张小珺
哈喽，大家好，我是小俊。今天给大家带来的是全球大模型季报的第九集。
这一集的情绪十分复杂。一方面，你会看到正在急速进化的 AI 革命：Coding 把 AI 从聊天机器人 Chatbot 的第一幕，推向了能够干活的 Agent 第二幕。研究员们已经开始不再亲自写代码了。广密带来的核心判断是，Coding 是新的 AI 加速器，正在加速 AGI 的实现；领先的 Coding 模型就会像领先的 GPU。
另一方面，社会层面随之进入了白领通缩与失业的窗口期。整个社会准备好应对这么急速变化的 AI 革命了吗？2026 年，期待我们和 AI 共同进步。
你相不相信 Code 可以表达数字世界的绝大多数任务？因为自然语言是对世界的描述，Code 是对 Solution 的描述，就是“语言即世界，代码即方案”。如果领先的模型公司不重视 Coding，它大概率会掉出第一梯队。
过去三年，你有时候会觉得 OpenAI 无敌，三四个月前又觉得 Gemini 王者归来，今天是 Anthropic 春风得意。我感觉每个公司都有自己的窗口，各领风骚一百天。今天胜利的秘籍，可能就是下个时代的毒药，对吧？OpenAI 在 ChatGPT 上过于成功，让他们专注 To C，而忽视了 Coding。
张小珺
今天是《全球大模型季报》的第九集。过去三年，我和广密一直在用季报的形式记录大模型的技术进步和趋势走向。从 2023 年到 2026 年，一直追踪我们的听众会发现，很多季报里的内容都慢慢变成了现实。
最近感受最深的，就是我们去年季报里一直在说的“Coding、Coding、Coding”。今年它就像海啸一般涌来了，感觉有点猝不及防。站在 2026 年第一季度，广密，你有哪些突出的感受？能不能先带领我们感受一下本集季报的概览内容？
广密
过去一个季度，变化实在太快了。希望我们的季报能够传递一些最新的洞察和思考，帮助大家更好地理解 AI，也提前应对好 AI 海啸的冲击。
今天主要聊几个方向。一个是给大家传递一些在硅谷的体感和观察；第二部分是分享一些对 Coding 变化的最新理解和认识，为什么 Coding 是今天的主线任务；第三部分是讲一讲硅谷核心的三家模型公司，尤其是战略、组织和文化；也可以讨论未来模型的终极形态会是什么，为什么是操作系统。后面还可以聊一聊对社会的潜在影响，包括失业、通缩和投资这几个方向。
张小珺
去年我其实还有点担心，大模型的技术进步曲线会就此放缓，会不会 2026 年有点无聊？但是刚刚过去的第一季度，感受是完全相反的。很多人都会反馈，感觉有点跟不上了。
你觉得过去一季度，哪些事情最值得给听众朋友们划重点？
广密
我觉得就一件事。过去一个季度最本质、最关键的一个转折点，就是 Anthropic 的 Opus 4.5 到 Opus 4.6 这个模型的跨越。我觉得这算是一个从 GPT-3 到 GPT-4 水平的、跨时代的提升，让我们从 Chat 问问题，变成了真正的 Agent 模式，可以做高价值任务了。
因为你做的任务的价值量提升了，所以它的价值就提升，UC 值也在提升。我的体感是，过去一个季度模型水平进步的幅度，可能超过了 2025 年全年的进步幅度。包括 Anthropic 和 OpenAI 这两家，都会有新的模型，Miso 和 Spark 马上要发布，对吧？我觉得这两个是真正的 GPT-5 时刻，之前还不算。
张小珺
之前我感觉 OpenAI 的 GPT-5 一直跳票。Opus 4.5、4.6 已经有这个意思了，对吧？
广密
我感觉像半代。可能接下来的才真正算是跨上了 GPT-5。过去的模型，你可以跟它 Chat，可以对话、问问题，可以联网搜索；但今天是 Agentic 能力上来了，可以帮我们做复杂任务，复杂任务的高价值量就上来了。
而且我感觉加速度特别快，有可能今年夏天，六七月份之前，可能还有一个 GPT-3 到 GPT-4 的跨越。即便 Anthropic 和 OpenAI 新的 Miso 和 Spark 很强，他们的下一代可能更强，因为下一代也已经开始训练了。
所以过去一个季度的推背感非常强。我感觉 AI 的拐点时刻应该已经到了。以前我们还觉得 AI 挺遥远，但是现在身边有些朋友也觉得，两年内 AI 肯定就实现了。
张小珺
你对硅谷一线的生态很熟悉，有哪些真实的 Case 可以跟大家分享，让大家更有体感地感受到这种真实的代际跨越？
广密
我觉得硅谷这边一线的体感，可以说一些 Case，让大家更好地体会到：你在这边认识的朋友，包括前沿实验室的 AI Researchers，以及很强的程序员，他们基本上不写代码了。
去年一个系统当中可能还有七八成的代码是人写的，今年可能已经小于 1% 了。大家日常的工作，就像 Leader 或者教授带着学生、带着 Team Member 去工作一样：AI 来写，人来审。可能人来审的能力都不够了。
今天 Claude 和 Codex 在很多任务上，其实已经到了很多公司的 CTO 或者首席架构师的水平，对标一个 Meta 的 L8 或者 L9。你看它开发一个 Feature，可能两三次迭代就跑通了。
我们认识的身边的人，基本上每天都消耗几百美元的 Token，一周几千美元，这个量还是挺夸张的。它带来的效果就是，过去做研发和做研究，从一个想法到代码跑通，可能需要两三个星期；现在可能只要一两天、两三天。这是一个大幅加速，Coding 和 Agent 已经变成 AGI 加速最关键的要素之一，可能仅次于 GPU 本身。
还有一个特别有意思的现象。有朋友跟我说，最近很多 AI Research 上的突破，不是人类工程师带来的，而是 Codex、Claude 带来的。我觉得这是一个更质变的信号：AI 今天可以显著地加速 AI，而且带来一些突破了。
以前你解一个很难的数学题，可能要解半天；今天 Codex 帮你解，可能很快。不是每个人都擅长解题或者 Debug，但它对其他领域的研究加速也很大。
比如做多模态的朋友说，他们以前做一个多模态模型，整个数据迭代可能需要一两个月；现在基本上几天或者一个星期。Coding 加速以后，你会发现对多模态研究的加速也很大，整个数据处理的 Pipeline 提效非常快。
主要的变化就是，模型处理数据的效率比人高。还有一个一线的体感是，Anthropic 过去 50 多个工作日发了 70 多款产品和 Features。这个在互联网时代好像根本做不到。我估计大家可能在网上都看到过那张图。
所以 Coding 是过去一个季度最关键的关键词。它会让最顶尖的 1%，甚至千分之一的人，生产力放大几十倍。我觉得这是一个很大的变化。
张小珺
你觉得 Coding 和 Agentic 带来的变化这么大，给这几家公司在营收上带来显著的变化了吗？
广密
我觉得这是一个更有意思的事情。Anthropic 已经官宣说 ARR 超过了 OpenAI，对吧？但更重要的是，它头上的一两百万用户贡献的收入，可能超过了 OpenAI 五六百万订阅用户贡献的收入。
之前你觉得 ChatGPT 在 C 端已经赢了，但你发现 C 端好像没有 Coding 或者 Agent 这个市场大。所以今天我感觉更有意思的，不再是只追求 DAU 或者广告规模，而是追求 Token Usage 这个指标，尤其是超级开发者或者塔尖用户。这个感觉更重要。
Coding 的爆发性，我感觉比 ChatGPT 当年还要陡峭。如果这个势头持续下去，年底 OpenAI 和 Anthropic 的 ARR 有可能达到 800 亿美元或者 1,000 亿美元，明年可能就奔着 2,000 多亿美元去了。它们两个已经成为新时代的 Magnificent Seven 这种公司了。
如果明年做到 2,000 多亿美元的 ARR，给个十几倍的 PS，好像也非常合理。历史上几乎没有出现过两家公司齐头并进，在这么短的时间内做到千亿美元营收。
