上下文工程又有新词了。AIGC不怎么赚钱，造词的速度还是非常非常快的。大家好，欢迎收听老范讲故事的YouTube频道。

提示词工程已经稍微有点过时了，现在的新词叫上下文工程。提示词工程长什么样，大家还记得吗？就是上来先说你是谁，谁先给大模型定一个位置。比如说你是一个资深翻译，你是个语文老师。然后呢，说我现在想要干一点什么事情了，给我出个题，给我做个翻译，再给他一个简单的例子，说你照这样给我把东西做出来。

光有提示词呢，肯定是不够的。除了刚才我们讲的完整的、结构化的提示词之外，你还是需要很多相关的上下文，才能够让大模型稳定的输出结果。那你说我们继续把提示词写长不就行了吗？我还见过那种直接写出几百字或者是上千字小作文的提示词。这个是不是可以继续往前走呢？不行了。因为你如果继续叫提示词工程呢，会容易引起误解。大家觉得只要不断的把提示词写长，就可以把这事解决掉。但其实除了提示词之外，还有非常非常多的上下文数据需要一起写进去，才能够让大模型稳定的输出我们所预期的、有价值的结果出来。

所以呢，就不能继续叫提示词工程了，一定要起个新词。而且呢，AI时代呢，起新词是非常重要的，因为可以吸引眼球。只有足够吸引眼球的东西，才有发展的前景。所以在这个时候，上下文工程就来了，一个新词诞生了。

这个造词的大师现在是谁呢？叫安德烈·卡帕西。这是一位造词专家，他呢是特斯拉跟OpenAI的AI科学家，已经离职了。现在呢主要的工作是投资人和顾问，他自己投一些项目，也帮助一些项目做顾问做孵化。这哥们呢在不停的造新词。2017年呢，他造的新词叫软件2.0。什么是软件2.0呢？把神经网络视作用数据而非代码编程的新规范。程序等于网络结构加训练数据加优化器，源代码缩到几百行，真正的逻辑写在权重里面。这是2017年提出来的，现在我们的大模型基本上就是长得这个模样。

到2023年呢，提出来叫LLMOS，大模型操作系统。把大语言模型比作新的CPU加操作系统，人类用自然语言编程，大语言模型负责调度、记忆和推理。2025年，氛围编程，也是他编发明的一个新词。彻底投降给AI，对着IDE聊天，粘贴报错，让模型自动改，人只管感受对不对。

现在上下文工程又来了。上下文工程呢叫context engineering，这个呢并不是卡帕西自己提出的。最早呢是2025年6月27号，一位开源作者叫Simon Wilkinson。

写了一个文章，提到了”Context Engineering”这个概念。在7月份呢，一帮人就出来说，这个实在是太棒了，要向这个方向发展，包括Longchain的一些博客。Longchain应该也算是AI Agent的一个开山项目吧，比较早期的一个项目。Shopify（加拿大最大的电商平台）的创始人也出来点赞，说一定要使用Context Engineer才可以让大模型稳定的输出结果。

在这个时候呢，卡帕西上去点了个赞。卡帕西说：”加一，我也赞同这件事情。”所以现在再去讲这个上下文工程的时候呢，都是说这是卡帕西点赞过的，或者说是卡帕西推崇的新的概念。因为他最有名，他最喜欢造词，所以现在都是把这个上下文工程这个事情跟卡帕西挂在一起。

AI时代，讲故事能力、吸引眼球的能力是非常非常重要的。所以我们看到一帮做机器人的公司，或者像OpenAI这样的公司，不停的给大家录视频，让普通的民众能够感受到这个东西好厉害。其实他也没搞明白这个大模型或者这些机器人到底能干嘛，只是觉得好炫酷。但这就够了。当大家都觉得这个东西很炫酷的时候，你就可以拿到融资，可以往前走。所以造新词还是很重要的。

那么上下文工程都包含什么东西呢？讲了半天在提示词工程基础上加什么了呢？上下文工程呢一共是6个模块：

第一个叫指令层（系统角色+少样例提示）。这个什么意思呢？原来我们写在系统提示词里的东西。我们跟大模型聊天的时候，是有两个提示词：一个叫系统提示词，一个叫用户提示词。系统提示词就是先规定大模型你是干嘛的，你是什么什么角色，现在要具体做什么什么事情。少样例是什么呢？叫Few-shot，就是你要给他提几个例子。你说我直接告诉你你是干嘛的，我不给你举例子行不行？这个事是不好的。最好呢是给他两个到八个之间的这种少量的样本。那你说我给他100个例子行不行？那个你基本上去微调模型去了。所以呢，叫少量样本。这个是写系统提示词的一个要求。所以呢，他的第一块（6个模块里的第一块）就是系统提示词。

第二块呢叫及时用户请求，也就是原来我们使用的用户提示词。

第三块是什么呢？叫对话历史和短期记忆。我们在聊天的时候，你不能说我每句都是新的吧，你还是要有一个对话历史的。

第四块叫长期记忆。长期记忆呢就是说，我们通过每一次聊天，把一些关键信息把它提取出来。因为现在甭管是OpenAI、Gemini，都在向长期记忆这一块发展。

我们说，你记得我是干嘛的吗？你记得这个原来我跟你说过什么事吗？他能想的起来要把用户偏好和先前的一些摘要放到这个上下文里边去。

第五个呢，是RAG检索到的文档、数据库条目以及实时API的一些结果，再加一些本地知识库，再加一些搜索结果呀，再加一些数据库里的信息。

第六块呢，叫工具与格式约束。什么意思呢？就是你要告诉他说：“我现在可以调哪些工具？”比如说我这有高德地图、有百度地图、有天气，或者一些其他的工具，你可以调用。调用的方式是什么样的？以及呢，输出什么样的一个结果？通常这种信息都不是按照正常的文本格式输出的。这种上下文工程要求的输出格式都是JSON格式，有哈西结构的一些文档。

整个的上下文工程包括这六个组成部分。它的工作方式是什么样的？我怎么能够让它用起来呢？分四步：

第一步呢，是写。写的时候呢，要把随时会用到但是当前窗口装不下，或者不该暴露给大语言模型的内容呢，持久化到窗口之外去，可读可写的一些外部存储上。有一些信息我认为你可能有用，但是呢现在我又不是马上就要给你，我要把它先存起来。

第二件事呢，叫选。选是什么呢？就是在庞杂的信息文档和工具描述里头，准确定义相关性，把最有用的多少条信息放到窗口里边去。在大模型里头，有一个东西叫上下文窗口。要把一时用不着的写在外面，随时可以调用；要把有用的选到窗口里头来。

