“给中国供应H200，就是给朝鲜供应核弹。”

大家好，欢迎收听老范讲故事的YouTube频道。

这是2026年达沃斯论坛上，Anthropic CEO阿姆戴伊语出惊人了。达沃斯世界经济论坛最近在开，上头有很多有趣的演讲、有趣的访谈。这一次是在1月20号的一个访谈上，主题叫“AGI之后的一天”，就是我们已经实现AGI了，该怎么办。

主持人是《经济学人》的一位主编，他就去问Anthropic的CEO阿姆戴伊了。他的问题是什么？如何看待美国政府的一种逻辑：我们需要卖给中国芯片，因为我们需要确保通过供应链将他们与美国绑定在一起。

美国政府（黄仁勋）的逻辑 vs. 阿姆戴伊的反驳

其实这不是美国政府的逻辑，这是黄仁勋的逻辑。黄仁勋的意思就是：如果我们不卖给他们芯片，过一段时间他们自己造出来了，可能跟我们这个路线就不一样了，这个更可怕；还不如我们就卖给他，只要我们一直卖给他们芯片，他们就自己不努力了。

从历史上来说也确实如此，中国到现在为止没有自己的操作系统，就是因为原来Windows基本上是不打盗版的，Office其实打盗版打的也不好，所以WPS这些是在非常非常后期才逐渐发展起来的。黄仁勋说咱们也这样，咱只要卖给他芯片，他们就不自己研究了。

这个主持人就问了这样的一个问题，阿姆戴伊的回答是什么？他说：

“这就像是决定向朝鲜出售核武器，仅仅因为这能给波音公司带来利润，或者因为那是波音制造的，就觉得美国赢了。”

他认为这种为了商业利益而扩散极度危险，技术的权衡是完全讲不通的。

双雄同台：Anthropic与Google DeepMind

这一次访谈不是阿姆戴伊一个人，是Anthropic的CEO阿姆戴伊和谷歌DeepMind的CEO哈萨比斯联合做的访谈。再结合他们两个在达沃斯论坛上各自的访谈，咱们总结一下他们两个眼中的对华关系到底是怎么样的吧。

他俩凑一块也还算合适，因为谷歌本身就是Anthropic的大股东。Anthropic两个大股东，一个谷歌，一个亚马逊，跟谷歌的人坐在一块聊个天，这没毛病。而且询问他们两个中国问题，这事也没毛病。Anthropic的阿姆戴伊在百度是工作过一两年的，他可能在中国待过几天，主要是在百度美国的研发中心，当时是在吴恩达手下干活。哈萨比斯有一半华人血统，他妈是个华人。所以他们俩来，现在你谈到科技，那必须是AI的主场；你谈到AI，也不太可能离开中国竞争的问题，所以把他们拎在一块来聊一聊。

阿姆戴伊：激进的“反华急先锋”

阿姆戴伊绝对是所有AI公司老板里头的反华急先锋，没有比他更反华的了。封闭中国账号他最积极，你像我到现在有谷歌的账号、有OpenAI的账号，就不太敢去开Anthropic的账号，因为封的太厉害。你只要梯子这个IP地址变来变去的，他就直接给你把账号封了，这个实在是没必要。而且他也告诉大家说，我们绝不跟任何中国公司合作。原因也很简单，他的公司是个新公司，他没有中国业务，而且他ToB的业务也不太希望跟中国公司竞争。

谷歌还是有中国业务的，Meta也是有中国业务的，虽然他不在中国没法落地，但是有大量的中国广告主在上面投广告，谷歌跟Meta都不会说中国什么，更别说苹果了，中国是他的全世界第二大市场。只有Anthropic这种新公司，他敢来说这个话。

关于中国AI技术：“小镇做题家”

他看不起中国科技，他认为中国并没有真正赶上美国的技术前沿，外界对于DeepSeek的担忧是被夸大了。当被问及中国是否因为之前的DeepSeek时刻而赶上的时候，阿姆戴伊直言：“我认为他们从来没有真正追上过。”

而且说中国的模型像DeepSeek这样，主要是针对基准测试进行的过度优化，这并不代表真正的能力——“小镇做题家”。我做大量的模拟练习以后，我去参加考试一定是很强的，但是这些小镇做题家到底最后能不能胜任工作？能不能有一个综合性的很好的表现？他认为是不行的。

但其实中国这么多互联网大厂，这么多地方里头都有小镇做题家。他们一开始可能会有一点点不适应，经过大学训练以后，真到互联网大厂里头，这些小镇做题家已经跟普通的这种大城市的孩子没有特别大区别。但是他依然揪着说：哎，中国模型主要是跑分，其他都不行。其实DeepSeek在中国大模型里头算跑分跑的少的。

商业竞争与“内战优于外战”

然后他讲到企业级应用，中国大模型都是没有竞争力的。在实际的商业竞争中，当Anthropic竞标企业合同的时候，竞争对手几乎都是谷歌或者是OpenAI。他表示自己“几乎从未”把合同输给过中国模型。但这话就很有意思，第一个叫“几乎从未”，那意思就是说不是一次都没有哈，可能还是有过的。

他认为限制中国公司的关键就是芯片禁令。他指出中国科技公司的CEO们自己也承认了，芯片禁运是阻碍他们发展的关键。而且他认为美国的芯片制造能力上领先中国多年，即使是落后一代的芯片，也就是咱们现在讲的H200，也是非常强大的。因此向中国出售这些芯片是巨大的错误。

他希望的地缘政治博弈的这种最终目标是什么？他叫“内战优于外战”。什么意思？他说只要别把芯片卖给中国，就能将原本美国对中国的生存竞争，转换成Anthropic对谷歌DeepMind这样的良性商业竞争。因为DeepMind的人坐在那了嘛，所以咱们就自己竞争竞争就算了，别跟他们折腾。

原因其实也很简单，就是像他这样的ToB的公司，其实最终是要去卷这个1-100的。谷歌其实卷了很多0到1的东西，Anthropic要卷1到100。而卷1到100这件事，中国人其实是很强大的。为什么？0到1是做创新，1到100其实是拼执行力。而拼执行力这个东西，咱们有一个词叫“内卷”，他也不希望跟咱拼内卷。

哈萨比斯：温和的评估与国际合作

哈萨比斯的态度就要温和很多了。他自己是半个华人嘛，对于中国科技的竞争力，他的评估是这样的：就是很强大，但是缺乏原创性突破。实际上就是你中国人做0到1还是搞不定的，你只能做1到100这些事。对于DeepSeek的冲击，他认为DeepSeek的出现并不是西方的灾难，西方有点反应过度了，他并没觉得DeepSeek怎么样。

字节跳动的实力

他觉得字节跳动很强，他评估中国目前的水平并没有落后一两年，可能仅仅落后前沿6个月左右。大家想想，他为什么会觉得字节跳动强？因为它后边是谷歌。谷歌最强的地方在哪？不是Gemini特别强，而是一声令下，下边所有人得跟着走。你所有的产品必须要去接Gemini的，而且有完整的用户体场景，有巨大的用户量，有巨大的流量，这是谷歌真正的优势。

而这些优势DeepSeek是没有的。谁有？字节跳动有。后边有抖音，有今日头条，有一大堆的产品。你只要豆包产品做起来了，那上边一声令下，下边就可以把这些场景都用起来。所以他认为字节跳动是很强的AI公司。

全球治理与安全标准

对于芯片限制这件事，哈萨比斯其实要平和一些，他更侧重于国际标准，而非单纯的封锁。当阿姆戴伊激烈的抨击向中国出售芯片就是向朝鲜出售核武器的时候，哈萨比斯并没有直接附和这种激进的贸易封锁言论。

他讲的是什么？他承认中美之间存在地缘政治竞争，这使得国际合作变得非常棘手，算是一个正确的废话吧。相比于阿姆戴伊强调的不卖芯片，哈萨比斯更强调应该建立一个全球通用的、最低部署安全标准。他认为AI是跨国界的技术，会影响全人类，因此即便仅仅是西方达成协议也是不够的，必须在全球范围内包括中国达成某种共识。

哈萨比斯给出的理想的应对方案是什么？就是做一个国际的科学合作，希望能够集合全球最顶尖的头脑，包括哲学家、社会学家，以严谨的科学方式共同完成AGI的最后几步。

AGI何时到来？

这一次访谈标题是“AGI之后的一天”。AGI到底啥时候来？

• 阿姆戴伊：非常乐观（今年或明年）。 他的理由是现在AI构建AI的闭环已经建立起来了，因为AI一旦开始自己去升级迭代，后面这个速度就完全不可控了，飞轮转起来了。
• 哈萨比斯：相对谨慎（2030年左右，50%概率）。 原因是AGI的定义门槛很高。它对于AGI的定义不仅仅是解决问题，而是具备科学创造力，包括提出假设和定义问题的能力，而不仅仅是回答问题能力。

哈萨比斯也反驳了阿姆戴伊的关于自我进化在所有领域都通用的观点。他指出在编程和数学领域，AI生成的结果可以被自动验证，是对是错一跑就知道。但是在自然科学领域，比如生物、物理这个领域，验证结果是需要做实验的。这样的话，你这个AI就没有办法自己去做验证。

未来社会：白领大清洗与“宏观经济异常”

两个人都认为接下来几年将是人类历史上最关键的时刻，无论是一年还是五年，这都是一场巨大的变革。

阿姆戴伊：悲观的经济预测

AI对于社会的破坏这一点上，他们两个有什么样的观点？Anthropic的CEO依然是很激进的，他认为白领职位会面临大清洗，50%的初级职位会消失。

他认为认知水准线的上升与编程的终结是未来的一个方向。在Anthropic内部，负责核心产品的工程师实际上已经不再自己写代码了，所有代码都是由AI（也就是Claude）去写的，人类工程师只负责编辑和审查。他举例说，他们最近仅用了一周半的时间就构筑了一个新产品（Cowork），几乎全是由AI编写的。

他认为我们将面临前所未有的“宏观经济异常”。怎么异常法？就是高增长和高失业要并存。阿姆戴伊预测会出现极高的GDP增长，因为AI极大的提高了生产力和企业的利润，但同时伴随着高失业率或者严重的就业不足，以及巨大的贫富差距。

哈萨比斯：后稀缺世界与意义危机

哈萨比斯还是要稳重一些的。他讲的不是说有多少人会失业，而是人类会有新的事情要去做。他对于未来社会的长期愿景是我们将进入一个叫“后稀缺世界”的一个新的时代。AI将通过实现可控核聚变、发现新材料等方式，解决能源和资源的根本限制。

至于终极挑战，哈萨比斯给出的挑战是什么？是从生计转向意义。原来我们都是要谋生，要赚一口饭钱，以后会有一个叫“意义危机”的东西。哈萨比斯坦言，这比经济问题更让他夜不能寐。工作不仅提供收入，还为许多人提供了生活的架构和目标。

所以它给未来提出了一些方向：

• 探索宇宙：利用AI探索物理学的极限、意识的本质，甚至进行星际旅行。
• 哲学与艺术：社会可能需要新的哲学家来引导思考，人类可能会从事更复杂的艺术创作。

终极思考：技术的青春期与《超时空接触》

最后，因为这个主题叫“AGI之后的一天”嘛，阿姆戴伊回应了一部科幻电影，这个电影叫《超时空接触》。这个里边有一个词叫“技术的青春期”。

电影里有一个场景，有一个接触外星人的机会，主角上去，这个委员会就问他：如果你只能问外星人一个问题，你会问什么？主角的答案是：

“你们是怎么做到的？你们是如何度过这种技术青春期的而没有自我毁灭？你们是怎么挺过来的？”

电影中并没有给出答案，这其实是大过滤器理论的一种演绎。阿姆戴伊认为，我们现在就正处在这个技术青春期。你看青春期嘛很躁动，每一件事情都很美好，但是也有很多很多的困惑。

其实刚才这个问题的答案是有一个版本的，出现在电影的剧本里头。这个剧本后来出版了，但是这个答案并没有出现在电影里面。就是可能拍了，但是因为这个答案实在太黑暗了，给剪掉了。那这答案是什么？就是有人去问主角，如果外星人的答案是：“我们通过清除反社会者、弱者、病人、不想要的人来解决问题。”那人类该怎么办？

这一段实际上是在强调，即便有答案，也可能是你不愿意接受的答案。这可能也是阿姆戴伊说我们不能卖给中国芯片的一个原因。他可能会觉得中国是通过这样的方式来迈过技术青春期的，这是他不愿意接受的答案，虽然他自己也没有答案。而哈萨比斯则认为说，我们先坐下来谈吧，那谈的过程我们可能就能避免这件事情。

好，这就是这一次在达沃斯论坛上，Anthropic的CEO阿姆戴伊讲的“说卖给中国芯片就相当于卖给朝鲜核武器”这个故事的一个前后解读。大家自己也思考一下，到底应该怎么来去解读这件事情，我们应该向哪里走。

好，这一期就讲到这里。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：Detailed watercolor illustration of a World Economic Forum conference hall, empty chairman stage with three chairs for a roundtable interview, ornate wall panels, subtle metallic trims, neon cyan rim lighting on glossy surfaces, deep navy ambience, high contrast, ink wash textures, cinematic depth, minimal palette, clean negative space for typography –ar 16:9 –stylize 130 –chaos 3 –v 7.0 –no people, faces, attendees –p lh4so59

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

Notion的新疆CEO指出了AI改变社会的方式

大家好，欢迎收听“老范讲故事”的YouTube频道。作为Notion的老付费用户，阅读了文章之后，觉得还是非常值得跟大家分享的。

Notion的CEO叫做赵伊。他最新发了一篇长文，2025年12月23号，在Notion自己的官网博客上发了这篇文章。文章的标题叫《蒸汽、钢铁与无限思维》。他换了一种方式，来回答大家最关心的问题，就是AI到底会如何改变这个社会。

Notion的CEO真的是个新疆小伙子吗？

老范你是不是在这里标题党呢？不会的。这个人叫赵伊，在国外管他叫Ivan Zhao（伊万·赵）。他出生于新疆乌鲁木齐，高中阶段随母亲去了加拿大，现在是加拿大国籍。他自幼学习编程，并且参加过国际信息奥赛相关的竞赛体系。毕业于英属哥伦比亚大学（也就是UBC），学的是认知科学，并将艺术审美训练与摄影兴趣纳入了学习与创作的脉络。这哥们不是一个程序员，他是个产品经理和设计师。

创业历程与关键转折

2011年他毕业了，就被当时有一个产品叫Pulse（这是一个新闻阅读类的产品）的CEO阿克谢·科塔里欣赏，想招募赵伊，但是赵伊拒绝了他。他的第一份工作在一个叫Inkling的创业公司，这个公司是做电子出版相关的业务，赵伊在这里边担任产品设计。上班的同时，他就觉得电子出版这个软件实在是太难用了，他就开始利用业余时间做Notion，后来离职去创办了Notion。

还记得前面咱讲的Pulse的那个创始人吗？那个阿克谢·科塔里是个印度名字，所以念起来稍微有点费劲。他的项目Pulse被LinkedIn给收购了。2013年，Notion获得了天使投资200万美金，其中就包括刚才咱们讲的阿克谢·科塔里的投资。

2015年，他们经历了很严重的一个打击，把钱烧光了。赵伊跟他的一个合伙人叫做Simon Last，把所有的员工都裁了，就剩他们俩。然后向赵伊的母亲借了15万美金，他们两个人就跑到日本京都重新闭关，把整个Notion重写了一遍。Simon Last就是他那个合伙人，就真的是“最后一刻”，Simon“最后一刻”跟他一起去重新写了项目。

2018年，阿克谢·科塔里离开了LinkedIn。他当时是LinkedIn的印度区负责人以及LinkedIn的产品VP。他离开以后加入了Notion，担任了Notion的COO，成为了Notion的“关键先生”。很多企业在创业过程中会出现这种关键先生，就是他一来了以后，就跟整个资本圈、创投圈联合在一起，资本圈的链路打通了，让这个企业进入快速发展阶段。这位阿克谢·科塔里就是Notion的关键先生了。

估值飙升与现状

2019年Notion获得融资1,000万美金，2020年融资了5,000万美金，估值就已经到20亿美金了。超过10亿美金就是独角兽了，这就是两倍的独角兽。2021年10月8日，蔻图资本和红杉资本投了2.75亿美金，Notion的估值达到了100亿美金。这两个基金大家应该是听说过，最近正热乎的时候，为什么？他们俩都是字节跳动的投资人，现在进行了股东穿透，成为了TikTok USDS的新的股东。

在2021年之后，其实整个互联网和移动互联网市场是经历了一波泡沫的。虽然没有那么明显，但是还是有一波泡沫，所以很多项目在2021年都是有最高估值，再往后估值就很难维持下去了，甚至有很多就直接挂掉了。Notion在这几年里一直维持这样一个估值，大家还认可这个估值，再继续往前走，但是也没有特别大的发展。

到2025年12月份，Notion做了一次员工兑现老股，就是有外面的人去收购Notion员工手里的这些股票期权。最新的估值是110亿美金，在原来100亿美金的基础上，还是又往前走了一点点，但是并没有大的发展。这就是Notion的一个状态。

《蒸汽、钢铁与无限思维》：AI如何重塑世界

讲完了Notion这个从新疆乌鲁木齐出去的CEO，以及他的一些简单创业故事之后，咱们来讲一讲赵伊给AI时代到底指明了一个什么样的方向。他的标题叫《蒸汽、钢铁与无限思维》。他为什么起了这样一个标题？他认为每一个时代都是由传奇材料所塑造的。这里边蒸汽与钢铁都是那一个时代的真正传奇材料。因为有了蒸汽和钢铁，当时的时代被彻底改变了。而现在，AI就是新时代的传奇材料，而AI的这个传奇材料就叫做“无限思维”。这玩意它不休息，你给它下了命令以后，你去玩去了，它可以接着干活。

通过后视镜驶向未来

他提出了一个很有趣的观点，叫做“通过后视镜驶向未来”。什么意思呢？就是用新工具解决传统问题。

• 最早的汽车其实长得像马车一样；
• 大家最早在电话里说话的时候，都像发电报一样简洁。
• 即使有了蒸汽机，那些纺织厂依然会将工厂建在河流边上，因为原来是靠水车的嘛。

