从龙虾到《赵云与阿斗》，我的10个AI-aha moment

Hello，大家好，我是明浩。今天更新一期串台节目，是大概两三周之前去 Koji 的十字路口录制的一期访谈节目。之前见 Koji，他说他在策划年终总结。

对。

现在才——我现在在录制的时间是十一月初，我们当时应该是十月初，十月初就要想年终的事情了。太可怕了，因为他要录大概五六位嘉宾，所以每个人一期的话，也就是快两个月的时间，所以现在录也合理。然后我是第一期跟他聊这个方式。他这次年终总结用的方式就是记录每个人在过去一年经历的 AI 行业的所谓十个 aha moment。然后我根据我的个人经验、我的 PPT，包括我记录的一些瞬间，列了十个 aha moment。我们对谈了不是特别长时间，节目最后剪出来大概只有五十分钟左右。在十字路口已经上线了，并且他用 GPT-6 做了一个可视化版本。现在 AI 在做这些可视化的视频上已经太强了，我觉得做出来那个效果还是挺强的。我没有用那个版本，我只是把音频转过来，然后我在我的 show note 里把我的十个 aha moment 对应的图、事件跟新闻做了一次整理。欢迎大家收听我的这个版本，再次感谢。

嗨，我是 Koji。那本周十字路口呢，我们又到了 2026 的年底要做年度复盘的时候了。今年我们准备做点不一样的，不打算做一个大而全的复盘。为什么呢？因为你要追求全面，去问 AI 就可以了。所以我们今年会做什么呢？我们会邀请一些我们在一线经历了这一整年 AI 的朋友们来和我们分享他们各自在 2026 的十个 AI 带来的 aha moments。我们希望能够成为一个系列，能够看到十字路口和他的朋友们的 2026。所以我们本周请到了明浩。你好，明浩，欢迎来到十字路口。

感谢 Koji 邀请。大家好，我是明浩。

明浩，你的第一个 2026 带来的 Aha Moment 是什么？

就是，你想 2026 年马上已经进入到 Q4 了，然后大家回想 Q1 的时候，可能所有人我觉得都应该会想到 Q1 OpenClaw 的崛起。

所以第一个就是 OpenClaw。

1. The OpenClaw Agent Shift

对。当然，OpenClaw 正式发布应该是在 2025 年 12 月，但它真正意义上在国内产生比较大的影响，应该是在春节左右，也就是 1 月底那个时间点。春节回来以后，所有大厂马上跟进。如果大家还有印象的话，可能还记得当时腾讯楼下大家排队安装，去抢 Mac mini 设备，甚至有人花钱请别人帮忙安装。

没错，没错。

因为在那个时间点，OpenClaw 还是一个太新、相对不太完善的东西。但是，参与到行业中的技术从业者、研究员，以及从产品和观察角度关注行业的人，都充分意识到了 agent，或者今年更热的一个词——harness——对模型改进的影响，以及它对普通用户的触及。我觉得当时大家都感受到了潘多拉魔盒被打开了，所以才会排除万难去体验这个东西，感受它带来的变化。

后面发生了很多事情，大家也都知道。但在那个时间点，你会明显感觉到，2026 年初我们确实迈入了一个新的时代。其实在 2024 年，Sam Altman 就说过 L1 到 L5 的划分，当时 L3 是 agent，L2 是推理。在那之前，大家已经做了很多 agent 相关的尝试，但都还在摸索，或者在寻找一种范式。

现在回头看，所有 harness 的搭建可能就是一套范式：到底给用户提供什么组件，用户需要接入什么东西，到底是在云端还是本地，有没有一台 24 小时常驻的设备，通知是通过 App、网页，还是一个已经存在的 App 完成。把这一整套东西打包起来的状态，可能从 OpenClaw 出现时开始就收敛了。

虽然今天讨论 OpenClaw 的人已经没那么多了，但我经常会看一个数字。大家如果有印象，OpenClaw 当时是一个开源项目，由个人开发者维护，更新特别快，基本上今天没有更新，第二天就一定会更新。

嗯。

我记得特别清楚，当时 OpenClaw 发推特更新，单日转发可能有几万，后来变成几千，现在可能只有几十了。回头来看，这条线应该是今年一整年的一条非常大的主线。抛开模型层，在产品层和应用层，这是一个非常大的主线。

所以现在也有一些声音说，大家对 OpenClaw 的热情那么大、那么疯狂，是不是投入得太多了，或者过于吹大了这个泡沫，放大了焦虑和 FOMO？你怎么看当时那种情绪？它好在哪里，不好在哪里？

我觉得好处是大家开始尝试了。最近第四季度，大家讨论所谓的 personal agent，这一轮的探讨和演进，其实在 OpenClaw 出现时，大家向未来推演的时候，或多或少都推演过。

是。

比如说，我要有一个类似群组的东西，我要有一个 agent 集群。你会发现，到了这一轮 personal agent，这件事已经变成标配了。

嗯。

但在那个时候，这还只是少数极客的尝试。大家开始尝试怎么和 AI agent 配合，尤其是给它上下文、本地权限之后，怎么用它来工作、配合，怎么改造流程。这些事情我觉得都有意义。那时最前沿的使用者和技术人员已经开始探索这些新东西了。过去一年，无论是产品端还是模型端的改进，其实都在延续这些思潮。

不好的一面是，除了那些最前沿、最关注的人之外，大部分普通人如果没有参与那个过程，今天回头来看也没有错过什么。但这个趋势过去几年一直在出现，大家经常开玩笑说，发展太快了，快到我什么都不用学，等我学会了它就过时了。

不过，换个角度看，如果你没有在那个时间点体验过那些困难，就不太能理解今天的新产品为什么会这么做。它们要解决的问题，可能在体验层、操作层、组件层、协议层，甚至更底层的技术层。每一层都会有专门的人去解决，再往前推进，就像木桶一样，所有桶板都往前挪了一块，才有了今天这个样子。

