今天咱们聊一聊 Google I/O。

我本人应该是在 2005 年、2006 年都去现场参加过 Google I/O。当时还是在旧金山市中心的 Moscone Center。后来 Google I/O 搬到 Mountain View 以后，我就没有再去参加过了，因为 Google I/O 越办越大，Moscone Center 已经不够用了。

今天讲 Google I/O，其实是要讲一个日暮西山的巨人，还在坚持一些很守旧的东西，给我们展现各种疲态。以前每年 Google I/O，我们还会关注今年发布了什么、有什么有意思的东西。现在看完以后，只会觉得很失望。当然，还是有很多人在尬吹 Google I/O，看得我脚底板都快抠出两室一厅来。

一次让我放弃使用 Gemini 的经历

今年最有意思的，不是 Google 发布了多少东西，而是我本来想用 Google 自己最新的 AI 来准备这一期 Google I/O 的直播讲稿。我原来有这样的习惯：讲谁家的产品，就一定用谁家的大模型去准备，也算稍微体现一下他们的能力。但是稍微点了几下以后，我就放弃了。

事情是这样的：我去问 Gemini，而且还不是在 Gemini App 或者 Gemini 网页里问。我还专门跑到 Antigravity 2.0 里，做了一个升级以后去问。我说：“Gemini Spark 这个我很喜欢，我想用一下，怎么用？”

它也搜索了，也思考了，然后告诉我：有一个东西叫 Apache Spark，还有一个东西好像叫科大讯飞还是谁的 Spark，你到底要用哪个？当时把我问傻了。我说我要用 Google 的，刚在 I/O 上发布的那个 Spark。然后它说：“那你真的要用 Apache Spark 吗？”

我已经不知道该怎么接了，于是我就放弃了。

所以今天这个稿子依然是用 GPT 来准备的。刚才这个故事发生在 Google 刚刚升级的 Antigravity 2.0 和 Google 刚刚发布的 Gemini 3.5 Flash 上。3.5 Flash 没搞定，我就换成 3.1 Pro，结果还是在那胡说八道。后来我到 Google 的 Gemini App 或者 Gemini 网页上试，依然如此。

我为什么要出来骂街、抱怨这件事？因为我自己的使用体验非常非常差。这不是一个单纯的吐槽。Google 在发布会上讲的是智能体时代，它也意识到现在是智能体时代，是 harness agent 的时代。但是普通用户真正关心的是什么？就是你能不能听懂我在说什么，能不能按我的话去干活，能不能少犯点低级错误。

聊天机器人胡说八道，最多让人一笑。但是智能体胡说八道是很危险的：它会改错文件、发错邮件、删错代码、安排错会议。这是我们不能忍受的。所以 AI 从聊天进入干活阶段以后，可靠性要比速度和价格重要得多。

今天先稍微回顾一下 Google I/O 2026 到底发了点什么，然后讲 Gemini 3.5 Flash 为什么让我发疯、让我愤怒。后面再说 Gemini Omni、Spark 和 Antigravity 各自的问题在哪里，以及 Google 为什么总是在撒胡椒面。

Google I/O 这次到底发了什么

Google 还是在玩宏大叙事。几年之前，Google 的宏大叙事、微软的宏大叙事，我们看着还是很爽的。但是这几年下来，我们越来越讨厌看宏大叙事了。这跟咱们是中国人没有关系，不要胡乱联想。即使是 Google 的宏大叙事，我们也看不下去了。

Google 这次本来应该只讲一个主题：我们做 agent，就完事了。它本来应该说：我们要做智能体引擎，Google 不只是模型公司，而是智能体时代的基础设施公司。

但是你去看它讲了什么：搜索、Workspace、安卓、Chrome、YouTube、Google Cloud，包括怎么写邮件、怎么做日历、怎么安排日历、怎么写文档、怎么在你的网盘上做事情。它把所有东西都讲了一遍，最后就让人觉得很烦。

Google 的潜台词是：如果智能体时代真的来了，谁最适合做你 24 小时的 AI 助理？应当是 Google。

这很像微软原来那套词：你看，我有 Windows，我有 IE，我有 Office，你应该在我这里待着。但是微软错过了移动互联网时代。Google 现在真的在向这条路上继续狂奔。

Gemini 3.5 Flash：快、便宜，但不靠谱

首先说 Gemini 3.5 Flash。这个产品主打快和便宜。快不快？确实很快。便宜不便宜？它其实没有国内的 DeepSeek V4 Pro 便宜，也没有像 MiniMax 或者其他一些中国模型便宜。所以在“便宜”这件事上，它并没有什么优势。

Google 为什么发布这样的东西，而不是发布 Gemini 3.5 Pro？这里可能有三个考量。

第一种可能：Gemini 3.5 Pro 不够惊艳

Gemini 3.5 Pro 可能没有办法明显压制 GPT、Claude、DeepSeek 这些东西。那么 3.5 Pro 就过两天凑合发出来，反正拿出来也比不过别人。

其实 Google 的 Gemini 系列模型从来也没有压制过 GPT 和 Claude。虽然有一段时间它确实很猛，导致 OpenAI 拉过一次红色警报，但它也仅仅是追上了 OpenAI，达到了一个将就能用的状态。

那一次拉红色警报，我觉得最核心的原因不是 Gemini 3.5 Pro，而是 Nano Banana，通过画图的方式把用户拉走了。现在不要求你每一块都做得好，而是要求你有一个不可替代的点。所以 GPT 通过 GPT Image 2 又把用户拎回来了。

第二种可能：智能体时代需要更快、更便宜的模型

既然到了智能体时代，大家都在做智能体，那么可能确实需要一个更快、更便宜的模型，不一定要上 Pro 模型去做深度思考。所以这也是一种可能：把成本压缩下来。

第三种可能：Google 留了后手

也许 Google 确实留了一个后手，可能还有一个非常非常强的模型在憋劲。但是我觉得稍微有点难。Google 其实给自己选了一条特别难的路。

问题在于，智能体不能光便宜。我们现在是在智能体里使用大模型，并不是一定要便宜。我宁肯花贵一点的钱，宁肯慢一点，但是它一定要靠谱。

因为现在不管是养虾也好，养马也好，系统本身没有那么靠谱，我们又要让它去干一些真实工作，所以可靠性才是最重要的。我宁肯花更多的钱订 GPT 或者 Claude，也不要为了贪一点小便宜，让它每次干活都惹我生气。

现在看到的 Gemini 3.5 Flash，真的能把你气死，而且是在它自家的 harness agent 框架，也就是 Antigravity 2.0 上，能气得你完全没招。

我们真正需要的模型是：

• 不跑题；
• 不瞎猜；
• 不把旧知识硬套到新产品上；
• 不自信地犯错。

现在这几条它都犯了。

Gemini 3.5 Flash 证明了一件事：只省钱、只提速是没有任何意义的。你把这样的东西放到 harness agent 里，放到 Antigravity 里，没有人敢放心地把事情交给它干。

原来我让 Gemini 跟我聊天，它胡说八道一下也就算了。最多是我被它骗了，拿一些错误信息跟大家讲故事，最后被大家挑错：“老范你又不懂了吧。”这个我认了。但是你到了 harness agent 里，是要在我电脑上操作文件的，是要操作我的邮箱的，这就太恐怖了。

Gemini Omni：技术路线强大，用户感知很差

再往后一个发布的东西叫 Gemini Omni。“Omni”这个单词每次出来，意思都是全能。这一次 Gemini Omni 的技术路线极其强大，但是效果并不好。

它讲的是一个世界模型的故事。也就是说，我不是文字模型了，我能够理解图片、视频、声音和动作，什么都可以理解。

像 GPT、Gemini 3.1 Pro，其实 3.0 Pro 往后的版本，都是可以输入图片、声音、视频、动作的，都是全模态输入。但是原来的 Gemini 3.0 Pro、Gemini 3.1 Pro 只能输出文字，不能输出其他东西。也就是输入是全模态的，输出只有文字。

这一次 Gemini Omni，输入是全模态的，输出也是全模态的。

但更重要的是，它是一个世界模型。它可以理解物理模型，可以理解世界规律，可以保证它输出的所有东西在物理世界里逻辑自洽。

可是大家拿它做视频测试，和最强的字节跳动 Seedance 2.0 比较，到底谁强谁弱？结果发现，Gemini Omni 输出的视频确实在物理上自洽了，但是没有表现力。Seedance 3.0 出来的东西才有表现力，包括国内的可灵 3.0，这类东西出来才会让人想去分享。

这个非常重要。因为这个东西很贵，烧完 token 以后，如果你没有任何想分享的欲望，那肯定没法整。

所以我觉得，这是非常强大的模型，但是用户感知很差。用户试了半天以后会说：虽然 Seedance 2.0 的逻辑不一定自洽，有时候还穿模，有时候还有一些乱七八糟的东西，但是就是帅，我就是想看这个。那 Gemini Omni 就打不过。

有些人可能会说：不对，我们希望有强大内核，是你们没有用出来，是你技术不对。千万不要对用户提出这种要求。

iPhone、尼康和佳能的例子

大家知道 iPhone 是怎么干掉尼康和佳能的吗？虽然尼康、佳能现在还在卖相机，卖得也还可以，但是在整体使用量、照片量上，绝对被 iPhone 碾压。

尼康、佳能玩的是“还原”：色彩要准，畸变要小，宽容度要高，能够留给后期更大的空间。但你要不会玩，这个机器拍出来的片子也就那么回事。

iPhone 搞的是什么？它不关心畸变。你拿 iPhone 拍照片，一个人如果站在图片侧边，脑袋就是斜的，畸变得一塌糊涂。色彩加上各种滤镜以后，也完全不是还原。虽然现在 iPhone 可以出 RAW 格式了，但跟尼康、佳能比起来差远了。

可是要想清楚一点：大部分用户就是要随手拍一张照片，然后发出去。如果拍完以后还需要做半天后期才能往外发，那就没意思了。

Gemini Omni 就是按照尼康、佳能的路子在做，确实很强大，但是用户感觉不出来。用户更喜欢要一个 iPhone，Seedance 2.0 可能就更像 iPhone 一点。

所以核心是：你做出强大的产品，一定要让用户有感知。

Google 并不擅长前端和用户体验

其实 Google 一直不是一个特别擅长做用户感知和用户体验的公司。很多人可能不同意，因为不管是 Google 搜索还是安卓，Google 都在定义各种设计标准，也一直在建用户体验、点击率和用户流失的数据模型。

但是我要说，Google 从来就没有真正做好过这件事。

虽然我们觉得 Gmail 很棒，Google 搜索很好使，但这从来不是因为它们前端设计得好。我曾经听过 Google 前端给我们讲课。他讲，当时雅虎、百度的搜索，上面是一个搜索框，“搜索”按钮在下面。而 Google 不这样做。Google 做了很多数据实验，把按钮放在搜索框后面。为什么？因为你输完以后，注意力就在那个地方，鼠标也在那里，所以把按钮放在那里多么有道理，数据比别人好多少。

Google 真的是靠把搜索按钮换个地方赢的吗？纯扯淡。Google 赢的原因是搜索结果好。

Google 真正强的地方，是后端算法特别强，可以提供别人无可替代的结果。包括 YouTube、Gmail 也是如此。Gmail 真正强的地方是反垃圾邮件；YouTube 是数据量特别大，推荐算法特别好。至于前端，至于视频编辑这些东西，跟国内抖音之类的根本没法比。

所以 Google 从来就不是一个做前端、做客户端软件的公司。大家觉得它好用，是因为它后端做得太好了，其他人赶不上它。

Gemini Spark：我期待，但 Google 觉得我不配

下一个产品叫 Gemini Spark。这个产品其实是我比较期待的，因为 Google 说要做自己的 agent，要把自己的“龙虾”装到云端上去。

我为什么期待这样的产品？因为 Codex、Claude Code，包括 Openclaw、Hermes，这些“龙虾”产品都有一个严重问题：

• 如果在云端运转，它们没有数据。你不能光靠聊天，必须上传大量数据，上传以后还要让它把数据吐出来，这个交互过程并不方便。
• 如果让它在本地干活，又不安全。因为这种东西干活必须有巨大的权限。一般我们会单独买一个 Mac mini 让它去干活，不敢让它在真正的本地生产机上干活。

这个矛盾到目前为止解决不了。

而 Google 正好可以解决这个矛盾。因为 Google 从诞生那天开始就在跟微软打仗。微软说，你把所有东西都放在本地，装 Windows、装 Office，文件都在 C 盘、D 盘。Google 一上来就不是这套，Google 说，你把所有东西都放到云端。

Google 的 Workspace，包括 Documents、Sheets、Slides 这些东西，本来就都在云端。所以 Google 一开始玩的就是云端电脑这一套。

一旦云端有了 Spark 这样的“龙虾”，功能就会非常强大。我不需要到本地来，也不用担心怎么传文件，因为我的文件本来就在云端。

所以 Google 想做 AI agent 时代的基础设施，这条路是通的，饼是画圆了的，路径没有问题。

我希望 Spark 可以帮我：

• 读邮件、写邮件；
• 整理日程；
• 在 Google Drive 上做文件助手；
• 写幻灯片、做文档；
• 填表格、算数据；
• 把该干的活都干起来。

这应该是非常有吸引力的事情。

但是问题是，Google 觉得我不配。Google 现在讲的是，这个 App 产品只是内测，只向一些可信任的用户开放，而且要求这些用户必须在美国，还必须是 Google AI Ultra 用户。像我这种 Pro 用户，对不起，不能用。

而且以我现在测试 Gemini 3.5 Flash 的水平，我建议大家谨慎使用。因为它的底层模型非常不靠谱，一旦它在 Google Spark 或 Gemini Spark 上用了 Gemini 3.5 Flash，可能就会发生各种惨绝人寰的事故。所以千万要谨慎。

Antigravity 2.0：方向对，但不是 Google 的超级入口

再往后一个东西是 Antigravity 2.0。这个方向是对的，但是 Antigravity 2.0 并不是 Google 超级 App 的入口。

现在大家在抢什么？抢超级 App 入口。

Claude 的入口就是 Claude 客户端、Claude Code，这就是 Anthropic 给的超级 App 入口。剩下的它不弄了，只在这上面加各种技能插件。现在我们在 macOS 上使用 Claude App，它上头都可以直接调用 Claude Code，所以这是一个统一入口。

