哈喽，大家好，欢迎收听硅谷 101，我是泓君。上周我刚刚在上海的外滩大会主持了一场跟 AI 智能体相关的论坛。每次这种活动，我都会在后台收到大家的私信要链接，这次我就把线下的录制直接放出来。当然，这次的嘉宾也是我们很多播客的老面孔，也是我们今年这几期聊 AI Agent 的主力。但是有意思的是，我们还是在讨论那几家最耀眼的公司，但市场正在发生一些微妙的变化，比如说 Cursor 从风光无两到危机重重。当然这集也聊了一聊这些 AI 创业者们面临的产品成本与增长难题。说到线下活动，我们 10 月 5 日也会在硅谷举办一场硅谷 101 的年度科技峰会 Element 2025。如果大家对线下的这种形式感兴趣，可以来报名参加我们的活动，我也会把报名链接放在 Show Notes 中。下面就请先来听一听我们在外滩大会的现场讨论。
大家好，我是硅谷 101 的主理人泓君。我们其实是一档 base 在旧金山的播客，很开心今天能够在上海跟大家相见。
泓君
今天我看见前面的几场分享，还是有很多从技术视角出发、关于 Agent 的讨论。我想从一个商业视角，跟大家分享一下今年 Agent 的火爆程度。
今年有 3 类 Agent 都比较火。第一类就是大家刚刚反复提到的编程类 Agent，火到什么程度呢？比如 Cursor 在今年 6 月有一轮融资，融资金额是 9 亿美元，估值是 100 亿美元。这是什么概念？它是现在中国基础大模型月之暗面的估值的 3 倍。还有 Windsurf、Devin，也都是几十亿美元估值的公司。
因为大模型和编程类 Agent 也是近两年才发生的事情，所以这些公司的寿命非常短，才两年左右。但是现在我们也看到，Cursor 已经遇到了很多问题。
第二类就是垂直类 Agent，比如写法律文件的 Harvey AI，估值也到了 50 亿美元。还有一类就是大家非常熟悉的 Manus、Genspark，以及 OpenAI 推出的 ChatGPT 这一类，它们就是通用型 Agent，也是今年特别火的一类。
今天我们的嘉宾也非常多元，大家都在做很有意思的 Agent。那我们还是请各位先简单介绍一下自己和自己的产品。
Bill
大家好，我叫 Bill。我们公司现在在西雅图、湾区以及新加坡都有办公室，主要做一个通用的、工具调用型 Agent 模型，同时也会做一个工具生态。
我之前在 Meta，主要做强化学习的落地。当时我们的模型落地包括广告业务。如果大家用 Facebook Ads Manager，里面广告素材的重新编写就是我们组做的，在广告主那里带来了超过 6.7% 的广告点击率提升。如果大家用 Facebook 广告的预算节奏控制系统，这个系统也是完全由我们团队做的，也带来了大几亿美元的收入。
我们相当于是在强化学习变得很火之前，就非常致力于把强化学习推广到现实场景。2024 年年底，我们决定出来创业，因为我们看到强化学习估计要起飞了，所以是时候出来搏一把。
泓君
Bill 其实是强化学习领域非常核心的一位从业者，硅谷整个强化学习的圈子也非常小，待会儿我们可以详细聊一下。
陶方波，大家好。
陶方波
大家好，我叫陶方波，我的公司叫新时宇宙。我们现在主要做的产品是 Second Me。
我和 Bill 有一个共同背景，以前我们都是 Meta 的研究员。他做广告，我做推荐。而且还有一个很有意思的事情：Bill 出来以后还是继续做技术，但我现在做的这个产品，更像是想把 Facebook 重新做一遍，所以我要向我的老东家宣战。开个玩笑。
我们做的这个 Agent，跟大家提到的 Agent 稍微有点不一样。我们其实是想做 AI 时代的身份 Agent。
现在大家比较熟悉的 Agent，更多还是一个任务界面：我给它一个任务，它帮我完成，有点像是把这个世界交给我。身份 Agent 做的事情，则是把我更好地建模，然后把我更好地带给这个世界。
比如我现在手机里就有我自己的 AI 身份，我碰一下手机，就可以跟能够代表我的 AI 交流、交朋友。它也可以帮我更好地展示自己，还可以像孙悟空那样，我告诉它一句话，它就产生一个分身，帮我陪伴孩子、陪伴父母，或者跟我的同事讨论一个问题。
所以，这个 AI 更像是把我带给这个世界，而不是把世界带给我。我自己觉得，身份 AI 或者身份 Agent，是未来除了现在这种 Agent 之外的另外一条主线。
未来的世界不会是所有人都像上帝一样，使用一个超级大模型。我觉得未来一定会有很多很多人，每个人都会有一个属于自己的 AI，然后这些 AI 会形成一个网络。这是一种和现在的 Superintelligence 不一样的叙事路径。
泓君
非常好玩的一个 Agent。Lovart 也是我非常喜欢的一个 Agent。志博，请你介绍一下。
志博
大家好，我是志博，来自 Lovart。我之前在腾讯优图实验室，从 2013 年开始做计算机视觉和图片相关的 AI 产品工程化。
从 2013 年开始，我们当时做 QQ 空间。每天上传好几亿张图片，大家可以看到，内容创作其实是一件很有门槛的事情。大量用户很难生产高质量的图片作品或者内容作品。
Lovart 的重点，是希望把 Agent 技术和最新的各种 Foundation Model 能力结合起来，给用户创造一个真正能够帮助普通人创作高质量作品的产品，满足大家在生活、工作以及各种场景中的需求。
泓君
我其实对三位的产品都非常感兴趣，所以今天可以分成两部分。开始的时候，我分别针对大家产品的核心亮点做一些互动和提问；第二部分，我们再详细讨论一下整个 Agent 领域现在面临的一些共性问题。
Bill，你做的准确来说也可以算是一个通用 AI Agent，对不对？你要不要解释一下，Poke AI 和大家现在熟悉的 Manus、Genspark、ChatGPT Agent 这些产品有什么不一样？