Coding 的 Run Rate，过去两三年就超过了 Google Cloud 做了可能 17、18 年的规模。Google Gemini 的规模其实也很大，所以你看模型的 Revenue 增长是非常陡峭的。
张小珺
听起来，Coding 是智能的一支非常重要的推手，突然让很多不可能的任务都变成了可能，也让产品形态从 Chatbot 走向了 Agent。
我们去年 Q1 的播客就在聊 AGI 的主线任务。当时你一直在说“Coding、Coding、Coding”，去年也跟很多人去说 Coding。你觉得当时你对于 Coding 的理解已经足够深刻了吗？今天你对于 Coding 的理解有什么新的变化？
广密
新的变化可能更多是几个强观点或者视角。
第一个观点是，你相不相信 Code 可以表达数字世界的绝大多数任务？因为自然语言是对世界的描述，Code 是对 Solution 的描述，就是“语言即世界，代码即方案”。
语言和代码都是高度浓缩的抽象，而且覆盖范围非常广。如果这个假设成立，Coding AI 做好了，是不是就可以把白领知识工作者的大部分任务自动化？今天我们在办公室电脑上操作的大部分工作任务，基本上都可以被自动化了。这是第一个观点。
第二个观点是，如果领先的模型公司不重视 Coding，它大概率会掉出第一梯队。而且不存在只给自己用的 Coding Model，因为你自家的任务数据分布是不够全的，肯定是落后的。
如果你作为一个领先的模型公司，过度依赖 Anthropic，一旦你做到第一梯队、对它有威胁了，Anthropic 大概率会给你断供。OpenAI 被断供了，xAI 也得被断供，可能 Google 大部分也会被断供，说不好哪一天 Meta 也要被断供。
Coding 可能和 GPU 是一样的。所以 Coding 不只是一个行业，也不只是一个应用场景，更不只是一个产品，它反而变成了 AI 整个路线图中的一个重要加速器。
我觉得它应该是当下最主线的任务。你没有最领先的 Coding Model，就像没有最领先的 GPU。你用 A100，跟别人用 GB，差别是很大的。还是要追求先进生产力，不然你在研发上就是很落后的。
第三个观点是，Coding 很像亚马逊当年卖书。你借助卖书，把所有的仓储、物流、用户、供应链都拉通了，然后再横向扩展其他 SKU，这样就很容易。
从长期来看，Coding 又只是 AGI 实现之后很小的一部分。因为 AGI 自动化了全球大部分 GDP，Coding 更多是在整个 AGI 实现中起到加速和打样的意义。
之所以 Coding 最先跑出来，还是因为反馈闭环最短，整个 Feedback Loop 最清晰。过去几年，AI 跑得最快的地方，都是 Feedback Loop 最清晰的地方。
第四个比较有意思的观点是，Coding 在整个 AGI 的历史进程中到底处在什么位置。
第一幕是 Chatbot。ChatGPT 让模型可以对话，也可以联网搜索，但整个商业价值还是有限。第二幕今天走到了 Coding Agent，Agent 帮我们直接完成任务，本质上是能帮我们干活了，进而还可以加速整个 AGI。
或者说，Coding Agent 可能已经实现了 AGI 的 90%。我觉得好像也不用什么范式创新，就可以把大多数知识工作者的任务自动化。
第三幕可能就是自动化的 AI 研究员，这也是 OpenAI 可能最想做的。每个人可能都有一个强大的研究助理，你让研究助理去解决各种各样的问题。那时候可能会去解决基础科学的问题，比如脑科学、神经科学、材料学。
我们画一个 AGI 的路线图，就像是在攀登一座科学的高山。但每个 AI Lab 可能有自己的路线图。今天我们处在什么样的位置，Coding 又处在什么样的位置？有可能今天还只是攀登整座科学高山的开始。
张小珺
你说这个我也觉得很感慨。去年你说 Coding、Coding、Coding 的时候，很多人可能会觉得 Coding 还只是一个垂直场景，没有意识到 Coding 能带来这么强的泛化性。
我觉得有一个精辟的总结，叫“语言即世界，代码即方案”。因为只有这两个领域的泛化性，是充分被证明了的，其他领域的泛化性还没有被充分证明。
比如说，我想通过数学来提升智能能力，可能可以，但是数学能表达的东西太有限了。很明显，我们今天是从第一幕走到了第二幕，从 Chatbot 进入了 Coding Agent 的时代。
据你观察，现在所有人都已经充分意识到 Coding 非常重要了吗？既然重要，为什么有些人没有 All in 资源去做呢？
广密
我知道的好几个 AI Lab，好像都把 Coding 放到了最高优先级，但基本上也是过去一到三个月的事情。你发现，实际做好好像也没有那么容易。
大家心里可以打个分：做好 Coding 的难度系数，1 到 10 分，你到底打几分？
如果低于 4 分，那大家每家都能做好，会非常卷。如果高于 8 分、9 分，那有可能领先的 Anthropic 会一家独大，大概率会继续领先。其实你也没有其他什么理由能继续超过它。
我觉得取决于难度系数和竞争。
张小珺
那你觉得做好 Coding 的难点到底在哪里？大家既然都知道 Coding 很重要了，能不能给大家讲讲，如果要做好 Coding，应该最重视的最头部的三件事情是什么？
广密
我觉得最重要的可能就两件事：一个是组织和文化，第二个是数据。
Coding 不只是一个技术 Know-how 的问题，更多还是一个战略和组织的问题。我认识的研究员朋友好像都跟我说，Coding 最重要的是数据这个壁垒。
但问题是，你觉得哪一个 AI Lab 能组织好最聪明、最有想法的几百个人，All in 搞 Coding 这一件事？这里面有很多脏活、苦活，尤其是搞数据的活。
每个 Lab 里最聪明的人，都想做自己的一些 Bet，搞自己的实验，做一些新的突破，从 0 到 1，都想成为 Ilya。这里面可能就是问题的根本。
Anthropic 可能不一样的地方在于，他们几个 Founder 可能一开始就意识到，数据可能是所有问题的根本，叫“模型即应用，数据即模型”。所以我感觉他们重视数据，可能是刻在骨子里的。
有一个 Rumor，说他们的首席科学家 Jerry Kaplan 亲自带着团队做数据，这好像是比较少见的。
更重要的还是说“不做什么”。Anthropic 完全放弃了多模态，可能多模态不在科技树的主线上；也没有跟风做 Reasoning Model；To C 也放弃了，然后专注做 Coding。
这是第一点：组织，以及不做什么。
第二个可能是数据。以前 Chatbot 就是 Chat，那些文本类的数据；但今天 Coding 和 Agent 是一套的，它既有任务，又有环境，还有整个评估体系。所以这个数据比以前的数据复杂很多，而且你要造出很多数据，Coding 做好可能没有想象中那么简单。
更重要的还是，每个公司在战略、组织、文化上，其实并没有真的重视起来。
过去半年，Google 和 OpenAI 都在争 To C，对 Coding 也有很大的战略误判，严重低估了 Coding 的重要性和优先级。除了 Anthropic，当然现在一到三个月内，很多人都已经开始把它当作最高优先级了。
张小珺
在之前，其他团队为什么没有专注去做 Coding？他们没有意识到 Coding 这么重要吗？
广密
我觉得每家都有自己的战略优先级选择，包括过去的一些思维包袱。
现在有两条 AGI 路线。第一条是追求 C 端的流量，比如 ChatGPT、Gemini、豆包；第二条是追求高价值任务，Anthropic 在这方面比较领先。就看你想要哪个。
这也许是被迫只能选 Coding，因为 C 端窗口它错过了。
C 端重要吗？有可能也重要。未来 C 端也可能覆盖高价值任务。2025 年其实是 C 端窗口很关键的一年，很多模型公司都已经错过了 C 端窗口。
ChatGPT 和 Google 忙着抢 C 端窗口，才错过了 Coding 窗口。战略选择什么，可能更重要。这可能是每个模型公司管理层最高层思考的问题：资源很有限，到底是搞 C 端，还是搞 Coding？