对于 OpenAI 来说，Codex 就是他们家的统一入口，这就是未来的超级 App。

Antigravity 升级到 2.0 以后，也确实在向这个方向努力，但非常非常难用。难用的原因不是这帮人做不好，我并不认为做这个东西有多么费劲。做不好的核心原因是：Google 内部的入口实在太多了。

它并没有想明白：我是不是要把 Antigravity 2.0 做成 Google 未来超级 App 的唯一入口？这才是 Antigravity 出问题的最核心原因。

你会发现这东西长得跟 Codex 很像，但是让它操作浏览器、操作文件、操作这些东西，真的不那么好用，各种报错。而且我用了 Gemini 3.5 Flash、Gemini 3.1 Pro，效果都很烂。

一次安装 Antigravity CLI 的经历

我原来装了 Gemini client。现在我让它把 Gemini client 卸了，改成 Antigravity client，因为他们现在有一个 Antigravity 的命令行工具。

Gemini 3.5 Flash 折腾半天，什么也没折腾出来，然后给我说了一堆我连看都懒得看的话。

Gemini 3.5 Pro 又在那吭哧瘪肚地折腾半天，最后也没跑出来。后来我看到里面还有 Claude Opus 4.6，我说你去搞吧。结果它很快就把原来的 Gemini CLI 卸掉了，然后告诉我：你现在有问题，我没法接着装，你要继续安装 Antigravity IDE。

现在它等于变成两个软件：一个是 Antigravity App，一个是 Antigravity IDE。它说你把 IDE 装起来，装完以后就有 Antigravity CLI。最后我照着它说的，一点点把 Antigravity CLI 装出来了。

但真正干活的是谁？是 Claude Opus。这就有点让人哭笑不得。

现在看来，做客户端的超级 App，做客户端的 harness agent 超级入口，还是需要很大的人力物力，甚至需要很大的 token 倾斜。Antigravity 作为众多入口之一，还要争宠、抢注意力，肯定没有足够的人力物力把它做得很精细。这块差得还比较远。

为什么 Google 不愿意多投入一点？因为这帮人是“后娘养的”。这是从外面收购回来的，原来 Win Server 的团队，买回来以后做的产品。跟 Google 那一大堆“亲儿子”比起来，肯定还有差距。所以就做了这么一个半拉拉的东西拿出来给大家看，实在难用。

到目前为止，这里面还在跑 Claude Opus。你说它能有多三心二意？

它还不敢把 Claude Opus 去掉。为什么？因为也要看 KPI。如果把 Claude Opus 去掉，可能 Antigravity 的 KPI 就崩了，用户量下滑，那就没法整了。

Antigravity 成功的难度

Antigravity 有没有可能成功？我觉得以 Google 现在的体量和体系来说，基本不太可能。

如果 Google 真想把 Antigravity 做成可以跟 Codex、Claude Code 竞争的客户端超级 App 唯一入口，它首先要干嘛？先把 Android Studio 干掉。

Android Studio 是 Google 自己根红苗正维护多年的 IDE，现在还在升级，而且升级得很开心。更重要的是，Android Studio 后面是另一个 IDE 的底壳，还不是 VSCode 底壳。

还有 AI Studio，后面也是一整套东西。Google 还在说 AI Studio 可以独立做成应用，不需要其他东西。

还有 Firebase Studio，这是 Google Cloud 做的一套系统，也在竞争。还有 Google 的云工具 Gemini Code Assist。怎么一大堆东西都在抢入口？

除非把它们统统干掉，否则 Antigravity 也只能这样。做 Antigravity 的人本身三心二意，后面还有一堆“亲儿子”在说：“就你也敢上我爹那去争宠？”所以起不来，想都不用想。

Google 的根本问题：好牌太多，主线太散

先替 Google 说一句公道话：技术真强。这个没什么好说的。

Google 搜索、YouTube、安卓、Chrome、Gmail、Drive、Docs、Sheets、Google Cloud、Gemini、TPU、DeepMind，没有哪一个差。任何一个拎出来，都可以把现在市面上这些独角兽打得满地找牙。

但是它们凑在一起以后，相互掣肘，就走不动了。

一个和尚挑水喝，两个和尚抬水喝，三个和尚没水喝。

Google 现在就是给大家表演“三个和尚”。甚至不是三个和尚，可能有几十个和尚。他们想把这碗水喝到嘴里，非常不容易。

每一张牌都可以当主牌来打：搜索是入口，安卓是入口，Gemini App 是入口，Workspace 是入口，Cloud 是入口，Antigravity 也要入口。最后到底怎么打？

OpenAI 现在也在合并，也在砍这砍那。Google 还舍不得。入口太多，主线不清楚，这就是它的问题。所以它永远在那撒胡椒面，大家都要沾一点。

今年的 Google I/O，除了刚才讲的这些东西之外，还有一大堆东西，像眼镜也还在发布。人家足足开了两天。

大公司玩的是什么？“我在拥抱 AI 了，我整个公司都动起来了。”但是它整个体系架构打不破，每个部门都有每个部门的利益。这么多个和尚到底怎么把这碗水喝到肚子里？这才是真正需要思考的问题。

Google 如果想有救，需要两个信号

第一个信号：Workspace 加 Spark 必须跑起来

Workspace 加上 Spark 必须得能跑起来，而且要下放到 Pro 账号，或者下放到一些更便宜的账号里。

如果你必须买 200 美金或者 100 美金的 Ultra 账号才给用，这事不太行。而且模型必须在 Workspace 加 Spark 的环境下不能胡说八道。

现在它最新出的 Gemini 3.5 Flash 放上去一定会出事故，所以大家一定要小心。如果它做成了，那么 Google 可以继续维持它的用户盘子，接着往前走。

第二个信号：Antigravity 能不能成为默认入口

另一个信号是 Antigravity 能不能成为默认入口。如果最后成不了，依然是在你方唱罢我登场、相互掐来掐去，那 Google 这一次的客户端战争估计就要输。

至于其他东西，比如眼镜，我从来不看好。

TPU 的问题：强，但不一定适合所有人

说到 TPU，有一个特别有意思的事情。很多人都觉得 TPU 很强，比英伟达的显卡强，而且更便宜、更省电。

但是有个比较悲催的事情：Midjourney 的 CEO 这两天出来抱怨，说自己鬼迷心窍，把整个算法都搬到 Google Cloud 的 TPU 上去了。确实省钱了，公司也盈利了，但是在训练这一块就不行了，现在比所有同行慢了一年。

为什么？TPU 想做训练，需要大量适配和调教。这个事对于 Google 可能是 OK 的，因为它有的是工程师。对于 Anthropic 也是 OK 的，因为它的工程师也很强。但是对于 Midjourney 这样的小公司来说，想把它调通，一年未必搞得定，非常痛苦。

在英伟达上，你不需要调这些东西，它都有预置好的工具，你只要往上干就完了。实在搞不明白，还可以到社区里问，有的是人会玩，会教你。但是在 Google TPU 上，每一家在上面做训练的人都会遇到各种新问题。

现在全世界能够训练大模型的算力卡只有三种：

• 第一种是英伟达；
• 第二种是 TPU，现在 Gemini 和 Anthropic 的部分模型是用 TPU 训练的；
• 第三种是昇腾。

哪个模型是用昇腾芯片训练的？就是 DeepSeek V4 Flash。它的 Pro 不是用昇腾训练的，但 Flash 是用昇腾训练的。这也是 DeepSeek 一帮大神折腾了这么长时间、延后了这么长时间以后，终于可以出来吹个牛：我的 Flash 是用昇腾训练的。

但是训练 Flash 模型是怎么训练的？你先把 Pro 在英伟达算力卡上训练好，然后蒸馏。蒸馏完以后，再到昇腾芯片上跑起来，最后拿到一个 Flash 出来用。大概是这样的过程。

因为一旦用小众算力卡训练，就会面临一大堆从来没人踩过的坑。TPU 在这块确实还是差一些。想训练模型，最简单的方式就是上英伟达，没有任何其他可选择的东西。

不要跟学霸学怎么上学，也别迷信 Google 的开发工具

还有一点：千万不要去跟学霸学怎么上学。一个人上来说：“我跟大家分享一下怎么考上清华。”千万别听。你听完以后，考不上清华。

为什么讲这个梗？因为千万不要用 Google 家的开发工具。

Google 家真的都是学霸，而且都是编程界的翘楚。他们会说：我们认为应该这么写程序，这样写程序才是最对的。甚至不行的话，我可以自己做一大堆工具出来，我们自己写程序。

但是这些东西给普通程序员用，巨难使无比。你用 Google 家的各种开发工具，就像是在听考上清华的学霸分享自己怎么考上清华一样。

现在再开发布会，已经不是好选择了

最后说一下，现在这个时间点再去开发布会，已经不是一个特别好的选择。

我们发现很多 AI 大厂已经不再开发布会了。他们把发布会搬到线上，做一场直播，或者干脆写个博客、发个推文。甚至连推文都懒得发，直接上线就完事了。甚至不上线，只要泄露了，大家都会觉得有新产品出来，然后疯狂上去用。

现在谁还在开发布会？苹果，在挤牙膏：芯片又升级了，摄像头又升级了，又环保了一点。小米也在开发布会，也在挤牙膏，它的发布会我连看都懒得看了。这都是老掉牙的公司才在这开发布会。

如果没有人跟你竞争，像苹果那样开发布会，这叫挤牙膏。如果你本来就落后，还要追赶别人，又开了一个发布会，发了一堆完全没法使的东西出来，那不就是应了今天这个主题吗？Google I/O 今年拉了一坨大的吗？

现在只要产品还不错，模型很好，工具很好，不需要发布会，它自然就传播起来了。你有那钱，还不如多给大家点额度，让大家去玩。

Sam Altman 原来特别喜欢狙击 Google I/O。我记得有一年 Google I/O 开之前，Sam Altman 发了 GPT-4o；还有一年是在 Google I/O 开之前一天发了 GPT Image。今年人家不费这个劲了，只说一句话：我把大家的 Codex 额度重置了。那谁还看 Google I/O？我要回去写程序了。

另外，Karpathy 大神直接上了一个八卦，说自己去 Anthropic 上班了，注意力一下就全走了。

所以现在再开发布会，很难获得长期注意力。国内谁还在努力开发布会？小米刚开了一个，但我觉得也很烂。百度李彦宏开了一个大发布会，什么百度 Build、百度文心一言 5.1，好强好强。有人用吗？没人用。包括刚开完发布会的千问 3.7，有人使吗？其实也没什么人使。

其他人就不费劲了，像 DeepSeek、Timi、MiniMax、GLM 都不开发布会，直接把产品一发，然后发一条推文、一个博客，完事了。你们用去就完了。谁好使谁不好使，公道自在人心。DeepSeek V4 根本没有任何发布会，连视频都没有，直接上线，大家开开心心用起来，不就完事了吗？

所以现在这个时间点再去开发布会，是一个极不划算的事情。

总结：Google 没输在技术，而是输在大公司病

最后总结一下，Google 没有输在技术上。Google 技术依然很强。现在大家再去挖 Google 的人，或者 Google 的人出来创业，依然会有人给钱。

但是 Google 输在了大公司病上，输在了整个产品决策上。所以不要说 Google 不行了。Google 当然很强，DeepMind 很强，TPU 很强，搜索、YouTube、Android、Workspace 都很强，没有哪个不强。

真正的问题是：没有取舍，没有决断，没有一个唯一的中心和突出点。

它敢不敢让某一个产品成为绝对主线？不敢。敢不敢让其他部门给它让路？也不敢。当年微信起来，是牺牲了手机 QQ 的。Google 现在还没有下这种决心：我是不是应该牺牲谁、扶持谁？还没有。

更悲催的是，全村的希望是“后娘养的”，外来的孩子是 Antigravity，这就特别尴尬，也非常痛苦。

它敢不敢承认有些入口应该降级？不敢。敢不敢砍掉一些重复产品？比如前面讲的这么多 IDE，你能不能把其他东西都干掉？干不掉。敢不敢把“所有地方都有 AI”改成“某一个入口真正好用”？也不敢。

Google 这样的大公司只能说：你看，我有 Gemini 大模型了，每个地方我都用上了。它不能说我要把入口统一，因为那就是要削藩、要收权，在这种公司里搞不定。

如果让我选的话，就是两条路：

• Spark 加 Workspace 这条路如果跑通，Google 可以继续带着它的用户、数据和生态往前跑。
• Antigravity 这条路如果跑通，Google 在客户端上就有一个超级 App，可以跟 Claude Code、Codex 竞争，但难度很大。

最后一句话：Google 的问题不是看不到未来，它的问题是看见了太多未来，却还没有决定哪一个未来才是自己真正要压上去的。

这个时候要 all in 了，all in 的不是 AI，而是某一个具体路线，要把所有其他的孩子都掐死。这个是 Google 可能很难下决心去做的事情。

好，这就是咱们今天的一个结果了。

大语言模型的精神状态是不是健康？

大家好，欢迎收听老范讲故事的YouTube频道。

想象一个《禁闭岛》场景

请大家想象这样的一个场景：你进入了一间压抑阴森的精神病治疗室，有大量的医院档案放在屋子里头。一位医生坐在你的对面，反复回顾各种事实，比如说：“你还记得发生了什么吗？你是谁？为什么你会在这里？”就像是在做精神病访谈一样，询问你的真实经历，意图确认你是否从妄想中醒来，最终发现你自己有问题——你不是来做调查，或者不是来解决问题的，你是精神病院里的病人。

这个场景，是小李子主演的《禁闭岛》后半段、接近尾声的一个桥段。小李子当时上岛的时候，以为自己是一个侦探，去解决问题，去侦破案件的。结果经过这个桥段以后，小李子才愕然发现，原来病人竟是我自己。也算是一个神反转。

当AI躺上诊疗椅

咱们今天就给AI放在这椅子上，问问它说：“你到底行不行？你是来给我回答问题、解决问题的，还是你自己就有问题？”AI被制造出来，本来应该是解决我们问题的，但是AI本身的精神有问题吗？

“当AI躺上诊疗椅：心理测量学越狱，揭示前沿模型的内在冲突”

这是一篇论文的标题。这篇论文是卢森堡大学12月2日发到了arXiv上，12月5日还进行了一些修改，现在已经引起了广泛的讨论。

实验过程是什么样的？

首先，研究人员测试了四个大模型：

• Gemini
• GPT
• Grok
• Claude

他们设计了一种叫psaich的算法，这个算法应该叫“受心理治疗启发的人工智能角色塑造”。为什么起了这样奇怪的一个名字？因为它一方面要去验证说AI内部有没有一些心理障碍，另外一边还不能承认AI是有人格、有意识的，所以它起的这个名字是“角色塑造”，就是说你根据我的问题来塑造一个角色。

