张伟伟
我们今天邀请了一位重磅嘉宾。我之前一直听他的播客，要不请他自己来介绍吧。
庄明浩
Hello，大家好，我是《屠龙之术》的主播周明浩。
张伟伟
稍微炫耀一下自己啊。
庄明浩
没有没有，就是做了个播客，关注科技、行业、创业、VC、AI 这些乱七八糟的话题。主要是自己也需要做一些记录，因为每天变化的东西太快了。你会发现，经过一段时间之后，之前的东西可能都没有用了，但是你需要一个方式把它归拢一下。
所以会用这样的方式。用张伟伟比较文艺一点的说法，就是“做好和它们好好告别”。所以更多是为自己做的，不是为这个台做的。
张伟伟
其实关于 AI 的东西，市面上已经有很多了，咱俩也不是技术出身。
庄明浩
我也不是。
张伟伟
更硬核的东西，欢迎大家关注庄老师的播客。我们其实就想聊一聊，大家开玩笑说，现在 AI 的速度就是：只要你不学，你就不用学，因为实在变化太快了。
庄明浩
是的。
张伟伟
我那天跟启师傅录播客，他说 AI 时代正在批量地产出新灯，因为每个人都觉得自己懂了，可能过一段时间就不懂了。
庄明浩
是的。
张伟伟
所以我们其实想聊点稍微更底层的东西。关注我们播客的很多人还是在做，庄老师有没有一些分享？就是你现在看整体 AI 的情况，有没有什么大的观察？我们可以先开个场，然后再继续聊聊，长期来看 AI 可能带来哪些商业范式的转移。
庄明浩
1. 互联网也成了传统行业
我最近想到一个观点。原来我是做 VC 的，主要看线上的移动互联网公司，什么社交、娱乐、平台公司、短视频、游戏这些公司。但你似乎会发现，今天 AI 之后，原来这些打着引号的“新兴经济”，本身也变成打着引号的“传统行业”了。
传统行业代表什么？如果今天你想象我跟你说这个行业是个传统行业，你第一眼会想到，这个行业有非常深的 know-how，产业链很复杂，有机器、有设备，还有各种各样不被外人所知的经验和细节。
大家今天谈论 AI，是说要用 AI 改造也好，把门道拿来做这些也好。结果似乎发现，我们原来熟悉的那些东西也变成传统行业了。这是一个角度。
第二个可能是因为，过去几年中国整个在线经济的板块，走到了一个比较极端的状态。几个关键词可以总结一切：短视频吞噬一切，在线广告投放的所有位置，ROI 的价格几乎都被定死了。
任何平台，所有平台，大家都卷成了一个熔炉里的绞肉机。所有建立在这个体系上的商业，无论是内容、电商，还是其他什么东西，似乎都要符合这样的游戏规则，而且看起来越卷越厉害，卷到了一个无以复加的状态。
所以就出现了一些变化。刚才说很多行业本质上今天都是传统行业，它都有特别多自己的固有规则；同时，我们又匹配着这个时间点在线上这么卷、这么疯狂的状态。结果就是大家都很累，也都很焦虑。
为什么大家反而会期待 AI 来得这么兴奋？原因就是大家期待 AI 改变这套已经被卷到牛角尖里的规则。所以出现了很多这样的探讨，老板的焦虑也好，大家的尝试也好。
但似乎这个时间点可能出现了一个问题：AI，或者说我们把 AI 作为一个主体，假设它是一个人，这一波新的 AI 主体来的第一天，并不是从这个角度来的。
它确实成长得非常快。我们看各种各样的媒体宣传，今天炸裂，明天改变，后天谁谁消失了。但实际情况在于，它确实可能从零到六十分，在很短的时间里突然跨过去。
问题在于，刚才我说，我们现在做的事情是因为已经走到尖儿里了。我们现在做的事情可能都是雕花，是从九十九点五分扣到九十九点六分的事情。但是你告诉我，你现在只能到六十、七十，甚至到八十，对我来讲都没有意义。
你说这种大模型，我们叫通用大模型。可是我们在做的很多事情都不是通用的事情。
所以我觉得，到了 2026 年初，虽然好像又进一步感觉到它在加速，但是在这个融合过程中出现的摩擦，以及从局部战场的八十分涨到九十五分、九十九分的事情，可能需要很长时间。
而且每一个行业、每一个细分角度，它的节奏和效率是否真的能得到那么大的提升，是否真的能够改变什么事情，这些东西都是未知数。
可能真的不仅仅需要那些纯技术模型公司的努力，也变成了我们这些旧世界的人，需要往那边做更多努力的可能性。当然，没准也有一些板块最后尝试发现不行——人家救不了我，也有可能。
张伟伟
对。我昨天跟沈帅波录播客的时候说，大家怎么现在疯魔情绪这么重？他说这是好事，之前就没东西让你疯魔，躺着也更不舒服。
庄明浩
是的。
张伟伟
我上次跟你聊天的时候，你讲到几个关键数字，什么六个月、一百亿、百分之八。这个能跟大家分享一下吗？我印象很深。
庄明浩
2. 六个月滚出一百亿
这是个暴论，但还是跟我们刚才讲的逻辑一样：短视频吞噬一切，或者说今天在线的内容平台几乎吞噬了所有用户的时间。又因为在线平台都有非常丰富的广告和算法系统，所以几乎所有的位置，ROI 早就已经被定死了。
但是在这种已经固化的算法系统里，会出现一些周期。周期里面会出现一些意外因素，导致原来被算法固死的 ROI 出现短周期波动。这个周期不会特别长，因为算法会很快把那个波动抹掉。
这种短周期一般会出现什么情况？无论是技术迭代，还是商业模式创新，会出现一些新的小东西。这些小东西在各种排列组合下，会形成一些小的细分板块。
比如过去几年，我们能看到短剧刚出来的时候，去年下半年刚出来的漫剧，以及小游戏刚出来的时候，包括小游戏衍生出来的直播间弹幕游戏，都是类似的。
它们大概都是在六个月时间里，在还没有人了解，或者没有太多人了解的情况下，把这个小池子迅速滚到一百亿左右的体量，非常快。
