127. 大模型季报跨年对谈：和广密预言一场AI War、两大联盟和第三个范式Online Learning

广密，还是给大家打个招呼吧。

Hello，我是广密。

时间过得好快，这已经是我们的第8集季报，也是第三年的跨年对谈了。你觉得我们一起录制这个系列这么长时间，给你的生活和工作带来了哪些变化？你觉得做内容好玩吗？

我觉得做内容还蛮有趣的。反馈闭环比投资快，而且播客的听众很多都是一线从业者，很多人水平也挺高。很多人听了之后会找我聊天，我也认识了很多朋友，自己也学到了很多东西。一线从业者说受到很多启发，这也是一个很好的正向鼓励。

我希望每个季度都能系统地讲一讲，对自己和团队来说也是一个阶段性总结，也希望让听众更好地理解全球AI的进展。大模型季报也希望纯粹地做一个公益科普内容，输出真正有用的信息。

做着做着，坚持做播客，慢慢也有了更大的意义，或者说一个passion，就是推动中国AGI，做旗手和布道者，去布道和科普自己相信的东西。希望中国也有一个自己的硅谷，也希望能对华人创业者有一些帮助。

过去这个季度，整体的AGI蓄势似乎变得更现实、更谨慎。你的感受和状态是什么样的？

1. AGI蓄势进入现实阶段

过去一个季度，我依然把大部分时间和精力花在AI研究员身上，因为技术变化确实很快，还要持续理解技术的进展。

今天又到了一个比较关键的时间点。比如Coding从年初几亿美元，硬生生涨出了一个100亿美元年化营收的新市场，后面还有多大空间，会怎么走？再比如，Google王者归来，对后面格局的影响是什么？伊利亚公开说scaling停了，我们应该怎么理解？包括下一代范式online learning已经在孕育了，这可能还是一个核弹级别的突破。

所以接下来应该关注什么，哪个是真问题，哪个是假问题？这个时候，理解技术本身变得比以往更加重要。理解技术本身，对2026年、2027年做出正确的战略下注是非常有用的。

最近大家都在说AI bubble。站在2025年的尾巴上，你有嗅到泡沫的味道吗？你对于2026年是乐观更多，还是悲观更多？

2. AI战争取代泡沫叙事

我担心过一阵子，现在的结论是不用太担心。不能称作是AI bubble，更像是AI war。

这是每个科技巨头都输不起的战争或军备竞赛，甚至可以说，这是中美两国国家战略都输不起的一场战争竞赛。AI可能要被看作新的国防或核武器一样的东西，所以很多人可能会砸光最后一分钱，也不会轻易下牌桌。

为什么你说每个科技巨头都输不起？

因为颠覆性太强了。举一个现实的商业例子：过去每个开发者或者企业，首选都是AWS或者Azure去做应用开发和部署。现在首选的是哪个模型，GPT、Claude还是Gemini，那云厂商就被白牌化了，就像当年的惠普、戴尔一样，被藏到后面去了。

再推演到C端，就看豆包手机这个例子。如果AI agent成为流量入口，今天的super app其实就被短路了。今天的super app是靠信息不对称赚钱的，如果agent让信息分发变得充分对称，那像Uber、携程这种信息中介平台，其实就不应该赚那么多钱。

你看，在湾区打Uber，经常被平台抽走50%，司机连一半都不到。传统搜索其实也不应该赚那么多钱。所以今天的科技巨头既要防守，又要激进地进攻。

从国家战略层面，我觉得AI也应该成为中美战略重点之一，再重视都不为过，因为确实输不起。Agent会带来重新的流量分配，有可能会打掉现有的平台。

那你觉得为什么大家会谈论AI bubble？这次AI bubble的导火索是什么？我看你们前段时间也开了研讨会讨论这件事。

主要原因还是10月份的时候，Sam提到1.4T那个问题，30GW的算力建设。GPU都是按6年摊销的，这就意味着OpenAI平均每年要烧掉2000多亿美元。

OpenAI到2030年，公开预测的年营收也就是2000多亿美元。未来5年累计加起来的营收，大概是5000亿到6000亿美元。从商业和现金流的视角，短期肯定算不过账，也不知道怎么赚回那么多钱。

说实话，今天也不知道Sam为什么要花那么多钱。但有一个明确的判断是，未来两三年OpenAI的现金流没什么问题。最近有新闻说，OpenAI按8000多亿美元估值再融1000亿美元。其实OpenAI自身的现金还是充裕的。

1.4T听着比较大，但大部分投入都是2028年及以后。一个多月以前，Sam上了一个播客，主持人连续追问OpenAI如何为1.4万亿美元的承诺买单，他的回答很不好，说：“如果你想卖掉你的股份，我可以帮你找买家。够了。”

这也引发了大家对于OpenAI信心的波动。你能不能拆解一下OpenAI的收入构成？

3. OpenAI收入版图浮现

OpenAI有看得清的收入，也有看不清的、未来潜在的收入。

如果看得清的收入，我们可以拆成订阅、广告和电商。我们比较乐观地假设，在2030年之前，它做到40亿月活、25亿周活、15亿日活。假设订阅做到10%的付费率，就是4亿用户，这非常合理，因为对标Office，Office应该也是3亿到4亿的付费用户，很多还是企业帮员工付费订阅。

4亿付费用户，每个用户假设是200美元年费，这就是800亿美元。Office也是几亿付费订阅用户、几百亿美元的生意，Netflix也是几亿付费订阅用户。我的直观感觉是，ChatGPT应该比Office和Netflix更大。

这是订阅。再算电商和广告，假设不付费的用户要看广告，我们假设每个周活的ARPU是20美元到50美元。假设有20多亿周活，这其实也是500亿到1000亿美元的营收。

第三个就是卖API。拍脑袋也能做到500亿到1000亿美元，因为它们有很强的规模效应。模型就是新的云，这跟亚马逊当年有了电商业务之后自己做云，是一样的逻辑。

其他可能还有agent的收入。我觉得这几块加起来，差不多能做到每年2000亿到3000亿美元营收，相当于今天的Meta或者字节这么大。

从这个角度看，只多了一个互联网平台，其实也没什么意思，但它肯定抢了一大块存量生意，同时也会创造大量增量。

你刚才说的这些是看得清的收入，那看不清的、潜在的未来收入会有什么？

4. AI收入瞄准劳动力

我觉得这个比较有意思，因为我们总是缺乏想象力。回到AWS诞生的头几年，抖音诞生的头几年，其实大家都不会觉得这两家公司能做到千亿美元营收。回到2023年，也不会想到OpenAI和Anthropic的估值能涨得这么快。

