，核心主题或者说核心出发点，全部都是要确保美国在 AI 领域的绝对领先地位。
这就是一个母题。不管你是哪家公司，只要你去国会讲 AI，出发点全部都是这个。营造了这样的氛围之后，必然会造成冲突，而且这个冲突非常强烈、刺激、赤裸。
更核心的问题在于，单纯从业界角度来讲，2024 年中国的这些模型厂商，当时所谓的“六小虎”，包括当时的千问，也都在发布模型更新，表现其实还行。不能说完全没有差距，我们要承认差距，但它们也一直在做。
R1 这个时间点产生更大的刺激、更强烈的影响，一方面是训练成本，另一方面是阶段性的跨越。
ChatGPT 发布之后，大家定义这个行业进入了 L1，也就是普通的 Chatbot。但大家通过 R1 知道，它会展示一个思考的过程，也就是所谓的“推理”。当然，这个推理是打引号的，至少看上去像推理，但推理是一个很重要的东西。
我们相当于从 L1 跨到了 L2。2024 年 9 月到 10 月左右，L2 的第一个发布者是 OpenAI 的 O 系列模型。直到今天，已经有 O4 了。
OpenAI 发布 O1 的时候是闭源的，世界上其他厂商并不知道它是怎么做出来的，只是看上去非常厉害。你可以想象，从 2024 年 9 月或者第四季度开始，全世界所有头部模型厂商在做的事情，就是复现 O1：我也要做 L2。
其实在差不多的时间点，也有类似的厂商做出来了，只不过大家当时没有选择开源，没有选择告诉大家自己是怎么做的。
DeepSeek 这家公司可能是梁文锋比较有梦想、有追求，也比较大爱。他把所有的训练方式、实施方式，甚至数据集的采集方法，全部公开了。
更重要的是，当时有一篇国外非常核心的 newsletter 解读了 DeepSeek 的论文。论文里有一部分内容，尤其代表了 DeepSeek 这家公司的态度。
DeepSeek 的 R1 是推理模型，它基于 DeepSeek 的基础模型 V3。V3 在 2024 年 12 月底就发布了，相当于 DeepSeek 是在 V3 的基础上做出了 R1。
当时大家都在用强化学习的方式做这件事。DeepSeek 在论文里写道，它不只是把 V3 训练成了 R1，还用同一套方法训练了当时市面上的其他开源模型，比如 Llama，把这套方法复制到其他模型上之后，它们的成绩也提升了。
这相当于在说：我不仅可以把自己的方法全部分享出来，还可以告诉你们，这套方法也适用于其他模型。
七
过去一年，我确实听到了很多博主的讨论，这也是我的一个重要信息来源。大家都在说，这一轮中国开源的姿态，促进了整个世界 AI 的开源。
在 2025 年 DeepSeek-R1 之前，主流观点会认为，这件事情还是需要闭源公司来做，因为需要特别多的钱、特别多的投入，以及高精尖人才的加持，才有可能跑下来。
但开源模型出现之后，大家会发现，当然这也和中国几家模型厂商频繁开源有关，再加上此前代表开源的 Meta、Llama 掉队了，而且掉得很厉害，于是整个态势就直接扭转了。
庄明浩
所以你看，整个 2025 年的开源模型板块，很多榜单的前十、前二十名，几乎全部都是中国公司的模型，而且覆盖了各种大小尺寸的模型。
这也在倒逼 OpenAI。它需要在自己的模型里挑选一部分不是最优的模型，来做开源和适配。
如果我们回顾整个 2025 年全世界 AI 行业的发展，有几个关键词是一定要提的。强化学习一定要提，Agent 可能要提，推理模型也要提。如果把视角聚焦到中国，开源一定是必须提及的核心关键词。
它似乎成为了中国在这场 AI 竞争当中的一种武器、抓手，或者说某种更适合我们的方式。
为什么会是这个方式，也有很多其他原因。上午我也和一些做技术的人聊过，他们可能会认为，纯模型从零到一的研发，当 OpenAI 解决之后，后面的事情更多偏工程和实施，核心是成本和效率问题。
这些事情确实是我们这边的工程师更擅长的，所以才导致了这些东西的出现。
七
2. 2025 年模型应用齐飞
在这样一个时间点，DeepSeek Moment 带来的民族自豪感当然油然而生。但回头观察过去一年，也会觉得非常感慨，变化实在太快、太多。
中国崛起了很多优秀的公司，美国也在继续往前走。这一年发生了这么多事情，我们一起来梳理一下吧。
不用完全按照时间线，有哪些事情是你现在一下就能想到的？我觉得可以以中美为主，聊一些比较大的事件。
庄明浩
DeepSeek 火了之后，先经历了一轮股市波动。因为大家在炒股，当天不是跌了 17% 吗？于是又开始讨论杰文斯悖论：煤矿的开采，到底是对煤矿公司有利，还是对整个行业有利。
3 月份 Manus 出现了，大家关于 AI Agent 的讨论开始变多，这个讨论可能一直延续到 5 月左右。
中间出现了 4 月的美股大跌，可能更多是因为关税等各种原因，但时间上刚好叠在一起。大跌之后又跌回来，市场开始慢慢往回涨。标普 500 没有马上创新高，但中间经历了不少波折。
模型方面，大家本来在 2024 年就期待 GPT-5 发布，但 GPT-5 并没有那么理想，没有展现出像之前那些版本一样超强的领先身位。
到了第三季度，Google 的多模态能力开始变强。从 Veo 3、Nano Banana、Nano Banana Pro，到年底的 GPT-5，这一系列模型出现之后，Google 的股价也开始挡不住了。
到年底，OpenAI 又发布了一些东西。过程中印象比较深的，还包括 DeepSeek 自己的模型进展。
刚才我们讲到，DeepSeek 先发布了 V3 基础模型，在 V3 的基础上做出了 R1。既然 R1 把大家的预期拉得这么高，大家当然会期待 R2 会有多强。
所以在 2025 年里，出现过好几轮传闻，说 R2 快做出来了。第一轮大概在 5 月或 6 月，但没有发布。当时传出的原因是 DeepSeek 在和华为做测试，芯片叙事也被加了进来，中国和美国芯片之间的叙事又被炒了一轮。
第二轮是在 9 月到 10 月，传说 DeepSeek 下一轮模型已经做好了。
当时我记得特别清楚，最开始 V 系列是 V3，然后是 V3.1，V3.1 的 0528 版本，也就是 5 月 28 日发布的版本。9 月又发布了 V3.1 的最终版，大概是这个名字。
大家就会想，既然叫最终版，下一个是不是应该更强一点，叫 V4？如果发布 V4，在 V4 的基础上不就应该是 R2 了吗？
结果过了一周，它发布了 V3.2。大家一看，原来还没到。当然，他们内部可能有自己的节奏，但从版本号上能看出来，他们其实还没有准备好。
到了 2026 年初，大家可能更期待它的下一步动作。因为过去一段时间，DeepSeek 连续发布了两三篇论文，都是关于模型结构研发的核心论文，而且看上去是在为下一代模型做基础。
现在气氛已经烘托到这里了，大概率春节左右又是春节，V4 会出来。今天这个时间点，模型也在发生变化。
过去基础模型和推理模型是分开的，但你会发现，现在它们慢慢在融合。可能因为强化学习，也可能因为其他原因，有没有可能不经过 V2，直接 V4 就全部搞定？也有可能，我们不知道。这个节点很重要。
这是一层，纯模型研发层。更重要的是另一层：2025 年大家会说这是应用年。
比如字节的豆包，日活突破了 1 亿。日活是 App 领域非常重要的节点，是一个里程碑。
美国这边，ChatGPT 在去年 10 月左右，周活应该是 8 亿，传说现在已经到 9 亿了。
两家公司都拿到了所谓的“微笑曲线”，这件事很重要。我们过去看移动互联网 App 的发展时会说，很多 App 如果在某个战场里，用户量级到了一个体量，品牌影响力达到一定程度，功能叠加到一定程度，留存曲线会拉回来。
按理说，留存曲线应该随着时间越来越长，留下来的人越来越少。但曲线拉起来，就代表它发生了变化，量变变成了质变，我们叫微笑曲线。
ChatGPT 是在 10 月份拿到的，传说豆包也拿到了。它们的留存曲线拉起来，可能就说明已经跨过了某个临界点。
进入第四季度，阿里突然加大了投入。其实过去一年阿里一直在强势推进 AI，之前主要是在阿里云、千问模型以及和自身业务结合上。进入第四季度之后，阿里在 To C 应用、千问，甚至蚂蚁这边都加大了动作。
阿里集团和蚂蚁应该算两家公司，蚂蚁也在推自己的模型和应用，比如蚂蚁阿福。
中国最大的几家互联网巨头，字节今年买了春晚的赞助，肉眼可见，春晚当天晚上豆包的日活一定会达到峰值。能不能突破 2 亿不知道，但肯定会是一个峰值。
阿里突然也动起来了。过去一段时间，如果你关注这个行业，应该在无数地方看到阿里各种各样的推广文章。
那腾讯呢？元宝呢？刚刚接手腾讯 AI 一号位的这位年轻的 LLM 研究员，姚顺雨，会怎么做？张小龙会怎么动？所有这些事情都会推到 2026 年。
七
我记得之前你在某一期节目里谈到过一个观点：中国所有模型厂商的前序战役，是不是已经基本结束了？
我记得你表达过类似的观点：头部公司能做的都已经做出来了，没做的好像也不打算做了。接下来还有一批中场选手，有些是比较早的，比如 Kimi，已经很早出来了，而且活得还不错。
还有两家上市公司，我们一会儿可能会聊到，它们其实也处于现存的第一梯队里。
那么，国内模型的这场战役，你觉得是不是基本告一段落了？还是未来还会横空出世一些新的玩家？
庄明浩
3. 国内模型进入分化阶段
新的玩家已经很难了，但现存这些玩家，条条大路通罗马，各自都有自己要押注的事情。
有一个可能永远辩不清的问题：到底什么样的业务、什么样的技术底蕴、什么样体量的公司，应该做自己的技术模型？