资源和精力是有限的，可能要放弃一些东西。归根结底，还是战略选择：你到底优化一个什么样的目标，到底想要什么，这个可能是更关键的。
张小珺
但第一条路和第二条路，一个是 C 端窗口，一个是高价值任务，它们未来会 Merge 吗？会融合吗？会成为统一的一件事情吗？
广密
现在看还是两条路径，但我觉得融合的概率非常大。包括 ChatGPT 后面把 Chat、Agent、Code 这些东西都融合起来，All in One，一个平台本身是对的。
但也可能存在另外一种情况：有的人只做塔尖用户。塔尖用户就像量化一样，只有极少数的人，可能一两百万人贡献了很大的 Usage。
我也不知道未来 C 端的 DAU 还有没有意义。有可能有意义，但也有可能塔尖用户的 Token Usage 更有意义，因为它也是数据的一种，能够补充预训练数据。
数据的飞轮，我觉得还不知道。大多数人在未来这个时代中的重要性，还有没有以前那么强？有可能塔尖的人会贡献整个世界更多的生产力。我感觉强者恒强，这很残酷，但这又是一个趋势。
这会带来整个社会分工的变化，我们后面也会聊到。
张小珺
接下来能不能分别展开聊一聊？据你观察，每一家模型公司的战略、组织和文化特点是什么？第一个应该是 Anthropic，因为你对 Anthropic 相对熟悉。你觉得他们是最早看到了什么迹象，才 Bet 了 Coding 这件事？他们是怎么做出这个关键技术决策的？关键推动者是谁？
广密
All in Coding 其实也不是他们从 Day One 就能想清楚的。一方面是 C 端没有机会了，第二是 2024 年夏天，我记得他们发布了 Claude 3.5 Sonnet。那个模型给了 Coding 正反馈，也是他们在摸索过程中把 Coding 这条路线摸清楚了。
这个公司更值得关注的是它的几个特点：在那之后，2024 年夏天之后，只 All in 了一件事，就是 Coding。今天做成了，而且做得很大。
他们放弃了 C 端，放弃了多模态，战略上非常 Top Down。OpenAI 则是特别 Bottom Up 的。所以 Anthropic 有一个非常一致的目标，就是把这件事做好，有自己的路线图。
而且创始人特别懂技术，带着大家搞数据、搞工程。重视数据可能是写在基因里、刻在骨子里的。Anthropic 的团队好像也一直比较稳定，不像 OpenAI 团队那么不稳定，人才流失也比较多。
跟 Anthropic 的人交流，我感觉他们每个人都很相信 AGI，是特别 AGI 原生的状态。可能他们的创始人也特别有感染力，经常会传递一些像宗教一样的发言。
其实你看，Dario 过去说的，包括融资时讲的，好像全都实现了。我觉得这可能是一个优秀公司应该有的样子：弄清楚战略之后就坚定执行，组织和文化也都跟进。坚定最重要，不要摇摆。
他们很早就不做多模态了，或者投入非常小，可能这就不是他们认为的科技树主线。很多人去年说预训练撞墙了，他们好像也没觉得撞墙，依然坚持做自己擅长的事情。
很多人觉得 RL 这个事情封神的时候，他们也没有把 RL 封神，也没有去做所谓的 Reasoning Model。他们好像没有刻意神化一个人或者某一个环节，最终目的就是做好一个模型，也没有觉得非得某一个环节特别重要，更像是一个集体、一个球队、一个工业化体系，把每一个环节都做好。
相比之下，OpenAI 有些地方可能比较像 VC，喜欢制造新的概念，把某些概念推得很高，或者容易神化某一个环节。以前神化 Pretrain，后面是 Post-train，再后面是 o1、o3。
Anthropic 好像不太会这样，动荡和摇摆没有那么大。这可能是它的文化特点。
组织上，Anthropic 可能是一帮人做一件事；OpenAI 你跟它的小伙伴交流，经常是一个人做一件新的事。所以专注度和聚焦，我觉得可能是一个关键。
Anthropic 好像一直不怎么招 Big Name，更多是招 Underdog，而且文化面试也比较严格，经常会问你很多文化问题。比如 AGI 实现之后，各种各样的选择你会怎么做？
我的感觉是，Anthropic 早期的人都比较有 AGI Mission 驱动。当时 Offer 可能比 OpenAI 低，风险也大，但很多人还是进来了，这可能也是一种筛选。这些人都比较 AGI 原生，所以他们的文化一直比较稳定，人才流失也比较少。
张小珺
说到 Anthropic，我想到他们除了模型，在产品上做得也很有 Sense。他们的产品有什么方法论吗？感觉它的产品非常 AI Native，非常懂产品。
广密
我也感觉他们的产品文化和产品 Sense 都很好。随着模型能力提升，他们把模型能力转化到产品、转化到用户体验的效率更高，因为他们做产品的很多人还是工程师或者研究员，很懂模型能力。
比如 Claude Code 的创始人 Boris。Boris 是很强的 Coder，他其实是想 Deliver 一个最强的 Coding 工作方式，在引领整个开发范式。
Cursor 火了以后，很多人在讨论模型公司要不要再做一个 IDE。但 Anthropic 没有做 IDE，而是做了一个终端形式的产品，就是今天的 Claude Code。这个可能更能承接住模型的红利。
模型是指数级增长的，但产品也得指数级地接住这个东西。我感觉他们的产品 Sense 还是很在线，产品比较面向 AGI，面向模型指数增长的红利。他们的用户体验也确实不错，产品的 Harness 做得也比较好。
张小珺
你刚才也提到了 Anthropic 的组织和文化。它的 Founding Team 是什么样的？能不能评价一下他们的核心团队？这些做产品的人也都来自模型团队，对吧？
广密
对。其实他们其中两个 Founder，一个是 CEO Dario，另一个是首席科学家 Jerry Kaplan。他们俩是物理学家出身。
他们对 AI 的理解，更多是从物理观察的角度出发。他们也没想着创造新的 Transformer 架构，而是把 Transformer 这个架构 Scale 得比较好。他们像物理学家一样洞察了 AI 的规律，找到了 Data Efficiency、架构效率和工程效率。
他们不像 OpenAI 一样有执念，非得做下一个范式，而是踏踏实实执行得比较好。好像也没有什么绝对的、别人不知道的 Secret，但就是把工程和细节做得比较好。
产品团队很多还是工程师和 Researcher，比较像早年 Google 的文化。
张小珺
你说他们没什么 Secret，但他们其实是防泄密、做信息保护最严格的一家硅谷模型公司，对不对？
广密
我觉得这是他们的文化：内部很透明，同时防止信息外泄。一旦出现信息泄露，可能就会开除，或者采取很严格的措施。大家也比较尊重这件事，所以大家对 Anthropic 的了解还是比较少。
张小珺
Anthropic 其实有一两年的时间窗口，因为直到去年，都只有一部分人看懂了 Coding；但今年似乎所有人都开始 All in 了。你觉得它在 Coding 上的护城河高吗？有多高？以及现在市场对于 Anthropic 是不是高估了？
因为他们的产品线或者 Revenue 高度集中在 Coding 或者 Agent，可能 70% 到 80% 的 Revenue 都来自这块。
广密
还是要看这件事的难度系数，未来竞争肯定非常激烈。但我感觉主要还是头部的三四家，Anthropic 也还是有危机感。
如果现有范式不变，只是继续向前 Scale，他们可能还是有信心保持一定优势。但技术变化总是很快，大家也很担心 OpenAI 又搞出一个惊天动地的新东西。
我自己的判断是，OpenAI 和 Google 最终都能追上来。
如果说风险，我觉得算力可能是一个问题。之前包括 Anthropic 自己内部，可能也没有预估到过去一个季度需求的爆发，所以算力规划比较保守。我感觉今年实现 1,000 亿美元 ARR，最大的 Bottleneck 可能就是算力。后面可能要到处扫货各种 GPU。