哪怕回到今年年初，当时我们播客提到Coding，Coding agent是今年的主题。10个月前看AI Coding这个单一行业，大家也不会觉得一年能涨10倍，硬生生涨出100亿美元。

我觉得AI潜在的、看不见的营收规模很大，会有惊喜。因为这是全世界最聪明的人、最牛的科技公司和最厉害的大佬都在努力做的一个市场。

具体来说，OpenAI如果真的想赚钱，有两种潜在方向。第一种是agent真的开始work，端到端替代劳动力，赚到工资预算，而不再只是一个工具。

比如全球有10亿白领，OpenAI靠输出这10亿白领的价值，自动化白领的工作。每个agent白领的工资，比如在1000美元到1万美元之间，那就是1T到10T的营收，这就很大了。

白领里面，最快的还是软件开发市场。全球软件开发市场大概是1500亿美元，今年AI Coding只有100多亿美元，还不到10%。未来几年涨到30%或40%的渗透率，我觉得肯定还会更高。

另外一个比较“星辰大海”的方向，是大规模做人做不了的、增量的高价值内容。比如Coding可以重新写代码，科学发现可以治愈人类所有疾病，可以帮助我们研究室温超导材料。AI做AI科学家，基础物理的很多东西，这些潜在价值都非常高。

这里的前提也是模型更加可靠，端到端能力更强，需要online learning这样的本质性突破。所以我们现在只能解释，AI更像国防或者战争中的军备竞赛。未来潜力巨大，每个人都输不起，巨头都不会放弃，都会投光自己最后一分钱。

这在一定程度上已经超越了商业回报，输了就有被颠覆的风险。正因为太重要，所以大家不会让Google一家独大，也不会让OpenAI一家独大。英伟达、微软、亚马逊都会继续支持OpenAI和Anthropic。

Anthropic很像一个巨头的棋子，因为任何一家都很大，都可能对其他家造成威胁，所以这里面有很多巨头博弈的平衡。但商业上，长期还是要对AI的商业模式抱着乐观态度。

比如agent真的落地之后，我觉得对传统流量平台的生意会有很大影响，就是刚才提到的流量短路问题。

你说Anthropic有巨头的棋子价值，那你觉得中国这些公司有巨头之间博弈的棋子价值吗？好像中国的巨头都很强、很独立。独立的模型公司没有显著比巨头领先，对吧？字节和阿里好像都很强，腾讯也在catch up。

你刚才说OpenAI有几块收入，你觉得它做广告和电商的速度会乐观吗？

我长期乐观。历史上，只要是大流量、有黏性的平台，最终都能变现。这个速度取决于优先级，广告和电商今天可能还不是最高优先级。

我理解，最高优先级是到2030年底之前先做到10亿日活，这更重要。我觉得OpenAI今天是被低估的，就像当年很多人觉得手机和短视频没法做太多广告，屏幕太小之类的。

如果AI抢广告是一场存量竞争，长期要靠替代劳动力带来的收入，这部分的gap本质上是AI能不能顺利抢夺劳动力市场。你怎么看这个问题？

核心取决于AI的能力边界能走到哪里，到时候是AI便宜还是人便宜。AI便宜，本质上取决于电费是不是足够便宜。

我觉得现有范式、现有路径，还是有机会让模型比绝大多数白领或者知识工作者更聪明。这个确定性非常高。你看，湾区初级程序员已经找不到工作了。假如你是一家A轮创业公司，要招一个码农，只要把岗位发出去，我觉得轻轻松松就能收到几百个甚至上千个简历。

其实这已经在发生了，公司劳动力的预算正在变化。

你上面提到一个概念，就是AI war，AI的战争。这是一场全球巨头都输不起的战争。现在纵观全局，你觉得这场战役的主要推动方有哪些？它们现在分成了哪些阵营？我们可以做一个概览。

5. 两大算力联盟成形

简单地分，就是两大阵营：英伟达的GPU和Google的TPU。

Google首次推出了真正的SOTA模型，把模型、芯片、云产品端到端集成起来，其实Google更像AI时代的苹果。上一期播客我们专门花了一部分讲Google被低估了，我觉得Google长期确实会很强。

不过，英伟达生态下支持的OpenAI和Anthropic依然是优等生。这两家相比，Google在人才密度上还是更优质一些。英伟达更像AI时代的安卓。

这两大阵营可能是未来一段时间的主线。大家想研究AI进展，还是会围绕这两大阵营、最领先的两三家模型展开，很多投资机会也会围绕这两条主线延展。

从硬件角度看，只要需求远远大于供给，英伟达和Google两家都应该配置。这两家不管是势均力敌，还是其他情况，我们的感受是交替领先。哪一边跌了，其实都是加仓的时候，应该有一些逆向思考。

今天这个时候，英伟达和OpenAI被低估了。因为GPU综合起来还是比TPU更好，缺点就是贵。但也没有办法，台积电的产能就这么多。

英伟达和OpenAI这条线其实还是被低估的。包括英伟达Rubin那一代的卡，应该能甩开TPU v8一个代际。而且英伟达已经提前占了台积电1.6纳米未来的产能，长期GPU的优势还是会很强。

你分成了硬件层之争和应用层之争：硬件层之争是英伟达和Google，应用层之争是OpenAI和Google。如果再往后推演一步，你觉得会有什么样的走势？

Google越强，越会形成一个反Google联盟；OpenAI越强，也会形成一个反OpenAI联盟。其实OpenAI诞生的初衷，不就是为了挑战Google吗？这是马斯克当年提出来的。

所以AGI不能只掌握在极少数一家公司或两家公司手中，也不能只掌握在美国手中，这样世界才会更平衡。

接下来依照全球大模型季报的惯例，我们来梳理一下现在的模型格局。有没有一些比较重要的观察？如果闭上眼睛，你最想传递的几个关键词是什么？

第一个是交替领先。第二个是Google和OpenAI两家公司的市值总和能到10万亿美元。第三个是2026年能看到下一代新范式的信号。第四个是AGI是马拉松，也是现金流之战，这个待会儿可以展开讲。

第五个是AGI时代的投资和创业策略，就是压注到技术成长最陡峭的地方：最领先的模型、最领先模型的技术溢出红利，以及最领先模型需要的算力。我觉得这是几个最强烈的关键词，我们可以一个个展开。

今天全球这几个top模型，包括GPT、Claude、Gemini，格局似乎依然没有稳定下来。你刚才也说了一个判断，叫交替领先。这个能不能展开讲讲？这会是一个常态吗？

