泓君
过去这一个月，硅谷实在是太精彩了。先是有扎克伯格以上亿美元的年薪挖人。与此同时，硅谷的 AI Agent 公司融资又创了一个新的高度。
比如，我们拿一个非常窄的领域——AI 编程来说。目前硅谷有 3 家非常明星的 AI 编程公司，分别是 Cursor、Windsurf 和 Devin。
先说 Cursor。它在今年 6 月的融资中，母公司 Anysphere 获得了 9 亿美元融资，估值接近 100 亿美元。这是什么概念？就是一家 AI 编程公司，估值已经接近中国底座模型公司，比如月之暗面的 3 倍，是一个非常高的数字。
另外，Windsurf 在我们播客录制期间也是新闻不断。首先是媒体爆出 Windsurf 跟 OpenAI 谈崩了，谷歌以 24 亿美元的价格收购了 Windsurf 的核心团队。另一方面，Devin 的母公司 Cognition AI 正在跟 Windsurf 谈另一半团队的收购。所以在我们录制的过程中，可以看到情况每天都在发生变化。
这还仅仅是 AI Coding 公司。如果再来说垂直方向的 AI Agent，比如企业搜索方向的 Agent Glean，它获得了 1.5 亿美元融资，估值 72 亿美元；法律方向的 Harvey AI 获得了 3 亿美元融资，估值接近 50 亿美元。
另外，我们再说一些通用的 Agent 公司，比如中国听众都非常熟悉的 Genspark，还有 Manus AI，它们也分别拿到了 1 亿美元和 7,500 万美元融资，估值都超过了 5 亿美元。
所以整体来看，不管是 AI Coding 垂直应用，还是中国的通用型 AI Agent，整个领域还是非常火热的。这期我们就想从投资人的视角来梳理一下，看看他们到底是怎么看 Agent 这个市场的，以及他们怎么去评估一些 AI Agent 项目是否值得投资。
所以这期我们请来了 2 位投资人，但会分成前后 2 个对话。他们将分别从技术和商业模式的角度，跟我们聊一聊自己的看法。首先是大家的老朋友，Fusion Fund 的管理合伙人张璐。
张璐
你好，泓君，大家好。
泓君
第 1 个问题想问璐，为什么今年上半年整个 Agent 领域的创业和投资都在变多？有没有哪些条件成熟了？
张璐
其实在业内，Agent 这个概念可能已经存在近 10 年了。包括我们在 2、3 年前开始，也会和一些创业者聊，已经有公司，包括一些从 DeepMind 出来的非常优秀的创业者，开始做 AI Agent 相关的创业，也试图去拓展这个市场。
但是，确实像你讲的，过去这半年时间，大家会有一种整体的感觉，觉得整个 Agent 市场蓬勃发展起来了。我觉得一来是因为，很多做垂类 Agent 的公司增长速度非常惊人，而且它们的成功也让大家看到了这个行业巨大的潜力。
二来，它们的快速崛起也确实从侧面说明，现在大家讨论 AI Agent 的应用场景，已经不只是在科技领域了。其实很多垂类 AI Agent 的应用，是相对针对一些传统行业的。它可能没有我们印象中 APP 应用层面上的 API 调用，可能只是简单地使用 Excel、Email，但是现在 Agent 也可以直接进行整合和应用。
当然，还有一个大的原因，是背后模型的快速迭代和发展。模型能力越来越强，也就让无论是通用层面上的 Agent，还是垂类 Agent，都有了更大的发展空间。
另外一点我特别想强调，因为你也知道，我从 2 年、3 年前开始，就一直在摇旗呐喊，非常看好并且关注开源生态的发展。所以我觉得现在开源生态的快速迭代和成长，尤其是在过去半年到 1 年的时间里，我们看到层出不穷的、非常好的新开源模型发布，也确实给初创企业的创新提供了更低的创新门槛，以及更低成本的小型垂类 Agent、针对小模型和微调模型的创新机会。
所以我觉得，这可能是主要的几大推动力，让我们看到了过去这半年来非常蓬勃发展的 Agent 市场。
泓君
在你的认知范围里面，头部的 Agent 公司有哪些？
张璐
我个人对它的定义是，什么是 AI Agent？它首先可以处理复杂任务，而不是单线任务，而且可以自主决策。它的产品可以处理一个相对比较复杂的多步骤任务，从头到尾、端到端地完成。
当然，它在过程中调用的工具，还是需要创建 Agent 的团队给它一个工具库。如果是垂类 Agent，甚至还需要给它一个知识库。这是我们对于 Agent 的一个基本定义，也是我们用来评估哪些公司是我们比较看好、比较愿意投资的标准。
比如 Cognition 的 Devin，在出来的时候也吸引了很多注意，它是比较偏向通用 Agent 的。还有 Rabbit OS，它是偏向 Agent OS 的。
我其实想提我们投的一家公司，叫 You.com。它也算是 Glean 的一个竞争对手，最近刚刚成为独角兽，也是做得非常好的一个垂类 Agent，而且是多垂类的。医疗领域也出现了几家公司，还有一家叫 Clarity，也是垂类 Agent 里面最近做得比较好的。
代码领域有 Cursor、Windsurf。但如果你问我觉得哪家做得最好，我其实最喜欢的是 Anthropic 的 Claude，真的是非常非常好用。
当然，昨天也有一个新玩家入场，就是 Grok 4。我觉得我们今天讨论 AI Agent 的时间也非常巧，因为昨天 Grok 4 发布之后，我们整个团队都在使用，对它很多参数和基准测试的表现都非常惊艳。
当然，这次它还没有正式发布代码模型，也就是 Coding Model。但是根据我内部的了解，比如 xAI 现在内部基本上有 70% 到 80% 的代码，都是用它们自己的代码模型来写的，而且质量很高。
基于现在我们看到的 Grok 4 各方面的性能表现，我对它的代码模型还是非常期待的。所以我也想看一看它发布之后，和我很喜欢的 Claude Code 比较一下，谁的应用场景和表现更好。
