中国顶尖AI企业的大脑们：承认中国不擅长做从0到1，但擅长做从1到100

中国顶尖AI企业的大脑们，坐在圆桌会议上，终于承认了中国人不擅长做从0到1，但是很擅长做从1到100。

大家好，欢迎收听老范讲故事的YouTube频道。

中国企业超越美国同行的机会不超过20%。中国企业将算力都用在了做交付上、做确定性的事情；美国则是将更多的算力用在做新方向的探索上。中国一旦发现了明确的方向，会快速赶上，会在很多的点上做的比美国更好。

背景：AGI Next 闭门峰会

这些话是在什么时候传出来的？1月10日，有一个会叫AGI next，算是一个闭门峰会。这个会是刚刚上市的智谱他们组织的。因为是闭门会议，所以我们只看到了一些总结归纳，并没有看到完整的视频。前面有一些演讲，最后有一个圆桌会议，四个人在上面进行讨论。前边咱们讲的这个“暴论”，就是在这个圆桌会议里边出来的。

圆桌会议的四位嘉宾

• 唐杰：智谱的创始人。他的发言逻辑中充满了矛盾，这种做ToB项目的人很难逻辑自洽的，所以他的发言后边我们会引用的比较少。
• 杨强：香港科技大学荣休教授，加拿大皇家科学院工程院院士。他站在学术界的角度上，讲的很多东西跟我们日常所熟悉的也是有很大差距的，所以后面引用他的话应该也不多。
• 姚顺雨：腾讯刚刚从OpenAI挖回来这兄弟，他是CEO总裁办公室首席AI科学家，算是前OpenAI研究员。这哥们是一个绝对的聪明人，很多地方都有独到的见解，逻辑很清晰，但是也很圆滑，不太会踩坑。
• 林俊旸：这个字我不查还不认识，左边是一个日，不是木——他是阿里巴巴通义实验室、千问的技术负责人。这哥们是个直男，上面那段话就是他说的。很多大实话别人都绕着说，只有他敢直接说。

主题一：中国不做0到1，而擅长做1到100

访谈分为几个主题，我们先说“中国不做0到1，而擅长做1到100”这一段吧。主持人提了一个问题，先问的是姚顺雨，这个问题是什么？在3-5年以后，全球最领先的AI公司是中国团队的概率有多大？从今天的跟随者变成未来的引领者，需要哪些关键条件？

姚顺雨的观点：乐观与现实

姚顺雨还是比较圆滑的，所以上来先说概率还是很高的呀，我很乐观。然后就开始说实话，毕竟是个技术人员嘛。他说任何一个事情一旦被发现，在中国就能够很快的复现，在很多局部做的更好，比如制造业、电动车都是这么干的。

然后姚顺雨提出了大家都知道的症结：第一个光刻机跟算力的瓶颈是不是可以突破？他说我相信可以突破。另外一个说我们也是有很大优势的，我们的优势在于电力优势，我们电很多，而且很便宜。

中美实验室文化的差异

当然了，主持人也不可能就这么放过他，就接着问他说：中国实验室里边的研究文化跟美国有什么区别？这个姚顺雨继续很油滑的在那抹稀泥，他说美国实验室之间的区别比中美实验室之间的还要大一些。

抹完稀泥以后，接着说大实话。他说在中国，大家还是更喜欢做更安全的事情，只要方向被证明了，再难中国人也愿意赌一把。什么意思？他说你看预训练这事搞明白了，那中国人就要冲上去搞。这个东西不是说别人干明白了，你就直接就可以抄的，还有很多细节、很多的技术难关要冲上去解决。但是只要中国人发现美国人走通这条路了，我们就冲上去孤注一掷，把这个事几个月之内搞定。所有没被验证过的事情，是没有人敢上的。

关于“刷分”现象

他也讲到了现在有一些新的方向，所以这些方向中国人基本上是不干的，都等着美国人去验证。而且他讲说中国人比较喜欢刷分，但是刷分现在已经越来越不重要了。

他举了两个正面案例吧，没有举谁喜欢刷分这种反面典型，毕竟智谱的活动嘛，智谱的老板还在上头坐着，你如果点名字的话，这时候会很难看的。所以他讲了：

• Deepseek：就不太重视刷分这件事，但是大家还是很喜欢使用Deepseek的；
• Anthropic的Claude：其实很多分数并不高，没有它原来所在的OpenAI的分数高，但是大家依然很喜欢用。

所以刷分这个事其实没那么重要了。

主题二：算力差距与“穷人”的创新

后边就是林俊旸这个直男出来了。当然直男也不傻了，理论上在这个场合是不可以泼冷水的，上来先说：“你们想让我说什么我知道，你在这让我说点难听的，这事有问题。”但是直男还是忍不住要说实话。

算力差距：一到两个数量级

他说美国的算力比中国大一到两个数量级。什么叫大一到两个数量级？几十倍到几百倍的这种差距，差非常非常多。说美国大量的算力投入了下一代的研究当中，中国算力本身就捉襟见肘，交付新产品就占用了绝大部分。

什么叫交付新产品？就是我要出新的模型，这个模型是一定要上线、要开发布会的，比如千问3、Deepseek 3.2，或者马上要出的Deepseek 4。这个东西叫交付产品。而美国人说我们可以实验很多东西，这些东西是不会交付的。OpenAI到底有多少模型他们训练完了以后最后没有给大家端上桌？不知道。中国就是我每次只要是消耗了算力，一定要拿出点什么来，咱们讲的投入产出比，所以这个是有很大差异的。

富人创新 vs 穷人优化

然后他在讲，说创新到底是发生在富人手中还是穷人手里？他说穷人也不是说就不能成功，穷人更多的是在做什么？算法基础设施的联合优化。他说这个事富人基本上是不干的。

什么叫算法基础设施的联合优化？咱们去看Deepseek那些论文，就是我怎么用更少的卡、怎么用更少的时间，能够训练出跟你一样的东西来。人富人说我有的是卡，不费这劲，我直接研究我怎么做出最好的东西来就完事了。

所以这个过程有点像什么？有点像中国油漆工在那刷油漆，人家说你必须要刷10遍。他第一次刷了10遍；第二次刷了9遍，说好像看不出来哈；第三次就刷了8遍，或者是就刷了7遍，看看也差不太多；再下一次刷了6遍，然后被人看出来了，这事不行，那下次我就刷7遍。就中国人好多的这种聪明才智都用在这上了。

关于冒险精神

而且他也讲到了，说年轻人的冒险精神越来越强了，而美国人天生有非常强烈的冒险精神，他希望把更多的算力给年轻人。其实这一点我是没有那么同意的。现在的年轻人到底有多少冒险精神？去看看现在考研考公的这个数量，大家就可以自己去想象。但是年轻人里头总还是有一定比例的人愿意去冒险的吧。

为什么上岁数人就不爱冒险了？很简单，爱冒险的人都在家里头录YouTube，都被淘汰了。所以中国整个的职场环境会把爱冒险的人通通都淘汰掉光，剩下温和的守规矩的人留在里边去循规蹈矩，去做这种确定性的事情。所以这是中国的一个很大的问题。

那主持人发现了直男，那不能放过他呀，接着问他说：“你给个数吧，3-5年后世界最领先的公司是个中国公司的概率到底有多大？”

这哥们想了想说：“20%吧。”

20%已经是非常乐观的数据了，我估计这哥们说这话之前也是咬着后槽牙想了半天，还是得对得起自己良心，所以就给了个20%的数据出来。

主题三：模型分化——ToB 与 ToC

除了这个问题之外，他们还在圆桌会谈里头讲了一些其他的东西，比如说模型分化。模型分化就是不是说所有的模型必须要按一个方向去训练，现在他们也发现不同的模型是有不同的用法的。特别是OpenAI跟Anthropic的竞争以后，他们就说没有一个唯一的正确解。那么怎么来分？就是ToB和ToC。

C端模型：垂直整合与超级APP

说如果是C端的模型的话，是可以做垂直整合的。因为很多人在讲模型及应用，或者叫超级APP，实际上都属于C端的东西，比如ChatGPT，比如豆包，都是有巨大的日活，他把所有的功能都整合在一起。而且这样的模型必须是模型跟产品强耦合进行迭代，就是我每一次升级必须要去升级模型的，你说我光把这个APP给你升级了，这玩意没用的，它是这样的一个架构。

而这里头腾讯明显是一个C端公司，而剩下的甭管是阿里也好，还是智谱也好，都属于是B端公司。

B端模型：智能至上

而B端的模型跟C端就不太一样了。因为C端模型你只要是把产品体验做好了就OK了，其实模型本身并不需要那么聪明；而B端模型就是要往上堆能力了，越智能越好。

Anthropic就属于一个典型案例，只管推出更强大的模型就完了，至于B端的应用是由集成商或者是agent开发商他们去搞定。而且这些人会毫不犹豫的去选择最贵、最好的模型与服务。你比如说有20美金一个月的，有200美金一个月的，那些B端的人一定会毫不犹豫的去选择200美金一个月的。

他说原因很简单：比如说20美金一个月的模型，你解决10个问题里头错5个；而200美金一个月的模型，你解决10个问题里头他只错1到2个。把5个错的答案挑出来，这个成本是非常非常高的；或者说你把这个错误答案直接混到结果里头输出了，这个成本是非常高的。你付10倍的钱去订阅是一点都不亏的。

所以Anthropic是不管这个用户到底有什么需求，我是不是把它从头到尾都满足掉，然后进行垂直整合，它不管这些事，它就是一次一次的憋大模型。我只要把新模型推出来，剩下你们就跟着干就完了，你们去做AI agent，你们去做各种的应用，我只管把模型往前推。而且我做多贵的套餐都有人定。这是一个不同的玩法。

主题四：自主学习、Memory与下一个范式

然后讲到了自主学习和memory，以及下一个范式的问题。

自主学习与平滑过渡

自主学习可能是AI发展的下一个方向，或者说到AGI之前，我们必须要解决的一个问题。就是大模型你不能等着人去训练你，你要自己去不断的往前学习。

其实现在的模型跟服务通常也是在不断变强的，服务能力的提升不再像以前那样必须要发新版本了。原来我们在期待说Deepseek V4、Deepseek R2、GROK4、GROK5，Gemini现在有3了是不是要有3.5？原来我们在每天盼这样的大的产品发布。

他说以后不是这样，以后就是很平滑的在往前过渡。你比如说像Claudecode，或者是其他AI agent的产品，或者是一些服务，他每天都在迭代。包括cursor这些编程工具，每天都在升级，每天都在迭代。我们在使用这些产品的过程中提的各种问题，都会快速的成为产品的新特性，让更多的人去受益。说这就是一个自我学习的过程。

Memory（记忆）的重要性

下一个是memory，也就是记忆。大家一致认为记忆是下一个阶段的发展重点。记忆可以通过整合上下文和环境信息提升用户的体验。这是姚顺雨在讲，因为他们是腾讯的，腾讯里头有大家微信聊天的上下文，有你这么多的聊天记录，有你的朋友圈。那他真的没有比微信更懂你的人了，那如果他把这些内容可以有机的整合到他们的模型里去，那微信去跟普通人聊天真的是无往而不利，让你买什么你就买什么。

为什么举这样的一个案例？因为最终还是要变现嘛。只是现在的memory还没有那么聪明，因为给大模型一大堆信息以后，它很难去确定说我在这一次沟通的过程中到底应该用哪些不用哪些。用多了以后这大模型反而会变傻，因为你输入的TOKEN太多了嘛；如果用的少了，或者说你用错了记忆，那这个可能还不如不用。所以现在这一块肯定是未来的一个重要方向。

而且memory还可以带来持续学习的可能性。前面咱们讲的是自主学习，既然自主学习是一个连续的过程，那我们有这么多的记忆，就可以拿着这些东西让大模型也好、让服务也好，可以持续的学习和进步下去。这两块可能都是渐进式发展，并不会有一个跨越式的提升。

谁将引领下一次革命？

AI前面有两次成功的范式转型：一个是聊天，一个是推理。这两次都是由OpenAI来引领的。那主持人就去问姚顺雨，如果自主学习和memory这有可能成为下一个范式的话，下一个重要的这种革命的话，你认为谁会领导这一次革命？

姚顺雨想了半天说：“大概率可能还是OpenAI。”

并没有说拿了腾讯的offer就说这个事一定是腾讯，估计日子也没那么好过。

主题五：出海与通用 Agent

讲完了这一块以后，他们还讲到了出海。这个还是要从ToC还是ToB讲起。这个里边其实逻辑很难自洽。

逻辑的矛盾

为什么？智谱的老大上来讲说这个ToC很有机会，我们很看好ToC，但其实智谱自己是做ToB的。姚顺雨所在的腾讯明明是一个C端大厂，因为他做微信、做QQ、做游戏嘛，但是他也在努力的说我们要去做ToB的东西，要去做AI智能。这到底是为什么？因为你ToC的话就要去跟豆包去竞争去，大家又打不过他。

然后他们讲到了什么？就是我们的经济环境很好。讲完了这句话以后这又很难圆回来。为什么？如果经济环境很好的话，ToB这一端就会有机会，企业的付费意愿就会很强。但是他们的讲法都是这样的：我们的经济环境很好，而且越来越好，但是我们的企业付费意愿很差。基本上都是按这样的一个逻辑在讲的。就是它的逻辑很难自洽。

通用 Agent 与长尾问题

讲完了ToC、ToB以后，大家就接着往前走，说那怎么办？那出海吧。我们都想去做ToB，那咱们就出海。ToB其实就是去做AI agent，大模型已经有了，我们把这agent挂上就完事了。

这里边就提到了一个另外的概念，就是通用agent。其实现在的所谓AI agent有很多种，有些是我们去拼工作流、去做工作流设计，有些是做提示词的堆叠。但是还有一种就是你给它一个任务，它自动的去完成这种通用任务的。在这林俊旸这个直男就讲了，说这个通用agent套壳到底算不算？他讲了这么个话。当然他也知道这话不能乱讲，他就接着往前讲这个事的魅力就在于解决长尾问题。

说真正头部的问题，就是特别有经济价值的问题，因为有足够多的利益来吸引，所以很多人会冲上去解决；而那些长尾问题其实是没有那么多人会冲上去解决的，所以通用agent还是非常非常的价值的一个方向。

房间里的大象

大家也就讲到这儿就完事了。为什么这话题就停在这儿了？房间里的大象，有人零星提起，但是都不敢深入。这房间里大象是谁？你想出海还做通用agent的，不就是manus吗？没法说呀。你把它提出来，那后边怎么弄？你说到底是审查通过、审查不通过，还是一个什么情况？人家拎桶跑路了，跑新加坡去了，上那边洗白去了，最后还没洗白。这玩意你没法讲。

所以为什么说在出海这个话题上大家都显得很别扭，都觉得ToC有机会但是又都想做ToB，又说国内的经济好但是国内ToB的付费意愿又特别差。出海又没法细聊，出海现在跑的最前头这个排头兵被摁那了。所以他们就显得非常非常的矛盾。

老范的总结与观察

最后总结一下吧，一群中国AI的顶尖大脑，他们开了一次闭门会议。

谁没来？

• 字节百度没来：和阿里腾讯不是一头的。
• MINI Max没过来：正在跟智谱这儿别苗头。智谱头一天上市，它可能过了一两天再上市；智谱上去以后跌破发行价，MINI Max直接上来一飞冲天，所以你不能来。
• Deepseek也没来：Deepseek估计在憋大招。现在传闻今年2月份过春节的时候，Deepseek有可能上V4，还是值得期待一下的。
• Kimi：前面演讲的时候他说了，但是后边并没有参加圆桌。

原来有这样一故事，说领导生病了，有些下属过来去看望他。人家就问那领导说：“这么多人都来看你，你能记住谁是谁不？”领导说：“谁来了我记不住，谁没来我能记着。”所以咱们刚才讲了谁没来。

什么没说？

下边咱们讲什么话没说。世界模型、空间模型、VLA这些东西都没提，因为这都不是这几家专长的。其实千问自己还是有一点点VLA的，但是大家都没有提这件事情，这个也都属于是方向没有那么明确，大家不愿意在里边投入。具身智能提了一句，也就仅仅提了一句而已。

大家在谈什么？

大家在谈的是当前国内所关注的方向上，美国人做了哪些尝试。不是说我们自己做了哪些，而是美国人做哪些，我们准备后边去往前推哪一块。比如说刚才咱们讲的自主学习、memory，这都是美国人正在努力往前突破的方向。一旦他们在这些方向突破了以后，国内估计会快速跟进。

最后承认中国人不愿意冒险，做那些确定性很低的事情，呼吁了一下要把更多的卡给90后和00后。这里头不是还有一位学界的吗？说我们也要把更多的卡给学界，不要把这些卡都留在企业手里头。

讨论的结果

他们所讨论的这个结果是什么？中国会在美国指明的方向上奋起直追，确实会在一些领域超过美国，特别是我怎么能够在达到同等效果的情况下更省钱，在这块我们一定会超过美国的。其他的只能尴尬而不失礼貌的微笑了。

最后的感悟

看完访谈以后，老范有什么感受？中国不擅长做0到1的创新并不是人的问题，而是缺乏试错容错的环境。上岁数的人敢冒险的都被淘汰了，所以剩下的人只能去做1-100了。

一群顶尖聪明的AI从业者，在小心翼翼的围绕着难以自洽的逻辑，以及不能说的实话，尽可能的表达自己的想法。看完他们的访谈之后，让我想起了马斯克对AI的要求：不能逼AI说谎，否则会出事的。

好，这期就跟大家讲到这里。感谢大家收听，请帮忙点赞、点小铃铛，参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片

Prompt：Ultra-detailed luminous watercolor + crisp ink line architectural poster of a Beijing AI company loft open-plan office interior, realistic industrial materials: exposed fair-face concrete slab ceiling, blackened steel I-beams and columns, galvanized cable trays, linear HVAC ducts, large factory grid windows with sheer roller shades, glass partition meeting rooms with acoustic seals, polished concrete floor with sharp glossy reflections, long reclaimed-wood communal tables with aluminum legs, ergonomic task chairs, cable grommets and tidy power rails, minimal ceiling acoustic baffles, a clean LED strip “data ribbon” along a wall in neon cyan (abstract, no readable UI), bright high-key daylight + warm gold pendant practicals + subtle coral specular hits, deep navy gradient only in distant recesses, neon cyan rimlight on edges, crystal-clear atmospheric glow, cinematic wide interior composition, strong subject separation, huge clean negative space for headline banner, medium-wide eye-level 35mm, rule of thirds –no text, watermark, logo, clutter, extra limbs, lowres –ar 16:9 –stylize 120 –chaos 6 –v 7.0 –p lh4so59

老范讲故事：A股硬科技上市潮与市场观察

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲，股市最近很热闹，心里总感觉不是那么踏实，怎么办呢？有人说是不是老范吃不到葡萄就说葡萄酸了？因为老范自己是早早的就把A股的所有投资都清仓了。现在A股涨的还不错，那是不是老范现在又来说酸话来了？咱们今天来看一看，到底是不是这么回事。

2025年10月28号，A股确实超过了4,000点，不能再叫人家万年的3,000点了。2025年11月14号，达到了峰值4,034.08点。今天撰稿的时候，也就是下午2点多，是3,970.54点。A股确实是支棱起来了，摩尔线程跟沐曦股份上市，养肥了一大堆的叫大肉签。什么叫大肉签？就是打新股抽到了一签，就可以挣几十万。

四大主题轮流上市

今天呢讲几件事情。第一个呢是摩尔线程跟沐曦股份仅仅是一个开始，四大主题将轮流开始上市了。这四大主题是：

• GPU：里头有四个，我们管它叫四小龙吧；
• 商业航天：里头呢也是四个，也管它叫四小龙吧；
• 人形机器人：里头呢就只有三只小龙了，因为呢优必选其实已经上市了，剩下3个也是准备要去上市；
• 大模型：从六小虎挂了3个，现在还剩三个准备去上市的，也算三小龙吧。

他们这些股票，准备在2026年初就要去上市了。

以前A股出现过这种集中题材上市之后的事情吗？出现了以后，A股的股市是怎么去发展的呢？这次为什么会有四个主题轮流上市这种盛举呢？这次会不会像以前一样，变成最后的疯狂呢？

硬科技上市的背景与逻辑

中国的硬科技呢，四个方向现在呢都在忙同一件事情，就是上市。这四个方向刚才咱们讲了叫GPU、商业航天、人形机器人和大模型。中国的硬科技上市过程其实一直是很艰辛的。为什么呢？因为制造业嘛，好像就没有那么高科技。政府是非常非常喜欢硬科技的，所以制造业就没法讲了。

互联网起飞的时候呢，国内其实不允许亏损企业上市，都去美国去了。当时呢中国人就觉得这这些企业涨挺好，这钱我没挣着，应该让他们在国内上市，我们能挣着这个钱，这好的企业都给轰美国去了这不行。后来呢这些企业，大多都完成了香港的再次挂牌。

互联网上市基本上是这样的一个状态。移动互联网呢其实不能算是一个产业，因为移动互联网里头最大的几个，都是传统互联网上市公司。另外一些呢其实都属于叫上市很困难的，美团、拼多多这两个呢算是上去了，美团是在香港，拼多多是在美国。剩下的滴滴在美国短暂上市就退回来了，后边怎么办还不知道呢。字节跳动到目前为止还没法去上市，因为字节跳动上市这事就比较麻烦了，他不是说自己拍着脑袋说我想上就能上的。

这些企业到底算不算硬科技呢？其实一直存疑。那么真正的硬科技企业呢，其实是不上市的，比如说像华为。华为呢甭管你喜欢他也好，讨厌他也好，但是华为是真正的硬科技企业，确实很多的研发在那做各种各样的研究。至于研究出来东西好不好使，是另外一回事了。但是呢华为不上市，等哪天华为说我要去上市了，那天就真塌了，待会咱们再讲为什么。

在中国的上市呢，节奏是非常非常重要的。首先要看风向，政策风向到底是什么，现在鼓励什么样的企业上市，抑制什么样的企业上市，首先要看这个。要有眼色，不能说我想上市，你看你现在不是正在鼓励的这个范围内，你想不想这事不重要，你要看看是不是轮到你了。没轮到你是会很费劲的。要在股市比较好的时候上市，这个其实大家都能理解，你现在股市很低，跌的很惨的时候你跑去上市，这个事呢一定是吃力不讨好。

当然呢中国在股市不好的时候会暂停审批的，应该是在去年就暂停了三个月，我都不审批了，那你就都别上市了呗。虽然号称我们要改注册制，但是呢指标一直是一个稀缺资源。只要有人还在买壳，这个壳还有价值，股市就是一个人为制造的资源稀缺市场。剩下几个让大家炒一炒，那就真的是老爷开恩了，这样的一个状态。

不同的时间点，政府会有不同的关注点。风口上猪都能飞，逆风飞扬这件事在这里是不太可能出现的。当前的大时代是AI和航天。咱们前面讲了GPU、人形机器人、大模型这都属于AI赛道；商业航天，那是马斯克开创的新领域。

四大领域详细盘点

我们拆开了讲一下这四个领域都是谁。

1. GPU四小龙

英伟达的神话大家都想去复制，AI的金子到底能不能卖钱还没想明白呢，但是呢人家英伟达卖铲子已经成为全世界市值第一的公司了，所以大家都想去卖铲子。

• 摩尔线程：这真的是大肉签，你中一签那挣好多好多钱了。中国的英伟达，因为都是英伟达的人出来做的嘛。募资净值75.76亿人民币，拿其中的75亿闲置资金直接去买了理财了，这个也是比较奇葩的一个公司。上市直接暴涨了468.8%，就是上市头一天，所以你真的中了一大肉签，没有上来头一天第一时间把它卖掉的话，就还可以再多挣好多倍。这公司呢2022年亏了18.94亿，2023年亏了17.03亿，2024年亏了16.18亿，2025年前三季度亏损了7.24亿。所以应该还一直会亏损下去，就不要想有PE的事情了，亏损的公司是没有PE的。这是第一家。
• 沐曦股份：IPO募资了38.99亿，这个呢估计就会学聪明一点，会多忍几天，不会马上公布理财比例和金额的。公司募了钱以后去理财是一个很正常的事情，但是摩尔线程给大家表演了一次现洋相的事情，其他人会稍微的引以为戒。这个呢是中国的AMD，就是AMD的离职员工创建的公司，叫沐曦股份。又是一只大肉签，你要谁中签中了这个沐曦股份了，那爽死了，上市首日报涨了692.95%。2022年至2024年，规模净利润亏损分别是7.77亿、8.71亿和14.09亿；2025年前三季度亏损了3.46亿，预计2025年全年亏损的是7.63亿至5.27亿之间。所以呢这个也不会有PE了，因为也是一个亏损公司。
• 壁仞科技：壁仞科技是即将上市，它呢是12月17日通过了香港联交所的上市聆训。基本上聆讯一次就过了，不像国内似的，你要反复的去质询，然后回答，再质询再回答，他那个很快。明年1月2日正式挂牌，过完元旦壁仞科技就挂牌了。发行价格在17港币至19.6港币之间，预计募资呢是42.1亿到48.5亿港币，因为他最后上市的一个价格还没有确定嘛。算是港股的第一GPU股，只要是第一总是比较占便宜的，因为我刚才我们讲，这股票这个玩意是有稀缺性的，你是第一嘛，一定是最稀缺的那个。这个公司呢，2024年净亏损15.38亿，2025年上半年亏损额扩大到16亿，经调整净亏损5.52亿，所以呢这也是一个亏损公司。
• 天数智芯：它呢是12月19日通过了香港联交所的上市聆讯，明年1月份挂牌，但是具体的日子没定下来。他比刚才咱们讲这个壁仞科技通过聆讯的时间晚了两天，肯定要等人家壁仞科技上去了以后他才能上了。募资规模呢，大概是23.4亿到31.2亿港币之间。2024年净亏损了8.92亿，三年累计亏损了29亿。

这样的四家公司吧，底子硬的都会去A股上市，港股上市要比A股容易。当然这里边呢，还有很多反直觉的故事，后边咱们再去讲港股跟A股上市之间的差别。

2. 商业航天四小龙

商业航天四小龙也在枕戈待旦了。商业航天呢，大家已经认准了这就是个方向，马斯克创建的新方向。前两天还有人拿出了纽约市在电梯发明之前的照片，那个地平线是平平的，电梯发明以后纽约市就盖了大量的摩天大厦上来。现在马斯克已经立下宏愿，要一年向太空轨道投送100万吨货物，那这样的话，地球绝对会变得一个现在咱们都无法想象的样子出来。现在一年也就能投个几千吨货物上去，当什么时候能够投100万吨货物的时候，那一定是天翻地覆的。所以国内也有一堆的做火箭回收的、这些商业航天公司准备去上市了。

