张小珺Jùn｜商业访谈录

在年终对话系列【站在2025年之外】的前两集节目中：朱啸虎提出“三年不会有泡沫”，“泡沫论调纯属无稽之谈”；戴雨森则预测，2026年是“Year of R”，将会是一个现实回归之年。今天推出的是系列第三集节目，嘉宾来自一线的硅谷视角。1个多月前，在2025年11月初，Sam Altman上了一档由美国基金Altimeter Capital创始人主持的播客节目，在主持人连续追问OpenAI如何为1.4万亿美元级别算力与基础设施承诺买单时，Sam称：“If you want to sell your shares, I’ll find you a buyer. Enough.”（“如果你想卖掉你的股份，我可以帮你找到买家。够了。”）——随后，AI板块整体出现波动，关于AI是否存在泡沫的讨论进一步升温。我们今天的嘉宾Freda Duan就来自这个名叫Altimeter Capital的基金，她担任合伙人。Altimeter是一个硅谷科技基金，横跨一二级。在一级市场投资案例有OpenAI、Anthropic、字节跳动等，在二级市场投资案例有NVIDIA、Snowflake、Robinhood等。这集节目，Freda将深入分析美国这些明星公司，给他们的巨额投入算算账；她也从一线硅谷投资人的视角聊聊，美国资本的新秩序，他们眼中的坏小孩、反叛者、刺猬型和哪吒型创始人，以及泡沫。2025年，让我们和AI共同进步！（录制于2025年11月）03:30 Freda的自我介绍04:41 2020-2025每一年的硅谷关键词08:12 今天美股投资三条主线：AI + Re-industrilization（再工业化） + Digitization of Finance（金融产业创新），三条主线非常有意思，因为中间有很多联系10:20 美国投资人怎么看待中国市场？10:59 投资OpenAI12:14 给OpenAI的商业模式算算账（对比Netflix）16:45 OpenAI的收入四个支柱20:49 OpenAI的竞争23:32 Google的变化26:27 OpenAI的投资回报和IPO28:25 投资Anthropic31:25 Neo labs32:31 投资Robinhood40:29 硅谷资本喜欢乖小孩还是坏小孩？44:26 发现新物种（market prediction）46:07 自动驾驶和机器人55:25 “一级靠共识，二级靠非共识”57:13 美国不同基金看人的taste：刺猬型、反叛者、哪吒型创始人58:22 美国基金整体变化：更集中仓位下重注01:03:43 复盘硅谷2025年最重点方向01:09:51 这些AI公司的巨额收入从谁的口袋里来？01:14:11 巨额AI投资的投入产出比01:15:04 我们在AI bubble中吗？01:16:31 展望2026年年终对话【站在2025年之外】：《122. 朱啸虎现实主义故事的第三次连载：人工智能的盛筵与泡泡》《124. 和戴雨森聊2026年预期、The Year of R、回调、我们如何下注》【更多信息】免责声明：本内容不作为投资建议。

不知不觉，我们来到了2025年的最后一个月，在北京的初雪之中，我们希望和大家一起做一个回顾与展望系列：【站在2025年之外】。今天的嘉宾是真格基金管理合伙人戴雨森。在122集节目中，朱啸虎声称，三年之内不会有泡沫，泡沫论调纯属无稽之谈，创业者2026年当全速前进。雨森今天带来全新的看法。在他看来，2026年的关键词是“The Year of R”——回报与研究会再次变得重要。某种意义上，2026年将是一个现实与回调之年。02:00 复盘2025年02:00 从模型侧看进展：o1为代表的Thinking Time Scaling带来模型能力大幅提升OpenAI、Anthropic、Google三家的旗舰模型追赶很紧，又各有特点，预期和叙事轮动中国模型公司一年下来dominate开源生态28:13 从应用侧看进展：模型能力带来应用大爆发应用是有护城河的，开始看到复杂应用在context、environment等层面产生壁垒模型公司不能没有产品，大家都下场做最重要的第一方应用中国AI应用出海表现不错52:31 2025年真格出手了多少项目？