我其实跟很多工程师和开发者聊过。我发现，前一段时间我跟一群偏研究方向的人聊，他们现在有 70% 到 80% 都在用 Claude Code。因为 Claude Code 本身的编程环境也非常友好，用起来很顺手，而且它的复杂程度和自动编程能力，也比其他几个更加好用。
所以你会发现，这个领域即使像 Cursor、Windsurf，它们都已经有这么多收入和融资了，但新的程序、新的模型出来之后，迭代速度还是很快的。
泓君
因为我们在讨论 Agent 的时候，我发现大家讨论的 Agent 基本上还是不同领域的。我大概按照自己粗浅的理解，把 AI Agent 分成 3 类。
第 1 类是 AI Coding，就是我们刚刚讲的现在拿到大笔融资的公司，比如 Cursor、被谷歌收购的 Windsurf，还有刚刚提到的 Claude Code，包括 Grok 是不是会用 Grok 4 去碾压 Cursor，它们都在 AI Coding 这个大类里面。
第 2 个大类，我觉得是通用型 AI Agent，比如大家讨论很火的 Manus。
还有很多垂类 Agent，比如 Cresta、Harvey，包括璐你投的很多医疗领域的公司。我觉得接下来我们可以把它们分成这 3 个类别，分别讨论一下。站在投资人的视角，是怎么看待这 3 类 Agent 的？
首先是 AI Coding。顺着你刚刚讲的这一段，我能想到的第 1 个问题是，Anthropic 更新 Claude 之后，已经冲击到了 Cursor。所以你觉得像 Cursor 这样的编程类 AI Agent，它的护城河是什么？它会不会被大模型冲击到？
张璐
我觉得模型的进化，还是会对这些 AI 编程工具产生影响。当然，Cursor 内置的也是 GPT-4 和 Claude，作为代码编程助手。Claude 确实是 Cursor 背后的引擎之一，它们也不止使用这一个引擎。
但是 Claude Code 是一个可以直接使用的产品。所以至少从我们现在看到的情况来看，尤其是在开发者群体里面，Claude Code 可以看作 Cursor 的一个直接竞争对手，而且迁移的数量还是挺大的。
包括我跟一些量级比较大的、比如独角兽级别的科技公司去聊，它们可能之前使用 Windsurf 或者 Cursor 比较多，现在很多也开始转向 Claude Code。
这两边当然都有一个助力的层面，就是背后模型越来越好，会让这些内置了模型的编程公司，也就是 AI 代码公司，做得越来越好。但是它们自己做的编程产品，因为是自己的引擎和自己的产品，整合程度会更好。
这也是为什么我们其实挺惊讶的。Claude Code 出来之后，它的代码能力这么强，尤其是支持一些比较复杂的代码分析、解释和生成，而且它很擅长比较长的上下文分析。
很多东西出来之后，我们都会继续测试，看看它到底能够达到什么级别，是 10 万 token、20 万 token，还是可以做一些大型项目。Claude Code 是可以做到的。
另外，还是回到它的开发者环境。至少硅谷的开发者会觉得它非常好用，它对于很多插件，比如大家经常用的 Slack 和 Notion，集成效果也非常好。
所以我觉得 Claude Code 并不是一个独立的 IDE，它更多的是 Claude 模型代码特性增强的一个体现。这也是为什么我刚才又提到了 Grok 4。它们自己的代码模型已经使用了很长时间，现在如果发布出来供第三方使用，它的表现可能也会比其他调用或者内置 Grok 4 模型的代码工具更好。
当然，整体上我觉得这个市场不是一家就可以把所有市场份额都吃掉。很多时候，一方面是它的迭代过程很快；另一方面，如果一家公司已经在某一个编程模型层面集成得比较深入，它还是会有一些迁移成本，也就是 migration cost。
所以现在我们也能看到，我有一个公司的团队非常喜欢 Windsurf，现在也并不是一定要转向新的平台，因为它们跟 Windsurf 的整合已经做得比较好了。
我还想提另外一个新入场的玩家，就是 Gemini CLI，也是谷歌 Gemini 项目的一部分，同样是 AI 编程助手。当然，它更多是一个终端，也就是通过自然语言交互的 terminal，所以它并不是直接竞争对手。
但是它本身也是进入 AI 编程市场的一个非常重要的玩家，相当于给很多可能想在这个领域做创新的公司，提供了一个非常好的新平台。
泓君
对于 AI Coding，Cursor、Windsurf 和 Devin 是怎么在 Copilot 已经一统江湖的情况下成长起来的？这些大的编程类软件，在它们成长过程中的关键节点、核心突破和改变是什么？璐，你有研究过这些方向吗？
张璐
当然，我们不投 C 端，也没有投任何 AI 代码模型。但我觉得 Cursor 非常好用的一点，其实就是 UI、UX 的设计。它针对 AI 编程做了非常好的优化。
如果把它和普通的 VS Code 比，它对于 AI 的集成过程非常顺畅，很好使用。而且它的一些小功能，比如自动补全、自动代码解释、代码修改，还有通过自然语言进行上下文联动，都非常好用，大大降低了门槛。
我修过编程课，当时在读书的时候学过，但我不是计算机背景，我是材料科学与工程背景。即使这样，我也可以用它来搭建产品，把它和 ChatGPT 或者 Gemini 结合起来，做很多很有意思的小应用尝试。
所以我觉得，这是 Cursor 非常好用的一点。Windsurf 我没有用很多，但是有好几个朋友比较喜欢用 Windsurf，其实就是觉得它更好地支持多步骤执行，而且过程相对比较流畅。它可能对于搭建 AI Agent 来说，是一个更加适合的场景。