6. 模型进入交替领先

未来一年，模型层面的交替领先应该会是竞争常态。这里指的还是全球最领先的三家模型：GPT、Claude和Gemini。

从营收角度看，年底差不多分别是210亿美元、90亿到100亿美元、50亿美元，总计差不多360亿美元的年化收入，占全球AI native营收的80%到90%。

我们预估，全球其他所有大模型原生收入加起来差不多400多亿美元。xAI的Grok可能在3亿到10亿美元之间，其实还是很小。所以还是最领先的三家模型拿走了绝大部分，因为这三家的技术和品牌都有很强的溢价。

哪怕你领先3%、5%或者10%，也可以通过放大效应多赚很多钱。这很像体育里的球员，为什么C罗、梅西在能力上没有比其他球员强几十倍，但赚的钱却比其他球员多几十倍。

我觉得最关键的判断就是，最领先的三个技术模型，GPT、Claude、Gemini，未来一段时间还是会交替领先。本质原因是，在现有范式下，也就是预训练加上强化学习，大家的know-how和方法彼此甩不开，人才在流动，信息也在流动。想真正甩开，就得等新的范式。

我内心觉得Google还没有显著领先，但xAI和Meta还没有真正进入第一梯队的牌桌，因为这两家的战略bet还没有那么清楚。

xAI和Meta也带来一个启发：模型公司不是护城河很高，而是进入门槛非常高，因为要靠资本和人才。前三家因为做得早，人才和资本的门槛都比较高。

交替领先的模型格局本身说明了什么？上一期播客的主题是“模型在分化”，这一次模型的主题是“交替领先”。你觉得这两个观点是替代关系，还是递进关系？

这两个不矛盾，应该是递进关系。过去5到6个月，模型分化更明显了，也验证了我上期播客的一些判断。

大家在通用能力上你追我赶，彼此甩不开，但都有各自的战略bet。比如Gemini 3在多模态上是断档式领先的，但在text、coding，包括agent上，差不多也追平了OpenAI和Anthropic之前的模型。它的text能力感觉像是优先级放后了，多模态战略放在前面。

再比如Anthropic的Claude Opus 4.5，依然是Coding、软件开发领域最好的模型。Opus 4.5依然被低估，因为它做的任务更长、更可靠，也更好，还更省token。我估计它后面还能解锁很多东西。

ChatGPT的bet，则是to C消费端依然断档式领先，差不多有4.85亿日活，可能是Gemini的五六倍。ChatGPT长期想做一个10亿到20亿日活的个人助理、个人朋友，这也是一个战略bet。他们会突出个性化能力。

所以你看，Google做多模态，ChatGPT做朋友，Anthropic做Coding和Agent，伊利亚的SSI或者Mira的Thinking Machines Lab去搞下一代范式。

模型分化带来的一个启发是，Anthropic专注to B、放弃to C，专注Coding和Agent，这个战略bet非常值得AI创业者学习。不然Anthropic早就在这么激烈的竞争中挂掉了。

大家在各自的战略bet之下，一定要做到鲜明的特点，都要围绕战略bet，以终为始，确定一个优化目标，端到端地优化模型。归根到底，还是优化数据。

你看，ChatGPT在C端体验明显比Gemini好一些，因为它对数据做了专门优化。Claude在to B企业或者知识工作者上的体验更好，本质上也是对数据做了优化。

你说Mira的Thinking Machines Lab代表新一代范式，这个范式指的是什么？

这只是猜测。伊利亚和Mira这样说，他们肯定很懂OpenAI未来的roadmap。两个人没必要再去追赶现有模型，肯定是想去押注下一代，不管是online learning还是continuous learning。

我觉得他们都有自己的路线和一盘大棋。

今天再去争夺SOTA模型的位置还有意义吗？意义是什么？既然大家都是交替领先，为什么还要秀肌肉？

我们就拿Meta来说。你再推一个SOTA模型，只是交一个作业肯定不够，还得有一个很牛的爆款产品，至少得达到ChatGPT这种量级，才算爆款。

只有这样，才能撑得起Meta明年1200亿美元的Capex投入。Meta现在账上现金大概500亿美元，明年利润可能600亿美元，但明年要投入1200亿美元。只有一个SOTA模型肯定是不够的。

而且今天的SOTA都是benchmark上的SOTA。我觉得Gemini 3和GPT-5.2都有很大刷分的嫌疑，很多模型分数很高，但很低能，也就是高分低能。

真正的SOTA应该用有多少营收、有多少客户、输出多少token来定义，而不是看benchmark榜单，还是要看有多少人用。

之前你在播客上有一个观点，说基础模型攫取了价值链的大部分价值。现在你还是这个观点吗？

还是这个判断。这里面有一个偷懒的类比，基础模型公司很像10年前的综合电商平台。综合电商平台scale SKU的时候，模型公司scale data，这个更容易。

模型公司最后想做好哪些能力，还是加数据。ChatGPT也好，Coding也好，就很像亚马逊早年卖书。它通过卖书拉通物流、仓储和用户，接下来再横向scale更多SKU。

今天领先的模型公司也是这样。你看它们都在努力做好Office里的PPT、Excel、数据分析，包括反向投研。基础模型公司scale data的效率更高，因为ChatGPT做chat也好、Coding也好，其实都拉通了full stack，整个data pipeline也比较好。

所以我觉得，理解基础模型公司的特点，尤其是未来半年模型公司内部演进的目标，非常关键。

这对投资和创业的意义很大：你到底是在做一个垂直电商，还是在做小红书？做垂直电商可能也能赚钱，但要退得很灵活。历史上没有很大的垂直电商平台，但小红书是在综合电商平台之上又构建了一层消费价值很高的内容资产。

所以今天我们思考Perplexity也好，Cursor也好，包括一些agent公司也好，它到底是垂直电商，还是小红书？今天还没有答案，大家都在探索期，这个比较有意思，也值得思考。

现在还太早了。今天这个时间点的特殊性在于，Gemini崛起了，大家会担心OpenAI会怎么办，会不会受到很大影响。你怎么看这两家公司的竞争？

核心观点是，Google加OpenAI的总市值能到10万亿美元以上。我对OpenAI现在比较乐观，觉得它被大幅低估了。

第一，OpenAI可能是过去20年里唯一一家有机会挑战Google的公司。微软其实都没有真正挑战到Google。第二，OpenAI还是今天最好的AI标的。如果OpenAI不配置、不投，其实其他标的的风险更大。OpenAI的人才密度，包括产品领先性，依然很好。

今年200多亿美元ARR，明年400亿到500亿美元ARR，哪怕你说multiple很高，也没有那么贵。第三，OpenAI仍然是最有概率继续做出下一代范式创新的公司，online learning或者下一代探索，它依然最领先。