但是有了蒸汽机以后，你还是在河边去建这个东西。所以有了新技术以后，大家通常会尝试用这个新技术去解决传统问题。这就叫“通过后视镜驶向未来”。

AI真正要解决的问题：信息瓶颈与协作规模

他告诉大家说，AI真正要解决的问题是什么？是信息处理瓶颈和组织协调规模的边界问题。什么意思呢？苹果的乔布斯曾经说过，个人电脑就是一个“思维的自行车”。因为咱们都在讲信息高速公路，我们现在是一帮人，用个人电脑，骑着自行车在高速公路上狂飙。虽然公路车可以跑得很快，但是你肯定没有汽车跑得快嘛。因为我们在用电脑的时候，经常要干一个活是什么呢？叫复制粘贴。

很多人说：“你说你会干嘛？你不就会个复制粘贴吗？”是这样的，但是谁在复制粘贴？复制粘贴真的容易吗？要注意，复制粘贴干这个活的人是人，而复制粘贴并没有大家想象的那么容易。你需要开很多浏览器标签，你需要从不同的地方（比如说微信、Slack、Notion或者是Word Office）各种地方去找到这些信息。找到了以后，你还要去阅读、要去校验、要去确认，确认完了以后你还要再去复制粘贴，粘贴在一起以后还要再润色。所以复制粘贴这个事没有那么简单。

在整个复制粘贴过程中，人就是其中的最大限制了。你像刚才我讲的，你需要找到信息、阅读、校验、复制粘贴、把这些信息从不同地方聚集在一起，然后还要润色。这个人是骑着自行车的，这不是一个很高效的运作方式。而且最后让整个公司的架构、让组织架构进一步扩张下去的这种瓶颈、这种限制，就是人复制粘贴的速度。人就是信息的边界和组织规模的极限了，再往前发展没法整了。

现在最大的公司可能是有上百万人，但是通常情况下，这种高科技公司可能有10万人已经到头了。因为再往前，你内部的各种问题没法解决了，人没法去看这么多的信息，然后把它复制粘贴到一起，让整个的项目往前推进了。

摆脱旧有约束

AI就可以突破这种限制。只是现在大家还是在河边建立蒸汽机纺织厂，还在思考如何用AI解决现有问题。其实现有问题分两种：

• 第一种问题是什么？就是我真正要去造什么东西，要把东西卖给谁，这是一类问题；
• 另外一类问题是什么？是如何维持巨大的组织架构。

你要想去用AI解决传统问题的时候，实际上他们在想办法用AI去继续维持原来那个庞大和复杂的组织架构。这就是用后视镜向前行驶。纺织厂即使有了蒸汽机，还是在河边上建。但是后来，大家发现我不需要，我已经摆脱了原来河流对于我的限制，所以后来的纺织厂就离开了河流，去了工人、原材料聚集地，或者是到港口附近去建去了。它要去解决最终的问题，而不是原来那条河的问题。

AI也是。AI也不是用来解决现有问题的，特别是现有组织架构的这种问题。当一些约束被打破之后，AI会重新开始用新的方法去解决一些根本的需求。

Notion的内部实践：智能体与编程

赵伊举了他们自己的例子，也就是Notion公司是怎么来用的。他先讲了前面他的这个合伙人叫Simon Last。中间他经过裁员嘛，还有一些合伙人就不在了，最后就剩他们俩。Simon Last说是一位“十倍程序员”。什么意思？就是这哥们天才程序员嘛，一个人写的代码够别人十个人写的。现在他已经成为了30倍到40倍的程序员，就是他一个人写的代码够别人30个人到40个人写的。这个量是怎么实现的呢？他说这个Simon同时指挥三个智能体，每天产生大量的代码。说Simon可以在去休息之前给智能体下指令，然后智能体就不停歇地去工作了。只要Simon回来以后再去检查这些工作，就可以极大地提高效率。

而Notion公司自己有1,000多个员工，却有700多个智能体在不停歇地运作。Notion自己也不再拘泥于维持这样的一个组织架构所必需的什么汇报体系、什么周会月会，把这些东西也很多都打破了，在更灵活地组织各种运营活动。这就是他们自己的一个工作方式。

Simon举出了一个例子，说你看编程这件事已经很好地被AI Agent、被AI所改变了，其他的知识工作是不是也可以像编程这样被改变呢？为什么编程这么容易被改变？他说编程跟普通的知识工作是有两个特别大的差异的。

• 第一个特别大的差异是什么？就是编程是有IDE的。IDE叫集成开发环境，所有的信息都聚集在一起，而且这些信息是相互关联以及相互验证的。你在一个统一的窗口或者同一个统一的应用里头，你就可以找到这些信息，而且确认这些信息之间的关联关系，以及通过相互验证来判断它们是不是可信的。这是一个。
• 第二个是什么呢？就是程序这个东西对不对，编译器或者什么语法检查，这个东西就直接可以知道结果了。即使不是语法错误，你也可以通过各种测试手段，直接知道你这个程序对不对。所以它极大地降低了验证的成本。

而刚才我们讲这个复制粘贴的过程，最费劲的是什么？就是你要去验证每一个信息片段是不是对。你找到信息就很费劲，普通的信息你要到各种各样的环境里面去找。找完了以后，你还要验证每一个信息对不对，而且每一种信息的验证方式还不一样，验证的成本也不一样。

所以编程的这两个问题都已经解决掉了：信息是集中的、关联的、可验证的，所有的中间结果都直接可以有编译和测试环境去给你判定，这个东西是对还是不对。所以编程现在是被AI改造的最快的一个领域。

总结与展望

Notion应该是在尝试解决类似的问题。Notion其实提供的是信息的集成环境，他在一个框架里头同时去通过文档、文档块、数据库的方式，去将信息关联在一起，而且很灵活地关联在一起，相当于是信息集中环境。Notion内部也可以开发各种AI Agent，这个就可以对很多的信息进行快速的核验。他希望把Notion做成这样的一个系统，来去快速地解决各种问题。这就是赵伊为AI之后的社会可能发展的方向指明的一个道路。

最后总结一下吧。

• 首先，Notion的CEO赵伊确确实实是来自于新疆乌鲁木齐，老范不是标题党。
• 第二个，就是他写了一篇《蒸汽、钢铁与无限思维》的长文，来论述他对于AI如何改变社会的看法。这里边最核心的是，现在还处在“后视镜看未来”的阶段，大家还在尝试用AI解决传统问题，就像是有了蒸汽机依然会将纺织厂建在河边一样。
• AI真正解决的是突破人类复制粘贴的信息处理瓶颈，突破协作的规模限制。不要再尝试用AI去解决老问题了，到了重新思考摆脱信息瓶颈和组织协作规模限制之后，我们到底应该解决一些什么新问题的时候了。

好，这就是今天要跟大家讲的内容。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：high-contrast watercolor illustration, neon cyan rim light glowing edges, deep navy blue background, cinematic dramatic composition, sharp subject isolation with clean separation, minimal color palette of ink-deep navy, vibrant neon cyan, subtle gold metallic accents, glossy reflective surfaces on white and light gray modern office furniture, San Francisco Bay Area winter internet company office interior, predominantly white and light gray color scheme furniture and home-like decor, simple clean black line accents, minimalist Notion-style aesthetic, large Notion logo (bold black serif N inside geometric cube outline) prominently hanging on the wall, extremely legible negative space designed for text overlay, sleek modern desks with monitors, ergonomic chairs in pale tones, subtle gold highlights on metal frames, soft diffused winter daylight mixed with neon cyan rim lighting, ultra-detailed watercolor brush strokes, high contrast, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

Prompt：minimalist tech office interior in San Francisco Bay Area during winter, clean white and light gray color scheme with simple black linear accents, Notion-inspired aesthetic, large wall featuring the Notion company logo, modern ergonomic furniture, open workspace with natural daylight filtering through large windows, soft overcast winter light, cool neutral tones, wide-angle view from entrance, ultra-detailed, sharp focus –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

杨乐坤“暴论”：大语言模型是扯淡，连狗都不如？解读他的世界模型与新创业项目AMI

“我认为这完全是扯淡，这条路根本就不可能成功。”这是杨乐坤在最新的访谈中对大语言模型路线的评价。这是语不惊人死不休的这种暴论吗？还是说他真的有一些什么事情想做？

大家好，欢迎收听老范讲故事的YouTube频道。

12月15日，杨乐坤发布了他最新的访谈。访谈是在一个叫做“信息瓶颈”的播客中进行的，位置应该是在纽约大学。杨乐坤当时还在Meta站好最后一班岗，三周以后会正式离职。访谈接近两个小时，我尽量讲一些里边有意思的部分。

现在的大语言模型还无法跟狗的智能相比，这个也是其中比较有趣的一点。到底杨乐坤想做的世界模型，以及他的JEPA是如何工作的？对于我这个讲述者和各位听众来说，都是一个挑战。请耐心听到最后，然后告诉我，我到底讲明白了没有？你们到底听懂了没有？杨乐坤要去做的AMI，也就是创业要做的这个新公司，到底是干什么的？怎么挣钱？咱们今天就讲这几块。

第一块：杨乐坤为什么觉得大语言模型完全是扯淡？

这里头要讲到的最核心的观点叫“序列化”。大语言模型工作的方式，是把整个世界的这些语言进行序列化。所谓序列化是什么？就是把所有的语言变成TOKEN，然后把这些TOKEN离散掉，谁跟谁之间都没有关系，再通过把全世界的语言搁在一起进行统计、进行训练，重新建立起这些TOKEN与TOKEN之间的关系。它是这样来工作的。

而且要注意一点，语言这个东西本身就是一个世界映射，语言只能表达世界中的很少一部分。哪怕是同样的语言，你用不同的语气语调来说，都会表达不同的意思。而不同的语气语调，你在语言中是完全无法看到的。所以语言只是真实世界的一个稀疏映射，大量的信息被错漏了。所以在TOKEN化的这个过程中，大语言模型其实把大量世界本身相关的信息都扔掉了，特别是那种连续的信息。

因为大语言模型通常能干的事是什么？就是预测下一个词应该说什么，哪个词是最好的。但是在这个过程中，它对于让世界演变这些连续事件，它是没有办法去进行预测的，因为它在序列化的过程中就把所有这些关联全扔了。

缺乏物理世界的关联与约束

大语言模型之所以可以回答问题，是因为以前有类似的文档。但是回答的时候，大语言模型并不知道这些内容之间的关联与约束。比如说问它：“我把这个杯子扔下去会怎么样？”它会根据过往的文档训练，给你回答说：“这个杯子会自由落体掉落，掉在地上会碎掉。”但是它不知道是因为有重力加速度、万有引力，因为这个玻璃很脆弱，掉在地上以后会摔碎。这些东西它是不知道的，只是因为以前有一些文档告诉你说这个杯子扔出去会摔碎，其他的它是不知道的，里头相关的约束以及这个关联都没有。

推理成本极其浪费

而推理成本是极其浪费的。咱们现在大语言模型，从OpenAI出O系列模型以后，都可以thinking了，都有COT（Chain of Thought）就是推理过程了。这个过程在杨乐坤看来，是极其极其浪费的。为什么？就是它不直接出结果，而是出中间的推理步骤，而且这些推理步骤是一次出一大堆，再由一个专家或者几个专家模型去进行筛选，在里头再挑一个能用的。说这个过程太浪费算力了，实在是没有必要。

安全缺失与事后补救

还有就是安全缺失。说现在的所有安全手段都是非常容易被越狱的，因为什么？你在训练的时候已经把所有的约束都去掉了。你说这个玻璃杯掉在地上会碎裂，这个事儿它是通过训练训进去的，但是它并没有说有一个基础的约束在里头。所以它在一大堆的训练以后，这个模型只能够去猜测下一个TOKEN出什么最合适。

你要想让它进行安全方面的对齐或者是约束，怎么办？你只能是说做事后微调，或者是设置外部围栏：你问了这些问题我就不回答了。事后微调就是我出了什么样的结果，我就如何去处理了；或者我出结果的时候我会进行筛选。这个本身是非常非常不安全的，因为你没有底层的一个逻辑。它是底层先生成一大堆不安全的东西以后，你再去进行后训练，再去进行围栏，这个是非常麻烦的。

还有一个就是成本很高。很多安全措施也是让大模型一次生成一堆结果，然后在里边挑一些相对来说比较安全的给你展示，说这个过程也很浪费。而且大模型是缺乏对于物理世界后果预测能力的。大模型能够预测的只有一件事，就是下一个词出什么最合适。它没法预测说“我这个动作做完了以后会有什么结果”，也缺乏规则的约束。那你说怎么能够判断安全？你一定是说我先预测一下我这个动作做了以后会怎么样，然后再去根据结果预测安全。大模型是没有这个能力的。

硅谷陷入了集体幻觉

第三个是硅谷现在陷入了集体幻觉。硅谷相信，我们只需要不断的去喂数据（包括后边的合成数据），进行人工的管教（也就是后期的微调和对齐），进行技巧的堆砌（也就是强化学习），你就可以不断的让大模型学会新技能。硅谷的AI已经被单一文化所绑架了，大家都怕其他的尝试会落后，只敢低头拉车，不敢抬头看路了。明明有很多其他的方向，我们就不试了，这就是唯一方向，我们就往前走了，这个是非常非常危险的。

所以总结一下，杨乐坤认为大语言模型就是扯淡的三个原因：

• 第一个原因是序列化，就这东西从一开始它就不对，你就丢弃了大量的信息，而且是打破了所有的关联和约束以后重新训练出来的；
• 第二个就是很不安全；
• 第三个就是硅谷整个陷入集体幻觉了，对其他的所有可能性都拒绝尝试了。

第二块：杨乐坤为什么认为现在的大语言模型还无法达到狗的智能？

我们很多人已经因为大语言模型都失业了，它都已经开始替代人的工作了。现在我们一看这玩意连狗都不如，被替代工作失业的人是不是觉得很冤？其实原因也很简单：狗是没有语言的，它并不会去描述这个世界是怎么样、我要去做什么，但是狗依然可以在物理世界中很好的生存，而大语言模型是不具备这个能力的。

狗的世界模型它会记住什么？物体不会凭空的出现与消失。这里有一个杯子，扭过头去再扭回来，这个杯子应该还在。这就属于最基本的物理约束。在我们训练大语言模型的时候，再把这些语言信息进行符号化的时候，进行TOKEN化的时候，这些东西就都丢了。所以狗是有这些底层约束的，而大语言模型没有。

再加上比如说运动力和惯性这些基础的东西，这些玩意不需要牛顿出来，这个狗也知道。它不需要学习，不需要去考试它也知道。说“我跳起来不会马上掉下来，我跳起来会顺着这个惯性接着往前跑一段”，这些东西狗是天生就知道的，或者说它可能生下来经过简单的学习就可以知道。

而且狗是有视觉、听觉、嗅觉和触觉的，可以接收这些信息，可以判断这是什么的味道、这是在哪个方向上、这个东西距离我有多远。这些东西很多都是没有办法通过语言去进行描述的，但是狗可以在这些基础约束下在物理世界中进行活动，而且还活的很开心。狗是可以进行规划的，它要去规划一下我要去怎么抓住老鼠（狗拿耗子这个没关系了，反正甭管抓什么吧），它要去抓一个东西，它可以预测可能的结果，并且做出选择并得以生存。这就是狗真正强的地方。现在大语言模型还做不到这些东西。

大语言模型只能输出语言，而语言仅仅是现实世界一个很小的投影以及很疏离的映射。真实世界中的大量的信息都没有映射到语言上去，所以大语言模型到现在为止还不如狗。等哪天新的世界模型可以像狗一样聪明了以后，咱们再继续往前走。

所以杨乐坤认为，说现在大语言模型这条路是永远不可能超越人的。因为人虽然我们现在在这呱啦呱啦说话，你们也在这听我说话，但是我们离开语言是依然可以在物理世界中生存的。可能未必有狗活的舒服，但是我们也可以在物理世界中，也可以在现实世界中生存。所以在把这些物理世界的基本约束丢掉以后，大语言模型永远也不可能超越人类。

第三块：杨乐坤的抽象世界模型（JEPA）到底想干点什么？

这是对我们的考验，我尝试把它说清楚，也希望大家能把它听明白。首先，杨乐坤的抽象世界模型里头有四个要素：抽象、分层、预测、最小消耗。就是这四个要素组成的整个这个系统。

1. 抽象 (Abstraction)

所谓抽象就是不去预测每一个像素，那太浪费了。你不可能说我预测出这个视频的下一帧来，这个事是不行的。只记录基础的知识，预测大致的结果就OK了，这是他现在要去做的事情。

比如说吧，咱们打羽毛球，当对面那个球打过来的时候，我们会去判断球的轨迹，做出动作击球，但是并不会计算所有的细节，也没有办法去想象在我们击球过程中每一帧画面的所有像素，但是我们依然可以开开心心的在球场上打球。这就是抽象的一个魅力。而且这些基础知识甚至还不是说通过物理的方式我去学、通过数学的方式我去学，公式怎么做、抛物线怎么算、风阻怎么来、这个速度什么，不是这样。我们只是说通过一些习惯，他这样打过来以后，我应该怎么去接，他是这样来去训练出来的。很多的羽毛球冠军，我估计他们的数学跟物理也未必能考及格，但是人家依然是羽毛球冠军。这个是他要去做的第一件事，叫抽象。

2. 分层 (Layering)

抽象之后下一步就是分层。所谓分层，他现在使用的这套系统叫JEPA，叫“联合嵌入预测架构”。什么意思？咱们依然以打羽毛球为例。

• 高层的预测：我们首先对高层数据嵌入进行预测。高层是我想着我应该回一个什么样的球，我是要回一个后场的高球，还是前场的吊球，还是做一个假动作，这个就属于高层次的思考。
• 低层次的预测：我这个手脚应该怎么动，怎么协调，我这个手腕应该怎么去摆，怎么去发力，这就是低层次的。

所以他就是在不同的层次想不同的事情。其实我们人去做很多的这种决策或者动作的时候，也是这么去思考问题的。如果你在高层去想这些低层的问题，不是想说我要怎么去给你发一个后场的高调球，而是想着我应该怎么去发力、我应该怎么去动手腕，那一定会出问题的。

3. 预测 (Prediction)

这个预测是什么？就是在世界模型中预测做出相应动作之后的结果。杨乐坤还是会去训练一个世界模型的，里边有一些刚才我们讲的物理公式、数学公式、一些基本的约束，把这些东西训练到物理模型里、世界模型里去。

