冰洁
这期节目我们终于要聊一聊龙虾了。我们的节目就是这样，等着这个子弹飞了好一会儿，终于能够沉淀下来观察，观察一下目前这个市场到底发生了什么。
从这个春节以来，AI 圈的热潮就是各种“养虾”热。我们选择在这个节点上分析一下，过去这个市场，尤其是从投资和市场的角度来看，到底发生了什么。
所以，今天我们请来了一位行家——庄明浩，资深科技投资人，长期关注 AI 和互联网赛道，请他来跟我们一起聊一聊。欢迎你，明浩，要不要跟《知本论》的听友们打个招呼？
庄明浩
感谢《知本论》的邀请，我是《屠龙之术》的主播庄明浩。我的本职工作是在一家互联网公司做战略和投资，业余时间会关注行业，写一些分析，以超长的 PPT 见长，所以每隔一段时间会针对整个 AI 行业的发展，做一个相对比较长的整理和梳理。
我上一个 PPT 本来是给腾讯准备的，之前也给浪潮、联想、小红书，以及阿里、支付宝这些公司做过。反正时不时地，每个季度能有一两次。
冰洁
这几个月企业培训里面，他们关注最多的是龙虾吗？
庄明浩
其实我觉得跟今天的议题很像，龙虾可能只是一个引子，可能会拓展到今年讨论很多的 agent 生态、harness 等等，包括最近一段时间，Claude 兴起之后，大家又去讨论 coding 到底是核心议题，还是一个分支议题。
我就按自己的方式来做，以这种方式来做整理。过去这几个月里面，我没有赶上养虾的热潮，也没有加入养虾大军。所以我一方面有点好奇，另一方面又有点焦虑，只要遇到这个领域里的人，我都会问同一个问题：你养虾了吗？
冰洁
我先问一下，你自己的参与度怎么样？
庄明浩
我养了。虽然 OpenClaw 正式发布时间应该是 2025 年年底，但真正意义上讨论起来，尤其是在中国互联网讨论起来，应该是在 1 月底到 2 月春节那段时间。
那段时间我先试了一下，但是因为春节期间我出去度假了，手边也没有电脑，所以更多是以在线的方式试的。春节假期回来之后，我才真正意义上在自己的电脑上安装了本地部署的龙虾软件。
其实也是春节之后，国内主流的大厂才开始做很多工作，尤其是在工程上，帮助龙虾从一个原来非常极客人群使用的开源软件，甚至安装步骤非常复杂，变成今天各家基本上都有非常傻瓜化的一键安装版本。
这件事情也不过才经历了一个多月时间。我没记错的话，应该是春节回来之后的那一周，各家厂商开始动起来的。
冰洁
我一直搞不清楚，从实际的体验和应用来看，它和宣传中的“数字员工”到底有多大的差距？它现在能实现到什么程度？
庄明浩
龙虾这轮兴起之后，大家一直有一个动词叫“养”。我觉得“养”这个动词是一个很重要的说法。
龙虾本身是一个开源软件，它的软件里面有一套架构，包括让 agent 或者 AI 模型可以有记忆、有偏好、有工具使用能力、有获取本地文件的权限，同时还有可能跟你现在已有的 IM 软件联通。
说起来就是这样一个架构，所以你听起来它并没有什么特别惊天动地的创新，对吧？本质上它是架构层和工程上的实现。只不过我觉得最核心的原因是，这一轮从 2025 年年底开始，基础模型的能力确实在很多领域已经够用了，只不过这种能力没有办法，或者说普通民众很难去感受到它的边界。
有一个比喻是，原来大语言模型很像一个发动机。去年以 DeepSeek-R1 为代表的推理模型，像一个更强大的发动机；到了去年年底，以 Claude 4 系列为代表的模型，甚至已经到了 F1 引擎的水平。
可是民众没有办法直接拿引擎来用，所以它需要一台车，对吧？这样才能体验到这个引擎有多强。本身来讲，龙虾其实就是一个非常简单版本的脚手架和车。
当你有了车之后，逻辑上来讲，你可以做很多事情了。但是这里面就出现了问题：它只是在模型层上封装了一层架构，你真正让它去做一些任务的时候，还要给它配更多的工具，所以会有一个“养”的过程。
龙虾这个软件安装到每个人的电脑之后，每个人的使用方式、使用场景，包括你给这套龙虾安装什么样的工具，就决定了每个人在使用这个软件时所带来的区别，所以完全不同。
最基础的使用方式，可能就是用它的功能。你看起来跟我们今天用 ChatGPT、豆包其实没有什么区别：让它查一个东西，搜索某条信息或新闻，帮你整理一份报告。这种场景下，它跟普通模型之间差别不大，甚至因为它没有针对这些事情做太多优化，可能还不如今天比较优化的纯模型聊天工具。
但是在一些更复杂的任务场景里，尤其是代码编程，或者你的任务流程需要分成很多阶段，每个阶段都有不同的交付和验收环节，那么这个过程越复杂，理论上使用龙虾或者类似软件达到的效果就越好。
不过，这个过程对使用者的要求特别高。它的理想状态，当然会像我们讲的“员工”一样：你今天招一个员工进公司，他可能只是一个刚入职场的年轻人，有基本能力，但不知道你的规范、流程和做事要求，也不知道你们产出的过程是什么样的。
他甚至不知道自己的上游是谁、下游是谁，在中间过程中能够使用什么工具、什么数据库、什么软件，以及最终要形成什么格式。所有这些东西，你都要教给他。
龙虾似乎也是这个逻辑。初始状态下，它可以理解为一个普通大学生水平的智能，但它不了解你的偏好、性格、要求、上下文、工具、数据库和各种权限。你要慢慢把这些东西教给它、交给它。
通过它一次又一次地跟你一起，或者由它自己执行任务，在这个过程中不断给它反馈，让它调优，反复经历这样的过程，所以又回到刚才那个关键词：“养”是一个很重要的过程。
它不是安装好了就结束，关键还得看是谁在养。驾驶员还是非常重要的，人还是非常重要的。
冰洁
你觉得这波龙虾热带来的效率提升、生产力提升，更多是针对 To B 的企业层面，还是针对 To C 的大众层面？
庄明浩
现在看，可能 C 端用得更多一点，因为 To B 的实施可能没有那么快。龙虾可能只是这一轮 agent 热潮的一个集中爆点，其实从去年开始，无论 To B 还是 To C，关于 agent 的实施已经非常多了。
龙虾相当于用一个比较极端的方式，把热度推到了一个本不应该属于它的程度。
分 To B 和 To C 两个战场来看，To B 战场其实出现了一个变化。无论中国还是美国，企业内部类似 CIO 这样的角色，原来负责购买系统、内部流程和数据库管理，今年或者从去年下半年开始，可能会比较慎重地考虑企业内部的数据流转流程，以及原来购买的 SaaS 系统是否还值得继续购买。
这引发了今年上半年讨论很多的美股 SaaS 和软件股暴跌。确实，今天 AI 和 agent 在 coding 领域的进展过于快了，快到了我们理想中未来为了满足个人或企业某种需求，建造一个广义上的软件，成本几乎可以忽略不计。
你真的有什么想法，自己用语言把需求说出来，今天 AI 就可以帮你实现。这件事情看起来已经并不遥不可及了。