第三步呢，叫压缩。在不丢关键信息的情况下，把即将写回窗口的内容做摘要和裁剪，满足TOKEN预算。什么意思呢？比如说做了RAG的选择了，或者做了搜索的结果返回了，这些信息是相对比较啰嗦的比较多。那怎么办呢？在这个时候你要先去做一次总结，然后把总结过的东西再扔给大模型。所以呢，在这要做压缩。

最后呢，第四步叫隔离。把彼此可能串味的信息拆分进独立的上下文窗口或者沙盒，减少干扰，并行提速。

我原来在这块翻过车，稍微给大家讲一嘴。我有一次呢，想去问大模型，说这个人跟谁谁一块创业去开咖啡馆了，他有什么其他的在咖啡馆里边管理或者创业的经验没有？大模型呢，就把一大堆的搜索结果拿进去去总结归纳去了。结果呢，他就说这个人在瑞幸干过高管，在星巴克干过高管。我一看，这挺好，赶快就去写演讲稿去了吗？但是最后去校验的时候发现不对。那是怎么回事呢？就是他在搜索了以后，把一大堆说星巴克跟这种咖啡馆之间是如何去比对的，瑞幸跟这些咖啡馆之间是如何差异，他们对瑞幸做了什么评价，瑞星对他们做了什么评价。

然后呢，再把我提问的这个人混到几个结果里边去了，就把一些信息上下文给混一块了。在这个里头就不要干这个事情。如果是说星巴克跟瑞幸对这个新的咖啡馆的形态有什么样的评价和比较，你单独的去让他干活。然后呢，你单独专门问，说这个人具体是做什么事情的，过去的履历是什么样的。这样的话，他等于是把上下文就分到不同的窗口里去了，他就不会说我给你搁一块，让你混成一锅粥以后再去给我输出了。这个也是很重要的。而且你分开了以后就可以并行处理嘛，可以快一点。这就是上下文工程6个部分和分四步走。

那么如何判定我们上下文工程是不是成功的呢？一旦有工程这俩字，就是你一定是可以去调优的，一定可以判断成不成功的。上下文工程的成功标准是同样的一个任务，用更低的成本、更少的幻觉、更快的响应速度把它完成掉，这就是成功的。你要不断的去调优，按这个方向调。失败是什么呢？叫垃圾进垃圾出。你把一大堆不应该给他的信息都扔进去了，然后一大堆垃圾的结果给你吐出来，这个就是失败了。

但是要注意，不是所有的大模型都能顶得住上下文工程的。你写了这么长的上下文扔进去，让他去干活，不是谁都行。那么什么样的大模型可以顶得住上下文工程的这种工作方式呢？它有三个要求：

第一个要求是你要长上下文。刚才咱们啰里八嗦说有6个部分，分几步去写，但是你把那6个部分写进去，这个总的TOKEN量是不会少的。所以呢，要求你至少是有128K的输入，你才可以去干活。所以像早期的Deepseek版本是64K输入的，干不了这事，放不下。

第二个是什么呢？就是原生工具调用的知识。有一些早期的模型是不支持原生工具调用的，包括比较新的像LLAMA4什么的，对原生工具调用的支持都不是很好。因为你要想让他把所有的事情做完，你就要让他可以去调用工具，调用搜索引擎、调用浏览器、调用刚才我们讲的比如天气预报、高德地图。你可以去调用这些东西，他才可以去干活。所以，你要支持原生工具调用。

第三个呢，就是要能够做稳定的Json结构输出。你不能说我要求你输出了以后，最后你输出的格式不完整、不正确，这个事也是没有办法做上下文工程的。因为呢，你这边做完上下文工程了以后，他可能不是最后一步，你下一步你还要再去用这些内容，需要去解析这个东西，才可以去说下一步再如何去使用。

现在我们所流行的这些大模型里头，谁行谁不行呢？咱们讲了三条标准。第一个，美国的御三家都是很好用的。

御三家就是GPT、Gemini、Claude。其他的一些呢，就稍微差一点。比如说像法国的Mistral，它的一些大的模型呢是可以使用的，但是完整格式输出的准确率不高。

咱们刚才讲的Gemini、Claude、GPT，完整Json格式输出的时候，也不能保证100%正确，但是呢可以保证到百分之九十几正确。Mistral呢，就是最后这一步的格式输出，有时候比如少个大括号，或者是多个引号什么这种事，他就有时候会出。或者说我少几项，比如说我应该要求是4个，结果他最后给你输出了3个，或者多输出了两个，有重复的。它的这块会稍微差一些。

马斯克的GROK3，推理模式下呢基本上可用。但是呢，有的时候会把推理的过程写到json文件里边去，所以并不是完全可用。或者说，还是有待提升吧。马斯克说这几天出GROK4，希望他能够把这个问题解决掉。

咱们自己的，比如Deepseek R1呢，早期的版本，就是1月份的那个版本呢，64K，这是没法跑，而且它对于工具的支持也不是很好。但是呢，到Deepseek R10528的时候呢，到128K了，够用吧，也不是特别够用。最好是256K或者是一兆以上的上下文，才会更好用一些。所以呢，它在这块呢稍微有些欠缺。然后到0528这个版本呢，它已经开始支持工具了，这块基本上可用。它的最大的问题还是上下文稍微不太够长。但是呢，DeepSeek R1输出的内容还是非常好的，输出的内容质量很高。它的Json的格式也是相对来说比较正确和完整的，就正确率很高。

千问3呢基本上是可以用的。千问3唯一的问题是什么？就是它输出的结果上，这是文字的东西呢，比Deepseek要单薄一些。另外一个现在国内比较好用的模型呢，是豆包1.6。推理过程比较长的时候，容易跑偏前头。比如推理五六步了以后，直接出结果，他有时候就直接出英文结果，这个就是稍微跑偏了一点点。

那你说我们现在有这么多模型：GPT4O、GPT4O Mini、Gemini 2.5 Pro、Gemini 2.5 Flash。这些版本之间，你去让它跑这个上下文工程，到底有什么区别呢？所有的这种大模型Pro版，或者是GPT4O这种完整版本，一定是效果最好的。但是呢，Flash版呢，它的速度会快一些，价格便宜一些。只是呢，你要给它复杂的上下文，或者要求它输出非常复杂上下文的时候呢，它有时候会丢东西，输出也不是很完整。

或者，你给他一个复杂上下文进来的时候，他也会有一部分就不考虑了。这个是会时有发生的。

如果你的工作相对来说比较简单，你输入的信息和输出的信息都没有那么复杂的话，可以尝试去使用 GPT-4o Mini 或者是 Gemini 2.5 Flash 这样的版本。