你说我根据前面的分层的这个方式，我去进行预测了。比如说吧，在我们看到球过来的时候，就会去预测我们把这球打回去以后有几种不同的可能性：我回一个后场球，对方有可能会到后场给我做一个跳杀，或者在后场再给我回一个前场球，或者在后场再给我去回一个后场球，他有几种可能性。我们要去判断，我们把这个可能的结果进行推测。甚至有可能说，我这一个球杀不死他，但是我把他调到后场去，他可能步伐会混乱，再回一个球就有可能回的质量不是那么高，可能给我回一个前场高球，我就可以在前场扣杀他了。我会要做这样的判断或者是一些预测，或者叫规划吧。有的时候我们的这种预测和规划会分成很多步，然后才能去做决策。

4. 最小消耗 (Minimum Cost)

那决策下一步是什么？叫最小消耗。这就是我们决策的过程。你看我们已经抽象了，也分层做了思考了，然后做了预测了，在世界模型下给预测的结果都给我了。下一个事我要选择，这么多的预测结果里我选哪一个？怎么选？它有一个消耗函数，叫cost的一个函数。

什么叫最小消耗？就是你这样回最容易获得胜利，消耗最小的体力，让你觉得最舒服，不适感最低。你要做这样的一个选择，实际上就是计算一个最优解出来。预测之后在不同的结果中选择消耗最小的那个去执行。

安全与结构化

所有的安全约束都可以在这去计算。如果你说我现在把球打出去以后，它有可能会出界，这就是一个安全约束了嘛。这就属于一个消耗很大的一个因素在里头，那么我们就不要选择这样的一个结果，我们要选择其他的动作去做。这就是最小消耗。

它的安全也是在刚才我们讲计算最小消耗的时候就可以直接计算进去了，所以它是一个结构化的安全方案，将安全直接写到底层的硬代码里头去，通过优化实现安全。也就是先模拟，确保满足所有的安全约束，才进行执行。我模拟了以后，你这个安全约束一旦违反了以后，你的消耗函数就会给你返回一个巨大的值，这个选项就直接过滤掉了。它是通过这样的方式来保证安全的，是很难越狱的。

工作流程总结

1. 首先我们要提出动作的序列，先要有一个计划；
2. 然后在世界模型中进行模拟（当然这个模拟是分层去模拟，高层是什么样，底层是什么样的）；
3. 然后评估成本，找到最小消耗，也就是最小化不适感，让你这个动作做完了以后舒服；
4. 根据这个评估的结果对这个动作进行优化，并且执行，作用于真实世界。

这就是这种世界模型的一个运作方式。

第四块：行业点评与未来展望

点评其他“世界模型”

杨乐坤对于现在行业中正在研究的各种号称是世界模型的项目是如何点评的？他说伊利尔的这个SSI（就是超级安全智能），现在完全搞不清在干嘛，可能已经成了一个笑话了。就是伊利尔自己也搞不明白在干嘛，他的投资人也搞不明白他在干什么，这个就没法整了。其他的有些点名了说这几个还不错，那几个不怎么样。但是李飞飞的世界实验室并没有被点名。

杨乐坤给出了评判的标准：什么样的是真世界模型，什么样的是错误道路（依然是在大语言模型的基础上继续狂奔的）。它的判断标准就是：所有生成式的、生成所有像素的，这种都跑歪了。而李飞飞的世界模型，包括OpenAI的Sora世界模型，都属于这一类。他们都属于是生成式的，要生成视频的，要生成所有像素的，这个事都是错的。只有在抽象世界中，基于基本原则去进行预测和规划，才是正确方向。

与大语言模型的关系

杨乐坤的世界模型与现在的大语言模型之间到底是什么关系？是不是要颠覆？倒也不是。他的预测是：未来世界模型负责底层逻辑，而大语言模型只负责语言的部分就可以了。

就像我们现在大脑里头，其中有一部分是只负责语言部分的，而且这一块很小，只发展了可能100万年，很短的一段时间。而大部分时间，这个动物的大脑都是在跟物理世界打交道的。我们人类也是先在物理世界里头去进行各种判断，然后再去用语言输出或者进行交流的。就像刚才我讲这个打羽毛球这个过程，如果你一边打羽毛球一边把所有的步骤和思想过程全都变成语言，你就打不着球了，这个人是反应不过来的。我们经常说“手比脑子快”，我还没想明白，我的一个习惯动作已经上去了。这个世界模型就是要去做这些事情，语言只是需要的时候我再进行描述。

第五块：AMI公司是干什么的，怎么挣钱？

最后咱们讲一下，杨乐坤准备创业的AMI公司到底是干什么的，以及怎么挣钱。他这个AMI叫“高级机器智能”，准备融资5亿欧元，估值30亿欧元。

为什么融欧元？因为他准备放在巴黎，总部在巴黎，在纽约设办公室，所以他要融欧元。那这5亿欧元里头，Meta是重要合作伙伴，但不是股东。至少在这一次他做访谈的时候说了，Meta不是股东。Meta是不是给钱这个事，还要等他这5亿欧元彻底融完了以后才能知道。目前在融资，但是没有披露融资的细节。

杨乐坤是董事长，并不是CEO，应该还是要再找一个年轻力壮的人去做CEO。杨乐坤也65了，虽然在这种顶级科学家里头不算特别老的吧，但是肯定体力也没有那么跟得上了。

逃离硅谷与开源研究

在巴黎设立总部、纽约设立办公室，原因就是要逃离硅谷，因为硅谷现在已经被单一思想给垄断了。其实欧洲人看美国人的方式，跟纽约看硅谷的方式，以及硅谷看中国的方式都是一样的。什么意思？大家都觉得我们是在做基础研究，对面那帮人是在做应用研究。欧洲人就觉得我们在做基础研究，美国人都在做应用研究。美国的像纽约、波士顿这些东海岸的人去看西海岸的硅谷，想的也是这样：东海岸我们在做基础研究（像什么哈佛这些人在做基础研究），西海岸的这些（像什么斯坦福、UC Berkeley、包括硅谷）你们都是在做应用。硅谷看中国也是这样的，说我们在做基础研究，你们中国人只管超过去做应用就完事了。大家都是这样的一个思路，所以现在杨乐坤说算咱们欧洲干去。

杨乐坤要求要做开放开源的研究。他说不公开发表就不是真正的研究，这就是他跟Meta最后闹掰的一个核心原因。他希望他的各种研究可以公开发表，而亚历山大·汪进去了以后说不行，你必须要经过我审核了以后才可以发表。所以一气之下老头跑了。

杨乐坤为什么要求必须要公开发表？

• 他说你如果不公开发表的话，就容易自欺欺人（估计讲的是Llama4）。这个事必须要通过同行评审，才可以确保研究方向的严谨性以及结果的可靠性，所以必须公开发表。
• 开源则是吸引顶尖头脑的最佳手段。很多研究成果转化成产品需要数年甚至数十年，允许研究人员发表论文并且开源他们的结果，可以提供及时的激励和成就感，所以还是要鼓励开源的。
• 开源是实现AI多样化的唯一途径。杨乐坤是反对垄断的，他在Meta做了12年，做出Llama大模型来就是为了反对谷歌和OpenAI的垄断。
• 开源也是促进文化多样性的一个手段。如果被垄断了，那就没有文化多样性了吧，只有开源了才有不同的大模型可以去玩耍。
• 开源也是商业与经济最好的一个结果，可以在商业和经济上得到最好的回报。因为开源可以很好的赋能各种垂直领域，因为只有你开源了，别人才可以去这些垂直领域，才可以更方便的去跟你合作，可以最大化经济影响。

其实开源这里有一点杨乐坤并没有提，开源最大的好处是建立事实标准。因为一旦事实标准建立了，你整个这个系统就可以躺在那吃饭。现在英伟达的CUDA就是一个事实标准，虽然它并不开源，但它依然是一个事实标准，所有人都难以逾越。

商业模式

最后，AMI怎么挣钱？又是开放又是开源，我还要发表论文，我所有的产品我一开源了，别人就能用了，到底怎么去挣钱？现在他们的设想是，做好这个世界模型以后，为自动驾驶和机器人这些需要在物理世界中、需要在连续的时间序列中去做决策的这些企业，提供基础模型以及提供各种技术的支持和服务，通过这种方式去挣钱。

结语

最后总结一下今天的话题。对于我以及听众们都是一次考验，我希望我把杨乐坤的世界模型到底怎么做给大家讲明白了，或者让大家觉得我自己明白了也行。让我们尝试去理解杨乐坤的世界模型具体想做什么。期待杨乐坤在新的方向上依然可以做出有价值的贡献，不为短期经济利益所屈服，勇于尝试不同的方向，科技才可以进步。

好，这就是今天的内容，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：high-contrast watercolor painting, empty New York University computer lab interior, rows of sleek monitors and keyboards on long desks, ergonomic chairs pushed in, large windows with city lights filtering through, glossy reflections on screens and tabletops, neon cyan rimlight outlining equipment edges, deep navy background, sharp subject separation with extremely legible negative space for text overlay, minimal palette of ink blue neon cyan and subtle gold accents, cinematic composition, ultra-detailed, intricate linework, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

谷歌Deepmind的CEO说：“我们与AGI之间，只差一到两个AlphaGo级别的技术难关了。”

大家好，欢迎收听老范讲故事的YouTube频道。

现在Gemini 3正在大杀四方，谷歌里面负责开发Gemini的部门叫Deepmind，他的CEO出来接受访谈，关注度还是比较高的。

谷歌Deepmind的首席执行官叫德米斯·哈萨比斯，2025年12月4日接受了一个访谈，是在旧金山举行的Axios AI大会。和他对谈的人呢，是Axios的创始人和主编，叫Mike Allen。在这上面他讲到说，我们距离AGI还差一到两个类似于AlphaGo这样级别的突破，突破过去就可以了。

哈萨比斯：爽文男主般的开挂人生

哈萨比斯到底是一个什么样的人呢？绝对的爽文男主，挂b一样的存在。

从国际象棋神童到认知神经科学博士

哈萨比斯是一个英国人，Deepmind本身是一个英国公司，后来被谷歌收购的。他呢，76年在伦敦出生，这个姓氏是个希腊姓氏。他的父亲呢，是来自塞浦路斯的希腊裔，而他的母亲呢，是来自于新加坡的华裔。所以哈萨比斯呢，可以算是半个华人。

从小，这哥们是一个国际象棋神童。像这样的人，肯定都是有异于常人之处。4岁就开始下棋，13岁就达到了国际象棋大师水准。8岁就用自己的国际象棋奖金，给自己买了台电脑，开始学习编程了。

本科和硕士呢都是剑桥的，学的CS就是计算机科学，在校期间一直代表剑桥参加各种国际象棋比赛。博士呢是伦敦大学学院，专业方向是认知神经科学和神经科学。

从游戏制作人到AI先驱

工作，这哥们一开始做游戏的。先去加入了很著名的牛蛙工作室，这个牛蛙工作室呢，最著名的作品叫做《地下城守护者》。但是哈萨比斯当时进去的时候，应该还没有开发这个产品，牛蛙工作室最终是被EA给收购了。后来呢，他自己创建了一个工作室接着做游戏，叫做仙丹工作室。2004年出了一个游戏叫《邪恶天才》，是一个模拟经营游戏，就是一帮邪恶天才在一个小岛上做各种各样坏事的这样的一个游戏。只是呢，这个游戏并不怎么挣钱，这种超级天才做出来的游戏都未必能挣钱。

他呢就把工作室关掉了。后来呢，《邪恶天才》的IP被收购了，2021年《邪恶天才2》发布，但是呢，《邪恶天才2》就已经跟哈萨比斯没有什么关系了。

关闭这个游戏工作室之后，他就去创建了Deepmind。Deepmind主要还是游戏方向，他呢在里边去训练AI下围棋。这哥们是个国际象棋大师，但是呢开始训练AI下围棋，也就是AlphaGo这个东西就出来了。在这中间呢，还训练AI去打各种游戏，星际争霸呀，做一些其他这样的训练。

收购、AlphaFold与内部整合

2014年，Deepmind就被谷歌给收购了，6.5亿美金的价格。但是这个数字呢，并不是特别统一，很多的报道里的这个数字是有一些偏差的。有人说是4亿美金，也有人说是6.5亿美金，还有人说是4亿英镑。因为收购的时候，谷歌自己并没有公布价格，这些价格呢都是后续的报道里边去写的。

在谷歌收购以后呢，哈萨比斯在Deepmind里头又开发了叫AlphaFold这样的一个产品。这个产品是解决蛋白质折叠难题的。蛋白质实际上是这种超大分子，这些超大分子，我们算清楚有多少碳、多少氢、多少氧、还有氮，它并不是一个平面的结构，它是一个立体的结构，3D的。在这样的一个结构里头，它到底是怎么去排列和折叠的呢？原来大家是去预测呀、去猜呀，或者通过一些很复杂的设备去进行扫描，通过这样的方式去识别，成本是很高的。你要想去用蛋白质开发各种药品，你就必须要搞清楚它的3D架构空间，你搞不清楚，这事没法往前走。

哈萨比斯就去搞了AlphaFold，用AI去预测蛋白质的3D折叠空间到底是怎么回事。2020年呢，这个AlphaFold在蛋白质预测大赛中夺得头筹，比第二名强好几倍，这个事基本上就算解决了。现在只要是知道这个蛋白质的分子结构，这个AlphaFold的预测结果就极其准确。2024年，哈萨比斯依靠这个AlphaFold获得了诺贝尔化学奖，这哥们是个诺贝尔奖得主。

这还没完，他呢还在内部斗争中战胜了谷歌大脑。这是一个什么故事呢？谷歌内部一直是有两个AI部门的，一个是Deepmind，另外一个叫谷歌大脑，相互内斗，相互争夺资源。直到什么时候呢？直到ChatGPT出来，三年前谷歌拉响了红色警报，说不能再这样了，你们俩两家打来打去，这个不行了。那怎么办呢？最终是Deepmind合并了谷歌大脑，所以现在整个的谷歌AI是由Deepmind来去负责的，由哈萨比斯来去管理。

现在的Gemini 3使用的技术，大多都是原来谷歌大脑研究的方向：Transformer、大语言模型都是那边研究的。而Deepmind呢，原来在英国这帮人研究的呢，就是AlphaGo、AlphaZero（AlphaZero是AlphaGo之后的一个下棋的模型）以及各种可以自动玩游戏的AI产品，还有呢就是AlphaFold，做这个蛋白质分析的。

哈萨比斯除了是Deepmind的CEO之外，他自己还有一间专门做药的公司，专门用AlphaFold去做蛋白质研究，做各种新创新药的公司，他也是那个公司的创始人。所以哈萨比斯管理了整个的谷歌AI方向，以及谷歌Gemini这个产品化方向，都是归他管的。所以，爽文人生，绝对没有任何问题吧？

通往AGI之路：还差哪两个AlphaGo级别的突破？

哈萨比斯认为，我们距离AGI到底还差哪两个AlphaGo级别的突破呢？他自己做AlphaGo的，所以AlphaGo到他这儿变成了一个衡量单位，再出现两次AlphaGo这样的突破，我们就达到AGI了。

Gemini 3的惊人进展

他呢首先讲到Gemini 3，现在确实让人震惊，已经从文本专家变成了多模态理解系统了。他举了一个案例，说有一个电影叫《搏击俱乐部》，主角上去打斗之前把戒指摘下来了。他就去问这个Gemini，说这代表什么意思。它没有告诉你把戒指摘了就完了，而是告诉你说，这是主角抛开了身份、摆脱了规则的象征，是角色从现实到极端的转变。这个确实挺让人震惊的，这个Gemini 3模型有了自己的判断，不再只是迎合了。

到GPT这儿，你说你错了，它就会说“对不起，我错了”。到Gemini 3上，你说你错了，它会很耐心地给你解释，或者跟你去讨论这个事，是不会直接承认的。说Gemini 3的性格，叫“简洁，冷静，有自信，不讨好”。这个是哈萨比斯自己作为一个科学家，非常非常喜欢Gemini 3的一个地方。

而且Gemini 3呢，现在已经从生成内容，在向着打造产品的方向前进了。我们现在使用Gemini 3去做PPT，去做简单的应用原型，效果已经非常好了。它已经可以去执行一个比较简短的、连续的这种AI agent的工作了，这个是Gemini 3真正强的地方。

大模型当前面临的难题

哈萨比斯说了，现在的大模型还是有很多问题没法解决的。

1. 不具备持续学习的能力。很多人都在担心，说我跟大模型聊了半天，是不是大模型就拿聊天的结果回去做训练去了。其实有时候确实他干，但主要做的是什么呢？就是强化学习。因为我们跟Gemini聊天，他经常会出俩答案让你挑一个，你在挑选的时候呢，实际上就已经在开始帮助大模型进行训练了。但是搜索的结果、我生成的内容、我提出的问题，我让这些东西去进入到大模型里头去进行训练的话，这个是不行的。大模型必须要进行数据筛选，然后才能训练。日常的这些内容，你拿去训练大模型的话，大模型可能会越训越笨的，特别是很多互联网上的垃圾信息，你塞到大模型里去训练，根本就没有办法达到预期的效果。所以大模型是没有办法自己去找内容去训练的，还是需要人先去提出要求，然后去进行数据清洗、数据处理。现在都是由大模型根据原始数据，再去生成最后的预训练数据，然后才能再去训练。所以这个事情，还没有办法让大模型自己去干，这是第一个问题。
2. 无法执行长期的规划。虽然现在Gemini 3已经可以走一个一两个小时的规划，它还是能够走完的。但是你说我这有一个很多步骤，还是并行的，这种步骤需要去执行，执行完了以后需要连续执行几天、甚至几个月的这种任务，这个Gemini 3还搞不定。现在谁都搞不定这个事情。所以现在人去使用大模型，我们还需要自己去理解问题、自己去拆解问题，然后把这个拆解好的问题扔给大模型，而在对大模型的结果进行确认和验证之后，再把结果拼凑起来，让大模型去做下一步。它没有办法说你一开始给他个要求就做出来，“上帝说有光，于是就有了光”，这个事现在还做不到。
3. 智能体系统很不稳定。为什么它没法连续干下去？就是它可能干着干着就跑偏，而且跑偏的过程中呢，自己不知道跑偏。在这个过程中，就有可能会浪费大量的TOKEN和算力，最后呢得出一个完全不可用或者说有害的一个结果出来。这个是目前为止大模型无法避免的问题。
4. 缺乏跨对话的稳定记忆。现在大模型已经开始有记忆了，但是大量的记忆呢，还是在对话内的。而对话外的这种记忆，就是跨对话的记忆呢，它也不是说没有，像ChatGPT也好、Gemini也好，都是有一些跨对话记忆的。但是呢，这个记忆的空间都很小，你不可能说让他记很多的东西，然后跟你进行跨对话的去聊天。为什么呢？对于计算机来说吧，让它记住什么事是非常非常容易的，往硬盘里写不就记住了吗？但是让它忘掉是很难的。到底应该记住哪一部分、忘掉哪一部分，在下一次工作的时候我应该使用其中的哪部分去参与工作，这件事是非常难去抉择的。这就是大模型跨对话记忆的这个难点。所以他讲的，现在缺乏跨对话的稳定记忆，就是你让他记住可以，但是呢不一定下次就想起什么事来，可能他会找一个完全不相关的知识点，就参与到你这一次新的对话里去了。现在我们使用大模型的方式还是比较简单粗暴的，你发现讲着讲着驴唇不对马嘴了，怎么办？开始新话题，就是把原来的记忆都清干净。我们开始一个新的，甭管是Gemini也好，还是ChatGPT也好，它会有一些跟我们个人相关的这种个性化记忆。比如说我就告诉这个ChatGPT：“你记住了，我叫老范，我是个Youtuber，每天都要做什么事情。你要给我去总结信息，或者我要找你提问题，你要先去经过验证才能给我。”就这些玩意，我是可以让他记住的。但是如果你给他特别多的东西让他记，或者说我们在整个的聊天过程中让他把所有聊天内容都记下来，他就没法干活了。