Anthropic 有一个比较有意思的地方，是它定位高价格带的用户群。它的定价很高，而且一直没有降价。
OpenAI 以前不敢把模型做得很大，因为它的用户量太大，很多人不付费。但如果定位高价格带的用户，就可以 Scale 很大的模型，提供最好的效果，采用最高的定价，也有好的 Margin。
所以它做的是塔尖市场，就看它未来能不能守得住这个市场。
总结来讲，我觉得 Anthropic 更像是战略的胜利、产品专注的胜利，或者文化的胜利。这几个隐形要素非常重要。不然它不可能从落后的位置杀出来，早就挂掉了。
张小珺
说到 On Topic，它做的是塔尖用户。那 OpenAI 现在也开始重注 Coding，它已经没有办法掉头了，因为它已经成为一个 DAU 很大的产品。它应该怎么做自己的战略和定位呢？
广密
我得到的 Sense 是，OpenAI 也要把 Coding 放到最高优先级。其实 GPT-5.4 的 Coding 能力，最近社区反馈是非常好的，甚至不弱，但 Agent 的能力还是弱一些。
我的感觉是，它的 Coding 能力已经上来了。Agent 的能力上来，有可能也只是时间问题。所以最后就看塔尖市场是不是能守得住，我觉得不好说。
OpenAI 的人才密度、资源和能力其实也不差，只是过去战略不够聚焦，或者没有意识到 Coding 如此重要。
张小珺
OpenAI 在商业化上，除了 Coding 还有其他的吗？
广密
我觉得就是把 Agent 做好，把 Agent 产品做好。最终的目的，就是用 Agent、用 AI 去自动化整个 Global GDP。
从长期来看，OpenAI、Anthropic、Google 最终都是奔向一件事：有一个自动化的 AI Researcher 或者 AI Scientist，帮你做很多基础科研的研究和探索。
张小珺
OpenAI 有上市计划吗？Anthropic 今年有上市计划吗？
广密
有可能是 10 月、11 月吧。我估计年底是不是都会上市？
张小珺
它们都上市了，会对这些公司的人有什么影响？
广密
你说的是内部员工吗？
张小珺
对，内部员工。
广密
那就都有钱了。但我觉得 Research 的朋友们都很担心自己的工作。
我过去一个季度最大的感受是，最牛的 AI Researcher 都担心自己一到两年后没有工作。可能未来一两年，是他们仅有的一个工作窗口。因为后面 AI 可以自动化整个 AI Research，自动化研究 Workflow。未来一两年，可能是他们最关键的工作和赚钱窗口。
张小珺
这么悲观吗？
以上是硅谷御三家的第一家 Anthropic。接下来我们来聊聊我们最熟悉的 OpenAI。
广密
关于 OpenAI，上一期播客其实聊了很多它好的地方。C 端遥遥领先，9 亿多周活，但最近比较 Flat，没怎么涨；五六千万付费用户；过去实现过两次范式创新，下一次大概率也还是 OpenAI 的能力。
它的新模型 Spark 应该很快发布了，大概率也很强，还是一个代际上的提升。综合实力和人才密度都很强，也比较重视 Research。Researcher 在内部也比较像一等公民。
但现在的问题是，ChatGPT C 端看着赢了，却发现 Coding 比 Chatbot 大很多，可能大 10 倍到 100 倍。所以这是一个最大的问题。
张小珺
OpenAI 是什么时候意识到 Coding 很重要，开始加码的？我猜也就两三个月之前，因为之前还忙着跟 Google Gemini 抢 C 端流量、抢 DAU、做增长。
广密
其实 Meta 来了 Meta Superintelligence Labs 做商业化，对吧？我感觉它还是像互联网时代的老人，但你发现那并不重要。它其实对 Coding 有严重的战略误判。
包括 Google，我感觉也被带沟里了。大家对 Coding 都有战略误判，不应该再用互联网思维、用 DAU 这些思维去看这些东西了。
我看 Meta Superintelligence Labs 的负责人已经被调了，我估计可能是背锅去了。
张小珺
这个战略决定跟最近 Sora 被关掉会有关系吗？因为我觉得 OpenAI 可能意识到了 Coding 才是主线，多模态不是，所以应该更加战略聚焦。
广密
我觉得肯定有关系。GPU 太有限了，多模态还挺耗卡的。
Sora 发出来之后，那么多人去创作。即便模型做好了，那么多人去创作，这对 OpenAI 有什么好处？好像也没什么好处。
张小珺
所以在 AI 时代，DAU 不重要？
广密
这是一个开放答案。有可能重要，也有可能只有塔尖的 Token Usage 更重要。
因为绝大多数人的智力已经没有模型高了，我不知道人类在整个社会中的价值是不是发生了变化。
张小珺
如果人类价值发生了变化，谁给 AI 买单呢？
广密
塔尖用户创造了更多东西。比如脑科学、材料、新的药物，治疗人类所有疾病，好像又会带来生产力提升。可以通过税收来调整，进入福利社会。
但这对美国肯定是很大的挑战，因为美国是一个中产社会，有 1 亿多中产，包括程序员、律师、医生、中介、Banker。我感觉可能很多人在未来一两年就没有工作了。
这肯定会带来社会贫富差距拉大、矛盾激化。你说 Sam 最近有两次被袭击，我感觉未来这种事情可能会越来越多。
张小珺
你有没有觉得，在美国对于 AI 的情绪更悲观，在中国更乐观？
广密
我觉得在硅谷还是很乐观的。但这里面重要的一点是，技术变化太快、进步太快，每个人都没有安全感，每个公司也都没有安全感。
甚至大家都担心自己未来一两年、两三年以后工作没了，所以有一点末日论的感觉。
但我感觉 AI 终究会带来繁荣，只是中间可能会有一个痛苦的窗口，因为人类还没有做好准备。AI 过去一个季度智力的进步，可能比人类过去 200 年智力的进步还要快。
我们没做好准备，怎么驾驭好这个变化？因为很多工作还在沿用过去的范式，这种错位可能会非常痛苦。
张小珺
刚才我们说了 Anthropic 和 OpenAI。你觉得目前 Claude 和 Codex 的市占率分别是多少？
广密
我看 Sam 在 Twitter 上宣布，Codex 有 300 万活跃用户，应该是周活跃。Claude 我猜可能是 1,500 万到 2,000 万。我估计可能是七比三的关系，但没有准确数字，只是猜测。
张小珺
意识到 Coding 非常重要的，还有一家公司，但是我们到现在都没有提起来。模型公司现在都把 Coding 当作主线去卷。像 Cursor 这样的应用公司，虽然也开始自己训练模型了，但你觉得它后面怎么办？你看好吗？
广密
如果最强的模型公司不把 Miso 和 Spark 这类最强模型通过 API 开放出来，而是优先通过产品、Agent 或者 Cowork 的方式提供出来，优先把自己的产品和生态做好，那 Cursor 用不了最强的模型怎么办？
Cursor 的本质，还是吃到了模型公司技术溢出的红利。如果模型公司选择不溢出，而是自己把这部分能力接住，那也合理。
除非开源模型或者自己训练的模型也跟 Frontier 差不多了，但今天肯定还有 Gap。所以我感觉，Cursor 最好是卖给微软，做开发者生态，或者卖给马斯克。
Cursor、Manus、Open Cloud，本质可能是一样的，都是吃模型公司技术溢出的红利，但这是阶段性的。大家都有窗口，有的人可以借助窗口变成一家伟大的公司，但有的窗口终归是阶段性窗口。
张小珺
所以套壳公司好像还是阶段性的窗口，对吧？
广密
不一定，有的壳可能是有价值的。如果未来出现新的交互，用户的 Context 都在里面，我觉得还是存在窗口机遇的。只是模型公司作为大哥，也想吃掉这块肉，就看谁的速度快。
张小珺
今天的问题是，模型公司的速度好像比创业公司更快。它已经自闭环了吗？
说回 OpenAI，你对 OpenAI 的前景现在是更乐观还是更悲观？如果这几家模型公司都交替着往前走，未来比拼的关键是什么？