20个左右对比中美AI公司估值，中国公司对于全球来说有很高期权价值：Thinking Machines天使轮估值在没有产品的情况下已是中国AI公司估值总和模型公司：Mistral 14b，Kimi 4b，Mistral自己都不怎么做Pre-train了，benchmark也就是和Kimi对标应用公司：在美国Manus这样一家几个月做到100m ARR，几十个点gross margin，MoM20%增长的公司应该是3-5bn01:03:15 预测2026年：The Year of RThe Year of R：Return、Research、Remember、多模态Reasoning01:03:15 Return：为什么Return很重要？ROI，过去3年交易的是investment，因为大家被潜在的大return吸引，但现在随着I越来越大，大家对R的落地越来越关注，因为有R才能推动未来的I为什么我们认为2026年大家会加大对return的关注？模型：模型能力进步是这一波AI革命最本质的驱动力，但模型的能力进步正在放缓；美国头部labs的投入（Capex，人工等）大了很多，但无法阻止中国模型低成本跟进，Scaling Law不能简单理解成为投入大力出奇迹应用：AI应用的叙事从无所不能威胁人类的AGI收敛到现在的三种主要商业模式，是从梦想回归现实的过程订阅制是OpenAI现在的核心商业模式：超过5亿DAU后，全球知识工作者低垂的果实已摘得差不多了，面临Gemini等的激烈竞争，针对普通用户再提价会比较难被寄予厚望的广告 + 电商：首先其中大部分是分Meta、Google、字节的存量蛋糕，对于Chatbot这样新形态的应用，探索广告和电商变现的速度不会很快广告 + 电商：首先大量是存量分蛋糕，然后对于新形态的应用，速度没那么快AI Coding/图片视频生成等“基于用量付费”的生产力产品：Token用量会持续增长，但Token价格也在持续下降，用户只会为SOTA的智能按用量付费；原来值钱的任务会很快变得不值钱，所以AI替代了很多程序员，并不意味着AI能长期赚到这些程序员的工资AI+行业的企业服务：这部分首先还在早期市场，规模有限，尝鲜的企业多，长期留存未必好，一个例子是微软Copilot的发展持续低于预期，大公司有数据安全、权限、隐私、工作流再造等一系列阻碍，使用新技术的速度比小公司和个人要慢不少结论： 需要实现Satya说的GDP加速增长，把蛋糕做大才是真正的AGI，比如说AI创造新的药物，发现新的知识，真正解放人类注意力等投入：现在美国基础设施建设慢，算力贬值快，人员工资高，巨额投入需要尽快看到回报2025年底二级市场的预期也和2024年底完全不一样：去年底是市场预期不高，但我们看到ChatGPT增速很快，Coding、Agentic模型提升的确定性带来应用机会；现在是投入很大预期很高，但短期模型端看不到革命性的新能力，新的范式变化还在萌芽期对创业者的启示？负毛利烧钱一味追求增长的逻辑正在过去，需要有增长和毛利率并重的高质量增长。尤其是在美国非常宽松的融资环境可能会放缓，中美创投市场的价格鸿沟将会缩短01:16:13 Research：new paradigm：AI历史上都是阶跃提高，需要有新的paradigm从新带来AI 能力的大增长，Ilya：scaling和research是交替的，现在又到了research的时候目前看Online Learning、世界模型等都是重要的研究方向neo labs：Thinking machines, SSI, Reflection, 到近期的Humans&，Periodic，Isara等）因为做工程和产品和做研究是很不一样的，需要有宽松的环境，自由探索的文化，不设时间和KPI限制，大家希望neo labs能够探索和现在头部模型公司有差异化的新路径new benchmark：现在的benchmark已经不能很好体现AI能力的区别，也不利于作为模型训练的目标，如何衡量一个在大多数领域超过人类表现的模型？