现在资本市场担心的无非是财务亏损。我感觉财务亏损不用过度担心，因为过去几十年资本主义国家积累的财富足够多。今天除了AI还能投什么？我估计所有的钱都会砸到AI领域。

至于Google的竞争，我觉得Google也不会一家独大，因为这个市场不是零和博弈。Chatbot做出了很多增量市场，很像之前我们比喻的短视频和优酷的竞争。

我觉得Google和OpenAI会是比较好的组合，未来在C端平分天下。所以今天我觉得Google短期高估，OpenAI短期被低估。

Google这一波因为推出了SOTA模型，估值从18倍到19倍PE变成了28倍到29倍PE，本质是估值扩张。背后还有很多原因：GPT和Gemini在模型上拉不开很大差距，假设模型交替领先，那模型上都无法大赢。但GPT的产品和品牌优势很强，Google有生态优势。

OpenAI的人才整体略优于Google，产品sense和战略也更好。还有一个有意思的对比是，ChatGPT过去3年的增速远超微信当年。微信用了3年可能涨到4.5亿MAU，ChatGPT用了3年涨到14亿MAU，这个数字非常厉害。

ChatGPT现在日活大概4.8亿到5亿，Gemini现在只有9000万，日活大概还是5倍到6倍的关系。最终比例可能是七比三、六比四或者五比五，还不好说，但我还是倾向于判断ChatGPT长期会是第一，最终可能是一个10亿到20亿日活的产品。

Google的崛起、王者归来，还是会压制OpenAI的规模或者回报率。但还有一个关键判断：最终ChatGPT会不会融合传统搜索，吃掉传统搜索的广告份额？另一面是，传统搜索会不会融合Chatbot？

我不排除一种可能，ChatGPT会形成一套全新的搜索引擎，模型更快，个性化也更好，而且模型生成的内容还能被反复利用。ChatGPT的终局可能是一个信息分发融合的产品。

但这不代表Google不好。Google也有很多好的资产，Waymo很好，它还是SpaceX的股东，还有Ansmorphic（名称原音不清），它要治愈人类所有疾病。

我觉得Google和英伟达可能还是人类最快接近10万亿美元市值的候选公司。10年前大家不敢想象有万亿美元公司，就像今天不敢想象有10万亿美元公司。

未来可能有好几家10万亿美元公司。其实今天的公司从3万亿美元到5万亿美元，再涨到10万亿美元，难度远远小于市面上几百亿美元的公司涨到1000亿美元，也小于千亿美元公司涨到万亿美元的难度。

所以大公司有可能确实会变强，这可能是我们即将面对的趋势。但今天Google并不便宜，因为刚才说到它估值扩张的逻辑。

现在Gemini有一个SOTA模型，外界都觉得Gemini领先了。据你们了解到的实际情况，它的流量是什么样的？有没有变化？

Gemini 3在模型上显著进步，我觉得这是好事。如果它不进步，反而更担心。

首先，Gemini 3确实对模型格局产生了一些影响，因为Google第一次成为明显的SOTA。但反映到产品和流量增速上，Gemini 3对DAU的拉动，甚至还不如当时Nano Banana这个产品拉动得明显。

ChatGPT在生活助手上的心智非常强，很多人把ChatGPT放在手机首屏。我们上一期播客提到，Gemini更多还是在Web端做生产力。ChatGPT周末也有人用，Gemini很大程度上是周一到周五工作时间的“牛马工具”，比如做前端开发、做PPT。

数字上，Gemini的MAU大概是ChatGPT的20%到25%，但Gemini的DAU/MAU比例很低，只有10%。ChatGPT的DAU/MAU比例大概是25%，这其实是高频对低频。单月活跃次数，ChatGPT大概也是Gemini的3到4倍。

移动端ChatGPT的统治力非常强，活跃度比Gemini高很多，因为移动端才是生活助理的主战场。而且从地域上看，ChatGPT守住的是最高价值的地区：北美、欧洲这些付费能力很强的发达市场，都是ChatGPT的主战场，商业化根基很稳。

Gemini其实走的是农村包围城市的路，在巴西、印度、越南这些安卓主导的新兴市场，渗透率很高，MAU可能到了ChatGPT的三分之一左右。

从流量大盘来看，ChatGPT相对于整个Google搜索，从年初的95比5变成了85比15。ChatGPT已经不再是边缘流量，而是主流流量平台。

最近Google表现不错，你觉得根本原因是什么？你觉得Google今天的危机解除了吗？

我觉得Gemini 3肯定有刷榜，PR上也肯定做了很多工作。它确实在模型上SOTA领先了，大家不再把Google当成AI loser，不再把它看成诺基亚，而是把它当成AI winner，这是叙事的反转。

但我觉得长期危机并没有真正解除。未来AGI会怎样影响传统搜索和广告，这还不知道。

一种情况是，明年ChatGPT真的会吃掉很多传统搜索的份额和广告；另一种情况是Google自我革新，集成AI，继续做AI时代的王者。这两种走向还要持续观察和思考。

过去3年我们看到两个范式的演进，分别是预训练和强化学习。今天这个时间点，伊利亚说scaling结束了，现在进入研究时代。之前我们有一期播客也提前预言了o1的强化学习范式。今天你有没有看到第三个范式？有没有新的范式级跃迁？

7. 第三个范式浮现

Pre-training的scaling确实快结束了，但应该说online learning刚开始。

现有的范式，第一个是pre-training预训练，应该走到了70%到80%，还有空间，但投入很大。第二个是RL强化学习，走到了30%到50%的阶段，大家今天都在scale data。

在这两条范式下，格局可能不会发生翻天覆地的变化，头部几家公司彼此都比较清楚，加上人才和信息流动，其实都是明牌竞争。

最主要的原因还是预训练搞不出更多数据了。比如50T到60T可能已经是很多模型公司的极限，而且今天模型的激活参数并没有无限变大，反而在变小，稀疏度在变高。今天的趋势是走向一个很大的MoE架构。

我的感受是，OpenAI、SSI、Thinking Machines都看到了下一个范式，都在赌下一个大的范式创新。硅谷现在最热的是continual learning，很多人也叫online learning，本质上就是模型自主学习，学习效率更高，用更少的数据学得更快，在推理和交互的时候也在学习。

我觉得这是一个根本性的变革。移动互联网是在交互过程中沉淀数据，今天的大模型还是一个静态、冰冻、没有数据飞轮的产品，没有办法从每天的交互中吸取足够信息。它需要大量样本数据才能做预训练，才能学到东西。