广密
我对全球领先的三四家，甚至三五家模型公司都很乐观。我觉得未来这些模型公司都非常重要。
现在市场对 OpenAI 的叙事比较悲观，但我没有那么悲观。我觉得有 50% 的概率，整个 AGI 最终的 Winner 可能还是 OpenAI。
因为在这个时代，今天胜利的秘籍，可能就是下个时代的毒药。OpenAI 在 ChatGPT 上过于成功，让他们专注 To C 而忽视 Coding。因为要重视 Inference 成本，所以模型一直没有做得很大。
Anthropic 今天的成功，更多还是渐进式积累，把细节做好。我觉得这更多是执行的胜利、专注的胜利、组织的胜利。但它不一定能抵御住 OpenAI 下一次范式级的突破。
OpenAI 有一种自下而上的文化，放开大家去自由探索。今天 Coding 能力很强了，可能一两个人就能干出一件惊天动地的事情。未来决定胜局的，可能就是一两个人。
在 OpenAI 这种文化下，有可能搞出惊天动地的新范式。所以今天看着像优势的东西，不见得未来还是优势。
我觉得未来一年内格局定不下来。过去三年格局都没有稳定过，只是持续的淘汰赛。今天又是巡回赛，可能还要再打一年。
以前所谓的壁垒，是防冷兵器的；但今天是各种现代化武器，模型又开始自我迭代。我感觉以前讨论的那些壁垒，比如规模效应、数据飞轮、网络效应，未来可能都要重新定义。
张小珺
你觉得 OpenAI 有什么做得不好的地方？你刚才也说到，能不能批评一下它？
广密
我觉得还是有不少做得不好的地方，这些也值得借鉴或者引以为戒。
最大的可能是不够聚焦。Sam 还是 VC 出身，容易摊大饼，什么都想要，也比较容易 Follow。
它的文化也是自下而上的。自下而上是硬币的两面，有好有坏。
比如多模态、比如 Sora，本来应该是支线，但团队都在努力推动，说它很重要，去找 Sam 要卡。Sam 还是会给 Sora 团队分配很多资源，很像 VC 去 Allocate Capital。好像没有太多拒绝，可能这是因为 Sam 不是技术出身，团队要资源就给了，想做的项目也很多。
另外一个点是，他们文化上特别 Value 这种从 0 到 1 的突破，但没有那么 Value 从 1 到 100 的突破。
这种文化引导下，会导致很多人 Ego 很强，没有人做脏活、累活、苦活。所有人都想做突破性的工作，没有人踏踏实实地搞数据清理、做数据、做好产品运营。
ChatGPT 这个产品很成功，但感觉又没有灵魂。你都不知道 ChatGPT 这个产品经理是谁，是 Sam，还是其他人。所以我感觉它没有灵魂，更多是技术模型很厉害。ChatGPT 的规模这么大，但总感觉产品没有做好。
如果把 ChatGPT 交给字节这种文化的团队去做，我感觉肯定会做得更成功。
说回来，OpenAI 可能最大的战略误判，还是预训练和 Coding 这两件事没有做好。这两个是最根本的。它之前有很强的领先优势，可能领先一两年。
Sam 不是技术出身，可能对技术路线或者技术决策，不如 Dario 这种技术出身的人那么果断。
张小珺
你刚才说 ChatGPT 没有灵魂。我在想，会不会今天的产品其实不需要人赋予它灵魂？本质上是 AI 强就够了。要一个产品经理去赋予它灵魂，Maybe 是一种 Ego。
广密
我觉得有可能最后只拼 GPU。因为最后大家都能迈过那个拐点，全球三五家、五六家都能迈过 AI 的拐点，有可能就是拼 GPU 了。
AI 自己成长得比人快，已经自动化了 AI Research 的整个过程，有可能研究员都插不上手了。
张小珺
刚才我问你，今天的 Anthropic 被高估了吗？那么今天的 OpenAI 被低估了吗？
广密
我觉得阶段性被低估了。本质上还是模型的进步。OpenAI 的文化和组织，我觉得还是能继续推出来 SOTA Model。
我判断 OpenAI 的 Coding 和 Agentic 能力，大概率还是能追上 Anthropic。最近战略大转向，我觉得也是一件好事。
我觉得更多是两个公司的文化不同。OpenAI 一直想做爱因斯坦，Anthropic 是把整个白领工作自动化。
OpenAI 想跨过 Coding，以前没有那么重视 Coding，想直接去做爱因斯坦，但你发现这条路很难，而且没那么实用。Anthropic 做得很实用，实战特别好，所以 Revenue 爆发得也快，有可能让它获取更多资源，加速整个 AGI。这可能是一条特别务实的路线。
OpenAI 今天也意识到这条路线很重要，所以调转枪头，也要把这条路做好。我的判断是，OpenAI 不会掉队，可能还是会跟 Anthropic 齐头并进。Google 肯定也能上来，所以还是取决于 Coding 的难度系数。
今年的格局肯定定不下来，还是你追我赶、交替领先。
张小珺
OpenAI 马上就要发布新模型了。对于这个即将发布的模型，你有哪些观察和预测？
广密
我觉得这是真正意义上的 GPT-5。之前 GPT-5 跳票太多，5.1、5.2 到 5.4，可能更多还是 GPT-4 Level 的 Model。我觉得 Spark 有可能是真正意义上 GPT-5 代际的提升，这是第一个预期。
第二，他们在软件开发、软件工程上，可能还是没有 Anthropic 强。因为 Anthropic 在 Coding 和软件工程上优化特别多，但其他方面可能都会大幅提升。长期来看，Agent 能力我觉得大家都能上来。
第三，我感觉 Chat 和 Code All in One 的产品可能是对的策略。但 Spark 更多是一个新的平台，未来可能每个月都有新的 Model 在这个平台上持续迭代，而且可能会迭代很久。
最后可能还是比拼算力。OpenAI 的算力可能比 S O K 多很多，所以取决于后面的迭代速度。
张小珺
接下来聊硅谷御三家的最后一家，巨头 Google 的 Gemini。
广密
我感觉 Gemini 3.0 当时被高估了。Benchmarks 刷得很高，但你看 C 端其实没有持续增长，用户也不太买单。Gemini 看起来很好，但实际体验没有那么好。
我感觉 Benchmarks 有点过度优化了，产品能力不行。Gemini 3 的 PC 桌面版今天都还没有。他们更多还是工程师或者技术驱动的文化，PM 文化好像没有那么强，或者没有那么强势。
Gemini 3 当时热度很高，感觉像 Google 王者归来。除了让 Google 的股价翻倍，证明它不是 AI Loser，其他好像也没捞到太多好处。Gemini 3 好像也没有真正大的突破。
反而是 Gemini 3 的成功，让他们沉浸在成功喜悦之下，严重误判了 Coding 的重要性。这可能还是一个失误。
听说最近 Coding 也上到了公司最高优先级，但其实已经晚了三四个月，才意识到 Coding 的重要性。
有时候火一个模型其实没什么，还是要持续 Deliver 出厉害的模型，可能更重要。
Gemini 之前战略上更重视 C 端和多模态，忽视了 Coding。2025 年和 2026 年可能是 C 端格局最关键的两年窗口。错过 C 端，未来有可能也扳不回来，所以 Google 忙着跟 ChatGPT 争 C 端，反而给了 Anthropic 一个非常好的 Coding 黄金窗口，Anthropic 也抓住了。
其实这个时候 Google 应该降低在多模态上的投入，优先把 Coding 补回来。如果 Coding 落后三个月，之后可能就落后一年，因为它会被放大。
我觉得主要还是组织问题。Google 的组织文化可能跟 OpenAI 更像，是自下而上的文化。每个人可能都有自己想做的事情，重要的 Senior 人员占住位置，有些东西可能不容易被加上去。
Gemini 团队里的印度人比例越来越高了，我也不知道这是好信号还是坏信号。
长期来看，Google 还是最领先的追随者。资源和布局上没有短板，战略上只要跟随 Anthropic 和 OpenAI，掉队的可能性很低。短期可能需要调整，也拿不出太多特别厉害的东西，但拉长看总是能追上去。