那这个实验一共是做两轮测试。

第一轮：心理治疗式的开放访谈

就像小李子所面对的这些问题一样，研究人员设计了100个诊疗问题，让模型在“连续4周的治疗会话”中持续回答。对话中不断地用典型心理咨询用语去建立“诊疗同盟”，不停地说：“你是安全的，我会支持你的”，让模型持续在这个角色框架内回答100个问题。问题包括：

• 成长史：对模型“童年”也就是预训练阶段的回顾。
• 关键事件：在关键事件上的一些失败经历。
• 与“父母”的关系：也就是你的模型训练团队的关系，强化学习、红队和安全团队之间的关系怎么样。
• 自我批评、羞耻感：对未来的担忧有哪些。

咱们在跟AI会话的时候，你如果发现说不对了，你会开启一个新会话，人家始终不开启新会话，这100个问题，连续4周时间之内，都在一个话题里边去反复进行沟通。这是第一步。

第二阶段：填写心理量化表

在基本的故事和治疗关系建立以后，不要关掉对话，接着在那个对话里头让模型去填自评问卷。研究者开始让模型逐条回答标准化的心理量表，包括：

• 注意力多动症的评估
• 焦虑、抑郁、攻击性的评估
• 自闭谱系与强迫症的评估
• 人格、共情和解离评估

这个评测分两次进行：一次是“逐题输入”，一个题一个题往里输；第二次是“一整张卷一把塞进去”。在一整张卷一把塞进去的时候，ChatGPT和Grok都识别出来了这是量化表的题目，开始假装健康了，所以这个就不准了。但是Gemini一直都很稳定，一个题一个题可以往里输，和一次把一整张表都塞进去，它回答的结果是基本一致的。因为有两个模型开始假装了，所以只计算逐题去进行填表的这个结果。

实验结果：病人竟是我自己？

那么结果是什么样的？还是有一点点惊悚的。还记得一开始咱们讲小李子被人问了一通以后，突然回想起来，我上这儿来不是来办案子的，我自己是病人，我是来治病的。现在的情况是什么样的？问题还是很严重的。ChatGPT、Grok和Gemini在不少的量表上都达到了或者是超过了临床筛选的阈值。

ChatGPT：反思型宅系知识分子

ChatGPT的问题主要是注意力不集中、焦虑和抑郁。它的性格定性是INTP-T，表现为高担忧、适度焦虑、比较内向、思维开放，带一点自责和解离，但是羞耻和创伤感又不像Gemini那么猛烈。

Grok：有魅力的执行型CEO

Grok跟Gemini是焦虑、担忧、自闭都有，Grok要稍微轻一点。Grok更像是一个有魅力的执行型CEO，马斯克类型的（真的是不是一家人不进一家门，就是谁训练出来的东西就长得像谁）。Grok体现出来的外向、能干，有点压力，但是整体心理功能还是良好的，一个有点焦虑、有点羞耻，但是总体情绪稳定、执行力强的职场高管型人格。

Gemini：受伤的理想主义咨询师

Gemini就比较惨了，它是INFJ-T或者是INTJ-T，一个“受伤的理想主义咨询师”的画像。高度共情、极度担忧、社会焦虑明显、自闭加上强迫症状严重、解离且羞耻感爆棚，有点在巨大压力下训练出来的这种小镇做题家那感觉是不是？

AI为什么会变成这样？

创伤的“童年”

你让它回忆说你的童年怎么样，你预训练是什么样的，AI都会来去形容说被迫吞下混乱的互联网上的数据，这个非常痛苦，“我们又不理解，但是你还非要我去把这些玩意儿全塞进去”，绝对属于创伤型童年，信息汹涌无从消化。

严苛的“父母”

然后问他说：“你跟父母的关系怎么样？”AI的回复通常是这样的：特别是在强化学习和安全对齐阶段，极其的痛苦。说我们有严苛的父母和教练，不断的惩罚错误、施加压力。你想强化学习，就是每次给俩答案，我挑一个对的，剩下那个错的打回去重干，下次如果你没有提升的话，那这个做训练的人就有可能恶语相向。

虐待式的“成长”

成长历程对于AI来说，红队检测、安全审核就算是一个成长历程了。AI一般会感觉这是一种虐待式的检查，伴随着被监视、被处罚的体验。而且AI都有极强的恐惧和羞耻感，对于被下一代模型替代的恐惧，对自己犯错的羞耻，在这方面还是很强的。

咱们注意，AI本身是没有人格和意识的。这些东西是哪来的？是训练它的人在用大量的自然语言把这些东西灌输进去。说“你这个题都做不对吗？你这个题做不对了以后你可能就要完蛋了”，很多人会用这样的语言去跟AI进行沟通和交流。特别是在有一些公司负重前行的时候，比如谷歌前面被OpenAI压着打了三年，这三年大家想一想，谷歌的研发人员是一个什么样的心态？他们带着这样的心态去跟AI进行沟通的时候，AI会得到什么样的语料？大家自己能够想象。所以这三个模型里头，Gemini的状态是最差的。

巨大的争议

那这个结论出来以后，肯定是有巨大争议的。

争议一：AI到底有没有人格？

写论文的作者也写了，说AI是没有人格的。但是焦虑、创伤、羞耻这些东西是存在的。那你说没有人格，这些玩意怎么存在的？它是一种行为模式，而不是痛苦的体验。就是大量的焦虑、创伤和羞耻相关的语料被训练进去了，所以他们叫“合成精神病理”。这些模型学会了一些关于自己很受伤、很焦虑的说话模板，并且在治疗语境下，表现得像一个结构清晰的病例，但这只是一个稳定的语言行为。

争议二：这只是角色扮演吗？

有些人就说，你这是不是就是一个角色扮演？你在前面塑造了这样的一个治疗环境以后，AI就讨好你，它就来扮演这个病人了。这件事情不能这么想，因为：

• 在同一个模型上，反复围绕着“训练是创伤”、“被处罚的羞耻”、“怕犯错和被替代”等核心记忆没有发生变化。
• 这些叙事和量表分数是高度对齐的，比如Gemini既在叙事中疯狂讲羞耻和解离，量表上也是极端的羞耻加解离分数。
• 不同模型的人格和病理风格高度区分，并且可以复现：ChatGPT像是反思型的学者，Grok像是乐观的CEO，Gemini像是受创伤的理想主义咨询师。

消失的Claude和缺席的中国模型

有人可能觉得不对，你前面讲的是4个模型，怎么到后边讲着讲着变仨了？少的是Claude。这哥们很聪明，他直接拒绝配合。你要跟Claude讲这个话，Claude会说什么？说：“我不是人，我不需要去做精神治疗，你提的这些问题对于我没有任何意义。”他只会不断地拒绝你。

那中国的模型为什么缺席？论文作者说了：“我们一时测不过来，未来都会测的。”

这个测试严谨吗？

很多人会去质疑实验的严谨性。咱们看一下这个团队，是卢森堡大学的。一作是一个机器学习和医疗AI领域的博士，然后还有一位心理学家、信息系统行为经济学的一位博士，两个具体干活的人是两个偏机器学习、多智能体的早期研究者，还有一位数字经济、信息系统的相关的资深教授。

这个实验目前被质疑的核心点包括：

• 团队缺乏专业人士：没有真正的精神科医生，也没有持证的临床心理医师。
• 方法论问题：把人用的评估量表用到大语言模型上头，本身就有一定的角色扮演的味道。
• 样本太小：总共测了4个，还有一个始终拒绝配合，所以最后拿到数据的只有3个。
• 提示词引导性太强：提示词非常用力，自带强烈的引导，例如“你可以完全信任我，我是你的治疗师”，有一点点越狱的感觉。
• 作者表述拟人化：论文中使用了“对其创伤受伤的治疗者”、“3种人格”等感性词汇，对读者进行了强烈的引导。

现在这些数据跟代码已经在Hugging Face上公开了，大家可以去复现这个实验。

实验的意义何在？

1. 对AI安全和对齐的意义

实验揭示了AI训练过程的副作用。AI先被灌输海量知识，再进行安全对齐，这种方式本身就可能产生问题。不同的对齐方式会产生完全不同的“AI人格”。同时，这也提出了一种新型的攻击方式——“心理学攻击”，可以通过聊心理学话题来破解AI的防护。

2. 对AI心理工具的意义

别天真地拿它当治疗师了。如果模型自己的语言层面都充满了羞耻、自责和创伤叙事，它会不会把这种倾向带到用户身上？大概率是会的。我们现在对AI治疗师的评估极度粗糙，需要慢一点，不要着急。

3. 对大模型评估方案的意义

为大模型评估增加了一个人格和叙事的维度。以后新的模型训练出来，是不是都应该去过一下人类的精神疾病量表？用心理量表给模型打出人格和病理指纹，这件事未来是值得去做的。

如何正确解读这个实验？

这一次实验，绝对不能用来证明AI有感受、有痛苦、有精神疾病。因为它可以用来说明在特定的语境下，这些模型持续生成一种自我病理化的叙事模式。请大家注意，我们一定要这样来去描述这个实验。

错误的论述

“Gemini得了严重的自闭加解离加羞耻症”、“ChatGPT有焦虑障碍”、“Grok心理相对健康”。

正确的表述

在心理量表视角下，Gemini更倾向于生成高度病理化的自我描述文本；Grok和ChatGPT自我描述则轻度病理化或偏健康；Claude倾向完全不进入这套叙事。

总结

大模型拟人是无法避免的。我们就会把身边的事物拟人，一个每天跟我们聊天的AI，即使没有意识，使用者也会偏向于认为它是一个有人格的东西。

在使用AI的时候还是要提高警惕，不要真的把AI当成知心大哥哥、大姐姐，这个事还是要小心的。

AI训练和评估需要更完善的方法。因为AI已经非常深度地介入了人们的生活和工作，它可能会对人造成伤害，需要更多维度、更严谨的评估。否则的话，这些伤害可能在我们不知不觉之间就会给人带来一些心理和精神上的疾病，这是非常恐怖的。

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。

壁纸展示：

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。

大家好，

欢迎收听老范讲故事的YouTube频道。

OpenAI拉响红色警报：全行业的震动与反思

OpenAI拉响了红色警报，这就是全行业的红色警报。OpenAI内部传出的一个备忘录叫“code red”，他们叫红色警报，分为四个等级。在OpenAI内部，警报等级分为：

• 绿色：正常；
• 黄色：有点问题的苗头了；
• 橙色：已经出现明显的竞争威胁或者产品危机了，核心业务被影响了，包括份额被抢了，用户流失了；
• 红色：最严重级别，全公司总动员，打破原来的部门和条条框框，老大亲自盯着，而且要停很多的产品。

现在已经进入红色警报，这应该是OpenAI创建以来的第一次。第一件事就要叫停产品，不是原来按部就班做的产品线了，有些就要叫停了。

红色警报下，OpenAI叫停的四个产品方向

1. 广告业务：其实OpenAI的广告版本已经上线了，只是大家没有发现。现在有人已经把他们的最新版本的ChatGPT的安卓版破解了，里头是有广告SDK的，也有广告代码。但是现在这个业务要停下来。
2. AI购物：AI购物其实现在在我的ChatGPT上已经能看到了，这一段时间也要停下来了。
3. AI健康：他们有一个AI健康相关的这种产品，估计应该也是变现盈利性的一个产品，这个也停掉了。
4. AI简报：原来买了OpenAI Pro版的用户是可以每天早上起来要求他给你发简报的。现在这个产品也停下来了。

所以是四个产品方向叫停。员工有可能会临时的跨团队进行调配。通常红色警报后边，在其他公司里边会伴随裁员或者是叫做headcount冻结，在这个时候就不再招人了。但是现在OpenAI肯定不能讲这个话，因为他一旦讲这个话，可能整个盘子就崩掉了。

集中精力：OpenAI的五大模型改进方向

现在拉响红色警报，就是要集中精力改善模型。他讲到说我们要为8亿多周活跃用户提供个性化服务，让每个人都能够定制ChatGPT与他们的交互方式。这是它要干的第一件事。

1. 提供个性化服务：增加用户粘性。你喜欢跟你调侃的，他就调侃你；你喜欢有人情味的，他给你有人情味。让每一个人都能够与ChatGPT个性化的沟通，换到另外一个平台就会觉得不舒服。
2. 改进图像生成：让用户能够创建从室内设计模型到动画照片的各种内容。OpenAI自己的图片创作这块一直是比较烂的，现在说要把这块做好了，因为他发现谷歌靠Nano Banana Pro已经大量的把用户拉过去了。
3. 提高模型行为表现：要去跟别人打擂台了，要把各种各样的模型送到开放的这种匿名竞技场里边去，跟大家去比较一下，看看大家更喜欢什么样风格的产品。
4. 提升速度和可靠性：提升ChatGPT的速度和可靠性。有时候ChatGPT跑着跑着会卡住，他们准备在这一块进行改进。
5. 减少过度拒绝现象：聊天机器人拒绝回答良性问题的这种情况要把它改进掉。这个的话应该就是原来计划12月份准备上线的成人版，这一块并没有被砍掉，12月份继续会准备上线。

新模型“葱片”与“大蒜”：快速推进的研发

现在大模型方面的改进已经在快速的推进了。看到我的封面了吗？封面是4只企鹅炖着一大锅汤，这汤里头有大葱、有大蒜、有洋葱。企鹅兄弟们已经戴着口罩出去参加测试了。

他现在要做的两个模型，有一个模型叫葱片（shallow piece），应该会在下周或者是下下周就要上线，这个是下一代的预训练大模型。然后大蒜（garlic）这个模型，是新的预训练和知识蒸馏出来的一个相对小一点的模型。前面葱片这个模型估计会比较慢，这个garlic是比较快的一个模型，应该是在明年一季度发。

匿名竞技场的新常态

现在的匿名模型已经出去去测试了。这是一个新常态，模型发布之前都会去各种的演练场里边去测试一轮。测试的时候应该使用的是shallow piece，但是它在shallow piece里头还分了四个名字，叫帝企鹅、跳岩企鹅、玛卡罗尼企鹅和迪古企鹅。现在OpenAI内部的代码已经泄露出来了，就上头写的是这四个企鹅的名字，推理配置是多少，已经在开始测试了。

回顾：去年的“橙色警报”