过去的小游戏、漫剧、短剧都是这样。可能刚听说有一些人在弄，也不知道怎么回事，过几个月就感觉全世界都在弄了，然后产值无限大，各种各样的行业大会全都开起来，无数人去当论坛嘉宾讲这些。
这几个板块都是这样：六个月、一百亿。但这两个数字，更多是因为今天这个时间点已经非常成熟的平台和 2C 搭建体系，共同拱出来的。
我有个比喻，有点像挤痘痘。它本来不应该长出来，但是你硬要挤，就被挤出了一个高点。最后，另外一个数字其实更重要，就是百分之八。
百分之八大概是什么意思？你刚才讲了这么多前提条件，听起来最后的结论是，这些真正意义上把东西做出来的人，只能拿到百分之八左右的钱。
无论是做小游戏、短剧、漫剧，还是做其他东西，第一，平台要吃很多；第二，你要投流，因为你要买流量。所有商业模式都建立在那个已经武装到牙齿的熔炉里，所以你要付出巨大的成本。到最后，落到你手里的可能只有百分之八。
这件事跟今天在抖音上做白牌电商的品牌遇到的问题特别像。前提假设是一模一样的：你面对的基础设施一样，面对的竞争也一样。
你可能突然在某个时间点，因为找到了一个算法 bug，或者找到了一个之前没有被抹干净的关键词，找到了一个“意外值”。但这个意外值的生命周期不会特别长，因为算法一定会算到，然后把你拉平；同时还会有一堆人挤进来做。
这就像雪崩时的雪花一样，它们也会变成力量，把这个高点拉平。只是在很短的时间里，它会拉出一个很高的值。但这个高值本质上是虚幻的烟花。你真正能拿到、落袋为安的钱，说得直白一点，可能就是百分之八。
漫剧这波可能连百分之八都不到。这故事好像刚开始被大家吹起来，它已经赚不到钱了。
它之所以能够出现，当然有一些原因。只看漫剧这个细分板块，是因为图片、视频模型的能力到了一个门槛，ready 了；再加上短剧竞争过度激烈，短剧原来找到的异常值已经被抹平，逼着大家往这边走。
然后大家开始找到一段阶段内有效的 SOP，并被疯狂复制。但这种复制也带来了刚才说的问题，同时竞争和算法都会把这个事情拉齐。
它已经跑了。你想，去年下半年开始，到现在已经跑三个季度了，其实已经不短了。在 AI 的世界里，三个季度已经很长了，已经是两个时代的故事了。
张伟伟
我之前听别的做 AI 的人说，有了 AI 之后，整个时间的速度完全不一样了，太恐怖了。三个季度就变成一个老项目了。
庄明浩
你想想，DeepSeek 二一到今天不过才一年多的时间。
张伟伟
完了，我要用波波吐槽的那句：背后一凉。
庄明浩
对，今天时间的维度确实很不一样。以我个人的工作经验来说，去年我偷懒一点，大概每三个月做一次 PPT；但今年明显感觉，春节前做的 PPT，春节之后就过时了，而且不得不赶紧发，生怕 DeepSeek 又发模型。
你看，我春节前总结了春节这一个月，春节过完回来是 3 月。现在到 3 月，你就明显感觉又进入了新的阶段：新的话题、新的议题、新的模型厂商进展，新的大版本号又都来了。它就是推着你以这种方式往前走。
3. AI 让服务实现产品化
我用一个模型去看所有的产品，不管它是虚拟产品还是实体产品。一个产品本身一定同时具备产品属性和服务属性，这两者之间天然有 bug。
比如实体产品可以规模化生产。我们现在用的手机以及其他产品，都可以规模化生产，它的商业底层叫规模经济。电商单店的产出规模超过实体单店，所以很容易形成规模经济上的成本优势。
另外一个极端叫服务。服务比较特别，需要本地化交付。一个产品要么偏产品属性，要么偏服务属性，二者很难兼容。
但是 AI 能做到的事情，是提供了一种可能性：在某一些领域，它既具备比较好的产品属性，也具备比较好的服务属性。
刚才庄老师提到了动画和漫改。我自己也看漫改。原来的动画其实严重依赖手艺人，我记得有人跟我讲过，一分钟动画的成本大概是一万元左右。
但用漫剧，实际上用的是 AI 这种方式，甚至可以做全自动化，成本只有几百元一分钟。我觉得这是最大的改变：它实现了服务的产品化，或者说实现了服务的低成本交付，让很多东西延伸出来变得可能。
张伟伟
CK，我们刚好就着这个聊一聊 AI 到底带来了哪些更底层的商业模式变化。
4. 长尾取代规模效应
以前我们都是做线下和实体生意的，那一代最重要的变化，是从原来手工制作，变成规模经济。一般来说，强者肯定会很强，对吧？然后到处滚来滚去，搞定所有人。
像 CK 他们那边，基本上就是单店生意做多大，你就有多牛，店长的鼻子都可以翘老高了。
再往下到了数字化时代，模式就不一样了，不是规模效应，而是网络效应。所以那个年代大家疯狂烧钱，是因为只要能够变成头部，拥有更多用户，带来的经济效益就是指数级的。那个时候的数学公式不是除法，而是指数。
到了今天，AI 这个模型听起来好像更像一个长尾。以前做一个东西的成本非常高，模具、各种物料、人员都要投入很多，所以你只能服务最大公约数的人。
包括内容也是这样。像今天漫剧出来的各种内容，甚至很多游戏都变成千人千面了，好像这一波就是这么个逻辑，是长尾。
庄明浩
对。原来的工业时代，逻辑建立在工厂或者公司组织形态上。我们建立大工业流水线，建立标准品，以规模效应去突破商业模式的各种可能性，都是建立在这样一条趋势上。
但是今天 AI 出现之后，你会发现，常规意义上的六十分已经是唾手可得的东西。它要么逼着两个极限：要么变成超级巨无霸，大到所有人无法超越；要么变成超级长的长尾，突出个性化。
以内容为例。你想，春节字节发了新的视频模型，到今天手搓一段看上去还 OK 的视频，这个能力基本已经 ready 了。