建立在原有稀缺性上的软件和 SaaS 生态，似乎受到比较大的挑战。这是一个比较大的趋势，但它需要时间。
个人可能相对简单，但企业有流程，有数据考量，有安全、隐私和权限问题，包括企业原有的工作方式，甚至 KPI、OKR 可能都要调整。这个事情不可能瞬间完成。
在这个过程中，也有一些观点认为，我们原来的生态转向刚才讲的新生态，可能是一个瞬间扭转的局面。原来大家还在观望，但从观望到争抢可能是瞬间的事情。
所以在 To B 战场上可能会有这样的纠结：一些激进的观点认为，已经到了从观望到争抢的状态；一些保守的观点则认为，还需要一段时间。
冰洁
你也去了很多企业给他们做培训、进行交流。你感觉企业对于这一波 AI agent 热潮的态度怎么样？更多是焦虑，还是其他什么情绪？
庄明浩
焦虑是不可避免的，所有人都会非常焦虑。但从更现实的角度来讲，大家其实在考量的是很具体的问题。
这轮 AI 热潮是从 2022 年底 ChatGPT 发布开始的。2023 年、2024 年大家讨论更多的是大模型本身；去年可能是推理模型作为主要讨论点；今年可能就是 agent。
到了这个节点，你会发现大家已经不太考虑该不该用了，大家考虑或者焦虑的是怎么用的问题：怎么用、用在哪些环节上，用到这些环节之后是提升效率、改进流程，还是直接增加收益？
是直接用模型，还是用魔改的东西？是直接找模型厂商合作，还是找软件公司，或者自己做？这些操作层的问题，正在困扰很多企业和个人。
冰洁
我注意到一个现象，不知道是巧合，还是它本来就是一个规律：每年基本上都会有一个比较惊艳的产品或东西出现，时间大概都在上一年年底到这一年年初。
原来的 ChatGPT 是这样，DeepSeek 是这样，现在 OpenClaw 也是这样。这是巧合吗？
庄明浩
很多人会说，每年春节左右会是一个比较重要的节点。我觉得有一部分是情感因素，在这个时间点产生的东西，会被引爆和传播得更剧烈，所以会引发很多讨论。
另外一个角度是，从 1 月下半月到春节左右的一个月时间里，中国头部模型厂商会疯狂发布各种版本，美国头部模型厂商也会进行比较大的更新。
到今天 4 月这个时间点，你发现新一波大版本又来了。Anthropic 发布了一个最新的、非常神秘的模型，说它强大到不敢发布；OpenAI 传说中的 GPT-6 也准备好了；智谱发布了 GLM-5.1；前几天 MiniMax 2.7 也发布了。
所以从春节前 1 月底到今天 4 月中旬，可能这个周期已经从原来的半年一波，进化到每季度一波。如果再往前进化，基本上就不会有所谓的密集期了，因为每天都是密集期。
冰洁
从目前市场的反馈和商业角度来说，我们能够看到市场上衍生出了各种代装服务、培训课程，还有专用硬件。这些卖课程、卖安装服务的人都大赚一笔。
你觉得这到底是技术落地的信号，还是又一场赚快钱的狂欢？
庄明浩
我觉得第一波赚钱的肯定是卖课的，其实美国也一样。
很简单的逻辑是，一个新兴技术出现之后，媒体总会愿意把它渲染成革命性的、改变世界的、震惊宇宙的东西。你不上车就晚了。
民众被这种情绪渲染之后，为了满足这种欲望，当然需要一个中间决策方，把原来可能门槛很高的东西降下来交给你，填补你的焦虑。
前提条件是一样的，只不过我们用什么方式满足这种情绪价值不同：是课程，是安装服务，还是帮你封装好一个傻瓜化的版本。所有这些，其实都是大家在“双引号的共谋”。
当然，这么说特别上帝视角。面临这样的浪潮，我的观点是，当这个事情被炒到这个程度时，任何一家利益相关方的公司，无论是大公司还是小公司，无论是云公司、互联网公司、模型厂商、算力公司，甚至芯片公司，所有公司的最优解，或者说唯一解，就是应蹭尽蹭。
热浪已经如此了，你不参与其中，可能就浪费掉了这股热潮。
过去几年的 AI 浪潮里，这件事情也频繁发生。去年 DeepSeek-R1 火的时候，不也一样吗？有人卖 DeepSeek-R2 虚拟主机，卖各种服务，教你怎么用 DeepSeek-R2。DeepSeek-R1 出来没几天，就出了 DeepSeek-R1 的书。
龙虾火了之后，现在市面上的龙虾相关书籍也很多了。说实话，这个东西并不值得被写成一本书，因为它的框架和逻辑并没有那么复杂。但所有这些都代表了它就是这样一个风潮。你要参与其中，那就是人在江湖，身不由己。
冰洁
对比之前的元宇宙热、ChatGPT 热，这一波龙虾热有什么独特性吗？
庄明浩
我认为有一个比较独特的地方：它首先是一个开源软件，理论上任何人都可以在满足开源要求的情况下做任何事情。
举个简单的例子，过去一段时间，全国各地几乎每个周末都有各种各样的 OpenClaw 或者龙虾大会。它们的主办方五花八门，什么人都有。所有人都可以借着这件事做自己想做的事情。
但你想拆解 ChatGPT 不太现实，DeepSeek-R1 可能也不太现实，因为它毕竟属于一家公司、一个商业实体。你没有那么强的资格和身份说“我代表它”，或者说“我组织一个这样的活动”，然后把最大的 logo 放在会议的主视觉上。
但 OpenClaw 可以。所以你会发现，今天所有人都在借着 OpenClaw 满足自己的欲望，可能这个说法有点难听，但满足自己的一些小算盘，我觉得是合理的。
这些 KOL，包括我们这些人，大厂商、小厂商、一些组织，甚至学校、教辅机构，乃至政府，都在做很多相关的事情。它就像雪球滚起来一样，一旦滚起来，你已经控制不了，所有人只能不断往上加。
所以这一波可能跟之前几波不太一样，因为所有人都可以加，都可以借着它讲自己的故事，造成了现在的状态。
我们现在这个时间点，可能正在看到它从超级疯狂慢慢变得冷静，有点回落，尤其是关于数据安全、隐私这些问题的讨论会越来越多。
冰洁
这也引发了另一个角度。OpenClaw 因为是一个个人开发的开源软件，而且开发者是非常资深的程序员和技术大拿，最初是为自己做的，并没有想到全世界的人都会用。
庄明浩
对。他最初就是为自己的需求做的，相当于默认自己建立在一个很高的门槛上。他会认为自己有能力控制，有能力判断什么东西危险、什么东西安全，什么权限和围栏是可以接受的。
但他没有想到这个软件突然火了，所有人都开始使用。所以你会看到，从它火起来到今天，更新版本特别快，可能一两天就要更新一个版本。更新内容里有很多都是关于安全、隐私和权限的，因为他原来没有想过会出现这种情况。
这个问题的变化在于，你会发现其实在龙虾火了之后，甚至在它火之前，很多人哪怕没有用过龙虾，也开始讨论安全和隐私问题。
原来我们做大模型，大模型变成更厉害的推理模型。推理模型发展到一定程度，大家觉得它的智商水平已经达到人类基准线，可以让它干一些活了。于是大家提出 agent。