我当时看过 Cursor 创始人的一个访谈。他的访谈其实也是在回答这样一个问题：在 Copilot 已经统治整个代码天下的情况下，它们是怎么突破的？
我觉得有一个核心点，就是所有编程类软件的核心突破，其实都跟底层基座模型相关。比如 Anthropic 在 2024 年 7 月的那次更新，Copilot 当时并没有根据模型更新和代码能力的飞跃，去做产品上的迭代，但是 Cursor 做到了。
我觉得创业公司的崛起可能不是线性的，而是在某个关键时间点，根据底座大模型的更新，让整个产品迭代跟上去，然后让用户体验变得更好。
整体看那个访谈，总体的感觉就是一个字：卷。它非常卷。核心的一点，就是要有非常强的执行能力，快速进入商业市场，实现快速收入增长。
而且你会发现，现在的收入增长速度跟过去不一样。以前可能是 2、3 年时间，收入从 0 增长到 100 万、200 万美元。现在我们看到，像去年一年，我们投的企业有 70% 到 80% 实现了 20 倍增长。
涨得快的，一年可以从 0 增长到几千万美元，甚至有一家从 50 万美元增长到上亿美元。
但增长这么快，也是因为竞争压力非常大。如果不能快速进入商业市场，护城河就很难保持住。甚至即使有这么高的收入，也还是要继续往前冲。现在真的是一个快速迭代、快速竞争的市场，很有挑战，也很令人兴奋。
泓君
AI Coding 在你们看来，应该算是 to C 还是 to B？
张璐
我们也把它定义为比较偏向 to C 端。
泓君
我其实更想知道，作为一个投资人的判断逻辑：大家都看好 to B 方向的 Agent 赛道，而不是 to C 方向的这一类公司。它们在你判断的哪个象限？为什么不在你们的投资名单上？或者它能不能投、值不值得投？
张璐
泓君，你也知道，我们过去 10 年，其实在 AI 还不叫 AI、叫 machine learning 的时候，就已经开始投 AI 了。对市场的长期判断，是我们比较看好整体 to B 的机会。
所以当 AI Agent 这个赛道崛起的时候，我们看的也比较多的是垂类 Agent。C 端可能做得比较偏通用 Agent，我们看得就比较少。
我们定义 to B，比较直接的一个标准是：它的商业模式是不是直接 to B 销售，销售给企业级用户，无论是中小型企业还是大型企业。
另外一类，其实我们也会看模型本身。它是直接调用大模型、套壳的方式，还是可以自己做垂类模型或微调小模型？
我觉得现在人工智能的竞争，已经不单纯只是模型的竞争，更重要的是数据和成本的竞争。这时候我们就要看，你直接内嵌调用大模型的成本，和针对一些垂类应用去做垂类小模型的成本，哪个更低。
我们可能更看好垂类小模型和边缘端小模型的方向。而这类方向的主要应用场景就是 to B，因为 B 端客户对于人工智能产品的成本要求会更高。
以前大家一提到 vertical，也就是垂类，就会觉得这是一个小市场。但现在你会发现，其实很多垂类都是比较巨大的市场。
我给大家举一个可能平时都想不到的市场。我们投了一家公司，它做一个非常细分的小垂类，这个东西叫 commercial paper issuance，也就是商业票据发行。做金融的朋友可能会知道，就是 CP。
商业票据是大公司在发工资的时候，用短期借债的方式进行现金流补充。因为是短期借债，所以需要使用商业票据。你看，它每次发工资，是不是就是一个比较频繁发生的场景？同时它的量级也比较大。
比如沃尔玛，全球员工非常多，一年要发行的商业票据大概是 600 亿美元。但是过去，这个垂类的应用场景全部是人工完成的，或者和传统银行合作。
所以你想想，它的量级又大，重要性又高，但又是一个很无聊、很重复的过程。我们投的一家公司，就是用人工智能把这个过程自动化了，甚至都不需要叫它智能体，因为它只是一个非常简单的强化学习加机器学习的应用。
这个应用团队不到 7 个人，已经把沃尔玛这样的客户签下来了，在一个星期之内完成了 60 亿美元商业票据的生成。7 个人的团队拿到如此巨量的订单，它的收费比例其实很低，可能是 0.01 到 0.02。
但是你可以计算一下，0.01、0.02 乘以 60 亿。所以你会发现，这些细分的应用场景，市场量级其实非常巨大。只是大家之前不了解这个行业，所以没有看到这个巨大的市场机会。
再回到我们刚才提到的，为什么做 to B 可以积累很多行业经验，包括对行业本身的理解，去捕捉这些垂类的巨大行业机会。同时，你了解它现有的工作流程，在设计 AI Agent 产品时，也会有更多积累。
泓君
所以我理解，to B 行业需要很多行业积累和行业经验。它是一个越老越吃香的行业吗？
张璐
也不是单纯地越老越吃香，是因为底层架构的重要性，对于 AI Agent 的建立还是很重要的。这个层面也在快速迭代。
比如刚开始，很多 Agent 的搭建其实完全基于大语言模型，也就是 LLM。过去这半年，很多讨论其实都是关于强化学习的讨论，reinforcement learning。
现在我们看到很多新的 AI Agent 架构，其实都在探讨怎么样把大语言模型和强化学习结合起来，去优化 Agent 的表现。尤其是我刚才提到的这些行业，无论是金融、保险、医疗，甚至法务行业，都有一个很大的挑战，就是它们不太能够承受幻觉。
我们都知道，大语言模型有一个很大的问题，就是幻觉。在 C 端应用里有一点幻觉可能还可以，但在我刚才提到的这些行业里，有很多监管层面的风险，不能出现幻觉。
怎么样解决这个问题，会有更多讨论。包括现在，大家开始形成一个行业共识，就是强化学习在架构层面非常重要。
这个领域快速迭代，作为这个领域的投资人，就要持续关注新的底层架构发展，去提前布局。所以它和行业知识是两类不同的知识储备，对于 to B 领域的投资人来说，学习能力要求也是比较高的。