那么，上下文工程产出的结果到底是什么呢？其实很简单，就是 AI 应用可以稳定的输出能够解决特定问题的、有价值的 AI 应用。这就是上下文工程能干的活。

原来为什么很多 AI 应用下去不好使？因为每一次的输出非常不稳定，有时候灵，有时候不灵。那你在这种情况下就很麻烦，你不知道它哪次灵，哪次不灵。你输出的结果，你还得各种的校验，比如说容错呀什么的，这些东西都要去做。

再往下一步，比如其他的模型里去送的时候呢，你要在上一个结果输出的内容里头，再去挑选你真正需要的东西。这块就很麻烦。

现在的话，有了上下文工程之后，你可能没法要求说我输出的内容才华横溢，但是呢，基本上我是稳定的。我每一次都稳定的输出这样的一个东西。

那你说上下文工程是不是未来方向？是不是这个万能解药呢？赶快出个教材出去圈一圈钱去，或者说赶快去报个班我学一下。这个怎么说呢？下一批新名词还在路上。

在 AI 这个领域里头，日新月异，不停的有新名词出来。而且呢，模型及应用这件事呢，依然有效。

AI 应用当前的定位呢，还是比较尴尬。虽然有了上下文工程之后，很多的 AI 应用就可以去干活了，它真正有价值了，有稳定的输出了。但是上下文工程，只要带“工程”俩字，那就不是给普通人使了。

普通人就说我们看一看就行了。真的让你去写这种上下文工程，没有程序员的能力，基本上是搞不定的。

大模型最终呢，会通过自己的升级，让普通人可以通过闲聊的方式，实现上下文工程的稳定输出。这个最后是可以实现的。不是说你没有上下文工程的能力，你最后就解决不了。

但是现在的大模型还达不到这个能力。但是可能再过个一两年吧，这块应该是可以做到的。但是在这一两年里头，像我们这些程序员，就可以使用上下文工程做出一大堆的 AI 应用，把第一桶金挣回来。这就是上下文工程能够真正起的作用。

那么，上下文工程对于当前的行业有什么样的影响呢？落后的大模型服务商要抓紧升级了，方向已经确定了。

比如说扎克伯格，挖了这么多 OpenAI 的人，赶快干活，让你的 LLAMA 4 或者 LLAMA 4.5 吧，能够很好的在上下文工程里头干活。

比如说华为的盘古大模型，别光抄千问 2.5 了，把千问 3 抄一抄吧。

得把上下文工程跑通，否则的话，小粉红拿着你的这些模型也搭不出AI应用来。

还有就是像Deepseek，可能要进一步的拉长这个上下文。现在Gemini 2.5已经可以达到100万TOKEN，或者到200万TOKEN。LLAMA4其实TOKEN也很长，LLAMA4大概是可以到1,000万TOKEN，但是它对于原生的工具支持的确实要稍微差一些。这可能是未来一些大模型要去努力的方向。

第二个大批量的AI应用就会涌现出来了。一旦大家确定下来，上下文工程是未来做AI应用里的必经之路，这一块的话一定就会快速前进。而且这一次的AI应用做出来以后，它是真的能用的。原来很多人说：“我为什么做了半天最后不能用？”因为没有上下文工程，你的AI应用整个的输出过程是不可控的。或者你为了让它变得可控，让这整个的系统跑得非常慢、非常傻。

最终的结果是什么呢？就是英伟达的显卡又不够用了。为啥呢？新模型的训练需要英伟达，大量有用的AI应用的涌现需要英伟达，很多日常任务向AI应用的迁移需要英伟达，长上下文的吞吐还是需要英伟达。这可能就是现在上下文工程可以给我们带来的变化。

对于每一位听众来说，你说：“我是个程序员，我现在想去学点应用，赶快学起来，不学就落后了。”那你说：“我就是个普通人，你通过我今天讲这个故事，你也知道一下AI应用里头到底是咋干活的。如果产生的结果不对了，不是你所预期的结果了，可能是上面的6个部分和4步哪一步走错了。你稍微有一些逻辑，对于你去使用AI应用也会有很大帮助的。”

好，这个故事今天就讲到这里。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！

老罗，罗永浩这个行业冥灯又转向了，这一次号称要 All in AI，那么他能够为我们带来一些什么呢？

大家好，欢迎收听老范讲故事的 YouTube 频道。罗永浩的细红线呢，其实已经有很长一段时间没有什么声音出来了吧？他又跑回去参加什么婚丧嫁娶，去给人直播带货去了。那么最近呢，传出消息，终于要有产品跟大家见面了。 据说呢是在 2025 年春节前后，准备发布新产品。2025 年的春节的话应该是 1 月 29 号，所以呢，他有可能会在 2 月初拿出产品出来。这一次呢，就是一个 AI 产品，不再是 AR 产品了。他这个公司叫细红线，当时创建的时候号称是要去做 AR 产品和 AR 操作系统的，现在转向了。

那么这个产品的价格呢，现在不太确定， 只是说不太便宜。2024 年 4 月份，在交个朋友四周年专场直播中呢，罗永浩提到过，让粉丝们准备 199 美金跟 299 美金，这两个价格。所以呢，有可能是两款产品，一个 199 美金，一个 299 美金。 当然也有可能这一次发布的新产品跟当时他拍脑的这个价格就已经没有关系了，但是他依然表示，这一次要发布的产品呢，并不便宜。

具体是什么呢？目前为止并没有什么特别详细的信息出来，但是呢，也是有一些蛛丝马迹，待会咱们可以稍微的猜一猜。那么细红线呢，它确实是有一些着急了，因为原来计划是 AR 操作系统跟 AR 硬件。原来罗永浩说：“哎，我这个不着急，不是说我今天融了钱，明天就要拿出产品出来，我要用 3 到 5 年的时间再拿出结果来，中间呢别催我。”但是现在他已经等不及了。

如果按照 2022 年细红线成立，11 月份拿到天使轮融资来计算的话，到今年实际上也就是第二年，2025 年的 2 月份，勉勉强强算第三年吧，肯定是没有满三年的一个时间点了。那么在这个时候呢，他就要拿出产品出来。通常如果信心比较足的时候，或者大家对他比较信任的时候呢，他还可以稍微的拖一拖。当信心不太足，大家不是那么相信他，他又需要去融资的时候，就要着急忙慌的拿出一些东西来说。

你们看，我已经做成这样了。赶快再给我些钱，我要继续做下去。因为甭管他是要做AR，还是要去做AI的话，他所融到的那点钱都不太够。他融了多少钱呢？细红线是融到了5000万美金，当时的估值是2亿美金。实际上，5000万美金对于做AR也好，做AI也好，都是有一点点捉襟见肘。

再加上罗永浩本身这个人又不是技术圈的人，所以他在去使用技术团队或雇佣技术团队的时候，他的成本是要比真正技术圈里面的人去雇佣技术团队要高很多的。那么，细红线这一段时间到底发展成什么样呢？外边并没有那么多的消息传出来。最近传出来的消息实际上是三条。