最后大家的讨论变成了，可能因为大家都在做投资，只能说达到某个估值或者体量的公司都应该做，只能用最粗暴的估值标准去评判。
但中国备案过的纯大模型，也有几百个了。当然，现在还在做技术研发的可能没有那么多，但至少已经有几百家公司在做相关的技术模型研究。
除了刚才提到的几家最大的互联网巨头、几家比较前沿的初创公司，百度也在做，小红书也在做，甚至 B 站、小米、美团也都在做。
再往下，几十亿美元估值的公司可能也在做。A 股上市公司科大讯飞也在做。中国有一批这样的公司，尤其是在 To B、企业服务和政府相关体系里，都在做。
似乎每家公司都会找寻自己的场景。
更现实的问题是，如果只看模型这个战场，竞争不太可能是一家独大。它不是平台，也不是短视频。哪怕是短视频，也有三五家公司，虽然第一名特别大，但也有第二、第三的位置。
如果是这样一个逻辑，这个战场能容下的公司不会太少。
七
你觉得是三五家公司共享蛋糕，还是有可能 50 家到 500 家共享蛋糕？
庄明浩
小几十家应该是各自有自己的战场。
你把视角拉到美国，其实也就那几家公司。但美国的情况确实不太一样。美国 AI 模型的叙事，建立在超大的金融叙事基础上，而且似乎只有这一种叙事，所以门槛被硬生生拉到了一个不可理喻的高度。
不过我觉得所有事情都是物极必反的。2025 年进入第四季度之后，美国出现了一波我们叫 New Lab 的公司。
这些公司的创始人可能是 OpenAI 的研究员、Google 的研究员，或者以前 Meta 的研究员。他们出来做新的 Lab，注意是 Lab，不叫公司。
这相当于大家在赌有没有新的研发范式。它代表之前的那条路径已经被拉到极限了，原来那条路可能只有那家公司能走。但那家公司是不是一定会走到底，也不一定。
所以大家愿意在这些 New Lab 什么都没有的时候，给它们很高的估值，投很多钱，就是在赌新的可能性。
七
你说的这个新的可能性，更多还是基础模型的可能性，还是 Agent 的可能性？这些 New Lab 主要是在赌模型本身吗？
庄明浩
中国的情况可能又不太一样。
首先，我们的叙事不是建立在非常严格、非常巨大的金融门槛上。我们有开源，有工程实施，还有中国特色的各种场景，无论 To C 还是 To B。
很简单，我们今天可能会聊到两家上市公司的财报。如果用一个非常简单粗暴的数字去解释，它们大概用了 OpenAI 百分之一量级的钱，做到了 80 分到 90 分的样子，而且非常适合中国国情。
这已经非常厉害了。
我们这边还有具身智能、机器人，以及各种延展，包括先进制造。很多事情叠加在一起，不是只有一条路走到黑，我们的选择路径特别多。
七
4. Agent 走向基础设施
既然先聊公司，那就从公司出发。DeepSeek 之后，中国很快就出现了 Agent——Manus。
Manus 在那个时刻确实惊艳了一下，之后又沉寂了很长一段时间，直到最近它被收购，又再次得到了一轮大的曝光。中间发生了什么？你后来有跟踪吗？
庄明浩
Agent 可能在 2025 年第二季度左右，是讨论最热烈的一段时间。
还是回到刚才的说法。OpenAI 定义了 L1 到 L5 的过程：L1 是 Chatbot，也就是普通的聊天机器人；L2 是以 DeepSeek-R1 为代表的推理模型。
2025 年第一季度，头部厂商基本都做出了推理模型。Kimi 也在 DeepSeek 没几天之后，推出了 K1.5 或者 K2，反正也是推理模型。
几乎所有头部厂商都在 2025 年第一季度做到了推理模型。推理模型成为标配之后，大家自然会往前再推一步：L3 不就是 Agent 吗？
但现在告诉你，这个关系不是线性的。今天这个时间点，基础模型还在研发，推理模型也还在研发，Agent 也在研发，就像甘特图一样，几条线同时在推进。
不过在当时，Agent 的讨论确实达到了一个新的高度。
反过来讲，2024 年也有很多人讨论 Agent。大家会认为，这一轮 AI 讨论的核心爆发原因是语言模型的爆发。但语言只是对话，只是信息的沟通。大家期待的是技术革命，技术革命当然要像蒸汽机一样真正干活。
你要解决人类的问题，提升 GDP，所以它要从语言跨到行为。
你看前两天千问发布的 Agent，不就是把 Action 作为核心关键词吗？逻辑是一样的：从对话到行动，从语言到行为。
逻辑当然讲得通，但怎么实现、做成什么样、做哪些取舍，以及工程上怎么实施，大家其实都不清楚，没有标准答案。
Meta 算是第一个把人们期待中的那个样子做出来的。
我之前一直有个观点：抛开纯技术研发，从用户角度来讲，这种 AI 让大家受到强烈刺激的一个核心关键词，叫“看见”。
看见什么？就是你第一次使用 ChatGPT 或类似工具时，第一次看到电脑屏幕在那里吐字。这个强烈的感受非常直观，你不需要理解技术细节，也不需要了解它怎么实现，就能感觉它在一本正经地吐字，而且你还看见了它在思考。
到了 L2，就变成了你看见它思考。你看见它是怎么想的，虽然只是看上去差不多，但这个感觉非常强烈。
L3 Agent 理论上来说，Manus 做的事情就是“看见”：它让人们第一次看见 AI 是怎么干活的。
包括之前豆包的尝试，虽然很快就被下线了，但视觉上的刺激是最直接的。你看见一个东西在执行：打开网页、访问页面、点击、收集数据、制作 PPT。
从纯用户体验这个层面来讲，这个过程让大家知道，或者说开始期待 Agent 应该是这个样子。
同时，问题也出现了。
到了年底，原来语言的事情更多是模型公司自己的事情。只要解决算力、算法和数据问题，做很多工程实现，理论上就可以不断往前推进。
但 Agent 变复杂了。它不是模型公司自己的事情，它要和外界环境产生交互，要访问数据库、调取网页、打车、叫外卖，还要做各种事情。
本质上，它就不再是一家公司的事情了，和自动驾驶一样。道路、路况、红绿灯、天气，每个地方都不一样，黑天、下雨天也都会带来不同问题。
所以从逻辑上来说，这种复杂流程不可能在短期内突然解决。
这也是为什么到了 2025 年下半年，关于表层 Agent 的讨论变少了，但关于 Agent Infra，也就是帮助 Agent 的基础设施公司的讨论变多了。
大家发现，真正看到的只是冰山尖上的那一点界面，而界面占整个问题的比重极小，下面还有一大串问题没有解决，所以大家开始转向解决底层问题。
七
Agent Infra 更多是什么样的基础设施？
庄明浩
比如今天我们用电脑做各种工作，本质上所有操作、访问的网站、调用的数据库，甚至浏览器，都是给人做的，不是给 AI 做的。
如果未来由 AI 承担更多工作，那就应该有一套给 AI 使用的东西：AI 的浏览器、AI 使用的数据库、AI 使用的访问权限，甚至还要给 AI 一个身份。
今天我打开一个网站注册，需要填写验证码，需要用手机接收短信验证，这些事情 AI 现在看上去还搞不定。那它要怎么访问？是不是应该给 AI 设计一整套这样的东西？这些东西应该由谁来做？
是已有这些服务的公司来做，还是应该有新的公司来做？
典型的例子是 Browser Use。你听这个名字就知道，它是给 AI 使用浏览器的中间件。它把浏览器很多原始结构打乱、打散，适配到 AI 的场景下，让 AI 更好地应用浏览器。
还有专门给 AI 做身份的公司。今天你访问一个网站，如果是 AI 的方式去访问，很多网站会把你挡掉，因为它会认为你是爬虫或者攻击流量。
这个问题也引发了 2025 年一段时间里对 AI 协议的讨论，比如 MCP、ACP 等各种协议。
互联网还没有成为民用互联网之前，互联网协议就已经存在了。HTTP、FTP、SMTP 这些协议，甚至在浏览器界面出现之前就已经存在。底层协议搭好之后，才出现界面，最后人类才开始使用。
但今天的 AI 不是这样。AI 突然走到前面，回头才发现我们连协议都没有。
于是有些公司开始做协议，越来越多的厂商加入进来，希望让从语言到行为的这个环能够转起来。
当然，我们说的都是简化版。真正落到谁来做、谁承担责任、谁从中获益，问题就会变得复杂。
当年的这些协议本质上是公有的东西，背后没有商业公司，也没有利益。HTTP 协议属于任何人，也不属于任何一家公司，没有人通过 HTTP 协议直接赚到钱。
协议本来就应该是那样的东西。但今天不是。今天引领一切的都是商业公司，大家谈的都是钱。
责任怎么划分？我凭什么要用你的协议？我也想做协议，也想占据这个位置。
所以这些问题特别复杂，不是靠理想，或者照搬原来的方式就能实现。
这也是事情为什么慢下来的原因。逻辑上，它就不可能快。
所以到了 2025 年下半年，水面上这一层的讨论变少了。那些公司随着用户习惯的养成、推广等各种因素，收入其实还在增长，只是聚光灯被拿走了。
七
5. 用户第一次看见 AI
刚才你说到，过去一年最重要的事情之一就是“看见”。先说说你自己吧，你有没有第一时间去试？当时的感受，以及第一次接触 ChatGPT 3.0 时的体感，有什么直观的差别？
庄明浩
刚才说的“看见”确实很重要。DeepSeek App 刚推出的时候，最开始没有深度思考功能，那个按钮是没亮的。后来它又加了在线搜索功能，相当于有两个按钮。
你想，这两个按钮点亮或者不点亮，就有 4 种组合。全部点亮，才是完整的体验，也就是深度思考加在线搜索。
一开始没有深度思考，不展示深度思考过程时，你会觉得这就是一个类似 ChatGPT、豆包或者元宝的东西。
但只要把深度思考打开，它开始展示思考和思维过程，你一下就会非常震惊。你实实在在看到了一个模型所谓的思考方式：它怎么一步一步把你提出的问题拆解成有逻辑、有框架的需求，然后给出答案。