泓君
我觉得 to B 领域有一个问题，尤其是像你说的，不能出现幻觉。比如说 60 亿美元的商业票据，哪怕只出现一点点错误，可能也是很大的数据偏差，而且涉及钱的问题，会更加敏感。
所以在你投垂类 AI Agent 的时候，它们是怎么解决幻觉问题，然后让结果百分之百准确的？
我觉得，如果看上一轮 AI 视觉，比如 AI 医疗影像的那类公司，包括自动驾驶，最难的其实也是最后长尾的 corner case 要怎么解决。
张璐
其实就是我提到的，包括对底层架构进行新的设计，去帮助我们不能说完全消除幻觉，但至少保证错误率在一定的可控范围之内。
我们看到做得比较好的方式，就是把大语言模型和强化学习，也就是 reinforcement learning，结合起来。而且强化学习现在的应用越来越广泛，包括做 Agent OS 的公司，也在讨论这方面的问题。
有些公司可能从 API 和产品两个角度都在做。它们很多在底层层面上，对强化学习的应用越来越多。
所以至少在我们一个小圈子的讨论中，大家已经形成了一个共识：强化学习对于 Agent 的底层架构非常重要，而且可能是架构中必不可少的一层。
其实大语言模型在搭建 Agent 时，赋予 Agent 的是理解、分析和表达能力；再加上强化学习，也就是 reinforcement learning，它提供的是决策、驱动、学习、强化和记忆的能力。
这样就构成了一个基础。两者可能可以互相查漏补缺。
我们也会看到，有一些 to B 应用场景很好的一点是，它不是每次使用时调用结果都完全不同。很可能在一个应用场景里，你调用 10 次，其中有 5 次想让它实现的功能其实是一致的。
这个过程就不需要再走一遍大语言模型，去生成一个新的答案。你可以直接调用过去已经成功验证过的准确答案，来保证结果的准确性。
所以我们会看到，这样的架构实现，会帮助我们更好地保证模型最后的准确性。
泓君
关于垂类小模型的微调和大模型套壳，在这两种方案中，如果是做 to B 方向的投资，你更偏好哪一种？因为刚刚你其实特别强调了微调小模型。
张璐
我是非常强的偏好，比较看重企业可以做微调小模型。
一来，微调小模型可以做得更加精准。还有一个很重要的原因，其实是成本问题。模型小，成本自然就会降低。
而且它不只是算力成本、训练成本和 inference 成本，还有能耗成本。现在对于人工智能来说，一个非常大的挑战就是电力和能耗的挑战。所以它可以把能耗层面的成本也降下来。
在这个基础之上，还有一个很大的优势：很多 to B 类的公司或者企业，不太愿意把所有东西都传到云端。
一方面，可能是因为它现在的企业架构没有把所有东西都放到云端，也没有完全和 Claude 结合。另一方面，它也不想把所有东西都放到云端，因为有些敏感的核心数据，它希望放在本地设备和本地网络里，以保证隐私和合规要求。
在这种情况下，它就希望 AI 模型、AI 产品和 AI Agent 可以在本地部署，在本地网络运行，甚至在本地设备上运行。
这时候就有一个非常现实的情况：如果你是一个大模型，它的耗电量和算力需求，可能是本地设备无法满足的。但垂类小模型可以在本地边缘设备上完成。
包括我们投的一家公司，它做的是边缘小模型。它最小的模型不到一个亿、10亿这样的 token 规模，可以直接在 Raspberry Pi 上运行，运行表现和 GPT-4 类似，这非常让人惊艳。
所以我觉得，这也是 to B 企业更加愿意使用垂类小模型的原因。这也是为什么我们有很强的偏好，比较喜欢投资垂类小模型公司。
泓君
我们刚刚聊到了 3 类：一个是 AI Coding，一个是垂类 Agent。我觉得这两类其实都聊得比较透彻了。还有一类就是通用型 Agent，比如最近在国内可以说很火、但争议性也非常大的 Manus。
我最好奇的一个问题是，我好像在美国没有看到类似 Manus 这样的通用 AI Agent，为什么？
张璐
这取决于你怎么定义通用型 AI Agent。比如 Thinking Machines Lab，现在 Mira Murati 出来做的这家公司，其实想做的就有点类似通用 Agent 的终端产品。
我觉得是有公司想做的，只是可能没有看到很多这类创新企业真正落地。其实还是因为背后的成本问题，以及护城河问题。
如果做一个通用 Agent，它首先可以解决各种各样不同的应用场景，甚至跨行业，所以对于底层模型的要求非常高，对于 Agent 的优化能力要求也非常高。
你的底层模型一定要是一个很强有力的大模型。这时候谁做更有优势？是初创企业做，还是大企业自己做？这个判断可能就比较显而易见了。
另外一个层面，还是成本问题。我当时也和一些大企业讨论过，到底应该做通用 Agent，还是垂类 Agent。
其实通用 Agent 在技术层面上，未来是可以做到的，可以有一个通用 Agent 去解决不同行业的各种应用场景。但还是回到一个问题：它背后的成本非常高。
我们经常提到，现在既使用人力劳动，也使用人工智能劳动力。但如果人工智能劳动力的成本比人力劳动力还高，对于一些行业应用来说就会比较有挑战。
到底是不是还要应用这个 Agent，而不是使用人？但是垂类 Agent 的优势，就是我提到的成本优势，而且成本优势非常巨大。再加上它在进行优化和微调时，针对各个应用场景比较容易做到消除大部分幻觉，实现高精度。
这一点是通用 AI 现在在很多应用场景中还不能达到的。
所以通用 Agent 的主要问题是，它要对不同任务进行泛化，要让它的场景能够接入更多任务，就必须使用最好的模型。这样来看，包括它要接入很多步骤，它的推理成本一定很高。
但是很多任务，反而可以用垂类 Agent 来解决。
泓君
还有，刚才我们提到，通用 AI 背后调用的一定是 GPT-4、Claude、Gemini 这些模型。你现在调用的就是这些大模型。
