模型与「壳」的价值同时被低估？真格基金戴雨森 2025 AI 中场万字复盘

模型与「壳」的价值同时被低估？真格基金戴雨森 2025 AI 中场万字复盘 模型与「壳」的价值同时被低估？真格基金戴雨森 2025 AI 中场万字复盘 Modified August 2, 2025 戴雨森： 大家那时候肯定觉得 Google 有点落后，被 OpenAI 抢了风头，很多人才也选择出走。但后来 Google 的联合创始人 Sergey Brin 回归公司之后，很多事情发生了变化。比如有传闻说 Google 收购的 Character.ai 创始人 Noam Shazeer 回去后亲自改了一个 bug，直接让模型性能大幅提升。真假不确定，但关键人才确实能解决问题。 Q：所以 Google 能快速追赶，可能不仅是技术，也有组织方式、投入强度的变化？ 戴雨森： 对，他们对这件事是非常重视。我听说 Gemini 团队加班也很厉害，原本大家觉得 Google 是养老公司，但现在他们也很拼。 Q：模型竞争其实激活了很多聪明人，追求的成就感也回来了。 戴雨森： 我觉得是的。这几家公司的创始人都非常重视 AI，现在已经不是「AI 会不会落地」的问题了，而是必须赢。 不管是 Zuckerberg、Sergey Brin，还是 OpenAI 和 Anthropic 的团队，他们都看到 AGI 已经迫在眉睫，意识到这件事的重要性，愿意花钱、愿意投入资源。 最近 Y Combinator 的创业营也提到，现在做任何公司，都应该以「AGI 两年内实现」为前提假设。你要思考： 假设 AGI 两年内实现，那你的公司该怎么做？ 当然 AGI 到底是什么还有很多争议，但毫无疑问巨大的变化正在发生，而且是快速发生。现在硅谷学计算机的学生找工作都变难了，因为初级程序员的工作已经被 AI 替代了很多，很多变化是实实在在发生的。 Q：我们回到你说的三条主线。我们讲了推理和编程，现在讲工具使用。最近像 Kimi K2 和 Grok 都在训练阶段就加入了使用工具的能力。这是新趋势吗？ 戴雨森： 现在 AI 使用工具主要有两条路线： 1 . 像 MCP 这样，走 API 接口方式； 2. 通过视觉模拟 AI 操作已有软件。 这两种方式都有人在做，现在像 MCP 这样的生态已经建立起来了，越来越多为 AI 搭建的工具变得可用。又比如 Manus 和 OpenAI 的 Operator 用的是沙盒虚拟机里面的浏览器、通过视觉操作浏览器等已有的软件，模拟人类的使用过程，目的是让 AI 更好地调用已有软件的功能。 能够使用人类的工具完成任务，我觉得这是让 AI 真正变有用非常重要的一件事。 08 Agent 让每个人学会当好老板 Q：其实在 OpenAI 最开始规划的五个阶段里面，第三个阶段就是推理之后的 Agent。 戴雨森： 对，之前张祥雨有个播客讲得特别好，我很认同他的分析。第一个阶段是 chatbot，对应 ChatGPT；第二个阶段是 reasoning，对应 o 系列模型；第三阶段的 Agent 对应的是 Agent native 模型，但目前好像还没有真正出现。 在 Agent 的定义中，目标是 AI 自己去寻找的，但目前目标仍由人给定。 Agent 是说，我给你一个目标后，它去预测使用工具的序列，选择什么工具完成任务。它可能还没做到像给员工完成任务那样，自己拆分任务和定义目标。 现在 AI Agent 这一类产品还处于非常早期阶段。比如 Manus 才刚推出几个月，但我觉得一年甚至半年后，随着模型能力提升，这类产品的能力会大幅增强。 我想说的是，不同公司因为资源禀赋不同，解决 Agent 这个问题的方式也会有差异。我们尽量不做预判，不认为我们能够预先知晓未来。比如 Kimi 的看法是 Model as Agent，通过模型训练中加入大量端到端的工具使用数据，让模型本身具备强大的工具调用能力。而同样是调用闭源模型 API 的产品。Manus 提出了「less structure, more intelligence」，但有时结构化也能提升工作效率。Genspark 就专门做了针对 PPT 场景的 slide 生成功能，引入了一系列优化工作效果的方法。 Q：这两种角度都对。对用户来说，有些场景有大致流程，结果更可控，成本也会更低。 戴雨森： 因为用户要的是最后的结果，而不同的公司想实现这个结果，可能有各种不同的路径。有的灵活但成本高，有的固定但成本低。