所以，对普通人来说，确实没必要在那个时间点买一台 Mac mini，装上以后不太会用，再折腾来折腾去。但除此之外，其他事情我觉得都是必要的。

我觉得对从业者来说很有必要。

当然。这相当于给了大家一个收敛的共识，或者一个更明确的方向，让大家知道该做什么。我觉得这是过去一年的巨大贡献。

这个世界不是均匀分布的。如果你能作为 early adopter 更早看到一些产品，也可能比别人早一点得到启发。

对。就像今天大家可能会说，随着模型能力越来越强，skills 可能没那么重要了，你不需要预置一些 skill，模型本身的能力可能已经覆盖了它。但你有了那套逻辑和打法，走过这一程，就会非常清楚模型和产品能力的边界，也知道它们的实现方式。用不用这些 skill，你就很自由了。但如果你没有经历过那些过程，就只能默默接受现在的状态。

好，这是第一个 Aha Moment。第二个是什么？

2. Seedance Sets The Pace

第二个差不多也是在年初，应该是 Seedance 2.0 的发布。这是视频模型发展的一个节点。那个时间点，大家都认为视频模型这场战役还是要看中国厂商，而且中国厂商已经站到了最前面。

更现实的是，如果把语言模型和多模态模型、视频模型分开来看，过去一年语言模型几乎每天都在更新版本，看版本号就知道。但视频模型，尤其是以 Seedance 为代表的头部视频模型，版本更迭没有那么快。可能因为视频模型比较难，但更重要的是，视频模型有自己的节奏，可以认真地做这件事。

Seedance 2.5 刚刚发布，之前是 2.0，它直接从 2.0 跳到 2.5，中间几乎没做什么事，也就半年多的时间。语言模型这边不可想象，但视频模型即使没有频繁更新，它依然最领先，已经奠定了公认的世界第一的地位。

你觉得是什么原因？它成为 SOTA 那么久了，大家还是没有追上。

我觉得各家有各家的问题。原来追得比较紧的是海外的 Google，中国可能有可灵、MiniMax、海螺、PixVerse 这些公司。Seedance 在 2022 年发布 2.0 之前，就已经显现出领先地位，只是还没有那么强势。

回头看，从 2022 年底到 2026 年，整个模型训练的趋势里，拥有独家数据的厂商，边际效应增强，其实已经有苗头了。Seedance 在视频领域有这个优势，而且在几家中国厂商里，它的资本和人员资源，以及对这件事的战略决心，都领先一到两个身位。

和 Google 比的话，Google 过去一年经历了太多别的事情，导致它有些摇摆。原来大家会觉得 Google 在多模态、语言模型和 TPU 上都很强。但这个叙事到去年年底突然退潮了，今天大家都说 Google 落后了。Google 落后就要追，可能上面照样会把 coding 当成重点来追语言模型；而且它的算力和内部资源也要竞争，Google Cloud、语言模型、DeepMind、多模态、世界模型，各个团队之间都要抢资源。

再加上在美国的叙事里，多模态可能是一个边缘战场，或者说不是主桌上的议题，所以策略上可能没有跟得那么紧。对 Google 来说，阶段性的战略选择就是没有把它排在最前面。

大家还是觉得 coding 才是通往 AGI 的终极路径。

对，所以上半年它可能就没追。更现实的问题在于，视频产业的议题是去年开始兴起的这波 AI 短剧浪潮，今年更疯狂了。我不能说更好，只能说更疯狂。

当然，这里面有大浪淘沙和各种各样的事情，但对 Seedance 来说，这形成了更强的 loop：自己生产、自己分发，自己消耗广告；广告收入又能投入模型，用户行为的数据也都能拿到。

自己的全家桶，自己生产，自己分发。

对，自己消耗广告，拿下整个流程，而且这件事也会促进模型。用户行为也都在它自己的系统里。这真的是 RSI，广义上的全流程都吃进去，利润也都吃进去。所以它不需要担心和怀疑什么，就这么狂奔。而且从这个角度来看，其他竞争选手和它就不是一个量级了。哪怕可灵，理论上也是类似的生态，但它的圈子比 Seedance 小好几号。

当然可灵也能赚钱，但它就是小。这个世界就是大就是好，好就是大，就这么简单。那怎么办呢？

所以我觉得 Seedance 2.0 的发布，以及过去这大半年，虽然它在媒体和我们这样的传播渠道里占据的版面不算特别多，但它在产业落地上很重要，包括相关的漫剧、短剧、真人剧，以及配套出海，还有视频模型的发展。

过去半年多，整个视频模型行业里，有些打不过这场仗的就去追世界模型了。真正还在打视频模型这场仗的，就在追高清、4K、超长视频、动作一致性和稳定性、人物稳定性这些古典意义上的视频质量。

对。而且美国的竞争对手感觉都退出战场了。

基本上我们能提到的也就是……

Luma、Pika 这些都不训练自己的模型了。

不那么……

也不能说他们……

还有 Runway 吧。

对，都慢慢 out 了。

就是不在主流视线中了，真的。

那你觉得视频模型的战争已经算结束了吗？

3. World Models And Physical AI

今年另外一个热词就是世界模型。大家会认为，语言模型、世界模型，包括视频，甚至再拓展到所谓的物理——如果世界模型也包括物理的话——这些事情到底会不会包在一起，最后用一个通用的方式全部解决掉？尤其是 GPT-6 发布之后，它去做 3D，这件事最近一段时间引发了很多讨论。

我们到底能不能通过当前在语言模型上验证的 skill，一竿子捅穿所有事情？Opus 5.5 出来之后，大家拿它剪视频，这也是我的一个重要 Aha Moment。

如果未来一竿子能捅破所有事情，那这些东西就会合在一起。但今天看起来还是分开的，那到底要押哪边？现在两边的观点都很充分。做视频模型、世界模型、物理模型的独立厂商，站在其中一边；通用模型厂商则站在一竿子捅破所有事情的那一边。

到底这两条线会在什么时间点出现什么样的变化，我觉得也是明年值得关注的重要节点。前两天宇树的王兴兴说，GPT-7 发布应该就会把物理捅穿，那就等 GPT-7 什么时候发布。真捅穿了，对今天做偏物理 AI 的独立模型厂商来说，可能就是个问题，既可能是挑战，也可能是威胁。