姚顺雨指出的下半场已到，需要新的benchmark对创业者的启示：要关注前沿研究的进展，研究的突破可能会解锁新的应用机会01:21:00 Remember（Memory）：Memory是AI应用关键的差异化，现在的Memory能力已经对ChatGPT留存产生了很大的提高现在的Memory基本上还是基于retrieval的，没有做到真正的理解，这部分也是研究的兵家必争之地，如果做好会带来进一步的提高Proactive Agent：有memory和context才能解锁Proactive Agent的机会，而Proactive Agent非常重要，因为人主动去用AI意图有限，AI主动为人服务才能有10x的场景机会01:24:06 多模态：Visual Reasoning可能会有大的突破，人本质上是Pixel Machine，通过视觉输入理解世界，可以关注Zerobench这个Visual Reasoning Benchmark的表现提升，现在头部模型基本上还是不到10分Nano Nanana意味着图片生成进入到Sonnet 3.5这样的可用时代，那么Cursor of Image-gen会是什么？GPT-3.5解锁了ChatGPT，Sonnet 3.5解锁了Cursor，Sonnet 3.7解锁了Manus，Nano Nanana/Veo会解锁什么应用的机会？在ChatGPT里面用Imagegen/Videogen显然不是很舒服的体验语音是很重要的机会，更好更自然的交互，理解用户的Context，Plaud，Granola，Wispr flow/Typeless，Suno？01:30:29 AI Bubble从二级市场来讲，明年有可能出现大的回调，时间点可能是下半年《Boom: Bubbles and the End of Stagnation》书中提到了两种泡沫：好的泡沫和坏的泡沫如果预期是回调，明年的投资策略变化是什么？二级会如何传导到一级？怎么看朱啸虎说：“至少三年内看不到泡沫”、“他们的论点是无稽之谈”？“我个人现在是全部空仓的”中美的估值差距预期会缩短01:47:38 创业端变化和建议基于Year of R的理论，对创业者的建议？AI时代怎么判断创始人？和互联网时代最大不同是什么？创业像F1赛车这两年miss什么项目没？有哪些方向是因为AI出现带来增量的？Chatbot之外不错的交互是什么？今年个人聊了150个项目，只投了2个02:18:31 也谈谈人生对个人的思考：今年的读书、思考与人生对VC的思考：年轻的投资人要差异化对普通人的思考：学会在一个智能充沛的世界里生活02:29:50 最后的快问快答最后一个问题：你提出Year of R，你也清空了二级市场股票，那么你会做空吗？02:36:10 在这集节目的结束，我又放了一段和雨森在录节目之前的一场闲谈，比较随意。我们点评了一下那些时常会被议论起的AI公司。如果你觉得有意思，也可以继续听下去02:36:30 OpenAI02:46:38 Google（我并不觉得Genimi能阻止ChatGPT的增长，不觉得Google已经脱离危险）03:06:36 Anthropic03:11:05 Manus03:19:47 Thinking Machines Lab、Safe Superintelligence Inc.年终对话【站在2025年之外】：《122. 朱啸虎现实主义故事的第三次连载：人工智能的盛筵与泡泡》【更多信息】免责声明：本内容不作为投资建议。

今天的嘉宾是一位创业者，ONE2X联合创始人兼CEO王冠，他们现在的产品是AI视频生成器Medeo。王冠是一名产品经理型的创业者，我和他认识了很长时间，那时他刚从Kimi离职出来创业，此前他是Kimi模型产品负责人。（哦对了，上一个Kimi产品离职来我们节目的是明超平。）除了AI时代应用型公司怎么做产品、搭组织之外，由于我也是一名内容创作者，所以我也很好奇地与他讨论了许多关于新时代的内容平台，生成系统，AI、创作者与平台权力分配的话题。2025年，期待我们和AI共同进步！02:00 自我介绍、产品经理的经历和创业的开端28:39 第一次听说“压缩即智能”，大为震撼32:25 从月之暗面第一个离职创业的人37:11 数据是智能的第一性原理，数据决定的智能的边界42:23 数据三个阶段：公域数据>领域数据>产品内生数据01:05:36 为什么选择视频生成方向？01:26:15 AI如何重塑现有互联网格局？01:30:50 广义AGI vs 狭义AGI01:41:59 应用公司与模型公司的边界会变得模糊02:01:44 AI时代的公司最终都是生成系统公司02:25:49 权力重心向消费者端渗透，平台和创作者会如何演变？