所以大家解同一道题，用不同方法都合理。 Q：你说的最大趋势无疑还是 Agent？ 戴雨森： 是 AI 对生产力的提升，想让 AI 把生产力真的提高，就得让 AI 承担更多工作。像 Claude Code、Manus 等 Agent 产品，核心理念是人不做事，AI 做事。 有人说这是类似自动驾驶 L3级别的产品，人不动方向盘，车自动驾驶。我们发现写代码的工程师一开始喜欢 Cursor，因为它还是让你在熟悉的 IDE 里面写代码，但Manus 发现产品经理用 Cursor 去完成任务不怎么看代码，只是看右边的对话框，所以他们把对话框放到主要的位置，做出了一个更加适合非程序员人群使用的 Agent。 随着模型能力的进步，Claude Code 更极致，用户不能写代码，只能告诉 AI 你要做什么，其他的 AI 去完成。 所以 L3 或 Agent 意味着 AI 去作为执行主角，而用户要学会当 AI 的好老板。 Q：这对很多人来说挺难，是门槛。 AI 做事不满意，你让它做几次都不行。 戴雨森： 以前我创业时也这么想，所有事我都亲自做。后来发现这不是好管理方式，我应该赋能下属，让他们知道我要什么，让他们有主观能动性。 以后人类指挥 AI 可能也是这样，这可能是人类历史上第一次要培养一个工具。以前培养人很难，大部分人是被培养的，很少有人有能力或机会去培养一个下属。 但现在每个人可能都要学会如何给 AI 下命令，如何培养 AI 去更好完成工作。 Q：你提到 Manus、Genspark 这类通用 Agent 的用户群都比较广泛。你们怎么观察垂直场景里的 Agent？ 戴雨森： 通用是因为当前模型能力偏通用，但肯定会逐渐涌现某些垂直场景。 我觉得一个好的产品，最后肯定还是要有清晰的定位，要在某些领域做到绝对的第一名，才能拥有长期价值。 或者说我们目标不是追求通用，而是从通用开始，逐渐发展收敛到一些核心场景。 技术革命的早期发展阶段，往往大家都在尝试，也不知道新技术适合做什么，最后看什么效果最好。例如蒸汽机刚被发明时，最开始是用于抽煤矿的水，后来发现用来驱动火车和纺织机更好。蒸汽机也是一个「通用技术」，但最后最大的价值可能来自几个具体场景。 我觉得现在 coding、做 PPT 这类的 office work、deep research 三者毋庸置疑是已经涌现出来的重要方向。 Q：有个话题挺有意思。国内大家讨论通用产品，觉得这是大公司的必争之地。但跟国外投资人聊，他们反而对 Super App 的可能性更感兴趣，关心怎么打败 OpenAI 和 Google。 戴雨森： 如果你有机会挑战大公司，那是好事，至少有资格参与奥运会，比不参与强。 很有意思的一件事是，Manus 出现后，有很多人说它没壁垒，用开源框架一个周末就能搞出来。但现在过了这么多个周末，还没看到任何一个类似的应用能真正做好的。 我觉得在全球市场，大家对真正的创新还是尊重的，不会直接复制完全一模一样的产品。可能会借鉴交互或呈现思路，比如 AI 在干活的表现形式，但不会直接像素级复制。在全球化竞争里，先发优势会带来很多口碑和传播优势，这也是对创新者的奖励。 09 每月 1000 美金的 AI 产品订阅 Q：你算过现在一个月在 AI 产品订阅上花多少钱吗？ 戴雨森： 大概接近 1000 美金。Manus 是 200 美金，Genspark 是 200 美金，ChatGPT、Gemini、Grok 这些也都差不多各 200 美金。我买的基本上都是高级方案。 我一直有个理念，新产品就要多试试，很多时候花点钱试一试并不过分。 很多 AI 产品的革命之处不能只看报道，得亲身去用。当你能看到一个未来的时候，你会产生很多的灵感。 我们三月份就观察到，Manus 上线后推理用量暴涨，Agent 产品的 token 用量相比 Chatbot 是显著增长。当时二级市场很多人还在质疑英伟达，觉得哪怕全世界所有人都用 chatbot，推理需求也根本没那么大，用不了那么多算力。 但其实这就像拨号上网时代，一开始所有人都在聊 QQ，不需要那么多带宽。但有了宽带网之后，大家就要在线上看 4K 视频了。模型能力越强，可以解锁的场景越多，token 使用就越多。 Q：2023 年，黄仁勋在英伟达内部讲话中说，他们的市值目标是 2 万亿美元。当时英伟达刚刚突破 1 万亿。我们还在讨论他这口气是不是太大。结果今年已经突破 4 万亿了。 戴雨森： 他很快可能会到 5 万亿。