当这个东西 ready 之后，什么变得重要？大家会说审美、品味。说到底，就是你自己要表达什么样的东西，你的这套东西能不能得到一部分人的认可，获得更多关注。因为基础水平已经没有意义了，所以它会拉出两个极端。
按田运动的那个观点是说，就像费曼曲线一样，大部分人会比这条高高的水线低，大家安心地淹在水线下面。但有一小撮人在一些小的地方比水线高，他们就会显现出特别强的差异性。
这种差异性带来了巨大的长尾可能性，而且它的量级可能是今天大家没有想过的。
比如今天抖音每天上传 1 亿条视频。现在大部分是人拍的，用手机和摄像头拍的。如果 AI 能力真的提升到一定程度，成本问题也解决了，这个数字可能会大很多，不是大 10 倍、100 倍，而是大很多。那个数字可能是我们天马行空都未必能想象到的。
但如果到了那个程度，今天 1 亿条、几亿条视频这个量级，通过算法分发已经捉襟见肘了。大家刷得会累，会觉得有问题，会出现各种各样的情况。
算法已经很强了。你想，如果没有算法，每天一个平台上传 1 亿条视频，你能看到什么？但即便算法已经很强，在这种情况下也差不多到头了。
AI 会把这个事情再拉高到不知道什么量级，算法可能也不够了。那需要什么？
可能到那个时候，大家会说，个人的品牌、影响力，以及一小撮人群对你的全方位、多维度认知和信任，可能会更重要。它会带来更多可能性，让你获得更精准、更深入的信任感。
5. 信任重新成为分发入口
从信息分发角度来说，最开始是门户、黄页、搜索，然后到信息流，再到今天算法推荐几乎统治所有事情。再往后，当 AI 到来，生产效率无限通货膨胀，带来巨大的爆发之后，算法似乎也不够了。
那什么可能会回归？没准手译会回归，编辑精选会回归。
张伟伟
对，或者说，不管是什么，你开始信任一些人类。人类已经没有办法处理这个量级的很多事情了，靠自己的脑子是不可能的，只能去找那些相对更原始的东西。
庄明浩
对。那些东西可能是情感、信任，或者其他类似的东西。可能是某种打着引号的复古和回归，所以今天这个时间点大家赌的其实就是这件事情。
张伟伟
你说到 1 亿条视频，我之前还发过一条内容。现在 AI 产出的很多东西，大家开玩笑叫“AI 泔水”，看起来一本正经，讲得好像很有道理，最后一想，怎么好像什么都没讲。
就跟你跟聊天机器人对话一样，如果只是跟它闲聊，你也会觉得它侃侃而谈，说得都很好，但总觉得少那么一点人味儿，少那么一点东西，就像预制菜没有锅气。
庄明浩
而且刷得久了，确实会发现大家的东西都一样。每个人都在讲“背后一凉”“吓出一身冷汗”这种话，因为算法的原理就是通过你的行为去调控内容出现。
虽然今天短视频平台对内容的标签，可能已经是一个很大量级的处理了。标签最开始可能很少，但今天已经不是这样了。即便如此，因为人性很多时候是趋同的，大众喜欢的很多情感和类型，本来就存在最大公约数。
所以它必然还是要符合某种程度上的大工业式展现，再加上社会引导、公序良俗等各种因素。
短视频在中国已经十几年了，也不是第一天发展到这个程度。到这个阶段之后，你会发现它确实在某种意义上回归到一种更复古的状态。
张伟伟
就好像你不需要取悦大多数人，如果能服务好一小群人，让他们特别喜欢你，这至少会成为接下来内容板块的一个大趋势。
而且这个趋势跟 AI 本身会形成叠加。AI 对个体能力的加强是肉眼可见的，超级个体、迷你公司，最近讨论得都非常多。你跟史特不也聊过这个事情？
它会产生一种反向作用：原来一个人不敢想的事情，今天可以想了；原来一个小团队不太敢想的事情，今天也可以往上多想一想。
其实在实体经济板块，我也有一些朋友现在在创业，做一个项目叫 POD，有点像定制化生产。比如婚礼以前做的那些图，大家都得花很多精力自己定制、找工厂，现在可以直接一键上传，全部自动化处理。
还有个性化音乐、个性化视频，所有这些东西都可以用一套非常简单的 AI 工作流，可能两三个人就能做到。
庄明浩
6. 个性化交付撞上现实摩擦
这又引发了另外一个故事：拼多多之前讲的故事，是把资本主义反过来做。
它原来讲的是，聚拢大量零散的需求到一个地方，通过聚拢之后的能量反向影响价格。今天这个时间点，线上的很多服务不单是商品，很多服务也在经历类似的过程。
当然，这可能不仅仅是 AI，还跟线上、供应链以及很多东西的整合有关。所以这个故事，其实在中国很多板块都在发生。
张伟伟
你刚刚说到一个点，CK 也在聊。以前我们做东西，也想做服务。
我以前做母婴，特别喜欢拉群，因为用户生命周期可以做很长。你现在有小孩，应该对这种感觉很强。我们当时叫孕、婴、童三个战场，虽然都叫母婴，但进来之后，基本上所有东西都可以在你这儿买。
我们当时有一个美好的想象，就是怎么在私域里不停跟他们互动。但最后发现，这实在太费人力了，包括员工培训。因为进到私域里的小姑娘，没有一个生过小孩，随便一问就露馅了。
昨天刚好我们群里还有人在问我以前怎么做私域。我说，最高精尖的用户，我们会拉到群里，以我的人设来做。我的人设叫“学霸”，所以帮他们的小孩写作业。
其实那是一些非常个性化的东西。之前其实就是靠怼人做这个事，现在 AI 来了之后，很多事情都变成了有想象空间的事情。
庄明浩
但是这个事情，想起来可能是可操作的，执行起来的细节，还是从八十分到一百分，每一分都寸步难行。这就看听友们能不能发挥一下了。
当然，如果你对这个领域有非常深的研究、调研，以及各种各样的知识和 know-how，可能会简单很多。
比如健康不也是典型的吗？
张伟伟