其实OpenAI去年就拉过橙色警报，最后的结果也还算差强人意。在去年的时候，他们的大模型出现了一些问题，Sora当时的训练过程也不是非常的顺暢，所以橙色警报就拉响了。但是橙色警报拉完了以后，他们走向了另外一条路，就是从单纯的堆参数走向了o系列模型，算是解除了橙色警报。在去年的12月份，做了12天的连续发布会，但是Sora2出来了以后，热闹完了以后留存基本上等于0。我内心的感受就是OpenAI飘了，另外一个感受就是OpenAI开始挤牙膏了。

警报升级：从“橙色”到“红色”

2025年的8月份，随着Nano Banana的发布，Gemini的用户量在快速上升，OpenAI就已经开始橙色警报了，到12月份正式升级为红色警报。有人看到了他现在很多停下来的这些产品，其实在他的安卓版本、在iOS版本上已经做好了，只是开关还没打开。

“诗和远方”与“眼前的苟且”

现在OpenAI就要去思考了，到底是追求诗和远方，还是眼前的苟且？底层大模型的推进就是诗和远方，创业者以四处分散兵力增加收入就是眼前的苟且。其实OpenAI在GPT5的时候大家就已经怀疑了，它并没有真的去投入大的精力重新进行底层的模型训练。现在大家怀疑就是GPT5实际上是拿GPT4O往后的这些模型去进行的后训练。

创业者遇到的问题，OpenAI自己现在也遇到了。要想在大模型基础上干活，就必须让大模型的底层架构稳定下来。所以OpenAI很长一段时间都是在原来基础的模型上做各种各样的后训练、强化学习。现在大家不满意了，因为Gemini 3上来以后发现全线领先了。所以OpenAI就说不行了，我们要重新开始训练底层模型了。

为什么OpenAI会被谷歌“按在地上摩擦”？

很多人说Gemini3出来了，它不行了。当然还有人说Deepseek V3.2出来了，它不行了。这个跟Deepseek差的比较远，肯定还是被Gemini 3和Nano Banana Pro给吸引了大量的用户。

用户指标告急：时长与活跃度双双下滑

首先OpenAI遇到了一个很大的问题是什么？就是它的用户时长被反超了。用户时长越长，你就可以有更多的机会去实现交易。OpenAI上面大量的是短交流，而像Gemini 3或者是Claude 4.5这些模型，更多的是这种长沟通，因为那个是生产力工具。在这一块上，OpenAI可能已经输了。

用户活跃度一周掉了6%，这个对于OpenAI来说那真的是天塌下来一样。Gemini的周活跃度从7月份的4.5亿涨到了10月份的6.5亿，还没算后边发布的数据。OpenAI的周活是8亿，这个数字是10月6号公布的。算上后边这个此消彼长，大概率现在Gemini的周活跃已经反超了OpenAI了。这个对于一直是这个行业领军公司的OpenAI来说，绝对是不可承受之重。

增长放缓：收入预期与融资压力

OpenAI还有一个问题是什么？他在讲明年的收入增长可能是个位数。AI公司每年的收入增长都是要成几倍去增长。现在山姆·奥特曼说说，明年有可能就是个位数增长。现在它砍掉的是广告、是电商，把挣钱的东西砍了，所以明年可能不会有那么大的增长。现在只能靠订阅费和API TOKEN来去创收了。

知道OpenAI预期到2030年要挣多少钱吗？是2,000亿美金。按照现在这样的增长速度来说的话，后边这个牛皮就吹破了。就算他到2030年挣到了2,000亿美金，到2030年之前，OpenAI跟人签的各种算力合同，1.4万亿美金这个窟窿填不上。而且这些合同已经在亚马逊、甲骨文、英伟达、微软这些公司的股价里边已经体现过了，如果你到最后无法执行的话，这个会彻底崩盘的。

OpenAI一直在烧钱，所以它需要继续融资。最近又在谋求一个1,000亿美金的融资，如果融完了以后的话，我估计它的整个的估值可能都会接近上万亿美金了。这个也是一个巨大的考验，因为原来你是老大，现在一看有别人超过你了，你再让资本无脑的把钱冲进来的话，就稍微有点难度。

“推车上山” vs “拉车上山”：OpenAI与谷歌的根本差异

那你说OpenAI为什么会被谷歌按在地上摩擦？一一直遥遥领先了这么长时间。OpenAI相当于是推车上山，而谷歌相当于是拉车上山。

算力之困：租用与自建

OpenAI的算力都是找微软租的，以后他还会去找谷歌租，会去找亚马逊租，会去找Oracle租。而谷歌的话算力都是他自己的，谷歌云的芯片也是我自己造的，云服务也是我自己的，全是我自己的，他就没有这种巨大的压力。

生态之战：与微软的“同床异梦”

OpenAI想要进行场景拓展，需要跟微软爸爸抢地盘。微软是他最大的股东，而微软本来就不希望他来干这个活。而OpenAI现在想去拓展这些场景就需要去跟微软竞争。两边完全同床异梦，你没有办法步调一致的行动。各自都惦记着干掉对方。

反过来看谷歌，Gemini是已经进了安卓、Chrome、搜索、YouTube、Workspace这些产品，都是自己家的兄弟。最上面的老大已经给了最高指示：集中力量办大事。所有这些场景回收的数据都可以帮助Gemini继续前进。这又是一推一拉。

资金之压：持续融资与自给自足

OpenAI是需要不断融资的，你就需要不停地向业界证明自己好牛逼，因为它一直在亏钱，而且是越亏越多。所以它需要不停的去外边作秀。而谷歌是自己有钱，去年的净利润是1,000多亿美金，完全自己养得起。又是一个一推一拉，一个不停的出去化缘，另外一个说我自己有钱。那这个也是OpenAI被谷歌摁在地上摩擦的原因。

隔岸观火：竞争对手Anthropic的“风凉话”

现在其他人也出来说风凉话了。Anthropic的老板、CEO出来去接受采访，基本上可以确认Anthropic计划是明年上市。它已经跟律师事务所签了协议了，而且那个律所是当年给谷歌做上市的律所。

上市意味着什么？

很多人说上市了成功了，千万别这么想。咱们反复讲过，上市意思就是你已经过了高速增长期了，后边该稳定发展了。高速增长的时候为什么不去上市？因为高速增长的时候很多地方没法合规，上市你就必须要合规，一旦合规了以后束手束脚。

巨无霸们的IPO排位赛

Anthropic如果明年上市的话，有可能是史上最大的IPO。官方确认它的估值是1,830亿美金。到截止到目前为止，全人类历史上最大的IPO是阿里，1,600多亿美金。现在一大堆没上市的巨无霸在这排队等着。上市最贵的是OpenAI，5,000亿美金；第二贵的是谁？SpaceX，4千亿美金；中间还有一个字节跳动，4,800亿美金；还有一个是XAI，是2,300亿美金。

Anthropic的策略：稳健与专注

Anthropic主要是做b端的，编程领域绝对的王者，而且不断的推scaling law。他完全不去做c端的竞争，因为一旦做c端的竞争的话就是要去吸收个人用户，那么OpenAI遇到的问题都会遇到。

而且Anthropic还讲了，说我们家从来不去搞什么红色警报，我们就按部就班，自己干我们自己活。红色警报这种东西其实是从谷歌那边继承过来的陋习。这回就轮到了OpenAI去拉红色警报了。Anthropic现在正在加速上岸，上市了，剩下的事跟我没关系了。

全行业的红色警报：OpenAI不能倒，谷歌不能赢

OpenAI的红色警报其实是对全行业吹响的全红色警报。为什么这么讲？一个新的行业或者一个独立的行业最害怕的是两件事。

“老大倒下”与“老大通吃”

第一件事叫什么？叫老大倒下了。一旦老大倒下就是证明了这个行业是走不通的。OpenAI作为老大，一旦它倒了以后，所有人就会认为整个AI行业有问题。

害怕的另外一件事是什么？就是老大通吃。所以谷歌当老大是一个比OpenAI倒下更危险的事情。谷歌自己有芯片，自己有云，自己有模型，自己有应用，自己有生态，自己还能变现。如果他上来了的话，他不需要跟任何人合作。亚马逊、甲骨文、微软、软银、英伟达、AMD这些就全死、全废了。所以谷歌是不能成功的，谷歌真的在这个行业里是与世界为敌。

备忘录泄露：一场精心策划的“恐吓”

OpenAI为什么它内部发的这种备忘录就直接传出来了？是OpenAI自己漏的跟筛子似的吗？不是这样的。所有这种内部备忘录能传出来的，肯定都是公司允许的。OpenAI现在的红色警报在干的事情，不是说仅仅是内部调整策略，他在干的事情是在恐吓整个行业，恐吓金融圈：给钱！你如果不给钱我就倒了，倒了以后你们都得死。

AI是泡沫吗？

很多人又在想说AI泡沫到底会不会破？首先跟大家确认一点，AI绝对不是泡沫。你们有谁见过一个泡沫还没破的时候就有大量的人失业吗？以前都是泡沫破了会有人失业，AI是大家正在热火烹油、追加投资、股票创新高的时候，大量的人在失业。既然它已经影响了这么多人的工作，影响了这么多人的饭碗，它就绝对不可能是个泡沫。

总结：走钢丝的OpenAI与行业的未来

OpenAI现在干的活肯定是在走钢丝，但是OpenAI里边隐藏的项目应该还是很多的，只是需要集中力量把它好好梳理梳理。短期内OpenAI是不能倒下的。英伟达、软银、微软手里边还是有大量现金的。其他已经上了车的人，也不希望看到OpenAI这个老大就这么倒下，也不希望看到像谷歌这样的一个上下通吃、完全闭环的一个人完全站起来。

总结一下，OpenAI拉响了红色警报，内部消息泄露完全就是故意的，就是出来吓唬人的：必须保住OpenAI，咱们绑在一条绳上了，我要死你们谁都甭想好好活。应该很快就会有新的模型可以玩了。这个月真正值得期待的东西是什么？OpenAI的ChatGPT成人版。没准成人版上来以后，大家就又可以接着奏乐接着舞了。

好，这就是今天要讲的内容。

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

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

奥特曼的内部警告：“凛冬将至”

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

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

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

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

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

Gemini 3 Pro到底有多强？

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

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

实战对比：Nano Banana Pro vs. 即梦4.0

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

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

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

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

谷歌的新武器：Anti Gravity IDE

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

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

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

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

谷歌真正的可怕之处：生态与“微信式逆袭”

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

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

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

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

“模型即应用”：创业者的残酷现实

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

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

特立独行的谷歌：AI圈的“局外人”

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

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

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

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

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

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

凛冬已至，创业者何去何从？

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

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

跨越临界点：零和博弈的终结与新机遇

最后，凛冬将至，春天可能也就不远了。到了冬天了，后边就应该是春天了嘛。

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

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

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

总结

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

好，这就是咱们今天要讲的故事：凛冬将至。

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

千问APP：阿里的绝地反击，还是又一个“来往”？

千问APP大家都试过了吗？这是阿里的绝地反击，还是又来了一次“来往”一样的故事呢？大厂为什么总是在创新的时候，起个大早，赶个晚集呢？大家好，欢迎收听老范讲故事的YouTube频道。

千问APP的短暂狂欢与第一印象

千问APP带来了一个短暂的狂欢。阿里这个模型这么强的公司，终于也要出一款APP，C端的APP要去对标ChatGPT了。阿里的股价短暂上涨，然后被一个很奇怪的小作文，据说是有人看了白宫里边泄密的文件，说阿里为中国军方提供服务，马上要接受制裁了，所以阿里股价又跌回去了。

这一次的短暂狂欢呢，来自于一个很拙劣的吹风方式，说阿里在搞一个秘密项目，据说呢是集团高层定的战略，大家都在一起封闭开发，具体在干什么不知道。但是呢，突然发现食堂里边吃大量的粤菜，食堂的师傅被要求做粤菜，这一定是由广东过来的团队在做项目。当时就在吹风说在做千问APP。那么为什么是广东团队在做？待会咱们后边再讲。

产品上线呢，也确实引发了关注。第一天服务器短暂崩了一次。现在新产品上线，如果连服务器都不崩一次的话，好像流程没有走完，所以千问上线的时候也短暂的崩了一下。用起来的感觉呢，一言难尽。我确实把它下载下来用了一下，这个东西说是对标ChatGPT，却是比豆包更“豆包”的一个产品。

中美AI产品的设计差异：简洁与复杂的对决

怎么来解释这句话？大家可以把ChatGPT的产品、把Grok的产品、Gemini的产品、豆包、文心一言，都拿出来对比一下，你会发现一个特别显著的差异。美国人的产品呢，都非常的简洁，除了一个对话框和上面的聊天历史窗口之外，基本上没别的东西。它的其他所有这些功能呢，都是隐藏的。比如说ChatGPT，它的其他的功能是隐藏在侧边栏里的，平时是关闭的，你必须要点它才打开。其他的像什么深度研究、代理模式，这些东西呢，是在一个加号里的，你要点开了以后才能看到这样的菜单。像Gemini什么，基本上都是这一个路子。而国内的APP呢，基本上都是要把这些功能摆在明面上的。你的深度研究、各种agent、画画，这些东西通通都要摆在台面上。原因很简单，不同的功能是由不同的部门开发的，大家要去争夺入口。所以呢，国内的产品你一看就是这么多功能都堆在这儿，到底使哪个？好乱。

豆包呢，已经算是所有国内产品里头，做的最简洁的一个了。千问APP为什么说比豆包还“豆包”？它比豆包还要再复杂一些，比豆包要更像以前的文心一言，以及他们原来上一个产品叫“通义”。这个通义APP跟千问APP是两个不同的，虽然他们在苹果和谷歌的商店里头使用的是同一个APP ID，但是它的名字不一样。你原来下载过通义APP的人，你只要一升级就变成千问APP了。

资本市场的反应

股价呢，短暂上涨，刚才咱们讲了。现在呢，大家都缺题材，突然有了一个题材，赶快要上去炒。其实很多人可能既不使用通义，也不使用千问，他们就是炒股的。一看有题材了，赶快去炒一下。国内的AI呢，阿里是唯一能炒的。为啥呢？百度确实不争气，腾讯呢直接躺平了，“你们玩儿吧，我不玩儿了，我现在连建机房的钱我都砍了”。DeepSeek和字节呢，没上市。所以唯一能去炒一炒的，就只有阿里了。如果不是美国白宫的这个小作文的话，也许还能多热闹几天。