因为 token 向生产力的转化趋势才刚刚开始。 这就像火车开动了，就不会突然又停下来了。我们现在还在不断发现 AI 新的使用场景。比如说一个工程师原来一天可以写 100 行代码，现在有了 Cursor、Claude Code，可能写的代码是原来的 10x，能解决更多以前没想过要解决的问题。又比如有了 ChatGPT 和 Manus，你会问的问题也会变多。 很多以前不知道该问谁的问题，现在可以用 AI 来解决。给用户带来的生产力提升，导致用户更愿意付费。 Q：目前生产力场景的 token 消耗是非常高的？ 戴雨森： 生产力可以以 10 倍，100 倍的速度增长。和 AI 闲聊再怎么聊，一天就那么多时间，这是我们以前讲的 attention is all you need。如果你要的是用户注意力，它是有限的，并且是和抖音，Tiktok、小红书一起去争夺的注意力。 但在生产力场景，用户需求的上限很高，可以从问一个问题变成问 100 个问题，需要的算力可以涨 100 倍。 Q：而且单位时间内 token 消耗的复杂度也在迅速提升，比如我要消费的内容、视觉信息可能也变得更复杂。 戴雨森： 在未来你可以问 AI 之前没想到的非常复杂的问题，我给你举个很简单的例子。比如美股二级市场的朋友，在财报季时一天可能要关注五六家公司发业绩。凌晨四点起床看财报数据、代入模型做对比、听电话会议、分析 CEO 的展望，都是他们的日常。 原来他们不可能同时听多个财报会，只能靠招更多人或挑重点去选择。但现在有了 AI，虽然目前还不能完全跑通全流程，但 6 12 个月内就有可能让一个分析师同时覆盖 50 家股票的财报。 AI 可以帮他们看财报、听电话会议记笔记、回答事前准备好的问题、总结 CEO 回答、写报告。这些原来因为「做不到」才没放到你的工作时间表里的事情现在 AI 能完成了，需求就自然增长了。 就像飞机出现之前，没有人会说「我今天要飞美国出差」。但飞机一旦存在，新的需求就出现了。AI 也一样，它让你开始做那些你原本不会想做的事。 Q：时间是有限的。但单位时间内娱乐内容的复杂度、感官刺激可能会大幅提升，这也是以前难以想象的。 戴雨森： 对，确实难以想象。但我想说的是，生产力的价值是直接可衡量的。比如 AI 帮我赚 100 块钱，我为它付 1 块或者10 块。 而且我们观察到一个很有意思的现象： 当 AI 按 token 用量计费后，很多人是希望用得更多的。 因为它确实在帮你完成工作，比如帮你写了更多代码。 这本来就是你自己要做、要花时间花钱雇人做的事，现在 AI 帮你完成了，它就有价值。 10 硅谷 Acqui hire 抢人大战 Q：关于最近这场「抢人大战」你有没有什么看法？ 戴雨森： 确实最近有很多人被挖走，也有人接到电话但没去。大量优秀人才被 disruptive（颠覆性）级别的薪资挖走。 这种挖角不管是对被挖团队，还是 Meta 自己原有的团队，都是非常大的冲击。在硅谷几乎所有顶尖公司都在发生类似动荡。被挖的人所在团队军心难免动摇，留下的人也开始质疑：是不是自己也该涨薪？ 这种高薪挖人当然是人才价值的体现，但越是顶级人才，也越需要时间和环境来磨合，才能真正形成合力。 历史上失败的例子也很多，所以对于这些组织来说，这既是机会，也是一场挑战。 Q：你觉得抢人竞争算良心吗？ 戴雨森： 我觉得这也是体现了创始人的精神，就是他愿意不惜代价去争取人才。如果花钱能解决的事，我就花钱办。这反映了人才确实很重要。 Q：压力主要是在硅谷吗？不过从另一面看，这也给创业公司提供了不错的退出机会。 戴雨森： 但是这种退出可能不够大。有的人觉得公司卖个几亿美元就挺好，有人则想做千亿美元公司。创业公司也需要更多弹药去和 Meta 这样的大厂竞争。比如说 Cursor 之前融了很多钱，我们一度还觉得融这么多钱做什么，现在看到他们要面对的是更多钱补贴用户用 token，招人也要更高成本，所以融资更多很合理。现在竞争无论是补贴还是人才都升级了。顶级人才也有很多选择，对很多创业公司来说，加入战局的门槛和水位都在提升。 Q：硅谷这种人才收购（Acqui hire）很流行，主要是为了绕过反垄断限制，也反映了竞争多激烈。 戴雨森： 大家都想加快节奏，因为钱太多了。几家巨头账上都有大量现金，这些钱投下去，如果能用钱换时间和竞争优势，对他们来说就是简单的事情。 11 Benchmark 钝化， 突破智能的边界 Q：最后这一部分，我想问一些你的感受。