从去年开始，大家有一个公认的角度：给 agent 一台电脑，或者给它一个浏览器就好了。但在做这件事之前，很多厂商无论是创业公司还是大厂，都要顾虑安全、权限和隐私问题。
所以做出来的东西能用，但可能只能用于限定场景，或者受限于成本，无法铺得那么开。
OpenClaw 不一样。它最开始根本没有考虑这些问题，所以把这件事推到了极端：如果你在本地运行 OpenClaw 的原始版本，相当于可以给它电脑的所有权限。
它默认不考虑这些层面，直接用极端方式来做。这种方式当然有好处，但巨大的坏处也瞬间推到了所有人面前。
所以这一轮关于 OpenClaw 的讨论，你会发现很多人甚至没有用过龙虾，也开始莫名其妙地担心安全、隐私、权限，以及自己的文件和数据。
从某种意义上说，这也可能是好事。AI 这一轮的能力发展到今天的程度之后，安全问题变成了一个更广泛意义上的问题，不再只是原来网络安全意义上的狭义问题，而是一个新的课题。
它摆在所有人面前，无论是个体、公司、行业还是政府，都是一个非常重要的议题。但大家不知道这个议题该怎么解决。
OpenClaw 把问题推到了一个极端，让大家赤裸裸地面对它，然后去寻找可能的解决方案。
冰洁
我还看到一个挺有意思的讨论，说 OpenClaw 的本质是算力过剩的消化工具，核心是在帮大模型厂商消耗 token，实现商业闭环。这个说法听起来有点阴谋论，你怎么看？
庄明浩
结论可能是对的，但它是一个马后炮的事情。
从马前炮的角度来说，模型厂商都缺算力，哪怕没有龙虾也缺算力，龙虾出现之后只会让它们变得更缺。
如果从商业视角来看，它跟当年的 IT 行业、摩尔定律是一样的。摩尔定律说每 18 个月芯片能力翻一番，但有一个跟摩尔定律相匹配的软件行业定律，叫安迪—比尔定律。
安迪—比尔定律就是说，摩尔定律带来的计算能力，会被微软的系统和相关软件消耗掉。它们是相辅相成的。
这轮 AI 领域似乎也出现了类似状态。你会发现算力增长肉眼可见，大家的数据中心投产、每年科技巨头的投入，以及芯片购买数量，已经是一条上升曲线。
同时，单位 token 成本可能还在下降，理论上应该越来越够用。但问题在于，今天 AI 模型消耗 token 的速度确实更快了。
举个更现实的例子，我们最早用 ChatGPT 或豆包时，一次交互可能只需要几十秒，相当于它在那里运行几十秒。但今天最先进的模型已经可以运行十几个小时的任务，十几个小时和几十秒之间是多大的差距？
而且它运行的任务可能是 coding、搜索、图片识别或者视频生成，跟单纯回答几个字相比，又是一个几何量级的差距。这几个数字一乘，结果就非常恐怖了。
所以无论中国还是美国，无论模型厂商还是云厂商，算力稀缺都是大家共同面临的问题。
甚至稀缺到什么程度？前两天 OpenAI 关闭了 Sora 2。像 OpenAI 这种融了那么多钱的公司，理论上算力应该还可以，但问题是它要做的事情太多了。
它今天要做模型研发，还要服务好现有客户和普通用户；要做 coding、视频、Sora 应用，事情太多了。它发现这些事情之间也要有优先级，而优先级就是根据算力的紧缺程度来的。
你看国内厂商，为什么大家会说速度慢，为什么会限制调用次数？就是因为大家都不够。
为什么不够？因为大家可能都在把更复杂的任务交给 AI。当然，这中间可能存在非常大的浪费。让它跑个天气，你看一眼手机不好吗？让它查一个 PDF，为什么不给它一个搜索工具？
但用户没有罪。在这个过程中，产生了我们所说的需求和供给之间的扭曲。所以到底是不是阴谋论，还是一种正向的相互促进，你很难分清。
冰洁
在龙虾热潮里，有一波暴富的人群是囤 token 的。Token 经济在 AI 产业链中到底扮演什么样的角色？
庄明浩
刚才我比喻过，大模型和推理模型是引擎，我们今天使用的龙虾像是带脚手架的车，那么 token 就是燃料。
无论是让发动机单独在那里运转，还是把发动机装到车里，让车跑得更快、更远，所有事情都需要燃料。这个燃料就是 token，token 背后是数据中心和电。
为什么大家会说，在今天这个时间点，token 是衡量很多事情的指标？粗暴一点说，如果只需要一个指标，消耗了多少 token 是一个很重要的指标。
你消耗了多少燃料，就代表你的体量、规模、增速和所有这些事情，包括钱也是。
冰洁
你说到了一个关键点。我查了一组数据，目前国内外 token 的价格差价能够高达 17 倍。中国大模型厂商有很强的成本优势，大概能够占据 60% 的 token 供应。
这也引起了一些疑问：这会不会让国内的龙虾泡沫比海外更大？
庄明浩
从表象上来看，国内热度确实更高，国外对于龙虾并没有那么大的狂热。
首先，OpenClaw 在中国比在美国更火。美国主流的 AI 使用者，会依次使用 ChatGPT、Claude、Gemini，它是一个递进的过程。
我们最开始讲过，龙虾并不是一个跨越巨大鸿沟的东西，而是一个小幅改进，可能只针对一些比较特殊的场景，尤其偏个人。
所以对美国很多主流用户，尤其是 To B 用户而言，龙虾更像是一个小玩具。他可能会试一试，但不会觉得它真的比 Claude Code，或者他们正在使用的 API 更值得被颠覆。
但中国不一样。中国大部分用户没有用过 Claude Code，也没有用过 Codex，甚至去年比较火的 agent 工具也没有用过。大家还是用豆包、Kimi，年底开始用千问。
千问开始让大家觉得：“我可以订个奶茶，可以叫个车。”因为上一代模型或者之前做的很多事情是 chat，是对话；这一代 agent 叫 action，或者叫行为，它是有动作、有做事能力的。
我们相当于是从 chat 跳到了 agent，这是一个跨越，导致大家对新东西的渴求和感受非常强烈。美国那边是递进的，所以没有那么强烈。
刚才所说的泡沫，首先，龙虾是不是泡沫本身就不好定义，甚至泡沫的定义也很难说清楚。
但龙虾这波热潮在国内，我觉得某种意义上是好事。原因在于，它把民众的认知从原来偏纯 chat 的领域，拉到了越来越多做行为、做工作、做很多真正意义上“做事”的事情上。
这确实符合 AI 发展的规律。模型厂商、云厂商、token 和算力厂商，甚至互联网大厂，以及今天我们正在使用的成熟 Chatbot，本质上都在推动大家更多地感受到能力提升。
比如 DeepSeek 更新了新的 App，多了一个“专家模式”。这个模式本身不是什么新功能，但它是从基础 chat 到复杂 chat，从 deep research 到做事情，再到真正意义上帮你干活，一步一步走过来的。
美国 To B 市场更大、更成熟，中国 To C 市场更成熟，这两个国家的市场存在这样的区别。
中国有大量用户对技术没有那么理解，看到代码、命令行界面，就觉得“太复杂了，不要碰”。面对这部分人，我们就按照他们的需求，给他们提供适配这轮技术演进的状态，所以才出现了刚才聊到的这些事情。