• 蓝箭航天：蓝箭航天呢已经启动了上市辅导，就是你惦记在A股上市呢，就要去做上市辅导。2025年7月份启动的，2025年12月23日已经宣布辅导工作完成了，所有上市的准备工作都做完了。这过程中还发了一颗火箭，就是朱雀三号发射成功了，但是回收不够成功。实际上如果那天能够发上去的话，估计咱们就可以在元旦前看到它上市了，但是没发上去，就稍微再等两天吧。辅导验收通过，意味着随时可以递交招股说明书了。如果审核顺利，2026年上半年极有可能正式挂牌。因为2026年4月份，朱雀三号还要再次进行发射，预计呢到2026年年中就可以实现首次回收了。这一次也没敢打保票说我们一定能成上去，航天人通常还是要相对来说比较稳重一些的，不是上来就可以拍胸脯说放心我肯定行，所以他们要稍微给自己打一点富裕出来。他上去了以后呢，将是中国民营航天第一股。创始人叫张昌武，金融背景加上航天专家团队。他呢是液氧甲烷路线，预计上市的估值是220亿人民币估值，是目前四个商业航天公司里头最高的。市值最高这件事呢，也是一个可以值得去炫耀的事情，就是龙头企业，一般每一个行业里会有一个老大，那么他就是老大。2023年2024年，净利润分别是亏损11.77亿和10.15亿，所以这也是一家亏损公司。
• 星河动力：星河动力呢也已经启动了上市辅导，2025年10月份正式启动上市辅导。商业化运营，它呢其实现金流还是比较稳定，或者说比较健康的一个吧，靠它的固体火箭叫谷神星1号大量的进行发射，还是相对比较挣钱的一个公司。先靠低成本固体火箭在市场上赚到钱，再研发大火箭，算是一个小步快跑的一个概念。预计呢是在2026年年内完成申报，并且申请挂牌。他到现在为止，还没有告诉大家说上市辅导完成。今年刚刚完成了24亿人民币的D轮融资，上市估值呢大概是150亿人民币。创始人呢叫刘百奇，原来航天一院的北航的博士。他们呢是双线并行，一边做固体的谷神星，另外一边呢做液化煤油的，叫智神星。马斯克的火箭、猎鹰火箭就是液化煤油路线的。智神星1号液氧可回收的，2025年进行了高频次的试飞，正在冲击入轨回收。他现在已经走到这一步了，蓝箭呢是已经做完蚂蚱跳了，但是入轨回收失败了，这个就是大家不同的进度。
• 天兵科技：这个呢已经启动了上市辅导，2025年内已经明确启动了IPO相关的准备，预计上市时间呢是2026年的下半年或者是2027年。完成了近25亿人民币的Pre-D轮和D轮融资。像我们做融资的时候，有时候A、B、C、D轮，有时候呢是Pre，p-r-e就是在D轮之前的那一轮；有的时候呢叫Pro，就是在这个后边的。为什么会有这个Pre、有这个Pro呢？因为大家都不希望说我把这个字母用光，你不能说已经融了好多好多轮了，我这ABCD一直到Z都用完了，这个事就会被人嘲笑的，所以我们会尽可能的压缩。另外呢从协议的角度上来说，只要不重新算估值，就都算是一轮。怎么叫不重新算估值呢？就是我D轮的估值就这么多，你先进来一点，我算你是D轮之前那一轮，但是也是按这估值做；你后边再加一点，因为有的时候人签完合同以后，又有一个基金上来说我还想再给点钱行不行，我想追加一点也可以，按照原来的投后估值，你再往里加点钱就完了，这个都算是同一轮。它的估值呢是225亿，领跑这个商业航天企业。天兵要比蓝箭呢还要稍微多一点，但是上市的时候还会涨吧，所以这个并没有那么重要了。它的创始人呢叫康永来，原来航天一院型号的总师。他们呢也是使用液化煤油，就是完完全全的去抄猎鹰9号，他们的火箭叫天龙3。目前的重心就是在天龙三号的发射成功。2024年的6月30号，测试变发射的就是它，本来想测试一下火箭，结果那个台子没有抓住火箭，火箭飞出去了。目前呢肯定还是亏损状态了。
• 星际荣耀：2025年9月完成了第一轮，当时呢融了是7亿人民币，上市估值呢估计是在150亿。他们的负责人叫做彭小波，原来航天一院的型号总师。他们呢也是双线并行，一个是固体叫双曲线1号，一个呢是液化甲烷双曲线2号和3号。双曲线3号是中大型可回收火箭，现在研发中。2020年底就启动了上市辅导，他们早就想去了，目前呢进行了第20期辅导报告。就是你上市辅导的时候，人家说你这有点问题，我们出一报告，你回去给整改，改好了再来。他现在出了20期了，还没整改通过呢，所以它这个想要上市还稍微有一些遥远，肯定也不会盈利了，所有这种航天企业都不可能盈利。

3. 人形机器人四小龙

人形机器人呢，现在距离实际商业应用还很有差距，再不上市可能这些公司就要熬不下去了，因为一旦上市的时候，你可以拿到一大笔钱嘛。

• 优必选：其实已经上去了，亏损约11亿人民币。优必选上市了以后依然在亏损。除了优必选之外还有三个。
• 宇树科技：其实是所有这些机器人公司里头比较奇葩的一个。为什么？他一直在盈利。他2025年7月份在浙江证监局办理了辅导备案，开始做上市辅导了。2025年11月中旬，公司已经发布了IPO辅导工作完成记录，已经辅导结束了。2026年上半年正式挂牌，冲击人形机器人第一股。本来是说他2025年年底就能上、12月份能上，但是还要排一排队，在A股上市你是要排队的。他呢已经完成了10轮融资，最新一轮由中国移动、腾讯、阿里蚂蚁、吉利等资本共同领投。2024年营收超10亿，其中四足机器人（就是那个机器狗）占全球出货的65%，人形机器人占30%。估值的话能够超过100亿人民币，最新的估值是120亿。自2020年起就开始盈利了，扣除政府补贴以后，净利润规模应该在千万左右，基本上能够到break even，你也别指望他挣特别多的钱。他呢现在在美国的实体清单边缘摩擦，美国说我要重点观测你，但是还没有把他列到实体清单里头去。
• 乐聚智能：上市辅导也在做。2025年10月30日，深圳证监局办理了辅导备案登记；2025年9月份完成了股改。大家注意，上市之前有一步叫股改。什么叫股改呢？就是我们以前在这个公司，你拿了人家投资以后，比如说我做做一个基金，我去投资公司了，然后我们拿的股份叫优先股，这个跟创始人拿的这种普通股是不一样的。这个什么叫优先股呢？就是我有一些特殊的权利在里头，我的有些权利是写在协议里的，只有拿我这种股份的人才有这个权利。你要上市了以后，一大堆人普通股民就可以买这股票了，你不能再有这种优先股了，或者投票这种同股不同权什么这个事。所以要做这个股份制改革，包括原来给人去承诺说我给你分多少股份，然后这个员工来了我给你分期权，原来好多都是口头的，但是呢你在上市之前就要把所有这个事都处理干净。大家都是变成普通股，然后原来的这种口头承诺的这些期权也好、分的股份也好，都要在这个地方给它做出来，所以上市之前都要干这个活。10月份这个完成了15亿人民币的Pre-IPO，而这个专门有一轮融资叫Pre-IPO，这是什么意思呢？就是这个上市之前，有人会去投你一轮，这个就是Pre-IPO的投资。通常呢是由辅导你的券商给你投这一轮钱，投完了以后呢，等上市的时候打新大肉签嘛，那谁把这股票卖给你的呢？就是前面这个投Pre-IPO的这帮人把股票卖给你的。就Pre-IPO做完了以后，基本上就是准备去上市去了。计划呢是2026年第二季度完成辅导，但是现在辅导还没完成，顺利的话2026年下半年就可以去上市了。营收的话2024年是1.5亿到2亿，2025年是3-5亿，盈亏平衡的边缘，他并没有说亏很多钱，就是做机器人这个事呢，还不是那么亏损。
• 智源机器人：智源机器人呢，实际上就是稚晖君的公司。他的营收情况，2024年的话有几千万，基本上相当于没挣钱，就没做生意。营收不是盈利，是销售额。2025年的目标10亿，那你做成多少不知道，一直在亏损。已经呢买了一个壳了，他这个是比别人都绝的，人家都是说老老实实的去申请上市，他直接上去买个壳去。2025年11月智源机器人购买了一个叫上纬新材的上市公司63%的股份。他呢也已经完成了股改，但是呢智源机器人是多手准备，还有可能2026年直接去香港上市。待会我们去详细讲，什么样的公司会在中国国内上市，什么样的公司会去香港上市，差异在什么地方。如果在国内有机会，他肯定在国内上，而且在国内有壳；如果没机会他在香港上。

4. 大模型三小龙

再往后呢大模型的三小龙了。国内的大模型市场呢，其实跟美国的节奏是比较像的。美国呢谷歌、微软、亚马逊这些巨头都已经是上市公司了。OpenAI，Anthropic，Xai是在上市的边缘摩擦。这个里头呢Anthropic是先坚持不住了，估计明年就要快速的上去了。XAI呢反正马斯克自己有的是钱，他哪天上市哪天不上市，这事等马斯克自己去想吧，他拍着脑袋去决定就好了，它应该不会短期内出现说我现金不够了、要赶快去上市这种事情。OpenAI呢属于被架起来了，原来它也计划2026年上市的，但是呢现在大家都在质疑AI泡沫嘛，所以估计明年它上不去了，有可能会在后年。

国内的情况其实差不太多，现在国内做大模型的，比如说BAT，百度、阿里、腾讯都在做，都是上市公司了。字节呢这个问题实在太复杂了，短时间内很难解决，他的上市问题不是说他自己想上就能上的，所以字节呢只能先放一放了。原来有6小虎，现在呢趴下了几只，还剩下3只准备去上市。咱们呢先讲一下掉队的3只小虎吧。

• 掉队的三只：第一个叫百川。百川呢现在已经all in医疗了，完全做ToB了，其他都不做了，也做了大规模的裁员，现在还剩个几百人苟延残喘了，脱离了第一线创业的团队了。阶跃星辰他们呢，放弃了C端的竞争，也是不玩了，专注于智能终端和行业应用了，也是放弃大模型研发了。还有一个呢叫零一万物，就是李开复那公司，也已经在2025年年初放弃了大模型训练，预训练团队并入了阿里通义，它的infrastructure（也就是基础的硬件或者架构的团队呢）也并入了阿里云。

剩下三个准备去上市的：

• 智谱：智谱呢做的叫GLM，现在最新的版本是GLM 4.5，据说很好用，但是我自己没有怎么尝试过。它呢是清华系国家队，美国实体清单上的公司，目前的估值是400亿人民币，国内估值最高的大模型独角兽。营收呢2024年是3.1亿，2025年预计是6-8亿。亏损肯定是不可避免的了，做大模型的公司甭管是在中国还是在美国都是亏损的。2025年4月份已经进入了上市辅导，2025年12月份中旬正式向港交所提交了招股说明书，这个算是全球大模型第一股。像谷歌这种，你知道他做大模型，但是做的东西很多；只做大模型的公司，他有可能头一个冲上去。预计呢是2026年一季度可以去挂牌。
• Mini Max：也是一帮做AI的人去出来创业，做的技术跟产品双驱动，他们有很多产品做的还是不错的，这个在大模型公司里头其实是很不容易的。你像阿里折腾半天就是只有模型没有产品。Mini Max它的产品一个叫TALKIE，是一个陪伴型的产品，在海外的用户非常非常多；还有一个叫海螺AI，可以画图，可以做视频，效果也是很好的，数据都相当不错。最新发的模型呢叫Mini Max 2.1，据说效果很好，我最近还没有什么时间去测试。它呢在图片视频和TTS语音这块都很强，这个是非常不容易的。像智谱包括一些小型的AI创业企业，可能也就是文字生成，比如Deepseek就只能做文字生成，其他做不了，但是Mini Max这几块做的都很不错。它还有一个亮点是什么呢？它海外营收超过70%，主要挣钱从国外挣，这个是非常强的。2025年9月现金储备还有11亿美金，算是所有这些大模型公司里头财务最健康的一个。2025年12月21日通过了港交所的聆讯，预计呢2026年1月份挂牌。所以智谱跟Mini Max到底谁第一，大家要抢。
• 月之暗面 (Moonshot)：还剩一个就是月之暗面moonshot。他呢其实走了好多弯路，最早在国内把模型做的做的还不错、能用的就是这个moonshot。它那个模型叫Kimi，它的英文名叫moonshot，中文名叫月之暗面。它前面走了什么样的弯路呢？就是在国内拼命的烧钱去推它的聊天客户端，而且它是一个通用聊天工具。Mini Max人家推的是陪伴型聊天工具，它不是一个通用工具。而这个moonshot呢，它在推这种通用聊天工具，那这玩意你打得过谁？你跟百度打，还是跟阿里打，还是跟字节打？你打不过嘛。有一段时间跑的还是挺快的，用户量在国内是第一的。但是呢到2025年年初，就直接被Deepseek教做人了。Deepseek人说我不用推广，我只是把模型做好了，直接用户就来了，我一分钱没花。我们也得好好接着做模型去了，不能再去花钱去推这个客户端了。烧钱呢你又烧不过豆包，字节跳动多有钱，你烧了半天钱，你还是得上字节跳动、上抖音头条、上小红书去买流量，但是人家字节跳动说我豆包做推广的时候，我我自己左手倒右手就完了，所以你烧钱，你永远烧不过他。现在就痛定思痛说算了，咱们还是老老实实的去做新模型吧。最新的模型呢叫Kimi K2 thinking，是当前的主打产品，效果也是相当不错的。正在洽谈新一轮数亿美金的融资，目标估值是40亿美金。如果他40亿美金到了的话，他就有可能成为国内大模型很贵的一支了。目前呢还没有开始上市操作，现在计划是2026年下半年在港交所去上市去。因为香港上市是相对比较快的，大模型公司烧钱烧的最多也最贵，而且大模型公司通常都是融美金的，所以他们只能去港交所上市。

A股与港股的上市差异

下面呢咱们说A股跟港交所之间的差异，什么样的公司会在A股上市，什么样的公司会去港交所上市。

A股：核准制，严进宽出

首先呢A股是核准制。原来呢说是要去改注册制，但是呢改了一下以后，搞得鸡飞狗跳的，就没改过去，所以现在依然是核准制。不同的板块呢，对于盈利的要求不一样。之所以可以把这么多的非盈利公司送上去上市呢，也是在11月还是10月份新出了一个规定，要放宽这些非盈利公司在A股的上市，所以他们就赶快趁着这个时间点就冲上去了。有些板块，你比如说真的是A股主板，还是要求每年3,000万的利润，连续三年以上；但是创业板、科创板要稍微宽松一些。

A股的上市成功率其实是很高的，89%，就是我申请上市，基本上八九不离十我就都能上去。这个是可能对于大家来说比较反常识，但是你要注意，A股是你能不能有资格申请。你上市辅导，辅导完了以后你才能申请，大量的人你连辅导你都过不去，所以他申请基本就能过。而且呢A股你辅导通过了以后，具体什么时候上不一定，他还要排队，所以这是A股比较烦的事情。A股的审核周期很长，18-24个月，有些板块呢在加速，但是呢真正的主板还是很慢的。首日破发不超过10%，因为筛选好了嘛，而且是故意制造的稀缺市场，所以A股中签的都是大肉签，只要中了以后，蹭蹭蹭都往上涨。你说我上市了以后，我还想要更多的钱行不行？可以审批，3-6个月可以再给你审批，你可以再从股市上抽钱出去。前期的费用也比较贵，5,000万人民币起。不是说我想上市能上市了，上个市成本基本上5,000万人民币。后续的维持合规成本是相对比较低的，只要你上去了，后边基本上没有什么人管你。即使说我什么都不干了，就光剩一壳，我只管做这账，你都可以把这个公司维持下去。这就是A股的一个情况。

港股：注册制，宽进严出

而港股呢，港股是注册制。它里头还有专门的叫18A、18C这样的板块，就专门给这种不盈利的公司让他们去上市的。它呢也很快，平均等待6-8个月就可以上去。上市成功率是35%，港股的上市成功率是比较低的，有很多的公司通过聆讯以后，他最后上不去，这个是正常的一个事情。首日破发36%，就是上港股的，你说我去打个新，这个大家还是要稍微小心一点。再融资呢可以走闪电配售，当天就可以完成。你说我现在想从港股上再多抽点钱回来，这个是非常宽松的。前期费用呢也比较低，1,500万到2,000万港币就可以上市了。但是港股后期的合规成本是很高的，你每年的审计、各种的合规，这块是很麻烦。这个就是A股跟港股的一个基本的差异。

有美元投资的、做了VIE架构的，只能去港股。你要想在A股上市呢，你必须要把这VIE拆了，而拆的过程是非常非常麻烦的，所以几个大模型公司只能去港股上市，因为他们都是拿的美元，港股上市呢更容易、更快，也更便宜。那你说为啥不都上港股上市，还要折腾A股干嘛呢？而且为什么在这样的情况下，港股的上市成功率还低呢？原因很简单，就是港股审批有问题了，你回去改就完了，这个事不是什么大事。但是A股如果你审批有问题了，你要重新排队，这个排队的周期就非常非常长。另外一个呢，出了问题会有人担责任，不是说我出了问题回去改改就完了，出了问题有可能会有人坐牢的。前面证监会换主席，换这个吴青上来以后，一堆上市公司直接撤回上市申请了，我不申请了，我知道我这账有毛病。原来那个主席在这的时候，我可以噼里啪啦我都通通过去，换了一个手严的，就直接退了。相当于是一上这考试来，发现今儿这个老师监考比较严，那算了我不考了，它是这样的一个故事。所以A股的审核通过率高的原因就是在这。

A股呢它属于严进宽出，这跟中国大学似的，考大学很难，但是呢你只要考上了就可以躺平了。当然前提是你说我后边不要保研了，没有后边的想法了，你就可以躺平了，基本上都能轰毕业。港股呢属于叫宽进严出，就有点像美国的大学，想进来很容易，但是呢你想毕业很费劲。而且关系够硬的才能上A股，因为上A股就是要割韭菜去的，你上港股未必能割到韭菜，肯定是A股韭菜多嘛，因为它是一个稀缺性市场。为什么不是说我生意做得足够好、我的公司的功底足够硬我才能够在A股割韭菜呢？咱们想想当时在西游记路上，能够从孙悟空金箍棒下活下来的都是什么样的妖怪？未必是武艺高强的，关键还是身后的后台要够硬的，他们才能够在孙悟空面前走一遭，最后能活下来。A股是一个制度保护下的稀缺的标的市场，你只要上去了就可以割韭菜。所以最后看看谁的这个后台够硬，咱们就上A股；后台不够硬的，咱们就上港股。

历史上的集中上市与股市走势

再讲讲历史上有没有这种集中上市、七嚓咔嚓大家都上去那种时候？有。

第一次呢是刚开股市的时候，92年到94年。那股市刚开嘛，肯定大家要集中轰上去。但是那三年呢真的是很奇葩，那三年的GDP增速是14.22%，13.88%，13.04%，那个时候是真的快速发展。当时的存款利率有5%，现在大概也就是1%了。当时的CPI也是快速上升，也就是通货膨胀，这三年的CPI是6.4%，14.7%和24.1%。你想一年物价涨24.1%，这是多么恐怖的一个事情。当时有四热：房地产、开发区、集资和股票四热。当时有四高，叫投资膨胀、工业增长、货币发行和信贷投放以及物价上涨。当时有四紧：交通运输紧张、能源紧张、重要原材料紧张、资金紧张。当时我记得说谁我能导点钢材回来，那你赚了。当然还有一乱：经济秩序，特别是金融秩序是很混乱的。在1992年到1994年，大量的企业上市了以后，这个股市就崩菜了，直接从1,558点掉到了328点，直接跌了80%。那怎么办呢？财政就只能收紧。怎么个收紧法？加息。当时加到一个什么状态？3年期的国库券利息是12.52%，5年期的是14.06%。当时是这么去加息加进去的，然后直接就把这个股市干崩了，崩了很多年。

到什么时候稍微的能缓过点了？2,000年。大家再去上市，当时呢主要是金融地产题材的企业去上市。2021年6月份股市见顶2,245点，然后就是连续4年的熊市。就是一旦有大批量的上市，就会有熊市出来。最低呢掉到了998点，也就是在高点上直接腰斩，还要再往下那么一点点。

四年过了以后就到2005年了。2005年到2007年，当时干了一个什么事呢？国企改革集中上市。很多很多大国企改革了，原来叫处长，现在叫经理了。改完了以后很多公司上市，2007年10月份达到了高点6,124点，最高点了。当时我是第一次进股市买股票，当时那个股票我还记得，叫中国石油，就是“问君能有几多愁，恰似满仓中石油”的那个中石油。当时中石油上市的时候，是全球市值最高的公司，然后中石油的股价暴跌80%。上证指数从6,124点直接跌到了1,664点。大家自己看看，这是一个多么恐怖的下杀吧。

然后又修复吧，2007年修复吧。到2010年又有一波题材上市的，是互联网题材上市。这个呢并没有特别剧烈的下跌，但是呢这些公司上市以后，后面还是经过了很长期的估值回归、调整过程，就是稍微有一段时间阴跌。

终于到2015年，互联网加题材来了，股市又起来了。2015年的6月份，股市呢达到了5,178点，又算是一个高峰了。但是这批互联网加上来以后，直接给大家干了一个叫千股跌停，上证指数从5,178点直接腰斩，又斩下去。

这一次呢就是硬科技的集中上市，我们又来了。前面呢玩注册制，把A股呢基本上玩死了。吴青上来以后，吓得很多人撤回了上市申请，而且呢2024年其实有一段时间上市是基本上停下来的，中间有三个月直接停止审批了。2025年的上半年呢，上市企业的数量进一步下滑，2024年就比2023年上市企业要少很多，2025年更少。终于把这个股市养到了4,000点了。2025年年底了，那赶快开闸，准备再创辉煌了。过了这个村就没这个店了，所以我们就又来了。那我们会不会再迎来前几次集中上市了以后的这种暴跌呢？不一定，这个事我们不能说每一次都这样。现在的A股呢其实盘子要大很多了，新来的这些股票呢其实盘子并没有那么大，不会说上来咔嚓就全都给干没了。但是总体的经济呢，也是稳中向好，因为大家的心态肯定没有原来这么高的心气，算是一个利好。但是呢现在大家的心态不够平和的，算是一个利空吧。所以未来到底怎么样呢，还需要再慢慢的去观察。这就是我们现在迎来的一次硬科技、四个方向集中上市潮，大家有可能会再见证一次历史的一个时间点。

总结

最后总结一下吧。硬科技企业各个板块呢，都在挤破头的冲上市。因为你真的冲不过去也就废了，就没有这个机会了。和以往不同的呢是，这些企业大多还都是亏损企业。原来你别管说大家上市了以后这股其实跌成什么样，但是上去的都是盈利企业，而且是连续3年连续盈利的企业。上去了以后，股市跌了。现在刚才我们讲这些企业里头，除了这个做机器人的宇树科技是盈利的，其他公司都是亏损的，而且亏的是一塌糊涂的。这个企业现在把它们通通都弄上去，所以呢请大家在冲大肉签的同时，稍微的拿起历史的镜子看一下，也稍微的小心一下。这就是咱们今天讲的故事。

背景图片：

Prompt：high-contrast watercolor illustration, grand opulent New York Stock Exchange trading floor in final manic frenzy before collapse, empty of people, massive electronic display screens surrounding each abandoned trading station, towering wall-mounted screens showing plummeting stock prices and chaotic trend curves, flickering red warning indicators on screens, glossy reflections on polished marble floors, neon cyan rimlight, deep navy background, cinematic composition with sharp subject separation, dramatic negative space for legible text overlay, minimal palette of ink blue neon cyan and gold accents,ornate gilded architectural details, crystal chandeliers –ar 16:9 –raw –stylize 750 –v 7.0 –p lh4so59

prompt: high-contrast watercolor painting, grand opulent stock exchange trading hall in final frenzy before collapse, ornate gilded architecture with towering marble columns and intricate ceiling frescoes, scattered papers swirling in chaos, abandoned trading desks with flickering screens, glossy reflections on polished floors, neon cyan rimlight, deep navy background, cinematic composition, sharp subject separation with extremely legible negative space for text, minimal palette of ink blue neon cyan and gold accents, ultra-detailed, intricate textures, dramatic atmosphere,faint red emergency lights,soft blended edges, translucent washes, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

Gemini 3 Pro和Nano Banana Pro发布之后，OpenAI的山姆·奥特曼开始喊“凛冬将至”了

大家好，欢迎收听老范讲故事的YouTube频道。凛冬将至（winter is coming），这是一个《权游》里边的梗，大家要小心准备了。以前呢，OpenAI每一次发布会之后，都会有一群的创业公司原地死亡。这次谷歌没有开发布会，直接发布了新产品之后，OpenAI虽然不至于原地死亡，但是凛冬将至了。

奥特曼的内部警告：“凛冬将至”

山姆·奥特曼到底是怎么说的呢？对外肯定不能跌面子，讲的是祝贺谷歌发布了Gemini 3，看起来是一个很棒的模型。但是曝光的一些内部备忘录里边，寒意已经体现出来了。奥特曼罕见的表现出了危机感，直言公司当前的氛围充满了不太妙的低迷气氛，大家都觉得有问题了。

OpenAI如今不得不拼命追赶，谷歌的AI进展可能给OpenAI创造暂时的“经济阻力”。大家注意，这个词叫“经济阻力”，它的收入可能会有问题。如果收入有问题的话，他前面画的1.3万亿这种大饼，这是会出大问题的，会让整个行业崩塌的。

现在，山姆·奥特曼要求团队进入战时状态，聚焦长远，即便意味着我们在当前阶段会暂时落后，也要押注更有雄心的突破。这个非常非常正确。首先，他承认了“我们现在可能暂时落后”，而且一段时间未必追得上。但是，如果只是跟着谷歌的脚步往前追的话，这是没法整的。因为谷歌最擅长的事情就是极限拉扯、极限迭代升级，你像Chrome到现在100多版了，安卓一年一个大版、一堆的小版，所以任何想在这后边跟版本的人，都会被谷歌拉死的。你要想跟谷歌竞争，一定要跳到谷歌外面去，自己做一些完完全全创新的东西，让用户有感知的东西，这个才是需要去干的活。

而且，山姆·奥特曼讲到，公司的估值虽然很高，但是要清醒看到，我们还有不少的功课要补，AI研发的严冬考验就在眼前，OpenAI必须奋起直追了。这也就是“凛冬将至”的出处。

大家还记得国内互联网企业是什么时候开始喊这句话的吗？谁喊的？任正非喊的。任正非喊“我们要让大家感受到寒意”之后，华为确实有在裁员，但是业绩并没有大的问题。但是华为身边的这些公司，就在大量的原地消失，直接就不见了。这就是凛冬到来的时候，我们会看到的景象。

Gemini 3 Pro到底有多强？

Gemini 3 Pro到底强到一个什么样的程度，能让行业公认的老大OpenAI的山姆·奥特曼发出“凛冬将至”这样的声音呢？

我这几天呢，其实一直在用Gemini 3 Pro，本身感受并没有那么明显，只是觉得快了很多，回答的质量高了很多。Nano Banana Pro，那简直是强到没有朋友。

实战对比：Nano Banana Pro vs. 即梦4.0

我拿Nano Banana Pro跟国内的“即梦4.0”比较了一下，我的提示词是什么呢？说：“你给我设计一个北京烤鸭为主菜的北京宫廷宴菜馆的菜单，主要的菜品要有配图，要写上菜品名，要有这个菜品的配料以及口味的简单描述以及价格，其他的菜就不需要这个图片了。”

两边都干活去了，其实干出来的结果都还不错。先说即梦吧，即梦呢画的很漂亮，上头也写着是多少多少钱一只烤鸭，烤鸭画的也还可以吧。但是呢，它在菜单里头混入了宫保鸡丁和麻婆豆腐，这两道菜其实是川菜，它不是北京菜。而且呢，它里头选用的北京菜京酱肉丝，它配的图呢是一个红烧肉的图。京酱肉丝，你里头必须得要有肉丝，得是条状的；而红烧肉是肉块，到最后画出来的是个肉块，就出现了这样的翻车现象。

Nano Banana Pro画的图是什么样的呢？非常的漂亮，上面是北京烤鸭，然后呢是其他的各种北京菜、老北京炸酱面呀，没有任何川菜混在里面。但是它也有一个bug，就是它写的价格是“文银多少两”，这个是很有趣的一点。即梦的这个价格都是58、68，相对来说是比较准确的。