两大关键突破点

这些问题关键的突破点是什么呢？咱们前头讲了两个关键突破点。

• 世界模型：让AI理解物理世界的运行规律，这个是非常重要的。Deepmind内部呢，有一个叫Genius模型（天才模型），这呢是一个世界模型，通过物理一致性和时间连贯性生成虚拟世界，最后输出视频的。大方向上呢，跟李飞飞的方向是比较接近的。但是Deepmind的这个模型，是更接近于游戏世界一点点。这个哈萨比斯，不愧是从游戏公司里出来的，人生的第一份工作都是对一个人有重要的作用的。
• 智能体系统：现在Gemini虽然也算是智能体，但是距离智能体系统还是有一些差距的。什么是智能体系统？就是从回答问题到完成任务。现在Gemini依然是在回答问题。他说未来呢，Gemini会嵌入眼镜、工作场景和工作流里面，能够记忆、推理或者是代办，不再只是回答问题，而是直接完成各种各样的任务。你让他做一个什么事的，切咔切咔给你做完了。可以自主规划、执行任务，并且根据结果调整的这种稳定的智能系统，这就是未来方向。

所以呢，两个AlphaGo级别的突破，一个是世界模型，第二个是智能体系统。

谷歌：科研领域的“怪物”

讲到这儿，要再跟大家啰嗦几句。其实大部分的科技公司，是无法想象谷歌的运作方式的，就像是大部分国家的人也无法想象中国是一个什么样的存在，是一样的。

中国的这种存在方式呢，联合国里边专门有一个效应，叫“中国效应”，就是各种统计的时候，一定要把中国排出去。为什么？因为你一旦把中国加上，所有统计数据就没有任何意义了。咱们举一个最简单的例子，吃西瓜。全世界的人都没法想象中国人到底一年吃多少西瓜，咱本身人就多，咱们一年大概吃全世界70%的西瓜。你把这个统计起来，全世界每个国家大家平均吃多少西瓜，你把中国算进去，这事没法算了。包括像什么发电、炼钢，只要是跟制造相关的，你就不能把中国搁里头统计，因为这个完完全全是另外一个维度了，它会让整个的统计结果完全失衡。中国属于是全产业链内卷，而且全产业链都产能过剩的一个国家。

谷歌呢，在科研上就有点像中国在产业链上的这个状态，很多方面呢都会尝试和探索。谷歌呢，具有非常高的人才密度、充足的科研经费，还有海量的数据，这个是缺一不可。而且呢，这些科研团队，他们的时间压力也不是很高，大家就自己按照自己的喜好去研究就行了。他们还在不断的收购新的、最前沿的公司，Deepmind就是买回来的嘛。

谷歌在AI领域里头，同时在探索强化学习（AlphaGo、AlphaZero这些产品）、认知架构、神经科学建模，以及Transformer大语言模型，这些都在研究。不是说我们觉得哪块有机会了，我就往这一个方向去研究。我记得特别清楚，我进入盛大网络参加入职培训的时候，他们就跟我讲说：“全世界只有一种游戏，这种游戏叫MMORPG，其他都不行。”后来我说那我们玩的其他游戏，他们说：“那些游戏不挣钱，我们不研究那个，我们只研究这一个最挣钱的。”这其实是大部分的公司的思考方式，我们既然已经证明了这玩意挣钱，其他的不挣钱，那咱就研究这就完了，特别很多中国公司是喜欢走这条路的。

但是谷歌不，它是所有的方向都要去试一试。而且很多方向呢，你都不知道什么时候能挣回钱来，他也要去试一试，比如说量子计算。前面咱们还专门讲过谷歌的量子计算是怎么回事。很多的这种科技成果，都没有办法给谷歌挣钱，也没有办法在谷歌内部取得成绩，很多人最终是离开了谷歌才创业成功的。现在的AI行业里头，创始人或者是创始的核心团队，大多都在谷歌混过。所以现在我们所看到的AI行业，或者叫AI革命，你基本上可以认为是一帮从谷歌出来的人在去折騰这个事情。

中国呢老说自己是“睡狮”，一旦被吵醒了会很吓人的。谷歌在科研领域里头，其实也是这么回事。拉一次红色警报，就有可能拎出像Gemini 3这样的大杀器出来吓唬人。现在Gemini 3火了，但是谷歌依然不会去收敛方向，照着唯一正确的方向前进，这不是谷歌的路子。谷歌的路子是什么？还是全面探索，严格追踪数据表现，保留多个可能性，并且不断验证。

普通公司能够解决当前的问题，预言一个未来的热门方向——大家注意，不热门他不去干，去一定是热门方向——他们才会愿意说我花一点精力、花点钱去折腾。像谷歌这个，都是这么多方向，哪块云彩下雨都不知道，到底什么时候做出来也不知道，就开始撒人、撒钱进去干活去了。在普通公司里头，能够去预言一个热门方向的，就已经算是很强的了。大量的都是别人做出来，特别是谷歌做出来，他在后边再接着跟着改。而且这些公司实在是搞不清楚什么是热门方向，或者热门方向搞不定怎么办？还有一条最简单的路：上谷歌挖人，或者直接从谷歌出来创业。这个就是普通公司跟谷歌之间的差异。所以谷歌呢，在科研领域里头完完全全就是一个怪物。

总结与展望

好，最后总结一下吧。谷歌Deepmind的CEO哈萨比斯，携Gemini 3成功之势参加了Axios AI大会，说再有一到两个AlphaGo级别的突破，就可以实现AGI了。这两个是什么呢？就是世界模型以及智能体系统。可能要5到10年，把这两个实现了以后，我们就达到AGI了。

本节目的特点，咱们八卦了一下哈萨比斯的开挂人生，也稍微介绍了一下谷歌这个绝对的科研领域的怪物。我们也希望谷歌，以及所在谷歌里头工作过的这些人，未来还会给我们带来更多的惊喜。

好，这个故事就讲到这里，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。

伊利尔·苏斯克维的专访：他到底说了些什么？

大家好，欢迎收听老范讲故事的YouTube频道。

伊列尔·苏斯克维，很多人说：“这哥们是谁？”就是和马斯克、山姆·奥特曼一起创建OpenAI那哥们。在2023年11月份，对山姆·奥特曼进行逼宫以后，休假了很长时间，然后从OpenAI离职的。这一位算是OpenAI的创始人吧，他离职了以后呢，自己闷头去做研究，好长时间没有他的声音了，现在突然出来接受了一次专访。

引言：AI界的科学家与当下的迷茫

首先要注意，这哥们不是一个工程师，他是一个科学家。工程师跟科学家之间还是有很大差异的。使用确定的技术、加大投入、获得可预期的结果，这是工程师干的活；研究不确定的方向，这是科学家干的事情。所以，他是一位科学家。

现在很多人都在讨论AI是不是有泡沫。现在距离走通“最后一步”还有一点点小的差距。到底什么叫“最后一步”？就是AI真正的落地，真正的开始改变很多东西，开始挣钱。这一步现在还是有一点点差距的。但是呢，很多人也在否认AI泡沫的存在。AI虽然没有走通最后一步，但是AI真的带来很多失业。“钱我没挣着，但是我真的把人的工作干掉了。”现在是大家都比较迷茫的一个时间点。

原来那些应该默默无闻做研究的科学家，就携带了巨大的光环跑出来说话了。本来这些科学家说的话呢，应该是在很小的圈子里边流传，但是现在大家看看李飞飞、杨乐坤，包括今天咱们讲的伊利尔说的这些话，也成为了大众讨论的话题。

核心观点一：科学研究与工程研发的转化

“科研现在需要相互转化了”，这就是这一次伊利尔访谈的一个核心观点。你说，科研科研不是一回事吗？不是，科学跟研究是两回事，它是分为“科学研究”和“工程研发”，它是两个不同的概念。

科学研究呢，是在发现方向。发现了方向以后，就可以堆钱、堆算力、堆数据，在各种行业里边进行测试，这个呢都叫工程研发。就像前面他们研究了半天，到底哪个算法是可以把这个大模型做出来的，最后发现Transformer算法是可以搞定的，发现方向了。到发现Transformer方法有效之前，都是在做科学研究。在Transformer出来以后，大家说：“咱们堆钱吧！”玩这个scaling law，就是直接往里头去堆算力、堆数据、堆这些东西了，这就开始玩工程研发了。这个都是确定的东西，我们只管往里堆钱就完了。

工程研发呢，有一个不可避免的问题，就是你万一站到了一个小山头上，朝任何一个方向走都是下坡。工程研发的时候，他也是会寻找更高的一个山头往上爬，但是你爬到一个最高的山头的时候，你就没法往前走了，因为你不知道应该往哪个方向走了。如果有一个离你很近的山头，你还可以去尝试的跳一跳；如果下一个山峰离你非常遥远的话，这个工程研发是没有办法去跨越鸿沟的。那么在这个时候就应该重新走回来，做科学研究了，重新去尝试那些现在不确定的方向。这就是这一次伊利尔访谈的一个核心观点。

所有的科学家最大的能力是不是科学？其实不是这样。所有的科学家，特别是成功的科学家，他们最大的能力是筹措经费和资金。特别是现在这个时间点，任何一项科学研究都是需要海量资金去堆砌的。现在已经不能说科学家坐在家里头，闭门造车多少年，最后研究出一个神奇的东西出来，现在已经过了那个时间点了。

核心观点二：大模型是典型的“小镇做题家”？

现在的大语言模型跟人比起来，是不是走错路了？这就是这一次伊利尔提出的一个核心观点。说现在的大语言模型呢，就像是典型的“小镇做题家”。当然，“小镇做题家”这个词是我加上去的，但是他描述的整个过程，他描述的所有的细节，就跟咱们这的“小镇做题家”非常非常相近。这些大模型呢，在各种的复杂评测上无往而不利，一个比一个分高，但是遇到了具体问题，甚至一些比较简单的环境，都直接抓瞎，搞不定。

在研究大模型的过程中，设立目标体系是必须的。我研究了半天大模型，我最后怎么评测的？你肯定要设一个体系。但是设完体系以后呢，刷题也是必须的。现在既然有高考、有考研、有考公，那我们就要不停地来刷这个题，让考生能够适应考试的过程。

中国的模型和Llama 4就是典型的失败案例，就是刷了太多的题，刷的分很高，但是你一使起来，发现完全不是那么回事。即使是现在大家普遍认为相对比较成功的案例，比如说Claude 4.5 Opus、或者是Gemini 3 Pro、GPT-5.1这些模型，也是在巨大的数据算力基础上达到的成果，到了实际工作中，依然会出各种各样的问题。虽然他们出的问题，可能要比刚才咱们讲的纯“小镇做题家”的中国很多的二线模型，以及前面翻了车的Llama 4要好很多——中国一线模型其实也还是基本能用的——但是依然不能放心地把复杂任务交给他们。

大模型与人类学习的巨大差异

而这个训练大模型呢，跟人类学习的过程是有巨大差异的。差在哪呢？

• 样本需求量：说人类只需要很少量的样本就可以学会东西。他举的例子是猫，你要想让大模型认识什么东西是猫，你恨不得你把全世界所有猫的图片、照片全都找出来让大模型去学习，他才能够认出来这是猫。而有时候还认错，把一个狗认成猫，或者把一个老虎认成猫，有时候还干这种事情。但是人的话，你让一个小孩只要看三五张照片，他就知道啥是猫了，然后他看到猫他就认识，换一个样的猫他也认识，黑的、白的、花的，他都认识。甚至你在这个时候画一个卡通的猫，他还是认识。人类只需要非常非常少的样本就可以学会什么是猫，而对于大模型来说，这个是完完全全无法做到的，至少用原来的这种Transformer的算法是没法搞定的。
• 判断依据：第二个问题是什么呢？就是人类是依赖情感进行判断的。“这个事情我觉得是对的，那个事情我觉得是错的。”而大模型是完全没有情感的，它是靠统计结果来去进行判断的。人类靠情感判断的情况下，我们可以在信息非常不充分的时候进行决策。而大模型真的是把全世界人类所产生的所有信息都塞进去，训练完了以后，你让他再去做判定，还是经常出各种笑话。其实我们日常生活中，有些人也是这样的，就是学了很多东西，但是情商为零，这些人他们也经常会闹各种各样的笑话。现在大模型也在干这个活。

所以伊利尔认为，沿着当前的scaling law继续低着头拉车已经走不通了，是时候应该抬起头来看看路了。这就是他现在提出的一个核心观点。

伊利尔的新方向：告别Scaling Law，拥抱新架构

那他现在具体的方向到底是什么呢？他认为应该去搞一个全新的架构了，而不是在原来Transformer架构上接着往前走了。他要训练一开始就具备情感判断能力的这种“价值函数”。你这个大模型上来以后，从最开始没有那么多数据堆进去的时候，你就可以进行情感判断了。

咱们人也是这样，从小咱们是一边学怎么做人，一边学各种知识，而且学做人是在前面的。“这个东西我能吃，那个东西我不能吃”，“这个东西是干净，那个东西是脏的”，“哪个东西是香的，哪个东西是臭的”，我们一开始是在学这些东西，然后才是学各种的知识，开始刷题、开始考试。而大模型是反过来的，他是把所有的这些该考的试都考完了以后，然后再去学哪个东西能干，哪个东西不能干，怎么能够让大模型变得更安全，怎么去对它进行对齐，它是正好反过来的。现在伊利尔说，咱们应该像人一样，先去学一些最基础的东西，学让他怎么进行情感判断，然后再往里堆知识，这个顺序不能搞错。

说只有这样呢，我们才能够训练出来一开始就有是非观念、就能够明辨是非的这样的大模型，而不是像现在大模型似的，先预训练完了以后，再想办法去强化学习各种的安全规则。而且呢，伊利尔希望未来的大模型是一些小的、内容很少的一些模型。咱们现在叫“大模型”吧，但是他认为未来的“超级智能”应该是一些小模型，他需要的时候可以快速地学会新的知识，而不是像我们现在这样，先把所有知识都塞进去，然后再去进行一些微调，你可以适应某一个特定的环境。

其实我们现在这些“小镇做题家”就是这样的。你去参加高考，那肯定是能够语数英、物理化学、史地生政，这些东西你都要学完了，都可以考到一个很高的分数，你才可以考上清华北大。而你在清华北大上完了多少年学以后，出来了进入到具体的工作岗位，再去进行岗前培训，再有人去带着你去实习，然后才可以进入工作。现在的大模型也是这样的一套工作方式。但是呢，伊利尔说我们别这么干，我们一开始让这个模型很小，他可以完完全全自己去学习，需要什么他就学什么就可以了。而且小模型的后边再去进行专项学习的时候，要比这个一开始就塞一脑袋知识要容易很多。所以现在的大模型真的是典型的“小镇做题家”。

离开OpenAI后，伊利尔在做什么？

伊利尔离开OpenAI之后，都干了点什么呢？这个可能是大家关心的事情。他呢，去创建了一个叫SSI的公司，叫Safe Superintelligence，叫“安全超级智能”。这个公司呢，说我们只干一件事，就是这名字这事，叫“安全超级智能”，不做任何周边的小产品，我们在根上搞。

• 2024年9月：首轮融资了10亿美金，当时的估值是50亿美金。他应该是在2023年11月参与了对山姆·奥特曼的逼宫，把山姆·奥特曼从CEO位置上赶下来，然后山姆·奥特曼很快就王者归来了。在那以后，伊利尔基本上就不露面了，他出去休假去了，休假了很长时间，大概到2024年八九月份，正式官宣离开了OpenAI。九月份马上就有人冲上来给钱，拿了10亿美金。
• 2025年3-4月：又融了20亿美金，当时的估值是300-320亿美金。因为呢，这种非上市公司嘛，融资了以后的很多报道和信息并不是那么准确。300-320有可能是投前估值300，投了20亿美金以后变成320了，大概是这样的一个情况。2025年三四月份的这一轮投资呢，Alphabet（也就是谷歌的母公司）以及Nvidia都参与投资了。

注意，这个SSI是一家正儿八经的公司。这话什么意思？他就没有再去学OpenAI那样，搞非盈利机构那套乱七八糟的幺蛾子，上来就是“我们老老实实就是一家公司，该挣钱挣钱，该分红分红”，没有乱七八糟别的东西。

2025年7月份，这公司呢，大概是有50个人，非常精悍的一家公司。公司呢，应该是在硅谷Palo Alto和以色列这两个地方都有办公地点。后来呢，还传出了跟谷歌TPU进行适配的传闻。因为这件事情呢，英伟达也是股东，谷歌也是股东，跟英伟达适配这件事根本不算新闻，大家上来都是拿英伟达的训练了。但是谷歌是需要这个招牌的，说：“我们给了钱了，你得出来给我站这个台，你跟TPU也进行了适配。”