冰洁
从商业模式来看，龙虾作为一个开源项目本身不盈利，但带动了硬件、token、培训等环节赚钱，也就是一种典型的项目本身不赚钱、但生态赚钱的模式。
如果从投资角度来看，应该怎么评估它的商业价值？
庄明浩
它本身的商业价值很难评估。所以反过来讲，OpenClaw 的作者很快就被 OpenAI 吸收了，但 OpenAI 吸收之后马上承诺，仍然会以类似基金会的方式支持这个开源项目，他本人也没有加入 OpenAI。
OpenClaw 跟 OpenAI 本质上没有绝对关系，很像 Linux 或者很多著名的开源社区和软件，它并不属于某一个商业实体。
这其实引发了另一个讨论：今天 AI 这一轮开源生态崛起得特别快。原来大家会认为，开源的东西和商业之间存在比较大的隔阂，但今天你会发现，这种隔阂和界限变得越来越模糊。
就 OpenClaw 这个个体而言，无论是开发者本人、核心贡献代码的团队，还是 OpenClaw 软件本身的商业价值，都很难用狭义的方式评估。
但它带来的整个生态繁荣，相当于第一次真正意义上让大家看到，一个人的价值被放大的可能性，以及这种“一个人的公司”价值被放大的极端展现。
未来随着开源软件和商业之间的界限越来越模糊，它会带来更多变化和不一样的东西。
今天很多一级市场投资者投资的初创公司，可能第一个做的模型或产品就是开源的。起初你可能无法从非常势利的商业价值角度去衡量，但它的影响力、传播、覆盖和生态，在阶段性意义上是可以给它一个估值的。
当然，到了某个节点之后，它还是要符合古典意义上的金融和财务要求，只不过到那个时间点，它可能已经非常大了。
冰洁
我前段时间听到几个早期投资人的共同观点：龙虾再火也跟我无关，因为现在基于龙虾生态的创业项目可能几个人就能完成，他们认为不需要早期资本介入。
可能没有那么极端，但早期资本可以换一种形式。我觉得这件事很有意思。
庄明浩
我的好友 Koji 还有另一个身份，是真格基金的 venture partner。很多不了解这一行的朋友看到新闻时，会有一些概念上的混淆。比如前两天耐克中国的 CEO 加入红杉，做的也是 venture partner，叫投资合伙人。
Venture partner 本质上不是基金真正意义上的员工，更像是一个顾问。当然，他们会有一定的利益绑定，但角色比较开放。
我讲这个故事，是因为 Koji 和真格基金一起合作了一个项目：给今天这个时间点的 AI 初创团队，哪怕只是个人，提供 5 万美元的 token。
这 5 万美元对应的 token 先给你使用，你做出东西之后，他们再评估你的项目是否值得投资。这 5 万美元的 token 相当于一种孵化。
今天你想用最贵的 Claude 模型，成本其实很高，哪怕只是跟它对话几句，每句话可能就要零点几美元。更复杂的任务就更贵。
很多个人开发者，尤其是有能力的技术开发者，如果没有初始 token 使用成本，可能没有办法做出一个好东西。所以他们用这种方式做最早期的投资。
你说 5 万美元，哪怕是 5 万人民币，听起来可能确实不是投资者或天使投资人投资一个项目的最低起始额度。但事实是，今天 AI 的能力已经让哪怕一个人或一个很小的团队，都可以想象比较大的事情。
按照我朋友的说法，小团队今天可以想象原来中型团队做的事情，中型团队可以想象原来大型团队做的事情，因为有了 AI 能力的加持。
但这不代表早期投资没有意义，或者说早期投资在今天评判很多早期项目的方式没有变化。
原来天使投资人投一个项目，更多是看团队背景、看人，也看他们启动这件事需要多少钱。现在看起来，启动所需的钱确实比原来少了。
原来可能是天使投资人投一笔钱，你做到一定阶段，再去融 A 轮；A 轮给你一笔钱，做到下一个阶段，再去融 B 轮，原来是这样一个流程。
但今天不一样。首先变化很快，其次启动一件事情的成本没有那么高。所以很有可能，你因为背景、头衔或者资历拿到一笔钱，哪怕只是天使轮的钱，也可以让你试 6 次。
你可以今天试这个，做几个月发现不行，换掉；再做另外一个，还不行再换。今天的人想做一件事情并做到一定阶段，成本变低了，所以可以让你多试几次。
试出来一个方向值得继续，你再融下一笔，没准就融到了；过程中发现还是不行，那就再换。
市面上其实有很多这样的项目，我开玩笑叫它们“见光死项目”：创始人背景确实很强，也很容易拿到天使投资，甚至天使的钱可能有几千万元人民币，但他没有真正的产品，只是在不断试。
试一个东西，做出来发现不太行，见光死；再试，还不行；再试，直到试到一个觉得还可以的方向再往前走。
只要这个“还可以”的东西阶段性得到一定正反馈，他就可以继续融资。但没准做了一段时间发现还是不行，这个项目可能又要换方向。你觉得这会变成常态。
我们原来那种一直做一件事情，从最开始做到一定阶段融下一轮，做到大规模再融下一轮的故事，可能是古典 TMT、互联网和移动互联网时代的 VC 趋势。
今天的 AI 行业不是这样的趋势。你需要不断试，不断找方向，甚至可能今天投资人和明天的投资人看到的故事完全不一样，都是有可能的。
冰洁
你提到了一个特别关键的变化，就是早期投资在 AI 赛道里的方式和逻辑发生了变化。前面你也提到，像龙虾的创始人现在被 OpenAI 吸收，像 Manus、Cursor 这些爆款 AI 产品，也大多是所谓的“世外高人”打造的，而不是按照传统创投逻辑孵化出来的。
再加上你说的这些变化，是否意味着一级市场早期投资在 AI 领域的传统逻辑基本失效了？对于投资者而言，压力和挑战都很大。
庄明浩
现在确实处于一种混沌状态。当然，还是有一批人信奉原来的方式。
过去一年，整个中国一级市场最大的共识是 AI 硬件。大家会觉得纯软件很难做：让用户付钱在国内不太现实，To B 生态又跟美国没法比，纯软件的大模型公司也已经投得差不多了，自然就走到了硬件。
硬件又因为大家会想到大疆、拓竹、影石 Insta360，甚至小米供应链和小米自己。这些公司本身都符合我们原来那套叙事：我们有强大的供应链，有深圳华强北，有电动车上一轮产业积累，所有东西都连在一起。
创业者又因为在这些公司里经历过战役，理论上是一个“成熟”的创业者，是 ready 的。
今天 AI 来了，相当于让两件事结合在一起，所以大家疯狂投资这样的创始人，无论他做什么：做玩具、毛绒产品、带显示屏的设备、学习机，或者各种各样的东西，拍照的、摄像头的，能想到的板块都有。
这个故事本身的逻辑，造成了群体效应。你说它不对吗？我觉得没有什么不对，它符合我们刚才讲的所有逻辑。
但同时，今天确实给了那些“世外高人”更多可能性。移动互联网发展到后期，比如 2015 年、2016 年之后，基本上就没有真正意义上新出现的大公司了，初创公司已经非常难了，因为整个行业开始固化。