这个例子大家看出来差在哪了吗？它们画的图，艺术感其实没有太大区别，差就差在：Nano Banana Pro自己是一个完整的模型，它把AI agent的活干完了，他自己在这个模型里头搜索了、思考了、推理了、研究了，然后把一个正确的东西画出来——但不能说一点瑕疵没有。而这个即梦干的活是什么呢？先调用了外部的工具，它可能也搜索了一些，甚至可能连搜索都没搜索，它可能调用的是豆包的这种大模型，使用豆包自己的知识体系，进行了一定的思考和生成，然后就去画图了。其实画的图两边差异不大，差异大就大在你到底是原生的模型进行思考、进行推理、进行搜索，还是说我是外部的。画的质量其实是一样的。

谷歌的新武器：Anti Gravity IDE

另外呢，这两天还试了一下Anti Gravity，它叫“反重力”，谷歌这次出的IDE。当然，这种产品大家要试用的时候，一定要注意一点是什么？不停的升级。因为这种产品迭代非常非常快，今天我去升级了以后，发现已经跟我第一天下载这个产品完全是天翻地覆的变化了，大概升了两个版本。变在哪了？因为我下载这个产品的时候，Nano Banana Pro还没发布呢，今天升级上去以后，已经把Nano Banana Pro挂进去了。这个产品是谁做的呢？就是当时谷歌花钱收购了Windsurf团队的核心成员，让他们进来给做的。所以这个产品做的呢，还可以。

这个产品现在彻底打通了MVC。这个什么东西？我们写程序的时候呢，一般是把程序分成三块儿：model、Controller和view这三块儿。model呢是所有跟数据相关的，你数据模型是什么样的，数据底层是什么样的，这种底层的一些API接口，这些都在model里头。Controller呢是各种的业务逻辑，写在这块。view呢是所有的让大家能看得到、能够交互的东西，就是视图。

为什么写程序会把这三块分开写呢？就是为了这三块可以让不同的人去做，把接口留清楚，就可以独立的去进行更新，而不要说眉毛胡子一把刷，牵一发动全身。为什么要专门强调这件事呢？因为以前的AI编程的工具，或者是Web coding的工具，他们主要是做后端，虽然前端也做一些，但是呢对于画图设计，还是要差一些的。

现在就不用费这个劲了。你直接向它描述，我今儿向它描述，我说：“你给我去做一个读书软件，我要求是羊皮纸的背景，要有各种图书相关的元素进去。”这个Anti Gravity就直接调用Nano Banana Pro去给我画图去了。先给我生成了一个羊皮纸的背景，然后呢给我生成了一个古色古香的页头，就是像那种花体字这样的东西，然后呢给我生成了所有的、跟看书相关的图标：有打开的书、有合起来的书、有笔，生成了全套的图标，还给我生成了一本书。生成完了以后，那边写程序把这玩意儿全挂进去了，这个是多么开心的一件事情！

谷歌真正的可怕之处：生态与“微信式逆袭”

通过Nano Banana Pro和Gemini 3 Pro更新的情况来看，现在呢，谷歌已经真的开始靠谱了，有用了，可以干活了。而且谷歌最可怕的还不是模型变强了，谷歌最可怕的是用户生态强。但是呢，Gemini现在的月活用户数是6亿多，比GPT的还是要少一些的，大概少个一两亿的样子。但是谷歌后边还有Gmail、Google Workspace、安卓、YouTube这么多用户群体，这么多用户场景在那等着它呢。

所以，谷歌一旦实现了AI突破的话，这对于OpenAI来说，不能说灭顶之灾，但是已经是非常非常危险的了。这也是为什么OpenAI的山姆·奥特曼会去警告员工公司营收增速可能下滑的一个原因，而且告诉员工说：“我们不再是战无不胜的了。”

现在呢，我们其实正在看一场微信一样的逆袭。什么是微信一样的逆袭？就是在微信出现之前，其实国内出了很多这些移动端的即时通讯工具。腾讯在PC端是老大呀，那么我怎么办？直接用PC端的QQ跟你们竞争，又竞争不过你们，因为包袱实在太重。说：“算了，咱们去做微信。”然后呢，是携着原来QQ积攒下来的社交关系链，直接碾压所有对手，就把当时的米聊、各种的talk、这talk那talk什么，全都给干翻了。所以，这就是一次微信式的逆袭。

那你说只有OpenAI感受到了“凛冬将至”吗？咱们再想想前面讲的华为任正非的故事，老大感受到凛冬将至了，那你原地死亡的人一定会更多。

“模型即应用”：创业者的残酷现实

Gemini的胜利，再次重申了AI创业领域里头一个非常让人不喜欢的论点，这个论点就叫做“模型即应用”。刚才我讲了Nano Banana Pro跟即梦之间的差异的例子，大家就知道为什么“模型即应用”是最厉害的。这个，虽然很多做应用的人非常非常讨厌这一条，但是目前来看，这条依然成立。

原来那些做应用开发的，特别是这些做AI agent的开发的，比如像ConflUI、像Cursor这些人，现在一定是感受到巨大的压力。如果你说我在这个圈子里头，还不在ConflUI和Cursor这样的领军位置的话，就可以直接宣布原地死亡了，就不用再去努力了。那些通过模型的调整、做复杂提示词工程和流程管理的，基本上是天塌了，因为这一部分活现在都直接被模型功能给覆盖掉了。

特立独行的谷歌：AI圈的“局外人”

这回是不是一个戳破泡沫的钉子呢？是不是谷歌直接逆袭了以后，AI泡沫就破了呢？很多人说：“不对，这不是AI又往前走了吗？AI有用了呀！”

但是呢，谷歌在整个AI游戏里边的位置是很尴尬的，参与了，但好像又没有参与的一个位置。你说谷歌是不是在做AI？肯定是，Gemini 3出来了，它不做AI谁做AI呢？而且它也有投资，它投资了Anthropic。但是呢，它又没有彻底参与到整个硅谷的AI军备竞赛里头去。前面咱们讲什么“击鼓传花”呀，“左脚踩右脚”，这里头跟谷歌其实关系不大。它没有用英伟达的芯片，它用的是自己家的TPU；它也没有投资了谁谁谁，买一堆芯片，然后再去建这个机房，它都是自有资金。跟外边讲的OpenAI投资什么项目、英伟达投资OpenAI、AMD投资OpenAI、OpenAI再去到Oracle那去订购算力订单……跟整个这个循环是没关系的。

那谷歌为什么这么另类呢？它为什么不跟大家一起玩耍呢？一个幼儿园里头，这个小朋友就看着这么奇怪，这么不合群呢？原因很简单，大家知道OpenAI，这个open要open谁呢？就是要open谷歌呀。建立OpenAI的原因，就是因为谷歌太不开放了。所以，整个的AI产业链，基本上都是从谷歌内部孵化出来的，每一个在做AI创业公司的人都在讲：“谷歌有问题，我要出来反它，我要出来干它。”它是这样的一个位置，谷歌在整个AI领域里头可以算是举世皆敌。

OpenAI这头，微软给了钱了，那头软银给了钱了，跟英伟达还有关系，跟AMD有关系，跟Oracle、亚马逊，它全都有关系。谷歌说：“我跟你们都没关系，你们都是从我这来的，我要收拾你们。”所以谷歌在整个的AI圈子里头，是最另类的一个，就像相声界里的郭德纲一样。

一旦谷歌成了，整个行业都会瑟瑟发抖。因为英伟达的芯片不再是必须的了，现在使用谷歌TPU，人家也把这事搞定了。OpenAI、微软还要继续回去跟谷歌争夺用户和应用场景了。原来说OpenAI的技术最好、用户体验最好，所以我不需要去跟你抢用户场景，用户自然而然就向我这边迁移了。现在谷歌的用户体验做的也很好了，那大家回去了，Office跟Workspace接着打，只能变成这样的一个状态，那对于他们来说是非常非常不利的。

而Oracle、Coreweave这些下游厂商建立起来的这些算力中心，就未必有人用了。很多人在去质疑，说你OpenAI四处建算力中心，四处去签这种巨额的算力协议，这到底能不能实现？现在就悬了。谷歌的Gemini模型是不会跑到这些算力中心上的，谷歌的这些Gemini模型一定会跑在谷歌云上，跟他们是没关系的。“击鼓传花”的游戏有可能就玩不下去了，所以整个行业现在都很害怕。

凛冬已至，创业者何去何从？

Gemini 3 Pro发布之后，创业者应该怎么办呢？咱们不能说“凛冬将至”，大家躺平，对吧？这肯定不是老范的风格。

• 不要去做大模型了。中国几个大厂除外，像什么豆包、千问，他们愿意折腾去折腾去。因为为什么？谷歌进不来，OpenAI也进不来，他们还是有一个巨大的市场可以去玩耍的。甚至在国内证明成功了以后，还可以开源出去，给老外那边再去搅和搅和。以后的模型呢就是大厂竞争了：谷歌、OpenAI、xAI和Anthropic，基本上就是他们四家搞了。至于Meta在里边要站在一个什么位置呢，现在还看不太出来。如果你说我一定要整点什么模型呢，可以在中国开源模型的基础上呢，做一些小的调整，重新训练新的模型。这个阶段已经过去了，现在剩下这四家——谷歌、OpenAI、xAI和Anthropic——也未必最后都能活得下来。那些单纯的图片、音视频的模型，最终应该都会被顶端的这些大模型公司统统干掉，像Midjourney、Flux未必能活得下去。
• 不要去做那些模型未来会覆盖的领域。模型会越来越强，这个是必然；模型会越来越快，这个也是必然的。还有一个必然是什么？模型一定会越来越便宜。你说：“哎，我现在尝试去做一个应用，我在哪个地方用更便宜的模型，哪个地方用稍微贵一点的，达到一个在当前的成本下最好的效果。”别费这个劲！等你把这个产品做好了、上线的时候，那个最贵的模型的成本也降下来了。所以不用费这个劲，咱就直接使最贵的就完事了。那些只做工具调用、流程安排、结果确认的工具，或者是AI agent的产品，都会被模型覆盖掉的，大家就别费劲在这块卷了。
• 要做“时间的朋友”和“平台的朋友”。这个就是在移动互联网时代里头我们反复在强调的事情，现在AI时代也在走这条老路了。什么叫“时间的朋友”和“平台的朋友”？以前做安卓App和iOS App的时候，我们一定要做苹果公司和谷歌公司的朋友。我们要考虑他们未来向哪个方向发展，我不能挡在人路上，那就不是“时间的朋友”了。我们也要考虑谷歌跟苹果这样的大平台，他们的诉求是什么，你不能把人家该干的活给人干了，那就不是“平台的朋友”了。所以我们要做时间的朋友，要做平台的朋友。而平台的话，在新的时代里就是这些大模型——咱们讲这4家公司的大模型。时间会让模型变得越来越强大，开发者必须在这个大前提下干活，你不能挡在这个模型的路上，不能随着时间的发展被模型淹没掉。
• 要跟具体的用户和场景打交道。模型就是新的平台，再强大，其边缘依然是粗糙的。特别是在美国，他们这些大厂，他不会把每一个细节和边缘、方方面面都照顾到的。所以在这个时候，依然是需要我们去做很多的这种边边角角的事情。而且做了这些边边角角事情以后，未必没有机会去发展出新的超级App来，就像现在微信在iOS和安卓上变成超级App，这个过程是一样的。所以呢，不要觉得这个生意小、这个生意不挣钱、这个生意用户少，我们就不去做，先努力地扎下去再说。利用模型的能力解决具体的需求，与行业和场景进行深度的捆绑，成为行业专家——这就是咱们现在真正这些开发者或者是这些创业者该去干的活。不要尝试去编写代码弥补模型缺陷，直接等模型升级就行了。特别是Gemini 3 Pro发布以后，马斯克说了，我明年一二月份就要去发布Grok 5，那个时候我们就直接上6万亿大参数模型，大家等着看吧，拭目以待就可以了。

跨越临界点：零和博弈的终结与新机遇

最后，凛冬将至，春天可能也就不远了。到了冬天了，后边就应该是春天了嘛。

谷歌已经基本上达到临界点了。什么是临界点？AI可用的临界点。这个东西能干活了，能够挣钱了。跨过临界点之后会怎么样呢？我多吃一口，你就少吃一口，市场规模是固定的，这玩意就叫零和博弈。一旦跨过临界点，这个零和博弈就被打破了，行业就会大爆发。以很多以前没法做、不值得做的事情，现在就有经济价值了。在这样的一个情况下，就会有很多的新的应用、新的产业就会产生。

我们没有4G网络的时候，谁会想到说大家可以刷短视频、刷抖音这样的东西？抖音会成为超级App，谁也想不到这个东西。因为那个时候网很慢，服务器的带宽也很贵，用户的手机带宽也很贵。但是你一旦过了这个坎，“哦，还可以干这样的事情”，整个变出了一个新的行业出来。

但是呢，要提醒大家，现在的很多投资，特别是股市上面的很多泡沫，还是有很大的打水漂可能性的。特别是OpenAI和英伟达之间的这种“左脚踩右脚”的生意，还是很危险的。当然了，全行业都会努力地拯救这些投资，这个跟谷歌无关。对于谷歌来说，叫“杀死你，与我无关”，这句话引自于《三体》。

总结

最后总结一下，Gemini 3 Pro发布了，绝对是挑战与机遇并存，不同层次的AI行业参与者，必须要重新给自己找到定位了。

好，这就是咱们今天要讲的故事：凛冬将至。

感谢大家收听，请帮忙点赞、点小铃铛、参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

Grokipedia上线：什么是真，什么是假，马斯克说了算

大家好，欢迎收听老范讲故事的YouTube频道。

Grokipedia这个网站呢，上线直接就翻车。10月27号上线的，马斯克自己在X上站台说：“我们网站上线了，你看这个东西多好。”马斯克反正每次发什么东西，都是这样的一个套路。

这个界面呢极其简单，甚至可以说简陋，一个页面上只有中间一个搜索框，因为你也不需要去提交内容，你只管搜就完了。下边写着一个0.1版，然后写了一个我们现在有885,000多篇文章的一个数。这个数呢，在不断的增加过程中的。

Grokipedia的翻车首秀

这个网站上线后，立刻就遇到了几个严重的问题：

• 服务崩溃：网站上线了以后马上就崩了。这个原因也很简单，就是没想到会有这么多人访问。因为像维基百科这种百科类的网站呢，访问的人数一开始在建立的时候不会有太多，所以一开始呢，没有配太多的服务器。应该是用了一小时左右吧，把它修复回来。
• 内容抄袭：第二个崩溃的问题是什么呢？就是抄袭。这种百科类的东西，你出来以后一定是有大量的条目跟维基百科是一模一样的，甚至有些条目上写的是“引自于”或者“改编自维基百科”。这个呢，算是比较好的一种处理方式。还有一种处理方式是什么呢？直接把维基百科的license写在上面了。维基百科上面所有内容，都会有说我们是共同创作的一个license，大家可以去引用的一个license。他直接把最底下那个签名写上了，就跟考试作弊旁边写“我不会”，你在这写一个“我也不会”。
• 事实错误：第三个问题呢，它里头有很多事实错误。维基百科呢，里头也有事实错误，但是呢，它是靠众包的，大量的人在里边去纠错。而现在呢，他等于拿Grok大模型在后台直接进行纠错。但是大模型本来最擅长干的活是什么？就一本正经的胡说八道。所以他有的时候纠错是错的。比如说马斯克离开DOJ以后，谁在管这个事，他就直接写错了。
• 无法全面测试：它只有一个搜索框，它没有一个完整的浏览的地方，所以它到底有多少对、多少错，不知道，只能是发现了以后再看。我们写程序的人必须要去做一个测试，叫代码覆盖测试。这个事你在Grokipedia里头是没法做的。
• 意识形态偏差：最后一点比较让人痛苦的是什么？就是意识形态偏差。但是意识形态偏差这种事呢，你就没法说谁对谁错了，每个人都觉得自己说的有道理。

马斯克为何要创建Grokipedia？

那么为什么会有这样的一个网站呢？首富嘛，马斯克首富，他比较任性。马斯克呢，原来也是维基百科基金会的捐助人。但是呢，到2019年，因为维基百科上对马斯克的描述让马斯克愤怒了，说：“你们这帮人完完全全被左派绑架了。”以后就不再向维基百科捐款了，而且扬言要做一个比维基百科好的、尊重事实的百科。“维基百科已经被左派控制了”，他当时讲了这么个话。

到今年9月29号，开了一个叫ALL-IN-AI的一个大会上，宣布说我们Grokipedia要做出来了，我们自己做一个百科，以后不去看那个左派人编辑的维基百科了。到10月份呢，推迟了，该上线的时候没上来。原因是什么呢？删广告。所以呢，该上线的时候没上线，推迟了一段时间，到10月27日正式发布。

当然了，马斯克家的东西嘛，对于马斯克自己的评论一定是非常好的。据说是写了一篇上万字的新闻稿，能吹的、不能吹的全吹完了，老板看着一定是很开心的。

对手盘：维基百科 (Wikipedia) 详解

Grokipedia就是一个完全针对维基百科的对手盘。那维基百科这个东西呢，也算是互联网里头的一个“老化石”。维基百科呢，是2001年开始有的。它呢，通过众包、去中心化的方式，要求绝对中立的进行信息和百科的收录，而且呢，它是非盈利组织。

但是呢，维基百科这个事呢，一直有一点点阳春白雪，它就属于离屌丝比较远的东西。特别是在移动互联网出来以后，在手机大量普及以后，它的普及率其实没那么高。

维基百科的工作原理

维基百科的工作原理呢，叫“开放编辑，共识决策”。就是大家都可以往里提，提完了以后呢，大家来去讨论我们到底要不要这个条目，这个条目应该往黑了写，还是往白了写，还是说我们只记录一个事实，就不要去评论他。而这些编辑呢，都是志愿者。

用户分级制度

他们的用户是分级的，以确保内容质量：

• 未注册或新用户：可以创造条目，但要由资深用户去审核。
• 自动确认用户：注册满四天且编辑超过十次，可以创建条目和修改非保护条目。
• 扩展确认用户：注册满30天且编辑超过500次，可以编辑一些受保护的条目。
• 更高级权限：需要通过申请获得，承担更多管理职责。

所以它完全是一个去中心化、自组织的架构。

运作与授权模式

维基百科上头有一个叫维基媒体基金会，他呢接受捐助，而整个的系统呢是免费的。收到的捐款主要用于维持服务器运转和支付少量核心员工的薪水。其内容采用“知识共享署名”授权，只要注明来源，就可以免费使用。

维基百科在中国

由于完全不受政府控制，维基百科在中国大陆无法访问。此后，百度百科应运而生，其所有内容由百度审核员审核。后来也出现了搜狗百科、360百科等，核心都是为了将搜索流量留在自己的生态内。当时百度百科出来的时候，也是抄袭维基百科。直到2021年，因政治立场争议，中文区的维基百科编辑被维基百科的核心组织大量清退。

维基百科的困境

维基百科近些年来的日子很不好过。一方面，移动互联网时代流量开始下滑；另一方面，大模型时代更是如此。所有大模型都使用维基百科数据进行训练，但用户直接从AI获取答案，不再访问维基百科，导致贡献者的活跃度也随之下降。

Grokipedia vs. 维基百科：有何不同？

那么，Grokipedia和维基百科到底有什么不同的地方呢？

1. 内容生成方式：AI vs. 人工

Grokipedia的内容是完全由Grok大模型核实生成的。它会搜索网络，特别是X上的内容，然后汇总生成条目。而维基百科则是由人工编辑、讨论、共识决策产生的。

2. 更新过程：不透明 vs. 透明

维基百科的更新过程是完全透明的，任何人都可以看到编辑历史和讨论过程。但Grokipedia到底怎么更新内容，我们并不知道，马斯克也没有公开说明。

3. 用户参与：有限的修改申请

用户可以对Grokipedia的条目提交修改申请，但后续的修改过程是什么样的，外界不得而知。以马斯克的开源习惯，这些申请可能石沉大海。

4. 组织架构：中心化 vs. 去中心化

维基百科是去中心化、社群自治的。而Grokipedia是完全中心化的，最终的决定权掌握在马斯克和他的公司手中。你看看给马斯克写的那个很肉麻的一万多字的吹捧文章，你就知道什么叫中心化了。

5. 意识形态差异

这是目前看到最大的差异。例如，关于性别，维基百科承认生理性别外的多种心理性别和跨性别身份。而Grokipedia只承认男女两种生物性别，并使用负面词汇描述跨性别。对于国会山骚乱，两者的描述也截然相反，Grokipedia的口吻更接近共和党的叙事。

案例对比：弗洛伊德“黑命贵”事件

这个案例最能体现两者在“事实”选择上的差异：

维基百科的描述：一位美国黑人疑似使用20美元假钞，被白人警察暴力执法，在其脖子上跪了6分钟导致窒息身亡。弗洛伊德最后留下的话是：“我不能呼吸了。” 报道强调了种族冲突，并对“黑命贵”运动给予了相对正面的评述。

Grokipedia的描述：一位有刑事犯罪和吸毒史的美国公民，在使用假钞后暴力拒捕。他在被按倒之前就在喊“我不能呼吸了”。尸检报告显示其体内芬太尼含量极度超标，死因是高血压、冠状动脉硬化、芬太尼严重超标以及暴力执法的综合结果。报道未强调种族，并指出“黑命贵”运动是一个消耗了几十亿美金的活动。

你看，两者描述的都可以算是“事实”，但通过选择不同的细节，传递出了完全不同的观点。

6. 商业诉求：盈利 vs. 非盈利

Grokipedia是一个公司内的商业项目，未来可能会像百度百科一样进行商业化，其母公司XAI也需要为内容承担法律责任。而维基百科是非盈利组织，它为内容贡献者提供法律支持，但不直接承担责任。

“事实基准”的争夺

马斯克为什么要做这么个东西？核心就是为了争夺“事实基准”（Factual Basis）。

在大模型时代，AI需要一个基准来判断什么是事实。马斯克不希望AI从他认为“偏左”的维基百科学习，所以他必须建立自己的事实基准。当AI Agent在工作中需要引用上下文时，它引用的是哪个版本的事实，将直接影响最终的结果。你希望AI引用哪个版本的弗洛伊德故事呢？

此外，对于马斯克来说，这也是为了在X、XAI和Grok之间形成流量内循环。当然，也没有哪个老板希望看到自己家的产品把自己骂得狗血喷头。

未来展望

那么，Grokipedia的未来会怎么样呢？

• 内容持续演化：马斯克说“1.0版会比0.1版好10倍”。系统会不断从X上抽取信息，矫正内容。人的参与（在X上发帖和提交反馈）依然是核心。
• 开放API：未来会开放API，让更多的AI Agent可以直接引用Grokipedia的数据作为上下文，形成X生态内部的“共识”。
• 更多“主权百科”出现：AI降低了建立百科网站的成本。未来，各大公司（谷歌、微软、百度）甚至各个国家，都可能建立自己的“主权百科”，以确保叙事符合自身利益。
• 政治化与标准化：也许未来，共和党政府会要求AI使用Grokipedia作为基准，而民主党政府则指定维基百科。AI产品可能必须注明其训练数据和事实基准的来源。

这就是Grokipedia带给我们的一些思考。以后什么是真的，什么是假的，可能真的就是马斯克说了算。

好，这个故事就跟大家讲到这里，感谢大家收听。请帮忙点赞、点小铃铛，参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

Anthropic Claude出了新工具，叫skills技能。这是不是MCP的升级版本呢？

大家好，欢迎收听老范讲故事的YouTube频道，咱们又有新玩具了。这一次，Anthropic出了一个东西，叫skills技能。它呢，应该是大模型功能拓展标准的一个新尝试。

大模型除了可以一本正经地胡说八道之外呢，你还需要去做一些技能拓展。比如说，你可以去写PPT，可以去做Excel，skills就主要干这玩意儿使的。这也算是AI agent以及上下文工程有可能会迎来的一个新标准，甚至呢，在部分功能上已经取代了MCP的功能。待会儿咱们再讲哪一部分可以取代MCP了。

到底什么是skills呢？它呢，是直接给Claude去赋能，让Claude code去做一些琐碎的工作。我举一个例子吧，比如说一个律所，你律所里头需要干一个什么事？就是你们出的所有的这个文件，它是有排版要求的。哪个地方用几号字，哪个地方用几号字，什么地方要用什么样的方式来表述，这个都是有要求的。以前我们律师给写的文件，大概每一个文章倒数第二段的时候，要写一个“以及”还是什么，反正有一个特别奇怪的要求。我第一次看到，我说：“你们为什么写这个？”他说：“律所要求就是必须这么写。”包括哪个标题需要使用什么字号、什么字体、字间距、行间距，他们都有要求。

这个东西你要让大模型去干活呢，就很费劲，特别是大模型每一次干出来不一样。那现在就是你，可以通过skills直接给它赋能，说我们以后按照这个律所什么什么要求去做，甚至是哪个版本的要求，去处理这些文件，最后处理出来的格式跟你的要求是一致的。

这东西呢，配置起来要比MCP省事。MCP配置还挺麻烦的，你需要在本地起服务器，或者就算是远程服务器，你也需要在本地去进行MCP服务的配置。这个配置的过程，可能普通非程序员不是说完全处理不了，但是还是比较费劲的。但是skills就省事多了，直接写个Markdown文件扔里头，完事。你就是建个目录，写一个skills.MD的一个文件，告诉它说，我什么样的字需要使用什么字号，或者说我这个信的结尾要加“此致敬礼”什么，你可以写一大堆这样的要求进去。写完了以后呢，直接在执行的时候告诉它说：“这是我的技能文件，请照着这个干活。”它就去照着执行去了。

而且skills呢，是可以在全客户端执行的。它可以在API上跑，也可以在Web端、手机端客户端，都是可以跑的。甚至呢，还可以在Claude code里头去跑，这个都没问题。如果你是在Claude code这样的本地的AI agent里头跑的话，它可以基本上覆盖MCP的功能。为什么？待会儿咱们细讲。在其他端这个还不太行，它是有一定限制的，至少目前还有吧。

现在呢，普通人都可以用这个skills工具。它主要是用两个格式的文件往里写东西：一个是Markdown。Markdown其实你基本上认为它是个纯文本就完了，只是呢，里头有一点点的简单的这种格式标记，写一个井号后边是大标题，两个井号是中标题，三个井号是小标题，它就是有一些这样的标记在里头，其他的也没有跟普通文本差异的地方。你用任何的纯文本编辑器都可以打开它，只是呢，没有渲染的效果而已。另外一个呢，叫YAML。YAML呢，实际上也是一种纯文本的配置文件，它呢，特点就是缩进，就是你通过缩进的方式来去写配置。现在大家看到很多的项目里头，都有这种文件，前面基本上是一个属性，打个冒号，后边是要赋的一个值。现在很多配置文件都是拿这玩意儿写的。

当然了，skills你要想处理一些更复杂的东西呢，它也允许你加代码进去，但是代码执行呢会比较受限制。因为这个skills是在哪跑的呢？它是在一个虚拟机里跑的，是在Anthropic本地的一个虚拟机里边去跑。这个虚拟机是不能联网的，也不能去调用很多的这种库文件进来，所以它的功能比较受限。

只有是在Claude code，就是在我们本地跑的时候，它可以联网。所以呢，你在本地跑的时候，它不是在虚拟机里头，你就可以基本上取代MCP的功能了。甚至你在skills里头直接写说，我要调一个什么API，这个API的调用方法是什么，返回值是什么，就是我们把很多那个API的文档文件直接贴在那个Markdown文件里就完事了，它就直接干活去了。所以只有在Claude code里头才可以替代MCP，如果不是在Claude code里头，它是不允许联网的。它的格式刚才我们讲了，就是一个叫skills.MD的一个文件放在一个目录里，或者再加一些其他的这种配置文件就完事了，极个别的情况需要加代码。