从 GPT 3 到现在，已经有两年半时间了。你目前对什么事情还是特别好奇？ 戴雨森： 我好奇始终还有很多。首先是如何衡量智能的边界。 你想，ChatGPT 刚出来的时候，人类还能指出它的回答问题所在。但现在无论是它研究的内容还是文笔本身，普通人类越来越难发现它的缺陷了。 当人类智能被逐渐接近的时候，你怎么衡量一个或许比你更聪明、更深度思考、记忆力更强的存在？ 关于如何衡量智能，我的好朋友姚顺雨在他写的文章《下半场》中提到，未来 AI 的 benchmark 会越来越重要。现在的 benchmark 已经钝化，不能准确区分模型差异。比如说一个 benchmark 得 85 分或 90 分真的能反映模型的区别吗？Kimi 的经验也说明，内部制定好的 benchmark 很重要。 模型训练关键是如何衡量结果，而内部 benchmark 的水平质量往往决定了模型的质量。 所以我觉得如何衡量智能、如何探索智能边界依然非常重要。现在我们还能勉强说用一用模型，能「Vibe Testing」感受到模型的能力好坏，但再过几年，前五名的模型可能都比你聪明的时候，你怎么去评估谁更好？ Q：所以怎么去衡量智能的边界？ 戴雨森： 第二个我想说的是，我一直反复思考生产力这个逻辑。 每个人拥有大量生产力之后，对于个人、组织、乃至世界的影响是什么？ 对个人来说，超级个体一个人能做的事情越来越多：从做小猫补光灯这样的小 app，到开发游戏，甚至到实现 Sam Altman 预言的「一人独角兽公司」。当年 Instagram 被收购时只有 13 个人，在 AI 时代，13 个人到 3 个人是完全有可能的。 这意味着人和人之间差距会变得很大。当每个人都拥有无限聪明的助手，以及像 Manus 这种可以日夜无休帮你打工的「赛博牛马」时，有人能很好地利用它创造巨大价值，有人可能没有产生那么大价值，所以成长速度差异会进一步拉大。 对组织来说，小组织可以变得很强大，而大组织则能通过先进技术管理更大、更复杂的业务。比如美团管理几百万骑手，业务非常复杂，如果没有先进互联网通信和管理技术，根本无法实现。加入 AI 后，大公司的管理人数、业务复杂度和深度都会再升一个台阶。 世界是由各种组织驱动的，组织能力边界的提升对世界影响巨大。 进一步来说，当整体生产力大幅提升，而人与人、组织与组织之间差距变大时，如何在效率和公平间寻求平衡？AI 最初是最聪明的人制作工具给头部用户用，但这些精英产生的价值如何反哺普通大众？即便一个普通人不是特别努力学 AI，我们如何让 AI 产品越来越易用，让普通人也能从中获益？ Q： AI 还会带来隐私暴露和虚假信息泛滥，让真实界限变得模糊。 戴雨森： 对，你很难区分什么是真实的文章。我现在还能读出 DeepSeek 的味道，但一年后可能分辨不出，或者说，可能有很多 AI 写的文章我已经分辨不出来了，我能分辨出来的只是那些还伪装得不够好的。大家都知道 AI 会引用虚假内容，但关键什么是虚假呢？真假的界限也越来越模糊了。 我一直在想，人类最大的限制是什么？我这边觉得是大脑的功率，大脑功率大约 20 瓦，人类智能的上限就是这么多。而 AI 可以很快接近甚至突破这个上限。智能越多，我们用它做什么，人与 AI 的角色分工如何，这些都是我们很快要面对和调整的问题。 戴雨森： 大家那时候肯定觉得 Google 有点落后，被 OpenAI 抢了风头，很多人才也选择出走。但后来 Google 的联合创始人 Sergey Brin 回归公司之后，很多事情发生了变化。比如有传闻说 Google 收购的 Character.ai 创始人 Noam Shazeer 回去后亲自改了一个 bug，直接让模型性能大幅提升。真假不确定，但关键人才确实能解决问题。 Q：所以 Google 能快速追赶，可能不仅是技术，也有组织方式、投入强度的变化？ 戴雨森： 对，他们对这件事是非常重视。我听说 Gemini 团队加班也很厉害，原本大家觉得 Google 是养老公司，但现在他们也很拼。 Q：模型竞争其实激活了很多聪明人，追求的成就感也回来了。 戴雨森： 我觉得是的。这几家公司的创始人都非常重视 AI，现在已经不是「AI 会不会落地」的问题了，而是必须赢。 不管是 Zuckerberg、Sergey Brin，还是 OpenAI 和 Anthropic 的团队，他们都看到 AGI 已经迫在眉睫，意识到这件事的重要性，愿意花钱、愿意投入资源。 