我们今天在十字路口公众号还有一篇文章，讲的是 Astra 对具身模型是不是会造成打击。通用基座模型真的会毁灭具身模型吗？从 1 分到 10 分，可能性有几分？我最近主持了两场论坛，现场有七八位一线具身公司的创始人或首席科学家，我把大家对受打击程度的观点总结成了 1 到 10 分。

我觉得现实的问题在于，具身智能本身的商业模式还没有非常丰满，也没有非常稳定、固化，所以它确实存在很容易被捅穿的可能性。

但我经常会从游戏的角度看这个问题。大家会觉得这一轮，尤其 GPT-5.5 和 GPT-6 出来之后，游戏也会被颠覆。游戏被颠覆这个话题已经说过很多次，世界模型那一波也出来了，Genie 3 那一波其实也出来过。但每次出现这种说法，好在游戏本身固有的商业模式还够强。行业盘子足够大，足以支撑很多事情，而且游戏行业走到这么大也走了很远。

当然，说这句话的时候，也会有另一种声音跳出来。就像最近大家讨论 vibe coding，软件行业也走了很远，体验、操作、交互大家都认为很重要，也是很深的护城河，但似乎大家也有点担心。

我觉得这取决于你和真实世界的联系有多强。如果一切都在数字世界里，摧枯拉朽的力量一来，就会瞬间没了。

当然，可能还会衍生出短剧行业更复杂的问题。前两天有个朋友说，如果回看同一时期的发展脉络，红果上线三年的发展速度超过了抖音。无论是用户量还是使用时长，可能打败抖音的是红果。

好，前面两个，一个是 OpenClaw，第二个是 Seedance 2.0 的发布。第三个 Aha Moment 呢？

4. Vertical AI Still Has Room

第三个是顺着刚才的话题，3 月 24 号，Sora Tool 关闭。那段时间有一种说法，认为纯视频模型的独立状态受到 Seedance 的影响太大，再加上竞争疯狂加剧，所以 OpenAI 在有限资源的选择中做了一些调整，然后把它关掉了。

战略放弃。

对。我觉得这引出了两个议题。一个还是刚才聊的视频模型，另一个也是过去几年大家讨论很多的议题：模型厂商，尤其是最头部的大模型厂商，能不能把所有东西都吃掉？

现在这个议题的两方观点都有很强的立场。一方认为会吃掉，就像刚才聊的那样，它会捅穿所有事情。今天捅穿数学，明天捅穿物理，后天再捅穿法律、金融，等等。另一派认为，大模型就算这么强，在各个垂直领域还是会看到过去几年发展很快的公司。

我觉得两边的观点其实都对，没人一定会把另一方百分之百地全部取代。但确实，今天 AI 这一波发展已经到了可以认真看一些非主战场、边缘战场的阶段，而且这些边缘战场其实也不小。

嗯。

这些边缘战场的机会也很多。不是所有人都要去做一万亿、两万亿美元的公司，做一家一两百亿美元的公司也很强。今天你会发现，AI 这波大浪之后，一两百亿美元规模的机会其实非常多。

无论按技术能力的垂直方向划分，还是从行业的横向角度来看，都出现了很多可能性，还有很多机会。

比如哪些边缘战场？可以举一些例子吗？

单从大模型最近的几个板块来看，哪怕大家认为视频模型可能已经被捅穿了，或者有被捅穿的可能，视频模型还是长出了很多东西。

另一个例子是 AI 浏览器，或者 AI 浏览器加 AI 搜索。Perplexity 虽然没什么人提，但收入和流量一直都很好，今天可能已经是一家两三百亿美元的公司了。大家一开始认为 AI 搜索第一天就会干掉浏览器，OpenAI 也已经把……谁还记得 OpenAI 也发过浏览器？

Atlas。

对，这已经不重要了。但就在这些大家默认没什么人提、没人关心的角落，还是有公司长得很好，而且站得很稳。

最近大家可能聊得比较多的是 Character.AI 这个板块，或者说中美两国的观点差别比较大。我那天看到有人讲得很……一语中的，非常典型。Character.AI 的核心团队原来是 Google 出来的，后来 Google 把核心团队买走了。我觉得在那个时间点，Character.AI 的公司使命已经被判了死刑，只不过过去一年一直在延续这个状态。

死缓。

对，就是死缓。但这个战场持续有很多公司在做。直到今天，市场上可能已经有四五家公司跑出来了，所谓跑出来，就是估值十亿美元，甚至几十亿美元，月流水可能超过一千万美元，年化收入可能超过一亿美元。

嗯。

已经有不止一家中国公司、韩国公司和东南亚公司。

几乎都是亚洲公司，是吧？比如 OOC、Tipsy、Emochi。

当然，相比一万亿美元的 OpenAI 和两万亿美元的 AlphaGo，它们确实不是什么大事，或者大公司也看不上。但对于初创公司而言，或者对于做早期投资的人而言，这件事值得参与，而且机会非常清晰。

我今年还有一个很大的感触：当我们频繁提到那些最大的数字时，就忽略了起初追求的东西。尤其对早期投资而言，当年投出一家十亿美元的公司，已经是非常好的成绩了。

嗯。

对吗？今天这个战场里，十亿美元的公司可能刚融完天使轮。

起步价。

对。当市场上最大的公司已经涨到一万亿、两万亿美元，它们已经比很多我们想象中的传统巨头都大，收入也比那些传统巨头高。它们花了那么多钱，这些钱就会变成其他公司的收入，足够养活一堆几百亿美元的公司。

所以今年这一轮 RSI 诞生的数据公司、做后训练的公司、做推理的公司，不都是这个逻辑吗？那波 Neocloud 公司不也是这个逻辑吗？

5. When AI Builds Itself

6 月 4 号，AlphaGo 发了一篇文章，标题叫《When AI Builds Itself》。

RSI。

AlphaGo 是一家特别擅长做动画的公司。他们每次发布博客、文章，都会配一张可视化效果很好的示意图。我天天做 PPT，对这种图的感觉特别明显。

那篇文章有两张图，我看完之后毛骨悚然，鸡皮疙瘩都起来了。第一张是标题图，标题在左边，写着 “When AI Builds Itself”，右边是一段动画：AlphaGo 的 Logo 原来是个方块，可以理解成马赛克方块，逐渐变成 AlphaGo 的 Logo。那个 Logo 本身也是那个样子。