现在呢，Anthropic官方呢，也给出了一些skills，比如说一些Excel、Word、PDF、PPT这样的处理方式。我本来想去充一个Anthropic的会员，20美金充一个会员，后来翻了翻，发现这东西就完完全全的不支持中文，连繁体中文都不支持，最后算了，就不跟它费劲了。我相信skills应该很快就会普及出来，就像MCP一样，不是只有Anthropic自己可以用。

那skill适合做什么呢？最适合做文件处理、格式处理。如果在Claude code里头，基本上是全能的。技能和标准的固化和重用，这是它主要干的活。这个什么意思？比如说有一个人说：“我就擅长整理律所的文件格式。”这个东西呢，叫一个技能。你要再找一个人来说：“你给我把这个律所的文件都处理成我们要求的格式呢？”他需要重新学习。现在呢，等于是我们把这个东西固化下来了，说这个skills就叫“律所文件格式处理”，把它固定下来了。固定下来以后呢，就直接可以反复地重用了。我下一次需要去处理文件的时候，直接告诉Anthropic我的skills叫这个名字，去干活去吧，它就去干活去了。

Anthropic为什么总能拿出这种推动行业的新标准来呢？这样的一个功能，现在大家都在讨论的核心原因，就是大家觉得这可能是未来的标准。最早它推出的MCP标准虽然不完美，因为它调用的时候必须要起个服务器，这个事还是很讨厌的，但是呢，现在已经是标准了。谷歌、OpenAI都已经跟进了，国内的各大模型厂商、各大AI agent和工具厂商也都跟进了MCP了。原因很简单，就是它会秉承着叫“简单、开放、中立”这样的一个原则，这才是真正的关键。你把这事搞得很复杂，各种方方面面我都想到了，或者说我只能在自己的平台上使，我又不开放，或者说我虽然是中立的，但是呢，我们中间的这些代码是不给别人看的，其他的人你是不知道我怎么去调用这个功能的，这些都很难成为标准。你必须要简单、开放、中立。除了大模型的处理能力这些，MCP也好，skills也好，它基本上不依赖其他技术，这个也是非常非常重要的。你说我现在做了一个新的标准出来，我需要依赖很多很多东西，这个就很麻烦。像MCP呢，还是需要依赖一些外部服务，需要依赖一些这样的技术，但是skills就更简单，什么也不依赖，你直接拿出来就可以用的东西。

大模型能力拓展的尝试呢，其实一直在持续。从ChatGPT 3.5开始，GPT进入到公众视野以后，大家一直在尝试这东西到底能干嘛，除了一本正经地胡说八道之外还能干点什么。现在每天大模型的能力在上升，我又训练出GPT-5了，又训练出GPT-6了，但是还有一些东西呢，是它搞不定的。第一个是角色的固化，或者说技能的固化与重用，这个事情呢，是大模型自己搞不定的，因为大模型都是按照通用的模式来去训练的。另外一个就是要调用外部工具，我不可能自己把所有外部工具都跑通，它真跑通了就吓人了，有可能这个人类就没有存在的必要了。它还是有一定的能力边界的，这一块呢，就是在不断地拓展。

很多人可能会记得，咱们经常在写提示词的时候，第一句话干嘛？第一句话赋能，说“你是一个编辑”，“你是一个律所的文档格式大师”。我们经常会写这样的话在第一句。那你说这个真的会让ChatGPT也好，Anthropic Claude也好，像律所里边的文档编辑大师一样工作吗？是不能的。为什么呢？因为每个律所的文档格式要求是不一样的，它也不知道你要用什么方式去干活。所以你去写提示词的时候，对大模型进行角色赋值，说“你是什么什么”的时候，到底起什么作用？告诉大家，不会提升答案的质量，他原来该答什么还是答什么，但是呢，会让大模型将结果模仿成指定角色的方式说出来。他会去想说，这样的这个角色是怎么说话的，我先生成结果，然后模仿这个人的方式再重新说一遍。这个就是我们每一次去指定说“你是谁谁谁”的时候得到的一个结果。这肯定不是我们所希望的嘛，我们还是希望它真的具有相应的能力。

现在我们就要去做固定技能以及能力拓展，咱们做了很多尝试。前面OpenAI做的一个东西叫GPTS，这个东西呢，推出来的时候我就说这玩意没戏，现在呢，基本上已经没有什么人去玩耍了。GPTS主要干的活，实际上就是一个固定技能，当然它还有很多其他的功能，那个调用处理起来就非常非常麻烦了，你需要在里头写程序的。而且GPTS还有一个问题是什么呢？就是它必须在ChatGPT里头跑，它不能出来，这个是很麻烦的。刚才我们讲了，你要想确立标准的话，必须得中立，它的中立性就没有了。而且这个东西做起来其实没有那么容易，GPTS刚出来的时候我也做过一些，效果呢，差强人意，不一定每一次按照你的要求去做，因为当时模型的能力也没有那么强。折腾了半天GPTS以后，发现不是我想要的东西，所以现在呢，基本上玩的人很少了。

第二个就是function call，就是直接让大模型去通过代码干活。这块呢，甭管是国内的模型，还是国外的这种主流模型，都是支持function call。OpenAI、Anthropic的Claude，还有Grok、Gemini，都是支持function call。但是呢，这个东西比较麻烦，在哪呢？你必须写程序，你不写程序这事搞不定。只能在API里头使，你说我在客户端用，我在Web端用，这事你是没有办法拿它干活的。所以这东西呢，对于非程序员来说，基本上相当于没有。这就是function call的一个情况。

再往后呢，就是MCP了。MCP呢，比function call要简单一些，不再需要那么高的程序能力了。我可以说直接把一个MCP的配置文件写到比如Cursor，或者写到一些其他的这种支持MCP的客户端里去，他就可以去干活了。这个对于很多这种非程序员来说呢，就已经比较友好了。现在呢，你要去调MCP，可以写程序，也可以直接在支持它的客户端里配置就可以用。现在呢，有很大一部分的服务平台都将自己的服务包装成了MCP。你比如说支付宝、微信支付、高德地图、百度地图、大众点评，都开始出MCP了。这一块呢，就是只要上大模型，你挂上这些MCP以后，就可以实现相应的一些功能了。MCP主要干的活是什么呢？就是能力拓展，它并没有说把一些能力固化下来。你说我告诉大模型我有MCP了，那不能保证你每一次输出的结果都是你想要的，但是呢，它可以保证说大模型可以去调用百度地图了，知道这周围有什么好吃的，这个他可以去干了。

现在呢，skills来了。skills呢，和MCP比起来，对于非程序员就更加友好。原来MCP你要去做配置的话，还需要去写JSON，JSON还算是一种程序员使用的配置语言，而现在的话直接Markdown了，你就直接用自然语言去写就完了。JSON的话你要是把它写错了，大模型拿它也没办法，但是Markdown的话，你写错了以后，比如我写了几个错别字在里头，或者哪个地方我写点病句在里头，大模型就直接处理掉了。所以这一块容错率还是比较高的。它呢，可以很好地将技能固化下来，让你再去重用，也可以去拓展一些外部功能。但是拓展外部功能就只能是在Claude code里头用。我相信未来可能会有更多的客户端去支持skills，只要是有客户端支持的skills，就可以去允许你拓展外部功能，可以去联网。否则的话，你跑到Anthropic的自己的服务器上开虚拟机的话，它就不会让你干这个活。现在呢，在网页、API都可以去跑，但是网页、API包括手机端、PC端的这些客户端里头，它都是调用的Anthropic自己的虚拟机，不允许联网。如果你是在本地跑，它是允许你去联网的。

那你说未来大家会不会跟进呢？一个新技术，你不能说上来我就要做标准，这事是不对的。一个新技术出来了以后，一定是什么呢？一定是自己先用起来，大家喜欢了以后，逐渐去遵循你为标准。而且你前提还得是开放，你如果不开放的话，别人想去遵循你为标准也没有这个能力。我觉得呢，大概率skills会成为下一个标准，继MCP之后的下一个标准。为什么呢？就是skills的技术是完全中立的一个技术，因为你写进去的就是一堆Markdown，其他的没有什么，就算写一些Python代码，或者是一些TypeScript，或者是其他的这种代码进去，它要求的也都比较简单，不会要求写特别复杂的代码，因为它是在一个没有网络、也不可以调用外部代码库的一个虚拟机里去执行的，所以这个代码也不会太复杂。所以第一个，完全中立。第二个呢，就是它直接开放的，Markdown文件拿出来看就完了，我到底是一个什么样排版的文件，我直接看就可以了。

WPS里头有非常非常多的模板库，班级的点名表，或者是各种的报告，它都有模板库。以后这些东西通通都可以写成skills，我们就直接调用的时候，就可以产生出符合各个单位里头要求的格式化文档，这个还是很棒的。甚至呢，可以进行一些逻辑上的检查，比如说所有的股权算完cap table以后，加起来必须是100%，你这些东西通通都可以在skills里去干。现在大量的skills文件呢，已经开源了，都在GitHub上，大家可以自己去找去，直接下载下来就可以用。而且支持skills这件事呢，本身对于大模型也没有什么新的要求，完完全全是可以在这种客户端上就跑。你比如说Cursor或者是VS Code，这些东西就直接可以去支持了，并不需要模型做任何的修改，也不需要在模型API上做特别多的调整。所以这个东西成为标准的门槛是比较低的。

skills对模型唯一的要求是什么？就是你模型的上下文要进一步的提升，要有更好的指令依存度。我要求你干什么，你必须老老实实给我干去，这就是skills对模型的要求。现在Anthropic Claude对于skills的这种要求，特别是现在的4.5的版本，基本上是可以满足的。Gemini 2.5相信应该也没有任何问题，甚至马上要出Gemini 3，可能这个礼拜就要出Gemini 3，做这些事情应该也都是OK的。GPT-5处理skills这样的一些小问题，应该也没有任何毛病。国内的话，豆包、DeepSeek和千问应该也都可以完成相应的这种改造，就是你模型不用动，直接在这个客户端上处理一下就可以了。

未来的话，可能就是我们只要告诉大模型说，我有哪些function就是哪些功能，哪些MCP，比如说我可以调用百度地图、高德地图，然后呢，我们再告诉他，我还有哪些skills，哪些技能，我想干什么，然后它就给你干去了。我举一个例子吧，我们现在有MCP是高德地图的，有一个skills叫做“Excel格式整理和数据校验”，然后我们就可以告诉它什么呢？我现在想知道某一个地区周围有哪些日料店，他们都是一个什么样的情况，按照这个打星的情况去排序，还是按照价格排序，还是按照一个什么样的方式排序，然后呢，请给我去进行什么样的格式。把这个命令整个交给这个大模型以后，它就会自动地去调用MCP得到某一个地区附近的日料店，然后把里头所有数据都拎出来，再按照我们的要求调用skills，把这些东西通通都塞到Excel里头去进行校验、进行排序、进行这种格式的梳理，然后生成一个我们所要的这种Excel文件出来。它就是这么干活的。

跟这种标准，国内的这些公司应该会跑得很快的。国内一大堆抄袭Claude code的这种工具，像现在阿里、字节、腾讯都开始出这种客户端上直接进行命令行输入的、类似于Claude code的工具了，他们想去支持skills还是非常容易的。国内的这些AI IDE应该也会第一批跟上。云厂商跟进应该会更快一些，因为刚才我们讲了，skills执行的一个原理是开一台虚拟机，处理完了以后把它关上，这个对于所有的云服务厂商来说，“这个我们熟”，他们会更快的跟上。而国内最大的云厂商是谁？阿里。千问未来去支持skills应该是顺理成章的，国内MCP最早支持的应该也是阿里。

总结一下吧，你想去建立一个新的AI标准，你必须按照“简单、开放、中立”这个标准去，而且除了大模型能力之外，你其他的都不能要求。这个就是MCP成功的原因，也是skills我认为未来有可能会成功的一个底层逻辑。Anthropic呢，可以不断地确立新的行业标准，就是遵守了简单、开放、中立这样的一些基础。当然优点呢，是标准性；缺点是什么呢？就是不能吃独食。很多国内的这些厂商说，我也要去建立标准，建立了半天，他老惦记吃独食，这事你肯定就做不起来。现在AI领域里头是什么？就是一帮巨头，甭管美国的OpenAI、Anthropic、谷歌、Grok，这些都是巨头，非常非常值钱的公司。国内的字节、阿里，这都是巨头，可能DeepSeek稍微小一点点。在这个时候，没有谁说我确立一个标准，你必须在我这跑，其他人都不兼容，这事是跑不起来的。OpenAI就老惦记干这种活，吃个独食，把自己的私货加进去，但是效果非常的不好，所以他建立的各种标准一般是没有人用的，都是Anthropic在建立标准，大家去使用。

好，这就是今天要给大家讲的故事。感谢大家收听，请帮忙点赞、点小铃铛、参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲，阿里到底是不是中国的AI之光所在呢？

这几天正在开阿里的云溪大会，9月24号到9月26号开。这一次的口号呢，叫“云智一体，碳硅共生”，提的口号很神奇。当然，最神奇的还不在这，咱们待会往后看神奇在什么地方。4万平米的展厅，500多家企业参与，6万多人到现场，这个是一个非常大规模的会。

那么还宣布了什么呢？与英伟达合作做物理AI。现在呢，谁也不敢宣布说与英伟达合作，买人家的这个RTX6000，现在只能说我们做一个别的合作吧。什么是物理AI呢？就是做机器人相关的AI，做机器人的仿真训练、量化强化学习和仿真测试，做这玩意的。英伟达在这块也确实是很强。阿里呢，也会去投资很多的这种机器人公司，所以这个宣布了以后也是一个重大利好。

而且呢，阿里现在绝对是全世界开源AI领域的扛把子。原来最早的扛把子是Meta，出了Llama，出了这么多模型以后，现在阿里接过了这一面大旗。阿里开源的模型，在Hugging Face上基本上是站到最前面的一批了。以阿里开源模型为基础再微调出来的其他的各种模型有几万个，现在基本上属于事实标准的一个状态。所以只要说开源的大模型，大概率是拿阿里通义千问的这个模型去调出来的。那这点呢，其实也很符合阿里的调性，就阿里的这些模型都属于他没有那种很强的这种个性，或者很强的这种能力，但是指令依存度、逻辑推理能力这块都是达标的，这个还是一个很好的底座。

这一次呢，提了一个新词儿叫ASI。从这个词儿呢，我们就可以看出来中美两国AI发展的完全不同路径。原来美国都在玩AGI，就叫通用人工智能，这个东西发展一段时间以后就可以达到跟人差不多的能力了，人能干的事它都能干。那阿里玩的ASI是什么呢？叫超越人工智能。就不用通用了，我们要超过人类。而且呢，是要可以自己去找知识学习，自己迭代自己升级，要快速超越人类。

那你说这里头跟中美两国的AI战略到底有什么不一样的地方呢？很多人一讲到中国AI战略呢，都会想到一个问题，说中国的有知识管控或者内容管控。但是我跟大家讲，这事呢正好跟大家想的是反的。不是说中国什么都不管，而且管的比美国严，但是呢，在做各种实验上，在做各种测试上，在做科技的发展上，中国人是百无禁忌的。什么对不对齐，是不是AI作恶，对社会、对环境、对人类有什么危害，我们先赢了再说，其他的不管了。这个是咱们中国玩的最奇葩的地方。而美国人呢，你可以认为他们是一帮左派，都在这想我的社会责任是什么样的，我要对人类怎么样，我要去开发宪法AI。所以呢，他们是一帮捆住手脚的人。而中国呢，其实我们是一帮现实主义者，只要能赢就行，其他的都不介意，等我赢了以后，我们再说后边治理的事情。所以美国人玩AGI，你别超过人类，你也不要给人类造成什么伤害。中国人就玩ASI，人在哪呢？没看着。我们冲！

这个是中美两国最大的差别。以中国现在这套ASI的玩法呢，我觉得可能会更有市场。做AI这个事情，都是要在大厂大公司里边控制去做的。而大厂大公司的这些人呢，包括国家的这些领导人，或者说这些既得利益者，所有的社会规则对于他们来说都是无效的。他为什么要去考虑社会规则？为什么要去考虑是不是有人受到伤害？他才不管这玩意呢。所以对于他们来说，拿到中国这种百无禁忌的模型再去处理，才是他们真正需要干的事情。至于说管理、过滤，那么我要用一个完全没人管的模型去管这些有人管的模型，这个是很多权力很大的政府他们所思考的问题。就像咱们禁摩一样，警察都骑着摩托车呢。为啥？摩托车方便。但是呢，我不允许普通人骑摩托车。所以呢，我们把警察的摩托车做的很大，开的飞快，但是普通人你们压根不许骑。就通过这一个词上面的一个字母，大家就知道两国的路径有多么大的区别。

前两天不还传嘛，说美国一个飞行员拒绝向以色列运军火，直接给抓起来了。那你说军队真正要的什么？军队要的就是执行命令。我不需要你有善良，我不需要你有人性，我就需要你执行命令。AI也是这样，政府都是希望AI甭管我说什么，你都去干去，不要自己去判断这事对不对。所以在这儿，中国也许会胜出。

讲远了。阿里云溪大会开的时候，股市是买单的。别人认不认咱不管，看看股市的情况：港股涨了9%，美股涨了7%。因为它是在港股跟美股同时上市的公司。而且木头姐直接出来喊大家上车了。木头姐是方舟基金的管理人，但是注意，方舟基金这样的机构呢，是不能上来说你们都买，然后再再去搞其他的。他一定是真金白银自己先买了，也不能说我买了以后喊大家来上车，这事是违法的。他是什么情况呢？他首先他买了，买了多少呢？两只基金一共买了1630万美金的股票，算是方舟基金的一个比较中等规模的操作。而且美国是有规定，这种基金重大操作必须要公开。所以呢，木头姐就趁此公示了，还要跟大家讲一讲说我为什么买，我为什么觉得这事行，他也得去募资嘛。所以这个过程，按照美国的这个法律规定，它是一个正常的披露。

木头姐呢是2021年把阿里整个清仓掉了，现在重新上车。跟大家解释说，我觉得是重新上车的时候了。它到底有什么样的不同的价值模型呢？它首先讲的是PE，PE呢就是你的市值跟你的利润之间的比数。阿里现在是多少？20倍。那20倍这是高还是低呢？你光告诉你一个数，这事是没法比较的。在电商里头算高的，电商里不能看亚马逊，待会咱们再讲为什么。京东的这个PE大概是10倍上下，经常就是个位数，所以京东的PE是非常低的。京东的什么人效比也是极差的，好几十万人你咋人效比。拼多多的这个PE是13倍。所以在这里看呢，阿里20倍其实是挺高的了。

在云计算里头，阿里算低的。谷歌也就是Alphabet，26倍；亚马逊，32倍。你看亚马逊其实跟阿里很像，一边是有电商业务，另外一边的话是有巨大的云计算业务。微软呢，37倍；Oracle呢，是67倍。现在TikTok的案子落地了以后，那还得涨。所以呢，阿里的整个的PE在电商里边算是偏高的，在云计算跟AI里边，它的估值是偏低的。所以木头姐说，我觉得这个位置很好，我要冲上来去搞一下。

AI资本支出，这个是大家都在玩的事情。华人勋跟OpenAI山姆·奥特曼在这玩的很开心。阿里也在讲，我3800亿人民币，500多亿美金的样子吧，要追加资本支出，AI基础设施建设，这个是符合主旋律的。还有什么呢？就是阿里真正比其他人都强的地方是哪儿？就是它的AI的产品线特别全，它真的叫全栈AI云平台，就跟咱们讲全栈工程师似的。大模型自己有，而且很强。投资了大量的AI初创企业，AI agent，AI编程什么全都有。更强的是在哪儿？它还有自己的用户场景，它有电商，还有自己的巨大的用户群和日常的交易数据在这儿。OpenAI其实它是没有用户场景和初用户的，这些玩意都是它后攒的。

木头姐曾经讲过，说他为什么看好X.ai，原因很简单，X.ai有X上面的特有的数据，而且X.ai还有可能会获得特斯拉的数据和脑机接口的数据，以及SpaceX的数据。所以呢，它有独特的数据，这就是它的逻辑。我们经常会去分析一个人的投资逻辑到底是什么样的。我觉得到目前为止呢，木头姐讲的这些阿里相关的这种投资逻辑，还是在我的逻辑认知范围之内的吧，就基本上是认可的。当然了，跟英伟达合作这个事，就是你怎么都要上去蹭一下嘛。

刚才咱们讲的这些呢，都属于金融行业的人他们去算的估值模型的账。深层次的，咱们要去讲一些像我们这种早期投资人去看的东西，就是他的业务逻辑是对不对的。比较一下阿里的竞争对手吧，没上市的公司呢，OpenAI、Anthropic、X.ai、字节跳动，这些呢咱就不去跟这种上市公司比较了，咱们就去比这些上市公司。

微软我们比较一下。它呢，投资了OpenAI，云计算算力投入这一块呢，它第一，花的钱最多。微软实际自己也有模型，但是实在是不好使，所以微软全面在使用OpenAI的模型。微软的用户场景丰富，用户量巨大，它有Windows，有Office，有IE，有Bing，虽然差一点但还算是有吧。阿里呢，投资了一大堆的这个AI企业，只要是国内的AI的大模型公司，基本上他全投了。投完了以后，通通都上他那去使用他的算力去。这个是不是跟微软就很像？云计算方面，在国内的阿里云算是最大的，所以跟微软能够对标上，没毛病。但是有一点它要比微软强，就是微软的模型像屎一样，阿里的模型真的是还可以用，不算最好用的，但真的是可以用。特别是千问32B、35B的这几个模型，还是非常非常好用的。用户场景也很丰富，虽然它没有Windows，没有Office，但是它有淘宝和天猫，有这个新浪微博、优酷这种内容项的，再加上出海的东西，所以它用户场景很丰富，用户量也非常非常的巨大。所以在这点上呢，它基本上完全可以对标微软，只是因为从中国起家的，所以规模上要比微软稍微小那么一点点。

下一个跟谁比？跟谷歌比。谷歌呢，是自己的模型很强大，Gemini非常非常强，据说10月份我们能看到Gemini 3了，说这个模型强的一塌糊涂，完全强到没朋友了，很期待。然后投资了Anthropic，谷歌也投了好多这样的AI公司。在云计算方面算力投入巨大，谷歌是一直在那投，但是现在它已经不行了。零几年的时候，谷歌的服务器是占全球服务器的6%还是7%，现在应该轮不上了。谷歌呢，自己的用户场景也很丰富，它有谷歌的搜索，有谷歌的Workspace，就类似于Office这样的东西，还有Gmail，再加上安卓手机，包括我们现在在YouTube上聊天。在这一点上呢，我觉得阿里跟它也是有得一比。谷歌呢，有一点没有阿里强是什么？谷歌的模型大部分是闭源的，它开源的模型其实是没什么影响力的。它的开源模型叫Gemma，Gemma在这块呢，比千问的这个模型差的非常非常远。而且呢，Gemma模型是只有小模型，没有大模型，就是为了让你在PC上，让你在手机上用的。而像千问的模型，是从大到小，从235B一直到0.6B，各个层级都有，你有多大硬件，咱就给你跑多大模型，都可以跑起来。所以谷歌就从技术的完整度上吧，还是稍微有一点点小欠缺。

再往后一个是亚马逊。亚马逊呢，真的跟阿里很像。他呢，也是投资了Anthropic，自己的模型那真的是乏善可陈。云计算绝对的王者，全球的王者就是亚马逊了。AI算力投入呢，也有，但并不是那么突出。电商的用户场景和用户量都非常非常好，这块跟阿里很像。

Oracle呢，数据库是老炮了，自己没有模型，现在呢跟OpenAI眉来眼去的，算力投入巨大。但是我觉得Oracle未来的故事，真正能看的应该是TikTok。

阿里到底是什么情况？你不要老想着说阿里买不到英伟达最新的芯片吧，他可以不在中国买，他在中东，在什么迪拜那地方都建的有算力中心，你在那买不就完事了吗？所以他是不缺这些东西的。所以呢，阿里的情况跟上面的谁最像？跟亚马逊最像，但是比亚马逊还要强一点，因为还有自己的大模型，这个而且模型很强。

这一次云溪大会都发布点什么？首先，发大模型，一堆的大模型，就像下饺子一样扔出来。第一个叫千问三Max，这个是一个不开源的模型。除了这个之外，剩下的模型都是开源的。为什么它不开源？1万亿参数，你开了源谁也布不了这东西。比如说235B，2350亿的参数的模型，还是可以去布一布的。Deepseek是671B，6710亿的这种参数的模型还是可以用。上万亿的模型一般就没法去开源了。这个模型呢，我这两天也试了一下，依存度很高，你给它各种指令，它会老老实实给你做完，生成的质量呢，就属于真的是能用的状态。它对于AI agent，对于各种的工具调用这块非常非常强，因为它的指令依存度高嘛，它就可以规划一个很好的路径，把所有的指令都调用回来，这个是做的很好的一个模型。

下一个开源的是什么呢？叫千问三OMNI，全模态预模型。支持视频，支持音频，输出也是直接可以文字输出，可以语音输出。有点像GPT-4o，或者说那种叫real time的这种模型。我直接可以拿这个手机打电话，然后拿着手机一边拍视频，一边跟人聊天，一边跟大模型聊天，这个东西就干这个事了。而且呢，超多语种的支持，支持十几二十种语言，都是可以这边实时的跟他聊，那边实时的出。所以拿这个东西出去找人去聊天，当翻译都是没有任何问题。而且可以拍着视频说，你看我这个视频里这个风景应该怎么描述一下，它都会马上给你去进行推理。而且端到端推理，不是说我先把视频识别出来，然后再去走这个大语言模型，直接端到端就开干了。这个模型呢也不大，30B MOE的模型，300亿参数。这种模型呢在电脑上都是可以跑的，还专门为苹果做了优化，就是在Mac上可以跑，但是30B模型在手机上是跑不起来的，这个是稍微有点费劲的。其实我们甭管用豆包也好，还是用ChatGPT也好，实时对话模型都是用云端的东西，没有在本地计算。千问三的这个OMNI就是干这样的一个事情的，还是很有惊喜的一个产品。

再往后呢，是千问三Image Edit 2509。其实原来就有这个模型，但是呢，它又重新升级了一遍。因为原来它的千问三Image Edit呢，只能上一张图片，你给它一张图片，要求它做各种修改是OK的。现在的话，Nano Banana出来了以后说，原来还可以这么玩。我可以上三四张图片，把它拼在一起。实际上就是拿三四张图片去进行视频推理，或者叫视觉推理，再把它们挨个抠出来了以后往一块拼。所以这就是阿里家的Nano Banana。这两天我在玩即梦4.0，豆包家的Nano Banana，那个也是玩的很开心。大家现在看到我的各种的封面，基本上都是拿这玩意做出来的。你看我那个这一期视频的封面，文字是用毛线绣上去的。这个是国内模型能干的活，就是写中文，而且用各种各样的创意字体写中文，用各种的素材去写中文。Nano banana干不了这事，Midjourney更干不了这事。中国的一个是即梦，一个是刚才我们讲的千问三Image Editor，都是可以去写中文的，效果好极了。