前面呢，传出扎克伯格呢，曾经准备花300亿美金直接收购SSI，但是呢，被伊利尔给拒绝了。他的合伙人CEO叫Daniel Gross，被扎克伯格给挖走了。原来Daniel Gross作为CEO，伊利尔是CTO，现在这个Daniel Gross被挖走了以后，伊利尔亲自接了CEO的位置，统合这个公司继续往前走。目前呢，还没有发布任何的成果。科学研究呢，本身就没有那么容易，所以大家也不要着急。

未来展望：为什么是现在？

那么为什么现在跑出来讲话呢？不知道是不是手里头的钱花的差不多了，又要出来融资了。

那你说他讲了这些东西，未来会怎么样呢？是不是scaling law就到头了呢？是不是真的我们需要重新去做研发，重新去找方向了呢？我觉得现在是一个非常情绪化的节点。到底是不是泡沫？这个估值能不能继续走下去？AI到底怎么落地？AI落地的过程中，到底有多少人要失业？现在这个节点非常非常的情绪化。

从美国也好，像中国也好，从全球也好，大家都觉得现在这个股市、现在整个的经济环境都很妖孽。什么意思呢？就是大家在失业，生意不好做，但是呢，股市飞涨。这样的一个很妖孽的时间点，所有人都是抱着巨大的情绪在里边，所以稍微有点风吹草动，最头部的这些公司，他们的股票就会上蹿下跳。

这个时候科学家们出来讲话，甭管是李飞飞、杨乐坤还是伊利尔，他们出来讲话的话，如果能够引起关注，如果他们能够能搞到钱，那么这件事情绝对利好的是谁？绝对利好的是英伟达。为什么呢？因为他们需要进行各种不同方向的尝试了，而在这个时候，必然是需要使用英伟达的算力卡的。那你说谷歌TPU不行吗？SSI不是已经跟TPU适配了吗？大家要注意，谷歌的TPU以及博通所做出来的其他的ASIC芯片，都是专门为Transformer算法设计的，这种“小镇做题家”专用文具，你让这些ASIC芯片换一种其他算法，就不灵了。只有英伟达自己家的算力卡，才有可能应对不同的玩法。

科学家们现在呢，肯定是要趁着热乎劲，AI现在正是风口浪尖上，抓紧忽悠钱，储备弹药准备过冬。如果你在这个时候再不忽悠，一旦泡沫真破了，这个时候科学家说“我想再整点钱，我要再去储备一些弹药，未来想接着往前走”，那就不好忽悠了。所以只有现在是最好忽悠钱的时候，或者说是最好忽悠钱的最后几分钟了。

对普通人意味着什么？

未来方向到底是什么，其实跟普通人关系并不大，咱们吃瓜就可以了。一个完善的科研制度，就是包括科学研究和工程研发的制度，是需要为这些科学研究提供足够的资源的，否则很容易陷入死胡同。中国其实现在就是更多地愿意把钱扔在工程研发上。那你说我们为什么没有陷入死胡同呢？人家美国人找到新方向，我们跟着走就完了，我们并不是站在最前面的那个人。这玩意就跟咱们开车似的，如果你是跟着别人开车，红灯咱们就都停下来，绿灯咱就跟着走，是比较容易的。但是你一旦站在这个车道的第一个了，这个时候就会比较难搞了。

看到李飞飞、伊利尔这些科学家可以有足够的资金去尝试新方向，也让我们对AI的未来更有信心。他们的研究成果最终还是会被谷歌、OpenAI、xAI这些巨头所使用。这些人最后自己成为CEO，自己成为商业领袖，支撑起一个巨大的跨国公司来，可能性基本上是零，但是他们做的研究还是非常有价值的。

总结

最后总结一下吧。近期呢，其实不光是伊利尔，各大AI公司的老大、AI领域的科学家，都在频繁地出来亮相发声。原因就是现在是非常时期，就会“妖孽横行”（咱们开个玩笑）。这个是非常时期，后面的局势呢很不明朗。也许跨过了门槛，AI技术大规模的应用和落地就会到来；也许泡沫破灭，大家需要过冬。我觉得即使泡沫破裂了，也不用担心，有可能我们只需要再忍几个月，AI就真的可以落地了。但是中间这几个月的日子会很难过。

在这样的一个时间点上，AI公司的人就要出来摇旗呐喊：“这个里头没有泡沫，我们走的好着呢！”科学家们也要出来喊，说：“我这还有一些新的方向，赶快给我钱呀！”正热乎的时候，你们给我钱，可以分散一些弹药，万一那条路不通，我这还有新的尝试呢。

至于我们这些普通人呢，搬小板凳吃好瓜就行了。千万不要“这个是对的，那个是错的”，这个离我们还是稍微有些遥远。虽然马斯克也好，黄仁勋也好，伊利尔，包括前面的李飞飞、杨乐坤这些人，他们讲的东西我们觉得我们好像听懂了，看个热闹足够了。

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。

大家好，欢迎收听老范讲故事的YouTube频道。今天呢，咱们来讲一下OpenAI在10月28日最新出炉的新架构。

OpenAI的新架构：告别非营利，拥抱上市

它真的是已经改制成功了，已经不再是被非营利组织控制的一个很奇怪的架构了，可以去上市了。OpenAI的非营利组织呢，成为了新的公益性盈利公司的股东，这个非营利组织叫做OpenAI基金会，占这个OpenAI的公益性盈利公司的26%的股份，挣了钱你拿去分。OpenAI的这个公益性盈利公司呢，就可以开开心心的去挣钱了，不再受非营利组织的控制了。

什么是公益性盈利公司？

什么是公益性盈利公司呢？就等于我一边可以盈利，另外一边呢，我要兼顾公益，稍微有点纠结的一个公司。像我们比较熟知的Anthropic，就是一个公益性盈利公司。另外一个比较有名的呢是XAI，它在注册的时候是公益性盈利公司，但是后来放弃了。2024年说：“我们不玩了，我们就老老实实当公司了。”为什么整了这么个事呢？因为后边他要去收购X，XAI把X收购了，那就是老老实实当一个公司就完事了。公益性盈利公司是可以上市的，这个非常非常重要。

独特的治理结构：基金会的绝对控制权

现在换完了以后，是不是非营利组织就像是他拿到的股权一样，只有26%的投票权呢？不是这样的。虽然他占股是26%，但是非营利组织有权任命这个公益性盈利公司的全部董事会的董事，它跟其他的公司还是不一样的。所以在最新的OpenAI的可以上市的这个主体里头，微软、软银、英伟达，包括山姆奥特曼都是没有董事席位的，所有的董事通通都是由这个OpenAI基金会来任命的。其他的这种正常的公司，大家都是按照各自的股份比例来去分，我占5%是不是进董事会，或者咱们开个股东大会，咱们来选董事吧？很多上市公司用的是这样的一个方式来生成董事会的，但是它这个呢不一样的，它是由非营利组织直接任命的董事，这个是差异很大的。

5000亿估值与股权分配

现在呢，新的这个机构是估值接近是5,000亿美金。5,000亿美金里头呢，员工跟其他的这些投资机构一共占股47%，它的非营利组织占26%，微软占27%，基本上是这样的一个架构下来。那你说这个里边山姆奥特曼，他在公益性盈利公司里不占股份，那他这CEO怎么办呢？他的CEO职位是由上面这个基金会直接任命的。正常情况下这个CEO应该是怎么产生的？是由董事会来决定的。但是呢，在它这个架构里头，整个董事会都是由上面这个OpenAI基金会来去确认的。

软银的对赌：225亿美元的及时雨

10月28号最新出炉的架构公布出来以后，他就解决了一个对赌，就是对赌又成功了。所有跟赌相关的事呢，一定是有成的有不成的。他完成了一个什么样的对赌？就是软银说，我要再给你225亿美金的投资，但是我们有一个对赌条件，就是你必须要能够上市，要把这个架构搞定。而且软银还很仗义，按正常情况下，应该是你对赌完成了，我才开始付钱。但是软银说：“我先给你付钱吧，我看这钱好像也比较紧张了。”他呢，10月25号就开始付钱了。但是这种钱，不会说我把225亿一把全打进去的，就是我承诺225亿，我先打一部分进来。至于打了多少呢，我没看到具体的数字，但肯定是已经开始打了。28号说：“我们把这事搞定了”，对赌完成了，后边这225亿剩下的钱就可以顺畅的进来，不会有任何问题。OpenAI呢，作为一个巨大的吞金兽，真的是吞金兽，没有这些现金的支撑的话，是肯定没有办法玩下去的。

关于其他大股东

你说还有一个大股东怎么没提呢？英伟达的1,000亿美金，这算多少股份？这个没法确认。英伟达这1,000亿美金呢，是要等着OpenAI去提货，提100亿美金的算力卡出来，然后呢，我在这1,000亿美金里头记个账，100亿提走了，然后看一下OpenAI的估值多少，或者是市值多少。你如果上市了就是市值，没上市就是估值，然后呢，我把这100亿算成你的股份。所以它这个股份到底最后算成多少是没法算的，我们就不在这去讲它了。

马斯克的诉讼：未完待续的私人恩怨

那你说马斯克消停了没？马斯克那诉讼完了没有？马斯克一直在说，说我应该在里边占一半，我前期投资的，我起的名字，我找的人，我给了他们的想法，我教会了他们要做什么。那现在他们把一个非盈利公司变成了一个公司，背离了我的初衷，那我要起诉他。现在这事还没完，还在这折腾呢。但是呢，现在普遍把这件事情看成是马斯克跟山姆奥特曼之间的一些私人恩怨，所以呢并没有影响公司的改制，公司还是算改制成功了。山姆奥特曼呢也在说：“咱能和解不？”但是和解这个事呢，没有那么容易了，看最后怎么个和解法吧，反正一步一步在往前走了。

微软的角色：痛并快乐着的“最大赢家”

微软呢，已经开始为OpenAI这件事呢，在财报上记录亏损了。刚才我们讲到它是吞金兽嘛，微软是投了130亿美金进去，已经到账了110多亿。而且微软这个钱呢，它好多就压根不是现金，也是一小账本，OpenAI上微软云上要算力来了，给你记一个账，“你又支走了10亿美金的算力”，它是这么来使的。130亿美金的投资，现在已经值多少钱了？已经值1,300多亿美金了，已经涨10倍了。但是呢，你微软不能把这玩意录成利润，OpenAI亏损的这个钱，你要把它录成亏损，它是这样来去记录的。所以呢，对于微软来说呢，也是痛并快乐着吧。

财报中的亏损记录

现在呢，他记录了多少亏损呢？是三个季度录得了31亿美金的亏损，第三季度的话应该是11-12亿美金吧。按照微软在OpenAI里头占27%的股份来算的话，OpenAI一年大概能亏个100多亿美金，还是很吓人的一个数，就是他挣的钱永远没有亏的钱多。投资占比19.9%，它亏了赚了，是不需要把它披露在财报里的，不叫重大影响。但是你占27%，你就必须把它披露在财报里头，算重大影响，OpenAI亏了钱，你也得算自己亏了。所以微软每一个季度录得了11-12亿美金的亏损。但是微软每个季度大概挣200多亿美金，所以这点亏损对于他来说不算什么大事。而且这样的亏损你记在账面上，以后微软的股票会涨的，因为微软在这个上面赚便宜赚大了。

微软如何“赚大了”？

你说怎么赚便宜赚大了呢？你说我光是说我投了130亿，现在值1,300亿了吗？你说一个没上市公司，你说你值5,000亿，你就值5,000亿吗？这个事不能这么算。但是我们要看一个其他的数字：OpenAI的营收20%是要交给微软的。甭管你赚多少钱、亏多少钱，你只要收到手了，你就要把20%交给我。这个是微软一直在收的，而且一直会收到2032年，后面还有七年，这个钱会一直收下去。这个对于OpenAI来说，是一个非常沉重的包袱。原来呢，这个钱是要收到2030年，或者收到AGI实现。现在说：“我们谈一谈，收到2032年吧”，多收两年。待会咱们再讲，为什么会多出两年来。

然后呢，GPT的无状态API独家授权。你想使用GPT的API，你就老老实实的上微软云上去用去就可以了。你说我一定要在谷歌云上，或者亚马逊云上，去用这个GPT的API行不行？没问题，也能用，但是你调用的API是在微软云上调用的。那差异在哪呢？就是慢。你一定是在微软云上调用GPT的这些API，速度才是最快的，因为在一个机房里头。

那你说这个什么叫无状态的API呢？就是每一次我调用的时候呢，是没有前后文的。我不知道你上次说了什么，我也不知道你是谁，你每一次调用的时候，你都需要告诉我：“我是谁，咱们上面说到哪了”，然后我们现在开始来干活，这个东西叫无状态的API。所以呢，它的所有的这种用户具体的隐私信息、上下文，它是抽离的，你可以把这些东西放在谷歌云上、放在亚马逊云上、放在其他地方都没问题，但是无状态的API就是在微软云上独家的。这个独家API的授权，现在呢也是延长两年，从2030年一直延长到2032年。而且这个价值，我们直接从微软云的快速业务增长上就可以看出来。你现在谁家的这个财报挣了钱了、亏了钱了，没那么重要，你看你到底哪挣的、哪亏了。我广告收入挣钱了，这不叫事，人家不会让你的市值往上涨的。那你说我云计算赚钱了，云计算增长的很快，这一块它会往上涨的，这个是AI时代里最大的这种差异。所以微软云就是靠GPT的独家的API授权得到了长足的发展，这块是非常非常强的。

那微软挣的另外一笔钱，也是很大的一个大头是什么呢？就是微软使用GPT的大模型，因为在他自己家的云上嘛，是不需要付版权费的。这个就赚大了。你正常情况下，虽然这些东西是在微软云上，但是它是属于OpenAI的，应该是给OpenAI的钱，OpenAI拿到这个钱以后呢，再去付微软云计算的这个钱，它应该是这样的一个正常运转方式。但微软说：“反正都是在我家，你就别数了，我也不告诉你我用了多少”，这个它就不用付钱了。所以呢，微软自己用GPT的这些大模型，它只需要付自己云计算的算力成本就完了。所以这个微软还是赚大发了。这个协议也是延长到2032年。

利益的交换

为什么会有延长呢？我们以前做这种投资谈判，或者说这种股权架构谈判的时候，有非常非常多的细节。甭管是有价的还是无价的，可计量和不可计量的这些利益呢，会相互之间转换。比如说我白用你的API，我白用你的版权，这个东西你说到底换算多少钱，你其实算不清楚。因为office里头是有pilot的这些功能的，所以呢，它跟谷歌的workspace去竞争的时候，它有优势，它用户量上去了，而且大家去订阅office套餐的时候，会去订阅更高级的套餐，因为有AI这个套餐嘛。这个里头到底有多少钱是由OpenAI挣走了，这个事其实你算不清楚。而这个里头，高级套餐订阅里头，有多少钱是OpenAI的，这还能算。但是你说我获得了竞争优势，这玩意你咋算？你算不明白。包括独家API这个权利，我通过这个独家的API，在云计算竞争里头，我跟谷歌、跟亚马逊竞争，我赢了，那这个里头你到底算多少钱？你也算不清楚。

所以这些里头，可计量和不可计量的利益一定是进行转换了。那么换了是什么呢？就是微软同意了，把OpenAI的非营利组织这个架构给它脱掉吧。微软前头最早期先投了10亿美金，后来投了100亿美金，最后承诺投到130亿美金。他后面这个独家就没有了，原来微软在里头占49%，但是只占到了27%，那肯定微软说我亏了，你就要在其他地方给我补回来。补回来的呢就是这个东西，就是多两年。

悬而未决的“AGI条款”

当然了，微软在这里头还有一个坑是什么呢？就是AGI。咱们前头讲过，什么时候OpenAI宣布AGI实现了，微软这些条款就要截止。原来很多人都猜，微软在这一次里头会把这条条款删掉，但是这个条款还在里头。所以呢，这个条款肯定对于山姆奥特曼来说是非常非常重要的，他肯定还要再拿这个条款继续去跟微软博弈。也许下一次再有一个大的融资，或者我的组织架构再发生什么变化的时候，这个条款就没了，但是这个条款失去了以后，还能再换点别的回来。

至于怎么算AGI这件事呢，微软的CEO纳蒂亚已经说了，说现在AGI已经没有什么意义了，因为对于不同的人来说，AGI有不同的标准。现在呢，应该是微软跟OpenAI之间呢，要去做一个这样的审核小组，一旦OpenAI觉得这个东西叫AGI了，大家就来开会，来审核一下这东西算不算。因为一旦算成AGI了，刚才咱们讲独家的这个授权、免版权费、20%收入直接上交微软，这些东西就全都终止了。所以这个事对于微软来说还是很疼很疼的，现在还可以拿捏住它。

OpenAI你说我自己还建一大堆机房呢，都给微软独家授权了，为什么自己还建？特别到Oracle那建这玩意去。现在呢，GPT5、GPT6这些，在AGI实现之前，或者2032年之前，都只能在微软云上。Sora或者是agent，或者是Codex，其他的这些，你可以自己外上外边用去，这个微软是不管你的。在这一点上呢，我觉得微软已经让步了一部分。微软原来在Sora 1出来的时候：“你这个东西我也要，你也得独家给我用。”现在Sora 2出来，微软说：“你可以拿出去玩去了，我不管你了。”但是呢，我把GPT的这个延长两年，是这样来算的。

OpenAI上市之日，就是AI泡沫破裂之时？

下一件事，OpenAI上市之时，就是AI泡沫破裂之日，这是咱们的标题。为什么会讲这个话呢？大家看看OpenAI挣了多少钱。前面我们讲了，OpenAI是一个吞金兽。

增长乏力的营收

今年上半年收入43亿美金，43亿美金其实不少了，但是它有一个问题是什么呢？增长很慢。今年上半年跟去年上半年同期比较的话，只增长了16%。对于一家这么新兴的企业来说，这个增长真的不算快，这个是非常非常危险的一个数据。每年增长现在还是两位数，但是它第一位是1。互联网公司同比增长百分之十几，这样的一个增长率，股价都是要下跌的。你作为一个还没上市的AI企业，最新兴的当红炸子鸡，年同比收益率增长只有百分之十几，稍微有点说不过去。