如果这些大模型公司自己也去做一个通用 Agent，你跟它们的竞争性在哪里呢？
好的，非常感谢璐的精彩分享。我们刚刚和璐讨论快结束的时候，提到了 OpenAI 前 CTO Mira Murati 创建的 Thinking Machines Lab。
在我们播客剪辑的过程中，这家公司被曝出刚刚拿到了 a16z 领投的 20 亿美元融资，估值 120 亿美元。
泓君
接下来我邀请到了 China Creation Ventures 的管理合伙人周炜，跟我们一起从商业模式和产品的角度，看一看这一轮他眼中的 Agent 发展。
周炜
你好，泓君。
泓君
先简单跟听众介绍一下你自己。
周炜
我是周炜，China Creation Ventures，也就是 CCV 的创始人。我们团队是从 KPCB 剥离出来的团队，曾经在 KPCB 管理它的国家基金，有 10 多年的时间。我是 KPCB 的科技投资主管合伙人。
我们团队现在是一个国际团队，核心观点是帮助企业全球化。这也是我们的优势所在，因为我们在各个地方都有一些资源和相应的经验，可以帮助企业成长。
泓君
我们今天其实是一期补录，因为上周五我们刚刚聊完今年上半年投资人怎么看 AI Agent 的投资趋势。但是很快，周末发生了一件事，我们立刻看到一条新闻：OpenAI 跟编程类 Agent Windsurf 谈崩了，现在是谷歌花了 24 亿美元收购 Windsurf，而且它们的一部分创始团队已经开始进入谷歌。
其实我们之前录 AI Agent 的时候，也有很大一部分篇幅谈到了各种编程类软件。比如 Windsurf，这次的收购价格是 24 亿美元；Cursor 的整体估值已经达到 99 亿美元；还有一个编程类软件 Devin，它的公司 Cognition AI 估值也达到了 40 亿美元。
我们看今年上半年，频繁发生的融资和冲出来的公司，可能都不仅仅是独角兽级别，估值可能比独角兽还要更高一点，都是编程类软件。
所以我很好奇，作为投资人，你们会怎么看编程类 Agent？为什么是它们跑出来？它们还值得投资吗？
周炜
作为投资人，现在一方面我们在总结历史，因为很多事情表现形式不一样，但实际上本质逻辑是一样的；另一方面，我们也看到了最近 AI 这一波里面，有很多东西跟以前不一样。
一样的地方是，每一次新的技术发展，都会有一部分业务首先因为这个技术而崛起。从互联网时代到移动互联网时代，你都会看到这样的顺序。
按照这个逻辑来看，现在从 General AI 这一波起来以后，最热的首先是视频、文字生成这些东西，这是必然的。但是紧挨着它，编程为什么这么热？
原因很简单。第一，你可以认为编程也是一种语言，它本身就是最适合大模型的产品。第二，它本身是所有数字技术的基础，市场无比巨大。第三，它的成本非常高，以前码农是非常非常贵的，无论中国还是美国。
所以在这种情况下，你可以想象，这个领域是所有人都不会放过的。
很清晰的一个场面就是，科技大厂自己有大模型能力的，无论是纯粹的 OpenAI，还是微软这样的公司，都会很快盯上这个模块。
所以从我们作为投资人的角度来说，其实很矛盾、很纠结。一方面，它是前景非常大的东西，可能是除了大模型底座以外，第一个能看到收入模式比较清晰、市场也非常巨大的方向。
但另一方面，这个领域又是巨头绝不会放弃的领域。有点像另一个巨头绝不会放弃的领域，也就是所谓 General Agent。
这种大的故事，一方面让我们和创业者都很兴奋，但另一方面你也知道，巨头盯得非常死，不会让你轻易放过它。
巨头不放过，可能有几种方式。一种是自己做，另一种是并购你。它可能会在很高成本的情况下去做，因为这件事对它具有战略价值，所以它可以一直投入。
但是对创业公司来说，你面对的可能是一个纯粹的业务模式，它就是你的百分之百，没有额外产生的战略价值和协同效应。所以如果你的成本太高，毛利很低，甚至是负毛利，就没法长期持续。
我们现在看到的状况，非常像第 1 个互联网泡沫时代以及移动互联网初期。巨头会愿意用很高的金额并购。
但是现在很明显，感觉进入了通货膨胀时代，钱都不是钱了。以前可能 1 亿美元的并购，现在动不动就是 10 亿美元，甚至几十亿美元的价位。
泓君
其实现在我们作为投资人很清楚，全世界有很多钱在寻找优质资产，但优质资产的数量非常少，所以全都拥挤在一些非常有限的优质资产以及高潜力资产上。
这也让我们感到很惊异。作为一个做早期投资的 VC，我们一个基金是几亿美元的基金，看着这些数字也是望洋兴叹。人家一个并购，是我们 10 个基金的规模。
刚刚您提到，在代码 Agent 领域，巨头也不会放过。其实我看到硅谷巨头除了谷歌收购以外，谷歌自己也推出了 Gemini CLI 项目，也是做编程的。
Anthropic 也推出了 Claude Code，直接面对 Cursor 竞争。Grok 最近也在我们播客录制的那一天发布了 Grok 4 模型，它的代码能力有了非常大的进步。除了这个模型之外，它还说未来几周会推出自己的 Coding Model。
我觉得在编程这个领域，已经不是巨头想怎么收购的问题了，它们是既自己做，也进行收购，是看到了这个市场之后全力押注。
虽然现在看起来 Cursor 的估值很高，但是在所有基础大模型都做自己的代码模型的情况下，这些创业公司是不是还有自己的生存空间？
周炜
这是一个非常好的问题。我觉得 Cursor 这样的公司，要非常仔细地评估自己真正的技术壁垒。它们自己心里其实很清楚，如果最终觉得跟竞争对手、跟这些大厂相比，并没有核心竞争优势，可能只是先驱优势，那么我个人的看法是，该卖就卖，该并购就并购。