我们核心还是要做模型。现在的模型，上下文规模小的基本在十几万 Token，高的有 100 万 Token。如果把互联网上所有的工具都压缩进一个 Prompt 里，可能会有大几千万个 Token。
在这种情况下，一个开发者或者个人，如何在不选择工具的情况下，知道自己需要调用什么工具？如果是真正自主的 Agent，它不可能准确知道我的 CRM 用的是 Salesforce，还是 HubSpot；也不可能知道我要修改一张图片时，应该调用哪个具体工具。比如，谁知道美图有一个特定的工具，可以帮你把脸上的某个痘痘修掉呢？
那如何让 AI Agent 真正自主地完成工具调用？你需要把现在大模型的 Action Space，也就是动作空间，从 Token 之外进行拓展，把工具变成动作空间的一部分。
这是我们 Agent 的核心目标：能力覆盖互联网上所有的工具，而用户不再需要选择工具，让 Agent 的使用方式像 ChatGPT 的 API 一样简单。接下来我们也会推出开发者工具，让 Agent 的构建和基于 ChatGPT 这类 Language Model 的构建一样容易。
另外一个很重要的问题就是成本。现在做 Language Model 的公司，我举个例子，比如 Perplexity，今年公布的营收和最后的亏损情况都非常惊人，亏损量和营收量差不多，每年要亏损大几千万美元。
核心原因就在于，从工具调用到上下文管理，全部都要由一个相对比较贵的模型来完成。这样一来，当上下文不断堆积、工具不断增加时，你就需要把前面做过的所有事情，以及所有工具，重复地放进上下文里，交给 LLM 调用。
它带来的后果是，同样一部分信息，可能被分成 20 次、30 次、50 次，交给同一个 LLM 处理，所以整体成本就会上升。
所以我们要解决两个问题。第一，能不能把所有工具压缩到 Agent 自身的动作空间里；第二，能不能把整体成本压缩到一个所有人都可以在不亏损的情况下构建 Agent 的程度。
泓君
我觉得成本问题确实是 Agent 非常重要的问题。以前互联网的用户使用产品，通常是免费使用，再通过增值服务收费；但 Agent 的每一次调用背后都有推理成本。如果底层架构搭得不对，推理成本可能还会非常高。
后面我们也会一起讨论这个问题。刚刚你提到，你们的 Agent 重点在于调用这些工具，那我把问题稍微具体化一点。
比如我自己是一个播客创作者，我对 Agent 有非常刚性的需求。首先，我需要把播客和视频上传到各个平台；上传是我希望 Agent 能帮我完成的事情。Show Notes 也是我希望 Agent 能帮我完成的事情。播客做完之后，我们还会制作文字稿，我需要它非常准确，这同样是希望 Agent 能完成的事情。
你觉得我提到的这 3 种场景，以及这些场景中可能调用的工具，哪些是你们优先解决的问题？你们在排优先级的时候，会不会考虑技术的发展、工具的成熟度，以及 API 接口的开放程度？
先讲第一个问题：我们现在能完成多少。如果是 YouTube，你刚刚说的所有问题我们都已经可以做了。比如你先做一个视频，再把它剪辑完放到 YouTube 上，一个 Prompt 就可以搞定。
而且不只是 YouTube，TikTok、Instagram、Facebook、LinkedIn、Twitter，横跨整个互联网，我们的 Agent 应该是工具层最完善的平台之一，连评论都可以处理。比如你把视频放到 YouTube 上以后，可以每小时让 Poke 帮你观察有没有新的评论，并自动回复，全部都可以做到。
你也可以通过 YouTube 把视频拉下来，说“我想知道它讲了什么”，让 Agent 帮你整理成文字稿，再发布到某个社交媒体平台上，这些都可以做到。
那什么做不到？先说海外和国内工具生态的区别。国内的工具生态相对更封闭一些，比如你要在哔哩哔哩、小红书或者知乎上做这些事情，基本上都不可能。但在海外，这是一个完全开放的平台，基本上都可以做。
当然，你也需要和这些平台打通。Facebook、Instagram、YouTube 这些平台，都需要和它们建立合作关系，才能拿到相应的工具。但在国内，基本上就是明确不行。我们也在和它们的 C-suite 沟通，但工具生态本身的发展非常重要。
我们有一个愿景，就是未来能有很多工具真正开放给 Agent 调用。一个很大的问题在于，未来前端的社交媒体和网页很可能不复存在，所有东西都会变成一个 chatbot。如果全部都是 chatbot，完全依靠人去点击网页、上传视频、处理内容的需求就会下降。
Eventually，它一定会发展到那个程度。所以这些平台总要开放，只是早晚的问题，这是一个无法逆转的趋势。
最后讲一下模型。现在大多数模型的工具调用，在上千个工具的情况下，可靠性会大幅下降。当然，上千个工具不只是指上千个平台，而是每个平台可能有上千个工具。它的可靠性也和工具之间的相关性、相似度有关，所以目前模型还有待提升，而且成本都很高。
泓君
我觉得工具调用是一个方面，可能还有另外一个方面。刚才我提到 3 类需求，你觉得对一个通用 Agent 来说，哪一类是你优先解决的？我知道所有 Agent 都在追求通用性，希望什么都能解决，但你的优先级依据是什么？
不只是我们，大多数公司，包括硅谷 101 使用我们的产品，都会以用户需求为主。如果你们的优先需求是上传管理、发布管理，那肯定是发布优先，一定是以企业需求为主。
第二个是生态本身的可用性。如果生态不存在，你还要和对方谈分成，或者把一部分收入分给对方，这种事情会很麻烦。所以如果有开放的生态，肯定优先使用开放生态。
最后一个是人的参与，也就是 Human in the Loop。大多数工作流自动化，甚至 AI 软件的后端，很多事情其实都需要人的参与。但在大多数 Agent 的设计里，基本上没有这个环节。