再往后一个呢，是千问三TTS Flash，就是专门做文字转语音的，还出了一个轻量级的模型。但是这种轻呢，也没有办法在手机上跑，都是在电脑上跑的。以及呢，出了叫千问三VL。VL是什么？叫视觉推理模型。但是这个呢，就跟前面咱们讲的这个OMNI不一样了，它是做了很重型的这种视觉推理。你像上面那就是个30B的模型嘛，它这种东西做推理的话，肯定的能力还是要差一点的。所以还是要上这个千问三VL。还有一个呢，叫千问三Next，80B MOE模型，每次激活3B。它是干啥使的呢？就是比千问三更便宜，在同等推理的能力下，用更低的成本可以完成任务。最后一个呢，叫WAN 2.5，叫通义万象2.5，这个呢是做视频生成的。原生音画同质，就是他直接做出来就可以配好口型，配好音乐，更高的画质，更长的时长，1080P、24帧、10秒钟。为什么说这玩意强呢？因为我们看到的其他视觉模型，比如说谷歌的VEO 3，OpenAI的Sora，即梦这些视频模型的话，都是闭源的。通义万象WAN 2.5它是个开源的，大家可以把它下载到本地，然后在自己的显卡上去干活。那你说我把它放在自己显卡上干活有什么好处呢？百无禁忌就是好处。中国人做的东西都是百无禁忌的，其他的这些视觉模型都是很政治正确的，而且耻感都很高。你现在有一个这么强的，基本上可以达到谷歌VEO 3这样的一个水平的视频生成模型，还是开源的，还可以下载到本地去部署去执行，想想都觉得实在是太美了。而且呢，这个模型呢是这多模态，全创造全覆盖，文生视频、图生视频、文生图、图像编辑全都有。

这是这一次发布的各种的新模型。你说云计算嘛，超节点总要有嘛。华为也在做超节点，英伟达在做，阿里肯定也少不了。阿里的超节点叫“盘久”，盘古的盘，永久的久。盘久128超节点，就是每次呢，把128个算力卡放在一起去做这种超节点运算。这个里头并没有去讲说我这个超节点到底用的是谁的，其实大概率用的是英伟达的芯片，也可以用他自己的平头哥的芯片，或者用一些其他人的芯片。所有的超节点真正考验的其实不是那个芯片，考验的是什么？就是他的连接协议和交换机。就是你不能走以太网，你必须要单独走一个光通道的网络。所以他呢，做了一个叫UA Link，就类似于英伟达的这个NVLink这种东西，自己有自己的这个模块，自己有自己的协议，自己有自己的交换机，可以把128个算力芯片串在一起去干活去。

阿里真正强的在哪？就是它全栈，什么都有。因为做云计算的嘛，他肯定有海量数据库，然后AI agent、工作流、MCP这块也是强大一塌糊涂。前面我们讲过Dify这样的东西做工作流的，现在你们可以直接把Dify的DSL文件，就是你看在Dify上做好的工作流，导出一个DSL文件来，导完了以后直接到阿里云上去导入，他就可以照着DSL的这个工作流节点就给你跑去了。原因很简单，Dify也是拿了阿里的钱了，那他作为一个股东可以提出这样的要求来。所以这块呢，真的是非常非常强。

MCP这一块现在非常非常全面了。我今儿还专门上去看了一下，现在有哪些MCP可以在上头跑了。刚才我们讲的什么画画的，什么做视频都可以包MCP，当然这不重要，重要的什么？支付宝。你现在可以在上面做支付宝的支付，支付宝的订阅，都可以直接挂MCP到你的自己的应用里头去。这样的话，我们再做的新的产品就直接里头可以支付了。各种跟电商相关的，跟这个业务相关的，因为它场景丰富嘛，自己家的东西都可以开出来，这一块全都已经包装成MCP了，可以在阿里云里头用，也可以在阿里云里头把这个MCP的接口暴露出来，在外边来用。比如说它里头有一个MCP是什么？查快递。你只要去申请一个快递100的TOKEN往里一挂，就可以直接上阿里云的MCP服务器上去把它的接口导出来，导到自己的AI agent也好，或者是工作流也好，就可以帮着用户去查快递了。你的快递走到哪了，什么时候该拿了。能够查快递，对于销售的转化是非常非常有帮助的，因为你一旦知道说我这个快递是可以查到的，这个东西走到哪我都知道，大家就觉得一个事情从不确定变成确定了，他就可以花钱去更多的下单买东西。这一块是很多很多的，现在能想到的，在国内能用得上的这些东西，都已经包装成MCP了，都可以在阿里云里边直接集成去使用。

编程这一块，他自己专门做了一个模型叫千问三Code，480B，一个开源的模型。这一次呢，阿里还发布了一个叫千问三Code Plus，一个闭源模型。就这个模型实在太大了，你们也别费劲了，搁我服务器上你们跑吧。我自己没有去测试，所以就不跟大家吹说东西好不好使了。

阿里真正做的全栈，从头到脚全做了。而且呢，英伟达的把戏在中国只有阿里能玩。什么意思？阿里做芯片吗？要准备卖芯片？不是这样。中国人谁也做不出英伟达这样一统天下的芯片来。所以呢，他干嘛？他去做云去。说我这有云，我拿云去投资，别人投资完了以后，我再把这个钱再挣回来。就是一个钱从左口袋揣右口袋，然后再揣回左口袋，GDP算三倍，这就是英伟达的把戏嘛。这个现在阿里云也可以干。

做云计算跟云计算因为AI获得很多收益，其实两回事。就阿里云的这几年的收益，特别是AI相关的收益，都是三位数增长，绝不是几百分之几十，就翻着跟头往上涨。所以在这一块上呢，还是有挺大差别的。微软云上跑的是谁的？跑的是OpenAI。亚马逊云上跑的是Anthropic。Oracle云现在是Cohere，以后应该会跑OpenAI。谷歌云上是Gemini和Anthropic。那么阿里云上跑的是谁？第一个，阿里全栈的大模型都可以在上头跑。Kimi也就是Moonshot，这个模型在上头跑。MiniMax他投资了，在上头跑，没毛病。百川、智谱、零一都可以在上头跑，都没毛病。Deepseek云本来是开源的，虽然阿里没有投资Deepseek，但是肯定阿里云上也是有Deepseek的模型的。全国大概有一多半的模型都是在阿里云上跑的，阿里每一次出来吹牛就吹这个。另外一圈比较大的是火山云，是这个字节跳动的。他讲的是什么？就是公有云对外销售的TOKEN，有一半是由火山云消耗掉的。那你说不对，怎么阿里云上那么多模型，火山云消耗的TOKEN这么多呢？这个里头就有一个问题是什么？就是火山云上大量的人是直接在上面挂这个模型去干活的。而阿里云的话，很多是由单位直接上去，连服务器带所有东西一起买下来的，它是没有办法单算你卖了多少TOKEN的。所以呢，算TOKEN，字节跳动的火山云占一半。你如果算大模型，阿里云占一多半。

黄仁勋的玩法又来了。怎么讲呢？阿里出钱投资，拿了阿里的钱呢，你就来阿里买算力。运营的不好怎么办？阿里就把核心团队收了。这点他比黄仁勋还狠。黄仁勋投了一堆项目以后运营不好，他也没办法，他也不能说：“你们上英伟达来上班吧。”阿里是这么干的，因为零一前一段时间就玩不转嘛，那零一的核心团队就直接上阿里上班去了。这就是投资协议上写的一个条款，你如果玩不转，你就把你的核心团队交出来。因为咱们都知道，做大模型需要什么东西？算力、数据和人，或者叫人才吧。那么阿里说了，我投资了，你买了我的算力，数据你自己找去我不管了，玩不好你把人才交出来，怎么着都不亏。如果这个项目运营的特别好，估值上升，那阿里肯定也是赚了。所以这是阿里真正的如意算盘。

那么，阿里是不是重新站起来了呢？阿里前头最惨的时候，市值被拼多多超越，马云必须要出来露面了，去说几句话才能稳住军心。而且阿里这几年呢，特别是吴妈上来了以后，真的是改变了很多策略。原来呢叫“1+6+n”，就是彻底要分散，自己玩自己的。现在说不分了，不需要的直接干掉，剩下的人咱们集中力量干大事。零售方面，现在在跟美团、京东拼外卖，而且在拼即时零售。AI方面，在和字节、Deepseek战斗。但是呢，在这一点上，阿里的优势是非常非常强的。字节跳动是不开源的，字节跳动有一些开源模型，但是呢大的模型都是闭源的。所以在这一点上，阿里要比字节强很多，它会形成事实标准，这个字节就没有办法。虽然豆包1.6模型真的是很强很强，现在我比较下来，千问三Max是没有字节的豆包1.6好使了，但是即使如此，你没有开源这面大旗。所以在这点上字节打不过阿里。而且因为竞争，字节的火山云上敢去部署这个Deepseek，但是呢，他就不愿意在上面部署千问模型，这个也是字节眼界稍微差一点的地方，或者说目光不够开阔的地方。字节呢，前面把整个战略投资部都裁了以后，其实也没有什么特别大的动作。这方面，美团、拼多多、京东就更不行了。所以阿里在国内的竞争优势真的是独一无二，就没什么人跟他竞争。

总结一下吧。阿里呢，肯定是未来可期，只要是他们抱着现在这个状态接着往前走，收紧拳头，大家自己配合往前走。其实阿里还有很多很神奇的东西在做，只是现在并没有开放出全量给大家来用。来等他们稍微开放一点点，咱们再去一个一个的来去解读。而且阿里在这块有可能真的会走出一条不同的路来。什么意思？就是到目前为止，这些传统的有场景、有用户的公司，比如谷歌、微软、亚马逊、字节跳动，都没有开发出新场景，都是在原来的场景上进行AI的改造。而在这点上呢，阿里呢有大量的AI agent准备去上线，他们是准备去创造新的商业模式了，准备去创造新的应用场景的。这个才是真正值得期待的。一旦他们在新的应用模式和场景上有了创新，而且站住脚跟了以后，应该又可以席卷全球一次。我觉得应该是值得期待的。

但是呢，在国内一切皆有可能，一切也皆有不可能。所以呢，我们继续吃瓜，继续往前看。我自己呢，现在有一部分的应用是跑在阿里云上，跑在阿里的大模型上，但是呢，大部分的AI人工智能的应用其实是在OpenAI、Gemini和豆包上。我准备未来一段时间更多的使用阿里云吧，希望能够发现他们一些有趣的点，特别是他的通义万象2.5，看看到底能给我做出一点什么东西来。但是跑这种东西呢，可能需要更新电脑，我现在的电脑跑通义万象2.5是跑不起来的。或者看看谁家是托管的通义万象2.5，是相对来说比较自由的，我准备去好好的玩耍一下。

最后注意，咱们不做任何具体的投资意见和建议。你说我上车了，亏了，那是你的事。你说我没上车，亏了，也是你的事。你赚了，也都是你自己的事。不要怪老范。好，这就是咱们今天的第一个故事。

埃隆·马斯克的巨硬公司，也叫Macrohard公司，到底是干嘛的呢？

大家好，欢迎收听老范讲故事的YouTube频道。

今天咱们来聊一聊马斯克玩心很重，起的这个神奇的名字，到底想干点什么。

它呢应该是X.ai这间公司下面的一个软件项目，并没有一个公司叫Macrohard。不像微软似的，Microsoft是一个公司，而Macrohard的话，现在只是一个内部的名称。虽然马斯克8月份跑去申请Marcohard的这个商标注册，但是呢，商标注册一般是很慢的，即使一切顺利，你注册一个商标到可以获批使用的话，大概也要一年的时间。

而且这个商标最后获批使用的几率基本上是0，不太可能的。因为微软大概率会强势维权，微软在这块是非常非常注意的，那也曾经是世界市值第一的公司，而且是在今年是世界市值第一。对于任何擦边球、跟他的名字比较像的这些商标，都会上来维权，直接把他干掉。人家叫Microsoft，叫“微”和“软”，你呢，叫Marcohard，叫“巨”和“硬”，这个肯定属于擦边，微软一定会上去抗辩的。而且美国专利商标局也会进行相似性的检索，你如果检索的过程中，人家就认为你这个相似性太高了，就直接给你拒了，所以可能不需要微软也维权，这个商标就不见了。

但是马斯克反正人家玩吧，光换来的这个流量，它就已经值钱了，你申请的下来、申请不下来已经无所谓了，像当年的BORING无聊公司那样，这是属于话题，话题足够。马斯克的无聊公司是干嘛的呢？在地上挖隧道，让特斯拉的汽车可以在隧道里边快速前进，躲避拥堵，做这样的一个事情。这个公司到目前为止其实没有什么声音了，但还活着。Macrohard话题足够，会吸引很多人过来讨论这件事情。

马斯克到底想干嘛呢？现在只有只言片语，所以大家只能猜。咱们今天也主要是借着Macrohard的这个事情，跟大家探讨一下AI agent未来会如何改变我们的软件使用方式，这个我觉得还是值得去探讨一下的。Macrohard大概率是要去做manus那样的项目，做一个全能型的AI agent，但是具体怎么去实现，现在大家都在思考。虽然大家都在开始搞AI agent了，但是AI agent最后如何去改变我们使用软件的方式、改变我们工作的方式，目前为止呢，没有一个标准答案。让马斯克也加入进来去摸索一下，这并不是一个什么坏事。

从马斯克现在发出来的信息来看，他说的是：“微软这样的软件公司本身并不生产硬件，而是通过软件产品和订阅服务赚钱。既然如此，那么在理论上完全可以用AI来模拟一家微软。”他写了这样的一个话。这个什么意思呢？你看他是生产硬件的，特斯拉肯定生产硬件的，SpaceX生产硬件的，SolarCity就是他那个太阳能公司，生产硬件的，他的这个脑机接口生产硬件的，所以马斯克是一个硬件公司。而微软呢，你要说他完全不生产硬件，这事也不对，因为微软现在也生产非常多的硬件，比如他生产电脑、生产鼠标键盘、生产Xbox游戏机。你不能算它生产吧，至少是设计和销售这些产品吧。微软其实也算是半个硬件公司。但是软件的这个部分，是不是就可以用AI人工智能重新做一遍呢？这个其实才是大家现在需要去思考的问题。

很多人都讲说AI出来了，要把所有的软件都重做一遍。但是到目前为止呢，其实有一点点举步维艰，并没有办法说把原来的所有软件都重做一遍。我们现在看到的不是大家在招聘，说我们把以前的软件都做一下，而是都在裁员。

马斯克呢，肯定是先要嘲讽一下老冤家，微软跟马斯克之间一直不对付。一方面是比尔·盖茨一直在做空特斯拉，而且是公开喊话。马斯克上去喊，说都已经这样了，你还做空我吗？比尔·盖茨啥也不说，接着在那做空。马斯克还讲说比尔·盖茨去了萝莉岛了，出现在谁谁谁的名单上了。现在比尔·盖茨也无所谓了，反正婚也离了，你爱说什么说什么了，我接着做空你，这样的一个状态。另外一方面呢，微软算是从马斯克手里边截胡了OpenAI，你想这是多大的仇。如果当时微软不给山姆·奥特曼钱的话，山姆·奥特曼最后就要乖乖地在马斯克这就范，最后就是让马斯克来成为OpenAI的CEO，让马斯克带着整个的团队往前走。最后微软说我给你钱，我给你好多钱，咱们去玩儿吧，最后把OpenAI截胡了。所以这个仇大去了，所以一定要上来去嘲讽一下。

先把招聘搞起来，并且预告下一个阶段的方向，这是马斯克干的第二个事。他现在的人力物力是搞不定的，以各个AI公司的情况来看，马斯克现在最缺的就是人。因为他一旦要开始为广大大众提供一些个性化服务的时候，他这点人数是根本不够使。所以后边要具体怎么把人招进来，怎么重新去组织这些人做新的产品来为大家服务，这是他现在需要去思考的问题。即使说我不像微软那样招几十万人来给大家服务，你也得把平台搭起来，让大家在你这个上面去为其他人服务。在iOS跟安卓的时候，其实就已经发生了很大的变化，有很多的人在应用市场里开发应用。当时OpenAI做GPTS的时候，其实也惦记干这个活，但是呢，这个路并不成功。但是至少大家都想去做一个平台，希望其他人在我们的平台上就可以提供定制开发，为最终用户做完整解决方案。但即使要做到这一步，马斯克也要去招聘。至于预告下一阶段的方向的话，“用AI模拟一家微软”，这就是下一个阶段的方向。

那我们来看看，微软这样的一个软件帝国和它的竞争对手们，现在到底是一个什么样的状态呢？既然你要模拟微软，你最后肯定是要跟微软竞争的嘛。咱们看看微软的产品。

首先最如雷贯耳、最响亮的，肯定是Windows操作系统。Mac OS呢，其实完全是另外一种产品，Mac OS跟Windows没有那么大关系。用Windows的人跟用Mac的人就是完全两拨人，所以他们之间其实并不怎么竞争的。Linux桌面版呢，流传的范围非常非常小，基本上可以忽略不计，不是说没人用，但是比例非常少。安卓、iOS的份额其实是远超Windows的，因为手机比电脑多嘛。现在呢，iOS跟安卓其实已经可以做大部分Windows能做的事情了，很多人拿着这个平板电脑直接装上安卓系统。包括像苹果，它现在iPad上也不叫iOS了，人家叫iPadOS了，那意思就是说，你的下一台电脑不需要是电脑，我也不用给你上Mac OS，你就直接上iPadOS，大家就可以干活了。这个是可能未来对于Windows的一个比较大的蚕食吧。

而且新的操作系统呢，它在定义层次上，就已经开始发生转变了。传统的操作系统，你要在一个特定的硬件上，把所有的功能统合起来。现在新的操作系统，你说微信算不算操作系统？绝对算。他把他把功能统合起来了，但是不管理硬件，他还是在手机操作系统上去工作的。但是我们在这个微信里边可以聊天、可以看书看视频、可以买东西、可以投资理财、还可以贷款，没有什么事是你不能干的，所以它已经可以算操作系统了。抖音、TikTok这些东西也都是操作系统。现在最新的说“我是操作系统”的是谁？一个是谷歌的Gemini，还有一个是ChatGPT，这已经开始向操作系统前进了。你可以不离开这些聊天窗口，把所有的事情都做掉。我们参考微信，以后可能在微信里能干的所有事情，在这些聊天窗口里都可以干完。浏览器呢，也算是一种操作系统。

微软在这一块呢，是打不过谷歌的，谷歌的Chrome在这一块绝对的老大。即使是微软的Edge浏览器，其实也是在Chrome的基础上改出来的，底层内核其实都是由谷歌下边的一帮人在维护的。但是呢，Chrome这一块现在正在被反垄断审查，而且勒令分拆销售，现在Perplexity跟OpenAI都想买，买了干嘛？回来做操作系统。现在这一块呢，还是一个比较白热化的竞争了。

除了操作系统之外，微软另外一个被大家所熟知的产品就是Office系列：Word、Excel、PowerPoint，就这些东西。它的竞争对手呢，iWorks就是苹果做的这套Office，算是固守阵地吧，但是固守阵地都难。因为很多人即使用Mac OS的操作系统，也会在上面装Windows。Mac OS上的这些Works呢，最好用的是它的Keynote，就是类似于PowerPoint的这个工具。它的Page就是类似于Office里的Word，苹果的有一个产品叫Number，它就是类似于Excel。剩下两个产品，其实用的人是没有那么多的，会少很多。所以iWorks现在固守阵地都有点难。另外一个现在比较有竞争力的是谁呢？就是Google Workspace，也是一整套，就是一个演示工具、一个表格工具、一个文本编辑工具，这一套现在竞争力很强，快速地在生长。OpenAI呢，现在也盯上这一块，说我也可以做Office的事情，我有Canvas的一个功能，我也向这块前进了。所以Office呢，固然很强大，但是呢也面临着一定的竞争压力。这是微软的第二个产品线。

第三个产品线呢是游戏。微软在这一块呢，本来也就是众多游戏厂商之一，可能还排不到最前面去，索尼再加上任天堂，还有国内的腾讯这样的公司，所以这一块的市场还相对来说比较松散。那你说微软真正赚钱的大头是什么呢？是刚才上面咱们讲的哪一个？其实还不是。微软真正赚钱的大头叫系统集成，就是各种企业软件进行定制开发。这一块呢，应该才是被马斯克盯上的一块。马斯克坐在这儿重新写一Windows、重新写一Office吧，或者写一个浏览器吧？马斯克才懒得干这事呢。微软真正挣钱那部分，说您的企业有什么需求，我来帮您定制一下，这块是他真正盯上的。

AI到底应该如何改变这种企业使用软件的用户体验，或者说用户过程呢？大家还记不记得，2023年微软发布Microsoft Copilot的时候，那个炫酷的视频，让人感同身受的场景，想象力绝对突破天际了，所有人觉得脑洞被打开了，原来还可以这样使用。但是呢，这个会开完也就完了，你想这都是两年前的会了，到目前为止，他当时展示的东西呢，也没有完全实现。当然并不是说大模型的能力不够，也不是微软的工程项目能力不够，现在真正难的东西是什么呢？是信息的清洗，以及信息的边界确认，或者说叫信息的权限管理，这一块呢现在其实是搞不定的。

而且也没有人敢把这一部分交给AI去干，因为AI每一次出来的结果是不一样的。就算是你不交给他，大家三绕两绕，还让AI越狱，还让AI开始胡说八道呢。你把这么敏感的事情交给AI，让它来去管理相应的这些权限，这是不可能的。但是我们想清楚，如果我们想达到一个由AI配合我们去干活的这样的一个结果的话，我们就真的需要让AI明确他到底能得到哪些数据、不能得到哪些数据，才能给我们做出正确的结果出来。这个其实还是比较难的，到目前为止依然没有搞定。

现在对于个人来说呢，微软两年前展示的功能呢，基本在近期算可用了，也就是在最近那么两三个月里头，基本上是可用了。因为个人没有那么多的数据，也没有那么多的权限需要去管理，我们就完全可以要求这些AI agent说，你去搜索一下，或者说你到哪个库里去搜索一下，然后拿出结果来，去给我做什么样的这个事情。这块虽然使起来还稍微的有些不趁手，但是呢功能基本实现了。而对于企业来说的话，你肯定还是要再去做系统集成，这块是微软的老本行。你不去做系统集成，你拿现有的AI工具来说，基本上是没法做的，因为你需要做数据的清理和过滤，需要做权限的设置，而这一部分你还没法交给大模型干，这就是现在没有解决方案的地方。

让我们来想象一下，我们使用Office的场景到底是什么样的吧。我个人呢用的最多的是PowerPoint，但是现在用的也少了，现在可能用的最多的是Xmind。大家看看这个变化是什么？变化就是我把内容搞定了，但是格式我就扔了。我使用Xmind以后，我等于只有提纲，没有格式、没有动画，什么都扔了。这才是真正的未来发展方向，就是内容大于形式，大家一定要记住这句话。

PowerPoint的部分，目前的工具呢，可以做出很惊艳的粗糙模型来，我们可以在这些结果原因上进行再调整。这就是当前甭管是AI PPT或者其他的一些工具可以实现的功能。而且像Canva这些工具的话，都已经提供了MCP，可以直接服从大模型的命令，去做相应的调整。而且也有一些agent开始去做这种设计了，比如说叫Loveart，前面我们专门出视频讲过这个工具。这一块呢，不需要那么紧密的协同就可以干活了。

我自己用的最少的Office工具其实是Excel计算，Captable就已经是我的极限了。什么叫Captable？Captable就是一个公司的股份表，谁占多少股份，原来占多少股份，投资以后占多少股份，或者清仓以后股份如何分配，就这是我的极限了，再复杂的东西算不了。微软呢，倒是在Excel里头加了一个新的函数，我们知道以前有函数，什么求和、求平均数，现在最新的这个函数叫Copilot。你可以在里头写Copilot()，然后“请从哪些单元格里头获取数据，然后给我做一个什么样的结果出来”，你可以做这样的这种命令。因为以前大家都说，谁的Excel公式背的全，现在不需要了，直接用这个Copilot就可以搞定。即使是有这样的函数以后，我也觉得使用Excel还是挺麻烦的一个事情。

Word呢，是我用的比PowerPoint少，但是比Excel多的一个工具。咱们呢，来讲一个流程吧，就是要有一些相互之间的配合，还要使用一些微软Office工具——合同审批，咱们讲这样的一个流程。

第一步，我可能拿了一个合同模板，你不可能从头写这个合同，得先从合同模板。拿到合同模板以后呢，肯定先开会嘛，我投资别人项目，我投你多少钱，占你多少股份，这个事呢，肯定不可能说我拿着合同模板跟人讲，一定是大家拍着脑袋就开始定数了。定完了以后，基本的一些条款、基本的一些要求都说清楚了，就拿着合同模板进行填肉。我们就拿着模板，把这个你叫什么公司、我叫什么公司、甲方是什么、乙方是什么、出多少钱、占多少股份、各自有哪些权利义务，把它都写清楚。写完了以后呢，扔给律师，律师去审核。律师呢，会根据意图、风险，以及当前的一个最新法律条文的一个变化，提出修改意见。

拿到这种修改的稿子以后，我们再跟各方进行沟通，每一方都要再给他的律师看嘛，得到最终的一个修改过的稿件。Word里头最强大的功能不是排版，Word最强大的功能是审批。每一个人在后边去写，说我要在这加点什么东西，我在那减点什么东西，我为什么要在这加，为什么要在这减，或者我把哪句话改成一个什么什么意思了。Word是有很完善的这种版本控制的，像我们以前改一份合同，最后右边这个角标是密密麻麻的，不同的人写“我是张三”、“我是李四”，我为什么要提出这样的要求来，我改了些什么样的东西，大家在最后去确认。

在确认过程可能还要在开会，而且开会是开小会。一个合同里的涉及，比如说五六方不同的相关实体，他们有很多诉求，跟其他各方并不是都有关系。在这个过程中，大家就要捉对厮杀，或者说开一些小范围的会。等都开完了，最后律师协调大家的意见，出汇总版本。当然这汇总版本里还要再保留痕迹，再跟每一方确认，说你看看你当时要求改的东西，这个痕迹在这呢，现在确实给你改上了，别人都改了些什么东西。因为都要在同一个合同上签字嘛，每家改的东西可能跟你没什么太大关系，但是都还是要看一下。等大家都确认了以后，隐藏痕迹，打印最终版本，传签。

什么叫传签？就是把这个合同，比如说有10方要签这个合同，我们就会把这个合同打印10份，然后挨着个儿的快递，这时间都传递一圈回来，把10个人的字都全签上，他是这样的一个过程。然而通常不是打印10份，应该会更多一些，因为每家还要有一个原件留档嘛。这些合同走到这算签完了。这个合同后边还要起作用，起什么作用呢？你在下一次再签合同的时候，你就要拿上一个合同出来参考，原来你答应了什么条款，或者有什么样的约束。你在新的协议里头，你总要做出一些安排来，你说我是继续承认原来的这些约束，还是说我把这些条款进行了一定的修改，我们写清楚，我们有新的条款，原来那个作废了。你是要把它抄过来，还是怎么去约定这个事情。这个合同算是走完了一个完整的周期。

大家想可以思考一下，AI agent应该如何完成这个过程？这个过程刚才我讲了半天，很复杂，但是这就是我原来主要的工作。大家千万不要觉得出去做投资就是像大爷似的，跟人说你过来我要投你，不是这样的，大量的纸面工作，而且你需要跟每一个相关的股东、相关的出资人去进行沟通和确认，这个过程非常非常麻烦的。你说有AI agent以后，这个活会不会变得好一点呢？

在今年开始的时候呢，AI agent元年就算开始了。但是呢，目前为止，AI agent其实还没法干这个事情。之前的AI agent呢，都是为个人服务的，只是不同角色、不同场景的个人。刚才我们讲有不同的公司、不同的角色，大家一起凑起来完成的一个合同审批过程，到目前为止还没有谁说我要去干这个活。这也是微软挣钱最主要的部分，也是这一次马斯克想去替换的一个主要部分。

那我们要去看看这玩意怎么办了。首先，AI应该直接参与到初始谈判中来，你开会的时候，他就得在那，他得听着，或者至少你要把这个会议纪要扔给他。但是会议纪要扔给他，其实已经不是那么好了，为什么呢？因为AI按道理来说，应该根据模板和前面各种协议的约定直接询问。你不可能说我这会议纪要给他了，发现里头有好多该往合同里填的空，你没填上，这事是肯定不行的。所以AI应该是直接参与会议，说：“你们都聊完了吗？那什么什么事你还没说呢。”这个就会让会议的效率提高很多。