之前我们使用各种聊天机器人，本质上是它回答得特别快，想一下，啪，就弹出来了，确实很强。但当它慢下来之后，你会觉得这个能力提升确实很恐怖。
而且它不是随便胡说。它很多思考的角度和拆解方式，可能是你根本没有想到过的，它会给你启发，反而帮你把问题结构化。
七
相当于它比人强。人类这种碳基生物，对这种东西的感触是非常明显的。
之前陆奇说过，上一代 AI 下围棋、开车、打《星际争霸》，但我们又不天天开车，也不天天下围棋。我也不是天天打游戏，它像电竞选手一样，强就强了。
但今天 AI 能写邮件，能帮你分析东西，能帮你写发言稿，像你一样思考，你就会觉得特别不一样。
从 DeepSeek 之后，中美每一个新的大模型出来，我相信你肯定都试过。能不能帮我们回忆一下？过去一年其实也不长，有哪些模型给你印象比较深，或者你让它做过什么事情，执行结果让你感到惊讶？
庄明浩
最近有一件事情让我感觉特别强烈。
2024 年底 o1 已经出现了，但使用 o1 要付费，事实上大部分人都没有用过推理模型。而且 o1 推出时不显示推理过程，所以你只是感觉它答案很好，但不知道它为什么这么好。
那个时间点，Claude 已经很强了。2024 年大家聊 Claude，还是在聊它的文本能力很强。
比如你让 Anthropic 的 Claude 写一篇华尔街日报风格的文章，关于某个具体议题。这个指令代表什么？它要理解什么叫《华尔街日报》的文风、什么样的结构、什么样的表达方式，然后才能帮你写，而不是单纯吐出一些字。
那时候它已经实现了。2024 年底，文本能力就已经非常强了。
今年年终的时候，印象最深的应该是图片模型的进展，尤其是 Google 的 Nano Banana。
其实一直以来，图片 AI 的生成比这一轮语言模型更早一些，图片方面的进展一直都很强。上半年 GPT-4o 生成吉卜力风格头像的那一波，就是一个很典型的例子。
它和刚才说的逻辑一样，完完全全理解这个风格代表什么，元素是什么，配色、样式和展现方式是什么。它不只是画一张图，而是理解了一个抽象概念。
能够把抽象的东西结构化，其实很难，人都不一定能做到。
然后 Nano Banana 出现之后，大家经常说“言出法随”。包括同时期的 Veo 3，言出法随是一个很容易理解的标准，普通用户也能感知到。
到了年底，我拿到 Nano Banana Pro 之后，感受特别深。我之前也讲过这个案例。
我儿子是一个小学六年级的学生，他们有家长职业日之类的分享活动，我就去给他们讲 AI。内容包括这轮 AI 大模型是怎么发展起来的，以及 AI 怎么应用到学习中。
我想讲两件事情：第一，用小学六年级学生能理解的方式讲清楚 AI 大模型的原理；第二，AI 怎么在他们的学习过程中提供帮助。
我把这两个议题喂给了 Gemini。我说我想做一个 PPT。我和我儿子说了这件事，他说最好配一个故事，不要干讲。
我想，那配什么故事呢？肯定要配他们理解的东西。我第一个想到的是《火影忍者》。
我用 NotebookLM 做了一个基于模型的文档生成工具，做出来之后我就震惊了。
首先，它完完全全理解《火影忍者》的世界发生了什么。比如佐助的写轮眼可以复制，它就把这个能力嫁接到了 AI 模型的能力上。它理解底层运行逻辑之间的匹配关系，不是简单画一个人在那里讲。
它可能先讲一个关于“复制”的故事，对应复制忍者，然后用某个角色的技能去表示某一种 AI 能力，整体完全贴在一起。
有时候它是在逻辑层面构建这样的关系。做完之后我觉得特别强。
七
这个是 Nano Banana 实现的，还是要先通过语言模型？
庄明浩
这是一个很好的问题，也引发了另一个讨论。
6. 多模态模型开始融合
过去几年，大家更多叫语言模型，图片是图片的事情，多模态是多模态的事情，Coding 是 Coding 的事情。原来大家认为这是三条平行线，像三个主桌。
但走到今天，你会发现可能变成了一桌。
现在常规的 AI 工具实现方式是：我给一个议题，你生成一个大纲；基于大纲再配一个模板。它其实是并行实施的，像不同车间，最后再拼在一起。
但新一轮的发现不是这样。它是多模态输入、多模态输出，是一个盒子。入口可以是 Nano Banana，也可以是 LLM，但你输入的是多模态的，输出也是多模态的。
你给它的指令，是文字指令和图像指令连在一起的东西。
到了 2026 年这个时间点，你会发现中国原来偏语言的模型厂商，也都在向同一个平台靠近。这种靠近不是像以前那样并行，而是融在一起。
所以未来没准真的会变成一桌。
前两天千问负责人去北京参加大会，他们今年有一个很重要的目标，叫“三进三出”：文字、图片、视频或者语音都可以输入，中间是一个模型核心，同时支持三种输出。
七
后来《火影忍者》也不行，因为我们班一半同学可能不知道《火影忍者》是什么。我又问，蛋仔派对行不行？
我当时想到，Gemini 可能不知道蛋仔派对是什么。我都不知道那是小孩玩的新游戏，是网易出的，毕竟是在国内环境里，所以我也担心它不一定知道。
庄明浩
结果你低估它了。
七
我给了它新的提示词，让它帮我做蛋仔派对风格，它完全理解了，还是做出来了。
我儿子看完之后说确实也很好，但老师可能不太喜欢，因为是游戏 IP。这是一个挺较真的甲方。
最后我们只能选一个所有人都知道、又符合各种要求的内容。我们最后选了《西游记》。
它最后的核心逻辑是：你是唐僧，模型是孙悟空，你要用紧箍咒控制它，才能让它帮助你实现目的。
庄明浩
这句话其实是 AI 告诉你的。它把《西游记》的故事框架和逻辑抽离出来，抽象成和今天 AI 模型状态相匹配的东西。
而且它符合你刚才说的要求：不是教孩子直接拿 AI 去完成作业，而是把 AI 作为一个增强型助手。
它在底层就把这两件事情匹配起来了：文字理解逻辑加上多模态能力。
七
可能我的指令就只有一句：“请用《西游记》的故事来讲。”就结束了。
庄明浩
对，就结束了。然后它所有的逻辑都符合。
比如它讲今天这个时间点模型是怎么来的：数据、算法和算力。它用太上老君的炼丹炉来比喻这件事情。大家现在不都说模型训练像炼丹一样吗？
当我看到这些时，就觉得它不是简单画一张图，画一座山水、画一只鸟放在那里。它是完完全全理解逻辑框架和 common sense，然后再把它匹配成可视化内容。
这是今年才实现的，去年还没有这个能力。去年图像没有达到，文字也没有达到。
七
Google 有很多产品。你更多测试的是 Nano Banana 和 Gemini，那 Gemini 又是做什么的？
庄明浩
Gemini 的强势，是整理信息或者做报告。
这轮模型出来的第一天，大家就说它是要打败搜索的。大家认为它在替代搜索上会特别强。
但这句话的反面是，搜索公司之前积累的能力，在今天依然有用。
比如今天我真的要搜索一个严肃、认真的话题，非常收敛，不希望模型产生太多幻觉，我就是要它现实地帮我搜索、找到资料，然后加工整理。
这个能力依然需要基础搜索能力。什么结果应该排在前面，什么结果重要，只有搜索引擎公司知道。
所以在偏严肃、认真的信息整理、搜集和加工上，Gemini 非常强。
GPT 选择的是另一条路。GPT 现在押注或者强调的是“它更懂你”，给你提供更多所谓的情绪价值。
你现在和它聊天，它会加很多乱七八糟的话来恭维你，它是在赌这件事情更重要。但你明显感觉，在一些非常严肃的场景里它不太行。
因为 OpenAI 没有做过搜索，只能借用第三方的搜索能力去完成这一层，其他更多是锦上添花。Google 本身就是做搜索的，所以正好具备这个能力。
七
7. 美国巨头重组 AI 战场
正好沿着你刚才说的点，我们先把美国今年在纯技术和产品侧的变化说完。
你刚才提到了 Gemini，还有两家主要的模型公司：一个是 X 的 Grok，另一个是你说严重掉队的 Llama。这两家今年又发生了什么？
庄明浩
xAI 一直在建设最大的算力集群，算力投入上，除了 OpenAI 之外，xAI 应该是最激进的一家。
因为马斯克整个帝国的能力摆在那里。xAI 融了足够多的钱，建设了最大的算力中心。
而且 xAI 和 Twitter 现在是绑定在一起做的，它会基于 Twitter 的语料做很多尝试，比如社交、陪伴，以及和 Twitter 的业务合作。
2026 年很有可能发生的一件事情，是马斯克把 xAI 和 Twitter 合并。两家的业务现在绑得太深了，而且这个故事也很好讲：xAI 和 X，逻辑上是说得通的。
当然，这可能意味着它失去了真正意义上还在追求最前沿状态的那种公司的可能性。所以聊 xAI，还是要带着马斯克一起聊，不能只聊 xAI 本身。
七
是。马斯克还有特斯拉，以及明年可能上市的 SpaceX。太空业务可能又和太空数据中心挂在一起，他感觉能把这套故事讲得更圆，然后继续融很多钱。
庄明浩
现在这几家联盟型公司，Google 不算，因为 Google 本身就是业务公司。
OpenAI 去年的收入应该是 200 亿美元左右，SpaceX 大概是 90 亿美元，xAI 可能只有 5 亿美元。量级上差一个零，但 xAI 的估值可不低。
OpenAI 上一轮是 5000 亿美元，这一轮大概按 7000 亿美元融资。Anthropic 这一轮是 3500 亿到 3700 亿美元左右，这两天红杉、英伟达和微软还在参与融资，已经是 3000 多亿美元的公司。
xAI 已经 2300 亿美元了。
第一名有 200 亿美元收入，第二名有 90 亿美元收入，第三名只有 5 亿美元收入，它凭什么敢叫价 2000 多亿美元？还是因为马斯克。