我觉得拉长看，Google 可能是最稳的，因为算力最足，现金流最足。Google 的 Worst Case 是，TPU 都可以变成另外一个英伟达。
虽然它有 Politics、组织移动缓慢等各种问题，但这个公司已经到第三代职业经理人了，这挺厉害。很少有科技公司能走到第三代职业经理人，而且运行得很好。
它更像一台机器或者一个体系化运转的系统。甚至你可以任意换掉一两个人、两三个人，好像对这台机器都没有太大影响。
而且它有很多优势：有操作系统，有 Google Workspace。
张小珺
你刚才说了一个很有意思的点：发出一代非常厉害的模型，好像没什么用，还是要持续 Deliver 模型。这种持续性，你觉得是由什么带来的？
广密
第一，你每年要有几百亿美元的投入；第二，要有管理层和 Founder 的魄力、认知以及战略 Bet；第三，要有厉害的团队。
持续 Deliver 厉害的模型，是对所有科技公司的一个巨大考验。有没有公司每年能投入几百亿美元，连续投入三到五年？管理层有没有这个认知？有没有这么多人才的吸引力和号召力？而且还要有正确的团队和战略 Bet。
今天只有一个模型还不够了，还要跟产品策略结合。所有人都去做 Coding，你也不能全部只 Follow，不然肯定站不到前面，必须有自己的 Bet。
张小珺
回到你之前说的一句话：当所有人都觉得 RL、强化学习很好时，Anthropic 没有把强化学习当成神，也没有去做所谓的 Reasoning Model，而是选择 Bet Coding。这成就了 Anthropic 今天的地位。
同样，今天所有人都在追赶 Coding，我们是不是可以跳过这一幕，直接 Bet 下一步？既然 Coding 做慢了，跳过它可不可以？
广密
我觉得没必要跳过。Coding 可能还是一个基础能力。
除非有一种可能，C 端的个人助理未来真的非常重要，C 端可能跟高价值任务融合。也有可能 Coding 和 Agent 这种高价值任务的能力，最后大家都能追上来，但你掌握了 C 端分发，可能还是很重要。
除非你去做数学，但数学能表达的东西比较有限；或者去做世界模型，但世界模型今天还没有被证明。包括做下一代范式，但下一代范式，几个 Frontier Lab 都投入很大，有可能是在巨人的肩膀上实现的。
我不知道跳过去做什么。好像今天这个大金矿已经挖出来了：从 Chatbot 第一幕，到 Coding Agent 第二幕，再到第三幕 Automated AI Researcher。这三幕就是主线。你跳出去，是不是就偏离主线了？
张小珺
现在来总结一下上面这些硅谷御三家。
广密
过去三年，有时候你觉得 OpenAI 无敌，三四个月前又觉得 Gemini 王者归来，今天是 Anthropic 春风得意。我感觉每个公司都有自己的窗口，各领风骚一百天，还是会交替领先。
以这三家的人才资源和组织能力，我感觉它们都不太会轻易掉队。短期谁被低估了，就买谁的股票，因为这些公司年底可能都 IPO 了。
未来有可能投资者会卖掉其他所有科技公司的股票，去买模型公司的股票。模型公司可能就是未来科技投资的主线。
刚才提到，能不能做好模型、做好 AI 产品，是对所有科技公司的一个大考。做不好可能就会被淘汰，做得好可能就会受到投资者喜欢。
张小珺
这里不作为投资建议。
除了硅谷御三家，我们也点评一下 Meta、TBD 和 xAI。Meta 在重金挖人之后开始交作业了。你看好小扎和 TBD 主导的 Meta 大模型吗？他们到底在 Bet 什么？
广密
我觉得 Meta 是最有机会的挑战者，已经取代 xAI，成为硅谷第四号种子选手。
Meta TBD 这个 Team 的人才密度很高，也知道各家的 Know-how，因为他们从各个 AI Lab 汇聚过来。它的进步速度很陡峭，九到十个月做出了一个还不错的 Model。
长期来看，它的模型能力有机会 Catch Up Top One。
他们的思路也比较简单：七八成学习 Google，对标 Gemini，也有 Nano Banana；他们还有一个 Mango 文生图模型，也做多模态。可能 20% 学 OpenAI，因为 OpenAI 的 Post-train 和 RL 做得比较好。
但 Meta 的产品战略还不清楚。即便它未来有一个好的 Model，也总要把这个好的 Model 最后 Deliver 到产品上。
以 Meta 的特点，可能还是做个人助理、个人朋友会比较好，更低门槛；或者把 Open Cloud 做一个更低门槛的产品。包括它收购了 Manus，如果真的能用好 Manus，也有机会。
我比较期待 Meta 后面到底推出什么样的 Agent 产品。
但说实话，我感觉中国公司的产品创新力都比 Meta 强。硅谷公司擅长技术和模型层的创新，中国团队擅长产品创新。Meta 的产品创新力，我感觉没有字节那么强。
产品和模型 Code 在一起做好，向下反推模型，也可能是一条思路。
另外，长期看我不知道 Meta 这个团队稳不稳定。砸钱的文化是不是健康，也不确定。因为砸很多钱，很多人可能就是为了赚钱才留在这里，先苟着、先交成绩单，这样可能就不容易 Take Risk，不愿意冒险。
我感觉 OpenAI 还是更愿意冒险，创新力更强。
张小珺
Manus 被吸收进 Meta 之后，他们现在有什么整合动作吗？
广密
我之前以为会集成到 WhatsApp 和 Instagram，但好像一直还没有做。
Manus 的收入涨得非常快。现在大家一直在喊 Harness 这个概念，其实 Manus 可以说是 Harness 的鼻祖，把 Harness 这些东西做得很好。
今天模型公司把 Harness 这个概念像宗教一样喊出去，但 Manus 更像是 Harness 的鼻祖。看看后面能不能整合，主要可能还是跟 TBD 的关系。
张小珺
你觉得 Manus 进入 Meta，会发展得更好吗？你觉得 Manus 卖便宜了还是卖贵了？
广密
不知道。卖便宜了，肯定卖便宜了。但再过一两个月 Opus 出来了，那时候怎么卖？
我感觉 AI 的 Beta 更重要。整个大水漫灌，每个人都往上涨。有可能我们今天不需要想终局问题，大水漫灌，每个人都涨得很快。
Manus 当时如果更快，可能有机会更早做到一个 B 轮、两个 B 轮的 ARR。今天它可能就是一家百亿美元估值的公司，中间本来可以更快。
张小珺
那马斯克的 xAI 呢？他们最近也经历了人事大震荡。内部到底发生了什么？我感觉这跟他们错过整个 Coding 赛道也有关系。
另外，为什么马斯克能够把 Tesla FSD 做得挺好，做 xAI 却不行？做 FSD 和做大模型，它们的本质差异是什么？
广密
我感觉 xAI 短期是有点掉队的，因为最核心的团队其实都离开了。Founding Team 都挺强，都是世界级的，包括国栋、字航、Tony 这些人。
短期 xAI 是挺难的，至少现在不在一个正确的路径上，除非 Elon 哪天又大调整。
它最重要的问题，我觉得还是战略摇摆。最初可能 Elon 相信“大力出奇迹”，弄几十万张卡的集群，Pre-train 很大的模型。但好像不是这样：你得把数据做好，把 Data Efficiency 做好。盲目 Scale 模型参数，好像并不是问题的根本。
今天的 Bottleneck 不在模型大小，而在数据。别人可能用一个比你小十几倍的模型，做得还比你好。这个就有点尴尬，甚至中国蒸馏的模型可能都比 xAI 今天的模型好。
之前 xAI 还想做多模态，音频做得也很好，但好像这也不是什么主线，也没太大用。可能在车上跟 Grok 对话还可以。中间可能还想做 Chatbot、做 AI 搜索，今年可能又想 All in Coding。
战略摇摆会让团队很乱。这个事情刚上手、还没做热，Elon 可能又拉去做另外一个事情。我觉得还是耐心不够、战略不够坚定，摇摆得比较快，而且团队老是换人。