第一条呢，是2024年初，他将AR相关的软硬件团队进行了裁测，AR我们已经不玩了，准备转向。然后另外呢，在12月26号，也就是前面两天，细红线突然传出暴力裁员的消息。号称的补偿是什么呢？补偿半个月的薪水。你再怎么着n加1嘛，至少应该有一个月的薪水，或者说如果人家在里面干个一两年了，你还得给人家这个n嘛。所以不可能是半个月薪水。但是呢，他说我们裁员给半个月薪水的补偿。

然后调休呢，换成期权，这个也是一个比较奇葩的玩法了。他是按调休算工资，工资按照他最高的估值的价格去算，你应该值多少股份，给你折成期权折给你。那你说这人都被裁员了，你给他留一点期权干嘛使呢？反正就是这样的一个很奇葩的玩法吧，被裁员的人就表示不满，说我们不接受这种裁员方式。

到了第二天，说我们再增加一条吧，增加什么呢？我们把年终奖给大家兑付了吧。但是呢，按照比例兑付，兑付的时间是明年4月份。但是具体到明年4月份，这公司还在不在，或者变成什么样了，谁也不知道。所以呢，目前为止，这一次暴力裁员应该还在僵持之中吧。但是呢，也没有更进一步的消息，他到底是裁了什么样的部门，裁了多少人，剩了多少人，现在这一块的消息呢，并没有出来。不是像吉越汽车似的，直接就崩菜了，还没有，因为人家说，我还要在春节前后发产品呢，希望是他发了产品以后。

再能融到点钱，再能接着往下做。前面这5,000万美金应该已经被他造得差不多了。感觉除了这两条裁员的信息之外，今年还传出过一次招聘AI相关人员的消息。他招聘的是AI工程研发工程师，这里要注意，这帮人不是做AI算法的，不是在那做大模型的。他们做什么的呢？他们是做产品研发和实施的，就是你怎么能够把AI用起来，做个APP出来。

然后呢，他也在招聘大模型算法工程师，但他应该也没有能力去自己去训练大模型。他要求的这个工程师的能力是微调模型，做多模态，做AI agent。我觉得我的能力还将将够格，还是可以去玩这些事情的。然后还招聘了AI产品经理以及数据标注实习生，招聘的这些岗位应该是base在上海的。

罗永浩本人呢，也在很努力地做产品，但他大部分时间是在美国，他不是在国内。不知道是不是就可以学习某位先贤那样“我下周回国”，可能会变成这样的一个状态。他呢，据说是在美国，贴近一些AI团队，贴近最先进、最领先的一些AI项目，然后去跟人家沟通学习，想办法做自己的AI产品。

这就是到目前为止，罗永浩和他的细红线给我们传出来的消息。今年春节我们有可能看到的是什么呢？这是一个非常有趣的问题，因为都管它叫行业冥灯嘛，大家都不希望看到一些有机会的行业被这个行业冥灯照亮。那么行业冥灯它是怎么来的呢？原因其实也很简单，罗永浩每一次都会选择这种大家都证明了的方向，千军万马挤独木桥的时候，他也挤一下。他每次都是选这样的行业上去，每一次等到他冲上来的时候，这个行业基本上已经走到尾声，快速结束了。

所以他做手机的时候，手机的战争基本上就结束了。他跑去做电子烟，电子烟的战争基本上也结束了。他跑去做电商直播带货这件事呢，其实还可以，虽然电商直播带货这件事情现在已经演进到下一个阶段，就是大家已经开始急剧内卷了，还不算是彻底把这块照灭掉了。他选择做AR这一块呢。

也算是一个行业冥灯吧。AR整个的产业也没有什么大的起色出来。现在呢，他要跑去做All in AI，而且他应该做的是AI硬件。那么这个到底会选择一个什么方向呢？很多人也是非常的不安，焦急地等待着他这个春节的发布会，因为也不希望说我正做的这个方向被行业冥灯照亮。大家都不希望有这样的一天。

首先呢，从资金跟人员的层面，咱们先把那些不可能的东西排除掉。不可能是自己训练大模型，因为他这5,000万美金不够干这个事了。而且呢，他招聘的人员也不够干这个事了。所以他不太可能说我自己出一个完整的AI产品。就算是小米说：“哎，我现在要出完整AI产品了。”小米现在在出超级小爱，做这个之前人家也得出来传言，说我花了多少多少钱去招聘了最好的AI的大牛回来，还要去做万卡的集群。就是你要有算力卡呀，你要自己有万卡集群，这事才有人信嘛。所以小米也去做了万卡集群，然后才能做出超级小爱来。

到目前为止，罗永浩以及他的细红线并没有去招聘这种AI领域里的领军人物，也没有能力或者也没有钱去整什么万卡集群出来。所以呢，这件事就不要想了。那么细红线透露出了哪些信息呢？第一个，这是一个软件解决方案为主的产品，核心是软件而不是硬件。但是呢，也还是有硬件的，硬件分两个版本，具体是什么他没说。

然后呢，是用户交互设计理念非常超前。我觉得咱也别光在这阴阳怪气，别光在这嘲笑罗永浩。罗永浩还是有一些他比较强的地方呢。哪强呢？就是在用户交互设计上。他总能够找到一些不是需求的需求场景，然后呢，通过他的讲述，通过他的描述，让你相信这就是一个需求场景。而且被他这种画蛇添足的方式解决得还不错。

比如说像原来他去解决的“发了短信可以叫回”的这个功能。你现在跟女朋友发了一个分手短信，发完了以后我突然后悔了，怎么办？我可以把这个短信撤回来。实际上他实现的方式很简单，就是你这边摁完发送以后，没有马上发出去，然后过个几分钟再发。在这几分钟之内，你可以把它撤回。

就做了这样的一功能。发布会的时候讲了半天，让很多人觉得：“哎呀，我好需要这个功能。”请问你需要这些功能的人，你有女朋友吗？或者是说，这家里是不是已经有老婆了？所以这种功能其实并不是真需求，而是一些伪需求，或者说是一些非常小众的需求。

老罗原来在做锤子的手机的时候，确实是在跟AI折腾一些事情。比如说他当时的这种大爆炸功能，在AI领域里头走得比较靠前的了。什么叫大爆炸？就是你给他一句话，然后你双击还是怎么点一下这句话，后来呢，他给你做一些分词。做好分词了以后说：“哦，我可以把其中的某些词摘出来去做一些处理。”这个呢算是中文自然语言处理中的一部分。只是这个功能呢，最后也没有让他的手机卖得有多好。