所以它的业务本身其实没有那么重要。投资它的人也是这么想的：我们信你，你就折腾吧。收入多少我们也不太在意，你先做。
Meta 的问题在于，过去一年发生了很多架构调整。原来的模型团队、Llama 团队，在过程中也做了一些不太好的事情，比如刷榜、提前泄露等。
我觉得核心问题是，Meta 不是一家技术底子的公司，它更多是一家产品、应用和分发渠道公司。所以它内部所谓 AI 实验室的角色定位和目标，一直比较飘忽。
过程中，竞争又急剧加剧，把这个战场拉到了一个你不能掉队的状态。
去年这几家头部科技巨头在 CapEx 上投入都是千亿美元，Meta 也跟了。但问题是，Meta 有没有云？
微软可以跟，Google 可以跟。苹果也可以跟，但是苹果现在没有跟，甚至亚马逊也在跟，因为它们是云厂商。美国最大的三家云厂商，不就是 AWS、Google Cloud 和 Microsoft Azure 吗？
但 Meta 没有云。
所以去年 Meta 股价表现不好，也是这个原因。首先模型本身乱七八糟，其次它投入了 1000 亿美元做 CapEx，但这 1000 亿美元其实是飘在天上的，没有原地承接。可想而知，它内部的状态会是什么样。
年中小扎开始折腾。还好 Meta 是一家创始人还年轻、还在亲自干活的巨头，所以扎克伯格自己下场挖人，后来就出现了挖来一批硅谷核心工程师的故事。
但你想，这相当于拉来一批特种兵或者雇佣兵。你当然也找了一个类似的负责人，可那个负责人也很年轻，口碑并不能说特别好，也很张狂。
你又期望在这个时间点追上已经被拉得非常快的模型进展，所以 Llama 至少在第三、第四季度基本没有声音。现在你可以理解为，Meta 还没有发布新模型。
但反过来讲，AI 能力对于传统业务的提升，尤其对于广告业务的提升，2025 年已经看到了。
无论是中国还是美国，很多公司都在讲这个故事。Google、腾讯、AppLovin、阿里，Meta 更是如此。提效这件事情，确实是一个小的正面 Buff。
七
这又回到了刚才的问题：什么样的公司应该继续努力做技术模型？
庄明浩
结论最后就是这么简单粗暴：到了一定体量，故事还是要做，没办法。
而且不只是基础模型要做，很多基础设施也得搞起来。是不是连自己的云也要提前布局？有可能。
最终大家会发现，自己还缺了一块，还是不行。
所以到了年底，会有很多报告把产业链拆开：底层基础设施、数据中心、芯片，黄仁勋不是搭了一个五层蛋糕吗？大家就开始对比各家公司在这五层上的能力。
七
Google 很强，因为它每一层都很强，蛋糕的每一层都有。
庄明浩
对，有些公司就会缺一些。甚至有人把具身智能、机器人也放在这个体系里。
似乎未来所谓的科技巨头，就应该符合那张矩阵，或者说拼图、蛋糕的样子。但这合理吗？我也不知道。反正市场规则或者市场评价你的角度就是这样：你都得有。
你看亚马逊，贝佐斯也要去做太空。大家都发现，要做自己的闭环，要做具身智能。
亚马逊可能还能讲清楚一点：我可以靠机器人提升仓库效率。但听起来也有点牵强。可市场对你的评判标准，似乎已经变成了一张表，然后就在这张表上看你强不强、哪些地方强。
你说它合理不合理，我们也不知道。
中国的科技巨头其实也一样。阿里有云，字节也有基础设施，华为更不用说。AI 方面有百度，芯片、云、数据中心、应用、渠道和模型，大家都有。
最后就变成，谁在哪个地方更强，谁在哪个地方更弱，谁突出什么，优先级是什么。
七
那是不是这只是巨头的逻辑？
比如刚上市的智谱和 MiniMax，显然不具备这五层蛋糕的实力。它们现在可能只有最上面的一层，或者两层：有基座模型，也有上面的应用。
再往下一层，比如云或者算力基础设施，肯定都没有。把聚光灯放在这些偏初创公司的身上，这个议题确实太难了。
庄明浩
AI 这一波对初创公司创始人的要求，真的是六边形战士。
这场仗从第一天大家就知道是一个巨大无比的战争，而且会蔓延很久。它不像上一个元宇宙，三年就结束了，也不像一个不合理、站不住的事情。
AI 这一波肉眼可见地可能再打 5 年，甚至更久。
七
那反过来，我们怎么看今天这个话题的初始，也就是 DeepSeek Moment？
像 DeepSeek 这种公司，显然和刚才说的巨头又不是一类。我们聊了这么久之后，再重新回看这件事，你有什么新的想法？
庄明浩
我今天看了一篇文章，觉得很有意思。它建议头部模型公司也去做一家量化基金，再赚点股票的钱。
美国那边大家已经走到死胡同里了。你想，这些公司未来承诺的是 5 年预期、几万亿美元的数据中心建设，以及能源、电力等各种投入，已经摸到很多事情的物理极限和人类极限。
当预期和测算都没有办法再往前推演时，大家只能退回来想最核心的问题：钱从哪儿来？
自己也得挣点钱。订阅收入算上，广告、电商、API、To B 收入算上，怎么都算不完，那怎么办？
大家发现，中国有这样一条路。你看今年幻方的业绩还可以，前两天国内又有一家量化基金公司也做了模型，开源模型能力也很强。
于是大家会想，美国的模型公司要不要也去做量化基金？美国的量化基金肯定比中国更多，发展也更早，它们现在也一定在大量引入人工智能工具。
所以 DeepSeek 不仅是中国，可能美国也要感谢这家公司的出现。
它有一种完全从商业逻辑上分析不出来的身位和角色。它做这件事情，而且看上去不受任何影响。
比如前两天清华组织了一个大模型大会，智谱、Kimi 都在，千问也来了，姚顺雨也参与了。那是头部顶尖公司的聚会。
因为是开源聚会，所以没有邀请字节也合理。MiniMax 因为在忙上市没有来，如果没上市，我觉得它也会来。
但 DeepSeek 没法来，或者说它可以来，但也可以不想来。
所以它的身位特别特殊。反而它又是最做量化、和这个战场结合最深的一家，有点独孤九剑的感觉，非常特殊。
七
我们从最初的技术聊到产品，这一部分大概梳理了一遍。技术从基座模型开始，经过语言模型，再到视觉、多模态等核心应用。
如果往前跨两三年，这一年算是几何层面上的革命性变化。展望 2026 年，速度会变得更快，还是差不多？
庄明浩
8. 下一代模型继续进化
我现在的说法是：我们怎么得到这么强大的模型？
从 GPT 之前，到 ChatGPT，再到 DeepSeek，直到今天百花齐放的状态，走过了几个阶段。
最开始，我们通过预训练得到了 GPT-3.5。预训练就是用海量数据，参考人类神经网络的方式，对大模型进行训练。
预训练现在还在发生，但出现了一个问题：大家首先面临的是预训练数据开始变少。能够喂给模型的数据，边际正在变得越来越少。
七
你的意思是，能喂的已经喂得差不多了？
庄明浩
至少可能喂了 80%。当然还有很多数据没有被数据化、没有被在线化，或者很难处理。这是一个方面。
这个观点不是今天才有，2025 年年中就已经有人在讨论。
那为什么 2025 年下半年 Google 又变强了？Google 这一轮变强，依然基于预训练能力，但不是简单的数据有或者没有，而是在预训练的工程实施上又做了改进。
也就是说，第一步是预训练数据的有和没有；再往上一级，是数据有了之后，预训练的工程怎么实施。什么样的数据好，什么样的数据不好，怎么清洗、整理、调参，这些都说明预训练仍然有空间。
如果从技术角度讲，2025 年可以叫强化学习年。强化学习发生在后训练阶段，相当于模型做出来之后，还要继续训练，让它变得更好。
后训练通过强化学习的方式完成：做题，做对了就激励，做错了就惩罚。
所以这一年数学和 Coding 发展得最好，因为数学做对了就是对，代码能跑通就是跑通。
但问题是，那些没有办法直接给出答案的场景怎么办？
所以这一轮数据标注公司又重新变得重要。我们需要找到标准答案，或者找到人类认知中什么是好的答案，而且可能要找到最顶尖的标准。
比如非常资深的律师、医生、金融交易员，让他们构建标准，然后让机器学习，再进行强化学习和不断训练。
这件事情我觉得可能只走了 40% 到 50%，还有很多空间。
所以肉眼可见，2026 年还会继续围绕强化学习推进，包括环境搭建、模型系统处理，以及怎么防止 reward hacking。
就像给人定 KPI 一样，只要你定了 KPI，总有人会想办法取巧。为了防止模型取巧，就要设置围栏。
包括如何对模型能力打分、如何建立 benchmark，这些可能都是数据层面的问题。这一层可能已经走了 40% 到 50%。
这还是基座模型的后训练。大家发现还不够，还要再往前推。
预训练可能还有 30% 的空间，后训练可能还有 40% 到 50% 的空间。大家还在寻找更新的东西。
2026 年大家比较公认的一个方向，至少在硅谷公司里，叫 online learning 或者 continual learning，也就是持续学习、自主学习。
现在的模型是这样的：模型公司经过一段时间的预训练、后训练，训练到某个节点，发布出来，大家使用；然后它再训练下一代，过一段时间再发布。
它是一个按照节点切断的方式。
那能不能实时反馈、持续训练？逻辑上应该是可以的。
如果要实现这种方式，就需要做很多新的工作。
之前有一个“石油和新能源”的比喻，我觉得很好。预训练像石油，很强、很有用，但有限，可能已经挖得差不多了。强化学习像新能源，也很强，而且还在不断替代，但可能也有空间限制。
如果持续学习实现了，就类似核能起飞。
如果是这样，纯模型底层技术研发上，2026 年可能会变得非常重要。所以为什么会出现那么多 New Lab，也是因为这个原因。
你要知道，这已经是第三级的事情了。现在的头部模型公司，更多精力、钱和人还是放在前两件事情上。它们没有那么多精力放在第三件事情上，虽然也在做，但这似乎给了新公司一些可能性。