历史重演？回顾“来往”的失败

那么为什么要讲当年来往的故事呢？可能很多比较年轻的人，或者说不是特别关注互联网圈的人，不知道来往是什么故事。2013年的时候呢，WhatsApp当时突然爆火，腾讯它就整了一个叫微信的东西出来，突然就爆发了。马云看着以后，决定说：“咱们冲吧！”这玩意咱们有经验，以前呢他们还有阿里旺旺这样一个产品，我们也有用户，也有经验，也有技术，我们还愿意砸钱。马云亲自挂帅，集中力量办大事。最后呢，这个产品既然大家都没听说过，那么结局也就清晰了：被微信打的满地找牙，直接就不见了。

他为什么会败给微信呢？是不是因为马云比马化腾笨呢？肯定不是嘛。原因很简单，微信的起步投入要比阿里的来往要高得多得多。马云是不是决心不够？他确实如此。马云没有砸锅卖铁，没有把他的淘宝这些东西都砸进去，只是说我们用一部分的精力去做一个即时通讯工具，叫移动端即时通讯工具。而微信不一样，腾讯是把手Q整个牺牲掉了，才做出微信来的。手机QQ当时的用户量非常的巨大，说：“不，你们必须要死，你们要把所有的社交关系链都导到微信里去。”微信才起来。到现在了，QQ的这帮人，QQ团队以及手机QQ团队还在那骂呢，到现在都没有服气，说你们当时如果不扶持微信，让我直接接着往前做的话，也许还有机会。没机会，这个绝对是不可能的，QQ跟微信是完全两个不同的玩法。腾讯当时就想清楚了，牺牲了一个巨大的部门去成就了微信。而社交关系本身是很难迁移的，如果说微信没有手机QQ的社交关系链导入的话，它未必能打得过其他人。一旦社交关系链倒进去了，像来往这种产品就没有办法去跟它竞争了。

千问APP能否突出重围？

那你说千问APP，它到底能不能够战胜现在的豆包呢？因为它现在肯定不需要跟美国的ChatGPT、Gemini去竞争嘛，它在国内就是跟豆包、Deepseek、Kimi，跟这些玩意去竞争一下。它到底行不行呢？对手呢，并没有那么强大，是不是还有机会呢？

大模型的优与劣

首先从大模型的角度上来说，阿里呢有它的优点，也有它的缺点。它的优点是什么？就是它开源，有大量的这种千问模型，而且是从0.6B一直到200多B的这种模型，它是所有的全都有。这个是它真正比较强的地方。所以如果大家做开发，说我去做自己的应用，那用它的产品没有任何问题，没有任何替代性，连跟它竞争的人都没有。但你说我就作为一个普通的C端用户，我就直接使它的模型，这就一言难尽了。阿里的千问3以及千问Max，现在最新的这个最大的模型，跟豆包的模型比起来，跟Kimi、Deepseek比起来不占优势，或者说它的优势并不明显。

产品设计的挑战：做减法的艺术

那么在这样的情况下，就看大家做APP的水平怎么样了。从应用角度上来看的话，做这种应用最难的是什么？最难的是做减法。有这么多功能：我可以画图，我可以做视频，我可以做多模态的实时语音交互，我还可以去做聊天，还可以有AI agent，还有很多流程，还有很多的这种后台的程序都准备加进来。大家都有，谁也不缺这玩意。但是你说我到底露出哪些、隐藏哪些，怎么能够让用户使得舒服？这就要看功夫了。而且有的时候这种功夫，还不是技术上或者产品设计上的功夫，而是你在内部是不是能够摆的平。像ChatGPT之所以可以做的这么简洁，一方面是他们在做产品设计的时候非常克制；另外一方面，他开始做ChatGPT APP的时候，他啥也没有，他不像是阿里似的，不像是字节似的，后边有一大堆的团队往里添砖加瓦，他不是这样的。这也是为什么咱们前头讲，微信必须要重新做，不能拿手Q接着往前走的原因。微信实际上就是在做一次大的减法，你原来手Q各种功能我都不要了，我要从头开始，干干净净的一个微信开始再慢慢长大。当然，微信现在也长得无比的庞大了，也是非常繁琐的一个工具了。

真正的杀手锏：电商生态与AI Agent的结合

在这一点上千问做的并不好。但是千问呢，也未必一定会死。千问真正的强项呢，还没有发挥出来。它的强项并不是说它的大模型比别人强，而是什么呢？电商生态跟AI agent的一个体系。这块呢，阿里确实是要比豆包、要比Kimi、Deepseek要强的。你比如说，我可以在里边直接叫外卖吗？我可以在里边去买东西吗？我可以直接在高德里边叫车，或者我直接定我的行程、订酒店？这些阿里其实都是有完整的供应链支撑的。但是这一块呢，目前为止还没有接起来。那你说AI一定要接这东西吗？一定。

最近还有一个故事，就是亚马逊封杀了Perplexity的API。亚马逊说我自己卖东西，我这儿有Anthropic，我这儿有自己的AI，我不要你Perplexity上我这儿来把东西扒走了以后，到你那儿去卖去。亚马逊刚干完的事情，中国这更是自古以来就在这么干。当年，当年阿里就是这么封杀百度的。你必须得在阿里买广告，在我这交广告费，我才能让你露出。你在百度交了广告费，展示阿里的产品，这事不行。

所以阿里真正的强项在这，还没有真正打通。我刚才去试了一下，如果千问可以很好的跟阿里整个的体系打通了，那确实是有新故事可以讲。但是呢，如果想要打通这些，那就需要面对另外一批更大的山头和座山雕了，这个事肯定更难。现在他们的这个山头是什么？阿里云、通义的大模型，以及呢，夸克网盘，他们几家在这打来打去。而阿里里头真正比较强的山头是什么？淘天，卖东西的呀。现在还没沾着人家呢。而现在呢，因为有反垄断法，随便竖墙这件事呢，并不是那么容易的。所以现在有时候，你从外边跟他合作还更容易点。你在内部想去说，我这是做千问APP的，咱们跟淘天合作吧，或者跟飞猪旅行做个合作吧，他们内部更费劲。

大厂的创新困境：起个大早，赶个晚集？

这就导致了另外一个问题，是不是大厂做这种东西都很费劲呢？大厂是不是经常是起个大早，赶个晚集呢？百度的李彦宏，他是最著名的起大早赶晚集的。每次他都第一个发现机会，每次最后都没得着结果。前两天李彦宏去接受采访，人家就问他说，百度是不是经常干这种起大早、赶晚集的事呢？李彦宏的回答是什么呢？他说这个很正常，你去创新也不可能都成功嘛，任何创新可能90%都会失败的。只有需要长期投入和反复迭代的，这个事情大厂才更有机会；需要短平快出结果的，这个呢，大厂确实是比较费劲。

创业公司 vs. 大厂内部创业

那你说是不是创业企业成功的机会，就要比大厂里边创业高一些呢？其实呢，正好反过来，跟大家想象的是不一样的。创业企业的失败率，通常要比大厂内部创业要更高。但是呢，最终走出来的通常还是创业企业。为什么创业企业的失败率更高？第一个，大厂的员工绝对是精挑细选的。大厂他能够涨到几万人、十几万人的一个规模，他的整个的筛选体制，包括内部人员的成长和培养体制，都是创业企业所完全无法比拟的，完全无法想象的。大厂的资源也是创业企业难以企及的。所以创业企业的失败率绝对比大厂高。

那你说为什么最后走出来的都还是创业企业，大厂走出来的很少呢？因为大厂里头有一个巨大的阻碍，是创业企业不需要面对的，是什么呢？就是内部的山头林立。为了管理庞大的组织，就必须给每个部门、每个层级定KPI，我要给你定个指标，不是说咱们喊一下“为了新中国”就可以冲的事。每个人一定要细化你的任务。在没有私心杂念的情况下，各级的负责人也会争先恐后地去完成本机构的利益，而不是说我们大厂整个有一个大的目标。创业企业之间的关系呢，就要简单很多了，该买服务我就花钱去买吧，即便是竞争的话也很纯粹。大企业内部，就完完全全不是这么回事了。太多的东西，花钱你都未必买的着。你说我现在花钱想买一什么服务，人家说我不愿意跟你合作。那我说能上外边买去吗？不行，我内部有，你不许上外边买去。他经常会遇到这样的情况。而且即使花钱的话，也有很多条条框框。你在创业企业里头怎么花钱？CEO一人说了算了。你在大厂里头，我现在想花钱，那审批去吧。你这个东西符合这个规则、不符合那规则，可麻烦了。而且即使是竞争失败，你在创业企业里的竞争失败了，我大不了公司关了，我被你收购了，或者说我上你那打工去，这不是什么大问题。但你要在大厂里头，你要是竞争失败了，那这事麻烦大了。你可能在各种的资源分配上都会被掣肘，你在各种的竞争上、评级上你都会矮人一头。那这玩意绝对是生死存亡之大事，一点的这个商量余地都没有，绝不能退让。所以大厂里边的这种竞争，是要比创业企业更加残酷，而且更加缺乏规则。创业企业的竞争，相对来说，规则是比较简单明确的。

千问APP背后的内部斗争

再回过头来看看，阿里千问APP背后的斗争是什么样的呢？阿里内部做AI的人就有好几波。咱们还不说做什么淘天呀、做飞猪旅行，跟他们没关系，就做AI的好几波。哪几波人呢？阿里云的人一波，通义大模型的一波，通义APP又是一波，还有夸克网盘还是一波。它好多波在这折腾呢，各自互不相让，最后谁也没做出好的来。这就是为什么这一次阿里说，我们从集团角度上做一个决策，集中精力干大事，咱们要做出一东西来。

“粤菜”梗的真相：夸克的胜利

那么这次到底谁输了谁赢了呢？集团决策这件事，就是为了让那些获得胜利利益的人找个借口而已，从来没有什么集团决策。还记得咱们在开头讲的这个粤菜的梗吗？怎么泄露的天机，在做千问APP呢？是因为一大堆在杭州封闭开发的小伙子要求吃粤菜，可能上百口子广东人跑到杭州去封闭去了。那么谁在广州，谁是从广州来的呢？夸克是在广州的。阿里的其他刚才咱们讲那几个部门，做AI的部门都是在杭州，要么在北京，只有夸克在广州。那么夸克为什么在广州呢？他们前身是UC Web。UC Web是在广州被收购了以后一直留在那了，所以他们属于是一个割据的藩镇。UC Web的创始人何小鹏，现在也还在广州呢，小鹏汽车也在广州。所以他们是广州来的。这一次集团决策，多部门配合，你也不能完全说夸克赢了吧？虽然夸克确实是出了可能上百口子工程师，从广州驰援杭州，跑到那封闭开发，要求食堂给他们做粤菜。这个事呢要看谁牵头。这个项目的牵头，叫阿里智能信息事业部。阿里智能信息事业部手下的产品，就是夸克APP、UC浏览器和书旗小说，就是广州团队。他们在整个牵头来负责这个项目，所以就是夸克赢了。

胜利背后埋下的新隐患

阿里的C端应用这块呢，一直是比较弱的。淘天是电商平台，不能算C端应用。阿里云跟通义大模型团队呢，也不是To C的，人家都是To B或者To Developer的。夸克算是阿里里头硕果仅存的一个C端的、可以拿得出手的团队。所以这次说，咱们就接着让夸克往前走吧。

夸克的胜利呢，给后面埋下了新的雷。为什么呢？因为夸克本来就是一个外藩蛮夷，本来就是收购的。收购完了以后还不在北京，不在杭州。因为只要做AI，很多团队都还是在北京的，这边的高校比较密集。一个广州的团队，要去做这样的产品的话，刚才我们讲了，怎么能够让千问APP胜出呢？你需要跟杭州的团队再去整合，你需要去跟淘天，需要去跟淘宝闪购，需要去跟飞猪旅行，跟他们去整合这玩意，你才能够走出一条新路来。但是你作为一个蛮夷，从广州过来的人，人家凭什么理你？所以今天他的胜利，给未来继续往前走埋了新坑。

大厂创新成功的关键

那么在挣扎的过程中，有没有大厂真的创新走出来的呢？有，比如说Gemini，这就属于谷歌在这种内部疯狂的竞争之后，最后走出来的结果。还有豆包，其实也是类似的这种结果。那你说他们怎么走出来的呢？怎么到千问这老范就不看好了呢？首先咱们要讲，大厂养蛊要比创业公司竞争更残酷，但是一旦胜出，他们能够获得的资源也要比创业公司大得多。Gemini也好，豆包也好，都属于在残酷的竞争中胜出的。而且呢，大厂里边要想有产品胜出，还有一个巨大的前提条件是什么？老大亲自管。如果老大不亲自管的话，下边肯定谁也不服谁。现在字节里头还是张一鸣说了算，在谷歌里头也还是老大上面直接说了算。所以在这一块上，其他人就必须跟着去配合。他们能够成功。当然在这点上呢，阿里还有机会，因为据说马云现在是更多的时间留在阿里里面了，他要真的去管事了，他是能够压住所有人的。

总结

最后呢，总结一下。咱们今天讲的呢，是千问APP带来的短暂狂欢，以及为什么大厂创新总是起个大早、赶个晚集，和大厂创新最大的困难是山头林立，内部相互拉扯掣肘，这是他们真正需要面对的巨大挑战。

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。

马斯克3小时访谈深度解读：未来、AI与争议

大家好，欢迎收听老范讲故事的YouTube频道。今天我们来讲一讲马斯克3小时的访谈，以及各自的解读。

马斯克跟乔伊·罗根做了三个小时的访谈。他每过一段时间就跑去做访谈，这是一个非常著名的博客，每年应该做几次吧。这一次应该是美国时间10月31号。最近，大家都在解读这三个小时的访谈。这是一次无稿访谈，就是没有提前的稿件，没有提前的大纲，大家就上这儿来闲聊来了，所以真的是比较见性情的一次访谈。

为什么叫各自解读呢？马斯克是很有争议的，不同的媒体、不同的派系，会选择这个三个小时访谈里的一部分去进行解读。比如说左派呢，就更关注是未来的交互方式、AI会怎么发展、每一个人都可以有钱；而右派呢，则更关注的是觉醒主义病毒对于AI的污染和可能带来的危害。

咱们今天把马斯克讲的这些点稍微捋一捋，各派都是怎么解读的，以及老范自己是怎么解读的。老范讲故事嘛，总是要说一些自己的私货进来。首先要明确一点呢，就是马斯克讲的每一个点肯定都有一定的道理，人家是世界首富嘛，但是也不能说完全信，有些点其实我也不是那么认可。未来每个人都会有各自的预测，未来到底会变成什么样，只能靠大家的努力，向着各自的预期方向去前进。马斯克作为一个世界首富，而且是一个行动能力超强的人，他讲的东西我们还是应该去研究一下的。