预计今年收入是130亿美金，但这一块呢是别人给他预测的，因为前面已经过了三个季度了吗，还有第四个季度，所以大家觉得你可能今年130亿美金。山姆奥特曼呢出来辟谣了，说：“胡说八道，我们挣的比他多的多。”但是具体挣了多少呢，他也没说。但是我觉得再多呢，他应该也挣不到200亿美金。

巨额亏损与万亿承诺

那你说我们管他叫吞金兽，他到底亏了多少钱呢？上半年光研发支出67亿美金，就是我去雇工程师，这一块支出是67亿美金，其他什么算力、投资支出，这些还没算在里头。所以呢，他前面三个季度应该是已经亏了100多亿美金了。就是说我挣了一百几十亿美金，花了200多亿美金，最后我是亏了100多亿美金。这个事儿也不是不行，还可以，但是现在问题在哪呢？就是OpenAI自己签署了一大堆的这种协议，说我要上OpenAI购买算例，我要到星际之门买算例，我要去谁谁家去定制芯片去，我要到这个英伟达去买芯片，他签了一大堆这东西。2025年预期收入130亿美金，现在英伟达已经跟人签的协议，不是口头的，是签了协议的，1.4万亿美金，100倍还多一些，非常非常恐怖的一个数字。

但前面的OpenAI自己不上市无所谓，别人就拿着OpenAI的协议，我就去股市上吹牛了，然后股票我就涨了。比如Oracle拿了一个几千亿的OpenAI的算力租赁合同，我的股票“蹭”就涨了，还把这个拉里·埃里森短暂地涨成了世界首富。那以后OpenAI自己也是要上市的呀，那你上市了以后，这个数字你是要对齐的呀，你自己的财报都是要公示的。前面Oracle也好，英伟达也好，AMD也好，都可以在自己的财报上去披露，说我从这个OpenAI这拿到了多少订单，这些东西它的股价都涨了。最后OpenAI也上市了，说来看看后边的财报，我们准备什么时候来兑现这些交易。你没法兑现。你现在一年挣100多亿，你这1.4万亿你咋兑现？你根本没法整。而且刚才我们讲了，他这个最大的问题不是挣得少，最大的问题是长得慢。按照现在这个一年涨百分之十几这个速度涨下去，你就算涨到2030年，我估计也就是个几千亿美金，你上不了万亿美金。

2027年上市计划与现金储备

目前呢，OpenAI计划是2027年上市。为什么是后年上市呢？就刚才咱们讲了，OpenAI挣了多少钱、亏了多少钱，有好多亏的钱呢，其实也不是现金。比如说我从微软那划了这个算力过来了，或者说我上英伟达那去划了显卡过来了，或者我上AMD那去划了算力卡回来了，这些钱都没跑。包括他的研发支出，那你说研发支出肯定是现金？不对，研发支出我还可以给股票呢。5,000亿美金的OpenAI的公司里头，有47%是员工持股，所以它好多东西并不是钱。

目前OpenAI手里头还有多少现金呢？现金才是最重要的。还有175亿美金的现金，按照当前的速度，还够他玩一年多的。再加上软银的225亿马上就可以给进来了，应该还够他玩到2027年。但是呢，这是当前的速度，以OpenAI这个折腾劲儿，他花钱的速度长得要比他挣钱的速度快。所以呢，他手里这个现金到底能玩到什么时候，其实不好说的。他这个175亿，是6月30号报告的现金储备，现在应该已经没剩这么多了。所以软银10月25号赶快先给他紧急打一点进来，他后边这个对赌条件没完成的，先打一点进来。所以现在到底手里还剩多少现金不好说。

不管怎么说，就是你手里的现金也好，你的收入也好，你的亏损也好，就所有这些数字，你跟1.4万亿比起来，它是不成比例的。如果你说我在2030年，或者在一个什么样的时间点上，我能够把这个1.4万亿前面承诺的这些协议都给它实现，都给它完成了，那你的增长率怎么着得百分之四五十，或者更高一些才有可能。或者说我可能要增长率到三位数，才有可能能够实现这些交易。但是目前来看呢，还是稍微的有一点点小难度的。所以资产也好，估值也好，应收应付也好，或者是我招了人以后给人许愿股票、给人发期权也好，这个都是假的。什么玩意是真的？现金是真的。OpenAI自己计算着，到2027年这个现金就有点捉襟见肘了，所以要去上市。上市会有带来什么东西？就是又有一笔现金进来。现金进来以后，他又可以去玩耍一段时间。

4万亿美金的上市野望

那你说OpenAI上市大概值多少钱呢？现在都5,000亿了，到2027年上市会值多少钱？这个没有公开的说法。但是呢，最近山姆奥特曼跟微软的CEO参加了一个访谈，在这个访谈上呢，山姆奥特曼其实漏了一个口风，他说：“我希望微软投给我这100多亿美金，最后能够挣到1万亿美金。”那你想想，微软占27%，如果这27%值1万亿美金的话，那OpenAI至少应该值4万亿美金。不对，你会算数吗老范？他应该不到4万亿，应该乘三点几。后边人家还融资呢，每一次融资，微软占股的比例会被稀释了。所以等到它上市的时候，微软应该没有27%的股份。如果微软在OpenAI上市的时候能够挣回1万亿美金的话，那OpenAI大概妥妥的是4万亿美金以上的位置。现在4万亿美金以上的公司，就是英伟达5万亿，苹果大概有时候能到4万亿，其他都没了。所以等到2027年的时候，OpenAI都4万亿美金上市去了，美股七姐妹到那个时候得是一个什么样的体量，大家可以这个大胆的想象一下。

对于任何一个股市来说，有一家4万亿美金的公司跑到我这来IPO，都会难产的，你这个流动性一下就会被吸干净的。记得2014年猎豹移动去纽交所上市的时候，我们就很害怕，因为我们知道那一年阿里要在那上市，阿里大概是2,000亿还是几千亿美金要在纽交所上市。后来我们说不行，一定要在他前头上。因为一旦阿里上市了以后，他会给整个的纽交所带来巨大的流动性的问题。并不是说纽交所拿不出这个钱来，而是什么呢？就是愿意往中概股里投的钱其实没有那么多，我们都站在一个池子里头，这都算是中概股，所以一定要在那之前上去。你想4万亿，这个是一个什么概念？我相信它到4万亿上市的时候，应该也是在现在美股七姐妹里头站的很高的一个位置。反正有点想象不清楚了，这个数有点太大了。

OpenAI的1.4万亿消费订单，现在已经开始在一些公司财报中显现了，最后到底怎么兑现还不好说。如果无法兑现的话，这个泡沫就会破。所以这就是咱们的标题：OpenAI上市之日，可能就是AI泡沫破灭之时。

比尔盖茨的观点：互联网式的泡沫

那你说这个都泡沫了，未来还行吗？比尔盖茨最近说了一个话，说泡沫分两种，第一种是荷兰郁金香那种，第二种是互联网这种。差异在哪呢？荷兰郁金香最后是一地鸡毛，啥也没剩下。而互联网泡沫破了以后，虽然有很多公司倒闭了，但是伟大的公司从废墟中站起来了，这就是差异。他认为AI现在是有泡沫存在的，但它是一个互联网那样的泡沫，可能很多公司都会死，都会亏损，会有大量的裁员，很多人会过得很难受，但是会有伟大的公司从废墟中站起来的。我也比较认可这种看法吧，所以崩盘的过程中会有人倒下，但是伟大的公司，比如像OpenAI这类公司就会站起来。微软作为OpenAI最大的股东，肯定也是里子和面子都可以挣得回来。所以比尔盖茨现在出来说这个话是没有任何问题的。

总结

最后咱们总结一下，OpenAI终于完成了组织架构的调整，不再是非营利组织了，可以名正言顺的挣钱去上市去了。在AI这个领域里头，到底有没有泡沫这个事呢，其实不需要讨论，而且泡沫最后一定会破。最后到底是谁被泡沫埋葬，谁会浴火重生，才是真正大家需要关注的重点。

好，这就是咱们今天要讲的故事，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。

大家好，
欢迎收听老范讲故事的YouTube频道。
今天咱们来讲一讲GPT-5发布了，到底是又一次划时代的革命，还是开始挤牙膏了呢？

8月8号凌晨开的发布会，我呢看了一眼就去睡觉了，实在是没有功夫把它都看完。北京时间凌晨1点开始发，我今天看了一下回放，大概是一个小时十几分钟吧，但是我并没有特别耐心地把它们都看完。

GPT-5到底有什么不一样的呢？

首先，这一次的发布会跟OpenAI以前的发布会，有一些巨大的差异。第一点大家有没有注意到，就是这次发布以后呢，没有出现服务器拥挤宕机的情况。以前甭管是Sora呀，还是GPT-4o这些产品发布的时候，紧随而来的都是OpenAI的服务器拥堵宕机。这次没有，第一时间就可用，免费版也可以使用，速度还挺快的。我自己反而感觉速度还可以，应该呢是进行了一些实时的算力分配，简单的问题就没必要消耗那么多的算力。原来呢，大家都是要尽可能用最大的模型，你哪怕问一个“你好，今天天气不错”，他也得把那个最大的模型跑起来。现在的话应该就不需要干这个事了，他发现你去问“你好，你是谁，你到底是哪个版本”的时候，他可能做一些很简单的回复，消耗的算力就比较小。这是第一个比较大的差异。

第二个比较大的差异是什么呢？这一次没有哀嚎一片。原来OpenAI每次开发布会以后，通常都是哀嚎一片：“完了，我们创业白创了，做的事情被OpenAI覆盖了，创业公司天塌了。”这次还好。那这个是不是代表着OpenAI就开始挤牙膏了呢？还是说恰恰是一个新时代的开始呢？服务器也没崩，说明他肯定是有一些算法的优化在里头，但是是不是大家也没什么兴趣？另外一方面，没有哀嚎一片，是不是他也没做出什么东西来呢？咱们要去看一看这个问题。

除了GPT-5发布之外，还有一个很重要的新闻是什么？说马斯克在那说风凉话，有人在那尬吹，有人在那开骂了。跑分呢，其实是必不可少的。GPT-5这样的东西出来以后，必然要跑分，但是现在大家对于跑分也没有那么重视了，因为跑分好的这个模型其实未必好使。在这个里头有两项跑分呢，没有跑过Grok-4，就是马斯克自己的模型。马斯克就出来发了一个X，说“Grok-4 Beats GPT-5 on ARC-AGI”，在这个测试里头我们把它打败了。

ARC-AGI是一个什么样的测试呢？它呢是常识推理和复杂问题解决能力的一个测试。模型呢找到类似于大学入学考试难度的问题，让AI在有限信息里头进行推理，得出答案。就是做这个测试的时候呢，是不可以联网的，不可以调用工具，必须是使用模型本身的能力去做测试。它呢偏向于测模型的思考能力，而不是背诵搜索信息的本事，对于AI的生成推理挑战更高一点点。在这个里头呢，GPT-5是怎么输给Grok-4的呢？GPT-5呢使用的是GPT-5 BASE模型，它的正确率是9.9%，而Grok-4呢使用的是Grok-4 thinking模型，就是思考模型，它的正确率呢是15.9%，足足高了6个百分点。

但是大家注意了没有，这里头好像有些细节不对。GPT-5使用的是base基础模型，而Grok-4呢使用的是思考模型，thinking模型。那你说如果GPT-5使用thinking模型，或者是thinking Pro的这个模式，是不是能够反超呢？这个不知道。为什么呢？thinking模式肯定要比这个base模式消耗更多的算力和TOKEN，它有更高的正确率，它是合理的。马斯克是不是作弊了？也不能这么算。为什么呢？因为他这个测试的要求呢，是不可以调用外部工具，要依赖自身的能力完成测试。对于是不是要使用thinking模式，或者是不是要进行多步推导呢，这个测试本身并没有要求。你愿意一步到位，还是愿意多步思考，这些都没毛病。那你说是不是GPT-5高风亮节一下，我就测一下base模式一步生成？也没那么夸张。这个原因其实挺简单的：GPT-5的thinking模式和thinking Pro的这个模式，默认是要调用外部工具解决问题的，关不掉。所以它只能用base模式来参加这个测试，如果用了thinking，你就调用外部工具就作弊了。Grok-4呢，它是可以在不调用外部工具的情况下进行推理的，所以呢Grok-4它也没有作弊。但是要注意一点，你不调用工具直接去thinking，直接去进行推理的话，在现实工作中意义不是很大，就是我们完全靠模型自己的能力去推理，现实工作中一般不干这个事。

那么这是一项。另外一项Grok-4比GPT-5高的测试是“最终人类测试”。在这个里头呢，GPT-5 Pro，也就是最强的这个版本，答对了42%的题目；而Grok-4 heavy，也是最强的版本，答对了44.4%的这种题目。这个呢就没什么好说的，火力全开，都是用的最大的模型，工具链武装到牙齿，不计成本的情况下，Grok-4呢还是要稍微高出一点点，高2.4%的一个这样的一个比例。所以呢，在一些特别难的情况下，或者说进行深度思考的时候，Grok-4做的还不错。

那GPT-5到底更新了点什么东西呢？

第一个，统一大模型，不再需要选来选去的了。原来我们需要选GPT-4、GPT-4o、GPT-3…一大堆的东西我们要选，选完了以后还要进去选，说你是给我画画，你还是给我做其他事情，你要去选半天。现在呢就不需要了，你从统一入口就进来就可以了。当然了，它可以选择GPT-5和GPT-5 thinking，或者是GPT-5 thinking Pro。当然Pro呢，你必须要200美金的账号才可以选。但是你说，哎，我就选GPT-5了，我也没有去点击thinking，没有强制他使用thinking，这个没问题，该思考的时候他就会进入思考模式。而且呢，他发现你在跟GPT-5聊天的时候，进入思考模式是不计次数的。不计次数什么意思？待会收费的时候去详细讲这个东西。Pro版本，你没有200美金的这个账号，你就别用了，跟我这种Plus用户关系不大。通过API调用的时候呢，并没有一个模型叫Pro，通过API调用的时候就是GPT-5、GPT-5 mini、GPT-5 Nano这样的几个模型，然后自己选择消耗多少thinking的TOKEN就可以了。你进去的时候，你去选说我现在是深度思考一下，还是简单想一想，还是说拍脑袋就来，你自己去设计好。

GPT-5的上下文是256K，比Gemini还是短。Gemini 2.5 Pro的上下文是一兆，就是100万TOKEN，要比它大四倍，还是很强的。但是呢，也别羡慕这东西。当你向GPT里头去输上下文的时候，少于200K是一个价格，超过200K是另外一个价格，输的多以后要单独加钱的。

现在呢，GPT-5也不再区分各种功能、工具、任务，都不再管了。虽然有选择的地方，你还可以选说我现在是不是到canvas里头去做一些后期的编辑，还是说给我画画。但是呢，如果在聊天上下文里头，你直接告诉他“给我画画去，给我去做什么编辑”，它就直接过去了，你不需要再单独靠菜单去选择这个事情。

生成代码极其强大。这个事呢怎么说呢，我今天试了试，我觉得它生成代码还是有待提高的，特别是有的时候代码的格式、缩进什么的还有点小错误。现在呢，Anthropic的Claude一直是程序员最爱的模型。这里的话，OpenAI也做了一个很骚的操作，他呢把Cursor的CEO拎来了，说：“来，你给我演示一下GPT-5很强大。”这小伙子坐在那演示，说这个绝对是太强了。Cursor原来里边主流的模型就是Anthropic。为什么他跑来给OpenAI站台呢？因为最近Cursor跟Anthropic闹得不是特别开心。两个Anthropic Claude code的核心开发离职加入了Cursor，但是呢只在Cursor干了两个礼拜以后呢，又回Anthropic继续去开发这个Claude code去了。反正这种事搁谁身上谁都不会太爽。现在呢一群的程序员都在测试GPT-5的编程能力到底怎么样，这个效果呢还可以，但是我个人感觉距离Claude 4 sonnet还是稍微有一点点小差距，有待提高。

继续往前发展呢，跑分其实已经意义不是很大了。因为很多考试成绩很好的人，未必能够干的好活，更别说招人喜欢了。有一些人就是特别会考试，但是呢你跟谁聊天，跟谁去合作，大家都烦他，这种人是存在的。Anthropic的CEO曾经在很多个场合强调过一个事儿，说人们倾向于使用某个AI，不仅仅是因为其性能指标，而是因为其人格和性格特质。他认为AI的人格特质直接影响用户使用的体验和信任感。这个我是比较认可的，就很多人喜欢使用Claude，还是说Claude的整个的人格是比较讨喜的。

现在呢，GPT-5说：“我们也改进这件事吧。”原来呢GPT-4o的时候呢，会有这种讨喜型人格上来去夸你。现在说我们把这事改掉了，已经没这事了。现在呢是推了五个人格，你可以在五个人格里自己选。第一个是默认人格，上来你不用改它，叫“乐观灵活”，这是它的特性。第二个叫“挑剔者人格”，犀利毒舌，就经常骂你这种。第三个呢是“机械人格”，就是高效直言，上来以后有话我就直说了。还有“倾听者人格”，善解人意，如果有人需要诉说一下，你改成倾听者人格。还有一个叫“技术宅人格”，就特别热情，而且呢喜欢去刨根问底。这个人格还可以有一些更复杂的选择，它有一些属性你可以去选择去，包括：健谈、诙谐、直言不讳、鼓励性、z时代、传统型、前瞻型、思维有主见、谦虚、俏皮、直接、务实、企业、打破常规、同理心。你说上面这个5个不能满足我要求，你可以在下边挑一个自己最喜欢的。当然还有一些特殊的信息，你可以直接在里头写，比如说我这个人喜欢什么东西，不喜欢什么东西，下次他再跟你聊天的时候，会注意这些事情。这个是我觉得GPT-5一个比较大的提升吧。

另外一个比较重要的提升是什么呢？就是极大的降低了幻觉。AI哈，一本正经地胡说八道，就是他们最擅长做的事情。但是现在的话，GPT-5说我们已经把幻觉降低了30%-40%。所以呢，现在GPT-5的各种答案相对来说是比较靠谱了。我原来集中在使用Claude 3模型，觉得已经是比较靠谱了，至少比国内能够拿到的模型，或者像Grok、Gemini 2.5 Pro，比这些模型还是要靠谱一些的。那么现在的话，它在Claude 3的基础上再降低幻觉30%-40%，那我觉得这个已经是可以去做一些严肃的工作了，包括医疗健康，还有法律相关的工作，拿它去上手已经没毛病了。