因为大模型时代的 AI，和以前有一个核心区别，就是它把进入某些领域的壁垒降到了无比低。以前任何一个公司进入新方向时，是人在起阻碍作用。它的人员、团队、知识、能力、培训，以及对这个领域的理解，会给创业公司一个很长的前置时间。
它需要学习。但在大模型时代，进入一个新的领域，可能一晚上的训练就已经差不多什么都有了。
所以如果没有特别优势的壁垒，或者特别独有的数据积累，你所有的东西都来自互联网公开数据，所有东西都大概差不多，只是你有领先优势，那么这个前置时间就非常短。
过去你可能习惯于所谓的先驱优势，觉得会有 1 年、2 年的前置时间。现在我觉得就不要过多思考这个问题，可能这个壁垒根本就不存在了。
如果你不卖，对方很简单。刚才我说过，大厂会因为这件事对它具有重要战略价值，而采取负毛利，甚至如果对比中国的竞争，中国的竞争可能是完全不收费，跟你一直竞争下去。
泓君
负毛利是指它们的推理成本很高。比如这些代码 Agent，推理成本很高，调用大模型的 API 成本也很高，但是用户每个月只付 20 美元，可能自己消耗的 API token 很快就超过 20 美元、30 美元、40 美元。
所以它每个用户的净价值可能还是负的，是这个意思吗？
周炜
举个例子，像 ChatGPT，我现在每个月付 20 美元，我每天跟 ChatGPT 说 3 句“你好”，它回答我一下，成本就已经很高了。
再举个例子，Uber 当年我们在 KPCB 美国投资了它，中国我们投资了滴滴。中国的滴滴当时不但很长时间完全不收费，和快的竞争，还倒给优惠券。每一单你坐完车，还给你 20 元的乘车券，让你下次继续用，很长时间都可以连续拿，完全免费。
我们当时跟 KPCB 美国的合伙人讨论这个项目时，大家都不能理解。但后来我们分析得很清晰，因为滴滴和快的当时分别跟阿里和腾讯是捆绑得很紧的，阿里和腾讯给了它们很大的战略支持。
其中一个核心原因就是刚才说的战略价值。滴滴、快的从创业公司的角度来看，单独就是打车公司，按打车业务来说应该赚钱。
但从阿里和腾讯的角度来说，它们争夺的是什么？其实是支付习惯。那时候支付战争还没有结束，它们要通过高频支付场景来培养用户的支付习惯。
腾讯绑定滴滴，就希望用户在滴滴平台上尽量使用自己的支付方式；阿里绑定快的，也是一样的逻辑。
所以它们最终的战略价值在支付习惯上，因此不顾其他成本，也一定要把这件事情做成。
但作为一个独立创业公司，如果是第三方，没有这两方的战略价值，你怎么打？
今天我觉得也是一样。Coding 在 AI 这一波里面，是一个学习时间非常短、很早就可以崛起大公司的商业模式，而且它是非常基础的东西。你可以认为，它是下一步让 AI 自己去写代码的根基。
这些巨头很可能会采取不顾成本的方式跟你竞争。作为一个单纯靠 Coding、把 AI 作为唯一商业模式的公司，就很难办了。
泓君
今年上半年，除了 Coding 公司之外，还是有非常多 AI Agent 公司拿到了大笔融资。比如 Harvey AI，它是做法律咨询的 AI Agent，在 2025 年 6 月拿到了 3 亿美元的 F 轮融资，现在估值也达到 50 亿美元。
中国其实是在通用型 Agent 方向火了一轮，像 Manus、Genspark 这一块，出现了一批这样的公司。你怎么看？为什么今年 2025 年上半年，Agent 投资突然就火了？
作为投资人，现在你会怎么评估自己手里的这些 Agent？哪些可以投，哪些不可以投？
周炜
去年我就在讲，我觉得大家过度关注技术底层。Agent 到那个时候还没有人认真关注，是很奇怪的一件事。现在大家开始关注，我觉得比我预想的晚了一些，去年就应该关注 Agent。
这次大模型整个行业，无论创业者还是投资人的表现，都很像 Blockchain 圈子里币圈人的行为。大家整天讨论技术，但真正落地、让人看到实实在在的应用，这件事情没人关注。
过去一年我觉得太奇怪了。所有人都觉得大模型来了，AI 要改变人们的生活了，但是身边的人真正会觉得“它帮了我很多”的，还没有多少。
有些东西很有趣，可以帮我做 PPT、做图，但它不是一个真正端到端的产品。这是很奇怪的一件事。
你关心过互联网和移动互联网的底层基础设施吗？在 IT 时代，大部分做 IT 产品或者数字电子产品的人，谁会关心芯片底层技术是什么样的？我只需要关心它的性能能不能符合我的需求就行了，我是在应用层做产品的。
包括 Manus，我之前也访谈过。Manus 出来以后，很多人评价它“没有技术”“是 AI 指挥大师什么的”。但我觉得，它指出了创业者做 Agent 时应该做的正确方向。
年初我做了很多访谈，一直在坚持这个观点：Manus 不一定是最后会大成功的一家公司，但它把产品做到了一点，就是用户使用时，会觉得它能帮我完成工作，达到了最重要的产品底线。
它不一定完美，但它能用，用户可以直接拿来用。至于它背后指挥了哪几个 AI，谁关心呢？作为用户，不需要关心。
所以今天我觉得，大家才开始走向正轨。AI 发展到这个时候，如果还不专心做一个真正让用户能够实现最终目标的 Agent，很快这一波大模型 AI 泡沫就要破裂了。
泓君
我觉得这里面的难点在于，如果做的是 to C 类 Agent，不管是通用型 AI Agent 还是 Coding AI Agent，一旦做大，巨头或者基座大模型看到这个方向，可能就会自己做。
to C 类是不是有市场？如果做 to B 类 Agent，我觉得在硅谷还是挺有机会的，因为硅谷有完整的 SaaS 行业，企业和用户也都有比较好的付费习惯。
但是我感觉在中国很难。
周炜
这就是现在一个很有趣的现象。大量中国团队做的，首先是我们很喜欢的公司：它们在一些垂直领域，做跟业务流紧密相关的 to B 产品，帮助这些行业实实在在解决问题。