为什么移动互联网比PC互联网大10倍？因为每天的交互过程中沉淀了互动，也吸收了用户偏好。我觉得online learning work以后，AI会吸收人的智能，从人类经验中学习。

新范式的成熟可能还需要一些基础设施成熟，比如更长的context，包括LoRA也是重要的东西。比如多个模型的并行采样，这些都可能是基础设施。

我们花了不少时间跟领先研究员聊下一个范式，大家都比较乐观。应该在2026年，比如夏天或者其他时间，能看到突破的信号。

这些新范式主要有哪些公司在主导？谁是其中比较领先的？

OpenAI还是遥遥领先，投入最大。其次是伊利亚的SSI、Mira的Thinking Machines。这也是我比较看好Thinking Machines和其他new labs的原因，大家都有自己的一盘大棋。

Anthropic是OpenAI最早的scaling团队，伊利亚是最早的pre-training团队，Thinking Machines则是原班ChatGPT和post-training团队。这几个团队都很强。OpenAI即便在分崩离析了三四次之后，依然很强。

Google今天应该还没有整体top-down地做online learning探索，可能还是独立研究员在个人探索。

那我们什么时候能看到SSI和Thinking Machines Lab的主要产品？

我觉得2026年应该能看到一些东西。

为什么你觉得online learning特别重要？

这里有一个悖论：大家提的机器人、世界模型，甚至多模态，可能很多都是假问题。Online learning可能才是唯一重要的真问题，也就是模型自主学习，学习效率更高。

只有这个突破了，其他问题才是本质上的解决。因为最重要的还是泛化性。如果不泛化，后面还是走自动驾驶的老路，有多少人工就有多少智能。

所以有一个很大的概率是，未来机器人和世界模型的突破，不一定来自今天在座的这批人。今天在座的这批人，有可能会得到和上一代NLP一样的结果，这确实是一个判断。

机器人最大的问题还是不泛化。没有泛化，就要像自动驾驶一样做10年，一点点采数据。我觉得下一代范式对现有格局影响很大，所以理解技术、每个季度review之前的观点，还是很重要的。

你能不能更形象地解释一下这3个范式，从pre-training到RL，再到online learning？

我们团队里有3种比喻。

Pre-training的预训练数据像石油、化石燃料，量非常大，但总量有限，现在已经用了70%到80%。RL强化学习的专家数据，是蒸馏人类专家的数据，像新能源，有用但总量比较小。所以出现了Surge AI、Mercor这种专门帮助招聘人类专家的外包公司，收入也在快速增长。

Online learning的比喻是核聚变。核能还没有突破，但如果突破了就是无敌的，人类就进入硅基时代了。

你觉得一定会出现所谓的第三个范式吗？会不会AI的技术跃迁就此终结？

可以从基础设施成熟的角度去理解。技术在向前发展，突破可能只是时间问题。

过去3年，GPU出货量、每个研究员手上拥有的算力，以及研究员的能力和数量，都在爆发式增长。这很像好莱坞，整个工业化创作体系形成了，持续做出新的作品就是时间问题。我觉得这是有因果关系的。

这也是做这个播客很大的一个意义：要有passion，去鼓动中国科技公司多买卡，给年轻研究员更多搓卡的机会。

为什么伊利亚诞生在硅谷？因为硅谷的大厂很早就做长期投入，没有计算短期ROI。如果中国大厂多投入、多买卡、培养人才，中国的伊利亚、下一代伊利亚，大概率未来3到5年一定会出来。

现在已经有很多年轻研究员有这个苗头了，而且都很年轻。

我最近聊下来，觉得大家对于AGI的故事似乎都出现了现实主义的回归。你一直在鼓吹AGI，今天对于AGI有没有进一步思考？你还相信AGI吗？

8. AGI回到数据现实

这是一个比较重要的问题。过去半年，我们认真花时间研究了给frontier model做数据标注的公司。最大的体感是，如果模型的数据分布里没有这类数据，这类任务就不work；只有压缩过这类数据，这个任务才work。

所以你会感觉，今天的模型还是一个巨大的压缩器，数据太重要了。它们都需要很多冷启动的激活数据。

今天模型在知识层面已经超过绝大多数人，但agent没有见过真实工作环境，所以还要找大量人类专家真实工作环境的数据。比如打印店店员怎么操作Photoshop，销售人员怎么操作CRM、Salesforce，银行柜员怎么使用系统，皮肤科医生怎么看病。

这些都要蒸馏人类金牌级别专家的数据，然后再进行RL training，pattern才能泛化。你会突然感觉，这很像自动驾驶。AGI要处理的长尾数据量很大，而解决长尾问题需要很长时间。

之前大家有句话叫模型级产品，但后面其实还有一句，叫数据级模型。模型级产品，数据级模型，这是一个很强烈的感受。

关于AGI，我们听过一个rumor，Sam最近在内部说，先忘掉AGI这个词。当你搞明白模型公司怎么弄数据之后，会发现大家都在花很大力气搞数据。这让我对AGI所需要的时间预期拉长了一些。

Agent落地需要更久的时间，但在局部的知识工作者群体里可能会很快，比如Coding。现实一点说，围绕知识工作者，局部实现L3或者L4的体验是能看得到的，比如ChatGPT做信息获取、Coding Agent、Office的PPT和Excel Agent，以及投研Agent。

围绕知识工作者，还能挖出更多像Coding一样的金矿。所以结论是，局部的L3、L4确定性非常高，但很难整体到达L4。即便是现有的两个范式，也就是预训练和基于标注数据的RL，我觉得也有可能让AI系统比绝大多数白领和知识工作者效率高很多，这同样有很高的经济价值。

但能不能真正吃到工资预算，大规模解决人类的高价值工作，我觉得不好说。

如果这个周期拖得比较久，就是烧现金流的现金流之战。如果这样，Google自己很有优势，Meta投入太大，我觉得不好说。那Anthropic就是一个棋子的价值。

我们相信OpenAI还是能融到非常多钱，因为美国资本比较充裕。

这些frontier lab是不是都要走向垂直化、走向分化？

我觉得分化会更加明显。在自己的战略bet之下，会做到更极致。

所谓通用chatbot、通用agent，可能是一个伪命题。我觉得应该在通用能力基础之上做自己的分化，在垂直场景里找价值，在某一类场景里找价值。

比如ChatGPT做朋友，Anthropic做co-worker和Coding Agent，Gemini做多模态助理。大家都要向下优化各自的数据。

我们来聊聊投资，你的主业。基于现在的认知，你的投资策略有没有变化？

9. 投资押注技术主线

简单说，AI投资就是押注技术成长最陡峭的地方，围绕主线。

第一，投全球最领先的两三家模型。这很像当年投电商平台，其实不存在小而美的垂直电商。

第二，投最领先模型需要的算力和硅基基础设施，就像宁德时代和英伟达，都是一类公司。大家还是低估了这个趋势的规模。

第三，投最领先模型技术溢出的红利。肯定还会有更多类似Proprietary Cursor、Moccur（名称原音不清）这样的公司，从技术溢出的夹缝中快速冲到几百亿美元，往大了说，可能还有拼多多和TikTok这个级别的机会。