老罗后来还做过一个聊天工具，就是类似于微信式的这种聊天工具。当然了，这个他做完了以后，所有做这块行业的人也都死掉了。这个行业冥灯不是白叫的。实际上呢，也是希望说我们在交互上做一些变化。我记得当时那个工具出来以后，还有好多投资人朋友来找我说：“哎，你看这个做得多棒。”看了两眼以后就觉得好傻。

他怎么做的呢？就是大量的进行语音输入。这头语音输入完了以后，那头呢就直接给你出文字。实际上就给你做了一个语音跟文字对应版本的微信的一个聊天功能吧。就是我们在微信聊天的时候，其实喜欢发语音，但又讨厌听语音。他处理的方式呢，就是你这边发的时候可劲发，中间呢做了个语音识别。那头看的人不爱听语音的，你就可以看到文字；你要愿意听语音呢，那你就可以听到语音。

这个语音跟文字之间，像那个卡拉OK似的，一句一句，一个字一个字怎么蹦出来。它是这样的一种沟通和交流的方式。当时我看完了以后就说：“这玩意挺扯的。”这个功能需求并不是不存在，罗永浩总是能找到一些这种挺细节的需求，然后尝试去做。但是呢，没有一些杀手级的需求，或者一些杀手级的这种钩子的话，你是没有办法让所有人去为了这样的一些小的细节性的需求去转换这种大的阵营的。

比如说，哎，我为了使用这功能，我不用微信了，上你这儿聊天来，这不扯淡吗？所以罗永浩相对来说比较擅长的地方，就是抓细节，把这个细节还可以做一些小的功能出来。那么，它的用户交互设计理念超前，这件事呢，我觉得可以稍微期待一下吧。

再往后呢，细红线宣布来说，我们要做多模态高度智能化的产品。现在我们甭管是看到豆包，还是ChatGPT或者是Gemini，都有这种叫高级语音功能了。你可以直接跟他聊天，甚至呢，还开始有这种多模态，就是说你可以开摄像头跟他聊天了，他可以马上看到你，说：“哎，你今天看着不错，挺精神的。”那么，是不是他可以使用相关的API，直接把产品包装出来了呢？我觉得这个可能性是存在的。

按照他开发布会的这个节奏来看，应该是在ChatGPT做实时语音API发布之前，他可能应该做了一些类似的研究，然后发现说：“哎，再不发布的话，我前面做的这个研究就全都废了。”因为Gemini做了叫real time模式，ChatGPT做的是高级语音功能，加视频模式，还可以加搜索。而豆包的话，现在是高级语音功能也有了，视频的不能直接挂，但是你可以向他发各种各样的图片，这块进行视频理解也没问题了。

通义千问也出来了QWQ和QVQ这样的功能，QVQ的话应该是做这个视频或者多模态识别的，QWQ是做推理的。那么在这样的情况下，他可能一说：“哎，我还是要抓紧发一下，而不是说我现在就用人家已经做好的这些产品就给你挂起来。”我估计他应该前面还是做了一些事情的，再不发就被人覆盖了。

那么价格偏高，刚才咱们也讲了，因为你不知道他到底做啥，所以这个价格偏高呢，没法去评价。春节期间发布，它特别逗，叫没有预售直接开卖，现在很多这种产品都是我要先预售一下，先给你看一眼，然后呢，让大家去参加等待。人家说不，我们拿出来我就给你卖，能卖掉多少是多少，这个也是一个相对比较大胆的玩法吧。其实我觉得比较适合老罗，为什么呢？就是他其实比较能说，在说的这个过程中呢。

比较容易造成这种冲动消费。你一旦说：“哎，我给你预售完了。”以后，再过个半年，可能大家冷静下来就不买了。而且呢，老罗还是有一批铁粉的，上来以后甭管买到什么垃圾，都自己安慰自己说：“我就是支持了他一下。”这是一个玩《甄嬛传》的真男人，我要去支持他。反正我们也没法说这些人，各自的选择吧。

那么他到底要做什么呢？几种可能性，咱们猜一下吧。第一个，耳机和音箱这块的产品，现在其实挺多的，包括像豆包，就是直接出了耳机，你可以直接跟豆包的耳机进行沟通。如果老罗自己做了一个软件，解决方案为主的话，他可能拿了别人的模型，做了一些微调，做了一下Rag，做了一些AI agent，解决一些他自己发现的这种微小的伪需求。然后呢，做一个小型的聊天工具，再加上耳机的话，这有可能是一个产品。因为豆包的耳机应该也是卖到1,000多块，所以呢，这个产品并不便宜。

所以有可能是耳机和音箱，但是呢，我并不太希望他是耳机和音箱，因为他是行业冥灯。我觉得耳机和音箱这条路，未来还是有可能走下去的。这个你莫过来，莫挨老子。

然后，玩偶有没有可能？这个可能性呢不是很大。现在在深圳那边，有一些人在做。玩偶实际上就是原来的故事机嘛，你基本上把它认为是一个套了毛绒皮的音箱吧。这种呢，可能有一点点，但未必，因为老罗自己从来没有讲过。他说他要去做这个儿童教育，虽然他原来是个英语老师，但也是做成人教育的，所以我并不太看好他去做一个玩偶。

那你说有没有可能是闺蜜机？这种叫易购平板呢，因为有这样的东西，就是一个大的平板，下头带个架子，你可以拖着它满屋走，可以在任何地方躺下来看个视频，或者拖到厨房去，一边做饭一边看个剧，躺在沙发上看个剧，可以干这样的事情。这个可能性呢是存在的，只是以他现在招聘的这些人来看，概率不大。

还有，易购平板是什么？现在小米智慧屏，实际上就是做各种智能硬件，跟智能家居的控制终端这种东西。这个呢，有可能，现在有一些这样的AI设备在做。

但是，我并不觉得老罗在干这个事。宠物摄像头是一个最近新兴出来的、比较好玩的东西，几百块钱。这个摄像头呢，是两边有俩轮子，中间呢是一个摄像头，像个不倒翁似的，始终能够保持这个摄像头朝前。这两个轮子呢，可以前后转，所以呢，它可以转弯，可以四处跑。如果家里有宠物或者有小孩的话，你可以拿手机去控制这个宠物摄像头，跟踪小孩或者跟踪宠物，满屋子乱跑，甚至还可以打出激光点，什么的，因为逗猫嘛，这个它有这样的功能。

以老罗现在的团队来说，我觉得做这种东西的可能性也不大。为什么呢？因为你要想做这种摄像头的话，它对于光学这块要求还是比较高的。目前在做这种宠物摄像头的是影石，就是做那个INSA360那家公司，他们在干这个事，还挺好玩的。在地上满地跑一个摄像头，自己没电了，还自己找地充电去，可以去识别宠物，可以去做宠物动态跟踪，还可以做小孩的跟踪。我觉得这个还是比较有戏。