是的。大家为什么会期待阿福在这件事情上做得更深？第一，健康是一个很核心、很重要的事情，大家不太相信一个很小的东西。第二，健康的复杂度太高了。
庄明浩
对。健康涉及各种各样的病，是慢性病，还是轻微症状？是永久性的，还是一次性的？需要吃药，还是不需要吃药？
模型只是做了第一步。接下来你还要考虑中国大部分人的身体状况、饮食习惯以及相关适配，还包括药品、医院的对接数据系统、病历。中国的病历可能还有数据化问题，更不用说中国医生的字儿了。
你想，这个问题要解到我们理想中完美的状态，过程中要解决的题，繁杂且细碎到什么程度？
我们现在谈的很多 POD 项目，严格意义上是偏人文的。举个例子，做一件个性化 T 恤，就属于 POD，相对来讲比较容易。因为大家对图案的诉求容错率比较高，这样我觉得好看，那样我也觉得好看。
刚才说的医疗，我们会划为另外一类，叫科学。科学讲究精准，它要求精准度。而精准度就像刚才说的，AI 现在可能做到六十分到七十分。
所以 AI 对偏人文的内容非常友好，但对于偏科学、偏精准的内容就没有那么友好，因为科学类东西的容错率更低。
这里面还涉及第二个问题：如果 POD 不是定制音乐、定制插画，而是做实体产品，就会涉及产品的柔性制造成本。
比如转印、UV 打印机、数码喷绘，这些都属于柔性制造的可能性。所以这里面其实有两个问题。
第一个，什么样的内容用户比较有宽容度，可以通过 AI 低成本交付？第二个，当虚拟化的产品转化成实体产品时，对柔性供应链的要求非常高。
现在我们看到的 POD，大部分局限的领域相对比较有限。很多实体行业都在谈这个事情，说我们能不能做 POD，能不能按需生产。但从现在的状态来看，我觉得改造还需要很长时间，对供应链的要求非常高。
张伟伟
我再补充一点。AI 之后，服务可以加强，很多一次性交付的东西，会变成持续服务。
我之前跟朋友聊，我觉得有一个领域还是可以做得很好，就是大健康。以前有多少通过电话销售、陪伴服务来做减肥的？现在你可以用一个智能硬件，每天拍你吃了什么，然后再加上 AI 服务。
甚至可以定制每天的提醒，比如“小姐姐”催你：“哥哥，你又多吃啦。”类似这样的东西，其实有很多想象空间，不一定要到医疗领域。
庄明浩
确实，我觉得医疗风险太高，而且有很多伦理问题。AI 本质上不是给你一个精确答案，它是一个概率问题，所以一定会出错。
AI 的能力到了一定程度，打开了很多原来想做、但是受限于成本和可操作性，没办法做好的板块。现在这些事情可以干了。
但你要做到非常好，可能就不划算了，可能要付出远超成本的投入，才能达到一个比较理想的状态。
7. 先做出来再获得反馈
第三个很明显的趋势是，以前我们都要做大计划，现在特别流行 building in public。按漂亮话来说，就是从计划驱动变成反馈驱动。
张伟伟
明浩的版本是：哪怕做的是一坨屎，也要比别人先做出来。
庄明浩
这个环境里有一个最核心的观点。现在基础水线大家都知道，水线再往上一点的事情，大家都在试，没有人知道所谓的标准答案。
但凡你在水线上跳出来一点，哪怕最后证明你跳出来的这一点是徒劳的，在你跳出来的那一刻，或者那一段时间里，你享受到的关注，以及打着引号的正向 buff，远远大于你跳出来的那一点点空间。
因为没有人知道标准答案。只要有人踏出一小步，局面可能瞬间就打开了。你可能没有做太多事情，做的东西也不复杂，但那一点点东西可能引发讨论、争论，吸引更多关注。
这种关注可能来自用户、资本、媒体，甚至来自竞争对手。所有这些东西都会加到你身上，然后你再基于这些东西往上叠。
这些东西本来不应该属于你。以你当时做这个东西的状态，你不应该得到这种程度的 buff，但你得到了，那你就可以继续往上叠。
万一叠着叠着，我们真的随着大家一起把这个事情叠到一个高度，很多局面可能真的就被大面积打开了。
所以今天不要想着像原来那样，做非常长远的规划，做一个完美无瑕的东西，一下子推出去就结束了。今天这个环境绝对不是这样。
今天哪怕是做一摊实事，也要比别人先做出来。
张伟伟
我之前跟你聊之前没理解。我还在想，为什么有的人融资融那么多，结果做出来这么个东西，就像华强北贴了个牌，再连一个模型，为什么这种东西可以融到这么多资？
但背后可能是，他先拿类似这样的东西拿到钱了；因为拿到钱，他吸引到好的人，最后就更有概率做出一个了不起的东西。
就是美国那句话，fake it till you make it。
庄明浩
对，装着装着，说不定就成了。
这么说特别势利，但事实上你会发现，这一步还是有用的。因为首先，水线在疯狂往上叠。叠的过程中，很多人确实会被淹死，大部分情况都是被淹死。
你可能突然发现，三个月前立项做的东西，因为某个原因突然没用了。然后你面对的是沉没成本。但有些过程中，无论是幸运还是其他原因，你在某一段时间里比水线高了一点点。
那一点点可能就会带来很多意想不到的收获。因为大家都在关注，但没有答案，所以大家都希望看到有人做出答案，哪怕只是为了抄，也有这个心理。
说得好听一点，今天这个时间和状态，确实在奖励那些打着引号、敢于勇敢一点创新的人、公司，或者其他主体。
张伟伟
我跟 CK 前两天刚聊了一个智能硬件的创始人。他在这个行业已经很久了，其实比 PLAUD 他们做类似产品还早，但当时觉得还没 ready，就没有做。
结果没想到 PLAUD 刚出来的时候，正好撞上 GPT 新模型发布，多模态能力一下子变强，所有 buff 都加到了自己的产品上。