最近 Y Combinator 的创业营也提到，现在做任何公司，都应该以「AGI 两年内实现」为前提假设。你要思考： 假设 AGI 两年内实现，那你的公司该怎么做？ 当然 AGI 到底是什么还有很多争议，但毫无疑问巨大的变化正在发生，而且是快速发生。现在硅谷学计算机的学生找工作都变难了，因为初级程序员的工作已经被 AI 替代了很多，很多变化是实实在在发生的。 Q：我们回到你说的三条主线。我们讲了推理和编程，现在讲工具使用。最近像 Kimi K2 和 Grok 都在训练阶段就加入了使用工具的能力。这是新趋势吗？ 戴雨森： 现在 AI 使用工具主要有两条路线： 1 . 像 MCP 这样，走 API 接口方式； 2. 通过视觉模拟 AI 操作已有软件。 这两种方式都有人在做，现在像 MCP 这样的生态已经建立起来了，越来越多为 AI 搭建的工具变得可用。又比如 Manus 和 OpenAI 的 Operator 用的是沙盒虚拟机里面的浏览器、通过视觉操作浏览器等已有的软件，模拟人类的使用过程，目的是让 AI 更好地调用已有软件的功能。 能够使用人类的工具完成任务，我觉得这是让 AI 真正变有用非常重要的一件事。 08 Agent 让每个人学会当好老板 Q：其实在 OpenAI 最开始规划的五个阶段里面，第三个阶段就是推理之后的 Agent。 戴雨森： 对，之前张祥雨有个播客讲得特别好，我很认同他的分析。第一个阶段是 chatbot，对应 ChatGPT；第二个阶段是 reasoning，对应 o 系列模型；第三阶段的 Agent 对应的是 Agent native 模型，但目前好像还没有真正出现。 在 Agent 的定义中，目标是 AI 自己去寻找的，但目前目标仍由人给定。 Agent 是说，我给你一个目标后，它去预测使用工具的序列，选择什么工具完成任务。它可能还没做到像给员工完成任务那样，自己拆分任务和定义目标。 现在 AI Agent 这一类产品还处于非常早期阶段。比如 Manus 才刚推出几个月，但我觉得一年甚至半年后，随着模型能力提升，这类产品的能力会大幅增强。 我想说的是，不同公司因为资源禀赋不同，解决 Agent 这个问题的方式也会有差异。我们尽量不做预判，不认为我们能够预先知晓未来。比如 Kimi 的看法是 Model as Agent，通过模型训练中加入大量端到端的工具使用数据，让模型本身具备强大的工具调用能力。而同样是调用闭源模型 API 的产品。Manus 提出了「less structure, more intelligence」，但有时结构化也能提升工作效率。Genspark 就专门做了针对 PPT 场景的 slide 生成功能，引入了一系列优化工作效果的方法。 Q：这两种角度都对。对用户来说，有些场景有大致流程，结果更可控，成本也会更低。 戴雨森： 因为用户要的是最后的结果，而不同的公司想实现这个结果，可能有各种不同的路径。有的灵活但成本高，有的固定但成本低。所以大家解同一道题，用不同方法都合理。 Q：你说的最大趋势无疑还是 Agent？ 戴雨森： 是 AI 对生产力的提升，想让 AI 把生产力真的提高，就得让 AI 承担更多工作。像 Claude Code、Manus 等 Agent 产品，核心理念是人不做事，AI 做事。 有人说这是类似自动驾驶 L3级别的产品，人不动方向盘，车自动驾驶。我们发现写代码的工程师一开始喜欢 Cursor，因为它还是让你在熟悉的 IDE 里面写代码，但Manus 发现产品经理用 Cursor 去完成任务不怎么看代码，只是看右边的对话框，所以他们把对话框放到主要的位置，做出了一个更加适合非程序员人群使用的 Agent。 随着模型能力的进步，Claude Code 更极致，用户不能写代码，只能告诉 AI 你要做什么，其他的 AI 去完成。 所以 L3 或 Agent 意味着 AI 去作为执行主角，而用户要学会当 AI 的好老板。 Q：这对很多人来说挺难，是门槛。 AI 做事不满意，你让它做几次都不行。 戴雨森： 以前我创业时也这么想，所有事我都亲自做。后来发现这不是好管理方式，我应该赋能下属，让他们知道我要什么，让他们有主观能动性。 以后人类指挥 AI 可能也是这样，这可能是人类历史上第一次要培养一个工具。以前培养人很难，大部分人是被培养的，很少有人有能力或机会去培养一个下属。 但现在每个人可能都要学会如何给 AI 下命令，如何培养 AI 去更好完成工作。 