七
对资源的要求，持续学习会更高吗？
庄明浩
会，而且会更复杂。现在可能连 benchmark 都没有。很多人都在尝试各种方式。
这只是纯模型研发层面的逻辑推演。至于到底是谁来做、做到什么程度，每家公司都有自己的选择。它可能基于你的技术能力、团队背景和资金规模。
不仅美国公司如此，中国公司也一样。
所以你看前几天那次大会，唐杰也好，Kimi 的杨植麟也好，都提到一个观点，叫模型公司的 Token ROI。
我有这么多算力和研发能力，投到哪几件事情上，投入多长时间，能够达到什么样的效果，这对这些公司而言变成了新的挑战。
七
我们经常听到 Token。稍微接触多一点的人都知道，它当然和算力有关系，但更多还是和钱有关系。
也有一种说法是，未来 Token 的成本还会显著下降。这个在你们 VC 产业里面有什么判断吗？
庄明浩
有一些说法是，每年成本下降一个数量级，基本上每年降一个零。
但这个下降是静态的：今天这个模型发布，到一年之后，它的成本确实可能变成十分之一。问题在于，一年之后还会有一个更新的模型在那里。
最好的模型永远是最贵的，只不过随着模型能力提升，原来模型能力的成本会下降。
2024 年很多公司就在押注，用最新的模型做各种应用尝试。但因为模型本身的算力成本很高，所以没有毛利。
它们讲的故事是，一年之后成本会降到十分之一。问题是，在模型能力没有收敛之前，作为最前沿的应用，你永远要用最好的模型。
最好的模型永远不会降价，所以你的毛利一直回不来。
七
但有一些观点认为，进入今年之后，模型能力在某些场景里会收敛。
在某些场景里，我不需要使用当前市场上最好、最大的模型，可以用一些小模型。虽然能力没有那么强，但成本更低，也够用。
刚才我们主要讨论的是基座模型和语言模型。你觉得语言模型还有什么迭代空间？大家是在押注 online learning 或者 continual learning 吗？
庄明浩
肯定是，也一样。
整个视觉和图像模型也都是一样的，或者说它会和刚才的语言模型越来越融合，变成多模态、多进多出。
这件事情肉眼可见已经成为共识。
智谱和千问最近都发布了多模态领域的模型。智谱刚刚发布了第一代图片模型，智谱原来几乎不做多模态。DeepSeek 也发布了 OCR 模型，原来 DeepSeek 也没有多模态。
但今天大家发现，纯语言的事情似乎进入了一个相对窄的领域，很多事情单靠语言解决不了。
比如具身机器人为什么智能化稍微差一点？因为具身领域没有那么多现成的数据可以使用。
今天我来的时候看到新闻，有一家做具身智能的公司和李飞飞的模型公司合作，想利用 AI 生成的世界来给机器人做数据采集。
七
9. 世界模型打开新场景
这个还是帮普通听众做一点科普。李飞飞说的世界模型究竟是什么？
庄明浩
你可以理解为，用语言或者图片的方式搭建出一个虚拟世界，而这个虚拟世界里的所有物体都符合现实世界的物理规则。
比如山坡是斜的，往上走会更慢，往下滚会更快；石头越大就越重；有一滩水，把东西砸进去它会掉到水里；玻璃杯掉在地上会碎。
我构建一个符合现实世界物理规则的场景。这个东西做出来能干什么？
最容易想到的是做游戏。游戏本来就是在做这个事情。过去要一点点把石头、山、道路抠出来，但今天可以用 AI 一句话生成。
再延伸一下，自动驾驶为什么这么慢？因为自动驾驶需要让车跑在世界各个地方、各种道路上，感知所有这些数据并进行反馈。
机器人也一样。怎么爬山、涉水、抓取多大的东西，物体的材质是什么，这些不可能一条条写给它，也不可能一条条都去试。
如果是手术机器人，就可以相对简单一些。你只做肠胃镜或者某个具体手术，接触到的物质和材料基本是固定的，不需要世界模型。
但如果要做人形机器人，让它变成保姆，什么地方都能去，什么都能干，就像人一样，那就需要一个仿真环境。
七
也就是说，原来没有办法以可控成本搭建这样的环境。理论上可以用传统方式做，但成本、算力和存储介质都太高。
现在可以在可控环境下，用 AI 搭建一个虚拟环境，让机器人去测试。哪怕真的捏碎一个杯子，也不会造成现实损失。
现在世界模型的行业进展大概怎么样？
庄明浩
现在有两条路线。
一条是物理路线，李飞飞他们是代表，DeepMind 可能也算这一类。
另一条是多模态路线，也就是从图片、视频到世界模型，偏视觉。他们原来做视频生成，理论上视频生成本身就是一个时空里的东西。
那能不能实时渲染、实时生成？比如现在我们生成一段视频，画面里两个人坐在这里录播客。我直接说：“前面录播客的人站起来，走到前面把椅子踢倒。”我说完之后，视频里的人就站起来走过去，把椅子踢倒。
这是一派视觉路线。你听着这个逻辑，未来的视频生成、视频演化会变得非常有用，但它不是瞄着刚才说的物理场景去做的。
这两条路线到底哪个更重要？谁也不知道，反正现在很多公司都在做。
这两套技术在 2025 年第三、第四季度开始，很多公司都在尝试。世界模型之前也有人做，但媒体关注度和融资情况没有像今天这么疯狂。
2025 年第四季度开始，讨论明显变多了。还有一个原因，是之前讨论的很多问题已经没有新鲜感了，而世界模型是一个新的方向。
七
现在也有很多垂直到具体行业和领域的应用。比如很多人在讨论 AI 医疗，这算是一条新的路线吗？
庄明浩
其实一直都是。
上午我们聊到一个朋友，他做数据库。他说，一条脉络是按职能划分，肉眼可见的，比如客服、销售，这些是最常见的板块，功能非常明显。
再往后就是按行业划分，比如医疗、金融、法律。
首先，这些行业足够大；第二，很重要的一点是，行业内部生的数据价值很高，所以它们当然会优先尝试 AI 能力的拓展。
整个 To B 战场在美国发展也很快。很多 AI 收入榜单上，除了几家最大的模型公司之外，上榜的也都是这类公司，比如法律、金融、销售、视频剪辑等领域的公司。
七
短期未来，也就是今年，哪些路线更有可能快速见到成效或者出现突破？更偏 To B，还是更偏 To C？
庄明浩
我觉得都会有。
To C 方面，多模态今年一定会更进一步。过去多模态是并行的，但现在明显变成一体化的趋势，会解锁更多场景。
AI 过去几年基本都是技术突破，或者某个技术节点突然到达临界点，然后打开一批应用场景，无论 To B 还是 To C。
今年多模态可能会成为纯模型研发的共识。
另一个共识就是刚才说的 online learning、continual learning。它会带来一批机会，包括持续学习的基础设施、服务、数据采集，以及技术研发公司。
再往前推，就是落地到真正具体的应用场景。
无论互联网还是移动互联网，最开始一波都是工具。过去 3 年 AI 也基本偏工具属性，工具不会特别大。
最后变大的都是平台：社交平台、内容平台、电商平台，各种各样的平台。
AI 到今天这个时间点，至少头部公司都想往平台化转。平台化就涉及商业模式和网络效应。
今天 AI 在这件事情上还不是特别强，但逻辑上 2026 年一定会加强，只是怎么加强，我们还不知道。
比如 ChatGPT 刚刚加了广告，大家早就有预期，只是看在什么时间点、以什么方式加。
七
它为什么选择在这个时间点加广告？算是提前做商业化尝试吗？
庄明浩
就是因为逻辑上应该走到那里了。
技术研发、应用、平台，一直以来不都是这个逻辑吗？
还有一个逻辑是，所有 IT 行业的价值链三角应该倒过来。应用公司应该最多、最大、最丰富；中间层是云和基础设施；底层反而应该最小。
但现在 AI 行业是一个正三角，基础设施最大，芯片公司最大，英伟达最大，卖铲子的人最大，应用层反而最小。
这不应该这样，因为谁离用户最近，谁应该最有价值。它最终应该倒过来。
但今天英伟达已经 4 万亿美元了，而且这只是底部。那上面得有多大？至少想象空间已经被打开了。
有人算过几轮技术浪潮的更迭：从传统 IT 到互联网，再到移动互联网，美国还有云计算一波，最后到今天的 AI，基本上每一浪都是前一浪的 3 倍。
美国前一波头部公司加起来可能是 6 万亿美元，乘以 3，就可能达到 20 万亿美元。
今天看上去，OpenAI 马上要奔着 1 万亿美元去了，Google、微软、英伟达加起来，可能也能对得上这个数字。
七
10. 资本市场重估 AI
正好聊到这里，我们开启后面听众更爱听的一部分：炒股票和投资。
这个炒股票背后，也可以通过公募或者私募基金实现。我们直接从美国开始，分两部分：第一是估值问题，第二是基本面问题。
拿你刚才举的例子，OpenAI 至少估值 1 万亿美元，年收入大概 200 亿美元，相当于 50 倍 PS。你怎么看这个差距？
庄明浩
你看中国公司，还有另外一个段子，叫“百分之一的定律”。
前面我们讲过，中国头部模型公司基本用美国头部模型公司百分之一的成本，做到了 80 分到 90 分的样子。但它们的估值也是百分之一。
把这个命题扩展到国产 GPU 也一样。国产 GPU 的头部公司，是英伟达的百分之一。英伟达 4 万亿到 5 万亿美元，百分之一就是 400 亿到 500 亿美元，乘以 7，大概就是 3000 多亿元人民币，差不多是国产 GPU 公司的估值。
当然很多人会说，它们的收入完全没法比。但现实是，百分之一这个因素，在今天这个时间点决定估值时非常重要。
我们再看美国这些公司。OpenAI 是 1 万亿美元。如果最后 AI 这一波是一个 20 万亿美元的头部公司总估值，Google 肯定在其中。Google 今天是 3 万亿到 4 万亿美元。