如果AI直接参与会议的话，会议纪要也不用给他了，他直接手里就有。然后AI就可以出各种颗粒度的总结提纲，让需要确认的人去确认。比如说我们十方坐这开了一个会，这个提纲是跟这几节有关了，那个提纲跟那几节有关，哪个提纲可能是跟所有人都有关。他就可以分门别类地把这些相关的信息呢，都总结出来，直接给大家发出去，让大家去确认。

有人在这问了，说需不需要全文？你说最后看的合同都是厚的，跟一本书似的好几百页，或者几至少几十页吧，这个怎么就给人一个提纲就完事了呢？其实跟大家讲，几十页的合同跟一两页的意向书，里头实质内容是没有太大区别的。所以我们出去跟人做项目，都是先签意向书，一两页或者两三页。签完意向书以后呢，大家最后都确认完了，然后让律师把它写成合同，但这合同可能就好几百页了。这个是没办法的事情，人写的更严谨嘛，但是所有的约定在意向书里都约定好的。看也没必要去看那个全文，最后看一遍就完了。

确认完了以后呢，就是做意见和反馈的搜集，大家都有什么问题，拿回来我们再去看一看，将变化的部分再次总结。当把所有的信息都汇总了以后，重新组织会议，这个时候就未必是全员开会了，各方单独会议，重新确认各自关心的问题，让每一个人关心的问题都得到确认。生成最终的版本，并将变化过程、最终结果生成全文以及各类的总结，让各方去确认去。在这个过程中呢，适时地查阅、引用各种相关信息和资料，包括法律条文、包括过去协议上面的各种约定。比如说我们上一份协议跟人约定好了，要给这个团队分红，或者说要给他们发股份，那你再签新协议的时候，我们就要把这个事说清楚。所以上一份协议是，或者以前的所有的协议和约定，在这呢都是需要去看的。现在的AI agent还搞不定这个事情。

马斯克的巨硬准备如何颠覆微软呢？肯定第一件事先招聘，这个没什么好说的。AI agent并不需要做出Windows和Office来，而是解决原来大家用Windows和Office能够实现的这些结果。我不需要按你原来的路径走，探索更小、更灵活的公司，用户的需求应该如何得到满足。

那你说原来大公司呢？那些规矩特别森严、等级特别严格的这些大公司怎么办？这种传统的规矩森严、门槛很高的公司，就让他们跟微软一起去死吧。这可能就是未来的一个方向。大家要注意，像谷歌的Workspace去抢占微软地盘的时候，Workspace的各种什么排版、很多这种很细节的功能，其实比微软差远了，做不到那个程度，但是也就可以用了。微软的Office里的大量东西都是跟形式有关的，我怎么能把它排的好看，微软花了极大的功夫来搞这些东西，开发维护的成本都很高，但是对于未来的发展未必有那么大的好处。

你说我这必须是几号字、多少间距，没有这个我就这个文件就打回去加班重做的，这种公司就让他们死吧。能够把事说明白，能够把最后的条款确认好，签了合同接着往前干活的，让这些公司活下来。在这个过程中，马斯克给大家提供一些工具，说让愿意放弃形式、只关注结果的这些公司，可以战胜那些形式大于结果的那些公司。这个可能才是AI真正改变的一个未来方向。

好，这个故事跟大家讲到这里，感谢大家收听。请帮忙点赞、点小铃铛、参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

8月14号，英国金融时报发了一篇报道，说Deepseek R2模型之所以难产，是因为在使用华为升腾芯片训练的时候，持续遇到了技术问题，最后被迫改用了英伟达芯片。甚至透露华为曾经派出一支救火队，常驻在Deepseek，手把手帮忙调教升腾服务器，但仍然无法完成训练。无奈之下，Deepseek只能退回老路训练，重新切换回性能更加可靠的Nvidia的GPU，升腾芯片仅退居辅助，用于模型推理环节。

虽然没有华为和Deepseek官方的回应，也没有他们的辟谣，但是呢，据说是援引了三位知情人士的一些说法，也进行了很多交叉验证，所以这个事情呢，大概率是真的。

国运跟国运相碰撞的时候，升腾也号称是国运级产品，Deepseek肯定是国运级产品，为什么是升腾不灵呢？升腾芯片是可以替代的，也还有一堆竞争对手，所以出现问题以后，他的竞争对手会帮他去宣传。而Deepseek虽然在国内也有模型在追赶，但是地位是不一样的。升腾和国内的其他算力芯片，以及其他那些大模型，从来没有像Deepseek那样震动过世界。所以呢发生碰撞的时候，必须是升腾不行了，不可能是Deepseek不行了。

大家为什么会这么期待Deepseek R2呢？现在又有千问3，也有Kimi、Mini Max，还有豆包等，有一大堆的这些模型出来，怎么就只有Deepseek才行呢？其他人为啥都不行呢？其实现在呢，很多新的这些模型已经并不比Deepseek R1的性能差了，基本上是可以替代使用的。但是大家依然在期盼Deepseek R2，而且你只要讲Deepseek要出R2了，就会有流量。这个原因其实很简单，因为我们在跟国外的大模型竞争中打不过了。

国外已经进入了10万级芯片的训练时代了。Llama4，40万块H100训练出来的。虽然Llama4翻车了，但那也是10万块。而马斯克XAI的Grok 4，20万块H100训练出来的，效果相当不错。GPT5的话，现在推测也是20万块H100训练出来的。Anthropic的Claude 4，据说呢是40万块H100，但是呢它这个数并不是那么准确，40万块H100呢是一个部署的数量，并不是精确的训练的数量。另外一个没说的是Gemini 2.5。Gemini的2.5是没有公开数据，因为他们家使的TPU，其他人都是使的GPU，所以呢没有办法去比较，但应该也是几十万块H100的一个算力，才有可能训练出Gemini 2.5来。

以前是一个国外大模型特别强，特别是GPT4压着所有的模型的时候，我们终于期盼到了Deepseek R1一出来，觉得我们好像又可以了。但是现在我们发现，国内的大模型跟国外这些明显有差距了。我们只能再去期盼Deepseek，因为其他这些肯定是追不上的。那没有20万块H100，这个日子就没法过了。国内的算力芯片呢，大家也都知道不是那么靠谱。这个时候大家期待的就是奇迹了。

Deepseek V3、Deepseek R1，他们呢号称使用了2,048块H800，还不是H100。他们这个算力转换，可能也就是1,000多块H100。拿这样的算力就直接训练出来了，大家觉得你们可以用很少的卡训练出来，还可以震惊世界。现在我们还搞不定20万块的H100，是不是依然可以期待Deepseek再创造一次奇迹呢？

Meta花了好多钱收入进去的亚历山大王曾经在接受采访的时候说，Deepseek手里头有5万块H100，压根就不是他讲的几千块就给这事搞定的事。而且呢，新加坡3月份还抓了一些向大陆走私英伟达芯片的人，有传闻说这些芯片的采购方里边包括Deepseek。

Deepseek呢也正式做出过回应，2025年2月份做了回应。Deepseek强调，仅使用了2023年合法采购的H800芯片，其他我都没用。但是讲完了这个以后，甭管你原来这个东西到底有还是没有，你讲这个话以后肯定就不能再用了吧？所以呢现在大家期待说，这个反正你们原来是这么讲的，我们就这么信了。那以后呢创造奇迹也只能是等着你了。哪怕是使用H20芯片，用很少的芯片训练出来，堪比20万块H100芯片训练结果的这种奇迹，也不是完全不可能吧？这个怎么说呢，人有多大胆，地有多大产吧。我们总还是要有一些希望吧。

新的模型没有出来，但是新的论文呢，Deepseek其实一直不断在产生。在V3跟R1之前，Deepseek也没做什么铺垫，这不也就突然蹦出来了吗？他是这样去期待这个Deepseek的。

原来讲是8月15号到30号之间要发新版本，最后Deepseek自己出来辟谣说：“对不起，我们发不出来。”英国金融时报出来说，被这个升腾给拖累了。那这消息是怎么传出来的呢？Deepseek原来是有没有说过自己要去发Deepseek R2这件事呢？

首先呢，是Deepseek R1震动了世界，应该是在2025年春节前后的时候，我印象里特别深刻。Deepseek R1出来以后，我还连续做了很多天的直播来跟大家讲这个事情。国际大厂呢，在Deepseek R1的这种搅动之下，纷纷转向。转向什么呢？主攻数学、科学与编程，然后呢是长上下文、工具调用和agent，以及指令依从、降低幻觉。

数学跟科学这块呢实在太难了，这个咱们不擅长，而且那个你真的是需要可能10万块、20万块卡，你才可以把这事搞定，咱们没有。那编程呢基本可用，国内的这些模型做编程，肯定没有Anthropic的Claude 4好用，但是呢也基本上可以跑。长上下文、工具调用和agent这块呢，包括指令依从这一块呢必须要有，这一块其实国内的大模型基本上已经追上了。剩下的呢降低幻觉这事咱们就不谈了，反正有幻觉还是可以甩锅的事情。全面开源，这个是国内大模型真正卷的地方。千问直接把200多b的模型直接就开源出去了，Deepseek 600多b的模型直接开源出去了。这件事情我们在努力的往前走，所以各有所长吧。基础设施这块、数学科学这部分实在是费劲，大家就期待Deepseek来再创辉煌了，其他人就不管了。

Deepseek发R2这件事呢，其实传了两回。一回呢5月份，风起云涌。每一次说Deepseek要出R2的时候呢，都是风起云涌的时候，大家都在上新模型，说呀Deepseek你也得上，所以就会开始给他传这个事儿。

今年5月份，发生了一些什么样的事情呢？首先呢Claude 4、Opensource和sonnet这些模型直接出来了，王炸。5月份开谷歌IO，Gemini 2.5 Pro和Gemini 2.5 Flash直接发布，这个其实现在已经是我的主力模型了。GPT呢当时倒是没有什么特别大的动作，上了一个Deepseek 4.5，但是呢也没有引起特别多的响动。大家就说Deepseek你们也该来了。但其实呢Deepseek没有去出R2，而是把Deepseek R1的模型稍微的小步更新了一点点。

6月26日，the information就做了一个报道，说Deepseek R2原来计划是5月份发布的，但是呢因为梁文峰对于Deepseek R2表现的性能不是很满意，决定推迟了。路透社呢也引用了the information的这个报道，国内的媒体呢也纷纷去引用。但是这件事呢，并没有得到Deepseek官方的回应。Deepseek这个公司就是这样，他基本上不怎么回应大家的这个响动。你们猜吧，猜完了以后我也不理你，除非是有一些太过分的，否则他一般不说什么。

Deepseek呢也不是说没更新，就是做小版本更新。像Deepseek V3出了0324版，也就是2025年3月24号出了一个版，把分数又往上刷了刷。因为每一次去更新这些模型，一定要刷分数上去。代码能力，特别是前端代码能力呢，有所提升。拿这玩意写个网页没什么问题，但你说我要做一些大的架构，或者做一些这种后端的东西，可能就要稍微费劲一点。做算法的东西要费劲一点。为什么？因为它Deepseek有一个问题，就是它的上下文比较短，想去做一些大的架构上的东西，你必须上下文长，你得能把整个代码塞进去才行，这块还是要费点劲的。然后他把中文写作能力做了一些提升，Deepseek其实一直在努力的方向，就是中文推理。因为在海外的这些模型，很多都是使用英文推理，然后再翻译成中文的。他说我们直接用中文推理这个事，是不是OK？他们一直在努力干这件事情。使用体验上呢也有所提升，特别是function call更加准确了。在做AI agent的时候，其实核心就是function call的能力，就是我们先描述一堆的功能，然后交给大模型，大模型在完成整个的语言生成的过程中呢，去根据你描述进来的这些function，去决定我要调哪个、不调哪个，或者如何去调用、什么时候调用。Deepseek V3 0324呢，就在这一块做了一些增强。

Deepseek的R1呢，其实也更新了一个版本，就是0528。大家在传说Deepseek要出R2，讲的其实就是0528的这个版本。而这个版本呢，其把这个分又往前刷了刷，减少生成的一些错误信息。因为Deepseek最大的让大家无法忍受的东西是什么呢？就是胡编乱造，他太喜欢瞎编了。所以在这一块呢，稍微做了一些调整，但是依然胡编乱造的很厉害。Deepseek 210528呢，还支持了Json输出和function coding，提升了调用的准确度，但是呢不能叫R2。这就是5月28号的这个版本。

紧跟着就开始传说了，说8月15号到8月30号，要准备发布Deepseek R2了。这个消息是怎么来的呢？首先肯定还是要风起云涌一下。8月份发生了些什么事情呢？马斯克XAI的GROK4发布了，Anthropic又发布了Claude 4.1 Opensource，OpenAI发布了GPT5。GPT5这东西到底好不好使，大家各自去领会。大家可以认为说，GPT5是一个划时代的产品，但是也可以认为说，GPT5就是山姆奥特曼为了要去忽悠融资去搞的一个事情。因为GPT5出来以后，OpenAI的估值已经正式从3,000亿美金提升到5,000亿美金了，而且是孙正义要去买这个单，说您这5,000亿美金我认了，我去买去。

所以呢8月份风起云涌了。那么空穴来风呢，你这事怪不得别人。在Reddit上有人发了个帖子，这个帖子特别有意思，他说他去问了Deepseek R1：“Deepseek R2什么时候发布？”他等于是把这个东西交给Deepseek R1了。但是大家注意，Deepseek R1这个大模型呢，它并不代表Deepseek这公司的一些官方的观点，只是说这个模型给你生成了这样的一个结果。Deepseek R1回答了：“8月15号到8月30号之间发布。”而且号称呢是引用了雪球和东方财富等可信的信源，而且进行了多个渠道的证实。

Deepseek R1的幻觉其实一直都是很严重的，虽然经过0528的调整以后，但依然很吓人。而且Deepseek R1的最大幻觉是什么？就是编造可信的信源。说我从哪哪引用了，你点进去以后，压根就没有这篇文章。但是甭管怎么说，这个文章就在Reddit上就贴出来了，随后呢这个消息就逐渐的被传播和放大了。国内的很多的媒体、自媒体就开始引用这篇消息，特别呢是华为下边的一些科技媒体进行了转载。而且呢在标题里边还夹带了私货，讲的是什么呢？讲的是深度求索，就是Deepseek这个公司，“升腾芯片版本Deepseek R2预计在本月发布”。它讲的就是说，它是使用升腾芯片来去做训练的。

华为都说了，两大国运级产品强强联合了，那信吧，这事怎么办呢？国内一帮的媒体就冲上去说：“我们信了，确实是有这事了。”到8月14号，英国的金融时报出来报道，说升腾芯片拖累了Deepseek 2。然后动点科技、腾讯科技就出来辟谣，原引自公司内部人士，也就是Deepseek这公司里边的人说了，说8月份不会发布Deepseek R2。所以呢，8月15号到30号之间发布Deepseek R2的一个消息，实际上是Deepseek R1自己编出来的，其他人把这个编的信息信了，直接截了个图发到这个Reddit上，以此来发酵出来的一个过程。

那么Deepseek R2到底遇到了一些什么样的问题呢？首先升腾芯片确实是有问题的。升腾910C的这个芯片，虽然单芯片的算力在部分指标上呢，已经达到了H100的水平，但是呢显存的带宽不够，想从显存里调数据回来，速度是没有H100快的。而且最大的问题是什么？就是多个芯片之间的速度，就是我需要把数据在多个芯片之间进行流通的时候，这个速度是相对来说比较差的，而且差的很远。你要想去做同样的训练的话，你就需要更多的时间全功率的去运转。因为你想，人家都已经达到20万块H100这样的集群的规模再去训练新的模型了，你没准就是需要这个50万块或者60万块升腾910C串在一起，才能达到人家那个算力，而且你需要很长的时间去连续的运作，这个对于升腾910C的这种考验来说就比较大了。

这样的芯片，其实是没有办法长时间稳定地去运行的。并不是说训练一个模型，这头输入进去数据，过三个月去开盖看结果。中间每过一段时间，可以取得阶段性成果，再继续往下训练。但是中间这个过程呢，你是不能停的。你中间比如说准备了一批数据，你去训练了，如果这批数据没有训练完，升腾910C就直接冒烟了，就不干活了，这一波呢就白干了，你必须要从这个节点接着往后干。这个玩意有点像什么？有点像打怪升级，你一定要打死这个妖怪才能存盘，你没打死这个妖怪就不让你存盘。升腾910C在这块差一点。

那为什么差呢？升腾910C呢，是两个910B堆叠在一起的，散热肯定会出问题。就算是上了液冷以后，依然是搞不定这个事情。

其实同样的坑，英伟达也踩过。大家还记得H100独挑大梁好久了吗？很多人应该还是有印象的。甚至呢到现在为止，H100已经成为一种计量单位了。现在我们再去算说：“你这个算力相当于多少英伟达芯片呀？”我们都是以H100的这个算力作为一个计量单位的。就是因为H100挺长时间在那孤独一只。为什么它会孤独一只呢？本来计划替代H100的这个产品叫B100，叫Blackwell黑井100，这个芯片直接就跳票了。研究完了以后开了发布会，开完了以后，这个芯片压根就没有大规模的部署，也没有交付。为什么呢？就是他做的就是这种堆叠技术，导致散热失败。散热失败了以后会直接把版卡烧掉，这压根就没有办法去交付。到H200出来了以后说：“那这咱交付这个呗。”但是一开始依然是受困于散热问题，导致了大规模交付的延迟，一直到今年才开始去交付H200。

后面的工艺呢不断的进步，再加上全面液冷。H100这些机器是可以进行风冷的，你拿风扇吹它是OK的。但是到H200这个机器开始交付的时候，你必须是液冷。而且这种液冷呢，还不是种普通的液冷，叫完全浸泡式液冷。见过这种游戏主机装机视频的这些人，会知道他们那个液冷是怎么做的。他在芯片外面给你涂散热的胶，然后呢把这个液冷管贴上去，靠这个液体呢快速的把你热量带走到外边，再去找风扇把这个水给你吹凉了，再重新循环，它是这样来工作的。但是这种工作方式对于H200来说还是不行的，它必须是全浸泡式的，就是把整个的H200的芯片，或者包括它整个的板卡，一起泡在这个液体里头。这就肯定不是水了嘛，是一些不导电的水，整个泡在里头，才能够达到散热的这个能力。

当然了，甭管是英伟达也好，还是升腾也好，散热都是有问题的，导致什么呢？就是液冷概念股都涨疯了。你只要说我这公司是做液冷的，就赶快涨。而且现在都是浸没式液冷，就把整个板卡都泡里头。A股上强瑞科技、英维克、深林环境、飞龙股份，大概有十来家公司，都是专门做液冷的。飞龙股份是专门给升腾这个384超节点做液冷的。美股那边的话，有一个叫VERTIV的一个公司，它的代码是VRT，是专门给英伟达做液冷的公司，这个公司的股票也是涨的可好了。

讲回来，910C这个芯片连续的做长时间训练的话，液冷也压不住，直接把板卡烧掉。即使是有大量的华为的工程师坐在Deepseek公司里头，出来我帮你调，他也调不过去。实际上这些华为工程师能调什么呢？他们只能调一件事，就是CUDA里头没有实现的部分，我来帮你去实现一下。华为的这个升腾910C，他们使用的训练相关的代码的话，是华为自己开源的一套训练框架。这套框架据说是可以实现CUDA 70%的功能，但是还有30%你是实现不了的。那这一部分由华为的工程师到现场来搞定。再怎么搞，该冒烟、该着火、机器直接停摆，这个事它是解决不了这问题的。

另外一个传闻，DEEPSEEK R2出不来的原因是什么呢？是数据标注的质量跟速度不过关。这个呢也没有得到官方的证实，也是坊间在流传。因为在中国嘛，很多的数据肯定还是需要去审核一下的，这个审核的过程是相对来说比较麻烦的。

而且Deepseek呢，其实一直也是一个比较低调的公司。提前预热，不停的出来吹牛，这件事呢是容易翻车的。山姆奥特曼每次出来讲GPT5，说：“我太震惊了，我从来没见过这么棒的。”等GPT5发布的时候，大家说：“这就能让你震惊了？您到底是眼皮子有多浅？”马斯克在发布GROK4之前，也在说：“这是我所见过的最聪明的大模型。”也有人认为老马吹的有点过头了。

其他的公司都必须不断的发模型，跟着一起卷，不断的来吹牛，这个事是有原因的。为什么？因为这些公司是需要融资的。马斯克发GROK4发完了以后，马上就给XAI去融资。山姆奥特曼GPT5发完了马上融资，这公司直接值到5,000亿美金了，他现在已经是没有上市公司里头最贵的一家了。第二家应该是SpaceX，再往后是3,000多亿的字节跳动。但是大家注意，字节跳动的收入现在好像已经超过Meta了，这个是非常吓人的一个事情。所以这些人他有融资的需求，你就必须得不断的出来炒这个热点。不炒的话，你说我现在想提高估值，融资这事费劲了。而且现在Anthropic也在融资，而且是要按照1,500亿美金的估值要去融资，我估计他们后边的日子不是那么好过，现在他们的CEO应该已经奔中东，找中东土豪去给钱去了。

谷歌呢虽然不需要融资，但它后边有股市、有股价、有市值这些东西，所以呢不能落后，所以谷歌也必须要不停的推陈出新。实在做不出来东西呢，确实哪块也做的不太行，怎么办呢？你还可以像扎克伯格那样，表演抢人大戏这种行为艺术。我发2亿美金的薪水，我把人抢回来。虽然你的Llama4像屎一样，Llama再往后怎么走谁也不知道，但是看到你表演行为艺术表演的这么热闹的话，Meta的股价涨的也还可以。所以大家必须不停地去表演。

但Deepseek自己，他没有这种融资的需求，所以呢也并不太需要出来表演，自己踏踏实实做自己的事就好了。至于说他到底做成什么样，咱们也只能在外边来看。

大家有没有想过这样的一个问题：到底是谁家的芯片能够训练大模型呢？训练跟推理是完全两个不同的概念。训练你是必须要长时间高强度的工作，而且在中间是不允许停的。而且在训练的过程中，我们需要在更多的芯片之间进行数据的调度，更更大规模的这种协同。国内的这些算力服务器都搞不定这件事情，他没有办法说让这么多的芯片相互之间进行协调的情况下，这么长时间稳定的工作下去。推理的话相对来说要简单一些，可能只要几个芯片读出很少的数据来，他就可以把这事干完。比如说我们去提了一个问题，他给我们过了几秒钟做了一个反馈，反馈完了以后呢，他就可以再给我们分配其他芯片了。在这个过程中，芯片出现任何的问题，过热了或者说你对资源进行切换了，它是不影响的。所以呢推理咱们国内的这套系统是可以的，但是训练搞不定。

那么到底谁家的芯片可以做训练？英伟达这个必然是可以的。除了英伟达之外，还有哪些芯片可以进行大规模的这种模型训练呢？你说我这个芯片训练了一个10B的、20B的模型，这不算。或者说你说我这个虽然能够训练，但是我训练的模型从来没有人用过，这个也不算。现在唯一证实了可以进行大规模训练的，而且是训练这种大模型的，还被大家普遍接受和使用的，猜猜是谁？

很多人可能会猜是不是AMD？AMD MI300，或者现在应该是MI三百零几了吧，这样的一个芯片。不是他们。现在唯一的一个能干这个活的人，是谷歌的TPU。Gemini大模型是在上面训练出来的，Anthropic的Claude模型有部分声称是在TPU上训练的。除了英伟达之外就是他们了，再没有第二家了。

那老牌厂商像AMD、英特尔，号称我这个芯片是可以进行大规模的模型训练的，也给出了一些用他们的芯片训练大模型的实例，甚至呢还训练了一些不太流行的小模型拿出来去开源，但是他们训练出来的模型也没人用。AMD跟英特尔呢，一般大概也就是10B或者20B以内的这些小模型。另外一个呢就是富士通，富士通用一款ARM的CPU呢，也训练过一点可能也是10B以内的这种小模型吧，也没有听说过谁去用他们。

其他的一些ASIC芯片呢，也是号称自己能做。所谓ASIC芯片呢叫专用集成电路，像升腾、谷歌TPU呢都属于ASIC。亚马逊、阿里、百度呢，也都号称可以进行训练，但是呢没有实例。亚马逊号称是我拿自己的ASIC芯片呢，做了一些训练，也有几个模型，但是呢谁都没用过。OpenAI的模型，有些据说是在亚马逊上进行训练，但这个事呢，也没有得到最终的证实。百度呢是号称自己设计的ASIC芯片可以去进行训练，但是反正百度自己家的模型烂的跟屎一样，我们就不去评论了。

至于华为的升腾芯片呢，科大讯飞号称是在上面训练的。但是呢也有朋友跟我讲说，科大讯飞其实是在英伟达上训练出来的，只是呢对外宣称是在升腾上训练的，这个我们就不去做考证了。只是科大讯飞的模型，其实也没有那么普遍，除了一些教育领域里头有些人会去用，其他的让你自由选择的时候，很少有人会去选择用科大讯飞的模型。华为呢自己号称是在升腾模型上训练了盘古大模型，但是呢前面被内部的人指责蒸馏、指责抄袭，之后就不再有任何声音了。所以现在华为已经不再提他的盘古大模型这事了，估计是准备装一段时间的死狗以后，再次遥遥领先。所以华为的升腾模型，其实没有证实过训练成功过任何的大模型。Deepseek R2呢，应该是真的尝试过，但是败下阵来。

华为跟Deepseek官方呢，都没有出来证实，就既没有出来说我用了，也没有出来说我没用。所以呢升腾芯片，没有成功的训练出过任何一款大家普遍使用的模型。

那么国内的算力芯片是怎么样去竞争的呢？英伟达大概占54%，就一半多。升腾呢占28%，其实已经占的非常非常多了。像寒武纪等等其他的一些芯片公司的，所有的加在一起，可能还加上AMD的吧，一共占18%。这个大就是国内整个的算力芯片的一个分布情况。

国产的芯片呢，目前来看都是可以去做推理了，但是呢没有哪一个真的跑出来模型过。所以国内的算力芯片，基本上是没有办法做训练的。

现在呢还有一群的“赢学家”在鼓吹英伟达芯片里头有追踪器。但是这些“赢学家”呢，现在有点吹不下去了。他说呀：“这个英伟达的芯片里头，是不是在集装箱里装追踪器了？”还有人说：“是不是在包装箱里装追踪器了？”或者是说：“在服务器里边装追踪器了？”因为他们也知道，在这个芯片里头是装不上的。还有人说：“H20这里头肯定没有追踪器，但是呢H100、B200这个里头有追踪器。”这个呢都想多了。因为中国人是经历过挖矿的，我们是完完全全可以把芯片整个扒下来，重新拿新的版卡去焊。而且大量的，其实做英伟达版卡的公司就在国内，所以我们完全可以拿他的版卡，自己回来去加工这个事情。装追踪器这个事是没用的。

中国官方对于H20的态度呢，也很暧昧。有人就到外交部的新闻发布会上就问：“说你们是不是要准备禁售H20？”外交部的新闻发言人回答是：“没听说过这件事情。”中国的这些官员回答，一般都不会说是或者不是，通常回答是：“请你看以前的表态”，或者“请你看有关部门的表态”，或者说“我不知道”、“没有听说过”。所以他这一次的回答叫“没听说过”。