Q：你提到 Manus、Genspark 这类通用 Agent 的用户群都比较广泛。你们怎么观察垂直场景里的 Agent？ 戴雨森： 通用是因为当前模型能力偏通用，但肯定会逐渐涌现某些垂直场景。 我觉得一个好的产品，最后肯定还是要有清晰的定位，要在某些领域做到绝对的第一名，才能拥有长期价值。 或者说我们目标不是追求通用，而是从通用开始，逐渐发展收敛到一些核心场景。 技术革命的早期发展阶段，往往大家都在尝试，也不知道新技术适合做什么，最后看什么效果最好。例如蒸汽机刚被发明时，最开始是用于抽煤矿的水，后来发现用来驱动火车和纺织机更好。蒸汽机也是一个「通用技术」，但最后最大的价值可能来自几个具体场景。 我觉得现在 coding、做 PPT 这类的 office work、deep research 三者毋庸置疑是已经涌现出来的重要方向。 Q：有个话题挺有意思。国内大家讨论通用产品，觉得这是大公司的必争之地。但跟国外投资人聊，他们反而对 Super App 的可能性更感兴趣，关心怎么打败 OpenAI 和 Google。 戴雨森： 如果你有机会挑战大公司，那是好事，至少有资格参与奥运会，比不参与强。 很有意思的一件事是，Manus 出现后，有很多人说它没壁垒，用开源框架一个周末就能搞出来。但现在过了这么多个周末，还没看到任何一个类似的应用能真正做好的。 我觉得在全球市场，大家对真正的创新还是尊重的，不会直接复制完全一模一样的产品。可能会借鉴交互或呈现思路，比如 AI 在干活的表现形式，但不会直接像素级复制。在全球化竞争里，先发优势会带来很多口碑和传播优势，这也是对创新者的奖励。 09 每月 1000 美金的 AI 产品订阅 Q：你算过现在一个月在 AI 产品订阅上花多少钱吗？ 戴雨森： 大概接近 1000 美金。Manus 是 200 美金，Genspark 是 200 美金，ChatGPT、Gemini、Grok 这些也都差不多各 200 美金。我买的基本上都是高级方案。 我一直有个理念，新产品就要多试试，很多时候花点钱试一试并不过分。 很多 AI 产品的革命之处不能只看报道，得亲身去用。当你能看到一个未来的时候，你会产生很多的灵感。 我们三月份就观察到，Manus 上线后推理用量暴涨，Agent 产品的 token 用量相比 Chatbot 是显著增长。当时二级市场很多人还在质疑英伟达，觉得哪怕全世界所有人都用 chatbot，推理需求也根本没那么大，用不了那么多算力。 但其实这就像拨号上网时代，一开始所有人都在聊 QQ，不需要那么多带宽。但有了宽带网之后，大家就要在线上看 4K 视频了。模型能力越强，可以解锁的场景越多，token 使用就越多。 Q：2023 年，黄仁勋在英伟达内部讲话中说，他们的市值目标是 2 万亿美元。当时英伟达刚刚突破 1 万亿。我们还在讨论他这口气是不是太大。结果今年已经突破 4 万亿了。 戴雨森： 他很快可能会到 5 万亿。因为 token 向生产力的转化趋势才刚刚开始。 这就像火车开动了，就不会突然又停下来了。我们现在还在不断发现 AI 新的使用场景。比如说一个工程师原来一天可以写 100 行代码，现在有了 Cursor、Claude Code，可能写的代码是原来的 10x，能解决更多以前没想过要解决的问题。又比如有了 ChatGPT 和 Manus，你会问的问题也会变多。 很多以前不知道该问谁的问题，现在可以用 AI 来解决。给用户带来的生产力提升，导致用户更愿意付费。 Q：目前生产力场景的 token 消耗是非常高的？ 戴雨森： 生产力可以以 10 倍，100 倍的速度增长。和 AI 闲聊再怎么聊，一天就那么多时间，这是我们以前讲的 attention is all you need。如果你要的是用户注意力，它是有限的，并且是和抖音，Tiktok、小红书一起去争夺的注意力。 但在生产力场景，用户需求的上限很高，可以从问一个问题变成问 100 个问题，需要的算力可以涨 100 倍。 Q：而且单位时间内 token 消耗的复杂度也在迅速提升，比如我要消费的内容、视觉信息可能也变得更复杂。 戴雨森： 在未来你可以问 AI 之前没想到的非常复杂的问题，我给你举个很简单的例子。比如美股二级市场的朋友，在财报季时一天可能要关注五六家公司发业绩。凌晨四点起床看财报数据、代入模型做对比、听电话会议、分析 CEO 的展望，都是他们的日常。 原来他们不可能同时听多个财报会，只能靠招更多人或挑重点去选择。