但今天是一个新的战场，新的可能性给到了这些人。尤其是 AI 对个人能力的加成，可以被无限放大。
似乎出现了另外一套叙事：他可能真的是一个世外高人，原来不在任何 VC 的射程里，但真的做成了一件非常大的事情。这种事情会频繁出现，甚至不断扩大。
比如今天这个时间点，“全网”到底是什么概念？前段时间阿里千问负责人林岳阳离职，造成了全网讨论。但在这件事出现之前，全世界范围内知道林岳阳这个名字的人可能只有几十万人。
再比如我们今天讨论龙虾，中国无数厂商已经做了非常多傻瓜化、低门槛的方式，让用户体验龙虾的能力。但即便如此，我们算一下今天这个时间点，中国有十几亿网民，真正意义上无论在电脑还是云端用上龙虾的用户，大概是什么量级？没准也就是几百万人。
可是几百万人已经让你感觉全世界都在讨论这件事了。所以，“全网”到底是什么范围，应该怎么界定？这是一个非常值得思考的问题。
冰洁
这是一个很好的思考视角。我们现在好像看到所谓“全网都在龙虾狂热”，但真的放大到整个基数，从数量级来看，其实没有那么大。
庄明浩
我最近在准备最新一期 PPT，还没有想得特别成熟，因为最后总要做一些升华和总结。
我会有一些担心。当然，这个担心没有那么强烈，但很像我们今天回头去看那些还在 Web3 战场里的人。
当年 Web3 炒得最热的时候，你去看它的市值、讨论、融资、对未来的憧憬，以及对技术路线坚定不移的信念，跟今天可能有点类似。
哪怕到今天，依然有很多人坚守在那个战场。但你知道，它像一个曲高和寡的东西，不太可能实现原来设想的那么伟大的规划。
当然，我内心觉得 AI 和 Web3 还是不一样。我们自己做的所有事情，本质上也在推动这件事。
但我也会担心：我们认为正在发生非常重要的事情，正在影响很多重要的事情，影响一级市场、二级市场几万亿美元，影响人类 GDP，甚至影响人类的未来，会不会在某个节点陷入类似今天 Web3 的局面？
冰洁
我个人感觉还是有点不同。AI 所谓的“全网”和“全民”覆盖，相比 Web3 要大得多、广得多。基本上大家都认可这是一股势不可挡的浪潮，但 Web3 肯定没有达到这样的量级和势能。
庄明浩
我内心当然也是这么认为的，但你总会隐隐有些担心：有没有可能只是一场狂欢？
这可能会引发我们后面关于泡沫和调整的讨论。其实人类在经历当下的时候，不知道自己处在泡沫的哪个阶段。只有事后，可能过了 10 年、20 年回头看，才知道那条浪的曲线发生了什么变化。
你看英伟达的股价。今天英伟达的 P/E 已经比沃尔玛、Costco 都低，甚至比标普 500 的平均 P/E 还低，你就会觉得，怎么会这样？
再看 2026 年，引领过去 3 年整个美股趋势的所谓科技巨头“七巨头”都在跌。微软已经跌了三分之一，可能是微软历史上最差的一个季度。
可是过去 3 个季度，AI 依然非常喧嚣、非常热闹，热闹得一塌糊涂。为什么过去 3 年引领这个行业的公司，只从股价上来看，却出现了这样的分歧？而且不是一两家公司，几乎所有公司都面临这种分歧。
最具代表性的英伟达，连续两个季度财报超预期之后，股价却丝毫没有变化。大家很容易会想，它到底是在憋一个大的，还是要往下？似乎没有别的结果了。那你选择相信什么？
冰洁
你感觉现在市场进入了所谓的冷静期吗？
庄明浩
我觉得有外围因素，比如国际局势不太平，可能会对股市整体产生影响。股市是一个很复杂的系统。
但只从股价来说，今天头部 AI 相关上市公司的股价，跟它在 AI 业务上的收入增长和预期之间，关系已经不大了。那些故事已经被透支到不能再透，但这个趋势又没有到头，所以就卡在中间。
还是那个议题：如果我们认为 AI 是技术革命，那么历史上所有技术革命都经历过一个周期，叫基础设施的过度投入。那现在算不算？
今天投入已经到了什么程度？我们已经受到很多物理世界极限的限制。存储芯片已经炒了两个季度，台积电的代工一直受限，先进封装受限，电力受限。
最近大家又在讨论光传输。卡之间的传输信号，连原来的铜缆都不够用了，要用光。建立数据中心的土地审批也是问题。
看起来我们已经到了很多不可操控的极限点，甚至是人类的物理极限。
但另一方面，大家又会说算力需求远远没有满足。就像我们刚才讨论的，中国现在只有几百万人在用，几百万人就已经让中国所有互联网大厂、所有云厂商和所有民营公司的算力都紧张了。
那所谓的过度投入应该是现在的多少倍？这个数字已经大到我们没有办法想象。
这中间到底是谁对谁错？我觉得市场就在这两种都有强烈理由的观点之间来回冲撞，彼此都说服不了对方。
冰洁
现在也能明显感觉到市场信心受到了一定影响。就像你说的，目前整个生态是投入远远大于产出，需求和产品能力又错位，所以进入了一个冷静、甚至观望的时期。
庄明浩
你会发现，所有报告、分析文章和观点的抛出，本质上都会让你第一反应觉得：他说这话，是因为他的屁股所在的位置。
当然，这是合理的。你坐在那个位置上，当然要说那些话。
几乎所有市场投资人的报告都是看多的，因为他在做一级市场。一级市场不能看空，一级市场看空就没法干了。
所以所有一级市场报告都是看多，都是“这只是刚刚开始”，都是“跟互联网泡沫不一样”。但金融史告诉我们，每次都一样。那你该相信哪一边？
冰洁
从二级市场来看，你觉得二级市场对 AI 概念的估值逻辑，有没有从算力延伸到应用落地层面？
庄明浩
我觉得要分中国和美国，中国、美国的情况不太一样。
美国还是以最头部公司的 KPI、云厂商的变化，以及即将上市的两家公司估值为核心，构建整个框架。初创公司可能按 ARR 多少倍去算，软件股和 SaaS 股则经历了一个比较大的调整期。
当然，调整也在经历波折。有些软件股开始回调，有些已经跌得一塌糊涂。美国大概是这样的情况。
中国不太一样。国内资本市场本身缺少绝对意义上的好标的，所以会把这种焦虑和情绪推到一些本来不应该享受这种估值的标的上。这可能是中国 A 股的一些特殊情况。
A 股和港股可能又是另一种情况。你会发现智谱和 MiniMax 涨得一塌糊涂，因为它们是纯血的 AI 大模型公司，没有其他业务。
但一些 AI 相关公司，其实跌得还是很惨，哪怕它的主要业务靠 AI 贡献，甚至可能有非常强的 AI 能力，跌得也很厉害。更不用说那几家大型科技公司了。
这可能跟国内资本市场的构成、对主题的偏好，以及不断叠加的故事有关。它的存在也是合理的。
冰洁
AI 之前比较热炒的题材驱动行情，现在是不是已经渐渐降温，甚至褪色了？
庄明浩
题材永远都有新题材，也永远有新故事。
比如去年下半年开始炒存储，到今天存储还在涨，内存、硬盘都在涨。去年年底到今年年初开始炒光通信，因为大家会觉得，大型数据中心的联网会影响整体速度。除了存储之外，通信也开始遇到障碍，甚至开始炒更底层的元器件。