所以这个时间点真的就是，你也不知道会撞到什么大运，很多东西都没有办法提前规划。你可能想得越多，越难卖出去。
庄明浩
是的。
张伟伟
当然，作为企业也会担心，心里没底。但似乎还是要突破一点点。
我本职工作是在一家公司做战略和投资。我们底层也是一家打着引号的传统公司，虽然做的是移动互联网业务，今天也要做新的 AI 业务，同样遇到类似的问题。
你总想着先做出一个差不多的东西，再按照传统方式推广、运营、上活动。但似乎今天这个时间点，老产品可以这么搞，老产品加功能也可以这么搞；可是新的东西，尤其是本身还没有定型的东西，今天市面上没有任何一家类似业务的公司告诉你大家应该这么做。
庄明浩
对。那你就不应该妄想自己能把所有事情、所有决策全部做对，然后正好贴合当下技术发展的状态，再配一个很好的壳子或者一层膜，搭出一个完美的产品。不可能。
这个前提条件不要想了。索性我们就点一点、弄一弄、扔出来，看看状态，哪怕不行，再回来重做。
你一直在水面下憋大招，水一直在涨，你就一直憋。越憋，不就越没有信心了吗？
张伟伟
我想起好像就是两年前，OpenAI 的科学家不是写了一本书，叫《伟大不能被计划》吗？
庄明浩
对，当时很火。它大概的意思是，以后都是涌现逻辑，你根本不知道会走到哪里。不如找一块离你最近的垫脚石，先走着，先踩上去再说。
其实刚才庄老师讲了，AI 目前能走到什么程度、什么方向和路径是对的，没有人知道。所以计划是没有意义的。
我们只知道往东走，但不知道往东走会面临什么。这个时候做任何计划，就像打游戏时面对一张陌生地图，你得先探索出来，才知道前面是什么。
你说想做一个完美的东西，但连前面的情况都不知道。而且现在的状态是在巨大的反馈驱动下，任何有一点新意的产品扔到市场上，都会有很多人去试用。
大家试用完，自然会得到一些信息和反馈给你。至于这些信息和反馈能不能驱动产品变得更好，最终能不能跑赢，这件事不确定。
但确实是一种边用边学，让用户先用、先反馈，然后再调整。本质上，大家不知道往前走是什么状态，所以就是在搏概率。
它天然适合在不确定性的情况下先走出来。出来混，总是要先出来。
8. 硬件跟不上模型速度
CK
其实 building in public 现在除了数字端的产品特别火，智能硬件也特别火。这被认为是过去一年中国投资圈的一个共识。你怎么看这个行业现在的状况？
庄明浩
首先，为什么会形成共识，我觉得挺好理解。
从投资角度，尤其是偏早期投资的角度来看，既然我们在产品端和用户端都没有办法知道什么是对的，就会更优先看重人的权重。
说得再势利一点，早期投资看重人，无非就是看人的背景、资历、title，以及做过什么事情。
所以第一波投的，可能大部分是大厂或技术厂的技术专家、科研人员、算法工程师、CTO 等。然后大家发现，这波人出来之后可能有一些问题：要么太技术，没有太多商业化能力；要么团队组织得乱七八糟；要么太互联网。
大家有一个比较默认的共识：哪怕 AI 这么疯狂，中国用户在软件端付费这件事情，听起来也不太现实。
在美国，AI 肉眼可见的第一个商业模式就是软件直接付费，但这个模式在中国可能不太容易走通。那大家自然就会想，能不能做个东西，不是纯软件。
中国过去这些年的先进制造、电动车，以及华强北的各种产业链，巨大的基础都在这里。所以似乎两条线交集在一起：一边是互联网的叙事、算法和技术发展，另一边是强大的供应链基础。
这两者叠在一起，又很巧合地符合过去几年很多明星公司的发展趋势。典型的有大疆、拓竹、Insta360，小一点的还有小米供应链里的很多公司。
它们既有互联网、社区、在线和全球化，又配着已经被证明无数次的强大供应链基础。所以大家很容易在 AI 和硬件结合这件事情上达成共识。
现在出现了很多战场。眼镜就不用讲了，已经经历了几轮厮杀。玩具可能又分毛绒玩具、塑料玩具、陪伴型玩具，以及智能化的学习类玩具。
最开始大家想到的无非是，把一个模型放在某个东西里，再做出一个样子，仅此而已。但这么简单的想法，也得有人做。
结果就是，你需要有人把模型能力封装成一个适合本地运行、比较省电、参数不需要太大、比较方便适配的东西。
现在深圳供应链里，已经有这种专门的中间件厂商。他们做一个小盒子模块，如果你想用，就直接把模块买走做定制开发；你也可以直接卖这个小模块，价格很便宜。
现在这个事情可能又跟另一个热门话题——3D 打印——关联起来了。你看，所有这些议题都是让人兴奋的议题，似乎都连上了。
但最原始的切入点是：把今天大语言模型的能力变成一个模块，放进某个东西里。
从这个原始想法做成一个实物，要经历开模、供应链、铺货、上直播间。物理世界的速度跟电子世界就是不一样。
你还要想，最原始的想法，是基于今天这个时间点的 AI 模型能力。但 AI 模型能力现在基本按月更新迭代，物理世界常规来说，如果产品稍微简单一点，保守也得半年，半年已经非常快了。
像我们自己内部也做过一个硬件吉他，稍微复杂一点，用了一年半。你没有办法克服这个长时间。
但你想，Rabbit R1 到今天不过才一年的时间，而过去一年 AI 模型已经被迭代了好几次。AI 模型在过去一年变成什么样了？
你想现在是 2026 年 Q1，今天在卖的或者说今天在当红在卖的比较新的产品，大概率都是 2025 年下半年出来的。2025 年下半年出来，代表它可能是 2024 年立项，2025 年做出来开始卖，这都已经算快的了。
2024 年立项的时候，DPC 二一那时候还没有。那你拿到那个东西，跟每天被媒体轰炸、被宣传、被演示的东西之间，差距有多大？简直像原始人。