我觉得 Lovart 做得很好，它里面有很多人的交互。但大多数通用 Agent 没有太多和人交互的过程，这其实是一个很大的痛点。我们的用户经常给我们反馈：“我生成了一个视频，帮我发布出去了，然后呢？我怎么修改它？”
所以我觉得下一步很重要的就是 Human in the Loop。
泓君
方波，关于你们这个 AI 和 AI 之间的交互，我非常感兴趣。但我想知道，这个产品核心主打的点是什么？大家为什么要用一个 AI 去和另一个 AI 交互，尤其是另一个人可能还没有 AI Agent 的情况下？
陶方波
这是一个很好的问题。因为我们跟一个新的人讲这件事，他一般会说：“那你的 Second Me 是不是可以帮我整理文章、发邮件？”下一个问题一定是：“这和 Agent 有什么区别？为什么我需要它作为人与人之间的桥梁？”
为什么我说我们是一种另类的 Agent？我也不敢说是下一代，但它一定是不一样的。
这个世界上的人分为很多角色。我们今天聊的 Agent，好像是把某种职业 AI 化了。比如它是一个会计，是一个程序员，所以它可以完成某项任务。职业被定义出来之后，具有很强的功能性。用英文里的一个词来说，职业的目的在于 Doing Something。
但今天我们看别人的朋友圈，或者像今天我有时候和你吃饭，交流一些有的没的，我并不是在为你 Do Something。我其实更关心的是你的 Being。
我觉得这是每个人身上的两种身份：一个是作为服务提供者，向外提供 Doing 的能力；另一个是他本身存在的那个 Being。
为什么 Facebook 在互联网时代可以这么厉害？因为它做了一件事情，就是做了主页，把一个人在线下的活动搬到了线上。当人们去看他的主页时，我看到的并不是他能为我提供什么服务，而是我对这个人本身的 Being 感兴趣，对他的存在状态本身感兴趣。
如果 AI 像一个巨大的吸收器，把互联网时代 20 多年、30 年的数据吸收到 AI 的参数里，那么它就创造了一种像 Facebook 主页一样的新存在状态，我们把它叫作身份 Agent。
这种新的状态，可能需要建立起一个像 Facebook 一样全新的网络结构。我为什么需要自己的身份 AI？因为我有一个比原来的主页更好的方式来展示自己，和朋友交流互动，甚至我们之间的连接、共同话题的产生，都可以由我们之间的 AI 来完成。
我觉得这是一个被严重低估的巨大价值。似乎所有人都在看 Agent 能不能完成 Google 的事情，或者完成垂直 SaaS 的事情，但其实今天的 Agent 已经可以尝试做 Facebook 的事情了。
我们能不能不关心它做什么，而关心它如何代表人的 Being？这就是 Second Me 核心想要解决的问题。当网络里的节点由一个主页变成一个 AI 之后，上面所有的逻辑都可能发生深刻变化。
泓君
我记得刚才上一个主题演讲的时候，蚂蚁的同学提到，在医疗 Agent 里，不光是医生 Agent 很难，病人的回答和输入也很难。
如果我们要做一个 Second Me，让自己的数据能够代表自己，把自己的信息搬到 Agent 里，你觉得这个输入从哪里来？这个 Agent 怎么知道我在线下经历过的这么多事情，包括我在线下产生的这么多想法？
陶方波
首先，互联网时代已经积累了人的大量线上轨迹，比如社交媒体。刚才 Bill 讲的那个点很对，在美国，线上平台的开放性更好一些；在中国，你想拿到一个人的小红书数据很难，想拿到一个人的支付宝数据也很难。
所以，海外个人化的数据来源，至少在线上比较容易获得。但另一个点是，你也可以看到一个趋势：比如我有两个朋友，一个是孙杨，他做了 Lucky，你可以把它挂在身上 24 小时记录生活；还有一个叫零宇宙，他们在做硬件。其实他们都在探索一种叫 Always On 的生活记录器。
它和个人身份绑定在一起。我觉得这也代表了下一代传感器或者硬件的发展趋势。如果我们想更完整地捕捉环境信息，不只是线上信息，就需要一个线下的硬件载体。
比如我们的用户，在没有这些硬件的情况下，会拿手机记录很多谈话，记录生活中发生的事情，以便更好地训练自己的 Second Me。但随着 Always On 硬件，包括眼镜的繁荣和普及，这件事可能会变得更自然。
泓君
所以也需要引入硬件设备。接下来是 Lovart。
现在有很多模型可以做文生图，比如 Midjourney，它的生成非常有风格；GPT 也有非常卡通风格的文生图。最近 Google 有一款产品叫 Nano Banana，也特别火。
比如我今天在这里主持，它可以马上把我的头像换成我在沙滩上、穿着同样的衣服，但处于度假状态；人还是我，但动作和表情都可以改变。
我觉得模型层已经有很多优秀的文生图工具了。那你觉得 Lovart 主打的是什么？哪些是模型层做不到、但用户又非常需要的事情？
志博
不管是 Nano Banana 还是 ChatGPT，其实都是 Tool 这一层。Tool 这一层有很多优秀的多模态 API，生图、生视频的工具也在不断涌现，基础能力和质量都在提升。
但从创作和交付的角度来说，Agent 里面还有 Planner。Planner 需要具备设计师的大脑，知道如何调用合适的工具，调用相关的创作工具，以及个性化的 Memory，最终交付一个满足用户个性化目标的作品。
单一的 Tool 不能交付真正个性化的作品，因为不管是图片还是视频，都是高度主观的产物。不同的人有不同的审美偏好。
Lovart 会把行业里优秀的工具整合起来，重点做我们的 Planner，以及 Memory 和 Context。我们希望理解用户的情况，包括他的审美、职业背景、经历，以及他在美学和风格偏好上的需求。
我们会把这些信息融入 Planner，按照专业设计师的工作方式构建工具调用，最后交付高质量的结果。这就是我们区别于单一 Tool 的最大特点：我们有更完整的 Context，以及具备专业设计师能力的 Planner，能够协作不同工具，交付用户真正需要的东西。