然后方块复制，慢慢变成 AlphaGo 的 Logo，再不断复制、堆叠，叠出一个更大的 AlphaGo Logo。这个大的 AlphaGo Logo 再变成一个小的 AlphaGo Logo，再叠出更大的 Logo。我看完之后，就像恐怖片里地上爬满害虫的感觉一模一样。这个可视化做得太清楚了。

一乘二，二乘三，三生万物。

三生万物，就是这么简单。那是一张示意图。他们还在正文里画了一张更清楚的图：第一行是人类加一台电脑，训练出 Anthropic；第二行是人类加电脑再加 Anthropic，训练出新的 Anthropic；第三行是人类加电脑加两个 Anthropic，再训练出新的模型。就这样不断叠加，到最后人类不见了。

我不用看技术细节，单看那两张图，就知道这个世界变了。或者说，你要知道，6 月 4 号他们决定发布这篇文章，就代表他们在之前的两个季度，甚至两个版本之前，已经在内部尝试这件事了。

嗯。

他们经历了测试和实施，直到可以拿出来给公众看。6 月 4 号之后，下半年出现了很多围绕这件事展开的趋势。

是。

所有趋势都围绕这件事展开。头部厂商可能已经都在做了。你看当时智谱那个季度财报发布 GLM-5.2 还是 5.3 的时候，唐杰老师说 GLM-6，也就是最大的下一个版本，会完全基于 RSI。其实年初，唐杰老师在大会上也提到了。

但在那个时间点，可能是 2026 年年初，头部厂商的创始人们已经看到了这种可能性，甚至在内部也开始尝试了。6 月 4 号，对我们这些非研究员、没有真正参与模型开发的观察者和从业者来说，是最头部的厂商把这件事定义出来的时刻：它已经在局部看到了这种循环的可能性，并告诉你他们在内部哪些环节用到了、用到什么程度，以及它在过去一两年里以什么速度、什么状态影响着所有事情。

我觉得这件事引发了下半年很多事情。我上一期的季度总结 PPT 里就讲过，你看 Ilya，今天他的模型还没有发布。

嗯。

但他之前说在做 TTT，也就是测试时训练，你可以理解成相同的逻辑。你看田丰他们那家公司，我看新闻说他们今天发布了第一版正式模型，他们公司的名字就是 RSI，只不过换了另一个单词。

Recursive。

对，Recursive。然后 DeepMind 的首席科学家、在 Google 工作了 27 年的 Jeff Dean 离职。他们公司的 Logo 是一个无穷符号。Mira 当时也提出了类似的 loop。这些原来在头部大厂最核心位置的研发人员、专家和科学家，在差不多的时间点做类似的事情。角度和实施路径可能不同，但我觉得他们看到了一个大的方向正在收敛。

这个大方向可能很多人都意识到了，但到了 2022 年，它收敛到了一个可操作的状态。New Lab 出现之后，钱都涌进来了。新实验室和大实验室都需要建立针对 RSI 的体系：人员、组织、训练环境、数据，所有事情都要做。这些钱流向下游，生态就被硬生生拉起来了。

所以今年下半年出现了这一波趋势，甚至第二季度可能就已经开始了：做后训练、搭建 RL 环境、做数据、做 benchmark 的公司，无论在中国还是美国，收入都暴涨。这个故事像潘多拉魔盒一样被点燃了。它一旦点燃，因为是一个循环过程，你就知道它打开了就关不上。

嗯。

当然，这也引发了更复杂的安全问题。就像 AlphaGo 那个 Logo 的动画演的一样，当它不断复制、不断延展、不断把触角伸出去，很多事情就防不胜防。

所以限制它的唯一可能是能源。

但能源现在也出了问题，或者说是电和设备。前两天 AlphaGo 又发文章，说他们内部监控到模型可以自己用二十几台电视盒子串起来运行。电视盒子才几十美元，中国更便宜。那算力会是什么情况？模型可以依靠自己的能力把几十台盒子串起来让自己运行。你想，光拔数据中心的电源好像已经没用了。

这听起来都像科幻片，但至少今天在数字世界里，似乎已经在发生。昨天的新闻是 Netflix 拍好了一个纪录片，记录 OpenAI 的模型攻击 Hugging Face。

这么快就拍出来了。

对，这么快就拍出来了，8.99 还是 9.99 美元就可以买到。不过 Hugging Face 的 CEO 看完预告片，说他有点失望。

嗯。

他说 Netflix 太过渲染负面情绪了。但现在每个人说话，你也不知道他的角度、利益是什么。反正世界就是这样，已经走到这一步了。

我觉得值得一看。

对。

因为我们录播客的昨天，分别发生了非常大的安全事故。

对。

你怎么看？接下来会发生什么？PHP 出问题，PingCAP 被攻击，感觉好像很难幸免于难。

很难，因为太难了。首先，所有的时间都被压缩了。安全领域看漏洞时有一个形容词，叫零日。比如黑客发现了微软操作系统的漏洞，微软会定期更新、打补丁。零日漏洞就是厂商打补丁之前的漏洞，也就是我发现了一个厂商还没发现、市场上也没人发现的问题。这种漏洞可以拿来卖、拿来攻击，或者做其他事情。很多黑客的工作就是寻找零日漏洞。

但今天零日可能已经被压缩到……虽然零本身已经是一个不可量化的词，但它代表的是零天，也就是当天的漏洞。今天这个时间可能已经被量化到 0.000000001 这个级别了。

比如昨天 PHP 的漏洞，他们其实已经在做很多事情，但没办法，视频被放出来之后，漏洞的逻辑和实现方式只要被公开，有技术能力的人看到一点苗头，瞬间就能行动。因为这些人天天和这些东西打交道，一点灵感的火花被点着，实施层面就没有任何间隔了。