中国政府呢，也没有明令禁止说我们去销售H20或者谁去买这东西。但是呢潜规则就是这样去运营的。多家媒体，比如说Bloomberg、Marketwatch就做了些报道，说中国的监管部门针对H20芯片表达了强烈的不信任和谨慎态度，尤其是强调相关芯片可能存在后门的风险和数据隐患，建议企业回避在政府或敏感用途使用H20。所以呢这些H20可能最后去做训练就完了，推理的这块就通通交给国内的升腾384超节点就OK了。

还有报道说字节跳动、腾讯、百度等企业被召集，这些人是准备去买H20的。国内的有关部门把你们都召集一块说：“你们为什么要买这东西？买多少？”给他们开这样的会。监管侧重国家安全与网络安全审查，并未提出商业禁令，就是我们还是让你买，但是你买之前呢，我们得把你拎来稍微恶心恶心。所以现在都约谈过了。

总结一下吧。Deepseek R2呢确实是难产了，肯定的没有出来。国内的算力芯片目前呢，也无法进行大规模的模型训练，可以进行推理这个事没问题了，但是训练搞不定。20万块H100量级以上的大模型训练，国内很难突破。如果20万块串在一块可以训练大模型的话，我们可能至少需要40万块或者50万块，比如像升腾910C这样的芯片凑在一起，而且我们所需要消耗的电和时间，可能都是要呈几何级数上升的。因为我们卡之间的联通的速度是相对来说比较慢的。所以比如说H100，它也不是说一直就不坏，它可能工作个20个小时或者是40个小时都会坏一次，会出现问题，对于老外来说就可以去接受了。对于我们来说呢，我们可能要求要连续坚持500个小时不出问题，才能够回收回来数据了，因为算的慢嘛，真的达不到。大概就是这样的一个情况。

国内算力卡的这些供应商呢，很有可能会阻碍中国大模型的进展和训练。为什么呢？自己做不好，你又不让别人买H20，可能中国的大模型再往下一步走，就会变得非常非常困难了。

未来国内算力卡是不是可以训练大模型呢？反正一两年之内呢稍微有一些困难吧。国内的大模型到底能不能用呢？基本还是能跑的。高深的数学、科研研究、物理学或者这些基础学科，我们不去研究了。就是让你去做一些信息整理，现在国内大模型基本上都是可以用的。

还是稍微耐心地等待一下Deepseek的慢慢发展吧，它反正中间只要不需要融资，它也不需要出来吆喝，万一有惊喜呢？这个也不好说。这就是我们今天要讲的故事。

朱啸虎炮轰具身智能，将自家基金投资的早期人形机器人项目都集中退出了。这到底是怎么回事？

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲，朱啸虎又双叒叕出圈了。他呢是参加了投中网的一个访谈，讲到说具身智能，也就是人形机器人项目，现在在集中进行退出。集中退出的意思是什么？不是在人家有下一轮融资的时候你稍微退一点点，而是说我就通知所有我们投的这个行业的项目，我要退出，赶快把钱还回来，做这样的一个操作。

原因是什么？他说跟自家基金投资的几个公司进行了沟通，说你们这东西到时候卖给谁？结果发现没有商业模式，客户都是他们自己想象出来的，完全在这自嗨。说这玩意不行，得赶快跑，要抓紧退出。说现在的机器人只会翻跟头，这大概讲的是宇树科技的那个，没有办法进入家庭，也没有办法进行实际使用，所以要跑。唯一的用途是央企买去占前台，这个是支撑不起来整个行业的发展的。所以他对这块直接敲响了警钟。

那么其他投资人肯定上来怼，说具身智能这么好的方向，你怎么可以说他不行？比如说经纬的张颖哈，上来就怼了说朱老板别闹，时间拉长，人形机器人赛道一定能出大公司。朱老板这么一番话，我就好奇，以后机器人赛道的优质公司谁还会跟他聊，更不用说拿他的钱了。

经纬的张颖也算是创投圈里头比较出挑的一个投资人。宇数科技的早期投资人也有一个出来讲了，朱总做这样的选择也能理解，但是深入了解行业后会发现，人形机器人目前就有现成的市场，光科研教育市场已经不小了，足以支撑一个上市公司。未来3-5年，最大的机会在于ToB，制造业和商业服务。

被投企业呢赶快出来辟谣，说我们没跟他沟通过，我们连他朱啸虎的联系方式都没有。虽然是金沙江创投投的，但是朱啸虎说跟几个被投企业聊完了以后发现没有市场，不是我啊，这个跟我没关系，完全想象客户的那个不是我，这个要出来辟谣。

其他具身智能项目也出来怼，说朱啸虎只能投资那种赚快钱的，确定性高的快餐项目，开拓性的他都是不碰的，这个就上来直接扣锅了。

那么创投圈的热搜体制，朱啸虎算是具备了。为什么金沙江创投的朱啸虎？首先他还是要有一定的身家和地位，完全没有任何身家地位的人，你出来讲是不会出圈的，也不会有人理你。他肯定还是比较大的一个投资人，才会有人理他。

那投资人原来其实并不怎么出圈儿，前边儿是朱啸虎说了大模型没机会，导致傅盛以及一堆投大模型的公司出来跟他怼，说大模型有机会。

AI就是未来的方向。去年还怼了Kimi，Kimi是他手下的一个合伙人去投的。他跟这个人意见不合，结果这个合伙人就加入了Kimi。这一块也是吵了半天，而且现在跟Kimi之间应该还有一些诉讼没有结束。

因为观点总是跟热点相违背：大模型火的时候说别投大模型，没戏；机器人火的时候说别投机器人，这事没戏。“我投了我都跑了。”所以总会有媒体喜欢去找他制造热点，这个有流量。现在你去找谁说“大模型可好了，宇树科技可好了，咱们去做具身智能”，这个已经不新鲜了。一定要反着说这事才新鲜，所以他算是有热搜的这种潜质了，每次讲点什么事就会上热搜。

3月份他还造了一个梗，这梗是什么？说“LP们感谢我，没有在大模型上浪费一分钱”。LP叫有限合伙人，这基金里头都是叫普通合伙人和有限合伙人。管理基金的是普通合伙人，出钱的是有限合伙人。出了钱，其他的权利受到限制，所以叫有限合伙人。等于管理基金的这帮投资人是在帮助LP去进行盈利，去帮人挣钱去了。那么他去年没有投这个大模型项目，现在大模型项目都融不到钱了，都要死。现在他的LP开始感谢他了。

下面我们稍微讲一下创投圈黑话解读，因为前面我们讲的很热闹。朱晓虎说“我发现他们不行，我要跑了”，其他的人一个一个上来怼他。我来讲一讲这块到底在讲什么，稍微跟大家拆解一下。

首先我们在解读黑化之前，先要看一看金沙江创投是一个什么样的机构。千万不要以为说你知道叫金沙江创投、北极光创投、经纬创投，他下面就是一只基金。一般有这样大牌子的，下边都是有很多只基金的。金沙江创投是有8只美元基金和4只人民币基金，管理规模达到37亿美元。这个数字是豆包给我的，万一错了你们告诉我，我下次去辅证。

金沙江创投主要是投天使轮和A轮的。那么为什么要强调这个？首先他很有钱，这是一个很有规模的，而且以前也投出过非常棒案例的一个基金。第二个他投天使轮跟A轮，这块也要注意。天使轮你会找很多非常早期的项目去投，A轮这个项目基本上已经可以去探索商业模式了。B轮一般情况下你要开始去盈利了，C轮你可能要复制扩大规模，然后要在行业内兼并。C轮往后有些可能还要再去融D轮，那你就要再去准备上市了。它是这样的一个过程。

所以对于他来说，A轮如果你还搞不清商业模式，他肯定是要跑路的。所以我们首先要搞清楚他的位置是什么样的，他要去做什么样的决策。集中退出某个赛道，这件事是非常不常见的现象，很少有基金干这个事。

就算干了，也都是偷偷干，绝不敢出来说为什么。

正常情况下，基金应该是按照投资的节奏进行谨慎退出。什么意思？比如说刚才我们讲了金沙江创投，它投天使轮，A轮可能不一定是他投的。比如说他投了天使了，去找北极光说你们投个A轮，再去找一个什么其他的基金去投B轮。他一般是这样来去运作的。

那他什么时候退出？他是投了天使，在A轮的时候他一般不敢退出。在A轮的时候你如果就退了，投A轮的投资人会害怕的，说你上一轮投资人都不看好，我这一拿钱进来你全跑了，这个我还敢不敢投？这不敢投了。所以他们一般会在B轮的时候退出。这个A轮他还要跟投一点。

为什么天使完了他自己还投A轮？比如说金沙江投的天使，北极光去投A轮，那么这个时候他说我跟投A轮，我也投一点点，这样咱们众人拾柴火焰高，我也很看好，我要表明一个态度。等到B轮的时候，怎么叫谨慎退出？一般是什么？我们会退出一部分，保留利润，要把成本退出来，一般会干这种事情。那么这样整个基金就已经盈利了。

什么意思？比如说我天使轮的时候投了200万进去，占20%，这公司值1,000万。等到A轮的时候，这公司值一个亿了，我又跟了比如说1,000万。我等于在天使轮的时候我占了20%，稀释了以后，比如说剩了个16%。在这个A轮的时候，比如说我又投了1,000万，只占了多少多少，这个最后两个数加一块，你等于投了1,200万在里边，可能占了20%多的这样的一个股份。

等到B轮的时候，比如这公司估值10个亿了，假设是这样，咱们就拍脑袋。那么你可以把这1,200万拿出来，或者说再多拿一些出来，剩下的钱就搁在里头，说你看我还依然看好，等着他以后上市了，我再去挣那个大的。他一般是这么退出的。

但是现在突然把整个行业的所有项目，甭管人家是不是在融资节奏上，甭管融到哪一轮，挨着个通知人家说我要退出，这个确实很少见。趁着整个行业还热，应该还退的出来，没有亏钱。这个是他现在敢干这个事情的一个核心原因。

有的时候你想退的时候，你退不掉了。你说我看着这行业不行了，我要跑。你知道不行了，别人也知道不行了，大家都想跑，那跑给谁去？你要退得有人接才行。现在他等于趁着整个行业最热的时候，他跑了。而且一定是在跑之后才敢出来说。你如果跑之前就开始在这大放厥词，那就谁都甭跑了。

所以朱啸虎干的事情，是他已经趁着赛道最热的时候跑掉了。大部分基金是宁肯肉烂在锅里，也不会做强制退出这种事情。什么意思？赛道不行了。

或者这公司也不太行了，也没有死。但是这个半死不拉活，一直在这涨着。这个通常就会让它继续涨下去。为什么？你只要不给他清算掉，不强制他退出，那这个账他一直在呢。你没亏钱啊，至少账面好看一点。你一旦强制他退出，说你必须要回购，或者必须要找人接盘，那这公司可能就直接摆烂，你就不干了。那你在基金上就有一个大窟窿。所以这个是正常基金的一种操作方式。

对于投资人来说，什么时候会出来说话？很多投资人其实不怎么出来说话，包括朱啸虎自己，其实也没有那么积极的出来说话。每一次他上热搜，都是有人去采访他。因为你采访他了，这个稿件阅读量高，所以大家愿意去采访他。那什么时候投资人会出来说话？

第一个是像我这样失业了的，没事干了出来说话。这个不算，开个玩笑。还有想要找项目的时候。投资人接受采访，登上了热搜，有很多人看到他的内容了以后，发现你在找这样的项目。我们正好在做这块，我得赶快找你来呀。朱啸虎你现在已经说了，具身智能不投了，你现在要准备投某些具体方向的AI应用了。那我们如果做这块，我一定要去找你。这是他们去上热搜，或者说接受采访的一个主要目标。

或者是有的时候，想让自己的项目退出的时候，他们也会出来讲。但这个时候，绝不是像朱啸虎这么个讲法。一定是说赛道可棒了，赛道太热了，我们以前投的项目可棒了。一般讲这个话的时候是在卖项目。朱啸虎就是退完了出来说。但是像他这种其实也很少见。为什么？因为你得罪人吗？你退完了，别人还没退完。你出来说，别人怎么跑？所以像他这么敢说的人不多。为什么朱啸虎能上热搜，其他人上不了？他是不怕得罪人的。

通常在投资圈里头，就算你把他项目卖了个好价钱，或者说在一个大家觉得快要崩溃的时候都跑掉了，也不会在那喊的。都是偷偷的跑。没有哪个跑完了以后在那喊说：“完了完了，我已经跑掉了，你们剩下人全完蛋了。”这多招人恨呢。

那么朱啸虎集中退出言论对行业的影响是什么样的？第一个就是整个的估值会下降。原来这个行业里边的项目估值都是很高的。特别是宇数科技上了春晚舞手绢以后，这块的项目估值就上去了。现在会稍微的理性一点点。第二个投资的时候会更谨慎。因为你假设投了一个天使轮的具身智能的项目，你再想去融A轮的时候，至少金沙江不投了。你想在那再去找就没有了。你再到其他地方去融资的时候，大家也都要谨慎的看一看。

做投资人其实很怕玩皇帝的新衣。什么意思？怕被人嘲笑是傻瓜。朱啸虎这大聪明人已经出来说了。

行业完了，或者短期内没戏，谁投谁是傻瓜。这个意思那么谁上来投，都是要顶住更大的心理压力，才能去投这种案子。所以在这块会要稍微的谨慎一些。既然投资人谨慎了，融资肯定会变得更加困难，会死一批项目。

朱啸虎这说完了，咱们再看看张颖。经纬的张颖他在说什么？并不是他要投具身智能的项目，并不是说我还看好这赛道，谁做具身智能赶快找我，这个经纬还要投你。这个话不是这么解释的，这个人家讲的话是什么意思？他手里还有具身智能的项目，没推出去呢。朱啸虎你跑了，我这手里项目还准备慢慢往前走。这个瞎说什么大实话嘛，所以他说朱总你别闹。张颖讲的是这个话。

至于宇树科技的早期投资人在说什么？他其实整个说的这个话，格调稍微有一点点低。他讲的是第一，朱啸虎你没有认真去了解这个行业。你如果认真了解，你就会发现做展示和科研，也够支撑一家上市公司了。为什么说它整个的格局稍微有点低？“上市公司”这个词大家一定要注意。那这些做投资的人，很多的最终目标就是上市。为什么？你只要一上市，我前面投的所有的钱，所占的股份，就都可以到股市上去流通了。你可以去割韭菜了，随时就可以卖了。它会变成这样的一个状态。

所以很多人在去投案子，或者是天使轮到A轮，A轮到B轮之间，进行一轮一轮投资的时候，大家都会去问这个问题：说你投资这案子能上市吗？它是一个非常朴素的一个标准。如果不能上市，那这你投它干嘛？首先我们会看什么？就这个行业里头或者这个赛道上有几个上市公司的指标。不是说我们去证监会批指标，而是说整个这个赛道上容纳的下几家上市公司。这个事是所有投资人在看赛道的时候第一个要想的。发现这个赛道投来投去，投不出上市公司来，大家就不看了，就跑掉了。或者说可能能够长出两个来，现在已经有老大老二，甚至老三都挺厉害。那在这个时候可能就不投了。

现在宇树科技的早期投资人说，这个里头还是能上市的。就算是只做科研和展示，也支撑得起上市。至于什么样叫支撑得起上市公司呢？大家去看看科创板的上市要求，看看创业板的上市要求，和A股主板的上市要求，大家好好看一看。那么这块还是可以讲的通的，他们是有标准的。多少年盈利，每年盈利多少，这是有数的。宇数科技的王星星已经参加了民营企业家座谈会了，被咱们大大亲自接见过，而且还是有发言机会的那种。那最后他要上市的时候谁敢拦着？所以这块他并没有那么担心。就算别人都死了，宇数科技作为行业老大，也没什么大毛病。

这个就属于真的是不求有功，但求无过。他并没有去讲说整个行业发展到什么样了，也没有讲说这个里头有什么多大的机会，而是说：“嘿，我这块及格了。”就跟别人讲的时候：“你考的怎么样？”“我考及格了，我混过去了。”他实际上讲了这么个话。

那么，从金沙江退出了具身智能企业，他在讲什么？这个他肯定要出来辟个谣。朱啸虎说了：“我去跟我下边投的企业聊过了，他们并没有商业模式，他们的用户都是自己想象出来的。”所以一定要出来辟谣：“朱啸虎说的不是我，我压根没跟他聊过。”这个其实也挺low的。我觉得你还不如就站出来说：“朱啸虎对行业理解不够深刻。”他比上面这个投资人还要再low一些。他也讲说：“朱啸虎确实是要求退出，而且是突然要求退出。他说我也配合了，而且很快就退出去了。”那么这个话讲的是什么？“我还是抢手货，你不要我，有的是人要我。这个你想退出，马上就有人接盘。”他讲的是这样的一个话。

那么，其他那些怼朱啸虎的具身智能创始人在说什么？还有一些其他的做机器人的创始人出来怼朱啸虎，说：“你只有确定性生意才敢投，这个快餐式生意才敢投，你不敢去投这种开创性的生意。”这个算是给朱啸虎脑袋上扣帽子了。其实也很简单，他自己还要融资，还要保持更高的估值。“你朱啸虎瞎说什么大实话。”他在讲这样的一个事情。

具身智能这个行业到底还行不行？这个咱们要出一个结论。首先，这个行业肯定是有巨大机会的，这块没有问题。但是这个机会到底在什么时候？这个过程其实很像买期货。什么意思？你说：“我认为这个项目会涨还是会跌。”但是它是有一个时间截止的。期货期货嘛，一定是说：“我认为北海布伦特原油应该在4月底达到一个什么什么样。”这个才叫期货。现在的具身智能，大家都相信它会起来，而且会是未来巨大的一个市场方向。但是到底是哪一天，谁也说不清楚。这个事呢，朱啸虎本身并没说错。

那么在具身智能整个发展的过程中呢，我们首先要看它是有两种机会的。第一种是要分散的机会。什么意思？就是会有隐形冠军。其实这些隐形冠军在中国也有，不光是德国日本产隐形冠军，中国特别是珠三角产很多隐形冠军。比如做传感器的，做各种激光雷达或者做关节的。在这一块，甭管最后谁胜出了，你还是要去采购的。不可能有人说：“我从头到尾每一个螺丝钉我都自己生产。”这个是不现实的。就算是特斯拉，他还有一大堆特斯拉链企业给他生产各种零部件。所以在这一块还是有隐形冠军。而且中国还产一些，比如说你这边卖奶茶，我后边卖杯子的先上市了。这种隐形冠军是存在的。

他在外面没有什么声音，但是做的东西很好。大家必须要用，甚至全世界的厂商都要来用。这块中国现在已经发展的还是不错了。

另外一个是什么？就是巨身智能大模型。这块应该能够长出一到两家公司来，这还是有机会的。当然，现在巨身智能大模型并不一定是这帮做机器人的做出来，因为英伟达已经把3D模拟、VR模拟这套东西做的很好了，完完全全可以通过在虚拟世界里边，靠物理引擎去训练具身智能的大模型。这一块应该会在这几年快速的发展，但是最终会剩下谁，现在还不好说。有可能是稚晖君的企业，也有可能是其他一些公司，这个可能性都是存在的。

至于合在一起做整机的这些人，最后肯定也能跑出来。不可能说最后跑出来的所有机器人都在美国、都在欧洲，这个事可能性也不大。中国应该还能跑出那么一到两家来。

这个就是中国特色的创投。中国特色创投是什么？百团大战、O2O大战、滴滴大战、共享单车大战，这个是中国特色。什么意思？热了以后一拥而上，冷了以后一哄而散，最后一地鸡毛，剩那么一两个。这个是中国特色。惨烈的厮杀之后，总能剩下那么一两个。这个里头张颖其实说的是对的，但是最后剩下的是不是他投的，这个不一定。

不好说那么一拥而上的项目，最终的结果会是什么样呢？我们以中国互联网、移动互联网两次创业热潮的结果来看。第一个，行业可以容纳多少上市公司？这件事还是需要去思考的。你比如说团购这一块，已经容纳了美团了，这个没有任何问题。其他的抖音、京东还在里边去进行渗透，阿里也在里头还掺了一手。这就是能容纳多少上市公司？而且你光团购这一块，你比如说做电动车的，没准还能上市一个，或者做一些其他这种包装，做一些周边产品的，也没准还能再上市几个隐形冠军。他是这样去划分行业的。

你像滴滴这样的，其实靠打车应用，现在上市的公司也有好几个，不是只有一个。而且还有一些周边服务的，没准还能再长出那么一两个来。这个是大家要去想的。最后你能不能活到成为上市公司那一天？这个是所有现在创业的人都在努力争取的机会。

就像是这个，比如说隋唐演义多少家反王，好像36个反王开出36朵花，最后到底胜的是谁？这个其实咱们自古以来都是这么干的，王侯将相宁有种乎？那么在这个过程中，有些就能最后胜出，抵达彼岸，比如说最后上市。还有一些中间会补票上船，你自己的船沉了，但是你上了别人的船了，就是被大厂收购，或者被竞争对手合并了。这个也是存在的，比如说摩拜单车被美团收购了。

这就算是上岸了。你虽然自己没有上市，在整个行业里头——就是共享单车这个行业里头——ofo挂了，摩拜被美团收购了，滴滴自己重新建了一套，还有一个叫哈罗单车的，现在混的也挺好，也还能盈利。这不就完事了吗？这整个行业算走出来了。

点评被美团合并了，现在叫美团点评。而这个已经不能算收购了，因为两家合并的时候，其实体量差的并没有那么大。还有就是快滴被滴滴合并了。当时快滴跟滴滴打的那叫惨，滴滴后边是腾讯，快滴后边是阿里。最后大家坐在一起说：“合并了，咱们一起往前走。”这个都算是上船了。

当然了，还有一些最后雨打风吹去，什么也不剩，还是会存在的，而且数量会非常多。其实大家都在争取抵达彼岸的机会，甭管是你自己开着船到彼岸了，还是说中间抱着救生圈，上了别人的船了。大家都在努力的争取。至于说有多少人这个葬身鱼腹了，那是另外一个问题。

至于中国的巨身智能行业，也还是会按照中国的方式继续往前走。这个不会像美国这样，我很理性的剩这么几家，大家开开心心的去干活。不会这样，它是一个养蛊模式，筛选出最后的狠角色，大杀四方。整个中国的创投行业，就是这么一步一个血脚印在往前走着。

好，这就是今天跟大家讲的故事。感谢大家收听，请帮忙点赞点小铃铛，参加discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲突然刷屏的Manus。它的来源呢，是个拉丁语单词，是“手”的意思，同时呢还有“权力”和“力量”的意思。现在呢，华为造汽车就全都是《山海经》，做AI产品全是拉丁语单词，好厉害的样子，对不对？

现在这个事情呢，应该是从昨天开始，突然就变得一码难求了。我应该是在昨天看到谁呢？王舒义，天津师范大学的一个老师，他发了一条说：“哎呀，得到那个测试码了，怎么怎么着了。”我当时都没想说这啥玩意儿，没惦记这个事，因为呢他们那个Monica我也没怎么用过。Monica这个产品对于我来说，还是有点太奇怪了一点。待会我们再继续讲。

后来到昨天晚上了，突然就开始传出来说这个东西已经在闲鱼上炒到好几万了。又一个国运级产品出来了，中国人再次震惊了世界，说老美又怎么样了，全世界又如何如何了。今天再一看这个，各种新闻媒体刷屏了。我直到开播之前犹豫再三，说算了，还是去申请一次吧。咱们虽然没用过，但是好歹也算申请过了。本来我是连申请都懒得申请的一个产品。

团队呢，也出来求饶说，有人在攻击和破解他们的网站和服务器。这个很正常嘛，你一旦做的好了以后，大家总要上来看一看。那DeepSeek最近也才是逐渐的，号称要恢复正常。但是我却试了一下，一试还是问三个问题，就停下来那么一个状态。现在团队说玩不下去了。而且呢，说几万块钱在闲鱼上买这个邀请码，这事呢他们也出来澄清说：“我们从来没收过任何钱，您千万小心别上当受骗，上当受骗了也别上我这来找来，我这没收到过钱。”

那么，AI agent是不是真的就要爆发了呢？因为咱们从去年就开始讲，说2025年就是AI agent的一年。突然到3月份，就放出了一个王炸性的产品来。这个事是不是行？首先呢，不要太兴奋，这个东西呢在国内是使不了的，必须到国外去使去。为什么？因为底层是GPT和Claude 3.5、3.7这样的模型，这些模型在中国是没有经过安全审查的。

不能落地。而且人家这些模型上，也是明确的告诉你说：“我不愿意在中国地区为你服务。万一我给你服务了，你拿去维稳了，或者做了点别的事情，我们也担不起这责任。”所以Manus这个产品在中国不能用的。他们家的Monica.im在国内也是不能用的。他们纯纯是一个出海的服务商，而且呢，其实是一个非常非常小的服务商。他们的整个的产品，在海外没有那么多用户。

那么Manus到底是干嘛的，或者你到底能干嘛呢？现在能够出来看到的，绝大部分都是官方放出来的一些视频：晒简历、做房地产的评估、旅游的规划呀，全都是这样的东西。因为拿到邀请码的人不多，就算是拿到邀请码的人，可能也还是要给一些面子。但是也有人说自己上去了，觉得一点都不好使，问的所有问题都翻车了。这个我觉得都是可以理解吧。

Manus最强的地方是什么？就是自己规划任务。因为原来我们都是靠这个，像流程图一样去自己画，说我们先干什么后干什么，每一步怎么怎么做。现在说不用了，他自己来规划。你问他一个问题以后，他自己做计划，说我先查哪些资料，再查哪个网站，然后再怎么把它拼在一起。然后呢，可以自动的执行，自己生成一点Python代码，自己去把它跑出来。然后呢，给出最终的结论呢，实际上像一份大报告似的。而且很多人看到这份报告以后觉得：“哎呀，这个写的实在是太好了，甚至给我画图表、画表格。”

画表格这件事是非常非常容易的，千万不要被这玩意骗了。像我们写Markdown格式，或者在计算机里边，写很多的语言的时候，都是可以画出来的。你让ChatGPT画个表格，它也能画出来。但是你让它给你画图表，肯定是画不了的，还是要去调用一些特殊的语言功能才可以画出来。ChatGPT他没做这事，现在统统都干了。

非常多的人一看了以后说：“哎呀，这个简直是如虎添翼，每一个人都可以成为研究者了。”而且说，这是不是AGI看到曙光了，这个东西就是未来了。所以也有很多人说，这就是下一个国运级产品。

DeepSeek的这个辉煌再次上演了，那么是不是值得这么兴奋呢？又一次国运级的创新诞生了吗？我觉得一个不能在中国使用的服务距离国运就还稍微有一点点遥远。你DeepSeek再怎么说，咱们全国上下都在部署，你一个无法在中国合法落地的产品，中国人在这呼哧呼哧在这炒作，这个是很无聊的一个事情。而且DeepSeek本身在代码生成方面，其实差得也还比较远。Manus这种产品，它是不可能靠DeepSeek大模型就在国内部署起来的，它必须要有Claude，必须要有ChatGPT才可以完整的跑起来。如果DeepSeek就可以带着他自己整个跑起来的话，他就可以在国内上架了，但是他不行。

那为什么我说DeepSeek在代码生成的方面差得非常远呢？因为我昨天花了一整天的时间在尝试用DeepSeek去写程序，那叫费劲，比Claude 3.5、3.7真的差的不是一星半点，是差的太老远了。Manus跟DeepSeek比起来，还是有很大的差距的。DeepSeek让国内所有的大厂都跟着走，Manus，国内大厂呢有可能会超他，但是呢也不一定每家都会去抄一遍，因为现在这个方向呢，大家也还在观望之中。它不像是DeepSeek，彻底把国内所有的这个大厂全给翻了一遍，所有跟云计算相关的所有运营商全都装DeepSeek去了。