泓君
所以从现在的用户构成来看，你觉得专业设计师偏多，还是普通用户偏多？
志博
其实两类用户都有。对专业设计师来说，我们是一个非常适合快速获得灵感、批量迭代的工具。
除了 Chatbot 之外，我们左边还有画布，可以让专业设计师在 AI 产出的基础上进行高效、快速、灵活的迭代。对专业人士来说，这非常重要，因为单一 Chatbot 产出的东西，大概率和最终交付还有一定距离。他需要灵活地调整，并注入自己的思考，这样才会成为一个作品。
对普通用户来说，右边已经能够交付基本达到专业级质量的作品。这两类用户在我们的产品里都有很多。
泓君
因为你们也是做设计的。最近 Google 的 Nano Banana 出来以后，很快就火遍全网。我看你们的工具里现在也添加了这个功能，大家可以在 Lovart 里使用 Google 的 Nano Banana。
我想知道，当这种模型层或者其他类似的多模态生成工具出现时，对你们来说到底是冲击还是利好？
志博
肯定是利好。类比于水涨船高，只有足够深的水位，才能承载足够大的船。
每一次 Foundation Model 能力的提升，每一次多模态工具，包括图像、声音、视频工具的提升，都能够提升我们最终交付作品的质量。所以从这个角度来说，用户体验会随着模型能力的提升而进一步飞跃。
所以 Nano Banana 对我们肯定是利好。
泓君
刚刚我们简单聊了一下大家各自在做的事情。我们这场 Panel 的主题叫“商业与技术的竞速”，接下来聊一聊商业模式。
商业模式也可以分成两个部分：一个是收入，一个是成本。我们先聊成本。因为 Agent 每次调用都有很高的推理成本，我想知道大家现在这 3 款工具里，推理成本大概占到什么比例？不同的技术架构，对成本有什么影响？Bill，你先来。
我们这个情况不太标准，他们的案例会更标准一些，因为我们的工具调用推理模型是自己做的，很难直接估算成本是多少。服务器是多少，成本就是多少。
但我知道，市面上的平均量级，现在有 80% 到 90% 都花在推理上，训练成本则在不断下降。原因在于，模型调用本身已经是大多数 AI 公司的主要成本。
而且在大多数情况下，你还是得调用 Pro 级别的模型，比如 Gemini Pro 或 Claude 4。你没有办法直接用更低级别的模型完成复杂任务。
比如 Gemini Flash 本身很便宜，但基本还达不到交付标准，尤其是 Gemini 的模型能力可能还没有那么好。Gemini Pro 肯定已经达到了，但现在 3 家最大的 AI 厂商最顶尖的模型基本都可以交付。
如果往下拉一层，比如使用 OpenAI 的一些 Mini 模型，或者 Gemini Flash 模型，直接让它端到端交付一个 Coding 任务，基本上没法达到很好的质量。
所以目前还是每 100 万 Token 大几美元的状态。现在一个 Deep Research 任务，基本上会超过 100 万 Token。你可以想象，如果是一个复杂的 Deep Research 任务，平均每次成本可能会便宜一点；如果使用国内模型，可能是 3 到 4 美元；海外模型可能是 8 到 10 美元；如果用 Grok，会更贵，可能是十几美元。
成本还是很高的。如果做 C 端，目前我没有看到哪家公司能够把成本打平。现在整个 C 端市场的逻辑是，模型公司足够强，可以把价格打下来 80%，然后留下利润，才能存活下来。否则这样继续烧钱，Eventually 都会崩溃。
但我觉得，应该会有模型公司能够做到那个程度。
泓君
你刚刚说的数据还是非常震惊的。比如用一次 Deep Research 就要 8 到 10 美元，而 ChatGPT 一个月的订阅费是 20 美元。当然，ChatGPT 的 C 端业务是非常亏损的，它的 C 端付费率大概不到 5%，这是基础订阅用户的比例，也就是说剩下 95% 的用户都是免费使用。
三个 ChatGPT 的 Deep Research 任务，就可能让它进入亏损状态。当然，它们自己的 Token 成本会便宜一些。
但如果是其他通用 Agent 接入 Deep Research 功能，虽然现在可能接 Claude 的比较多，但用户越多，成本就越高。Claude 的价格和其他模型基本差不多，现在 3 家顶级模型的价格基本互相对标，除了 Grok 之外。Grok 感觉是 Elon Musk 比较自信，他直接定到了 14 美元。
那方波，你怎么看推理成本的占比？
陶方波
我觉得可以讲几个比较有意思的事实。
一个是，在我们公司内部，以前开一家公司，技术团队的云成本肯定是最大的。但现在至少在我们这里，推理成本肯定大于云成本。我猜这可能是几乎所有 AI 公司的现状。
第二，我觉得所有 Agent 公司现在都在尝试用各种方法降低成本。我们采用了两种方式。
第一种是模型多样化。有些任务，比如总结、上下文压缩，不一定要用最好的模型去做，可以使用 Gemini Flash 这样的模型。所以在不同的位置，根据性价比采用 Hybrid 的方式。
第二种其实更有意思。无论是数据工具、RAG，还是工具的结果，里面都有很多信息。到底有多少信息应该放进上下文？
一个 AI 了解了一个人的几乎所有经历，而一个人的经历可能有几千万 Token、几亿 Token，不可能每次都把它们放进去，也没有这么大的上下文。所以，如果我今天要完成一个和新朋友交流的任务，我到底是使用他过去所有会议的信息，还是使用一段从他的人格中抽象出来的、非常精简的信息，比如大五人格分类，来设计这次交流？
所以，对上下文本身进行多层次抽象，我觉得是非常有效的方式，但成本依然很高。
不过我还可以说一件成本更高的事情。我们发布了一个开源模型，也叫 Second Me。它的理念是，能不能为每个人训练一个模型，而且这种训练是持续的，因为人本身也在不断变化。