拼多多的本质是，中国电商的基础设施非常好了，物流、交通、微信流量、供应链、支付都成熟了。我觉得AI基础设施今天正在走向成熟。

今天的投资策略里，一定要关注几个大的平台：ChatGPT、Google Gemini，还有字节。还是要理解平台的逻辑：平台能做好什么，平台做不好什么。

我觉得这几家大公司再涨3倍到5倍，概率更大，而且是简单题。但平台没做好的、有漏洞的一些地方，也很重要。

今天这个时间点比较关键：站在今天，未来3年的BAT到底是什么？通过深度研究，可以找到爆发性的机会。研究真的可以做得很深，应该成为核心策略。

我觉得你是研究型驱动的投资，不是人脉型驱动的投资。

两者都重要。但回到AGI的投资策略，只押一家风险也很大，最好投多家，因为大家会交替领先，技术变化太快。

最好的方式是有一个篮子。确实很难最终判断哪一家是稳定的，哪一家只是阶段性领先。今天我们觉得OpenAI非常好，中间有一段时间又觉得Google非常好，最好还是有一个组合。

你现在理想中的AGI index有变化吗？上一期播客应该是40%的OpenAI、40%的字节、10%的Google、10%的Anthropic。

现在是25%的OpenAI、25%的字节、10%的Google、10%的Anthropic，再加10%的英伟达和台积电，每家都放一些，多了英伟达和台积电。

你觉得英伟达还没见顶？

我觉得英伟达今天是被低估的。Google起来了，你觉得英伟达会跟OpenAI怎么样？我觉得还是会交替领先。

好，我们这个不作为投资建议。

还有一个点，ChatGPT发布刚过3周年。今天要想未来3年，重要的范式和winner到底会是什么样？所以这些new labs，不管是SSI还是Thinking Machines，都应该好好考虑。

马上就要迈入2026年了。作为投资人，你最期待什么？接下来一年愿意投哪些主题？

最重要的还是希望2026年能看到下一个核弹级别的范式突破，比如online learning。如果这个突破了，可能会带来更加主动的agent，产品形态也会发生变化。

还有一个重要的事情，是豆包手机这个例子。我不知道豆包手机最后会怎么样，但它带来了很大的启发和思考，叫agentic web。我觉得这才是真正的Web3，终于有了一个power，让创业公司或者新公司有掀桌子的机会。之前几年是很难的。

这是一个流量短路、极具颠覆性的东西。2026年围绕知识工作者，可能会有很大的机会，尤其是Coding。多模态进步也会很快，有可能是一个多模态大年，多模态对整个技术架构也会有很大影响。

你刚刚提到agentic web，能不能展开讲讲？

如果agent成为流量入口，对今天的super app、Google Search、手机厂商影响都很大。

这其实是流量的终局之战，本质上抢的是流量分配权。如果agent真的能像助理一样不限量运转，那对Uber、携程这种公司影响很大。

我觉得这是一个颠覆性很强、可以掀桌子的技术点。

你花时间在硅谷比较多，能不能给我们讲讲最近湾区的一些重要趋势？

有几个感受。

10. 硅谷进入新实验室时代

第一，模型即产品，数据即模型。第二，一横一纵：横向蒸馏人类专家知识，纵向搞下一代范式。硅谷也出现了很多new labs、新的实验室。

过去半年，硅谷的机器人进步也不错。待会儿我们还可以聊聊硅谷主要AI公司从上到下的ARR增长情况。

“模型即产品，数据即模型”有什么可以展开的吗？

过去几年最大的体验升级还是来自模型升级，模型升级本质上都是数据升级。

Google之所以多模态强，还是因为弄了很多真实多模态数据，比如图像等。Anthropic的Coding强，本质上是有最高质量的代码数据。OpenAI更注重模型的性格，或者拟人化朋友这些。

Sora更重视内容的传播性，C端很强。Google的Vivo（名称原音不清）更注重创作者体验和生产力。这些其实都是模型训练最初的数据分布决定的。

这里面对创业者最大的建议是：除了通用能力，想做好AI产品或模型产品，一定要向下做好数据。你到底有哪些差异化的数据base？这是最关键的。

数据怎么获得也很重要：有多少人工，有多少智能，有多少最高质量的专家、金牌级别标注员来采集数据，我觉得这是最关键的。

你刚才还说了一个观点，叫一横一纵。我想到以前大家会担心OpenAI成为一个大一统的入口、流量中心，成为AGI时代唯一的一个大入口。今天看，你觉得这应该不可能了？

不是没有这种概率，只是大家觉得它的垄断性不会那么强，而且似乎会有很多层级的入口。之前姚舜宇有一个观点，世界不是单极的。

手机厂商明年可能也是一个重要主题。

一横一纵能不能展开讲讲？

横向就是蒸馏人类专家知识，拓宽更多行业领域。这样做，AI的上限也可能很高。Anthropic觉得这样做就能到AGI，超过绝大多数知识工作者。

纵向就是下一代范式，也就是刚才聊的online learning。纵向突破之后，memory这个问题会解决，边推理边学习，有交互，甚至会出现新的硬件。

尤其是AI产品会更主动，可以always on，在后台帮你准备、联想很多东西，这也包括交互形态的变化。

ChatGPT今天必须prompt之后才会回答，不会主动思考，每次提问都要从头推理一遍，而且推理过程中还没法学习。

最近OpenAI的Mark Chen在一次访谈中说，他心中的下一代产品应该是记忆能力大幅提升。用户的AI会从用户提问中学到用户深层次的问题和经验，下次用户提问时，它已经做了很多反思，甚至准备、联想了很多东西，越用会越聪明。

在这种情况下，更聪明、更主动的agent可能也需要适配的硬件和交互方式。

硅谷最近出现了很多new labs。不止我们知道的SSI和Thinking Machines Lab，能不能给大家展开讲讲这些lab的分布？

最领先的肯定还是SSI，也就是伊利亚在做的，方向是模型自主学习。现有范式都是预测下一个token，他可能想预测更长的逻辑。

Thinking Machines刚才也提了，可能有一盘大棋。

还有OpenAI的post-training lead Liam出来做的Periodic Labs，做材料大模型，应该说是做室温超导。Liam是OpenAI之前post-training的lead，在Mira、Barrett他们离开之后，一度做post-training负责人。他的另一位联合创始人是DeepMind化学模型的负责人。