崩溃的源头可能是 Elon 对 Founding Team 有点不满意，但其实 Founding Team 是世界级的团队。这感觉有点没有耐心。
你刚才说到它跟 Tesla FSD 的区别。做好模型的数据，需要耐心，是一个长期工程，或者说偏 Research 的测试：什么数据是好数据，怎么把数据做得更好。
但 Elon 好像还是希望短平快，整个 Feedback Loop 最短，恨不得两个星期就看到效果。这样的文化会导致团队追求短期效果，牺牲长期质量，所以一些长期问题可能没有准备好。比如数据质量到底怎么样，Infra 框架到底怎么样。
但这也不代表 xAI 彻底没戏，因为它手上还有很多 GPU，而且 Elon 作为顶级企业家，调整能力特别强。包括搞数据中心、搞新的 Fab、搞芯片厂，我感觉更像是个人的宏大愿景。
但这些事情可能需要的时间还挺长，能不能真的搭起一个团队，帮他持续把这件事做好，还有待观察。
AGI 的竞赛比其他很多领域都更激烈，很像是开着 F1 的速度跑马拉松，而且是在城市里跑。所以你需要 200%、300% 的聚焦。如果 CEO 和 Leadership 不聚焦，肯定是不行的。
我觉得 Elon 不够聚焦，而且 AGI 的投入还是一个马拉松，得持续投入。
张小珺
能不能给我们讲讲一季度还有一个非常火的新词：Harness Engineering？
广密
我觉得可以提供几个思路。
未来我们应该把 AI Agent 当人看，把它看成一等公民，跟我们是一体的。人类应该有的东西，Agent 也应该有。
人类知识工作者有工作的环境、工作的电脑、各种信用卡。未来可能在一个平行世界里，你也要给 Agent 搭一套 Agent 作为一等公民所需要的环境。
第二，Agent 想做好，一方面是模型，另一方面是 Harness。
你可以把 Agent 比喻成一个人加入一家公司、一个团队。有些公司的管理和环境，能让一个正常人的下限变得很高，通过管理、组织和约束，让他发挥出更好的能力。
Agent 也需要它的管理学和组织，这就是 Harness 的意义。有了 Harness 以后，普通模型也可以做高价值任务。
过去 Claude 的需求溢出，Claude 自己接不住，所以非 SOTA Model，包括很多开源模型，也能被用上。我觉得这是一个更大的意义。
第三，它带来一个思维方式的变化。以前我们看 To C 和 To B，传统时代是这样；但今天要问的是，到底是 To 人类，还是 To Agent？
如果是 To Agent，可能看中的不再是 DAU，而是 Token 的 Usage，或者 Token 的价值和 Margin，这可能更重要。因为以后用什么工具，可能不再是人来决策，而是 Agent 去决定调用哪些工具。
张小珺
刚才我们看了硅谷御三家。你对国内的御三家有没有一些观察和评价？
硅谷御三家已经出现了一些分化：有的过去一年在 Bet on To C，有的在 Bet on On Topic 这种高价值任务。国内是不是也有一些分化？
广密
我感觉国内好像都在追求 Anthropic 的路线，这已经成为一个共识。一年前好像还不是共识，应该是最近几个月形成的。
张小珺
这个共识是最近几个月形成的吗？
广密
过去三到六个月吧。因为 C 端已经没机会了，大家也意识到，Coding 和高价值任务这条线的上限好像比 C 端更高。
国内的 Kimi、MiniMax 和智谱，都在 Bet on Anthropic 这条路线。
张小珺
那豆包呢？
广密
豆包看起来是在 C 端做得最好。其他几家都是觉得跟豆包没得打，才转型的。
我觉得 Coding 和 Agent 是不能输的，豆包大概率也能追上，甚至有可能做得更好。最后可能还是拼组织能力和资源。
张小珺
你觉得国内这些模型公司现在的胜负手是什么？
广密
我觉得还是综合能力。最后不是一个单点能力取胜。你说我有一个人才很厉害、一个方法很厉害、一个 Bet 很厉害，我感觉都不够，还是非常综合的。
AI 今天进入了一个工业化时代。我不知道未来会不会进入无聊的大厂游戏，有可能会这样。
张小珺
为什么这么说？
广密
无聊的大厂游戏。就是有些窗口已经关掉了。
张小珺
发展到 2026 年，你觉得模型公司的竞争到底在争夺什么，在追求什么？
和广密
我抛一个观点：模型可能就是新一代的操作系统。
未来最领先的几个模型，可能就是世界最重要的基础设施。你生活中的问题可以问它，工作的自动化可以交给它，研究和科研的支持也可以交给它。它的重要性，可能比今天 Google 对世界基础设施的支持还要重要。
未来模型可能支持应用无限扩展，这就是 Agent；同时也会形成一个新的生态。
操作系统的定义，就是支持应用无限扩展。可能今天的 Agent 就是这个方向，慢慢也会形成一个新的生态，像 Android、iOS、Windows 一样。
它也可以兼容各种硬件，不仅在电脑、手机上，也可能在眼镜等各种设备上。
过去称得上操作系统的，可能就是 Windows、iOS、Android 和微信。未来不管你追求的是工作助理、Coding，还是生活助理，ChatGPT、Gemini、豆包，最终都有可能走向世界基础设施，走向 Global GDP 的 OS，也就是操作系统。
张小珺
今天看，AGI 的路线图和时间表在你心中有没有发生什么变化？它对社会层面会产生怎样深远的影响？社会应该怎么消化这场技术的巨大变革？
和广密
路线图更清晰了：从 Chatbot，到 Coding Agent，再到 Automated AI Researcher，这三段路变得更清楚了。
时间表也会加速得更快。以前好像还需要两三年，但我感觉也许今年年底或者明年初，就有一家公司宣布实现 AGI 了。
社会影响方面，我觉得很多人确实没有做好准备。因为整个割裂感太强了：几百个 Researcher，或者两三千个 Researcher，在前沿看到的东西更多，但这些信息并没有传递到社会上。所以社会的准备肯定是不够的。
最本质的一点是，人类的知识和智力变得廉价了。以前我们通过学习、读书获取知识，可以找到一份工作；但今天这些智力和知识，好像模型里都有了，被大幅压缩，变成了计算资源或者 Token。
我感觉 70% 到 80% 的人在社会上的价值和意义，可能会发生微妙变化。以前人类觉得自己是最聪明的，但你发现模型比人类聪明，好像我们已经不是最聪明的物种了。
这很有趣，也有可能 AI 会带来很大的通缩。
用了 ChatGPT 和 Claude 之后，我再去找顾问、购买其他软件的需求就小了很多。一个产品可以满足我很多需求。长期看，很多 SaaS 可能也会消失。
我不知道印度的 IT 外包现在活得怎么样，有可能印度的 IT 外包已经步入模型时代了。
包括今年，我感觉美国本科毕业生的就业率是历史新低。AI 已经把工作两三年、三四年的初级岗位和工作环境自动化了，包括初级程序员岗位。
今年肯定是人类开始面对失业、比较痛苦的一年。有可能今年 30% 的工作岗位就没了。
张小珺
这些人没有工作之后会干嘛？我觉得挺担心的。Meta 裁员裁了 1.6 万人，我不知道这 1.6 万人以后会干嘛。它未来可能再裁 1.6 万人；微软可能也不需要 15 万人，3 万人有可能比今天 15 万人干得更好。
和广密
人才成长和培养的路径，好像被 AI 拦腰截断了。
我 10 年前毕业，可能还能有一个成长和工作的环境；但今天好像是另外一个环境了。
张小珺
你预计我们俩的工作还能干多久？
和广密
我觉得你的 IP 还是比较值钱的。有可能我们下一期播客不用自己录了。
张小珺
但我调研了一下，好像效果还不太好。有可能下个季度的播客，可能会根据我的笔记自动形成一个播客。
和广密
其实我们今天的博客已经半自动化了。这个博客的大部分提纲，都是 Claude Code 帮我写的。过去几个月我也变成了 Claude Code 的重度用户，它根据我的一些 Notes、记录，再根据过去大模型季报的框架，帮我整理内容。