我们当时估算过，可能每个人每个月光是训练，就要几百美元来更新这个模型。也就是说，每个用户的训练成本是几百美元。
泓君
因为每个人会有一组自己特定的参数，而不只是特定的一组 Prompt。用户现在是免费使用吗？
陶方波
这个还没有上线，目前只存在于开源系统里。我们现在是基于刚才讲的多层次抽象 Prompt 系统来做线上产品。
理想情况肯定是，有一天每个人真的会训练一个带有独特参数的模型。我想那时候我们可能会面临另一种成本。
刚才提到 GPT-5 使用 Router 的核心原因，我们当时猜测就是成本问题。用户的习惯基本上是：如果有更好的模型，哪怕是简单任务，也会让更好的模型来做。
所以如果有一个 Router，就可以把用户的需求硬生生路由到更小的模型上。
泓君
志博，你们这边的成本问题呢？
志博
我们应该是最标准的 C 端公司。类比 Cursor，Cursor 基本上是在给 Anthropic 打工，它的推理消耗应该占整体运营成本的大头。
从系统和工程角度来说，Token 消耗的成本有很大的优化空间。就像 Bill 说的，能用更小模型完成的任务，就不要用复杂、昂贵的模型。我们也可以优化 Context，缩小 Input，这样 Token 消耗就会更小。
最后是模型层。对于垂直 Agent 的场景来说，自己 Fine-tune 模型大概率是可行的。因为我们不是做通用 Agent，我们的工具空间和用户表达空间都比较有限。在这种情况下，自己训练模型、自己 Serving，成本肯定会比调用 API 指数级下降。
所以对 C 端应用公司来说，Token 消耗在一开始占比高并不是问题，因为它有一条确定的路径，能够持续、指数级下降。我们现在还是重点关注用户体验和最终效果。
泓君
你觉得成本高不是问题，那你觉得它成本高的时间会持续多久？
因为现在我在硅谷看到一个现象。刚刚上场的时候我跟大家说，Cursor 现在估值 100 亿美元，融资 9 亿美元，非常风光，对不对？但我看了一下 Anthropic 的财报，它去年的收入是 40 亿美元，其中两家公司就贡献了 12 亿美元，一家是 Cursor，一家是 GitHub，都是写代码的平台。
Cursor 融资了 9 亿美元，大家可以想象一下，它付给 Anthropic 的推理成本有多高。
第二点是，Cursor 今年融资之后经历了一场比较大的风波，就是涨价。之前每个用户每个月 20 美元，后来它发现 20 美元无法打平成本，于是还是收 20 美元，但增加了 Token 限制。如果超过 Token 数量，就不能继续使用，需要额外付费。
这件事在很多开发者社区里引起了轩然大波。所以，即使这家公司现在看起来风光无限，仍然是危机重重。
另一方面，Anthropic 也在推出自己的 Claude Code，自己做代码模型。OpenAI、Gemini 在升级时，也都着重强调了自己的代码能力，还推出了一些代码 Agent，xAI 也是如此。
一方面是直面巨头在模型层的竞争，另一方面是成本无法打平。短期内用户又在高速增长，增长越快，亏损越多。
所以我的问题是：你怎么看待长期成本会下降这件事？短期内成本能不能打平，资金流又能不能跟得上？
志博
Cursor 遇到的问题，还是因为它所在的产品赛道，正好处于各家 Foundation Model 迭代的主线里，所以很容易出现 Anthropic 的新模型在 Coding 能力上明显强于它对外出售的模型。
基于 Foundation Model 的优势，再结合推理 Token 的成本优势，我觉得 Anthropic 去和一家应用公司竞争，优势非常明显。
回到 Lovart 的场景和赛道，我觉得最大的一个点在于，它其实不是 Foundation Model 的主赛道，所以给了我们很大的应用层发展空间。我们并不是在和 Foundation Model 层面的主赛道竞争。
第二个问题是 Token 消耗和用户体验。这件事其实非常灵活，需要结合你的商业策略、收入、运营，以及工程上的整体优化实践，是一个系统性工程。
我觉得 Cursor 当前肯定会有自己的考虑，也会有一些方案解决 Token 成本高的问题，只是它没有自己训练模型。
泓君
对，我感觉它自己训练模型不是很有戏。因为代码类模型是所有大模型训练中的第一个重要权重，也是最重要的 Benchmark 之一。
所以，如果 Cursor 自己去训练一个代码模型，基本上不太靠谱。我的猜测反而是，它可能刚融完一笔资，要开始进入下一个阶段，需要让财报里的营收和毛利率往上走，所以才做了这个调整。
如果毛利率上不去，它就融不到下一轮资金，所以这可能更多和它自身的商业阶段有关。
其实 Bill，我们上次录播客的时候，你有一个观点我觉得说得很好：在这一轮 Agent 领域里，技术路径会直接决定一家公司的生死，因为它可能决定成本和成本消耗。
现在业界有两种方式，比如 RFT 和 SFT。你要不要跟大家讲一下，不同训练方式和技术路径会带来什么成本问题？
首先，SFT 最大的成本现在其实不在 Token Generation，而在数据里，数据是最贵的。
因为法律原因，现在各大社交媒体和内容平台都开始给自己的内容授权。如果大家不知道，Reddit 去年最大的收入来源其实就是数据。它的广告收入不够多，其他收入也不够多，它卖给 Claude 和 OpenAI 的数据，占了他们整个营收的大头。
所以，数据本身成为 SFT 最大的瓶颈。
第二个问题是标注。现在我们的任务变得越来越复杂。比如做一个 Deep Research，数据应该怎么标注？难道我要找一个真人浏览 3000 个网站，再检查他浏览得对不对？这不可能有人去标注。
我觉得 Reinforcement Fine-Tuning，或者 RLVR 这类方法的出现，都是因为 Supervised Fine-Tuning 这条路径已经走到了快要卡死的边缘，所以不得不开始尝试新的方向。