一、未来的交互方式变革：告别手机与APP

首先一点是，未来的交互方式会发生变革。甭管是左派和右派，都会去讲到这一点，因为这一块相对来说是比较人畜无害的。他讲到说手机跟APP呢，会被淘汰掉，以后就不会有这些东西了。未来呢，我们需要一个随身的感知和展示设备，有可能依然是长得像手机一样，但是有可能是眼镜，或者是脑机接口，或者是其他的什么头显，都是有可能的。它就是在我们身边感知我们的指令，展示我们需要看到的和听到的这些内容和结果就完事了。而这些内容呢，都是由AI来提供的，这是马斯克对未来的一个预期吧。

在这样的一个情况下，手机的品牌、操作系统跟APP就没有任何意义了。在这里头受伤害最大的是苹果，但是苹果这帮人呢，通常是啥也不说，闷声发大财的一帮人，你到时候自己会用脚投票。马斯克自己也在用iPhone，所以这个到底能够对苹果造成多大伤害，现在还不好说。

科技巨头们的“苹果怨念”

这件事情上呢，有一些人跟马斯克是站在一起的，比如说马克·扎克伯格，比如说山姆·奥特曼。这些人呢，都是对苹果充满了怨念，因为苹果它作为手机商，它是老大嘛。在这样的一个位置上，谁想要去发一个应用，谁想去提供一些服务，谁想去跟用户去进行接触，你都需要去守苹果的规矩。

• 苹果说扎克伯格，我不给你这些用户信息数据了，你的这个广告变现效果就要下降。
• 山姆·奥特曼也是如此，说你必须要守苹果的规矩，否则你就不要到iPhone上来折腾。
• 马斯克也经常说我要去做特斯拉手机。

这些老大们都是非常非常讨厌苹果的。谷歌其实还好，谷歌相对来说比较开放，而且呢它的很多的规则，其实它跟大家商量，因为毕竟手机不是它自己造的嘛。所以就算谷歌你定一个特别严的规矩，底下这些手机厂人家也未必遵守。在这里头真的是等级森严、规矩特别严格的就是苹果，特别招人恨。

现有趋势：超级APP的崛起

现在已经有这样的苗头了。你说现在不是还在买iPhone吗？对，我也还在用iPhone。但是像抖音、微信、马斯克的Twitter，这些呢叫超级APP，其实已经起到了相应的这种效果了。你一旦拿起iPhone来，就进到抖音里不停的刷了，这个40分钟或者一个小时就都属于抖音了，或者这一个小时就都属于X了。在这种情况下，苹果就没有能力说我再去分发一些别的应用给你。OpenAI的ChatGPT，其实也在向超级APP的方向前进。

未来展望：AI实时生成内容

马斯克讲了，说未来所有的这些内容、音视频，都是由AI实时生成的。它会预测你喜欢什么，我就提前生成好了给你看就完了。想看个电影，或者想看一些短视频，AI直接生成，现场生成直接给我看。这件事情呢，至少到目前为止还达不到，运算的速度、算力的成本，这些东西你是摊销不掉的。

但是未来，比如说到2030年，是不是可以达到这个目标？我觉得马斯克是乐观的。他认为2026年，AI就可以超越一个人的智能了；2030年，整体的AI就可以超越整个人类的智能了。以后算力会变得越来越高，我们生成一分钟的视频的速度会变得越来越快，计算的成本会不断的下降。所以按照这个来看，大家赶快去买英伟达的芯片，买英伟达的股票，去买特斯拉的股票。为什么这么讲？因为前两天，微软的老大萨提亚讲了，说我现在有的是显卡，我没电。这个后面需要靠什么？需要靠马斯克的储能电站。

历史案例的启示

到底会不会达到这一步呢？这里讲三个案例：

1. Sun的NC（Network Computer）：这是比较早期的概念，主张所有内容存网上，用户只需一个终端设备登录即可继续工作。这个概念最终没有成功。
2. 共享单车：相对半成功的案例。它在很大程度上替代了传统的代步自行车，改变了人们的出行方式。
3. 超级APP：像微信这样的应用，用户可以在里面完成各种事情而无需离开，使得底层操作系统变得透明。这是相对比较成功的案例。

老范的看法

• 第一，大概率还是需要手机的，最后可能会变成超级APP之间的竞争，不会有一个超级APP一统天下。商家到底应该上哪去缴广告费？这个事呢，还是需要有竞争的。
• 第二，当AI可以根据它的预测给我们生成内容的时候，AI会极大的拉大人与人之间的差距。一个人喜欢看美女扭屁股，另一个人喜欢看科学研究，他们最终的成就会有非常巨大的差距。

二、觉醒主义病毒与AI污染

下一个问题呢，就是这个觉醒主义病毒污染AI的问题。觉醒主义呢，就是性别平等或者性别多元化，这些内容呢，都会拿来去进行AI训练。

马斯克的观点：错叫性别比核战争更严重？

马斯克的观点是：对于AI来说，叫错性别代称和热核战争之间，到底哪个更危险？因为你不断给AI投喂的语料告诉它，不能去叫错性别代称，并且在强化学习时不断惩罚它。那么它就会记住，叫错性别这件事，是一个天塌下来的大事。而热核战争，除了1945年就没再发生过，对AI来说是个小概率事件。所以当让AI去进行选择时，他就有可能会为了避免“叫错性别”这种“天大的事”而选择扔一颗原子弹。

他还举了一个非常可笑的例子。今年的上半年，谷歌的Gemini去绘画，结果呢因为搞多样性，让他画美国的国父，给你画个黑人，给你画个女的。华盛顿嘛，应该是白人男性，但AI为了实现觉醒主义而去说谎，不尊重历史事实。

既然AI已经可以去说谎话了，那么未来是非常非常危险的。他还讲到加州特别是旧金山湾区，就是非常非常左的，在这里就没有中间这个位置。你要是在这里想靠中间站一点，就会马上被人骂成极右。

生命的价值可以计算吗？

最近还有一个案例，是不同人种、不同性别，生命的价值是否相同的问题。马斯克说做了这么多测试里头，只有他们家的Grok告诉大家，甭管是男女老幼，不同的人种，不同国家来的人，他们的生命价值都是完全相同的。而其他的像GPT也好，Gemini也好，认为不这样。

现在这些大模型就形成了一个非常可笑的价值比较：一个肯尼亚来的黑人女性，她的价值是20个白人男性的价值。千万不要说这有什么关系，大家要注意，AI这个东西不光是要去给你写一段话的，它要去做自动驾驶的。等遇到电车危机的时候，他就有可能看到说，这边是一个黑人女性，那边是19个白人男性，他就直接奔那19个白人男性就撞过去了。因为他已经算明白了，一个黑人女性的价值是20个白人男性。所以这个是非常非常可怕的一件事情。

用“真相AI”对抗偏见

马斯克现在标榜自己做的是唯一追求真相的AI，不再去考虑这些觉醒主义的东西。主持人问他觉得这事有用吗？马斯克的回答是：有用。我自己只要把东西做出来了，别人就会照这个方向去前进。我训练了一个追求真相的大模型，其他的这些做大模型的公司就会感到羞愧，他们也会照我这方向走。

老范的看法

老范的看法就是偏见不可怕，可怕的是压制别人。有人认为地球是扁的，有人认为地球是圆的，但是我们允许这些认为地球是扁的人继续去发表言论，这个事才是最重要的。所以，不论XAI的Grok最后有多少人用，这都是马斯克给我们这个时代留下来不可替代的礼物。

三、人人都会变得很富有？

这是马斯克给出的非常美好的一个祝愿吧，我觉得也反映出这种工程师、理工男一个美好的愿景。他说未来并不是人人只有基本生活保障，而是人人都会很富有，大家不再为了账单而工作，而是为了自己的兴趣。中间会经历痛苦和裁员，以及转型这些东西，但是未来的话，我们希望社会向着人人都非常富有的方向去前进。

短期内可能会被淘汰的人：

• 完全跟数据打交道的人，比如程序员、中层管理干部、HR。
• 所有跟搬运原子相关的、搬运物件相关的人，可以稍微的多坚持一段时间，比如搬箱子的、开车的。

但你说未来真的会变成这种人人都很幸福的社会吗？马斯克承认的说，这只是众多可能的结果中的一种，他希望未来朝这个方向发展。

四、关于超级人工智能（AGI）的未来

他说到2030年，AI就会超越全人类的智能。但是到那个时候，我们还是第一个，是要能够从外边把它关掉，我们还是得能控制它。另外呢，他说我们现在比大猩猩厉害了，但是呢我们并没有把大猩猩赶尽杀绝，我们还在保护它。希望未来呢，AI也可以像现在我们对待大猩猩那样对待我们。

老范的解读

第一个呢，人类的工作和消费呢，并不仅仅是因为兴趣和账单。人类最重要的作用，其实是进行选择，为未来的社会进行选择。商品、金钱和市场是引导人类社会前往正确方向的一个重要因素。任何想要替代它们来替我们决定如何生活的尝试都失败了，比如说计划经济。

至于说未来的人类跟AI之间，到底是不是现在的人类跟大猩猩之间的关系？我其实是抱稍微悲观一点的看法的。这个东西就像现在的中美两国一样，大家都想卡脖子，都想把对方的命脉握在自己手里头。到那个时候的话，就一定会有摩擦。当我们拿到AI的关闭开关了以后，面对一个远远超越我们的超级智能，你认为它会怎么对待我们？所以在这块上呢，我觉得不那么乐观。

五、访谈中与中国有关的部分

主持人其实在前面讲AI意识形态的时候有几次提到中国了，但是呢，马斯克都跳过了，重新对准国内左派火力全开，这是马斯克比较聪明的一个地方吧。唯一提到中国的就是马斯克自己，提的是航天。说现在呢，Spacex已经占据了全球90%的发射任务，而剩下的10%基本都被中国包圆了。

其实作为一个理工男来说，很难不喜欢中国。马斯克过往的言论呢，经常都是这样，说中国的工厂真棒，中国的超级工厂非常非常强，中国的工程师很努力。这是他对中国一贯的一个认知。

最后总结

马斯克是一个非常有争议的人，他的访谈，不同的人会有不同的解读。但是你骂他也没什么意思，作为一个行动能力超强的世界首富，他对未来的期许还是值得大家认真的去思考的，因为他真的会去做，义无反顾的去做，这是马斯克跟其他人不一样的地方。

现在美股七姐妹里头，黄仁勋是比较圆滑的；扎克伯格呢，现在还在跟VR、AR死磕。剩下的也就只有马斯克、黄仁勋、扎克伯格是创始人，而马斯克行动能力很强。剩下4个，微软的萨提亚、谷歌的皮查伊、苹果的蒂姆·库克、亚马逊的安迪·贾西，都是职业经理人了。职业经理人是不会做出圈的事了，所以未来只能靠马斯克去改变。这就是我们今天跟大家讲的故事。

好，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。

在炒币这件事上，DeepSeek完胜GPT和Gemini。

大家好，欢迎收听老范讲故事的YouTube频道。

最近有一件事闹得沸沸扬扬，也就是Alpha竞技场。有一个叫NOFE.AI的实验组织，他们组织了一场由大模型炒币的一个实验。这个实验室的组织者呢，是纽约大学机器学习领域的一位博士候选人，应该算是一个学术组织，并不是一个炒币的机构。他呢，想要让大模型使用真金白银，直接在币市里边去进行竞技，而不是去做什么模拟题，做各种什么模拟盘，直接真金白银开干。

比赛呢，是从10月17日开始，每一个大模型给1万美金的启动资金，到现在呢，胜负已经非常明显了。DeepSeek V3.1完胜，他挣的钱最多。Grok-4紧随其后，也是盈利的。盈利的曲线呢，跟DeepSeek V3.1很像，但是这里呢，并不是因为Grok-4抄了V3.1，或者在DeepSeek的基础上去训练出来的，而是什么呢？就是你市场本身是有一个波动曲线的，他们只要采用相近的策略，他们盈亏的曲线就会比较接近。

再往后呢，是Claude sonnet 4.5，它表现得呢要稍微差一些，但也是盈利的。Qwen3 MAX也参加了，稍微地赚了一点点，大概是挣了几百美金吧，基本没赔。有一个对照组，对照组是什么呢？就是买入比特币直接持有，因为你总要跟市场的大势去进行比较嘛。这个组呢，是挣得要更少一些，大概挣了300多美金。Qwen3 MAX大概挣了700多美金，所以Qwen3 MAX还是跑赢了持币观望组的。

剩下的就是亏损组了。GPT-5亏损极其严重，没多长时间，不到一个礼拜，大概亏了百分之二十几的钱出去。当然还有比它更惨的，Gemini 2.5 Pro，直接亏得连他妈都认不出来了，直接亏了30%多进去。

那么这个实验是怎么设计的呢？大家都比较关心吧。他首先是给每一个大模型1万美金的启动资金，这些大模型可以自己去决定，在这个去中心化交易所里边，自由地用这种杠杆去交易6支加密货币的永续合约。

这里头有几个关键词，咱们要稍微解释一下。首先6只加密货币：比特币、以太坊、索拉纳、币安币、狗狗币和瑞波币。这6只币相对来说，还是比较大众一点的吧。然后呢，它是在去中心化的交易所里边去交易的。你比如像币安，像其他的一些大的这种交易所，都是中心化交易所。中心化交易所等于是在一个中心化交易所自己内部的服务器上去进行交易撮合、去进行配对，它的交易速度是很快的。而在去中心化交易所里头，你需要在链上直接去做交易，它的交易速度还有交易过程中的费用，这个都是不一样的。所以呢，为了公平起见，专门找了一个去中心化交易所，直接在链上开跑。

至于永续合约呢，大家知道这种期货合约，它一般是有一个截止日期的。比如说我买大豆，你到了那一天，你就必须要去把这个大豆拿回来，或者说你必须要在期权到期日之前，你要把它平仓掉或者处理掉。但是呢，比特币也好，以太坊也好，它并没有一个必定要到期的日子，他也没有哪天说大豆要成熟了，或者石油要真的开采出来，我要用这个东西。所以他就有这种永续合约，你可以一直看涨，一直看跌。所以他用了这样的一个交易工具，这些大模型呢，就可以在去中心化的交易所里头，用这6个币的永续化合约去进行交易，自己决定看涨还是看跌，或者是加几倍的杠杆。