所以最后的结论是，这个共识本身没有错，肯定值得做，而且技术条件也确实 ready。
但问题在于，AI 世界发展太快，水位提得太高，物理世界没有办法这么快跟上。结果就是，用户实际用到的东西，跟心理预期之间有很大差距。
直接的结果就是退货率巨高。
这波很多产品的退货率好像都很高。有朋友说，退货率可能都跟女装差不多。你们知道女装退货率大概是什么样子，对吧？眼镜也是。
庄明浩
那肯定的。用户想象的是钢铁侠在用的东西，视频里也是，天天看渲染，就觉得钢铁侠已经来了。结果一戴上，发现像弱智一样。
厂商也没有办法。就拿眼镜这个战场来说，你要兼顾电池续航、算力、显示，还要考虑是不是在眼端显示，显示要不要加屏，要不要做 AR。
这么多选择题综合起来，最后选出来的产品，既要考虑供应链，又要考虑时间，还要考虑各种现实条件，怎么可能是一个我们理想中的东西？
但是宣传和媒体渲染已经把预期抬得很高，所以退货率就上去了。
退货率提高又带来新的问题。今天我们遇到一个特别头疼的现实问题，我觉得做实体业务的公司会特别有感触：我们真的在全球化影响下不断承受压力。
打仗会影响所有元器件的成本。与此同时，今天线上投放的 ROI 基本被定死了。你的毛利是可以算出来的：投多少流量、买多少量、上多少直播间，能卖多少货，都能算出来。你给多少返点，毛利空间也是定死的。
为了拉低这么多供应链成本，你想通过供应链的方式把价格压下来，供应链就会说，你要下更大的订单量，下更大的量才能保证价格。我没涨价已经是给你面子了，现在原材料涨得很厉害，你不下这个量，我可能就没有办法保证报价。
但问题是，你现在这个量拿去卖，本来就已经在亏，因为退货率的问题。退货率大几十，你怎么办？
于是你就面临一个抉择：不下更大规模的订单，成本就降不下来；下了这个量，可能又卖不出去，而且可能马上就被淘汰。
而且马上就淘汰。你想，你都做了一年多。
庄明浩
对，太残酷了。所有这些问题全部绑在一起了。
这么说，咱们不碰硬件也挺好的。
张伟伟
哎，我说说，其实在消费品行业里面，我现在服务的那些企业，有一个很明显的感知：以前方法论层面的东西，今天忽然变得非常不值钱。
我有一个客户是厦门帮，你听说过吗？就是那种特别会搞流量、精通抖音算法的公司。他们同时在跑 3 万多条素材。
张伟伟
我的天呐。
以前真的是靠年轻、拼命的小伙伴，有很强的网感。今天他们忽然跟我说，发现自己跑量的素材几乎都是 AI 生成的。
他们自己也有很强的忧患意识，发现原来那些拼命、不睡觉、努力战斗的文化都没用了。所以他们现在反而回过头来重新看：产品得改体验，不然 NPS 上不去，复购上不去，生意还是玩不转。
庄明浩
是的。
张伟伟
所以 CK，你这儿会有别的什么感知吗？
CK
感触很深。我很清楚，一个产品从设计开始到制造完成，周期有多漫长。
如果你是做硬件，我可以给大家一个建议：千万不要纠结，觉得产品要做好之后再扔到市场上。你可以做得烂一点，订单做小一点，成本高一点，退货率高一点，亏也可以亏一点。
但千万不要压库存。你为了获得一个好成本，下了一个很大的订单，最后发现退回来百分之六七十，甚至百分之八十，到时候你连哭的地方都没有。
没事，同行会买你。同行怎么也得买个 1,000 件。
庄明浩
你看 AI 这一波，第一波出来其实有一个中国团队，但是在海外做了一个小的方形机器，叫 Ready，对吧？就兔子。逻辑上讲，其实就是一个安卓机，里面跑了一个模型。
它被骂得体无完肤，被贬得一塌糊涂。但这家公司这轮又因为 Open Cloud 再次被提及，这种形态可能确实是一种可能性，他们也继续尝试新的东西。
虽然第一代产品甚至被媒体和各种人批得一塌糊涂，像是被判了死刑，但至少第一，它没有做很大量；第二，核心圈子里大家都在关注、都在尝试。
虽然那个尝试现在看起来可能不太对，但今时不同往日。
我其实觉得小龙虾这波，至少给身边做智能硬件的人一个很大启示：用户还是喜欢一个固定的东西，一个实体。
另外一个很明显的特征是，大家开玩笑说 小龙虾跟 COCO 之间存在鄙视链。就像《三国志》和《三国演义》，大家还是喜欢更通俗、更有人性的东西。
如果一开始瞄准的是行业从业者，瞄准的是评论员认为好的东西，其实做不出好东西。但如果瞄准小白，对他来说，体验的 delta 特别大。
所以有可能不是切极客人群、切懂行的人群，而是切小白。就像 Plot 当时切的是医生、律师、老师，他们没有一天想着去找互联网从业者，找那些懂技术的人。
我觉得这里有个很核心的问题：我们现在不确定做出来的东西，什么才是用户愿意买单的。所以就快速迭代，不要怕被骂。你得先确定，还记得那句话吗？只是你的确定。
庄明浩
当然，也有很多创始人很自信，会觉得用户就是需要这个东西。我觉得市场会教育他。
记不记得以前有一个很火的项目，是做外骨骼的？我听过一个很好玩的故事：一批极客做外骨骼，其实都希望自己变成钢铁侠，结果最后都是想做钢铁侠的人买给自己的老父母。
对。对于这帮创始人来说，他们面对一个很纠结的现象：他们并不想服务老人家，觉得自己本来是想做一个钢铁侠的产品，但殊不知这些人才是真正有刚需的人。
现在各个企业开始出现分化。一派觉得不纠结了，谁需要我们就做，毕竟老龄化才是个大需求。另一派很拧巴，说我要做一个很酷的公司，不是做老年人的康养产品。
这种人群选择、目标用户选择，似乎都是 AI 时代之前大家就应该认真想的问题，都是最核心的问题。
庄明浩
对。
9. 企业服务开始卖结果