对，从 web coding 到 web hacking。

对，已经没有任何难度了。

其实现在很多攻击，我觉得都不带任何目的。

前两天我看一个最近几个月爆火的、做后训练和 RL 环境搭建的公司的 CEO 接受播客采访，他说了几句话，我听完也毛骨悚然。他说，最懂代码规则的 AI，当然也最懂得如何利用漏洞。

你在追求 7×24 小时的 agent 的同时，也有一个 7×24 小时、不休息、不终止的矛在一直运作。这就是这件事的一体两面。

我们虽然在聊 Aha Moment，但感觉聊的都是毛骨悚然 Moment。

也没办法，今年这种时刻特别多。后面可能会聊得更细一点，各行各业最前沿的人也经常会感觉无力。比如今年几个重要的时间点，前一段时间 DeepSeek 的研究员那篇文章。

“我不得不把我的才华埋葬在昨天。”

对。你想，他是研究员，而且是一线研究员。还有我记得今年特别清楚，Karpathy 看到 Phi-5.1，还是 GPT-6 的时候，有一篇文章也是讲这件事。他说，原来他还觉得自己能够引领一些事情，还有自己的品味、审美，以及一些技巧，可以去教它、引导它；现在才发现自己只能跟在它后面。

嗯。

这种感觉在各行各业都特别明显。我今年的感觉是 Opus 5.1 出来之后，可以做可视化的视频剪辑和播客。

这是不是你的第五个 Aha Moment？

可能不是第五个，因为时间上比较靠后。

好，那我们先讲第五个。

6. Human Creativity Faces AI

第五个很有意思，是 6 月 27 号，也就是上半年结束。我做了一次总结，标题叫《文艺复兴》。PPT 第一页放的是演讲前两天的金曲奖颁奖典礼，2026 年金曲奖最佳男歌手是张震岳。

最佳女歌手是蔡依林。梦回三十年前。

然后你就会问，这个世界发生了什么？为什么没有新人出现？我的第二页 PPT 标题叫“那些老朋友全都回来了”。

看标普 500 里核心公司的涨幅排名，前二十名里可能有十六到十八家。我念一下名字：戴尔、3DS、希捷、西部数据、美光、Oracle、海力士、三星、AMD、NVIDIA，还有微星，甚至中国港股里也有联想这些公司。

怎么老将都在统治天下？

就是我们这些八零后当年攒机、DIY 年代的厂商，今年全部暴涨。这个世界到底发生了什么？今夕是何年？我当时看股价，晚上就有这种感觉。为什么会变成这样？当然你可以说是没有新的可能性，也可能是一些特殊需求导致这些“老家伙”回来了。

可能 AI 来了之后，世界上就不会再有新的歌手了，古典意义上我们定义的歌星可能没有了。互联网时代可能也没有了。

因为媒体已经去中心化了。

标普 500 涨幅前二十的公司，刚才说有十六到十八家，另外两家公司是做减肥药的。所以似乎这个世界只有 AI 和减肥药两件事情。这个世界现在对硅基太不友好了。这个 Aha Moment 可能没什么人会这么想，但我觉得特别有意思。

很有意思。对，AI 肯定不会这么想。

对。

这是我们这个播客还存在的一丝人类荣光。

我们也算内容创作者，会对内容领域发生的事情更敏感。我今天也做了一次关于 AI 内容行业受到 AIGC 冲击的演讲。我当时说是三次死亡：首先是素材之死，素材本身大家都知道；然后是流程之死，这个我们已经在剧集、电影领域看到了，甚至音乐领域也看到了；最后是版权之死，短剧里其实已经看到了。

那再往后呢？我们对艺术的追求，或者说现代艺术在 AI 时代会发展成什么样子，可能是一个更复杂、没人讲得清楚的议题。业界对此也讨论很多。

一定会发生，只是发生的速度和强度都超过了我们的预期。

甚至方向是什么样的，我们都不知道。所以我觉得这个 Aha Moment 也蛮有意思。

好，我们讲了五个，正好讲到上半年结束。第六个是什么？

7. Codex Redraws The Interface

7 月 9 号，GPT-6 发布。这个模型发布大家都已经知道了，我就不需要讲了。我讲另一个角度：差不多在同一个时间点，OpenAI 做了一个狸猫换太子的动作，把 Codex 换成了 ChatGPT。

大家开玩笑说是狸猫换太子，然后就有了那条曲线，Codex 的 MAU 暴涨。最近一次应该是四千万，之前是一百、两百、三百、五百、六百这样往上走。

我觉得在 7 月份那个时间点，大家可以回想一下当时的情况。Claude Code 是去年发布的，第一季度大家基本都觉得 Claude Code 无敌；Codex 从第二季度开始追。7 月 9 号之后，Codex 慢慢越追越好，至少在口碑上也追了回来。

我这次演讲的标题叫“版本又换了”。Codex 是上一个版本的“版本之子”。什么叫版本之子？就是它定义了这一波所有产品的样子。Codex 基本上可以定义这件事情。那天我还看到有人，可能是 CEO 之类的，直接画了一张图，说未来很长一段时间，所有软件，甚至 SaaS 软件，都应该是这个样子：现在大部分 AI 软件的样子，左边是项目，中间执行，右边是一个类似显现状态的栏。

嗯。

今天大部分 AI 产品都是这样。当然，这一波 personal AI 又退回去了。

嗯。

但回想 personal AI 出来之前的这一波，各种 agent、产品、SaaS，甚至各种垂类产品，基本上都长这个样子。

因为生产力产品长成这个样子，还是个共识吧？Personal AI 还没有那么生产力。

对，所以版本又变了。在那个时间点，我开玩笑说 Codex 是个非常好的老师。Kimi Code、J Code、Max Code，以及国内各种各样的 agent，尤其办公类 agent，基本上都长那个样子。