材料大模型相比医药大模型，材料实验反馈周期更短，模型做RL的整个周期也更短。但什么时候出结果，现在还看不到。

还有做Multi-Agent方向的Isara，创始人也是OpenAI出来的Eddie Zhang。它做的是群体智能，训练multi-agent所需要的各种环境。

还有一家xAI出来的公司（名称原音不清），更像是做有同理心的模型，比较像早期Inflection的方向。

General Intuition是一个世界模型方向比较有意思的公司。它以前是游戏集锦、高光录制平台，积累了38亿个游戏片段。这些记录全都是用户在游戏过程中的高光时刻，天然获得了用户标注的高质量操作和反应数据。

还有英伟达最近投的Reflection（名称原音不清），像是美国版的DeepSeek。因为现在中国开源模型充斥着美国各种企业，很多人认为不能过度依赖中国开源模型，所以要扶持一个美国开源模型来填补这个空白。

关于机器人，你有什么洞察吗？

从时间上看，过去一段时间发了很多东西。ChatGPT火了之后，很多人出去创业，都想做机器人领域的OpenAI，比如Pai（名称原音不清）、Sunday（名称原音不清）、Generalist。我觉得这3家比较好。

大家出去创业了一段时间，陆续发布了一些东西。当然还有做硬件的，包括1X、Figure。过去半年基本是大家集中交作业的时候，所以比较热闹。

硅谷公司比较重视能力上限的突破，中国公司更务实一些。这里面关键的还是数据，数据仍然是壁垒和差异化所在。

比如Google和PI有遥操作的真机数据，Sunday Robotics用手套和众包的方式采数据，Generalist也是用手套采了大量真机数据，宣称有27万条数据，是目前最大的真机数据集。

世界模型和YouTube的数据，也正在成为机器人训练数据的重要来源。还包括跨设备数据马上可能可以cross复用。

之前大家还关心机器人的场景用在哪里。今天我觉得主要还是两个场景：一个是叠衣服，一个是冲咖啡。但除了这两个以外，还没有大规模泛化。

另外，大家可能更重视硬件了，甚至有研究员觉得硬件可能占成功要素的70%到80%，所以越来越多算法公司开始做自己的硬件。

机器人公司实在太多了，你最看好哪几家？哪些是值得关注的？

大公司里面最好的还是Google和Tesla，一个做大脑，一个做本体硬件。

创业公司我觉得最好的有3家：一家是Pai（名称原音不清），Pete Andy（名称原音不清）他们的公司；一家是Generalist；还有一家是Sandy（名称原音不清），Tony 子豪（名称原音不清）他们的公司。

PI首先是团队非常强，你知道它长期的vision是什么，就是机器人领域的大脑。它的research文化非常好，是世界级的。最近发布了一个ReCAP强化学习框架。

这个框架的核心，是验证机器人执行任务的鲁棒性。每一步都有一个模型打分，判断这一步到底是0.7分、0.8分，然后不断优化。它加入了value function或者credit assignment，就像下棋一样，知道每一步什么有利于成功，什么会导致失败。

能够从成功和失败中学习，我觉得是一个很重要的进步。当然今天它的学术属性还更强一些。

第二个是Generalist，也是Google出来的团队，口碑和能力都很好。重要的是，他们宣称发现了机器人领域的scaling law，有27万条真机数据。因为有真机数据，它的流畅度和丝滑性比以前好了很多。

它的scaling law也很有意思，和模型参数有关。7B以下，如果增加很多好数据，效果提升很有限；但参数超过10B之后，增加数据对模型效果的提升就非常好，而且变得可预测了。

这还是一个值得重视的信号。

Sandy（名称原音不清）改造了umi机械手，用手套的方式，就可以低成本、大规模采集家庭数据。我觉得他们比较有想象力，想直接进入家庭做家务。他们说采集的数据利用率也比较高。

还有一些公司叫Dyna，我觉得比较务实，做叠衣服、叠纸巾，希望先把这些场景做好。丹纳（名称原音不清）可能不像另外几家在AI research上那么酷，但运营能力比较强。

当然不能忘了Google。Google还是综合能力最强、得天独厚的公司，因为底层有Gemini很强的多模态能力。大概就是这几个名字。

它有整体基座模型的优势。

是的。

机器人现在进步很快，你觉得它处在什么阶段？离所谓的GPT-4时刻还远吗？

离GPT-4还有挺长的距离。今天可能处于GPT-0.5到GPT-1的时刻，未来两三年可能到GPT-2到GPT-3的时刻。

今天架构、数据和方法都还没有收敛，这和语言模型不一样。语言模型已经比较收敛，大家的pre-training方法和数据都比较一致，是先统一再分化。

机器人是一上来就分化的，因为它不像语言模型，没有统一的基础，也没有统一的硬件。同时，多模态进步和各种人才涌入，每个团队都有自己的bet，所以今天机器人还是百花齐放。

我估计再跑一段时间，技术路线可能才会收敛，但场景和方向仍然会有不同的分化和bet。

你刚才说可以分析头部公司的ARR增长情况，那就分析一下吧。

先说一个结论：越头部的公司越便宜，越头部的公司越没有bubble。反而有bubble可能的是后面的某些公司。

从上到下数，OpenAI可能是200亿到210亿美元，Anthropic可能是90亿到100亿美元。其中Cloud Code（名称原音不清）已经公开超过10亿美元ARR，Cursor也已经超过10亿美元。

数据标注的两家公司Search AI（名称原音不清）和Mokr（名称原音不清），都超过10亿美元ARR。Midjourney公开信息是7亿到8亿美元。还有Together AI，做serving，大概有3亿美元。

接下来后面的公司可能都少于3亿美元。比如Glean，企业搜索，可能有2亿到3亿美元；Replit，做Web Coding，可能有2亿到3亿美元。

声音公司ElevenLabs可能接近3亿美元ARR。前端建站的Lovable，可能有2亿多美元。医生版的ChatGPT、OpenEvidence，大概有1.5亿美元。还有数字人的Synthesia，大概有1.5亿到2亿美元。

包括Fireworks AI，大概有1亿到2亿美元；医疗公司Abridge，客服公司Ciera（名称原音不清）；Harvey可能也有1.5亿到2亿美元，黑镇（名称原音不清）可能有1亿美元以上。