那和 Google 差不多的一家公司应该值多少钱？大家是用这个角度来衡量 OpenAI 的价值，而不是按收入衡量。没有办法按收入去衡量。
当然，OpenAI 一直在公开或者私下测算，到 2030 年左右，它的收入规模可能达到 2000 亿到 3000 亿美元。
但你反过来想，今天 Google 一个季度就是 1000 亿美元收入。虽然 Google 更多靠传统业务，但 OpenAI 未来大的收入来源无非就是订阅、广告、电商和 API，基本都数得出来。
我会觉得，今天无论美国还是中国的一级市场和二级市场，都会把一个能算出来的预期直接打满。只要这个事情算得出来，市场就会先把它打到那个位置，完全不保守。
具身智能也一样。只要趋势能算出来，估值就会先打到那里。
七
你说合不合理？
庄明浩
存在就是合理。有人愿意买，那就是合理。当然，保守派会认为风险很大。
但这又引发另一个问题：我发现估值定得这么高之后，xAI 看上去就很便宜，第二名看上去就很便宜。
就像 2021 年疯狂的时候，快手上市前一天，我和很多做二级市场的朋友在陆家嘴吃饭。招股书已经出来了，大家讨论业务、竞争、构成，分歧很多。
但对第二天的估值几乎没有分歧：大家都觉得它一定会跳很多。
当时 B 站大概 100 亿美元，大家会说快手凭什么值这么多？但快手这个价格看上去并不贵。再一比，腾讯也很便宜。比着比着，我们叫它估值传导，就一路飞上去了。
今天不也一样吗？Google 4 万亿美元，大家觉得合理，因为 Google 很强。
如果未来 AI 领域只有两家偏应用、偏软件的公司，或者两到三家，那第二名看上去也不会是一个特别差的结果。
第二名会是 Anthropic 吗？
庄明浩
也不一定。
七
如果 OpenAI 是第一，那第二是谁还不好说。Gemini 也会觉得自己是第二，因为它背后有 Google。
庄明浩
对，它有 Google。
从一级市场角度讲，今天的问题变成：如果你是一个一级市场投资者，市场上有几十亿美元，你的命题是一定要投，那你怎么投？
可选标的太少，但每一家标的又都有自己的位置。
七
所以你们觉得，AI 模型领域已经不是一个偏左侧的区域了？
庄明浩
是的，已经完全偏右侧了，只能看你信不信。
今天你没有办法用任何方式理解，为什么有人以 2000 多亿美元的估值投资 xAI。唯一的理由就是他们信马斯克，只有这一个理由。
七
但马斯克历史以来好像也没有让投资人亏过钱，他还会不断证明自己。
庄明浩
对。你去写投资决策报告，也只能那么写，还能怎么写？
七
除了七姐妹之外，还有几家额外的 AI 新贵。我们先从七姐妹开始捋。
微软算不算？它没有自己的模型，主要用 OpenAI，但自己也在做。算是 OpenAI 吗？
另外几家，比如亚马逊，它们在这方面有什么布局？
庄明浩
亚马逊之前表现不太好，但第三季度还是第四季度财报当天晚上，股价涨了 12% 左右。
核心原因是亚马逊 AWS 云的增速重新回到了超过 20%。它的云业务其实不错。
美国最大的三家云厂商就是 AWS、Google Cloud 和 Microsoft Azure。
过去三年左右，因为 AI 增长，Google 是因为自身业务，微软是因为和 OpenAI 的绑定。
如果我没记错，在 2025 年第三季度之前的两个季度里，微软单季度的边际增量已经超过亚马逊。核心原因就是它绑定了 OpenAI。
那几个季度，微软云和公有云每个季度增长大概 30%，但 AWS 只有 10% 多，11% 到 12% 左右。
虽然 AWS 是市场老大，但趋势上看比较危险，所以那段时间亚马逊股票表现不好。
现在另一侧又出现了苹果和 Google 的绑定，变成微软和 OpenAI 的绑定在一边，苹果和 Google 的绑定在另一边，确实是晋西北乱成一锅粥。
七
帮我们再梳理一下。原来的战场是微软和 OpenAI 绑定，对亚马逊和 Google。其实亚马逊和 Google 都是 Anthropic 很早的投资人，对吗？
庄明浩
对，但一开始 Anthropic 没有和它们形成绑定关系。
当 OpenAI 和微软产生问题之后，2025 年 11 月微软和 OpenAI 正式分开，可以说是和平分手。虽然还有一定延续性，但不再限制彼此的独家合作。
所以这一轮 Anthropic 的投资，微软也参与了。
同时，在最疯狂的循环融资阶段，Google 加码了 Anthropic，并且和它签了一个巨大的 TPU 加云的绑定协议。
七
听起来就是一堆大佬都投了 Anthropic。
庄明浩
英伟达也在投，Anthropic 又拿了英伟达的钱，还拿了微软和 Google 的钱，黄仁勋的故事也被放进来了，确实乱成一锅粥。
大家其实都融在一起了。
现在市场上有两个阵营，一个是 Google 和苹果的阵营。这个阵营在 2025 年 12 月的股价上出现了明显分化。
这种分化是因为大家开始担心，以华为代表这个阵营的新一流会出现巨大问题。
所有人的预期至少都打到了 2030 年，无论是云投入、CapEx、数据中心建设，还是收入增长，全部都打到了那个时间点。
一开始打这个预期时，股价确实涨了一波。但后来大家开始算细节，发现核心问题特别简单：这笔账可能算不过来。
这波绑定阵营里的公司也分位置。排在最前面、受伤最惨烈的是杠杆最高的公司，比如 CoreWeave、Nebius 这些 New Cloud 公司。因为杠杆最高，所以风险最大，大家会担心它们的现金流出问题。
再往上一级，是 Oracle。大家会计算 Oracle 未来签下的订单、CapEx 投入和收入，算出来之后，发现 Oracle 未来 3 年现金流可能会出问题。
再往上一级，可能是 AMD。大家会担心它的数据中心业务真的起不来，最后变成另一个英特尔。
所以这个故事就不断循环。
Google 这边的强势在于 Google 自己强势，带着它的合作伙伴，理论上从预期角度看，大家更相信它，所以才产生了这样的分化。
进入 2026 年之后，我们录制节目时距离年初已经过去了半个月左右。除了存储公司还在涨之外，这些公司基本没怎么动，价格比较稳定。
英伟达、Google、苹果、微软、Meta，基本都稳定在那里，当然也可能和年初的时间点有关。
存储芯片方面，美光、SanDisk 还在疯狂上涨，因为这一轮情绪确实炒到了这里。
七
但这些公司现在其实是稳在这个位置。你可以理解为，刚才讲的所有预期和测算，在这个时间点已经算完了。
再往后是什么趋势和演进？可能需要什么事件来引爆、刺激，才有可能出现分化。
雪球上也有人讨论，当然也可能是先有事件，再去找原因。
比如 Google 和苹果的绑定，会让人想到它们是美国最大的两个移动终端：有硬件终端，又有一个 AI 承载的新故事可以讲。
国内也有对标的情况。比如豆包的应用被封之后，它可能会找一家独家的手机厂商合作。
最终是不是从 AI 之战拓展到硬件入口之争，变成手机之争？
庄明浩
今年过去这十几个交易日，A 股和港股炒的不就是这些东西吗？应用、AI 落地场景等。
这个事情已经持续了三四年，当然还会不断往前走。
但今天这个时间点，AI 不太可能产生一个全新的巨大硬件，还是会和现有终端绑定，或者做一些外接的小设备。
基于手机这个核心中心载体，短中期看应该还是趋势，这个命题短期内不会被推翻。
再往前推，就变成为什么进入第四季度，中国互联网大厂又开始打入口之战。入口之争和十几年前很像，这种感觉很强烈。
大家都经历过那场战争，但这次是不是真的会像原来那样出现，我们也不知道。会不会有意外因素、意外对手、意外的决策方，也不知道。
七
我们拉开看，过去 2025 年涨得最好的是 Google，涨得最差的是苹果。
大家可能会期待，2026 年苹果会出现变化。
庄明浩
苹果这些年的议题其实特别简单：它的技术业务太厚了，非常稳定，基本是稳定态，大家都很清楚。
但问题是，如果我们有一台时光穿梭机，穿越到 2026 年底回看，如果最后苹果涨得最好，需要什么因素让它涨得最好？
那一定是 AI 带来的巨大趋势，在边际上改变了很多事情，才会有这个结果。
但这个议题对苹果执行起来太难了，因为它原来的东西太厚、太稳定。库克也不是冒险型、激进型的人。当然库克马上要退休，这也是一个非常重要的因素。
接班人是谁，他的态度、执行力、选择什么方式、从什么角度推进，都会影响结果。这就是 2026 年苹果唯一的议题。
七
你刚才提到库克的稳定，以及接班人未必稳定的猜测。
我们对比来看，扎克伯格过去一年给人的感觉就不太稳定，或者说很焦虑。我能从媒体头条里读到他的焦虑，感觉他在折腾整个 AI 团队时，可能确实很担心模型掉队。
庄明浩
是的。他在不停尝试新的东西，包括 Manus 的收购，以及最近上任的一位新副总裁，原来是高盛的人，做金融的。
还是那个问题：他已经上了这艘船，一年要投 1000 亿美元，但收入和利润不足以支撑烧很多年。
总要在某个节点给出一个说法。这个说法是什么？
有人天马行空地想，他为什么不收购一家模型公司？这样似乎可以解燃眉之急。
另一种观点是，它就不应该成为模型公司，而应该把应用做好。
所以模型和应用之争，到现在还没有结束。
七
在你看来，巨头是不是必须像五层蛋糕一样，每一层都拥有？
庄明浩
对于巨头而言，肯定是全都要，这个议题不需要怀疑。
但除了这些巨头之外，还有其他公司也在做。
我们再回看国内的大厂。2025 年中概互联网公司涨得还是不错的，先排除电商大战等纯国内场景，只说基础设施、云和 AI 层面的迭代，也给这些公司带来了不少市值提升。
你第一个怎么评价过去一年这些公司的估值抬升？你认为符合它们取得的业绩吗？第二个问题是未来怎么看？