Reinforcement Fine-Tuning，以及使用 RL 训练模型，核心壁垒或者最大的瓶颈在于训练时间很长，而且不稳定。在线上，也就是 Inference Time 进行训练，几乎没有办法稳定操作，所以必须完全依靠 Training Time 来完成。
但 Training Time 得到的模型泛化性又不够。如果大家不知道，强化学习的训练过程其实是一个 Modality Collapse 的过程，也就是说，它的泛化性是在下降，而不是上升。
从某种意义上来说，泛化性下降之后，线上可能还要针对具体用例继续 Fine-tune。所以在 Compute，也就是云计算成本上，它会比原来高很多。
如果大家去看最近 Grok 4 的发布，现在 RL 层面 Fine-tuning 花的钱，已经和 SFT 仅训练本身花的钱差不多了。下一步可能还要在 2.1 上面花更大的力气。
如果继续投资，我觉得下一步云计算还是会蓬勃发展。大家看到 Oracle 涨了 30%，对吧？方波有什么补充吗？
陶方波
Agent 的技术架构背后有一个历史。我们在做 Second Me 之前，做过一个产品叫 MindOS，它属于上一代 Agent 架构，我们把它叫作 Workflow 型 Agent。
现在看到的 Manus，包括 Lovart，属于下一代、由 Reasoning Model 驱动的 Agent。我觉得 RFT 可能会比基于 Reasoning Model 驱动的方式更 Training-heavy 一些，因为它需要自己寻找环境。
我们在播客里也提到过，今天的 AI Agent 创业者，最重要的不是找数据，而是找到自己的环境在哪里。SFT 时代需要找数据，RFT 时代可能需要找环境，然后找到工具。
但我其实有一个问题。在线下我也和 Bill 聊过，包括今天早上 Richard Sutton 在主会场提到，下一代 Agent 可能是经验时代。相当于现在的 RL 都发生在训练时，而接下来的 RL 发生在在线使用时：越多人使用 Lovart，Lovart 的模型就变得越聪明。
我相信今天还不存在这样的事情，至少模型本身还不会在使用过程中训练。我觉得经验时代可能是下一代架构，但 Bill 可能对这个问题有自己的见解。
Bill
高见谈不上。我和 Richard Sutton 交流得比较多，所以可以讲讲他私下是怎么说的。
Exploration 这件事一直是大家经常讨论、但不太去做的事情，因为它带来的 Margin 太小。比如线下已经有那么多数据，也已经有那么多环境，可以用无限量的 Compute 算出一个很好的 Policy，那为什么还要做 Exploration？这似乎没有意义。
其实大公司里也有类似的情况。我们当年想在 Meta 内部做 Exploration，也没有人让我们做。第一，Exploration 的过程中可能把收入拉低，怎么办？第二，Exploration 完成以后，还要花大量算力更新一个模型，但它可能只能提升 2% 或 3% 的性能，为什么值得做？
那现在为什么 Exploration 又被重新提起来了？因为 Supervised Fine-Tuning 开始遇到壁垒，或者说快要撞上它的南墙了。当它撞上南墙，我们就会发现，需要通过强化学习从零开始训练。
而强化学习从零开始训练的最大问题是，如果它过于贪婪，永远采取自己认为最优的策略，就很快学不到任何东西。所以 Exploration 变得很重要。
我以前一般会说，Exploration 是锦上添花；现在这个 Cherry 慢慢变成了主体，原因是数据不足以完成 Exploration。
从理论上来说，整个 Supervised Fine-Tuning 过程完全可以用 RL 来解决。比如使用 Offline RL 算法，Reward 就是“能不能逐步遵循那句话”，这就是 RL 的解法。
但为什么不这么做？因为没有必要，直接学习就可以了。但如果没有数据怎么办？只能去探索，所以 Exploration 才变得越来越重要。
不过，Exploration 的训练仍然属于 Training Time。也就是说，我收集一部分数据，这部分数据和原来的数据不太一样，我从中学到一些新的东西，再把学习后的 Policy 放到真实环境里。
而 Inference Time 训练的难点在于，它需要 Few-shot。我只有几步数据，可能只拿到了我们 3 个人的反馈，就要立刻用非常安全的方式迭代模型，这非常难。
如果拿战场上几百个人的数据来更新模型，就容易得多，但那仍然叫 Training Time Update。如果只有我们 3 个人的数据，怎么知道这 3 个人的数据是不是 Outlier？如果不知道，又怎么能够用非常安全的方式更新模型？这就变得非常困难。
泓君
刚刚我们讲了技术路径对成本的影响，接下来讲收入。Bill，你们做通用 Agent，既可以向用户收费，也可以向企业收费，所以能不能简单讲一下你们的商业模式？
我们现在其实没有收费，基本上给所有用户都发了无限 Credit，大家可以无限使用。但还是有人付钱了。
泓君
对，算是大家在为爱发电。反正我们很欣慰，即便我们给大家免费的 Credit，大家也认可我们的工作。
主要还是 B 端用户比较容易赚钱。B 端用户可以打平成本。C 端用户按照我们现在的 Subscription Plan，也基本可以打平成本，但如果算上人力，就完全没有任何盈利可言，所以比较痛苦。
但 B 端相对比较容易赚钱。现在可以看到，市面上所有 To B 的 AI Agent、垂直 AI Agent 产业，未来都比较容易看到打平成本的那一天。C 端比较难，主要还是看模型厂商是不是足够仁慈。
泓君