02:38:11 生成系统和推荐系统的本质区别是？“没有中间商赚差价”02:50:34 应该怎么做AI产品？北极星指标是智慧程度03:05:45 一个远程办公的组织03:20:18 未来的平台会从分销平台到产销平台我们对AI应用型公司的过往访谈：《95. 对Manus创始人肖弘的3小时访谈：世界不是线性外推，做博弈中的重要变量》《103. Lovart创始人陈冕复盘应用创业这两年：这一刻就是好爽啊！！哈哈哈哈哈》《101. 对YouWare创始人明超平3小时访谈：今天Agent像大猩猩刚拿起一根烧火棍》本集中提到的其他节目：《59. 和杨植麟聊大模型创业这一年：人类理想的增量、有概率的非共识和Sora》《113. 和杨植麟时隔1年的对话：K2、Agentic LLM、缸中之脑和“站在无限的开端”》《115. 对OpenAI姚顺雨3小时访谈：6年Agent研究、人与系统、吞噬的边界、既单极又多元的世界》

2024年3月、2025年2月，我曾两次更新朱啸虎的中国现实主义AIGC故事，现在又过去了快1年时间。站在2025年的尾巴上，AI产业有泡沫吗？泡沫会破吗？投资人对2026年的预期乐观吗？现在还是投资英伟达、OpenAI的好时候吗？——这里是朱啸虎现实主义故事的第三次连载。2025年的最后一个月，还想和大家说那句：期待我们和AI共同进步！01:40 越来越现实的OpenAI：你看Sam Altman就知道了，今年几乎不太提AGI了，对吧？05:46 AI的超级入口之争：必然的就是超级入口之争，而且是日活之争、时长之争08:34 三年内看不到泡沫：他们讲的这些论点，我觉得都是无稽之谈13:24 你持有英伟达、OpenAI吗？16:16 大家低估了DeepSeek：如果没有DeepSeek，可能人类的AI是被几个私有公司控制的19:06 和共识错开15度，那性价比一下子拉出来了，是吧？24:41 离开大厂三条马路，离开大厂三条马路，对吧？30:21 大家知道，我投不投都是十分钟38:30 今天的VC共识太集中了：每个项目上都是Club Deal（俱乐部交易），每个股份比例都很小，那怎么赚钱？——GP赚不了大钱，LP也很不开心40:50 手机游戏打个《王者荣耀》，单独抽半小时、二十分钟就够了《62. 你们要的朱啸虎，来了》《90. 朱啸虎又来了：中国现实主义AIGC故事的1周年连载》【更多信息】本集由语言即世界工作室与微博财经联合呈现。免责声明：本内容不作为投资建议。

今天的嘉宾是Google DeepMind机器人团队的高级研究科学家兼技术负责人谭捷，他的研究方向是将基础模型和深度强化学习方法应用于机器人领域。中美在机器人领域一直存在两种叙事：市场普遍认为，中国在硬件上发展更快，美国在机器人大脑设计上更领先。本期节目中，谭捷将带我们一窥硅谷视角，尤其是Google DeepMind视角下的机器人前沿叙事。前不久，他们刚发布了新工作 “Gemini Robotics 1.5 brings AI agents into the physical world”（Gemini Robotics 1.5将AI Agents带入物理世界），我们也聊了聊他们的最新发现。由于嘉宾工作环境的原因，会出现一定程度的中英夹杂，还大家多多包容和支持。02:00 机器人是在真实世界里做图形学，图形学是在simulation里做机器人嘉宾小传：小时候喜欢打游戏，读博士读的计算机图形学从图形学转型机器人的变轨我在Google的第一篇论文《Sim-to-Real: Learning Agile Locomotion For Quadruped Robots》（从仿真到现实：学习四足机器人敏捷运动），开创了强化学习和seem to real在足式机器人上的应用Paradigm Shift，过去十年第一个是强化学习，第二个是大语言模型大语言模型对机器人的影响（大语言模型类似大脑，强化学习类似小脑）13:06 机器人基座大模型到底是不是一个非常独立的学科？So far, not yet今天的机器人发展到什么阶段了？从demo到真正落地，隔十年并不是一个非常夸张的事从我的角度来说，我不得不承认，最近几年的机器人智能发展主要还是依赖于多模态大模型但多模态模型缺什么呢？