这个行业冥灯，你别过来。那么再往后呢，可能性比较大的东西就是眼镜，因为现在甭管小米、华为、百度，都在尝试做眼镜。因为梅塔的扎克伯格说：“我就要去做眼镜。”他喊完做眼镜以后呢，谷歌说：“那咱也做一个呗。”所以现在大家都在去做眼镜。

以老罗行业冥灯的这个选品标准来说，或者选方向的标准来说的话，我觉得他做眼镜的概率会比较大。就是可以有摄像头，也许会有蓝牙的耳机，放在一个眼镜上，然后连到手机，靠手机去驱动一个眼镜。这种呢，到底有多贵多便宜，咱就不好说了，因为有做的贵的，也有做的很便宜的。我觉得这一块可能性比较大。

因为我自己不太看好眼镜这个赛道，所以行业冥灯你如果实在要毁的话，就毁眼镜吧。但是肯定还有很多人说：“哎，我们有喜欢眼镜的。”那行业冥灯你也别过来。

那还有什么方向有可能去做呢？就是AIPin那种东西，胸口别一个小的这种别针，带摄像头，带这个麦克风，号称要取代手机。你把手往这一伸，它这个摄像头就可以拍到你的手，直接把一个投影打在手上去，可以进行这种交互。

这种东西呢，以老罗的个性来说，我不太相信他会选这个赛道。为什么呢？因为太不成熟了。他永远会选那种非常成熟、已经接近尾声的赛道。哪怕是说这个成熟赛道谁都没跑出来，但是也要足够多的人上去冲锋了以后，他才会上。

那你比如当时他去选电子烟，也是电子烟已经火得一塌糊涂了，他才冲上去。搞完了以后，国家就开始整治了。这是他选择行业、赛道的一个标准玩法。所以我并不太相信他会去选AIPin这种赛道。

眼镜的可能性最大，就是把所有东西都列完了以后，眼镜第一吧。第二个，我估计有可能是耳机，因为耳机比较好实现吧。这一次的话，咱们就让老罗把眼镜献祭了吧，反正我也不喜欢，别人喜不喜欢我不管了。

咱们等到明年的2月份，看看罗永浩细红线公司到底能够拿出什么来。而且它是现货发售，不会有任何预售，当时就可以买到了。大家拭目以待。

好，这一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的付费频道。再见。

埃隆·马斯克的 xAI 拿了 60 亿美金的投资，估值达到 500 亿美金，准备去追赶 OpenAI 了。他还追得上吗？

大家好，欢迎收听老范讲故事的 YouTube 频道。咱们今天来讲一讲 xAI 拿了 60 亿美金投资，追赶 OpenAI 的故事。这一轮的投资里面，英伟达、AMD 都在，还有一些上一轮的投资者。

大家注意，不是说谁想投资他谁就可以的，只有上一轮的投资者，才有资格去投资 xAI。还有哪些人呢？就是协助埃隆·马斯克去收购 Twitter 的这些人，他们是有资格去投资 xAI 的。但是有限制，协助埃隆·马斯克收购 Twitter 的这些人呢，占股不超过 25%。其他的说我是上一轮投资人，他是可以无限制地在里面去进行投资的。你说我这两个都没沾边，那对不起，这个事跟你没关系。

拿到这笔钱之后，现在 xAI 已经是行业老二了。现在整个行业里边最大的大佬是 OpenAI，估值 1,570 亿美金，500 亿美金的 xAI 是第二名，400 亿美金的 Anthropic 是第三名。那你说还有谷歌，还有梅塔，还有字节跳动呢？这个不算，因为人家还有很多的其他业务，是一个巨大的巨头，你不能单独的跟这些纯粹的大模型公司去比估值，这事是不划算的。

这个团队现在也就是一百来人，非常非常精简的一个团队。现在呢，说他拿到大量的美金之后，要干嘛呢？去采购 H200，就是上英伟达那去买显卡去，然后准备组建世界上最大规模的 AI 算力集群。年底了，AIGC 正在进行狂欢。前面 OpenAI 连续开了 12 天的发布会，虽然发布的东西让人觉得稍微有点点小失望，但是也为整个行业指明了方向，这个非常非常重要。

待会儿我们来讲，谷歌呢已经跟上了，出了 Gemini 2.0 Flash 以及 Gemini 2.0 Flash thinking，就是思考模型。谷歌呢还推出了 VEO2 和 imagine 3，一个视频模型，一个图像模型。特别是谷歌的视频模型，现在看演示的话……

要比OpenAI的Sora强非常非常多。其他的国内快手推出的可灵，出了1.6版本的模型，效果也是相当不错的。通义千问最近出了两个模型，一个是2.5版本的QWQ，一个是QVQ。这两个模型呢，一个是做推理的，另外一个是做多模态识别的，就是给他一张画以后，他来告诉你画上都画的什么，效果非常非常的好。

这是现在年底了，所有的大模型公司都在狂奔，然后融资，特别是到第四季度以后，大家也都在狂奔。9月份，Anthropic融了40亿美金，估值是400亿美金，主要给钱的是亚马逊。亚马逊估计实在不行，就把它收下来得了。Anthropic年收入是10亿美金，已经开始有收入了，但是距离盈利还非常非常远。现在所有大模型公司距离盈利都很远。

下面10月份，OpenAI融了66亿美金，估值1,570亿美金，年收入40亿美金。到12月份，xAI融了60亿美金，估值500亿美金。然后国内呢，大家也在折腾，智谱AI融了30亿人民币，街月星辰在上海，这个公司融了数亿美金。一般讲数亿美金的话，就一定是多于1亿美金，你比如叫1.1亿美金，他也敢叫数亿美金。面壁智能融了数亿人民币。这就是现在年底了，大家都在拼命的融钱。

那么xAI到底做成什么样了？首先，Grok 1基本上没什么响度，就说我做出来了，然后号称开源，开源完了丢上去，实际上也没有人去用这个东西，因为这个模型实在太大了，一般人也部署不起。就算你把它部署上来以后，它的各种性能什么的，其实跟现在其他的一些像LLama这种开源模型是完全没法比的，所以Grok 1是没有任何想用的。

Grok 2呢，在x平台上其实我已经用了很久了。现在呢是免费开放，原来你必须是x的付费用户，他才让你用，现在的话不用付费也可以去使用了。Grok 2呢是我在x平台上的主流搜索引擎。如果我想搜点什么事，我不会到x平台上面这个搜索框去搜的，我都会点一下Grok，来告诉我这个是怎么回事。