但现在有了 AI，虽然目前还不能完全跑通全流程，但 6 12 个月内就有可能让一个分析师同时覆盖 50 家股票的财报。 AI 可以帮他们看财报、听电话会议记笔记、回答事前准备好的问题、总结 CEO 回答、写报告。这些原来因为「做不到」才没放到你的工作时间表里的事情现在 AI 能完成了，需求就自然增长了。 就像飞机出现之前，没有人会说「我今天要飞美国出差」。但飞机一旦存在，新的需求就出现了。AI 也一样，它让你开始做那些你原本不会想做的事。 Q：时间是有限的。但单位时间内娱乐内容的复杂度、感官刺激可能会大幅提升，这也是以前难以想象的。 戴雨森： 对，确实难以想象。但我想说的是，生产力的价值是直接可衡量的。比如 AI 帮我赚 100 块钱，我为它付 1 块或者10 块。 而且我们观察到一个很有意思的现象： 当 AI 按 token 用量计费后，很多人是希望用得更多的。 因为它确实在帮你完成工作，比如帮你写了更多代码。 这本来就是你自己要做、要花时间花钱雇人做的事，现在 AI 帮你完成了，它就有价值。 10 硅谷 Acqui hire 抢人大战 Q：关于最近这场「抢人大战」你有没有什么看法？ 戴雨森： 确实最近有很多人被挖走，也有人接到电话但没去。大量优秀人才被 disruptive（颠覆性）级别的薪资挖走。 这种挖角不管是对被挖团队，还是 Meta 自己原有的团队，都是非常大的冲击。在硅谷几乎所有顶尖公司都在发生类似动荡。被挖的人所在团队军心难免动摇，留下的人也开始质疑：是不是自己也该涨薪？ 这种高薪挖人当然是人才价值的体现，但越是顶级人才，也越需要时间和环境来磨合，才能真正形成合力。 历史上失败的例子也很多，所以对于这些组织来说，这既是机会，也是一场挑战。 Q：你觉得抢人竞争算良心吗？ 戴雨森： 我觉得这也是体现了创始人的精神，就是他愿意不惜代价去争取人才。如果花钱能解决的事，我就花钱办。这反映了人才确实很重要。 Q：压力主要是在硅谷吗？不过从另一面看，这也给创业公司提供了不错的退出机会。 戴雨森： 但是这种退出可能不够大。有的人觉得公司卖个几亿美元就挺好，有人则想做千亿美元公司。创业公司也需要更多弹药去和 Meta 这样的大厂竞争。比如说 Cursor 之前融了很多钱，我们一度还觉得融这么多钱做什么，现在看到他们要面对的是更多钱补贴用户用 token，招人也要更高成本，所以融资更多很合理。现在竞争无论是补贴还是人才都升级了。顶级人才也有很多选择，对很多创业公司来说，加入战局的门槛和水位都在提升。 Q：硅谷这种人才收购（Acqui hire）很流行，主要是为了绕过反垄断限制，也反映了竞争多激烈。 戴雨森： 大家都想加快节奏，因为钱太多了。几家巨头账上都有大量现金，这些钱投下去，如果能用钱换时间和竞争优势，对他们来说就是简单的事情。 11 Benchmark 钝化， 突破智能的边界 Q：最后这一部分，我想问一些你的感受。从 GPT 3 到现在，已经有两年半时间了。你目前对什么事情还是特别好奇？ 戴雨森： 我好奇始终还有很多。首先是如何衡量智能的边界。 你想，ChatGPT 刚出来的时候，人类还能指出它的回答问题所在。但现在无论是它研究的内容还是文笔本身，普通人类越来越难发现它的缺陷了。 当人类智能被逐渐接近的时候，你怎么衡量一个或许比你更聪明、更深度思考、记忆力更强的存在？ 关于如何衡量智能，我的好朋友姚顺雨在他写的文章《下半场》中提到，未来 AI 的 benchmark 会越来越重要。现在的 benchmark 已经钝化，不能准确区分模型差异。比如说一个 benchmark 得 85 分或 90 分真的能反映模型的区别吗？Kimi 的经验也说明，内部制定好的 benchmark 很重要。 模型训练关键是如何衡量结果，而内部 benchmark 的水平质量往往决定了模型的质量。 所以我觉得如何衡量智能、如何探索智能边界依然非常重要。现在我们还能勉强说用一用模型，能「Vibe Testing」感受到模型的能力好坏，但再过几年，前五名的模型可能都比你聪明的时候，你怎么去评估谁更好？ Q：所以怎么去衡量智能的边界？ 戴雨森： 第二个我想说的是，我一直反复思考生产力这个逻辑。 每个人拥有大量生产力之后，对于个人、组织、乃至世界的影响是什么？ 对个人来说，超级个体一个人能做的事情越来越多：从做小猫补光灯这样的小 app，到开发游戏，甚至到实现 Sam Altman 预言的「一人独角兽公司」。