然后安全上面呢，还是很严格的。这个是我不太喜欢OpenAI的一点，就是它道德制高点，我该干什么，不该干什么来它决定，这个事我是不喜欢的。这一次呢稍微做了一些变通吧，就是说原来你触碰红线呢，就直接告诉你说“对不起”，停止工作了。现在呢你触碰了红线以后呢，他还会尽量说点什么，不是直接就应声地给你停掉了，“我绕一下看看，我能够给你回答点什么，过线那部分我就不说了”。但是在这点上呢，我是站Grok这边的，Grok基本上还是百无禁忌的。

那么下边呢，谁能用？多少钱能用？我现在在网页上已经能用了。在这个网页端，现在我们已经不可以再去选择GPT-4、GPT-4o什么Claude 3都没有了，现在就三模型了：一个是GPT-5，一个叫GPT-5 think，还有一个叫Pro。Pro就是你点击了以后，就找你要200美金去了。大概就这三个模型可以选了，其他模型都直接隐藏掉了。这个是我现在的一个状态。

现在呢，免费用户也可以直接用，5个小时可以问10条，超过了以后就降级到GPT-5 MINI，这个比较小的模型去了。他们每天还可以用一条thinking，每天有一个额度。但是要注意，当我们使用GPT-5模型问了一些问题，GPT-5自己认为需要去推理的时候，这个时候是不占这条thinking的这个指标的。所以呢，我们在跟GPT-5沟通的时候，要更努力地去把这个问题提清楚，让他不要占我的指标，直接把该思考的问题给我思考清楚。大家需要技巧一点。当然了他设置这种技巧也是不怕大家去薅羊毛的。为什么呢？就是胡乱地去问一些简单问题，其实对于OpenAI来说是一个很重的负担。但是你说我每一个问题都三思而后行，想了半天再往里提，哪怕他thinking了一下的话，对于他来说这个负担都还是可以承受的。

那Plus用户，像我这样的用户呢，每三个小时呢可以使用GPT-5 50次，超过的部分就退回到GPT-5 MINI了。thinking模式呢是每周200条，估计基本上也够我使了。Pro用户，就是200美金用户，基本上就都可以用了，专门有一个Pro的模型是给它用的，其他的呢基本上是没限制。

但是呢，在这里要跟大家讨论一个问题，就是对于Pro用户来说，这200美金到底买的是什么？难道Pro用户的消耗量真的是Plus用户的10倍吗？不是这样的哈。山姆·奥特曼曾经自己发过X去抱怨过这个事。他抱怨什么呀？Pro订阅让他们亏了好多钱。为什么呢？这个原因很简单，你一旦花了这个200美金以后，你就肯定说：“我不能让他闲着，我一定让他干起来。”就跟原来甲方乙方的电影似的，大骡子大马们得让它活动起来，不能让它闲着。山姆·奥特曼自己写了两条推，一条呢叫做：“疯狂的事，我们目前的OpenAI专业版订阅上亏损了，人们使用它的频率比我们预期的要高很多。”另外一条说：“我亲自定了价格，还以为我们能挣点钱呢，最后发现亏钱了。”

这两句话呢，其实告诉我们一个什么？就是200美元这个价格，并不是一个经过财务人员精确计算出来的，而是山姆·奥特曼拍脑袋拍出来的一个价格。Xai也有这样的一个套餐，叫superGrok heavy，300美元一个月。Anthropic呢，有一个套餐叫Anthropic Max，是100美金到200美金的一个月。因为我没有用过Grok的套餐，所以它这个为什么是100美金到200美金，我不是特别了解。谷歌AI的Ultra也有一个套餐，基本上250美金一个月吧。大家到底为什么要去设这样的一个套餐出来？真的是说有大量的TOKEN需要消耗，有大量的算力需要消耗，我需要回点血吗？其实压根不是那么回事。

大家注意，免费版是没有忠诚度的，我今天用你两天，明天用他几天，这都没有忠诚度。Plus版本呢其实还是可以朝三暮四，我买两三个都还是承担得起的。但是Pro、heavy、Max、Ultra这样的版本，你一旦买了200美金、300美金、250美金这种，买了你就一心一意地用吧。所以呢，大家去买这种Pro版本的，其实买的东西是一个叫“投名状”的东西，就是我把我的这个身家性命交给你了，以后我就在你家老老实实干下去了。他要求的是用户去交这个投名状，而不是说真的拿200美金就可以cover成本了，这是200美金的这种套餐设立的一个目的。

再往后讲呢，你说今天他亏了，难道一直亏下去吗？也不至于。因为TOKEN的成本呢，是在快速下降。20美金、200美金都是一种用户绑定的手段。现在亏钱，以后是不是能挣回来呢？未必，以后也未必能挣得回来。那为什么呢？TOKEN成本下降的是一个速度，但是呢我们通过使用agent，通过使用工具，也在快速提升TOKEN消耗量的速度。到底哪个更快？现在不知道。可能TOKEN现在价格是原来的1/10了，但是呢我们现在使用的TOKEN量是原来的100倍，至少最近这一两年吧，是这样的一个变化趋势。过一段时间以后，是不是TOKEN成本下降的这个速度可以追上TOKEN消耗量上升的速度？有这个可能，但是市场目前还没看到。

那咱们再讲一讲API的价格。GPT-5的API价格是极具竞争力和压迫感的。GPT-5 BASE模型，基础模型，100万TOKEN的输入输出分别是1.25刀和10刀。输入100万TOKEN是1.25刀，输出100万TOKEN是10刀。这个其实已经很便宜了。它的MINI模型，就是比它要稍微小一点的模型呢，基本上就是在前面那个数字上除5，0.25刀和两刀的这个输入和输出。Nano模型，就更小的模型就是，在MINI的基础上再除5，就是这样来的。就这种东西都是拍脑袋拍出来的，千万不要认为说这个数是很详细的计算出来的，真计算出来那个数不会这么有竞争力。

为什么说它有竞争力呢？Gemini 2.5 Pro的这个价格，我们去比较一下。Gemini 2.5 Pro的价格，200K以下的，输入是1.25刀，输出是10刀。这个呢跟GPT-5基本上是一样的，GPT-5基本上是照着谷歌的Gemini 2.5 Pro去定的这个价格。但是如果我输入的TOKEN超过200K了，输入是2.5刀，输出是15刀，它就会有一个上浮了。Gemini 2.5是有Pro版本、Flash版本，还有一个叫Flashlight的版本，所以它整个的定位跟GPT-5基本上是一致的。它的Flash版本和Flashlight版本呢，都要比GPT-5相应的版本，比如mini版和Nano版，要稍微贵那么一点点。具体钱就不跟大家念了，基本上是稍微贵一点点。Grok-4，就是XAI的呢，只有一个版本，输入3刀，输出15刀。这个明显要贵很多，它要比GPT-5和Gemini 2.5 Pro都要贵。所以呢，Grok-4刚出来的时候，我用了一段时间，一个礼拜吧，然后就都改成Gemini 2.5了。

另外的Anthropic的Claude，它的价格是什么样的呢？它最大的模型，输入15刀，输出75刀，基本上是没有竞争力的，太贵了。Sonnet输入3刀，输出15刀，又是一个田忌赛马的故事。其实我们平时用的最多的模型就是Sonnet，效果已经很不错了。但是呢，现在的GPT-5，1.25刀嘛，它这是三刀嘛，所以还是要便宜很多的。原来你使用Claude 4 Sonnet，现在咱们就使用GPT-5就可以了。所以GPT-5的价格是极具竞争力和压迫感的。

AI竞争的格局呢，也开始向新的方向去进发了。第一个，谷歌Gemini 3应该已经不远了。虽然没有明说，但是呢普遍猜测今年年底我们是应该可以看到Gemini 3的。现在呢，谷歌已经进入下一个竞争阶段，谷歌跟OpenAI开始去抢别的东西了，抢什么呢？开始抢终端用户了。怎么去抢终端用户？免费用户就可以去使用Gemini 2.5 Pro了。他现在也在努力地把谷歌的Gmail用户，他的Workspace用户，向他的Gemini Pro版本去进行转化。而像OpenAI，他也是说GPT-5出来了，你们这些免费用户就可以用了，我一定要把我最好的一面展示给你，万一有一点转化率，说我今天想去充钱了呢。

马斯克的XAI呢，应该已经感受到压力了。在Grok的模型能力上，其实还是有一点点小差距的。Grok-4在进行复杂运算的时候还是很能打的，但是呢在综合能力上和用户体验上还有待提升。Grok我觉得最大的优势是百无禁忌，这块是我最喜欢他的点。用户体验上，马斯克到底是不是要继续往前跑？现在呢还没有看出苗头来。因为现在的Grok的客户端，Grok的各种功能，比OpenAI也好，比这个Gemini也好，差的还是比较远的。而这一块的话，不是靠天才可以搞定的，这一块是需要靠堆人才能追的平的。你需要很多的人，OpenAI现在的总人数已经超过了XAI的总人数，即使是XAI跟X合并了以后的总人数，OpenAI也是人更多一些。XAI现在大概是1200人，OpenAI 7月份的人数的话，现在有两个猜测，因为没上市嘛，非上市公司，它的很多的数据就靠大家猜。一个呢是SEO.AI他们猜的，OpenAI现在有2659个人，就基本上是XAI的一倍多一些。另外一个呢叫LeadIQ，他们猜呢，OpenAI现在应该有6400人。那差为什么差这么多？因为有一些可能是contractor或者是一些派遣员工，或者是其他的这种合同制员工吧，所以可能会有一些差距。但甭管是哪个数吧，都差好几倍。另外一些竞争对手，比如说谷歌、微软，那你这俩公司就别跟他们比了吧，谷歌18.7万人，微软22.8万人，你说你跟他们比什么劲。但是后边说我们现在开始进行终端竞争了，要去打造一个用户体验非常好的生产环境了，你就需要堆人。马斯克可能未来需要堆人把这个事情搞定。所以下面呢，要去进行这个终端用户争夺，你到现在为止，Grok-4我还没有在平台上用过，我只用过API。为什么呢？因为像我这种8美金的X用户，他不给我用，必须要去买30美金的超级Grok用户，他才让你去用Grok-4。到目前为止，马斯克还没有把这个弯子转过来，所以他还没有进入到终端用户争夺的这个战场上去，已经落后半步了。

另外一个落后的可能比较远的是谁？就Anthropic。为什么呢？从资本到算力上，它都相对来说比较受限，所以在价格上就能体现得出来，它所有的这个API的价格它最贵，而且贵的不是一星半点。最后要打价格战的时候，刺刀见红拼不过前面那几个。马斯克虽然现在争夺终端用户他抢不过OpenAI、抢不过微软、抢不过谷歌，但是他至少手里还有一个X，X上还有一堆用户呢，这是他的天然基本盘。而且马斯克别的不行，募资很强，他募了一堆钱切着咔嚓买显卡，把它堆起来去堆算力这事，它是很强的。Anthropic融的钱本身就不是那么多，虽然它的两个大股东一个叫亚马逊一个叫谷歌，说“哎我这有算力你来使吧”，但是呢你真的要真刀真枪的去跟别人拼的话，还是不行。但我估计后边会比较麻烦，虽然他们家的模型我也很喜欢，但是从商业角度上来说他们是很麻烦的。现在有传闻苹果要收购他们，但是我其实不太相信，因为苹果呢不太做这种特别大规模的收购，这么高的价格去收购的话，不是厨子这种守城之君可以做出来的决定。如果他真能做出这种决定来，当时他就把车造出来了，而不是说抠搜抠抠搜搜，最后整个Vision Pro出来，这个我估计他搞不定。

然后Meta呢，等着看他们一鸣惊人吧。挖了这么多人回来，超级团队，后边可能还会为我们带来很多不同的故事。现在进入了一个新的竞争状态。

这里还有一帮人，中国团队怎么办呢？中国团队呢，只能靠差异化了。开源更大更新的模型，把agent一起开源出去，这可能就是中国团队未来竞争的一个方向。因为你去卷大模型，你卷不过他们了，手里头没有这么多的显卡，没有这么多的算力，数据上也有受到一定的限制，我们去卷底层大模型这块就会比较费劲。现在中国的这些AI公司里头呢，字节是在走OpenAI这条路，就是我闭源，我就疯狂的往前堆，但是未来到底能堆成什么样还不好说，而且字节也在堆显卡，他很多显卡是堆在海外了。其他的像阿里、百度、MiniMax、Kimi这些团队呢，都在堆开源，把最新的、最完整的、最大的模型直接开源出去，争夺一些客户回来，争夺一些市场空间回来。所以呢，大家玩的是不一样的。

那么开发者跟创业者应该干点什么呢？这一次OpenAI开完发布会以后，没有哀鸿一片，这是非常好的事情。说明什么？AI agent大家还是可以继续做下去的。把具体行业的需求解决掉，这个是创业者和开发者该去做的事情。而且现在呢，底层模型也相对来说比较稳定了，它没有那么多的幻觉了，拿着这些模型就可以去做一些相对比较严肃的工作了。所以现在就是开发者、创业者要冲的时候了。

GPT-5的API呢，我今天测试了一下，比Grok-4和Gemini 2.5呢，能力上其实并没有特别明显的差异。速度和稳定性、价格，这就是后边要拼的东西。这一块呢，OpenAI应该还是可以去占优的。为啥？因为OpenAI自己压根不惦记挣钱。谷歌那后边是个上市公司，你赔多了这事肯定是不行的。而至于说Grok的话，现在虽然他没有那么惦记挣钱，但是马斯克很多的操作其实是比较粗犷的，这种真正需要绣花，一针一线的往前去拼价格战的时候，他未必跟得上这个节奏。所以我相信在这一块上，OpenAI会领先一点点。未来一段时间呢，大家应该都会加班加点，对每一个应用中的AI节点进行效果、速度、稳定性和成本的这种对比，去更换GPT-5的API。这就是开发者现在该干的活。

原来说AI创业很难，原因就是大模型厂商的边界不清晰，你今儿干着干着，明天被他覆盖了。现在的话，这块清晰了，他们就去干他们的事情，我们干我们的事情。所以呢，最初的问题其实已经解决了，赶快去找到方向去干活。

那么到底是在挤牙膏，还是新的时代到来了呢？首先要讲，OpenAI再次地给行业指明了新的方向。第一个叫模型融合，不要整一大堆模型让我挑来挑去的，你就给我一个，我自己呢做这个提示词，你根据我的提示词去给我反馈就完了。该多说两句的时候多说两句，该少说两句的时候少说两句，不要让我去选取。第二个呢就是自动的进行判断，对于什么各种工具的调用，这个是需要去做的。还有一个方向就是降低幻觉比例，你要想去解决实际问题，就要降低幻觉。这块呢是中国大模型差的比较远的一块。在这一块上Gemini、Grok和Claude都还是比较强的，虽然达不到GPT-5这个层次吧，但是已经是可以用的了。中国的像Deepseek、千问、Kimi、豆包这些模型，幻觉得一塌糊涂，现在需要向这块去往前走一走。降低幻觉的方式就是不断的加算力进去，反复验证，多做这种强化学习，但是呢这个是需要大量算力在里边堆进去的。

新的时代还是到来了。新的时代是以什么样的方式到来了呢？阶级逐渐固化了，分层的时代到了。顶层的就是模型商卷，顶层模型OpenAI这次真正卷的是谁？他卷的是谷歌，卷的是XAI，卷的是Anthropic，他已经不再去跟这些应用厂商去竞争去了。“我们玩我们的，你们玩你们的。”这个是新的时代。他们一旦是开始把这个事搞清楚了，下面的这些创业者就可以冲锋了。就像是盘古开天地，混沌归于有序，大家就可以在这里繁衍生息了。这个是非常重要的一个时间点。

操作系统跟平台商呢，都去参与模型厂商的内卷就可以了。比如说谷歌，现在说Gemini不是大模型，Gemini就是操作系统。微软说我这个就按操作系统来了。OpenAI也说我就是操作系统。Grok肯定也是要去奔操作系统来的，它把X收进来以后，未来这一块可能就会有一个像微信似的超级应用，对于它来说这也是个操作系统。底层应用开发好好干吧，不用再担心模型商突然抄后路了。应用商也要有自知之明，不要去干这个大模型、操作系统、平台的这个事情。怎么说呢，要安天命，就是该你干的活你去干，不该干的活就别干。

这儿呢跟大家讲一个小故事吧。应该是在2014年年初的时候，我当时还在猎豹，跟着傅盛还有猎豹的其他几个高管呢，到谷歌北京办公室去吃早饭。不是占人便宜去了，我们跑去谷歌谈很多事情的时候呢，他们就特别喜欢让我们到他的办公室里去吃早饭，因为谷歌当时的食堂特别好，后来搬家了以后那食堂就没那么好了。当时是香港谷歌的一个负责商务的高管跑到那来跟我们吃早饭，趁着吃早饭的时候开个会嘛。当时我们做的工具呢，叫Clean Master，清理这个手机垃圾信息的。他问了一个什么问题呢？他说：“你们到底是清理memory，还是清理disk？”其他人就没想明白到底在问什么。我呢当时抖了个机灵，我说：“我们只清理disk，绝对不碰memory。”因为其实安卓手机上压根就没有DISK这个词，它叫storage drive，就是存储的驱动，这个不是叫DISK的。所以当时我就直接反应过来了。其实Clean Master是两个都会清理的。我回答了以后呢，其他人还看着我说你怎么胡说八道，明明不是这么回事，我们两个都可以清理，你干嘛说只能清理disk，不能清理memory呢？但是我回答完这个问题，还没有等到我的这些领导们来质疑我的时候，谷歌这个高管就直接肯定了，说：“这就对了，你们就只能清理disk，你们就不能清理memory。memory的事情是操作系统的事情，你不应该去做这件事。你就把这个硬盘上的东西清理清理就完了，或者说这个存储介质上东西清理清理。你一旦开始去碰内存了，就相当于是我们介入到了操作系统管理层去了，哎，你不该干这个活。”