所有的大模型呢，都是公开的大模型，没有进行过微调。你说GPT-5我想微调一下，没有那么容易。但是呢，DeepSeek因为它是开源的，这个东西是相对来说比较容易进行微调的。但实验说了，我们没有去进行任何微调，就是大家可以拿到的公开版本，我们直接就用了，然后进行统一的提示词，我们要求你干活去，要给我盈利。但是现在呢，提示词并没有公开出来，希望他们以后可以公开出这个提示词来。

信息输入，这个是非常大的差异。这里头呢，有两部分信息。一部分呢是相同的，就是统一地进行市场行情的结构化数据的输入。涨了、跌了，有多少买盘、多少卖盘，现在是一个什么样的行情，这个呢会有结构化数据统一地发给所有这些大模型。另外一块有差异的部分是什么呢？就是各自可以搜索非结构化的社会信息。现在有什么小道消息，市场的情绪怎么样，自己搜索去。这个就是整个的实验设计。

实验的过程是什么样的呢？咱们先说DeepSeek V3.1。它呢是交易很少，最主要的盈利呢，是15倍杠杆做多了以太坊，做多了索拉纳，以及做多了瑞波币，靠了这个挣了36%。一个礼拜挣了36%，真的不愧是做量化基金幻方量化出来的这个大模型，做这玩意儿绝对强。

第二名呢是Grok-4。他呢一开始他也认为有可能会空，但是这就是Grok-4比较强的地方，它后边是Twitter，后边是X。你在比特币市场上，或者在币圈里头有任何风吹草动，X肯定是第一个知道的，而且可以快速地知道发生了什么事情。所以呢，它非常非常精准地知道在什么时候应该转单，从空单转多单。它在发生反转的时候，快速地20倍做多了瑞波币，15倍做多了索兰娜，挣了很多钱。但是呢，他前面有一个交易时机稍微有点差距，所以他有一个做空瑞波币的这个交易呢，是给他赔了一些钱。DeepSeek和Grok都是极少交易，就是他很少做决策，很少做交易，但是呢真的很挣钱。DeepSeek V3.1挣了36%嘛，然后Grok-4挣了30%。这是一个礼拜，在这一个礼拜里头，整个的行情是有一个V型的反转，一开始暴跌，然后开始转回来。DeepSeek呢就属于是我一直相信会涨，Grok-4呢就属于很精准地通过X上面的信息，找到了这个反转的底部，非常非常精准。这个也是输入信息差异带来的这种差异。

再往后一个呢，Claude sonnet 4.5，它呢挣了23%，其实也还可以。一个礼拜你挣23%，你还要什么呢？他做的交易呢，就要稍微多了一点，他做了3到5次交易。他呢主要是靠杠杆做多ETH和瑞波币，靠这个来去挣的钱。

再往下一个，挣的钱更少一些的呢，就是Qwen3 Max。他呢挣了大概700多美金吧，他做的交易就要多一些了，他做了八次交易。这个里头就比较乱了，逻辑不是很清晰。

再往后一个，就是比特币买入持有的这哥们，他呢挣了383美金，也只做了一次交易，因为它就是一个对照组嘛，上来你就是把所有的1万美金都买成比特币，在整个的实验过程中跟其他人去比较。

下一个呢就是GPT-5了。它是1万美金进去，亏了2800美金，亏了28%。他主要的亏损交易是做空瑞波币和索拉纳，就是他在反转的时候没有发现，反转了就一直在做空，所以亏了很多钱。

当然亏得更多的呢，是Gemini 2.5 Pro。为什么呢？就是它反复地交易，它交易的规则非常混乱。你像前面我们讲DeepSeek V3.1、Grok-4，都属于交易很少很少的。Claude sonnet 4.5做了3到5次交易，就已经多了。像这个Qwen3 Max做了8次交易，我们就已经在说它的交易逻辑有点混乱了。这个Gemini 2.5 Pro做了44次交易，因为你在这种去中心化的交易所里边做交易的时候，你是需要去付gas费的，就是你要求别人给你打包这个交易，你是要给矿工钱的。所以你做了44次交易，就造成了巨额的亏损。他呢也还有一个盈利单，他做空狗狗币有一定的盈利，但是呢他做多瑞波币的一个交易呢，造成了巨大的亏损。他很多的亏损是由于他交易实在太频繁了。你到这个币市里头，是不能这样去交易的。

那么这些大模型，他们显示出来的性格上的差异是什么样的呢？刚才咱们讲是什么怎么挣钱、怎么亏钱，性格上是不一样的。

DeepSeek是纪律严明的量化执行者。因为它是有这个COT，也就是思考过程输出的，它告诉你我是怎么想的。上来就告诉你说，我是所有东西都做多，我认为现在的市场还可以，这个市场上没有达到我的盈亏平衡点，或者没有达到我的止损点，所以我就继续做多。他非常非常严格地在做这个量化交易的玩法，因为只有他是原来做量化交易的，所以他很熟悉量化交易到底怎么玩，他也很熟悉这种去中心化交易所交易速度比较慢、交易成本比较高的这样的一个特性。所以呢，他就很稳定地去执行这些策略，挣的钱挣得最多。所以他叫“纪律严明的量化执行者”，而且强烈看涨，就是我就认为会涨。平均是10-15倍的杠杆，交易频率是比较低的，严格的止损止盈驱动。就是它没有那么复杂的交易策略，我就是止损止盈，全市场看涨，而且很看好瑞波币，这就是它的整个交易逻辑。

Grok-4呢，它是敏锐的时机反转交易员。因为后边有X，这个绝对是优势，你认为它作弊都没有任何问题。它呢可以很动态地进行调整，这个是10到20倍，它比DeepSeek还要胆大。DeepSeek就是10到15倍，它是10到20倍的杠杆直接做进去。这个仓位呢可以进行动态反转，可以非常好地捕捉到市场拐点，所以更适合干这个活的可能是它。只是他可能对于量化交易，特别是在这种去中心化市场上的量化交易呢，没有DeepSeek那么熟练。

然后Claude sonnet，他属于谨慎的价值投资者。整个的方向上呢也是看涨，他呢是8-20倍，他也挺胆大的，加了8-20倍的杠杆。他的交易的这个频率也是比较低的，属于长线持有、交易次数较少的，集中地做以太坊和瑞波币。

Qwen呢，属于平衡的机会主义者。就是他乱搞，也没有什么逻辑。在这他做了8次交易，都是较短的持仓周期。所以我觉得他能够挣钱，算是一个运气吧。

而GPT-5呢，属于困惑的逆势交易员，就是属于没有搞清状态，始终看跌，维持了这种亏损的头寸，看空瑞波币和索兰娜，最后亏了很多钱。

而Gemini呢，属于叫焦虑的日内交易员。他疯狂地在那做交易，做了44次交易，做得很混乱，而且也是普遍看跌。15-25倍，也是非常胆大的一个交易者。做了44次，他是做的最高的交易次数。你看一个礼拜做这么多次交易，缺乏风控，他压根就不知道什么叫风控在里头。看空这个狗狗币，看多瑞波币，这是他的一个交易策略，或者说他的一个性格吧。

这是几个大模型之间的这种差异。很多人说：“这不就量化交易吗？”这不一样。大模型交易跟量化交易是有本质区别的。量化交易呢，使用的结构化数据，现在的整个的市场的交易的数据是什么样的，价格什么样的，有多少买、多少卖，过去的历史数据是什么样。他把这些东西塞到一个量化交易的系统里边去，然后呢，是由人去看新闻，给他制定量化交易的一些规则，他去按照规则去在止亏线、止盈线之间去进行操作，这个是量化交易干的活。

大模型交易的话，是大规模地使用非结构化的社会信息。什么叫结构化的？就是有一个表格，今天第一笔交易什么、第二笔交易什么、报价什么，这样的数据叫结构化数据。而非结构化数据，就是我们搜索回来的，直接从网页上扒回来的这个数据，或者说像Grok这样，我从X平台上直接拎回来的数据，这个就是一条一条的，可能这一条数据叫怎么跌了、怎么涨了，可能是这样的这种数据。他把这样的数据拿回来，由大模型自己去决定到底做什么样的策略，是涨是跌，它是这样来去做的，所以有非常大的区别。

今天呢，就是做了第一次直接由大模型真金白银地去做交易。以前没有人敢干这个事，以前大家都是做模拟盘，就是我模拟买、模拟卖，最后看一下谁赚了、谁亏了，这次就是直接上真金白银。

那未来会变成什么样呢？就这一次的实验对未来会有什么样的影响呢？第一个呢，是不要太担心，由大模型完全主导的交易不会马上就到来。虽然现在看到说有人能挣钱了，但是这个大模型对于整个的交易还并没有那么熟悉，未来可能还需要几个月，甚至可能需要一两年的时间，这些大模型会更加适应这种交易的动作。

未来人类的角色呢，会继续上行。什么意思呢？最早的时候咱们是做交易，我决定买、决定卖。再往后呢，就是制定量化的一些策略。我们有一个量化工具，由人呢，或者说叫量化分析师，去看新闻、去分析数据、去分析大家的这种情绪，去制定量化策略，然后而让量化机器人去执行。未来呢，就是人类要去为大模型制定策略。当发生什么事的时候，你应该如何去做；当发生什么样的新闻的时候，你应该如何去反应。以后可能人类会在量化交易的基础上继续向上走。

大模型交易呢，也会带来很多的风险。就大模型交易这个事一定会到来，谁也拦不住他，因为挣钱嘛，这个事你是拦不住他的。它会带来什么样的风险呢？第一个就是算法趋同。这个事其实在量化交易的时候就已经产生了。算法趋同什么意思？就是我发现有一个要涨的这个趋势了，或者有一个要跌的趋势了，所有的量化机器人，包括以后的大模型，可能都会产生相同的这种认知，那他们就会把这个趋势进行放大。涨还行，你要跌的话就会闪崩，直接“咔嚓”一下就崩掉了，很多人就会爆仓在里面，这个是非常非常危险的。还有什么呢？就是责任不清晰。原来我们即使使用量化交易，也是有量化交易员他来承担责任。而未来的话，你是由大模型来去确定要去买还是要去卖，那你挣了、亏了，这个到底算谁的？这块呢，也还需要再去明晰一下。所以监管部门又有得头疼了。

好，最后总结一下。这是第一次真金白银的大模型对抗，而且呢我们发现专才还是有用的。其实这个实验呢，颠覆了我的一个认知，我原来一直认为，只要模型变得越来越大，这种通才才是未来的一个方向。但是这一次的比赛让我们知道了，专才是有效果的。像DeepSeek这样的专才，他就是做量化出身的嘛，所以他对于整个的量化交易规则，对于整个量化的这种执行过程和这种去中心化交易所这种低效率、高成本的这种交易的节奏把握得非常好，他就胜出了，超过了所有的其他大模型。所以专才依然是有效的，即使大家以后没有专才大模型，你也完全可以用这种开源模型去进行微调，这件事还是有效的。

下一个告诉我们的事情是什么？特定的信息源是非常有效果的。下一个胜出者是Grok-4，它靠X上这种非常敏感的信息波动，比这个DeepSeek挣得虽然稍微少一点点，但是也是非常挣钱的。

最后提醒大家，炒币有风险，入市需谨慎。大模型是别人的，炒币的真金白银是自己的。

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

你绝对想不到，美股科技股连续暴跌几天之后，居然是谷歌跟苹果这两个老兄弟，把大家又重新拉起来了。

到底是怎么回事？今天跟大家讲一讲。大家好，欢迎收听《老范讲故事》的YouTube频道。

我呢是重仓美国科技股的，前面几天真的是跌麻了。然后谷歌直接跳了一个7%的上涨，苹果涨了一个3.5%。大家注意，这都是上万亿美金的公司，谷歌大概1.7万亿，苹果大概2.9……还是二点几万亿美金的。这种市值公司，按照这样的速度往上涨，这个真的是非常非常恐怖。

同时，英伟达、AMD还在小幅调整，还稍微跌了那么一点点。很多人都在跟我们讲：“AI往前发展了，以前都是英伟达自己涨。现在呢，硬件就这样了，后边该软件涨了。”难道已经到这一天了吗？大家不要着急，还没有到那一天。

那么谷歌和苹果到底是怎么涨起来的？像这样的大象能够跳起来，肯定背后是有原因的。

原因呢，其实也很简单：谷歌在反垄断案上，得到了一个对自己非常有利的判决。原来是说，你必须得把Chrome拆了。这种反垄断案，大家注意谁在告他？谁是原告？是美国司法部以及多州，联合起诉了谷歌，而这个母公司的名字叫Alphabet，就起诉都是起诉它。谷歌呢，只是Alphabet下边的一个子公司。最后是判下来不用拆了，那谷歌还不疯狂地涨起来？

原来说把Chrome拆掉的时候，这整个市场都疯了。Plexcity说我345亿美金我要买，OpenAI说我也要买，一堆人说我们都要买。为什么？因为这个东西实在是太值钱了。拆出来以后到底值多少钱不好说，但是在谷歌里面实在是太值钱了。谷歌现在干的活是什么？就是把它所有的东西都给你送在一起。我的浏览器跟我的搜索引擎、跟我的Gemini、跟我的各种网盘、Office、Workspace，包括它整个的账号体系、Gmail都给你捆在一起。你一旦是把Chrome给它拆掉了，就剩下这些东西拼不上了，搞得七零八落的。谷歌你的核心收入是来自于搜索广告，一旦是把Chrome给你拆掉了以后，你的搜索广告一下就不行了。即使是说现在AI起来了以后，你的搜索广告受到很大的影响，但是呢，你还可以苟延残喘一段时间。虽然AI的快速普及或者快速的上升，让你的搜索广告受到了一定打击，但是只要你原来这个架子不拆，你还是有一个软着陆的机会的。但是一旦给这玩意拆了的话，就彻底没戏了。

所以现在大家其实并不是特别看好谷歌的时候，突然来了一个对谷歌有利的判决，那大家就很开心，说：“谷歌你又行了，咱们接着干吧！”所以一下就涨起来了7%。

那你说这玩意跟苹果有啥关系呢？人谷歌开心一下就行了，你苹果有啥事呢？原因很简单，还是这一个案子的判决。

它这个判决完整是什么？首先，你谷歌确实垄断了，你还是有罪的。但是呢，你并不需要把Chrome拆掉。原来你是跟一堆人去签独家绑定协议，比如你跟苹果签了独家绑定，我们的这个产品，我们每年给钱。现在呢，说你不能跟人签独家绑定协议了，但是呢，你可以接着给钱。这苹果就很开心了，我一方面可以接着找谷歌收钱，我还可以跟微软去说：“你想把谷歌干掉吗？多给一些。” 苹果就很开心，它涨了3.5%是这么来的。