那个是怎么回事？效果呢算差强人意。为什么呢？就是他生成的内容其实还可以，但是他的输入内容的质量会差一些。为什么呢？你比如说我现在使用谷歌的这种带有搜索的AI引擎，或者是使用豆包，就是字节跳动的，或者使用OpenAI的GPT Search这样的引擎的话，它等于先去搜索，搜索完了以后呢，再根据搜索结果来给你生成相应的这个答案。但是呢，Grok 2的话，它只能够在Twitter里边搜索。

那Twitter里边搜索的话，就会遇到几个问题。第一个呢，就是Twitter的文章都很短，所以呢，它不会有那种特别长篇大论的东西。虽然现在Twitter允许我们发长篇，但反正我每次发推的时候，都尽可能地把它精简到不要折叠的这么一个位置上。否则的话，我总觉得后面的内容对于流量的获取或者对于信息的传递是没有帮助的。所以Twitter上大量的这种短信，搜索完了以后再去发出来的话，效果就没有那么好。

还有一个呢，Twitter上的信息时效性太强，你想去搜索一些以前的事情，其实经常效果不好。这就是我使用Grok的一个感受。那Grok另外一个感受是什么呢？就是比较敢说。你甭管是用Gemini、用Claude还是用ChatGPT，相对来说都比较文雅，说话这个前怕狼后怕虎那么个样子。但Grok的话就相对来说要虎一些，反正我是比较喜欢这种说话的语气语调了，这个不一定每个人都会喜欢。

现在呢，Grok已经开放了API，这个我也申请了。目前为止呢，不能算免费吧，但是它是这样，申请了以后给你25美金，每个新账号有25美金。你把这25美金使完了之前，他不会再找你要钱了。效果呢跟GBT4O比起来，还是稍微有一点点小差异，跟这个Claude 3.5、Sonnet呀、Gemini 2.0、Flash比起来，这个是有差异的，但应该已经可以去用了。你说跟国内豆包、千问，跟这些模型比起来。

基本上是不会有特别大的这个差异，但是呢，它的API里头也有一些缺陷。第一个缺陷是没有语音，包括Grok 2的这个聊天工具，也是没有语音的，必须是打字。因为现在其他的，甭管是Gemini还是ChatGPT，包括我们使用豆包，都是可以进行语音沟通了，他这还没做。

还有呢，就是没有推理。因为现在OpenAI在疯狂地带着大家往推理这条路上走，他没有好好去干这个事情。然后图片生成模型应该叫Arura吧，这个词的意思叫曙光女神。效果呢，还可以，可以接受，但是艺术水平呢，应该是没有MidJourney好。

这个曙光女神的图像模型呢，最大的好处就是百无禁忌。他倒也不至于说跟大家生成很多这个血腥暴力色情，但是你说你给我按照谁的风格生成内容，或者给我生成马斯克的头像，给我生成川普的头像，给我生成任何这种名人头像，这个他是不管你的，七差咔嚓就给你画出来了。

我现在Arura用的还是蛮多的，最主要的用法是什么呢？我用MidJourney去画背景，用Arura去画人物，然后呢，再用一些像Canva之类的这种工具进行抠图和拼接，就可以得到非常非常棒的效果，这个大家可以用起来。现在应该对免费用户也开放了，就是你要到Twitter上，或者是到x平台上，你是可以去拿它画图的，效果很好。

然后视频模型没做，coder模型也就是编码模型和i Embedding模型也没做，就是这种嵌入模型它也没做，没有提供微调RAG，索引增强生成的这个RAG，它都没有提供相应的支持，就相对来说还比较简陋。

然后x自己的API你是没法去调用的，因为刚才我们讲的是xAI的API。你说我希望它能够达到x平台里边Grok的直接的效果行不行，这事是不行的，因为那个里头是有x的数据的。想要用x的数据配合到xAI上Grok的API，想达到同样的效果的话，那个是非常非常昂贵的。

iOS的应用呢，目前据说正在测试，其实我并不认为马斯克。

应该去做一个单独的应用出来，因为你只要做了应用出来，就需要获取流量，这个事还是比较麻烦的。Grok 3 目前正在训练，这就是 Grook 当前的一个状态。然后呢，xAI 还是有收入的，挣了 1 亿美金，但是呢，这 1 亿美金应该是特斯拉给的。现在特斯拉的股东们正在为这个事起诉马斯克。为什么呢？特斯拉的股东们认为马斯克损害了他们的利益。你组建了 xAI，这个事情本身跟特斯拉的 FSD 的部门就是有利益冲突的。然后你还把原来应该属于 FSD 的显卡拨到了这个 xAI。当然是后来他们辟谣了，说我们并没有干这个事情，只是呢，xAI 是优先得到了这些显卡。然后这个该属于特斯拉的显卡呢，后面还是拿到了，并没有让特斯拉花钱买显卡，然后给 xAI 用，这个事情至少从账面上的做平了吧。

时间上呢，应该有一个时间差。马斯克还把很多的原来特斯拉的员工迁移到了 xAI 里边去。你原来在特斯拉这边做人工智能的，现在你到 xAI 那边去做，特斯拉的股东就不乐意了。然后你还让特斯拉向 xAI 去采购了 1 亿美金的这个研发服务，这个就有点过分了。等于你拿了我的显卡，拿了我的人，自己投筹了一公司，跟我还没关系，还得找我要钱。这个呢，有点让我们想起了陆正耀当年在瑞幸咖啡上干的这个活。他这头做了神州租车这样的公司，那头做了瑞幸咖啡，然后让神州租车向瑞幸咖啡买了大量的咖啡券，给瑞幸咖啡去充这个销售额。最后上市了以后，直接被揪出来，说你这个算关联交易，算做假账，七差咔嚓就给做退市了。现在这个官司还在打，还没有结果。

咱们来讲下一个问题，xAI 现在去追赶 OpenAI 还来得及吗？还能不能追上，有没有机会呢？首先咱们来看模型训练这一块。在这一块上呢，OpenAI 已经指明了方向。那么剩下的人呢，梅塔、谷歌、Anthropic 也都把这个雷趟过了，都试了一遍，而且证明了说这条路是走得通的。那么下一件事该干嘛？大力出奇迹嘛，至少在追平 GPT-4O 之前。

马斯克和他的xAI应该是不会有任何问题，因为方向已经确认了，别人都试好了。这个东西其实有点像什么呢？有点像新中国去发两弹一星似的，美国人都试好了，这个东西没有任何问题。我们不用再去担心说条路能不能走得通这个事，我们只需要照着原来已经试通的这条路，冲过去就完了。