缺少robot action的输出当你真正有一个generalist model（通用模型）的时候，specialized model（专有模型）就完全不能与之竞争23:44 Robotics最大问题是数据，它在一个非常复杂的unstructured environment里，可以发生任何事情最大的问题还是数据问题但是robotics是在一个非常复杂的unstructured environment（非结构化环境）里，可以发生任何事情它需要极大量的、非常diverse（多元）的数据，但这些数据现在是不存在的现在有很多startup叫data factory（数据工厂）所谓“数据金字塔”包括哪些？​27:52 Gemini Robotics 1.5：我们有一个方法叫motion transfer，这是独门秘诀Gemini Robotics 1.5最重要的发现是什么？第一个是我们把“thinking”加入了VLA模型第二个非常重要的突破是cross-embodiment transfer（跨具身迁移）Gemini Robotics 1.5的工作中，我们做了一个快慢模型的划分它应该是个过渡的方式，因为现在受制于算力的限制、模型大小的限制当你要一个unify model（统一模型）的时候，它必须非常大Motion Transfer？It’s very secret47:32 生成极大量仿真数据，是弥补它缺点的一个重要手段我们比较重视的一点还是数据、数据、数据遥操作是非常难以获取的数据我们会花更多的精力，比如利用simulation数据，利用human video（人类视频），利用YouTube上的一些数据，甚至利用模型生成的数据，比如VEO生成的一些数据真实数据没有sim-to-real gap（仿真到现实差距），但是泛化性是由数据的coverage（覆盖）导致的，并不是因为它本身是真实数据还是虚拟数据在不远的将来，传统物理模拟仿真会慢慢地被生成式模型的仿真所取代我信仰的是scalable data01:03:48 世界模型就是Vision-Language-Vision，vision和language in，生成下一帧的图像世界模型的定义是：如果给上前一帧，再给上机器人的动作，你可以预测下一帧从另外一个角度，VEO它是一个视频生成模型，但是Genie它更像一个世界模型当你在每一帧的时候，可以有一个输入来改变你的下一帧，那个感觉就是世界模型；但是如果它是一个已经生成好的、几秒钟的静态视频，那就不是世界模型其实就是Vision-Language-Vision，vision和language in，它可以生成下一帧的图像01:08:29 如果你有灵巧手，触觉就非常重要，之所以我前面觉得触觉不重要，是受限于当时的硬件如果你有灵巧手，触觉就非常重要之所以我前面觉得触觉不重要，是因为它其实受限于当时的硬件现在还在夹爪时代在所有夹爪能完成的任务里，我还是觉得视觉可能可以解决95%的问题在未来，人形机器人不会成为唯一的形态，但一定是个主流的形态如果你的目标是solve AGI in the physical world（在物理世界实现AGI），那么我会非常聚焦于最终的形态是什么样子，其他的东西可能都是distraction（干扰）01:17:35 一个有使命感的人，他不会容忍说“I’m on a wrong ship”这几年Google AI或者robotics的研究文化上有没有发生过变化？不管是从promotion、performance review、incentive，还是各种各样的structure上，Google想创造一个环境，使得更多的人可以一起解决更大的事情像Gemini Robotics，它更多是自上而下我发觉好像国内不一定比我卷，我一周可能工作70到80个小时真的，这个时代真的是等不起，不然别人都做出来了AI有很多是数学，华人数学比较好《106. 和王鹤聊，具身智能的学术边缘史和资本轰炸后的人为乱象》《109. 机器人遭遇数据荒？与谢晨聊：仿真与合成数据、Meta天价收购和Alexandr Wang》【更多信息】本集的文字版本已发布，请搜索我们工作室的官方公众号：语言即世界language is world