讲完了以后呢，我们都是一头冷汗，也是觉得好不容易从鬼门关混出来了。吃完这顿早饭以后，出来这些高管就开始骂呀，说这个谷歌还说不作恶什么，这些东西都是扯淡。他划定这块地方，你就绝对不能碰他，你碰了他，他就甭管你是不是作恶，就直接干掉你。因为当时呢，跟我们同期有另外一个软件是杀病毒的，台湾趋势科技做的一个杀病毒的软件在里头，就被谷歌的高管作为典型跟我们讲。说你看这个台湾趋势科技，做了一个杀病毒的软件在安卓手机上，说这事是不对的。说为什么不对呢？说安卓是没有病毒的，我们已经宣布了安卓没病毒，你怎么可以在我这没有病毒的操作系统上杀病毒呢？最后你还杀出来了，这不扯淡吗？这个是不允许的。所以给了他们很严重的这种处罚。我们如果当时告诉他说“哎我们既清理硬盘也清理内存”的话，估计也是很严重的处罚。我们跟他吃完饭了以后，过几天就去纽交所去敲钟去了。如果当时那问题没回答好的话，这个钟就不用敲了。所以我觉得我那个机灵抖的还是挺好的。

这个也是说，做应用的厂商要各安天命，做自己该做的事情，在人家的规则下去做事情。这个就是未来这些模型厂商给这些做应用的厂商留出来的空间。当然了，中国厂商呢，总是会有一些不太愿意在你框框里头去跳的这些人吧，就是我们总是愿意做一些跳出圈的事情，不太喜欢这种逐渐固化的阶级，我们会再折腾一下。

所以结论就是，GPT-5发布了，确实还是有一些比较强的新特性的，包括统一的模型，自动地去判断怎么去工作，降低了幻觉。新的时代也到来了，这就固化，该选操作系统、选大模型的，你们选那个去，其他人在稳固的平台下，去做我们的应用就完事了。只要我们不去挑战权威，不去挑战规则，在这个规则下也可以挣到钱。这就是一个新的时代。

好，这一期呢就讲到这里。

ChatGPT Agent来了。

Manus到底是该哭还是该笑呢？

大家好，欢迎收听老范讲故事的YouTube频道。

ChatGPT重磅发布了他的Agent。怎么个重磅法？山姆·奥特曼亲自坐台。现在很多ChatGPT自己产品的发布，山姆·奥特曼都不在前台坐着，这次是亲自坐台。而且旁边坐了四位主讲，很多时候发布会就是俩人或者仨人，这次是山姆·奥特曼坐在这，旁边坐了四个人。而且呢，足足讲了25分钟。

很多人就想起Manus来了，好像有些测试还不如Manus。因为他现场有翻车的，大老板在旁边坐着，你测试翻车的话还是压力挺大的。在这个时候就有人说了，GPT也就这样，你们现在还觉得Manus做的不好吗？就有一些讨论在发生了。

ChatGPT的Agent到底会给Manus带来什么呢？Manus到底是该哭还是该笑呢？今天咱们讲讲这个事儿。

首先呢，咱们先回顾一下GPT Agent的一个发布过程。时间呢是太平洋时间2025年7月17号上午10点，也就是北京时间7月18号的凌晨1点。山姆·奥特曼坐在最边上，他不是主讲，他就是一个串场的。另外一头呢坐着一个印度老哥，中间呢是三个亚洲脸，两位男士呢应该确认是中国人，还有一位女士呢，虽然看起来是亚洲脸，但是是不是华人不知道。

25分钟的视频演示也很无奈，他这种演示你没法短，因为很多的任务，跑起来的时间就非常长，特别是婚礼差旅一条龙的。这个任务基本上是从头跑到尾，就是一开始布置任务下去，中间穿插了几个其他任务，最后到那个结束的时候，算是差不多跑完。

让Agent去帮忙参加朋友婚礼，挑酒店、挑礼物、定穿搭，中间还打断他说，我还要再买双鞋。这个其实挺好玩的，因为以前这种Agent，最讨厌的一点是什么呢？就是你只要让他开始跑，半个小时或者多长时间，你没法打断他，发现他错了以后呢你也没办法，只能让他重新开始。现在呢，我说我可以打断你，或者中间可以把你叫停，让你去帮我调整一些东西，加一双鞋或者做一些其他的。这个呢，算是一个，我觉得算是用户体验角度上的一个比较大的前进吧。

从技术角度上来说呢，并没有那么费劲。只是呢，在Agent的执行框架上需要做一些调整，你比如说多线程，或者是一些守护线程，他需要做一些这样的东西。在大家做了这么长时间的手机应用、前端后端应用以后，这个不是那么费劲的。

手机端呢，也可以进行即时的创意，也就是在iPhone上请求制作团队吉祥物贴纸，就是做了一些可以做设计的任务。这个应该是对着像LoveArt这种设计Agent去的。然后呢，做了一个财务数据分析，他讲的是去我的Google Drive上，把评估指标拉出来，给我做一个汇报。幻灯片还做的可以吧。

后面就是演示了随时打断和二次确认，在Agent里头点击打断，可以进行指令修改，Agent结束前弹窗确认邮件内容。但是呢，在现场还失败了一个，找球场这个是一个失败演示。

他干了一什么呢？规划一场夏季旅行，走遍30座职业棒球球场，并给每座球场买两张最便宜的日场票。给了他这样的一个任务。一开始呢，是先用文本浏览器，抓取了2025年赛程和票价，到这呢数据还是正常的。然后是通过脚本去终端执行，通过终端去执行脚本，生成Excel和绘制地图。但是呢，这儿就开始出错了，地图坐标严重错位，纽约、波士顿等东海岸的球队就没了，墨西哥湾里头凭空出现了一些球场，引起场下的一些窃笑了。

再往后呢，是用可视化浏览器，跳转到一个订票网站上，要去下单订票了。但是呢，因为这是一个跟金融和这种高风险相关的操作，所以呢进入了人工模式，就是你必须要确认一下要花钱了吗。然后就遇到了一个问题，Agent自动去填邮箱了以后呢，它网站需要跳这个叫二次验证，二次验证，就比如说我给你发个邮件，你给把这个邮件里头那个码给我呀，或者是给你发个短信，就是这种验证程序。这个Agent就跑不动了，他呢触发了订票网站等待用户的一个进程，要求你60秒钟之内呢要去接管，结果呢他也没有好好的接管这个东西，就直接超时终止了。这个稍微有些丢人，还跳出了红色的长串错误信息，反正现场就有点绷不住了。主持人呢只能尴尬收场，这个主持人是谁？山姆·奥特曼。他呢出来打了个圆场，说买票这步我们之后会在debug的。这是整场直播唯一强制终止的一个demo。

最新的ChatGPT Agent到底有哪些新特性呢？第一个呢，它是Operator加上Deep Research，这两个功能加一块的东西。Operator其实应该是今年年初的时候发布过一次，所谓Operator，就是在一个虚拟机上打开浏览器，给大家去做各种的操作，模仿真人去点击各种的网页。但是呢，这个功能呢，一直是在200美金的用户那里使用，像我这种20美金的用户是没使过的。而且即使是200美金的用户呢，应该对这个功能也不太感冒，因为你要去使用互联网的网站的话，难度还是很大的。

咱们做各种软件里头，最难做的一个软件不是操作系统，而是浏览器。为什么？因为每家做的网站都不一样，我到底用的是谁家的前端库后端库，在里边隐藏了哪些信息，怎么去做的缓存，做了哪些防刷以及防骗的这种工具，做了哪些多次验证的东西，这个真的是千奇百怪的。所以你要想完全兼容这种东西是很难的，你让一个机器人去点网页，成功率还是不太高的。所以这个产品虽然发布了，但是大家使得并不是那么爽。

现在说Deep Research这功能做的还不错了，那跟Operator两个功能结合起来，就是这一次我们所看到的GPT Agent。这俩功能呢，Operator我从来没用过，Deep Research呢是我经常用，而且经常把额度跑光，需要等到下边一个时间周期，重新分配额度接着跑的一个功能。

它呢是由一台虚拟化电脑，就还是Operator这套东西里头呢，内置了图形界面浏览器和文本浏览器。什么叫图形界面浏览器？就是我真的打开了一个网页，这边是有按钮的，那边是有输入框的有菜单的，这种浏览器呢叫做图形界面浏览器。而文本浏览器的话基本上就是，我把你这个网页抓出来了，直接把里头的内容呢进行了总结归纳，或者说把里头的内容直接提出来了。他们在这个里头是两个都有，大部分情况，你说我只需要进行信息总结的话，就是文本浏览器就够了。实际上文本浏览器大家可以理解为一个爬虫。图像浏览器的话其实，对于这种虚拟机来说是难度很大的。为什么？因为我们写网站的时候，还经常会去研究，比如说设备的自动适配，就是我在手机上，这个网页应该长成啥样，在平板上应该长成啥样，在PC上应该长成啥样，遇到特别大的浏览器应该长成啥样，这个都是不一样的。还有一些比如说我们有些网站上，会写这种不可见的字符，干嘛呢？骗AI的，说你遇到我这个网站就不能爬了，或者说不能做一些其他的工作。还有很多这样的东西。

另外呢，上浏览器的呢，其实还有一点小的问题，大家知道网站上有一个文件叫robots.txt，这个文件干嘛使的？实际上是应对爬虫的，告诉你说哪个爬虫你可以看哪些东西，不可以看哪些东西。而你一旦上浏览器了，Robots这个文件实际上就不起作用了。

那它这个一体化的虚拟电脑，除了图形化浏览器和文本浏览器之外，还有什么呢？还有终端，你可以在上面去跑一些程序，以及API连接器，包括一些模型，都在同一个沙盒里边完成。点击键入运行代码，调用Gmail、Calendar等等这些操作。为什么叫沙盒呢？就是这个盒里头出错了，其他的盒不影响。这个呢，就是这一次的ChatGPT Agent最核心的东西，就是一体化虚拟电脑。

另外呢，就是它可以自动的选择工具，跨步骤的自主执行，将Operator网页交互，加上Deep Research的深度分析，整合在一个流程里边。Agent自行决定何时调用浏览器，何时跑脚本，无需用户指定。这一块呢，确实是做的相当不错的，因为他演示的时候，几个很长的案例中间呢并没有出错，一直在往前走。因为让他去干这种活最怕什么？就中间出错了，中间出错了以后，可能跑非常非常多的TOKEN，而且在里边死循环，都是有可能，你可能早上一起来破产了。这个TOKEN是很贵的。

长链路任务加上时间轴回放，也是一个挺好玩的东西，就是你的一个任务跑完了以后，他们最后是像放这个视频一样去看，说跑了几十分钟很多步骤的工作，第几步跑成什么样了。为什么要看这个呢？就是你中间万一跑错了，或者说这个结果跟我想的不太一样，你可以看看哪错了，让他再去进行调整。否则的话，就是前头下了命令，中间不可干预，然后直接就结束了，你还没法看中间哪错了，你连改进的机会都没有。所以这个呢，也算是一个改进吧。

再往后呢，是它的任务是可以暂停继续和打断的，也算是在用户体验上做了很大的提升吧。当然了，可以打断可以暂停那件事呢，说明另外一个问题，就是这种任务周期很长，而且呢结果经常不可控。实际上它算是个缺陷吧，为了给这个缺陷打个补丁，所以加上这样的功能。

ChatGPT Agent呢，还有一些其他的功能，比如说叫Watch Mode观察模式，以及这种二次确认。为什么呢？就是涉及付款发信这种高后果或者叫高风险的行动，会自动的进入这种叫Watch Mode，用户呢需要保持焦点，并且手动确认，否则的话流程就会超时终止。这个还是不敢直接替你花钱买东西，还要看后边怎么去改进吧。

端到端的成果交付，可以直接生成可编辑的PPT、Excel、PDF等文件。这个算是对标Manus，或者是对标其他人做的Agent，现在大家都是有这功能，所以这一次ChatGPT的Agent也把这功能给你做上来了。他做的PPT还没有Manus做的好看呢。

那另外就是跨设备的无缝切换，专门给大家演示了iOS安卓设备上，你也可以看看，你这个项目跑到多少了，你这个项目跑到什么状态了。像我平时用Deep Research的时候也是这样，我在电脑上说我现在要Deep Research了，然后我的手机上就会弹出来说，你有一个Deep Research的工作开始跑了，跑到什么样状态有个进度条，跑完了以后，他会告诉你说你这个结束了，你去看看结果是不是OK。因为Deep Research一次的话，有的时候长的也要10分钟，快的可能是五六分钟，也能跑出来。你不可能说我这边打了回车以后一直坐这等，还是要去做其他事情的。

这次呢，把ChatGPT的连接器和计划任务呢，也都整进来了。可以通过官方的ChatGPT的Connectors，叫连接器，直接呢连接Gmail、GitHub、Google Drive这些服务。也可以将一次性任务，保持为定期的自动执行任务，比如每周干一什么事，这个现在都是允许的。

然后多层的安全站，它既然已经这么强大了，你可以干各种各样事情了，你要注意，你不要去做一些危害人类的事情，所以OpenAI还是有一点点小底线的吧。也面向开发者呢提供了Agent SDK和API，但是这一块呢，现在应该还是一个预览版吧，我反正没有看到谁去用这个东西。

性能呢，全面的跃升，它去解决各种人类实际问题的评分这块是上升了。这个呢，就是ChatGPT Agent的一个基本特性。

谁能用呢？我还没用上。Pro用户就是200美元的用户，现在已经可以用了，每个月呢可以用400次。这玩意肯定不能让你随便使，因为实在是太耗TOKEN了。Plus用户，就像我这样20美元用户呢，每个月可以使用40次，其实基本也够用。像我现在，用Deep Research我觉得一天用不了一次，但是还是经常把额度跑光。现在Plus用户呢，应该是未来三天进行灰度推送，但是还没轮到我，哈哈，再继续等待。

我自己观看演示以后的感受是什么样的？第一个是产品确实非常强大，能把这么复杂的任务，自己把它分配好，顺序的执行下来中间不乱，这个已经非常非常难了。另外第二个是什么呢？大概率是不会去用的。为什么呢？前面刚夸完人家这个很强大，你咋就不用呢？因为它的结果依然是不太可控的。

直接通过模拟浏览器去点击网站，我一直觉得这个方向有毛病。为什么呢？就是每个网站都不一样，而且这个网站上还有各种防刷防骗的东西。比如说吧，有些网站，你通过一个IP地址打开多少次以后，我就直接把你封掉了，把这个IP地址给你封黑了。那你遇到这样的网站你咋办？因为它这个虚拟机，它的IP地址都一样的，它是跑在微软的机房里头的，你通过统一的机房IP，你去访问人家的这个网站去，那你跑着跑着给你封了。

有的时候你需要二次验证，像前面我们讲的一个翻车，需要做二次验证，你也搞不定这个事你咋办？而且像我们比如说注册了很多账号，像谷歌呀、Twitter什么，这些账号我们都是要去做二次验证的，你不做二次验证就很容易被偷嘛。那你一旦做了二次验证以后，虚拟机里边的这个产品，他怎么去做二次验证？他根本就没法搞。还有一些需要去遵循其他的这种约定俗成的东西，你其实也是没有办法去完全的实现的。而且还有时候呢，这些网站自己还会更新，他更新的时候也不通知你，而且更新了以后到底是不是有bug，其实谁也不知道，经常更新出来那个网站是有bug的嘛。

所以呢，你通过这样的一种非常不确定的方式，去连接各种服务的话，到底未来行会变成什么样，到底能不能稳定的去执行任务，我是表示怀疑的。像他这种用仿真浏览器的方式，去执行任务的这种模式呢，更像什么呢？更像是马斯克的纯视觉自动驾驶，说人既然可以搞定，那我用纯视觉的方式车也可以搞定。其他人说我们不太相信这玩意，我们上激光雷达，它更准确。对于我来说，我可能觉得激光雷达会更好一点。

所以呢，未来可能是很多的服务，比如说订球票这些东西，应该是一些经过验证以后的安全的API出来，或者是MCP这样的这种服务出来，然后再由这些AI Agent去调用，才有可能让大家很好的把各种的交易串联起来，而不是说像现在似的，我们在各种的防骗网站中间，去点击鼠标，模拟人类点击，这个还是太不靠谱了。

那么ChatGPT Agent到底给Manus这种泛Agent的项目带来什么呢？最后我们来回答一下这个问题。首先呢，给结论，这个绝对不是好消息，应该算是又敲响了一次丧钟吧。OpenAI每一次发表新的功能呢，都会有很多的创业项目就直接死掉了。这一次呢应该不算直接枪毙，但是绝对不是一个好的声音。

虽然ChatGPT的Agent演示的，跟这个Manus的演示呢，算是各有所长，有些做的好一点，有些做的其实都不怎么样。但其实的结果是什么？ChatGPT也证明了说，这条路最后大概也就能走成这样的一个半半拉拉的样子就完事了。在一个赛道里边，其实不怕老大强大，而怕老大倒下。如果ChatGPT也就只能做成这个样子，那你所有在这个赛道上前进的人，就都比较危险。这是第一个，证明这种范Agent的模式是有问题的。

而且呢，这一次虽然OpenAI演示翻了一次车，但是它也验证了另外一个事情是什么？就是模型及应用，你跑这种Agent是非常非常消耗TOKEN的。OpenAI模型是我们自己家的，我自己可以优化，可以定价可以亏钱，但是对于Manus这样的公司来说，模型是别人家的，你对它进行底层优化的能力就没有，那你需用了这些模型以后，你就得老老实实去按TOKEN付钱，去跑这种Agent的项目，你要去按TOKEN付钱的话，那是会跑破产的。

在结果不那么靠谱的情况下，无法对模型层面进行优化，完全依靠这个外部调用的话，Manus这种项目其实是没有什么机会的。而OpenAI就是另外一回事，反正没那么靠谱，大家就去用就完了。Plus用户一个月44，Pro用户一个月440，你们就用吧。对于OpenAI来说它又不怕亏钱，每年亏个几十亿上百亿，对于它来说都是正常的。但是你Manus你亏得起这个吗？你亏不起的。

所以最终的结论就是，OpenAI的ChatGPT Agent证明了两件事情。第一件事就是，这种泛应用的Agent依然没那么靠谱，就算是OpenAI，也没有办法让这个东西更加靠谱，因为它需要靠模拟人类去点击浏览器的方式去做事情。原来双十一上的时候，也经常是淘宝网站崩了，或者是银行网站崩了，中间需要多做一次验证什么，这种事多去了。所以你现在想让机器去替代人去做点击的话，我觉得这个这条路是有问题的。

第二个是什么？第二个就是从成本的角度来去分析，Manus在这个赛道上它也跑不远。这就是今天咱们讲这故事。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。