DeepSeek已经改变了全球的AI格局，还带崩了英伟达的股票。而这一点上Manus就更加没有比较了。DeepSeek自己服务半停摆的情况下，依然可以搅风搅雨，那Manus呢只能算是一个标记性的时间点。他出来了以后说，哦，我们看到了一个新的产品形态，而且大家还挺喜欢，可以自我规划的AI agent可能就能够用了。那么国内的这些大厂，包括一些小一点的厂，系统经营商呢，应该就可以去冲一波了。而这个就是Manus现在带来的一些变化。Manus现在也说我们要开源。

这件事我觉得还是稍微值得期待一下。现在呢，大家最希望他开源的，是他推理和规划的这个“小模型”。但是人家具体什么时候开，开什么东西，现在还没有确定下来。那么讲这么热闹，这东西到底咋实现呢？是不是一套壳产品呢？只要是中国人做的，大家都要问一下。而人家呢，上来也承认了，说我们就是套壳的，没什么好说的。

什么叫套壳呢？就是你没有自己的大模型，大模型用的就是Anthropic、Claude 3.5、3.7、OpenAI的GPT以及DeepSeek。它是没有自己可以拿出来展示的大模型的，使用的都是公开模型。所以呢，可以算是一个套壳产品。甚至还讲了说，我们把套壳做到极致，就如何如何。但是呢，它这个离极致其实还稍微有一点点远。

那么为什么是现在这个时候，Manus这种产品出来了？这种可以有自我规划能力的GPT，其实早就有。最早有一个产品叫OTO GPT，但是一晃眼儿就不见了。现在呢，是Claude 3.7、ChatGPT，特别是DeepSeek R1，这个模型已经变得很强了。而且像DeepSeek R1这样的产品，如果你自己部署的话，你的成本是可控的。像Claude 3.7这样的产品，其实并没有那么贵，整个让它跑起来还是可以去承担的。

原来OTO GPT的时候，当时大家跑，我忘了是GPT3.5还是GPT4了，奇贵无比，所以一会那钱就哗啦哗啦就不见了，所以没做起来。现在呢，就是有可能能做出来。那么进行自我规划之后，能够可控的输出结果，这个是现在这些大模型已经可以达到的这个能力了。其实现在用一些稍微小一点的模型进行规划和微调的话，还是很方便的。

我今天还试了一个东西，就是阿里新出的QWQ 32B的这个推理模型。据说它这个32B的模型呢，是要比DeepSeek R1 671B的模型效果还好。我上去试了试，确实挺好用的，但是要想达到DeepSeek R1那个，还是要稍微差那么一点点。

虽然在跑分上确实是跑赢了DeepSeek R1，但是个人使用体验跟跑分还是不一样的。讲回来，Manus呢，应该是自己做了一个小的规划模型。它呢，构建一个规则的知识库，就是我要做什么事，大概有几种方法，我做另外一件事大概有几种方法。然后呢，输入指令进行规划。我现在要做一个旅游攻略，我现在要去筛简历，把这些命令输入进来以后，他就给你规划了。规划出来以后呢，给你做了一个叫to do.MD的文件。to do嘛，就是马上要做的事情。MD呢，实际上是Markdown。Markdown是程序员经常使用的一种文本工具，就在文本里边直接写一些符号，就可以代替排版。像我们在word里排版的话，你要先写好文字，然后选中了以后，说我们是用几号字，前头要不要写这个点，或者有没有这个编号。markdown等于完全是在文字里边去写，就程序员都是这么干。

当他做完规划以后呢，得再通过自己的一个解释器，把这个markdown里头一条一条的，一步一步去完成。他是这样去工作的。里头呢，还有一大堆小工具，比如解压。筛简历的时候，就是给了一个压缩包给他，那你把他解开。然后呢有一些文档解析，甭管是PDF文件word文件，你都解析出来。然后还要做网页解析。那为什么网页解析要单独讲一下？咱们打开网站看一看，那上面什么弹窗了广告了一大堆东西，你要把真正有用的东西扒出来，还是有点难度的。所以网页解析是专门的一个项目。然后呢，自己还带浏览器，他可以自动的去浏览网页。其实有点像今年1月份，OpenAI发的那个产品叫operator。但是operator发完了以后，只有200美金以上的用户可以用，像我这种20美金的用户还用不了。还有一些API，你比如说我现在需要重新生成PDF了，还有一些API的，它呢是可以通过Python，再生成一点点简单代码，然后可以通过这些简单代码的执行，把这些刚才我们讲的小工具，整个的通顺的串联起来。

它呢，可以设置一套小工具的调用规范。符合规范的就可以进到工具链里边去。当他拿了这样的一大堆小工具，照着todo.MD去执行了以后，就产生了一大堆的中间结果。然后呢，再对结果进行拼接。大模型的能力其实就在这。它能干嘛呢？就是处理很多这种叫非结构化数据。

什么叫结构化数据？什么叫非结构化数据？就是我现在有一个表格，第一列叫做姓名，第二列叫做年龄，第三列叫性别，第四列叫做简介，第五列叫什么职业。这个东西就叫结构化数据了，一行就是一个人。非结构化数据就是，我拿到这个数据里头是一锅酱，我们也不知道这里头到底写的什么。大模型就是你可以把一大堆的非结构化数据扔给他，然后让他去总结分析。他是有这个能力的。

而且呢，这个其实他调用，甭管是网页也好，还是各种的API，从其他的服务那里获取数据也好，实际上都是结构化数据。但是呢，他就把所有这些结构化数据打包在一起，作为非结构化数据直接扔给大模型，说来我这有一大堆数据，我也不去解释里头到底是什么，我也不去研究这个数据结构了，你去给我去总结归纳一下。他是通过这样的一个方式来干活的。

相当于是什么呢？上面的一大堆小工具，进行这种松耦合的组装。为什么要强调松耦合呢？我们正常写程序，我们会去标记，你这个数据应该是怎么排列的，第几个字节到第几个字节写什么，写错了马上报错。有了这个大模型以后，我就都塞进去，反正这个大模型也不挑你这个里头，哪个多写几行，哪个少写几行，多两个属性、少两个属性，他都无所谓。所以他就可以通过这样的方式，把这些小工具凑载起来。

得到了一些结果之后呢，再输出一个漂亮的报告，包括刚才咱们讲图表，表格呀。其实你用DeepSeek R1，用这个Claude 3.7什么的，都是可以生成这样的报告的。像我们以前写程序的时候，有很大的一块时间是干嘛？就是打报表，各种各样的报表。为什么？要对格子，要去取数据，要去做统计分析。这个事是很麻烦的。

他们这块做的还是不错的。Manus真正强的地方在哪？它实际上就是规划。他可以自己去做计划，说：“哎，我要先干什么后干什么，先调哪个工具后调哪个工具，中间出了问题怎么办？如果没有问题的话，我怎么把这些内容再拼起来？”这个是他真正厉害的地方。

当然，我看今天已经有人说是Manus是不是个骗局了。怎么说呢？就是这个东西没有大家想象的，或者说他放出来掩饰的那么美好，但是你也不至于说他是骗局。就是我们也要看看里边到底有什么创新的地方，他怎么能够实现这种规划。

将常用的流程和子流程写出文档来，直接嵌入到本地知识库里边去，再把工具链上面各种各样的信息也把它embedding到这个本地知识库里去，再将各种服务性网站的信息也把它embedding到这个本地知识库里去。然后在规划的时候，直接根据本地知识库做REG输出就完了。我们告诉他：“我要做一个什么事。”他就跑到这个本地知识库里边去查去了，查完了以后说：“你干这个事，好像这三个工具有用，这几个流程可能是有效果的，这些模型可以干活，那些这个网站里头有你要的数据。”它可以通过进行本地知识库辅助的这种生成，直接给你输出一个刚才我们讲叫todo.MD的这个文件出来，就可以照着干活去了。

产品设计本身还是相当不错的，界面也很清爽，用户交互也非常的顺畅，这个还是很好的。这个Manus的结果靠不靠谱？先跟大家讲一个小故事。据说有人拿这个DeepSeek推荐彩票，买完了彩票还中奖了。还有一帮人说：“哎，我用DeepSeek去做量化吧，我去用DeepSeek炒股吧。”官方量化里边不是炒股的吗？这玩意靠谱吗？肯定不靠谱。所以AI这个东西一定是有幻觉的，千万不要觉得AI是有可能把这个幻觉干掉，这个很难很难的。在数据源不能保证正确的情况下，AI更没有能力说：“我一定会输出正确的内容来。”我哪怕是搜索了一大堆东西，你搜索的东西还有可能是错的呢。AI自己根本就没有判断能力说：“唉。”

我搜索回来的这个网页，哪个是对的，哪个是错的？他唯一能判断的是什么？唉，这个是一个官方主流媒体，那是个个人博客。需要去采信的时候，我要更多地采信官方主流媒体。但是我们其实并不希望AI有判断能力。大家自己想一想，如果AI有是非判断能力了，那是一件多么可怕的事情？还是让他糊涂着就算了。

然后，多个数据源进行总结归纳的时候呢，其实也很容易产生幻觉。就是当我搜到了5个相关网页，对5个相关网页的结果进行总结归纳的时候，幻觉是很厉害。特别是像DeepSeek这种东西，就是幻觉一塌糊涂。Work 3什么换节，也非常非常厉害。Manus底层的模型都不是自己的，全都是别人的。在很多的这种幻觉模型上，自我规划以后，其实它输出的内容一定是不靠谱的。虽然可以进行一点点验证，但是呢，现在距离提高正确率还差得比较远。

那么现在的结果都很惊艳。很多人说筛选简历很棒，筛选的什么房地产信息，也都非常棒。你怎么就在这胡说八道呢？怎么可以说人不行呢？其实原因很简单，他筛选简历的结果，筛选简历的过程，筛选房地产的这个呃过程，筛选履行建议的这个过程，他是给外行看的。你真给内行，他是看不了这东西，看了会乐的。这过程呢就像老中医，念着口诀给人看病似的，金木水火土念半天，你一定很专业。这个大模型也是一样的，一本正经的胡说八道。你不一本正经，他就骗不到人了。所以呢他产生的所有的这些结果，是相当容易让外行感到幸福的。所以千万不要觉得这东西就很厉害。

目前为止Manus给出来的东西，基本上是叫桃园三结义孤独一支。这个什么意思？就是怎么说都行。你说这桃园三结义孤独一支，到底是哥几个？哥一个，这孤独一支吗？哥两个，孤独出去一支，还剩俩。三个，哥仨嘛，团圆三结义嘛，大家站在一个枝头上了。这都可以讲。所以目前Manus给出的演示结果，基本上都是短期内无法进行验证的。你没法确认它到底对不对，但是当你觉得Manus……

给出的结果特别厉害，不明觉厉的时候，一定要小心，距离掉在坑里已经不远了。为什么呢？因为人跟人之间的交流和沟通，是通过不断的确认眼神，确认你的工作能力和工作结果，来建立信任。信任了以后就会比较少的进行检查，这个人就可以合作起来。但是大模型这种东西的话，你让他工作100年，该出多少错他还是出多少错。所以这个地方，还是要稍微小心一点。

下一个问题，Manus这样的产品到底有没有门槛？这个东西如果是国运级的创新的话，它一定是有门槛的。你像DeepSeek，虽然大家都觉得说我们能做的出来，而且各种开源各种开放，perplexity也号称自己训练了一个，或者调了一个类似于R1这样的模型，回来去使用了。但是呢，就并不是很多人都有这个能力，去自己训练DeepSeek这样的模型出来。这个还是有很大门槛的，即使是DeepSeek开源了一大堆的，怎么去优化GPU的这些代码库出来，这些东西想用起来也并没有那么容易。

那么像Manus这样的东西，有没有这个门槛呢？现在很多人就说，现在这个时代是模型及产品的时代，最后都会被大模型厂家干掉的。会不会这样呢？像OpenAI，每次开发布会，一帮的中小企业在这敲丧钟说完了，我这条路被OpenAI给瘫过去了。大家都是在这么看这个问题。Manus现在干的这个活，其实就是GPT5要干的活。可能再过个那么一两个月，我们就可以看到GPT5，因为GPT5也说了，我也是自自动规划，规划完了以后，我自动的去调用各种各样的模型，一次给你实现，而不是现在是这样，ChatGPT上来，我要选模型才能用它。这个方向已经在OpenAI的路径上了。但是呢，从OpenAI的deep search的结果来看，OpenAI的产品落地能力，其实并没有特别好。现在我们去看perplexity，DeepSeek的，豆包的，Grok 3的，这种深度搜索下来以后，你会发现OpenAI的。

Deep search其实是最烂的一个，真的不怎么好使。OpenAI算是技术很强，跟谷歌一样。谷歌的产品能力其实也很烂。他们这种公司呢，底层技术遥遥领先，产品烂一点大家也将就用了。中国人呢，是相对来说，比较擅长于内卷产品这一块的，产品体验、产品迭代，这个是咱们比较擅长的。这个底层技术咱们差一点，OpenAI也好，谷歌也好，都是底层技术好。在这块事上我们也很矛盾，为什么呢？广告时代最后实际上，所有的这些广告商都被收割了，被谁收割了？被这个自有流量的大广告平台给收割了。谷歌、苹果、Facebook、Twitter，现在其实都算是苟延残喘的一个广告商。剩下的，你说谁成为广告商，都是自己要有流量的。你如果自己没有流量的话，你是做不了大广告商的。现在的话，模型时代，是不是你如果没有底层模型的话，你就做不出上面这个东西来？这块呢，大家有一些矛盾。当然也有一些产品，就完全靠产品做起来。有一类产品呢，叫PLG产品，就是叫产品引导增长的。这种东西有两个比较典型，一个是Notion，另外一个叫Slack。这两个产品就是典型的PLG产品，它没有特别底层的技术，我就是产品做得好，体验做得好，让大家使着方便，让大家使着舒服，然后大家就愿意去用。这块呢，看看是不是能够走通这条路吧。在大模型时代，这个逻辑是不是还能走得下去？不知道了。因为如果Manus知继续能够做下去的话，他必须要像Notion或者像Slack这样说，我的产品做的特别好，我就愿意为你服务，让你使着舒服，大家就一直一起用下去。你说在大模型时代里头，自己模型做的不怎么样，产品做的特别好的有没有呢？也有，一个是Cursor，就是自动写代码的IDE，还有一个呢叫Perplexity，就是刚才我们抢这个AI搜索工具。目前呢，还算是有一定门槛的，虽然大家都在做AI IDE，都在做AI插件，都在做AI搜索，但这两个产品目前为止活的还都不错。

至少暂时还都挺受欢迎的吧。未来的事情不好说了。大模型时代，模型厂商的服务边界其实没有那么清晰。它跟原来的互联网、移动互联网时代是不一样的。像移动互联网时代，谷歌跟苹果好多事它是不做的。但是你现在到大模型时代，你看有什么事是OpenAI不做的吗？

那么有没有离了模型就玩不转的案例呢？也有。有一个产品叫Character AI，这个大模型团队被谷歌收编了以后，现在产品直接趴下了。现在他的产品被一个中国公司的产品摁在地上摩擦。那个产品好像叫Toki，是这个Mini Max做的，也算是这个中国AI六小龙中的一个吧。

那么Manus的产品到底怎么样呢？这个需求肯定是存在的。大家还是希望能够快速地获得高质量的信息，不是内容，而是信息，就是经过整理分析以后得出来的结果。这是大家有需要的。在产品设计上呢，至少在演示视频上看，交互还是相当不错的。成本现在肯定是不划算的。这个未来到底怎么去收费，现在还不好说。

因为呢，OTO GPT当年出来了以后，为什么马上就挂掉了？因为这东西算一次，那个时间实在是不划算。你让他开足马力去干活，可能干一次俩小时，你回来一看账单，好几百美金不见了。这是当时的一个状态。现在的肯定是要便宜一些了。Manus，据说每次回答问题，就是每一个任务做完的平均消耗是两美金。不再会出现几百美金的事情了。但是呢，他也没法保证，因为呢，他是自动规划的。你有的时候可能花个几十美分就把东西算出来了，有时候花个两美金把东西算出来，但也有的时候可能俩小时就过去了，你再回来的时候一看，100多美金不见了。而且你没法控制他，因为是自我规划，所以到底每次跑多少TOKEN他也不知道。

在这呢给大家讲一故事吧。这个是原来我看的施瓦斯科普夫的传记。这哥们干嘛的呢？这哥们是美国的一个五星唱将。在打这个海湾战争的时候，他是中央司令部的司令。他呢在越战的时候是个程序员。他虽然是军校毕业了。

到了越南以后，他是个程序员，在那儿写程序。后来，从五角大楼派了一帮专家来说：“我们来分析一下月供游击队出现的规律。”他们搜集了大量的资料，在那算了很长时间，进行了数据建模。他也有幸参与了这个项目。最后得出的结论是什么呢？月黑风高的时候更容易被袭击。所以呢，你用Manus这样的自动规划工具去干活的时候，它有可能也是这样的。算了可能很长时间，最后算完了以后告诉你一个：“月黑风高的时候容易被袭击。”

原来还有一个电影是什么？计算机算到人类都灭亡了以后，最后得出宇宙终极答案是42。这个故事大家应该也听过。所以他的这个成本是比较难控制的。后面的大厂跟进一定是必然的。GPT5还有几个月就出来了。GROK3其实现在就已经是自动规划了。大家去GROK3里边，去点击这个deep research。你去给它一个任务的时候，它也是有一个规划清单，在这个上面在滚动的。他会把这个规划清单都整个执行完。所以现在好多人觉得GROK3出来的结果非常好。如果你实在是说我也等不到Manus了，也不得不舍得花这几万块钱，去买这个测试码了。大家就上GROK3上去用掉了。豆包，腾讯的元宝以及WPS应该都会虎视眈眈的，都会把这东西做起来。而且呢，在这块的还有些别的大厂，微软、谷歌、苹果都有可能来玩一下，因为他们自己是有操作系统的。这个事情一定是他们干是最方便的。

这就是这个项目。到底有没有这个门槛的问题？其实没什么门槛。当然你说我产品做的特别漂亮也行。你像Notion那种产品就是做的特别漂亮。现在免费开源的，类似于Manus这样的东西已经出来了。它这个产品发布了大概三个小时，还是几个小时，就有一个叫open Manus的这种开源项目，就直接扔出来了。你们要用自己上去挂去。当然不是程序员的话，挂起来会稍微麻烦一点点。那你说这种产品为什么突然就疯狂了呢？原因也很简单，二级市场实在是太缺话题了，稍微有点话题。

大家赶快要冲上去炒一把，然后再来算谁是Manus概念股。赶快要去买。至于你买的时候是不是有其他人在外面跑路，或者有其他人去赚钱割韭菜，这就不管了。但是有题材总是要炒的，而且这个团队呢，其实相当擅长于运作。

首先呢，他的视频拍得很好。在大模型时代，在AI时代，如果你这个团队不会讲故事，不会拍视频的话，你是混不下去的。他们很擅长干这个事情，做得非常漂亮。

第二个，这个团队原来是做微信私域运营工具的，就是专门给这个微信公众号，或者说这个企业微信的这些人做运营工具的。所以他们很擅长做这种叫做社交媒体裂变，社交媒体爆发这个事情，这是他们的老本行。

有了DeepSeek的铺垫以后呢，现在中国人的这个热情还没下去呢，突然有消息传出来了，肯定还要再跟着热闹热闹，这个是必然的。但是呢，这种突然爆发的传播呢，对于Manus本身来说未必是一个好事。

刚才我们讲这个PLG产品，就是这个产品引导增长的之类的。这些产品的话它有一个特点，就是你一开始一定要低调，你要这个猥琐发展一段时间。你如果一上来就在显微镜下的话，这个事是没法整的。突然爆火了以后，唯一的结果就是被大厂盯上。而且呢，你一旦进入这个显微镜下，你所有的缺点都会被放大。

2015年的时候曾经有过一个产品叫足迹，应该也是2015年春节的时候出的。他呢能够出这个电影感大片那样的照片，随便拍张照片进去，他就给你做一个像电影大片似的那种，等于裁的这种带这个边的吧，还给你写上一句字幕，大概是这样的一个感觉。上线服务器就崩了，很快就销声匿迹了。

所以像Manus可能会走上这条路。AI圈这种突然爆火，又突然死掉的产品其实还是蛮多的。大模型是别人的，算力成本无法承担，用户突然涌入，预算在燃烧，体验在下降，然后就没有然后了。这个是Manus这样的产品很有可能会遇到的问题。像他们呢其实手里没有多少钱，因为他们以前的公司是被腾讯投资过，但是Manus这一块的话。

你说：“我想趁此再去融一大笔钱，也不是那么容易。算一次两美金，一个任务两美金。当真的有一大堆用户涌进来，开始其他开始跑的时候，就想起这个哪吒一开始那句话了：‘天雷滚滚，我好怕怕，劈得我浑身掉渣渣的感觉。’你一个人进来，两北京不见了；一个人进来，两北京不见了。还不是一个人，是一个问题，进来两美金就不见了。你有多少钱够他烧的？”

当然了，现在这些事呢，对于Manus来说，也算是一个幸福的烦恼。还有一大堆人说：“我做出产品来没人知道。”他至少被人知道了。所以，能不能趁机融一笔钱，或者干脆找人卖掉算了？因为像他创始人上一个公司，就直接找了个公司给卖掉了。现在这个产品如果能把它卖出去，也算是不错的一个结果了。

新的阶段是不是已经准备好了？其实Manus代表了一个新的阶段到来了。AI进程呢，实际上有五个阶段，这个是山姆·奥特曼提出来的。第一个阶段是对话，能够进行自然语言交互的聊天机器人，用于简单对话和信息交流，就是我们现在使用的GPT-4、4O什么的，就是对话。然后第二步呢，是叫做推理，具备在特定领域进行问题求解和逻辑判断的能力，可以进行复杂推理和逻辑分析，就是我们现在用的DeepSeek R1、GPT的O1、O3这样的模型，就属于叫推理模型。现在其实我们在努力的走这一块儿。

推理之后呢，就是规划，是agent，可代表用户执行任务，具备自主运行的这个能力，能够在动态的环境中实施决策，这个是现在第三步。实际上Manus就已经走到了这个第三步上。再往后一步，创新，能够参与发明创造，增强人类的创造力，可在科学研究、技术开发等领域推动突破。其实现在什么医学方面，已经开始突破了。然后最后第五步是什么？叫协作，深度融合组织功能，参与社会管理与复杂决策协作，能够管理复杂的组织任务。这个是山姆·奥特曼给AI整个发展的，类似于L1、L2一直到L5的一个状态。

那么当前的状态是什么呢？GPT-4.5已经展示了，对话这件事情基本到顶了。

你再怎么加这个算力，再怎么去扩大模型，也就这么回事了。而我今天发现我的ChatGPT已经可以用4.5了，虽然是迟了两周，我们还是用上了GPT4.5，还没有空跟他去提问题呢。

推理模型现在还在快速发展的早期阶段，推理模型这个阶段并没有过完，现在都在拼命地冲这一块。有机会大家可以去试一试通义千问的QWQ 32B那个模型，还是不错的。因为这种模型32B嘛，你是可以在电脑上本地跑的，我就在自己电脑上装了一个，效果还可以，确实慢一点。

再往后这个规划呢，其实一直都在尝试，逐步有可用的版本出来。OpenAI一月份出的operator就是这样的一个产品，GROK3的Deepsearch也是这样的一个规划类产品。Manus呢算是把这个规划又往前推了一步，它已经离开了原来的这种环境，不需要在OpenAI的这个环境下用，不需要在grok 3的环境下用，完全用别人的模型，批了这样的一个单纯的产品出来。

当然了，现在这个产品到底有多成熟多不成熟，我觉得下结论还太早，因为我自己并没有真正的去用嘛，邀请码还没收到。缩小范围，专业一些的自我规划AI agent应该还是有机会的，因为现在的Manus号称是我可以泛应用，所有的行业所有的领域我都可以干，你让我干啥都行。最终能够做到的结果，大家就不要有特别大的预期了。

Manus出来以后，行业的方向必然会发生一些偏转，就甭管这个产品做的怎么样吧，告诉大家了一些可能性。现在哪怕是两美元算一次，这个可能性存在了，手工规划工作流的这些产品就要开始转型了。比如说像Dify，像Coze这种自己画流程图的这种，可能就要稍微的调一调方向了。未来呢应该都是会有自动规划工作流，这块会获得更大的这种关注。

那Manus有未来吗？首先跟大家下一个结论，没有，哈哈。为什么呢？不是因为产品做的不好，也不是因为它底层是没有自己的模型的，这个都不是。大家知道互联网时代。

第一个倒下的独角兽是谁吗？叫Evernote，就是现在的印象笔记。第一个从独角兽的10亿美金估值里退出来的公司就是他。那为什么是他呢？好多人说挺好使的，我还花钱买呢，像我也是花钱买的，而且这么多年一直在付费。为什么这样的产品就不行？原因很简单，咱们说一个像绕口令的话：“有用是最没用的事情。”为什么像绕口令一样说这个呢？因为大家被Manus惊艳到的时候，是因为觉得这东西有用，他给我的筛选力的这个过程很棒。你到底有多少HR需要筛选力？有多少HR现在不是在忙着裁员，忙着自己不被裁，而是说我要去招人？有多少人需要这东西？有多少人需要去看那些专业的报告？其实没有的，用户必然是很少的。像它这个Monica.IM，现在号称一共有700万用户，其实是累计安装量，它的活跃用户基本上可以忽略不计的。而且它这个700万用户，还是收购了一个叫GPT for Google的，一个300万用户凑起来的，他自己就有400万。收购了这么多东西，现在号称700万这个数，其实基本上你就认为他没有就可以了。而这几天有可能会爆发一波，但是未来应该很快就消减掉了。而且真正的专业人士是不会看他的报告的，我告诉你，真正专业人士看他的报告更累，你还得再一个一个再去校对，再去核验，再去看里头有没有说错的地方，这个事是一个很痛苦的过程。AI工具主要现在还是能够骗外行，就像我前面AI时代，文科生很重要这个视频讲的一样。像我这些程序员，一看AI写的代码，就在那乐，你们这个连拼屎山都拼不出来。但是我看AI写的小说，AI画的画我很开心。一些设计师一看AI画的画，这叫啥玩意？那些真正产品经理这些文科生，你看AI写的那些文字也是没法看。他是这样的一个状态，这个东西最擅长就是骗外行，就跟那个很多相声演员讲的似的：“我是这个说相声里边最会唱歌的，以及唱歌里边最会说相声那个人。”这就是AI现在最擅长干的事情，而且专业看报告的人。

现在还在不断的被裁员呢，你给他们提效干嘛？海外应用还要等OpenAI、谷歌和微软再去发力，它在国外的用户是起不来的。就算Manus让我看走眼了，真的是用户量做起来了，那各国政府能乐意吗？你这数据是不是去中国了？怎么还有这样的问题呢？一个武汉公司，做了这么样的一个产品，到全世界去收集别人的调研报告、各种数据，这不开玩笑的吗？而且两美元一次的这个成本，如何平衡这个事，对于他们来说也是很难回答的。

在AIGC时代，可能真正有价值的东西还是娱乐，不是真正的有用的东西。虽然一大堆人都在研究怎么让AIGC有用，但是我觉得依然是娱乐有效。为什么呢？因为它出来的东西不严谨。你给个小说，你这东西写对了写错了，他没事，不会因为说这小说写错了几个字就造成多大的损失，而且有新鲜感，我还看着很开心，这不就可以了吗？

但是你想，他这边出一大堆报告，告诉你应该上哪去买房，告诉你应该招谁不招谁，等最后你把人招回来，发现不好使，你把房买了以后，发现这个房子有问题，你找他吧，他也不负这个责任。所以现在千万千万不要去做有用的东西，这是今天咱们去讲的Manus的这个故事。