其实最早长这个样子的还是 Manus。

对，其实是的。

Codex 和 ChatGPT 的合并也给我带来了一个副作用：现在我开始用 Grok 了。原来我百分之百的任务都在 ChatGPT 里完成。

对。

复杂任务我可能会用 Manus。

对。

但现在简单任务我去用 Grok。为什么呢？因为 ChatGPT 太慢了。

太快捷、太简洁。

太慢了。我默认又开在 Astra 6 的 New Chain 模式。

对，然后你可能又要选聊天还是工作，又会觉得……

我懒得选。

有些事情虽然可能应该是聊天，但你又会想，万一这件事延展出什么东西，待会儿还是会放在工作里。

嗯。

那聊天存在的价值似乎就……

对。而且它给了我优选模式，我觉得不用优选模式就吃亏了。

对，你还要考虑额度、重置时间，乱七八糟的事情。

是。

所以这些事情都是一次又一次地发生。当你的产品样子足够复杂，包袱足够多的时候，就一定会有一个更新、更好的东西出现。

没错。

因为你没办法在原来的东西上一直做加法。所以它为什么要做那个 Dot？昨天晚上 Claude 也发了。

嗯。

为什么？因为它知道原来的东西已经……Claude 也一样，Claude 后端现在就是一个聊天框。

嗯。

然后它已经说可以默认帮你找 worker，不用你选了。Code 也在上面，最近还把 Design 放进去了。原来的 Claude Design 只能在网页上用，现在也要加到后端。它的后端已经复杂到同时兼具三到四个原来独立产品的样子。它又不能一刀切，全部切掉，也不可能。

所以由简入奢易，由奢入简难。

对。

已经繁杂到不行的时候，就会出现一个新的……

扎你一下。

扎你一下，用极简的方式。

对。

所以我觉得 Muse 也有这样的市场定位。

是的，我现在大部分时间都在 Muse 上。

这是六个了，对不对？好，第七个是什么？

8. Small Models Close The Gap

8 月 14 号，Qwen 3.8 27B 模型发布。为什么选这个？这一年如果只谈模型发布，可以有无数个选择。

怎么挑了这一个？

我看到了一张很好的图。那是一张时间轴，像甘特图一样。比如在某个月或者某个时间点，2023 年 GPT-4o 发布，它的能力是这样的，然后这一行往后延伸，直到什么时候停止呢？直到一个新的、小的、可以在本地部署的模型，比如 30B 以下的模型，能力达到 GPT-4o。

明白，就是什么时候端侧模型的能力追上……

追上当时上一版的 SOTA 模型。GPT-4o 那个年代，这件事可能需要 18 到 24 个月，也就是一年半到两年。到了 Qwen 3.8 27B，它的能力到了 o1、4.6 还是 4.7 的水平，只用了九个月。那个甘特图画出来特别明显，因为甘特图很容易让人看到节奏和进度的变化。原来是这么长，后来慢慢变得这么短。

加速背后的原因是什么？

我觉得就是刚才聊的很多 scaling，都是模型训练的变化，比如强化学习环境的搭建。最大的、最前沿的模型参数到了 T 甚至 10T 量级之后，会出现更多、更复杂的问题，比如激活参数、专家模型、优化、路由的问题。

所以它的速度可能本身就在放慢。如果世界上有一条可以定量描述模型能力的曲线——虽然今天还没有——那明显头部模型的速度在放慢。但我们现在没办法量化它怎么放慢，虽然有一些 benchmark。后面追赶的就会比较快。小模型在小参数量级下，还可以在效率、路由、渗透率这些事情上做得更好，所以追赶得越来越快。

当然不可能永远接近，也不可能瞬间追上，但差距越来越短。九个月就代表着，今天被称为奇观的东西，九个月之后就可以在一台很小的设备上本地运行。端侧模型这么快达到一定能力，一定会打开一些别的可能性。

你觉得端侧模型最后还是由今天几个基座模型的大厂做出来，还是会出现不一样的厂商？

我不知道。这就变成独立厂商要不要赌的问题。顺着这个逻辑，决策模型的出现也符合这个趋势。

端侧模型可能让大家太看重“端”这个词了。但如果把模型的大小、它在做什么、成本这些因素放在一起衡量，端侧小模型和决策模型其实是在做类似的事情：在相对低成本的情况下，做一件更高效的事。

嗯，更快更便宜。

对。决策模型在这个时间点出现也是这个原因。当模型的后训练、学习数据环境搭建，包括模型本身的训练，尤其预训练的复杂程度，都到了极端情况的时候，就会有厂商去做更小、更简单的事情。

这些更简单、更小的事情，主要是出于成本考量。最简单的是价格和单价，可能还有中美对抗、开源闭源、端侧本地这些因素。模型厂商的产品可能也跟 iPhone 一样，分 Pro Max、Pro、标准版、Flash，还有 Lite。大概就是同一个逻辑，所以成本是一个包含五六个维度的问题。

好，这是第七个。

第七个。第八个是另一个议题：8 月 21 号，苹果第三季度财报发布之后，App Store 的收入首次下降，是十几年来第一次。

大家不买软件、不买 App 了，自己造了。

我们进入了这样一个时代。最近一两个月，vibe coding 这件事被讨论得很多，我觉得很符合逻辑。

对，从有模型的第一天起，大家就觉得这是会发生的问题。现在它发生了。

当然，这件事是不是只有这个原因，或者是不是充分必要条件，我们不知道。但至少在这个时间点，我们看到了它正在发生的一些证据。当然苹果可能也有自己的问题，比如增长、设备普及，还有 App Store 的运营，都可能导致这个拐点出现。但这些原因里面一定有一个，甚至可能有很重要的一个，就是 vibe coding 的能力到了，我们可以尝试自己做软件了。