我们回头可以把整理的图贴到播客后面。

我们之前总在聊这些硅谷公司。对于国内的豆包、千问、元宝、DeepSeek、Kimi、MiniMax、智谱，还包括Minus（名称原音不清），你有什么想说的吗？我们听说豆包已经超过1亿DAU了。

11. 中国AI走向全球竞争

豆包今天的表现还是超预期的。但豆包今天的模型完全不代表真实水平。

为什么？

我感觉它的人才密度比较高，可能再出来一个frontier model，就会改变所有人对豆包模型的印象。很多人说豆包今天的模型不够，配不上它的能力。

我觉得可以期待一下2026年豆包的新模型，它的领先性还是比较强。可能2026年会是中国C端Chatbot竞争的关键窗口。

今天还没有分出胜负，对吧？腾讯和阿里肯定会激进地做，2026年大家在投放和宣传上的动作应该会很多。也就是这几个大厂在卷流量入口？

其他公司也要有各自的battle。2025年，很多独立模型公司都在学Anthropic，要么做Coding，Kimi在学它；要么学Minus（名称原音不清），做agent。

你觉得可以预见的，模型下一个胜负手是什么？

我觉得有两个。

第一个是产品上端到端的战略bet。比如Anthropic押注Coding，给自己找到了一个战略生态位；ChatGPT也是端到端押注C端的产品，所以体验比其他产品更好。

第二个胜负手可能是下一代范式，看谁先做出来。online learning如果work，模型就会变成更主动的agent。模型自主学习work之后，最后就是加算力的问题了，它可以跑得很快。

中美的AI叙事，过去一年发生变化了吗？我们聊聊中美AI产业，你对它们整体的体感差异是什么？

资本主义只追求最极致的东西，资本驱动、数据驱动或者token驱动。资本家只奔着金字塔的塔尖去做。带来的缺点是，美国的产业空心化很严重，制造业比较空心化，贫富差距也比较大。

你会发现，美国能造出来的东西很少。以巴菲特为代表的资本家只追求回报率，以蒂姆·库克为代表的职业经理人为了迎合资本家，把制造业转移到中国。我觉得这是造成产业空心化的很大原因。

所以你在湾区待久了，就会有一个感觉：美国的制造业就是印钱，印出了无数美元和美债，这些美元和美债今天都投到了AI方向。

如果AI成功，美国会非常强；如果AI遇到一些卡点，短期挑战肯定还是有的。

这很像当年的美苏争霸。中国像当年的美国一样，猫在后面，把美国的frontier创新从0到1做产业化。

电动车、智能手机、3D打印机、运动相机，很多东西都是硅谷从0到1发明的，但中国后来居上，占据了很大的市场份额。一个很大的原因是，硅谷做出来之后主动放出来，又去追求更高阶的创新。

坏处是产业空心化很严重，只剩下一个空中楼阁。所以我觉得，AI真的会决定中美未来的战略格局和竞争力。

华人创业者在这一波AI浪潮中非常强劲。你对他们有哪些建议？

第一，要坚定地做全球化市场，尤其是高付费能力的美国市场。美国能贡献收入的60%、利润的70%到80%。

第二，一定要用好中国的人才工程师红利，不要放弃中国的人才红利和产业优势。淡化身份、淡化地缘，做好产品本身。

一定要用好华人的人才优势，这是最关键的要素。华人创业者也要更自信，不用很别扭地非要把自己包装成海外公司，说自己是美国公司、新加坡公司，实际上团队100%都是中国人。

做好产品就是王道，自强则万强。

第三，真的想拿硅谷一线VC的钱并不容易，因为信任链很难。比如在我们这个圈子里，大家都知道你很牛，也都支持你，但你去给老外证明，有时候比较难，因为没有信任链。

中国VC也是重要力量。早期发展时能拿什么钱，就多拿一些。

客观来讲，中国创业者做美国市场，遇到的困难肯定比硅谷当地创业者更多，要克服身份、地缘这些问题。我们也挺讨厌那些说不投中国背景团队的美国VC，但没办法。

还是自强则万强，把产品做好，拿产品说话。做大之后，总有人会帮你解决各种问题。

为什么你希望推动中国有一个硅谷？

我一度觉得，中国有一个硅谷，意味着有很多从0到1的创新。移动支付、二维码、直播、微信、O2O，中国一度有很多从0到1的创新，大家都很自豪，美国投资人还经常来中国学习。

我是2011年读大一。那一年电商和双十一刚开始起来，双十一快递堆满学校门口，给了我很大的震撼。后来又有各种O2O、跑腿的生意。再后来我到红杉做投资，看到了很多中国从0到1的创新。

那时候的创新氛围蛮好。我觉得这种创新氛围现在只能在硅谷感受到了。

坦白说，过去几年中国的硅谷和美国的硅谷相比，差距有点拉大了。我觉得很大的原因是资本过于偏激，市场化的民间资本太少。

我们团队统计了过去3到4年里诞生的AI应用公司，全球长到独角兽的可能有100多家。做应用的公司里，中国团队我现在只能想到三五家，这个比例比互联网时代少太多了，非常可惜。

这不包括大模型，对吧？

不包括大模型。

我觉得中国的人才优势还是很强的。这一批95后、97后、98后非常优秀，但很多年轻人做从0到1的高风险创业和创新，需要VC风险资本去投资，因为创新的失败率很高，VC本身就是一个风险生意。

很多创新是从边缘市场冒出来的，需要风险资本支持才能做起来。我当然希望中国能有比今天多几十倍、甚至几百倍的VC资本，支持各种创新，这样年轻人的想象力才能被激发出来。

所以我希望各类资本都更充裕一些，多支持年轻的、有想象力的创业者。

你对华人团队的长期发展有什么期待？你觉得3到5年之后，全球最领先的AI公司会是华人团队做的吗？

3到5年后，全球最领先的AI公司如果是华人背景团队，这个概率之前可能是0%到5%。现在我觉得到了20%。我也不知道听众内心是一个什么样的概率。

核心变量是，华人的人才基础非常好，但今天只有人才这一个关键要素。此外还需要资本、算力和创新环境。

另外也要看对“最领先”的定义。如果规模和营收都是最大，人才竞争力最强，我觉得有可能是字节。

我希望未来中国还能有10个字节这样的公司，做好全球化的跨国业务，营收、技术和人才竞争力都能比肩甚至超过美国的Meta这样的公司。

Google、Meta没有中国市场，但中国公司能把中国市场和全球市场都做好，那肯定是最好的。也希望未来中国公司的叙事和定价能更好一些。