做 To B 的商业模式，怎么平衡陷入给客户做定制化，和追求通用性之间的关系？
生态很重要，Community 也很重要。你要衡量很多用户的 Request，哪些重要，哪些不重要；哪些客户有共性，哪些客户没有共性。
我们是一家 PLG，也就是 Product-Led Growth 公司。一个很重要的点是，在收集 Feedback 的时候，不能因为某家公司给了你需求，就一定要把这个需求完成。否则你就变成了一家咨询公司。
现在市面上有很多公司在做 Forward-Deployed Engineer，也就是直接把一个工程师放到客户公司，帮他们解决 AI 问题。这种成本非常高，但很多公司不得不做，因为客户不放心把数据交给你，所以会有很多公司采用这种方式。
PLG 和 SLG 做的事情不太一样。我们以 Priority 为主；SLG 则会寻找大客户，不惜一切代价把这家客户拿下来，不在乎先做什么、后做什么。
泓君
我觉得整体上这是一个非常硅谷的思路，就是让客户跟着你的需求走。
Bill
所以要有 Community。你要有一个核心用户群，这些人具有代表性。你可以不断给他们发免费资源、提供免费模型，但他们会给你反馈：“你能不能帮我解决这个问题？”
然后你发现，有 20 家公司都有同样的问题。
泓君
方波，你刚才提到，未来如果要为每个用户训练一个 Agent，每个月就要几百美元，我当时就震惊了。我就在想，这怎么赚钱呢？
陶方波
因为今天大部分 AI Agent 产品偏工具型或者任务型，所以工具应该由它产生结果的价值来定义，我觉得它就应该收费。
本质上，Second Me 并不是想做一个工具，我们真正关心的是，一个 AI 原生的身份社交网络能不能建立起来。
你很难想象，微信和 Facebook 早期是要求每个加入网络的人付费的。最大的问题是，当加入网络需要付费，甚至需要支付很高的费用时，大家就不愿意加入了。
没有人加入，网络就不存在，也就没有意义。
泓君
我有一个 Counterargument。我认为，上一代互联网刚刚兴起时，那些公司在前几年、甚至上市之前不赚钱，这件事情会在某些 C 端 AI 公司上重现。
典型的就是社交网络，因为一旦建立起来，它就会有非常强的网络壁垒。所以我愿意 Bet on 这件事。
我们今天在商业模式上，尽可能少收费，能不收费就不收费，在我们能够承受亏损的范围内尽量不收费。但未来也许会找到一种类似于 Feed Ads 的模式，在 Facebook 内部形成一种非常好的广告模式，或者说一种 AI 原生的广告模式。我觉得这就是我们的 Bet。
所以我理解，你们现在的核心是押增长。
陶方波
对。
泓君
Lovart 的商业模式应该比较明确。
志博
对，我们很明确，就是 C 端付费订阅。不同档位对应不同数量的 Credit，用得多就买高档位，用得少就买低档位。用户愿意用就购买，不愿意用也可以不买，这是最简单的 C 端订阅付费逻辑。
泓君
可以大概透露一下营收规模吗？
志博
这个现在不太方便透露。
泓君
那你觉得用户付费时，是基础版付费更多，还是高端版付费更多？这可能也是测试用户粘性的指标，比如留存率、付费率，都是衡量产品粘性的指标。
志博
从付费情况来看，更多体现的是用户画像的区别。重度用户大概率是专业用户或者 AI 爱好者；轻度用户可能就是普通用户，做一般性的创作。
所以我觉得，付费档位的情况，更多反映的是用户画像。
泓君
所以我其实想知道，你们是怎么做用户增长的。因为我理解你们的商业模式非常清晰，而且 Lovart 刚刚 Launch 的时候，我印象中在社区里引起了很大的反响，一开始就有一个非常好的开端，吸引了很多用户。
但像这类 AI Agent，最终要和众多设计类 Agent 竞争、脱颖而出，还是需要持续的高速增长。你们会怎么做？你们应该已经不算冷启动了，而是进入纯增长阶段。
志博
这块其实主要由我们的 Marketing 团队负责，他们都在旧金山。我们做 Marketing 的方式，和硅谷公司基本一致：早期邀请码、KOL，再到产品传播后的正式传播。
这些流量有很强的自然传播属性。我们通过提升产品和用户体验，赢得更多热度，带来更多流量。
所以我们的 Marketing 传播方式比较简单，就是靠产品力说话，让更多用户愿意进行口碑传播。
泓君
我觉得现在整个 AI 领域，无论是产品发布还是市场活动，都在变得越来越简单，真的就像你说的，靠产品力。
昨天我和方波吃饭时还聊到，以后做 AI Agent 的 CEO 可能都要开始注重形象管理了。我们看 OpenAI 的发布会，基本上就是几个程序员上去录个视频，这个产品就 Launch 了。
陶方波
我补充一个很有意思的点。有一次我和一个股东见面，他说现在如果要发布一个产品，不管是冷启动还是其他阶段，最重要的是先讲一个科幻故事。
然后他说：“你会发现，当 AI 创始人都在讲科幻故事的时候，科幻小说家没有小说可以写了。”
这只是一个现象。AI 新产品快速出现时，眼球和注意力代表了很大的早期势能。这就是为什么创始人现在要亲自撸起袖子做传播。
Bill 也做过一个视频，看起来非常痛苦，还得减肥。他之前胖了很多，还得再减回去。
泓君
像你们录这种视频，大概会花多长时间？会占用创始人多少精力？
陶方波
这倒不会。我们之前那个发布视频只花了半天时间，成本也可以告诉大家，没多少钱，1500 美元就能端到端搞定。
但我觉得现在最大的问题，是整个 AI 行业的 Marketing 方式都太相似了。其实 Manus 不是第一家，最早 AI 工具刚出现时，大家都是这样营销的。
比如早期的工具类产品 Zapier、Nanonets，最初都是创始人在 YouTube 上开一个频道，教大家怎么写代码。还有些公司会找 Andrew Ng，也就是吴恩达，说和他一起录一个从 Deep Learning 到 AI 的视频，帮助他传播知识，同时也帮公司带来流量。