很多这样的团队是在中国创建的，但是很快就把业务扩展到美国去了。因为美国从当年的 SaaS 开始，包括整个软件行业，形成了一个非常直接的逻辑：只要能帮它产生商业价值，对方的付费意愿以及付费比例都非常清楚。
也有很多人在日本开拓。但是在中国本土，无论是软件还是 SaaS，付费都比较困难。因为我当年创业的时候也是做金融行业，大量的系统集成、支付软件，当时就是这样的情况。
现在我觉得还是一样。一方面付费比较难，第二，持续付费更难。所谓订阅模式，在中国本身，尤其是 to B 企业里，现在虽然也有很多接受了，但接受度相对还是难一些。
而且它很容易形成一个 cap。它付到一定程度，觉得有点多了之后，就不愿意按照用量付了，会跟你谈判说：“我最多只能付到这里，以后不管用多少就这么多。”
所以它会把你的收入上限也 cap 住。美国这个问题我觉得不明显，应该是比较好的状况。
所以我们看到，在美国有很多华人创业团队，做的就是非常窄的一个方向，但收入增长非常快。
泓君
那你们现在判断一个 AI Agent 值不值得投，核心逻辑是什么？
周炜
第一，无比巨大的方向。比如所谓 General Agent，我们投不投？我们仍然在投。虽然我们觉得成功的希望非常渺茫，而且这一定是巨头绝不可能放过的方向，但做人还是要有梦想的，没有梦想跟咸鱼有什么区别。
所以还是要赌一下，或者说抱着这个梦想去看看能不能成功。这才是最巨大的东西。Coding 我们也继续在看。
但从另一个方向来说，我们现在特别喜欢投的，是刚才讲的那类公司。比如 to B 方向，它应该跟行业的业务流程紧密相关，而且流程相当复杂，分好几层。
有点像《黑客帝国》里那些像章鱼一样的机器进攻 Zion 时，一层一层地突破。对它来说，每一层都要花很长时间。
我觉得，如果业务流程分了很多层，最外层可能是比较 General 的，General AI 很快就可以突破；第二层可能是行业独有的；第三层可能是更细的行业 know-how 和流程，需要非常懂这个行业，AI 才能真正发挥作用。
这样的话，对大厂来说，它要一层一层突破，需要花时间。第二，垂直行业目前相对来说是大厂不太会顾及的，除非它真的很感兴趣，因为市场规模太小，投入产出比可能算不过来。
泓君
但它本身还是很容易产生出 10 亿美元规模的公司，对吗？
周炜
对，我觉得 10 亿美元规模是没有问题的。当然，它不一定能做到 100 亿美元，但 10 亿美元往上，我觉得还是能看到很多机会。
第三，如果这个行业有一些自有数据，而不是公开数据，这一点我们特别喜欢。比如我们投的一些医疗相关公司，它们的数据在公共网络上没有，大模型公司很难找到这些数据去训练模型。
所以我觉得，这一类公司会有很强的壁垒。
你看，我们也很纠结。实话说，一方面我们还在继续投那些可能因为大模型公司升级一次产品，就瞬间被消灭的方向，因为它们代表巨大的梦想；另一方面，我们又在寻找壁垒很高的公司。
但相对来说，壁垒越高的公司，往往也意味着它的上限是有限的。
泓君
是的。我最近在做这个选题的过程中，也找了很多投资人聊。我在硅谷发现一个现象：我认识的很多投资人都是投 to B 赛道的，真正能投进顶级 to C 项目的投资人其实非常少。
我仔细想了一下，to C 类公司主要有几种：一个是基础模型，另一个是由背景非常豪华的团队做出来的 Agent，比如 OpenAI 的 CTO 出来做的团队。
再来看谁在投资 to C。首先是一大批硅谷大厂，比如亚马逊、谷歌和微软，它们在跟 OpenAI、Anthropic 一轮一轮地注资。
另外就是硅谷风险投资里募资最多的 a16z、软银，还有一家叫 rive Capital 的资本，它们的资金管理规模超过 250 亿美元了。当然，很难说一个管理资金规模超过 250 亿美元的基金，还是一个纯 VC。
所以整体来看，这些投资 to C 的，真的是深口袋投资人。to C 现在对整个风险投资行业来说，实在是太贵了，好项目又凤毛麟角，而且很贵。
周炜
贵是一个问题，另外还有一个问题，就是 to C 的东西并没有因为 AI 的出现而产生太多新的商业模式。
换句话说，在 to C 方向上，几乎每一种模式都已经有巨头了。不管是社交还是其他领域，这些巨头适应 AI 的速度也很快。
所以你不但要在技术上适应 AI 去做产品，还要在模式上跟上一代已经存在的巨头竞争。它们可能只是适应 AI 稍微慢一点，但商业模式已经成立，用户数量也非常多。它们要做的无非是尽快把 AI 适应进来。
所以在这方面，你的竞争确实很吃力。
另一方面，我觉得 to C 方向，尤其是创业公司，用户忠诚度在底层技术刚出现、产品刚出现的时候并不高。大家都处在尝鲜心态，谁也不会这么快就完全忠诚。
你今天用这个，明天可能就用那个，大家都在尝试。所以你花很多钱买流量、买用户，其实没有太大用。可能过几天人家的新产品出来，这批人就全部转走了，转换成本非常低。
泓君
我也观察到了这一点。我觉得包括大模型在内，转换成本都很低。每个模型可能各领风骚 100 天，之后用户很快就切换了。我自己也切换了很多次付费模型，谁现在好用我就用谁。
所以现在我特别想投真正的陪伴机器人，带 AI 大脑的陪伴机器人。而且这个陪伴机器人一定应该是本地部署的，不像电影《Her》一样，全世界的人都共同跟同一个 Her 谈恋爱，那是错误的模式。
一方面人会觉得很挫败，另一方面它在付费上其实也很难。但如果你本地部署了一个陪伴你的 AI，它是你自己训练出来的，跟别人都不一样。
当然，这可能是邪恶电影《黑镜》里的场景：如果你不付每个月 29 美元的订阅费用，你训练好的那个大脑可能就会忘掉跟你的对话。你会不会觉得很挫败？你已经和它产生了情感连接。
所以这种个性化定制，以及你和它的交互过程，本身的数据应该产生价值。
周炜
过去你跟 ChatGPT 问问题，它的记忆时间很短，但现在你会发现，它的记忆长了很多。