只要巨大的资本支出这个前提条件不发生扭转，故事看起来就可以继续炒下去。
而且这里有两句话其实是对立的，但听起来都合理。第一，市场永远是有效的；第二，市场永远是过头的。
有效，是说它最终总会调整；过头，是说它总会先走过头，再进行调整。
前两天我看新闻，说胖玛已经跌到市盈率比它的代工厂商还低，它的工厂的市盈率反而比它高。你想，它是一家有 IP、有渠道的公司，不应该这样，对吗？但为什么会这样？
英伟达的市盈率已经低于沃尔玛，甚至低于苹果。大家会认为苹果在 AI 时代不应该是一个失意者，它只是靠传统的 iPhone、Mac 和 App Store 贡献收入，比较稳定。
但今天苹果的市盈率超过英伟达，为什么？是不是有点矫枉过正，也不知道。
所以你会发现，一个主题被炒到什么程度，里面揉杂了太多情绪。
再举一个现实例子，智谱又涨了很多，因为智谱发布了新模型。只要发布新模型，表现好，就可以涨。明天又有一个什么 OpenClaw、OpenCat 或 OpenBear，只要主情绪还在，今天新增的东西都会变成燃料，把它往上拱。
但这件事情听起来很危险，不是吗？
智谱会涨，MiniMax 也会涨，就像金庸小说里的“梯云纵”：左脚踩右脚就上去了。但你要知道，我们经历过所有的梯云纵之后，都会踏下来，经历一个“梯云跌”的过程。
今天是因为 A 所以 B 涨，B 涨了又代表 A 应该涨，不断往上升。但当市场主情绪扭转时，就会变成叠加式下跌：它跌了，补跌，再往下跌。
如果只选 0 和 1，看起来目前这个时间点，情绪还在正向这一边。因为我们知道，能力提升、效率提升、个人用户渗透和算力需求，这个主浪看起来没有太大问题。
但情绪什么时候会发生变化，没有人知道。在经历这个过程时，你也不知道我们到底处在什么位置。
冰洁
在这种情况下，怎么区分 AI 赛道的价值股和投机股？
庄明浩
我觉得所有都是投机股，没有价值股。
我原来讲过一个故事：产业链最上游是用户。用户无论是 To B 还是 To C，都会去购买应用；应用运行在模型上；模型运行在云上；云在物理世界里对应数据中心；数据中心里放的是芯片；芯片由台积电代工。
这个链条无非就是这些公司。
现在看起来，用户需求是无止境的，用户没有错。模型厂商和应用厂商疯狂提供服务，但应用厂商的商业模式受限于它要向云公司和模型公司支付成本，毛利很低，甚至是负毛利，所以需要输血，需要投资人的钱，甚至需要上市。
模型公司也类似。一方面要提供服务，有成本；另一方面要训练新模型，也有成本。随着大模型能力提升，算力成本越来越高。所以模型公司可能有 50% 或 60% 的毛利，但这个毛利覆盖不了成本。
云厂商看起来还不错，几大云厂商增速都很好，但云厂商也有自己的成本。
数据中心和数据中心里的芯片，尤其是英伟达的芯片，听起来无论如何都是赚钱的。它们赚钱，台积电就不会亏钱，所以大家又去找台积电。
但台积电也提高了资本支出，也在疯狂加注。台积电这家公司历史上以冷静、冷酷，甚至冷血著称。即便是这么冷静的公司也加大了资本支出，似乎可以证明这件事值得信任。
台积电董事长甚至在财报会议上说，他们调研了客户以及客户的客户，确认 AI 的需求是不是真的，答案令人满意。人家都这么说了，理论上你应该相信，对吗？
因为链条上的几家公司都这么说了。但还是那个问题：当这件事情涨到很多事情的极限时，你不能只看这些公司说什么。
更现实的问题是，虽然很多公司的收入在涨，尤其是云公司、科技巨头和软件公司，但它们的现金流可能在下降，而且下降得非常快，因为投入支出太大。
总会有一个阶段、一个节点或者一个比率，到了那个时候，这件事情应该就到头了。
比如现在 Meta 50% 的收入要拿去做资本支出。Meta 又没有云业务，你会觉得有点危险，不是吗？
冰洁
是。
庄明浩
这种情绪会越来越激烈，到了某个节点，它会从疯狂扭转成什么样子，我们不知道，也没有人知道。
在过程中，你只能根据自己的风险偏好来选择。从投资角度讲，你认可什么、不认可什么，只能根据自己的承受范围去选择。
所以如果回答刚才那个问题，我说的是一句正确的废话：所有东西都是投机。本质上，今天的一切都是因为大家在赌那个巨大的未来。
但那个巨大未来确实需要太多钱、太多前置条件才能实现。你回头看过去 3 年，似乎也走得还可以。中间虽然有很多波折和乱七八糟的事情，但似乎还在这个浪里。
这可能确实跟元宇宙、Web3 不一样。元宇宙和 Web3 可能 3 年左右就结束了，已经彻底不在我们的讨论氛围里了。但这一波不是，似乎才刚刚开始，那就继续往前走。
冰洁
从现实层面来看，你觉得二级市场更看重 AI 公司的短期营收，还是长期技术壁垒？
庄明浩
我觉得二级市场可能还是要相对长期一点，当然短期营收也很重要。不同阶段的公司也不一样。
比如大模型公司，因为阶段很早，上市时可能只有去年的报表，而今年是第一个完整财年。第一个完整财年收入肯定暴涨，因为它确实赶上了这一波，肯定会增长很多倍，可能都不是个位数倍数，而是两位数倍数。
那你就会期待，明年能不能再有一个新动能，继续支撑几个量级的增长。
传统业务公司，比如做数据中心、做实施、做原来比较苦力型业务的公司，你就看它能不能借着这一波，把原来很苦的生意的毛利提高几个点，能不能变得不那么苦。
芯片公司、代工公司，你就期待它能不能让原来一个量级的订单或收入，因为巨大需求而跨越一个量级。你只能期待这些事情。
但这些听起来也是短期的。因为即便得到了期待中的正反馈，到了下一个阶段，还是会面对下一个阶段的问题。
过去这一年多，Oracle 的股价就是非常典型的代表。大家原来认为 Oracle 是云时代失意的公司，还是一个传统数据库软件公司。但 Oracle 接了 OpenAI 的大订单之后，股价大涨。
可是在这个过程中，随着每个季度的财报出来，大家发现，对 Oracle 这种牺牲毛利率去接巨大订单的云厂商来说，这个生意最后可能得不偿失。
它未来 3 年的现金流可能会出现巨大问题。市场开始回调。只从股价来看，去年一年相当于白折腾，涨上去又跌回来，甚至还在继续往下跌。
所以每个阶段都有每个阶段要面对的问题。软件股和 SaaS 公司也是一样。
过去一个季度，几乎所有软件公司都在说自己的 AI 业务产生的收入在增长，整体收入也在增长。但大家有一个固有的巨大逻辑：AI 会替代你。
如果这个逻辑和情绪不扭转，你收入再怎么涨，听起来也不会改变股价本身的趋势。
冰洁
我在生活里有一个很微妙的观察。前段时间我跟国内某大厂一位从事 AI 研发的朋友交流，他们从事的是目前看起来最赚钱、也是最新兴、踩对风口的行业。