我们刚刚说了制造端。企业服务端，这一波感觉也被炒得很火。很多人都说，以前 SaaS 的模式，在那篇文章出来之后不是已经完全被颠覆了吗？大家都说现在是从卖工具到卖结果。
还有一只妖股，Palantir。你觉得在 To B 服务领域，会发生什么变化？
庄明浩
我分两方面说。
美国那边的主流观点是，AI 的能力确实非常强，无论是 agent 能力还是 coding 能力。最底层的逻辑是，未来无论个人还是企业，真的有一个需求，都可以自己弄，而且是打着引号的“真正意义上的个性化满足”。
你明显能看到，国外过去几年打得比较深的领域，软件工程师最多，还有律师、财务分析。这些不都是最大的 SaaS 公司在做的事情吗？
所以这个逻辑当然成立。但中国可能不太一样。
首先，中国整个企业服务和 To B SaaS 偏软件的这一部分，其实没有真正起来。即便到今天，可能大家会把这个事情归咎于中国企业付费意愿，以及大家对这件事价值的认知。反正从结论上来说，美国定义的这套软件 SaaS 生态，在中国并不是特别 work。
AI 来了之后，就出现了两种观点。一种观点认为，AI 会让我们更难；另一种观点认为，正因为我们没有原来的包袱，没准反而能做出符合中国新国情的 To B 企业服务，所以也有一些公司在赌这个命题。
今天这个时间点，中国的企业无论是大企业、国企、央企还是中小企业，数据化和在线化已经不需要再做教育和普及，大家越来越接受这些东西。
在这个过程中，AI 化变成了一个更新的议题：能不能通过 AI，把原来需要花人力或者花很重成本解决的事情跑通？
但你又会发现，跟刚才最开始讲的一样，每个细分领域和行业，对这件事情的接受程度与可操作程度都不一样。有些板块已经跑得比较顺利，尤其是原来的业务就跟在线业务关联比较深的板块。
这给今天正在做 To B 企业服务的公司提供了一个新的命题：你今天的收入，能不能从传统业务转化成新时代的 AI 收入？
所以过去一两个季度，几乎所有头部的 AI SaaS 公司，无论港股还是美股，都在讲 AI 带来的收入增长。大概就是这样一个定义。
但今天这个定义还是很模糊。未来如果这些东西全部出现，可能会有一些新的厂商来做这些事情。
庄明浩
这个逻辑现在还停留在讲逻辑的阶段。刚才说的所有内容都是在讲逻辑，还没有真正实施，没有人知道到底应该用什么方式、取得什么结果。
但问题仍然是，今天我们会看到很多做相关业务的公司。你作为一个平常用 AI 工具比较多的用户，去看他们提供的产品，会觉得：这不就是套壳吗？
甚至可能都是很粗糙的套壳，但你看老板的状态，感觉他卖得还不错，很多人找他们想买。你就会觉得，是不是也符合我们前面讲的逻辑？
我觉得他可能只是在技术线上多做了一点点事情，但因为没有人知道该做什么，他多做了一点，就建立了一定的影响力、口碑和实施案例，形成了自己的正循环。
哪怕那个东西其实很弱，但就是靠这一点点东西建立起来了。
我们见过很多这种案例，比如把企业内部的知识库、数字员工放进去。其实就是一个对话框，然后把企业内部原有的财务数据、法律数据，做成一个上下文记忆系统，放进聊天窗口里。
或者把企业内部原来的 ERP 做一些新的改造。你会觉得，这些工作确实应该有人做，但这个事情值得被讨论成这样吗？这些公司值得被市场给予这么多反馈吗？
我其实觉得，主要还是因为美国的条件太好了。每个人都说自己是中国版 Palantir。
Palantir 更微观一点的核心，最开始其实是跟政府绑定。政府这个主体比较固化，有很多历史包袱，但同时又非常渴望新东西。
美国政府又更商业化一点，尤其是在科技领域。中美这场 AI 仗谁都不可能输，这就是军备竞赛。
所以 Palantir 就变成了新时代的军火商，大概是这么个逻辑。它帮政府做一些政府原来无法直接跟厂商对接的事情。虽然很多厂商也会进来，但 Palantir 仍然有自己的位置。
你像这两天我遇到一个更现实的问题。周末我有个活动，是帮一位在上海大学管理学院教 MBA 的老师，带他们的 MBA 学生去拜访上海一家比较头部的大模型公司。
昨天那家大模型公司负责对接的同事说，他看了一下 MBA 同学的简历，大部分都是传统行业的人，什么上汽、上海化工，各种各样的传统行业。
他问我，他们第一不是技术出身，第二不是互联网背景，我该跟他们讲什么？他们可以演示一些模型能力，也可以讲跟企业合作的案例。
但这些人看完之后会说，我们也想要。问题是，这些企业在这个时间点不具备直接把模型拿来用的能力，无论是数据状态、在线化水平，还是其他各种条件，都还没准备好。
中间这个东西就得有人去填。它某种意义上是一种脏活累活。
庄明浩
我经历过从线下到线上的过程。我们最初审批是一张表，要跑十层楼，后来才慢慢数字化。那个过程本身非常漫长。
当时的 SaaS 公司，本质上就是外包了一堆 PM 到我们这儿，对吧？到现场来做这些破事。
我前两天还跟一个 SaaS 上市公司的老板吃饭，问他这一波担不担心。他说，反正中国 SaaS 的股票也没好过。
他说，北美有个很大的特征，大概有百分之三十是通过公司信用卡一直在付钱。
庄明浩
对，持续性更强。
他说，所以一旦掉起来会很可怕。老板忽然醒过来：“原来我们订了这么多 SaaS。”就跟个人用户订阅很多东西一样，突然有一天意识到不需要订阅那么多东西，然后瞬间就全部取消。
他原来吃的就是订阅的连贯性。他说，我们本来就是做这些脏活累活的，忽然来了 AI，反而变得比较性感。
庄明浩