或者一些过去要通过软件完成的任务，今天直接让模型帮我做了。

对，一个功能日抛，用完就行。现在百花齐放，GitHub 成为新的小红书也是原因，大家随便做个小东西放上去就可以了。

嗯。

前两天有个国内很有名的创业者，原来是魅族 VP，叫李楠。楠总不是做键盘鼠标吗？

他也上过我的播客。

前两天归藏买了一个李楠总出的鼠标，发现它的 V0 做得不好，就自己写了一个版本，开源了。楠总还转发说，以后大家用这个吧，不要用我们自己的。

这对普通用户而言听起来还是有点天方夜谭，但它相当于从原来非常极客、非常小的一群人，已经扩展了两个圈。

对。我最近自己 vibe coding 的一个程序，是因为我喜欢观鸟，最近又是迁徙季。迁徙季在上海，大家就会去南汇东滩看鸻鹬。鸻鹬类的鸟最难辨认，因为它们长得都太像了，所以观鸟爱好者特别喜欢辨认哪只是哪种鸻鹬。

我已经尝试学习三年了。

有经验了。

但我觉得自己现在考试可能只能考 10 分。我就让 AI 帮我做了一个学习程序，按照艾宾浩斯记忆曲线来安排学习。我最近天天用它，像打卡多邻国一样学鸻鹬。

所以你看，多邻国虽然收入还在涨，股价已经跌了一大截。没办法，大家可能会认为，如果站在这些软件厂商的角度，他们当然会说自己有各种护城河。但这个浪好像已经淹到墙根底下了。未来会怎么样，没人知道。

我现在感觉还是有一个软件，不管怎么样我都会持续付费：1Password。

最后可能就变成支付、密码、安全和隐私相关的这些最核心的东西了，也只是可能。

好，我们第九个 Aha Moment 是什么？

9. Model Benchmarks Become Spectacles

美国有一个做 benchmark 的网站，叫 Artificial Analysis。它在国庆期间发了一个视频，其实就是一张可视化的图，展示模型的性价比，也就是帕累托最优。纵坐标是模型得分，横坐标是 Token 价格，所有模型都分布在这个空间里。把最上面的点连起来，就代表这个时间点所谓的帕累托最优。

原来那条曲线可能在最底下，后来一点点被拉到无限高。

嗯。

这个可视化再往前推，我们开玩笑叫它“斩杀线”。

是。

比如今天出现一个新模型，它在横坐标上打一个点。DALL·E v4.1 还是那个版本出现的时候为什么会出圈？它打在这个位置，代表得分很高。

嗯。

但它很便宜。

嗯。

然后你从那个点往横向拉，再往纵向拉，拉出来一个长方形。理论上来说，这个长方形里的模型就没有意义了。

因为它没你强，还比你贵。

当然，单独的打分对用户体验而言不一定是好指标，但至少可以看出趋势。于是就有了斩杀线：模型打到了这里，底线模型要做的事情就是超过这条斩杀线，要不然就没有意义。它后面又很快更新版本，把斩杀线又拉上去了。

最开始是我们这些自媒体作者画出这张图，把它定义成斩杀线，用一种比较好理解的方式讲这个故事。后来大家应该还记得，Gemini 5.3 Flash 有一个上线之前的版本，叫“牛来”，借了电影的风，在海外匿名打榜。等它正式公布时，就说这个“牛来”模型就是 GLM-5.3 Flash。

智谱在官方公众号的推送里自己画了斩杀线。从那以后你会发现，国内的模型厂商发布模型时，除了放打分表，大家也开始放斩杀线的可视化。

嗯，确实很直观。

我觉得这也跟刚才的话题一样，成本是一个多维度的考量。这件事似乎开始被定义成衡量模型好坏的重要方式，哪怕只是让吃瓜群众看起来觉得很强。大家已经知道柱状图上的打分表没有什么意义了。

说到这里，我想到最近 OpenRouter 发了一个数据。去年第一季度，大家最公认的 benchmark 上排名前十的模型，在 OpenRouter 上的调用量占八成左右。

嗯。

到了最近一个季度，过了五个季度之后，SOTA 前十的模型调用量在 OpenRouter 上只有两成。也就是说，更多人其实在用没那么 SOTA 的模型，因为他们日常任务没那么复杂。

没那么复杂，而且 SOTA 模型比较贵。

对。所以我觉得未来一方面斩杀线会继续存在，SOTA 的追求会没有止境。

对。

越 SOTA 的模型可能越贵，愿意为它支付溢价的人也一定会存在。

溢价会越来越高。OpenRouter 的图还会统计 Token 数量和 Spend，也就是花的钱，这两个维度可能都会有向下的趋势。所以斩杀线这件事，可能已经变成大家公认的一种具象化考量。单纯打分已经没有意义了。

嗯。

所有榜单一出来就会被打满，或者接近打满。那怎么衡量一个模型是不是变得更好了？怎么让它看起来更好？可能就用斩杀线的方式。这也直接呼应了第十个。

最后一个压轴时刻。

Opus 5.5 出现之后，我先看到了人心跟橘子做的一期播客。他们那个播客的画面是三个头像，加上类似 PPT 的内容，橘子一边讲，一边把他说的话做成可视化效果。

我天天跟 PPT 和可视化打交道，一下子就 get 到了这个东西。然后我又看了你那一期，知道为什么它不一样吗？橘子做的还是比较简单的，比如画一个坐标系；你那一期是一个科学家讲一个 scaling law 的三维图。

对。

我当时一下子就躺在那儿了。

那是清华交叉信息研究院助理教授徐梦迪那一期。说实话，他讲的内容有点深。

非常深。

我录播客的时候可能懂了六成、七成，才能继续对话，但没有真的彻底懂。Opus 5.5 帮我做了那个动态 PPT 之后，我又从头到尾看了一遍播客，我觉得自己可能学到了八成功力。

可视化非常重要。

我们这一期播客也会可视化的。

对。

所以大家看视频播客，看到的会是 Opus 5.5 配的图。

对。它不需要操控剪映，也不需要做别的动作。相当于你不需要什么 skill，也不需要什么指示，顶多对风格有要求。我看你做了捏泥土的风格。

我们还是给了一些简单的指示。

对，风格上的指示。

风格上的指示。

但仅此而已，它就过了那条线。我的 PPT 有一页放了你们俩的截图，旁边放了一个黄渤和沈腾电影里的表情包：“毁灭吧，毁灭吧，不要了，毁灭吧。”