庄明浩
我觉得基本还是符合的，当然里面可能加入了情绪的 Buff。
这一轮中美对抗的很多议题延展到了 AI，单看 AI 应用本身或者 AI 业务发展，可能不足以支撑这么好的结果，但因为叠加了其他 Buff，又因为底层 AI 基础确实在往上走，几层叠在一起，才导致了现在的结果。
整体来说是合理的。
这几家中概互联网公司，状态又各不相同。
阿里在过去一年基本上是非常激进，而且在 AI 这件事情上践行了很多事情。抛开外卖和电商，只说 AI，无论是投入、阿里云位置的提升、千问模型研发、和现有业务绑定，还是年底千问 App 的 Agent 实施，阿里都做了很多。
我开玩笑说，第四季度吴泳铭拿着尚方宝剑一样。你看那张发布会的图，阿里各个业务都在上面。
其实千问模型发布时，那张图就有，但当时的关系不一样。原来是说千问模型赋能这些业务，现在变成了“你们都来装到我这里”。你们是来给我站台的，是把 Logo 贴在我这里。
阿里在这一年里，是整个战争中最饥渴的那一个。
这可能和它一直以来的身份有关。它做了很多基础设施，做了很多脏活累活，会觉得自己相对于另外两家最大的公司，在纯 To C 端一直有入口焦虑。
它一直担心要做社交、做 To C、做时长、做大 DAU，这个妄念已经持续十几年了。
今天又给了它一次机会，它当然会疯狂推进，不会太在乎短期得失。但它持续这么做，也要考虑现金流等问题。
字节的状态是，虽然它没有上市，但核心可能是去年的组织架构调整。
朱文佳带领的 AI 团队和应用团队分开，豆包独立，再加上持续招人，目标清楚，背后还有张一鸣在推动。
2024 年底已经有很多媒体写，大模型这场仗字节自己已经打完了。当时它确实非常强。如果没有 DeepSeek，这个趋势会更加明显。
但 DeepSeek 出现之后，某种程度上又改变了战场。至少字节还在坚持自己的方向：偏闭源，更强调多模态能力，以及豆包的 To C。
而且看上去豆包并没有真正花太多推广费用。
腾讯的状态比较稳定，也坐得住。
七
元宝之前其实推过一波，刚出来的时候推了一大波。DeepSeek 出来之后，它又和 DeepSeek 结合，我印象中那会儿也上了很多媒体头条，一下冲到了下载榜第一名。
我觉得某种程度上，腾讯和苹果的逻辑很像：家底太厚，老业务太稳。
腾讯今天游戏业务、广告、金融支付都很好，它似乎有这个韧性的资格。
但反过来又回到今天的核心问题：到底什么样的公司应该投入基础模型研发？
按照你刚才的结论，达到一定体量的公司就得做。看上去腾讯在年底做了一定的适配和组织调整，拉来姚顺雨调整结构，但还是需要时间。
我们再类比上一场战争，短视频战争。腾讯也经历了几轮，微视还重启过一次，直到视频号，才某种程度上缓解了腾讯在短视频领域的焦虑。
那是要靠张小龙的。所以千问发布的时候，我就在想，肉眼可见，DeepSeek V4 春节一定会发布，引发很多讨论；豆包一定会在春晚疯狂推广，也会引发新一轮讨论；千问看上去也会不遗余力地打下去。
那腾讯呢？
腾讯是一家公司，公司是由人组成的。姚顺雨该做什么，张小龙该做什么，还是他们俩配合做什么，我们也不知道。
腾讯不太可能就这么待着，那也太稳了。
我还想问你一个问题。互联网大厂做 AI，多少都要有点 All in 的大策略。但由于家底不同、心态不同，现在大家展示出了不同的情绪状态，至少从媒体、公关、舆论端都能看出来。
什么心态是好的？对于大厂来说，激进、焦虑一点更好，还是稳一点、低调一点更好？
庄明浩
焦虑的也有。比如引入一些新生代 AI 科学家，姚顺雨也好，小米的罗福莉也好，海外公司也一样。
你会相信 AI 时代非常年轻的少年天才吗？还是说三十多岁的中流砥柱更好？
七
这其实是一个中年命题，也是一个很重要的时代母题。三四十岁的中坚力量和一个超级少年天才，你更相信谁？
庄明浩
第一个问题还是看创始人的性格。
创始人是什么样的状态，公司大概率就会偏向什么样的状态。哪怕是超级巨头，只要创始人还在公司里做很重要的事情，公司的状态就是创始人性格的展现。
到今天其实依然如此。腾讯、字节、阿里、拼多多、美团、京东、百度，都是这样。
七
这个回答特别讨巧，也特别偷懒。
庄明浩
但事实就是这样。如果只说一个因素，确实如此。
不过它不是一个非此即彼的零和关系，而是在某个时间点动态变化的。
腾讯为什么在这个时间点一定要找一个这么年轻的研究员？为什么在这个时间做这样的调整？它应该见了市场上很多人，也聊了很多人。Martin、Pony 肯定都参与了，当然也可能是相互选择的结果。
这个动作本身就代表他们并不是完全不焦虑。
我和柳青做过一期节目。上个月录那一期时，腾讯还没有发布姚顺雨的消息。当时我们讨论的是，抛开情绪层，从业务层看，腾讯做了很多 AI 绩效相关的事情，或者 AI 和原有业务结合的改进。
这些事情不显山不露水，但效果其实还可以。
腾讯会议、腾讯文档 AI、微信内部的元宝搜索、公众号结合，这些事情本身没有错。从立项角度看都能立项，短期看，年底做总结时，相关团队也可以加薪、拿奖金。
甚至腾讯在多模态、游戏板块，以及会员相关的 3D 世界模型上，也做得比较前沿，只是它不做太多 PR，也不做太多个人用户推广。
这是一条底线，能兜住腾讯在 AI 时代的下限，但不足以把上限拉出来。
反过来还是那个问题：腾讯和苹果的底子太厚了。能兜住底就已经很强，只要把效率提升几个点，就是一个天文数字。
所以我觉得，抛开 Martin 内心的纠结，他在这个中间摇摆，没有必要太难受。他可能在这个时间点多迈了一步，稍微偏向了另一边。
七
对于投资人来说，耐心未必那么足，尤其是散户。公司有耐心、家底厚，今年增长 2% 也可以，但股民会很尴尬。
短期永远是情绪的投票机，而当下 AI 就是情绪的主导，所以公司要适应这个情绪。
从股价角度讲，它确实要这么做。但公司尤其是这么大的公司，不会只考虑股价，所以我们和公司之间其实处在不同身位，大家想要的东西不一样。
我们会看这个公司在当前阶段，是不是在某种程度上迎合了 AI 趋势的情绪。
阿里的性格就是要打胜仗，要持续有战役、有 Flag 立在那里，大家才能集中力量往前干。这就是阿里的风格，它天然匹配这种方式。
但腾讯不是这样，所以它没有办法那么匹配我们的预期，就变成了现在这个样子。
不过腾讯现在已经 600 多港元了，回到了相对高位。这样的话，大家也要思考：如果用更长期、偏价值投资的方式看，腾讯现在也已经不便宜了。
阿里从估值谷底爬出来之后，好像也不便宜了。
庄明浩
我觉得可以从另一个角度看 AI 上船这件事情。
很简单，2022 年底 ChatGPT 发布。我们看一个统计，是 COTWO 做的，把股票分成三类：MAG7、AI 领域的非 MAG7 公司，以及非 AI 公司。
这三年的变化很有意思。
2023 年是 MAG7 领衔，AI 非 MAG7 居中，涨得最差的是非 AI 公司。
2024 年还是这样，但 MAG7 领先的幅度已经大幅缩小。
2025 年则是 AI 领域的非 MAG7 领先，比如芯片、能源、AI 软件公司、AppLovin、Snowflake、Salesforce，以及其他层的公司开始领先 MAG7。
MAG7 稳定在 10% 多的涨幅，非 AI 公司还是比较差。
中国似乎比美国晚一年。过去一年是几家科技巨头带来的行情，按照这个规律，巨头可能还会继续引领，但涨幅会有限。
接下来可能是边缘战场、应用层或者底层基础设施层。美国已经走过这条路径，现在已经炒到存储，中国也在炒。
七
这当然不是荐股，也不是方向性建议。但我们可以引申出一个问题：对投资者来说，现在是不是一场泡沫？
先不回答这个问题，再往上一层看。
刚开始讨论泡沫，大概是在 2025 年第二季度，当时还没有太多人讨论。最集中是在 2025 年第四季度，也就是那轮循环融资：英伟达投资 AI，OpenAI 投博通，博通再投 AMD，Oracle 再投其他公司，那个阶段成为讨论顶峰。
到了今天，这个讨论其实在往下掉。抽离出来看，市场似乎开始接受：现在存在的就是合理的。
所有美国头部金融机构对 2026 年的预期基本都是向上，没有人向下。
但很多人会说，共识达成得这么集中，似乎也会有问题。
所有科技革命、技术革命在前期都会经历一个喧嚣阶段，像技术曲线一样，需要经历这样的周期。
问题是，我们到底在山腰上还是在山顶？如果在山腰上，就代表还有一段；如果在山顶，就代表要往下，可能会有比较大的调整。
七
现在有人认为在山腰，也有人坚持已经在山顶。
这个议题再往前推，会变成另一个问题：回看过去几年中国和美国的股市，尤其科技股，从山顶到山底再涨回来的周期正在疯狂压缩。
原来可能需要几年，后来是半年，甚至变成一个季度。比如去年 4 月那次大跌，很快就回来了。
如果这样的话，即使出现比较大的调整，似乎也不会是一个超长期问题，至少不会跨年。
庄明浩
这种观点现在也很多。
还有一个很现实的问题。从主题轮动角度看，先是 MAG7，然后英伟达、云、AI 软件，期间有一波 AI 能源，年底炒到存储。
还能炒什么？
七
最近有人在说，苹果的财报要出来了，可能这几天就发布。它会不会成为导火索、引爆点？我们不知道。
庄明浩
谁说过，所有对市场拐点的预估都是徒劳，但大家还是乐此不疲地一次次预估。
也可能不是炒新的话题，而是旧有话题产生新的叙事方向，比如业绩持续爆发。
我们看一下产业链：用户、应用、模型、云、数据中心，数据中心的建设、原料、芯片、芯片代工，代工是最底下的。
台积电刚发财报。