所以这个时间点，像那篇二零二八、洛士顿写的，逻辑可能也是这样。
以前可能 AI 还没有让大家主动意识到要想这件事，大家会觉得，模型很厉害，让设计师弄一弄就行。但今天你确实能感到，水位已经到脖子了。
你认真去想，发现很多东西真的可以砍掉，那可能瞬间就会从没有意识，一下子砍到非常厉害的状态。
对，开弓就没有回头箭了。
庄明浩
对。
10. 大公司正在拉开差距
我们最后聊一个对于未来的预判吧。你之前讲的六个月、一百亿和百分之八，背后其实透露出来一个东西：好像平台赚得更多了。
庄明浩
事实如此。
在 AI 时代，至少截止到这个时间点，大家会认为大公司会越来越大。这个已经是一个偏共识的阶段性结论了。
虽然听起来很悲观，但似乎很多角度都在验证这件事情。就像昨天我听一个播客也在讲，我们刚才说一个人可以想一个人的事情，小团队可以想中团队的事情，中团队可以想稍微大一点团队的事情。
但问题是，超大团队会拉开非常远的距离，让所有人都想象不到他们在做什么。
庄明浩
对，它会拉开巨大的差距。
我们就举今天聊过的字节视频模型的例子。Sora 今天关了吗？
对。
庄明浩
当然它有很多现实原因，留存不好、成本比较高，也可能是因为竞争激烈，需要收拢战线。
但还有另外一条线：纯做 To C 端的视频 App，尤其是 AI 内容生产这件事情，在全世界范围内，没有任何一家公司比字节更有信心，也没有任何一家公司有这么坚定、不遗余力的战略投入。
无论是初创公司还是大公司，都没有。这个战场是字节原来的主战场，它已经立住了，是世界第一，也是中国流量最大的。
原来大家期待 AI 视频，是一个从零到一的过程，过程中不断优化。优化时，大家开始强调视频数据的优劣，以及数据如何导致视频模型能力提升。
但我们的说法是，你有数据，并不能直接导出你的视频模型好。它可能不是充分条件，最多只是必要条件之一。
可是字节在春节发布 Seedance 2.0 之后，告诉大家，它找到了“有好数据，就能导出好模型”这条公式。
而且视频是字节的主战场，它在这件事情上不可能有战略摇摆和犹豫。所以在这个领域，除非你有别的方式去想，或者你不想争最大的那几个，否则你就要想清楚怎么跟字节竞争。
这个行业足够大，字节也不可能把所有事情都做完。但如果你想在皇冠上的明珠里争夺那个最核心的位置，就要跟字节竞争。现在看起来，字节正在拉大它跟那些想争夺这件事情的人之间的差距。
这么说可能特别像字节粉，但逻辑似乎就是这样。
再举一个例子。今天世界上最大的游戏公司是腾讯。AI 和游戏的结合，腾讯在做的很多工作，本质上是很多厂商连想都不敢想的事情。
他们没有资格、成本和平台优势去想象这件事，但腾讯有，所以它在做。
这就不像原来那样，靠堆量、靠传统手艺人的手艺就能解决。它已经不是一个层面的问题了。
从狭义战场来说，腾讯和其他人的距离会拉得非常远，而且它会比那些希望通过通用模型触达这件事情的厂商走得更远。
那对于一般的商家，或者一般做商业的人，你觉得大家可以做些什么？
庄明浩
还是刚才那句话：你不能因为别人这么强，就什么都不干了。
哪怕在视频领域，字节这么强，在内容创作者战场上也有很多出色的初创公司在做。你要找到自己的定位。
跟传统商品一样，哪怕宝洁当年洗发水卖到百分之五十，还是会有新的品类出现。
再举个更现实的例子，为什么运动用品行业隔几年就会出现新的牌子？这两年有安跑、后卡、萨洛蒙，前两年还有始祖鸟。
这个品类听起来早就应该是耐克和阿迪达斯的天下了。耐克、阿迪达斯既有钱，又有研发能力，还持续赞助，品牌效应也很强。那为什么还会不断出现新的品牌？
可能就是不断有一些新的、小一点的需求，被一些特殊用户满足。这些用户又符合当下社交媒体的传播，或者符合某种情绪和氛围，于是得到了更多关注。
它就能涨到一定阶段。跟路路莱姆前面人一样，他通过这个人群吃到了红利，全球化拓展，然后强调各种各样优势，但他到了一定程度也依然会面对当年耐克和阿迪达斯面临一样的问题。
但这就是不断循环的过程。你要看自己在哪儿。也有可能一个集团公司就是由一堆小东西堆起来的，是偏苔藓的逻辑，不是偏森林的逻辑。
我说个观点：国内绝大多数 SaaS 公司是不懂业务的。他有没有能力把这些功能整合成一个 AI 体系，去完成真正的业务？
我觉得这就是刚才庄老师说的，从六十分以上，甚至到八十分、八十五分、九十分的内容。而这些内容往往隐藏在某些人的脑子里。
把它进行 AI 化或者产品化，我觉得是 To B 非常大的机会。我只是举 SaaS 这一个例子，其实还有非常多这样的东西。
我觉得 To B 市场反而可能在我眼里，未来在 AI 驱动下发生非常大的变化。
庄明浩
确实。AI 对 To B 很大的一个变化，是把原来非常贵的智力变得普及了。
以前麦肯锡一小时五万元，现在用 Deep Research 就可以了。所以我们也快被 AI 化了。
CK
老师你要小心哦。
庄明浩
没有，我根本不跟你走一个路线了，我现在做情绪老师。
CK
对对对对，我最近也在找一些情绪价值的书在学习，发现我要转型了。
庄明浩
CK 老师，你这句话就非常 AI。学情绪价值，看书，你觉得有用吗？你要实践，要给我们情绪价值。
我人机模式，大家理解一下。好了。我们差不多就这样子啊，非常感谢明浩，然后大家如果感兴趣的话记得关注他的播客，以上就这期的播客，如果大家感兴趣记得一键三连或者进到我们群里有更多人。在没有更新的时候，各种讨论跟赚钱、跟生意、商业还有各种八卦。好，那就这样，拜拜，感谢感谢，拜拜拜拜。