在这个过程中，只要是大干快上，招更多的人。那你说很多的技术壁垒怎么判呢？咱们当时处理的方式，就是把这个华人华裔科学家从美国忽悠回来，来加入我们的团队，来去干活吧。然后对于马斯克来说也很简单，挖人呗，挖OpenAI的人呗。这个事总共圈子就没多大，而且OpenAI原来很多人就是他挖进去的，那现在再把他挖出来几个，这个并没有那么困难。

那么下一件事是什么呢？下一件事叫客户获取。你把东西做出来，还得有人用。在这件事情上，xAI是有天然优势的，因为后边有一个x平台，它有一个天然的流量池。x平台的月活用户数有多少呢？6.11亿，就是超过6亿吧。这些用户都是Grok或者叫xAI平台的天然用户，在用户获取上没有什么大问题。

至于收入获取上呢，SpaceX、特斯拉以及x平台都会给他花钱。花钱这里头只有特斯拉是上市公司，有可能会被起诉；SpaceX是不上市的公司，x平台呢更是马斯克一人说了算的。你把一部分的利润挪到这个xAI上来，应该是不会有人说三道四的。

至于应用开发这件事，马斯克现在在做iOS平台上的xAI的应用，这件事应该不是马斯克擅长的。其实谷歌也不擅长这个事，因为Gemini的应用做得简直像屎一样。OpenAI跟Anthropic在努力，做的好坏大家自己去评价，我感觉反而将就能使，但效果也没有那么好，这个主要是因为挂梯子的原因。挂了梯子以后，使用他们的APP的效果就会有问题。

现在谁做得最好呢？实际上是豆包和CC，国外叫CC，国内叫豆包。它目前为止用户量紧跟着OpenAI的，就是现在所有的。

这个AI应用里边儿，用户量最高的肯定是OpenAI，然后第二名就是豆包和CC，第三名的话可能是剪映。再往后应该是一个AI教育的，也是字节跳动出的这个产品。这个就没法整了。

按流量算前十名的AI应用的话，字节跳动大概占两三款，或者三四款的一个样子，而这个是非常吓人的。所以，做应用、做APP这一块，字节跳动是最强的。

现在xAI真正差在哪呢？它差在场景拓展。你可以进行文字聊天，可以进行图像生成了，但其实也可以进行图像识别了，因为Grok有一个杠v的这个模型，我们可以通过API直接去调用，效果我试了一下还可以。就这些事呢，他已经都做好了，但是其他的，甭管是RAG嵌入，还是说做推理、做视频生成，做一些更复杂的这种应用的话，现在这一块还缺乏场景。这个xAI还要往前冲，但这一块呢，就是耗人数，并没有那么大的技术难度，因为真正难的还是把模型往上推，这块是要更难一些。

那咱们稍微比较一下字节跳动跟xAI吧。第一个方向都确定了，因为OpenAI跑最前面嘛，连续12天发布会，给大家指明了方向。那么字节和xAI咱一块追就完了，这个不用再去探索了，也不用再去验证了，大家都去玩这个，大力出奇迹就行了。

在这一点里头呢，xAI的人少，但是呢，要更精一些，有很多顶级科学家在里面。说花钱这件事，肯定马斯克是最有钱的，因为他是世界首富嘛，但是呢，他真正能够直接动用的现金应该没有那么多。就是他想去花钱的时候，也要去融资，也要去找一些朋友们募一些钱回来。

字节跳动呢，就是手里头就有大量的现金，买显卡他们都是很努力的在买。甭管是xAI还是字节跳动，把全世界买到显卡的这些公司里边，第一名一定是微软，第二名就是字节跳动，第三名是腾讯，第四名是Meta，再往后才能是xAI。就是马斯克在这一点上，还是要稍微往后退一退的。

然后，甭管是xAI还是字节跳动，都有一个很棒的特性，自带流量和数据。

就是你想字节跳动有多少流量和数据，x平台有多少流量和数据，这块都是他们的优势。其他的呢，各自的长处。xAI是非常擅长融资，马斯克的名头在这，顶尖科学家的资源是xAI的优势。而字节跳动的话，第一个也还是比较有钱的。字节跳动其实有一点是比xAI强的，是它的场景要比xAI丰富。

像xAI实际上只有一个x平台在前面，是它的用户和它的数据。但是字节跳动的话，有今日头条，国外其实也有这种头条类的产品在运营，还有抖音和TikTok，然后还有很多的商业相关的东西，还有这个飞书，在国外叫Lark，就是办公场景，它也是很完整的。而对于像xAI来说的话，后边这些场景它是不存在的。就算你能把功能做出来，我希望找到相应的用户，然后把这个场景拓展过去，这个还是有些难度的。在这点上，字节跳动是具有相对比较大的优势的。

而且字节跳动在整个的商业化上，也要比x要强很多。大家注意x平台，我们这里讲的是原来Twitter，Twitter只有广告，然后有一些订阅，其他的呢，现在还没有尝试出来。而字节跳动里头，电商、直播、什么游戏，所有的这些东西都在里头跑着，而且跑的都很高。所以在整个的商业场景上，字节跳动要更丰富一些。

然后字节跳动还有一个优势，什么就是APP的开发和运营的能力，天下无双，全世界没有人跟他比好。这就是跟大家稍微比较一下，这两家在AI领域里头正在奋起直追的公司的一个情况。

好，最后总结一下，现在呢，肯定是更多的人参与追赶，这是一个好事。如果现在说都没人追了，剩下OpenAI一骑绝尘，所有人都看不到他跑哪去了，这个事就很麻烦。因为一旦出现这种情况，跑在最前面那公司会干嘛？会躺平，会挤牙膏。Intel前面给咱们演示过了，苹果也得给咱们演示。这件事情就是一旦遥遥领先了以后，他就躺平挤牙膏了。现在遥遥领先了以后，依然在疯狂的奔跑的只有一个公司，叫英伟达。他现在已经完完全全的把其他人都甩掉了。

但是还是在拼命地，不停地出这个新的显卡。像他这么拼命的人，全世界大概也只有他了。希望马斯克可以为AIGC领域贡献一些不一样的东西出来吧。

而马斯克真正贡献出来的AI工具，我对于他的这个能力本身其实并没有那么大的预期。你说马斯克一下推出了Grok 3，比这个GPT-4O或者比这个Gemini强多少，这个事儿我是不没有任何的预期的。但是，有一个什么事儿可以预期呢？就是在审核和对齐这方面。

因为Grok是以“什么都敢说嘴，还特别猛”而出名的，他们的曙光女神的图像生成器是以“百无禁忌”出名的。所以，这是对于AI内容审核、内容合规、内容对齐的一个不同方向的测试。因此，一定要让XI继续跑下去。否则的话，我们就会看到一堆温文尔雅的先生，在那里越来越说得不像人话。

有X AI在里边综合一下的话，也许整个AI平台说的更多东西还是会更像人话一点点。好，这一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。