但他们这批研发人员整天讨论的，恰恰是自己会不会被正在研发的 AI 工具替代。他们的焦虑反而比我们更重，因为他们站在那个边界上。
庄明浩
那个边界确实挡不住了。这是我春节期间最直观的感受：很多事情真的挡不住了。
最近一段时间，新的模型不断发布。包括这两天 Anthropic 的新闻，说他们的模型太强，强大到不敢发布。当然，这里面有一定营销成分，但你可以想象它的能力。
你看各种评分、排名，以及它在很多场景里的应用，真的可能挡不住了。那怎么办？
尤其是如果你从事研发，答案似乎很简单。我们再举一个国内更现实的例子：短剧。
短剧原来火得一塌糊涂，但现在所有短剧公司的演员几乎全部失业。大家不需要演员，用演员干什么？AI 生成就好了。演员又贵，演得也不一定好。
短剧真的是昙花一现吗？原来它看起来是一个很好的生意。
原来短剧相当于救活了之前不太景气的影视行业：服化道、场地、横店、演员、化妆师、导演、编剧，以及灯光、摄影、摄像。影视行业前几年不是不行了吗？短剧火了之后，大家觉得可以再吃一波。
但 AI 能力一到，真的挡不住了。文字从编剧开始，到图片、场景、分镜、视频生成，再到可控性、应用能力、声画同步，所有事情都 ready 之后，啪，一下子全部被扫掉。
怎么办？就是瞬间。从原来大家还在观望，到瞬间全部接受。这个行业就是这么快，可能也就小半年的时间。
现在全都是 AI 漫剧了，AI 生成的真人剧也有了。它怎么可能慢下来？
冰洁
一方面是这种挡不住的趋势，另一方面，随着龙虾热引发 AI agent 狂热，很多包括“一个人的公司”在内的创业机会又被炒得很热。
你觉得所谓的一人公司到底是未来趋势，还是现在的一种创业幻想？
庄明浩
一定要选的话，我肯定相对悲观。
逻辑上它是合理的。AI 今天给个体带来的附加可能性，确实被无限放大了。你想做什么，理论上在实施过程中，不仅有 AI，还包括供应链、互联网，以及很多技术加成，让今天一个个体能够做的事情，边界被无限放大。
所以理论上确实可以成立一家“个人公司”，这个逻辑本身没有问题。
但现实问题在于，今天整体经济环境真的给了大家那么多空间，让每个人都成立一家公司吗？
所以你看今天的一人公司，大概就是几个方向：自媒体博主、上课、卖课、做老师，做美工，或者做一个手工艺品品牌的主理人。你能想到的大概就是那几个东西。
可是这些职业再大，也不太可能影响第一产业和第二产业，第三产业也只能影响一部分。当然，这么想又有点终局思维。
冰洁
但你这个思维也堵死了多少人对于灵活就业的希望啊？
庄明浩
灵活就业本身没有问题，包括成立一人公司也没有问题。但做这件事之前，你要想好自己要干什么，而且这件事是有价值、有意义的。说得再直白一点，它能够养活自己，才值得这么做。
前两天我听郝景芳老师他们讲，他们原来的公司其实拆成了很多原子化的个体。大家干的活没有变化，还是以郝景芳老师为主体 IP，包括教育课程和线下实施，依然做这些事情。
但原来各地的办事处，变成了分公司或者独立公司。除了接郝老师的业务，也可以接别的业务。原来做课程研发的人，也可以研发其他课程，卖给其他人。
它变成了这样一种结构。今天在线教育领域，纯教育内容研发、IP、售卖、销售、私域运营和组织班级，确实都可以拆开。在线下运营上，也可以拆成更小的主体。
逻辑上没有问题。它可以从原来几十人的一体化公司，变成十几家、每家四五个人的小公司。
冰洁
我下次有机会找郝景芳老师来聊一聊，看他在在线教育过程中发现了什么样的商机和未来趋势。
庄明浩
因为你想，原来那几年在线教育热的时候，他的公司也融了钱。拿了投资人的钱之后，就要做大，要上市，哪怕被并购，规模和增长速度也会变得非常重要。
可是今天这个市场，无论是政策还是什么原因，似乎不允许你再这样做了。那你还有什么别的方式？
他选择了符合我们刚才讲的原子化、阿米巴经营的方式。又因为 AI 能力的加持，很多事情可以更容易拆开。
在这个故事里，AI 很像润滑剂，让原来那些中间环节理论上可以更容易地拆开。大家通过 AI 就可以把事情润滑在一起，没必要再绑在一起做。
冰洁
这又涉及大家都很关心的个体生存问题。前面我们谈到，AI 浪潮挡不住，也提到了一些潜在机会。
但整体来说，大家一方面看到了它带来的助力，另一方面也看到了它可能存在的威胁。对于个人接下来的生存状态，你怎么看？
庄明浩
焦虑是不可避免的。所有关于 AI 的讨论，最后大概率都会走向两个问题：一个是身心灵，一个是教育。
尤其是小孩子的教育。这两个问题基本回避不开。其实它们是同一个问题，就是我们对未来生活、对自己和下一代生活的焦虑。
你问今天有没有解决方案。我再举一个例子：现在很多公众号会写“某位科技大拿或教育专家谈 AI 时代如何教育孩子”。这种文章的点击量一定比普通文章更高。
但如果冷静想一想，你觉得那篇文章会讲什么？它能讲出什么？它能给你什么明确标准和正确答案吗？不可能。
因为没有人知道未来会怎么样。所有人都在经历当下，没有人能预判。我也一样焦虑我儿子的教育，没有任何人能够独善其身，焦虑是常态。
既然焦虑是常态，我们就要接受它，然后做一些教育上的改变。
最简单的方式就是让自己的手脏一点，去用一用，感受一下，试一试。哪怕不是工作，你也可以把它放进日常娱乐生活里。
比如我在减肥，每天拍下卡路里，记录日常饮食。今天大模型已经可以偷偷帮你搞定，不需要使用专门的软件。你可以让这件事情融入日常工作和生活，让它给你带来快乐。
你可以享受 build 的乐趣、玩的乐趣，以及让生活变得更有意思、更丰富的乐趣，没必要把它想得那么苦哈哈。
现在大家很常见的想法是，一定要抽出一大块时间专门学习。其实没必要。对个体而言，它大部分情况下不需要这种方式。
你可以在日常工作过程中，以自己的方式去接触它，哪怕只是感受一下，发现不太合适，就先退回来，再等等。然后再去感受。经过一遍又一遍的过程，你会越来越接受和容纳它。
所以你问有什么解，没有什么解。现实就是它已经滚滚而来，挡不住。你能做的，是在生活里找到乐趣。
你甚至可以完全不接触 AI，去寻找原本就有的乐趣，感受身边的人、现实世界、花花草草，以及你的兴趣爱好。
反过来讲，随着 AI 能力越来越强，越来越普适，越来越接近所谓的 AGI，每个个体都要思考：你的存在价值是什么？
举一个更现实的例子。现在是 4 月，我儿子上六年级，女儿大班升小学，4 月基本是找夏令营的时间。你自然会想找 AI 训练营。
但你找完之后会发现，这些夏令营本质上都是在割韭菜，它们满足的是家长的焦虑。
我身边正好有朋友在做类似的事情。他们给很多接受教育的孩子提一个问题：如果今天没有作业、没有课外课，爸爸妈妈也没有任何要求，你今天想干什么？
这是他们让孩子在夏令营或者这段时间里用 AI 做事情的起点。你要先想清楚自己想做什么。