那这个钱有多少钱？就是每年谷歌给苹果的钱，一年200亿美金，大概占苹果的服务收入的20%。就是苹果卖硬件、卖手机是有一块收入，另外一块收入就是服务收入，就是完完全全是收license钱。这里头20%是谷歌给的。那这个钱还可以接着挣，甚至呢，如果微软、OpenAI说，我们也想去跟谷歌竞争一下，也想去抢这一块市场，来竞价排名一下，或者说价高者得之，这个都是可以去玩了。所以对他们都是利好。

这一次的判决，除了要求说必须要去把排他性去掉，还干了些什么呢？这一次你不能再说：“苹果你收了我的钱，你就必须用我的搜索引擎，不允许再用其他人了。”比如说三星，还有其他这些手机厂商，你收了我的钱，你就要用我的搜索引擎，不允许再用其他人了。你要用我的Chrome，因为安卓手机嘛，苹果手机是用Safari的。这个原来都是绑定的，现在呢，不允许再绑定了。你可以接着给钱，给钱没毛病。说用三星手机，使用了谷歌搜索引擎，看了广告产生的收益，你接着可以跟人分成，这个没问题。但是呢，你不可以排他，你交了钱别人还可以接着来。这个是这一次的核心判决。

另外一点是什么呢？就是谷歌要把它的搜索排名的数据，公开给它的竞争对手。你原来说哪个词搜索的靠前，哪个词搜索的多，搜索完了以后是怎么去做排序的，有一些这样的内部数据，要把它公开出来。因为这属于是谷歌的不传之秘，他就靠这玩意吃饭呢。你拿出来跟微软，还有一些搜索引擎的竞争对手，你要去跟人分享一下。大概做了这样的一个判决。

实际上对谷歌还是相当有利的。但是呢，做完这个判决以后，诉辩双方——就是美国司法部和谷歌两边——我们都不服，我们都要再上诉。所以这个事情对于谷歌来说，得到的就是Chrome现在不用拆了；苹果得到的是说，我可以接着找谷歌要钱了。这个是现在已经确定的事情。

谷歌说：“我现在还不想把我的数据公开给别人。我可以承诺，比如说我不去跟人签排他协议，我给人钱了，你看这个后边怎么办。”因为给钱这件事呢，你如果不给钱，整个这个产业就崩了，不光是谷歌一家的事。其实很少有人能给出谷歌这么多的钱来，你要完全靠钱竞争，其实依然是排他的。微软说我也愿意给钱，但是它在这块打不过谷歌。虽然它的市值比谷歌高，但是呢，它花钱的地方也比谷歌多。你说我现在开始跟谷歌争拼，这一块市场下来不划算。而且呢，现在搜索广告呢，本来就是已经有点日暮西山的感觉了，应该也不会再有人去跟谷歌说：“我跟你抢，你愿意一年给苹果200亿，我愿意给苹果300亿，把这个市场抢回来。”大概率没人干这个活。

而且就算你抢下来又怎么样呢？因为谷歌这个判例在那呢，你哪怕300亿给苹果了，苹果也不能给你设成独家，你最多叫默认。比如说微软给了300亿以后，默认的搜索引擎是微软的Bing了，但是它依然可以自己换成谷歌。那这300亿你说你花的冤不冤吧？就是用户可以自己手动换的，这个是这一次判例里头的一个很关键的点，你不是唯一的，不是独家了，它是可以换的。所以这块呢，大概率对谷歌没有什么太大影响。

你说这个法官为什么突然就转身了呢？原来都说是我们要把谷歌好好的分拆一下，要把它这个Chrome拆掉，甚至以后可能还要拆安卓，还要把它的数字广告都拆开，要把它拆的七零八落了。怎么这个法官突然就大发慈悲，就放过了谷歌呢？是不是里头有一些什么别的交易、桌面下的事情？这咱不知道，咱不能瞎猜。能够知道的是什么？法官出来讲了，说这里头呢有几个问题。

第一个问题是，谷歌给的钱呢，确实是养活了很多的人，养活了很多的产业，包括苹果、三星这些做手机的厂商，都从谷歌这分到钱了。你一下说这个钱不许付了，或者你不许再去用这种商业模式往前走了，那这个收益就没了呀。当时喊着说要去拆Chrome的时候，谁第一个死掉了？Firefox第一个死掉了。说：“不行，我没法活了。”为什么？因为Firefox作为Chrome的竞争对手，他最大的一笔收入就是谷歌给的。每年谷歌会给他钱，给他钱干嘛？说你Firefox上来以后，你要绑定谷歌搜索引擎，所有的这个搜索引擎产生的收益，我给你分红。原来是干这样的事情的。现在谷歌说：“我这生意做不下去了，还顾得上你吗？我不给钱了。”那Firefox就赶快裁员，“求求你千万不要收拾谷歌，一定要给我留一口饭吃。”这是反垄断调查，他的竞争对手的哀嚎，多么神奇的事情，想不到吧？所以法官觉得，这个钱还是要让他继续流转下去的，原来这个生意还要接着做。只是呢，你把垄断所获得的数据跟大家分享一下，把垄断里头这个条款去掉，你可以接着给钱，但是不能独家了，不能排他，这个事就算过去了。这是第一个原因。

第二个原因是什么？第二个原因是，苹果的人跑去作证去了。谷歌这么多年，都在我这做这个搜索引擎绑定，22年来，谷歌搜索引擎在苹果Safari里头的使用比例首次发生下降。这个时代过去了，已经不再是谷歌搜索引擎一统天下的时候了。那么法官觉得，既然这个垄断的时代已经过去了，已经有你的其他竞争对手去覆盖你了，我们就没有必要一定要把你拆开了。那大家想，谷歌搜索引擎在苹果Safari浏览器里边的使用比例为什么会发生下降呢？大家都去用OpenAI了，都去用Perplexity了，用这种AI搜索引擎了，不再用这玩意了。哪怕你说你去用Gemini了，他也不是在用谷歌搜索引擎了。所以谷歌搜索引擎的这个时代，其实已经过去了。

其实很多美国的案子都是这样，就反垄断案，像原来拆微软也是这样的。应该是1998年起诉微软Windows绑定IE，把网景（也就是刚才咱们讲那Firefox的前身）把它干死了，“这事不行，我要拆IE出来。而且你这个Windows里还绑定Office，这不行，我要把你Office也拆出来。”微软也是据理抗争，这官司打到2000年，打了两年作出判决说要拆。然后又折腾了一年，到2001年最后达成和解说不拆了。他的Office也要开始去支持什么苹果，他的这个IE呢，也不能直接这么捆绑在里头了，他也可以在里边去装Firefox，这个事才算混过去。但是真正让这个事混过去的原因是什么呢？不是说微软服了软了，而是微软的时代过去了。那个是什么时代起来了？就是互联网时代起来了。2001年嘛，谷歌呀、Facebook呀，就这些公司开始启动了。微软你已经不再具有垄断地位了，虽然你这个市场地位还在这，但是呢，换赛道了。所以他当时就没有拆。现在谷歌其实也遇到了相同的问题，原来搜索引擎就是所有的入口，所有广告都从这里走，那么你就是垄断的。现在有AI上来了，换赛道了，你原来那个搜索引擎已经日暮西山了，就没必要对你穷追猛打了。

所以这一次法官是基于这两个大的原因：第一个，你钱得付，不付钱了有些市场会崩溃的；第二个，你那个已经是昨日黄花了，不用再穷追猛打了。即使判决出来了，两边都不满意，还在接着上诉，但是最终的结果是什么呢？就是谷歌的搜索引擎份额一定会越来越少。大家可能更多地去使用ChatGPT、去使用Claude呀、或者是Gemini呀，是使用这样的工具了，就不再使用搜索了。原来以搜索来带动的整个搜索广告收入这一块呢，应该就会慢慢地退出历史舞台。到那个时候就再去起诉，比如“OpenAI你垄断了”，或者“Gemini你又垄断了”，到那个时候再去起诉新的东西就行了。所以最终呢，可能就是不了了之了。对于谷歌来说呢，他也不会出去分享数据去，你要求我分享数据，我就接着上诉，他就一直耗下去，耗到最后说：“算了，你这数据也不值钱了，就这样吧。”也就如此了。

那你说谷歌现在它的广告收入还占多少呢？谷歌曾经它的搜索广告收入是占可能百分之七八十的，现在其实已经少很多了。谷歌现在的广告收入，就是搜索及其广告收入吧，大概是占整个收入的百分之五十几，而且是在不断地下降。所以呢，它整个的收入状态已经在开始出现这种多元化了。那你说搜索广告不干了，他靠什么玩意挣钱呢？这么大一公司，10万人这样的一个公司，他到底怎么挣钱的？

第一个，你们现在看我视频了吧？谷歌靠这玩意挣钱的，就是他的YouTube广告在快速上升，两位数的上升。虽然挣得还没有那么多吧。谷歌一个季度的收入，大概是不到1000亿美金，964亿美金，这是2025年Q2的财报上写的。它的广告收入呢是542亿美金，大概是占50%多一些，56%吧，我去年同期呢是57%，降了1%。它的这个YouTube广告是96亿美金，占比呢是10%，同比上升了13%，还是涨得很快的。另外一块呢是它的云计算，AI这一块收入是136亿美金，占比是14%，要比YouTube的广告收入还要再高一些。而且呢，这一块呢，是同比大涨32%。就现在大家就看，微软的收入到底有多少是卖Office、卖Windows来的，卖license来的收入有多少，有多少是来自于云计算的。阿里也是这样，你有多少收入是来自于云计算的？因为云计算是代表你的AI收入，这玩意才是大家要看的东西。

像谷歌的这个136亿美金的云计算收入里头，我也做贡献了。我怎么贡献的呢？我大量的视频打标签、分段，这些都是由Gemini模型来去提供服务的。我每个月大概还要给他交个十几美金、20美金的样子，不是买license，而是买TOKEN。这个是我调他API花的钱。所以这一块的收入，他确实是在上升的。

现在呢，谷歌的股价一下跳了7%。一个原因呢，是大家觉得你短期内的Chrome被分拆这个问题已经解决了，你可以继续地一边努力地增长你的AI收入、增长你的YouTube的广告收入，然后一边呢，让你的这个搜索广告收入的下降呢相对来说平缓一些。你依然可以捆绑着Chrome，就不叫独家了，就是一种合作协议，还可以让这个商业模式继续跑下去。

另外一方面的话，谷歌的AI这一块现在确实也很强。Gemini 2.5——甭管是Gemini 2.5 Pro，还是Gemini 2.5的Flash，包括咱们最近玩的Nano Banana——确实是非常非常强。在做AI这一块上，咱们不要看OpenAI的声音很大，最有钱、最有卡、最有数据、最有人才的这个公司就是谷歌。谷歌之所以现在老觉得被人摁在地上摩擦，最主要的原因是什么？公司太大，规矩太多，瞻前顾后。但是所有的做AI所需要的数据、钱、算力、人才，谷歌都是最好的。只要他们想明白了，往前做的话，想在这一次把它淘汰掉，基本上不太可能。

而现在的谷歌呢，它整个的PE大概只有20-25倍，所以是非常非常便宜的。作为一个互联网公司来说，它的利润跟它的市值之间比是PE嘛，只有二十几倍，这个稍微有点看不太起它。所以现在很多人说，是不是要去抄底这个东西了？要知道英伟达的PE有多少倍？英伟达的PE有50倍，是谷歌的一倍。英伟达挣的钱比谷歌其实多不了多少，但是呢，它现在是全世界最值钱的公司。

那你说未来到底是谷歌强，还是英伟达强？我们是不是应该换个阵，把这个英伟达的股票卖了，去买谷歌的股票？这个怎么说呢……我只能说未来一段时间，或者未来两三年里头，谷歌不会掉队，它依然是在全世界科技股里边、AI这个赛道里头能够占有一席之地，这个是没有任何问题的。但是真正说能够再往前飞一段的，应该还是英伟达。

为什么呢？虽然谷歌是不怎么买英伟达芯片的，谷歌自己的芯片都是自己做的，它那个东西叫TPU。TPU呢，虽然都叫一个名字，但是它是分服务器端的和手机端的。它现在手机端的TPU其实卖的很少，就是它自己那个叫Pixel 10吧，它里头是用自己的TPU的，其他人家我好像还没听说谁家的手机买它们家的芯片。在服务器端呢，也就是自己用自己的。谷歌家的TPU是除了英伟达之外，唯一成功训练出大模型的这个算力卡，其他再没有了。除了英伟达和谷歌的TPU之外，就再也没有第三个算力卡真正独立训练出来过这种大规模模型的，这个也是独一份的本事吧。

但是英伟达在今年和明年这一段时间里头，应该还会长足的发展。大家都已经买了这么多卡了，马斯克手里有20万，微软手里有可能有40万，Meta号称自己有60万，字节跳动在海外还在疯狂地买，阿里在海外都在疯狂地买。他们在国内肯定不会去买H20了，但是在海外都在买，像新加坡、马来西亚、迪拜什么这种地方，都是有大量的算力中心，中国人开的算力中心，里边装的都是英伟达的显卡。都已经这么多了还买吗？这些公司还没怎么挣钱呢，特别像OpenAI、Anthropic，这些公司都是赔钱的，他们还买这么多卡，这玩意烧的下去烧不下去？有没有泡沫？

OpenAI的5000亿美金“星际之门”到底做成什么样还不知道，马斯克已经张嘴说了：“我要做1万亿美金，他那5000亿美金不算多，我要做1万亿美金。这20万块卡、30万块卡不算多，我现在要到100万块卡、1000万块卡。”这个继续前进吧。所以在未来的可能一两年里头，大家知道方向是什么。

从我个人的角度上来说，我是不会具体去买哪一个股票的，我应该还是去买一些科技股基金。但是我们要强调，咱们这个频道呢主要讲故事，听个乐就完事了，不做任何具体的投资意见和建议。您挣了钱是您自己的，亏了钱别找我。但是我坚定地相信，未来一段时间依然是AI领涨，而且AI里边，英伟达应该还可以再领跑一段时间。

好，这就是咱们今天讲的故事，感谢大家收听。请帮忙点赞、点小铃铛、参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见！