当年 Instagram 被收购时只有 13 个人，在 AI 时代，13 个人到 3 个人是完全有可能的。 这意味着人和人之间差距会变得很大。当每个人都拥有无限聪明的助手，以及像 Manus 这种可以日夜无休帮你打工的「赛博牛马」时，有人能很好地利用它创造巨大价值，有人可能没有产生那么大价值，所以成长速度差异会进一步拉大。 对组织来说，小组织可以变得很强大，而大组织则能通过先进技术管理更大、更复杂的业务。比如美团管理几百万骑手，业务非常复杂，如果没有先进互联网通信和管理技术，根本无法实现。加入 AI 后，大公司的管理人数、业务复杂度和深度都会再升一个台阶。 世界是由各种组织驱动的，组织能力边界的提升对世界影响巨大。 进一步来说，当整体生产力大幅提升，而人与人、组织与组织之间差距变大时，如何在效率和公平间寻求平衡？AI 最初是最聪明的人制作工具给头部用户用，但这些精英产生的价值如何反哺普通大众？即便一个普通人不是特别努力学 AI，我们如何让 AI 产品越来越易用，让普通人也能从中获益？ Q： AI 还会带来隐私暴露和虚假信息泛滥，让真实界限变得模糊。 戴雨森： 对，你很难区分什么是真实的文章。我现在还能读出 DeepSeek 的味道，但一年后可能分辨不出，或者说，可能有很多 AI 写的文章我已经分辨不出来了，我能分辨出来的只是那些还伪装得不够好的。大家都知道 AI 会引用虚假内容，但关键什么是虚假呢？真假的界限也越来越模糊了。 我一直在想，人类最大的限制是什么？我这边觉得是大脑的功率，大脑功率大约 20 瓦，人类智能的上限就是这么多。而 AI 可以很快接近甚至突破这个上限。智能越多，我们用它做什么，人与 AI 的角色分工如何，这些都是我们很快要面对和调整的问题。 有时候我觉得有点可怕，因为大的变化已经到来，只是大家还在逐渐感受到它。比如对程序员影响特别直接，普通初级程序员如果不用 AI，未来两年后找到工作会非常困难。但一年的时间人是很难做出改变的。而更多的职业可能也会在很短的时间内受到极大的冲击。 12 Talk is cheap, Show me the product Q：你会对什么事感到疲倦？ 戴雨森： 我觉得第一个疲倦的是过度营销。过去几年有一个趋势，就是很多产品在过度营销，各种「震惊体」，但好的产品比如说 Manus，几乎没花钱营销，但大家误以为它花了很多钱。 之前 AI 的进步主要是模型的进步，普通用户还无法在产品中体验，因此研究员和媒体拥有很大的解释权。但现在模型已经开始转化成应用了。那时候我在即刻发了一条说： 「Talk is cheap, show me your product.」 现在很多 AI 模型的核心能力最终都要转化成产品，用户能真正用得起来，AI 才有生命力。很多讲故事、炒作的公司，不如专注做好产品。我们看到现在发展好的 AI 公司大多做到了这一点，拿出真正对客户有价值的产品。 Q：你今年内想验证的是什么问题？ 戴雨森： 一个是 AI L3 级别的 Agent 应用能不能快速达到完成实际工作的程度。 比如 Manus 我们都在用，用户也在付费，但有时一个任务只能完成七八十分，还需人补充到 100 分。Claude Code 相比之前的 coding agent，逐渐能做到一次完成，不用修改就能上线。 未来几个月到年底，我相信 Agent 的能力还会有很大提升。到那时，可能你给 AI 一条指令，它就能埋头干完，甚至一次就干好了。 Q：我现在用 AI 感觉是得刻意多用它。因为给它比较复杂的任务时，它完成得不完美。 戴雨森： 这是普遍现象。好的 AI 产品一定是为未来的模型设计的。Cursor 上线两三年了，但直到 Sonnet 3.5 出来的时候才开始火，等 3.7 出来后才爆发增长。 Manus 也是一样，刚上线时很多任务其实也做得不好，但 6 个月、12 个月后，新一代模型会让它表现更好。 所以你要为未来设计，而不是为当下就能获得的模型设计。 Q：这对普通用户可能反直觉，但我理解，这是快速发展阶段。普及到主流用户时，大家仍追求开箱即用。 戴雨森： 其实也不一定，比如我们之前发的《 Manus 对谈 YouTube 联创陈士骏 》，Youtube 的联合创始人 Steve 说，YouTube 出来时是为未来宽带设计的。2005 年，那时候美国刚开始普及宽带，因此一开始的体验并不是那么好。同样短视频平台如抖音快手上线时，也是为一两年后的智能手机和 4G 普及设计的。 AI 也是这样，你