类似的问题对成年人也一样。我经常设想：假如今天有花不完的钱，我最想做什么？
小孩子更容易实现这个场景。家长养着你，今天没有作业，没有课外课，有大块时间，你想干什么？
你会发现，很多小孩子回答不出来。他不知道，因为他每天都被安排在一个稳定状态里，没有想过自己到底想要什么，想得到什么样的精神满足，因为什么事情能够得到正反馈。
这些事情似乎会变得越来越重要。
反过来讲，OpenClaw 的故事也是这样一个故事。那个创始人已经实现财务自由，但还不算老，是一个世外高人。
他有一个很简单的需求：能不能在出去玩的时候，用手机上的微信，或者是美国的微信 WhatsApp，控制家里的两台电脑，让 AI 帮自己干点活？
这么简单的一件事，他会觉得早就应该有人做，但等了大半年也没有人做。那好，我来做一个。
他的原始出发点就是这么简单。但就是这样一件本应该有人做、却没有人做的事，最后出现了后面所有的事情。
这似乎也代表了我们刚才说的那套逻辑。
冰洁
回到今天的主题。我们是从 OpenClaw、龙虾热开始聊的。如果从投资周期来看，你觉得最终这个热潮会以什么方式落幕，或者结束？
庄明浩
我曾经想过一个角度：英伟达再跌 50%，会不会是一个比较重要的节点？
但后来觉得，用股价跌 50% 来定义不太合适，因为英伟达的收入一直在涨。那如果按 P/E 跌 50% 呢？没准已经跌下去了。
今天英伟达的 P/E 大概十几倍，不到 20 倍；巅峰时是 40 倍，那不就已经跌了一半吗？
似乎市场也在慢慢做这件事。所以关键还是，我们这一代正在经历当下，很难感受到某个突然出现的时间点，某个里程碑告诉你“结束了”。好像很难。
但它会在不断经历的过程中，持续发生曲线变化，而且可能已经在发生。
常规的曲线大家都画过：先慢慢上升，突然上升到顶点，然后暴跌，再回归到一个稳定状态。市场营销理论、Gartner 技术成熟度曲线、金融市场泡沫曲线，基本都是这样的曲线。
如果站在上帝视角，我们今天到底处在曲线的哪个位置？
有人认为我们还在暴力上涨阶段，因为有很多信号证明我们远远没有到极限。也有人认为我们可能已经过了那个点，正在往下走。
但参与其中的时候，你没有办法把这条线画出来。只能等未来的历史回头看这段历史时，才会画出那条线。
冰洁
你觉得未来 3 到 5 年，AI 智能体的发展还会走向什么方向？
庄明浩
其实去年年底，业界共识是 AI 智能体下一阶段叫“自主进化”。
最近几个月，所有跟 AI agent 相关的事情，比如 harness、环境搭建，本质上也在让 AI 自主进化。人类不要加入太多干预，让它自己纠偏、自己验证任务的每个环节，自己寻找解决方案，达到最后的结果。
当然，目前这种尝试还在过程中。在某些场景里，比如 coding 或单纯的代码生成，可能已经接近了。让 AI 写一个相对简单、可用的程序，今天已经基本 ready 了。
但在很多复杂场景里还没有 ready。自我进化可能是未来几年 agent 领域肉眼可见的唯一目标。
可问题也随之出现：什么时间点才叫完成？或者说，怎么定义它真的可以自主进化？这个定义似乎也很难。
可能某一天它就突然挡不住了，已经过去了，然后你才发现它完成了。
OpenAI 原来定义过 5 个阶段，跟自动驾驶的 L1 到 L5 类似。
最开始是 L1，Chatbot，最基础的聊天机器人；L2 是推理，我们已经跨过去了；L3 是 agent，我们正在这个过程中；L4 叫研究者。
它的逻辑是，当 OpenAI 内部的 AI 能够完成今天 OpenAI 研究员做的事情时，就实现了 L4，也就是“研究者”。换句话说，AI 替代了 OpenAI 自己的研究员。
最后一个阶段叫“组织者”。组织者就是把这些强大的个体，以某种方式编排在一起，变成一个主体。
你听起来，L4 和 L5 就是我们的目标。如果能够实现所谓的自主进化，可能 L4 就到了。
今天 AI for Science 也是一个非常热门的话题。AI for Science 研究的其实就是研究者在研究的事情。
原来一个科学家研究生物，尤其是药学，要研究蛋白质，可能需要复杂的人力建模、搭建复杂系统，甚至需要现实世界的培养环境。
但今天 AI 能力发展到一定程度后，AI 似乎真的可以做 science，真的达到人类研究员的状态。这似乎也不再是遥不可及的命题。
我们现在盘这个逻辑，听起来没有明显漏洞，而且似乎也正在朝这个方向走。只不过在每个细分领域，节奏和方式是什么样，包括这个领域真的达到那个状态后，跟现实人类世界之间的博弈、冲突、利益、监管、政策、安全、隐私和权限如何碰撞，都是问题。
这些事情正在发生。所以它就是这样：不断往前突进，突进多了就往回调，碰撞、权衡、博弈，然后再往前突，再往前走。
冰洁
我们今天聊龙虾，其实是在它处于相对冷静的时期之后，重新复盘、重新理顺它的发展逻辑。
有一个问题我一直很好奇：我们经历了好几轮所谓的技术狂热和 AI 狂热。当这种狂热退去之后，究竟应该怎么理性看待 AI 的投资和创业机会？
庄明浩
首先，大家还是认可这是一个巨大的浪潮，它带来了很多新的机会和新的可能性。
移动互联网那一波，某种意义上已经结束了。它已经进入非常稳定的状态，你很难期待今天有人做一个 App，就获得比较大的成功。
AI 这一轮似乎不一样。又因为 AI 能力的加持，大家真正开始讨论怎么用，而不是能不能用之后，市场会出现分化。
有些公司会变得越来越强，有些公司可能被淘汰。所以在二级市场，大家挑的是哪些公司会越来越强，哪些公司会被淘汰，你可以通过投票来判断。
在一级市场，则变成大家寻找这样的机会：即便已经有大模型，大模型公司也进入稳定状态，基本不会再有人创业说“我要做一家大模型公司”。
再上一层，无论是脚手架应用还是其他东西，哪些空间属于大厂，哪些空间属于初创公司，哪些是脏活、累活，哪些可能具有长期性，哪些允许百家争鸣，大家都在寻找这样的可能性。
我觉得这是好事。至少从一级市场角度讲，大家本来就在讲主题，AI 这个主题还会至少延续一段时间，不会今天就结束。它可能还会继续研发、演进。
冰洁
你对其中的投资者有什么建议或忠告吗？
庄明浩
这哪敢说。
我觉得就是要想清楚自己在玩什么样的游戏。这可能跟自己的性格偏好、风险承受程度有关。
二级市场是这样，一级市场也一样。你只能看多，不能看空，那就要选择什么时间点、看哪个阶段，做什么样的阶段性布局。
但这么说特别战术化，也有点站着说话不腰疼。你不参与当然可以这么讲，只要参与其中，就没有办法独善其身。
所以你只能在不断抽离、不断入局之间来回调整，阶段性地想一想，感受一下状态，看一看市场上正在发生什么。
看看做得好的人在做什么，或者他们正在做什么样的决定。我觉得也只能这样。