台积电历史以来一直以冷静、理性著称。这次财报分析师电话会上特别有意思。台积电董事长说要上调明年的 CapEx，原来预估是 490 亿美元，现在调到 520 亿到 560 亿美元，已经调得很高了。
他说：“我们这种投资是非常审慎的。为了审慎，我在过去的 3 到 4 个月，跟我的客户以及我客户的客户做了非常多调研，来验证 AI 到底是否有实际需求。我的答案非常满意。”
台积电的分析会大家都找得到。你当然会直接想到：在这个链条上最尾端、最理性，甚至冷静到极致的公司，它的需求已经给出了更明确的预期，那似乎就可以定性了。
七
但我反过来又想，我们在这个链条上不太信任应用公司，因为它们的毛利低得一塌糊涂。
庄明浩
对。我们也不太信任模型公司，它们都在讲故事。云公司的故事炒过了，数据中心也炒过了，英伟达我们也不信了，反正英伟达怎么都赚钱。
七
我们似乎只能信代工公司。
庄明浩
那再往下呢？原材料，硅。只能这么推演了，我没有办法了。
七
这是一个非常长的链条。
如果拿 2000 年互联网泡沫来说，和现在在理性上感觉有点像，都是科技革命。但中间还有 2008 年金融危机等其他重大下调。
当年可能缓 2 到 3 年、3 到 4 年，然后重新回正。按照你刚才说的理论，现在也不可能等那么久，很有可能很快就回来。
庄明浩
而且看上去这轮 AI 有一个议题，就是“这次不一样”。
七
在 AI 这件事上，你相信“这次不一样”吗？
庄明浩
“这次不一样”或者“这次一样”，其实只是一个结论。
这个结论的得出，可能是 100 个因素共同导致的。100 个因素里，一定有一些因素是一样的，也有一些完全不一样，最后结果看上去可能一样，但内部构成完全不同。
所以今天你可以找出 100 个一样的因素，也可以找出 100 个不一样的角度，你不知道这几百个因素的权重最后会怎么样。
现实的复杂系统就是这样，很可能某个时间点出现一个意外因素，成为最重要的因素，引爆一些事情。
但现在看，大家基于这一轮用户使用度的提升，包括最基础的用户拓展、留存、付费率提升，以及单个用户 Token 消耗和场景拓展，从这些不需要太复杂逻辑推演的角度看，AI 还在正向过程中。
所以只要底层不出太大问题，就不用过于顾虑。
纯从技术和产业角度看，AI 应该不是什么太大的问题。但因为叠加了金融叙事，波动会变得剧烈，它不像产业和商业本身那样呈现稳定曲线。
作为投资者，我们更关注金融这一侧，问题就变复杂了。
技术一定会迭代，AI 工具也一定会越来越好用，但股价不一定上涨。
七
这个事情大家还是要小心。
不过在小心之前，如果大家认真听，还是能找到一些 2026 年投资整个产业上下游的蛛丝马迹。
我们刚才在技术、产品和资本端都聊了很多。今天进入最后一个话题。
至少对我来说，真正认真开始使用 AI，确实也是从 DeepSeek Moment 之后。在此之前没怎么用，说实话。
之后不只是用 DeepSeek，国内的模型几乎都用了一遍。因为我们做的是品牌公关，平时有大量稿件需要撰写，基本上把 AI 当作打底稿工具，完全没有问题。
但也能看出，各个 AI 模型的性格偏好非常不一样，产生幻觉的点也不一样。
所以我们基本上每天就像有 5 个小同事一样，5 个不同的 AI 一起工作，看谁写得最好。输入同一个指令，大家竞争上岗，这已经变成了日常操作。
海外模型我们也会用。
11. AI 回到日常工作
站在使用者这一端，能不能请明浩给普通散户朋友一些建议？他们一方面是投资者，另一方面也可能是普通打工者或者创业者。
在 AI 使用上，你觉得现在到了什么阶段？我们怎么用它来实现更高效的工作？
庄明浩
有一个很简单的标准：如果你一周有一件事情，无论工作还是生活中，重复超过 5 次，就应该试试用 AI 解决，或者至少用 AI 解决其中一部分步骤。
重复就代表你需要不断做某些事情。无论生活还是工作，只要重复，就应该把时间交给 AI，让它哪怕不能完全替代，也能在过程中的某些环节提供帮助。
更现实的是，对于我们这种平时做信息处理比较多的工作，今天 AI 在总结、加工、整理和可视化表达上，强得没边。
翻译就更不用说了，早就已经完全可以用了。我英文特别不好，原来根本没法看英文报道，即使用一些翻译工具也很难。
但今天几乎无痛就能完成。哪怕文章很长、很复杂，翻译效果不是特别好，也可以交给 Notion AI 之类的工具，帮你做成可视化的信息图或者 PPT，大概就能理解内容。
这种东西本来就能提升效率，为什么不用？
所以在工作过程中，我觉得不需要被宏大命题和每天的新闻轰炸牵着走。媒体需要声量，科技需要发展，总是需要这些东西。
对于个体而言，当然可以看新闻、关注公众号、听播客，但更重要的是，在日常学习、工作和生活中，想办法改进自己，提高效率。
更具体一点，投资时你可以把 AI 当作对手盘来训练。
比如你真的看好一只股票，无论是因为得到消息，还是认准了某个原则，你可以让 AI 以对手盘的方式和你沟通。
你可以问它：“如果今天你是我的对手盘，你会怎么考虑这件事情？有没有什么东西是我没有考虑到的？你认为这个因素重要，还是另外一个因素重要？”
它不一定正确，但你有了一个对手盘和假想敌，可以让自己的思维不断变得更完善。
很多人会说拿 AI 做头脑风暴，但对我们这些懒人来说，头脑风暴太麻烦了。你就直接让它给你 20 个选项。
如果你真的要做投资，可以试试拿 AI 做你的对手盘，看看有哪些东西自己没想到，然后不断实施、不断下注，再看结果。
原来没有 AI 工具时，你很难真实地用一个经验丰富的对手的方式去考虑一件事情。但今天这个工具已经唾手可得。
七
每次讨论 AI，最后都会上升到身心灵。无论聊科技、行业、产业还是金融，最后都会上升到这个角度。
确实，调整好自己的心态，不断去用、去试，改变生活和工作的效率，可能就够了。
你觉得 AI 可以有效帮助我们分析股票的基本面吗？
庄明浩
可以。
今天纯粹搜索信息本身，对 AI 来说太容易了。
七
但它的信息可能很零散。
庄明浩
那你就要做收敛。怎么收敛，就是你的能力。
当然你也可以借鉴、参考它的建议，但最终还是要找到自己的风格和风险偏好。
这些东西是怎么产生的？是通过一次次投资、一次次赚钱或者亏钱，慢慢产生你自己的体系。
这套东西才是你应该坚持和打磨的。
七
我还有一个小问题。刚才你举了一个例子，是帮自己的孩子做 PPT。
你怎么看小孩使用 AI？不只是说你作为孩子的乙方，而是从他的年龄来看。
如果他学会了 AI，显然比让他自己敲代码容易得多。以后他也不用你帮他做，自己直接给 Nano Banana 输入指令就好了。
那这个东西到底是打开了他的创造力，还是实际上关闭了创造力？你怎么看？
庄明浩
没人知道。
强调再多，人天性都是要偷懒、找捷径的。即使没有 AI，上一轮搜索和电子设备的加入，也会让事情往这个方向发展。
所以首先，这件事情不可避免。过程中让他用，让他去感受。
杭州不是办了 AI 黑客松吗？我就带他去玩了一天，去参加各种项目体验，让他感受。
你只能给他提供外围环境，因为现在没有标准答案，没人知道应该怎么做。
还有一个很现实的事情，之前写《人人都是产品经理》的苏杰，现在就在做面向孩子的 AI 营地，让孩子学习这些东西。
上海还有原来触宝的创始人王佳梁，也在做类似的事情。北京有一个朋友，原来可能是阿里的同事，现在因为带女儿，也在做类似的事情。
我们这个年龄有孩子的人都很焦虑，但怎么解决都不知道，一头包。
如果有一个你信得过的朋友，他的孩子也在参加，而且你知道他确实懂得什么是合适的，不是单纯想收割家长的人，能帮助孩子体验、参与、感受，那也就差不多了。
比如有朋友说，这个寒假想拉一个营。现在 AI 视频能力提升很快，他想找一个做 AI 视频的大拿，正好有一个朋友的爸爸是纪录片导演，再找一个做 AI 培训的老师，3 个人拉一个营。
在北京郊区找个酒店，拉 20 个左右的孩子，封闭 7 天，从头开始学，最后几个孩子一组，真正做一个电影或者纪录片，再去报展。
你一听就觉得挺好，对吧？那不就行了？
七
我给你一个现在家长们经常讨论的二选一：小学就给手机、Pad 和 App，还是都不给，长大一点再给？
你肯定选择前者，是吗？
庄明浩
我们家现在都给了。
七
我们女儿上大班，她在学英语。英语课有一个作业，学了一个单词之后，要把它画出来。
如果是名词还好，比如蝴蝶、蜜蜂，都可以画。但比如单词是 lose，你怎么画？大班简笔画，太难了。
庄明浩
最后给了她什么答案？
七
好像是画了几只小猫，分布在不同的地方，然后指向这一堆小猫。
我又不会画画，也没学过该怎么表达，那怎么办？AI 还是可以解决一些这种问题。
现在语音识别能力很强，你说什么它都知道。国内产品大概率也都做了围栏，不会出现乱七八糟的东西。
语音交互又很简单，我女儿上大班已经会用了。
2 月 28 日，他们又有家长要去做分享，我就给他们讲 AI。我还是用 NotebookLM 做的。我说，幼儿园大班水平，不要太难。
AI 现在已经出现在我们的生活里很多地方了。
具身智能也是从一个相对笨拙的机器人转手绢开始的，那也是 2025 年年初、春节前后发生的事情。
春节又爆发了 DeepSeek Moment。一年之后，我们走到了今天，已经发生了翻天覆地的变化。
甚至再往前看，2023 年春节是这一轮 A 股 AI 概念股的第一波浪潮；2024 年春节，如果我没记错，出现了 Sora；2025 年春节是 DeepSeek；2026 年春节，气氛已经烘托到这里了，一定会有大事出现。
我们就共同期待，今年还会有哪些革命性事件发生。