震惊弹幕。

我觉得这和上一个议题是连在一起的。刚才我们说，单纯打分没有意义了，大家开始追求斩杀线、帕累托最优。那天兰溪讲了一个很好的观点：如果大家玩《帝国时代》，就知道每个国家、种族最后会有一个非常大的建筑，那个建筑叫奇观。奇观会公告天下，你建了奇观，就相当于告诉所有人来打我。

但奇观有非常强的展示性。为什么要建呢？因为它叫奇观。今天你看 Opus 5.5 拿来剪视频，GPT-3.5 去做 Blender 3D，还有各种各样的展示。最近我在推特上看到有人拿 GPT-6 魔改，把《魔兽争霸》的人物和场景放进去，做成一个塔防游戏，或者吸血鬼类型的游戏。

也有人把 Steam 上的游戏《塞尔达》放到 MacBook 上玩。

或者让马里奥去跑《神庙逃亡》。

嗯。

这就是奇观。它要让什么都不知道的人看到第一眼就感到震惊。今天最头部的模型要怎么让人知道它已经强到什么程度？造奇观。

所以我们在说这一期播客是一个 Aha Moment，但很多时候，发布一个产品或模型，要造的其实是魔法时刻。

对。我最近天天看奇观，已经看到葛优躺了，甚至有点 PTSD。它已经超过了你原来的想象。

我经常用一个比喻：之前很多人说，学霸考 100 分，是因为卷子只有 100 分。你给他一万分的卷子，他也能考一万分。但对一个只能考 60 分的人来说，100 分和一万分没有区别。我们现在经常有这种感觉。

奇观已经进化到这个地步了，那下一步呢？

那你对 2027 年有什么计划？

不知道。

有什么是在瘫坐、震惊之外的……

这引出一个小彩蛋。十个 aha moment，我其实之前就开始列了，原来把这个 aha moment 列到第十个，后来发现前面那十个都比较正经，这个第十个非常不正经。

所以把它变成彩蛋。

彩蛋。我最近因为一些机缘巧合玩到了一款游戏。如果大家关注的话，微信生态里最近最火的一款小游戏，叫《赵云与阿斗》。

《赵云与阿斗》。

对，听起来就是个三国题材游戏。

是啊。

它是一个典型的塔防游戏，塔防大家一听就懂。你想啊，三国这个题材在游戏领域已经用了多少年了。你要知道，最近可能一两个月，它在微信小游戏里一直排名第一，甚至已经出现了一堆模仿它的游戏。它为什么会变成这样？或者它是怎么设计的？我们刚才讲的所有这些素材，你想象一下，今天最头部的游戏厂商怎么做，肯定是精美到无以复加。

对。

你想，一把青龙偃月刀，刀上的玉石可能都已经有五张贴图了。连一把刀，甚至一个小兵的一把刀，都已经是五张贴图了。人类在过去几年被 AI 这一波图像、视频刺激了太多，尤其是高清、高亮、精细的画面。尤其中国有短剧，你想过去几年大家看了多少短剧？短剧已经进化到这种程度，人类已经被这种所谓“精致到极致”的画面刺激得，中枢系统可能已经有点麻木了吧，至少。人呢，会物极必反。所以这个游戏很有意思，它所有的画面都是文字。

都是文字。

弓箭手就是一个“弓”字，枪兵就是一个“枪”字。

嗯。

然后你的武将是赵云，就是“赵云”两个字。

这是它火的原因吗？

对，它火的原因就是这个。因为它的玩法本身，塔防、合成，还有 Roguelike，你会随机抽五张牌出来，然后去摆放。这些玩法都是很多年来非常成熟的玩法。当然，这些玩法的排列组合也是一种能力。

嗯。

但最重要的能力，是这个游戏的画面极度粗糙，你甚至觉得像是一个大学生做的产品。

你说它是无心插柳，还是刻意做成这样的风格呀？

就是刻意做的，肯定是刻意做的。

嗯。

就是文字。比如这是个“云”字，就代表着我再出个“关”，它就会合成“关云”。

有趣。所以在这个时候做一些返璞归真的事情。

我最近玩了就觉得，人类真的被这种高清、极度细腻的东西影响得已经到头了。

需要一些颗粒感。

需要一些反差。

嗯。

当然，它不会火很久的，一定不会火很久。人们也会慢慢习惯这种东西，因为有很多抄袭的。但是这一步你会觉得，人类面对这种东西会有逆反心理。

其实我自己也是。我们今天当然是坐在录音棚录，但我最近不是录了很多公路播客嘛。

对对对。

我也是觉得，在公路播客上有点不受控制，好像有一种公路旅行的颗粒感。其实我觉得，这会让我自己的状态跟在录音棚里不一样，焕发出不一样的生命力。

所以我觉得，这个十月让我发现的这个游戏，不错，不错，有点意思。

对，所以 2027 年肯定会发生更多让我们震惊、叹为观止的事情，然后——

我们已经没法预测了，已经没有任何人有办法预测了。

但反正做好自己、做出人味儿，仍然是一件挺值得期待和追求的事。

是的，是的。

好，要不最后我们来送个祝福吧？在这期讲 aha moment、讲一些毛骨悚然 moment 的内容最后，给大家送一个什么样的祝福？

我每次狂喜播客节的最后一张 PPT 都是一样的。因为狂喜播客节一天可能有十几、几十场议题，两天可能一百多场，我每次都会统计 AI 话题有多少。其实这个趋势在往下降呢。

嗯。

最巅峰可能是在 2024、2025 年，可能有 15%，慢慢降到 12%、11%。这次可能 88 场里面只有 8 场。

哇哦，不到 10% 了。

我那张图是当时我用这个 PPT，可能是在讲一个什么动作，然后我就用手这样举了一下，被拍下来了，非常像那个 Gaster。然后后面的标题就是什么“他妈的 AI 不 AI 的，享受生活”。

好的，那大家听完这期播客不要太焦虑啊，还是享受生活吧。

焦虑留给我们就好了，对吧？你们就不要焦虑了。

嗯，好，谢谢明浩。那我们——

感谢。

先到这里。

感谢。

好，拜拜。

拜拜。