这是一个非常常规的路径，只是现在基本被玩坏了。因为投入的钱太多，导致 KOL 可以收取天价费用，这也意味着大家反而越来越不相信 KOL 带来的流量。
我可能还是更相信 Community。等产品真正 Ready，整个 Community 里的人都离不开你，自然就会产生传播。如果完全靠花钱请 KOL 传播，我个人认为 Traffic 会掉得非常厉害。
如果从第三方角度看，会发现你只是在纯粹拉流量。纯粹拉流量，用户就不会相信你的产品。
泓君
你说的 Community，是指自己经营的吗？
陶方波
对，比如 Twitter 账号。
我见过很多早期公司，比如 Runway、Luma，它们早期的增长完全靠 Community。创始人自己跑到旧金山某个 Conference 上说：“这是我们的 Discord，你加入进来，有什么问题和需求告诉我，我们来解决，然后不断迭代。”
泓君
今天最后一个问题。2025 年涌现出了非常多好的 AI 工具，每个人说一个自己最喜欢的 AI 工具；或者以前觉得它不好，但现在觉得还不错，有没有哪款工具逆转了你的印象？
我看到一个叫 Pine 的 Agent，让我眼前一亮的地方在于它的商业模式和计费方式。它是按照最终交付的结果收取提成。
比如它帮你和银行争议账单，或者和电信公司争议账单，它可以从争议金额里提取一定比例。所以从商业计费角度来说，这个模式很让人眼前一亮。
这背后也代表了它真的能够交付高质量结果，交付一个具有商业意义的结果。从这个角度来说，我觉得它是一个很不错的产品。
泓君
Pine 怎么写？
P-I-N-E，Pine。
陶方波
我最受震撼的其实不是 Claude Code，而是 Claude Code SDK。我真的觉得这件事被大大低估了。
我发现，Claude Code 作为最强的 Coding Agent，实际上是想把 Coding Kernel，也就是代码的内核层抽象出来，成为未来所有 Agent 的基础。
这件事太厉害了。所以我觉得，Anthropic 底层模型当然很强，但底层模型本身不足以让它成为下一个时代的 Nvidia。
它也许可以通过 Claude Code SDK，让所有 Agent 的创建都通过这套内核来运行，最后再调用它的底层模型。这样它可能会成为新时代的 CUDA，也就有机会成为新时代的 Nvidia。
泓君
你说到这个，让我想起 Anthropic 一个很有意思的现象。我们知道，它的创始团队和核心程序员来自 OpenAI；它的销售团队基本上都来自 Stripe。
Stripe 是一家硅谷支付公司，但它也很特别。它搭建了一层支付 SDK 或 API 接口，让开发者可以非常容易地在这层基础设施上完成各种支付。
我觉得这和 Anthropic 的 Claude Code SDK 是非常相似的理念。
我再提一下类似 Lovable 的产品。我一开始对这类产品抱着非常怀疑的态度，因为我觉得它其实无法交付任何东西。
直到最近，我们的运营负责人和产品负责人开始用这类产品做 UI 迭代和开发者产品迭代。他们用这些产品给我做 Prototype 的时候，我才发现这东西其实是有用的。
否则，沟通会是一个很大的问题。我说“它应该长这样”，你说“它也长这样”，看起来差不多，但真正画出来完全不一样。
所以这是让我改观很大的一件事。像 Replit、Lovable 这样的公司确实有价值，而且价值很大。
另外，Google 最近的一些进展也值得关注。因为我们是 Google 的官方商业合作伙伴和战略合作伙伴，所以我们逐渐意识到，Google 为什么愿意和我们合作？
一开始我们非常不能理解：它自己做模型不就好了，和我们有什么关系？一个核心原因是，它们正在慢慢往 Nvidia 的方向走。
它们想把开发者这一层包下来，把最后的模型层，甚至是提供给每个创业公司的那一层，都建立在自己的基础设施上。所以我感觉 Google 的 Agent 产品变得越来越好用，而且主要都是开发者类 Agent 产品。
泓君
前面大家主要从 B 端和编程类产品分享了自己的看法。我也从用户视角分享一个最近让我改观很大的产品：Cluely，拼写是 C-L-U-E-L-Y。
这个产品在硅谷很火，名声很大，同时也很臭，因为它被认为是一款作弊工具。比如你面试时可以开着 Cluely，它会录下会议声音，也会录制电脑屏幕，并同步告诉你下一步应该怎么回答，或者下一步应该问什么问题。
我们从去年开始，大概一年以前，编辑部内部就频繁报道这一类公司，但当时我没有真正理解这类工具。
今年我们和 Bill、Albert 开会时，因为当时要用英文开一个强化学习的会，我觉得技术方向已经非常难理解了，还要用英文开会，所以就下载了 Cluely，正好体验一下这个产品。
我其实没有使用它提示“应该怎么回答”或者“下一步应该说什么”的功能，但我发现它有实时字幕，还有一个功能是实时总结大家讨论的要点。
比如会后我想把整个提纲整理出来，看看哪些部分需要重点跟进，就可以很容易地把总结提取出来。因为即使是人做笔记，可能也是一个比较慢的过程，但我觉得它的产品交互和总结功能都已经做得非常好。
简单来说，它让我从一场原本没有太大把握的会议里，变得更自信了。所以我觉得这类 AI 产品很奇妙，它并不一定为你提供某个具体功能，但会从整体上改变你的心态。
所以我最近对这家公司改观比较大。
好了，今天的时间也差不多了，谢谢大家的分享。
好了，这就是我们今天的节目。欢迎在小宇宙、苹果播客、Spotify，还有喜马拉雅、蜻蜓 FM、荔枝 FM、网易云音乐、QQ 音乐上订阅收听我们。如果你是习惯通过视频平台来收听播客，也可以在 YouTube 和 B 站上搜索硅谷 101 播客来关注到我们。另外我们音频的部分文字稿会发表在我们的公众号硅谷 101 上，如果大家感兴趣，欢迎大家持续地关注我们。我是泓君，感谢大家的收听。