比如我现在经常把医疗报告发上去让它看，包括我孩子的体检报告、血检报告。它现在甚至能记得很多天前我发过的报告，会说：“你上次给我的报告里是这种情况。”
它能识别出是同一个人，所以根据这个情况，它会告诉你现在这份报告出现了什么趋势性的变化。
而且我觉得 AI 现在真的很厉害。我孩子刚从美国回来放假，生病发烧，我带他去了 3 次三甲医院，做了很多血液检查。医院只能说是病毒感染，但不知道是什么病毒。
因为病毒感染不确定，也没法针对性治疗，只能休息。但他当时烧得非常厉害，各种情况都很严重。
所以我把他的血液检查报告和 B 超结果都给 GPT 看。GPT 直接告诉我，看上去基本可以肯定是 EB 病毒，也就是有个叫接吻病、类似于疱疹病毒的一种病毒，年轻人经常会得，也比较严重，应该怎么处理，它都说得很清楚。
然后我们马上去医院，让他们针对这个病毒做检查，对方很快就确认确实是这个病毒。
可能是因为中国孩子得这个病毒的相对少一些，所以医生没有见过。但不管怎么样，去了 3 次三甲医院，最好的医院，仍然不能确诊到底是什么；但是把血检报告给 AI，它马上就告诉你了。我觉得这真的很好。
基于这种进步，我觉得，一个在对话过程中跟你产生记忆和连接，甚至形成个性化沟通方式的 AI，在 to C 方向上会是下一波我非常看好的机会。
这个东西本身应该有本地部署、本地训练，以及个性化的数据资料。
泓君
但根据刚刚你的描述，ChatGPT 也能做，它也有记忆功能。它的区别点在哪里？
周炜
区别可能在于记忆和个性化训练。我觉得纯云端的产品要做到千人千面，也就是根据你和它的对话，让它逐渐形成专属于你的关系。
我们现在非常认真地在看伴侣机器人，就是能够替代女朋友的伴侣机器人。当然，它不仅仅是性方面的需求，一定是一个伴侣，能够跟你对话，逐渐和你磨合，让你愿意像跟真人一样跟它聊天。
我完全相信，人是可以跟机器人谈恋爱的，而且我认为这是必然的未来。我们播客上已经发生过这样的故事，之前也讲过一个人机恋爱的真实故事。
这件事会非常普遍。你去观察现在的年轻人，他们跟真人打交道的意愿真的相当弱。很多人觉得这不可能，但我认为一定会发生。
就像很多习惯看纸书的人，会觉得你天天拿电子书看，没有看书的感觉。但从小就开始用 iPad 看书的人，会觉得拿一本纸质书毫无感觉，拿 iPad 才有感觉。这是一种所谓 native，你是什么 native。
如果这一代 AI native 的孩子，从小就在各种 AI 陪伴毛绒玩具之类的产品陪伴下长大，他们爱上外表与人类无异的人工智能机器人，是完全正常的。
泓君
我觉得伴侣机器人要真的做好，门槛也挺高。比如怎么把产品做得很萌，让大家都喜欢，但又不是一种非常主流、同质化的萌，这其实很考验水平。
或者要做得很像真人。
周炜
对，很像真人。我们看到一些完全模仿真人的产品，当然会有恐怖谷效应。你一定要真到超过某个阈值，大家才能接受，否则会觉得很吓人。
我觉得这个时刻应该在 2 年内出现。因为你也经常在中国和美国两边跑，你觉得这一轮大家对 Agent 的投资，在中国和美国，投资人的倾向会有什么不一样？
泓君
我觉得在美国，尤其是 to B 方向，大家投资时不太担心公司的收入。大家会觉得，只要这个团队能力可以，就敢投，因为它一定会有收入。
但在中国投资，除了团队好之外，大家还会在商业模式和收入来源上花很长时间，会针对它要做的行业认真研究。这就是付费习惯和付费金额大小的问题。
另外，在中国我觉得还有一个市场问题。现在全球政治环境是这样的，一个好的产品不能只针对中国一个国家，而要针对全球。
你怎么样才能无障碍地在全球推广，这是每个创业者和投资人都要思考的问题。
泓君
现在是 2025 年年中，我们看到整个 Agent 领域大爆发。相比今年年初，我记得 DeepSeek 也是今年 2 月才开始轰动全球，3 月就开始出现 Manus，之后硅谷的 AI Agent 公司，包括 Coding 公司，估值节节上涨，融资也节节上涨。
整个这半年发生了非常多变化。相比年初的想法，你这半年有没有什么不一样的判断？
周炜
第一个非常明显的变化就是，这个市场现在已经是巨头和巨型企业主导的市场。现在整个市场的大并购，都不是以前风险投资这类资本在起最主要的作用。
去年年底，很多人在讨论为什么没有团队非常认真地埋头做一个产品，让它能够实现端到端交付。现在我觉得，这件事已经不用讨论了。不管是投资人还是创业者，都意识到现在应该专心做这件事了。
对我们投资人来说，这是一个好的时期：终于可以有团队专心做一个完整产品，让人能够完整使用。
第二，从目前这些大并购来看，你可以认为它们给了你巨大的压力，但从另一个角度来说，也给投资人和创业者提供了很好的退出通道。
你不一定要玩到终极游戏，可以在一个快速发展的阶段中途实现并购，然后去做下一件事。我觉得这没有什么不好意思的，这是新技术和基础设施高速发展时，为你提供的无限机会。
泓君
好的，特别好。好的，这就是我们今天的节目。如果你们也正在做 Agent，或者是在做跟 AI 相关的内容，大家觉得有什么样的观察或者想法，可以给我们写评论来告诉我们。
同时我们说，整个 AI 领域的新闻在非常快速地发生。我觉得一周一期的播客已经很难去覆盖这个领域最新的进展了，所以大家可以关注我们一档更加轻量级的节目，叫做《101 Weekly》。大家也可以在小宇宙、苹果播客，还有 Spotify 上找到。这个节目会更加快速地跟大家梳理一些热点新闻，并且我们也会邀请嘉宾来给我们深度分析一下。欢迎大家关注我们的新节目。
最后，如果你喜欢我们的节目，可以在苹果播客、小宇宙、Spotify 上收听我们，也可以通过 B 站或者 YouTube 搜索“硅谷 101 播客”找到我们。我是泓君，感谢大家的收听。