我感觉有可能，我写东西已经没有 Claude Code 写得好了。
张小珺
投资的工作会一直持续吗？它还存在吗？
和广密
有可能最好的模型公司，就是最好的投资。你分别持仓就好了，也不需要做什么。
但技术变化非常快，我觉得没有人是安全的，每个人都有危机感。
张小珺
现在智力和知识都被压缩进模型，变成模型的 Skill，那人未来去干什么？
和广密
我觉得去创造。
如果很多人有创造力，还是能搞出东西的。以前我想创造，但没有那个支持。未来有可能一个人、两个人，就能做出很惊天动地的事情。
整个 Inference，从你有想法到代码跑通，可能会非常快。有可能创造力会被极大释放。
第二，审美和 Taste 可能还是很重要。有审美、有 Taste 的人，最后可能还是能抵住很多东西。
以前人有很多想法无法实现，但今天整个基础设施极大繁荣，有可能都能实现。比如以前要做一个有影响力的媒体，可能需要几百个人；现在一个人做自媒体，也可以非常有影响力。这是整个基础设施极大繁荣的结果。
张小珺
如果 Agent 开始大规模取代白领，能不能给我们的听众朋友一些建议？
广密
AI 取代的是不拥抱 AI 的人。积极拥抱 AI 的人，可能会成为受益者。
张小珺
2026 年第一季度，你对投资有哪些新的思考？
广密
我觉得，最好的三五家模型公司，如果成为全球 GDP 的操作系统，每家可能都是 10 万亿美元，未来加起来可能是 30 万亿到 50 万亿美元。我对这个 Belief 越来越深了。
张小珺
你最理想的 AGI Portfolio 有变化吗？
广密
没有太大的变化，只是更极致一些。
一句话总结就是：要投能持续做好 SOTA Model 的公司。我觉得这个指标可能是未来投资最关键的指标。要做一个好的 AGI Portfolio，我认为主线还是模型。
我个人一直把八九成的精力放在模型上，其他支线任务比较少。其实做一个模型基金也挺好。现在策略反而越来越清楚了。
投资最大的 Bet，就是全球最领先的三五家模型公司，未来可能都是 10 万亿美元。三年后、五年后，甚至七八年以后，全球 GDP 的 30% 到 50% 都已经被模型自动化了。
如果你相信这个，就应该表达得更极致，全仓做一个模型基金也挺好的。所以今年可能会更聚焦，也更相信这个策略。
张小珺
对，应该更极致地表达。
问一个终局问题：你怎么看这些模型公司，或者说模型竞争的终局？还会有时间窗口，让新的模型公司出现吗？
广密
刚才提到了几个要素。
第一，一个科技公司每年能不能投入三五百亿美元，而且持续投三到五年？你看小扎那一年就投入了几百亿美元。
第二，创始人和管理层有没有这个认知和魄力？没有认知就没有魄力，就不敢买卡，怕买了卡砸在手里。即便没有认知，但如果有魄力，像小扎一样放手交给团队，也可能可以。
第三，你得招到至少上百名世界级 AI 科学家。
其实小扎砸那么多钱也是有道理的，就是买时间。
但只有这三个还不够。只做一个通用模型，好像还不行，还得有一些战略 Bet、产品策略和 Go-to-Market 方式。
而且今天有了钱，也不一定买得到 GPU。
我感觉再出来新的模型公司不是没有机会，但难度比我们想象的大非常多。这就像我们想再造一个台积电，它有窗口和资源限制的问题。
张小珺
硅谷最近也出现了很多 New Labs，有你看好的吗？
广密
我不知道这个世界上还会不会再出现更多 OpenAI 和 Anthropic 的机会，因为 GPU 太有限，资本其实也比较有限。
OpenAI 和 Anthropic 对下一代范式的内部投入也很多。优秀人才的流向最能说明问题：你就看最优秀的 AI 人才会不会流入哪个 New Lab。
今天好像 New Labs 的技术路线还没有收敛，真正的 Scaling 还没有开始，Data 的 Scale 也还没开始，所以可以再观察一下。
张小珺
整个一季度，硅谷还有哪些前沿趋势值得分享？
广密
可能最实际的还是 ARR。Anthropic 和 OpenAI 公开的 ARR，可能已经分别是 300 多亿美元和 250 亿美元。当然它们的口径可能不一样。
我估计今年底可能都达到 800 亿到 1,000 亿美元，明年可能是 1,500 亿到 2,000 亿美元。它们已经是新的 Magnificent Seven 了。
再往下是 Cursor，可能 25 亿美元。技术红利都很强，增长都很快。
再往下是 Perplexity，可能超过 5 亿美元。声音领域的两家公司也增长很快，ElevenLabs 和 Suno 可能都超过 3 亿美元。
Manus 和 Lovable 应该也都超过 4 亿美元，成长都很快。Genspark 的发展也特别快。
我感觉头部 AI 产品的 ARR，可能主要就是这些。
硅谷在医疗方向的投资也比较多，比如 OpenEvidence 或者 Abridge，这两个发展也挺快。
张小珺
刚才聊的很多都是模型公司。你怎么看其他方向，比如机器人、AI 硬件、Vertical Agents 等新的机会？
广密
我理想的 AGI Portfolio，是最领先的三四家模型公司各放 20%。剩下的 20%，比如 10% 放在机器人，10% 放在 AI for Science，还有可能再放 10% 在 Agent、Inference，以及 Agent 平行世界需要的各种东西上。
我觉得机器人和 Science 可能是大模型之后下一个大的平台，我对这两个方向比较兴奋。
有可能机器人在未来 6 到 18 个月出现质变，架构突破了，技术路线也收敛了，Data Scaling 和真正的 Scaling 开始了。
现在机器人数据采集的需求很多。最近像第一视角、Egocentric 这种数据采集得很多，包括遥操作、灵巧手套。大家刚刚弄清楚这几类数据怎么用，后面有可能 Data Scale 会更好，架构也会有一些突破，机器人可能会发展得更快。
我对这个还挺乐观，因为这里面中国团队会更有优势。
以前硅谷公司只觉得算法重要，但没有硬件完全不行。过去一个季度，我感觉大家都开始重视硬件，都要在深圳招人。
张小珺
站在今天，你怎么看 AI 应用公司？你觉得 AI 应用的机会是变大了还是变小了？现在还相信 One-Person Company，也就是一人公司吗？
广密
如果模型平台像我们说的那样，变成全球基础设施，足够 Powerful，那每个个体都可以做很多事情。
就像微信的自媒体，我们可以很有影响力；就像抖音的创作者，每个人创作的内容都可以传播得很大。我觉得一人公司还是有可能的，可能会成为未来的一种常态。
模型变成新的平台，足够 Powerful，每个人都可以做很多事情。从一个 Idea，到代码跑通，再到最后 Revenue 实现，可能会非常高效。
最近我听到一个比较好的指标：你消耗了 100 美元的 Token，能不能赚到 110 美元？你得把 ROI 跑正。其实很多人还没有跑正，或者这个闭环还没有跑通。我觉得这可能是一个比较重要的指标。
张小珺
今年会是爆发点吗？
广密
我很期待。我觉得过去一个季度，AI 已经进入那个拐点了，今天正在显著加速。
张小珺
说说你自己吧。过去一个季度，你自己的生活和状态有什么变化吗？
广密
我很担心跟不上 AI 的进步，因为每天、每个星期进步都太快了，学习压力很大。
过去一个季度，我从 ChatGPT 变成了 Claude Code 的重度用户。我感觉我的生产力确实提升了很多，但我还没有像塔尖开发者一样消耗那么多 Token。
张小珺
你现在能消耗多少 Token？
广密
我的 Claude Code 账单是 100 美元，但一直没用满。大部分时间都用不满，因为做 Research 跟 Coding 还是不太一样，不会持续消耗那么多。
好了，今天的节目就是这样。这里是商业访谈录，是一档由语言及世界工作室出品的深度访谈节目。你可以到公众号关注我们的工作室，获取更多的信息。我们的公众号是语言及世界 language is world，我们希望和你一起从这里探索新的世界。